KR101993649B1 - 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치 - Google Patents

가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치 Download PDF

Info

Publication number
KR101993649B1
KR101993649B1 KR1020180024534A KR20180024534A KR101993649B1 KR 101993649 B1 KR101993649 B1 KR 101993649B1 KR 1020180024534 A KR1020180024534 A KR 1020180024534A KR 20180024534 A KR20180024534 A KR 20180024534A KR 101993649 B1 KR101993649 B1 KR 101993649B1
Authority
KR
South Korea
Prior art keywords
time
calculating
regularity
gaussian distribution
value
Prior art date
Application number
KR1020180024534A
Other languages
English (en)
Inventor
조위덕
최선탁
양회석
이주영
Original Assignee
아주대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 아주대학교산학협력단 filed Critical 아주대학교산학협력단
Priority to KR1020180024534A priority Critical patent/KR101993649B1/ko
Application granted granted Critical
Publication of KR101993649B1 publication Critical patent/KR101993649B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Tourism & Hospitality (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Child & Adolescent Psychology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

가우시안 분포를 이용한 생활패턴 규칙성 산출 방법이 개시된다.
본 발명의 일 실시예에 따른 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법은, 생활패턴 규칙성 산출 장치가 사용자 생활패턴에 대한 규칙성을 산출하는 방법에 있어서, 감지장치를 통해 측정된 심박 관련 정보를 일정 기간 동안 수집하는 단계, 상기 수집된 심박 관련 정보에 기초하여, 댁내의 구분된 각 공간에 해당하는 위치별 점유시간을 산출하는 단계, 상기 위치별 점유시간을 기반으로 위치별 가우시안 분포 모델을 생성하는 단계, 상기 가우시안 분포 모델을 이용하여 상기 사용자의 생활패턴 규칙성을 산출하는 단계를 포함한다.

