KR102476787B1 - 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 장치 및 방법 - Google Patents
인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 장치 및 방법 Download PDFInfo
- Publication number
- KR102476787B1 KR102476787B1 KR1020220051524A KR20220051524A KR102476787B1 KR 102476787 B1 KR102476787 B1 KR 102476787B1 KR 1020220051524 A KR1020220051524 A KR 1020220051524A KR 20220051524 A KR20220051524 A KR 20220051524A KR 102476787 B1 KR102476787 B1 KR 102476787B1
- Authority
- KR
- South Korea
- Prior art keywords
- picture diary
- diary
- user
- picture
- diagnosing
- Prior art date
Links
- 230000006996 mental state Effects 0.000 title claims abstract description 108
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004458 analytical method Methods 0.000 title claims abstract description 34
- 238000003745 diagnosis Methods 0.000 claims description 70
- 239000003086 colorant Substances 0.000 claims description 21
- 230000008569 process Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000002996 emotional effect Effects 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000009223 counseling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 206010002869 Anxiety symptoms Diseases 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 206010049976 Impatience Diseases 0.000 description 1
- 206010041243 Social avoidant behaviour Diseases 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000009474 immediate action Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Pathology (AREA)
- Psychiatry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Child & Adolescent Psychology (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Social Psychology (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Hospice & Palliative Care (AREA)
- Developmental Disabilities (AREA)
- Molecular Biology (AREA)
- Psychology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
본 발명은 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 방법에 관한 것이다. 본 진단 방법은 그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되는 그림일기 데이터를 획득하는 단계, 그림일기 데이터가 입력되면, 입력된 그림일기 데이터를 인공 지능 모델에 입력하여 얻은 출력값을 통해 그림일기 사용자의 심리 상태를 진단하는 단계, 진단한 결과에 기반하여, 그림일기 사용자의 심리 상태에 상응하는 솔루션 생성하는 단계 및 생성된 솔루션을 심리상태 진단 장치의 출력부를 통해 출력하는 단계를 포함할 수 있다.
Description
본 발명은 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 장치 및 방법에 관한 것으로, 더욱 상세하게는 사용자 단말기를 통해 수행되는 그림일기를 인공지능을 이용하여 분석함으로써, 사용자 심리 상태를 진단하는 장치 및 방법에 관한 것이다.
기존 심리상담센터에서 미술심리분석의 과정은 심리상담사가 심리적 반응을 일으킬 수 있는 주제어를 상담자에게 제시하면, 상담자는 해당 주제어에 따라 상담자 자신의 감정과 생각을 그림으로 표현하고 그림을 그리는 과정(개체를 그리는 순서, 개체의 크기, 개체별 색상 표현, 그림을 종료하는데 소요된 시간 등)을 심리상담사가 지켜보는 과정에서 이루어지고 있으며, 이러한 과정을 심리상담사가 종합적으로 판단한 후 심리상태를 확인하고 있다.
그러나 이는 대면 방식의 그림심리분석을 통한 상담에서만 가능하기 때문에 비대면으로 그림심리분석을 진행할 경우 그림을 그리는 과정을 영상으로 촬영하여 분석하기 때문에 장소 제한적인 문제는 해소할 수는 있으나, 심리상담사가 상담자의 그림을 그린 영상 과정(개체를 그리는 순서, 개체의 크기, 개체별 색상 표현, 그림을 종료하는데 소요된 시간 등)을 다시 봐야하고, 특히 심리상담사의 경력에 따라서 그림심리분석이 달라지는 기술적인 제약이 따른다는 문제점이 있다.
본 발명은 전술한 문제점을 해결하기 위하여 창출된 것으로, 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 장치 및 방법을 제공하는 것을 그 목적으로 한다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
상기한 목적들을 달성하기 위하여, 본 발명의 일 실시예에 따른 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 방법이 개시된다. 상기 진단 방법은 그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되는 그림일기 데이터를 획득하는 단계, 그림일기 데이터가 입력되면, 입력된 그림일기 데이터를 인공 지능 모델에 입력하여 얻은 출력값을 통해 그림일기 사용자의 심리 상태를 진단하는 단계, 진단한 결과에 기반하여, 그림일기 사용자의 심리 상태에 상응하는 솔루션 생성하는 단계 및 생성된 솔루션을 심리상태 진단 장치의 출력부를 통해 출력하는 단계를 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 그림일기 데이터를 획득하는 단계는, 그림일기 데이터를 획득하기 이전에, 그림일기 전용 애플리케이션 사용을 위한 사용자 기본정보 및 사용자의 가정환경에 대한 정보를 입력받는 단계를 더 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 그림일기 사용자의 심리 상태를 진단하는 단계는, 미리 등록받은 사용자 기본정보 및 사용자의 가정환경에 대한 정보에 기반하여, 사용자 정보에 상응하는 그림일기 주제어를 결정하는 단계를 더 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 상기 진단 방법은, 사용자의 심리상태를 진단한 결과를 누적적으로 저장하여 관리하며, 새로운 진단 결과가 추가됨에 따라 사용자의 심리상태 변화를 추적하여 관리하는 모니터링 단계를 더 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 그림일기 데이터를 획득하는 단계는, 그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되며, 그림일기의 입력시작부터 종료까지 모든 로그데이터 정보를 포함하는 그림일기 데이터를 획득하는 단계일 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 로그데이터 정보는, 그림일기를 그리는 과정을 분석하기 위한 정보를 포함하고 있으며, 사용자에 의해 입력되는 그림을 그리는 시간, 화면 내의 그림을 그리는 위치, 그림에 사용되는 적어도 하나의 컬러, 적어도 하나의 컬러들의 사용 순서, 그림을 수정한 빈도, 개체 이미지의 크기 및 개체 이미지들 간 간격의 정보 중 적어도 하나의 정보를 포함하는 것을 특징으로 할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 그림일기 사용자의 심리 상태를 진단하는 단계는, 그림일기 데이터가 입력되면, 입력된 그림일기 데이터를 인공 지능 모델에 입력하여 사용된 컬러와 개체를 추출하는 객체 이미지 추출단계, 추출된 컬러와 개체를 인공 지능 모델에 입력하여 컬러와 개체를 분류하는 단계, 분류된 개체를 인공 지능 모델에 입력하여 개체를 식별하는 단계 및 분류된 컬러와 개체, 식별된 개체 정보를 인공 지능 모델에 입력하여 나온 출력값을 통해 그림일기 사용자의 심리 상태를 진단하는 단계를 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 그림일기 사용자의 심리 상태를 진단하는 단계는, 로그데이터 정보에 기반하여, 그림의 그리는 순서, 그림을 그리는 터치 질감, 개체 크기 정도, 개체가 화면에서 차지하는 비중 및 위치, 컬러 및 컬러 변경 정도 중 적어도 하나를 포함하는 정보를 고려하여 가중치를 부여하는 단계를 더 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 솔루션을 생성하는 단계는, 그림일기 사용자의 심리 상태를 진단하는 단계에서 진단한 결과에 기반하여, 현재 심리 상태에 대한 심리 상담가의 코멘트, 현재의 심리 상태를 개선하는 방안 또는 추가적인 관찰이 필요한지 여부 중 적어도 하나를 포함하는 솔루션을 생성하는 단계일 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 출력하는 단계는, 생성된 솔루션에 따라 개인정보 보호를 위한 전용 애플리케이션의 보호자 모드에서만 출력되는 정보가 포함되는 것을 특징으로 할 수 있다.
