RF 기반의 낙상 모니터링을 위한 합성곱 신경망 적용

노인층에서 사망 및 비사망성 부상의 주요 원인은 낙상이다. 기존의 해결 방안은 착용형 낙상 경보 센서에 기반하고 있으나, 의학 연구 결과에 따르면 이러한 센서는 대부분 효과가 없으며, 그 주요 원인은 노인이 이를 착용하지 않기 때문이다. 이러한 문제점들을 인식한 결과, 집안의 무선 주파수(RF) 신호를 분석하여 낙상을 추론하는 새로운 수동형 센서가 개발되었다. 이 시스템은 노인이 특별한 장비를 착용할 필요 없이 일상생활을 자연스럽게 영위할 수 있도록 해준다. 수동 모니터링 기술은 큰 발전을 이루었지만, 여전히 현실 세계의 복잡한 상황을 효과적으로 다루지 못하고 있다. 기존의 방법들은 일반적으로 동일한 사람과 동일한 환경에서 분류 모델을 학습하고 테스트하기 때문에, 새로운 사람이나 새로운 환경에 대해 일반화가 불가능하다. 게다가 서로 다른 사람의 움직임을 구분하지 못하며, 다른 움직임이 존재할 경우 낙상을 놓치기 쉽다.이러한 한계를 극복하기 위해 우리는 상태기계(state machine)에 의해 제어되는 합성곱 신경망(Convolutional Neural Networks)을 활용한 RF 기반의 낙상 탐지 시스템인 Aryokee를 제안한다. Aryokee는 학습 데이터에 포함되지 않은 새로운 사람과 환경에서도 작동할 수 있으며, 다양한 움직임의 원천을 구분함으로써 시스템의 강건성을 높인다. 57개의 다양한 환경에서 140명 이상의 사용자가 40종류의 활동을 수행한 실험 결과, Aryokee는 낙상 탐지에 있어 94%의 재현율(Recall)과 92%의 정밀도(Precision)를 달성하였다.