지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 강순주.
- 발행연도
- 2020
- 저작권
- 경북대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
IoT (Internet of things) 기반 스마트 홈에서는 가족 구성원 중 사용자가 누구인지 인식하는 것이 중요하다. 스마트 홈에서 사용자를 인식하기 위해 영상인식, 생체인식, 개인의 디바이스를 이용하는 방법이 주로 연구되고 있는데, 이런 방법들은 의도적인 절차를 따르거나 특정 디바이스를 소유해야 하는 등 다양한 문제를 안고 있고, 중앙 집중식 서버를 이용해야 하므로 예측 가능성을 보장할 수 없다는 단점이 있다. 본 논문에서는 이러한 문제를 극복하기 위해서, 사용자가 발판을 밟았을 때 측정되는 족압의 특징을 이용하여 사용자를 인식하는 방법을 제안한다. 제안하는 모델은 족압의 각도를 측정하고, 일반화하는 전처리 알고리즘을 이용하여 사용자가 임의의 방향에서 패드를 밟아도 사용자를 인식할 수 있게 하였다. 또한 전처리된 족압에서 9개의 특징을 추출하고 중앙 집중식 서버 없이 머신러닝 알고리즘을 이용하여 사용자를 인식함으로써 예측 가능성과 높은 성능을 보장하였다. 성능평가는 각도를 일반화하는데 사용되는 2개의 전처리 알고리즘과 4개의 사용자 인식 알고리즘을 조합하여 진행하였고, 최적의 알고리즘으로 조합한 결과 약 29㎲ 시간 내에 약 94%의 정확도의 실험 결과를 나타내었다.
목차
ContentsI. Introduction 1II. Related Research 3III. Overview of the proposed system 5IV. Preprocessing and Feature extraction 104.1 Foot-pressure angle measurement 104.1.1 Measuring foot-pressure angle using the center of gravity 104.1.2 Total Least Squares 144.2 Rotation of foot pressure 184.3 Separation and classification of foot pressure 194.4 Feature extraction 22V. Performance comparison of user recognition algorithms 235.1 Fuzzy theory 235.2 Gaussian naive Bayes (GNB) method 265.3 K-Nearest Neighbor (K-NN) 275.4 Artificial Neural Network (ANN) 295.5 Determinism evaluation 31VI. Conclusion 34References 35
최근 본 자료
댓글(0)
0