KR102514357B1 - 스티커 부착을 통한 피검사자의 심리 상태 판단 방법, 장치 및 시스템 - Google Patents
스티커 부착을 통한 피검사자의 심리 상태 판단 방법, 장치 및 시스템 Download PDFInfo
- Publication number
- KR102514357B1 KR102514357B1 KR1020220168309A KR20220168309A KR102514357B1 KR 102514357 B1 KR102514357 B1 KR 102514357B1 KR 1020220168309 A KR1020220168309 A KR 1020220168309A KR 20220168309 A KR20220168309 A KR 20220168309A KR 102514357 B1 KR102514357 B1 KR 102514357B1
- Authority
- KR
- South Korea
- Prior art keywords
- type
- test
- personality
- sticker
- test subject
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012360 testing method Methods 0.000 claims abstract description 151
- 230000008451 emotion Effects 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims description 16
- 230000002860 competitive effect Effects 0.000 claims description 14
- 238000013473 artificial intelligence Methods 0.000 claims description 13
- 230000002996 emotional effect Effects 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000013136 deep learning model Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000006996 mental state Effects 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 241000544076 Whipplea modesta Species 0.000 claims description 2
- 230000002688 persistence Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
-
- 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
- A61B5/167—Personality evaluation
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Psychiatry (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Psychology (AREA)
- Developmental Disabilities (AREA)
- Pathology (AREA)
- Child & Adolescent Psychology (AREA)
- Social Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Educational Technology (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
본 개시의 다양한 실시예에 따른 전자 장치에 의해 수행되는, 스티커 부착을 통한 피검사자의 심리 상태를 판단하는 방법은, 제1 피검사자의 단말 장치로부터, 복수의 스티커 중 제1 피검사자가 부착한 적어도 하나의 스티커를 포함하는 검사 용지를 촬영한, 상기 검사 용지에 관한 사진을 획득하는 단계, 상기 검사 용지에 관한 사진을 분석함으로써, 상기 검사 용지에 부착된 상기 적어도 하나의 스티커를 식별하는 단계, 상기 적어도 하나의 스티커 각각에 할당된 적어도 하나의 감정 유형에 따라, 상기 적어도 하나의 스티커 각각의 성격 유형을 분류하는 단계 및 상기 분류한 결과에 기초하여, 상기 제1 피검사자의 심리 상태를 결정하는 단계를 포함한다.
Description
본 발명은 스티커 부착을 통한 피검사자의 심리 상태 판단 방법, 장치 및 시스템에 관한 것으로, 보다 상세하게는 피검사자는 자신의 심리 상태를 스티커의 편집 동작으로 나타내고, 시스템은 피검사자의 심리 상태를 추론하는 스티커 부착을 통한 피검사자의 심리 상태 판단 방법, 장치 및 시스템에 관한 것이다.
본 발명에 관련된 종래기술에는 미술 심리 검사, 영상 일기, 어린이 심리 검사, 개인 캐릭터 심리 검사가 있다. 특허문헌 1의 미술심리검사 장치는 대중서비스, 초벌 해석, 범죄 프로파일링, 인적성 검사, 약식 심리검사에 활용할 수 있다. 또한, 특허문헌 2의 영상 일기를 이용한 심리 상태 분석 장치 및 방법은 영상과 음성으로 표현을 유도하여 심리 검사가 진행될 수 있는 서비스 기술 환경을 제공할 수 있다. 또한, 특허문헌 3의 어린이 심리 검사 시스템 및 방법은 이미지를 분석하여 피검사자에 대한 심리 검사를 수행한다. 또한, 특허문헌 4의 개인 캐릭터 도출을 위한 심리평가도구 및 이를 이용한 심리평가 위한 개인 캐릭터 도출방법은 개인 성향 및 개인 캐릭터를 심리검사에 적용하여 개인 밀착형 최적의 심리 검사를 수행한다.
본 개시의 다양한 실시예에 따르면, 피검사자가 부착한 스티커를 이용하여 성격 유형을 판단하고, 성격 유형에 기초하여 피검사자의 심리 상태를 결정하는 것을 기술적 과제로 한다.
본 개시의 다양한 실시예에 따르면, 피검사자가 수행한 심리 검사의 결과를 검사자가 정성적으로 평가함으로써 피검사자의 심리 상태를 결정하는 것이 아니라, 학습된 인공지능 모델을 이용하여 심리 검사 결과를 분석함으로써 피 검사자의 심리 상태를 결정하는 것을 기술적 과제로 한다.
본 개시의 다양한 실시예에 따르면, 심리 검사를 수행한 피검사자에게 적절한 보상을 제공하는 것을 기술적 과제로 한다.
본 문서에 개시된 다양한 실시예에 따른, 전자 장치에 의해 수행되는, 스티커 부착을 통한 피검사자의 심리 상태를 판단하는 방법은, 제1 피검사자의 단말 장치로부터, 복수의 스티커 중 상기 제1 피검사자가 부착한 적어도 하나의 스티커를 포함하는 검사 용지를 촬영한, 상기 검사 용지에 관한 사진을 획득하는 단계 - 상기 복수의 스티커 각각에 대해서는, 지정된 검사 문구 및 상기 검사 문구에 대응하는 감정 유형이 할당되어 있음 -; 상기 검사 용지에 관한 사진을 분석함으로써, 상기 검사 용지에 부착된 상기 적어도 하나의 스티커를 식별하는 단계; 상기 적어도 하나의 스티커 각각에 할당된 적어도 하나의 감정 유형에 따라, 상기 적어도 하나의 스티커 각각의 성격 유형을 분류하는 단계; 및 상기 분류한 결과에 기초하여, 상기 제1 피검사자의 심리 상태를 결정하는 단계를 포함할 수 있다.
