KR20190017467A

KR20190017467A - 양자화된 가속도 모멘텀 신호를 이용한 걸음 검출 방법 및 장치

Info

Publication number: KR20190017467A
Application number: KR1020170102359A
Authority: KR
Inventors: 조위덕; 이주영; 김준호; 하정호; 최선탁
Original assignee: 아주대학교산학협력단
Priority date: 2017-08-11
Filing date: 2017-08-11
Publication date: 2019-02-20
Also published as: KR102019247B1

Abstract

본 발명의 일 실시예에 따른 양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법은, 걸음 검출 장치가, 사용자의 보행에 따른 가속도를 측정하고, 상기 가속도의 모멘텀(momentum)을 연산하는 단계; 상기 걸음 검출 장치가, 상기 모멘텀에 저역 통과 필터를 적용하여 노이즈를 제거하고, 모멘텀을 양자화 하는 단계; 상기 걸음 검출 장치가, 상기 양자화 된 모멘텀의 기울기가 상승에서 하강으로 변하는 지점을 피크로, 하강에서 상승으로 변하는 지점을 밸리로 검출하는 단계; 및 상기 걸음 검출 장치가, 제i 피크와 제(i-1) 피크의 양자화 된 모멘텀 값이 연속하여 기 설정된 피크 임계치를 넘고, 제i 피크와 제i 밸리의 양자화 된 모멘텀 값의 차이가 기 설정된 피크-밸리 임계치를 넘는 경우에 이를 한 걸음으로 판단하는 단계를 포함할 수 있다.

Description

양자화된 가속도 모멘텀 신호를 이용한 걸음 검출 방법 및 장치 {Step counter detection apparatus and method using quantized acceleration momentum signal}

본 발명은 양자화된 가속도 모멘텀 신호를 이용한 걸음 검출 방법 및 그 장치 에 관한 것이다. 보다 자세하게는, 가속도 센서가 측정한 값을 양자화 하고, 이를 통해 다양한 걷기의 형태에 대해 보다 강인한 걸음 검출 방법 및 그 방법을 수행하는 장치에 관한 것이다.

최근 몇 년 간 웨어러블 기기 관련 시장이 점점 커지고 있으며 이를 이용한 서비스 또한 점점 다양해지고 있다. 이러한 서비스의 대부분은 사람의 행동인지와 관련된 것이 많고 그 중 걸음 수를 측정하는 것은 빼놓을 수 없는 주요한 서비스가 되었다. 그 중에서 특히 걸음 수를 측정하기 위해 3축 가속도 센서를 이용한 연구가 많이 진행되었다.

하지만 종래의 연구는 대부분 노이즈가 포함된 측정값을 이용하기 때문에 걸음이 정확히 검출되지 않는다는 단점이 존재한다. 또한 종래의 연구는 손목에 착용한 웨어러블 기기의 가속도 센서를 이용하는데, 예를 들면 그냥 걷는 경우, 우산을 들고 걷는 경우, 겉옷 주머니에 손을 넣고 걷는 경우와 같이 다양한 걷기의 형태에 대해 정확한 검출이 어렵다는 단점이 존재한다.

이에 손목에 착용한 웨어러블 기기의 3축 가속도 센서를 이용하여 걸음을 검출할 때 다양한 걸음의 형태에 대해 보다 강인하게 걸음을 검출할 수 있는 방법이 필요하다.

김윤경, 노형석, 조위덕. (2011) "가속도 센서를 이용한 보행 횟수 검출 알고리즘과 활동량 모니터링 시스템." 전자공학회논문지-CI, 48(2), 127-137. 유향미, 서재원, 차은종, 배현덕. (2008) "3축 가속도 센서를 이용한 보행 횟수 검출 알고리즘과 활동 모니터링." 한국콘텐츠학회논문지, 8(8), 253-260. 김남진, 홍주현, 이태수. (2005) "3축 가속도 센서 데이터의 처리와 응용." 한국콘텐츠학회 종합학술대회 논문집 3.2 548-551.

본 발명이 해결하고자 하는 기술적 과제는 양자화된 가속도 모멘텀 신호를 이용한 걸음 검출 방법 및 그 장치를 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상기 기술적 과제를 해결하기 위한 본 발명의 일 실시예에 따른 양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법은, 걸음 검출 장치가, 사용자의 보행에 따른 가속도를 측정하고, 상기 가속도의 모멘텀(momentum)을 연산하는 단계; 상기 걸음 검출 장치가, 상기 모멘텀에 저역 통과 필터를 적용하여 노이즈를 제거하고, 모멘텀을 양자화 하는 단계; 상기 걸음 검출 장치가, 상기 양자화 된 모멘텀의 기울기가 상승에서 하강으로 변하는 지점을 피크로, 하강에서 상승으로 변하는 지점을 밸리로 검출하는 단계; 및 상기 걸음 검출 장치가, 제i 피크와 제(i-1) 피크의 양자화 된 모멘텀 값이 연속하여 기 설정된 피크 임계치를 넘고, 제i 피크와 제i 밸리의 양자화 된 모멘텀 값의 차이가 기 설정된 피크-밸리 임계치를 넘는 경우에 이를 한 걸음으로 판단하는 단계를 포함할 수 있다.

