우리는 임베디드 장치에서의 실시간 성능을 최적화한, 골격 기반 동작 인식 및 낙상 감지를 위한 새로운 접근법을 제시한다. 본 방법은 골격 데이터로부터 시공간 특징을 효율적으로 추출하기 위해 분해형 3차원 합성곱 신경망(factorized 3D convolutional neural network; 3D-CNN)을 사용한다. 먼저, 입력 골격 프레임으로부터 공간 특징을 포착하기 위해 2D 합성곱 계층을 적용한다. 이어서, 이러한 공간 특징을 처리하는 1D 합성곱 계층을 통해 시간적 역학을 모델링하며, 이는 기존의 전통적인 3D-CNN 접근법에 비해 계산 복잡도를 효과적으로 감소시킨다. 이러한 분해는 경량 모델을 구축할 수 있게 하며, 자원이 제한된 임베디드 시스템에 배치하기에 적합하면서도 높은 정확도를 유지한다. 본 접근법은 자율주행 또는 노인 가정 내 모니터링과 같은 감시 응용에서 특히 유리한데, 이들 환경에서는 안전을 보장하기 위해 실시간 동작 인식과 낙상 감지가 중요하기 때문이다. 실험 결과는 본 모델이 다양한 동작을 인식하고 낙상을 감지하는 데 있어 높은 성능을 달성함을 보여주며, 실제 환경에서의 적용 가능성을 시사한다.

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