KR101616886B1 - 단일 센서의 다중 이벤트 식별 방법 및 장치 - Google Patents

단일 센서의 다중 이벤트 식별 방법 및 장치 Download PDF

Info

Publication number
KR101616886B1
KR101616886B1 KR1020140119239A KR20140119239A KR101616886B1 KR 101616886 B1 KR101616886 B1 KR 101616886B1 KR 1020140119239 A KR1020140119239 A KR 1020140119239A KR 20140119239 A KR20140119239 A KR 20140119239A KR 101616886 B1 KR101616886 B1 KR 101616886B1
Authority
KR
South Korea
Prior art keywords
clusters
data
single sensor
average value
sensor
Prior art date
Application number
KR1020140119239A
Other languages
English (en)
Other versions
KR20160029546A (ko
Inventor
서동혁
육주혜
박광수
Original Assignee
(주)에스티씨
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)에스티씨 filed Critical (주)에스티씨
Priority to KR1020140119239A priority Critical patent/KR101616886B1/ko
Publication of KR20160029546A publication Critical patent/KR20160029546A/ko
Application granted granted Critical
Publication of KR101616886B1 publication Critical patent/KR101616886B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/40—Data acquisition and logging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems

Abstract

본 발명은 단일 센서의 다중 이벤트 식별 방법 및 장치에 관한 것으로서 더욱 자세하게는 단일 센서로부터 다중 이벤트를 처리하는 알고리즘을 이용하는 것에 관한 것이다.
본 발명에 따른 단일 센서의 다중 이벤트 식별 방법은 단일 센서의 다중 이벤트 식별 방법에 있어서, 주변에서 발생된 신호로부터 생성된 데이터를 검출하는 단계(S10)와 검출된 데이터 스트림으로 변환하고 상기 데이터 스트림으로부터 클러스터의 갯수(k)를 설정하는 단계(S20)와 각각 클러스터의 중심값을 지정하고 유클리딘 거리를 이용하여 클러스터를 분류하는 단계(S30)와 상기 분류된 각각의 클러스터의 평균값을 갱신하는 단계(S40) 및 상기 각각의 클러스터에서 상기 평균값의 분산이 이전 평균값과 변화가 없을 때 까지 반복하여 연산하는 단계(S50)를 포함하는 것을 특징으로 하는 단일 센서의 다중 이벤트 식별 방법을 제공한다.
본 발명에 따른 단일 센서의 다중 이벤트 식별 방법 및 장치의 효과는 시각장애인의 흰 지팡이와 같이 제한된 크기와 제한된 무게의 제약 사항이 많은 환경에서 간단한 기능의 센서와 처리 알고리즘으로 여러 이벤트를 감지하고 분석할 수 있다.

