Earticle

초록

영어

This study proposes an LSTM–TCN hybrid model for real-time fall prediction using FIR (Fall Image Recognition) thermal imaging data and IMU (Inertial Measurement Unit) sensor signals. The LSTM component models long-term postural dynamics, while the TCN learns short-term acceleration patterns, enabling accurate prediction of subtle pre-fall changes. To address class imbalance and enhance generalization, Focal Loss and cross-validation were applied, and training efficiency was further improved through an attention mechanism and cosine annealing. Experimental results show that the proposed model achieves 99.81% accuracy, 0.9995 AUC, and a 0.994 F1-score, with an average response time of 0.12 s—satisfying real-time processing requirements. These findings demonstrate that the proposed hybrid model can serve as a practical tool for proactively preventing fall incidents in healthcare and safety settings.

한국어

본 연구는 FIR(Fall Image Recognition) 적외선 열화상 데이터와 IMU(Inertial Measurement Unit) 센서 데이터를 기반으로 실시간 낙상 예측을 위한 LSTM-TCN 하이브리드 모델을 제안한다. LSTM은 장기적인 자세 변화를, TCN은 단기적인 가속도 패턴을 학습함으로써 낙상 발생 전의 미세한 변화를 정확하게 예측하였다. 데이터 불균형 문제를 보완하기 위해 Focal Loss와 Cross-Validation을 적용하였으며, Attention Mechanism 과 Cosine Annealing을 통해 학습 효율을 향상시켰다. 실험 결과, 제안된 모델은 정확도 99.81%, AUC 0.9995, F1-score 0.994를 달성하였으며, 평균 응답 시간은 0.12초로 실시간 예측이 가능하였다. 본 연구의 하이브리드 모델은 의료 및 안전 분야에서 낙상 사고를 사전에 예방하는 실질적 도구로 활용될 수 있음을 보여준다.

목차

요약
Abstract
1. 서론
2. 관련연구
2.1 LSTM (Long Short-Term Memory)
2.2 TCN (Temporal Convolutional Network)
2.3 LSTM-TCN 하이브리드 모델
3. 연구방법
3.1 데이터셋 및 전처리
3.2 모델 구성 및 훈련
4. 연구결과
4.1 실험 결과 및 성능 분석
5. 결론
REFERENCES

키워드

저자

• 전원영 [ Won-Young Jeon | 국립공주대학교 컴퓨터공학과 학생 ]
• 김재웅 [ Jae-Woong Kim | 국립공주대학교 소프트웨어학과 교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  산업과 과학 [Advanced Industrial SCIence]

• 간기

  격월간

• eISSN

  2951-2476

• 수록기간

  2022~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 004 DDC 004