KR20100132592A - 감성인식장치의 개인별 최적화시스템 및 그 최적화 방법 - Google Patents
감성인식장치의 개인별 최적화시스템 및 그 최적화 방법 Download PDFInfo
- Publication number
- KR20100132592A KR20100132592A KR1020090051264A KR20090051264A KR20100132592A KR 20100132592 A KR20100132592 A KR 20100132592A KR 1020090051264 A KR1020090051264 A KR 1020090051264A KR 20090051264 A KR20090051264 A KR 20090051264A KR 20100132592 A KR20100132592 A KR 20100132592A
- Authority
- KR
- South Korea
- Prior art keywords
- emotional
- emotion
- signal
- individual
- variables
- Prior art date
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000008451 emotion Effects 0.000 title claims abstract description 42
- 230000002996 emotional effect Effects 0.000 claims abstract description 121
- 230000008909 emotion recognition Effects 0.000 claims abstract description 108
- 239000000284 extract Substances 0.000 claims abstract description 12
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000009467 reduction Effects 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 8
- 238000003909 pattern recognition Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 230000037007 arousal Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000036772 blood pressure Effects 0.000 claims description 6
- 210000004204 blood vessel Anatomy 0.000 claims description 6
- 230000008602 contraction Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000010845 search algorithm Methods 0.000 claims description 5
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 230000000241 respiratory effect Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000003379 elimination reaction Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 206010027951 Mood swings Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000037326 chronic stress Effects 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000010195 expression analysis Methods 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001734 parasympathetic effect Effects 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000638 stimulation 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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Signal Processing (AREA)
- Child & Adolescent Psychology (AREA)
- Dermatology (AREA)
- Pulmonology (AREA)
- Mathematical Physics (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
본 발명은 생체신호를 이용한 감성인식장치의 개인별 최적화시스템 및 방법에 관한 것으로, 개인별 사용자에게 최적화되고 보다 정확하고 정교한 감성인식성능을 나타내도록 한 것이다. 이를 위하여 본 발명은, 맥파(PPG)와 피부전도도(GSR)를 측정하는 측정부; 상기 생체신호로부터 심박변이도(HRV), 호흡, 맥파속도(PWV), 긴장성 예측을 위한 다수의 감성특징변수를 추출하고, 개인별 최적화를 실시하여 개인별 감성상태를 인식하는 감성인식부; 상기 개인별 최적화된 감성특징변수 및 감성인식결과를 수집하여 저장 및 표시하고 오류를 제거하는 생체정보 저장부와 표시부 및 오류제거부;를 포함하는, 개인별 최적화시스템 및 그 방법을 제공한다. 이러한 시스템을 활용하여 사용자의 감성상태를 정확히 측정함으로써 의료분야(우울증, 조울증, 만성 스트레스예방), 산업 분야(작업 피로도, 위험사고예방, 졸음운전예방), 교육분야(학습집중도 향상), 오락분야(인터렉티브게임, 가상현실) 등에 있어 제품 및 서비스의 효용성을 높일 수 있게 된다.
생체신호, 감성인식, 심박변이도(HRV), 호흡, 맥파(PPG), 피부전도도(GSR)
Description
본 발명은 감성인식장치의 개인별 최적화시스템 및 방법에 관한 것으로, 더욱 상세하게는 생체신호에서 추출되는 다수의 감성인식 특징신호들 중에서 개인별 최적화과정을 통해 사용자에 적합한 특징신호들만을 선택적으로 적용하여 각 개인별 사용자에 맞는 정확하고 정교한 감성인식 성능을 나타낼 수 있도록 한 감성인식장치의 개인별 최적화시스템 및 그 방법에 관한 것이다.
감성공학은 인간이 가지고 있는 감성을 물리적인 디자인 요소로 번역해 구체 적으로 설계하여 쾌적성, 안정성, 고급감 등을 무기로 감성에 호소하는 제품의 설계를 목표로 한다.
감성공학에서 가장 기본이 되는 것은 인간의 감성을 측정하는 기술인데, 현재 안면의 표현분석, 안구의 움직임 분석, 감성언어의 분석 및 인간의 생체신호 분석 등의 방법이 활용되고 있다.
이 중 생체신호를 기반으로 감성인식을 실시하는 방법은 정확하지 못한 판단 성능으로 인해 일반화하기 어려운 문제점이 있으며, 이를 해결하기 위한 물리적 기 술이 진보되고는 있지만 인간을 위한 질적인 서비스 기술은 아직까지 미흡하다.
이러한 감성인식 기술은 최근 발전하고 있는 유비쿼터스 시대에 인간을 중심으로 개발되는 장비에 핵심 기술로 활용될 것으로 예상된다. 이에 대응하여 국내외 연구기관 또는 대학 등에서는 감성인식기술에 관련된 연구가 활발히 진행되고 있으며, 이들 감성 인식기술들은 대부분 낮은 정확도를 나타내고 있다.
한편, 동일한 감성자극에 따른 생리학적 응답신호 역시 모든 사람이 동일하게 나타낼 수 없기 때문에, 보다 정확한 감성인식을 위해서는 개인 사용자에게 최적화될 수 있는 감성인식 알고리즘이 필요한 상황이다.
본 발명이 이루고자 하는 기술적 과제는, 맥파(PPG)와 피부 전도도(GSR)를 포함하는 생체신호만을 측정하여, 감성 인식에 필요한 다수의 감성특징변수를 추출하고, 다수의 감성특징변수들 중에서 개인별 최적화를 위해 적합한 감성특징변수들만을 선택적으로 적용하여 개인별 사용자의 감성인식을 위한 특징적인 변수로 사용할 수 있도록 함으로써, 소량의 생체특징 데이터만을 이용하여서도 개인별 사용자에게 최적화된 감성인식 성능을 나타낼 수 있도록 한, 생체신호를 이용한 감성인식장치의 개인별 최적화시스템 및 그 방법을 제공하는자 하는 것이다.
