앙상블 인공 신경 분자학적 시스템 설계 및 이를 이용한 가속도 센서 시스템에서의 행동 분류

Abstract

본 논문은 3 축 가속도 센서를 이용한 사람의 행동 인식 알고리즘을 제안하였다. 3 축 가속도 센서를 사람의 몸에 부착을 하고 사람이 어떤 행동을 했을 때, 사람이 무슨 행동을 했는지를 분류 알고리즘을 통해 구별해 내었다. 3 축 가속도 센서는 2 개를 사용하였고, 각각의 센서는 양쪽 팔뚝에 하나씩 밴드 형식으로 부착을 하였다. 센서를 부착한 사람이 어떤 특정 클래스의 행동을 하게 되면 3 축 가속도 센서의 값은 10 비트 아날로그-디지털 변환한 값을 실시간으로 받고, 전처리 과정을 거치게 된다. 전처리 과정을 한 데이터를 분류 알고리즘에 넣어주게 되면, 분류 알고리즘은 결과 값으로 사람이 한 행동의 클래스가 나온다. Artificial neuro-molecular system 의 경우는 진화론적 학습을 통해 분류 알고리즘이 학습이 되는데, 두 단계에서의 진화론적 학습이 존재한다. 또한, 단일 ANM 시스템이 아니라 앙상블 네트워크를 형성하여 분류의 정확도를 높였고, 그 결과 일반적으로 분류 알고리즘으로 많이 쓰이는 알고리즘들과 비슷한 성능을 가지게 되었다. 분류 알고리즘의 훈련이 끝나게 되면, 그 뒤로는 사람이 어떤 클래스의 행동을 했을 때 분류 알고리즘이 그에 맞는 행동의 클래스를 결정하여 알려주게 된다. 분류 알고리즘의 성능을 시험하기 위한 실험에서는 일상 생활에서 하는 행동들 8 가지를 임의로 선택하고, 각 행동들이 잘 분류 되었는지 알아보았다. 학습 데이터는 센서를 부착한 사용자가 각각의 행동들마다 여러 번 반복함으로써 만들었다. 다른 알고리즘들(인공 신경망, k-최근린 분류, 서포트 벡터 머신, k 평균 군집화 알고리즘)과 비교를 해본 결과, 비슷한 성능을 가지는 것을 확인할 수 있었다. 센서가 부착된 옷을 입고 로봇을 조종해보는 실험에서는 5 가지의 행동(앞으로 이동, 뒤로 이동, 왼쪽으로 돌기, 오른쪽으로 돌기, 정지하기)을 선택하여 분류 알고리즘을 훈련시켰고, 사람이 어떤 행동을 하면 로봇이 실시간으로 움직이게 하였다.