Human Activity Recognition System Using Multimodal Sensor and Deep Learning Based on LSTM
Soo-Yeun Shin, Joo-Heon Cha · Transactions of the Korean Society of Mechanical Engineers A · 2018
본 논문에서는 인간의 다양하고 복잡한 행동을 인식하기 위한 기존의 두 가지 방법인 직접 센서 측정 방법과 인공지능 기반의 방법론에 대한 문제점들을 보완하기 위한 새로운 시스템을 제안한다. 이를 구현하기 위해 가속도, 자이로, 고도 센서로 구성된 다중모드 센서를 개발하고, 센서의 물리적 측정 값과 딥 러닝의 학습 결과를 실시간으로 병합함으로써, 보다 정확한 자세 및 행동을 인식할 수 있는 방법론에 대해 기술한다. 인간의 행동별 데이터를 수집, 분석하여 인간의 정적인 행동에 대해 정의한다. 다중모드 센서로부터 수집된 데이터를 이용하여 RNN(Recurrent Neural Network)의 변형 알고리즘인 LSTM(Long Short Term Memory Networks)를 이용하여 인간의 자세와 행동을 학습한다. 마지막으로 실제환경 실험을 통하여 본 논문에서 제안한 시스템의 효용성과 타당성을 확인한다.