Earticle

초록

영어

Despite advances in smartphone sensor technology and artificial intelligence, there is a lack of effective gait balance analysis and Human-AI Interaction (HAI) based feedback systems. This study proposes the KTWOFIT system, which integrates smartphone built-in sensors and AI technology to analyze users' gait balance in real-time and provide immediate feedback. The proposed system consists of (1) a data acquisition and preprocessing module, (2) a CNN-LSTM hybrid-based AI gait analysis engine, (3) a gait pattern evaluation module, and (4) a multimodal HAI feedback interface. KTWOFIT enables professional gait analysis and coaching using only a smartphone without expensive equipment, thereby increasing user accessibility and implementing effective interaction between users and AI through visual, auditory, and tactile feedback. This paper presents the technical design of KTWOFIT, focusing on system architecture, core algorithms, and implementation strategies.

한국어

스마트폰 센서 기술과 인공지능의 발전에도 불구하고, 보행 밸런스 분석과 효과적인 인간-AI 상호작용(HAI) 기반 피드백 시스템은 부족한 실정이다. 본 연구는 스마트폰 내장 센서와 인공지능 기술을 융합하여 사용자의 보행 밸런 스를 실시간으로 분석하고, 즉각적인 피드백을 제공하는 KTWOFIT 시스템을 제안한다. 제안된 시스템은 (1)데이터 수 집 및 전처리 모듈, (2)CNN-LSTM 하이브리드 기반 AI 보행분석 엔진, (3)보행패턴 평가모듈, (4)멀티모달 HAI 피드백 인터페이스로 구성된다. 본 시스템은 고가 장비 없이 스마트폰만으로 전문적인 보행 분석 및 코칭을 가능하게 하여 사용 자 접근성을 높이고, 시각적, 청각적, 촉각적 피드백을 통해 사용자와 AI 간 효과적인 상호작용을 구현한다. 이를 기반으 로 시스템 아키텍처, 핵심 알고리즘, 구현 전략을 중심으로 새로운 시스템의 기술적 시사점을 제시한다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 선행연구 검토
1. 센서 기반 보행 분석 시스템
2. AI딥러닝기반 분석 및 패턴 인식
3. 인간-AI 상호작용(HAI) 기반 피드백 시스템
Ⅲ. KTWOFIT 시스템 설계
1. 시스템 아키텍처
2. 데이터 수집 및 전처리 모듈
3. AI 보행 분석 엔진
4. HAI 피드백 인터페이스
Ⅳ. 구현전략 및 기술적 성능평가
1. 구현 환경 및 기술 스택
2. 시스템 구현 단계 계획
3. 기술적 성능 평가 계획
Ⅴ. 기대효과 및 활용방안
1. 기술적 기대 효과
2. 활용방안 및 응용 분야
3. 한계점 및 개선방향
Ⅵ. 결론 및 향후 연구방향
References

키워드

딥러닝 인간AI상호작용 CNN LSTM 헬스케어 멀티모달 DeepLearning HAI CNN LSTM Healthcare Multimodal

저자

• 조은선 [ Eunseon Jo | 정회원, 한양대학교 일반대학원(ERICA) HCI학과 ] 제1저자
• 이한진 [ Han-Jin Lee | 정회원, 한동대학교 창의융합교육원 ] 교신저자

참고문헌

발행기관

간행물