2025-06-18 22:16:27
ⓞ 추천
ⓤ 단축URL
|
12
131
컴미나
|
4학년 1학기 때 모바일 컴퓨터 수업에서 나왔던 첫번째 과제에 대한 이야기입니다.
과제의 주제는 스마트 폰을 가지고 있는 사람의 동작을 가만히 있음, 걷는중, 뛰는중, 앉는중, 일어서는중, 계단을 올라감/내려감 중에서 예측하는 것이였습니다.
저는 이것을 위해서 간단한 머신러닝을 사용하기로 했습니다.
전략은 휴대폰이 받고 있는 중력 가속도를 0.1 초 단위로 16회 수집하고, 이것을 4*4 형태로 만들어서 Layer 2층 모델을 만들어서
CNN 을 통해 학습을 시킨 뒤 구분 을 하려고 했었습니다.
위 전략에는 두가지 문제가 있었는데 하나는 데이터를 일반적인 중력 데이터로 모으면 안된다는 것이였습니다.
처음 데이터를 모으고 학습 결과가 너무 좋지 않아서 데이터를 직접 보면서 내린 결론이였습니다. 휴대폰이 받고 있는 중력가속도는 sqrt（x^2 + y^2 + z^2） 이고 이것은 약 9.8 이 나옵니다. 그런데 사람이 움직여서 얻을 수 있는 데이터는 저기서 크게 차이가 나지 않는 숫자들입니다. 즉 제가 걷거나 뛰거나 하는 일련의 행동들이 저 중력가속도를 크게 바꾸지 못하는 것입니다. 이것을 해결하기 위해서 중력의 영향을 제거할 필요가 있었습니다.
다행히 Sensor.gravity 에서 순수 중력만 계산한 값을 （계산값입니다） 미리 안드로이드에서 제공해주고 있었기 때문에 이것을 사용해서 중력의 영향을 제외한 가속도를 구하는 것 자체는 성공했습니다. HPF 를 사용해서 이것을 구현했다고 알고있었는데 직접 구현하지는 않았고 식이 간단해서 안드로이드에서 미리 제공해주는 것을 사용했습니다.
하지만 더 큰문제는 휴대폰이 주머니에 들어있는 모양에 따라서 상반된 결과가 나왔다는 점입니다. 정확하게는 계단을 오르는 상황, 내려가는 상황에 대해서 문제가 생겼습니다. 데이터를 모을 때 휴대폰을 한 방향으로 고정시켜 놓고 모았기 때문에 데이터 자체에는 문제가 없었으나 실제 사람이 사용한다고 가정했을 때에는 휴대폰이 위로 있냐 아래로 있냐에 따라서 결과가 반대로 나와버린 것입니다.
이것을 해결하기 위해서 약간의 수학을 도입했습니다. 제가 그 당시 모았던 데이터는 기본 중력이 x,y = 0, z=-9.8 을 기준으로 두고있었고, 현재 중력의 위치를 받아서 얼마만큼 회전되었는지 계산해서 원래 상태였다면 얼마가 측정되었을지 계산해서 데이터에 넣어주었습니다.
（x,y,z）가 z축을 기준으로 a 만큼, x축을 기준으로 b 만큼, y축을 기준으로 c 만큼 회전해야 할 때
x' = x cos（a） - y sin（a）, y' = x sin（a） + y cos（a）, x = x' ,y = y'
y' = y cos（b） - z sin（b）, z' = y sin（b） + z cos（b）, y = y', z = z'
z' = z cos（c） - x sin（c）, x = z sin（c） + x cos（c）, z = z', x=x'
을 순서대로 하면 된다는 것을 알았습니다. 이때 처음으로 yaw,pitch,roll 의 개념에 대해서 알았습니다.
이것까지 적용하니 휴대폰이 어떤 모양에 있더라도 높은 정확도의 수준（실제 과제 점수를 매길 때 각 동작을 5번씩 검사해서 총 35회 검사했었는데 전부 다 제대로 구별 해냈었음） 으로 동작을 구별해 낼 수 있었습니다.
이 프로젝트를 하면서 아쉬웠던 점은 사용하는 데이터가 이전 5초 이내에 실행한 동작을 검출하는 미리 설정된 시간이라는 한계를 가지는 어플리케이션이였다는 것이였습니다, 측정할 때 저장하는 데이터의 시간을 더 늘린다음 사용자가 원하는 시간대의 동작을 검출하거나, 전체적인 동작의 흐름이 어떻게 변했는지 보여주는 방법을 선택했더라면 더 좋았을것 이라고 생각했습니다.
과제의 주제는 스마트 폰을 가지고 있는 사람의 동작을 가만히 있음, 걷는중, 뛰는중, 앉는중, 일어서는중, 계단을 올라감/내려감 중에서 예측하는 것이였습니다.
저는 이것을 위해서 간단한 머신러닝을 사용하기로 했습니다.
전략은 휴대폰이 받고 있는 중력 가속도를 0.1 초 단위로 16회 수집하고, 이것을 4*4 형태로 만들어서 Layer 2층 모델을 만들어서
CNN 을 통해 학습을 시킨 뒤 구분 을 하려고 했었습니다.
위 전략에는 두가지 문제가 있었는데 하나는 데이터를 일반적인 중력 데이터로 모으면 안된다는 것이였습니다.
처음 데이터를 모으고 학습 결과가 너무 좋지 않아서 데이터를 직접 보면서 내린 결론이였습니다. 휴대폰이 받고 있는 중력가속도는 sqrt（x^2 + y^2 + z^2） 이고 이것은 약 9.8 이 나옵니다. 그런데 사람이 움직여서 얻을 수 있는 데이터는 저기서 크게 차이가 나지 않는 숫자들입니다. 즉 제가 걷거나 뛰거나 하는 일련의 행동들이 저 중력가속도를 크게 바꾸지 못하는 것입니다. 이것을 해결하기 위해서 중력의 영향을 제거할 필요가 있었습니다.
다행히 Sensor.gravity 에서 순수 중력만 계산한 값을 （계산값입니다） 미리 안드로이드에서 제공해주고 있었기 때문에 이것을 사용해서 중력의 영향을 제외한 가속도를 구하는 것 자체는 성공했습니다. HPF 를 사용해서 이것을 구현했다고 알고있었는데 직접 구현하지는 않았고 식이 간단해서 안드로이드에서 미리 제공해주는 것을 사용했습니다.
하지만 더 큰문제는 휴대폰이 주머니에 들어있는 모양에 따라서 상반된 결과가 나왔다는 점입니다. 정확하게는 계단을 오르는 상황, 내려가는 상황에 대해서 문제가 생겼습니다. 데이터를 모을 때 휴대폰을 한 방향으로 고정시켜 놓고 모았기 때문에 데이터 자체에는 문제가 없었으나 실제 사람이 사용한다고 가정했을 때에는 휴대폰이 위로 있냐 아래로 있냐에 따라서 결과가 반대로 나와버린 것입니다.
이것을 해결하기 위해서 약간의 수학을 도입했습니다. 제가 그 당시 모았던 데이터는 기본 중력이 x,y = 0, z=-9.8 을 기준으로 두고있었고, 현재 중력의 위치를 받아서 얼마만큼 회전되었는지 계산해서 원래 상태였다면 얼마가 측정되었을지 계산해서 데이터에 넣어주었습니다.
（x,y,z）가 z축을 기준으로 a 만큼, x축을 기준으로 b 만큼, y축을 기준으로 c 만큼 회전해야 할 때
x' = x cos（a） - y sin（a）, y' = x sin（a） + y cos（a）, x = x' ,y = y'
y' = y cos（b） - z sin（b）, z' = y sin（b） + z cos（b）, y = y', z = z'
z' = z cos（c） - x sin（c）, x = z sin（c） + x cos（c）, z = z', x=x'
을 순서대로 하면 된다는 것을 알았습니다. 이때 처음으로 yaw,pitch,roll 의 개념에 대해서 알았습니다.
이것까지 적용하니 휴대폰이 어떤 모양에 있더라도 높은 정확도의 수준（실제 과제 점수를 매길 때 각 동작을 5번씩 검사해서 총 35회 검사했었는데 전부 다 제대로 구별 해냈었음） 으로 동작을 구별해 낼 수 있었습니다.
이 프로젝트를 하면서 아쉬웠던 점은 사용하는 데이터가 이전 5초 이내에 실행한 동작을 검출하는 미리 설정된 시간이라는 한계를 가지는 어플리케이션이였다는 것이였습니다, 측정할 때 저장하는 데이터의 시간을 더 늘린다음 사용자가 원하는 시간대의 동작을 검출하거나, 전체적인 동작의 흐름이 어떻게 변했는지 보여주는 방법을 선택했더라면 더 좋았을것 이라고 생각했습니다.
글로 풀어놓은 내용임.
이거 자소서에 썼었음.
추천
