중력 방향에 대한 가중치를 적용한 3축 가속도 센서 데이터를 낙상 특징 변수로 사용해서 은닉 마르코프 모델(Hidden Markov Model; HMM)에 적용한 새로운 낙상 인식 알고리듬을 제안한다. 기존에 낙상인식에 많이 사용되는 변수인 3축 가속도의 벡터 합(Sum Vector Magnitude, SVM)과 새롭게 정의한 변수인 중력방향가중치를 적용한 3축 가속도의 벡터 합(Gravity-weighted Sum Vector Magnitude, GSVM)를 포함한 다섯 가지 낙상특징변수를 은닉 마르코프 모델에 적용하여 낙상 인식률을 평가하였다. 실험을 통해 얻은 가장 좋은 결과는 중력방향가중치를 적용한 3축 가속도의 벡터 합 변수를 적용한 결과이고 100% 민감도(sensitivity)와 97.96% 특이성(specificity)를 얻었다. 이것은 단순 3축 가속도의 벡터 합 변수에 비해 민감도는 5.2%와 특이성은 4.5% 정도 향상되었다. 단순히 운동량만을 표현하는 3축 가속도의 벡터 합 변수에 비해 중력방향가중치를 적용한 3축 가속도의 벡터 합 변수가 낙상의 움직임에 대한 특징을 잘 표현하기 때문에 높은 인식률을 나타내었다.
A newly developed fall recognition algorithm using gravity weighted 3-axis accelerometer data as the input of HMM (Hidden Markov Model) is introduced. Five types of fall feature parameters including the sum vector magnitude(SVM) and a newly-defined gravity-weighted sum vector magnitude(GSVM) are applied to a HMM to evaluate the accuracy of fall recognition. A GSVM parameter shows the best accuracy of falls which is 100% of sensitivity and 97.96% of specificity, and comparing with SVM, the results archive more improved recognition rate, 5.2% of sensitivity and 4.5% of specificity. GSVM shows higher recognition rate than SVM due to expressing falls characteristics well, whereas SVM expresses the only momentum.