다양한 실시예에 따른 상기 검사 용지에 부착된 상기 적어도 하나의 스티커를 식별하는 단계는, 상기 검사 용지에 관한 사진을 전처리함으로써, 상기 적어도 하나의 스티커 각각에 대한 서브 이미지를 생성하는 단계; 상기 적어도 하나의 스티커 각각에 대한 서브 이미지로부터, 광학적 문자 판독 알고리즘을 이용하여, 적어도 하나의 텍스트를 추출하는 단계; 상기 적어도 하나의 텍스트에 대응하는 적어도 하나의 검사 문구를 식별하는 단계; 상기 식별한 적어도 하나의 검사 문구에 대응하는 상기 적어도 하나의 스티커를 식별하는 단계를 포함할 수 있다.
다양한 실시예에 따른 상기 제1 피검사자의 심리 상태를 결정하는 단계는, 상기 분류한 결과에 기초하여, 상기 제1 피검사자에 해당하는 적어도 하나의 성격 유형 및 상기 적어도 하나의 성격 유형별 분류된 스티커의 수를 확인하는 단계; 인공지능 모델에, 상기 제1 피검사자에 해당하는 적어도 하나의 성격 유형 및 상기 적어도 하나의 성격 유형별 분류된 스티커의 수를 입력하는 단계; 및 상기 인공지능 모델로부터, 상기 제1 피검사자의 심리 상태를 획득하는 단계를 포함할 수 있다. 다양한 실시예에 따른 상기 인공지능 모델은, 기계 학습 알고리즘에 따라, 복수의 피검사자 각각에 해당하는 복수의 성격 유형 및 상기 복수의 성격 유형별 분류된 스티커의 수에 관한 데이터 세트를 훈련용 입력 데이터로 하고, 상기 복수의 피검사자 각각의 심리 상태에 관한 데이터 세트를 훈련용 출력 데이터로 하여, 상기 훈련용 입력 데이터 및 상기 훈련용 출력 데이터 사이의 상관 관계를 모델링하여 구축된 딥러닝 모델일 수 있다.
다양한 실시예에 따른 상기 성격 유형은, 경쟁형, 회피형, 타협형, 협력형 및 양보형을 포함하고, 상기 경쟁형에 해당하는 감정 유형은, 성취감, 결단력, 목표지향적, 공정성, 열정적, 전략적, 추진력, 주도력, 직관력 및 설득력을 포함하고, 상기 회피형에 해당하는 감정 유형은, 감성적, 인내심, 겸손함, 신중함, 예의, 초연함, 온유함, 사색적 및 유연성을 포함하고, 상기 타협형에 해당하는 감정 유형은, 융통성, 개방성, 신뢰, 포용력, 관대함, 자신감, 자율적, 너그러움, 원칙적 및 도움을 포함하고, 상기 협력형에 해당하는 감정 유형은, 진정성, 명예심, 신속함, 문제해결력, 안정적, 자기조절력, 균형감, 분석력, 사교적, 낙관성, 상냥함 및 확신을 포함하고, 상기 양보형에 해당하는 감정 유형은, 도전적, 모험적, 쾌활성, 인정, 일관성, 평상심, 배려심, 창의력, 끈기, 용기, 친절함 및 진실함을 포함할 수 있다. 다양한 실시예에 따른 상기 제1 피검사자의 심리 상태를 결정하는 단계는, 상기 경쟁형, 회피형, 타협형, 협력형 및 양보형 각각에 분류된 스티커의 수를 확인하는 단계; 상기 경쟁형, 회피형, 타협형, 협력형 및 양보형 중 분류된 스티커의 수가 가장 많은 성격 유형을, 상기 제1 피검사자의 메인 성격로 결정하는 단계; 상기 경쟁형, 회피형, 타협형, 협력형 및 양보형 중 분류된 스티커의 수가 2번째로 많은 성격 유형을, 상기 제1 피검사자의 보조 성격으로 결정하는 단계; 및 상기 제1 피검사자의 메인 성격 및 보조 성격에 기초하여, 상기 제1 피검사자의 심리 상태를 결정하는 단계를 포함할 수 있다.
다양한 실시예에 따른 피검사자의 심리 상태를 판단하는 방법은, 상기 복수의 피검사자 각각을 노드로하여 형성된 블록체인 네트워크에 상기 제1 피검사자의 노드에 상기 제1 피검사자의 심리 상태에 관한 정보를 블록 형태로 저장하는 단계; 상기 제1 피검사자의 노드에 상기 제1 피검사자의 심리 상태에 관한 정보를 블록 형태로 저장한 것에 응답하여, 코인을 획득하는 단계; 및 상기 코인을 상기 제1 피검사자에게 할당된 코인을 코인 지갑으로 제공하는 단계를 더 포함할 수 있다.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
본 개시의 다양한 실시예에 따르면, 피검사자가 부착한 스티커를 이용하여 성격 유형을 판단하고, 성격 유형에 기초하여 피검사자의 심리 상태를 결정할 수 있다.
본 개시의 다양한 실시예에 따르면, 피검사자가 수행한 심리 검사의 결과를 검사자가 정성적으로 평가함으로써 피검사자의 심리 상태를 결정하는 것이 아니라, 학습된 인공지능 모델을 이용하여 심리 검사 결과를 분석함으로써 피 검사자의 심리 상태를 결정할 수 있다.
본 개시의 다양한 실시예에 따르면, 심리 검사를 수행한 피검사자에게 적절한 보상을 제공할 수 있다.
도 1은 본 개시의 다양한 실시예에 따른 스티커 부착을 통한 피검사자의 심리 상태를 판단하는 서비스를 운용하는 시스템을 도시한 도면이다.
도 2는 본 개시의 다양한 실시예에 따른 전자 장치의 구성의 예시도이다.
도 3은 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 4는 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 5는 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 6은 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 7은 본 개시의 다양한 실시예에 따른 적어도 하나의 스티커가 부착된 검사 용지에 관한 사진이다.
도 2는 본 개시의 다양한 실시예에 따른 전자 장치의 구성의 예시도이다.
도 3은 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 4는 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 5는 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 6은 본 개시의 다양한 실시예에 따른 전자 장치의 동작 흐름도이다.
도 7은 본 개시의 다양한 실시예에 따른 적어도 하나의 스티커가 부착된 검사 용지에 관한 사진이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
도 1은 본 개시의 다양한 실시예에 따른 스티커 부착을 통한 피검사자의 심리 상태를 판단하는 서비스를 운용하는 시스템을 도시한 도면이다.
다양한 실시예에 따른 시스템은, 전자 장치(110) 및 피검사자의 단말 장치(120)를 포함할 수 있다. 전자 장치(110)는 피검사자의 단말 장치(120)와 통신망을 통해 유선 또는 무선으로 통신 연결될 수 있다. 피검사자의 단말 장치(120)는 심리 상태를 검사하기 위한 검사 대상인 피검사자가 소유한 단말 장치일 수 있다.
다양한 실시예에 따른 전자 장치(110)는 상술한 서비스(10)를 운용하는 서버 장치 일 수 있다. 상기 서비스(10)는 애플리케이션을 통해 운용될 수도 있고, 웹사이트를 통해 운용될 수도 있다. 서비스(10)에 관한 구체적인 설명은 후술하기로 한다.
도 2는 다양한 실시예에 따른 전자 장치(110)의 구성의 예시도이다.
일 실시예에 따른 전자 장치(110)는 프로세서(111), 메모리(113), 통신 회로(115) 및 데이터베이스(117)를 포함한다. 일실시예에 따른 전자 장치(110)는 상술한 시스템을 운영하기 위한 서버 장치일 수 있다. 프로세서(111)는 본 문서에 개시된 적어도 하나의 장치들을 포함하거나, 본 문서에 개시된 적어도 하나의 방법을 수행할 수 있다. 메모리(113)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(113)는 휘발성 메모리(113) 또는 비휘발성 메모리(113)일 수 있다.
프로세서(111)는 프로그램을 실행하고, 전자 장치(110)를 제어할 수 있다. 프로세서(111)에 의하여 실행되는 프로그램의 코드는 메모리(113)에 저장될 수 있다. 전자 장치(110)는 입출력 장치(미도시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다. 프로세서(111)는 전자 장치(110)의 구성 요소들과 작동적으로 연결될 수 있다. 프로세서(111)는 전자 장치(110)의 다른 구성 요소로부터 수신된 명령 또는 데이터를 메모리(113)에 로드하고 메모리(113)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 저장할 수 있다.
통신 회로(115)는 외부 장치(예: 고객 단말 장치, 전문가 단말 장치)와 통신 채널을 설립하고, 외부 장치와 다양한 데이터를 송수신할 수 있다. 다양한 실시예에 따르면, 통신 회로(115)는 셀룰러 통신 모듈을 포함하여 셀룰러 네트워크(예: 3G, LTE, 5G, Wibro 또는 Wimax)에 연결되도록 구성할 수 있다. 다양한 실시예에 따르면, 통신 회로(115)는 근거리 통신 모듈을 포함하여 근거리 통신(예를 들면, Wi-Fi, Bluetooth, Bluetooth Low Energy(BLE), UWB)을 이용해 외부 장치와 데이터 송수신을 할 수 있으나, 이에 제한되지 않는다.
데이터베이스(117)는 다양한 정보를 저장할 수 있다. 데이터베이스(117)는, 프로세서(111)의 제어 하에, 복수의 스티커 각각의 정보를 저장할 수 있다. 복수의 스티커 각각의 정보는, 복수의 스티커 각각에 지정된 검사 문구 및 상기 검사 문구에 대응하는 감정 유형이 포함될 수 있다.
데이터베이스(117)는, 프로세서(111)의 제어 하에, 복수의 성격 유형에 관한 정보를 저장할 수 있다. 복수의 성격 유형은, 경쟁형, 회피형, 타협형, 협력형 및 양보형을 포함할 수 있다.
데이터베이스(117)는, 프로세서(111)의 제어 하에, 복수의 감정 유형에 관한 정보를 저장할 수 있다. 경쟁형에 해당하는 감정 유형은, 성취감, 결단력, 목표지향적, 공정성, 열정적, 전략적, 추진력, 주도력, 직관력 및 설득력을 포함할 수 있다. 회피형에 해당하는 감정 유형은, 감성적, 인내심, 겸손함, 신중함, 예의, 초연함, 온유함, 사색적 및 유연성을 포함할 수 있다. 타협형에 해당하는 감정 유형은, 융통성, 개방성, 신뢰, 포용력, 관대함, 자신감, 자율적, 너그러움, 원칙적 및 도움을 포함할 수 있다. 협력형에 해당하는 감정 유형은, 진정성, 명예심, 신속함, 문제해결력, 안정적, 자기조절력, 균형감, 분석력, 사교적, 낙관성, 상냥함 및 확신을 포함할 수 있다. 양보형에 해당하는 감정 유형은, 도전적, 모험적, 쾌활성, 인정, 일관성, 평상심, 배려심, 창의력, 끈기, 용기, 친절함 및 진실함을 포함할 수 있다.
다양한 실시예에 따른 데이터베이스(117)는, 피검사자에 해당하는 적어도 하나의 성격 유형 및 상기 성격 유형별 분류된 스티커의 수를 입력하였을 때, 상기 피검사자의 심리 상태를 출력하도록 학습된(훈련된) 인공지능 모델을 저장할 수 있다. 상기 인공지능 모델은, 기계 학습 알고리즘에 따라, 복수의 피검사자 각각에 해당하는 복수의 성격 유형 및 상기 복수의 성격 유형별 분류된 스티커의 수에 관한 데이터 세트를 훈련용 입력 데이터로 하고, 상기 복수의 피검사자 각각의 심리 상태에 관한 데이터 세트를 훈련용 출력 데이터로 하여, 상기 훈련용 입력 데이터 및 상기 훈련용 출력 데이터 사이의 상관 관계를 모델링하여 구축된 딥러닝 모델일 수 있다. 기계 학습 모델은, 예를 들어, 심층 신경망, 합성곱 신경망, 순환 신경망, 강화 학습 모델 또는 분류-회귀 분석을 위한 머신 러닝 모델 중 하나일 수 있다.
다양한 실시예에 따른 전자 장치(110)는 입력 장치(미도시)를 더 포함할 수 있다. 입력 장치는 전자 장치(110)의 구성 요소에 사용될 명령 또는 데이터를 전자 장치(110)의 외부(예: 구매자, 판매자)로부터 수신할 수 있다. 입력 장치는, 예를 들어, 마이크, 마우스, 키보드, 또는 디지털 펜을 포함할 수 있다.
도 3은 본 개시의 다양한 실시예에 따른 전자 장치(110)의 동작 흐름도(300)이다.
동작 흐름도 300를 참조하면, 본 개시의 다양한 실시예에 따른 전자 장치(110)의 프로세서(111)는, 동작 310에서, 제1 피검사자의 단말 장치(120)로부터, 복수의 스티커 중 상기 제1 피검사자가 부착한 적어도 하나의 스티커를 포함하는 검사 용지를 촬영한, 상기 검사 용지에 관한 사진을 획득할 수 있다. 복수의 스티커 각각에 대해서는, 지정된 검사 문구 및 상기 검사 문구에 대응하는 감정 유형이 할당되어 있을 수 있다.
예를 들어, 제1 피검사자는 검사 용지에 제1 스티커 및 제2 스티커를 부착할 수 있고, 제1 피검사자의 단말 장치(120)를 통해, 제1 스티커 및 제2 스티커가 부착된 검사 용지를 촬영할 수 있다. 제1 피검사자의 단말 장치(120)는, 상기 검사 용지를 촬영함으로써 생성된 상기 검사 용지에 관한 사진을 전자 장치(110)로 전송할 수 있다. 전자 장치(110)는, 제1 피검사자의 단말 장치(120)로부터 상기 검사 용지에 관한 사진을 수신할 수 있다.
예를 들어, 제1 스티커는, "내 말에 따라 주세요"라는 검사 문구가 할당되어 있고, "주도력"이라는 감정 유형이 할당되어 있을 수 있다. 예를 들어, 제2 스티커는, "우리 솔직하게 원하는 것을 얘기해보자"라는 검사 문구가 할당되어 있고, "진정성"이라는 감정 유형이 할당되어 있을 수 있다. 마찬가지의 방법으로, 복수의 스티커 각각에 대해서는, 지정된 검사 문구 및 상기 검사 문구에 대응하는 감정 유형이 할당되어 있을 수 있다. 참고로, 스티커는 하나의 감정 유형이 할당될 수 있다.
또한, 제1 스티커에 할당된 "주도력"이라는 감정 유형은, "경쟁형"이라는 성격 유형으로 분류될 수 있다. 제2 스티커에 할당된 "진정성"이라는 감정 유형은, "협력형"이라는 성격 유형으로 분류될 수 있다. 마찬가지의 방법으로, 복수의 감정 유형 각각은 5가지의 성격 유형 중 하나의 성격 유형으로 분류될 수 있으므로, 복수의 스티커 각각에 할당된 복수의 감정 유형에 따라, 복수의 스티커 각각의 성격 유형을 분류할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 320에서, 검사 용지에 관한 사진을 분석함으로써, 상기 검사 용지에 부착된 상기 적어도 하나의 스티커를 식별할 수 있다. 검사 용지에 부착된 상기 적어도 하나의 스티커를 식별하는 구체적인 방법은 후술하기로 한다.
다양한 실시예에 따른 프로세서(111)는, 동작 330에서, 상기 적어도 하나의 스티커 각각에 할당된 적어도 하나의 감정 유형에 따라, 상기 적어도 하나의 스티커 각각의 성격 유형을 분류할 수 있다. 예를 들어, 프로세서(111)는, 제1 스티커에 할당된 감정 유형이 "주도력"이므로, 제1 스티커의 성격 유형은 "경쟁형"으로 분류할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 340에서, 상기 분류한 결과에 기초하여, 상기 제1 피검사자의 심리 상태를 결정할 수 있다. 상기 제1 피검사자의 심리 상태를 결정하는 구체적인 방법은 후술하기로 한다.
도 4는 본 개시의 다양한 실시예에 따른 전자 장치(110)의 동작 흐름도(400)이다. 구체적으로, 도 4는 검사 용지에 부착된 적어도 하나의 스티커를 식별하는 방법을 도시한 도면이다.
동작 흐름도 400을 참조하면, 다양한 실시예에 따른 프로세서(111)는, 동작 410에서, 검사 용지에 관한 사진을 전처리함(pre-processing)으로써, 상기 적어도 하나의 스티커 각각에 대한 서브 이미지를 생성할 수 있다. 전처리는 검사 용지에 관한 사진에서 노이즈를 제거하고, 컬러를 흑백으로 전환하는 과정을 포함할 수 있다. 프로세서(111)는, 전처리된 이미지로부터 텍스트가 포함된 적어도 하나의 영역을 인식할 수 있고, 적어도 하나의 영역을 서브 이미지화할 수 있다. 예를 들어, 검사 용지에 제1 스티커 및 제2 스티커가 부착되어 있는 경우, 프로세서(111)는, 제1 스티커가 포함된 영역에 대한 제1 서브 이미지 및 제2 스티커가 포함된 영역에 대한 제2 서브 이미지를 생성할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 420에서, 검사 용지에 관한 사진을 전처리함으로써 상기 적어도 하나의 스티커 각각에 대한 서브 이미지로부터, 광학적 문자 판독 알고리즘(OCR, optical character reader)을 이용하여, 적어도 하나의 텍스트를 추출할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 430에서, 상기 적어도 하나의 텍스트에 대응하는 적어도 하나의 검사 문구를 식별할 수 있다. 예를 들어, 제1 서브 이미지로부터 "내", "말", "에", "따", "라", "주", "세", "요"라는 텍스트를 추출한 경우, 추출한 텍스트에 대응하는 검사 문구가 "내 말에 따라 주세요"라는 문구임을 식별할 수 있다. 마찬가지의 방법으로, 제2 서브 이미지로부터 추출한 텍스트에 대응하는 검사 문구가 "우리 솔직하게 원하는 것을 얘기해보자"임을 식별할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 440에서, 상기 식별한 적어도 하나의 검사 문구에 대응하는 상기 적어도 하나의 스티커를 식별할 수 있다. 예를 들어, 프로세서(111)는, 식별한 검사 문구가 "내 말에 따라 주세요"인 경우, 해당 검사 문구에 대응하는 스티커는 제1 스티커임을 식별할 수 있다. 예를 들어, 프로세서(111)는 식별한 검사 문구가 " 우리 솔직하게 원하는 것을 얘기해보자"인 경우, 해당 검사 문구에 대응하는 스티커는 제2 스티커임을 식별할 수 있다. 상술한 경우, 프로세서(111)는 검사 용지에 부착된 적어도 하나의 스티커는, 제1 스티커 및 제2 스티커임을 식별할 수 있다.
상술한 방법을 통해, 검사 용지에 관한 사진을 이용하여 해당 검사 용지에 부착된 적어도 하나의 스티커를 식별할 수 있다.
도 5는 본 개시의 다양한 실시예에 따른 전자 장치(110)의 동작 흐름도(500)이다. 구체적으로, 도 5는 피검사자의 심리 상태를 결정하는 구체적인 방법에 관한 것이다.
동작 흐름도 500을 참조하면, 다양한 실시예에 따른 프로세서(111)는, 동작 510에서, 상기 적어도 하나의 스티커 각각의 성격 유형을 분류한 결과에 기초하여, 상기 제1 피검사자에 해당하는 적어도 하나의 성격 유형 및 상기 적어도 하나의 성격 유형별 분류된 스티커의 수를 확인할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 520에서, 인공지능 모델에, 상기 제1 피검사자에 해당하는 적어도 하나의 성격 유형 및 상기 적어도 하나의 성격 유형별 분류된 스티커의 수를 입력할 수 있다. 다양한 실시예에 따른 프로세서(111)는, 동작 530에서, 상기 인공지능 모델로부터, 상기 제1 피검사자의 심리 상태를 획득할 수 있다.
다양한 실시예에 따른 인공지능 모델은, 기계 학습 알고리즘에 따라, 복수의 피검사자 각각에 해당하는 복수의 성격 유형 및 상기 복수의 성격 유형별 분류된 스티커의 수에 관한 데이터 세트를 훈련용 입력 데이터로 하고, 상기 복수의 피검사자 각각의 심리 상태에 관한 데이터 세트를 훈련용 출력 데이터로 하여, 상기 훈련용 입력 데이터 및 상기 훈련용 출력 데이터 사이의 상관 관계를 모델링하여 구축된 딥러닝 모델일 수 있다.
기계 학습 모델은, 예를 들어, 심층 신경망, 합성곱 신경망, 순환 신경망, 강화 학습 모델 또는 분류-회귀 분석을 위한 머신 러닝 모델 중 하나일 수 있다.
일 실시예에 따르면, 프로세서(111)는, 복수의 피검사자 각각을 노드(node)로 하여 형성된 블록체인 네트워크(blockchain network)에 상기 제1 피검사자의 노드에 상기 제1 피검사자의 심리 상태에 관한 정보를 블록 형태로 저장할 수 있다. 프로세서(111)는, 제1 피검사자의 노드에 상기 제1 피검사자의 심리 상태에 관한 정보를 블록 형태로 저장한 것에 응답하여, 코인을 획득할 수 있다. 프로세서(111)는, 코인을 상기 제1 피검사자에게 할당된 코인을 코인 지갑으로 제공할 수 있다.
도 6은 본 개시의 다양한 실시예에 따른 전자 장치(110)의 동작 흐름도(600)이다. 구체적으로, 도 6은 제1 피검사자의 심리 상태를 결정하는 구체적인 방법에 관한 것이다.
동작 흐름도 600을 참조하면, 다양한 실시예에 따른 프로세서(111)는, 동작 610에서, 경쟁형, 회피형, 타협형, 협력형 및 양보형 각각에 분류된 스티커의 수를 확인할 수 있다. 상술한 바와 같이, 성격 유형은, 경쟁형, 회피형, 타협형, 협력형 및 양보형 총 5개의 유형을 포함할 수 있다. 프로세서(111)는, 제1 피검사자가 부착한 적어도 하나의 스티커 각각이 상기 5개의 성격 유형 중 어느 성격 유형에 해당하는지 분류할 수 있다. 분류가 마무리되면, 프로세서(111)는, 5개의 성격 유형 각각에 분류된 스티커의 수를 확인할 수 있다. 예를 들어, 프로세서(111)는, 경쟁형에는 5개의 스티커가 부착되고, 회피형에는 4개의 스티커가 부착되며, 타협형에는 1개의 스티커가 부착되고, 협력형 및 양보형은 0개의 스티커가 부착된 것으로 확인할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 620에서, 상기 경쟁형, 회피형, 타협형, 협력형 및 양보형 중 분류된 스티커의 수가 가장 많은 성격 유형을, 상기 제1 피검사자의 메인 성격으로 결정할 수 있다. 예를 들어, 5개의 성격 유형 중 경쟁형에 부착된 스티커가 5개로 가장 많으므로, 제1 피검사자의 메인 성격을 경쟁형으로 결정할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 630에서, 상기 경쟁형, 회피형, 타협형, 협력형 및 양보형 중 분류된 스티커의 수가 2번째로 많은 성격 유형을, 상기 제1 피검사자의 보조 성격으로 결정할 수 있다. 예를 들어, 5개의 성격 유형 중 회피형에 부착된 스티커가 4개로서 2번째로 많으므로, 제1 피검사자의 보조 성격을 회피형으로 결정할 수 있다.
다양한 실시예에 따른 프로세서(111)는, 동작 640에서, 상기 제1 피검사자의 메인 성격 및 보조 성격에 기초하여, 상기 제1 피검사자의 심리 상태를 결정할 수 있다. 예를 들어, 제1 피검사자의 메인 성격은 경쟁형이고, 보조 성격은 회피형이므로, 프로세서(111)는, 제1 피검사자의 심리 상태는 중요한 일은 경쟁적으로 수행하고 싶지만, 중요하지 않은 일은 회피하고 싶은 상태라고 판단할 수 있다. 이 밖에 다양한 방법에 기초하여, 프로세서(111)는 제1 피검사자의 심리 상태를 판단할 수 있다.
도 7은 본 개시의 다양한 실시예에 따른 적어도 하나의 스티커가 부착된 검사 용지에 관한 사진(700)이다.
도 7을 참조하면, 검사 용지에는 5개의 성격 유형에 관한 영역(711, 713, 715, 717, 719)이 표시되어 있다. 피검사자는 자신과 관련된 적어도 하나의 스티커를 상기 5개의 성격 유형에 관한 영역(711, 713, 715, 717, 719)에 부착할 수 있다. 예를 들어, 도 7과 같이, 피검사자는 경쟁형에 관한 영역(711)에 3개의 스티커를 부착할 수 있다. 예를 들어, "일단 날 믿고 따라와", "내 말에 따라 주세요" 및 "이 얘기는 꼭 해야 할 것 같아"라는 검사 문구가 포함된 3개의 스티커를 경쟁형에 관한 영역(711)에 부착할 수 있다. 상술한 스티커는 "경쟁형"에 할당된 스티커로서, 피검사자가 해당 사실을 명확히 알 수 있도록, 해당 스티커의 테두리의 색(예: 빨간색)을 경쟁형에 관한 영역(711)의 테두리의 색(예: 빨간색)과 동일하게 할 수 있다. 따라서, 피검사자는, 경쟁형으로 할당된 상기 스티커를 부착할 영역이, 경쟁형에 관한 영역(711)이라는 사실을 용이하게 알아챌 수 있다.
마찬가지의 방법으로, 피검사자는 자신과 관련된 적어도 하나의 스티커를 5개의 성격 유형에 관한 영역(711, 713, 715, 717, 719)에 부착할 수 있고, 적어도 하나의 스티커가 부착된 검사 용지를 피검사자의 단말 장치(120)를 통해 촬영하여, 검사 용지에 관한 사진을 전자 장치(110)로 전송할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
Claims (3)
- 전자 장치에 의해 수행되는, 스티커 부착을 통한 피검사자의 심리 상태를 판단하는 방법에 있어서,
제1 피검사자의 단말 장치로부터, 복수의 스티커 중 상기 제1 피검사자가 부착한 적어도 하나의 스티커를 포함하는 검사 용지를 촬영한, 상기 검사 용지에 관한 사진을 획득하는 단계;
상기 검사 용지에 관한 사진을 분석함으로써, 상기 검사 용지에 부착된 상기 적어도 하나의 스티커를 식별하는 단계;
상기 적어도 하나의 스티커 각각에 할당된 적어도 하나의 감정 유형에 따라, 상기 적어도 하나의 스티커 각각의 성격 유형을 분류하는 단계; 및
상기 분류한 결과에 기초하여, 상기 제1 피검사자의 심리 상태를 결정하는 단계를 포함하고,
상기 복수의 스티커 각각에 대해서는, 지정된 검사 문구 및 상기 검사 문구에 대응하는 감정 유형이 할당되어 있고,
상기 검사 용지에 부착된 상기 적어도 하나의 스티커를 식별하는 단계는,
상기 검사 용지에 관한 사진을 전처리함으로써, 상기 적어도 하나의 스티커 각각에 대한 서브 이미지를 생성하는 단계;
상기 적어도 하나의 스티커 각각에 대한 서브 이미지로부터, 광학적 문자 판독 알고리즘을 이용하여, 적어도 하나의 텍스트를 추출하는 단계;
상기 적어도 하나의 텍스트에 대응하는 적어도 하나의 검사 문구를 식별하는 단계; 및
상기 식별한 적어도 하나의 검사 문구에 대응하는 상기 적어도 하나의 스티커를 식별하는 단계를 포함하고,
상기 제1 피검사자의 심리 상태를 결정하는 단계는,
상기 분류한 결과에 기초하여, 상기 제1 피검사자에 해당하는 적어도 하나의 성격 유형 및 상기 적어도 하나의 성격 유형별 분류된 스티커의 수를 확인하는 단계;
인공지능 모델에, 상기 제1 피검사자에 해당하는 적어도 하나의 성격 유형 및 상기 적어도 하나의 성격 유형별 분류된 스티커의 수를 입력하는 단계; 및
상기 인공지능 모델로부터, 상기 제1 피검사자의 심리 상태를 획득하는 단계를 포함하고,
상기 인공지능 모델은, 기계 학습 알고리즘에 따라, 복수의 피검사자 각각에 해당하는 복수의 성격 유형 및 상기 복수의 성격 유형별 분류된 스티커의 수에 관한 데이터 세트를 훈련용 입력 데이터로 하고, 상기 복수의 피검사자 각각의 심리 상태에 관한 데이터 세트를 훈련용 출력 데이터로 하여, 상기 훈련용 입력 데이터 및 상기 훈련용 출력 데이터 사이의 상관 관계를 모델링하여 구축된 딥러닝 모델이고,
상기 성격 유형은, 경쟁형, 회피형, 타협형, 협력형 및 양보형을 포함하고,
상기 경쟁형에 해당하는 감정 유형은, 성취감, 결단력, 목표지향적, 공정성, 열정적, 전략적, 추진력, 주도력, 직관력 및 설득력을 포함하고,
상기 회피형에 해당하는 감정 유형은, 감성적, 인내심, 겸손함, 신중함, 예의, 초연함, 온유함, 사색적 및 유연성을 포함하고,
상기 타협형에 해당하는 감정 유형은, 융통성, 개방성, 신뢰, 포용력, 관대함, 자신감, 자율적, 너그러움, 원칙적 및 도움을 포함하고,
상기 협력형에 해당하는 감정 유형은, 진정성, 명예심, 신속함, 문제해결력, 안정적, 자기조절력, 균형감, 분석력, 사교적, 낙관성, 상냥함 및 확신을 포함하고,
상기 양보형에 해당하는 감정 유형은, 도전적, 모험적, 쾌활성, 인정, 일관성, 평상심, 배려심, 창의력, 끈기, 용기, 친절함 및 진실함을 포함하며,
상기 제1 피검사자의 심리 상태를 결정하는 단계는,
상기 경쟁형, 회피형, 타협형, 협력형 및 양보형 각각에 분류된 스티커의 수를 확인하는 단계;
상기 경쟁형, 회피형, 타협형, 협력형 및 양보형 중 분류된 스티커의 수가 가장 많은 성격 유형을, 상기 제1 피검사자의 메인 성격로 결정하는 단계;
상기 경쟁형, 회피형, 타협형, 협력형 및 양보형 중 분류된 스티커의 수가 2번째로 많은 성격 유형을, 상기 제1 피검사자의 보조 성격으로 결정하는 단계; 및
상기 제1 피검사자의 메인 성격에 기초하여, 상기 제1 피검사자의 심리 상태 중 주요한 부분에 대한 심리 상태를 결정하고, 상기 제1 피검사자의 보조 성격에 기초하여, 상기 제1 피검사자의 심리 상태 중 주요한 부분을 제외한 나머지 부분에 대한 심리 상태를 결정하는 단계를 더 포함하는, 피검사자의 심리 상태를 판단하는 방법.
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220168309A KR102514357B1 (ko) | 2022-12-06 | 2022-12-06 | 스티커 부착을 통한 피검사자의 심리 상태 판단 방법, 장치 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220168309A KR102514357B1 (ko) | 2022-12-06 | 2022-12-06 | 스티커 부착을 통한 피검사자의 심리 상태 판단 방법, 장치 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102514357B1 true KR102514357B1 (ko) | 2023-03-27 |
Family
ID=85799799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220168309A KR102514357B1 (ko) | 2022-12-06 | 2022-12-06 | 스티커 부착을 통한 피검사자의 심리 상태 판단 방법, 장치 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102514357B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102187210B1 (ko) | 2020-06-22 | 2020-12-04 | 주식회사 플랙스 | 영상 일기를 이용한 심리 상태 분석 장치 및 방법 |
| KR102240930B1 (ko) | 2019-01-18 | 2021-04-15 | (주)지영커뮤니티 | 미술심리검사 장치 |
| KR20220027041A (ko) | 2020-08-26 | 2022-03-07 | 주식회사 비앤티소프트 | 어린이 심리 검사 시스템 및 방법 |
| KR102391448B1 (ko) | 2021-10-15 | 2022-04-28 | 성기원 | 개인 캐릭터 도출을 위한 심리평가도구 및 이를 이용한 심리평가 위한 개인 캐릭터 도출방법 |
-
2022
- 2022-12-06 KR KR1020220168309A patent/KR102514357B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102240930B1 (ko) | 2019-01-18 | 2021-04-15 | (주)지영커뮤니티 | 미술심리검사 장치 |
| KR102187210B1 (ko) | 2020-06-22 | 2020-12-04 | 주식회사 플랙스 | 영상 일기를 이용한 심리 상태 분석 장치 및 방법 |
| KR20220027041A (ko) | 2020-08-26 | 2022-03-07 | 주식회사 비앤티소프트 | 어린이 심리 검사 시스템 및 방법 |
| KR102391448B1 (ko) | 2021-10-15 | 2022-04-28 | 성기원 | 개인 캐릭터 도출을 위한 심리평가도구 및 이를 이용한 심리평가 위한 개인 캐릭터 도출방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11010645B2 (en) | Interactive artificial intelligence analytical system | |
| Ruminski et al. | Interactions with recognized patients using smart glasses | |
| Watson et al. | Human-centered design using system modeling language | |
| Rahman et al. | An assistive model for visually impaired people using YOLO and MTCNN | |
| Darapaneni et al. | Facial expression recognition and recommendations using deep neural network with transfer learning | |
| US11429934B2 (en) | Express tracking for patient flow management in a distributed environment | |
| Singh et al. | Facial emotion recognition using convolutional neural network | |
| Kroshchanka et al. | A neural-symbolic approach to computer vision | |
| KR102514357B1 (ko) | 스티커 부착을 통한 피검사자의 심리 상태 판단 방법, 장치 및 시스템 | |
| Banu et al. | An intelligent web app chatbot | |
| Wazarkar et al. | Early Disease Detection using Android Application based on Nail’s Image | |
| KR102514361B1 (ko) | 스티커 부착을 통한 피검사자의 심리 검사를 제공하는 교재를 결정하고 이를 이용하여 심리 검사를 수행하는 방법, 장치 및 시스템 | |
| Sinha et al. | Emotion analysis to provide counseling to students fighting from depression and anxiety by using CCTV surveillance | |
| ViswanathReddy et al. | Facial emotions over static facial images using deep learning techniques with hysterical interpretation | |
| KR102536992B1 (ko) | 챗봇 서비스를 제공하는 커뮤니케이션 시스템 | |
| Rust et al. | Identifying objects and remembering images: insights from deep neural networks | |
| Angsupanich et al. | A prototype real-time mobile application for Thai banknote recognition to support visually impaired persons | |
| Mukherjee et al. | Personalization of industrial human–robot communication through domain adaptation based on user feedback | |
| Dubey | 5 Mental disorder prediction using facial expression based on machine learning techniques | |
| US10255906B2 (en) | Sensors and analytics for reading comprehension | |
| Cañete | OpenCV Real-time Face Recognition Attendance System to Online-School Attendances | |
| Memon et al. | EyeHope: (A Real Time Emotion Detection Application) | |
| Fomene | Developing a machine learning model for malaria diagnosis in rural areas | |
| KR102493790B1 (ko) | 인공지능 기반 장소 연계 안면 인식 정보 생성 방법, 장치 및 시스템 | |
| Fodor et al. | Possibilities of Automation of Data Collection from Facial Recognition Software |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |