KR20190136729A - Apparatus and Method for User Identificating Using Acceleration Sensor of Smart Insole - Google Patents

Apparatus and Method for User Identificating Using Acceleration Sensor of Smart Insole Download PDF

Info

Publication number
KR20190136729A
KR20190136729A KR1020180062806A KR20180062806A KR20190136729A KR 20190136729 A KR20190136729 A KR 20190136729A KR 1020180062806 A KR1020180062806 A KR 1020180062806A KR 20180062806 A KR20180062806 A KR 20180062806A KR 20190136729 A KR20190136729 A KR 20190136729A
Authority
KR
South Korea
Prior art keywords
acceleration sensor
data
user identification
user
walking
Prior art date
Application number
KR1020180062806A
Other languages
Korean (ko)
Other versions
KR102071495B1 (en
Inventor
최상일
Original Assignee
단국대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 단국대학교 산학협력단 filed Critical 단국대학교 산학협력단
Priority to KR1020180062806A priority Critical patent/KR102071495B1/en
Priority to US16/191,616 priority patent/US20190365287A1/en
Publication of KR20190136729A publication Critical patent/KR20190136729A/en
Application granted granted Critical
Publication of KR102071495B1 publication Critical patent/KR102071495B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06K9/6267—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6829—Foot or ankle
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/02—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses
    • G01P15/08—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses with conversion into electric or magnetic values
    • G06K9/48—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Dentistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

The present invention relates to an apparatus for obtaining walking data through a smart insole acceleration sensor and identifying a user using the smart insole acceleration sensor capable of identifying the user based on the determination analysis, and to a method thereof. The apparatus comprises: a walking data measuring sensor measuring walking data; a walking data preprocessing unit preprocessing walking data for extracting individual walking characteristics by defining a section of unit steps, resizing the steps based on the time of the shortest unit steps, and normalizing the length for all steps to have the same length; a determination feature extraction unit extracting a feature useful for user identification from the preprocessed walking data; and a classification and user identification unit classifying and identifying a user by using the determination feature value extracted from the determination feature extraction unit.

Description

스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치 및 방법{Apparatus and Method for User Identificating Using Acceleration Sensor of Smart Insole}Apparatus and Method for User Identificating Using Acceleration Sensor of Smart Insole}

본 발명은 사용자 식별에 관한 것으로, 구체적으로 스마트 인솔의 가속도 센서를 통해 보행데이터를 취득하고, 이에 대한 판별 분석을 바탕으로 사용자를 식별할 수 있도록 한 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치 및 방법에 관한 것이다.The present invention relates to user identification. Specifically, an apparatus for identifying a user using an acceleration sensor of a smart insole that acquires walking data through an acceleration sensor of a smart insole, and identifies the user based on a discriminant analysis thereof. And to a method.

보행(gait)의 패턴은 사람의 신체 활동에 대한 많은 정보를 담고 있어 보행패턴의 분석은 헬스케어, 스포츠 분석, 행동 분석 등의 다양한 응용 분야에서 활용될 수 있다.Gait patterns contain a lot of information about the physical activity of a person, so the analysis of gait patterns can be used in various applications such as healthcare, sports analysis, and behavioral analysis.

또한, 동일한 종류의 정상적인 보행에서도 개인에 따라 각각 다른 특성을 나타내기 때문에 보행패턴은 얼굴인식, 지문인식 등과 같은 생체인식(biometrics) 용도로도 사용될 수 있다.In addition, the gait pattern may also be used for biometrics such as face recognition, fingerprint recognition, etc., because each person exhibits different characteristics even in the same kind of normal gait.

그동안 생체인식을 위한 보행의 분석들은 주로 비디오 시퀀스(sequence)로부터의 모션 분석에 의해 이루어져 왔다.In the meantime, analysis of gait for biometrics has been mainly performed by motion analysis from video sequence.

그러나 이러한 방법들은 보행자가 카메라 앞에 홀로 노출되어야 하고 다수의 사람들이 카메라의 각도에 따라 정확도가 달라질 수 있기 때문에 다양한 환경에서 사용자를 인식하는 위한 용도로 사용하기에는 여러 제약이 있다.However, these methods have a number of limitations to use for recognition of users in various environments because pedestrians need to be exposed alone in front of the camera and many people can vary the accuracy depending on the angle of the camera.

또, 최근에서는 인체의 보행 운동 자체가 인체 고유로 되는 생체적 특징의 하나로서 주목되어 있고, 예를 들면 보행 운동에 의해 생기는 진동(음)에 대하여 주파수 해석을 행함으로써 생체적 특징을 추출하고, 해당 추출 결과에 기초하여 개인을 식별하는 개인 식별 장치가 제안되어 있다.Moreover, in recent years, the walking motion of the human body itself has been noted as one of the biological characteristics that are inherent to the human body. A personal identification device for identifying an individual based on the extraction result has been proposed.

이와 같은 개인 식별 장치는 인체의 보행 운동 시에 있어서의 진동을 채집함으로써 얻어지는 전기 신호 중, 가쪽의 다리부가 착지했을 때의 충격에 의해 생기는 착지 시 진동에 대응하는 부분을 1보의 지표로 해서 보행 주기를 검출한 후, 해당 검출 결과에 따라 인체 고유로 되는 보행 파형의 특징을 추출하는 것이다.Such a personal identification device walks with an electric signal obtained by collecting vibrations during a walking motion of a human body, the part corresponding to the landing vibrations caused by the impact when the side leg lands as an index of one step. After detecting the period, the gait waveform characteristic of the human body is extracted according to the detection result.

그러나 이러한 개인 식별 장치는 착지 시의 진동이 가변할 뿐만 아니라, 노이즈의 영향이 큰 것으로부터, 착지 시 진동에 대응하는 부분을 적확하게 특정할 수 없고, 그 결과, 보행 파형의 특징을 정밀도 양호하게 추출하는 것이 어렵다.However, such a personal identification device not only varies the vibration at the time of landing, but also has a large influence of noise, so that the part corresponding to the vibration at the time of landing cannot be accurately specified, and as a result, the characteristics of the walking waveform can be precisely precisiond. It is difficult to extract.

따라서, 인체의 보행 운동을 이용하여 사용자를 식별할 수 있는 새로운 기술의 개발이 요구되고 있다.Therefore, the development of a new technology that can identify the user by using the walking motion of the human body is required.