Description

단일 센서의 다중 이벤트 식별 방법 및 장치{Multiple event discriminating method and apparatus for single sensor}
본 발명은 단일 센서의 다중 이벤트 식별 방법 및 장치에 관한 것으로서 더욱 자세하게는 단일 센서로부터 다중 이벤트를 보다 효율적으로 처리하는 알고리즘을 이용하는 것이다.
일반적으로 사물 인터넷은 근본적으로 수많은 객체에 센서를 부착하고 각 센서들 간 통신이 이루어지며 각 센서들이 획득한 정보를 전송하는 구조로 구성된다.
이러한 사물 인터넷 환경도 상세히 살펴보면 감지하고자 하는 목표에 대하여 여러 개의 센서들이 센싱하는 경우가 대부분이고, 동일한 이벤트에 대하여 인접한 다수의 센서들이 감지하여 보고하게 된다.
이와 같은 감지 활동은 무선 센서 네트워크에서는 보편적으로 적용될 수 있는 것이나, 다양한 요구에 의해 보다 간편화된 기술이 요구되고 있다.
예를 들어, 단일 센서가 다수의 이벤트를 감지하는 것으로, 이럴 경우 센서 네트워크를 구성함에 있어서 다양한 형태와 방식의 센서 배포가 이루어질 수 있는데, 특정 센서는 그 주위에서 다수의 이벤트가 발생하게 되고 이를 감지하여 처리해야 하는 경우가 있을 수 있다.
또는 센서를 부착할 수 있지만 다수의 센서를 부착할 수 없는 경우도 있다.
이와 관련하여는 그 예로 시각 장애인들을 위한 보행 보조 장비는 ETR(Extending the reach)과 EMR(Educable mentally retarded)이 있는데 그 중에서 ETR의 경우 시각 장애인들은 기존의 흰지팡이와 무게와 크기, 굵기에서 동일한 것을 원한다.
이러한 스마트 기능을 갖추고 장애인의 보행을 도와주는 지팡이가 대한민국 등록특허 공보 제 10-1400828호(시각 장애인용 지팡이)에 개시된다.
그러나 상기 지팡이는 흰지팡이와 다른 형태의 보행 보조 장비나 부피가 커지거나 무게에서 차이가 나는 스마트 흰지팡로 이에 대해서 거부감을 가지고 있다.
이런 환경이라면 스마트 힌지팡이는 부착하는 센서와 관련 장비를 최소화할 필요가 있다.
그 외에도 경량 이동체의 경우 비싼 센서를 장치할 수 없는 경우가 있으며 이러한 열악하거나 단순한 장비를 이용하여 복잡한 주변 상황을 감지하고 정보를 획득하여야 하는 경우가 있는 것이다.
동일 이벤트에 대하여 다수의 센서들이 감지하는 것과 달리 다수의 이벤트에 대하여 단일 센서가 감지했을 경우 획득한 데이터로부터 각각의 이벤트를 구분해낼 필요가 있다.
각각의 이벤트들을 구분하고 각 이벤트에 대한 각각의 분석을 해야하는 것이다.
센서의 사용을 최소화하여야 하는 열악한 조건의 센서에 의하여 여러 개의 이벤트가 동시에 감지되어 보고되었을 때 각 이벤트들을 구분할 수 있는 방안이 필요하다.
본 발명의 목적은 상기 문제를 해결하기 위해서 안출된 것으로서 음향 마이크와 같이 간단한 센서를 이용하여 복수 개의 다른 종류의 이동 객체를 구분할 수 있는 처리 알고리즘을 구비한 장치를 제공하는 것이다.
본 발명의 다른 목적은 상기 문제를 해결하기 위해서 안출된 것으로서 장치의 간단함과 경량화를 구현하기 위해 단일 센서와 데이터 스트림을 처리할 수 있는 처리 알고리즘을 구비한 장치를 제공하는 것이다.
