스마트폰 멀티모달 센서 기반 개인화 행위모델링 및 실시간 행위인지

스마트폰과 같은 모바일 기기의 발전으로 인해 다양한 센서를 통해 사용자의 의도나 요구사항을 인지하고자 하는 행위인지가 활발히 연구되고 있다. 기존의 행위인지 기술은 행위 데이터의 수집과 처리가 분리되어 있어 멀티모달 센서로부터 수집한 방대한 양의 데이터를 오프라인에서 모델링과 인지가 수행되므로 특정 사용자에 개인화된 행위인지가 어렵고, 사용자가 직접 자신의 특정행위를 추가하거나 스스로 행위모델을 만들 수 있는 프레임워크의 부재로 개인화된 라이프로그의 수집이 어렵다는 한계가 있다. 본 논문에서는 스마트폰에서 개인화된 행위 모델링 및 실시간 행위인지를 위해, Naive Bayes 알고리즘을 확장한 적응형 Naive Bayes(A-NB) 알고리즘과 이를 기반으로 한 계층적 행위인지 프레임워크(HARF)를 제안한다. 이를 통해 스마트폰 환경에서 사용자가 스스로 자신의 행위를 모델링하거나 추가할 수 있으며, Naive Bayes에 비해 높은 정확도와 모바일 환경에서 실시간 행위인지가 가능하다. 제안 알고리즘의 평가를 위해 스마트폰 어플리케이션을 개발하여 15개의 행위를 실험하였으며 평균 92.96%의 높은 정확도를 보였다.