바람직하게는, 상기 가속도의 모멘텀(momentum)을 연산하는 단계는, 상기 가속도를 단위 중력가속도로 스케일링 하는 단계를 포함할 수 있다.

바람직하게는, 상기 가속도를 단위 중력가속도로 스케일링 하는 단계는,

다음의 수학식 2를 이용하여 스케일링을 수행하고,

[수학식 2]

여기서 a는 x축, y축, z축 각 축에서 측정된 가속도 값이고, G_divisor는 이를 변환하기 위한 단위 중력가속도 값으로 다음의 수학식 1을 통해 산출되는 값이고, [수학식 1]

여기서, G_saturation은 가속도 센서 측정 범위 설정 값이고, N_resolusion은 ADC(Analog to Digital Converter)의 분해능 설정 값이다.

바람직하게는, 상기 가속도의 모멘텀(momentum)을 연산하는 단계는, 다음의 수학식 3을 이용하여 가속도의 모멘텀(m)을 연산하는 것이고,

[수학식 3]

여기서 a는 x축, y축, z축 각 축에서 측정된 가속도 값이다.

바람직하게는, 상기 모멘텀에 저역 통과 필터를 적용하여 노이즈를 제거하고, 모멘텀을 양자화 하는 단계는, 사람의 초당 최대 걸음수를 나타내는 기준 걸음 주파수로 저역 통과 필터링를 수행하는 단계를 포함할 수 있다.

바람직하게는, 상기 모멘텀에 저역 통과 필터를 적용하여 노이즈를 제거하고, 모멘텀을 양자화 하는 단계는, 다음의 수학식 4를 이용하여 양자화를 수행하는 것이고,

[수학식 4]

여기서 m_q는 양자화된 모멘텀의 값이고, m_f는 필터링 된 모멘텀의 값이고, Q_level은 양자화 시 나누는 단계이고, Q_bias는 양자화 시 값의 조정을 위한 바이어스 값이다.

바람직하게는, 상기 양자화 된 모멘텀에서 피크와 밸리를 검출하는 단계는, 다음의 수학식 5 및 6을 이용하여 피크와 밸리를 검출하는 것이고

[수학식 5]

여기서 m_q는 양자화된 모멘텀의 값이고, S는 i번째 지점의 상태를 나타내는 값이고,

[수학식 6]

P는 i번째 지점의 피크 여부를 나타내는 값이다.

바람직하게는, 상기 한 걸음으로 판단하는 단계는, 제i 피크와 제(i-1) 피크 사이의 거리가 기 설정된 피크-피크 거리 범위에 포함되는 경우에 한하여 이를 한 걸음으로 검출하는 단계를 포함할 수 있다.

바람직하게는, 상기 피크 임계치는 1G이다.

바람직하게는, 상기 피크-밸리 임계치는 0.3G이다.

바람직하게는, 상기 피크-피크 거리 범위는 0.25*샘플링 주파수와 2*샘플링 주파수 사이의 범위이다.

상기 기술적 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 양자화 된 가속도 모멘텀을 이용한 걸음 검출 장치는, 사용자의 보행에 따른 가속도를 측정하고, 상기 가속도의 모멘텀(momentum)을 연산하는 모멘텀 연산부; 상기 모멘텀에 저역 통과 필터를 적용하여 노이즈를 제거하고, 모멘텀을 양자화 하는 모멘텀 양자화부; 상기 양자화 된 모멘텀의 기울기가 상승에서 하강으로 변하는 지점을 피크로, 하강에서 상승으로 변하는 지점을 밸리로 검출하는 피크-밸리 검출부; 및 제i 피크와 제(i-1) 피크의 양자화 된 모멘텀 값이 연속하여 기 설정된 피크 임계치를 넘고, 제i 피크와 제i 밸리의 양자화 된 모멘텀 값의 차이가 기 설정된 피크-밸리 임계치를 넘는 경우에 이를 한 걸음으로 판단하는 걸음 판단부를 포함할 수 있다.

본 발명에 따른 효과는 다음과 같다.

본 발명에서 제안하는 걸음 검출 방법을 이용하면 손목에 착용한 웨어러블 기기의 3축 가속도 센서를 이용하여 걸음을 검출할 때 다양한 걸음의 형태에 대해 보다 강인하게 걸음을 검출할 수 있다.

