Top-down Approach for User Abnormal Activity Detection Based on the Accelerometer

가속도 센서 기반 사용자 비정상 행동 검출 탑-다운 접근 방법 제안

The method to get the feature have been proposed to recognize the user activity by setting specific action for making the user independent result in previous research. However, it was only applied in specific environment and it was difficult to implement because it regarded only some specific feature as the recognized object. To improve this problem we detected the normality/abnormality of the activity based on the repetition and the continuity of the past activity pattern. We applied the unsupervised learning method, not supervised, and clustered the data which was collected within a certain period of time and we regarded it as the basis of the evaluation of the repetition. We demonstrated to be able to detect the abnormal activity based on wether the data was generated repeatedly.

기존 사용자의 행동 패턴을 인식하는 연구들이 몇 개의 특정 행동을 설정, 사용자 독립적인 인식 결과를 낼 수 있는 특징 추출 방법들을 제안해왔다. 그러나 이러한 연구는 실험실 차원의 결과에 그치고 사용자 독립적인 일반성 획득이나 특정 행동만을 인식 대상으로 삼음으로써 구현상에서 많은 어려움을 초래한다. 이러한 문제점을 개선하고자 본 논문에서는 사용자의 일정 기간 동안의 행동 패턴에 대해 반복성과 지속성을 기준으로 새로 입력되는 행동패턴의 정상/비정상 여부를 검출한다. 기존 연구에서 사용한 교사학습 방법이 아닌 비교사학습 방법을 적용, 일정 기간 동안 수집된 데이터를 클러스터링하여 반복성을 평가하는 기준으로 삼는다. 실험을 통해 반복적으로 발생하는 데이터를 근거로 하여 처음 나타난 행동을 비정상 행동으로 검출할 수 있음을 입증했다.