1. Introduction

대체 신발은 편안함과 패션을 목적으로 일상생활에서 가장 많이 사용되는 신발로 CrocsⓇ, Flip-Flops 등이 존재한다. 이 중 CrocsⓇ는 통풍, 편안함 등의 장점으로 인기 있는 대체 신발 중 하나이다⁽¹⁾. 하지만 대체 신발은 발의 앞쪽만을 고정하여 착용한다. 이는 발의 뒷부분을 잡아주지 않아 보행 시 배측굴곡의 각도가 증가하며 발이 하나의 물체처럼 움직이지 않아 운동능력을 감소시킨다⁽²⁾. 대체 신발(CrocsⓇ)은 발 앞부분의 공간이 넓어 장애물과 발 사이의 거리를 잘못 인식할 수 있다⁽³⁾. 이는 보행 중 발의 높이가 낮아져 장애물에 걸리게 되며 균형을 잃고 넘어지는 낙상을 유발할 수 있다⁽⁴⁾.

낙상은 주요 공중 보건 문제로 묘사될 정도로 심각한 위험을 안겨주며 넘어짐과 관련된 낙상은 청년부터 노년층에 이르기까지 모든 연령대에서 발생한다⁽⁵⁾. 대부분의 낙상 사고 중 장애물에 의한 낙상 사고가 높은 비중을 차지하며⁽⁶⁾ 이 중에서도 고정된 장애물에 의한 낙상 사고가 주를 이룬다⁽⁷⁾. 고정된 장애물에 걸려 균형을 잃지 않기 위해서는 적절한 발 높이가 필요하다⁽⁸⁾. 발의 높이가 낮으면 장애물에 걸려 넘어질 위험성이 높아지며 발의 높이가 높으면 넘어짐을 방지하기 위해 자세의 흔들림이 증가한다⁽⁷⁾. 또한 장애물을 넘어갈 때 발의 높이가 부족하면 발이 교차할 때 비정상적인 관절 각도로 인해 낙상이 발생하거나 교차하기 전 비정상적인 발 위치로 인해 장애물에 걸려 넘어질 수 있다⁽⁷⁾.

이러한 장애물에 의해 발생하는 낙상에 관한 현상을 연구하기 위해 Optical Motion Capture가 연구에 사용된다. Optical Motion Capture는 운동의 다양한 측면을 정밀하게 측정하고 분석하는 데 사용된다. 이 시스템은 여러 피사체 및 물체를 실시간 추적할 수 있으며 반사 마커를 사용 시 가장 정교하게 피사체 및 물체의 움직임을 추적할 수 있다. 하지만 높은 설치 비용과 공간적 제약이 있다. 정밀한 데이터를 얻기 위해 다수의 카메라를 특정 위치에 설치해야 하며 카메라가 설치된 장소에서만 측정할 수 있으므로 공간에 제한성을 가지게 된다. 이러한 특성으로 인하여 관성 측정 장치(Inertial Measurement Unit, IMU)를 활용해 일상생활에서 보행 데이터를 수집하는 연구가 진행되었다^(8-9).

IMU 센서는 Accelerometer, Gyroscope, Magnetometer로 구성되어 있으며 운동과 자세 추정에 중요한 정보를 제공한다. IMU는 발, 손목과 같은 신체 위치에 밴드 형태로 직접 착용하거나 벨트, 클립 형태로 신체가 아닌 옷 위에 간접적으로 부착해 신호 측정의 불편함을 완화할 수 있는 새로운 액세서리 범주의 웨어러블 디바이스이다⁽⁹⁾. IMU는 보행 평가에 있어 우수한 성능을 보이지만 신체에 직접 부착하여 측정 시 불편함이 초래되어 순응도가 저하될 수 있다⁽¹⁰⁾. 이를 보완 및 일상생활에 적용하기 위해 스마트폰, 스마트 워치와 같이 IMU가 내장된 기기를 활용하여 보행을 측정하면 순응도를 높일 수 있다. 그러나 스마트폰과 스마트 워치는 주머니혹은 팔목 등 상체에 배치되어 데이터를 수집하기 때문에 발에 대한 움직임 정보를 얻기에는 제한점이 있다. 그로 인해 발 대부분의 높이, 궤적에 관한 측정 연구에서는 발목 혹은 발등에 IMU 센서를 배치하여 데이터를 수집한다^(8,11).

일반적인 보행 실험은 직선 구간에서만 진행된다. 하지만 일상생활에서는 장애물이 없는 직선인 도로에서만 보행하지 않는다. 오히려 일상생활에서는 도로가 곡선 궤적을 그리며 모퉁이를 도는 경우나 장애물을 피하는 경우가 훨씬 더 많다⁽¹²⁾. 연구에 따르면 보행 중 20~50%의 도로는 곡선 궤적을 갖는다. 그러므로 장애물을 피하고 회전하는 능력은 안전한 보행을 위해 매우 중요한 능력 중 하나이다⁽¹²⁾.

따라서 본 연구에서는 순응도를 높이고 일상생활에서 가장 많이 사용되는 대체 신발에 착용 가능하여 불편함이 없는 액세서리 형태의 IMU 센서를 구현하고 직선과 곡선이 혼합된 트랙에서 장애물 보행을 시행하며 장애물 높이와 신발의 종류에 따라 변화하는 발의 높이를 IMU 센서와 Optical Motion capture를 사용하여 비교평가를 진행하고자 한다.

2. Method

2.1 신발에 착용 가능한 액세서리 형태의 IMU 센서

IMU 센서 MPU-9250(TDK InvenSense, USA)와 Micro Controller Unit(MCU)인 Atmega328P(Atmel, USA)를 사용하여 구현하였다. IMU 센서는 ±8 g의 측정 범위로 가속도 데이터를 측정하고 MCU의 Serial Peripheral Interface 통신을 통해 Sampling rate 100 Hz로 데이터를 수집하였다. 수집된 데이터는 블루투스 통신(BT baud-rate 115,200)을 통해 전달되며 C# 기반으로 구현한 소프트웨어로 수집 및 저장하였다. 외관 CASE는 외부 충격으로부터 센서를 보호하며 대체 신발의 구멍에 착용할 수 있도록 3D 프린터를 통해 제작되었다(그림 1).

그림. 1. 신발 액세서리 형태의 가속도 센서

Fig. 1. Acceleration sensor in the form of a shoe accessory

2.4 마커 및 센서 부착 위치

실험에 사용된 신발은 대체 신발(CrocsⓇ, C)과 운동화(Sneakers, S)가 사용되었다. 신발에는 모션 캡처 데이터 수집을 위해 첫 번째와 다섯 번째 중족골(Metatarsal), 발 앞쪽(Distal Phalanx) 발 뒤쪽(Heel), 발등 중앙(Dorsal)^(13,14)으로 한쪽당 5개씩 총 10개의 반사 마커를 부착하였으며 IMU 센서는 신발의 발등 중앙^(15,16)에 부착하였다(그림 2). C의 경우 신발 자체에 존재하는 구멍(Distal Phalank에서 8 cm　떨어진 지점)에 장착하였다. S의 경우 따로 부착할 수 있는 구멍이 존재하지 않아 Distal Phalank에서 8 cm 떨어진 가운데 지점에 실리콘 양면테이프를 활용하여 IMU 센서를 부착하였다.

그림. 2. 반사 마커와 신발 액세서리 형태 가속도 센서 부착 위치 (A. 대체 신발(C) B. 운동화(S))

Fig. 2. Reflective marker and shoe accessory type Accelerometer attachment location (A. Alternative shoes (C) B. Sneakers (S))

2.5 보행 트랙

본 연구에는 도약거리 1번 136 cm, 도약거리 2번 136 cm, 시작 지점부터 첫 번째 장애물까지의 직선거리 283 cm와 반원 482 cm로 구성된 총 1048 cm의 보행 트랙(폭 72 cm)을 흰색과 노란색의 테이프를 활용하여 제작하였다. 보행 트랙의 크기는 모션 캡처 장비가 Tracking이 가능한 최대의 넓이로 설정되었다. 실험에 사용된 장애물은 0.5 cm의 폭으로 이루어진 1, 10, 20, 26 cm의 높이로 구성되었다. 장애물은 반원 구간의 중간 지점을 기점으로 72 cm의 간격을 두었으며 1번 번호를 기점으로 1, 10, 20, 26, 1, 10, 20, 26 cm 순으로 배치하였다(그림 3).

그림. 3. A. 보행 트랙, B. 장애물 위치

Fig. 3. A. Gait track, B. Obstacle location

2.6 실험 프로토콜

장애물 보행 실험은 ① 지점과 ② 지점을 표시 후 각 지점에서 출발하는 편도 2회 보행을 진행하였다. ① 지점에서 출발하여 편도 보행 후 ② 지점에 배치된 의자에서 1분간 휴식을 취했다(1 to 2). 이후에는 ② 지점에서 시작해 1회 편도 보행 후 ① 지점에 배치된 의자에 1분간 휴식(2 to 1)을 취했다. 1 to 2, 2 to 1의 보행 세트를 각 신발 당 2회씩 총 4회 반복하였다. 모든 피험자는 도움닫기 4 걸음 이후 왼발과 오른발을 교차하여 1개의 장애물 당 1걸음씩 넘을 수 있도록 하였다(그림 4).

그림. 4. A. 장애물 보행(1 to 2), B 장애물 보행(2 to 1)

Fig. 4. Obstacle gait(1 to 2), B Obstacle gait(2 to 1)

2.7 데이터 신호처리 및 분석

반사 마커의 공간 궤적 라벨링은 Motive 3.0 소프트웨어에서 수행되었다. 레이블이 지정된 마커 궤적은 표준 c3d 파일 형식으로 내보낸 다음 Biomechanics ToolKit(BTK)을 사용하여 Matlab R2022b 프로그램에서 처리되었다. 마커의 데이터는 가속도 센서와 가장 근접해 있는 발등(Dorsal) 마커를 사용하였으며 높이는 최고점과 최저점 값의 차이를 기반으로 추출되었다. 또한 장애물을 넘을 때 반사 마커가 장애물에 가려져 추적할 수 없는 경우 해당 데이터를 제외하였다.

가속도 데이터는 그림 5와 같이 장착되어 상·하의 가속도를 측정하는 x축의 데이터를 사용하였다. 전처리는 Matlab R2022b 프로그램을 활용하여 4차 Low Pass Filter(Fc = 8 Hz)으로 진행되었다. 이후 Kalman filter를 적용하여 가속도 데이터에서 이동 거리를 획득하였다⁽¹⁷⁾. 이를 기반으로 최고점과 최저점의 차이 값을 통해 높이를 추출하였다(그림 6). 또한 장애물과 충돌한 경우 해당 데이터를 제외하였다.

그림. 5. IMU 센서 가속도 방향

Fig. 5. IMU sensor acceleration direction

그림. 6. 모션 캡처와 IMU 센서의 발 높이 추출

Fig. 6. Motion capture and foot height extraction form IMU sensors

3. Result

3.1 모션 캡처와 IMU 센서 간 발 높이 비교

모션 캡처와 IMU 센서로부터 추출된 발 높이를 신발 종류(C, S)에 따라 나타내었다(그림 7). 모션 캡처에서 추출된 발 높이와 IMU 센서에서 추출된 발 높이를 비교했을 때 장애물(1 cm, 10 cm, 20 cm, 26 cm)에 따른 높이를 추출할 수 있는 것을 확인하였다.

그림. 7. 모션 캡처와 IMU 센서로부터 추출된 발 높이 비교

Fig. 7. Comparison of foot height extracted from motion capture and IMU sensors

3.3 신발 종류에 따른 장애물 보행 비교

모션 캡처와 IMU 센서의 신발 종류와 장애물 높이에 따른 발의 높이 검출에 대한 일치율을 bland-Altman plot을 이용하여 분석하였다. 결과적으로 평균 차이는 0.036, -2.94, -0.6, -2.01, -3, -4.07, -3.22, -0,03으로 산출되었다(그림 8).

그림. 8. A. C 신발에 대한 Bland-Altman plot, B. S 신발에 대한 Bland-Altman plot

Fig. 8. A. Bland-Altman plot for C shoes, B. Bland-Altman plot for S shoes

4. Conclusion and Discussion

본 연구에서는 일상생활에서 가장 많이 사용되는 대체 신발에 착용하여 발의 높이를 측정할 수 있는 IMU 센서를 구현하였다. 또한 일상 보행 중 가장 많이 접하는 도로 형태인 곡선과 직선을 결합하여 보행 트랙을 제작하였고 곡선 장애물 보행 중 신발 종류와 장애물 높이에 따라 변화하는 발 높이의 차이를 확인하였다. 일상생활에서 대체 신발에 장착하여 편리하게 사용할 수 있는 IMU 센서의 평가를 위해 낙상 연구에 자주 사용되는 모션 캡처를 사용하여 측정값에 대한 상관성 분석을 시행하였다. 신발의 종류는 발의 전체를 감싸 고정해주는 운동화와 발의 앞부분만을 고정해 장애물에 걸려 넘어지는 낙상의 가능성이 큰 대체 신발을 장애물 높이(1 cm, 10 cm, 20 cm, 26 cm)에 따라 비교 분석하였다.

그 결과 모션 캡처와 IMU 센서 간 발 높이 비교에서 대체 신발은 장애물 높이 별 오차가 적은 것을 확인할 수 있었다. 운동화의 경우 10 cm, 20 cm의 장애물에서 모션 캡처와의 오차가 발생하는 것을 확인할 수 있었다. 대체 신발의 경우 고무 재질로 구성되어 있어 발등과 발목의 움직임과 곡선 보행에 대하여 거의 영향을 받지 않아 반사 마커의 위치가 흔들리지 않았다. 하지만 운동화의 경우 천 재질로 구성되어 있어 발등과 발목의 움직임 및 곡선 보행 진행 시 반사 마커 부착 및 가속도 센서의 위치가 흔들려 오차가 발생하는 것으로 관찰하였다. 1 cm와 26 cm의 구간에서는 타 구간에 비해 곡선의 영향을 덜 받아 오차가 적은 것으로 확인하였다. 1 cm, 26 cm의 장애물을 넘을 때 대체 신발의 발 높이가 운동화에 비해 낮다는 것을 확인할 수 있었다. 이는 대체 신발을 신고 장애물을 넘을 때 피험자가 충분히 발을 들지 않는 것을 의미하며 장애물을 넘기 위한 충분한 발의 높이를 확보하지 못하는 것을 의미한다. 또한 대체 신발에 장착하여 사용할 수 있는 IMU 센서에서 추출한 발 높이 지표를 모션 캡처 데이터와 Pearson Correlation 결과 20 cm의 장애물을 제외하고 다른 3개(1 cm = 0.543*, 10 cm = 0.434*, 26 cm = 0.464**)의 장애물에 대해서 양의 상관관계가 있는 것을 확인할 수 있었다. 이를 통해 대체 신발에 착용 가능한 IMU 센서가 모션 캡처 시스템을 대체하여 일상생활에서 발의 높이를 추출할 수 있음을 확인하였다. 운동화의 경우 상관성이 없는 것으로 나타났다. 이는 운동화에 부착된 반사 마커의 추적 불가능 및 장애물과의 충돌로 인한 IMU 센서 데이터의 제거로 인하여 데이터 수의 부족으로 인한 것으로 사료된다.

또한 현재 구현된 IMU 센서에는 출력 신호에 충격에 의한 노이즈가 포함되어있다. 이 노이즈는 Low pass filter로도 제대로 완전히 제거되지 않으며 Kalman filter를 적용하여도 제거가 되지 않았는데 이 노이즈는 발이 땅에 닿는 순간 IMU 센서의 큰 흔들림이 감지되어 나타난 것으로 추측된다. 또한 IMU 센서의 데이터를 기반으로 발의 높이를 구하기 위해서는 가속도 데이터에 적분을 적용하여 속도를 추정하고 이후 또 한 번의 적분을 통해 이동 거리를 추정해야 한다. 이때 적분으로 인한 드리프트 오류가 발생하는데 본 연구에서 추출한 발 높이의 데이터에도 드리프트 오류가 존재할 가능성이 있다⁽¹⁸⁾. 이러한 제한점은 향후 보완되어야 할 부분으로 IMU 센서 자체의 F/W 측에서 충격에 의한 노이즈를 제거할 수 있도록 알고리즘을 설계하고 적분 드리프트 오류를 제거하기 위한 필터링을 적용할 계획이다.

본 연구는 1 cm부터 26 cm까지 장애물을 순서대로 배치하였다. 높이가 낮은 장애물에서 높이가 높은 장애물로 가는 것은 아무런 제한이 없지만 높은 장애물에서 낮은 장애물로 가는 부분에서 제한이 발생한다. 26 cm에서 20 cm로 장애물 보행 시 장애물을 통과하는 발은 26 cm의 장애물을 넘어가며 20 cm를 동시에 넘어 26 cm의 장애물 높이 값으로 측정되는 제한점이 존재한다(그림 9). 추후에 진행될 실험에서는 제한점을 해결하고자 장애물의 높이를 고려하여 배치를 진행할 것이며 두께가 있는 이형 장애물도 추가로 배치하여 장애물의 두께에 따라 변화하는 발의 높이를 확인할 것이다. 또한 신발 종류의 추가 및 무릎, 발목, 골반 등과 같은 각도 데이터를 추가로 적용하여 더 많은 위험인자를 추출하며 감지할 수 있는 향후 연구를 진행할 계획이다.

그림. 9. 높은 장애물에서 낮은 장애물로 넘어갈 시 제한점

Fig. 9. Limitations when crossing from high obstacles to low obstacles