mmWave 자세 판정 알고리즘 비교

2026-11-11 · 승민

개요

전처리 EMA + 분류 XGBoost, 정확도 75.1% (3명·녹화 9개). 처음 보는 사람 65.4~73.5%.

항목	내용
센서	TI IWR6843 (3D People Tracking 펌웨어), 천장 2.7m 설치, 약 18 프레임/초
판정할 자세 (5종)	섬, 침대 위 앉음, 걸터앉음, 누움, 옆누움
데이터	녹화 9개: lee 7개, vic 1개, kim 1개(11-12). 자세마다 60초씩 수집
평가 프레임	mmWave 프레임 37,773개 (섬 8,173 · 침대 위 앉음 6,559 · 걸터앉음 6,988 · 누움 7,960 · 옆누움 8,093). lee 27,744 · vic 4,935 · kim 5,094
평가 방법	녹화 하나씩 빼고 시험 (Leave-one-recording-out, 9회). 학습에 쓰지 않은 녹화로만 정확도를 냄. 추가로 사람 하나씩 빼고 시험(Leave-one-person-out)
지표	정확도(Accuracy), macro F1 (5개 자세의 F1 평균)

입력 데이터 (RAW)

프레임마다 환자 트랙 값 8개.

값	단위	뜻	어디서 나오나
z	m	몸 중심 높이 (바닥 기준)	트랙 위치 (TLV 1010)
head_z	m	머리 쪽 높이: 소속 반사점 높이의 90% 백분위	반사점 (TLV 1020 + 1011)
speed	m/s	수평 이동 속도	트랙 속도
vz	m/s	세로 속도	트랙 속도
npts	개	그 사람에게 연결된 반사점 수	반사점
bed_dist	m	침대 영역까지 거리 (안이면 0)	트랙 위치 + 침대 꼭짓점
x	m	방 안 좌우 위치	트랙 위치
y	m	방 안 앞뒤 위치	트랙 위치

전처리 알고리즘 비교

EMA 선택 · 분류기는 XGBoost로 고정.

전처리 알고리즘	방법	정확도	macro F1	EMA와 정확도 차이
지수 평활 (EMA, α=0.1)	새 값 10% + 직전 평활값 90%	75.1%	74.3%	—
칼만 필터 (1차원)	예측값과 측정값을 불확실성 비율로 섞음	74.2%	73.3%	−0.8%p
Savitzky-Golay	최근 1초에 2차 다항식을 맞추고 가장 최근 값을 씁	72.3%	71.3%	−2.8%p
이동 평균 (1초)	최근 18프레임의 평균	72.3%	71.7%	−2.8%p

분류 알고리즘 비교

XGBoost 선택 · 전처리는 EMA로 고정.

분류 알고리즘	설정	정확도	macro F1	XGBoost와 정확도 차이
XGBoost	트리 300개, 학습률 0.05, 깊이 6, 히스토그램 분할, 자세별 균형 가중	75.1%	74.3%	—
LightGBM	트리 300개, 학습률 0.05, 잎 31개, 균형 가중	74.7%	73.9%	−0.4%p
HistGradientBoosting	트리 300개, 학습률 0.05, 균형 가중	74.6%	73.7%	−0.5%p
MLP 신경망	은닉층 64-32, 조기 종료	73.2%	72.7%	−1.9%p

알고리즘 조합 결과

EMA + XGBoost가 16개 조합 중 1위 · 칸은 정확도.

전처리 \ 분류기	XGBoost	HistGradientBoosting	CatBoost	MLP 신경망
EMA	75.1%	74.6%	72.9%	73.2%
Savitzky-Golay	72.3%	75.0%	73.8%	72.6%
칼만 필터	74.2%	73.3%	74.1%	71.9%
이동 평균	72.3%	73.6%	72.1%	72.4%

상위 5개 조합의 녹화별 꾸준함 (평균 순위는 낮을수록 좋음).

조합	정확도	macro F1	녹화별 평균 순위 (낮을수록 좋음)	상위 4위 안에 든 녹화
EMA + XGBoost	75.1%	74.3%	7.2	5 / 9
Savitzky-Golay + HistGradientBoosting	75.0%	74.6%	6.8	4 / 9
EMA + HistGradientBoosting	74.6%	73.7%	7.6	2 / 9
칼만 필터 + XGBoost	74.2%	73.3%	6.9	1 / 9
칼만 필터 + CatBoost	74.1%	73.0%	7.3	2 / 9

결과표

녹화 9개 전체의 자세별 대표값 · 분류 % = XGBoost 평균 확률.

섬 (Standing)

구분	인풋 (RAW)	전처리 (EMA)	분류	아웃풋
높이 z (m)	1.53	1.52	섬 (95%)	섬
머리 높이 head_z (m)	1.58	1.55
반사점 수 (개)	8	9.7
프레임 수	8,173	-	-	8,173
맞힌 비율	-	-	-	96%
가장 많이 틀린 판정	-	-	-	걸터앉음 1%

침대 위 앉음 (Sitting on bed)

구분	인풋 (RAW)	전처리 (EMA)	분류	아웃풋
높이 z (m)	1.14	1.13	침대 위 앉음 (69%)	침대 위 앉음
머리 높이 head_z (m)	1.39	1.38
반사점 수 (개)	12	12.2
프레임 수	6,559	-	-	6,559
맞힌 비율	-	-	-	68%
가장 많이 틀린 판정	-	-	-	걸터앉음 14%

걸터앉음 (Sitting on edge)

구분	인풋 (RAW)	전처리 (EMA)	분류	아웃풋
높이 z (m)	0.82	0.82	걸터앉음 (85%)	걸터앉음
머리 높이 head_z (m)	1.16	1.09
반사점 수 (개)	7	9.8
프레임 수	6,988	-	-	6,988
맞힌 비율	-	-	-	86%
가장 많이 틀린 판정	-	-	-	침대 위 앉음 10%

누움 (Lying on back)

구분	인풋 (RAW)	전처리 (EMA)	분류	아웃풋
높이 z (m)	0.70	0.70	누움 (76%)	누움
머리 높이 head_z (m)	0.97	0.99
반사점 수 (개)	9	10.3
프레임 수	7,960	-	-	7,960
맞힌 비율	-	-	-	79%
가장 많이 틀린 판정	-	-	-	옆누움 17%

옆누움 (Lying on side)

구분	인풋 (RAW)	전처리 (EMA)	분류	아웃풋
높이 z (m)	0.83	0.83	옆누움 (46%)	옆누움
머리 높이 head_z (m)	1.08	1.13
반사점 수 (개)	9	9.5
프레임 수	8,093	-	-	8,093
맞힌 비율	-	-	-	46%
가장 많이 틀린 판정	-	-	-	누움 29%

사람별 정확도.

측정자	프레임	녹화 하나씩 빼고 시험	사람 하나씩 빼고 시험	가장 낮은 자세 (사람 빼고 시험)
lee	27,744	76.9%	65.4% (vic·kim 녹화 2개로만 학습)	옆누움 48%
vic	4,935	66.4%	66.4%	침대 위 앉음 17%
kim	5,094	73.5%	73.5%	옆누움 23%

한계

측정자 3명·녹화 9개(lee 73%)라 상위 조합끼리의 차이(1%p 안팎)는 우연일 수 있습니다.
사람 차이가 커서, 다른 사람 녹화를 늘리는 것이 더 효과적입니다.
옆누움은 46%만 맞혔습니다. 높이 값만으로는 누움과 구별이 어렵습니다.
x·y 위치를 입력에 넣어, 침대 위치가 다른 방에서는 다시 학습해야 합니다.
카메라 관절을 함께 쓰면 93%입니다(참고용).

mmWave 보행 지표 알고리즘 비교

개요

전처리 z-score + 판정 A+S 큰 쪽, 실제 녹화 정확도 90.1% (수정안 기준, 212구간).

항목	내용
판정 단위	걸음 6초 구간 하나 (약 109프레임)
D1 Pi 데이터	병실 Pi 보행 구간 130개 (10월 28~31일, 여러 사람). 저하는 인위로 넣음 (예: 속도 −20%, 흔들림·속도 변동 +20%)
D2 실제 걸음	lee·kim 2명, 같은 고리(약 1.7 × 3.3 m)를 멈추지 않고 걸음. 11-05: lee 48구간 · 11-12: lee 209구간, kim 56구간
D3 가상 환자	실제 데이터의 분포·상관을 따라 만든 10명, 사람마다 10회 반복
AUC	저하 구간을 평소 구간보다 더 위험하게 매길 확률 (0.5 = 찍기, 1 = 완벽)
검출률	헛알람을 5%로 맞춘 문턱에서 저하 구간을 잡은 비율
정확도	평소는 ‘정상’, 천천히·종종걸음은 ‘주의 이상’이면 맞음. 기준선은 같은 녹화 묶음의 평소 구간

입력 데이터 (RAW)

환자 트랙의 최근 6초 이력 (약 109프레임).

값	단위	뜻
t	초	프레임 시각
x, y	m	방 안 위치 (바닥 기준 좌표)
z	m	몸 중심 높이
speed	m/s	수평 이동 속도 (레이더 추적기 값)

전처리 알고리즘 비교

z-score 선택 · 판정은 A 위험 방향 합으로 고정 · 칸은 AUC (괄호: 헛알람 5% 문턱 검출률).

① 6초 이력 → 보행 지표 4개 (속도 · 속도 변동 · 흔들림 · 멈춤 비율) ② 지표마다 본인 평소와 비교해 표준화

전처리(표준화) 알고리즘	계산	실제 천천히 (D2, 11-05)	실제 종종걸음 (D2, 11-05)	인위 저하 20% (D1)	가상 환자 6개 상황 평균 AUC (D3)	z-score와의 검출률 차이 (실제 천천히)
z-score — 선택	(값 − 평균) ÷ 표준편차	0.97 (94%)	1.00 (100%)	0.63 (22%)	0.783	—
Min-Max	(값 − 평균) ÷ (최댓값 − 최솟값)	0.96 (94%)	1.00 (100%)	0.63 (18%)	0.775	0%p
베이즈 예측확률	기록 수를 반영한 t 분포에서 ‘평소일 확률’	0.95 (72%)	0.99 (100%)	0.63 (22%)	0.783	−22%p
로버스트 스케일러	(값 − 중앙값) ÷ 사분위수 범위	0.92 (56%)	1.00 (100%)	0.62 (13%)	0.765	−38%p

분류(판정) 알고리즘 비교

A+S 큰 쪽 선택 · 전처리는 z-score로 고정.
A = 위험한 방향으로 벗어난 z만 더한 값 (속도는 느려질 때, 속도 변동·흔들림·멈춤 비율은 커질 때) · S = 속도가 평소보다 느려진 정도 (−z 속도)

분류(판정) 알고리즘	방법	D3 평균 AUC	D3 최저 AUC	D3 좋아짐에 반응 (낮을수록 좋음)	D1 인위 저하 20%	D2 실제 걸음 정확도 (11-05)	A+S 큰 쪽과의 최저 AUC 차이
A+S 큰 쪽 — 선택	A와 S를 각각 표준화해 큰 값	0.815	0.68	0.29	0.65 (17%)	97.9%	—
A+S 합	표준화한 A와 S를 더함	0.815	0.66	0.27	0.66 (23%)	—	−0.02
A 위험 방향 합	위험 쪽으로 벗어난 z만 더함	0.783	0.64	0.33	0.63 (22%)	64.6%	−0.04
양방향 \|z\| 합 (예전 방식)	방향 없이 \|z\|를 더함, 문턱 3	0.737	0.58	0.58	0.46 (2%)	97.9%	−0.10

결과표

실제 보행 녹화 212구간의 걷기 방식별 대표값 (수정안 기준) · 값은 중앙값.

평소 (Normal)

구분	인풋 (RAW, 6초)	전처리: 보행 지표	전처리: z-score	분류 (점수)	아웃풋 (대표 판정)
속도 (m/s)	이동 경로 5.17 m 순이동 1.39 m	0.828	+0.14	A 0.88 · S −0.14 → 점수 −0.02	정상
속도 변동		0.273	−0.06
흔들림 (m)		0.041	+0.01
멈춤 비율		0.00	0.00
6초 구간 수	112	-	-	-	112
판정 단계	-	-	-	-	정상 104 · 주의 6 · 경고 2
주된 경보 이유	-	-	-	-	속도 느림 (경보 8개 중 6)
맞힌 비율	-	-	-	-	92.9% (정상이면 맞음)

천천히 (Slow)

구분	인풋 (RAW, 6초)	전처리: 보행 지표	전처리: z-score	분류 (점수)	아웃풋 (대표 판정)
속도 (m/s)	이동 경로 3.62 m 순이동 1.78 m	0.523	−4.65	A 5.48 · S 4.65 → 점수 4.65	위험
속도 변동		0.266	+0.25
흔들림 (m)		0.035	−0.17
멈춤 비율		0.00	0.00
6초 구간 수	55	-	-	-	55
판정 단계	-	-	-	-	위험 38 · 경고 15 · 주의 1 · 정상 1
주된 경보 이유	-	-	-	-	속도 느림 (54개 중 53)
맞힌 비율	-	-	-	-	98.2% (주의 이상이면 맞음)

종종걸음 (Shuffling)

구분	인풋 (RAW, 6초)	전처리: 보행 지표	전처리: z-score	분류 (점수)	아웃풋 (대표 판정)
속도 (m/s)	이동 경로 3.52 m 순이동 1.48 m	0.502	−5.60	A 7.80 · S 5.60 → 점수 6.13	위험
속도 변동		0.271	+0.10
흔들림 (m)		0.030	−0.39
멈춤 비율		0.00	0.00
6초 구간 수	45	-	-	-	45
판정 단계	-	-	-	-	위험 33 · 정상 12
주된 경보 이유	-	-	-	-	속도 느림 (33개 중 32)
맞힌 비율	-	-	-	-	73.3% (주의 이상이면 맞음)

점수 2 이상 주의 · 3 이상 경고 · 4 이상 위험.

실제 녹화 종합 결과 (lee·kim, 11-05·11-12)

지금 방식은 대부분 판정 불가, 수정안은 모든 녹화 판정.

측정자 · 녹화	6초 구간 (평소 / 천천히 / 종종)	평균 속도 m/s (평소 / 천천히 / 종종)	지금 검사 통과	수정안 검사 통과
lee 11-05	19 / 19 / 10	0.77 / 0.47 / 0.29	1 / 7 / 2	16 / 15 / 2
lee 11-12 ① (평소 5분 포함)	116 / 18 / 19	0.81 / 0.45 / 0.37	6 / 11 / 9	76 / 15 / 14
lee 11-12 ②	19 / 18 / 19	0.95 / 0.73 / 0.51	0 / 6 / 12	10 / 13 / 16
kim 11-12	19 / 18 / 19	0.91 / 0.55 / 0.77	0 / 6 / 1	10 / 12 / 13

판정 규칙 (문턱)	지금 검사 (판정 가능 1묶음, 26구간)	수정안 전체 (212구간)	수정안 lee (177구간)	수정안 kim (35구간)
A+S 큰 쪽 ≥ 2 (지금 서버)	100%	90.1%	94.9%	65.7%
S 속도만 ≥ 2	100%	91.0%	96.0%	65.7%
A 위험 방향 합 ≥ 2	65.4%	90.1%	96.6%	57.1%
양방향 \|z\| 합 ≥ 3 (예전)	84.6%	87.7%	90.4%	74.3%

한계

실제 걸음은 2명(lee, kim)의 연기한 걸음이라, 실제 환자 기록은 없습니다.
평소 속도가 녹화마다 달라(lee 0.65~0.95 m/s), 여러 날의 평소 걸음으로 기준선을 잡아야 합니다.
보폭 지표가 없어 속도는 그대로이고 보폭만 줄어든 걸음은 잡지 못합니다(kim 종종걸음).
D2(11-05) 결과의 97.9%는 보행 검사를 거치지 않은 값입니다.
걷기 전후 멈춤이 6초 구간에 섞이면 헛알람이 납니다.

향후 수정 계획 (아직 서버에 적용하지 않음)

좁은 방에서는 6초 구간 대부분이 보행 검사에서 탈락합니다 (5분 걷기 97개 중 2개 통과).

수정안

직진성 검사를 3초 단위로 (앞·뒤 3초 모두 0.5 이상이면 통과)
흔들림을 진행 방향 기준으로 (길 모양은 빼고 몸의 출렁임만)

근거 1 · 검사 방식별 통과율

걷기 253구간 / 걷지 않음 696구간.

직진성 기준	걸기 통과 (11-12 고리, 209구간)	걸기 통과 (11-05 원, 44구간)	걸지 않음 통과 (696구간, 낮을수록 좋음)
지금: 6초 전체 ≥ 0.5	21.1%	22.7%	1.1%
6초 전체 ≥ 0.4	40.7%	52.3%	2.4%
6초 전체 ≥ 0.3	70.8%	75.0%	3.0%
6초 전체 ≥ 0.2	95.7%	95.5%	6.6%
직진성 검사 없음	100%	95.5%	12.4%
수정안: 3초 단위 ≥ 0.5	68.9%	68.2%	1.0%

근거 2 · 흔들림 계산 방식

흔들림 계산	평소 걸기 곧은 구간 중앙값 (7개)	평소 걸기 휘어진 구간 중앙값 (147개)
지금 (6초 시작점→끝점 직선)	0.290 m	0.453 m
수정안 (진행 방향 기준)	0.045 m	0.043 m

근거 3 · 판정 정확도 (lee 보행 녹화 4개, 6초 구간 201개)

방식	판정한 구간	판정 못한 녹화 묶음	A+S 큰 쪽 정확도
지금	26	4개 중 3개 (평소 기준선 부족)	100% (lee 1묶음만)
수정안 1 + 2	212	없음	90.1% (lee 94.9%, kim 65.7%)