본 연구는 저해상도 time-of-flight(ToF) 센서와 장단기 기억(long short-term memory, LSTM) 신경망 모델을 활용하여 실내 환경에서 인간의 이동 방향을 효과적으로 식별하는 방법을 제안한다. 기존 연구들은 카메라 기반 또는 고해상도 ToF 기반 센서를 사용한 바 있으나, 본 연구에서는 비용이 과도하지 않고 개인정보 이슈와도 무관한 8 × 8 배열 ToF 센서를 활용한다. 또한 기존의 규칙 기반 알고리즘과 달리, 제안 방법은 LSTM 모델을 사용하여 연속적인 시계열 데이터를 효과적으로 처리한다. 단일 인물의 기본 시나리오와 복잡한 다중 사용자 과제 시나리오를 모두 포함한 실험적 평가는, 제안된 LSTM 기반 접근법이 인간의 출입(entering and exiting) 움직임을 식별하는 데 있어 98%의 우수한 정확도를 달성함을 확인하였다.

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