다종 센서 데이터를 활용한 딥 러닝 기반 신체 정보 추론

Abstract

스마트폰의 사용이 보편화되고 다양한 어플리케이션이 등장하면서 개인화된 서비스에 대한 관심이 증가하고 있다. 사용자의 신체 정보는 개인의 주요한 특징이 될 수 있어 개인화된 모바일 마케팅 및 광고에 활용될 수 있다. 또한 건강 관리 어플리케이션 내에서 신체 정보를 통해 개인화된 서비스를 제공해 줄 수 있다. 따라서 본 연구에서는 스마트폰에서 수집할 수 있는 다종 센서 데이터를 활용한 딥 러닝 기반의 키, 몸무게 추론 기법을 제안한다. 사용자 신체 정보 추론 모형은 회귀 모형으로 장단기 기억 순환신경망을 사용한다. 먼저 데이터 전처리 과정으로 스마트폰에서 수집된 다종 물리 센서 데이터를 동일한 타임 스탬프로 통합하고, 정규화를 수행하며 시퀀스 데이터로 변환한다. 변환된 시퀀스 데이터는 군집화 과정을 거치며, 이를 통해 신체 정보를 추론하는 데 유용한 데이터만을 사용할 수 있다. 전처리된 시퀀스 데이터는 장단기 기억 순환 신경망에 입력되며, 출력값으로 특정 시퀀스 데이터에 대한 신체 정보 회귀 결과를 갖는다. 이 때, 장단기 기억 순환 신경망은 다양한 물리 센서 데이터로부터 신체 정보를 추론하는 데 유용한 요인을 추출하고, 요인 간의 시간에 따른 연관 관계를 스스로 학습한다. 최종적으로, 특정 사용자의 신체 정보는 사용자가 갖고 있는 모든 시퀀스 데이터의 회귀 결과를 평균 내어 추론한다. 실험용 스마트폰 애플리케이션을 자체적으로 개발하여 피실험자 26명으로부터 데이터를 수집하고, 제안 기법의 성능을 평가하였다. 최종적인 키 추론 모형의 성능은 점 추정기 대비 RMSE는 41.0%, MAE는 42.4%의 성능 향상 비율을 보였다. 또한 최종적인 몸무게 추론 모형의 성능은 점 추정기 대비 RMSE는 27.9%, MAE는 31.5%의 성능 향상 비율을 보였다.