이번 학기 최종 팀 프로젝트로, 팀원 중 박사과정 학생이 음성 인식을 통한 파킨슨병 진단에 대한 아이디어와 관련 경험이 있어 처음에는 이 주제로 프로젝트를 진행하려고 했다. LAB 07에서 브레인스토밍을 할 때도 이 아이디어를 중심으로 준비했다. 그러나 프로젝트 요구사항에서 제시한 4가지 센서를 활용해야 한다는 기본 조건을 충족시키는 데 어려움이 있었다.
음성 분석은 마이크 하나만으로 충분히 구현 가능했으며, 추가 센서를 활용한다고 해도 자이로 센서를 사용해 손 떨림 정도를 측정하는 정도에 그칠 수밖에 없었다. 이 제한점 때문에 해당 주제는 결국 진행하기 어렵다고 판단했다.
두 번째로는 머신러닝을 활용한 산불 감지 시스템을 고려했다. 이 주제는 참고할 만한 레퍼런스가 많아 흥미로운 도전 과제처럼 보였다. 하지만 최종 테스트 단계에서 실제 산악 환경에서 불이나 연기를 만들어 테스트를 진행하는 것은 현실적으로 어렵다는 결론에 도달했다.
결국 가장 실행 가능성이 높은 프로젝트로 노인 낙상 사고 감지 시스템을 선택했다. 이 주제는 요구사항을 충족하면서도 구현 및 테스트가 비교적 수월하다고 판단되어 최종 프로젝트로 결정하게 되었다.
최종 팀 프로젝트 진행 단계 요약
1. 프로젝트 초기 구상 (Demo 1)
• 프로젝트 목표: 노인 낙상 감지 시스템 개발.
• 초기 설계: 스마트폰 센서를 활용해 낙상을 감지.
• 센서 사용: 가속도계(낙상 시 급격한 움직임 감지)와 압력 센서(고도 변화 감지).
• 시스템 작동:
• 스마트폰의 센서 데이터를 ThingsBoard로 전송.
• 데이터를 분석하여 낙상 여부를 판단.
• 알고리즘:
• 가속도 데이터로 SVM(Signal Vector Magnitude) 계산.
• 고도 변화와 SVM 값이 임계값을 초과하면 낙상으로 판단.
2. 실시간 알림 기능 구현 (Demo 2)
• 알림 시스템 추가: 낙상 감지 시 이메일로 보호자에게 알림 전송.
• Google API 사용: Gmail SMTP 보안 문제 해결.
• 낙상 감지 정확도 개선:
• 가속도계와 고도 변화 데이터를 더 정교하게 분석.
• 임계값 설정을 통해 오탐(false positive)을 줄임.
3. 비디오 데이터 기반 낙상 감지 추가 (Demo 3)
• TinyYOLO 모델 사용:
• 비디오 데이터를 분석하여 낙상 여부를 분류.
• 실시간으로 사람의 자세 변화를 감지하고, 낙상 동작을 식별.
• 카메라 입력:
• 웹캠과 스마트폰 카메라를 통해 실시간 비디오 스트림 처리.
• Termux의 제약으로 인해 웹캠 사용을 우선.
4. 시스템 알고리즘 정교화 및 개선 (Demo 4)
• 가속도계 데이터 보정:
• 중력 성분 제거를 위해 자이로스코프 데이터 통합.
• 가속도 변화율(jerk)을 추가 분석하여 오탐률 감소.
• 낙상과 엘리베이터 사용 구분:
• 엘리베이터 데이터와 실제 낙상 데이터를 비교하여 알고리즘 개선.
5. 지도 시각화 통합 (Demo 5)
• Folium 기반 지도 구현:
• 낙상 위치를 GPS 좌표와 함께 시각적으로 표시.
• 지도에 고도 변화, 시간 정보 팝업 추가.
• JSON 파일로 데이터를 저장하고, 실시간 업데이트 지원.
6. AWS로의 마이그레이션 (Demo 6)
• AWS 통합:
• Folium 기반 지도 호스팅을 AWS EC2로 이전.
• 낙상 데이터 저장을 위한 AWS S3 버킷 구성.
• IAM 역할을 활용해 보안성과 확장성 강화.
• 최종 테스트:
• 시스템의 확장성과 신뢰성을 보장하기 위한 추가 검증.
최종 성과
• 다중 모달 솔루션:
• 센서 및 비디오 데이터를 결합한 낙상 감지 시스템 구현.
• 정확도 향상:
• 오탐률 감소, 실시간 알림 및 시각화로 사용자 경험 개선.
• 확장성 확보:
• 클라우드 기반 솔루션으로 향후 데이터 센터에서의 사용 가능성 증대.
최종 데모