본 논문에서는 3축 가속도 센서를 이용하여 사람이 보행 시 발생하는 센서 데이터를 획득하여 실시간 걸음 수 검출과 활동량으로 변환 가능한 웨어러블 디바이스를 개발하였다. 피험자 59명을 대상으로 트레드밀에서 호흡가스대사분석기(K4B2), Actical 그리고 본 연구에서 개발된 디바이스를 착용 후 36분 동안 테스트 프로토콜에 따라 느리게 걷기, 걷기, 빠르게 걷기, 천천히 뛰기, 뛰기, 빠르게 뛰기 등의 다양한 걸음 속력에서 테스트를 진행하였다. 3축 가속도 센서의 X, Y, Z축 출력 값을 하나의 대표 값으로 처리하는 신호벡터크기(Signal Vector Magnitude :SVM)를 사용하였다. 또한 정확한 걸음 수를 검출하기 위해 휴리스틱 알고리즘(Heuristic Algorithm :HA)을 제안하고 적응적인 임계값 알고리즘(Adaptive Threshold Algorithm :ATA), 적응적인 잠금 구간 알고리즘(Adaptive Locking Period Algorithm :ALPA)을 제안한다. 그리고 인체 활동량 측정을 위하여 가속도 센서 출력 데이터와 피험자 정보를 이용하여 에너지소비량(Energy Expenditure :EE)을 추정하는 회귀식을 도출하였다. 실험결과 제안하는 알고리즘의 걸음 수 인식률은 97.34%를 보였으며 활동량 변환 알고리즘도 Actical의 성능보다 1.61% 향상 되었다.
We have developed a wearable device that can convert sensor data into real-time step counts and activity levels. Sensor data on gait were acquired using a triaxial accelerometer. A test was performed according to a test protocol for different walking speeds, e.g., slow walking, walking, fast walking, slow running, running, and fast running. Each test was carried out for 36 min on a treadmill with the participant wearing a portable gas analyzer (K4B2), an Actical device, and the device developed in this study. The signal vector magnitude (SVM) was used to process the X, Y, and Z values output by the triaxial accelerometer into one representative value. In addition, for accurate step-count detection, we used three algorithms: an heuristic algorithm (HA), the adaptive threshold algorithm (ATA), and the adaptive locking period algorithm (ALPA). A regression equation estimating the energy expenditure (EE) was derived by using data from the accelerometer and information on the participants. The recognition rate of our algorithm was 97.34%, and the performance of the activity conversion algorithm was better than that of the Actical device by 1.61%.