이러한 목적을 달성하기 위한 본 발명의 단일 센서의 다중 이벤트 식별 방법은 단일 센서의 다중 이벤트 식별 방법에 있어서, 단일 센서의 다중 이벤트 식별 방법에 있어서, 주변에서 발생된 신호로부터 생성된 데이터를 검출하는 단계(S10)와 검출된 데이터를 스트림으로 변환하고 상기 데이터 스트림으로부터 클러스터의 갯수(k)를 설정하는 단계(S20)와 각각 클러스터의 중심값을 지정하고 유클리딘 거리를 이용하여 클러스터를 분류하는 단계(S30)와 상기 분류된 각각의 클러스터의 평균값을 갱신하는 단계(S40) 및 상기 각각의 클러스터에서 상기 평균값의 분산이 이전 평균값과 변화가 없을 때 까지 반복하여 연산하는 단계(S50)를 포함하는 것을 특징으로 하는 단일 센서의 다중 이벤트 식별 방법을 제공한다.
또한, 상기 단계(S10)에서, 상기 신호는 이동 객체로부터 생성되는 것으로 소리, 움직임인 것을 특징으로 하며, 상기 단계(S20)에서, 상기 클러스터의 갯수(k)에 따른 데이터 스트림의 각 시간 대의 초기 시간(l)은 무작위 입수되는 데이터를 판별하기 위하여 수학식 k(nl-k)!k!/(nl-l)!≥5 을 만족하며, 여기서 k는 클러스터의 갯수이며, n은 초당 입수되는 데이터 갯수이며, l은 각 시간대의 초기 시간(초)이다.
또한, 상기 단계(S10)에서, 각각의 신호의 주파수는 서로 다르게 적용되며, 상기 단계(S20) 내지 단계(S50)에 있어서, 하나의 데이터에 혼재된 다중 이벤트를 구분하기 위한 데이터 클러스터링 방법은 K-means 클러스터링을 이용하는 것을 특징으로 하는 단일 센서의 다중 이벤트 식별 방법을 제공한다.
이와 같은 식별 방법을 이용하는 단일 센서의 다중 이벤트 식별 장치에 있어서, 주변의 객체로부터 발생되는 신호로부터 생성된 신호(S1,S2,S3)을 검출하고 전기적인 신호로 변환하는 센서부(110); 및
상기 센서부로부터 출력된 전기적인 신호를 수신하고 데이터 스트림으로 변환하여 상기 데이터 스트림을 K-means 클러스터링 방법을 이용하여 클러스터링함으로 하나의 데이터에 혼재된 다중 이벤트를 구분하는 제어부(120);를 포함하는 것을 특징으로 하는 단일 센서의 다중 이벤트 식별 장치를 제공함으로써, 본 발명의 목적을 달성할 수 있는 것이다.
본 발명에 따른 단일 센서의 다중 이벤트 식별 방법 및 장치의 효과는 시각장애인의 흰 지팡이와 같이 제한된 크기와 제한된 무게의 제약 사항이 많은 환경에서 간단한 기능의 센서와 처리 알고리즘으로 여러 이벤트를 감지하고 분석할 수 있다.
본 발명에 따른 단일 센서의 다중 이벤트 식별 방법 및 장치의 다른 효과는 저성능, 저가의 센서를 이용하여 동적으로 변화하는 환경을 추론할 수 있다.
본 발명에 따른 단일 센서의 다중 이벤트 식별 방법 및 장치의 또 다른 효과는 단일 센서로 여러 개의 이벤트를 처리할 수 있는 알고리즘이 내장된 장치를 구현할 수 있다.
도 1은 본 발명에 따른 단일 센서의 다중 이벤트 식별 방법을 도시한 순서도이다.
도 2는 본 발명에 따른 단일 센서의 다중 이벤트 식별 장치의 구성도이다.
도 3은 도 2에 따른 센서부를 통하여 입수한 음향 데이터의 분포를 도시한 도면이다.
도 4 내지 도 7은 도 2에 따른 30초 간격으로 시간에 따른 음향 데이터에 대한 클러스터링 결과를 도시한 도면이다.
이하 도면을 참조하여 본 발명에 대해서 상세하게 설명한다.
