간단한 접근 방식이 복잡한 간호 활동을 식별할 수 있는가?

지난 20년간 인간의 활동을 식별하기 위해 다양한 유형의 센서(예: 모션 캡처, 가속도계, 자이로스코프 등) 데이터를 활용한 점점 더 복잡한 방법들이 개발되어 왔다. 현재까지 대부분의 연구는 걷기, 식사, 달리기와 같은 간단한 인간 활동을 식별하는 데 주로 집중해 왔다. 그러나 일상생활에서 우리는 종종 이러한 간단한 활동보다 훨씬 더 복잡한 활동을 수행한다. 이러한 복잡한 활동 인식 연구를 촉진하기 위해, 위치, 기압, 모션 캡처 및 가속도계 데이터를 기반으로 6가지 간호사 활동을 식별하는 것을 목표로 하는 "Nurse Care Activity Recognition Challenge"[1]이 도입되었다. 우리 팀인 "IITDU"는 이 목적을 위해 단순한 방법의 활용을 탐구하고 있다. 먼저 센서 데이터로부터 특징을 추출한 후, 가장 간단한 분류기 중 하나인 K-최근접 이웃(K-Nearest Neighbors, KNN)을 사용한다. KNN 분류기의 앙상블을 활용한 실험 결과, 10겹 교차 검증에서는 약 87%의 정확도, 한 개인을 제외한 나머지 개인에 대해 검증하는 라이브-원-사람-아웃 교차 검증에서는 약 66%의 정확도를 달성할 수 있음을 확인하였다.