KR20200131692A - 졸음 상태 감지 방법 및 그 장치 - Google Patents

졸음 상태 감지 방법 및 그 장치 Download PDF

Info

Publication number
KR20200131692A
KR20200131692A KR1020190056610A KR20190056610A KR20200131692A KR 20200131692 A KR20200131692 A KR 20200131692A KR 1020190056610 A KR1020190056610 A KR 1020190056610A KR 20190056610 A KR20190056610 A KR 20190056610A KR 20200131692 A KR20200131692 A KR 20200131692A
Authority
KR
South Korea
Prior art keywords
user
power spectrum
frequency
degree
respiration
Prior art date
Application number
KR1020190056610A
Other languages
English (en)
Other versions
KR102243373B1 (ko
Inventor
신미영
김진우
Original Assignee
경북대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Priority to KR1020190056610A priority Critical patent/KR102243373B1/ko
Publication of KR20200131692A publication Critical patent/KR20200131692A/ko
Application granted granted Critical
Publication of KR102243373B1 publication Critical patent/KR102243373B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms

Abstract

본 발명은 졸음 상태 감지 장치를 개시한다. 본 발명의 졸음 상태 감지 방법은, 사용자의 호흡 정보를 감지하는 단계, 상기 호흡 정보를 기초로 파워 스펙트럼을 형성하는 단계, 상기 파워 스펙트럼 중 타겟 주파수 영역 의 평균 호흡 주파수 및 호흡 불규칙성 정도를 산출하여 상기 파워 스펙트럼의 형상을 추출하는 단계 및 상기 산출값을 기초로 상기 사용자가 졸음 상태에 있는지 여부를 판단하는 단계를 포함한다. 본 발명에 따르면, 사용자의 호흡 정보의 규칙성을 통하여 사용자의 졸음 상태를 보다 정확하게 감지할 수 있는 효과가 있다.

Description

졸음 상태 감지 방법 및 그 장치{METHOD FOR SENSING OF DROWSINESS CONDITION AND APPARATUS THEREOF}
본 발명은 졸음 상태 감지 방법 및 그 장치에 관한 것으로, 보다 상세하게는 사용자의 호흡 정보의 규칙성을 통하여 사용자의 졸음 상태를 보다 정확하게 감지하기 위한 방법 및 그 장치에 관한 것이다.
사용자의 졸음 상태를 감지하는 기술은 나날이 발전해오고 있다. 이러한 졸음 상태를 감지하는 기술은 일반적으로 사용자가 운전 등 작업을 하는 중에 졸음으로 인하여 발생할 수 있는 사고를 방지하기 위하여 사용된다.
특히, 졸음 운전으로 인한 교통사고는 심각한 사회경제적 피해를 주고 있어 문제된다. 졸음운전으로 인한 교통사고의 발생률은 일반 교통사고보다 8배 정도 높게 나타나고 있다. 졸음운전 사고발생에 대한 연구결과, 수면시간이 5시간 미만인 상태에서 운전할 때는 5시간 이상 잠을 자고 운전할 때보다 사고 위험률이 5∼6배나 높으며, 새벽에 운전할 경우에도 다른 시간대에 운전하는 것보다 사고의 위험률이 3배 정도 증가하는 것으로 나타났다.
또한, 졸음으로 인한 위험성의 증가는 졸음 운전의 경우에만 한정하여 이야기할 수는 없을 것이다. 작업 중 졸음으로 인하여 장비에 의하여 부상을 입거나, 심한 경우 생명을 잃는 등의 안타까운 사건, 사고들이 최근 뉴스에서 연일 보도되고 있다.
졸음으로 인한 사고, 특히, 졸음 운전으로 인한 사고를 방지하기 위한 종래의 졸음 감지 기술은, 운전자의 생체신호를 이용하거나, 운전자의 눈동자의 개폐 여부를 감지(등록특허 제10-0291378호)하거나, 차량의 움직임을 분석하거나, 운전자의 상태 및 운전자의 반응 상태를 감지(등록특허 제10-1500010호)하는 등의 방법을 통해 졸음 여부를 감지하는 것이다. 또한, 특허등록 제10-0637797호에서는 운전자의 좌석 및/또는 안전 벨트에 설치되어 운전자의 호흡으로 인한 미세한 압력 변화를 기반으로 호흡 정보를 추출한다.
다만, 위와 같은 방법은 센서 정보가 사용자마다 다른 운전패턴과 외부 환경 등의 요인에 영향을 받아 변하기 때문에 졸음운전 감지의 정확성이 떨어진다는 문제점이 있다.
따라서, 외부 환경 등의 요인을 덜 받으면서도 사용자의 졸음 상태를 정확하게 판단할 수 있는 기술의 개발이 요구되고 있는 실정이다.
대한민국 등록특허 제10-0291378호 (2001.03.12. 등록) 대한민국 등록특허 제10-1500010호 (2015.03.02. 등록) 대한민국 등록특허 제10-0637797호 (2006.10.17. 등록)
상술한 문제를 해결하고자 하는 본 발명의 과제는 사용자의 호흡 정보의 규칙성을 통하여 사용자의 졸음 상태를 보다 정확하게 감지할 수 있을 뿐만 아니라, 사용자가 운전 등의 작업 중에 위험한 상태에 빠지기 전에 사용자의 상태를 미리 파악하여 졸음에 의한 사고를 예방할 수 있는 졸음 감지 방법 및 그 장치를 제공하는 데 있다.
상술한 과제를 해결하기 위하여, 본 발명은 사용자의 호흡 정보를 감지하는 단계, 상기 호흡 정보를 기초로 파워 스펙트럼을 형성하는 단계, 상기 파워 스펙트럼 중 타겟 주파수 영역의 평균 호흡 주파수 및 호흡 불규칙성 정도를 산출하여 상기 파워 스펙트럼의 형상을 추출하는 단계 및 상기 산출값을 기초로 상기 사용자가 졸음 상태에 있는지 여부를 판단하는 단계를 포함한다.
상기 평균 호흡 주파수는 상기 파워 스펙트럼 중 타겟 주파수 영역의 각 주파수에 해당하는 파워값을 가중치로 한 가중 평균이고, 상기 호흡 불규칙성 정도는 상기 파워 스펙트럼 중 타겟 주파수 영역의 각 주파수에 해당하는 파워값을 가중치로 한 가중 표준 편차이다.
상기 판단하는 단계는 상기 호흡 불규칙성 정도가 소정의 임계값 이하인 경우 상기 사용자가 졸음 상태에 있는 것으로 판단한다.
상기 추출하는 단계는 상기 파워 스펙트럼의 타겟 주파수 영역으로부터 제1 기간 동안의 제1 호흡 불규칙성 정도를 산출하고, 제2 기간 동안의 제2 호흡 불규칙성 정도를 산출하되, 상기 판단하는 단계는 상기 제1 호흡 불규칙성 정도에서 상기 제2 호흡 불규칙성 정도를 뺀 값이 소정의 임계값 이상이면 상기 사용자가 졸음 상태라고 판단한다.
상기 추출하는 단계는 상기 파워 스펙트럼의 타겟 주파수 영역으로부터 제1 기간 동안의 제1 평균 호흡 주파수 및 제1 호흡 불규칙성 정도를 산출하는 단계 및 상기 파워 스펙트럼의 타겟 주파수 영역으로부터 제2 기간 동안의 제2 평균 호흡 주파수 및 제2 호흡 불규칙성 정도를 산출하는 단계를 포함하고, 상기 판단하는 단계는 상기 제1 평균 호흡 주파수에서 상기 제2 평균 호흡 주파수를 뺀 제1 차이값이 제1 임계값 이상인지를 판단하는 단계, 상기 제1 차이값이 제1 임계값 이상인 경우 상기 제1 가중 표준 편차에서 상기 제2 가중 표준 편차를 뺀 제2 차이값이 제2 임계값 이상인지를 판단하는 단계 및 상기 제2 차이값이 상기 제2 임계값 이상인 경우, 상기 사용자는 졸음 상태라고 판단하는 단계를 포함할 수 있다.
또한, 상기 추출하는 단계는 상기 파워 스펙트럼 중 타겟 주파수 영역의 기울기를 산출하고, 상기 판단하는 단계는 상기 기울기가 소정의 임계값 이하인 경우, 상기 사용자는 졸음 상태라고 판단한다.
상기 판단하는 단계는 상기 산출값을 기계 학습 알고리즘에 입력하여 상기 사용자의 졸음 수치를 도출하는 단계, 상기 졸음 수치를 정규화하는 단계 및 상기 정규화된 졸음 수치가 소정의 임계값 이상이면 상기 사용자가 졸음 상태라고 판단하는 단계를 포함할 수 있다.
상기 사용자가 졸음 상태라고 판단된 경우 상기 사용자에게 경고 메시지를 보내는 단계를 더 포함할 수 있다.
상술한 과제를 해결하기 위하여, 본 발명은 사용자의 호흡 정보를 감지하는 감지부, 상기 호흡 정보를 기초로 파워 스펙트럼을 형성하고, 상기 파워 스펙트럼 중 타겟 주파수 영역의 평균 호흡 주파수 및 호흡 불규칙성 정도를 산출하여 상기 파워 스펙트럼의 형상을 추출하는 산출부, 상기 산출값을 기초로 상기 사용자가 졸음 상태에 있는지 여부를 판단하는 판단부를 포함한다.
상기 평균 호흡 주파수는 상기 파워 스펙트럼 중 타겟 주파수 영역의 각 주파수에 해당하는 파워값을 가중치로 한 가중 평균이고, 상기 호흡 불규칙성 정도는 상기 파워 스펙트럼 중 타겟 주파수 영역의 각 주파수에 해당하는 파워값을 가중치로 한 가중 표준 편차이다.
이처럼 본 발명은, 사용자의 호흡 정보의 규칙성을 통하여 사용자의 졸음 상태를 보다 정확하게 감지할 수 있을 뿐만 아니라, 사용자가 운전 등의 작업 중에 위험한 상태에 빠지기 전에 사용자의 상태를 미리 파악하여 졸음에 의한 사고를 예방할 수 있는 졸음 감지 방법 및 그 장치를 제공한다.
도 1은 본 발명에 따른 졸음 상태 감지 방법 및 장치가 운전자에 대하여 사용될 수 있는 일 예시를 나타낸 도면이다.
도 2는 본 발명에 따른 졸음 상태 감지 장치를 나타낸 도면이다.
도 3은 본 발명에 따른 졸음 상태 감지 방법을 개략적으로 나타낸 도면이다.
도 4는 본 발명에 따른 졸음 상태 감지 방법을 구체적으로 나타낸 도면이다.
도 5는 본 발명에 따른 졸음 상태 감지 방법을 구체적으로 나타낸 도면이다.
도 6은 본 발명의 다른 일 실시예에 따른 ROC 커브(curve)를 나타낸 도면이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 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.
본 발명에서 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.
공간적으로 상대적인 용어인 아래(below, beneath, lower), 위(above, upper) 등은 도면에 도시되어 있는 바와 같이 하나의 구성 요소와 구성 요소들과의 상관 관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 구성 요소의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들면, 도면에 도시되어 있는 구성 요소를 뒤집을 경우, 다른 구성 요소의 아래(below, beneath)로 기술된 구성 요소는 다른 구성 요소의 위(above, upper)에 놓여질 수 있다. 따라서, 예시적인 용어인 아래는 아래와 위의 방향을 모두 포함할 수 있다. 구성 요소는 다른 방향으로도 배향될 수 있고, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.
본 발명에서 사용되는 “부” 또는 “부분” 등의 일부분을 나타내는 표현은 해당 구성요소가 특정 기능을 포함할 수 있는 장치, 특정 기능을 포함할 수 있는 소프트웨어, 또는 해당 기능을 포함할 수 있는 장치 및 소프트웨어의 결합을 나타낼 수 있음을 의미하나, 꼭 표현된 기능에 한정된다고 할 수는 없으며, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 일 실시예에 따른, 졸음 상태 감지 장치에 관하여 상세히 설명하면 다음과 같다.
먼저 수면 중의 호흡 상태를 살펴보면, 크게 NREM(Non Rapid Eye Movement) 수면과 REM(Rapid Eye Movement) 수면으로 나눌 수 있다. 졸음 수면 상태는 NREM 수면으로, NREM 수면은 1, 2단계의 얕은 수면단계와 3, 4단계의 서파(Slow Wave) 수면단계로 전개된다. 이 중 1단계와 각성상태에 의해 방해된 짧은 기간 동안의 2단계를 일컬어 불안정 NREM 수면이라 하고, 졸음은 불안정 NREM 수면에 해당한다. 불안정 NREM 수면 상태로 들어가게 되면, 호흡의 규칙성이 증가한다고 알려져 있다. 즉, 불안정 NREM 수면 상태로 들어가게 되면, 호흡의 불규칙성 및 호흡 주파수가 감소한다고 알려져 있다.
도 1은 본 발명에 따른 졸음 상태 감지 방법 및 장치가 운전자에 대하여 사용될 수 있는 일 예시를 나타낸 도면이다.
본 발명은 사용자의 호흡 정보의 규칙성을 통하여 사용자의 졸음 상태를 보다 정확하게 감지하기 위한 방법 및 그 장치이며, 상기 사용자는 운전자에 해당할 수 있다. 다만, 본 발명의 사용자는 운전자로만 한정된다고 할 수는 없으며 도 1은 하나의 예시의 불과하다.
도 1에 따르면, 본 발명은 사용자의 호흡 신호를 검출하는 호흡 검출 수단(1), 상기 호흡 신호를 분석하는 호흡 분석 수단(2) 및 상기 분석 결과 사용자가 졸음 상태라고 판단되면 경보를 발하는 경보 수단(3)을 구비할 수 있다.
또한, 본 발명에 따른 졸음 상태 감지 장치는 도 1과 같이 구성요소가 무선 등으로 연결되되 공간적으로 분리되어 구성될 수도 있으며, 하나의 장치로 함께 물리적으로 연결되어 구성될 수도 있다.
본 발명에 따른 졸음 상태 감지 방법은, 도 1과 같이 졸음 상태 감지 장치에 입력되어 사용될 수도 있을 것이나, 이러한 실시 방법에 한정되지 않는다.
도 2는 본 발명에 따른 졸음 상태 감지 장치를 나타낸 도면이다.
도 2에 따르면, 본 발명은 감지부(10), 산출부(20), 판단부(30), 경고부(40)를 포함할 수 있다. 참고로, 본 발명의 졸음 상태 감지 장치는 후술할 졸음 상태 감지 방법과 비교하여 다른 점만을 설명하고 동일한 부분은 후술할 졸음 상태 감지 방법에 대한 설명으로 대신하기로 한다.
감지부(10)는 사용자의 호흡 정보를 감지한다. 산출부(20)는 상기 호흡 정보를 기초로 파워 스펙트럼을 형성하고, 상기 파워 스펙트럼 중 타겟 주파수 영역의 평균 호흡 주파수 및 호흡 불규칙성 정도(degree of irregularity)를 산출하여 상기 파워 스펙트럼의 형상을 추출한다. 즉, 파워 스펙트럼의 형상을 평균 호흡 주파수 및 호흡 불규칙성 정도라는 수치로서 표현하는 것이다. 판단부(30)는 상기 산출값을 기초로 상기 사용자가 졸음 상태에 있는지 여부를 판단한다. 경고부(40)는 상기 사용자가 졸음 상태라고 판단된 경우 상기 사용자에게 경고 메시지를 보낸다.
감지부(10)는 상기 호흡 정보 중 타겟 주파수 영역의 정보만을 선별하여 감지할 수 있도록 필터 회로를 포함할 수 있다. 상기 필터 회로는 고주파 통과필터(HPF)인 것이 바람직하나 이에 한정되는 것은 아니다. 예를 들면, 필터 회로를 대역필터(BFP) 등으로 해도 좋다.
산출부(20)는 상기 파워 스펙트럼 상에서 상기 평균 호흡 주파수와 특정 주파수가 이격된 거리와 상기 특정 주파수의 파워값이 반비례할수록 상기 호흡 불규칙성 정도를 작게 산출한다. 즉, 상기 파워 스펙트럼 상에서 상기 평균 호흡 주파수와 거리가 멀어질 수록 파워값이 작아지는 경우, 상기 호흡 불규칙성 정도는 더 작아진다.
판단부(30)는 상기 호흡 불규칙성 정도가 소정의 임계값 이하인 경우 상기 사용자가 졸음 상태에 있는 것으로 판단한다. 상기 소정의 임계값은 본 발명이 사용되는 목적, 장소, 대상, 상황 등에 따라 다른 값을 가질 수 있다. 이때, 판단부(30)는 상기 소정의 임계값 등의 정보를 저장할 수 있는 기억 소자, 상기 호흡 불규칙성 정도와 상기 소정의 입계값를 비교하기 위한 논리 회로 등을 포함한다.
산출부(20)는 상기 파워 스펙트럼의 타겟 주파수 영역으로부터 제1 기간 동안의 제1 호흡 불규칙성 정도 및 제2 기간 동안의 제2 호흡 불규칙성 정도를 산출하고, 판단부(30)는 상기 제1 호흡 불규칙성 정도에서 상기 제2 호흡 불규칙성 정도를 뺀 값이 소정의 임계값 이상이면 상기 사용자가 졸음 상태라고 판단한다. 상기 소정의 임계값은 본 발명이 사용되는 목적, 장소, 대상, 상황 등에 따라 다른 값을 가질 수 있다.
또한, 산출부(20)는 상기 파워 스펙트럼의 타겟 주파수 영역으로부터 제1 기간 동안의 제1 평균 호흡 주파수 및 제1 호흡 불규칙성 정도를 산출하고, 상기 파워 스펙트럼의 타겟 주파수 영역으로부터 제2 기간 동안의 제2 평균 호흡 주파수 및 제2 호흡 불규칙성 정도를 산출하며, 판단부(30)는 상기 제1 평균 호흡 주파수에서 상기 제2 평균 호흡 주파수를 뺀 제1 차이값이 제1 임계값 이상인지를 판단하고, 상기 제1 차이값이 제1 임계값 이상인 경우 상기 제1 가중 표준 편차에서 상기 제2 가중 표준 편차를 뺀 제2 차이값이 제2 임계값 이상인지를 판단하며, 상기 제2 차이값이 상기 제2 임계값 이상인 경우, 상기 사용자는 졸음 상태라고 판단한다.
또한, 산출부(20)는 상기 파워 스펙트럼 중 타겟 주파수 영역의 기울기를 산출하고, 판단부(30)는 상기 기울기가 소정의 임계값 이하인 경우, 상기 사용자는 졸음 상태라고 판단한다. 상기 소정의 임계값은 본 발명이 사용되는 목적, 장소, 대상, 상황 등에 따라 다른 값을 가질 수 있다.
본 발명에서 사용되는 타겟 주파수 또는 타겟 주파수 영역은, 고주파수(HF) 영역이며, 특히 0.15 Hz 이상 0.40 Hz 이하의 영역인 것이 바람직하다.
판단부(30)는 상기 산출값을 기계 학습 알고리즘에 입력하여 상기 사용자의 졸음 수치를 도출하고, 상기 졸음 수치를 정규화하며, 상기 정규화된 졸음 수치가 소정의 임계값 이상이면 상기 사용자가 졸음 상태라고 판단한다.
또한, 본 발명은 평균 호흡 주파수, 호흡 불규칙성 정도 및 기울기 값을 기초로 사용자의 졸음 정도를 판단할 수 있으나, 위 3가지 값들은 반드시 함께 사용되어야 그 의미를 가지는 것은 아니다. 측정 환경에 따라 적절한 임계값을 사용한다면, 위 3가지 값들을 각각 기준으로 삼아서 사용자의 졸음 정도를 판단할 수 있다.
또한, 본 발명에 따른 졸음 상태 감지 장치는 통신부(미도시)를 더 포함할 수 있다. 통신부(미도시)는 판단부(30)에서 상기 사용자의 졸음 여부가 판단되면 그 정보를 다른 장치나 서버로 전송한다. 통신부(미도시)는 졸음 상태 감지 장치 구성요소의 데이터를 다른 구성요소로 전송하는 역할을 할 수 있다. 이는 도 1과 같이 졸음 상태 감지 장치의 구성요소가 공간적으로 분리되어 구성된 경우에 사용된다.
통신부(미도시)는 무선 통신 또는 유선 통신을 사용하며, 이를 위한 통신 모듈(미도시)을 더 포함한다.
이때, 통신부(미도시)가 데이터를 전송하는 다른 장치나 서버는 통신 기능을 갖는 전자 기기를 말할 수 있지만, 이것에 한정되는 것이 아니다. 무선 통신 기능을 갖는 전자 기기로서는, PDA(Personal Digital Assistant), 휴대전화기, PHS(Personal Handy phone System) 단말, 넷북, 전자북 리더 등, 다른 전자 기기로 해도 좋다.
무선 통신을 사용하는 통신부(미도시)의 경우, 내장 안테나와 접속되고, 내장 안테나를 통해 휴대전화 통신방식에 의해 기지국과 정보의 송수신을 실행한다. 무선 통신을 사용하는 통신부(미도시)는 변조부, 복조부, 신호 처리부 등을 갖는 무선 통신 모듈을 포함한다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 다른 일 실시예에 따른, 졸음 상태 감지 방법에 관하여 상세히 설명하면 다음과 같다.
이하 설명될 졸음 상태 감지 방법의 실시 주체는 이를 수행할 수 있는 서버 또는 시스템이거나, 본 발명의 졸음 상태 감지 장치인 것이 바람직하다.
도 3은 본 발명에 따른 졸음 상태 감지 방법을 개략적으로 나타낸 도면이다.
도 3에 따르면, 본 발명은 사용자의 호흡 정보를 감지하는 단계(S100), 상기 호흡 정보를 기초로 파워 스펙트럼을 형성하는 단계(S200), 상기 파워 스펙트럼 중 타겟 주파수 영역의 평균 호흡 주파수 및 호흡 불규칙성 정도를 산출하여 상기 파워 스펙트럼의 형상을 추출하는 단계(S300) 및 상기 산출값을 기초로 상기 사용자가 졸음 상태에 있는지 여부를 판단하는 단계(S400)를 포함할 수 있다.
또한, 본 발명은 상기 사용자가 졸음 상태라고 판단된 경우 상기 사용자에게 경고 메시지를 보내는 단계(S500);를 더 포함할 수 있다.
또한, 본 발명은 상기 사용자가 졸음 상태라고 판단된 경우 그 정보를 다른 장치나 서버로 전송하는 단계(미도시);를 더 포함할 수 있다.
사용자의 호흡 정보를 감지하는 단계(S100)에 있어서, 사용자란 본 발명을 사용하는 자로서, 운전자, 사무원, 건설업 종사자, 시간제 근로자, 교육자 등의 노동자를 의미할 수 있다. 그러나, 상기 사용자는 이러한 예시에 한정되지 않으며, 본 발명을 사용하고자 하는 모든 주체를 지칭한다고 보아야 한다. 다만, 본 발명의 상기 사용자는 기계장비 또는 자동차 등의 탈 것을 운전하는 운전자인 것이 바람직하다.
사용자의 호흡 정보를 감지하는 단계(S100)에 있어서, 호흡 정보란 사용자의 호흡 활동에 따른 모든 수치 또는 데이터를 의미한다. 예를 들어, 들숨 단계 및 날숨 단계의 주기, 기간, 빈도, 지속 시간 등의 데이터를 의미할 수 있다.
이러한 호흡 정보는 다양한 방식으로 감지될 수 있다. 예를 들어, 특허등록 제10-1757432호에서는 안면의 미동을 기반으로 호흡 정보를 추출하며 특허등록 제10-1666654호에서는 인체의 미동을 기반으로 호흡 정보를 추출한다. 또한, 공개특허 제10-2018-0044393호에서는 심박 신호를 기초로 호흡 정보를 추출한다. 다만, 본 발명의 호흡 정보를 감지하는 방식은 위의 예시들에 한정되지 않는다고 할 것이다.
호흡 정보를 기초로 파워 스펙트럼을 형성하는 단계(S200)에 있어서, 상기 파워 스펙트럼(power spectrum)이란, 진폭-주파수 반응의 제곱으로서 일정 시간 동안의 호흡 신호 시계열 데이터의 푸리에 변환을 의미한다.
상기 파워 스펙트럼의 X축은 주파수를 나타내며, Y축은 파워(power)를 나타낸다. 상기 X축이 나타내는 주파수 범위는 고주파수(HF) 영역일 수 있으며, 바람직하게는 0.15 Hz 이상 0.40 Hz 이하의 영역을 나타낼 수 있다. 상기 Y축의 파워는 경우에 따라 파워값에 로그를 취한 값(logged power)이 사용될 수도 있다.
일반적으로, 호흡 정보에 대한 주파수 범위는 0.05Hz 미만의 저주파 (LF) 성분과, 0.05~0.15Hz 사이의 중주파(MF) 성분 및 0.15Hz 이상의 고주파수 (HF) 성분으로 구분된다.
본 발명에서 사용되는 타겟 주파수 또는 타겟 주파수 영역은, 고주파수(HF) 영역이며, 특히 0.15 Hz 이상 0.40 Hz 이하의 영역인 것이 바람직하다.
상기 파워 스펙트럼 중 타겟 주파수 영역의 평균 호흡 주파수 및 호흡 불규칙성 정도를 산출하여 상기 파워 스펙트럼의 형상을 추출하는 단계(S300)에 있어서, 상기 평균 호흡 주파수는 상기 파워 스펙트럼 중 타겟 주파수 영역의 각 주파수에 해당하는 파워값을 가중치로 한 가중 평균을 의미하고, 상기 호흡 불규칙성 정도는 상기 파워 스펙트럼 중 타겟 주파수 영역의 각 주파수에 해당하는 파워값을 가중치로 한 가중 표준 편차를 의미한다.
특히, 상기 호흡 불규칙성 정도는 상기 파워 스펙트럼 상에서 상기 평균 호흡 주파수와 특정 주파수가 이격된 거리와 상기 특정 주파수의 파워값이 반비례할수록 작게 산출되는 것이 바람직하다. 즉, 상기 파워 스펙트럼 상에서 상기 평균 호흡 주파수와 거리가 멀어질 수록 파워값이 작아지는 경우, 상기 호흡 불규칙성 정도는 더 작아진다.
가중 평균(weighted mean, WM)은 중요도나 영향도에 해당하는 각각의 가중치를 곱하여 구한 평균값을 말한다. 이때, 특정 주파수 영역 f1(Hz)에서부터 f2(Hz)까지의 가중 평균을 이용하여 상기 평균 호흡 주파수를 구하는 식은 아래 [수학식 1]일 수 있다. 다만, f1(Hz)은 0.15Hz, f2(Hz)는 0.4Hz인 것이 바람직하나 이는 일 예시에 불과할 뿐, 본 발명의 권리범위를 제한하지 않는다.
Figure pat00001
[수학식 1]에 있어서,
Figure pat00002
은 가중 평균을 말하며,
Figure pat00003
는 주파수 값(Hz)을 말하고,
Figure pat00004
는 주어진 주파수 값(Hz)에 해당하는 파워값에 로그를 취한 값을 말한다. 다만, 경우에 따라서는 로그를 취하지 않을 수도 있으며, 상기 [수학식 1]은 본 발명의 평균 호흡 주파수를 구하는 하나의 예시에 불과할 뿐, 본 발명의 권리범위를 제한하지 않는다고 할 것이다.
가중 표준 편차(weighted standard deviation, WSD)는 자료의 값이 얼마나 흩어져 분포되어 있는지 나타내는 산포도 값의 한 종류를 말한다. 이때, 특정 주파수 영역 f1(Hz)에서부터 f2(Hz)까지의 가중 표준 편차를 이용하여 상기 호흡 불규칙성 정도를 구하는 식은 아래 [수학식 2]일 수 있다. 다만, f1(Hz)은 0.15Hz, f2(Hz)는 0.4Hz인 것이 바람직하나 이는 일 예시에 불과할 뿐, 본 발명의 권리범위를 제한하지 않는다.
Figure pat00005
[수학식 2]에 있어서,
Figure pat00006
는 가중 표준 편차를 말하고,
Figure pat00007
은 가중 평균을 말하며,
Figure pat00008
는 주파수 값(Hz)을 말하고,
Figure pat00009
는 주어진 주파수 값(Hz)에 해당하는 파워값에 로그를 취한 값을 말한다. 다만, 경우에 따라서는 로그를 취하지 않을 수도 있으며, 상기 [수학식 2]는 본 발명의 호흡 불규칙성 정도를 구하는 하나의 예시에 불과할 뿐, 본 발명의 권리범위를 제한하지 않는다.
또한, 상기 파워 스펙트럼 중 타겟 주파수 영역의 평균 호흡 주파수 및 호흡 불규칙성 정도를 산출하여 상기 파워 스펙트럼의 형상을 추출하는 단계(S300)에 있어서, 상기 평균 호흡 주파수 및 호흡 불규칙성 정도 이외에도, 본 발명은 상기 파워 스펙트럼 중 타겟 주파수 영역의 기울기(Slope)를 산출한다. 상기 산출값을 기초로 상기 사용자가 졸음 상태에 있는지 여부를 판단하는 단계에 있어서, 본 발명은 상기 기울기가 소정의 임계값 이상인 경우 상기 사용자는 졸음 상태라고 판단한다.
이때, 기울기(slope)란, 수평선 또는 수평면에 대한 기울어짐의 정도를 나타내는 값을 말한다. 일반적으로, 기울기는 아래 [수학식 3]의 B1으로 표현한다.
Figure pat00010
[수학식 3]에 있어서, H(x)는 1차 방정식을 말하며, B0는 Y축 절편을 말한다. 상기 1차 방정식의 B1을 기울기라고 한다. 본 발명에서는 상기 파워 스펙트럼의 피팅 라인(fitting line)을 기울기(slope)라고 부른다.
특히, 고주파수(HF) 영역에서의 파워 스펙트럼의 피팅 라인(fitting line), 즉, 기울기는 아래 [수학식 4]로 구할 수 있다.
Figure pat00011
[수학식 4]에 있어서,
Figure pat00012
는 고주파수(HF) 영역에서의 파워 스펙트럼의 피팅 라인(fitting line), 즉, 기울기를 말하고,
Figure pat00013
는 주파수 값(Hz)을 말하고,
Figure pat00014
는 괄호 안의 값이 최소가 되는
Figure pat00015
을 나타내는 함수를 말한다.
Figure pat00016
는 주어진 주파수 값(Hz)에 해당하는 파워값에 로그를 취한 값을 말한다 다만, 경우에 따라서는 로그를 취하지 않을 수도 있으며, 상기 [수학식 4]는 본 발명의 호흡 규칙성 정도를 반영하는 하나의 예시에 불과할 뿐, 본 발명의 권리범위를 제한하지 않는다.
또한, 본 발명은 평균 호흡 주파수, 호흡 불규칙성 정도 및 기울기 값을 기초로 사용자의 졸음 정도를 판단할 수 있으나, 위 3가지 값들은 반드시 함께 사용되어야 그 의미를 가지는 것은 아니다. 측정 환경에 따라 적절한 임계값을 사용한다면, 위 3가지 값들을 각각 기준으로 삼아서 사용자의 졸음 정도를 판단할 수 있다.
상기 산출값을 기초로 상기 사용자가 졸음 상태에 있는지 여부를 판단하는 단계(S400)에 있어서, 상기 호흡 불규칙성 정도가 소정의 임계값 이하인 경우 상기 사용자가 졸음 상태에 있는 것으로 판단할 수 있다. 상기 소정의 임계값은 본 발명이 사용되는 목적, 장소, 대상, 상황 등에 따라 다른 값을 가질 수 있다.
상기 사용자가 졸음 상태라고 판단된 경우 상기 사용자에게 경고 메시지를 보내는 단계(S500)에 있어서, 상기 경고 메시지는 음성 경고 등 소리를 이용한 경고 메시지일 수 있으며, 진동이나 시각적 수단 등 다른 수단을 이용한 경고 메시지일 수 있다. 이때, 사용자에게 경고를 보내는 수단은 다양하며, 본 발명의 권리범위를 제한하지 않는다고 할 것이다.
상기 사용자가 졸음 상태라고 판단된 경우 그 정보를 다른 장치 또는 서버로 전송하는 단계(미도시)는 상기 경고 메시지를 보내는 단계(S500) 이전에 수행될 수도 있고 이후에 수행될 수도 있으며, 그와 동시에 수행될 수도 있다.
이때, 사용자가 졸음 상태라고 판단된 정보가 전송되는 다른 장치나 서버는 통신 기능을 갖는 전자 기기를 말할 수 있지만, 이것에 한정되는 것이 아니다. 무선 통신 기능을 갖는 전자 기기로서는, PDA(Personal Digital Assistant), 휴대전화기, PHS(Personal Handy phone System) 단말, 넷북, 전자북 리더 등, 다른 전자 기기로 해도 좋다.
이와 같이, 본 발명의 일 실시예에 따른 졸음 상태 감지 방법은, 호흡의 규칙성을 이용하여 사용자의 졸음 상태를 감지하되 상기 호흡의 규칙성은 상기 파워 스펙트럼을 통하여 판단하는 것이다. 사용자의 주호흡 주파수를 감지하여 그를 기준으로 파워 스펙트럼의 형태를 분석할 수도 있지만, 상기 졸음 상태 감지 방법은 상기 파워 스펙트럼의 3가지 특성인 평균 호흡 주파수, 호흡 불규칙성 정도 및 기울기를 이용하여 그 형태를 분석하는 것이 바람직하다.
따라서, 본 발명의 다른 일 실시예에 따른 졸음 상태 감지 방법은, 고주파수(HF) 영역의 주파수 전체를 기준으로 상기 파워 스펙트럼의 형태를 분석한다는 점에서, 사용자의 주호흡 주파수를 감지하는 경우보다 더 안정적이고 세밀하게 호흡의 규칙성을 측정하는 것이 가능하다는 현저한 효과가 있다.
도 4는 본 발명의 일 실시예에 따른 졸음 상태 감지 방법을 나타낸 도면이다.
도 4에 따르면, 본 발명은 제1 기간 동안 호흡 신호를 측정하여(S110) 파워 스펙트럼을 산출하고(S210), 이로부터 제1 평균 호흡 주파수(WMinit)와 제1 호흡 불규칙성 정도(WSDinit)를 산출한다(S310). 제1 기간은 사용자가 깨어있는 상태에 있는 기간을 말하며, 본 발명은 사용자가 깨어있는 상태에 있는 특정 시점으로부터 일정 기간 동안 호흡 신호를 측정한다. 일반적으로 제1 기간은 운전자가 운전을 시작하는 시점으로부터 n분 동안의 기간을 의미한다.
또한, 본 발명은 제2 기간 동안 호흡 신호를 측정하여(S120) 파워 스펙트럼을 산출하고(S220), 이로부터 제2 평균 호흡 주파수(WM)와 제2 호흡 불규칙성 정도(WSD)를 산출한다(S320). 제2 기간은 사용자가 졸음 상태에 있는지를 확인하고자 하는 특정 시점으로부터 일정 기간을 말한다. 일반적으로 제2 기간은 운전자가 운전을 하는 중에 상기 운전자가 졸음 상태에 있는지를 확인하고자 하는 특정 시점으로부터 n분간의 기간을 말한다.
상기 산출값을 기초로 상기 사용자가 졸음 상태에 있는지 여부를 판단하는 단계(S400)에 있어서, 본 발명은 상기 제1 호흡 불규칙성 정도에서 상기 제2 호흡 불규칙성 정도를 뺀 값이 소정의 임계값 이상이면 상기 사용자가 졸음 상태라고 판단한다(S410). 상기 소정의 임계값은 본 발명이 사용되는 목적, 장소, 대상, 상황 등에 따라 다른 값을 가질 수 있다.
또한, 본 발명은 상기 제1 평균 호흡 주파수에서 상기 제2 평균 호흡 주파수를 뺀 제1 차이값이 제1 임계값 이상인지를 판단하는 단계(S411), 상기 제1 차이값이 제1 임계값 이상인 경우, 상기 제1 가중 표준 편차에서 상기 제2 가중 표준 편차를 뺀 제2 차이값이 제2 임계값 이상인지를 판단하는 단계(S412) 및 상기 제2 차이값이 상기 제2 임계값 이상인 경우 상기 사용자는 졸음 상태라고 판단하는 단계(S413)를 포함할 수 있다.
도 5는 본 발명의 다른 일 실시예에 따른 졸음 상태 감지 방법을 나타낸 도면이다.
도 5에 따르면, 본 발명은 호흡 정보를 기초로 추출된 파워 스펙트럼에서부터 평균 호흡 주파수와 호흡 불규칙성 정도를 산출하되, 상기 산출값을 기계 학습 알고리즘에 입력하여 상기 사용자의 졸음 수치를 도출하는 단계(S431), 상기 졸음 수치를 정규화하는 단계(S432) 및 상기 정규화된 졸음 수치가 소정의 임계값 이상이면 상기 사용자가 졸음 상태라고 판단하는 단계(S433)를 포함할 수 있다.
기계 학습이란 컴퓨터 프로그램이 데이터와 처리 경험을 이용한 학습을 통해 정보 처리 능력을 향상시키는 것 또는 이와 관련된 연구 분야를 말한다. 기계 학습은 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 반지도 학습 (Semisupervised learning) 등으로 분류되며, 지도 학습(Supervised Learning)은 분류(Classification), 회귀(Regression) 등으로 나뉜다. 본 발명에서는, 산출된 호흡 불규칙성 정도를 통하여 사용자의 졸음 수치를 도출하기 위하여 회귀(Regression) 모델 또는 신경망(Neural network) 모델 등의 예측 모델과 관련한 알고리즘을 사용할 수 있다. 그 중에서도 랜덤 포레스트(Random Forest)를 사용하는 것이 바람직하다.
상기 졸음 수치를 정규화하는 단계(S432)에 있어서, 상기 정규화는 상기 졸음 수치를 0에서 1 사이의 값으로 수정하는 것을 말한다. 사람마다 다양한 값이 도출될 수 있어 직접적인 비교가 어려운 데이터들을 정규화함으로써 보다 쉽게 데이터들을 비교할 수 있게 되는 효과가 있다.
도 6는 본 발명의 다른 일 실시예에 따른 ROC 커브(Receiver Operating Characteristic curve)를 나타낸 도면이다.
도 6에 따르면, 상기 ROC 커브(Receiver Operating Characteristic curve)는, X축을 1-Specificity로 하고 Y축을 Sensitivity로 둔다. 상기 Specificity는 사용자의 깨어있는 상태를 잘 예측하는 능력을 의미하며, 상기 Sensitivity는 사용자의 졸음 상태를 잘 예측하는 능력을 의미한다.
상기 ROC 커브는 2개의 곡선을 나타내고 있는데, 하나는 본 발명에 따라 가중 평균 WM(평균 호흡 주파수), 가중 표준 편차 WSD(호흡 불규칙성 정도) 및 기울기(Slope) 값을 수집하고 임계값을 변화시키면서 성능을 비교한 것이다. 다른 하나는 본 발명과 달리 주호흡(Dominant respiration)에 기반하여 성능을 비교한 것이다. 상기 ROC 커브에 있어서, X축은 좌로 갈수록 Specificity가 높아지므로 사용자의 깨어있는 상태가 잘 예측된다는 것을 의미한다. 또한, Y축은 위로 갈수록 Sensitivity가 높아지므로 사용자의 졸음 상태가 잘 예측된다는 것을 의미한다. 따라서, 상기 ROC 커브의 곡선이 포함하는 면적이 더 넓을수록 더 좋은 성능을 의미한다.
도 6에 도시된 ROC 커브를 살펴보면, 주호흡에 기반한 곡선이 포함하는 면적보다, 본 발명에 따라 가중 평균 WM(평균 호흡 주파수), 가중 표준 편차 WSD(호흡 불규칙성 정도) 및 기울기(Slope) 값에 기반한 곡선이 포함하는 면적이 더 넓다. 즉, 본 발명에 따른 졸음 상태 감지 방법이 주호흡에 기반한 졸음 상태 감지 방법보다 더 좋은 성능을 발휘함을 알 수 있다.
한편, 상기 졸음 상태 감지 방법은 서버 컴퓨터로 읽을 수 있는 기록 매체에 저장될 수 있다. 이러한 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있도록 프로그램 및 데이터가 저장되는 모든 종류의 기록매체를 포함한다. 그 예로는, 롬(Read Only Memory), 램(Random Access Memory), CD(Compact Disk), DVD(Digital Video Disk)-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있으며, 또한 케리어 웨이브(예를 들면, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함된다. 또한, 이러한 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
1: 호흡 검출 수단
2: 호흡 분석 수단
3: 경보 수단
10: 감지부
20: 산출부
30: 판단부
40: 경고부

Claims (10)

  1. 사용자의 호흡 정보를 감지하는 단계;
    상기 호흡 정보를 기초로 파워 스펙트럼을 형성하는 단계;
    상기 파워 스펙트럼 중 타겟 주파수 영역의 평균 호흡 주파수 및 호흡 불규칙성 정도를 산출하여 상기 파워 스펙트럼의 형상을 추출하는 단계; 및
    상기 산출값을 기초로 상기 사용자가 졸음 상태에 있는지 여부를 판단하는 단계;를 포함하는 것인, 졸음 상태 감지 장치의 졸음 상태 감지 방법.
  2. 제1항에 있어서,
    상기 평균 호흡 주파수는,
    상기 파워 스펙트럼 중 타겟 주파수 영역의 각 주파수에 해당하는 파워값을 가중치로 한 가중 평균이고,
    상기 호흡 불규칙성 정도는,
    상기 파워 스펙트럼 중 타겟 주파수 영역의 각 주파수에 해당하는 파워값을 가중치로 한 가중 표준 편차인, 졸음 상태 감지 장치의 졸음 상태 감지 방법.
  3. 제1항에 있어서,
    상기 판단하는 단계는,
    상기 호흡 불규칙성 정도가 소정의 임계값 이하인 경우 상기 사용자가 졸음 상태에 있는 것으로 판단하는 것인, 졸음 상태 감지 장치의 졸음 상태 감지 방법.
  4. 제1항에 있어서,
    상기 추출하는 단계는,
    상기 파워 스펙트럼의 타겟 주파수 영역으로부터 제1 기간 동안의 제1 호흡 불규칙성 정도를 산출하고, 제2 기간 동안의 제2 호흡 불규칙성 정도를 산출하되,
    상기 판단하는 단계는,
    상기 제1 호흡 불규칙성 정도에서 상기 제2 호흡 불규칙성 정도를 뺀 값이 소정의 임계값 이상이면 상기 사용자가 졸음 상태라고 판단하는 것인, 졸음 상태 감지 장치의 졸음 상태 감지 방법.
  5. 제1항에 있어서,
    상기 추출하는 단계는,
    상기 파워 스펙트럼의 타겟 주파수 영역으로부터 제1 기간 동안의 제1 평균 호흡 주파수 및 제1 호흡 불규칙성 정도를 산출하는 단계; 및
    상기 파워 스펙트럼의 타겟 주파수 영역으로부터 제2 기간 동안의 제2 평균 호흡 주파수 및 제2 호흡 불규칙성 정도를 산출하는 단계;를 포함하고,
    상기 판단하는 단계는,
    상기 제1 평균 호흡 주파수에서 상기 제2 평균 호흡 주파수를 뺀 제1 차이값이 제1 임계값 이상인지를 판단하는 단계;
    상기 제1 차이값이 제1 임계값 이상인 경우, 상기 제1 가중 표준 편차에서 상기 제2 가중 표준 편차를 뺀 제2 차이값이 제2 임계값 이상인지를 판단하는 단계; 및
    상기 제2 차이값이 상기 제2 임계값 이상인 경우, 상기 사용자는 졸음 상태라고 판단하는 단계;를 포함하는 것인, 졸음 상태 감지 장치의 졸음 상태 감지 방법.
  6. 제1항에 있어서,
    상기 추출하는 단계는,
    상기 파워 스펙트럼 중 타겟 주파수 영역의 기울기를 산출하고,
    상기 판단하는 단계는,
    상기 기울기가 소정의 임계값 이상인 경우, 상기 사용자는 졸음 상태라고 판단하는 것인, 졸음 상태 감지 장치의 졸음 상태 감지 방법.
  7. 제1항에 있어서,
    상기 판단하는 단계는,
    상기 산출값을 기계 학습 알고리즘에 입력하여 상기 사용자의 졸음 수치를 도출하는 단계;
    상기 졸음 수치를 정규화하는 단계; 및
    상기 정규화된 졸음 수치가 소정의 임계값 이상이면 상기 사용자가 졸음 상태라고 판단하는 단계;를 포함하는 것인, 졸음 상태 감지 장치의 졸음 상태 감지 방법.
  8. 제1항에 있어서,
    상기 사용자가 졸음 상태라고 판단된 경우 상기 사용자에게 경고 메시지를 보내는 단계;를 더 포함하는, 졸음 상태 감지 장치의 졸음 상태 감지 방법.
  9. 사용자의 호흡 정보를 감지하는 감지부;
    상기 호흡 정보를 기초로 파워 스펙트럼을 형성하고, 상기 파워 스펙트럼 중 타겟 주파수 영역의 평균 호흡 주파수 및 호흡 불규칙성 정도를 산출하여 상기 파워 스펙트럼의 형상을 추출하는 산출부; 및
    상기 산출값을 기초로 상기 사용자가 졸음 상태에 있는지 여부를 판단하는 판단부;를 포함하는 것인, 졸음 상태 감지 장치.
  10. 제9항에 있어서,
    상기 평균 호흡 주파수는 상기 파워 스펙트럼 중 타겟 주파수 영역의 각 주파수에 해당하는 파워값을 가중치로 한 가중 평균이고,
    상기 호흡 불규칙성 정도는 상기 파워 스펙트럼 중 타겟 주파수 영역의 각 주파수에 해당하는 파워값을 가중치로 한 가중 표준 편차인 것인, 졸음 상태 감지 장치.
KR1020190056610A 2019-05-14 2019-05-14 졸음 상태 감지 방법 및 그 장치 KR102243373B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190056610A KR102243373B1 (ko) 2019-05-14 2019-05-14 졸음 상태 감지 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190056610A KR102243373B1 (ko) 2019-05-14 2019-05-14 졸음 상태 감지 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20200131692A true KR20200131692A (ko) 2020-11-24
KR102243373B1 KR102243373B1 (ko) 2021-04-22

Family

ID=73679548

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190056610A KR102243373B1 (ko) 2019-05-14 2019-05-14 졸음 상태 감지 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR102243373B1 (ko)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100291378B1 (ko) 1997-05-15 2001-06-01 다니구찌 이찌로오, 기타오카 다카시 졸음운전방지장치
KR100637797B1 (ko) 2004-11-16 2006-10-24 재단법인서울대학교산학협력재단 무구속 호흡측정 기반 졸음 운전 검출 장치
KR101500010B1 (ko) 2009-11-27 2015-03-09 현대자동차주식회사 운전자 졸음 및 피로 감지 시스템
KR20160075178A (ko) * 2014-12-19 2016-06-29 전남대학교산학협력단 수면중 호흡상태 판별 방법
JP2016214491A (ja) * 2015-05-19 2016-12-22 国立大学法人京都大学 無呼吸識別システム及びコンピュータプログラム
KR20170083483A (ko) * 2016-01-08 2017-07-18 전남대학교산학협력단 실시간 수면장애 감시 장치
WO2017135899A1 (en) * 2016-02-03 2017-08-10 Nanyang Technological University Methods for detecting a sleep disorder and sleep disorder detection devices

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100291378B1 (ko) 1997-05-15 2001-06-01 다니구찌 이찌로오, 기타오카 다카시 졸음운전방지장치
KR100637797B1 (ko) 2004-11-16 2006-10-24 재단법인서울대학교산학협력재단 무구속 호흡측정 기반 졸음 운전 검출 장치
KR101500010B1 (ko) 2009-11-27 2015-03-09 현대자동차주식회사 운전자 졸음 및 피로 감지 시스템
KR20160075178A (ko) * 2014-12-19 2016-06-29 전남대학교산학협력단 수면중 호흡상태 판별 방법
JP2016214491A (ja) * 2015-05-19 2016-12-22 国立大学法人京都大学 無呼吸識別システム及びコンピュータプログラム
KR20170083483A (ko) * 2016-01-08 2017-07-18 전남대학교산학협력단 실시간 수면장애 감시 장치
WO2017135899A1 (en) * 2016-02-03 2017-08-10 Nanyang Technological University Methods for detecting a sleep disorder and sleep disorder detection devices

Also Published As

Publication number Publication date
KR102243373B1 (ko) 2021-04-22

Similar Documents

Publication Publication Date Title
US20170372582A1 (en) Device for monitoring and preventing slump and processing method thereof
US10618522B2 (en) Drowsiness detection and intervention system and method
Warwick et al. Detecting driver drowsiness using wireless wearables
Fang et al. Developing a mobile phone-based fall detection system on android platform
CN102132331B (zh) 跌倒检测和/或预防系统
US20180008191A1 (en) Pain management wearable device
US20090315719A1 (en) Fall accident detection apparatus and method
KR101797854B1 (ko) 스마트 밴드를 이용하여 낙상을 판단하는 방법 및 시스템
EP3266369A1 (en) Analysis of fall severity of fall detection system and wearing apparatus
US20180075724A1 (en) Ear Based Contextual Environment And Biometric Pattern Recognition System And Method
US20180284100A1 (en) Mobile blood alcohol content and impairment sensing device
EP1974662B1 (en) Fall detector
US20130173174A1 (en) Apparatus, method, and system for accurate estimation of total energy expenditure in daily activities
US20170325718A1 (en) Neuropathic Diagnosis and Monitoring Using Earpiece Device, System, and Method
JP4830765B2 (ja) 活動量計測システム
Hemmatpour et al. Nonlinear predictive threshold model for real-time abnormal gait detection
KR20130112158A (ko) 낙상 예측 또는 감지 장치 및 그를 위한 방법
EP2263533A1 (en) Enhancing security and emergency functionalities in mobile phones based on detection of physical shocks
KR102243373B1 (ko) 졸음 상태 감지 방법 및 그 장치
CN115802931A (zh) 检测用户温度和评估呼吸系统病症的生理症状
KR20170058107A (ko) 웨어러블 디바이스를 이용한 운전 위험도 평가 방법, 시스템 및 컴퓨터 프로그램
US20210090418A1 (en) Walking analysis apparatus and method
Koohestani et al. Drivers performance evaluation using physiological measurement in a driving simulator
CN111523078B (zh) 一种骑行车辆减震器数据异常检测方法、多人骑行检测系统及电动骑行车辆
US11373501B1 (en) Snooze alert system and method

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right