본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 일 실시예에 따른 양자화된 가속도 모멘텀 신호를 이용한 걸음 검출 방법의 순서도이다.
도 2는 도 1의 중력 단위(G)로 신호를 스케일링 하는 단계(S1100)를 설명하기 위한 도면이다.
도 3는 도 1의 가속도 모멘텀 신호를 산출하는 단계(S1200)를 설명하기 위한 도면이다.
도 4 내지 도 5는 도 1의 모멘텀 신호에 대해 전처리를 수행하는 단계(S1300)를 설명하기 위한 도면이다.
도 6 내지 도 7은 도 1의 모멘텀 신호를 양자화 하는 단계(S1400)를 설명하기 위한 도면이다.
도 8은 도 1의 양자화된 모멘텀 신호에서 피크와 밸리를 검출하는 단계(S1500)를 설명하기 위한 도면이다.
도 9 내지 도 10은 도 1의 걸음을 검출하는 단계(S1600)를 설명하기 위한 도면이다.
도 11a 내지 도 11c는 본 발명의 일 실시예에 따른 걸음 검출 방법의 실험 결과를 설명하기 위한 도면이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 본 발명의 일 실시예에 따른 양자화된 가속도 모멘텀 신호를 이용한 걸음 검출 방법의 순서도이다.

도 1을 참고하면, 우선 중력 단위(G)로 신호를 스케일링한다(S1100). 가속도 센서의 임베디드 설정에 따라 측정값의 범위가 달라질 수 있으므로 이를 동일한 기준으로 맞추기 위한 일종의 전처리 과정이다. 이에 대해서는 도 2에서 보다 자세히 설명하기로 한다.

다음으로 가속도 모멘텀 신호를 산출한다(S1200). 손목에 웨어러블 기기를 착용하고 걸을 경우 착용 방향에 따라서 서로 다른 파형의 신호가 얻어질 수 있다. 따라서 신호의 방향성을 고려하지 않기 위해서 모멘텀 신호를 산출한다. 이에 대해서는 도 3에서 보다 자세히 설명하기로 한다.

다음으로 모멘텀 신호에 대해 전처리를 수행한다(S1300). 예를 들면 노이즈를 제거하기 위해 FIR 저역 통과 필터 등을 사용하여 모멘텀 신호의 특징을 더욱 잘 추출할 수 있도록 전처리 과정을 거친다. 이에 대해서는 도 4 내지 도 5에서 보다 자세히 설명하기로 한다.

다음으로 모멘텀 신호를 양자화 한다(S1400). 이는 걷기 상태가 아닌 경우에도 걸음 수가 검출될 수 있기 때문에 이를 방지하기 위한 과정이다. 이에 대해서는 도 6 내지 도 7에서 보다 자세히 설명하기로 한다.

다음으로 양자화된 모멘텀 신호에서 피크와 밸리를 검출한다(S1500). 피크는 양자화된 모멘텀 신호가 높아지는 구간이고 밸리는 양자화된 모멘텀 신호가 낮아지는 구간을 의미한다. 이에 대해서는 도 8에서 보다 자세히 설명하기로 한다.

마지막으로 걸음을 검출한다(S1600). 이는 이전 단계에서 구한 피크와 밸리를 이용하여 다양한 걷기 형태에 대해서도 걸음이 검출한다. 이에 대해서는 도 9 내지 도 10에서 보다 자세히 설명하기로 한다.

도 2는 도 1의 중력 단위(G)로 신호를 스케일링 하는 단계(S1100)를 설명하기 위한 도면이다.

우선 본 발명의 각 단계에 대해 세부적으로 설명을 하기에 앞서, 본 발명의 실험에서 사용된 웨어러블 기기에 대해서 설명을 하면, 해당 기기는 MCU, 3축 가속도 센서, Micro SD 메모리로 구성되어 있다. MCU는 ARM사의 CORTEX-M4를 사용하였고, 3축 가속도 센서는 LSM6DS3TR로 16bit의 분해능을 가지며 최대 진폭은 ±2G이다. 샘플링 주파수는 32Hz로 설정하여 데이터를 획득하였으며 획득된 데이터는 Micro SD 메모리에 저장하였다.

이와 같은 기기를 손목에 착용하고 평지를 일반적인 걸음 상태로 걷게 되면 도 2와 같은 그래프를 얻을 수 있다. 도 2에서 파란색은 x축, 빨간색은 y축, 노란색은 z축 방향의 가속도 센서의 측정값을 나타낸다. 도 2에서도 볼 수 있듯이 양 팔을 앞뒤로 흔드는 일반적인 걷기 상태에서는 x축 방향으로 중력가속도의 영향을 받아 1G 이상이 측정되는 것을 볼 수 있다.

