3D 운동 데이터를 활용한 ST-GCN을 이용한 활동 인식

간호사 간병 활동 인식 도전대회를 위해 TDU-DSML 팀은 활동 인식 알고리즘을 개발하였다. 이 알고리즘은 도전대회 데이터셋에 포함된 3차원 운동 캡처 데이터를 처리하기 위해 공간-시간 그래프 컨볼루션 네트워크(ST-GCN)를 적용하였다. 시계열 데이터는 20초 간격으로 분할하였으며, 각 구간 간 10초의 겹침을 고려하였다. 이후 트리 구조 그래프를 가진 인식 모델을 구축하였다. 예측 결과는 각 구간의 출력을 기반으로 다수결 방식을 적용하여 1분 단위로 결정하였다. 본 모델은 한 개인을 제외한 나머지 데이터를 사용하여 교차 검증하는 '하나의 주체를 제외한 교차 검증(leave-one-subject-out cross-validation)' 방법을 통해 평가되었으며, 전체 6명의 참가자에 대해 평균 정확도 57%를 달성하였다.