WO2017160080A1 - 칼로리 소비량 추정 장치 및 그 방법 - Google Patents

칼로리 소비량 추정 장치 및 그 방법 Download PDF

Info

Publication number
WO2017160080A1
WO2017160080A1 PCT/KR2017/002801 KR2017002801W WO2017160080A1 WO 2017160080 A1 WO2017160080 A1 WO 2017160080A1 KR 2017002801 W KR2017002801 W KR 2017002801W WO 2017160080 A1 WO2017160080 A1 WO 2017160080A1
Authority
WO
WIPO (PCT)
Prior art keywords
energy
function
amount
conversion
calculating
Prior art date
Application number
PCT/KR2017/002801
Other languages
English (en)
French (fr)
Inventor
조위덕
이규필
Original Assignee
아주대학교산학협력단
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 아주대학교산학협력단 filed Critical 아주대학교산학협력단
Publication of WO2017160080A1 publication Critical patent/WO2017160080A1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb

Definitions

  • the present invention relates to an apparatus and method for estimating calorie consumption of a user using an acceleration sensor output value.
  • Existing methods for estimating physical activity or energy consumption include, for example, methods of estimating energy expenditure or metabolic equivalents using acceleration data.
  • Existing methods provide techniques for estimating acceleration data through various prediction formulas to calculate the amount of physical activity of a user or to classify life patterns.
  • the existing energy consumption estimation methods have a limited accuracy in estimating the actual calorie consumption of the user from the output of the acceleration sensor.
  • the amount of energy is calculated according to the output value of the acceleration sensor, and the calculated amount of energy is calculated by using an estimation function by calculating the amount of energy converted using at least one or more conversion functions, thereby more accurately estimating the calorie consumption of the user.
  • the calorie consumption estimation method receives the acceleration measurement value for each axis direction measured by the acceleration sensor for each time, by time using the acceleration measurement value for each axis direction An energy amount calculating step of calculating energy and calculating an amount of energy for a predetermined time according to the calculated time-specific energy; A conversion step of converting the amount of energy by using a preset conversion function to calculate the converted amount of energy; And estimating the energy consumption amount of the user by inputting the converted energy amount into a preset estimation function.
  • the three-axis acceleration measurement value measured by the acceleration sensor may be input, and the energy for each time may be calculated according to the sum of the absolute value or the square value of the three-axis acceleration measurement value.
  • the energy amount calculating step may calculate the energy amount according to the sum of the energy for each time period for a predetermined time.
  • the converted amount of energy may be calculated for each of the conversion functions, using at least two preset conversion functions.
  • the transform function may be any one of a logarithmic transform function, an average transform function, a square mean square root transform function, a variance transform function, a standard deviation transform function, an absolute mean deviation transform function, and a quadrant transform function.
  • the converting step includes a logarithmic transform function, an average transform function, a root mean square transform function, a variance transform function, a standard deviation transform function, an absolute mean deviation transform function, and a quadrant transform function as the transform function, Accordingly, the converted amount of energy may be calculated for each conversion function.
  • the estimation function may be a linear function in which a coefficient of an input variable for inputting the converted energy amount is a preset function.
  • the estimating may calculate the energy consumption per unit weight of the user by calculating the converted energy amount as the estimation function.
  • the estimating step calculates an energy consumption per unit weight of the user by calculating the estimation function using each of the converted energy amounts as each input variable by using a plurality of the conversion functions, and the estimation function includes
  • the coefficient may be a preset linear polynomial.
  • the estimating step uses the logarithmic transform function, the mean transform function, the root mean square transform function, the variance transform function, the standard deviation transform function, the absolute mean deviation transform function, and the quadrant range transform function into each input variable.
  • the energy consumption per unit weight of the user may be calculated by calculating the estimation function.
  • the calorie consumption estimating method may further include a calorie consumption calculating step of calculating the total calorie consumption of the user by using the weight information of the user and the energy consumption per unit weight.
  • the calorie consumption estimating apparatus receives an acceleration measurement value for each axial direction measured by an acceleration sensor for each time, and time by using the acceleration measurement value for each axial direction.
  • An energy amount calculating unit for calculating star energy and calculating an amount of energy for a predetermined time according to the calculated time-specific energy;
  • a conversion unit converting the amount of energy by using a preset conversion function to calculate the converted amount of energy;
  • an estimator configured to calculate the energy consumption amount of the user by inputting the converted energy amount into a preset estimation function.
  • the energy amount calculating unit receives a three-axis acceleration measurement value measured by the acceleration sensor, calculates the energy for each time according to the sum of the absolute value or the square value of the three-axis acceleration measurement value, the predetermined energy for each time The amount of energy can be calculated according to the sum over time.
  • the conversion unit calculates the converted energy amount for each of the conversion functions by using the energy amount of at least two or more preset conversion functions, and the conversion function is a logarithmic conversion function, an average conversion function, and a root mean square conversion. It may be any one of a function, a variance transform function, a standard deviation transform function, an absolute mean deviation transform function, and a quadrant transform function.
  • the estimating unit calculates an energy consumption per unit weight of the user by calculating the estimating function using each of the transformed energy amounts as each input variable by using the plurality of transform functions, and the estimating function is a coefficient of the input variable. May be a preset linear polynomial.
  • the calorie consumption estimating apparatus may further include a calorie consumption calculator configured to calculate the total calorie consumption of the user using the weight information of the user and the energy consumption per unit weight.
  • the amount of energy is calculated according to the output value of the acceleration sensor, and the amount of energy converted using the at least one conversion function is calculated using the estimation function.
  • the calorie consumption of the user can be estimated more accurately.
  • FIG. 1 is a flowchart illustrating a calorie consumption estimation method according to an embodiment of the present invention.
  • FIG. 2 is a flowchart of a calorie consumption estimation method according to another embodiment of the present invention.
  • 3 is a reference diagram showing a scatter plot between the logarithmic value of energy amount and energy consumption per unit weight.
  • 4 is a reference diagram showing a scatter plot between the average value of the amount of energy and the energy consumption per unit weight.
  • 5 is a reference diagram showing a scatter plot between the root mean square value of energy amount and energy consumption per unit weight.
  • FIG. 6 is a reference diagram showing a scatter plot between a dispersion value of energy amount and energy consumption per unit weight.
  • FIG. 7 is a reference diagram showing a scatter plot between the standard deviation value of energy amount and the energy consumption per unit weight.
  • FIG. 8 is a reference diagram showing a scatter plot between an absolute average deviation value of energy amount and an energy consumption amount per unit weight.
  • 9 is a reference diagram for explaining an operation of a quadrant range conversion function.
  • FIG. 10 is a reference diagram showing a scatter plot between a quadrant range value of energy amount and energy consumption per unit weight.
  • FIG. 11 is a block diagram of an apparatus for estimating calorie consumption according to an embodiment of the present invention.
  • FIG. 12 is a block diagram of an apparatus for estimating calorie consumption according to another embodiment of the present invention.
  • Existing methods for estimating physical activity or energy consumption include methods for estimating energy expenditure or metabolic equivalents using acceleration data.
  • Existing methods provide techniques for estimating acceleration data through various prediction formulas to calculate the amount of physical activity of a user or to classify life patterns.
  • the existing energy consumption estimation methods have a limited accuracy in estimating the actual calorie consumption of the user from the output of the acceleration sensor.
  • the amount of energy is calculated according to the output value of the acceleration sensor, and the calculated amount of energy is calculated by using an estimation function by calculating the amount of energy converted using at least one or more conversion functions, thereby more accurately estimating the calorie consumption of the user.
  • An apparatus and a method thereof are provided.
  • the present invention is to provide an estimating apparatus and method using a plurality of transform functions and an estimation function derived according to a multiple linear regression analysis method to increase the estimation accuracy of calorie consumption.
  • FIG. 1 is a flowchart illustrating a calorie consumption estimation method according to an embodiment of the present invention.
  • the calorie consumption estimation method may include an energy amount calculation step S100, a conversion step S200, and an estimation step S300.
  • an acceleration measurement value for each axis direction measured by an acceleration sensor is input for each time, an energy for each time is calculated using the acceleration measurement value for each axis direction, and the calculated energy for time The amount of energy for a predetermined time is calculated accordingly.
  • the amount of energy is converted by using a preset conversion function to calculate the converted amount of energy.
  • the energy consumption amount of the user is calculated by inputting the converted energy amount into a preset estimation function.
  • the estimating step S300 may calculate the energy consumption per unit weight of the user by calculating the converted energy amount as the estimation function.
  • the calorie consumption estimation method according to the present invention may further include a calorie consumption calculation step (S400) as necessary.
  • the calorie consumption calculation step (S400) calculates the total calorie consumption of the user using the weight information of the user and the energy consumption per unit weight. For example, the total calorie consumption can be calculated by multiplying the calculated energy consumption per unit weight by weight.
  • FIG. 2 is a flowchart illustrating a calorie consumption estimation method according to the present invention in the above case.
  • the acceleration measurement step (S50) measures the acceleration for each axis direction using an acceleration sensor.
  • the acceleration sensor may be a three-axis, i.e. x, y, z-axis acceleration sensor.
  • the acceleration sensor may measure acceleration in each axis direction for each time and output the measured value.
  • the acceleration sensor may output acceleration in each axis direction measured at predetermined time intervals.
  • the acceleration sensor may measure accelerations in the x, y, and z axis directions at an i th time index to determine a xi , a yi , a zi.
  • the z-axis direction may be defined as a gravity direction
  • the x and y-axis directions may be defined as axial directions that are orthogonal to each other and orthogonal to the z-axis direction.
  • an acceleration measurement value for each axis direction measured by an acceleration sensor is input for each time, an energy for each time is calculated using the acceleration measurement value for each axis direction, and the calculated energy for time The amount of energy for a predetermined time is calculated accordingly.
  • the energy amount calculating step S100 may receive a 3-axis acceleration measurement value measured by the acceleration sensor. I.e. a xi , a yi , a zi Can be input.
  • energy may be calculated using the triaxial acceleration measurement value.
  • the energy for each time may be defined as the sum of square values of triaxial acceleration measurements measured for each time.
  • the time-specific energy may be calculated as in Equation 1 below.
  • E i is the energy at the i th time index and a xi , a yi , a zi Denotes the acceleration in each axis direction at the i th time index.
  • the time-specific energy may be defined as the sum of absolute values of triaxial acceleration measurements measured by time.
  • the time-specific energy may be defined as a value calculated by using another calculation function that calculates the magnitude of the triaxial acceleration measurement value as needed.
  • the energy amount calculating step S100 may calculate the energy amount according to the sum of the energy for each time for a predetermined time.
  • the energy amount may be calculated as in Equation 2 below.
  • S is the energy amount and n is a value representing a predetermined length of time.
  • n 100 energy per hour for a 10 second time period.
  • the amount of energy may also be calculated at predetermined time intervals. That is, for example, the energy amount according to the time-specific energy from 0 second to 10 seconds may be calculated, and then the energy amount according to the time-specific energy from t seconds to 10 + t seconds after a predetermined time interval t seconds may be calculated.
  • the time index for the amount of energy S may also be given in the form of S i .
  • the relationship between the amount of energy S and the actual amount of calories consumed was analyzed by analyzing the amount of energy S calculated from the measured value of the acceleration sensor and the actual measured calorie consumption.
  • statistically analyzing the relationship between the converted energy amount converted using the conversion function and the calorie consumption of the actual test subject, and the converted energy amount as an input variable The parameter of the estimation function with the energy consumption per weight as an output value was obtained.
  • the present invention estimates the energy consumption per unit weight from the energy amount according to the output value of the acceleration sensor according to the user's movement by using the estimation function to which the obtained parameter is applied, and estimates the calorie consumption of the user from this.
  • a predetermined predesigned conversion function may be used to accurately estimate the calorie consumption of the user from the amount of energy according to the output value of the acceleration sensor.
  • one or more transform functions may be used as described below.
  • the energy consumption per unit weight may be estimated using an estimation function using each converted energy amount obtained by converting the energy amount using at least one or more conversion functions as an input variable.
  • the estimation function may be a linear function using the converted energy amounts as input variables, and each coefficient of the input variable of the linear function may be calculated in advance through a linear regression analysis method according to experimental data.
  • the estimation function when the estimation function is set as a linear function having one input variable, the estimation function may be set as shown in Equation 3 below.
  • X is the input variable of the estimation function and Y is the output of the estimation function.
  • ⁇ and ⁇ are parameters of the estimation function.
  • Equation 3 may be modified to Equation 4 for linear regression analysis.
  • I is an index indicating the i th sample data of the experimental data.
  • the input variable of the estimation function may be converted energy obtained by converting the amount of energy into a conversion function.
  • the transform function is a log transform function, an average transform function, a square root mean square transform function, a variance transform function, a standard deviation transform function, an absolute mean deviation transform function, a quadrant transform function, as described in detail in the conversion step (S200). Can be either.
  • the output value of the estimation function may be an energy consumption per unit weight of the user.
  • the output value of the estimation function may be energy consumption per unit weight of the user, and the calorie consumption of the user may be finally estimated by multiplying the output value of the estimation function by the user's weight.
  • ⁇ and ⁇ may be calculated to minimize the error term e i for the experimental data using the linear regression analysis.
  • the linear regression method may use a known method.
  • a method of calculating the parameters of the estimation function- ⁇ , ⁇ -in the case of Equations 3 and 4 by using linear regression analysis will be described.
  • Equation 8 9
  • the determination coefficient R 2 may be calculated as in Equation 10 below.
  • Such a determination coefficient R 2 ranges from 0 to 1, and the larger the value, the higher the accuracy of the estimation function obtained by the linear regression method.
  • the result of the significance test on the coefficient ⁇ is performed.
  • the estimation function may be set to a linear function having a plurality of input variables.
  • an estimation function may be set as a linear function having M input variables as shown in Equation 11 below.
  • X m is the m th input variable of the estimation function and Y is the output value of the estimation function.
  • ⁇ is a constant and ⁇ m is the coefficient of the m th input variable.
  • X m may be calculated according to the m th conversion function F m as shown in Equation 12 below.
  • the energy amount may be converted using a plurality of different conversion functions, and the converted energy amount may be input as an input variable of the estimation function as shown in Equation 11 to calculate the energy consumption of the user.
  • the output value of the estimation function of Equation 11 may be an energy consumption amount per unit weight of the user.
  • the present invention has an effect of more accurately estimating the calorie consumption of the user from the amount of energy by using the estimation function using the amount of energy converted using the plurality of conversion functions as an input variable.
  • each coefficient of the input variable may be calculated using a multiple linear regression analysis method.
  • X m, i is the m th input variable of the estimation function and Y i is the output value of the estimation function.
  • i is the sample index
  • ⁇ is a constant
  • ⁇ m is the coefficient of the m th input variable.
  • the amount of energy is converted by using a preset conversion function to calculate the converted amount of energy.
  • the transform function is a function for calculating an input value that enters an input variable of the estimation function in the estimation step S300.
  • the amount of energy is calculated for each of the conversion functions. can do.
  • the conversion function may be any one of a logarithmic conversion function, an average conversion function, a root mean square conversion function, a variance conversion function, a standard deviation conversion function, an absolute mean deviation conversion function, and a quadrant conversion function.
  • the conversion step (S200) it is preferable to convert the amount of energy using the above-described functions as a conversion function, and estimate the energy consumption amount of the user in the estimation step (S300) using the conversion function.
  • the conversion step S200 may select a conversion function to be used as needed. For example, only one of the above-described conversion functions may be selected and used, n may be selected and used as needed, or all may be selected and used.
  • the number of converted energy amounts is also determined according to the number of transform functions used, and thus the number of input variables of the estimation function used in the estimation step S300 is also determined.
  • the subjects were 59 adult men and women between the ages of 21 and 38, and their weights ranged from 49.70 Kg to 115.70 Kg with an average age of 28 years. Statistical characteristics of the test subjects are shown in Table 1 below.
  • each data sample can be the output value of the 3-axis acceleration sensor for each hour and the energy consumption of the test subject for each hour obtained from the respiratory gas metabolism analyzer. Since the amount of energy for a predetermined time is calculated using the above data, and the weight information of each test subject is known, the energy consumption per unit weight of the test subject corresponding thereto can be obtained.
  • Equation 14 to Equation 18 to be described below S i may represent an amount of energy corresponding to each data sample of the experimental data in terms of calculating a parameter of a transform function through a regression analysis method.
  • S i may be the amount of energy calculated according to the acceleration measurement value of the acceleration sensor.
  • the calculated energy amount S i may be a value calculated according to energy for each time during a predetermined time, and each energy amount S i may be calculated for each time index i as time passes.
  • a logarithmic conversion function may be used as the conversion function.
  • the scatter plot between the log value ln (S) of the energy amount S and the energy consumption per unit weight of the test subject (Kcal / Kg) is shown in FIG. 3.
  • the value converted from the energy amount S into ln (S) and the energy consumption per unit weight can be fitted as a logarithmic function.
  • the log-transformed value of S is linearly related to the energy consumption per unit weight.
  • Equation 14 Equation 14 below.
  • a and b are parameters of a logarithmic conversion function, and the value may be set to a predetermined value according to a result of regression analysis on the experimental data obtained as shown in FIG. 3.
  • a may be a value of 1 to 2
  • b may be a value of -3 to-5, preferably a is 1.59
  • b is-according to the regression analysis results as shown in Table 3 below. It can have a value of 4.3283.
  • a and b may be set to different values as necessary, the estimation accuracy of the estimation function may deteriorate.
  • a mean transform function may be used as the transform function.
  • the average conversion function may be expressed as in Equation 15 below.
  • the scatter plot between the average value of the energy amount S and the energy consumption per unit weight of the test subject is shown in FIG. 4. Therefore, as shown in Equation 15, it is preferable that the conversion function is set such that the logarithm to the average value of the energy amount S and the energy consumption per unit weight have a linear relationship.
  • the parameters a and b of the mean conversion function may be set to a predetermined value according to a result of regression analysis on the experimental data obtained as shown in FIG. 4.
  • a may have a value of 0.5 to 1.5
  • b may have a value of 0.1 to 1.5.
  • A may have a value of 0.966 and b may have a value of ⁇ 0.7338.
  • a and b may be set to different values as necessary, the estimation accuracy of the estimation function may deteriorate.
  • a root mean square transform function may be used as the transform function.
  • root mean square conversion function may be expressed as in Equation 16 below.
  • the scatter plot between the root mean square value of the energy amount S and the energy consumption per unit weight of the test subject is shown in FIG. 5. Therefore, as shown in Equation 16, it is preferable that the conversion function is set such that the logarithm to the root mean square value of the energy amount S and the energy consumption per unit weight have a linear relationship.
  • the parameters a and b of the root mean square transform function may be set to a predetermined value according to a result of regression analysis on the experimental data obtained as shown in FIG. 5.
  • a may be a value of 0.01 to 0.1
  • b may be a value of-0.1 to-1, preferably according to the regression analysis results as shown in Table 3 below
  • A may be 0.0632 and b may have a value of ⁇ 0.4653.
  • a and b may be set to different values as necessary, the estimation accuracy of the estimation function may deteriorate.
  • a variation transformation function may be used as the transformation function.
  • the distributed transformation function may be expressed as in Equation 17 below.
  • var is a function that produces a variance
  • the scatter plot between the dispersion value of the energy amount S and the energy consumption per unit weight of the test subject is shown in FIG. 6. Therefore, as shown in Equation 17, it is preferable that the conversion function is set such that the logarithmic value of the energy amount S and the energy consumption per unit weight have a linear relationship.
  • the parameters a and b of the variance transformation function may be set to predetermined values according to a result of regression analysis on the experimental data obtained as shown in FIG. 6.
  • a may have a value of 0.01 to 0.1
  • b may have a value of ⁇ 0.01 to ⁇ 1, and preferably, according to a regression analysis result as shown in Table 3 below.
  • A may be 0.0222
  • b may have a value of -0.2671.
  • a and b may be set to different values as necessary, the estimation accuracy of the estimation function may deteriorate.
  • a standard deviation transform function may be used as the transform function.
  • Equation 18 the standard deviation transformation function
  • the scatter plot between the standard deviation value of the energy amount S and the energy consumption per unit weight of the test subject is shown in FIG. 7. Therefore, as shown in Equation 18, it is preferable that the conversion function is set such that the logarithm to the standard deviation value of the energy amount S and the energy consumption per unit weight have a linear relationship.
  • the parameters a and b of the standard deviation transformation function may be set to a predetermined value according to a result of regression analysis on the experimental data obtained as shown in FIG. 7.
  • a may be a value of 0.01 to 0.1
  • b may be a value of 0.01 to -1
  • a is 0.0443
  • b is-according to the regression analysis results as shown in Table 3 below. It may have a value of 0.2671.
  • a and b may be set to different values as necessary, the estimation accuracy of the estimation function may deteriorate.
  • an absolute mean deviation transformation function may be used as the transformation function.
  • Absolute mean deviation means the arithmetic mean of the absolute value of the deviation between each variable and the arithmetic mean of the variables.
  • the absolute mean deviation transformation function may be expressed as in Equation 19 below.
  • the scatter plot between the absolute mean deviation value of the energy amount S and the energy consumption per unit weight of the test subject is shown in FIG. 8. Therefore, as shown in Equation 19, it is preferable that the conversion function is set such that the logarithm to the absolute mean deviation value of the energy amount S and the energy consumption per unit weight have a linear relationship.
  • the parameters a and b of the absolute mean deviation transformation function may be set to a predetermined value according to a result of regression analysis on the experimental data obtained as shown in FIG. 8.
  • a may have a value of 0.01 to 0.1
  • b may have a value of ⁇ 0.01 to ⁇ 1, and preferably, according to a regression analysis result as shown in Table 3 below.
  • A may be 0.0493
  • b may be -0.2898.
  • a and b may be set to different values as necessary, the estimation accuracy of the estimation function may deteriorate.
  • an inter-quart range conversion function may be used as the conversion function.
  • the Inter Quartile Range also known as the Quadrant Deviation, is a quadrant (25% each) number of samples in the same distribution as in FIG. It means. Therefore, if the quadrant range is large, the data distribution is scattered. If the quadrant range value is small, the distribution is dense.
  • the scatter plot between the quadrant range of the energy amount S and the energy consumption per unit weight of the test subject is shown in FIG. 10.
  • the conversion function may be preferably set in the form of an exponential function.
  • the quadrant conversion function may be set as a log function or a linear function. This section describes the case where the conversion function is set as an exponential function.
  • the quadrant range conversion function may be expressed as Equation 20 below.
  • IQR is a function for calculating quadrants and exp is an exponential function.
  • the parameters a, b, and c of the quadrant range conversion function may be set to a predetermined value according to a result of regression analysis on the experimental data obtained as shown in FIG. 10.
  • a may have a value of 0.01 to 0.1
  • b may have a value of 0 to 1
  • c may have a value of ⁇ 1 to 1, preferably according to a regression analysis result as shown in Table 3 below.
  • A may be 0.0519
  • b may be 0.0001
  • c may be 0.
  • a, b, and c may be set to different values, but the estimation accuracy of the estimation function may deteriorate.
  • the conversion step (S200) may be performed using the log transform function, the mean transform function, the square root mean square transform function, the variance transform function, the standard deviation transform function, the absolute mean deviation transform function, and the quadrant transform function described above.
  • the amount of converted energy may be calculated for each conversion function according to the amount of energy. As described above, one transform function may be selected and used as needed, and two or more n transform functions may be selected and used to further increase the estimation accuracy. Alternatively, all of the above conversion functions may be used.
  • Table 3 shows the results of regression analysis based on the experimental data for each of the above-described transform functions.
  • the optimal regression equation when considering the value is shown.
  • the coefficient of determination (R 2 ) has a value between 0 and 1, and the larger the coefficient of determination, the higher the data matching degree of the regression equation, that is, the more accurately fit.
  • the estimation function may be set in advance using a linear regression analysis method or a multiple linear regression analysis method as described in detail with reference to Equations 3 to 13 above.
  • the estimation function may be a linear function in which the coefficient of the input variable for inputting the converted energy amount is preset according to a regression analysis result, and in the case where there are a plurality of input variables, each coefficient may be a preset linear polynomial. . That is, the estimation function may be preset in advance as shown in Equation (11).
  • the estimation function of Equation 11 may be set as Equation 21 below.
  • X 1 is the output value of the logarithmic conversion function
  • X 2 is the output value of the mean conversion function
  • X 3 is the output value of the root mean square conversion function
  • X 4 is the output value of the standard deviation conversion function
  • X 5 is the variance conversion.
  • X 6 is the output value of the mean absolute deviation transform function
  • X 7 is the input variable for the output value of the quarter range transform function.
  • Each function parameter of Equation 20 may be set as shown in Table 4 below.
  • each function parameter may be set to a different value as necessary.
  • the significance level was set to 95%.
  • the coefficient of determination was 0.88805927, and the significant F value was 8.019E-153 came out. Therefore, it can be confirmed that the expression of the estimation function is derived statistically.
  • the estimating step S300 may calculate the energy consumption of the user by inputting the amount of energy converted using the transform function in the converting step S200 as an input variable of the estimating function.
  • the estimating step S300 may calculate the energy consumption per unit weight of the user by calculating the converted energy amount as the estimation function. That is, when the estimation function is derived according to the regression analysis based on the converted energy amount and the energy consumption per unit weight, the estimating step S300 may calculate the energy consumption per unit weight.
  • the estimating step S300 calculates the estimated function using each of the transformed energy amounts as each input variable by using the plurality of transform functions. The energy consumption per unit weight can be calculated.
  • the estimating step S300 may include the log transform function, the mean transform function, the root mean square transform function, the variance transform function, the standard deviation transform function, the absolute mean deviation transform function,
  • the energy consumption per unit weight of the user may be calculated by calculating the estimated function using each converted energy amount as each input variable using at least one or more of the quadrant transform functions.
  • the total calorie consumption of the user is calculated using the weight information of the user and the energy consumption per unit weight.
  • the total calorie consumption of the user may be calculated by multiplying the energy consumption per unit weight with the weight.
  • the energy consumption per unit weight is calculated in units of Kcal / Kg
  • the calorie consumption Kcal may be calculated by multiplying the user's weight Kg.
  • FIG. 11 is a block diagram of an apparatus for estimating calorie consumption according to an embodiment of the present invention.
  • An apparatus for estimating calorie consumption may include an energy amount calculator 100, a converter 200, and an estimator 300.
  • the energy amount calculating unit 100 receives an acceleration measurement value for each axis direction measured by an acceleration sensor for each time, calculates energy for each time using the acceleration measurement value for each axis direction, and calculates the energy for each time. The amount of energy for a predetermined time is calculated accordingly.
  • the converter 200 converts the amount of energy by using a preset conversion function to calculate the converted amount of energy.
  • the estimator 300 calculates an energy consumption amount of the user by inputting the converted energy amount into a preset estimation function.
  • the estimator 300 may calculate the energy consumption per unit weight of the user by calculating the converted energy amount as the estimation function.
  • the calorie consumption estimating apparatus may further include a calorie consumption calculator 400 as necessary.
  • the calorie consumption calculator 400 calculates the total calorie consumption of the user using the weight information of the user and the energy consumption per unit weight.
  • the calorie consumption estimating apparatus is an acceleration sensor unit 50 for measuring the acceleration for each axis direction by using an acceleration sensor to obtain the acceleration measurement value for each axis direction to be input from the energy amount calculation unit 100. It may further include.
  • FIG. 12 is a block diagram of an apparatus for estimating calorie consumption according to the present invention as described above.
  • each operation of the acceleration sensor unit 50, the energy amount calculating unit 100, the converting unit 200, the estimating unit 300, and the calorie consumption calculating unit 400 will be described in detail with reference to FIGS. 1 to 10. It can operate in the same manner as the calorie consumption estimation method according to the present invention. The overlapping part is omitted and briefly described.
  • the energy amount calculating unit 100 receives the 3-axis acceleration measurement value measured by the acceleration sensor, calculates the energy for each time according to the sum of the absolute value or the square value of the 3-axis acceleration measurement value, the time The amount of energy may be calculated according to a sum of star energy for a predetermined time.
  • the conversion unit 200 may calculate the converted energy amount for each of the conversion functions by using the energy amount of at least two preset conversion functions.
  • the conversion function may be any one of a logarithmic conversion function, an average conversion function, a root mean square conversion function, a variance conversion function, a standard deviation conversion function, an absolute mean deviation conversion function, and a quadrant conversion function.
  • the estimator 300 may calculate the energy consumption per unit weight of the user by calculating the estimation function using each of the converted energy amounts as the input variables by using the plurality of conversion functions.
  • the estimation function may be a linear polynomial in which coefficients of the input variable are preset.
  • each or some of the components of the components are selectively combined to perform some or all of the functions combined in one or a plurality of hardware It may be implemented as a computer program having a.
  • a computer program is stored in a computer readable medium such as a USB memory, a CD disk, a flash memory, and the like, and is read and executed by a computer, thereby implementing embodiments of the present invention.
  • the recording medium of the computer program may include a magnetic recording medium, an optical recording medium, a carrier wave medium, and the like.

