KR20230024770A - 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 장치, 방법 - Google Patents

Abstract

본 발명은 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 장치에 관한 것으로, 거주지 내에 구비된 엣지 컴퓨팅 장치를 이용하여 감시 대상의 낙상을 감지함으로써, 관제 서버의 과부하 문제를 해결하고, 감시 대상의 보호자의 단말로도 낙상 영상을 제공함으로써, 보호자가 즉각적으로 피보호자의 상태를 확인할 수 있는 효과가 있다.

Description

인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 장치, 방법 {Device and method for judging fall accidents based on artificial intelligence and providing a notification of the occurrence of a fall to a guardian's terminal}

본 발명은 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 장치에 관한 것이다.

고령화 시대에 접어들면서 시간이 갈수록 노인 인구가 증가하고 있으며, 특히 혼자 생활하는 노인의 수가 급증하고 있다.

이와 같이 혼자 생활하는 노인에게 낙상 사고가 발생하게 되면 조기에 발견하여 병원을 데리고 가거나 응급차를 불러줄 수 있는 사람이 없기 때문에 더 큰 사고로 이어지거나 사고에 비해서 큰 휴유증이 생긴다는 문제점이 있다.

이러한 노인들의 낙상 사고에 대하여 신속한 대처를 위해서 다양한 기술들이 개발되고 있으며, 몇몇 기술들은 제품화되어 사용되고 있지만, 여전히 많은 문제점들을 해결하지 못하고 있다.

현재까지 공개된 기술은 아래와 같은 기술들이 있다.

① 침대에 전자식 접촉단자가 설치된 소형 매트 형태의 감지센서를 설치하여, 감시 대상이 침대에서 이동하거나 움직임 이벤트 발생 시 매트의 접촉 단자를 통해 관제 센터에 낙상 경보를 알리는 시스템

② 각 침대, 공간마다 카메라와 동작감지센서가 내장된 감시 장치를 설치한 상태에서 감시 대상의 움직임을 감지할 경우 관제센터에 경보를 발생시키고 영상을 송출하여, 간호사 또는 요양사 등의 관리 인력이 화면을 통해 상태를 파악하고 위급 상황에 대응하는 시스템

하지만, 이러한 기술들은 아래와 같은 문제점이 있다.

매트식 낙상 및 센서 감지 장치는 바닥에 센서를 부착해야 하기 때문에, 높은 시공비가 발생하며 센서가 부착되는 곳에서만 작동 가능하다는 한계가 있다.

또한, 감시 대상이 단순하게 일어서거나 센서를 밟기만 하여도 경보가 발생하여 관리 인력의 업무가 가중된다는 문제점이 있다.

카메라를 활용한 낙상 방지 장치는 감시 대상의 프라이버시 침해가 매우 큰 문제로 발생하며, 감시 대상의 탈의 상황 등에 있어 낙상 방지 장치의 작동을 매번 차단해야 하는 문제점이 있고, 과도한 감지 데이터가 폭증하는 경우 중앙 컴퓨터가 과부하가 걸린다는 문제점이 있다.

그리고, 웨어러블 모션센서를 통해 낙상을 방지, 감시하는 기술은 감시대상이 웨어러블 모션센서를 착용해야지만 낙상 사고의 발생 여부를 감지할 수 있기에 감시 대상이 불편함을 겪고 있으며, 심지어 웨어러블 모션센서를 착용하지 않은 상태에서 낙상 사고가 발생하는 경우에는 전혀 작동할 수 없다는 큰 문제점이 있다.

이에, 본 출원인은 상술한 문제점들을 해결하면서 종래의 기술들보다 감시 대상의 낙상 여부를 정확하게 판단할 수 있는 기술을 안출하게 되었다.

상술한 바와 같은 문제점을 해결하기 위한 본 발명은 감시 대상에게 낙상이 발생한 것으로 판단되면, 관제 서버뿐 아니라 감시 대상의 보호자의 단말로도 낙상 영상을 제공하고자 한다.

또한, 본 발명은 감시 대상의 거주지 내에 구비된 엣지 컴퓨팅 장치를 이용하여 감시 대상의 낙상을 감지함으로써, 관제 서버의 과부하 문제를 해결하고자 한다.

또한, 본 발명은 엣지 컴퓨팅 장치를 이용하여 감시 대상의 낙상이 감지되는 경우, 낙상 감지 시점 전, 후 일정시간 동안의 영상만을 관제 서버로 전송하여 일상 생활에서의 촬영 영상이 외부로 유출되지 않도록 함으로써, 감시 대상의 프라이버시 문제를 해결하고자 한다.

또한, 본 발명은 감시 대상의 거주지 내에 설치된 복수/다수의 이미지 센서로부터 센싱되는 데이터를 분석하여 감시 대상의 낙상 여부를 감지하기 때문에, 감시 대상이 웨어러블 기기를 착용하지 않아도 되며 감시 대상이 거주지에 머무르는 동안에 감시 공백이 발생하지 않도록 하고자 한다.

본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 방법은, 감시 대상의 거주지 내에 구비된 엣지 컴퓨팅 장치에 의해 수행되는 방법으로, 상기 거주지 내에 설치된 적어도 하나의 이미지 센서로부터 센싱되는 데이터를 수신하는 단계; 상기 센싱 데이터 중에서 감시 대상이 존재하는 센싱 데이터를 분석하여 상기 감시 대상을 감시하는 단계; 및 상기 감시 대상의 모션에서 낙상이 감지되는 경우, 상기 낙상이 감지된 시점으로부터 전, 후 기 설정된 시간동안의 영상을 상기 감시 대상의 보호자의 단말 및 관제 서버로 전송하는 단계를 포함한다.

또한, 상기 엣지 컴퓨팅 장치는, 상기 관제 서버로부터 상기 감시 대상을 위한 응급 인원이 출동한 경우, 상기 응급 인원이 상기 감시 대상의 거주지에 도착할 때까지, 기 설정된 시간마다 상기 이미지 센서로부터 센싱된 영상의 스크린샷을 상기 관제 서버로 전송하는 것을 특징으로 한다.

또한, 상기 전송 단계 다음으로, 상기 보호자의 단말로부터 실시간 영상 요청 신호가 수신되는 경우, 상기 감시 대상의 실시간 촬영 영상을 상기 보호자의 단말로 제공하는 단계를 더 포함한다.

또한, 상기 엣지 컴퓨팅 장치는, 딥러닝 라이브러리 중에 텐서 플로우를 사용하여, 해당 라이브러리에 LSTM (Long Short-Term Memory models) 분석 알고리즘을 적용하여 낙상 감지 학습 환경과 분석 환경을 구성하는 것을 특징으로 한다.

또한, 상기 엣지 컴퓨팅 장치는, 낙상 사고 또는 낙상 시뮬레이션과 관련된 정보가 학습데이터로 입력되어 판단 모델이 구축되며, 상기 낙상 사고 또는 낙상 시뮬레이션 내 낙상자의 신체 정보, 배경 환경 정보를 더 학습함으로써 낙상 판단 정확도가 향상되는 것을 특징으로 한다.

또한, 상기 엣지 컴퓨팅 장치는, 상기 감시 대상의 거주지 내에 설치되면, 상기 거주지 내 각 공간에 상기 감시 대상이 존재하지 않는 상태에서 상기 이미지 센서로부터 센싱되는 데이터를 학습하여 상기 거주지 내 각 공간에 대하여 학습하는 것을 특징으로 한다.

또한, 상기 엣지 컴퓨팅 장치는, 상기 학습된 상기 거주지 내 각 공간에 대한 정보 및 상기 감시 대상의 신체 정보를 더 고려하여 상기 감시 대상의 낙상 여부를 판단하는 것을 특징으로 한다.

또한, 상술한 과제를 해결하기 위한 본 발명의 일 실시예에 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 장치는, 감시 대상의 거주지 내에 구비된 엣지 컴퓨팅 장치로, 통신부; 및 상기 거주지 내에 설치된 적어도 하나의 이미지 센서로부터 센싱되어 수신되는 센싱 데이터 중에서 감시 대상이 존재하는 센싱 데이터를 분석하여 상기 감시 대상을 감시하고, 상기 감시 대상의 모션에서 낙상이 감지되는 경우, 상기 낙상이 감지된 시점으로부터 전, 후 기 설정된 시간동안의 영상을 상기 감시 대상의 보호자의 단말 및 관제 서버로 전송하는 프로세서를 포함한다.

이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.

상기와 같은 본 발명에 따르면, 본 발명은 감시 대상에게 낙상이 발생한 것으로 판단되면, 관제 서버뿐 아니라 감시 대상의 보호자의 단말로도 낙상 영상을 제공함으로써, 보호자가 즉각적으로 피보호자의 상태를 확인할 수 있는 효과가 있다.

또한, 본 발명에 따르면, 감시 대상의 거주지 내에 구비된 엣지 컴퓨팅 장치를 이용하여 감시 대상의 낙상을 감지함으로써, 관제 서버의 과부하 문제를 해결하는 효과가 있다.

또한, 본 발명에 따르면, 엣지 컴퓨팅 장치를 이용하여 감시 대상의 낙상이 감지되는 경우, 낙상 감지 시점 전, 후 일정시간 동안의 영상만을 관제 서버로 전송하여 일상 생활에서의 촬영 영상이 외부로 유출되지 않도록 함으로써, 감시 대상의 프라이버시 문제를 해결할 수 있다.

또한, 본 발명에 따르면, 감시 대상의 거주지 내에 설치된 복수/다수의 이미지 센서로부터 센싱되는 데이터를 분석하여 감시 대상의 낙상 여부를 감지하기 때문에, 감시 대상이 웨어러블 기기를 착용하지 않아도 되며 감시 대상이 거주지에 머무르는 동안에 감시 공백이 발생하지 않는 효과가 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 실시예에 따른 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 시스템의 개략도이다.
도 2는 본 발명의 실시예에 따른 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 엣지 컴퓨팅 장치의 블록도이다.
도 3은 본 발명의 실시예에 따른 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 엣지 컴퓨팅 장치의 제어 방법의 흐름도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.

설명에 앞서 본 명세서에서 사용하는 용어의 의미를 간략히 설명한다. 그렇지만 용어의 설명은 본 명세서의 이해를 돕기 위한 것이므로, 명시적으로 본 발명을 한정하는 사항으로 기재하지 않은 경우에 본 발명의 기술적 사상을 한정하는 의미로 사용하는 것이 아님을 주의해야 한다.

엣지 컴퓨팅 장치(100)는 중앙 집중식 서버나 클라우드가 아닌 데이터가 수집되고 분석되는 물리적 위치 근처에서 컴퓨팅이 이루어지는 분산 컴퓨팅 모델이다.

특히, 본 발명의 실시예에서 엣지 컴퓨팅 장치(100)는 감시 대상의 거주지 내에 구비되어 활용되며, 이러한 특징으로 인하여 관제 서버(200)의 과부하를 방지하고 감시 대상의 프라이버시 침해를 방지하는 효과를 발휘하게 된다.

하지만, 본 발명의 실시예에서 엣지 컴퓨팅 장치(100)가 반드시 감시 대상의 거주지 내에 구비되어야 하는 것은 아니며, 적어도 하나의 감시 대상의 거주지로부터 일정 거리 내에만 위치할 수도 있다.

도 1은 본 발명의 실시예에 따른 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말(50)로 낙상 발생 알림을 제공하는 시스템(10)의 개략도이다.

도 2는 본 발명의 실시예에 따른 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말(50)로 낙상 발생 알림을 제공하는 엣지 컴퓨팅 장치(100)의 블록도이다.

도 3은 본 발명의 실시예에 따른 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말(50)로 낙상 발생 알림을 제공하는 엣지 컴퓨팅 장치(100)의 제어 방법의 흐름도이다.

아래에서는 도 1 내지 도 3을 참조하여, 본 발명의 실시예에 따른 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말(50)로 낙상 발생 알림을 제공하는 엣지 컴퓨팅 장치(100)와 엣지 컴퓨팅 장치(100)의 제어 방법에 대해서 설명하도록 한다.

도 2를 참조하면, 본 발명의 실시예에 따른 인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말(50)로 낙상 발생 알림을 제공하는 엣지 컴퓨팅 장치(100)는 프로세서(110), 통신부(130), 메모리(150) 및 센서부(170)를 포함한다.

다만, 몇몇 실시예에서 엣지 컴퓨팅 장치(100)는 도 2에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수도 있다.

통신부(130)는 유/무선 통신 모듈을 포함하며, 센서부(170)로부터 센싱 데이터를 수신하고 낙상 감지 신호를 보호자 단말(50)과 관제 서버(200)에 전송하고, 낙상 영상을 관제 서버(200)와 감시 대상의 보호자의 단말(50)로 전송할 수 있다.

센서부(170)는 적어도 하나의 이미지 센서를 포함하며, 구체적으로는 복수/다수 개를 포함할 수 있다.

그리고, 감시 대상의 거주지 내 공간에 적어도 하나의 이미지 센서가 설치될 수 있다.

본 발명의 실시예에서 이미지 센서는 이미지(영상) 데이터를 생성할 수 있는 센서라면 무엇이든 적용이 가능하며, 대표적으로 카메라가 적용될 수 있다.

이때, 일반적인 2D 카메라가 적용될 수도 있고, 더 높은 정확도를 위해서 3D 카메라가 적용될 수도 있으나, 이는 엣지 컴퓨팅 장치(100)의 처리 속도, 처리 한계 등을 고려하여 선택되거나 설치 비용과 정확도를 모두 고려하여 발명의 실시자가 용이하게 선택하도록 한다.

메모리(150)는 엣지 컴퓨팅 장치(100)의 작동을 위한 각종 명령어, 알고리즘 등이 저장되며, 학습되어 구축된 낙상 판단 모델이 저장되어 있다.

또한, 메모리(150)는 이미지 센서로부터 센싱된 센싱 데이터(예: 촬영 영상)가 저장되며, 이외 몇몇 실싱에서 감시 대상의 거주지의 공간 정보, 구조 정보, 그리고 감시 대상의 신체 정보 등이 저장될 수도 있다.

프로세서(110)는 엣지 컴퓨팅 장치(100) 내 모든 구성들의 제어를 담당하며, 프로세서(110)가 수행하는 각종 동작들에 대한 상세한 설명은 도 3의 흐름도를 참조하여 설명하도록 한다.

엣지 컴퓨팅 장치(100)가 통신부(130)를 통해 감시 대상의 거주지 내에 설치된 적어도 하나의 이미지 센서로부터 센싱되는 데이터(촬영 영상 데이터)를 수신한다. (S110)

이때, 감시 대상의 거주지의 넓이, 방의 개수 등과 같은 다양한 조건들에 따라서 설치되는 이미지 센서의 개수가 달라질 수 있다.

발명의 실시자는 감시 대상의 거주지 내에 감시 공백이 발생하지 않을 정도의 이미지 센서를 설치할 수 있지만, 몇몇 실시예에서 낙상 판단의 정확도 향상을 위해서 더 많은 이미지 센서가 설치될 수도 있다.

프로세서(110)가 S110에서 수신되는 센싱 데이터 중에서 감시 대상이 존재하는 센싱 데이터를 분석하여 감시 대상을 감시한다. (S130)

본 발명은 관제 서버(200)의 과부하 문제를 방지하기 위해서 엣지 컴퓨팅 장치(100)가 적용되었으나, 엣지 컴퓨팅 장치(100) 또한 과부하가 걸리지 않는 것은 아니다.

따라서, 다음과 같이 엣지 컴퓨팅 장치(100)의 과부하를 방지하기 위한 기술이 적용될 수 있다.

적어도 하나의 이미지 센서는 감시 대상의 거주지 내 서로 다른 공간에 설치될 수 있다.

그리고, 프로세서(110)는 이미지 센서로부터 수신되는 영상 데이터를 간이 분석을 통해서 감시 대상의 현재 위치에 해당하는 영상 데이터만을 상세 분석할 수 있다.

몇몇 실시예에서는, 프로세서(110)는 감시 대상의 움직임을 트래킹하여 감시 대상의 이동 경로를 센싱(촬영)할 수 있는 이미지 센서를 자동으로 턴온하고, 다른 공간의 이미지 센서는 턴오프할 수 있다.

이러한 구성을 통해서, 엣지 컴퓨팅 장치(100)는 감시 대상이 위치하는 공간에 대한 센싱 데이터만 집중해서 분석함으로써, 과부하를 방지하고 낙상 판단 정확도가 현저하게 상승하게 된다.

프로세서(110)는 S130을 수행하여 감시 공백없이 지속적으로 감시 대상을 감시하게 되며, 정상 행동을 벗어나는 모션이 센싱되는 경우 이를 상세 분석하여 낙상 여부를 판단하게 된다.

프로세서(110)가 센싱 데이터를 분석하여 감시 대상의 낙상을 감지한다. (S150)

프로세서(110)가 감시 대상의 모션에서 낙상이 발생하였다고 판단되는 경우, 낙상이 감지된 시점으로부터 전, 후 기 설정된 시간 동안의 영상 데이터를 감시 대상의 보호자의 단말(50)과 관제 서버(200)로 전송한다. (S170)

본 발명의 배경기술에서 언급한 바와 같이, 종래에는 영상 데이터를 서버로 전송하고, 서버 내에서 인공지능 모델을 이용하여 영상 데이터를 분석하는 과정이 진행되었다.

이 과정에서 서버에 과부하가 자주 발생하며, 분석 오류로 인하여 관제 서버(200)의 관리 인원이 수시로 체크를 해야되는 비효율적 문제들이 발생하였다.

하지만, 본 발명의 실시예에 따른 엣지 컴퓨팅 장치(100)는 자체적으로 영상 데이터를 분석하여 낙상 여부를 판단하고, 낙상이라고 판단되는 경우에만 낙상 발생 전후의 영상을 서버로 전송함으로써 서버의 과부하 발생을 방지하며, 관리 인원이 꼭 필요한 경우에만 투입되는 효과를 발휘하게 된다.

일 실시예로, 감시 대상의 보호자는 적어도 한 명이 설정될 수 있으며, 엣지 컴퓨팅 장치(100)는 설정된 모든 보호자의 단말(50)고 감시 대상 낙상 신호와 영상을 전송할 수 있다.

일 실시예로, 엣지 컴퓨팅 장치(100)는 딥러닝 라이브러리 중에 텐서플로우를 사용하여, 해당 라이브러리에 LSTM (Long Short-Term Memory models) 분석 알고리즘을 적용하여 낙상 감지 학습 환경과 분석 환경을 구성할 수 있다.

일 실시예로, 엣지 컴퓨팅 장치(100)는 낙상 사고 또는 낙상 시뮬레이션과 관련된 정보가 학습데이터로 입력되어 판단 모델이 구축된다.

그리고, 엣지 컴퓨팅 장치(100)는 낙상 사고 또는 낙상 시뮬레이션 내 낙상자의 신체 정보, 배경 환경 정보를 더 학습함으로써, 낙상 판단 정확도가 향상될 수 있다.

이러한 구성을 이용하여, 엣지 컴퓨팅 장치(100)는 감시 대상의 거주지 내에 설치되면, 거주지 내 각 공간에 감시 대상이 존재하지 않는 상태에서 상기 이미지 센서로부터 센싱되는 데이터를 학습하여 거주지 내 각 공간에 대하여 학습할 수 있다.

일 실시예로, 엣지 컴퓨팅 장치(100)는 학습된 거주지 내 각 공간에 대한 정보 및 감시 대상의 신체 정보를 더 고려하여 감시 대상의 낙상 여부를 판단할 수 있다.

이때, 감시 대상의 신체 정보는 감시 대상의 나이, 신장, 체중, 신체 특이사항(예: 장애 등) 등과 같이 감시 대상의 낙상을 유발할만한 정보라면 무엇이든 적용될 수 있다.

일 실시예로, 프로세서(110)는 관제 서버(200)로부터 감시 대상을 위한 응급 인원이 출동한 경우, 응급 인원이 감시 대상의 거주지에 도착할 때까지, 기 설정된 시간마다 이미지 센서로부터 센싱되는 영상의 스크린샷을 관제 서버(200)로 전송할 수 있다.

이와 같은 구성을 통해서, 관제 서버(200)와 응급 인원들은 감시 대상의 낙상 이후 상태를 상세하게 살필 수 있게 된다.

S170 다음으로, 프로세서(110)는 보호자의 단말(50)로부터 실시간 영상 요청 신호가 수신되는 경우, 감시 대상의 실시간 촬영 영상을 보호자의 단말(50)로 제공할 수 있다. (S190)

이상에서 전술한 본 발명의 일 실시예에 따른 방법은, 하드웨어인 서버와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.

상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.

상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

10: 인공지능 기반으로 낙상 사고를 판단하는 시스템
100: 엣지 컴퓨팅 장치
110: 프로세서
130: 통신부
150: 메모리
170: 센서부
200: 관제 서버

Claims (8)

1. 감시 대상의 거주지 내에 구비된 엣지 컴퓨팅 장치에 의해 수행되는 방법으로,
   상기 거주지 내에 설치된 적어도 하나의 이미지 센서로부터 센싱되는 데이터를 수신하는 단계;
   상기 센싱 데이터 중에서 감시 대상이 존재하는 센싱 데이터를 분석하여 상기 감시 대상을 감시하는 단계; 및
   상기 감시 대상의 모션에서 낙상이 감지되는 경우, 상기 낙상이 감지된 시점으로부터 전, 후 기 설정된 시간동안의 영상을 상기 감시 대상의 보호자의 단말 및 관제 서버로 전송하는 단계를 포함하는,
   인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 방법.
   
2. 제1항에 있어서,
   상기 엣지 컴퓨팅 장치는,
   상기 관제 서버로부터 상기 감시 대상을 위한 응급 인원이 출동한 경우, 상기 응급 인원이 상기 감시 대상의 거주지에 도착할 때까지, 기 설정된 시간마다 상기 이미지 센서로부터 센싱된 영상의 스크린샷을 상기 관제 서버로 전송하는 것을 특징으로 하는,
   인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 방법.
   
3. 제1항에 있어서,
   상기 전송 단계 다음으로,
   상기 보호자의 단말로부터 실시간 영상 요청 신호가 수신되는 경우, 상기 감시 대상의 실시간 촬영 영상을 상기 보호자의 단말로 제공하는 단계를 더 포함하는,
   인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 방법.
   
4. 제1항에 있어서,
   상기 엣지 컴퓨팅 장치는,
   딥러닝 라이브러리 중에 텐서 플로우를 사용하여, 해당 라이브러리에 LSTM (Long Short-Term Memory models) 분석 알고리즘을 적용하여 낙상 감지 학습 환경과 분석 환경을 구성하는 것을 특징으로 하는,
   인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 방법.
   
5. 제4항에 있어서,
   상기 엣지 컴퓨팅 장치는,
   낙상 사고 또는 낙상 시뮬레이션과 관련된 정보가 학습데이터로 입력되어 판단 모델이 구축되며,
   상기 낙상 사고 또는 낙상 시뮬레이션 내 낙상자의 신체 정보, 배경 환경 정보를 더 학습함으로써 낙상 판단 정확도가 향상되는 것을 특징으로 하는,
   인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 방법.
   
6. 제5항에 있어서,
   상기 엣지 컴퓨팅 장치는,
   상기 감시 대상의 거주지 내에 설치되면, 상기 거주지 내 각 공간에 상기 감시 대상이 존재하지 않는 상태에서 상기 이미지 센서로부터 센싱되는 데이터를 학습하여 상기 거주지 내 각 공간에 대하여 학습하는 것을 특징으로 하는,
   인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 방법.
   
7. 제6항에 있어서,
   상기 엣지 컴퓨팅 장치는,
   상기 학습된 상기 거주지 내 각 공간에 대한 정보 및 상기 감시 대상의 신체 정보를 더 고려하여 상기 감시 대상의 낙상 여부를 판단하는 것을 특징으로 하는,
   인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 방법.
   
8. 감시 대상의 거주지 내에 구비된 엣지 컴퓨팅 장치로,
   통신부; 및
   상기 거주지 내에 설치된 적어도 하나의 이미지 센서로부터 센싱되어 수신되는 센싱 데이터 중에서 감시 대상이 존재하는 센싱 데이터를 분석하여 상기 감시 대상을 감시하고, 상기 감시 대상의 모션에서 낙상이 감지되는 경우, 상기 낙상이 감지된 시점으로부터 전, 후 기 설정된 시간동안의 영상을 상기 감시 대상의 보호자의 단말 및 관제 서버로 전송하는 프로세서를 포함하는,
   인공지능 기반으로 낙상 사고를 판단하고, 보호자 단말로 낙상 발생 알림을 제공하는 장치.

Images