KR20240071133A

KR20240071133A - 에지형 인공지능 ＳｏＣ의 비접촉 다중 생체신호 검출 시스템 및 방법

Info

Publication number: KR20240071133A
Application number: KR1020220152885A
Authority: KR
Inventors: 이종성
Original assignee: (주)비퍼플
Priority date: 2022-11-15
Filing date: 2022-11-15
Publication date: 2024-05-22

Abstract

에지형 인공지능 SoC의 비접촉 다중 생체신호 검출 시스템 및 방법이 개시된다.
본 발명의 일 실시예에 따른 비접촉 다중 생체신호 검출 시스템은 심전도 측정 센서, 산소 포화도 측정 센서, 및 혈압 측정 센서 중 적어도 2개 이상의 센서로부터 획득되는 센서 데이터 샘플들을 인공지능 모델을 통해 처리하는 에지형 인공지능 ＳｏＣ의 비접촉 다중 생체신호 검출 시스템으로서, 상호 독립적으로 전력이 제공되며 상기 적어도 2개 이상의 센서로부터 획득된 센서 데이터 샘플들이 분산되어 저장되는 복수의 휘발성 메모리; 상기 적어도 2개 이상의 센서 각각에 대해 기 설정된 샘플링 주기마다 샘플링을 수행하여 센서 데이터 샘플들을 획득하고, 획득된 센서 데이터 샘플들을 상기 복수의 휘발성 메모리에 분산하여 저장하되, 상기 적어도 2개 이상의 센서 중 제1 센서로부터 획득되는 제1 센서 데이터 샘플을 상기 복수의 휘발성 메모리 중 제1 휘발성 메모리에 저장하는 센서 데이터 관리부; 및 상기 인공지능 모델을 실행하여 상기 복수의 휘발성 메모리에 저장된 센서 데이터 샘플들을 처리하는 프로세서를 포함한다.

Description

에지형 인공지능 ＳｏＣ의 비접촉 다중 생체신호 검출 시스템 및 방법{Noncontact multibiometric signal detection system and method for edge type artificial intelligence SoC}

본 발명은 에지형 인공지능 SoC의 비접촉 다중 생체신호 검출 시스템 및 방법에 관한 것으로서, 더 상세하게는, 다중 생체신호를 검출하는 복수의 센서로부터 획득되는 센서 데이터 샘플들을 인공지능 모델을 통해 자체적으로 처리하는 에지형 인공지능 SoC의 비접촉 다중 생체신호 검출 시스템 및 방법에 관한 것이다.

일반적으로, 에지형 인공지능 SoC(System on Chip)는 인공지능 모델을 이용한 데이터 처리를 중앙 서버나 클라우드 컴퓨팅(cloud computing) 등에 의하지 않고 로컬 영역에서 자체적으로 수행하도록 설계된 칩을 말한다. 최근, 모바일 단말, 스마트 가전, IoT(Internet of Things) 기기, 자율주행 차량 등 다양한 로컬 디바이스에 인공지능 기술이 적용되면서, 저전력 운영이 가능한 에지형 인공 지능 SoC 기술에 대한 관심과 요청이 급증하고 있다.

그러나, 한국 공개특허공보 제10-2019-0097878호, 한국 공개특허공보 제10-2017-0101675호 등에 개시된 바와 같이, 다수의 센서에서 발생하는 센서 데이터를 로컬 영역에서 처리하는 기존 기술은, 다수의 센서에서 센서 데이터들이 발생할 때마다 프로세서가 해당 센서 데이터들을 저장하여 처리해야 하기 때문에, 메모리 사용 효율이 떨어지고 전력 소비가 크다는 문제점이 있다.

비접촉 생체 신호 센서를 이용한 모니터링 기술은 의료 분야에서도 새롭게 떠오르는 연구 주제이며, 병실에서 일반 가정에 이르기까지 삶의 질과 의료 서비스를 개선하기 위한 강력한 디지털 헬스 데이터 수집 기술의 하나로 발전할 것으로 전망되고 있다. 비접촉 진단 기술은 X-Ray, MRI와 같은 병원용 영상진단 장치의 형태로 이미 오랫동안 의료 분야에서 활용되어 왔으나, 그동안 디지털 헬스케어 수단으로 주목 받는 기술은 아닌 실정이다.

최근 근거리 비접촉 센서들과 AI기술의 발전으로 비접촉 헬스 모니터링을 위한 성능 구현과 응용 서비스의 실현이 보다 용이해지면서 국내외에서 다양한 기초 연구들이 활발히 진행되고 있다. 여기에 Covid-19의 대유행은 비대면, 비접촉 생체신호 모니터링 기반 디지털 헬스케어 기술의 개발을 보다 가속화시키고 있는 상황이다.

디지털 헬스케어는 의료 서비스의 효율성과 정밀성을 높이기 위해 개인화된 건강관리 데이터의 수집 및 관리를 주요 기반으로 한다. 디지털 헬스 기술에는 원격의료, 웨어러블 기기, 증강현실 및 가상현실을 비롯한 하드웨어와 소프트웨어 솔루션과 서비스를 포함한다. 특히, 웨어러블 기술은 스마트워치, 바디웨어, 스마트 임플란트와 같은 다양한 형태로 제공되어 하루 종일 환자에 대한 건강 관련 데이터를 수집하기 위한 가장 효율적인 수단으로 인식되어 왔다. 이러한 웨어러블 기술은 기본적으로 접촉식이며 신체 내부로의 삽입 유무에 따라 크게 침습 또는 비침습 방식으로 구분될 수 있다.

반면에 비접촉 감지 기술은 인체의 움직임, 감정, 상황과 같은 활동 신호뿐만 아니라 일부 생체 신호들을 모니터링하는 것에 있어 유선연결이나 착용이 불필요하므로 사용자 친화적이며, 감염병이나 피부 이상 등의 문제에 보다 안전한 측정 수단을 제공할 수 있다.

본 발명이 해결하고자 하는 기술적 과제는, 에지형 인공지능 SoC의 메모리 사용 효율을 개선하고 전력 소비를 감소시키면서도, 센서 데이터 처리 결과의 정확성과 신뢰성을 보장하는 에지형 인공지능 ＳｏＣ의 비접촉 다중 생체신호 검출 시스템 및 방법을 제공하는 것이다.

본 발명의 일 실시예에 따른 비접촉 다중 생체신호 검출 시스템은 심전도 측정 센서, 산소 포화도 측정 센서, 및 혈압 측정 센서 중 적어도 2개 이상의 센서로부터 획득되는 센서 데이터 샘플들을 인공지능 모델을 통해 처리하는 에지형 인공지능 ＳｏＣ의 비접촉 다중 생체신호 검출 시스템으로서, 상호 독립적으로 전력이 제공되며 상기 적어도 2개 이상의 센서로부터 획득된 센서 데이터 샘플들이 분산되어 저장되는 복수의 휘발성 메모리; 상기 적어도 2개 이상의 센서 각각에 대해 기 설정된 샘플링 주기마다 샘플링을 수행하여 센서 데이터 샘플들을 획득하고, 획득된 센서 데이터 샘플들을 상기 복수의 휘발성 메모리에 분산하여 저장하되, 상기 적어도 2개 이상의 센서 중 제1 센서로부터 획득되는 제1 센서 데이터 샘플을 상기 복수의 휘발성 메모리 중 제1 휘발성 메모리에 저장하는 센서 데이터 관리부; 및 상기 인공지능 모델을 실행하여 상기 복수의 휘발성 메모리에 저장된 센서 데이터 샘플들을 처리하는 프로세서를 포함하고, 상기 센서 데이터 관리부는 상기 제1 센서의 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플의 값과 상기 제N차 샘플링 주기의 도래 전 상기 제1 휘발성 메모리에 마지막 저장된 제1 센서 데이터 샘플의 값을 비교하여, 샘플 값 변화량이 미리 정해진 기준 변화량을 초과하는 경우에만 상기 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플을 상기 제1 휘발성 메모리에 저장하도록 구성하고, 상기 프로세서가 상기 심전도 측정 센서의 특정 전극으로부터 수신되는 전기 신호를 비정상 전기 신호로 분류하는 경우, 상기 프로세서는 해당 전극을 측정 불가능 상태로 판단하고, 상기 특정 전극으로부터 전기 신호가 수신되더라도 이를 무시하고 다른 전극에 기초하여 심전도 측정 결과를 산출한다.

일 실시예에 있어서, 상기 센서 데이터 관리부는, 상기 샘플 값 변화량이 상기 기준 변화량을 초과하는 경우, 상기 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플을 해당 샘플링 시각에 대응하는 타임스탬프(time stamp)와 연관시켜 상기 제1 휘발성 메모리에 저장하도록 구성될 수 있다.

일 실시예에 있어서, 상기 센서 데이터 관리부는, 상기 제1 휘발성 메모리에 신규의 제1 센서 데이터 샘플이 저장된 경우 또는 상기 제1 휘발성 메모리에 신규로 저장된 제1 센서 데이터 샘플의 개수가 미리 정해진 개수에 도달한 경우, 트리거 신호를 생성하여 상기 프로세서로 전송하도록 구성되고, 상기 프로세서는, 절전 모드로 대기 중에 상기 트리거 신호가 수신되면 동작 모드로 전환되고, 상기 동작 모드로 전환되면 상기 인공지능 모델을 실행하여 상기 제1 휘발성 메모리에 저장된 제1 센서 데이터 샘플을 처리하도록 구성될 수 있다.

본 발명의 일 실시예에 따른 비접촉 다중 생체신호 검출 방법은, 상호 독립적으로 전력이 공급되는 복수의 휘발성 메모리, 센서 데이터 관리부 및 프로세서를 포함하며 심전도 측정 센서, 산소 포화도 측정 센서, 및 혈압 측정 센서 중 적어도 2개 이상의 센서로부터 획득되는 센서 데이터 샘플들을 인공지능 모델을 통해 처리하는 에지형 인공지능 ＳｏＣ의 비접촉 다중 생체신호 검출 방법으로서, 상기 센서 데이터 관리부가 상기 적어도 2개 이상의 센서 각각에 대해 기 설정된 샘플링 주기마다 샘플링을 수행하여 센서 데이터 샘플들을 획득하는 단계; 상기 센서 데이터 관리부가 상기 적어도 2개 이상의 센서 중 제1 센서로부터 획득되는 제1 센서 데이터 샘플을 상기 복수의 휘발성 메모리 중 제1 휘발성 메모리에 저장하되, 상기 제1 센서의 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플의 값과 상기 제N차 샘플링 주기의 도래 전 상기 제1 휘발성 메모리에 마지막 저장된 제1 센서 데이터 샘플의 값을 비교하여, 샘플 값 변화량이 미리 정해진 기준 변화량을 초과하는 경우에만 상기 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플을 상기 제1 휘발성 메모리에 저장하는 단계(단, N은 2 이상의 정수); 및 상기 프로세서가 상기 인공지능 모델을 실행하여 상기 복수의 휘발성 메모리에 저장된 센서 데이터 샘플들을 처리하는 단계를 포함하고, 상기 프로세서가 상기 심전도 측정 센서의 특정 전극으로부터 수신되는 전기 신호를 비정상 전기 신호로 분류하는 경우, 상기 프로세서는 해당 전극을 측정 불가능 상태로 판단하고, 상기 특정 전극으로부터 전기 신호가 수신되더라도 이를 무시하고 다른 전극에 기초하여 심전도 측정 결과를 산출할 수 있다.

본 발명에 따른 실시예들은, 상술한 동작 또는 방법을 컴퓨터 시스템을 통해 실행하는 컴퓨터 프로그램으로서 기록매체에 기록되는 컴퓨터 프로그램을 이용하여 구현될 수 있다.

본 발명에 따르면, 복수의 센서로부터 획득되는 센서 데이터 샘플들을 인공지능 모델을 통해 자체적으로 처리하는 에지형 인공지능 SoC로 하여금 획득된 모든 센서 데이터 샘플들을 저장하여 처리하는 방식이 아닌, 현재 획득된 센서 데이터 샘플과 직전에 저장된 센서 데이터 샘플을 비교하여 샘플 값 변화량이 미리 정해진 기준 변화량을 초과하는 경우에만 현재 획득된 센서 데이터 샘플을 저장하여 처리하도록 함으로써, 에지형 인공지능 SoC의 메모리 사용 효율을 개선하고 전력 소비를 감소시킬 수 있다.

또한, 복수의 센서로부터 각각 획득되어 저장된 센서 데이터 샘플들에 대한 프로세서의 접근 빈도를 고려하여, 접근 빈도가 높은 센서 데이터 샘플을 제공하는 센서의 샘플링 주기는 단축시키고, 접근 빈도가 낮은 센서 데이터 샘플을 제공하는 센서의 샘플링 주기는 연장시킴으로써, 에지형 인공지능 SoC의 전력 효율을 개선하면서도 센서 데이터 처리 결과의 정확성과 신뢰성을 보장할 수 있다.

또한, 프로세서의 접근 빈도가 낮은 센서 데이터 샘플들은 상대적으로 큰 저장용량을 가진 휘발성 메모리에 저장되고, 프로세서의 접근 빈도가 높은 센서 데이터 샘플들은 상대적으로 작은 저장용량을 가진 휘발성 메모리에 저장됨으로써, 데이터의 보관 및 사용에 소비되는 휘발성 메모리의 전력을 더욱 절감할 수 있다.

나아가, 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자라면, 본 발명에 따른 다양한 실시예들이 상기 언급되지 않은 여러 기술적 과제들을 해결할 수 있음을 이하의 설명으로부터 자명하게 이해할 수 있을 것이다.

도 1은 본 발명의 일 실시예에 따른 에지형 인공지능 SoC의 비접촉 다중 생체신호 검출 시스템을 나타낸 블록도이다.
도 2는 본 발명의 일 실시예에 따른 비접촉 다중 생체신호 검출 시스템의 센서 데이터 관리부를 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 에지형 인공지능 SoC의 비접촉 다중 생체신호 검출 방법에 적용되는 센서 데이터 샘플 저장 프로세스를 나타낸 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 에지형 인공지능 SoC의 비접촉 다중 생체신호 검출 방법에 적용되는 샘플링 주기 및 센서 데이터 샘플 관리 프로세스를 나타낸 흐름도이다.

이하, 본 발명의 기술적 과제에 대응하는 해결 방안을 명확히 하기 위해 첨부도면을 참조하여 본 발명에 따른 실시예들을 상세하게 설명한다. 다만, 본 발명을 설명함에 있어서 관련 공지기술에 관한 설명이 오히려 본 발명의 요지를 불명료하게 하는 경우에는 그에 관한 설명은 생략될 수 있다. 또한, 본 명세서에서 사용되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이들은 설계자, 제조자 등의 의도 또는 관례 등에 따라 달라질 수 있을 것이다. 그러므로 후술되는 용어들의 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도 1에는 본 발명의 일 실시예에 따른 에지형 인공지능 SoC(100)의 메모리 관리 시스템이 블록도로 도시되어 있다.

도 1에 도시된 바와 같이, 에지형 인공지능 SoC(100)는 복수의 센서(12a 내지 12m)를 구비한 다양한 비접촉 다중 생체신호 검출 시스템(10)에 적용되어, 복수의 센서(12a 내지 12m)로부터 획득되는 센서 데이터들을 인공지능 모델을 통해 자체적으로 처리하도록 구성된다.

이 경우, 에지형 인공지능 SoC(100)가 적용되는 비접촉 다중 생체신호 검출 시스템(10)는 에지형 인공지능 SoC(100)를 제어하는 제어부(14), 에지형 인공지능 SoC(100)에 입출력되는 데이터를 저장하거나 백업하는 저장부(16), 에지형 인공지능 SoC(100)에 전력을 제공하는 전원부(18) 등을 포함할 수 있다. 이러한 비접촉 다중 생체신호 검출 시스템(10)는 모바일 단말, 스마트 가전, IoT(Internet of Things) 기기, 자율주행 차량 등 다양한 종류와 형태의 디바이스로 구성될 수 있다.

상기 복수의 센서(12a 내지 12m)는 비접촉 다중 생체신호 검출 시스템(10)의 종류와 기능에 따라 다양한 센서로 구성될 수 있다. 에지형 인공지능 SoC(100)와 센서들(12a 내지 12m) 간의 통신은 내부 통합 회로 버스(Inter-Integrated Circuit Bus)를 통해 수행될 수 있다. 각각의 센서는 에지형 인공지능 SoC(100)로 센서 데이터를 전송하기 전에 인터럽트 요청(interrupt request) 신호를 전송할 수 있다.

한편, 상기 에지형 인공지능 SoC(100)의 메모리 관리 시스템은 휘발성 메모리 장치(110), 센서 데이터 관리부(120) 및 프로세서(130)를 포함하며, 실시예에 따라 전력 제어 회로(140), 비휘발성 메모리(150) 등을 더 포함할 수 있다.

상기 휘발성 메모리 장치(110)는 상호 독립적으로 전력이 제공되는 복수의 휘발성 메모리(110a 내지 100n)를 포함할 수 있다. 이러한 복수의 휘발성 메모리(110a 내지 100n)에는 복수의 센서(12a 내지 12m)로부터 획득된 센서 데이터 샘플들이 분산되어 저장될 수 있다. 아래에서 다시 설명하겠지만, 상기 복수의 휘발성 메모리(110a 내지 100n) 각각의 저장용량은 상이하게 구성될 수도 있다.

