WO2020075882A1 - 과학 수사 장치 - Google Patents

과학 수사 장치 Download PDF

Info

Publication number
WO2020075882A1
WO2020075882A1 PCT/KR2018/011893 KR2018011893W WO2020075882A1 WO 2020075882 A1 WO2020075882 A1 WO 2020075882A1 KR 2018011893 W KR2018011893 W KR 2018011893W WO 2020075882 A1 WO2020075882 A1 WO 2020075882A1
Authority
WO
WIPO (PCT)
Prior art keywords
suspect
level
signal
eeg
central processing
Prior art date
Application number
PCT/KR2018/011893
Other languages
English (en)
French (fr)
Inventor
이영섭
류호진
Original Assignee
에스투원 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 에스투원 주식회사 filed Critical 에스투원 주식회사
Priority to PCT/KR2018/011893 priority Critical patent/WO2020075882A1/ko
Publication of WO2020075882A1 publication Critical patent/WO2020075882A1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]

Definitions

  • the present invention relates to a scientific investigation device, and more particularly, to a scientific investigation device capable of determining whether the suspect's statement is false through analysis of the suspect's psychological state.
  • the conventional lie detector simply determines whether the suspect's statement is false by using a change in the pulse or blood pressure of the suspect, so the conventional lie detector has a problem in that the accuracy of determining whether the lie is false is poor.
  • Patent Document 1 Korean Patent Publication No. 10-2011-0027152 (2011.03.16)
  • Patent Document 2 Korean Patent Publication No. 10-2010-0128023 (2010.12.07)
  • Patent Document 3 Korean Patent Publication No. 10-2015-0006949 (2015.01.20)
  • An object of the present invention for solving the above problems is to provide a scientific investigation device capable of improving the accuracy of determining whether the suspect's statement is false through analysis of a psychological state using the biometric information of the suspect.
  • the forensic device includes an EEG sensor, a face electromyography sensor, a camera, and a central processing unit.
  • the EEG sensor is attached to the suspect's head and generates an EEG signal corresponding to the suspect's EEG.
  • the facial electromyography sensor is attached to the suspect's face, and generates a facial electromyography signal corresponding to the movement of the suspect's facial muscles.
  • the camera captures the movement of the suspect's eyeball and generates an eyeball image signal.
  • the central processing unit determines a first unstable level indicating the degree of unstable psychological state of the suspect based on the frequency of the EEG signal as one of a plurality of levels, and the suspect based on a change in the waveform of the EMG signal. Determining a second instability level indicating a degree of unstable psychological state as one of a plurality of levels, and a third indicating a degree of unstable psychological state of the suspect based on the movement of the suspect's eye included in the eyeball image signal The instability level is determined as one of a plurality of levels, and whether the suspect's statement is false is determined based on the first instability level, the second instability level, and the third instability level.
  • the forensic device uses the biometric information of the suspect to grasp the psychological state of the suspect, and determines whether or not the suspect's statement is false based on the identified psychological state. It can effectively improve the accuracy of judging whether a statement is false.
  • FIG. 1 is a block diagram showing a forensic device according to an embodiment of the present invention.
  • FIG. 2 is a view for explaining an example in which the forensic device of FIG. 1 is applied to a suspect.
  • FIG. 3 is a diagram for explaining an example of a process in which the central processing unit included in the forensic device of FIG. 1 determines a first unstable level indicating the degree of unstable psychological state of the suspect based on the EEG signal.
  • FIG. 4 is a block diagram showing a forensic device according to another embodiment of the present invention.
  • FIG. 5 is a block diagram showing a forensic device according to another embodiment of the present invention.
  • FIG. 6 is a block diagram showing a forensic device according to another embodiment of the present invention.
  • FIG. 1 is a block diagram illustrating a forensic device according to an embodiment of the present invention
  • FIG. 2 is a view for explaining an example in which the forensic device of FIG. 1 is applied to a suspect.
  • the forensic device 10 includes a central processing unit 100, an electroencephalogram sensor 200, a facial electromyography sensor 300, and a camera 400. Includes.
  • the EEG sensor 200 is attached to the suspect's head.
  • the EEG sensor 200 detects the EEG of the suspect and generates an EEG signal (EEG_S) corresponding to the detected EEG.
  • EEG_S EEG signal
  • the EEG sensor 200 may include a plurality of electrodes 210.
  • the plurality of electrodes 210 included in the EEG sensor 200 may be distributed and attached to the suspect's head.
  • the EEG sensor 200 is shown in FIG. 2 as including three electrodes 210, the present invention is not limited to this, and according to an embodiment, the EEG sensor 200 may have any number of electrodes 210 ).
  • the EEG sensor 200 may include 21 electrodes 210.
  • the 21 electrodes 210 included in the EEG sensor 200 may be distributed and attached to the suspect's head according to a 10-20 method (ten-twenty electrode system).
  • the EEG sensor 200 may provide the generated EEG signal (EEG_S) to the central processing unit 100.
  • the face electromyography sensor 300 is attached to the suspect's face.
  • the facial electromyography sensor 300 detects the movement of the suspect's facial muscles and generates a facial electromyography signal FEMG_S corresponding to the detected movement of the facial muscles.
  • the face electromyography sensor 300 may include a plurality of electrodes 310.
  • the plurality of electrodes 310 included in the facial electromyography sensor 300 may be dispersedly attached to the suspect's face.
  • the plurality of electrodes 310 included in the facial electromyography sensor 300 may be attached to a portion where the movement of muscle is relatively large on the suspect's face.
  • the facial EMG sensor 300 is illustrated as including three electrodes 310, but the present invention is not limited thereto, and according to an embodiment, the facial EMG sensor 300 may have any number of electrodes. It may include 310.
  • each of the plurality of electrodes 310 included in the facial electromyography sensor 300 may be formed in a needle shape and attached to the suspect's face in the form of stabbing the suspect's facial muscles.
  • each of the plurality of electrodes 310 included in the facial electromyography sensor 300 may be attached to the skin surface of the suspect's face.
  • a minute current always flows through the muscle of a person, and the size of the minute current flowing through the muscle changes as the muscle moves.
  • each of the plurality of electrodes 310 included in the facial electromyography sensor 300 may sense a current flowing through the suspect's muscle and generate a facial electromyography signal FEMG_S corresponding to the detected current.
  • the waveform of the EMG signal FEMG_S generated from the EMG sensor 300 may indicate the movement of the suspect's facial muscles.
  • the face electromyography sensor 300 may provide the generated face electromyography signal FEMG_S to the central processing apparatus 100.
  • the camera 400 photographs the movement of the suspect's eyeball to generate an eyeball image signal EV_S.
  • the camera 400 is installed in front of the suspect's eyeball at the same height as the suspect's eyeball to effectively photograph the suspect's eye movement, and the focus of the camera 400 is the Can be set on the suspect's eyeball.
  • the camera 400 may provide the generated eye image signal EV_S to the central processing unit 100.
  • the forensic device 10 may be used to determine whether the suspect's statement is true or false in the course of conducting an investigation against the suspect.
  • the EEG sensor 200 is attached to the suspect's head, the face electromyography sensor 300 is attached to the suspect's face, and the suspect is through the camera 400. While shooting the movement of the eyeball, the suspect can make a statement about the alleged crime.
  • the suspect makes a statement about the alleged crime, the suspect's brainwaves, the suspect's facial muscle movements, and the suspect's eye movement may change depending on the degree of instability of the suspect's psychological state.
  • the central processing unit 100 includes an EEG signal (EEG_S) received from the EEG sensor 200, a face EMG signal (FEMG_S) received from the EMG sensor 300, and an eyeball image signal received from the camera 400 ( EV_S) may determine whether the suspect's statement is false.
  • EEG_S EEG signal
  • FEMG_S face EMG signal
  • EV_S eyeball image signal received from the camera 400
  • the central processing unit 100 may determine a first unstable level indicating the degree of unstable psychological state of the suspect based on the frequency of the EEG signal SEE_S received from the EEG sensor 200.
  • FIG. 3 is a diagram for explaining an example of a process in which the central processing unit included in the forensic device of FIG. 1 determines a first unstable level indicating the degree of unstable psychological state of the suspect based on the EEG signal.
  • human brain waves may be divided into delta waves, theta waves, alpha waves, sensory motor rhythm (SMR) waves, beta waves, and gamma waves according to frequencies.
  • SMR sensory motor rhythm
  • Delta waves are brain waves that are generated when the body is completely relaxed in deep sleep.
  • Theta waves are brain waves generated in shallow or REM sleep.
  • Alpha waves are produced in the middle of sleep and wakefulness, and are brain waves that are produced while physically active but mentally stable.
  • SMR waves are brain waves generated in a state where the body maintains concentration without moving.
  • Beta waves are brain waves generated in a state in which work or learning is performed while the body is actively active, and the frequency gradually increases as the brain exceeds a limit that can be properly processed.
  • Gamma waves are brain waves that are generated when the psychological state is extremely unstable due to anger, excitement, and fear.
  • the central processing unit 100 may increase the first instability level when the frequency of the EEG signal SEEG increases.
  • the central processing unit 100 may reduce the first instability level when the frequency of the EEG signal SEE_S decreases.
  • the central processing unit 100 determines the first instability level as the first level (L1) when the frequency of the EEG signal (EEG_S) is 0.1 to 4 Hz corresponding to the delta wave, and the EEG signal ( If the frequency of EEG_S) is 4 to 8 Hz corresponding to theta wave, the first instability level is determined as the second level (L2), and the frequency of the EEG signal (EEG_S) is 8 to 12 Hz corresponding to alpha wave.
  • the first instability level is determined as the third level (L3), and the frequency of the EEG signal (EEG_S) is 12 to 15 Hz corresponding to the SMR wave, the first instability level is determined as the fourth level (L4), and the EEG signal
  • the first instability level is determined as the fifth level (L5), and the frequency of the EEG signal (EEG_S) is 30 Hz or more corresponding to gamma wave.
  • One unstable level may be determined as the sixth level L6.
  • the present invention is not limited to this, and the central processing unit 100 divides the frequency of the EEG signal EEG_S into an arbitrary number of sections, and multiples the first instability level based on the divided sections. You can decide to one of the levels.
  • the central processing unit 100 has a second instability level indicating the degree of unstable psychological state of the suspect based on a change in the waveform of the facial EMG signal FEMG_S received from the facial EMG sensor 300. Can decide.
  • the central processing unit 100 Similar to the first instability level determined based on the EEG signal EEG_S, the central processing unit 100 sets the second instability level among a plurality of levels based on a change in the waveform of the facial EMG signal FEMG_S. You can decide one.
  • the suspect's facial muscles may be shaken slightly or sudden changes may occur in the facial muscles.
  • the central processing unit 100 may increase the second instability level when shaking occurs in the waveform of the EMG signal FEMG_S or when a sudden change occurs in the waveform of the EMG signal FEMG_S.
  • the central processing unit 100 may reduce the second instability level when the waveform of the facial EMG signal FEMG_S is stably maintained.
  • the central processing unit 100 determines a third instability level indicating the degree of instability of the suspect's psychological state based on the movement of the suspect's eye included in the eye image signal EV_S received from the camera 400. You can.
  • the central processing unit 100 Similar to the first instability level determined based on the EEG signal EEG_S, the central processing unit 100 sets the third instability level based on the movement of the suspect's eye included in the eye image signal EV_S. You can decide to one of multiple levels.
  • the suspect's eyeball may be slightly shaken or the size of the iris of the eyeball may be rapidly expanded or shrunk rapidly.
  • the central processing unit 100 continuously tracks the eyeballs of the suspect included in the eyeball image signal EV_S, and when the suspect's eyeballs are shaken or suddenly changes in the size of the iris of the eyeballs, the The third instability level can be increased.
  • the central processing unit 100 may reduce the third instability level when the size of the suspect's eyeball and the iris of the eyeball is maintained stably.
  • the central processing unit 100 determines the first instability level determined based on the EEG signal EEG_S, the second instability level determined based on the EMG signal FEMG_S, and the eye image signal EV_S. It is possible to determine whether the suspect's statement is false using the third instability level determined based on the above.
  • the central processing unit 100 applies a first weight to the first unstable level, applies a second weight to the second unstable level, and applies a third weight to the third unstable level.
  • a weighted average of the first unstable level, the second unstable level, and the third unstable level can be determined.
  • the weighted average may increase as the suspect's psychological state becomes relatively unstable while the suspect makes a statement about the alleged crime, and the weighted average may decrease as the suspect's psychological state is relatively stable.
  • the first weight, the second weight, and the third weight may be preset in the central processing unit 100 in the manufacturing process of the forensic device 10.
  • the central processing unit 100 may receive setting data C_DATA from the outside. In this case, the central processing unit 100 may vary at least one of the first weight, the second weight, and the third weight based on the setting data C_DATA.
  • the central processing unit 100 may determine whether the suspect's statement is false based on the weighted average, and output a true-false determination result (TF_RESULT) indicating the determination result.
  • TF_RESULT true-false determination result
  • the central processing unit 100 may compare the weighted average with a predetermined reference value to determine whether the suspect's statement is false. For example, the central processing unit 100 determines that the statement of the suspect is false when the weighted average is greater than the reference value, and the statement of the suspect is true when the weighted average is less than or equal to the reference value. I can judge. In this case, the true-false judgment result (TF_RESULT) output from the central processing unit 100 may indicate whether the suspect's statement is true or false.
  • TF_RESULT true-false judgment result
  • the central processing unit 100 may determine the probability that the suspect's statement is false based on the size of the weighted average. For example, if the size of the weighted average is relatively small, the central processing unit 100 determines that the probability of the suspect being false is low, and if the size of the weighted average is relatively large, the statement of the suspect is It can be judged that the probability of falsehood is high. In this case, the true-false judgment result (TF_RESULT) output from the central processing unit 100 may indicate the probability that the suspect's statement is false.
  • TF_RESULT true-false judgment result
  • the forensic device 10 includes the above-described brainwaves of the suspect, movement of the suspect's facial muscles, and movement of the suspect's eyeball.
  • the suspect's psychological state is grasped using the suspect's biometric information, and it is determined whether the suspect's statement is false based on the identified psychological state.
  • the forensic device 10 can effectively improve the accuracy of determining whether the suspect's statement is false.
  • FIG. 4 is a block diagram showing a forensic device according to another embodiment of the present invention.
  • the forensic device 20 includes a central processing unit 100, an electroencephalogram sensor 200, a facial electromyography sensor 300, a camera 400, and a database ( 600).
  • the forensic device 20 shown in FIG. 4 may be formed by further including a database 600 in the forensic device 10 shown in FIG. 1.
  • the EEG sensor 200, the face electromyography sensor 300, and the camera 400 included in the forensic device 10 of FIG. 1 have been described above with reference to FIGS. 1 to 3, the forensic device of FIG. The detailed description of the EEG sensor 200, the face electromyography sensor 300, and the camera 400 included in 20) is omitted.
  • the EEG signal (EEG_S) generated from the EEG sensor 200 while the suspect is making a statement about the alleged crime, EMG_S, facial EMG
  • the facial electromyography signal FEMG_S generated from the sensor 300, the eye image signal EV_S generated from the camera 400, and whether the statements of the suspect were actually false or true were used as learning data L_DATA as a database 600 ).
  • the central processing unit 100 may store learning data L_DATA in the database 600.
  • the external device may store learning data L_DATA in the database 600.
  • the database 600 includes an EEG signal (EEG_S) obtained from each of a plurality of people by using the EEG sensor 200, the EMG sensor 300, and the camera 400 included in the forensic device 20, the face
  • the EMG signal FEMG_S, the eye image signal EV_S, and the learning data L_DATA including whether the statements of each of the plurality of people were actually false or true were stored.
