머신러닝을 통한 독거노인의 행동기반 위급상황 인식 및 알림 시스템

Abstract

현대 사회는 지속된 고령화로 노인 인구가 급속하게 증가하고 있다. 고령화 사회에 발맞춰 독거노인을 위한 IoT 장비 및 AI 스피커 등 노인의 안전과 건강을 관리하는 케어 서비스 제품들이 많이 출시되고 있다. 이러한 제품들은 응급호출기 또는 음성을 통해 위급상황이나 행동 패턴 등을 인식하여 독거노인을 위한 케어 솔루션을 운영하고 있다. 노인의 사고 자료 조사 결과, 노인의 사고율은 주택에서 낙상 사고가 가장 많이 발생하며 손상증상은 골절 및 타박상이 가장 높은 결과를 보여주고 있다. 하지만 IoT 장비와 AI 스피커는 이러한 사고에 기술적 한계점을 가지고 있다. IoT 장비는 골절 및 타박상 발생 시 IoT 장비까지 접근하기 어렵다는 점과 AI 스피커는 음성 명령의 인식 정확도가 낮다는 한계점을 보여주고 있다. 본 논문은 영상 인식 데이터를 통해 독거노인이 댁내에서 골절 및 타박상 발생 시 위급 신호를 판단하여 보호자 또는 지자체 기관 등에게 알리는 시스템을 구현한다. 독거노인은 댁내에 위급상황 발생 시 요청할 대상이 없으므로 본 논문을 통해 골절 및 타박상 발생 시 그 자리에서 영상 인식을 통해 위급 신호를 판단하여 위급상황을 알릴 수 있다. 이러한 점은 음성 또는 센서 기술의 한계점을 보완할 수 있으며, 독거노인의 위급상황 인식을 더 신속하게 처리할 수 있다. 영상인식 입력 데이터는 댁내 송수신 장치에서 PoseNet API를 통해 스켈레톤 데이터를 이용한다. 위급 신호 판단으로는 머신러닝 (SVM, CNN, K-means Clustering) 알고리즘을 사용하였으며, 0.9676으로 SVM이 가장 높은 정확도를 보여주었다. 본 시스템은 서버에서 위급 신호를 판단한 후 FCM을 통해 스마트폰으로 보호자와 지자체 관리 담당자에게 위급상황을 알려주는 시스템을 구현한다.|In this paper, implements a system in which elderly people living alone judge emergency signals when fractures and bruises occur in their homes through image recognition data and inform guardians or local government agencies. Image recognition input data utilizes skeleton data using the PoseNet API in Android-based in-house transceiver devices. Emergency signal judgment used machine learning (SVM, CNN, K-means Clustering) algorithms, with SVM showing the highest accuracy. After judging signals for emergency situations in servers, they inform their guardians and local governments of emergency situations through FCM. The elderly living alone have no one to request in case of an emergency in their home, so this paper can judge emergency signals through video recognition in case of fractures or bruises and inform them of emergency situations.