이때 웨어러블 기기의 임베디드 설정에 따라 측정값의 범위가 달라질 수 있다. 이러한 경우에는 다른 범위로 측정이 수행될 수 있으므로 측정값을 스케일링하여 동일한 기준으로 맞춰줄 필요가 있다. 이러한 중력가속도의 단위로 변환하기 위한 수식은 다음의 수학식 1 및 수학식 2와 같다.

[수학식 1]

여기서 G_saturation은 가속도 센서 측정 범위 설정 값이고, N_resolusion은 ADC(Analog to Digital Converter)의 분해능 설정 값이고, G_divisor는 가속도 센서 측정 범위 설정 값과 ADC의 분해능 설정 값에 의해 측정할 수 있는 단위 중력가속도 크기이다.

앞선 웨어러블 기기에 대한 설명에서 최대 진폭은 ±2G라고 하였으므로 G_saturation은 4G가 되며, 분해능은 16bit라고 하였으므로 N_resolusion은 16bit가 되며, 이로 인한 G_divisor는 2¹⁵이 된다. 다만 이는 발명의 이해를 돕기 위한 예시이며 이는 웨어러블 기기의 스펙에 따라 다른 값을 가질 수 있다.

이렇게 구한 G_divisor를 이용하여 가속도 센서의 각 축의 측정 값을 단위 중력가속도의 값으로 변환할 수 있다. 이를 위한 수학식은 다음의 수학식 2와 같다.

[수학식 2]

여기서 a는 x축, y축, z축 각 축에서 측정된 가속도 값이고, G_divisor는 이를 변환하기 위한 단위 중력가속도 값이다. 이렇게 각 센서의 측정값을 변환하여 단위 중력가속도로 표현할 수 있다. 다만 이와 같은 단계는 선택적으로 수행이 가능하다. 즉 수행하지 않더라도 충분히 걸음을 검출할 수 있다.

도 3는 도 1의 가속도 모멘텀 신호를 산출하는 단계(S1200)를 설명하기 위한 도면이다.

도 2에서 살펴본 것처럼 가속도 센서는 일반적으로 3축 가속도 센서를 이용하고 이때, 걷기의 방향에 따라 특정 축의 가속도 값이 주로 변하게 된다. 이러한 방향성을 상쇄하기 위해서는 3축의 가속도 값을 이용하여 하나의 값을 만들 필요가 있다.

모멘텀(Momentum)은 운동량으로서 물체의 질량과 속도의 곱으로 표현된다. 가속도 신호에서의 모멘텀은 각 축별 가속도 신호에서 방향성을 제거한 가속도 크기를 뜻한다. 가속도 신호는 중력가속도를 측정하기 때문에 착용 방향에 따라서 다른 파형의 신호가 얻어질 수 있다. 이때 가속도 신호의 모멘텀을 산출하면 센서의 방향성을 고려하지 않고 가속도 신호를 처리할 수 있다.

이를 위해서 SVM(Signal Vector Magnitude)를 적용하여 중력에 대한 모멘텀을 계산할 수 있다. SVM(Signal Vector Magnitude)을 적용하여 모멘텀을 구하는 수학식은 다음의 수학식 3과 같다.

[수학식 3]

x축, y축, z축 각 방향에 대해 단위 중력가속도로 변환된 값을 제곱하여 더하고, 그 값의 제곱근을 구하면 모멘텀으로 사용할 수 있다. 수학식 3에서 볼 수 있듯이 3개의 축의 측정값으로부터 하나의 값을 얻을 수 있으므로 방향성을 제거할 수 있다.

도 2의 그래프에 대해서 모멘텀을 구해서 도시하면 도 3과 같은 결과를 얻을 수 있다. 도 3을 참고하면, 중력가속도의 값이 가장 클 때는 1.7에 가까운 값을 가지고 가장 작을 때는 0.4에 가까운 값을 가지게 된다.

도 4 내지 도 5는 도 1의 모멘텀 신호에 대해 전처리를 수행하는 단계(S1300)를 설명하기 위한 도면이다.

도 4는 도 3의 모멘텀을 도시한 그래프에서 특정 구간을 a로 표시한 도면이다. 도 4에서 a구간을 자세히 살펴보면 잡음이 섞여 있는 것을 볼 수 있다. 이러한 잡음 성분을 제거하기 위해서 전처리 과정을 수행할 수 있다. 구체적으로는 LPF(Low Pass Filter)를 적용하여 잡음을 제거할 수 있다.

이때 사용할 LPF의 일 예를 들어보자면, 샘플링 주파수 Fs를 32Hz로 하고, 차단 주파수를 0.5Hz로 하고, 계수 n을 5로 하여 FIR(finite impulse response) 필터를 설계하여 적용할 수 있다. 여기서 차단 추파수는 사람의 초당 최대 걸음수를 나타내는 기준 걸음 주파수를 나타낸다. 그러면 도 5와 같은 결과를 얻을 수 있다.

