earticle

영어

Human activity recognition(HAR) using smartphones is a hot research topic in computational intelligence. Smartphones are equipped with a variety of sensors. Fusing the data of these sensors could enable applications to recognize a large number of activities. However, these devices have fewer resources because of the limited number of sensors available, and feature selection and classification methods are required to achieve optimal performance and efficient feature extraction. This paper proposes a smartphone-based HAR scheme according to these requirements. The proposed method in this paper extracts time-domain features from acceleration sensors, gyro sensors, and barometer sensors, and recognizes activities with high accuracy by applying KDA and SVM. This approach selects the most relevant feature of each sensor for each activity. Our comparison results shows that the proposed system outperforms previous smartphone-based HAR systems.

한국어

스마트폰을 이용한 인간 활동 인식은 컴퓨터 지능 분야에서 뜨거운 연구 주제이다. 스마트폰에는 다양한 센서가 장착되어 있다. 이러한 센서의 데이터를 융합하면 응용프로그램에서 많은 활동을 인식할 수 있다. 그러나 이러한 장치는 활용 가능한 센서 수가 제한되기 때문에 리소스가 적으며, 최적의 성능과 효율적인 특징 추출을 달성하기 위해서는 특징 선택 및 분류 방법이 필요하다. 이 논문에서는 이러한 요구사항에 따라 스마트폰-기반 HAR 체계를 제안한다. 이 논문 에서 제안된 방법은 가속도 센서, 자이로 센서, 기압 센서에서 시간-도메인 특징을 추출하며, 커널 판별 분석(KDA)과 SVM을 적용하여 높은 정확도로 활동을 인식한다. 이 방법은 각 활동에 대해 각 센서에서 가장 관련성이 높은 특징을 선택한다. 우리의 비교 결과는 제안된 시스템이 이전의 스마트폰-기반 HAR 시스템보다 성능이 우수함을 보여준다.