긴급 신고 상황에서 범죄 피해자 또는 신고자의 안전을 신속하게 확보하기 위해서는 정확한 위치정보가 제공되어야 한다. 스마트워치를 사용한 사용자의 위치는 LTE, WiFi, GPS 신호 등을 사용하여 획득할 수 있지만 저전력의 이유로 인해 획득 주기가 1분 이상이 되기도 하는 등 신호 획득에 제약이 있다. 본 연구에서는 스마트워치 사용자의 연속 위치정보를 획득하기 위해 관성 센서를 이용한 PDR 기법을 적용하고자 한다. 스마트 워치가 장착되는 위치인 손목은 신체에서 가장 활동적인 부분인 팔이나 손의 움직임에 대해 높은 자유도를 가지기 때문에 위치를 추정하기에 쉽지 않다. 또한 손목의 지속적인 떨림이나 회전은 계산된 방향 정보의 정 확성에 큰 영향을 미치게 된다. 따라서 본 논문에서는 DNN 학습 모델을 통해 보행 및 비보행 신호를 필터링하고, 계산된 자세 정보를 이용하여 회전 방향을 인지하는 기법을 제안한다. 이를 위해 데이터 전처리 과정을 통해 생성된 통계적인 지표를 사용하여 걸음 동작에 대한 비선형 관계를 나타내는 딥러닝 모델을 구축한다. 이 후 비보행 신호로 출력된 신호는 제거되고, 보행 유형에 따른 PDR 알고리즘을 구성한다. 마지막으로 지자 계 데이터로 계산된 자세 정보를 이용하여 걸음 시점에서의 회전 방향 정보를 인지하도록 한다. 제안된 기법의 성능은 실 환경에서 실험을 통해 검증한다.

PDR-based Continuous Location Estimation Technique of Smartwatch Users Through Recognition of Step Motion and Rotation Direction Information

Jae Uk Kwon, Myeong Seok Chae, Seong Yun Cho*

In order to quickly secure the safety of crime victims or reporters in emergency reporting situations, accurate location information must be provided. The location of a user using a smartwatch can be obtained using LTE, WiFi, GPS signals, etc., but signal acquisition is limited, with the acquisition period exceeding 1 minute due to low power constraints. In this study, we aim to apply the PDR technique using inertial sensors to obtain continuous location information of smartwatch users. The wrist, where the smartwatch is worn, has a high degree of freedom for the movement of the arm or hand, which are the most active parts of the body, so it is difficult to estimate its position. Additionally, continuous shaking or rotation of the wrist can greatly affect the accuracy of the calculated directional information. Therefore, this paper proposes a technique to filter walking and non-walking signals using a DNN learning model and to recognize rotational directions using the calculated attitude information. To this end, a deep learning model representing the nonlinear relationships for walking motion is constructed using statistical indicators generated through the data preprocessing process. Afterwards, the signals identified as non-walking are removed, and the PDR algorithm is constructed according to the walking types. Finally, the rotational direction information at the step moments is recognized using the attitude information calculated from the magnetometer data. The performance of the proposed technique is verified through experiments in a real environment.

Keywords: smartwatch, PDR, human activity recognition, rotation direction recognition

Speaker 권재욱 경일대학교