도 1은 본 발명에 따른 단일 센서의 다중 이벤트 식별 방법을 도시한 순서도이고, 도 2는 본 발명에 따른 단일 센서의 다중 이벤트 식별 장치의 구성도이고, 도 3은 도 2에 따른 센서부를 통하여 입수한 음향 데이터의 분포를 도시한 도면이고, 도 4 내지 도 7은 도 2에 따른 30초 간격으로 시간에 따른 음향 데이터에 대한 클러스터링 결과를 도시한 도면이다.
도면 1 내지 도면 5를 참조하면, 본 발명에 따른 단일 센서의 다중 이벤트 식별 방법은 데이터 검출 단계(S10), 클러스터 갯수 설정 단계(S20), 클러스터 분류 단계(S30), 분류된 각각의 클러스터의 평균값 갱신 단계(S40), 분산을 최소화하여 이전 평균값과 같도록 반복 연산하는 단계(S50) 및 각각의 클러스터의 분산의 합을 이용하여 데이터 스트림의 흐름과 경향성을 파악하는 단계(S60)를 포함하여 구성되어, 노이즈를 제거한 신뢰성이 높은 결과값을 추출할 수 있는 것이다.
상기 데이터 검출단계(S10)는 센서로부터 입력되는 센싱값을 클러스터링 하는 것으로, 예를 들어 센서로 입력되는 복수개의 신호를 시간대별로 구분하여 클러스터화 하는 것이다.
예를 들어, 스트림형태로 입력되는 데이터스트림 DS=<D1,D2,D3,---,Dt>이 시간대 TS=<T1,T2,T3,---,Tt>별로 들어오고 있는 경우로 가정하여 클러스터링 하는 것이다.
이는 데이터 클러스터링이 본 발명에서 유용한 것은 사전 정보 없이 센서 데이터의 분석에 의존하는 환경에 이용하기가 적합하기 때문이며, 또한 하나의 데이터를 여러 개의 부분 집합으로 분할하는 것이므로 단일 센서 데이터에 포함된 여러 개의 다중 이벤트를 구분하기에 적합한 것이다.
상기 클러스터 갯수 설정 단계(S20)는 무작위로 입수되는 데이터 중 유효한 데이터를 추출하기 위해, 추출갯수를 설정하는 과정이다.
각 시간대별로 클러스터 C1,C2,---Ck를 k-mean 클러스터링을 통해 찾는데 그 과정은 아래와 같다.
우선 각 시간대의 초기 l초 입수되는 임의의 샘플 k개를 선택하여 μ1,μ2,---,μk로 초기 클러스터 중심으로 잡는다.
초기 l초의 결정은 다음의 식으로 한다.
한 시간대(Time slot) Ti의 크기가 m초이고, 초당 입수되는 데이터의 개수(갯수)를 n개라고 하자.
이 때 클러스터의 개수가 k개 존재한다고 하자 그러면 k 종류의 데이터가 무작위로 입수되는 상황이며 이를 판단하기 위해서는 최소한 k(nl-k)!k!/(nl-1)!≥5 일 때 표본으로 추출된 l초가 충분히 크다고 할 수 있다.
nl개의 표본을 추출하였을 때 표본 비율 k/(nl k) 즉 적합한 k개를 선정하였을 비율을 고려할 때 위의 식을 만족하는 l초가 최소임을 알 수 있다.
또한 선택한 k개의 값의 범위가 [a,b]일 때 이 범위 내의 값을 무작위 선정하여 클러스터 중심으로 잡은 후 최소 오차를 갖는 중심을 선택할 수 있다.
상기 클러스터 분류 단계(S30)는 상기 클러스터 갯수 설정 단계(S20)에서 설정된 클러스터 중 오차가 적은 클러스터를 분류하는 과정이다.
Ti(단, 1≤i≤t)에 들어온 데이터 a∈Di에 대하여 min(∥a-u∥2)를 계산한 후 가장 작은 μj(1≤j≤k)에 대하여 j번째 클러스터로 분류하게 된다.
상기 분류된 각각의 클러스터의 평균값 갱신 단계(S40)는 상기 클러스터 분류 단계(S30)에서 분류된 클러스터의 평균값을 갱신하는 과정이다.
예를 들어 앞서 선택된 j번째 클러스터에 배정된 샘플의 평균인 1/n(Cj)/Σa, a∈Cj 로 μj를 갱신하는 것이다.
분산을 최소화하여 이전 평균값과 같도록 반복 연산하는 단계(S50)는 입력된 복수개의 데이터의 오차범위를 최소화하기 위해, 분산을 최소화하여 신뢰성 있는 데이터를 얻기 위한 것이다.
이를 위해, Ci의 분산인 1/n(Ci)Σ∥μi-a∥2, a∈Ci를 최소화하는 평균 μ1,μ2,---,μk를 찾기까지 반복한다. 이상의 과정을 이전 루프의 μj값과 동일할 때 까지 반복한다. 최대 10회 반복후 중지하여, 신뢰성을 높일 수 있도록 분산을 실시한다.
각각의 클러스터의 분산의 합을 이용하여 데이터 스트림의 흐름과 경향성을 파악하는 단계(S60)는 각각의 클러스터의 특성을 파악하여 객체를 구분하기 위한 것이다.
이를 위해, 아래의 산술식을 이용하여 이를 판단하게 된다.
Figure 112014085525295-pat00001
이는 각 클러스터에 대한 분산의 합이다. 데이터 스트림을 이 분산 합의 흐름과 경향성을 이해하는 것으로 간소화할 수 있다.
또한
Figure 112014085525295-pat00002
일때
Figure 112014085525295-pat00003
값 또한 취하여 데이터 스트림을 이해할 수 있다.
위와 같은 과정을 통하여 각각의 클러스터의 데이터 스트림의 흐름과 경향성을 파악하여 특성을 파악하여 객체를 구분할 수 있는 것이다.
본 발명에서는 하나의 데이터에 혼재된 다중 이벤트를 구분하기 위하여 데이터 클러스터링 중에서 가장 많이 쓰이는 K-means 클러스터링을 사용하였다.
이와 같은 데이터클러스터링 방법은 당업자라면 누구나 알 수 있는 기술이며, 본 발명에서 적용한 K-means 클러스터링 이외에도 다양한 기법이 적용될 수 있음을 밝혀 둔다.
상기와 같은 방법에 의해, 단일 센서를 이용한 다중 이벤트를 식별하는 방법을 적용할 수 있는 것이다.
그 예로, 도 3과 같이 센서를 통하여 다중 이벤트 즉, 다수개의 객체에 대한 신호가 입수되어 객체를 파악하기 곤란하나, 위에서 설명한 방법을 통하여 도 4 내지 도 7과 같이 각각의 객체에 대한 신뢰성 있는 데이터를 추출하여 객체를 구분할 수 있는 것이다.
도 4는 최초 30초간의 데이터를 구분하여 추출한 것이고, 도 5는 60초까지, 도 6은 90초까지이며, 도 7은 120초까지 각각 30초의 간격을 두고 시간별로 구분한 실효 데이터를 표기한 것이다.
이와 같은 처리방법에 의한 단일 센서의 다중 이벤트 식별 장치는 도 2을 참조하여 아래에서 설명하도록 한다.
도면 2를 참조하면 본 발명에 따른 단일 센서의 다중 이벤트 식별 장치(100)는 주변에서 발생되는 신호(S1,S2,S3)을 검출하고 전기적인 신호로 변환하는 센서부(110); 및 상기 센서부(110)로부터 출력된 전기적인 신호를 수신하고 데이터 스트림으로 변환하여 상기 데이터 스트림을 클러스터링 방법을 이용하여 클러스터링함으로 하나의 데이터에 혼재된 다중 이벤트를 구분하는 제어부(120);를 포함하여 구성된다.
상기 제어부(120)는 클러스팅 결과에 따라 위험 상황를 알려주기 위한 알람 장치(미도시)를 구비할 수 있다.
상기 주변에서 발생되는 신호는 음향, 움직임, 적외선 등 신호를 감지할 수 있는 것이면 무엇이든 해당되며, 음향을 예로 들 경우, 동물이 짓는 소리와 뛰어오는 소리, 어린 아이들의 고함 소리와 뛰어오는 소리, 오토바이 또는 자동차가 다가오는 소리 중 어느 하나 이상일 수 있다.
