저해상도 ToF 센서와 LSTM 기반 인간 이동 방향 분류

Human Movement Direction Classification Using Low-Resolution ToF Sensor and LSTM-Based Neural Network

연구 내용

저해상도 ToF 센서의 시계열 입력을 LSTM 기반 신경망에 적용해 실내 환경에서 인간 이동 방향을 분류하는 연구

저해상도 time-of-flight(ToF) 센서의 2차원 배열 입력을 사용해 인간의 출입 또는 이동 방향을 분류합니다. 기존의 규칙 기반 처리 대신, 순차적인 time-series 특성을 반영할 수 있도록 LSTM 기반 neural network를 적용하여 입력 시점 간 의존성을 학습합니다. 카메라 기반 접근에 비해 개인정보 이슈를 줄이는 센서 구성을 활용하며, 단일 사용자 시나리오와 다중 사용자 challenge 시나리오에서 분류 성능을 평가합니다. 실내 이동 이벤트를 센서 시계열로 해석하는 감지-분류 파이프라인을 구성하는 것이 핵심입니다.

관련 프로젝트

0건

연구 흐름

초기에는 저해상도 ToF 센서를 이용해 실내에서 이동 이벤트를 관측할 수 있는 입력 구성 방식을 정리했습니다. 이후 이동 방향 분류 문제를 순차 예측으로 모델링하고, LSTM 기반 neural network가 time-series 패턴을 학습하도록 학습·평가 절차를 구성했습니다(2025). 단일 사용자 케이스와 다중 사용자 상황을 포함한 실험으로 적용 가능성을 확인하며, 센서 입력과 신경망 설계 간의 연계를 실증하는 흐름을 유지했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

실내 출입 모니터링
다중 사용자 이동 이벤트 분석
저비용 이동 방향 인식
프라이버시 저감 센서 기반 감시
보행 데이터 기반 행동 분류
가정 및 소형 공간 제어 트리거
스마트 빌딩 보안 보조
센서 시계열 분류 파이프라인
입출입 카운팅용 분류 로직
로봇·장치 주변 이동 인식