KR20240052740A - 심상 유도 정보 제공 및 수면 상태 정보 획득 방법, 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록매체 - Google Patents
심상 유도 정보 제공 및 수면 상태 정보 획득 방법, 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록매체 Download PDFInfo
- Publication number
- KR20240052740A KR20240052740A KR1020247000275A KR20247000275A KR20240052740A KR 20240052740 A KR20240052740 A KR 20240052740A KR 1020247000275 A KR1020247000275 A KR 1020247000275A KR 20247000275 A KR20247000275 A KR 20247000275A KR 20240052740 A KR20240052740 A KR 20240052740A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- sleep
- user
- text
- sound
- Prior art date
Links
- 230000007958 sleep Effects 0.000 title claims abstract description 2676
- 238000000034 method Methods 0.000 title claims abstract description 396
- 238000004590 computer program Methods 0.000 title abstract description 28
- 230000000007 visual effect Effects 0.000 claims abstract description 929
- 230000001939 inductive effect Effects 0.000 claims abstract description 637
- 230000007613 environmental effect Effects 0.000 claims description 224
- 230000006698 induction Effects 0.000 claims description 219
- 230000015654 memory Effects 0.000 claims description 208
- 238000004458 analytical method Methods 0.000 claims description 169
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 79
- 230000004044 response Effects 0.000 claims description 60
- 241000282414 Homo sapiens Species 0.000 claims description 51
- 241001465754 Metazoa Species 0.000 claims description 42
- 230000000694 effects Effects 0.000 claims description 37
- 230000001953 sensory effect Effects 0.000 claims description 34
- 238000001454 recorded image Methods 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 31
- 230000036578 sleeping time Effects 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 193
- 230000008667 sleep stage Effects 0.000 description 206
- 238000013528 artificial neural network Methods 0.000 description 118
- 238000010586 diagram Methods 0.000 description 97
- 230000006870 function Effects 0.000 description 87
- 230000008569 process Effects 0.000 description 85
- 230000029058 respiratory gaseous exchange Effects 0.000 description 74
- 238000004891 communication Methods 0.000 description 73
- 230000033001 locomotion Effects 0.000 description 72
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 71
- 238000003491 array Methods 0.000 description 69
- 230000002618 waking effect Effects 0.000 description 62
- 208000019116 sleep disease Diseases 0.000 description 61
- 230000008859 change Effects 0.000 description 60
- 238000013136 deep learning model Methods 0.000 description 57
- 238000011156 evaluation Methods 0.000 description 55
- 239000000203 mixture Substances 0.000 description 50
- 230000004622 sleep time Effects 0.000 description 48
- 238000012545 processing Methods 0.000 description 46
- 238000000605 extraction Methods 0.000 description 43
- 238000012549 training Methods 0.000 description 38
- 238000007664 blowing Methods 0.000 description 36
- 238000007781 pre-processing Methods 0.000 description 35
- 230000004461 rapid eye movement Effects 0.000 description 35
- 230000003416 augmentation Effects 0.000 description 33
- 238000005259 measurement Methods 0.000 description 32
- 238000013145 classification model Methods 0.000 description 31
- 238000001514 detection method Methods 0.000 description 31
- 239000000284 extract Substances 0.000 description 29
- 238000005286 illumination Methods 0.000 description 29
- 238000013135 deep learning Methods 0.000 description 28
- 239000000428 dust Substances 0.000 description 27
- 208000037656 Respiratory Sounds Diseases 0.000 description 26
- 238000013186 photoplethysmography Methods 0.000 description 26
- 230000005540 biological transmission Effects 0.000 description 25
- 206010062519 Poor quality sleep Diseases 0.000 description 24
- 201000002859 sleep apnea Diseases 0.000 description 23
- 208000020685 sleep-wake disease Diseases 0.000 description 23
- 238000004364 calculation method Methods 0.000 description 22
- 239000007789 gas Substances 0.000 description 21
- 239000013598 vector Substances 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 19
- 238000009792 diffusion process Methods 0.000 description 19
- 230000036541 health Effects 0.000 description 19
- 230000001965 increasing effect Effects 0.000 description 19
- 230000003860 sleep quality Effects 0.000 description 19
- 206010041235 Snoring Diseases 0.000 description 18
- 238000002360 preparation method Methods 0.000 description 18
- 238000004140 cleaning Methods 0.000 description 17
- 238000013434 data augmentation Methods 0.000 description 17
- 230000002996 emotional effect Effects 0.000 description 17
- 238000003062 neural network model Methods 0.000 description 17
- 208000008784 apnea Diseases 0.000 description 16
- 230000036651 mood Effects 0.000 description 16
- 241000283153 Cetacea Species 0.000 description 14
- 238000009835 boiling Methods 0.000 description 14
- 230000001976 improved effect Effects 0.000 description 14
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 13
- 235000017491 Bambusa tulda Nutrition 0.000 description 13
- 241001330002 Bambuseae Species 0.000 description 13
- 206010021079 Hypopnoea Diseases 0.000 description 13
- 241001494479 Pecora Species 0.000 description 13
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 13
- 239000011425 bamboo Substances 0.000 description 13
- 244000132059 Carica parviflora Species 0.000 description 12
- 235000014653 Carica parviflora Nutrition 0.000 description 12
- 230000007423 decrease Effects 0.000 description 12
- 230000007246 mechanism Effects 0.000 description 12
- 230000002829 reductive effect Effects 0.000 description 12
- 238000005406 washing Methods 0.000 description 12
- 230000009471 action Effects 0.000 description 10
- 210000004556 brain Anatomy 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 10
- 201000010099 disease Diseases 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 210000003128 head Anatomy 0.000 description 10
- 238000006748 scratching Methods 0.000 description 10
- 230000002393 scratching effect Effects 0.000 description 10
- 238000010791 quenching Methods 0.000 description 9
- 230000000171 quenching effect Effects 0.000 description 9
- 241000282326 Felis catus Species 0.000 description 8
- 238000007791 dehumidification Methods 0.000 description 8
- 230000000147 hypnotic effect Effects 0.000 description 8
- 210000002569 neuron Anatomy 0.000 description 8
- 241000283690 Bos taurus Species 0.000 description 7
- 241000282461 Canis lupus Species 0.000 description 7
- 241000931705 Cicada Species 0.000 description 7
- 241000287828 Gallus gallus Species 0.000 description 7
- 238000013256 Gubra-Amylin NASH model Methods 0.000 description 7
- 206010021133 Hypoventilation Diseases 0.000 description 7
- 241000270934 Rana catesbeiana Species 0.000 description 7
- 230000008901 benefit Effects 0.000 description 7
- 235000013330 chicken meat Nutrition 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 239000010978 jasper Substances 0.000 description 7
- 239000002184 metal Substances 0.000 description 7
- 238000012552 review Methods 0.000 description 7
- 239000011435 rock Substances 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 6
- 208000019888 Circadian rhythm sleep disease Diseases 0.000 description 6
- 241000544061 Cuculus canorus Species 0.000 description 6
- 240000003173 Drymaria cordata Species 0.000 description 6
- 235000008331 Pinus X rigitaeda Nutrition 0.000 description 6
- 235000011613 Pinus brutia Nutrition 0.000 description 6
- 241000018646 Pinus brutia Species 0.000 description 6
- 206010041009 Sleep talking Diseases 0.000 description 6
- 208000022249 Sleep-Wake Transition disease Diseases 0.000 description 6
- 210000003403 autonomic nervous system Anatomy 0.000 description 6
- ZYXYTGQFPZEUFX-UHFFFAOYSA-N benzpyrimoxan Chemical compound O1C(OCCC1)C=1C(=NC=NC=1)OCC1=CC=C(C=C1)C(F)(F)F ZYXYTGQFPZEUFX-UHFFFAOYSA-N 0.000 description 6
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 6
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 6
- 239000010432 diamond Substances 0.000 description 6
- 210000005069 ears Anatomy 0.000 description 6
- 238000003306 harvesting Methods 0.000 description 6
- 208000000122 hyperventilation Diseases 0.000 description 6
- 230000001788 irregular Effects 0.000 description 6
- 238000011068 loading method Methods 0.000 description 6
- 210000003097 mucus Anatomy 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000007670 refining Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 6
- 230000001954 sterilising effect Effects 0.000 description 6
- 241000272525 Anas platyrhynchos Species 0.000 description 5
- 241000271566 Aves Species 0.000 description 5
- 241001481833 Coryphaena hippurus Species 0.000 description 5
- 206010011469 Crying Diseases 0.000 description 5
- 241001112132 Pitohui tenebrosus Species 0.000 description 5
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000000537 electroencephalography Methods 0.000 description 5
- 230000008451 emotion Effects 0.000 description 5
- 235000008216 herbs Nutrition 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 210000003205 muscle Anatomy 0.000 description 5
- 210000004237 neck muscle Anatomy 0.000 description 5
- 210000000653 nervous system Anatomy 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 235000000832 Ayote Nutrition 0.000 description 4
- 235000009854 Cucurbita moschata Nutrition 0.000 description 4
- 240000001980 Cucurbita pepo Species 0.000 description 4
- 235000009804 Cucurbita pepo subsp pepo Nutrition 0.000 description 4
- 241000282412 Homo Species 0.000 description 4
- 239000011324 bead Substances 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000027288 circadian rhythm Effects 0.000 description 4
- 210000003477 cochlea Anatomy 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000002567 electromyography Methods 0.000 description 4
- 235000013376 functional food Nutrition 0.000 description 4
- 230000000870 hyperventilation Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 229920003023 plastic Polymers 0.000 description 4
- 235000015136 pumpkin Nutrition 0.000 description 4
- 241000894007 species Species 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000035922 thirst Effects 0.000 description 4
- 241000283086 Equidae Species 0.000 description 3
- 241000238631 Hexapoda Species 0.000 description 3
- 206010020751 Hypersensitivity Diseases 0.000 description 3
- YJPIGAIKUZMOQA-UHFFFAOYSA-N Melatonin Natural products COC1=CC=C2N(C(C)=O)C=C(CCN)C2=C1 YJPIGAIKUZMOQA-UHFFFAOYSA-N 0.000 description 3
- 208000009205 Tinnitus Diseases 0.000 description 3
- 235000004869 Tussilago farfara Nutrition 0.000 description 3
- 230000004913 activation Effects 0.000 description 3
- 208000026935 allergic disease Diseases 0.000 description 3
- 230000007815 allergy Effects 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 239000002537 cosmetic Substances 0.000 description 3
- 238000004332 deodorization Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 210000000003 hoof Anatomy 0.000 description 3
- 229940088597 hormone Drugs 0.000 description 3
- 239000005556 hormone Substances 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 229960003987 melatonin Drugs 0.000 description 3
- DRLFMBDRBRZALE-UHFFFAOYSA-N melatonin Chemical compound COC1=CC=C2NC=C(CCNC(C)=O)C2=C1 DRLFMBDRBRZALE-UHFFFAOYSA-N 0.000 description 3
- 235000019645 odor Nutrition 0.000 description 3
- 238000011946 reduction process Methods 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000004659 sterilization and disinfection Methods 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 210000000225 synapse Anatomy 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 231100000886 tinnitus Toxicity 0.000 description 3
- 125000000391 vinyl group Chemical group [H]C([*])=C([H])[H] 0.000 description 3
- 229920002554 vinyl polymer Polymers 0.000 description 3
- 241000272517 Anseriformes Species 0.000 description 2
- 241000256837 Apidae Species 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 241001125840 Coryphaenidae Species 0.000 description 2
- 241000272177 Cuculiformes Species 0.000 description 2
- 241001501930 Gavia Species 0.000 description 2
- 241000013582 Pitohui Species 0.000 description 2
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 2
- 206010038678 Respiratory depression Diseases 0.000 description 2
- MUMGGOZAMZWBJJ-DYKIIFRCSA-N Testostosterone Chemical compound O=C1CC[C@]2(C)[C@H]3CC[C@](C)([C@H](CC4)O)[C@@H]4[C@@H]3CCC2=C1 MUMGGOZAMZWBJJ-DYKIIFRCSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 206010006514 bruxism Diseases 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 235000014171 carbonated beverage Nutrition 0.000 description 2
- 235000019994 cava Nutrition 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000010411 cooking Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 229910003460 diamond Inorganic materials 0.000 description 2
- 238000002570 electrooculography Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- JYGXADMDTFJGBT-VWUMJDOOSA-N hydrocortisone Chemical compound O=C1CC[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 JYGXADMDTFJGBT-VWUMJDOOSA-N 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 229910052704 radon Inorganic materials 0.000 description 2
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 235000019615 sensations Nutrition 0.000 description 2
- 230000004620 sleep latency Effects 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010063659 Aversion Diseases 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 208000007590 Disorders of Excessive Somnolence Diseases 0.000 description 1
- 241000258937 Hemiptera Species 0.000 description 1
- 208000000224 Night Terrors Diseases 0.000 description 1
- 206010029412 Nightmare Diseases 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 206010041010 Sleep terror Diseases 0.000 description 1
- 206010041347 Somnambulism Diseases 0.000 description 1
- 206010047924 Wheezing Diseases 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004887 air purification Methods 0.000 description 1
- 230000000172 allergic effect Effects 0.000 description 1
- 150000001450 anions Chemical class 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 208000010668 atopic eczema Diseases 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000001185 bone marrow Anatomy 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000014510 cooky Nutrition 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000004851 dishwashing Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 238000010291 electrical method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 229960000890 hydrocortisone Drugs 0.000 description 1
- 206010020765 hypersomnia Diseases 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008452 non REM sleep Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000002304 perfume Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001699 photocatalysis Effects 0.000 description 1
- 239000011941 photocatalyst Substances 0.000 description 1
- 238000001126 phototherapy Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003248 secreting effect Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 210000002027 skeletal muscle Anatomy 0.000 description 1
- 208000022925 sleep disturbance Diseases 0.000 description 1
- 206010041232 sneezing Diseases 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 229960003604 testosterone Drugs 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 239000012855 volatile organic compound Substances 0.000 description 1
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
-
- 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
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0204—Acoustic sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0027—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the hearing sense
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0044—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the sight sense
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Anesthesiology (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Hematology (AREA)
- Psychology (AREA)
- Acoustics & Sound (AREA)
- Pain & Pain Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
본 발명은 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법, 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록매체에 관한 것으로, 좀 더 상세하게는 사용자의 지난 밤의 수면을 이미지 또는 동영상화하여 사용자에게 시각적으로 제공할 수 있는 슬립이미지 또는 슬립동영상의 생성 및 제공, 심상 유도 정보의 생성 및 제공, 또는 생성형 인공지능을 활용한, 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공에 관한 것이다.
Description
본 발명은 사용자의 수면 정보에 기초한 수면 콘텐츠 생성 및 제공 방법, 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록매체에 관한 것으로, 보다 구체적으로는, 사용자의 수면 환경에서 획득되는 수면 정보에 기초하여 수면과 관련된 콘텐츠를 생성하고, 사용자에게 제공하기 위한 것이다.
건강을 유지하고 개선하는 방법에는 운동, 식이요법 등 다양한 방법이 있지만, 하루 중 약 30% 이상의 시간을 차지하는 수면을 잘 관리하는 것이 무엇보다 중요하다. 하지만, 현대인들은 기계의 단순한 노동 대체 및 삶의 여유에도 불구하고 불규칙한 식습관과 생활습관 및 스트레스로 인해 숙면을 취하지 못하고, 불면증, 과다수면, 수면 무호흡 증후군, 악몽, 야경증, 몽유병 등과 같은 수면 질환으로 고통받고 있다.
국민건강보험 공단에 따르면, 국내 수면장애 환자가 2014년부터 2018년까지 연 평균 약 8%씩 증가하는 것으로 나타났으며, 2018년 국내에서 수면장애로 진료받은 환자는 약 57만명에 달한다.
또한, 2019년 수면 관련 조사에 의하면 전세계 성인의 62%가 원하는 만큼 수면을 취하지 못하며, 성인의 67%가 매일 밤 최소 한 번 이상의 수면 장애를 겪는다. 그리고, 전 세계 성인 10명 중 8명은 수면을 개선하기 원하지만 60%는 의료 전문가의 도움을 구하지 못하는 실정이고, 전 세계 성인의 44%가 지난 5년 동안 수면의 질이 나빠졌다는 연구 결과가 있다.
숙면이 신체적 또는, 정신적 건강에 영향을 미치는 중요한 요소로 인식되면서 숙면에 대한 관심이 증가하고 있지만, 수면 질환의 개선을 위해서는 전문 의료 기관을 직접 방문해야 하며, 별도의 검사 비용이 요구되고, 그리고 지속적인 관리가 어려움에 따라 치료에 대한 사용자들의 노력이 미비한 실정이다.
이와 같이 날로 심각해지는 수면 문제로 인하여 수면 건강 관리에 대한 니즈가 증가하고, 이에 따라 수면 문제를 기술로 해결하려는 슬립테크 시장도 빠르게 성장하고 있다.
또한, 수면 건강 관리를 위해 수면에 관한 정보를 분석하고 추론하는 것에 있어 하나의 데이터만을 사용하는 것 보다 멀티모달로 여러 종류의 데이터를 학습하고, 이를 통해서 보다 정확한 추론이 요구되고 있다.
대한민국 공개특허공보 제10-2003-0032529호는 사용자의 신체 정보를 입력받고, 수면 중 사용자의 신체 상태에 따라 반복적인 학습에 의해 검출한 주파수 대역의 진동 및/또는 초음파를 출력하여 최적의 수면 유도가 가능하도록 하는 취침 유도기 및 수면 유도 방법에 대해 개시하고 있다.
다만, 종래의 기술은 신체 착용형 장비로 인해 야기되는 불편함으로 수면의 질이 감소될 우려가 있으며, 장비의 주기적인 관리(예컨대, 충전 등)가 필요하다. 이에 따라, 최근에는 비접촉식으로 사용자의 수면을 모니터링하여 수면 상태를 추정하고, 추정된 수면 상태에 따라서 사용자의 수면을 관리하기 위한 연구들이 진행되고 있다.
특히, 최근에는 웨어러블 디바이스를 이용하여 사용자의 수면을 분석하는 방법이 제안되고 있다. 대한민국 공개특허공보 제10-2022-0015835호는 수면 질을 평가하기 위한 전자장치 및 그 전자 장치에서의 동작 방법에 관한 것으로, 수면 시간 동안 웨어러블 디바이스가 획득한 수면 관련 정보에 기초하여 수면 주기를 식별하고, 이에 따라 수면의 질을 평가하는 방법을 제시하고 있다.
하지만, 종래의 웨어러블 디바이스를 이용한 수면분석방법은 웨어러블 디바이스가 사용자 신체에 적절하게 접촉되지 않은 경우, 사용자가 웨어러블 디바이스를 착용하지 않은 경우에는 수면분석이 불가능하다는 문제점이 있었다. 또한, 복수의 사용자가 같은 공간에서 수면을 취하는 경우, 웨어러블 디바이스 비착용자의 움직임 때문에 웨어러블 디바이스 착용자의 수면분석에 지장이 생기게 될뿐만 아니라, 웨어러블 디바이스 비착용자에 대한 수면분석은 불가능하다는 문제점이 있었다.
따라서, 별도의 장비를 구비하지 않더라도, 사용자가 소지하는 사용자 단말(예컨대, 이동식 단말)을 통해 용이하게 수면 환경에 관련한 음향 정보를 획득하고, 획득한 음향 정보와 다른 수면 환경 정보를 기반으로 사용자의 수면 단계를 분석하여 수면 상태를 감지하고자 하는 기술에 대한 수요가 존재할 수 있다.
이에 따라, 최근에는 비접촉식으로 호흡 패턴, 밤 중 몸의 움직임에 따라 자율신경계의 활성화 정도를 모니터링하여 사용자의 수면 상태를 추정하고, 추정된 수면 상태에 따라 사용자의 수면 환경을 조성하기 위한 연구들이 진행되고 있다.
한편, 종래에는 사용자의 수면 정보를 담고 있는 슬립 리포트가 사용자 단말에 설치된 어플리케이션(또는 앱)을 통해 제공되고 있다. 제시되는 슬립 리포트에는 정량적인 정보가 거의 대부분이다. 이러한 정량적인 슬립 리포트는 사용자로 하여금 심리적 거부감을 주고, 낮은 수면 점수는 사용자에게 불쾌감을 불러일으킬 수 있다.
이에 따라, 수면 정보를 제공할 때 정량적인 정보 외에 다른 정보도 함께 제공하는 기술에 대한 수요가 존재할 수 있다.
한편, 사운드 테라피 등에서 확인되는 바와 같이 소리는 수면의 질에 큰 영향을 끼칠 수 있으므로, 수면 정보에 기초하여 소리 정보를 제공하는 기술에 대한 수요가 존재할 수 있다.
또한, 생성형 인공지능(Generation AI)라 불리는 새로운 인공지능 분야가 새롭게 주목받고 있다. 2018년 OPNEAI사는 GPT(Generative Pre-trained Transformer)라는 대규모 언어 모델 시리즈를 발표하였고, 이후 CHATGPT 서비스를 2022년 11월 30일에 발표를 한 바 있다. 따라서, 새로운 대규모 인공지능 모델을 활용하여 상술한 수면분야의 기술적 문제점을 해결하고 사용자의 수면과 관련한 콘텐츠를 생성하는 것에 대한 수요가 존재할 수 있다.
본 발명의 상술한 종래 기술의 문제점을 감안하여 안출된 것으로, 본 발명의 목적은 사용자의 지난 밤의 수면에 대한 기분이나 느낌을 슬립이미지 또는 슬립동영상으로 변환하여 사용자에게 제공할 수 있는 슬립이미지 또는 슬립동영상 생성 및 제공 방법, 장치 및 컴퓨터 판독 가능한 기록매체를 제공하는 것에 있다.
또한, 본 발명의 목적은 수면 센서를 통해서 얻을 수 있는 사용자의 수면에 관한 정보에 기반하여 사용자의 수면을 위한 수면 콘텐츠를 생성형 인공지능을 활용하여 생성 및 제공하는 것에 있다.
또한, 본 발명의 목적은 수면 정보를 활용하여, 수면에 대한 분석의 정확성을 높여 사용자에게 유용한 수면에 관한 콘텐츠를 제공하고, 수면의 질을 올리는 것에 있어서 목적이 있다.
또한, 본 발명의 목적은 수면을 유도하거나, 수면의 질을 향상시킬 수 있는 심상 유도 정보를 생성하고 제공하는 방법을 제공함에 있다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시 형태에 따른 슬립이미지 또는 슬립동영상 생성 및 제공 방법은, 사용자 단말의 디스플레이 화면에 텍스트 입력창을 제공하는, 텍스트 입력창 제공 단계; 상기 텍스트 입력창을 통해 사용자의 수면 기분, 느낌 혹은 꿈에 대한 기억에 관한 텍스트가 입력되면, 입력된 상기 텍스트를 외부 단말로 전송하는, 텍스트 전송 단계; 상기 외부 단말로부터 상기 텍스트에 대응되는 슬립이미지 또는 슬립동영상을 수신하는, 수신 단계; 및 수신된 상기 슬립이미지 또는 슬립동영상을 상기 디스플레이 화면에 제공하는, 슬립이미지 또는 슬립동영상 제공 단계;를 포함한다.
상기 텍스트 입력창 제공 단계에서, 상기 텍스트 입력창에는 예시 텍스트가 함께 제공될 수 있다.
상기 슬립이미지 또는 슬립동영상 제공 단계에서, 상기 슬립이미지 또는 슬립동영상에는 상기 사용자의 수면에 대한 정량적인 지표들 중 적어도 하나의 지표 또는 한줄평이 더 포함되고, 상기 한줄평은 상기 정량적인 지표들에 따라 미리 맵핑된 룩업 테이블 방식으로 도출된 것일 수 있다.
상기 슬립이미지 또는 슬립동영상 제공 단계에서, 상기 디스플레이 화면에 상기 슬립이미지 또는 슬립동영상 전체를 표시하거나, 상기 디스플레이 화면의 일부에 상기 슬립이미지 또는 슬립동영상을 나머지에는 상기 사용자의 수면에 대한 정량적인 지표들 또는 달력을 표시할 수 있다.
상기 텍스트 입력창 제공 단계 이전에, 상기 디스플레이 화면에 상기 사용자의 수면 기분에 대응되는 후보 선택지들을 제공하는, 후보 선택지 제공 단계;를 더 포함하고, 상기 후보 선택지들 중 적어도 하나가 선택되면, 상기 텍스트 입력창 제공 단계가 수행될 수 있다.
상기 후보 선택지들 중 적어도 하나가 선택되면, 선택된 선택지에 대응되는 예시 이미지가 상기 디스플레이 화면에 표시되고, 상기 텍스트 입력창 제공 단계에서, 상기 예시 이미지 위에 상기 텍스트 입력창이 함께 표시될 수 있다.
상기 텍스트 입력창을 통해 사용자의 수면 기분에 관한 텍스트가 입력된 후, 상기 슬립이미지 또는 슬립동영상의 스타일, 색상, 밑그림 및 일부가 비어져 있는 그림 중 적어도 하나 이상을 설정하는 슬립이미지 또는 슬립동영상 설정 단계;를 더 포함할 수 있다.
본 발명의 다른 실시 형태에 따른 슬립이미지 또는 슬립동영상 생성 및 제공 방법은, 사용자 단말의 디스플레이 화면에 사용자의 수면 기분, 느낌 혹은 꿈에 대한 기억에 대한 키워드 후보군들을 제공하는, 후보군 제공 단계; 상기 키워드 후보군들 중 적어도 하나가 선택되면, 선택된 키워드 후보군의 텍스트를 외부 단말로 전송하는, 텍스트 전송 단계; 상기 외부 단말로부터 상기 텍스트에 대응되는 슬립이미지 또는 슬립동영상을 수신하는, 수신 단계; 및 수신된 상기 슬립이미지 또는 슬립동영상을 상기 디스플레이 화면에 제공하는, 슬립이미지 또는 슬립동영상 제공 단계;를 포함한다.
상기 슬립이미지 또는 슬립동영상 제공 단계에서, 상기 슬립이미지 또는 슬립동영상에는 상기 사용자의 수면에 대한 정량적인 지표들 중 적어도 하나의 지표 또는 한줄평이 더 포함되고, 상기 한줄평은 상기 정량적인 지표들에 따라 미리 맵핑된 룩업 테이블 방식으로 도출된 것일 수 있다.
상기 슬립이미지 또는 슬립동영상 제공 단계에서, 상기 디스플레이 화면에 상기 슬립이미지 또는 슬립동영상 전체를 표시하거나, 상기 디스플레이 화면의 일부에 상기 슬립이미지 또는 슬립동영상을 나머지에는 상기 사용자의 수면에 대한 정량적인 지표들 또는 달력을 표시할 수 있다.
상기 키워드 후보군들 중 적어도 하나가 선택된 후, 상기 슬립이미지 또는 슬립동영상의 스타일, 색상, 밑그림 및 일부가 비어져 있는 그림 중 적어도 하나 이상을 설정하는 슬립이미지 또는 슬립동영상 설정 단계;를 더 포함할 수 있다.
본 발명의 다른 실시 형태에 따른 슬립이미지 또는 슬립동영상 생성 및 제공 방법은, 사용자 단말로부터 사용자의 수면 기분, 느낌 혹은 꿈에 대한 기억에 대한 텍스트를 수신하는, 수신 단계; 상기 텍스트를 메모리에 저장된 학습 모델로 입력시켜 상기 학습 모델로부터 상기 텍스트에 대응하는 슬립이미지 또는 슬립동영상이 출력되는, 슬립이미지 또는 슬립동영상 출력 단계; 및 출력된 상기 슬립이미지 또는 슬립동영상을 상기 사용자 단말 또는 컴퓨팅 장치로 전송하는, 슬립이미지 또는 슬립동영상 전송 단계;를 포함한다.
상기 수신 단계는 상기 사용자 단말로부터 환경 센싱 정보를 더 수신하고, 상기 환경 센싱 정보로부터 상기 사용자의 수면에 대한 정량적인 지표들을 분류 및 측정하는 단계를 더 포함하고, 상기 슬립이미지 또는 슬립동영상 출력 단계는, 출력된 상기 슬립이미지 또는 슬립동영상의 스타일 또는 색상을 상기 정량적인 지표들에 기초하여 변경할 수 있다.
상기 슬립이미지 또는 슬립동영상 출력 단계는, 상기 정량적인 지표들에 대한 수면 점수를 연산하고, 연산된 상기 수면 점수에 따라 상기 슬립이미지 또는 슬립동영상의 스타일 또는 색상을 변경할 수 있다.
본 발명의 또 다른 실시 형태에 따른 컴퓨터 판독 가능한 기록 매체는 상술한 슬립이미지 또는 슬립동영상 생성 및 제공 방법을 수행시키도록 하는 컴퓨터 프로그램을 저장하고 있는 것이다.
본 발명의 또 다른 실시 형태에 따른 사용자 단말은, 디스플레이부; 무선 통신부; 제어부; 및 동작들을 수행하기 위해 상기 제어부에 의해 실행되는 프로그램 명령어를 저장하는 메모리;를 포함하고, 상기 동작들은, 상기 디스플레이부의 디스플레이 화면에 텍스트 입력창을 제공하는 동작; 상기 텍스트 입력창을 통해 사용자의 수면 기분, 느낌 혹은 꿈에 대한 기억에 관한 텍스트가 입력되면, 입력된 상기 텍스트를 상기 무선 통신부를 통해 외부 단말로 전송하는 동작; 상기 외부 단말로부터 상기 무선 통신부를 통해 상기 텍스트에 대응되는 상기 슬립이미지 또는 슬립동영상을 수신하는 동작; 및 수신된 상기 슬립이미지 또는 슬립동영상을 상기 디스플레이 화면에 제공하는 동작;을 포함한다.
본 발명의 또 다른 실시 형태에 따른 사용자 단말은, 디스플레이부; 무선 통신부; 제어부; 및 동작들을 수행하기 위해 상기 제어부에 의해 실행되는 프로그램 명령어를 저장하는 메모리;를 포함하고, 상기 동작들은, 상기 디스플레이부의 디스플레이 화면에 사용자의 수면 기분, 느낌 혹은 꿈에 대한 기억에 대한 키워드 후보군들을 제공하는 동작; 상기 키워드 후보군들 중 적어도 하나가 선택되면, 선택된 키워드 후보군의 텍스트를 상기 무선 통신부를 통해 외부 단말로 전송하는 동작; 상기 외부 단말로부터 상기 무선 통신부를 통해 상기 텍스트에 대응되는 상기 슬립이미지 또는 슬립동영상을 수신하는 동작; 및 수신된 상기 슬립이미지 또는 슬립동영상을 상기 디스플레이 화면에 제공하는 동작;을 포함한다.
본 발명의 또 다른 실시 형태에 따른 외부 단말은, 통신 모듈; 프로세서; 및 동작들을 수행하기 위해 상기 프로세서에 의해 실행되는 프로그램 명령어를 저장하고, 입력된 텍스트에 응답하여 소정의 슬립이미지 또는 슬립동영상을 출력하도록 기계학습된 학습 모델이 저장된 메모리;를 포함하고, 상기 동작들은, 사용자 단말로부터 사용자의 수면 기분, 느낌 혹은 꿈에 대한 기억에 대한 상기 텍스트를 상기 통신 모듈을 통해 수신하는 동작; 상기 텍스트를 상기 학습 모델로 입력시켜 상기 학습 모델로부터 상기 텍스트에 대응하는 슬립이미지 또는 슬립동영상이 출력되는 동작; 및 출력된 상기 슬립이미지 또는 슬립동영상을 상기 사용자 단말 또는 컴퓨팅 장치로 상기 통신 모듈을 통해 전송하는 동작;을 포함한다.
한편, 본 발명의 일 실시예에 따른 심상 유도 정보 생성 및 제공 방법에 있어서, 심상 유도 정보를 준비하는 준비단계; 상기 준비된 심상 유도 정보를 사용자에게 제공하는 준비 정보 제공 단계; 사용자로부터 수면 상태 정보를 획득하는 획득 단계; 사용자에게 상기 제공된 심상 유도 정보 및 사용자로부터 상기 획득된 수면 상태 정보에 기초하여 사용자의 피처를 추출하는 추출 단계; 및 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는 생성 단계;를 포함하는, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 준비 단계는 룩업 테이블에 기초하여 상기 심상 유도 정보를 준비하는 단계;를 포함하는, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 준비 단계는 상기 피처 기반 심상 유도 정보에 기초하여 상기 심상 유도 정보를 준비하는 단계;를 포함하는, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 준비 정보 제공 단계는 준비된 심상 유도 음향 정보, 준비된 심상 유도 시각 정보, 준비된 심상 유도 텍스트 정보 및 준비된 심상 유도 텍스트 음향 정보 중 어느 하나 이상을 제공하거나, 또는 이들 중 둘 이상의 결합을 제공하는 단계;를 포함하는, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 준비 정보 제공 단계는 심상 유도 시나리오를 갖는 준비된 시계열적 심상 유도 음향 정보, 준비된 시계열적 심상 유도 시각 정보, 준비된 시계열적 심상 유도 텍스트 음향 정보 및 준비된 시계열적 심상 유도 텍스트 정보 중 어느 하나 이상을 제공하거나, 또는 이들 중 둘 이상의 결합을 제공하는 단계;를 포함하는, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따른 심상 유도 정보 생성 및 제공 방법에 있어서, 상기 생성된 피처 기반 심상 유도 정보를 사용자에게 제공하는 생성 정보 제공 단계를 포함하는, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 생성 정보 제공 단계는 피처 기반 심상 유도 음향 정보, 피처 기반 심상 유도 시각 정보, 피처 기반 심상 유도 텍스트 정보 및 피처 기반 심상 유도 텍스트 음향 정보 중 어느 하나 이상을 제공하거나, 또는 이들 중 둘 이상의 결합을 제공하는 단계;를 포함하는, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 생성 정보 제공 단계는 심상 유도 시나리오를 갖는 피처 기반 시계열적 심상 유도 음향 정보, 피처 기반 시계열적 심상 유도 시각 정보, 피처 기반 시계열적 심상 유도 텍스트 음향 정보 및 피처 기반 시계열적 심상 유도 텍스트 정보 중 어느 하나 이상을 제공하거나, 또는 이들 중 둘 이상의 결합을 제공하는 단계;를 포함하는, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 심상 유도 정보 생성 및 제공 방법에 있어서, 사용자와 관련된 정보를 준비하는 정보 준비 단계; 상기 준비된 정보에 기초하여 사용자의 피처를 추출하는 추출 단계; 및 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는 생성 단계;를 포함하는, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 정보 준비 단계는 사용자로부터 사용자와 관련된 정보를 입력받는 입력 단계;를 포함하는, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 입력 단계에서 사용자로부터 입력받는 사용자와 관련된 정보는 스와이프 방식으로 선택된 컨텐츠; 사용자로부터 입력된 텍스트; 및 제시된 키워드 중 사용자로부터 선택된 키워드; 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합인, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 생성된 피처 기반 심상 유도 정보를 사용자에게 제공하는 생성 정보 제공 단계; 또는 사용자로부터 수면 상태 정보를 획득하는 획득 단계;를 포함하는, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 생성 정보 제공 단계에서 제공되는 피처 기반 심상 유도 정보는 피처 기반 심상 유도 음향 정보, 피처 기반 심상 유도 시각 정보, 피처 기반 심상 유도 텍스트 정보 및 피처 기반 심상 유도 텍스트 음향 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합인, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 생성 정보 제공 단계에서 제공되는 피처 기반 심상 유도 정보는 심상 유도 시나리오를 갖는 피처 기반 시계열적 심상 유도 음향 정보, 피처 기반 시계열적 심상 유도 시각 정보, 피처 기반 시계열적 심상 유도 텍스트 정보 및 피처 기반 시계열적 심상 유도 텍스트 음향 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합인, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 추출 단계는 상기 제공된 피처 기반 심상 유도 정보 및 상기 획득된 수면 상태 정보 중 어느 하나 이상에 기초하거나, 또는 이들의 결합에 기초하여 사용자의 피처를 추출하는 단계;를 포함하는, 심상 유도 정보 생성 및 제공 방법을 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 전자 장치에 있어서, 심상 유도 정보가 기록된 메모리; 상기 기록된 심상 유도 정보를 출력하는 출력부; 사용자로부터 수면 상태 정보를 획득하는 획득부; 및 상기 출력된 심상 유도 정보 및 상기 획득된 수면 상태 정보에 기초하여 사용자의 피처를 추출하는 프로세서;를 포함하고, 상기 프로세서는 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는 것을 특징으로 하는 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 획득부는 다른 전자 장치에서 사용자로부터 수면 상태 정보를 획득하면, 상기 획득된 수면 상태 정보를 상기 다른 전자 장치로부터 수신받는, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 메모리에 기록된 심상 유도 정보는 룩업 테이블에 기초한 것인, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 메모리에 기록된 심상 유도 정보는 상기 피처 기반 심상 유도 정보에 기초한 것인, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 출력부에서 출력되는 기록된 심상 유도 정보는 기록된 심상 유도 음향 정보, 기록된 심상 유도 시각 정보, 기록된 심상 유도 텍스트 정보 및 기록된 심상 유도 텍스트 음향 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합인, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 출력부에서 출력되는 기록된 심상 유도 정보는 심상 유도 시나리오를 갖는 기록된 시계열적 심상 유도 음향 정보, 기록된 시계열적 심상 유도 시각 정보, 기록된 시계열적 심상 유도 텍스트 음향 정보 및 기록된 시계열적 심상 유도 텍스트 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합인, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 출력부는 상기 생성된 피처 기반 심상 유도 정보를 출력하는, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 출력부에서 출력되는 피처 기반 심상 유도 정보는 피처 기반 심상 유도 음향 정보, 피처 기반 심상 유도 시각 정보, 피처 기반 심상 유도 텍스트 정보 및 피처 기반 심상 유도 텍스트 음향 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합인, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 출력부에서 출력되는 피처 기반 심상 유도 정보는 심상 유도 시나리오를 갖는 피처 기반 시계열적 심상 유도 음향 정보, 피처 기반 시계열적 심상 유도 시각 정보, 피처 기반 시계열적 심상 유도 텍스트 음향 정보 및 피처 기반 시계열적 심상 유도 텍스트 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합인, 전자 장치를 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 전자 장치에 있어서, 사용자와 관련된 정보가 기록된 메모리; 상기 기록된 정보에 기초하여 사용자의 피처를 추출하는 프로세서;를 포함하고, 상기 프로세서는, 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 사용자와 관련된 정보를 사용자로부터 입력 받는 입력부;를 더 포함하는, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 입력부에 입력되는 사용자와 관련된 정보는 스와이프 방식으로 선택된 컨텐츠; 사용자로부터 입력된 텍스트; 및 제시된 키워드 중 사용자로부터 선택된 키워드; 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합인, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 생성된 피처 기반 심상 유도 정보를 출력하는 출력부; 또는 사용자로부터 수면 상태 정보를 획득하는 획득부;를 더 포함하는, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 획득부는 다른 전자장치에서 사용자로부터 수면 상태 정보를 획득하면,상기 획득된 수면 상태 정보를 상기 다른 전자장치로부터 수신받는, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 출력부에서 출력되는 피처 기반 심상 유도 정보는 피처 기반 심상 유도 음향 정보, 피처 기반 심상 유도 시각 정보, 피처 기반 심상 유도 텍스트 정보 및 피처 기반 심상 유도 텍스트 음향 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합인, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 출력부에서 출력되는 피처 기반 심상 유도 정보는 심상 유도 시나리오를 갖는 피처 기반 시계열적 심상 유도 음향 정보, 피처 기반 시계열적 심상 유도 시각 정보, 피처 기반 시계열적 심상 유도 텍스트 정보 및 피처 기반 시계열적 심상 유도 텍스트 음향 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합인, 전자 장치를 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 프로세서는 상기 출력된 피처 기반 심상 유도 정보 및 상기 획득된 수면 상태 정보 중 어느 하나 이상에 기초하거나, 또는 이들의 결합에 기초하여 사용자의 피처를 추출하는, 전자 장치를 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 전자 장치에 있어서, 심상 유도 정보가 기록된 메모리; 상기 기록된 심상 유도 정보를 출력하는 출력부; 사용자로부터 수면 상태 정보를 획득하는 획득부; 상기 출력된 심상 유도 정보 및 상기 획득된 수면 상태 정보를 서버로 전송하는 수단; 상기 서버가 상기 전송된 심상 유도 정보 및 상기 전송된 수면 상태 정보에 기초하여 사용자의 피처를 추출하면, 상기 추출된 사용자의 피처를 수신하는 수단; 및 상기 수신된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는 수단;을 포함하는 전자 장치를 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 전자 장치에 있어서, 사용자와 관련된 정보가 기록된 메모리; 상기 기록된 정보를 서버로 전송하는 수단; 상기 서버가 상기 전송된 정보에 기초하여 사용자의 피처를 추출하면, 상기 추출된 사용자의 피처를 수신하는 수단; 및 상기 수신된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는 수단;을 포함하는 전자 장치를 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 전자 장치에 있어서, 심상 유도 정보가 기록된 메모리; 상기 기록된 심상 유도 정보를 출력하는 출력부; 사용자로부터 수면 상태 정보를 획득하는 획득부; 상기 출력된 심상 유도 정보 및 상기 수면 상태 정보를 서버로 전송하는 수단; 및 상기 서버가 상기 전송된 심상 유도 정보 및 상기 전송된 수면 상태 정보에 기초하여 사용자의 피처를 추출하고, 상기 서버가 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하면, 상기 생성된 피처 기반 심상 유도 정보를 수신하는 수단;을 포함하는 전자 장치를 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 전자 장치에 있어서, 사용자와 관련된 정보가 기록된 메모리; 상기 기록된 정보를 서버로 전송하는 수단; 및 상기 서버가 상기 전송된 정보에 기초하여 사용자의 피처를 추출하고, 상기 서버가 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하면, 상기 생성된 피처 기반 심상 유도 정보를 수신하는 수단;을 포함하는 것을 특징으로 하는 전자 장치를 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 전자 장치에 있어서, 심상 유도 정보가 기록된 메모리; 상기 기록된 심상 유도 정보를 출력하는 출력부; 사용자로부터 수면 상태 정보를 획득하는 획득부; 상기 출력된 심상 유도 정보 및 상기 획득된 수면 상태 정보에 기초하여 사용자의 피처를 추출하는 프로세서; 상기 추출된 사용자의 피처를 서버로 전송하는 수단; 및 상기 서버가 상기 전송된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하면, 상기 생성된 피처 기반 심상 유도 정보를 수신하는 수단;을 포함하는 전자 장치를 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 전자 장치에 있어서, 사용자와 관련된 정보가 기록된 메모리; 상기 기록된 정보에 기초하여 사용자의 피처를 추출하는 프로세서; 상기 추출된 사용자의 피처를 서버로 전송하는 수단; 및 상기 서버가 상기 전송된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하면, 상기 생성된 피처 기반 심상 유도 정보를 수신하는 수단;을 포함하는 전자 장치를 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 심상 유도 정보 생성 및 제공 모델이 실장된 서버 장치에 있어서, 상기 심상 유도 정보 생성 및 제공 모델은, 전자 장치의 획득부를 통해 획득된 사용자의 수면 상태 정보 및 전자 장치의 출력부를 통해 출력된 심상 유도 정보에 기초하여 사용자의 피처를 추출하고, 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는 심상 유도 정보 생성 및 제공 모델이 실장된 서버 장치를 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 심상 유도 정보 생성 및 제공 모델이 실장된 서버 장치에 있어서, 상기 심상 유도 정보 생성 및 제공 모델은, 전자 장치의 획득부를 통해 획득된 사용자의 수면 상태 정보 및 전자 장치의 메모리에 기록된 사용자와 관련된 정보에 기초하여 사용자의 피처를 추출하고, 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는 심상 유도 정보 생성 및 제공 모델이 실장된 서버 장치를 제공할 수 있다.
또는, 본 발명의 일 실시예에 따르면, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법에 있어서, 하나 이상의 수면 정보 센서 장치로부터 수면 정보를 습득하는 - 상기 수면 정보는 사용자의 수면 음향 정보를 포함한다 - 수면 정보 습득 단계; 상기 습득된 수면 정보에 기초하여 사용자의 수면에 관한 수면에 관한 하나 이상의 데이터 배열을 생성하는 단계; 상기 생성된 사용자의 수면에 관한 피처를 콘텐츠 생성형 인공지능에 입력하는 단계; 및 상기 콘텐츠 생성형 인공지능의 출력에 기초하여 사용자 수면 콘텐츠를 생성하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 수면 정보 습득 단계는, 상기 사용자의 수면 음향 정보의 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보로 변환하여 상기 변화된 정보에 대한 분석을 수행하는 단계;를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 변환된 정보는 상기 수면 음향 정보의 주파수 성분들의 시간축에 따른 변화를 시각화하여 나타낸 것인, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 수면 정보 습득 단계는, 상기 사용자의 수면 음향 정보를 수면 정보 추론 딥러닝 모델의 입력으로 하여, 수면에 대한 정보를 추론하는, 수면 정보 추론 단계;를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 상기 수면 정보 습득 단계는, 상기 추론된 수면 정보를 시간 도메인 상의 힙노그램으로 출력하는 단계;를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성하는 단계는, 상기 추론된 수면 정보에 기초하여 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성하는 단계;를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성하는 단계에 있어서, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열은 텐서인, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성하는 단계는, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성하기 위하여 상기 추론된 수면 정보를 대규모 언어 모델(Large Language Model)의 입력으로 하여 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성하는 단계;를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 대규모 언어 모델(Large Language Model)은 GPT모델기반의 생성형 인공지능 모델인, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 대규모 언어 모델(Large Language Model)은 BERT모델기반의 생성형 인공지능 모델인, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성하는 단계는, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성하기 위하여 상기 추론된 수면 정보에 기초하여 룩업 테이블에서 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성하는 단계;를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성하는 단계에 있어서, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면에 연관된 선호 정보에 기초하여 생성되는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성하는 단계에 있어서, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성되는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성하는 단계에 있어서, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 점수 에 기초하여 생성되는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 콘텐츠 생성형 인공지능에 입력하는 단계는, 상기 생성된 사용자의 수면에 관한 하나 이상의 데이터 배열을 콘텐츠 생성형 인공지능에 입력하기 위한 데이터 배열 가공 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 데이터 배열 가공 단계는, 상기 콘텐츠 생성형 인공지능에 입력하기 위해서 사용자 키워드 입력을 받는 단계를 더 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 콘텐츠 생성형 인공지능에 입력하는 단계는, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열에 기초하여 사용자의 수면에 관한 하나 이상의 키워드를 생성하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 사용자의 수면에 관한 하나 이상의 키워드를 생성하는 단계는, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열에 대응되는 룩업테이블에 기초하여 상기 사용자의 수면에 관한 하나 이상의 키워드를 생성하는 단계;를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 사용자의 수면에 관한 하나 이상의 키워드를 생성하는 단계는, 상기 사용자의 수면에 관한 하나 이상의 데이터 배열을 대규모 언어 모델의 입력으로 하여 상기 사용자의 수면에 관한 하나 이상의 키워드를 생성하는 단계;를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 피처 가공 단계는, 상기 콘텐츠 생성형 인공지능에 입력하기 위해서 상기 사용자의 수면에 관한 하나 이상의 데이터 배열을 해석하는 방법을 입력하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 콘텐츠 생성형 인공지능은 대규모 언어 모델 기반의 인공지능 모델인, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 대규모 언어 모델 기반의 콘텐츠 생성형 인공지능은 GPT모델기반의 생성형 인공지능 모델인, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 대규모 언어 모델 기반의 콘텐츠 생성형 인공지능은 BERT모델기반의 생성형 인공지능 모델인, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 상기 사용자 수면 콘텐츠를 생성하는 단계는, 상기 콘텐츠 생성형 인공지능의 출력에 기초하여 수면 텍스트 콘텐츠를 생성하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에 따라, 수면 텍스트 콘텐츠를 생성하는 단계는, 상기 콘텐츠 생성형 인공지능의 출력에 기초하여 수면 기본 문장을 생성하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에서, 수면 텍스트 콘텐츠를 생성하는 단계는, 상기 수면 기본 문장에 기초하여 수면 핵심 키워드를 추출하는 단계; 및 사용자 입력 키워드를 입력 받는 단계를 더 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
그리고, 본 발명의 일 실시예에서, 상기 사용자 수면 콘텐츠를 생성하는 단계는, 상기 콘텐츠 생성형 인공지능의 출력에 기초하여 수면 음원 콘텐츠를 생성하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에서, 상기 수면 음원 콘텐츠 생성 단계는, 상기 생성된 수면 문장과 음원 샘플들 간의 유사도를 측정하여, 유사도에 기반하여 상기 하나 이상의 음원 샘플들을 조합하여 수면 음원 콘텐츠를 생성하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
그리고, 본 발명의 일 실시예에서, 상기 사용자 수면 콘텐츠를 생성하는 단계는, 상기 콘텐츠 생성형 인공지능의 출력에 기초하여 수면 시각 콘텐츠를 생성하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에서, 상기 사용자 수면 콘텐츠를 생성하는 단계는, 상기 생성된 수면 텍스트 콘텐츠와 상기 생성된 수면 음원 콘텐츠를 사용자에게 제공하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
그리고, 본 발명의 일 실시예에서, 상기 사용자 수면 콘텐츠를 생성하는 단계는, 상기 생성된 수면 시각 콘텐츠를 사용자에게 제공하는 단계를 더 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일 실시예에서, 상기 생성된 수면 음원 콘텐츠와, 상기 생성된 수면 텍스트 콘텐츠의 키워드 및 타이틀이 시계열적으로 정합하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법에 있어서, 사용자 키워드 입력 단계; 상기 입력된 사용자 키워드를 대규모 언어 모델의 입력으로 하여 기본 문장을 생성하는 단계; 상기 생성된 기본 문장에 기초하여 수면 문장 키워드를 선정하는 수면 문장 키워드 정제 단계; 상기 선정된 문장 키워드에 기초하여 수면 콘텐츠 테마 선정 단계; 상기 선정된 수면 콘텐츠 테마에 기초하여 수면 콘텐츠를 생성하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일실시예에서, 상기 사용자 키워드 입력 단계는, 상기 사용자 키워드를 사용자로부터 직접 입력 받는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
그리고, 본 발명의 일실시예에서, 상기 사용자 키워드 입력 단계는, 상기 사용자 키워드를 사용자 정보로부터 입력 받는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일실시예에서, 상기 수면 문장 키워드 정제 단계는, 상기 생성된 기본 문장을 대규모 언어 모델의 입력으로 하여 수면 문장 키워드를 추출하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
그리고, 본 발명의 일실시예에서, 상기 수면 콘텐츠 테마 선정 단계는, 음원 샘플 리스트의 음원 샘플 타이틀과 상기 선정된 문장 키워드 및 상기 입력된 사용자 키워드와의 유사도인 제1유사도를 측정하는 단계; 및 상기 측정된 제1유사도에 기초하여 수면 콘텐츠 테마를 선정하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일실시예에서, 상기 수면 콘텐츠 테마를 선정하는 단계는, 상기 선정된 수면 문장 키워드 및 상기 입력된 사용자 키워드에 기초하여 하나 이상의 수면 콘텐츠 이벤트를 선정하는 단계를 더 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
그리고, 본 발명의 일실시예에서, 상기 하나 이상의 수면 콘텐츠 이벤트를 선정하는 단계는, 상기 입력된 사용자 키워드의 형용사를 제거하는 단계; 상기 형용사가 제거된 사용자 키워드와 음원 샘플 리스트의 음원 샘플 타이틀의 유사도인 제2유사도를 측정하는 제2유사도 측정 단계; 및 상기 측정된 제2유사도에 기초하여 수면 콘텐츠 이벤트를 선정하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일실시예에서, 상기 제2유사도를 측정하는 단계는, 상기 음원 샘플 타이틀과 상기 형용사가 제거된 사용자 키워드에 공통된 단어가 있는 경우에 제2유사도가 존재한다고 판단하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
그리고, 본 발명의 일실시예에서, 상기 하나 이상의 수면 콘텐츠 이벤트를 선정하는 단계는, 상기 음원 샘플 리스트의 음원 샘플 타이틀과 상기 선정된 문장 키워드 및 상기 입력된 사용자 키워드와의 유사도인 제3유사도를 측정하는 단계; 및 상기 측정된 제3유사도에 기초하여 상기 선정된 수면 콘텐츠 테마를 제외한 상기 음원 샘플 리스트의 음원 샘플 타이틀을 수면 콘텐츠 이벤트로 선정하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
또한, 본 발명의 일실시예에서, 상기 선정된 수면 콘텐츠 테마 및 상기 선정된 콘텐츠 이벤트에 기초하여 수면 콘텐츠를 생성하는 단계는, 상기 생성된 기본 문장, 상기 선정된 수면 콘텐츠 테마 및 상기 선정된 수면 콘텐츠 이벤트를 대규모 언어 모델의 입력으로 하여 수면 콘텐츠 문장을 생성하는 단계; 및 상기 생성된 수면 콘텐츠 문장에 기초하여 수면 음원 콘텐츠을 생성하는 단계를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
그리고, 본 발명의 일실시예에 따른 상기 수면 음원 콘텐츠를 생성하는 단계에 있어서, 상기 생성되는 수면 음원 콘텐츠는 상기 생성된 수면 콘텐츠 문장의 순서와 대응되는, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법을 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 생성형 인공지능을 활용한 사용자 수면정보에 기반하여 수면 콘텐츠의 생성 및 제공하기 위한 저장매체에 있어서, 생성형 인공지능을 활용한 사용자 수면정보에 기반하여 수면 콘텐츠의 생성 및 제공하기 위한 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 저장한 비일시적 컴퓨터 판독가능 저장 매체로서, 상기 하나 이상의 프로그램은 상술한 방법들 중 하나 이상의 방법을 수행하라는 명령어들을 포함하는, 비일시적 컴퓨터 판독가능 저장 매체를 제공할 수 있다.
한편, 본 발명의 일 실시예에 따른 생성형 인공지능을 활용한 사용자 수면정보에 기반하여 수면 콘텐츠의 생성 및 제공하는 장치에 있어서, 디스플레이부; 하나 이상의 프로세서; 및 상기 하나이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 저장하는 메모리 - 상기 하나 이상의 프로그램은 상술한 방법들 중 하나 이상의 방법을 수행하기 위한 명령어들을 포함함 - 를 포함하는, 생성형 인공지능을 활용한 사용자 수면정보에 기반하여 수면 콘텐츠의 생성 및 제공하는 장치를 제공할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보 제공 및 수면 상태 정보 획득 방법은, 심상 유도 정보를 준비하는 단계; 상기 준비된 심상 유도 정보를 사용자에게 제공하는 단계; 사용자의 환경 센싱 정보를 획득하는 단계; 상기 획득된 환경 센싱 정보에 기초하여 사용자의 수면 상태 정보를 획득하는 단계; 및 상기 획득한 수면 상태 정보를 디스플레이하는 단계;를 포함하고, 상기 사용자의 수면 상태 정보를 획득하는 단계는, 상기 획득된 환경 센싱 정보를 수면 분석 모델의 입력으로 하여 상기 수면 상태 정보를 출력하는 단계;를 포함하고, 상기 수면 상태 정보는, 사용자에게 상기 준비된 심상 유도 정보를 제공한 후 획득된 상기 환경 센싱 정보에 기초하여 획득되고, 상기 환경 센싱 정보는, 사용자의 활동 또는 수면 동안 획득되는 음향 정보를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보 제공 및 수면 상태 정보 획득 방법에 있어서, 상기 심상 유도 정보를 준비하는 단계는, 룩업 테이블에 기초하여 상기 심상 유도 정보를 준비하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보 제공 및 수면 상태 정보 획득 방법에 있어서, 상기 준비된 심상 유도 정보를 제공하는 단계는 심상 유도 음향 정보, 심상 유도 시각 정보, 심상 유도 텍스트 정보, 심상 유도 텍스트 음향 정보 중 적어도 하나 또는 둘 이상의 결합을 제공하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보 제공 및 수면 상태 정보 획득 방법에 있어서, 상기 준비된 심상 유도 정보를 제공하는 단계는 심상 유도 시나리오를 갖는 준비된 시계열적 심상 유도 음향 정보, 준비된 시계열적 심상 유도 시각 정보, 준비된 시계열적 심상 유도 텍스트 음향 정보 및 준비된 시계열적 심상 유도 텍스트 정보 중 적어도 하나 또는 둘 이상의 결합을 제공하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보 제공 및 수면 상태 정보 획득 방법에 있어서, 상기 심상 유도 음향 정보는, 단일한 음향 정보, 백색소음, 물 소리, 자연의 소리, ASMR(autonomous sensory meridian response), 사람이 내는 소리, SF 소리, 악기 소리, 동물 소리, 멜로디, 도시 소리, 빗소리, 바다, 강, 호수 소리, 땅, 바람, 불 소리, 수면용 이야기 소리가 선사하는 안식의 소리, 사용자가 선호하는 기억과 연관된 음향 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 음향 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보 제공 및 수면 상태 정보 획득 방법에 있어서, 상기 심상 유도 시각 정보는, 단일한 시각 정보, 백색소음을 연상시키는 시각 정보, 물을 연상시키는 시각 정보, 자연을 연상시키는 시각 정보, ASMR(autonomous sensory meridian response), 사람이 소리를 내는 시각 정보, SF 시각 정보, 악기의 시각 정보, 동물 시각 정보, 멜로디 시각 정보, 도시 시각 정보, 비를 연상시키는 시각 정보, 바다, 강, 호수를 연상시키는 시각 정보, 땅, 바람, 불을 연상시키는 시각 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 시각 정보, 사용자가 선호하는 기억과 연관된 시각 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 시각 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보 제공 및 수면 상태 정보 획득 방법에 있어서, 상기 심상 유도 텍스트 음향 정보는, 단일한 텍스트 음향 정보, 물을 연상시키는 텍스트 음향 정보, 자연을 연상시키는 텍스트 음향 정보, ASMR(autonomous sensory meridian response)을 연상시키는 텍스트 음향 정보, 사람이 소리를 내는 텍스트 음향 정보, SF 텍스트 음향 정보, 악기를 연상시키는 텍스트 음향 정보, 동물을 연상시키는 텍스트 음향 정보, 도시를 연상시키는 텍스트 음향 정보, 비를 연상시키는 텍스트 음향 정보, 바다, 강, 호수를 연상시키는 텍스트 음향 정보, 땅, 바람, 불을 연상시키는 텍스트 음향 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 음향 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보 제공 및 수면 상태 정보 획득 방법에 있어서, 상기 심상 유도 텍스트 정보는, 단일한 텍스트 정보, 백색소음을 연상시키는 텍스트 정보, 물을 연상시키는 텍스트 정보, 자연을 연상시키는 텍스트 정보, ASMR(autonomous sensory meridian response)를 연상시키는 텍스트 정보, 사람이 소리를 내는 텍스트 정보, SF 텍스트 정보, 악기의 텍스트 정보, 동물 텍스트 정보, 멜로디 텍스트 정보, 도시 텍스트 정보, 비를 연상시키는 텍스트 정보, 바다, 강, 호수를 연상시키는 텍스트 정보, 땅, 바람, 불을 연상시키는 텍스트 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 정보, 사용자가 선호하는 기억과 연관된 텍스트 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보 제공 및 수면 상태 정보 획득 방법에 있어서, 상기 환경 센싱 정보는 상기 사용자의 수면 시간 동안 상기 사용자가 수면을 취하는 공간에서 비접촉식 방식으로 획득되는 시계열 데이터일 수 있다.
본 발명의 일 실시예에 따른 수면 상태 정보를 획득하기 위한 장치는, 메모리; 네트워크부; 및 프로세서;를 포함하고, 상기 네트워크부는, 사용자 단말이 사용자에게 준비된 심상 유도 정보를 제공한 후 사용자로부터 환경 센싱 정보를 획득하고, 상기 획득한 환경 센싱 정보를 송신하면, 상기 송신된 환경 센싱 정보를 수신하고, 상기 프로세서는, 상기 수신된 환경 센싱 정보에 기초하여 사용자의 수면 상태 정보를 획득하고, 상기 네트워크부는, 상기 획득된 수면 상태 정보를 상기 사용자 단말이 디스플레이할 수 있도록 상기 사용자 단말로 송신하고, 상기 수면 상태 정보는 상기 환경 센싱 정보를 수면 분석 모델의 입력으로 하여 출력되고, 상기 수면 상태 정보는 사용자에게 상기 준비된 심상 유도 정보를 제공한 후 획득된 상기 환경 센싱 정보에 기초하여 획득되고, 상기 환경 센싱 정보는, 사용자의 활동 도는 수면 동안 획득되는 음향 정보를 포함할 수 있다.
본 발명의 일 실시예에 따른 수면 상태 정보를 획득하기 위한 장치에 있어서, 상기 준비된 심상 유도 정보는 룩업 테이블에 기초하여 준비될 수 있다.
본 발명의 일 실시예에 따른 수면 상태 정보를 획득하기 위한 장치에 있어서, 상기 준비된 심상 유도 정보는 기록된 심상 유도 음향 정보, 기록된 심상 유도 시각 정보, 기록된 심상 유도 텍스트 정보 및 기록된 심상 유도 텍스트 음향 정보 중 적어도 하나 또는 둘 이상의 결합일 수 있다.
본 발명의 일 실시예에 따른 수면 상태 정보를 획득하기 위한 장치에 있어서, 상기 준비된 심상 유도 정보는 심상 유도 시나리오를 갖는 기록된 시계열적 심상 유도 음향 정보, 기록된 시계열적 심상 유도 시각 정보, 기록된 시계열적 심상 유도 텍스트 음향 정보 및 기록된 시계열적 심상 유도 텍스트 정보 중 적어도 하나이거나 또는 둘 이상의 결합일 수 있다.
본 발명의 일 실시예에 따른 수면 상태 정보를 획득하기 위한 장치에 있어서, 상기 기록된 심상 유도 음향 정보는, 단일한 음향 정보, 백색소음, 물 소리, 자연의 소리, ASMR(autonomous sensory meridian response), 사람이 내는 소리, SF 소리, 악기 소리, 동물 소리, 멜로디, 도시 소리, 빗소리, 바다, 강, 호수 소리, 땅, 바람, 불 소리, 수면용 이야기 소리가 선사하는 안식의 소리, 사용자가 선호하는 기억과 연관된 음향 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 음향 정보 중 적어도 하나 이상를 포함할 수 있다.
본 발명의 일 실시예에 따른 수면 상태 정보를 획득하기 위한 장치에 있어서, 상기 기록된 심상 유도 시각 정보는, 단일한 시각 정보, 백색소음을 연상시키는 시각 정보, 물을 연상시키는 시각 정보, 자연을 연상시키는 시각 정보, ASMR(autonomous sensory meridian response), 사람이 소리를 내는 시각 정보, SF 시각 정보, 악기의 시각 정보, 동물 시각 정보, 멜로디 시각 정보, 도시 시각 정보, 비를 연상시키는 시각 정보, 바다, 강, 호수를 연상시키는 시각 정보, 땅, 바람, 불을 연상시키는 시각 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 시각 정보, 사용자가 선호하는 기억과 연관된 시각 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 시각 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 수면 상태 정보를 획득하기 위한 장치에 있어서, 상기 기록된 심상 유도 텍스트 음향 정보는, 단일한 텍스트 음향 정보, 물을 연상시키는 텍스트 음향 정보, 자연을 연상시키는 텍스트 음향 정보, ASMR(autonomous sensory meridian response)을 연상시키는 텍스트 음향 정보, 사람이 소리를 내는 텍스트 음향 정보, SF 텍스트 음향 정보, 악기를 연상시키는 텍스트 음향 정보, 동물을 연상시키는 텍스트 음향 정보, 도시를 연상시키는 텍스트 음향 정보, 비를 연상시키는 텍스트 음향 정보, 바다, 강, 호수를 연상시키는 텍스트 음향 정보, 땅, 바람, 불을 연상시키는 텍스트 음향 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 음향 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 수면 상태 정보를 획득하기 위한 장치에 있어서, 상기 기록된 심상 유도 텍스트 음향 정보는, 단일한 텍스트 음향 정보, 물을 연상시키는 텍스트 음향 정보, 자연을 연상시키는 텍스트 음향 정보, ASMR(autonomous sensory meridian response)을 연상시키는 텍스트 음향 정보, 사람이 소리를 내는 텍스트 음향 정보, SF 텍스트 음향 정보, 악기를 연상시키는 텍스트 음향 정보, 동물을 연상시키는 텍스트 음향 정보, 도시를 연상시키는 텍스트 음향 정보, 비를 연상시키는 텍스트 음향 정보, 바다, 강, 호수를 연상시키는 텍스트 음향 정보, 땅, 바람, 불을 연상시키는 텍스트 음향 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 음향 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 수면 상태 정보를 획득하기 위한 장치에 있어서, 상기 기록된 상기 심상 유도 텍스트 정보는, 단일한 텍스트 정보, 백색소음을 연상시키는 텍스트 정보, 물을 연상시키는 텍스트 정보, 자연을 연상시키는 텍스트 정보, ASMR(autonomous sensory meridian response)를 연상시키는 텍스트 정보, 사람이 소리를 내는 텍스트 정보, SF 텍스트 정보, 악기의 텍스트 정보, 동물 텍스트 정보, 멜로디 텍스트 정보, 도시 텍스트 정보, 비를 연상시키는 텍스트 정보, 바다, 강, 호수를 연상시키는 텍스트 정보, 땅, 바람, 불을 연상시키는 텍스트 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 정보, 사용자가 선호하는 기억과 연관된 텍스트 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 수면 상태 정보를 획득하기 위한 장치에 있어서, 상기 환경 센싱 정보는 상기 사용자의 수면 시간 동안 상기 사용자가 수면을 취하는 공간에서 비접촉식 방식으로 획득되는 시계열 데이터일 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보를 제공하고 수면 상태 정보를 획득하기 위해 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 기록한 컴퓨터 판독가능 저장 매체에 있어서, 상기 하나 이상의 프로그램은 심상 유도 정보를 준비하는 단계; 상기 준비된 심상 유도 정보를 사용자에게 제공하는 단계; 사용자의 환경 센싱 정보를 획득하는 단계; 상기 획득된 환경 센싱 정보에 기초하여 사용자의 수면 상태 정보를 획득하는 단계; 및 상기 획득한 수면 상태 정보를 디스플레이하는 단계;를 포함하고, 상기 사용자의 수면 상태 정보를 획득하는 단계는, 상기 획득된 환경 센싱 정보를 수면 분석 모델의 입력으로 하여 상기 수면 상태 정보를 출력하는 단계;를 포함하고, 상기 사용자의 수면 상태 정보를 획득하는 단계는, 사용자에게 상기 준비된 심상 유도 정보를 제공한 후 획득된 상기 환경 센싱 정보에 기초하여 획득되고, 상기 환경 센싱 정보는, 사용자의 활동 또는 수면 동안 획득되는 음향 정보를 포함하는, 심상 유도 정보 제공 및 수면 상태 정보 획득 방법을 수행하라는 명령어들을 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보를 제공하고 수면 상태 정보를 획득하기 위해 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 기록한 컴퓨터 판독가능 저장 매체에 있어서, 상기 심상 유도 정보를 준비하는 단계는, 룩업 테이블에 기초하여 상기 심상 유도 정보를 준비하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보를 제공하고 수면 상태 정보를 획득하기 위해 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 기록한 컴퓨터 판독가능 저장 매체에 있어서, 상기 준비된 심상 유도 정보를 제공하는 단계는 심상 유도 음향 정보, 심상 유도 시각 정보, 심상 유도 텍스트 정보, 심상 유도 텍스트 음향 정보 중 적어도 하나 또는 둘 이상의 결합을 제공하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보를 제공하고 수면 상태 정보를 획득하기 위해 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 기록한 컴퓨터 판독가능 저장 매체에 있어서, 상기 준비된 심상 유도 정보를 제공하는 단계는 심상 유도 시나리오를 갖는 준비된 시계열적 심상 유도 음향 정보, 준비된 시계열적 심상 유도 시각 정보, 준비된 시계열적 심상 유도 텍스트 음향 정보 및 준비된 시계열적 심상 유도 텍스트 정보 중 적어도 하나 또는 둘 이상의 결합을 제공하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보를 제공하고 수면 상태 정보를 획득하기 위해 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 기록한 컴퓨터 판독가능 저장 매체에 있어서, 상기 심상 유도 음향 정보는, 단일한 음향 정보, 백색소음, 물 소리, 자연의 소리, ASMR(autonomous sensory meridian response), 사람이 내는 소리, SF 소리, 악기 소리, 동물 소리, 멜로디, 도시 소리, 빗소리, 바다, 강, 호수 소리, 땅, 바람, 불 소리, 수면용 이야기 소리가 선사하는 안식의 소리, 사용자가 선호하는 기억과 연관된 음향 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 음향 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보를 제공하고 수면 상태 정보를 획득하기 위해 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 기록한 컴퓨터 판독가능 저장 매체에 있어서, 상기 심상 유도 시각 정보는, 단일한 시각 정보, 백색소음을 연상시키는 시각 정보, 물을 연상시키는 시각 정보, 자연을 연상시키는 시각 정보, ASMR(autonomous sensory meridian response), 사람이 소리를 내는 시각 정보, SF 시각 정보, 악기의 시각 정보, 동물 시각 정보, 멜로디 시각 정보, 도시 시각 정보, 비를 연상시키는 시각 정보, 바다, 강, 호수를 연상시키는 시각 정보, 땅, 바람, 불을 연상시키는 시각 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 시각 정보, 사용자가 선호하는 기억과 연관된 시각 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 시각 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보를 제공하고 수면 상태 정보를 획득하기 위해 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 기록한 컴퓨터 판독가능 저장 매체에 있어서, 상기 심상 유도 텍스트 음향 정보는, 단일한 텍스트 음향 정보, 물을 연상시키는 텍스트 음향 정보, 자연을 연상시키는 텍스트 음향 정보, ASMR(autonomous sensory meridian response)을 연상시키는 텍스트 음향 정보, 사람이 소리를 내는 텍스트 음향 정보, SF 텍스트 음향 정보, 악기를 연상시키는 텍스트 음향 정보, 동물을 연상시키는 텍스트 음향 정보, 도시를 연상시키는 텍스트 음향 정보, 비를 연상시키는 텍스트 음향 정보, 바다, 강, 호수를 연상시키는 텍스트 음향 정보, 땅, 바람, 불을 연상시키는 텍스트 음향 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 음향 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보를 제공하고 수면 상태 정보를 획득하기 위해 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 기록한 컴퓨터 판독가능 저장 매체에 있어서, 상기 심상 유도 텍스트 정보는, 단일한 텍스트 정보, 백색소음을 연상시키는 텍스트 정보, 물을 연상시키는 텍스트 정보, 자연을 연상시키는 텍스트 정보, ASMR(autonomous sensory meridian response)를 연상시키는 텍스트 정보, 사람이 소리를 내는 텍스트 정보, SF 텍스트 정보, 악기의 텍스트 정보, 동물 텍스트 정보, 멜로디 텍스트 정보, 도시 텍스트 정보, 비를 연상시키는 텍스트 정보, 바다, 강, 호수를 연상시키는 텍스트 정보, 땅, 바람, 불을 연상시키는 텍스트 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 정보, 사용자가 선호하는 기억과 연관된 텍스트 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 정보 중 적어도 하나를 포함할 수 있다.
본 발명의 일 실시예에 따른 심상 유도 정보를 제공하고 수면 상태 정보를 획득하기 위해 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 기록한 컴퓨터 판독가능 저장 매체에 있어서, 상기 환경 센싱 정보는 상기 사용자의 수면 시간 동안 상기 사용자가 수면을 취하는 공간에서 비접촉식 방식으로 획득되는 시계열 데이터일 수 있다.
본 발명의 실시 형태에 따른 슬립이미지 또는 슬립동영상 생성 및 제공 방법을 사용하면, 사용자에게 지난 밤의 수면의 질을 정량적인 수치로 직접적으로 제공하지 않기 때문에, 정량적인 수치에 대한 거부감이나 불쾌감을 느끼지 않는 이점이 있다.
또한, 슬립이미지 또는 슬립동영상 생성 및 공유를 통해, 기존 사용자의 리텐션이 가능하고, 새로운 사용자를 유도할 수 있는 이점이 있다.
또한, 사용자의 지난 밤의 수면에 대한 텍스트를 통해 사용자의 정성적인 슬립데이터를 획득할 수 있는 이점이 있다.
또한, 본 발명에 따르면, 수면 정보에 기초하여 하나 이상의 데이터 배열을 생성하고, 데이터 배열을 콘텐츠 생성형 인공지능에 입력 함으로써, 수면과 관련된 수면 콘텐츠를 생성하고, 사용자 맞춤형 수면 콘텐츠를 제공하여 사용자의 수면에 대한 직관적인 이해를 제고하고, 사용자의 수면에 질을 향상시키는데 기여할 수 있다.
본 발명에 따르면, 심상 유도 정보를 생성하고 제공함으로써 사용자의 수면을 유도하거나, 수면의 질을 향상시킬 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1a 및 도 1b는 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 장치 또는 수면 콘텐츠 제공 장치의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도이다.
도 1c는 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공이 사용자 단말(300)에서 구현되는 경우의 시스템을 나타낸 개념도이다.
도 1d는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 심상 유도 정보를 생성하는 장치(100a)의 시스템을 나타낸 개념도이다.
도 1e는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 심상 유도 정보를 제공하는 장치(200a)의 시스템을 나타낸 개념도이다.
도 1f는 본 발명의 일 실시예에 따라 수면 상태 정보에 기초하여 수면 환경을 조성하기 위한 컴퓨팅 장치의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다.
도 1g는 본 발명의 또 다른 실시예에 따라 수면 환경 조절 장치의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다.
도 1h는 본 발명의 또 다른 실시예에 따른 다양한 전자 장치들의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도이다.
도 1i는 본 발명의 일 실시예에 따른 슬립이미지 생성 및 제공 시스템을 설명하기 위한 도면이다.
도 2a는 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 장치(700)/제공 장치(800)의 구성을 나타내는 블록도이다.
도 2b는 본 발명에 따른 전자 장치(600)의 구성을 나타내는 블록도이다.
도 2c는 본 발명의 일 실시예에 따라 사용자의 수면 환경에 관련한 일 공간을 예시적으로 나타낸 예시도이다.
도 2d는 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)를 설명하기 위한 블록도이다.
도 2e는 본 발명의 일 실시예에 따른 외부 단말(200)을 설명하기 위한 블록도이다.
도 2f는 본 발명의 일 실시예에 따른 사용자 단말(300)을 설명하기 위한 블록도이다.
도 2g는 본 발명의 일 실시예에 따른 수면 환경 조절 장치의 예시적인 블록구성도를 도시한다.
도 2h는 본 발명의 일 실시예에 따른 수신 모듈 및 송신 모듈의 예시적인 블록 구성도를 도시한다.
도 2i는 본 발명의 일 실시예에 따라 환경 센싱 정보를 획득할 수 있는 영역 (또는, 수면 감지 영역) (11a)에 사용자가 위치하였는지 여부를 감지하는 제2센서부를 설명하기 위한 예시도이다.
도 3a 및 도 3b는 본 발명에 따른 수면 분석 방법의 성능을 검증한 그래프로, 수면다원검사(polysomnography, PSG) 결과(PSG result)와 본 발명에 따른 AI 알고리즘을 이용한 분석 결과(AI result)를 비교한 도면이다.
도 3c는 본 발명에 따른 수면 분석 방법의 성능을 검증한 그래프로, 수면 무호흡증(apnea), 호흡저하(hypopnea)와 관련하여 수면다원검사(polysomnography, PSG) 결과(PSG result)와 본 발명에 따른 AI 알고리즘을 이용한 분석 결과(AI result)를 비교한 도면이다.
도 4는 본 발명에 따른 수면 분석 방법의 성능을 검증하기 위한 실험과정을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따라 환경 센싱 정보로부터 수면 음향 정보를 획득하는 과정을 설명하기 위한 예시도이다.
도 6a는 본 발명의 일 실시예에 따라 수면 음향 정보에 대응하는 스펙트로그램을 획득하는 방법을 설명하기 위한 예시도이다.
도 6b는 본 발명에 따른 수면 분석 방법에 있어서 스펙트로그램을 이용한 수면단계분석을 설명하기 위한 도면이다.
도 6c는 본 발명에 따른 수면 분석 방법에 있어서 스펙트로그램을 이용한 수면장애 판단을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따라, 사용자의 수면 상태에 기초하여 생성되는 시점별 환경 조성 정보를 예시적으로 나타낸 예시도이다.
도 8은 본 발명의 일 실시예에 따라, 수면 상태 정보에 기초하여 수면 환경 조성 방법을 제공하기 위한 예시적인 순서도를 도시한다.
도 9는 본 발명의 일 실시예에 따른 하나 이상의 네트워크 함수를 나타낸 개략도이다.
도 10은 본 발명의 일 실시예에 따라서, 사용자의 수면을 분석하기 위해서 딥러닝을 활용한 수면 분석 모델의 구조를 설명하기 위한 도면이다.
도 11은 본 발명에 따른 환경 조성 장치의 동작을 설명하기 위한 개념도이다.
도 12는 본 발명에 따른 환경 조성 장치의 구성을 나타내는 블록도이다.
도 13은 본 발명의 일 실시예에 따른 환경 조성 장치의 수면 측정 모드를 통해 수면 상태 정보를 획득하는 과정을 예시적으로 나타낸 순서도이다.
도 14는 본 발명의 일 실시예에 따라 사용자의 수면 인입을 유도하는 환경을 조성하는 과정을 예시적으로 나타낸 순서도이다.
도 15는 본 발명의 일 실시예에 따라 수면 중 및 기상 직전에 사용자의 수면 환경을 변화시키는 과정을 예시적으로 나타낸 순서도이다.
도 16은 본 발명의 일 실시예에 따른 사용자의 수면 기간 내 수면 단계를 표시하는 힙노그램의 또 다른 예시를 설명하기 위한 도면이다.
도 17a는 본 발명의 일 실시예에 따른 사용자의 수면에 관한 비수치적인 평가를 설명하기 위한 도면이다.
도 17b는 사용자의 수면에 관한 수치적인 평가인 수면 점수를 설명하기 위한 도면이다.
도 18은 대규모 언어 모델(Large Language Model)의 기반이 되는 Transformer모델의 구조를 설명하기 위한 도면이다.
도 19는 본 발명에 일실시예에 따른 콘텐츠 생성형 인공지능에 있어서, DIFFUSION모델의 역확산모델(Inverter Model)을 설명하기 위한 도면이다.
도 20은 본 발명에 일실시예에 따른 콘텐츠 생성형 인공지능에 있어서, GAN(Generative Adversarial Network)의 생성자(Generator)와 판별자(Discriminator)를 설명하기 위한 도면이다.
도 21은 수면 플롯을 생성하기 위한 단계를 설명하기 위한 흐름도이다.
도 22는 본 발명의 일실시예에 따른, 콘텐츠 생성형 인공지능에 의해서 생성되는 수면 음원 콘텐츠를 설명하기 위한 도면이다.
도 23은 본 발명의 일실시예에 따른, 콘텐츠 생성형 인공지능에 의해서 생성되는 수면 콘텐츠를 설명하기 위한 도면이다.
도 24는 본 발명의 일실시예에 따른, 콘텐츠 생성형 인공지능에 의해서 생성되는 수면 음원 콘텐츠와 수면 텍스트 콘텐츠의 키워드의 정합됨을 설명하기 위한 도면이다.
도 25는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 심상 유도 정보를 제공하는 사용자 단말(300)의 한 실시 형태를 나타낸 도면이다.
도 26a는 본 발명에 따른 정서적 모델링의 방법 중 사용자가 스와이프를 하며 어떤 컨텐츠를 체크하는 방식을 설명하기 위한 도면이다.
도 26b는 본 발명의 따른 정서적 모델링의 방법 중 사용자가 선호하는 텍스트를 입력받는 방식을 설명하기 위한 도면이다.
도 26c는 본 발명에 따른 정서적 모델링의 방법 중 사용자가 선호하는 컨텐츠에 대한 키워드를 선택하는 방식을 설명하기 위한 도면이다.
도 27은 본 발명의 실시 형태에 따른 슬립이미지 생성 및 제공 방법의 일 예를 설명하기 위한 순서도이다.
도 28 내지 도 36, 및 도 41은 도 27의 순서도가 사용자 단말(300)에서 구체적으로 구현된 실제 예시 화면들이다.
도 37은 본 발명의 실시예들에 따른 슬립이미지의 예시들을 나타낸 도면이다.
도 38 내지 도 40은 다른 실시 예들에 따른 슬립이미지들을 설명하기 위한 도면들이다.
도 42는 본 발명의 다른 실시 형태에 따른 슬립이미지 제공 및 제공 방법을 설명하기 위한 순서도이다.
도 43은 본 발명의 또 다른 실시 형태에 따른 슬립이미지 제공 및 제공 방법을 설명하기 위한 순서도이다.
도 44는 본 발명의 또 다른 실시 형태에 따른 슬립이미지 제공 및 제공 방법을 설명하기 위한 순서도이다.
도 45는 본 발명의 일실시예에 따른 컨시스턴시 트레이닝(Consistency Training)을 설명하기 위한 도면이다.
도 46은 본 발명의 일실시예에 따른 수면 음향 정보와 수면 환경 정보를 멀티모달 데이터로 결합하는 과정을 포함하는 한 수면 상태 정보를 분석하기 위한 방법을 설명하기 위한 흐름도이다.
도 47은 본 발명의 일실시예에 따른 수면 음향 정보와 수면 환경 정보 각각을 추론한 것을 멀티모달 데이터로 결합하는 단계를 포함하는 수면 상태 정보를 분석하기 위한 방법을 설명하기 위한 흐름도이다.
도 48은 본 발명의 일실시예에 따른 수면 음향 정보를 추론한 것을 수면 환경 정보와 멀티모달 데이터로 결합하는 단계를 포함하는 수면 상태 정보를 분석하기 위한 방법을 설명하기 위한 흐름도이다.
도 49는 본 발명의 일 실시예에 따른, 수면 중 발생하는 수면 이벤트를 통해 수면 무호흡증 발생 지수인 AHI를 분석하기 위해 활용하는 선형회귀분석 함수를 설명하기 위한 도면이다.
도 1c는 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공이 사용자 단말(300)에서 구현되는 경우의 시스템을 나타낸 개념도이다.
도 1d는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 심상 유도 정보를 생성하는 장치(100a)의 시스템을 나타낸 개념도이다.
도 1e는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 심상 유도 정보를 제공하는 장치(200a)의 시스템을 나타낸 개념도이다.
도 1f는 본 발명의 일 실시예에 따라 수면 상태 정보에 기초하여 수면 환경을 조성하기 위한 컴퓨팅 장치의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다.
도 1g는 본 발명의 또 다른 실시예에 따라 수면 환경 조절 장치의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다.
도 1h는 본 발명의 또 다른 실시예에 따른 다양한 전자 장치들의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도이다.
도 1i는 본 발명의 일 실시예에 따른 슬립이미지 생성 및 제공 시스템을 설명하기 위한 도면이다.
도 2a는 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 장치(700)/제공 장치(800)의 구성을 나타내는 블록도이다.
도 2b는 본 발명에 따른 전자 장치(600)의 구성을 나타내는 블록도이다.
도 2c는 본 발명의 일 실시예에 따라 사용자의 수면 환경에 관련한 일 공간을 예시적으로 나타낸 예시도이다.
도 2d는 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)를 설명하기 위한 블록도이다.
도 2e는 본 발명의 일 실시예에 따른 외부 단말(200)을 설명하기 위한 블록도이다.
도 2f는 본 발명의 일 실시예에 따른 사용자 단말(300)을 설명하기 위한 블록도이다.
도 2g는 본 발명의 일 실시예에 따른 수면 환경 조절 장치의 예시적인 블록구성도를 도시한다.
도 2h는 본 발명의 일 실시예에 따른 수신 모듈 및 송신 모듈의 예시적인 블록 구성도를 도시한다.
도 2i는 본 발명의 일 실시예에 따라 환경 센싱 정보를 획득할 수 있는 영역 (또는, 수면 감지 영역) (11a)에 사용자가 위치하였는지 여부를 감지하는 제2센서부를 설명하기 위한 예시도이다.
도 3a 및 도 3b는 본 발명에 따른 수면 분석 방법의 성능을 검증한 그래프로, 수면다원검사(polysomnography, PSG) 결과(PSG result)와 본 발명에 따른 AI 알고리즘을 이용한 분석 결과(AI result)를 비교한 도면이다.
도 3c는 본 발명에 따른 수면 분석 방법의 성능을 검증한 그래프로, 수면 무호흡증(apnea), 호흡저하(hypopnea)와 관련하여 수면다원검사(polysomnography, PSG) 결과(PSG result)와 본 발명에 따른 AI 알고리즘을 이용한 분석 결과(AI result)를 비교한 도면이다.
도 4는 본 발명에 따른 수면 분석 방법의 성능을 검증하기 위한 실험과정을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따라 환경 센싱 정보로부터 수면 음향 정보를 획득하는 과정을 설명하기 위한 예시도이다.
도 6a는 본 발명의 일 실시예에 따라 수면 음향 정보에 대응하는 스펙트로그램을 획득하는 방법을 설명하기 위한 예시도이다.
도 6b는 본 발명에 따른 수면 분석 방법에 있어서 스펙트로그램을 이용한 수면단계분석을 설명하기 위한 도면이다.
도 6c는 본 발명에 따른 수면 분석 방법에 있어서 스펙트로그램을 이용한 수면장애 판단을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따라, 사용자의 수면 상태에 기초하여 생성되는 시점별 환경 조성 정보를 예시적으로 나타낸 예시도이다.
도 8은 본 발명의 일 실시예에 따라, 수면 상태 정보에 기초하여 수면 환경 조성 방법을 제공하기 위한 예시적인 순서도를 도시한다.
도 9는 본 발명의 일 실시예에 따른 하나 이상의 네트워크 함수를 나타낸 개략도이다.
도 10은 본 발명의 일 실시예에 따라서, 사용자의 수면을 분석하기 위해서 딥러닝을 활용한 수면 분석 모델의 구조를 설명하기 위한 도면이다.
도 11은 본 발명에 따른 환경 조성 장치의 동작을 설명하기 위한 개념도이다.
도 12는 본 발명에 따른 환경 조성 장치의 구성을 나타내는 블록도이다.
도 13은 본 발명의 일 실시예에 따른 환경 조성 장치의 수면 측정 모드를 통해 수면 상태 정보를 획득하는 과정을 예시적으로 나타낸 순서도이다.
도 14는 본 발명의 일 실시예에 따라 사용자의 수면 인입을 유도하는 환경을 조성하는 과정을 예시적으로 나타낸 순서도이다.
도 15는 본 발명의 일 실시예에 따라 수면 중 및 기상 직전에 사용자의 수면 환경을 변화시키는 과정을 예시적으로 나타낸 순서도이다.
도 16은 본 발명의 일 실시예에 따른 사용자의 수면 기간 내 수면 단계를 표시하는 힙노그램의 또 다른 예시를 설명하기 위한 도면이다.
도 17a는 본 발명의 일 실시예에 따른 사용자의 수면에 관한 비수치적인 평가를 설명하기 위한 도면이다.
도 17b는 사용자의 수면에 관한 수치적인 평가인 수면 점수를 설명하기 위한 도면이다.
도 18은 대규모 언어 모델(Large Language Model)의 기반이 되는 Transformer모델의 구조를 설명하기 위한 도면이다.
도 19는 본 발명에 일실시예에 따른 콘텐츠 생성형 인공지능에 있어서, DIFFUSION모델의 역확산모델(Inverter Model)을 설명하기 위한 도면이다.
도 20은 본 발명에 일실시예에 따른 콘텐츠 생성형 인공지능에 있어서, GAN(Generative Adversarial Network)의 생성자(Generator)와 판별자(Discriminator)를 설명하기 위한 도면이다.
도 21은 수면 플롯을 생성하기 위한 단계를 설명하기 위한 흐름도이다.