상기 센서부(110)는 주변의 신호(S1,S2,S3)을 검출하도록 음향 센서, 픽업 센서 또는 진동 센서 중 어느 하나 일 수 있고, 상기 제어부(120)와 일체화되어 하나의 단일 케이스에 내장되거나 분리되어 위치할 수있다.
상기 제어부(120)는 CPU 및 메모리를 포함할 수 있으며 도 1의 순서도와 같은 알고리즘을 내장시키고 스트림 데이터 처리를 할 수 있다.
도면 3내지 도면4를 참조하면, 도면 3은 센서부(110)를 통하여 입수된 신호 데이터를 도시한 도면이다.
여기서는 음향을 기준으로 설명하도록 하며, 3 종류(3종류 이상도 가능함)의 음원에서 발생하는 연속적인 음향을 단일 음향 센서로 감지하고 이를 호스트(제어부)로 보고하도록 히였다.
감지하는 시간 간격은 0.1초 였으며, 시계열 데이터의 시간 간격은 30초 였다.
각 시간대의 데이터의 3 종류의 음향 이벤트가 포함되어 있었으며 데이터 클러스터링을 이용하여 구분하였을 때 다음과 같은 결과를 얻었다.
도면 3에서 가로축은 시간을 나타내며, 세로축은 음향의 세기를 나타낸다. 센서를 통하여 입수된 음향 데이터에는 3가지 이벤트를 감지할 수 있는 이벤트 정보가 혼재되어 있다.
이 데이터를 대상으로 30초 간격으로 데이터를 잘라서 각 시간대에서 데이터 클러스터링을 실시하였다.
도면 4는 그 결과를 보여준다.
도면 4a는 첫 번째 시간 간격인 0.1초~30초 사이에 입수된 음향 데이터에 대한 클러스터링을 실시하였을 때 클러스터1, 클러스터2 및 클러스터3으로 구분되었다.
도면 4b는 두 번째 시간 간격인 30.1초에서 60초 까지의 음향 데이터에 대한 클러스터링 결과에서 뚜렷하게 구분되고 있음을 볼 수 있었다.
다만 각 클러스터들이 시간의 흐름에 따라 각각 변화를 보이고 잇음을 알 수 있다.
그림 5a(60.1초~90초 까지의 음향 데이터에 대한 클러스터링 결과)와 5b(90.1초~127.7초 음향 데이터에 대한 클러스터링의 결과)에서도 각 클러스터는 뚜렷하게 구분되었으며, 클러스터들은 시간의 흐름에 따라서 조금씩 크기와 형태가 변화하고 있음을 볼 수 있었다.
데이터 클러스터링을 통하여 데이터 스트림 형태의 연속적인 측정값을 대상으로 데이터에 포함된 별 개의 이벤트를 구분할 수 있었으며, 시간대별로 클러스터링 결과로 나타난 이벤트 클러스터들은 시간의 흐름에 따른 변화 양상을 가지고 있음을 볼 수 있었다.
각 클러스터들의 변화 양상을 파악할 수 있는 것은 이어지는 분석을 통하여 현재 센서가 감지하고 있는 상황이 어떠한 것인지 추론하거나 인지할 수 있다.
하나의 이벤트에 대하여 여러 센서가 감지하여 보고하는 경우가 있는 반면에 하나의 센서가 여러 개의 이벤트를 감지할 수 있다.
이러한 경우에 각 이벤트들을 구분하는 것이 필요하다.
데이터 클러스터링은 수집되어 저장된 데이터 베이스를 대상으로 하는 데이터 마이닝 방법인데 본 발명에서는 데이터 스트림을 상대로 데이터를 구분하기 위하여 사용하였다.
입수되는 데이터에 혼재된 서로 다른 이벤트를 구분해내는데에 효과가 있음을 확인할 수 있었다.
시각 장애인의 흰지팡이를 스마트화하는 연구에서 활용할 수 있는 기술로 기대할 수 있을 것이다.
제한된 크기와 제한된 무게의 제약 사항이 많은 환경에서 간단한 기능의 센서로 여러 이벤트를 감지하고 분석할 수 있는데에 도움을 줄 수 있을 것이다.
S1, S2, S3 : 신호
110 : 센서부
120 : 제어부

