[논문 리뷰] A systematic review of human activity recognition using smartphones.

Marcin Strączkiewicz, Jukka‐Pekka Onnela|arXiv (Cornell University)|2019. 10. 07.

Human Mobility and Location-Based Analysis참고 문헌 56인용 수 5

한 줄 요약

이 체계적 리뷰는 소비자용 스마트폰을 활용한 인간 활동 인식(HAR)에 관한 72개의 연구를 분석하여 데이터 수집, 전처리, 특징 추출 및 분류 방법을 검토한다. 연구는 일반적인 관행을 규명하고 알고리즘적 변형을 평가하며, 소비자 등급의 스마트폰 데이터를 신뢰할 수 있는 연구 수준의 신체 활동 패tern으로 변환하기 위한 향후 연구 방향을 제시한다.

ABSTRACT

Smartphones have become a global communication tool and more recently a technology for studying human behavior. Given their numerous built-in sensors, smartphones are able to capture detailed and continuous observations on activities of daily living. However, translation of measurements from these consumer-grade devices into research-grade physical activity patterns remains challenging. Over the years, researchers have proposed various human activity recognition (HAR) systems which vary in algorithmic details and statistical principles. In this paper, we summarize existing approaches to smartphone-based HAR. We systematically screened the literature on Scopus, PubMed, and Web of Science in the areas of data acquisition, data preprocessing, feature extraction, and activity classification. We ultimately identified 72 articles on smartphone-based HAR. To provide an understanding of the literature, we discuss each of these areas separately, identify the most common practices and their alternatives, and propose possible future research directions for this interesting and important field.

연구 동기 및 목표

• 스마트폰 기반 인간 활동 인식(HAR)의 데이터 수집, 전처리, 특징 추출 및 분류 분야에서 기존 접근법을 종합하기.
• 소비자 등급의 스마트폰을 사용한 HAR의 각 단계에서 가장 흔하고 효과적인 관행을 규명하기.
• HAR 시스템에서 현재 사용 중인 알고리즘 및 통계적 방법의 강점과 한계 평가하기.
• 스마트폰을 활용한 HAR의 신뢰성과 타당성을 향상시키기 위한 실천 가능한 향후 연구 방향 제안하기.

제안 방법

• 스마트폰 기반 HAR 연구에 중점을 두고, 스푸트럼, 푸블메드, 웹 오브 사이언스에서의 체계적 문헌 스크리닝.
• 데이터 수집 방법, 전처리 기법, 특징 추출 전략, 분류 알고리즘 기반으로 연구를 분류하기.
• HAR 파이프라인 내 72개의 연구에서 확인된 알고리즘의 다양성과 통계적 원리 분석하기.
• 각 HAR 구성 요소에서 일반적인 관행와 대안적 접근 방식을 비교하여 성능 및 신뢰성 평가하기.
• 추세, 격차, 방법론적 트레이드오프를 부각시키기 위해 연구 결과 통합 분석하기.
• 체계적 분석에 기반한 방법론적 선택 사항을 바탕으로 연구 격차 규명 및 향후 연구 방향 설정하기.

실험 결과

연구 질문

• RQ1 스마트폰 기반 HAR 연구에서 가장 흔히 사용되는 데이터 수집 방법은 무엇인가요?
• RQ2 가장 자주 적용되는 전처리 및 특징 추출 기법은 무엇이며, 상호 비교해 보면 어떻게 다릅니까?
• RQ3 다양한 활동 인식 작업에서 서로 다른 분류 알고리즘이 어떻게 성능을 보이나요?
• RQ4 스마트폰 센서 데이터를 연구 수준의 신체 활동 패턴으로 변환하는 데 있어 핵심적인 방법론적 과제는 무엇인가요?
• RQ5 스마트폰 기반 HAR의 타당성과 신뢰성을 향상시키기 위해 가장 유망한 향후 연구 방향은 무엇인가요?

주요 결과

• 이 리뷰는 스마트폰 기반 HAR에 관한 72개의 연구를 확인하여 데이터 수집, 전처리, 특징 추출, 분류 단계에서 뚜렷한 방법론적 다양성을 규명하였다.
• 가속도계 기반 데이터 수집이 인간 활동 신호를 캡처하는 데 가장 널리 사용된 방법이었다.
• 시간 도메인 및 주파수 도메인 특징 추출 기법이 가장 흔히 사용된 특징 추출 기법이었다.
• SVM, 랜덤 포레스트, k-NN와 같은 머신러닝 분류기들이 활동 분류에 자주 사용되었다.
• 광범위하게 사용되고 있음에도 불구하고, 많은 연구에서 표준화된 평가 프rotocol가 부족하여 연구 간 비교가 제한되었다.
• 이 리뷰는 HAR 시스템의 신뢰성을 향상시키기 위해 더 철저한 검증과 표준화가 필요하다고 지적하였다.