낙상 방향 다중분류를 위한 관성센서 데이터 기반의 머신러닝

국문 초록 (Abstract)

노인들에게 낙상은 노후의 삶의 질과 직결되는 중요한 이슈로써, 낙상 사고에 따른 피해는 꾸준히 지속되고 있다. 이를 최소화하기 위한 하나의 방안은 관성센서를 이용하여 낙상 방향을 예측하는 것이다. 본 연구와 관련된 이전 연구(이정근, 센서학회지 24(1), 2015)에서는 관성센서 데이터로부터 여러 가공 단계를 거쳐 추정된 속도 정보를 서포트 벡터 머신(SVM)에 입력하여 전후 좌우, 이 네 가지의 낙상 방향에 대한 다중 분류를 수행한 바 있다. 하지만 속도 정보를 얻어내는 과정은 복잡하고 여러가지의 오차 요소를 내포하고 있다. 이에 본 연구는 낙상 방향을 분류함에 있어, 기존의 복잡한 가공 과정을 거치지 않고 관성 센서 데이터를 직접 사용하는 방법을 제안한다. 제안된 방법은 추가적인 가공 과정을 거치지 않기 때문에, 기존 방법에 비해 효율적인 낙상 방향의 분류가 가능하다. 제안 방법과 기존 방법의 다중 분류 성능을 네 가지의 방향에 대한 민감도의 평균값으로 비교하였을 때, 두 방법 간의 차이는 0.5% 이내로, 비등한 수준의 분류 성능을 보여주었다. 또한, 머신러닝 기법으로 SVM 과 K-최근접 이웃, 나이브 베이즈를 적용하여 분류 성능을 비교한 결과, 각각 78.25, 84.02와 86.94%로, 나이브 베이즈를 적용한 경우가 가장 우수한 성능을 보였다.