Abstract

본 발명은 가속도 센서 출력값을 이용하여 사용자의 칼로리 소모량을 추정하는 장치 및 그 방법에 관한 것이다. 본 발명에 따른 칼로리 소비량 추정 방법은 가속도 센서에서 측정된 각 축 방향 별 가속도 측정값을 시간 별로 입력받고, 상기 각 축 방향 별 가속도 측정값을 이용하여 시간 별 에너지를 산출하고, 상기 산출한 시간 별 에너지에 따라 소정의 시간 동안의 에너지량을 산출하는 에너지량 산출 단계; 상기 에너지량을 미리 설정된 변환 함수를 이용하여 변환하여, 변환된 에너지량을 산출하는 변환 단계; 및 상기 변환된 에너지량을 미리 설정된 추정 함수에 입력하여 사용자의 에너지 소비량을 산출하는 추정 단계;를 포함할 수 있다.

Description

칼로리 소비량 추정 장치 및 그 방법
본 발명은 가속도 센서 출력값을 이용하여 사용자의 칼로리 소모량을 추정하는 장치 및 그 방법에 관한 것이다.
사람은 물리적인 행동(Physical Activity)을 통하여 에너지를 소모하며, 이와 같은 사람의 물리적인 행동을 통한 적절한 량의 에너지 소모는 건강한 몸을 유지하는데 중요한 요인이 된다. 특히 성인과 아동의 과체중 또는 비만이 중요한 건강 이슈로 부각되면서, 각 개인이 적절한 양의 신체 활동을 하여 건강 상 요구되는 에너지/칼로리를 소비하는 것에 대한 관심이 높아지고 있다. 또한 헬스 케어 기능을 지원하는 각종 디바이스가 개발됨에 따라, 사용자가 휴대하는 디바이스에서 사용자가 소모하는 에너지/칼로리의 양을 측정하는 기술에 대한 연구가 널리 이루어져 왔다.
기존에 신체 활동량 또는 에너지 소모량을 추정하는 방법으로는 일 예로 가속도 데이터를 이용하여 에너지소비량(Energy Expenditure)이나 대사량(Metabolic equivalents)을 추정하는 방법들이 존재하고 있다. 기존의 방법들은 가속도 데이터를 각종 예측 공식을 통하여 예측하여 사용자의 신체 활동량을 산출하거나 생활 패턴을 분류하는 기법들을 제공하고 있다.
그러나 기존의 에너지 소모량 추정 방법들은 가속도 센서의 출력값으로부터 사용자의 실제 칼로리 소모량을 추정함에 있어서 그 추정 정확도에 한계가 있었다.
이에 본 발명에서는 가속도 센서의 출력값에 따라 에너지량을 산출하고, 산출한 에너지량을 적어도 하나 이상의 변환 함수를 이용하여 변환한 에너지량을 추정 함수를 이용하여 연산함으로써, 보다 정확하게 사용자의 칼로리 소비량을 추정할 수 있는 장치 및 그에 관한 방법을 제공하고자 한다.
상기 과제를 해결하기 위해, 본 발명의 일 유형에 따른 칼로리 소비량 추정 방법은 가속도 센서에서 측정된 각 축 방향 별 가속도 측정값을 시간 별로 입력받고, 상기 각 축 방향 별 가속도 측정값을 이용하여 시간 별 에너지를 산출하고, 상기 산출한 시간 별 에너지에 따라 소정의 시간 동안의 에너지량을 산출하는 에너지량 산출 단계; 상기 에너지량을 미리 설정된 변환 함수를 이용하여 변환하여, 변환된 에너지량을 산출하는 변환 단계; 및 상기 변환된 에너지량을 미리 설정된 추정 함수에 입력하여 사용자의 에너지 소비량을 산출하는 추정 단계;를 포함할 수 있다.
상기 에너지량 산출 단계는 상기 가속도 센서에서 측정된 3축 가속도 측정값을 입력받고, 상기 3축 가속도 측정값의 절대값 또는 제곱값의 합에 따라 상기 시간 별 에너지를 산출할 수 있다.
상기 에너지량 산출 단계는 상기 시간 별 에너지를 소정 시간 동안 합한 값에 따라 상기 에너지량을 산출할 수 있다.
상기 변환 단계는 상기 에너지량을 적어도 두 개 이상의 미리 설정된 상기 변환 함수를 이용하여, 상기 변환 함수 별로 각각 상기 변환된 에너지량을 산출할 수 있다.
상기 변환 함수는 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수 중 어느 하나인 것을 특징으로 할 수 있다.
상기 변환 단계는 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수를 상기 변환 함수로 각 이용하여, 상기 에너지량에 따라 상기 변환 함수 별로 각각 상기 변환된 에너지량을 산출할 수 있다.
상기 추정 함수는 상기 변환된 에너지량을 입력하는 입력 변수의 계수가 미리 설정된 선형 함수인 것을 특징으로 할 수 있다.
상기 추정 단계는 상기 변환된 에너지량을 상기 추정 함수로 연산하여 상기 사용자의 단위 중량 당 에너지 소비량을 산출할 수 있다.
상기 추정 단계는 복수개의 상기 변환 함수를 이용하여 각 변환된 에너지량을 각 입력 변수로 하는 상기 추정 함수를 연산하여, 상기 사용자의 단위 중량 당 에너지 소비량을 산출하고, 상기 추정 함수는 상기 입력 변수의 계수가 미리 설정된 선형 다항식인 것을 특징으로 할 수 있다.
상기 추정 단계는 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수를 이용하여 각 변환된 에너지량을 각 입력 변수로 하는 상기 추정 함수를 연산하여, 상기 사용자의 단위 중량 당 에너지 소비량을 산출할 수 있다.
여기서 상기 칼로리 소비량 추정 방법은 상기 사용자의 몸무게 정보와 상기 단위 중량 당 에너지 소비량을 이용하여 상기 사용자의 전체 칼로리 소비량을 산출하는 칼로리 소비량 산출 단계;를 더 포함할 수 있다.
상기 과제를 해결하기 위해, 본 발명의 일 유형에 따른 칼로리 소비량 추정 장치는, 가속도 센서에서 측정된 각 축 방향 별 가속도 측정값을 시간 별로 입력받고, 상기 각 축 방향 별 가속도 측정값을 이용하여 시간 별 에너지를 산출하고, 상기 산출한 시간 별 에너지에 따라 소정의 시간 동안의 에너지량을 산출하는 에너지량 산출부; 상기 에너지량을 미리 설정된 변환 함수를 이용하여 변환하여, 변환된 에너지량을 산출하는 변환부; 및 상기 변환된 에너지량을 미리 설정된 추정 함수에 입력하여 사용자의 에너지 소비량을 산출하는 추정부;를 포함할 수 있다.
상기 에너지량 산출부는 상기 가속도 센서에서 측정된 3축 가속도 측정값을 입력받고, 상기 3축 가속도 측정값의 절대값 또는 제곱값의 합에 따라 상기 시간 별 에너지를 산출하고, 상기 시간 별 에너지를 소정 시간 동안 합한 값에 따라 상기 에너지량을 산출할 수 있다.
상기 변환부는 상기 에너지량을 적어도 두 개 이상의 미리 설정된 상기 변환 함수를 이용하여, 상기 변환 함수 별로 각각 상기 변환된 에너지량을 산출하고, 상기 변환 함수는 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수 중 어느 하나인 것을 특징으로 할 수 있다.
상기 추정부는 복수개의 상기 변환 함수를 이용하여 각 변환된 에너지량을 각 입력 변수로 하는 상기 추정 함수를 연산하여, 상기 사용자의 단위 중량 당 에너지 소비량을 산출하고, 상기 추정 함수는 상기 입력 변수의 계수가 미리 설정된 선형 다항식인 것을 특징으로 할 수 있다.
여기서 상기 칼로리 소비량 추정 장치는 상기 사용자의 몸무게 정보와 상기 단위 중량 당 에너지 소비량을 이용하여 상기 사용자의 전체 칼로리 소비량을 산출하는 칼로리 소비량 산출부;를 더 포함할 수 있다.
본 발명에 따른 칼로리 소비량 추정 장치 및 그 방법에 의하면, 가속도 센서의 출력값에 따라 에너지량을 산출하고, 산출한 에너지량을 적어도 하나 이상의 변환 함수를 이용하여 변환한 에너지량을 추정 함수를 이용하여 연산함으로써, 보다 정확하게 사용자의 칼로리 소비량을 추정할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 칼로리 소비량 추정 방법의 흐름도이다.
도 2는 본 발명의 또 다른 실시예에 따른 칼로리 소비량 추정 방법의 흐름도이다.
도 3은 에너지량의 로그 값과 단위 중량 당 에너지 소비량 간의 산점도를 나타내는 참고도이다.
도 4는 에너지량의 평균 값과 단위 중량 당 에너지 소비량 간의 산점도를 나타내는 참고도이다.
도 5는 에너지량의 제곱 평균 제곱근 값과 단위 중량 당 에너지 소비량 간의 산점도를 나타내는 참고도이다.
도 6은 에너지량의 분산 값과 단위 중량 당 에너지 소비량 간의 산점도를 나타내는 참고도이다.
도 7은 에너지량의 표준편차 값과 단위 중량 당 에너지 소비량 간의 산점도를 나타내는 참고도이다.
도 8은 에너지량의 절대 평균 편차 값과 단위 중량 당 에너지 소비량 간의 산점도를 나타내는 참고도이다.
도 9는 사분 범위 변환 함수의 동작을 설명하기 위한 참고도이다.
도 10은 에너지량의 사분 범위 값과 단위 중량 당 에너지 소비량 간의 산점도를 나타내는 참고도이다.
도 11은 본 발명의 일 실시예에 따른 칼로리 소비량 추정 장치의 블록도이다.
도 12는 본 발명의 또 다른 실시예에 따른 칼로리 소비량 추정 장치의 블록도이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조 부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.
사람은 물리적인 행동(Physical Activity)을 통하여 에너지를 소모하며, 이와 같은 사람의 물리적인 행동을 통한 적절한 량의 에너지 소모는 건강한 몸을 유지하는데 중요한 요인이 된다. 특히 성인과 아동의 과체중 또는 비만이 중요한 건강 이슈로 부각되면서, 각 개인이 적절한 양의 신체 활동을 하여 건강 상 요구되는 에너지/칼로리를 소비하는 것에 대한 관심이 높아지고 있다. 또한 헬스 케어 기능을 지원하는 각종 디바이스가개발됨에 따라, 사용자가 휴대하는 디바이스에서 사용자가 소모하는 에너지/칼로리의 양을 측정하는 기술에 대한 연구가 널리 이루어져 왔다.
기존에 신체 활동량 또는 에너지 소모량을 추정하는 방법으로는 일 예로 가속도 데이터를 이용하여 에너지 소비량(Energy Expenditure)이나 대사량(Metabolic equivalents)을 추정하는 방법들이 존재하고 있다. 기존의 방법들은 가속도 데이터를 각종 예측 공식을 통하여 예측하여 사용자의 신체 활동량을 산출하거나 생활 패턴을 분류하는 기법들을 제공하고 있다.
그러나 기존의 에너지 소모량 추정 방법들은 가속도 센서의 출력값으로부터 사용자의 실제 칼로리 소모량을 추정함에 있어서 그 추정 정확도에 한계가 있었다.
이에 본 발명에서는 가속도 센서의 출력값에 따라 에너지량을 산출하고, 산출한 에너지량을 적어도 하나 이상의 변환 함수를 이용하여 변환한 에너지량을 추정 함수를 이용하여 연산함으로써, 보다 정확하게 사용자의 칼로리 소비량을 추정할 수 있는 장치 및 그에 관한 방법을 제공하고자 한다. 특히 본 발명은 복수개의 변환 함수를 이용하고, 다중 선형 회귀 분석 방법에 따라 도출된 추정 함수를 이용함으로써, 칼로리 소비량의 추정 정확도를 보다 높인 추정 장치 및 그 방법을 제공하고자 한다.
도 1은 본 발명의 일 실시예에 따른 칼로리 소비량 추정 방법의 흐름도이다.
본 발명의 일 실시예에 따른 칼로리 소비량 추정 방법은 에너지량 산출 단계(S100), 변환 단계(S200), 추정 단계(S300)를 포함할 수 있다.
에너지량 산출 단계(S100)는 가속도 센서에서 측정된 각 축 방향 별 가속도 측정값을 시간 별로 입력받고, 상기 각 축 방향 별 가속도 측정값을 이용하여 시간 별 에너지를 산출하고, 상기 산출한 시간 별 에너지에 따라 소정의 시간 동안의 에너지량을 산출한다.
변환 단계(S200)는 상기 에너지량을 미리 설정된 변환 함수를 이용하여 변환하여, 변환된 에너지량을 산출한다.
추정 단계(S300)는 상기 변환된 에너지량을 미리 설정된 추정 함수에 입력하여 사용자의 에너지 소비량을 산출한다. 여기서 추정 단계(S300)는 상기 변환된 에너지량을 상기 추정 함수로 연산하여 상기 사용자의 단위 중량 당 에너지 소비량을 산출할 수 있다.
여기서 본 발명에 따른 칼로리 소비량 추정 방법은 필요에 따라 칼로리 소비량 산출 단계(S400)를 더 포함할 수 있다.
