3축 가속도 센서와 비디오로 취득한 데이터를 HMM(Hidden Markov Model)에 적용한 새로운 낙상 인식 시스템을 제안한다. 이 낙상 시스템을 위해 3축 가속도 센서와 비디오의 새로운 낙상 특징 파라미터를 추출하는 방법을 제안한다. 일상 생활과 낙상 행동을 구분하기 위해 이 낙상 특징 파라미터를 HMM에 적용한다. 개인간 낙상 패턴의 차이와 낙상과 유사한 일상 생활 패턴의 문제를 해결하기 위해 HMM 훈련과정을 사용하였다. 본 논문에서 새로 정의한 파라미터와 기존의 파라미터를 HMM에 동일하게 적용하여 결과를 비교하고 분석하였다.
새로 정의한 3축 가속도 센서의 GSVM(Gravity weighted Sum Vector Magnitude) AGSVM 파라미터가 기존의 SVM(Sum Vector Magnitude) ASVM에 비해 가장 좋은 결과를 보였다. AGSVM으로 일상생활과 낙상을 구분하는 실험을 하여 100%의 sensitivity와 97.96% 의 specificity를 얻었다. 이는 ASVM에 비해 sensitivity는 6%, specificity는 4%정도 향상되었다.
비디오의 낙상 특징 파라미터를 얻기 위해 동영상의 optical flow를 구해 이에 대한 PCA(Principal Component Analysis)방식을 사용하였다. 이와 같은 새로운 방식으로 구한 파라미터를 3축 가속도 센서와 같이 HMM에 적용하여 결과를 비교 분석하였다. 여러 종류의 낙상 특징 파라마터중 대상자의 움직임의 각도에 의해 얻어진 파라미터인 Vθ(t)가 가장 좋은 결과를 보였다. Vθ(t)를 적용하여 91.5%의 sensitivity와 88.01% 의 specificity를 얻었다.