인체 보행 데이터베이스 HuGaDB 착용형 관성 센서 기반 활동 인식

초록

HuGaDB는 양쪽 대퇴, 정강이, 발에 부착한 6개의 관성 센서와 대퇴 전면 근육에 부착한 2개의 EMG 센서를 이용해 18명의 건강한 성인으로부터 10시간에 걸친 연속 보행 데이터를 수집한 공개 데이터베이스이다. 연속적인 활동(걷기, 달리기, 계단 오르내리기 등)과 전이 구간이 라벨링되어 있어 활동 인식, 보행 분석, 재활·헬스케어, 가상현실·게임, 로보틱스 등 다양한 연구에 활용할 수 있다.

상세 분석

HuGaDB는 기존의 인간 활동 인식 데이터베이스와 달리 다리 부위별 관성 데이터를 상세히 제공한다는 점에서 큰 차별성을 가진다. 6개의 MPU9250 센서는 각각 ±2 g 가속도와 ±2000 °/s 자이로 범위를 갖고 56 kHz(실제 평균 56.35 kHz) 샘플링으로 기록되며, EMG 센서는 1 kHz, 8 bit 해상도로 근전도를 측정한다. 이러한 고해상도·고주파 데이터는 관절 각속도와 근육 활성도를 동시에 분석할 수 있게 하여, 단순한 활동 구분을 넘어 보행 역학, 근전도 패턴, 그리고 개인별 gait signature를 추출할 수 있다.

데이터는 텍스트 기반 TSV 형식으로 제공돼 언어·플랫폼 독립성이 뛰어나며, 파일명 규칙(HGD_vX_ACT_PR_CNT.txt)과 헤더(#Activity, #ActivityID, #Date-Time) 덕분에 자동 파싱이 용이하다. 각 파일은 39개의 컬럼(36관성, 2EMG, 1라벨)으로 구성돼 있어, 시계열 전처리, 윈도우 슬라이싱, 피처 엔지니어링을 직접 적용할 수 있다.

데이터 변동성 분석에서는 동일 사용자의 짧은 보행 구간에서는 낮은 분산을 보였지만, 사용자 간에는 근육 전도 차이, 센서 부착 위치 오차, 신체 구조 차이 등으로 높은 분산이 관찰되었다. 이는 모델 일반화에 큰 도전 과제가 되며, 논문에서 제안한 ‘사용자 별 교차 검증(leave‑one‑subject‑out)’ 방식이 현실적인 평가 방법임을 시사한다. 또한, 센서 종류가 동일하지 않다는 제한점이 있지만, MPU9250의 저비용·배터리 구동 특성은 실시간 모바일 헬스케어 시스템에 바로 적용 가능하게 만든다.

활용 가능 분야는 네 가지로 요약된다. 첫째, 파킨슨병·보행 재활 등 의료 진단·모니터링; 둘째, 가상현실·게임에서 인간형 움직임 재현; 셋째, 인간형 로봇의 보행 제어 및 학습; 넷째, 멀티모달 센서 융합 연구(예: 영상·관성·EMG 결합)이다. 특히, EMG와 관성 데이터를 동시에 제공한다는 점은 근전도 기반 보행 단계 구분, 근육 피로도 추정 등 새로운 연구 주제를 열어준다.

데이터 규모는 2,111,962 샘플(≈10 시간)이며, 활동 비율은 걷기 32 %, 정지 16 % 등으로 고르게 분포한다. 그러나 데이터는 실내·실외 혼합 환경, 엘리베이터·자동차 등 제한된 외부 상황만 포함하고 있어, 복잡한 도시 보행이나 비정형 환경에 대한 확장은 향후 과제로 남는다.

전반적으로 HuGaDB는 고해상도 관성·근전도 데이터를 동시에 제공하는 최초의 공개 보행 데이터베이스로, 연구자들이 개인 맞춤형 보행 모델을 개발하고, 실제 착용형 시스템에 바로 적용할 수 있는 귀중한 자산이다.