또한, 본 발명의 일 실시 예에 따른 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 장치가 개시된다. 상기 진단 장치는 그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되는 그림일기 데이터를 획득하는 그림일기 데이터 입력부, 그림일기 데이터가 입력되면, 입력된 그림일기 데이터를 인공 지능 모델에 입력하여 얻은 출력값을 통해 그림일기 사용자의 심리 상태를 진단하는 진단부, 진단한 결과에 기반하여, 그림일기 사용자의 심리 상태에 상응하는 솔루션 생성하는 솔루션 생성부 및 생성된 솔루션을 출력하는 출력부를 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 그림일기 데이터 입력부는, 그림일기 데이터를 획득하기 이전에, 그림일기 전용 애플리케이션 사용을 위한 사용자 기본정보 및 사용자의 가정환경에 대한 정보를 입력받는 사용자 기본정보 입력부를 더 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 진단부는, 미리 등록받은 사용자 기본정보 및 사용자의 가정환경에 대한 정보에 기반하여, 사용자 정보에 상응하는 그림일기 주제어를 결정할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 진단 장치는, 사용자의 심리상태를 진단한 결과를 누적적으로 저장하여 관리하는 저장부를 포함하며, 새로운 진단 결과가 추가됨에 따라 사용자의 심리상태 변화를 추적하여 관리하는 모니터링부를 더 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 그림일기 데이터 입력부는, 그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되며, 그림일기의 입력시작부터 종료까지 모든 로그데이터 정보를 포함하는 그림일기 데이터를 획득할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 로그데이터 정보는, 그림일기를 그리는 과정을 분석하기 위한 정보를 포함하고 있으며, 사용자에 의해 입력되는 그림을 그리는 시간, 화면 내의 그림을 그리는 위치, 그림에 사용되는 적어도 하나의 컬러, 적어도 하나의 컬러들의 사용 순서, 그림을 수정한 빈도, 개체 이미지의 크기 및 개체 이미지들 간 간격의 정보 중 적어도 하나의 정보를 포함하는 것을 특징으로 할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 진단부는, 그림일기 데이터가 입력되면, 입력된 그림일기 데이터를 인공 지능 모델에 입력하여 사용된 컬러와 개체를 추출하는 객체 이미지 추출부, 추출된 컬러와 개체를 인공 지능 모델에 입력하여 컬러와 개체를 분류하는 이미지 분류부, 분류된 개체를 인공 지능 모델에 입력하여 개체를 식별하는 개체 식별부 및 분류된 컬러와 개체, 식별된 개체 정보를 인공 지능 모델에 입력하여 나온 출력값을 통해 그림일기 사용자의 심리 상태를 진단하는 심리 상태 진단부를 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 진단부는, 로그데이터 정보에 기반하여, 그림의 그리는 순서, 그림을 그리는 터치 질감, 개체 크기 정도, 개체가 화면에서 차지하는 비중 및 위치, 컬러 및 컬러 변경 정도 중 적어도 하나를 포함하는 정보를 고려하여 가중치를 부여하는 가중치 적용부를 더 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 솔루션 생성부는, 그림일기 사용자의 심리 상태를 진단부에서 진단한 결과에 기반하여, 현재 심리 상태에 대한 심리 상담가의 코멘트, 현재의 심리 상태를 개선하는 방안 또는 추가적인 관찰이 필요한지 여부 중 적어도 하나를 포함하는 솔루션을 생성할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 출력부는, 생성된 솔루션에 따라 개인정보 보호를 위한 전용 애플리케이션의 보호자 모드에서만 출력되는 정보가 포함되는 것을 특징으로 할 수 있다.
또한, 본 발명의 일 실시 예에 따르면, 그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되는 그림일기 데이터를 획득하는 단계, 그림일기 데이터가 입력되면, 입력된 그림일기 데이터를 인공 지능 모델에 입력하여 얻은 출력값을 통해 그림일기 사용자의 심리 상태를 진단하는 단계, 진단한 결과에 기반하여, 그림일기 사용자의 심리 상태에 상응하는 솔루션 생성하는 단계 및 생성된 솔루션을 심리상태 진단 장치의 출력부를 통해 출력하는 단계를 포함하는, 심리상태 진단 장치가 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 포함할 수 있다.
상기한 목적들을 달성하기 위한 구체적인 사항들은 첨부된 도면과 함께 상세하게 후술될 실시예들을 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라, 서로 다른 다양한 형태로 구성될 수 있으며, 본 발명의 개시가 완전하도록 하고 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자(이하, "통상의 기술자")에게 발명의 범주를 완전하게 알려주기 위해서 제공되는 것이다.
본 발명의 일 실시 예에 의하면, 글 독해 능력과 글작성이 부족한 어린 자녀와 더불어 일반 청소년 그리고 성인들도 일상생활에서 느끼는 생각을 편리하게 그림으로 감정 표현을 유도하는 방법을 통해 심리 검사를 진행함으로써, 자신의 심리 상태를 다각적 및 객관적인 심리분석이 가능할 수 있다.
본 발명의 일 실시 예에 의하면, 심리적 불안증세를 조기 진단하고 예방하여 사회적인 문제를 해소하는데 기여할 수 있고, 또한 오프라인 심리 상담센터에 방문하지 않고도 최소한의 감정 표현으로도 다각적인 심리 분석이 가능한 서비스를 제공할 수 있으며, 상담료 부담을 절감할 수 있고, 지역적인 문제로 방문의 어려움을 해소할 수 있다.
본 발명의 일 실시 예에 의하면, 상담이력 보관을 통해 지속적으로 그림일기를 사용하는 경우 심리적인 변화 추이를 실시간으로 관찰(모니터링)을 할 수 있고, 심리적 증세가 악화될 경우 조기에 발견 가능하고, 심리상담사 변경된 경우 다시 상담 과정을 진행해야 하는 번거로운 과정 없이 개인의 상담이력 데이터 기반으로 언제든지 심리적 변화 추이를 분석할 수 있다.
본 발명의 효과들은 상술된 효과들로 제한되지 않으며, 본 발명의 기술적 특징들에 의하여 기대되는 잠정적인 효과들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
상기 언급된 본 발명 내용의 특징들이 상세하게, 보다 구체화된 설명으로, 이하의 실시예들을 참조하여 이해될 수 있도록, 실시예들 중 일부는 첨부되는 도면에서 도시된다. 또한, 도면과의 유사한 참조번호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭하는 것으로 의도된다. 그러나 첨부된 도면들은 단지 본 발명 내용의 특정한 전형적인 실시예들만을 도시하는 것일 뿐, 본 발명의 범위를 한정하는 것으로 고려되지는 않으며, 동일한 효과를 갖는 다른 실시예들이 충분히 인식될 수 있다는 점을 유의하도록 한다.
도 1은 본 발명의 일 실시예에 따른 인공 지능 모델 기반으로 그림일기 분석을 통한 사용자의 심리상태 진단 장치의 사용 흐름도를 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 심리상태 진단 장치를 이용하여 그림일기 분석을 진행하는 실사용 예시도이다.
도 3은 는 본 발명의 일 실시예에 따른 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 방법의 순서도이다.
