범죄 피해자 및 신고자 등의 신변을 가해자로부터 신속하게 보호하기 위해서는 높은 정확도를 갖는 위치정보가 필수적이다. 보편적으로 위치 결정은 GNSS를 사용할 수 있지만 신호가 자주 차단되는 지역 및 실내 환경과 같은 음영지역에서는 큰 오차를 포함할 수 있다. 따라서 이러한 문제를 해결하기 위해서는 무선통신 및 관성 센서를 추가적으로 사용하여 융복합적인 방법으로 위치정보를 결정하는 방법이 필요하다. 스마트워치의 관성 센서를 사용한 PDR 기법은 사용자에 따른 다양한 보행 특성 및 손목의 움직임 대한 높은 자유도로 인해 정확한 위치 결정이 쉽지 않다. 또한 PDR 알고리즘을 진행하기 위해서는 출력된 관성 데이터를 활용하여 보행 및 비보행 신호를 정확하게 검출하는 방법이 필요하다. 따라서 본 논문에서는 스마트워 치 기반으로 PDR 알고리즘을 연구하기 위해 먼저 출력된 관성 센서 데이터를 사용하여 1D-CNN 기반으로 보행 신호를 검출하는 기법을 제안한다.

1D-CNN-based Walking Section Detection Method using Inertial Sensor Data of a Smartwatch

Jae Uk Kwon, Seong Yun Cho*

In order to quickly protect the crime victims from perpetrators, highly accurate location information of the victims is essential. Typically, location information can be obtained using Global Navigation Satellite System (GNSS), but in shaded areas, such as regions with frequent signal blockage and indoor environments, significant errors can occur. To solve this problem, it is necessary to use a hybrid approach utilizing wireless communication and inertial sensors to determine location information. The Pedestrian Dead Reckoning (PDR) technique using the inertial sensors in a smartwatch is not straightforward due to the high degree of freedom in user-specific walking patterns and wrist movements, making accurate location information challenging. In addition, in order to proceed with the PDR algorithm, a method of accurately detecting walking and non-walking signals using the output inertial data is required. Therefore, in this paper, we propose a technique for detecting walking sections based on 1D-Convolutional Neural Network (CNN) using the inertial sensor data of a smartwatch.

Keywords: smartwatch, PDR, 1D-CNN, walking signal detection

Speaker 권재욱 경일대학교