[논문 리뷰] Human Gait Database for Normal Walk Collected by Smartphone Accelerometer

Amir Vajdi, Mohammad Reza Zaghian외 8명|arXiv (Cornell University)|2019. 05. 04.

Gait Recognition and Analysis참고 문헌 11인용 수 7

한 줄 요약

이 논문은 오른쪽 허벅지와 왼쪽 허리에 착용한 스마트폰에서 수집한 가속도계 데이터를 포함한 공개된 걸음걸이 데이터베이스를 소개한다. 총 93명의 피험자가 두 번의 세션에서 320미터를 걷는 것으로 구성되며, 이 데이터셋은 시간적으로 풍부한 다중 세션 데이터와 상세한 메타데이터를 제공함으로써 딥러닝 기반의 걸음걸이 인식을 지원한다. 이를 통해 비접촉식 인간 식별을 위한 견고한 모델 훈련과 검증이 가능하다.

ABSTRACT

Gait recognition is the characterization of unique biometric patterns associated with each individual which can be utilized to identify a person without direct contact. A public gait database with a relatively large number of subjects can provide a great opportunity for future studies to build and validate gait authentication models. The goal of this study is to introduce a comprehensive gait database of 93 human subjects who walked between two endpoints (320 meters) during two different sessions and record their gait data using two smartphones, one attached to the right thigh and another one on the left side of the waist. This data is collected to be utilized by a deep learning-based method that requires enough time points. The metadata including age, gender, smoking, daily exercise time, height, and weight of an individual is recorded. this data set is publicly available.

연구 동기 및 목표

• 비접촉식 인간 식별을 위한 걸음걸이 패턴을 활용한 연구를 지원하기 위해 종합적이고 공개 가능한 걸음걸이 데이터베이스를 구축하는 것.
• 다양한 집단의 피험자로부터 웨어러블 스마트폰을 활용해 다중 세션 걸음걸이 데이터를 수집하여 모델의 일반화 능력을 향상시키는 것.
• 나이, 성별, 신장, 체중, 흡연 여부, 일일 운동 시간 등의 상세한 메타데이터를 기록하여 인구통계학적 요인을 고려한 걸음걸이 분석을 가능하게 하는 것.
• 딥러닝 모델이 장기적인 순차적 데이터를 필요로 하기 때문에, 충분한 시간 해상도와 지속 시간을 확보한 데이터셋을 제공하는 것.
• 표준화되고 재현 가능한 데이터 수집을 통해 걸음걸이 인증 모델의 개발과 검증을 촉진하는 것.

제안 방법

• 두 대의 스마트폰을 사용하여 데이터를 수집하였으며, 각 피험자의 오른쪽 허벅지와 왼쪽 허리에 부착하였다.
• 피험자들은 반복적인 걸음걸이 패턴을 캡처하기 위해 두 번의 별도 세션 동안 320미터 거리를 걷는다.
• 각 걷기 세션 동안 연속적으로 가속도계 데이터를 기록하여 딥러닝 모델이 충분한 시간 포인트를 확보할 수 있도록 하였다.
• 각 피험자에 대해 나이, 성별, 흡연 여부, 일일 운동 시간, 신장, 체중 등의 메타데이터를 기록하였다.
• 시간적 순서 모델링을 지원하도록 데이터셋을 구성하였으며, 양측 센서의 동기화된 데이터 스트림을 확보하였다.
• 최종적으로 데이터셋은 걸음걸이 인식 및 생체인식 인증 연구에 널리 활용할 수 있도록 공개되었다.

실험 결과

연구 질문

• RQ1 스마트폰을 통해 수집된 대규모 다중 세션 걸음걸이 데이터베이스는 효과적인 딥러닝 기반의 걸음걸이 인식을 지원할 수 있는가?
• RQ2 걸음걸이 패턴의 세션 간 변동성이 개인 식별 성능에 어떤 영향을 미치는가?
• RQ3 나이, 성별, 운동 습관과 같은 인구통계학적 요인이 수집된 데이터에서 걸음걸이 특성에 어느 정도 영향을 미치는가?
• RQ4 다양한 신체 부위에서 수집한 스마트폰 가속도계 데이터는 신뢰성 있게 구분 가능한 걸음걸이 특징을 포착할 수 있는가?
• RQ5 데이터 길이와 시간 해상도가 걸음걸이 인증에서 딥러닝 모델 성능에 어떤 영향을 미치는가?

주요 결과

• 93명의 피험자 각각이 두 번의 걷기 세션을 거쳐 총 186건의 별개의 걸음걸이 기록이 두 센서 위치에서 확보되었다.
• 320미터의 걷기 거리는 딥러닝 아키텍처에서 장기적 순서 모델링을 지원할 수 있는 충분한 시간 지속 시간을 제공한다.
• 허벅지와 허리 위치에서의 가속도계 데이터는 상호보완적인 걸음걸이 역학을 포착하여 특징의 풍부함을 향상시킨다.
• 상세한 메타데이터 덕분에 향후 연구에서 인구통계학적 및 생활습관 요인이 걸음걸이 패턴에 미치는 영향을 조사할 수 있다.
• 데이터셋의 공개적 가용성 덕분에 재현 가능한 연구와 걸음걸이 인식 모델의 벤치마킹이 가능해진다.
• 데이터셋은 길이, 일관성, 다중 세션 설계 덕분에 딥러닝 모델의 훈련과 검증에 적합하다.