Comparative evaluation of feature extraction methods for human motion detection

 

AIAI 2014
그리스 Patras 대학 등

개요

 가속도계(accelerometer) 등의 센서는 소형이고 저전력인 장점으로 인해 사람의 동작을 인식하는 데 널리 쓰이고 있다. 본 연구는 가속도계를 이용하여 사람의 동작을 인식하는 문제에 있어서, 여러 가지 전처리(pre-processing)와 분류기(classifier)의 종류에 따른 실험을 수행하고 그 결과를 비교 분석하였다.
우선 가속도계로부터 입력되는 x,y,z 신호에 대해 윈도우(W)를 적용하고 이 윈도우에 대해 아무 처리도 하지 않은 신호와, N 가지의 필터를 적용한 신호, 그리고 기하학적 표현을 거친 신호로 각각 (동시에) 전처리한다.
전처리 과정을 거친 신호들로부터 통계적 특징(features)과 물리적 특징을 추출하고 이로부터 분류기가 해당 입력이 어떤 동작인지를 결정한다(그림 10). 통계적 특징은 다시 시간 영역(time-domain)에서의 평균, 중간값, 분산, RMS 등과 주파수 영역(frequency domain)에서의 스펙트럼 에너지 등으로 나뉘어 총 77개의 특징으로 구성되고, 4가지 전처리와 합해 4x77=308차원의 특징 벡터가 만들어진다.
 분류기는 SVM support vector machine을 사용하였으며 WEKA machine learning toolkit 소프트웨어로 구현되었다. 오른쪽 엉덩이 부분에 가속도계 센서를 장착한 14명이 참가한 실험 결과 분석에서, 예상과 다르게 아무런 전처리를 하지 않은 경우가 인식률이 높은 것으로 나타났다.