카메라 0대 · 웨어러블 0개 · CSI 서브캐리어 128개
카메라가 못 보는 곳까지,
전파는 놓치지 않습니다
이더케어는 이미 집에 있는 와이파이 신호의 미세한 흔들림 — 채널 상태 정보(CSI) — 만으로 낙상·보행·앉음·부재를 실시간으로 구분합니다. 렌즈도, 몸에 차는 기기도 필요 없습니다.
- 90.29%
- 4클래스 분류 정확도
- 0.83
- 낙상 recall (우선 임계값)
- ~12Hz
- 실시간 CSI 샘플링
- warning낙상 감지09:41:07
- directions_walk보행09:38:52
- chair앉음09:35:10
- visibility_off부재중09:20:44
PIPELINE
센서 하나, 네 단계로 낙상을 압니다
공유기와 센서 사이를 오가는 전파 자체를 데이터로 씁니다. 별도 장비를 몸에 붙이지 않고, 이미 집에 흐르고 있는 신호를 읽습니다.
-
01
센서 수집
ESP32가 기존 공유기와 통신하며 Wi‑Fi CSI 프레임을 초당 11~13회 샘플링합니다. 128개 값은{"csi_data":[...], "device_id"}JSON으로 묶여 Mosquitto MQTT 브로커의ether-care/sensor토픽에 발행됩니다. -
02
특징 추출
사람이 움직이면
csi_0…csi_127값이 흔들립니다. 프레임별 표준편차·피크투피크에 단기(8프레임)·장기(30프레임) 이동 윈도우 통계를 더해 139개 특징을 만듭니다 — 평상시 σ14~18이 낙상 순간 σ28대로 튑니다. -
03
AI 분류
RandomForestClassifier(트리 150개, class_weight=balanced)가 이 139개 특징으로 낙상·보행·앉음·부재 4가지 상태를 예측합니다. 각 라벨 녹화의 마지막 20%를 시간순으로 떼어 검증한 정확도는 90.29%입니다. -
04
즉시 알림
낙상 확률이
0.35를 넘으면 다른 상태 확률이 더 높아도 낙상으로 우선 판정합니다(recall 0.71→0.83). 판정 결과는 FastAPI/current-status로 노출되고 InfluxDB에 함께 기록됩니다.
MODEL PERFORMANCE
낙상을 놓치는 것보다, 한 번 더 확인하는 편을 택했습니다
같은 세션의 마지막 20%를 시험 데이터로 떼어 놓는 시간순 분할로 검증했습니다. 기본 판정에서 낙상 recall이 낮게 나와, 낙상 확률 임계값을 낮춰 recall을 우선하도록 조정했습니다.
CSI 변동성(σ) 추이 — 낙상 순간의 스파이크
예시 데이터 · 실제 학습 데이터 분포 기반가로축: 프레임(약 12Hz) · 세로축: 128개 CSI 값의 프레임 내 표준편차(σ). 평상시에도 σ는 14~18 사이에서 흔들리지만, 낙상 순간에는 순간적으로 28σ 근처까지 튑니다.
PRIVACY BY DESIGN
왜 카메라 대신 전파인가요
영상이나 착용 기기 없이도 지킬 수 있어야, 매일 켜두고 매일 착용하게 됩니다.
CAMERA / WEARABLE
- visibility_off화장실·침실은 사각지대로 남겨두거나, 사생활을 그대로 노출해야 합니다.
- dark_mode야간·역광에서는 화질이 급격히 떨어집니다.
- battery_alert손목형 기기는 매일 충전하고 착용해야 하며, 자주 벗어둡니다.
- lock_open영상이 유출되면 되돌릴 수 없는 사생활 침해로 이어집니다.
ETHER‑CARE (Wi‑Fi CSI)
- check_circle전파는 벽과 문을 어느 정도 통과해, 화장실·어두운 방에서도 그대로 작동합니다.
- check_circle조명·시간대와 무관하게 신호 세기는 그대로입니다.
- check_circle이미 켜둔 공유기 + 센서 1개면 충분해, 벗거나 충전할 것이 없습니다.
- check_circle저장되는 건 영상이 아니라 신호의 통계값(σ)뿐입니다.