가속도 센서 기반 낙상 감지 시스템의 패턴 인식 모델

본 논문은 웨어러블 기기의 3축 가속도 센서를 활용한 낙상 감지 시스템의 기본 원리를 제시한다. 기존의 단순 임계값 기반 접근과 달리, 본 연구는 시간 순서에 따른 연속적 패턴 인식의 중요성을 강조한다. 자유낙하 구간의 저가속, 충격 시의 고가속 피크, 충격 후 움직임 감소라는 세 가지 특징량을 추출하고, 이를 조건식으로 결합하여 낙상 후보를 판정한다. 추가적으로 충격 전후의 자세 변화 각도를 계산하여 점프나 급정지 등의 오탐지를 억제한다. 특징 벡터 기반 점수식을 통해 낙상 판정의 일반화된 모델을 제안하며, 실제 제품에서는 자이로스코프와 사용자 응답 등의 추가 센서 정보를 통합하여 신뢰도를 향상시킬 수 있음을 보인다.

This paper presents the fundamental principles of a fall detection system utilizing tri-axial accelerometer sensors in wearable devices. Unlike conventional threshold-based approaches, this research emphasizes the importance of temporal pattern recognition. Three characteristic features are extracted: low acceleration during free-fall phase, high acceleration peak during impact, and reduced motion after impact. These features are combined through conditional statements to identify fall candidates. Additionally, the postural change angle before and after impact is calculated to suppress false positives such as jumping or sudden braking. A generalized model based on feature vector scoring is proposed for fall detection, and it is demonstrated that reliability can be enhanced by integrating additional sensor information such as gyroscopes and user responses in practical applications.

개요
센서 신호 정의
예시: 시간축 1차원 경우
특징량 만들기
후보 판정 만들기
3D에서의 자세 변화
점수식으로 일반화
결론