-비접촉 방식인 UWB(Ultra-Wide Band) 센서로부터 획득한 인간의 호흡 신호 데이터로부터 일반호흡, 느린호흡, 빠른호흡, 무호흡 및 움직임 등 총 5가지 신호 패턴을 인식하고 분류하는 딥러닝 기반 호흡패턴 분류모델을 제안하고, 제안한 모델의 성능향상을 위하여 모델의 주요 하이퍼 파라미터들의 최적화 알고리즘을 개발하여 기존방법(DNN, 1D CNN 등)과 검출 정도확 비교 실험을 진행함 -선행연구된 호흡 패턴검출 모델에 대한 분석 및 검출 구간에 복수 호흡 패턴 존재시 정확도 저하의 문제점을 도출하고, 검출 대상 프레임에 복수 개의 호흡 패턴들이 존재할 때와 단일 호흡패턴만으로 되어 있을 때의 호흡패턴의 검출정확도를 비교함 -검출 대상 구간에 다중 호흡 패턴들의 존재에도 강인하게 호흡 패턴 분류가 가능한 모델설계를 위하여 검출 대상 프레임 안에서 다중 객체 검출이 가능한 1D SSD 혹은 1D YOLO 등을 적용한 모델을 설계 하고, 제안한 모델로부터 인간 호흡 패턴의 검출결과가 동일 호흡 패턴으로 연속될 때는 구간을 합병하고, 다른 호흡 패턴이 연속될 때는 구간을 분리하는 호흡 패턴 분류를 위한 MAS(Merge And Split) 알고리즘을 개발 함