Description

가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치{Method and Appatatus for Calculation of Present Life Pattern Regularity against Past Life Pattern Using Gaussian Distribution Model}
본 발명은 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치 에 관한 것이다. 보다 자세하게는 사용자의 댁내 위치별 점유시간에 근거하여 가우시간 분포 모델을 생성하고, 그 가우시안 분포 모델을 적용하여 과거이력대비 규칙성 정도를 산출하는 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치에 관한 것이다.
과학기술의 발전은 인간에게 수명연장이라는 결과를 가져다주었다. 하지만 수명연장에 따른 고령화 현상은 사회가 재정의 많은 부분을 노인 케어 부분에 쓰도록 만들었고, 여러 분야에서 고령화 현상에 따른 문제들을 해결하기 위해 노력하고 있다. 특히, IT분야에서는 돌볼 사람이 없는 독거노인 케어에 관한 연구가 많이 진행되고 있다. 독거노인의 주택에 여러 가지 센서를 설치 후 퍼지집합을 이용하여 노인의 생활패턴을 모델링하고 모델에 문턱값을 이용하여 이상패턴을 검출하는 연구를 진행하였다. 이때, 이상패턴을 검출하기 위해 군집화 기법을 이용한다. 또한, 많은 데이터를 축적하여 생활패턴 모델을 설계하는 연구이외에도 온톨로지 기법을 이용하여 부족한 데이터를 보완하여 생활패턴을 설계하는 연구, 전문가 도메인 지식기반의 생활패턴 모델을 설계하는 연구처럼 데이터를 축적하기 어려울 경우, 적은 데이터를 보완하여 생활패턴 모델을 설계하는 연구가 진행되어왔다.
이처럼 종래의 연구들은 생활패턴 모델을 설계하고 모델에서 벗어나는 이상패턴을 추출하는 것에 주력하였다. 그러나 이상패턴 추출 시 개인의 생활패턴이 규칙적인지에 따라 모델의 의존도가 달라지기 때문에 규칙성을 고려할 필요가 있다. 즉, 실내 생활패턴에서 물리량은 모든 방에 대하여 동일하지만 각각의 방에 체류하는 것에 대한 의미는 동일하지 않기 때문이다.
따라서, 개인의 생활패턴 모델 설계 시, 댁내(실내) 위치별 생활패턴의 규칙성을 고려하여 개인 생활이 어느 정도 규칙적인지를 판단할 수 있는 연구개발이 필요한 실정이다.
이에 관련하여, 발명의 명칭이 "일상행위의 이상 징후 감지 방법 및 시스템"인 한국등록특허 제 10-0917605호가 존재한다.
본 발명이 해결하고자 하는 기술적 과제는 개인의 일상생활 패턴 모델을 설계하기 위해 생활 패턴에 대한 규칙성을 산출하는 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치를 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 해결하기 위한 본 발명의 일 실시예에 따른 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법은, 생활패턴 규칙성 산출 장치가 사용자 생활패턴에 대한 규칙성을 산출하는 방법에 있어서, 감지장치를 통해 측정된 심박 관련 정보를 일정 기간 동안 수집하는 단계, 상기 수집된 심박 관련 정보에 기초하여, 댁내의 구분된 각 공간에 해당하는 위치별 점유시간을 산출하는 단계, 상기 위치별 점유시간을 기반으로 위치별 가우시안 분포 모델을 생성하는 단계, 상기 가우시안 분포 모델을 이용하여 상기 사용자의 생활패턴 규칙성을 산출하는 단계를 포함한다.
바람직하게는, 상기 심박 관련 정보는 심박 수, 호흡 수, 움직임 값 중 적어도 하나를 포함할 수 있다.
바람직하게는, 상기 감지장치는 댁내의 구분된 각 공간에 해당하는 위치에 각각 설치되고, 상기 위치별 점유시간을 산출하는 단계는, 각 감지장치 식별정보에 근거하여 사용자의 위치를 판별하고, 상기 판별된 각 위치별로 심박 관련 정보를 시간순으로 정렬하는 단계, 상기 정렬된 심박 관련 정보를 이용하여 심박 변수, 호흡 변수, 움직임 변수를 각각 시간순으로 산출하는 단계, 상기 심박 변수, 호흡 변수, 움직임 변수 중 적어도 하나에 기초하여, 각 위치의 시간대별 점유 상태 값을 산출하는 단계, 상기 점유 상태 값에 기초하여, 각 위치의 시간대별 점유시간을 산출하는 단계를 포함할 수 있다.
바람직하게는, 상기 심박 변수는 상기 심박 수가 기 설정된 기준값 이상인 경우 1, 기준값 이상이 아닌 경우 0이고, 상기 호흡 변수는 상기 호흡 수가 기 설정된 기준값 이상인 경우 1, 기준값 이상이 아닌 경우 0이며, 상기 움직임 변수는 상기 움직임 값이 기 설정된 기준값 이상인 경우 1, 기준값 이상이 아닌 경우 0일 수 있다.
바람직하게는, 상기 점유 상태 값(St)은 아래 기재된 수학식을 이용하여 산출될 수 있다.
[수학식]
Figure 112018020852640-pat00001
여기서,
Figure 112018020852640-pat00002
는 심박 변수,
Figure 112018020852640-pat00003
는 호흡 변수,
Figure 112018020852640-pat00004
는 움직임 변수일 수 있다.
바람직하게는, 상기 각 위치의 시간대별 점유시간을 산출하는 단계는, 상기 점유 상태 값이 '1'인 경우 해당 시간을 점유시간으로 판단하고, '0'인 경우 해당 시간을 비점유 시간으로 판단할 수 있다.
바람직하게는, 상기 각 위치의 시간대별 점유시간을 산출하는 단계 이후, 불림(Dilation)과 녹임(Erosion)을 이용하여 각 위치의 시간대별 점유시간을 보정하는 단계를 더 포함할 수 있다.
바람직하게는, 상기 점유시간이 시간 단위가 아닌 경우, 점유시간의 단위를 시간 단위로 변환하는 단계를 더 포함할 수 있다.
바람직하게는, 상기 사용자의 생활패턴 규칙성을 산출하는 단계는, 상기 가우시안 분포 모델내서 해당 일의 위치별 점유시간에 대한 확률값을 산출하는 단계, 상기 확률값을 이용하여 평균에서 멀어진 거리의 평균치를 생활패턴 규칙성 값으로 산출하는 단계를 포함할 수 있다.
바람직하게는, 상기 생활패턴 규칙성 값(R)은 아래 수학식에 의해 산출될 수 있다.
[수학식]
Figure 112018020852640-pat00005
여기서, Px는 가우시안 분포에서 해당 일의 해당 위치 점유시간에 대한 확률값, I는 안방, T는 화장실일 수 있다.
상기 기술적 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 생활패턴 규칙성 산출 장치는, 감지장치를 통해 측정된 심박 관련 정보를 일정 기간 동안 수집하는 수집부, 상기 수집된 심박 관련 정보에 기초하여, 댁내의 구분된 각 공간에 해당하는 위치별 점유시간을 산출하는 점유시간 산출부, 상기 위치별 점유시간을 기반으로 위치별 가우시안 분포 모델을 생성하는 가우시안 분포 산출부, 상기 가우시안 분포 모델에 기초하여 상기 사용자의 생활패턴 규칙성 값을 산출하는 규칙성 산출부를 포함한다.
본 발명에 따르면, 가우시안 분포 모델을 이용하여 사용자 개인의 생활패턴에 대한 규칙성을 정의할 수 있다.
또한, 최근 일정기간동안의 생활패턴에서 기준을 산출하여 다른 날의 생활패턴과의 차이를 비교함으로써, 개인의 생활패턴 규칙성 정도를 쉽게 파악할 수 있다.
또한, 다양한 댁내 위치(예컨대, 화장실, 안방 등)의 확률 분포 모델을 독립적으로 산출함으로써, 각 위치의 발생빈도의 특징을 반영할 수 있다. 즉, 평소에 변동성이 큰 위치는 규칙성에 차지하는 비율이 작아지며, 이와 반대로 변동성이 작은 위치는 규칙성에서 차지하는 비율이 커지므로, 화장실이나 외출과 같이 생활패턴 구성요소에서 비율은 작지만 그 변화에 따른 의미가 큰 요소들을 추적하기에 용이하다.
또한, 개인의 일상생활패턴을 가우시안 분포 모델로 설계함으로써 노인 케어 관련 기술에 적용할 수 있고, 나아가 간병인 없이 독거인의 일상생활을 보조할 수 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 가우시안 분포를 이용한 생활패턴 규칙성 산출 시스템을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 감지장치의 댁내 설치 환경을 나타낸 예시도이다.