대한민국 공개특허 제10-2017-0043308호Republic of Korea Patent Publication No. 10-2017-0043308 대한민국 공개특허 제10-2005-0062783호Republic of Korea Patent Publication No. 10-2005-0062783 대한민국 공개특허 제10-2016-0101800호Republic of Korea Patent Publication No. 10-2016-0101800

본 발명은 이와 같은 종래 기술의 보행 패턴을 이용한 사용자 식별 기술의 문제를 해결하기 위한 것으로, 스마트 인솔의 가속도 센서를 통해 보행데이터를 취득하고, 이에 대한 판별 분석을 바탕으로 사용자를 식별할 수 있도록 한 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention is to solve the problem of the user identification technology using the walking pattern of the prior art, to acquire the walking data through the acceleration sensor of the smart insole, and to identify the user based on the discrimination analysis An object of the present invention is to provide an apparatus and method for user identification using an acceleration sensor of a smart insole.

본 발명은 스마트 인솔의 가속도 센서를 통해 보행데이터를 취득하고 이에 대한 판별 분석을 바탕으로 사용자를 인식하는 것으로, 웨어러블 센서를 사용하기 때문에 사용자가 군중 속에 있거나 특정 장소에 있어야 하는 등의 사용 환경의 제약이 적어 효율적으로 사용자 식별이 가능하도록 한 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention acquires walking data through the acceleration sensor of the smart insole and recognizes the user based on the discriminant analysis of the same. Since the wearable sensor is used, the user has to be in a crowd or at a specific place. An object of the present invention is to provide an apparatus and method for user identification using an acceleration sensor of a smart insole, which enables the user identification to be efficient.

본 발명은 스마트 인솔의 가속도 센서 등의 웨어러블 센서 데이터를 이용하여 비디오 데이터에 비해 용량이 적기 때문에 실시간 인식이 가능하도록 한 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치 및 방법을 제공하는데 그 목적이 있다.An object of the present invention is to provide an apparatus and method for user identification using an acceleration sensor of a smart insole that enables real-time recognition because the capacity is smaller than video data using wearable sensor data such as an acceleration sensor of a smart insole. have.

본 발명은 측정된 데이터를 보행 싸이클을 기준으로 걸음 단위로 분할하고, 보행 속도의 영향을 덜 받도록 전처리하고, 전처리된 데이터를 Nullspace LDA를 이용한 판별 분석을 수행하여 걸음의 특징을 추출하고 이를 이용하여 강인한 사용자 식별 성능을 얻을 수 있도록 한 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치 및 방법을 제공하는데 그 목적이 있다.The present invention divides the measured data into walking units based on walking cycles, preprocesses to be less affected by walking speed, and performs a discriminant analysis using Nullspace LDA to extract the characteristics of the walking by using the preprocessed data. An object of the present invention is to provide an apparatus and method for user identification using an acceleration sensor of a smart insole that can achieve robust user identification performance.

본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The objects of the present invention are not limited to the above-mentioned objects, and other objects that are not mentioned will be clearly understood by those skilled in the art from the following description.

이와 같은 목적을 달성하기 위한 본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치는 보행 데이터를 측정하는 보행 데이터 측정 센서;단위 걸음의 구간을 정의하여 가장 짧은 단위 걸음의 시간을 기준으로 리사이징(resizing)하여 모든 걸음에 대한 길이가 동일하도록 정규화(normalization)하여 개인의 보행 특성을 추출하기 위한 보행 데이터의 전처리를 하는 보행 데이터 전처리부;전처리된 보행데이터로부터 사용자 식별에 유용한 특징을 추출하는 판별 특징 추출부;판별 특징 추출부에서 추출된 판별 특징값을 이용하여 분류 및 사용자 식별을 하는 분류 및 사용자 식별부;를 포함하는 것을 특징으로 한다.A device for user identification using an acceleration sensor of a smart insole according to the present invention for achieving the above object is a gait data measuring sensor for measuring gait data; defining the interval of the unit of steps based on the time of the shortest unit steps A gait data preprocessor for resizing to normalize the lengths of all steps to be equal to the gait data to extract gait characteristics of an individual; a gait data preprocessor configured to extract useful features for user identification from the preprocessed gait data And a classification and user identification unit configured to classify and identify a user by using the discriminating feature value extracted by the discriminating feature extracting unit.

여기서, 보행 데이터 측정 센서는, 신발의 인솔에 구성되는 가속도 센서인 것을 특징으로 한다.Here, the walk data measurement sensor is characterized in that the acceleration sensor is configured in the insole of the shoe.

그리고 상기 보행 데이터 전처리부는, 하나의 보행주기를 한 발이 떠 있는 상태인 swing phase와 땅에 붙어있는 상태인 stance phase로 분류하고, swing phase를 검출하고 왼발을 기준으로 swing phase의 시작점에서 stance phase의 종료점까지를 한 걸음으로 정의하는 것을 특징으로 한다.The walk data preprocessor classifies one walk cycle into a swing phase in which one foot is floating and a stance phase in a state of being attached to the ground, detects a swing phase, and detects a swing phase. It is characterized by defining one step up to the end point.

그리고 상기 보행 데이터 전처리부는, 정규화된 단위 걸음의 가속도 측정값을 사전 순서 연산자(lexicographic ordering operator)를 이용하여 벡터(

Figure pat00001
)로 저장하는 것을 특징으로 한다.The gait data preprocessing unit uses the lexicographic ordering operator to calculate acceleration values of normalized unit steps.
Figure pat00001
It is characterized by storing in).

그리고 상기 보행 데이터 전처리부는, 보행 데이터 전처리 과정에서 측정 센서의 오작동으로 인한 swing phase에서 압력 센서의 값이 0이 아닌 단위걸음들의 데이터를 제외하는 것을 특징으로 한다.The walk data preprocessing unit excludes data of unit steps in which the value of the pressure sensor is not zero in a swing phase due to a malfunction of the measurement sensor in the walk data preprocessing process.

그리고 압력 센서는 신발의 인솔에 구성되고, 압력의 세기에 따라 0, 1, 2의 값으로 측정되며 0은 압력이 없는 지면에서 발이 떨어진 상태인 swing phase이고, 1과 2는 발이 지면을 디디고 있는 상태인 stance phase에서의 압력의 세기인 것을 특징으로 한다.The pressure sensor is configured in the shoe's insole, and is measured at values of 0, 1, and 2 depending on the strength of the pressure, where 0 is the swing phase with the foot off the ground without pressure, and 1 and 2 are the feet touching the ground. It is characterized in that the strength of the pressure in the stance phase.

그리고 판별 특징 추출부는, 전처리된 보행 데이터로부터 사용자 식별에 유용한 특징을 추출하기 위해 Nullspace LDA(NLDA)을 사용하여 판별 특징 추출을 하는 것을 특징으로 한다.The discriminant feature extractor is configured to extract discriminant features using Nullspace LDA (NLDA) to extract features useful for user identification from the preprocessed walking data.