상기 센서 데이터 관리부(120)는 상기 복수의 센서(12a 내지 12m) 각각에 대해 기 설정된 샘플링 주기마다 샘플링을 수행하여 센서 데이터 샘플들을 획득하고, 획득된 센서 데이터 샘플들을 상기 복수의 휘발성 메모리(110a 내지 100n)에 분산하여 저장하되, 상기 복수의 센서(12a 내지 12m) 중 제1 센서, 예컨대 센서 1(12a)로부터 획득되는 제1 센서 데이터 샘플을 복수의 휘발성 메모리(110a 내지 100n) 중 제1 휘발성 메모리, 예컨대 SRAM 1(110a)에 저장하도록 구성될 수 있다.

센서 1(12a)는 예를 들면, ECG(심전도) 측정 센서일 수 있다.

심전도(ECG)란 심장근육의 수축 확장에 따른 전기적 활동 전류를 측정하여 기록하는 것이다. 심장근육이 수축 이완할 때 발생하는 활동전위는 심장으로부터 온 몸으로 퍼지는 전류를 일으키며, 이 전류는 몸의 상태에 따라 전위차를 발생시키는데 이 전위차는 인체의 피부에 부착된 표면전극을 통해 검출한다. 이와 같은 심전도는 심장의 이상 유무 확인에 이용되며, 협심증, 심근경색, 부정맥 등 심혈관계의 질환을 진단하는 데 기본적으로 고려되는 지표이다.

전극의 상태를 의미하는 “측정 가능 상태”는, 전극에서 수신되는 전기 신호에 기초하여 프로세서가 판단하는 전극의 상태를 의미한다. 프로세서가 특정 전극으로부터 수신되는 전기 신호를 검사하여 정상 전기 신호로 분류하는 경우, 프로세서는 해당 전극을 측정 가능 상태로 판단할 수 있다. 이 경우 프로세서는 해당 전극으로부터 수신된 전기 신호를 심전도 측정 과정에 산입하고 심전도 측정 결과를 산출할 수 있다. 프로세서가 특정 전극으로부터 수신되는 전기 신호를 비정상 전기 신호로 분류하는 경우, 프로세서는 해당 전극을 측정 불가능 상태로 판단할 수 있다. 이 경우 프로세서는 해당 전극으로부터 전기 신호가 수신되더라도 이를 무시하고 다른 전극에 기초하여 심전도 측정 결과를 산출할 수 있다.

센서 2(12b)는 산소 포화도 측정 센서일 수 있다. 대외피질부 조직의 산소포화도를 가리키는 뇌산소포화도는 저산소증, 신생아 모니터링, 응급의학 등의 임상 분야에서 중요한 파라미터로 사용되는 것으로서, 특히 위독한 환자의 임상관리에 있어서 매우 중요하다. 현재 이러한 뇌산소포화도의 감지는 인체에 센서를 부착한 후 적색광 및 근적외선을 방출하여 헤모글로빈의 산화정도를 감지함으로써 측정된다.

센서 3(12c)는 NIBP(혈압) 측정 센서일 수 있다.

혈액이 혈관의 벽에 미치는 압력을 잰 것을 혈압이라고 하며, 심장은 1분에 약 60 내지 80회 수축과 이완을 반복한다. 심장이 수축하여 피를 밀어낼 때 혈관에 미치는 압력을 '수축혈압'이라고 하며 가장 높기 때문에 '최고혈압'이라고 한다. 또한, 심장이 이완되면서 혈액을 받아들일 때 혈관 압력을 '이완혈압'이라고 하며 가장 낮기 때문에 '최저혈압'이라고 한다.

오실로메트릭 방식과 토노메트릭 방식은 디지털화된 혈압 측정 장치에 적용되는 방식이다. 상기 오실로메트릭 방식은 동맥의 혈류가 차단되도록 동맥혈이 지나는 신체 부위를 충분히 가압한 후 일정 속도로 감압하는 과정, 또는 상기 신체 부위를 일정 속도로 승압되게 가압하는 과정에서 발생하는 맥파를 감지하여 수축기 혈압과 이완기 혈압을 측정한다.

여기서, 맥파의 진폭이 최대인 순간과 비교하여 일정 수준인 때의 압력을 수축기 혈압 또는 이완기 혈압으로 측정할 수도 있고, 상기 맥파 진폭의 변화율이 급격히 변화되는 때의 압력을 수축기 혈압 또는 이완기 혈압으로 측정할 수도 있다.

그리고, 가압 후 일정 속도로 감압하는 과정에서는 상기 맥파의 진폭이 최대인 순간보다 앞서서 수축기 혈압이 측정되고, 상기 맥파의 진폭이 최대인 순간보다 나중에 이완기 혈압이 측정된다. 이와 반대로, 일정 속도로 증압하는 과정에서는 상기 맥파의 진폭이 최대인 순간보다 나중에 수축기 혈압이 측정되고, 상기 맥파의 진폭이 최대인 순간보다 앞서서 이완기 혈압이 측정된다.

상기 토노메트릭 방식은 동맥의 혈류를 완전히 차단하지 않는 크기의 일정 압력을 신체 부위에 가하고, 이때 발생되는 맥파의 크기 및 형태를 이용하여 연속적으로 혈압을 측정할 수 있는 방식이다.

아래에서 다시 설명하겠지만, 상기 센서 데이터 관리부(120)는 상기 센서 1(12a)의 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플의 값과 상기 제N차 샘플링 주기의 도래 전 SRAM 1(110a)에 마지막 저장된 제1 센서 데이터 샘플의 값을 비교하여, 샘플 값 변화량이 미리 정해진 기준 변화량을 초과하는 경우에만 상기 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플을 상기 SRAM 1(110a)에 저장하도록 구성될 수 있다.

상기 프로세서(130)는 딥러닝 모델과 같은 인공지능 모델을 실행하여 복수의 휘발성 메모리(110a 내지 100n)에 각각 저장된 센서 데이터 샘플들을 처리하도록 구성될 수 있다. 이 경우, 상기 프로세서(130)는 평상시 슬립 모드(sleep mode) 또는 유휴 모드(idle mode)와 같은 절전 모드로 대기하다가 상기 센서 데이터 관리부(120)로부터 소정 트리거 신호를 수신하는 경우에, 인공지능 모델을 실행하여 센서 데이터 샘플을 처리하는 동작 모드(operating mode)로 전환되도록 구성될 수 있다.

상기 전력 제어 회로(140)는 복수의 휘발성 메모리(110a 내지 100n)에 공급되는 전력을 상호 독립적으로 제어하도록 구성될 수 있다. 예컨대, 상기 프로세서(130)가 현재 사용 중인 휘발성 메모리에는 데이터의 고속 입출력에 요구되는 높은 레벨의 전력을 공급하고, 그 밖의 휘발성 메모리에는 저장된 데이터의 보존에 요구되는 낮은 레벨의 전력을 공급하도록 구성될 수 있다.

또한, 상기 전력 제어 회로(140)는 프로세서(130)에 공급되는 전력을 제어하도록 구성될 수 있다. 예컨대, 상기 프로세서(130)가 절전 모드인 경우, 전력 제어 회로(140)는 클럭 게이팅(clock gating)을 통해 프로세서(130)에 공급되는 전력을 차단하고, 상기 프로세서(130)가 동작 모드인 경우, 전력 제어 회로(140)는 높은 주파수의 동작 클럭을 제공하도록 구성될 수 있다.

상기 비휘발성 메모리(150)는 인공지능 모델이나 펌웨어 등과 같이 상기 프로세서(130)의 동작에 필요한 프로그램, 데이터세트 등을 저장하도록 구성될 수 있다.

도 2에는 본 발명의 일 실시예에 따른 비접촉 다중 생체신호 검출 시스템의 센서 데이터 관리부(120)가 블록도로 도시되어 있다.

도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 비접촉 다중 생체신호 검출 시스템의 센서 데이터 관리부(120)는 세부 구성 모듈로서 샘플링 모듈(121), 샘플 저장 모듈(122), 트리거 신호 생성 모듈(123), 접근 빈도 산출 모듈(124), 샘플링 주기 설정 모듈(125) 및 메모리 관리 모듈(126)을 포함할 수 있다. 이러한 센서 데이터 관리부(120)의 세부 구성 모듈들은 센서 데이터 관리 로직을 실행하기 위한 범용 프로세서, ASIC(Application-Specific Integrated Circuit), 그 밖의 다른 칩셋, 논리 회로, 레지스터, 메모리 등의 하드웨어들을 선택적으로 포함할 수 있으며, 이러한 하드웨어와 컴퓨터 프로그램과 같은 소프트웨어의 결합으로 구성될 수 있다.

한편, 상기 샘플링 모듈(121)은 복수의 센서(12a 내지 12m) 각각에 대해 기 설정된 샘플링 주기마다 샘플링을 수행하여 센서 데이터 샘플들을 획득하도록 구성된다. 이 경우, 샘플링 주기는 후술되는 샘플링 주기 설정 모듈(125)에 의해 설정될 수 있다.

상기 샘플 저장 모듈(122)은 샘플링 모듈(121)을 통해 획득된 센서 데이터 샘플들을 복수의 휘발성 메모리(110a 내지 100n)에 분산하여 저장하도록 구성된다. 특히, 상기 샘플 저장 모듈(122)은 상기 복수의 센서(12a 내지 12m) 중 제1 센서(12a)로부터 획득되는 제1 센서 데이터 샘플을, 상기 복수의 휘발성 메모리(110a 내지 100n) 중 제1 휘발성 메모리(110a)에 저장하도록 구성될 수 있다.

이 경우, 상기 샘플 저장 모듈(122)은 제1 센서(12a)의 최초 샘플링 주기에 획득된 제1 센서 데이터 샘플의 경우에는 바로 제1 휘발성 메모리(110a)에 저장하되, 그 후 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플의 경우에는 획득된 제1 센서 데이터 샘플의 값과 상기 제N차 샘플링 주기의 도래 전 상기 제1 휘발성 메모리(110a)에 마지막 저장된 제1 센서 데이터 샘플의 값을 비교하여, 샘플 값 변화량이 미리 정해진 기준 변화량을 초과하는 경우에만 상기 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플을 상기 제1 휘발성 메모리(110a)에 저장하도록 구성될 수 있다(단, N은 2 이상의 정수). 이와 같이, 본 발명은 제한적인 저장용량을 가진 에지형 인공지능 SoC(100)의 메모리에 센싱 결과 산출에 불필요한 센서 데이터 샘플들이 저장되는 것을 방지하여, 에지형 인공지능 SoC(100)의 메모리 사용 효율을 개선할 수 있다.

한편, 상기 샘플 저장 모듈(122)은 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플을 제1 휘발성 메모리(110a)에 저장하는 경우, 획득된 제1 센서 데이터를 해당 샘플링 시각에 대응하는 타임스탬프(time stamp)와 연관시켜 저장하도록 구성될 수 있다.

상기 트리거 신호 생성 모듈(123)은 제1 휘발성 메모리(110a)에 신규의 제1 센서 데이터 샘플이 저장된 경우, 또는 제1 휘발성 메모리(110a)에 신규로 저장된 제1 센서 데이터 샘플의 개수가 미리 정해진 개수에 도달한 경우, 트리거 신호를 생성하여 상기 프로세서(130)로 전송하도록 구성된다.

그 결과, 상기 프로세서(130)는 절전 모드로 대기 중에 상기 트리거 신호가 수신되면 동작 모드로 전환되고, 상기 동작 모드로 전환되면 에지형 인공지능 SoC(100)에 내장된 인공지능 모델을 실행하여 제1 휘발성 메모리(110a)에 저장된 제1 센서 데이터 샘플을 처리할 수 있다.

상기 접근 빈도 산출 모듈(124)은 상술한 바와 같이 제1 휘발성 메모리(110a)에 저장된 제1 센서 데이터 샘플에 대한 프로세서(130)의 단위 시간당 접근 빈도를 산출하도록 구성된다. 이 경우, 상기 접근 빈도 산출 모듈(124)은 프로세서(130)가 처리한 센서 데이터 샘플의 센서 식별 정보와 타임스탬프를 이용하여 해당 센서 데이터 샘플에 대한 프로세서(130)의 접근 빈도를 산출하도록 구성될 수 있다.

상기 샘플링 주기 설정 모듈(125)은 센서별로 설정된 샘플링 주기 정보를 저장하여 관리하며, 상기 접근 빈도 산출 모듈(124)에 의해 산출된 상기 제1 센서 데이터 샘플에 대한 프로세서(130)의 접근 빈도가 미리 정해진 제1 기준 빈도보다 낮은 경우, 상기 제1 센서(12a)의 샘플링 주기를 종전 샘플링 주기보다 긴 주기로 변경하여 설정하도록 구성될 수 있다.

반면, 상기 샘플링 주기 설정 모듈(125)은 접근 빈도 산출 모듈(124)에 의해 산출된 상기 제1 센서 데이터 샘플에 대한 프로세서(130)의 접근 빈도가 미리 정해진 제2 기준 빈도보다 높은 경우, 상기 제1 센서(12a)의 샘플링 주기를 종전 샘플링 주기보다 짧은 주기로 변경하여 설정하도록 구성될 수 있다.

또한, 상기 샘플링 주기 설정 모듈(125)은 상기와 같이 설정 또는 변경된 샘플링 주기 정보를 상기 샘플링 모듈(121)로 전달하도록 구성될 수 있다.

이와 같이, 본 발명은 프로세서의 접근 빈도가 낮은 센서 데이터 샘플을 제공하는 센서의 샘플링 주기를 연장시킴으로써, 에지형 인공지능 SoC의 전력 효율을 개선할 수 있다.

또한, 본 발명은 프로세서의 접근 빈도가 높은 센서 데이터 샘플을 제공하는 센서의 샘플링 주기를 단축시킴으로써, 에지형 인공지능 SoC를 통한 센서 데이터 처리 결과의 정확성과 신뢰성을 향상시킬 수 있다.

상기 메모리 관리 모듈(126)은 접근 빈도 산출 모듈(124)에 의해 산출된 상기 제1 센서 데이터 샘플에 대한 프로세서(130)의 접근 빈도가 미리 정해진 제3 기준 빈도보다 높은 경우, 제1 휘발성 메모리(110a)에 저장된 제1 센서 데이터 샘플의 저장 위치를 상기 복수의 휘발성 메모리(110a 내지 100n) 중 제1 휘발성 메모리(110a)보다 작은 저장용량을 가진 제2 휘발성 메모리(110b)로 변경하도록 구성될 수 있다. 이를 위해, 상기 메모리 관리 모듈(126)은 제1 휘발성 메모리(110a)에 저장된 제1 센서 데이터 샘플을 상기 제2 휘발성 메모리(110b)로 이전하여 저장하거나, 차후 상기 제1 센서(12a)로부터 획득되는 제1 센서 데이터 샘플을 상기 제2 휘발성 메모리(110b)에 저장하도록 상기 샘플 저장 모듈(122)에 요청할 수 있다. 실시예에 따라, 상기 제3 기준 빈도는 상기 제2 기준 빈도와 동일 또는 상이하게 결정될 수 있다.

이와 같이, 본 발명은 프로세서의 접근 빈도가 높은 센서 데이터 샘플들을 상대적으로 저전력으로 구동되는 작은 저장용량의 휘발성 메모리에 저장함으로써, 에지형 인공지능 SoC(100)의 전력 효율을 더욱 개선할 수 있다.

도 3에는 본 발명의 일 실시예에 따른 에지형 인공지능 SoC의 비접촉 다중 생체신호 검출 방법에 적용되는 센서 데이터 샘플 저장 프로세스가 흐름도로 도시되어 있다.

도 3에 도시된 바와 같이, 상기 에지형 인공지능 SoC(100)의 센서 데이터 관리부(120)는 복수의 센서(12a 내지 12m) 각각에 대해 기 설정된 샘플링 주기마다 샘플링을 수행하여 센서 데이터 샘플들을 획득한다(S300).

그리고 상기 센서 데이터 관리부(120)는 획득된 센서 데이터 샘플들을 복수의 휘발성 메모리(110a 내지 100n)에 분산하여 저장할 수 있다. 특히, 센서 데이터 관리부(120)는 상기 복수의 센서(12a 내지 12m) 중 제1 센서(12a)로부터 획득되는 제1 센서 데이터 샘플을, 상기 복수의 휘발성 메모리(110a 내지 100n) 중 제1 휘발성 메모리(110a)에 저장할 수 있다.

이 경우, 상기 센서 데이터 관리부(120)는 제1 센서(12a)의 최초 샘플링 주기에 획득된 제1 센서 데이터 샘플의 경우에는 바로 제1 휘발성 메모리(110a)에 저장할 수 있다(S310, S340).

반면, 상기 센서 데이터 관리부(120)는 최초 샘플링 주기 후 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플의 경우에는, 획득된 제1 센서 데이터 샘플의 값과 상기 제N차 샘플링 주기의 도래 전 상기 제1 휘발성 메모리(110a)에 마지막 저장된 제1 센서 데이터 샘플의 값을 비교하여 샘플 값 변화량을 확인할 수 있다(S310, S320).

그 결과, 해당 샘플 값 변화량이 미리 정해진 기준 변화량을 초과하는 경우, 상기 센서 데이터 관리부(120)는 상기 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플을 상기 제1 휘발성 메모리(110a)에 저장할 수 있다. 이 경우, 상기 센서 데이터 관리부(120)는 획득된 제1 센서 데이터를 해당 샘플링 시각에 대응하는 타임스탬프(time stamp)와 연관시켜 저장할 수 있다(S330, S340).

그 다음, 제1 휘발성 메모리(110a)에 신규의 제1 센서 데이터 샘플이 저장된 경우, 또는 제1 휘발성 메모리(110a)에 신규로 저장된 제1 센서 데이터 샘플의 개수가 미리 정해진 개수에 도달한 경우, 상기 센서 데이터 관리부(120)는 트리거 신호를 생성하여 프로세서(130)로 전송할 수 있다(S350).

그 결과, 상기 프로세서(130)는 절전 모드로 대기 중에 상기 트리거 신호가 수신되면 동작 모드로 전환되고, 상기 동작 모드로 전환되면 에지형 인공지능 SoC(100)에 내장된 인공지능 모델을 실행하여 제1 휘발성 메모리(110a)에 저장된 제1 센서 데이터 샘플을 처리할 수 있다(S360).

상기 센서 데이터 관리부(120)를 포함한 상기 에지형 인공지능 SoC(100)의 메모리 관리 시스템은 해당 센서들의 동작이 중지될 때까지 상술한 과정들을 반복할 수 있다(S370).

도 4에는 본 발명의 일 실시예에 따른 에지형 인공지능 SoC의 비접촉 다중 생체신호 검출 방법에 적용되는 샘플링 주기 및 센서 데이터 샘플 관리 프로세스가 흐름도로 도시되어 있다.

도 4에 도시된 바와 같이, 상기 에지형 인공지능 SoC(100)의 센서 데이터 관리부(120)는 센서별 샘플링 주기 정보를 저장하여 관리하며 주기적으로 또는 미리 정해진 시점마다, 제1 휘발성 메모리(110a)에 저장된 제1 센서 데이터 샘플에 대한 프로세서(130)의 단위 시간당 접근 빈도를 산출할 수 있다(S400). 이 경우, 상기 센서 데이터 관리부(120)는 프로세서(130)가 처리한 센서 데이터 샘플의 센서 식별 정보와 타임스탬프를 이용하여 해당 센서 데이터 샘플에 대한 프로세서(130)의 접근 빈도를 산출할 수 있다.

그 다음, 상기 센서 데이터 관리부(120)는 상기 산출된 접근 빈도가 미리 정해진 하한치에 해당하는 제1 기준 빈도보다 낮은 경우(S410), 상기 제1 센서(12a)의 샘플링 주기를 종전 샘플링 주기보다 긴 주기로 변경하여 설정할 수 있다(S412).

반면, 상기 산출된 접근 빈도가 상기 제1 기준 빈도는 물론, 미리 정해진 상한치에 해당하는 제2 기준 빈도보다 높은 경우(S420), 상기 센서 데이터 관리부(120)는 상기 제1 센서(12a)의 샘플링 주기를 종전 샘플링 주기보다 짧은 주기로 변경하여 설정할 수 있다(S430).

한편, 상기 센서 데이터 관리부(120)는 상기 산출된 접근 빈도가 미리 정해진 제3 기준 빈도보다 높은 경우(S440), 제1 휘발성 메모리(110a)에 저장된 제1 센서 데이터 샘플의 저장 위치를 상기 복수의 휘발성 메모리(110a 내지 100n) 중 제1 휘발성 메모리(110a)보다 작은 저장용량을 가진 제2 휘발성 메모리(110b)로 변경할 수 있다(S450). 이를 위해, 상기 센서 데이터 관리부(120)는 제1 휘발성 메모리(110a)에 저장된 제1 센서 데이터 샘플을 상기 제2 휘발성 메모리(110b)로 이전하여 저장하거나, 차후 상기 제1 센서(12a)로부터 획득되는 제1 센서 데이터 샘플을 상기 제2 휘발성 메모리(110b)에 저장하도록 상기 샘플 저장 모듈(122)에 요청할 수 있다. 실시예에 따라, 상기 제3 기준 빈도는 상기 제2 기준 빈도와 동일 또는 상이하게 결정될 수 있다.

한편, 본 발명에 따른 실시예들은 컴퓨터 시스템과 이러한 컴퓨터 시스템을 구동하는 컴퓨터 프로그램으로 구현될 수 있다. 본 발명의 실시예들이 컴퓨터 프로그램으로 구현되는 경우, 본 발명의 구성요소들은 해당 프로세서 또는 컴퓨터 시스템을 통해 해당 동작이나 작업을 실행하는 프로그램 세그먼트들을 포함할 수 있다. 이러한 컴퓨터 프로그램 내지 프로그램 세그먼트들은 프로세서 또는 컴퓨터로 판독 가능한 다양한 기록매체에 저장될 수 있다. 프로세서 또는 컴퓨터로 판독 가능한 기록매체에는 컴퓨터 시스템이 읽어들일 수 있는 데이터를 기록하는 모든 종류의 매체가 포함될 수 있다. 예컨대, 프로세서 또는 컴퓨터로 판독 가능한 기록매체에는 ROM, RAM, EEPROM, 레지스터, 플래시 메모리, CD-ROM, 자기 테이프, 하드 디스크, 플로피디스크, 또는 광 데이터 기록장치 등이 포함될 수 있다. 또한, 이러한 기록매체는 다양한 네트워크로 연결된 컴퓨터 시스템들에 분산 배치되어 프로그램 코드들을 분산 방식으로 저장하거나 실행시킬 수 있다.

나아가, 본 발명에 따른 실시예들은, 당해 기술 분야는 물론 관련 기술 분야에서 본 명세서에 언급된 내용 이외의 다른 여러 기술적 과제들을 해결할 수 있음은 물론이다.

지금까지 본 발명에 대해 구체적인 실시예들을 참고하여 설명하였다. 그러나 당업자라면 본 발명의 기술적 범위에서 다양한 변형 실시예들이 구현될 수 있음을 명확하게 이해할 수 있을 것이다. 그러므로 앞서 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 할 것이다. 즉, 본 발명의 진정한 기술적 사상의 범위는 청구범위에 나타나 있으며, 그와 균등범위 내에 있는 모든 차이점은 본 발명에 포함되는 것으로 해석되어야 할 것이다.

100 : 에지형 인공지능 SoC
110 : 휘발성 메모리
120 : 센서 데이터 관리부
130 : 프로세서
140 : 전력 제어 회로
150 : 비휘발성 메모리

Claims

심전도 측정 센서, 산소 포화도 측정 센서, 및 혈압 측정 센서 중 적어도 2개 이상의 센서로부터 획득되는 센서 데이터 샘플들을 인공지능 모델을 통해 처리하는 에지형 인공지능 ＳｏＣ의 비접촉 다중 생체신호 검출 시스템으로서,
상호 독립적으로 전력이 제공되며 상기 적어도 2개 이상의 센서로부터 획득된 센서 데이터 샘플들이 분산되어 저장되는 복수의 휘발성 메모리;
상기 적어도 2개 이상의 센서 각각에 대해 기 설정된 샘플링 주기마다 샘플링을 수행하여 센서 데이터 샘플들을 획득하고, 획득된 센서 데이터 샘플들을 상기 복수의 휘발성 메모리에 분산하여 저장하되, 상기 적어도 2개 이상의 센서 중 제1 센서로부터 획득되는 제1 센서 데이터 샘플을 상기 복수의 휘발성 메모리 중 제1 휘발성 메모리에 저장하는 센서 데이터 관리부; 및
상기 인공지능 모델을 실행하여 상기 복수의 휘발성 메모리에 저장된 센서 데이터 샘플들을 처리하는 프로세서를 포함하고,
상기 센서 데이터 관리부는 상기 제1 센서의 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플의 값과 상기 제N차 샘플링 주기의 도래 전 상기 제1 휘발성 메모리에 마지막 저장된 제1 센서 데이터 샘플의 값을 비교하여, 샘플 값 변화량이 미리 정해진 기준 변화량을 초과하는 경우에만 상기 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플을 상기 제1 휘발성 메모리에 저장하도록 구성하고,
상기 프로세서가 상기 심전도 측정 센서의 특정 전극으로부터 수신되는 전기 신호를 비정상 전기 신호로 분류하는 경우, 상기 프로세서는 해당 전극을 측정 불가능 상태로 판단하고, 상기 특정 전극으로부터 전기 신호가 수신되더라도 이를 무시하고 다른 전극에 기초하여 심전도 측정 결과를 산출하는 것을 특징으로 하는 비접촉 다중 생체신호 검출 시스템(단, N은 2 이상의 정수).
제1항에 있어서,
상기 센서 데이터 관리부는, 상기 샘플 값 변화량이 상기 기준 변화량을 초과하는 경우, 상기 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플을 해당 샘플링 시각에 대응하는 타임스탬프(time stamp)와 연관시켜 상기 제1 휘발성 메모리에 저장하도록 구성된 것을 특징으로 하는 비접촉 다중 생체신호 검출 시스템.
제1항에 있어서,
상기 센서 데이터 관리부는, 상기 제1 휘발성 메모리에 신규의 제1 센서 데이터 샘플이 저장된 경우 또는 상기 제1 휘발성 메모리에 신규로 저장된 제1 센서 데이터 샘플의 개수가 미리 정해진 개수에 도달한 경우, 트리거 신호를 생성하여 상기 프로세서로 전송하도록 구성되고,
상기 프로세서는, 절전 모드로 대기 중에 상기 트리거 신호가 수신되면 동작 모드로 전환되고, 상기 동작 모드로 전환되면 상기 인공지능 모델을 실행하여 상기 제1 휘발성 메모리에 저장된 제1 센서 데이터 샘플을 처리하도록 구성된 것을 특징으로 하는 비접촉 다중 생체신호 검출 시스템.
상호 독립적으로 전력이 공급되는 복수의 휘발성 메모리, 센서 데이터 관리부 및 프로세서를 포함하며 심전도 측정 센서, 산소 포화도 측정 센서, 및 혈압 측정 센서 중 적어도 2개 이상의 센서로부터 획득되는 센서 데이터 샘플들을 인공지능 모델을 통해 처리하는 에지형 인공지능 ＳｏＣ의 비접촉 다중 생체신호 검출 방법으로서,
상기 센서 데이터 관리부가 상기 적어도 2개 이상의 센서 각각에 대해 기 설정된 샘플링 주기마다 샘플링을 수행하여 센서 데이터 샘플들을 획득하는 단계;
상기 센서 데이터 관리부가 상기 적어도 2개 이상의 센서 중 제1 센서로부터 획득되는 제1 센서 데이터 샘플을 상기 복수의 휘발성 메모리 중 제1 휘발성 메모리에 저장하되, 상기 제1 센서의 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플의 값과 상기 제N차 샘플링 주기의 도래 전 상기 제1 휘발성 메모리에 마지막 저장된 제1 센서 데이터 샘플의 값을 비교하여, 샘플 값 변화량이 미리 정해진 기준 변화량을 초과하는 경우에만 상기 제N차 샘플링 주기에 획득된 제1 센서 데이터 샘플을 상기 제1 휘발성 메모리에 저장하는 단계(단, N은 2 이상의 정수); 및
상기 프로세서가 상기 인공지능 모델을 실행하여 상기 복수의 휘발성 메모리에 저장된 센서 데이터 샘플들을 처리하는 단계를 포함하고,
상기 프로세서가 상기 심전도 측정 센서의 특정 전극으로부터 수신되는 전기 신호를 비정상 전기 신호로 분류하는 경우, 상기 프로세서는 해당 전극을 측정 불가능 상태로 판단하고, 상기 특정 전극으로부터 전기 신호가 수신되더라도 이를 무시하고 다른 전극에 기초하여 심전도 측정 결과를 산출하는 것을 특징으로 하는 비접촉 다중 생체신호 검출 방법.
제4 항에 따른 방법을 컴퓨터를 통해 실행하는 컴퓨터 프로그램으로서 컴퓨터로 판독 가능한 기록매체에 기록된 컴퓨터 프로그램.