원문정보
Development of Safety Monitoring Program for Psychiatric Emergency Using Google Teachable Machine
초록
영어
In this paper, a monitoring program that can automatically determine whether a patient admitted to an isolation room acts out of a stable state through a screen photographed in real time is described. The motion recognition model of this program was built by learning through transfer learning. 900 images were used for the three movements, and this program was developed for the web to support all environments. The model was determined with high accuracy to determine the state of the subject hospitalized in the isolation room, and can be applied by applying it to the existing isolation room monitoring system.
한국어
본 논문에서는 실시간으로 촬영된 화면을 통해 격리실에 입원한 대상자가 안정 상태에서 벗어난 행동을 하는 지 자동으로 판단할 수 있는 모니터링 프로그램에 대해 설명한다. 본 프로그램의 동작인식 모델은 전이학습(Transfer Learning)을 통해 학습하여 구축되었다. 3개 동작에 대해 900장의 이미지가 사용되었으며, 본 프로그램은 모든 환경 을 지원하기 위하여 웹용으로 개발되었다. 모델은 격리실에 입원한 대상자의 상태에 대해 높은 정확도로 판단하였으 며, 기존의 격리실 모니터링 시스템에 응용하여 적용가능하다.
목차
Abstract
Ⅰ. 서론
Ⅱ. 기존 동작 인식 중재 연구
1. 센서를 이용한 동작 인식 방법
2. 영상처리 라이브러리를 이용한 방법
3. 깊이 카메라를 이용한 방법
4. 전이 학습(Transfer Learning)을 이용한 방법
Ⅲ. 모델의 학습 및 프로그램 구성
1. Teachable Machine을 통한 Pose Estimation
2. 모델을 적용하기 위한 TensorFlow.JS
3. IDE을 통한 WebApp 개발
4. 동작 예측
Ⅳ. 모델 구축 및 실험 결과
1. Teachable Machine을 통한 Pose Estimation
2. Pose Estimation 모델의 실험 결과
Ⅴ. 결론 및 향후 연구방향
References