본 발명이 이루고자 하는 다른 기술적 과제는, 상기 개인별 최적화를 위해 축소 및 선별된 감성특징변수들을 외부 입력에 의한 오류 제거과정을 통해 선택적으로 수정 또는 삭제할 수 있도록 함으로써, 지속적으로 진화 가능한 감성인식 시 스템을 구현할 수 있는, 생체신호를 이용한 감성인식장치의 개인별 최적화시스템 및 그 방법을 제공하는자 하는 것이다.
상술한 목적을 달성하기 위한 본 발명의 일 실시예는, 개인별 사용자의 맥파(PPG)와 피부전도도(GSR)를 포함하는 생체신호를 측정하는 측정부; 상기 측정부에서 측정되는 생체신호로부터 심박변이도(HRV), 호흡, 맥파속도(PWV), 긴장성 예측을 위한 다수의 감성특징변수를 추출하고, 상기 추출된 다수의 감성특징변수들에 대한 성능 평가 및 개인별 특징 차원 축소를 통해 개인별 최적화를 실시하여 상기 최적화된 감성특징변수들로 개인별 감성상태를 인식하는 감성인식부; 상기 감성인식부에 의해 엑세스되며, 상기 감성인식부를 통해 처리 및 인식되는 개인별 최적화된 감성특징변수 및 감성인식결과를 수집하여 저장하는 생체정보 저장부; 상기 감성인식부를 통해 인식되는 개인별 최적화된 감성특징변수 및 감성인식결과를 표시하는 표시부;를 포함하는, 생체신호를 이용한 감성인식장치의 개인별 최적화시스템이다.
상술한 목적을 달성하기 위한 본 발명의 다른 실시예는, 상기 본 발명 시스템의 구성에 더하여, 상기 감성 인식부에 연결되어, 감성 인식부에 의해 최적화된 감성특징변수 및 감성인식결과의 수정 또는 삭제를 위한 외부 입력신호를 제공하는 오류 수정부;를 더 포함하는, 생체신호를 이용한 감성인식장치의 개인별 최적화시스템이다.
상술한 목적을 달성하기 위한 본 발명의 또 다른 실시예는, 개인별 사용자로 부터 맥파(PPG)와 피부전도도(GSR)를 포함하는 생체신호를 측정하는 생체신호 측정단계; 상기 측정된 맥파(PPG), 피부전도도(GSR) 신호로부터 심박변이도(HRV), 호흡, 맥파속도(PWV), 긴장성 예측을 위한 다수의 감성특징변수를 추출하고, 상기 추출된 다수의 감성특징변수들에 대한 성능 평가 및 개인별 특징 차원 축소를 통해 개인별 최적화를 실시하여 상기 최적화된 감성특징변수들로 개인별 감성상태를 인식하는 감성인식단계; 상기 감성인식단계를 통해 처리 및 인식되는 개인별 최적화된 감성특징변수 및 감성인식결과를 수집하여 저장하고 표시하는 개인별 감성특징 저장 및 표시단계;를 포함하는, 생체신호를 이용한 감성인식장치의 개인별 최적화방법이다.
상술한 목적을 달성하기 위한 본 발명의 또 다른 실시예는, 상기 본 발명 방법의 구성에 더하여, 상기 감성인식단계를 통해 처리 및 인식되는 개인별 감성특정변수 및 감성인식결과의 수정 또는 삭제를 위한 외부 입력신호를 제공하는 오류 수정단계;를 더 포함하는, 생체신호를 이용한 감성인식장치의 개인별 최적화방법이다.
본 발명에 따른 생체신호를 이용한 감성인식장치의 개인별 최적화시스템 및 방법에 의하면, 감성인식정보를 활용하여 사용자의 감성상태를 정확히 측정함으로써 의료분야(우울증, 조울증, 만성 스트레스예방), 산업 분야(작업 피로도, 위험사고예방, 졸음운전예방), 교육분야(학습집중도 향상), 오락분야(인터렉티브게임, 가상현실) 등에 있어 제품 및 서비스의 효용성을 높일 수 있는 효과가 있다.
이하, 본 발명의 일 실시예에 의한 구성 및 동작을 첨부한 도면을 참조하여 상세히 설명한다. 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정 해석되지 아니하며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
도 1은 본 발명에 따른 생체신호를 이용한 감성인식장치의 개인별 최적화시스템의 일 실시예를 나타낸 블록도로서, 도면에 도시된 바와 같이, 본 발명은 측정부(10), 감성인식부(20), 생체정보 저장부(30), 표시부(40)를 포함하는 감성인식장치의 개인별 최적화시스템, 또는 오류 수정부(50)를 더 포함하는 감성인식장치의 개인별 최적화시스템으로 이루어질 수 있게 된다.
측정부(10)는 개인별 사용자의 생체신호 즉, 맥파(PPG), 피부전도도(GSR)를 측정하며, 센서부(11)와 전처리부(12)를 포함하여 구성된다.
센서부(11)는 하나 이상의 센서를 구비하여, 맥파(PPG), 피부전도도(GSR)등의 생체신호를 측정한다. 이 센서부(11)는 감성자극을 위한 시청각 자료를 실험자에게 제공하며, 상기 센서부(11)는 상용제품의 센서를 사용하며 손바닥이나 손가락에 각각의 센서를 부착해 측정하는 것이 바람직하다.
전처리부(12)는 상기 측정된 생체신호를 증폭하고, 잡음 제거를 위한 필터링을 실시하여 순수 생체신호만을 추출한다.
감성인식부(20)는 감성특징 추출부(21)와 특징차원 축소부(22)와 감성판단 인식부(23)를 포함하여 구성되며, 상기 측정부(10)에서 측정되는 생체신호로부터 심박변이도(HRV), 호흡, 맥파속도(PWV), 긴장성(각성정도) 예측을 위한 다수의 감성특징변수를 추출하고, 상기 추출된 다수의 감성특징변수들에 대한 성능 평가 및 개인별 특징 차원 축소를 통해 개인별 최적화를 실시하여 상기 최적화된 감성특징변수들로 개인별 감성상태를 인식한다.
감성특징 추출부(21)는 상기 측정부(10)에서 측정되는 맥파(PPG) 신호 및 피부 전도도(GSR) 신호로부터 심박변이도(HRV), 호흡, 맥파속도(PWV), 긴장성(각 개인별 각성정도) 예측을 위한 다수의 감성특징변수를 추출한다.
상기 감성특징 추출부(21)에서는 맥파(PPG) 신호의 다운 샘플링(down-sampling)과 미리 지정된 대역(BPF : 예를 들면 0.13~0.48Hz의 주파수 범위)내에서의 필터링 및 퓨리에 변환(fourier transform)을 통해 호흡 예측을 위한 다수의 감성특징변수, 즉 dominant frequency estimation(이하는 'DFE'라 칭함)와 엔트로피를 추출한다.
또한 상기 감성특징 추출부(21)에서는 맥파(PPG) 신호의 피크(peak)치를 검출하여 그 피크치 검출 결과로부터 심박 변이도(HRV), 혈관의 수축 및 혈압, 맥파속도(PWV) 예측을 위한 다수의 감성특징변수들을 추출한다.
심박 변이도(HRV) 예측을 위한 감성특징변수는 HRV 평균(mean), SDNN(standard deviation of the normal-to-normal intervals), RMSSD(root mean square of the successive differences between consecutive NN intervals (HRV time-domain index quantifying the parasympathetic tone)), NN50(number of interval differences of successive NN intervals greater than 50ms), total power, nHF(high frequency band), nLF(low frequency band), LF/HF(radio high/low frequency band) 들이며, 이들 특징변수는 맥파(PPG) 신호의 피크치들 사이의 간격(RR interval)에 대한 주파수 보간(예를 들어 4Hz의 interpolation) 및 시간 영역 분석(time domain HRV), 주파수 영역 분석(frequency domain HRV)을 통해 추출된다.
혈관의 수축 및 혈압, 맥파속도(PWV) 예측을 위한 감성특징변수는 평균치와 표준편차 들이며, 이들 특징변수는 맥파(PPG) 신호로부터 검출된 피크 진폭과 맥파속도(PWV)에 대한 표준편차의 예측을 통해 추출된다.
또한 상기 감성특징 추출부(21)에서는 피부전도도(GSR) 신호로부터 기울기 기법과 Y축 변이의 크기를 이용하여 각 개인의 각성정도를 예측할 수 있는 다수의 감성특징변수들을 추출한다. 이들 특징변수들은 피부전도도(GSR) 신호의 다운 샘플링(down-sampling)과 잡음제거 필터링, 상(phasic) 검출과정을 통한 평균치와 표준편차, 긴장성(yonic) 검출 및 미분과정을 통한 빈도수(fluctuation) 카운트값이다.
특징차원 축소부(22)는 상기 다수의 감성특징변수들에 대한 성능 평가를 실시하여 평가 성능이 우수한 변수들이 포함되는 영역으로 특징 차원을 축소한다. 여기서 상기 다수의 감성특징변수들에 대한 성능 평가는 순차전방탐색(Sequential Floating Forward Search) 알고리즘을 통해 실시할 수 있으며, 그 결과 평가 성능이 우수한 변수들이 포함되는 영역으로, 개인별 최적화를 위한 특징 차원 축소를 실행한다.
감성판단 인식부(23)는 상기 특징차원 축소부(22)를 통해 선별된 특징 차원 내의 감성특징변수들을 미리 설정된 감성패턴 인식규칙에 따라 신호 처리하여 각 개인의 현재 감성상태를 판단하고 인식한다. 여기서 상기 선별된 특징 차원 내의 감성특징변수들은 감성패턴 인식규칙에 따라 학습된 신경회로망 알고리즘에 입력신호로 사용되며, 1층 이상의 은닉층을 통해 각 개인별 사용자의 감성상태 판단 결과를 출력으로 발생시킨다. 상기 각 개인에 대한 감성상태는, 예를 들어 두려움, 슬픔, 기쁨, 보통 등으로 구별될 수 있다.
생체정보 저장부(30)는 상기 감성 인식부(20)에 의해 엑세스되며, 상기 감성인식부(20)를 통해 추출 및 인식되는 개인별 최적화된 감성특징변수 및 감성인식결과를 수집하여 저장한다.
표시부(40)는 상기 감성 인식부(20)를 통해 추출 및 인식되는 개인별 최적화된 감성특징변수 및 감성인식결과를 표시한다. 이 표시부에서는 상기 인식된 다수의 감성상태에 근거가 되는 생체신호의 변화를 그래프와 수치 및 이미지로 출력하여 표시할 수 있게 된다.
오류 수정부(50)는 상기 감성 인식부(20)에 연결되어 오류 제거를 위한 외부 사용자와 시스템 간의 인터페이스 수단으로 사용되며, 상기 감성 인식부(20)에 의해 최적화된 감성특징변수 및 감성인식결과의 수정 또는 삭제를 위한 외부 입력신 호를 감성 인식부에 제공한다. 이로써, 상기 개인별 최적화를 위해 축소 및 선별된 감성특징변수들은 외부 입력에 의한 오류 제거과정을 통해 선택적으로 수정 또는 삭제할 수 있게 되므로 지속적으로 진화 가능한 감성인식 시스템의 구현이 가능하게 된다.
도 2는 본 발명에 따른 생체신호를 이용한 감성인식장치의 개인별 최적화방법을 설명하기 위하여 예시한 동작 흐름도로서, 생체신호 측정단계(S101,S103), 감성 인식단계(S105-S109), 저장 및 표시단계(S111)를 포함하는 감성인식장치의 개인별 최적화방법, 또는 오류 수정단계(S113-S117)를 더 포함하는 감성인식장치의 개인별 최적화방법으로 이루어질 수 있게 된다.
생체신호 측정단계는, 개인별 사용자로부터 맥파(PPG)와 피부전도도(GSR)를 포함하는 생체신호를 측정하는 단계(S101)와, 상기 측정된 생체신호를 증폭하고, 잡음 제거를 위한 필터링을 실시하여 생체정보를 전처리하는 단계(S103)를 포함하여 이루어진다.
감성인식단계는, 상기 측정 및 전처리된 맥파(PPG), 피부전도도(GSR) 신호로부터 심박변이도(HRV), 호흡, 맥파속도(PWV), 긴장성 예측을 위한 다수의 감성특징변수를 추출하는 단계(S105)와, 상기 추출된 다수의 감성특징변수들에 대한 성능 평가 및 개인별 특징 차원 축소를 통해 개인별 최적화를 실시하는 단계(S107)와, 상기 최적화된 감성특징변수들로 개인별 감성상태를 인식하는 단계(S109)를 포함하여 이루어진다.
여기서 상기 감성특징변수 추출은 맥파(PPG) 신호 및 피부전도도(GSR) 신호 의 샘플링 및 피크치 검출을 통해 이루어진다. 즉, 맥파(PPG) 신호의 다운 샘플링과 미리 지정된 대역(예를 들어 0.13~0.48Hz 범위의 BPF) 내에서의 필터링 및 퓨리에 변환(fourier transform)을 통해 호흡 예측을 위한 DFE와 엔트로피를 추출한다. 또한 맥파(PPG) 신호의 피크치를 검출한 후 그 피크치들 사이의 간격(RR interval)에 대한 특정 주파수(4Hz) 보간 및 시간 영역 분석을 통해 HRV 평균(mean), SDNN, RMSSD, NN50를 추출하고, 이와 아울러 상기 특정 주파수 보간이 실시된 피크치들 사이의 간격(RR interval)에 대한 주파수 영역 분석을 통해 total power, nHF, nLF, LF/HF 들을 추출한다. 그리고 맥파(PPG) 신호의 피크치 진폭에 대한 표준편차의 예측을 통해 혈관의 수축 및 혈압값 예측을 위한 변수(평균치와 표준편차)를 추출하며, 맥파(PPG) 신호의 피크치의 최대치와 최소치 사이의 간격을 이용하여 맥파속도(PWV) 예측을 위한 변수(평균치와 표준편차)를 추출한다.
또한 피부전도도(GSR) 신호에서는 기울기 기법과 Y축 변이의 크기를 이용하여 각 개인의 각성정도를 예측할 수 있는 변수(평균치와 표준편차 및 빈도수 등)를 추출한다.
한편, 개인별 최적화과정에서는 순차전방향탐색(Sequential Floating Forward Search) 알고리즘을 통해 상기 다수의 감성특징변수들에 대한 성능 평가를 실시하여 평가 성능이 우수한 변수들이 포함되는 영역으로 특징 차원을 축소하는 과정을 통해 이루어지고, 선별된 특징 차원 내의 감성특징변수들은 미리 설정된 감성패턴 인식규칙에 따라 학습된 신경회로망 알고리즘에 입력되어 각 개인의 현재 감성상태 판단이 이루어진다.
개인별 감성특징 저장 및 표시단계는, 상기 감성인식단계를 통해 처리 및 인식되는 개인별 최적화된 감성특징변수 및 감성인식결과를 수집하여 저장하고 표시하는 단계(S111)이다. 이 표시동작은 상기 인식된 다수의 감성상태에 근거가 되는 생체신호의 변화를 그래프와 수치 및 이미지로 출력하여 이루어질 수 있게 된다.
오류 수정단계는, 사용자에 의해 입력되는 외부 신호가 수신되는지를 확인하는 단계(S113)와, 상기 확인 결과 외부 신호가 수신되면 그 입력신호에 따라 상기 개인별 감성특징변수 및 그 인식결과를 수정 또는 삭제하는 단계(S115)와, 상기 개인별 감성특정변수 및 감성인식결과의 수정 또는 삭제 결과를 저장하고 표시하는 단계(S117)를 포함하여 이루어진다.
이와 같이 구성되는 본 발명의 개인별 최적화시스템 및 방법의 동작 및 작용효과를 설명하면 다음과 같다.
먼저, 측정부(10)에서는 센서부(11)를 통해 사용자로부터 맥파(PPG)와 피부전도도(GSR)를 포함하는 생체신호를 측정(S101)하고, 전처리부(12)를 통해 상기 측정된 생체신호를 소정 레벨 증폭하고, 잡음 제거를 위한 필터링을 실시(S103)하여 순수 생체신호만을 검출한다.
다음으로 감성 인식부(20)에서는 감성특징 추출부(21)를 통해 다수의 감성특징변수들을 추출(S105)한다. 즉 상기 측정부(10)에서 측정 및 전처리된 맥파(PPG)신호의 다운 샘플링과 0.13~0.48Hz 범위의 대역 필터링 및 퓨리에 변환(fourier transform)을 통해 호흡 예측을 위한 DFE와 엔트로피를 추출하고, 맥파(PPG) 신호의 피크치들 사이의 간격(RR interval)에 대한 특정 주파수(4Hz) 보간 및 시간 영 역 분석을 통해 HRV 평균(mean), SDNN, RMSSD, NN50를 추출한다. 이와 아울러 4Hz의 주파수 보간이 실시된 피크치들 사이의 간격(RR interval)에 대한 주파수 영역 분석을 통해 total power, nHF, nLF, LF/HF 들을 추출한다. 또한 맥파(PPG) 신호의 피크치 진폭에 대한 표준편차의 예측을 통해 혈관의 수축 및 혈압값 예측을 위한 변수(평균치와 표준편차)를 추출하며, 맥파(PPG) 신호의 피크치의 최대치와 최소치 사이의 간격을 이용하여 맥파속도(PWV) 예측을 위한 변수(평균치와 표준편차)를 추출한다. 또한 감성 인식부(20)의 감성특징 추출부(21)에서는 피부전도도(GSR) 신호로부터 기울기 기법과 Y축 변이의 크기를 이용하여 각 개인의 각성정도를 예측할 수 있는 변수(평균치와 표준편차 및 빈도수 등)를 추출한다.
다음으로 감성 인식부(20)는 특징차원 축소부(22)를 통해 개인별 최적화과정을 실시한다. 즉, 순차전방향탐색(Sequential Floating Forward Search) 알고리즘을 통해 상기 다수의 감성특징변수들에 대한 성능 평가를 실시하여 평가 성능이 우수한 변수들이 포함되는 영역으로 특징 차원을 축소(S107)함으로써, 각 개인에게 적합하도록 선별된 특징 차원 내의 감성특징변수들만으로 최적화를 실시한다. 이와 같이 최적화된 감성특징변수들은 감성판단 인식부(23)에 탑재된 신경회로망 알고리즘에 입력되고, 따라서 감성판단 인식부(23)에서는 미리 지정된 감성패턴 인식규칙에 따라 학습된 상기 신경회로망 알고리즘을 통해 각 개인의 현재 감성상태 판단 및 인식결과를 출력할 수 있게 된다.
이와 같은 감성인식결과 및 상기 개인별 최적화과정을 통해 축소된 특징차원 내의 감성특징변수들은 생체정보 저장부(30)에 수집 및 저장되며, 아울러 상기 인 식된 다수의 감성상태에 근거가 되는 생체신호의 변화는 표시부(40)를 통해 그래프와 수치 및 이미지로 출력된다.
상기와 같이 생체정보 저장부(30) 및 표시부(40)에 각각 저장되고 표시되는 감성인식결과 및 개인별 최적화과정을 통해 선별된 감성특징변수들은 오류 수정부(50)를 통해 사용자에 의해 입력되는 외부 신호에 의해 수정되거나 또는 삭제될 수 있게 되며, 이에 따라 각 개인별 최적화과정을 통해 선별된 감성특징변수들은 필요에 따라, 또는 각 개인에 적합하지 않은 변수들로 오류가 발생된 경우에도 선택적인 수정 및 오류 제거과정을 통해 지속적으로 진화할 수 있게 된다.
아울러 사용자에 의해 수정되거나 삭제된 결과는 또한 생체정보 저장부(30) 및 표시부(40)를 통해 표시(S117)될 수 있게 된다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명 사상은 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
도 1은 본 발명에 따른 생체신호를 이용한 감성인식장치의 개인별 최적화시스템의 구성예를 나타낸 블록도이다.
도 2는 본 발명에 따른 생체신호를 이용한 감성인식장치의 개인별 최적화방법의 구성예를 나타낸 동작 흐름도이다.
<도면의 주요 부분에 대한 부호의 설명>
10 : 측정부 11 : 센서부
12 : 전처리부 20 : 감성 인식부
21 : 감성특징 추출부 22 : 특징차원 축소부
23 : 감성판단 인식부 30 : 생체정보 저장부
40 : 표시부 50 : 오류 수정부
Claims (23)
- 개인별 사용자의 맥파(PPG)와 피부전도도(GSR)를 포함하는 생체신호를 측정하는 측정부;상기 측정부에서 측정되는 생체신호로부터 심박변이도(HRV), 호흡, 맥파속도(PWV), 긴장성 예측을 위한 다수의 감성특징변수를 추출하고, 상기 추출된 다수의 감성특징변수들에 대한 성능 평가 및 개인별 특징 차원 축소를 통해 개인별 최적화를 실시하여 상기 최적화된 감성특징변수들로 개인별 감성상태를 인식하는 감성인식부;상기 감성인식부에 의해 엑세스되며, 상기 감성인식부를 통해 처리 및 인식되는 개인별 최적화된 감성특징변수 및 감성인식결과를 수집하여 저장하는 생체정보 저장부;상기 감성인식부를 통해 인식되는 개인별 최적화된 감성특징변수 및 감성인식결과를 표시하는 표시부;를 포함하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화시스템.
- 개인별 사용자의 맥파(PPG)와 피부전도도(GSR)를 포함하는 생체신호를 측정하는 측정부;상기 측정부에서 측정되는 생체신호로부터 심박변이도(HRV), 호흡, 맥파속도(PWV), 긴장성 예측을 위한 다수의 감성특징변수를 추출하고, 상기 추출된 다수 의 감성특징변수들에 대한 성능 평가 및 개인별 특징 차원 축소를 통해 개인별 최적화를 실시하여 상기 최적화된 감성특징변수들로 개인별 감성상태를 인식하는 감성인식부;상기 감성 인식부에 의해 엑세스되며, 상기 감성 인식부를 통해 처리 및 인식되는 개인별 최적화된 감성특징변수 및 감성인식결과를 수집하여 저장하는 생체정보 저장부;상기 감성인식부를 통해 인식되는 개인별 최적화된 감성특징변수 및 감성인식결과를 표시하는 표시부;상기 감성 인식부에 연결되어, 감성 인식부에 의해 최적화된 감성특징변수 및 감성인식결과의 수정 또는 삭제를 위한 외부 입력신호를 제공하는 오류 수정부;를 포함하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화시스템.
- 제1항 또는 제2항 중 어느 한 항에 있어서, 상기 측정부는,맥파(PPG), 피부전도도(GSR)를 포함하는 생체신호를 측정하는 하나 이상의 센서부;상기 측정된 생체신호를 증폭하고, 잡음 제거를 위한 필터링을 실시하여 순수 생체신호만을 추출하는 전처리부;를 포함하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화시스템.
- 제1항 또는 제2항 중 어느 한 항에 있어서, 상기 감성 인식부는,상기 측정부에서 측정되는 PPG 신호 및 GSR 신호로부터 심박변이도(HRV), 호흡, 맥파속도(PWV), 긴장성 예측을 위한 다수의 감성특징변수를 추출하는 감성특징 추출부;상기 다수의 감성특징변수들에 대한 성능 평가를 실시하여 평가 성능이 우수한 변수들이 포함되는 영역으로 특징 차원을 축소하는 특징차원 축소부;상기 특징차원 축소부를 통해 선별된 특징 차원 내의 감성특징변수들을 미리 설정된 패턴인식규칙에 따라 신호 처리하여 각 개인의 현재 감성상태를 판단하고 인식하는 감성판단 인식부;를 포함하여 구성되는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화시스템.
- 제4항에 있어서, 상기 감성특징 추출부는,상기 맥파(PPG) 신호의 다운 샘플링과 미리 지정된 대역 내에서의 필터링 및 퓨리에 변환을 통해 호흡 예측을 위한 다수의 감성특징변수를 추출하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화시스템.
- 제5항에 있어서, 상기 감성특징 추출부는,상기 맥파(PPG) 신호의 피크치를 검출하고, 그 피크치들 사이의 간격(RR interval)에 대한 시간 영역 분석, 주파수 영역 분석을 통해 심박변이도(HRV) 예측을 위한 다수의 감성특징변수들을 추출하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화시스템.
- 제6항에 있어서, 상기 감성특징 추출부는,상기 맥파(PPG) 신호의 피크치를 검출하고, 그 피크치의 진폭에 대한 표준편차의 예측을 통해 혈관의 수축 및 혈압값 예측을 위한 다수의 감성특징변수들을 추출하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화시스템.
- 제7항에 있어서, 상기 감성특징 추출부는,상기 맥파(PPG)신호의 피크치를 검출하고, 그 검출된 피크치의 최대치와 최소치 사이의 간격을 이용하여 맥파속도(PWV)를 예측하기 위한 다수의 감성특징변수들을 추출하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화시스템.
- 제8항에 있어서, 상기 감성특징 추출부는,상기 피부전도도(GSR) 신호로부터 기울기 기법과 Y축 변이의 크기를 이용하여 각 개인의 각성정도를 예측할 수 있는 다수의 감성특징변수들을 추출하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화시스템.
- 제4항에 있어서, 상기 특징차원 축소부는,상기 다수의 감성특징변수들에 대한 성능 평가를 순차전방향탐색(Sequential Floating Forward Search) 알고리즘을 통해 실시하여 평가 성능이 우수한 변수들이 포함되는 영역으로, 개인별 최적화를 위한 특징 차원 축소를 실행하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화시스템.
- 제4항에 있어서, 상기 감성인식 판단부는,상기 선별된 특징 차원 내의 감성특징변수들을 감성패턴인식규칙으로 학습된 신경회로망 알고리즘에 적용하여, 각 개인에 대한 다수의 감성상태를 판단하고 인식하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화시스템.
- 제4항에 있어서, 상기 표시부는,상기 인식된 다수의 감성상태에 근거가 되는 생체신호의 변화를 그래프와 수치 및 이미지로 출력하여 표시하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화시스템.
- 개인별 사용자로부터 맥파(PPG)와 피부전도도(GSR)를 포함하는 생체신호를 측정하는 생체신호 측정단계;상기 측정된 맥파(PPG) 신호, 피부전도도(GSR) 신호로부터 심박변이도(HRV), 호흡, 맥파속도(PWV), 긴장성 예측을 위한 다수의 감성특징변수를 추출하고, 상기 추출된 다수의 감성특징변수들에 대한 성능 평가 및 개인별 특징 차원 축소를 통해 개인별 최적화를 실시하여 상기 최적화된 감성특징변수들로 개인별 감성상태를 인식하는 감성인식단계;상기 감성인식단계를 통해 처리 및 인식되는 개인별 최적화된 감성특징변수 및 감성인식결과를 수집하여 저장하고 표시하는 개인별 감성특징 저장 및 표시단계;를 포함하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화방법.
- 제13항에 있어서,상기 감성인식단계를 통해 처리 및 인식되는 개인별 감성특징변수 및 감성인식결과의 수정 또는 삭제를 위한 외부 입력신호를 제공하는 오류 수정단계;를 더 포함하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화방법.
- 제13항 또는 제14항 중 어느 한 항에 있어서, 상기 감성 인식 단계는,상기 맥파(PPG) 신호 및 피부전도도(GSR) 신호의 샘플링 및 피크치 검출을 통해 심박변이도(HRV), 호흡, 맥파속도(PWV), 긴장성 예측을 위한 다수의 감성특징변수를 추출하는 감성특징 추출단계;상기 다수의 감성특징변수들에 대한 성능 평가를 실시하여 평가 성능이 우수한 변수들이 포함되는 영역으로 특징 차원을 축소하는 특징차원 축소단계;상기 특징차원 축소단계를 거쳐 선별된 특징 차원 내의 감성특징변수들을 미리 설정된 감성패턴인식규칙에 따라 신호 처리하여 각 개인의 현재 감성상태를 판단하고 인식하는 감성판단 인식단계;를 포함하여 구성되는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화방법.
- 제15항에 있어서, 상기 감성특징 추출단계는,상기 맥파(PPG) 신호의 다운 샘플링과 미리 지정된 대역 내에서의 필터링 및 퓨리에 변환을 통해 호흡 예측을 위한 다수의 감성특징변수를 추출하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화방법.
- 제16항에 있어서, 상기 감성특징 추출단계는,상기 맥파(PPG) 신호의 피크치를 검출하고, 그 피크치들 사이의 간격(RR interval)에 대한 시간 영역 분석, 주파수 영역 분석을 통해 심박변이도(HRV) 예측을 위한 다수의 감성특징변수들을 추출하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화방법.
- 제17항에 있어서, 상기 감성특징 추출단계는,상기 맥파(PPG) 신호의 피크치를 검출하고, 그 피크치의 진폭에 대한 표준편차의 예측을 통해 혈관의 수축 및 혈압값 예측을 위한 다수의 감성특징변수들을 추출하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화방법.
- 제18항에 있어서, 상기 감성특징 추출단계는,상기 맥파(PPG) 신호의 피크치를 검출하고, 그 검출된 피크치의 최대치와 최소치 사이의 간격을 이용하여 맥파속도(PWV)를 예측하기 위한 다수의 감성특징변수들을 추출하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화방법.
- 제19항에 있어서, 상기 감성특징 추출단계는,상기 피부전도도(GSR) 신호로부터 기울기 기법과 Y축 변이의 크기를 이용하여 각 개인의 각성정도를 예측할 수 있는 다수의 감성특징변수들을 추출하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화방법.
- 제16항에 있어서, 상기 특징차원 축소단계는,상기 다수의 감성특징변수들에 대한 성능 평가를 순차전방향탐색(Sequential Floating Forward Search) 알고리즘을 통해 실시하여 평가 성능이 우수한 변수들이 포함되는 영역으로, 개인별 최적화를 위한 특징 차원 축소를 실행하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화방법.
- 제16항에 있어서, 상기 감성인식 판단단계는,상기 선별된 특징 차원 내의 감성특징변수들을 감성패턴 인식규칙으로 학습 된 신경회로망 알고리즘에 적용하여, 각 개인에 대한 다수의 감성상태를 판단하고 인식하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화방법.
- 제16항에 있어서, 상기 저장 및 표시단계는,상기 인식된 다수의 감성상태에 근거가 되는 생체신호의 변화를 그래프와 수치 및 이미지로 출력하여 표시하는 것을 특징으로 하는 생체신호를 이용한 감성인식장치의 개인별 최적화방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090051264A KR101025510B1 (ko) | 2009-06-10 | 2009-06-10 | 감성인식장치의 개인별 최적화시스템 및 그 최적화 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020090051264A KR101025510B1 (ko) | 2009-06-10 | 2009-06-10 | 감성인식장치의 개인별 최적화시스템 및 그 최적화 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20100132592A true KR20100132592A (ko) | 2010-12-20 |
| KR101025510B1 KR101025510B1 (ko) | 2011-04-04 |
Family
ID=43508162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020090051264A KR101025510B1 (ko) | 2009-06-10 | 2009-06-10 | 감성인식장치의 개인별 최적화시스템 및 그 최적화 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101025510B1 (ko) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101118276B1 (ko) * | 2011-02-24 | 2012-03-20 | 주식회사 메디오피아테크 | 생체 감성 지표 및 상황 정보로부터 학습 집중도에 관련된 학습 감성 지표를 생성하기 위한 유비쿼터스-러닝용 미들웨어 장치 |
| WO2013133583A1 (ko) * | 2012-03-05 | 2013-09-12 | 한국과학기술연구원 | 실감 인터랙션을 이용한 인지재활 시스템 및 방법 |
| KR101398059B1 (ko) * | 2012-07-04 | 2014-05-30 | 금오공과대학교 산학협력단 | 표준편차 기반의 음원의 특징 축소 방법을 이용하는 음악 분위기 자동 판별 시스템 및 방법 |
| US8862317B2 (en) | 2011-08-29 | 2014-10-14 | Electronics And Telecommunications Research Institute | Emotion-based vehicle service system, emotion cognition processing apparatus, safe driving apparatus, and emotion-based safe driving service method |
| CN104434143A (zh) * | 2014-11-18 | 2015-03-25 | 西南大学 | 一种恐惧情感的实时识别方法 |
| KR20180002265A (ko) * | 2016-06-29 | 2018-01-08 | 삼성전자주식회사 | 전자 장치 및 이의 제어 방법 |
| KR20180125756A (ko) | 2017-05-16 | 2018-11-26 | 전주대학교 산학협력단 | 감정인식 인터페이스 장치 |
| CN108960022A (zh) * | 2017-09-19 | 2018-12-07 | 炬大科技有限公司 | 一种情绪识别方法及其装置 |
| CN109416729A (zh) * | 2016-04-18 | 2019-03-01 | 麻省理工学院 | 从生理信号提取特征 |
| US10405761B2 (en) | 2015-02-24 | 2019-09-10 | Koninklijke Philips N.V. | Device for detecting heart rate and heart rate variability |
| KR20190130925A (ko) * | 2018-05-15 | 2019-11-25 | 연세대학교 원주산학협력단 | 뇌활동 반영 자율신경계 신호 기반 집중도 또는 피로도 또는 졸음 모니터링 시스템 |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101756326B1 (ko) * | 2015-11-20 | 2017-07-26 | 동국대학교 산학협력단 | Nui/nux 기반의 vr환경 게임 컨트롤을 시뮬레이션하는 방법, 시스템 및 컴퓨터 판독가능 기록매체 |
| KR102525120B1 (ko) | 2018-04-19 | 2023-04-25 | 현대자동차주식회사 | 데이터 분류 장치, 이를 포함하는 차량, 및 데이터 분류 장치의 제어방법 |
| KR102243017B1 (ko) * | 2018-11-23 | 2021-04-21 | 와이케이씨테크(주) | 얼굴 피부 영상을 이용한 우울증 지수 측정 및 진단 방법 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100464821B1 (ko) | 2001-10-23 | 2005-01-17 | 임좌상 | 생리신호를 이용한 감성평가방법 |
| KR100493714B1 (ko) | 2004-11-26 | 2005-06-02 | 주식회사 메디코아 | 자율신경 검사장치 |
| KR20070087787A (ko) * | 2005-11-29 | 2007-08-29 | 중앙대학교 산학협력단 | 생체신호를 통해 실시간으로 감정을 분류하는감정분류시스템과, 감정분류방법 |
-
2009
- 2009-06-10 KR KR1020090051264A patent/KR101025510B1/ko active IP Right Grant
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101118276B1 (ko) * | 2011-02-24 | 2012-03-20 | 주식회사 메디오피아테크 | 생체 감성 지표 및 상황 정보로부터 학습 집중도에 관련된 학습 감성 지표를 생성하기 위한 유비쿼터스-러닝용 미들웨어 장치 |
| WO2012115294A1 (ko) * | 2011-02-24 | 2012-08-30 | 주식회사 메디오피아테크 | 생체 감성 지표 및 상황 정보로부터 학습 집중도에 관련된 학습 감성 지표를 생성하기 위한 유비쿼터스-러닝용 미들웨어 장치 |
| US8862317B2 (en) | 2011-08-29 | 2014-10-14 | Electronics And Telecommunications Research Institute | Emotion-based vehicle service system, emotion cognition processing apparatus, safe driving apparatus, and emotion-based safe driving service method |
| WO2013133583A1 (ko) * | 2012-03-05 | 2013-09-12 | 한국과학기술연구원 | 실감 인터랙션을 이용한 인지재활 시스템 및 방법 |
| KR101338043B1 (ko) * | 2012-03-05 | 2013-12-09 | 한국과학기술연구원 | 실감 인터랙션을 이용한 인지재활 시스템 및 방법 |
| KR101398059B1 (ko) * | 2012-07-04 | 2014-05-30 | 금오공과대학교 산학협력단 | 표준편차 기반의 음원의 특징 축소 방법을 이용하는 음악 분위기 자동 판별 시스템 및 방법 |
| CN104434143A (zh) * | 2014-11-18 | 2015-03-25 | 西南大学 | 一种恐惧情感的实时识别方法 |
| CN104434143B (zh) * | 2014-11-18 | 2015-08-19 | 西南大学 | 一种恐惧情感的实时识别方法 |
| US10405761B2 (en) | 2015-02-24 | 2019-09-10 | Koninklijke Philips N.V. | Device for detecting heart rate and heart rate variability |
| CN109416729A (zh) * | 2016-04-18 | 2019-03-01 | 麻省理工学院 | 从生理信号提取特征 |
| KR20180002265A (ko) * | 2016-06-29 | 2018-01-08 | 삼성전자주식회사 | 전자 장치 및 이의 제어 방법 |
| KR20180125756A (ko) | 2017-05-16 | 2018-11-26 | 전주대학교 산학협력단 | 감정인식 인터페이스 장치 |
| CN108960022A (zh) * | 2017-09-19 | 2018-12-07 | 炬大科技有限公司 | 一种情绪识别方法及其装置 |
| CN108960022B (zh) * | 2017-09-19 | 2021-09-07 | 炬大科技有限公司 | 一种情绪识别方法及其装置 |
| KR20190130925A (ko) * | 2018-05-15 | 2019-11-25 | 연세대학교 원주산학협력단 | 뇌활동 반영 자율신경계 신호 기반 집중도 또는 피로도 또는 졸음 모니터링 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101025510B1 (ko) | 2011-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101025510B1 (ko) | 감성인식장치의 개인별 최적화시스템 및 그 최적화 방법 | |
| Karthikeyan et al. | Detection of human stress using short-term ECG and HRV signals | |
| CN107106085B (zh) | 用于睡眠监测的设备和方法 | |
| RU2602797C2 (ru) | Способ и устройство измерения стресса | |
| Sulaiman et al. | Novel methods for stress features identification using EEG signals | |
| Shanmugasundaram et al. | A comprehensive review on stress detection techniques | |
| JP5241598B2 (ja) | 心理状態評価装置 | |
| JPWO2017179701A1 (ja) | 生体情報分析装置、システム、及び、プログラム | |
| JP6190466B2 (ja) | 生体信号測定器及び接触状態推定方法 | |
| KR20180010062A (ko) | 생체신호의 특징 추출 장치 및 방법과, 생체정보 검출 장치 | |
| CN112165897A (zh) | 光体积描记图数据分析与呈现 | |
| CN108742660A (zh) | 一种基于可穿戴设备的情绪识别方法 | |
| JP6513005B2 (ja) | 疲労度計 | |
| US20210090740A1 (en) | State estimation apparatus, state estimation method, and non-transitory recording medium | |
| KR20150029969A (ko) | 뇌파 측정을 이용한 감성상태 분류 방법 | |
| CN114391846A (zh) | 一种基于过滤式特征选择的情绪识别方法及系统 | |
| Ghosh et al. | Detection of essential hypertension with physiological signals from wearable devices | |
| KR102267741B1 (ko) | Ppg신호를 이용한 딥러닝 기반의 감정인식 시스템 및 감정인식 방법 | |
| CN114027842B (zh) | 一种抑郁症客观筛查系统、方法及装置 | |
| Henry et al. | On the robustness of machine learning models for stress and anxiety recognition from heart activity signals | |
| KR20210034458A (ko) | 심층신경망 기반 의식 상태 판단 장치 및 방법 | |
| KR102488616B1 (ko) | 심장의 동적 특성을 이용한 감성 인식 방법 및 시스템 | |
| Kim et al. | Actual emotion and false emotion classification by physiological signal | |
| Udhayakumar et al. | Measurement of stress-induced sympathetic nervous activity using multi-wavelength PPG | |
| Suzuki et al. | Stress and drowsiness evaluation BBased on earbud-type photoplethysmographic sensor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20140314 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20160104 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20170111 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20180102 Year of fee payment: 8 |
|
| FPAY | Annual fee payment |
Payment date: 20190722 Year of fee payment: 9 |