센서를 활용한 실내 집단 동작의 분석과 인식

Abstract

최근 사물인터넷 시대가 도래함에 따라 다양한 스마트 기기에서 추출되는 센서데이터를 활용한 동작 인식 연구가 늘어나고 있으며 센서를 기반으로 한 자동화 시스템, 맞춤형 시스템과 서비스가 급증하고 있다. 이와 관련된 서비스 중 요양원과 유치원, 교도소와 같은 특정 장소에서 이상 행동을 파악하고 이상 징후를 능동적이며 실시간으로 감지하기 위해서는 개인의 동작을 인식함과 더불어 전체 집단과 위치를 기반으로 한 소집단의 동작을 분석하고 인식해야 한다. 하지만 기존의 동작 인식 연구와 시스템은 대부분 사용자 개인의 동작 인식에 국한되어 있으며 집단 동작 인식에 관련된 연구는 미미한 상황이다. 본 연구에서는 스마트폰과 Bluetooth Low Energy Beacon(비콘)으로 실내에서 인간의 집단 동작을 인식하는 방법을 제안한다. 사용자의 불편을 최소화 하기 위해 몸에 센서를 부착하지 않고 스마트폰의 내장 센서를 사용하며 영상, 음성 센서 데이터와 개인 정보를 사용하지 않는다. 집단 동작 인식 모델에서 장소는 집단의 동작을 결정지을 때 가장 중요한 요소이다. 하지만 실내에서는 GPS가 작동하지 않기 때문에 집단 동작 인식에 앞서 비콘을 활용한 실내 위치 인식 기법을 제안한다. 기존의 비콘을 활용한 실내 위치 인식 서비스는 거리 정확도가 낮아 본 연구에서 새로운 방법을 제안하고 실험을 통해 이를 성능 평가한다. 제안된 방법은 96%의 정확도를 도출하였으며 이를 사용하여 사용자의 실내 위치를 파악할 수 있으며 오차 범위가 10cm 이내이다. 비콘으로 사용자와 집단, 주변 사물의 위치를 인식한다. 같은 공간에 머무르는 사용자들의 수와 위치에 따라 밀집도를 계산하여 집단을 파악한다. 인지된 집단의 동작을 인식하기 위해 인식 방법과 움직임 형태에 따라 분류하고 장소 별로 집단 동작의 특징을 분석하여 집단 동작 인식 모델에 적용한다. 위치를 통해 발생 가능한 집단 동작을 1차 분류하고 집단 내 사용자들과 근접하거나 사용된 사물들을 분석하여 발생 가능한 집단 동작의 범위를 줄여가며 집단 동작을 2차 분류한다. 집단 내 사용자들의 동작으로 역할을 유추하고 통합하여 2차 분류된 집단 동작 내에서 규칙을 기반으로 최종적으로 집단 동작을 선별하여 인식한다. 집단 동작 인식을 위한 요소는 집단 내 사용자의 물리 동작, 논리 동작, 시간, 장소 이다. 제안된 기법과 시스템을 구현하기 위해 본 연구에서는 강의실 환경에서 실험을 진행하였다. 제안된 실내 위치 인식 기법과 사용자의 움직임 인식을 활용하여 강의실 내 자동 좌석 식별 시스템을 구현한다. 또한 특정 장소 내 사용자들의 위치와 밀집도를 기반으로 소집단을 파악한다. 구성된 소그룹의 집단 동작을 분석하고 소그룹 내 사용자들의 친밀도를 분석한다. 강의실 환경에서 집단 동작 인식을 실험하기 위해 발생 가능한 집단 동작인 수업, 발표, 토론, 공부 네 가지 동작에 대하여 분석한다. 분석된 집단 동작의 규칙을 적용하여 집단 동작을 인식한다. 본 연구에서 제안한 집단 동작 인식 모델은 높은 정확도를 나타냈으며 자동 좌석 식별 시스템과 친밀도 분석도 높은 정확도 결과를 보여주었다. 현재 센서를 활용한 실내 집단 동작 인식 연구는 초기 단계이다. 따라서 본 연구가 센서를 활용한 실내 집단 동작 인식 연구의 초석이 될 것이라 기대한다.;Recently, with the age of the Internet of Things, research on activity recognition using sensor data extracted from various smart devices is increasing. Also, automation systems, customized systems and services based on sensors are increasing rapidly. In order to detect abnormal behavior in a specific place such as a nursing home, a kindergarten or a prison and to detect the abnormal symptom actively in real time, it is necessary to recognize the activity of an individual and analyze the activity of the subgroup based on the group and the individual’s location. However, the existing activity recognition research and systems are limited to the perception of activity of individual users. In this study, we propose a method to recognize group activity indoors by using smart phone and Bluetooth Low Energy Beacon. To minimize the user's inconvenience, we do not attach sensors to the body: rather, we use the built-in sensor of the smartphone and do not use image, voice sensor data and personal information. In the group activity recognition model, location is possible group activities in the classroom environment such as lesson, presentation, discussion and study. The group activity is recognized by applying the analyzed group activity rules. The group activity recognition model, automatic seat identification system and familiarity analysis proposed in this study showed high accuracy. Research on the group activity recognition indoors using sensors is at an early stage. Therefore, this study is expected to be a cornerstone of the research on indoor group motion recognition using sensor.