Claims (6)

  1. 단일 센서의 다중 이벤트 식별 방법에 있어서,
    주변의 객체로부터 발생되는 신호로부터 생성된 신호를 검출하고 전기적인 신호로 변환하는 센서부와 상기 센서부로부터 출력된 전기신호를 수신하고 이를 처리하는 제어부를 포함하는 단일 센서의 다중 이벤트 식별 장치를 이용하되,
    센서부로부터 입력되는 주변에서 발생된 신호로부터 생성된 데이터를 제어부를 이용하여 검출하는 단계(S10);
    상기 제어부를 이용하여 검출하는 단계(S10)에서 검출된 데이터를 제어부를 통해 데이터 스트림으로 변환하고 상기 데이터 스트림으로부터 클러스터의 갯수(k)를 설정하되, 클러스터의 갯수(k)에 따른 데이터 스트림의 각 시간 대의 초기 시간(l)은 무작위 입수되는 데이터를 판별하기 위하여 수학식 k(nl-k)!k!/(nl-l)!≥5 을 만족하며, 여기서 k는 클러스터의 갯수이며, n은 초당 입수되는 데이터 갯수이며, l은 각 시간대의 초기 시간(초)인 것을 특징으로 하는 클러스터의 개수를 설정하는 단계(S20);
    제어부를 통하여 각각 클러스터의 중심값을 지정하고 유클리딘 거리를 이용하여 클러스터를 분류하는 단계(S30);
    상기 분류된 각각의 클러스터의 평균값을 제어부를 통하여 갱신하는 단계(S40); 및
    제어부를 통하여 상기 각각의 클러스터에서 상기 평균값의 분산이 이전 평균값과 변화가 없을 때 까지 반복하여 연산하는 단계(S50)를 포함하는 것을 특징으로 하는 단일 센서의 다중 이벤트 식별 방법.
  2. 제 1항에 있어서,
    상기 단계(S10)에서, 상기 신호는 이동 객체로부터 생성되는 것으로 소리, 움직임인 것을 특징으로 하는 단일 센서의 다중 이벤트 식별 방법.
  3. 삭제
  4. 제 1항에 있어서,
    상기 단계(S20) 내지 단계(S50)에 있어서, 하나의 데이터에 혼재된 다중 이벤트를 구분하기 위한 데이터 클러스터링 방법은 K-means 클러스터링을 이용하는 것을 특징으로 하는 단일 센서의 다중 이벤트 식별 방법.
  5. 제 1항, 제 2항 및 제 4항 중 어느 한항에 있어서,
    각각의 클러스터의 분산의 합을 이용하여 데이터 스트림의 흐름과 경향성을 파악하는 단계(S60)를 더 포함하는 것을 특징으로 하는 단일 센서의 다중 이벤트 식별방법.
  6. 단일 센서의 다중 이벤트 식별 장치에 있어서,
    주변의 객체로부터 발생되는 신호로부터 생성된 신호(S1,S2,S3)을 검출하고 전기적인 신호로 변환하는 센서부(110); 및
    상기 센서부로부터 출력된 전기적인 신호를 수신하고 상기 수신된 전기적인 신호를 데이터 스트림으로 변환하고 상기 데이터 스트림으로부터 클러스터의 갯수(k)를 설정하되, 클러스터의 갯수(k)에 따른 데이터 스트림의 각 시간 대의 초기 시간(l)은 무작위 입수되는 데이터를 판별하기 위하여 수학식 k(nl-k)!k!/(nl-l)!≥5 을 만족하며, 여기서 k는 클러스터의 갯수이며, n은 초당 입수되는 데이터 갯수이며, l은 각 시간대의 초기 시간(초)인 것을 특징으로 하는 클러스터의 개수를 설정하며, 각각 클러스터의 중심값을 지정하고 유클리딘 거리를 이용하여 클러스터를 분류하며, 상기 분류된 각각의 클러스터의 평균값을 갱신하고, 상기 각각의 클러스터에서 상기 평균값의 분산이 이전 평균값과 변화가 없을 때까지 반복하여 연산하는 제어부(120)를 포함하는 것을 특징으로 하는 단일 센서의 다중 이벤트 식별 장치.
KR1020140119239A 2014-09-05 2014-09-05 단일 센서의 다중 이벤트 식별 방법 및 장치 KR101616886B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140119239A KR101616886B1 (ko) 2014-09-05 2014-09-05 단일 센서의 다중 이벤트 식별 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140119239A KR101616886B1 (ko) 2014-09-05 2014-09-05 단일 센서의 다중 이벤트 식별 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20160029546A KR20160029546A (ko) 2016-03-15
KR101616886B1 true KR101616886B1 (ko) 2016-04-29

Family

ID=55542124

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140119239A KR101616886B1 (ko) 2014-09-05 2014-09-05 단일 센서의 다중 이벤트 식별 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101616886B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019088609A1 (ko) * 2017-11-01 2019-05-09 가톨릭대학교 산학협력단 이벤트 신호 처리 방법 및 이의 디바이스
KR102027671B1 (ko) * 2018-01-04 2019-11-04 가톨릭대학교 산학협력단 분산형 이벤트 신호 처리 방법 및 이의 디바이스

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011081383A (ja) * 2009-10-07 2011-04-21 Sony Corp 動物−機械間音声相互作用システム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100435440B1 (ko) * 2002-03-18 2004-06-10 정희석 화자간 변별력 향상을 위한 가변 길이 코드북 생성 장치및 그 방법, 그를 이용한 코드북 조합 방식의 화자 인식장치 및 그 방법
KR101601276B1 (ko) * 2009-10-21 2016-03-08 엘지전자 주식회사 단말기에서의 명령어 입력 방법 및 이를 적용한 단말기
KR101113006B1 (ko) * 2010-02-22 2012-02-24 숭실대학교산학협력단 클러스터 간 상호정보를 이용한 클러스터링 장치 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011081383A (ja) * 2009-10-07 2011-04-21 Sony Corp 動物−機械間音声相互作用システム

Also Published As

Publication number Publication date
KR20160029546A (ko) 2016-03-15

Similar Documents

Publication Publication Date Title
CN107422643B (zh) 基于振动检测的智能家居监控方法及系统
US10074383B2 (en) Sound event detection
US10785643B2 (en) Deep learning neural network based security system and control method therefor
Lim et al. Fall-detection algorithm using 3-axis acceleration: combination with simple threshold and hidden Markov model
US10614299B2 (en) Indoor identification of individuals through footstep induced structural vibration
JP2018526711A5 (ko)
CN1227629C (zh) 采样速率可变的检测器
EP3752997A1 (en) Gunshot detection system with ambient noise modeling and monitoring
Yazar et al. Multi-sensor ambient assisted living system for fall detection
DE602004004874T8 (de) System zur erkennung von eindringlingen in einem bevölkerten raum
CN101933058A (zh) 具有目标和事件分类的视频传感器和警报系统以及方法
JP2013254372A5 (ko)
Mukhopadhyay et al. Detection of an intruder and prediction of his state of motion by using seismic sensor
Shi et al. Device-free multiple people localization through floor vibration
KR101616886B1 (ko) 단일 센서의 다중 이벤트 식별 방법 및 장치
KR101736466B1 (ko) 음향 정보 기반 상황 인식 장치 및 방법
CN112544122A (zh) 用于在检测到空间中的对象时提供动作的设备
US11297082B2 (en) Protocol-independent anomaly detection
Konings et al. A stacked neural network-based machine learning framework to detect activities and falls within multiple indoor environments using Wi-Fi CSI
KR20170004270A (ko) 낙상 감지 장치 및 낙상 감지 시스템
Min et al. Sound event recognition-based classification model for automated emergency detection in indoor environment
EP4004891B1 (en) A monitoring device for detecting presence in a space and a method thereof
CN110472410A (zh) 识别数据的方法、设备和数据处理方法
CN113314146A (zh) 训练警报系统以对事件的音频分类的方法、软件和设备
CN106228718B (zh) 用于通过网络检测安全威胁的系统和方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190319

Year of fee payment: 4