그리고 Nullspace LDA(NLDA)은, C개의 클래스로 구성된 N개의 샘플에 대해, 다른-클래스 산란행렬(between-class scatter matrix) SB와 같은-클래스 산란행렬(within-class scatter matrix) SW를,And Nullspace LDA (NLDA), for N samples of C classes, yields a with-class scatter matrix S W , such as another-class scatter matrix S B ,

Figure pat00002
,
Figure pat00002
,

Figure pat00003
으로 정의하고, 여기서,
Figure pat00004
는 클래스 ci에 속한 m번째 샘플이고, μ와 μi는 전체 샘플의 평균과 클래스 ci에 속한 샘플들의 평균을 의미하는 것을 특징으로 한다.
Figure pat00003
Is defined as
Figure pat00004
Is the m th sample belonging to class c i , and μ and μ i are the mean of all samples and the mean of samples belonging to class c i .

그리고 Nullspace LDA(NLDA)은, 클래스 간의 판별력을 최대화 하기 위해 SW의 널(null) 공간에 샘플들을 투영시킨 후, 각 클래스의 평균들 간의 분산이 최대가 되도록 목적함수를 만족시키는 투영 벡터들을,Nullspace LDA (NLDA) projects the samples in the null space of S W to maximize the discrimination between classes, and then projects projection vectors that satisfy the objective function so that the variance between the means of each class is maximized.

Figure pat00005
구하고, WNLDA는 n'개의 투영벡터
Figure pat00006
으로 구성된 투영행렬인 것을 특징으로 한다.
Figure pat00005
W NLDA is n 'projection vectors
Figure pat00006
Characterized in that the projection matrix consisting of.

그리고 샘플 x에 대한 특징 벡터 y는,

Figure pat00007
인 것을 특징으로 한다.And the feature vector y for sample x is
Figure pat00007
It is characterized by that.

다른 목적을 달성하기 위한 본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 방법은 신발의 인솔에 구성되는 가속도 센서를 이용하여 보행 데이터를 측정하는 보행 데이터 측정 단계;단위 걸음의 구간을 정의하여 가장 짧은 단위 걸음의 시간을 기준으로 리사이징(resizing)하여 모든 걸음에 대한 길이가 동일하도록 정규화(normalization)하여 개인의 보행 특성을 추출하기 위한 보행 데이터의 전처리를 하는 보행 데이터 전처리 단계;전처리된 보행데이터로부터 사용자 식별에 유용한 특징을 추출하는 판별 특징 추출 단계;판별 특징 추출 단계에서 추출된 판별 특징값을 이용하여 분류 및 사용자 식별을 하는 분류 및 사용자 식별 단계;를 포함하는 것을 특징으로 한다.According to an aspect of the present invention, there is provided a method for identifying a user using an acceleration sensor of a smart insole, the method comprising: measuring gait data using an acceleration sensor configured in an insole of a shoe; defining a step of a unit step A preliminary gait data preprocessing step of presizing gait data for extracting a gait characteristic of an individual by resizing based on the time of the shortest unit steps and normalizing them to have the same length for all steps; Discrimination feature extraction step for extracting a feature useful for user identification from the data; Classification and user identification step for performing classification and user identification using the discrimination feature value extracted in the discriminant feature extraction step; characterized in that it comprises a.

여기서, 상기 보행 데이터 전처리 단계에서, 하나의 보행주기를 한 발이 떠 있는 상태인 swing phase와 땅에 붙어있는 상태인 stance phase로 분류하고, swing phase를 검출하고 왼발을 기준으로 swing phase의 시작점에서 stance phase의 종료점까지를 한 걸음으로 정의하는 것을 특징으로 한다.Here, in the walk data preprocessing step, one walk cycle is classified into a swing phase in which one foot is floating and a stance phase in a state of being attached to the ground, the swing phase is detected, and the stance at the starting point of the swing phase based on the left foot. It is characterized by defining one step up to the end point of the phase.

그리고 상기 보행 데이터 전처리 단계에서, 정규화된 단위 걸음의 가속도 측정값을 사전 순서 연산자(lexicographic ordering operator)를 이용하여 벡터(

Figure pat00008
)로 저장하는 것을 특징으로 한다.In the step of preliminary processing of the walking data, an acceleration measurement value of a normalized unit step is obtained using a lexicographic ordering operator.
Figure pat00008
It is characterized by storing in).

그리고 상기 보행 데이터 전처리 단계에서, 측정 센서의 오작동으로 인한 swing phase에서 압력 센서의 값이 0이 아닌 단위걸음들의 데이터를 제외하는 것을 특징으로 한다.In the step of preliminary processing of the walking data, the data of the unit steps in which the value of the pressure sensor is not zero in the swing phase due to the malfunction of the measuring sensor may be excluded.

이와 같은 본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치 및 방법은 다음과 같은 효과를 갖는다.Such a device and method for user identification using an acceleration sensor of a smart insole according to the present invention has the following effects.

첫째, 스마트 인솔의 가속도 센서를 통해 보행데이터를 취득하고, 이에 대한 판별 분석을 바탕으로 사용자를 식별할 수 있도록 한다.First, it acquires pedestrian data through the acceleration sensor of smart insole, and can identify the user based on the discriminant analysis.

둘째, 스마트 인솔의 가속도 센서를 통해 보행데이터를 취득하고 이에 대한 판별 분석을 바탕으로 사용자를 인식하는 것으로, 웨어러블 센서를 사용하기 때문에 사용자가 군중 속에 있거나 특정 장소에 있어야 하는 등의 사용 환경의 제약이 적어 효율적으로 사용자 식별이 가능하도록 한다.Second, it acquires pedestrian data through acceleration sensor of smart insole and recognizes the user based on the discriminant analysis of it. Because of the wearable sensor, the user's environment such as being in a crowd or in a specific place is restricted. It is possible to identify users efficiently.

셋째, 스마트 인솔의 가속도 센서 등의 웨어러블 센서 데이터를 이용하기 때문에 데이터 측정 환경의 제약이 적고, 저용량의 가속도 패턴으로부터 높은 인식 성능 및 실시간 인식이 가능하다.Third, since the wearable sensor data such as the acceleration sensor of the smart insole is used, the data measurement environment is limited and high recognition performance and real time recognition are possible from the low-capacity acceleration pattern.

넷째, 측정된 데이터를 보행 싸이클을 기준으로 걸음 단위로 분할하고, 보행 속도의 영향을 덜 받도록 전처리하고, 전처리된 데이터를 Nullspace LDA를 이용한 판별 분석을 수행하여 걸음의 특징을 추출하고 이를 이용하여 강인한 사용자 식별 성능을 얻을 수 있도록 한다.Fourth, the measured data are divided into walking units based on walking cycles, preprocessed to be less affected by walking speed, and preprocessed data are discriminated using Nullspace LDA to extract the characteristics of the walking and use them. Enable user identification performance.

도 1은 본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치에서 사용되는 보행 데이터 측정 센서의 일 예를 나타낸 구성도
도 2는 보행 데이터 측정 센서를 이용하여 측정한 보행 데이터의 일 예를 나타낸 구성도
도 3은 본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치의 구성도
도 4는 본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 방법을 나타낸 플로우 차트
도 5는 네 걸음으로 구성된 보행샘플에 대한 특징 공간의 차원 수에 따른 인식률을 나타낸 그래프1 is a block diagram showing an example of a walking data measurement sensor used in the device for user identification using the acceleration sensor of the smart insole according to the present invention.
2 is a diagram illustrating an example of walking data measured using a walking data measuring sensor.
3 is a block diagram of a device for user identification using an acceleration sensor of a smart insole according to the present invention
4 is a flowchart illustrating a method for user identification using an acceleration sensor of a smart insole according to the present invention.
5 is a graph showing a recognition rate according to the number of dimensions of a feature space for a walking sample composed of four steps

이하, 본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치 및 방법의 바람직한 실시 예에 관하여 상세히 설명하면 다음과 같다.Hereinafter, a preferred embodiment of an apparatus and method for user identification using an acceleration sensor of a smart insole according to the present invention will be described in detail.

본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치 및 방법의 특징 및 이점들은 이하에서의 각 실시 예에 대한 상세한 설명을 통해 명백해질 것이다.Features and advantages of the apparatus and method for user identification using the acceleration sensor of the smart insole according to the present invention will be apparent from the detailed description of each embodiment below.

도 1은 본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치에서 사용되는 보행 데이터 측정 센서의 일 예를 나타낸 구성도이고, 도 2는 보행 데이터 측정 센서를 이용하여 측정한 보행 데이터의 일 예를 나타낸 구성도이다.1 is a block diagram illustrating an example of a walking data measurement sensor used in a device for user identification using an acceleration sensor of a smart insole according to the present invention, Figure 2 is a view of the walking data measured using a walking data measurement sensor It is a block diagram showing an example.

본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치 및 방법은 스마트 인솔의 가속도 센서를 통해 보행데이터를 취득하고 이에 대한 판별 분석을 바탕으로 사용자를 인식하는 것으로, 웨어러블 센서를 사용하기 때문에 사용자가 군중 속에 있거나 특정 장소에 있어야 하는 등의 사용 환경의 제약이 적어 효율적으로 사용자 식별이 가능하도록 한 것이다.An apparatus and method for user identification using an acceleration sensor of a smart insole according to the present invention acquires walking data through an acceleration sensor of a smart insole, and recognizes a user based on a discriminant analysis thereof, and uses a wearable sensor. The user's environment is limited, such as being in a crowd or in a specific place, so that the user can be efficiently identified.

이를 위하여, 본 발명은 측정된 데이터를 보행 싸이클을 기준으로 걸음 단위로 분할하고, 보행 속도의 영향을 덜 받도록 전처리하고, 전처리된 데이터를 Nullspace LDA를 이용한 판별 분석을 수행하여 걸음의 특징을 추출하고 이를 이용하여 사용자 식별을 하는 구성을 포함할 수 있다.To this end, the present invention divides the measured data into walking units based on walking cycles, preprocesses to be less affected by walking speed, and extracts the characteristics of the walking by performing a discriminant analysis using Nullspace LDA. This may include a configuration for user identification.

최근 웨어러블 센서 기술이 발전함에 따라 다양한 센서들을 장착한 스마트 인솔(깔창) 기기들이 개발되고 있다.Recently, with the development of wearable sensor technology, smart insole devices equipped with various sensors are being developed.

본 발명은 이러한 스마트 인솔의 가속도 센서를 통해 보행데이터를 취득하고, 이에 대한 판별 분석을 바탕으로 사용자를 인식하는 것이다.The present invention acquires walking data through the acceleration sensor of the smart insole, and recognizes the user based on the discriminant analysis thereof.

본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치에서 사용되는 보행 데이터 측정 센서의 일 예는 도 1에서와 같다.An example of a walking data measurement sensor used in a device for user identification using an acceleration sensor of a smart insole according to the present invention is as shown in FIG. 1.

본 발명은 보행 데이터 수집을 위해 3LLaps Co., Ltd.(Seoul Korea)에서 제작한 상용 스마트 인솔인 FootLogger를 사용할 수 있고, 이로 제한되지 않는다.The present invention may use FootLogger, a commercial smart insole manufactured by 3LLaps Co., Ltd. (Seoul Korea) for collecting walking data, but is not limited thereto.

FootLogger는 8개의 압력 센서와 3축 가속도 센서, 3축 자이로 센서를 내장하고 있으며, 양 쪽 신발에 각각 장착된 깔창의 센서들은 100Hz의 샘플링율로 데이터를 측정한다.The FootLogger has eight pressure sensors, a three-axis acceleration sensor and a three-axis gyro sensor. The insole sensors on each shoe measure data at a sampling rate of 100 Hz.

압력 센서의 경우, 압력의 세기에 따라 0, 1, 2의 값으로 측정되며 0은 압력이 없는 상태, 즉 swing phase (지면에서 발이 떨어진상태)이고, 1과 2는 stance phase (발이 지면을 디디고 있는 상태)에서의 압력의 세기를 의미한다. In the case of a pressure sensor, depending on the strength of the pressure, it is measured at values of 0, 1, and 2, where 0 is the absence of pressure, that is, the swing phase, and 1 and 2 are the stance phases. The strength of the pressure).

도 2는 보행 데이터 측정 센서를 이용하여 측정한 보행 데이터의 일 예를 나타낸 것이다.2 illustrates an example of walking data measured using a walking data measuring sensor.

FootLogger를 이용하여 측정한 보행 데이터의 예를 나타낸 것으로, 왼발과 오른발에서 swing phase가 번갈아 나타나는 것을 통해 보행 싸이클(cycle)을 확인할 수 있으며, 본 발명에서는 왼발을 기준으로 swing phase의 시작점에서 stance phase의 종료점까지를 한 걸음으로 정의한다.As an example of walking data measured using the FootLogger, the walking cycle can be confirmed by alternating swing phases of the left foot and the right foot. In the present invention, the stance phase of the stance phase at the starting point of the swing phase is determined based on the left foot. One step to the end point is defined.

한편, 같은 사람이라도 데이터 측정하는 동안이나 데이터를 측정 시도마다 보행의 속도는 달라질 수 있는데, 이러한 보행 속도의 변화는 사용자 식별을 위한 개인의 보행 특성을 추출하는데 방해가 된다.On the other hand, even the same person may change the speed of walking during data measurement or every attempt to measure the data, such a change in walking speed is hindered to extract the walking characteristics of the individual for user identification.

이에, 상황에 덜 민감한 특징의 추출을 위해 모든 swing phase에서 stance phase까지의 단위 걸음들을 가장 짧은 단위 걸음의 시간을 기준(t, 본 발명의 일 실시 예에서는

Figure pat00009
으로 설정)으로 리사이징(resizing)하여 모든 걸음에 대한 길이가 동일하도록 63x6의 배열로 정규화(normalization)한다.Therefore, in order to extract a feature that is less sensitive to the situation, the unit steps from all the swing phase to the stance phase are based on the time of the shortest unit step (t, in one embodiment of the present invention).
Figure pat00009
Resizing to normalize to an array of 63x6 so that the lengths for all steps are the same.

정규화된 단위 걸음의 가속도 측정값은 사전 순서 연산자(lexicographic ordering operator)를 이용하여 378x1의 벡터(

Figure pat00010
)로 저장한다.Acceleration measurements for normalized unit steps are calculated using a lexicographic ordering operator
Figure pat00010
Save as)

여기서, 데이터 전처리 과정에서 측정 센서의 오작동으로 인해 swing phase에서 압력 센서의 값이 0이 아닌 단위걸음들의 데이터를 제외하는 것이 바람직하다.Here, it is preferable to exclude data of unit steps in which the value of the pressure sensor is not zero in the swing phase due to the malfunction of the measuring sensor in the data preprocessing process.

도 3은 본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치의 구성도이다.3 is a block diagram of an apparatus for user identification using an acceleration sensor of a smart insole according to the present invention.

본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치는 도 3에서와 같이, 8개의 압력 센서와 3축 가속도 센서, 3축 자이로 센서를 내장하여 보행 데이터를 측정하는 보행 데이터 측정 센서(10)와, 모든 swing phase에서 stance phase까지의 단위 걸음들을 가장 짧은 단위 걸음의 시간을 기준으로 리사이징(resizing)하여 모든 걸음에 대한 길이가 동일하도록 정규화(normalization)하여 개인의 보행 특성을 추출하기 위한 보행 데이터의 전처리를 하는 보행 데이터 전처리부(20)와, 전처리된 보행데이터로부터 사용자 식별에 유용한 특징을 추출하는 판별 특징 추출부(30)와, 판별 특징 추출부(30)에서 추출된 판별 특징값을 이용하여 분류 및 사용자 식별을 하는 분류 및 사용자 식별부(40)를 포함한다. The device for user identification using the acceleration sensor of the smart insole according to the present invention, as shown in Figure 3, built in eight pressure sensors, three-axis acceleration sensor, three-axis gyro sensor built-in walking data measurement sensor ( 10) and resizing the unit steps from all swing phases to the stance phase based on the time of the shortest unit steps to normalize all steps to have the same length to extract individual walking characteristics. A gait data preprocessor 20 for preprocessing gait data, a discriminant feature extractor 30 for extracting features useful for user identification from the preprocessed gait data, and a discriminant feature value extracted by the discriminant feature extractor 30. The classification and the user identification unit 40 to perform classification and user identification using the.

판별 특징 추출부(30)는 전처리부(20)에서 전처리된 보행데이터로부터 사용자 식별에 유용한 특징을 추출하기 위해 판별 특징 추출 방법 가운데 고차원 데이터에 효과적인 Nullspace LDA(NLDA)을 사용할 수 있고, 이로 제한되지 않는다.The discriminant feature extractor 30 may use Nullspace LDA (NLDA), which is effective for high-dimensional data, among the discriminant feature extracting methods to extract a feature useful for user identification from the preprocessed walking data. Do not.

먼저, C개의 클래스로 구성된 N개의 샘플에 대해, 다른-클래스 산란행렬(between-class scatter matrix) SB와 같은-클래스 산란행렬(within-class scatter matrix) SW를 다음과 같이 정의한다. First, for N samples composed of C classes, a with-class scatter matrix S W , such as a different-class scatter matrix S B , is defined as follows.

Figure pat00011
Figure pat00011

Figure pat00012
Figure pat00012

여기서,

Figure pat00013
는 클래스 ci에 속한 m번째 샘플이고, μ와 μi는 전체 샘플의 평균과 클래스 ci에 속한 샘플들의 평균을 의미한다.here,
Figure pat00013
Is the m th sample belonging to class c i , μ and μ i mean the average of the entire sample and the average of the samples belonging to class c i .

NLDA는 클래스 간의 판별력을 최대화 하기 위해 SW의 널(null) 공간에 샘플들을 투영시킨 후, 각 클래스의 평균들 간의 분산이 최대가 되도록 아래와 같은 목적함수를 만족시키는 투영 벡터들을 구한다. The NLDA projects samples in a null space of S W in order to maximize discrimination between classes, and then obtains projection vectors satisfying the following objective function such that the variance between means of each class is maximized.

Figure pat00014
Figure pat00014

WNLDA는 n'개의 투영벡터

Figure pat00015
으로 구성된 투영행렬이며, 샘플 x에 대한 특징 벡터 y는 다음과 같이 구할 수 있다.W NLDA is n 'projection vectors
Figure pat00015
It is a projection matrix consisting of the feature vectors y for the sample x can be obtained as follows.

Figure pat00016
Figure pat00016

이와 같은 구성을 갖는 본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치의 시용자 식별을 위한 동작을 설명하면 다음과 같다.Referring to the operation for the user identification of the device for user identification using the acceleration sensor of the smart insole according to the present invention having such a configuration as follows.

도 4는 본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 방법을 나타낸 플로우 차트이고, 도 5는 네 걸음으로 구성된 보행샘플에 대한 특징 공간의 차원 수에 따른 인식률을 나타낸 그래프이다.4 is a flowchart illustrating a method for user identification using an acceleration sensor of a smart insole according to the present invention, and FIG. 5 is a graph showing a recognition rate according to the number of dimensions of a feature space for a walking sample composed of four steps.

본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 방법은 먼저, 보행 데이터 측정 센서를 이용하여 보행 데이터를 측정한다.(S401)In the method for identifying a user using the acceleration sensor of the smart insole according to the present invention, first, the walking data is measured using the walking data measuring sensor.

이어, 모든 swing phase에서 stance phase까지의 단위 걸음들을 가장 짧은 단위 걸음의 시간을 기준으로 리사이징(resizing)하여 모든 걸음에 대한 길이가 동일하도록 정규화(normalization)하는 전처리 과정을 진행한다.(S402)Subsequently, resizing the unit steps from all the swing phases to the stance phase based on the time of the shortest unit steps is performed, and a preprocessing process is performed to normalize the lengths of all steps to be the same (S402).

그리고 Nullspace LDA(NLDA)을 사용하여 전처리된 보행데이터로부터 사용자 식별에 유용한 특징을 추출하고(S403), 추출된 판별 특징을 이용하여 사용자 식별을 한다.(S404)A feature useful for user identification is extracted from the preprocessed walking data using Nullspace LDA (NLDA) (S403), and the user is identified using the extracted discrimination feature (S404).

이상에서 설명한 본 발명에 따른 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치 및 방법의 사용자 식별 성능은 다음과 같다.The user identification performance of the apparatus and method for user identification using the acceleration sensor of the smart insole according to the present invention described above is as follows.

FootLogger의 가속도 측정 값을 전처리 하고 NLDA를 이용하여 추출한 특징들을 가지고 인식 실험을 수행하였다.Recognition experiments were performed with preprocessed acceleration measurements of FootLogger and features extracted using NLDA.

분류기로는 '유클리안 거리'를 이용한 One-Nearest Neighborhood(One-NN) 방법을 사용하였다. As a classifier, the One-Nearest Neighborhood (One-NN) method using the Euclidean distance was used.

학습 데이터 셋은 각 사람의 데이터 샘플들 중에서 임의로 세 개의 샘플들씩 선별하여 구성하였으며, 나머지 샘플들을 테스트 셋으로 사용하였다.The training data set consisted of three randomly selected samples from each person's data sample, and the remaining samples were used as test sets.

이러한 실험을 25번 반복하여 얻은 인식률들의 평균을 결과로 제시하였다.The average of the recognition rates obtained by repeating this experiment 25 times is presented as a result.

Figure pat00017
Figure pat00017

먼저, 사용자 식별을 위한 보행 특징을 추출하는데 몇 걸음 정도가 필요한지를 확인하기 위해, 한 걸음에 대한 가속도 측정 값으로 구성한 보행 샘플에서부터 다섯 걸음의 측정 값을 포함한 보행 샘플까지의 인식률을 측정해 보았다.First, in order to determine how many steps are needed to extract the gait feature for user identification, the recognition rate was measured from a gait sample composed of acceleration measurements for one step to a gait sample including five steps.

표 1의 인식률은 전체 샘플 중 임의로 400개의 샘플들을 선택하여 측정하였다.The recognition rate of Table 1 was measured by selecting 400 samples arbitrarily among all samples.

표 1에서, 한 걸음만으로도 87%의 사용자 인식률을 보였으며, 보행 샘플에 포함된 걸음 수가 많을수록 인식률이 증가하다가 '4~5 걸음수'에서 증가의 폭이 둔화되는 것을 볼 수 있다.In Table 1, the user recognition rate was 87% with only one step, and as the number of steps included in the walking sample increased, the recognition rate increased, but the increase was slowed at '4-5 steps'.

이는 4걸음 이상을 걸었을 때 개인별 보행패턴의 특징이 보다 효과적으로 추출되는 것을 의미한다.This means that when the user walks more than four steps, the characteristics of the individual walking pattern are more effectively extracted.

도 5는 총 2295걸음을 연속적인 네 걸음씩으로 나누어 구성한 568개의 보행샘플에 대해 NLDA 특징 공간의 차원 수에 따른 인식률을 보여준다.FIG. 5 shows the recognition rate according to the number of dimensions of the NLDA feature space for 568 gait samples configured by dividing a total of 2295 steps into four consecutive steps.

도 5에서 특징 공간의 차원이 증가하면서 인식률이 증가하는 것을 볼 수 있으며 12차원으로 구성된 특징 공간에서 91.3%의 최대 인식률을 보이는 것을 확인할 수 있다.In FIG. 5, the recognition rate increases as the dimension of the feature space increases, and it can be seen that the maximum recognition rate of 91.3% is shown in the feature space consisting of 12 dimensions.

비디오데이터 기반의 걸음분석에 의한 사용자 인식 방법들과는 다르게 웨어러블 기기를 사용하기 때문에 데이터 측정 환경의 제약이 적고, 저용량의 가속도 패턴으로부터 높은 인식 성능을 얻을 수 있다는 점에서 효과적인 방법인 것이 확인되고 있다.Unlike user recognition methods based on step analysis based on video data, wearable devices are used, which makes it possible to reduce the data measurement environment and to obtain high recognition performance from low-capacity acceleration patterns.

이상에서의 설명에서와 같이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명이 구현되어 있음을 이해할 수 있을 것이다.It will be understood that the present invention is implemented in a modified form without departing from the essential features of the present invention as described above.

그러므로 명시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 전술한 설명이 아니라 특허청구 범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.Therefore, the described embodiments should be considered in descriptive sense only and not for purposes of limitation, and the scope of the present invention is shown in the claims rather than the foregoing description, and all differences within the equivalent scope are included in the present invention. It should be interpreted.

10. 보행 데이터 측정 센서 20. 전처리부
30. 판별 특징 추출부 40. 분류 및 사용자 식별부10. Walking data measuring sensor 20. Preprocessor
30. Discrimination feature extraction unit 40. Classification and user identification unit

Claims (14)

보행 데이터를 측정하는 보행 데이터 측정 센서;
단위 걸음의 구간을 정의하여 가장 짧은 단위 걸음의 시간을 기준으로 리사이징(resizing)하여 모든 걸음에 대한 길이가 동일하도록 정규화(normalization)하여 개인의 보행 특성을 추출하기 위한 보행 데이터의 전처리를 하는 보행 데이터 전처리부;
전처리된 보행데이터로부터 사용자 식별에 유용한 특징을 추출하는 판별 특징 추출부;
판별 특징 추출부에서 추출된 판별 특징값을 이용하여 분류 및 사용자 식별을 하는 분류 및 사용자 식별부;를 포함하는 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치.A walking data measuring sensor measuring walking data;
Pedestrian data that pre-processs pedestrian data to extract walking characteristics of individuals by resizing based on the time of the shortest unit steps and normalizing them to have the same length for all steps Pretreatment unit;
A discriminating feature extracting unit for extracting a feature useful for user identification from the preprocessed walking data;
And a classification and user identification unit configured to classify and identify a user using the discriminating feature value extracted by the discriminating feature extractor. 2. The apparatus for identifying a user using the acceleration sensor of the smart insole. 제 1 항에 있어서, 보행 데이터 측정 센서는,
신발의 인솔에 구성되는 가속도 센서인 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치.The method of claim 1, wherein the walking data measurement sensor,
Device for user identification using the acceleration sensor of the smart insole, characterized in that the acceleration sensor is configured in the shoe insole. 제 1 항에 있어서, 상기 보행 데이터 전처리부는,
하나의 보행주기를 한 발이 떠 있는 상태인 swing phase와 땅에 붙어있는 상태인 stance phase로 분류하고,
swing phase를 검출하고 왼발을 기준으로 swing phase의 시작점에서 stance phase의 종료점까지를 한 걸음으로 정의하는 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치.The method of claim 1, wherein the gait data preprocessing unit,
A walk cycle is classified into a swing phase with one foot floating and a stance phase with ground attached,
A device for user identification using an acceleration sensor of a smart insole, which detects a swing phase and defines a step from the start point of the swing phase to the end point of the stance phase based on the left foot. 제 1 항에 있어서, 상기 보행 데이터 전처리부는,
정규화된 단위 걸음의 가속도 측정값을 사전 순서 연산자(lexicographic ordering operator)를 이용하여 벡터(
Figure pat00018
)로 저장하는 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치.The method of claim 1, wherein the gait data preprocessing unit,
Acceleration measurements of normalized unit steps are computed using vectors (lexicographic ordering operator)
Figure pat00018
Device for user identification using the acceleration sensor of the smart insole, characterized in that the storage as. 제 1 항에 있어서, 상기 보행 데이터 전처리부는,
보행 데이터 전처리 과정에서 측정 센서의 오작동으로 인한 swing phase에서 압력 센서의 값이 0이 아닌 단위걸음들의 데이터를 제외하는 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치.The method of claim 1, wherein the gait data preprocessing unit,
A device for user identification using an acceleration sensor of a smart insole, wherein the pressure sensor excludes data of non-zero unit steps in a swing phase due to malfunction of the measurement sensor in the preliminary processing of the walking data. 제 5 항에 있어서, 압력 센서는 신발의 인솔에 구성되고,
압력의 세기에 따라 0, 1, 2의 값으로 측정되며 0은 압력이 없는 지면에서 발이 떨어진 상태인 swing phase이고, 1과 2는 발이 지면을 디디고 있는 상태인 stance phase에서의 압력의 세기인 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치.The pressure sensor of claim 5, wherein the pressure sensor is configured in the insole of the shoe,
Measured as 0, 1, or 2 depending on the strength of the pressure, 0 is the swing phase with the foot off the ground without pressure, and 1 and 2 are the strength of the pressure in the stance phase with the foot off the ground. Device for user identification using the acceleration sensor of the smart insole. 제 1 항에 있어서, 판별 특징 추출부는,
전처리된 보행 데이터로부터 사용자 식별에 유용한 특징을 추출하기 위해 Nullspace LDA(NLDA)을 사용하여 판별 특징 추출을 하는 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치.The method of claim 1, wherein the discrimination feature extraction unit,
An apparatus for identifying a user using an acceleration sensor of a smart insole, characterized by extracting discriminating features using Nullspace LDA (NLDA) to extract features useful for user identification from preprocessed walking data. 제 7 항에 있어서, Nullspace LDA(NLDA)은,
C개의 클래스로 구성된 N개의 샘플에 대해, 다른-클래스 산란행렬(between-class scatter matrix) SB와 같은-클래스 산란행렬(within-class scatter matrix) SW를,
Figure pat00019
,
Figure pat00020
으로 정의하고,
여기서,
Figure pat00021
는 클래스 ci에 속한 m번째 샘플이고, μ와 μi는 전체 샘플의 평균과 클래스 ci에 속한 샘플들의 평균을 의미하는 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치.The method of claim 7, wherein Nullspace LDA (NLDA),
For N samples of C classes, a with-class scatter matrix S W , such as thebetween-class scatter matrix S B ,
Figure pat00019
,
Figure pat00020
To be defined as,
here,
Figure pat00021
Is the m th sample belonging to the class c i , μ and μ i means the average of the entire sample and the average of the samples belonging to the class c i device for user identification using the acceleration sensor of the smart insole. 제 8 항에 있어서, Nullspace LDA(NLDA)은,
클래스 간의 판별력을 최대화 하기 위해 SW의 널(null) 공간에 샘플들을 투영시킨 후, 각 클래스의 평균들 간의 분산이 최대가 되도록 목적함수를 만족시키는 투영 벡터들을,
Figure pat00022
구하고,
WNLDA는 n'개의 투영벡터
Figure pat00023
으로 구성된 투영행렬인 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치.The method of claim 8, wherein Nullspace LDA (NLDA) is,
After projecting the samples in the null space of S W to maximize the discrimination between classes, the projection vectors satisfying the objective function are maximized so that the variance between the means of each class is maximized,
Figure pat00022
Finding,
W NLDA is n 'projection vectors
Figure pat00023
Apparatus for user identification using the acceleration sensor of the smart insole, characterized in that the projection matrix consisting of. 제 9 항에 있어서, 샘플 x에 대한 특징 벡터 y는,
Figure pat00024
인 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 장치.10. The method of claim 9, wherein the feature vector y for sample x is
Figure pat00024
Device for user identification using the acceleration sensor of the smart insole is characterized in that. 신발의 인솔에 구성되는 가속도 센서를 이용하여 보행 데이터를 측정하는 보행 데이터 측정 단계;
단위 걸음의 구간을 정의하여 가장 짧은 단위 걸음의 시간을 기준으로 리사이징(resizing)하여 모든 걸음에 대한 길이가 동일하도록 정규화(normalization)하여 개인의 보행 특성을 추출하기 위한 보행 데이터의 전처리를 하는 보행 데이터 전처리 단계;
전처리된 보행데이터로부터 사용자 식별에 유용한 특징을 추출하는 판별 특징 추출 단계;
판별 특징 추출 단계에서 추출된 판별 특징값을 이용하여 분류 및 사용자 식별을 하는 분류 및 사용자 식별 단계;를 포함하는 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 방법.A gait data measuring step of measuring gait data using an acceleration sensor configured in an insole of a shoe;
Pedestrian data that pre-processs pedestrian data to extract walking characteristics of individuals by resizing based on the time of the shortest unit steps and normalizing them to have the same length for all steps Pretreatment step;
A discriminating feature extraction step of extracting a feature useful for user identification from the preprocessed walking data;
And classifying and identifying a user using the discriminating feature value extracted in the discriminating feature extracting step. The method for identifying a user using the acceleration sensor of the smart insole. 제 11 항에 있어서, 상기 보행 데이터 전처리 단계에서,
하나의 보행주기를 한 발이 떠 있는 상태인 swing phase와 땅에 붙어있는 상태인 stance phase로 분류하고,
swing phase를 검출하고 왼발을 기준으로 swing phase의 시작점에서 stance phase의 종료점까지를 한 걸음으로 정의하는 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 방법.The method of claim 11, wherein in the walk data preprocessing step,
A walk cycle is classified into a swing phase with one foot floating and a stance phase with ground attached,
A method for user identification using an acceleration sensor of a smart insole, which detects a swing phase and defines a step from the start point of the swing phase to the end point of the stance phase based on the left foot. 제 11 항에 있어서, 상기 보행 데이터 전처리 단계에서,
정규화된 단위 걸음의 가속도 측정값을 사전 순서 연산자(lexicographic ordering operator)를 이용하여 벡터(
Figure pat00025
)로 저장하는 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 방법.The method of claim 11, wherein in the walk data preprocessing step,
Acceleration measurements of normalized unit steps are computed using vectors (lexicographic ordering operator)
Figure pat00025
Method for user identification using the acceleration sensor of the smart insole, characterized in that the storage. 제 11 항에 있어서, 상기 보행 데이터 전처리 단계에서,
측정 센서의 오작동으로 인한 swing phase에서 압력 센서의 값이 0이 아닌 단위걸음들의 데이터를 제외하는 것을 특징으로 하는 스마트 인솔의 가속도 센서를 이용한 사용자 식별을 위한 방법.
The method of claim 11, wherein in the walk data preprocessing step,
A method for identifying a user using an acceleration sensor of a smart insole, wherein the pressure sensor excludes data of non-zero unit steps in a swing phase due to a malfunction of the measuring sensor.
KR1020180062806A 2018-05-30 2018-05-31 Apparatus and Method for User Identificating Using Acceleration Sensor of Smart Insole KR102071495B1 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180062806A KR102071495B1 (en) 2018-05-31 2018-05-31 Apparatus and Method for User Identificating Using Acceleration Sensor of Smart Insole
US16/191,616 US20190365287A1 (en) 2018-05-30 2018-11-15 Apparatus and method for gait type classification using pressure sensor of smart insole

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180062806A KR102071495B1 (en) 2018-05-31 2018-05-31 Apparatus and Method for User Identificating Using Acceleration Sensor of Smart Insole

Publications (2)

Publication Number Publication Date
KR20190136729A true KR20190136729A (en) 2019-12-10
KR102071495B1 KR102071495B1 (en) 2020-01-30

Family

ID=69002997

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180062806A KR102071495B1 (en) 2018-05-30 2018-05-31 Apparatus and Method for User Identificating Using Acceleration Sensor of Smart Insole

Country Status (1)

Country Link
KR (1) KR102071495B1 (en)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050062783A (en) 2002-10-29 2005-06-27 소니 가부시끼 가이샤 Gait waveform feature extracting method and individual identification system
KR20110093283A (en) * 2010-02-12 2011-08-18 삼성전자주식회사 Apparatus and method for analyzing of gait pattern
KR101583369B1 (en) * 2015-04-27 2016-01-21 (주)엠더블유스토리 System and method for recognizing gait, and storage medium for recoding computer program therefor
KR20160101800A (en) 2015-02-17 2016-08-26 인하대학교 산학협력단 A Human Identification Method based on Gait Cycle Using EMG signal
KR20170043308A (en) 2015-10-13 2017-04-21 충북대학교 산학협력단 Method for identificating Person on the basis gait data
KR20180003377A (en) * 2016-06-30 2018-01-09 국민대학교산학협력단 Device and system for measuring distance traveled

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050062783A (en) 2002-10-29 2005-06-27 소니 가부시끼 가이샤 Gait waveform feature extracting method and individual identification system
KR20110093283A (en) * 2010-02-12 2011-08-18 삼성전자주식회사 Apparatus and method for analyzing of gait pattern
KR20160101800A (en) 2015-02-17 2016-08-26 인하대학교 산학협력단 A Human Identification Method based on Gait Cycle Using EMG signal
KR101583369B1 (en) * 2015-04-27 2016-01-21 (주)엠더블유스토리 System and method for recognizing gait, and storage medium for recoding computer program therefor
KR20170043308A (en) 2015-10-13 2017-04-21 충북대학교 산학협력단 Method for identificating Person on the basis gait data
KR20180003377A (en) * 2016-06-30 2018-01-09 국민대학교산학협력단 Device and system for measuring distance traveled

Also Published As

Publication number Publication date
KR102071495B1 (en) 2020-01-30

Similar Documents

Publication Publication Date Title
Preis et al. Gait recognition with kinect
Gafurov et al. Gait recognition using wearable motion recording sensors
Choi et al. Biometric gait recognition based on wireless acceleration sensor using k-nearest neighbor classification
Gafurov et al. Gait recognition using acceleration from MEMS
US20190365287A1 (en) Apparatus and method for gait type classification using pressure sensor of smart insole
WO2012119126A2 (en) Apparatus, system, and method for automatic identification of sensor placement
CN111178155B (en) Gait feature extraction and gait recognition method based on inertial sensor
Kawsar et al. A novel activity detection system using plantar pressure sensors and smartphone
Zhou et al. The carpet knows: Identifying people in a smart environment from a single step
Gafurov et al. User authentication based on foot motion
Gillani et al. Age estimation and gender classification based on human gait analysis
KR102175191B1 (en) Apparatus and Method for Gait Type Classificating Using Pressure Sensor of Smart Insole
Nandy et al. A study on gait entropy image analysis for clothing invariant human identification
KR102302234B1 (en) Apparatus and method for identifying individuals by performing discriminant analysis for various detection information
CN114881079A (en) Human body movement intention abnormity detection method and system for wearable sensor
Gafurov et al. Towards understanding the uniqueness of gait biometric
Sabir et al. Human gait identification using Kinect sensor
KR102194313B1 (en) Apparatus and method for identifying individuals by performing neural network analysis for various detection information
KR102071495B1 (en) Apparatus and Method for User Identificating Using Acceleration Sensor of Smart Insole
Saleh et al. An efficient machine learning-based fall detection algorithm using local binary features
KR20210011097A (en) Apparatus and method for classification of gait type by performing neural network analysis for various detection information
Rashid et al. Simulation of SisFall dataset for fall detection using matlab classifier algorithms
Das Activity recognition using histogram of oriented gradient pattern history
Wahjudi et al. IMU-Based walking workouts recognition
Fihl et al. Classification of gait types based on the duty-factor

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant