Smart Home Anomaly Detection using K-Means Dynamic Threshold and Isolation Forest based on Multi-Sensor Data

고령화 및 1인 가구의 급증으로 고독사와 사회적 고립 문제가 대두됨에 따라, 스마트홈 기반의 비대면 안전 모니터링 기술이 주목받고 있다. 그러나 기존의 이상 탐지 연구들은 수많은 센서를 부착해야 하는 고밀도 센서 환경을 가정하고 있어, 높은 구축 비용과 프라이버시 침해라는 한계를 지닌다. 이에 본 논문은 센서 밀도를 최소화한 환경에서 거주자의 장기적인 생활 패턴을 분석하여 이상을 탐지할 수 있는 프레임워크를 제안한다. 여섯 종의 비침습적 센서 데이터를 바탕으로 동적 임계값을 통해 설치 환경별 분석 기준을 다르게 적용하였다. 패턴 추출 로직을 통해 데이터를 외출, 수면, 실내 활동이라는 3가지 거시적 문맥으로 추상화한다. 이를 Isolation Forest 모델로, 이상을 식별한다. 실제 데이터로 검증한 결과, 제안 모델은, 외부 활동의 극단적 단절이나 과도한 수면 등 사회적 고립 위험군에서 나타날 수 있는 이상을 추출, 탐지하였다.