Journal of the Institute of Electronics Engineers of Korea SP (대한전자공학회논문지SP)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

User Activity Estimation by Non-intrusively Measurement

무구속적인 측정에 의한 사용자 활동 상태 추정 기법

  • Baek, Jong-Hun (Mobile Communication Division, Digital Media & Communications Business, SAMSUNG ELECTRONICS) ;
  • Yun, Byoung-Ju (School of Electrical Engineering and Computer Science, Kyungpook National University)
  • 백종훈 (삼성전자 DMC 부문 무선사업부) ;
  • 윤병주 (경북대학교 전자전기컴퓨터학부)
  • Published : 2009.09.25
Download PDF
⟨ Previous Next ⟩

Abstract

The unconscious and non-intrusive measurements of activity signals or physiological signals represent important enabling technologies for realizing a ubiquitous healthcare environment as well as a related UI. Particularly, non-intrusive measurements should be used in activity monitoring system for long-term monitoring. This paper is based on activity estimation by measuring the activity signals of a user using a handhold device with an accelerometer. The user activity estimation system (UAES) presented in this paper makes non-intrusive measurements of activity signals to minimize inconveniencing a user and to create a more practical implementation in real life. Thus, a variety of positions in which the handhold device can be carried by a user for daily use is considered, such as in the front/hip/shirt pockets, a backpack, on the waist, and in the hand.

사용자의 활동 신호 또는 생체 신호를 무의식적이고 무구속적으로 측정하는 방법은 유비쿼터스 환경에서 헬스케어 뿐만 아니라 관련된 사용자 인터페이스를 실현하기 위해서 중요하다. 특히 무구속적인 측정은 장시간 동안 사용자의 활동을 모니터링하기 위한 활동 상태 추정 시스템에 사용되어야 한다. 본 논문에서는 가속도센서를 탑재한 핸드헬드 단말기의 시계열 가속도 분석을 통한 사용자 활동 상태 추정 기법을 제안한다. 제안된 사용자 활동 추정 시스템은 사용자의 불편함을 최소화하기 위해서 가속도센서를 사용자가 일상 생활동안 항상 휴대하고 있는 핸드헬드 단말기에 부착되어 구성되고, 이것을 실생활에서 실용적으론 구현하기 위해서 핸드헬드 단말기가 사용자에 의해서 휴대될 수 있는 위치를 앞주머니, 뒷주머니, 윗주머니, 가방, 허리, 손으로 쥐기 등과 같이 고려하였다.

Keywords

References

  1. L. Bao, "Physical Activity Recognition from Acceleration Data under Semi-Naturalistic Conditions," MS thesis, MIT Media Laboratory, Massachusetts Institute of Technology, 2003.
  2. J. Parkka, et al., "Activity classification using realistic data from wearable sensors," IEEE Transactions on Information Technology in Biomedicine, Vol. 53, no. 1, pp. 133-139, Jan. 2006. https://doi.org/10.1109/TBME.2005.859811
  3. L. Bao and S. S. Intille, "Activity recognition from user-annotated acceleration data," Proceedings 2nd International Conference on Pervasive Computing, LNCS 3001, pp 1-14, 2004. https://doi.org/10.1007/978-3-540-24646-6_1
  4. J. Mantyjarvi, J. Himberg, and T. Seppanen, "Recognizing human motion with multiple acceleration sensors," Proceedings of the IEEE International Conference on Systems, Man, and Cybernetics, Vol. 2, pp. 747-752, 2001
  5. S. W. Lee and K. Mase, "Activity and location recognition using wearable sensors," IEEE Pervasive Computing, Vol. 1, no. 3, pp. 24-32, 2002 https://doi.org/10.1109/MPRV.2002.1037719
  6. J. Baek, et al., "Accelerometer signal processing for user activity detection," Knowledge-Based Intelligent Information and Engineering Systems, LNAI 3215, pp. 610-617, 2004 https://doi.org/10.1007/978-3-540-30134-9_82
  7. J. Farringdon, et al., "Wearable sensor badge and sensor jacket for context awareness," In Proceedings of the 3rd International Symposium on Wearable Computers, pp. 107-113, 1999.
  8. J. S. Yi, et al., "Context awareness via a single device-attached acclerometer during mobile computing," In Proceedings of MobileHCI, pp. 303-306, 2005 https://doi.org/10.1145/1085777.1085839
  9. 지영준, 박광석, "무구속 생체신호 측정 기술의 현황과 전망", 전자공학회지, 제32권, 제12호, 1520-1531쪽, 2005년