Wi-Fi CSI 기반 딥러닝 운동형태 분류를 이용한 비접촉식 실내 운동량·칼로리 추론

초록

Wi-Fi Channel State Information(CSI)에 기반한 비접촉 센싱 기술은 카메라 없이도 실내에서 인체 움직임과 환경 변화를 감지할 수 있어 주목받고 있으나, 기존 연구는 주로 활동 분류나 안전·이상 감지에 집중되어 있고 운동량 정량화 및 칼로리 추정까지 확장한 사례는 제한적이다. 본 연구는 Wi-Fi CSI 신호와 딥러닝 기반 운동형태 인식을 결합하여, 웨어러블 없이 실내에서 운동 강도와 칼로리를 추론할 수 있는 비접촉식 Edge AI 시스템을 제안한다. 제안 시스템은 1D CNN, LSTM, Transformer 구조를 활용한 3-Class 운동형태 분류기와 13단계 MET 스케일을 이용해 운동 강도를 산출하고, 120초 환경 적응형 캘리브레이션과 신체 표면적 BSA 기반 개인화 보정을 결합하여 사용자별 체격 차이를 반영한 칼로리 추정을 수행한다. 전체 파이프라인은 ONNX로 변환되어 엣지 디바이스에서 1초 단위 실시간 추론이 가능하도록 구현되었다. 실험 결과, 운동형태 분류에서 Macro F1 0.9141을 기록했고 칼로리 추정에서는 MAPE 3.2%, RMSE 0.178 kcal/min을 달성하여 기존 접근법 대비 성능 향상을 확인하였다. 본 연구는 기존 Wi-Fi 인프라만으로 운동량과 칼로리를 모니터링할 수 있는 경량 시스템을 제시함으로써, 스마트 헬스케어, 고령자 케어, 실내 안전 모니터링 등 다양한 응용 분야에서 Wi-Fi 기반 센싱의 실질적 활용 가능성을 입증한다.

키워드