도 22는 본 발명의 일실시예에 따른, 콘텐츠 생성형 인공지능에 의해서 생성되는 수면 음원 콘텐츠를 설명하기 위한 도면이다.
도 23은 본 발명의 일실시예에 따른, 콘텐츠 생성형 인공지능에 의해서 생성되는 수면 콘텐츠를 설명하기 위한 도면이다.
도 24는 본 발명의 일실시예에 따른, 콘텐츠 생성형 인공지능에 의해서 생성되는 수면 음원 콘텐츠와 수면 텍스트 콘텐츠의 키워드의 정합됨을 설명하기 위한 도면이다.
도 25는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 심상 유도 정보를 제공하는 사용자 단말(300)의 한 실시 형태를 나타낸 도면이다.
도 26a는 본 발명에 따른 정서적 모델링의 방법 중 사용자가 스와이프를 하며 어떤 컨텐츠를 체크하는 방식을 설명하기 위한 도면이다.
도 26b는 본 발명의 따른 정서적 모델링의 방법 중 사용자가 선호하는 텍스트를 입력받는 방식을 설명하기 위한 도면이다.
도 26c는 본 발명에 따른 정서적 모델링의 방법 중 사용자가 선호하는 컨텐츠에 대한 키워드를 선택하는 방식을 설명하기 위한 도면이다.
도 27은 본 발명의 실시 형태에 따른 슬립이미지 생성 및 제공 방법의 일 예를 설명하기 위한 순서도이다.
도 28 내지 도 36, 및 도 41은 도 27의 순서도가 사용자 단말(300)에서 구체적으로 구현된 실제 예시 화면들이다.
도 37은 본 발명의 실시예들에 따른 슬립이미지의 예시들을 나타낸 도면이다.
도 38 내지 도 40은 다른 실시 예들에 따른 슬립이미지들을 설명하기 위한 도면들이다.
도 42는 본 발명의 다른 실시 형태에 따른 슬립이미지 제공 및 제공 방법을 설명하기 위한 순서도이다.
도 43은 본 발명의 또 다른 실시 형태에 따른 슬립이미지 제공 및 제공 방법을 설명하기 위한 순서도이다.
도 44는 본 발명의 또 다른 실시 형태에 따른 슬립이미지 제공 및 제공 방법을 설명하기 위한 순서도이다.
도 45는 본 발명의 일실시예에 따른 컨시스턴시 트레이닝(Consistency Training)을 설명하기 위한 도면이다.
도 46은 본 발명의 일실시예에 따른 수면 음향 정보와 수면 환경 정보를 멀티모달 데이터로 결합하는 과정을 포함하는 한 수면 상태 정보를 분석하기 위한 방법을 설명하기 위한 흐름도이다.
도 47은 본 발명의 일실시예에 따른 수면 음향 정보와 수면 환경 정보 각각을 추론한 것을 멀티모달 데이터로 결합하는 단계를 포함하는 수면 상태 정보를 분석하기 위한 방법을 설명하기 위한 흐름도이다.
도 48은 본 발명의 일실시예에 따른 수면 음향 정보를 추론한 것을 수면 환경 정보와 멀티모달 데이터로 결합하는 단계를 포함하는 수면 상태 정보를 분석하기 위한 방법을 설명하기 위한 흐름도이다.
도 49는 본 발명의 일 실시예에 따른, 수면 중 발생하는 수면 이벤트를 통해 수면 무호흡증 발생 지수인 AHI를 분석하기 위해 활용하는 선형회귀분석 함수를 설명하기 위한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 형태들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시 형태들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 형태들은 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 실시 형태들을 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.
명세서에서 사용되는 "부" 또는 "모듈"이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 "모듈"은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 "모듈"은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 "모듈"은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 "모듈"은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 "모듈"들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 "모듈"들로 결합되거나 추가적인 구성요소들과 "부" 또는 "모듈"들로 더 분리될 수 있다.
본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 형태에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.
당업자들은 추가적으로 여기서 개시된 실시 형태들과 관련되어 설명된 다양한 예시 적 논리적 블록들, 구성들, 모듈들, 회로들, 수단들, 로직들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양쪽 모두의 조합들로 구현될 수 있음을 인식해야 한다. 하드웨어 및 소프트웨어의 상호교환성을 명백하게 예시하기 위해, 다양한 예시적 컴포넌트들, 블록들, 구성들, 수단들, 로직들, 모듈들, 회로들, 및 단계들은 그들의 기능성 측면에서 일반적으로 위에서 설명되었다. 그러한 기능성이 하드웨어로 또는 소프트웨어로서 구현되는지 여부는 전반적인 시스템에 부과된 특정 어플리케이션(application) 및 설계 제한들에 달려 있다. 숙련된 기술자들은 각각의 특정 어플리케이션들을 위해 다양한 방법들로 설명된 기능성을 구현할 수 있다. 다만, 그러한 구현의 결정들이 본 발명내용의 영역을 벗어나게 하는 것으로 해석되어서는 안된다.
이하의 설명은 예시적인 방법들, 파라미터들 등을 기재하고 있다. 그러나, 이러한 설명이 본 발명의 범주에 대한 제한으로서 의도되지 않고 그 대신에 예시적인 실시예들의 설명으로서 제공된다는 것을 인식해야 한다.
전자 디바이스들, 그러한 디바이스들에 대한 사용자 인터페이스들, 및 그러한 디바이스들을 사용하기 위한 연관된 프로세스들의 실시예들이 기술된다. 일부 실시예들에서, 디바이스는 PDA 및 음악 재생기 기능들과 같은 다른 기능들을 포함하는 휴대용 통신 디바이스(예컨대, 이동전화기, 스마트 워치)를 포함할 수 있다.
한편, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법의 필요성이 존재한다. 이는 현대 사회에 있어서, 수면이 인간의 삶에 미치는 중요성이 강조 되고 있으며, 그에 따라서 수면에 관한 콘텐츠의 필요성이 증가했기 때문이다. 사용자의 수면에 관한 콘텐츠를 제공하는 것은 사용자들의 수면에 관한 평가를 의학적인 측면에서 이해하기 위한 정보를 사용자 친화적으로 전달 시킬 수 있으며, 사용자에게 더 적합한 수면에 관한 콘텐츠를 제공시킬 수 있다. 또한, 생성형 인공지능을 활용하여 사용자 개인에게 콘텐츠를 제공함으로써 사용자의 수면 콘텐츠의 적합성을 제고시키고, 직관적인 콘텐츠를 제공함으로써, 사용자의 수면의 질을 향상시킬 수 있다. 추가로, 이러한 기법들은 사용자의 수면에 관한 콘텐츠를 생성 및 제공함을 통해서 수면에 대한 피드백을 제공함으로써, 사용자의 야간 수면 건강에 대한 간접적인 진단을 제공할 수 있다.
전체적인 구성
이하, 첨부된 도면을 참조하여 본 발명의 실시예들에 따른 수면 콘텐츠를 생성 및/또는 제공하는 방법, 장치 및 시스템을 상세하게 설명한다.
본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.
도 1a 및 도 1b는 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 장치 또는 수면 콘텐츠 제공 장치의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도이다.
도 1a에 도시된 바와 같이, 본 발명의 실시예들에 따른 시스템은 컴퓨팅 장치(100), 사용자 단말(300), 외부 서버(20) 및 네트워크를 포함할 수 있다. 여기서, 도 1a에 도시된 바와 같이, 사용자 수면정보 기반의 수면 콘텐츠 생성 장치(700) 및/또는 수면 콘텐츠 제공 장치(800)가 컴퓨팅 장치(100)로서 구현될 수 있다.
또한, 도 1a에 도시된 바와 같이, 심상 유도 정보 생성 장치(100a) 및/또는 심상 유도 정보 제공 장치(200a)가 컴퓨팅 장치(100)로서 구현될 수 있다.
또는, 도 1a에 도시된 바와 같이, 슬립이미지 생성 장치 및/또는 슬립이미지 제공 장치가 컴퓨팅 장치(100)로서 구현될 수 있다.
여기서, 도 1a에 도시된 사용자 수면정보 기반의 수면 콘텐츠 생성 및/또는 제공 장치가 구현되는 시스템은 일 실시예에 따른 것이고, 그 구성요소가 도 1a에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 부가, 변경, 또는 삭제될 수 있다.
한편, 도 1b에 도시된 바와 같이, 본 발명의 실시예들에 따른 시스템은 사용자 단말(300), 외부 서버(20) 및 네트워크를 포함할 수 있다. 여기서, 도 1b에 도시된 바와 같이, 사용자 수면정보 기반의 수면 콘텐츠 생성 장치(700) 또는 수면 콘텐츠 제공 장치(800)가 별도의 컴퓨팅 장치(100)가 없이, 사용자 단말(300) 또는 외부 서버(20)로서 구현될 수 있다.
도 1b에 도시된 바와 같이, 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 장치가 사용자 단말(300)로서 구현되고, 사용자 수면정보 기반의 수면 콘텐츠 제공 장치가 외부 서버(20)로서 구현될 수 있다.
또는, 도 1b에 도시된 바와 같이, 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 장치가 외부 서버(20)로서 구현되고, 사용자 수면정보 기반의 수면 콘텐츠 제공 장치가 사용자 단말(300)로서 구현될 수 있다.
또는, 도 1b에 도시된 바와 같이, 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 장치와 사용자 수면정보 기반의 수면 콘텐츠 제공 장치가 모두 사용자 단말(300)로서 구현될 수 있다.
또는, 도 1b에 도시된 바와 같이, 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 장치와 사용자 수면정보 기반의 수면 콘텐츠 제공 장치가 모두 외부 서버(20)로서 구현될 수 있다.
한편, 도 1b에 도시된 바와 같이, 심상 유도 정보 생성 장치(100a) 및/또는 심상 유도 정보 제공 장치(200a)가 사용자 단말(300) 또는 외부 서버(20)로서 구현될 수 있다.
한편, 도 1b에 도시된 바와 같이, 슬립이미지 생성 장치 및/또는 슬립이미지 제공 장치가 사용자 단말(300) 또는 외부 서버(20)로서 구현될 수 있다.
여기서, 도 1b에 도시된 사용자 수면정보 기반의 수면 콘텐츠 생성 및/또는 제공 장치가 구현되는 시스템은 일 실시예에 따른 것이고, 그 구성요소가 도 1b에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 부가, 변경, 또는 삭제될 수 있다.
한편, 본 발명의 실시예들에 따르면, 외부 서버(20)는 단일한 서버로 구성될 수도 있고, 복수 개의 서버로 구성될 수도 있다. 또한, 본 발명의 실시예에 따르면, 외부 서버(20)는 외부 단말(200)로 구현될 수도 있다.
한편, 본 발명의 일 실시예에 따르면, 사용자 수면정보 기반의 수면 콘텐츠 생성 장치는 생성형 인공지능을 활용하여 수면 콘텐츠를 생성할 수 있다. 또한, 본 발명의 일 실시예에 따르면, 사용자 수면정보 기반의 수면 콘텐츠 제공 장치는 생성형 인공지능을 활용하여 생성된 수면 콘텐츠를 제공할 수 있다.
도 1c는 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공이 사용자 단말(300)에서 구현되는 경우의 시스템을 나타낸 개념도이다. 도 1c에 도시된 바와 같이, 별도의 생성 장치(700) 및/또는 별도의 제공 장치(800)가 없이, 사용자 단말(300)에서 사용자 수면정보에 기반하여 수면 콘텐츠의 생성 및 제공이 이루어질 수도 있다.
한편, 본 발명의 일 실시예에 따르면, 사용자 수면정보 기반의 수면 콘텐츠 생성 장치는 생성형 인공지능을 활용하여 수면 콘텐츠를 생성할 수 있다. 또한, 본 발명의 일 실시예에 따르면, 사용자 수면정보 기반의 수면 콘텐츠 제공 장치는 생성형 인공지능을 활용하여 생성된 수면 콘텐츠를 제공할 수 있다.
도 1a 및 도 1b에 도시된 바와 같이, 본 발명의 실시예들에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 장치 및/또는 제공 장치가 컴퓨팅 장치(100)로 구현되는 경우, 컴퓨팅 장치(100)는, 사용자 단말(300)과 네트워크를 통해, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.
또한, 도 1a 및 도 1b에 도시된 바와 같이, 본 발명의 실시예들에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 장치 및/또는 제공 장치가 컴퓨팅 장치(100)로 구현되는 경우, 컴퓨팅 장치(100)는, 사용자 단말(300) 및/또는 외부 서버(20)와 네트워크를 통해, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.
도 1c에 도시된 바와 같이, 본 발명의 실시예들에 따른 사용자 수면정보 기반의 수면 콘텐츠 생성 장치(700)와 제공 장치(800)가 별도로 구비되어 있지 않더라도, 사용자 단말(300)이 네트워크를 통해, 사용자 수면정보 기반의 수면 콘텐츠 생성 장치(700) 및/또는 제공 장치(800)의 역할을 수행하여, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.
또한, 도 1c에 도시된 바와 같이, 심상 유도 정보 생성 장치(100a)와 심상 유도 정보 제공 장치(200a)가 별도로 구비되어 있지 않더라도, 사용자 단말(300)이 네트워크를 통해, 심상 유도 정보 생성 장치 (100a) 및/또는 심상 유도 정보 제공 장치(200a)의 역할을 수행하여, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.
또한, 도 1c에 도시된 바와 같이, 슬립이미지 생성장치와 슬립이미지 제공장치가 별도로 구비되어 있지 않더라도, 사용자 단말(300)이 네트워크를 통해, 슬립이미지 생성장치 및/또는 슬립이미지 제공장치의 역할을 수행하여, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.
도 2a는 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠를 생성하는 장치(700)/제공하는 장치(800)의 구성을 나타내는 블록도이다.
본 발명의 일 실시예에 따르면, 생성형 인공지능을 활용한 사용자 수면정보에 기반하여 수면 콘텐츠를 생성하는 장치(700)는 디스플레이(720), 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 저장하는 메모리(740), 하나 이상의 프로세서(760)를 포함할 수 있다.
또한, 본 발명의 일 실시예에 따르면, 생성형 인공지능을 활용한 사용자 수면정보에 기반하여 수면 콘텐츠를 제공하는 장치(800)는 디스플레이(820), 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 저장하는 메모리(840), 하나 이상의 프로세서(860)를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 하나 이상의 프로그램을 저장하는 메모리(740) 또는 메모리(840)는 DRAM, SRAM, DDR RAM 또는 다른 랜덤 엑세서 솔리드 스테이트 메모리 디바이스들과 같은 고속 랜덤 엑세스 메모리를 포함하며, 하나 이상의 자기 디스크 저장 디바이스, 광 디스크 저장 디바이스, 플래시 메모리 디바이스 또는 다른 비휘발성 솔리드 스테이트 저장 디바이스와 같은 비휘발성 메모리를 포함한다. 또한, 메모리는 사용자의 수면에 관한 정보를 나타내는 하나 이상의 그래픽 사용자 인터페이스를 제공하는 방법을 수행하기 위한 명령어들을 저장할 수 있다.
본 발명의 일 실시예에 따르면, 프로세서(760) 또는 프로세서(860)는 하나 이상의 프로세서 수단으로 구성될 수 있다. 또한, 프로세서는 하나 이상의 프로그램을 저장하는 메모리를 실행시킬 수 있다.
한편, 위에서 설명한 대로, 본 발명의 실시예들에 따른 사용자 수면정보 기반의 수면 콘텐츠를 생성하는 장치(700)/제공하는 장치(800)는, 생성형 인공지능을 활용하여 사용자 수면정보 기반의 수면 콘텐츠를 생성하거나, 제공하는 동작을 수행할 수 있다.
도 1d는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 심상 유도 정보를 생성하는 장치(100a)의 시스템을 나타낸 개념도이다. 도 1d에 도시된 바와 같이, 본 발명의 시스템은 심상 유도 정보를 생성하는 장치(100a), 사용자 단말(300) 및 네트워크를 포함할 수 있다.
한편, 도 1e는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 심상 유도 정보를 제공하는 장치(200a)의 시스템을 나타낸 개념도이다. 도 1e에 도시된 바와 같이, 본 발명의 심상 유도 정보를 제공하는 장치(200a), 사용자 단말(300) 및 네트워크를 포함할 수 있다.
도 1d 및 도 1e에 도시된 바와 같이, 본 발명의 심상 유도 정보를 생성하는 장치(100a)와 심상 유도 정보를 제공하는 장치(200a)는, 사용자 단말(300)과 네트워크를 통해, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.
한편, 도 1c는 본 발명의 일 실시예에 따른 상태 정보에 기초하여 심상 유도 정보를 생성 및 제공하는 방법의 시스템을 나타낸 개념도이다. 도 1c에 도시된 바와 같이, 본 발명의 심상 유도 정보를 생성하는 장치(100a)와 심상 유도 정보를 제공하는 장치(200a)가 별도로 구비되어 있지 않더라도, 사용자 단말(300)이 네트워크를 통해, 심상 유도 정보를 생성하는 장치(100a)와 심상 유도 정보를 제공하는 장치(200a)의 역할을 수행하여, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.
또는, 본 발명의 일 실시예에 따른 사용자 수면정보 기반의 수면 콘텐츠를 생성하는 장치(700)/제공하는 장치(800)가 별도로 구비되어 있지 않더라도, 사용자 단말(300)이 네트워크를 통해, 수면 콘텐츠를 생성하는 장치(700)/제공하는 장치(800)의 역할을 수행하여, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.
또는, 본 발명의 일 실시예에 따른 슬립이미지를 생성하는 장치와 슬립이미지를 제공하는 장치가 별도로 구비되어 있지 않더라도, 사용자 단말(300)이 네트워크를 통해, 슬립이미지를 생성하는 장치와 슬립이미지를 제공하는 장치의 역할을 수행하여, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.
도 1f는 본 발명의 일 실시예에 따라 수면 상태 정보에 기초하여 수면 환경을 조성하기 위한 컴퓨팅 장치의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다. 본 발명의 실시예들에 따른 시스템은 컴퓨팅 장치(100), 사용자 단말(300), 외부 서버(20), 환경 조성 장치(30) 및 네트워크를 포함할 수 있다. 도 1f에 도시된 바와 같이, 본 발명은 컴퓨팅 장치(100), 사용자 단말(300), 외부 서버(20) 및 환경 조성 장치(30)는 네트워크를 통해, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.
여기서, 도 1f에 도시된 수면 상태 정보에 기초하여 수면 환경을 조성하기 위한 방법을 구현하기 위한 시스템은 일 실시예에 따른 것이고, 그 구성 요소가 도 1f에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 부가, 변경 또는 삭제될 수 있다.
한편, 도 1g는 본 발명의 또 다른 실시예에 따라 수면 환경 조절 장치의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다. 본 발명의 실시예들에 따른 시스템은 수면 환경 조절 장치(400), 사용자 단말(300), 외부 서버(20) 및 네트워크를 포함할 수 있다. 여기서, 도 1g에 도시된 수면 상태 정보에 기초하여 수면 환경을 조성하기 위한 방법을 구현하기 위한 시스템은 일 실시예에 따른 것이고, 그 구성 요소가 도 1g에 도시된 실시예에 한정되는 것은 아니며, 필요에 따라 부가, 변경 또는 삭제될 수 있다.
도 1h는 본 발명의 또 다른 실시예에 따른 다양한 전자 장치들의 다양한 양태가 구현될 수 있는 시스템을 나타낸 개념도를 도시한다. 도 1h에 도시된 바와 같이, 도 1h에 도시된 전자 장치들은, 본 발명의 실시예에 따른 다양한 장치들이 수행하는 동작들 중 적어도 하나 이상을 수행할 수 있다.
예를 들어, 본 발명의 실시예들에 따른 다양한 전자 장치들이 수행하는 동작들은 환경 센싱 정보 및 수면 정보를 획득하는 동작, 수면 분석에 대한 학습을 수행하는 동작, 수면 분석에 대한 추론을 수행하는 동작, 수면 상태 정보를 획득하는 동작을 포함할 수 있다.
또는, 본 발명의 실시예에 따른 다양한 장치들이 수행하는 동작들은 심상 유도 정보를 생성하는 동작, 심상 유도 정보를 제공하는 동작, 환경 센싱 정보를 획득하는 동작, 수면 분석 모델을 학습하는 동작, 수면 상태 정보를 학습하는 동작, 수면 상태 정보를 추론하는 동작, 수면 상태 정보를 디스플레이하는 동작을 포함할 수 있다.
또는, 예컨대, 사용자의 수면과 관련한 정보를 제공받거나, 환경 센싱 정보 및 수면 정보 중 적어도 하나를 송신 또는 수신하거나, 환경 센싱 정보에 대한 전처리를 수행하거나, 환경 센싱 정보 및 수면 정보를 판별하거나, 환경 센싱 정보 및 수면 정보로부터 음향 정보를 추출하거나, 데이터를 처리 또는 가공하거나, 서비스를 처리하거나, 서비스를 제공하거나, 환경 센싱 정보 또는 사용자의 수면 정보에 기초하여 학습 데이터 세트를 구축하거나, 획득한 데이터 또는 신경망의 입력이 되는 복수의 데이터를 저장하거나, 다양한 정보들을 송신 또는 수신하거나, 네트워크를 통해 본 발명의 실시예들에 따른 시스템을 위한 데이터를 상호 송수신하거나, 사용자 수면정보 기반의 수면 콘텐츠를 생성하거나 제공하는 동작, 심상 유도 정보를 생성하거나 제공하는 동작, 슬립이미지를 생성하거나 제공하는 동작, 사용자의 수면 정보에 기반하여 생성형 인공지능을 활용하여 수면 콘텐츠를 생성하거나 제공하는 동작 등을 포함할 수도 있다.
도 1h에 도시된 전자 장치들은, 본 발명의 실시예들에 따른 다양한 전자 장치들이 수행하는 동작들을 개별적으로 나누어 수행할 수도 있으나, 하나 이상의 동작들을 동시에 또는 시계열적으로 수행할 수도 있다.
도 1h를 참조하면, 도 1h에 도시된 전자 장치(1a 내지 1d)는 환경 센싱 정보를 획득할 수 있는 영역(또는, 수면 감지 영역) (11a)의 범위 내에 있는 전자 장치일 수 있다. 이하, 편의상 환경 센싱 정보를 획득할 수 있는 영역(또는, 수면 감지 영역) (11a)을 "영역(11a)"라 지칭하기로 한다.
한편, 도 1h를 참조하면, 전자 장치(1a 및 1d)는 2개 이상의 복수 개의 전자 장치의 조합으로 이루어진 장치일 수 있다.
한편, 도 1h를 참조하면, 전자 장치(1a 및 1b)는 영역(11a) 내에서 네트워크와 연결된 전자 장치일 수 있다.
한편, 도 1h를 참조하면, 전자 장치(1c 및 1d)는 영역(11a) 내에서 네트워크와 연결되지 않은 전자 장치일 수 있다.
한편, 도 1h를 참조하면, 전자 장치(2a 내지 2b)는 영역(11a)의 범위 밖에 있는 전자 장치일 수 있다.
한편, 도 1h를 참조하면, 영역(11a)의 범위 내에서 전자 장치들과 상호작용하는 네트워크가 있을 수 있고, 영역(11a)의 범위 밖에서 전자 장치들과 상호작용하는 네트워크가 있을 수 있다.
여기서, 영역(11a)의 범위 내에서 전자 장치들과 상호작용하는 네트워크는 스마트 가전기기를 제어하기 위한 정보를 송수신하기 위한 역할을 수행할 수 있다.
또한, 영역(11a)의 범위 내에서 전자 장치들과 상호작용하는 네트워크는 예를 들면, 근거리 네트워크 또는 로컬 네트워크일 수 있다. 여기서, 영역(11a)의 범위 내에서 전자 장치들과 상호작용하는 네트워크는 예를 들면, 원거리 네트워크 또는 글로벌 네트워크일 수 있다.
도 1h에 도시된 네트워크들의 동작에 대한 구체적인 설명은 뒤에서 설명하는 내용과 동일하므로, 중복되는 기재는 생략하기로 한다.
한편, 도 1h를 참조하면, 영역(11a)의 범위 밖에서 네트워크를 통해 연결된 전자 장치들은 하나 이상일 수 있으며, 이 경우의 전자 장치들은 서로 데이터를 분산 처리하거나 또는 하나 이상의 동작을 나누어 수행할 수도 있다. 여기서 영역 (11a)의 범위 밖에서 네트워크를 통해 연결된 전자 장치는 서버 장치를 포함할 수 있다.
또는, 영역(11a)의 범위 밖에서 네트워크를 통해 연결된 전자 장치가 하나 이상인 경우 전자 장치들은 서로 독립하여 다양한 동작을 수행할 수도 있다.
도 1h에 도시된 바와 같이, 본 발명에 따른 다양한 전자 장치들은 서로 네트워크를 통해, 본 발명의 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.
도 1i는 본 발명의 일 실시예에 따른 슬립이미지 생성 및 제공 시스템을 설명하기 위한 도면이다.
도 1i을 참조하면, 본 발명의 일 실시예에 따른 시스템은, 네트워크(Network)로 연결된 컴퓨팅 장치(100), 외부 단말(200), 및 사용자 단말(300)을 포함한다. 이하에서는, 컴퓨팅 장치(100), 외부 단말(200) 및 사용자 단말(300)의 기본적인 하드웨어 구조를 설명하도록 한다.
컴퓨팅 장치(100)
도 2d는 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)를 설명하기 위한 블록도이다.
도 2d를 참조하면, 상기 컴퓨팅 장치(100)는 적어도 하나 이상의 프로세서(110), 메모리(120), 출력 장치(130), 입력 장치(140), 입출력 인터페이스(150), 센서 모듈(160), 통신 모듈(170)을 포함할 수 있다.
본 발명의 일 실시예에 따르면, 컴퓨팅 장치(100)는 사용자의 수면 상태 정보를 획득하고, 그리고 수면 상태 정보에 기초하여 사용자의 수면 환경을 조정할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 환경 센싱 정보에 기초하여 사용자가 수면 전인지, 중인지 또는 후인지 여부에 관련한 수면 상태 정보를 획득할 수 있으며, 해당 수면 상태 정보에 따라 사용자가 위치한 공간의 수면 환경을 조정할 수 있다.
구체적인 예를 들어, 컴퓨팅 장치(100)는 사용자가 수면 전이라는 수면 상태 정보를 획득한 경우, 해당 수면 상태 정보에 기초하여 수면을 유도하기 위한 광의 세기 및 조도(예컨대, 3000K의 백색광, 30 lux의 조도), 공기질(미세먼지 농도, 유해가스 농도, 공기습도, 공기온도 등)에 관련한 환경 조성 정보를 생성할 수 있다. 컴퓨팅 장치(100)는 수면을 유도하기 위한 광의 세기 및 조도, 공기질에 관련한 환경 조성 정보를 환경 조성 장치(30)로 전송할 수 있다. 이 경우, 환경 조성 장치(30)는 컴퓨팅 장치(100)로부터 수신한 환경 조성 정보에 기초하여 사용자가 위치한 공간의 광의 세기 및 조도를 수면을 유도하기 위한 적절한 세기 및 조도(예컨대, 3000K의 백색광을 30 lux의 조도)로 조정할 수 있다. 즉, 컴퓨팅 장치(100)에서 생성된 환경 조성 정보는 환경 조성 장치(30)의 일 실시형태인 조명장치로 전달되어 수면공간 내의 조도 등이 조절될 수 있다.
또한, 컴퓨팅 장치(100)는 사용자의 수면 상태 정보에 기초하여 미세먼지 제거, 유해가스 제거, 알러지 케어 구동, 탈취/제균 구동, 제습/가습 조절, 송풍 강도 조절, 공기청정기 구동소음 조절, LED 점등과 관련한 다양한 정보 등의 환경 조성 정보를 생성할 수 있다. 컴퓨팅 장치(100)에서 생성된 환경 조성 정보는 환경 조성 장치(30)의 일 실시형태인 공기청정기로 전달되어 실내, 차량내, 혹은 수면공간 내의 공기질이 조절될 수 있다.
전술한 수면 상태 정보 및 환경 조성 정보에 관련한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
일 실시예에 따르면, 컴퓨팅 장치(100)가 수면 상태 분석을 위해 활용하는 환경 센싱 정보는, 일 공간 상에서의 사용자의 활동 또는 수면 동안 비침습적 방식으로 획득되는 음향 정보를 포함할 수 있다. 구체적인 예를 들어, 환경 센싱 정보는, 수면 동안 사용자가 뒤척거림에 따라 발생되는 음향, 근육 움직임에 관련한 음향 또는 수면 동안 사용자의 호흡에 관련한 음향 등을 포함할 수 있다. 실시예에 따르면, 환경 센싱 정보는 수면 음향 정보를 포함할 수 있으며, 해당 수면 음향 정보는, 사용자의 수면 동안에 발생하는 움직임 패턴 및 호흡 패턴에 관련한 음향 정보를 의미할 수 있다.
실시예에서, 환경 센싱 정보는 사용자가 소지한 사용자 단말(300)을 통해 획득될 수 있다. 예컨대, 사용자 단말(300)에 구비된 마이크 모듈을 통해 일공간 상에서 사용자의 활동에 관련한 환경 센싱 정보가 획득될 수 있다.
일반적으로, 사용자가 소지한 사용자 단말(300)에 구비된 마이크 모듈은, 비교적 작은 크기의 사용자 단말(300)에 구비되어야 하므로 MEMS(Micro-Electro Mechanical Systems)로 구성될 수 있다. 이러한 마이크 모듈은 매우 소형으로 제작이 가능하나, 콘덴서 마이크(Condenser Microphone)나 다이나믹 마이크(dynamic microphone)에 비해 낮은 신호 대 잡음비(SNR)를 가질 수 있다. 신호 대 잡음비가 낮다는 것은, 식별하고자 하는 음향 대비 식별하지 않고자 하는 음향인 잡음의 비율이 높은 것으로 음향의 식별이 용이하지 않음(즉, 불분명함)을 의미할 수 있다.
본 발명에서 분석의 대상이 되는 환경 센싱 정보는, 수면 동안 획득되는 사용자의 호흡 및 움직임에 관련한 음향 정보 즉, 수면 음향 정보를 포함할 수 있다. 이러한 수면 음향 정보는, 사용자의 호흡 및 움직임 등 매우 작은 음향(즉, 구분이 어려운 음향)에 관한 정보이며, 수면 환경 동안 다른 음향들과 함께 획득되는 것이므로, 낮은 신호 대 잡음비의 상기한 바와 같은 마이크 모듈을 통해 획득되는 경우, 탐지 및 분석이 매우 어려울 수 있다.
본 발명의 일 실시예에 따르면, 컴퓨팅 장치(100)는 MEMS로 구성된 마이크 모듈을 통해 획득된 환경 센싱 정보에 기초하여 수면 상태 정보를 획득할 수 있다. 구체적으로, 컴퓨팅 장치(100)는 많은 노이즈를 포함하여 불명료하게 획득된 환경 센싱 정보를 분석이 가능한 데이터 변환 및/또는 조정할 수 있으며, 변환 및/또는 조정된 데이터를 활용하여 인공 신경망에 대한 학습을 수행할 수 있다. 인공 신경망에 대한 사전 학습이 완료된 경우, 학습된 신경망(예컨대, 음향 분석 모델)은 수면 음향 정보에 대응하여 획득된(예컨대, 변환 및/또는 조정된) 데이터(예컨대, 스펙트로그램)에 기초하여 사용자의 수면 상태 정보를 획득할 수 있다. 실시예에서, 수면 상태 정보는, 사용자가 수면을 취하고 있는지 여부에 관련한 정보뿐만 아니라, 수면 동안 사용자의 수면 단계 변화에 관련한 수면 단계 정보를 포함할 수 있다. 구체적인 예를 들어, 수면 상태 정보는 제1시점에는 사용자가 REM수면이었으며, 제1시점과 상이한 제2시점에는 사용자가 얕은 수면이었다는 수면 단계 정보를 포함할 수 있다. 이 경우, 해당 수면 상태 정보를 통해, 사용자는 제1시점에 비교적 깊은 수면에 빠졌으며, 제2시점에는 보다 얕은 수면을 취했다는 정보가 획득될 수 있다.
즉, 컴퓨팅 장치(100)는 음향을 수집하도록 일반적으로 많이 보급된 사용자 단말(예컨대, 인공지능 스피커, 침실 IoT기기, 휴대폰 등)을 통해 낮은 신호 대 잡음비를 갖는 수면 음향 정보를 획득하는 경우, 이를 분석에 적절한 데이터로 가공하고, 가공된 데이터를 처리하여 수면 단계의 변화에 관련한 수면 상태 정보를 제공할 수 있다. 이는 명료한 음향 획득을 위해 사용자의 신체에 접촉식으로 마이크를 구비하지 않아도 되며, 또한, 높은 신호 대 잡음비를 가진 별도의 추가 디바이스를 구매하지 않고 소프트웨어 업데이트 만으로 일반적인 가정 환경에서 수면 상태를 모니터링할 수 있게 하여 편의성을 증대시키는 효과를 제공할 수 있다.
도 1f에서 컴퓨팅 장치(100) 및 환경 조성 장치(30)가 별도의 엔티티로서 분리되어 표현되었지만, 본 발명의 실시예에 따라서, 환경 조성 장치(30)가 컴퓨팅 장치(100) 내에 포함되어, 수면 상태 측정 및 환경 조정 동작 기능을 하나의 통합 장치에서 수행할 수도 있다.
실시예에서, 컴퓨팅 장치(100)는 단말 또는 서버일 수 있으며, 임의의 형태의 장치는 모두 포함할 수 있다. 컴퓨팅 장치(100)는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다. 컴퓨팅 장치(100)는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 발명은 이에 제한되지 않는다.
본 발명의 일 실시예에 따르면, 컴퓨팅 장치(100)는 클라우드 컴퓨팅 서비스를 제공하는 서버일 수 있다. 보다 구체적으로, 컴퓨팅 장치(100)는 인터넷 기반 컴퓨팅의 일종으로 정보를 사용자의 컴퓨터가 아닌 인터넷에 연결된 다른 컴퓨터로 처리하는 클라우드 컴퓨팅 서비스를 제공하는 서버일 수 있다. 상기 클라우드 컴퓨팅 서비스는 인터넷 상에 자료를 저장해 두고, 사용자가 필요한 자료나 프로그램을 자신의 컴퓨터에 설치하지 않고도 인터넷 접속을 통해 언제 어디서나 이용할 수 있는 서비스일 수 있으며, 인터넷 상에 저장된 자료들을 간단한 조작 및 클릭으로 쉽게 공유하고 전달할 수 있다. 또한, 클라우드 컴퓨팅 서비스는 인터넷 상의 서버에 단순히 자료를 저장하는 것뿐만 아니라, 별도로 프로그램을 설치하지 않아도 웹에서 제공하는 응용프로그램의 기능을 이용하여 원하는 작업을 수행할 수 있으며, 여러 사람이 동시에 문서를 공유하면서 작업을 진행할 수 있는 서비스일 수 있다. 또한, 클라우드 컴퓨팅 서비스는 IaaS(Infrastructure as a Service), PaaS(Platform as a Service), SaaS(Software as a Service), 가상 머신 기반 클라우드 서버 및 컨테이너 기반 클라우드 서버 중 적어도 하나의 형태로 구현될 수 있다. 즉, 본 발명의 컴퓨팅 장치(100)는 상술한 클라우드 컴퓨팅 서비스 중 적어도 하나의 형태로 구현될 수 있다. 전술한 클라우드 컴퓨팅 서비스의 구체적인 기재는 예시일 뿐, 본 발명의 클라우드 컴퓨팅 환경을 구축하는 임의의 플랫폼을 포함할 수도 있다.
한편, 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)는 사용자 수면정보 기반의 수면 콘텐츠를 생성하는 동작 및/또는 사용자 수면정보 기반의 수면 콘텐츠를 제공하는 동작을 수행할 수 있다. 이 경우, 사용자 수면정보 기반의 수면 콘텐츠를 생성하는 장치(700) 및/또는 사용자 수면정보 기반의 수면 콘텐츠를 제공하는 장치(800)가 별도로 구비되지 않고, 컴퓨팅 장치(100)가 구비된 수면 콘텐츠 생성 및 제공 시스템이 구현될 수 있다.
또한, 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)는 슬립이미지를 생성하는 동작 및/또는 제공 하는 동작을 수행할 수 있다. 이 경우, 슬립이미지를 생성하는 장치 및/또는 제공하는 장치가 별도로 구비되지 않고, 컴퓨팅 장치(100)가 구비된 수면 콘텐츠 생성 및 제공 시스템이 구현될 수 있다.
또한, 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)는 심상 유도 정보를 생성하는 동작 및/또는 제공 하는 동작을 수행할 수 있다. 이 경우, 수면 상태 정보에 기초하여 심상 유도 정보를 생성하는 장치(100a) 및/또는 수면 상태 정보에 기초하여 심상 유도 정보를 제공하는 장치(200a)가 별도로 구비되지 않고, 컴퓨팅 장치(100)가 구비된 수면 콘텐츠 생성 및 제공 시스템이 구현될 수 있다.
프로세서(110)
프로세서(110)는 하나 이상의 애플리케이션 프로세서(application processor, AP), 하나 이상의 커뮤니케이션 프로세서(communication processor, CP) 또는 적어도 하나 이상의 AI 프로세서(artificial intelligence processor)를 포함할 수 있다. 애플리케이션 프로세서, 커뮤니케이션 프로세서 또는 AI 프로세서는 서로 다른 IC(integrated circuit) 패키지들 내에 각각 포함되거나 하나의 IC 패키지 내에 포함될 수 있다.
애플리케이션 프로세서는 운영체제 또는 응용 프로그램을 구동하여 애플리케이션 프로세서에 연결된 다수의 하드웨어 또는 소프트웨어 구성요소들을 제어하고, 멀티미디어 데이터를 포함한 각종 데이터 처리/연산을 수행할 수 있다. 일 례로, 상기 애플리케이션 프로세서는 SoC(system on chip)로 구현될 수 있다. 프로세서(110)는 GPU(graphic prcessing unit, 미도시)를 더 포함할 수 있다.
커뮤니케이션 프로세서는 컴퓨팅 장치(100)와 네트워크로 연결된 다른 컴퓨팅 장치들 간의 통신에서 데이터 링크를 관리하고 통신 프로토콜을 변환하는 기능을 수행할 수 있다. 일 례로, 커뮤니케이션 프로세서는 SoC로 구현될 수 있다. 커뮤니케이션 프로세서는 멀티미디어 제어 기능의 적어도 일부를 수행할 수 있다.
또한, 커뮤니케이션 프로세서는 통신 모듈(170)의 데이터 송수신을 제어할 수 있다. 커뮤니케이션 프로세서는 애플리케이션 프로세서의 적어도 일부로 포함되도록 구현될 수도 있다.
애플리케이션 프로세서 또는 커뮤니케이션 프로세서는 각각에 연결된 비휘발성 메모리 또는 다른 구성요소 중 적어도 하나로부터 수신한 명령 또는 데이터를 휘발성 메모리에 로드(load)하여 처리할 수 있다. 또한, 애플리케이션 프로세서 또는 커뮤니케이션 프로세서는 다른 구성요소 중 적어도 하나로부터 수신하거나 다른 구성요소 중 적어도 하나에 의해 생성된 데이터를 비휘발성 메모리에 저장할 수 있다.
컴퓨터 프로그램은 메모리(120)에 로드될 때, 프로세서(110)로 하여금 본 발명의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 인스트럭션들을 포함할 수 있다. 즉, 프로세서(110)는 하나 이상의 인스트럭션들을 실행함으로써, 본 발명의 다양한 실시예에 따른 방법/동작을 수행할 수 있다.
일 실시예에서, 컴퓨터 프로그램은, 사용자의 수면 상태 정보를 획득하는 단계, 상기 수면 상태 정보에 기초하여 환경 조성 정보를 생성하는 단계 및 상기 환경 조성 정보를 환경 조성 장치로 전송하는 단계를 포함하는 수면 상태 정보에 따른 수면 환경 조성 방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 수 있다.
본 발명의 일 실시예에 따르면, 프로세서(110)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다.
프로세서(110)는 메모리(120)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다. 본 발명의 일실시예에 따라 프로세서(110)는 신경망의 학습을 위한 연산을 수행할 수 있다. 프로세서(110)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다.
또한, 프로세서(110)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 발명의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 발명의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.
본 명세서에서 네트워크 함수는 인공 신경망, 뉴럴 네트워크와 상호 교환 가능하게 사용될 수 있다. 본 명세서에서 네트워크 함수는 하나 이상의 뉴럴 네트워크를 포함할 수도 있으며, 이 경우 네트워크 함수의 출력은 하나 이상의 뉴럴 네트워크의 출력의 앙상블(ensemble)일 수 있다.
본 명세서에서 모델은 네트워크 함수를 포함할 수 있다. 모델은 하나 이상의 네트워크 함수를 포함할 수도 있으며, 이 경우 모델의 출력은 하나 이상의 네트워크 함수의 출력의 앙상블일 수 있다.
프로세서(110)는 메모리(120)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 수면 분석 모델을 제공할 수 있다. 본 발명의 일 실시예에 따라, 프로세서(110)는 수면 상태 정보에 기초하여 환경 조성 정보를 산출하기 위한 계산을 수행할 수 있다. 본 발명의 일 실시예에 따라 프로세서(110)는 수면 분석 모델을 학습시키기 위한 계산을 수행할 수 있다. 수면 분석 모델과 관련해서는 아래에서 더욱 상세히 설명하기로 한다. 수면 분석 모델에 기초해서 사용자의 수면의 질과 관련한 수면 정보가 추론될 수 있다. 사용자로부터 실시간 혹은 주기적으로 획득되는 환경 센싱 정보가 상기 수면 분석 모델에 입력값으로 입력되어 사용자의 수면과 관련한 데이터를 출력하게 된다.
이와 같은 수면 분석 모델의 학습과, 이에 기초한 추론은 컴퓨팅 장치(100)에 의하여 수행될 수 있다. 즉, 학습과 추론이 모두 컴퓨팅 장치(100)에 의하여 수행되는 것으로 설계할 수 있다. 다만, 다른 실시예에서는, 학습은 컴퓨팅 장치(100)에서 하되, 추론은 사용자 단말(300)에서 수행될 수 있다. 또한, 학습은 컴퓨팅 장치(100)에서 하되, 추론은 스마트가전(TV, 조명, 냉장고, 공기청정기) 등으로 구현되는 환경 조성 장치(30)에서 수행될 수 있다. 또, 다른 실시예에서는 도 1g의 수면 환경 조절 장치(400)에 의하여 수행될 수 있다. 즉, 학습과 추론이 모두 수면 환경 조절 장치(400)에 의하여 수행될 수 있다. 또는, 학습은 컴퓨팅 장치(100)에서 하되, 추론은 외부 단말(200)에서 수행될 수 있다.
본 발명의 일 실시예에 따르면, 프로세서(110)는 통상적으로 컴퓨팅 장치(100)의 전반적인 동작을 처리할 수 있다. 프로세서(110)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(120)에 저장된 응용 프로그램을 구동함으로써, 사용자 단말에게 적정한 정보 또는, 기능을 제공하거나 처리할 수 있다.
본 발명의 일 실시예에 따르면, 프로세서(110)는 사용자의 수면 상태 정보를 획득할 수 있다. 본 발명의 일 실시예에 따른, 수면 상태 정보의 획득은, 메모리(120)에 저장된 수면 상태 정보를 획득하거나 또는 로딩(loading)하는 것일 수 있다. 또한, 수면 음향 정보의 획득은, 유/무선 통신 수단에 기초하여 다른 저장 매체에, 다른 컴퓨팅 장치, 동일한 컴퓨팅 장치 내의 별도 처리 모듈로부터 데이터를 수신하거나 또는 로딩하는 것일 수 있다.
본 발명의 컴퓨팅 장치(100)의 구체적인 구성, 기술적 특징들 및 기술적 특징들에 따른 효과들을 첨부된 도면을 참조하면서 설명한다.
도 2c는 본 발명의 일 실시예와 관련된 수면 상태 정보에 기초하여 수면 환경을 조성하기 위한 컴퓨팅 장치의 블록 구성도를 도시한다.
도 2c에 도시된 바와 같이, 컴퓨팅 장치(100)는 네트워크부(180), 메모리(120) 및 프로세서(110)를 포함할 수 있다. 전술한 컴퓨팅 장치(100)에 포함된 컴포넌트들로 제한되지 않는다. 즉, 본 발명내용의 실시예들에 대한 구현 양태에 따라서 추가적인 컴포넌트들이 포함되거나 또는 전술한 컴포넌트들 중 일부가 생략될 수 있다.
도 1f 및 도 2c를 참고하면, 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)는 사용자 단말(300), 외부 서버(20) 및 환경 조성 장치(30)와 데이터를 송수신하는 네트워크부(180)를 포함할 수 있다. 네트워크부(180)는 본 발명의 일 실시예에 따른 수면 상태 정보에 따른 수면 환경 조성 방법을 수행하기 위한 데이터 등을 다른 컴퓨팅 장치, 서버 등과 송수신할 수 있다. 즉, 네트워크부(180)는 컴퓨팅 장치(100)와 사용자 단말(300), 외부 서버(20) 및 환경 조성 장치(30) 간의 통신 기능을 제공할 수 있다.
예를 들어, 네트워크부(180)는 병원 서버로부터 복수의 사용자들에 대한 수면검진기록 및 전자건강기록을 수신할 수 있다. 다른 예를 들어, 네트워크부(180)는 사용자 단말(300)로부터 사용자가 활동하는 공간에 관련한 환경 센싱 정보를 수신할 수 있다.
또 다른 예를 들어, 네트워크부(180)는 환경 조성 장치(30)로 사용자가 위치한 공간의 환경을 조정하기 위한 환경 조성 정보를 전송할 수 있다. 추가적으로, 네트워크부(180)는 컴퓨팅 장치(100)로 프로시저를 호출하는 방식으로 컴퓨팅 장치(100)와 사용자 단말(300) 및 외부 서버(20) 간의 정보 전달을 허용할 수 있다.
한편, 본 발명의 일 실시예에 따른 컴퓨팅 장치(100)는 네트워크부(180)와 통신 모듈(170) 모두 포함하여 구성될 수도 있지만, 네트워크부(180)와 통신 모듈(170)중 하나만 포함하여 구성될 수도 있다. 또한, 상술한 네트워크부(180)의 동작을 통신 모듈(170)이 수행할 수도 있다.
메모리(120)
메모리(120)는 내장 메모리 또는 외장 메모리를 포함할 수 있다. 내장 메모리는 휘발성 메모리(예를 들면, DRAM(dynamic RAM), SRAM(static RAM), SDRAM(synchronous dynamic RAM) 등) 또는 비휘발성 메모리(예를 들면, OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, NAND flash memory, NOR flash memory 등) 중 적어도 하나를 포함할 수 있다. 일 실시예에 따르면, 상기 내장 메모리는 SSD(solid state drive)의 형태를 취할 수도 있다. 상기 외장 메모리는 플래시 드라이브(flash drive), 예를 들면, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital) 또는 메모리 스틱(memory stick) 등을 더 포함할 수 있다.
본 발명의 일 실시예에 따르면, 메모리(120)는 본 발명의 일 실시예에 따른 수면 상태 정보에 따른 수면 환경 조성 방법을 수행하기 위한 컴퓨터 프로그램을 저장할 수 있으며, 저장된 컴퓨터 프로그램은 프로세서(110)에 의하여 판독되어 구동될 수 있다. 또한, 메모리(120)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(180)가 수신한 임의의 형태의 정보를 저장할 수 있다. 또한, 메모리(120)는 사용자의 수면에 관련한 데이터를 저장할 수 있다. 예를 들어, 메모리(120)는 입/출력되는 데이터들(예를 들어, 사용자의 수면 환경에 관련한 환경 센싱 정보, 환경 센싱 정보에 대응하는 수면 상태 정보 또는, 수면 상태 정보에 따른 환경 조성 정보 등)을 임시 또는 영구 저장할 수도 있다.
본 발명의 일 실시예에 따르면, 메모리(120)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 컴퓨팅 장치(100)는 인터넷(internet) 상에서 상기 메모리(120)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
출력 장치(130)
출력 장치(130)는 디스플레이 모듈 또는/및 스피커 중 적어도 하나 이상을 포함할 수 있다. 출력 장치(130)는 사용자에게 멀티미디어 데이터, 텍스트 데이터, 음성 데이터 등을 포함하는 각종 데이터를 표시하거나 소리로 출력할 수 있다.
입력 장치(140)
입력 장치(140)는 터치 패널(touch panel), 디지털 펜 센서(pen sensor), 키(key), 또는 초음파 입력 장치 등을 포함할 수 있다. 일 례로, 입력 장치(140)는 입출력 인터페이스(150)일 수도 있다.
터치 패널은 정전식, 감압식, 적외선 방식 또는 초음파 방식 중 적어도 하나 이상의 방식으로 터치 입력을 인식할 수 있다. 또한, 터치 패널은 컨트롤러(미도시)를 더 포함할 수도 있다. 정전식의 경우에 직접 터치 뿐만 아니라 근접 인식도 가능하다. 터치 패널은 택타일 레이어(tactile layer)를 더 포함할 수도 있다. 이 경우, 터치 패널은 사용자에게 촉각 반응을 제공할 수 있다. 디지털 펜 센서는 사용자의 터치 입력을 받는 것과 동일 또는 유사한 방법 또는 별도의 인식용 레이어(layer)를 이용하여 구현될 수 있다. 키는 키패드 또는 터치키가 이용될 수 있다. 초음파 입력 장치는 초음파 신호를 발생하는 펜을 통해 단말에서 마이크로 음파를 감지하여 데이터를 확인할 수 있는 장치로서, 무선 인식이 가능하다. 컴퓨팅 장치(100)는 통신 모듈(170)을 이용하여 이와 연결된 외부 장치(예를 들어, 네트워크, 컴퓨터 또는 서버)로부터 사용자 입력을 수신할 수도 있다.
입력 장치(140)는 카메라 모듈 또는/및 마이크로폰을 더 포함할 수 있다. 카메라 모듈은 화상 및 동영상을 촬영할 수 있는 장치로서, 하나 이상의 이미지 센서, ISP(image signal processor) 또는 플래시 LED를 포함할 수 있다. 마이크로폰은 음성 신호를 수신하여 전기 신호로 변환시킬 수 있다.
입출력 인터페이스(150)
입출력 인터페이스(150)는 입력 장치(140) 또는 출력 장치(130)를 통하여 사용자로부터 입력된 명령 또는 데이터를 버스(미도시)를 통하여 프로세서(110), 메모리(120), 통신 모듈(170) 등에 전달할 수 있다. 일 예로, 입출력 인터페이스(150)는 터치 패널을 통해 입력된 사용자의 터치 입력에 대한 데이터를 프로세서(110)로 제공할 수 있다. 일 예로, 입출력 인터페이스(150)는 버스를 통하여 프로세서(110), 메모리(120), 통신 모듈(170) 등으로부터 수신된 명령 또는 데이터를 출력 장치(130)를 통하여 출력할 수 있다. 일 예로 입출력 인터페이스(150)는 프로세서(110)를 통하여 처리된 음성 데이터를 스피커를 통하여 사용자에게 출력할 수 있다.
센서 모듈(160)
센서 모듈(160)은 제스쳐 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, RGB(red, green, blue) 센서, 생체 센서, 온/습도 센서, 조도 센서 또는 UV(ultra violet) 센서 중의 적어도 하나 이상을 포함할 수 있다. 센서 모듈(160)은 물리량을 계측하거나 컴퓨팅 장치(100)의 작동 상태를 감지하여, 계측 또는 감지된 정보를 전기 신호로 변환할 수 있다. 추가적으로 또는 대체적으로, 센서 모듈(160)은, 후각 센서(E-nose sensor), EMG 센서(electromyography sensor), EEG 센서(electroencephalogram sensor, 미도시), ECG 센서(electrocardiogram sensor), PPG 센서 (photoplethysmography sensor), HRM 센서(heart rate monitor sensor), 땀 분비량 측정 센서(perspiration sensor), 또는 지문 센서(fingerprint sensor) 등을 포함할 수 있다. 센서 모듈(160)은 그 안에 속한 적어도 하나 이상의 센서들을 제어하기 위한 제어회로를 더 포함할 수 있다.
통신 모듈(170)
통신 모듈(170)은 무선 통신 모듈 또는 RF 모듈를 포함할 수 있다. 무선 통신 모듈은, 예를 들면, Wi-Fi, BT, GPS 또는 NFC를 포함할 수 있다.
예를 들면, 무선 통신 모듈은 무선 주파수를 이용하여 무선 통신 기능을 제공할 수 있다. 추가적으로 또는 대체적으로, 무선 통신 모듈은 컴퓨팅 장치(100)를 네트워크(예: Internet, LAN, WAN, telecommunication network, cellular network, satellite network, POTS 또는 5G network 등)와 연결시키기 위한 네트워크 인터페이스 또는 모뎀 등을 포함할 수 있다.
RF 모듈은 데이터의 송수신, 예를 들면, RF 신호 또는 호출된 전자 신호의 송수신을 담당할 수 있다. 일 례로, RF 모듈는 트랜시버(transceiver), PAM(power amp module), 주파수 필터(frequency filter) 또는 LNA(low noise amplifier) 등을 포함할 수 있다. 또한, RF 모듈은 무선통신에서 자유공간상의 전자파를 송수신하기 위한 부품, 예를 들면, 도체 또는 도선 등을 더 포함할 수 있다.
컴퓨팅 장치(100)는 서버, TV, 스마트TV, 냉장고, 오븐, 의류 스타일러, 로봇 청소기, 드론, 에어컨, 공기 청정기, PC, 스피커, 홈 CCTV, 조명, 세탁기 및 스마트 플러그 중 적어도 하나를 포함할 수 있다. 도 2d에서 설명한 컴퓨팅 장치(100)의 구성요소는 일반적으로 컴퓨팅 장치에 구비되는 구성요소를 예시한 것이므로, 컴퓨팅 장치(100)는 전술한 구성요소에 한정되지 않으며 필요에 따라 소정의 구성요소가 생략 및/또는 추가될 수 있다.
네트워크부
(180)
본 발명의 일 실시예에 따른 네트워크부(180)는 공중전화 교환망(PSTN: Public Switched Telephone Network), xDSL(x Digital Subscriber Line), RADSL(Rate Adaptive DSL), MDSL(Multi Rate DSL), VDSL(Very High Speed DSL), UADSL(Universal Asymmetric DSL), HDSL(High Bit Rate DSL) 및 근거리 통신망(LAN) 등과 같은 다양한 유선 통신 시스템들을 사용할 수 있다.
또한, 본 명세서에서 제시되는 네트워크부(180)는 4G, 5G(LTE) 등의 이동 통신 시스템, 스타링크 등의 위성 통신 시스템들과 같은 현재 및 장래 실현될 수 있는 다양한 무선 통신 시스템들을 사용할 수 있다.
본 발명에서 네트워크부(180)는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW: World Wide Web)일 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다. 본 명세서에서 설명된 기술들은 위에서 언급된 네트워크들뿐만 아니라, 다른 네트워크들에서도 사용될 수 있다.
한편, 본 발명의 실시예들에 따른 시스템에서 구현되는 컴퓨팅 장치(100)에서는, 통신 모듈(170)과 네트워크부(180)를 모두 포함하여 구성될 수도 있지만, 통신 모듈(170)과 네트워크부(180)중 하나만을 포함하여 구성될 수도 있다. 이 경우, 상술한 통신 모듈(170)의 동작을 네트워크부(180)에서 수행하거나, 또는 상술한 네트워크부(180)의 동작을 통신 모듈(170)에서 수행할 수 있다.
네트워크
본 발명의 실시예들에 따른 네트워크는 공중전화 교환망(PSTN: Public Switched Telephone Network), xDSL(x Digital Subscriber Line), RADSL(Rate Adaptive DSL), MDSL(Multi Rate DSL), VDSL(Very High Speed DSL), UADSL(Universal Asymmetric DSL), HDSL(High Bit Rate DSL) 및 근거리 통신망(LAN) 등과 같은 다양한 유선 통신 시스템들을 사용할 수 있다. 또한, 여기서 제시되는 네트워크는 CDMA(Code Division Multi Access), TDMA(Time Division Multi Access), FDMA(Frequency Division Multi Access), OFDMA(Orthogonal Frequency Division Multi Access), SC-FDMA(Single Carrier-FDMA) 및 다른 시스템들과 같은 다양한 무선 통신 시스템들을 사용할 수 있다.
본 발명의 실시예들에 따른 네트워크는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 단거리 통신망(PAN: Personal Area Network), 근거리 통신망(WAN: Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 또한, 상기 네트워크는 공지의 월드와이드웹(WWW: World Wide Web)일 수 있으며, 적외선(IrDA: Infrared Data Association) 또는 블루투스(Bluetooth)와 같이 단거리 통신에 이용되는 무선 전송 기술을 이용할 수도 있다. 본 명세서에서 설명된 기술들은 위에서 언급된 네트워크들뿐만 아니라, 다른 네트워크들에서도 사용될 수 있다.
외부 단말(200)
도 2e는 본 발명의 일 실시예에 따른 외부 단말(200)을 설명하기 위한 블록도이다.
외부 단말(200)은 프로세서(210), 메모리(220), 통신 모듈(270)을 포함할 수 있다. 외부 단말(200)은 외부 서버(20) 또는 클라우드 서버일 수 있다. 외부 서버(20)는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다. 외부 서버(20)는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 발명은 이에 제한되지 않는다.
프로세서(210)
프로세서(210)는 외부 단말(200)을 전반적으로 제어한다. 프로세서(210)는 AI 프로세서(215)를 포함할 수 있다.
AI 프로세서(215)는 메모리(220)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서(215)는 사용자 단말(300)의 동작과 관련된 데이터를 인식하기 위한 신경망을 학습할 수 있다. 여기서, 신경망은 인간의 뇌 구조(예를 들어, 인간의 신경망의 뉴런 구조)를 컴퓨터 상에서 모의하도록 설계될 수 있다. 신경망은 입력층(input layer), 출력층(output layer) 및 적어도 하나의 은닉층(hidden layer)를 포함할 수 있다. 각 층은 가중치를 갖는 적어도 하나의 뉴런을 포함하고, 신경망은 뉴런과 뉴런을 연결하는 시냅스(synapse)를 포함할 수 있다. 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호를 가중치(weight) 및/또는 편향(bias)에 대한 활성함수(activation function)의 함수값으로 출력할 수 있다.
복수의 네트워크 모드들은 뉴런이 시냅스를 통해 신호를 주고받는 뉴런의 시냅틱 활동을 모의하도록 각각 연결 관계에 따라 데이터를 주고받을 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 콘볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 신경망 모델의 예는 심층 신경망(deep neural network, DNN), 합성곱 신경망(convolutional neural network, CNN), 순환 신경망(recurrent neural network), 제한 볼츠만 머신(restricted Boltzmann machine), 심층 신뢰 신경망(deep belief network), 심층 Q-네트워크(deep Q-Network)와 같은 다양한 딥러닝 기법들을 포함하며, 비전인식, 음성인식, 자연어처리, 음성/신호처리 등의 분야에서 적용될 수 있다.
한편, 전술한 바와 같은 기능을 수행하는 프로세서(210)는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU, TPU)일 수 있다.
메모리(220)
메모리(220)는 사용자 단말(300) 및/또는 외부 단말(200)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(220)는 AI 프로세서(215)에 의해 액세스되며, AI 프로세서(215)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(220)는 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥러닝 모델)을 저장할 수 있다. 나아가, 메모리(220)는 학습 모델(221)뿐만 아니라, 입력 데이터, 학습 데이터, 학습 히스토리 등을 저장할 수도 있다.
한편, AI 프로세서(215)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부(215a)를 포함할 수 있다. 데이터 학습부(215a)는 데이터 분류/인식을 판단하기 위하여 어떤 학습 데이터를 이용할지, 학습 데이터를 이용하여 데이터를 어떻게 분류하고 인식할지에 관한 기준을 학습할 수 있다. 데이터 학습부(215a)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.
데이터 학습부(215a)는 적어도 하나의 하드웨어 칩 형태로 제작되어 외부 단말(200)에 탑재될 수 있다. 일 예로, 데이터 학습부(215a)는 인공지능을 위한 전용 하드웨어 칩 형태로 제작될 수 있고, 범용 프로세서(CPU) 또는 그래픽 전용 프로세서(GPU)의 일부로 제작되어 외부 단말(200)에 탑재될 수 있다. 또한, 데이터 학습부(215a)는 소프트웨어 모듈로 구현될 수도 있다. 소프트웨어 모듈(또는 인스트럭션(instruction)을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록 매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우에 적어도 하나의 소프트웨어 모듈은 OS(operating system)에 제공되거나, 애플리케이션에 의해 제공될 수 있다.
데이터 학습부(215a)는 획득된 학습 데이터를 이용하여, 신경망 모델이 소정의 데이터를 어떻게 분류/인식할지에 관한 판단기준을 가지도록 학습할 수 있다. 이때, 모델 학습부에 의한 학습 방식은 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 강화 학습(reinforcement learning)으로 분류될 수 있다. 여기서, 지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 지칭하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 특정 환경 안에서 정의된 에이전트(agent)가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 방법을 의미할 수 있다. 또한, 모델 학습부는 오류 역전파법(backpropagation) 또는 경사 하강법(gradient decent)을 포함하는 학습 알고리즘을 이용하여 신경망 모델을 학습시킬 수 있다. 신경망 모델이 학습되면 학습된 신경망 모델은 학습 모델(221)이라 호칭할 수 있다. 학습 모델(221)은 메모리(220)에 저장되어 학습 데이터가 아닌 새로운 입력 데이터에 대한 결과를 추론하는 데 사용될 수 있다.
AI 프로세서(215)는 학습 모델(221)을 이용한 분석 결과를 향상시키거나, 학습 모델(221)의 생성에 필요한 리소스 또는 시간을 절약하기 위하여 데이터 전처리부(215b) 및/또는 데이터 선택부(215c)를 더 포함할 수도 있다.
데이터 전처리부(215b)는 획득된 데이터가 상황 판단을 위한 학습/추론에 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 일 예로, 데이터 전처리부(215b)는 통신 모듈(270)을 통해 수신된 입력 데이터에 대하여 전처리로서 특징 정보(feature information)을 추출할 수 있으며, 특징 정보는 특징 벡터(feature vector), 특징점(feature point) 또는 특징맵(feature map) 등의 포맷으로 추출될 수 있다.
데이터 선택부(215c)는 학습 데이터 또는 전처리부에서 전처리된 학습 데이터 중 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부에 제공될 수 있다. 일 예로, 데이터 선택부(215c)는 컴퓨팅 장치의 카메라를 통해 획득한 영상 중 특정 영역을 검출함으로써, 특정 영역에 포함된 객체에 대한 데이터만을 학습 데이터로 선택할 수 있다. 또한, 데이터 선택부(215c)는 입력 장치를 통해 획득된 입력 데이터 또는 전처리부에서 전처리된 입력 데이터 중 추론에 필요한 데이터를 선택할 수도 있다.
또한, AI 프로세서(215)는 신경망 모델의 분석 결과를 향상시키기 위하여 모델 평가부(215d)를 더 포함할 수 있다. 모델 평가부(215d)는, 신경망 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 분석 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 학습 모델(221)을 평가하기 위한 기 설정된 데이터일 수 있다. 일 예로, 모델 평가부(215d)는 평가 데이터에 대한 학습된 신경망 모델의 분석 결과 중, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우에 소정 기준을 만족하지 못한 것으로 평가할 수 있다.
통신 모듈(270)
통신 모듈(270)은 AI 프로세서(215)에 의한 AI 프로세싱 결과를 사용자 단말(300)로 전송할 수 있다. 또한, 도 1i에 도시된 컴퓨팅 장치(100)로도 전송할 수 있다.
사용자 단말(300)
도 2f는 본 발명의 일 실시예에 따른 사용자 단말(300)을 설명하기 위한 블록도이다.
본 발명의 일 실시예에 따르면, 사용자 단말(300)은 컴퓨팅 장치(100)와의 정보 교환을 통해 사용자의 수면과 관련한 정보를 제공받을 수 있는 단말로, 사용자가 소지한 단말을 의미할 수 있다. 예컨대, 사용자 단말(300)은 자신의 수면 습관에 관련한 정보들을 통해 건강을 증진시키고자 하는 사용자와 관련한 단말일 수 있다. 사용자는 사용자 단말(300)을 통해 자신의 수면에 관련한 모니터링 정보를 획득할 수 있다. 수면에 관련한 모니터링 정보는 예컨대, 사용자가 잠에 든 시점, 잠을 잔 시간, 잠에서 깨어난 시점 등에 관련한 수면 상태 정보 또는, 수면 동안 수면 단계의 변화에 관련한 수면 단계 정보를 포함할 수 있다. 구체적인 예를 들어, 수면 단계 정보는, 사용자의 지난 밤 8시간 수면 동안 각 시점 별로 사용자의 수면이 얕은 수면, 보통 수면, 깊은 수면 또는 REM 수면 등으로 변화한 정보를 의미할 수 있다. 전술한 수면 단계 정보에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
상기 사용자 단말(300)은 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기(smartwatch), 글래스형 단말기(smart glass), HMD(head mounted display)) 등을 포함할 수 있다.
상기 사용자 단말(300)은 무선 통신부(310), 입력부(320), 센싱부(340), 출력부(350), 인터페이스부(360), 메모리(370), 제어부(380) 및 전원 공급부(390) 등을 포함할 수 있다. 도 2f에 도시된 구성요소들은 사용자 단말을 구현하는데 있어서 필수적인 것은 아니어서, 본 명세서 상에서 설명되는 사용자 단말은 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
무선 통신부(310)
무선 통신부(310)는, 사용자 단말(300)와 무선 통신 시스템 사이, 사용자 단말(300)와 컴퓨팅 장치(100), 또는 사용자 단말(300)과 외부 단말(200) 사이의 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 또한, 상기 무선 통신부(310)는, 사용자 단말(300)를 하나 이상의 네트워크에 연결하는 하나 이상의 모듈을 포함할 수 있다.
이러한 무선 통신부(310)는, 방송 수신 모듈(311), 이동통신 모듈(312), 무선 인터넷 모듈(313), 근거리 통신 모듈(314), 위치정보 모듈(315) 중 적어도 하나를 포함할 수 있다.
입력부(320)
입력부(320)는, 영상 신호 입력을 위한 카메라(321) 또는 영상 입력부, 오디오 신호 입력을 위한 마이크로폰, 또는 오디오 입력부, 사용자로부터 정보를 입력 받기 위한 사용자 입력부(323, 예를 들어, 터치키(touch key), 푸시키(mechanical key) 등)를 포함할 수 있다. 입력부(320)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어명령으로 처리될 수 있다.
센싱부
(340)
센싱부(340)는 사용자 단말 내 정보, 사용자 단말을 둘러싼 주변 환경 정보 및 사용자 정보 중 적어도 하나를 센싱하기 위한 하나 이상의 센서를 포함할 수 있다. 예를 들어, 센싱부(340)는 근접센서(341, proximity sensor), 조도 센서(342, illumination sensor), 터치 센서(touch sensor), 가속도 센서(acceleration sensor), 자기 센서(magnetic sensor), 중력 센서(G-sensor), 자이로스코프 센서(gyroscope sensor), 모션 센서(motion sensor), RGB 센서, 적외선 센서(IR 센서: infrared sensor), 지문인식 센서(finger scan sensor), 초음파 센서(ultrasonic sensor), 광 센서(optical sensor, 예를 들어, 카메라(321 참조)), 배터리 게이지(battery gauge), 환경 센서(예를 들어, 기압계, 습도계, 온도계, 방사능 감지 센서, 열 감지 센서, 가스 감지 센서 등), 화학 센서(예를 들어, 전자 코, 헬스케어 센서, 생체 인식 센서 등) 중 적어도 하나를 포함할 수 있다. 한편, 본 명세서에 개시된 사용자 단말은, 이러한 센서들 중 적어도 둘 이상의 센서에서 센싱되는 정보들을 조합하여 활용할 수 있다.
출력부(350)
출력부(350)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 디스플레이부(351), 음향출력부(352), 햅틱 모듈(353), 광 출력부(354) 중 적어도 하나를 포함할 수 있다.
디스플레이부(351)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, 사용자 단말(300)와 사용자(U) 사이의 입력 인터페이스를 제공하는 사용자 입력부(323)로써 기능함과 동시에, 사용자 단말(300)와 사용자(U) 사이의 출력 인터페이스를 제공할 수 있다.
인터페이스부
(360)
인터페이스부(360)는 사용자 단말(300)에 연결되는 다양한 종류의 외부 기기와의 통로 역할을 수행한다. 이러한 인터페이스부(360)는, 유/무선 헤드셋 포트(port), 외부 충전기 포트(port), 유/무선 데이터 포트(port), 메모리 카드(memory card) 포트, 식별 모듈이 구비된 장치를 연결하는 포트(port), 오디오 I/O(Input/Output) 포트(port), 비디오 I/O(Input/Output) 포트(port), 이어폰 포트(port) 중 적어도 하나를 포함할 수 있다. 사용자 단말(300)에서는, 상기 인터페이스부(360)에 외부 기기(예를 들어, 컴퓨팅 장치(100))가 연결되는 것에 대응하여, 연결된 외부 기기와 관련된 적절한 제어를 수행할 수 있다.
메모리(370)
메모리(370)는 사용자 단말(300)의 다양한 기능을 지원하는 데이터를 저장한다. 메모리(370)는 사용자 단말(300)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 사용자 단말(300)의 동작을 위한 데이터들, 명령어들, 또는 인스트럭션을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드될 수 있다. 또한 이러한 응용 프로그램 중 적어도 일부는, 사용자 단말(300)의 기본적인 기능(예를 들어, 전화 착신, 발신 기능, 메시지 수신, 발신 기능)을 위하여 출고 당시부터 사용자 단말(300)상에 존재할 수 있다. 한편, 응용 프로그램은, 메모리(370)에 저장되고, 사용자 단말(300) 상에 설치되어, 제어부(380)에 의하여 상기 사용자 단말의 동작(또는 기능)을 수행하도록 구동될 수 있다.
메모리(370)는 제어부(380)의 동작에 대한 인스트럭션들을 저장할 수 있다.
제어부(380)
제어부(380)는 상기 응용 프로그램과 관련된 동작 외에도, 통상적으로 사용자 단말(300)의 전반적인 동작을 제어한다. 제어부(380)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(370)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
제어부(380)는 메모리(370)에 저장된 응용 프로그램을 구동하기 위하여, 도 2f와 함께 살펴본 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 제어부(380)는 상기 응용 프로그램의 구동을 위하여, 사용자 단말(300)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작시킬 수 있다.
전원공급부
(390)
전원공급부(390)는 제어부(380)의 제어 하에서, 외부의 전원, 내부의 전원을 인가 받아 사용자 단말(300)에 포함된 각 구성요소들에 전원을 공급한다. 이러한 전원공급부(390)는 배터리를 포함하며, 상기 배터리는 내장형 배터리 또는 교체 가능한 형태의 배터리가 될 수 있다.
상기 각 구성요소들 중 적어도 일부는, 이하에서 설명되는 다양한 실시 예들에 따른 사용자 단말의 동작, 제어, 또는 제어방법을 구현하기 위하여 서로 협력하여 동작할 수 있다. 또한, 상기 사용자 단말의 동작, 제어, 또는 제어방법은 상기 메모리(370)에 저장된 적어도 하나의 응용 프로그램의 구동에 의하여 사용자 단말 상에서 구현될 수 있다.
환경 조성 장치(30)
본 발명의 일 실시예에 따르면, 환경 조성 장치(30)는 사용자의 수면 환경을 조정할 수 있다. 구체적으로, 환경 조성 장치(30)는 하나 이상의 환경 조성 모듈을 포함할 수 있으며, 컴퓨팅 장치(100)로부터 수신한 환경 조성 정보에 기초하여 사용자가 위치한 공간의 공기질, 조도, 온도, 풍향, 습도 및 음향 중 적어도 하나에 관련한 환경 조성 모듈을 동작시킴으로써, 사용자의 수면 환경을 조정할 수 있다.
환경 조성 장치(30)는 공기질을 제어할 수 있는 공기청정기, 광량(조도)을 제어할 수 있는 조명장치, 온도를 제어할 수 있는 냉/난방기, 습도를 제어할 수 있는 가습기/제습기, 음향을 제어할 수 있는 오디오/스피커 등으로 구현될 수 있다.
도 8은 본 발명의 일 실시예와 관련된 수면 상태 정보에 따른 수면 환경 조성 방법을 제공하기 위한 예시적인 순서도를 도시한다.
본 발명의 일 실시예에 따르면, 상기 방법은, 사용자의 수면 상태 정보를 획득하는 단계(S1000)를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 상기 방법은, 수면 상태 정보에 기초하여 환경 조성 정보를 생성하는 단계(S2000)를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 상기 방법은, 환경 조성 정보를 환경 조성 장치(30)로 전송하는 단계(S3000)를 포함할 수 있다.
전술한 도 8에 도시된 단계들은 필요에 의해 순서가 변경될 수 있으며, 적어도 하나 이상의 단계가 생략 또는 추가될 수 있다. 즉, 전술한 단계는 본 발명의 일 실시예에 불과할 뿐, 본 발명의 권리 범위는 이에 제한되지 않는다.
환경 조성 정보
본 발명의 일 실시예에 따르면, 프로세서(110)는 수면 상태 정보 및/또는 수면 단계 정보에 기초하여 환경 조성 정보를 생성할 수 있다. 수면 상태 정보는, 사용자가 수면을 취하는지 여부에 관련한 정보로, 사용자가 수면 전이라는 제1수면 상태 정보, 사용자가 수면 중이라는 제2수면 상태 정보 및 사용자가 수면 후라는 제3 수면 상태 정보 중 적어도 하나를 포함할 수 있다.
보다 자세히 설명하면, 프로세서(110)는 제1수면 상태 정보에 기초하여 제1환경 조성 정보를 생성할 수 있다. 구체적으로, 프로세서(110)는 사용자가 수면 전이라는 제1수면 상태 정보를 획득한 경우, 해당 제1수면 상태 정보에 기초하여 제1환경 조성 정보를 생성할 수 있다.
실시예에 따르면, 제1환경 조성 정보는, 자연스럽게 수면에 들도록 유도하는 광의 세기 및 조도에 관한 정보일 수 있다. 구체적으로, 제1환경 조성 정보는, 수면 유도 시점을 기준으로 상기 제2수면 상태 정보가 획득되는 시점까지 3000K의 백색광을 30 lux의 조도로 공급하도록 하는 제어 정보일 수 있다.
실시예에 따르면, 수면 유도 시점은, 프로세서(110)에 의해 결정될 수 있다. 구체적으로, 프로세서(110)는 사용자의 사용자 단말(300)과의 정보 교환을 통해 수면 유도 시점을 결정할 수 있다. 구체적인 예를 들어, 사용자는 자신이 수면하고자 하는 시점을 사용자 단말(300)을 통해 설정하여 프로세서(110)로 전달할 수 있다. 프로세서(110)는 사용자 단말(300)로부터 사용자가 수면을 취하고자 하는 시점에 기초하여 수면 유도 시점을 결정할 수 있다. 예를 들어, 프로세서(110)는 사용자가 수면을 취하고자 하는 시점을 기준으로 20분 전 시점을 수면 유도 시점으로 결정할 수 있다. 구체적인 예를 들어, 사용자가 설정한 수면을 취하고자 하는 시점이 11시인 경우, 프로세서(110)는 10시 40분을 수면 유도 시점으로 결정할 수 있다. 전술한 시점에 대한 구체적인 수치적 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
또한 실시예에 따르면, 프로세서(110)는 환경 센싱 정보에 기초하여 사용자의 수면 의도 정보를 획득하고, 수면 의도 정보에 기초하여 수면 유도 시점을 결정할 수 있다. 수면 의도 정보는, 사용자가 수면을 취할 의도를 정량적인 수치로 나타낸 정보일 수 있다. 예컨대, 사용자의 수면 의도가 높을수록 10에 가까운 수면 의도 정보가 산출되며, 수면 의도가 낮을수록 0에 가까운 수면 의도 정보가 산출될 수 있다. 전술한 수면 의도 정보에 대한 구체적인 수치적 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
환경 조성 정보는, 사용자의 수면 상태 정보 판정에 기초하여 컴퓨팅 장치(100)로부터 생성된 신호일 수 있다. 예를 들어, 환경 조성 정보는, 조도를 낮추거나 또는 높이는 등에 관한 정보를 포함할 수 있다. 환경 조성 장치(30)가 조명장치인 경우, 환경 조성 정보는, 기상이 예측되는 시점으로부터 30분 전부터 3000K의 백색광을 0 lux 에서 250 lux조도로 점진적으로 증가시키도록 하는 제어 정보를 포함할 수 있다. 또한, 환경 조성 장치(30)가 공기청정기인 경우, 환경 조성 정보는 사용자의 실시간 수면상태에 기초하여 미세먼지(미세먼지, 초미세먼지, 극초미세먼지) 제거, 유해가스 제거, 알러지 케어 구동, 탈취/제균 구동, 제습/가습 조절, 송풍 강도 조절, 공기청정기 구동소음 조절, LED 점등, 스모그원인물질(SO2, NO2) 관리, 생활냄새 제거 등과 관련한 다양한 정보 등을 포함할 수 있다.
추가적인 예를 들어, 환경 조성 정보는 온도, 습도, 풍향 또는 음향 중 적어도 하나를 조정하기 위한 제어 정보를 포함할 수 있다. 전술한 환경 조성 정보에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
환경 조성 장치(30)에 포함된 하나 이상의 환경 조성 모듈은 예를 들어, 조도 제어 모듈, 온도 제어 모듈, 풍향 제어 모듈, 습도 제어 모듈 및 음향 제어 모듈 중 적어도 하나를 포함할 수 있다. 다만, 이에 제한되는 것은 아니고, 하나 이상의 환경 조성 모듈은 사용자의 수면 환경에 변화를 가져올 수 있는 다양한 환경 조성 모듈들을 더 포함할 수 있다. 즉, 환경 조성 장치(30)는 컴퓨팅 장치(100)의 환경 제어 신호에 기초하여 하나 이상의 환경 조성 모듈을 구동시킴으로써, 사용자의 수면 환경을 조정할 수 있다.
수면 상태에 따른 환경 조성 정보 결정
수면 유도 시점
실시예에 따르면, 프로세서(110)는 수면 의도 정보에 기초하여 수면 유도 시점을 결정할 수 있다. 구체적으로, 프로세서(110)는 수면 의도 정보가 미리 정해진 임계 점수를 초과하는 시점을 수면 유도 시점으로 식별할 수 있다. 즉, 프로세서(110)는 높은 수면 의도 정보가 획득되는 경우, 이를 수면 유도에 적절한 시점 즉, 수면 유도 시점으로 식별할 수 있다.
전술한 바와 같이, 프로세서(110)는 사용자의 수면 유도 시점을 결정할 수 있다. 이에 따라, 프로세서(110)는 사용자가 수면 전이라는 제1수면 상태 정보를 획득하는 경우, 수면 유도 시점을 기준으로 제2수면 상태 정보가 획득되는 시점까지 광을 조정하도록 하는 제1환경 조성 정보(3000K의 백색광을 30 lux의 조도로 공급)를 생성할 수 있다.
취침 전 상태
즉, 프로세서(110)는 사용자의 상태가 취침 전 상태인 경우, 사용자가 수면을 준비하는 것으로 예측되는 시점(예컨대, 수면 유도 시점)부터 잠이 드는 시점(즉, 제2수면 상태 정보가 획득되는 시점)까지 광을 조정하도록 하는 제1환경 조성 정보를 생성할 수 있으며, 해당 제1환경 조성 정보를 환경 조성 장치(30)로 전송할 것을 결정할 수 있다. 이에 따라, 사용자가 잠들기 20분(예컨대, 수면 유도 시점) 전부터 잠에 드는 순간까지 3000K의 백색광이 30 lux의 조도로 공급될 수 있다. 이는 사용자가 잠들기 전 멜라토닌 분비에 탁월한 광이며, 하여금 자연스럽게 수면에 들도록 유도하는 것으로, 사용자의 수면 효율을 향상시킬 수 있다.
또한, 프로세서(110)는 사용자의 상태가 취침 전 상태인 경우, 사용자가 수면을 준비하는 것으로 예측되는 시점(예컨대, 수면 유도 시점)부터 잠이 드는 시점(즉, 제2수면 상태 정보가 획득되는 시점)까지, 공기청정기를 제어하기 위한 제1환경 조성 정보를 생성할 수 있다. 구체적으로, 사용자의 수면 전 소정시간(예: 20분 전)까지 미세먼지 및 유해가스를 미리 제거하도록 공기청정기를 제어하는 제1환경 조성 정보를 생성할 수 있다. 그리고, 제1환경 조성 정보는 수면 직전 수면을 유도할 수 있는 정도의 소음(백색소음)을 유발하도록 공기청정기를 제어하거나, 송풍세기를 기설정된 세기 이하로 조절하거나, LED의 세기를 낮추는 등의 정보를 포함할 수 있다. 이와 함께, 제1환경 조성 정보는 수면공간 내의 온도 및 습도 정보에 기초하여 제습/가습을 실행하도록 공기청정기를 제어하기 위한 정보를 포함할 수 있다. 또한, 제1환경 조성 정보는 공기청정기의 가동 히스토리와 획득되는 수면 상태(수면의 질)에 따라서 개인맞춤형 송풍 세기와 소음을 조절하도록 하는 제어 정보를 포함할 수 있다.
제2 수면
상태
본 발명의 일 실시예에 따르면, 프로세서(110)는 제2수면 상태 정보에 기초하여 제2환경 조성 정보를 생성할 수 있다. 제2환경 조성 정보는, 조도를 최소화하여 빛이 없는 암실 환경을 조성하도록 하는 제어 정보일 수 있다. 예컨대, 수면 중 빛의 간섭이 있을 경우, 파편적으로 잠을 잘 확률이 높아져 좋은 숙면을 취하기 어려울 수 있다.
또한, 프로세서(110)는 제2수면 상태 정보에 기초하여 공기청정기의 LED를 오프시키거나, 기설정된 레벨 이하의 소음으로 공기청정기를 동작시키거나, 송풍 강도를 기설정된 세기 이하로 조절하거나, 송풍 온도를 기설정된 범위 내에 맞추거나, 수면공간 내의 습도를 소정 온도로 유지하도록 공기청정기를 제어하기 위한 제2환경 조성 정보를 생성할 수 있다.
제2환경 조성 정보는 수면 단계에 따라, 깊은 수면(deep sleep)을 취하고 있는 경우 잠에서 깰 염려가 적기 때문에, 공기의 질을 향상시키도록 송풍 세기를 높이기 위한 제어 정보를 포함할 수 있다.
즉, 프로세서(110)는 사용자가 수면(또는 수면 단계)에 진입하였음을 감지하는 경우(제2수면 상태 정보를 획득하는 경우), 광이 공급되지 않도록 하거나 공기청정기의 동작을 최소화하는 제어 정보 즉, 제2환경 조성 정보를 생성할 수 있다. 이에 따라, 사용자가 깊은 잠을 잘 확률이 높아져 수면의 질이 향상될 수 있다.
기상 유도 시점
본 발명의 일 실시예에 따르면, 프로세서(110)는 기상 유도 시점에 기초하여 제3환경 조성 정보를 생성할 수 있다. 제3환경 조성 정보는, 기상 유도 시점으로부터 기상 시점까지 3000K의 백색광을 0 lux에서 250 lux조도로 점진적으로 증가시켜 공급하도록 하는 제어 정보인 것을 특징으로 할 수 있다. 예를 들어, 제3환경 조성 정보는 사용자의 기상 전 30분 전(즉, 기상 유도 시점)부터 조도를 서서히 올리는 것에 관련한 제어 정보일 수 있다. 여기서, 기상 유도 시점은, 기상 예측 시점에 기초하여 결정되는 것을 특징으로 할 수 있다.
일 실시예에서, 기상 유도 시점은, 기상 예측 시점에 기초하여 결정되는 것을 특징으로 할 수 있다. 기상 예측 시점은, 사용자가 기상할 것으로 예상되는 시점에 관한 정보일 수 있다. 예컨대, 기상 예측 시점은, 제1사용자에게는 7시일 수 있다. 전술한 기상 예측 시점에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
제3환경 조성 정보는 기상 시점에 송풍 세기 및 소음을 낮춰 기상을 유도하도록 공기청정기를 제어하기 위한 정보를 포함할 수 있다. 또한, 제3환경 조성 정보는 기상을 서서히 유도하기 위해 백색 소음을 발생시킬 수 있도록 공기청정기를 제어하기 위한 제어 정보를 포함할 수 있다. 제3환경 조성 정보는 기상 이후 공기청정기의 소음을 기설정된 레벨 이하로 유지하도록 공기청정기를 제어하기 위한 제어 정보를 포함할 수 있다. 또한, 제3환경 조성 정보는 기상 예측 시점, 기상 추천 시점에 연동하여 공기청정기를 제어하기 위한 제어 정보를 포함할 수 있다. 기상 추천 시점은 사용자의 수면 패턴에 따라 자동적으로 추출된 시점일 수 있으며, 기상 예측 시점은 아래에서 설명하는 바와 같다.
기상 예측 시점의 판단
*일 실시예에서, 기상 예측 시점은 사용자의 사용자 단말(300)과의 정보 교환을 통해 사전 결정되는 것을 특징으로 할 수 있다. 구체적인 예를 들어, 사용자는 자신이 기상하고자 하는 시점을 사용자 단말(300)을 통해 설정하여 프로세서(110)로 전달할 수 있다. 즉, 프로세서(110)는 사용자 단말(300)의 사용자가 설정한 시점에 기초하여 기상 예측 시점을 획득할 수 있다. 예를 들어, 프로세서(110)는 사용자가 사용자 단말(300)을 통해 알람시간을 설정한 경우, 설정한 알람시간을 기상 예측 시점으로 판단할 수 있다.
다른 실시예에서, 기상 예측 시점은, 제2수면 상태 정보를 통해 식별된 수면 인입 시점에 기초하여 결정되는 것을 특징으로 할 수 있다. 구체적으로, 프로세서(110)는 사용자가 수면 중이라는 제2수면 상태 정보를 통해 사용자의 수면 인입 시점을 파악할 수 있다. 프로세서(110)는 제2수면 상태 정보를 통해 파악할 수면 인입 시점에 기초하여 기상 예측 시점을 결정할 수 있다. 예를 들어, 프로세서(110)는 수면 인입 시점을 기준으로 적정 수면 시간인 8시간 이후 시점을 기상예측 시점으로 결정할 수 있다. 구체적인 예를 들어, 수면 인입 시점이 11시인 경우, 프로세서(110)는 기상 예측 시점을 7시로 결정할 수 있다. 전술한 각 시점에 대한 구체적인 수치적 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다. 즉, 프로세서(110)는 사용자가 수면에 잠든 시점에 기초하여 기상 예측 시점을 결정할 수 있다.
또 다른 실시예에서, 기상 추천 시점은, 사용자의 수면 단계 정보에 기초하여 결정되는 것을 특징으로 할 수 있다. 예컨대, 사용자는 REM 단계에서 기상하는 경우 개운하게 일어날 가능성이 높다. 하루밤 수면 동안, 사용자는 경도 수면(light), 깊은 수면(deep), 경도 수면, REM 수면 순으로 수면 사이클을 가질 수 있으며, REM 수면 단계에서 기상했을 때 개운하게 기상할 수 있다. 바람직하게는, 사용자의 적정 또는 희망 수면 시간을 고려하여, 적정 또는 희망 수면 시간을 최소한 만족하면서, 수면 추천 시점을 결정할 수 있다.
이에 따라, 프로세서(110)는 사용자의 수면 단계에 관련한 수면 단계 정보를 통해 사용자의 기상 예측 시점을 결정할 수 있다. 구체적인 예를 들어, 프로세서(110)는 수면 단계 정보를 통해 사용자가 REM 단계에서 다른 수면 단계로 변화하는 시점(바람직하게는, REM 단계에서 다른 수면 단계로 천이하기 직전 시점)을 기상 추천 시점으로 결정할 수 있다. 즉, 프로세서(110)는 사용자가 가장 개운하게 기상할 수 있는 수면 단계 정보(즉, REM 수면 단계)에 기초하여 기상 예측 시점을 결정할 수 있다.
전술한 바와 같이, 프로세서(110)는 사용자 설정, 수면 인입 시점 및 수면 단계 정보 중 적어도 하나에 기초하여 사용자의 기상 예측 시점을 결정할 수 있다. 또한, 프로세서(110)는 사용자가 기상하고자 하는 시점인 기상 예측 시점을 결정한 경우, 해당 기상 예측 시점에 기초하여 기상 유도 시점을 결정할 수 있다. 예를 들어, 프로세서(110)는 사용자가 기상하고자 하는 시점을 기준으로 30분 전 시점을 기상 유도 시점으로 결정할 수 있다. 구체적인 예를 들어, 사용자가 설정한 기상하고자 하는 시점(즉, 기상 예측 시점)이 7시인 경우, 프로세서(110)는 6시 30분을 기상 유도 시점으로 결정할 수 있다. 전술한 시점에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
즉, 프로세서(110)는 사용자의 기상이 예측되는 기상 예측 시점을 파악하여 기상 유도 시점을 결정하고, 기상 유도 시점으로부터 기상 시점(예컨대, 사용자가 실제 기상할 때까지) 3000K의 백색광을 0 lux에서 250 lux조도로 점진적으로 증가시켜 공급하도록 하는 제3환경 조성 정보를 생성할 수 있다. 프로세서(110)는 해당 제3환경 조성 정보를 환경 조성 장치(30) 전송할 것을 결정할 수 있으며, 이에 따라, 환경 조성 장치(30)는 제3환경 조성 정보에 기반하여 사용자가 위치한 공간에서 광에 관련한 조정 동작을 수행할 수 있다. 예컨대, 환경 조성 장치(30)는 광 공급 모듈이 기상 30분 전부터 3000K의 백색광을 0 lux에서 250 lux조도 점진적으로 증가시키도록 제어할 수 있다.
제4 환경 조성 정보
본 발명의 일 실시예에 따르면, 프로세서(110)는 제3수면 상태 정보에 기초하여 제4환경 조성 정보를 획득할 수 있다. 구체적으로, 프로세서(110)는 사용자의 수면 질병 정보를 획득할 수 있다. 일 실시예에서, 수면 질병 정보는, 수면 위상 지연 증후군을 포함할 수 있다. 수면 위상 지연 증후군이란, 원하는 시간에 잠들지 못하고, 이상적인 수면 시간대가 뒤로 밀리는 수면 장애 증상일 수 있다. 실시예에 따르면, 청색광 치료(blue-light therapy)는 수면 위상 지연 증후군의 치료 방법 중 하나로, 사용자가 희망 기상 시간에 일어난 후 약 30분 정도 청색광을 공급하는 치료일 수 있다. 이러한 청색광 공급을 매일 아침 반복하는 경우, 일주기 리듬(circadian rhythm)을 원상태로 되돌려주어 정상인에 비해 더 늦은 밤시간에 잠이 오게 되는 것이 예방될 수 있다.
이에 따라, 프로세서(110)는 수면 질병 정보 및 제3수면 상태 정보에 기초하여 제4환경 조성 정보를 생성할 수 있다. 예를 들어, 사용자 단말(300)을 통해 사용자가 수면 위상 지연 증후군에 해당한다는 수면 질병 정보 및 사용자가 수면 후(즉, 기상)라는 제3수면 상태 정보를 획득하는 경우, 프로세서(110)는 제4환경 조성 정보를 생성할 수 있다. 이 경우, 제4환경 조성 정보는, 기상 시점으로부터 기 설정된 시간 동안 300 lux의 조도, 221도의 색상도, 100% 채도, 56% 밝기의 청색광을 공급하도록 하는 제어 정보일 수 있다.
일 실시예에서, 300 lux의 조도, 221도의 색상도, 100% 채도, 56% 밝기의 청색광은 수면 위상 지연 증후군을 치료하기 위한 청색광을 의미할 수 있다. 구체적인 예를 들어, 수면 위상 지연 증후군을 가진 사용자가 7시에 기상하는 경우, 프로세서(110)는 제3수면 상태 정보에 기초하여 기상 시점을 7시로 파악하고, 해당 기상 시점인 7시부터 기 설정된 시점(예컨대, 7시 30분)까지 300 lux의 조도, 221도의 색상도, 100% 채도, 56% 밝기의 청색광을 공급하도록 하는 제4환경 조성 정보를 생성할 수 있다. 이에 따라, 사용자의 일주기 리듬이 정상인 범위(예컨대, 밤 12즈음에 잠이 들고, 아침 7시 즈음 기상하도록)로 조정될 수 있다. 즉, 제4환경 조성 정보 생성을 통해 특정 수면 질환을 가진 사용자의 수면의 질이 향상될 수 있다.
본 발명의 일 실시예에 따르면, 프로세서(110)는 환경 조성 정보를 환경 조성 장치로 전송할 것을 결정할 수 있다. 구체적으로, 프로세서(110)는 조도 조정에 관련한 환경 조성 정보를 생성할 수 있으며, 해당 환경 조성 정보를 환경 조성 장치(30)로 전송할 것을 결정함으로써, 환경 조성 장치(30)의 조도 조정 동작을 제어할 수 있다.
실시예에 따르면, 빛은 수면의 질에 영향을 줄 수 있는 대표적인 요인 중 하나일 수 있다. 예컨대, 빛의 조도, 색, 노출 정도 등에 따라 수면의 질에 좋은 영향을 끼칠 수 있고, 그리고 나쁜 영향을 끼칠 수 있다. 이에 따라, 프로세서(110)는 조도를 조정하여 사용자의 수면의 질을 향상시킬 수 있다. 예를 들어, 프로세서(110)는 잠들기 전이나 잠든 후의 상황을 모니터링 하고, 이에 따라 사용자를 효과적으로 깨우기 위한 조도 조정을 수행할 수 있다. 즉, 프로세서(110)는 수면 상태(예컨대, 수면 단계)를 파악하여 자동으로 조도를 조정하여 수면의 질을 극대화시킬 수 있다.
수면 계획 정보
일 실시예에서, 프로세서(110)는 사용자 단말(300)로부터 수면 계획 정보를 수신할 수 있다. 수면 계획 정보는, 사용자가 사용자 단말(300)을 통해 생성하는 정보로, 예컨대, 취침 시간 및 기상 시간에 관한 정보를 포함할 수 있다. 프로세서(110)는 수면 계획 정보에 기초하여 외부 환경 조성 정보를 생성할 수 있다. 구체적인 예를 들어, 프로세서(110)는 수면 계획 정보를 통해 사용자의 취침 시간을 식별하고, 해당 취침 시간에 기초하여 외부 환경 조성 정보를 생성할 수 있다. 예컨대, 프로세서(110)는, 도 7에 도시된 바와 같이, 취침 시간 20분 전, 침대 위치를 기준으로 3000K의 백색광을 30 lux의 조도의 빛을 제공하도록 하는 제1환경 조성 정보를 생성할 수 있다. 즉, 취침 시간에 관련하여 사용자가 자연스럽게 수면에 들도록 유도하는 조도를 조성할 수 있다.
수면 인입 시점에 따른 동작
*또한, 예를 들어, 프로세서(110)는 제2수면 상태 정보를 통해 사용자가 수면에 인입하는 시점 즉, 수면 인입 시점을 파악할 수 있으며, 이에 기초하여 제2환경 조성 정보를 생성할 수 있다. 예컨대, 프로세서(110)는, 도 7에 도시된 바와 같이, 수면 인입 시점부터 빛을 최소화하거나 공기청정기를 슬립모드로 제어하여 조용한 암실과 같은 분위기를 조성하도록 하는 제2환경 조성 정보를 생성할 수 있다. 이러한 제2환경 조성 정보는, 사용자가 깊은 수면에 빠지도록 하여 수면의 질을 향상시키는 효과가 있다. 실시예에서, 프로세서(110)는 수면 단계 정보에 기초하여 외부 환경 조성 정보를 생성할 수 있다. 실시예에서, 수면 단계 정보는 수면 음향 정보에 대한 분석을 통해 시계열적으로 획득되는 사용자의 수면 단계 변화에 관한 정보를 포함할 수 있다.
수면 단계 정보에 따른 동작
구체적인 예를 들어, 프로세서(110)는 사용자의 수면 단계 정보를 통해 사용자가 수면 단계(예컨대, 얕은 수면)에 진입했음을 식별하는 경우, 조도를 최소화하여 빛이 없는 암실 환경을 조성하거나, 숙면을 취할 수 있도록 공기청정기를 제어하여 미세먼지/유해가스의 제거, 공기의 온도 및 습도 조절, LED의 점등, 구동소음의 레벨조절, 송풍량 등을 수행하도록 하는 외부 환경 조성 정보를 생성할 수 있다. 즉, 사용자의 수면 단계 별 최적의 조도 즉 최적의 수면 환경을 조성함으로써, 사용자의 수면 효율을 향상시킬 수 있다.
이 밖에도, 프로세서(110)는 수면 중, 사용자의 수면 단계 변화에 따라 적정한 조도를 제공하거나 공기질을 조절하도록 하기 위한 환경 조성 정보를 생성할 수 있다. 예를 들어, 얕은 수면에서 깊은 수면으로 변화되는 경우, 미세한 적색광을 공급하거나, 또는 REM 수면에서 얕은 수면으로 변화되는 경우, 조도를 낮추거나 청생광을 공급하는 등 수면 단계 변화에 따라 보다 다양한 외부 환경 조성 정보를 생성할 수 있다. 이는, 수면 전, 또는 기상 직후뿐만 아닌 수면 중 상황까지 자동으로 고려하여 수면 경험의 일부가 아닌 전체를 고려함으로써 사용자로 하여금 수면의 질을 극대화시키는 효과를 가질 수 있다.
또한, 예를 들어, 프로세서(110)는 수면 계획 정보를 통해 사용자의 기상 시간을 식별하고, 해당 기상 시간에 기초하여 기상 예측 시점을 생성하고, 이에 따라, 환경 조성 정보를 생성할 수 있다. 예컨대, 프로세서(110)는, 도 7에 도시된 바와 같이, 기상 예측 시점 30분 전부터 침대 위치를 기준으로 3000K의 백색광을 0 lux부터 시작해서 250 lux에 도달하게끔 서서히 조도를 서서히 높여주도록 하는 제3환경 조성 정보를 생성할 수 있다. 이러한 제3환경 조성 정보는, 희망 기상 시간에 대응하여 자연스럽고 개운하게 기상하도록 유도할 수 있다.
또한, 프로세서(110)는 환경 조성 정보를 환경 조성 장치(30)로 전송할 것을 결정할 수 있다. 즉, 프로세서(110)는 수면 계획 정보에 기초하여 취침 또는 기상 시 사용자가 잠에 용이하게 들거나 또는 자연스럽게 일어날 수 있도록 하는 외부 환경 조성 정보를 생성함으로써, 사용자의 수면의 질을 향상시킬 수 있다.
추가적인 실시예에서, 프로세서(110)는 수면 단계 정보에 기초하여 추천 수면 계획 정보를 생성할 수 있다. 구체적으로, 프로세서(110)는 수면 단계 정보를 통해 사용자의 수면 단계 변화에 대한 정보(예컨대, 수면 사이클)를 획득할 수 있으며, 이러한 정보들을 기반으로 기상 예상 시간을 설정할 수 있다. 예컨대, 일반적으로 하루동안의 수면 사이클은, 얕은 수면, 깊은 수면, 앞은 수면, REM 수면 단계를 거칠 수 있다. 프로세서(110)는 REM 수면 이후가 사용자가 가장 개운하게 기상할 수 있는 시점으로 판단하여 REM 시점 이후로 기상 시간을 결정함으로서, 추천 수면 계획 정보를 생성할 수 있다. 또한, 프로세서(110)는 추천 수면 계획 정보에 따라 환경 조성 정보를 생성하고, 이를 환경 조성 장치(30)로 전송할 것을 결정할 수 있다. 따라서, 사용자는 프로세서(110)가 추천한 추천 수면 계획 정보에 따라 자연스럽게 기상할 수 있다. 이는, 프로세서(110)가 사용자의 수면 단계 변화에 따라 사용자의 기상 시점을 추천한 것으로, 사용자의 피로도가 최소화되는 시점일 수 있으므로, 사용자의 수면 효율이 향상된다는 장점을 가질 수 있다.
수면 환경 조절 장치(400)
이하에서는 도 1g에 도시된 수면 환경 조절 장치에 대하여 더욱 구체적으로 설명한다. 도 1g에 도시된 바와 같이, 수면 환경 조절 장치(400), 사용자 단말(300) 및 외부 서버(20)는 네트워크를 통해, 본 발명의 일 실시예들에 따른 시스템을 위한 데이터를 상호 송수신할 수 있다.
본 발명의 실시예들에 따른 네트워크는 위에서 상세히 설명한 바와 같으므로, 중복 설명은 생략한다.
본 발명의 일 실시예에 따르면, 사용자 단말(300)은 수면 환경 조절 장치(400)와의 정보 교환을 통해 사용자의 수면과 관련한 정보를 제공받을 수 있는 단말로, 사용자가 소지한 단말을 의미할 수 있다. 사용자 단말(300)의 일반적인 구성 및 기능은 위에서 설명한 바와 같을 수 있다.
본 발명의 일 실시예에 따른사용자 단말(300)은 사용자가 위치한 공간에 관련한 음향 정보를 획득할 수 있다. 예컨대, 음향 정보는, 사용자가 위치한 공간에서 획득되는 음향 정보를 의미할 수 있다. 음향 정보는, 비접촉식 방법으로 사용자의 활동 또는 수면과 관련하여 획득될 수 있다. 예를 들어, 음향 정보는, 사용자가 수면을 취하는 동안 해당 공간에서 획득되는 것일 수 있다. 실시예에 따르면, 사용자 단말(300)을 통해 획득되는 음향 정보는, 본 발명에서 사용자의 수면 상태 정보를 획득하기 위한 기반이 되는 정보일 수 있다. 구체적인 예를 들어, 사용자의 움직임 또는 호흡에 관련하여 획득되는 음향 정보를 통해 사용자가 수면 전인지, 수면 중인지 또는 수면 후인지 여부에 관련한 수면 상태 정보가 획득될 수 있다. 또한, 예를 들어, 음향 정보를 통해 수면 시간 동안 사용자의 수면 단계 변화에 대한 정보가 획득될 수 있다.
본 발명의 수면 환경 조절 장치(400)는 외부 서버(20)로부터 건강검진 정보 또는 수면검진 정보 등을 수신하고, 해당 정보들에 기초하여 학습 데이터 세트를 구축할 수 있다. 외부 서버(20)와 관련한 설명은 위에서 상세히 기재한 바, 여기서는 그 설명을 생략하기로 한다.
일 실시예에 따르면, 수면 환경 조절 장치(400)가 수면 상태 분석을 위해 활용하는 음향 정보는, 일 공간 상에서의 사용자의 활동 또는 수면 동안 비침습적 방식으로 획득되는 것일 수 있다. 구체적인 예를 들어, 음향 정보는, 수면 동안 사용자가 뒤척거림에 따라 발생되는 음향, 근육 움직임에 관련한 음향 또는 수면 동안 사용자의 호흡에 관련한 음향 등을 포함할 수 있다. 실시예에 따르면, 환경 센싱 정보는 수면 음향 정보를 포함할 수 있으며, 해당 수면 음향 정보는, 사용자의 수면 동안에 발생하는 움직임 패턴 및 호흡 패턴에 관련한 음향을 의미할 수 있다.
실시예에서, 음향 정보는 사용자가 소지한 사용자 단말(300) 및 음향 수집부(414) 중 적어도 하나를 통해 획득될 수 있다. 예컨대, 사용자 단말(300) 및 음향수집부(414)에 구비된 마이크 모듈을 통해 일 공간 상에서 사용자의 활동에 관련한 환경 센싱 정보가 획득될 수 있다.
사용자 단말(300) 또는 음향수집부(414)에 구비된 마이크 모듈의 구성은 위에서 설명한 바와 동일하다.
본 발명에서 분석의 대상이 되는 음향 정보는, 수면 동안 획득되는 사용자의 호흡 및 움직임에 관련한 것으로, 매우 작은 음향(즉, 구분이 어려운 음향)에 관한 정보이며, 수면 환경 동안 다른 음향들과 함께 획득되는 것이므로, 낮은 신호 대 잡음비의 상기한 바와 같은 마이크 모듈을 통해 획득되는 경우, 탐지 및 분석이 매우 어려울 수 있다.
본 발명의 일 실시예에 따르면, 수면 환경 조절 장치(400)는 MEMS로 구성된 마이크 모듈을 통해 획득된 음향 정보에 기초하여 수면 상태 정보를 획득할 수 있다. 구체적으로, 수면 환경 조절 장치(400)는 많은 노이즈를 포함하여 불명료하게 획득된 음향 정보를 분석이 가능한 데이터 변환 및/또는 조정할 수 있으며, 변환 및/또는 조정된 데이터를 활용하여 인공 신경망에 대한 학습을 수행할 수 있다. 인공 신경망에 대한 사전 학습이 완료된 경우, 학습된 신경망(예컨대, 음향 분석 모델)은 음향 정보에 대응하여 획득된(예컨대, 변환 및/또는 조정된) 데이터(예컨대, 스펙트로그램)에 기초하여 사용자의 수면 상태 정보를 획득할 수 있다. 실시예에서, 수면 상태 정보는, 사용자가 수면을 취하고 있는지 여부에 관련한 정보뿐만 아니라, 수면 동안 사용자의 수면 단계 변화에 관련한 수면 단계 정보를 포함할 수 있다. 구체적인 예를 들어, 수면 상태 정보는 제1시점에는 사용자가 REM 수면이었으며, 제1시점과 상이한 제2시점에는 사용자가 얕은 수면이었다는 수면 단계 정보를 포함할 수 있다. 이 경우, 해당 수면 상태 정보를 통해, 사용자는 제1시점에 비교적 깊은 수면에 빠졌으며, 제2시점에는 보다 얕은 수면을 취했다는 정보가 획득될 수 있다.
즉, 수면 환경 조절 장치(400)는 음향을 수집하도록 일반적으로 많이 보급된 사용자 단말(예컨대, 인공지능 스피커, 침실 IoT기기, 휴대폰 등) 또는 음향수집부(414)를 통해 낮은 신호 대 잡음비를 갖는 수면 음향 정보를 획득하는 경우, 이를 분석에 적절한 데이터로 가공하고, 가공된 데이터를 처리하여 사용자가 수면 전인지, 중인지, 후인지에 대한 정보 및 수면 단계의 변화에 관련한 수면 상태 정보를 제공할 수 있다. 이는 명료한 음향 획득을 위해 사용자의 신체에 접촉식으로 마이크를 구비하지 않아도 되며, 또한, 높은 신호 대 잡음비를 가진 별도의 추가 디바이스를 구매하지 않고 소프트웨어 업데이트 만으로 일반적인 가정 환경에서 수면 상태를 모니터링할 수 있게 하여 편의성을 증대시키는 효과를 제공할 수 있다.
실시예에서, 수면 환경 조절 장치(400)는 단말 또는 서버일 수 있으며, 임의의 형태의 장치는 모두 포함할 수 있다. 수면 환경 조절 장치(400)는 디지털 기기로서, 랩탑 컴퓨터, 노트북 컴퓨터, 데스크톱 컴퓨터, 웹 패드, 이동 전화기와 같이 프로세서를 탑재하고 메모리를 구비한 연산 능력을 갖춘 디지털 기기일 수 있다. 수면 환경 조절 장치(400)는 서비스를 처리하는 웹 서버일 수 있다. 전술한 서버의 종류는 예시일 뿐이며 본 발명은 이에 제한되지 않는다.
본 발명의 일 실시예에 따르면, 수면 환경 조절 장치(400)는 클라우드 컴퓨팅 서비스를 제공하는 서버일 수 있다. 해당 서버는 위에서 상세히 설명한 바, 여기서는 설명을 생략하기로 한다.
도 2g는 본 발명의 일 실시예와 관련된 수면 환경 조절 장치의 예시적인 블록 구성도를 도시한다.
도 2g에 도시된 바와 같이, 수면 환경 조절 장치(400)는 수신 모듈(410) 및 송신 모듈(420)을 포함할 수 있다.
본 발명의 일 실시예에 따르면, 수면 환경 조절 장치(400)는 무선신호를 송신하는 송신 모듈(420) 및 송신된 무선 신호를 수신하는 수신 모듈(410)을 포함할 수 있다. 일 실시예에서, 무선 신호는, 직교 주파수 분할 다중 방식의 신호를 의미할 수 있다. 예컨대, 무선 신호는, wifi 기반 OFDM 센싱 신호일 수 있다. 또한, 본 발명의 송신 모듈(420)은, 노트북, 스마트폰, 태블릿 PC, 스마트 스피커(AI 스피커) 등을 통해 구현될 수 있으며, 수신 모듈(410)은, wifi 수신기를 통해 구현될 수 있다. 실시예에 따르면, 수신 모듈(410)은 노트북, 스마트폰, 태블릿 PC 등 다양한 컴퓨팅 장치를 통해 구현될 수도 있다. 예를 들어, 송신 모듈(420) 및 수신 모듈(410)에는 Wi-Fi 802.11n, 802.11ac 또는 OFDM을 지원하는 다른 표준을 따르는 무선 칩이 탑재되어 있을 수 있다. 즉, 비교적 저가의 장비를 통해 고신뢰도를 가진 객체 상태 정보의 획득하는 수면 환경 조절 장치(400)가 구현될 수 있다.
일 실시예에서, 송신 모듈(420)은 객체가 위치한 일 방향으로 무선 신호를 송신할 수 있으며, 수신 모듈(410)은 송신 모듈(420)과 사전 결정된 이격거리를 통해 구비되어, 송신 모듈(420)로부터 송신된 무선 신호를 수신할 수 있다. 이러한 무선 신호는 직교 주파수 분할 다중 방식의 신호임에 따라 복수의 서브 캐리어를 통해 송신 또는 수신될 수 있다.
이러한 송신 모듈(420) 및 수신 모듈(410)은 사전 결정된 이격 거리를 갖도록 구비될 수 있다. 이 경우, 사전 결정된 이격 거리는 객체가 활동하거나 또는 위치한 공간을 의미할 수 있다. 구체적인 실시예에서, 송신 모듈(420) 및 수신 모듈(410)은 기 설정된 영역을 기준으로 서로 대향하는 위치가 구비되는 것을 특징으로 할 수 있다. 여기서 기 설정된 영역(11a)이란, 예를 들어, 도 2i에 도시된 바와 같이, 사용자가 수면을 취하는 위치에 관련한 영역으로, 예컨대, 침대가 위치한 영역일 수 있다. 송신 모듈(420) 및 수신 모듈(410)은 사용자가 수면을 취하는 침대를 중심으로 양측면 각각에 구비될 수 있다. 이 경우, 본 발명의 수면 환경 조절 장치(400)는 송신 모듈(420) 및 수신 모듈(410)을 통해 송신 및 수신되는 wifi기반 OFDM 신호에 기반하여 사용자가 기 설정된 영역에 위치하였는지 관한 정보 및 사용자의 움직임이나 또는 호흡에 관한 정보인 객체 상태 정보를 획득할 수 있다.
일 실시예에 따르면, 송신 모듈(420) 및 수신 모듈(410)은 하나 이상의 안테나를 통해 무선 신호(예컨대, OFDM 신호)를 송신 및 수신할 수 있다. 예를 들어, 송신 모듈(420) 및 수신 모듈(410) 각각에 3개의 안테나가 구비되는 경우, 3개의 안테나와 64개의 서브 캐리어를 통해 총 192개(즉, 3 X 64) 채널에 관련한 채널 상태 정보가 매 프레임 마다 획득될 수 있다. 전술한 안테나 및 서브 캐리어에 대한 구체적인 수치적 기재는 예시일 뿐, 본 개시는 이에 제한되지 않는다.
일 실시예에 따르면, 송신 모듈(420) 및 수신 모듈(410)은 복수 개로 수비될 수 있다. 보다 구체적인 예를 들어, 3개의 송신 모듈 및 4개의 수신 모듈 각각이 사전 결정된 이격 거리를 통해 구비될 수 있다. 이 경우, 복수 개의 송신 모듈 및 수신 모듈 각각이 송신 및 수신하는 무선 신호는 서로 상이할 수 있다.
실시예에서, 수신 모듈(410)을 통해 수신된 무선 신호는, 기 설정된 영역에 대응하는 채널을 통과한 무선 신호로 해당 채널을 특성을 나타내는 정보를 포함할 수 있다. 수신 모듈(410)은 무선 신호로부터 채널 상태 정보를 획득할 수 있다. 채널 상태 정보는 사용자가 위치한 일 공간과 관련한 채널에 관련한 특성을 나타내는 정보이며, 송신 모듈(420)로부터 송신된 무선 신호 및 수신 모듈을 통해 수신된 무선 신호에 기초하여 산출되는 것을 특징으로 할 수 있다.
구체적으로, 송신 모듈(420)로부터 송신된 무선 신호는 특정 채널(즉, 사용자가 위치한 공간)을 통과하여 수신 모듈(410)을 통해 수신될 수 있다. 이 경우, 무선 신호는 멀티 패스(multi-path) 각각에 대응하여 복수의 서브 캐리어를 통해 송신된 것일 수 있다. 이에 따라, 수신 모듈(410)을 통해 수신된 무선 신호는, 기 설정된 영역(11a)에서의 사용자의 움직임이 반영된 신호일 수 있다. 프로세서는 수신된 무선 신호를 통해 무선 신호가 채널(즉, 사용자가 위치한 공간)을 통과하며 경험한 채널 특성에 관련한 채널 상태 정보를 획득할 수 있다. 이러한 채널 상태 정보는, 진폭과 위상으로 구성되어 있을 수 있다. 즉, 수면 환경 조절 장치(400)는 송신 모듈(420)로부터 송신된 무선 신호와 수신 모듈(410)을 통해 수신된 무선 신호(즉, 객체의 움직임이 반영된 신호)에 기반하여 송신 모듈(420)과 수신 모듈(410) 사이 공간(예컨대, 기 설정된 영역)의 특성에 관련한 채널 상태 정보를 획득할 수 있다.
실시예에 따르면, 수신 모듈(410)은 송신 모듈(420)로부터 송신된 무선 신호를 수신하는 경우, 수신한 무선 신호에 기초하여 사용자의 움직임을 감지하는 것을 특징으로 할 수 있다. 수신 모듈(410)은 채널 상태 정보의 변화를 통해 기 설정된 영역에 사용자가 위치하였는지 여부에 관한 정보를 획득할 수 있다. 실시예에 따르면, 송신 모듈(420) 및 수신 모듈(410)을 통해 무선 신호를 송수신하는 과정에서, 사용자가 송신 모듈(420) 및 수신 모듈(410) 사이에 위치하거나 또는 위치하지 않았을 때 획득되는 채널 상태 정보는 서로 상이할 수 있다. 구체적인 실시예에 따르면, 송신 모듈(420)과 수신 모듈(410) 사이 영역(예컨대, 기 설정된 영역) 내에 사용자가 위치한 경우와, 위치하지 않는 경우 각각에 대응하여 획득되는 채널 상태 정보의 차이가 극대화되도록 송신 모듈(420) 및 수신 모듈(410)이 배치될 수 있다. 추가적인 실시예에 따르면, 송신 모듈(420) 및 수신 모듈(410) 각각에 대응하여 지향성 패치 안테나가 구비될 수 있다. 여기서 지향성 패치 안테나는, m x n패치로 구성된 안테나 모듈(즉, m개의 가로 패치 수 및 n개의 세로 패치 수)일 수 있다. 예컨대, 사용자가 송신 모듈(420) 및 수신 모듈(410) 사이에 위치하거나, 또는 위치하지 않았을 때의 신호의 차이가 커질 수 있도록 안테나 사전 빔이 설정될 수 있다. 안테나의 beam width가 최적이 되도록 사전 설정되고, 이러한 지향성 패치 안테나를 이용하여 신호를 송수신 하는 방향에 사용자가 눕는 위치가 되도록 송신 모듈(420)과 수신 모듈(410)을 배치시킬 수 있다. 즉, 송신 모듈(420)과 수신 모듈(410) 각각의 지향성 패치 안테나 사이에 Line-of-Sight 직접적으로 확보되는 무선 링크가 형성될 수 있다. 이러한 구성을 통해 각 모듈의 안테나를 지향성 안테나로 동작하게 하여 보다 좁은 영역(예컨대, 기 설정된 영역)에 대응하여 무선 링크를 형성할 수 있다.
즉, 송신 모듈(420)과 수신 모듈(410)의 안테나 사이에 무선 링크가 형성될 수 있으며, 이러한 무선 링크 사이에 사용자가 위치한 경우, 사용자의 신체가 무선 링크를 가로막게 되어 무선 링크가 왜곡되어 신호 레벨(즉, 채널 상태 정보)이 크게 달라지게 된다. 실시예에서, 신호 레벨의 변화는, RSSI(Received Signal Strength Indicator)와 CSI(Channel State Information)의 변화를 통해 감지할 수 있으며, 이에 따라, 수신 모듈(410)은 이러한 변화를 통해 사용자가 기 설정된 영역(11a)에 위치하였는지 여부를 판별할 수 있다.
실시예에서, 사용자가 기 설정된 영역(11a)에 위치하였는지 여부에 관한 정보는, 환경조성부(415)의 구동 여부를 결정하는데 활용되거나 또는 사용자의 수면 의도를 파악하는데 활용될 수 있다.
본 발명의 일 실시예에 따르면, 수신 모듈(410)은 사용자의 수면 상태 정보를 산출하고, 그리고 수면 상태 정보에 기초하여 사용자의 수면 환경을 조정할 수 있다. 구체적으로, 수신 모듈(410)은 획득한 센싱 정보에 기초하여 사용자가 수면 전인지, 중인지 또는 후인지 여부에 관련한 수면 상태 정보를 획득할 수 있으며, 해당 수면 상태 정보에 따라 사용자가 위치한 공간의 수면 환경을 조정할 수 있다. 구체적인 예를 들어, 수신 모듈(410)은 사용자가 수면 전이라는 수면 상태 정보를 획득한 경우, 해당 수면 상태 정보에 기초하여 수면을 유도하기 위한 광의 세기 및 조도(예컨대, 3000K의 백색광, 30 lux의 조도)에 관련한 환경 조성 정보를 생성할 수 있다. 또한, 수신 모듈(410)은 수면을 유도하기 위한 광의 세기 및 조도에 관련한 환경 조성 정보에 기초하여 사용자가 위치한 공간의 광의 세기 및 조도를 수면을 유도하기 위한 적절한 세기 및 조도(예컨대, 3000K의 백색광을 30 lux의 조도)로 조정할 수 있다.
또한, 수신 모듈(410)은 사용자가 수면 전이라는 수면 상태 정보를 획득한 경우, 사용자가 수면을 준비하는 것으로 예측되는 시점(예컨대, 수면 유도 시점)부터 잠이 드는 시점(즉, 제2수면 상태 정보가 획득되는 시점)까지, 공기청정기를 제어하기 위한 환경 조성 정보를 생성할 수 있다. 구체적으로, 사용자의 수면 전 소정시간(예: 20분 전)까지 미세먼지 및 유해가스를 미리 제거하도록 공기청정기를 제어하는 환경 조성 정보를 생성할 수 있다. 그리고, 환경 조성 정보는 수면 직전 수면을 유도할 수 있는 정도의 소음(백색소음)을 유발하도록 공기청정기를 제어하거나, 송풍세기를 기설정된 세기 이하로 조절하거나, LED의 세기를 낮추는 등의 정보를 포함할 수 있다. 이와 함께, 제1환경 조성 정보는 수면공간 내의 온도 및 습도 정보에 기초하여 제습/가습을 실행하도록 공기청정기를 제어하기 위한 정보를 포함할 수 있다. 또한, 제1환경 조성 정보는 공기청정기의 가동 히스토리와 획득되는 수면 상태(수면의 질)에 따라서 개인맞춤형 송풍 세기와 소음을 조절하도록 하는 제어 정보를 포함할 수 있다.
전술한 수면 상태 정보 및 환경 조성 정보에 관련한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
도 2h는 본 발명의 일 실시예와 관련된 수신 모듈 및 송신 모듈의 예시적인 블록 구성도를 도시한다.
도 2h에 도시된 바와 같이, 수신 모듈(410)은 네트워크부(411), 메모리(412), 센서부(413), 음향수집부(414), 환경조성부(415) 및 수신제어부(416)를 포함할 수 있다. 수신 모듈(410)은 전술한 컴포넌트들로 제한되지 않는다. 즉, 본 발명내용의 실시예들에 대한 구현 양태에 따라서 추가적인 컴포넌트들이 포함되거나 또는 전술한 컴포넌트들 중 일부가 생략될 수 있다.
본 발명의 일 실시예에 따르면, 송신 모듈(420)은 도 2h에 도시된 바와 같이, 무선 신호를 송신하는 송신부(421) 및 송신부(421)의 무선 신호 송신 동작을 제어하는 송신제어부(422)를 포함할 수 있다. 실시예에서, 송신제어부(422)는 송신부(421)를 통해 무선 신호가 송신되는 시점을 결정할 수 있다. 예컨대, 송신제어부(422)는 수면 측정 모드가 개시되는 시점에 대응하여 송신부(421)를 제어함으로써, 무선 신호가 송신되도록 할 수 있다.
본 발명의 일 실시예에 따르면, 수신 모듈(410)은 송신 모듈(420), 사용자 단말(300) 및 외부 서버(20)와 데이터를 송수신하는 네트워크부(411)를 포함할 수 있다. 네트워크부(411)는 본 발명의 일 실시예에 따른 수면 상태 정보에 따른 수면 환경 조절 방법을 수행하기 위한 데이터 등을 다른 컴퓨팅 장치, 서버 등과 송수신할 수 있다. 즉, 네트워크부(411)는 수신 모듈(410)과 송신 모듈(420), 사용자 단말(300) 및 외부 서버(20) 간의 통신 기능을 제공할 수 있다. 예를 들어,
네트워크부(411)는 병원 서버로부터 복수의 사용자들에 대한 수면검진기록 및 전자건강기록을 수신할 수 있다. 다른 예를 들어, 네트워크부(411)는 사용자 단말(300)로부터 사용자가 활동하는 공간에 관련한 음향 정보를 수신할 수 있다. 또 다른 예를 들어, 네트워크부(411)는 환경조성부(415)로 사용자가 위치한 공간의 환경을 조정하기 위한 환경 조성 정보를 전송할 수 있다. 추가적으로, 네트워크부(411)는 수면 환경 조절 장치(400)로 프로시저를 호출하는 방식으로 수면 환경 조절 장치(400)와 사용자 단말(300) 및 외부 서버(20) 간의 정보 전달을 허용할 수 있다.
본 발명의 일 실시예에 따른 네트워크부(411)는 위에서 설명한 다양한 유무선 통신 시스템 중 어느 하나 혹은 이들의 조합으로 구성될 수 있다.
본 발명의 일 실시예에 따르면, 메모리(412)는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 수면 환경 조절 방법을 수행하기 위한 컴퓨터 프로그램을 저장할 수 있으며, 저장된 컴퓨터 프로그램은 수신제어부(416)에 의하여 판독되어 구동될 수 있다. 또한, 메모리(412)는 수신제어부(416)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(411)가 수신한 임의의 형태의 정보를 저장할 수 있다. 또한, 메모리(412)는 사용자의 수면에 관련한 데이터를 저장할 수 있다. 예를 들어, 메모리(412)는 입/출력되는 데이터들(예를 들어, 사용자의 수면 환경에 관련한 음향 정보, 음향 정보에 대응하는 수면 상태 정보 또는, 수면 상태 정보에 따른 환경 조성 정보 등)을 임시 또는 영구 저장할 수도 있다.
본 발명의 일 실시예에 따르면, 메모리(412)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 수면 환경 조절 장치(400)는 인터넷(internet) 상에서 상기 메모리(412)의 저장 기능을 수행하는 웹스토리지(web storage)와 관련되어 동작할 수도 있다. 전술한 메모리에 대한 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
컴퓨터 프로그램은 메모리(412)에 로드될 때, 수신제어부(416)로 하여금 본 발명의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 인스트럭션들을 포함할 수 있다. 즉, 수신제어부(416)는 하나 이상의 인스트럭션들을 실행함으로써, 본 발명의 다양한 실시예에 따른 방법/동작을 수행할 수 있다.
본 발명의 일 실시예에 따르면, 수신 모듈(410)은 일 공간에 관련한 하나 이상의 센싱 정보를 획득하는 센서부(413)를 포함할 수 있다. 본 발명에서 일 공간은, 사용자가 생활하는 공간을 의미하는 것으로, 예컨대, 사용자가 수면을 취하는 침실을 의미할 수 있다.
실시예에 따르면, 센서부(413)는 일 공간에서의 사용자의 움직임을 감지하는 제1센서부를 포함할 수 있다. 제1센서부는 PIR 센서(Passive Infrared Sensor) 및 초음파 센서 중 적어도 하나를 포함하여 구비될 수 있다. PIR 센서는 사용자의 신체에서 방출되는 적외선의 변화량을 감지하여 감지 범위 안에서 사용자의 움직임을 감지할 수 있다. 예컨대, PIR 센서는 사용자의 신체에 방출되는 8㎛~14㎛의 적외선을 식별하여 침실 내에서의 사용자의 움직임을 감지할 수 있다. 초음파 센서는 음파를 발생시키고, 특정 객체에 반사되어 돌아오는 신호를 감지하여 객체의 움직임을 감지할 수 있다. 예를 들어, 초음파 센서는 침실 공간내에 음파를 발생시키고, 사용자가 침실 내부로 들어옴에 따라 사용자의 신체에 반사되는 음파를 통해 침실 내부에 사용자의 움직임이 발생한 것을 감지할 수 있다.
또한, 실시예에서, 센서부(413)는 무선 신호에 기초하여 사용자가 일 공간의 기 설정된 영역에 위치하였는지 여부를 감지하는 제2센서부를 포함할 수 있다. 제2센서부는 송신 모듈(420)로부터 송신된 무선 신호를 수신하고, 수신한 무선 신호에 기초하여 기 설정된 영역에 사용자가 위치하였는지 여부를 감지할 수 있다. 실시예에서, 기 설정된 영역은, 일 공간 내에 위치한 영역 중 사용자가 수면을 취하기 위해 눕는 영역에 관련한 것으로, 예컨대, 침대가 구비된 영역을 의미할 수 있다. 구체적인 예를 들어, 본 발명에서 일 공간은, 침실 내부 공간을 의미할 수 있으며, 기 설정된 영역은 침대가 위치한 공간을 의미할 수 있다.
실시예에서, 제2센서부는 기 설정된 영역을 기준으로 송신 모듈(420)과 서로 대향하는 위치에 구비되는 것을 특징으로 할 수 있다. 예를 들어, 송신 모듈(420) 및 제2센서부는 사용자가 수면을 취하는 침대를 중심으로 양측면 각각에 구비될 수 있다. 이 경우, 본 발명의 수면 환경 조절 장치(400)는 송신 모듈(230) 및 수신 모듈(240)을 통해 송신 및 수신되는 wifi 기반 OFDM 신호에 기반하여 사용자가 기 설정된 영역에 위치하였는지 관한 정보 및 사용자의 움직임이나 또는 호흡에 관한 정보인 객체 상태 정보를 획득할 수 있다.
일 실시예에 따르면, 수신 모듈(410)은 제2센서부를 통해 사용자가 기 설정된 영역에 위치하는 것으로 판별된 경우, 환경조성부(415)의 구동을 허용할 수 있다. 다시 말해, 수신 모듈(410)은 사용자가 기 설정된 영역(11a)에 위치한 것으로 감지된 경우에만 환경조성부(415)의 구동을 허용할 수 있다. 즉, 수신 모듈(410)은 사용자가 기 설정된 영역에 위치한 경우에만, 환경 조정 동작을 수행하는 환경조성부(415)의 구동을 제어할 수 있다. 환경조성부(415)는 사용자가 특정 위치에 위치하지 않는 경우, 수면 환경을 변화시키기 위한 동작을 수행하지 않을 수 있다.
추가적인 실시예에서, 센서부(413)는 사용자의 수면 환경과 관련하여 사용자의 신체 온도, 실내 온도, 실내 기류, 실내 습도 및 실내 조도 중 적어도 하나에 관련한 실내 환경 정보를 획득하기 위한 하나 이상의 환경 센싱 모듈을 포함할 수 있다. 실내 환경 정보는, 사용자의 수면 환경과 관련한 정보로서, 사용자의 수면 단계의 변화에 관련한 수면 상태를 통해 사용자의 수면에 대한 외부적 요인의 영향을 고려하기 위한 기준이 되는 정보일 수 있다. 하나 이상의 환경 센싱모듈은 예를 들어, 온도 센서, 기류 센서, 습도 센서, 음향 센서, 조도 센서 중 적어도 하나의 센서 모듈을 포함할 수 있다. 다만, 이에 제한되는 것은 아니고, 사용자의 수면에 영향을 줄 수 있는 외부적 환경을 측정할 수 있는 다양한 센서들을 더 포함할 수도 있다.
본 발명의 일 실시예에 따르면, 수신 모듈(410)은 음향수집부(414)를 포함할 수 있다. 음향수집부(414)는 소형의 마이크 모듈을 포함하여 구성되며, 사용자가 수면을 취하는 일 공간에 발생하는 음향에 대한 정보를 획득할 수 있다. 실시예에 따르면, 음향수집부(414)에 구비된 마이크 모듈은 비교적 작은 크기로 구비되는 MEMS(Micro-Electro Mechanical Systems)로 구성될 수 있다. 이러한 마이크 모듈은, 비용적인 측면에서 유리하며, 매우 소형으로 제작이 가능하나, 콘덴서 마이크(Condenser Microphone)나 다이나믹 마이크(dynamic microphone)에 비해 낮은 신호 대 잡음비(SNR)를 가질 수 있다. 신호 대 잡음비가 낮다는 것은, 식별하고자 하는 음향 대비 식별하지 않고자 하는 음향인 잡음의 비율이 높은 것으로 음향의 식별이 용이하지 않음(즉, 불분명함)을 의미할 수 있다. 본 발명에 서 분석의 대상이 되는 정보는, 수면 동안 획득되는 사용자의 호흡 및 움직임에 관련한 음향 정보 즉, 수면 음향 정보일 수 있다. 이러한 수면 음향 정보는, 사용자의 호흡 및 움직임 등 매우 미세한 음향에 관한 정보이며, 수면 환경 동안 다른 음향들과 함께 획득되는 것이므로, 낮은 신호 대 잡음비의 상기한 바와 같은 마이크 모듈을 통해 획득되는 경우, 탐지 및 분석이 매우 어려울 수 있다. 이에 따라, 수신제어부(416)는 낮은 신호 대 잡음비를 가진 수면 음향 정보가 획득되는 경우, 이를 처리 및/또는 분석하기 위한 데이터로 가공 처리할 수 있다.
본 발명의 일 실시예에 따르면, 수신 모듈(410)은 환경조성부(415)를 포함할 수 있다. 환경조성부(415)는 사용자의 수면 환경을 조정할 수 있다. 구체적으로, 환경조성부(415)는 환경 조성 정보에 기초하여 사용자가 위치한 공간의 공기질, 조도, 온도, 풍향, 습도 및 음향 중 적어도 하나를 조정할 수 있다. 환경 조성 정보는, 사용자의 수면 상태 정보 판정에 기초하여 수신제어부(416)로부터 생성된 신호일 수 있다. 예를 들어, 환경 조성 정보는, 조도를 낮추거나 또는 높이는 등에 관한 정보를 포함할 수 있다. 추가적인 예를 들어, 환경 조성 정보는 온도, 습도, 풍향 또는 음향 중 적어도 하나를 조정하기 위한 제어정보를 포함할 수 있다. 환경 조성 정보는 사용자의 실시간 수면상태에 기초하여 미세먼지 제거, 유해가스 제거, 알러지 케어 구동, 탈취/제균 구동, 제습/가습 조절, 송풍 강도 조절, 공기청정기 구동소음 조절, LED 점등과 관련한 다양한 정보 등을 포함할 수 있다. 전술한 환경 조성 정보에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
환경조성부(415)는, 조도 제어, 온도 제어, 풍향 제어, 습도 제어 및 음향 제어 중 적어도 하나에 대한 제어를 수행할 수 있다. 다만, 이에 제한되는 것은 아니고, 환경조성부는 사용자의 수면 환경에 변화를 가져올 수 있는 다양한 제어 동작을 더 수행할 수 있다. 즉, 환경조성부(415)는 수신제어부(416)의 환경제어 신호에 기초하여 다양한 제어 동작을 수행함으로써, 사용자의 수면 환경을 조정할 수 있다.
추가적인 실시예에서, 환경조성부(415)는 사물 인터넷(IOT, Internet of Things)을 통한 연계를 통해 구현될 수도 있다. 구체적으로, 환경조성부(415)는 사용자가 위치하는 공간에 관련하여 실내 환경의 변화를 줄 수 있는 다양한 기기들과의 연계를 통해 구현될 수 있다. 예를 들어, 환경조성부(415)는 사물인터넷을 통한 연계에 기반한 스마트 에어컨, 스마트 히터, 스마트 보일러, 스마트 창문, 스마트 가습기, 스마트 제습기 및 스마트 조명 등으로 구현될 수 있다. 전술한 환경조성부에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이제 제한되지 않는다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 하나 이상의 코어로 구성될 수 있으며, 컴퓨팅 장치의 중앙 처리 장치(CPU: central processing unit), 범용 그래픽 처리 장치 (GPGPU: general purpose graphics processing unit), 텐서 처리 장치(TPU: tensor processing unit) 등의 데이터 분석, 딥러닝을 위한 프로세서를 포함할 수 있다.
수신제어부(416)는 메모리(412)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다.
본 발명의 일실시예에 따라 수신제어부(416)는 신경망의 학습을 위한 연산을 수행할 수 있다. 수신제어부(416)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다.
또한, 수신제어부(416)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다. 예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 발명의 일 실시예에서 복수의 컴퓨팅 장치의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다. 또한, 본 발명의 일 실시예에 따른 컴퓨팅 장치에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.
수신제어부(416)는 메모리(412)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 수면 분석 모델을 제공할 수 있다. 본 발명의 일 실시예에 따라, 수신제어부(416)는 수면 상태 정보에 기초하여 환경 조성 정보를 산출하기 위한 계산을 수행할 수 있다. 본 발명의 일 실시예에 따라 수신제어부(416)는 수면 분석 모델을 학습시키기 위한 계산을 수행할 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 통상적으로 수면 환경 조절 장치(400)의 전반적인 동작을 처리할 수 있다. 수신제어부(416)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(412)에 저장된 응용 프로그램을 구동함으로써, 사용자 단말에게 적정한 정보 또는, 기능을 제공하거나 처리할 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 사용자가 수면을 취하는 공간에 관련한 음향 정보를 획득할 수 있다. 본 발명의 일 실시예에 따른, 음향 정보의 획득은, 메모리(412)에 저장된 음향 정보를 획득하거나 또는 로딩(loading)하는 것일 수 있다. 또한, 음향 정보의 획득은, 유/무선 통신 수단에 기초하여 다른 저장 매체에, 다른 컴퓨팅 장치, 동일한 컴퓨팅 장치 내의 별도 처리 모듈로부터 데이터를 수신하거나 또는 로딩하는 것일 수 있다.
일 실시예에 따르면, 수신제어부(416)는 환경 센싱 정보로부터 수면 음향 정보를 획득할 수 있다. 여기서 환경 센싱 정보는, 사용자의 일상생활 속에서 획득되는 음향 정보일 수 있다. 예컨대, 환경 센싱 정보는, 청소에 관련한 음향 정보, 음식 조리에 관련한 음향 정보, TV 시청에 관련한 음향 정보 등 사용자의 생활에 따라 획득되는 다양한 음향 정보를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 환경 센싱 정보에 기 설정된 패턴의 정보가 감지되는 특이점을 식별할 수 있다. 여기서 기 설정된 패턴의 정보는, 수면에 관련한 호흡 및 움직임 패턴에 관련한 것일 수 있다. 예컨대, 깨어있는 상태(wake)에서는 모든 신경계가 활성화되어 있기 때문에 호흡 패턴이 불규칙적이고 몸의 움직임이 많은 수 있다. 또한, 목 근육의 이완이 이루어지지 않기 때문에 호흡 소리가 매우 적을 수 있다. 반면, 사용자가 수면을 취하는 경우에는, 자율신 경계가 안정화되어 호흡이 규칙적으로 변화하고 몸의 움직임 또한 적어질 수 있으며, 호흡음도 커질 수 있다. 즉, 수신제어부(416)는 환경 센싱 정보에서, 규칙적인 호흡, 적은 몸의 움직임 또는 적은 호흡음 등에 관련한 기 설정된 패턴의 음향 정보가 감지되는 시점을 특이점으로 식별할 수 있다. 또한, 수신제어부(416)는 식별된 특이점을 기준으로 획득되는 환경 센싱 정보에 기초하여 수면 음향 정보를 획득할 수 있다. 수신제어부(416)는 시계열적으로 획득되는 환경 센싱 정보에서 사용자의 수면 시점에 관련한 특이점을 식별하고, 해당 특이점을 기준으로 수면 음향 정보를 획득할 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 환경 센싱 정보로부터 기 설정된 패턴이 식별되는 시점에 관련한 특이점을 식별할 수 있다. 또한, 수신제어부(416)는 식별된 특이점을 기준으로 해당 특이점 이후에 획득되는 음향 정보들에 기초하여 수면 음향 정보를 획득할 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 환경 센싱 정보로부터 사용자의 수면에 관련한 특이점을 식별함으로써, 방대한 양의 음향 정보로부터 수면 음향 정보만을 추출하여 획득할 수 있다. 다시 말해, 일 공간에서 발생한 음향들 중 수면에 관련한 음향(즉, 수면 음향 정보)만을 획득할 수 있다. 이는, 사용자가 자신의 수면 시간을 기록하는 과정을 자동화하도록 하여 편의성을 제공함과 동시에, 획득되는 수면 음향 정보의 정확성 향상에 기여할 수 있다.
실시예에 따르면, 수신제어부(416)는 음향 정보에 기초하여 수면 상태 정보를 산출할 수 있다. 구체적으로, 수신제어부(416)는 음향수집부(414)를 통해 획득한 사용자의 수면 음향 정보에 기초하여 수면 상태 정보를 산출할 수 있다.
일 실시예에서, 수면 상태 정보는, 사용자가 수면을 취하고 있는지 여부에 관련한 정보를 포함할 수 있다. 구체적으로, 수면 상태 정보는, 사용자가 수면 전이라는 제1수면 상태 정보, 사용자가 수면 중이라는 제2수면 상태 정보 및 사용자가 수면 후라는 제3수면 상태 정보 중 적어도 하나를 포함할 수 있다.
이러한 수면 상태 정보는, 수면 음향 정보에 기초하여 획득되는 것을 특징으로 할 수 있다. 수면 음향 정보는, 비접촉 방식으로 사용자가 위치한 공간에서 사용자의 수면 동안 획득되는 음향 정보를 포함할 수 있다.
실시예에서, 수신제어부(416)는 음향 정보로부터 식별된 특이점을 기준으로 사용자가 수면 전인지 또는 수면 중인지 여부에 관련한 수면 상태 정보를 획득할 수 있다. 구체적으로, 수신제어부(416)는 특이점이 식별되지 않는 경우, 사용자가 수면 전인 것으로 판단할 수 있으며, 특이점이 식별되는 경우, 해당 특이점 이후 사용자가 수면 중이라고 판단할 수 있다. 또한, 수신제어부(416)는 특이점이 식별된 이후, 기 설정된 패턴이 관측되지 않는 시점(예컨대, 기상 시점)을 식별하고, 해당 시점이 식별된 경우, 사용자가 수면 후, 즉 기상하였다고 판단할 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 음향 정보에서 특이점이 식별되는지 여부 및 특이점이 식별된 이후, 기 설정된 패턴이 지속적으로 감지되는지 여부에 기초하여 사용자가 수면 전인지, 중인지, 또는 후인지 여부에 관련한 수면 상태 정보를 획득할 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 센싱 정보 및 수면 상태 정보에 기초하여 환경 조성 정보를 생성할 수 있다. 구체적으로, 수신제어부(416)는 센서부(413)를 통해 획득한 센싱 정보 및 음향 분석 결과 획득된 수면 상태 정보에 기초하여 환경 조성 정보를 생성할 수 있다. 수신제어부(416)는 센싱 정보 및 수면 상태 정보에 기초하여 환경 조성 정보를 생성하고, 생성된 환경 조성 정보를 환경조성부(415)로 전송함으로써, 환경조성부(415)의 수면 환경 변화 동작을 제어할 수 있다.
실시예에서, 수신제어부(416)는 수면 상태 정보에 기초하여 환경 조성 정보를 생성할 수 있다. 수신제어부(416)는 제1수면 상태 정보에 기초하여 제1환경 조성 정보를 생성할 수 있다. 구체적으로, 수신제어부(416)는 사용자가 수면 전이라는 제1수면 상태 정보를 획득한 경우, 해당 제1수면 상태 정보에 기초하여 제1환경 조성 정보를 생성할 수 있다. 즉, 수신제어부(416)는 사용자의 수면 상태가 수면 전인 경우, 일정시간 동안 기 설정된 백색광을 공급하도록 하는 제1환경 조성 정보를 생성할 수 있다.
본 발명의 일 실시예에 따르면, 제1환경 조성 정보는 사용자의 수면 전 소정시간(예: 20분 전)까지 미세먼지 및 유해가스를 미리 제거하도록 공기청정기를 제어하기 위한 제어 정보일 수 있다. 그리고, 제1환경 조성 정보는 수면 직전 수면을 유도할 수 있는 정도의 소음(백색소음)을 유발하도록 공기청정기를 제어하거나, 송풍세기를 기설정된 세기 이하로 조절하거나, LED의 세기를 낮추는 등의 정보를 포함할 수 있다. 이와 함께, 제1환경 조성 정보는 수면공간 내의 온도 및 습도 정보에 기초하여 제습/가습을 실행하도록 공기청정기를 제어하기 위한 정보를 포함할 수 있다.
실시예에 따르면, 수면 유도 시점은, 수신제어부(416)에 의해 결정될 수 있다. 구체적으로, 수신제어부(416)는 사용자의 사용자 단말(300)과의 정보 교환을 통해 수면 유도 시점을 결정할 수 있다. 구체적인 예를 들어, 사용자는 자신이 수면하고자 하는 시간 및 기상하고자 하는 시간을 사용자 단말(300)을 통해 설정하여 수면 계획 정보를 생성할 수 있으며, 생성된 수면 계획 정보를 수신제어부(416)로 전달할 수 있다. 이 경우, 수면 계획 정보는, 희망 취침 시간 정보 및 희망 기상 시간 정보를 포함할 수 있다. 수신제어부(416)는 희망 취침 시간 정보에 기초하여 수면 유도 시점을 식별할 수 있다.
또한 실시예에 따르면, 수신제어부(416)는 환경 센싱 정보에 기초하여 사용자의 수면 의도 정보를 획득하고, 수면 의도 정보에 기초하여 수면 유도 시점을 결정할 수 있다.
본 발명의 일 실시예에 따른 수신제어부(416)는 환경 센싱 정보에 기반하여 수면 의도 정보를 획득할 수 있다. 일 실시예에 따르면, 수신제어부(416)는 환경 센싱 정보에 포함된 음향의 종류를 식별할 수 있다. 또한, 수신제어부(416)는 식별된 음향의 종류의 수에 기초하여 수면 의도 정보를 산출할 수 있다. 수신제어부(416)는 음향의 종류의 수가 많을수록 수면 의도 정보를 낮게 산출할 수 있으며, 음향의 종류가 적을수록 수면 의도 정보를 높게 산출할 수 있다.
즉, 수신제어부(416)는 환경 센싱 정보에 포함된 음향의 종류의 수에 따라 사용자가 수면을 취할 의도가 얼마나 있는지에 관련한 수면 의도 정보를 획득할 수 있다. 예컨대, 많은 종류의 음향이 식별될수록, 사용자의 수면 의도가 낮다는 수면 의도 정보(즉, 낮은 점수의 수면 의도 정보)가 출력될 수 있다.
또한 실시예에서, 수신제어부(416)는 복수의 음향 정보 각각에 상이한 의도 점수를 사전 매칭하여 의도 점수 테이블을 생성할 수 있다. 수신제어부(416)는 환경 센싱 정보 및 의도 점수 테이블에 기초하여 수면 의도 정보를 획득할 수 있다. 구체적으로, 수신제어부(416)는 환경 센싱 정보에서 의도 점수 테이블에 포함된 복수의 음향 중 적어도 하나가 식별되는 시점에 대응하여, 식별된 음향에 매칭된 의도 점수를 기록할 수 있다.
실시예에서, 수신제어부(416)는 미리 정해진 시간(예컨대, 10분) 동안 획득된 의도 점수의 합에 기초하여 수면 의도 정보를 획득할 수 있다. 즉, 수신제어부(416)는 환경 센싱 정보에 포함된 음향의 특성에 따라 사용자가 수면을 취할 의도가 얼마나 있는지에 관련한 수면 의도 정보를 획득할 수 있다. 예컨대, 사용자의 활동에 관련한 음향이 식별될수록, 사용자의 수면 의도가 낮다는 수면 의도 정보(즉, 낮은 점수의 수면 의도 정보)가 출력될 수 있다.
실시예에 따르면, 수신제어부(416)는 수면 의도 정보에 기초하여 수면 유도 시점을 결정할 수 있다. 구체적으로, 수신제어부(416)는 수면 의도 정보가 미리 정해진 임계 점수를 초과하는 시점을 수면 유도 시점으로 식별할 수 있다. 즉, 수신제어부(416)는 높은 수면 의도 정보가 획득되는 경우, 이를 수면 유도에 적절한 시점 즉, 수면 유도 시점으로 식별할 수 있다.
또한, 실시예에서, 수신제어부(416)는 센서부(413)를 통해 획득한 센싱 정보에 기초하여 수면 의도 가중 정보를 산출할 수 있다. 구체적으로, 수신제어부(416)는 제1센서부를 통해 일 공간에 사용자의 움직임 발생한 이후, 제2센서부를 통해 기 설정된 영역에 사용자가 위치함을 식별한 경우, 사용자가 수면 의도가 높은 것으로 판별할 수 있으며, 이에 대응하여 1에 관련한 수면 의도 가중 정보를 산출할 수 있다. 수신제어부(416)는 제1센서부 및 제2센서부를 통해 일 공간 및 기설정된 영역 내 사용자의 움직임이 발생하지 않으며, 사용자가 위치하지 않음을 감지하는 경우, 사용자가 수면 의도를 갖고 있지 않는 것으로 판별할 수 있으며, 이에 대응하여 0에 관련한 수면 의도 가중 정보를 산출할 수 있다. 즉, 수신제어부(416)는 센서부(413)를 통해 사용자가 특정 공간(예컨대, 침대 공간)에 위치한 것으로 감지되는 경우, 1에 관련한 수면 의도 가중 정보를 산출하고, 특정 공간에 사용자가 위치하지 않았다고 감지하는 경우, 0에 관련한 수면 의도 가중 정보를 산출할 수 있다. 다시 말해, 수신제어부(416)는 일 공간 및 기 설정된 영역에 사용자가 위치하였는지 여부에 따라 0 또는 1에 관련한 수면 의도 가중 정보를 산출할 수 있다.
실시예에 따르면, 수신제어부(416)는 센싱 정보 및 수면 상태 정보에 기초하여 수면 유도 시점을 결정할 수 있다. 구체적으로, 수신제어부(416)는 센서부(413)를 통해 획득한 센싱 정보 및 음향 분석 결과 획득된 수면 상태 정보에 기초하여 수면 유도 시점을 결정할 수 있다.
수신제어부(416)는 환경 센싱 정보에 기반하여 산출된 수면 의도 정보와 센싱 정보를 통해 산출된 수면 의도 가중 정보에 기초하여 수면 유도 시점을 결정할 수 있다. 예컨대, 수면 의도 정보와 수면 의도 가중 정보를 통해 최종 수면 의도 정보가 획득될 수 있으며, 최종 수면 의도 정보가 일정 이상의 임계치를 초과하는 시점을 수면 유도 시점으로 결정할 수 있다.
예를 들어, 수신제어부(416)는 수면 의도 정보와 수면 의도 가중 정보의 곱을 통해 최종 수면 의도 정보를 산출할 수 있다. 구체적인 예를 들어, 환경 센싱 정보에 기초하여 산출된 수면 의도 정보가 '9'이며, 센싱 정보에 기초하여 산출된 수면 의도 가중 정보가 '0'인 경우, 최종 수면 의도 정보는 0으로 산출될 수 있으며, 수신제어부(416)는 미리 정해진 임계치(예컨대, 8)를 넘지 못하는 것으로 판별할 수 있다. 다른 예를 들어, 수면 의도 정보가 '9'이며, 수면 의도 가중 정보가 '1'인 경우, 최종 수면 의도 정보는 9로 산출될 수 있으며, 수신제어부(416)는 미리 정해진 임계치(예컨대, 8)를 초과한 것으로 판별하여 해당 시점을 수면 유도 시점으로 결정할 수 있다. 전술한 수면 의도 정보, 수면 의도 가중 정보 및 최종 수면 의도 정보에 관한 구체적인 수치적 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
상기와 같이, 음향 정보를 통해 높은 수면 의도 정보가 획득될지라도, 사용자가 일정 위치에 위치하였는지 여부에 따라 최종 수면 의도 정보가 변화될 수 있다. 예컨대, 환경 센싱 정보에 기초하여 높은 수면 의도 정보(예컨대, 10)이 산출되더라도, 사용자가 일정 위치에 위치하지 않는 경우, 최종 수면 의도 정보가 0이 됨에 따라, 최종적으로 사용자의 수면 의도가 낮다고 판별할 수 있다.
전술한 바와 같이, 수신제어부(416)는 사용자의 수면 유도 시점을 결정할 수 있다. 이에 따라, 수신제어부(416)는 사용자가 수면 전이라는 제1수면 상태 정보를 획득하는 경우, 수면 유도 시점을 기준으로 제2수면 상태 정보가 획득되는 시점까지 광을 조정하도록 하는 제1환경 조성 정보(3000K의 백색광을 30 lux의 조도로 공급)를 생성할 수 있다.
즉, 수신제어부(416)는 사용자의 상태가 수면 전 상태인 경우, 사용자가 수면을 준비하는 것으로 예측되는 시점(예컨대, 수면 유도 시점)부터 잠이 드는 시점(즉, 제2수면 상태 정보가 획득되는 시점)까지 광을 조정하도록 하는 제1환경 조성 정보를 생성할 수 있으며, 해당 제1환경 조성 정보를 환경조성부(415)로 전송할 것을 결정할 수 있다. 이에 따라, 사용자가 잠들기 20분(예컨대, 수면 유도 시점)전부터 잠에 드는 순간까지 3000K의 백색광이 30 lux의 조도로 공급될 수 있다. 이는 사용자가 잠들기 전 멜라토닌 분비에 탁월한 광이며, 하여금 자연스럽게 수면에 들도록 유도하는 것으로, 사용자의 수면 효율을 향상시킬 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 제2수면 상태 정보에 기초하여 제2환경 조성 정보를 생성할 수 있다. 제2환경 조성 정보는, 조도를 최소화하여 빛이 없는 암실 환경을 조성하도록 하는 제어 정보일 수 있다. 즉, 수신제어부(416)는 사용자의 수면 상태가 수면 중인 경우, 조도를 최소화하여 빛이 없는 암실 환경을 조성하도록 할 수 있다. 예컨대, 수면 중 빛의 간섭이 있을 경우, 파편적으로 잠을 잘 확률이 높아져 좋은 숙면을 취하기 어려울 수 있다.
또한, 제2환경 조성 정보는 제2수면 상태 정보에 기초한 것으로, 공기청정기의 LED를 오프시키거나, 기설정된 레벨 이하의 소음으로 공기청정기를 동작시키거나, 송풍 강도를 기설정된 세기 이하로 조절하거나, 송풍 온도를 기설정된 범위 내에 맞추거나, 수면공간 내의 습도를 소정 온도로 유지하도록 공기청정기를 제어하기 위한 제어 정보일 수 있다. 사용자는 수면 직전 미세먼지, 유해가스가 제거된 수면공간 내에서 공기흐름, 백색소음 등으로 수면이 유도될 수 있고, 입면 후 최적의 온도, 습도 등이 제어된 상태에서 숙면을 취할 수 있게 된다.
즉, 수신제어부(416)는 사용자가 수면(또는 수면 단계)에 진입하였음을 감지하는 경우(제2수면 상태 정보를 획득하는 경우), 광이 공급되지 않도록 하는 제어 정보 즉, 제2환경 조성 정보를 생성할 수 있다. 이에 따라, 사용자가 깊은 잠을 잘 확률이 높아져 수면의 질이 향상될 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 기상 유도 시점에 기초하여 제3환경 조성 정보를 생성할 수 있다. 예를 들어, 제3환경 조성 정보는 사용자의 기상 전 30분 전(즉, 기상 유도 시점)부터 조도를 서서히 올리는 것에 관련한 제어 정보일 수 있다. 여기서, 기상 유도 시점은, 기상 예측 시점에 기초하여 결정되는 것을 특징으로 할 수 있다.
일 실시예에서, 기상 유도 시점은, 희망 기상 시간 정보에 기초하여 결정될 수 있다. 희망 기상 시간 정보는, 사용자가 희망하는 기상 시점에 관한 정보일 수 있다.
일 실시예에서, 희망 기상 시간 정보는 사용자의 사용자 단말(300)과의 정보 교환을 통해 획득되는 것을 특징으로 할 수 있다. 사용자는 자신이 취침하고자 하는 시점 및 자신이 기상하고자 하는 시점을 사용자 단말(300)을 통해 설정하여 수신제어부(416)로 전달할 수 있다. 수신제어부(416)는 사용자 단말(300)의 사용자가 설정한 기상 시점에 기초하여 희망 기상 시간 정보를 획득할 수 있다.
다른 실시예에서, 기상 유도 시점은 기상 예측 시점에 기초하여 결정될 수 있다. 여기서, 기상 예측 시점은, 제2수면 상태 정보를 통해 식별된 수면 인입 시점에 기초하여 결정되는 것을 특징으로 할 수 있다. 구체적으로, 수신제어부(416)는 사용자가 수면 중이라는 제2수면 상태 정보를 통해 사용자의 수면 인입 시점을 파악할 수 있다. 수신제어부(416)는 제2수면 상태 정보를 통해 파악한 수면 인입 시점에 기초하여 기상 예측 시점을 결정할 수 있다.
또 다른 실시예에서, 기상 예측 시점은, 사용자의 수면 단계 정보에 기초하여 결정되는 것을 특징으로 할 수 있다. 예컨대, 사용자는 REM 단계에서 기상하는 경우 가장 개운하게 일어날 수 있다. 하루밤 수면 동안, 사용자는 경도 수면(light), 깊은 수면(deep), 경도 수면, REM 수면 순으로 수면 사이클을 가질 수 있으며, REM 수면 단계에서 기상했을 때 가장 개운하게 기상할 수 있다.
이에 따라, 수신제어부(416)는 사용자의 수면 단계에 관련한 수면 단계 정보를 통해 사용자의 기상 예측 시점을 결정할 수 있다. 구체적인 예를 들어, 수신제어부(416)는 수면 단계 정보를 통해 사용자가 REM 단계에서 다른 수면 단계로 변화하는 시점을 기상 예측 시점으로 결정할 수 있다. 즉, 수신제어부(416)는 사용자가 가장 개운하게 기상할 수 있는 수면 단계 정보(즉, REM 수면 단계)에 기초하여 기상 예측 시점을 결정할 수 있다.
전술한 바와 같이, 수신제어부(416)는 사용자 단말로부터 획득한 수면 계획 정보, 수면 인입 시점 및 수면 단계 정보 중 적어도 하나에 기초하여 사용자의 기상 예측 시점을 결정할 수 있다. 또한, 수신제어부(416)는 사용자가 기상하고자 하는 시점인 기상 예측 시점을 결정한 경우, 해당 기상 예측 시점에 기초하여 기상 유도 시점을 결정할 수 있다. 예를 들어, 수신제어부(416)는 사용자가 기상하고자 하는 시점을 기준으로 30분 전 시점을 기상 유도 시점으로 결정할 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 사용자의 기상이 예측되는 기상 예측 시점을 파악하여 기상 유도 시점을 식별하고, 기상 유도 시점으로부터 기상 시점(예컨대, 사용자가 실제 기상할 때까지) 3000K의 백색광을 0 lux에서 250 lux조도로 점진적으로 증가시켜 공급하도록 하는 제3환경 조성 정보를 생성할 수 있다. 수신제어부(416)는 해당 제3환경 조성 정보를 환경조성부(415)로 전송할 것을 결정할 수 있으며, 이에 따라, 환경조성부(415)는 제3환경 조성 정보에 기반하여 사용자가 위치한 공간에서 광에 관련한 조정 동작을 수행할 수 있다. 예컨대, 환경조성부(415)는 기상 30분 전부터 3000K의 백색광을 0 lux에서 250 lux조도 점진적으로 증가시킬 수 있다.
또는, 본 발명의 일 실시예에 따르면 제3환경 조성 정보는 기상 시점에 송풍 세기 및 소음을 낮춰 기상을 유도하도록 공기청정기를 제어하기 위한 정보를 포함할 수 있다. 또는, 제3환경 조성 정보는 기상을 서서히 유도하기 위해 백색 소음을 발생시킬 수 있도록 공기청정기를 제어하기 위한 제어 정보를 포함할 수 있다. 제3환경 조성 정보는 기상 이후 공기청정기의 소음을 기설정된 레벨 이하로 유지하도록 공기청정기를 제어하기 위한 제어 정보를 포함할 수 있다. 또한, 제3환경 조성 정보는 기상 예측 시점, 기상 추천 시점에 연동하여 공기청정기를 제어하기 위한 제어 정보를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 수면 단계 정보는 수면 동안 획득되는 음향 정보(즉, 수면 음향 정보)에 기반하여 사용자의 수면 단계를 분석하는 수면 분석 모델을 통해 획득되는 것을 특징으로 할 수 있다. 즉, 본 발명의 수면 단계 정보는, 수면 분석 모델을 통해 획득될 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 환경 센싱 정보를 획득할 수 있으며, 해당 음향 정보에 기초하여 수면 음향 정보를 획득할 수 있다. 이 경우, 수면 음향 정보는, 사용자의 수면 동안에 획득되는 음향에 관련한 정보로, 예를 들어, 사용자의 수면 동안 사용자가 뒤척저림에 따라 발생되는 음향, 근육 움직임에 관련한 음향 또는 수면 동안 사용자의 호흡에 관련한 음향을 포함할 수 있다.
일 실시예에 따르면, 수신제어부(416)는 수면 음향 정보에 대한 전처리를 수행할 수 있다. 수면 음향 정보에 대한 전처리는 노이즈 제거에 관한 전처리일 수 있다. 구체적으로, 수신제어부(416)는 수면 음향 정보를 미리 정해진 시간 단위를 갖는 하나 이상의 음향 프레임으로 분류할 수 있다. 또한, 수신제어부(416)는 하나 이상의 음향 프레임 각각의 에너지 레벨에 기초하여 최소 에너지 레벨을 갖는 최소 음향 프레임을 식별할 수 있다. 수신제어부(416)는 최소 음향 프레임에 기초하여 수면 음향 정보에 대한 노이즈 제거를 수행할 수 있다.
구체적인 예를 들어, 수신제어부(416)는 30초의 수면 음향 정보를 매우 짧은 40ms 크기의 하나 이상의 음향 프레임으로 분류할 수 있다. 또한, 수신제어부(416)는 40ms 크기에 관련한 복수의 음향 프레임 각각의 크기를 비교하여 최소 에너지 레벨을 갖는 최소 음향 프레임을 식별할 수 있다. 수신제어부(416)는 전체 수면 음향 정보(즉, 30초의 수면 음향 정보)에서 식별된 최소 음향 프레임 성분을 제거할 수 있다. 예컨대, 수면 음향 정보에서 최소 음향 프레임 성분이 제거됨에 따라, 전처리된 수면 음향 정보가 획득될 수 있다. 즉, 수신제어부(416)는 최소 음향 프레임을 백그라운드 노이즈 프레임으로써 식별하여 원본 신호(즉, 수면 음향 정보)에서 제거함으로서, 노이즈 제거에 관한 전처리를 수행할 수 있다.
또한, 수신제어부(416)는, 도 6a에 도시된 바와 같이, 수면 음향 정보(SS)에 대응하여 스펙트로그램(SP)을 생성할 수 있다. 여기서 수면 음향 정보(SS)는, 전처리된 수면 음향 정보를 의미할 수 있다. 즉, 수신제어부(416)는 전처리된 수면 음향 정보에 대응하여, 수면 음향 정보의 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보 또는, 스펙트로그램을 생성할 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)가 수면 음향 정보(SS)에 대응하여 생성하는 스펙트로그램은, 멜 스펙트로그램을 포함할 수 있다. 수신제어부(416)는, 스펙트로그램에 대한 멜-필터 뱅크(Mel-Filter Bank)를 통해 멜 스펙트로그램(Mel-Spectrogram)을 획득할 수 있다. 일반적으로, 인간의 달팽이관은 음성 데이터의 주파수에 따라 진동하는 부위가 상이할 수 있다. 또한, 인간의 달팽이관은 주파수가 낮은 대역에서 주파수 변화를 잘 감지하며, 높은 대역에서의 주파수 변화를 잘 감지하지 못하는 특성을 가지고 있다. 이에 따라, 음성 데이터에 대한 인간의 달팽이관의 특성과 유사한 인식 능력을 갖도록 멜-필터 뱅크를 활용하여 스펙트로그램으로부터 멜 스펙트로그램을 획득할 수 있다. 즉, 멜-필터 뱅크는, 낮은 주파수 대역에서 적은 필터 뱅크를 적용하고, 고대역으로 갈수록 넓은 필터 뱅크를 적용하는 것 일 수 있다. 다시 말해, 수신제어부(416)는 인간의 달팽이관의 특성과 유사하도록 음성 데이터를 인식하기 위해 멜-필터 뱅크를 스펙트로그램에 적용함으로써, 멜 스펙트로그램을 획득할 수 있다. 멜 스펙트로그램은 인간의 청각특성이 반영된 주파수 성분을 포함할 수 있다. 즉, 본 발명에서 수면 음향 정보에 대응하여 생성되며, 신경망을 활용한 분석의 대상이 되는 스펙트로그램은, 전술한 멜 스펙트로그램을 포함할 수 있다.
또한, 수신제어부(416)는 수면 음향 정보의 주파수 성분들의 시간 축에 따른 정보 또는 스펙트로그램(SP)을 수면 분석 모델의 입력으로 처리하여 수면 단계 정보를 획득할 수 있다. 여기서 수면 분석 모델은, 사용자의 수면 단계 변화에 관련한 수면 단계 정보를 획득하기 위한 모델로, 사용자의 수면 동안 획득된 수면 음향 정보를 입력으로 하여 수면 단계 정보를 출력할 수 있다. 실시예에서, 수면 분석 모델은, 하나 이상의 네트워크 함수를 통해 구성되는 신경망 모델을 포함할 수 있다.
전술한 바와 같이, 수신제어부(416)는 수면 음향 정보에 기초하여 수면 음향 정보의 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보 또는 스펙트로그램을 획득할 수 있다. 이 경우, 수면 음향 정보의 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보 또는 스펙트로그램으로의 변환은 비교적 작은 음향에 관련한 호흡 또는 움직임 패턴을 용이하게 분석하도록 하기 위함일 수 있다. 또한, 수신제어부(416)는 피처 추출 모델 및 피처 분류 모델을 포함하여 구성되는 수면 분석 모델을 활용하여, 획득한 수면 음향 정보의 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보 또는 스펙트로그램에 기초한 수면 단계 정보를 생성할 수 있다. 이 경우, 수면 분석 모델은 과거와 미래에 관련한 정보를 모두 고려할 수 있도록 복수의 에폭에 해당하는 수면 음향 정보의 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보들 또는 스펙트로그램들을 입력으로 하여 수면 단계 예측을 수행할 수 있으므로, 보다 정확도 있는 수면 단계 정보를 출력할 수 있다.
즉, 수신제어부(416)는 전술한 바와 같은 수면 분석 모델을 활용하여 수면 음향 정보에 대응하는 수면 단계 정보 또는 수면 단계 확률 정보를 출력할 수 있다. 실시예에 따르면, 수면 단계 정보는, 사용자의 수면 동안 변화하는 수면 단계들에 관련한 정보일 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 전처리된 수면 음향 정보에 기초하여 데이터 증강을 수행할 수 있다. 이러한 데이터 증강은, 수면 분석 모델로 하여금 다양한 도메인에서 측정된 사운드(예컨대, 다른 침실, 다른 마이크, 다른 배치 위치 등)에서도 robust하게 수면 상태 정보(예컨대, 수면 단계 정보)를 출력하도록 하기 위함이다. 실시예에서 데이터 증강은, Pitch shifting, gaussian noise, loudness control, dynamic range control 및 spec augmentation 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 수신제어부(416)는 수면 음향 정보에 기초하여 Pitch shifting에 관련한 데이터 증강을 수행할 수 있다. 예컨대, 수신제어부(416)는 미리 정해진 간격으로 사운드의 피치를 높이거나, 또는 내리는 등 음향의 피치를 조정함으로써, 데이터 증강을 수행할 수 있다.
수신제어부(416)는 Pitch shifting 뿐만 아니라, 노이즈에 관련한 보정을 통해 데이터 증강을 수행하는 gaussian noise, 음량을 변화시켜도 음질이 유지되는 느낌을 주도록 음향을 보정하여 데이터 증강을 수행하는 loudness control, 음향의 최대 진폭과 최소 진폭 사이를 dB로 측정한 대수비인 다이내믹 레인지를 조정하여 데이터 증강을 수행하는 dynamic range control 및 음향의 사양 증가에 관련한 spec augmentation을 수행할 수 있다.
즉, 수신제어부(416)는 본 발명의 분석에 기초가 되는 음향 정보(즉, 수면 음향 정보)에 대한 데이터 증강을 통해, 수면 분석 모델이 다양한 환경에서 획득되는 수면 음향에 대응하여 강인한 인식을 수행하도록 하여 수면 단계 예측의 정확성을 향상시킬 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 제3수면 상태 정보에 기초하여 제4환경 조성 정보를 획득할 수 있다. 제4환경 조성 정보와 관련해서는 도 1f의 실시예의 프로세서(110)의 동작과 관련해서 설명한 바와 동일하므로, 중복 설명은 생략하기로 한다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 환경 조성 정보를 환경조성부(415)로 전송할 것을 결정할 수 있다. 구체적으로, 수신제어부(416)는 조도 조정에 관련한 환경 조성 정보를 생성할 수 있으며, 해당 환경 조성 정보를 환경조성부(415)로 전송할 것을 결정함으로써, 환경조성부(415)의 조도 조정 동작을 제어할 수 있다.
실시예에 따르면, 빛이나 공기질은 수면의 질에 영향을 줄 수 있는 대표적인 요인 중 하나일 수 있다. 예컨대, 빛의 조도, 색, 노출 정도 등에 따라 수면의 질에 좋은 영향을 끼칠 수 있고, 그리고 나쁜 영향을 끼칠 수 있다. 또한, 미세먼지의 종류/농도, 유해가스의 종류/농도, 알러지성 물질의 유무, 공기의 온도나 습도 등에 의해서도 수면의 질이 크게 좌우된다. 이에 따라, 수신제어부(416)는 조도나 공기질을 조정하여 사용자의 수면의 질을 향상시킬 수 있다. 예를 들어, 수신제어부(416)는 잠들기 전이나 잠든 후의 상황을 모니터링 하고, 이에 따라 사용자를 효과적으로 깨우기 위한 조도 조정을 수행할 수 있다. 즉, 수신제어부(416)는 수면 상태(예컨대, 수면 단계)를 파악하여 자동으로 조도나 공기질을 조정하여 수면의 질을 극대화시킬 수 있다.
일 실시예에서, 수신제어부(416)는 사용자 단말(300)로부터 수면 계획 정보를 수신할 수 있다. 수신제어부(416)는 수신된 수면 계획 정보에 기초하여 외부 환경 조성 정보를 생성할 수 있다.
또한, 수신제어부(416)는 사용자 단말(300)로부터 수면 계획 정보를 수신하고, 이에 기초하여, 사용자가 수면을 준비하는 것으로 예측되는 시점(예컨대, 수면 유도 시점)부터 잠이 드는 시점(즉, 제2수면 상태 정보가 획득되는 시점)까지, 공기청정기를 제어하기 위한 제1환경 조성 정보를 생성할 수 있다.
또한, 예를 들어, 수신제어부(416)는 제2수면 상태 정보를 통해 사용자가 수면에 인입하는 시점 즉, 수면 인입 시점을 파악할 수 있으며, 이에 기초하여 제2환경 조성 정보를 생성할 수 있다.
실시예에서, 수신제어부(416)는 수면 단계 정보에 기초하여 환경 조성 정보를 생성할 수 있다. 실시예에서, 수면 단계 정보는 수면 음향 정보에 대한 분석을 통해 시계열적으로 획득되는 사용자의 수면 단계 변화에 관한 정보를 포함할 수 있다.
구체적인 예를 들어, 수신제어부(416)는 사용자의 수면 단계 정보를 통해 사용자가 수면 단계(예컨대, 얕은 수면)에 진입했음을 식별하는 경우, 조도를 최소화하여 빛이 없는 암실 환경을 조성하도록 하는 외부 환경 조성 정보를 생성할 수 있다. 또한, 공기청정기의 LED를 점멸시키고, 구동소음을 최소화하는 한편 기설정된 기류가 형성되도록 송풍량과 세기를 조절하기 위한 환경 조성 정보를 생성할 수 있다. 즉, 사용자의 수면 단계 별 최적의 조도 즉 최적의 수면 환경을 조성함으로써, 사용자의 수면 효율을 향상시킬 수 있다.
이 밖에도, 수신제어부(416)는 수면 중, 사용자의 수면 단계 변화에 따라 적정한 조도를 제공하도록 하기 위한 환경 조성 정보를 생성할 수 있다. 예를 들어, 얕은 수면에서 깊은 수면으로 변화되는 경우, 미세한 적색광을 공급하거나, 또는 REM 수면에서 얕은 수면으로 변화되는 경우, 조도를 낮추거나 청생광을 공급하는 등 수면 단계 변화에 따라 보다 다양한 외부 환경 조성 정보를 생성할 수 있다.
이는, 수면 전, 또는 기상 직후뿐만 아닌 수면 중 상황까지 자동으로 고려하여 수면 경험의 일부가 아닌 전체를 고려함으로써 사용자로 하여금 수면의 질을 극대화시키는 효과를 가질 수 있다.
또한, 예를 들어, 수신제어부(416)는 수면 계획 정보를 통해 사용자의 희망 기상 시간을 식별하고, 해당 희망 기상 시간에 기초하여 기상 예측 시점을 생성하고, 이에 따라, 환경 조성 정보를 생성할 수 있다.
또한, 수신제어부(416)는 환경 조성 정보를 환경조성부(415)로 전송할 것을 결정할 수 있다. 즉, 수신제어부(416)는 수면 계획 정보에 기초하여 취침 또는 기상 시 사용자가 잠에 용이하게 들거나 또는 자연스럽게 일어날 수 있도록 하는 환경 조성 정보를 생성하고 해당 환경 조성 정보를 통해 환경조성부(415)의 환경 조성 동작을 제어함으로써, 사용자의 수면의 질을 향상시킬 수 있다.
추가적인 실시예에서, 수신제어부(416)는 수면 단계 정보에 기초하여 추천 수면 계획 정보를 생성할 수 있다. 구체적으로, 수신제어부(416)는 수면 단계 정보를 통해 사용자의 수면 단계 변화에 대한 정보(예컨대, 수면 사이클)를 획득할 수 있으며, 이러한 정보들을 기반으로 기상 예상 시간을 설정할 수 있다.
또한, 수신제어부(416)는 추천 수면 계획 정보에 따라 환경 조성 정보를 생성하고, 이를 환경조성부(415)로 전송할 것을 결정할 수 있다. 따라서, 사용자는 수신제어부(416)가 추천한 추천 수면 계획 정보에 따라 자연스럽게 기상할 수 있다. 이는, 수신제어부(416)가 사용자의 수면 단계 변화에 따라 사용자의 기상 시점을 추천한 것으로, 사용자의 피로도가 최소화되는 시점일 수 있으므로, 사용자의 수면 효율이 향상된다는 장점을 가질 수 있다.
일 실시예에 따르면, 수신제어부(416)는 사용자의 실제 기상 시간과 희망 기상 시간 정보를 비교하여 환경 조성 정보를 업데이트할 수 있다. 구체적으로, 수신제어부(416)는 제2센서부를 활용하여 사용자의 실제 기상 시간에 관련한 실제 기상 시간 정보를 생성할 수 있다. 예컨대, 사용자가 기상하여 침대 영역(예컨대, 기 설정된 영역)를 벗어남에 따라 사용자의 신체로 인해 변화되었던 무선 링크가 회복되며, 제2센서부는 이러한 신호 레벨의 변화를 감지하여 사용자가 기상 후 침대에서 실제로 빠져나간 시간(즉, 실제 기상 시간)을 정확히 감지할 수 있다. 즉, 제2센서부는 사용자가 기 설정된 영역에서 빠져나가는 시간을 기록하여 실제 기상 시간 정보를 생성할 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 희망 기상 시간 정보 및 실제 기상 시간 정보에 대한 비교를 수행하고, 비교 결과 각 정보가 서로 상이한 경우, 환경 조성 정보를 업데이트할 수 있다. 여기서, 희망 기상 시간 정보와 비교되는 실제 기상 시간 정보는 일정 횟수 이상 누적된 실제 기상 시간에 관한 정보들을 포함할 수 있다. 예컨대, 실제 기상 시간 정보는, 일주일동안 사용자가 실제 기상한 시점에 관한 정보들을 포함할 수 있다.
실시예에서, 수신제어부(416)는 희망 기상 시간과 누적된 실제 기상 시간의 차이를 분석하여 환경 조성 정보를 업데이트할 수 있다. 구체적으로, 수신제어부(416)는 희망 기상 시간보다 실제 기상 시간이 늦는 경우, 사용자의 일주기 리듬을 앞당기기 위해 기상 시점에 공급되는 백색광의 최대 밝기를 점진적으로 증가시킬 수 있다. 예컨대, 실제 기상 시간이 희망 기상 시간 보다 늦은 다음 날에는, 사용자의 기상 시점에 대응하여 백색광의 최대 밝기가 전날 보다 더 높게 공급되도록 환경 조성 정보를 업데이트할 수 있다. 이와 반대로, 수신제어부(416)는 실제 기상 시간이 희망 기상 시간보다 빠른 경우, 사용자의 기상 시점을 늦추기 위해 기상 시점에 공급되는 백색광의 최대 밝기를 감소시킬 수 있다. 예를 들어, 실제 기상 시간이 희망 기상 시간 보다 빠른 다음 날에는, 사용자의 기상 시점에 대응하여 백색광의 최대 밝기가 전날 보다 낮게 공급되도록 환경 조성 정보를 업데이트할 수 있다. 즉, 수신제어부(416)는 사용자의 실제 기상 시점과 희망 기상 시점을 비교할 수 있으며, 비교 결과에 따라 사용자의 일주기리듬을 변화시키기 위하여 환경 조성 정보를 업데이트할 수 있다. 이에 따라, 사용자에게 최적화된 수면환경이 조성될 수 있어, 수면 효율이 더욱 증대될 수 있다.
본 발명의 일 실시예에 따르면, 수신제어부(416)는 수동 수면 측정 모드 및 자동 수면 측정 모드 중 적어도 하나의 측정 모드를 통해 음향수집부를 구동하여 음향 정보를 수집하며, 수집된 음향 정보에 기초하여 수면 상태 정보를 산출할 수 있다.
실시예에서, 수동 수면 측정 모드는, 사용자에 의해 수면 입력 신호가 생성됨에 따라 수동적으로 측정 모드가 개시되는 것을 의미할 수 있다. 예컨대, 사용자는 수면 환경 조절 장치(400)의 외면에 형성된 수면 입력 버튼에 물리적인 압력을 가함으로써 수면 입력 신호를 생성하거나, 사용자 단말을 활용하여 수면 입력 신호를 생성할 수 있다. 수면 입력 신호가 생성되는 경우, 수면 환경 조절 장치(400)(즉, 수신 모듈)은 해당 시점을 기준으로 일 공간에 관련한 음향 정보가 획득되며, 해당 음향 정보를 기초로 사용자의 수면 상태 정보가 획득될 수 있다. 즉, 수동 구면 측정 모드를 통해 사용자는 자신의 수면 상태 측정을 개시하는 시점을 직접 결정할 수 있다.
또한, 실시예에 따르면, 자동 수면 측정 모드는 수면 입력 신호를 생성하기 위한 별도의 사용자의 동작이 필요없이 자동으로 수면 측정이 개시되는 것을 의미할 수 있다. 자동 수면 측정 모드는, 제1센서부를 통해 일 공간 내에서 사용자의 움직임이 발생한 것을 감지한 이후, 제2센서부를 통해 사용자가 기 설정된 영역에 위치한 것으로 식별되는 경우, 자동으로 측정 모드가 개시되는 것을 특징으로 할 수 있다. 자동 수면 측정 모드에 관한 구체적인 설명은 도 13을 참조하여 이하에서 후술하도록 한다.
도 13은 본 발명의 일 실시예에 따른 환경 조성 장치의 수면 측정 모드를 통해 수면 상태 정보를 획득하는 과정을 예시적으로 나타낸 순서도이다. 전술한 도 13에 도시된 단계들은 필요에 의해 순서가 변경될 수 있으며, 적어도 하나 이상의 단계가 생략 또는 추가될 수 있다. 즉, 전술한 단계는 본 발명의 일 실시예에 불과할 뿐, 본 발명의 권리 범위는 이에 제한되지 않는다.
일 실시예에 따르면, 수신제어부(416)는 제1센서부를 통해 일 공간내에서 사용자의 움직임이 발생하는 것을 감지할 수 있다(S1100). 제1센서부는 PIR센서 및 초음파 센서 중 적어도 하나를 포함하여 구비될 수 있다.
일 실시예에 따르면, 수신제어부(416)는 제2센서부를 통해 사용자가 기 설정된 영역에 위치한 것을 식별할 수 있다(S1200). 제2센서부는 송신 모듈(420)로부터 송신된 무선 신호를 수신하고, 수신한 무선 신호에 기초하여 기 설정된 영역에 사용자가 위치하였는지 여부를 감지할 수 있다.
실시예에서, 제2센서부는 기 설정된 영역을 기준으로 송신 모듈(420)과 서로 대향하는 위치에 구비되는 것을 특징으로 할 수 있다. 예를 들어, 송신 모듈(420) 및 제2센서부는 사용자가 수면을 취하는 침대를 중심으로 양측면 각각에 구비될 수 있다. 이 경우, 본 발명의 수면 환경 조절 장치(400)는 송신 모듈(420) 및 수신 모듈(410)을 통해 송신 및 수신되는 wifi 기반 OFDM 신호에 기반하여 사용자가 기 설정된 영역에 위치하였는지 관한 정보 및 사용자의 움직임이나 또는 호흡에 관한 정보인 객체 상태 정보를 획득할 수 있다.
일 실시예에 따르면, 수신제어부(416)는 음향수집부(414)를 구동하여 일 공간에 관련한 음향 정보를 수집할 수 있다(S1300). 즉, 수신제어부(416)는 제1센서부를 통해 일 공간에서 사용자의 움직임이 발생함을 감지하고, 그리고 제2센서부를 통해 기 설정된 영역에 사용자가 움직임을 식별한 경우에 자동으로 음향수집부(414)를 통해 일 공간에 관련한 음향 정보를 수집하도록 할 수 있다.
일 실시예에 따르면, 수신제어부(416)는 수집된 음향 정보에 기초하여 수면 상태 정보를 산출할 수 있다(S1400). 수신제어부(416)는 음향 정보로부터 식별된 특이점을 기준으로 사용자가 수면 전인지 또는 수면 중인지 여부에 관련한 수면 상태 정보를 획득할 수 있다. 구체적으로, 수신제어부(416)는 특이점이 식별되지 않는 경우, 사용자가 수면 전인 것으로 판단할 수 있으며, 특이점이 식별되는 경우, 해당 특이점 이후 사용자가 수면 중이라고 판단할 수 있다. 또한, 수신제어부(416)는 특이점이 식별된 이후, 기 설정된 패턴이 관측되지 않는 시점(예컨대, 기상 시점)을 식별하고, 해당 시점이 식별된 경우, 사용자가 수면 후, 즉 기상하였다고 판단할 수 있다.
도 14는 본 발명의 일 실시예와 관련된 사용자의 수면 인입을 유도하는 환경을 조성하는 과정을 예시적으로 나타낸 순서도이다. 전술한 도 14에 도시된 단계들은 필요에 의해 순서가 변경될 수 있으며, 적어도 하나 이상의 단계가 생략 또는 추가될 수 있다. 즉, 전술한 단계는 본 발명의 일 실시예에 불과할 뿐, 본 발명의 권리 범위는 이에 제한되지 않는다.
일 실시예에 따르면, 수신 모듈(410)은 사용자의 수면 상태가 수면 전인 경우, 희망 취침 시간 정보에 기초하여 수면 유도 시점을 식별할 수 있다(S2100). 구체적인 예를 들어, 사용자는 자신이 수면하고자 하는 시간 및 기상하고자 하는 시간을 사용자 단말(300)을 통해 설정하여 수면 계획 정보를 생성할 수 있으며, 생성된 수면 계획 정보를 수신 모듈(410)로 전달할 수 있다. 이 경우, 수면계획 정보는, 희망 취침 시간 정보 및 희망 기상 시간 정보를 포함할 수 있다. 수신 모듈(410)은 희망 취침 시간 정보에 기초하여 수면 유도 시점을 식별할 수 있다.
또한, 수신 모듈(410)은 제2센서부를 통해 수면 유도 시점에 사용자가 기 설정된 영역에 위치하였는지 여부를 감지할 수 있다(S2200). 제2센서부는 송신 모듈(420)로부터 송신된 무선 신호를 수신하고, 수신한 무선 신호에 기초하여 기 설정된 영역에 사용자가 위치하였는지 여부를 감지할 수 있다.
실시예에서, 기 설정된 영역에 사용자가 위치하지 않았음을 감지하는 경우, 수신 모듈(410)은 사용자 단말에 알림을 전송할 수 있다(S2300). 구체적으로, 수면 유도 시점에 임박했으나, 사용자가 기 설정된 영역에 위치하지 않은 경우, 사용자 단말로 취침을 준비하도록 하는 알림을 전송할 수 있다.
또한, 실시예에서, 기 설정된 영역에 사용자가 위치하였음을 감지하는 경우, 수신 모듈(410)은 수면 유도 시점으로부터 수면 시점까지 기 설정된 백색광을 공급하도록 하는 제1환경 조성 정보를 생성할 수 있다(S2400). 즉, 수면 유도시점에 대응하여 사용자가 기 설정된 영역에 위치한 경우에만 제1환경 조성 정보를 생성할 수 있다. 다시 말해, 수신 모듈(410)은 사용자가 기 설정된 영역에 위치한 경우에만 제1환경 조성 정보를 생성함으로써, 환경 조정 동작을 수행하는 환경조성부(415)의 구동을 제어할 수 있다. 이에 따라, 환경조성부(415)는 사용자가 특정위치에 위치하지 않는 경우, 수면 환경을 변화시키기 위한 동작을 수행하지 않을 수 있다.
도 15는 본 발명의 일 실시예와 관련된 수면 중 및 기상 직전에 사용자의 수면 환경을 변화시키는 과정을 예시적으로 나타낸 순서도이다. 전술한 도 15에 도시된 단계들은 필요에 의해 순서가 변경될 수 있으며, 적어도 하나 이상의 단계가 생략 또는 추가될 수 있다. 즉, 전술한 단계는 본 발명의 일 실시예에 불과할 뿐, 본 발명의 권리 범위는 이에 제한되지 않는다.
일 실시예에 따르면, 수신 모듈(410)은 사용자의 수면 상태가 수면 중인 경우, 조도를 최소화하여 빛이 없는 암실 환경을 조성하도록 하는 제2환경 조성 정보를 생성할 수 있다(S3100). 예컨대, 수면 중 빛의 간섭이 있을 경우, 파편적으로 잠을 잘 확률이 높아져 좋은 숙면을 취하기 어려울 수 있다.
즉, 수신 모듈(410)은 사용자가 수면(또는 수면 단계)에 진입하였음을 감지하는 경우(제2수면 상태 정보를 획득하는 경우), 광이 공급되지 않도록 하는 제어 정보 즉, 제2환경 조성 정보를 생성할 수 있다. 이에 따라, 사용자가 깊은 잠을 잘 확률이 높아져 수면의 질이 향상될 수 있다.
일 실시예에 따르면, 수신 모듈(410)은 사용자가 희망 기상 시간 정보에 기초하여 기상 유도 시점을 식별하고 기상 유도 시점으로부터 희망 기상 시점까지 백색광의 조도를 점진적으로 증가시켜 공급하도록 하는 제3환경 조성 정보를 생성할 수 있다(S3200).
공기청정기 (500)
이하에서는 본 발명의 일 실시예에 따라서, 환경을 조절하는 장치가 공기청정기로서 구현되는 경우의 예시에 대하여 상세히 설명하기로 한다. 도 11은 본 발명에 따른 환경 조성 장치의 동작을 설명하기 위한 개념도이다. 구체적으로, 도 11의 (a)는 도 1f의 환경 조성 장치(30)가 공기청정기(500)로 구현된 모식도이고, 도 11의 (b)는 공기청정기(500)가 사용자 단말(300)과 연동하여 동작하는 모식도이다.
도 11의 (a)에 도시된 바와 같이, 본 발명에 따른 공기청정기(500)는 사용자 단말(300) 및 컴퓨팅 장치(100)와 연동하여 동작할 수 있다.
컴퓨팅 장치(100)는 네트워크부(180), 메모리(120) 및 프로세서(110)를 포함할 수 있다(도 2c 참조). 네트워크부(180)는 사용자 단말(300), 외부 서버(20) 및 공기청정기(500)와 데이터를 송수신한다. 네트워크부(180)는 본 발명의 일 실시예에 따른 수면 상태 정보에 따른 수면 환경 조성 방법을 수행하기 위한 데이터 등을 다른 컴퓨팅 장치, 서버 등과 송수신할 수 있다.
즉, 네트워크부(180)는 컴퓨팅 장치(100)와 사용자 단말(300), 외부 서버(20) 및 공기청정기(500) 간의 통신 기능을 제공할 수 있다. 예를 들어, 네트워크부(180)는 병원 서버로부터 복수의 사용자들에 대한 수면검진기록 및 전자건강기록을 수신할 수 있다. 다른 예를 들어, 네트워크부(180)는 사용자 단말(300)로부터 사용자가 활동하는 공간에 관련한 환경 센싱 정보를 수신할 수 있다. 또 다른 예를 들어, 네트워크부(180)는 공기청정기(500)로 사용자가 위치한 공간의 환경을 조정하기 위한 공기질 관련 환경 조성 정보를 전송할 수 있다. 추가적으로, 네트워크부(180)는 컴퓨팅 장치(100)로 프로시저를 호출하는 방식으로 컴퓨팅 장치(100)와 사용자 단말(300) 및 외부 서버(20) 간의 정보 전달을 허용할 수 있다.
메모리(120)는 본 발명의 일 실시예에 따른 수면 상태 정보에 따른 수면 환경 조성 방법을 수행하기 위한 컴퓨터 프로그램을 저장할 수 있으며, 저장된 컴퓨터 프로그램은 프로세서(110)에 의하여 판독되어 구동될 수 있다. 또한, 메모리(120)는 프로세서(110)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크부(180)가 수신한 임의의 형태의 정보를 저장할 수 있다. 또한, 메모리(120)는 사용자의 수면에 관련한 데이터를 저장할 수 있다. 예를 들어, 메모리(120)는 입/출력되는 데이터들(예를 들어, 사용자의 수면 환경에 관련한 환경 센싱 정보(특히, 공기질과 관련함), 환경 센싱 정보에 대응하는 수면 상태 정보 또는, 수면 상태 정보에 따른 환경 조성 정보 등)을 임시 또는 영구 저장할 수도 있다. 컴퓨터 프로그램은 메모리(120)에 로드될 때, 프로세서(110)로 하여금 본 발명의 다양한 실시예에 따른 방법/동작을 수행하도록 하는 하나 이상의 인스트럭션들을 포함할 수 있다. 일 실시예에서, 컴퓨터 프로그램은, 사용자의 수면 상태 정보를 획득하는 단계, 상기 수면 상태 정보에 기초하여 환경 조성 정보를 생성하는 단계 및 상기 환경 조성 정보를 환경 조성 장치로 전송하는 단계를 포함하는 수면 상태 정보에 따른 수면 환경 조성 방법을 수행하도록 하는 하나 이상의 인스트럭션을 포함할 수 있다.
네트워크부(180) 및 메모리(120)의 동작방식, 하드웨어적 구성, 소프트웨어적 구성은 위에서 설명한 바와 동일하다.
프로세서(110)는 메모리(120)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 수면 분석 모델을 제공할 수 있다. 본 발명의 일 실시예에 따라, 프로세서(110)는 수면 상태 정보에 기초하여 환경 조성 정보를 산출하기 위한 계산을 수행할 수 있다. 본 발명의 일 실시예에 따라 프로세서(110)는 수면 분석 모델을 학습시키기 위한 계산을 수행할 수 있다. 수면 분석 모델의 구체적인 사항은 위에서 설명한 바와 동일하다.
프로세서(110)는 사용자의 수면 상태 정보 및 환경 센싱 정보를 획득할 수 있으며, 이는 위에서 설명한 바와 같다. 프로세서(110)는 제1환경 조성 정보 내지 제n환경 조성 정보를 생성할 수 있다. 구체적으로, 프로세서(110)는 사용자의 상태가 취침 전 상태인 경우, 사용자가 수면을 준비하는 것으로 예측되는 시점(예컨대, 수면 유도 시점)부터 잠이 드는 시점(즉, 제2수면 상태 정보가 획득되는 시점)까지, 공기청정기를 제어하기 위한 제1환경 조성 정보를 생성할 수 있다.
구체적으로, 사용자의 수면 전 소정시간(예: 20분 전)까지 미세먼지 및 유해가스를 미리 제거하도록 공기청정기를 제어하는 제1환경 조성 정보를 생성할 수 있다. 그리고, 제1환경 조성 정보는 수면 직전 수면을 유도할 수 있는 정도의 소음(백색소음)을 유발하도록 공기청정기를 제어하거나, 송풍세기를 기설정된 세기 이하로 조절하거나, LED의 세기를 낮추는 등의 정보를 포함할 수 있다. 이와 함께, 제1환경 조성 정보는 수면공간 내의 온도 및 습도 정보에 기초하여 제습/가습을 실행하도록 공기청정기를 제어하기 위한 정보를 포함할 수 있다.
프로세서(110)는 제2수면 상태 정보에 기초하여 공기청정기의 LED를 오프시키거나, 기설정된 레벨 이하의 소음으로 공기청정기를 동작시키거나, 송풍 강도를 기설정된 세기 이하로 조절하거나, 송풍 온도를 기설정된 범위 내에 맞추거나, 수면공간 내의 습도를 소정 온도로 유지하도록 공기청정기를 제어하기 위한 제2환경 조성 정보를 생성할 수 있다.
또한, 프로세서(110)는 제3수면 상태 정보 및 제4수면 상태 정보에 기초하여 제3환경 조성 정보 및 제4환경 조성 정보를 생성할 수 있다.
프로세서(110)는 환경 조성 정보를 공기청정기(500)로 전송할 것을 결정할 수 있다. 즉, 프로세서(110)는 취침 또는 기상 시 사용자가 잠에 용이하게 들거나 또는 자연스럽게 일어날 수 있도록 하는 외부 환경 조성 정보를 생성함으로써, 사용자의 수면의 질을 향상시킬 수 있다.
도 11의 (b)에 도시된 바와 같이, 본 발명에 따른 공기청정기(500)는 사용자 단말(300)과 연동하여 동작할 수 있다. 즉, 도 11의 (b)에 따른 실시예의 시스템은 공기청정기(500), 사용자 단말(300), 외부 서버(20) 및 네트워크를 포함할 수 있다. 본 실시예에서, 본 발명에 따른 공기청정기(500)는, 도 11의 (a)의 컴퓨팅 장치(100)의 구성과 공기청정기로써 동작하기 위한 부가구성들을 포함한다.
도 12는 본 발명에 따른 환경 조성 장치의 구성을 나타내는 블록도이다. 도 12에 도시된 바와 같이, 본 발명에 따른 환경 조성 장치의 일 예시인 공기청정기(500)는 네트워크부(510), 메모리(520), 프로세서(530), 구동부(540) 및 측정부(550)를 포함할 수 있다.
공기청정기(500)는 빌딩, 아파트, 주택 내의 천장이나 외벽에 매립된 형태의 공기청정장치로 구현될 수도 있고, 실내 공간의 일측에 고정된 고정형 공기청정기로 구현될 수도 있으며, 휴대와 이동이 간편한 이동형 공기청정기로 구현될 수도 있으며, 차량에 배치된 차내 공기청정장치로 구현될 수도 있으며, 신체에 착용되어 사용자 주변의 공기질을 정화하는 웨어러블 공기청정기로 구현될 수도 있다.
공기청정기(500)는 전처리 및 헤파필터를 이용하여 분진을 제거하는 집진필터식 공기청정기, 활성탄을 이용하여 유해가스를 흡착하는 흡착필터식, 물을 이용하여 분진이나 유해가스를 제거하는 습식, 고전압을 이용하여 분진을 제거하는 전기집진식, 고전압으로 음이온을 생성하여 공기중으로 공급함으로써 분진을 제거하는 음이온식, 플라즈마로 양/음이온을 생성하여 유해가스를 제거하는 플라즈마식, TiO에 자외선 조사로 생성된 OH라디칼 및 활성산소의 산화/환원으로 악취 및 유해가스를 제거하는 UV광촉매식과 같은 다양한 방식의 공기청정기로 구현될 수 있으며, 둘 이상의 방식을 복합적으로 채용한 복합식 공기청정기일 수도 있다.
공기청정기(500)의 네트워크부(510), 메모리(520), 프로세서(530)의 기능, 동작, 하드웨어적 구성, 소프트웨어적 구성에 대해서는 위에서 설명한 바와 동일하다. 프로세서(530)에 의해서 생성된 제1 내지 제n환경 조성 정보는 구동부(540)로 전달될 수 있다. 구동부(540)는 공기청정기(500)에 구비된 다양한 하드웨어적 요소를 동작시킨다.
측정부(550)는 공간 내의 공기성분, 조도 및 공기청정기 부품상태 등을 센싱하기 위한 하나 이상의 센서를 포함할 수 있다. 구체적으로, 측정부는 PM1.0, PM2.5, PM10 등 보이지 않는 부유입자를 감지하는 먼지센서, 실내 유해가스나 냄새 등을 검출하는 가스센서, 실내조도를 감지하는 조도센서, 실내공기에 포함된 300여 종의 휘발성 유기화합물의 총 농도를 측정하는 TVOC 센서, 실내공기 중의 이산화탄소 농도를 측정하는 CO2센서, 라돈의 농도를 측정하는 라돈 센서, 필터부의 수명에 따른 필터차압을 측정하여 필터교체시기를 알 수 있게 하는 압력센서, 실내온도를 측정하는 온도센서 등을 포함할 수 있다.
도면에는 도시하지 않았으나, 공기청정기(500)는 토출구와 흡입구가 구비된 하우징, 필터부, 송풍팬, 살균부, 가습부, 가열부, 냉각부, 측정부 등으로 구성될 수 있다. 하우징은 공기청정기(500)의 매립형, 고정형, 이동형, 차량형, 웨어러블형 등 구현방식에 따라 다양하게 설계될 수 있다. 필터부는 집진필터식, 흡착필터식, 습식, 전기집진식, 음이온식, 플라즈마식, UV광촉매식 등의 공기청정방식에 대응하여 선택될 수 있다. 송풍팬은 전원공급부로부터 공급된 전원에 의하여 회전하는 모터에 연결될 수 있다. 살균부는 화학적, 전기적 방식을 이용하여 흡입된 공기를 살균하는 기능을 가진다. 가습부는 흡입된 공기를 가습하여 송출하는 기능을 갖고, 가열부와 냉각부는 흡입된 공기를 소정 온도로 가열하거나 냉각시키는 기능을 갖는다.
상술한 공기청정기(500)의 하드웨어적 요소는 일 실시예에 불과하며, 이 중 일부가 통합되어 하나의 구성으로 구현될 수도 있고, 일부 구성이 생략될 수 있으며, 위에서 설명되지 않은 공기청정 기능을 수행하기 위한 다양한 구성이 부가될 수 있을 것이다.
한편, 환경 센싱 정보는 사용자 단말(300)을 통해 획득될 수 있다. 환경 센싱 정보는, 사용자가 수면을 취하는 침실에서 획득되는 수면 음향 정보일 수 있다.
또한, 환경 센싱 정보는 공기청정기(500) 내에 구비된 측정부(550)로부터 획득된 수면공간내 공기질 정보일 수 있다. 사용자 단말(300) 또는 측정부(550)를 통해 획득된 환경 센싱 정보는, 본 발명에서 사용자의 수면 상태 정보를 획득하기 위한 기반이 되는 정보일 수 있다.
구체적인 예를 들어, 사용자의 활동에 관련하여 획득되는 환경 센싱 정보를 통해 사용자가 수면 전인지, 수면 중인지 또는 수면 후인지 여부에 관련한 수면 상태 정보가 획득될 수 있다 또한, 사용자의 수면 전, 수면 중 및 수면 후 주변 공기질과 관련한 정보가 획득될 수 있다.
프로세서(530)는 사용자 단말(300) 및/또는 측정부(550)를 통해 획득된 환경 센싱 정보에 기초하여 수면 상태 정보를 획득할 수 있다.
구체적으로, 프로세서(530)는 환경 센싱 정보에 기 설정된 패턴의 정보가 감지되는 특이점을 식별할 수 있다. 여기서 기 설정된 패턴의 정보는, 수면에 관련한 호흡 및 움직임 패턴에 관련한 것일 수 있다. 예컨대, 깨어있는 상태(wake)에서는 모든 신경계가 활성화되어 있기 때문에 호흡 패턴이 불규칙적이고 몸의 움직임이 많은 수 있다. 또한, 목 근육의 이완이 이루어지지 않기 때문에 호흡 소리가 매우 적을 수 있다. 반면, 사용자가 수면을 취하는 경우에는, 자율신경계가 안정화되어 호흡이 규칙적으로 변화하고 몸의 움직임 또한 적어질 수 있으며, 호흡음도 커질 수 있다. 즉, 프로세서(530)는 환경 센싱 정보에서, 규칙적인 호흡, 적은 몸의 움직임 또는 적은 호흡음 등에 관련한 기 설정된 패턴의 음향 정보가 감지되는 시점을 특이점으로 식별할 수 있다. 또한, 프로세서(530)는 식별된 특이점을 기준으로 획득되는 환경 센싱 정보에 기초하여 수면 음향 정보를 획득할 수 있다. 프로세서(530)는 시계열적으로 획득되는 환경 센싱 정보에서 사용자의 수면 시점에 관련한 특이점을 식별하고, 해당 특이점을 기준으로 수면 음향 정보를 획득할 수 있다.
또한, 측정부(550)를 통해 측정된 공기질은 사용자의 수면에 많은 영향을 미친다. 공기질과 수면 사이의 관계를 분석한 논문에 따르면, 수면 장애는 공기오염과 통계적으로 유의미한 연관성을 보이는 것이 확인되었다. 예를 들어, PM10에 노출된 경우 수면을 유지하는데 어려움을 겪을 수 있고, 특히, 남성이 PM1에 노출되었을 때 수면장애가 나타날 확률이 가장 높은 것을 확인할 수 있었다. 또한, 여성의 경우, PM1, PM2.5에 노출 되었을 때 수면 장애가 생길 가능성이 가장 높다는 것이 확인되었다. 또한, SO2, O3가 높을 때 천명(wheezing)과 관련된 수면 방해가 나타날 확률이 가장 높다는 것이 확인되었다. 뿐만 아니라, 임산부가 임신 31~35주 사이에 PM2.5에 노출 되면 태어난 아이가 수면 길이가 짧아질 가능성이 가장 높다는 것도 확인되었다. AHI와 공기의 질을 측정하는 수치들과의 연관성에 대해 다양한 연구가 진행되었고, 결과는 연구마다 조금씩 다르게 나오고 있지만, 공기질과 수면의 연관성이 매우 높다는 결과는 동일했다.
본 발명에 따른 공기청정기(500)는 환경 센싱 정보에 기초하여 수면 상태 정보를 획득한 뒤 환경 조성 정보를 생성하고, 이를 이용하여 수면 단계에 적절한 동작을 수행할 수 있다.
구체적으로, 공기청정기(500)의 프로세서(530)는 사용자의 상태가 취침 전 상태인 것으로 판단된 경우, 사용자가 수면을 준비하는 것으로 예측되는 시점(예컨대, 수면 유도 시점)부터 잠이 드는 시점(즉, 제2수면 상태 정보가 획득되는 시점)까지, 공기청정기를 제어하기 위한 제1환경 조성 정보를 생성할 수 있다. 제1환경 조성 정보는 측정부(550)에서 측정된 PM농도, 유해가스농도, CO2농도, SO2농도, O3농도, 습도, 온도 등을 반영하여 생성될 수 있다.
제1환경 조성 정보는, 사용자의 수면 전 소정시간(예: 20분 전)까지 미세먼지 및 유해가스를 미리 제거하도록 공기청정기를 제어하는 정보, 수면 직전 수면을 유도할 수 있는 정도의 소음(백색소음)을 유발하도록 공기청정기를 제어하거나, 송풍세기를 기설정된 세기 이하로 조절하거나, LED의 세기를 낮추는 등의 정보, 수면공간 내의 온도 및 습도 정보에 기초하여 제습/가습을 실행하도록 공기청정기를 제어하기 위한 정보 등을 포함할 수 있다.
또한, 프로세서(530)는 제2수면 상태 정보에 기초하여 공기청정기의 LED를 오프시키거나, 기설정된 레벨 이하의 소음으로 공기청정기를 동작시키거나, 송풍 강도를 기설정된 세기 이하로 조절하거나, 송풍 온도를 기설정된 범위 내에 맞추거나, 수면공간 내의 습도를 소정 온도로 유지하도록 공기청정기를 제어하기 위한 제2환경 조성 정보를 생성할 수 있다.
제2환경 조성 정보는 제2수면 상태 정보에 기초한 것으로, 공기청정기의 LED를 오프시키거나, 기설정된 레벨 이하의 소음으로 공기청정기를 동작시키거나, 송풍 강도를 기설정된 세기 이하로 조절하거나, 송풍 온도를 기설정된 범위 내에 맞추거나, 수면공간 내의 습도를 소정 온도로 유지하도록 공기청정기를 제어하기 위한 제어 정보일 수 있다. 사용자는 수면 직전 미세먼지, 유해가스가 제거된 수면공간 내에서 공기흐름, 백색소음 등으로 수면이 유도될 수 있고, 입면 후 최적의 온도, 습도 등이 제어된 상태에서 숙면을 취할 수 있게 된다.
심상 유도 정보를 생성하는 장치(100a)/제공하는 장치(200a)
본 발명의 일 실시 형태에 따르면, 도 1h에 도시된 바와 같이, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)는 단말 또는 서버일 수 있으며, 임의의 형태의 장치는 모두 포함할 수 있다.
또한, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)는 학습 데이터 세트를 통해 하나 이상의 네트워크 함수에 대한 학습을 수행함으로써, 환경 센싱 정보에 대응하는 수면 상태 정보를 획득하기 위한 수면 분석 모델을 생성할 수 있다.
본 발명의 일 실시예에 따르면, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)는 클라우드 컴퓨팅 서비스를 제공하는 서버일 수 있다.
보다 구체적으로, 정보를 사용자의 컴퓨터가 아닌 인터넷에 연결된 다른 컴퓨터로 처리하는 클라우드 컴퓨팅 서비스를 제공하는 서버일 수 있다.
클라우드 컴퓨팅 서비스는 인터넷 상에 자료를 저장해 두고, 사용자가 필요한 자료나 프로그램을 자신의 컴퓨터에 설치하지 않고도 인터넷 접속을 통해 언제 어디서나 이용할 수 있는 서비스일 수 있으며, 인터넷 상에 저장된 자료들을 간단한 조작 및 클릭으로 쉽게 공유하고 전달할 수 있다.
도 1h에 도시된 전자장치 내에서, 환경 센싱 정보를 획득하는 단계, 획득된 환경 센싱 정보에 대하여 전처리를 수행하는 단계, 전처리된 환경 센싱 정보에 포함된 음향 정보를 스펙트로그램으로 변환하는 단계, 변환된 스펙트로그램에 기초하여 수면 상태 정보를 생성하는 단계 및 생성된 수면 상태 정보에 기초하여 심상 유도 정보를 제공하고 피드백하는 단계가 수행될 수도 있다.
또는, 본 발명의 일 실시형태에 따르면, 전자 장치 내에서, 환경 센싱 정보를 획득하는 단계, 획득된 환경 센싱 정보에 대하여 전처리를 수행하는 단계, 전처리된 환경 센싱 정보에 포함된 음향 정보를 스펙트로그램으로 변환하는 단계, 변환된 스펙트로그램이 서버로 전송되는 단계가 수행되고, 서버가 전송된 스펙트로그램에 기초한 학습 또는 추론 등을 통해 수면 상태 정보를 생성하면, 전자 장치가 수면 상태 정보를 수신하는 단계가 수행될 수도 있다.
또는, 본 발명의 일 실시형태에 따르면, 전자 장치가 있는데, 다른 전자 장치가 환경 센싱 정보를 획득하고, 획득된 환경 센싱 정보에 포함된 음향 정보를 스펙트로그램으로 변환하고, 변환된 스펙트로그램에 기초하여 수면 상태 정보를 생성하면, 환경 센싱과 심상 유도 정보 제공 및 피드백 기능이 실장된 전자 장치가 다른 전자 장치로부터 수면 상태 정보를 수신하는 단계가 수행될 수도 있다.
여기서 다른 전자장치란, 환경 센싱과 심상 유도 정보 생성 및 제공 기능이 실장된 전자 장치와 다른 장치로서, 하나 이상의 다른 전자 장치에 해당할 수 있다.
다른 전자 장치가 복수개인 경우에는 환경 센싱 정보의 획득, 환경 센싱 정보에 포함된 음향 정보의 스펙트로그램으로 변환, 수면 상태 정보를 생성하는 단계를 독립하여 수행할 수도 있다.
예컨대, 본 발명의 일 실시형태에 따르면, 심상 유도 정보 제공 및 피드백 기능이 실장된 전자 장치가 있는 경우, 다른 전자 장치가 환경 센싱 정보를 획득하고, 획득된 환경 센싱 정보에 포함된 음향 정보를 스펙트로그램으로 변환하고, 변환된 스펙트로그램을 서버로 전송하면, 서버가 전송된 스펙트로그램에 기초하여 수면 상태 정보를 생성하고, 심상 유도 정보 제공 기능이 실장된 전자 장치가 서버에서 생성한 수면 상태 정보를 수신받는 단계가 수행될 수도 있다.
위에서 설명한 본 발명에 따른 다양한 실시예들은, 환경 센싱 정보의 획득과, 환경 센싱 정보의 전처리와, 스펙트로그램의 변환, 수면 상태 정보의 생성 등의 다양한 동작들이 반드시 같은 전자장치 내에서 일어나는 것이 아니라, 여러 장치에서 일어날 수 있는 것이고, 이는 시계열적으로 일어날 수도 있지만, 동시에 일어날 수도 있고, 독립하여 개별적으로 일어날 수도 있다는 것을 설명하기 위한 예시이므로, 본 발명은 위에 설명한 다양한 실시예들에 한정되는 것은 아니다.
전자 장치(600)
도 2b는 본 발명에 따른 전자 장치(600)의 구성을 나타내는 블록도이다.
도 2b에 도시된 전자 장치(600)는 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)에 해당할 수 있고, 또는 이 외의 장치에 해당하는 것을 포함한다. 예컨대, 도 2b에 도시된 전자 장치(600)는 사용자 단말에 해당할 수도 있고, 슬립 이미지를 생성 및/또는 제공하는 장치에 해당할 수도 있고, 그 밖의 사용자 수면정보 기반의 수면콘텐츠를 생성 및/또는 제공하는 장치에 해당할 수도 있다.
본 발명의 일 실시예에 따르면, 도 2b에 도시된 바와 같이, 전자 장치(600)는 메모리(610), 출력부(620), 프로세서(630) 및 획득부(640)를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시 형태에 따르면, 심상 유도 정보가 기록된 메모리(610); 상기 기록된 심상 유도 정보를 출력하는 출력부(620); 사용자로부터 수면 상태 정보를 획득하는 획득부(640); 상기 출력된 심상 유도 정보 및 상기 획득된 수면 상태 정보를 서버로 전송하는 수단; 상기 서버가 상기 전송된 심상 유도 정보 및 상기 전송된 수면 상태 정보에 기초하여 사용자의 피처를 추출하면, 상기 추출된 사용자의 피처를 수신하는 수단; 및 상기 수신된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는 수단;을 포함하는 전자 장치가 제공될 수 있다.
본 발명의 일 실시 형태에 따르면, 심상 유도 정보가 기록된 메모리(610); 상기 기록된 심상 유도 정보를 출력하는 출력부(620); 사용자로부터 수면 상태 정보를 획득하는 획득부(640); 상기 출력된 심상 유도 정보 및 상기 수면 상태 정보를 서버로 전송하는 수단; 및 상기 서버가 상기 전송된 심상 유도 정보 및 상기 전송된 수면 상태 정보에 기초하여 사용자의 피처를 추출하고, 상기 서버가 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하면, 상기 생성된 피처 기반 심상 유도 정보를 수신하는 수단;을 포함하는 전자 장치가 제공될 수 있다.
본 발명의 일 실시 형태에 따르면, 심상 유도 정보가 기록된 메모리(610); 상기 기록된 심상 유도 정보를 출력하는 출력부(620); 사용자로부터 수면 상태 정보를 획득하는 획득부(640); 상기 출력된 심상 유도 정보 및 상기 획득된 수면 상태 정보에 기초하여 사용자의 피처를 추출하는 프로세서(630); 상기 추출된 사용자의 피처를 서버로 전송하는 수단; 및 상기 서버가 상기 전송된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하면, 상기 생성된 피처 기반 심상 유도 정보를 수신하는 수단;을 포함하는 전자 장치가 제공될 수 있다.
본 발명의 일 실시 형태에 따르면, 심상 유도 정보 생성 및 제공 모델은, 전자 장치의 획득부를 통해 획득된 사용자의 수면 상태 정보 및 전자 장치의 출력부를 통해 출력된 심상 유도 정보에 기초하여 사용자의 피처를 추출하고, 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는 심상 유도 정보 생성 및 제공 모델이 실장된 서버 장치가 제공될 수 있다.
메모리(610)
본 발명의 일 실시예에 따르면, 메모리(610)는 본 발명의 일 실시예에 따른 룩업 테이블에 기초한 심상 유도 정보, 피처 기반 심상 유도 정보에 기초한 심상 유도 정보, 사용자로부터 입력 받은 사용자와 관련된 정보를 갖는 컴퓨터 프로그램을 저장할 수 있으며, 저장된 컴퓨터 프로그램은 프로세서(630)에 의하여 판독되어 구동될 수 있다.
또한, 메모리(610)는 프로세서(630)가 생성하거나 결정한 임의의 형태의 정보 및 네트워크로부터 수신한 임의의 형태의 정보를 저장할 수 있다.
또한, 메모리(610)는 사용자의 수면에 관련한 데이터를 저장할 수 있다.
*예를 들어, 메모리(610)는 입/출력되는 데이터들을 임시 또는 영구 저장할 수도 있다.
구체적으로, 메모리(610)는 프로세서(630)가 생성하거나 결정한 피처 기반 심상 유도 정보를 임시 또는 영구 저장할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 메모리(610)에는 심상 유도 정보가 기록될 수 있다.
메모리(610)에 기록된 심상 유도 정보는 룩업 테이블에 기초하는 심상 유도 정보일 수도 있고, 피처 기반 심상 유도 정보에 기초하는 심상 유도 정보일 수도 있다.
또한, 메모리(610)에서 심상 유도 정보가 준비되는 단계가 수행될 수 있으며, 심상 유도 정보가 준비되는 단계는 룩업 테이블에 기초하여 심상 유도 정보를 준비할 수도 있고, 피처 기반 심상 유도 정보에 기초하여 심상 유도 정보를 준비할 수도 있다.
출력부(620)
본 발명의 일 실시예에 따르면, 출력부(620)는 기록된 심상 유도 정보를 출력할 수 있다.
예를 들어, 출력부(620)는 기록된 심상 유도 정보는 기록된 심상 유도 음향 정보, 기록된 심상 유도 시각 정보, 기록된 심상 유도 텍스트 정보 및 기록된 심상 유도 텍스트 음향 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합을 출력할 수 있다.
본 발명의 일 실시예에 따르면, 출력부(620)는 프로세서(630)에서 사용자의 수면 상태 정보에 기초하여 생성되는 피처 기반 심상 유도 정보를 출력할 수 있다.
예를 들어, 출력부(620)에서 출력되는 피처 기반 심상 유도 정보는 피처 기반 심상 유도 음향 정보, 피처 기반 심상 유도 시각 정보, 피처 기반 심상 유도 텍스트 정보 및 피처 기반 심상 유도 텍스트 음향 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합일 수 있고, 이에 한정되지 않는다.
또 다른 예를 들어, 출력부(620)에서 출력되는 피처 기반 심상 유도 정보는 심상 유도 시나리오를 갖는 피처 기반 시계열적 심상 유도 음향 정보, 피처 기반 시계열적 심상 유도 시각 정보, 피처 기반 시계열적 심상 유도 텍스트 음향 정보 및 피처 기반 시계열적 심상 유도 텍스트 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합일 수 있고, 이에 한정되지 않는다.
프로세서(630)
도 2b에 도시된 바와 같이, 프로세서(630)는 메모리(610)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 기계 학습을 위한 데이터 처리를 수행할 수 있다.
본 발명의 일실시예에 따라 프로세서(630)는 신경망의 학습을 위한 연산을 수행할 수 있다.
프로세서(630)는 딥러닝(DL: deep learning)에서 학습을 위한 입력 데이터의 처리, 입력 데이터에서의 피처 추출, 오차 계산, 역전파(backpropagation)를 이용한 신경망의 가중치 업데이트 등의 신경망의 학습을 위한 계산을 수행할 수 있다.
또한, 프로세서(630)의 CPU, GPGPU, 및 TPU 중 적어도 하나가 네트워크 함수의 학습을 처리할 수 있다.
예를 들어, CPU 와 GPGPU가 함께 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다.
또한, 본 발명의 일 실시예에서 복수의 전자 장치(600)의 프로세서를 함께 사용하여 네트워크 함수의 학습, 네트워크 함수를 이용한 데이터 분류를 처리할 수 있다.
또한, 본 발명의 일 실시예에 따른 전자 장치(600)에서 수행되는 컴퓨터 프로그램은 CPU, GPGPU 또는 TPU 실행가능 프로그램일 수 있다.
본 발명의 일 실시예에 따라서, 프로세서(630)는 메모리(610)에 저장된 컴퓨터 프로그램을 판독하여 본 발명의 일 실시예에 따른 수면 분석 모델을 제공할 수 있다.
본 발명의 일 실시예에 따라, 프로세서(630)는 수면 상태 정보에 기초하여 심상 유도 정보의 일련의 순서의 구성 정보, 피처 기반 심상 유도 정보를 산출하기 위한 계산을 수행할 수 있다.
구체적으로, 출력부(620)에 의해 룩업테이블에 기초한 심상 유도 정보 또는 피처 기반 심상 유도 정보에 기초한 심상 유도 정보가 출력되면, 상기 심상 유도 정보를 통해 사용자로부터 획득된 수면 상태 정보에 기초하여 사용자의 피처를 추출할 수 있다.
본 발명의 일 실시예에 따라 프로세서(630)는 수면 분석 모델을 학습시키기 위한 계산을 수행할 수 있다. 이에 따라, 수면 분석 모델에 기초해서 사용자의 수면의 질과 관련한 수면 정보가 추론될 수 있다.
본 발명의 실시예에 따르면, 사용자로부터 실시간 혹은 주기적으로 획득되는 환경 센싱 정보가 상기 수면 분석 모델에 입력값으로 입력되어 사용자의 수면과 관련한 데이터를 출력하게 된다.
이와 같은 수면 분석 모델의 학습과, 이에 기초한 추론은 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)에 의하여 수행될 수 있다.
즉, 학습과 추론이 모두 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)에 의하여 수행되는 것으로 설계할 수 있다.
다만, 다른 실시예에서는, 학습은 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)에서 하되, 추론은 사용자 단말(300)에서 수행될 수 있다.
본 발명의 일 실시예에 따르면, 프로세서(630)는 통상적으로 전자 장치(600)의 전반적인 동작을 처리할 수 있다.
프로세서(630)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(610)에 저장된 응용 프로그램을 구동함으로써, 사용자 단말에게 적정한 정보 또는, 기능을 제공하거나 처리할 수 있다.
본 발명의 일 실시예에 따르면, 프로세서(630)는 사용자의 수면 상태 정보를 획득할 수 있다.
본 발명의 일 실시예에 따른, 수면 상태 정보의 획득은, 메모리(610)에 저장된 수면 상태 정보를 획득하거나 또는 로딩(loading)하는 것일 수 있다.
또한, 수면 음향 정보의 획득은, 유/무선 통신 수단에 기초하여 다른 저장 매체에, 다른 전자 장치, 동일한 전자 장치 내의 별도 처리 모듈로부터 데이터를 수신하거나 또는 로딩하는 것일 수 있다.
본 발명의 일 실시 형태에 따르면, 프로세서(630)는 출력부(620)에서 출력되는 심상 유도 정보 및 획득부(640)에서 획득되는 사용자의 수면 상태 정보에 기초하여 사용자의 피처를 추출할 수 있다.
또한, 프로세서(630)는 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성할 수도 있다.
또한, 메모리(610)에 사용자와 관련된 정보가 기록되어 있는 경우, 상기 기록된 정보에 기초하여 사용자의 피처를 추출할 수도 있다.
획득부
(640)
도 2b에 도시된 바와 같이, 본 발명의 일 실시 형태에 따르면, 전자 장치(600)의 획득부(640)는 사용자로부터 수면 상태 정보를 획득할 수 있다.
본 발명의 일 실시 형태에 따르면, 획득부(640)는 다른 전자 장치에서 사용자로부터 수면 상태 정보를 획득하면, 상기 획득된 수면 상태 정보를 상기 다른 전자 장치로부터 수신받는 역할을 수행할 수도 있다.
수면 정보
본 발명의 일 실시예에 따르면, 본 발명의 목적을 달성하기 위해서 하나 이상의 수면 정보 센서 장치로부터 수면 정보를 습득할 수 있다. 수면 정보는 사용자의 활동 또는 수면 동안 비침습적 방식으로 획득되는 사용자의 수면 음향 정보를 포함할 수 있다. 또한, 수면 정보는 사용자의 생활 정보 및 사용자의 로그 데이터를 포함할 수 있다.
한편, 본 발명에 있어서, 수면 정보는 환경 센싱 정보 및 사용자의 생활정보를 포함할 수 있다. 사용자의 생활 정보는 사용자의 수면에 영향을 미치는 정보를 포함할 수 있다. 구체적으로, 사용자의 수면에 영향을 미치는 정보는 사용자의 나이, 성별, 질병 여부, 직업, 입면시간, 기상시간, 심박수, 심전도 및 수면 시간을 포함할 수 있다. 예컨대, 사용자의 수면 시간이 기준 시간보다 부족한 경우에는 다음 날의 수면에 있어서, 더 많은 수면 시간을 요구하는 영향을 미칠 수 있다. 반면, 사용자의 수면 시간이 기준 시간보다 충분한 경우에는 다음 날의 수면에 있어서, 더 적은 시간의 수면을 요구하는 영향을 미칠 수 있다.
하나 이상의 수면 정보 센서 장치
본 발명의 일 실시예에 따르면, 하나 이상의 수면 센서 장치는 사용자 단말(300)에 구비된 마이크 모듈, 카메라 및 조도 센서를 포함할 수 있다.
예컨대, 사용자 단말(300)에 구비된 마이크 모듈을 통해 일 공간 상에서 사용자의 활동에 관련한 정보가 획득될 수 있다.
또한 마이크 모듈은, 비교적 작은 크기의 사용자 단말(300)에 구비되어야 하므로 MEMC(Micro-electro Mechanical System)로 구성될 수 있다.
환경
센싱
정보
실시예에서, 사용자 단말(300)을 통해 본 발명의 환경 센싱 정보가 획득될 수 있다. 환경 센싱 정보는, 사용자가 위치한 공간에서 획득되는 센싱 정보를 의미할 수 있다. 환경 센싱 정보는, 비접촉식 방법으로 사용자의 활동 또는 수면과 관련하여 획득되는 센싱 정보일 수 있다.
본 발명의 일 실시예에 따르면, 도 1h에 도시된 바와 같이, 수면 감지 영역(11a)에서 획득되는 센싱 정보를 의미할 수 있으나, 이에 한정되지 않는다.
예를 들어, 환경 센싱 정보는, 사용자가 수면을 취하는 침실에서 획득되는 수면 음향 정보일 수 있다. 실시예에 따르면, 사용자 단말(300)을 통해 획득된 환경 센싱 정보는, 본 발명에서 사용자의 수면 상태 정보를 획득하기 위한 기반이 되는 정보일 수 있다. 구체적인 예를 들어, 사용자의 활동에 관련하여 획득되는 환경 센싱 정보를 통해 사용자가 수면 전인지, 수면 중인지 또는 수면 후인지 여부에 관련한 수면 상태 정보가 획득될 수 있다.
또 다른 예를 들어, 환경 센싱 정보는 수면 동안 사용자가 뒤척거림에 따라 발생되는 음향, 근육 움직임에 관련한 음향 또는 수면 동안 사용자의 호흡에 관련한 음향 등을 포함할 수 있다. 상기 수면 음향 정보는, 사용자의 수면 동안에 발생하는 움직임 패턴 및 호흡 패턴에 관련한 음향 정보를 의미할 수 있다. 일공간 상에서 사용자의 활동에 관련한 상기 환경 센싱 정보가 사용자 단말(300)에 구비된 마이크로폰을 통해 획득될 수 있다.
또는, 상기 환경 센싱 정보는, 사용자의 호흡 및 움직임 정보를 포함할 수 있다. 사용자 단말(300)은 모션 센서(motion sensor)로서의 레이더 센서(radar sensor)를 포함할 수 있다. 사용자 단말(300)은 상기 레이더 센서를 통해 측정된 사용자의 움직임과 거리를 신호처리하여 사용자의 호흡에 해당하는 이산 파형(호흡 정보)를 생성할 수 있다. 상기 이산 파형과 움직임에 기초하여 수면과 관련한 정량적인 지표를 얻을 수 있다.
상기 환경 센싱 정보는, 사용자의 수면 중인 공간의 온도, 습도 및 조명 수준을 측정하는 센서를 통해 얻은 측정값을 포함할 수 있다. 이를 위해, 사용자 단말(300)은 침실의 온도, 습도 및 조명 수준을 측정하는 센서를 구비할 수 있다.
본 발명의 일 실시예에 따르면, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)는 MEMS로 구성된 마이크 모듈을 통해 획득된 환경 센싱 정보에 기초하여 수면 상태 정보를 획득할 수 있다.
구체적으로, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)는 많은 노이즈를 포함하여 불명료하게 획득된 환경 센싱 정보를 분석이 가능한 데이터로 변환할 수 있으며, 변환된 데이터를 활용하여 인공 신경망에 대한 학습을 수행할 수 있다.
본 발명의 일실시예에 따르면, 인공 신경망에 대한 사전 학습이 완료된 경우, 학습된 신경망은 수면 음향 정보에 대응하여 획득된 스펙트로그램에 기초하여 사용자의 수면 상태 정보를 획득할 수 있다.
구체적으로, 상기 학습된 신경망은 인공지능 음향 분석 모델일 수 있으나, 이에 한정되지 않는다.
즉, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 사용자 단말(300) 등은 낮은 신호 대 잡음비를 갖는 수면 음향 정보를 획득하는 경우, 이를 분석에 적절한 데이터로 가공하고, 가공된 데이터를 처리하여 수면 상태 정보를 제공할 수 있다.
이는 명료한 음향 획득을 위해 사용자의 신체에 접촉식으로 마이크를 구비하지 않아도 되며, 또한, 높은 신호 대 잡음비를 가진 별도의 추가 디바이스를 구매하지 않고 소프트웨어 업데이트 만으로 일반적인 가정 환경에서 수면 상태를 모니터링할 수 있게 하여 편의성을 증대시키는 효과를 제공할 수 있다.
도 1d에서 심상 유도 정보를 생성하는 장치(100a)가 사용자 단말(300)과 별도의 엔티티로서 분리되어 표현되었지만, 본 발명의 실시예에 따라서, 도 1c에 도시된 바와 같이, 심상 유도 정보를 생성하는 장치(100a)는 사용자 단말(300) 내에 포함되어, 수면 상태 측정 및 심상 유도 정보를 제공하는 기능을 하나의 통합 장치에서 수행할 수도 있다.
마찬가지로, 도 1e에서 심상 유도 정보를 제공하는 장치(200a)가 사용자 단말(300)과 별도의 엔티티로서 분리되어 표현되었지만, 본 발명의 실시예에 따라서, 도 1c에 도시된 바와 같이, 심상 유도 정보를 제공하는 장치(200a)는 사용자 단말(300) 내에 포함되어, 수면 상태 측정 및 심상 유도 정보를 피드백하는 기능을 하나의 통합 장치에서 수행할 수도 있다.
이러한 사용자 단말(300)은 컴퓨팅 장치(100)와 통신을 위한 메커니즘을 갖는 시스템에서의 임의의 형태의 엔티티(들)를 의미할 수 있다. 예를 들어, 이러한 사용자 단말(300)은 PC(personal computer), 노트북(note book), 모바일 단말기(mobile terminal), 스마트 폰(smart phone), 태블릿 PC(tablet pc), 인공지능(AI) 스피커 및 인공지능 TV 및 웨어러블 디바이스(wearable device) 등을 포함할 수 있으며, 유/무선 네트워크에 접속할 수 있는 모든 종류의 단말을 포함할 수 있다. 또한, 사용자 단말(300)은 에이전트, API(Application Programming Interface) 및 플러그-인(Plug-in) 중 적어도 하나에 의해 구현되는 임의의 서버를 포함할 수 도 있다. 또한, 사용자 단말(300)은 애플리케이션 소스 및/또는 클라이언트 애플리케이션을 포함할 수 있다.
본 발명의 일 실시예에 따르면, 외부 서버(20)는 신경망의 학습을 위한 복수의 학습 데이터에 대한 정보들을 저장하는 서버일 수 있다. 복수의 학습데이터는 예컨대, 건강검진 정보 또는 수면검진 정보 등을 포함할 수 있다. 예를 들어, 외부 서버(20)는 병원 서버 및 정보 서버 중 적어도 하나일 수 있으며, 복수의 수면다원검사 기록, 전자건강기록 및 전자의료기록 등에 관한 정보를 저장하는 서버일 수 있다. 예를 들어, 수면다원검사 기록은 수면검진 대상자의 수면 동안의 호흡 및 움직임 등에 대한 정보 및 해당 정보들에 대응하는 수면 진단 결과(예컨대, 수면 단계 등)에 대한 정보를 포함할 수 있다. 외부 서버(20)에 저장된 정보들은 본 발명에서의 신경망을 학습시키기 위한 학습 데이터, 검증 데이터 및 테스트 데이터로 활용될 수 있다.
본 발명의 컴퓨팅 장치(100)는 외부 서버(20)로부터 건강검진 정보 또는 수면검진 정보 등을 수신하고, 해당 정보들에 기초하여 학습 데이터 세트를 구축할 수 있다. 컴퓨팅 장치(100)는 학습 데이터 세트를 통해 하나 이상의 네트워크 함수에 대한 학습을 수행함으로써, 환경 센싱 정보에 대응하는 수면 상태 정보를 획득하기 위한 수면 분석 모델을 생성할 수 있다. 본 발명의 신경망 학습을 위한 학습 데이터 세트를 구축하는 구성 및 학습 데이터 세트를 활용한 학습 방법에 대한 구체적인 설명은 후술하도록 한다.
수면 음향 정보
한편, 본 발명에 있어서, 수면 정보는 환경 센싱 정보 및 사용자의 생활 정보를 포함할 수 있다. 상기 환경 센싱 정보는 사용자의 수면에 관한 음향 정보일 수 있다. 하나 이상의 수면 정보 센서 장치는 수면에 대한 분석을 위하여 수면에서 발생하는 음향에 관한 로우 정보(raw data)를 수집할 수 있다. 수면에서 발생하는 음향에 관한 로우 데이터는 시간 도메인일 수 있다. 구체적으로, 수면 음향 정보는 사용자의 수면에 관련한 호흡 및 움직임 패턴에 관련한 것일 수 있다. 예컨대, 깨어있는 상태(wake)에서는 모든 신경계가 활성화 되어 있기 때문에 호흡 패턴이 불규칙적이고 몸의 움직임이 많을 수 있다. 또한, 목 근육의 이완이 이루어지지 않기 때문에 호흡소리가 매우 적을 수 있다. 반면, 사용자가 수면을 취하는 경우에는, 자율신경계가 안정화되어 호흡이 규칙적으로 변화하고 몸의 움직임 또한 적어질 수 있으며, 호흡음도 커질 수 있다. 또한, 수면 도중 무호흡이 발생하는 경우에는, 보상 기전으로 무호흡 직후 큰 호흡음이 발생할 수 있다. 즉, 수면에 관한 로우 데이터를 수집함으로써, 수면에 대한 분석을 진행할 수 있다.
환경
센싱
정보 또는 수면 음향 정보를 주파수 도메인으로 변환
도 6a는 본 발명에 따른 수면 분석 방법에 있어서 수면 음향 정보에 대응하는 스펙트로그램을 획득하는 방법을 설명하기 위한 도면이다. 도 6a에 도시된 바와 같이, 수면 음향 정보를 변환하여 스펙트로그램을 획득할 수 있다.
본 발명의 일 실시예에 있어서, 수면 음향 정보를 분석하기 위하여 상기 변환된 정보는 수면 음향 정보의 주파수 성분들의 시간축에 따른 변화를 시각화하여 나타낸 것으로 변환할 수 있다. 이때, 로우 데이터에서 페이즈를 제외한 앰플리튜드만에 기초하여 스펙트로그램으로 변환하는 방식을 이용할 수 있고, 이는 프라이버시를 보호할 뿐만 아니라, 데이터 용량을 낮추어 처리 속도를 향상시킬 수 있다. 다만, 다른 실시예에서는 페이즈와 앰플리튜드를 모두 이용하여 스펙트로그램을 생성하는 것도 가능하다.
본 발명의 일 실시예에 따른 프로세서는 수면 음향 정보에 기초하여 생성된 스펙트로그램을 이용하여 수면 분석 모델을 생성할 수 있다. 오디오 데이터로 표현되는 수면 음향 정보를 그대로 이용하게 되면 정보량이 매우 많기 때문에 연산량, 연산시간이 큰 폭으로 증가하게 되며, 원치 않는 신호까지 포함되어 있기 때문에 연산 정밀도가 저하될 뿐만 아니라, 사용자의 모든 오디오 신호가 서버로 전송되는 경우 프라이버시 침해의 우려가 있다. 본 발명은 수면 음향 정보의 노이즈를 제거한 뒤, 이를 스펙트로그램(Mel spectrogram)으로 변환하고, 스펙트로그램을 학습시켜 수면 분석 모델을 생성하기 때문에, 연산량, 연산 시간을 줄일 수 있고, 개인의 프라이버시까지 보호까지 도모할 수 있게 된다.
프로세서(110)는, 도 6a에 도시된 바와 같이, 수면 음향 정보(SS)에 대응하여 스펙트로그램(SP)을 생성할 수 있다. 스펙트로그램(SP) 생성의 기초가 되는 로우 데이터(수면 음향 정보)를 입력받을 수 있는데, 로우 데이터는 사용자가 입력한 시작시점부터 종료시점까지 사용자 단말 등을 통해 획득되거나, 사용자의 단말 조작(예: 알람 설정)이 이루어진 시점부터 단말 조작에 대응되는 시점(예: 알람 설정 시간)까지 획득되거나, 사용자의 수면 패턴에 기초하여 자동적으로 시점이 선택되어 획득될 수도 있고, 사용자의 수면 의도 시점을 사운드(사용자 말소리, 호흡소리, 주변기기(TV, 세탁기) 소리 등)나 조도 변화 등에 기초하여 자동적으로 시점을 결정하여 획득될 수 있다.
도 6a에 도시되지는 않았지만, 입력된 로우 데이터를 전처리하는 과정이 더 포함될 수 있다. 전처리 과정은 로우 데이터의 노이즈 리덕션 과정을 포함한다. 노이즈 리덕션 과정에서 로우 데이터에 포함된 노이즈(예: 화이트노이즈)가 제거된다. 노이즈 리덕션 과정은 백그라운드 노이즈(background noise)를 제거하기 위한 스펙트럴 게이팅(spectral gating), 스펙트럴 서브스트랙션(spectral substraction) 등의 알고리즘을 이용하여 이루어질 수 있다. 나아가, 본 발명에서는 딥러닝 기반의 노이즈 리덕션 알고리즘을 이용하여 노이즈 제거 과정을 수행할 수 있다. 즉, 딥러닝을 통해 사용자의 숨소리, 호흡소리에 특화된 노이즈 리덕션 알고리즘을 이용할 수 있다. 특히, 본 발명은 로우 데이터에서 페이즈를 제외한 앰플리튜드만에 기초하여 스펙트로그램을 생성할 수 있지만, 이에 한정되지 않는다. 이는 프라이버시를 보호할 뿐만 아니라, 데이터 용량을 낮추어 처리 속도를 향상시킨다.
프로세서(110)는 수면 음향 정보(SS)에 대한 고속 푸리에 변환을 수행하여 수면 음향 정보(SS)에 대응하는 스펙트로그램(SP)을 생성할 수 있다. 스펙트로그램(SP)은 소리나 파동을 시각화하여 파악하기 위한 것으로, 파형(waveform)과 스펙트럼(spectrum)의 특징이 조합된 것일 수 있다. 스펙트로그램(SP)은 시간 축과 주파수 축의 변화에 따라 진폭을 차이를 인쇄 농도 또는, 표시 색상의 차이로 나타낸 것일 수 있다.
전처리된 음향 관련 로우 데이터는 30초 단위로 잘려 멜 스펙트로그램으로 변환 된다. 이에 따라, 30초의 멜 스펙트로그램은 20 frequency bin x 1201 time step의 차원을 갖게 된다. 본 발명에서는 직사각형의 멜 스펙트로그램을 정사각형 형태로 바꾸기 위하여 스플릿-캣(split-cat) 방식을 이용함으로써 정보량을 보존할 수 있게 된다.
한편, 본 발명의 일 실시예에 따르면, 클린한 숨소리에 가정환경에서 발생하는 다양한 노이즈를 더해 다양한 가정환경에서 측정된 숨소리를 시뮬레이션하는 방법을 이용할 수 있다. 소리는 애디티브(additive)한 성질을 가지고 있기 때문에 서로 더할 수 있다. 하지만, mp3나 pcm 등의 원본 음향 신호를 더하고 멜 스펙트로그램으로 변환하는 것은 많은 컴퓨팅 자원이 소모된다. 따라서, 본 발명은 숨소리, 노이즈를 각각 멜 스펙트로그램으로 변환하여 더하는 방법을 제시한다. 이를 통해, 다양한 가정환경에서 측정된 숨소리를 시뮬레이션하여 딥러닝 모델 학습에 활용함으로써 다양한 가정환경에서의 robustness를 확보할 수 있게 된다.
본 발명에서 수면 음향 정보(SS)는, 사용자의 수면 시간 동안 획득되는 호흡 및 몸 움직임에 관련한 음향에 관련한 것이므로, 매우 작은 소리일 수 있다. 이에 따라, 프로세서(110)는 수면 음향 정보를 스펙트로그램(SP)으로 변환하여 음향에 대한 분석을 수행할 수 있다. 이 경우, 스펙트로그램(SP)은 전술한 바와 같이, 소리의 주파수 스펙트럼이 시간에 따라 어떻게 변화하는지 보여주는 정보를 포함하고 있으므로, 비교적 작은 음향에 관련한 호흡 또는 움직임 패턴을 용이하게 식별할 수 있어 분석의 효율이 향상될 수 있다.
일 실시예에 따르면, 다양한 수면 단계에 따라, 각각의 스펙트로그램이 상이한 농도의 주파수 스펙트럼을 갖도록 구성될 수 있다. 즉, 수면 음향 정보의 에너지 레벨의 변화만으로는, 깨어있는 상태, REM 수면 상태, 얕은 수면 상태 및 깊은 수면 상태 중 적어도 하나인지를 예측하기 어려울 수 있으나, 수면 음향 정보를 스펙트로그램으로 변환함으로써, 각 주파수의 스펙트럼의 변화를 용이하게 감지할 수 있으므로, 작은 소리(예컨대, 호흡 및 몸 움직임)에 대응한 분석이 가능해질 수 있다.
또한, 프로세서(110)는 스펙트로그램(SP)을 수면 분석 모델의 입력으로 처리하여 수면 단계 정보를 획득할 수 있다. 여기서 수면 분석 모델은, 사용자의 수면 단계 변화에 관련한 수면 단계 정보를 획득하기 위한 모델로, 사용자의 수면 동안 획득된 수면 음향 정보를 입력으로 하여 수면 단계 정보를 출력할 수 있다. 실시예에서, 수면 분석 모델은, 하나 이상의 네트워크 함수를 통해 구성되는 신경망 모델을 포함할 수 있다.
뉴럴
네트워크
도 9는 본 발명에 따른 수면 분석 방법을 수행하기 위한 하나 이상의 네트워크 함수를 나타낸 개략도이다.
수면 분석 모델은 하나 이상의 네트워크 함수로 구성되며, 하나 이상의 네트워크 함수는 일반적으로 '노드'라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 '노드'들은 '뉴런(neuron)'들로 지칭될 수도 있다. 하나 이상의 네트워크 함수는 적어도 하나 이상의 노드들을 포함하여 구성된다. 하나 이상의 네트워크 함수를 구성하는 노드(또는 뉴런)들은 하나 이상의 '링크'에 의해 상호 연결될 수 있다.
신경망 내에서, 링크를 통해 연결된 하나 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서 입력 노드와 출력 노드를 상호연결하는 노드는 가중치(weight)를 가질 수 있다. 가중치는 가변적일 수 있으며, 신경망이 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 신경망은 하나 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 신경망 내에서 입력 노드 및 출력 노드 관계를 형성한다. 신경망 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망이 존재하는 경우, 두 개의 신경망들은 서로 상이한 것으로 인식될 수 있다.
신경망을 구성하는 노드들 중 일부는, 최초 입력 노드로부터의 거리들에 기초하여, 하나의 레이어(layer)를 구성할 수 있다. 예를 들어, 최초 입력 노드로부터 거리가 n인 노드들의 집합은, n 레이어를 구성할 수 있다. 최초 입력 노드로부터 거리는, 최초 입력 노드로부터 해당 노드까지 도달하기 위해 거쳐야 하는 링크들의 최소 개수에 의해 정의될 수 있다. 그러나, 이러한 레이어의 정의는 설명을 위한 임의적인 것으로서, 신경망 내에서 레이어의 차수는 전술한 것과 상이한 방법으로 정의될 수 있다. 예를 들어, 노드들의 레이어는 최종 출력 노드로부터 거리에 의해 정의될 수도 있다.
최초 입력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서 링크를 거치지 않고 데이터가 직접 입력되는 하나 이상의 노드들을 의미할 수 있다. 또는, 신경망 네트워크 내에서, 링크를 기준으로 한 노드 간의 관계에 있어서, 링크로 연결된 다른 입력 노드들 가지지 않는 노드들을 의미할 수 있다. 이와 유사하게, 최종 출력 노드는 신경망 내의 노드들 중 다른 노드들과의 관계에서, 출력 노드를 가지지 않는 하나 이상의 노드들을 의미할 수 있다. 또한, 히든 노드는 최초 입력 노드 및 최후 출력 노드가 아닌 신경망을 구성하는 노드들을 의미할 수 있다. 본 발명의 일 실시예에 따른 신경망은 입력 레이어의 노드가 출력 레이어에 가까운 히든 레이어의 노드보다 많을 수 있으며, 입력 레이어에서 히든 레이어로 진행됨에 따라 노드의 수가 감소하는 형태의 신경망일 수 있다.
신경망은 하나 이상의 히든 레이어를 포함할 수 있다. 히든 레이어의 히든 노드는 이전의 레이어의 출력과 주변 히든 노드의 출력을 입력으로 할 수 있다. 각 히든 레이어 별 히든 노드의 수는 동일할 수도 있고 상이할 수도 있다. 입력 레이어의 노드의 수는 입력 데이터의 데이터 필드의 수에 기초하여 결정될 수 있으며 히든 노드의 수와 동일할 수도 있고 상이할 수도 있다. 입력 레이어에 입력된 입력 데이터는 히든 레이어의 히든 노드에 의하여 연산될 수 있고 출력 레이어인 완전 연결 레이어(FCL: fully connected layer)에 의해 출력될 수 있다.
딥 뉴럴 네트워크(DNN: deep neural network, 심층신경망)는 입력 레이어와 출력 레이어 외에 복수의 히든 레이어를 포함하는 신경망을 의미할 수 있다. 딥 뉴럴 네트워크를 이용하면 데이터의 잠재적인 구조(latent structures)를 파악할 수 있다. 즉, 사진, 글, 비디오, 음성, 음악의 잠재적인 구조(예를 들어, 어떤 물체가 사진에 있는지, 글의 내용과 감정이 무엇인지, 음성의 내용과 감정이 무엇인지 등)를 파악할 수 있다.
딥 뉴럴 네트워크는 컨벌루셔널 뉴럴 네트워크(CNN: convolutional neural network), 리커런트 뉴럴 네트워크(RNN: recurrent neural network), 오토 인코더(auto encoder), GAN(Generative Adversarial Networks), 제한 볼츠만 머신(RBM: restricted boltzmann machine), 심층 신뢰 네트워크(DBN: deep belief network), Q 네트워크, U 네트워크, 샴 네트워크, 트랜스포머(Transformer), ViT(Vision Transformer), Mobile ViT(Mobile Vision Transformer) 등을 포함할 수 있다. 전술한 딥 뉴럴 네트워크의 기재는 예시일 뿐이며 본 발명은 이에 제한되지 않는다.
본 발명에서 네트워크 함수는 오토 인코더를 포함할 수도 있다. 오토 인코더는 입력 데이터와 유사한 출력 데이터를 출력하기 위한 인공신경망의 일종일 수 있다. 오토 인코더는 적어도 하나의 히든 레이어를 포함할 수 있으며, 홀수 개의 히든 레이어가 입출력 레이어 사이에 배치될 수 있다.
각각의 레이어의 노드의 수는 입력 레이어의 노드의 수에서 병목 레이어(인코딩)라는 중간 레이어로 축소되었다가, 병목 레이어에서 출력 레이어(입력 레이어와 대칭)로 축소와 대칭되어 확장될 수도 있다.
차원 감소 레이어와 차원 복원 레이어의 노드는 대칭일 수도 있고 아닐 수도 있다. 오토 인코더는 비선형 차원 감소를 수행할 수 있다. 입력 레이어 및 출력 레이어의 수는 입력 데이터의 전처리 이후에 남은 센서들의 수와 대응될 수 있다.
오토 인코더 구조에서 인코더에 포함된 히든 레이어의 노드의 수는 입력 레이어에서 멀어질수록 감소하는 구조를 가질 수 있다. 병목 레이어(인코더와 디코더 사이에 위치하는 가장 적은 노드를 가진 레이어)의 노드의 수는 너무 작은 경우 충분한 양의 정보가 전달되지 않을 수 있으므로, 특정 수 이상(예를 들어, 입력 레이어의 절반 이상 등)으로 유지될 수도 있다.
뉴럴 네트워크는 지도 학습(supervised learning), 비지도 학습(unsupervised learning), 및 반지도학습(semi supervised learning) 중 적어도 하나의 방식으로 학습될 수 있다. 뉴럴 네트워크의 학습은 출력의 오류를 최소화하기 위한 것이다. 뉴럴 네트워크의 학습에서 반복적으로 학습 데이터를 뉴럴 네트워크에 입력시키고 학습 데이터에 대한 뉴럴 네트워크의 출력과 타겟의 에러를 계산하고, 에러를 줄이기 위한 방향으로 뉴럴 네트워크의 에러를 뉴럴 네트워크의 출력 레이어에서부터 입력 레이어 방향으로 역전파(backpropagation)하여 뉴럴 네트워크의 각 노드의 가중치를 업데이트 하는 과정이다. 지도 학습의 경우 각각의 학습 데이터에 정답이 라벨링되어 있는 학습 데이터를 사용하며(즉, 라벨링된 학습 데이터), 비지도 학습의 경우는 각각의 학습 데이터에 정답이 라벨링되어 있지 않을 수 있다. 즉, 예를 들어 데이터 분류에 관한 지도 학습의 경우의 학습 데이터는 학습데이터 각각에 카테고리가 라벨링 된 데이터 일 수 있다. 라벨링된 학습 데이터가 뉴럴 네트워크에 입력되고, 뉴럴 네트워크의 출력(카테고리)과 학습 데이터의 라벨을 비교함으로써 오류(error)가 계산될 수 있다. 다른 예로, 데이터 분류에 관한 비지도 학습의 경우 입력인 학습 데이터가 뉴럴 네트워크 출력과 비교됨으로써 오류가 계산될 수 있다. 계산된 오류는 뉴럴 네트워크에서 역방향(즉, 출력 레이어에서 입력 레이어 방향)으로 역전파 되며, 역전파에 따라 뉴럴 네트워크의 각 레이어의 각 노드들의 연결 가중치가 업데이트 될 수 있다. 업데이트 되는 각 노드의 연결 가중치는 학습률(learning rate)에 따라 변화량이 결정될 수 있다. 입력 데이터에 대한 뉴럴 네트워크의 계산과 에러의 역전파는 학습 사이클(epoch)을 구성할 수 있다. 학습률은 뉴럴 네트워크의 학습 사이클의 반복 횟수에 따라 상이하게 적용될 수 있다. 예를 들어, 뉴럴 네트워크의 학습 초기에는 높은 학습률을 사용하여 뉴럴 네트워크가 빠르게 일정 수준의 성능을 확보하도록 하여 효율성을 높이고, 학습 후기에는 낮은 학습률을 사용하여 정확도를 높일 수 있다.
뉴럴 네트워크의 학습에서 일반적으로 학습 데이터는 실제 데이터(즉, 학습된 뉴럴 네트워크를 이용하여 처리하고자 하는 데이터)의 부분집합일 수 있으며, 따라서, 학습 데이터에 대한 오류는 감소하나 실제 데이터에 대해서는 오류가 증가하는 학습 사이클이 존재할 수 있다. 과적합(overfitting)은 이와 같이 학습 데이터에 과하게 학습하여 실제 데이터에 대한 오류가 증가하는 현상이다. 예를 들어, 노란색 고양이를 보여 고양이를 학습한 뉴럴 네트워크가 노란색 이외의 고양이를 보고는 고양이임을 인식하지 못하는 현상이 과적합의 일종일 수 있다. 과적합은 AI 알고리즘의 오류를 증가시키는 원인으로 작용할 수 있다. 이러한 과적합을 막기 위하여 다양한 최적화 방법이 사용될 수 있다. 과적합을 막기 위해서는 학습 데이터를 증가시키거나, 정칙화 또는 정규화(regularization), 학습의 과정에서 네트워크의 노드 일부를 생략하는 드롭아웃(dropout) 등의 방법이 적용될 수 있다.
본 명세서에 걸쳐, 연산 모델, 신경망, 네트워크 함수, 뉴럴 네트워크(neural network)는 동일한 의미로 사용될 수 있다. (이하에서는 신경망으로 통일하여 기술한다.) 데이터 구조는 신경망을 포함할 수 있다. 그리고 신경망을 포함한 데이터 구조는 컴퓨터 판독가능 매체에 저장될 수 있다. 신경망을 포함한 데이터 구조는 또한 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 학습을 위한 손실 함수를 포함할 수 있다. 신경망을 포함한 데이터 구조는 상기 개시된 구성들 중 임의의 구성 요소들을 포함할 수 있다. 즉, 신경망을 포함한 데이터 구조는 신경망에 입력되는 데이터, 신경망의 가중치, 신경망의 하이퍼 파라미터, 신경망으로부터 획득한 데이터, 신경망의 각 노드 또는 레이어와 연관된 활성 함수, 신경망의 트레이닝을 위한 손실 함수 등 전부 또는 이들의 임의의 조합을 포함하여 구성될 수 있다. 전술한 구성들 이외에도, 신경망을 포함한 데이터 구조는 신경망의 특성을 결정하는 임의의 다른 정보를 포함할 수 있다. 또한, 데이터 구조는 신경망의 연산 과정에 사용되거나 발생되는 모든 형태의 데이터를 포함할 수 있으며 전술한 사항에 제한되는 것은 아니다. 컴퓨터 판독 가능 매체는 컴퓨터 판독가능 기록 매체 및/또는 컴퓨터 판독가능 전송 매체를 포함할 수 있다. 신경망은 일반적으로 노드라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 노드들은 뉴런(neuron)들로 지칭될 수도 있다. 신경망은 적어도 하나 이상의 노드들을 포함하여 구성된다.
수면 분석 모델
도 10은 본 발명의 일 실시예에 따라서, 사용자의 수면을 분석하기 위해서 딥러닝을 활용한 수면 분석 모델의 구조를 설명하기 위한 도면이다.
본 발명의 일 실시예에 따르면, 수면 분석 모델은, 미리 정해진 에폭 별 하나 이상의 피처를 추출하는 피처 추출 모델 및 피처 추출 모델을 통해 추출된 피처들 각각을 하나 이상의 수면 단계로 분류하여 수면 단계 정보를 생성하는 피처 분류 모델을 포함할 수 있다.
본 발명의 일 실시예에 따라서, 도 10에 개시된 사용자의 수면을 분석하기 위한 딥러닝을 활용한 수면 분석 모델(부호 A)은 피처 추출 모델(부호 B), 중간층(부호 C) 및 피처 분류 모델(부호 D)을 통해서 수면정보추론(부호 E)을 진행할 수 있다. 피처 추출 모델(부호 B), 중간층(부호 C) 및 피처 분류 모델(부호 D)을 통해서 구성된 딥러닝을 활용한 수면 분석 모델(부호 A)은 시계열적인 피처와 복수의 이미지에 대한 피처의 학습이 모두 진행되고, 이를 통해서 학습된 딥러닝을 활용한 수면 분석 모델(부호 A)은 전체 수면 시간에 있어서의 수면 단계를 추론할 수 있고, 실시간으로 발생하는 수면의 이벤트를 추론할 수 있다.
피처 추출 모델
본 발명의 일 실시예에 따라서, 피처 추출 모델(부호 B)은 수면을 분석하기 위한 딥러닝을 활용한 수면 분석 모델(부호 A)에 입력된 수면 음향 정보 또는 변환된 스펙트로그램을 입력으로 하여 입력된 정보의 피처를 추출할 수 있다.
피처 추출 모델(부호 B)은 학습 데이터 세트를 통해 학습된 독자적인 딥러닝 모델(바람직하게는, MobileVITV2, Transformer 등)을 통해 구성될 수 있다. 피처 추출 모델(부호 B)은 지도 학습 또는 비지도 학습 방식을 통해 학습될 수 있다. 피처 추출 모델은 학습 데이터 세트를 통해 입력 데이터와 유사한 출력 데이터를 출력하도록 학습될 수 있다.
한편, 본 발명의 실시예에 따른, 피처 추출 모델(부호 B)은 One-to-one 프록시 태스크에 의해 학습을 수행할 수도 있다. 또한, 하나의 스펙트로그램에 대한 수면상태정보를 추출하도록 학습하는 과정에 있어서, 피처추출모델과 또 다른 NN(Neural Network)을 결합하여 피처를 추출하도록 학습될 수 있다.
본 발명의 일 실시에에 따라서, 딥러닝을 활용한 수면 분석 모델(부호 A)에 입력되는 정보는 스펙트로그램일 수 있다.
도 6a은 본 발명의 일 실시예와 관련된 환경 센싱 정보로부터 수면 음향 정보를 획득하는 과정을 설명하기 위한 예시도이다.
도 6a에 도시된 바와 같이, 피처 추출 모델은, 스펙트로그램(SP)의 시계열적 주파수 패턴을 분석하여 호흡음, 호흡패턴, 움직임 패턴에 관련한 피처들을 추출할 수 있다. 일 실시예에서, 피처 추출 모델은 학습 데이터 세트를 통해 사전 학습된 신경망 모델(예컨대, 오토인코더)의 일부를 통해 구성될 수 있다.
여기서 학습 데이터 세트는, 복수의 스펙트로그램 및 각 스펙트로그램에 대응하는 복수의 수면 단계 정보로 구성될 수 있다.
일 실시예에서, 피처 추출 모델은, 학습 데이터 세트를 통해 학습된 오토인코더(Autoencoder)에서 인코더를 통해 구성될 수 있다. 오토인코더는 비지도 학습 방식을 통해 학습될 수 있다. 오토인코더는 학습 데이터 세트를 통해 입력 데이터와 유사한 출력 데이터를 출력하도록 학습될 수 있다. 자세히 설명하면, 인코더를 통해 인코딩 과정에서 입력된 스펙트로그램의 핵심 특징 데이터(또는 피처)만을 히든 레이어를 통해 학습하고 나머지 정보를 손실시킬 수 있다. 이 경우, 디코더를 통한 디코딩 과정에서 히든 레이어의 출력 데이터는 완벽한 복사 값이 아닌 입력 데이터(즉, 스펙트로그램)의 근사치일 수 있다. 즉, 오토인코더는 출력 데이터와 입력 데이터가 최대한 같아지도록 가중치를 조정하도록 학습될 수 있다.
실시예에서, 학습 데이터 세트에 포함된 복수의 스펙트로그램 각각에는, 수면 단계 정보가 태깅될 수 있다. 복수의 스펙트로그램 각각을 인코더에 입력될 수 있으며, 각 스펙트로그램에 대응하는 출력은 태깅된 수면 단계 정보와 매칭하여 저장될 수 있다. 구체적으로 인코더를 이용하여 제1 수면 단계 정보(예컨대, 얕은 수면)가 태깅된 제1 학습 데이터 세트들(즉, 복수의 스펙트로그램) 인코더의 입력으로 하는 경우, 해당 입력에 대한 인코더의 출력에 관련한 피처들은 제1 수면 단계 정보와 매칭하여 저장될 수 있다.
실시예에서, 인코더의 출력에 관련한 하나 이상의 피처는 벡터 공간 상에 표시될 수 있다. 이 경우, 제1 학습 데이터 세트들을 각각에 대응하여 출력된 특징 데이터들은 제1 수면 단계에 관련한 스펙트로그램을 통한 출력이므로, 벡터 공간 상에서 비교적 가까운 거리에 위치할 수 있다. 즉, 각 수면 단계에 대응하여 복수의 스펙트로그램들이 유사한 피처를 출력하도록 인코더의 학습이 수행될 수 있다.
인코더의 경우, 디코더가 입력 데이터를 잘 복원할 수 있도록 하는 특징을 잘 추출하도록 학습될 수 있다. 따라서, 피처 추출 모델은 학습된 오토인코더 중 인코더를 통해 구현됨에 따라, 입력 데이터(즉, 스펙트로그램)을 잘 복원할 수 있도록 하는 특징들(즉, 복수의 피처)를 추출할 수 있다.
전술한 학습 과정을 통해 피처 추출 모델을 구성하는 인코더는 스펙트로그램(예컨대, 수면 음향 정보에 대응하여 변환된 스펙크로그램)을 입력으로 하는 경우, 해당 스펙트로그램에 대응하는 피처를 추출할 수 있다.
도 6a에 도시된 바와 같이, 본 발명의 일 실시예에 따른 프로세서(630)는 수면 음향 정보(SS)에 대응하여 생성된 스펙트로그램(SP)을 피처 추출 모델의 입력으로 처리하여 피처를 추출할 수 있다.
여기서, 수면 음향 정보(SS)는 사용자의 수면 동안 시계열적으로 획득되는 시계열 데이터이므로, 프로세서(630)는 스펙트로그램(SP)을 미리 정해진 에폭으로 분할할 수 있다.
예컨대, 프로세서(630)는 수면 음향 정보(SS)에 대응하는 스펙트로그램(SP)을 30초 단위로 분할하여 복수 개의 스펙트로그램들을 획득할 수 있다.
예를 들어, 사용자의 7시간(즉, 420분) 수면 동안 수면 음향 정보가 획득된 경우, 프로세서(630)는 30초 단위로 스펙트로그램을 분할하여 840개의 스펙트로그램을 획득할 수 있다.
전술한 수면 시간, 스펙트로그램의 분할 시간 단위 및 분할 개수에 대한 구체적인 수치적 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
본 발명의 일 실시 형태에 따르면, 프로세서(630)는 분할된 복수 개의 스펙트로그램들 각각을 피처 추출 모델의 입력으로 처리하여 복수 개의 스펙트로그램들 각각에 대응하는 복수의 피처를 추출할 수 있다.
예컨대, 복수 개의 스펙트로그램들의 개수가 840개인 경우, 이에 대응하여 피처 추출 모델이 추출하는 복수의 피처의 개수 또한 840개일 수 있다. 전술한 스펙트로그램 및 복수의 피처의 개수에 관련한 구체적인 수치적 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
또한, 프로세서(630)는 피처 추출 모델을 통해 출력된 복수의 피처를 피처 분류 모델의 입력으로 처리하여 수면 단계 정보를 획득할 수 있다.
실시예에서, 피처 분류 모델은 피처에 대응하여 수면 단계를 예측하도록 사전 학습된 신경망 모델일 수 있다.
예컨대, 피처 분류 모델은 fully connected layer를 포함하여 구성되며, 피처를 수면 단계들 중 적어도 하나로 분류하는 모델일 수 있다. 예를 들어, 피처 분류 모델은 제1 스펙트로그램에 대응하는 제1 피처를 입력으로 하는 경우, 해당 제1 피처를 얕은 수면으로 분류할 수 있다. 이상으로 프로세서(630)의 동작에 대하여 서술하였으나, 본 발명에 개시된 또 다른 프로세서(예컨대, 프로세서 (110), 프로세서(210), 제어부(380) 등)도 상술한 동작을 수행할 수 있다.
피처 분류 모델
도 10에 따르면, 피처 분류 모델(부호 D)은 피처추출 모델(부호 B)과 중간층(부호 C)을 통해서 얻은 복수의 피처를 피처 분류 모델(부호 D)의 입력으로 처리하여 수면 정보 추론(부호 E)을 진행할 수 있다.
본 발명에 따른 일실시예에서, 피처 분류 모델(부호 D)은 피처에 대응하여 수면 정보를 추론하도록 모델링된 신경망 모델일 수 있다. 예컨대, 피처 분류 모델(부호 D)은 Fully connected layer를 포함하여 구성될 수 있고, 피처를 수면 정보들 중 적어도 하나로 분류하는 모델일 수 있다. 예를 들어, 피처 분류 모델(부호 D)은 스펙트로그램에 대응하는 피처를 입력으로 하는 경우, 해당 피처를 렘 수면으로 분류할 수 있다. 예를 들어, 피처 분류 모델(부호 D)은 스펙트로그램에 대응하는 피처를 입력으로 하는 경우, 해당 피처를 수면 중 무호흡으로 분류할 수 있다.
또한, 프로세서(110)는 피처 추출 모델을 통해 출력된 복수의 피처를 피처 분류 모델의 입력으로 처리하여 수면 상태 정보를 획득할 수 있다. 실시예에서, 피처 분류 모델은 피처에 대응하여 수면단계를 예측하도록 모델링된 신경망 모델일 수 있다. 예컨대, 피처 분류 모델은 fully connected layer를 포함하여 구성되며, 피처를 수면단계들 중 적어도 하나로 분류하는 모델일 수 있다. 예를 들어, 피처 분류 모델은 제1스펙트로그램에 대응하는 제1피처를 입력으로 하는 경우, 해당 제1피처를 얕은 수면으로 분류할 수 있다.
피처 분류 모델은 여러 에폭에 관련한 스펙트로그램을 입력으로 하여 여러 에폭의 수면단계를 예측하는 멀티 에폭 분류를 수행할 수 있다. 멀티 에폭 분류란, 단일 에폭의 스펙트로그램(즉, 30초에 해당하는 하나의 스펙트로그램)에 대응하여 하나의 수면단계분석 정보를 제공하는 것이 아닌, 복수의 에폭에 해당하는 스펙트로그램들(즉, 각각 30초에 해당하는 스펙트로그램들의 조합)을 입력으로 하여 여러 수면단계들(예컨대, 시간 변화에 따른 수면단계들의 변화)를 한 번에 추정하기 위한 것일 수 있다.
예컨대, 호흡 패턴 또는 움직임 패턴은 뇌파 신호 또는 다른 생체 신호에 비해 천천히 변화하기 때문에, 과거와 미래의 시점에서 패턴이 어떻게 변화하는지를 관찰해야 정확한 수면단계 추정이 가능할 수 있다. 구체적인 예를 들어, 피처 분류 모델은, 40개의 스펙트로그램(예컨대, 각각 30초에 해당하는 스펙트로그램이 40개)을 입력으로 하여, 가운데에 위치한 20개의 스펙트로그램에 대한 예측을 수행할 수 있다. 즉, 1 내지 40의 스펙트로그램을 모두를 살펴보나, 10 내지 20에 대응하는 스펙트로그램에 대응하는 분류를 통해 수면단계를 예측할 수 있다. 전술한 스펙트로그램의 개수에 대한 구체적인 수치적 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
즉, 수면단계를 추정하는 과정에서, 단일 스펙트로그램 각각에 대응하여 수면단계 예측을 수행하는 것이 아닌, 과거와 미래에 관련한 정보를 모두 고려할 수 있도록 복수의 에폭에 해당하는 스펙트로그램들을 입력으로 활용하도록 함으로써, 출력의 정확도 향상을 도모할 수 있다.
도 6b는 본 발명에 따른 수면 분석 방법에 있어서 스펙트로그램을 이용한 수면단계분석을 설명하기 위한 도면이다.
본 발명의 일 실시예에 따르면, Actigraphy 및/또는 HRV에 기초한 1차 수면 분석 이후, 수면 음향 정보에 기초한 2차 분석은 상술한 바와 같은 수면 분석 모델을 이용하게 되며, 도 6b에 도시된 바와 같이, 사용자의 수면 음향 정보가 입력되면 그에 대응되는 수면단계(Wake, REM, Light, Deep)가 즉각적으로 추론될 수 있다. 이에 더하여, 수면 음향 정보에 기초한 2차 분석은 수면단계에 대응하는 멜 스펙트럼의 특이점을 통해 수면장애(수면무호흡, 과호흡)나 코골이 등이 발생한 시점을 추출할 수 있다.
도 6c 본 발명에 따른 수면 분석 방법에 있어서 스펙트로그램을 이용한 수면장애 판단을 설명하기 위한 도면이다.
도 6c 도시된 바와 같이, 하나의 멜 스펙트로그램에 있어서 호흡 패턴을 분석하고, 수면무호흡(apnea)이나 과호흡(hyperpnea) 이벤트에 대응하는 특성이 감지되면 해당 시점을 수면장애가 발생한 시점으로 판단할 수 있다. 이때, 주파수 분석을 통해서 수면무호흡(apnea)이나 과호흡(hyperpnea)이 아닌 코골이로 분류하는 과정을 더 포함할 수도 있다.
도 4는 발명에 따른 수면 분석 방법의 성능을 검증하기 위한 실험과정을 나타내는 도면이다.
도 4 도시된 바와 같이, 사용자의 수면 영상과 수면음향이 실시간으로 획득되며, 획득된 환경 센싱 정보 또는 수면 음향 정보는, 주파수 도메인상의 정보 또는, 획득된 정보의 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보로 변환될 수 있다. 본 발명의 일 실시예에 따라, 사용자의 수면 음향 정보가 스펙트로그램으로 변환될 수도 있다. 이때, 환경 센싱 정보 또는 수면 음향 정보의 전처리과정이 이루어질 수 있다.
환경 센싱 정보 또는 수면 음향 정보로부터, 그 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보로 변환된 데이터, 변환된 주파수 도메인상의 정보 또는 스펙트로그램 중 적어도 하나가 수면 분석 모델에 입력되어 수면단계가 분석될 수 있다. 본 발명의 일 실시예에 따른 정보의 변환은 실시간으로 수행될 수도 있다.
또한, 본 발명의 일 실시예에 따른 피처 분류 모델에 CNN 또는 트랜스포머(Transformer) 기반의 딥러닝 모델을 채용하는 경우의 동작은 다음과 같이 수행될 수도 있다.
본 발명의 일 실시예에 따라 시계열 정보가 포함되어 있는 변환된 정보 또는 스펙트로그램이 CNN 기반의 딥러닝 모델의 입력으로 하여, 차원이 낮아진 벡터를 출력할 수 있다. 이렇게 차원이 낮아진 벡터를 Transformer 기반의 딥러닝 모델의 입력으로 하여, 시계열 정보가 함축된 벡터가 출력될 수 있다.
본 발명의 실시예에 따라 Transformer 기반의 딥러닝 모델의 출력 벡터에 대하여 평균 풀링(Average pooling) 기법이 적용될 수 있도록 1D CNN(1D Convolutional Neural Network)에 입력하여, 시계열 정보에 대한 평균화 작업을 통해, 시계열 정보가 함축된 N차원의 벡터로 변환하는 과정을 수행할 수도 있다. 이 경우 시계열 정보가 함축된 N차원의 벡터는 입력 데이터와의 해상도 차이가 있을 뿐, 여전히 시계열 정보를 포함하고 있는 데이터에 해당한다.
본 발명의 실시예에 따라 출력된 시계열 정보가 함축된 N차원의 벡터들의 조합에 대한 멀티 에폭 분류를 수행하여, 여러 수면단계들에 대한 예측을 수행할 수 있다. 이 경우 트랜스포머(Transformer) 기반의 딥러닝 모델들의 출력 벡터들을 복수 개의 FC(Fully Connected layer)의 입력으로 하여 연속적인 수면 상태 정보의 예측을 수행할 수도 있다.
또한, 본 발명의 일 실시예에 따른 피처 분류 모델에 ViT 또는 Mobile ViT 기반의 딥러닝 모델을 채용하는 경우 동작은 다음과 같이 수행될 수 있다.
본 발명의 일 실시예에 따른 프로세서는, 시계열 정보가 포함되어 있는 정보 또는 스펙트로그램을 Mobile ViT기반의 딥러닝 모델의 입력으로 하여, 차원이 낮아진 벡터를 출력할 수 있다.
또한, 본 발명의 실시예에 따라 Mobile ViT기반의 딥러닝 모델의 출력으로 각각의 스펙트로그램에서 피처를 추출할 수 있다.
본 발명의 실시예에 따라서 차원이 낮아진 벡터를 Intermediate Layer의 입력으로 하여, 시계열 정보가 함축된 벡터가 출력될 수 있다. Intermediate Layer 모델에서는 벡터의 정보를 함축하는 선형화 단계(Lnearization), 평균과 분산을 입력하기 위한 레이어 정규화(Layer Normalization)단계 또는 일부 노드를 비활성화하는 드롭아웃(dropout)단계 중 적어도 하나 이상의 단계가 포함될 수 있다.
본 발명의 실시예에 따라서 차원이 낮아진 벡터를 Intermediate Layer의 입력으로 하여 시계열 정보가 함축된 벡터를 출력하는 과정을 수행함으로써, 과적합(overfitting)을 방지할 수 있다.
본 발명의 실시예에 따라서 Intermediate Layer의 출력 벡터를 ViT기반의 딥러닝 모델의 입력으로 하여 수면 상태 정보를 출력할 수 있다. 이 경우 환경 센싱 정보로부터, 그 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보, 시계열 정보가 포함되어 있는 주파수 도메인상의 정보, 스펙트로그램, 또는 멜 스펙트로그램 중 적어도 하나에 대응하는 수면 상태 정보를 출력할 수 있다.
또한, 본 발명의 일 실시예에 따른 환경 센싱 정보 또는 수면 음향 정보로부터 변환된, 그 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보, 시계열 정보가 포함되어 있는 주파수 도메인상의 정보, 스펙트로그램, 또는 멜 스펙트로그램 중 적어도 하나가 일련으로 구성되고, 일련으로 구성된 정보들에 대응하는 수면 상태 정보를 출력할 수 있다.
한편, 본 발명의 실시예에 따른 피처 추출 모델 또는 피처 분류 모델에는 상기 언급된 AI 모델 외에도 다양한 딥러닝 모델이 채용되어 학습 또는 추론을 수행할 수도 있으며, 전술한 딥러닝 모델의 종류와 관련한 구체적 기재는 단순한 예시일 뿐, 본 발명은 이에 제한되는 것은 아니다.
한편, 전술한 바와 같이, 프로세서(630)는 수면 음향 정보에 기초하여 수면 음향 정보의 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보 또는 스펙트로그램을 획득할 수 있다. 이 경우, 수면 음향 정보의 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보 또는 스펙트로그램으로의 변환은 비교적 작은 음향에 관련한 호흡 또는 움직임 패턴을 용이하게 분석하도록 하기 위함일 수 있다.
또한, 프로세서(630)는 피처 추출 모델 및 피처 분류 모델을 포함하여 구성되는 수면 분석 모델을 활용하여, 획득한 수면 음향 정보의 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보 또는 스펙트로그램에 기초한 수면 단계 정보를 생성할 수 있다. 이 경우, 수면 분석 모델은 과거와 미래에 관련한 정보를 모두 고려할 수 있도록 복수의 에폭에 해당하는 수면 음향 정보의 주파수 성분들의 시간 축에 따른 변화를 포함하는 정보들 또는 스펙트로그램들을 입력으로 하여 수면 단계 예측을 수행할 수 있으므로, 보다 정확도 있는 수면 단계 정보를 출력할 수 있다.
즉, 프로세서(630)는 전술한 바와 같은 수면 분석 모델을 활용하여 수면 음향 정보에 대응하는 수면 단계 정보를 출력할 수 있다. 실시예에 따르면, 수면 단계 정보는, 사용자의 수면 동안 변화하는 수면 단계들에 관련한 정보일 수 있다.
예를 들어, 수면 단계 정보는, 사용자의 지난 밤 8시간 수면 동안 각 시점 별로 사용자의 수면이 얕은 수면, 보통 수면, 깊은 수면 또는 REM 수면 등으로 변화한 정보를 의미할 수 있다.
전술한 수면 단계 정보에 대한 구체적인 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다. 또한, 프로세서(630)의 동작으로서 설명하였으나, 상술한 동작은 본 발명의 다른 실시예들에 따른 장치들의 프로세서(예컨대, 프로세서(110) 또는 프로세서(210) 등)에서도 수행될 수 있다.
환경
센싱
정보의 심층 학습을 통해 획득된 추론 모델에 의한 수면 상태/수면 단계 추론
상술한 바와 같이, 환경 센싱 정보의 심층 학습을 통해 사용자의 수면 상태 및 수면 단계를 추출하기 위한 추론 모델이 생성된다.
다시 간략히 설명하면, 음향 정보 등을 포함하는 환경 센싱 정보는 스펙트로그램으로 변환되며, 스펙트로그램에 기초하여 추론 모델이 생성된다.
본 발명의 일 실시예에 따른 추론 모델은, 위에서 설명한 바와 같이, 도 1f의 컴퓨팅 장치(100) 또는 환경 조성 장치(400)에 구축될 수 있다.
또는, 본 발명의 일 실시예에 따른 추론 모델은, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)에 구축될 수 있으나, 이에 한정하지 않는다. 예컨대, 사용자 단말(300)에도 구축될 수 있고, 외부 단말(200)에도 구축될 수 있으며, 전자 장치(600)에도 구축될 수 있다.
이후, 사용자 단말(300)을 통해 획득되는, 사용자 음향 정보를 포함하는 환경 센싱 정보가 해당 추론 모델로 입력되어, 수면 상태 정보 및/또는 수면 단계 정보를 결과값으로 출력한다. 이때, 학습과 추론은 동일한 주체에서 수행될 수도 있으나, 학습과 추론이 별개 주체에서 수행될 수도 있다.
즉, 학습과 추론 모두가 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)에 의하여 수행될 수 있고, 학습은 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)에서 하되 추론은 사용자 단말(300)에서 수행될 수 있다.
또, 도 1c와 같이, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a)가 사용자 단말(300)로 통합된 경우에는, 학습과 추론 모두가 사용자 단말(300)에 의하여 수행될 수 있다.
또는, 학습과 추론 모두가 도 1f의 컴퓨팅 장치(100) 또는 도 1g의 환경 조절 장치(400)에 의하여 수행될 수 있고, 학습은 컴퓨팅 장치(100)에서 하되 추론은 사용자 단말(300)에서 수행될 수 있고, 학습은 컴퓨팅 장치(100)에서 하되 추론은 스마트가전(TV, 조명, 냉장고, 공기청정기) 등으로 구현되는 환경 조성 장치(30)에서 수행될 수 있다.
기설정된 패턴 감지에 따른 특이점 식별
일 실시예에 따르면, 프로세서(110)는 환경 센싱 정보에 기초하여 수면 상태 정보를 획득할 수 있다. 구체적으로, 프로세서(110)는 환경 센싱 정보에 기 설정된 패턴의 정보가 감지되는 특이점을 식별할 수 있다. 여기서 기 설정된 패턴의 정보는, 수면에 관련한 호흡 및 움직임 패턴에 관련한 것일 수 있다. 예컨대, 깨어있는 상태(wake)에서는 모든 신경계가 활성화되어 있기 때문에 호흡 패턴이 불규칙적이고 몸의 움직임이 많을 수 있다. 또한, 목 근육의 이완이 이루어지지 않기 때문에 호흡 소리가 매우 적을 수 있다. 반면, 사용자가 수면을 취하는 경우에는, 자율신경계가 안정화되어 호흡이 규칙적으로 변화하고 몸의 움직임 또한 적어질 수 있으며, 호흡음도 커질 수 있다. 즉, 프로세서(110)는 환경 센싱 정보에서, 규칙적인 호흡, 적은 몸의 움직임 또는 적은 호흡음 등에 관련한 기 설정된 패턴의 음향 정보가 감지되는 시점을 특이점으로 식별할 수 있다. 또한, 프로세서(110)는 식별된 특이점을 기준으로 획득되는 환경 센싱 정보에 기초하여 수면 음향 정보를 획득할 수 있다. 프로세서(110)는 시계열적으로 획득되는 환경 센싱 정보에서 사용자의 수면 시점에 관련한 특이점을 식별하고, 해당 특이점을 기준으로 수면 음향 정보를 획득할 수 있다.
구체적인 예를 들어, 도 5를 참조하면, 프로세서(110)는 환경 센싱 정보(E)로부터 기 설정된 패턴이 식별되는 시점에 관련한 특이점(P)을 식별할 수 있다. 프로세서(110)는 식별된 특이점을 기준으로 해당 특이점 이후에 획득되는 음향 정보들에 기초하여 수면 음향 정보(SS)를 획득할 수 있다. 도 5에서의 음향에 관련한 파형 및 특이점은 본 발명의 이해를 위한 예시에 불과할 뿐, 본 발명은 이에 제한되지 않는다.
즉, 프로세서(110)는 환경 센싱 정보로부터 사용자의 수면에 관련한 특이점을 식별함으로써, 특이점에 기초하여 방대한 양의 음향 정보(즉, 환경 센싱 정보)로부터 수면 음향 정보만을 추출하여 획득할 수 있다. 이는, 사용자가 자신의 수면 시간을 기록하는 과정을 자동화하도록 하여 편의성을 제공함과 동시에, 획득되는 수면 음향 정보의 정확성 향상에 기여할 수 있다.
또한, 실시예에서, 프로세서(110)는 환경 센싱 정보(E)로부터 식별된 특이점(P)을 기준으로 사용자가 수면 전인지 또는 수면 중인지 여부에 관련한 수면 상태 정보를 획득할 수 있다. 구체적으로, 프로세서(110)는 특이점(P)이 식별되지 않는 경우, 사용자가 수면 전인 것으로 판단할 수 있으며, 특이점(P)이 식별되는 경우, 해당 특이점(P) 이후 사용자가 수면 중이라고 판단할 수 있다. 또한, 프로세서(110)는 특이점(P)이 식별된 이후, 기 설정된 패턴이 관측되지 않는 시점(예컨대, 기상 시점)을 식별하고, 해당 시점이 식별된 경우, 사용자가 수면 후, 즉 기상하였다고 판단할 수 있다.
즉, 프로세서(110)는 환경 센싱 정보(E)에서 특이점(P)이 식별되는지 여부 및 특이점이 식별된 이후, 기 설정된 패턴이 지속적으로 감지되는지 여부에 기초하여 사용자가 수면 전인지, 중인지, 또는 후인지 여부에 관련한 수면 상태 정보를 획득할 수 있다.
*수면 상태 정보의 분석
수면 상태 정보
일 실시예에서, 수면 상태 정보는, 사용자가 수면을 취하고 있는지 여부에 관련한 정보를 포함할 수 있다. 구체적으로, 수면 상태 정보는, 사용자가 수면 전이라는 제1수면 상태 정보, 사용자가 수면 중이라는 제2수면 상태 정보 및 사용자가 수면 후라는 제3수면 상태 정보 중 적어도 하나를 포함할 수 있다. 다시 말해, 사용자에 관련하여 제1수면 상태 정보가 추론되는 경우, 프로세서(110)는 해당 사용자가 수면 전(즉, 취침 전)인 상태인 것으로 판단할 수 있으며, 제2수면 상태 정보가 추론되는 경우, 해당 사용자가 수면 중인 상태인 것으로 판단할 수 있고, 그리고 제3 수면 상태 정보가 획득되는 경우, 해당 사용자가 수면 후(즉, 기상)인 상태인 것으로 판단할 수 있다.
또한, 수면 상태 정보는 사용자의 수면 단계와 관련한 정보 외에도, 수면 무호흡증, 코골이, 뒤척임, 기침, 재채기, 또는 이갈이 여부 중 적어도 하나 이상에 대한 정보(예컨대, 수면 이벤트 정보)를 포함할 수 있다.
본 발명의 실시예들에 따른 수면 단계 정보를 학습 또는 추론하기 위해서는 긴 시간 간격동안 획득한 음향 정보를 필요로 할 수 있다.
반면, 본 발명의 실시예들에 따른 수면 단계 정보 외의 수면 상태 정보(예컨대, 코골이 또는 무호흡증 정보 등)를 학습 또는 예측하기 위해서는 해당 수면상태가 발생하는 시점 전후로 상대적으로 짧은 시간 간격(예컨대, 1분)동안 획득한 음향 정보를 필요로 할 수 있다.
이러한 수면 상태 정보는, 환경 센싱 정보에 기초하여 획득되는 것을 특징으로 할 수 있다. 환경 센싱 정보는, 비접촉 방식으로 사용자가 위치한 공간에서 획득되는 센싱 정보를 포함할 수 있다.
프로세서(110)는 사용자 단말(300)로부터 획득되는 음향 정보, Actigraphy, 생체정보, 환경 센싱 정보 중 적어도 하나에 기초하여 수면상태 정보를 획득할 수 있다. 구체적으로, 프로세서(110)는 음향 정보에서 특이점을 식별할 수 있다. 여기서 음향 정보의 특이점은, 수면에 관련한 호흡 및 움직임 패턴에 관련한 것일 수 있다. 예컨대, 깨어있는 상태(wake)에서는 모든 신경계가 활성화되어 있기 때문에 호흡 패턴이 불규칙적이고 몸의 움직임이 많을 수 있다. 또한, 목 근육의 이완이 이루어지지 않기 때문에 호흡 소리가 매우 적을 수 있다. 반면, 사용자가 수면을 취하는 경우에는, 자율신경계가 안정화되어 호흡이 규칙적으로 변화하고 몸의 움직임 또한 적어질 수 있으며, 호흡음도 커질 수 있다. 즉, 프로세서(110)는 음향 정보에서, 규칙적인 호흡, 적은 몸의 움직임 또는 적은 호흡음 등에 관련한 패턴의 음향 정보가 감지되는 시점을 특이점으로 식별할 수 있다. 또한, 프로세서(110)는 식별된 특이점을 기준으로 획득되는 음향 정보에 기초하여 수면 음향 정보를 획득할 수 있다. 프로세서(110)는 시계열적으로 획득되는 음향 정보에서 사용자의 수면 시점에 관련한 특이점을 식별하고, 해당 특이점을 기준으로 수면 음향 정보를 획득할 수 있다.
일 실시예에 따르면, 프로세서(110)는 환경 센싱 정보를 획득할 수 있다. 또는, 본 발명의 일 실시예에 따르면, 환경 센싱 정보는 사용자가 소지한 사용자 단말(300)을 통해 획득될 수 있다. 예컨대, 사용자가 소지한 사용자 단말(300)을 통해 사용자가 활동하는 공간에 관련한 환경 센싱 정보가 획득될 수 있으며, 프로세서(110)는 해당 환경 센싱 정보를 사용자 단말(300)로부터 수신할 수 있다. 본 발명의 일 실시예에 따른 프로세서(110)는 환경 센싱 정보에 기초하여 수면 음향 정보를 획득할 수 있다.
환경 센싱 정보는, 사용자의 일상 생활 속에서 비접촉 방식으로 획득되는 음향 정보일 수 있다. 예컨대, 환경 센싱 정보는, 청소에 관련한 음향 정보, 음식 조리에 관련한 음향 정보, TV 시청에 관련한 음향 정보, 수면 중 획득되는 수면 음향 정보 등 사용자의 생활에 따라 획득되는 다양한 음향 정보를 포함할 수 있다. 실시예에서, 사용자의 수면 중 획득되는 수면 음향 정보는, 수면 동안 사용자가 뒤척거림에 따라 발생되는 음향, 근육 움직임에 관련한 음향 또는 수면 동안 사용자의 호흡에 관련한 음향 등을 포함할 수 있다. 즉, 본 발명에서의 수면 음향 정보는, 사용자의 수면 동안에 관련한 움직임 패턴 및 호흡 패턴에 관련한 음향 정보를 의미할 수 있다.
또는, 본 발명의 일 실시예에 따른 전자 장치(600)도 수면 상태 정보를 생성 또는 추론할 수 있다. 사용자에 관련하여 제1 수면 상태 정보가 추론되는 경우, 프로세서(630)는 해당 사용자가 수면 전(즉, 취침 전)인 상태인 것으로 판단할 수 있으며, 제2 수면 상태 정보가 추론되는 경우, 해당 사용자가 수면 중인 상태인 것으로 판단할 수 있고, 그리고 제3 수면 상태 정보가 획득되는 경우, 해당 사용자가 수면 후(즉, 기상)인 상태인 것으로 판단할 수 있다.
한편, 본 발명의 일 실시예에 따르면, 프로세서(630)는 환경 센싱 정보를 획득할 수 있다. 또는, 본 발명의 일 실시예에 따르면, 환경 센싱 정보는 사용자가 소지한 사용자 단말(300)을 통해 획득될 수도 있다. 예컨대, 사용자가 소지한 사용자 단말(300)을 통해 사용자가 활동하는 공간에 관련한 환경 센싱 정보가 획득될 수 있으며, 프로세서(630)는 해당 환경 센싱 정보를 사용자 단말(300)로부터 수신할 수 있다. 본 발명의 일 실시예에 따른 프로세서(630)는 환경 센싱 정보에 기초하여 수면 음향 정보를 획득할 수 있다.
수면 단계 정보
일 실시예에 따르면, 프로세서(110)는 수면 단계 정보를 추출할 수 있다. 수면 단계 정보는 사용자의 환경 센싱 정보에 기초하여 추출될 수 있다. 수면 단계는 NREM(non-REM) 수면, REM(Rapid eye movement) 수면으로 구분될 수 있고, NREM 수면은 다시 복수(예: Light, Deep의 2단계, N1 내지 N4의 4단계)로 구분될 수 있다. 수면 단계의 설정은 일반적인 수면 단계로 정의될 수도 있지만, 설계자에 따라 다양한 수면 단계로 임의 설정될 수도 있다. 수면 단계 분석을 통하여 수면과 관련한 수면의 질 뿐만 아니라 수면 질환(예: 수면 무호흡증)과 그의 근본적인 원인(예: 코골이)까지 예측할 수 있다. 프로세서(110)는 수면 단계 정보에 의하여 수면에 관한 용품 추천 정보와 검증 정보를 생성할 수 있다.
또한, 본 발명의 일 실시예에 따른 프로세서(110)는 수면 단계 정보에 의하여 환경 조성 정보를 생성할 수 있다. 예를 들어, 수면 단계가 Ligh 단계 혹은 N1 단계에 있는 경우 딥슬립을 유도하기 위하여 환경 조성 장치(조명, 공기청정기 등)를 제어하기 위한 환경 조성 정보를 생성할 수 있다.
힙노그램
도 3a는 수면다원검사(polysomnography, PSG) 결과(PSG result)와 본 발명에 따른 AI 알고리즘을 이용한 분석 결과(AI result)를 비교한 도면이다.
도시된 바와 같이, 본 발명에 따라 획득된 수면 단계 정보는 수면다원검사와 매우 일치할 뿐만 아니라, 오히려 수면 단계(Wake, Light, Deep, REM)와 관련한 더욱 정밀하고도 유의미한 정보를 포함한다.
도 3a의 가장 아래에 도시된 힙노덴시티 그래프(Hypnodensity graph)는 4개의 수면 단계의 클래스 중 어느 수면 단계에 속하는지에 대한 확률을 나타내는 수면 단계 확률(Sleep Stage Probability) 정보를 나타내는 그래프이다. 본 발명의 일 실시예에 따른 힙노덴시티 그래프를 통해, 수면 단계 정보를 예측할 때 하나 이상의 에폭에 따른 주기 단위로 4개의 클래스(Wake, Light, Deep, REM) 중 어느 수면 단계의 클래스에 속하는지에 대한 확률(즉, 수면 단계 확률 정보)을 나타낼 수 있으며, 뿐만 아니라, 5개의 클래스(Wake, N1, N2, N3, REM) 중 어느 수면 단계의 클래스에 속하는지에 대한 확률을 나타낼 수 있으며, 3개의 클래스(Wake, Non-REM, REM) 중 어느 수면 단계의 클래스에 속하는지에 대한 확률을 나타낼 수 있고, 2개의 클래스(Wake, Sleep) 중 어느 수면 단계의 클래스에 속하는지에 대한 확률을 나타낼 수 있다. 여기서, 수면 단계 확률 정보는 수면 단계를 분류하였을 때, 소정의 수면 단계가 소정의 에폭에서 차지하는 정도의 비중을 수치로 나타낸 것을 의미할 수도 있다.
힙노덴시티 그래프의 위에 도시된 그래프인 힙노그램(Hypnogram)은 본 발명의 일 실시예에 따르면, 힙노덴시티 그래프로부터 가장 높은 확률의 수면 단계를 정하는 방식으로 얻을 수 있다. 도 3b에 도시된 바와 같이, 본 발명에 따라 획득된 수면 분석 결과는 수면 다원 검사를 통해 얻은 라벨링 데이터와 비교하였을 때 매우 일치하는 성능을 보여주었다.
한편, 도 16은 본 발명의 일 실시예에 따른 사용자의 수면 기간 내 수면 단계를 표시하는 힙노그램의 또 다른 예시를 설명하기 위한 도면이다.
본 발명의 일 실시예에 따라서, 힙노그램(1000)은 일반적으로 뇌파도(ElectroEnceephaloGram,EEGs), 전기안구검사(ElectroOculoGraphy,EOGs), 근전도검사(ElectroMyoGraphy), 수면다원검사(PSG,polysomnography)를 통해서 얻어질 수 있다.
도 16에 개시된 바와 같이 표시되는 힙노그램은 수면 단계를 렘 수면과 논-렘(NON-REM)수면으로 구분하여 표현할 수 있다. 예를 들어, 렘 수면, 깊은 잠, 얕은 잠 및 깸 4단계로 표현할 수 있다.
수면 의도 정보
본 발명의 일 실시 형태에 따르면, 프로세서(630)는 환경 센싱 정보에 기반하여 수면 의도 정보를 획득할 수 있다. 일 실시예에 따르면, 프로세서(630)는 환경 센싱 정보에 포함된 음향의 종류를 식별할 수 있다.
또한, 프로세서(630)는 식별된 음향의 종류의 수에 기초하여 수면 의도 정보를 산출할 수 있다. 프로세서(630)는 음향의 종류의 수가 많을수록 수면 의도 정보를 낮게 산출할 수 있으며, 음향의 종류가 적을수록 수면 의도 정보를 높게 산출할 수 있다.
구체적인 예를 들어, 환경 센싱 정보에 포함된 음향의 종류가 3가지(예컨대, 청소기 소리, TV소리 및 사용자 목소리)인 경우, 프로세서(630)는 수면 의도 정보를 2점으로 산출할 수 있다. 또한 예를 들어, 환경 센싱 정보에 포함된 음향의 종류가 1가지(예컨대, 세탁기)인 경우, 프로세서(630)는 수면 의도 정보를 6점으로 산출할 수 있다.
즉, 프로세서(630)는 환경 센싱 정보에 포함된 음향의 종류의 수에 따라 사용자가 수면을 취할 의도가 얼마나 있는지에 관련한 수면 의도 정보를 획득할 수 있다. 예컨대, 많은 종류의 음향이 식별될수록, 사용자의 수면 의도가 낮다는 수면 의도 정보(즉, 낮은 점수의 수면 의도 정보)가 출력될 수 있다.
전술한 환경 센싱 정보에 포함된 음향의 종류 및 수면 의도 정보에 관한 구체적인 수치적 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다. 또한, 프로세서(630)의 동작으로 설명하였으나, 본 발명에 개시된 다른 프로세서(예컨대, 프로세서(110), 프로세서(210), 제어부(380) 등)에서 상술한 동작을 수행할 수도 있다.
의도 점수 테이블 방식에 의한 수면 의도 정보 획득
또한 실시예에서, 프로세서(110)는 복수의 음향 정보 각각에 상이한 의도 점수를 사전 매칭하여 의도 점수 테이블을 생성 또는 기록할 수 있다. 예를 들어, 세탁기에 관련한 제1음향 정보에는 2점이라는 의도 점수가 매칭되어 있을 수 있으며, 가습기 소리에 관련한 제2음향 정보에는 5점이라는 의도 점수가 사전 매칭되어 있을 수 있고, 그리고 목소리에 관련한 제3음향 정보에 1점이라는 의도 점수가 매칭되어 있을 수 있다. 프로세서(110)는 사용자의 수면과 관련한 음향 정보(예컨대, 사용자가 활동함에 따라 발생하는 소리로, 청소기, 설거지, 목소리 음향 등)에 대하여 비교적 높은 의도 점수를 사전 매칭하며, 사용자의 수면과 관련없는 음향 정보(예컨대, 사용자의 활동과 무관한 소리로, 차량 소음, 비오는 소리 등)에 대하여 비교적 낮은 의도 점수를 사전 매칭하여 의도 점수 테이블을 생성할 수 있다. 전술한 각 음향 정보에 매칭된 의도 점수에 대한 구체적인 수치적 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
프로세서(110)는 환경 센싱 정보 및 의도 점수 테이블에 기초하여 수면 의도 정보를 획득할 수 있다. 구체적으로, 프로세서(110)는 환경 센싱 정보에서 의도 점수 테이블에 포함된 복수의 음향 중 적어도 하나가 식별되는 시점에 대응하여, 식별된 음향에 매칭된 의도 점수를 기록할 수 있다. 구체적인 예를 들어, 실시간으로 환경 센싱 정보가 획득되는 과정에서 제1시점에 대응하여 청소기 소리가 식별되는 경우, 프로세서(110)는 해당 청소기 소리에 매칭된 의도 점수 2점을 제1시점에 매칭하여 기록할 수 있다. 프로세서(110)는 환경 셍신 정보 획득 과정에서, 다양한 음향 각각이 식별될 때마다 식별된 음향에 매칭된 의도 점수를 해당 시점에 매칭하여 기록할 수 있다.
실시예에서, 프로세서(110)는 미리 정해진 시간(예컨대, 10분) 동안 획득된 의도 점수의 합에 기초하여 수면 의도 정보를 획득할 수 있다. 구체적인 예를 들어, 10분 동안 획득된 의도 점수가 높을수록 높은 수면 의도 정보가 획득될 수 있으며, 10분 동안 획득된 의도 점수가 낮을수록 낮은 수면 의도 정보가 획득될 수 있다. 전술한 미리 정해진 시간에 대한 구체적인 수치적 기재는 예시일 뿐, 본 발명은 이에 제한되지 않는다.
즉, 프로세서(110)는 환경 센싱 정보에 포함된 음향의 특성에 따라 사용자가 수면을 취할 의도가 얼마나 있는지에 관련한 수면 의도 정보를 획득할 수 있다. 예컨대, 사용자의 활동에 관련한 음향이 식별될수록, 사용자의 수면 의도가 낮다는 수면 의도 정보(즉, 낮은 점수의 수면 의도 정보)가 출력될 수 있다.
한편, 이상의 동작을 프로세서(110)의 동작으로 설명하였으나, 본 발명에 개시된 다른 프로세서(예컨대, 프로세서(630), 프로세서(210), 제어부(380) 등)에서 상술한 동작을 수행할 수도 있다.
수면 이벤트 정보
본 발명의 일 실시예에 따른 수면 이벤트는 코골이, 수면 호흡(예컨대, 수면 무호흡증과 관련한 정보를 포함한다), 이갈이 등 수면 중 발생할 수 있는 다양한 이벤트를 포함한다.
본 발명의 일 실시예에 따르면, 소정의 수면 이벤트가 발생했다는 수면 이벤트 정보 또는, 소정의 수면 이벤트가 발생했다고 판단될 확률을 나타내는 수면 이벤트 확률 정보를 생성할 수 있다. 이하 수면 이벤트 정보의 일 예시인 수면 호흡 정보에 대하여 설명한다.
도 3c는 본 발명에 따른 수면 분석 방법의 성능을 검증한 그래프로, 수면 무호흡증(apnea), 호흡저하(hypopnea)와 관련하여 수면다원검사(polysomnography, PSG) 결과(PSG result)와 본 발명에 따른 AI 알고리즘을 이용한 분석 결과(AI result)를 비교한 도면이다.
도 3c의 가장 아래에 도시된 확률 그래프는 사용자 수면 음향 정보를 입력받아서 수면 질환을 예측할 때, 30초 단위로 2개의 질환(수면 무호흡증, 호흡저하) 중 어디에 속하는지에 대한 확률을 나타낸다.
도 3c에 도시된 세 개의 그래프 중의 가운데에 도시된 그래프는, 그 아래에 도시된 확률 그래프로부터 가장 높은 확률의 질환을 정하는 방식으로 얻을 수 있다.
본 발명에 따른 수면 분석을 이용하면, 도 3c에 도시된 바와 같이, 본 발명에 따라 획득된 수면 상태 정보는 수면다원검사와 매우 일치하는 성능을 보여주었다. 또한, 무호흡증과 호흡저하와 관련한 더욱 정밀한 분석 정보를 포함한다는 성능을 보여주었다.
본 발명에 따르면, 사용자의 수면 분석을 실시간으로 분석하면서 수면장애(수면무호흡, 수면과호흡, 수면저호흡)가 발생한 지점을 파악할 수 있다. 수면장애가 발생한 순간 사용자에게 자극(촉각적, 자극 청각적 자극, 후각적 자극 등)을 제공하면, 수면장애가 일시적으로 완화될 수 있다. 즉, 본 발명에 따르면 수면장애와 관련한 정확한 이벤트탐지를 바탕으로 사용자의 수면장애를 중단시키고, 수면장애의 빈도를 감소시킬 수 있다.
본 발명의 일 실시예에 따른 확률 그래프에는 사용자 수면 음향 정보를 입력받아서 수면 질환을 예측할 때, 30초 단위로 2개의 질환(수면 무호흡증, 호흡저하) 중 어디에 속하는지에 대한 확률을 나타낼 수도 있지만, 30초에 제한되는 것은 아니다.
도 3c에 도시된 세 개의 그래프 중의 가운데에 도시된 그래프는, 그 아래에 도시된 확률 그래프로부터 가장 높은 확률의 질환을 정하는 방식으로 얻을 수 있다.
본 발명에 따른 수면 분석을 이용하면, 도 3c에 도시된 바와 같이, 본 발명에 따라 획득된 수면 상태 정보는 수면다원검사와 매우 일치하는 성능을 보여주었다. 또한, 무호흡증과 호흡저하와 관련한 더욱 정밀한 분석 정보를 포함한다는 성능을 보여주었다.
본 발명에 따르면, 사용자의 수면 분석을 실시간으로 분석하면서 수면장애(수면무호흡, 수면과호흡, 수면저호흡)가 발생한 지점을 파악할 수 있다. 수면장애가 발생한 순간 사용자에게 자극(촉각적, 자극 청각적 자극, 후각적 자극 등)을 제공하면, 수면장애가 일시적으로 완화될 수 있다. 즉, 본 발명에 따르면 수면장애와 관련한 정확한 이벤트탐지를 바탕으로 사용자의 수면장애를 중단시키고, 수면장애의 빈도를 감소시킬 수 있다.
수면 정보들을 멀티모달로 한 수면 상태 정보를 분석하기 위한 방법
멀티모달로 한 수면 상태 정보 분석 방법의 일
실시예
(CONCEPT-A)
도 46은 본 발명의 일실시예에 따른 수면 음향 정보와 수면 환경 정보를 멀티모달 데이터로 결합하는 과정을 포함하는 한 수면 상태 정보를 분석하기 위한 방법을 설명하기 위한 흐름도이다.
본 발명의 목적을 달성하기 위하여 일 실시예에 따르면, 수면 음향 정보와 수면 환경 정보를 멀티모달로 한 수면 상태 정보를 분석하기 위한 방법은 사용자의 수면과 관련한 시간 도메인 상의 음향 정보를 획득하는 제1 정보 획득 단계(S600), 제1 정보의 전처리를 수행하는 단계(S602), 사용자의 수면과 관련한 사용자 수면 환경 정보를 획득하는 제2 정보 획득 단계(S610), 제2 정보의 전처리를 수행하는 단계(S612), 멀티모달로 데이터를 결합하는 결합단계(S620), 멀티모달 데이터를 딥러닝 모델의 입력하는 단계(S630), 딥러닝 모델의 출력으로 수면 상태 정보를 획득하는 단계(S640)를 포함할 수 있다.
본 발명의 실시예에 따라서, 제1 정보 획득 단계(S600)은 사용자 단말(300)에서 사용자의 수면과 관련한 시간 도메인 상의 음향 정보를 획득할 수 있다. 사용자의 수면과 관련한 시간 도메인 상의 음향 정보는 사용자 단말(300)의 음원 탐지부에서 얻어지는 음원 정보를 포함할 수 있다.
본 발명의 실시예에 따라서, 제1 정보의 데이터 전처리를 수행하는 단계(S602)에서는 시간 도메인 상의 수면 음향 정보를, 주파수 성분의 시간 축에 따른 변화를 포함하는 정보 또는, 주파수 도메인 상의 정보로 변환할 수 있다. 또한, 주파수 도메인 상의 정보는 스펙트로그램으로 표현될 수 있으며, 멜 스케일이 적용된 멜 스펙트로그램일 수 있다. 스펙트로그램으로 변환함으로써, 사용자의 프라이버시 보호 및 데이터 가공량을 줄일 수 있다. 또한, 시간 도메인 상의 수면 음향 정보를 변환한 정보는 시각화한 것으로서, 이러한 경우 이미지 처리 기반의 인공지능 모델의 입력으로 함으로써 이미지 분석을 통해 수면 상태 정보를 획득할 수 있다.
본 발명의 실시예에 따라서, 제1 정보의 데이터 전처리를 수행하는 단계(S602)에서는 음향 정보에 기초하여 특징을 추출하는 단계를 더 포함할 수 있다. 예를 들어, 획득된 시간 도메인 상의 음향 정보에 기초하여 사용자의 수면 호흡 패턴을 추출할 수 있다. 예를 들어, 획득된 시간 도메인 상의 음향 정보를, 주파수 성분의 시간 축에 따른 변화를 포함하는 정보로 변환하고, 변환된 정보에 기초하여 사용자의 호흡 패턴을 추출할 수 있다. 또는, 시간 도메인상의 음향 정보를 주파수 도메인 상의 정보로 변환하고, 주파수 도메인 상의 음향 정보에 기초하여 사용자의 수면 호흡 패턴을 추출할 수 있다.
이 경우 변환된 정보들은 시각화된 것으로서, 이미지 처리 기반의 인공지능 모델의 입력으로 하여 사용자의 호흡 패턴 등의 정보를 출력하도록 할 수 있다.
본 발명의 실시예에 따라서, 제1 정보의 데이터 전처리를 수행하는 단계(S602)에서는 수면 음향 정보를 딥러닝 모델에 입력 시키기 위한 충분한 양의 유의미한 데이터를 얻기 위한 데이터 어그멘테이션 과정을 포함할 수 있다. 데이터 어그멘테이션 기법에는 피치 시프팅(Pitch Shifting) 어그멘테이션, TUT(Tile UnTile) 어그멘테이션 어그멘테이션 및 노이즈 부가 어그멘테이션을 포함할 수 있다. 전술한 어그멘테이션 기법은 단순한 예시일 뿐이며, 본 발명은 이에 제한되는 것은 아니다.
본 발명의 실시예에 따라 멜 스케일에서 부가하는 방법에 의하면 하드웨어가 데이터를 처리하는 데에 소요되는 시간이 단축될 수 있다.
한편, 전술한 노이즈의 종류에 관한 구체적인 기재는 본 발명의 노이즈 부가 어그멘테이션을 설명하기 위한 단순한 예시일 뿐이며, 본 발명은 이에 제한되는 것은 아니다.
본 발명의 실시예에 따라서, 사용자의 수면과 관련한 사용자 수면 환경 정보를 획득하는 제2 정보 획득 단계(S610)는 사용자 단말(300), 외부서버 또는 네트워크를 통해서 사용자 수면 환경 정보를 획득할 수 있다. 사용자의 수면 환경 정보는 사용자가 위치한 공간에서 획득되는 수면과 관련한 정보를 의미할 수 있다. 수면 환경 정보는, 비접촉식 방법으로 사용자가 위치한 공간에서 획득되는 센싱 정보(예컨대, 환경 센싱 정보)일 수 있다. 수면 환경 정보는, 레이더를 통해 측정되는 호흡 운동 및 신체 움직임 정보일 수 있다. 수면 환경 정보는, 스마트 워치, 스마트 가전 등에서 획득되는 사용자의 수면에 관련한 정보일 수 있다. 수면 환경 정보는, 광혈류 측정 신호(PhotoPlethysmoGraphy)일 수 있다. 수면 환경 정보는 광혈류 측정 신호(PhotoPlethysmoGraphy, PPG)를 통해 얻어지는 심박 변이도(Heart Rate Variability, HRV), 심박수(Heart Rate)일 수 있으며, 광혈류 측정 신호는 스마트 워치 및 스마트 링에 의해서 측정될 수 있다. 수면 환경 정보는, 뇌파 신호(Electro Encephalo Graphy, EEG)일 수 있다. 수면 환경 정보는 수면 중 측정되는 Actigraphy 신호 일 수 있다.
본 발명의 실시예에 따라서, 제2 정보의 전처리를 진행하는 단계(S612)는 사용자의 수면 환경 정보의 데이터를 딥러닝 모델에 입력시키기 위한 충분한 양의 유의미한 데이터를 얻기 위한 데이터 어그멘테이션 과정을 포함할 수 있다.
본 발명의 일 실시예에 따라서, 제2 정보의 전처리를 진행하는 단계(S612)는 사용자의 수면 환경 정보의 데이터를 가공하여 특징을 추출하는 단계를 포함할 수 있다. 예를 들어, 제2 정보가 광혈류 측정 신호(PPG)인 경우, 광혈류 측정 신호에서 심박변이도(HRV)와 심박수(Heart Rate)를 추출할 수 있다.
본 발명의 일 실시예에 따라서, 제2 정보의 전처리를 진행하는 단계(S612)는 사용자의 수면 환경 정보의 데이터가 이미지 정보로 얻어지는 경우, 이미지 정보를 TUT(Tile UnTile) 어그멘테이션및 노이즈 부가 어그멘테이션을 포함할 수 있다. 전술한 어그멘테이션 기법은 이미지 정보의 어그멘테이션 기법에 관한 단순한 예시일 뿐이며, 본 발명은 이에 제한되는 것은 아니다. 사용자의 수면 환경 정보는 다양한 저장 형태의 방식의 정보일 수 있다. 사용자의 수면 환경 정보의 어그멘테이션 방법은 다양한 방식이 채용될 수 있다.
본 발명의 실시예에 따라서, 데이터 전처리 과정을 거친 제1 정보와 제2 정보를 멀티모달 데이터로 결합하는 단계(S620)은 딥 러닝 모델에 멀티모달 데이터를 입력하기 위하여 데이터를 결합한다.
본 발명의 일 실시예에 따라서, 멀티모달 데이터로 결합하는 방법은 전처리된 제1 정보와 전처리된 제2 정보를 동일한 형식의 데이터로 결합하는 것일 수 있다. 구체적으로, 제1 정보는 주파수 도메인 상에서의 음향 이미지 정보이고, 제2 정보는 스마트 워치에서 얻어지는 시간 도메인 상에서의 심박 이미지 정보일 수 있다. 이 때, 제1 정보와 제2 정보는 도메인이 동일하지 않기 때문에, 동일한 도메인으로 변환하여 결합할 수 있다.
본 발명의 일 실시예에 따라서, 멀티모달 데이터로 결합하는 방법은 전처리된 제1 정보와 전처리된 제2 정보를 동일한 형식의 데이터로 결합하는 것일 수 있다. 구체적으로, 제1 정보는 주파수 도메인 상에서의 음향 이미지 정보이고, 제2 정보는 스마트 워치에서 얻어지는 시간 도메인 상에서의 심박 이미지 정보일 수 있다. 이 때, 딥러닝 모델의 입력으로 사용하기 위해 제1 정보와 제2 정보는 도메인이 동일하지 않기 때문에, 각각의 데이터를 제1 정보와 제2 정보에 관한 것이라고 라벨링 할 수 있다.
본 발명의 일 실시예에 따라서, 멀티모달 데이터로 결합하는 단계(S620)은 제1 정보 어그멘테이션을 진행하고, 제2 정보 어그멘테이션을 진행한 후 결합할 수 있다. 예를 들어, 제1 정보는 사용자의 시간 도메인 상의 음향 정보일 수 있고, 제2 정보는 광혈류 측정 신호(PPG)일 수 있고, 이를 멀티모달 데이터로 결합할 수 있다. 예를 들어, 제1 정보는 사용자의 시간 도메인 상의 음향 정보 또는 시간 도메인 상의 음향 정보를 주파수 도메인 상의 음향 정보로 변환한 스펙트로그램일 수 있고, 제2 정보는 광혈류 측정 신호(PPG)일 수 있고, 이를 멀티모달 데이터로 결합할 수 있다.
본 발명의 일 실시예에 따라서, 멀티모달 데이터로 결합하는 단계(S620)는 제1 정보 어그멘테이션을 진행하고, 제2 정보 어그멘테이션 및 특징을 추출을 진행하여 결합할 수 있다. 예를 들어, 제1 정보는 사용자의 시간 도메인 상의 음향 정보 또는 시간 도메인 상의 음향 정보를 주파수 도메인 상의 음향 정보로 변환한 스펙트로그램일 수 있고, 제2 정보는 광혈류 측정 신호(PPG)에서 얻어지는 심박변이도(HRV) 또는 심박수(Heart Rate)일 수 있고, 이를 멀티모달 데이터로 결합할 수 있다. 본 발명의 일 실시예에 따라서, 멀티모달 데이터로 결합하는 단계(S620)는 제1 정보 어그멘테이션 및 특징 추출을 진행하고, 제2 정보 어그멘테이션을 진행하여 결합할 수 있다. 예를 들어, 예를 들어, 제1 정보는 사용자의 음향 정보에 기초하여 추출된 사용자 호흡 패턴 일 수 있고, 제2 정보는 광혈류 측정 신호(PPG)에서 얻어지는 심박변이도(HRV) 또는 심박수(Heart Rate)일 수 있고, 이를 멀티모달 데이터로 결합할 수 있다.
본 발명의 일 실시예에 따라서, 멀티모달 데이터로 결합하는 단계(S620)은 제1 정보 어그멘테이션 및 특징 추출을 진행하고, 제2 정보 어그멘테이션 및 특징을 추출을 진행하여 결합할 수 있다. 예를 들어, 제1 정보는 사용자의 음향 정보에 기초하여 추출된 사용자 호흡 패턴 일 수 있고, 제2 정보는 광혈류 측정 신호(PPG)에서 얻어지는 심박변이도(HRV) 또는 심박수(Heart Rate)일 수 있고, 이를 멀티모달 데이터로 결합할 수 있다.
본 발명의 실시예에 따라서, 딥러닝 모델에 멀티모달 결합 데이터를 입력하는 단계(S630)은 멀티모달 결합 데이터를 입력하기 위해 딥러닝 모델의 입력하기 위해 요구되는 정합하는 형태로 데이터를 가공할 수 있다.
본 발명의 실시예에 따라서, 딥러닝 모델의 출력으로 수면 상태 정보를 획득하는 단계(S640)은 멀티모달 결합 데이터를 수면 상태 정보를 추론하기 위한 딥러닝 모델의 입력으로 하여, 수면 상태 정보를 추론할 수 있다. 수면 상태 정보는 사용자의 수면의 상태에 관한 정보일 수 있다.
본 발명의 일 실시예에 따라서, 사용자의 수면 상태 정보는 사용자의 수면을 단계로서 표현하는 수면 단계 정보를 포함할 수 있다. 수면의 단계는 NREM(non-REM) 수면, REM(Rapid eye movement) 수면으로 구분될 수 있고, NREM 수면은 다시 복수(예: Light, Deep의 2단계, N1 내지 N4의 4단계)로 구분될 수 있다. 수면 단계의 설정은 일반적인 수면 단계로 정의될 수도 있지만, 설계자에 따라 다양한 수면 단계로 임의 설정될 수도 있다.
본 발명의 일 실시예에 따라서, 사용자의 수면 상태 정보는 사용자의 수면에서 발생하는 수면과 관련한 질환이나 수면 중 행동을 표현하는 수면 이벤트 정보를 포함할 수 있다. 구체적으로, 사용자의 수면 중에서 발생하는 수면 이벤트 정보는 사용자의 수면 질환에 의한 수면 무호흡증 및 저호흡증 정보를 포함할 수 있다. 또한, 구체적으로는, 사용자의 수면 중에서 발생하는 수면 이벤트 정보는 사용자의 코골이 여부, 코골이 지속 시간, 잠꼬대 여부, 잠꼬대 지속 시간, 뒤척임 여부 및 뒤척임 지속 시간을 포함할 수 있다. 서술된 사용자의 수면 이벤트 정보는 사용자의 수면 중에 발생하는 사건을 표현하기 위한 예시에 불과하며, 이에 한정되지 않는다.
멀티모달로 한 수면 상태 정보 분석 방법의 일
실시예
(CONCEPT-B)
도 47은 본 발명의 일실시예에 따른 수면 음향 정보와 수면 환경 정보 각각을 추론한 것을 멀티모달 데이터로 결합하는 단계를 포함하는 수면 상태 정보를 분석하기 위한 방법을 설명하기 위한 흐름도이다.
본 발명의 목적을 달성하기 위하여 일 실시예에 따르면, 수면 음향 정보와 수면 환경 정보를 멀티모달로 한 수면 상태 정보를 분석하기 위한 방법은 사용자의 수면과 관련한 시간 도메인 상의 음향 정보를 획득하는 제1 정보 획득 단계(S700), 제1 정보의 전처리를 수행하는 단계(S702), 제1 정보를 딥러닝 모델의 입력으로 하여 수면에 관한 정보를 추론하는 단계(S704), 사용자의 수면과 관련한 사용자 수면 환경 정보를 획득하는 제2 정보 획득 단계(S710), 제2 정보의 전처리를 수행하는 단계(S712), 제2 정보를 딥러닝 모델의 입력으로 하여 수면에 관한 정보를 추론하는 단계(S714), 멀티모달로 데이터를 결합하는 결합단계(S720) 및 멀티모달 데이터의 결합으로 수면 상태 정보를 획득하는 단계(S730)을 포함할 수 있다.
본 발명의 실시예에 따라서, 제1 정보 획득 단계(S700)에서는 사용자 단말(300)에서 사용자의 수면과 관련한 시간 도메인 상의 음향 정보를 획득할 수 있다. 사용자의 수면과 관련한 시간 도메인 상의 음향 정보는 사용자 단말(300)의 음원 탐지부에서 얻어지는 음원 정보를 포함할 수 있다.
본 발명의 실시예에 따라서, 제1 정보의 데이터 전처리를 수행하는 단계(S702)에서는 시간 도메인 상의 시간 음향 정보를, 주파수 성분의 시간 축에 따른 변화를 포함하는 정보 또는, 주파수 도메인 상의 정보로 변환할 수 있다. 또한, 주파수 도메인 상의 정보는 스펙트로그램으로 표현될 수 있으며, 멜 스케일이 적용된 멜 스펙트로그램일 수 있다. 스펙트로그램으로 변환함으로써, 사용자의 프라이버시 보호 및 데이터 가공량을 줄일 수 있다.
본 발명의 실시예에 따라서, 제1 정보의 데이터 전처리를 수행하는 단계(S702)에서는 수면 음향 정보를 딥러닝 모델에 입력시키기 위한 충분한 양의 유의미한 데이터를 얻기 위한 데이터 어그멘테이션 과정을 포함할 수 있다. 데이터 어그멘테이션 기법에는 피치 시프팅(Pitch Shifting) 어그멘테이션, TUT(Tile UnTile) 어그멘테이션 어그멘테이션 및 노이즈 부가 어그멘테이션을 포함할 수 있다. 전술한 어그멘테이션 기법은 단순한 예시일 뿐이며, 본 발명은 이에 제한되는 것은 아니다.
본 발명의 실시예에 따라 멜 스케일에서 부가하는 방법에 의하면 하드웨어가 데이터를 처리하는 데에 소요되는 시간이 단축될 수 있다.
한편, 전술한 노이즈의 종류에 관한 구체적인 기재는 본 발명의 노이즈 부가 어그멘테이션을 설명하기 위한 단순한 예시일 뿐이며, 본 발명은 이에 제한되는 것은 아니다.
본 발명의 실시예에 따라서, 사용자의 수면과 관련한 사용자 수면 환경 정보를 획득하는 제2 정보 획득 단계(S710)는 사용자 단말(300), 외부서버 또는 네트워크를 통해서 사용자 수면 환경 정보를 획득할 수 있다. 사용자의 수면 환경 정보는 사용자가 위치한 공간에서 획득되는 수면과 관련한 정보를 의미할 수 있다. 수면 환경 정보는, 비접촉식 방법으로 사용자가 위치한 공간에서 획득되는 센싱 정보일 수 있다. 수면 환경 정보는, 레이더를 통해 측정되는 호흡 운동 및 신체 움직임 정보일 수 있다. 수면 환경 정보는, 스마트 워치, 스마트 가전 등에서 획득되는 사용자의 수면에 관련한 정보일 수 있다. 수면 환경 정보는, 광혈류 측정 신호(PhotoPlethysmoGraphy, PPG)를 통해 얻어지는 심박 변이도(Heart Rate Variability, HRV), 심박수(Heart Rate)일 수 있으며, 광혈류 측정 신호는 스마트 워치 및 스마트 링에 의해서 측정될 수 있다. 수면 환경 정보는, 뇌파 신호(Electro Encephalo Graphy, EEG)일 수 있다. 수면 환경 정보는 수면 중 측정되는 Actigraphy 신호 일 수 있다.
본 발명의 실시예에 따라서, 제2 정보의 전처리를 진행하는 단계(S712)는 사용자의 수면 환경 정보의 데이터를 딥러닝 모델에 입력 시키기 위한 충분한 양의 유의미한 데이터를 얻기 위한 데이터 어그멘테이션 과정을 포함할 수 있다.
본 발명의 일 실시예에 따라서, 제2 정보의 전처리를 진행하는 단계(S712)는 사용자의 수면 환경 정보의 데이터가 이미지 정보로 얻어지는 경우, 이미지 정보를 TUT(Tile UnTile) 어그멘테이션 어그멘테이션 및 노이즈 부가 어그멘테이션을 포함할 수 있다. 전술한 어그멘테이션 기법은 이미지 정보의 어그멘테이션 기법에 관한 단순한 예시일 뿐이며, 본 발명은 이에 제한되는 것은 아니다. 사용자의 수면 환경 정보는 다양한 저장 형태의 방식의 정보일 수 있다. 사용자의 수면 환경 정보의 어그멘테이션 방법은 다양한 방식이 채용될 수 있다.
본 발명의 실시예에 따라서, 전처리 된 제1 정보를 딥러닝 모델의 입력으로 하여 수면에 관한 정보를 추론하는 단계(S704)는 기 학습된 딥러닝 모델의 입력으로 하여 수면에 관한 정보를 추론할 수 있다.
본 발명의 실시예에 따라서, 기 학습된 딥러닝 모델은 추론되는 데이터를 통한 자가 학습을 위하여 추론되는 데이터를 입력으로 사용할 수 있다.
본 발명의 실시예에 따라서, 수면 음향에 관한 제1정보를 입력으로 하여 수면에 관한 정보를 추론하는 딥러닝 수면 분석 모델은 피처 추출 모델과 피처 분류 모델을 포함할 수 있다.
본 발명의 실시예에 따른 딥러닝 수면 분석 모델 중 피처 추출 모델은, 하나의 스펙트로그램이 입력되어, 하나의 스펙트로그램에 해당하는 수면 상태 정보를 예측하도록 학습되는 One-to-one 프록시 태스크(Proxy task)에 의해서 사전 학습(Pre training)될 수 있다. 본 발명의 실시예에 따른 피처 추출 모델에 CNN 딥러닝 모델을 채용하는 경우에, FC(Fully Connected Layer) 또는 FCN(Fully Connected Neural Network)의 구조를 채택하여 학습을 수행할 수도 있다. 본 발명의 실시예에 따른 피처 추출 모델에 MobileViTV2 딥러닝 모델을 채용하는 경우에는, 중간층(Intermediate Layer)의 구조를 채택하여 학습을 수행할 수도 있다.
본 발명의 실시예에 따른 딥러닝 수면 분석 모델 중 피처 분류 모델은, 복수의 연속된 스펙트로그램이 입력되어, 각각의 스펙트로그램의 수면 상태 정보를 예측하고, 복수의 연속된 스펙트로그램의 시퀀스를 분석하여 전체적인 수면 상태 정보를 예측 또는 분류하도록 학습될 수 있다.
본 발명의 실시예에 따라서, 전처리된 제2 정보를 추론 모델의 입력으로 하여 수면에 관한 정보를 추론하는 단계(S714)에서는 기 학습된 추론 모델의 입력으로 하여, 수면에 관한 정보를 추론할 수 있다. 기 학습된 추론 모델은, 상술한 수면 딥러닝 수면 분석 모델일 수 있으나 이에 한정되지 아니하고, 기 학습된 추론 모델은 목적을 달성하기 위한 다양한 형태의 방식의 추론 모델 일 수 있다. 기 학습된 추론 모델은 다양한 방식이 채용될 수 있다.
본 발명의 실시예에 따라서, 데이터 전처리 과정을 거친 제1 정보와 제2 정보를 멀티모달 데이터로 결합하는 단계(S720)에서는 정보를 결합하여 수면 상태 정보를 결정하기 위하여 데이터를 결합한다.
본 발명의 일 실시예에 따라서, 멀티모달 데이터로 결합하는 방법은 전처리된 제1 정보를 통해 추론된 수면 정보와 전처리된 제2 정보를 통해 추론된 정보를 동일한 형식의 데이터로 결합하는 것일 수 있다.
본 발명의 실시예에 따라서, 멀티모달 데이터 결합으로 수면 상태 정보를 획득하는 단계(S730)는 멀티모달로 얻은 데이터를 결합하여 이를 통해서 사용자의 수면 상태 정보를 결정할 수 있다. 수면 상태 정보는 사용자의 수면의 상태에 관한 정보일 수 있다.
본 발명의 일 실시예에 따라서, 멀티모달 데이터 결합으로 수면 상태 정보를 획득하는 단계(S730)은 전처리 된 제1 정보를 딥러닝 모델의 입력으로 하여 수면에 관한 정보를 추론하는 단계(S704)에서 추론된 사용자의 수면에 관한 힙노그램(hypnogram)과 전처리된 제2 정보를 추론 모델의 입력으로 하여 수면에 관한 정보를 추론하는 단계(S714)에서 추론된 사용자의 수면에 관한 힙노그램(hypnogram)를 결합할 수 있다. 예를 들어, 각 힙노그램(hypnogram)을 중첩시켜 일치하는 부분에 대한 수면단계에 대한 정보를 채용하고, 일치하지 않는 부분에 대한 수면단계에 대한 정보는 가중치를 부여하여 채용여부를 결정함으로써 수면 상태 정보를 획득할 수 있다.
본 발명의 일 실시예에 따라서, 멀티모달 데이터 결합으로 수면 상태 정보를 획득하는 단계(S730)은 전처리 된 제1 정보를 딥러닝 모델의 입력으로 하여 수면에 관한 정보를 추론하는 단계(S704)에서 추론된 사용자의 수면에 관한 힙노덴시티 그래프(hypnodensity graph)와 전처리된 제2 정보를 추론 모델의 입력으로 하여 수면에 관한 정보를 추론하는 단계(S714)에서 추론된 사용자의 수면에 관한 힙노덴시티 그래프(hypnodensity graph) 를 결합할 수 있다. 예를 들어, 각 힙노덴시티 그래프(hypnodensity graph)의 확률을 수식에 대입하여, 각 시각마다 가장 높은 신뢰도를 가지는 수면 단계를 사용자의 수면 단계 정보로 얻을 수 있다. 예를 들어, 각 힙노덴시티 그래프(hypnodensity graph)에서 시간에 따른 신뢰도가 기 설정된 신뢰도 임계치를 넘는 경우는 사용자의 수면 단계 정보로 채용하고, 시간에 따른 신뢰도가 기 설정된 신뢰도 임계치를 넘는 수면 단계 정보가 없는 경우 가중치를 통해 수면 단계 정보로 채용함으로써, 수면 상태 정보를 획득할 수 있다.
본 발명의 일 실시예에 따라서, 멀티모달 데이터 결합으로 수면 상태 정보를 획득하는 단계(S730)은 전처리 된 제1 정보를 딥러닝 모델의 입력으로 하여 수면에 관한 정보를 추론하는 단계(S704)에서 추론된 사용자의 수면에 관한 힙노그램(hypnogram)과 전처리된 제2 정보를 추론 모델의 입력으로 하여 수면에 관한 정보를 추론하는 단계(S714)에서 추론된 사용자의 수면에 관한 힙노덴시티 그래프(hypnodensity graph)를 결합할 수 있다. 예를 들어, 힙노그램에 표시되는 수면 단계와 힙노덴시티 그래프의 신뢰도가 기 설정된 임계치를 넘는 경우에는, 사용자의 수면 단계로 채용함으로써, 사용자의 수면 상태 정보를 획득할 수 있다. 예를 들어, 힙노그램에 표시되는 수면 단계와 힙노덴시티 그래프의 신뢰도가 기 설정된 임계치를 넘지 않는 경우 가중치를 부과하여 계산하여 사용자의 수면 단계로 채용함으로써, 신뢰도 높은 사용자의 수면 상태 정보를 획득할 수 있다.
본 발명의 일 실시예에 따라서, 사용자의 수면 상태 정보는 사용자의 수면을 단계로서 표현하는 수면 단계 정보를 포함할 수 있다. 수면의 단계는 NREM(non-REM) 수면, REM(Rapid eye movement) 수면으로 구분될 수 있고, NREM 수면은 다시 복수(예: Light, Deep의 2단계, N1 내지 N4의 4단계)로 구분될 수 있다. 수면 단계의 설정은 일반적인 수면 단계로 정의될 수도 있지만, 설계자에 따라 다양한 수면 단계로 임의 설정될 수도 있다.
본 발명의 일 실시예에 따라서, 사용자의 수면 상태 정보는 사용자의 수면을 단계로서 표시하는 수면 단계 정보를 포함할 수 있다. 수면의 단계를 표시하는 방법은 수면 단계를 그래프에 표시하는 힙노그램(Hypnogram) 및 각 수면 단계의 확률을 그래프에 표시하는 힙노덴시티 그래프(Hypnodensity graph)를 포함할 수 있으나, 표시하는 방법은 이에 한정되지 않는다.
본 발명의 일 실시예에 따라서, 사용자의 수면 상태 정보는 사용자의 수면에서 발생하는 수면과 관련한 질환이나 수면 중 행동을 표현하는 수면 이벤트 정보를 포함할 수 있다. 구체적으로, 사용자의 수면 중에서 발생하는 수면 이벤트 정보는 사용자의 수면 질환에 의한 수면 무호흡증 및 저호흡증 정보를 포함할 수 있다. 또한, 구체적으로는, 사용자의 수면 중에서 발생하는 수면 이벤트 정보는 사용자의 코골이 여부, 코골이 지속 시간, 잠꼬대 여부, 잠꼬대 지속 시간, 뒤척임 여부 및 뒤척임 지속 시간을 포함할 수 있다. 서술된 사용자의 수면 이벤트 정보는 사용자의 수면 중에 발생하는 사건을 표현하기 위한 예시에 불과하며, 이에 한정되지 않는다.
멀티모달로 한 수면 상태 정보 분석 방법의 일
실시예
(CONCEPT-C)
도 48은 본 발명의 일실시예에 따른 수면 음향 정보를 추론한 것을 수면 환경 정보와 멀티모달 데이터로 결합하는 단계를 포함하는 수면 상태 정보를 분석하기 위한 방법을 설명하기 위한 흐름도이다.
본 발명의 목적을 달성하기 위하여 일 실시예에 따르면, 수면 음향 정보와 수면 환경 정보를 멀티모달로 한 수면 상태 정보를 분석하기 위한 방법은 사용자의 수면과 관련한 시간 도메인 상의 음향 정보를 획득하는 제1 정보 획득 단계(S800), 제1 정보의 전처리를 수행하는 단계(S802), 제1 정보를 딥러닝 모델의 입력으로 하여 수면에 관한 정보를 추론하는 단계(S804), 사용자의 수면과 관련한 사용자 수면 환경 정보를 획득하는 제2 정보 획득 단계(S810), 멀티모달로 데이터를 결합하는 결합단계(3220) 및 멀티모달 데이터의 결합으로 수면 상태 정보를 획득하는 단계(S830)를 포함할 수 있다.
본 발명의 실시예에 따라서, 제1 정보 획득 단계(S800)은 사용자 단말(300)에서 사용자의 수면과 관련한 시간 도메인 상의 음향 정보를 획득할 수 있다. 사용자의 수면과 관련한 시간 도메인 상의 음향 정보는 사용자 단말(300)의 음원 탐지부에서 얻어지는 음원 정보를 포함할 수 있다.
본 발명의 실시예에 따라서, 제1 정보의 데이터 전처리를 수행하는 단계(S802)에서는 시간 도메인 상의 시간 음향 정보를 주파수 도메인 상의 정보로 변환할 수 있다. 또한, 주파수 도메인 상의 정보는 스펙트로그램으로 표현될 수 있으며, 멜 스케일이 적용된 멜 스펙트로그램일 수 있다. 스펙트로그램으로 변환함으로써, 사용자의 프라이버시 보호 및 데이터 가공량을 줄일 수 있다.
본 발명의 실시예에 따라서, 제1 정보의 데이터 전처리를 수행하는 단계(S802)에서는 수면 음향 정보를 딥러닝 모델에 입력시키기 위한 충분한 양의 유의미한 데이터를 얻기 위한 데이터 어그멘테이션 과정을 포함할 수 있다. 데이터 어그멘테이션 기법에는 피치 시프팅(Pitch Shifting) 어그멘테이션, TUT(Tile UnTile) 어그멘테이션 어그멘테이션 및 노이즈 부가 어그멘테이션을 포함할 수 있다. 전술한 어그멘테이션 기법은 단순한 예시일 뿐이며, 본 발명은 이에 제한되는 것은 아니다.
본 발명의 실시예에 따라 멜 스케일에서 부가하는 방법에 의하면 하드웨어가 데이터를 처리하는 데에 소요되는 시간이 단축될 수 있다.
한편, 전술한 노이즈의 종류에 관한 구체적인 기재는 본 발명의 노이즈 부가 어그멘테이션을 설명하기 위한 단순한 예시일 뿐이며, 본 발명은 이에 제한되는 것은 아니다.
본 발명의 실시예에 따라서, 사용자의 수면과 관련한 사용자 수면 환경 정보를 획득하는 제2 정보 획득 단계(S810)는 사용자 단말(300), 외부서버 또는 네트워크를 통해서 사용자 수면 환경 정보를 획득할 수 있다. 사용자의 수면 환경 정보는 사용자가 위치한 공간에서 획득되는 수면과 관련한 정보를 의미할 수 있다. 수면 환경 정보는, 비접촉식 방법으로 사용자가 위치한 공간에서 획득되는 센싱 정보일 수 있다. 수면 환경 정보는, 레이더를 통해 측정되는 호흡 운동 및 신체 움직임 정보일 수 있다. 수면 환경 정보는, 스마트 워치, 스마트 가전 등에서 획득되는 사용자의 수면에 관련한 정보일 수 있다. 수면 환경 정보는, 광혈류 측정 신호(PhotoPlethysmoGraphy, PPG)를 통해 얻어지는 심박 변이도(Heart Rate Variability, HRV), 심박수(Heart Rate)일 수 있으며, 광혈류 측정 신호는 스마트 워치 및 스마트링에 의해서 측정될 수 있다. 수면 환경 정보는, 뇌파 신호(Electro Encephalo Graphy, EEG)일 수 있다. 수면 환경 정보는 수면 중 측정되는 Actigraphy 신호 일 수 있다. 수면 환경 정보는, 사용자의 정보를 표상하는 라벨링 데이터일 수 있다. 구체적으로, 라벨링 데이터는 사용자의 나이, 질병여부, 신체조건, 인종, 키, 몸무게 및 체질량 지수를 포함할 수 있고, 이는 사용자의 정보를 표상하는 라벨링 데이터의 예시일 뿐 이에 한정되지 않는다. 상술한 수면 환경 정보는 사용자의 수면에 영향을 미칠 수 있는 정보의 예시에 불과하며 이에 한정되지 않는다.
본 발명의 실시예에 따라서, 전처리 된 제1 정보를 딥러닝 모델의 입력으로 하여 수면에 관한 정보를 추론하는 단계(S804)에서는 기 학습된 딥러닝 모델의 입력으로 하여 수면에 관한 정보를 추론할 수 있다.
본 발명의 실시예에 따라서, 수면 음향에 관한 제1정보를 입력으로 하여 수면에 관한 정보를 추론하는 딥러닝 수면 분석 모델은 피처 추출 모델과 피처 분류 모델을 포함할 수 있다.
본 발명의 실시예에 따른 딥러닝 수면 분석 모델 중 피처 추출 모델은, 하나의 스펙트로그램이 입력되어, 하나의 스펙트로그램에 해당하는 수면 상태 정보를 예측하도록 학습되는 One-to-one 프록시 태스크(Proxy task)에 의해서 사전 학습(Pre training)될 수 있다. 본 발명의 실시예에 따른 피처 추출 모델에 CNN 딥러닝 모델을 채용하는 경우에, FC(Fully Connected Layer) 또는 FCN(Fully Connected Neural Network)의 구조를 채택하여 학습을 수행할 수도 있다. 본 발명의 실시예에 따른 피처 추출 모델에 MobileViTV2 딥러닝 모델을 채용하는 경우에는, 중간층(Intermediate Layer)의 구조를 채택하여 학습을 수행할 수도 있다.
본 발명의 실시예에 따른 딥러닝 수면 분석 모델 중 피처 분류 모델은, 복수의 연속된 스펙트로그램이 입력되어, 각각의 스펙트로그램의 수면 상태 정보를 예측하고, 복수의 연속된 스펙트로그램의 시퀀스를 분석하여 시계열적인 수면 상태 정보를 예측 또는 분류하도록 학습될 수 있다.
본 발명의 실시예에 따라서, 데이터 전처리 과정을 거친 제1 정보와 제2 정보를 멀티모달 데이터로 결합하는 단계(S820)은 딥 러닝 모델에 멀티모달 데이터를 입력하기 위하여 데이터를 결합한다.
본 발명의 일 실시예에 따라서, 멀티모달 데이터로 결합하는 방법은 전처리된 제1 정보를 통해 추론된 수면 정보와 전처리된 제2 정보를 통해 추론된 정보를 동일한 형식의 데이터로 결합하는 것일 수 있다.
본 발명의 실시예에 따라서, 멀티모달 데이터 결합으로 수면 상태 정보를 획득하는 단계(S830)은 멀티모달로 얻은 데이터를 결합하여 이를 통해서 사용자의 수면 상태 정보를 결정할 수 있다. 수면 상태 정보는 사용자의 수면의 상태에 관한 정보일 수 있다.
본 발명의 일 실시예에 따라서, 사용자의 수면 상태 정보는 사용자의 수면을 단계로서 표현하는 수면 단계 정보를 포함할 수 있다. 수면의 단계는 NREM(non-REM) 수면, REM(Rapid eye movement) 수면으로 구분될 수 있고, NREM 수면은 다시 복수(예: Light, Deep의 2단계, N1 내지 N4의 4단계)로 구분될 수 있다. 수면 단계의 설정은 일반적인 수면 단계로 정의될 수도 있지만, 설계자에 따라 다양한 수면 단계로 임의 설정될 수도 있다.
본 발명의 일 실시예에 따라서, 사용자의 수면 상태 정보는 사용자의 수면에서 발생하는 수면과 관련한 질환이나 수면 중 행동을 표현하는 수면 이벤트 정보를 포함할 수 있다. 구체적으로, 사용자의 수면 중에서 발생하는 수면 이벤트 정보는 사용자의 수면 질환에 의한 수면 무호흡증 및 저호흡증 정보를 포함할 수 있다. 또한, 구체적으로는, 사용자의 수면 중에서 발생하는 수면 이벤트 정보는 사용자의 코골이 여부, 코골이 지속 시간, 잠꼬대 여부, 잠꼬대 지속 시간, 뒤척임 여부 및 뒤척임 지속 시간을 포함할 수 있다. 서술된 사용자의 수면 이벤트 정보는 사용자의 수면 중에 발생하는 사건을 표현하기 위한 예시에 불과하며, 이에 한정되지 않는다.
본 발명의
실시예에
따른 실시간 수면 분석
본 발명의 실시예에 따른, 음향 정보를 기반으로 한 수면 상태 정보의 분석으로는 수면 이벤트(예컨대, 무호흡, 저호흡, 코골이, 잠꼬대 등)에 대한 탐지 단계가 포함될 수 있다. 그러나, 수면 음향 패턴의 특성은 시간의 흐름에 걸쳐 반영되는 것이기 때문에, 특정 시점의 짧은 음향 데이터만으로는 파악하기 어려울 수 있다. 따라서, 음향 정보를 모델링 하기 위해서는 음향 정보의 시계열 특성에 기초하여 분석이 수행되어야 한다.
또한, 수면 중 발생하는 수면 이벤트(예컨대, 무호흡, 저호흡, 코골이, 잠꼬대 등)은 수면 이벤트와 관련된 다양한 특징들을 가지고 있다. 예를 들어, 무호흡 이벤트 동안에는 소리가 없지만, 무호흡 이벤트가 끝나면 공기가 다시 통과하면서 큰 소리가 발생할 수 있고, 무호흡 이벤트의 특징을 시계열적으로 학습하여 수면 이벤트를 탐지할 수 있다.
실시간 수면 이벤트 탐지를 위한 딥
뉴럴 네트워크의
차이점
본 발명의 실시예에 따른, 수면 중 발생하는 수면 이벤트를 탐지하기 위해서, 상술한 수면 단계를 분석하기 위한 딥 뉴럴 네트워크 구조를 변경하여 사용할 수 있다. 구체적으로, 수면 단계 분석은 수면 음향에 대한 시계열적인 학습이 필요하지만, 수면 이벤트 탐지는 평균적으로 10초에서 60초사이에 발생하므로, 30초를 단위로 하는 1 에폭(epoch) 또는 2 에폭(epoch)을 정확하게 탐지하는 것으로 충분하다. 따라서, 본 발명의 일 실시예에 따른 수면 단계를 분석하기 위한 딥 뉴럴 네트워크 구조는 수면 단계 분석을 위한 딥 뉴럴 네트워크 구조의 입력량과 출력량을 감소시킬 수 있다. 예를 들어, 수면 단계를 분석하기 위한 딥 뉴럴 네트워크 구조는 40개의 멜 스펙트로그램을 처리하여 20 에폭의 수면 단계를 출력한다면, 수면 이벤트를 탐지하기 위한 딥 뉴럴 네트워크 구조는 14개의 멜 스펙트로그램을 처리하여 10 에폭의 수면 이벤트 레이블을 출력할 수 있다. 여기에서, 수면 이벤트 레이블은 이벤트 없음, 무호흡, 저호흡, 코골이 있음, 뒤척임 등을 포함할 수 있으나, 여기에 한정되지 않는다.
또한, 본 발명의 실시예에 따른, 수면 중 발생하는 수면 이벤트를 탐지하기 위한 딥 뉴럴 네트워크 구조는 피처 추출 모델과 피처 분류 모델을 포함할 수 있다. 구체적으로, 피처 추출 모델은 각 멜 스펙트로그램에서 발견되는 수면 이벤트의 특징을 추출하고, 피처 분류 모델은 복수의 에폭을 감지하여 수면 이벤트를 포함하는 에폭을 찾아 이웃하는 특징을 분석하여 시계열적으로 수면 이벤트의 유형을 예측하고 분류할 수 있다.
실시간 수면 이벤트 탐지를 위한 클래스 가중치(Class Weights)
본 발명의 일 실시예에 따른, 수면 중 발생하는 수면 이벤트를 탐지하기 위한 방법은 각 수면 이벤트의 클래스 불균형 문제를 해결하기 위해서 클래스 가중치(Class weights)를 부여할 수 있다. 구체적으로, 수면 중 발생하는 수면 이벤트 중 "이벤트 없음"은 전체 수면 길이에 있어서 지배적인 영향을 미칠 수 있어서, 수면 이벤트 학습 효율 저하를 발생시킬 수 있다. 따라서, "이벤트 없음" 보다 높은 가중치를 다른 수면 이벤트에 부여하여, 학습 효율 및 정확성을 향상시킬 수 있다. 예를 들어, 수면 이벤트 클래스가 "이벤트 없음", "무호흡", "저호흡" 3가지로 분류되는 경우, "이벤트 없음"이 학습에 미치는 영향을 감소시키기 위해서, "이벤트 없음"에는 1.0, "무호흡"에는 1.3, "저호흡"에는 2.1의 가중치를 부여할 수 있다.
실시간 수면 이벤트 탐지를 위한
컨시스턴시
트레이닝
그리고, 도 45는 본 발명의 일실시예에 따른 컨시스턴시 트레이닝(Consistency Training)을 설명하기 위한 도면이다. 본 발명의 실시예에 따른, 수면 중 발생하는 수면 이벤트를 탐지하는 단계는 가정 환경 및 소음 환경에서의 수면 중 발생하는 수면 이벤트를 탐지하기 위해서, 상술한 바와 같이 도 45에 도시된 바와 같이 컨시스턴시 트레이닝(Consistency Training)을 활용할 수 있다. 컨시스턴시 트레이닝(Consistency Training)은 반지도학습(Semi-Supervised learning)모델의 하나의 종류로서, 본 발명의 실시예에 따른 Consistency Training은 하나의 데이터에 대하여 노이즈를 의도적으로 부가한 것과, 노이즈를 의도적으로 부가하지 않은 데이터를 가지고 학습을 수행하는 방법일 수 있다.
또한, 본 발명의 실시예에 따른 Consistency Training은 타겟 환경의 노이즈를 이용하여 가상의 수면 환경의 데이터를 생성하여 학습을 수행하는 방법일 수 있다.
본 발명의 실시예에 따라 의도적으로 부가되는 노이즈는 타겟 환경의 노이즈일 수 있는데, 여기서 타겟 환경의 노이즈는 예컨대 수면다원검사 이외의 환경에서 획득된 노이즈일 수 있다. 구체적으로, 수면 이벤트를 탐지하는 데 있어서, 실제 사용자의 환경과 유사하게 하기 위해서 SNR과 소음의 종류를 조절함을 통해서, 다양한 노이즈를 부가할 수 있다. 이를 통해서 다양한 실험실에서 얻어지는 노이즈의 종류와 실제 가정환경에서 발생하는 노이즈에 대해서 수집하고, 학습할 수 있다.
본 발명의 실시예들에 따르면, 편의상, 노이즈를 의도적으로 부가한 데이터를 Corrupted data로 지칭한다. Corrupted data는 바람직하게는 의도적으로 타겟 환경의 노이즈를 부가한 데이터를 의미할 수 있다.
또한, 편의상, 노이즈를 의도적으로 부가하지 않은 데이터를 Clean data로 지칭하기로 한다. 여기서 Clean data에는 의도적으로 노이즈를 부가하지 않았을 뿐, 실질적으로 노이즈가 포함될 수도 있다.
본 발명의 일실시예에 따른 Consistency Training에 이용되는 Clean data는, 특정 환경(바람직하게는, 수면다원검사 환경)에서 획득한 데이터일 수 있고, Corrupted data는 다른 환경 또는 타겟 환경(바람직하게는, 수면다원검사 이외의 환경)에서 획득한 데이터일 수 있다.
본 발명의 일실시예에 따른 Corrupted data는 다른 환경 또는 타겟 환경(바람직하게는, 수면다원검사 이외의 환경)에서 획득한 노이즈를 Clean data에 의도적으로 부가한 데이터일 수 있다.
Consistency Training에서, 동일한 딥러닝 모델에 Clean data와 Corrupted data를 각각 입력한 경우에 각각의 출력이 서로 같아지도록 손실 함수 또는 일관성 손실(consistency loss)을 정의하여, 일관된 예측(consistent prediction)을 도모하도록 학습이 수행될 수 있다.
홈
노이즈
컨시스턴시
트레이닝
본 발명의 일 실시예에 따른, 수면 중 발생하는 수면 이벤트(예컨대, 무호흡, 저호흡, 코골기, 잠꼬대 등) 탐지는 가정환경에서의 일관성 학습(Home Noise Consistency Training)을 포함할 수 있다. 가정환경에서의 일관성 학습은 모델이 집에서의 소음에도 강건하게 동작하도록 만둘 수 있다. 가정환경에서의 일관성 학습은 모델이 소음이 있든 없든 비슷한 예측을 출력하도록 일관성 학습을 진행하여 소음에 강건해질 수 있다.
본 발명의 일 실시예에 따른, 수면 중 발생하는 수면 이벤트 탐지는 가정환경에서의 일관성 학습을 진행할 수 있다. 가정환경에서의 일관성 학습은 일관성 손실함수를 포함할 수 있다. 예를 들어, 일관성 손실(Consistency loss)은 깨끗한 수면 호흡 소리의 예측과 그 소리의 손상된 버전의 예측 사이의 평균 제곱 오차(MSE)로 정의될 수 있다.
본 발명의 일 실시예에 따른, 가정환경에서의 일관성 학습은 손상된 소리를 생성하기 위해, 훈련 소음에서 무작위로 데이터를 샘플링하고, -20에서 5 사이의 무작위 SNR로 깨끗한 수면 호흡 소리에 노이즈를 부가할 수 있다.
본 발명의 일 실시예에 따른, 가정환경에서의 일관성 학습은 입력 시퀀스의 길이가 14 epochs, 총 샘플링된 소음의 길이가 7분 이상이 되도록 학습될 수 있다. 이를 통해, 본 발명에 따른 수면 이벤트를 탐지는 본 발명에 따른 수면 단계 분석에 비해 짧은 시간 내의 정보를 탐지하는 것으로, 수면 이벤트 탐지의 정확도가 상승될 수 있다.
이벤트 탐지로부터
AHI
값 추정을 위한 회귀분석
도 49는 본 발명의 일 실시예에 따른, 수면 중 발생하는 수면 이벤트를 통해 수면 무호흡증 발생 지수인 AHI 분석하기 위해 활용하는 선형회귀분석 함수를 설명하기 위한 도면이다.
본 발명의 일 실시예에 따른, 단위시간(예컨대, 1시간)당 발생하는 호흡 사건의 횟수를 의미하는 AHI 지수는 수면 단계 분석과는 별도로 하나의 수면 단계 분석을 위한 에폭(epoch)의 길이와 독립적으로 분석을 할 수 있다. 구체적으로, 하나의 에폭(epoch)동안 2개 또는 3개의 짧은 수면 이벤트가 포함될 수 있고, 복수의 에폭(epoch)동안 1개의 긴 수면 이벤트가 포함될 수 있다.본 발명의 일실시예에 따른, 수면 중 발생하는 수면 이벤트가 발생한 에폭(epoch)의 개수로부터 실제 이벤트가 발생한 횟수를 추정하기 위하여 회귀분석 함수를 사용할 수 있다. 예컨대, RANSAC(Random Sample Consensus) 회귀 분석 모델을 사용할 수 있다. RANSAC 회귀 분석 모델은 근사 모델(Fitting Model)의 파라미터를 추정하는 방법 중 하나이며, 무작위로 샘플 데이터를 뽑은 다음 최대로 일치하는 모델을 선택하는 방법이다.
멀티 헤드를 통한 멀티 태스크 분석
본 발명의 일 실시예에 따른, 수면 상태를 분석하기 위한 방법은 딥 러닝 모델을 통한 분석을 포함할 수 있다. 본 발명의 일 실시예에 따른 딥 러닝 모델은 멀티 태스크 학습 및/또는 멀티 태스크 분석을 할 수 있다. 구체적으로, 멀티 태스크 학습 및 멀티 태스크 분석은 상술한 본 발명에 따른 실시예들(예컨대, 멀티모달 학습, 실시간 수면 이벤트 분석, 수면 단계 분석 등)에 따른 태스크를 동시에 학습할 수 있다.
본 발명의 일 실시예에 따른, 수면 상태를 분석하기 위한 딥 러닝 모델은 멀티 태스크 학습 및 멀티 태스크 분석을 할 수 있다. 구체적으로, 멀티 태스크 학습 및 분석을 위해서, 딥 러닝 모델은 복수의 헤드를 갖는 구조를 채택할 수 있다. 복수의 헤드 각각은 특정 작업 또는 태스크(예컨대, 멀티모달 학습, 실시간 수면 이벤트 분석, 수면 단계 분석 등)를 각각 담당할 수 있다. 예를 들어, 딥 러닝 모델은 제1 헤드, 제2 헤드 및 제3 헤드로 총 3개의 헤드를 갖는 구조를 가질 수 있고, 제1 헤드는 수면 단계 정보에 대한 추론 및/또는 분류를 수행하고, 제2 헤드는 수면 이벤트 중 수면 무호흡과 저호흡에 대한 탐지 및/또는 분류를 수행하고, 제3 헤드는 수면 이벤트 중 코골이에 대한 탐지 및 분류를 수행할 수 있다. 상술한 헤드의 특정 작업 또는 태스크에 대한 구체적인 기재는 본 발명을 설명하기 위한 예시에 불과할 뿐, 이에 한정되지 않는다. 본 발명에 따른 딥 러닝 모델은 복수의 헤드를 갖는 구조를 통해서 멀티 태스크 학습 및 분석을 진행할 수 있고, 데이터 효율성을 높임으로써 복수의 태스크 또는 특정 작업을 최적화할 수 있다.
본 발명에 따른 수면 분석 방법의 효과
수면다원검사(polysomnography, PSG) 결과와 비교하면, 수면 음향 정보를 입력으로 하는 수면 분석 모델 결과값이 매우 정확하다는 것을 확인할 수 있었다.
기존 수면 분석 모델은 ECG(Electrocardiogram)이나, HRV(Heart Rate Variability)를 입력으로 하여 수면단계를 예측하였으나, 본 발명은 수면 음향 정보를 주파수 도메인으로 변환한 정보, 스펙트로그램, 또는 멜 스펙트로그램으로 변환하여 입력으로 하여 수면단계 분석 및 추론을 진행할 수 있다. 따라서, 수면 음향 정보를 주파수 도메인으로 변환한 정보, 스펙트로그램, 또는 멜 스펙트로그램으로 변환하여 입력으로 하기 때문에 기존 수면 분석 모델과 달리 수면 패턴의 특이성 분석을 통해서 실시간으로 수면 단계를 센싱(sensing) 또는 획득할 수 있다.
도 3a 및 도 3b는 본 발명에 따른 수면 분석 방법의 성능을 검증한 그래프로, 수면다원검사(polysomnography, PSG) 결과(PSG result)와 본 발명에 따른 AI 알고리즘을 이용한 분석 결과(AI result)를 비교한 도면이다.
도 3a에 도시된 바와 같이, 본 발명에 따라 획득된 수면 분석 결과는 수면다원검사와 매우 일치할 뿐만 아니라, 오히려 수면단계(Wake, Light, Deep, REM)와 관련한 더욱 정밀하고도 유의미한 정보를 포함한다. 도 4의 가장 아래에 도시된 힙노그램(hypnogram)은 사용자 수면 음향 정보를 입력받아 수면단계를 예측할 때, 30초 단위로 4개의 클래스(Wake, Light, Deep, REM) 중 어디에 속하는지에 대한 확률을 나타낸다. 여기서 4개의 클래스는 각각 깨어 있는 상태, 가볍게 잠이 든 상태, 깊게 잠이 든 상태, REM 수면 상태를 의미한다.
도 3c는 본 발명에 따른 수면 분석 방법의 성능을 검증한 그래프로, 수면 무호흡증(apnea), 호흡저하(hypopnea)와 관련하여 수면다원검사(polysomnography, PSG) 결과(PSG result)와 본 발명에 따른 AI 알고리즘을 이용한 분석 결과(AI result)를 비교한 도면이다. 도 3c의 가장 아래에 도시된 힙노그램(hypnogram)은 사용자 수면 음향 정보를 입력받아서 수면 질환을 예측할 때, 30초 단위로 2개의 질환(수면 무호흡증, 호흡저하) 중 어디에 속하는지에 대한 확률을 나타낸다. 본 발명에 따른 수면 분석을 이용하면, 도 3c에 도시된 바와 같이, 본 발명에 따라 획득된 수면 상태 정보는 수면다원검사와 매우 일치할 뿐만 아니라, 무호흡증과 호흡저하와 관련한 더욱 정밀한 분석 정보를 포함한다.
본 발명은 사용자의 수면 분석을 실시간으로 분석하면서 수면장애(수면무호흡, 수면과호흡, 수면저호흡)가 발생한 지점을 파악할 수 있다. 수면장애가 발생한 순간 사용자에게 자극(촉각적, 자극 청각적 자극, 후각적 자극 등)을 제공하면, 수면장애가 일시적으로 완화될 수 있다. 즉, 본 발명은 수면장애와 관련한 정확한 이벤트탐지를 바탕으로 사용자의 수면장애를 중단시키고, 수면장애의 빈도를 감소시킬 수 있다. 또한, 본 발명에 따르면 수면 분석을 멀티모달로 수행함으로써 매우 정확한 수면 분석이 가능하다는 효과도 있다.
사용자의 수면에 관한 하나 이상의 데이터 배열 생성 단계
수면에 관한 하나 이상의 사용자의 데이터 배열
본 발명에 있어서, 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 정보에 기초하여 생성될 수 있다. 하나 이상의 데이터 배열은 스칼라 데이터, 벡터 데이터, 행렬 데이터, 텐서 데이터 일 수 있다. 스칼라 데이터는 단일 숫자를 의미하며, 차원이 없는 데이터 일 수 있다. 벡터 데이터는 숫자의 일차원 배열로 표현될 수 있고, 다양한 차원을 표시할 수 있다. 행렬 데이터는 숫자의 이차원 배열로, 행과 열로 구성될 수 있다. 텐서 데이터는 3차원 이상의 배열을 의미하고 깊이, 행 및 열을 포함하도록 구성될 수 있다.
본 발명에 있어서, 사용자의 수면에 관한 하나 이상의 데이터 배열은 콘텐츠를 생성하는 생성형 인공지능에 입력하기 위해서 생성될 수 있다. 사용자의 수면에 관한 하나 이상의 데이터 배열은 습득된 사용자의 수면 정보에 기초하여 생성된다. 사용자의 수면에 관한 하나 이상의 데이터 배열은 습득된 사용자의 수면 정보에 기초하여 룩업테이블에서 생성할 수 있고, 습득된 사용자의 수면 정보를 기 학습된 딥러닝 모델의 입력으로 하여 생성될 수 있고, 습득된 사용자의 수면 정보를 대규모 언어 모델의 입력으로 하여 사용자의 수면에 관한 하나 이상의 데이터 배열을 생성할 수 있다.
또한 본 발명의 일실시예에 따라서, 수면에 관한 사용자의 데이터배열은 사용자의 수면에 연관된 선호 정보, 사용자의 수면 지표 정보 및 사용자의 수면 점수를 포함할 수 있다.
사용자의 수면에 연관된 선호 정보
본 발명의 수면에 관한 사용자의 피처는 사용자의 수면에 연관된 선호 정보에 기초하여 생성될 수 있다.
본 발명의 일 실시예에 따라서, 수면에 연관된 선호 정보는 사용자의 수면의 질 또는 수면 후 감정에 영향을 미치는 요소들의 정보 중 적어도 하나 이상을 포함할 수 있다. 구체적으로, 사용자의 수면 후 감정에 영향을 미치는 요소들의 정보는 수면 환경의 온도, 습도, 소리, 빛, 머리와 몸의 위치, 향기, 공기의 질, 건강기능식, 사용한 화장품 및 호르몬 수치 등을 포함할 수 있다. 예를 들어, 수면 환경의 온도는 수면 환경의 온도에 따라서 수면 후 사용자가 편안함을 느끼는 정도의 변화율을 수치로 표현한 것일 수 있다. 예를 들어, 습도는 수면 환경의 습도에 따라서 수면 후 사용자가 쾌적함을 느끼는 정도의 변화율을 수치로 표현한 것일 수 있다. 예를 들어, 소리는 수면 환경에서의 소음의 정도 및 수면 환경에서의 배경음에 따라서 수면 후 사용자가 편안함을 느끼는 정도의 변화율을 수치로 표현한 것일 수 있다. 예를 들어, 빛은 수면 환경의 광량, 광온도, 빛의 패턴에 따라서 사용자가 수면 후 편안함을 느끼는 정도의 변화율을 수치로 표현한 것일 수 있다. 예를 들어, 빛은 수면 환경의 광량, 광온도, 빛의 패턴에 따라서 사용자가 수면 후 개운함을 느끼는 정도의 변화율을 수치로 표현한 것일 수 있다. 예를 들어, 머리와 몸의 위치는 사용자의 수면 중 머리와 몸의 무게중심이 이루는 각도가 10도, 15도, 20도 및 30도 일 때 수면에 대해서 사용자가 느끼는 편안함의 변화율을 수치로 표현할 것일 수 있고, 상술된 각도는 단순한 예시일 뿐 이에 한정되지 않는다. 예를 들어, 향기는 수면 환경의 향기에 따라서 수면 후 사용자가 편안함을 느끼는 정도의 변화율을 수치로 표현한 것일 수 있다. 예를 들어, 공기의 질은 수면 환경에서 공기의 습도, 오염의 정도, 미세먼지의 농도 등에 의해서 수면 후 사용자가 편안함을 느끼는 정도의 변화율을 수치로 표현한 것일 수 있다. 예를 들어, 건강기능식 제품은 수면 전 사용자가 건강기능식을 복용한 후 입면한 경우 수면 후 사용자가 쾌적함을 느끼는 정도의 변화율을 수치로 표현한 것일 수 있다. 예를 들어, 화장품은 수면 전 사용자가 화장품을 사용한 후 입면한 경우 수면 후 사용자가 편안함을 느끼는 정도의 변화율을 수치로 표현한 것일 수 있다. 예를 들어, 호르몬은 수면 전후 사용자의 체내 특정 호르몬 수치(예컨대, 멜라토닌, 코르티솔, 테스토스테론 등)에 따른 수면 후 사용자가 개운함을 느끼는 정도의 변화율을 수치로 표현한 것일 수 있다.
본 발명의 일 실시예에서, 수면에 연관된 선호 정보는 사용자에 수면 후 수면에 대한 평가 점수에 영향을 미치는 요소들의 정보일 수 있다. 사용자에 수면 후 수면에 대한 평가 점수는, 사용자의 수면 경험에 기초하여 생성될 수 있고, 객관적인 평가 점수 및 주관적인 평가 점수의 연산으로 계산될 수 있다.
본 발명의 일 실시예에서, 수면에 연관된 선호 정보는 사용자의 수면 후 수면에 대한 평가 점수에 영향을 미치는 요소들의 정보일 수 있다. 구체적으로, 사용자의 수면 후 수면에 대한 평가 점수에 미치는 요소들은 침구, 향기 제품 및 건강기능식 중 어느 하나 이상의 제품 조합을 이용한 경우, 제품을 사용한 경우 수면의 평가 점수가 어떻게 개선되었는지에 대한 정보일 수 있다.
사용자의 수면 지표 정보
본 발명에 따른 상기 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 구체적으로, 사용자의 수면 지표 정보는 전체 수면에 대한 지표 정보, 깸 패턴에 대한 지표 정보, 렘 수면에 대한 지표 정보, 딥 수면에 대한 지표 정보 및 수면 분석에 대한 지표 정보가 포함될 수 있고 이에 한정되지 않는다. 구체적으로, 수면 지표 정보는 수면 무호흡 지수, 깊은 수면 비율, 깊은 수면 중 수면 전반기 비중, 수면 초반 깊은 수면 비율, 수면 초반 깸 비율, 수면 중 각성 횟수, REM 수면 비율, 수면 사이클 기울기, REM 수면 지연 시간, 입면 지연 시간, 전체 수면 시간, 수면 사이클 개수, 가장 긴 수면 분절 시간, 수면 사이클 주기 및 수면 효율 중 하나 이상을 포함할 수 있고, 이에 한정되지 않는다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 전체 수면에 대한 지표 정보일 수 있다. 구체적으로, 전체 수면에 대한 지표 정보는 전체 수면의 시간에 대한 지표일 수 있다. 예를 들어, 사용자의 전체 수면의 시간이 191분인 경우, 전체 수면의 시간에 대한 지표는 문장으로 "수면 전체 시간이 191분으로 매우 짧습니다. 정상범위인 420분에서 540분에 미치지 않습니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 전체 수면에 대한 지표 정보일 수 있다. 구체적으로, 전체 수면에 대한 지표 정보는 전체 수면의 입면 지연 시간에 대한 지표일 수 있다. 예를 들어, 사용자의 전체 수면의 입면 지연 시간이 20분인 경우, 전체 수면의 입면 지연 시간에 대한 지표는 문장으로 "수면 시작까지 걸린 시간은 20분으로 정상 범위 내에 있습니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 전체 수면에 대한 지표 정보일 수 있다. 구체적으로, 전체 수면에 대한 지표 정보는 전체 수면 후 측정 종료 시간에 대한 지표일 수 있다. 예를 들어, 사용자의 전체 수면 후 측정 종료 시간이 7분인 경우, 전체 수면 후 측정 종료 시간에 대한 지표는 문장으로 "기상 후 측정 종료 시간이 7분으로 매우 짧습니다. 15분 이내가 적절합니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 전체 수면에 대한 지표 정보일 수 있다. 구체적으로, 전체 수면에 대한 지표 정보는 전체 수면 중 얕은 잠의 비율에 대한 지표일 수 있다. 예를 들어, 사용자의 전체 수면 중 얕은 잠의 비율이 0.32인 경우, 전체 수면 중 얕은 잠의 비율에 대한 지표는 문장으로 "얕은 잠 수면 비율이 32%로 정삼 범위 내에 있습니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 깸 패턴에 대한 지표 정보일 수 있다. 구체적으로, 깸 패턴에 대한 지표 정보는 전체 수면 중 깸 상태의 총 시간에 대한 지표일 수 있다. 예를 들어, 사용자의 전체 수면 중 깸 상태의 총 시간이 219분 인 경우, 전체 수면 중 깸 상태의 총 시간에 대한 지표는 문장으로 "수면 중 깨어있는 시간이 219분으로 매우 깁니다. 30분 이하가 이상적입니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 깸 패턴에 대한 지표 정보일 수 있다. 구체적으로, 깸 패턴에 대한 지표 정보는 수면 효율 지표일 수 있다. 예를 들어, 사용자의 수면 효율이 0.50인 경우, 수면 효율 지표는 문장으로 "수면 효율이 50%로 매우 낮습니다. 90% 이상이 이상적입니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 깸 패턴에 대한 지표 정보일 수 있다. 구체적으로, 깸 패턴에 대한 지표 정보는 WASO(Wake After Sleep Onset) 패턴 지표일 수 있다. 예를 들어, WASO 패턴이 0.28인 경우, WASO 패턴 지표는 문장으로 "WASO 패턴이 28%로 너무 높습니다. 수면 분절이 심각합니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 렘 수면에 대한 지표 정보일 수 있다. 구체적으로, 렘 수면에 대한 지표 정보는 렘 수면의 수면 후 최초 등장 시간까지의 지연 시간 지표일 수 있다. 예를 들어, 렘 수면이 수면 후 최초 등장까지 74분이 걸린 경우, 렘 수면의 수면 후 최초 등장 시간까지의 지연 시간 지표는 문장으로 "첫 렘 수면이 잠든 이후 74분이 지나서 나타납니다. 이는 정상 범위 내에 있지만 길어서 좋지 않습니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 렘 수면에 대한 지표 정보일 수 있다. 구체적으로, 렘 수면에 대한 지표 정보는 전체 수면 중 렘 수면의 비율 지표일 수 있다. 예를 들어, 렘 수면에 대한 지표 정보는 전체 수면 중 렘 수면의 비율이 0.18인 경우, 렘 수면에 대한 지표 정보는 전체 수면 중 렘 수면의 비율 지표는 문장으로 "렘 수면 비율이 18%로 정상 범위 내에 있습니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 렘 수면에 대한 지표 정보일 수 있다. 구체적으로, 렘 수면에 대한 지표 정보는 총 수면 중 렘 사이클 반복 횟수 지표일 수 있다. 예를 들어, 총 수면 중 렘 사이클 반복 횟수가 3회인 경우, 총 수면 중 렘 사이클 반복 횟수 지표는 문장으로 "렘 사이클의 개수는 3개로 정상 범위 내에 있습니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 렘 수면에 대한 지표 정보일 수 있다. 구체적으로, 렘 수면에 대한 지표 정보는 총 수면 중 렘 사이클 반복시 렘 수면 길이의 변화율 지표일 수 있다. 예를 들어, 총 수면 중 렘 사이클 반복시 렘 수면 길이의 변화율이 6.5인 경우, 총 수면 중 렘 사이클 반복시 렘 수면 길이의 변화율 지표는 문장으로 "렘 사이클 변화율이 6.5로 매우 높습니다. 렘 수면이 점점 짧아지는 것이 좋습니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 렘 수면에 대한 지표 정보일 수 있다. 구체적으로, 렘 수면에 대한 지표 정보는 총 수면 중 전반기 렘 수면의 비율 지표일 수 있다. 예를 들어, 전반기 렘 수면의 비율이 0.28인 경우, 전반기 렘 수면의 비율 지표는 문장으로 "전반기 렘 수면 비율이 28%로 정상 범위 내에 있습니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 딥 수면에 대한 지표 정보일 수 있다. 구체적으로, 딥 수면에 대한 지표 정보는 딥 수면의 수면 후 최초 등장 시간까지의 지연 시간 지표일 수 있다. 예를 들어, 딥 수면이 수면 후 최초 등장까지 -0.5분이 걸린 경우, 딥 수면의 수면 후 최초 등장 시간까지의 지연 시간 지표는 문장으로 "딥 수면 시작까지 걸린 시간이 음수이므로 딥 수면이 전혀 없었음을 의미합니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 딥 수면에 대한 지표 정보일 수 있다. 구체적으로, 딥 수면에 대한 지표 정보는 전체 수면 중 딥 수면의 비율 지표일 수 있다. 예를 들어, 딥 수면에 대한 지표 정보는 전체 수면 중 딥 수면의 비율이 0인 경우, 딥 수면에 대한 지표 정보는 전체 수면 중 딥 수면의 비율 지표는 문장으로 "딥 수면 비율이 0%입니다. 딥 수면이 전혀 없었습니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 딥 수면에 대한 지표 정보일 수 있다. 구체적으로, 딥 수면에 대한 지표 정보는 총 수면 중 딥 사이클 반복 횟수 지표일 수 있다. 예를 들어, 총 수면 중 딥 사이클 반복 횟수가 -1회인 경우, 총 수면 중 딥 사이클 반복 횟수 지표는 문장으로 "딥 사이클의 개수는 -1개로 매우 이상합니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 딥 수면에 대한 지표 정보일 수 있다. 구체적으로, 딥 수면에 대한 지표 정보는 총 수면 중 딥 사이클 반복시 딥 수면 길이의 변화율 지표일 수 있다. 예를 들어, 총 수면 중 딥 사이클 반복시 딥 수면 길이의 변화율이 -1인 경우, 총 수면 중 딥 사이클 반복시 딥 수면 길이의 변화율 지표는 문장으로 "딥 사이클 변화율이 -1로 매우 이상합니다."로 표기 될 수 있다.
본 발명의 일 실시예에 따른 사용자의 수면에 관한 하나 이상의 데이터 배열은 사용자의 수면 지표 정보에 기초하여 생성될 수 있다. 사용자의 수면 지표 정보는 딥 수면에 대한 지표 정보일 수 있다. 구체적으로, 딥 수면에 대한 지표 정보는 총 수면 중 전반기 딥 수면의 비율 지표일 수 있다. 예를 들어, 전반기 딥 수면의 비율이 -1인 경우, 전반기 딥 수면의 비율 지표는 문장으로 "전반기 딥 수면 비율이 -100%로 매우 이상합니다."로 표기 될 수 있다.
상술된 사용자의 수면 지표 정보는 본 발명에 따른 일 실시예이고, 이에 한정되지 아니한다.
사용자의
비수치적
수면 평가와 수면 점수
본 발명에 따른 사용자의 수면에 대한 평가는 사용자의 비수치적인 평가와 수치적인 평가를 나타내는 수면 점수를 포함할 수 있으나, 이에 한정되지 않는다.
도 17a는 본 발명의 일 실시예에 따른 사용자의 수면에 관한 비수치적인 평가를 설명하기 위한 도면이다.
도 17a는 사용자의 수면에 관한 비수치적인 평가를 설명하기 위한 도면이다. 도 17a에서 도시된 본 발명의 일 실시예에서, 사용자의 수면에 관한 비수치적인 평가를 나타내는 주관적 사용자의 점수는 사용자의 수면에 관한 평가 중 주목성이 높은 텍스트인 제1 수면 문구, 사용자의 수면에 관한 평가를 구성하는 텍스트인 제2 수면 문구를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 예를 들어, 제1 수면 문구는 사용자의 수면에 관하여 사용자의 수면이 부족하다는 평가를 내려야 하는 경우 "더 잤으면 좋을 잠", "감질 나는 잠" 등 주목성이 높은 텍스트 일 수 있다. 제1 수면 문구는 룩업테이블에 의해 생성된 텍스트 일 수 있으나, 이에 한정되지 않는다. 제1 수면 문구는 대규모 언어 모델을 통해 생성된 텍스트 일 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 예를 들어, 제2 수면 문구는 사용자의 수면에 관하여 사용자의 수면이 부족한 경우 "요즘 많이 바쁘신가봐요. 오늘 밤에는 잠을 보충하면 어떨까요?", "수면이 부족해요. 오늘은 휴식하며 잠을 보충하면 어떨까요?" 등 사용자의 수면에 대한 평가를 구성하는 텍스트 일 수 있다. 제2 수면 문구은 룩업테이블에 의해 생성된 텍스트 일 수 있으나, 이에 한정되지 않는다. 제2 수면 문구는 대규모 언어 모델을 통해서 생성된 텍스트 일 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따른 도 17a에 도시된 바와 같이, 사용자의 수면에 관한 비수치적인 평가는 사용자의 수면에 관한 평가에 기초한 조언 텍스트인 제3 수면 문구와 사용자의 수면 정보에 기초하여 사용자의 수면 기간 내 수면 단계에 대한 그래프인 사용자 수면 그래프을 포함할 수 있다.
본 발명의 일 실시예에 따르면, 예를 들어, 제3 수면 문구는 사용자의 수면에 관하여 렘 수면의 비율에 관한 조언을 하기 위해서 "창의력을 키우려면 REM 수면을 활용하라는 말이 있어요." 등 수면과 관련된 조언 텍스트 일 수 있다. 제3 수면 문구는 룩업테이블에 의해 생성된 텍스트 일 수 있으나, 이에 한정되지 않는다. 제3 수면 문구는 대규모 언어 모델을 통해 생성된 텍스트 일 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 예를 들어, 사용자 수면 그래프는 사용자의 수면 정보에 기초하여 사용자의 수면 동안의 수면 단계를 나타내는 힙노그램의 형식일 수 있다. 도11에 개시된 바와 같이, 수면 단계는 렘수면, 깸, 일반잠, 깊은잠 4단계일 수 있다.
사용자의 수면에 관한 수치적인 평가 점수
도 17b는 사용자의 수면에 관한 수치적인 평가인 수면 점수를 설명하기 위한 도면이다. 도 17b에 도시된 바와 같이, 사용자의 수면에 관한 수치적인 평가인 수면 점수는 하나 이상의 그래픽 유저 인터페이스(301)를 통해서 사용자에게 제공될 수 있다. 또한, 사용자의 수면에 관한 수치적인 평가인 수면 점수는 수면에 대한 종합점수(64)와 수면 단계에 대한 수치적인 평가(65)을 포함할 수 있고, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 사용자의 수면에 관한 수치적인 평가는 주관적 객관적 수면 점수(Objective Sleep Score)와 주관적 수면 점수(Subjective Sleep Score)의 계산을 통해서 구해질 수 있다.
본 발명의 일 실시예에 따르면, 사용자의 수면에 관한 수치적인 평가를 나타내는 방법은 사용자의 수면에 영향을 미치는 요소 별 가중치를 고려하여 객관적 수면 점수(Objective Sleep Score)와 주관적 수면 점수(Subjective Sleep Score)수식으로 계산되어 점수로 표현 될 수 있다. 예를 들어, 사용자의 수면에 관한 수치적인 평가를 나타내는 점수는 객관적 수면 점수(Objective Sleep Score)와 주관적 수면 점수(Subjective Sleep Score)가 수면에 영향을 미치는 비율이 같다고 평가되는 경우 객관적 수면 점수와 주관적 수면 점수의 평균으로 계산될 수 있다. 예를 들어, 사용자의 수면에 관한 수치적인 평가를 나타내는 점수는 객관적 수면 점수(Objective Sleep Score)와 주관적 수면 점수(Subjective Sleep Score)가 수면에 영향을 미치는 비율이 다르다고 평가되는 경우 객관적 수면 점수와 주관적 수면 점수의 평균으로 계산될 수 있다. 구체적으로, 주관적 수면 점수의 중요도가 70%이고, 객관적 수면 점수의 중요도가 30%라고 판단되는 경우 주관적 수면 점수에 0.7을 곱한 값과 객관적 수면 점수의 중요도가 0.3을 곱한 값을 더함으로써, 수면에 관한 수치적인 평가를 구할 수 있다.
본 발명의 일 실시예에 따른 객관적 수면 점수는 100점을 최고점으로 하는 수식으로 계산될 수 있다. 수식에는 수면 효율점수, 전체 수면 시간 점수 및 잠이 들기 위해 걸린 시간(입면시간) 점수 및 깸 단계 탐지 횟수 점수가 포함될 수 있다.
본 발명의 일 실시예에 따른 객관적 수면 점수는 100점을 최고점으로하는 수면 효율점수가 포함될 수 있다. 수면 효율 점수 e 는 다음 [수식1]과 같이 표현될 수 있다.
[수식1]
전체 수면 시간(TOTAL SLEEP TIME)은 어플리케이션이 구동 혹은 수면 측정을 시작하는 시점부터 수면 측정을 종료한 시점까지의 시간이다. 수면 측정을 시작하기 위한 방법은 어플리케이션이 사용자의 수면을 탐지하여 측정하는 방법, 사용자가 직접 수면 측정 어플을 구동하는 방법을 포함할 수 있으나, 이에 한정되지 않는다. 수면 측정을 종료 하기 위한 방법은, 어플리케이션이 사용자의 수면 종료를 탐지하여 종료하는 방법, 사용자가 직접 수면 종료 후 측정을 종료하는 방법을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따른 객관적 수면 점수는 100점을 최고점으로하는 전체 수면 시간 점수(TOTAL SLEEP TIME, TOT)가 포함될 수 있다. 전체 수면 시간 점수(TOT)는 사용자의 전체 수면 시간이 420분 이상 540분 이상인 경우, 100점을 부여하고, 사용자의 전체 수면시간이 420분 미만인 경우, 의 식에 전체 수면시간 t를 대입한 값을 점수로 부여하고, 사용자의 전체 수면 시간이 540분 초과인 경우, 값에 100을 곱한 값을 점수로 부여하고, 만약 전체 수면 시간이 540분 초과이고 위의 식의 값이 0 이하인 경우에는 0점을 부여한다.
본 발명의 일 실시예에 따른 객관적 수면 점수는 100점을 최고점으로 하는, 잠이 들기 까지 걸린 시간(입면시간) 점수(SLEEP ONSET LATENCY, SOL)가 포함될 수 있다. 잠이 들기 위해 걸린시간(입면시간) 점수는 입면시간이 15분 미만인 경우 100점을 부여하고, 입면시간이 15분 초과 60분 미만이면 60분에서 입면시간을 뺀 값을 45분으로 나눈 값에 100을 곱한 값을 점수로 부여하고, 입면시간이 60분을 초과하면 0점을 부여한다.
본 발명의 일 실시예에 따른 객관적 수면 점수는 깸 단계 탐지 횟수에 따라서 감점을 진행하기 위한 깸 단계 횟수 점수(AWAKE)가 포함될 수 있다. 수면에 관한 수치적인 평가 점수는 깸 단계가 1번 이하로 탐지되면 0점을 감점하고, 깸 단계가 2번 이상 3번 이하로 탐지되면 5점을 감점하고, 깸 단계가 4번 이상 탐지되면 탐지된 깸 단계의 횟수에 6을 더한 값을 감점한다.
본 발명의 일 실시예에 따른 객관적 수면 점수는 100점을 최고점으로 하는 수식으로 계산될 수 있다. 예를 들어, 최고점이 100점인 수면 효율 점수, 최고점이 100점인 전체 수면 시간 점수 및 최고점이 100점인 잠이 들기 위해 걸린 시간(입면시간) 점수의 각각의 총합의 평균을 최고점이 100점인 수면에 관한 수치적인 평가로 나타낼 수 있고, 수면에 관한 수치적인 평가 점수는 깸 단계 탐지 횟수에 따라 감점 될 수 있고 이는 아래의 [수식2]로 표현될 수 있다.
[수식2]
구체적으로, 수면 효율 점수 e는 으로 계산될 수 있다. 구체적으로, 전체 수면 시간 점수(TOT)는 사용자의 전체 수면 시간이 420분 이상 540분 이상인 경우, 100점을 부여하고, 사용자의 전체 수면시간이 420분 미만인 경우, 의 식에 전체 수면시간 t를 대입한 값을 점수로 부여하고, 사용자의 전체 수면 시간이 540분 초과인 경우, 값에 100을 곱한 값을 점수로 부여하고, 만약 전체 수면 시간이 540분 초과이고 위의 식의 값이 0 이하인 경우에는 0점을 부여한다. 예를 들면, 잠이 들기 위해 걸린시간(입면시간) 점수는 입면시간이 15분 미만인 경우 100점을 부여하고, 입면시간이 15분 초과 60분 미만이면 60분에서 입면시간을 뺀 값을 45분으로 나눈 값에 100을 곱한 값을 점수로 부여하고, 입면시간이 60분을 초과하면 0점을 부여한다. 구체적으로, 수면에 관한 수치적인 평가 점수는 깸 단계가 1번 이하로 탐지되면 0점을 감점하고, 깸 단계가 2번 이상 3번 이하로 탐지되면 5점을 감점하고, 깸 단계가 4번 이상 탐지되면 탐지된 깸 단계의 횟수에 6을 더한 값을 감점한다.
본 발명의 일실시예에 따른 수면에 관한 주관적 수면 점수는 사용자의 주관적인 수면에 대한 평가를 기초로 하여 계산 될 수 있다. 예를 들어, 100점을 최고점으로 하는 수면에 관한 수식을 통해 계산될 수 있다. 예를 들어, 사용자가 주관적으로 수면에 대한 키워드 또는 평가를 선택하고, 선택에 따른 점수를 부여하여 계산될 수 있다. 예를 들어, 사용자의 수면에 대한 주관적 평가가 작성되면 이를 자연어처리기반의 딥러닝을 통해서 점수를 계산할 수 있다. 예를 들어, 사용자의 수면에 대한 주관적 평가를 룩업테이블에서 제공하고, 사용자가 주관적 평가를 선택하는 경우 룩업테이블에 기초하여 점수를 계산할 수 있다. 상술한 사용자의 수면에 관한 주관적 수면 점수는 사용자가 주관적으로 수면에 대한 어떤 평가를 내리는지를 설명하기 위한 예시일 뿐, 이에 한정되지 않는다.
본 발명에 일 실시예에 따른, 수면에 관한 수치적인 평가는 수면에 관한 키워드와 수면에 관한 리커트 척도에 기초하여 계산될 수 있다. 구체적으로, 수면에 관한 키워드는 정신적 상태, 신체적 상태 및 감정적 상태에 대한 좋은 키워드와 나쁜 키워드 일 수 있고, 수면에 관한 리커트 척도는 5단계 리커트 척도로, GREAT, GOOD, SO-SO, BAD, AWFUL일 수 있다.
본 발명의 일 실시예에 따른 주관적 수면 점수는 85점을 최고점으로 하고 15점을 최저점으로 하는 수면에 관한 리커트 척도(Likert Scale) 점수와 15점을 최고점으로 하고, 최저점은 -15점으로하는 키워드 점수의 합을 통해 100점을 최고점으로 하는 수식으로 계산될 수 있다. 예를 들어, 리커트 척도 점수는 유저가 리커트 척도에 GREAT로 응답하는 경우 85점을 부여하고, GOOD으로 응답하는 경우 67.5점을 부여하고, SO-SO로 응답하는 경우 50점을 부여하고, BAD로 응답하는 경우 32.5점을 부여하며, AWFUL로 응답하는 경우 15점을 부여한다. 예를 들어, 키워드 점수는 유저가 수면에 관한 키워드를 선택하지 않는 경우에 0점을 부여한다. 예를 들어, 키워드 점수는 정신적 상태의 좋은 키워드(Alert)를 선택하는 경우에 5점을 부여하고, 나쁜 키워드(DROWSY)를 선택하는 경우에 -5점을 부여한다. 예를 들어, 키워드 점수는 신체적 상태의 좋은 키워드(REFRESHED)를 선택하는 경우에 5점을 부여하고, 나쁜 키워드(EXHAUSTED)를 선택하는 경우에 -5점을 부여한다. 예를 들어, 키워드 점수는 감정적 상태의 좋은 키워드(PLEASANT)를 선택하는 경우에 5점을 부여하고, 나쁜 키워드(UNPLEASANT)를 선택하는 경우에 -5점을 부여한다.
본 발명의 일 실시예에 따르면, 수면 점수는 100점을 최고점으로 하는 수면의 종합 점수로서 수면에 대한 수치적인 평가를 제공할 수 있다. 수면 스코어는 기 설정된 수면 스코어 산정 공식에 의해 평가될 수 있다. 예를 들어, 수면 단계(예컨대, 렘수면, 깊은잠, 얕은잠, 깸 등)마다 대응되는 점수를 부여하고, 기 설정된 수면 스코어 산정 공식에 대입하여 최종 점수를 얻을 수 있고, 최종 점수를 득점 가능한 최고점수로 나누어 100을 곱한 값이 수면 종합 점수가 될 수 있다. 수면 스코어를 점수로서 평가를 제공함으로써, 수면에 대하여 직관적인 평가를 제공할 수 있다.
콘텐츠 생성형 인공지능 입력
본 발명에 있어서, 콘텐츠 생성형 인공지능은 사용자의 수면에 관한 하나 이상의 데이터 배열에 기초하여 콘텐츠를 생성할 수 있다. 콘텐츠 생성형 인공지능은 대규모 언어 모델(Large Language Model), Diffusion 모델 및 GAN모델 기반의 생성형 인공지능 일 수 있으나, 이에 한정되지 않는다.
키워드 생성 및 사용자의 수면에 관한 하나 이상의 데이터 배열의 해석방법 입력
본 발명에 따른, 사용자의 수면에 관한 하나 이상의 데이터 배열을 콘텐츠 생성형 인공지능에 입력하는 단계는, 생성된 사용자의 수면에 관한 하나 이상의 데이터 배열을 콘텐츠 생성형 인공지능에 입력하기 위하여 데이터 배열을 가공할 수 있다.
본 발명의 일 실시예에 따른, 사용자의 수면에 관한 하나 이상의 데이터 배열을 콘텐츠 생성형 인공지능에 입력하기 위해서, 생성된 사용자의 수면에 관한 하나 이상의 데이터 배열을 가공할 수 있다. 구체적으로, 사용자의 수면에 관한 하나 이상의 데이터 배열에 기초하여 사용자의 수면에 관한 하나 이상의 키워드를 생성할 수 있다. 예를 들어, 사용자의 수면에 관한 하나 이상의 데이터 배열을 대규모 언어 모델(Large language Model)의 입력으로 하여 키워드를 생성할 수 있다. 예를 들어, 사용자의 수면에 관한 하나 이상의 데이터 배열을 룩업 테이블에 기초하여 키워드를 선정할 수 있다.
또한, 본 발명의 일 실시예에 따른, 사용자의 수면에 관한 하나 이상의 데이터 배열을 콘텐츠 생성형 인공지능에 입력하기 위해서, 생성된 사용자의 수면에 관한 하나 이상의 데이터 배열을 해석하는 방법을 사용자의 수면에 관한 하나 이상의 데이터 배열을 먼저 콘텐츠 생성형 인공지능에 입력할 수 있다. 사용자의 수면에 관한 하나 이상의 데이터 배열을 해석하는 방법은 사용자의 수면 지표를 해석하는 방법일 수 있다. 구체적으로, 사용자의 수면 지표는 전체 수면 지표, 깸 패턴 지표, 램 수면 지표 및 딥 수면 지표를 포함할 수 있으며, 이를 해석하는 방법일 수 있다.
본 발명의 일 실시예에 따른, 사용자의 수면에 관한 하나 이상의 데이터 배열을 해석하는 방법은 사용자의 수면 지표를 해석하는 방법일 수 있다. 구체적으로, 사용자의 수면 지표를 해석하는 방법은 전체 수면 지표를 해석하는 방법일 수 있다. 예를 들어, 전체 수면 지표는 전체 수면의 시간에 대한 지표, 전체 수면의 입면 지연 시간에 대한 지표, 전체 수면 후 측정 종료 시간에 대한 지표 및 전체 수면 중 얕은 잠의 비율에 대한 지표를 포함할 수 있고, 전체 수면 지표를 해석하는 방법은 "1)전체 수면의 시간은 전체 수면시간을 의미합니다. 420분에서 540분 사이가 정상입니다. 2) 전체 수면의 입면 지연 시간은 언제 잠에 들었는지를 의미합니다. 값이 음수라면 잠에 들지 않았음을 뜻하며 이는 매우 심각한 문제가 있음을 의미합니다. 3) 전체 수면 후 측정 종료 시간은 기상 후 수면 측정 종료 시간이 얼마나 긴지를 의미합니다. 4) 전체 수면 중 얕은 잠의 비율은 얕은 잠의 비율을 의미하며 정상 수면은 50%내외입니다."로 콘텐츠 생성형 인공지능에 입력될 수 있다.
본 발명의 일 실시예에 따른, 사용자의 수면에 관한 하나 이상의 데이터 배열을 해석하는 방법은 사용자의 수면 지표를 해석하는 방법일 수 있다. 구체적으로, 사용자의 수면 지표를 해석하는 방법은 깸 패턴 지표를 해석하는 방법일 수 있다. 예를 들어, 깸 패턴 지표는 전체 수면 중 깸 상태의 총 시간에 대한 지표, 수면 효율 지표 및 WASO(Wake After Sleep Onset) 패턴 지표를 포함할 수 있고, 깸 패턴 지표를 해석하는 방법은 "1)깸 상태의 총 시간은 전체 깨어있는 시간을 의미합니다. 전체 수면시간에 가까울수록 문제가 있습니다. 2) 수면 효율은 이것은 수면 중 얼마나 깨어나지 않았는지 의미합니다. 3) WASO pattern은 일정 이상이면 수면이 분절되어 있음을 의미합니다."로 콘텐츠 생성형 인공지능에 입력될 수 있다.
본 발명의 일 실시예에 따른, 사용자의 수면에 관한 하나 이상의 데이터 배열을 해석하는 방법은 사용자의 수면 지표를 해석하는 방법일 수 있다. 구체적으로, 사용자의 수면 지표를 해석하는 방법은 렘 수면에 대한 지표 정보를 해석하는 방법일 수 있다. 예를 들어, 렘 수면에 대한 지표는 렘 수면의 수면 후 최초 등장 시간까지의 지연 시간 지표, 전체 수면 중 렘 수면의 비율 지표, 총 수면 중 렘 사이클 반복 횟수 지표, 총 수면 중 렘 사이클 반복시 렘 수면 길이의 변화율 지표 및 총 수면 중 전반기 렘 수면의 비율 지표를 포함할 수 있고, 램 수면 지표를 해석하는 방법은 "1)렘 수면의 수면 후 최초 등장 시간까지의 지연 시간 지표는 언제 첫 렘수면이 있었는지를 의미하고, 긴 수치일수록 나쁩니다. 2) 전체 수면 중 렘 수면의 비율 지표는 렘 수면의 비율을 의미하며, 정상 수면의 경우 20%내외입니다. 3) 총 수면 중 렘 사이클 반복 횟수 지표는 렘 사이클의 개수를 의미합니다. 일반적으로는 5개 내외여야 합니다. 4) 총 수면 중 렘 사이클 반복시 렘 수면 길이의 변화율 지표는 렘 사이클이 점점 짧아지는 지를 의미합니다. 양수면 점점 길어짐을 뜻합니다. 5) 총 수면 중 전반기 렘 수면의 비율 지표는 렘 수면은 수면 후반부에 주로 나와야하므로 이 값은 50% 이하 이여야 정상입니다."로 콘텐츠 생성형 인공지능에 입력될 수 있다.
본 발명의 일 실시예에 따른, 사용자의 수면에 관한 하나 이상의 데이터 배열을 해석하는 방법은 사용자의 수면 지표를 해석하는 방법일 수 있다. 구체적으로, 사용자의 수면 지표를 해석하는 방법은 딥 수면에 대한 지표 정보를 해석하는 방법일 수 있다. 예를 들어, 딥 수면에 대한 지표는 딥 수면의 수면 후 최초 등장 시간까지의 지연 시간 지표, 전체 수면 중 딥 수면의 비율 지표, 총 수면 중 딥 사이클 반복 횟수 지표, 총 수면 중 딥 사이클 반복시 딥 수면 길이의 변화율 지표 및 총 수면 중 전반기 딥 수면의 비율 지표를 포함할 수 있고, 램 수면 지표를 해석하는 방법은 "1) 딥 수면의 수면 후 최초 등장 시간까지의 지연 시간 지표는 언제 첫 딥 면이 있었는지를 의미하고, 렘 수면의 수면 후 최초 등장 시간까지의 지연 시간 지표보다 짧아야 합니다. 2) 전체 수면 중 딥 수면의 비율 지표는 딥 수면의 비율을 의미하며, 정상 수면의 경우 20%내외입니다. 3) 총 수면 중 딥 사이클 반복 횟수 지표는 딥 사이클의 개수를 의미합니다. 0개가 아니라면 정상범주로 분류합니다. 4) 총 수면 중 딥 사이클 반복시 딥 수면 길이의 변화율 지표는 딥 사이클이 점점 짧아지는 지를 의미합니다. 정상수면에서는 음수로 점점 짧아져야합니다. 5) 총 수면 중 전반기 딥 수면의 비율 지표는 딥 수면은 수면 전반부에 주로 나와야하므로 이 값은 50% 이상 이여야 정상입니다."로 콘텐츠 생성형 인공지능에 입력될 수 있다.
콘텐츠 생성형 인공지능 -
LLM
모델
도 18은 대규모 언어 모델(Large Language Model)의 기반이 되는 Transformer모델의 구조를 설명하기 위한 도면이다.
본 발명에 있어서, 콘텐츠 생성형 인공지능은 사용자의 수면에 관한 하나 이상의 데이터 배열에 기초하여 콘텐츠를 생성할 수 있다. 콘텐츠 생성형 인공지능은 대규모 언어 모델(Large Language Model)일 수 있으나, 이에 한정되지 않는다. 예를 들어, 대규모 언어 모델(Large Language Model)은 Transformer모델 기반의 GPT(Generative Pretrained Transformer), BERT(Bidirectional Encoder Representations from Transformers)기반의 대규모 언어 모델일 수 있으나, 이에 한정되지 않는다.
본 발명의 일실시예에 있어서, 콘텐츠 생성형 인공지능은 Transformer모델 기반의 생성형 인공지능일 수 있다. 도13에 도시된 바와 같이 Transformer모델은 인코더, 디코더로 구성될 수 있고, 주의(Attention), 자기 주의(Self-Attention), 다중 헤드 주의(Multi-Head Attention) 매커니즘을 이용할 수 있다.
도 18에 도시된 바와 같이, 본 발명의 일실시예에 따른 Trnasformer모델은 인코더를 포함할 수 있다. 구체적으로, 인코더는 6개의 동일한 레이어로 구성될 수 있고, 각 레이어는 두 개의 서브레이어로 구성될 수 있다. 여기서, 첫 번째 서브레이어는, 다중 헤드 자기주의 매커니즘(Multi-Head Self-Attention) 매커니즘 레이어 일 수 있고, 두 번째 서브레이어는 위치별 완전 연결 피드포워드 네트워크(Position-wise Fully Connected Feed-forward network)일 수 있다. 이를 통해서 입력되는 데이터 배열이 다른 데이터 배열과 상호작용 할 수 있도록 하여, 문장의 구조와 문맥을 더 잘 이해할 수 있다.
도 18에 도시된 바와 같이, 본 발명의 일실시예에 따른 Trnasformer모델은 디코더를 포함할 수 있다. 구체적으로, 디코더는 6개의 동일한 레이어로 구성될 수 있고, 각 레이어는 세 개의 서브레이어로 구성될 수 있다. 여기서, 첫 번째 서브레이어는 다중 헤드 자기주의 매커니즘(Multi-Head Self-Attention)일 수 있고, 두 번째 서브레이어는 위치별 완전 연결 피드포워드 네트워크(Position-wise Fully Connected Feed-forward network)일 수 있으며, 세 번째 서브레이어는 인코더의 출력에 대해 다중 헤드 주의(Multi-Head Attention)일 수 있다. 여기서, 첫 번째 서브레이어는 각 시점에서의 다음 토큰을 예측하기 위해서, 현재 위치 이후의 정보를 참조하지 않기 위해, 현재 위치 이후의 위치에 주의를 기울이지 않도록 하는 마스킹 과정을 거친다.
도 18에 도시된 바와 같이, 본 발명의 일실시예에 따른 Trnasformer모델은 주의(Attention) 매커니즘을 포함할 수 있다. 구체적으로, 쿼리와 일련의 키,값 쌍을 출력으로 매핑할 수 있다. 출력은 값의 가중치 합으로 계산되며, 각 값에 할당된 가중치는 쿼리와 해당 키의 호환성 함수에 의해서 계산될 수 있다. 주의 매커니즘은 시퀀스-투-시퀀스(sequence-to-sequnce) 모델에서 중요한 부분에 더 많은 주의를 기울이도록 훈련하는데 사용될 수 있다.
도 18에 도시된 바와 같이, 본 발명의 일실시예에 따른 Transformer모델은 자기주의(Self-Attention) 매커니즘과 다중 헤드 주의(Multi-head Attention)매커니즘을 포함할 수 있다. 구체적으로, 자기주의(Self-Attention)매커니즘은 입력 시퀀스의 다른 위치에 있는 모든 토큰에 주의를 기울이기 위해서, 다른 위치에 있는 토큰들에 각각 다른 가중치를 부여하고 가중치 합을 진행할 수 있다. 구체적으로, 다중 헤드 주의(Multi-Head Attention)매커니즘은 다양한 특징을 동시에 학습하고 고려하기 위해서, 여러 개의 자기주의(Self-Attention)매커니즘 레이어를 병렬로 사용하여 각각 다른 가중치를 사용할 수 있다.
본 발명의 일실시예에 있어서, 콘텐츠 생성형 인공지능은 대규모 언어 모델일 수 있고, 대규모 언어 모델은 GPT(Generative Pretrained Transformer)기반 모델 일 수 있다. 구체적으로, GPT모델은 Transformer의 더코더 부분을 활용할 수 있다. 예를 들어, 디코더를 활용함으로써, 주어진 문맥에서 다음 단어를 예측하는 방식으로 문장에 대한 학습과 출력을 처리할 수 있는데, 각 단어를 기반으로 다음 단어를 예측할 수 있다.
본 발명의 일실시예에 있어서, 콘텐츠 생성형 인공지능은 대규모 언어모델일 수 있고, 대규모 언어 모델은 BERT(Bidirectional Encoder Representations from Transformers)기반 모델일 수 있다. 구체적으로, BERT모델은 Transformer의 인코더 부분을 활용할 수 있다. 예를 들어, MLM(Masked Language Model)방식으로 학습될 수 있으며, MLM방식은 일부 단어를 가리고 그 단어를 예측하는 방식의 학습방법이다. 이 경우, 문장 전체를 한 번에 처리하므로 문장의 양쪽 방향에서의 정보를 얻을 수 있고, 문장의 모든 부분에서 문맥적인 정보를 동시에 고려할 수 있으며 이를 통해서 문장의 의미를 더 정확하게 이해할 수 있다.
콘텐츠 생성형 인공지능 -
Diffusion기반
모델
도 19는 본 발명에 일실시예에 따른 콘텐츠 생성형 인공지능에 있어서, DIFFUSION 모델의 역확산모델(Inverter Model)을 설명하기 위한 도면이다.
본 발명의 일실시예에 따른 콘텐츠 생성형 인공지능은 DIFFUSION 모델 기반의 생성형 인공지능일 수 있다. DIFFUSION 모델은 이미지, 음성, 텍스트 등 다양한 유형의 데이터 생성에 사용될 수 있고, 데이터의 노이즈를 점진적으로 감소시키면서 실제 데이터에 가까운 결과를 생성하도록 학습될 수 있다. 이 경우, 학습된 DIFFUSION 모델은 주어진 데이터 배열을 점진적으로 확산시키는 방식으로 작동할 수 있다.
본 발명의 일 실시예에 따른 콘텐츠 생성형 인공지능은 DIFFUSION 모델 기반의 생성형 인공지능일 수 있다. DIFFUSION 모델은 노이즈 모델(Nosie Model)과 역확산 모델(Inverter Model)로 구성될 수 있다. 구체적으로, 노이즈 모델(Noise Model)은 초기 데이터에 노이즈를 부가하는 함수이고, 이 함수는 생성자가 시작점으로 사용할 노이즈를 생성하고 시간이 지남에 따라서 노이즈를 감소시킨다. 즉, 노이즈 모델 함수는 초기에는 노이즈가 매우 크지만, 점차적으로 데이터에 미세한 노이즈만 부가하도록 조절될 수 있다.
본 발명의 일 실시예에 따른 콘텐츠 생성형 인공지능은 DIFFUSION 모델 기반의 생성형 인공지능일 수 있다. DIFFUSION 모델은 노이즈 모델(Nosie Model)과 역확산 모델(Inverter Model)로 구성될 수 있다. 구체적으로, 역확산 모델(Inverter Model)은 생성된 결과를 초기 데이터로 복원하는 함수이고, 이 함수는 생성자가 생성한 결과를 입력으로 하여, 초기 데이터로 되돌리는 노이즈를 제거하는 연산을 진행할 수 있다.
본 발명의 일 실시예에 따른 콘텐츠 생성형 인공지능은 DIFFUSION 모델 기반의 생성형 인공지능일 수 있다. DIFFUSION 모델은 노이즈 모델(Nosie Model)과 역확산 모델(Inverter Model)로 구성될 수 있다. 구체적으로, DIFFUSION 모델은 노이즈 모델과 역확산 모델을 번갈아 가며 사용하며, 원하는 출력을 생성하는 과정에서 데이터와 노이즈 부가 및 제거 과정을 개선할 수 있다. 예를 들어서, DIFFUSION 모델에서 사용하는 노이즈는 학습 초기에는 무작위한 노이즈를 사용할 수 있지만, 훈련을 통해서 실제 데이터와 유사한 출력을 생성할 수 있다. DIFFUSION 모델은 노이즈의 부가와 제거의 학습을 통해서 데이터 생성, 이미지 복원, 이미지 편집 등 다양한 분야에서 사용될 수 있다.
콘텐츠 생성형 인공지능 -
GAN기반
모델
도 20은 본 발명에 일실시예에 따른 콘텐츠 생성형 인공지능에 있어서, GAN(Generative Adversarial Network)의 생성자(Generator)와 판별자(Discriminator)를 설명하기 위한 도면이다.
본 발명의 일실시예에 따른 콘텐츠 생성형 인공지능은 GAN(Generative Adversarial Network)모델 기반의 생성형 인공지능일 수 있다. GAN 모델은 생성자(Generator)와 판별자(Discriminator)를 포함할 수 있다. GAN 모델은 이미지, 음성, 텍스트 등 다양한 유형의 데이터 생성에 사용될 수 있고, 실제 데이터와 유사한 출력을 생성할 수 있도록 학습될 수 있다.
본 발명의 일실시예에 따른 콘텐츠 생성형 인공지능은 GAN(Generative Adversarial Network)모델 기반의 생성형 인공지능일 수 있다. GAN 모델은 생성자(Generator)를 포함할 수 있다. 구체적으로, 생성자는 주어진 랜덤 벡터 노이즈를 입력으로 받아 실제 데이터와 유사한 가짜 데이터를 생성할 수 있고, 초기에는 무작위한 출력을 생성하며 훈련 과정에서 실제 데이터와 구분하기 어렵도록 능력을 향상될 수 있다. 구체적으로, 생성자는 판별자를 더 잘 속이도록 학습될 수 있다.
본 발명의 일실시예에 따른 콘텐츠 생성형 인공지능은 GAN(Generative Adversarial Network)모델 기반의 생성형 인공지능일 수 있다. GAN 모델은 판별자(Discriminator)를 포함할 수 있다. 구체적으로, 판별자는 생성자로부터 생성된 가짜 데이터와 실제 데이터를 구분하는 분류기 역할을 수행할 수 있다. 구체적으로, 판별자는 생성자로부터 생성된 가짜 데이터와 실제 데이터를 구분하여 정확한 예측을 할 수 있도록 학습될 수 있다. 구체적으로, 판별자는 생성자가 생성한 가짜 데이터를 실제 데이터와 더 잘 구분할 수 있도록 학습될 수 있다.
본 발명의 일실시예에 따른 콘텐츠 생성형 인공지능은 대규모 언어 모델, DIFFUSION 모델 및 GAN 모델 중 하나 이상의 조합일 수 있으나, 이에 한정되지 않는다.
본 발명의 일실시예에 따른 콘텐츠 생성형 인공지능은 대규모 언어 모델, DIFFUSION 모델 및 GAN 모델 중 하나 이상의 조합에 기반한 생성형 인공지능 일 수 있으나, 이에 한정되지 않는다.
상술한 콘텐츠 생성형 인공지능은 본 발명의 실시예에 따른 생성형 인공지능 모델이며, 이에 한정되지 않는다.
수면 콘텐츠 생성
음원 샘플 리스트- 수면 관련 음원 샘플
본 발명의 일실시예에 따른, 생성형 인공지능을 활용한 사용자 수면정보에 기반하여 수면 콘텐츠의 생성 및 제공을 하기 위해, 음원 샘플 리스트에 기초하여 콘텐츠를 생성할 수 있다. 음원 샘플 리스트는 음원 샘플 타이틀 및 샘플 음원을 포함할 수 있다.
본 발명의 일 실시예에 따른, 음원 샘플 리스트는 백색소음과 연관된 음원, 물과 연관된 음원, 자연과 연관된 음원, ASMR과 연관된 음원, SF/판타지와 관련된 음원, 대화와 관련된 음원, 악기와 관련된 음원, 동물과 관련된 음원, 멜로디와 관련된 음원, 도시와 관련된 음원, 모너럴비트(규칙적인 소리) 음원, 바이노럴 비트(Binaural Beats) 음원 및 솔페지오 주파수(Solfeggio Frequency) 음원을 포함할 수 있으나, 여기에 한정되지 않는다.
본 발명의 일 실시예에 따른, 백색소음과 연관된 음원은 딥 브라운 노이즈, 그린 노이즈, 화이팅 노이즈, 핑크 노이즈, 블루 노이즈, 그레이 노이즈, 바이올렛 노이즈, 브라운 노이즈, 에어컨 소리, 우주선을 연상시키는 소리, 비행기를 연상시키는 소리를 포함할 수 있으나, 여기에 한정되지 않는다.
본 발명의 일 실시예에 따른, 물과 연관된 음원은 강을 연상시키는 음원, 비를 연상시키는 음원, 바다를 연상시키는 음원, 샤워를 연상시키는 음원, 폭포를 연상시키는 음원, 집중 호우를 연상시키는 음원, 호숫가를 연상시키는 음원, 식기세척기를 연상시키는 음원, 분수를 연상시키는 음원, 비오는 도시를 연상시키는 음원, 아쿠아리움을 연상시키는 음원, 대나무 숲을 연상시키는 음원, 욕실을 연상시키는 음원, 끓는 물약을 연상시키는 음원, 빗속의 드라이브를 연상시키는 음원, 물 위의 보트를 연상시키는 음원, 욕조를 연상시키는 음원, 창문에 떨어지는 비를 연상시키는 음원, 바위에 부서지는 파도를 연상시키는 음원, 동굴을 연상시키는 음원, 항해를 연상시키는 음원, 느린 파도를 연상시키는 음원, 약한 비를 연상시키는 음원, 세찬 비를 연상시키는 음원, 비오는 날을 연상시키는 음원, 수중 환경을 연상시키는 음원, 몰입을 연상시키는 음원, 비오는 우림을 연상시키는 음원, 해변을 연상시키는 음원, 얼음눈을 연상시키는 음원, 지붕에 내리는 비를 연상시키는 음원, 텐트에 떨어지는 비를 연상시키는 음원 및 찰랑거리는 물의 소리를 연상시키는 음원을 포함할 수 있으나, 여기에 한정되지 않는다.
본 발명의 일 실시예에 따른, 자연과 연관된 음원은 밤을 연상시키는 음원, 바람을 연상시키는 음원, 천둥을 연상시키는 음원, 캠프파이어를 연상시키는 음원, 캐나다의 숲을 연상시키는 음원, 숲 속의 산책을 연상시키는 음원, 심장 박동을 연상시키는 음원, 폭풍을 연상시키는 음원, 화창한 날을 연상시키는 음원, 풍랑을 연상시키는 음원, 숲을 연상시키는 음원, 토스카나를 연상시키는 음원, 오후를 연상시키는 음원, 뇌우를 연상시키는 음원, 주피터를 연상시키는 음원, 숲 속의 바람을 연상시키는 음원, 바스락거리는 잎을 연상시키는 음원 및 불타는 소리를 연상시키는 음원을 포함할 수 있으나, 여기에 한정되지 않는다.
본 발명의 일 실시예에 따른, ASMR과 연관된 음원은 침대 시트를 연상시키는 음원, 점액을 연상시키는 음원, 끈끈한 점액을 연상시키는 음원, 탄산음료를 연상시키는 음원, 거품을 연상시키는 음원, 마이크 긁히는 소리를 연상시키는 음원, 골골송을 연상시키는 음원, 메이크업 브러시를 연상시키는 음원, 끓는 물을 연상시키는 음원, 아이스 큐브 귀 마사지를 연상시키는 음원, 귀에 바람을 불어넣는 것을 연상시키는 음원, 프라이팬을 연상시키는 음원, 에어캡을 연상시키는 음원, 요정의 속삭임을 연상시키는 음원, 말린 허브를 연상시키는 음원, 빗소리를 연상시키는 음원, 손가락 비비는 소리를 연상시키는 음원, 종이 책 페이지 넘기는 소리를 연상시키는 음원, 눈 위를 걷는 것을 연상시키는 음원, 바스락거리는 비닐소리를 연상시키는 음원, 글씨 쓰는 소리를 연상시키는 음원, 귀를 닦는 소리를 연상시키는 음원, 구슬이 떨어지는 소리를 연상시키는 음원 및 귀를 청소하는 소리를 연상시키는 음원을 포함할 수 있으나, 여기에 한정되지 않는다.
본 발명의 일 실시예에 따른, SF/판타지와 연관된 음원은 뇌파 스캐너를 연상시키는 음원, 컴퓨터 신호음을 연상시키는 음원, 레이저 빔을 연상시키는 음원, 리액터를 연상시키는 음원, 우주선을 연상시키는 음원, 서버실을 연상시키는 음원, 로켓 엔진을 연상시키는 음원, 우주의 소리를 연상시키는 음원, 우주선에서 걷는 소리를 연상시키는 음원 및 주피터를 연상시키는 소리를 포함할 수 있으나, 여기에 한정되지 않는다.
본 발명의 일 실시예에 따른, 대화와 연관된 음원은 호흡을 연상시키는 음원, 명상을 연상시키는 음원 및 최면 단어를 연상시키는 음원을 포함할 수 있으나, 여기에 한정되지 않는다.
본 발명의 일 실시예에 따른, 악기와 연관된 음원은 뮤직박스를 연상시키는 음원, 베이비 슈셔를 연상시키는 음원, 콧노래를 연상시키는 음원, 자궁을 연상시키는 음원, 베이비 마림바를 연상시키는 음원, 베이비 벨을 연상시키는 음원, 딸랑이를 연상시키는 음원, 브람스의 자장가를 연상시키는 음원, 비행기를 연상시키는 음원을 포함할 수 있으나 여기에 한정되지 않는다.
본 발명의 일 실시예에 따른, 동물과 연관된 음원은 새를 연상시키는 음원, 황소개구리를 연상시키는 음원, 호박벌을 연상시키는 음원, 소를 연상시키는 음원, 아침 새소리를 연상시키는 음원, 돌고래를 연상시키는 음원, 병아리를 연상시키는 음원, 닭을 연상시키는 음원, 오리를 연상시키는 음원, 말발굽 소리를 연상시키는 음원, 열대 새를 연상시키는 음원, 양의 걸음걸이를 연상시키는 음원, 뻐꾸기 소리를 연상시키는 음원, 짹짹 거리는 새의 소리를 연상시키는 음원, 고래가 떠나는 여행을 연상시키는 음원, 고래를 연상시키는 음원, 갈매기를 연상시키는 음원, 올빼미를 연상시키는 음원, 개구리를 연상시키는 음원, 그르렁거리는 고양이 연상시키는 음원, 늑대를 연상시키는 음원, 아비새를 연상시키는 음원, 매미를 연상시키는 음원 및 청개구리를 연상시키는 음원을 포함할 수 있으나, 여기에 한정되지 않는다.
본 발명의 일 실시예에 따른, 멜로디와 연관된 음원은 영원을 연상시키는 음원, 신스웨이브를 연상시키는 음원, 오케스트라를 연상시키는 음원, 멜로디를 연상시키는 음원, 음율의 선을 연상시키는 음원, 가을을 연상시키는 음원, 업라이트 피아노를 연상시키는 음원, 라운지를 연상시키는 음원, 별을 연상시키는 음원, 부족을 연상시키는 음원, 인도를 연상시키는 음원, 티벳 그릇을 연상시키는 음원, 환희를 연상시키는 음원, 풍경을 연상시키는 음원, 음성을 연상시키는 음원, 관찰하는 느낌을 연상시키는 음원, 베이스 음악을 연상시키는 음원, 궤도를 연상시키는 음원, 드럼을 연상시키는 음원, 피리를 연상시키는 음원, 합창단을 연상시키는 음원, 별을 구경하는 것을 연상시키는 음원, 기타를 치는 것을 연상시키는 음원, 드라마틱한 감정을 연상시키는 음원, 나비를 연상시키는 음원, 중세시대를 연상시키는 음원, 지구를 배경으로 한 드라마를 연상시키는 음원, 꿈을 연상시키는 음원, 추상을 연상시키는 음원, 플루트를 연상시키는 음원, 은하수를 연상시키는 음원, 봄을 연상시키는 음원, 도시를 연상시키는 음원, 작은 티벳볼을 연상시키는 음원, 큰 티벳볼을 연상시키는 음원, 두둑을 연상시키는 음원, 콧노래를 연상시키는 음원, 발리의 안개를 연상시키는 음원, 인도 드림을 연상시키는 음원, 파헬벨 캐논을 연상시키는 음원, 염불을 연상시키는 음원, 작은 싱잉볼을 연상시키는 음원, 중간 싱잉볼을 연상시키는 음원, 큰 싱잉볼을 연상시키는 음원, 마법의 차임벨을 연상시키는 음원, 기도하는 시간을 연상시키는 음원, 고대를 연상시키는 음원, 하모니를 연상시키는 음원을 포함할 수 있으나 여기에 한정되지 않는다.
본 발명의 일 실시예에 따른, 도시와 연관된 음원은 흔들이 선풍기를 연상시키는 음원, 샤워를 연상시키는 음원, 에어컨을 연상시키는 음원, 식기세척기를 연상시키는 음원, 커피숍을 연상시키는 음원, 기차를 연상시키는 음원, 비오는 도시를 연상시키는 음원, 아쿠아리움을 연상시키는 음원, 욕실을 연상시키는 음원, 빗속의 드라이브를 연상시키는 음원, 욕조를 연상시키는 음원, 차가운 금속 소리를 연상시키는 음원, 스프링 쿨러를 연상시키는 음원, 지붕에 내리는 비를 연상시키는 음원, 놀이터를 연상시키는 음원, 대형 괘종시계를 연상시키는 음원, 드라이어를 연상시키는 음원, 도시 분위기를 연상시키는 음원, 뱃고동 소리를 연상시키는 음원, 청소기를 연상시키는 음원, 키보드를 연상시키는 음원, 군중을 연상시키는 음원, 멀리서 오는 기차를 연상시키는 음원, 카니발을 연상시키는 음원, 트럭 엔진을 연상시키는 음원, 헤어드라이기를 연상시키는 음원 및 고속도로를 연상시키는 음원을 포함할 수 있으나, 여기에 한정되지 않는다.
본 발명의 일 실시예에 따른, 음원 샘플리스트는 모너럴 비트를 포함할 수 있다. 모너럴 비트는 두 개 이상의 서로 다른 주파수를 가진 사인파를 조합하여 만들어 질 수 있고, 서로 다른 주파수의 조합으로 인해서, 각 사인파의 주파수 차이만큼을 주기로 진동하게 되고, 집중할 수 있는 상태를 유도할 수 있다.
본 발명의 일 실시예에 따른, 음원 샘플 리스트는 바이노럴 비트를 포함할 수 있다. 바이노럴 비트는 서로 다른 주파수를 양쪽 귀에서 듣게 되는 경우 두뇌에서 인지하게되는 제3의 소리일 수 있다.
본 발명의 일 실시예에 따른, 음원 샘플 리스트는 솔페지오 주파수 소리를 포함할 수 있다. 솔페지오 주파수 소리는 396Hz, 417Hz, 528Hz, 639Hz, 741Hz, 852Hz중 어느 하나 이상을 포함할 수 있으나, 이에 한정되지 않는다.
수면 플롯 생성 GENERATION
도 21은 수면 플롯을 생성하기 위한 단계를 설명하기 위한 흐름도이다.
본 발명의 일실시예에 따른, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법은 사용자로부터 키워드를 입력 받는 사용자 키워드 입력 단계(S100), 사용자 키워드를 대규모 언어 모델의 입력으로 하여 기본 문장을 생성하는 단계(S110), 생성된 기본 문장에 기초하여 수면 문장 키워드를 선정하는 수면 문장 키워드 정제 단계(S120), 상기 선정된 문장 키워드에 기초하여 수면 콘텐츠 테마 선정 단계(S130), 선정된 수면 문장 키워드 및 상기 입력된 사용자 키워드에 기초하여 하나 이상의 수면 콘텐츠 이벤트를 선정 단계(S140), 및 상기 선정된 수면 콘텐츠 테마 및 상기 선정된 콘텐츠 이벤트에 기초하여 수면 콘텐츠를 생성하는 단계(S150)를 포함할 수 있다.
그리고, 본 발명의 일실시예에 따른, 생성형 인공지능을 활용한 사용자 수면정보 기반의 수면 콘텐츠 생성 및 제공 방법은 사용자로부터 키워드를 입력 받는 사용자 키워드 입력 단계(S100), 사용자 키워드를 대규모 언어 모델의 입력으로 하여 기본 문장을 생성하는 단계(S110), 생성된 기본 문장에 기초하여 수면 문장 키워드를 선정하는 수면 문장 키워드 정제 단계(S120), 상기 선정된 문장 키워드에 기초하여 수면 콘텐츠 테마 선정 단계(S130) 및 상기 선정된 수면 콘텐츠 테마에 기초하여 수면 콘텐츠를 생성하는 단계(S150)를 포함할 수 있다.
그리고, 본 발명의 일실시예에 따른, 사용자 키워드 입력 단계(S100)는 키워드 입력 작용을 통해 키워드를 입력 받을 수 있다. 구체적으로, 키워드 입력 작용은 사용자로부터 직접 입력 받는 방법과 사용자 정보로부터 키워드를 입력 받는 방법을 포함할 수 있으나, 이에 한정되지는 않는다.
또한, 본 발명의 일실시예에 따른, 사용자 키워드 입력 단계(S100)에서는 사용자 키워드를 사용자로부터 직접 입력 받을 수 있다. 구체적으로, 사용자가 직접 키워드 입력 도구를 이용하여 입력할 수 있다. 예를 들어, 사용자가 텍스트를 입력할 수 있는 입력부에 사용자가 "따듯함, 나른함, 기분좋음"이라는 키워드를 입력할 수 있다. 예를 들어, 사용자에게 제공된 하나 이상의 텍스트 세트 "따뜻함, 나른함, 기분좋음, 추움, 피곤함, 어지러움" 중 직접 "따뜻함, 나른함, 기분좋음"을 선택하여 입력할 수 있다.
또한, 본 발명의 일실시예에 따른, 사용자 키워드 입력 단계(S100)에서는 사용자 키워드를 사용자 정보로부터 입력 받을 수 있다. 구체적으로, 사용자 정보는 사용자의 인터넷 사용 기록, 사용자의 수면 콘텐츠에 대한 선호도, 사용자의 일반 콘텐츠에 대한 선호도, 사용자의 건강상태, 사용자의 신체정보, 사용자의 거주지역 정보 및 사용자의 거주지역 시각정보 중 적어도 하나 이상을 포함할 수 있으나, 이에 한정되지는 않는다. 예를 들어, 사용자 정보에 포함 된 사용자의 일반 콘텐츠는 영상 콘텐츠, 시각 콘텐츠, 텍스트 콘텐츠를 포함할 수 있고, 사용자의 일반 콘텐츠에 대한 선호도는 스와이프 방식(예컨대, 선호하면 오른쪽으로 스와이프하고, 선호하지 않으면 왼쪽으로 스와이프)를 통해서 얻을 수 있다. 예를 들어, 사용자 정보에 포함 된 사용자의 수면 콘텐츠에 대한 선호도는 본 발명의 일실시예에 따른 수면 콘텐츠 생성형 인공지능을 활용하여 생성된 수면 콘텐츠에 대해서 사용자의 선호도일 수 있다.
또한, 본 발명의 일실시예에 따른, 수면 문장 키워드 정제 단계(S120)에서는 수면 콘텐츠를 생성하기 위해서 기본 문장을 기초로 하여 키워드를 정제할 수 있다. 예를 들어, 수면 문장 키워드 정제 단계(S120)에서는 생성된 기본 문장을 대규모 언어 모델의 입력으로 하여 수면 문장 키워드를 추출할 수 있다.
그리고, 본 발명의 일실시예에 따른, 수면 콘텐츠 테마 선정 단계(S130)에서는, 음원 샘플 리스트의 음원 샘플 타이틀과 선정된 문장 키워드 및 상기 입력된 사용자 키워드와의 유사도인 제1유사도를 측정하는 단계 및 측정된 제1유사도에 기초하여 수면 콘텐츠 테마를 선정하는 단계를 포함할 수 있다.
또한, 본 발명의 일실시예에 따른 하나 이상의 수면 콘텐츠 이벤트를 선정하는 단계(S140)는 입력된 사용자 키워드의 형용사를 제거하고, 형용사가 제거된 사용자 키워드와 음원 샘플 리스트의 음원 샘플 타이틀의 유사도인 제2유사도를 측정하는 제2유사도 측정하고, 측정된 제2유사도에 기초하여 수면 콘텐츠 이벤트를 선정할 수 있다. 제2유사도를 측정할 때, 음원 샘플 타이틀과 상기 형용사가 제거된 사용자 키워드에 공통된 단어가 있는 경우에 제2유사도가 존재한다고 판단할 수 있다.
그리고, 본 발명의 일실시예에 따른, 하나 이상의 수면 콘텐츠 이벤트 테마를 선정하는 단계(S140)에서는 음원 샘플 리스트의 음원 샘플 타이틀과 상기 선정된 문장 키워드 및 상기 입력된 사용자 키워드와의 유사도인 제3유사도를 측정하는 단계 및 측정된 제3유사도에 기초하여 상기 선정된 수면 콘텐츠 테마를 제외한 상기 음원 샘플 리스트의 음원 샘플 타이틀을 수면 콘텐츠 이벤트로 선정할 수 있다.
또한, 본 발명의 일실시예에 따른, 선정된 수면 콘텐츠 테마 및 선정된 콘텐츠 이벤트에 기초하여 수면 콘텐츠를 생성하는 단계(S150)에서는 생성된 기본 문장, 선정된 수면 콘텐츠 테마 및 상기 선정된 수면 콘텐츠 이벤트를 대규모 언어 모델의 입력으로 하여 수면 콘텐츠 문장을 생성하는 단계 및 상기 생성된 수면 콘텐츠 문장에 기초하여 수면 음원 콘텐츠을 생성하는 단계를 포함할 수 있다.
그리고, 본 발명의 일실시예에 따른 수면 음원 콘텐츠를 생성하는 단계에 있어서 생성되는 수면 음원 콘텐츠는 상기 생성된 수면 콘텐츠 문장의 순서와 대응되고, 이를 통해서 사용자는 수면 음원 콘텐츠의 시계열적인 흐름과 수면 콘텐츠 문장의 시계열적인 흐름이 시계열적으로 연결됨을 통해서 자연스러운 콘텐츠의 진행을 심미적으로 경험할 수 있다.
수면 콘텐츠 - 수면 음원 콘텐츠
본 발명에 일실시예에 따른, 수면 음원 콘텐츠는 음원 샘플 리스트에 기초하여 생성될 수 있다. 구체적으로, 하나 이상의 음원 샘플 리스트의 음원들을 수면 콘텐츠 테마로 선정할 수 있고, 하나 이상의 수면 콘텐츠 테마를 조합하여 수면 음원 콘텐츠를 생성할 수 있다.
본 발명에 일실시예에 따른, 수면 콘텐츠 테마는 하나 이상의 수면 콘텐츠 이벤트를 포함할 수 있고, 하나 이상의 음원 샘플 리스트의 음원들을 수면 콘텐츠 이벤트로 선정할 수 있고, 수면 콘텐츠 테마와 하나 이상의 수면 콘텐츠 이벤트 음원을 조합하여 수면 음원 콘텐츠를 생성할 수 있다.
한편, 본 발명의 일 실시예에 따른 수면 음원 콘텐츠는 소리를 기반으로 사용자의 수면을 유도하는 정보를 포함할 수 있다.
도 22는 본 발명의 일실시예에 따른, 콘텐츠 생성형 인공지능에 의해서 생성되는 수면 음원 콘텐츠를 설명하기 위한 도면이다.
본 발명의 일 실시예에 따른, 수면 음원 콘텐츠는 단일한 음향 정보일 수 있으며, 또는 소리를 기반으로 심상 유도 시나리오를 가진 시계열적 일련의 순서를 가진 음향 정보일 수 있다. 예를 들어, 선정된 수면 콘텐츠 테마에 대응되는 음원을 메인 음원으로 선정하여 재생하고, 선정된 수면 콘텐츠 이벤트를 음원을 조합하여 배치할 수 있다.
도 22에 따르면, 본 발명의 일 실시예에 따른 수면 콘텐츠 테마와 대응되는 음원은 수면 음원 콘텐츠가 재생되는 모든 기간 동안 재생되고, 수면 콘텐츠 이벤트1 내지 수면 콘텐츠 이벤트5와 대응되는 음원은 수면 음원 콘텐츠가 재생되는 동안 간헐적으로 재생될 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 단일한 음향 정보일 수 있다. 예를 들어, 백색소음, 물 소리, 자연의 소리, ASMR(autonomous sensory meridian response), 사람이 내는 소리, SF 소리, 악기 소리, 동물 소리, 멜로디, 도시 소리, 규칙적인 소리, 바이노럴 비트(Binaural beats), 솔페지오 주파수(solfeggio frequencies), 빗소리, 바다, 강, 호수 소리, 땅, 바람, 불 연상 소리, 수면용 이야기 소리가 선사하는 안식의 소리 등이 포함될 수 있다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 백색소음을 포함할 수 있다. 백색소음은 딥 브라운 노이즈, 그린 노이즈, 화이팅 노이즈, 핑크 노이즈, 블루 노이즈, 그레이 노이즈, 바이올렛 노이즈, 브라운 노이즈, 에어컨 소리, 우주선 소리, 비행기 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 물 소리를 포함할 수 있다. 물 소리는 강 소리, 비 소리, 바다 소리, 샤워 소리, 폭포 소리, 호우 소리, 호숫가 소리, 식기 세척기 소리, 분수 소리, 비오는 도시의 소리, 아쿠아리움 소리, 대나무 숲 소리, 욕실 소리, 끓는 물약 소리, 빗속의 드라이브 소리, 물 위의 보트 소리, 욕조 소리, 창문에 떨어지는 비 소리, 바위에 부서지는 파도 소리, 동굴 소리, 항해 소리, 느린 파도 소리, 약한 비 소리, 세찬 비 소리, 비오는 날의 소리, 수중 소리, 호우 소리, 비오는 우림의 소리, 해변의 소리, 얼음 눈의 소리, 지붕에 내리는 비 소리, 텐트에 떨어지는 비의 소리, 찰랑거리는 물의 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 자연의 소리를 포함할 수 있다. 자연의 소리는 밤 소리, 바람 소리, 천둥 소리, 캠프파이어 소리, 캐나다의 숲 소리, 숲 산책 소리, 심장 박동 소리, 폭풍 소리, 화창한 날의 소리, 풍랑 소리, 숲 소리, 토스카나 소리, 오후의 소리, 뇌우 소리, 주피터 소리, 숲 속의 바람 소리, 바스락거리는 잎 소리, 불타는 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 ASMR(autonomous sensory meridian response)을 포함할 수 있다.
ASMR은 침대 시트 소리, 점액 소리, 끈끈한 점액 소리, 탄산음료 소리, 거품 소리, 마이크 긁힘 소리, 골골송 소리, 메이크업 브러시 소리, 끓는 물 소리, 아이스 큐브 귀 마사지 소리, 귀에 바람 불기 소리, 프라이팬 소리, 에어캡 소리, 요정의 속삭임 소리, 말린 허브 소리, 빗소리, 손가락 비비기 소리, 페이지 넘기기 소리, 눈 위 걷기 소리, 바스락거리는 비닐 소리, 글 쓰기 소리, 귀 닦기 소리, 떨어지는 구슬 소리, 귀 청소 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 사람이 내는 소리를 포함할 수 있다.
사람이 내는 소리는 사람의 호흡 소리, 수면 명상 소리, 최면 단어 소리, 양 세기 소리 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 SF 소리를 포함할 수 있다.
SF 소리는 뇌파 스캐너 소리, 컴퓨터 신호음, 레이저 빔 소리, 리액터 소리, 우주선 소리, 로켓 엔진 소리, 우주의 소리, 우주선에서 걷는 소리, 주피터 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 악기 소리를 포함할 수 있다.
악기 소리는 뮤직박스 소리, 베이비 슈셔 소리, 콧노래 소리, 자궁 소리, 베이비 마림바 소리, 베이비 벨 소리, 딸랑이 소리, 브람스의 자장가 소리, 비행기 소리 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 동물 소리를 포함할 수 있다.
동물 소리는 새 소리, 황소개구리 소리, 호박벌 소리, 소 소리, 아침 새소리, 돌고래 소리, 병아리 소리, 닭 소리, 오리 소리, 말발굽 소리, 열대새 소리, 양의 걸음 소리, 뻐꾸기 소리, 짹짹 소리, 고래의 여행 소리, 고래 소리, 갈매기 소리, 올빼미 소리, 개구리 소리, 그르렁거리는 고양이 소리, 늑대 소리, 아비새 소리, 매미 소리, 청개구리 소리 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 멜로디를 포함할 수 있다.
멜로디는 영원 소리, 신스웨이브 소리, 피아노 소리, 오케스트라 소리, 선 소리, 가을 소리, 업라이트 피아노 소리, 라운지 소리, 별 소리, 부족 소리, 인도 소리, 티벳 그릇 소리, 환희 소리, 풍경 소리, 음성 소리, 관찰 소리, 베이스 음악 소리, 궤도 소리, 드럼 소리, 피리 소리, 합창단 소리, 별 구경 소리, 기타 소리, 드라마틱 소리, 나비 소리, 중세 소리, 지구 드라마 소리, 꿈 소리, 추상 소리, 플루트 소리, 은하수 소리, 봄 소리, 도시 소리, 작은 티벳볼 소리, 중간 티벳볼 소리, 큰 티벳볼 소리, 두둑 소리, 콧노래 소리, 발리의 안개 소리, 인도 드림 소리, 파헬벨 캐논 소리, 염불 소리, 작은 싱잉볼 소리, 큰 싱잉볼 소리, 마법의 차임벨 소리, 기도하는 시간 소리, 고대 소리, Om 소리, 하모니 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 도시 소리를 포함할 수 있다.
도시 소리는 흔들이 선풍기 소리, 샤워 소리, 에어컨 소리, 식기세척기 소리, 커피숍 소리, 기차 소리, 비오는 도시 소리, 아쿠아리움 소리, 욕실 소리, 빗속의 드라이브 소리, 욕조 소리, 차가운 금속 소리, 스프링쿨러 소리, 지붕에 내리는 비 소리, 놀이터 소리, 대형 괘종시계 소리, 드라이어 소리, 도시 분위기 소리, 뱃고동 소리, 청소기 소리, 키보드 소리, 군중 소리, 멀리서 오는 기차 소리, 카니발 소리, 트럭 엔진 소리, 헤어 드라이기 소리, 고속도로 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 빗소리를 포함할 수 있다.
빗소리는 열대 우림에 내리는 빗소리, 비 내리는 파리의 밤의 소리, 텐트 위로 떨어지는 빗소리, 나뭇잎 위로 떨어지는 빗소리, 약한 빗소리, 폭우 소리, 도시의 빗소리, 창문에 부딪히는 빗방울 소리, 뇌우 소리, 차 안에서 느끼는 빗소리, 채광창으로 떨어지는 빗줄기 소리, 선종 사원 정원에 부슬부슬 내리는 빗소리, 영화 듄에 등장하는 캘리던 행성을 연상시키는 소리, 등대 별장 소리, 등대 별장의 라디오 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 바다, 강, 호수 소리를 포함할 수 있다.
바다, 강, 호수 소리는 플라이 낚시 소리, 아이슬란드의 바다 소리, 항해하는 선박의 아래층 간판 소리, 대양의 파도 소리, 이명을 위한 파도 소리, 여객선의 객실 소리, 마리아 메리안의 위대한 탐험 소리, 줄줄 흐르는 시냇물 소리, calm 아일랜드 소리, 폭포 소리, 먼 바다의 파도 소리, 조용히 흐르는 개울 소리, 마음을 진정시켜주는 아쿠아스케이프 소리, 백색 소음 바다 서핑 소리, 산호초 소리, 제스퍼 호수 소리, 물의 원천 소리, 삶의 원천 소리, 산호초의 도시 소리, 태평양 북서부의 소리, 다이아몬드의 바다 소리, 노던 레이크 소리, 산속 노천탕 소리, 사우스웨스트 리버 캐넌 소리, marin headlands 소리, 하이 시에라 레이크 소리, 에버 글레이즈 소리, 해변 캠프파이어 소리 등이 포함될 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 땅, 바람, 불 소리를 포함할 수 있다.
땅, 바다, 불 소리는 아삼 정글 소리, 골프 가든 소리, 봄의 프랑스 마을의 소리, 아이슬란드의 바다 소리, 아이슬란드의 여행을 연상시키는 소리, 매혹적인 이끼의 정원을 연상시키는 소리, 마라케시의 모자이크 공예가를 연상시키는 소리, 팔랑케 유적을 연상시키는 소리, 멕시코 시티를 연상시키는 소리, 구름의 산을 연상시키는 소리, 네덜란드의 겨울을 연상시키는 소리, 네덜란드의 봄을 연상시키는 소리, 빙하 특급 열차를 연상시키는 소리, 마리아 메리안의 위대한 탐험을 연상시키는 소리, 더블린을 연상시키는 소리, 머크로스 호숫가를 연상시키는 소리, 케인곰스를 연상시키는 소리, 뉴질랜드의 북섬을 연상시키는 소리, 뉴질랜드의 남섬을 연상시키는 소리, 로몬드 호수로 떠나는 여행을 연상시키는 소리, 알프스 초원을 연상시키는 소리, 캠프파이어를 연상시키는 소리, 숲의 소리, 알프스 산을 연상시키는 소리, 정엄한 계곡을 연상시키는 소리, 타닥타닥 타는 벽난로를 연상시키는 소리, 소나무숲에서 부는 바람을 연상시키는 소리, 하얀 눈을 연상시키는 소리, 나무 속에서 사는 것을 연상시키는 소리, 밤의 사막을 연상시키는 소리, 등대 별장을 연상시키는 소리, 정글 숲을 연상시키는 소리, 산속 노천탕을 연상시키는 소리, 낙엽수림을 연상시키는 소리, 태평양 북서부를 연상시키는 소리, 침엽수림을 연상시키는 소리, 옥수수밭을 연상시키는 소리, 대나무숲을 연상시키는 소리, 사우스웨스트 리버 캐년을 연상시키는 소리, 빙하의 눈밭을 연상시키는 소리, 숲 속의 종소리, 해변에서의 캠프파이어를 연상시키는 소리, 수확을 연상시키는 소리, 영화 듄에 등장하는 아라키스 행성을 연상시키는 소리, 영화 듄에 등장하는 캘러던 행성을 연상시키는 소리, 포 씨의 도서관을 연상시키는 소리, 고딕 양식의 묘지를 연상시키는 소리, 선풍기 소리, 세탁기 소리, 도시 거리의 소리, 뇌우 소리, 제스퍼 호수를 연상시키는 소리를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 수면용 이야기 소리가 선사하는 안식의 소리를 포함할 수 있다.
수면용 이야기 소리가 선사하는 안식의 소리는 골프 가든을 연상시키는 소리, 일곱 언덕의 도시를 연상시키는 소리, 구름의 산을 연상시키는 소리, 빙하 특급 열차를 연상시키는 소리, 마리아 메리안의 위대한 탐험을 연상시키는 소리, 앙코르의 비밀 사원을 연상시키는 소리, 매혹적인 이끼 정원을 연상시키는 소리, 마라케시 모자이크 공예가를 연상시키는 소리를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 수면 음원 콘텐츠는 사용자가 선호하는 기억과 연관된 음향 정보일 수 있다. 또한, 수면 음원 콘텐츠는 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 음향 정보일 수 있다.
수면 콘텐츠 - 수면 시각 콘텐츠
본 발명에 일실시예에 따른, 수면 시각 콘텐츠는 생성형 인공지능에 기초하여 생성될 수 있다. 수면 시각 콘텐츠는 이미지를 기반으로 사용자의 수면을 유도하는 정보를 포함할 수 있다. 수면 시각 콘텐츠는 단일한 이미지 정보일 수 있으며, 또는 이미지를 기반으로 심상 유도 시나리오를 가진 시계열적 일련의 순서를 이미지의 조합, 즉 동영상 정보일 수 있다. 또한, 수면 시각 콘텐츠는 입체감을 가지고 사용자에게 제공되는 시각정보일 수 있다.
백색소음을 연상시키는 시각 정보, 물을 연상시키는 시각 정보, 자연을 연상시키는 시각 정보, ASMR(autonomous sensory meridian response)을 연상시키는 시각 정보, 사람이 소리를 내는 시각 정보, SF 시각 정보, 악기의 시각 정보, 동물 시각 정보, 멜로디 시각 정보, 도시 시각 정보, 규칙적인 소리를 연상시키는 시각 정보, 바이노럴 비트(Binaural beats)를 연상시키는 시각 정보, 솔페지오 주파수(solfeggio frequencies)를 연상시키는 시각 정보, 비를 연상시키는 시각 정보, 바다, 강, 호수를 연상시키는 시각 정보, 땅, 바람, 불을 연상시키는 시각 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 시각 정보 등이 포함될 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 백색소음을 연상시키는 시각 정보를 포함할 수 있다.
백색소음을 연상시키는 시각 정보는 딥 브라운 노이즈를 연상시키는 시각 정보, 그린 노이즈를 연상시키는 시각 정보, 화이팅 노이즈를 연상시키는 시각 정보, 핑크 노이즈를 연상시키는 시각 정보, 블루 노이즈를 연상시키는 시각 정보, 그레이 노이즈를 연상시키는 시각 정보, 바이올렛 노이즈를 연상시키는 시각 정보, 브라운 노이즈를 연상시키는 시각 정보, 에어컨 소리를 연상시키는 시각 정보, 우주선 소리를 연상시키는 시각 정보, 비행기 소리를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 물을 연상시키는 시각 정보를 포함할 수 있다.
물을 연상시키는 시각 정보는 강을 연상시키는 시각 정보, 비를 연상시키는 시각 정보, 바다를 연상시키는 시각 정보, 샤워를 연상시키는 시각 정보, 폭포를 연상시키는 시각 정보, 호우를 연상시키는 시각 정보, 호숫가를 연상시키는 시각 정보, 식기 세척기를 연상시키는 시각 정보, 분수를 연상시키는 시각 정보, 비오는 도시를 연상시키는 시각 정보, 아쿠아리움을 연상시키는 시각 정보, 대나무 숲을 연상시키는 시각 정보, 욕실을 연상시키는 시각 정보, 끓는 물약을 연상시키는 시각 정보, 빗속의 드라이브를 연상시키는 시각 정보, 물 위의 보트를 연상시키는 시각 정보, 욕조를 연상시키는 시각 정보, 창문에 떨어지는 비를 연상시키는 시각 정보, 바위에 부서지는 파도를 연상시키는 시각 정보, 동굴을 연상시키는 시각 정보, 항해를 연상시키는 시각 정보, 느린 파도를 연상시키는 시각 정보, 약한 비를 연상시키는 시각 정보, 세찬 비를 연상시키는 시각 정보, 비오는 날을 연상시키는 시각 정보, 수중을 연상시키는 시각 정보, 호우를 연상시키는 시각 정보, 비오는 우림을 연상시키는 시각 정보, 해변을 연상시키는 시각 정보, 얼음 눈을 연상시키는 시각 정보, 지붕에 내리는 비를 연상시키는 시각 정보, 텐트에 떨어지는 비를 연상시키는 시각 정보, 찰랑거리는 물을 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 자연을 연상시키는 시각 정보를 포함할 수 있다.
자연을 연상시키는 시각 정보는 밤을 연상시키는 시각 정보, 바람 소리를 연상시키는 시각 정보, 천둥 소리를 연상시키는 시각 정보, 캠프파이어를 연상시키는 시각 정보, 캐나다의 숲을 연상시키는 시각 정보, 숲 산책을 연상시키는 시각 정보, 심장 박동을 연상시키는 시각 정보, 폭풍을 연상시키는 시각 정보, 화창한 날을 연상시키는 시각 정보, 풍랑을 연상시키는 시각 정보, 숲을 연상시키는 시각 정보, 토스카나를 연상시키는 시각 정보, 오후를 연상시키는 시각 정보, 뇌우를 연상시키는 시각 정보, 주피터를 연상시키는 시각 정보, 숲 속의 바람을 연상시키는 시각 정보, 바스락거리는 잎을 연상시키는 시각 정보, 불타는 소리를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 ASMR(autonomous sensory meridian response)을 연상시키는 시각 정보를 포함할 수 있다.
ASMR은 침대 시트를 연상시키는 시각 정보, 점액을 연상시키는 시각 정보, 끈끈한 점액을 연상시키는 시각 정보, 탄산음료를 연상시키는 시각 정보, 거품을 연상시키는 시각 정보, 마이크 긁힘을 연상시키는 시각 정보, 골골송을 연상시키는 시각 정보, 메이크업 브러시를 연상시키는 시각 정보, 끓는 물을 연상시키는 시각 정보, 아이스 큐브 귀 마사지를 연상시키는 시각 정보, 귀에 바람 불기를 연상시키는 시각 정보, 프라이팬을 연상시키는 시각 정보, 에어캡을 연상시키는 시각 정보, 요정의 속삭임을 연상시키는 시각 정보, 말린 허브를 연상시키는 시각 정보, 빗소리를 연상시키는 시각 정보, 손가락 비비기를 연상시키는 시각 정보, 페이지 넘기기를 연상시키는 시각 정보, 눈 위 걷기를 연상시키는 시각 정보, 바스락거리는 비닐을 연상시키는 시각 정보, 글 쓰기를 연상시키는 시각 정보, 귀 닦기를 연상시키는 시각 정보, 떨어지는 구슬을 연상시키는 시각 정보, 귀 청소를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 사람이 소리를 내는 시각 정보를 포함할 수 있다.
사람이 소리를 내는 시각 정보는 사람의 호흡을 연상시키는 시각 정보, 수면 명상을 연상시키는 시각 정보, 최면 단어를 연상시키는 시각 정보, 양 세기를 연상시키는 시각 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 SF 시각 정보를 포함할 수 있다.
SF 시각 정보는 뇌파 스캐너를 연상시키는 시각 정보, 컴퓨터 신호음을 연상시키는 시각 정보, 레이저 빔을 연상시키는 시각 정보, 리액터를 연상시키는 시각 정보, 우주선을 연상시키는 시각 정보, 로켓 엔진을 연상시키는 시각 정보, 우주를 연상시키는 시각 정보, 우주선에서 걷기를 연상시키는 시각 정보, 주피터를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 악기의 시각 정보를 포함할 수 있다.
악기의 시각 정보는 뮤직박스를 연상시키는 시각 정보, 베이비 슈셔를 연상시키는 시각 정보, 콧노래를 연상시키는 시각 정보, 자궁을 연상시키는 시각 정보, 베이비 마림바를 연상시키는 시각 정보, 베이비 벨을 연상시키는 시각 정보, 딸랑이를 연상시키는 시각 정보, 브람스의 자장가를 연상시키는 시각 정보, 비행기 소리를 연상시키는 시각 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 동물 시각 정보를 포함할 수 있다.
동물 시각 정보는 새를 연상시키는 시각 정보, 황소개구리를 연상시키는 시각 정보, 호박을 연상시키는 시각 정보, 소를 연상시키는 시각 정보, 아침 새를 연상시키는 시각 정보, 돌고래를 연상시키는 시각 정보, 병아리를 연상시키는 시각 정보, 닭을 연상시키는 시각 정보, 오리를 연상시키는 시각 정보, 말발굽을 연상시키는 시각 정보, 열대새를 연상시키는 시각 정보, 양의 걸음을 연상시키는 시각 정보, 뻐꾸기를 연상시키는 시각 정보, 짹짹 소리를 연상시키는 시각 정보, 고래의 여행을 연상시키는 시각 정보, 고래를 연상시키는 시각 정보, 갈매기를 연상시키는 시각 정보, 올빼미를 연상시키는 시각 정보, 개구리를 연상시키는 시각 정보, 그르렁거리는 고양이를 연상시키는 시각 정보, 늑대를 연상시키는 시각 정보, 아비새를 연상시키는 시각 정보, 매미를 연상시키는 시각 정보, 청개구리를 연상시키는 시각 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 멜로디 시각 정보를 포함할 수 있다.
멜로디 시각 정보는 영원을 연상시키는 시각 정보, 신스웨이브를 연상시키는 시각 정보, 피아노를 연상시키는 시각 정보, 오케스트라를 연상시키는 시각 정보, 선을 연상시키는 시각 정보, 가을을 연상시키는 시각 정보, 업라이트 피아노를 연상시키는 시각 정보, 라운지를 연상시키는 시각 정보, 별을 연상시키는 시각 정보, 부족을 연상시키는 시각 정보, 인도를 연상시키는 시각 정보, 티벳 그릇을 연상시키는 시각 정보, 환희를 연상시키는 시각 정보, 풍경을 연상시키는 시각 정보, 음성을 연상시키는 시각 정보, 관찰을 연상시키는 시각 정보, 베이스 음악을 연상시키는 시각 정보, 궤도를 연상시키는 시각 정보, 드럼을 연상시키는 시각 정보, 피리를 연상시키는 시각 정보, 합창단을 연상시키는 시각 정보, 별 구경을 연상시키는 시각 정보, 기타를 연상시키는 시각 정보, 드라마틱을 연상시키는 시각 정보, 나비를 연상시키는 시각 정보, 중세를 연상시키는 시각 정보, 지구 드라마를 연상시키는 시각 정보, 꿈을 연상시키는 시각 정보, 추상을 연상시키는 시각 정보, 플루트를 연상시키는 시각 정보, 은하수를 연상시키는 시각 정보, 봄을 연상시키는 시각 정보, 도시를 연상시키는 시각 정보, 작은 티벳볼을 연상시키는 시각 정보, 중간 티벳볼을 연상시키는 시각 정보, 큰 티벳볼을 연상시키는 시각 정보, 두둑을 연상시키는 시각 정보, 콧노래를 연상시키는 시각 정보, 발리의 안개를 연상시키는 시각 정보, 인도 드림을 연상시키는 시각 정보, 파헬벨 캐논을 연상시키는 시각 정보, 염불을 연상시키는 시각 정보, 작은 싱잉볼을 연상시키는 시각 정보 , 큰 싱잉볼을 연상시키는 시각 정보, 마법의 차임벨을 연상시키는 시각 정보, 기도하는 시간을 연상시키는 시각 정보, 고대를 연상시키는 시각 정보, Om을 연상시키는 시각 정보, 하모니를 연상시키는 시각 정보 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 도시 시각 정보를 포함할 수 있다.
도시 시각 정보는 흔들이 선풍기를 연상시키는 시각 정보, 샤워를 연상시키는 시각 정보, 에어컨을 연상시키는 시각 정보, 식기세척기를 연상시키는 시각 정보, 커피숍을 연상시키는 시각 정보, 기차를 연상시키는 시각 정보, 비오는 도시를 연상시키는 시각 정보, 아쿠아리움을 연상시키는 시각 정보, 욕실을 연상시키는 시각 정보, 빗속의 드라이브를 연상시키는 시각 정보, 욕조를 연상시키는 시각 정보, 차가운 금속을 연상시키는 시각 정보, 스프링쿨러를 연상시키는 시각 정보, 지붕에 내리는 비를 연상시키는 시각 정보, 놀이터를 연상시키는 시각 정보, 대형 괘종시계를 연상시키는 시각 정보, 드라이어를 연상시키는 시각 정보, 도시 분위기를 연상시키는 시각 정보, 뱃고동을 연상시키는 시각 정보, 청소기를 연상시키는 시각 정보, 키보드를 연상시키는 시각 정보, 군중을 연상시키는 시각 정보, 멀리서 오는 기차를 연상시키는 시각 정보, 카니발을 연상시키는 시각 정보, 트럭 엔진을 연상시키는 시각 정보, 헤어 드라이기를 연상시키는 시각 정보, 고속도로를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 비를 연상시키는 시각 정보를 포함할 수 있다.
비를 연상시키는 시각 정보는 열대 우림을 연상시키는 시각 정보, 비 내리는 파리의 밤을 연상시키는 시각 정보, 텐트 위로 떨어지는 비를 연상시키는 시각 정보, 나뭇잎 위로 떨어지는 비를 연상시키는 시각 정보, 약한 비를 연상시키는 시각 정보, 폭우를 연상시키는 시각 정보, 도시의 비를 연상시키는 시각 정보, 창문에 부딪히는 빗방울을 연상시키는 시각 정보, 뇌우를 연상시키는 시각 정보, 차 안에서 느끼는 비를 연상시키는 시각 정보, 채광창으로 떨어지는 비를 연상시키는 시각 정보, 선종 사원 정원에 부슬부슬 내리는 비를 연상시키는 시각 정보, 듄: 캘리던을 연상시키는 시각 정보, 등대 별장을 연상시키는 시각 정보, 등대 별장의 라디오를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 바다, 강, 호수를 연상시키는 시각 정보를 포함할 수 있다.
바다, 강, 호수를 연상시키는 시각 정보는 플라이 낚시를 연상시키는 시각 정보, 아이슬란드의 바다를 연상시키는 시각 정보, 항해하는 선박의 아래층 간판을 연상시키는 시각 정보, 대양의 파도를 연상시키는 시각 정보, 이명을 위한 파도를 연상시키는 시각 정보, 여객선의 객실을 연상시키는 시각 정보, 마리아 메리안의 위대한 탐험을 연상시키는 시각 정보, 줄줄 흐르는 시냇물을 연상시키는 시각 정보, calm 아일랜드를 연상시키는 시각 정보, 폭포를 연상시키는 시각 정보, 먼 바다의 파도를 연상시키는 시각 정보, 조용히 흐르는 개울을 연상시키는 시각 정보, 마음을 진정시켜주는 아쿠아스케이프를 연상시키는 시각 정보, 백색 소음의 바다 서핑을 연상시키는 시각 정보, 산호초를 연상시키는 시각 정보, 제스퍼 호수를 연상시키는 시각 정보, 물의 원천을 연상시키는 시각 정보, 삶의 원천를 연상시키는 시각 정보, 산호초의 도시를 연상시키는 시각 정보, 태평양 북서부를 연상시키는 시각 정보, 다이아몬드의 바다를 연상시키는 시각 정보, 노던 레이크를 연상시키는 시각 정보, 산속 노천탕을 연상시키는 시각 정보, 사우스웨스트 리버 캐넌을 연상시키는 시각 정보, marin headlands를 연상시키는 시각 정보, 하이 시에라 레이크를 연상시키는 시각 정보, 에버 글레이즈를 연상시키는 시각 정보, 해변 캠프파이어를 연상시키는 시각 정보 등이 포함될 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 땅, 바람, 불을 연상시키는 시각 정보를 포함할 수 있다.
땅, 바다, 불을 연상시키는 시각 정보는 아삼 정글을 연상시키는 시각 정보, 골프 가든을 연상시키는 시각 정보, 봄의 프랑스 마을을 연상시키는 시각 정보, 아이슬란드의 바다를 연상시키는 시각 정보, 아이슬란드의 여행을 연상시키는 시각 정보, 매혹적인 이끼의 정원을 연상시키는 시각 정보, 마라케시의 모자이크 공예가를 연상시키는 시각 정보, 팔랑케 유적을 연상시키는 시각 정보, 멕시코 시티를 연상시키는 시각 정보, 구름의 산을 연상시키는 시각 정보, 네덜란드의 겨울을 연상시키는 시각 정보, 네덜란드의 봄을 연상시키는 시각 정보, 빙하 특급 열차를 연상시키는 시각 정보, 마리아 메리안의 위대한 탐험을 연상시키는 시각 정보, 더블린을 연상시키는 시각 정보, 머크로스 호숫가를 연상시키는 시각 정보, 케인곰스를 연상시키는 시각 정보, 뉴질랜드의 북섬을 연상시키는 시각 정보, 뉴질랜드의 남섬을 연상시키는 시각 정보, 로몬드 호수로 떠나는 여행을 연상시키는 시각 정보, 알프스 초원을 연상시키는 시각 정보, 캠프파이어를 연상시키는 시각 정보, 숲을 연상시키는 시각 정보, 알프스 산을 연상시키는 시각 정보, 정엄한 계곡을 연상시키는 시각 정보, 타닥타닥 타는 벽난로를 연상시키는 시각 정보, 소나무숲에서 부는 바람을 연상시키는 시각 정보, 하얀 눈을 연상시키는 시각 정보, 나무 속에서 사는 것을 연상시키는 시각 정보, 밤의 사막을 연상시키는 시각 정보, 등대 별장을 연상시키는 시각 정보, 정글 숲을 연상시키는 시각 정보, 산속 노천탕을 연상시키는 시각 정보, 낙엽수림을 연상시키는 시각 정보, 태평양 북서부를 연상시키는 시각 정보, 침엽수림을 연상시키는 시각 정보, 옥수수밭을 연상시키는 시각 정보, 대나무숲을 연상시키는 시각 정보, 사우스웨스트 리버 캐년을 연상시키는 시각 정보, 빙하의 눈밭을 연상시키는 시각 정보, 숲 속의 종을 연상시키는 시각 정보, 해변에서의 캠프파이어를 연상시키는 시각 정보, 수확을 연상시키는 시각 정보, 영화 듄에 등장하는 아라키스 행성을 연상시키는 시각 정보, 영화 듄에 등장하는 캘러던 행성을 연상시키는 시각 정보, 포 씨의 도서관을 연상시키는 시각 정보, 고딕 양식의 묘지를 연상시키는 시각 정보, 선풍기를 연상시키는 시각 정보, 세탁기를 연상시키는 시각 정보, 도시 거리를 연상시키는 시각 정보, 뇌우를 연상시키는 시각 정보, 제스퍼 호수를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 수면용 이야기 소리가 선사하는 안식을 연상시키는 시각 정보를 포함할 수 있다.
수면용 이야기 소리가 선사하는 안식을 연상시키는 시각 정보는 골프 가든을 연상시키는 시각 정보, 일곱 언덕의 도시를 연상시키는 시각 정보, 구름의 산을 연상시키는 시각 정보, 빙하 특급 열차를 연상시키는 시각 정보, 마리아 메리안의 위대한 탐험을 연상시키는 시각 정보, 앙코르의 비밀 사원을 연상시키는 시각 정보, 매혹적인 이끼 정원을 연상시키는 시각 정보, 마라케시 모자이크 공예가를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 수면 시각 콘텐츠는 사용자가 선호하는 기억과 연관된 시각 정보일 수 있다.
또한, 수면 시각 콘텐츠는 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 시각 정보일 수 있다.
수면 콘텐츠 - 수면 텍스트 콘텐츠
본 발명의 일 실시예에 따르면, 수면 텍스트 콘텐츠는 수면 문장 콘텐츠를 포함할 수 있다.
본 발명의 일 실시예에 따르면, 수면 텍스트 콘텐츠는 입력 또는 선정된 키워드에 기초해서 생성될 수 있다. 구체적으로, 입력 또는 선정된 키워드를 콘텐츠 생성형 인공지능의 입력으로 하여 생성될 수 있다. 예를 들어, 입력 또는 선정된 키워드가 테마 콘텐츠 키워드는 "Morning Sound", 이벤트 콘텐츠 키워드는 "Clam wind, Waves wave, Breathing, Heartbeat, Human humming"인 경우 콘텐츠 생성형 인공지능에 "1. Imagine yourself standing in a peaceful meadow, surrounded by tall trees and a gentle breeze blowing through your hair. 2. As you look up, you see the sky turning a beautiful shade of blue and feel the gentle raindrops falling on your skin, soothing your body and mind. 3. As you focus on your breathing, you feel your heartbeat slowing down and your body relaxing, allowing you to drift off into a peaceful sleep."이라는 3개의 수면 기본 문장을 입력하고, "Morning sounds"를 수면 콘텐츠 테마로 하여, "Calm wind, Heartbeat, Breathing, Human humming, Waves wave"를 수면 콘텐츠 이벤트로 하여 3개의 문장으로 생성하도록 지시할 수 있고, 결과물로 "1. Imagine yourself standing on a quiet beach, feeling the calm wind blowing through your hair and the waves gently lapping at your feet. 2. As you focus on your breathing, you hear the soothing sound of your own heartbeat and the gentle hum of other humans nearby. 3. As you close your eyes, you feel the peacefulness of the morning sounds washing over you, allowing you to fully relax and let go."라는 수면 텍스트 콘텐츠를 얻을 수 있다.
상술한 수면 텍스트 콘텐츠는 본 발명에 따른 일실시예이며, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 수면텍스트 콘텐츠는 사용자가 선호하는 기억과 연관된 텍스트 정보일 수 있다.
또한, 시각 텍스트 콘텐츠는 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 정보일 수 있다.
본 발명에 따른
일실시예에
따른, 수면 콘텐츠의 생성(수면 시각 콘텐츠, 수면 음원 콘텐츠)
도 23은 본 발명의 일실시예에 따른, 콘텐츠 생성형 인공지능에 의해서 생성되는 수면 콘텐츠를 설명하기 위한 도면이다.
본 발명의 일실시예에 따른, 콘텐츠 생성형 인공지능을 활용한 수면 콘텐츠는 수면 시각 콘텐츠와 수면 음원 콘텐츠를 포함할 수 있다. 예를 들어, 입력 또는 선정된 수면 키워드를 콘텐츠 생성형 인공지능의 입력으로 하여, 키워드에 대응되는 수면 시각 콘텐츠와 수면 음원 콘텐츠를 생성할 수 있다.
상술한 바와 같이, 수면 음원 콘텐츠는 수면에 관한 키워드에 기초하여 선정된 수면 콘텐츠 테마와 수면 콘텐츠 이벤트를 기초로 하여 하나 이상의 음원의 조합으로 구성될 수 있다.
또한, 수면 음원 콘텐츠는 수면에 관한 키워드에 기초하여 선정된 적어도 하나 이상의 수면 콘텐츠 테마를 기초로 하여 적어도 하나 이상의 음원의 조합으로 구성될 수 있다.
본 발명에 따른
일실시예에
따른, 수면 콘텐츠의 생성(수면 텍스트 콘텐츠, 수면 음원 콘텐츠)
도 24는 본 발명의 일실시예에 따른, 콘텐츠 생성형 인공지능에 의해서 생성되는 수면 음원 콘텐츠와 수면 텍스트 콘텐츠의 키워드의 정합됨을 설명하기 위한 도면이다.
본 발명의 일실시예에 따른, 콘텐츠 생성형 인공지능을 활용한 수면 콘텐츠는 수면 텍스트 콘텐츠와 수면 음원 콘텐츠를 포함할 수 있다. 예를 들어, 입력 또는 선정된 수면 키워드를 콘텐츠 생성형 인공지능의 입력으로 하여, 키워드에 대응되는 수면 음원 콘텐츠와 수면 텍스트 콘텐츠를 생성할 수 있다.
도 24에 도시된 바와 같이 본 발명의 일실시예에 따른, 콘텐츠 생성형 인공지능을 활용한 수면 콘텐츠는 수면 텍스트 콘텐츠와 수면 음원 콘텐츠를 포함할 수 있다. 구체적으로, 입력 또는 선정된 수면 키워드를 콘텐츠 생성형 인공지능의 입력으로 하여, 상술한 바와 같이 수면 음원 콘텐츠 및 수면 텍스트 콘텐츠를 생성할 수 있다. 생성된 수면 음원 콘텐츠와 수면 텍스트 콘텐츠는 수면 콘텐츠 테마와 수면 콘텐츠 이벤트에 대응되는 키워드의 순서와 정합되게 진행된다. 이를 통해서, 사용자는 독립적으로 인지될 수 있는 수면 음원 콘텐츠와 수면 텍스트 콘텐츠에서 통일성 있는 감각을 받을 수 있다. 예를 들어, 입력 또는 선정된 키워드가 "blue, wind, hearbeat, breathing"인 경우, 수면 텍스트 콘텐츠는 "1. Imagine yourself standing on a quiet beach, feeling the calm wind blowing through your hair and the waves gently lapping at your feet. 2. As you focus on your breathing you hear the soothing sound of your own heartbeat and the gentle hum of other humans nearby. 3. As you close your eyes, you feel the peacefulness of the morning sounds washing over you, allowing you to fully relax and let go."로 생성될 수 있고, 수면 콘텐츠 테마는 "테마1"과 수면 콘텐츠 이벤트는 "이벤트1, 이벤트2, 이벤트3, 이벤트4"로 선정될 수 있다. 이 경우, 수면 콘텐츠 테마와 대응되는 음원은 수면 음원 콘텐츠가 재생되는 모든 기간 동안 재생되고, 수면 콘텐츠 이벤트1 내지 수면 콘텐츠 이벤트4와 대응되는 음원은 수면 음원 콘텐츠가 재생되는 동안 간헐적으로 재생될 수 있고, 이를 통해 사용자는 독립적으로 인지될 수 있는 수면 음원 콘텐츠와 수면 텍스트 콘텐츠에서 통일성 있는 감각을 받을 수 있다.
본 발명에 따른 일실시예에 따른, 콘텐츠 생성형 인공지능을 활용한 수면 콘텐츠는 콘텐츠 생성형 인공지능을 통해 생성될 수 있다. 적어도 하나 이상의 수면 콘텐츠 테마를 선정하고, 선정된 수면 콘텐츠 테마에 기초하여 콘텐츠를 생성할 수 있다. 또한, 수면 콘텐츠는 수면 음향 콘텐츠, 수면 시각 콘텐츠 및 수면 텍스트 콘텐츠 중 적어도 하나 이상을 포함할 수 있다.
상술한 본 발명에 따른 실시예는, 본 발명을 설명하기 위한 실시예에 불과하며 이에 한정되지 않는다.
심상 유도 정보
심상 유도 정보는 지시된 사고 및 암시를 따라 사용자가 펼치는 상상을 통하여 심신을 이완시키고 몰입상태로 유도하는 정보를 포함한다.
심상 유도 정보는 심신이 분리되어 있는 것이 아니라 서로 연결되어 있다는 것을 전제로 할 수 있다.
본 발명에 따르면, 심상 유도 정보는 준비된 심상 유도 정보 또는 기록된 심상 유도 정보 또는 피처 기반 심상 유도 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
준비된 심상 유도 정보는 수량적 모델링 방법에 있어서 심상 유도 정보를 준비하는 준비 단계에 있어, 준비된 심상 유도 정보를 의미하며, 이하 자세히 서술한다.
기록된 심상 유도 정보는 수량적 모델링 장치에 있어서 메모리(610)에 기록된 심상 유도 정보를 의미하며, 이하 자세히 서술한다.
피처 기반 심상 유도 정보는 프로세서(630)가 추출된 사용자의 피처레 기반하여 생성하는 심상 유도 정보를 의미하며, 이하 자세히 서술한다.
본 발명의 일 실시예에 따르면, 심상 유도 정보는 심상 유도 음향 정보(13), 심상 유도 시각 정보(12), 심상 유도 텍스트 정보(11) 또는 심상 유도 텍스트 음향 정보(14)일 수 있다.
또한, 심상 유도 정보는 심상 유도 음향 정보(13), 심상 유도 시각 정보(12), 심상 유도 텍스트 정보(11), 심상 유도 텍스트 음향 정보(14) 중 둘 이상의 조합일 수 있다.
구체적으로, 본 발명의 일 실시예에 따르면, 서로 다른 심상 유도 음향 정보(13)의 둘 이상의 조합일 수 있다.
또한, 본 발명의 일 실시예에 따르면, 심상 유도 정보는 심상 유도 정보는 심상 유도 음향 정보(13), 심상 유도 시각 정보(12), 심상 유도 텍스트 정보(11) 또는 심상 유도 텍스트 음향 정보(14)가 시간에 따라 변화하는 시계열적인 일련의 순서일 수 있다.
또는, 심상 유도 음향 정보(13), 심상 유도 시각 정보(12), 심상 유도 텍스트 정보(11), 심상 유도 텍스트 음향 정보(14) 중 둘 이상의 조합이 시간에 따라 변화하는 시계열적인 일련의 순서일 수 있다.
이하, 심상 유도 정보에 대해 자세히 서술한다.
심상 유도 음향 정보(13)
도 25는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 심상 유도 정보를 제공하는 사용자 단말(300)의 한 실시 형태를 나타낸 도면이다.
도 25에 도시된 바와 같이, 본 발명의 일실시예에 따라, 사용자가 선호하는 남성의 목소리 또는 사용자가 선호하는 여성의 목소리로 "여러분은 지금 캐나다의 호숫가를 걷고 있습니다"라고 말하는 사람의 음성으로 들리는 심상 유도 텍스트 음향 정보(14)가 사용자에게 제공되고, 사용자 단말(300)의 디스플레이에 이에 알맞는 제목인 '캐나다의 호숫가'라고 심상 유도 텍스트 정보(11)가 나타나고, 심상 유도 시각 정보(12)가 캐나다의 호숫가를 연상시키는, 예를 들어, 캐나다에 있는 호숫가에 곰이 목을 축이고 있는 이미지가 디스플레이에 나타나는 경우, 심상 유도 음향 정보(13)가 캐나다의 호숫가를 연상시키는, 예를 들어, 고요한 풀벌레가 우는 음향과 곰이 호숫가에서 목을 축이는 듯한 음향이 사용자에게 들릴 수 있다.
또는 심상 유도 시각 정보(12), 심상 유도 텍스트 음향 정보(14), 심상 유도 텍스트 정보(11)가 변함에 따라서, 심상 유도 음향 정보(13)가 시계열적으로 변할 수 있다.
도 25에 도시된 바와 같이, 심상 유도 정보는 심상 유도 음향 정보(13)를 포함할 수 있다.
심상 유도 음향 정보(13)는 소리를 기반으로 사용자의 수면을 유도하는 정보를 포함할 수 있다.
심상 유도 음향 정보(13)는 단일한 음향 정보일 수 있으며, 또는 소리를 기반으로 심상 유도 시나리오를 가진 시계열적 일련의 순서를 가진 음향 정보일 수 있다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 단일한 음향 정보일 수 있다.
예를 들어, 백색소음, 물 소리, 자연의 소리, ASMR(autonomous sensory meridian response), 사람이 내는 소리, SF 소리, 악기 소리, 동물 소리, 멜로디, 도시 소리, 규칙적인 소리, 바이노럴 비트(Binaural beats), 솔페지오 주파수(solfeggio frequencies), 빗소리, 바다, 강, 호수 소리, 땅, 바람, 불 연상 소리, 수면용 이야기 소리가 선사하는 안식의 소리 등이 포함될 수 있다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 백색소음을 포함할 수 있다.
백색소음은 딥 브라운 노이즈, 그린 노이즈, 화이팅 노이즈, 핑크 노이즈, 블루 노이즈, 그레이 노이즈, 바이올렛 노이즈, 브라운 노이즈, 에어컨 소리, 우주선 소리, 비행기 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 물 소리를 포함할 수 있다.
물 소리는 강 소리, 비 소리, 바다 소리, 샤워 소리, 폭포 소리, 호우 소리, 호숫가 소리, 식기 세척기 소리, 분수 소리, 비오는 도시의 소리, 아쿠아리움 소리, 대나무 숲 소리, 욕실 소리, 끓는 물약 소리, 빗속의 드라이브 소리, 물 위의 보트 소리, 욕조 소리, 창문에 떨어지는 비 소리, 바위에 부서지는 파도 소리, 동굴 소리, 항해 소리, 느린 파도 소리, 약한 비 소리, 세찬 비 소리, 비오는 날의 소리, 수중 소리, 호우 소리, 비오는 우림의 소리, 해변의 소리, 얼음 눈의 소리, 지붕에 내리는 비 소리, 텐트에 떨어지는 비의 소리, 찰랑거리는 물의 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 자연의 소리를 포함할 수 있다.
자연의 소리는 밤 소리, 바람 소리, 천둥 소리, 캠프파이어 소리, 캐나다의 숲 소리, 숲 산책 소리, 심장 박동 소리, 폭풍 소리, 화창한 날의 소리, 풍랑 소리, 숲 소리, 토스카나 소리, 오후의 소리, 뇌우 소리, 주피터 소리, 숲 속의 바람 소리, 바스락거리는 잎 소리, 불타는 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 ASMR(autonomous sensory meridian response)을 포함할 수 있다.
ASMR은 침대 시트 소리, 점액 소리, 끈끈한 점액 소리, 탄산음료 소리, 거품 소리, 마이크 긁힘 소리, 골골송 소리, 메이크업 브러시 소리, 끓는 물 소리, 아이스 큐브 귀 마사지 소리, 귀에 바람 불기 소리, 프라이팬 소리, 에어캡 소리, 요정의 속삭임 소리, 말린 허브 소리, 빗소리, 손가락 비비기 소리, 페이지 넘기기 소리, 눈 위 걷기 소리, 바스락거리는 비닐 소리, 글 쓰기 소리, 귀 닦기 소리, 떨어지는 구슬 소리, 귀 청소 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 사람이 내는 소리를 포함할 수 있다.
사람이 내는 소리는 사람의 호흡 소리, 수면 명상 소리, 최면 단어 소리, 양 세기 소리 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 SF 소리를 포함할 수 있다.
SF 소리는 뇌파 스캐너 소리, 컴퓨터 신호음, 레이저 빔 소리, 리액터 소리, 우주선 소리, 로켓 엔진 소리, 우주의 소리, 우주선에서 걷는 소리, 주피터 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 악기 소리를 포함할 수 있다.
악기 소리는 뮤직박스 소리, 베이비 슈셔 소리, 콧노래 소리, 자궁 소리, 베이비 마림바 소리, 베이비 벨 소리, 딸랑이 소리, 브람스의 자장가 소리, 비행기 소리 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 동물 소리를 포함할 수 있다.
동물 소리는 새 소리, 황소개구리 소리, 호박벌 소리, 소 소리, 아침 새소리, 돌고래 소리, 병아리 소리, 닭 소리, 오리 소리, 말발굽 소리, 열대새 소리, 양의 걸음 소리, 뻐꾸기 소리, 짹짹 소리, 고래의 여행 소리, 고래 소리, 갈매기 소리, 올빼미 소리, 개구리 소리, 그르렁거리는 고양이 소리, 늑대 소리, 아비새 소리, 매미 소리, 청개구리 소리 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 멜로디를 포함할 수 있다.
멜로디는 영원 소리, 신스웨이브 소리, 피아노 소리, 오케스트라 소리, 선 소리, 가을 소리, 업라이트 피아노 소리, 라운지 소리, 별 소리, 부족 소리, 인도 소리, 티벳 그릇 소리, 환희 소리, 풍경 소리, 음성 소리, 관찰 소리, 베이스 음악 소리, 궤도 소리, 드럼 소리, 피리 소리, 합창단 소리, 별 구경 소리, 기타 소리, 드라마틱 소리, 나비 소리, 중세 소리, 지구 드라마 소리, 꿈 소리, 추상 소리, 플루트 소리, 은하수 소리, 봄 소리, 도시 소리, 작은 티벳볼 소리, 중간 티벳볼 소리, 큰 티벳볼 소리, 두둑 소리, 콧노래 소리, 발리의 안개 소리, 인도 드림 소리, 파헬벨 캐논 소리, 염불 소리, 작은 싱잉볼 소리, 큰 싱잉볼 소리, 마법의 차임벨 소리, 기도하는 시간 소리, 고대 소리, Om 소리, 하모니 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 도시 소리를 포함할 수 있다.
도시 소리는 흔들이 선풍기 소리, 샤워 소리, 에어컨 소리, 식기세척기 소리, 커피숍 소리, 기차 소리, 비오는 도시 소리, 아쿠아리움 소리, 욕실 소리, 빗속의 드라이브 소리, 욕조 소리, 차가운 금속 소리, 스프링쿨러 소리, 지붕에 내리는 비 소리, 놀이터 소리, 대형 괘종시계 소리, 드라이어 소리, 도시 분위기 소리, 뱃고동 소리, 청소기 소리, 키보드 소리, 군중 소리, 멀리서 오는 기차 소리, 카니발 소리, 트럭 엔진 소리, 헤어 드라이기 소리, 고속도로 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 빗소리를 포함할 수 있다.
빗소리는 열대 우림에 내리는 빗소리, 비 내리는 파리의 밤의 소리, 텐트 위로 떨어지는 빗소리, 나뭇잎 위로 떨어지는 빗소리, 약한 빗소리, 폭우 소리, 도시의 빗소리, 창문에 부딪히는 빗방울 소리, 뇌우 소리, 차 안에서 느끼는 빗소리, 채광창으로 떨어지는 빗줄기 소리, 선종 사원 정원에 부슬부슬 내리는 빗소리, 영화 듄에 등장하는 캘리던 행성을 연상시키는 소리, 등대 별장 소리, 등대 별장의 라디오 소리를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 바다, 강, 호수 소리를 포함할 수 있다.
바다, 강, 호수 소리는 플라이 낚시 소리, 아이슬란드의 바다 소리, 항해하는 선박의 아래층 간판 소리, 대양의 파도 소리, 이명을 위한 파도 소리, 여객선의 객실 소리, 마리아 메리안의 위대한 탐험 소리, 줄줄 흐르는 시냇물 소리, calm 아일랜드 소리, 폭포 소리, 먼 바다의 파도 소리, 조용히 흐르는 개울 소리, 마음을 진정시켜주는 아쿠아스케이프 소리, 백색 소음 바다 서핑 소리, 산호초 소리, 제스퍼 호수 소리, 물의 원천 소리, 삶의 원천 소리, 산호초의 도시 소리, 태평양 북서부의 소리, 다이아몬드의 바다 소리, 노던 레이크 소리, 산속 노천탕 소리, 사우스웨스트 리버 캐넌 소리, marin headlands 소리, 하이 시에라 레이크 소리, 에버 글레이즈 소리, 해변 캠프파이어 소리 등이 포함될 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 땅, 바람, 불 소리를 포함할 수 있다.
땅, 바다, 불 소리는 아삼 정글 소리, 골프 가든 소리, 봄의 프랑스 마을의 소리, 아이슬란드의 바다 소리, 아이슬란드의 여행을 연상시키는 소리, 매혹적인 이끼의 정원을 연상시키는 소리, 마라케시의 모자이크 공예가를 연상시키는 소리, 팔랑케 유적을 연상시키는 소리, 멕시코 시티를 연상시키는 소리, 구름의 산을 연상시키는 소리, 네덜란드의 겨울을 연상시키는 소리, 네덜란드의 봄을 연상시키는 소리, 빙하 특급 열차를 연상시키는 소리, 마리아 메리안의 위대한 탐험을 연상시키는 소리, 더블린을 연상시키는 소리, 머크로스 호숫가를 연상시키는 소리, 케인곰스를 연상시키는 소리, 뉴질랜드의 북섬을 연상시키는 소리, 뉴질랜드의 남섬을 연상시키는 소리, 로몬드 호수로 떠나는 여행을 연상시키는 소리, 알프스 초원을 연상시키는 소리, 캠프파이어를 연상시키는 소리, 숲의 소리, 알프스 산을 연상시키는 소리, 정엄한 계곡을 연상시키는 소리, 타닥타닥 타는 벽난로를 연상시키는 소리, 소나무숲에서 부는 바람을 연상시키는 소리, 하얀 눈을 연상시키는 소리, 나무 속에서 사는 것을 연상시키는 소리, 밤의 사막을 연상시키는 소리, 등대 별장을 연상시키는 소리, 정글 숲을 연상시키는 소리, 산속 노천탕을 연상시키는 소리, 낙엽수림을 연상시키는 소리, 태평양 북서부를 연상시키는 소리, 침엽수림을 연상시키는 소리, 옥수수밭을 연상시키는 소리, 대나무숲을 연상시키는 소리, 사우스웨스트 리버 캐년을 연상시키는 소리, 빙하의 눈밭을 연상시키는 소리, 숲 속의 종소리, 해변에서의 캠프파이어를 연상시키는 소리, 수확을 연상시키는 소리, 영화 듄에 등장하는 아라키스 행성을 연상시키는 소리, 영화 듄에 등장하는 캘러던 행성을 연상시키는 소리, 포 씨의 도서관을 연상시키는 소리, 고딕 양식의 묘지를 연상시키는 소리, 선풍기 소리, 세탁기 소리, 도시 거리의 소리, 뇌우 소리, 제스퍼 호수를 연상시키는 소리를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 수면용 이야기 소리가 선사하는 안식의 소리를 포함할 수 있다.
수면용 이야기 소리가 선사하는 안식의 소리는 골프 가든을 연상시키는 소리, 일곱 언덕의 도시를 연상시키는 소리, 구름의 산을 연상시키는 소리, 빙하 특급 열차를 연상시키는 소리, 마리아 메리안의 위대한 탐험을 연상시키는 소리, 앙코르의 비밀 사원을 연상시키는 소리, 매혹적인 이끼 정원을 연상시키는 소리, 마라케시 모자이크 공예가를 연상시키는 소리를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 사용자가 선호하는 기억과 연관된 음향 정보일 수 있다. 또한, 심상 유도 음향 정보(13)는 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 음향 정보일 수 있다.
심상 유도 시각 정보(12)
도 25는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 심상 유도 정보를 제공하는 사용자 단말(300)의 한 실시 형태를 나타낸 도면이다.
도 25에 도시된 바와 같이, 본 발명의 일실시예에 따라, 심상 유도 음향 정보(13)가 캐나다의 호숫가를 연상시키는, 예를 들어, 고요한 풀벌레가 우는 음향과 곰이 호숫가에서 목을 축이는 듯한 음향이 사용자에게 들리는 경우, 그리고, 사용자가 선호하는 남성의 목소리 또는 사용자가 선호하는 여성의 목소리로 "여러분은 지금 캐나다의 호숫가를 걷고 있습니다"라고 말하는 사람의 음성으로 들리는 심상 유도 텍스트 음향 정보(14)가 사용자에게 제공되고, 사용자 단말(300)의 디스플레이에 이에 알맞는 제목인 '캐나다의 호숫가'라고 심상 유도 텍스트 정보(11)가 나타나는 경우, 심상 유도 시각 정보(12)가 캐나다의 호숫가를 연상시키는, 예를 들어, 캐나다에 있는 호숫가에 곰이 목을 축이고 있는 이미지가 디스플레이에 나타날 수 있다.
또는 심상 유도 음향 정보(13), 심상 유도 텍스트 음향 정보(14), 심상 유도 텍스트 정보(11)가 변함에 따라서, 심상 유도 시각 정보(12)가 시계열적으로 변할 수 있다.
도 25에 도시된 바와 같이, 심상 유도 정보는 심상 유도 시각 정보(12)를 포함할 수 있다.
심상 유도 시각 정보(12)는 시각적 이미지를 기반으로 사용자의 수면을 유도하는 정보를 포함할 수 있다.
심상 유도 시각 정보(12)는 단일한 시각 정보일 수 있으며, 또는 소리를 기반으로 심상 유도 시나리오를 가진 시계열적 시각 정보일 수 있다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 단일한 시각 정보일 수 있다.
예를 들어, 백색소음을 연상시키는 시각 정보, 물을 연상시키는 시각 정보, 자연을 연상시키는 시각 정보, ASMR(autonomous sensory meridian response)을 연상시키는 시각 정보, 사람이 소리를 내는 시각 정보, SF 시각 정보, 악기의 시각 정보, 동물 시각 정보, 멜로디 시각 정보, 도시 시각 정보, 규칙적인 소리를 연상시키는 시각 정보, 바이노럴 비트(Binaural beats)를 연상시키는 시각 정보, 솔페지오 주파수(solfeggio frequencies)를 연상시키는 시각 정보, 비를 연상시키는 시각 정보, 바다, 강, 호수를 연상시키는 시각 정보, 땅, 바람, 불을 연상시키는 시각 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 시각 정보 등이 포함될 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 백색소음을 연상시키는 시각 정보를 포함할 수 있다.
백색소음을 연상시키는 시각 정보는 딥 브라운 노이즈를 연상시키는 시각 정보, 그린 노이즈를 연상시키는 시각 정보, 화이팅 노이즈를 연상시키는 시각 정보, 핑크 노이즈를 연상시키는 시각 정보, 블루 노이즈를 연상시키는 시각 정보, 그레이 노이즈를 연상시키는 시각 정보, 바이올렛 노이즈를 연상시키는 시각 정보, 브라운 노이즈를 연상시키는 시각 정보, 에어컨 소리를 연상시키는 시각 정보, 우주선 소리를 연상시키는 시각 정보, 비행기 소리를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 물을 연상시키는 시각 정보를 포함할 수 있다.
물을 연상시키는 시각 정보는 강을 연상시키는 시각 정보, 비를 연상시키는 시각 정보, 바다를 연상시키는 시각 정보, 샤워를 연상시키는 시각 정보, 폭포를 연상시키는 시각 정보, 호우를 연상시키는 시각 정보, 호숫가를 연상시키는 시각 정보, 식기 세척기를 연상시키는 시각 정보, 분수를 연상시키는 시각 정보, 비오는 도시를 연상시키는 시각 정보, 아쿠아리움을 연상시키는 시각 정보, 대나무 숲을 연상시키는 시각 정보, 욕실을 연상시키는 시각 정보, 끓는 물약을 연상시키는 시각 정보, 빗속의 드라이브를 연상시키는 시각 정보, 물 위의 보트를 연상시키는 시각 정보, 욕조를 연상시키는 시각 정보, 창문에 떨어지는 비를 연상시키는 시각 정보, 바위에 부서지는 파도를 연상시키는 시각 정보, 동굴을 연상시키는 시각 정보, 항해를 연상시키는 시각 정보, 느린 파도를 연상시키는 시각 정보, 약한 비를 연상시키는 시각 정보, 세찬 비를 연상시키는 시각 정보, 비오는 날을 연상시키는 시각 정보, 수중을 연상시키는 시각 정보, 호우를 연상시키는 시각 정보, 비오는 우림을 연상시키는 시각 정보, 해변을 연상시키는 시각 정보, 얼음 눈을 연상시키는 시각 정보, 지붕에 내리는 비를 연상시키는 시각 정보, 텐트에 떨어지는 비를 연상시키는 시각 정보, 찰랑거리는 물을 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 자연을 연상시키는 시각 정보를 포함할 수 있다.
자연을 연상시키는 시각 정보는 밤을 연상시키는 시각 정보, 바람 소리를 연상시키는 시각 정보, 천둥 소리를 연상시키는 시각 정보, 캠프파이어를 연상시키는 시각 정보, 캐나다의 숲을 연상시키는 시각 정보, 숲 산책을 연상시키는 시각 정보, 심장 박동을 연상시키는 시각 정보, 폭풍을 연상시키는 시각 정보, 화창한 날을 연상시키는 시각 정보, 풍랑을 연상시키는 시각 정보, 숲을 연상시키는 시각 정보, 토스카나를 연상시키는 시각 정보, 오후를 연상시키는 시각 정보, 뇌우를 연상시키는 시각 정보, 주피터를 연상시키는 시각 정보, 숲 속의 바람을 연상시키는 시각 정보, 바스락거리는 잎을 연상시키는 시각 정보, 불타는 소리를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 ASMR(autonomous sensory meridian response)을 연상시키는 시각 정보를 포함할 수 있다.
ASMR은 침대 시트를 연상시키는 시각 정보, 점액을 연상시키는 시각 정보, 끈끈한 점액을 연상시키는 시각 정보, 탄산음료를 연상시키는 시각 정보, 거품을 연상시키는 시각 정보, 마이크 긁힘을 연상시키는 시각 정보, 골골송을 연상시키는 시각 정보, 메이크업 브러시를 연상시키는 시각 정보, 끓는 물을 연상시키는 시각 정보, 아이스 큐브 귀 마사지를 연상시키는 시각 정보, 귀에 바람 불기를 연상시키는 시각 정보, 프라이팬을 연상시키는 시각 정보, 에어캡을 연상시키는 시각 정보, 요정의 속삭임을 연상시키는 시각 정보, 말린 허브를 연상시키는 시각 정보, 빗소리를 연상시키는 시각 정보, 손가락 비비기를 연상시키는 시각 정보, 페이지 넘기기를 연상시키는 시각 정보, 눈 위 걷기를 연상시키는 시각 정보, 바스락거리는 비닐을 연상시키는 시각 정보, 글 쓰기를 연상시키는 시각 정보, 귀 닦기를 연상시키는 시각 정보, 떨어지는 구슬을 연상시키는 시각 정보, 귀 청소를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 사람이 소리를 내는 시각 정보를 포함할 수 있다.
사람이 소리를 내는 시각 정보는 사람의 호흡을 연상시키는 시각 정보, 수면 명상을 연상시키는 시각 정보, 최면 단어를 연상시키는 시각 정보, 양을 세는 행위를 연상시키는 시각 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 SF 시각 정보를 포함할 수 있다.
SF 시각 정보는 뇌파 스캐너를 연상시키는 시각 정보, 컴퓨터 신호음을 연상시키는 시각 정보, 레이저 빔을 연상시키는 시각 정보, 리액터를 연상시키는 시각 정보, 우주선을 연상시키는 시각 정보, 로켓 엔진을 연상시키는 시각 정보, 우주를 연상시키는 시각 정보, 우주선에서 걷기를 연상시키는 시각 정보, 주피터를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 악기의 시각 정보를 포함할 수 있다.
악기의 시각 정보는 뮤직박스를 연상시키는 시각 정보, 베이비 슈셔를 연상시키는 시각 정보, 콧노래를 연상시키는 시각 정보, 자궁을 연상시키는 시각 정보, 베이비 마림바를 연상시키는 시각 정보, 베이비 벨을 연상시키는 시각 정보, 딸랑이를 연상시키는 시각 정보, 브람스의 자장가를 연상시키는 시각 정보, 비행기 소리를 연상시키는 시각 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 동물 시각 정보를 포함할 수 있다.
동물 시각 정보는 새를 연상시키는 시각 정보, 황소개구리를 연상시키는 시각 정보, 호박을 연상시키는 시각 정보, 소를 연상시키는 시각 정보, 아침 새를 연상시키는 시각 정보, 돌고래를 연상시키는 시각 정보, 병아리를 연상시키는 시각 정보, 닭을 연상시키는 시각 정보, 오리를 연상시키는 시각 정보, 말발굽을 연상시키는 시각 정보, 열대새를 연상시키는 시각 정보, 양의 걸음을 연상시키는 시각 정보, 뻐꾸기를 연상시키는 시각 정보, 짹짹 소리를 연상시키는 시각 정보, 고래의 여행을 연상시키는 시각 정보, 고래를 연상시키는 시각 정보, 갈매기를 연상시키는 시각 정보, 올빼미를 연상시키는 시각 정보, 개구리를 연상시키는 시각 정보, 그르렁거리는 고양이를 연상시키는 시각 정보, 늑대를 연상시키는 시각 정보, 아비새를 연상시키는 시각 정보, 매미를 연상시키는 시각 정보, 청개구리를 연상시키는 시각 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 멜로디 시각 정보를 포함할 수 있다.
멜로디 시각 정보는 영원을 연상시키는 시각 정보, 신스웨이브를 연상시키는 시각 정보, 피아노를 연상시키는 시각 정보, 오케스트라를 연상시키는 시각 정보, 선을 연상시키는 시각 정보, 가을을 연상시키는 시각 정보, 업라이트 피아노를 연상시키는 시각 정보, 라운지를 연상시키는 시각 정보, 별을 연상시키는 시각 정보, 부족을 연상시키는 시각 정보, 인도를 연상시키는 시각 정보, 티벳 그릇을 연상시키는 시각 정보, 환희를 연상시키는 시각 정보, 풍경을 연상시키는 시각 정보, 음성을 연상시키는 시각 정보, 관찰을 연상시키는 시각 정보, 베이스 음악을 연상시키는 시각 정보, 궤도를 연상시키는 시각 정보, 드럼을 연상시키는 시각 정보, 피리를 연상시키는 시각 정보, 합창단을 연상시키는 시각 정보, 별 구경을 연상시키는 시각 정보, 기타를 연상시키는 시각 정보, 드라마틱을 연상시키는 시각 정보, 나비를 연상시키는 시각 정보, 중세를 연상시키는 시각 정보, 지구 드라마를 연상시키는 시각 정보, 꿈을 연상시키는 시각 정보, 추상을 연상시키는 시각 정보, 플루트를 연상시키는 시각 정보, 은하수를 연상시키는 시각 정보, 봄을 연상시키는 시각 정보, 도시를 연상시키는 시각 정보, 작은 티벳볼을 연상시키는 시각 정보, 중간 티벳볼을 연상시키는 시각 정보, 큰 티벳볼을 연상시키는 시각 정보, 두둑을 연상시키는 시각 정보, 콧노래를 연상시키는 시각 정보, 발리의 안개를 연상시키는 시각 정보, 인도 드림을 연상시키는 시각 정보, 파헬벨 캐논을 연상시키는 시각 정보, 염불을 연상시키는 시각 정보, 작은 싱잉볼을 연상시키는 시각 정보 , 큰 싱잉볼을 연상시키는 시각 정보, 마법의 차임벨을 연상시키는 시각 정보, 기도하는 시간을 연상시키는 시각 정보, 고대를 연상시키는 시각 정보, Om을 연상시키는 시각 정보, 하모니를 연상시키는 시각 정보 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 도시 시각 정보를 포함할 수 있다.
도시 시각 정보는 흔들이 선풍기를 연상시키는 시각 정보, 샤워를 연상시키는 시각 정보, 에어컨을 연상시키는 시각 정보, 식기세척기를 연상시키는 시각 정보, 커피숍을 연상시키는 시각 정보, 기차를 연상시키는 시각 정보, 비오는 도시를 연상시키는 시각 정보, 아쿠아리움을 연상시키는 시각 정보, 욕실을 연상시키는 시각 정보, 빗속의 드라이브를 연상시키는 시각 정보, 욕조를 연상시키는 시각 정보, 차가운 금속을 연상시키는 시각 정보, 스프링쿨러를 연상시키는 시각 정보, 지붕에 내리는 비를 연상시키는 시각 정보, 놀이터를 연상시키는 시각 정보, 대형 괘종시계를 연상시키는 시각 정보, 드라이어를 연상시키는 시각 정보, 도시 분위기를 연상시키는 시각 정보, 뱃고동을 연상시키는 시각 정보, 청소기를 연상시키는 시각 정보, 키보드를 연상시키는 시각 정보, 군중을 연상시키는 시각 정보, 멀리서 오는 기차를 연상시키는 시각 정보, 카니발을 연상시키는 시각 정보, 트럭 엔진을 연상시키는 시각 정보, 헤어 드라이기를 연상시키는 시각 정보, 고속도로를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 음향 정보(13)는 비를 연상시키는 시각 정보를 포함할 수 있다.
비를 연상시키는 시각 정보는 열대 우림을 연상시키는 시각 정보, 비 내리는 파리의 밤을 연상시키는 시각 정보, 텐트 위로 떨어지는 비를 연상시키는 시각 정보, 나뭇잎 위로 떨어지는 비를 연상시키는 시각 정보, 약한 비를 연상시키는 시각 정보, 폭우를 연상시키는 시각 정보, 도시의 비를 연상시키는 시각 정보, 창문에 부딪히는 빗방울을 연상시키는 시각 정보, 뇌우를 연상시키는 시각 정보, 차 안에서 느끼는 비를 연상시키는 시각 정보, 채광창으로 떨어지는 비를 연상시키는 시각 정보, 선종 사원 정원에 부슬부슬 내리는 비를 연상시키는 시각 정보, 듄: 캘리던을 연상시키는 시각 정보, 등대 별장을 연상시키는 시각 정보, 등대 별장의 라디오를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 바다, 강, 호수를 연상시키는 시각 정보를 포함할 수 있다.
바다, 강, 호수를 연상시키는 시각 정보는 플라이 낚시를 연상시키는 시각 정보, 아이슬란드의 바다를 연상시키는 시각 정보, 항해하는 선박의 아래층 간판을 연상시키는 시각 정보, 대양의 파도를 연상시키는 시각 정보, 이명을 위한 파도를 연상시키는 시각 정보, 여객선의 객실을 연상시키는 시각 정보, 마리아 메리안의 위대한 탐험을 연상시키는 시각 정보, 줄줄 흐르는 시냇물을 연상시키는 시각 정보, calm 아일랜드를 연상시키는 시각 정보, 폭포를 연상시키는 시각 정보, 먼 바다의 파도를 연상시키는 시각 정보, 조용히 흐르는 개울을 연상시키는 시각 정보, 마음을 진정시켜주는 아쿠아스케이프를 연상시키는 시각 정보, 백색 소음의 바다 서핑을 연상시키는 시각 정보, 산호초를 연상시키는 시각 정보, 제스퍼 호수를 연상시키는 시각 정보, 물의 원천을 연상시키는 시각 정보, 삶의 원천를 연상시키는 시각 정보, 산호초의 도시를 연상시키는 시각 정보, 태평양 북서부를 연상시키는 시각 정보, 다이아몬드의 바다를 연상시키는 시각 정보, 노던 레이크를 연상시키는 시각 정보, 산속 노천탕을 연상시키는 시각 정보, 사우스웨스트 리버 캐넌을 연상시키는 시각 정보, marin headlands를 연상시키는 시각 정보, 하이 시에라 레이크를 연상시키는 시각 정보, 에버 글레이즈를 연상시키는 시각 정보, 해변 캠프파이어를 연상시키는 시각 정보 등이 포함될 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 땅, 바람, 불을 연상시키는 시각 정보를 포함할 수 있다.
땅, 바다, 불을 연상시키는 시각 정보는 아삼 정글을 연상시키는 시각 정보, 골프 가든을 연상시키는 시각 정보, 봄의 프랑스 마을을 연상시키는 시각 정보, 아이슬란드의 바다를 연상시키는 시각 정보, 아이슬란드의 여행을 연상시키는 시각 정보, 매혹적인 이끼의 정원을 연상시키는 시각 정보, 마라케시의 모자이크 공예가를 연상시키는 시각 정보, 팔랑케 유적을 연상시키는 시각 정보, 멕시코 시티를 연상시키는 시각 정보, 구름의 산을 연상시키는 시각 정보, 네덜란드의 겨울을 연상시키는 시각 정보, 네덜란드의 봄을 연상시키는 시각 정보, 빙하 특급 열차를 연상시키는 시각 정보, 마리아 메리안의 위대한 탐험을 연상시키는 시각 정보, 더블린을 연상시키는 시각 정보, 머크로스 호숫가를 연상시키는 시각 정보, 케인곰스를 연상시키는 시각 정보, 뉴질랜드의 북섬을 연상시키는 시각 정보, 뉴질랜드의 남섬을 연상시키는 시각 정보, 로몬드 호수로 떠나는 여행을 연상시키는 시각 정보, 알프스 초원을 연상시키는 시각 정보, 캠프파이어를 연상시키는 시각 정보, 숲을 연상시키는 시각 정보, 알프스 산을 연상시키는 시각 정보, 정엄한 계곡을 연상시키는 시각 정보, 타닥타닥 타는 벽난로를 연상시키는 시각 정보, 소나무숲에서 부는 바람을 연상시키는 시각 정보, 하얀 눈을 연상시키는 시각 정보, 나무 속에서 사는 것을 연상시키는 시각 정보, 밤의 사막을 연상시키는 시각 정보, 등대 별장을 연상시키는 시각 정보, 정글 숲을 연상시키는 시각 정보, 산속 노천탕을 연상시키는 시각 정보, 낙엽수림을 연상시키는 시각 정보, 태평양 북서부를 연상시키는 시각 정보, 침엽수림을 연상시키는 시각 정보, 옥수수밭을 연상시키는 시각 정보, 대나무숲을 연상시키는 시각 정보, 사우스웨스트 리버 캐년을 연상시키는 시각 정보, 빙하의 눈밭을 연상시키는 시각 정보, 숲 속의 종을 연상시키는 시각 정보, 해변에서의 캠프파이어를 연상시키는 시각 정보, 수확을 연상시키는 시각 정보, 영화 듄에 등장하는 아라키스 행성을 연상시키는 시각 정보, 영화 듄에 등장하는 캘러던 행성을 연상시키는 시각 정보, 포 씨의 도서관을 연상시키는 시각 정보, 고딕 양식의 묘지를 연상시키는 시각 정보, 선풍기를 연상시키는 시각 정보, 세탁기를 연상시키는 시각 정보, 도시 거리를 연상시키는 시각 정보, 뇌우를 연상시키는 시각 정보, 제스퍼 호수를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 수면용 이야기 소리가 선사하는 안식을 연상시키는 시각 정보를 포함할 수 있다.
수면용 이야기 소리가 선사하는 안식을 연상시키는 시각 정보는 골프 가든을 연상시키는 시각 정보, 일곱 언덕의 도시를 연상시키는 시각 정보, 구름의 산을 연상시키는 시각 정보, 빙하 특급 열차를 연상시키는 시각 정보, 마리아 메리안의 위대한 탐험을 연상시키는 시각 정보, 앙코르의 비밀 사원을 연상시키는 시각 정보, 매혹적인 이끼 정원을 연상시키는 시각 정보, 마라케시 모자이크 공예가를 연상시키는 시각 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 심상 유도 시각 정보(12)는 사용자가 선호하는 기억과 연관된 시각 정보일 수 있다.
또한, 심상 유도 시각 정보(12)는 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 시각 정보일 수 있다.
심상 유도 텍스트 음향 정보(14)
도 25는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 심상 유도 정보를 제공하는 사용자 단말(300)의 한 실시 형태를 나타낸 도면이다.
도 25에 도시된 바와 같이, 본 발명의 일실시예에 따라, 심상 유도 텍스트 정보(11)가 '캐나다의 호숫가'라고 사용자 단말(300)의 디스플레이에 나타나면서, 심상 유도 시각 정보(12)가 캐나다의 호숫가를 연상시키는, 예를 들어, 캐나다에 있는 호숫가에 곰이 목을 축이고 있는 이미지가 디스플레이에 나타나면서, 심상 유도 음향 정보(13)가 캐나다의 호숫가를 연상시키는, 예를 들어, 고요한 풀벌레가 우는 음향과 곰이 호숫가에서 목을 축이는 듯한 음향이 사용자에게 들리는 경우, 사용자가 선호하는 남성의 목소리 또는 사용자가 선호하는 여성의 목소리로 "여러분은 지금 캐나다의 호숫가를 걷고 있습니다"라고 말하는 사람의 음성이 들리는 심상 유도 텍스트 음향 정보(14)가 사용자에게 제공될 수 있다.
또는 심상 유도 음향 정보(13), 심상 유도 텍스트 정보(11), 심상 유도 시각 정보(12)가 변함에 따라서, 심상 유도 텍스트 음향 정보(14)가 시계열적으로 변할 수 있다.
도 25에 도시된 바와 같이, 심상 유도 정보는 심상 유도 텍스트 음향 정보(14)를 포함할 수 있다.
심상 유도 텍스트 음향 정보(14)는 사람의 음성을 기반으로 사용자의 수면을 유도하는 정보를 포함할 수 있다.
심상 유도 텍스트 음향 정보(14)는 단일한 텍스트 음향 정보일 수 있으며, 또는 심상 유도 시나리오를 가진 시계열적 텍스트 음향 정보일 수 있다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 단일한 텍스트 음향 정보일 수 있다.
예를 들어, 백색소음을 연상시키는 텍스트 음향 정보, 물을 연상시키는 텍스트 음향 정보, 자연을 연상시키는 텍스트 음향 정보, ASMR(autonomous sensory meridian response)을 연상시키는 텍스트 음향 정보, SF를 연상시키는 텍스트 음향 정보, 악기를 연상시키는 텍스트 음향 정보, 동물을 연상시키는 텍스트 음향 정보, 멜로디를 연상시키는 텍스트 음향 정보, 도시를 연상시키는 텍스트 음향 정보, 규칙적인 소리를 연상시키는 텍스트 음향 정보, 바이노럴 비트(Binaural beats)를 연상시키는 텍스트 음향 정보, 솔페지오 주파수(solfeggio frequencies)를 연상시키는 텍스트 음향 정보, 비를 연상시키는 텍스트 음향 정보, 바다, 강, 호수를 연상시키는 텍스트 음향 정보, 땅, 바람, 불을 연상시키는 텍스트 음향 정보, 이야기를 연상시키는 텍스트 음향 정보 등이 포함될 수 있다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(11)는 물을 연상시키는 텍스트 음향 정보를 포함할 수 있다.
물을 연상시키는 텍스트 정보는 강을 연상시키는 텍스트 음향 정보, 비를 연상시키는 텍스트 음향 정보, 바다를 연상시키는 텍스트 음향 정보, 샤워를 연상시키는 텍스트 음향 정보, 폭포를 연상시키는 텍스트 음향 정보, 호우를 연상시키는 텍스트 음향 정보, 호숫가를 연상시키는 텍스트 음향 정보, 식기 세척기를 연상시키는 텍스트 음향 정보, 분수를 연상시키는 텍스트 음향 정보, 비오는 도시를 연상시키는 텍스트 음향 정보, 아쿠아리움을 연상시키는 텍스트 음향 정보, 대나무 숲을 연상시키는 텍스트 음향 정보, 욕실을 연상시키는 텍스트 음향 정보, 끓는 물약을 연상시키는 텍스트 음향 정보, 빗속의 드라이브를 연상시키는 텍스트 음향 정보, 물 위의 보트를 연상시키는 텍스트 음향 정보, 욕조를 연상시키는 텍스트 음향 정보, 창문에 떨어지는 비를 연상시키는 텍스트 음향 정보, 바위에 부서지는 파도를 연상시키는 텍스트 음향 정보, 동굴을 연상시키는 텍스트 음향 정보, 항해를 연상시키는 텍스트 음향 정보, 느린 파도를 연상시키는 텍스트 음향 정보, 약한 비를 연상시키는 텍스트 음향 정보, 세찬 비를 연상시키는 텍스트 음향 정보, 비오는 날을 연상시키는 텍스트 음향 정보, 수중을 연상시키는 텍스트 음향 정보, 호우를 연상시키는 텍스트 음향 정보, 비오는 우림을 연상시키는 텍스트 음향 정보, 해변을 연상시키는 텍스트 음향 정보, 얼음 눈을 연상시키는 텍스트 음향 정보, 지붕에 내리는 비를 연상시키는 텍스트 음향 정보, 텐트에 떨어지는 비를 연상시키는 텍스트 음향 정보, 찰랑거리는 물을 연상시키는 텍스트 음향 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 자연을 연상시키는 텍스트 음향 정보를 포함할 수 있다.
*자연을 연상시키는 텍스트 음향 정보는 밤을 연상시키는 텍스트 음향 정보, 바람을 연상시키는 텍스트 음향 정보, 천둥을 연상시키는 텍스트 음향 정보, 캠프파이어를 연상시키는 텍스트 음향 정보, 캐나다의 숲을 연상시키는 텍스트 음향 정보, 숲 산책을 연상시키는 텍스트 음향 정보, 심장 박동을 연상시키는 텍스트 음향 정보, 폭풍을 연상시키는 텍스트 음향 정보, 화창한 날을 연상시키는 텍스트 음향 정보, 풍랑 소리를 연상시키는 텍스트 음향 정보, 숲 소리를 연상시키는 텍스트 음향 정보, 토스카나를 연상시키는 텍스트 음향 정보, 오후를 연상시키는 텍스트 음향 정보, 뇌우를 연상시키는 텍스트 음향 정보, 주피터를 연상시키는 텍스트 음향 정보, 숲 속의 바람을 연상시키는 텍스트 음향 정보, 바스락거리는 잎을 연상시키는 텍스트 음향 정보, 불타는 소리를 연상시키는 텍스트 음향 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 ASMR(autonomous sensory meridian response)을 연상시키는 텍스트 음향 정보를 포함할 수 있다.
ASMR은 침대 시트를 연상시키는 텍스트 음향 정보, 점액을 연상시키는 텍스트 음향 정보, 끈끈한 점액을 연상시키는 텍스트 음향 정보, 탄산음료를 연상시키는 텍스트 음향 정보, 거품을 연상시키는 텍스트 음향 정보, 마이크 긁힘을 연상시키는 텍스트 음향 정보, 골골송을 연상시키는 텍스트 음향 정보, 메이크업 브러시를 연상시키는 텍스트 음향 정보, 끓는 물을 연상시키는 텍스트 음향 정보, 아이스 큐브 귀 마사지를 연상시키는 텍스트 음향 정보, 귀에 바람 불기를 연상시키는 텍스트 음향 정보, 프라이팬을 연상시키는 텍스트 음향 정보, 에어캡을 연상시키는 텍스트 음향 정보, 요정의 속삭임을 연상시키는 텍스트 음향 정보, 말린 허브를 연상시키는 텍스트 음향 정보, 빗소리를 연상시키는 텍스트 음향 정보, 손가락 비비기를 연상시키는 텍스트 음향 정보, 페이지 넘기기를 연상시키는 텍스트 음향 정보, 눈 위 걷기를 연상시키는 텍스트 음향 정보, 바스락거리는 비닐을 연상시키는 텍스트 음향 정보, 글 쓰기를 연상시키는 텍스트 음향 정보, 귀 닦기를 연상시키는 텍스트 음향 정보, 떨어지는 구슬을 연상시키는 텍스트 음향 정보, 귀 청소를 연상시키는 텍스트 음향 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 사람이 소리를 내는 텍스트 음향 정보를 포함할 수 있다.
사람이 소리를 내는 텍스트 정보는 사람의 호흡을 연상시키는 텍스트 음향 정보, 수면 명상을 연상시키는 텍스트 음향 정보, 최면 단어를 연상시키는 텍스트 음향 정보, 양 세기를 연상시키는 텍스트 음향 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 SF 텍스트 음향 정보를 포함할 수 있다.
SF 텍스트 음향 정보는 뇌파 스캐너를 연상시키는 텍스트 음향 정보, 컴퓨터 신호음을 연상시키는 텍스트 음향 정보, 레이저 빔을 연상시키는 텍스트 음향 정보, 리액터를 연상시키는 텍스트 음향 정보, 우주선을 연상시키는 텍스트 음향 정보, 로켓 엔진을 연상시키는 텍스트 음향 정보, 우주를 연상시키는 텍스트 음향 정보, 우주선에서 걷기를 연상시키는 텍스트 음향 정보, 주피터를 연상시키는 텍스트 음향 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 악기를 연상시키는 텍스트 음향 정보를 포함할 수 있다.
악기를 연상시키는 텍스트 음향 정보는 뮤직박스를 연상시키는 텍스트 음향 정보, 베이비 슈셔를 연상시키는 텍스트 음향 정보, 콧노래를 연상시키는 텍스트 음향 정보, 자궁을 연상시키는 텍스트 음향 정보, 베이비 마림바를 연상시키는 텍스트 음향 정보, 베이비 벨을 연상시키는 텍스트 음향 정보, 딸랑이를 연상시키는 텍스트 음향 정보, 브람스의 자장가를 연상시키는 텍스트 음향 정보, 비행기 소리를 연상시키는 텍스트 음향 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 동물을 연상시키는 텍스트 음향 정보를 포함할 수 있다.
동물을 연상시키는 텍스트 음향 정보는 새를 연상시키는 텍스트 음향 정보, 황소개구리를 연상시키는 텍스트 음향 정보, 호박을 연상시키는 텍스트 음향 정보, 소를 연상시키는 텍스트 음향 정보, 아침 새를 연상시키는 텍스트 음향 정보, 돌고래를 연상시키는 텍스트 음향 정보, 병아리를 연상시키는 텍스트 음향 정보, 닭을 연상시키는 텍스트 음향 정보, 오리를 연상시키는 텍스트 음향 정보, 말발굽을 연상시키는 텍스트 음향 정보, 열대새를 연상시키는 텍스트 음향 정보, 양의 걸음을 연상시키는 텍스트 음향 정보, 뻐꾸기를 연상시키는 텍스트 음향 정보, 짹짹 소리를 연상시키는 텍스트 음향 정보, 고래의 여행을 연상시키는 텍스트 음향 정보, 고래를 연상시키는 텍스트 음향 정보, 갈매기를 연상시키는 텍스트 음향 정보, 올빼미를 연상시키는 텍스트 음향 정보, 개구리를 연상시키는 텍스트 음향 정보, 그르렁거리는 고양이를 연상시키는 텍스트 음향 정보, 늑대를 연상시키는 텍스트 정보, 아비새를 연상시키는 텍스트 정보, 매미를 연상시키는 텍스트 정보, 청개구리를 연상시키는 텍스트 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 도시를 연상시키는 텍스트 음향 정보를 포함할 수 있다.
도시를 연상시키는 텍스트 음향 정보는 흔들이 선풍기를 연상시키는 텍스트 음향 정보, 샤워를 연상시키는 텍스트 음향 정보, 에어컨을 연상시키는 텍스트 음향 정보, 식기세척기를 연상시키는 텍스트 음향 정보, 커피숍을 연상시키는 텍스트 음향 정보, 기차를 연상시키는 텍스트 음향 정보, 비오는 도시를 연상시키는 텍스트 음향 정보, 아쿠아리움을 연상시키는 텍스트 음향 정보, 욕실을 연상시키는 텍스트 음향 정보, 빗속의 드라이브를 연상시키는 텍스트 음향 정보, 욕조를 연상시키는 텍스트 음향 정보, 차가운 금속을 연상시키는 텍스트 음향 정보, 스프링쿨러를 연상시키는 텍스트 음향 정보, 지붕에 내리는 비를 연상시키는 텍스트 음향 정보, 놀이터를 연상시키는 텍스트 음향 정보, 대형 괘종시계를 연상시키는 텍스트 음향 정보, 드라이어를 연상시키는 텍스트 음향 정보, 도시 분위기를 연상시키는 텍스트 음향 정보, 뱃고동을 연상시키는 텍스트 음향 정보, 청소기를 연상시키는 텍스트 음향 정보, 키보드를 연상시키는 텍스트 음향 정보, 군중을 연상시키는 텍스트 음향 정보, 멀리서 오는 기차를 연상시키는 텍스트 음향 정보, 카니발을 연상시키는 텍스트 음향 정보, 트럭 엔진을 연상시키는 텍스트 음향 정보, 헤어 드라이기를 연상시키는 텍스트 음향 정보, 고속도로를 연상시키는 텍스트 음향 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 비를 연상시키는 텍스트 음향 정보를 포함할 수 있다.
비를 연상시키는 텍스트 음향 정보는 열대 우림을 연상시키는 텍스트 음향 정보, 비 내리는 파리의 밤을 연상시키는 텍스트 음향 정보, 텐트 위로 떨어지는 비를 연상시키는 텍스트 음향 정보, 나뭇잎 위로 떨어지는 비를 연상시키는 텍스트 음향 정보, 약한 비를 연상시키는 텍스트 음향 정보, 폭우를 연상시키는 텍스트 음향 정보, 도시의 비를 연상시키는 텍스트 음향 정보, 창문에 부딪히는 빗방울을 연상시키는 텍스트 음향 정보, 뇌우를 연상시키는 텍스트 음향 정보, 차 안에서 느끼는 비를 연상시키는 텍스트 음향 정보, 채광창으로 떨어지는 비를 연상시키는 텍스트 음향 정보, 선종 사원 정원에 부슬부슬 내리는 비를 연상시키는 텍스트 음향 정보, 듄: 캘리던을 연상시키는 텍스트 음향 정보, 등대 별장을 연상시키는 텍스트 음향 정보, 등대 별장의 라디오를 연상시키는 텍스트 음향 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 바다, 강, 호수를 연상시키는 텍스트 음향 정보를 포함할 수 있다.
바다, 강, 호수를 연상시키는 텍스트 음향 정보는 플라이 낚시를 연상시키는 텍스트 음향 정보, 아이슬란드의 바다를 연상시키는 텍스트 음향 정보, 항해하는 선박의 아래층 간판을 연상시키는 텍스트 음향 정보, 대양의 파도를 연상시키는 텍스트 음향 정보, 이명을 위한 파도를 연상시키는 텍스트 음향 정보, 여객선의 객실을 연상시키는 텍스트 음향 정보, 마리아 메리안의 위대한 탐험을 연상시키는 텍스트 음향 정보, 줄줄 흐르는 시냇물을 연상시키는 텍스트 음향 정보, calm 아일랜드를 연상시키는 텍스트 음향 정보, 폭포를 연상시키는 텍스트 음향 정보, 먼 바다의 파도를 연상시키는 텍스트 음향 정보, 조용히 흐르는 개울을 연상시키는 텍스트 음향 정보, 마음을 진정시켜주는 아쿠아스케이프를 연상시키는 텍스트 음향 정보, 백색 소음의 바다 서핑을 연상시키는 텍스트 음향 정보, 산호초를 연상시키는 텍스트 음향 정보, 제스퍼 호수를 연상시키는 텍스트 음향 정보, 물의 원천을 연상시키는 텍스트 음향 정보, 삶의 원천를 연상시키는 텍스트 음향 정보, 산호초의 도시를 연상시키는 텍스트 음향 정보, 태평양 북서부를 연상시키는 텍스트 음향 정보, 다이아몬드의 바다를 연상시키는 텍스트 음향 정보, 노던 레이크를 연상시키는 텍스트 음향 정보, 산속 노천탕을 연상시키는 텍스트 음향 정보, 사우스웨스트 리버 캐넌을 연상시키는 텍스트 음향 정보, marin headlands를 연상시키는 텍스트 음향 정보, 하이 시에라 레이크를 연상시키는 텍스트 음향 정보, 에버 글레이즈를 연상시키는 텍스트 음향 정보, 해변 캠프파이어를 연상시키는 텍스트 음향 정보 등이 포함될 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 땅, 바람, 불을 연상시키는 텍스트 음향 정보를 포함할 수 있다.
땅, 바다, 불을 연상시키는 텍스트 음향 정보는 아삼 정글을 연상시키는 텍스트 음향 정보, 골프 가든을 연상시키는 텍스트 음향 정보, 봄의 프랑스 마을을 연상시키는 텍스트 음향 정보, 아이슬란드의 바다를 연상시키는 텍스트 음향 정보, 아이슬란드의 여행을 연상시키는 텍스트 음향 정보, 매혹적인 이끼의 정원을 연상시키는 텍스트 음향 정보, 마라케시의 모자이크 공예가를 연상시키는 텍스트 음향 정보, 팔랑케 유적을 연상시키는 텍스트 음향 정보, 멕시코 시티를 연상시키는 텍스트 음향 정보, 구름의 산을 연상시키는 텍스트 음향 정보, 네덜란드의 겨울을 연상시키는 텍스트 음향 정보, 네덜란드의 봄을 연상시키는 텍스트 음향 정보, 빙하 특급 열차를 연상시키는 텍스트 음향 정보, 마리아 메리안의 위대한 탐험을 연상시키는 텍스트 음향 정보, 더블린을 연상시키는 텍스트 음향 정보, 머크로스 호숫가를 연상시키는 텍스트 음향 정보, 케인곰스를 연상시키는 텍스트 음향 정보, 뉴질랜드의 북섬을 연상시키는 텍스트 음향 정보, 뉴질랜드의 남섬을 연상시키는 텍스트 음향 정보, 로몬드 호수로 떠나는 여행을 연상시키는 텍스트 음향 정보, 알프스 초원을 연상시키는 텍스트 음향 정보, 캠프파이어를 연상시키는 텍스트 음향 정보, 숲을 연상시키는 텍스트 음향 정보, 알프스 산을 연상시키는 텍스트 음향 정보, 정엄한 계곡을 연상시키는 텍스트 음향 정보, 타닥타닥 타는 벽난로를 연상시키는 텍스트 음향 정보, 소나무숲에서 부는 바람을 연상시키는 텍스트 음향 정보, 하얀 눈을 연상시키는 텍스트 음향 정보, 나무 속에서 사는 것을 연상시키는 텍스트 음향 정보, 밤의 사막을 연상시키는 텍스트 음향 정보, 등대 별장을 연상시키는 텍스트 음향 정보, 정글 숲을 연상시키는 텍스트 음향 정보, 산속 노천탕을 연상시키는 텍스트 음향 정보, 낙엽수림을 연상시키는 텍스트 음향 정보, 태평양 북서부를 연상시키는 텍스트 음향 정보, 침엽수림을 연상시키는 텍스트 음향 정보, 옥수수밭을 연상시키는 텍스트 음향 정보, 대나무숲을 연상시키는 텍스트 음향 정보, 사우스웨스트 리버 캐년을 연상시키는 텍스트 음향 정보, 빙하의 눈밭을 연상시키는 텍스트 음향 정보, 숲 속의 종을 연상시키는 텍스트 음향 정보, 해변에서의 캠프파이어를 연상시키는 텍스트 음향 정보, 수확을 연상시키는 텍스트 음향 정보, 영화 듄에 등장하는 아라키스 행성을 연상시키는 텍스트 음향 정보, 영화 듄에 등장하는 캘러던 행성을 연상시키는 텍스트 음향 정보, 포 씨의 도서관을 연상시키는 텍스트 음향 정보, 고딕 양식의 묘지를 연상시키는 텍스트 음향 정보, 선풍기를 연상시키는 텍스트 음향 정보, 세탁기를 연상시키는 텍스트 음향 정보, 도시 거리를 연상시키는 텍스트 음향 정보, 뇌우를 연상시키는 텍스트 음향 정보, 제스퍼 호수를 연상시키는 텍스트 음향 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 음향 정보를 포함할 수 있다.
수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 음향 정보는 골프 가든을 연상시키는 텍스트 음향 정보, 일곱 언덕의 도시를 연상시키는 텍스트 음향 정보, 구름의 산을 연상시키는 텍스트 음향 정보, 빙하 특급 열차를 연상시키는 텍스트 음향 정보, 마리아 메리안의 위대한 탐험을 연상시키는 텍스트 음향 정보, 앙코르의 비밀 사원을 연상시키는 텍스트 음향 정보, 매혹적인 이끼 정원을 연상시키는 텍스트 음향 정보, 마라케시 모자이크 공예가를 연상시키는 텍스트 음향 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 음향 정보(14)는 사용자가 선호하는 기억과 연관된 텍스트 음향 정보일 수 있다.
또한, 심상 유도 텍스트 음향 정보(14)는 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 음향 정보일 수 있다.
심상 유도 텍스트 정보(11)
도 25는 본 발명의 일 실시예에 따른 수면 상태 정보에 기초하여 심상 유도 정보를 제공하는 사용자 단말(300)의 한 실시 형태를 나타낸 도면이다.
도 25에 도시된 바와 같이, 본 발명의 일실시예에 따라, 심상 유도 시각 정보(12)가 캐나다의 호숫가를 연상시키는, 예를 들어, 캐나다에 있는 호숫가에 곰이 목을 축이고 있는 이미지가 디스플레이에 나타나면서, 심상 유도 음향 정보(13)가 캐나다의 호숫가를 연상시키는, 예를 들어, 고요한 풀벌레가 우는 음향과 곰이 호숫가에서 목을 축이는 듯한 음향이 사용자에게 들리는 경우, 그리고, 사용자가 선호하는 남성의 목소리 또는 사용자가 선호하는 여성의 목소리로"여러분은 지금 캐나다의 호숫가를 걷고 있습니다"라고 말하는 사람의 음성으로 들리는 심상 유도 텍스트 음향 정보(14)가 사용자에게 제공되는 경우에, 사용자 단말(300)의 디스플레이에 이에 알맞는 제목인 '캐나다의 호숫가'라고 심상 유도 텍스트 정보(11)가 나타날 수 있다. 또는 심상 유도 음향 정보(13), 심상 유도 텍스트 음향 정보(14), 심상 유도 시각 정보(12)가 변함에 따라서, 심상 유도 텍스트 정보(11)가 시계열적으로 변할 수 있다.
도 25에 도시된 바와 같이, 심상 유도 정보는 심상 유도 텍스트 정보(11)를 포함할 수 있다.
심상 유도 텍스트 정보(11)는 텍스트를 기반으로 사용자의 수면을 유도하는 정보를 포함할 수 있다.
심상 유도 텍스트 정보(11)는 단일한 텍스트 정보일 수 있으며, 또는 소리를 기반으로 심상 유도 시나리오를 가진 시계열적 텍스트 정보일 수 있다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 단일한 텍스트 정보일 수 있다.
예를 들어, 백색소음을 연상시키는 텍스트 정보, 물을 연상시키는 텍스트 정보, 자연을 연상시키는 텍스트 정보, ASMR(autonomous sensory meridian response)을 연상시키는 텍스트 정보, 사람이 소리를 내는 텍스트 정보, SF 텍스트 정보, 악기의 텍스트 정보, 동물 텍스트 정보, 멜로디 텍스트 정보, 도시 텍스트 정보, 규칙적인 소리를 연상시키는 텍스트 정보, 바이노럴 비트(Binaural beats)를 연상시키는 텍스트 정보, 솔페지오 주파수(solfeggio frequencies)를 연상시키는 텍스트 정보, 비를 연상시키는 텍스트 정보, 바다, 강, 호수를 연상시키는 텍스트 정보, 땅, 바람, 불을 연상시키는 텍스트 정보, 이야기를 연상시키는 텍스트 정보 등이 포함될 수 있다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 백색소음을 연상시키는 텍스트 정보를 포함할 수 있다.
백색소음을 연상시키는 텍스트 정보는 딥 브라운 노이즈를 연상시키는 텍스트 정보, 그린 노이즈를 연상시키는 텍스트 정보, 화이팅 노이즈를 연상시키는 텍스트 정보, 핑크 노이즈를 연상시키는 텍스트 정보, 블루 노이즈를 연상시키는 텍스트 정보, 그레이 노이즈를 연상시키는 텍스트 정보, 바이올렛 노이즈를 연상시키는 텍스트 정보, 브라운 노이즈를 연상시키는 텍스트 정보, 에어컨 소리를 연상시키는 텍스트 정보, 우주선 소리를 연상시키는 텍스트 정보, 비행기 소리를 연상시키는 텍스트 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 물을 연상시키는 텍스트 정보를 포함할 수 있다.
물을 연상시키는 텍스트 정보는 강을 연상시키는 텍스트 정보, 비를 연상시키는 텍스트 정보, 바다를 연상시키는 텍스트 정보, 샤워를 연상시키는 텍스트 정보, 폭포를 연상시키는 텍스트 정보, 호우를 연상시키는 텍스트 정보, 호숫가를 연상시키는 텍스트 정보, 식기 세척기를 연상시키는 텍스트 정보, 분수를 연상시키는 텍스트 정보, 비오는 도시를 연상시키는 텍스트 정보, 아쿠아리움을 연상시키는 텍스트 정보, 대나무 숲을 연상시키는 텍스트 정보, 욕실을 연상시키는 텍스트 정보, 끓는 물약을 연상시키는 텍스트 정보, 빗속의 드라이브를 연상시키는 텍스트 정보, 물 위의 보트를 연상시키는 텍스트 정보, 욕조를 연상시키는 텍스트 정보, 창문에 떨어지는 비를 연상시키는 텍스트 정보, 바위에 부서지는 파도를 연상시키는 텍스트 정보, 동굴을 연상시키는 텍스트 정보, 항해를 연상시키는 텍스트 정보, 느린 파도를 연상시키는 텍스트 정보, 약한 비를 연상시키는 텍스트 정보, 세찬 비를 연상시키는 텍스트 정보, 비오는 날을 연상시키는 텍스트 정보, 수중을 연상시키는 텍스트 정보, 호우를 연상시키는 텍스트 정보, 비오는 우림을 연상시키는 텍스트 정보, 해변을 연상시키는 텍스트 정보, 얼음 눈을 연상시키는 텍스트 정보, 지붕에 내리는 비를 연상시키는 텍스트 정보, 텐트에 떨어지는 비를 연상시키는 텍스트 정보, 찰랑거리는 물을 연상시키는 텍스트 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 자연을 연상시키는 텍스트를 포함할 수 있다.
자연을 연상시키는 텍스트는 밤을 연상시키는 텍스트, 바람을 연상시키는 텍스트, 천둥을 연상시키는 텍스트, 캠프파이어를 연상시키는 텍스트, 캐나다의 숲을 연상시키는 텍스트, 숲 산책을 연상시키는 텍스트, 심장 박동을 연상시키는 텍스트, 폭풍을 연상시키는 텍스트, 화창한 날을 연상시키는 텍스트, 풍랑 소리를 연상시키는 텍스트, 숲 소리를 연상시키는 텍스트, 토스카나를 연상시키는 텍스트, 오후를 연상시키는 텍스트, 뇌우를 연상시키는 텍스트, 주피터를 연상시키는 텍스트, 숲 속의 바람을 연상시키는 텍스트, 바스락거리는 잎을 연상시키는 텍스트, 불타는 소리를 연상시키는 텍스트를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 ASMR(autonomous sensory meridian response)을 연상시키는 텍스트 정보를 포함할 수 있다.
ASMR은 침대 시트를 연상시키는 텍스트 정보, 점액을 연상시키는 텍스트 정보, 끈끈한 점액을 연상시키는 텍스트 정보, 탄산음료를 연상시키는 텍스트 정보, 거품을 연상시키는 텍스트 정보, 마이크 긁힘을 연상시키는 텍스트 정보, 골골송을 연상시키는 텍스트 정보, 메이크업 브러시를 연상시키는 텍스트 정보, 끓는 물을 연상시키는 텍스트 정보, 아이스 큐브 귀 마사지를 연상시키는 텍스트 정보, 귀에 바람 불기를 연상시키는 텍스트 정보, 프라이팬을 연상시키는 텍스트 정보, 에어캡을 연상시키는 텍스트 정보, 요정의 속삭임을 연상시키는 텍스트 정보, 말린 허브를 연상시키는 텍스트 정보, 빗소리를 연상시키는 텍스트 정보, 손가락 비비기를 연상시키는 텍스트 정보, 페이지 넘기기를 연상시키는 텍스트 정보, 눈 위 걷기를 연상시키는 텍스트 정보, 바스락거리는 비닐을 연상시키는 텍스트 정보, 글 쓰기를 연상시키는 텍스트 정보, 귀 닦기를 연상시키는 텍스트 정보, 떨어지는 구슬을 연상시키는 텍스트 정보, 귀 청소를 연상시키는 텍스트 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 사람이 소리를 내는 텍스트 정보를 포함할 수 있다.
사람이 소리를 내는 텍스트 정보는 사람의 호흡을 연상시키는 텍스트 정보, 수면 명상을 연상시키는 텍스트 정보, 최면 단어를 연상시키는 텍스트 정보, 양 세기를 연상시키는 텍스트 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 SF 텍스트 정보를 포함할 수 있다.
SF 텍스트 정보는 뇌파 스캐너를 연상시키는 텍스트 정보, 컴퓨터 신호음을 연상시키는 텍스트 정보, 레이저 빔을 연상시키는 텍스트 정보, 리액터를 연상시키는 텍스트 정보, 우주선을 연상시키는 텍스트 정보, 로켓 엔진을 연상시키는 텍스트 정보, 우주를 연상시키는 텍스트 정보, 우주선에서 걷기를 연상시키는 텍스트 정보, 주피터를 연상시키는 텍스트 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 악기의 텍스트 정보를 포함할 수 있다.
악기의 텍스트 정보는 뮤직박스를 연상시키는 텍스트 정보, 베이비 슈셔를 연상시키는 텍스트 정보, 콧노래를 연상시키는 텍스트 정보, 자궁을 연상시키는 텍스트 정보, 베이비 마림바를 연상시키는 텍스트 정보, 베이비 벨을 연상시키는 텍스트 정보, 딸랑이를 연상시키는 텍스트 정보, 브람스의 자장가를 연상시키는 텍스트 정보, 비행기 소리를 연상시키는 텍스트 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 동물 텍스트 정보를 포함할 수 있다.
동물 텍스트 정보는 새를 연상시키는 텍스트 정보, 황소개구리를 연상시키는 텍스트 정보, 호박을 연상시키는 텍스트 정보, 소를 연상시키는 텍스트 정보, 아침 새를 연상시키는 텍스트 정보, 돌고래를 연상시키는 텍스트 정보, 병아리를 연상시키는 텍스트 정보, 닭을 연상시키는 텍스트 정보, 오리를 연상시키는 텍스트 정보, 말발굽을 연상시키는 텍스트 정보, 열대새를 연상시키는 텍스트 정보, 양의 걸음을 연상시키는 텍스트 정보, 뻐꾸기를 연상시키는 텍스트 정보, 짹짹 소리를 연상시키는 텍스트 정보, 고래의 여행을 연상시키는 텍스트 정보, 고래를 연상시키는 텍스트 정보, 갈매기를 연상시키는 텍스트 정보, 올빼미를 연상시키는 텍스트 정보, 개구리를 연상시키는 텍스트 정보, 그르렁거리는 고양이를 연상시키는 텍스트 정보, 늑대를 연상시키는 텍스트 정보, 아비새를 연상시키는 텍스트 정보, 매미를 연상시키는 텍스트 정보, 청개구리를 연상시키는 텍스트 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 멜로디 텍스트 정보를 포함할 수 있다.
멜로디 텍스트 정보는 영원을 연상시키는 텍스트 정보, 신스웨이브를 연상시키는 텍스트 정보, 피아노를 연상시키는 텍스트 정보, 오케스트라를 연상시키는 텍스트 정보, 선을 연상시키는 텍스트 정보, 가을을 연상시키는 텍스트 정보, 업라이트 피아노를 연상시키는 텍스트 정보, 라운지를 연상시키는 텍스트 정보, 별을 연상시키는 텍스트 정보, 부족을 연상시키는 텍스트 정보, 인도를 연상시키는 텍스트 정보, 티벳 그릇을 연상시키는 텍스트 정보, 환희를 연상시키는 텍스트 정보, 풍경을 연상시키는 텍스트 정보, 음성을 연상시키는 텍스트 정보, 관찰을 연상시키는 텍스트 정보, 베이스 음악을 연상시키는 텍스트 정보, 궤도를 연상시키는 텍스트 정보, 드럼을 연상시키는 텍스트 정보, 피리를 연상시키는 텍스트 정보, 합창단을 연상시키는 텍스트 정보, 별 구경을 연상시키는 텍스트 정보, 기타를 연상시키는 텍스트 정보, 드라마틱을 연상시키는 텍스트 정보, 나비를 연상시키는 텍스트 정보, 중세를 연상시키는 텍스트 정보, 지구 드라마를 연상시키는 텍스트 정보, 꿈을 연상시키는 텍스트 정보, 추상을 연상시키는 텍스트 정보, 플루트를 연상시키는 텍스트 정보, 은하수를 연상시키는 텍스트 정보, 봄을 연상시키는 텍스트 정보, 도시를 연상시키는 텍스트 정보, 작은 티벳볼을 연상시키는 텍스트 정보, 중간 티벳볼을 연상시키는 텍스트 정보, 큰 티벳볼을 연상시키는 텍스트 정보, 두둑을 연상시키는 텍스트 정보, 콧노래를 연상시키는 텍스트 정보, 발리의 안개를 연상시키는 텍스트 정보, 인도 드림을 연상시키는 텍스트 정보, 파헬벨 캐논을 연상시키는 텍스트 정보, 염불을 연상시키는 텍스트 정보, 작은 싱잉볼을 연상시키는 텍스트 정보 , 큰 싱잉볼을 연상시키는 텍스트 정보, 마법의 차임벨을 연상시키는 텍스트 정보, 기도하는 시간을 연상시키는 텍스트 정보, 고대를 연상시키는 텍스트 정보, Om을 연상시키는 텍스트 정보, 하모니를 연상시키는 텍스트 정보 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 도시 텍스트 정보를 포함할 수 있다.
도시 텍스트 정보는 흔들이 선풍기를 연상시키는 텍스트 정보, 샤워를 연상시키는 텍스트 정보, 에어컨을 연상시키는 텍스트 정보, 식기세척기를 연상시키는 텍스트 정보, 커피숍을 연상시키는 텍스트 정보, 기차를 연상시키는 텍스트 정보, 비오는 도시를 연상시키는 텍스트 정보, 아쿠아리움을 연상시키는 텍스트 정보, 욕실을 연상시키는 텍스트 정보, 빗속의 드라이브를 연상시키는 텍스트 정보, 욕조를 연상시키는 텍스트 정보, 차가운 금속을 연상시키는 텍스트 정보, 스프링쿨러를 연상시키는 텍스트 정보, 지붕에 내리는 비를 연상시키는 텍스트 정보, 놀이터를 연상시키는 텍스트 정보, 대형 괘종시계를 연상시키는 텍스트 정보, 드라이어를 연상시키는 텍스트 정보, 도시 분위기를 연상시키는 텍스트 정보, 뱃고동을 연상시키는 텍스트 정보, 청소기를 연상시키는 텍스트 정보, 키보드를 연상시키는 텍스트 정보, 군중을 연상시키는 텍스트 정보, 멀리서 오는 기차를 연상시키는 텍스트 정보, 카니발을 연상시키는 텍스트 정보, 트럭 엔진을 연상시키는 텍스트 정보, 헤어 드라이기를 연상시키는 텍스트 정보, 고속도로를 연상시키는 텍스트 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 비를 연상시키는 텍스트 정보를 포함할 수 있다.
비를 연상시키는 텍스트 정보는 열대 우림을 연상시키는 텍스트 정보, 비 내리는 파리의 밤을 연상시키는 텍스트 정보, 텐트 위로 떨어지는 비를 연상시키는 텍스트 정보, 나뭇잎 위로 떨어지는 비를 연상시키는 텍스트 정보, 약한 비를 연상시키는 텍스트 정보, 폭우를 연상시키는 텍스트 정보, 도시의 비를 연상시키는 텍스트 정보, 창문에 부딪히는 빗방울을 연상시키는 텍스트 정보, 뇌우를 연상시키는 텍스트 정보, 차 안에서 느끼는 비를 연상시키는 텍스트 정보, 채광창으로 떨어지는 비를 연상시키는 텍스트 정보, 선종 사원 정원에 부슬부슬 내리는 비를 연상시키는 텍스트 정보, 듄: 캘리던을 연상시키는 텍스트 정보, 등대 별장을 연상시키는 텍스트 정보, 등대 별장의 라디오를 연상시키는 텍스트 정보를 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 바다, 강, 호수를 연상시키는 텍스트 정보를 포함할 수 있다.
바다, 강, 호수를 연상시키는 텍스트 정보는 플라이 낚시를 연상시키는 텍스트 정보, 아이슬란드의 바다를 연상시키는 텍스트 정보, 항해하는 선박의 아래층 간판을 연상시키는 텍스트 정보, 대양의 파도를 연상시키는 텍스트 정보, 이명을 위한 파도를 연상시키는 텍스트 정보, 여객선의 객실을 연상시키는 텍스트 정보, 마리아 메리안의 위대한 탐험을 연상시키는 텍스트 정보, 줄줄 흐르는 시냇물을 연상시키는 텍스트 정보, calm 아일랜드를 연상시키는 텍스트 정보, 폭포를 연상시키는 텍스트 정보, 먼 바다의 파도를 연상시키는 텍스트 정보, 조용히 흐르는 개울을 연상시키는 텍스트 정보, 마음을 진정시켜주는 아쿠아스케이프를 연상시키는 텍스트 정보, 백색 소음의 바다 서핑을 연상시키는 텍스트 정보, 산호초를 연상시키는 텍스트 정보, 제스퍼 호수를 연상시키는 텍스트 정보, 물의 원천을 연상시키는 텍스트 정보, 삶의 원천을 연상시키는 텍스트 정보, 산호초의 도시를 연상시키는 텍스트 정보, 태평양 북서부를 연상시키는 텍스트 정보, 다이아몬드의 바다를 연상시키는 텍스트 정보, 노던 레이크를 연상시키는 텍스트 정보, 산속 노천탕을 연상시키는 텍스트 정보, 사우스웨스트 리버 캐넌을 연상시키는 텍스트 정보, marin headlands를 연상시키는 텍스트 정보, 하이 시에라 레이크를 연상시키는 텍스트 정보, 에버 글레이즈를 연상시키는 텍스트 정보, 해변 캠프파이어를 연상시키는 텍스트 정보 등이 포함될 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 땅, 바람, 불을 연상시키는 텍스트 정보를 포함할 수 있다.
땅, 바다, 불을 연상시키는 텍스트 정보는 아삼 정글을 연상시키는 텍스트 정보, 골프 가든을 연상시키는 텍스트 정보, 봄의 프랑스 마을을 연상시키는 텍스트 정보, 아이슬란드의 바다를 연상시키는 텍스트 정보, 아이슬란드의 여행을 연상시키는 텍스트 정보, 매혹적인 이끼의 정원을 연상시키는 텍스트 정보, 마라케시의 모자이크 공예가를 연상시키는 텍스트 정보, 팔랑케 유적을 연상시키는 텍스트 정보, 멕시코 시티를 연상시키는 텍스트 정보, 구름의 산을 연상시키는 텍스트 정보, 네덜란드의 겨울을 연상시키는 텍스트 정보, 네덜란드의 봄을 연상시키는 텍스트 정보, 빙하 특급 열차를 연상시키는 텍스트 정보, 마리아 메리안의 위대한 탐험을 연상시키는 텍스트 정보, 더블린을 연상시키는 텍스트 정보, 머크로스 호숫가를 연상시키는 텍스트 정보, 케인곰스를 연상시키는 텍스트 정보, 뉴질랜드의 북섬을 연상시키는 텍스트 정보, 뉴질랜드의 남섬을 연상시키는 텍스트 정보, 로몬드 호수로 떠나는 여행을 연상시키는 텍스트 정보, 알프스 초원을 연상시키는 텍스트 정보, 캠프파이어를 연상시키는 텍스트 정보, 숲을 연상시키는 텍스트 정보, 알프스 산을 연상시키는 텍스트 정보, 정엄한 계곡을 연상시키는 텍스트 정보, 타닥타닥 타는 벽난로를 연상시키는 텍스트 정보, 소나무숲에서 부는 바람을 연상시키는 텍스트 정보, 하얀 눈을 연상시키는 텍스트 정보, 나무 속에서 사는 것을 연상시키는 텍스트 정보, 밤의 사막을 연상시키는 텍스트 정보, 등대 별장을 연상시키는 텍스트 정보, 정글 숲을 연상시키는 텍스트 정보, 산속 노천탕을 연상시키는 텍스트 정보, 낙엽수림을 연상시키는 텍스트 정보, 태평양 북서부를 연상시키는 텍스트 정보, 침엽수림을 연상시키는 텍스트 정보, 옥수수밭을 연상시키는 텍스트 정보, 대나무숲을 연상시키는 텍스트 정보, 사우스웨스트 리버 캐년을 연상시키는 텍스트 정보, 빙하의 눈밭을 연상시키는 텍스트 정보, 숲 속의 종을 연상시키는 텍스트 정보, 해변에서의 캠프파이어를 연상시키는 텍스트 정보, 수확을 연상시키는 텍스트 정보, 영화 듄에 등장하는 아라키스 행성을 연상시키는 텍스트 정보, 영화 듄에 등장하는 캘러던 행성을 연상시키는 텍스트 정보, 포 씨의 도서관을 연상시키는 텍스트 정보, 고딕 양식의 묘지를 연상시키는 텍스트 정보, 선풍기를 연상시키는 텍스트 정보, 세탁기를 연상시키는 텍스트 정보, 도시 거리를 연상시키는 텍스트 정보, 뇌우를 연상시키는 텍스트 정보, 제스퍼 호수를 연상시키는 텍스트 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 정보를 포함할 수 있다.
수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 정보는 골프 가든을 연상시키는 텍스트 정보, 일곱 언덕의 도시를 연상시키는 텍스트 정보, 구름의 산을 연상시키는 텍스트 정보, 빙하 특급 열차를 연상시키는 텍스트 정보, 마리아 메리안의 위대한 탐험을 연상시키는 텍스트 정보, 앙코르의 비밀 사원을 연상시키는 텍스트 정보, 매혹적인 이끼 정원을 연상시키는 텍스트 정보, 마라케시 모자이크 공예가를 연상시키는 텍스트 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.
본 발명의 일 실시예에 따르면, 심상 유도 텍스트 정보(11)는 사용자가 선호하는 기억과 연관된 텍스트 정보일 수 있다.
또한, 심상 유도 텍스트 정보(11)는 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 정보일 수 있다.
심상 유도 음향 정보(13), 심상 유도 시각 정보(12) 및 심상 유도 텍스트 정보(11), 심상 유도 텍스트 음향 정보(14) 중 둘 이상의 조합
상술한 바와 같이, 심상 유도 정보는 단일한 심상 유도 음향 정보(13) 및 단일한 심상 유도 시각 정보(12), 단일한 심상 유도 텍스트 음향 정보(14)를 포함할 수 있으나, 바람직하게는 단일한 심상 유도 음향 정보(13)와 단일한 심상 유도 시각 정보(12)와 심상 유도 텍스트 음향 정보(14)가 결합된 것을 포함할 수 있다.
또한 심상 유도 정보는 단일한 심상 유도 음향 정보(13) 및 단일한 심상 유도 텍스트 정보(11) 및 심상 유도 텍스트 음향 정보(14)를 포함할 수 있으나 바람직하게는 단일한 심상 유도 음향 정보(13)와 단일한 심상 유도 텍스트 정보(11)와 심상 유도 텍스트 음향 정보(14)가 결합된 것을 포함할 수 있다.
또한, 심상 유도 정보는 단일한 심상 유도 음향 정보(13), 단일한 심상 유도 텍스트 정보(11) 및 단일한 심상 유도 시각 정보(12) 및 단일한 심상 유도 텍스트 음향 정보(14)를 포함할 수 있으나, 가장 바람직하게는 단일한 심상 유도 음향 정보(13)와 단일한 심상 유도 텍스트 정보(11)와 단일한 심상 유도 시각 정보(12)와 심상 유도 텍스트 음향 정보(14)가 모두 결합된 것을 포함할 수 있다.
더 바람직하게는, 심상 유도 정보는 심상 유도 음향 정보(13)를 기반으로, 심상 유도 시각 정보(12)와 심상 유도 텍스트 정보(11)와 심상 유도 텍스트 음향 정보(14)를 모두 결합하여 심상 유도 시나리오를 가진 시계열적 정보인 것을 포함할 수 있다.
심상 유도 음향 정보(13), 심상 유도 시각 정보(12) 및 심상 유도 텍스트 정보(11) 중 둘 이상의 결합의 심상 유도 시나리오를 갖는 시계열적 조합
상술한 바와 같이, 심상 유도 정보는 시계열적 심상 유도 음향 정보(13), 시계열적 심상 유도 시각 정보(12) 및 시계열적 심상 유도 텍스트 음향 정보(14)를 포함할 수 있으나, 바람직하게는 시계열적 심상 유도 음향 정보(13)와 시계열적 심상 유도 시각 정보(12)와 시계열적 심상 유도 텍스트 음향 정보(14)가 결합된 것을 포함할 수 있다.
또한, 심상 유도 정보는 시계열적 심상 유도 음향 정보(13), 시계열적 심상 유도 텍스트 정보(11) 및 시계열적 심상 유도 텍스트 음향 정보(14)를 포함할 수 있으나, 바람직하게는 시계열적 심상 유도 음향 정보(13)와 시계열적 심상 유도 텍스트 정보(11)와 시계열적 심상 유도 텍스트 음향 정보(14)가 결합된 것을 포함할 수 있다.
또한, 심상 유도 정보는 시계열적 심상 유도 음향 정보(13), 시계열적 심상 유도 텍스트 정보(11), 시계열적 심상 유도 시각 정보(12) 및 시계열적 심상 유도 텍스트 음향 정보(14)를 포함할 수 있으나, 바람직하게는 시계열적 심상 유도 음향 정보(13)와 시계열적 심상 유도 텍스트 정보(11)와 시계열적 심상 유도 시각 정보(12)와 시계열적 심상 유도 텍스트 음향 정보(14)가 모두 결합된 것을 포함할 수 있다.
더 바람직하게는, 심상 유도 정보는 심상 유도 시나리오를 갖는 시계열적 심상 유도 음향 정보(13)와 같은 심상 유도 시나리오를 갖는 시계열적 심상 유도 시각 정보(12) 및 심상 유도 텍스트 정보(11) 및 시계열적 심상 유도 텍스트 음향 정보(14)가 모두 결합된 것을 포함할 수 있다.
본 발명의 일실시예에 따르면, 심상 유도 시나리오는 사용자의 수면에 도움이 되도록 심리적인 안정감을 줄 수 있으며, 사용자에게 일련의 경험을 제공할 수 있다.
구체적으로, 심상 유도 시나리오는 심상 유도 음향 정보(13), 심상 유도 텍스트 정보(11), 심상 유도 텍스트 음향 정보(14), 심상 유도 시각 정보(12) 중 어느 하나를 활용하여 사용자의 감각들을 통해 총체적인 경험을 제공할 수 있다.
본 발명의 일실시예에 따르면, 심상 유도 시나리오는 사용자의 감각들을 통해 총체적인 경험을 제공하는 것이므로, 이에 따라, 사용자가 반드시 시각적인 연상을 하도록 유도할 필요는 없고, 시각적인 연상과 추상적인 경험이 혼재되는 것도 포함할 수 있다.
예를 들어, 심상 유도 시나리오가 사용자에게 깊은 바다 속으로 들어가는 시나리오를 제공하는 경우, 심상 유도 시나리오는 사용자에게 깊은 바다 속으로 들어가는 시각적인 연상의 경험을 유도할 수 있으나, 사용자에게 깊은 바다 속으로 들어가는 추상적인 경험을 유도할 수도 있다. 또한, 깊은 바다 속으로 들어가는 시각적인 연상의 경험과 추상적인 경험 모두를 유도할 수도 있다.
본 발명의 일실시예에 따르면, 심상 유도 시나리오는 두 개 이상이 제공될 수 있으며, 본 발명은 사용자에게 두 개 이상의 독립된 시나리오를 부드럽게 연결하여 제공할 수 있다.
이에 따라, 사용자의 입면 전까지 시나리오 장면의 큰 변화가 1회 이상일 수 있다.
본 발명의 일실시예에 따르면, 심상 유도 정보는 두 개 이상의 독립된 시나리오를 포함할 수 있다.
그러나, 두 개 이상의 독립된 시나리오의 조합이 사용자의 수면에 부정적인 영향을 끼치는 경우, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 해당 조합이 사용자의 수면에 부정적인 영향을 끼쳤음을 기초로 하여, 다른 조합을 제공하는 등의 선택을 할 수 있다.
본 발명의 일실시예에 따르면, 심상 유도 시나리오의 장면은 한 장면으로 지속될 수 있으나, 심상 유도 시나리오의 장면은 변화할 수 있다.
바람직하게는, 심상 유도 시나리오의 장면의 변화가 있을 경우, 장면의 변화에 대한 경계를 뚜렷하지 않게 하여 사용자에게 자각되지 않도록 할 수 있다.
구체적으로, 사용자는 심상 유도 시나리오의 기존의 장면에 대하여 새로운 장면이 나타나는 경우, 새로운 장면이 지속되는 동안 장면의 변화된 시점을 인지하지 못할 수 있다.
본 발명의 일실시예에 따르면, 심상 유도 시나리오는 사용자가 다수의 감각을 이용해 느낄 수 있는 것을 포함한다.
바람직하게는, 심상 유도 시나리오는 시나리오가 진행됨에 따라 사용자가 이용하는 감각의 개수가 증가하지 않도록 진행될 수 있다.
더 바람직하게는, 심상 유도 시나리오는 시나리오가 진행됨에 따라 이용하는 사용자의 감각의 개수가 감소하도록 진행될 수 있다.
시나리오가 진행됨에 따라 시간이 경과됨으로써, 사용자가 수면에 점점 진입하기 때문에 사용자가 인지하는 감각의 개수는 감소할 수 있다.
본 발명의 일 실시예에 따르면, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 사용자가 사용자 창작 텍스트를 입력하면 해당 텍스트에 맞는 시나리오를 생성할 수 있다.
본 발명의 일 실시예에 따르면, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 사용자가 심상 유도 텍스트를 입력할 때, 3줄의 시나리오를 입력하면, 각각의 줄의 텍스트에 대응하는 심상 유도 시각 정보(12)와 심상 유도 음향 정보(13), 심상 유도 텍스트 음향 정보(14)를 생성할 수 있다.
본 발명의 일 실시예에 따르면, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 사용자가 사용자 개개인에 맞는 심상 유도 텍스트를 입력하면 해당 심상 유도 텍스트에 맞는 심상 유도 시각 정보(12)와 심상 유도 음향 정보(13)와 심상 유도 텍스트 음향 정보(14)를 생성할 수 있으며, 또는 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 사용자에게 맞는 심상 유도 텍스트 정보(11)를 제공할 수 있다.
심상 유도 정보 제공 방법
본 발명의 일 실시예에 따르면, 심상 유도 정보를 생성하는 장치(100a)가 사용자에게 심상 유도 정보를 랜덤하게 제공한 후, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 환경 센싱 정보에 기초하여 사용자가 수면 전인지, 중인지 또는 후인지 여부에 관련한 수면 상태 정보를 획득할 수 있으며, 해당 수면 상태 정보에 따라서, 또는 사용자의 기상 후 사용자의 수면 만족도를 수집한 데이터에 따라서 각각의 사용자에 맞는 각각의 심상 유도 정보를 채택할 수 있다.
구체적으로, 각각의 사용자에 맞는 심상 유도 정보는 사용자의 입면 시간이 가장 짧은 심상 유도 정보를 포함할 수 있다.
또한, 본 발명의 일 실시예에 따르면, 각각의 사용자에 맞는 각각의 심상 유도 정보를 채택함에 있어서, 사용자가 심상 유도 정보를 듣다가 해당 심상 유도 정보를 끄거나, 다른 심상 유도 정보로 변경하는 경우, 해당 추천 방식에 패널티를 부과할 수 있다.
본 발명의 일실시예에 따르면, 각각의 사용자에 맞는 심상 유도 정보는 사용자의 입면 후 수면 중 깨어날 때까지 걸린 시간(WASO)이 상대적으로 긴 심상 유도 정보 또는 사용자가 수면 중 깨어난 횟수가 상대적으로 적은 심상 유도 정보 또는 사용자의 깊은 수면이 최초로 나타나는데 까지 걸리는 시간이 상대적으로 적은 심상 유도 정보 또는 사용자의 깊은 수면 시간이 긴 심상 유도 정보 등을 포함할 수 있으나, 이에 한정되지 않는다.
본 발명의 일 실시예에 따르면, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치가 각각의 사용자에 맞는 각각의 심상 유도 시각 정보(12)를 채택하면, 심상 유도 정보를 생성하는 장치(100a)는 채택된 심상 유도 시각 정보(12) 중에서 사용자에게 추천된 심상 유도 시각 정보(12)를 제공할 수 있다.
본 발명의 일 실시예에 따르면, 만약 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치가 사용자의 수면 상태 정보에 따라 해당 사용자에 맞는 심상 유도 텍스트 정보(11)를 채택하지 못한 경우, 심상 유도 정보를 생성하는 장치(100a)는 사용자에게 기 제공되지 않은 다른 심상 유도 텍스트 정보(11)를 랜덤하게 제공할 수 있다.
이 때, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 환경 센싱 정보에 기초하여 사용자가 수면 전인지, 중인지 또는 후인지 여부에 관련한 수면 상태 정보를 획득할 수 있으며, 해당 수면 상태 정보에 따라 해당 사용자에 맞는 심상 유도 텍스트 정보(11)를 채택할 수 있다.
구체적으로, 해당 사용자에 맞는 심상 유도 텍스트 정보(11)는 해당 사용자의 입면 시간이 가장 짧은 심상 유도 텍스트 정보(11)를 포함할 수 있다.
본 발명의 일실시예에 따르면, 심상 유도 정보를 제공하거나 피드백하는 방법에 있어서, 심상 유도 정보를 생성하는 장치(100a)가 사용자에게 심상 유도 정보를 더 효과적으로 제공하기 위하여, 사용자에게 선호하는 음향 정보, 시각 정보 및 텍스트 정보에 대한 설문조사 등을 시행한 후, 상기 설문조사를 바탕으로 사용자가 선호하는 소리의 범주를 파악하고, 해당 범주 내에서 심상 유도 음향 정보(13)를 랜덤하게 제공할 수도 있다.
본 발명의 일실시예에 따르면, 심상 유도 정보를 제공하거나 피드백하는 방법에 있어서, 심상 유도 정보를 생성하는 장치(100a)가 사용자에게 심상 유도 정보를 더 효과적으로 제공하기 위하여, 사용자의 인터넷 사용 기록 또는 사용자의 유투브 시청 기록 또는 사용자의 인터넷 쿠키 등을 기초로 하여 사용자가 선호하는 음향 정보, 시각 정보 및 텍스트 정보의 범주를 파악하고, 해당 범주 내에서 심상 유도 정보를 랜덤하게 제공할 수도 있다.
본 발명의 일실시예에 따르면, 심상 유도 정보를 제공하거나 피드백하는 방법에 있어서, 심상 유도 정보를 생성하는 장치(100a)가 사용자에게 심상 유도 정보를 더 효과적으로 제공하기 위하여, 사용자의 이전 수면에서 나타난 잠꼬대 등을 기초로 하여 사용자가 선호하는 음향 정보, 시각 정보, 텍스트 정보 및 텍스트 음향 정보의 범주를 파악하고, 해당 범주 내에서 심상 유도 정보를 랜덤하게 제공할 수도 있다.
심상 유도 정보를 생성하고 제공하는 방법은 사용자 모델링과 사용자 모델링에 따른 심상 유도 정보의 제공을 포함한다.
또한, 사용자 모델링에 따른 심상 유도 정보의 제공으로 인해 얻어진 정보도 사용자 모델링에 사용될 수 있다.
이하, 사용자 모델링과 사용자 모델링에 따른 심상 유도 정보의 제공에 대해 설명한다.
정서적
모델링
도 26a는 본 발명에 따른 정서적 모델링의 방법 중 사용자가 스와이프를 하며 어떤 컨텐츠를 체크하는 방식을 설명하기 위한 도면이다.
도 26b는 본 발명에 따른 정서적 모델링의 방법 중 사용자가 선호하는 텍스트를 입력받는 방식을 설명하기 위한 도면이다.
도 26c는 본 발명에 따른 정서적 모델링의 방법 중 사용자가 선호하는 컨텐츠에 대한 키워드를 선택하는 방식을 설명하기 위한 도면이다.
사용자 모델링은 심상 유도 정보를 생성하고 제공하는 방법에 있어서, 정서적 모델링과 환경 센싱 정보에 의한 수량적인 모델링을 포함할 수 있다.
정서적 모델링은 사용자가 좋은 기억을 가지고 있는 상황 혹은 사용자가 편안함을 느끼는 상황에 대한 모델링을 포함할 수 있다.
본 발명의 일 실시 형태에 따른, 정서적 모델링 방법은 사용자와 관련된 정보를 준비하는 정보 준비 단계; 상기 준비된 정보에 기초하여 사용자의 피처를 추출하는 추출 단계; 및 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는 생성 단계;를 포함할 수 있다.
구체적으로, 사용자와 관련된 정보는 사용자로부터 입력받을 수 있으며, 이에 따라, 심상 유도 정보 생성 및 제공 방법은 입력 단계;를 더 포함할 수 있다.
본 발명의 일 실시 형태에 따른, 입력 단계에서 사용자로부터 입력받는 사용자와 관련된 정보는 스와이프 방식으로 선택된 컨텐츠; 사용자로부터 입력된 텍스트; 및 제시된 키워드 중 사용자로부터 선택된 키워드; 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합일 수 있다.
본 발명의 일 실시 형태에 따른, 정서적 모델링 장치는 사용자와 관련된 정보가 기록된 메모리(610); 상기 기록된 정보에 기초하여 사용자의 피처를 추출하는 프로세서(630);를 포함하고, 상기 프로세서(630)는 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성할 수 있다.
구체적으로, 사용자와 관련된 정보는 사용자로부터 입력받을 수 있으며, 이에 따라, 심상 유도 정보 생성 및 제공 장치는 사용자로부터 사용자와 관련된 정보를 입력 받는 입력부;를 더 포함할 수 있다.
본 발명의 일 실시 형태에 따른, 입력부에서 사용자로부터 입력받는 사용자와 관련된 정보는 스와이프 방식으로 선택된 컨텐츠; 사용자로부터 입력된 텍스트; 및 제시된 키워드 중 사용자로부터 선택된 키워드; 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합일 수 있다.
본 발명의 일 실시 형태에 따른, 정서적 모델링 장치는 사용자와 관련된 정보가 기록된 메모리(610); 상기 기록된 정보를 서버로 전송하는 수단; 상기 서버가 상기 전송된 정보에 기초하여 사용자의 피처를 추출하면, 상기 추출된 사용자의 피처를 수신하는 수단; 및 상기 수신된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는 수단;을 포함할 수 있다.
구체적으로, 사용자와 관련된 정보는 사용자로부터 입력받을 수 있으며, 이에 따라, 심상 유도 정보 생성 및 제공 장치는 사용자로부터 사용자와 관련된 정보를 입력 받는 입력부;를 더 포함할 수 있다.
본 발명의 일 실시 형태에 따른, 입력부에서 사용자로부터 입력받는 사용자와 관련된 정보는 스와이프 방식으로 선택된 컨텐츠; 사용자로부터 입력된 텍스트; 및 제시된 키워드 중 사용자로부터 선택된 키워드; 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합일 수 있다.
본 발명의 일 실시 형태에 따른, 정서적 모델링 장치는 사용자와 관련된 정보가 기록된 메모리(610); 상기 기록된 정보를 서버로 전송하는 수단; 및 상기 서버가 상기 전송된 정보에 기초하여 사용자의 피처를 추출하고, 상기 서버가 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하면, 상기 생성된 피처 기반 심상 유도정보를 수신하는 수단;을 포함할 수 있다.
본 발명의 일 실시 형태에 따른, 정서적 모델링 장치는 사용자와 관련된 정보가 기록된 메모리(610); 상기 기록된 정보에 기초하여 사용자의 피처를 추출하는 프로세서(630); 상기 추출된 사용자의 피처를 서버로 전송하는 수단; 및 상기 서버가 상기 전송된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하면, 상기 생성된 피처 기반 심상 유도 정보를 수신하는 수단;을 포함할 수 있다.
본 발명의 일 실시 형태에 따른, 정서적 모델링 서버 장치에 있어서, 상기 심상 유도 정보 생성 및 제공 모델은, 전자 장치의 획득부를 통해 획득된 사용자의 수면 상태 정보 및 전자 장치(600)의 메모리(610)에 기록된 사용자와 관련된 정보에 기초하여 사용자의 피처를 추출하고, 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성할 수 있다.
이하, 사용자로부터 입력받는 사용자와 관련된 정보에 대해 도면을 참조하여 설명한다.
도 26a에 도시된 바와 같이, 사용자 모델링 중 정서적 모델링은 사용자가 컨텐츠를 스와이프 하는 과정에서 사용자가 좋은 기억을 가지고 있는 상황 혹은 사용자가 편안하게 느끼는 상황을 체크하는 방식을 포함할 수 있다.
예를 들어, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 사용자가 해당 컨텐츠에 체류하는 시간이 상대적으로 긴 컨텐츠가 존재하는 경우, 해당 컨텐츠를 사용자가 선호하는 것으로 인식할 수 있다.
도 26b에 도시된 바와 같이, 사용자 모델링 중 정서적 모델링은 사용자에게 텍스트를 통해 사용자가 선호하는 컨텐츠를 입력하는 방식을 포함할 수 있다.
예를 들어, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치가 사용자에게 "편안함을 느끼는 상황에 대해서 입력하시오" 라고 질문하는 경우, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 사용자가 입력하는 텍스트가 사용자가 좋은 기억을 가지고 있는 상황 혹은 편안하게 느끼는 상황이라고 인식할 수 있다.
도 26c에 도시된 바와 같이, 사용자 모델링 중 정서적 모델링은 사용자가 선호하는 컨텐츠에 대한 키워드를 선택하는 방식을 포함할 수 있다.
예를 들어, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치가 사용자에게 "당신이 흥미로워하는 단어를 선택하시오" 라고 질문하는 경우, 사용자가 "health" 라는 텍스트를 선택한 경우, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 사용자가 선택한 "health"가 사용자가 좋은 기억을 가지고 있는 상황 혹은 편안하게 느끼는 상황이라고 인식할 수 있다.
수량적
모델링
사용자 모델링은 심상 유도 정보를 생성하고 제공하는 방법에 있어서, 정서적 모델링과 수량적 모델링을 포함할 수 있다.
수량적 모델링은 환경 센싱 정보에 기반할 수 있다.
수량적 모델링은 사용자의 수면 결과에 기반한 모델링 방식일 수 있다.
구체적으로, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 특정 심상 유도 정보를 제공하였을 때의 수면의 질을 평가하여, 사용자에게 제공된 특정 심상 유도 정보에 대해 평가할 수 있다.
본 발명의 일실시예에 따르면, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 특정 심상 유도 정보를 제공하였을 때의 수면의 질을 평가하여, 사용자의 수면의 질이 좋지 못한 경우, 특정 심상 유도 정보에 패널티를 부여할 수 있다.
예를 들어, 특정 심상 유도 정보를 제공한 경우, 사용자의 입면 후 수면 중 깨어날 때까지 걸린 시간(WASO)이 상대적으로 짧거나, 또는 사용자가 수면 중 깨어난 횟수가 상대적으로 많거나 또는 사용자의 깊은 수면이 최초로 나타나는데 까지 걸리는 시간이 상대적으로 긴 경우, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 해당 심상 유도 정보에 패널티를 부여할 수 있다.
구체적으로, 본 발명의 일실시예에 따르면, 도 25에 도시된 바와 같이, 본 발명의 일실시예에 따라, 심상 유도 텍스트 정보(11)가 '캐나다의 호숫가'라고 사용자 단말(300)의 디스플레이에 나타나면서, 심상 유도 시각 정보(12)가 캐나다의 호숫가를 연상시키는, 예를 들어, 캐나다에 있는 호숫가에 곰이 목을 축이고 있는 이미지가 디스플레이에 나타나면서, 심상 유도 음향 정보(13)가 캐나다의 호숫가를 연상시키는, 예를 들어, 고요한 풀벌레가 우는 음향과 곰이 호숫가에서 목을 축이는 듯한 음향이 사용자에게 들리는 경우, 사용자가 선호하는 남성의 목소리 또는 사용자가 선호하는 여성의 목소리로 "여러분은 지금 캐나다의 호숫가를 걷고 있습니다"라고 말하는 사람의 음성이 들리는 심상 유도 텍스트 음향 정보(14)가 사용자에게 제공될 수 있다.
또는 심상 유도 음향 정보(13), 심상 유도 텍스트 정보(11), 심상 유도 시각 정보(12)가 변함에 따라서, 심상 유도 텍스트 음향 정보(14)가 시계열적으로 변할 수 있다.
예를 들어, 상기 상황에 대하여, 20대 남성의 목소리로 "여러분은 지금 캐나다의 호숫가를 걷고 있습니다"라고 말하는 사람의 음성이 들리는 심상 유도 텍스트 음향 정보(14)가 사용자에게 제공된 경우, 사용자의 입면 후 수면 중 깨어날 때까지 걸린 시간(WASO)이 상대적으로 짧거나, 또는 사용자가 수면 중 깨어난 횟수가 상대적으로 많거나 또는 사용자의 깊은 수면이 최초로 나타나는데 까지 걸리는 시간이 상대적으로 긴 경우, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 해당 심상 유도 텍스트 음향 정보에 패널티를 부여할 수 있다.
이와 같은 경우, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 20대 남성의 목소리가 아닌, 20대 여성의 목소리로 "여러분은 지금 캐나다의 호숫가를 걷고 있습니다"라고 말하는 사람의 음성이 들리는 심상 유도 텍스트 음향 정보(14)를 제공할 수 있다.
이와 같이, 환경 센싱 정보에 의한 수량적 모델링을 통하여, 사용자가 선호하는 심상 유도 정보를 채택할 수 있으나, 상기 제시된 실시예에 한정되지 않는다.
심상 유도 정보를 생성하고 제공하는 방법은 사용자 모델링과 사용자 모델링에 따른 심상 유도 정보의 제공을 포함한다.
구체적으로, 사용자 모델링에 따른 심상 유도 정보를 제공하는 것은 사용자 모델링을 통해 생성된 사용자의 피처(feature)에 기반하여, 제공하려는 컨텐츠의 키워드를 샘플링할 수 있다.
본 발명의 일실시예에 따르면, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 샘플링된 키워드를 기반으로 하여 심상 유도 텍스트 정보(11)를 1차적으로 생성할 수 있다.
이에 따라, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 심상 유도 텍스트 정보(11)를 기초로 이와 매칭되는 심상 유도 음향 정보(13) 또는 심상 유도 시각 정보(12) 또는 심상 유도 텍스트 음향 정보(14)를 생성할 수 있다.
본 발명의 일실시예에 따르면, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 샘플링된 키워드를 기반으로 하여 심상 유도 텍스트 정보(11)를 1차적으로 생성할 수 있다.
예를 들어, 샘플링된 키워드를 기반으로 하여 심상 유도 텍스트 정보(11)를 생성하기 위하여, LLM (Large Language Model)을 활용할 수 있으나, 이에 한정되지 않는다.
*본 발명의 일실시예에 따르면, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치가 제공한 심상 유도 정보를 사용자가 원하지 않는 경우, 심상 유도 정보를 생성하는 장치(100a) 또는 심상 유도 정보를 제공하는 장치(200a) 또는 다른 장치는 사용자의 피처에 기반하여 키워드를 다시 샘플링하는 작업을 반복할 수 있다.
본 발명의 일 실시 형태에 따른, 수량적 모델링 방법은 심상 유도 정보를 준비하는 준비 단계; 상기 준비된 심상 유도 정보를 사용자에게 제공하는 준비 정보 제공 단계; 사용자로부터 수면 상태 정보를 획득하는 획득 단계; 사용자에게 상기 제공된 심상 유도 정보 및 사용자로부터 상기 획득된 수면 상태 정보에 기초하여 사용자의 피처를 추출하는 추출 단계; 및 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성하는 생성 단계;를 포함할 수 있다.
구체적으로, 준비 단계는 룩업 테이블에 기초하여 상기 심상 유도 정보를 준비할 수 있으며, 룩업 테이블에 기초한 심상 유도 정보는 준비된 심상 유도 음향 정보, 준비된 심상 유도 시각 정보, 준비된 심상 유도 텍스트 정보 및 준비된 심상 유도 텍스트 음향 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합일 수 있다.
또한, 룩업 테이블에 기초한 심상 유도 정보는 심상 유도 시나리오를 갖는 준비된 시계열적 심상 유도 음향 정보, 준비된 시계열적 심상 유도 시각 정보, 준비된 시계열적 심상 유도 텍스트 음향 정보 및 준비된 시계열적 심상 유도 텍스트 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합일 수 있다.
또한, 다른 실시 형태에 의하면, 준비 단계는 피처 기반 심상 유도 정보에 기초하여 심상 유도 정보를 준비하는 단계일 수 있다.
피처 기반 심상 유도 정보는 추출된 사용자의 피처에 기초하여 생성된 심상 유도 정보를 의미하며, 이를 이용하여 매 회의 준비 단계를 새로운 피처 기반 심상 유도 정보에 기초하여 반복하여 수행할 수 있다.
이에 따라, 생성된 피처 기반 심상 유도 정보를 사용자에게 제공하는 생성 정보 제공 단계를 더 포함할 수 있다.
상기 생성 정보 제공 단계는 피처 기반 심상 유도 음향 정보, 피처 기반 심상 유도 시각 정보, 피처 기반 심상 유도 텍스트 정보 및 피처 기반 심상 유도 텍스트 음향 정보 중 어느 하나 이상을 제공하거나, 또는 이들 중 둘 이상의 결합을 제공할 수 있다.
상기 생성 정보 제공 단계는 심상 유도 시나리오를 갖는 피처 기반 시계열적 심상 유도 음향 정보, 피처 기반 시계열적 심상 유도 시각 정보, 피처 기반 시계열적 심상 유도 텍스트 음향 정보 및 피처 기반 시계열적 심상 유도 텍스트 정보 중 어느 하나 이상을 제공하거나, 또는 이들 중 둘 이상의 결합을 제공할 수 있다.
본 발명의 일 실시 형태에 따르면, 심상 유도 정보가 기록된 메모리(610); 상기 기록된 심상 유도 정보를 출력하는 출력부(620); 사용자로부터 수면 상태 정보를 획득하는 획득부(640); 및 상기 출력된 심상 유도 정보 및 상기 획득된 수면 상태 정보에 기초하여 사용자의 피처를 추출하는 프로세서(630);를 포함하고, 상기 프로세서(630)는 상기 추출된 사용자의 피처에 기초하여 피처 기반 심상 유도 정보를 생성할 수 있다.
구체적으로, 상기 획득부(640)는 다른 전자 장치에서 사용자로부터 수면 상태 정보를 획득하면, 상기 획득된 수면 상태 정보를 상기 다른 전자 장치로부터 수신받을 수 있다.
구체적으로, 메모리(610)에 기록된 심상 유도 정보는 룩업 테이블에 기초할 수 있으며, 룩업 테이블에 기초한 심상 유도 정보는 준비된 심상 유도 음향 정보, 준비된 심상 유도 시각 정보, 준비된 심상 유도 텍스트 정보 및 준비된 심상 유도 텍스트 음향 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합일 수 있다.
또한, 룩업 테이블에 기초한 심상 유도 정보는 심상 유도 시나리오를 갖는 준비된 시계열적 심상 유도 음향 정보, 준비된 시계열적 심상 유도 시각 정보, 준비된 시계열적 심상 유도 텍스트 음향 정보 및 준비된 시계열적 심상 유도 텍스트 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합일 수 있다.
또한, 다른 실시 형태에 의하면, 기록된 심상 유도 정보는 피처 기반 심상 유도 정보에 기초한 심상 유도 정보일 수 있다.
피처 기반 심상 유도 정보는 추출된 사용자의 피처에 기초하여 생성된 심상 유도 정보를 의미하며, 이를 이용하여 매 회의 준비 단계를 새로운 피처 기반 심상 유도 정보에 기초하여 반복하여 수행할 수 있다.
이에 따라, 생성된 피처 기반 심상 유도 정보를 사용자에게 출력하는 출력부(620)를 더 포함할 수 있다.
상기 출력(620)부에서 출력되는 피처 기반 심상 유도 정보는 피처 기반 심상 유도 음향 정보, 피처 기반 심상 유도 시각 정보, 피처 기반 심상 유도 텍스트 정보 및 피처 기반 심상 유도 텍스트 음향 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합일 수 있다.
상기 출력부(620)에서 출력되는 피처 기반 심상 유도 정보는 심상 유도 시나리오를 갖는 피처 기반 시계열적 심상 유도 음향 정보, 피처 기반 시계열적 심상 유도 시각 정보, 피처 기반 시계열적 심상 유도 텍스트 음향 정보 및 피처 기반 시계열적 심상 유도 텍스트 정보 중 어느 하나 이상이거나, 또는 이들 중 둘 이상의 결합일 수 있다.
슬립이미지 또는
슬립동영상
생성 및 제공 방법
이하에서는, 도 1i 내지 도 2f에 도시된 컴퓨팅 장치(100), 외부 단말(200) 및 사용자 단말(300)을 통해, 본 발명의 실시 형태에 따른 슬립이미지 또는 슬립동영상 생성 및 제공 방법을 구체적으로 설명하도록 한다.
도 1i 내지 도 2f를 참조하면, 사용자(U)는 사용자 단말(300)로 최근 수면에 대한 기분, 느낌 혹은 꿈에 대한 기억을 텍스트로서 입력하고, 사용자 단말(300)로부터 상기 텍스트에 대응하는 슬립이미지, 슬립동영상, 사진, 밑그림 중 적어도 하나 이상을 제공받을 수 있다. 여기서, 사용자(U)는 상기 슬립이미지, 슬립동영상, 사진, 밑그림 중 적어도 하나 이상을 컴퓨팅 장치(100)를 통해서도 제공받을 수 있다.
상기 텍스트는, 적어도 하나 이상의 단어, 문장, 또는 키워드, 혹은 이들의 조합일 수 있고, 사용자 단말(300)의 입력부(320)를 통해 사용자 단말(300)로 입력될 수 있다.
상기 슬립이미지는, 사용자 단말(300)의 출력부(350)를 통해 표시될 수 있다. 예를 들어, 사용자 단말(300)의 디스플레이부(352)에 디스플레이될 수 있다.
상기 슬립이미지는 외부 단말(200)에서 생성될 수 있다. 사용자 단말(300)로 입력된 텍스트를 포함한 텍스트 정보가 네트워크를 통해 외부 단말(200)로 전송될 수 있고, 외부 단말(200)에서는 상기 텍스트에 대응되는 슬립이미지가 생성될 수 있다. 생성된 슬립이미지는 네트워크를 통해 사용자 단말(300)로 전송될 수 있다.
외부 단말(200)은 사용자 단말(300)로부터 수신된 사용자(U)의 수면에 대한 텍스트에 대응되는 슬립이미지를 생성할 수 있다. 상기 슬립이미지는 외부 단말(200)에 미리 학습된 학습 모델을 통해 출력될 수 있다. 상기 학습 모델은 상기 텍스트를 입력으로 하고, 상기 슬립이미지를 출력하는 딥러닝 모델일 수 있다.
외부 단말(200)의 통신 모듈(270)은 AI 프로세서(215)에 의한 AI 프로세싱 결과인, 상기 슬립이미지를 사용자 단말(300)로 전송할 수 있다. 또한, 도 1i에 도시된 컴퓨팅 장치(100)로도 전송할 수 있다. 컴퓨팅 장치(100)는 도 1i에서 도시한 네트워크를 통해 상기 슬립이미지를 수신하고, 수신된 슬립이미지를 컴퓨팅 장치(100)의 출력 장치(130)를 통해 디스플레이할 수 있다.
일
실시예에
따른 슬립이미지 생성 및 제공 방법의 순서도 (도 27)
도 27는 본 발명의 실시 형태에 따른 슬립이미지 생성 및 제공 방법의 일 예를 설명하기 위한 순서도이고, 도 28 내지 도 35은 도 27의 순서도가 사용자 단말(300)에서 구체적으로 구현된 실제 예시 화면들이다.
도 27 내지 도 35을 참조하면, 본 발명의 실시 형태에 따른 슬립이미지 생성 및 제공 방법의 일 예는 다수의 후보 선택지들을 제공하는 단계(S501), 후보 선택지가 선택되었는지 여부를 판별하는 단계(S502), 예시 이미지를 제공하는 단계(S503), 텍스트 입력창을 제공하는 단계(S504), 텍스트가 입력되었는지 여부를 판별하는 단계(S505), 슬립이미지를 생성하는 단계(S506), 슬립이미지를 제공하는 단계(S507)를 포함할 수 있다. 또한, 슬립리포트를 생성하는 단계(S508) 및 슬립리포트를 제공하는 단계(S509)를 더 포함할 수 있다. 이하 각 단계를 설명한다.
다수의 후보 선택지들을 제공하는 단계(S501)는, 도 28에 도시된 바와 같이, 디스플레이 화면(301)에 다수의 후보 선택지들(60)을 제공하는 단계이다. 디스플레이 화면(301)은 도 2f에 도시된 사용자 단말(300)의 디스플레이부(351)를 통해 표시되는 화면으로서, 사용자의 수면을 관리하는 소정의 어플리케이션에 의해 실행되어 표시된 것일 수 있다. 다수의 후보 선택지들(60)은 사용자의 지난 밤의 수면 기분에 대응되는 선택지들로서, 미리 설정된 선택지들일 수 있다. 예를 들어, 다수의 후보 선택지들(60)은, '잘 잤어요', '무난해요', 및 '잘 못 잤어요' 의 선택지들을 포함할 수 있다.
후보 선택지가 선택되었는지 여부를 판별하는 단계(S502)는, 도 29에 도시된 바와 같이, 사용자가 다수의 후보 선택지들(60) 중 적어도 어느 하나의 선택지(61)를 선택하였는지를 판별한다. 사용자는 도 2f에 도시된 사용자 단말(300)의 디스플레이부(351) 또는 사용자 입력부(323)을 통해, 디스플레이 화면(301)에 제시된 다수의 후보 선택지들(60) 중 적어도 어느 하나의 선택지(61)를 선택할 수 있다. 적어도 어느 하나의 선택지(61)가 선택되면, 사용자 단말은 선택된 선택지(61)만을 디스플레이 화면(301)에 표시할 수 있다.
예시 이미지를 제공하는 단계(S503)는, 도 30 내지 도 31에 도시된 바와 같이, 디스플레이 화면(301)에 예시 이미지(63)을 제공한다. 예시 이미지(63)은 추후에 사용자에게 제공할 또는 이미 다른 사용자들에게 제공되었던 슬립이미지의 일종일 수 있다. 혹은, 예시 이미지(63)는 선택된 선택지(61)에 대응하는 이미지일 수 있다. 여기서, 도 31는 선택된 선택지(61)가 최종적으로 확정되었음을 보여주는 도면으로서, 생략될 수 있다.
한편, S502 단계에서, 사용자는 다수의 후보 선택지들(60) 중 어느 것도 선택하지 않을 수 있다. 예를 들어, 도 28에 도시된 바와 같이, 사용자는 '건너뛰기(70)'를 선택하여, 다수의 후보 선택지들(60) 중 어느 것도 선택하지 않을 수 있다. 이 경우, S505 단계가 다음으로 수행될 수 있다.
텍스트 입력창을 제공하는 단계(S504)는, 도 32에 도시된 바와 같이, 디스플레이 화면(301)에 사용자의 지난 밤의 수면에 대한 느낌이나 꿈에 대한 설명을 기입할 수 있는 텍스트 입력창(80)을 제공한다.
텍스트 입력창(80)에는 텍스트 입력창(80)을 기입하는 방법이나 예시 단어나 예시 문장이 제시될 수 있다. 이를 통해 사용자에게 텍스트 입력창(80)의 사용법을 인지시킬 수 있다.
텍스트 입력창(80)은 예시 이미지(63)의 일부와 겹쳐지도록 제공될 수 있다.
텍스트 입력창(80)의 위에 S502 단계에서 선택된 선택지(61)가 함께 제공될 수 있으나, 선택지가 선택되지 않았으면 이는 제공되지 않을 수 있다.
디스플레이 화면(301)에는 텍스트 입력창(80)에 텍스트를 기입하기 위한 가상 키보드(85)가 함께 제공될 수 있다.
텍스트가 입력되었는지 여부를 판별하는 단계(S505)는, 도 33 내지 도 34에 도시된 바와 같이, 사용자에 의해 텍스트 입력창(80)에 소정 글자수 이상의 텍스트가 기입하고, 가상의 '확인' 버튼(89)이 선택됨으로서 판별될 수 있다. 여기서, 도 34는 텍스트 입력창(80)에 입력된 소정의 텍스트가 최종적으로 확정되었음을 보여주는 도면으로서, 생략될 수 있다.
S505 단계에서 텍스트가 텍스트 입력창(80)에 입력되면, 입력된 텍스트에 대응되는 슬립이미지를 생성하는 단계(S506)가 수행된다. 슬립이미지를 생성하는 과정은 도 35 내지 도 36를 참조하여 후술한다.
이하에서는 S506 단계에서 슬립이미지를 생성하는 과정을 도 35 내지 도 36를 참조하여 상세히 설명한다.
S505 단계에서 텍스트가 텍스트 입력창(80)에 입력되면, 도 35에 도시된 바와 같이, 디스플레이 화면(301)에 슬립이미지가 생성 중임을 알리는 알림문구(90)가 표시될 수 있다. 또한, 디스플레이 화면(301)에 다른 사용자에 의해 생성된 하나 이상의 슬립이미지(91)가 함께 표시될 수 있다. 다른 사용자에 의해 생성된 슬립 이미지는, '좋아요'가 많이 눌러진 슬립이미지, 최근에 만들어진 슬립이미지들일 수 있다.
S505 단계에서 텍스트가 텍스트 입력창(80)에 입력되면, 사용자 단말(300)은 외부 단말(200)로 상기 텍스트를 전송하고, 외부 단말(200)에게 상기 텍스트에 대응하는 슬립이미지를 요청할 수 있다.
상기 슬립이미지는 도 1i 및 도 2e에 도시된 외부 단말(200)에서 생성될 수 있다. 외부 단말(200)은 사용자 단말(300)로 입력된 텍스트를 수신하고, 상기 텍스트를 학습 모델(221)에 입력시키고, 상기 학습 모델(221)로부터 출력되는 슬립이미지를 사용자 단말(300)로 전송할 수 있다. 상기 학습 모델(221)은 외부 단말(200)의 메모리(220)에 저장된 것으로서, 상기 학습 모델(221)은 신경망 모델이 미리 구축된 학습 데이터 셋트로 기계학습된 것일 수 있다. 여기서, 학습 데이터 셋트는 입력 데이터로서의 복수의 텍스트들 및 출력 데이터로서의 복수의 슬립이미지를 포함하는 것일 수 있다.
외부 단말(200)에서 슬립이미지가 생성되면, 외부 단말(200)은 생성된 슬립이미지를 사용자 단말(300)로 전송하고, 사용자 단말(300)은, 도 36에 도시된 바와 같이, 수신된 슬립이미지(95)를 디스플레이 화면(301)에 출력할 수 있다(S507).
정량적인 지표에 기초하여 생성
한편, 외부 단말(200)은 상기 슬립이미지를 상기 텍스트와 사용자의 수면에 대한 정량적인 지표에 기초하여 생성할 수 있다.
상기 정량적인 지표는, 아래 <표 1>과 같이, 주관적 수면 평가, 수면 효율, 깊은 수면 비율, 렘 수면 비율, 수면 시간, 입면 시간, 자다깬 횟수 중 적어도 하나 이상을 포함할 수 있다.
| 주관적 수면 평가 | 깊은 수면 | 렘 수면 | 수면 시간 | 입면 시간 | 깸 |
| 좋음 | 15~30% | 15~25% | 6~8시간 | 0~10분 | 0~2회 |
| 보통 | 5~10% | 10~15% | 4~6시간 | 10~20분 | 2~5회 |
| 나쁨 | 0~5% | 0~10% | 0~4시간 | 20분 이상 | 5회 이상 |
상기 정량적인 지표는, 사용자의 수면 중에 사용자 단말(300)에서 측정된 환경 센싱 정보에 기초하여 분류되고 측정된 것일 수 있다.외부 단말(200)은 상기 정량적인 지표를 종합하여 사용자의 수면에 대한 수면 점수를 연산할 수 있다. 예를 들어, 위 <표 1>의 각 지표들의 범위에 따라 점수를 매기고, 모든 지표들의 점수를 모두 합산하여 상기 수면 점수를 도출할 수 있다.
외부 단말(200)은 학습 모델(221)에서 출력된 슬립이미지의 그림 스타일 또는/및 컬러를 상기 수면 점수에 따라 달라지도록 변경할 수 있다. 예를 들어, 도 37의 (a)에 도시된 바와 같이, 도출된 수면 점수가 '좋음'에 해당하는 제1 기준값보다 큰 경우, 상기 슬립이미지의 컬러를 활발한(vivid) 컬러로 변경하거나, 상기 슬립이미지의 그림 스타일을 만화나 사진 스타일로 변경할 수 있다. 또한, 도 37의 (b)에 도시된 바와 같이, 도출된 수면 점수가 상기 제1 기준값보다 낮고, '보통'에 해당하는 제2 기준값보다 큰 경우, 상기 슬립이미지의 컬러를 파스텔(pastel) 컬러로 변경하거나, 상기 슬립이미지의 그림 스타일을 꿈을 꾸는 듯한(dreamy) 스타일 또는 풍경화(landscape) 스타일로 변경할 수 있다. 또한, 도 37의 (c)에 도시된 바와 같이, 도출된 수면 점수가 상기 제2 기준값보다 낮은 경우, 상기 슬립이미지의 컬러를 흑백(black and white) 컬러로 변경하거나, 상기 슬립이미지의 그림 스타일을 연필(pencil), 스탠실(stencil), 또는 기하학(geometry) 스타일로 변경할 수 있다.
한편, 상기 슬립이미지는 상기 정량적인 지표만에 기초하여 생성될 수도 있다. 상기 슬립이미지는 외부 단말(200) 또는 사용자 단말(300)에서 생성될 수 있다. 생성 방법은, 상기 정량적인 지표들을 종합하여 지난 밤의 수면 점수를 생성하는 알고리즘을 이용할 수 있다. 예를 들어, 위 <표 1>의 정량적인 지표들 중에서 5개 이상이 '좋음'이면 좋은 그림 스타일이 슬립이미지로 맵핑되고, 3개 이상이면 보통 그림 스타일이 슬립이미지로 맵핑되고, 3개 미만이면 나쁨 그림 스타일이 슬립이미지로 맵핑되는 룩업 테이블 방식일 수 있다. 여기서, 상기 정량적인 지표들의 조합이나 각 지표들의 가중치에 따라, 그림 스타일이나 실제 그림의 내용이 달라질 수 있다.
여기서, 상기 정량적인 지표만으로 슬립이미지가 생성되는 경우, 생성된 슬립이미지가 사용자의 수면에 대한 기분과 맵핑되지 않을 가능성이 다소 존재할 수 있다. 이러한 가능성을 낮추기 위해, 해당 사용자가 이전에 텍스트 입력창을 통해 입력했던 텍스트 히스토리를 참고하여 슬립이미지를 생성할 수도 있다. 이렇게 슬립이미지를 생성하게 되면, 해당 사용자의 수면에 대한 기분과 더 맵핑되는 슬립이미지를 얻을 수 있다.
정량적인 지표와 슬립이미지에 기초한 학습
외부 단말(200)에 다수의 사용자들의 슬립이미지가 많이 축적되면, 어떤 특정한 수면의 정량적인 지표를 가졌던 사용자는 그에 대응되는 소정의 슬립이미지가 생성되는 관계가 계속 매핑될 수 있다. 따라서, 다수의 사용자들의 슬립이미지가 축적되면, 다수의 사용자들의 정량적인 지표와 슬립이미지를 학습 데이터로 구성하여, 별도의 인공지능 모델을 학습시킬 수 있다. 이렇게 학습된 별도의 학습 모델은 정량적인 지표를 입력받아 소정의 슬립이미지를 출력할 수 있다. 즉, 외부 단말(200)은 상기 정량적인 지표들만을 이용하여, 사용자의 슬립이미지를 생성할 수도 있다.
다시, 도 27를 참조하여, S507 단계의 슬립이미지의 제공 단계를 설명한다.
S507 단계는, 도 36에 도시된 바와 같이, 사용자 단말(300)의 디스플레이 화면(301)에 슬립이미지(95)를 표시하는 것일 수 있다. 디스플레이 화면(301)에 표시되는 슬립이미지는 이에 한정되지 않는다. 도 38 내지 도 40을 참조하여 다른 실시 예들에 따른 슬립이미지들을 설명한다.
도 38을 참조하면, 다른 실시 예에 따른 슬립이미지(95')는 디스플레이 화면(301) 전체에 표시되고, 상기 슬립이미지(95')에는 한줄평(One sentence comment, 96) 또는/및 정량적인 지표(97)이 더 포함될 수 있다.
상기 한줄평(96)은 위 <표 1>의 정량적인 지표들에 기초하여 사용자 단말(300) 또는 외부 단말(200)에서 생성될 수 있다. 상기 한줄평은 룩업 테이블 방식으로, 상기 정량적인 지표들에 따라 그에 대응되는 한줄평들이 미리 맵핑된 것일 수 있다.
상기 정량적인 지표(97)는 위 <표 1>의 지표들 중 어느 하나 이상의 지표일 수 있다. 상기 정량적인 지표(97)는 위 <표 1>의 지표들 중 특정 지표로 설정될 수도 있고, 사용자 단말(300)에서 사용자에 의해 설정될 수도 있다. 상기 정량적인 지표(97)는 둘 이상이 상기 슬립이미지(95')에 포함될 수도 있다.
도 39을 참조하면, 또 다른 실시 예에 따른 슬립이미지(95'')는 디스플레이 화면(301)의 일 부분에 표시될 수 있고, 디스플레이 화면(301)의 나머지 부분에는 달력(98)이나 위 <표 1>의 정량적인 지표들 중 적어도 다수개의 지표들(97')이 표시될 수 있다.
도 40의 (a)를 참조하면, 또 다른 실시 예에 따른 슬립이미지(95''')의 일부가 디스플레이 화면(301)의 일부에 표시되고, 한줄평, 정량적인 지표들이 디스플레이 화면(301)에 함께 표시될 수 있다. 도 40의 (b)를 참조하면, 사용자에 의해 슬립이미지(95''')가 선택되면, 소정의 카드에 슬립이미지(95''')의 전체 또는/및 소정의 텍스트가 함께 포함되어 디스플레이 화면(301)에 표시될 수 있다. 상기 슬립이미지(95''')와 상기 텍스트를 포함한 카드는 '공유하기(99)'를 통해 다양한 매체로 전달될 수 있다.
다시, 도 27를 참조하면, S505 단계에서, 사용자는 텍스트 입력창(80)의 기입을 스킵할 수 있다. 예를 들어, 도 33에 도시된 바와 같이, 사용자는 '건너뛰기(70)'를 선택하여, 텍스트 입력창(80)의 기입을 스킵할 수 있다. 이 경우, 도 41에 도시된 바와 같이, 디스플레이 화면(301)에 슬립이미지가 없는 (슬립)리포트가 발행될 수 있음을 나타내는 알림창(90)이 제공될 수 있다. 사용자는 알림창(90)의 '계속 작성하기'를 선택하여 도 32 내지 도 34에 도시된 바와 같이 텍스트 입력창(80)에 수면에 대한 느낌이나 꿈 설명을 기입할 수 있고, 알림창(90)의 '건너뛰기'를 선택하면 S508 및 S509 단계가 수행될 수 있다.
S508에서 생성되는 슬립리포트는 위 <표 1>의 정량적인 지표를 포함할 수 있다, 예를 들어, 이러한 정량적인 지표는, S509 단계에서 막대기 타입 등의 그래프로 변환되어 슬립리포트와 함께 사용자 단말(300) 또는 컴퓨팅 장치(100)로 제공될 수 있다.
슬립리포트에 기초한 전자기기의 동작 제어
여기서, 슬립리포트에 기초하여 컴퓨팅 장치(100)의 동작이 제어될 수 있다. 이를 통해 슬립리포트를 사용자에게 시각적으로 보여주는 것 뿐만 아니라 컴퓨팅 장치의 동작을 통해 직간접적으로 느낄 수 있게 해줄 수 있다. 사용자의 컴퓨팅 장치들이 스마트하게 자신의 상태를 파악한다는 느낌을 받을 수 있고, 이미지 및 이슈 메이킹이 가능하여 컴퓨팅 장치의 마케팅에도 도움을 줄 수 있다. 예를 들어, 컴퓨팅 장치(100)가 조명 장치이거나 조명 기능을 포함하는 경우, 슬립리포트에 기초하여 지난 밤의 수면이 나쁨으로 판별된 경우 붉은색으로 조명되도록 하고, 좋음으로 판별된 경우 파란색으로 조명되도록 제어할 수 있다. 다른 예를 들어, 컴퓨팅 장치(100)가 공기청정기인 경우에 송풍 강도 및 노이즈가 지난 밤의 수면의 질에 따라 동작하거나, 컴퓨팅 장치(100)가 냉장고인 경우에 지난 밤의 수면의 질에 따라 냉장고 외관의 조명 색상을 바꿔주거나, 컴퓨팅 장치(100)가 정수기인 경우에 사용자가 일어나서 아침에 물 한 잔을 마실 때 음성 안내로 지난 밤의 수면의 질에 대해 브리핑하게 하거나, 컴퓨팅 장치(100)가 스타일러인 경우에 지난 밤의 수면의 질에 따라 다른 섬유 향수를 내부에 거치된 옷에 뿌려줄 수 있다.
일
실시예에
따른 슬립이미지 생성 및 제공 방법의 순서도 (도 42)
도 42은 본 발명의 다른 실시 형태에 따른 슬립이미지 제공 및 제공 방법을 설명하기 위한 순서도이다.
도 42에 도시된 본 발명의 다른 실시 형태에 따른 슬립이미지 제공 및 제공 방법은 도 27에 도시된 본 발명의 일 실시 형태에 따른 슬립이미지 제공 및 제공 방법에서 일부 단계들(S501~S503)이 생략된 것과 같다.
도 42에 도시된 S504 내지 S507 단계들은 앞서 설명한 도 27의 S504 내지 S507 단계와 동일하므로, 구체적인 설명은 상술한 내용으로 대체한다.
또한, 도 42에 도시된 S508 및 S509 단계들도 도 27의 S508 및 S509 단계와 동일하므로, 구체적인 설명은 상술한 내용으로 대체한다.
일
실시예에
따른 슬립이미지 생성 및 제공 방법의 순서도 (도 43)
도 43은 본 발명의 또 다른 실시 형태에 따른 슬립이미지 제공 및 제공 방법을 설명하기 위한 순서도이다.
도 43에 도시된 본 발명의 또 다른 실시 형태에 따른 슬립이미지 제공 및 제공 방법은, 도 42의 슬립이미지 제공 및 제공 방법과 비교하여, S2101 단계와 S2102 단계가 차이가 있고 나머지 단계들은 동일하므로, 이하에서는 S2101 단계와 S2102 단계에 대해서 상세히 설명한다.
S2101 단계는 수면 기분에 대한 키워드 후보군을 제공하는 단계이고, S2012 단계는 키워드 후보군의 선택을 완료하였는지 여부를 판별하는 단계이다.
사용자가 도 27 또는 도 42의 S504~S505 단계의 키워드나 줄글을 텍스트로 입력하면, 이를 귀찮아 하는 경우가 있을 수 있다. 이러한 사용자의 불편함을 해소하기 위해서, S2101 내지 S2102 단계와 같이 수면 기분에 대한 여러 키워드의 후보군을 디스플레이 화면에 표시하고, 사용자가 표시된 다수의 키워드 후보군에서 적어도 하나 이상의 키워드 후보군을 선택(S2102)함으로서, 슬립이미지를 생성하는데 기초가 되는 텍스트를 도출할 수 있다.
일
실시예에
따른 슬립이미지 생성 및 제공 방법의 순서도 (도 44)
도 44는 본 발명의 또 다른 실시 형태에 따른 슬립이미지 제공 및 제공 방법을 설명하기 위한 순서도이다.
도 44에 도시된 본 발명의 또 다른 실시 형태에 따른 슬립이미지 제공 및 제공 방법은, 도 27 또는 도 42의 S505 단계와 S506 단계 사이에 슬립이미지를 설정하는 단계(S5056)를 더 포함한다.
슬립이미지를 설정하는 단계(S5056)는, S506 단계에서 생성될 슬립이미지의 스타일, 색상, 밑그림 및 일부가 비어져 있는 그림 중 적어도 하나 이상을 설정하는 단계일 수 있다.
여기서, 스타일의 설정은, 만화(cartoon) 스타일, 리얼리스틱(realistic) 스타일, 하이퍼 리얼리스틱(hyper realistic) 스타일 등 중 사용자의 지난 밤 수면에 대응하는 스타일을 선택하는 것일 수 있다. 스타일이 설정되면, S506 단계에서 생성되는 슬립이미지의 스타일이 선택된 상기 스타일로 설정될 수 있다.
색상의 설정은 사용자의 지난 밤 수면에 대응하는 컬러를 선택하는 것일 수 있다. 색상이 설정되면, S506 단계에서 생성되는 슬립이미지의 색상이 선택된 상기 색상으로 설정될 수 있다.
밑그림의 설정은 사용자의 지난 밤 수면에 대응하는 밑그림을 선택하는 것일 수 있다. 밑그림은 다수개가 제공될 수 있고, 그중 어느 하나 이상을 사용자가 선택함으로서 밑그림이 설정될 수 있다. 밑그림이 설정되면, S506 단계에서 생성되는 슬립이미지의 색상이 선택된 상기 색상으로 설정될 수 있다.
일부가 비어져 있는 그림의 설정은, 슬립이미지의 특정 부분을 공란으로 설정하는 것일 수 있다. 일부가 비어져 있는 그림이 설정되면, S506 단계에서 생성되는 슬립이미지의 일 부분이 공란으로 설정될 수 있다.
도 27, 도 42, 도 43, 도 44에서 생성된 슬립이미지는, 도 1i에 도시된 컴퓨팅 장치(100)를 통해 사용자(U)에게 제공될 수도 있다. 슬립이미지를 제공하는 컴퓨팅 장치(100)는 디스플레이를 가진 TV, 스마트 TV, 프로젝터, 스탠바이미, 스타일러, 모니터, 냉장고, 스마트 미러 중 어느 하나일 수 있다. 상기 컴퓨팅 장치(100)의 제조사측은, 디스플레이 화면이 꺼지지 않기를 바라는 요구가 있다. 왜냐하면, 컴퓨팅 장치(100)가 계속해서 켜져 있어야 사용자가 계속해서 사용할 수 있기 때문이다. 종래의 디스플레이를 가진 컴퓨팅 장치는, 스탠바이 모드 또는 액자 모드를 통해 단순히 명화가 디스플레이되고 있는데, 명화 대신에 사용자(U)의 지난 밤의 수면을 대표할 수 있는 슬립이미지(및 한줄평 등)를 컴퓨팅 장치의 스탠바이 모드에서 노출시키면, 컴퓨팅 장치의 제조사측의 요구를 만족시킬 수 있다. 나아가, 사용자(U)의 활발한 컴퓨팅 장치의 사용도 유도할 수 있는 이점이 있다.
슬립동영상
한편, 도 1i 내지 도 44에서 상술한 슬립이미지는 슬립동영상으로 대체될 수 있다. 즉, 사용자가 텍스트 입력창을 통해 입력한 텍스트에 대응하여 슬립동영상이 외부 단말(200)에서 생성될 수 있고, 생성된 슬립동영상이 사용자 단말(300)을 통해 사용자(U)에게 제공될 수 있다. 이 경우, 외부 단말(200)은 입력된 텍스트에 대응하는 슬립동영상을 출력하는 학습 모델을 구비할 수 있다. 상기 학습 모델을 학습시키기 위한 학습 데이터는, 입력이 텍스트이고, 출력이 슬립동영상이 된다. 외부 단말(200)은 상기 학습 데이터를 이용하여 소정의 인공지능 모델을 학습시켜 상기 학습 모델을 구축할 수 있다. 예를 들어, 상기 학습 모델은 텍스트가 입력으로 주어지면, 기본 비디오 생성 모델과 일련의 인터리브 공간 및 시간 비디오 초해상도 모델을 사용하여 고화질의 슬립동영상을 생성할 수 있다.
본 발명의 실시 형태와 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.
본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 형태는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.
본 발명의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시 형태들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 발명의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 발명의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.
여기서 제시된 다양한 실시 형태들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램, 캐리어, 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 여기서 제시되는 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 장치 및/또는 다른 기계-판독가능한 매체를 포함한다. 용어 "기계-판독가능 매체"는 명령(들) 및/또는 데이터를 저장, 보유, 및/또는 전달할 수 있는 무선채널 및 다양한 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 발명의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
제시된 실시 형태들에 대한 설명은 임의의 본 발명의 기술 분야에서 통상의 지식을 가진 자가 본 발명을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시 형태들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시 형태들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시 형태들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
Claims (20)
- 심상 유도 정보 제공 및 수면 상태 정보 획득 방법에 있어서,
심상 유도 정보를 준비하는 단계;
상기 준비된 심상 유도 정보를 사용자에게 제공하는 단계;
사용자의 환경 센싱 정보를 획득하는 단계;
상기 획득된 환경 센싱 정보에 기초하여 사용자의 수면 상태 정보를 획득하는 단계; 및
상기 획득한 수면 상태 정보를 디스플레이하는 단계;
를 포함하고,
상기 사용자의 수면 상태 정보를 획득하는 단계는, 상기 획득된 환경 센싱 정보를 수면 분석 모델의 입력으로 하여 상기 수면 상태 정보를 출력하는 단계;
를 포함하고,
상기 수면 상태 정보는, 사용자에게 상기 준비된 심상 유도 정보를 제공한 후 획득된 상기 환경 센싱 정보에 기초하여 획득되고,
상기 환경 센싱 정보는, 사용자의 활동 또는 수면 동안 획득되는 음향 정보를 포함하는,
심상 유도 정보 제공 및 수면 상태 정보 획득 방법.
- 제 1 항에 있어서,
상기 심상 유도 정보를 준비하는 단계는, 룩업 테이블에 기초하여 상기 심상 유도 정보를 준비하는 단계;
를 포함하는,
심상 유도 정보 제공 및 수면 상태 정보 획득 방법.
- 제 1 항 또는 제 2 항에 있어서,
상기 준비된 심상 유도 정보를 제공하는 단계는 심상 유도 음향 정보, 심상 유도 시각 정보, 심상 유도 텍스트 정보, 심상 유도 텍스트 음향 정보 중 적어도 하나 또는 둘 이상의 결합을 제공하는 단계;를 포함하는,
심상 유도 정보 제공 및 수면 상태 정보 획득 방법.
- 제 1 항 또는 제 2 항에 있어서,
상기 준비된 심상 유도 정보를 제공하는 단계는 심상 유도 시나리오를 갖는 준비된 시계열적 심상 유도 음향 정보, 준비된 시계열적 심상 유도 시각 정보, 준비된 시계열적 심상 유도 텍스트 음향 정보 및 준비된 시계열적 심상 유도 텍스트 정보 중 적어도 하나 또는 둘 이상의 결합을 제공하는 단계;를 포함하는,
심상 유도 정보 제공 및 수면 상태 정보 획득 방법.
- 제 3 항에 있어서,
상기 심상 유도 음향 정보는, 단일한 음향 정보, 백색소음, 물 소리, 자연의 소리, ASMR(autonomous sensory meridian response), 사람이 내는 소리, SF 소리, 악기 소리, 동물 소리, 멜로디, 도시 소리, 빗소리, 바다, 강, 호수 소리, 땅, 바람, 불 소리, 수면용 이야기 소리가 선사하는 안식의 소리, 사용자가 선호하는 기억과 연관된 음향 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 음향 정보 중 적어도 하나를 포함하는,
심상 유도 정보 제공 및 수면 상태 정보 획득 방법.
- 제 3 항에 있어서,
상기 심상 유도 시각 정보는, 단일한 시각 정보, 백색소음을 연상시키는 시각 정보, 물을 연상시키는 시각 정보, 자연을 연상시키는 시각 정보, ASMR(autonomous sensory meridian response), 사람이 소리를 내는 시각 정보, SF 시각 정보, 악기의 시각 정보, 동물 시각 정보, 멜로디 시각 정보, 도시 시각 정보, 비를 연상시키는 시각 정보, 바다, 강, 호수를 연상시키는 시각 정보, 땅, 바람, 불을 연상시키는 시각 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 시각 정보, 사용자가 선호하는 기억과 연관된 시각 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 시각 정보 중 적어도 하나를 포함하는,
심상 유도 정보 제공 및 수면 상태 정보 획득 방법.
- 제 3 항에 있어서,
상기 심상 유도 텍스트 음향 정보는, 단일한 텍스트 음향 정보, 물을 연상시키는 텍스트 음향 정보, 자연을 연상시키는 텍스트 음향 정보, ASMR(autonomous sensory meridian response)을 연상시키는 텍스트 음향 정보, 사람이 소리를 내는 텍스트 음향 정보, SF 텍스트 음향 정보, 악기를 연상시키는 텍스트 음향 정보, 동물을 연상시키는 텍스트 음향 정보, 도시를 연상시키는 텍스트 음향 정보, 비를 연상시키는 텍스트 음향 정보, 바다, 강, 호수를 연상시키는 텍스트 음향 정보, 땅, 바람, 불을 연상시키는 텍스트 음향 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 음향 정보 중 적어도 하나를 포함하는,
심상 유도 정보 제공 및 수면 상태 정보 획득 방법.
- 제 3 항에 있어서,
상기 심상 유도 텍스트 정보는, 단일한 텍스트 정보, 백색소음을 연상시키는 텍스트 정보, 물을 연상시키는 텍스트 정보, 자연을 연상시키는 텍스트 정보, ASMR(autonomous sensory meridian response)를 연상시키는 텍스트 정보, 사람이 소리를 내는 텍스트 정보, SF 텍스트 정보, 악기의 텍스트 정보, 동물 텍스트 정보, 멜로디 텍스트 정보, 도시 텍스트 정보, 비를 연상시키는 텍스트 정보, 바다, 강, 호수를 연상시키는 텍스트 정보, 땅, 바람, 불을 연상시키는 텍스트 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 정보, 사용자가 선호하는 기억과 연관된 텍스트 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 정보 중 적어도 하나를 포함하는,
심상 유도 정보 제공 및 수면 상태 정보 획득 방법.
- 제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
상기 환경 센싱 정보는 상기 사용자의 수면 시간 동안 상기 사용자가 수면을 취하는 공간에서 비접촉식 방식으로 획득되는 시계열 데이터인,
심상 유도 정보 제공 및 수면 상태 정보 획득 방법.
- 수면 상태 정보를 획득하기 위한 장치에 있어서,
메모리;
네트워크부; 및
프로세서;
를 포함하고,
상기 네트워크부는, 사용자 단말이 사용자에게 준비된 심상 유도 정보를 제공한 후 사용자로부터 환경 센싱 정보를 획득하고, 상기 획득한 환경 센싱 정보를 송신하면, 상기 송신된 환경 센싱 정보를 수신하고,
상기 프로세서는, 상기 수신된 환경 센싱 정보에 기초하여 사용자의 수면 상태 정보를 획득하고,
상기 네트워크부는, 상기 획득된 수면 상태 정보를 상기 사용자 단말이 디스플레이할 수 있도록 상기 사용자 단말로 송신하고,
상기 수면 상태 정보는 상기 환경 센싱 정보를 수면 분석 모델의 입력으로 하여 출력되고,
상기 수면 상태 정보는 사용자에게 상기 준비된 심상 유도 정보를 제공한 후 획득된 상기 환경 센싱 정보에 기초하여 획득되고,
상기 환경 센싱 정보는, 사용자의 활동 도는 수면 동안 획득되는 음향 정보를 포함하는,
수면 상태 정보를 획득하기 위한 장치.
- 제 10 항에 있어서,
상기 준비된 심상 유도 정보는 룩업 테이블에 기초하여 준비되는,
수면 상태 정보를 획득하기 위한 장치.
- 제 10 항 또는 제 11 항에 있어서,
상기 준비된 심상 유도 정보는 기록된 심상 유도 음향 정보, 기록된 심상 유도 시각 정보, 기록된 심상 유도 텍스트 정보 및 기록된 심상 유도 텍스트 음향 정보 중 적어도 하나이거나 또는 둘 이상의 결합인,
수면 상태 정보를 획득하기 위한 장치.
- 제 10 항 또는 제 11 항에 있어서,
상기 준비된 심상 유도 정보는 심상 유도 시나리오를 갖는 기록된 시계열적 심상 유도 음향 정보, 기록된 시계열적 심상 유도 시각 정보, 기록된 시계열적 심상 유도 텍스트 음향 정보 및 기록된 시계열적 심상 유도 텍스트 정보 중 적어도 하나이거나 또는 둘 이상의 결합인,
수면 상태 정보를 획득하기 위한 장치.
- 제 12 항에 있어서,
상기 기록된 심상 유도 음향 정보는, 단일한 음향 정보, 백색소음, 물 소리, 자연의 소리, ASMR(autonomous sensory meridian response), 사람이 내는 소리, SF 소리, 악기 소리, 동물 소리, 멜로디, 도시 소리, 빗소리, 바다, 강, 호수 소리, 땅, 바람, 불 소리, 수면용 이야기 소리가 선사하는 안식의 소리, 사용자가 선호하는 기억과 연관된 음향 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 음향 정보 중 적어도 하나를 포함하는,
수면 상태 정보를 획득하기 위한 장치.
- 제 12 항에 있어서,
상기 기록된 심상 유도 시각 정보는, 단일한 시각 정보, 백색소음을 연상시키는 시각 정보, 물을 연상시키는 시각 정보, 자연을 연상시키는 시각 정보, ASMR(autonomous sensory meridian response), 사람이 소리를 내는 시각 정보, SF 시각 정보, 악기의 시각 정보, 동물 시각 정보, 멜로디 시각 정보, 도시 시각 정보, 비를 연상시키는 시각 정보, 바다, 강, 호수를 연상시키는 시각 정보, 땅, 바람, 불을 연상시키는 시각 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 시각 정보, 사용자가 선호하는 기억과 연관된 시각 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 시각 정보 중 적어도 하나를 포함하는,
수면 상태 정보를 획득하기 위한 장치.
- 제 12 항에 있어서,
상기 기록된 심상 유도 텍스트 음향 정보는, 단일한 텍스트 음향 정보, 물을 연상시키는 텍스트 음향 정보, 자연을 연상시키는 텍스트 음향 정보, ASMR(autonomous sensory meridian response)을 연상시키는 텍스트 음향 정보, 사람이 소리를 내는 텍스트 음향 정보, SF 텍스트 음향 정보, 악기를 연상시키는 텍스트 음향 정보, 동물을 연상시키는 텍스트 음향 정보, 도시를 연상시키는 텍스트 음향 정보, 비를 연상시키는 텍스트 음향 정보, 바다, 강, 호수를 연상시키는 텍스트 음향 정보, 땅, 바람, 불을 연상시키는 텍스트 음향 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 음향 정보 중 적어도 하나를 포함 하는,
수면 상태 정보를 획득하기 위한 장치.
- 제 12 항에 있어서,
상기 기록된 심상 유도 텍스트 음향 정보는, 단일한 텍스트 음향 정보, 물을 연상시키는 텍스트 음향 정보, 자연을 연상시키는 텍스트 음향 정보, ASMR(autonomous sensory meridian response)을 연상시키는 텍스트 음향 정보, 사람이 소리를 내는 텍스트 음향 정보, SF 텍스트 음향 정보, 악기를 연상시키는 텍스트 음향 정보, 동물을 연상시키는 텍스트 음향 정보, 도시를 연상시키는 텍스트 음향 정보, 비를 연상시키는 텍스트 음향 정보, 바다, 강, 호수를 연상시키는 텍스트 음향 정보, 땅, 바람, 불을 연상시키는 텍스트 음향 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 텍스트 음향 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 음향 정보 중 적어도 하나를 포함하는,
수면 상태 정보를 획득하기 위한 장치.
- 제 12 항에 있어서,
상기 기록된 상기 심상 유도 텍스트 정보는, 단일한 텍스트 정보, 백색소음을 연상시키는 텍스트 정보, 물을 연상시키는 텍스트 정보, 자연을 연상시키는 텍스트 정보, ASMR(autonomous sensory meridian response)를 연상시키는 텍스트 정보, 사람이 소리를 내는 텍스트 정보, SF 텍스트 정보, 악기의 텍스트 정보, 동물 텍스트 정보, 멜로디 텍스트 정보, 도시 텍스트 정보, 비를 연상시키는 텍스트 정보, 바다, 강, 호수를 연상시키는 텍스트 정보, 땅, 바람, 불을 연상시키는 텍스트 정보, 수면용 이야기 소리가 선사하는 안식을 연상시키는 텍스트 정보, 사용자가 선호하는 기억과 연관된 텍스트 정보, 사용자가 선호하는 기억과 연관된 심상 유도 시나리오를 가진 시계열적 텍스트 정보 중 적어도 하나를 포함하는,
수면 상태 정보를 획득하기 위한 장치.
- 제 10 항 내지 제 18 항 중 어느 한 항에 있어서,
상기 환경 센싱 정보는 상기 사용자의 수면 시간 동안 상기 사용자가 수면을 취하는 공간에서 비접촉식 방식으로 획득되는 시계열 데이터인,
수면 상태 정보를 획득하기 위한 장치.
- 심상 유도 정보를 제공하고 수면 상태 정보를 획득하기 위해 하나 이상의 프로세서에 의해 실행되도록 구성된 하나 이상의 프로그램을 기록한 컴퓨터 판독가능 저장 매체로서,
상기 하나 이상의 프로그램은 제 1 항 내지 제 9 항 중 어느 한 항에 기재된 방법을 수행하라는 명령어들을 포함하는,
컴퓨터 판독가능 저장 매체.
Applications Claiming Priority (18)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220131829 | 2022-10-13 | ||
| KR20220131829 | 2022-10-13 | ||
| KR1020220134472 | 2022-10-18 | ||
| KR20220134472 | 2022-10-18 | ||
| KR1020220149003 | 2022-11-09 | ||
| KR20220149003 | 2022-11-09 | ||
| KR20230026104 | 2023-02-27 | ||
| KR1020230026104 | 2023-02-27 | ||
| KR1020230044340 | 2023-04-04 | ||
| KR20230044340 | 2023-04-04 | ||
| KR1020230068718 | 2023-05-26 | ||
| KR20230068718 | 2023-05-26 | ||
| KR20230071935 | 2023-06-02 | ||
| KR1020230071935 | 2023-06-02 | ||
| KR1020230107174 | 2023-08-16 | ||
| KR20230107174 | 2023-08-16 | ||
| KR1020237041711A KR20240052723A (ko) | 2022-10-13 | 2023-09-27 | 사용자 수면 정보 기반의 수면 콘텐츠 생성 및 제공방법, 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록매체 |
| PCT/KR2023/014988 WO2024080647A1 (ko) | 2022-10-13 | 2023-09-27 | 사용자 수면 정보 기반의 수면 콘텐츠 생성 및 제공 방법, 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록매체 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237041711A Division KR20240052723A (ko) | 2022-10-13 | 2023-09-27 | 사용자 수면 정보 기반의 수면 콘텐츠 생성 및 제공방법, 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록매체 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240052740A true KR20240052740A (ko) | 2024-04-23 |
Family
ID=90881066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020247000275A KR20240052740A (ko) | 2022-10-13 | 2023-09-27 | 심상 유도 정보 제공 및 수면 상태 정보 획득 방법, 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록매체 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240052740A (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030032529A (ko) | 2001-10-18 | 2003-04-26 | 이동민 | 취침유도기 및 수면유도방법 |
| KR20220015835A (ko) | 2020-07-31 | 2022-02-08 | 삼성전자주식회사 | 수면 질을 평가하기 위한 전자 장치 및 그 전자 장치에서의 동작 방법 |
-
2023
- 2023-09-27 KR KR1020247000275A patent/KR20240052740A/ko not_active Application Discontinuation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030032529A (ko) | 2001-10-18 | 2003-04-26 | 이동민 | 취침유도기 및 수면유도방법 |
| KR20220015835A (ko) | 2020-07-31 | 2022-02-08 | 삼성전자주식회사 | 수면 질을 평가하기 위한 전자 장치 및 그 전자 장치에서의 동작 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9993166B1 (en) | Monitoring device using radar and measuring motion with a non-contact device | |
| CN108310587B (zh) | 一种睡眠控制装置与方法 | |
| Chapple et al. | Principles of anthropology | |
| CN105592777A (zh) | 用于睡眠管理的方法和系统 | |
| WO2020140913A1 (zh) | 数据处理方法及装置、电子设备及存储介质 | |
| KR102600175B1 (ko) | 음향 정보를 통해 사용자의 수면 상태를 분석하기 위한 방법, 컴퓨팅 장치 및 컴퓨터 프로그램 | |
| Fuller | How to sleep: The art, biology and culture of unconsciousness | |
| CN116578731B (zh) | 多媒体信息处理方法、系统、计算机设备和存储介质 | |
| WO2021064557A1 (en) | Systems and methods for adjusting electronic devices | |
| Fulford | Science and poetry in 1790s Somerset: The self-experiment narrative, the aeriform effusion, and the greater romantic lyric | |
| KR102681197B1 (ko) | Ai 기반의 비접촉식 수면분석 방법 및 실시간 수면환경 조성 방법 | |
| KR20240052740A (ko) | 심상 유도 정보 제공 및 수면 상태 정보 획득 방법, 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록매체 | |
| KR20240052723A (ko) | 사용자 수면 정보 기반의 수면 콘텐츠 생성 및 제공방법, 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록매체 | |
| Sturgess | The Book of Chakras & Subtle Bodies: Gateways to Supreme Consciousness | |
| Nansen et al. | Senses and Sensors of Sleep | |
| Parncutt | Mother schema, obstetric dilemma, and the origin of behavioral modernity | |
| JP7233032B2 (ja) | 環境制御システム及び環境制御方法 | |
| Lee | Neuroticism: End of a doctoral dissertation | |
| Myers et al. | Multisensory nature and mental health | |
| JP7233031B2 (ja) | 環境制御システム及び環境制御方法 | |
| US20230256192A1 (en) | Systems and methods for inducing sleep of a subject | |
| JP2020103491A (ja) | 環境制御システム及び環境制御方法 | |
| KR20240065211A (ko) | 사용자의 수면에 관한 정보 또는 평가를 나타내는 그래픽사용자 인터페이스 제공 방법 | |
| KR20240065215A (ko) | 사용자의 수면에 관한 정보 또는 평가를 나타내는 그래픽 사용자 인터페이스 제공 방법 | |
| JP7361327B2 (ja) | 環境制御システム及び環境制御方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |