http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 하태용 (검색결과 244 건)
- 무료
- 기관 내 무료
- 유료
-
-
-
-
-
-
-
-
하태용 21세기사회복지학회 2012 21세기사회복지연구 Vol.9 No.1
본 연구는 요양보호대상중 시설노인과 재가노인의 ADL, 운동능력에 차이를 알아보기 위해 실시되었다. 연구대상은 시설과 재가에서 서비스를 받고 있는 요양 등급 2~3등급의 시설노인 83명과 재가 노인 83명을 대상으로 하였다. 대상자의 ADL은 K-MBI 그리고 운동능력은 MMAS를 사용하여 알아보았다. 자료처리의 일반적 특성은 기술통계를 실시하였고 요양구분(시설/재가)별, 등급별 ADL, 운동능력의 유의성 검정은 일원분산분석(one-way ANOVA)하였다. 연구 결과 재가노인과 시설노인의 ADL, 운동능력 비교에서 ADL수행력은 대상 전체에서 시설노인이 재가 보다 유의하게 높았고, 2등급과 3등급에서는 유의한 차이가 없었다. 운동능력은 전체대상과 2등급, 3등급 모두 시설노인이 재가노인보다 운동능력이 유의하게 높았다.
-
-
인공지능 기반의 자세 추정에 따른 모바일 헬스케어 동작 연구
하태용,이후진 대한전자공학회 2020 전자공학회논문지 Vol.57 No.1
Trends in managing personal health using smartphone devices and healthcare-related devices are receiving a lot of attention, but it is not easy to spread them to the real market for some time. Currently, users rely heavily on instructor training through video content or fitness applications. In this study, we use PoseNet of artificial intelligence(AI) convolutional neural network(CNN) based on the data used in the Leeds Sports Pose(LSP) dataset to analyze pose estimation and analyze human coordinates, and to applaud the result as a clap. The development language uses the Node.js program to implement the final momentum results into mobile healthcare. This provides motivation for the behavioral results of pose estimation to deviate from the dependency of intuition and error. Motion analysis based on more quantitative and faster pose estimation through body coordinates is now possible. In this regard, PoseNet can be a model that fits our purpose of developing a personal fitness program, being served as one of the many features of the healthcare platform. 스마트폰의 디바이스를 활용하여 개인의 건강을 실시간 관리하는 트렌드 확산과 헬스케어 관련 디바이스가 많은 관심을 받고 있지만 아직은 실제 시장으로 확산하기에는 쉽지 않을 것 같다. 현재는 사용자가 비디오 콘덴츠나 휘트니스 앱을 통한 강사 따라하기형에 많이 의존하고 있다. 본 연구에서는 LSP(Leeds Sports Pose) 데이터셋에서 사용되는 데이터를 기반으로 인공지능(Artificial Intelligence: AI) 합성신경망(Convolutional Neural Network: CNN)의 PoseNet을 활용하여 자세 추정 학습 및 인체 좌표를 분석하여 그 결과값으로 손뼉치기를 구현하고자 한다. 개발 언어는 Node.js 프로그램을 사용하여 최종 운동량 결과를 모바일 헬스케어로 구현하고자 한다. 이를 통해 자세 추정에 대한 동작 결과가 직관과 오류의 의존성에서 벗어나는 동기가 마련된다. 인체 좌표를 통한 보다 정량적이고 신속한 자세 추정에 근거한 동작 분석이 가능하게 되었다. 이런 점에서 PoseNet은 헬스케어 플랫폼의 많은 기능 중 하나로 서비스 되는 개인 휘트니스 프로그램을 개발하고자 하는 우리의 목적에 상당히 부합하는 모델이다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
