KR20200054741A - 스마트 고독사 방지 시스템 및 그 방법 - Google Patents
스마트 고독사 방지 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20200054741A KR20200054741A KR1020180138425A KR20180138425A KR20200054741A KR 20200054741 A KR20200054741 A KR 20200054741A KR 1020180138425 A KR1020180138425 A KR 1020180138425A KR 20180138425 A KR20180138425 A KR 20180138425A KR 20200054741 A KR20200054741 A KR 20200054741A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- abnormal
- emergency
- loneliness
- detection device
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 89
- 238000001514 detection method Methods 0.000 claims abstract description 52
- 238000010801 machine learning Methods 0.000 claims abstract description 42
- 230000003542 behavioural effect Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000002265 prevention Effects 0.000 claims abstract description 10
- 206010037180 Psychiatric symptoms Diseases 0.000 claims description 52
- 208000024891 symptom Diseases 0.000 claims description 32
- 230000006399 behavior Effects 0.000 claims description 26
- 230000004044 response Effects 0.000 claims description 17
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 9
- 230000033001 locomotion Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000015654 memory Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000036387 respiratory rate Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
Landscapes
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Medical Informatics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Cardiology (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Child & Adolescent Psychology (AREA)
- Physiology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Vascular Medicine (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Alarm Systems (AREA)
Abstract
스마트 고독사 방지 시스템 및 그 방법이 개시된다.
본 시스템은 제1 정보 검출 장치, 제2 검출 장치 및 통합 관제 센터를 포함한다. 제1 검출 장치는 관찰 대상자인 객체의 댁내에 설치되며 비접촉식으로 상기 객체의 신체에 부착되지 않고 상기 객체의 생체 정보 및 행동 정보를 검출한다. 제2 검출 장치는 비접촉식으로 생체 정보 및 행동 정보 검출 시 검출되는 정보의 정확성을 향상시키기 위해 기계학습 시 사용되며, 상기 객체의 신체에 부착되어 상기 객체의 생체 정보 및 행동 정보를 검출한다. 통합 관제 서버는 상기 제2 정보 검출 장치에 의해 검출되는 객체의 생체 정보 및 행동 정보에 의해 파악되는 적어도 하나 이상의 이상징후에 기초하여, 응급상황과 상기 응급상황에 대응되는 적어도 하나 이상의 이상징후로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계학습하여 상기 객체의 생체 정보 및 행동정보에 대응하는 이상징후 및 응급상황을 검출하기 위한 학습 모델을 생성한 후, 상기 제1 정보 검출 장치를 통해 실시간으로 검출되는 상기 객체의 생체 정보 및 행동 정보에 대해 상기 학습 모델을 사용하여 대응되는 응급상황을 검출하고, 상기 객체에 대해 응급상황이 검출되는 경우 대응되는 응급상황 처리를 수행한다.
본 시스템은 제1 정보 검출 장치, 제2 검출 장치 및 통합 관제 센터를 포함한다. 제1 검출 장치는 관찰 대상자인 객체의 댁내에 설치되며 비접촉식으로 상기 객체의 신체에 부착되지 않고 상기 객체의 생체 정보 및 행동 정보를 검출한다. 제2 검출 장치는 비접촉식으로 생체 정보 및 행동 정보 검출 시 검출되는 정보의 정확성을 향상시키기 위해 기계학습 시 사용되며, 상기 객체의 신체에 부착되어 상기 객체의 생체 정보 및 행동 정보를 검출한다. 통합 관제 서버는 상기 제2 정보 검출 장치에 의해 검출되는 객체의 생체 정보 및 행동 정보에 의해 파악되는 적어도 하나 이상의 이상징후에 기초하여, 응급상황과 상기 응급상황에 대응되는 적어도 하나 이상의 이상징후로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계학습하여 상기 객체의 생체 정보 및 행동정보에 대응하는 이상징후 및 응급상황을 검출하기 위한 학습 모델을 생성한 후, 상기 제1 정보 검출 장치를 통해 실시간으로 검출되는 상기 객체의 생체 정보 및 행동 정보에 대해 상기 학습 모델을 사용하여 대응되는 응급상황을 검출하고, 상기 객체에 대해 응급상황이 검출되는 경우 대응되는 응급상황 처리를 수행한다.
Description
본 발명은 스마트 고독사 방지 시스템 및 그 방법에 관한 것이다.
현대사회에 이르러 고령화, 핵가족화 등으로 인해 주변 사람들과 단절된 채 홀로 살다 고독한 죽음에 이르는 고독사가 증가하고 있다. 이러한 고독사 문제는 개인만의 문제가 아니라 국가적으로 해결해야 할 문제로 대두되고 있으며, 이러한 고독사를 예방하기 위해 다양한 형태의 방안이 제시되어 실행되고 있거나 또는 예정되어 있다. 예를 들어, 사회적 고립방지를 위해 지역 사회 주민들의 관계 회복을 위한 활동이 수행되고 있고, 사회 복지사 등이 직접 방문하여 돌봄 서비스를 제공하고 있다.
그러나, 기존의 고독사 예방 방안들은 사회 복지사 등의 인력 부족, 지자체 업무 지원의 어려움 등과 같은 한계로 인해 여전히 독거 노인 등의 사회적 약자를 위한 효율적인 고독사 방지 방안이 요구되고 있다.
본 발명은 관찰 대상자의 고독사 여부를 조기에 감지하여 대처할 수 있으므로 고독사를 사전에 방지할 수 있는 스마트 고독사 방지 시스템 및 그 방법을 제공한다.
