KR102250498B1 - 인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처 및 이를 구현하는 전자 장치 그리고 그의 동작 방법 - Google Patents

인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처 및 이를 구현하는 전자 장치 그리고 그의 동작 방법 Download PDF

Info

Publication number
KR102250498B1
KR102250498B1 KR1020190141849A KR20190141849A KR102250498B1 KR 102250498 B1 KR102250498 B1 KR 102250498B1 KR 1020190141849 A KR1020190141849 A KR 1020190141849A KR 20190141849 A KR20190141849 A KR 20190141849A KR 102250498 B1 KR102250498 B1 KR 102250498B1
Authority
KR
South Korea
Prior art keywords
person
indicators
items
information
processor
Prior art date
Application number
KR1020190141849A
Other languages
English (en)
Inventor
김태원
Original Assignee
한양대학교 산학협력단
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 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020190141849A priority Critical patent/KR102250498B1/ko
Priority to PCT/KR2020/013695 priority patent/WO2021091094A1/ko
Application granted granted Critical
Publication of KR102250498B1 publication Critical patent/KR102250498B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • G06Q50/265Personal security, identity or safety
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0006ECG or EEG signals
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/318Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346Analysis of electrocardiograms
    • A61B5/349Detecting specific parameters of the electrocardiograph cycle
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271Specific aspects of physiological measurement analysis
    • A61B5/7275Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/74Details of notification to user or communication with user or patient ; user input means
    • A61B5/746Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Cardiology (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Resources & Organizations (AREA)
  • Computing Systems (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)

Abstract

다양한 실시예들에 따른 전자 장치 및 그의 동작 방법은, 인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처를 기반으로 구현될 수 있다. 다양한 실시예들에 따르면, 전자 장치 및 그의 동작 방법은, 적어도 하나의 대상을 확인하고, 대상에 대한 계측값을 수집하고, 계측값으로부터, 적어도 하나의 파라미터를 기반으로 하는 정보를 검출하고, 정보를 기반으로, 대상에 대한 안전 및 생존을 위한 처리 방안을 결정하도록 구성될 수 있다.

Description

인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처 및 이를 구현하는 전자 장치 그리고 그의 동작 방법{ARCHITECTURE AND ELECTRONC DEVICE IMPLEMENTING THE ARCHITECTURE FOR SAFETY AND SURVIVABILITY WEARABLE SYSTEM BASED ON ARTIFICIAL INTELLIGENCE AND INTERNET OF THINGS, AND OPERATING METHOD THEREOF}
다양한 실시예들은 인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처와 이를 구현하는 전자 장치 및 그의 동작 방법에 관한 것이다.
최근, 웨어러블 디바이스 또는 시스템에 대한 관심이 점점 증가하고 있다. 웨어러블 디바이스란 사람의 신체에 착용할 수 있는 기기를 의미하며, 시계, 손목 및 발목형 밴드, 안경, 의복 등에 착용 가능한 형태로 된 장치를 의미한다. 1960년대 초보적 수준의 부착형 컴퓨터를 연구한 것이 웨어러블 디바이스의 시초라고 할 수 있다. 1970년대 시계형 계산기를 거쳐, 1980년대 배낭, 컴퓨터 등의 보다 현대적인 웨어러블 디바이스 개념에 가까운 기기들이 출시되었다. 제품의 소형경량화로 인해 1990년대에 이르러 보다 발전된 형태의 웨어러블 디바이스 또는 시스템이 출시되었고, 2000년대에는 무선 통신기술이 발달함에 따라 엔터테인먼트를 위한 디바이스가 등장하였다. 현재는 스마트폰의 보급이 활발하게 이루어짐에 따라 소셜 네트워크 서비스를 지원하는 네트워크 중심의 웨어러블 기기 개발이 빠르게 진행되고 있다.
한편, 사회안전, 재난관리 및 생활안전에 종사하는 임무자들은 근무환경에 따라 다양한 위협에 노출되어 있으며 이러한 위협들은 이들의 안전 및 생존에 직접적인 영향을 미치게 되고 따라서 생존신호정보를 기반으로 하는 기술 개발은 범국가적으로 매우 시급하며 필수적이다. 그러나 기존 제품들이 진단 및 계측할 수 있는 정보는 매우 단편적이며 안전과 생존에 관해 전문가 수준의 정보를 제공하는 데는 한계가 있다. 특히, 사람의 생체신호와 심리적 상태까지 연계한 진단, 분석기술과 함께 사물특성과 환경상태까지 통합한 정보화 기술과 이에 기반된 안전 및 생존 웨어러블 시스템을 위한 아키텍처 및 이를 구현하는 전자장치 그리고 그의 동작 방법은 전 세계적으로 전무하다.
다양한 실시예들은 사람의 신체, 사물, 환경의 정보뿐만 아니라 사람의 심리상태를 진단 또는 계측하여 신호처리하고 이를 수학적, 통계학적 기법을 적용해서 정보화 한 후 통신기반으로 신호화하는 안전 및 생존 웨어러블 시스템을 위한 아키텍처를 제안한다.
다양한 실시예들에 따른 전자 장치의 동작 방법은, 안전 및 생존을 위한 대상에 대한 맞춤형 서비스를 설계하도록 구현될 수 있다.
다양한 실시예들에 따르면, 전자 장치의 동작 방법은, 적어도 하나의 대상을 확인하는 동작, 상기 대상에 대한 계측값을 수집하는 동작, 상기 계측값으로부터, 적어도 하나의 파라미터를 기반으로 하는 정보를 검출하는 동작, 및 상기 정보를 기반으로, 상기 대상에 대한 안전 및 생존을 위한 처리 방안을 결정하는 동작을 포함할 수 있다.
다양한 실시예들에 따른 전자 장치는, 메모리, 및 상기 메모리와 연결되고, 안전 및 생존을 위한 대상에 대한 맞춤형 서비스를 설계하도록 구성되는 프로세서를 포함할 수 있다.
다양한 실시예들에 따르면, 상기 프로세서는, 적어도 하나의 대상을 확인하고, 상기 대상에 대한 계측값을 수집하고, 상기 계측값으로부터, 적어도 하나의 파라미터를 기반으로 하는 정보를 검출하고, 상기 정보를 기반으로, 상기 대상에 대한 안전 및 생존을 위한 처리 방안을 결정하도록 구성될 수 있다.
다양한 실시예들에 따른 비-일시적(non-transitory) 컴퓨터-판독 가능(computer-readable) 저장(storage) 매체(medium)는, 적어도 하나의 대상을 확인하는 동작, 상기 대상에 대한 계측값을 수집하는 동작, 상기 계측값으로부터, 적어도 하나의 파라미터를 기반으로 하는 정보를 검출하는 동작, 및 상기 정보를 기반으로, 상기 대상에 대한 안전 및 생존을 위한 처리 방안을 결정하는 동작을 실행하기 위한 하나 이상의 프로그램들을 저장할 수 있다.
다양한 실시예들에 따르면, 전자 장치에서, 인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처가 구현될 수 있다. 이 때 아키텍처는 안전 및 생존을 위한 대상에 대해 맞춤형으로 구현될 수 있다. 이를 통해, 전자 장치와 이를 위한 아키텍처는 대상에 대한 맞춤형 서비스를 제공할 수 있다.
뿐만 아니라, 아키텍처는 대상과 관련된 적어도 하나의 아이템을 분석하여, 대상에 맞춤형 서비스를 제공하도록 구현될 수 있다. 예를 들면, 아이템은 사람의 신체, 사람의 심리, 사람과 관련된 사물 또는 사람과 관련된 환경 중 적어도 어느 하나를 포함할 수 있다. 나아가, 아키텍처는 복수의 아이템들을 복합적으로 분석하여, 대상에 맞춤형 서비스를 제공하도록 구현될 수 있다. 이에 따라, 전자 장치와 이를 위한 아키텍처는 대상에 맞춤형 서비스를 제공하는 데 있어서, 보다 향상된 동작 효과를 제공할 수 있다.
구체적으로, 전자 장치가 이러한 아키텍처를 이용하여, 통신을 기반으로 웨어러블 디바이스를 소지한 대상자, 즉 개인의 안전 및 생존을 위한 맞춤형 서비스를 제공할 수 있다. 즉 전자 장치는 대상자에 대한 현재 상태를 파악하고, 아키텍처를 기반으로 대상자에 대한 안전 지수 및 처리 방안을 도출할 수 있다. 이에 따라, 사회안전, 재난관리 및 생활안전에 종사하는 임무자들과 대상자들의 직군과 유형별 위험 정도에 따른 맞춤형 서비스가 제공될 수 있다.
도 1은 다양한 실시예들에 따른 전자 장치를 도시하는 도면이다.
도 2는 도 1의 프로세서를 도시하는 도면이다.
도 3은 다양한 실시예들에 따른 전자 장치의 동작 방법을 도시하는 도면이다.
도 4는 제 1 실시예에 따른 사람의 생체지표를 결정하는 프로세스를 도시하는 도면이다.
도 5는 도 4의 계측값 수집 동작을 설명하기 위한 도면이다.
도 6은 도 4의 정보 분류 동작을 도시하는 도면이다.
도 7은 제 2 실시예에 따른 사물손상지표를 결정하는 프로세스를 도시하는 도면이다.
도 8은 도 7의 계측값 수집 동작을 설명하기 위한 도면이다.
도 9는 도 7의 정보 검출 동작을 설명하기 위한 도면이다.
도 10은 도 3의 대상 처리 방안 판단 동작을 도시하는 도면이다.
이하, 본 문서의 다양한 실시예들이 첨부된 도면을 참조하여 설명된다.
다양한 실시예들에 따른 전자 장치 및 그의 동작 방법은, 인공지능과 사물인터넷을 이용하여 안전 및 생존 웨어러블 시스템 구축을 위한 아키텍처 구현을 위해 제공된다. 다양한 실시예들에 따르면, 아키텍처는 안전 및 생존을 위한 대상(object)에 대한 맞춤형 서비스를 설계하도록 구현된다. 예를 들면, 대상은 사람과 관련되며, 경찰관, 소방관, 구급요원 등 사회안전 및 재난관리 임무자 뿐만 아니라 사고자, 응급환자, 노약자 등 생활안전 확보가 요구되는 사람으로부터 선택될 수 있다. 전자 장치는 적어도 하나의 대상과 관련된 적어도 하나의 아이템(item)을 기반으로, 아키텍처를 구현할 수 있다. 예를 들면, 아이템은 사람의 신체, 사람의 심리, 사람과 관련된 사물 또는 사람과 관련된 환경 중 적어도 어느 하나를 포함할 수 있다. 아키텍처는 대상 및 아이템에 대응하는 수학적 이론과 통계학적 모델을 기반으로 하는 인공지능 알고리즘을 이용하여, 구현될 수 있다.
도 1은 다양한 실시예들에 따른 전자 장치(100)를 도시하는 도면이다. 도 2는 도 1의 프로세서(150)를 도시하는 도면이다.
도 1을 참조하면, 다양한 실시예들에 따른 전자 장치(100)는, 센서 모듈(110), 입력 모듈(120), 출력 모듈(130), 메모리(140) 또는 프로세서(150) 중 적어도 어느 하나를 포함할 수 있다. 어떤 실시예에서는 전자 장치(100)의 구성 요소들 중 적어도 어느 하나가 생략되거나, 전자 장치(100)에 하나 이상의 다른 구성 요소들이 추가될 수 있다.
센서 모듈(110)은 전자 장치(100)의 외부 상태를 감지할 수 있다. 그리고 센서 모듈(110)은 외부 상태에 대한 측정값을 생성할 수 있다.
입력 모듈(120)은 전자 장치(100)의 구성 요소들 중 적어도 어느 하나에 사용될 명령 또는 데이터를 전자 장치(100)의 외부로부터 수신할 수 있다. 예를 들면, 입력 모듈은 마이크(microphone), 마우스 또는 키보드 중 적어도 어느 하나를 포함할 수 있다. 또는 입력 모듈(120)은 통신 모듈을 포함할 수 있다. 통신 모듈은 전자 장치(100)와 외부 기기 간 통신을 지원할 수 있다. 이 때 통신 모듈은 무선 통신 모듈 또는 유선 통신 모듈 중 적어도 어느 하나를 포함할 수 있다.
출력 모듈(130)은 전자 장치(100)의 외부로 정보를 제공할 수 있다. 이 때 출력 모듈(130)은 표시 모듈, 오디오 모듈 또는 통신 모듈 중 적어도 어느 하나를 포함할 수 있다. 표시 모듈은 정보를 시각적으로 출력할 수 있다. 예를 들면, 표시 모듈은 디스플레이, 홀로그램 장치, 또는 프로젝터 중 적어도 어느 하나를 포함할 수 있다. 오디오 모듈은 정보를 소리로 출력할 수 있다. 예를 들면, 오디오 모듈은 스피커를 포함할 수 있다. 통신 모듈은 전자 장치(100)와 외부 기기 간 통신을 지원할 수 있다. 이 때 통신 모듈은 무선 통신 모듈 또는 유선 통신 모듈 중 적어도 어느 하나를 포함할 수 있다.
메모리(140)는 전자 장치(100)의 구성 요소들 중 적어도 어느 하나에 의해 사용되는 프로그램 또는 데이터 중 적어도 어느 하나를 저장할 수 있다. 예를 들면, 메모리(140)는 휘발성 메모리 또는 비휘발성 메모리 중 적어도 어느 하나를 포함할 수 있다.
프로세서(150)는 메모리(140)의 프로그램을 실행하여, 전자 장치(100)의 구성 요소들 중 적어도 어느 하나를 제어할 수 있고, 데이터 처리 또는 연산을 수행할 수 있다. 프로세서(150)는 안전 및 생존을 위한 대상에 대한 맞춤형 서비스를 설계할 수 있다. 이 때 프로세서(150)는 대상과 관련된 적어도 어느 하나의 아이템을 기반으로, 대상에 대한 맞춤형 서비스를 설계할 수 있다. 예를 들면, 대상은 사람과 관련되며, 경찰관, 소방관, 구급요원, 사고자, 응급환자 또는 노약자 중 적어도 어느 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들면, 아이템은 사람의 신체, 사람의 심리, 사람과 관련된 사물 또는 사람과 관련된 환경 중 적어도 어느 하나를 포함할 수 있다. 전자 장치(100)는 대상 및 아이템에 대응하는 수학적 이론과 통계학적 모델을 기반으로 하는 인공지능 알고리즘을 이용하여, 아키텍처를 구현할 수 있다.
다양한 실시예들에 따르면, 프로세서(150)는, 도 2에 도시된 바와 같이 대상 확인부(210), 진단 및 계측부(220), 데이터 처리부(230), 정보 검출부(240), 정보 분류부(250) 및 결정부(260)를 포함할 수 있다.
대상 확인부(210)는 적어도 하나의 대상을 확인할 수 있다. 이 때 대상 확인부(210)는 대상과 함께, 대상과 관련된 적어도 하나의 아이템을 더 확인할 수 있다. 진단 및 계측부(220)는 센서 모듈(110) 또는 입력 모듈(120) 중 적어도 어느 하나를 통해, 대상에 대한 계측값을 수집할 수 있다. 이 때 진단 및 계측부(220)는 대상과 관련하여, 아이템에 대해 계측값을 수집할 수 있다.
데이터 처리부(230)는 계측값을 데이터로 처리할 수 있다. 정보 검출부(240)는 계측값에 대한 데이터로부터 정보를 검출할 수 있다. 정보 검출부(240)는 계측값으로부터, 적어도 하나의 파라미터를 기반으로 하는 정보를 검출할 수 있다. 이 때 데이터 처리부(230)가 대상 및 아이템과 관련된 적어도 하나의 알고리즘을 기반으로 계측값으로부터 파라미터를 검출할 수 있다. 그리고 정보 검출부(240)가 대상 및 아이템과 관련된 적어도 하나의 다른 알고리즘을 기반으로 정보를 검출할 수 있다. 여기서, 정보 검출부(240)는 파라미터를 기반으로, 계측값의 데이터베이스를 구축하고, 데이터베이스로부터 정보를 검출할 수 있다.
정보 분류부(250)는 정보를 기반으로, 적어도 하나의 지표를 도출할 수 있다. 이 때 정보 분류부(250)는 정보를 기반으로, 대상 및 아이템의 상태를 분류하기 위한 적어도 하나의 지표를 도출할 수 있다. 결정부(260)는 다양한 지표를 종합적으로 판단하여, 대상에 대한 안전 및 생존을 위한 처리 방안을 결정할 수 있다. 예를 들면, 처리 방안은 사전(pre-time) 처리 방안, 실시간(real-time) 처리 방안 또는 사후(post-time) 처리 방안 중 적어도 어느 하나를 포함할 수 있다.
다양한 실시예들에 따른 전자 장치(100)는, 메모리(140), 및 메모리(140)와 연결되고, 안전 및 생존을 위한 대상에 대한 맞춤형 서비스를 설계하도록 구성되는 프로세서(150)를 포함할 수 있다.
다양한 실시예들에 따르면, 프로세서(150)는, 적어도 하나의 대상을 확인하고, 대상에 대한 계측값을 수집하고, 계측값으로부터, 적어도 하나의 파라미터를 기반으로 하는 정보를 검출하고, 정보를 기반으로, 대상에 대한 안전 및 생존을 위한 처리 방안을 결정하도록 구성될 수 있다.
다양한 실시예들에 따르면, 프로세서(150)는, 대상과 관련된 적어도 하나의 아이템을 확인하고, 대상과 관련하여, 아이템에 대해 계측값을 수집하도록 구성될 수 있다.
다양한 실시예들에 따르면, 대상은, 사람과 관련되며, 아이템은, 사람의 신체, 사람의 심리, 사람과 관련된 사물 또는 사람과 관련된 환경 중 적어도 어느 하나를 포함할 수 있다.
다양한 실시예들에 따르면, 프로세서(150)는, 대상으로부터의 측정값을 계측값으로 수집하거나, 외부로부터의 입력값을 계측값으로 수집하도록 구성될 수 있다.
다양한 실시예들에 따르면, 프로세서(150)는, 대상 및 아이템과 관련된 적어도 하나의 알고리즘을 기반으로 계측값으로부터 파라미터를 검출하고, 파라미터를 기반으로, 계측값의 데이터베이스를 구축하고, 대상 및 아이템과 관련된 적어도 하나의 다른 알고리즘을 기반으로 데이터베이스를 분석하여, 정보를 검출하도록 구성될 수 있다.
다양한 실시예들에 따르면, 프로세서(150)는, 정보를 기반으로, 대상 및 아이템의 상태를 분류하기 위한 적어도 하나의 지표를 도출하고, 지표에 대응하여, 처리 방안을 결정하도록 구성될 수 있다.
다양한 실시예들에 따르면, 처리 방안은 사전 처리 방안, 실시간 처리 방안 또는 사후 처리 방안 중 적어도 어느 하나를 포함할 수 있다.
도 3은 다양한 실시예들에 따른 전자 장치(100)의 동작 방법을 도시하는 도면이다.
도 3을 참조하면, 전자 장치(100)는 310 동작에서 대상 및 대상과 관련된 적어도 하나의 아이템을 확인할 수 있다. 대상은 안전 및 생존을 위한 사람과 관련될 수 있다. 예를 들면, 대상은 경찰관, 소방관, 구급요원, 사고자, 응급환자 또는 노약자 중 적어도 어느 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들면, 아이템은 사람의 신체, 사람의 심리, 사람과 관련된 사물 또는 사람과 관련된 환경 중 적어도 어느 하나를 포함할 수 있다.
전자 장치(100)는 320 동작에서 대상 및 아이템에 대한 계측값을 수집할 수 있다. 프로세서(150)는 센서 모듈(110) 또는 입력 모듈(120) 중 적어도 어느 하나를 통해, 대상에 대한 계측값을 수집할 수 있다. 이 때 프로세서(150)는 센서 모듈(110)을 통해, 대상으로부터의 측정값을 계측값으로 수집할 수 있다. 또는 프로세서(150)는 입력 모듈(120)을 통해 외부로부터의 입력값을 계측값으로 수집할 수 있다. 여기서, 입력값은 외부 기기에서 대상으로부터 측정된 값일 수 있으며, 외부 기기에서 설문, 문진 또는 인터뷰 등을 통해 대상으로부터 획득된 값일 수 있다.
전자 장치(100)는 330 동작에서 계측값을 데이터로 처리할 수 있다. 프로세서(150)는 대상 및 아이템과 관련된 적어도 하나의 알고리즘을 기반으로 계측값으로부터 적어도 하나의 파라미터를 검출할 수 있다. 예를 들면, 알고리즘은 버터워스(Butterworth) 알고리즘, STFT(Short-Time Fourier Transform) 알고리즘 또는 판-톰킨스(Pan-Tompkins) 알고리즘과 같은 파리미터 추출 알고리즘을 포함할 수 있다. 일 예로, 사람의 신체와 관련하여, 프로세서(150)는 버터워스 알고리즘 및 판-톰킨스 알고리즘을 기반으로, 계측값으로부터 파라미터를 검출할 수 있다. 다른 예로, 사람과 관련된 사물과 관련하여, 프로세서(150)는 STFT 알고리즘을 기반으로, 계측값으로부터 파라미터를 검출할 수 있다.
전자 장치(100)는 340 동작에서 적어도 하나의 파라미터를 기반으로 정보를 검출할 수 있다. 프로세서(150)는 대상 및 아이템과 관련된 적어도 하나의 다른 알고리즘을 기반으로 정보를 검출할 수 있다. 여기서, 프로세서(150)는 파라미터를 기반으로, 계측값의 데이터베이스를 구축하고, 데이터베이스로부터 정보를 검출할 수 있다. 예를 들면, 다른 알고리즘은, 머신러닝(machine learning), 딥러닝(deep learning) 또는 메타분석(meta analysis) 중 적어도 어느 하나를 위한 알고리즘을 포함할 수 있다. 일 예로, 사람의 신체와 관련하여, 프로세서(150)는 XGboosting(Extreme Gradient Boosting) 알고리즘 및 분류(classification) 알고리즘을 기반으로, 정보를 검출할 수 있다. 다른 예로, 사람과 관련된 사물과 관련하여, 프로세서(150)는 계층(hierarchical) 알고리즘 및 케라스(Keras) 알고리즘과 같은 머신러닝 알고리즘을 기반으로, 정보를 검출할 수 있다.
전자 장치(100)는 350 동작에서 정보를 분류할 수 있다. 이 때 프로세서(150)는 정보를 기반으로, 적어도 하나의 지표를 도출할 수 있다. 여기서, 프로세서(150)는 정보를 기반으로, 대상 및 아이템의 상태를 분류하기 위한 적어도 하나의 지표를 도출할 수 있다. 예를 들면, 프로세서(150)는 사람의 신체와 관련하여 적어도 하나의 생체 지표를 도출하고, 사람의 심리와 관련하여 적어도 하나의 심리 지표를 도출하고, 사람과 관련된 사물과 관련하여 적어도 하나의 사물 손상 지표를 도출하고, 사람과 관련된 환경과 관련하여 환경 지표를 도출할 수 있다.
전자 장치(100)는 360 동작에서 대상에 대한 처리 방안을 결정할 수 있다. 이 때 프로세서(150)는 지표에 대응하여, 대상에 대한 안전 및 생존을 위한 처리 방안을 결정할 수 있다. 예를 들면, 처리 방안은 사전 처리 방안, 실시간 처리 방안 또는 사후 처리 방안 중 적어도 어느 하나를 포함할 수 있다. 여기서, 프로세서(150)는 지표에 대응하여 안전 지수를 할당하고, 안전 지수에 대응하여 처리 방안을 결정할 수 있다.
도 4는 제 1 실시예에 따른 전자 장치의 동작 방법을 도시하는 도면이다. 도 5는 도 4의 계측값 수집 동작을 설명하기 위한 도면이다.
도 4를 참조하면, 전자 장치(100)는 410 동작에서 대상 및 대상과 관련된 아이템을 확인할 수 있다. 이 때 대상은 사람이고, 아이템은 사람의 신체이다.
전자 장치(100)는 420 동작에서 대상 및 아이템에 대한 계측값을 수집할 수 있다. 이 때 프로세서(150)는 생체 신호를 계측값으로 수집할 수 있다. 예를 들면, 계측값은 심전도(electrocardiogram) 센서를 통해 수집되는 심전도 신호일 수 있다. 여기서, 프로세서(150)는 여러 명의 사람으로부터 심전도 신호(출처: PhysioBank ATM - PhysioNet)를 수집할 수 있다. 심전도 신호는, 도 5에 도시된 바와 같이 복수 개의 특징점들, 즉 P 점, Q 점, R 점, S 점 및 T 점을 가질 수 있다. P 점은 심방 탈분극 시기의 발생을 나타내고, Q 점, R 점 및 S 점은 심실 탈분극 시기를 나타내고, T 점은 심실 재분극 시기를 나타내고, 이러한 특징점들의 간격과 진폭으로부터 심장의 질환이 진단될 수 있다.
전자 장치(100)는 430 동작에서 계측값을 데이터로 처리할 수 있다. 프로세서(150)는 대상 및 아이템과 관련된 적어도 하나의 알고리즘을 기반으로 계측값으로부터 적어도 하나의 파라미터를 검출할 수 있다. 예를 들면, 프로세서(150)는 431 동작에서 버터워스 알고리즘을 이용하여, 심전도 신호를 필터링할 수 있다. 그리고 프로세서(150)는 433 동작에서 판-톰킨스 알고리즘을 적용하여, 심전도 신호로부터 부정맥 질환을 진단하기 위한 적어도 하나의 파라미터를 추출할 수 있다. 여기서, 프로세서(150)는 하기 [표 1]과 같은 파라미터를 추출할 수 있다.
Figure 112019114440468-pat00001
전자 장치(100)는 440 동작에서 적어도 하나의 파라미터를 기반으로 정보를 검출할 수 있다. 프로세서(150)는 대상 및 아이템과 관련된 적어도 하나의 다른 알고리즘을 기반으로 정보를 검출할 수 있다. 예를 들면, 프로세서(150)는 441 동작에서, 433 동작에서 추출된 파라미터와 부정맥 질환 간의 인과성 분석을 통해, 파라미터 중 적어도 어느 하나를 주요 인자로 결정할 수 있다. 여기서, 프로세서(150)는 mRMR(Minimum redundancy maximum relevance) 알고리즘을 적용하여, 하기 [표 2]와 같이 부정맥 질환에 가장 큰 영향을 미치는 5 개의 파라미터들을 주요 인자들로 결정할 수 있다. 그리고 프로세서(150)는 443 동작에서 주요 인자를 기반으로, 계측값의 데이터베이스를 구축할 수 있다. 여기서, 프로세서(150)는 하기 [표 3]과 같이 데이터베이스를 구축할 수 있다. 이 후 프로세서(150)는 445 동작에서 XGboosting 알고리즘을 적용하고, 447 동작에서 분류 알고리즘을 적용하여, 데이터베이스를 기반으로 대상을 부정맥 환자와 정상인으로 구분하도록 학습할 수 있다. 여기서, 프로세서(150)는 하기 [표 3]과 같이 데이터베이스를 기반으로 부정맥 환자를 추출할 수 있다.
Figure 112019114440468-pat00002
Figure 112019114440468-pat00003
예를 들면, 검증을 위해, 별도로 15 명의 사람들로부터 심전도 신호(출처: PhysioBank ATM - PhysioNet)를 수집하여 430 동작 및 440 동작을 수행한 결과, 상당히 높은 진단 예측 정확도가 확인될 수 있다. 여기서, 430 동작 및 440 동작을 수행한 결과에 따른 진단 예측 결과와 실제 진단 결과는, 하기 [표 4]와 같이 나타나며, 이를 통해 93.3 %의 진단 예측 정확도가 나타날 수 있다.
Figure 112019114440468-pat00004
전자 장치(100)는 450 동작에서 정보를 분류할 수 있다. 이 때 프로세서(150)는 정보를 기반으로, 대상 및 아이템의 상태를 분류하기 위한 적어도 하나의 지표를 도출할 수 있다. 예를 들면, 프로세서(150)는 1에서 10까지의 생체 지표들을 도출할 수 있다.
도 6은 도 4의 정보 분류 동작을 도시하는 도면이다.
도 6을 참조하면, 프로세서(150)는 610 동작에서 각각의 주요 인자에 대해, 계측값의 편차 절대값을 산출할 수 있다. 그리고 프로세서(150)는 620 동작에서 각각의 주요 인자에 대해, 하기 [표 5]와 같이 편차 범위에 따라 스코어(score)를 부여할 수 있다. 이 후 프로세서(150)는 630 동작에서 주요 인자들의 스코어들에 대한 제곱 평균 제곱근(RMS, Root mean square) 계산을 수행할 수 있다. 이를 통해, 프로세서(150)는 640 동작에서 생체 지표를 결정할 수 있다. 여기서, 주요 인자 중 부정맥 질환과 가장 높은 상관 관계를 갖는 RR intervals와 NN 50의 스코어가 10일 경우, 프로세서(150)는 생체 지표를 10으로 부여할 수 있다. 일 예로, 프로세서(150)는 상기 [표 4]에서 Case No. 3에 해당하는 계측값에 대응하여, 하기 [표 6]과 같이 각각의 주요 인자에 대해 스코어를 부여하고, 해당 계측값에 대해 생체 지표를 부여할 수 있다.
Figure 112019114440468-pat00005
Figure 112019114440468-pat00006
전자 장치(100)는 460 동작에서 대상에 대한 처리 방안을 결정할 수 있다. 이 때 프로세서(150)는 지표에 대응하여, 대상에 대한 안전 및 생존을 위한 처리 방안을 결정할 수 있다. 여기서, 처리 방안은 사전 처리 방안, 실시간 처리 방안 또는 사후 처리 방안 중 적어도 어느 하나를 포함할 수 있다. 예를 들면, 프로세서(150)는 생체 지표들을 적어도 하나의 안전 지수에 대응시킬 수 있다. 일 예로, 프로세서(150)는 생체 지표들을 1 내지 4, 5 내지 7, 및 8 내지10에 각각 해당하는 세 개의 단계들, 즉 안전 지수들로 분류할 수 있다. 여기서, 안전 지수들은 각각 안전, 주의 및 경고, 그리고 위험 및 응급상황을 나타낼 수 있다. 그리고 프로세서(150)는 각각의 안전 지수에 대응하여, 처리 방안을 결정할 수 있다. 일 예로, 프로세서(150)는 주의 및 경고에 해당하는 안전 지수에 대응하여, 실시간 케어(care) 또는 사후 케어(care)를 위한 처리 방안을 결정하고, 위험 및 응급상황에 해당하는 안전 지수에 대응하여, 사전 통지(notification) 또는 실시간 케어(care)를 위한 처리 방안을 결정할 수 있다.
도 7은 제 2 실시예에 따른 전자 장치(100)의 동작 방법을 도시하는 도면이다. 도 8은 도 7의 계측값 수집 동작을 설명하기 위한 도면이다. 도 9는 도 7의 정보 검출 동작을 설명하기 위한 도면이다.
도 7을 참조하면, 전자 장치(100)는 710 동작에서 대상 및 대상과 관련된 아이템을 확인할 수 있다. 이 때 대상은 사람이고, 아이템은 사람과 관련된 사물, 예컨대 소방관의 소방복일 수 있다.
전자 장치(100)는 720 동작에서 대상 및 아이템에 대한 계측값을 수집할 수 있다. 이 때 프로세서(150)는 사물에 대한 손상 신호를 계측값으로 수집할 수 있다. 예를 들면, 계측값은 AE(Acoustic emission) 센서를 통해 수집되는 AE 신호일 수 있다. 여기서, 도 6에 도시된 바와 같은 장비가 임의의 변위 제어를 통해 알루미늄과 직물 타입의 CFRP(Carbon fiber reinforced plastic) 시편을 대상으로 3mm/min 속도로 인장 시험을 진행하는 중에, 프로세서(150)는 AE 센서를 통해 AE 신호를 수집할 수 있다.
전자 장치(100)는 730 동작에서 계측값을 데이터로 처리할 수 있다. 프로세서(150)는 대상 및 아이템과 관련된 적어도 하나의 알고리즘을 기반으로 계측값으로부터 적어도 하나의 파라미터를 검출할 수 있다. 예를 들면, 프로세서(150)는 STFT 알고리즘을 적용하여, 복합 재료의 파손 모드를 결정하기 위한 AE 신호의 진폭과 최대 주파수를 파라미터들로 검출할 수 있다.
전자 장치(100)는 740 동작에서 적어도 하나의 파라미터를 기반으로 정보를 검출할 수 있다. 프로세서(150)는 대상 및 아이템과 관련된 적어도 하나의 다른 알고리즘을 기반으로 정보를 검출할 수 있다. 예를 들면, 프로세서(150)는 741 동작에서 계층 알고리즘을 적용하여, 도 9에 도시된 바와 같이 730 동작에서 추출된 파라미터를 기반으로, 계측값을 적어도 하나의 클러스터로 클러스터링할 수 있다. 이를 통해, 프로세서(150)는 743 동작에서 클러스터를 기반으로, 하기 [표 7]과 같이 데이터베이스를 구축할 수 있다. 여기서, 각각의 클러스터는, 하기 [표 8]과 같이 각각의 파손 모드와 대응될 수 있다. 이 후 프로세서(150)는 745 동작에서 케라스 알고리즘을 적용하여, 데이터베이스를 기반으로 대상의 각각의 클러스터에 대한 파손 모드를 식별하도록 학습할 수 있다. 여기서, 프로세서(150)는 데이터베이스를 기반으로 각각의 클러스터에 대한 파손 모드를 추출할 수 있다.
Figure 112019114440468-pat00007
Figure 112019114440468-pat00008
예를 들면, 검증을 위해, 탄소섬유 강화 복합재료로부터 AE 신호를 수집하여 730 및 740 동작을 수행한 결과, 상당히 높은 예측 정확도가 확인될 수 있다. 여기서, 730 동작 및 740 동작을 수행한 결과는, 하기 [표 9]와 같이 나타날 수 있다. 그리고 하기 [표 9]를 기반으로 하는 예측 결과로서의 클러스터링 생성 결과와 실제 파손 모드는, 하기 [표 10]과 같이 나타나며, 이를 통해 93.75 %의 예측 정확도가 나타날 수 있다. 이를 통해, 복합 재료의 내부에서 발생하는 미시적 손상에 따른 위험 정도가 빅데이터를 기반으로 빠르고 효율적으로 계산될 수 있었다.
Figure 112019114440468-pat00009
Figure 112019114440468-pat00010
전자 장치(100)는 750 동작에서 정보를 분류할 수 있다. 이 때 프로세서(150)는 정보를 기반으로, 대상 및 아이템의 상태를 분류하기 위한 적어도 하나의 지표를 도출할 수 있다. 예를 들면, 프로세서(150)는, 하기 [표 11]과 같이 각각의 클러스터에 대응하여, 1에서 10까지의 사물 손상 지표들을 도출할 수 있다.
전자 장치(100)는 760 동작에서 대상에 대한 처리 방안을 결정할 수 있다. 이 때 프로세서(150)는 지표에 대응하여, 대상에 대한 안전 및 생존을 위한 처리 방안을 결정할 수 있다. 여기서, 처리 방안은 사전 처리 방안, 실시간 처리 방안 또는 사후 처리 방안 중 적어도 어느 하나를 포함할 수 있다. 예를 들면, 프로세서(150)는, 하기 [표 11]과 같이 사물 손상 지표들을 1 내지 4, 5 내지 8, 및 9 내지 10에 각각 해당하는 세 개의 단계들, 즉 안전 지수들로 분류할 수 있다. 여기서, 안전 지수들은 각각 안전, 주의 및 경고, 그리고 위험을 나타낼 수 있다. 이를 기반으로, 상기 [표 9]의 Case No. 별 사물 손상 지표와 안전 여부가 하기 [표 12]와 같이 도출될 수 있다.
Figure 112019114440468-pat00011
Figure 112019114440468-pat00012
도 3을 다시 참조하면, 전자 장치(100)는 350 동작에서 특정 대상에 대하여, 생체 지표 A, 심리 지표 B, 사물 손상 지표 C 및 환경 지표 D를 독립적으로 도출할 수 있다. 예를 들면, 생체 지표 A, 심리 지표 B, 사물 손상 지표 C 및 환경 지표 D가 하기 [표 13]과 같이 도출될 수 있다. 이러한 경우, 전자 장치(100)는 360 동작에서 생체 지표 A, 심리 지표 B, 사물 손상 지표 C 및 환경 지표 D를 종합적으로 판단하여, 안전 지수를 할당하고, 안전 지수에 대응하여 대상에 대한 안전 및 생존을 위한 처리 방안을 결정할 수 있다.
Figure 112019114440468-pat00013
도 10은 도 3의 대상 처리 방안 판단 동작을 도시하는 도면이다.
도 10을 참조하면, 프로세서(115)는 1110 동작에서 생체 지표 A, 심리 지표 B, 사물 손상 지표 C 및 환경 지표 D에 대한 상관도 분석을 수행할 수 있다. 예를 들면, 프로세서(115)는 생체 지표 A, 심리 지표 B, 사물 손상 지표 C 및 환경 지표 D에 대해, 피어슨 상관 분석을 실시할 수 있다. 이를 통해, 프로세서(115)는 1120 동작에서 생체 지표 A, 심리 지표 B, 사물 손상 지표 C 및 환경 지표 D에 대한 상관 계수들을 결정할 수 있다. 여기서, 프로세서(115)는, 생체 지표 A-환경 지표 D, 생체 지표 A-심리 지표 B, 생체 지표 A-사물 손상 지표 C, 심리 지표 B-환경 지표 D, 심리 지표 B-사물 손상 지표 C, 그리고 사물 손상 지표 C-환경 지표 D 간 총 6개의 상관 계수들 a, b, c, d, e, f를 결정할 수 있다. 예를 들면, 프로세서(115)는 하기 [표 14]에 도시된 바와 같이 상관 계수들 a, b, c, d, e, f를 결정할 수 있다.
Figure 112019114440468-pat00014
프로세서(115)는 1130 동작에서 생체 지표 A, 심리 지표 B, 사물 손상 지표 C 및 환경 지표 D를 각각 업데이트할 수 있다. 이 때 프로세서(115)는 생체 지표 A, 심리 지표 B, 사물 손상 지표 C 및 환경 지표 D와 상관 계수들 a, b, c, d, e, f을 이용하여, 생체 지표 A, 심리 지표 B, 사물 손상 지표 C 및 환경 지표 D를 각각 업데이트할 수 있다. 이를 통해, 프로세서(115)는 새로운(New) 생체 지표 A', 새로운 심리 지표 B', 새로운 사물 손상 지표 C' 및 새로운 환경 지표 D'를 계산할 수 있다. 여기서, 새로운 생체 지표 A', 새로운 심리 지표 B', 새로운 사물 손상 지표 C' 및 새로운 환경 지표 D'는 각각 최대 10으로 결정될 수 있다.
프로세서(115)는 1150 동작에서 새로운 생체 지표 A', 새로운 심리 지표 B', 새로운 사물 손상 지표 C' 또는 새로운 환경 지표 D' 중 어느 하나가 10인 지의 여부를 판단할 수 있다. 1150 동작에서 새로운 생체 지표 A', 새로운 심리 지표 B', 새로운 사물 손상 지표 C' 또는 새로운 환경 지표 D' 중 어느 하나가 10인 것으로 판단되면, 프로세서(115)는 1160 동작에서 10에 대응하는 안전 지수를 할당하고, 안전 지수에 대응하여 처리 방안을 결정할 수 있다. 한편, 1150 동작에서 새로운 생체 지표 A', 새로운 심리 지표 B', 새로운 사물 손상 지표 C' 또는 새로운 환경 지표 D' 중 어느 하나가 10이 아닌 것으로 판단되면, 프로세서(115)는 1170 동작에서 새로운 생체 지표 A', 새로운 심리 지표 B', 새로운 사물 손상 지표 C' 및 새로운 환경 지표 D'의 평균값에 대응하여 안전 지수들을 할당하고, 안전 지수에 대응하여 처리 방안을 결정할 수 있다.
예를 들면, 프로세서(115)는 하기 [표 15]와 같이 생체 지표 A, 심리 지표 B, 사물 손상 지표 C 및 환경 지표 D를 기반으로 새로운 생체 지표 A', 새로운 심리 지표 B', 새로운 사물 손상 지표 C' 및 새로운 환경 지표 D'를 결정하고, 최종적으로 안전 지수들을 할당할 수 있다. 이에 따라, 프로세서(115)가 안전, 주의 및 경고, 그리고 위험 및 응급 상황에 각각 해당하는 안전 지수들을 할당할 수 있다.
Figure 112019114440468-pat00015
다양한 실시예들에 따른 전자 장치(100)의 동작 방법은, 안전 및 생존을 위한 대상에 대한 맞춤형 서비스를 설계하도록 구현될 수 있다.
다양한 실시예들에 따르면, 전자 장치(100)의 동작 방법은, 적어도 하나의 대상을 확인하는 동작, 대상에 대한 계측값을 수집하는 동작, 계측값으로부터, 적어도 하나의 파라미터를 기반으로 하는 정보를 검출하는 동작, 및 정보를 기반으로, 대상에 대한 안전 및 생존을 위한 처리 방안을 결정하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 대상 확인 동작은, 대상과 관련된 적어도 하나의 아이템을 확인하는 동작을 포함하고, 계측값은 대상과 관련하여, 아이템에 대해 수집될 수 있다.
다양한 실시예들에 따르면, 대상은, 사람과 관련되며, 아이템은, 사람의 신체, 사람의 심리, 사람과 관련된 사물 또는 사람과 관련된 환경 중 적어도 어느 하나를 포함할 수 있다.
다양한 실시예들에 따르면, 계측값 수집 동작은, 대상으로부터의 측정값을 계측값으로 수집하는 동작, 또는 외부로부터의 입력값을 계측값으로 수집하는 동작 중 적어도 어느 하나를 포함할 수 있다.
다양한 실시예들에 따르면, 정보 검출 동작은, 대상 및 아이템과 관련된 적어도 하나의 알고리즘을 기반으로 계측값으로부터 파라미터를 검출하는 동작, 파라미터를 기반으로, 계측값의 데이터베이스를 구축하는 동작, 및 대상 및 아이템과 관련된 적어도 하나의 다른 알고리즘을 기반으로 데이터베이스를 분석하여, 정보를 검출하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 처리 방안 판단 동작은, 정보를 기반으로, 대상 및 아이템의 상태를 분류하기 위한 적어도 하나의 지표를 도출하는 동작, 및 지표에 대응하여, 처리 방안을 결정하는 동작을 포함할 수 있다.
다양한 실시예들에 따르면, 처리 방안은 사전 처리 방안, 실시간 처리 방안 또는 사후 처리 방안 중 적어도 어느 하나를 포함할 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(100))에 의해 읽을 수 있는 저장 매체(storage medium)(예: 메모리(140))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어로서 구현될 수 있다. 예를 들면, 기기의 프로세서(예: 프로세서(150))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체 는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
다양한 실시예들에 따른 비-일시적(non-transitory) 컴퓨터-판독 가능(computer-readable) 저장(storage) 매체(medium)는, 적어도 하나의 대상을 확인하는 동작, 대상에 대한 계측값을 수집하는 동작, 계측값으로부터, 적어도 하나의 파라미터를 기반으로 하는 정보를 검출하는 동작, 및 정보를 기반으로, 대상에 대한 안전 및 생존을 위한 처리 방안을 결정하는 동작을 실행하기 위한 하나 이상의 프로그램들을 저장할 수 있다.
다양한 실시예들에 따르면, 전자 장치(100)에서, 인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처가 구현될 수 있다. 이 때 아키텍처는 안전 및 생존을 위한 대상에 대해 맞춤형으로 구현될 수 있다. 이를 통해, 전자 장치(100)는 대상에 대한 맞춤형 서비스를 제공할 수 있다.
뿐만 아니라, 아키텍처는 대상과 관련된 적어도 하나의 아이템을 분석하여, 대상에 맞춤형 서비스를 제공하도록 구현될 수 있다. 예를 들면, 아이템은 사람의 신체, 사람의 심리, 사람과 관련된 사물 또는 사람과 관련된 환경 중 적어도 어느 하나를 포함할 수 있다. 나아가, 아키텍처는 복수의 아이템들을 복합적으로 분석하여, 대상에 맞춤형 서비스를 제공하도록 구현될 수 있다. 이에 따라, 전자 장치(100)는 대상에 맞춤형 서비스를 제공하는 데 있어서, 보다 향상된 동작 효과를 제공할 수 있다.
구체적으로, 전자 장치(100)가 이러한 아키텍처를 이용하여, 통신을 기반으로 웨어러블 디바이스를 소지한 대상자, 즉 개인의 안전 및 생존을 위한 맞춤형 서비스를 제공할 수 있다. 즉 전자 장치(100)는 대상자에 대한 현재 상태를 파악하고, 아키텍처를 기반으로 대상자에 대한 안전 지수 및 처리 방안을 도출할 수 있다. 이에 따라, 사회안전, 재난관리 및 생활안전에 종사하는 임무자들과 대상자들의 직군과 유형별 위험 정도에 따른 맞춤형 서비스가 제공될 수 있다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성 요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", "첫째" 또는 "둘째" 등의 표현들은 해당 구성 요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성 요소를 다른 구성 요소와 구분하기 위해 사용될 뿐 해당 구성 요소들을 한정하지 않는다. 어떤(예: 제 1) 구성 요소가 다른(예: 제 2) 구성 요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성 요소가 상기 다른 구성 요소에 직접적으로 연결되거나, 다른 구성 요소(예: 제 3 구성 요소)를 통하여 연결될 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
다양한 실시예들에 따르면, 기술한 구성 요소들의 각각의 구성 요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있다. 다양한 실시예들에 따르면, 전술한 해당 구성 요소들 중 하나 이상의 구성 요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성 요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성 요소들(예: 모듈 또는 프로그램)은 하나의 구성 요소로 통합될 수 있다. 이런 경우, 통합된 구성 요소는 복수의 구성 요소들 각각의 구성 요소의 하나 이상의 기능들을 통합 이전에 복수의 구성 요소들 중 해당 구성 요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (15)

  1. 안전 및 생존을 위한 대상에 대한 맞춤형 서비스를 설계하도록 구현되는 전자 장치의 동작 방법에 있어서,
    적어도 하나의 대상 및 상기 대상과 관련된 복수의 아이템들을 확인하는 동작;
    상기 대상과 관련하여, 상기 아이템들의 각각에 대해 계측값을 수집하는 동작;
    상기 계측값으로부터, 상기 아이템들의 각각과 관련된 적어도 하나의 파라미터를 기반으로 하는 정보를 검출하는 동작; 및
    수학적 이론과 통계학적 모델을 기반으로 하는 인공지능 알고리즘을 이용하여, 상기 정보를 기반으로, 상기 대상에 대한 안전 및 생존을 위한 처리 방안을 결정하는 동작을 포함하고,
    상기 대상은, 사람과 관련되고,
    상기 아이템들은, 상기 사람의 신체, 상기 사람의 심리, 상기 사람과 관련된 사물 또는 상기 사람과 관련된 환경 중 적어도 두 개를 포함하고,
    상기 처리 방안을 결정하는 동작은,
    상기 정보를 기반으로, 상기 대상에 대하여, 상기 아이템들의 각각에 대한 상태를 분류하기 위한 지표들을 각각 도출하는 동작;
    상기 인공지능 알고리즘을 기반으로 상기 지표들에 대한 상관도 분석을 수행하여, 상기 지표들로부터 결정되는 적어도 한 쌍의 지표들 사이의 상관 계수를 결정하는 동작;
    상기 상관 계수를 이용하여, 상기 지표들을 각각 업데이트하는 동작; 및
    상기 업데이트된 지표들에 기반하여, 상기 처리 방안을 결정하는 동작을 포함하는 방법.
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서, 상기 계측값을 수집하는 동작은,
    상기 대상으로부터의 측정값을 상기 계측값으로 수집하는 동작; 또는
    외부로부터의 입력값을 상기 계측값으로 수집하는 동작 중 적어도 어느 하나를 포함하는 방법.
  5. 제 1 항에 있어서, 상기 정보를 검출하는 동작은,
    상기 대상 및 상기 아이템들의 각각과 관련된 적어도 하나의 알고리즘을 기반으로 상기 계측값으로부터 상기 파라미터를 검출하는 동작;
    상기 파라미터를 기반으로, 상기 계측값의 데이터베이스를 구축하는 동작; 및
    상기 대상 및 상기 아이템들의 각각과 관련된 적어도 하나의 다른 알고리즘을 기반으로 상기 데이터베이스를 분석하여, 상기 정보를 검출하는 동작을 포함하는 방법.
  6. 삭제
  7. 제 1 항에 있어서,
    상기 처리 방안은 사전 처리 방안, 실시간 처리 방안 또는 사후 처리 방안 중 적어도 어느 하나를 포함하는 방법.
  8. 전자 장치에 있어서,
    메모리; 및
    상기 메모리와 연결되고, 수학적 이론과 통계학적 모델을 기반으로 하는 인공지능 알고리즘을 기반으로 안전 및 생존을 위한 대상에 대한 맞춤형 서비스를 설계하도록 구성되는 프로세서를 포함하고,
    상기 프로세서는,
    적어도 하나의 대상 및 상기 대상과 관련된 복수의 아이템들을 확인하고,
    상기 대상과 관련하여, 상기 아이템들의 각각에 대해 계측값을 수집하고,
    상기 계측값으로부터, 상기 아이템들의 각각과 관련된 적어도 하나의 파라미터를 기반으로 하는 정보를 검출하고,
    상기 정보를 기반으로, 상기 대상에 대한 안전 및 생존을 위한 처리 방안을 결정하도록 구성되고,
    상기 대상은, 사람과 관련되고,
    상기 아이템들은, 상기 사람의 신체, 상기 사람의 심리, 상기 사람과 관련된 사물 또는 상기 사람과 관련된 환경 중 적어도 두 개를 포함하고,
    상기 프로세서는,
    상기 정보를 기반으로, 상기 대상에 대하여, 상기 아이템들의 각각에 대한 상태를 분류하기 위한 지표들을 각각 도출하고,
    상기 인공지능 알고리즘을 기반으로 상기 지표들에 대한 상관도 분석을 수행하여, 상기 지표들로부터 결정되는 적어도 한 쌍의 지표들 사이의 상관 계수를 결정하고,
    상기 상관 계수를 이용하여, 상기 지표들을 각각 업데이트하고,
    상기 업데이트된 지표들에 기반하여, 상기 처리 방안을 결정하도록 구성되는 전자 장치.
  9. 삭제
  10. 삭제
  11. 제 8 항에 있어서, 상기 프로세서는,
    상기 대상으로부터의 측정값을 상기 계측값으로 수집하거나,
    외부로부터의 입력값을 상기 계측값으로 수집하도록 구성되는 전자 장치.
  12. 제 8 항에 있어서, 상기 프로세서는,
    상기 대상 및 상기 아이템들의 각각과 관련된 적어도 하나의 알고리즘을 기반으로 상기 계측값으로부터 상기 파라미터를 검출하고,
    상기 파라미터를 기반으로, 상기 계측값의 데이터베이스를 구축하고,
    상기 대상 및 상기 아이템들의 각각과 관련된 적어도 하나의 다른 알고리즘을 기반으로 상기 데이터베이스를 분석하여, 상기 정보를 검출하도록 구성되는 전자 장치.
  13. 삭제
  14. 제 8 항에 있어서,
    상기 처리 방안은 사전 처리 방안, 실시간 처리 방안 또는 사후 처리 방안 중 적어도 어느 하나를 포함하는 전자 장치.
  15. 비-일시적(non-transitory) 컴퓨터-판독 가능(computer-readable) 저장(storage) 매체(medium)에 있어서,
    적어도 하나의 대상 및 상기 대상과 관련된 복수의 아이템들을 확인하는 동작;
    상기 대상과 관련하여, 상기 아이템들의 각각에 대해 계측값을 수집하는 동작;
    상기 계측값으로부터, 상기 아이템들의 각각과 관련된 적어도 하나의 파라미터를 기반으로 하는 정보를 검출하는 동작; 및
    수학적 이론과 통계학적 모델을 기반으로 하는 인공지능 알고리즘을 이용하여, 상기 정보를 기반으로, 상기 대상에 대한 안전 및 생존을 위한 처리 방안을 결정하는 동작을 실행하기 위한 하나 이상의 프로그램들을 저장하고,
    상기 대상은, 사람과 관련되고,
    상기 아이템들은, 상기 사람의 신체, 상기 사람의 심리, 상기 사람과 관련된 사물 또는 상기 사람과 관련된 환경 중 적어도 두 개를 포함하고,
    상기 처리 방안을 결정하는 동작은,
    상기 정보를 기반으로, 상기 대상에 대하여, 상기 아이템들의 각각에 대한 상태를 분류하기 위한 지표들을 각각 도출하는 동작;
    상기 인공지능 알고리즘을 기반으로 상기 지표들에 대한 상관도 분석을 수행하여, 상기 지표들로부터 결정되는 적어도 한 쌍의 지표들 사이의 상관 계수를 결정하는 동작;
    상기 상관 계수를 이용하여, 상기 지표들을 각각 업데이트하는 동작; 및
    상기 업데이트된 지표들에 기반하여, 상기 처리 방안을 결정하는 동작을 포함하는 저장 매체.
KR1020190141849A 2019-11-07 2019-11-07 인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처 및 이를 구현하는 전자 장치 그리고 그의 동작 방법 KR102250498B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190141849A KR102250498B1 (ko) 2019-11-07 2019-11-07 인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처 및 이를 구현하는 전자 장치 그리고 그의 동작 방법
PCT/KR2020/013695 WO2021091094A1 (ko) 2019-11-07 2020-10-07 인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처 및 이를 구현하는 전자 장치 그리고 그의 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190141849A KR102250498B1 (ko) 2019-11-07 2019-11-07 인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처 및 이를 구현하는 전자 장치 그리고 그의 동작 방법

Publications (1)

Publication Number Publication Date
KR102250498B1 true KR102250498B1 (ko) 2021-05-11

Family

ID=75848009

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190141849A KR102250498B1 (ko) 2019-11-07 2019-11-07 인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처 및 이를 구현하는 전자 장치 그리고 그의 동작 방법

Country Status (2)

Country Link
KR (1) KR102250498B1 (ko)
WO (1) WO2021091094A1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110137001A (ko) * 2010-06-16 2011-12-22 (주)유카이트 건강 위험 경보 시스템
KR20180111142A (ko) * 2017-03-31 2018-10-11 한국표준과학연구원 뇌졸중 모니터링 시스템

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9642530B2 (en) * 2012-11-05 2017-05-09 Sanofi-Aventis Deutschland Gmbh Apparatus and method for monitoring of a body function and/or a body property
CN105632049B (zh) * 2014-11-06 2019-06-14 北京三星通信技术研究有限公司 一种基于可穿戴设备的预警方法和装置
KR101995026B1 (ko) * 2017-05-17 2019-09-30 아주대학교산학협력단 대상 시스템의 상태 진단 및 원인 분석 시스템 및 방법
KR101993599B1 (ko) * 2017-11-28 2019-06-27 김영환 IoT 스마트웨어 기반의 긴급 상황 대응 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110137001A (ko) * 2010-06-16 2011-12-22 (주)유카이트 건강 위험 경보 시스템
KR20180111142A (ko) * 2017-03-31 2018-10-11 한국표준과학연구원 뇌졸중 모니터링 시스템

Also Published As

Publication number Publication date
WO2021091094A1 (ko) 2021-05-14

Similar Documents

Publication Publication Date Title
Mousavi et al. Inter-and intra-patient ecg heartbeat classification for arrhythmia detection: a sequence to sequence deep learning approach
EP3895605A1 (en) Methods and systems for determining abnormal cardiac activity
CN111565633A (zh) 利用人工智能的时间序列数据学习及分析方法
CN110289061B (zh) 一种创伤失血性休克伤情的时间序列预测方法
Oster et al. Open source Java-based ECG analysis software and Android app for atrial fibrillation screening
CN111919242B (zh) 用于处理多个信号的系统和方法
Chen et al. Edge2Analysis: a novel AIoT platform for atrial fibrillation recognition and detection
Pettas et al. Recognition of breathing activity and medication adherence using LSTM neural networks
Ghaffari et al. Atrial fibrillation identification based on a deep transfer learning approach
Li et al. Predicting PTSD symptoms in firefighters using a fear-potentiated startle paradigm and machine learning
Fujita et al. Characterization of cardiovascular diseases using wavelet packet decomposition and nonlinear measures of electrocardiogram signal
KR102250498B1 (ko) 인공지능과 사물인터넷 기반의 안전 및 생존 웨어러블 시스템을 위한 아키텍처 및 이를 구현하는 전자 장치 그리고 그의 동작 방법
Irungu et al. A CNN Transfer Learning-Electrocardiogram (ECG) Signal Approach to Predict COVID-19
Zhu et al. A novel method to reduce false alarms in ECG diagnostic systems: capture and quantification of noisy signals
Silva et al. Fusion of clinical, self-reported, and multisensor data for predicting falls
Narváez et al. Classification of heart sounds using linear prediction coefficients and mel-frequency cepstral coefficients as acoustic features
Shaposhnyk et al. Predicting Cognitive Load with Wearable Sensor Signals
CN113143204A (zh) 心电信号质量评估方法、计算机装置和存储介质
Bhuvaneswari An Ensemble Method for Covid-19 Positive Cases Detection using Machine Learning Algorithms
Koorathota et al. Multimodal neurophysiological transformer for emotion recognition
Milani et al. Speech signal analysis of COVID-19 patients via machine learning approach
Gundogan et al. Mapping Seismocardiogram Characteristics to Hemorrhage Status and Vascular Pressure: A Novel Approach for Triage Assessment.
Rahman et al. Prediction and detection in change of cognitive load for vip's by a machine learning approach
Patil et al. Deep Belief Neural Network Based Automatic NSTEMI CVD Prediction Using Adaptive Sliding Window Technique
CN112971792B (zh) 一种基于连续生理数据的个体化状态监测分析方法和设备

Legal Events

Date Code Title Description
GRNT Written decision to grant