FMCW 레이더와 인공지능을 이용한 중증 환자의 낙상 위험 상황 탐지 = Detection of Fall Risk in Severe Patients Using FMCW Radar and Artificial Intelligence

국문 초록 (Abstract)

본 논문에서는 낙상 탐지에 초점을 맞추는 기존 연구와 달리 낙상을 예방하기 위해 낙상 위험 동작을 설정하고 위험 동작을 탐지하는 것을 목표로 한다. 병원이나 요양원에는 간병인 없이 홀로 움직이는 것이 치명적인 중증 환자가 있다. 따라서 중증 환자가 일어서기 직전 침대에 누워있다가 앉는 과정을 낙상 위험 동작으로 설정했다. 기존 레이더 기반 동작 인식 연구에 사용된 거리, 속도 정보에 새로운 특징 인자인 움직임 정보를 사용하였다. 또한 특징 인자를 이용해 Bi-LSTM 모델을 학습하고 위험 상황을 탐지했다. 새로운 특징 인자인 움직임 정보가 위험 상황 탐지에 우수함을 보이기 위해 특징 인자 비교와 성능 비교를 했다. 추가로 연속 동작 실험 데이터를 통해 위험 동작만을 탐지하는 성능을 검증하였다.

다국어 초록 (Multilingual Abstract)

Unlike previous studies focusing on fall detection, this paper aims to set fall risk behaviors and detect risky behaviors to prevent falls. In hospitals and nursing homes, there are severe patients who are fatal if they move alone without a caregiver. Therefore, the process of a severe patient lying in bed and sitting down right before standing up was set as a fall risk motion. Activity information, a new feature factor, was added to the range and velocity information used in the existing radar-based motion recognition research. Bi-LSTM model was trained using feature factors and hazardous situations were detected. In order to show that motion information is superior in detecting hazardous situations, feature factor comparison and performance comparison were performed. In addition, the performance of detecting only hazardous motions was verified through continuous motion experimental data.

목차 (Table of Contents)

• 제 1 장 서론 1
• 1.1 연구 배경 및 목적 1
• 1.2 논문의 구성 2
• 제 2 장 FMCW 레이더 신호 3
• 2.1 레이더 신호처리 3
• 제 3 장 제안하는 특징 인자 7
• 3.1 기존 특징 인자 7
• 3.2 새로운 특징 인자 10
• 3.3 특징 인자 비교 13
• 제 4 장 실험 결과 17
• 4.1 데이터 수집 17
• 4.2 모델 구조 19
• 4.3 개별 동작 실험 20
• 4.4 연속 동작 실험 22
• 참고문헌 28