Mukhtasir-Khail-Net: 착용형 관성 센서를 활용한 스포츠 활동 인식을 위한 초효율 컨볼루션 신경망

현재 인터넷 의료 사물 인터넷(Internet of Health and Medical Things)의 일반적인 접근 방식은 개인의 신체 활동을 정기적으로 모니터링함으로써 질병 발병을 사전에 예방하는 것으로, 인간 활동 인식(Human Activity Recognition, HAR) 및 행동 분석이 중요한 연구 분야로 부각되고 있다. 스포츠 활동 인식(Sports Activity Recognition, SAcR)은 이러한 HAR의 하위 분야로, 운동 선수의 운동 동작을 식별하는 데 초점을 맞추고 있다. 컴퓨터 비전, 환경 센서, 웨어러블 센서는 이러한 활동을 모니터링하는 세 가지 주요 방법이다. 이 세 가지 방법의 장단점을 종합적으로 고려할 때, 웨어러블 센서가 가장 실용적인 옵션으로 부상하고 있다. 본 연구에서는 단지 651개의 파라미터를 가지며 덧셈 계층을 효율적으로 활용하는 Mukhtasir-Khail-Net 모델을 제안한다. 이 모델은 웨어러블 센서에서 생성한 관성 센서 데이터를 기반으로 여섯 가지 스포츠 활동에 대해 평균 정확도 98.865%를 달성하여 뛰어난 성능을 보였다. 비교용으로 제안된 모델은 포드햄 대학교에서 제공하는 Human Activity Recognition 데이터셋인 WISDM 11 데이터셋에서도 평가되었으며, 이 경우 94.24%의 정확도를 기록하였다.