표제지
ABSTRACT
목차
제1장 서론 12
제1절 연구 배경 12
제2절 낙상 감지 시스템 동향 15
제3절 연구 내용 및 구성 18
제2장 기존 낙상 인식 시스템 20
제1절 센서를 이용한 낙상 인식 시스템 21
제2절 영상을 이용한 낙상 인식 시스템 24
제3절 은닉 마르코프 모델(Hidden Markov Model) 27
1. 마르코프 모델(Markov Model) 28
2. 은닉 마르코프 모델 30
제4절 주성분 분석(Principal Component Analysis) 34
제3장 가속도 기반 낙상 인식 시스템 39
제1절 시스템 구성 39
1. 전체 시스템 개요 39
2. 무선 가속도 센서 단말기 40
3. 지그비 통신 구성 및 프로토콜 44
4. 무선 게이트웨이 45
제2절 가속도 기반 낙상 특징 파라미터 추출 48
제3절 가속도 기반 낙상 인식 알고리듬 63
제4장 영상 기반 낙상 인식 시스템 75
제1절 시스템 구성 76
제2절 영상 기반 낙상 특징 파라미터 추출 81
1. 특징점 추출 82
2. 움직임 벡터 추출 85
제3절 영상 기반 낙상 특징 파라미터의 PCA 분석 90
1. 특징점의 PCA분석 및 타원형 표현 92
2. PCA 분석값의 낙상 특징 파라미터 추출 100
제4절 영상 기반 낙상 인식 알고리듬 103
제5장 실험 및 결과 105
제1절 실험 환경 105
제2절 HMM의 훈련과 평가 106
제3절 가속도 기반 낙상 인식 실험 결과 107
제4절 영상 기반 낙상 인식 실험 결과 109
제6장 결론 및 향후 연구 111
제1절 결론 111
제2절 향후 연구 과제 114
참고문헌 116
국문요약 122
표 1-1. 우리나라 고령 인구 추세 12
표 1-2. 주요 국가별 노인 비율 추세 13
표 2-1. 센서를 이용한 낙상 인식 시스템 성공률 21
표 2-2. 영상를 이용한 낙상 인식 시스템 24
표 3-1. BMA150 가속도 센서 출력 포맷 43
표 5-1. 가속도 기반 낙상 인식 실험 결과 108
표 5-3. 영상 기반 낙상 인식 실험 결과 110
그림 1-1. 웰코어의 활동 감지 시스템 15
그림 1-2. AlertOne Services 제품들 16
그림 1-3. ETRI의 고령자 응급관리 낙상폰 17
그림 2-1. 필기체 인식의 특징 벡터 추출의 예 31
그림 3-1. 가속도 기반 낙상 인식 시스템 구성 39
그림 3-2. 무선 가속도 센서 단말기 구조도 41
그림 3-3. 무선 가속도 센서 단말기 실사 41
그림 3-4. 단말기의 주요 부품 연결도 42
그림 3-5. 가속도 센서 단말기 착용 사진 43
그림 3-6. 일대다 환경의 지그비 통신 45
그림 3-7. 무선 게이트 웨이 구조도 46
그림 3-8. 무선 게이트웨이 사진 47
그림 3-9. BMA150의 x, y, z축 방향 48
그림 3-10. Moving average filter 적용 전 가속도 값 51
그림 3-11. Moving average filter 적용 후 가속도 값 52
그림 3-12. 중력 방향의 기울기 53
그림 3-13. 그대로 서있는 경우 55
그림 3-14. 걷는 경우 56
그림 3-15. 낙상의 경우 57
그림 3-16. 걷기 행동 모델의 파라미터들 58
그림 3-17. 눕기 행동 모델의 파라미터들 59
그림 3-18. 점프 행동 모델의 파라미터들 60
그림 3-19. 뒤로 낙상 행동 모델의 파라미터들 61
그림 3-20. 행동 모델별 각도 62
그림 3-21. HMM에 사용된 파라미터와 행동 모델 66
그림 3-22. 걷기 HMM 파라미터의 예 67
그림 3-23. HMM 입력 데이터의 변환 과정 68
그림 3-24. HMM적용을 위한 입력 데이터의 변환 70
그림 3-25. ASVM(t)의 HMM 입력 데이터 71
그림 3-26. DSVM의 HMM 입력 데이터 72
그림 3-27. GSVM의 HMM 입력 데이터 73
그림 3-28. GDSVM의 HMM 입력 데이터 74
그림 4-1. ADL 영상 77
그림 4-2. 낙상 영상 78
그림 4-3. 영상 낙상 인식 시스템의 주요 흐름 79
그림 4-4. 원영상과 차영상의 특징점 추출 비교 83
그림 4-5. 피라미드 LK방법 86
그림 4-6. 피라미드 LK방식으로 계산된 optical flow 87
그림 4-7. 걷기 동작에서의 optical flow 88
그림 4-8. 점프 동작에서의 optical flow 89
그림 4-9. PCA분석 90
그림 4-10. PCA분석 방식에 의한 특징점의 타원형 표현 92
그림 4-11. 점프 상승중 타원형의 변화 94
그림 4-12. 앞으로 낙상시의 optical flow추적 96
그림 4-13. 각 행동 모델별 각도의 변화 97
그림 4-14. 각 행동 모델별 장단축 길이의 비 98
그림 4-15. 그림4-14의 A에 해당하는 영상 99
그림 4-16. 그림4-14의 B에 해당하는 영상 99
그림 4-17. 시간의 흐름에 따른 PCA파라미터의 표기 100
그림 4-18. HMM에 사용된 파라미터와 행동 모델 104
그림 5-1. HMM 평가 코드 추가로 인한 메모리 사용량 변화 115