🏃‍♂️ Real-time Fall Detection System (25-2 ML Team)

💡 Project Overview

이 프로젝트는 ESP32 센서와 머신러닝을 활용하여 실시간으로 낙상(Fall)을 감지하고 분류하는 시스템입니다. 직접 수집한 데이터를 기반으로 데이터 증강 및 전처리를 거쳐 모델을 학습시켰으며, 실시간 시스템까지 구축하였습니다.

수업 - 기계학습기초

---

📸 Performance & Demo

---

📂 Project Structure

1️⃣ Data Collection Program

데이터 수집을 위한 임베디드 소프트웨어 및 수집기입니다.

⚠️ Hardware Requirement > 이 폴더의 코드는 ESP32 보드와 센서가 연결된 환경에서만 정상 작동합니다.

• collect.py 실시간 데이터 수집 프로그램입니다.
• esp32_software.ino ESP32 보드용 펌웨어입니다. 센서 데이터를 50Hz(초당 50회)로 샘플링하여 시리얼로 전송합니다.
• Raw Data Folders - 직접 수집한 Raw 데이터가 저장되어 있습니다.
  • 📁 fake: 낙상과 유사하지만 낙상이 아닌 행동
  • 📁 falling: 실제 낙상 데이터
  • 📁 normal: 일상적인 행동 데이터

2️⃣ Data Process Program

데이터 전처리, 병합, 증강을 담당하는 파이프라인입니다.

• data_merge.py: 분산된 데이터를 하나로 합쳐 통합 데이터셋(all_dataset.csv)을 생성합니다.
• all_dataset.csv: 전처리가 완료된 통합 데이터셋 파일입니다.
• augment_functions.py: 데이터 불균형 해소를 위한 증강 함수 모음입니다.
• preprocess_functions.py: 노이즈 제거 및 정규화 등 전처리 함수 모음입니다.
• load_dataset.py: 파일을 읽어 데이터셋을 로드하는 함수 모음입니다.
  • load_dataset(): 전체 데이터 로드
  • split_dataset(): Train / Validation / Test 데이터 분할

3️⃣ Model Train

딥러닝 모델 학습 및 테스트를 위한 공간입니다.

파일명	설명	비고
train_test_v1.ipynb	첫 번째 훈련 - 모델 구조 및 하이퍼파라미터 튜닝용 파일	Colab 권장
train_test_v2.ipynb	두 번째 훈련 - K-Fold 교차 검증 테스트용 파일	Colab 권장
train.py	최종 학습 코드 (로컬 실행)	best_fall_model.keras, robust_scaler.pkl 생성

• 주피터 노트북 파일들의 경우 all_dataset.csv이 있어야 합니다.
• 실제 학습은 로컬에서 진행하였습니다.

📝 Note > train.py 실행 시 39번째 행의 데이터 경로(all_data.csv)를 본인의 환경에 맞게 수정해야 합니다.

4️⃣ Realtime Test Program

최종 산출물 및 실시간 테스트 프로그램입니다.

• best_fall_model.keras: 학습이 완료된 최종 모델 파일
• robust_scaler.pkl: 학습 데이터에 맞춰진 스케일러 파일
• realtime.py: 실시간 낙상 감지 테스트 프로그램
  • Note: 실제 센서 하드웨어 연결 필요

---

🛠 Tech Stack

• Hardware: ESP32, PIR Click Board
• Software: Python, Arduino IDE
• Libraries: TensorFlow, Pandas, NumPy, Scikit-learn, PySerial

---

👨‍💻 Contributors

• 25-2 ML Team
• 
• 
• 
•