도 3은 본 발명의 일 실시예에 따른 생활패턴 규칙성 산출 장치를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 31일간 안방에서의 점유시간을 나타낸 예시도이다.
도 5는 도 4를 녹임 및 불림을 이용하여 보정한 예시도이다.
도 6은 도 5를 시간 단위로 변환한 예시도이다.
도 7은 표 1에서 15일의 위치별 가우시안 분포 그래프를 나타낸 예시도이다.
도 8은 본 발명의 일 실시예에 따른 생활패턴 규칙성 산출 장치가 사용자 생활패턴에 대한 규칙성을 산출하는 방법의 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 가우시안 분포를 이용한 생활패턴 규칙성 산출 시스템을 도시한 도면, 도 2는 본 발명의 일 실시예에 따른 감지장치의 댁내 설치 환경을 나타낸 예시도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 가우시안 분포를 이용한 생활패턴 규칙성 산출 시스템은 감지장치(100), 감지장치(100)를 통해 측정된 측정 데이터에 기초하여 사용자의 생활패턴 규칙성을 산출하는 생활패턴 규칙성 산출 장치(200)를 포함한다.
감지장치(100)는 사용자의 심박 관련 정보를 측정하여 생활패턴 규칙성 산출 장치(200)로 전송한다. 여기서, 심박 관련 정보는 사용자의 심박 수, 호흡 수 등을 포함할 수 있다.
이러한, 감지장치(100)는 무선 마이크로웨이브 센서, 위치 감지 센서 등을 포함할 수 있고, 댁내에서 구분된 공간 즉, 각 방, 화장실, 현관, 부엌 등의 각 위치에 설치될 수 있다. 이때, 감지장치(100)가 위치 감지 센서인 경우, 위치 감지 센서는 무선 마이크로웨이브 센서의 기능 즉, 사용자의 심박 관련 정보를 측정하는 기능이 구비된 센서일 수 있다. 무선 마이크로웨이브 센서는 마이크로파가 물체에 반사될 때 반사체의 상대 속도에 따라 반사파의 진동수가 변하는 현상인 도플러 효과(Doppler Effect)를 이용하여 사용자의 심박 수와 호흡수를 측정할 수 있는 센서일 수 있다.
예를 들면, 도 2와 같이 3개의 방과 거실 겸 주방, 화장실로 구성된 경우, 감지장치(100)는 3개의 방(100a, 100b, 100e), 거실 겸 주방(100d), 화장실(100c)에 각각 설치될 수 있다. 이 경우, 각 감지장치(100)는 사용자가 감지되면, 심박 관련 정보와 감지장치 식별정보를 포함하는 측정 데이터를 생활패턴 규칙성 산출 장치(200)로 전송한다. 이때, 감지장치(100)는 댁내 정해진 공간에 설치되어 있으므로, 생활패턴 규칙성 산출 장치(200)는 감지장치 식별정보에 의해 사용자의 위치를 식별할 수 있다. 예컨대, 100c의 감지장치로부터 측정 데이터가 수신되면, 생활패턴 규칙성 산출장치(200)는 100c는 화장실이라고 판단하여 현재 사용자는 화장실에 있다고 위치를 식별할 수 있다.
한편, 감지장치(100)는 사용자의 심박 관련 정보를 측정하는 기능을 포함하는 센서를 댁내 각 공간에 설치할 수도 있지만, 사용자의 위치 측정을 위한 위치 측정 장치와 사용자의 심박 관련 정보를 측정하는 심박 측정 장치를 별도로 구성할 수도 있다. 이때, 위치 측정 장치는 사용자의 위치정보를 측정하여 생활패턴 규칙성 산출 장치로 전송하고, 심박 측정 장치는 사용자의 심박 관련 정보를 측정하여 생활패턴 규칙성 산출 장치로 전송할 수 있다. 그러면, 생활패턴 규칙성 산출 장치(200)는 동일 시간의 위치와 심박 관련 정보를 취합하고, 그 취합된 데이터를 이용하여 생활패턴 규칙성을 산출할 수 있다. 이 경우 위치 측정 장치는 댁내의 각 방, 화장실, 현관, 부엌에 설치될 수 있고, 심박 측정 장치는 사용자가 휴대(또는 착용)하거나 댁내의 각 방, 화장실, 현관, 부엌에 설치될 수도 있다. 심박 측정 장치는 심박 측정 기능 및 인터넷 기능을 지원하는 장치로, 스마트 폰, 스마트 패드, 태블릿 PC, 스마트 워치 및 각종 웨어러블 디바이스를 비롯하여 사용자의 시간별 심박 관련 정보를 측정하는 각종 장치를 의미할 수 있다.
또한, 감지장치(100)는 사용자가 휴대(또는 착용)하는 형태로 구성되어, 사용자의 시간별 위치정보와 심박 관련 정보를 측정할 수도 있다. 이 경우, 사용자별로 휴대(착용)하는 장치 식별정보와 사용자가 매핑되어 있어, 생활패턴 규칙성 산출 장치(200)는 감지장치 식별정보에 기초하여 사용자를 식별할 수 있다. 이러한 감지장치(100)는 예컨대, GPS 기능, 심박 관련 정보 측정 기능, 인터넷 기능을 비롯하여 각종 기능을 지원하는 스마트 폰, 스마트 패드, 태블릿 PC, 스마트 워치 및 각종 웨어러블 디바이스를 비롯하여 사용자의 시간별 위치 정보와 심박 관련 정보를 측정하는 각종 장치를 의미할 수 있다.
생활패턴 규칙성 산출장치(200)는 감지장치(100)로부터 일정 기간동안 측정된 심박 관련 정보를 수집하고, 그 심박 관련 정보에 기초하여 사용자의 위치별 점유시간을 산출하며, 위치별 점유시간을 기반으로 사용자의 생활패턴 규칙성을 산출한다. 여기서, 위치는 안방, 작은방, 화장실, 거실, 부엌 등 사용자가 머무르는 공간을 의미할 수 있다.
이러한 생활패턴 규칙성 산출 장치(200)에 대한 상세한 설명은 도 3을 참조하기로 한다.
도 3은 본 발명의 일 실시예에 따른 생활패턴 규칙성 산출 장치를 설명하기 위한 도면, 도 4는 본 발명의 일 실시예에 따른 31일간 안방에서의 점유시간을 나타낸 예시도, 도 5는 도 4를 녹임 및 불림을 이용하여 보정한 예시도, 도 6은 도 5를 시간 단위로 변환한 예시도, 도 7은 표 1에서 15일의 위치별 가우시안 분포 그래프를 나타낸 예시도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 생활패턴 규칙성 산출 장치(200)는 데이터베이스(210), 수집부(220), 점유시간 산출부(230), 가우시안 분포 산출부(250), 규칙성 산출부(260)를 포함한다.
데이터베이스(210)는 모니터링 대상자들의 정보(예를 들어, 이름, 주소 등), 각 대상자들의 댁내에 설치된 감지장치 식별정보 및 그 위치에 대한 정보 등이 저장된다. 예컨대, 감지장치 식별정보 1은 안방, 감지장치 식별정보 2는 화장실 등으로 감지장치가 설치된 위치에 대한 정보가 저장될 수 있다. 또한, 데이터베이스(210)에는 수집부(220)에서 수집된 측정 데이터, 가우시안 분포 산출부(250)에서 생성된 가우시안 분포 모델 등이 저장된다.
수집부(220)는 댁내에 설치된 하나 이상의 감지장치를 통해 측정된 심박 관련 정보를 수집한다. 이때, 수집부(220)는 기 설정된 일정 기간동안(예컨대, 15일, 30일 등)의 심박 관련 정보를 수집할 수 있다. 심박 관련 정보는 심박 수, 호흡 수, 움직임 값 등을 포함할 수 있고, 움직임 값은 사용자가 이동한 거리 등을 의미할 수 있다. 또한, 심박 관련 정보는 감지장치 식별정보를 더 포함할 수 있다.
점유시간 산출부(230)는 수집부(220)에서 수집된 심박 관련 정보에 기초하여, 사용자 댁내의 구분된 각 공간에 해당하는 위치별 점유시간을 산출한다. 즉, 점유시간 산출부(230)는 각 감지장치 식별정보에 근거하여 사용자의 위치를 식별하고, 각 위치별로 심박 관련 정보를 시간순으로 정렬한다. 그런 후, 점유시간 산출부(230)는 각 위치별 심박 수, 호흡 수, 움직임 값을 이용하여 심박 변수, 호흡 변수, 움직임 변수를 각각 시간순으로 산출한다. 이때, 점유시간 산출부(230)는 아래 수학식 1을 이용하여 심박 변수(
Figure 112018020852640-pat00006
)를 산출할 수 있고, 수학식 2를 이용하여 호흡 변수(
Figure 112018020852640-pat00007
)를 산출할 수 있으며, 수학식 3을 이용하여 움직임 변수(
Figure 112018020852640-pat00008
)를 산출할 수 있다.
[수학식 1]
Figure 112018020852640-pat00009
여기서,
Figure 112018020852640-pat00010
