본 연구에서는 스마트 신발의 가속도계 데이터를 이용한 장단기 기억(LSTM) 기반 사용자 식별 방법을 제안한다. 일반적으로 사람의 보행 데이터를 이용한 사용자 식별에서는, 보행 데이터를 개별 걸음 단위로 분할하기 위한 전처리 단계가 필요하다. 다음으로 분할된 걸음 데이터를 사용하여 사용자 식별을 수행할 수 있다. 그러나 이러한 접근에서 단일 걸음을 완성하기에 충분하지 않은 부분 데이터가 존재하는 경우, 해당 데이터를 분류에 적용하기 어렵다. 이러한 점을 고려하여, 본 연구에서는 스마트 신발 데이터에 대한 스택 LSTM 기반 사용자 식별 방법을 제시한다. 복잡한 분석 방법을 사용하는 대신, 스마트 신발의 가속도계 데이터로 사용자 식별을 수행하기 위한 LSTM 네트워크를 설계하였다. 부분 데이터를 학습하기 위해, LSTM 네트워크는 보행 데이터의 크기와 위치를 무작위로 하여 학습하였다. 그 후에는 걸음 분할과 같은 추가 분석 없이도 식별을 수행할 수 있다. 실험에서는 10 m 보행 데이터를 사용하였다. 실험 결과, 각각 2.6, 3.9, 5.2 s의 보행 데이터를 사용한 경우 평균 인식률이 약 93.41%, 97.19%, 98.26%로 나타났다. 이러한 실험 결과를 통해, 제안한 방법이 사용자를 효과적으로 분류할 수 있음을 보인다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.