Earticle

초록

영어

In this paper, we implemented a smart home system that can control devices and home appliances in the home using EEG for the elderly or physically disabled. The implementation system is largely divided into a mobile application part for collecting and inducing the user’s brain waves, an EEG processing part that extracts and classifies the characteristics of the collected brain waves, and an IoT part that opens and closes a window by transmitting it as a command. The mobile application was developed based on Android, and a CNN model was applied to extract and classify EEG features for generating control commands. In addition, an IoT environment for window control was established using Raspberry Pi. The developed system took about 2.3 seconds from the time the user imagined the direction to the desired direction, and operated with an average accuracy of 84%. The developed system can be applied not only to windows, but also to control various devices and home appliances in the home.

한국어

본 논문은 나이가 많거나 몸이 불편한 사람을 위해 뇌파를 사용하여 가정 내에서 장치 및 가전제어가 가 능한 스마트 홈 시스템을 구현하였다. 구현 시스템은 크게 사용자의 뇌파 수집 및 유도를 위한 모바일 앱 부분과 수집된 뇌파의 특징을 추출하고 분류하는 뇌파처리 부분과 이를 명령으로 전달하여 창문을 개폐하는 IoT 부분으 로 나누어진다. 모바일 앱은 안드로이드 기반으로 개발하였으며, 제어명령 생성을 위한 뇌파 특징 추출 및 분류를 위해 CNN모델을 적용하였다. 또한 라즈베리파이를 활용하여 창문제어를 위한 IoT 환경을 구축하였다. 개발된 시 스템은 사용자가 방향을 상상한 이후 원하는 방향으로 동작할 때까지 약 2.3 초가 소요되었으며, 평균 84%의 정 확도를 가지고 동작하였다. 구현 시스템은 창문뿐만 아니라 가정 내 다양한 장치나 가전 제어에 적용될 수 있다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 실험 방법
2.1 시스템 설계
2.2 실험 환경
2.3 사용자 인터페이스
2.4 제안 CNN 모델
Ⅲ. 결과
3.1 CNN 모델 성능평가
3.2 시스템 성능
Ⅳ. 결론
REFERENCES

키워드

스마트홈 사물인터넷 뇌-컴퓨터 인터페이스 뇌파 딥러닝 합성곱신경망 Smart Home Internet of Things (IoT) Brain-Computer Interface (BCI) Electroencephalography (EEG) Deep learning Convolutional Neural Network (CNN)

저자

• 서쌍희 [ Ssang-Hee Seo | 경남대학교 컴퓨터공학부 교수 ] Corresponding Author

참고문헌

발행기관

간행물