Soft sensors are becoming more popular in wearables as a means of tracking human body motions due to their high stretchability and easy wearability. However, previous research not only was limited to only certain body parts but also showed problems in both calibration and processing of the sensor signals, which are caused by the high nonlinearity and hysteresis of the soft materials and also by misplacement and displacement of the sensors during motion. Although this problem can be alleviated through redundancy by employing an increased number of sensors, it will lay another burden of heavy processing and power consumption. Therefore, we propose the use of deep learning for human motion sensing, which significantly increases efficiency in the calibration of the soft sensor and estimation of the body motions. First, we make a sensing suit and calibration method for full-body motion tracking. The sensing suit is made of stretchable fabric and contains 20 soft strain sensors distributed on both the upper and the lower extremities. Three athletic motions were tested with a human subject, and the proposed learning-based calibration and mapping method showed higher accuracy than traditional methods that are mainly based on mathematical estimation, such as linear regression. Second, we make a gait motion generating method using only two microfluidic sensors based on semi-supervised deep learning. From the experiment, the proposed method showed a higher performance with smaller calibration dataset comparing to the other methods that are based on supervised deep learning.
소프트 센서는 유연하고 착용이 편리한 특성으로 인해 인체의 모션을 추적하기 위한 웨어러블 센서로써 다양하게 연구되고 있다. 그러나 소프트 센서의 히스테리시스와 비선형성 및 적절한 센서 부착위치 결정 문제 등으로 센서의 캘리브레이션과 신호처리가 어려움에 따라, 기존의 연구들은 신체의 일부분이나 특정 관절에 국한되어 연구가 진행되었다. 이러한 문제들은 많은 수의 소프트 센서를 사용함으로써 제한적으로 해결이 가능하나, 센서 수의 증가는 웨어러블 센서의 디자인 및 캘리브레이션을 더욱 어렵게 한다. 따라서 본 논문에서는 소프트 웨어러블 센서를 통해 인체의 모션을 추정함에 있어 효율적이면서 높은 성능을 가진 딥러닝 기반의 캘리브레이션 알고리즘을 제안하고자 한다. 먼저 전신 모션 추적을 위한 소프트 웨어러블 센싱 슈트를 제작하였다. 이 센싱 슈트는 신축성을 가진 섬유 원단에, 총 20개의 소프트 센서를 상의와 하의에 부착하여 전신의 모션을 추적할 수 있도록 하였다. 또한 이를 캘리브레이션 하기 위하여 지도학습기반의 딥러닝 캘리브레이션 모델을 제시하였다. 성능 테스트를 위하여 세 가지 종류의 모션을 수행한 결과, 기존의 선형 회귀 방법대비 높은 정확도를 보여주었다. 이와 더불어 단 두 개만의 소프트 센서만을 사용하여 인체의 보행 모션을 추정하기 위한 준 지도학습 기반의 딥러닝 알고리즘을 제안하였다. 성능 검증에서 제안된 기법은 기존의 지도학습 기반 캘리브레이션 기법 대비 더 적은 양의 데이터만으로도 높은 정확도의 보행 모션을 생성하였다.
