노이즈리스 홈트레이닝을 위한 인공지능 기반 소리 분류에 관한 연구 = A study on artificial intelligence-based sound classification for noiseless home training
저자
발행사항
서울 : 건국대학교 정보통신대학원, 2023
학위논문사항
학위논문(석사)-- 건국대학교 정보통신대학원 : 융합정보기술학과 인공지능전공 2023. 2
발행연도
2023
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
60 ; 26 cm
일반주기명
지도교수: 김현정
UCI식별코드
I804:11004-200000665387
소장기관
Restrictions on the use of indoor sports facilities and avoidance due to prolonged coronavirus, and due to the increased importance of health and exercise, home-training and home-gym exercises are increasing. Recently, information related to home training and home gym exercise, which is increasing, can be easily accessed through youtube and various smart home training applications, and various functions such as exercise method, diet, calories, and exercise record can be provided. However, with the interest in home training, the noise between floors due to noise and vibration is also increasing.
This thesis attempts to classify sound using artificial intelligence techniques as a way to reduce the noise problem of non-face-to-face healthcare. The composition of the thesis explains the necessity and background of noiseless home training, and introduces home training, the definition of noise between floors, and voice recognition and deep learning algorithms. Then, the design and method of the experiment using each algorithm are explained, and the results are presented.
The experimental procedure is as follows. First, the sounds of exercise and living at home were collected. Second, the characteristics of sound were extracted by applying Mel-Spectrogram and MFCC algorithms to the collected wav voice files. Third, a model for classifying sounds was generated using the extracted data using CNN(Convolutional Neural Network Algorithm) and RNN(Recurrent Neural Network Algorithm), respectively. Finally, as a result of conducting an experiment through the generated model, an average accuracy of 90%
was obtained. Although there was no significant difference between CNN and RNN models, it was found that the model using RNN had higher accuracy on average. From this result, it was found that although it is possible to classify sounds using CNN, the RNN, which is widely used in the speech recognition field, shows higher accuracy in sound classification.
Through the sound classification model derived above, it is expected that the sound generated during exercise can be accurately measured and information provided to the user. Basically, in the case of home training, mats are installed on the floor to reduce noise between floors. However, inter-floor noise still occurs. When more than a certain amount of sound is generated during exercise, an alarm may be given to help the user to proceed with a negative exercise.
코로나 장기화로 인해 실내 체육 시설들의 이용 제한 및 기피 현상과 건강과 운동에 대한 중요성의 증가로 홈트레이닝(Home-Training), 홈짐(Home-Gym) 운동이 늘어나고 있다. 최근에는 늘어나는 홈트레이닝, 홈짐 운동과 함께 관련된 정보를 youtube와 다양한 스마트 홈트레이닝 애플리케이션을 통해서 쉽게 접할 수 있으며, 운동 방법, 식단, 칼로리, 운동
기록 등 여러 가지 기능들을 제공받을 수 있다. 하지만 홈트레이닝에 대한 관심과 함께 소음과 진동으로 인한 층간소음도 점점 증가하고 있다.
본 논문은 비대면 헬스 케어의 소음 문제를 줄이기 위한 한 방편으로 인공지능 기법을 이용하여 소리를 분류하고자 한다. 논문의 구성은 노이즈리스 홈트레이닝의 필요성과 배경에 대해 설명하고, 홈트레이닝과 층간소음의 정의, 소리 인식 및 딥러닝(Deep Learning) 알고리즘에 대해 소개한다. 그리고 각 알고리즘을 이용한 실험의 설계와 방법에 대해 설명하고,
결과를 발표한다.
실험 진행 절차는 총 4단계로 구성된다. 첫째, 집에서 발생하는 운동 소리와 생활 소리를 수집하였다. 둘째, 수집한 wav 음성 파일을 Mel-Spectrogram, MFCC 알고리즘을 적용하여 소리의 특징을 추출하였다. 셋째, 추출된 데이터를 합성곱 신경망 알고리즘(CNN)과 순환 신경망 알고리즘(RNN)을 사용하여 소리를 구분하는 모델을 각각 생성하였다. 마
지막으로 생성된 모델을 통해 소류 분류 실험을 진행한 결과 평균 90%의 정확도를 얻었다. CNN과 RNN 모델의 정확도 결과 값의 차이는 크지 않았지만, RNN을 이용한 모델이 평균적으로 더 정확도가 높았다. 이 결과를 통해 CNN을 이용하여 소리 분류를 할 수도 있지만 음성 인식 분야에서 많이 사용하는 RNN을 사용할 경우 소리 분류에 더 높은 정확도를 얻을 수 있었다.
위에서 도출한 소리 분류 모델을 통해 사용자에게 운동 시 발생하는 소리를 측정하여 정확한 정보를 전달할 수 있을 것으로 보인다. 기본적으로 홈트레이닝의 경우 층간소음을 줄이기 위해 바닥에 매트를 설치한다. 하지만 그럼에도 불구하고 층간소음은 여전히 발생한다. 운동 중 일정량 이상의 소리가 발생할 경우 알람을 주어 사용자가 네거티브(negative) 운동
을 진행하도록 도울 수 있다.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)