KR20210001870A

KR20210001870A - 사용자 생활 상태 모니터링 관리 장치 및 이의 제어 방법

Info

Publication number: KR20210001870A
Application number: KR1020200003497A
Authority: KR
Inventors: 이승엽; 최규만; 김승규; 김건하
Original assignee: (주)하이디어 솔루션즈
Priority date: 2019-06-28
Filing date: 2020-01-10
Publication date: 2021-01-06
Also published as: KR20210001869A

Abstract

본 발명은, 사용자의 생활 공간에서의 적어도 활동성을 감지하는 액티비티 센서(200-1)를 포함하는 모니터링 센서부(200)와, 모니터링 데이터를 수집하는 모니터링 단말부(100)와, 상기 모니터링 단말부(100)와 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 확인 판단하여 적어도 보호자 단말부(500) 측으로 전달하는 모니터링 관리 서버(400)를 포함하고, 상기 모니터링 관리 서버(400)에는 타 사용자의 모니터링 데이터가 입력 가능하고, 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하는 머신 러닝 학습을 실행하는 AI 러닝 모듈(4300)를 더 포함하고, 상기 모니터링 관리 서버(400)에는 상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라 상기 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화 실행하고, 상기 비식별화된 타 사용자의 모니터링 데이터를 재식별화시켜 상기 타 사용자의 식별 가능 여부를 확인하는 디아이디 모듈(4600)을 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10) 및 이의 제어 방법을 제공한다.

Description

사용자 생활 상태 모니터링 관리 장치 및 이의 제어 방법{LIFELOG CARING SYSTEM FOR A USER AND A METHOD FOR CONTRLLING THE SYSTEM}

본 발명은 사용자, 예를 들어 질환자 내지 고령자들의 모니터링 대상자의 상태를 감지하고, 확인하여 안전 관리를 실행하는 시스템 및 제어 방법에 관한 것이다.

현대 사회의 의료 기술의 발전에 따라 생존 연령이 지속적으로 증대되어 생명 연장의 사회로 내딛고 있다. 하지만, 이의 반대 급부로, 종래와 다른 질병 인구의 급격한 증대, 예를 들어 치매 환자 내지 심리 내지 심신적 관찰을 요하는 사람 들의 인구가 증대되고 있다. 예를 들어, 침해 환자의 급증과 독거 노인 인구수의 증대 등, 의료적 내지 생활적 측면의 보호 내지 관찰을 필요로 하는 수요가 급격히 증대되고 있다.

주로, 치매 환자 내지 홀로 생활이 어려워 타인의 도움을 필요로 하는 노인분에 대한 통상적인 보호 관찰은 간병인이 담당하게 되는데, 이와 같은 노인인구 증가 속도 대비 생산가능인력 유입 증가 속도는 현저하게 낮아, 노인건강관리를 담당할 전문 인력이 현저하게 부족하다.

이러한 문제점을 해소하도록, ICT를 활용한 고품질 케어서비스의 실용화가 필하였고, 이에 따라 다양한 기술이 연구 개발되었으나, 기술 기반 웨어러블 헬스케어 기기 개발은 증가하나 고령자의 실사용은 저조하며, 활용성과 유지 보수 관리가 현저하게 낮은 상태를 점하여 실질적인 도움을 제공하지 못하고 있다. 즉, 복잡한 사용법과 빈번한 충전 관리 및 상시 휴대를 요하는 사용 조건은, 거동이 불편하고 혼자 생활하는데 어려움을 갖는 노인 분들에게는 상당한 부담 내지 부담감으로 작용하여 실제 사용성 및 활용성이 극히 낮아지는 문제점이 수반되었다.

따라서, 노년층의 웨어러블에 대한 거부감에 대한 대안으로 무접촉 무자각 센서에 대한 활용필요성이 대두되고, 노년인구의 대다수의 인력에 적용할 상시적이면서 저렴한 라이프로그 센서 및 방안 필요성이 형성되었고, 이를 해결함을 본 발명의 목적으로 한다.

본 발명은, 장기적,지속적 라이프로그 수집을 위한 IoT 센서기반 정보수집하여, 라이프로그 분석을 통한 건강이상 감지 및 안전관리를 실행하고, 고령자에 대한 생활패턴의 변화에 대한 커어기버에 적절한 정보제공과 케어기버의 피드백을 통한 협력형 건강 추천 서비스를 실행하는 시스템 및 제어 방법을 제공하는 것을 목적으로 한다. 즉, 본 발명은, 24시간 라이프로그 모니터링기반 예를 들어 고령자 등의 감지 대상자의 건강이상 감지 및 개인별 건강관련 서비스 추천기술 개발을 목표로 한다. 즉, 예를 들어 고령자들 내지 심신적 감지 대상자 들의 장기적이고 지속적인 모니터링을 통하여 고령자와 같은 대상자의 활동량과 각 개인의 특유의 생활패턴을 분석하고, 뇌건강 관련 상태평가와 그 변이를 분석하여 이에 적절한 개인화된 건강 서비스를 추천하며 그에 따른 협업 피드백을 통하여 고령자들이 건강하고 활동적인 자가 생활을 지속하도록 돕는 기술개발을 목표로 한다.

본 발명은, 무접촉 센서 및 협소지역 활동 감지 센서(Narrow Area Active Detector(N-AD))를 구비하고 모터터링 대상자들의 장기적, 지속적 라이프로그 수집을 위한 IoT센서기반 정보수집 유니트와, 빅데이터 처리를 통한 감지 정보를 이용한 라이프로그 분석을 통한 건강이상 감지 및 안전관리 유니트와, 라이프로그 및 뇌 건강 상태에 따른 추천 기능을 수행하는 맞춤형/협력형 건강 관리 서비스 추천 유니트를 포함하는 24시간 라이프로그 모니터링 및 이상 감지 및 대응 시스템 및 이의 제어 방법을 제공한다.

즉, 본 발명은, 사용자의 생활 공간에서의 적어도 활동성을 감지하는 액티비티 센서(200-1)를 포함하는 모니터링 센서부(200)와, 상기 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 수집하는 모니터링 단말부(100)와, 상기 모니터링 단말부(100)와 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 확인 판단하여 적어도 보호자 단말부(500) 측으로 전달하는 모니터링 관리 서버(400)를 포함하는 사용자 생활 상태 모니터링 관리 장치(10)를 제공한다.

상기 사용자 생활 상태 모니터링 관리 장치(10)에 있어서, 상기 액티비티 센서(200-1)는 사용자의 생활 공간의 복수 개의 구역에 각각 배치되어 사용자의 시간별 점유 공간 정보를 감지할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치(10)에 있어서, 상기 모니터링 센서부(200)는: 사용자의 생활 공간에서의 일상 생활 상태를 반영하는 적어도 수도, 가스 및 전기 사용량 및 조도 상태를 감지하는 인바이런먼트 센서부(200-4)와, 사용자의 생활 공간으로부터 외출 여부를 감지하는 서베일런스 센서부(200-3)를 더 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치(10)에 있어서, 상기 모니터링 단말부(100)은: 상기 모니터링 센서부(200)로부터 상기 모니터링 데이터를 수신하는 모니터링 단말 통신부(110)와, 상기 모니터링 센서부(200)로부터 수신된 모니터링 데이터를 저장하는 모니터링 단말 저장부(130)와, 상기 모니터링 관리 서버(40)로 상기 수신된 모니터링 데이터를 상기 모니터링 관리 서버(400)로 전송을 제어하는 모니터링 단말 제어부(120)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치(10)에 있어서, 상기 모니터링 관리 서버(40)는: 상기 모니터링 단말부(100)로부터 송신되는 상기 모니터링 데이터를 수신하는 서버 통신 모듈(4001)와, 상기 모니터링 데이터를 이용하여 상기 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 모니터링 확인하고 안정성 상태를 분석 판단하는 모니터링 모듈(4100)과, 상기 모니터링 모듈(4100)의 분석 판단 결과에 따라 적어도 보호자 단말부(500) 측으로 전달하는 대응 모듈(4200)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치(10)에 있어서, 상기 모니터링 모듈(4100)은: 상기 모니터링 데이터 중 상기 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터로부터 사용자의 시간별 공간 점유 상태 정보를 확인하는 공간분석 모니터링 서브 모듈(4110)과, 상기 공간 분석 모니터링 서브 모듈(41110)로부터 확인된 사용자의 시간별 공간 점유 상태 정보를 이용하여 사용자의 행동 정보를 확인 분석하는 행동 분석 모니터링 서브 모듈(4120)과, 상기 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 상기 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 이용하여 사용자의 이상 상태 여부를 모니터링 분석하는 이상 분석 모니터링 서브 모듈(4130)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치(10)에 있어서, 상기 대응 모듈(4200)은: 상기 모니터링 모듈(4100)의 분석 판단에 따라 대응하는 모니터링 모드를 실행하는 이상 판단 대응 서브 모듈(4210)와, 상기 모니터링 모듈(4100)의 분석 판단에서 긴급 상황이라 판단되는 경우 비상 경보 모드를 실행하는 경보 실행 대응 서브 모듈(4220)와, 상기 모니터링 모듈(4100)의 분석 판단에 따라 대응하는 모니터링 모드에 대응하는 리포트를 보호자 단말부(500) 측으로 전송하는 리포팅 대응 서브 모듈(4230)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치(10)에 있어서, 상기 모니터링 모듈(4100)에는 타 사용자의 모니터링 데이터가 입력 가능하고, 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하는 머신 러닝 학습을 실행하는 AI 러닝 모듈(4300)를 더 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치(10)에 있어서, 상기 AI 러닝 모듈(4300)은: 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 머신 러닝 학습을 통하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하기 위한 AI 러닝 모델을 저장하는 AI 러닝 모델 저장부(4323)와, 상기 AI 러닝 모델 저장부(4423)에서 도출되는 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 저장하는 AI 러닝 데이터 저장부(4321)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치(10)에 있어서, 상기 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 상기 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 포함하는 코어 피쳐 데이터 및 타 사용자의 코어 피쳐 데이터에 기초하여, 상기 사용자의 사용자 코어 피쳐 데이터와 타 사용자 코어 피처 데이터의 유사성을 확인하고, 타 사용자 코어 피쳐 데이터에 대한 레이블링 정보를 확인 추출하는 유사도 분석 모니터링 서브 모듈(4140)를 더 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치(10)에 있어서, 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중 데이터 이벤트를 추출하고 레이블링 실행하여 레이블을 생성하는 오토 레이블링 모듈(4400)을 더 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치(10)에 있어서, 상기 오토 레이블링 모듈(4400)은: 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중 데이터 이벤트를 추출하는 데이터 이벤트 추출 서브 모듈(4410)과, 상기 데이터 이벤트를 추출하고 레이블을 부여하는 레이블링 부여 서브 모듈(4420)과, 상기 레이블링 부여 서브 모듈(4420)에서 부여된 레이블링의 정합성을 검증하는 레이블링 검증 서브 모듈(4430)을 포함할 수도 있다.

본 발명의 다른 일면에 따르면, 본 발명은 사용자의 생활 공간에서의 적어도 활동성을 감지하는 액티비티 센서(200-1)를 포함하는 모니터링 센서부(200)와, 상기 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 수집하는 모니터링 단말부(100)와, 상기 모니터링 단말부(100)와 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 확인 판단하여 적어도 보호자 단말부(500) 측으로 전달하는 모니터링 관리 서버(400)를 포함하는 사용자 생활 상태 모니터링 관리 장치(10)를 제공하는 제공 단계(S10)와, 상기 모니터링 관리 서버(400)의 서버 통신 모듈(4001)을 통하여 상기 모니터링 단말부(100)로부터 수신되는 상기 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 이용하여, 상기 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 모니터링 확인하고 안정성 상태를 모니터링 모듈(4100)에서 분석 판단하는 모니터링 단계(S20)와, 상기 모니터링 모듈(4100)의 분석 판단 결과에 따라 대응 모드를 대응 모듈(4200)에서 판단하는 대응 모드 판단 단계(S30)와, 상기 대응 모드 판단 단계(S30)에서 판단된 대응 모드를 실행하는 대응 모드 실행 단계(S40)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법을 제공한다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 모니터링 단계(S20)는: 상기 모니터링 관리 서버(400)의 서버 통신 모듈(4001)을 통하여 상기 모니터링 단말부(100)로부터 수신되는 상기 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터가 수신 입력되는 모니터링 입력 단계(S21)와, 상기 모니터링 데이터 중 상기 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터로부터 공간 분석 모니터링 서브 모듈(4110)가 사용자의 시간별 공간 점유 상태 정보를 확인하는 공간 분석 모니터링 단계(S23)와, 상기 공간 분석 모니터링 서브 모듈(41110)로부터 확인된 사용자의 시간별 공간 점유 상태 정보를 이용하여 행동 분석 모니터링 서브 모듈(4120)에서 사용자의 행동 정보가 확인 분석되는 행동 분석 모니터링 단계(S25)와, 상기 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 상기 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 이용하여 사용자의 이상 상태 여부를 이상 분석 모니터링 서브 모듈(4130)에서 모니터링 분석하는 이상 분석 모니터링 단계(S27)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 이상 분석 모니터링 단계(S27)는: 상기 모니터링 단말부(100)와 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수와 설정되는 기준값을 비교하여 사용자의 일상 상태의 안정성을 확인 판단하는 룰베이스 이상 분석 모니터링 단계(S271)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 사용자 생활 상태 모니터링 관리 장치에는 상기 모니터링 모듈(4100)에는 타 사용자의 모니터링 데이터가 입력 가능하고, 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하는 머신 러닝 학습을 실행하는 AI 러닝 모듈(4300)가 더 포함되고, 상기 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 상기 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 포함하는 코어 피쳐 데이터 및 타 사용자의 코어 피쳐 데이터에 기초하여, 상기 사용자의 사용자 코어 피쳐 데이터와 타 사용자 코어 피처 데이터의 유사성을 확인하고, 타 사용자 코어 피쳐 데이터에 대한 레이블링 정보를 확인 추출하여, 상기 모니터링 단말부(100)와 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수에 대한 사용자의 일상 상태의 안정성을 확인 판단하는 인공지능 이상 분석 모니터링 단계(S273)를 더 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 대응 모드 판단 단계(S30)는: 상기 룰베이스 이상 분석 모니터링 단계(S271)에서 확인되는 룰베이스 이상 분석 모니터링 확인 결과에 따라, 대응 모드르 결정하는 룰베이스 대응 모드 판단 단계(S30-1)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 룰베이스 이상 분석 모니터링 단계(S271)에서 확인되는 룰베이스 이상 분석 모니터링 확인 결과가 입력되는 분석 모니터링 데이터 입력 단계(S31)와, 상기 대응 모듈(4200)에서 룰베이스 이상 분석 모니터링 확인 결과가 정상인지 여부를 판단하는 확인 결과 판단 단계(S33)와, 상기 대응 모듈(4200)에서 룰베이스 이상 분석 모니터링 확인 결과가 주의 필요가 있는지 여부를 판단하는 주의 여부 판단 단계(S35)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 대응 모드 판단 단계(S30)는: 상기 인공지능 이상 분석 모니터링 단계(S273)에서 확인되는 인공지능 이상 분석 모니터링 확인 결과에 따라, 대응 모드르 결정하는 인공지능 대응 모드 판단 단계(S30-2)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 인공지능 이상 분석 모니터링 단계(S273)에서 확인되는 인공지능 이상 분석 모니터링 확인 결과가 입력되는 분석 모니터링 데이터 입력 단계(S301)와, 상기 대응 모듈(4200)에서 인공지능 이상 분석 모니터링 확인 결과로 코어 피쳐 유사성을 나타내는 코어 피쳐 유사도가 사전 설정 코어 피쳐 하이 유사도보다 높은지 여부를 판단하는 코어 피쳐 유사도 하이 판단 단계(S303)와, 상기 대응 모듈(4200)에서 인공지능 이상 분석 모니터링 확인 결과로 코어 피쳐 유사성을 나타내는 코어 피쳐 유사도가 사전 설정 코어 피쳐 미디엄 유사도보다 높은지 여부를 판단하는 코어 피쳐 유사도 미디엄 판단 단계(S305)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 모니터링 관리 서버(400)에는 오토 레이블링 모듈(4400)이 더 포함되고, 적어도 상기 제공 단계(S10) 이후에 실행되고, 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중 데이터 이벤트가 추출되고 레이블링 실행하여 레이블이 생성되는 오토 레이블링 단계(S50)가 더 구비될 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 오토 레이블링 단계(S50)는: 상기 모니터링 데이터가 상기 오토 레이블 모듈(4400)로 수신 입력되는 오토 레이블링 모니터링 입력 단계(S51)와, 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중 데이터 이벤트가 데이터 이벤트 추출 서브 모듈(4410)에서 추출되는 데이터 이벤트 추출 단계(S53)와, 레이블링 부여 서브 모듈(4420)가 상기 데이터 이벤츠 추출 단계(S53)에서 추출된 데이터 이벤트에 레이블을 부여하는 프리리미너리 레이블링 단계(S55)와, 상기 프리리미너리 레이블링 단계(S55)에서 상기 레이블링 부여 서브 모듈(4420)을 통하여 부여된 레이블링의 정합성을 레이블링 검증 서브 모듈(4430)에서 검증하는 레이블링 검증 단계(S57)와, 상기 레이블링 검증 단계(S59)의 검증 결과에 따라 상기 프리리미너리 레이블링 단계(S55)에서 부여된 레이블링을 확정하는 레이블링 확정 단계(S59)를 포함할 수도 있다.

또 한편, 본 발명의 다른 일면에 따르면, 본 발명은, 사용자의 생활 공간에서의 적어도 활동성을 감지하는 액티비티 센서(200-1)를 포함하는 모니터링 센서부(200)와, 상기 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 수집하는 모니터링 단말부(100)와, 상기 모니터링 단말부(100)와 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 확인 판단하여 적어도 보호자 단말부(500) 측으로 전달하는 모니터링 관리 서버(400)를 포함하고, 상기 모니터링 관리 서버(400)에는 타 사용자의 모니터링 데이터가 입력 가능하고, 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하는 머신 러닝 학습을 실행하는 AI 러닝 모듈(4300)를 더 포함하고, 상기 모니터링 관리 서버(400)에는 상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라 상기 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화 실행하고, 상기 비식별화된 타 사용자의 모니터링 데이터를 재식별화시켜 상기 타 사용자의 식별 가능 여부를 확인하는 디아이디 모듈(4600)을 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10)를 제공한다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 모니터링 관리 서버(400)는: 상기 모니터링 단말부(100)로부터 송신되는 상기 모니터링 데이터를 수신하는 서버 통신 모듈(4001)와, 상기 모니터링 데이터를 이용하여 상기 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 모니터링 확인하고 안정성 상태를 분석 판단하는 모니터링 모듈(4100)과, 상기 모니터링 모듈(4100)의 분석 판단 결과에 따라 적어도 보호자 단말부(500) 측으로 전달하는 대응 모듈(4200)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 모니터링 모듈(4100)에는 타 사용자의 모니터링 데이터가 입력 가능하고, 상기 AI 러닝 모듈(4300)은: 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 머신 러닝 학습을 통하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하기 위한 AI 러닝 모델을 저장하는 AI 러닝 모델 저장부(4323)와, 상기 AI 러닝 모델 저장부(4423)에서 도출되는 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 저장하는 AI 러닝 데이터 저장부(4321)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 디아이디 모듈(4600)은: 상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라 상기 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화 실행하는 디아이덴티피케이션 서브 모듈(4610)과, 상기 비식별화된 타 사용자의 모니터링 데이터를 재식별화시키는 리아이디 확인 모듈(4620)과, 상기 타 사용자의 식별 가능 여부를 확인하는 디아이디 유사성 확인 모듈(4630)을 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 디아이덴티피케이션 서브 모듈(4610)은: 상기 타 사용자의 모니터링 데이터의 재식별화 불가능하도록 요구되는 최소 요건을 확인하는 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)와, 상기 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)에서 확인된 최소 요건에 기초하여, 상기 타 사용자의 모니터링 데이터의 개인 정보 연관 데이터 피쳐의 비표시화시킨 비표시화 개인 정보 연관 데이터 피쳐를 확인하는 디아이덴티피케이션 서브 피쳐 체크부(4613)와, 상기 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인 상기 비표시화 대상 개인 정보 연관 암호화 데이터 피쳐를 비표시화시키는 디아이덴티피케이션 서브 스크리닝부(4617)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 디아이덴티피케이션 서브 모듈(4610)은, 상기 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인된 상기 개인 정보 연관 데이터 피쳐중 비표시화 대상 개인 정보 연관 데이터 피쳐를 암호화시키는 디아이덴티피케이션 서브 크립토부(4615)를 더 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 디아이디 모듈(4600)은: 상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정을 업데이트하는 최소 설정 저장 모듈(4640)을 더 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 액티비티 센서(200-1)는 사용자의 생활 공간의 복수 개의 구역에 각각 배치되어 사용자의 시간별 점유 공간 정보를 감지할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 모니터링 센서부(200)는: 사용자의 생활 공간에서의 일상 생활 상태를 반영하는 적어도 수도, 가스 및 전기 사용량 및 조도 상태를 감지하는 인바이런먼트 센서부(200-4)와, 사용자의 생활 공간으로부터 외출 여부를 감지하는 서베일런스 센서부(200-3)를 더 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 모니터링 단말부(100)은: 상기 모니터링 센서부(200)로부터 상기 모니터링 데이터를 수신하는 모니터링 단말 통신부(110)와, 상기 모니터링 센서부(200)로부터 수신된 모니터링 데이터를 저장하는 모니터링 단말 저장부(130)와, 상기 모니터링 관리 서버(40)로 상기 수신된 모니터링 데이터를 상기 모니터링 관리 서버(400)로 전송을 제어하는 모니터링 단말 제어부(120)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 모니터링 관리 서버(400)는, 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중 데이터 이벤트를 추출하고 레이블링 실행하여 레이블을 생성하는 오토 레이블링 모듈(4400)을 더 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 오토 레이블링 모듈(4400)은: 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중 데이터 이벤트를 추출하는 데이터 이벤트 추출 서브 모듈(4410)과, 상기 데이터 이벤트를 추출하고 레이블을 부여하는 레이블링 부여 서브 모듈(4420)과, 상기 레이블링 부여 서브 모듈(4420)에서 부여된 레이블링의 정합성을 검증하는 레이블링 검증 서브 모듈(4430)을 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 모니터링 모듈(4100)은: 상기 모니터링 데이터 중 상기 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터로부터 사용자의 시간별 공간 점유 상태 정보를 확인하는 공간 분석 모니터링 서브 모듈(4110)과, 상기 공간 분석 모니터링 서브 모듈(41110)로부터 확인된 사용자의 시간별 공간 점유 상태 정보를 이용하여 사용자의 행동 정보를 확인 분석하는 행동 분석 모니터링 서브 모듈(4120)과, 상기 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 상기 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 이용하여 사용자의 이상 상태 여부를 모니터링 분석하는 이상 분석 모니터링 서브 모듈(4130)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 상기 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 포함하는 코어 피쳐 데이터 및 타 사용자의 코어 피쳐 데이터에 기초하여, 상기 사용자의 사용자 코어 피쳐 데이터와 타 사용자 코어 피처 데이터의 유사성을 확인하고, 타 사용자 코어 피쳐 데이터에 대한 레이블링 정보를 확인 추출하는 유사도 분석 모니터링 서브 모듈(4140)를 더 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치에 있어서, 상기 대응 모듈(4200)은: 상기 모니터링 모듈(4100)의 분석 판단에 따라 대응하는 모니터링 모드를 실행하는 이상 판단 대응 서브 모듈(4210)와, 상기 모니터링 모듈(4100)의 분석 판단에서 긴급 상황이라 판단되는 경우 비상 경보 모드를 실행하는 경보 실행 대응 서브 모듈(4220)와, 상기 모니터링 모듈(4100)의 분석 판단에 따라 대응하는 모니터링 모드에 대응하는 리포트를 보호자 단말부(500) 측으로 전송하는 리포팅 대응 서브 모듈(4230)를 포함할 수도 있다.

본 발명의 또 다른 일면에 따르면, 본 발명은 사용자의 생활 공간에서의 적어도 활동성을 감지하는 액티비티 센서(200-1)를 포함하는 모니터링 센서부(200)와, 상기 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 수집하는 모니터링 단말부(100)와, 상기 모니터링 단말부(100)와 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 확인 판단하여 적어도 보호자 단말부(500) 측으로 전달하는 모니터링 관리 서버(400)를 포함하고, 상기 모니터링 관리 서버(400)에는 타 사용자의 모니터링 데이터가 입력 가능하고, 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하는 머신 러닝 학습을 실행하는 AI 러닝 모듈(4300)를 더 포함하고, 상기 모니터링 관리 서버(400)에는 상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라 상기 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화 실행하고, 상기 비식별화된 타 사용자의 모니터링 데이터를 재식별화시켜 상기 타 사용자의 식별 가능 여부를 확인하는 디아이디 모듈(4600)을 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10)를 제공하는 제공 단계(S10)와, 상기 모니터링 관리 서버(400)의 서버 통신 모듈(4001)을 통하여 상기 모니터링 단말부(100)로부터 수신되는 상기 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 이용하여, 상기 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 모니터링 확인하고 안정성 상태를 모니터링 모듈(4100)에서 분석 판단하는 모니터링 단계(S20)와, 상기 모니터링 모듈(4100)의 분석 판단 결과에 따라 대응 모드를 대응 모듈(4200)에서 판단하는 대응 모드 판단 단계(S30)와, 상기 대응 모드 판단 단계(S30)에서 판단된 대응 모드를 실행하는 대응 모드 실행 단계(S40)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법을 제공한다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 적어도 상기 제공 단계(S10) 이후에 실행되고, 상기 모니터링 관리 서버(400)의 디아이디 모듈(4600)에서 상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라 상기 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화 실행하고, 상기 비식별화된 타 사용자의 모니터링 데이터를 재식별화시켜 상기 타 사용자의 식별 가능 여부가 확인되는 디아디 단계(S60)를 더 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 디아디 단계(S60)는: 상기 모니터링 데이터가 상기 디아이디 모듈(4600)로 수신 입력되는 디아이디 모니터링 입력 단계(S61)와, 상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라, 디아이덴티피케이션 서브 모듈(4610)에서 상기 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화가 실행되는 디아이덴티피케이션 단계(S63)와, 상기 비식별화된 타 사용자의 모니터링 데이터가 재식별화되고 최소 설정 요건과 비교되어 재식별화 가능성 여부를 확인 검증하는 최소 설정 요건 검증 단계(S65)와, 상기 최소 설정 요건 검증 단계(S65)에서의 요건 검증 결과에 따라 설정된 검증 대응 사항을 실행하는 검증 대응 단계(S67)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 디아이덴티피케이션 단계(S63)는: 상기 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)에서 상기 타 사용자의 모니터링 데이터의 재식별화 불가능하도록 요구되는 최소 요건을 확인하는 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인 단계(S631)와, 상기 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 상기 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)에서 확인된 최소 요건에 기초하여, 타 사용자의 모니터링 데이터의 개인 정보 연관 데이터 피쳐의 비표시화시킨 비표시화 개인 정보 연관 데이터 피쳐를 확인하는 디아이덴티피케이션 서브 피쳐 체크 단계(S633)와, 상기 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 스크리닝부(4617)에서 상기 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인된 개인 정보 연관 데이터 피쳐중 비표시화 대상 개인 정보 연관 데이터 피쳐를 비표시화시키는 디아이덴티피케이션 서브 스크리닝 단계(S635)를 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 디아이덴티피케이션 단계(S63)는: 상기 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 크립토부(4615)에서 상기 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인된 상기 개인 정보 연관 데이터 피쳐중 비표시화 대상 개인 정보 연관 데이터 피쳐를 암호화시키는 디아이덴티피케이션 서브 크립토 단계(S367)를 더 포함할 수도 있다.

상기 사용자 생활 상태 모니터링 관리 장치 제어 방법에 있어서, 상기 최소 설정 요건 검증 단계(S65)는: 상기 디아이덴티피케이션 서브 모듈(4610)의 리아이디 확인 모듈(4620)에서 상기 비식별화된 타 사용자의 모니터링 데이터를 재식별화시키는 리아이디 확인 단계(S651)와, 상기 재식별화된 타 사용자의 모니터링 데이터로부터 타 사용자의 식별화 가능성 여부를 나타내는 디아이디 유사도를 디아이디 유사성 확인 모듈(4630)에서 산출하는 디아이디 유사성 확인 단계(S653)와, 상기 디아이디 유사성 확인 단계(S653)에서 산출된 디아이디 유사도가 사전 설정 유사도보다 작은지 여부로 디아이덴티피케이션의 최소 설정 요건 만족 여부를 판단하는 디아이디 완료 확인 단계(S655)를 더 포함할 수도 있다.

본 발명에 의하면, 고령자들을 감안한 장기적, 지속적 라이프로그 수집을 위한 IoT 센서기반 정보수집기술 개발필요에 따라, 무접촉 센서로 활동량감지기 (Activity Detector)를 활용한 지속가능한 센싱으로 추출된 정보를 바탕으로 다른센서들과의 조합을 통한 활동량 및 생활패턴의 연구를 이루는 활동량감지기의 제공과 더불어 획득되는 데이터를 활용하여 노인의 무자각 무접촉 상태의 생활패턴 빅데이터 확보하고, 장기간에 걸친 활동량과 생활패턴의 변화와 사용자의 건강 상태, 예를 들어 뇌건강 상태와의 상관관계 임상정보의 확보할 수 있다.

본 발명에 따르면, 대다수의 노인을 커버할 저렴한 모니터링 수단의 확보를 통해 라이프로그 분석을 통한 건강 이상 감지 및 안전관리 시스템 개발을 실행하여, Super ager의 생활습관 규명을 통한 의학적 정보와 상시모니터링 라이프로그와의 정보를 바탕으로 노인 맞춤형 건강 프로그램을 제공할 수 있다. 즉, 질환자, 특히 뇌 인지 관련하여 치매포함 파킨슨환자 및 만성질환자들의 생활등에 대한 패턴의 변화를 분석 레퍼런스로 마크하고 이를 일반 노인에 적용 일반 노인의 건강이상을 예측 하는 모델이 필요한데, 환자들의 라이프로그데이터(생활패턴)와 임상시험을 통한 뇌건강상태의 상관관계를 분석하고 이를 일반노인에게 적용하므로 일반인의 건강상태 예측 모델을 실행할 수도 있고, 설치 및 운영 비용의 최소 최적화를 통한 사용 상의 비용적 부담을 최소화시켜 사용자 층 커버리지를 확대시켜, 보다 많은 노령 사용자에게 충분한 모니터링 관리 서비스 제공을 가능하게 할 수도 있다.

또한, 생활패턴 분석을 통해 응급 상황 감지를 통한 신속한 사고 대응 및 예방의 필요로, 의료기관 외의 장소에서도 지속적 건강관리 중요성 증대시킬 수도 있다. 지속적 모니터링 및 상호작용이 가능한 모바일 기기를 활용한 데이터 획득/분석 필요하고, 개인별 건강상태나 정서상태, 선호도에 알맞은 맞춤형 헬스케어 서비스 제공이 필요하며, 24시간 및 장기에 걸친 활동량의 감소, 생활패턴(활동,수면,외출,화장실이용도등)에 대한 변화량에 대한 측정 필요한데, 이를 통하여 고령자들의 재가생활에 있어서 비상상황에 도움을 받을수 있다는 심리적 정서적 안정감 제공할 수도 있다.

본 발명은 실버케어에 대한 다년간의 케어경험이 축적되어 있으며 장비와 프로토콜 및 텔레케어 플랫폼의 자체 보유역량을 통하여 노인들에 대한 안전 서비스의 기술을 통하여 최초로 무선망을 이용한 텔레케어 통신인프라 및 장비개발 능력은 초고령자들의 생활습관 및 이에 따른 맞춤형 건강 서비스를 제공한다.

본 발명은, 룰베이스 기반 모니터링 기능 구현과 동시 내지 선택적으로 인공 지능 모니터링 기능 구현을 통하여, 사용자 본인의 모니터링 라이프로그 데이터를 포함하는 모니터링 데이터를 통하여 사전 설정 기준값과 사용자 본인 모니터 데이터와의 비교에 의한 룰베이스 기반 모니터링 및 대응 과정이 수행될 수도 있고, 사용자 본인의 모니터링 데이터 이외 타 사용자의 모니터링 데이터에 대하여 머신 러닝을 통하여 타 사용자의 선험적 이벤트를 이용하여 현재 본 사용자의 생활 상태를 모니터링하여 위험 내지 주의 상황의 사전 알림 내지 예방적 조치 구현을 가능하게 할 수도 있다.

또한, 본 발명은 본 사용자의 모니터링 데이터 및/또는 타 사용자의 모니터링 데이터를 이용함에 있어, 데이터 처리 연산량을 합리적으로 유지하고 데이터 분석의 정확도를 증진시키도록 모니터링 데이터에 레이블을 부여하되, 자동적인 레이블링 작업을 가능하게 함으로써, 모니터링 데이터의 유의미한 레이블을 갖는 신속한 업데이트를 통하여, 사용자의 보다 정확한 생활 정보 모니터링 및 관리를 가능하게 할 수도 있다.

또한, 본 발명은 본 사용자의 모니터링 데이터와 더불어 타 사용자의 모니터링 데이터를 이용하여 머신 러닝을 수행함에 있어, 전산의무기록 등을 포함하는 타 사용자의 모니터링 데이터의 이용시 개인 정보 보호 조치를 위한 비식별화 기능을 수행하는 구성요소 및 방법을 통하여 규정에 따른 최소한의 비식별화 조치에 기한, 비식별화 요건 준수를 실행하고, 재식별화 가능 여부를 체크하여 추가적 비식별화 조치의 필요성을 검토하여 대응함으로써, 연산량을 최적화시키면서 개인 정보 누출로 인한 위험성을 최소화시킬 수도 있다.

도 1은 본 발명의 일실시예에 따른 사용자 생활 상태 모니터링 관리 장치의 개략적인 구성도이다.
도 2 및 도 3은 본 발명의 일실시예에 따른 사용자 생활 상태 모니터링 관리 장치의 모니터링 센서부 및 모니터링 단말부의 개략적인 구성도 및 세부 구성도이다.
도 4는 본 발명의 일실시예에 따른 사용자 생활 상태 모니터링 관리 장치의 모니터링 관리 서버의 개략적인 블록 선도이다.
도 5 내지 도 8은 본 발명의 일실시예에 따른 사용자 생활 상태 모니터링 관리 장치의 모니터링 관리 서버의 세부 구성에 대한 개략적인 블록 선도이다.
도 9는 본 발명의 일실시예에 따른 사용자 생활 상태 모니터링 관리 장치의 제어 방법의 개략적인 흐름도이다.
도 10 내지 도 17은 본 발명의 일실시예 내지 변형예들에 따른 사용자 생활 상태 모니터링 관리 장치의 제어 방법의 개략적인 흐름도 및 세부 흐름도이다.
도 18은 본 발명의 일실시예의 변형에 따른 사용자 생활 상태 모니터링 관리 장치의 세부 구성 블록 선도이다.
도 19는 본 발명의 일실시예의 변형에 따른 사용자 생활 상태 모니터링 관리 장치의 제어 방법의 흐름도이다.

이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

본 발명의 사용자 생활 상태 모니터링 관리 장치(10)는 모니터링 센서부(200)와, 모니터링 단말부(100)와, 모니터링 관리 서버(400)를 포함하고, 모니터링 관리 서버(400)는 사용자의 사전 설정된 보호자 측의 보호자 단말부(300)와 통신을 이룬다.

본 발명의 모니터링 센서부(200)는 도 1 및 도 2에 도시된 바와 같이, 사용자의 생활 공간에 배치된다. 모니터링 센서부(200)는 관리 내지 보호를 필요로 하는 사용자, 즉, 경도 인지 장애자, 근골격계 질환자, 만성 폐쇄성 폐질환(COPD)과 같은 호흡기 질환자, 우을 장애와 같은 정신적 질환자 등, 또는 노령 내지 초고령자 등과 같은 사용자들의 생활 공간에서의 정보를 취득한다. 즉, 모니터링 센서부(200)는 질환자 내지 노령자의 생활 공간에 배치되어 사용자의 생활 활동 정보, 소위 라이프 로그 데이터를 취득하는데, 본 발명의 모니터링 센서부(200)는 비소지 무접촉 방식의 감지 구조를 이룬다. 질환자 내지 노령자의 경우 생활 패턴으로서의 라이프로그를 감지 파악하기 위하여 별도의 센서 장치를 구비하는 경우 발생하는 번거로움과, 잦은 비소지로 인한 감지 정확도 저하 및 배터리 충전을 위한 번거로움 내지 배터리 방전으로 인한 미검지 상태 형성 등의 문제점을 해소하도록, 본 발명의 모니터링 센서부(200)는 사용자가 비소지하고 사용자의 생활 공간에 직접 장착되는 구조를 취한다.

즉, 적어도 사용자의 생활 공간에서의 적어도 활동성을 감지하는 액티비티 센서(200-1)를 포함한다. 액티비티 센서(200-1)는 사용자의 생활 공간에 배치되는데, 이의 배치 위치는 감지 환경에 따라 조정될 수 있다. 액티비티 센서(200-1)는 사용자의 활동성을 감지하는 범위에서 적외선 센서로 구성될 수도 있는 등 다양한 선택이 가능하다. 본 실시예에서 액티비티 센서(200-1)는 각 공간에 하나씩 배치되는 것으로 도시되었으나, 경우에 따라 감지 영역을 좁혀 디테일한 동작을 감지하는 협소 구역 액티비티 센서와 넓은 감지 영역의 광범위 구역 액티비티 센서가 각각 내지 복수 개 배치되는 구성을 취할 수도 있는 등 설계 사양에 따라 다양한 구현이 가능하다.

한편, 액티비티 센서(200-1)는 액티비티 센서 디텍터(201)와 액티비티 센서 제어부(203)와 액티비티 센서 통신부(205)를 포함할 수 있다. 아래에 기술되는 모니터링 센서부(200)의 다른 센서들도 디텍터, 제어부, 통신부를 구비하는 구성을 취할 수 있다. 여기서, 통신부는 지그비, 5G 등 다양한 방식의 통신 구조를 취할 수 있는데, IOT의 기능 구현을 위한 통신 방식을 이루어 데이터의 송수신을 가능하게 한다.

본 발명의 모니터링 관리 서버(400)의 모니터링 모듈(4100)은 액티비티 센서(200-1)의 감지 신호를 활용하여 사용자가 점유하는 공간, 점유하는 공간에서의 점유 시간, 점유하는 공간의 변화에 따른 이동성 등의 이차적 정보 획득을 가능하게 한다. 이와 같이, 본 발명의 비소지 무접촉 센서의 액티비티 센서(200-1)를 통한 활동성 감지를 통하여 지속가능한 센싱으로 추출된 정보를 바탕으로 다른센서들과의 조합을 통한 활동량 및 생활패턴의 연구를 이루는 활동량감지기의 제공과 더불어 획득되는 데이터를 활용하여 노인의 무자각 무접촉 상태의 생활패턴 빅데이터 확보하고, 장기간에 걸친 활동량과 생활패턴의 변화와 뇌건강 상태와의 상관관계 임상정보의 확보함으로써, 대다수의 노인을 커버할 저렴한 모니터링 수단의 확보를 통해 라이프로그 분석을 통한 건강 이상 감지 및 안전관리 시스템 구현을 가능하게 하고, 질환자 내지 노령자의 생활습관 트랙킹을 통한 유의미한 의하적 정보 내지 이벤트의 추출 및 상시모니터링 라이프로그와의 정보를 바탕으로 노인 맞춤형 건강 프로그램을 제공할 수 있다.

즉, 본 발명은 사용자의 일상 관련 라이프로그 데이터를 수집하고, 이를 사전 설정 기준값과 비교하여 사용자의 현재 상태를 모니터링하거나, 또는 이를 사용자 자신의 종전 모니터링 데이터의 라이프로그 데이터를 비교하고, 및/또는 타인의 모니터링 데이터와 비교하여 사용자의 현재 상태를 모니터링하는 구조를 제공한다. 사용자는 자신의 시계열적인 타임 시리즈 모니터링 데이터(time series of monitoring data points)를 통하여 종전의 생활 패턴, 즉 라이프로그 패턴과 다른 유사 내지 상이한 패턴을 확인하고 기준 설정값과 비교하여 이상 여부를 판단하여 소정의 대응 조치를 실행 가능하게 할 수 있다.

또한, 경우에 따라 사용자는 자신의 시계열적인 타임 시리즈 모니터링 데이터(time series of monitoring data points) 이외에 타인의 모니터링 데이터와의 비교를 통하여 유사 여부 내지 이상 여부를 판단 경고하여 소정의 대응 조치 실행을 가능하게 할 수도 있다. 즉, 동년배 내지 동일 질환 타인의 모니터링 데이터를 현재 시간 기준으로 또는 시계열적 타임 시리즈 모니터링 데이터와의 비교를 통하여 유사 여부 내지 이상 여부를 판단 경고하여 대응 조치 실행을 가능하게 할 수도 있다.

이와 같은 구성을 통하여, 사용자 자신의 모니터링 데이터 내지 타인의 모니터링 데이터를 통하여, 예를 들어 타인의 모니터링 정보로, 경도 인지 장애 내지 파킨슨환자 및 만성질환자들과 같은 질환자의 생활 등에 대한 일상 정보 관련 패턴의 변화를 분석 레퍼런스로 마크하고 이를 일반 사용자의 모니터링 데이터와 비교하여 일반 사용자의 일상 생활 패턴의 변화로 인한 예비적인 질병 가능성을 모니터링할 수도 있다.

예를 들어 일반 노인 내지 타인에 대한 정보와 비교 적용하여 일반 노인의 건강이상을 예측하거나 또는 반대로 일반 노인의 일상 정보와 질환자에 대한 정보를 비교하여 추정 예상되는 질환 가능성을 모니터링하거나, 또는 질환자 사용자에 대한 정보와 타 질환자의 정보를 비교하여 발생 우려 내지 예상되는 상황에 대한 예비적 경고 내지 주의 조치 실행을 가능하게 할 수도 있는 등, 사용자의 타인들의 라이프로그데이터(생활패턴)와 임상시험을 통한 질환자의 건강상태의 상관관계를 분석하고 이를 일반노인에게 적용하므로 일반인의 건강상태 예측 모델의 동작을 실행하게 할 수도 있다. 특히, 본 발명의 사용자는 고령자들일 가능성이 높다는 점을 고려하여 장기적, 지속적 라이프로그 수집을 위한 IoT 센서기반 정보수집기술 을 이용한 비소지 무접촉 감지 구조를 구현한다.

액티비티 센서(200-1)는 앞서 기술한 바와 같인 협소 구역 액티비티 센서와 광범위 구역 액티버티 센서를 모두 사용자 공간에 탑재 장착하여, 협소 구역 내지 광범위 구역 모두 감지하는 구성을 취할 수도 있는데, 액티비티 센서(200-1)는 사용자의 생활 공간의 복수 개가 배치될 수 있다. 즉, 액티비티 센서(200-1)는 사용자의 생활 공간의 복수 개의 구역에 각각 배치되어 사각 영역을 최소화함으로써 사용자의 활동성에 관한 라이프로그 데이터, 모니터링 데이터의 정확한 수집을 가능하게 할 수 있고, 사용자의 시간별 점유 공간 정보를 감지한다.

본 발명은 사용자의 활동성 감지 이외에 다양한 라이프로그 데이터, 즉 모니터링 데이터의 수집을 위한 다양한 센서가 더 구비될 수도 있다. 즉, 모니터링 센서부(200)는 인바이런먼트 센서부(200-4)와, 서베일런스 센서부(200-3)를 더 포함하는데, 인바이런먼트 센서부(200-4)는 사용자의 생활 공간에서의 일상 생활 상태를 반영하는 적어도 수도, 가스 및 전기 사용량 및 조도 상태를 감지하고, 서베일런스 센서부(200-3)는 사용자의 생활 공간으로부터 외출 여부를 감지한다.

인바이런먼트 센서부(200-4)와 서베일런스 센서부(200-3)도 액티비티 센서(200-1)와 마찬가지로, 센서 디텍터와 센서 제어부와 센서 통신부를 포함하여 감지된 라이프로그 데이터를 하기되는 모니터링 관리 서버(400) 측으로의 전송을 가능하게 한다.

인바이런먼트 센서부(200-4)는 사용자가 거처하는 공간에서의 사용자의 일상 생활 환경에 관한 사항, 즉 가스, 전기, 수도 및 조도 및/또는 온습도 등의 사용자 공간의 생활 정보를 취득한다. 본 실시예에서, 사용자의 거처 공간은 주로 침실 공간(Abd), 거실 공간(Alv), 욕실 공간(Abt), 주방 공간(Akc), 출입 공간(Adr)을 포함하는데, 이는 일예로서 본 발명의 사용자 거처 공간은 이에 국한되지 않고 사용자의 활동 거동을 감지하는 범위에서 다양한 변형이 가능하나, 본 실시예에서는 침실 공간(Abd), 거실 공간(Alv), 욕실 공간(Abt), 주방 공간(Akc), 출입 공간(Adr)을 사용자 활동 공간 내지 생활 공간으로 설정한다.

즉, 인바이런먼트 센서부(200-4)는 인바이런먼트 조도 센서(200-4a), 인바이런먼트 온습도 센서(200-4c), 인바이런먼트 계량 센서(200-4b,200-4d,200-4e,200-4f)를 포함할 수 있는데,

인바이런먼트 조도 센서(200-4a)는 조명 램프(160)가 배치되는 각 생활 공간에서의 조도를 감지한다. 조도의 경우 특히, 정신적 질환을 앓거나 주의를 필요로 하는 질환자 내지 노령층 사용자의 정신적 상태에 영향을 미치는 중요한 생활 환경 요인 중의 하나이다. 예를 들어 경도적 인지 장애를 않는 노인 질환자의 경우 급격한 조도의 변화는 경우에 따라 갑작스런 발작 등의 신체 정신적 변화를 유발할 수 있고, 급격한 조도 변화를 방지하도록 사용자의 활동 상태 내지 활동 진행 방향 등을 고려하여 조명 램프(160)의 작동을 제어함으로써 사용자에게 최적화된 생활 환경 제공을 가능하게 할 수도 있다.

또한, 인바이런먼트 온습도 센서(200-4c)는 사용자의 활동 생활 공간에서의 온도 및 습도를 감지한다. 이러한 인바이런먼트 온습도 센서(200-4c)로부터의 온습도 데이터와 사용자의 활동량 라이프로그 데이터의 비교를 통하여 각 사용자의 활동에 미치는 상관 관계 도출에 이용될 수도 있다.

또한, 인바이런먼트 계량 센서(200-4b,200-4d,200-4e,200-4f)는 사용자가 생활하는 생활 공간에서의 수도, 가스 및 전기 사용량을 감지하여 모니터링 관리 서버(40) 측으로 모니터링 데이터의 전송을 가능하게 한다. 인바이런먼트 계량 센서(200-4b,200-4d,200-4e,200-4f)는 인바이런먼트 전기 계량 센서(200-4d)와 인바이런먼트 수도 계량 센서(200-4e)와 인바이런먼트 가스 계량 센서(200-4f)를 포함하고, 경우에 따라 인바이런먼트 주방 활동 계량 센서(200-4b)를 포함할 수도 있다.

인바이런먼트 전기 계량 센서(200-4d)는 사용자의 생활 공간에서 사용되는 전기 사용량을 감지하고, 인바이런먼트 수도 계량 센서(200-4e)는 사용자의 생활 공간에서 사용되는 수도 사용량을 감지하고, 인바이런먼트 가스 계량 센서(200-4f)는 사용자의 생활 공간에서의 가스 사용량을 감지한다. 경우에 따라, 난방기의 가스 사용 내지 주방 레인지의 가스 레인지 사용 여부 등이 고려되어, 지역 난방 내지 인덕션 레인지의 사용의 경우, 각각의 상황이 고려되어 생활 라이프로그에 반영될 수도 있다.

또한, 인바이런먼트 주방 활동 계량 센서(200-4b)로서 주방에서 사용하는 가전 등의 필수적 항목들, 예를 들어 냉장고, 김치 냉장고 등의 냉장 가전 기구들의 가전 기구 도어의 개폐 회수 등의 감지하는 것과 같은 인바이런먼트 주방 활동 계량 센서(200-4b)가 더 구비될 수도 있다.

서베일런스 센서부(200-3)는 사용자의 생활 공간으로부터 외출 여부를 감지할 수 있다. 즉, 서베일런스 센서부(200-3)는 서베일런스 도어록 센서부(200-3a), 사학서베일런스 도어 센서부(200-3b), 서베일런스 출입 활동 센서부(200-3c)를 포함한다.

서베일런스 도어록 센서부(200-3a)는 사용자의 생활 가택의 도어락의 작동 센서를, 서베일런스 도어 센서부(200-3b)는 사용자의 도어의 개방 여부를 확인하는 센서를, 서베일런스 출입 활동 센서부(200-3c)는 사용자가 도어를 통하여 출입이 이루어졌는지 여부를 확인하는 센서를 포함하는데, 서베일런스 센서부(200-3)는 도난 방지 기능의 별도의 센서를 포함할 수도 있다.

또한, 모니터링 센서부(200)는 사용자의 생활 공간을 생활 안전을 위한 세이프티 센서부(200-2)를 더 포함할 수도 있다. 세이프티 센서부(200-2)는 본 실시예에서 가스 화재 관련 센서로 구현되는데, 세이프티 센서부(200-2)는 세이프티 가스 차단 센서부(200-2a), 세이프티 가스 센서부(200-2b), 세이프티 화재 센서부(200-2c)를 포함한다. 세이프티 가스 차단 센서부(200-2a)는 사용자 공간 내 가스 레인지 등의 가스 장치에 대한 스위치 차단 여부 등을 감지하고, 세이프티 가스 센서부(200-2b)는 가스의 누설 여부를, 그리고 세이프티 화재 센서부(200-2c)는 사용자의 실내 공간에 화재 발생 여부를 감지하여 화재 관련 정보를 전달하여 가스 누출 및 화재 관련 안전 정보를 모니텅링할 수도 있다.

이러한 모니터링 센서부(200)의 배치 및 구성은 일예로서, 사용자의 라이프로그 데이터서의 모니터링 데이터의 다양한 정보 취득을 이루는 범위에서 다양한 변형이 가능하다.

한편, 모니터링 단말부(100)는 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 수집하여 이를 모니터링 관리 서버(400)로 전달한다. 이와 같은 모니터링 단말부(100)는 사용자가 생활하는 사용자 공간에서의 라이프로그 데이터인 모니터링 데이터를 감지하는 모니터링 센서부(200)에서 감지된 정보를 모니터링 관리 서버 게이트웨이로서의 기능을 수행한다.

모니터링 단말부(100)는 모니터링 단말 통신부(110)와, 모니터링 단말 저장부(130)와, 모니터링 단말 제어부(120)를 포함한다.

모니터링 단말 통신부(110)는 모니터링 센서부(200)로부터 모니터링 데이터를 수신하고, 수신된 모니터링 데이터를 하기되는 모니터링 단말 제어부(120)의 송신 제어에 따라 모니터링 관리 서버(400)로 송출한다. 모니터링 단말 저장부(130)는 모니터링 센서부(200)로부터 수신된 모니터링 데이터를 저장하고, 모니터링 단말 제어부(120)는 모니터링 관리 서버(40)로 수신된 모니터링 데이터를 모니터링 관리 서버(400)로 전송을 제어한다.

모니터링 관리 서버(400)는 모니터링 단말부(100)와 모니터링 데이터를 수신한다. 모니터링 관리 서버(400)는 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 확인 판단하게 된다. 모니터링 관리 서버(400)는 확인 판단된 사항에 기초하여 적어도 보호자 단말부(300) 측으로 확인 판단 사항을 전달 내지 가공 전달한다.

모니터링 관리 서버(40)는 서버 통신 모듈(4001)와, 모니터링 모듈(4100)과, 대응 모듈(4200)을 포함하는데, 이들 각각은 모듈화 구성을 이루나, 경우에 따라 모니터링 관리 서버의 전체적 서버 제어부를 통하여 각각의 모듈이 제어되는 구성을 취할 수도 있는 등 다양한 변형이 가능하다.

서버 통신 모듈(4001)은 모니터링 단말부(100)로부터 송신되는 모니터링 데이터를 수신한다. 경우에 따라 모니터링 관리 서버(40)는 별도의 서버 신호처리 모듈(4003)을 포함하여, 모니터링 단말부(100)로부터 수신되는 모니터링 데이터를 신호 처리하여 모니터링 관리 서버(40)의 다른 구성 모듈로 데이터 전송을 가능하게 할 수도 있다.

모니터링 모듈(4100)는 모니터링 데이터를 이용하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 모니터링 확인하고 안정성 상태를 분석 판단한다.

본 실시예에서 모니터링 모듈(4100)은 공간 분석 모니터링 서브 모듈(4110)과, 행동 분석 모니터링 서브 모듈(4120)과, 이상 분석 모니터링 서브 모듈(4130)을 포함한다.

공간 분석 모니터링 서브 모듈(4110)은 모니터링 데이터 중 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터로부터 사용자의 시간별 공간 점유 상태 정보를 확인한다. 즉, 공간 분석 모니터링 서브 모듈(4110)은 모니터링 관리 서버(40)의 서브 통신 모듈(4001)에서 수신되어 서브 신호 처리 모듈(4003)에서 신호 처리된 사용자의 모니터링 데이터 중, 사용자의 활동성을 나타내는 모니터링 라이프 로그 데이터로부터 사용자의 생활 공간별 활동성을 감지 확인하여, 사용자가 현재 점유하는 공간의 정보와 점유 공간의 변화 사항을 통해 사용자의 활동량, 사용자의 공간별 점유도, 취침 시간 등의 취침 정보, 외부와의 출입 내지 긴급 사항 발생 등의 가공 데이터를 형성할 수 있다.

행동 분석 모니터링 서브 모듈(4120)는 공간 분석 모니터링 서브 모듈(4110)로부터 확인된 사용자의 시간별 공간 점유 상태 정보를 이용하여 사용자의 행동 정보를 확인 분석한다. 즉, 행동 분석 모니터링 서브 모듈(4120)는 공간 분석 모니터링 서브 모듈(4110)로부터 확인된 사용자의 시간별 공간 점유 상태 정보를 이용하여 이로부터 사용자의 상태 활동량, 취침 정보 및 외부 활동 등에 대한 활동 지수, 취침 지수 및 외출 지수 등을 산출할 수 있다.

이상 분석 모니터링 서브 모듈(4130)는 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 이용하여 사용자의 이상 상태 여부를 모니터링 분석한다. 즉, 이상 분석 모니터링 서브 모듈(4130)은 행동 분석 모니터링 서브 모듈(4120)에서 산출 분석된 사용자의 행동 정보, 즉 산출된 활동 지수, 취침 지수 및 외출 지수를 사전 설정된 값 등과 비교함으로써, 사용자의 현재 이상 상태 분석이 이루어질 수도 있다.

대응 모듈(4200)은 모니터링 모듈(4100)의 분석 판단 결과에 따라 적어도 보호자 단말부(300) 측으로 전달한다. 즉, 대응 모듈(4200)은 모니터링 모듈(4100)의 공간 분석 모니터링 서브 모듈(4110)과, 행동 분석 모니터링 서브 모듈(4120)과, 이상 분석 모니터링 서브 모듈(4130)에서의 분석 판단 결과에 따라, 사용자 정상 상태인 경우 정상 상태에 대한 모니터링 정보를 적어도 보호자 측의 보호자 단말로 리포팅하고, 이상 상태인 경우 사전 설정된 비상 대응 조치를 취하도록 후속 절차를 실행할 수 있다.

대응 모듈(4200)은 이상 판단 대응 서브 모듈(4210)와, 경보 실행 대응 서브 모듈(4220)와, 리포팅 대응 서브 모듈(4230)를 포함한다.

이상 판단 대응 서브 모듈(4210)는 모니터링 모듈(4100)의 분석 판단에 따라 대응하는 모니터링 모드를 실행한다. 본 실시예에서 실행되는 대응 모드는 사전 설정값의 비교에 따른 룰베이스 대응 모드를 포함하고, 경우에 따라 타 사용자의 데이터를 포함하여 처리되는 경우 인공 지능 대응 모드를 더 포함할 수도 있다.

룰베이스 대응 모드는 본 실시예에서 3가지의 대응 모드를 포함하는데, 이에는 정상 대응 모드, 주의 대응 모드 및 긴급 대응 모드를 포함한다.

정상 대응 모드는 사용자가 특별한 이상 상태는 아니라 판단하고, 사전 설정된 보호자 측의 보호자 단말부(300)로 사용자의 라이프로그에 대한 정보를 사전 설정된 시점에 송출하는 리포팅 대응 동작을 실행한다.

주의 대응 모드는 사용자가 아직 특별한 이상 상태는 아니나 평소와 달리 주의가 필요한 생활 상태라 판단하고, 사전 설정된 보호자 측의 보호자 단말부(300)로 사용자의 라이프로그에 대한 정보를 사전 설정된 시점에 송출하되, 보호자 내지 사용자의 주의적 관찰을 어드바이스하는 리포팅 대응 동작을 실행한다.

긴급 대응 모드는 사용자가 특별한 긴급 대응을 필요로 하는 이상 상태라고 판단하고, 사전 설정된 보호자 측의 보호자 단말부(300)로 긴급 대응 동작을 필요로 하는 상황이라는 사용자의 라이프로그에 대한 정보를 즉시 송출하는 리포팅 대응 동작을 실행한다.

경보 실행 대응 서브 모듈(4220)는 모니터링 모듈(4100)의 분석 판단에서 긴급 상황이라 판단되는 경우 긴급 대응 모드를 실행한다. 즉, 실행되어야 하는 대응 모드가 긴급 대응 모드라고 판단된 경우 경보 실행 대응 서브 모듈(4220)는 정기적인 모니터링 동작이 아닌 긴급 인터럽트를 실행하여, 보호자 측의 보호자 단말부(300)로 긴급 대응 동작 요청 알림을 실행하고, 경우에 따라 사전 설정된 응급 기관, 예를 들어 119 내지 평소 진찰이 진행된 병원 측의 기관 서버(500)로 긴급 연락을 실행하여 긴급 대응 후속 동작 실행을 이룬다.

리포팅 대응 서브 모듈(4230)는 모니터링 모듈(4100)의 분석 판단에 따라 대응하는 모니터링 모드에 대응하는 리포트를 보호자 단말부(300) 측으로 전송한다. 본 실시예에서는 정상 대응 모드 및 주의 대응 모드의 경우 보호자 단말부(300) 측으로 사용자의 모니터링 라이프로그 데이터 내지 가공된 리포팅 데이터를 전송하는 기능을 수행하는데, 경우에 따라 리포팅의 주기 및 시점 등은 사전 설정값에 따라 조정될 수 있고, 사용자 내지 보호자의 설정값 조정을 통한 설정도 가능하게 할 수도 있다.

한편, 본 실시예에서 실행되는 대응 모드는 사전 설정값의 비교에 따른 룰베이스 대응 모드를 포함하고, 경우에 따라 타 사용자의 데이터를 포함하여 처리되는 경우 인공 지능 대응 모드를 더 포함할 수도 있는데, 인공 지능 대응 모드만이 독립적으로 실행되는 구성을 취할 수도 있고, 룰베이스 대응 모드와 동시에 병행되는 구성을 취할 수도 있는 등 다양한 변형이 가능하다. 이와 같은 인공 지능 대응 모드를 더 구비하는 경우, 본 발명의 사용자 생활 상태 모니터링 관리 장치(10)의 모니터링 관리 서버(400)는 AI 러닝 모듈(4300)을 더 포함할 수도 있다. 모니터링 모듈(4100)에는 타 사용자의 모니터링 데이터가 입력 가능한 구조를 취할 수 있다. 즉, 본 발명의 사용자 생활 상태 모니터링 관리 장치(10)의 모니터링 관리 서버(40)는 AI 러닝 모듈(4300)을 통한 인공 지능 대응 모드 실행을 위하여 데이터의 양이 증대될 수도록 보다 안정적인 인공 지능 대응 모드 구현이 가능한데, 사용자 본인의 과거 모니터링 라이프로그 데이터만으로는 이의 구현에 제약이 따르므로, 모니터링 관리 서버(40)의 모니터링 모듈(4100)에는 모니터링 모듈 입력부를 통하여 타인의 모니터링 라이프로그 데이터를 포함하는 모니터링 데이터를 입력받을 수 있는 구조를 취한다.

AI 러닝 모듈(4300)은 사용자의 모니터링 데이터 및 입력된 타 사용자의 모니터링 데이터를 이용하여, 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하는 머신 러닝 학습 내지 딥 러닝 학습을 실행한다. 여기서, 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터는 모니터링 라이프로그 데이터와 더불어, EMR(Electronic Medical Record)을 포함할 수도 있다.

또한, 모니터링 데이터는 외부 서버와의 통신을 통하여 사용자가 거주하는 생활 공간의 위치 지역에 대한 기후 정보 등을 추가적으로 입력받아 또 다른 데이터 피쳐를 형성할 수도 있는 등 다양한 변형이 가능하다.

사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블은, 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 포함되는 이벤트에 대하여 형성되는 것으로, 예를 들어 사용자 내지 타 사용자의 병원 외래 내지 입원 기록 사항, 의사의 진단 정보, 복약 정보, 119 등의 긴급 대응 기관의 호출 기록 정보, 심야 시간대의 외출 정보 등과 같은 유의미하다 분류된 이벤트로, 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터에 대하여 레이블링 작업을 통하여 특정된 이벤트를 지칭하고, 피쳐는 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터의 각각의 특징 데이터들, 즉 모니터링 센서부(200)를 통하여 감지되는 하나 하나의 특징들을 지칭하고, 후술되는 코어 피쳐는 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이루는 다양한 피쳐 중 후술되는 데이터 처리를 통하여 도출되는 레이블과 피쳐 간에 머신 러닝 및/또는 딥 러닝을 통하여 산출된 높은 상관 관계를 갖는 피쳐를 지칭한다.

AI 러닝 모듈(4300)은, AI 러닝 모델 저장부(4323)와, AI 러닝 데이터 저장부(4321)를 포함한다. AI 러닝 모델 저장부(4323)는 AI 러닝 모델을 저장하는데, AI 러닝 모델에 의하여 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 머신 러닝 학습이 실행되고, 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계가 도출된다.

AI 러닝 모델 저장부(4323)에 저장되는 AI 러닝 모델은 Regression, Logistic Regression, Auto Encoder, CNN(Convvolutional Neural Network), RNN(Reccurrent Neural Network) 등의 머신 러닝 내지 딥 러닝 알고리즘 모델을 이용할 수 있는데, 특정 모델에 국한되지 않고 각 데이터를 이용한 학습 내지 상관 관계의 도출 효율성을 증진시키는 범위에서 다양한 변형이 가능하다.

AI 러닝 데이터 저장부(4321)는 AI 러닝 모델 저장부(4423)에서 도출되는 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계가 저장된다. 즉, 이와 같은 AI 러닝 모듈(4300)을 통하여 머신 러닝이 실행됨으로써, 레이블과 피쳐 간의 상관 관계가 도출된다.

AI 러닝 모듈(4300)은, AI 러닝 모델 저장부(4323)와, AI 러닝 데이터 저장부(4321)을 포함하는 경우, 모니터링 모듈(4100)은 유사도 분석 모니터링 서브 모듈(4140)를 더 포함할 수 있다.

유사도 분석 모니터링 서브 모듈(4140)에서는 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 포함하는 코어 피쳐 데이터 및 타 사용자의 코어 피쳐 데이터에 기초하여, 사용자의 사용자 코어 피쳐 데이터와 타 사용자 코어 피처 데이터의 유사성이 확인된다. 유사도 분석 모니터링 서브 모듈(4140)은 사용자의 사용자 코어 피쳐 데이터와 타 사용자 코어 피처 데이터의 유사성이 높은 타 사용자 코어 피쳐 데이터에 대한 레이블링 정보를 확인 추출할 수 있다. 즉, AI 러닝 모듈(4300)의 머신 러닝을 통하여 사용자의 모니터링 데이터 중 사용자 코어 피쳐를 타 사용자의 코어 피쳐를 비교하여 상관 관계가 높은 레이블링 정보를 추출하여, 현재 사용자가 주의해야 할 이벤트가 존재하는지 여부를 분석하고 판단함으로써 현재 사용자의 과거 이력 뿐만 아니라, 공간을 달리하는 타 사용자의 모니터링 데이터로부터 발생 가능성이 높은 이벤트가 어느 것인지를 사전 제공받아 사전 예방적 내지 주의 과정을 통한 위험 상황의 회피 과정을 이룰 수도 있다.

또 한편, 본 발명의 사용자 생활 상태 모니터링 관리 장치(10)가 이와 같은 AI 러닝 모듈(4300)와 유사도 분석 모니터링 서브 모듈(4130)을 통한 머신 러닝과 상관도 분석을 통한 코어 피쳐의 추출, 현 사용자와 타 사용자의 코어 피쳐의 유사도 분석을 통한 유사 레이블링 정보 추출을 통한 현 사용자의 위험 상황의 회피 과정을 실행함에 있어, 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터의 레이블을 필요로 할 수 있다. 경우에 따라, 머신 러닝을 위한 AI 러닝 모듈(4300)의 AI 러닝 모델 저장부(4323)에 저장되는 AI 엔진으로서의 AI 러닝 모델은 정형화 데이터(structured data)의 처리를 위한 모델을 포함할 수도 있고, 경우에 따라 비정형화 데이터(unstructured data)의 처리를 위한 모델을 포함할 수도 있으나, 본 실시예에서는 정형화 데이터와 비정형화 데이터가 혼재된 경우의 세미 정형화 데이터(semi-structured data)의 처리를 위한 모델을 중심으로 구성된다. 즉, 본인 현 사용자의 과거 이력의 모니터링 데이터는 적정하게 분류되어 레이블링된 정형화 데이터 구조를 취하기 용이하나, 타 사용자의 모니터링 데이터 내지 EMR 데이터에 대하여는 레이블화되지 않은 비정형화 데이터의 가능성이 높은바, 이들의 정형화된 데이터 및 비정형화된 데이터가 혼재된 상태로 보다 각각의 모니터링 데이터의 피쳐와 레이블 간의 상관 관계 분석의 신뢰성을 증진시키도록, 본 발명의 AI 러닝 모듈(4300)은 세미 정형화 데이터 처리를 위한 모델을 포함하는 것으로 구현된다.

이때, 본 발명의 모니터링 관리 서버(400)는 오토 레이블링 모듈(4400)을 더 포함할 수 있는데, 오토 레이블링 모듈(4400)은 사용자 및/또는 타 사용자의 모니터링 데이터에 대한 레이블링을 자동적으로 실행한다. 즉, 오토 레이블링 모듈(4400)은 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중 데이터 이벤트를 추출하고 레이블링 실행하여, 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터에 레이블을 생성 및 부여한다.

보다 구체적으로, 오토 레이블링 모듈(4400)은 데이터 이벤트 추출 서브 모듈(4410)과, 레이블링 부여 서브 모듈(4420)과, 레이블링 검증 서브 모듈(4430)을 포함한다. 데이터 이벤트 추출 서브 모듈(4410)은 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중 데이터 이벤트를 추출한다. 즉, 데이터 이벤트 추출 서브 모듈(4410)은 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중, 유의미한 레이블, 예를 들어 사용자 내지 타 사용자의 병원 외래 내지 입원 기록 사항, 의사의 진단 정보, 복약 정보, 119 등의 긴급 대응 기관의 호출 기록 정보, 심야 시간대의 외출 정보, 복지사의 상담 기록 등과 같은 정보들을 추출한다.

또한, 오토 레이블링 모듈(4400)의 레이블링 부여 서브 모듈(4420)은 데이터 이벤트에 대하여 레이블을 부여한다. 즉, 오토 레이블링 모듈(4400)의 레이블링 부여 서브 모듈(4420)은 데이터 이벤트 추출 서브 모듈(4410)에서 추출된 데이터 이벤트 중 미론적으로 유의미한 데이터 이벤트를 분류 내지 재차 추출하고 이에 대하여 레이블을 부여한다.

이 때 경우에 따라 모니터링 관리 서버(400)는 시맨틱 엔진을 탑재한 시맨틱 모듈(4500)을 더 포함할 수도 있는데, 시맨틱 모듈(4500)은 데이터 이벤트 추출 과정 및/또는 레이블링 부여 과정에서 사용될 수도 있다. 즉, 사용자 내지 타 사용자의 병원 외래 내지 입원 기록 사항, 의사의 진단 정보, 복약 정보, 119 등의 긴급 대응 기관의 호출 기록 정보, 심야 시간대의 외출 정보, 복지사의 상담 기록 등과 같은 정보들을 추출하는 과정 중, 시맨틱 엔진을 구비하는 시맨틱 모듈(4500)을 통하여 모니터링 데이터로부터 의미론적 텍스트의 추출, 분류되는 등 데이터 마이닝을 실행하여 데이터 이벤트를 추출하고, 추출된 데이터 이벤트 중 유의미한 데이터 이벤트에 대하여 레이블이 부여될 수도 있다.

레이블링 부여 서브 모듈(4420)에서 레이블링 과정이 이루어지면, 레이블링 검증 서브 모듈(4430)은 유의미한 레이블링 과정이 실행된 것인지 여부를 검증한다. 즉, 레이블링 검증 서브 모듈(4430)은 레이블링 부여 서브 모듈(4420)에서 부여된 레이블링의 정합성을 검증할 수 있는데, 모니터링 관리 서버(400) 측에 저장된 기 저장 레이블과 비교하고 신규 레이블에 대하여는 전체적 모니터링 데이터 상에서의 해당 레이블의 빈도수 등을 고려하여 유의미한 빈도를 갖는다 판단 가능한 사전 설정 빈도수와 비교하여 신규 레이블의 부여 여부가 판단 검증되는 구성을 취할 수도 있다.

이와 같은 머신 러닝 과정을 통하여, 예를 들어 타 사용자에게 발생한 '낙상'이라는 이벤트에 상관성을 갖는 코어 피쳐를 추출하고, 본 사용자가 해당 코어 피쳐와 유사한 생활 패턴을 형성하는 경우 '낙상'이라는 이벤트의 발생 가능성을 감지하여 이를 사용자 내지 보호자 측의 단말부로 주의 내지 경고 등의 알림을 실행하여, 빅데이터 처리를 통하여 추출된 상관 관계 속에 이루어진 판단 상 발생 가능성이 높은 사항에 대한 예비적 대응 조치를 취하여 사고 발생을 방지하도록 할 수도 있다.

이하에서는, 도면을 참조하여 본 발명의 사용자 생활 상태 모니터링 관리 장치 제어 방법을 설명한다.

본 발명의 사용자 생활 상태 모니터링 관리 장치 제어 방법은, 제공 단계(S10)와, 모니터링 단계(S20)와, 대응 모드 판단 단계(S30)와, 대응 모드 실행 단계(S40)를 포함한다.

제공 단계(S10)에서는 사용자의 생활 공간에서의 적어도 활동성을 감지하는 액티비티 센서(200-1)를 포함하는 모니터링 센서부(200)와, 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 수집하는 모니터링 단말부(100)와, 모니터링 단말부(100)와 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 확인 판단하여 적어도 보호자 단말부(300) 측으로 전달하는 모니터링 관리 서버(400)를 포함하는 사용자 생활 상태 모니터링 관리 장치(10)가 제공된다. 사용자 생활 상태 모니터링 관리 장치(10)는 모니터링 센서부(200)와, 모니터링 단말부(100)와, 모니터링 관리 서버(400)를 포함한는데, 이에 대한 구체적 설명은 앞선 기재로 대체하며 중복된 설명은 생략한다.

그런 후 모니터링 단계(S20)가 실행되는데, 모니터링 단계(S20)에서 사용자의 일상 상태의 안정성을 모니터링 확인하고 안정성 상태가 분석 판단된다. 즉,

모니터링 센서부(200)는 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 감지하고 이를 모니터링 관리 서버(400)로 전달하는데, 모니터링 모듈(4100)의 모니터링 관리 서버(400)는 서버 통신 모듈(4001)을 통하여 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 모니터링 단말부(100)로부터 수신한다. 수신한 모니터링 데이터를 이용하여, 모니터링 모듈(4100)은일상 상태의 안정성을 모니터링하고 안정성 여부를 분석 판단한다. 즉, 모니터링 모듈(4100)은 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 모니터링 확인하고 안정성 상태를 모니터링 모듈(4100)에서 분석 판단한다.

보다 구체적으로, 모니터링 단계(S20)는, 모니터링 단계(S20)는 모니터링 입력 단계(S21)와, 공간 분석 모니터링 단계(S23)와, 행동 분석 모니터링 단계(S25)와, 이상 분석 모니터링 단계(S27)를 포함한다.

먼저, 모니터링 입력 단계(S21)에서 모니터링 관리 서버(400)의 서버 통신 모듈(4001)을 통하여 모니터링 단말부(100)로부터 모니터링 데이터가 수신 입력된다. 여기서, 모니터링 데이터는 모니터링 라이프 로그 데이터를 포함하는데, 모니터링 라이프 로그 데이터는 적어도 활동성을 나타내며 모니터링 센서부(200)에서 감지된다. 즉, 모니터링 데이터는 모니터링 라이프 로그 데이터를 포함하는데, 경우에 따라 직접 감지된 데이터 이외에 모니터링 데이터는 앞서 기술된 EMR(Electronic Medical Record,전자 의무 기록) 등을 포함할 수도 있다.

공간 분석 모니터링 단계(S23)는 사용자의 모니터링 데이터, 즉 모니터링 라이프 로그 데이터로부터 사용자가 점유하는 공간에 대한 공간 정보를 산출한다. 즉, 공간 분석 모니터링 서브 모듈(4110)은 공간 분석 모니터링 단계(S23)에서 수신 입력된 모니터링 데이터 중 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터로부터 공간 분석 모니터링 서브 모듈(4110)가 사용자의 시간별 공간 점유 상태 정보를 확인한다. 즉, 사용자의 시간별 위치를 감지한 데이터를 활용하여, 사용자가 어느 시간 대에 어느 공간을 점유햇는지, 예를 들어 오전 시간대 주로 거실 공간에 위치했는지, 주방 공간에 위치했는지, 오후 시간에 침실 공간의 점유 시간 내지 빈도수는 어떻게 되는지 등의 시간대별 위치 정보로부터 사용자의 24시간의 공간 점유도 내지 시간대별 공간 점유도, 즉 시간별 공간 점유 상태 정보를 포함하는 공간 정보를 파악할 수 있다.

그런 후, 행동 분석 모니터링 단계(S25)가 실행되는데, 행동 분석 모니터링 단계(S25)에서 행동 분석 모니터링 서브 모듈(4120)은 단계 S23에서 취득한 공간 정보로부터 사용자의 행동 정보를 추출 분석한다. 즉, 행동 분석 모니터링 단계(S25)에서 행동 분석 모니터링 서브 모듈(4120)은 공간 분석 모니터링 서브 모듈(41110)로부터 확인된 사용자의 시간별 공간 점유 상태 정보를 포함하는 공간 정보를 이용하여 사용자의 행동 정보를 확인 분석한다. 사용자의 이동은 연속적 동작 구조를 취할 수 밖에 없기 때문에 시간대별 감지된 공간 정보로부터 사용자가 이동하는 이동 방향과, 위치하는 사용자 공간에 대한 정보를 통하여 사용자의 행동 정보 추출이 가능하다. 예를 들어, 사용자의 점유 공간이, 침실 공간, 거실 공간을 거쳐, 주방 공간으로 이동하고 주방 공간에서 소정의 시간 체류시 사용자는 식사 내지 조리 등의 취사 행동을 실행할 것으로 판단하는 등의 행동 정보 추출이 가능하다.

행동 분석 모니터링 단계(S25)가 실행된 후 이상 분석 모니터링 단계(S27)가 실행된다. 이상 분석 모니터링 단계(S27)에서 이상 분석 모니터링 서브 모듈(4130)은 공간 정보, 특히 시간별 공간 점유 상태 정보 및 행동 정보를 이용하고 모니터링 분석하여 사용자의 정상 상태, 주의 상태 내지 이상 상태 등의 판단을 실행한다. 이때, 행동 정보 분석시 활동 정보, 취침 정보, 외출 정보 및 화장실 정보를 이용하여, 현재 사용자의 상태가 정상 상태인 정상 대응 모드인지, 주의 상태인 주의 대응 모드인지, 긴급 상태인 긴급 대응 모드인지를 판단함에 있어, 사전 설정된 기준값과의 비교를 통하여 현재 사용자의 현재 상태에 대한 판단 과정이 실행될 수도 있다.

이상 분석 모니터링 단계(S27)는 앞서 기술한 바와 같이, 룰베이스 이상 분석 모니터링 단계(S271)를 포함할 수 있다. 룰베이스 이상 분석 모니터링 단계(S271)에서 이상 분석 모니터링 서브 모듈(4130)은 모니터링 단말부(100)로부터의 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수와 설정되는 기준값을 비교하여 사용자의 일상 상태의 안정성을 확인 판단한다.

예를 들어, 사용자의 거실 공간에서의 공간 점유도가 급격하게 떨어지고, 취침 공간에서의 공간 점유도가 급증하고, 활동성이 급격하게 떨어지는 경우 취침 지수가 증가하고, 활동 지수는 감소하며, 외출 빈도의 감소에 따른 외출 지수 하락을 형성하게 된다. 여기서, 이러한 지수는 행동 분석 모니터링 서브 모듈(4120)에서 산출되고, 이상 분석 모니터링 서브 모듈(4130)은 룰베이스 이상 분석 모니터링 단계(S271)에서의 룰베이스 기준에 따라 이상 여부가 판단되는데, 이를 사용자 본인의 기준값, 예시적으로 10년 동안의 누적 평균치와 같은 일정 주기 동안의 누적 평균치, 내지 사용자의 전년 동분기 누적 평균치, 내지 동 연령대 일반 내지 동질환자의 일정 주기 동안 누적 평균치와 같은 기준값과 비교하는 룰베이스 방식으로 비교 분석 단계가 실행되어, 현재 사용자가 이상 상태인지 여부를 분석한다.

그런 후 대응 모드 판단 단계(S30)가 실행되는데, 대응 모드 판단 단계(S30)에서는 단계 S20에서 판단된 단계가 어느 것인지, 즉 모니터링 모듈(4100)의 분석 판단 결과에 따라 대응 모드를 대응 모듈(4200)에서 사용자의 현재 해당 실행 대응 모드가 정상 대응 모드, 주의 대응 모드, 긴급 대응 모드 중 어느 것인지를 판단한다.

보다 상세하게, 대응 모드 판단 단계(S30)는 룰베이스 대응 모드 판단 단계(S30-1)를 포함하는데, 룰베이스 대응 모드 판단 단계(S30-1)에서 대응 모듈(4200)는 룰베이스 이상 분석 모니터링 단계(S271)에서 확인되는 룰베이스 이상 분석 모니터링 확인 결과에 따라, 대응 모드를 결정한다.

룰베이스 대응 모드 판단 단계(S30-1)는 분석 모니터링 데이터 입력 단계(S31)와, 확인 결과 판단 단계(S33)와, 주의 여부 판단 단계(S35)를 포함한다. 분석 모니터링 데이터 입력 단계(S31)에서는 룰베이스 이상 분석 모니터링 단계(S271)에서 확인되는 룰베이스 이상 분석 모니터링 확인 결과가 입력되는데, 대응 모듈(4200)의 이상 판단 대응 서브 모듈(4210)에 룰베이스 이상 분석 모니터링 확인 결과가 입력된다.

그런 후, 이상 판단 대응 서브 모듈(4210)에서 확인 결과 판단 단계(S33)가 실행되는데, 대응 모듈(4200)의 이상 판단 대응 서브 모듈(4210)에서 룰베이스 이상 분석 모니터링 확인 결과가 정상인지 여부가 판단된다. 만약, 이상 판단 대응 서브 모듈(4210)에서 룰베이스 이상 분석 모니터링 확인 결과가 정상이 아니라고 판단한 경우, 이상 대응 서브 모듈(4210)은 실행되어야 하는 룰베이스 모드는 긴급 대응 모드라고 설정한다(단계 S37). 반면, 단계 S33에서 이상 판단 대응 서브 모듈(4210)에서 룰베이스 이상 분석 모니터링 확인 결과가 정상이라고 판단한 경우, 제어 흐름을 단계 S35로 전환하여, 주의 여부 판단 단계(S35)를 실행한다.

즉, 주의 여부 판단 단계(S35)에서는 대응 모듈(4200)에서 룰베이스 이상 분석 모니터링 확인 결과가 주의 필요가 있는지 여부를 판단되는데, 주의 여부 판단 단계(S35)에서 룰베이스 이상 분석 모니터링 확인 결과가 주의 필요가 있다고 판단한 경우, 이상 대응 서브 모듈(4210)은 실행되어야 하는 룰베이스 모드는 주의 대응 모드라고 설정하고(단계 S36), 주의 여부 판단 단계(S35)에서 룰베이스 이상 분석 모니터링 확인 결과가 주의 필요가 없다고 판단한 경우, 이상 대응 서브 모듈(4210)은 실행되어야 하는 룰베이스 모드는 정상 대응 모드라고 설정한다(단계 S38).

이와 같은 대응 모드 판단 단계(S30) 후, 대응 모드 실행 단계(S40)가 실행되는데, 대응 모드 판단 단계(S30)에서 판단된 대응 모드를 실행한다. 즉, 사용자의 현재 해당 실행 대응 모드가 정상 대응 모드, 주의 대응 모드, 긴급 대응 모드 중 어느 것인지를 판단된 결과에 따라 판단된 해당 대응 모드를 실행한다.

예를 들어, 실행되어야 하는 대응 모드가 정상 대응 모드라고 판단된 경우, 별도의 인터럽트없이 모니터링 센서부(200)를 통하여 지속적으로 사용자의 모니터링 라이프로그 데이터를 포함하는 모니터링 데이터를 감지 획득하고, 이를 모니터링 단말부(100)가 모니터링 관리 서버(400) 측으로 전달하고, 사전 설정한 시점에 적어도 보호자 측의 보호자 단말부(300)로 사용자의 당일 내지 사전 설정된 주기적인 리포팅을 실행한다. 즉, 보호자 단말부(300)에 문자 내지 푸시업 메세지 형태로 사용자의 전일 활동량, 생활 공간별 공간 점유도, 취침 지수, 외출 지수, 활동 지수, 화장실 지수 등을 제공함과 동시에, 설정된 비교값과의 동시 제공을 통하여 사용자 상태에 대한 보호자의 인지 용이성을 증진시킬 수도 있다.

또한, 실행되어야 할 실행 대응 모드가 주의 대응 모드인 경우, 앞선 정상 대응 모드의 루틴을 처리하되, 사전 설정한 시점에 적어도 보호자 측의 보호자 단말부(300)로 사용자의 당일 내지 사전 설정된 주기적인 리포팅과 더불어 주의 메세지를 추가 송출하는 단계를 실행한다. 즉, 보호자 단말부(300)에 문자 내지 푸시업 메세지 형태로 사용자의 전일 활동량, 생활 공간별 공간 점유도, 취침 지수, 외출 지수, 활동 지수, 화장실 지수 등을 제공함과 동시에, 설정된 비교값과의 동시 제공과 더불어, 해당 사용자의 부족한 지시부분에 대한 주의 알림 기능을 송출하여 사용자 주의가 필요한 상태에 대한 보호자의 주의 필요성을 증진시킬 수도 있다. 예를 들어, 사용자의 외출 빈도수 감소에 따른 외출 지수가 급격히 줄어드는 경우, 사용자 본인의 외출 상태 변화를 알리고, 동 연령대 내지 동 질환자의 동기간 대비 빈도수와의 비교 정보를 제공함으로써, 사용자의 외출 빈도수의 저하가, 사용자 본인의 신체적 변화에 기인한 것인지 아니면, 겨울철 날씨의 급강에 따른 기후적 요건 등에 기인한 것인지의 추론 판단이 가능하도록 정보 제공을 실행할 수도 있다. 한편, 경우에 따라 주의 대응 모드인 경우 정상 대응 모드의 루틴에서 벗어나, 인터럽트를 통한 주의 대응 메세지를 보호자 측의 보호자 단말부(300)로 전송할 수도 있는 등 다양한 변형이 가능하다.

또한, 실행되어야 할 실행 대응 모드가 긴급 대응 모드인 경우, 앞선 정상 대응 모드의 루틴을 벗어나 인터럽트를 통해, 긴급 모드로 절환하여, 보호자 측의 보호자 단말부(300)에 긴급 대응 알림 메세지를 전송하고, 정기적 외래 병원 내지 119 등의 기관 측의 기관 서버(500)로 긴급 대응 요청 알림 메세지를 전송할 수 있다.

한편, 앞선 실시예에서 사용자 생활 상태 모니터링 관리 장치에는 모니터링 모듈(4100) 및 대응 모듈(4200)을 포함하는 구조의 룰 베이스 기반의 대응 모드 판단 및 대응 모드 실행 단계(S340,S40)를 룰베이스 방식으로 실시하는 구성을 취하였으나, 본 발명은 이에 국한되지 않고 다양한 변형이 가능하다.

일예로, 앞서 기술한 바와 같이 본 실시예에서 실행되는 대응 모드 판단 및 대응 모드 실행 단계는 사전 설정값의 비교에 따른 룰베이스 대응 모드를 포함하고, 경우에 따라 타 사용자의 데이터를 포함하여 처리되는 경우 인공 지능 대응 모드를 더 포함할 수도 있는데, 룰베이스 대응 모드와 동시에 병행되는 구성을 취할 수도 있고, 인공 지능 대응 모드만이 독립적으로 실행되는 구성을 취할 수도 있는 등 다양한 변형이 가능하다.

먼저, 이와 같은 인공 지능 대응 모드 단계를 더 구비하는 경우, 본 발명의 사용자 생활 상태 모니터링 관리 장치 제어 방법의 제공 단계(S10)에서 제공되는 사용자 생활 상태 모니터링 관리 장치(10)의 모니터링 관리 서버(400)에는 AI 러닝 모듈(4300)이 더 포함될 수도 있고, 모니터링 모듈(4100)에는 타 사용자의 모니터링 데이터가 입력 가능한 구조를 취할 수 있다. 본 발명의 사용자 생활 상태 모니터링 관리 장치(10)의 모니터링 관리 서버(40)는 AI 러닝 모듈(4300)을 통한 인공 지능 대응 모드 실행을 위하여 데이터의 양이 증대될 수도록 보다 안정적인 인공 지능 대응 모드 구현이 가능한데, 사용자 본인의 과거 모니터링 라이프로그 데이터만으로는 이의 구현에 제약이 따르므로, 모니터링 관리 서버(40)의 모니터링 모듈(4100)에는 모니터링 모듈 입력부를 통하여 타인의 모니터링 라이프로그 데이터를 포함하는 모니터링 데이터를 입력받을 수 있는 구조를 취한다는 점은 앞서 예시적으로 기술한 바와 동일하다.

이와 같은 인공 지능 대응 모드의 실행을 위한 전제로, 모니터링 단계(S20)에는 인공지능 이상 분석 모니터링 단계(S273)를 포함할 수도 있다. 본 실시예에서는 룰베이스 이상 모니터링 단계(S271)가 실행된 후 또는 동시에 인공지능 이상 분석 모니터링 단계(S273)가 실행될 수 있는데, 인공지능 이상 분석 모니터링 단계(S273)에서 사용자의 사용자 코어 피쳐 데이터와 타 사용자 코어 피처 데이터의 유사성이 확인되고, 타 사용자 코어 피쳐 데이터에 대한 레이블링 정보가 확인 추출될 수 있다. 여기서, 이러한 단계는 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 포함하는 코어 피쳐 데이터 및 타 사용자의 코어 피쳐 데이터에 기초한다. 즉, 피쳐 데이터는, 모니터링 데이터의 각각의 데이터 정보, 예를 들어, 액티비티 센서부(200-1), 인바이런먼트 센서부(200-4) 등으로부터 감지되어 모니터링 단말부(100)로 전달되는 센서값 데이터로 일상의 특징 사항을 지칭하고, 코어 피쳐 데이터는 센서값 데이터의 항목 중, 후술되는 이벤트와 피쳐 데이터 간의 상관 관계 분석을 통하여 상관 관계도, 즉 연관도가 높게 판단되어 선별된 주요 피쳐 데이터를 지칭한다.

공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 포함하는 코어 피쳐 데이터 및 타 사용자의 코어 피쳐 데이터에 기초하여, 모니터링 모듈(4100)의 유사도 분석 모니터링 서브 모듈(4140)은 인공지능 이상 분석 모니터링 단계(S273)에서 사용자의 사용자 코어 피쳐 데이터와 타 사용자 코어 피처 데이터의 유사성을 확인하여 타 사용자 코어 피쳐 데이터에 대비하여 관련성이 있는 레이블링 정보가 확인 추출될 수 있고, 이러한 상관 관계가 높은 레이블링 정보를 이용하여 모니터링 단말부(100)와 모니터링 데이터를 수신하고 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수에 대한 사용자의 일상 상태의 안정성이 확인 판단될 수 있다. 달리 표현하면, 인공지능 이상 분석 모니터링 단계(S273)에서는, 현재 사용자와 타 사용자의 코어 피쳐 데이터를 비교하고 유사성을 확인함으로써 관련도 높은 레이블링 정보가 존재하는지 여부를 확인하고, 추출된 레이블링 정보에 대응하는 타 사용자의 코어 피쳐 데이터와 현재의 현 사용자 모니터링 데이터를 비교하여, 관련도 높은 타 사용자 레이블이 현 사용자에게 발생할 수 있는지가 모니터링 실행한다.

이 경우, 모니터링 단계이외에도 대응 모드 판단 및 대응 모드 실행 단계(S30,S40)에서도 구체적 구성의 변화가 수반된다. 즉, 대응 모드 판단 단계(S30)는 앞서 기술된 룰베이스 대응 모드 판단 단계 이외 인공지능 대응 모드 판단 단계(S30-2)를 포함할 수 있다. 인공지능 대응 모드 판단 단계(S30-2)에서 인공지능 이상 분석 모니터링 단계(S273)에서 확인되는 인공지능 이상 분석 모니터링 확인 결과에 따라, 대응 모드가 결정된다.

보다 구체적으로, 인공지능 대응 모드 판단 단계(S30-2)는 분석 모니터링 데이터 입력 단계(S301)와, 코어 피쳐 유사도 하이 판단 단계(S303)와, 코어 피쳐 유사도 미디엄 판단 단계(S305)를 포함할 수도 있다. 이 경우, 분석 모니터링 데이터 입력 단계(S301)에서는, 인공지능 이상 분석 모니터링 단계(S273)에서 확인되는 인공지능 이상 분석 모니터링 확인 결과가 입력된다.

그런 후, 코어 피쳐 유사도 하이 판단 단계(S303)가 실행되는데, 코어 피쳐 유사도 하이 판단 단계(S303)에서는 대응 모듈(4200)에서 모니터링 모듈(4100)의 유사도 분석 모니터링 서브 모듈(4140)의 인공지능 이상 분석 모니터링 확인 결과로 코어 피쳐 유사성을 나타내는 코어 피쳐 유사도가 사전 설정 코어 피쳐 하이 유사도보다 높은지 여부가 판단된다. 즉, 대응 모듈(4200)에서 코어 피쳐 유사도가 사전 설정 코어 피쳐 하이 유사도보다 높다고 판단한 경우, 제어 흐름은 단계 S308로 전환되어 실행되어야 하는 인공 지능 모드(AI 모드)는 하이 유사도 패턴 모드라고 설정된다(S308).

반면, 대응 모듈(4200)에서 코어 피쳐 유사도가 사전 설정 코어 피쳐 하이 유사도보다 높지 않다고 판단한 경우, 제어 흐름은 단계 S305로 전환된다. 코어 피쳐 유사도 미디엄 판단 단계(S305)에서, 대응 모듈(4200)이 인공지능 이상 분석 모니터링 확인 결과로 코어 피쳐 유사성을 나타내는 코어 피쳐 유사도가 사전 설정 코어 피쳐 미디엄 유사도보다 높은지 여부를 판단하게 되고, 대응 모듈(4200)에서 코어 피쳐 유사도가 사전 설정 코어 피쳐 미디엄 유사도보다 높지 않다고 판단한 경우, 제어 흐름은 단계 S310로 전환되어 실행되어야 하는 인공 지능 모드(AI 모드)는 로우 유사도 패턴 모드라고 설정된다(S310).

반면, 코어 피쳐 유사도 미디엄 판단 단계(S305)에서, 대응 모듈(4200)이 인공지능 이상 분석 모니터링 확인 결과로 코어 피쳐 유사성을 나타내는 코어 피쳐 유사도가 사전 설정 코어 피쳐 미디엄 유사도보다 높다고 판단한 경우, 제어 흐름은 단계 S309로 전환되어 실행되어야 하는 인공 지능 모드(AI 모드)는 미디엄 유사도 패턴 모드라고 설정된다(S309).

이와 같이 확인 판단된 대응 모드에 따라, 단계 S40에서 선정된 대응 모드를 실행하는데, 앞서 대응 판단 단계에서와 마찬가지로 대응 모드 실행 단계도 각각의 모드, 즉 룰베이스 대응 모드 실행 단계와 인공 지능 대응 모드 실행 단계가 각각 실행될 수도 있고, 경우에 따라 통합된 형태의 실행 단계로 동시 알림 동작을 실행할 수도 있고, 각각의 실행 유형별로 사용자에게 선택권을 부여하여 동작 모드 선택 기능을 부여함으로써, 사용자에게 적합한 작동 모드, 즉 룰베이스 기반의 룰베이스 대응 실행 모드 또는 인공 지능 기반의 인공 지능 대응 실행 모드 중 선택적으로 실행토록 할 수도 있는 등 설계 사양에 따라 다양한 변형이 가능하다.

한편, 앞서 기술된 본 발명의 인공 지능 대응 모드의 실행 유형의 경우, 본 사용자의 데이터만의 적용시 수반되는 제약을 해소하도록, 타 사용자의 대량의 빅데이터를 활용하는 방향으로 실행될 수도 있음은 앞서 기술한 바와 같은데, 본 사용자의 모니터링 데이터이든, 타 사용자의 모니터링 데이터이든, 각각의 데이터의 연산 부하를 줄여 보다 신속한 대응을 가능하게 하고 데이터의 분류에 따른 신뢰성을 증진시킬 수 있도록 각 모니터링 데이터에는 유의미한 피쳐 데이터에 대한 레이블이 형성되는데, 본 발명의 다른 일실시예에서는 이러한 레이블을 형성하는 레이블링 작업의 자동화 구성을 위한 구성요소가 더 구비될 수도 있다.

즉, 본 발명의 제공 단계에서 제공되는 모니터링 관리 서버(400)에는 오토 레이블링 모듈(4400)이 더 포함될 수 있는데, 오토 레이블링 모듈(4400)에서는 오토 레이블링 단계(S50)가 실행될 수 있다. 오토레이블링 단게(S50)에서는 적어도 제공 단계(S10) 이후에 실행되고, 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중 데이터 이벤트가 추출되고 레이블링 실행하여 레이블이 생성된다. 즉, 본 실시예의 오토 레이블링 단계(S50)는 제공 단계(S10) 이후 어느 단계에서 실행될 수 있는데, 바람직하게는 모니터링 단계(S20)에서 모니터링 입력 단계(S21)가 실행될 후 입력되는 모니터링 데이터가 존재하는 경우 병렬적으로 실행되는 것이 바람직하다.

보다 구체적으로, 오토 레이블링 단계(S50)는 오토 레이블링 모니터링 입력 단계(S51)와, 데이터 이벤트 추출 단계(S53)와, 프리리미너리 레이블링 단계(S55)와, 레이블링 검증 단계(S57)와, 레이블링 확정 단계(S59)를 포함한다.

오토 레이블링 모니터링 입력 단계(S51)에서 모니터링 데이터가 오토 레이블 모듈(4400)로 수신 입력되는데, 이러한 입력되는 모니터링 데이터는 앞서 기술된 바와 같이 모니터링 단계(S20)에서 이루어질 수도 있고, 별도의 입력부를 통하여 직접 모니터링 관리 서버(400) 측으로 입력되는 구성을 취할 수도 있는 등 다양한 변형이 가능하다. 입력되는 모니터링 데이터로는, 앞서 기술한 바와 같은데, 본 사용자의 과거 및 현재 감지된 모니터링 라이프로그 데이터일 수도 있고, 타 사용자의 모니터링 라이프로그 데이터일 수도 있고, 본 사용자 및/또는 타 사용자의 전자 의무 기록(EMR)일 수도 있는 등 사용자의 일상에 관한 유의미한 정보를 제공하는 다양한 데이터가 선택될 수도 있다.

오토 레이블링 모니터링 입력 단계(S51)에서 모니터링 데이터의 입력이 이루어진 후, 데이터 이벤트 추출 단계(S53)가 실행된다. 데이터 이벤트 추출 단계(S53)에서 데이터 이벤트 추출 서브 모듈(4410)는 오토 레이블링 모니터링 입력 단계(S51)에서 입력된 모니터링 데이터, 즉 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중 데이터 이벤트를 추출한다. 앞서 기술한 바와 같이, 데이터 이벤트 추출 단계(S53)에서, 데이터 이벤트 추출 서브 모듈(4410)은 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중, 유의미한 레이블, 예를 들어 사용자 내지 타 사용자의 병원 외래 내지 입원 기록 사항, 의사의 진단 정보, 복약 정보, 119 등의 긴급 대응 기관의 호출 기록 정보, 심야 시간대의 외출 정보, 복지사의 상담 기록 등과 같은 유의미한 정보 내지 정보 사건을 추출하게 되는데, 이들은 사용자 내지 타 사용자의 일상에 영향을 미치거나 영향이 반영된 정보 내지 정보 사건으로서 유의미한 이벤트로 분류 추출되어 이벤트와 피쳐 데이터 간의 상관 관계를 AI 러닝 모듈에서 학습 검토가 이루어질 수 있도록 한다.

프리리미너리 레이블링 단계(S55)에서는 레이블링 부여 서브 모듈(4420)가 데이터 이벤트 추출 단계(S53)에서 추출된 데이터 이벤트에 레이블을 부여하게 된다. 이 때, 경우에 따라 모니터링 관리 서버(400)는 시맨틱 엔진을 탑재한 시맨틱 모듈(4500)을 더 포함할 수도 있고, 시맨틱 모듈(4500)은 데이터 이벤트 추출 과정 및/또는 레이블링 부여 과정에서 사용될 수도 있는데, 사용자 내지 타 사용자의 병원 외래 내지 입원 기록 사항, 의사의 진단 정보, 복약 정보, 119 등의 긴급 대응 기관의 호출 기록 정보, 심야 시간대의 외출 정보, 복지사의 상담 기록 등과 같은 정보들을 추출하는 과정 중, 시맨틱 엔진을 구비하는 시맨틱 모듈(4500)을 통하여 모니터링 데이터로부터 의미론적 텍스트의 추출, 분류되는 등 데이터 마이닝을 실행하여 데이터 이벤트를 추출하고, 추출된 데이터 이벤트 중 유의미한 데이터 이벤트에 대하여 레이블 부여를 실행할 수도 있다.

프리리미너리 레이블링 단계(S55)가 실행된 후, 레이블링 검증 단계(S57)가 실행되는데, 프리리미너리 레이블링 단계(S55)에서 레이블링 부여 서브 모듈(4420)을 통하여 부여된 레이블링의 정합성을 레이블링 검증 서브 모듈(4430)가 검증한다.

레이블링 검증 단계(S57)의 실행 방법은 설계 사양에 따라 다양한 선택이 가능한데, 본 실시예에서의 레이블링 검증 단계(S57)에서 레이블링 검증 서브 모듈(4430)은 레이블의 명칭을 기준으로 검증을 실행하는 방식을 취한다. 예를 들어, 본 실시예에서 레이블링 검증 단계(S57)에서 레이블링 검증 서브 모듈(4430)은 유의미한 레이블링 과정이 실행된 것인지 여부를 검증함에 있어 모니터링 관리 서버(400) 측에 저장된 기 저장 레이블과 비교하는 방식을 사용한다. 즉, 기 저장 레이블 명칭을 우선 사용하고, 예비적으로 부여된 레이블의 명칭이 기 저장 레이블의 명칭 중에 존재하지 않는 경우 신규 레이블 명칭을 부여하고, 신규 레이블 명칭에 대하여는 레이블 명칭을 신설하여 빈도수를 누적하게 된다. 이와 같은 전체적 모니터링 데이터 상에서의 해당 레이블의 빈도수 확인하게 되고, 신규 명칭이 부여된 레이블에 대한 빈도수를 사전 설정 빈도수와 비교하게 되는데, 사전 설정 빈도수는 레이블의 명칭에 해당하는 레이블이 유의미한 빈도를 갖는다 판단 가능한 기준값으로 설계 방식에 따라 조정될 수 있다. 이와 같이 데이터 이벤트의 추출 및 이에 대한 레이블의 임시적 부여 및 해당 레이블이 종래 데이터에 존재하는 레이블 명칭인지 아니면 신규 명칭이 부여되는 레이블인지를 확인하고 유의미한 빈도수의 레이블로 판단되는 경우 신규 명명된 명칭의 신규 레이블로 부여하여 판단 검증되는 구성을 취할 수도 있다. 경우에 따라, 빈도수에 도달하지 못한 예비적 레이블은 단지 별도의 체크 레이블을 부여하여 관리자로 하여금 후속적으로 체크할 수 있도록 하는 단계를 더 구비할 수도 있는 등 다양한 변형이 가능하다.

그런 후, 레이블링 검증 단계(S59)의 검증 결과에 따라 프리리미너리 레이블링 단계(S55)에서 부여된 레이블링을 확정하는 레이블링 확정 단계(S59)가 실행된다.

본 실시예에서는 레이블의 명칭을 중심으로 검증되었으나, 이는 일예로서 보다 정확하게 데이터 이벤트가 추출되고 이의 레이블링이 이루어지는 범위에서 다양한 선택이 가능하다.

또 한편, 상기 실시예에서 본 사용자의 모니터링 데이터 이외 타 사용자의 모니터링 데이터를 이용하는 구성에 대하여 기술되었는데, 본 발명의 사용자 생활 상태 모니터링 관리 장치 및 이의 제어 방법은 개인 정보 보호법과 같은 개인 정보를 보호하기 위한 비식별화 기능을 위한 구성요소를 더 구비할 수도 있다. 앞서 기술된 내용과 중복된 설명은 앞선 기술로 대체하고, 이하에서는 비식별화 기능을 수행하는 구성을 중심으로 설명한다.

즉, 비식별화 기능을 갖는 본 발명의 사용자 생활 상태 모니터링 관리 장치(10)는 모니터링 센서부(200)와, 모니터링 단말부(100)와, 모니터링 관리 서버(400)를 포함하고, 모니털이 관리 서버(400)는 AI 러닝 모듈(4300)를 포함하고, 디아이디 모듈(4600)을 더 포함한다.

모니터링 센서부(200)와, 모니터링 단말부(100)와, 모니터링 관리 서버(400)는 앞서 기술한 내용과 동일하다. AI 러닝 모듈(4300)은 모니터링 관리 서버(400)에는 더 구비되는 구성요소로, 타 사용자의 모니터링 데이터가 입력 가능하고, 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하는 머신 러닝 학습 실행이 가능하며, 이의 구체적 구현은 앞서 기술한 바와 같다.

이때, 본 발명의 모니터링 관리 서버(400)에는 디아이디 모듈(4600)가 더 구비되는데, 디아이디 모듈(4600)은 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화 실행하고, 비식별화된 타 사용자의 모니터링 데이터를 재식별화시켜 타 사용자의 식별 가능 여부를 확인한다.

보다 구체적으로, 디아이디 모듈(4600)은 디아이덴티피케이션 서브 모듈(4610)과, 리아이디 확인 모듈(4620)과, 디아이디 유사성 확인 모듈(4630)을 포함한다.

디아이덴티피케이션 서브 모듈(4610)에는 타 사용자의 타 사용자 모니터링 데이터가 수신 입력된다. 디아이덴티피케이션 서브 모듈(4610)은 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라 상기 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화 실행한다. 여기서, 디아이덴티피케이션화는 타 사용자의 모니터링 데이터 중 타 사용자를 식별할 수 있는 개인 정보, 예를 들어, 성명, 주소, 주민등록번호, 차량 번호, 전화번호, 핸드폰 번호 등과 같은 개인 정보를 통하여 개인의 특정, 추정 내지 식별을 가능하게 하는 과정을 실행하지 못하도록 해당 개인 정보를 제거 내지 암호화된 형태의 스크리닝 작업을 실행하는 것을 지칭하는데, 이러한 디아이덴티피케이션화는 개인 정보의 누출을 방지하기 위한 중요 과정이다.

본 발명의 일실시예에 따른 디아이덴티피케이션 서브 모듈(4610)은 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)와, 디아이덴티피케이션 서브 피쳐 체크부(4613)와, 디아이덴티피케이션 서브 크립토부(4615)와, 디아이덴티피케이션 서브 스크리닝부(4616)를 포함한다.

디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)는 타 사용자의 모니터링 데이터의 재식별화 불가능하도록 요구되는 최소 요건을 확인한다. 여기서, 최소 요건은 개인 정보 보호를 위하여 기술적 내지 법적으로 제거되어야 하는 필수적 항목들을 지칭하는 것으로, 최소 요건은 디아이디 모듈(4600)에 구비되는 최소 설정 저장 모듈(4640)에 저장된 데이터를 이용한다. 경우에 따라 최소 설정 저장 모듈(4640)은 법령 변화에 따른 최소 요건의 변화가 업데이트되어 최소 여건 변화 발생시 즉각적으로 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)는 이를 확인 체크하고, 디아이덴티피케이션 서브 모듈(4610)의 비식별화 기능을 업데이트시켜 최신 규정 사항의 적용을 가능하게 한다.

디아이덴티피케이션 서브 피쳐 체크부(4613)는 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)에서 확인된 최소 요건에 기초하여, 타 사용자의 모니터링 데이터의 개인 정보 연관 데이터 피쳐의 비표시화시킨 비표시화 개인 정보 연관 데이터 피쳐를 확인한다. 즉, 타 사용자의 모니터링 데이터 중 타 사용자를 식별할 수 있는 개인 정보, 예를 들어, 성명, 주소, 주민등록번호, 차량 번호, 전화번호, 핸드폰 번호 등과 같은 개인 정보의 최소 요건에 기초하는 항목인 비표시화 개인 정보 연관 데이터 피쳐를 확인하는데, 성명, 주소, 주민등록 번호, 전화 번호, 핸드폰 번호, 차량 번호, 피부색, 인종, 나이, 질병 항목 등의 개인 정보 연관 데이터 피쳐 중, 성명, 주소, 주민등록번호, 전화번호, 핸드폰 번호, 차량 번호와 같은 최소 요건에 따라 비식별화되는 항목인 비표시화 개인 정보 연관 데이터 피처를 확인한다.

디아이덴티피케이션 서브 스크리닝부(4617)는 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인된 개인 정보 연관 데이터 피쳐중 비표시화 대상 개인 정보 연관 데이터 피쳐를 비표시화시킨다. 이때 비표시화 과정은 비표시화 대상 개인 정보 연관 데이터 피쳐 전체에 대하여 실행될 수도 있고, 일부 정보에 대하여만 실행될 수도 있다. 즉, 주민등록번호 전체가 암호화될 수도 있고, 경우에 따라 주민등록번호의 뒷자리 내지 주민등록번호의 앞의 두번째 자리 등 특정 부분만 스크리닝할 수도 있다.

한편, 경우에 따라 비표시화되는 부분에 대한 암호화 과정을 실행하는 구성요소가 디아이덴티피케이션 서브 모듈(4610)에 더 구비될 수도 있다. 즉, 디아이덴티피케이션 서브 스크리닝부(4617)는 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인된 개인 정보 연관 데이터 피쳐중 비표시화 대상 개인 정보 연관 데이터 피쳐를 비표시화하되, 비표시화되는 부분에 대하여 암호화실행하는 디아이덴티피케이션 서브 크립토부(4615)가 더 구비될 수도 있다.

즉, 디아이덴티피케이션 서브 크립토부(4615)는 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인된 개인 정보 연관 데이터 피쳐중 비표시화 대상 개인 정보 연관 데이터 피쳐를 암호화시킨다. 이때 암호 과정은 앞서 스크리닝되는 부분의 경우와 마찬가지로, 비표시화 대상 개인 정보 연관 데이터 피쳐 전체에 대하여 실행될 수도 있고, 일부 정보에 대하여만 실행될 수도 있다. 즉, 주민등록번호 전체가 암호화될 수도 있고, 경우에 따라 주민등록번호의 뒷자리 내지 주민등록번호의 앞의 두번째 자리 등 특정 부분만 실행될 수도 있는 등 다양한 변형이 가능하다.

리아이디 확인 모듈(4620)은 비식별화된 타 사용자의 모니터링 데이터를 재식별화시키고 모니터링 데이터로부터 사용자를 재식별화 가능 여부를 확인 판단하는데, 리아이디 확인 모듈(4620)의 재식별 판단 과정에는 디아이디 유사성 확인 모듈(4630)를 필요로 한다. 즉, 디아이디 유사성 확인 모듈(4630)은 비식별화된 타 사용자의 모니터링 데이터로부터, 보다 구체적으로는 비식별화된 타사용자의 모니터링 데이터의 비식별화 데이터 피쳐 이외 비식별화되지 않은 데이터 피쳐로부터 비식별화되기 전의 타 사용자의 추출 가능성을 확인하는 과정에 있어 비식별화된 타 사용자 모니터링 데이터로부터 비식별화되기 전의 타 사용자가 매칭될 확률을 산출하고, 리아이디 확인 모듈(4620)은 사전 설정 기준값(SIDS)과 비식별화된 타 사용자 모니터링 데이터로부터 비식별화되기 전의 타 사용자가 매칭될 확률(SID)를 비교함으로써 리아이덴티피케이션의 가능 여부를 판단하게 된다.

즉. A를 포함하는 총 20000명에 대한 타 사용자 모니터링 데이터에 대하여 성명, 주소, 주민등록 번호, 전화 번호, 핸드폰 번호, 차량 번호, 피부색, 인종, 나이, 질병 항목 등의 개인 정보 연관 데이터 피쳐 중, 성명, 주소, 주민등록번호, 전화번호, 핸드폰 번호, 차량 번호만이 최소 요건에 해당하고, 이들을 비식별화를 위한 스크리닝 및 암호화가 이루어진 후 데이터로부터, 나머지 비식별화되지 않은 모니터링 데이터의 데이터 피쳐로부터 역추적하여 A에 대한 인지 가능 확율을 산출하고, 이의 확률값이 사전 설정 기준값보다 작은지 여부를 비교함으로써 실행된다. 예를 들어 비식별화된 데이터 피쳐 중 질병 및 나이에 대한 데이터 피쳐를 통하여 스크리닝 및 암호화 후 동일 질병 및 나이를 갖는 타 사용자의 인원수를 산출하고, 이러한 인원수의 역수를 식별 확률로 산출하고, 이를 사전 설정 기준값, 예를 들어 5%의 값보다 낮을 경우, 식별화되지 않은 데이터 피쳐로부터 A가 식별될 확률은 극히 미미하다 판단하여 추가적인 데이터 피쳐에 대한 추가적인 식별화 단계를 구비하지 않는 것으로 설정한다.

반면, 위의 예시에서 A를 식별할 수 있는 식별 확률이 사전 설정값 이상이라고 판단되는 경우, A의 식별 확률이 높다고 판단하여 사전 설정 순서에 따라 다른 데이터 피쳐에 대하여 추가적인 비식별화 과정을 반복하게 된다.

이러한 비식별화 과정은 전체 사용자에 대하여 실행될 수도 있고, 지역 사용자에 대하여 적용될 수도 있다. 다만, 전체 사용자에 대하여 실행되는 경우와 지역 사용자에 대하여 실행되는 경우 사용자 수의 차이가 발생하므로, 식별 확률값과 비교되는 사전 설정값은 유형에 따라 변동될 수도 있다.

즉, 디아이디 유사성 확인 모듈(4630)의 식별 확률값은 리아이디 확인 모듈(4620)로 전송되어 현재 비식별화된 사항에 대한 식별 확률과 소정의 사전 설정값과의 비교를 통하여 재식별화가 가능한지 불가능한지를 판단하고, 판단 결과에 따라 리아이디 확인 모듈(4620)은 추가적인 개인 정보 연관 데이터 피쳐의 스크리닝 내지 암호화를 실행하거나 별도의 추가적인 조치가 필요없이 현재 스크리닝 암호화 상태를 유지한다.

이하에서는, 도면을 참조하여 디아덴티피케이션 과정에 대하여 설명한다. 본 발명의 사용자 생활 상태 모니터링 관리 장치에 대한 사항은 상기한 바로 대체하여 중복된 설명은 생략한다.

먼저, 본 발명의 적어도 상기 제공 단계(S10) 이후에 실행되는 디아디 단계(S60)가 더 포함될 수 있다. 디아디 단계(S60)에서는, 모니터링 관리 서버(400)의 디아이디 모듈(4600)에서 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화 실행하고, 비식별화된 타 사용자의 모니터링 데이터를 재식별화시켜 타 사용자의 식별 가능 여부가 확인된다.

보다 구체적으로, 디아디 단계(S60)는 디아이디 모니터링 입력 단계(S61)와, 디아이덴티피케이션 단계(S63)와, 최소 설정 요건 검증 단계(S65)와, 검증 대응 단계(S67)를 포함한다.

디아이디 모니터링 입력 단계(S61)에서는 모니터링 데이터가 디아이디 모듈(4600)로 수신 입력되고, 디아이덴티피케이션 단계(S63)에서는 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라, 디아이덴티피케이션 서브 모듈(4610)에서 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화가 실행된다. 그런 후, 최소 설정 요건 검증 단계(S65)가 실행되는데, 최소 설정 요건 검증 단계(S65)에서 비식별화된 타 사용자의 모니터링 데이터가 재식별화되고 최소 설정 요건과 비교되어 재식별화 가능성 여부가 확인 검증되고, 검증 대응 단계(S67)에서 최소 설정 요건 검증 단계(S65)에서의 요건 검증 결과에 따라 설정된 검증 대응 사항이 실행된다.

보다 구체적으로, 디아이덴티피케이션 단계(S63)는 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인 단계(S631)와, 디아이덴티피케이션 서브 피쳐 체크 단계(S633)와, 디아이덴티피케이션 서브 스크리닝 단계(S635)를 포함한다.

디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인 단계(S631)에서는, 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)에서 상기 타 사용자의 모니터링 데이터의 재식별화 불가능하도록 요구되는 최소 요건이 확인된다.

그런 후, 디아이덴티피케이션 서브 피쳐 체크 단계(S633)가 실행되어, 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 피쳐 체크부(4613)가 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)에서 확인된 최소 요건에 기초하여, 타 사용자의 모니터링 데이터의 개인 정보 연관 데이터 피쳐의 비표시화시킨 비표시화 개인 정보 연관 데이터 피쳐를 확인한다.

그런 후, 디아이덴티피케이션 서브 스크리닝 단계(S635)가 실행되는데, 디아이덴티피케이션 서브 스크리닝 단계(S635)에서는 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 스크리닝부(4617)가 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인된 개인 정보 연관 데이터 피쳐중 비표시화 대상 개인 정보 연관 데이터 피쳐를 비표시화시킨다.

한편, 디아이덴티피케이션 단계(S63)는 스크리닝 이외에 모니터링 관리 서버 상에서 외부로 데이터의 유출로 인한 개인 정보 누설을 방지하도록, 부차적으로 암호화 과정이 더 수행될 수도 있다. 즉, 디아이덴티피케이션 단계(S63)는 디아이덴티피케이션 서브 크립토 단계(S367)를 더 포함할 수 있는데, 디아이덴티피케이션 서브 크립토 단계(S367)는 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 크립토부(4615)에서 상기 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인된 상기 개인 정보 연관 데이터 피쳐중 비표시화 대상 개인 정보 연관 데이터 피쳐를 암호화시킨다.

최소 설정 요건 검증 단계(S65)는 리아이디 확인 단계(S651)와, 디아이디 유사성 확인 단계(S653)와, 디아이디 완료 확인 단계(S655)를 포함한다. 경우에 따라, 리아이디 확인 단계(S651)의 이전에 최소 설정 요건의 최신 여부를 확인하고 업데이트하기 위한 최소 설정 요건 업데이트 단계(S650)이 더 포함될 수도 있는데, 최소 설정 요건 업데이트 단계(S650)에서 최소 설정 저장 모듈(4610)에 저장된 데이터를 이용할 수 있다.

리아이디 확인 단계(S651)는 리아이디 확인 모듈(4620)에서 실행될 수 있는데, 리아이디 확인 모듈(4620)에서 질병과 나이의 데이터 피쳐 중 사전 설정된 인원수로 랜덤하게 특정 나이와 질병의 데이터 피쳐를 갖는 타사용자를 특정하여 리아이덴티피케이션을 실행한다. 예를 들어 대상 사용자 A 외 타 사용자, 예시적으로 총 20000명에 대한 타 사용자 모니터링 데이터에 대하여 성명, 주소, 주민등록 번호, 전화 번호, 핸드폰 번호, 차량 번호, 피부색, 인종, 나이, 질병 항목 등의 개인 정보 연관 데이터 피쳐 중, 성명, 주소, 주민등록번호, 전화번호, 핸드폰 번호, 차량 번호만이 최소 설정 요건에 해당된다고 설정되고, 이들을 비식별화를 위한 스크리닝 및 암호화가 이루어진 후 이들 데이터로부터, 나머지 비식별화되지 않은 모니터링 데이터의 데이터 피쳐로서 나이 및 질병이 랜덤 내지 비교 대상이 되는 대상 사용자 A에 대하여 적용되는 나이 또는 해당 나이의 전후 일정한 변동값을 갖는 연령범위 내지 질병과 동일한 값이 특정되어 이에 해당하는 타사용자들을 확인하는 리아이덴티피케이션이 이루어진다. 즉, 비식별화된 데이터 피쳐 중 질병 및 나이에 대한 데이터 피쳐를 통하여 스크리닝 및 암호화 후 동일 질병 및 나이를 갖는 사전 설정된 수의 타 사용자의 특정하여 리아이덴티피케이션을 실행한다. 즉, 리아이디 확인 단계(S651)에서는 앞서 재식별화 과정에 대하여 기술된 바와 같이 디아이 모듈(4600)의 리아이디 확인 모듈(4620)에서 비식별화되지 않은 데이터 피쳐를 통하여 타 사용자의 모니터링 데이터가 재식별화 과정이 실행된다.

그런 후, 디아이디 유사성 확인 단계(S653)에서 재식별화된 타 사용자의 모니터링 데이터로부터 타 사용자의 식별화 가능성 여부를 나타내는 디아이디 유사도(SID)가 산출되는데, 이러한 디아이디 유사도는 디아이디 유사성 확인 모듈(4630)에서 산출된다. 즉, 디아이디 유사성 확인 단계(S653)에서는 디아이디 유사도(SID)가 산출되되, 예를 들어 디아이디 유사도(SID)는 리아이디 확인 단계(S651)에서 전체 사용자 인원수 대비 특정된 타 사용자의 인원수를 식별 확률로 산출될 수도 있다. 예를 들어 비식별화되지 않은 데이터 피쳐 중 질병 및 나이에 대한 데이터 피쳐를 통하여 스크리닝 및 암호화 후 동일 질병 및 나이를 갖는 타 사용자의 인원수를 산출하고, 이러한 인원수의 역수를 디아이디 유사도(SID)로서의 식별 확률로 산출된다.

그런 후, 디아이디 완료 확인 단계(S655)가 리아이디 확인 모듈(4620)에서 실행되는데, 경우에 따라 디이디 모듈의 다른 하부 모듈에서 진행될 수도 있다.

디아이디 완료 확인 단계(S655)는 디아이디 유사도 비교 판단 단계(S6551)와, 디아이디 완료 여부 확인 단계(S6553)을 포함한다.

먼저, 디아이디 유사도 비교 판단 단계(S6551)에서 리아이디 확인 모듈(4620)은 산출된 디아이디 유사도(SID)와 사전 설정 기준 디아이디 유사도(SIDS)를 비교한다. 단계 S6551에서의 디아이디 유사도(SID)와 사전 설정 기준 디아이디 유사도(SIDS)의 비교 결과에 따라 제어 흐름은 디아이디 완료 여부 확인 단계(S6553)으로 전달되어 디아이덴티피케이션 과정의 완료 여부 확인하는데, 디아이디 완료 여부 확인 단계(S6553)는 디아이디 완료 확인 단계(S65531)와 디아이디 비완료 확인 단계(S65533)을 포함하는데, 비교 결과, 디아이디 유사도(SID)가 사전 설정 기준 디아이디 유사도(SIDS)보다 작다면 제어 흐름은 디아이디 완료 확인 단계(S65531)로 전환되어 디아이덴티피케이션 과정이 적절하게 이루어져 더 이상의 추가적 비식별화 조치가 불필요하다고 판단하는데, 예를 들어 식별 확률로서의 디아이디 유사도가 사전 설정 기준 디아이디 유사도(SIDS)인 예시적인 5%의 값보다 낮을 경우, 식별화되지 않은 데이터 피쳐로부터 A가 식별될 확률은 극히 미미하다 판단하여 추가적인 데이터 피쳐에 대한 추가적인 식별화 단계를 구비하지 않는 것으로 설정하는 디아이디 완료 확인 단계(S65531)를 확정한다.

반면, 단계 S6551에서의 디아이디 유사도(SID)와 사전 설정 기준 디아이디 유사도(SIDS)의 비교 결과, 디아이디 유사도(SID)가 사전 설정 기준 디아이디 유사도(SIDS)보다 작지 않다면, 즉 이상의 값이라면 제어 흐름은 디아이디 비완료 확인 단계(S65533)로 전환되어 디아이덴티피케이션 과정이 추가적으로 이루어져야 하고추가적 비식별화 조치가 불필요하다고 판단한다.

그런 후, 제어 흐름은 단계 S67로 전환되어, 디아이디 완료 여부 확인 단계(S6553)의 디아이디 완료 확인 단계(S65531)와 디아이디 비완료 확인 단계(S65533) 중 선택된 확인 결과에 따라 대응 실행하는데, 디아이디 완료 확인 단계(S65531)가 확인 선택된 경우 비식별화 과정을 종료하는 제어 흐름을 진행하고, 디아이디 비완료 확인 단계(S65533)가 확인 선택된 경우 비식별화 과정을 추가 실행하도록 제어 흐름을 단계 S63시키거나 사전 설정된 방식으로 내지 디아이디 유사도를 낮추는 방식으로 비코어 피쳐를 순차적으로 추가 배제하는 방식으로 진행될 수도 있다.

상기 기술된 내용은 본 발명을 설명하기 위한 일예들로서, 본 발명이 이에 국한되지는 않는다. 예를 들어, 본인 및/또는 타 사용자의 모니터링 데이터를 이용하여 머신 러닝을 실행하는 과정 상에서 데이터 코어 피쳐와 레이블 등 간의 상관 관계는 함수의 형태로 구성될 수도 있고, 이의 데이터 코어 피쳐에 대한 수치를 입력하여 특정 레이블의 발생 가능성을 주의 경고하는 방식을 취하는 예시를 기술하였으나, 본 발명은 이에 국한되지 않고, 사용자 내지 타 사용자가 점유하는 생활 공간에서의 점유도를 시각적 그래프화하고, 이의 시각적 그래프 이미지를 다시 머신 러닝을 형성함으로써, 특정 이벤트, 추출된 경우 레이블로 명명되는 이벤트가 발생할 경우 영향을 미치는 코어 피쳐에 대한 항목의 변화를 추출해내는 방식으로 학습 내지 주의 경고를 취할 수도 있는 등 설계 사양에 따라 다양한 변형이 가능하다.

즉, 이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims

사용자의 생활 공간에서의 적어도 활동성을 감지하는 액티비티 센서(200-1)를 포함하는 모니터링 센서부(200)와,
상기 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 수집하는 모니터링 단말부(100)와,
상기 모니터링 단말부(100)와 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 확인 판단하여 적어도 보호자 단말부(500) 측으로 전달하는 모니터링 관리 서버(400)를 포함하고,
상기 모니터링 관리 서버(400)에는 타 사용자의 모니터링 데이터가 입력 가능하고, 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하는 머신 러닝 학습을 실행하는 AI 러닝 모듈(4300)를 더 포함하고,
상기 모니터링 관리 서버(400)에는 상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라 상기 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화 실행하고, 상기 비식별화된 타 사용자의 모니터링 데이터를 재식별화시켜 상기 타 사용자의 식별 가능 여부를 확인하는 디아이디 모듈(4600)을 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 1항에 있어서,
상기 모니터링 관리 서버(400)는:
상기 모니터링 단말부(100)로부터 송신되는 상기 모니터링 데이터를 수신하는 서버 통신 모듈(4001)와,
상기 모니터링 데이터를 이용하여 상기 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 모니터링 확인하고 안정성 상태를 분석 판단하는 모니터링 모듈(4100)과,
상기 모니터링 모듈(4100)의 분석 판단 결과에 따라 적어도 보호자 단말부(500) 측으로 전달하는 대응 모듈(4200)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 2항에 있어서,
상기 모니터링 모듈(4100)에는 타 사용자의 모니터링 데이터가 입력 가능하고,
상기 AI 러닝 모듈(4300)은:
상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 머신 러닝 학습을 통하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하기 위한 AI 러닝 모델을 저장하는 AI 러닝 모델 저장부(4323)와,
상기 AI 러닝 모델 저장부(4423)에서 도출되는 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 저장하는 AI 러닝 데이터 저장부(4321)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 1항에 있어서,
상기 디아이디 모듈(4600)은:
상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라 상기 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화 실행하는 디아이덴티피케이션 서브 모듈(4610)과,
상기 비식별화된 타 사용자의 모니터링 데이터를 재식별화시키는 리아이디 확인 모듈(4620)과,
상기 타 사용자의 식별 가능 여부를 확인하는 디아이디 유사성 확인 모듈(4630)을 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 4항에 있어서,
상기 디아이덴티피케이션 서브 모듈(4610)은:
상기 타 사용자의 모니터링 데이터의 재식별화 불가능하도록 요구되는 최소 요건을 확인하는 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)
상기 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)에서 확인된 최소 요건에 기초하여, 상기 타 사용자의 모니터링 데이터의 개인 정보 연관 데이터 피쳐의 비표시화시킨 비표시화 개인 정보 연관 데이터 피쳐를 확인하는 디아이덴티피케이션 서브 피쳐 체크부(4613)와,
상기 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인 상기 비표시화 대상 개인 정보 연관 암호화 데이터 피쳐를 비표시화시키는 디아이덴티피케이션 서브 스크리닝부(4617)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 5에 있어서,
상기 디아이덴티피케이션 서브 모듈(4610)은, 상기 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인된 상기 개인 정보 연관 데이터 피쳐중 비표시화 대상 개인 정보 연관 데이터 피쳐를 암호화시키는 디아이덴티피케이션 서브 크립토부(4615)를 더 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 5항에 있어서,
상기 디아이디 모듈(4600)은:
상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정을 업데이트하는 최소 설정 저장 모듈(4640)을 더 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 1항에 있어서,
상기 액티비티 센서(200-1)는 사용자의 생활 공간의 복수 개의 구역에 각각 배치되어 사용자의 시간별 점유 공간 정보를 감지하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 8항에 있어서,
상기 모니터링 센서부(200)는:
사용자의 생활 공간에서의 일상 생활 상태를 반영하는 적어도 수도, 가스 및 전기 사용량 및 조도 상태를 감지하는 인바이런먼트 센서부(200-4)와,
사용자의 생활 공간으로부터 외출 여부를 감지하는 서베일런스 센서부(200-3)를 더 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 1항에 있어서,
상기 모니터링 단말부(100)은:
상기 모니터링 센서부(200)로부터 상기 모니터링 데이터를 수신하는 모니터링 단말 통신부(110)와,
상기 모니터링 센서부(200)로부터 수신된 모니터링 데이터를 저장하는 모니터링 단말 저장부(130)와,
상기 모니터링 관리 서버(40)로 상기 수신된 모니터링 데이터를 상기 모니터링 관리 서버(400)로 전송을 제어하는 모니터링 단말 제어부(120)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 1항에 있어서,
상기 모니터링 관리 서버(400)는, 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중 데이터 이벤트를 추출하고 레이블링 실행하여 레이블을 생성하는 오토 레이블링 모듈(4400)을 더 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 11항에 있어서,
상기 오토 레이블링 모듈(4400)은:
사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 중 데이터 이벤트를 추출하는 데이터 이벤트 추출 서브 모듈(4410)과,
상기 데이터 이벤트를 추출하고 레이블을 부여하는 레이블링 부여 서브 모듈(4420)과,
상기 레이블링 부여 서브 모듈(4420)에서 부여된 레이블링의 정합성을 검증하는 레이블링 검증 서브 모듈(4430)을 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 2항에 있어서,
상기 모니터링 모듈(4100)은:
상기 모니터링 데이터 중 상기 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터로부터 사용자의 시간별 공간 점유 상태 정보를 확인하는 공간 분석 모니터링 서브 모듈(4110)과,
상기 공간 분석 모니터링 서브 모듈(41110)로부터 확인된 사용자의 시간별 공간 점유 상태 정보를 이용하여 사용자의 행동 정보를 확인 분석하는 행동 분석 모니터링 서브 모듈(4120)과,
상기 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 상기 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 이용하여 사용자의 이상 상태 여부를 모니터링 분석하는 이상 분석 모니터링 서브 모듈(4130)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 31항에 있어서,
상기 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 상기 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 포함하는 코어 피쳐 데이터 및 타 사용자의 코어 피쳐 데이터에 기초하여, 상기 사용자의 사용자 코어 피쳐 데이터와 타 사용자 코어 피처 데이터의 유사성을 확인하고, 타 사용자 코어 피쳐 데이터에 대한 레이블링 정보를 확인 추출하는 유사도 분석 모니터링 서브 모듈(4140)를 더 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
제 2항에 있어서,
상기 대응 모듈(4200)은:
상기 모니터링 모듈(4100)의 분석 판단에 따라 대응하는 모니터링 모드를 실행하는 이상 판단 대응 서브 모듈(4210)와,
상기 모니터링 모듈(4100)의 분석 판단에서 긴급 상황이라 판단되는 경우 비상 경보 모드를 실행하는 경보 실행 대응 서브 모듈(4220)와,
상기 모니터링 모듈(4100)의 분석 판단에 따라 대응하는 모니터링 모드에 대응하는 리포트를 보호자 단말부(500) 측으로 전송하는 리포팅 대응 서브 모듈(4230)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10).
사용자의 생활 공간에서의 적어도 활동성을 감지하는 액티비티 센서(200-1)를 포함하는 모니터링 센서부(200)와, 상기 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 수집하는 모니터링 단말부(100)와, 상기 모니터링 단말부(100)와 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 확인 판단하여 적어도 보호자 단말부(500) 측으로 전달하는 모니터링 관리 서버(400)를 포함하고, 상기 모니터링 관리 서버(400)에는 타 사용자의 모니터링 데이터가 입력 가능하고, 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하는 머신 러닝 학습을 실행하는 AI 러닝 모듈(4300)를 더 포함하고, 상기 모니터링 관리 서버(400)에는 상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라 상기 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화 실행하고, 상기 비식별화된 타 사용자의 모니터링 데이터를 재식별화시켜 상기 타 사용자의 식별 가능 여부를 확인하는 디아이디 모듈(4600)을 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치(10)를 제공하는 제공 단계(S10)와,
상기 모니터링 관리 서버(400)의 서버 통신 모듈(4001)을 통하여 상기 모니터링 단말부(100)로부터 수신되는 상기 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터를 이용하여, 상기 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수를 확인하여 사용자의 일상 상태의 안정성을 모니터링 확인하고 안정성 상태를 모니터링 모듈(4100)에서 분석 판단하는 모니터링 단계(S20)와,
상기 모니터링 모듈(4100)의 분석 판단 결과에 따라 대응 모드를 대응 모듈(4200)에서 판단하는 대응 모드 판단 단계(S30)와,
상기 대응 모드 판단 단계(S30)에서 판단된 대응 모드를 실행하는 대응 모드 실행 단계(S40)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.
제 16항에 있어서,
상기 모니터링 단계(S20)는:
상기 모니터링 관리 서버(400)의 서버 통신 모듈(4001)을 통하여 상기 모니터링 단말부(100)로부터 수신되는 상기 모니터링 센서부(200)로부터 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터를 포함하는 모니터링 데이터가 수신 입력되는 모니터링 입력 단계(S21)와,
상기 모니터링 데이터 중 상기 적어도 활동성으로 감지되는 모니터링 라이프 로그 데이터로부터 공간 분석 모니터링 서브 모듈(4110)가 사용자의 시간별 공간 점유 상태 정보를 확인하는 공간 분석 모니터링 단계(S23)와,
상기 공간 분석 모니터링 서브 모듈(41110)로부터 확인된 사용자의 시간별 공간 점유 상태 정보를 이용하여 행동 분석 모니터링 서브 모듈(4120)에서 사용자의 행동 정보가 확인 분석되는 행동 분석 모니터링 단계(S25)와,
상기 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 상기 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 이용하여 사용자의 이상 상태 여부를 이상 분석 모니터링 서브 모듈(4130)에서 모니터링 분석하는 이상 분석 모니터링 단계(S27)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.
제 17항에 있어서,
상기 이상 분석 모니터링 단계(S27)는:
상기 모니터링 단말부(100)와 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수와 설정되는 기준값을 비교하여 사용자의 일상 상태의 안정성을 확인 판단하는 룰베이스 이상 분석 모니터링 단계(S271)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.
제 18항에 있어서,
상기 사용자 생활 상태 모니터링 관리 장치에는 상기 모니터링 모듈(4100)에는 타 사용자의 모니터링 데이터가 입력 가능하고, 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터를 이용하여 상기 사용자의 모니터링 데이터 및 타 사용자의 모니터링 데이터 내 레이블과 피쳐 간의 상관 관계를 도출하는 머신 러닝 학습을 실행하는 AI 러닝 모듈(4300)가 더 포함되고,
상기 공간 분석 모니터링 서브 모듈(4110)의 사용자의 시간별 공간 점유 상태 정보 및 상기 행동 분석 모니터링 서브 모듈(4120)의 사용자의 행동 정보를 포함하는 코어 피쳐 데이터 및 타 사용자의 코어 피쳐 데이터에 기초하여, 상기 사용자의 사용자 코어 피쳐 데이터와 타 사용자 코어 피처 데이터의 유사성을 확인하고, 타 사용자 코어 피쳐 데이터에 대한 레이블링 정보를 확인 추출하여, 상기 모니터링 단말부(100)와 모니터링 데이터를 수신하여 적어도 사용자의 활동 여부를 나타내는 활동 지수, 취침 정보를 나타내는 취침 정보 및 외부 활동 정보를 나타내는 외출 지수에 대한 사용자의 일상 상태의 안정성을 확인 판단하는 인공지능 이상 분석 모니터링 단계(S273)를 더 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.
제 19항에 있어서,
상기 대응 모드 판단 단계(S30)는:
상기 룰베이스 이상 분석 모니터링 단계(S271)에서 확인되는 룰베이스 이상 분석 모니터링 확인 결과에 따라, 대응 모드르 결정하는 룰베이스 대응 모드 판단 단계(S30-1)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.
제 20항에 있어서,
상기 룰베이스 이상 분석 모니터링 단계(S271)에서 확인되는 룰베이스 이상 분석 모니터링 확인 결과가 입력되는 분석 모니터링 데이터 입력 단계(S31)와,
상기 대응 모듈(4200)에서 룰베이스 이상 분석 모니터링 확인 결과가 정상인지 여부를 판단하는 확인 결과 판단 단계(S33)와,
상기 대응 모듈(4200)에서 룰베이스 이상 분석 모니터링 확인 결과가 주의 필요가 있는지 여부를 판단하는 주의 여부 판단 단계(S35)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.
제 19항에 있어서,
상기 대응 모드 판단 단계(S30)는:
상기 인공지능 이상 분석 모니터링 단계(S273)에서 확인되는 인공지능 이상 분석 모니터링 확인 결과에 따라, 대응 모드르 결정하는 인공지능 대응 모드 판단 단계(S30-2)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.
제 22항에 있어서,
상기 인공지능 이상 분석 모니터링 단계(S273)에서 확인되는 인공지능 이상 분석 모니터링 확인 결과가 입력되는 분석 모니터링 데이터 입력 단계(S301)와,
상기 대응 모듈(4200)에서 인공지능 이상 분석 모니터링 확인 결과로 코어 피쳐 유사성을 나타내는 코어 피쳐 유사도가 사전 설정 코어 피쳐 하이 유사도보다 높은지 여부를 판단하는 코어 피쳐 유사도 하이 판단 단계(S303)와,
상기 대응 모듈(4200)에서 인공지능 이상 분석 모니터링 확인 결과로 코어 피쳐 유사성을 나타내는 코어 피쳐 유사도가 사전 설정 코어 피쳐 미디엄 유사도보다 높은지 여부를 판단하는 코어 피쳐 유사도 미디엄 판단 단계(S305)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.
제 19항에 있어서,
적어도 상기 제공 단계(S10) 이후에 실행되고,
상기 모니터링 관리 서버(400)의 디아이디 모듈(4600)에서 상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라 상기 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화 실행하고, 상기 비식별화된 타 사용자의 모니터링 데이터를 재식별화시켜 상기 타 사용자의 식별 가능 여부가 확인되는 디아디 단계(S60)를 더 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.
제 24항에 있어서,
상기 디아디 단계(S60)는:
상기 모니터링 데이터가 상기 디아이디 모듈(4600)로 수신 입력되는 디아이디 모니터링 입력 단계(S61)와,
상기 타 사용자의 모니터링 데이터를 비식별화 최소 설정에 따라, 디아이덴티피케이션 서브 모듈(4610)에서 상기 타 사용자의 모니터링 데이터를 비식별화시키는 디아이덴티피케이션화가 실행되는 디아이덴티피케이션 단계(S63)와,
상기 비식별화된 타 사용자의 모니터링 데이터가 재식별화되고 최소 설정 요건과 비교되어 재식별화 가능성 여부를 확인 검증하는 최소 설정 요건 검증 단계(S65)와,
상기 최소 설정 요건 검증 단계(S65)에서의 요건 검증 결과에 따라 설정된 검증 대응 사항을 실행하는 검증 대응 단계(S67)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.
제 25항에 있어서,
상기 디아이덴티피케이션 단계(S63)는:
상기 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)에서 상기 타 사용자의 모니터링 데이터의 재식별화 불가능하도록 요구되는 최소 요건을 확인하는 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인 단계(S631)와,
상기 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 상기 디아이덴티피케이션 서브 미니멈 리콰이어먼트 확인부(4611)에서 확인된 최소 요건에 기초하여, 타 사용자의 모니터링 데이터의 개인 정보 연관 데이터 피쳐의 비표시화시킨 비표시화 개인 정보 연관 데이터 피쳐를 확인하는 디아이덴티피케이션 서브 피쳐 체크 단계(S633)와,
상기 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 스크리닝부(4617)에서 상기 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인된 개인 정보 연관 데이터 피쳐중 비표시화 대상 개인 정보 연관 데이터 피쳐를 비표시화시키는 디아이덴티피케이션 서브 스크리닝 단계(S635)를 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.
제 26항에 있어서,
상기 디아이덴티피케이션 단계(S63)는:
상기 디아이덴티피케이션 서브 모듈(4610)의 디아이덴티피케이션 서브 크립토부(4615)에서 상기 디아이덴티피케이션 서브 피쳐 체크부(4613)에서 확인된 상기 개인 정보 연관 데이터 피쳐중 비표시화 대상 개인 정보 연관 데이터 피쳐를 암호화시키는 디아이덴티피케이션 서브 크립토 단계(S367)를 더 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.
제 25항에 있어서,
상기 최소 설정 요건 검증 단계(S65)는:
상기 디아이덴티피케이션 서브 모듈(4610)의 리아이디 확인 모듈(4620)에서 상기 비식별화된 타 사용자의 모니터링 데이터를 재식별화시키는 리아이디 확인 단계(S651)와,
상기 재식별화된 타 사용자의 모니터링 데이터로부터 타 사용자의 식별화 가능성 여부를 나타내는 디아이디 유사도를 디아이디 유사성 확인 모듈(4630)에서 산출하는 디아이디 유사성 확인 단계(S653)와,
상기 디아이디 유사성 확인 단계(S653)에서 산출된 디아이디 유사도가 사전 설정 유사도보다 작은지 여부로 디아이덴티피케이션의 최소 설정 요건 만족 여부를 판단하는 디아이디 완료 확인 단계(S655)를 더 포함하는 것을 특징으로 하는 사용자 생활 상태 모니터링 관리 장치 제어 방법.