도 4는 본 발명의 일 실시예에 따른 그림일기 사용자의 심리 상태를 진단하는 단계의 순서도이다.
도 5은 본 발명의 일 실시예에 따른 인공 지능 모델을 이용하여 그림일기 사용자의 심리 상태를 진단하는 과정을 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 사용자의 심리 상태를 진단하는 과정 중 그림이 위치하는 영역에 따른 점수 부여하는 기준의 예시도이다.
도 7은 본 발명의 일 실시예에 따른 개체 및 컬러 빈도수에 따른 심리상태를 진단하는 인공지능 모델의 데이터셋의 예시도이다.
도 8은 본 발명의 일 실시예에 따른 인공지능을 이용하여 그림일기 분석을 통한 사용자 심리 상태 진단 장치 및 방법을 이용하여 심리진단을 한 결과 예시도이다.
도 9는 본 발명의 일 실시예에 따른 심리 상태 진단 장치를 통한 사용자 심리 상태를 모니터링 하는 과정을 도시한 도면이다.
도 10은 본 발명의 일 실시예에 따른 인공지능을 이용하여 그림일기 분석을 통한 사용자 심리 상태 진단 장치의 블록도이다.
도 11은 본 발명의 일 실시예에 따른 진단부의 블록도이다.
도 1은 본 발명의 일 실시예에 따른 인공 지능 모델 기반으로 그림일기 분석을 통한 사용자의 심리상태 진단 장치의 사용 흐름도를 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 심리상태 진단 장치를 이용하여 그림일기 분석을 진행하는 실사용 예시도이다.
도 3은 는 본 발명의 일 실시예에 따른 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 방법의 순서도이다.
도 4는 본 발명의 일 실시예에 따른 그림일기 사용자의 심리 상태를 진단하는 단계의 순서도이다.
도 5은 본 발명의 일 실시예에 따른 인공 지능 모델을 이용하여 그림일기 사용자의 심리 상태를 진단하는 과정을 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 사용자의 심리 상태를 진단하는 과정 중 그림이 위치하는 영역에 따른 점수 부여하는 기준의 예시도이다.
도 7은 본 발명의 일 실시예에 따른 개체 및 컬러 빈도수에 따른 심리상태를 진단하는 인공지능 모델의 데이터셋의 예시도이다.
도 8은 본 발명의 일 실시예에 따른 인공지능을 이용하여 그림일기 분석을 통한 사용자 심리 상태 진단 장치 및 방법을 이용하여 심리진단을 한 결과 예시도이다.
도 9는 본 발명의 일 실시예에 따른 심리 상태 진단 장치를 통한 사용자 심리 상태를 모니터링 하는 과정을 도시한 도면이다.
도 10은 본 발명의 일 실시예에 따른 인공지능을 이용하여 그림일기 분석을 통한 사용자 심리 상태 진단 장치의 블록도이다.
도 11은 본 발명의 일 실시예에 따른 진단부의 블록도이다.
본 발명은 다양한 변경을 가할 수 있고, 여러 가지 실시예들을 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 이를 상세히 설명하고자 한다.
청구범위에 개시된 발명의 다양한 특징들은 도면 및 상세한 설명을 고려하여 더 잘 이해될 수 있을 것이다. 명세서에 개시된 장치, 방법, 제법 및 다양한 실시예들은 예시를 위해서 제공되는 것이다. 개시된 구조 및 기능상의 특징들은 통상의 기술자로 하여금 다양한 실시예들을 구체적으로 실시할 수 있도록 하기 위한 것이고, 발명의 범위를 제한하기 위한 것이 아니다. 개시된 용어 및 문장들은 개시된 발명의 다양한 특징들을 이해하기 쉽게 설명하기 위한 것이고, 발명의 범위를 제한하기 위한 것이 아니다.
본 발명을 설명함에 있어서, 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우, 그 상세한 설명을 생략한다.
이하, 본 발명의 일 실시예에 따른 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 장치 및 방법을 설명한다.
도 1은 본 발명의 일 실시예에 따른 인공 지능 모델 기반으로 그림일기 분석을 통한 사용자의 심리상태 진단 장치의 사용 흐름도를 도시한 도면이고, 도 2는 본 발명의 일 실시예에 따른 심리상태 진단 장치를 이용하여 그림일기 분석을 진행하는 실사용 예시도이다.
도 1 및 도 2를 참조하면, 인공 지능 모델 기반으로 그림일기 분석을 통한 사용자의 심리상태 진단 장치(10)는 모바일 폰 등 애플리케이션이 구동 가능한 전자장치를 사용하며, 전자장치에서 구동되는 애플리케이션 내에서 사용자가 주제어를 선택하면 사용자는 주제어에 맞는 그림을 그리면, 그림을 인공 지능 모델을 통해 분석하여 사용자 현재의 심리 상태를 진단하는 장치에 관한 것이다.
본 발명은 심리상담사가 심리적 반응을 유도할 수 있는 주제어를 상담자에게 제시하고, 상담자는 스마트 디바이스(PC, 스마트폰, 태블릿 PC 등)에서 자신의 감정을 표현할 수 있는 그림 도구를 활용하여 그림을 그리는 모든 과정을 화면으로 저장하고 이를 각각의 "그림을 그리는 시간이 얼마나 걸렸는가? 이미지(개체)는 어느 위치에(좌표)에 주로 그렸는가? 어떤 컬러를 주로 사용하였는가? 어떠한 컬러를 순차적으로 사용하였는가? 지우개를 얼마나 자주 사용하였는가? 특정 이미지(개체)를 얼마나 크게 그렸는가? 각 이미지(개체) 간 거리 간격은 얼마나 되는가?" 항목 데이터로 수집 및 분석하여, 각 항목마다의 관계를 종합적으로 조합하여 심리분석 결과를 도출하고 있으나, 이에 제한되지 않는다.
일 실시 예에 의하면, 인공 지능 모델 기반으로 그림일기 분석을 통한 사용자의 심리상태 진단 장치(10)는 데이터 입력부(100), 진단부(200), 솔루션 생성부(300), 출력부(400), 모니터링부(500), 저장부(600) 및 통신부(700)를 포함할 수 있으며, 각 구성에 대한 설명은 도 10 및 도 11에 대한 설명에서 구체적으로 후술한다.
본 발명의 일 실시예에 따른 인공 지능 모델 기반으로 그림일기 분석을 통한 사용자의 심리상태 진단 장치를 이용하면, 아동심리상담센터, 온라인 심리검사에서 발생하는 심리검사지 작성의 어려움, 심리상담사와의 대면 낯가림 등 환경적, 기술적 문제점을 한글 독해력과 감정 표현이 미숙한 어린 자녀가 심리상담센터에 방문할 필요 없이, 일상생활에서 활동하는 과정을 인공지능으로 심리진단하여, 올바른 사고와 습관이 형성될 수 있는 비대면 서비스 환경을 제공할 수 있다.
또한, 본 발명을 통해 부모에게는 심리 상담센터의 상담료 부담을 해소하고, 자녀의 심리상태를 사전에 인지하여, 가정에서 직접 자녀에게 육아할 수 있는 가치 있는 교육 서비스를 제공할 수 있다.
또한, 본 발명은 헬스케어 트렌드 분석에 따른 문제점을 환경적, 기술적, 경제적으로 해소하기 위해서 일상생활에서의 비언어적 감정 데이터 중 감정 표현이 쉽게 표현되는 그림에서 데이터를 수집하여 심리를 인공지능으로 진단함으로써, 일상생활에서 개인 고유의 심리/감정 데이터를 패턴화 할 수 있으며, 이를 통해 실시간으로 감정 변화를 모니터링 할 수 있어서, 심리적 불안증세에 대해 즉각적 대처를 할 수 있다.
도 3은 는 본 발명의 일 실시예에 따른 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 방법의 순서도이고, 도 4는 본 발명의 일 실시예에 따른 그림일기 사용자의 심리 상태를 진단하는 단계의 순서도이다.
또한, 도 5은 본 발명의 일 실시예에 따른 인공 지능 모델을 이용하여 그림일기 사용자의 심리 상태를 진단하는 과정을 도시한 도면이고, 도 6은 본 발명의 일 실시예에 따른 사용자의 심리 상태를 진단하는 과정 중 그림이 위치하는 영역에 따른 점수 부여하는 기준의 예시도이며, 도 7은 본 발명의 일 실시예에 따른 개체 및 컬러 빈도수에 따른 심리상태를 진단하는 인공지능 모델의 데이터셋의 예시도이다.
또한, 도 8은 본 발명의 일 실시예에 따른 인공지능을 이용하여 그림일기 분석을 통한 사용자 심리 상태 진단 장치 및 방법을 이용하여 심리진단을 한 결과 예시도이다.
또한, 도 9는 본 발명의 일 실시예에 따른 심리 상태 진단 장치를 통한 사용자 심리 상태를 모니터링 하는 과정을 도시한 도면이다.
도 3 및 도 9를 참조하면, 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 방법(S200)은 그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되는 그림일기 데이터를 획득하는 단계(S210), 그림일기 데이터가 입력되면, 입력된 그림일기 데이터를 인공 지능 모델에 입력하여 얻은 출력값을 통해 그림일기 사용자의 심리 상태를 진단하는 단계(S220), 진단한 결과에 기반하여, 그림일기 사용자의 심리 상태에 상응하는 솔루션 생성하는 단계(S230) 및 생성된 솔루션을 심리상태 진단 장치의 출력부를 통해 출력하는 단계(S240)를 포함할 수 있다.
일 실시 예에 의하면, 그림일기 데이터를 획득하는 단계(S210)는 그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되는 그림일기 데이터를 획득하는 단계일 수 있다.
보다 구체적으로, 그림일기 애플리케이션 사용자는 심리상태 진단 장치(10)를 통해 그림일기의 주제어가 제시되면 사용자는 제시어 맞는 그림일기를 입력함으로써 정확한 진단을 할 수 있다. 상기 진단 장치에 따라 스마트 펜 또는 손을 이용하여 그림일기를 입력할 수 있다.
또한, 그림일기 데이터를 획득하는 단계(S210)는 그림일기 데이터를 획득하기 이전에, 그림일기 진단 장치의 그림일기 전용 애플리케이션 사용을 위한 사용자 정보를 입력받는 단계를 포함할 수 있다. 또한, 사용자 정보는 사용자 개인을 특정할 수 있는 기본정보 및 사용자의 심리 상태에 영향을 줄 수 있는 가정환경이나 주변환경에 대한 정보를 포함하며, 애플리케이션 사용을 위한 가입시 설문의 형태로 해당 정보의 입력을 요구될 수 있다.
또한, 그림일기 데이터를 획득하는 단계(S210)는 그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되며, 그림일기의 입력시작부터 종료까지의 모든 로그데이터 정보를 포함하는 그림일기 데이터를 획득하는 단계일 수 있다. 로그데이터 정보를 획득하는 이유는 입력받은 그림일기의 완성된 그림뿐만 아니라 그림을 그리는 과정에 대한 분석이 병행되면 보다 정확한 분석 및 진단이 가능해지기 때문이다.
여기서, 모든 로그데이터 정보는, 그림을 그리는 과정에 대한 데이터정보를 분석하기 위해서 사용자에 의해 입력되는 그림을 그리는 시간, 화면 내의 그림을 그리는 위치, 그림에 사용되는 적어도 하나의 컬러, 적어도 하나의 컬러들의 사용 순서, 그림을 수정한 빈도, 개체 이미지의 크기 및 개체 이미지들 간 간격의 정보 중 적어도 하나의 정보를 포함하는 것을 특징으로 할 수 있다.
일 실시 예에 의하면, 사용자의 심리 상태를 진단하는 단계(S220)는 그림일기 데이터를 획득하는 단계(S210)에서 그림일기 데이터가 입력되면, 입력된 그림일기 데이터를 인공 지능 모델에 입력하여 얻은 출력값을 통해 그림일기 사용자의 심리 상태를 진단하는 단계일 수 있다. 사용자의 심리 상태를 진단하는 단계(S220)를 통해 슬픔, 예민, 혐오, 화남, 흥분 또는 기쁨의 상태 중 적어도 하나를 포함하는 상태로 진단할 수 있으며, 각 상태의 해당정도를 쉽게 파악할 수 있게 시각화 시킬 수 있다.
보다 구체적으로, 그림일기 사용자의 심리 상태를 진단하는 단계(S220)는 그림일기 데이터가 입력되면, 입력된 그림일기 데이터를 인공 지능 모델에 입력하여 사용된 컬러와 개체를 추출하는 객체 이미지 추출단계(S221), 추출된 컬러와 개체를 인공 지능 모델에 입력하여 컬러와 개체를 분류하는 단계, 분류된 개체를 인공 지능 모델에 입력하여 개체를 식별하는 단계(S223) 및 분류된 컬러와 개체, 식별된 개체 정보를 인공 지능 모델에 입력하여 나온 출력값을 통해 그림일기 사용자의 심리 상태를 진단하는 단계(S224)를 포함할 수 있다.
또한, 그림일기 사용자의 심리 상태를 진단하는 단계(S220)에서 심리 상태 진단 장치(10)에 그림일기 이미지가 입력되면, 그림일기 이미지에 포함된 개체의 위치, 개체의 크기, 사용된 컬러, 사용된 컬러의 개수의 정보에 기반하여 심리 상태에 대한 정보를 출력하는 인공 지능 모델에, 그림일기 이미지를 입력함으로써 인공 지능 모델로부터 심리 상태에 대한 정보를 획득할 수 있다.
또한, 그림일기 사용자의 심리 상태를 진단하는 단계(S220)는 로그데이터 정보에 기반하여, 그림의 그리는 순서, 그림을 그리는 터치 질감, 개체 크기 정도, 개체가 화면에서 차지하는 비중 및 위치, 컬러 및 컬러 변경 정도 중 적어도 하나를 포함하는 정보를 고려하여 가중치를 부여하는 단계를 더 포함할 수 있다.
보다 구체적으로, 그림일기 사용자의 심리 상태를 진단하는 단계(S220)는 그림을 그리는 시간, 그림을 그리는 영역, 그림을 그리는데 사용된 색깔 및 색깔의 사용 순서도, 지우개 사용 빈도, 특정 이미지 크기, 특정 이미지간 거리 간격에 따라 그림일기를 분석하여 사용자의 심리 상태 진단하는 단계일 수 있다.
일 실시 예에 의하면, 그림일기 사용자의 심리 상태를 진단하는 단계(S220)는 심리 상태 진단 장치(10)에 그림일기 이미지가 입력되면 심리 상태에 대한 정보를 출력하는 복수의 인공 지능 모델들을 학습시킬 수 있고, 복수의 학습된 인공지능 모델들 중 성능 평가 결과에 기초하여 선택된 적어도 하나의 인공 지능 모델을 이용함으로써 사용자의 심리 상태를 진단할 수 있다.
또한, 심리 상태 진단 장치(10)가 이용하는 인공 지능 모델은 기계 학습 알고리즘에 기초하여 학습될 수 있는 기계 학습 모델, 딥러닝 네트워크, 신경망 모델을 포함할 수 있다.
일 실시 예에 의하면, 심리 상태 진단 장치(10)는 그림일기 이미지를 획득하기에 앞서(예컨대 학습되고 선택된 인공 지능 모델에 적용될 그림일기 이미지를 획득하기 전) 인공 지능 모델 학습을 위한 그림일기 데이터셋을 구축할 수 있다.
또한, 그림일기 사용자의 심리 상태를 진단하는 단계(S220)는 미리 등록받은 사용자 기본정보 및 사용자의 가정환경에 대한 정보에 기반하여, 사용자 정보에 상응하는 그림일기 주제어를 결정하는 단계를 더 포함할 수 있다. 사용자 기본정보 및 사용자의 가정환경에 따라 주제어를 달리 구성하며, 사용자의 기본정보 및 사용자의 가정환경에 대한 정보 분석을 통해 사용자 상태에 대한 사용자 맞춤형 분석이 가능할 수 있다.
일 실시 예에 의하면, 솔루션 생성하는 단계(S230)는 진단한 결과에 기반하여, 그림일기 사용자의 심리 상태에 상응하는 솔루션 생성하는 단계일 수 있다.
보다 구체적으로, 솔루션을 생성하는 단계(S230)는 그림일기 사용자의 심리 상태를 진단하는 단계에서 진단한 결과에 기반하여, 현재 심리 상태에 대한 심리 상담가의 코멘트, 현재의 심리 상태를 개선하는 방안 또는 추가적인 관찰이 필요한지 여부 중 적어도 하나를 포함하는 솔루션을 생성하는 단계일 수 있다.
일 실시 예에 의하면,,출력하는 단계(S240)는 그림일기 사용자의 심리 상태를 진단하는 단계(S220)를 통해 진단된 사용자의 심리 상태 및 심리 상태에 맞는 처방이 포함된 솔루션을 심리상태 진단 장치의 출력부를 통해 출력하는 단계일 수 있다.
또한, 출력하는 단계(S240)는 솔루션을 생성하는 단계(S230)에서 생성된 솔루션이 개인정보 보호가 필요한 정보가 포함된 경우, 전용 애플리케이션의 보호자 모드에서만 출력되도록 하는 단계일 수 있다.
또한, 그림일기 사용자의 심리상태 진단 방법(S200)은 사용자의 심리상태를 진단한 결과를 누적적으로 저장하여 관리하여 반복되는 결과에 대한 확인 및 피드백을 할 수 있으며, 새로운 진단 결과가 추가되면, 새로운 진단에 대한 결과 뿐 아니라 기존 진단 결과에 비해 새로운 진단 결과에 따른 심리 상태의 변화에 대한 분석을 할 수 있는 모니터링 단계를 더 포함할 수 있다.
도 10은 본 발명의 일 실시예에 따른 인공지능을 이용하여 그림일기 분석을 통한 사용자 심리 상태 진단 장치의 블록도이고, 도 11은 본 발명의 일 실시예에 따른 진단부의 블록도이다.
도 10 및 도 11을 참조하면, 심리 상태 진단 장치(10)는 프로세서, 저장부(600) 및 통신부(700)를 포함할 수 있다.
일 실시 예에 의하면,, 심리 상태 진단 장치(10)는 그림일기의 이미지 및 덱스터를 분석하기 위한, AI 프로그램이 탑재되고 음성 인식 기능을 포함하는 스마트폰, 태블릿 PC, 스마트 TV, 휴대폰, 미디어 플레이어, 서버, 마이크로 서버, 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다.
또한, 일 실시 예에 의하면, 프로세서는 컴퓨터 시스템 전체를 제어하는 장치로서, 다양한 입력장치로부터 자료를 받아서 처리한 후 그 결과를 출력장치로 보내는 일련의 과정을 제어하고 조정하는 일을 수행할 수 있다.
또한, 본 개시에 따른 프로세서는 저장부(600)에 저장된 프로그램들을 실행함으로써, 심리 상태 진단 장치(10)의 기능을 수행할 수 있다. 또한, 프로세서는 하나 또는 복수의 프로세서로 구성될 수 있고, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU와 같은 그래픽 전용 프로세서 또는 인공지능(AI) 전용 프로세서일 수 있다. 일 실시예에 의하면, 프로세서가 범용 프로세서, 인공지능 프로세서 및 그래픽 전용 프로세서를 포함하는 경우, 인공지능 프로세서는 범용 프로세서 또는 그래픽 전용 프로세서와 별도의 칩으로 구현될 수도 있다.
또한, 프로세서는 데이터 입력부(100), 진단부(200), 솔루션 생성부(300), 출력부(400) 및 모니터링부(500)를 포함할 수 있다.
일 실시 예에 의하면, 데이터 입력부(100)는 사용자 단말기에 설치된 애플리케이션을 통해 그림일기 작성모드를 통해 사용자에 의해 그려진 그림일기 데이터를 입력받을 수 있다. 그림일기는 이미지 및 데이터가 포함되어 있으며, 기설정된 주제어에 따라 사용자가 해당 주제어에 관련된 이미지 및 텍스트가 입력될 수 있다.
보다 구체적으로, 그림일기 애플리케이션 사용자는 심리상태 진단 장치(10)를 통해 그림일기의 주제어가 제시되면 사용자는 제시어 맞는 그림일기를 입력함으로써 정확한 분석을 할 수 있다.
또한, 데이터 입력부(100)는 그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되며, 그림일기의 입력시작부터 종료까지 모든 로그데이터 정보를 포함하는 그림일기 데이터를 획득할 수 있다.
여기서, 로그데이터 정보는, 그림일기를 그리는 과정을 분석하기 위한 정보를 포함하고 있으며, 사용자에 의해 입력되는 그림을 그리는 시간, 화면 내의 그림을 그리는 위치, 그림에 사용되는 적어도 하나의 컬러, 적어도 하나의 컬러들의 사용 순서, 그림을 수정한 빈도, 개체 이미지의 크기 및 개체 이미지들 간 간격의 정보 중 적어도 하나의 정보를 포함하는 것을 특징으로 할 수 있다.
또한, 데이터 입력부(100)는 그림일기 데이터를 획득하기 이전에, 그림일기 전용 애플리케이션 사용을 위한 사용자 기본정보 및 사용자의 가정환경에 대한 정보를 입력받는 사용자 기본정보 입력부를 더 포함할 수 있다.
또한, 사용자 정보는 사용자 개인을 특정할 수 있는 기본정보 및 사용자의 심리 상태에 영향을 줄 수 있는 가정환경이나 주변환경에 대한 정보를 포함하며, 애플리케이션 사용을 위한 가입시 설문의 형태로 해당 정보의 입력을 요구될 수 있다. 상기의 사용자 기본정보는 애플리케이션 사용시 사용자 식별위해 사용될 수 있으며, 사용자의 가정환경에 대한 정보는 그림일기 주제어 선정시 고려하기 위해 사용될 수 있다.
일 실시 예에 의하면, 진단부(200)는 그림일기 데이터가 입력되면, 입력된 그림일기 데이터를 인공 지능 모델에 입력하여 얻은 출력값을 통해 그림일기 사용자의 심리 상태를 진단할 수 있다. 진단부(200)는 입력된 그림일기 분석을 통해 슬픔, 예민, 혐오, 화남, 흥분 또는 기쁨의 상태 중 적어도 하나를 포함하는 상태 및 적어도 하나의 상태에 해당하는 해당정도(예컨대, 슬픔 50%, 화남 30%, 흥분 20% 등)로 진단할 수 있으며, 각 상태의 해당정도를 쉽게 파악할 수 있게 시각화 시킬 수 있다.
보다 구체적으로, 진단부(200)는 그림일기 데이터가 입력되면, 입력된 그림일기 데이터를 인공 지능 모델에 입력하여 사용된 컬러와 개체를 추출하는 객체 이미지 추출부(210), 추출된 컬러와 개체를 인공 지능 모델에 입력하여 컬러와 개체를 분류하는 이미지 분류부(220), 분류된 개체를 인공 지능 모델에 입력하여 개체를 식별하는 개체 식별부(230) 및 분류된 컬러와 개체, 식별된 개체 정보를 인공 지능 모델에 입력하여 나온 출력값을 통해 그림일기 사용자의 심리 상태를 진단하는 심리 상태 진단부(250)를 포함할 수 있다.
또한, 진단부(200)는 로그데이터 정보에 기반하여, 그림의 그리는 순서, 그림을 그리는 터치 질감, 개체 크기 정도, 개체가 화면에서 차지하는 비중 및 위치, 컬러 및 컬러 변경 정도 중 적어도 하나를 포함하는 정보를 고려하여 가중치를 부여하는 가중치 적용부(250)를 더 포함할 수 있다.
보다 구체적으로, 진단부(200)는 그림을 그리는 시간, 그림을 그리는 영역, 그림을 그리는데 사용된 색깔 및 색깔의 사용 순서도, 지우개 사용 빈도, 특정 이미지 크기, 특정 이미지간 거리 간격에 따라 그림일기를 분석하여 사용자의 심리 상태 진단할 수 있다.
예를 들어, 심리 상태 진단 장치(10)는 상기의 기준을 수치화 하여 연산할 수 있으며, 그리는 시간이 길어질수록 소심하거나 내성적인 수치의 비중을 두어 계산할 수 있고, 그림 위치에 따른 평가할 수 있다. 도면 전체에서 그림의 위치 및 특정 이미지의 위치에 따라 평가를 달리 할 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다.
또한, 심리 상태 진단 장치(10)는 컬러사용 비율 및 특정 컬러의 비율이 높을수록 심리 상태에 대한 비율이 높아지고, 어떠한 컬러를 순서적으로 사용하였는지 여부는 기설정된 컬러의 순서에 따라 특정 컬러를 자주 사용하는 경우 심리적 불안감이 높거나 또는 조바심이 높다고 판단할 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다.
또한, 심리 상태 진단 장치(10)는 지우개의 사용빈도에 따라 소심하거나, 완벽성 추구, 심리적 불안감이 높다고 판단할 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다.
또한, 심리 상태 진단 장치(10)는 특정 이미지를 얼마나 크게 그렸는지 여부에 따라 일반적으로 크게 그렸는지 또는 작게 그렸는지에 따른 심리적, 성격 파악 또는 엄마를 크게, 아빠를 작게 그린 경우 크기가 큰 경우 해당 개체에 관심도가 높다고 판단할 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다.
또한, 심리 상태 진단 장치(10)는 각 특정 이미지 간 거리 간격은 얼마나 되는지 여부에 따라 엄마와 아빠 거리는 얼마나 떨어져 있는지, 즉 개체 간 거리 간격이 가까울수록 관심도가 높고, 개체 간 거리가 멀수록 관심도가 떨어지거나 싫어하는 정도를 판단할 수 있다. 상기 예시는 본 개시를 설명하기 위한 예시일 뿐, 본 개시는 이에 제한되지 않는다.
일 실시 예에 의하면, 심리 상태 진단 장치(10)는 심리 상태 진단 장치(10)에 그림일기 이미지가 입력되면 심리 상태에 대한 정보를 출력하는 복수의 인공 지능 모델들을 학습시킬 수 있고, 복수의 학습된 인공지능 모델들 중 성능 평가 결과에 기초하여 선택된 적어도 하나의 인공 지능 모델을 이용함으로써 사용자의 심리 상태를 진단할 수 있다.
또한, 심리 상태 진단 장치(10)가 이용하는 인공 지능 모델은 기계 학습 알고리즘에 기초하여 학습될 수 있는 기계 학습 모델, 딥러닝 네트워크, 신경망 모델을 포함할 수 있다.
일 실시 예에 의하면, 심리 상태 진단 장치(10)는 그림일기 이미지를 획득하기에 앞서(예컨대 학습되고 선택된 인공 지능 모델에 적용될 그림일기 이미지를 획득하기 전) 인공 지능 모델 학습을 위한 그림일기 데이터셋을 구축할 수 있다.
일 실시 예에 의하면, 진단부(200)는 미리 등록받은 사용자 기본정보 및 사용자의 가정환경에 대한 정보에 기반하여, 사용자 정보에 상응하는 그림일기 주제어를 결정할 수 있다. 사용자 기본정보 및 사용자의 가정환경에 따라 주제어를 달리 구성하며, 사용자의 기본정보 및 사용자의 가정환경에 대한 정보 분석을 통해 사용자 상태에 대한 사용자 맞춤형 분석이 가능할 수 있다.
일 실시 예에 의하면, 솔루션 생성부(300)는 진단부(200)에서 진단한 사용자의 심리 상태에 기반하여, 그림일기 사용자의 현재의 심리 상태에 상응하는 솔루션을 생성할 수 있다.
보다 구체적으로, 솔루션 생성부(300)는 그림일기 사용자의 심리 상태를 진단부(200)에서 진단한 사용자의 심리 상태 결과에 기반하여, 현재 심리 상태에 대한 심리 상담가의 코멘트, 현재의 심리 상태를 개선하는 방안 또는 추가적인 관찰이 필요한지 여부 중 적어도 하나를 포함하는 솔루션을 생성할 수 있다.
일 실시 예에 의하면, 출력부(400)는 솔루션 생성부(300)에서 생성된 솔루션을 심리 상태 진단 장치(10)의 디스플레이를 통해 출력할 수 있다.
또한, 출력부(400)는 솔루션 생성부(300)에서 생성된 솔루션에 따라 개인정보 보호가 필요한 정보가 포함되는 경우, 전용 애플리케이션의 보호자 모드에서만 출력되도록 할 수 있다.
일 실시 예에 의하면, 모니터링부(500)는 사용자의 심리상태를 진단한 결과를 누적적으로 저장하여 관리하며, 반복되는 결과에 대한 확인 및 피드백을 할 수 있으며, 새로운 진단 결과가 추가되면, 새로운 진단에 대한 결과 뿐 아니라 기존 진단 결과에 비해 새로운 진단 결과에 따른 심리 상태의 변화에 대한 분석을 하는 모니터링을 할 수 있다.
일 실시 예에 의하면, 저장부(600)는 프로세서의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 사용자 단말로 입력되거나 사용자 단말로부터 출력되는 데이터를 저장할 수도 있다. 또한, 저장부(600)는 인공 신경망을 구성하는 레이어들, 레이어들에 포함된 노드들 및 레이어들의 연결 강도에 관한 가중치들에 대한 정보와 가중치 정규화 함수, 양자화 함수, 식별된 가중치의 타입 및 식별된 가중치의 타입에 따라 부호화된 가중치 값들을 저장할 수 있다. 즉, 저장부(600)는 인공 신경망 내 가중치들이 수정 및 갱신될 경우, 수정 및 갱신된 가중치에 관한 정보를 더 저장할 수 있다.
또한, 저장부(600)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있으나 본 개시는 이에 제한되지 않는다.
일 실시 예에 의하면, 통신부(700)는 네트워크 접속을 위한 유/무선 인터넷 모듈을 포함할 수 있다. 무선 인터넷 기술로는 WLAN(Wireless LAN)(Wi-Fi), Wibro(Wireless broadband), Wimax(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access) 등이 이용될 수 있다. 유선 인터넷 기술로는 XDSL(Digital Subscriber Line), FTTH(Fibers to the home), PLC(Power Line Communication) 등이 이용될 수 있다.
또한, 통신부(700)는 근거리 통신 모듈을 포함하여, 상기 진단 장치(10)와 비교적 근거리에 위치하고 근거리 통신 모듈을 포함한 전자 장치와 데이터를 송수신할 수 있다. 근거리 통신(short range communication) 기술로 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(IrDA, infrared Data Association), UWB(Ultra Wideband), ZigBee 등이 이용될 수 있다.
본 발명의 일 실시예에 따른 심리상태 진단 장치가 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 방법은 컴퓨터상에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능한 기록 매체는 컴퓨터에 의해 액세스(access)될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함할 수 있다. 또한, 컴퓨터 판독 가능한 기록 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독 가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함할 수 있다.
본 명세서에서 설명된 실시예들에 관한 예시적인 모듈, 단계 또는 이들의 조합은 전자 하드웨어(코딩 등에 의해 설계되는 디지털 설계), 소프트웨어(프로그램 명령을 포함하는 다양한 형태의 애플리케이션) 또는 이들의 조합에 의해 구현될 수 있다. 하드웨어 및/또는 소프트웨어 중 어떠한 형태로 구현되는지는 사용자 단말에 부여되는 설계상의 제약에 따라 달라질 수 있다.
본 명세서에서 설명된 구성의 하나 이상은 컴퓨터 프로그램 명령으로서 메모리에 저장될 수 있는데, 이러한 컴퓨터 프로그램 명령은 디지털 신호 프로세서를 중심으로 본 명세서에서 설명된 방법을 실행할 수 있다. 본 명세서에 첨부된 도면을 참조하여 특정되는 구성 간의 연결 예는 단지 예시적인 것으로, 이들 중 적어도 일부는 생략될 수도 있고, 반대로 이들 구성 뿐 아니라 추가적인 구성을 더 포함할 수 있음은 물론이다.
이상의 설명은 본 발명의 기술적 사상을 예시적으로 설명한 것에 불과한 것으로, 통상의 기술자라면 본 발명의 본질적인 특성이 벗어나지 않는 범위에서 다양한 변경 및 수정이 가능할 것이다.
따라서, 본 명세서에 개시된 실시예들은 본 발명의 기술적 사상을 한정하기 위한 것이 아니라, 설명하기 위한 것이고, 이러한 실시예들에 의하여 본 발명의 범위가 한정되는 것은 아니다.
본 발명의 보호범위는 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 이해되어야 한다.
10: 심리 상태 진단 장치
100: 데이터 입력부
200: 진단부
210: 객체 이미지 추출부
220: 이미지 분류부
230: 개체 식별부
240: 심리 상태 진단부
250: 가중치 적용부
300: 솔루션 생성부
400: 출력부
500: 모니터링부
600: 저장부
700: 통신부
100: 데이터 입력부
200: 진단부
210: 객체 이미지 추출부
220: 이미지 분류부
230: 개체 식별부
240: 심리 상태 진단부
250: 가중치 적용부
300: 솔루션 생성부
400: 출력부
500: 모니터링부
600: 저장부
700: 통신부
Claims (21)
- 그림일기 사용자의 심리상태 진단 장치에 의해 수행되는 심리상태 진단 방법에 있어서,
그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되는 그림일기 데이터를 획득하는 단계; 및
상기 그림일기 데이터에 포함된 그림일기의 입력시작부터 종료까지의 로그데이터 정보를 인공 지능 모델에 입력하여 그림일기 사용자의 심리 상태 및 각 심리 상태의 정도를 진단하는 단계를 포함하고,
상기 로그데이터 정보는 그림을 그리는 시간, 상기 그림의 위치, 상기 그림에 사용된 복수의 컬러, 상기 복수의 컬러가 사용된 순서, 상기 그림을 수정한 빈도, 상기 그림에 포함된 개체의 크기 및 상기 개체 간 간격에 대한 정보를 포함하는
그림일기 사용자의 심리상태 진단 방법.
- 제1항에 있어서,
상기 그림일기 데이터를 획득하는 단계는,
상기 그림일기 데이터를 획득하기 이전에, 상기 그림일기 전용 애플리케이션 사용을 위한 사용자 기본정보 및 사용자의 가정환경에 대한 정보를 입력받는 단계를 더 포함하는,
그림일기 사용자의 심리상태 진단 방법.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 제1항에 있어서,
상기 그림일기 사용자의 심리 상태를 진단하는 단계에서 진단한 결과에 기반하여, 현재 심리 상태에 대한 심리 상담가의 코멘트, 현재의 심리 상태를 개선하는 방안 또는 추가적인 관찰이 필요한지 여부 중 적어도 하나를 포함하는 솔루션을 생성하는 단계를 더 포함하는
그림일기 사용자의 심리상태 진단 방법.
- 제9항에 있어서,
상기 생성된 솔루션에 따라 개인정보 보호를 위한 상기 그림일기 전용 애플리케이션의 보호자 모드에서만 출력되는 정보를 출력하는 단계를 더 포함하는
그림일기 사용자의 심리상태 진단 방법.
- 그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되는 그림일기 데이터를 획득하는 그림일기 데이터 입력부; 및
상기 그림일기 데이터에 포함된 그림일기의 입력시작부터 종료까지의 로그데이터 정보를 인공 지능 모델에 입력하여 그림일기 사용자의 심리 상태 및 각 심리 상태의 정도를 진단하는 진단부를 포함하고,
상기 로그데이터 정보는 그림을 그리는 시간, 상기 그림의 위치, 상기 그림에 사용된 복수의 컬러, 상기 복수의 컬러가 사용된 순서, 상기 그림을 수정한 빈도, 상기 그림에 포함된 개체의 크기 및 상기 개체 간 간격에 대한 정보를 포함하는
그림일기 사용자의 심리상태 진단 장치.
- 제11항에 있어서,
상기 그림일기 데이터 입력부는,
상기 그림일기 데이터를 획득하기 이전에, 상기 그림일기 전용 애플리케이션 사용을 위한 사용자 기본정보 및 사용자의 가정환경에 대한 정보를 입력받는 사용자 기본정보 입력부를 더 포함하는,
그림일기 사용자의 심리상태 진단 장치.
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 제11항에 있어서,
상기 진단부에서 진단한 결과에 기반하여, 현재 심리 상태에 대한 심리 상담가의 코멘트, 현재의 심리 상태를 개선하는 방안 또는 추가적인 관찰이 필요한지 여부 중 적어도 하나를 포함하는 솔루션을 생성하는 솔루션 생성부를 더 포함하는
그림일기 사용자의 심리상태 진단 장치.
- 제19항에 있어서,
상기 생성된 솔루션에 따라 개인정보 보호를 위한 상기 그림일기 전용 애플리케이션의 보호자 모드에서만 출력되는 정보를 출력하는 출력부를 더 포함하는
그림일기 사용자의 심리상태 진단 장치.
- 그림일기 전용 애플리케이션의 그림일기 작성모드를 통해 사용자에 의해 입력되는 그림일기 데이터를 획득하는 단계; 및
상기 그림일기 데이터에 포함된 그림일기의 입력시작부터 종료까지의 로그데이터 정보를 인공 지능 모델에 입력하여 그림일기 사용자의 심리 상태 및 각 심리 상태의 정도를 진단하는 단계를 포함하되,
상기 로그데이터 정보는 그림을 그리는 시간, 상기 그림의 위치, 상기 그림에 사용된 복수의 컬러, 상기 복수의 컬러가 사용된 순서, 상기 그림을 수정한 빈도, 상기 그림에 포함된 개체의 크기 및 상기 개체 간 간격에 대한 정보를 포함하는,
그림일기 사용자의 심리상태 진단 장치가 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20220019191 | 2022-02-14 | ||
| KR1020220019191 | 2022-02-14 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102476787B1 true KR102476787B1 (ko) | 2022-12-12 |
Family
ID=84391664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220051524A KR102476787B1 (ko) | 2022-02-14 | 2022-04-26 | 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102476787B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102634328B1 (ko) | 2023-01-13 | 2024-02-07 | 주식회사 키위스튜디오 | 심리 상태의 판단 방법 및 이를 수행하기 위한 장치 |
| KR102642997B1 (ko) * | 2023-10-12 | 2024-03-04 | 지상선 | 정신 건강을 위한 자아 활성화 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170132964A (ko) * | 2016-05-25 | 2017-12-05 | 박지현 | 인공지능 기반의 온라인 그림 그리기 서비스 시스템 |
| KR102187210B1 (ko) * | 2020-06-22 | 2020-12-04 | 주식회사 플랙스 | 영상 일기를 이용한 심리 상태 분석 장치 및 방법 |
| KR102234241B1 (ko) * | 2020-07-29 | 2021-04-01 | 주식회사 메이팜소프트 | 신청자의 심리 상태를 분석하기 위한 이미지 분석 시스템 및 그 분석 방법 |
| KR102294741B1 (ko) | 2020-03-09 | 2021-08-27 | (주)제이앤리 | 딥러닝을 통한 그림기반 심리검사 방법 및 서버 |
-
2022
- 2022-04-26 KR KR1020220051524A patent/KR102476787B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170132964A (ko) * | 2016-05-25 | 2017-12-05 | 박지현 | 인공지능 기반의 온라인 그림 그리기 서비스 시스템 |
| KR102294741B1 (ko) | 2020-03-09 | 2021-08-27 | (주)제이앤리 | 딥러닝을 통한 그림기반 심리검사 방법 및 서버 |
| KR102187210B1 (ko) * | 2020-06-22 | 2020-12-04 | 주식회사 플랙스 | 영상 일기를 이용한 심리 상태 분석 장치 및 방법 |
| KR102234241B1 (ko) * | 2020-07-29 | 2021-04-01 | 주식회사 메이팜소프트 | 신청자의 심리 상태를 분석하기 위한 이미지 분석 시스템 및 그 분석 방법 |
Non-Patent Citations (1)
| Title |
|---|
| Kang B, etc., Proposal of AI Painting Diary Art Therapy App Service for the Mental Health in Young Generation, ‘MACHI’. Proceedings of HICK. pp.977~981 (2020)* * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102634328B1 (ko) | 2023-01-13 | 2024-02-07 | 주식회사 키위스튜디오 | 심리 상태의 판단 방법 및 이를 수행하기 위한 장치 |
| KR102642997B1 (ko) * | 2023-10-12 | 2024-03-04 | 지상선 | 정신 건강을 위한 자아 활성화 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11226673B2 (en) | Affective interaction systems, devices, and methods based on affective computing user interface | |
| Lotfian et al. | Curriculum learning for speech emotion recognition from crowdsourced labels | |
| Vinola et al. | A survey on human emotion recognition approaches, databases and applications | |
| KR102476787B1 (ko) | 인공 지능 모델 기반으로 그림일기 분석을 통한 그림일기 사용자의 심리상태 진단 장치 및 방법 | |
| US9734730B2 (en) | Multi-modal modeling of temporal interaction sequences | |
| CN111788621A (zh) | 移情式个人虚拟数字助理 | |
| US20140212854A1 (en) | Multi-modal modeling of temporal interaction sequences | |
| KR102187210B1 (ko) | 영상 일기를 이용한 심리 상태 분석 장치 및 방법 | |
| CN110570941B (zh) | 一种基于文本语义向量模型评估心理状态的系统和装置 | |
| JP2017016566A (ja) | 情報処理装置、情報処理方法及びプログラム | |
| Chen et al. | Smg: A micro-gesture dataset towards spontaneous body gestures for emotional stress state analysis | |
| CN113705725B (zh) | 一种基于多模态信息融合的用户人格特征预测方法和装置 | |
| Dubbaka et al. | Detecting learner engagement in MOOCs using automatic facial expression recognition | |
| Al-Alwani | Mood extraction using facial features to improve learning curves of students in e-learning systems | |
| Gunawan et al. | Development of intelligent telegram chatbot using natural language processing | |
| Guthier et al. | The affect-aware city | |
| Salazar et al. | Analysis of different affective state multimodal recognition approaches with missing data-oriented to virtual learning environments | |
| Kumar et al. | Analysis of machine learning algorithms for facial expression recognition | |
| Lima et al. | Software with biofeedback to assist people with Down syndrome | |
| JP6802332B1 (ja) | 情報処理方法および情報処理装置 | |
| Hou | Deep Learning-Based Human Emotion Detection Framework Using Facial Expressions | |
| Nilugonda et al. | A survey on big five personality traits prediction using tensorflow | |
| Utami et al. | A Brief Study of The Use of Pattern Recognition in Online Learning: Recommendation for Assessing Teaching Skills Automatically Online Based | |
| Zhou et al. | Deep explanatory polytomous item-response model for predicting idiosyncratic affective ratings | |
| Leahu | Representation without representationalism |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |