HealthCare (헬스케어) 두잇

Why? -> How?
스마트 워치 등 건강에 대한 Monitoring에 관심이 증가하고 있으며, 그에 비해 건강을 향상시키는 실생활에 적용된 기술은 부족한 상황.
유비쿼터스 - 누구나 사용하는 기기를 건강 증진을 위한 하나의 기술로서 이해, 건강 증진을 위해 운동을 돕는 의료기기로 인식
운동은 힘겨운 작업인 만큼 많은 집중력과 인내를 요구함 -> 시스템이 유저의 input을 많이 요구할 수록 운동에 대한 집중도가 떨어짐 -> 건강 증진 실패
문제가 발생 하지 않기 위해 자동화가 필요 -> 자동 분류 알고리즘(ML)
단순히 운동을 돕는 것만으로는 기존과 다를 것이 없음 동기부여가 필요 -> 지인간의 경쟁 시스템 도입 -> 랭킹 시스템 제시
순위를 정하기 위해서는 운동 내에서와 운동 간에 통합된 점수 지표가 필요함 -> 칼로리를 사용

Problem
기존의 카메라를 이용해 거리 인식을 통한 운동어플
인식률이 매우 저조하며, 스마트폰이 땀이 떨어지는 얼굴 밑에 위치하며 베터리의 소모가 매우 큼.
단순한 운동 분류
정확도가 매우 높은 몇가지 시스템이 논문을 통해 다수 존재함을 알 수 있었으나, 연구를 위한 시스템만이 존재하고 사용자의 건강 증진을 목적으로 한 동기부여가 부족함.
상업성, 대중성 부족
그 외
사용자 직관적이지 못함.
완성도가 떨어짐

Better
기존에 인식된 문제점을 분석하여 개선함과 동시에 고유한 특징을 가져야 함.
카메라를 통한 분류 -> 과다한 베터리 사용 문제
가속도(accelerate)와 중력(gyroscope)센서를 통해 운동을 분류-> 위 두 센서는 분류를 위해 필요한 센서 중 가장 적은 베터리 소모.
단순한 운동 분류 -> 동기부여 부족
랭킹 시스템을 통해 동기부여
디자인 또한 의욕을 돋굴 수 있는 색상을 채택 – RED
완성도
높은 수준의 완성도를 요구.
지속적인 완성도 유지를 위해 유지·보수가 용이해야함.
다른 플랫폼(iOS, TIZEN) 등에 대비해야 함.

Faster
시스템은 무엇 보다 사용자가 신경쓰지 못 하는 속도로 움직여야 함. -> 빨라야 한다.
시간이 걸리는 부분을 정리하여 가장 효율적인 방법을 채택.
분류(ML:Machine Learning)
KNN: 구현이 쉬워 완성도를 높일 수 있고, 운동이 확연히 차이가 나는 만큼 train data의 크기를 적절하게 조절하여 속도를 높일 수 있어서 채택하였다.
점수(Scoring)
점수 계산이 복잡할 경우 직관적이지 못한 데이터로 사용자에게 의혹을 불러일으켜 동기부여에 실패할 수 있으며, 불필요한 자원을 낭비한다.-> 칼로리를 채택하여 직관적이며 동시에 계산이 용이.

Stronger
다양한 플랫폼에 적용
소셜 네트워크에 적용 가능
페이스북, 트위터, 카카오톡 등
가장 사용자가 많은 카카오톡을 첫 목표 플랫픔으로 채택
다양한 기기 및 OS
아이폰에도 가능한 간단한 디자인을 설계.
융합 및 가능성
급부상 중인 wearable 기기(스마트 워치)와 융합 가능.
상상도: 어플리케이션을 통한 운동과 동시에 기어를 이용해 실시간 건강 모니터링 및 시간에 따른 건강 증진 정도 체크
유저 중 상위 랭킹에 보상을 약속한 뒤 데이터를 제공받는 형식을 통해 빅데이터 구축 가능. 우수한 기록의 사람이니 만큼 양질의 데이터를 기대할 수 있음.