칼로리 소비량 산출 단계(S400)는 상기 사용자의 몸무게 정보와 상기 단위 중량 당 에너지 소비량을 이용하여 상기 사용자의 전체 칼로리 소비량을 산출한다. 예를 들면 상기 산출한 단위 중량 당 에너지 소비량과 몸무게를 곱하여 전체 칼로리 소비량을 산출할 수 있다.
여기서 본 발명에 따른 칼로리 소비량 추정 방법은 에너지량 산출 단계(S100)에서 입력받을 각 축 방향 별 가속도 측정값을 획득하기 위하여 가속도 센서를 이용하여 각 축 방향 별로 가속도를 측정하는 가속도 측정 단계(S50)를 더 포함할 수도 있다.
도 2는 위와 같은 경우 본 발명에 따른 칼로리 소비량 추정 방법의 흐름도이다.
다음에서는 본 발명에 따른 칼로리 소비량 추정 방법의 각 단계에 대하여 보다 상세히 설명한다.
먼저 가속도 측정 단계(S50)는 가속도 센서를 이용하여 각 축 방향 별로 가속도를 측정한다. 여기서 가속도 센서는 3축 - 즉 x, y, z축 - 가속도 센서가 될 수 있다. 여기서 가속도 센서는 시간 별로 각 축 방향 별 가속도를 측정하고 그 측정값을 출력할 수 있다. 여기서 가속도 센서는 소정의 시간 간격으로 측정한 각 축 방향 별 가속도를 출력할 수 있고, 예를 들면 i 번째 시간 인덱스에서 x, y, z축 방향의 가속도를 측정하여 axi, ayi, azi를 출력할 수 있다. 여기서 z 축 방향은 중력 방향으로, x, y축 방향은 z 축 방향과 직교하면서 서로 직교하는 축 방향으로 정의될 수 있다.
다음으로는 에너지량 산출 단계(S100)에 대하여 보다 상세히 설명한다.
에너지량 산출 단계(S100)는 가속도 센서에서 측정된 각 축 방향 별 가속도 측정값을 시간 별로 입력받고, 상기 각 축 방향 별 가속도 측정값을 이용하여 시간 별 에너지를 산출하고, 상기 산출한 시간 별 에너지에 따라 소정의 시간 동안의 에너지량을 산출한다.
여기서 에너지량 산출 단계(S100)는 상기 가속도 센서에서 측정된 3축 가속도 측정값을 입력받을 수 있다. 즉 상기 axi, ayi, azi 를 입력받을 수 있다. 그리고 이때 상기 3축 가속도 측정값을 이용하여 에너지를 산출할 수 있다. 일 실시예에 있어서 상기 시간 별 에너지는 시간 별로 측정된 3축 가속도 측정값들의 제곱값의 합으로 정의될 수 있다.
예를 들면 상기 시간 별 에너지는 하기 수학식 1과 같이 산출될 수 있다.
Figure PCTKR2017002801-appb-M000001
여기서 Ei는 i 번째 시간 인덱스에서의 에너지이고, axi, ayi, azi 는 i 번째 시간 인덱스에서의 각 축 방향의 가속도를 의미한다.
또 다른 실시예에 있어서 상기 시간 별 에너지는 시간 별로 측정된 3축 가속도 측정값들의 절대값의 합으로 정의될 수도 있다. 여기서 상기 시간 별 에너지는 필요에 따라 3축 가속도 측정값의 크기를 산출하는 기타 연산 함수를 이용하여 산출되는 값으로 정의될 수 있다.
여기서 에너지량 산출 단계(S100)는 상기 시간 별 에너지를 소정 시간 동안 합한 값에 따라 상기 에너지량을 산출할 수 있다.
예를 들면 상기 에너지량은 하기 수학식 2와 같이 산출될 수 있다.
Figure PCTKR2017002801-appb-M000002
여기서 S는 상기 에너지량이고, n은 소정의 시간 길이를 나타내는 값이다. 예를 들어 시간 인덱스가 0.1초마다 부여된다고 하면 10초의 시간 동안 시간 별 에너지 n = 100 개를 합하여 상기 에너지량을 산출할 수 있다. 여기서 상기 에너지량도 소정의 시간 간격 별로 산출될 수 있다. 즉 예를 들면 0초부터 10초까지의 시간 별 에너지에 따른 에너지량이 산출된 다음, 소정의 시간 간격 t초 이후 t초부터 10 + t초까지의 시간 별 에너지에 따른 에너지량이 산출될 수 있다. 이때 에너지량 S에 대한 시간 인덱스 역시 Si와 같은 형태로 부여될 수 있다.
본 발명에서는 위와 같이 가속도 센서의 측정값으로부터 산출한 에너지량 S와 실험 대상자에 대하여 실제로 측정한 칼로리 소비량을 분석하여, 상기 에너지량 S와 실제 칼로리 소비량 간의 관계를 모델링하였다. 본 발명에서는 이하 상세히 설명할 바와 같이, 에너지량을 변환 함수를 이용하여 변환한 변환된 에너지량과 실제 실험 대상자의 칼로리 소비량 간의 관계를 통계적으로 분석하여, 상기 변환된 에너지량을 입력 변수로 하고 단위 중량 당 에너지 소비량을 출력값으로 하는 추정 함수의 파라미터를 획득하였다. 그리고 본 발명은 위와 같이 획득한 파라미터를 적용한 추정 함수를 이용하여 사용자의 움직임에 따른 가속도 센서의 출력값에 따른 에너지량으로부터 단위 중량 당 에너지 소비량을 추정하고, 이로부터 사용자의 칼로리 소비량을 추정한다.
본 발명에서는 가속도 센서의 출력값에 따른 에너지량으로부터 사용자의 칼로리 소비량을 정확하게 추정하기 위하여, 소정의 미리 설계된 변환 함수를 이용할 수 있다. 이때 추정 정확도를 보다 향상시키기 위하여 이하 상세히 설명할 바와 같이 하나 이상의 변환 함수를 이용할 수 있다. 또한 본 발명에서는 위와 같이 적어도 하나 이상의 변환 함수를 이용하여 에너지량을 변환한 각 변환된 에너지량을 입력 변수로 하는 추정 함수를 이용하여 단위 중량 당 에너지 소비량을 추정할 수 있다.
여기서 추정 함수는 상기 각 변환된 에너지량을 입력 변수로 하는 선형 함수가 될 수 있고, 이와 같은 선형 함수의 입력 변수의 각 계수는 실험 데이터에 따라 선형 회귀 분석 방법을 통하여 미리 산출될 수 있다.
일 실시예에 있어서 하나의 입력 변수를 가지는 선형 함수로 추정 함수가 설정되는 경우, 하기 수학식 3과 같이 추정 함수가 설정될 수 있다.
Figure PCTKR2017002801-appb-M000003
여기서 X는 추정 함수의 입력 변수이고, Y는 추정 함수의 출력값이다. 여기서 α, β는 추정 함수의 파라미터이다.
여기서 선형 회귀 분석을 위하여 상기 수학식 3은 하기 수학식 4와 같이 변형될 수 있다.
Figure PCTKR2017002801-appb-M000004
여기서 i는 실험 데이터 중 i 번째 샘플 데이터를 나타내는 인덱스이다.
여기서 추정 함수의 입력 변수는 상기 에너지량을 변환 함수로 변환한 변환된 에너지가 될 수 있다. 여기서 변환 함수는 이하 변환 단계(S200) 부분에서 상세히 설명할 바와 같이 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수 중 어느 하나가 될 수 있다. 본 발명에서 실험 데이터를 분석한 결과 상기 함수들을 변환 함수로 이용할 경우, 사용자의 에너지량으로부터 사용자의 칼로리 소비량을 신뢰도 있게 추정할 수 있음이 확인되었다.
또한 여기서 추정 함수의 출력값은 사용자의 단위 중량 당 에너지 소비량이 될 수 있다. 본 발명에서 실험 데이터를 분석한 결과, 실험 대상자의 실제 칼로리 소비량을 실험 대상자의 몸무게로 나눈 값이 상기 변환된 에너지 값과 일정한 관계를 가지는 것이 실험적으로 확인되었다. 따라서 추정 함수의 출력값은 사용자의 단위 중량 당 에너지 소비량이 될 수 있고, 이와 같은 추정 함수의 출력값에 사용자의 몸무게를 곱하여 최종적으로 사용자의 칼로리 소비량을 추정할 수 있다.
위와 같이 설정된 추정 함수에 대하여 선형 회귀 분석법을 이용하여 실험 데이터에 대한 오차항 ei 을 최소화하도록 하는 α, β가 산출될 수 있다. 여기서 선형 회귀 분석법은 공지된 방법을 이용할 수 있다. 이하에서는 선형 회귀 분석법을 이용하여 추정 함수의 파라미터 - 상기 수학식 3, 4의 경우 α, β - 를 산출하는 방법에 대하여 설명한다.
먼저 최소자승법(Ordinary Least Square)에 따라
Figure PCTKR2017002801-appb-I000001
을 최소화하는 α, β 를 추정하기 위하여, 하기 수학식 5의 Q를 최소화하는 추정치
Figure PCTKR2017002801-appb-I000002
를 편미분하여 그 결과를 0으로 하는 하기 수학식 6, 7과 같은 정규 방정식의 해를 구하면 하기 수학식 8, 9와 같다.
Figure PCTKR2017002801-appb-M000005
Figure PCTKR2017002801-appb-M000006
Figure PCTKR2017002801-appb-M000007
Figure PCTKR2017002801-appb-M000008
Figure PCTKR2017002801-appb-M000009
여기서
Figure PCTKR2017002801-appb-I000003
이다.
여기서 상기 수학식 8, 9와 같이 추정한
Figure PCTKR2017002801-appb-I000004
를 적용하여 상기 수학식 3과 같은 추정 함수를 설정할 수 있다.
여기서 상기 설정한 추정 함수의 정확도를 확인하기 위하여 결정계수 R2를 하기 수학식 10과 같이 산출할 수 있다.
Figure PCTKR2017002801-appb-M000010
여기서,
Figure PCTKR2017002801-appb-I000005
Figure PCTKR2017002801-appb-I000006
Figure PCTKR2017002801-appb-I000007
와 같이 정의될 수 있다.
이와 같은 결정계수 R2은 0부터 1까지 범위를 가지고, 그 값이 클수록 선형 회귀 방법으로 획득한 추정 함수의 정확도가 높은 것을 의미한다.
본 발명에 따르면, 예를 들어 입력 변수 X를 산출하기 위한 변환 함수로 로그 변환 함수를 사용하고 추정 함수의 출력값 Y를 단위 중량 당 에너지 소비량으로 설정한 경우, 계수 β에 대한 유의성 검정을 수행한 결과, 귀무가설 H0 : β = 0에 대한 가설 검정 결과 p값인 유의 확률이 0.001보다 작게 도출된 바, 유의하다는 것을 확인할 수 있다.
또 다른 실시예에 있어서 상술한 바와 같이 추정 함수가 복수의 입력 변수를 가지는 선형 함수로 설정될 수 있다. 예를 들어 M개의 변환 함수를 이용하는 경우, 하기 수학식 11과 같이 M개의 입력 변수를 가지는 선형 함수로 추정 함수가 설정될 수 있다.
Figure PCTKR2017002801-appb-M000011
여기서 Xm는 추정 함수의 m 번째 입력 변수이고, Y는 추정 함수의 출력값이다. 여기서 α는 상수, βm는 m 번째 입력 변수의 계수이다. 그리고 Xm은 하기 수학식 12와 같이 m 번째 변환 함수 Fm에 따라 산출될 수 있다.
Figure PCTKR2017002801-appb-M000012
상술한 바와 같이 본 발명에서는 복수개의 서로 다른 변환 함수를 이용하여 에너지량을 변환하고, 변환한 에너지량을 상기 수학식 11과 같은 추정 함수의 입력 변수로 입력하여, 사용자의 에너지 소비량 산출할 수 있다. 여기서 상술한 바와 같이 수학식 11의 추정 함수의 출력값은 사용자의 단위 중량 당 에너지 소비량이 될 수 있다. 이와 같이 복수개의 변환 함수를 이용하여 변환된 에너지량을 입력 변수로 하는 추정 함수를 이용함으로써, 본 발명은 에너지량으로부터 사용자의 칼로리 소비량을 보다 정확하게 추정할 수 있는 효과가 있다.
그리고 위와 같이 다수의 입력 변수를 가지는 추정 함수를 설정하기 위하여, 본 발명에서는 다중 선형 회귀 분석 방법을 이용하여 입력 변수의 각 계수를 산출할 수 있다.
여기서 다중 선형 회귀 분석을 위하여 상기 수학식 11은 하기 수학식 13과 같이 변형될 수 있고, 상술한 바와 동일한 원리로 공지된 다중 선형 회귀 기법을 이용하여 추정 함수의 파라미터 α, βm 가 산출될 수 있다(m = 1, ... , M).
Figure PCTKR2017002801-appb-M000013
여기서 Xm,i는 추정 함수의 m 번째 입력 변수이고, Yi는 추정 함수의 출력값이다. 여기서 i 는 샘플 인덱스이고, α는 상수, βm는 m 번째 입력 변수의 계수이다.
아래에서는 이상과 같은 선형 회귀 분석 과정을 거쳐 정의되는 변환 함수와 추정 함수에 기초하여, 사용자의 칼로리 소비량을 추정하는 변환 단계(S200), 추정 단계(S300), 칼로리 소비량 산출 단계(S400)의 동작에 대하여 보다 상세히 설명한다.
먼저 변환 단계(S200)에 대하여 보다 상세히 설명한다.
변환 단계(S200)는 상기 에너지량을 미리 설정된 변환 함수를 이용하여 변환하여, 변환된 에너지량을 산출한다. 여기서 변환 함수는 이하 추정 단계(S300)에서 추정 함수의 입력 변수로 들어가는 입력 값을 산출하기 위한 함수이다.
여기서 변환 단계(S200)는 상술한 바와 같이 칼로리 소비량의 추정 정확도를 향상시키기 위하여, 상기 에너지량을 적어도 두 개 이상의 미리 설정된 상기 변환 함수를 이용하여, 상기 변환 함수 별로 각각 상기 변환된 에너지량을 산출할 수 있다.
이때 상기 변환 함수는 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수 중 어느 하나가 될 수 있다. 본 발명에서는 실험 데이터를 기초로 아래에서 설명할 바와 같이 위와 같은 변환 함수를 이용하는 경우, 변환된 에너지량에 따른 사용자의 칼로리 소비량의 추정치의 정확도가 보다 향상됨을 확인하였다. 따라서 변환 단계(S200)에서는 변환 함수로 상술한 함수들을 이용하여 상기 에너지량을 변환하고, 이를 이용하여 추정 단계(S300)에서 사용자의 에너지 소비량을 추정하는 것이 바람직하다.
여기서 변환 단계(S200)는 필요에 따라 이용할 변환 함수를 선택할 수 있다. 예를 들면 상술한 변환 함수들 중 어느 하나만을 선택하여 이용할 수 있고, 필요에 따라 n개를 선택하여 이용할 수도 있고, 전부를 선택하여 이용할 수도 있다. 여기서 이용되는 변환 함수의 수에 따라 변환된 에너지량의 수 역시 결정되며, 그에 따라 추정 단계(S300)에서 이용하는 추정 함수의 입력 변수의 수도 결정된다.
아래에서는 각 변환 함수에 대하여 보다 상세히 설명하고, 실험 데이터에 기초하여 변환 함수로 변환한 에너지량과 실험 대상자의 에너지 소비량 간의 관계를 설명한다.
이를 위하여 먼저 본 발명에서 이용한 실험 데이터에 대하여 간략히 설명한다.
먼저 실험 대상자는 21세에서 38세 사이의 성인 남녀 59명이고, 이들 실험 대상자의 몸무게는 49.70Kg에서 115.70Kg이고 평균 나이는 28세였다. 실험 대상자의 통계적 특징은 하기 표 1과 같다.
Figure PCTKR2017002801-appb-T000001
이상과 같은 실험 대상자들에 대하여 트레드밀에서 다양한 걸음 속력의 가속도 출력 데이터를 획득하여 실험하였다. 실험 대상자들은 호흡가스대사분석기(K4B2)를 착용하고 가속도 센서를 오른쪽 팔에 부착하였다. 그리고 트레드밀 위에서 느리게 걷기, 걷기, 빠르게 걷기, 천천히 뛰기, 뛰기, 빠르게 뛰기의 순서대로 속력을 달리하면서 각 단계별로 5분씩 진행하였고, 구체적인 테스트 프로토콜은 표 2와 같이 구성하였다. 신체적 특징을 고려하여 여자는 남자의 트레드밀 속도 보다 1Km/h 작게 설정하였다.
Figure PCTKR2017002801-appb-T000002
그 결과 여러 명의 실험 대상자로부터 각각 복수개의 데이터 샘플이 획득될 수 있으며, 각 데이터 샘플은 시간 별 3축 가속도 센서의 출력값과 호흡가스대사분석기로부터 획득한 시간 별 실험 대상자의 에너지 소비량이 될 수 있다. 위 데이터를 이용하여 소정의 시간 동안의 에너지량을 산출하고, 각 실험 대상자의 몸무게 정보를 알고 있으므로, 그에 대응하는 실험 대상자의 단위 중량 당 에너지 소비량을 획득할 수 있다.
다음으로는 본 발명에서 이용하는 변환 함수에 대하여 보다 상세히 설명한다. 이하에서는 각 변환 함수와 함께 해당 변환 함수를 이용하여 에너지량을 변환한 값과 실험 대상자의 단위 중량 당 에너지 소비량 값 간의 분포도(산점도)를 참조하면서 바람직한 변환 함수의 설계에 대하여 설명한다. 이하 설명할 변환 함수의 각 파라미터는 상기 실험을 통해 획득된 복수개의 데이터 샘플에 따른 에너지량 및 단위 중량 당 에너지 소비량 데이터에 기초하여, 회귀 분석 방법을 통하여 각각 산출될 수 있다. 이하 설명할 수학식 14 내지 수학식 18에서 Si는 회귀 분석 방법을 통하여 변환 함수의 파라미터를 산출하는 측면에서 설명함에 있어서는 실험 데이터의 각 데이터 샘플에 따른 에너지량을 나타낼 수 있다. 반면 위와 같이 산출된 변환 함수의 파라미터에 기초하여, 변환 함수를 통하여 변환된 에너지량을 산출함에 있어서는, 상기 Si는 가속도 센서의 가속도 측정값에 따라 산출되는 에너지량이 될 수 있다. 이때 상기 산출되는 에너지량 Si은 소정의 시간 동안의 시간 별 에너지에 따라 산출되는 값이 될 수 있고, 시간의 흐름에 따라 시간 인덱스 i별로 각 에너지량 Si가 산출될 수 있다.
일 실시예에 있어서 변환 함수로 로그 변환 함수를 이용할 수 있다.
예를 들어 에너지량 S의 로그 값 ln(S)와 실험 대상자의 단위 중량 당 에너지 소비량(Kcal/Kg) 간의 산점도는 도 3과 같다. 도 3을 참조하면, 에너지량 S를 ln(S)으로 변환한 값과 단위 중량 당 에너지 소비량은 로그 함수로 피팅될 수 있음을 확인할 수 있다. 즉 S의 로그 값을 다시 로그 변환한 값이 단위 중량 당 에너지 소비량과 선형 관계에 있다고 할 수 있다.
따라서 로그 변환 함수는 하기 수학식 14와 같이 표현될 수 있다.
Figure PCTKR2017002801-appb-M000014
여기서 a, b는 로그 변환 함수의 파라미터이며, 도 3과 같이 획득된 실험 데이터에 대하여 회귀 분석을 수행한 결과에 따라 그 값이 소정의 값으로 설정될 수 있다. 일 실시예에 있어서 상기 a 는 1 내지 2의 값을, b는 - 3 내지 - 5의 값을 가질 수 있고, 바람직하게는 하기 표 3과 같은 회귀 분석 결과에 따라 상기 a 는 1.59, b는 - 4.3283의 값을 가질 수 있다. 다만 필요에 따라 a, b가 다른 값으로 설정될 수도 있으나, 추정 함수의 추정 정확도가 열화될 수 있다.
여기서 필요에 따라 Xlog=aln(S)+b와 같은 로그 변환 함수를 이용할 수도 있다. 이는 아래 표 3에서 확인할 수 있는 바와 같이 회귀식이 선형 함수와 로그 함수에 있어서 모두 양호하게 결정계수가 도출되었기 때문이다. 다만 로그 함수에 대하여 결정계수가 보다 높게 도출되었으므로, 위 수학식 14와 같이 이중 로그 변환을 적용한 변환 함수를 이용하는 것이 보다 바람직하다.
일 실시예에 있어서 변환 함수로 평균(Mean) 변환 함수를 이용할 수 있다.
이때 평균 변환 함수는 하기 수학식 15와 같이 표현될 수 있다.
Figure PCTKR2017002801-appb-M000015
여기서 에너지량 S의 평균 값과 실험 대상자의 단위 중량 당 에너지 소비량 간의 산점도는 도 4와 같다. 따라서 상기 수학식 15와 같이 에너지량 S의 평균 값에 로그를 취한 값과 단위 중량 당 에너지 소비량이 선형 관계를 가지도록 변환 함수가 설정되는 것이 바람직하다.
여기서 평균 변환 함수의 파라미터 a, b는 도 4와 같이 획득된 실험 데이터에 대하여 회귀 분석을 수행한 결과에 따라 그 값이 소정의 값으로 설정될 수 있다. 일 실시예에 있어서 상기 a 는 0.5 내지 1.5의 값을, b는 - 0.1 내지 - 1.5의 값을 가질 수 있고, 바람직하게는 하기 표 3과 같은 회귀 분석 결과에 따라 상기 a 는 0.966, b는 - 0.7338의 값을 가질 수 있다. 다만 필요에 따라 a, b가 다른 값으로 설정될 수도 있으나, 추정 함수의 추정 정확도가 열화될 수 있다.
일 실시예에 있어서 변환 함수로 제곱 평균 제곱근(Root Mean Square) 변환 함수를 이용할 수 있다.
이때 제곱 평균 제곱근 변환 함수는 하기 수학식 16과 같이 표현될 수 있다.
Figure PCTKR2017002801-appb-M000016
여기서 에너지량 S의 제곱 평균 제곱근 값과 실험 대상자의 단위 중량 당 에너지 소비량 간의 산점도는 도 5와 같다. 따라서 상기 수학식 16과 같이 에너지량 S의 제곱 평균 제곱근 값에 로그를 취한 값과 단위 중량 당 에너지 소비량이 선형 관계를 가지도록 변환 함수가 설정되는 것이 바람직하다.
여기서 제곱 평균 제곱근 변환 함수의 파라미터 a, b는 도 5와 같이 획득된 실험 데이터에 대하여 회귀 분석을 수행한 결과에 따라 그 값이 소정의 값으로 설정될 수 있다. 일 실시예에 있어서 상기 a 는 0.01 내지 0.1 의 값을, b는 - 0.1 내지 - 1의 값을 가질 수 있고, 바람직하게는 하기 표 3과 같은 회귀 분석 결과에 따라 상기 a 는 0.0632, b는 -0.4653의 값을 가질 수 있다. 다만 필요에 따라 a, b가 다른 값으로 설정될 수도 있으나, 추정 함수의 추정 정확도가 열화될 수 있다.
일 실시예에 있어서 변환 함수로 분산(Variation) 변환 함수를 이용할 수 있다.
이때 분산 변환 함수는 하기 수학식 17과 같이 표현될 수 있다.
Figure PCTKR2017002801-appb-M000017
여기서 var 는 분산을 산출하는 함수이다.
여기서 에너지량 S의 분산 값과 실험 대상자의 단위 중량 당 에너지 소비량 간의 산점도는 도 6과 같다. 따라서 상기 수학식 17과 같이 에너지량 S의 분산 값에 로그를 취한 값과 단위 중량 당 에너지 소비량이 선형 관계를 가지도록 변환 함수가 설정되는 것이 바람직하다.
여기서 분산 변환 함수의 파라미터 a, b는 도 6과 같이 획득된 실험 데이터에 대하여 회귀 분석을 수행한 결과에 따라 그 값이 소정의 값으로 설정될 수 있다. 일 실시예에 있어서 상기 a 는 0.01 내지 0.1 의 값을, b는 - 0.01 내지 - 1의 값을 가질 수 있고, 바람직하게는 하기 표 3과 같은 회귀 분석 결과에 따라 상기 a 는 0.0222, b는 -0.2671의 값을 가질 수 있다. 다만 필요에 따라 a, b가 다른 값으로 설정될 수도 있으나, 추정 함수의 추정 정확도가 열화될 수 있다.
일 실시예에 있어서 변환 함수로 표준편차(Standard Deviation) 변환 함수를 이용할 수 있다.
이때 표준 편차 변환 함수는 하기 수학식 18과 같이 표현될 수 있다.
Figure PCTKR2017002801-appb-M000018
여기서 std는 표준편차를 산출하는 함수이다.
여기서 에너지량 S의 표준편차 값과 실험 대상자의 단위 중량 당 에너지 소비량 간의 산점도는 도 7과 같다. 따라서 상기 수학식 18과 같이 에너지량 S의 표준 편차 값에 로그를 취한 값과 단위 중량 당 에너지 소비량이 선형 관계를 가지도록 변환 함수가 설정되는 것이 바람직하다.
여기서 표준 편차 변환 함수의 파라미터 a, b는 도 7과 같이 획득된 실험 데이터에 대하여 회귀 분석을 수행한 결과에 따라 그 값이 소정의 값으로 설정될 수 있다. 일 실시예에 있어서 상기 a 는 0.01 내지 0.1 의 값을, b는 - 0.01 내지 - 1의 값을 가질 수 있고, 바람직하게는 하기 표 3과 같은 회귀 분석 결과에 따라 상기 a 는 0.0443, b는 - 0.2671의 값을 가질 수 있다. 다만 필요에 따라 a, b가 다른 값으로 설정될 수도 있으나, 추정 함수의 추정 정확도가 열화될 수 있다.
일 실시예에 있어서 변환 함수로 절대 평균 편차(Mean Absolute Deviation) 변환 함수를 이용할 수 있다. 절대 평균 편차는 각 변량과 변량의 산술평균치와의 편차 절대값을 다시 산술 평균 한 것을 의미한다.
이때 절대 평균 편차 변환 함수는 하기 수학식 19와 같이 표현될 수 있다.
Figure PCTKR2017002801-appb-M000019
여기서
Figure PCTKR2017002801-appb-I000008
는 S의 평균 값을 의미한다.
여기서 에너지량 S의 절대 평균 편차 값과 실험 대상자의 단위 중량 당 에너지 소비량 간의 산점도는 도 8과 같다. 따라서 상기 수학식 19와 같이 에너지량 S의 절대 평균 편차 값에 로그를 취한 값과 단위 중량 당 에너지 소비량이 선형 관계를 가지도록 변환 함수가 설정되는 것이 바람직하다.
여기서 절대 평균 편차 변환 함수의 파라미터 a, b는 도 8과 같이 획득된 실험 데이터에 대하여 회귀 분석을 수행한 결과에 따라 그 값이 소정의 값으로 설정될 수 있다. 일 실시예에 있어서 상기 a 는 0.01 내지 0.1 의 값을, b는 - 0.01 내지 - 1의 값을 가질 수 있고, 바람직하게는 하기 표 3과 같은 회귀 분석 결과에 따라 상기 a 는 0.0493, b는 - 0.2898의 값을 가질 수 있다. 다만 필요에 따라 a, b가 다른 값으로 설정될 수도 있으나, 추정 함수의 추정 정확도가 열화될 수 있다.
일 실시예에 있어서 변환 함수로 사분 범위(Inter Quartile Range) 변환 함수를 이용할 수 있다. 사분 범위(Inter Quartile Range)는 사분 편차라고도 하며, 도 9와 같은 분포도에서 표본의 수로 4등분(각 25%) 한 표본에서 중앙 2개 등분의 범위(도 9에서 Q1, Q2 간의 거리인 IQR)를 뜻한다. 따라서 사분 범위 값이 크면 데이터의 분포가 흩어져 있는 것이고 작으면 밀집된 분포임을 알 수 있다.
여기서 에너지량 S의 사분 범위 값과 실험 대상자의 단위 중량 당 에너지 소비량 간의 산점도는 도 10과 같다. 여기서 회귀식을 선형 함수, 지수 함수, 로그 함수로 각각 가정하여 회귀 분석을 수행한 결과, 회귀식이 지수 함수가 되는 경우 결정계수가 가장 높은 것으로 확인되었다. 따라서 바람직하게는 사분 범위 변환 함수의 경우 지수 함수의 형태로 변환 함수가 설정될 수 있다. 다만 필요에 따라 사분 범위 변환 함수는 로그 함수 또는 선형 함수의 형태로 변환 함수가 설정될 수도 있다. 여기에서는 지수 함수로 변환 함수가 설정된 경우를 설명한다.
사분 범위 변환 함수는 하기 수학식 20과 같이 표현될 수 있다.
Figure PCTKR2017002801-appb-M000020
여기서 IQR은 사분 범위를 산출하는 함수, exp는 지수 함수를 의미한다.
여기서 사분 범위 변환 함수의 파라미터 a, b, c는 도 10과 같이 획득된 실험 데이터에 대하여 회귀 분석을 수행한 결과에 따라 그 값이 소정의 값으로 설정될 수 있다. 일 실시예에 있어서 상기 a 는 0.01 내지 0.1 의 값을, b는 0 내지 1의 값을, c는 - 1 내지 1의 값을 가질 수 있고, 바람직하게는 하기 표 3과 같은 회귀 분석 결과에 따라 상기 a 는 0.0519, b는 0.0001, c는 0 의 값을 가질 수 있다. 다만 필요에 따라 a, b, c가 다른 값으로 설정될 수도 있으나, 추정 함수의 추정 정확도가 열화될 수 있다.
여기서 변환 단계(S200)는 위에서 상세히 설명한 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수를 상기 변환 함수로 이용하여, 상기 에너지량에 따라 상기 변환 함수 별로 각각 상기 변환된 에너지량을 산출할 수 있다. 여기서 위에서 설명한 바와 같이 필요에 따라 하나의 변환 함수를 선택하여 이용할 수 있고, 추정 정확도를 더 높이기 위하여 2개 이상의 n개의 변환 함수를 선택하여 이용할 수도 있다. 또는 상기 변환 함수 전부를 이용할 수도 있다.
하기 표 3은 위에서 설명한 각 변환 함수에 대하여 실험 데이터에 기초하여 회귀 분석을 수행한 결과, 각각의 경우 회귀식을 선형 함수, 지수 함수, 로그 함수로 한 경우 도출된 회귀식과 결정계수 값 및 결정계수 값을 고려하였을 때의 최적 회귀식을 나타낸다. 여기서 결정계수(R2)는 0부터 1 사이의 값을 가지며, 결정계수가 클수록 회귀식의 데이터 정합도가 높음을, 즉 보다 정확하게 피팅되었음을 의미한다.
Figure PCTKR2017002801-appb-T000003
다음으로 추정 단계(S300)에 대하여 보다 상세히 설명한다.
추정 단계(S300)는 상기 변환 함수에 따라 변환된 에너지량을 미리 설정된 추정 함수에 입력하여 사용자의 에너지 소비량을 산출한다. 여기서 상기 추정 함수는 위에서 상기 수학식 3 내지 수학식 13을 참조하면서 상세히 설명한 바와 같이 선형 회귀 분석 방법 또는 다중 선형 회귀 분석 방법을 이용하여 미리 그 함수 파라미터가 설정될 수 있다. 여기서 상기 추정 함수는 상기 변환된 에너지량을 입력하는 입력 변수의 계수가 회귀 분석 결과에 따라 미리 설정된 선형 함수가 될 수 있고, 입력 변수가 복수 개인 경우 각각의 계수가 미리 설정된 선형 다항식이 될 수 있다. 즉 상기 수학식 11과 같이 추정 함수가 미리 설정될 수 있다.
일 실시예에 있어서 상기 수학식 11의 추정 함수는 하기 수학식 21과 같이 설정될 수 있다.
Figure PCTKR2017002801-appb-M000021
여기서 X1은 상기 로그 변환 함수의 출력값, X2는 상기 평균 변환 함수의 출력값, X3은 상기 제곱 평균 제곱근 변환 함수의 출력값, X4는 상기 표준편차 변환 함수의 출력값, X5는 상기 분산 변환 함수의 출력값, X6은 상기 평균 절대 편차 변환 함수의 출력값, X7은 상기 사분 범위 변환 함수의 출력값에 대한 입력 변수이다.
그리고 상기 수학식 20의 각 함수 파라미터는 하기 표 4와 같이 설정될 수 있다.
Figure PCTKR2017002801-appb-T000004
여기서 상기 각 함수 파라미터가 필요에 따라 다른 값으로 설정될 수 있음은 물론이다.
본 발명에서 다중 선형 회귀 분석 방법을 이용하여 상기 수학식 20 및 표 4에 따른 추정 함수를 도출함에 있어서 유의 수준은 95%로 설정하였고, 그 결과 결정계수의 값이 0.88805927으로, 유의한 F 값은 8.019E-153이 나왔다. 따라서 통계적으로 유의미하게 추정 함수의 식이 도출되었음을 확인할 수 있다. 또한 표 3의 결정계수 값과 비교하여 확인할 수 있는 바, 변환 함수를 하나만 사용하는 경우보다 상기 수학식 20과 같이 복수개의 변환 함수에 따른 입력 변수들을 갖는 추정 함수를 이용하였을 때 보다 정확하게 칼로리 소모량을 추정할 수 있음이 확인되었다.
여기서 추정 단계(S300)는 변환 단계(S200)에서 변환 함수를 이용하여 변환한 에너지량을 상기 추정 함수의 입력 변수로 입력하여 사용자의 에너지 소비량을 산출할 수 있다. 그리고 이때 추정 단계(S300)는 상기 변환된 에너지량을 상기 추정 함수로 연산하여 상기 사용자의 단위 중량 당 에너지 소비량을 산출할 수 있다. 즉 추정 함수가 변환된 에너지량과 단위 중량 당 에너지 소비량에 기초하여 회귀 분석에 따라 도출된 경우, 추정 단계(S300)는 단위 중량 당 에너지 소비량을 산출할 수 있다. 이때 변환 단계(S200)에서 복수개의 변환 함수를 이용한 경우, 추정 단계(S300)는 위 복수개의 변환 함수를 이용하여 각 변환된 에너지량을 각 입력 변수로 하는 상기 추정 함수를 연산하여, 상기 사용자의 단위 중량 당 에너지 소비량을 산출할 수 있다. 일 실시예에 있어서 추정 단계(S300)는 변환 단계(S200)에서 상세히 설명한 바, 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수 중 적어도 하나 이상의 변환 함수를 이용하여 각 변환된 에너지량을 각 입력 변수로 하는 상기 추정 함수를 연산하여, 상기 사용자의 단위 중량 당 에너지 소비량을 산출할 수 있다.
다음으로 칼로리 소비량 산출 단계(S400)는 상기 사용자의 몸무게 정보와 상기 단위 중량 당 에너지 소비량을 이용하여 상기 사용자의 전체 칼로리 소비량을 산출한다. 바람직하게는 단위 중량 당 에너지 소비량과 몸무게를 곱하여 사용자의 전체 칼로리 소비량을 산출할 수 있다. 예를 들면 단위 중량 당 에너지 소비량이 Kcal/Kg 단위로 산출된 경우, 사용자의 몸무게 Kg을 곱하여 칼로리 소비량 Kcal를 산출할 수 있다.
도 11은 본 발명의 일 실시예에 따른 칼로리 소비량 추정 장치의 블록도이다.
본 발명의 일 실시예에 따른 칼로리 소비량 추정 장치는 에너지량 산출부(100), 변환부(200), 추정부(300)를 포함할 수 있다.
에너지량 산출부(100)는 가속도 센서에서 측정된 각 축 방향 별 가속도 측정값을 시간 별로 입력받고, 상기 각 축 방향 별 가속도 측정값을 이용하여 시간 별 에너지를 산출하고, 상기 산출한 시간 별 에너지에 따라 소정의 시간 동안의 에너지량을 산출한다.
변환부(200)는 상기 에너지량을 미리 설정된 변환 함수를 이용하여 변환하여, 변환된 에너지량을 산출한다.
추정부(300)는 상기 변환된 에너지량을 미리 설정된 추정 함수에 입력하여 사용자의 에너지 소비량을 산출한다. 여기서 추정부(300)는 상기 변환된 에너지량을 상기 추정 함수로 연산하여 상기 사용자의 단위 중량 당 에너지 소비량을 산출할 수 있다.
여기서 본 발명에 따른 칼로리 소비량 추정 장치는 필요에 따라 칼로리 소비량 산출부(400)를 더 포함할 수 있다.
칼로리 소비량 산출부(400)는 상기 사용자의 몸무게 정보와 상기 단위 중량 당 에너지 소비량을 이용하여 상기 사용자의 전체 칼로리 소비량을 산출한다.
여기서 본 발명에 따른 칼로리 소비량 추정 장치는 에너지량 산출부(100)에서 입력받을 각 축 방향 별 가속도 측정값을 획득하기 위하여 가속도 센서를 이용하여 각 축 방향 별로 가속도를 측정하는 가속도 센서부(50)를 더 포함할 수도 있다.
도 12는 위와 같은 경우 본 발명에 따른 칼로리 소비량 추정 장치의 블록도이다.
여기서 가속도 센서부(50), 에너지량 산출부(100), 변환부(200), 추정부(300), 칼로리 소비량 산출부(400)의 각 동작은 위 도 1 내지 도 10을 참조하면서 상세히 설명한 본 발명에 따른 칼로리 소비량 추정 방법과 동일한 방식으로 동작할 수 있다. 이에 중복되는 부분은 생략하고 간략히 서술한다.
여기서 에너지량 산출부(100)는 상기 가속도 센서에서 측정된 3축 가속도 측정값을 입력받고, 상기 3축 가속도 측정값의 절대값 또는 제곱값의 합에 따라 상기 시간 별 에너지를 산출하고, 상기 시간 별 에너지를 소정 시간 동안 합한 값에 따라 상기 에너지량을 산출할 수 있다.
여기서 변환부(200)는 상기 에너지량을 적어도 두 개 이상의 미리 설정된 상기 변환 함수를 이용하여, 상기 변환 함수 별로 각각 상기 변환된 에너지량을 산출할 수 있다. 이때 상기 변환 함수는 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수 중 어느 하나가 될 수 있다.
여기서 추정부(300)는 복수개의 상기 변환 함수를 이용하여 각 변환된 에너지량을 각 입력 변수로 하는 상기 추정 함수를 연산하여, 상기 사용자의 단위 중량 당 에너지 소비량을 산출할 수 있다. 이때 상기 추정 함수는 상기 입력 변수의 계수가 미리 설정된 선형 다항식이 될 수 있다.
이상에서 설명한 본 발명의 실시예를 구성하는 모든 구성요소들이 하나로 결합하거나 결합하여 동작하는 것으로 기재되어 있다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.
또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 또한, 이와 같은 컴퓨터 프로그램은 USB 메모리, CD 디스크, 플래쉬 메모리 등과 같은 컴퓨터가 읽을 수 있는 기록매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 기록매체로서는 자기 기록매체, 광 기록매체, 캐리어 웨이브 매체 등이 포함될 수 있다.
또한, 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 상세한 설명에서 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (16)

  1. 가속도 센서에서 측정된 각 축 방향 별 가속도 측정값을 시간 별로 입력받고, 상기 각 축 방향 별 가속도 측정값을 이용하여 시간 별 에너지를 산출하고, 상기 산출한 시간 별 에너지에 따라 소정의 시간 동안의 에너지량을 산출하는 에너지량 산출 단계;
    상기 에너지량을 미리 설정된 변환 함수를 이용하여 변환하여, 변환된 에너지량을 산출하는 변환 단계; 및
    상기 변환된 에너지량을 미리 설정된 추정 함수에 입력하여 사용자의 에너지 소비량을 산출하는 추정 단계;를 포함하는 것을 특징으로 하는 칼로리 소비량 추정 방법.
  2. 제1항에 있어서,
    상기 에너지량 산출 단계는 상기 가속도 센서에서 측정된 3축 가속도 측정값을 입력받고, 상기 3축 가속도 측정값의 절대값 또는 제곱값의 합에 따라 상기 시간 별 에너지를 산출하는 것을 특징으로 하는 칼로리 소비량 추정 방법.
  3. 제1항에 있어서,
    상기 에너지량 산출 단계는 상기 시간 별 에너지를 소정 시간 동안 합한 값에 따라 상기 에너지량을 산출하는 것을 특징으로 하는 칼로리 소비량 추정 방법.
  4. 제1항에 있어서,
    상기 변환 단계는 상기 에너지량을 적어도 두 개 이상의 미리 설정된 상기 변환 함수를 이용하여, 상기 변환 함수 별로 각각 상기 변환된 에너지량을 산출하는 것을 특징으로 하는 칼로리 소비량 추정 방법.
  5. 제1항 또는 제4항에 있어서,
    상기 변환 함수는 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수 중 어느 하나인 것을 특징으로 하는 칼로리 소비량 추정 방법.
  6. 제4항에 있어서,
    상기 변환 단계는 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수를 상기 변환 함수로 각 이용하여, 상기 에너지량에 따라 상기 변환 함수 별로 각각 상기 변환된 에너지량을 산출하는 것을 특징으로 하는 칼로리 소비량 추정 방법.
  7. 제1항에 있어서,
    상기 추정 함수는 상기 변환된 에너지량을 입력하는 입력 변수의 계수가 미리 설정된 선형 함수인 것을 특징으로 하는 칼로리 소비량 추정 방법.
  8. 제1항에 있어서,
    상기 추정 단계는 상기 변환된 에너지량을 상기 추정 함수로 연산하여 상기 사용자의 단위 중량 당 에너지 소비량을 산출하는 것을 특징으로 하는 칼로리 소비량 추정 방법.
  9. 제4항에 있어서,
    상기 추정 단계는 복수개의 상기 변환 함수를 이용하여 각 변환된 에너지량을 각 입력 변수로 하는 상기 추정 함수를 연산하여, 상기 사용자의 단위 중량 당 에너지 소비량을 산출하고,
    상기 추정 함수는 상기 입력 변수의 계수가 미리 설정된 선형 다항식인 것을 특징으로 하는 칼로리 소비량 추정 방법.
  10. 제9항에 있어서,
    상기 추정 단계는 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수를 이용하여 각 변환된 에너지량을 각 입력 변수로 하는 상기 추정 함수를 연산하여, 상기 사용자의 단위 중량 당 에너지 소비량을 산출하는 것을 특징으로 하는 칼로리 소비량 추정 방법.
  11. 제8항 또는 제9항에 있어서,
    상기 사용자의 몸무게 정보와 상기 단위 중량 당 에너지 소비량을 이용하여 상기 사용자의 전체 칼로리 소비량을 산출하는 칼로리 소비량 산출 단계;를 더 포함하는 것을 특징으로 하는 칼로리 소비량 추정 방법.
  12. 가속도 센서에서 측정된 각 축 방향 별 가속도 측정값을 시간 별로 입력받고, 상기 각 축 방향 별 가속도 측정값을 이용하여 시간 별 에너지를 산출하고, 상기 산출한 시간 별 에너지에 따라 소정의 시간 동안의 에너지량을 산출하는 에너지량 산출부;
    상기 에너지량을 미리 설정된 변환 함수를 이용하여 변환하여, 변환된 에너지량을 산출하는 변환부; 및
    상기 변환된 에너지량을 미리 설정된 추정 함수에 입력하여 사용자의 에너지 소비량을 산출하는 추정부;를 포함하는 것을 특징으로 하는 칼로리 소비량 추정 장치.
  13. 제12항에 있어서,
    상기 에너지량 산출부는 상기 가속도 센서에서 측정된 3축 가속도 측정값을 입력받고, 상기 3축 가속도 측정값의 절대값 또는 제곱값의 합에 따라 상기 시간 별 에너지를 산출하고, 상기 시간 별 에너지를 소정 시간 동안 합한 값에 따라 상기 에너지량을 산출하는 것을 특징으로 하는 칼로리 소비량 추정 장치.
  14. 제12항에 있어서,
    상기 변환부는 상기 에너지량을 적어도 두 개 이상의 미리 설정된 상기 변환 함수를 이용하여, 상기 변환 함수 별로 각각 상기 변환된 에너지량을 산출하고,
    상기 변환 함수는 로그 변환 함수, 평균 변환 함수, 제곱 평균 제곱근 변환 함수, 분산 변환 함수, 표준편차 변환 함수, 절대 평균편차 변환 함수, 사분범위 변환 함수 중 어느 하나인 것을 특징으로 하는 칼로리 소비량 추정 장치.
  15. 제14항에 있어서,
    상기 추정부는 복수개의 상기 변환 함수를 이용하여 각 변환된 에너지량을 각 입력 변수로 하는 상기 추정 함수를 연산하여, 상기 사용자의 단위 중량 당 에너지 소비량을 산출하고,
    상기 추정 함수는 상기 입력 변수의 계수가 미리 설정된 선형 다항식인 것을 특징으로 하는 칼로리 소비량 추정 장치.
  16. 제15항에 있어서,
    상기 사용자의 몸무게 정보와 상기 단위 중량 당 에너지 소비량을 이용하여 상기 사용자의 전체 칼로리 소비량을 산출하는 칼로리 소비량 산출부;를 더 포함하는 것을 특징으로 하는 칼로리 소비량 추정 장치.
PCT/KR2017/002801 2016-03-15 2017-03-15 칼로리 소비량 추정 장치 및 그 방법 WO2017160080A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2016-0030868 2016-03-15
KR1020160030868A KR101741502B1 (ko) 2016-03-15 2016-03-15 칼로리 소비량 추정 장치 및 그 방법

Publications (1)

Publication Number Publication Date
WO2017160080A1 true WO2017160080A1 (ko) 2017-09-21

Family

ID=59217313

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/002801 WO2017160080A1 (ko) 2016-03-15 2017-03-15 칼로리 소비량 추정 장치 및 그 방법

Country Status (2)

Country Link
KR (1) KR101741502B1 (ko)
WO (1) WO2017160080A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102615747B1 (ko) 2023-07-24 2023-12-19 주식회사 쏘렐라 인공지능 모델을 활용한 음식의 칼로리 추정 및 사용자 맞춤형 신체 변화 정보 시각화 서비스 제공 방법, 장치 및 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060053976A (ko) * 2004-07-24 2006-05-22 삼성전자주식회사 가속도 센서를 이용한 운동량 측정장치 및 방법
KR20100087551A (ko) * 2009-01-28 2010-08-05 한국과학기술연구원 사용자의 행동 분류에 따른 칼로리 균형 계산 장치
KR20120049076A (ko) * 2010-11-08 2012-05-16 아주대학교산학협력단 3차원 가속도 센서를 이용한 실시간 칼로리 계산방법
JP2012515570A (ja) * 2009-01-21 2012-07-12 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ ユーザのエネルギー消費の決定
KR20130044477A (ko) * 2011-10-24 2013-05-03 아주대학교산학협력단 3축 가속도 센서를 이용한 칼로리 소모량 산출 장치 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060053976A (ko) * 2004-07-24 2006-05-22 삼성전자주식회사 가속도 센서를 이용한 운동량 측정장치 및 방법
JP2012515570A (ja) * 2009-01-21 2012-07-12 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ ユーザのエネルギー消費の決定
KR20100087551A (ko) * 2009-01-28 2010-08-05 한국과학기술연구원 사용자의 행동 분류에 따른 칼로리 균형 계산 장치
KR20120049076A (ko) * 2010-11-08 2012-05-16 아주대학교산학협력단 3차원 가속도 센서를 이용한 실시간 칼로리 계산방법
KR20130044477A (ko) * 2011-10-24 2013-05-03 아주대학교산학협력단 3축 가속도 센서를 이용한 칼로리 소모량 산출 장치 및 그 방법

Also Published As

Publication number Publication date
KR101741502B1 (ko) 2017-06-15

Similar Documents

Publication Publication Date Title
WO2010071285A1 (ko) 저항막 방식의 터치 패널을 구비하는 입력 장치 및 이 장치의 접촉 위치 계산 방법
WO2019156518A1 (en) Method for tracking hand pose and electronic device thereof
WO2020059939A1 (ko) 인공지능 장치
WO2017082525A1 (ko) 식습관 정보를 제공하는 방법 및 이를 위한 웨어러블 장치
WO2015156635A1 (ko) 상태 변분 원리를 이용한 진동 변위 측정 방법
WO2015030343A1 (en) Optical element rotation type mueller-matrix ellipsometer and method for measuring mueller-matrix of sample using the same
WO2021210838A1 (ko) 다양한 오믹스 데이터 분석에 기초한 생체나이 예측방법 및 시스템
WO2017191858A1 (ko) 개인 맞춤형 정보를 제공하는 체성분 측정 장치 및 서버
WO2017160080A1 (ko) 칼로리 소비량 추정 장치 및 그 방법
GB2295010A (en) Sensor system
WO2019107804A1 (ko) 약물의 구조 정보를 이용한 약물-약물 또는 약물-음식 상호작용 예측 방법
WO2012067281A1 (ko) 가스 유속 측정 장치 및 가스 유속 측정 방법
WO2015183049A1 (ko) 옵티컬 트래킹 시스템 및 옵티컬 트래킹 시스템의 마커부 자세 산출방법
WO2019112117A1 (ko) 텍스트 콘텐츠 작성자의 메타정보를 추론하는 방법 및 컴퓨터 프로그램
WO2019189993A1 (ko) 스마트 칫솔 및 이동 단말기
WO2021125479A1 (ko) 탈모 관리 장치 및 그의 탈모 관리 지침 제공 방법
WO2020235982A1 (ko) 운동 정보 제공 방법 및 장치
WO2012036322A1 (ko) 거리측정기구 및 거리측정방법
WO2020145509A2 (ko) 디제이 변환에 의한 주파수 추출 방법
WO2018225892A1 (ko) 라이프로깅 데이터 간 인과 관계 분석 장치 및 그 방법
WO2012070910A2 (ko) 대표값 산출 장치 및 방법.
WO2018182053A1 (ko) 오브젝트의 형상에 대한 정보를 획득하는 방법 및 장치
WO2023210933A1 (ko) 센서 교정 장치, 센서 교정 공기질 측정 장치, 및 그 교정 방법
WO2023113307A1 (ko) 근전도 신호를 기반으로 한 근력운동 게이지 장치, 근력운동 지원 방법, 그 방법을 구현하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체 및 컴퓨터로 판독 가능한 기록매체에 저장된 프로그램
WO2014014261A1 (en) Blood pressure measurement apparatus, gateway, system including the same, and method thereof

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17766981

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 17766981

Country of ref document: EP

Kind code of ref document: A1