KR20180085926A - 보행 패턴을 적용한 인체 이상 인식 장치 및 방법 - Google Patents

Abstract

본 발명은 신체 정보를 생성하고, 보행으로부터 운동형상학적 정보를 생성하는 보행정보 생성부와, 상기 운동형상학적 정보들을 이용하여 보행자세를 분석하고, 상기 신체 정보와, 상기 운동형상학적 정보를 이용하여 보행패턴을 분석하는 보행정보 분석부와, 분석된 상기 보행자세 및 상기 보행패턴으로부터 이상거동 특성들을 추출하는 이상거동 추출부와, 추출된 상기 이상거동 특성들을 이용하여 인체의 이상 거동군을 분류하는 이상거동군 분류부와, 분류된 상기 이상거동군으로부터 인체의 이상징후를 인식하고, 상기 인식 정보를 표시하도록 제어하는 제어부, 및 상기 제어부의 제어를 받아 상기 인식 정보를 표시하는 표시부를 포함하는 보행 패턴을 적용한 인체 이상 인식 장치를 제공한다.

Description

보행 패턴을 적용한 인체 이상 인식 장치 및 방법{APPARATUS AND METHOD FOR RECOGNIZING HUMAN BODY ABNORMALITY APPLIED WALKING PATTERN}

본 발명은 보행 패턴을 적용한 인체 이상 인식 장치 및 방법에 관한 것으로, 더욱 상세하게는 사람의 반복되고 정형화된 보행으로부터 인체의 이상징후를 인식할 수 있는 보행 패턴을 적용한 인체 이상 인식 장치 및 방법에 관한 것이다.

인간의 보행은 두 발을 사용하여 하나의 지점으로부터 다른 지점으로 교대로 이동하는 반복적인 동작으로써, 균형과 힘의 복잡한 기작의 결과물이다.

즉, 보행은 두개골과 골반을 축으로 하여, 경추와 천추의 유기적인 동작을 통해 힘과 균형을 표현하고 실현하는 중요한 동작이다.

그러나 잘못된 보행동작은 두뇌와 인체구조, 관절 등에 이상 증상을 야기할 수 있는 문제점이 있다.

또한, 신경학적인 요인에 의해 보행 패턴은 이상 징후가 포함될 수 있다는 문제점이 있다.

상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 사람의 반복되고 정형화된 보행으로부터 인체의 이상징후를 인식할 수 있는 보행 패턴을 적용한 인체 이상 인식 장치 및 방법을 제공하는 데 있다.

상기 목적을 달성하기 위한 본 발명의 보행 패턴을 적용한 인체 이상 인식 장치는 신체 정보를 생성하고, 보행으로부터 운동형상학적 정보를 생성하는 보행정보 생성부와, 상기 운동형상학적 정보들을 이용하여 보행자세를 분석하고, 상기 신체 정보와, 상기 운동형상학적 정보를 이용하여 보행패턴을 분석하는 보행정보 분석부와, 분석된 상기 보행자세 및 상기 보행패턴으로부터 이상거동 특성들을 추출하는 이상거동 추출부와, 추출된 상기 이상거동 특성들을 이용하여 인체의 이상 거동군을 분류하는 이상거동군 분류부와, 분류된 상기 이상거동군으로부터 인체의 이상징후를 인식하고, 상기 인식 정보를 표시하도록 제어하는 제어부, 및 상기 제어부의 제어를 받아 상기 인식 정보를 표시하는 표시부를 포함한다.

또한, 상기 보행정보 생성부는 시간과 속도 요소에 따라 반복되고 정형화된 보행으로부터 보정되고 정규화된 운동형상학적 정보를 생성하는 운동형상정보 생성기, 및 신체 계측을 통해 신체 정보를 생성하는 신체정보 생성기를 포함할 수 있다.

또한, 상기 운동형상학적 정보는 가속도 정보, 각속도 정보, 자세 정보 중 적어도 어느 하나일 수 있다.

또한, 상기 신체정보는 나이, 키, 몸무게, 무릎 높이 중 적어도 어느 하나일 수 있다.

또한, 상기 보행정보 분석부는 상기 운동형상학적 정보의 가속도 정보, 각속도 정보, 자세 정보 중 적어도 하나를 이용하여 보행자세를 분석하는 보행자세 분석기, 및 나이, 키, 몸무게, 무릎 높이 중 적어도 하나인 상기 신체 정보와, 카덴스(cadence), 속도(speed), 걸음수, 두발의 길이/보폭(stride/step length) 중 적어도 하나인 상기 운동형상학적 정보를 이용하여 보행패턴을 분석하는 보행패턴 분석기를 포함할 수 있다.

또한, 상기 보행정보 분석부는 상기 분석된 보행자세 및 보행패턴을 뉴럴 네트워크(neural network)의 입력으로 매핑(mapping)할 수 있다.

또한, 상기 이상거동 추출부는 필터의 크기와 초기값 설정, 풀링이 반복적으로 적용될 수 있다.

또한, 상기 이상거동 추출부는 콘볼루션(convolution) 필터를 사용하여 필터링 할 수 있다.

또한, 상기 이상거동 특성은 보행 구간(gait cycle), 회내(pronation), 내번(inversion), 배굴(dorsiflexion), 회전(rotation), 힘(power), 재현도(density), 균형(balance), 보행 분산(scatter) 중 적어도 어느 하나일 수 있다.

또한, 상기 이상거동 추출부는 상기 뉴럴 네트워크의 입력으로 매핑된 정보를 필터링하여 이상거동 특성들을 추출할 수 있다.

그리고 본 발명의 보행 패턴을 적용한 인체 이상 인식 방법은 신체 정보, 및 보행으로부터 운동형상학적 정보를 생성하는 단계와, 상기 운동형상학적 정보들을 이용하여 보행자세를 분석하고, 상기 신체 정보와, 상기 운동형상학적 정보를 이용하여 보행패턴을 분석하는 단계와, 상기 보행정보 분석부에서 분석된 보행자세 및 보행패턴으로부터 이상거동 특성들을 추출하는 단계와, 추출된 상기 이상거동 특성들을 이용하여 인체의 이상 거동군을 분류하는 단계, 및 분류된 상기 이상거동군으로부터 인체의 이상징후를 인식하고, 상기 인식 정보를 표시하는 단계를 포함한다.

상기와 같은 본 발명에 따른 보행 패턴을 적용한 인체 이상 인식 장치 및 방법은 사람의 반복되고 정형화된 보행으로부터 정규화된 보행 패턴과 주요 이상 거동 특성들을 추출하여 인체의 이상징후를 인식함으로써, 인체의 이상징후 진단을 위한 의사결정 지원 체계로 사용할 수 있고 또한, 재활 분야와 착용형 기기를 통한 특정 운동효과 극대화 분야에 활용할 수 있는 효과를 갖는다.

도 1은 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 장치를 나타낸 블록도이다.
도 2는 도 1의 보행정보 분석부의 분석된 정보가 뉴럴 네트워크의 입력으로 매핑됨을 나타내는 개략도이다.
도 3은 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 방법을 나타낸 순서도이다.
도 4는 도 3의 이상거동 추출단계의 필터링을 나타낸 개략도이다.
도 5는 도 3의 이상거동 추출단계를 나타낸 개략도이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 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 본 발명이 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.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 장치를 나타낸 블록도이다.

도 1에 도시된 바와 같이, 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 장치는, 보행정보 생성부(10), 보행정보 분석부(30), 이상거동 추출부(50), 이상거동군 분류부(70), 및 표시부(90)를 포함한다. 그리고 보행정보 생성부(10), 보행정보 분석부(30), 이상거동 추출부(50), 이상거동군 분류부(70), 및 표시부(90)를 제어하는 제어부(100)를 포함한다.

보행정보 생성부(10)는 운동형상정보 생성기(11)와 신체정보 생성기(13)를 포함하여 운동형상학적 정보 및 신체 정보를 생성한다.

운동형상정보 생성기(11)는 반복되고 정형화된 보행으로부터 보정되고 정규화된 운동형상학적 정보를 생성한다.

즉, 운동형상정보 생성기(11)는, 일시적인 보행패턴 오차를 제외하기 위해서 시간과 속도 요소에 따라 반복 보행을 수행하여 각각의 보행정보를 수집한다. 이때, 상기 수집된 정보는 반복 보행이기 때문에, 각속도 등의 누적오차를 보정하며, 정규화된 패턴으로 변환된다. 이를 통해, 운동형상정보 생성기(11)는 보정되고 정규화된 가속도 정보(AC), 각속도 정보(G), 자세 정보(FA) 등의 운동형상학적 정보를 생성한다.

이때, 보정되고 정규화된 가속도 정보(AC) 및 각속도 정보(G)를 위한 보행정보 수집은 관성센서를 이용하여 수집할 수 있다. 관성센서는 보행정보 획득을 위해 양발에 부착하며, 보행시간과 속도에 따른 가속도와 각속도 데이터를 제공한다. 수집된 데이터는 도시하지 않았으나, 이미지 형태의 정보와 원시 데이터(raw data)로 이력 데이터베이스에 저장된다. 보행 특성에 따라 가속도 정보(AC)로부터 보행 걸음마다 각속도 정보(G)를 보정하며, 보정된 정보를 자세변화율로 변환한 후 이의 적분을 통해 자세 정보(FA)를 생성한다. 여기서, 인체 힘과 균형 동작 인식에 중요한 관성센서의 각속도는 보행 동작에 한정하여 적용할 경우에는 가속도에 의한 각속도 초기화, 보행 특징에 의한 관절각도의 제한으로 오차보정이 가능하다. 이를 통해, 인체의 이상 거동 판단에 보정된 각속도의 활용이 가능하다. 또한, 관성센서는 보행에서 GPS와 같은 위치 인프라없이 이동 속도와 거리, 방향을 계측하여 시작점에서의 상대적인 위치를 제공하는데 활용될 수 있다. 또한, 관성센서는 인체의 주요 관절각의 측정을 통해 동작기반 게임과 훈련 동작 시뮬레이션등에 사용되고 있다.

신체정보 생성기(13)는 나이, 키, 몸무게, 무릎 높이 등의 신체 정보를 생성한다. 여기서, 신체정보 생성기(13)는 개별적인 신체 계측을 통해 신체 정보를 생성할 수 있다.

보행정보 분석부(30)는 보행정보 생성부(10)에서 생성된 정보에 대한 전처리로써, 보행자세 분석기(31) 및 보행패턴 분석기(33)를 포함한다.

이러한, 보행정보 분석부(30)는 보행정보 생성부(10)의 운동형상학적 정보와 신체 정보들을 데이터베이스(data base)화하여 보행과 이상거동 원인과의 상관관계 인식을 위해 보행정보 생성부(10)에서 생성된 정보들을 가속도, 각속도, 자세각, 보행 특성 즉 카덴스(cadence), 속도(speed), 걸음수, 두발의 길이/보폭(stride/step length) 등으로 분석한다.

보행자세 분석기(31)는 가속도 정보(AC), 각속도 정보(G), 자세 정보(FA) 등의 상기 운동형상학적 정보들을 이용하여 보행자세를 분석한다.

보행패턴 분석기(33)는 나이, 키, 몸무게, 무릎 높이 등의 상기 신체 정보들과 보행 특성 즉 카덴스(cadence), 속도(speed), 걸음수, 두발의 길이/보폭(stride/step length) 등의 상기 운동형상학적 정보들을 이용하여 인체의 균형과 힘을 추론할 수 있는 정규화된 보행패턴을 분석한다.

도 2는 도 1의 보행정보 분석부의 분석된 정보가 뉴럴 네트워크의 입력으로 매핑됨을 나타내는 개략도이다.

또한, 보행정보 분석부(30)는 상기 분석된 정보를 뉴럴 네트워크(neural network)의 입력으로 매핑(mapping)한다. 이때, 신체의 개별적 구성 특성을 감안할 수 있도록, 상기 신체 정보와 보행패턴 분석 정보도 함께 뉴럴 네트워크(neural network)의 입력으로 매핑된다.

예를 들어, 도 2에 도시된 바와 같이, 보행정보 분석부(30)는 균형도 분석 요소인 왼발과 오른발의 x-가속도 정보를 활용하는 입력 노드(A)와, 보행 구간정보 추출 요소인 왼발의 가속도 정보(AC), 각속도 정보(G), 및 자세 정보(FA)를 함께 활용하는 입력 노드(B)와, 왼발의 발뒤꿈치 닿기(HS : Heel strike) 지점의 회내 요소인 입력 노드(C), 및 개인의 신체정보 입력 노드(D)와 같은 형태로 상기 분석된 정보를 뉴럴 네트워크의 입력으로 매핑할 수 있다.

이상거동 추출부(50)는 보행정보 분석부(30)의 분석된 상기 보행자세 및 상기 보행패턴으로부터 이상거동 특성들을 추출한다. 즉, 이상거동 추출부(50)는 이상거동 인식과 평가를 위해서, 상기 뉴럴 네트워크 입력정보를 필터링하여 주요 이상거동 특성들을 추출 및 적용한다.

여기서, 상기 보행정보로부터 이상 거동 결과 추출을 위한 주요 특성은 보행 구간(gait cycle) 특성, 회내(pronation)와 같은 동작 특성, 내번(inversion)이나 배굴(dorsiflexion)과 같은 동작자세 특성, 회전(rotation), 힘(power), 재현도(density), 균형(balance), 보행 분산(scatter) 등으로 구성될 수 있다.

이러한, 이상거동 추출부(50)는 필터의 크기와 초기값 설정, 풀링이 반복적으로 적용될 수 있다.

또한, 이상거동 추출부(50)는 콘볼루션(convolution) 필터를 사용하여 필터링 할 수 있다.

이상거동군 분류부(70)는 진단결과와 함께 뉴럴 네트워크에 적용하여 인체의 이상 거동군을 분류한다. 여기서, 이상거동군 분류부(70)는 임상 결과를 통해 분류할 수 있다. 또한, 상기 진단결과는 의료 도메인 전문가의 진단 결과일 수 있다.

표시부(90)는 제어부(100)의 제어를 받아 후술될 제어부(100)에서 인식한 정보를 표시한다.

제어부(100)는 이상거동군 분류부(70)의 분류된 이상거동군으로부터 인체의 이상징후를 인식하고 표시부(90)를 통해 표시하게 한다.

또한, 제어부(100)는 진단결과와의 검증을 통해 오차 기준치 초과시 재학습하는 과정을 할 수 있다. 여기서, 최종적으로 학습된 인식 모델을 통해 분류된 이상 거동 카테고리는 인체 운동의 이상 진단 및 교정에 활용할 수 있다.

이러한 구성을 가진 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 장치의 동작에 관하여 설명하면 다음과 같다.

도 3은 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 방법을 나타낸 순서도이다. 그리고 도 4는 도 3의 이상거동 추출단계의 필터링을 나타낸 개략도이며, 도 5는 도 3의 이상거동 추출단계를 나타낸 개략도이다.

도 3 내지 도 5에 도시된 바와 같이, 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 방법은, 보행정보 생성부(10)에서 신체 정보, 및 보행으로부터 운동형상학적 정보로 이루어진 보행정보를 생성한다(S101).

이후, 보행정보 분석부(30)에서 상기 운동형상학적 정보들을 이용하여 보행자세를 분석하고, 상기 신체 정보와, 상기 운동형상학적 정보를 이용하여 보행패턴을 분석한다(S103). 그 다음, 보행정보 분석부(30)에서 상기 분석된 정보를 뉴럴 네트워크의 입력으로 매핑한다.

그 다음, 이상거동 추출부(50)에서 상기 보행정보 분석부에서 분석된 보행자세 및 보행패턴으로부터 즉 상기 분석된 보행자세 및 보행패턴의 뉴럴 네트워크 입력 정보로부터 이상거동 특성들을 추출한다(S105).

여기서, 이상거동 추출부(50)는 도 4에 도시된 바와 같이, 이상거동 인식과 평가를 위해서, 상기 뉴럴 네트워크 입력정보를 필터링하여 회내 특성, 회전 특성, 힘 특성, 재현도 특성, 균형 특성, 보행 분산 특성 등의 주요 이상거동 특성들을 추출한다.

또한, 이상거동 추출부(50)는 도 5에 도시된 바와 같이, 도 4에 도시된 입력 노드(B)의 가속도, 각속도, 자세정보로부터 왼발의 보행 구간 특징(예, HS-MS, MS & Ms 등)을 추출하고 이후, 해당 구간 정보로부터 동작 자세 특징(예, 내번, 배굴, 내전 등)을 추출하며 그 다음, 주요 동작 특징(예, 회내, 힘, 균형 등)의 추출을 통해 대표 이상거동 분류군(i-th)으로 뉴럴 네트워크 출력된다.

그 후, 이상거동군 분류부(70)에서 추출된 상기 이상거동 특성들을 이용하여 인체의 이상거동군을 분류한다(S107).

계속해서, 제어부(100)에서 분류된 상기 이상거동군으로부터 인체의 이상징후(이상징후 1 ~ 이상징후 n)를 인식하고, 표시부(90)를 제어하여 상기 인식 정보를 표시한다(S109).

상술한 바와 같이, 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 장치 및 방법은 신체 정보를 생성하고, 보행으로부터 운동형상학적 정보를 생성하는 보행정보 생성부와, 상기 운동형상학적 정보들을 이용하여 보행자세를 분석하고, 상기 신체 정보와, 상기 운동형상학적 정보를 이용하여 보행패턴을 분석하는 보행정보 분석부와, 분석된 상기 보행자세 및 상기 보행패턴으로부터 이상거동 특성들을 추출하는 이상거동 추출부와, 추출된 상기 이상거동 특성들을 이용하여 인체의 이상 거동군을 분류하는 이상거동군 분류부, 및 분류된 상기 이상거동군으로부터 인체의 이상징후를 인식하고, 상기 인식 정보를 표시하도록 제어하는 제어부를 포함함으로써, 사람의 반복되고 정형화된 보행으로 부터, 정규화된 보행 패턴과 주요 이상 거동 특성들을 추출/적용할 수 있다.

또한, 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 장치 및 방법은 사람의 반복되고 정형화된 보행으로 부터, 정규화된 보행 패턴과 주요 이상 거동 특성들을 추출/적용할 수 있으므로, 인체의 힘과 균형 동작의 인체의 이상징후 인식과 그 결과를 통한 재활 분야와 착용형 기기를 통한 특정 운동효과 극대화 분야에 활용할 수 있다.

또한, 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 장치 및 방법은 사람의 반복되고 정형화된 보행으로 부터, 정규화된 보행 패턴과 주요 이상 거동 특성들을 추출/적용할 수 있으므로, 진단결과와 함께 뉴럴 네트워크에 적용하여 인체의 이상징후를 인식할 수 있다.

또한, 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 장치 및 방법은 관성센서를 통해 인체의 균형과 힘을 추론할 수 있는 특징들을 추출하고 이를 임상 결과를 통해 분류하여, 걸음으로부터 인체의 이상징후를 인식할 수 있다. 또한, 신경학적 요인과 연계된 진단 및 임상실험을 통한 자가 학습 모델로 인체 이상 거동 진료의 의사결정을 지원할 수 있다. 또한, 힘과 균형이 중요한 운동 특성에 맞춰 운동 코칭, 재활 치료 등에 활용할 수 있다.

또한, 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 장치 및 방법은 보행을 통해 신체의 기작을 표현하는 관성정보로부터 거동 이상 진단 특징 분석을 통해 임상 및 진단 결과에 따른 이상 상태 분류를 할 수 있다.

또한, 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 장치 및 방법은 인체의 운동형상학 및 운동역학적인 요소를 도출하는 필터링/풀링과 의료 도메인 전문가의 진단 결과간 상관성 규명, 학습에 의한 관계 가중치 조절로 특징 분석 과정이 구성될 수 있다.

또한, 실시예에 따른 보행 패턴을 적용한 인체 이상 인식 장치 및 방법은 골반의 주요 결과 동작중 하나인 보행을 통해 골반 동작과 이로 인한 이상 거동을 추론하고, 추론 결과를 임상 시험 결과와 연관 분석하여 검증함으로써, 최종적으로 인체의 이상 거동 진단을 위한 의사결정 지원 체계로 사용할 수 있다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

10: 보행정보 생성부 11: 운동형상정보 생성기
13 : 신체정보 생성기 30 : 보행정보 분석부
31 : 보행자세 분석기 33 : 보행패턴 분석기
50 : 이상거동 추출부 70 : 이상거동군 분류부
90 : 표시부 100 : 제어부

Claims (1)

1. 신체 정보를 생성하고, 보행으로부터 운동형상학적 정보를 생성하는 보행정보 생성부;
   상기 운동형상학적 정보들을 이용하여 보행자세를 분석하고, 상기 신체 정보와, 상기 운동형상학적 정보를 이용하여 보행패턴을 분석하는 보행정보 분석부;
   분석된 상기 보행자세 및 상기 보행패턴으로부터 이상거동 특성들을 추출하는 이상거동 추출부;
   추출된 상기 이상거동 특성들을 이용하여 인체의 이상 거동군을 분류하는 이상거동군 분류부;
   분류된 상기 이상거동군으로부터 인체의 이상징후를 인식하고, 상기 인식 정보를 표시하도록 제어하는 제어부; 및
   상기 제어부의 제어를 받아 상기 인식 정보를 표시하는 표시부;
   를 포함하는 인체 이상 인식 장치.
   

Images