도 4와 도 5를 비교해보면 도 4의 a구간과 같은 노이즈가 제거되고 모멘텀 신호가 상대적으로 높은 피크와 낮은 피크를 반복하는 것을 볼 수 있다. 상대적으로 높은 피크에서는 피검자가 디바이스를 착용한 팔의 반대 측 발을 딛을 때의 파형이고, 상대적으로 ?F은 피크에서는 피험자가 디바이스를 착용한 팔과 같은 발을 딛을 때의 파형이다.

도 6 내지 도 7은 도 1의 모멘텀 신호를 양자화 하는 단계(S1400)를 설명하기 위한 도면이다.

노이즈를 제거한 도 5를 참고하면, 걷기 상태가 아닌 경우에도 걸음 수가 검출될 수 있다. 이를 방지하기 위해서 양자화를 수행할 수 있다. 양자화를 수행하기 위해서는 다음의 수학식 4를 이용할 수 있다.

[수학식 4]

여기서 m_q는 양자화된 모멘텀의 값이다. 그리고 m_f는 필터링된 모멘텀의 값이다. 그리고 Q_level은 양자화 시 나누는 단계를 말하며 값은 본 발명에서는 0.3으로 설정하였다. 마지막으로 Q_bias는 양자화 시 [0.9, 0]의 값들을 0으로 만들어주기 위해 더해주는 값으로 본 발명에서 0.1로 설정하였다. 수학식 4에서 Q_level와 Q_bias의 값은 발명의 이해를 돕기 위해 예시한 것으로 다른 값으로도 설정이 가능하다.

그리고 수학식 4에 사용되는 Gauss(x) 함수는 x를 넘지 않는 최대의 정수를 구하는 함수로 도 7에 가우스 함수의 그래프가 도시되어 있다. 수학식 4를 이용하여 양자화를 수행하면 도 6과 같은 그래프를 얻을 수 있다. 도 6을 참고하면 모멘텀의 값이 계단과 유사한 형태로 도시된 것을 볼 수 있다.

도 8은 도 1의 양자화된 모멘텀 신호에서 피크와 밸리를 검출하는 단계(S1500)를 설명하기 위한 도면이다.

도 6의 양자화 된 신호로부터 걸음 수를 검출하기 위해서는 피크와 밸리를 이용할 수 있다. 이때 다음의 수학식 5와 수학식 6을 이용하여 피크와 밸리 포인트를 검출할 수 있다.

[수학식 5]

[수학식 6]

수학식 5는 상태 S를 구하는 함수로 상태는 0 또는 1의 값을 갖는다. 모멘텀 신호의 값이 이전 값보다 증가하면 1, 감소하면 0을 갖고 값이 동일하면 이전 상태의 값을 갖도록 정의한다.

다음으로 수학식 6은 피크 여부를 나타내는 P를 구하는 함수로 상태의 값이 증가하면 peak로 판단하고, 감소하면 valley로 판단하고 그 외의 경우에는 none으로 판단하는 함수이다. 이와 같은 수학식 5와 수학식 6을 도 6의 그래프에 적용하면 도 8과 같은 그래프를 얻을 수 있다.

도 8에서 파란점은 피크인 지점을 나타내고 빨간점은 밸리인 지점을 나타낸다. 이렇게 구한 피크와 밸리를 이용해서 다양한 형태의 걸음에도 강인하게 걸음을 검출할 수 있는 알고리즘을 적용할 수 있다.

도 9 내지 도 10은 도 1의 걸음을 검출하는 단계(S1600)를 설명하기 위한 도면이다.

도 9를 참고하면 본 발명에서 제안하는 걸음을 검출하는 알고리즘을 확인할 수 있다. 우선 도 8의 예에서 샘플링 데이터는 4400부터 5200까지 있다. 그러면 각각의 측정 데이터에 대해서 순차적으로 도 9의 단계들을 반복적으로 수행한다(S1610).

우선 현재 피크 P의 값이 1G보다 큰지 확인한다(S1620). 즉 도 8의 예에서 피크로 마크한 파란색 지점들의 모멘텀 값이 1보다 큰지 살펴본다. 만약 현재 피크 지점의 값이 1보다 크지 않다면, 현재 피크의 값이 1보다 크거나 같은지 확인한다(S1625). 즉 현재 피크의 값이 1인지 확인한다.

만약 현재 피크의 값이 1보다 작다면 해당 피크의 지점은 걷기가 아닌 것으로 판단한다(S1645). 반대로 현재 피크의 값이 1보다 크다면 마찬가지로 이전 피크의 값을 확인하는 단계(S1630)으로 넘어간다. 또한 현재 피크의 값이 1이라면 이전 피크의 값을 확인하는 단계(S1635)로 넘어간다.

만약 현재 피크의 값이 1보다 크고(S1620), 이전 피크의 값이 1보다 크거나 같다면(S1630), 현재 피크 값과 이전 밸리 값의 차이를 비교하는 단계(S1640)으로 넘어간다. 하지만 현재 피크의 값이 1보다 크지만(S1620) 이전 피크의 값이 1보다 작다면(S1630) 걷기가 아닌 행동으로 판단한다(S1645). 이는 걷기 동작을 하는 경우에는 일반적으로 팔을 규칙적으로 흔들기 때문에 이를 반영하기 위한 것이다. 또한 우산을 잡거나 주머니에 손을 넣더라도 팔은 몸에 밀착되어 걸음에 따라 규칙적으로 움직이므로 이를 반영하기 위한 것이다.

만약 현재 피크의 값이 1이고(S1625), 이전 피크의 값이 1보다 크다면(S1635) 역시 마찬가지로 현재 피크 값과 이전 밸리 값의 차이를 비교하는 단계(S1640)으로 넘어간다. 하지만 현재 피크의 값이 1이지만(S1625) 이전 피크의 값이 1보다 작다면(S1635) 걷기가 아닌 행동으로 판단한다(S1645).

S1620 단계부터 S1635 단계가 다소 복잡하게 도시되어 있지만 결론은 이전 피크의 값과 현재 피크의 값이 연속적으로 1을 넘거나 같은 경우에는 걸음으로 판단할 여지가 있고 그 외의 경우에는 걸음이 아닌 것으로 판단하는 것이 특징이다. 여기서 1이 기준점이 될 수 있는 이유는 앞선 단계에서 단위 중력가속도로 스케일링을 수행하였기 때문이다.

현재 피크의 값과 이전 피크의 값을 1과 비교해서 걸음으로 판단할 여지가 있는 경우에는 현재 피크의 값과 이전 밸리의 값을 비교한다(S1640). 만약 그 값이 0.3보다 크다면 걷기로 볼 가능성이 남아있지만, 그 값이 0.3보다 크지 않다면 이는 걷는 행동으로 볼 수 없다(S1645).

현재 피크의 값과 이전 밸리의 값을 비교하여 그 값의 차이가 0.3보다 크다면(S1640), 다음으로 현재 피크와 이전 피크 사이의 거리를 측정한다(S1640). 그 거리가 8개의 샘플링 데이터를 넘어서는 경우에는 걷기로 볼 가능성이 남아있지만, 아닌 경우에는 걷는 행동으로 볼 수 없다(S1645).

또한 현재 피크와 이전 피크 사이의 거리가 8개의 샘플링 데이터를 넘어서더라도(1640), 64개의 샘플링 데이터를 넘어서는 경우에는 또 너무 멀리 떨어진 피크 사이의 거리이므로 이 경우에도 걷는 행동으로 볼 수 없다(S1645). 대신 64개의 샘플링 데이터 이내의 거리인 경우에는 걷기 행동으로 판단한다(S1670).

이와 같은 과정을 각각의 측정 데이터 i에 대해서 반복적으로 수행하면 해당 i번째의 데이터가 걸음인지 아닌지에 대한 판단이 가능하다. 여기서 피크 사이의 거리로 8개의 샘플보다는 크고 64개의 샘플보다는 작을 것을 요구하는 것은 0.25*샘플링 주파수(32Hz)를 통해서 최소 범위 8개를 구하고 2*샘플링 주파수(32Hz)를 통해서 최대 범위 64를 구한 것이다. 즉 피크와 피크 사이의 범위를 체크하는 S1650 단계와 S1660 단계를 샘플링 주기에 따라서 다른 기준으로 범위를 체크할 수 있다.

도 9의 각 단계가 다소 복잡하게 표현되어 있지만 이를 추상적으로 표현하면 1) 현재 피크와 이전 피크가 연속적으로 기 설정된 제1 기준치를 넘고, 2) 현재 피크와 이전 밸리의 값의 차이가 기 설정된 제2 기준치를 넘으면서, 3) 현재 피크와 이전 피크 사이의 거리가 정해진 범위 안에 들어오면 최종적으로 걸음으로 판단하는 것이다. 이와 같은 과정을 거쳐서 걸음으로 판단된 지점들은 도 10에서 빨간색으로 표시하였다. 이러한 빨간 점의 수를 세면 걸음 수를 측정할 수 있다.

도 11a 내지 도 11c는 본 발명의 일 실시예에 따른 걸음 검출 방법의 실험 결과를 설명하기 위한 도면이다.

도 11a 내지 도 11c의 구체적인 실험 결과를 위해서, 실험은 25~30세 성인 남성 5명을 대상으로 진행하였다. 피험자들은 손목에 본 연구에서 사용된 디바이스를 착용한 뒤 1) 트레드밀에서 걷기, 뛰기와 더불어 2) 평지에서 양팔을 흔들며 자연스럽게 걷기(일반적인 걷기), 3) 우산 들고 걷기, 4) 겉옷 주머니에 손 넣고 걷기, 5) 상의 및 하의 주머니에 손 넣고 걷기를 진행하였고 이 중 2명을 대상으로 1일 이상의 연속된 신호를 수집하는 실험을 진행하였다.

우선 도 11a를 참고하면 Nr은 실제로 측정한 걸음 횟수이고, Na_up과 Na_down은 착용 방향에 따라 다르게 얻어진 신호에 대해서 도 9의 알고리즘이 추정한 걸음 횟수이다. R은 각 방향에 대해서 다음의 수학식 7을 적용하여 계산한 정확도이다. 또한 도 11a에서 일부는 -로 처리가 되어 있는데 이는 데이터가 일부분 손실되어 제대로 추정하기 못한 실험이다.

[수학식 7]

도 11a에서 #1 실험자를 살펴보면 본 발명에서 제안하는 방법을 이용하면 걷는 경우에는 99.44%의 정확도를 뛰는 경우에는 99.52%의 정확도를 보인다.

또한 #2 실험자를 살펴보면 본 발명에서 제안하는 방법을 이용하면 걷는 경우에는 97.25%의 정확도를 뛰는 경우에는 99.58%의 정확도를 보인다.

또한 #3 실험자를 살펴보면 본 발명에서 제안하는 방법을 이용하면 뛰는 경우에는 98.52%의 정확도를 보인다.

또한 #4 실험자를 살펴보면 본 발명에서 제안하는 방법을 이용하면 걷는 경우에는 98.12%의 정확도를 뛰는 경우에는 92.06%의 정확도를 보인다.

또한 #5 실험자를 살펴보면 본 발명에서 제안하는 방법을 이용하면 뛰는 경우에는 99.42%의 정확도를 보인다.

도 11a의 실험 결과를 종합하면 전체적으로 97.47%라는 높은 정확도로 걸음을 검출하는 것을 볼 수 있다.

그 외에도 도 11b를 살펴보면 #1 실험자의 경우 걷는 경우에는 95.78%, 우산을 들고 걷는 경우에는 88.20%, 겉옷 주머니에 손을 넣고 걷는 경우에는 92.00%의 정확도로 걸음을 검출했다.

또한 #2 실험자의 경우 걷는 경우에는 96.80%, 우산을 들고 걷는 경우에는 98.60%, 하의 주머니에 손을 넣고 걷는 경우에는 95.80%, 겉옷 주머니에 손을 넣고 걷는 경우에는 100%의 정확도로 걸음을 검출했다.

또한 #3 실험자의 경우 걷는 경우에는 90.60%, 우산을 들고 걷는 경우에는 98.80%, 하의 주머니에 손을 넣고 걷는 경우에는 91.80%, 겉옷 주머니에 손을 넣고 걷는 경우에는 99.20%의 정확도로 걸음을 검출했다.

도 11b의 실험 결과를 종합하면 전체적으로 95.49% 라는 높은 정확도로 걸음을 검출하는 것을 볼 수 있다.

도 11c의 실험 결과는 연속적으로 이틀에 걸쳐 2명의 실험자에 대해서 걸음을 검출한 결과이다. #1 사용자의 경우 1일차에는 95.10%, 2일차에는 98.06%의 정확도를 보였으며, #2 사용자의 경우 1일차에는 96.75%, 2일차에는 95.44%의 정확도를 보였다.

도 11c의 실험 결과를 종합하면 전체적으로 96.34% 라는 높은 정확도로 걸음을 검출하는 것을 볼 수 있다.

이처럼 본 발명에서 제안하는 걸음 검출 방법을 이용하면 90% 이상의 높은 정확도로 걸음을 검출할 수 있다. 이는 단위 중력가속도로 스케일링 하는 단계와, 노이즈를 제거하는 단계, 양자화를 수행하는 단계, 피크와 밸리를 검출하는 단계 및 피크와 밸리 사이의 조건을 확인하여 걸음을 검출하는 단계를 통해서 이와 같은 높은 정확도를 보일 수 있다.

이상 첨부된 도면을 참조하여 본 발명의 실시 예들을 설명하였지만, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.

Claims

걸음 검출 장치가, 사용자의 보행에 따른 가속도를 측정하고, 상기 가속도의 모멘텀(momentum)을 연산하는 단계;
상기 걸음 검출 장치가, 상기 모멘텀에 저역 통과 필터를 적용하여 노이즈를 제거하고, 모멘텀을 양자화 하는 단계;
상기 걸음 검출 장치가, 상기 양자화 된 모멘텀의 기울기가 상승에서 하강으로 변하는 지점을 피크로, 하강에서 상승으로 변하는 지점을 밸리로 검출하는 단계; 및
상기 걸음 검출 장치가, 제i 피크와 제(i-1) 피크의 양자화 된 모멘텀 값이 연속하여 기 설정된 피크 임계치를 넘고, 제i 피크와 제i 밸리의 양자화 된 모멘텀 값의 차이가 기 설정된 피크-밸리 임계치를 넘는 경우에 이를 한 걸음으로 판단하는 단계를 포함하는,
양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법.
제1항에 있어서,
상기 가속도의 모멘텀(momentum)을 연산하는 단계는,
상기 가속도를 단위 중력가속도로 스케일링 하는 단계를 포함하는,
양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법.
제2항에 있어서,
상기 가속도를 단위 중력가속도로 스케일링 하는 단계는,
다음의 수학식 2를 이용하여 스케일링을 수행하고,
[수학식 2]

여기서 a는 x축, y축, z축 각 축에서 측정된 가속도 값이고,
G_divisor는 이를 변환하기 위한 단위 중력가속도 값으로 다음의 수학식 1을 통해 산출되는 값이고,
[수학식 1]

여기서, G_saturation은 가속도 센서 측정 범위 설정 값이고,
N_resolusion은 ADC(Analog to Digital Converter)의 분해능 설정 값인,
양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법.
제1항에 있어서,
상기 가속도의 모멘텀(momentum)을 연산하는 단계는,
다음의 수학식 3을 이용하여 가속도의 모멘텀(m)을 연산하는 것이고,
[수학식 3]

여기서 a는 x축, y축, z축 각 축에서 측정된 가속도 값인,
양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법.
제1항에 있어서,
상기 모멘텀에 저역 통과 필터를 적용하여 노이즈를 제거하고, 모멘텀을 양자화 하는 단계는,
사람의 초당 최대 걸음수를 나타내는 기준 걸음 주파수로 저역 통과 필터링를 수행하는 단계를 포함하는,
양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법.
제1항에 있어서,
상기 모멘텀에 저역 통과 필터를 적용하여 노이즈를 제거하고, 모멘텀을 양자화 하는 단계는,
다음의 수학식 4를 이용하여 양자화를 수행하는 것이고,
[수학식 4]

여기서 m_q는 양자화된 모멘텀의 값이고,
m_f는 필터링 된 모멘텀의 값이고,
Q_level은 양자화 시 나누는 단계이고,
Q_bias는 양자화 시 값의 조정을 위한 바이어스 값인,
양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법.
제1항에 있어서,
상기 양자화 된 모멘텀에서 피크와 밸리를 검출하는 단계는,
다음의 수학식 5 및 6을 이용하여 피크와 밸리를 검출하는 것이고
[수학식 5]

여기서 m_q는 양자화된 모멘텀의 값이고,
S는 i번째 지점의 상태를 나타내는 값이고,
[수학식 6]

P는 i번째 지점의 피크 여부를 나타내는 값인,
양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법.
제1항에 있어서,
상기 한 걸음으로 판단하는 단계는,
제i 피크와 제(i-1) 피크 사이의 거리가 기 설정된 피크-피크 거리 범위에 포함되는 경우에 한하여 이를 한 걸음으로 검출하는 단계를 포함하는,
양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법.
제8항에 있어서,
상기 피크 임계치는 1G인,
양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법.
제8항에 있어서,
상기 피크-밸리 임계치는 0.3G인,
양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법.
제8항에 있어서,
상기 피크-피크 거리 범위는 0.25*샘플링 주파수와 2*샘플링 주파수 사이의 범위인,
양자화 된 가속도 모멘텀을 이용한 걸음 검출 방법.
사용자의 보행에 따른 가속도를 측정하고, 상기 가속도의 모멘텀(momentum)을 연산하는 모멘텀 연산부;
상기 모멘텀에 저역 통과 필터를 적용하여 노이즈를 제거하고, 모멘텀을 양자화 하는 모멘텀 양자화부;
상기 양자화 된 모멘텀의 기울기가 상승에서 하강으로 변하는 지점을 피크로, 하강에서 상승으로 변하는 지점을 밸리로 검출하는 피크-밸리 검출부; 및
제i 피크와 제(i-1) 피크의 양자화 된 모멘텀 값이 연속하여 기 설정된 피크 임계치를 넘고, 제i 피크와 제i 밸리의 양자화 된 모멘텀 값의 차이가 기 설정된 피크-밸리 임계치를 넘는 경우에 이를 한 걸음으로 판단하는 걸음 판단부를 포함하는,
양자화 된 가속도 모멘텀을 이용한 걸음 검출 장치.