셀프코칭 시스템을 위한 웨이블릿 패킷과 오토 엔코더 기반 승마보법분류 (Classification of Horse Gaits Based on Wavelet Packet and Auto-Encoder for Self-Coaching System)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 15권 / 5호 / 1 ~ 9페이지
· 저자명 : 이재능, 곽근창

초록

본 논문에서는 실시간 셀프코칭 시스템을 개발하기 위해 웨이블릿 패킷 및 오토 엔코더(AE, Auto-Encoder) 기반의 주기 특징값을 이용하여 승마보법분류를 한다. 승마의 보법 4가지는 일정주기에 따라 반복된 패턴을 가지고 있으며 센서에서 추출된 주기 데이터를 특징추출기인 AE의 입력으로 사용한다. 승마데이터에 적합한 은닉층 수를 조절하고, 성능을 비교하고, 파라미터를 설정하고 분류기로써 소프트맥스 함수를 이용한다. 데이터베이스 구축 환경은 국가대표급 승마전문가가 무선네트워크기반의 16개의 관성센서로 구성된 슈트를 착용하고 원형의 코스를 순회하며 데이터베이스를 취득한다. 보법별로 각각 8개의 특징값을 입력으로써 이용하여 보법분류를 한다. 실험한 결과 SAE(Stacked Auto-Encoder)와 SPAE(Sparse Auto-Encoder)보다 Wavelet Packet 기반 Auto-Encoder(WPAE)를 사용하였을 때 98%로 가장 성능이 좋음을 확인하였다.

영어초록

In this paper, we classify gaits of horse riding for real-time manless-coaching system based on wavelet packet and auto-encoder using cyclic feature values. Four gaits of horse riding have repeated pattern according to certain period and the cyclic data extracted from the sensor is used as the input of the auto-encoder which is the feature extractor. We adjust the number of hidden layers suitable for horse riding data, set parameters, compare performance and use softmax function as classifier. In the database construction environment, horse riding expert as national team wears a suit composed of 16 inertial sensors based on a wireless network and obtains a database by circulating the round course. We use 8 feature values to classify horse gaits as an input. Experimental results show that 98% is the highest when using a wavelet packet based auto-encode rather than stacked auto-encoder and sparse auto-encoder.

참고자료

· 없음