核心概念
보행 패턴은 개인마다 고유하며, 이를 활용하여 실시간으로 개인을 식별할 수 있다.
要約
이 연구는 보행 분석을 통한 개인 식별 기술을 다룹니다. 보행은 개인마다 고유한 특성을 가지고 있어 생체 인식 기술로 활용될 수 있습니다. 연구팀은 공개 데이터셋과 직접 수집한 데이터를 활용하여 총 24개 클래스의 보행 데이터를 구축했습니다. 이를 바탕으로 4층 구조의 경량 CNN 모델을 개발했으며, 96.7%의 정확도와 70ms의 추론 시간, 5KB의 RAM 사용량, 125mW의 전력 소비를 달성했습니다. 이 모델은 Arduino Nano 33 BLE Sense 보드에 배포되어 실시간 개인 식별 기능을 성공적으로 시연했습니다. 또한 스마트폰과 BrainChip Akida 신경형태 프로세서에도 배포하여 다양한 플랫폼에서의 활용 가능성을 보여주었습니다. 이 연구는 경량 모델을 활용한 실시간 보행 기반 개인 식별의 실현 가능성을 입증했습니다.
統計
보행 데이터 수집 샘플링 주파수: 100Hz
모델 학습 시 배치 크기: 32
모델 학습 에폭 수: 20
모델 배포 시 추론 시간: 70ms
모델 배포 시 RAM 사용량: 5KB
모델 배포 시 전력 소비: 125mW
引用
"보행 패턴은 개인마다 고유한 특성을 가지고 있어 생체 인식 기술로 활용될 수 있다."
"경량 CNN 모델을 활용하여 96.7%의 정확도와 70ms의 추론 시간, 5KB의 RAM 사용량, 125mW의 전력 소비를 달성했다."