본 발명의 하나의 특징에 따른 고독사 방지 시스템은,
관찰 대상자인 객체의 댁내에 설치되며 비접촉식으로 상기 객체의 신체에 부착되지 않고 상기 객체의 생체 정보 및 행동 정보를 검출하는 제1 정보 검출 장치;
비접촉식으로 생체 정보 및 행동 정보 검출 시 검출되는 정보의 정확성을 향상시키기 위해 기계학습 시 사용되며, 상기 객체의 신체에 부착되어 상기 객체의 생체 정보 및 행동 정보를 검출하는 제2 정보 검출 장치; 및
상기 제2 정보 검출 장치에 의해 검출되는 객체의 생체 정보 및 행동 정보에 의해 파악되는 적어도 하나 이상의 이상징후에 기초하여, 응급상황과 상기 응급상황에 대응되는 적어도 하나 이상의 이상징후로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계학습하여 상기 객체의 생체 정보 및 행동정보에 대응하는 이상징후 및 응급상황을 검출하기 위한 학습 모델을 생성한 후, 상기 제1 정보 검출 장치를 통해 실시간으로 검출되는 상기 객체의 생체 정보 및 행동 정보에 대해 상기 학습 모델을 사용하여 대응되는 응급상황을 검출하고, 상기 객체에 대해 응급상황이 검출되는 경우 대응되는 응급상황 처리를 수행하는 통합 관제 서버를 포함한다.
여기서, 상기 제1 정보 검출 장치는, 상기 객체의 호흡 및 활동량의 정보를 검출하는 IR-UWB(Impluse Radio-Ultra WideBand) 센서를 포함하고, 상기 제2 정보 검출 장치는, 상기 IR-UWB 센서로부터 검출되는 신호의 안정성과 정확성을 향상시키기 위해, 기계학습 시 사용되는, 상기 객체를 포함한 주변 영상을 촬영하는 촬영 장치; 및 상기 IR-UWB 센서로부터 검출되는 신호의 안정성과 정확성을 향상시키기 위해, 기계학습 시 사용되는, 상기 객체의 심박을 포함한 생체 정보를 검출하는 스마트 밴드를 포함한다.
또한, 상기 통합 관제 서버는, 이상징후 대 응급상황으로 구성된 데이터 집합으로서 다량의 데이터를 기계학습하여 대응되는 상기 학습 모델을 생성하고, 생성된 상기 학습 모델을 사용하여 검출된 정보에 대한 응급상황 여부를 판단하여 제공하는 기계학습부; 상기 정보 검출 장치로부터 검출된 데이터에 대해 상기 기계학습부를 통해 상기 객체의 이상징후를 판단하는 이상징후 판단부; 및 상기 이상징후 판단부에 의해 상기 객체의 이상징후가 판단되는 경우 상기 객체에 대한 응급상황 처리를 수행하는 응급상황 처리부를 포함한다.
또한, 상기 이상징후 판단부에 의해 상기 객체의 이상징후가 판단되는 경우 상기 객체에게 연락하여 응답 여부를 확인하는 이상 확인부를 더 포함하고, 상기 응급상황 처리부는 상기 이상 확인부에 의해 상기 객체의 응답이 없는 것으로 판단되는 경우 상기 응급상황 처리를 수행한다.
또한, 상기 기계학습부는, 학습 모델을 저장하는 학습 모델 데이터베이스; 응급상황과 이상징후로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계학습하여 상기 객체의 생체 정보 및 행동정보에 대응하는 응급상황을 검출하기 위한 학습 모델을 생성하여 상기 학습 모델 데이터베이스에 저장하는 응급상황 학습부; 및 상기 정보 검출 장치를 통해 실시간으로 검출되는 상기 객체의 생체 정보 및 행동 정보에 대해 상기 학습 모델 데이터베이스에 저장된 상기 학습 모델을 사용하여 대응되는 응급상황을 검출하는 응급상황 검출부를 포함한다.
또한, 상기 통합 관제 서버는 상기 객체의 생체 정보 및 행동 정보에 의해 판단되는 쓰러짐, 이상 호흡 및 이상 심박의 이상징후가 상기 응급상황별로 상호 연결 관계로 대응되도록 상기 이상징후의 지표를 설정한다.
본 발명의 다른 특징에 따른 고독사 방지 방법은,
고독사 방지 시스템이 관찰 대상자인 객체의 고독사를 방지하는 방법으로서, 정보 검출 장치에 의해 상기 객체의 생체 정보 및 행동 정보가 실시간으로 검출되어 수집되는 단계; 기계학습된 학습 모델을 사용하여 상기 객체의 생체 정보 및 행동 정보를 분석한 후 상기 객체의 이상징후 여부를 판단하는 단계 － 상기 학습 모델은 응급상황과 이상징후로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계학습하여 객체의 생체 정보 및 행동정보에 대응하는 응급상황을 검출하기 위해 생성됨 －; 및 상기 객체에 대해 이상징후가 있는 것으로 판단되는 경우, 상기 객체에 대한 응급상황 처리를 수행하는 단계를 포함한다.
여기서, 상기 수집되는 단계 전에, 객체의 생체 정보 및 행동 정보로 수집되는 빅데이터 기반으로 기계학습을 수행하여 상기 학습 모델을 생성하는 단계를 더 포함한다.
또한, 상기 객체의 이상징후 여부를 판단하는 단계와 상기 객체에 대한 응급상황 처리를 수행하는 단계 사이에, 상기 객체에 대해 이상징후가 있는 것으로 판단되는 경우, 상기 객체에게 연락하여 응답 유무를 확인하는 단계를 더 포함하고, 상기 응답 유무를 확인하는 단계에서, 상기 객체의 응답이 있는 것으로 확인되는 경우, 상기 객체에 대한 응급상황 처리를 수행하는 단계가 수행된다.
또한, 상기 실시간으로 검출되어 수집되는 단계에서, 상기 정보 검출 장치로부터 상기 객체의 움직임 정보, 호흡 정보, 심박 정보, 상기 객체 및 주변의 영상 정보가 수집된다.
또한, 상기 학습 모델 생성시, 상기 객체의 생체 정보 및 행동 정보에 의해 판단되는 쓰러짐, 이상 호흡 및 이상 심박의 이상징후가 상기 응급상황별로 상호 연결 관계로 대응되도록 상기 이상징후의 지표를 설정하여 사용한다.
본 발명에 따르면, 관찰 대상자인 객체에 대해 비접촉 센서로부터 수집되는 생체 신호를 실시간으로 검출하여 객체의 이상징후에 따른 응급상황 여부를 실시간으로 확인하여 응급상황인 경우 실시간으로 대처할 수 있으므로 관찰 대상자의 고독사 여부를 조기에 감지하여 대처할 수 있으므로 고독사를 사전에 방지할 수 있다. 또한, 생체 밴드 등과 같은 접촉식 센서와 영상 정보를 이용한 기계학습을 통해 비접촉식 센서(IR-UWB)로부터 나오는 주파수 신호에 대한 해석의 정확성을 향상시킬 수 있다.
도 1은 본 발명의 실시예에 따른 고독사 방지 시스템의 사용 예에 대해 개략적으로 도시한 도면이다.
도 2는 본 발명의 실시예에 따른 고독사 방지 시스템에서 IR-UWB 센서의 설치 예를 도시한 도면이다.
도 3은 본 발명의 실시예에 따른 고독사 방지 시스템에서 IR-UWB 센서의 다른 설치 예를 도시한 도면이다.
도 4는 본 발명의 실시예에 따른 고독사 방지 시스템에서 기계학습을 위해 수집되는 객체의 생체 및 동작 정보의 빅데이터에 대한 예를 도시한 도면이다.
도 5는 도 1에 도시된 통합 관제 서버의 구체적인 구성 블록도이다.
도 6은 본 발명의 실시예에 따른 고독사 방지 시스템에서 IR-UWB 센서에 의해 검출되어 수집되는 정보의 예를 도시한 도면이다.
도 7은 본 발명의 실시예에 따른 고독사 방지 시스템에서 스마트밴드에 의해 검출되어 수집되는 정보의 예를 도시한 도면이다.
도 8은 본 발명의 실시예에 따른 고독사 방지 시스템에서 스마트밴드에 의해 검출되어 수집되는 다른 정보의 예를 도시한 도면이다.
도 9는 본 발명의 실시예에 따른 고독사 방지 시스템에서 응급상황 감지를 위한 이상징후 지표의 상호 연결 관계 설정을 도시한 도면이다.
도 10은 본 발명의 실시예에 따른 고독사 방지 시스템에서 이상징후 지표를 통한 응급상황별 이상징후의 분류 예를 도시한 도면이다.
도 11은 도 5에 도시된 기계학습부의 구체적인 구성 블록도이다.
도 12는 본 발명의 실시예에 따른 고독사 방지 방법의 흐름도이다.
도 13은 본 발명의 다른 실시예에 따른 고독사 방지 시스템의 개략적인 구성 블록도이다.
도 2는 본 발명의 실시예에 따른 고독사 방지 시스템에서 IR-UWB 센서의 설치 예를 도시한 도면이다.
도 3은 본 발명의 실시예에 따른 고독사 방지 시스템에서 IR-UWB 센서의 다른 설치 예를 도시한 도면이다.
도 4는 본 발명의 실시예에 따른 고독사 방지 시스템에서 기계학습을 위해 수집되는 객체의 생체 및 동작 정보의 빅데이터에 대한 예를 도시한 도면이다.
도 5는 도 1에 도시된 통합 관제 서버의 구체적인 구성 블록도이다.
도 6은 본 발명의 실시예에 따른 고독사 방지 시스템에서 IR-UWB 센서에 의해 검출되어 수집되는 정보의 예를 도시한 도면이다.
도 7은 본 발명의 실시예에 따른 고독사 방지 시스템에서 스마트밴드에 의해 검출되어 수집되는 정보의 예를 도시한 도면이다.
도 8은 본 발명의 실시예에 따른 고독사 방지 시스템에서 스마트밴드에 의해 검출되어 수집되는 다른 정보의 예를 도시한 도면이다.
도 9는 본 발명의 실시예에 따른 고독사 방지 시스템에서 응급상황 감지를 위한 이상징후 지표의 상호 연결 관계 설정을 도시한 도면이다.
도 10은 본 발명의 실시예에 따른 고독사 방지 시스템에서 이상징후 지표를 통한 응급상황별 이상징후의 분류 예를 도시한 도면이다.
도 11은 도 5에 도시된 기계학습부의 구체적인 구성 블록도이다.
도 12는 본 발명의 실시예에 따른 고독사 방지 방법의 흐름도이다.
도 13은 본 발명의 다른 실시예에 따른 고독사 방지 시스템의 개략적인 구성 블록도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "…기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
이하, 도면을 참조하여 본 발명의 실시예에 따른 고독사 방지 시스템에 대해 설명한다.
도 1은 본 발명의 실시예에 따른 고독사 방지 시스템의 사용 예에 대해 개략적으로 도시한 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 고독사 방지 시스템은 정보 검출 장치(100, 110) 및 통합 관제 서버(200)를 포함한다.
정보 검출 장치(100)는 관찰 대상자인 객체의 댁내에 설치되어 비접촉식으로 객체의 신체에 부착되지 않고 각종의 정보를 검출하여 통합 관제 서버(200)로 전달한다. 이러한 데이터 검출 장치(100)는 예를 들어, 생체 신호 정보를 검출하기 위한 초광대역 레이터 센서(101)를 포함한다. 여기서, 초광대역 레이더 센서(101)는 저전력을 사용하면서도 넓은 주파수 대역에서 근거리 정보를 대량으로 획득할 수 있는 센서이다. 이러한 센서(101)는 방사한 레이더가 장애물에 맞고 반사돼 돌아오는 시간으로 거리를 측정한다. 이 센서(101)는 일예로 극히 짧은 임펄스 신호를 사용하는 IR-UWB(Impluse Radio-Ultra WideBand) 센서가 사용될 수 있다. 이러한 센서(101)를 통해 객체의 호흡, 활동량 등의 생체 신호 정보를 검출할 수 있다. 그러나, 비접촉식 IR-UWB 센서(101)의 생체 신호는 간섭 등 환경적 영향을 받아 안정적인 주파수 검출이 어려운 단점이 있다. 이를 극복하기 위해 객체의 구체적인 움직임 및 심박 등의 생체 정보의 검출이 가능한 촬영 장치(111) 및 스마트 밴드(112)를 이용하여 IR-UWB 센서(101)의 신호를 안정적이고 정확한 해석을 가능하게 할 수 있다. 여기서, 촬영 장치(111) 및 스마트 밴드(112)에 의해 검출되는 신호는 추후 설명될 기계학습을 통해 IR-UWB 센서(101)의 신호 해석이 사용될 수 있다. 한편, 전술한 촬영 장치(111) 및 스마트 밴드(112)의 신호는 다른 IR-UWB 센서(113)를 통해 통합 관제 센터(200)로 전달될 수 있다.
구체적으로, IR-UWB 센서(101)는 객체의 재실 감지, 활동량 감지, 호흡수 감지 등과 같은 생체 신호 정보의 검출을 수행할 수 있다. 객체의 재실 감지 및 활동량 감지의 경우, 도 2에 도시된 바와 같이, IR-UWB 센서(101)가 객체가 위치하는 댁(10)내에서 대략 높이 2m에 약간 사선(약 15도)으로 객체를 바라보도록 설치될 수 있다. 또한, 객체의 호흡 수 검출의 경우에는 도 3에 도시된 바와 같이, 객체의 흉부 정면 대략 1m 이내에 설치될 수 있다.
통합 관제 서버(200)는 정보 검출 장치(100)로부터 검출된 정보, 즉, IR-UWB 센서(101)에 의해 검출되는 생체 신호 정보를 수집하고, 수집된 정보를 사용하여 이상 징후 판단에 의한 응급상황 여부를 확인하고, 응급상황인 경우 119, 경찰서, 병원, 돌봄 서비스 등의 유관 기관(300)으로 연락하여 응급상황에 대한 대처가 이루어질 수 있도록 한다. 여기서, 객체에 대한 응급상황으로 판단되는 경우 객체에게 연락하여 무응답인 경우 유관 기관(300)으로 연락하도록 할 수 있다.
한편, 본 발명의 실시예에 따른 고독사 방지 시스템에서는 통합 관제 서버(200)가 정보 검출 장치(100)로부터 검출되는 다량의 정보, 예를 들어, 도 4에 도시된 바와 같이, IR-UWB 센서(101)에 의해 검출되는 호흡, 활동량 등의 정보, 촬영 장치(111)에 의해 검출되는 촬영 영상 정보, 스마트 밴드(112)에 의해 검출되는 심박, 움직임 등의 정보를 다량으로 수집하여 빅데이터(Big Data) 처리를 통해 "이상징후-응급상황"으로 구성된 데이터 집합으로서 다량의 데이터를 기계학습을 통해 학습 모델을 생성하고, 생성된 학습 모델을 사용하여 검출된 정보에 대한 응급상황 여부를 판단하여 제공하는 기능을 수행할 수 있다. 여기서, 기계학습은 인공지능의 한 분야로서, 방대한 데이터를 분석해서 미래를 예측하는 기술이며, 컴퓨터가 스스로 학습 과정을 거치면서 입력되지 않은 정보를 습득하여 문제를 해결하는 기술이다. 이러한 기계학습을 위해 CNN(Convolutional Neural Network), R-CNN(Region with Convolutional Neural Network), LSTM((Long Short Term Memory) 등의 신경망을 활용하는 딥러닝 기술이 사용될 수 있다. 이러한 기계학습 기술에 대해서는 이미 잘 알려져 있으므로 여기에서는 구체적인 설명을 생략한다.
도 5는 도 1에 도시된 통합 관제 서버(200)의 구체적인 구성 블록도이다.
도 5에 도시된 바와 같이, 통합 관제 서버(200)는 정보 수집부(210), 기계 학습부(220), 이상징후 판단부(230), 정보 저장부(240), 이상 확인부(250) 및 응급상황 처리부(260)를 포함한다.
정보 수집부(210)는 정보 검출부(100, 110)에 의해 검출되어 전달되는 각종의 정보, 예를 들어 호흡, 활동량, 영상 정보, 심박, 움직임 등의 정보를 수집하여 이상징후 판단부(230)로 전달한다.
기계학습부(220)는 전술한 바와 같이, "이상징후-응급상황"으로 구성된 데이터 집합으로서 다량의 데이터를 기계학습하여 대응되는 학습 모델을 생성하고, 생성된 학습 모델을 사용하여 검출된 정보에 대한 응급상황 여부를 판단하여 제공한다.
정보 저장부(240)는 객체 관련 정보를 저장한다. 객체 관련 정보에는 객체에 대한 기본 정보(예를 들어, 이름, 주소, 연락처 정보 등), 질병 정보, 보호자 정보, 실시간 생체 정보, 사고 이력 정보, 방문/출동 정보 등이 저장된다.
이상 확인부(250)는 정보 저장부(240)에 저장된 객체의 연락처를 사용하여 객체에게 연락하여 응답 유무를 확인한다.
이상징후 판단부(230)는 정보 수집부(210)로부터 전달되는 정보를 기계학습부(220)로 전달한 후 기계학습부(220)로부터 정보에 대한 응답, 구체적으로 정보에 대응되는 응급상황 여부를 전달받아서 응급상황인 경우 이상 확인부(250)를 통해 응답 여부를 확인하고, 응답이 없는 경우 응급상황 처리부(260)로 전달한다.
응급상황 처리부(260)는 유관 기관(300)에 대한 정보를 저장하고 있으며, 이상징후 판단부(230)에서의 응급상황 판단에 따라 응급상황으로 판단되는 경우 유관 기관(300)으로 응급상황 처리를 요청한다.
이와 같이, 본 발명의 실시예에 따르면, 관찰 대상자인 객체에 대한 생체 신호 정보, 영상 정보, 생체 정보 등을 실시간으로 검출하여 객체의 이상징후에 따른 응급상황 여부를 실시간으로 확인하여 응급상황인 경우 실시간으로 대처할 수 있으므로 관찰 대상자의 고독사 여부를 조기에 감지하여 대처할 수 있으므로 고독사를 사전에 방지할 수 있다.
한편, 정보 검출 장치(100, 110)에 의해 검출되어 정보 수집부(210)에서 수집되는 정보에 대해 설명한다.
정보 검출 장치(100)의 IR-UWB 센서(101)에 의해 검출되어 수집되는 정보의 예가 도 6에 도시되어 있다. 도 6을 참조하면, IR-UWB 센서(101)에 의해 검출되는 객체의 호흡에 대한 생체 신호 정보가 (a)와 같은 경우 이상 호흡인 이상징후로서 판단될 수 있다. 그러나, (b) 및 (c)와 같은 경우에는 정상 호흡으로서 판단될 수 있다. 다음, 정보 검출 장치(110)의 스마트 밴드(11)에 의해 검출되어 수집되는 정보의 예가 도 7 및 도 8에 도시되어 있다. 도 7을 참조하면, 객체의 취침시각, 취침시간, 깊이, 걸음 수 등의 생체 정보가 검출되어 수집될 수 있다. 도 8을 참조하면, 객체의 구체적인 심박수가 검출되어 수집될 수 있다. 스마트 밴드(112)를 통해 검출되는 심박은 IR-UWB 센서(101)에 의해 검출되는 심박에 비해 매우 구체적인 심박을 나타낸다.
한편, 본 발명의 실시예에 따른 스마트 고독사 방지 시스템에서는, 구체적으로는 기계학습부(220)에서, 응급상황 관련 이상징후 지표를 도 9에 도시된 바와 같은 관계도를 통해 설정한다. 즉, 정보 검출 장치(100)를 통해 검출되는 객체 관련 정보, 예를 들어, 거리, 움직임(활동량, 유형), 크기, 심박수(맥박수), 호흡수 등의 정보와 객체 정보, 예를 들어, 객체 기본 정보, 질병 정보, 보호자 정보, 실시간 생체 정보, 사고 이력 정보, 방문/출동 정보를 각종의 이상징후, 예를 들어, 쓰러짐, 이상 호흡, 이상 심박 등의 징후와 상호 연결 관계를 대응시키고, 이렇게 설정된 이상징후를 각종의 응급상황과 상호 연결 관계를 대응시킴으로써 "이상징후-응급상황"의 대응을 위한 이상징후 지표가 설정될 수 있다.
이와 같이, 본 발명의 실시예에서 설정된 이상징후 지표를 통해 도 10에 도시된 바와 같이, 응급상황별 이상징후의 분류가 설정된다. 이러한 분류에서 "쓰러짐", "호흡", "맥박"의 이상징후가 주요 이상징후로서 사용된다. "쓰러짐"의 이상징후는 촬영 장치(111)에 의해 기계학습된 IR-UWB 센서(101)로부터 검출된 정보를 통해 판단될 수 있고, "호흡"의 이상징후는 IR-UWB 센서(101)에 의해 검출된 정보를 통해 판단될 수 있으며, "맥박"의 이상징후는 스바트 밴드(112)에 의해 기계학습된 IR-UWB 센서(101)로부터 검출된 정보를 통해 판단될 수 있다.
도 11은 도 5에 도시된 기계학습부(220)의 구체적인 구성 블록도이다.
도 11에 도시된 바와 같이, 기계학습부(220)는 응급상황 학습부(221), 학습 모델 데이터베이스(Database, DB)(222) 및 응급상황 검출부(223)를 포함한다.
응급상황 학습부(221)는 이상징후 판단부(230)로부터 입력되는 객체의 생체 신호 정보, 영상 정보 및 생체 정보를 사용하여 전술한 도 10에서 설정된 "응급상황-이상징후"의 지표에 따라 다량의 데이터 집합을 사용하여 응급상황 검출을 위한 기계학습을 수행하여 학습 결과에 대응되는 학습 모델을 생성한다. 여기서, 응급상황 학습부(221)에서 학습되는 응급상황에 대해서는 응급상황에 대한 학습 결과의 신뢰도 값이 함께 부여된다.
학습 모델 DB(222)는 응급상황 학습부(221)에 의해 생성되는 학습 모델을 저장한다.
응급상황 검출부(223)는 이상징후 판단부(230)로부터 입력되는 정보에 대해 학습 모델 DB(222)에 저장된 학습 모델을 사용하여 이상징후에 대응되는 응급상황 을 검출하여 이상징후 판단부(230)로 제공한다.
한편, 응급상황 학습부(221)와 응급상황 검출부(223)는 통합되어 하나의 구성요소로서 구현될 수 있으며, 이 경우 하나의 신경망을 사용하여 구현될 수 있다.
이하, 도면을 참조하여 본 발명의 실시예에 따른 고독사 방지 방법에 대해 설명한다.
도 12는 본 발명의 실시예에 따른 고독사 방지 방법의 흐름도이다.
도 12를 참조하면, 본 발명의 실시예에 따른 정보 검출 장치(100)는 실시간으로 객체의 생체 및 행동 정보를 검출한다(S100). 이러한 생체 및 행동 정보는 객체의 움직임 정보, 호흡 정보, 심박 정보, 영상 정보를 포함한다.
그 후, 검출된 생체 및 행동 정보를 분석하고(S110), 이상징후가 감지되었는지를 판단한다(S120). 여기서, 검출된 생체 및 행동 정보의 분석에 의해 이상징후를 감지하는 것은 기계학습부(220)에 의해 기계학습된 학습 모델을 사용하여 수행될 수 있다. 또한, 여기에서의 이상징후는 전술한 이상징후에 의해 판단되는 응급상황을 의미할 수 있다.
상기 단계(S120)에서 이상징후가 판단되면, 객체의 정보를 사용하여 실제 이상 여부가 확인된다(S130). 이러한 실제 이상 여부는 잘 알려져 있는 자동응답시스템을 통해 수행될 수 있다.
상기한 실제 이상 여부의 확인에 의해 객체의 응답이 있으면(S140), 객체의 상태가 심각하지 않고 경미한 것으로 판단하여 사건 이력을 기록하고(S150) 사건을 종료한다(S160).
그러나, 상기한 실제 이상 여부의 확인에 의해 객체의 응답이 없으면(S140), 객체의 상태가 응급상황으로 심각한 상태인 것으로 판단하여, 유관 기관(300)으로 응급 출동을 요청한 후(S170) 사건 이력을 기록하고(S150) 사건을 종료한다(S160).
한편, 상기에서는 검출된 정보를 통해 "응급상황-이상징후" 구성으로 빅데이터 기반으로 다량의 데이터를 기계학습하여 기계학습 기반의 응급상황 판단 정보를 제공하는 기계학습부(220)가 통합 관제 서버(200)내의 하나의 구성요소인 것으로 설명하였으나, 상기한 기계학습 기반 정보 분석이 다량의 데이터 처리에 기반하는 경우 통합 관제 서버(200)와는 별개로 독립된 서버에서 수행될 수 있다.
다음, 본 발명의 다른 실시예에 따른 스마트 고독사 방지 시스템에 대해 설명한다.
도 13은 본 발명의 다른 실시예에 따른 고독사 방지 시스템의 개략적인 구성 블록도이다.
도 13을 참조하면, 본 발명의 다른 실시예에 따른 고독사 방지 시스템은 통신기(410), 메모리(420), 프로세서(430) 및 버스(440)를 포함한다.
통신기(410)는 외부 구성요소와의 신호 전송을 수행한다. 구체적으로, 통신기(410)는 각종의 센서를 통해 검출되는 객체 관련 정보, 즉, 객체의 생체 및 행동 정보를 수신한다. 여기서, 각종의 센서로는 전술한 바와 같이, 기본적으로 IR-UWB 센서가 중심이 되며, 추가적으로 촬영 장치, 스마트 밴드 등이 포함될 수 있다.
메모리(420)는 코드의 집합을 저장하도록 구성되고, 그 코드는 다음과 같은 동작을 실행하기 위해 프로세서(640)를 제어하는 데 사용된다. 이러한 동작은, 통신기(410)를 통해 정보 검출 장치(100)로부터 전달되는 객체의 생체 및 행동 정보를 수신하는 동작, 수신되는 객체의 생체 및 행동 정보를 분석하여 이상징후를 판단하는 동작, 유관 기관(300)으로 응급 출동을 요청하는 동작을 포함한다.
선택적으로, 상기한 동작은 객체에 대한 이상징후가 판단되는 경우 객체에게 연락하여 응답 유무를 확인하는 동작을 추가로 포함한다.
선택적으로, 상기한 객체의 생체 및 행동 정보를 분석하여 이상징후를 판단하는 동작은 "이상징후-응급상황"으로 구성된 데이터 집합으로서 다량의 데이터를 기계학습하여 대응되는 학습 모델을 사용하여 검출된 정보에 대한 이상징후 판단에 의해 수행될 수 있다.
전술한 메모리(420)는 ROM(Read Only Memory)과 RAM(Random Access Memory), NVRAM(Non-Volatile Random Access Memory)을 포함할 수 있다. 또한, 프로세서(430)는 컨트롤러(controller), 마이크로 컨트롤러(microcontroller), 마이크로 프로세서(microprocessor), 마이크로 컴퓨터(microcomputer) 등으로도 호칭될 수 있다. 또한, 프로세서(430)는 하드웨어(hardware) 또는 펌웨어(firmware), 소프트웨어, 또는 이들의 결합에 의해 구현될 수 있다.
버스(440)는 스마트 고독사 방지 시스템의 모든 구성요소들, 즉 통신기(410), 메모리(420) 및 프로세서(430)를 결합하도록 구성된다.
이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
Claims (11)
- 관찰 대상자인 객체의 댁내에 설치되며 비접촉식으로 상기 객체의 신체에 부착되지 않고 상기 객체의 생체 정보 및 행동 정보를 검출하는 제1 정보 검출 장치;
비접촉식으로 생체 정보 및 행동 정보 검출 시 검출되는 정보의 정확성을 향상시키기 위해 기계학습 시 사용되며, 상기 객체의 신체에 부착되어 상기 객체의 생체 정보 및 행동 정보를 검출하는 제2 정보 검출 장치; 및
상기 제2 정보 검출 장치에 의해 검출되는 객체의 생체 정보 및 행동 정보에 의해 파악되는 적어도 하나 이상의 이상징후에 기초하여, 응급상황과 상기 응급상황에 대응되는 적어도 하나 이상의 이상징후로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계학습하여 상기 객체의 생체 정보 및 행동정보에 대응하는 이상징후 및 응급상황을 검출하기 위한 학습 모델을 생성한 후, 상기 제1 정보 검출 장치를 통해 실시간으로 검출되는 상기 객체의 생체 정보 및 행동 정보에 대해 상기 학습 모델을 사용하여 대응되는 응급상황을 검출하고, 상기 객체에 대해 응급상황이 검출되는 경우 대응되는 응급상황 처리를 수행하는 통합 관제 서버
를 포함하는 고독사 방지 시스템. - 제1항에 있어서,
상기 제1 정보 검출 장치는,
상기 객체의 호흡 및 활동량의 정보를 검출하는 IR-UWB(Impluse Radio-Ultra WideBand) 센서를 포함하고,
상기 제2 정보 검출 장치는,
상기 IR-UWB 센서로부터 검출되는 신호의 안정성과 정확성을 향상시키기 위해, 기계학습 시 사용되는, 상기 객체를 포함한 주변 영상을 촬영하는 촬영 장치; 및
상기 IR-UWB 센서로부터 검출되는 신호의 안정성과 정확성을 향상시키기 위해, 기계학습 시 사용되는, 상기 객체의 심박을 포함한 생체 정보를 검출하는 스마트 밴드
를 포함하는, 고독사 방지 시스템. - 제1항에 있어서,
상기 통합 관제 서버는,
이상징후 대 응급상황으로 구성된 데이터 집합으로서 다량의 데이터를 기계학습하여 대응되는 상기 학습 모델을 생성하고, 생성된 상기 학습 모델을 사용하여 검출된 정보에 대한 응급상황 여부를 판단하여 제공하는 기계학습부;
상기 제1 정보 검출 장치 및 제2 정보 검출 장치로부터 검출된 데이터에 대해 상기 기계학습부를 통해 상기 객체의 이상징후를 판단하는 이상징후 판단부; 및
상기 이상징후 판단부에 의해 상기 객체의 이상징후가 판단되는 경우 상기 객체에 대한 응급상황 처리를 수행하는 응급상황 처리부
를 포함하는, 고독사 방지 시스템. - 제3항에 있어서,
상기 이상징후 판단부에 의해 상기 객체의 이상징후가 판단되는 경우 상기 객체에게 연락하여 응답 여부를 확인하는 이상 확인부
를 더 포함하고,
상기 응급상황 처리부는 상기 이상 확인부에 의해 상기 객체의 응답이 없는 것으로 판단되는 경우 상기 응급상황 처리를 수행하는,
고독사 방지 시스템. - 제3항에 있어서,
상기 기계학습부는,
학습 모델을 저장하는 학습 모델 데이터베이스;
응급상황과 이상징후로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계학습하여 상기 객체의 생체 정보 및 행동정보에 대응하는 응급상황을 검출하기 위한 학습 모델을 생성하여 상기 학습 모델 데이터베이스에 저장하는 응급상황 학습부; 및
상기 제1 정보 검출 장치 및 제2 정보 검출 장치를 통해 실시간으로 검출되는 상기 객체의 생체 정보 및 행동 정보에 대해 상기 학습 모델 데이터베이스에 저장된 상기 학습 모델을 사용하여 대응되는 응급상황을 검출하는 응급상황 검출부
를 포함하는, 고독사 방지 시스템. - 제1항 내지 제5항 중 어느 한 항에 있어서,
상기 통합 관제 서버는 상기 객체의 생체 정보 및 행동 정보에 의해 판단되는 쓰러짐, 이상 호흡 및 이상 심박의 이상징후가 상기 응급상황별로 상호 연결 관계로 대응되도록 상기 이상징후의 지표를 설정하는,
고독사 방지 시스템. - 고독사 방지 시스템이 관찰 대상자인 객체의 고독사를 방지하는 방법에 있어서,
정보 검출 장치에 의해 상기 객체의 생체 정보 및 행동 정보가 실시간으로 검출되어 수집되는 단계;
기계학습된 학습 모델을 사용하여 상기 객체의 생체 정보 및 행동 정보를 분석한 후 상기 객체의 이상징후 여부를 판단하는 단계 － 상기 학습 모델은 응급상황과 이상징후로 구성된 데이터 집합으로서 복수의 데이터 집합을 기계학습하여 객체의 생체 정보 및 행동정보에 대응하는 응급상황을 검출하기 위해 생성됨 －; 및
상기 객체에 대해 이상징후가 있는 것으로 판단되는 경우, 상기 객체에 대한 응급상황 처리를 수행하는 단계
를 포함하는 고독사 방지 방법. - 제7항에 있어서,
상기 수집되는 단계 전에,
객체의 생체 정보 및 행동 정보로 수집되는 빅데이터 기반으로 기계학습을 수행하여 상기 학습 모델을 생성하는 단계
를 더 포함하는, 고독사 방지 방법. - 제7항에 있어서,
상기 객체의 이상징후 여부를 판단하는 단계와 상기 객체에 대한 응급상황 처리를 수행하는 단계 사이에,
상기 객체에 대해 이상징후가 있는 것으로 판단되는 경우, 상기 객체에게 연락하여 응답 유무를 확인하는 단계를 더 포함하고,
상기 응답 유무를 확인하는 단계에서, 상기 객체의 응답이 있는 것으로 확인되는 경우, 상기 객체에 대한 응급상황 처리를 수행하는 단계가 수행되는,
고독사 방지 방법. - 제7항에 있어서,
상기 실시간으로 검출되어 수집되는 단계에서,
상기 정보 검출 장치로부터 상기 객체의 움직임 정보, 호흡 정보, 심박 정보, 상기 객체 및 주변의 영상 정보가 수집되는,
고독사 방지 방법. - 제7항 내지 제10항 중 어느 한 항에 있어서,
상기 학습 모델 생성시, 상기 객체의 생체 정보 및 행동 정보에 의해 판단되는 쓰러짐, 이상 호흡 및 이상 심박의 이상징후가 상기 응급상황별로 상호 연결 관계로 대응되도록 상기 이상징후의 지표를 설정하여 사용하는,
고독사 방지 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180138425A KR102188981B1 (ko) | 2018-11-12 | 2018-11-12 | 스마트 고독사 방지 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180138425A KR102188981B1 (ko) | 2018-11-12 | 2018-11-12 | 스마트 고독사 방지 시스템 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200054741A true KR20200054741A (ko) | 2020-05-20 |
| KR102188981B1 KR102188981B1 (ko) | 2020-12-09 |
Family
ID=70919734
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180138425A KR102188981B1 (ko) | 2018-11-12 | 2018-11-12 | 스마트 고독사 방지 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102188981B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220020299A (ko) * | 2020-07-09 | 2022-02-18 | (주)사랑과 선행 | 고객 맞춤형 도시락 배송 방법 |
| KR20220080819A (ko) * | 2020-12-08 | 2022-06-15 | 주식회사 서브원 | 다이브 활동에 사용되는 빅데이터와 인공지능 기반의 사용자 상태 분석 시스템 |
| KR20230085238A (ko) * | 2021-12-03 | 2023-06-14 | (주)일렉콤 | Ai 기반 신체활동 인지 및 서비스 통합 플랫폼 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120108335A (ko) * | 2011-03-23 | 2012-10-05 | 한경대학교 산학협력단 | 개선된 낙상 감지 알고리즘을 이용한 응급 모니터링 시스템 |
| KR20160139651A (ko) * | 2015-05-28 | 2016-12-07 | 주식회사 이에스피 | 노령자 및 취약자 거동 관리 시스템 |
| KR20170135563A (ko) * | 2016-05-31 | 2017-12-08 | 한국과학기술원 | 웨어러블 디바이스 형태의 뉴로모픽 기기 및 상기 뉴로모픽 기기를 이용한 생체 정보 처리 방법 |
| KR20180028198A (ko) * | 2016-09-08 | 2018-03-16 | 연세대학교 산학협력단 | 실시간 영상을 이용하여 위험 상황을 예측하기 위한 영상 처리 방법, 장치 및 그를 이용하여 위험 상황을 예측하는 방법, 서버 |
-
2018
- 2018-11-12 KR KR1020180138425A patent/KR102188981B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120108335A (ko) * | 2011-03-23 | 2012-10-05 | 한경대학교 산학협력단 | 개선된 낙상 감지 알고리즘을 이용한 응급 모니터링 시스템 |
| KR20160139651A (ko) * | 2015-05-28 | 2016-12-07 | 주식회사 이에스피 | 노령자 및 취약자 거동 관리 시스템 |
| KR20170135563A (ko) * | 2016-05-31 | 2017-12-08 | 한국과학기술원 | 웨어러블 디바이스 형태의 뉴로모픽 기기 및 상기 뉴로모픽 기기를 이용한 생체 정보 처리 방법 |
| KR20180028198A (ko) * | 2016-09-08 | 2018-03-16 | 연세대학교 산학협력단 | 실시간 영상을 이용하여 위험 상황을 예측하기 위한 영상 처리 방법, 장치 및 그를 이용하여 위험 상황을 예측하는 방법, 서버 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220020299A (ko) * | 2020-07-09 | 2022-02-18 | (주)사랑과 선행 | 고객 맞춤형 도시락 배송 방법 |
| KR20220080819A (ko) * | 2020-12-08 | 2022-06-15 | 주식회사 서브원 | 다이브 활동에 사용되는 빅데이터와 인공지능 기반의 사용자 상태 분석 시스템 |
| KR20230085238A (ko) * | 2021-12-03 | 2023-06-14 | (주)일렉콤 | Ai 기반 신체활동 인지 및 서비스 통합 플랫폼 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102188981B1 (ko) | 2020-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11688265B1 (en) | System and methods for safety, security, and well-being of individuals | |
| KR102188981B1 (ko) | 스마트 고독사 방지 시스템 및 그 방법 | |
| US20140167917A2 (en) | Disease Mapping and Infection Control System and Method | |
| KR101574593B1 (ko) | 스마트 단말기 연계형 실시간 검진 방법 | |
| RU2003128643A (ru) | Способ и система обнаружения отклонений в контролируемой среде | |
| CN110795587A (zh) | 医闹预警方法、服务平台及计算机可读存储介质 | |
| US11145174B2 (en) | Methods and system for monitoring an environment | |
| CN104334075A (zh) | 具有调整通知的生物测定属性异常检测系统 | |
| KR20180119091A (ko) | 가축 집단 진료 예방 진단시스템 | |
| CN111914667A (zh) | 一种吸烟检测方法及装置 | |
| US20220208392A1 (en) | Monitoring potential contact based infection events | |
| Shiloh et al. | Early warning/track-and-trigger systems to detect deterioration and improve outcomes in hospitalized patients | |
| JP2019152914A (ja) | 保育施設児童見守りシステム及び情報処理方法 | |
| CN113569671A (zh) | 异常行为报警方法、装置 | |
| TWI590204B (zh) | 環境狀況異常通知系統及方法 | |
| KR20230025553A (ko) | 가축질병통제시스템 및 가축질병통제방법 | |
| CN114897499A (zh) | 一种景区员工工作状态判断的方法及装置 | |
| CN113611029B (zh) | 监测方法、装置、门禁系统和可读存储介质 | |
| US10506949B2 (en) | Device for determining the level of illicit substances in the breath of a person | |
| KR20230173710A (ko) | 자가 샘플링 관리용 전자 장치, 자가 샘플링 관리 방법 및 이러한 방법을 수행하기 위한 컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체 | |
| CN111127226B (zh) | 健康险欺诈识别方法、装置、设备及计算机可读存储介质 | |
| KR102190759B1 (ko) | 긴급상황 모니터링 시스템 및 방법 | |
| US20210398689A1 (en) | Autonomous mapping and monitoring potential infection events | |
| CN111091901A (zh) | 老年人急救决策方法、装置、设备及存储介质 | |
| KR102516271B1 (ko) | 홍채인식 및 복합인식을 통한 동물 관리시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |