KR102380481B1 - 가속도 센서에 기반한 고양이의 동작 분석 방법 - Google Patents

Abstract

본 발명은 스마트 밴드의 가속도 센서를 통하여 고양이의 동작을 분석하는 방법과 관련되며 실시예로, 고양이의 목 둘레에 장착된 가속도 센서로부터 고양이의 움직임에 따라 생성되는 3축의 가속도 출력값과, 해당 가속도 출력값이 생성된 시간을 포함한 전기신호로부터 고양이의 동작을 판별하는 방법에 있어서, 시간상 인접한 두 상기 가속도 출력값과, 각 상기 가속도 출력값이 생성된 시간의 차이를 통해 정적 상태와 동적 상태를 분류하며, 상기 동적 상태로 판별된 경우에 걸음 수 연산 단계가 수행되고, 상기 걸음 수 연산 단계는 상기 가속도 출력값을 단일 벡터 크기로 표현한 대표성분값을 시간의 흐름에 따라 산출하고, 상기 대표성분값이 미리 설정한 상한임계값 이상으로 검출되고, 이후 생성된 대표성분값이 미리 설정한 하한임계값 이하로 내려가는 경우에 하나의 걸음 수로 카운팅하는 내용의 가속도 센서에 기반한 고양이의 동작 분석 방법을 제시한다.

Description

가속도 센서에 기반한 고양이의 동작 분석 방법{Analysis method of the motion of cat using the acceleration sensor}

본 발명은 스마트 밴드의 가속도 센서를 통하여 고양이의 동작을 분석하는 방법과 관련된다.

최근 정보통신기술의 발달로 사용자가 집을 비웠을 때에 애완동물을 모니터링하는 기술이 개발되어 왔다. 반려 동물이라고 불릴 정도로 사람과 가깝게 지내기에 애완동물을 좀 더 적극적으로 관리, 보살피고자 하며, 나아가 애완동물의 심리를 이해하려 노력하고 있다.

마당이 없는 주거 시설, 1인 가구, 야근 등 현대인의 생활 양태는 사람이 애완동물의 관리에 집중할 수 없게 하고 있다. 아침 일찍 출근하고 늦게 퇴근하기 전까지 애완동물은 좁은 집 안에 갇혀 지내게 되는 데, 급식, 운동, 정서관리 등 불리한 상황에 놓이게 된다.

종래의 기술 중 "동물 모니터링 장치 및 방법"(대한민국 공개특허 제10-2005-0078391호)은 애완동물에 단말기를 장착하여, 애완동물과 떨어진 위치에 있는 사람에게 해당 동물의 현재 상태를 전달하도록 구성하고 있다. 다만 종래의 기술에서는 사람에게 전달되는 정보가 동물의 현재 위치 정도에 그침으로써 애완동물에 대한 다양한 정보를 제공하지 못하는 한계가 있다.

애완동물에 부착된 전자 단말기를 통해 애완동물의 행동을 원격으로 관찰함에 있어서, 애완동물이 고양이인 경우에 행동이 조심스러운 특성이 있어 다양한 행동 패턴을 명확히 구별하기 어려운 문제가 있다.

대한민국 공개특허 제10-2005-0078391호 (2005.08.05)

본 발명은 고양이에 장착된 전자 단말기의 가속도 센서를 이용하여 고양이의 다양한 행동을 분석할 수 있게 한다.

그 외 본 발명의 세부적인 목적은 이하에 기재되는 구체적인 내용을 통하여 이 기술분야의 전문가나 연구자에게 자명하게 파악되고 이해될 것이다.

위 과제를 해결하기 위하여 본 발명은 실시예로, 고양이의 목 둘레에 장착된 가속도 센서로부터 고양이의 움직임에 따라 생성되는 3축의 가속도 출력값과, 해당 가속도 출력값이 생성된 시간을 포함한 전기신호로부터 고양이의 동작을 판별하는 방법에 있어서, 시간상 인접한 두 상기 가속도 출력값과, 각 상기 가속도 출력값이 생성된 시간의 차이를 통해 정적 상태와 동적 상태를 분류하며, 상기 동적 상태로 판별된 경우에 걸음 수 연산 단계가 수행되고, 상기 걸음 수 연산 단계는 상기 가속도 출력값을 단일 벡터 크기로 표현한 대표성분값을 시간의 흐름에 따라 산출하고, 상기 대표성분값이 미리 설정한 상한임계값 이상으로 검출되고, 이후 생성된 대표성분값이 미리 설정한 하한임계값 이하로 내려가는 경우에 하나의 걸음 수로 카운팅하는 것을 특징으로 하는 가속도 센서에 기반한 고양이의 동작 분석 방법을 제시한다.

나아가 걸음 수 카운팅 단계를 수행하는 중에 현재의 상태가 정적 상태로 판별되면, 걸음 수 카운팅 단계를 종료할 수 있다.

또한 상기 걸음 수 카운팅이 종료된 이후에, 걸음 수 카운팅이 시작된 시간, 걸음 수 카운팅이 완료된 시간, 연소적으로 누적된 걸음 수, 상기 상한임계값을 초과하는 상기 대표성분값 중 최대치, 상기 하한임계값을 초과하는 상기 대표성분값 중 최소치 및 이들의 조합 중 어느 하나를 걸음 수 관련 정보로 저장할 수 있다.

본 발명의 실시예에 따르면, 걸음 수 연산단계는 걷는 도중 자주 동작을 멈추고 잠시 서 있거나, 갑작스레 도약하는 등 고양이의 이동 패턴에 적합하여 걸음 수를 정확히 산출할 수 있다. 또한 민감한 가속도 센서를 채택하였을 때에 노이즈 등 튀는 값을 동작 해석에서 배제시킴으로써 산출된 결과의 신뢰성을 더욱 크게 확보할 수 있다.

그 외 본 발명의 효과들은 이하에 기재되는 구체적인 내용을 통하여, 또는 본 발명을 실시하는 과정 중에 이 기술분야의 전문가나 연구자에게 자명하게 파악되고 이해될 것이다.

도 1은 본 발명의 실시예에 따른 고양이의 동작 분석방법이 적용된 시스템의 개략적인 구성을 나타낸 도면.
도 2는 도 1에 도시된 스마트 밴드와 분석서버장치의 주요 구성을 나타낸 도면.
도 3은 본 발명의 실시예에 따른 가속도 센서에 기반한 고양이의 동작 분석 방법을 개략적으로 나타낸 블록도.
도 4는 고양이의 눕기 자세와 서기 자세에 따른 가속도 출력값의 예시를 나타낸 그래프.
도 5는 걸음 수 연산단계를 개략적으로 나타난 블록도.
도 6은 걸음 수 연산단계의 적용례를 나타낸 단위대표값의 그래프.
도 7은 활동데이터의 검증 단계를 개략적으로 나타낸 블록도.
도 8은 활동데이터의 검증 단계의 적용례를 나타낸 단위대표값의 그래프.

이하 첨부된 도면을 참고하여 본 발명에 따른 가속도 센서에 기반한 고양이의 동작 분석 방법의 구성, 기능 및 작용을 설명한다. 단, 도면들에 걸쳐 동일하거나 유사한 구성요소에 대한 도면번호는 통일하여 사용하기로 한다.

또한 이하의 설명에서 '제1', '제2' 등의 용어는 기술적 의미가 동일성 범위에 있는 구성요소를 편의상 구별하기 위하여 사용된다. 즉, 어떠한 하나의 구성은 임의적으로 '제1구성' 또는 '제2구성'으로 명명될 수 있다.

첨부된 도면은 본 발명의 적용된 실시예를 나타낸 것으로, 본 발명의 기술적 사상을 첨부된 도면을 통하여 제한 해석해서는 아니된다. 이 기술분야에 속하는 전문가의 견지에서 도면에 도시된 일부 또는 전부가 발명의 실시를 위하여 필연적으로 요구되는 형상, 모양, 순서가 아니라고 해석될 수 있다면, 이는 청구범위에 기재된 발명을 한정하지 아니한다.

도 1은 본 발명의 실시예에 따른 고양이의 동작 분석방법이 적용된 시스템의 개략적인 구성을 나타내고 있으며, 도 2는 고양이 목에 채워진 스마트 밴드와 분석서버장치와 관련된다.

본 발명의 실시예에 따른 가속도 센서에 기반한 고양이의 동작 분석 방법은 스마트 밴드(10)와 분석서버장치를 통하여 구현될 수 있다.

여기서 분석서버장치는 분석 프로그램이 설치된 개인 컴퓨터 장치(20) 또는 휴대용 통신 단말기(30)가 될 수 있다. 개인 컴퓨터 장치(20)나 휴대용 통신 단말기(30)에 설치되는 분석 프로그램은 서비스 제공 업체(40)로부터 업데이트될 수 있으며, 스마트 밴드로부터 수집한 신호나 분석 결과를 서비스 제공 업체(40)에게 제공될 수 있다.

네트워크는 무선으로 정보를 송수신하는 수단으로, 통신이 이루어지는 장비들에 따라 다양한 통신 규격 중 하나를 선택하여 사용할 수 있다. 예를 들어 개인용 컴퓨터 장치(20)와 스마트 밴드(10) 또는 휴대용 통신 단말기(30)는 WIFI로 통신을 이루고, 서비스 제공 업체(40)와는 LAN 통신망을 이용할 수 있다.

고양이의 동작에 대한 정보를 취득하는 단계는 가속도 센서를 구비한 스마트 밴드(10)를 통하여 수행된다. 이후 측정된 정보를 가공하여 고양이의 동작을 분석하는 작업은 스마트 밴드(10)에서 이루어지거나, 네트워크를 통해 측정된 정보를 수신 받은 분석서버장치에서 이루어질 수 있다. 또는 고양이 동작 분석을 위한 여러 단계는 스마트 밴드와 분석서버장치에서 단계별로 적절히 분산되어 처리될 수 있다.

도 2를 참고하면, 스마트 밴드는 가속도 센서, 연산모듈, 제1 신호통신모듈, 임시저장모듈, 걸음수연산모듈 및 이들에게 전원을 공급하는 전원공급부를 포함한다. 여기서 연산모듈, 제1 신호통신모듈, 임시저장모듈 등의 물리적 구성은 이미 시판된 스마트워치의 구성과 사실상 동일할 수 있다.

스마트 밴드(10)는 고양이의 목 둘레에 채워지는 것으로, 형태나 장착 구조는 기존 고양이 목걸이와 유사하다. 밴드의 길이 조절을 통해 대략 고양이의 앞가슴에서 목이 시작되는 정면 부위에 밴드 중심이 위치하도록 스마트 밴드를 고양이 목에 채울 수 있다. 고양이가 정면을 바라보고 서 있는 장세에서, 가속도 센서의 x축은 고양이의 좌우 방향, y축은 상하 방향, z축은 척추라인을 따른 전후 방향에 대응한다.

가속도 센서는 일정 시간마다 3축(x, y, z)에 대한 신호레벨을 생성한다. 어떤 가속도 센서를 선택하였는지에 따라 제시되는 신호 파라미터의 수가 달라질 수 있는데, 본 발명의 설명에서는 고양이의 움직임에 따라 생성되는 3축의 가속도 출력값과 시간 정보가 포함된 것(x, y, z, t)으로 한다.

가속도 출력값은 일정 시간마다 생성되도록 세팅할 수 있으며, 관리 프로그램에 의해 일정 시간마다 가속도 출력값을 읽어 들이도록 구성할 수 있다.

본 발명의 실시예에서는 매 0.1초 간격으로 가속도 출력값이 생성 또는 셈플링되어 분석 프로그램에 제공되는 것으로 한다. 분석의 정확성을 높이기 위해 셈플링 간격을 더욱 좁게 설정할 수 있으며, 시스템의 연산 부담을 낮추기 위해 셈플링 간격을 늘릴 수도 있다.

가속도 출력값(x, y, z)은 스마트 밴드를 착용한 해당 개체의 동작, 자세와 연관이 깊다. 구분하고자 한 자세나 동작에 따라 특정한 값을 표출한다거나, 평상시와 다른 변화량을 보이게 된다. 이를 효과적으로 분석함으로써 고양이의 자세나 동작을 분류하게 된다.

도 3을 참고하면, 본 발명에 따른 고양이의 동작 분석 방법은, 크게 1, 2차 분류단계로 구분된다.

1차 분류단계는 고양이의 현재 상태가 정적 상태인가 또는 동적 상태인가를 구분하는 것이다.

여기서 '정적 상태'는 고양이가 어느 한 장소에 머물고 있는 상태를 의미한다. 거의 멈춰 있거나 사실상 멈춰 있다고 인식될 정도의 움직임이 수반되는 경우이다. 정작 상태에서 고양이의 동작을, 동적 상태와 대비하여 '자세' 용어로 칭하기로 한다.

'동적 상태'는 고양이가 장소를 바꿔 이동 중인 것을 의미한다. 주로 걷고 있거나, 어디론가 빠르게 걸어가고 있는 중이며, 가끔은 높은 곳으로 점프하거나, 높은 곳에서 뛰어내려오는 중일 수 있다.

본 발명의 실시예에서 고양이의 모든 정적 상태(자세)나 모든 동적 상태(움직임)를 분석하려는 것은 아니어서, 정적 상태 또는 동적 상태로 명확히 구분할 수 없는 상태도 있다. 이러한 경우는 분류 실패 또는 해석 불능으로 취급할 수 있다.

2차 분류단계는, 1차 분류단계를 거친 결과가 정적 상태인 경우에는 고양이의 몇가지 세부 자세를 분류하고, 동적 상태인 경우에는 고양이의 몇가지 세부 동작을 분류하는 것이다.

구체적으로 정적 상태인 경우, 가속도 출력값을 통해 고양이가 서 있는 자세(이하 '서기'라고 함)와 고양이가 누워있는 자세(이하 '눕기'라고 함)를 구분한다. 한편 동적 상태인 경우에는 고양이가 걷는 중(이하 '걷기'라고 함)인지와 뛰는 중(이하 '뛰기'라고 함)을 구분한다.

정적 상태에서 분류할 수 있는 자세의 수와, 동작 상탱인 ?에 분류할 수 있는 고양이의 동작의 수는, 각 자세 또는 동작을 서로 분류할 수 있도록 하는 가속도 출력값의 특징을 포착하고, 그 특징을 확인케 하는 스마트 밴드에서 전송된 가속도 출력값의 분석 방법을 제시함으로써, 추가될 수 있다.

1차 분류단계는 시간상 인접한 두 가속도 출력값으로 활동데이터를 생성하는 단계, 활동데이터와 제1 임계값을 대비 판단하는 단계를 포함한다.

활동데이터는 아래 수학식 1로 생성할 수 있다.

여기서 x_t1, y_t1, z_t1는 시간(t1)에서의 가속도 출력값의 각 축별 신호레벨이고, x_t2, y_t2, z_t2는 t1과 다른 시간(t2)에서의 가속도 출력값의 각 축별 신호레벨이다.

또한 두 가속도 출력값이 연속된 것이라면, 위 수학식 1에서 분자는 현재(t1) 가속도 출력값과 바로 직전(t2)의 가속도 출력값의 차이가 되며, 분모는 가속도 출력값이 생성되는 시간 간격 또는 셈플링 시간 간격이 된다.

이렇게 산출된 활동데이터는 시간의 흐름에 따라 연속적으로 생성되는 가속도 출력값들의 매순간 증감분이 반영된다.

1차 분류단계에서는 활동데이터가 미리 설정해둔 제1 임계값 이상인지를 판별하여, 제1 임계값 이상이면 동적 상태로 구분하고, 제1 임계값 미만이면 정적 상태로 구분한다.

여기서 제1 임계값은 고양이 목에 설치한 스마트 밴드로부터 얻은 활동데이터와, 고양이의 행동을 비교하는 반복된 실험을 통해 실험적으로 얻어지는 임의의 값이다. 제1 임계값은 사용된 가속도 센서의 출력 레벨 스케일에 따라 달라질 수 있다. 나아가 해당 고양이의 체중, 나이, 성별, 품종 등 개체별 사양에 따라 더욱 정교하게 조정될 수 있다.

서비스 제공 업체는, 반복된 실험을 통해 가속도 센서의 메이커별로 달라지는 출력 레벨 스케일과, 고양이 개체 사양을 고려하여 적정한 제1 임계값을 결정하는 테이블을 구비할 수 있다. 나아가 사용자에게 제1 임계값을 수정할 권한을 부여하여, 자신의 개체에 맞춰 미세 조정하도록 구성할 수 있다. 물론 사용자가 수정하여 사용하는 제1 임계값은 서비스 제공 업체에 전송되어 전술한 테이블을 개선시킬 수 있다.

이후 사용자가 휴대용 통신 단말기 등으로 입력한 개체별 사양 정보에 따라 적정한 제1 임계값을 선정하여, 사용자측 분석 프로그램을 업데이트할 수 있다.

하나의 예시로, MOUSER 사의 ICM-20602 기반으로 스마트 밴드를 장착하고, 이를 다양한 종류의 고양이에게 착용시켜 얻은 활동데이터들과, 실험자에 의해 관찰된 고양이의 정적 상태 또는 동적 상태를 연관지어, 경험적으로 제1 임계값을 20으로 채택할 수 있다.

2차 분류단계는 고양이가 정적 상태인가 또는 동적 상태인지에 따라 분석 방법이 달라진다.

1차 분류단계의 결과, 정적 상태로 판별된 경우는 고양의 자세 분류를 수행한다. 이 자세 분류는 가속도 출력값의 크기가 제2 임계값 이상인지를 판단하는 것으로, 제2 임계값 이상이 경우에는 고양이 자세를 '서기'로 구분하고, 제2 임계값 미안인 경우에는 '눕기'로 구분한다.

여기서 '서기'는 고양이의 엉덩이가 바닥에서 떨어져, 4발로 서 있는 자세이고, '눕기'는 엉덩이를 지면에 대고 주저앉아 있거나, 엎드린 상태, 좌 또는 우로 기대어 누운 자세를 포함한다.

도 4에 나타낸 바와 같이, 정적 상태에서 '서기' 자세와 '눕기' 자세일 때, 각각의 가속도 출력값에는 성분별 크기 차이가 있음이 경험적을 관찰된다. 구체적으로 y값 성분에서 차이가 명확히 드러나는데, 본 실험예에 사용된 가속도 센서에서는, '눕기' 자세에서 '서기' 자세로 자세가 전환됨에 따라 y값이 대략 0 내지 1 미만 범위의 신호레벨에서 10 내외 정도로 상승된다.

한편 y값만큼 명확하게 증가하지는 않지만 z값은 눕기 자세에서 10 수준이었다가, 서기 자세에서 12 내지 15 정도로 바뀌어, 대략 3 내지 5 범위로 상승하게 된다.

반면 x값은 눕기 자세에서 서기 자세로 바뀜에 따라 변화 정도가 심해지기는 하나, 사실상 여전히 0 수준을 유지하는 것으로 관찰된다.

이를 정리하면, 정적 상태에서 가속도 출력값의 크기를 산출하고, 산출된 크기 값을 제2 임계값과 대비하여 서기 자세와 눕기 자세를 분류할 수 있다. 여기서 가속도 출력값의 크기는 방향성을 무시하고, x값, y값 및 z값을 단순히 더하여 산출할 수 있다. 도 4의 경우에서, 제2 임계값은 15로 정할 수 있다.

또는 구분하고자 하는 두 자세에 대하여, 변화가 거의 없는 x값과, y값 보다는 덜 선명하게 달라지는 z값을 제외시키고, 가장 선명한 지표로써 y값만을 선정하여, 어떤 제2 임계값과 대비할 수 있다. 도 4의 경우에서, 이때의 제2 임계값은 5로 정할 수 있다.

여기서 제2 임계값은 제1 임계값과 마찬가지로 실험에 결과로써 경험적으로 얻을 수 있다. 또한 서비스 제공 업체에서 사용자측에 제시될 수 있다.

한편 동적 상태에서 고양이의 동작 분류는 가속도 출력값을 대표성분값으로 변환하는 단계, 대표성분값을 고속 푸리에 변환(FFT)하여 변환값을 산출하는 단계, 변환값의 진폭(Amplitude)을 제3 임계값과 대비하여 걷기 동작 또는 뛰기 동작을 구분하는 단계를 포함한다.

여기서 '걷기' 동작은 고양이가 시속 0.5 km 이하의 속도로 이동하는 움직임이며, '뛰기' 동작은 고양이가 시속 0.5 km를 초과하는 속도로 이동하는 움직임을 의미한다.

본 발명의 실시예에서는 동작 분류를 걷기와 뛰기의 2 종으로 구분하고 있는데, 다른 실시예에서 이동 속도에 따라 느린 걸음, 빠른 걸음, 느린 뜀, 빠른 뜀과 같이 더 세분화할 수 있으며, 평면 이동, 높낮이 이동과 같이 이동 방향에 따라 구분할 수 있다.

걷기와 뛰기를 구분하기 위한 가속도 출력값의 대표성분값으로의 변환은, 아래 수학식 2를 통해 SVM(single value magnitude)를 산출하는 방식으로 이루어진다.

가속도 출력값의 셈플링 시간 간격을 고려하여 적정한 수(가급적 2ⁿ 개, 예를 들어 256)의 대표성분값으로 고속 푸리에 변환(FFT)을 수행하여 변환값을 산출한다.

여기서 고속 푸리에 변환에 대한 알고리즘은 MatLab과 같은 상용 프로그램 중 하나를 채택할 수 있다. 또는 대한민국 공개특허 제10-2014-0124684호와 같이 기존에 공지된 구성의 고속 푸리에 변환 장치를 사용할 수 있다.

앞서 설명한 조건의 스마트 밴드를 채택하여 수행하였던 반복된 다수의 실험 결과에 따르면, '걷기' 동작에 대하여 변환값의 진폭은 10 내지 13 이며, '뛰기' 동작에 대한 변환값의 진폭은 13 이상으로 관찰된다. 이 경우, 동적 상태의 분류에서 걷기와 뛰기를 구별하는 제3 임계값은 13으로 결정할 수 있다.

여기서 제3 임계값은 앞서 설명한 제1 임계값 또는 제2 임계값과 마찬가지로 가속도 출력값의 신호레벨 스케일에 따라 달라질 수 있으며, 고양이 개체의 특성에 따라 달라질 수 있다. 또한 서비스 제공 업체로부터 사용자에게 제공될 수 있다.

고속 푸리에 변환을 정적 상태 분석에 적용해보면, '눕기' 자세에서 변환값의 진폭은 9.78 내지 9.81로 관찰되고, '서기' 자세에서 변환값의 진폭은 9 내지 10로 관찰되어, 정적 자세의 분류에는 고속 푸리에 변환이 적합하지 않음을 알 수 있다. 또한 '눕기' 자세나 '서기' 자세에서 변환값의 진폭의 범위가 걷기 동작의 진폭 범위와 일부 겹쳐, '걷기' 동작 중에 '서기' 자세로 오판되는 경우가 있다. 이는 고양이가 천천히 걷는 동작 중에는 고양이가 가만히 서 있는 자세가 포함되는 것에서 비롯된 것으로 예상된다.

따라서 1차 분류단계를 거쳐 정적 상태와 동적 상태를 구분한 후에, 2차 분류단계에서 정적 상태와 동적 상태에 적합한 분류 방법을 적용하였을 때에, 고양이의 동작에 대하여 정확한 분석이 가능하게 된다.

변환값의 진폭이 제3 임계값 이상인 경우에는 '뛰기'로 구분하고, 제3 임계값 미만인 경우에는 '걷기'로 구분하고, 동작 상태의 구분과 발생 시간 정보를 함께 저장한다. 이러한 동작 상태 정보는 향후 시간대별 활동량 분석, 소모 칼로리 계산, 질병 예측, 심리 분석 등에 판단 자료로 활용할 수 있다.

앞서 설명한 바와 같이 제3 임계값을 실험에 따라 경험적으로 결정하고, 고양이가 스마트 밴드를 착용하고 이동함에 있어서, 걷기와 뛰기를 얼마나 정확히 판별하는지에 대한 실험을 수행하였다. 고양이에게 걷기 동작과 뛰기 동작이 각기 20번 나타난 때에, 동적 분류에서 걷기와 뛰기를 올바르게 분류하는지 여부를 살펴보면 아래 표 1과 같다.

고양이 실제 동작	분류 결과		정확도
	걷기 판정	뛰기 판정
걷기	19	1	95%
뛰기	2	18	90%

그 결과, 고양이를 걷기 상태인 경우 95%의 인식률을 보이고, 뛰기에 대해서는 90% 수준의 인식률을 보임으로써, 동작 분류의 성공률이 대략 90% 이상이다.

도 3 및 도 5 내지 도 6은 고양이의 걸음 수 연산단계와 관련된다.

1차 분류단계에서 동적 상태로 구분되어, 2차 분류단계를 수행하는 경우에, 고양이의 걸음 수를 연산하는 알고리즘이 활성화되고, 그에 따라 고양이의 걸음 수를 연산단계가 수행된다.

걸음 수 연산단계는 스마트 밴드에 구비된 걸음 수연산모듈에서 수행될 수 있다. 이와 달리, 분석서버장치에서 처리될 수도 있다.

걸음 수 연산단계는 가속도 출력값으로부터 대표성분값을 산출하는 단계와, 시간의 흐름에 따라 크기가 증감하는 대표성분값이 미리 설정해 둔 상, 하한임계값을 통과하는 지에 따라 걸음 수를 카운팅하는 단계를 포함한다.

이러한 걸음 수 카운팅 작동은 동작 상태가 종료됨과 동시에 완료되며, 카운팅이 완료된 시간 또는 카운팅이 시작된 시간과 함께 저장모듈에 저장된다. 이때 저장모듈에는 걸음 수 이벤트가 발생한 시간, 연속적으로 누적된 걸음 수, 상한임계값을 초과하는 대표성분값 중 최대치, 하한임계값 미만인 신호값 중 최소치 등이 걸음 수 관련 정보로 저장될 수 있다. 이들 걸음 수 관련 정보는 향후 해당 고양이의 걸음걸이에 대한 분석, 운동량 분석 등에 활용될 수 있다.

가속도 출력값으로 대표성분값을 산출하는 단계는, 앞서 설명한 수학식 2와 동일하므로 중복된 설명은 생략한다.

걸음 수를 카운팅하는 알고리즘은 시간의 흐름에 따른 대표성분값의 크기를 추적하여 미리 설정한 상한임계값과 하한임계값을 순차적으로 통과할 때에 하나의 걸음 수로 카운팅한다.

여기서 상한임계값과 하한임계값은 고양이의 걸음 동작 시에 산출된 대표성분값들의 변화 패턴을 관찰함으로써 경험으로 산출되는 값이다. 또한 상한임계값과 하한임계값은, 앞서 설명한 임계값들과 마찬가지로, 사용된 가속도 센서에 따른 가속도 출력값의 스케일에 의해 달라질 수 있다. 나아가 고양이 개체의 특성에 따라 더욱 미세하게 조정될 수 있다.

고양이의 걸음에 의해 비교적 규칙적인 흔들림이 발생하고, 이는 대표성분값의 비교적 규칙적인 크기 변화로 나타난다. 이에 착안하여, 시간의 흐름에 따른 대표성분값의 크기가 상한임계값 아래에서 이상으로 변이되는 지점과, 이후 시간이 흘러 대표성분값의 크기가 하한임계값 이하로 낮아지는 지점이 발견되면 하나의 걸음으로 카운팅한다.

즉 상한임계값 이상의 지점과 하한임계값 이하의 지점이 순차적으로 발견된 때에 1회 걸음으로 하고, 상한임계값 이상 또는 하한임계값 이하가 반복되는 경우에는 올바른 걸음으로 보지 않고 걸음 수를 추가하지 않는다.

도 6을 참고하면, 대표성분값이 상한임계값(UL)을 나타내는 상측 가로선 이상으로 올라가는 이벤트(event 1) 발생 후, 대표성분값이 하한임계값(LL)을 나타내는 하측 가로선 아래로 낮아지는 이벤트(event 2)가 발생한 때에 1회 걸음이 완성된 것으로 판별하게 된다.

시간에 따른 대표성분값의 변화가 상한임계값 이상과 하한임계값 이하로 순차적으로 나타나는 경우만 올바른 걸음으로 카운팅하기 때문에, 고양이의 걸음 수를 셈에 있어서 정확도가 높다.

사람의 걸음 수를 카운팅하는 종래의 기술은, 걷는 자세가 다양하며, 때때로 걸음 동작이 지나치게 조심스럽거나, 그러다가도 갑자기 빨라지기도 하며, 어딘가를 뛰어 오르거나 내리는 등 복잡한 양상이 있어서, 다음 걸음 동작을 쉽게 예측할 수 없는 고양이에게 적합하지 않다. 따라서 다음 걸음 수를 예측하고, 그에 따른 패턴 분석을 통한 종래의 기술을 고양이에게 접목시키면 걸음 수 검출 결과에 오차가 크게 발생한다.

상한임계치와 하한임계치의 2중 기준점을 두어 걸음 여부를 판단하므로, 종래의 기술과 달리 걸음걸이 속도에 대한 영향을 저감할 수 있다. 또한 고양이가 뛰어오르거나 점프하여 내려감에 따라 상한임계치 이상의 대표성분값이 계속 나타나는 구간은 올바른 걸음 수로 측정하지 않을 수 있게 된다.

한편 걸음 수를 카운팅하는 단계는 동적 상태인 경우에 활성화되며, 걸음 수 카운팅 단계의 수행 중에 현재의 상태가 정적 상태로 판별되면, 걸음 수의 카운팅을 종료하고, 그 결과를 저장하게 된다.

한편 도 7 내지 도 8은 1차 분류단계를 수행하기 이전에 수행되어, 노이즈 등 비정상적인 데이터를 걸러내는 검증 단계와 관련된다.

종래의 기술은 가속도 센서에서 발견되는 노이즈를 제거하는 수단으로 소프트웨어 방식의 필터링을 주로 사용된다. LPF나 HPF 또는 이들을 종합한 상보 필터(complementary filter)를 적용하여 필터링에 수반되는 지연(delay)이나 왜곡(advance)을 적절한 수준으로 맞출 수 있다. 이러한 기존 필터링 방식은 노이즈를 제거하는 데에는 탁월하지만 가속도 출력값에 영향을 미침으로써, 가속도 출력값에 따라 고양이 동작을 정확하게 분류하는 데에는 나쁜 영향을 미친다.

특히 가속도 출력값의 각 축의 크기값과, 시간에 따른 변화를 추적하여 다양한 자세나 동작을 분류하려면, 가속도 출력값의 크기 변화나 증감에 대한 경향 변화를 민감하게 파악하여야 할 필요가 있다.

본 발명의 실시예에서는 1차 분류단계 이전에, 가속도 출력값의 건전성을 평가하고, 노이즈로 판단될 때에 이후 가속도 출력값을 무시하는 방법을 채택하여 분류 방법의 신뢰성을 향상시킨다.

구체적으로 본 발명의 실시예에서는 이하에서 설명하는 (a) 단계 내지 (e) 단계를 거치게 된다. 이하의 설명에서 i는 현재의 시간을 의미하고, i-1, i-2는 현재로부터 순차적으로 과거의 시간을 의미하며, i+1, i+2는 순차적으로 도래하는 시간을 의미한다.

(a) 단계는 현재의 활동데이터(V_i)와, 직전의 활동데이터(V_i-1)의 크기 차이를 활동변화량값(BV_i)으로 산출하고, 상기 활동변화량값(BV_i)이 허용치(E) 이하인지를 판별하는 단계이다.

여기서 활동데이터는 전술한 [수학식 1]에 따른다.

활동변화량값(BV_i)은, 바로 직전의 활동데이터(V_i-1)와 크기 차이를 연산함으로써 현재 활동데이터(V_i)가 얼마나 변화되었는지에 대한 정보가 담긴다.

한편 허용치(E)는, 분류하고자 한 자세(동작)가 일정하게 유지되는 동안, 정상적인 가속도 출력값으로 관찰되는 활동데이터의 크기 변화량을 고려하여 결정될 수 있다.

예를 들어, 도 8을 참고하여 살펴보면, 자세 A(또는 자세 B)가 유지되는 시간 i-1까지 정상적인(노이즈가 아닌) 활동데이터들의 평균 크기가 V1이고, 이들은 대략 0.5 내에 머문다고 한다면, 허용치는 0.5보다 큰 어떤 값(예를 들어, 1)으로 결정할 수 있다.

이후 고양이의 자세가 A에서 B로 바뀌면서 활동데이터도 시간 i에서 급격히 늘어나게 되고, 시간 i에서 활동변화량값도 급작스레 늘어나게 된다. 시간 i에서 활동변화량값은 앞서 선정한 허용치 1 보다 훨씬 크므로, 해당 활동데이터는 허용치보다 큰 것으로 판별되고, 이후 1차 분류단계에서 배제된다.

허용치의 값이 고양이의 자세가 안정적으로 유지된 때에 관찰되는 최대 편차 수준에서 설정되어, 검증 대상으로 삼는 활동데이터를 매우 보수적으로 인증하는 셈이 된다. 활동데이터들의 크기 편차가 매우 작을 정도로 가속도 출력값들이 안정된 상태에서만, 이를 동작 해석의 근거로 삼게 되므로 그만큼 결과에 대한 신뢰성이 향상된다.

또는 허용치(E)는 자세나 동작의 변경이 수반되는 활동변화량값 이상의 어떤 값으로 선정할 수 있다. 구체적으로 어떤 한 자세(또는 동작)에서 다른 자세(또는 동작)로 전환될 때의 활동변화량값들 중 가장 작은 수치 이상의 어느 한 값을 허용치로 결정할 수 있다. 예를 들어, 도 8에서, 자세 A에서 자세 B로 동작이 바뀔 때에, 양 자세에서 활동데이터의 차이(V2-V1)가 5 내지 7이고, 이것이 다른 자세(동작)의 변화에 수반되는 활동데이터의 차이 중 가장 작은 것이라고 하면, 허용치를 5로 결정할 수 있다. 이 경우, 허용치 5보다 큰 시간 i에서의 활동데이터가 허용치를 벗어나는 것으로 판별된다.

또는 허용치(E)는 가속도 출력값이 명백히 노이즈로 취급되어야 할 수준으로 크기가 튈 때의 값으로 선정할 수 있다. 예를 들어 정상적인 자세(동작)의 변화에서 활동변화량값이 100 수준 미만이라면, 허용치를 100으로 결정하는 것이다.

이 경우, 실제 노이즈를 필터링하는 수준에서 관여함으로써 빠른 처리 속도가 보장된다.

(b) 단계는 활동변화량값이 허용치 이하로 판별된 경우에 진행되며, 해당 활동데이터의 근거가 된 가속도 출력값은 노이즈가 아닌 정상적인 값으로 보게 된다. 그에 따라 해당 활동데이터와 원천 데이터인 데이터 출력값은 1차 분류단계 이하의 단계를 수행할 자료로 활용된다.

(c) 단계는 활동변화량값이 허용치를 초과하는 것으로 판별된 경우에 수행된다.

이 경우, 어떤 허용치를 설정하였는가에 따라 구체적인 의미가 달라진다.

예를 들어, 허용치가 명백한 노이즈를 걸러내기 위한 수준으로 설정(앞의 예에서, 100)하였다면, 해당 활동데이터의 근거가 된 가속도 출력값은 노이즈이다.

한편 허용치가 자세(동작)의 변화를 수반하는 수준으로 결정(앞의 예에서, 5)한 경우 또는 어느 한 자세를 유지한 상황에서 관찰되는 활동변화량값을 고려하여 결정(앞의 예에서, 1)된 경우에서는, 고양이의 자세(동작)가 변화한 수준이거나 가속도 출력값이 노이즈인 경우이다.

당해 활동데이터와 이후 n회에 걸쳐 생성되는 활동데이터들에 대해서는 1차 분류단계의 수행을 생략한다. 즉 미리 설정해 둔 횟수만큼의 활동데이터는 1차 분류단계 이하에서 무시하여 사용하지 않게 된다.

여기서 n은 사용자가 결정하는 임의의 자연수로, 동작 분석에서 제외시킬 연속된 활동데이터의 숫자를 의미한다. 사용자는 n을 결정할 때에 활동데이터를 산출하는 셈플링 시간 간격을 고려하려 결정할 수 있다. 도 8의 실시예에서 n 값은 5로 하여, 시간 i 이후, i+1 내지 i+5까지 총 6개의 연속된 활동데이터(가속도 출력값)를 불용 처리하여, 동작 분류단계에서 배제되게 한다.

불용 처리 방법은, 구체적으로 당해 활동데이터와 이후 n회에 걸쳐 생성되는 활동데이터에 대하여 특정 마크를 추가(예를 들어, tag)하고, 이후 데이터 처리 과정 중에 특정 마크가 부가된 정보를 별도 취급하도록 규정을 넣을 수 있다. 또는 n회분의 활동데이터를 대신하여 1차 분류단계에 널 값을 제공할 수 있다. 또는 1차 분류단계에서 배제시킬 활동데이터와 데이터 출력값의 저장 주소를 따로 지정하는 방식을 채택할 수 있다. 해석을 배제시키기 위한 불용 처리 방식은 이미 알려진 다양한 공지 방법 중 어느 하나에 따라 이루어질 수 있다.

1, 2차 분류 단계에는 불용 처리된 활동데이터(가속도 출력값)를 대신하여, 가장 최근에 유효하였던 정보(가속도 출력값)가 n+1회 반복되는 것으로 제공할 수 있다. 또는 불용 처리된 시간 구간에서는 활동데이터가 없는 블랭크 구간으로 두어 해석 불능으로 처리할 수도 있다.

(d) 단계는, 1차 분류단계 등의 해석에서 배제된 활동데이터들에 대하여, 각 활동변화량값이 허용치의 이하인지 여부를 판별하여, 허용치 이하로 판별되면 n+1회차에 생성된 활동데이터부터는 1차 분류단계 이하를 정상적으로 진행시킨다.

동작 해석에서 배제된 일련의 활동데이터들을 분석 대상으로 하여, 이후 활동변화량값이 허용치 이내로 줄어들어 안정되었는지를 판별하는 것이다. 즉 시간 i에서 허용치 초과로 검출된 활동데이터와, 그 이후 n회에 걸쳐 생성된 활동데이터들의 각 활동변화량값을 연산하고, 이들 활동변화량값이 허용치 범위 이내로 줄어들었는지를 확인한다.

도 8에 도시한 실시예에서는, BV_i+1 부터 BV_i+5 까지 5개의 활동변화량값 각각이 허용치 이내인지 여부를 판별한다. 이들 모두가 허용치 이내로 확인되어 튀었던 가속도 출력값이 안정되었다면, 이후 생성되는(n+1회차) 활동데이터부터 다시 (a) 단계를 수행한다.

한편 (e) 단계는 동작 해석에서 배제된 일련의 활동데이터들의 각 활동변화량값이 모두 허용치 이하가 아닌 경우에 수행된다. 즉 동작 분류에서 배제되었던 활동데이터로부터 산출된 활동변화량값들 중 어느 하나라도 허용치를 초과하는 경우에는, 이들 활동데이터들은 동작 해석이 불가능하거나, 동작 해석을 하더라도 결과에 대한 신뢰성이 낮은 것으로 취급한다.

어느 한 활동변화량값이 허용치를 초과하였다면, 그 활동변화량값이 산출된 시간의 활동데이터와, 그 이후로 n회차 활동데이터까지를 다시 불용 처리하는 (c) 단계로 되돌아가게 된다.

도 8에서, i+2회차의 활동변화량값이 허용치를 초과하는 것으로 판별되었다면, i+2회의 다음인 i+3회차 활동데이터부터 i+7회차의 활동데이터까지 불용 처리된다.

허용치를 벗어난 것으로 판별된 활동데이터와, 그로부터 n회에 걸친 활동데이터들 모두를 동작 분석대상에서 제외시킴으로써, 튀는 값 이후 크기가 요동치는 일 군의 가속도 출력값을 배제하여 동작 분류의 결과에 대한 신뢰성을 향상시킬 수 있다.

한편, 고양이가 가만히 쉬고 있는 상태 또는 잠든 상태에서는 대표성분값이 어떤 기준치 미만으로 유지된다. 미리 설정해둔 시간(예를 들어 5분) 동안, 산출된 대표성분값이 최소기준치 미만으로 유지되는 경우, 고양이가 수면 중인 것으로 간주하고, 이후 대표성분값이 최소기준치를 초과하기 전까지는 가속도 출력값과 활동데이터를 불용 처리한다. 즉 수면 상태 또는 그에 준하는 휴식 상태에서, 생성되는 활동데이터를 불용 처리하여 동작 분류 단계를 수행하지 않는다.

여기서 최소기준치와, 최소기준치가 지속되는 시간은 가속도센서의 출력값 스케일과 고양이 개체 특성에 따라 다양하게 변경될 수 있다.

나아가 스마트 밴드는 고양이가 수면 상태로 간주되는 시작 시점과 종료 시점을 분서서버장치에 전송할 수 있다.

이로써 고양이가 수면 상태에 놓인 시간 동안에 1, 2차 분류단계의 수행을 생략할 수 있게 한다. 이로써 스마트 밴드의 전원 에너지 소모를 줄여, 스마트 밴드의 충전 주기를 크게 늘릴 수 있다.

10 : 스마트 밴드
20 : 개인 컴퓨터 장치
30 : 휴대용 통신 단말기
40 : 서비스 제공 업체

Claims (3)

1. 고양이의 목 둘레에 장착된 가속도 센서로부터 고양이의 움직임에 따라 생성되는 3축의 가속도 출력값과, 해당 가속도 출력값이 생성된 시간을 포함한 전기신호로부터 고양이의 동작을 판별하는 방법에 있어서,
   시간상 인접한 두 상기 가속도 출력값과, 각 상기 가속도 출력값이 생성된 시간의 차이를 통해 정적 상태와 동적 상태를 분류하며,
   상기 동적 상태로 판별되는 동안 걸음 수 연산 단계가 수행되고,
   상기 걸음 수 연산 단계는
   상기 가속도 출력값을 단일 벡터 크기로 표현한 대표성분값을 시간의 흐름에 따라 산출하고,
   상기 대표성분값이 미리 설정한 상한임계값 이상으로 검출되는 이벤트와,
   이후 생성된 대표성분값이 미리 설정한 하한임계값 이하로 내려가는 이벤트가 순차적으로 발생한 경우를 하나의 걸음 수로 카운팅하는 것을 특징으로 하는
   가속도 센서에 기반한 고양이의 동작 분석 방법.
   
2. 제1항에서,
   걸음 수 카운팅 단계를 수행하는 중에 현재의 상태가 정적 상태로 판별되면, 걸음 수 카운팅 단계를 종료하는 것을 특징으로 하는
   가속도 센서에 기반한 고양이의 동작 분석 방법.
   
3. 제1항에서,
   상기 걸음 수 카운팅이 종료된 이후에,
   걸음 수 카운팅이 시작된 시간, 걸음 수 카운팅이 완료된 시간, 연소적으로 누적된 걸음 수, 상기 상한임계값을 초과하는 상기 대표성분값 중 최대치, 상기 하한임계값을 초과하는 상기 대표성분값 중 최소치 및 이들의 조합 중 어느 하나를 걸음 수 관련 정보로 저장하는 것을 특징으로 하는
   가속도 센서에 기반한 고양이의 동작 분석 방법.
   
   

Images