는 심박 수를 의미한다.
[수학식 2]
Figure 112018020852640-pat00011
여기서,
Figure 112018020852640-pat00012
는 호흡 수를 의미한다.
[수학식 3]
Figure 112018020852640-pat00013
여기서,
Figure 112018020852640-pat00014
는 움직임 값을 의미한다.
살핀 바와 같이, 심박 변수는 심박 수가 기 설정된 기준값(예컨대, 30) 이상인 경우 1, 기준값 이상이 아닌 경우 0이고, 호흡 변수는 호흡 수가 기 설정된 기준값(예컨대, 4) 이상인 경우 1, 기준값 이상이 아닌 경우 0이며, 움직임 변수는 움직임 값이 기 설정된 기준값(예컨대, 1500) 이상인 경우 1, 기준값 이상이 아닌 경우 0으로 산출할 수 있다.
점유시간 산출부(230)는 산출된 심박 변수, 호흡 변수, 움직임 변수에 기초하여 각 위치의 시간대별 점유상태 값을 산출한다. 즉, 점유시간 산출부(230)는 아래 기재된 수학식 4를 이용하여 점유상태 값(St)을 산출할 수 있다.
[수학식 4]
Figure 112018020852640-pat00015
수학식 4에서 St가 1일 경우 해당하는 시간에는 점유하는 것을 의미하고, 0일 경우 해당하는 시간에는 비점유하는 것을 의미한다.
예를 들면, 안방과 화장실에서 측정된 데이터가 수집된 경우, 점유시간 산출부(230)는 안방에서 측정된 데이터를 이용하여 안방에서의 점유시간을 산출하고, 화장실에서 측정된 데이터를 이용하여 화장실에서의 점유시간을 산출할 수 있다.
점유시간 산출부(230)는 위치별 점유시간을 날짜에 따른 시간대별로 산출할 수 있다.
한편, 생활패턴 규칙성 산출 장치(200)는 점유시간 산출부(230)에서 산출한 점유시간을 가우시안 분포 산출부(250)에서 그대로 사용하도록 해도 무방하지만, 정확도를 높이기 위해 산출된 점유시간을 보정할 수 있다.
이처럼 점유시간을 보정하기 위해, 본 발명에 따른 생활패턴 규칙성 산출장치(200)는 점유시간 보정부(240)를 더 포함할 수 있다. 점유시간 보정부(240)는 점유시간 산출부(230)에서 산출된 점유시간의 지속시간 또는 비점유의 지속시간을 활용하여 점유시간을 보정할 수 있다. 예를 들면, 점유시간이 10분 미만으로 지속될 경우 이를 점유시간이 아닌 상태로 보정하며, 인접한 두 점유 상태 사이의 간격이 10분 미만일 경우 불연속적인 두 점유 상태를 하나의 상태로 결합하는 방법이다.
이를 위해 점유시간 보정부(240)는 2차원 영상 신호 처리 방법에서 사용하는 형태학적 분석 방법(Morphological Analysis)인 불림(Dilation)과 녹임(Erosion) 기법을 1차원 기법으로 변형시킨 방법을 사용할 수 있다. 즉, 점유시간 보정부(240)는 점유와 비점유가 인접하여 있는 경우에 대해서 하나의 상태로 통일하기 위해 녹임과 불림을 이용한다.
점유시간 산출부(230)는 위치별 점유시간을 시간대별로 산출하므로, 시간과 날짜(일)를 축으로 하는 시간대별 점유시간을 영상으로 생성할 수 있다. 따라서, 점유시간 보정부(240)는 시간대별 점유시간이 표시된 영상에 대해 불림 연산과 녹임 연산을 이용하여 점유시간을 보정할 수 있다.
구체적으로, 점유시간 보정부(240)는 수학식 5를 이용하여 녹임 연산을 수행하고, 수학식 6을 이용하여 불림 연산을 수행하여 점유시간을 보정할 수 있다. 이때 점유시간 보정부(240)는 녹임 연산 후 불림 연산을 수행하는 Open 연산을 수행하거나, 불림 연산 후 녹임 연산을 수행하는 Close 연산을 수행할 수 있다.
[수학식 5]
Figure 112018020852640-pat00016
[수학식 6]
Figure 112018020852640-pat00017
여기서, A가 점유 이미지, B는 비점유 이미지(이때, B는 kernel임), z는 기준값, E는 전체 영역을 의미할 수 있다.
예를 들어, 31일간 사용자의 안방 점유시간이 도 4와 같은 경우 점유시간 보정에 대해 설명하기로 한다. 도 4에서 노락색으로 표시된 부분은 해당 시간에 점유, 남색으로 표시된 부분은 해당 시간에 비점유를 의미한다. 도 4를 보면, 점유와 비점유가 짧은 시간간격으로 혼재된 시간이 존재함을 확인할 수 있다. 이러한 혼재를 해소하기 위해, 점유시간 보정부는 녹임과 불림을 이용하여 보정한다. 그러면, 도 5에 도시된 바와 같이 보정된 점유시간을 확인할 수 있다.
또한, 점유시간 보정부(240)는 점유상태에 대한 단위를 변환할 수 있다. 즉, 점유시간 보정부(240)는 점유상태를 시간, 분, 초 단위 등으로 변환할 수 있다. 바람직하게는 점유시간 보정부(240)는 점유상태를 스무싱하도록 하기 위해, 분단위를 시간 단위로 변환할 수 있다.
예컨대, 점유상태가 분 단위로 된 경우, 점유시간 보정부(240)는 분 단위의 점유상태를 시간 단위로 변환할 수 있다. 이때, 분 단위의 점유상태는 점유시간 산출부(230)에서 산출된 점유시간이거나 또는 점유상태 보정부(240)에서 녹임 및 불림 과정을 거친 보정된 점유시간일 수 있다. 분단위의 점유상태를 시간단위로 변경함에 따라 1시간에서 일정 부분만 비점유 상태인 경우에 대해 둔감해질 수 있다.
점유시간 보정부(240)가 도 5와 같이 분단위의 그래프를 시간단위의 그래프로 변환하면 도 6과 같을 수 있다.
가우시안 분포 산출부(250)는 점유시간 산출부(230)에서 산출된 위치별 점유시간을 기반으로 위치별 가우시안 분포 모델을 생성한다. 또한, 가우시안 분포 산출부(250)는 점유시간 보정부(240)에서 보정된 점유시간을 기반으로 위치별 가우시간 분포 모델을 생성할 수도 있다. 이때, 가우시안 분포 모델은 최근 일정 기간 동안의 사용자 생활패턴일 수 있고, 추후 사용자의 생활패턴이 규칙적인지를 판단하기 위한 기준으로 이용될 수 있다.
한편, 가우시안 분포의 확률 밀도함수(
Figure 112018020852640-pat00018
)는 아래 기재된 수학식 7과 같다.
[수학식 7]
Figure 112018020852640-pat00019
여기서, x는 랜덤변수, μ는 평균, σ는 표준편차를 의미한다. 이처럼 가우시안 분포는 평균과 표준편차 2개의 파라미터가 존재한다.
또한, 수학식 7과 같은 가우시안 분포의 모든 확률의 합은 1이다. 따라서, 가우시안 분포에서 확률값은 아래 기재된 수학식 8을 이용하여 산출한다.
[수학식 8]
Figure 112018020852640-pat00020
따라서, 가우시안 분포 산출부(250)는 위치별 점유시간의 평균과 표준편차를 각각 산출하고, 산출된 평균과 표준편차를 이용하여 가우시안 분포를 산출한다. 즉, 가우시안 분포 산출부(250)는 수학식 9를 이용하여 점유시간의 평균을 산출하고, 수학식 10을 이용하여 점유시간의 표준편차를 산출한다.
[수학식 9]
Figure 112018020852640-pat00021
여기서, N은 심박 관련 정보가 수집된 기간에 해당하는 전체 날짜 수, T(i)는 i일의 점유시간일 수 있다.
[수학식 10]
Figure 112018020852640-pat00022
그런 후, 가우시안 분포 산출부(250)는 수학식 7 및 8을 이용하여 일정 기간동안의 가우시안 분포를 산출한다. 이때, 산출된 일정 기간동안의 가우시안 분포는 사용자의 생활패턴 기준이 될 수 있고, 가우시안 분포 모델과 같은 의미일 수 있다.
규칙성 산출부(260)는 가우시안 분포 모델에 기초하여 특정 일에 대한 사용자의 생활패턴 규칙성 정도를 산출한다. 즉, 규칙성 산출부(260)는 가우시안 분포 모델내에서 특정 일의 위치별 점유시간에 대한 확률값을 산출하고, 산출된 확률값에 기초하여 사용자의 생활패턴 규칙성 정도를 산출한다. 여기서 규칙성 정도는 대상자의 생활이 어느 정도 규칙적인지를 나타내는 지수일 수 있다.
구체적으로, 규칙성 산출부(260)는 수학식 8을 이용하여 최근 일정기간동안 가우시안 분포내에서 해당 날의 평균 점유시간이 속해 있을 확률값을 산출하고, 산출된 확률값을 이용하여 평균에서 떨어진 거리의 평균치를 산출한다. 이때 산출된 평균치가 규칙성 정도를 의미하는 값일 수 있다.
즉, 규칙성 산출부(260)는 아래 기재된 수학식 11을 이용하여 생활패턴 규칙성 정도(R)를 산출할 수 있다.
[수학식 11]
Figure 112018020852640-pat00023
여기서, Px는 가우시안 분포에서 해당 일의 해당 위치 점유시간에 대한 확률값, I는 안방, T는 화장실일 수 있다.
한편, 가우시안 확률분포는 0에서 1까지의 값을 가지므로, 평균은 0.5일 수 있다. 따라서, 규칙성 산출부(260)는 가우시안 분포내에서 해당 날의 평균 점유시간이 속해 있을 확률값에서 0.5를 뺀 값의 평균치를 규칙성 정도로 산출할 수 있다. 그러므로, R의 값은 최소 0에서부터 최대 0.5일 수 있으며, 0에 가까운 값일 수록 사용자의 생활패턴은 규칙적이고, 0,5에 가까울수록 불규칙적이라고 할 수 있다.
상술한 규칙성 산출부(260)에서 산출된 규칙성 정도 값을 이용하면, 대상자의 생활이 어느 정도 규칙적인지 확인할 수 있다.
예를 들어, 독거인의 안방 및 화장실에 위치 감지 센서를 설치하여 31일간 데이터를 수집하고, 그 수집된 데이터를 통해 독거인의 안방 및 화장실 점유시간을 측정하여 생활패턴 파라미터를 산출한 결과 표 1과 같다고 가정하여 설명하기로 한다.
[표 1]
Figure 112018020852640-pat00024
표 1에서
Figure 112018020852640-pat00025
는 이전 2주간 안방 점유시간의 표준편차,
Figure 112018020852640-pat00026
는 이전 2주간 화장실 점유시간의 표준편차, μI는 이전 2주간 안방의 평균 점유시간, σT는 이전 2주간 화장실의 평균 점유시간,
Figure 112018020852640-pat00027
는 당일(15일, 16일, 17일) 안방 점유시간,
Figure 112018020852640-pat00028
는 당일(15일, 16일, 17일) 화장실 점유시간,
Figure 112018020852640-pat00029
는 가우시안 확률 분포에서 당일(15일, 16일, 17일) 안방 점유시간에 대한 확률값,
Figure 112018020852640-pat00030
는 가우시안 확률 분포에서 당일(15일, 16일, 17일) 화장실 점유시간에 대한 확률값을 의미한다.
표 1을 살펴보면, 17일의 경우 앞선 2주 동안의 화장실 평균 점유시간보다 약 324% 늘어난 0.4243 시간을 점유하였고 안방의 점유시간은 약 15%정도 감소하여 0.7486 시간을 점유한 것을 확인할 수 있다. 이는 변동성이 가장 큰 값을 지니는 화장실 가우시안 분포의 영향을 받아 화장실의 점유시간이 늘어나고 상대적으로 안방의 점유시간이 줄어들었다고 볼 수 있다. 화장실의 경우 지난 2주에 비해 규칙성에 어긋나는 패턴을 보였기 때문에 이상패턴에 대해 의심해 볼 여지가 있다고 볼 수 있다.
표 1에서 15일의 위치별(생활패턴 요소별) 가우시안 분포를 그래프로 나타내면 도 7과 같을 수 있다.
한편, 본 발명에 따른 생활패턴 규칙성 산출 장치(200)는 각 대상자별로 기 등록된 사용자들에게 생활패턴 규칙성 정보를 제공하는 정보 제공부(미도시)를 더 포함할 수 있다. 여기서, 기 등록된 사용자는 가족, 지인, 대상자를 진료하는 의료진 등을 포함할 수 있고, 생활패턴 규칙성 정보는 각 위치별 가우시안 분포(생활패턴), 규칙성 정도값 등을 포함할 수 있다.
생활패턴 규칙성 정보를 수신한 의료진은 대상자의 생활패턴을 시간단위로 확인할 수 있으므로, 치료에 더 효율적인 방안을 제공할 수 있다.
제어부(270)는 데이터베이스(210), 수집부(220), 점유시간 산출부(230), 점유시간 보정부(240), 가우시안 분포 산출부(250), 규칙성 산출부(260)를 포함하는 생활패턴 규칙성 산출 장치(200)의 다양한 구성부들의 동작을 제어하는 구성이다.
이러한 제어부(270)는 각 구성에 특정한 명령을 내려 각 구성이 본래의 기능대로 동작할 수 있도록 하는 구성으로, 데이터 처리가 가능한 프로세서 등에 의해 구현될 수 있으며, 각각이 분리되어 상이한 프로세서에 의해 구현될 수도, 하나의 프로세서 내에서 기능적으로 분리될 수도 있다. 즉, 제어부(270)는 적어도 하나의 연산 장치를 포함할 수 있는데, 여기서 상기 연산 장치는 범용적인 중앙연산장치(CPU), 특정 목적에 적합하게 구현된 프로그래머블 디바이스 소자(CPLD, FPGA), 주문형 반도체 연산장치(ASIC) 또는 마이크로 컨트롤러 칩일 수 있다.
이상 설명한 생활패턴 규칙성 산출 장치(200) 내 각 구성의 경우 프로세서에 의해 실행되는 소프트웨어 모듈 또는 하드웨어 모듈 형태로 구현되거나, 내지는 소프트웨어 모듈과 하드웨어 모듈이 조합된 형태로도 구현될 수 있다. 이처럼, 프로세서에 의해 실행되는 소프트웨어 모듈, 하드웨어 모듈, 내지는 소프트웨어 모듈과 하드웨어 모듈이 조합된 형태는 하드웨어 시스템(예: 컴퓨터 시스템)으로 구현될 수 있을 것이다.
도 8은 본 발명의 일 실시예에 따른 생활패턴 규칙성 산출 장치가 사용자 생활패턴에 대한 규칙성을 산출하는 방법의 순서도이다.
도 8을 참조하면, 생활패턴 규칙성 산출 장치는 댁내에 설치된 하나 이상의 감지장치를 통해 측정된 측정 데이터를 일정 기간동안 수집하고(S810), 수집된 측정 데이터에 기초하여 사용자의 댁내 위치별 점유시간을 산출한다(S820). 즉, 감지장치는 감지장치 식별정보 및 심박 관련 정보를 측정 데이터로 생활패턴 규칙성 산출 장치로 전송한다. 여기서, 심박 관련 정보는 심박 수, 호흡 수, 움직임 값 등을 포함할 수 있다.
생활패턴 규칙성 산출 장치는 각 감지장치 식별정보에 근거하여 사용자의 위치를 판별하고, 각 위치별로 심박 관련 정보를 시간순으로 정렬하고, 각 위치별 심박 수, 호흡 수, 움직임 값 각각을 이용하여 심박 변수, 호흡 변수, 움직임 변수를 각각 시간순으로 산출한다. 그런 후, 생활패턴 규칙성 산출 장치는 심박 변수, 호흡 변수, 움직임 변수 중 적어도 하나에 기초한 수학식 4를 이용하여 위치별 점유시간을 산출할 수 있다.
단계 S820이 수행되면, 생활패턴 규칙성 산출 장치는 위치별 점유시간을 기반으로 위치별 가우시안 분포를 산출한다(S830). 이때, 생활패턴 규칙성 산출 장치는 단계 S820에서 산출된 점유시간을 그대로 이용하여 가우시안 분포를 산출하여도 무방하지만, 정확도를 높이기 위해 산출된 점유시간을 보정할 수 있다. 이처럼 점유시간을 보정하기 위해, 생활패턴 규칙성 산출장치는 산출된 점유시간에 대해 불림(Dilation)과 녹임(Erosion)을 이용하여 위치별 점유시간을 보정하고, 점유시간이 시간 단위가 아닌 경우 점유시간을 시간 단위로 변환할 수 있다.
단계 S830이 수행되면, 생활패턴 규칙성 산출 장치는 가우시안 분포에 기초하여 사용자의 생활패턴 규칙성을 산출한다(S840). 즉, 생활패턴 규칙성 산출 장치는 가우시안 분포내에서 해당 일의 위치별 점유시간에 대한 확률값을 산출하고, 그 확률값을 이용하여 평균에서 멀어진 거리의 평균치를 생활패턴 규칙성 값으로 산출할 수 있다.
상술한 바와 같이 본 발명에서는 가우시안 분포 모델을 이용하여 생활패턴의 규칙성을 정의한다. 즉, 본 발명은 최근 일정 기간동안의 생활패턴에서 기준을 산출하여 다른 날의 생활패턴과의 차이를 비교한다. 여기서, 생활패턴 규칙성 산출 방법은 다양한 생활패턴의 요소(방, 화장실 등)의 확률 분포 모델을 독립적으로 산출함으로써, 각 요소의 발생빈도의 특징을 반영할 수 있다. 즉, 평소에 변동성이 큰 요소는 규칙성에서 차지하는 비율이 작아지며, 이와 반대로 변동성이 작은 요소는 규칙성에서 차지하는 비율이 커지도록 설계되었다. 따라서 화장실이나 외출과 같이 생활패턴 구성요소(안방, 화장실 등의 위치)에서 비율은 작지만 그 변화에 따른 의미가 큰 요소들을 추적하기에 용이하다.
이상 첨부된 도면을 참조하여 본 발명의 실시 예들을 설명하였지만, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
100: 감지장치
200 : 생활패턴 규칙성 산출 장치
210 : 데이터베이스
220 : 수집부
230 : 점유시간 산출부
240 : 점유시간 보정부
250 : 가우시안 분포 산출부
260 : 규칙성 산출부
270 : 제어부

Claims (11)

  1. 생활패턴 규칙성 산출 장치가 사용자 생활패턴에 대한 규칙성을 산출하는 방법에 있어서,
    감지장치를 통해 측정된 심박 관련 정보를 일정 기간 동안 수집하는 단계;
    상기 수집된 심박 관련 정보에 기초하여, 댁내의 구분된 각 공간에 해당하는 위치별 점유시간을 산출하는 단계;
    상기 위치별 점유시간을 기반으로 위치별 가우시안 분포 모델을 생성하는 단계; 및
    상기 가우시안 분포 모델을 이용하여 상기 사용자의 생활패턴 규칙성을 산출하는 단계를 포함하되,
    상기 사용자의 생활패턴 규칙성을 산출하는 단계는,
    상기 가우시안 분포 모델에서 해당 일의 위치별 점유시간에 대한 확률값을 산출하고, 상기 확률값에서 가우시안 분포의 평균을 뺀 값의 평균치를 생활패턴 규칙성의 값으로 산출하는 것을 특징으로 하는 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법.
  2. 제1항에 있어서,
    상기 심박 관련 정보는 심박 수, 호흡 수, 움직임 값 중 적어도 하나를 포함하는 것을 특징으로 하는 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법.
  3. 제2항에 있어서,
    상기 감지장치는 댁내의 구분된 각 공간에 해당하는 위치에 각각 설치되고,
    상기 위치별 점유시간을 산출하는 단계는,
    각 감지장치 식별정보에 근거하여 사용자의 위치를 판별하고, 상기 판별된 각 위치별로 심박 관련 정보를 시간순으로 정렬하는 단계;
    상기 정렬된 심박 관련 정보를 이용하여 심박 변수, 호흡 변수, 움직임 변수를 각각 시간순으로 산출하는 단계;
    상기 심박 변수, 호흡 변수, 움직임 변수 중 적어도 하나에 기초하여, 각 위치의 시간대별 점유 상태 값을 산출하는 단계; 및
    상기 점유 상태 값에 기초하여, 각 위치의 시간대별 점유시간을 산출하는 단계를 포함하는 것을 특징으로 하는 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법.
  4. 제3항에 있어서,
    상기 심박 변수는 심박 수가 기 설정된 기준값 이상인 경우 1, 기준값 이상이 아닌 경우 0이고, 상기 호흡 변수는 상기 호흡 수가 기 설정된 기준값 이상인 경우 1, 기준값 이상이 아닌 경우 0이며, 상기 움직임 변수는 상기 움직임 값이 기 설정된 기준값 이상인 경우 1, 기준값 이상이 아닌 경우 0인 것을 특징으로 하는 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법.
  5. 제4항에 있어서,
    상기 점유 상태 값(St)은 아래 기재된 수학식을 이용하여 산출되는 것을 특징으로 하는 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법
    [수학식]
    Figure 112018020852640-pat00031

    여기서,
    Figure 112018020852640-pat00032
    는 심박 변수,
    Figure 112018020852640-pat00033
    는 호흡 변수,
    Figure 112018020852640-pat00034
    는 움직임 변수임.
  6. 제5항에 있어서,
    상기 각 위치의 시간대별 점유시간을 산출하는 단계는,
    상기 점유 상태 값이 '1'인 경우 해당 시간을 점유시간으로 판단하고, '0'인 경우 해당 시간을 비점유 시간으로 판단하는 것을 특징으로 하는 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법.
  7. 제3항에 있어서,
    상기 각 위치의 시간대별 점유시간을 산출하는 단계 이후,
    불림(Dilation)과 녹임(Erosion)을 이용하여 각 위치의 시간대별 점유시간을 보정하는 단계를 더 포함하는 것을 특징으로 하는 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법.
  8. 제7항에 있어서,
    상기 점유시간이 시간 단위가 아닌 경우, 점유시간의 단위를 시간 단위로 변환하는 단계를 더 포함하는 것을 특징으로 하는 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법.
  9. 삭제
  10. 제1항에 있어서,
    상기 생활패턴 규칙성 값(R)은 아래 수학식에 의해 산출되는 것을 특징으로 하는 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법
    [수학식]
    Figure 112019017210825-pat00035

    여기서, Px는 가우시안 분포에서 해당 일의 해당 위치 점유시간에 대한 확률값, I는 안방, T는 화장실임.
  11. 감지장치를 통해 측정된 심박 관련 정보를 일정 기간 동안 수집하는 수집부;
    상기 수집된 심박 관련 정보에 기초하여, 댁내의 구분된 각 공간에 해당하는 위치별 점유시간을 산출하는 점유시간 산출부;
    상기 위치별 점유시간을 기반으로 위치별 가우시안 분포 모델을 생성하는 가우시안 분포 산출부; 및
    상기 가우시안 분포 모델에 기초하여 사용자의 생활패턴 규칙성 값을 산출하는 규칙성 산출부를 포함하되,
    상기 규칙성 산출부는,
    상기 가우시안 분포 모델에서 해당 일의 위치별 점유시간에 대한 확률값을 산출하고, 상기 확률값에서 가우시안 분포의 평균을 뺀 값의 평균치를 생활패턴 규칙성의 값으로 산출하는 것을 특징으로 하는 생활패턴 규칙성 산출 장치.
KR1020180024534A 2018-02-28 2018-02-28 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치 KR101993649B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180024534A KR101993649B1 (ko) 2018-02-28 2018-02-28 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180024534A KR101993649B1 (ko) 2018-02-28 2018-02-28 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치

Publications (1)

Publication Number Publication Date
KR101993649B1 true KR101993649B1 (ko) 2019-06-27

Family

ID=67057125

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180024534A KR101993649B1 (ko) 2018-02-28 2018-02-28 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR101993649B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560234A (zh) * 2020-12-01 2021-03-26 江苏南高智能装备创新中心有限公司 一种数控机床剩余寿命估计概率的计算方法、装置和网络侧服务端
KR102252833B1 (ko) * 2019-11-14 2021-05-17 주식회사 비트버스 IoT기반 스마트 케어 시스템
CN114142472A (zh) * 2021-12-06 2022-03-04 浙江华云电力工程设计咨询有限公司 基于混合高斯分布概率密度的风光容量配置方法及系统
KR20240057777A (ko) 2022-10-25 2024-05-03 한국전자통신연구원 생활 패턴 판단 장치 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130039625A (ko) * 2011-10-12 2013-04-22 한림대학교 산학협력단 독거인 생활패턴 모델링과 이상검출방법 및 그 장치
KR20150009843A (ko) * 2013-07-17 2015-01-27 건국대학교 산학협력단 심전도 신호 분류 시스템
KR20170021216A (ko) * 2015-08-17 2017-02-27 인천대학교 산학협력단 영유아 모니터링 서비스 제공 방법 및 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130039625A (ko) * 2011-10-12 2013-04-22 한림대학교 산학협력단 독거인 생활패턴 모델링과 이상검출방법 및 그 장치
KR20150009843A (ko) * 2013-07-17 2015-01-27 건국대학교 산학협력단 심전도 신호 분류 시스템
KR20170021216A (ko) * 2015-08-17 2017-02-27 인천대학교 산학협력단 영유아 모니터링 서비스 제공 방법 및 시스템

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102252833B1 (ko) * 2019-11-14 2021-05-17 주식회사 비트버스 IoT기반 스마트 케어 시스템
CN112560234A (zh) * 2020-12-01 2021-03-26 江苏南高智能装备创新中心有限公司 一种数控机床剩余寿命估计概率的计算方法、装置和网络侧服务端
CN112560234B (zh) * 2020-12-01 2024-03-12 江苏南高智能装备创新中心有限公司 一种数控机床剩余寿命估计概率的计算方法、装置和网络侧服务端
CN114142472A (zh) * 2021-12-06 2022-03-04 浙江华云电力工程设计咨询有限公司 基于混合高斯分布概率密度的风光容量配置方法及系统
CN114142472B (zh) * 2021-12-06 2023-08-08 浙江华云电力工程设计咨询有限公司 基于混合高斯分布概率密度的风光容量配置方法及系统
KR20240057777A (ko) 2022-10-25 2024-05-03 한국전자통신연구원 생활 패턴 판단 장치 및 방법

Similar Documents

Publication Publication Date Title
Saleem et al. IoT Healthcare: Design of Smart and Cost‐Effective Sleep Quality Monitoring System
KR101993649B1 (ko) 가우시안 분포를 이용한 생활패턴 규칙성 산출 방법 및 그 장치
AU2021203511A1 (en) Activity capability monitoring
CN107205698B (zh) 用于监测人的日常生活的活动的系统和方法
Wang et al. Activity density map visualization and dissimilarity comparison for eldercare monitoring
Sebestyen et al. Human activity recognition and monitoring for elderly people
CN113397520B (zh) 室内对象的信息检测方法及装置、存储介质和处理器
Steen et al. Modeling individual healthy behavior using home automation sensor data: Results from a field trial
Srinivasan et al. Activity recognition using actigraph sensor
Haescher et al. Mobile assisted living: Smartwatch-based fall risk assessment for elderly people
US20200229736A1 (en) A method and apparatus for assessing the mobility of a subject
JP7316038B2 (ja) 事象予測システム、センサ信号処理システム及びプログラム
US20190083005A1 (en) System and method for implementing a chair rise test
KR102304877B1 (ko) 딥러닝 기반의 수면 평가 및 예측을 위한 수면 평가 시스템
Banerjee et al. Exploratory analysis of older adults’ sedentary behavior in the primary living area using kinect depth data
Liang et al. mmStress: Distilling human stress from daily activities via contact-less millimeter-wave sensing
CN116976834B (zh) 一种基于SaaS云服务的智慧养老服务平台
Lameski et al. Challenges in data collection in real-world environments for activity recognition
JP2018509270A (ja) 精神的苦痛モニタリングシステム
Li et al. Health activities monitoring and warning system for geriatric daily living in extra care homes
Huang et al. Implementation of a wireless sensor network for heart rate monitoring in a senior center
Nait Aicha et al. Continuous gait velocity analysis using ambient sensors in a smart home
WO2023283834A1 (zh) 室内对象的信息检测方法及装置、存储介质和处理器
Chiriac et al. Towards combining validation concepts for short and long-term ambient health monitoring
JP7327397B2 (ja) コンピューターで実行されるプログラム、情報処理システム、および、コンピューターで実行される方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant