KR102188981B1 - Smart lonely deate protecting system and method thereof - Google Patents

Smart lonely deate protecting system and method thereof Download PDF

Info

Publication number
KR102188981B1
KR102188981B1 KR1020180138425A KR20180138425A KR102188981B1 KR 102188981 B1 KR102188981 B1 KR 102188981B1 KR 1020180138425 A KR1020180138425 A KR 1020180138425A KR 20180138425 A KR20180138425 A KR 20180138425A KR 102188981 B1 KR102188981 B1 KR 102188981B1
Authority
KR
South Korea
Prior art keywords
information
emergency situation
detected
detection device
abnormal
Prior art date
Application number
KR1020180138425A
Other languages
Korean (ko)
Other versions
KR20200054741A (en
Inventor
김철연
최경현
원정인
Original Assignee
주식회사 다누시스
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 주식회사 다누시스 filed Critical 주식회사 다누시스
Priority to KR1020180138425A priority Critical patent/KR102188981B1/en
Publication of KR20200054741A publication Critical patent/KR20200054741A/en
Application granted granted Critical
Publication of KR102188981B1 publication Critical patent/KR102188981B1/en

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Abstract

스마트 고독사 방지 시스템 및 그 방법이 개시된다.
본 시스템은 제1 정보 검출 장치, 제2 검출 장치 및 통합 관제 센터를 포함한다. 제1 검출 장치는 관찰 대상자인 객체의 댁내에 설치되며 비접촉식으로 상기 객체의 신체에 부착되지 않고 상기 객체의 생체 정보 및 행동 정보를 검출한다. 제2 검출 장치는 비접촉식으로 생체 정보 및 행동 정보 검출 시 검출되는 정보의 정확성을 향상시키기 위해 기계학습 시 사용되며, 상기 객체의 신체에 부착되어 상기 객체의 생체 정보 및 행동 정보를 검출한다. 통합 관제 서버는 상기 제2 정보 검출 장치에 의해 검출되는 객체의 생체 정보 및 행동 정보에 의해 파악되는 적어도 하나 이상의 이상징후에 기초하여, 응급상황과 상기 응급상황에 대응되는 적어도 하나 이상의 이상징후로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계학습하여 상기 객체의 생체 정보 및 행동정보에 대응하는 이상징후 및 응급상황을 검출하기 위한 학습 모델을 생성한 후, 상기 제1 정보 검출 장치를 통해 실시간으로 검출되는 상기 객체의 생체 정보 및 행동 정보에 대해 상기 학습 모델을 사용하여 대응되는 응급상황을 검출하고, 상기 객체에 대해 응급상황이 검출되는 경우 대응되는 응급상황 처리를 수행한다.Disclosed is a smart lone death prevention system and method thereof.
The system includes a first information detection device, a second detection device and an integrated control center. The first detection device is installed in the premises of the object to be observed and detects biometric information and behavior information of the object without being attached to the body of the object in a non-contact manner. The second detection device is used during machine learning to improve the accuracy of information detected when detecting biometric information and behavior information in a non-contact manner, and is attached to the body of the object to detect biometric information and behavior information of the object. The integrated control server consists of an emergency situation and at least one abnormal symptom corresponding to the emergency situation based on at least one abnormal symptom identified by the biometric information and behavior information of the object detected by the second information detection device. As a data set, a plurality of data sets are machine-learned to generate a learning model for detecting abnormal symptoms and emergency situations corresponding to the biometric information and behavior information of the object, and then detected in real time through the first information detection device. For the biometric information and behavior information of the object, a corresponding emergency situation is detected using the learning model, and when an emergency situation is detected for the object, a corresponding emergency situation is processed.

Description

스마트 고독사 방지 시스템 및 그 방법 {SMART LONELY DEATE PROTECTING SYSTEM AND METHOD THEREOF}Smart lonely death prevention system and its method {SMART LONELY DEATE PROTECTING SYSTEM AND METHOD THEREOF}

본 발명은 스마트 고독사 방지 시스템 및 그 방법에 관한 것이다.The present invention relates to a smart lone death prevention system and method thereof.

현대사회에 이르러 고령화, 핵가족화 등으로 인해 주변 사람들과 단절된 채 홀로 살다 고독한 죽음에 이르는 고독사가 증가하고 있다. 이러한 고독사 문제는 개인만의 문제가 아니라 국가적으로 해결해야 할 문제로 대두되고 있으며, 이러한 고독사를 예방하기 위해 다양한 형태의 방안이 제시되어 실행되고 있거나 또는 예정되어 있다. 예를 들어, 사회적 고립방지를 위해 지역 사회 주민들의 관계 회복을 위한 활동이 수행되고 있고, 사회 복지사 등이 직접 방문하여 돌봄 서비스를 제공하고 있다.In modern society, the number of loneliness is increasing, leading to lone death by living alone, disconnected from the surrounding people due to aging and nuclear familyization. This problem of loneliness has emerged as a problem to be solved nationally, not just individual problems, and various types of measures have been proposed and implemented or planned to prevent such loneliness. For example, in order to prevent social isolation, activities are being carried out to restore relations among local residents, and social workers are visiting directly to provide care services.

그러나, 기존의 고독사 예방 방안들은 사회 복지사 등의 인력 부족, 지자체 업무 지원의 어려움 등과 같은 한계로 인해 여전히 독거 노인 등의 사회적 약자를 위한 효율적인 고독사 방지 방안이 요구되고 있다.However, the existing measures to prevent lone death still require effective measures to prevent lone death for the socially underprivileged such as the elderly living alone due to limitations such as a shortage of human resources such as social workers and difficulties in supporting local government work.

본 발명은 관찰 대상자의 고독사 여부를 조기에 감지하여 대처할 수 있으므로 고독사를 사전에 방지할 수 있는 스마트 고독사 방지 시스템 및 그 방법을 제공한다.The present invention provides a smart lone death prevention system and method capable of preventing lone death in advance because it can detect and cope with whether a person to be observed is lonely.

본 발명의 하나의 특징에 따른 고독사 방지 시스템은,The system for preventing lonely death according to one feature of the present invention,

관찰 대상자인 객체의 댁내에 설치되며 비접촉식으로 상기 객체의 신체에 부착되지 않고 상기 객체의 생체 정보 및 행동 정보를 검출하는 제1 정보 검출 장치;A first information detection device installed in a premises of an object to be observed and detecting biometric information and behavior information of the object without being attached to the body of the object in a non-contact manner;

비접촉식으로 생체 정보 및 행동 정보 검출 시 검출되는 정보의 정확성을 향상시키기 위해 기계학습 시 사용되며, 상기 객체의 신체에 부착되어 상기 객체의 생체 정보 및 행동 정보를 검출하는 제2 정보 검출 장치; 및A second information detection device used for machine learning to improve accuracy of information detected when detecting biometric information and behavior information in a non-contact manner, and attached to the body of the object to detect biometric information and behavior information of the object; And

상기 제2 정보 검출 장치에 의해 검출되는 객체의 생체 정보 및 행동 정보에 의해 파악되는 적어도 하나 이상의 이상징후에 기초하여, 응급상황과 상기 응급상황에 대응되는 적어도 하나 이상의 이상징후로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계학습하여 상기 객체의 생체 정보 및 행동정보에 대응하는 이상징후 및 응급상황을 검출하기 위한 학습 모델을 생성한 후, 상기 제1 정보 검출 장치를 통해 실시간으로 검출되는 상기 객체의 생체 정보 및 행동 정보에 대해 상기 학습 모델을 사용하여 대응되는 응급상황을 검출하고, 상기 객체에 대해 응급상황이 검출되는 경우 대응되는 응급상황 처리를 수행하는 통합 관제 서버를 포함한다.A data set consisting of an emergency situation and at least one abnormal symptom corresponding to the emergency situation based on at least one abnormal symptom identified by the biometric information and behavior information of the object detected by the second information detection device. After generating a learning model for detecting abnormal symptoms and emergency situations corresponding to the biometric information and behavior information of the object by machine learning the data set of the object, the body of the object is detected in real time through the first information detection device. It includes an integrated control server that detects a corresponding emergency situation using the learning model for information and behavior information, and performs corresponding emergency situation processing when an emergency situation is detected for the object.

여기서, 상기 제1 정보 검출 장치는, 상기 객체의 호흡 및 활동량의 정보를 검출하는 IR-UWB(Impluse Radio-Ultra WideBand) 센서를 포함하고, 상기 제2 정보 검출 장치는, 상기 IR-UWB 센서로부터 검출되는 신호의 안정성과 정확성을 향상시키기 위해, 기계학습 시 사용되는, 상기 객체를 포함한 주변 영상을 촬영하는 촬영 장치; 및 상기 IR-UWB 센서로부터 검출되는 신호의 안정성과 정확성을 향상시키기 위해, 기계학습 시 사용되는, 상기 객체의 심박을 포함한 생체 정보를 검출하는 스마트 밴드를 포함한다.Here, the first information detection device includes an IR-UWB (Impluse Radio-Ultra WideBand) sensor that detects information on the amount of respiration and activity of the object, and the second information detection device includes from the IR-UWB sensor. In order to improve the stability and accuracy of the detected signal, a photographing device used for machine learning to capture a surrounding image including the object; And a smart band for detecting biometric information including a heartbeat of the object, which is used during machine learning, in order to improve the stability and accuracy of the signal detected from the IR-UWB sensor.

또한, 상기 통합 관제 서버는, 이상징후 대 응급상황으로 구성된 데이터 집합으로서 다량의 데이터를 기계학습하여 대응되는 상기 학습 모델을 생성하고, 생성된 상기 학습 모델을 사용하여 검출된 정보에 대한 응급상황 여부를 판단하여 제공하는 기계학습부; 상기 정보 검출 장치로부터 검출된 데이터에 대해 상기 기계학습부를 통해 상기 객체의 이상징후를 판단하는 이상징후 판단부; 및 상기 이상징후 판단부에 의해 상기 객체의 이상징후가 판단되는 경우 상기 객체에 대한 응급상황 처리를 수행하는 응급상황 처리부를 포함한다.In addition, the integrated control server generates the corresponding learning model by machine learning a large amount of data as a data set consisting of abnormal symptoms versus emergency situations, and whether there is an emergency situation for the information detected using the generated learning model. A machine learning unit that determines and provides the data; An abnormal symptom determination unit determining an abnormal symptom of the object through the machine learning unit with respect to the data detected by the information detection device; And an emergency situation processing unit that performs emergency situation processing on the object when the abnormal symptom of the object is determined by the abnormal symptom determination unit.

또한, 상기 이상징후 판단부에 의해 상기 객체의 이상징후가 판단되는 경우 상기 객체에게 연락하여 응답 여부를 확인하는 이상 확인부를 더 포함하고, 상기 응급상황 처리부는 상기 이상 확인부에 의해 상기 객체의 응답이 없는 것으로 판단되는 경우 상기 응급상황 처리를 수행한다.In addition, when the abnormal symptom of the object is determined by the abnormal symptom determination unit, further comprising an abnormality check unit for contacting the object to check whether a response has been made, and the emergency situation processing unit responds to the object by the abnormality check unit. If it is determined that there is no emergency situation processing is performed.

또한, 상기 기계학습부는, 학습 모델을 저장하는 학습 모델 데이터베이스; 응급상황과 이상징후로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계학습하여 상기 객체의 생체 정보 및 행동정보에 대응하는 응급상황을 검출하기 위한 학습 모델을 생성하여 상기 학습 모델 데이터베이스에 저장하는 응급상황 학습부; 및 상기 정보 검출 장치를 통해 실시간으로 검출되는 상기 객체의 생체 정보 및 행동 정보에 대해 상기 학습 모델 데이터베이스에 저장된 상기 학습 모델을 사용하여 대응되는 응급상황을 검출하는 응급상황 검출부를 포함한다.In addition, the machine learning unit may include a learning model database storing a learning model; Emergency situation learning that generates a learning model for detecting an emergency situation corresponding to the biometric information and behavioral information of the object by machine learning a plurality of data sets as a data set composed of an emergency situation and an abnormal symptom, and stores it in the learning model database part; And an emergency situation detector configured to detect a corresponding emergency situation by using the learning model stored in the learning model database with respect to the biometric information and behavior information of the object detected in real time by the information detection device.

또한, 상기 통합 관제 서버는 상기 객체의 생체 정보 및 행동 정보에 의해 판단되는 쓰러짐, 이상 호흡 및 이상 심박의 이상징후가 상기 응급상황별로 상호 연결 관계로 대응되도록 상기 이상징후의 지표를 설정한다.In addition, the integrated control server sets the indicator of the abnormal symptom so that the abnormal symptoms of collapse, abnormal breathing, and abnormal heartbeat determined by the biometric information and behavior information of the object are corresponded to each other according to the emergency situation.

본 발명의 다른 특징에 따른 고독사 방지 방법은,A method for preventing lonely death according to another feature of the present invention,

고독사 방지 시스템이 관찰 대상자인 객체의 고독사를 방지하는 방법으로서, 정보 검출 장치에 의해 상기 객체의 생체 정보 및 행동 정보가 실시간으로 검출되어 수집되는 단계; 기계학습된 학습 모델을 사용하여 상기 객체의 생체 정보 및 행동 정보를 분석한 후 상기 객체의 이상징후 여부를 판단하는 단계 － 상기 학습 모델은 응급상황과 이상징후로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계학습하여 객체의 생체 정보 및 행동정보에 대응하는 응급상황을 검출하기 위해 생성됨 －; 및 상기 객체에 대해 이상징후가 있는 것으로 판단되는 경우, 상기 객체에 대한 응급상황 처리를 수행하는 단계를 포함한다.A method of preventing lone death of an object, which is a subject of observation, by a lone death prevention system, comprising: detecting and collecting biometric information and behavior information of the object in real time by an information detection device; Analyzing the biometric information and behavioral information of the object using a machine-learned learning model, and then determining whether the object has abnormal symptoms-The learning model is a data set consisting of an emergency situation and an abnormal symptom. Created to detect an emergency situation corresponding to the object's biometric information and behavior information by machine learning -; And when it is determined that there is an abnormal symptom for the object, performing emergency situation processing on the object.

여기서, 상기 수집되는 단계 전에, 객체의 생체 정보 및 행동 정보로 수집되는 빅데이터 기반으로 기계학습을 수행하여 상기 학습 모델을 생성하는 단계를 더 포함한다.Here, before the collecting step, the step of generating the learning model by performing machine learning based on big data collected as biometric information and behavior information of the object.

또한, 상기 객체의 이상징후 여부를 판단하는 단계와 상기 객체에 대한 응급상황 처리를 수행하는 단계 사이에, 상기 객체에 대해 이상징후가 있는 것으로 판단되는 경우, 상기 객체에게 연락하여 응답 유무를 확인하는 단계를 더 포함하고, 상기 응답 유무를 확인하는 단계에서, 상기 객체의 응답이 있는 것으로 확인되는 경우, 상기 객체에 대한 응급상황 처리를 수행하는 단계가 수행된다.In addition, between the step of determining whether there is an abnormal symptom of the object and the step of performing emergency situation processing on the object, when it is determined that there is an abnormal symptom of the object, contact the object to check the presence or absence of a response. In the step of checking the presence or absence of the response, if it is determined that there is a response from the object, the step of performing an emergency situation processing on the object is performed.

또한, 상기 실시간으로 검출되어 수집되는 단계에서, 상기 정보 검출 장치로부터 상기 객체의 움직임 정보, 호흡 정보, 심박 정보, 상기 객체 및 주변의 영상 정보가 수집된다.Further, in the step of detecting and collecting in real time, motion information, respiration information, heart rate information, and image information of the object and surroundings are collected from the information detection device.

또한, 상기 학습 모델 생성시, 상기 객체의 생체 정보 및 행동 정보에 의해 판단되는 쓰러짐, 이상 호흡 및 이상 심박의 이상징후가 상기 응급상황별로 상호 연결 관계로 대응되도록 상기 이상징후의 지표를 설정하여 사용한다.In addition, when the learning model is created, the indicator of the abnormal symptom is set and used so that the abnormal symptoms of collapse, abnormal breathing and abnormal heartbeat determined by the biometric information and behavior information of the object are corresponded to each other in an interconnected relationship for each emergency situation. do.

본 발명에 따르면, 관찰 대상자인 객체에 대해 비접촉 센서로부터 수집되는 생체 신호를 실시간으로 검출하여 객체의 이상징후에 따른 응급상황 여부를 실시간으로 확인하여 응급상황인 경우 실시간으로 대처할 수 있으므로 관찰 대상자의 고독사 여부를 조기에 감지하여 대처할 수 있으므로 고독사를 사전에 방지할 수 있다. 또한, 생체 밴드 등과 같은 접촉식 센서와 영상 정보를 이용한 기계학습을 통해 비접촉식 센서(IR-UWB)로부터 나오는 주파수 신호에 대한 해석의 정확성을 향상시킬 수 있다.According to the present invention, the loneliness of the observer can be dealt with in real time in case of an emergency by detecting in real time a biological signal collected from a non-contact sensor for an object that is an object to be observed to see if there is an emergency situation according to the abnormal symptoms of the object. Since death or death can be detected early and coped with it, lone death can be prevented in advance. In addition, it is possible to improve the accuracy of interpretation of the frequency signal from the non-contact sensor (IR-UWB) through machine learning using a contact sensor such as a biometric band and image information.

도 1은 본 발명의 실시예에 따른 고독사 방지 시스템의 사용 예에 대해 개략적으로 도시한 도면이다.
도 2는 본 발명의 실시예에 따른 고독사 방지 시스템에서 IR-UWB 센서의 설치 예를 도시한 도면이다.
도 3은 본 발명의 실시예에 따른 고독사 방지 시스템에서 IR-UWB 센서의 다른 설치 예를 도시한 도면이다.
도 4는 본 발명의 실시예에 따른 고독사 방지 시스템에서 기계학습을 위해 수집되는 객체의 생체 및 동작 정보의 빅데이터에 대한 예를 도시한 도면이다.
도 5는 도 1에 도시된 통합 관제 서버의 구체적인 구성 블록도이다.
도 6은 본 발명의 실시예에 따른 고독사 방지 시스템에서 IR-UWB 센서에 의해 검출되어 수집되는 정보의 예를 도시한 도면이다.
도 7은 본 발명의 실시예에 따른 고독사 방지 시스템에서 스마트밴드에 의해 검출되어 수집되는 정보의 예를 도시한 도면이다.
도 8은 본 발명의 실시예에 따른 고독사 방지 시스템에서 스마트밴드에 의해 검출되어 수집되는 다른 정보의 예를 도시한 도면이다.
도 9는 본 발명의 실시예에 따른 고독사 방지 시스템에서 응급상황 감지를 위한 이상징후 지표의 상호 연결 관계 설정을 도시한 도면이다.
도 10은 본 발명의 실시예에 따른 고독사 방지 시스템에서 이상징후 지표를 통한 응급상황별 이상징후의 분류 예를 도시한 도면이다.
도 11은 도 5에 도시된 기계학습부의 구체적인 구성 블록도이다.
도 12는 본 발명의 실시예에 따른 고독사 방지 방법의 흐름도이다.
도 13은 본 발명의 다른 실시예에 따른 고독사 방지 시스템의 개략적인 구성 블록도이다.1 is a diagram schematically showing an example of using a system for preventing loneliness according to an embodiment of the present invention.
2 is a view showing an installation example of the IR-UWB sensor in the system for preventing lonely death according to an embodiment of the present invention.
3 is a view showing another installation example of the IR-UWB sensor in the system for preventing lonely death according to an embodiment of the present invention.
4 is a diagram showing an example of big data of biometric and motion information of an object collected for machine learning in the system for preventing lone death according to an embodiment of the present invention.
5 is a detailed configuration block diagram of the integrated control server shown in FIG. 1.
6 is a diagram illustrating an example of information detected and collected by an IR-UWB sensor in the system for preventing lonely death according to an embodiment of the present invention.
7 is a diagram illustrating an example of information detected and collected by a smart band in the system for preventing lonely death according to an embodiment of the present invention.
8 is a diagram illustrating an example of other information detected and collected by a smart band in the system for preventing lonely death according to an embodiment of the present invention.
9 is a diagram illustrating the setting of an interconnection relationship between abnormal symptom indicators for detecting an emergency situation in the system for preventing lonely death according to an embodiment of the present invention.
10 is a diagram illustrating an example of classification of abnormal symptoms by emergency situations through an abnormal symptom indicator in the system for preventing lonely death according to an embodiment of the present invention.
11 is a detailed block diagram of the machine learning unit illustrated in FIG. 5.
12 is a flowchart of a method for preventing lonely death according to an embodiment of the present invention.
13 is a schematic block diagram of a system for preventing lonely death according to another embodiment of the present invention.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art can easily implement the embodiments of the present invention. However, the present invention may be implemented in various different forms and is not limited to the embodiments described herein. In the drawings, parts irrelevant to the description are omitted in order to clearly describe the present invention, and similar reference numerals are attached to similar parts throughout the specification.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "…기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. Throughout the specification, when a part "includes" a certain component, it means that other components may be further included rather than excluding other components unless otherwise stated. In addition, terms such as "... unit", "... group", and "module" described in the specification mean units that process at least one function or operation, which can be implemented by hardware or software or a combination of hardware and software. have.

이하, 도면을 참조하여 본 발명의 실시예에 따른 고독사 방지 시스템에 대해 설명한다.Hereinafter, a system for preventing lonely death according to an embodiment of the present invention will be described with reference to the drawings.

도 1은 본 발명의 실시예에 따른 고독사 방지 시스템의 사용 예에 대해 개략적으로 도시한 도면이다.1 is a diagram schematically showing an example of using a system for preventing loneliness according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 실시예에 따른 고독사 방지 시스템은 정보 검출 장치(100, 110) 및 통합 관제 서버(200)를 포함한다. Referring to FIG. 1, a system for preventing lone death according to an embodiment of the present invention includes information detection devices 100 and 110 and an integrated control server 200.

정보 검출 장치(100)는 관찰 대상자인 객체의 댁내에 설치되어 비접촉식으로 객체의 신체에 부착되지 않고 각종의 정보를 검출하여 통합 관제 서버(200)로 전달한다. 이러한 데이터 검출 장치(100)는 예를 들어, 생체 신호 정보를 검출하기 위한 초광대역 레이터 센서(101)를 포함한다. 여기서, 초광대역 레이더 센서(101)는 저전력을 사용하면서도 넓은 주파수 대역에서 근거리 정보를 대량으로 획득할 수 있는 센서이다. 이러한 센서(101)는 방사한 레이더가 장애물에 맞고 반사돼 돌아오는 시간으로 거리를 측정한다. 이 센서(101)는 일예로 극히 짧은 임펄스 신호를 사용하는 IR-UWB(Impluse Radio-Ultra WideBand) 센서가 사용될 수 있다. 이러한 센서(101)를 통해 객체의 호흡, 활동량 등의 생체 신호 정보를 검출할 수 있다. 그러나, 비접촉식 IR-UWB 센서(101)의 생체 신호는 간섭 등 환경적 영향을 받아 안정적인 주파수 검출이 어려운 단점이 있다. 이를 극복하기 위해 객체의 구체적인 움직임 및 심박 등의 생체 정보의 검출이 가능한 촬영 장치(111) 및 스마트 밴드(112)를 이용하여 IR-UWB 센서(101)의 신호를 안정적이고 정확한 해석을 가능하게 할 수 있다. 여기서, 촬영 장치(111) 및 스마트 밴드(112)에 의해 검출되는 신호는 추후 설명될 기계학습을 통해 IR-UWB 센서(101)의 신호 해석이 사용될 수 있다. 한편, 전술한 촬영 장치(111) 및 스마트 밴드(112)의 신호는 다른 IR-UWB 센서(113)를 통해 통합 관제 센터(200)로 전달될 수 있다. The information detection apparatus 100 is installed in the premises of the object to be observed, and is not attached to the body of the object in a non-contact manner, and detects various types of information and transmits the information to the integrated control server 200. The data detection device 100 includes, for example, an ultra-wideband radar sensor 101 for detecting biometric signal information. Here, the ultra-wideband radar sensor 101 is a sensor capable of acquiring a large amount of short-range information in a wide frequency band while using low power. The sensor 101 measures the distance by the time when the radiated radar hits an obstacle and returns after being reflected. The sensor 101 may be an IR-UWB (Impluse Radio-Ultra WideBand) sensor that uses an extremely short impulse signal, for example. Biosignal information such as respiration and activity amount of the object may be detected through the sensor 101. However, the biological signal of the non-contact IR-UWB sensor 101 is affected by environmental influences such as interference, and thus it is difficult to detect a stable frequency. In order to overcome this, it is possible to stably and accurately interpret the signal of the IR-UWB sensor 101 using the photographing device 111 and the smart band 112 capable of detecting biometric information such as the specific movement of the object and heart rate. I can. Here, the signal detected by the photographing device 111 and the smart band 112 may be analyzed by the IR-UWB sensor 101 through machine learning to be described later. Meanwhile, the signals of the above-described photographing device 111 and the smart band 112 may be transmitted to the integrated control center 200 through another IR-UWB sensor 113.

구체적으로, IR-UWB 센서(101)는 객체의 재실 감지, 활동량 감지, 호흡수 감지 등과 같은 생체 신호 정보의 검출을 수행할 수 있다. 객체의 재실 감지 및 활동량 감지의 경우, 도 2에 도시된 바와 같이, IR-UWB 센서(101)가 객체가 위치하는 댁(10)내에서 대략 높이 2m에 약간 사선(약 15도)으로 객체를 바라보도록 설치될 수 있다. 또한, 객체의 호흡 수 검출의 경우에는 도 3에 도시된 바와 같이, 객체의 흉부 정면 대략 1m 이내에 설치될 수 있다.Specifically, the IR-UWB sensor 101 may detect biological signal information such as occupancy detection, activity amount detection, and respiratory rate detection of an object. In the case of detection of occupancy and activity amount of an object, as shown in FIG. 2, the IR-UWB sensor 101 detects the object in a slightly oblique line (approximately 15 degrees) at a height of approximately 2 m in the house 10 where the object is located. Can be installed to look at. In addition, in the case of detecting the respiration rate of the object, as shown in FIG. 3, it may be installed within approximately 1m in front of the chest of the object.

통합 관제 서버(200)는 정보 검출 장치(100)로부터 검출된 정보, 즉, IR-UWB 센서(101)에 의해 검출되는 생체 신호 정보를 수집하고, 수집된 정보를 사용하여 이상 징후 판단에 의한 응급상황 여부를 확인하고, 응급상황인 경우 119, 경찰서, 병원, 돌봄 서비스 등의 유관 기관(300)으로 연락하여 응급상황에 대한 대처가 이루어질 수 있도록 한다. 여기서, 객체에 대한 응급상황으로 판단되는 경우 객체에게 연락하여 무응답인 경우 유관 기관(300)으로 연락하도록 할 수 있다. The integrated control server 200 collects information detected from the information detection device 100, that is, biosignal information detected by the IR-UWB sensor 101, and uses the collected information to determine an abnormal symptom. The situation is checked, and in case of an emergency, contact 119, a police station, a hospital, or a related institution 300 such as a care service so that the emergency situation can be responded to. Here, if it is determined as an emergency situation for the object, the object may be contacted, and if there is no response, the related organization 300 may be contacted.

한편, 본 발명의 실시예에 따른 고독사 방지 시스템에서는 통합 관제 서버(200)가 정보 검출 장치(100)로부터 검출되는 다량의 정보, 예를 들어, 도 4에 도시된 바와 같이, IR-UWB 센서(101)에 의해 검출되는 호흡, 활동량 등의 정보, 촬영 장치(111)에 의해 검출되는 촬영 영상 정보, 스마트 밴드(112)에 의해 검출되는 심박, 움직임 등의 정보를 다량으로 수집하여 빅데이터(Big Data) 처리를 통해 "이상징후-응급상황"으로 구성된 데이터 집합으로서 다량의 데이터를 기계학습을 통해 학습 모델을 생성하고, 생성된 학습 모델을 사용하여 검출된 정보에 대한 응급상황 여부를 판단하여 제공하는 기능을 수행할 수 있다. 여기서, 기계학습은 인공지능의 한 분야로서, 방대한 데이터를 분석해서 미래를 예측하는 기술이며, 컴퓨터가 스스로 학습 과정을 거치면서 입력되지 않은 정보를 습득하여 문제를 해결하는 기술이다. 이러한 기계학습을 위해 CNN(Convolutional Neural Network), R-CNN(Region with Convolutional Neural Network), LSTM((Long Short Term Memory) 등의 신경망을 활용하는 딥러닝 기술이 사용될 수 있다. 이러한 기계학습 기술에 대해서는 이미 잘 알려져 있으므로 여기에서는 구체적인 설명을 생략한다.On the other hand, in the lone death prevention system according to the embodiment of the present invention, the integrated control server 200 is a large amount of information detected from the information detection device 100, for example, as shown in Figure 4, IR-UWB sensor Information such as respiration and activity detected by 101, image information detected by the photographing device 111, and information such as heart rate and movement detected by the smart band 112 are collected in a large amount to obtain big data ( Big Data) is a data set consisting of "abnormal symptoms-emergency" through processing. A large amount of data is generated through machine learning, and the generated learning model is used to determine whether there is an emergency for the detected information. It can perform the functions it provides. Here, machine learning is a field of artificial intelligence, a technology that predicts the future by analyzing vast amounts of data, and a technology that solves problems by acquiring information that has not been inputted while a computer goes through a self-learning process. For such machine learning, deep learning techniques using neural networks such as CNN (Convolutional Neural Network), R-CNN (Region with Convolutional Neural Network), LSTM (Long Short Term Memory), etc. can be used. Since it is already well known, a detailed description is omitted here.

도 5는 도 1에 도시된 통합 관제 서버(200)의 구체적인 구성 블록도이다.5 is a detailed block diagram of the integrated control server 200 illustrated in FIG. 1.

도 5에 도시된 바와 같이, 통합 관제 서버(200)는 정보 수집부(210), 기계 학습부(220), 이상징후 판단부(230), 정보 저장부(240), 이상 확인부(250) 및 응급상황 처리부(260)를 포함한다.As shown in FIG. 5, the integrated control server 200 includes an information collection unit 210, a machine learning unit 220, an abnormal symptom determination unit 230, an information storage unit 240, and an abnormality check unit 250. And an emergency situation processing unit 260.

정보 수집부(210)는 정보 검출부(100, 110)에 의해 검출되어 전달되는 각종의 정보, 예를 들어 호흡, 활동량, 영상 정보, 심박, 움직임 등의 정보를 수집하여 이상징후 판단부(230)로 전달한다.The information collection unit 210 collects various types of information detected and transmitted by the information detection units 100 and 110, such as respiration, activity, image information, heart rate, and movement, and the abnormal symptom determination unit 230 To pass.

기계학습부(220)는 전술한 바와 같이, "이상징후-응급상황"으로 구성된 데이터 집합으로서 다량의 데이터를 기계학습하여 대응되는 학습 모델을 생성하고, 생성된 학습 모델을 사용하여 검출된 정보에 대한 응급상황 여부를 판단하여 제공한다.As described above, the machine learning unit 220 generates a corresponding learning model by machine learning a large amount of data as a data set composed of "abnormal symptoms-emergency", and uses the generated learning model to generate a corresponding learning model. It is provided by judging whether there is an emergency situation.

정보 저장부(240)는 객체 관련 정보를 저장한다. 객체 관련 정보에는 객체에 대한 기본 정보(예를 들어, 이름, 주소, 연락처 정보 등), 질병 정보, 보호자 정보, 실시간 생체 정보, 사고 이력 정보, 방문/출동 정보 등이 저장된다.The information storage unit 240 stores object related information. In the object-related information, basic information about the object (eg, name, address, contact information, etc.), disease information, guardian information, real-time biometric information, accident history information, visit/dispatch information, and the like are stored.

이상 확인부(250)는 정보 저장부(240)에 저장된 객체의 연락처를 사용하여 객체에게 연락하여 응답 유무를 확인한다.The abnormality check unit 250 contacts the object using the contact information of the object stored in the information storage unit 240 to check whether there is a response.

이상징후 판단부(230)는 정보 수집부(210)로부터 전달되는 정보를 기계학습부(220)로 전달한 후 기계학습부(220)로부터 정보에 대한 응답, 구체적으로 정보에 대응되는 응급상황 여부를 전달받아서 응급상황인 경우 이상 확인부(250)를 통해 응답 여부를 확인하고, 응답이 없는 경우 응급상황 처리부(260)로 전달한다.The abnormal symptom determination unit 230 transmits the information transmitted from the information collection unit 210 to the machine learning unit 220, and then determines a response to the information from the machine learning unit 220, specifically, whether an emergency situation corresponding to the information is made. When received and in an emergency, whether or not there is a response through the abnormality checking unit 250, and if there is no response, the response is transmitted to the emergency situation processing unit 260.

응급상황 처리부(260)는 유관 기관(300)에 대한 정보를 저장하고 있으며, 이상징후 판단부(230)에서의 응급상황 판단에 따라 응급상황으로 판단되는 경우 유관 기관(300)으로 응급상황 처리를 요청한다. The emergency situation processing unit 260 stores information on the related organization 300, and when it is determined as an emergency situation by the abnormal symptom determination unit 230, the related agency 300 handles the emergency situation. request.

이와 같이, 본 발명의 실시예에 따르면, 관찰 대상자인 객체에 대한 생체 신호 정보, 영상 정보, 생체 정보 등을 실시간으로 검출하여 객체의 이상징후에 따른 응급상황 여부를 실시간으로 확인하여 응급상황인 경우 실시간으로 대처할 수 있으므로 관찰 대상자의 고독사 여부를 조기에 감지하여 대처할 수 있으므로 고독사를 사전에 방지할 수 있다.As described above, according to an embodiment of the present invention, in the case of an emergency, by detecting in real time biosignal information, image information, biometric information, etc. of an object as an object to be observed, it is possible to check in real time whether there is an emergency situation according to an abnormal symptom Since it can be coped with in real time, it is possible to detect and cope with the lone death of the observer early, so that lone death can be prevented in advance.

한편, 정보 검출 장치(100, 110)에 의해 검출되어 정보 수집부(210)에서 수집되는 정보에 대해 설명한다.Meanwhile, information detected by the information detection devices 100 and 110 and collected by the information collection unit 210 will be described.

정보 검출 장치(100)의 IR-UWB 센서(101)에 의해 검출되어 수집되는 정보의 예가 도 6에 도시되어 있다. 도 6을 참조하면, IR-UWB 센서(101)에 의해 검출되는 객체의 호흡에 대한 생체 신호 정보가 (a)와 같은 경우 이상 호흡인 이상징후로서 판단될 수 있다. 그러나, (b) 및 (c)와 같은 경우에는 정상 호흡으로서 판단될 수 있다. 다음, 정보 검출 장치(110)의 스마트 밴드(11)에 의해 검출되어 수집되는 정보의 예가 도 7 및 도 8에 도시되어 있다. 도 7을 참조하면, 객체의 취침시각, 취침시간, 깊이, 걸음 수 등의 생체 정보가 검출되어 수집될 수 있다. 도 8을 참조하면, 객체의 구체적인 심박수가 검출되어 수집될 수 있다. 스마트 밴드(112)를 통해 검출되는 심박은 IR-UWB 센서(101)에 의해 검출되는 심박에 비해 매우 구체적인 심박을 나타낸다.An example of information detected and collected by the IR-UWB sensor 101 of the information detection device 100 is shown in FIG. 6. Referring to FIG. 6, when the biological signal information on the respiration of the object detected by the IR-UWB sensor 101 is as shown in (a), it may be determined as an abnormal symptom that is an abnormal respiration. However, in the case of (b) and (c), it can be determined as normal breathing. Next, examples of information detected and collected by the smart band 11 of the information detection device 110 are shown in FIGS. 7 and 8. Referring to FIG. 7, biometric information such as a sleeping time, bedtime, depth, and number of steps of an object may be detected and collected. Referring to FIG. 8, a specific heart rate of an object may be detected and collected. The heart rate detected through the smart band 112 represents a very specific heart rate compared to the heart rate detected by the IR-UWB sensor 101.

한편, 본 발명의 실시예에 따른 스마트 고독사 방지 시스템에서는, 구체적으로는 기계학습부(220)에서, 응급상황 관련 이상징후 지표를 도 9에 도시된 바와 같은 관계도를 통해 설정한다. 즉, 정보 검출 장치(100)를 통해 검출되는 객체 관련 정보, 예를 들어, 거리, 움직임(활동량, 유형), 크기, 심박수(맥박수), 호흡수 등의 정보와 객체 정보, 예를 들어, 객체 기본 정보, 질병 정보, 보호자 정보, 실시간 생체 정보, 사고 이력 정보, 방문/출동 정보를 각종의 이상징후, 예를 들어, 쓰러짐, 이상 호흡, 이상 심박 등의 징후와 상호 연결 관계를 대응시키고, 이렇게 설정된 이상징후를 각종의 응급상황과 상호 연결 관계를 대응시킴으로써 "이상징후-응급상황"의 대응을 위한 이상징후 지표가 설정될 수 있다.On the other hand, in the smart lone death prevention system according to an embodiment of the present invention, specifically, the machine learning unit 220 sets an abnormal symptom indicator related to an emergency situation through a relationship diagram as shown in FIG. 9. That is, object-related information detected through the information detection device 100, for example, distance, movement (activity amount, type), size, heart rate (pulse rate), respiration rate, and object information, for example, object Basic information, disease information, guardian information, real-time biometric information, accident history information, and visit/outgoing information are matched to various abnormal symptoms such as collapse, abnormal breathing, abnormal heartbeat, etc. By correlating the set abnormal symptoms to various emergency situations and interconnection relationships, an abnormal symptom indicator for responding to "abnormal symptoms-emergency situations" can be set.

이와 같이, 본 발명의 실시예에서 설정된 이상징후 지표를 통해 도 10에 도시된 바와 같이, 응급상황별 이상징후의 분류가 설정된다. 이러한 분류에서 "쓰러짐", "호흡", "맥박"의 이상징후가 주요 이상징후로서 사용된다. "쓰러짐"의 이상징후는 촬영 장치(111)에 의해 기계학습된 IR-UWB 센서(101)로부터 검출된 정보를 통해 판단될 수 있고, "호흡"의 이상징후는 IR-UWB 센서(101)에 의해 검출된 정보를 통해 판단될 수 있으며, "맥박"의 이상징후는 스바트 밴드(112)에 의해 기계학습된 IR-UWB 센서(101)로부터 검출된 정보를 통해 판단될 수 있다.In this way, classification of abnormal symptoms for each emergency situation is set as shown in FIG. 10 through the abnormal symptom indicator set in the embodiment of the present invention. In this classification, abnormal signs of "falling", "breathing", and "pulse" are used as the main abnormalities. The abnormal symptom of "falling" may be determined through information detected from the IR-UWB sensor 101 machine-learned by the photographing device 111, and the abnormal symptom of "breathing" is transmitted to the IR-UWB sensor 101. It can be determined based on the information detected by, and the abnormal symptom of "pulse" can be determined based on the information detected from the IR-UWB sensor 101 machine-learned by the Sbat band 112.

도 11은 도 5에 도시된 기계학습부(220)의 구체적인 구성 블록도이다.11 is a detailed block diagram of the machine learning unit 220 illustrated in FIG. 5.

도 11에 도시된 바와 같이, 기계학습부(220)는 응급상황 학습부(221), 학습 모델 데이터베이스(Database, DB)(222) 및 응급상황 검출부(223)를 포함한다.As shown in FIG. 11, the machine learning unit 220 includes an emergency situation learning unit 221, a learning model database (DB) 222, and an emergency situation detection unit 223.

응급상황 학습부(221)는 이상징후 판단부(230)로부터 입력되는 객체의 생체 신호 정보, 영상 정보 및 생체 정보를 사용하여 전술한 도 10에서 설정된 "응급상황-이상징후"의 지표에 따라 다량의 데이터 집합을 사용하여 응급상황 검출을 위한 기계학습을 수행하여 학습 결과에 대응되는 학습 모델을 생성한다. 여기서, 응급상황 학습부(221)에서 학습되는 응급상황에 대해서는 응급상황에 대한 학습 결과의 신뢰도 값이 함께 부여된다. The emergency situation learning unit 221 uses the biosignal information, image information, and biometric information of the object input from the abnormal symptom determination unit 230, according to the index of "emergency situation-abnormal symptom" set in FIG. Using the data set of, we perform machine learning for emergency situation detection and generate a learning model corresponding to the learning result. Here, for the emergency situation learned by the emergency situation learning unit 221, the reliability value of the learning result for the emergency situation is also given.

학습 모델 DB(222)는 응급상황 학습부(221)에 의해 생성되는 학습 모델을 저장한다.The learning model DB 222 stores a learning model generated by the emergency learning unit 221.

응급상황 검출부(223)는 이상징후 판단부(230)로부터 입력되는 정보에 대해 학습 모델 DB(222)에 저장된 학습 모델을 사용하여 이상징후에 대응되는 응급상황 을 검출하여 이상징후 판단부(230)로 제공한다.The emergency situation detection unit 223 detects an emergency situation corresponding to the abnormal symptom by using the learning model stored in the learning model DB 222 with respect to the information input from the abnormal symptom determination unit 230, and the abnormal symptom determination unit 230 Provided as

한편, 응급상황 학습부(221)와 응급상황 검출부(223)는 통합되어 하나의 구성요소로서 구현될 수 있으며, 이 경우 하나의 신경망을 사용하여 구현될 수 있다. Meanwhile, the emergency learning unit 221 and the emergency detection unit 223 may be integrated and implemented as one component, and in this case, they may be implemented using a single neural network.

이하, 도면을 참조하여 본 발명의 실시예에 따른 고독사 방지 방법에 대해 설명한다.Hereinafter, a method for preventing lonely death according to an embodiment of the present invention will be described with reference to the drawings.

도 12는 본 발명의 실시예에 따른 고독사 방지 방법의 흐름도이다.12 is a flowchart of a method for preventing lonely death according to an embodiment of the present invention.

도 12를 참조하면, 본 발명의 실시예에 따른 정보 검출 장치(100)는 실시간으로 객체의 생체 및 행동 정보를 검출한다(S100). 이러한 생체 및 행동 정보는 객체의 움직임 정보, 호흡 정보, 심박 정보, 영상 정보를 포함한다.Referring to FIG. 12, the information detection apparatus 100 according to an embodiment of the present invention detects biometric and behavioral information of an object in real time (S100). Such biological and behavioral information includes motion information, respiration information, heart rate information, and image information of the object.

그 후, 검출된 생체 및 행동 정보를 분석하고(S110), 이상징후가 감지되었는지를 판단한다(S120). 여기서, 검출된 생체 및 행동 정보의 분석에 의해 이상징후를 감지하는 것은 기계학습부(220)에 의해 기계학습된 학습 모델을 사용하여 수행될 수 있다. 또한, 여기에서의 이상징후는 전술한 이상징후에 의해 판단되는 응급상황을 의미할 수 있다.Thereafter, the detected biometric and behavioral information is analyzed (S110), and it is determined whether an abnormal symptom is detected (S120). Here, detecting an abnormal symptom by analyzing the detected biometric and behavioral information may be performed using a learning model machine-learned by the machine learning unit 220. In addition, the abnormal symptom herein may mean an emergency situation determined by the above-described abnormal symptom.

상기 단계(S120)에서 이상징후가 판단되면, 객체의 정보를 사용하여 실제 이상 여부가 확인된다(S130). 이러한 실제 이상 여부는 잘 알려져 있는 자동응답시스템을 통해 수행될 수 있다.When the abnormal symptom is determined in the step S120, it is checked whether there is an actual abnormality using the information of the object (S130). Whether or not such an abnormality can be performed through a well-known automatic response system.

상기한 실제 이상 여부의 확인에 의해 객체의 응답이 있으면(S140), 객체의 상태가 심각하지 않고 경미한 것으로 판단하여 사건 이력을 기록하고(S150) 사건을 종료한다(S160).If there is a response from the object based on the confirmation of the actual abnormality (S140), the state of the object is determined to be insignificant and minor, and the event history is recorded (S150), and the case is terminated (S160).

그러나, 상기한 실제 이상 여부의 확인에 의해 객체의 응답이 없으면(S140), 객체의 상태가 응급상황으로 심각한 상태인 것으로 판단하여, 유관 기관(300)으로 응급 출동을 요청한 후(S170) 사건 이력을 기록하고(S150) 사건을 종료한다(S160).However, if there is no response from the object based on the confirmation of the actual abnormality described above (S140), it is determined that the state of the object is in a serious state as an emergency situation, and after requesting an emergency call to the relevant agency 300 (S170), the case history Is recorded (S150) and the case is terminated (S160).

한편, 상기에서는 검출된 정보를 통해 "응급상황-이상징후" 구성으로 빅데이터 기반으로 다량의 데이터를 기계학습하여 기계학습 기반의 응급상황 판단 정보를 제공하는 기계학습부(220)가 통합 관제 서버(200)내의 하나의 구성요소인 것으로 설명하였으나, 상기한 기계학습 기반 정보 분석이 다량의 데이터 처리에 기반하는 경우 통합 관제 서버(200)와는 별개로 독립된 서버에서 수행될 수 있다. Meanwhile, in the above, the machine learning unit 220 that provides machine learning-based emergency situation determination information by machine learning a large amount of data based on big data in the configuration of "emergency situation-abnormal symptom" is an integrated control server Although it has been described as being one component in 200, when the above-described machine learning-based information analysis is based on processing a large amount of data, it may be performed in a server separate from the integrated control server 200.

다음, 본 발명의 다른 실시예에 따른 스마트 고독사 방지 시스템에 대해 설명한다.Next, a description will be given of a smart lone death prevention system according to another embodiment of the present invention.

도 13은 본 발명의 다른 실시예에 따른 고독사 방지 시스템의 개략적인 구성 블록도이다.13 is a schematic block diagram of a system for preventing lonely death according to another embodiment of the present invention.

도 13을 참조하면, 본 발명의 다른 실시예에 따른 고독사 방지 시스템은 통신기(410), 메모리(420), 프로세서(430) 및 버스(440)를 포함한다.Referring to FIG. 13, a system for preventing lonely death according to another embodiment of the present invention includes a communicator 410, a memory 420, a processor 430, and a bus 440.

통신기(410)는 외부 구성요소와의 신호 전송을 수행한다. 구체적으로, 통신기(410)는 각종의 센서를 통해 검출되는 객체 관련 정보, 즉, 객체의 생체 및 행동 정보를 수신한다. 여기서, 각종의 센서로는 전술한 바와 같이, 기본적으로 IR-UWB 센서가 중심이 되며, 추가적으로 촬영 장치, 스마트 밴드 등이 포함될 수 있다.The communicator 410 performs signal transmission with an external component. Specifically, the communicator 410 receives object-related information detected through various sensors, that is, biometric and behavioral information of the object. Here, as various sensors, as described above, the IR-UWB sensor is basically the center, and additionally, a photographing device, a smart band, and the like may be included.

메모리(420)는 코드의 집합을 저장하도록 구성되고, 그 코드는 다음과 같은 동작을 실행하기 위해 프로세서(640)를 제어하는 데 사용된다. 이러한 동작은, 통신기(410)를 통해 정보 검출 장치(100)로부터 전달되는 객체의 생체 및 행동 정보를 수신하는 동작, 수신되는 객체의 생체 및 행동 정보를 분석하여 이상징후를 판단하는 동작, 유관 기관(300)으로 응급 출동을 요청하는 동작을 포함한다.Memory 420 is configured to store a set of code, which code is used to control processor 640 to perform the following operations. These operations include an operation of receiving biometric and behavioral information of an object transmitted from the information detection device 100 through the communication unit 410, an operation of analyzing the biometric and behavioral information of the received object to determine abnormal symptoms, and related organizations. Including the operation of requesting an emergency call to (300).

선택적으로, 상기한 동작은 객체에 대한 이상징후가 판단되는 경우 객체에게 연락하여 응답 유무를 확인하는 동작을 추가로 포함한다.Optionally, the above-described operation further includes an operation of contacting the object to check the presence or absence of a response when an abnormal symptom on the object is determined.

선택적으로, 상기한 객체의 생체 및 행동 정보를 분석하여 이상징후를 판단하는 동작은 "이상징후-응급상황"으로 구성된 데이터 집합으로서 다량의 데이터를 기계학습하여 대응되는 학습 모델을 사용하여 검출된 정보에 대한 이상징후 판단에 의해 수행될 수 있다.Optionally, the operation of determining abnormal symptoms by analyzing the biological and behavioral information of the above object is a data set consisting of "abnormal symptoms-emergency", and information detected using a corresponding learning model by machine learning a large amount of data. It can be performed by judging abnormal symptoms for.

전술한 메모리(420)는 ROM(Read Only Memory)과 RAM(Random Access Memory), NVRAM(Non-Volatile Random Access Memory)을 포함할 수 있다. 또한, 프로세서(430)는 컨트롤러(controller), 마이크로 컨트롤러(microcontroller), 마이크로 프로세서(microprocessor), 마이크로 컴퓨터(microcomputer) 등으로도 호칭될 수 있다. 또한, 프로세서(430)는 하드웨어(hardware) 또는 펌웨어(firmware), 소프트웨어, 또는 이들의 결합에 의해 구현될 수 있다.The above-described memory 420 may include read only memory (ROM), random access memory (RAM), and non-volatile random access memory (NVRAM). Further, the processor 430 may also be referred to as a controller, a microcontroller, a microprocessor, a microcomputer, or the like. In addition, the processor 430 may be implemented by hardware, firmware, software, or a combination thereof.

버스(440)는 스마트 고독사 방지 시스템의 모든 구성요소들, 즉 통신기(410), 메모리(420) 및 프로세서(430)를 결합하도록 구성된다.The bus 440 is configured to combine all the components of the smart loneliness prevention system, that is, the communicator 410, the memory 420, and the processor 430.

이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있다.The embodiments of the present invention described above are not implemented only through an apparatus and a method, but may be implemented through a program that realizes a function corresponding to the configuration of the embodiment of the present invention or a recording medium on which the program is recorded.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.Although the embodiments of the present invention have been described in detail above, the scope of the present invention is not limited thereto, and various modifications and improvements by those skilled in the art using the basic concept of the present invention defined in the following claims are also provided. It belongs to the scope of rights.

Claims (11)

관찰 대상자인 객체의 댁내에 설치되며 비접촉식으로 상기 객체의 신체에 부착되지 않고 상기 객체의 생체 정보 및 행동 정보를 검출하는며, 상기 객체의 재실 감지를 수행하는 제1 정보 검출 장치;
상기 객체의 신체에 부착되어 상기 객체의 생체 정보 및 행동 정보를 검출하는 제2 정보 검출 장치; 및
기계 학습을 통해 생성된 학습 모델을 이용하여, 상기 제1 및 제2정보 검출 장치에 의해 검출된 생체 정보 및 행동 정보에 대한 이상 징후 및 응급 상황 여부를 검출하고, 상기 객체에 대해 응급상황이 검출되는 경우 대응되는 응급상황 처리를 수행하는 통합 관제 서버를 포함하며,
상기 통합 관제 서버는, 응급상황별 이상 징후의 관계를 나타내는 이상징후 지표를 이용하여, 상기 검출된 이상 징후에 따른 응급 상황 종류를 검출하며,
상기 제1정보 검출 장치는
상기 객체를 사선으로 바라보도록 설치되어 상기 객체의 재실 감지를 수행하는 IR-UWB(Impluse Radio-Ultra WideBand) 센서와, 상기 객체의 흉부 정면에 설치되어 상기 객체의 호흡수를 검출하는 IR-UWB 센서를 포함하는
고독사 방지 시스템.A first information detection device installed in a premises of an object to be observed, detecting biometric information and behavior information of the object without being attached to the body of the object in a non-contact manner, and detecting occupancy of the object;
A second information detection device attached to the body of the object to detect biometric information and behavior information of the object; And
Using a learning model generated through machine learning, abnormal signs and emergency situations are detected for the biometric information and behavior information detected by the first and second information detection devices, and an emergency situation is detected for the object. It includes an integrated control server that handles emergency situations in response,
The integrated control server detects an emergency situation type according to the detected abnormal symptom, using an abnormal symptom indicator indicating a relationship between abnormal symptoms for each emergency situation,
The first information detection device
An IR-UWB (Impluse Radio-Ultra WideBand) sensor installed to look at the object diagonally to detect occupancy of the object, and an IR-UWB sensor installed in front of the chest of the object to detect the respiratory rate of the object Including
Anti-solitude system. 제1항에 있어서,
상기 제2 정보 검출 장치는,
기계학습 시 사용되는, 상기 객체를 포함한 주변 영상을 촬영하는 촬영 장치; 및
기계학습 시 사용되는, 상기 객체의 심박을 포함한 생체 정보를 검출하는 스마트 밴드
를 포함하는, 고독사 방지 시스템.The method of claim 1,
The second information detection device,
A photographing device used during machine learning to photograph surrounding images including the object; And
Smart band that detects biometric information including the heartbeat of the object, used during machine learning
Containing, lonely death prevention system. 제1항에 있어서,
상기 통합 관제 서버는,
이상징후 대 응급상황으로 구성된 데이터 집합으로서 다량의 데이터를 기계학습하여 대응되는 상기 학습 모델을 생성하고, 생성된 상기 학습 모델을 사용하여 검출된 정보에 대한 응급상황 여부를 판단하여 제공하는 기계학습부;
상기 제1 정보 검출 장치 및 제2 정보 검출 장치로부터 검출된 데이터에 대해 상기 기계학습부를 통해 상기 객체의 이상징후를 판단하는 이상징후 판단부; 및
상기 이상징후 판단부에 의해 상기 객체의 이상징후가 판단되는 경우 상기 객체에 대한 응급상황 처리를 수행하는 응급상황 처리부
를 포함하는, 고독사 방지 시스템.The method of claim 1,
The integrated control server,
A machine learning unit that generates the corresponding learning model by machine learning a large amount of data as a data set consisting of abnormal symptoms versus emergency situations, and determines whether there is an emergency situation for detected information using the generated learning model. ;
An abnormal symptom determination unit for determining an abnormal symptom of the object through the machine learning unit with respect to the data detected from the first information detection device and the second information detection device; And
When the abnormal symptom of the object is determined by the abnormal symptom determination unit, an emergency situation processing unit that processes an emergency situation on the object
Containing, lonely death prevention system. 제3항에 있어서,
상기 이상징후 판단부에 의해 상기 객체의 이상징후가 판단되는 경우 상기 객체에게 연락하여 응답 여부를 확인하는 이상 확인부
를 더 포함하고,
상기 응급상황 처리부는 상기 이상 확인부에 의해 상기 객체의 응답이 없는 것으로 판단되는 경우 상기 응급상황 처리를 수행하는,
고독사 방지 시스템.The method of claim 3,
When the abnormal symptom of the object is determined by the abnormal symptom determination unit, an abnormality check unit that contacts the object to check whether a response has been made
Including more,
The emergency situation processing unit performs the emergency situation processing when it is determined that there is no response from the object by the abnormality checking unit,
Anti-solitude system. 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete
KR1020180138425A 2018-11-12 2018-11-12 Smart lonely deate protecting system and method thereof KR102188981B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180138425A KR102188981B1 (en) 2018-11-12 2018-11-12 Smart lonely deate protecting system and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180138425A KR102188981B1 (en) 2018-11-12 2018-11-12 Smart lonely deate protecting system and method thereof

Publications (2)

Publication Number Publication Date
KR20200054741A KR20200054741A (en) 2020-05-20
KR102188981B1 true KR102188981B1 (en) 2020-12-09

Family

ID=70919734

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180138425A KR102188981B1 (en) 2018-11-12 2018-11-12 Smart lonely deate protecting system and method thereof

Country Status (1)

Country Link
KR (1) KR102188981B1 (en)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102358036B1 (en) * 2020-07-09 2022-02-07 (주)사랑과 선행 Method of providing delivery service of lunch box personalized customer and system performing the same
KR102515955B1 (en) * 2020-12-08 2023-03-30 주식회사 서브원 System for analyzing user's state employing bigdata and AI employing diving
KR102546460B1 (en) * 2021-12-03 2023-06-26 (주)일렉콤 Platform for service and detecting of body action employing AI

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101196296B1 (en) * 2011-03-23 2012-11-06 한경대학교 산학협력단 Emergency monitoring system based on newly developed fall detection algorithm
KR20160139651A (en) * 2015-05-28 2016-12-07 주식회사 이에스피 Monitering System for the old and the weak
KR20170135563A (en) * 2016-05-31 2017-12-08 한국과학기술원 A neuromotor device in the form of a wearable device and a method of processing biometric information using the neuromotor device
KR101891887B1 (en) * 2016-09-08 2018-08-24 연세대학교 산학협력단 Image processing method, apparatus for predicting dangerous situation and method, server for predicting dangerous situation using thereof

Also Published As

Publication number Publication date
KR20200054741A (en) 2020-05-20

Similar Documents

Publication Publication Date Title
EP3673492B1 (en) Predicting, preventing, and controlling infection transmission within a healthcare facility using a real-time locating system and next generation sequencing
KR102188981B1 (en) Smart lonely deate protecting system and method thereof
US7918185B2 (en) Animal-herd management using distributed sensor networks
US11688265B1 (en) System and methods for safety, security, and well-being of individuals
CN107092806A (en) It is a kind of towards the intelligentized information fusion of old man's household and method for early warning
KR102284037B1 (en) AI Welfare Health Care Service system
KR101574593B1 (en) Smart Terminal Liaison type Real Time Medical Examination Method
US11145174B2 (en) Methods and system for monitoring an environment
CN105913614A (en) Method and device of monitoring tumbling, intelligent wearable device and tumbling alarm system
US20130013776A1 (en) Information processing device, information processing system, information processing method, and information storage medium
US11325777B2 (en) Systems and processes for space management of three dimensional containers including biological measurements
CN111914667A (en) Smoking detection method and device
WO2022192650A1 (en) Connected contact tracing
CN113132680A (en) Method, apparatus, device and medium for preventing person from missing
KR102299704B1 (en) System for smart deep learning video surveillance by linking disaster environment metadata
CN114897499A (en) Method and device for judging working state of staff in scenic spot
KR102371506B1 (en) System and method for checking status of construction site worker
US20220208392A1 (en) Monitoring potential contact based infection events
TWI590204B (en) Notification system of environment abnormality and the notification method of the same
KR102190759B1 (en) System and mehtod for monitering emergency situation
JP2019152914A (en) Nursing facility child watching system and information processing method
KR20230025553A (en) Livestock disease control system and method
KR20230024770A (en) Device and method for judging fall accidents based on artificial intelligence and providing a notification of the occurrence of a fall to a guardian's terminal
CN112689123A (en) Intelligent infectious disease early warning system and method
CN106993270B (en) Environmental condition exception notification system and method

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant