This paper proposes a artificial neuro-molecular system for activity recognition using a sensor suit with 3D accelerometer. 3-axis acceleration sensor attached to the body of man, We distinguished what people are doing by classification algorithms, when people do anything. We use two 3-axis acceleration sensor and attached them to both forearms, each of the sensors were attached to the band format. We receive three-axis acceleration sensor values in real-time through 10-bit analog-digital conversion, and the values are subjected to preprocessing. A preprocessed data goes into classification algorithm, and result in an activity class. As classification algorithms, artificial neuro-molecular system, artificial neural networks support vector machines, k-nearest neighbor algorithm, and k-means clustering were used. Artificial neuro-molecular system is a kind of bioinspired algorithm like neural network. It is implemented by working in similar roles with many kinds of neurons in the real organism. Therefore, a lot of biological terms such as neuron, enzyme are used in the algorithm. In addition, the improved performance from existing algorithms, ensemble ANM system is proposed. In an experiment to test the performance of the classification algorithms, we select eight kinds of actions in daily life to randomly, and each category of behavior has been well recognized. A training data is collected for each user`s behavior by repeating several times. In addition, we compare the performances with a single classifier and classifier ensemble.
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.
