The increase in the obese population is closely related to the obese population of children. This is because the probability of obese children becoming obese adults is two times higher than that of normal children. It is very important to manage children's obesity. The devices that measure calorie consumption are often marketed as commercial products, however, they are not applicable to children and there is a need for tools to measure children's physical activity. It is more appropriate to record activity types than to measure calorie expenditure because children's physical activity is not continuous and repeats to act and stop for a short period of time. In this study, a deep neural network based algorithm was developed to improve the time resolution of measuring children's activities, and devised a method to distinguish between continuous motion and intermittent motion at one time. As a result of classifying the physical activity of children, higher accuracy of classification result than the accuracy of the conventional machine learning algorithm was achieved. It could be applied to the real - time activity type classification system in the future.
비만 인구의 증가는 특히 아동 청소년의 비만 인구와 밀접한 관계가 있는데, 이것은 비만 아동이 성인이 되었을 때의 성인 비만이 될 확률이 정상 아동에 비해서 2배이상 높기 때문이다. 아동들의 비만을 관리하는 것은 매우 중요한 일인데, 소모 열량을 측정하는 기기는 시장에 상용 제품으로 출시된 것이 많지만, 아동들에게는 적용할 수 없어 아동들의 신체활동을 측정할 수 있는 도구가 매우 필요하다. 아동들의 신체활동은 지속적이지 못하고 짧은 시간 동안 활동과 멈춤을 반복하기 때문에 소모 열량을 측정하는 방식보다 활동 유형을 기록하는 것이 더 적절하다. 본 연구에서는 깊은 신경망에 기반하는 알고리즘을 적용하여 아동들의 활동을 측정하는 시간분해능을 개선하였고, 지속적인 움직임과 간헐적 움직임을 한번에 구분할 수 있는 방법을 고안하였다. 아동들을 대상으로 측정한 결과, 기존의 알고리즘보다 개선된 효과를 얻을 수 있었으며, 향후 이것을 실시간 활동 유형 측정 시스템에 활용할 수 있을 것이다.