  • the central processing unit 100 included in the forensic device 20 of FIG. 4 may include an artificial intelligence module. Therefore, the central processing unit 100 performs deep learning on the learning data L_DATA stored in the database 600 using the artificial intelligence module, thereby making the frequency of the EEG signal EEG_S and the facial EMG signal FEMG_S ), And the correlation between the combination of eye movements included in the eye image signal EV_S and whether the statement corresponding to the combination was actually false or true was learned.
  • the forensic device 20 may be applied to the suspect.
  • the central processing unit 100 includes an EEG signal (EEG_S) received from the EEG sensor 200, a face EMG signal (FEMG_S) received from the EMG sensor 300, and an eye image signal (EV_S) received from the camera 400. ) Is compared with the result of performing deep learning on the learning data L_DATA stored in the database 600 to determine whether the suspect's statement is false, and a true-false judgment result (TF_RESULT) indicating the result of the determination.
  • EEG signal EEG signal
  • FEMG_S face EMG signal
  • EV_S eye image signal
  • the EEG signal generated from the EEG sensor 200 while the suspect is making a statement about the alleged crime (EEG_S)
  • facial electromyography The first instability level determined by the central processing unit 100 based on the face electromyography signal FEMG_S generated from the sensor 300 and the eye image signal EV_S generated from the camera 400, respectively.
  • the 2 instability level, and whether the third instability level and the suspect's statement were actually false or true, may be stored in the database 600 as learning data L_DATA.
  • the central processing unit 100 may store learning data L_DATA in the database 600.
  • the external device may store learning data L_DATA in the database 600.
  • the database 600 includes an EEG signal (EEG_S) obtained from each of a plurality of people by using the EEG sensor 200, the EMG sensor 300, and the camera 400 included in the forensic device 20, the face
  • EEG_S EEG signal
  • L_DATA actually false Learning data
  • the central processing unit 100 uses the artificial intelligence module to perform deep learning on the learning data L_DATA stored in the database 600, thereby causing the first instability level and the second instability level. , And the correlation between the combination of the third instability level and whether the statement corresponding to the combination was actually false or true.
  • the forensic device 20 may be applied to the suspect.
  • the central processing unit 100 includes an EEG signal (EEG_S) received from the EEG sensor 200, a face EMG signal received from the EMG sensor 300 (FEMG_S), and an eye image signal (EV_S) received from the camera 400.
  • EEG_S EEG signal
  • FEMG_S face EMG signal received from the EMG sensor 300
  • EV_S eye image signal
  • the forensic device 20 includes brain waves of a plurality of people, movement of the facial muscles of the plurality of people, and movement of the eyes of the plurality of people And a database 600 for storing learning data L_DATA including biometric information of the plurality of people and whether the statements of the plurality of people are actually false.
  • the central processing unit 100 included in the scientific investigation device 20 performs deep learning on the learning data L_DATA stored in the database 600, and the biometric information obtained from the suspect is compared with the result of the deep learning Compare and determine whether the suspect's statement is false or true.
  • the forensic device 20 can further improve the accuracy of determining whether the suspect's statement is false.
  • the central processing unit 100 included in the forensic investigation apparatus 20 may predict the direction of future changes in the psychological state of the suspect by comparing the biometric information obtained from the suspect with the results of the deep learning. You can. In this case, the central processing unit 100 may output a psychological state prediction result PS_EST indicating the direction of change of the suspect's psychological state in the future.
  • FIG. 5 is a block diagram showing a forensic device according to another embodiment of the present invention.
  • the forensic device 30 includes a central processing device 100, an electroencephalogram sensor 200, a facial electromyography sensor 300, a camera 400, and a microphone ( 500).
  • the forensic device 30 shown in FIG. 5 may be formed by further including a microphone 500 in the forensic device 10 shown in FIG. 1.
  • the EEG sensor 200, the face electromyography sensor 300, and the camera 400 included in the forensic device 10 of FIG. 1 have been described above with reference to FIGS. 1 to 3, the forensic device of FIG. The detailed description of the EEG sensor 200, the EMG sensor 300, and the camera 400 included in 30) is omitted.
  • the forensic device 30 As described above with reference to FIGS. 1 to 3, the forensic device 30 according to embodiments of the present invention is used to determine whether the suspect's statement is true or false in the process of investigating the suspect. Can be used for
  • the face electromyography sensor 300 is attached to the suspect's face, and the movement of the suspect's eye is photographed through the camera 400.
  • the suspect can make a statement about the alleged crime.
  • the microphone 500 senses the voice of the suspect and generates a sound wave signal SW_S.
  • the sound wave signal (SW_S) generated from the microphone 500 while the suspect is expressing the fact of the crime may represent the suspect's voice corresponding to the suspect's statement.
  • the microphone 500 may be disposed adjacent to the suspect's mouth to effectively sense the suspect's voice.
  • the microphone 500 may provide the generated sound wave signal SW_S to the central processing unit 100.
  • the suspect While the suspect is making a statement about the alleged crime, the suspect's brainwaves, the suspect's facial muscle movements, the suspect's eye movements, and the suspect's voice frequency, depending on the degree of instability of the suspect's psychological state Can be changed.
  • the central processing unit 100 is an EEG signal (EEG_S) received from the EEG sensor 200, a face EMG signal received from the EMG sensor 300 (FEMG_S), an eye image signal received from the camera 400 (EV_S) ), And based on the sound wave signal SW_S received from the microphone 500, it may be determined whether the suspect's statement is false.
  • EEG_S EEG signal
  • FEMG_S face EMG signal received from the EMG sensor 300
  • EV_S eye image signal received from the camera 400
  • the central processing apparatus 100 has an unstable psychological state based on the frequency of the EEG signal SEE_S received from the EEG sensor 200.
  • a first unstable level indicating the degree is determined, and a second unstable level indicating the degree of unstable psychological state of the suspect based on a change in the waveform of the face EMG signal FEMG_S received from the face EMG sensor 300 and , Based on the movement of the suspect's eye included in the eye image signal EV_S received from the camera 400, a third instability level indicating the degree of instability of the suspect's psychological state may be determined.
  • the central processing unit 100 sets the first instability level, the second instability level, and the third instability level based on the EEG signal EEG_S, the face electromyography signal FEMG_S, and the eye image signal EV_S, respectively. Since the process of determining is described above with reference to FIGS. 1 to 3, redundant description is omitted here.
  • the central processing unit 100 may determine a fourth unstable level indicating the degree of unstable psychological state of the suspect based on a change in the frequency of the sound wave signal SW_S received from the microphone 500.
  • the central processing unit 100 Similar to the first instability level determined based on the EEG signal EEG_S, the central processing unit 100 sets the fourth instability level to one of a plurality of levels based on a change in the frequency of the sound wave signal SW_S. Can decide.
  • the frequency of the suspect's voice can be relatively large.
  • the central processing apparatus 100 may increase the fourth instability level when the amount of change in the frequency of the sound wave signal SW_S increases while continuously tracking the change in the frequency of the sound wave signal SW_S.
  • the central processing unit 100 may reduce the fourth instability level.
  • the central processing unit 100 is based on the first unstable level determined based on the EEG signal EEG_S, the second unstable level determined based on the face electromyography signal FEMG_S, and the eye image signal EV_S. It is possible to determine whether the suspect's statement is false by using the third unstable level determined based on the third unstable level and the fourth unstable level determined based on the sound wave signal SW_S.
  • the central processing unit 100 applies a first weight to the first unstable level, applies a second weight to the second unstable level, and applies a third weight to the third unstable level.
  • a weighted average of the first instability level, the second instability level, the third instability level, and the fourth instability level may be determined by applying a fourth weight to the fourth instability level.
  • the weighted average may increase as the suspect's psychological state becomes relatively unstable while the suspect makes a statement about the alleged crime, and the weighted average may decrease as the suspect's psychological state is relatively stable.
  • the first weight, the second weight, the third weight, and the fourth weight may be preset in the central processing unit 100 in the manufacturing process of the forensic device 30.
  • the central processing unit 100 may receive setting data C_DATA from the outside. In this case, the central processing unit 100 may vary at least one of the first weight, the second weight, the third weight, and the fourth weight based on the setting data C_DATA.
  • the central processing unit 100 may determine whether the suspect's statement is false based on the weighted average, and output a true-false determination result (TF_RESULT) indicating the determination result.
  • TF_RESULT true-false determination result
  • the central processing unit 100 may compare the weighted average with a predetermined reference value to determine whether the suspect's statement is false. For example, the central processing unit 100 determines that the statement of the suspect is false when the weighted average is greater than the reference value, and the statement of the suspect is true when the weighted average is less than or equal to the reference value. I can judge. In this case, the true-false judgment result (TF_RESULT) output from the central processing unit 100 may indicate whether the suspect's statement is true or false.
  • TF_RESULT true-false judgment result
  • the central processing unit 100 may determine the probability that the suspect's statement is false based on the size of the weighted average. For example, if the size of the weighted average is relatively small, the central processing unit 100 determines that the probability of the suspect being false is low, and if the size of the weighted average is relatively large, the statement of the suspect is It can be judged that the probability of falsehood is high. In this case, the true-false judgment result (TF_RESULT) output from the central processing unit 100 may indicate the probability that the suspect's statement is false.
  • TF_RESULT true-false judgment result
  • the forensic device 30 includes the EEG of the suspect, the movement of the facial muscle of the suspect, the movement of the eye of the suspect, and the voice of the suspect.
  • the suspect's psychological state is grasped by using the suspect's biometric information as described above, and it is determined whether the suspect's statement is false based on the identified psychological state.
  • the forensic device 30 can effectively improve the accuracy of determining whether the suspect's statement is false.
  • FIG. 6 is a block diagram showing a forensic device according to another embodiment of the present invention.
  • the forensic device 40 includes a central processing unit 100, an electroencephalogram sensor 200, a facial electromyography sensor 300, a camera 400, and a microphone 500 ), And the database 600.
  • the forensic device 40 shown in FIG. 6 may be formed by further including a database 600 in the forensic device 30 shown in FIG. 5.
  • FIG. 5 Since the EEG sensor 200, the face electromyography sensor 300, the camera 400, and the microphone 500 included in the forensic device 30 of FIG. 5 have been described above with reference to FIGS. 1 to 5, here, FIG. Detailed description of the EEG sensor 200, the face electromyography sensor 300, the camera 400, and the microphone 500 included in the forensic device 40 of the will be omitted.
  • the facial electromyography signal FEMG_S generated from the sensor 300, the eye image signal EV_S generated from the camera 400, and the sound wave signal SW_S generated from the microphone 500 and the suspect's statement were actually false Whether it was true or not may be stored in the database 600 as learning data L_DATA.
  • the central processing unit 100 may store learning data L_DATA in the database 600.
  • the external device may store learning data L_DATA in the database 600.
  • the database 600 uses the EEG sensor 200, the EMG sensor 300, the camera 400, and the microphone 500 included in the forensic device 40, and the EEG signals obtained from each of a plurality of people.
  • EEG_S facial electromyography signal
  • EV_S eye image signal
  • SW_S sound wave signal
  • L_DATA learning data
  • the central processing unit 100 included in the scientific investigation device 40 of FIG. 6 may include an artificial intelligence module. Therefore, the central processing unit 100 performs deep learning on the learning data L_DATA stored in the database 600 using the artificial intelligence module, thereby making the frequency of the EEG signal EEG_S and the facial EMG signal FEMG_S ) Can learn the correlation between the combination of the waveform of the eyeball, the movement of the eye included in the eye image signal EV_S, and the amount of change in the frequency of the sound wave signal SW_S and whether the statement corresponding to the combination was actually false or true. have.
  • the forensic device 40 may be applied to the suspect.
  • the central processing unit 100 includes an EEG signal (EEG_S) received from the EEG sensor 200, a face EMG signal received from the EMG sensor 300 (FEMG_S), and an eye image signal (EV_S) received from the camera 400. , And comparing the combination of the sound wave signal SW_S received from the microphone 500 with the result of the deep learning on the learning data L_DATA stored in the database 600 to determine whether the suspect's statement is false, A true-false judgment result (TF_RESULT) indicating the judgment result may be output.
  • EEG_S EEG signal
  • FEMG_S face EMG signal received from the EMG sensor 300
  • EV_S eye image signal
  • the EEG signal generated from the EEG sensor 200 while the suspect is making a statement about the alleged crime (EEG_S)
  • facial electromyography The central processing unit 100 is based on the face electromyography signal FEMG_S generated from the sensor 300, the eye image signal EV_S generated from the camera 400, and the sound wave signal SW_S generated from the microphone 500, respectively.
  • the first instability level, the second instability level, the third instability level, and whether the statement of the suspect and the suspect's statement actually determined by) are actually false or true are determined by learning data (L_DATA) as a database ( 600).
  • the central processing unit 100 may store learning data L_DATA in the database 600.
  • the external device may store learning data L_DATA in the database 600.
  • the database 600 uses the EEG sensor 200, the EMG sensor 300, the camera 400, and the microphone 500 included in the forensic device 40, and the EEG signals obtained from each of a plurality of people.
  • the fourth instability level and learning data L_DATA including whether the statements of each of the plurality of people were actually false or true may be stored.
  • the central processing unit 100 uses the artificial intelligence module to perform deep learning on the learning data L_DATA stored in the database 600, thereby causing the first instability level and the second instability level. , It is possible to learn the correlation between the combination of the third instability level and the fourth instability level and whether the statement corresponding to the combination was actually false or true.
  • the forensic device 40 may be applied to the suspect.
  • the central processing unit 100 includes an EEG signal (EEG_S) received from the EEG sensor 200, a face EMG signal received from the EMG sensor 300 (FEMG_S), and an eye image signal (EV_S) received from the camera 400. , And determining the first instability level, the second instability level, the third instability level, and the fourth instability level based on the sound wave signal SW_S received from the microphone 500, respectively, and the first instability level The level, the second instability level, the third instability level, and the combination of the fourth instability level are compared to the results of the deep learning performed on the learning data L_DATA stored in the database 600, and thus the falseness of the suspect's statement It is possible to determine whether or not, and output a true-false determination result (TF_RESULT) indicating the determination result.
  • EEG_S EEG signal
  • FEMG_S face EMG signal received from the EMG sensor 300
  • EV_S eye image signal
  • the forensic device 40 includes brain waves of a plurality of people, movements of the facial muscles of the plurality of people, movements of the eyes of the plurality of people, And a database 600 for storing learning data L_DATA including biometric information of the plurality of people, such as a change in the frequency of the voices of the plurality of people, and whether the statements of the plurality of people are actually false.
  • the central processing unit 100 included in the forensic investigation apparatus 40 performs deep learning on the learning data L_DATA stored in the database 600, and the biometric information obtained from the suspect is compared with the result of the deep learning execution. Compare and determine whether the suspect's statement is false or true.
  • the forensic device 40 can further improve the accuracy of determining whether the suspect's statement is false.
  • the central processing unit 100 included in the forensic investigation apparatus 40 may predict the direction of future changes in the psychological state of the suspect by comparing the biometric information obtained from the suspect with the results of the deep learning. You can. In this case, the central processing unit 100 may output a psychological state prediction result PS_EST indicating the direction of change of the suspect's psychological state in the future.
  • the present invention can be usefully used to accurately determine whether the suspect's statement is false.
  • forensic device 100 central processing unit
  • EEG sensor 300 facial EMG sensor

Abstract

과학 수사 장치는 뇌파 센서, 안면 근전도 센서, 카메라, 및 중앙 처리 장치를 포함한다. 뇌파 센서는 용의자의 머리에 부착되고, 용의자의 뇌파에 상응하는 뇌파 신호를 생성한다. 안면 근전도 센서는 용의자의 얼굴에 부착되고, 용의자의 안면 근육의 움직임에 상응하는 안면 근전도 신호를 생성한다. 카메라는 용의자의 안구의 움직임을 촬영하여 안구 영상 신호를 생성한다. 중앙 처리 장치는 뇌파 신호, 안면 근전도 신호, 및 안구 영상 신호에 기초하여 용의자의 진술의 거짓 여부를 판단한다.

Description

과학 수사 장치
본 발명은 과학 수사 장치에 관한 것으로, 보다 상세하게는 용의자의 심리 상태의 분석을 통해 용의자의 진술의 거짓 여부를 판단할 수 있는 과학 수사 장치에 관한 것이다.
과학 수사 기법의 발전에 따라, 과학 수사를 지원하는 다양한 종류의 장치들이 개발되고 있다.
이러한 과학 수사 장치의 하나로서, 거짓말 탐지기가 널리 사용되고 있다.
그러나 종래의 거짓말 탐지기는 단순히 용의자의 맥박 또는 혈압의 변화를 사용하여 용의자의 진술의 거짓 여부를 판단하므로, 종래의 거짓말 탐지기는 거짓 여부 판단의 정확성이 떨어진다는 문제점이 있다.
따라서 종래의 거짓말 탐지기를 사용하여 용의자의 진술의 거짓 여부를 판단한 결과는 법정 증거능력을 갖는 데에 한계가 있다.
<선행기술문헌>
<특허문헌>
(특허문헌 1) 한국공개특허 제10-2011-0027152호 (2011.03.16)
(특허문헌 2) 한국공개특허 제10-2010-0128023호 (2010.12.07)
(특허문헌 3) 한국공개특허 제10-2015-0006949호 (2015.01.20)
상기와 같은 문제점을 해결하기 위한 본 발명의 일 목적은 용의자의 생체 정보를 사용한 심리 상태 분석을 통해 상기 용의자의 진술의 거짓 여부 판단의 정확성을 향상시킬 수 있는 과학 수사 장치를 제공하는 것이다.
상술한 본 발명의 일 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 과학 수사 장치는 뇌파 센서, 안면 근전도 센서, 카메라, 및 중앙 처리 장치를 포함한다. 상기 뇌파 센서는 용의자의 머리에 부착되고, 상기 용의자의 뇌파에 상응하는 뇌파 신호를 생성한다. 상기 안면 근전도 센서는 상기 용의자의 얼굴에 부착되고, 상기 용의자의 안면 근육의 움직임에 상응하는 안면 근전도 신호를 생성한다. 상기 카메라는 상기 용의자의 안구의 움직임을 촬영하여 안구 영상 신호를 생성한다. 상기 중앙 처리 장치는 상기 뇌파 신호의 주파수에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제1 불안정 레벨을 복수의 레벨들 중의 하나로 결정하고, 상기 안면 근전도 신호의 파형의 변화에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제2 불안정 레벨을 복수의 레벨들 중의 하나로 결정하고, 상기 안구 영상 신호에 포함되는 상기 용의자의 안구의 움직임에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제3 불안정 레벨을 복수의 레벨들 중의 하나로 결정하고, 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 및 상기 제3 불안정 레벨에 기초하여 상기 용의자의 진술의 거짓 여부를 판단한다.
본 발명의 실시예들에 따른 과학 수사 장치는 용의자의 생체 정보를 사용하여 상기 용의자의 심리 상태를 파악하고, 상기 파악된 심리 상태에 기초하여 상기 용의자의 진술의 거짓 여부를 판단하므로, 상기 용의자의 진술의 거짓 여부 판단의 정확성을 효과적으로 향상시킬 수 있다.
도 1은 본 발명의 일 실시예에 따른 과학 수사 장치를 나타내는 블록도이다.
도 2는 도 1의 과학 수사 장치가 용의자에게 적용되는 일 예를 설명하기 위한 도면이다.
도 3은 도 1의 과학 수사 장치에 포함되는 중앙 처리 장치가 뇌파 신호에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제1 불안정 레벨을 결정하는 과정의 일 예를 설명하기 위한 도면이다.
도 4는 본 발명의 다른 실시예에 따른 과학 수사 장치를 나타내는 블록도이다.
도 5는 본 발명의 또 다른 실시예에 따른 과학 수사 장치를 나타내는 블록도이다.
도 6은 본 발명의 또 다른 실시예에 따른 과학 수사 장치를 나타내는 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시 형태들을 설명한다. 그러나, 본 발명의 컨셉은 여러 가지 다른 형태들로 구현될 수 있으며, 본 발명의 범위가 이하 설명하는 실시 형태들로 한정되는 것은 아니다. 또한, 이하 설명하는 실시 형태들은 본 발명을 더욱 완전하게 설명하고, 당해 기술 분야에서 평균적인 지식을 가진 자에게 본 발명의 범위를 더욱 완전하게 전달하기 위해서 제공되는 것이다. 이하, 동일한 구성요소에 대해서는 동일한 참조부호를 사용한다.
도 1은 본 발명의 일 실시예에 따른 과학 수사 장치를 나타내는 블록도이고, 도 2는 도 1의 과학 수사 장치가 용의자에게 적용되는 일 예를 설명하기 위한 도면이다.
도 1 및 2를 참조하면, 과학 수사 장치(10)는 중앙 처리 장치(100), 뇌파 센서(Electroencephalogram Sensor)(200), 안면 근전도 센서(Facial Electromyography Sensor)(300), 및 카메라(400)를 포함한다.
뇌파 센서(200)는 용의자의 머리에 부착된다. 뇌파 센서(200)는 상기 용의자의 뇌파를 감지하고, 상기 감지된 뇌파에 상응하는 뇌파 신호(EEG_S)를 생성한다.
도 2에 도시된 바와 같이, 뇌파 센서(200)는 복수의 전극들(210)을 포함할 수 있다. 뇌파 센서(200)에 포함되는 복수의 전극들(210)은 상기 용의자의 머리에 분산되어 부착될 수 있다.
도 2에는 뇌파 센서(200)가 세 개의 전극들(210)을 포함하는 것으로 도시되어 있으나, 본 발명은 이에 한정되지 않으며, 실시예에 따라서 뇌파 센서(200)는 임의의 개수의 전극들(210)을 포함할 수 있다.
일 실시예에 있어서, 뇌파 센서(200)는 21개의 전극들(210)을 포함할 수 있다. 이 경우, 뇌파 센서(200)에 포함되는 21개의 전극들(210)은 10-20법(ten-twenty electrode system)에 따라 상기 용의자의 머리에 분산되어 부착될 수 있다.
10-20법에 따른 21개의 전극들(210)의 부착 방법은 국제뇌파학회연합회에서 공인된 것이므로, 여기서는 10-20법에 따른 21개의 전극들(210)의 부착 방법에 대한 상세한 설명은 생략한다.
뇌파 센서(200)는 생성된 뇌파 신호(EEG_S)를 중앙 처리 장치(100)에 제공할 수 있다.
안면 근전도 센서(300)는 상기 용의자의 얼굴에 부착된다. 안면 근전도 센서(300)는 상기 용의자의 안면 근육의 움직임을 감지하고, 상기 감지된 안면 근육의 움직임에 상응하는 안면 근전도 신호(FEMG_S)를 생성한다.
도 2에 도시된 바와 같이, 안면 근전도 센서(300)는 복수의 전극들(310)을 포함할 수 있다. 안면 근전도 센서(300)에 포함되는 복수의 전극들(310)은 상기 용의자의 얼굴에 분산되어 부착될 수 있다. 예를 들어, 안면 근전도 센서(300)에 포함되는 복수의 전극들(310)은 상기 용의자의 얼굴에서 근육의 움직임이 상대적으로 큰 부위에 부착될 수 있다.
도 2에는 안면 근전도 센서(300)가 세 개의 전극들(310)을 포함하는 것으로 도시되어 있으나, 본 발명은 이에 한정되지 않으며, 실시예에 따라서 안면 근전도 센서(300)는 임의의 개수의 전극들(310)을 포함할 수 있다.
일 실시예에 있어서, 안면 근전도 센서(300)에 포함되는 복수의 전극들(310) 각각은 바늘 형상으로 형성되어 상기 용의자의 안면 근육을 찌르는 형태로 상기 용의자의 얼굴에 부착될 수 있다.
다른 실시예에 있어서, 안면 근전도 센서(300)에 포함되는 복수의 전극들(310) 각각은 상기 용의자의 얼굴 피부 표면에 부착될 수 있다.
일반적으로 사람의 근육 자체에 미세한 전류가 항상 흐르고 있으며, 근육이 움직임에 따라 상기 근육에 흐르는 미세한 전류의 크기가 변하게 된다.
따라서 안면 근전도 센서(300)에 포함되는 복수의 전극들(310) 각각은 상기 용의자의 근육에 흐르는 전류를 감지하고, 상기 감지된 전류에 상응하는 안면 근전도 신호(FEMG_S)를 생성할 수 있다.
따라서 안면 근전도 센서(300)로부터 생성되는 안면 근전도 신호(FEMG_S)의 파형은 상기 용의자의 안면 근육의 움직임을 나타낼 수 있다.
안면 근전도 센서(300)는 생성된 안면 근전도 신호(FEMG_S)를 중앙 처리 장치(100)에 제공할 수 있다.
카메라(400)는 상기 용의자의 안구의 움직임을 촬영하여 안구 영상 신호(EV_S)를 생성한다.
도 2에 도시된 바와 같이, 카메라(400)는 상기 용의자의 안구의 움직임을 효과적으로 촬영하기 위해, 상기 용의자의 안구와 동일한 높이에서 상기 용의자의 안구 정면에 설치되고, 카메라(400)의 초점은 상기 용의자의 안구에 설정될 수 있다.
카메라(400)는 생성된 안구 영상 신호(EV_S)를 중앙 처리 장치(100)에 제공할 수 있다.
일 실시예에 있어서, 본 발명의 실시예들에 따른 과학 수사 장치(10)는 상기 용의자에 대해 수사를 진행하는 과정에서 상기 용의자의 진술이 참인지 거짓인지 여부를 판단하는 데에 사용될 수 있다.
예를 들어, 도 2에 도시된 바와 같이, 뇌파 센서(200)를 상기 용의자의 머리에 부착하고, 안면 근전도 센서(300)를 상기 용의자의 얼굴에 부착하고, 카메라(400)를 통해 상기 용의자의 안구의 움직임을 촬영하는 상태에서 상기 용의자는 범죄 혐의 사실에 대해 진술을 할 수 있다.
상기 용의자가 범죄 혐의 사실에 대해 진술을 하는 동안, 상기 용의자의 심리 상태가 불안정한 정도에 따라 상기 용의자의 뇌파, 상기 용의자의 안면 근육의 움직임, 및 상기 용의자의 안구의 움직임이 변화될 수 있다.
따라서 중앙 처리 장치(100)는 뇌파 센서(200)로부터 수신되는 뇌파 신호(EEG_S), 안면 근전도 센서(300)로부터 수신되는 안면 근전도 신호(FEMG_S), 및 카메라(400)로부터 수신되는 안구 영상 신호(EV_S)에 기초하여 상기 용의자의 진술의 거짓 여부를 판단할 수 있다.
일 실시예에 있어서, 중앙 처리 장치(100)는 뇌파 센서(200)로부터 수신되는 뇌파 신호(EEG_S)의 주파수에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제1 불안정 레벨을 결정할 수 있다.
도 3은 도 1의 과학 수사 장치에 포함되는 중앙 처리 장치가 뇌파 신호에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제1 불안정 레벨을 결정하는 과정의 일 예를 설명하기 위한 도면이다.
도 3에 도시된 바와 같이, 사람의 뇌파는 주파수에 따라 델타파, 세타파, 알파파, SMR(Sensory Motor Rhythm)파, 베타파, 및 감마파로 구분될 수 있다.
델타파는 깊은 수면 상태에서 육체가 완전히 이완되었을 때 생성되는 뇌파이다. 세타파는 얕은 수면 상태 또는 렘수면 상태에서 생성되는 뇌파이다. 알파파는 수면과 각성의 중간 상태에서 생성되며 육체 활동 중이지만 정신적으로 매우 안정된 상태에서 생성되는 뇌파이다. SMR파는 육체는 움직이지 않으면서 집중력을 유지하는 상태에서 생성되는 뇌파이다. 베타파는 육체가 활발하게 활동하는 중에 업무 또는 학습을 수행하는 상태에서 생성되는 뇌파이며, 뇌가 적절히 처리할 수 있는 한계를 넘어설수록 주파수는 점점 증가한다. 감마파는 분노, 흥분, 공포 등으로 인해 심리 상태가 극도로 불안정한 상태에서 생성되는 뇌파이다.
따라서 중앙 처리 장치(100)는 뇌파 신호(EEG_S)의 주파수가 증가하는 경우 상기 제1 불안정 레벨을 증가시킬 수 있다.
반면에, 중앙 처리 장치(100)는 뇌파 신호(EEG_S)의 주파수가 감소하는 경우 상기 제1 불안정 레벨을 감소시킬 수 있다.
일 실시예에 있어서, 중앙 처리 장치(100)는 뇌파 신호(EEG_S)의 주파수가 델타파에 상응하는 0.1~4Hz인 경우 상기 제1 불안정 레벨을 제1 레벨(L1)로 결정하고, 뇌파 신호(EEG_S)의 주파수가 세타파에 상응하는 4~8Hz인 경우 상기 제1 불안정 레벨을 제2 레벨(L2)로 결정하고, 뇌파 신호(EEG_S)의 주파수가 알파파에 상응하는 8~12Hz인 경우 상기 제1 불안정 레벨을 제3 레벨(L3)로 결정하고, 뇌파 신호(EEG_S)의 주파수가 SMR파에 상응하는 12~15Hz인 경우 상기 제1 불안정 레벨을 제4 레벨(L4)로 결정하고, 뇌파 신호(EEG_S)의 주파수가 베타파에 상응하는 15~30Hz인 경우 상기 제1 불안정 레벨을 제5 레벨(L5)로 결정하고, 뇌파 신호(EEG_S)의 주파수가 감마파에 상응하는 30Hz 이상인 경우 상기 제1 불안정 레벨을 제6 레벨(L6)로 결정할 수 있다.
그러나 본 발명은 이에 한정되지 않으며, 중앙 처리 장치(100)는 뇌파 신호(EEG_S)의 주파수를 임의의 개수의 구간들로 구분하고, 상기 구분된 구간들에 기초하여 상기 제1 불안정 레벨을 복수의 레벨들 중의 하나로 결정할 수 있다.
다시 도 1을 참조하면, 중앙 처리 장치(100)는 안면 근전도 센서(300)로부터 수신되는 안면 근전도 신호(FEMG_S)의 파형의 변화에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제2 불안정 레벨을 결정할 수 있다.
뇌파 신호(EEG_S)에 기초하여 결정되는 상기 제1 불안정 레벨과 동일하게, 중앙 처리 장치(100)는 안면 근전도 신호(FEMG_S)의 파형의 변화에 기초하여 상기 제2 불안정 레벨을 복수의 레벨들 중의 하나로 결정할 수 있다.
상기 용의자가 범죄 혐의 사실에 대해 진술을 하는 과정에서 거짓 진술을 함으로써 심리 상태가 불안정해지는 경우, 상기 용의자의 안면 근육이 미세하게 떨리거나 안면 근육에 급작스런 변화가 발생할 수 있다.
따라서 중앙 처리 장치(100)는 안면 근전도 신호(FEMG_S)의 파형에 떨림이 발생하거나 안면 근전도 신호(FEMG_S)의 파형에 급격한 변화가 발생하는 경우 상기 제2 불안정 레벨을 증가시킬 수 있다.
반면에, 중앙 처리 장치(100)는 안면 근전도 신호(FEMG_S)의 파형이 안정적으로 유지되는 경우 상기 제2 불안정 레벨을 감소시킬 수 있다.
한편, 중앙 처리 장치(100)는 카메라(400)로부터 수신되는 안구 영상 신호(EV_S)에 포함되는 상기 용의자의 안구의 움직임에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제3 불안정 레벨을 결정할 수 있다.
뇌파 신호(EEG_S)에 기초하여 결정되는 상기 제1 불안정 레벨과 동일하게, 중앙 처리 장치(100)는 안구 영상 신호(EV_S)에 포함되는 상기 용의자의 안구의 움직임에 기초하여 상기 제3 불안정 레벨을 복수의 레벨들 중의 하나로 결정할 수 있다.
상기 용의자가 범죄 혐의 사실에 대해 진술을 하는 과정에서 거짓 진술을 함으로써 심리 상태가 불안정해지는 경우, 상기 용의자의 안구는 미세하게 떨리거나 상기 안구의 홍채의 크기가 급격이 확장되거나 급격히 축소될 수 있다.
따라서 중앙 처리 장치(100)는 안구 영상 신호(EV_S)에 포함되는 상기 용의자의 안구를 지속적으로 추적하면서, 상기 용의자의 안구에 떨림이 발생하거나 상기 안구의 홍채의 크기에 급격한 변화가 발생하는 경우 상기 제3 불안정 레벨을 증가시킬 수 있다.
반면에, 중앙 처리 장치(100)는 상기 용의자의 안구 및 상기 안구의 홍채의 크기가 안정적으로 유지되는 경우 상기 제3 불안정 레벨을 감소시킬 수 있다.
이후, 중앙 처리 장치(100)는 뇌파 신호(EEG_S)에 기초하여 결정되는 상기 제1 불안정 레벨, 안면 근전도 신호(FEMG_S)에 기초하여 결정되는 상기 제2 불안정 레벨, 및 안구 영상 신호(EV_S)에 기초하여 결정되는 상기 제3 불안정 레벨을 사용하여 상기 용의자의 진술의 거짓 여부를 판단할 수 있다.
일 실시예에 있어서, 중앙 처리 장치(100)는 상기 제1 불안정 레벨에 제1 가중치를 적용하고, 상기 제2 불안정 레벨에 제2 가중치를 적용하고, 상기 제3 불안정 레벨에 제3 가중치를 적용하여 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 및 상기 제3 불안정 레벨의 가중 평균을 결정할 수 있다.
따라서 상기 용의자가 범죄 혐의 사실에 대해 진술을 하는 동안 상기 용의자의 심리 상태가 상대적으로 불안할수록 상기 가중 평균은 증가하고, 상기 용의자의 심리 상태가 상대적으로 안정적일수록 상기 가중 평균은 감소할 수 있다.
일 실시예에 있어서, 상기 제1 가중치, 상기 제2 가중치, 및 상기 제3 가중치는 과학 수사 장치(10)의 제조 과정에서 중앙 처리 장치(100)에 미리 설정될 수 있다.
다른 실시예에 있어서, 도 1에 도시된 바와 같이, 중앙 처리 장치(100)는 외부로부터 설정 데이터(C_DATA)를 수신할 수 있다. 이 경우, 중앙 처리 장치(100)는 설정 데이터(C_DATA)에 기초하여 상기 제1 가중치, 상기 제2 가중치, 및 상기 제3 가중치 중의 적어도 하나를 가변할 수 있다.
중앙 처리 장치(100)는 상기 가중 평균에 기초하여 상기 용의자의 진술의 거짓 여부를 판단하고, 상기 판단 결과를 나타내는 참-거짓 판단 결과(TF_RESULT)를 출력할 수 있다.
일 실시예에 있어서, 중앙 처리 장치(100)는 상기 가중 평균과 미리 정해진 기준값을 비교하여 상기 용의자의 진술의 거짓 여부를 판단할 수 있다. 예를 들어, 중앙 처리 장치(100)는 상기 가중 평균이 상기 기준값보다 큰 경우 상기 용의자의 진술이 거짓인 것으로 판단하고, 상기 가중 평균이 상기 기준값보다 작거나 같은 경우 상기 용의자의 진술이 진실인 것으로 판단할 수 있다. 이 경우, 중앙 처리 장치(100)로부터 출력되는 참-거짓 판단 결과(TF_RESULT)는 상기 용의자의 진술이 참인지 거짓인지 여부를 나타낼 수 있다.
다른 실시예에 있어서, 중앙 처리 장치(100)는 상기 가중 평균의 크기에 기초하여 상기 용의자의 진술이 거짓일 확률을 판단할 수 있다. 예를 들어, 중앙 처리 장치(100)는 상기 가중 평균의 크기가 상대적으로 작은 경우 상기 용의자의 진술이 거짓일 확률이 낮은 것으로 판단하고, 상기 가중 평균의 크기가 상대적으로 큰 경우 상기 용의자의 진술이 거짓일 확률이 높은 것으로 판단할 수 있다. 이 경우, 중앙 처리 장치(100)로부터 출력되는 참-거짓 판단 결과(TF_RESULT)는 상기 용의자의 진술이 거짓일 확률을 나타낼 수 있다.
도 1 내지 3을 참조하여 상술한 바와 같이, 본 발명의 실시예들에 따른 과학 수사 장치(10)는 상기 용의자의 뇌파, 상기 용의자의 안면 근육의 움직임, 및 상기 용의자의 안구의 움직임과 같은 상기 용의자의 생체 정보를 사용하여 상기 용의자의 심리 상태를 파악하고, 상기 파악된 심리 상태에 기초하여 상기 용의자의 진술의 거짓 여부를 판단한다.
따라서 본 발명의 실시예들에 따른 과학 수사 장치(10)는 상기 용의자의 진술의 거짓 여부 판단의 정확성을 효과적으로 향상시킬 수 있다.
도 4는 본 발명의 다른 실시예에 따른 과학 수사 장치를 나타내는 블록도이다.
도 4를 참조하면, 과학 수사 장치(20)는 중앙 처리 장치(100), 뇌파 센서(Electroencephalogram Sensor)(200), 안면 근전도 센서(Facial Electromyography Sensor)(300), 카메라(400), 및 데이터베이스(600)를 포함한다.
도 4에 도시된 과학 수사 장치(20)는 도 1에 도시된 과학 수사 장치(10)에서 데이터베이스(600)를 더 포함하여 형성될 수 있다.
도 1의 과학 수사 장치(10)에 포함되는 뇌파 센서(200), 안면 근전도 센서(300), 및 카메라(400)에 대해서는 도 1 내지 3을 참조하여 상술하였으므로, 여기서는 도 4의 과학 수사 장치(20)에 포함되는 뇌파 센서(200), 안면 근전도 센서(300), 및 카메라(400)에 대한 상세한 설명은 생략한다.
일 실시예에 있어서, 상기 용의자의 진술이 실제로 거짓이었는지 진실이었는지 여부가 밝혀진 이후에, 상기 용의자가 범죄 혐의 사실에 대해 진술을 하는 동안 뇌파 센서(200)로부터 생성된 뇌파 신호(EEG_S), 안면 근전도 센서(300)로부터 생성된 안면 근전도 신호(FEMG_S), 및 카메라(400)로부터 생성된 안구 영상 신호(EV_S)와 상기 용의자의 진술이 실제로 거짓이었는지 진실이었는지 여부는 학습 데이터(L_DATA)로서 데이터베이스(600)에 저장될 수 있다.
일 실시예에 있어서, 중앙 처리 장치(100)가 학습 데이터(L_DATA)를 데이터베이스(600)에 저장할 수 있다.
다른 실시예에 있어서, 외부 장치가 학습 데이터(L_DATA)를 데이터베이스(600)에 저장할 수 있다.
따라서 데이터베이스(600)는 과학 수사 장치(20)에 포함되는 뇌파 센서(200), 안면 근전도 센서(300), 및 카메라(400)를 사용하여 복수의 사람들 각각으로부터 획득된 뇌파 신호(EEG_S), 안면 근전도 신호(FEMG_S), 및 안구 영상 신호(EV_S)와 상기 복수의 사람들 각각의 진술이 실제로 거짓이었는지 진실이었는지 여부를 포함하는 학습 데이터(L_DATA)를 저장할 수 있다.
한편, 도 4의 과학 수사 장치(20)에 포함되는 중앙 처리 장치(100)는 인공지능(Artificial Intelligence) 모듈을 포함할 수 있다. 따라서 중앙 처리 장치(100)는 상기 인공지능 모듈을 사용하여 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대해 딥러닝(Deep Learning)을 수행함으로써 뇌파 신호(EEG_S)의 주파수, 안면 근전도 신호(FEMG_S)의 파형, 및 안구 영상 신호(EV_S)에 포함되는 안구의 움직임의 조합과 상기 조합에 상응하는 진술이 실제로 거짓이었는지 진실이었는지 여부의 상관 관계를 학습할 수 있다.
중앙 처리 장치(100)가 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대해 딥러닝(Deep Learning)을 수행하고 난 이후, 과학 수사 장치(20)는 상기 용의자에게 적용될 수 있다.
중앙 처리 장치(100)는 뇌파 센서(200)로부터 수신되는 뇌파 신호(EEG_S), 안면 근전도 센서(300)로부터 수신되는 안면 근전도 신호(FEMG_S), 및 카메라(400)로부터 수신되는 안구 영상 신호(EV_S)의 조합을 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대한 상기 딥러닝 수행 결과와 비교하여 상기 용의자의 진술의 거짓 여부를 판단하고, 상기 판단 결과를 나타내는 참-거짓 판단 결과(TF_RESULT)를 출력할 수 있다.
다른 실시예에 있어서, 상기 용의자의 진술이 실제로 거짓이었는지 진실이었는지 여부가 밝혀진 이후에, 상기 용의자가 범죄 혐의 사실에 대해 진술을 하는 동안 뇌파 센서(200)로부터 생성된 뇌파 신호(EEG_S), 안면 근전도 센서(300)로부터 생성된 안면 근전도 신호(FEMG_S), 및 카메라(400)로부터 생성된 안구 영상 신호(EV_S)에 각각 기초하여 중앙 처리 장치(100)에 의해 결정되는 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 및 상기 제3 불안정 레벨과 상기 용의자의 진술이 실제로 거짓이었는지 진실이었는지 여부는 학습 데이터(L_DATA)로서 데이터베이스(600)에 저장될 수 있다.
일 실시예에 있어서, 중앙 처리 장치(100)가 학습 데이터(L_DATA)를 데이터베이스(600)에 저장할 수 있다.
다른 실시예에 있어서, 외부 장치가 학습 데이터(L_DATA)를 데이터베이스(600)에 저장할 수 있다.
따라서 데이터베이스(600)는 과학 수사 장치(20)에 포함되는 뇌파 센서(200), 안면 근전도 센서(300), 및 카메라(400)를 사용하여 복수의 사람들 각각으로부터 획득된 뇌파 신호(EEG_S), 안면 근전도 신호(FEMG_S), 및 안구 영상 신호(EV_S)에 각각 기초하여 결정되는 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 및 상기 제3 불안정 레벨과 상기 복수의 사람들 각각의 진술이 실제로 거짓이었는지 진실이었는지 여부를 포함하는 학습 데이터(L_DATA)를 저장할 수 있다.
이 경우, 중앙 처리 장치(100)는 상기 인공지능 모듈을 사용하여 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대해 딥러닝(Deep Learning)을 수행함으로써 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 및 상기 제3 불안정 레벨의 조합과 상기 조합에 상응하는 진술이 실제로 거짓이었는지 진실이었는지 여부의 상관 관계를 학습할 수 있다.
중앙 처리 장치(100)가 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대해 딥러닝(Deep Learning)을 수행하고 난 이후, 과학 수사 장치(20)는 상기 용의자에게 적용될 수 있다.
중앙 처리 장치(100)는 뇌파 센서(200)로부터 수신되는 뇌파 신호(EEG_S), 안면 근전도 센서(300)로부터 수신되는 안면 근전도 신호(FEMG_S), 및 카메라(400)로부터 수신되는 안구 영상 신호(EV_S)에 각각 기초하여 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 및 상기 제3 불안정 레벨을 결정하고, 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 및 상기 제3 불안정 레벨의 조합을 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대한 상기 딥러닝 수행 결과와 비교하여 상기 용의자의 진술의 거짓 여부를 판단하고, 상기 판단 결과를 나타내는 참-거짓 판단 결과(TF_RESULT)를 출력할 수 있다.
도 4를 참조하여 상술한 바와 같이, 본 발명의 실시예들에 따른 과학 수사 장치(20)는 복수의 사람들의 뇌파, 상기 복수의 사람들의 안면 근육의 움직임, 및 상기 복수의 사람들의 안구의 움직임과 같은 상기 복수의 사람들의 생체 정보와 상기 복수의 사람들의 진술의 실제 거짓 여부를 포함하는 학습 데이터(L_DATA)를 저장하는 데이터베이스(600)를 포함한다.
과학 수사 장치(20)에 포함되는 중앙 처리 장치(100)는 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대해 딥러닝을 수행하고, 상기 용의자로부터 획득되는 상기 생체 정보를 상기 딥러닝 수행 결과와 비교하여 상기 용의자의 진술이 거짓인지 진실인지 여부를 판단한다.
따라서 본 발명의 실시예들에 따른 과학 수사 장치(20)는 상기 용의자의 진술의 거짓 여부 판단의 정확성을 더욱 향상시킬 수 있다.
또한, 실시예에 따라서 과학 수사 장치(20)에 포함되는 중앙 처리 장치(100)는 상기 용의자로부터 획득되는 상기 생체 정보를 상기 딥러닝 수행 결과와 비교함으로써 상기 용의자의 심리 상태의 향후 변화 방향도 예측할 수 있다. 이 경우, 중앙 처리 장치(100)는 상기 용의자의 심리 상태의 향후 변화 방향을 나타내는 심리 상태 예측 결과(PS_EST)를 출력할 수도 있다.
도 5는 본 발명의 또 다른 실시예에 따른 과학 수사 장치를 나타내는 블록도이다.
도 5를 참조하면, 과학 수사 장치(30)는 중앙 처리 장치(100), 뇌파 센서(Electroencephalogram Sensor)(200), 안면 근전도 센서(Facial Electromyography Sensor)(300), 카메라(400), 및 마이크로폰(500)을 포함한다.
도 5에 도시된 과학 수사 장치(30)는 도 1에 도시된 과학 수사 장치(10)에서 마이크로폰(500)을 더 포함하여 형성될 수 있다.
도 1의 과학 수사 장치(10)에 포함되는 뇌파 센서(200), 안면 근전도 센서(300), 및 카메라(400)에 대해서는 도 1 내지 3을 참조하여 상술하였으므로, 여기서는 도 5의 과학 수사 장치(30)에 포함되는 뇌파 센서(200), 안면 근전도 센서(300), 및 카메라(400)에 대한 상세한 설명은 생략한다.
도 1 내지 3을 참조하여 상술한 바와 같이, 본 발명의 실시예들에 따른 과학 수사 장치(30)는 용의자에 대해 수사를 진행하는 과정에서 상기 용의자의 진술이 참인지 거짓인지 여부를 판단하는 데에 사용될 수 있다.
예를 들어, 뇌파 센서(200)를 상기 용의자의 머리에 부착하고, 안면 근전도 센서(300)를 상기 용의자의 얼굴에 부착하고, 카메라(400)를 통해 상기 용의자의 안구의 움직임을 촬영하는 상태에서 상기 용의자는 범죄 혐의 사실에 대해 진술을 할 수 있다.
이 때, 마이크로폰(500)은 상기 용의자의 목소리를 감지하여 음파 신호(SW_S)를 생성한다.
따라서 상기 용의자가 범죄 혐의 사실에 대해 진술하는 동안 마이크로폰(500)으로부터 생성되는 음파 신호(SW_S)는 상기 용의자의 진술에 상응하는 상기 용의자의 목소리를 나타낼 수 있다.
마이크로폰(500)은 상기 용의자의 목소리를 효과적으로 감지하기 위해, 상기 용의자의 입과 인접하게 배치될 수 있다.
마이크로폰(500)은 생성된 음파 신호(SW_S)를 중앙 처리 장치(100)에 제공할 수 있다.
상기 용의자가 범죄 혐의 사실에 대해 진술을 하는 동안, 상기 용의자의 심리 상태가 불안정한 정도에 따라 상기 용의자의 뇌파, 상기 용의자의 안면 근육의 움직임, 상기 용의자의 안구의 움직임, 및 상기 용의자의 목소리의 주파수가 변화될 수 있다.
따라서 중앙 처리 장치(100)는 뇌파 센서(200)로부터 수신되는 뇌파 신호(EEG_S), 안면 근전도 센서(300)로부터 수신되는 안면 근전도 신호(FEMG_S), 카메라(400)로부터 수신되는 안구 영상 신호(EV_S), 및 마이크로폰(500)으로부터 수신되는 음파 신호(SW_S)에 기초하여 상기 용의자의 진술의 거짓 여부를 판단할 수 있다.
일 실시예에 있어서, 도 1 내지 3을 참조하여 상술한 바와 같이, 중앙 처리 장치(100)는 뇌파 센서(200)로부터 수신되는 뇌파 신호(EEG_S)의 주파수에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제1 불안정 레벨을 결정하고, 안면 근전도 센서(300)로부터 수신되는 안면 근전도 신호(FEMG_S)의 파형의 변화에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제2 불안정 레벨을 결정하고, 카메라(400)로부터 수신되는 안구 영상 신호(EV_S)에 포함되는 상기 용의자의 안구의 움직임에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제3 불안정 레벨을 결정할 수 있다.
중앙 처리 장치(100)가 뇌파 신호(EEG_S), 안면 근전도 신호(FEMG_S), 및 안구 영상 신호(EV_S)에 각각 기초하여 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 및 상기 제3 불안정 레벨을 결정하는 과정에 대해서는 도 1 내지 3을 참조하여 상술하였으므로, 여기서는 중복되는 설명은 생략한다.
한편, 중앙 처리 장치(100)는 마이크로폰(500)으로부터 수신되는 음파 신호(SW_S)의 주파수의 변화에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제4 불안정 레벨을 결정할 수 있다.
뇌파 신호(EEG_S)에 기초하여 결정되는 상기 제1 불안정 레벨과 동일하게, 중앙 처리 장치(100)는 음파 신호(SW_S)의 주파수의 변화에 기초하여 상기 제4 불안정 레벨을 복수의 레벨들 중의 하나로 결정할 수 있다.
상기 용의자가 범죄 혐의 사실에 대해 진술을 하는 과정에서 거짓 진술을 함으로써 심리 상태가 불안정해지는 경우 상기 용의자의 목소리 역시 불안정해지므로, 상기 용의자의 목소리의 주파수는 상대적으로 크게 변화될 수 있다.
따라서 중앙 처리 장치(100)는 음파 신호(SW_S)의 주파수의 변화를 지속적으로 추적하면서, 음파 신호(SW_S)의 주파수의 변화량이 증가하는 경우 상기 제4 불안정 레벨을 증가시킬 수 있다.
반면에, 중앙 처리 장치(100)는 음파 신호(SW_S)의 주파수의 변화량이 감소하는 경우 상기 제4 불안정 레벨을 감소시킬 수 있다.
이후, 중앙 처리 장치(100)는 뇌파 신호(EEG_S)에 기초하여 결정되는 상기 제1 불안정 레벨, 안면 근전도 신호(FEMG_S)에 기초하여 결정되는 상기 제2 불안정 레벨, 안구 영상 신호(EV_S)에 기초하여 결정되는 상기 제3 불안정 레벨, 및 음파 신호(SW_S)에 기초하여 결정되는 상기 제4 불안정 레벨을 사용하여 상기 용의자의 진술의 거짓 여부를 판단할 수 있다.
일 실시예에 있어서, 중앙 처리 장치(100)는 상기 제1 불안정 레벨에 제1 가중치를 적용하고, 상기 제2 불안정 레벨에 제2 가중치를 적용하고, 상기 제3 불안정 레벨에 제3 가중치를 적용하고, 상기 제4 불안정 레벨에 제4 가중치를 적용하여 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 상기 제3 불안정 레벨, 및 상기 제4 불안정 레벨의 가중 평균을 결정할 수 있다.
따라서 상기 용의자가 범죄 혐의 사실에 대해 진술을 하는 동안 상기 용의자의 심리 상태가 상대적으로 불안할수록 상기 가중 평균은 증가하고, 상기 용의자의 심리 상태가 상대적으로 안정적일수록 상기 가중 평균은 감소할 수 있다.
일 실시예에 있어서, 상기 제1 가중치, 상기 제2 가중치, 상기 제3 가중치, 및 상기 제4 가중치는 과학 수사 장치(30)의 제조 과정에서 중앙 처리 장치(100)에 미리 설정될 수 있다.
다른 실시예에 있어서, 도 5에 도시된 바와 같이, 중앙 처리 장치(100)는 외부로부터 설정 데이터(C_DATA)를 수신할 수 있다. 이 경우, 중앙 처리 장치(100)는 설정 데이터(C_DATA)에 기초하여 상기 제1 가중치, 상기 제2 가중치, 상기 제3 가중치, 및 상기 제4 가중치 중의 적어도 하나를 가변할 수 있다.
중앙 처리 장치(100)는 상기 가중 평균에 기초하여 상기 용의자의 진술의 거짓 여부를 판단하고, 상기 판단 결과를 나타내는 참-거짓 판단 결과(TF_RESULT)를 출력할 수 있다.
일 실시예에 있어서, 중앙 처리 장치(100)는 상기 가중 평균과 미리 정해진 기준값을 비교하여 상기 용의자의 진술의 거짓 여부를 판단할 수 있다. 예를 들어, 중앙 처리 장치(100)는 상기 가중 평균이 상기 기준값보다 큰 경우 상기 용의자의 진술이 거짓인 것으로 판단하고, 상기 가중 평균이 상기 기준값보다 작거나 같은 경우 상기 용의자의 진술이 진실인 것으로 판단할 수 있다. 이 경우, 중앙 처리 장치(100)로부터 출력되는 참-거짓 판단 결과(TF_RESULT)는 상기 용의자의 진술이 참인지 거짓인지 여부를 나타낼 수 있다.
다른 실시예에 있어서, 중앙 처리 장치(100)는 상기 가중 평균의 크기에 기초하여 상기 용의자의 진술이 거짓일 확률을 판단할 수 있다. 예를 들어, 중앙 처리 장치(100)는 상기 가중 평균의 크기가 상대적으로 작은 경우 상기 용의자의 진술이 거짓일 확률이 낮은 것으로 판단하고, 상기 가중 평균의 크기가 상대적으로 큰 경우 상기 용의자의 진술이 거짓일 확률이 높은 것으로 판단할 수 있다. 이 경우, 중앙 처리 장치(100)로부터 출력되는 참-거짓 판단 결과(TF_RESULT)는 상기 용의자의 진술이 거짓일 확률을 나타낼 수 있다.
도 5를 참조하여 상술한 바와 같이, 본 발명의 실시예들에 따른 과학 수사 장치(30)는 상기 용의자의 뇌파, 상기 용의자의 안면 근육의 움직임, 상기 용의자의 안구의 움직임, 및 상기 용의자의 목소리와 같은 상기 용의자의 생체 정보를 사용하여 상기 용의자의 심리 상태를 파악하고, 상기 파악된 심리 상태에 기초하여 상기 용의자의 진술의 거짓 여부를 판단한다.
따라서 본 발명의 실시예들에 따른 과학 수사 장치(30)는 상기 용의자의 진술의 거짓 여부 판단의 정확성을 효과적으로 향상시킬 수 있다.
도 6은 본 발명의 또 다른 실시예에 따른 과학 수사 장치를 나타내는 블록도이다.
도 6을 참조하면, 과학 수사 장치(40)는 중앙 처리 장치(100), 뇌파 센서(Electroencephalogram Sensor)(200), 안면 근전도 센서(Facial Electromyography Sensor)(300), 카메라(400), 마이크로폰(500), 및 데이터베이스(600)를 포함한다.
도 6에 도시된 과학 수사 장치(40)는 도 5에 도시된 과학 수사 장치(30)에서 데이터베이스(600)를 더 포함하여 형성될 수 있다.
도 5의 과학 수사 장치(30)에 포함되는 뇌파 센서(200), 안면 근전도 센서(300), 카메라(400), 및 마이크로폰(500)에 대해서는 도 1 내지 5를 참조하여 상술하였으므로, 여기서는 도 6의 과학 수사 장치(40)에 포함되는 뇌파 센서(200), 안면 근전도 센서(300), 카메라(400), 및 마이크로폰(500)에 대한 상세한 설명은 생략한다.
일 실시예에 있어서, 상기 용의자의 진술이 실제로 거짓이었는지 진실이었는지 여부가 밝혀진 이후에, 상기 용의자가 범죄 혐의 사실에 대해 진술을 하는 동안 뇌파 센서(200)로부터 생성된 뇌파 신호(EEG_S), 안면 근전도 센서(300)로부터 생성된 안면 근전도 신호(FEMG_S), 카메라(400)로부터 생성된 안구 영상 신호(EV_S), 및 마이크로폰(500)으로부터 생성된 음파 신호(SW_S)와 상기 용의자의 진술이 실제로 거짓이었는지 진실이었는지 여부는 학습 데이터(L_DATA)로서 데이터베이스(600)에 저장될 수 있다.
일 실시예에 있어서, 중앙 처리 장치(100)가 학습 데이터(L_DATA)를 데이터베이스(600)에 저장할 수 있다.
다른 실시예에 있어서, 외부 장치가 학습 데이터(L_DATA)를 데이터베이스(600)에 저장할 수 있다.
따라서 데이터베이스(600)는 과학 수사 장치(40)에 포함되는 뇌파 센서(200), 안면 근전도 센서(300), 카메라(400), 및 마이크로폰(500)을 사용하여 복수의 사람들 각각으로부터 획득된 뇌파 신호(EEG_S), 안면 근전도 신호(FEMG_S), 안구 영상 신호(EV_S), 및 음파 신호(SW_S)와 상기 복수의 사람들 각각의 진술이 실제로 거짓이었는지 진실이었는지 여부를 포함하는 학습 데이터(L_DATA)를 저장할 수 있다.
한편, 도 6의 과학 수사 장치(40)에 포함되는 중앙 처리 장치(100)는 인공지능(Artificial Intelligence) 모듈을 포함할 수 있다. 따라서 중앙 처리 장치(100)는 상기 인공지능 모듈을 사용하여 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대해 딥러닝(Deep Learning)을 수행함으로써 뇌파 신호(EEG_S)의 주파수, 안면 근전도 신호(FEMG_S)의 파형, 안구 영상 신호(EV_S)에 포함되는 안구의 움직임, 및 음파 신호(SW_S)의 주파수의 변화량의 조합과 상기 조합에 상응하는 진술이 실제로 거짓이었는지 진실이었는지 여부의 상관 관계를 학습할 수 있다.
중앙 처리 장치(100)가 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대해 딥러닝(Deep Learning)을 수행하고 난 이후, 과학 수사 장치(40)는 상기 용의자에게 적용될 수 있다.
중앙 처리 장치(100)는 뇌파 센서(200)로부터 수신되는 뇌파 신호(EEG_S), 안면 근전도 센서(300)로부터 수신되는 안면 근전도 신호(FEMG_S), 카메라(400)로부터 수신되는 안구 영상 신호(EV_S), 및 마이크로폰(500)으로부터 수신되는 음파 신호(SW_S)의 조합을 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대한 상기 딥러닝 수행 결과와 비교하여 상기 용의자의 진술의 거짓 여부를 판단하고, 상기 판단 결과를 나타내는 참-거짓 판단 결과(TF_RESULT)를 출력할 수 있다.
다른 실시예에 있어서, 상기 용의자의 진술이 실제로 거짓이었는지 진실이었는지 여부가 밝혀진 이후에, 상기 용의자가 범죄 혐의 사실에 대해 진술을 하는 동안 뇌파 센서(200)로부터 생성된 뇌파 신호(EEG_S), 안면 근전도 센서(300)로부터 생성된 안면 근전도 신호(FEMG_S), 카메라(400)로부터 생성된 안구 영상 신호(EV_S), 및 마이크로폰(500)으로부터 생성된 음파 신호(SW_S)에 각각 기초하여 중앙 처리 장치(100)에 의해 결정되는 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 상기 제3 불안정 레벨, 및 상기 제4 불안정 레벨과 상기 용의자의 진술이 실제로 거짓이었는지 진실이었는지 여부는 학습 데이터(L_DATA)로서 데이터베이스(600)에 저장될 수 있다.
일 실시예에 있어서, 중앙 처리 장치(100)가 학습 데이터(L_DATA)를 데이터베이스(600)에 저장할 수 있다.
다른 실시예에 있어서, 외부 장치가 학습 데이터(L_DATA)를 데이터베이스(600)에 저장할 수 있다.
따라서 데이터베이스(600)는 과학 수사 장치(40)에 포함되는 뇌파 센서(200), 안면 근전도 센서(300), 카메라(400), 및 마이크로폰(500)을 사용하여 복수의 사람들 각각으로부터 획득된 뇌파 신호(EEG_S), 안면 근전도 신호(FEMG_S), 안구 영상 신호(EV_S), 및 음파 신호(SW_S)에 각각 기초하여 결정되는 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 상기 제3 불안정 레벨, 및 상기 제4 불안정 레벨과 상기 복수의 사람들 각각의 진술이 실제로 거짓이었는지 진실이었는지 여부를 포함하는 학습 데이터(L_DATA)를 저장할 수 있다.
이 경우, 중앙 처리 장치(100)는 상기 인공지능 모듈을 사용하여 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대해 딥러닝(Deep Learning)을 수행함으로써 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 상기 제3 불안정 레벨, 및 상기 제4 불안정 레벨의 조합과 상기 조합에 상응하는 진술이 실제로 거짓이었는지 진실이었는지 여부의 상관 관계를 학습할 수 있다.
중앙 처리 장치(100)가 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대해 딥러닝(Deep Learning)을 수행하고 난 이후, 과학 수사 장치(40)는 상기 용의자에게 적용될 수 있다.
중앙 처리 장치(100)는 뇌파 센서(200)로부터 수신되는 뇌파 신호(EEG_S), 안면 근전도 센서(300)로부터 수신되는 안면 근전도 신호(FEMG_S), 카메라(400)로부터 수신되는 안구 영상 신호(EV_S), 및 마이크로폰(500)으로부터 수신되는 음파 신호(SW_S)에 각각 기초하여 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 상기 제3 불안정 레벨, 및 상기 제4 불안정 레벨을 결정하고, 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 상기 제3 불안정 레벨, 및 상기 제4 불안정 레벨의 조합을 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대한 상기 딥러닝 수행 결과와 비교하여 상기 용의자의 진술의 거짓 여부를 판단하고, 상기 판단 결과를 나타내는 참-거짓 판단 결과(TF_RESULT)를 출력할 수 있다.
도 6을 참조하여 상술한 바와 같이, 본 발명의 실시예들에 따른 과학 수사 장치(40)는 복수의 사람들의 뇌파, 상기 복수의 사람들의 안면 근육의 움직임, 상기 복수의 사람들의 안구의 움직임, 및 상기 복수의 사람들의 목소리의 주파수의 변화량과 같은 상기 복수의 사람들의 생체 정보와 상기 복수의 사람들의 진술의 실제 거짓 여부를 포함하는 학습 데이터(L_DATA)를 저장하는 데이터베이스(600)를 포함한다.
과학 수사 장치(40)에 포함되는 중앙 처리 장치(100)는 데이터베이스(600)에 저장된 학습 데이터(L_DATA)에 대해 딥러닝을 수행하고, 상기 용의자로부터 획득되는 상기 생체 정보를 상기 딥러닝 수행 결과와 비교하여 상기 용의자의 진술이 거짓인지 진실인지 여부를 판단한다.
따라서 본 발명의 실시예들에 따른 과학 수사 장치(40)는 상기 용의자의 진술의 거짓 여부 판단의 정확성을 더욱 향상시킬 수 있다.
또한, 실시예에 따라서 과학 수사 장치(40)에 포함되는 중앙 처리 장치(100)는 상기 용의자로부터 획득되는 상기 생체 정보를 상기 딥러닝 수행 결과와 비교함으로써 상기 용의자의 심리 상태의 향후 변화 방향도 예측할 수 있다. 이 경우, 중앙 처리 장치(100)는 상기 용의자의 심리 상태의 향후 변화 방향을 나타내는 심리 상태 예측 결과(PS_EST)를 출력할 수도 있다.
본 발명은 용의자의 진술의 거짓 여부를 정확하게 판단하는 데에 유용하게 이용될 수 있다.
상술한 바와 같이, 본 발명의 바람직한 실시예를 참조하여 설명하였지만 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
<부호의 설명>
10, 20, 30, 40: 과학 수사 장치 100: 중앙 처리 장치
200: 뇌파 센서 300: 안면 근전도 센서
400: 카메라 500: 마이크로폰
600: 데이터베이스

Claims (9)

  1. 용의자의 머리에 부착되고, 상기 용의자의 뇌파에 상응하는 뇌파 신호를 생성하는 뇌파 센서;
    상기 용의자의 얼굴에 부착되고, 상기 용의자의 안면 근육의 움직임에 상응하는 안면 근전도 신호를 생성하는 안면 근전도 센서;
    상기 용의자의 안구의 움직임을 촬영하여 안구 영상 신호를 생성하는 카메라; 및
    상기 뇌파 신호의 주파수에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제1 불안정 레벨을 복수의 레벨들 중의 하나로 결정하고, 상기 안면 근전도 신호의 파형의 변화에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제2 불안정 레벨을 복수의 레벨들 중의 하나로 결정하고, 상기 안구 영상 신호에 포함되는 상기 용의자의 안구의 움직임에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제3 불안정 레벨을 복수의 레벨들 중의 하나로 결정하고, 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 및 상기 제3 불안정 레벨에 기초하여 상기 용의자의 진술의 거짓 여부를 판단하는 중앙 처리 장치를 포함하고,
    상기 중앙 처리 장치는 상기 뇌파 신호의 주파수가 증가하는 경우 상기 제1 불안정 레벨을 증가시키고, 상기 안면 근전도 신호의 파형에 떨림이 발생하거나 상기 안면 근전도 신호의 파형에 급격한 변화가 발생하는 경우 상기 제2 불안정 레벨을 증가시키고, 상기 용의자의 안구에 떨림이 발생하거나 상기 안구의 홍채의 크기에 급격한 변화가 발생하는 경우 상기 제3 불안정 레벨을 증가시키는 과학 수사 장치.
  2. 제1 항에 있어서, 상기 중앙 처리 장치는 상기 제1 불안정 레벨에 제1 가중치를 적용하고, 상기 제2 불안정 레벨에 제2 가중치를 적용하고, 상기 제3 불안정 레벨에 제3 가중치를 적용하여 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 및 상기 제3 불안정 레벨의 가중 평균을 결정하고, 상기 가중 평균에 기초하여 상기 용의자의 진술의 거짓 여부를 판단하는 과학 수사 장치.
  3. 제2 항에 있어서, 상기 중앙 처리 장치는 외부로부터 설정 데이터를 수신하고, 상기 설정 데이터에 기초하여 상기 제1 가중치, 상기 제2 가중치, 및 상기 제3 가중치 중의 적어도 하나를 가변하는 과학 수사 장치.
  4. 제1 항에 있어서,
    상기 뇌파 센서, 상기 안면 근전도 센서, 및 상기 카메라를 사용하여 복수의 사람들 각각으로부터 획득된 상기 뇌파 신호, 상기 안면 근전도 신호, 및 상기 안구 영상 신호와 상기 복수의 사람들 각각의 진술의 실제 거짓 여부를 포함하는 학습 데이터를 저장하는 데이터베이스를 더 포함하고,
    상기 중앙 처리 장치는 상기 데이터베이스에 저장된 상기 학습 데이터에 대해 딥러닝(Deep Learning)을 수행하고, 상기 뇌파 센서로부터 수신되는 상기 뇌파 신호, 상기 안면 근전도 센서로부터 수신되는 상기 안면 근전도 신호, 및 상기 카메라로부터 수신되는 상기 안구 영상 신호의 조합을 상기 딥러닝 수행 결과와 비교하여 상기 용의자의 진술의 거짓 여부를 판단하는 과학 수사 장치.
  5. 제1 항에 있어서,
    상기 용의자의 목소리를 감지하여 상기 용의자의 진술에 상응하는 음파 신호를 생성하는 마이크로폰을 더 포함하고,
    상기 중앙 처리 장치는 상기 뇌파 신호, 상기 안면 근전도 신호, 상기 안구 영상 신호, 및 상기 음파 신호에 기초하여 상기 용의자의 진술의 거짓 여부를 판단하는 과학 수사 장치.
  6. 제5 항에 있어서, 상기 중앙 처리 장치는,
    상기 음파 신호의 주파수의 변화에 기초하여 상기 용의자의 심리 상태가 불안정한 정도를 나타내는 제4 불안정 레벨을 결정하고,
    상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 상기 제3 불안정 레벨, 및 상기 제4 불안정 레벨에 기초하여 상기 용의자의 진술의 거짓 여부를 판단하는 과학 수사 장치.
  7. 제6 항에 있어서, 상기 중앙 처리 장치는 상기 음파 신호의 주파수의 변화량이 증가하는 경우 상기 제4 불안정 레벨을 증가시키는 과학 수사 장치.
  8. 제6 항에 있어서, 상기 중앙 처리 장치는 상기 제1 불안정 레벨에 제1 가중치를 적용하고, 상기 제2 불안정 레벨에 제2 가중치를 적용하고, 상기 제3 불안정 레벨에 제3 가중치를 적용하고, 상기 제4 불안정 레벨에 제4 가중치를 적용하여 상기 제1 불안정 레벨, 상기 제2 불안정 레벨, 상기 제3 불안정 레벨, 및 상기 제4 불안정 레벨의 가중 평균을 결정하고, 상기 가중 평균에 기초하여 상기 용의자의 진술의 거짓 여부를 판단하는 과학 수사 장치.
  9. 제5 항에 있어서,
    상기 뇌파 센서, 상기 안면 근전도 센서, 상기 카메라, 및 상기 마이크로폰을 사용하여 복수의 사람들 각각으로부터 획득된 상기 뇌파 신호, 상기 안면 근전도 신호, 상기 안구 영상 신호, 및 상기 음파 신호와 상기 복수의 사람들 각각의 진술의 실제 거짓 여부를 포함하는 학습 데이터를 저장하는 데이터베이스를 더 포함하고,
    상기 중앙 처리 장치는 상기 데이터베이스에 저장된 상기 학습 데이터에 대해 딥러닝(Deep Learning)을 수행하고, 상기 뇌파 센서로부터 수신되는 상기 뇌파 신호, 상기 안면 근전도 센서로부터 수신되는 상기 안면 근전도 신호, 상기 카메라로부터 수신되는 상기 안구 영상 신호, 및 상기 마이크로폰으로부터 수신되는 상기 음파 신호의 조합을 상기 딥러닝 수행 결과와 비교하여 상기 용의자의 진술의 거짓 여부를 판단하는 과학 수사 장치.
PCT/KR2018/011893 2018-10-10 2018-10-10 과학 수사 장치 WO2020075882A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/KR2018/011893 WO2020075882A1 (ko) 2018-10-10 2018-10-10 과학 수사 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2018/011893 WO2020075882A1 (ko) 2018-10-10 2018-10-10 과학 수사 장치

Publications (1)

Publication Number Publication Date
WO2020075882A1 true WO2020075882A1 (ko) 2020-04-16

Family

ID=70165077

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/011893 WO2020075882A1 (ko) 2018-10-10 2018-10-10 과학 수사 장치

Country Status (1)

Country Link
WO (1) WO2020075882A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006525829A (ja) * 2002-12-20 2006-11-16 ヒューマン バイオニクス エルエルシー インテリジェント欺瞞検証システム
KR20090055425A (ko) * 2007-11-28 2009-06-02 중앙대학교 산학협력단 결정 융합 기반 감정인식 방법 및 시스템
KR20120066275A (ko) * 2010-12-14 2012-06-22 유비벨록스(주) 거짓말 판독 방법 및 그를 적용한 거짓말 판독 서버 및 단말 장치
KR20150002790A (ko) * 2012-04-13 2015-01-07 보벤 프로퍼티즈 게엠베하 풍력 발전기용 로터 블레이드
KR20160120482A (ko) * 2015-04-08 2016-10-18 삼성에스디에스 주식회사 생체 신호를 이용한 사용자 행동 예측 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006525829A (ja) * 2002-12-20 2006-11-16 ヒューマン バイオニクス エルエルシー インテリジェント欺瞞検証システム
KR20090055425A (ko) * 2007-11-28 2009-06-02 중앙대학교 산학협력단 결정 융합 기반 감정인식 방법 및 시스템
KR20120066275A (ko) * 2010-12-14 2012-06-22 유비벨록스(주) 거짓말 판독 방법 및 그를 적용한 거짓말 판독 서버 및 단말 장치
KR20150002790A (ko) * 2012-04-13 2015-01-07 보벤 프로퍼티즈 게엠베하 풍력 발전기용 로터 블레이드
KR20160120482A (ko) * 2015-04-08 2016-10-18 삼성에스디에스 주식회사 생체 신호를 이용한 사용자 행동 예측 시스템 및 방법

Similar Documents

Publication Publication Date Title
WO2020059939A1 (ko) 인공지능 장치
WO2019201215A1 (zh) 课堂评测方法、装置及计算机可读存储介质
WO2015053418A1 (ko) 다기능 스포츠 헤드셋
WO2020251135A1 (ko) 감정 인식 방법 및 이를 이용한 감정 인식용 디바이스
WO2019212150A1 (ko) 거울신경세포의 활성화를 극대화하는 뇌 자극과 뇌-컴퓨터 인터페이스(bci) 기술을 결합한 게임 방식의 재활 시스템 및 그 제어방법
WO2022080774A1 (ko) 말 장애 평가 장치, 방법 및 프로그램
WO2018174507A1 (ko) 가상현실을 이용한 신경질환 진단 장치 및 방법
WO2018093181A1 (ko) 전자 장치 및 그 제어 방법
EP3365755A1 (en) Video display apparatus and method for reducing vr sickness
WO2020075882A1 (ko) 과학 수사 장치
WO2020153584A1 (ko) 전자 장치 및 이의 수면 유도 방법
WO2015178549A1 (ko) 역치 이하 자극을 이용한 보안 서비스 제공 방법 및 장치
WO2021085947A1 (en) Parkinson&#39;s disease diagnostic application
WO2017090815A1 (ko) 관절 가동 범위를 측정하는 장치 및 방법
WO2019103188A1 (ko) 뇌파 분석을 통한 외상성 뇌손상 평가 시스템 및 방법
WO2019103186A1 (ko) 뇌파 분석을 통한 뇌 나이 추정 방법 및 시스템
Haarmeier et al. An electrophysiological correlate of visual motion awareness in man
WO2021010645A1 (ko) 식사 모니터링 방법, 장치 및 시스템
WO2020013396A1 (ko) 청각 자극을 통한 주의집중력 강화 시스템 및 방법
WO2020004727A1 (ko) 실시간 소리 분석 방법 및 장치
WO2020218754A1 (ko) 챗봇 문진을 이용한 신체 검진 방법 및 시스템, 신체 검진 방법 및 시스템
WO2018080202A1 (ko) 머리 착용형 디스플레이 장치 및 그의 제어 방법
WO2023106726A1 (ko) 인간의 복합감정을 예측할 수 있는 efficientnet 아키텍처 기반 모바일 비전 시스템 및 방법
Rupanagudi et al. A simplified approach to assist motor neuron disease patients to communicate through video oculography
WO2016099049A1 (ko) 웨어러블 장치 및 이를 이용한 정보 입력 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18936463

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18936463

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 18936463

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 04.10.2021)

122 Ep: pct application non-entry in european phase

Ref document number: 18936463

Country of ref document: EP

Kind code of ref document: A1