KR101500888B1 - 생물체의 정신생리학적 상태에 관한 정보 획득방법 - Google Patents

생물체의 정신생리학적 상태에 관한 정보 획득방법 Download PDF

Info

Publication number
KR101500888B1
KR101500888B1 KR1020137010907A KR20137010907A KR101500888B1 KR 101500888 B1 KR101500888 B1 KR 101500888B1 KR 1020137010907 A KR1020137010907 A KR 1020137010907A KR 20137010907 A KR20137010907 A KR 20137010907A KR 101500888 B1 KR101500888 B1 KR 101500888B1
Authority
KR
South Korea
Prior art keywords
frequency
image
information
vibra
head
Prior art date
Application number
KR1020137010907A
Other languages
English (en)
Other versions
KR20140041382A (ko
Inventor
민킨 빅토르 알베르토비치
Original Assignee
옵쉐스트바 스 아그라니첸노이 아트베트스트벤노스찌유 "므노고프로필노예 프레드프리야찌예 "엘씨스"
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 옵쉐스트바 스 아그라니첸노이 아트베트스트벤노스찌유 "므노고프로필노예 프레드프리야찌예 "엘씨스" filed Critical 옵쉐스트바 스 아그라니첸노이 아트베트스트벤노스찌유 "므노고프로필노예 프레드프리야찌예 "엘씨스"
Publication of KR20140041382A publication Critical patent/KR20140041382A/ko
Application granted granted Critical
Publication of KR101500888B1 publication Critical patent/KR101500888B1/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
    • 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
    • A61B5/103—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
    • A61B5/1101—Detecting tremor
    • 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
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Social Psychology (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Educational Technology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 발명은, 생물체 머리의 미세움직임에 관한 신호를 측정하는 단계; 상기 생물체 머리의 공간적 시간적 움직임 분포에 대한 정량 변수를 정보통계 매개변수로 변환하는 신호처리단계; 상기 정보통계 매개변수를 조정된 정량 특성으로 변환하여 생물체의 정신생리학적 상태에 관한 정보를 획득하는 단계;를 포함하여 이루어지는 생물체의 정신생리학적 상태 정보 획득 방법에 관한 것이다.

Description

생물체의 정신생리학적 상태에 관한 정보 획득방법 {METHOD FOR OBTAINING INFORMATION ABOUT THE PSYCHOPHYSIOLOGICAL STATE OF A LIVING BEING}
본 발명은 생체측정, 전자공학, 의료, 심리학 분야에 관련되며, 생물체에 관한 정신생리학 정보를 획득하는데 사용될 뿐만 아니라 인간의 정신생리학적 상태를 측정하거나 관찰, 교정하는데 사용되는 생물체의 정신생리학적 상태에 관한 정보 획득방법에 관한 것이다. 보다 구체적으로 본 발명은, 생물체 머리의 미세움직임에 관한 신호를 측정하는 단계; 상기 생물체 머리의 공간적 시간적 움직임 분포에 대한 정량 변수를 정보통계 매개변수로 변환하는 신호처리단계; 상기 정보통계 매개변수를 조정된 정량 특성으로 변환하여 생물체의 정신생리학적 상태에 관한 정보를 획득하는 단계;를 포함하여 이루어지는 생물체의 정신생리학적 상태 정보 획득 방법에 관한 것이다.
생물체의 움직임 정보에 관한 논의는 아리스토텔레스 시대부터 시작됐다. 아리스토텔레스는 생물체의 운동 활동성과 정신생리학 상태의 관계를 비롯한 움직임과 생물체의 삶은 불가분의 관계라고 주장했다. 이반 세체노프는 1863년도에 발표한 '뇌의 반사'를 통해 뇌 활동의 모든 외부적 징후는 근육 움직임으로 이어질 수 있다고 주장하며, 생각과 움직임 과정 사이의 관계를 정리했다. 진화론에 근거한 찰스 다윈은 '인간과 동물의 감정표현(1872)이라는 저서에서 반사행동은 감정표현을 특징짓는다라고 주장했다. 노벨상을 수상한 20세기 위대한 생물학자이자 심리학자인 콘라드 로렌츠는 저서 '공격성(1966)'에서 반사움직임의 진폭 및 비율을 측정해 공격성 수준을 정할 수 있다고 했다.
이러한 반사움직임 매개변수를 통한 감정 및 기능적 상태 결정에 관한 직접적인 논증에도 불구하고, 최근까지 인간의 움직임을 정서ㆍ정보적으로는 특징지을 수 없었다. 이는 무엇보다 대다수의 이동생리학 연구론자(베른쉬테인, 미라 이 로페즈)들이 매우 힘든 수학적 과제라 할 수 있는 인간의 매크로적 움직임을 분석하려 했기 때문이다.
지금까지의 연구를 통해 정립된 내용은, 전정계를 담당하는 인간 머리의 수직적 평형상태를, 전정반사 반응을 특징짓는 기능으로 그리고 머리의 미세움직임을 정하는 개별적인 운동 활동성으로 볼 수 있다는 사실이다. 머리의 미세움직임을 분석하는 것은, 다른 인간의 전정 움직임 분석과 비교시 많은 이점이 있다고 할 수 있는데, 무엇보다 머리의 움직임이 전 생애 동안 인간이 행하는 가장 자주 반복되는 움직임 중 하나라는 점을 들 수 있다.
신생아의 경우 생후 2개월부터 머리를 가누기 시작하는데, 이후 전정계는 머리의 수직적 평형상태의 지속적인 유지를 가능하게 해준다. 이는 사실상 심리ㆍ정신 상태와 인간의 머리 움직임 매개변수간 연관성이 있기 때문에 전정감정반사(VER, Vestibular Emotional Reflex)이라는 명칭으로 불리고 있다.
신체적 측면에서 봤을 때, 머리의 역학적 동요는 진동적인 과정이며, 이의 매개변수는 양적으로 대상의 에너지와 움직임간 상호연관성을 특징짓는다고 할 수 있다. 머리의 움직임 매개변수에 관한 통합정보를 획득하기 위해서는 바이브라이미지(vibraimage) 기술을 활용할 수 있다. 바이브라이미지 기술은 측정대상의 모든 점의 규칙적인 움직임 매개변수에 대하여 양적인 결정을 가능하게 해준다. 바이브라이미지는 대상의 움직임 매개변수를 구성하는 각 점을 이미지(image)로 보여주는 최초의 형태다. 바이브라이미지는 인간의 신체적 특성을 반영하는 이미지를 이용한 생체의료 방법들(초음파검사, 핵자기공명, 엑스레이 등)과 유사하다. 그리고 이에 있어서 바이브라이미지는 뇌전도(EEG), 전기피부반응(GSR), 심전도(EDG) 같은 생체 의료정보를 읽는 방법과 유사한 정보적 신호를 획득 가능하게 해준다.
머리의 미세움직임을 추적하는 분석의 방법은 생리학적 측면에서 폴 에크만 (Paul Ekman)과 알란 프리드룬드 (Alan Fridlund)에 의해서 제안된 얼굴 표정 분석의 방법과는 차이가 있다. 얼굴 표정의 변화와 흉내는 감정에 대한 특정반응과 국소적인 감정을 표현해 주지만, 자동 분석시에는 효율적이지 않다. 이것은 얼굴 표정 변화와 흉내는 전통적으로 거짓말 탐지 시에 적용되는 생리신호의 측정으로 대변되는 동맥압, 심장박동율과 피부전도도와 같은 생리학적인 과정이 아니기 때문이다.
대상의 이미지 변환을 통한 생물체의 정신생리학적 상태에 관한 정보획득은 이미 잘 알려져 있다. 이는 광검출기에 이미지를 투사시킴으로써 대상의 움직임에 관한 신호측정 및 대상의 이미지를 전기신호로 변환시키는 방법이며, 이후 생물체의 움직임에 관한 신호처리 결과를 바탕으로 정신생리학적 상태에 관한 정보 획득 및 점의 주파수 떨림을 바탕으로 만들어진 바이브라이미지로 나타난 신호를 처리함으로써 정보를 획득할 수 있다.
본 방법과 장치는[RU 2289310]에 의해서 프로토타입으로 만들어 졌다. 프로토타입은 연구 대상자(인간)가 원격에서 비접촉식 방법에 의해서 실시간으로 정신생리학적 상태에 관한 정보 획득을 가능하게 해주었다. 하지만 바이브라이미지 형태로 획득한 정보는 정성적인 성격을 띠고 있기 때문에 이에 대해서는 각각의 개별적인 해석이 필요하다. 어느 정도 경험이 있는 조작자의 경우 에는 획득한 바이브라이미지 정보를 바탕으로 대상의 정신감정 상태를 분석할 수 있지만, 자동처리방식을 통해 인간의 상태평가의 객관성을 확보해야 할 필요가 있고 또한 그에는 대상을 특징지을 수 있는 정량적 매개변수 도입이 필요하다.
본 발명은 대상의 정신생리학적 상태(psychophysiological state)를 객관적이고 신뢰할 수 있으며 또한 정확한 양적(quantitative) 과제 해결을 가능하게 해준다.
본 방법은 스트레스, 공격성, 혹은 불안감과 같은 인간의 정신감정 매개변수의 양적 측정 및 결정을 위한 근간으로써, 머리의 미세움직임 궤적 분석시 정해진 특성을 활용하는 식으로 이루어진다.
설정과제 해결은 생물체 움직임에 관한 신호 측정을 포함한 생물체의 정신생리학적 상태에 관한 정보 획득 방법을 통해 이루어진다. 우선 움직임에 관한 신호처리 결과를 바탕으로 생물체의 정신생리학적 상태에 관한 정보획득과 설정신호 처리 및 생물체의 머리 미세움직임에 관한 신호측정, 그리고 생물체의 머리 움직임의 공간ㆍ시간적 분포에 대한 양적 매개변수(quantitative parameters)를 정보통계 매개변수(informational statistical parameters)로 변환시키는 것을 비롯한 신호 처리가 이루어진다. 이후 정보통계 매개변수가 생물체의 정신생리학적 상태에 관한 조정된 정량 특성(adjusted quantitative characteristics)으로 변환된 내용을 바탕으로 생물체의 정신생리학적 상태에 관한 정보획득이 이루어진다.
본 발명의 생물체의 정신생리학적 상태 정보 획득 방법은, 생물체 머리의 미세움직임에 관한 신호를 측정하는 단계; 상기 생물체 머리의 공간적 시간적 움직임 분포에 대한 정량 변수를 정보통계 매개변수로 변환하는 신호처리단계; 상기 정보통계 매개변수를 조정된 정량 특성으로 변환하여 생물체의 정신생리학적 상태에 관한 정보를 획득하는 단계;를 포함하여 이루어지는 것을 특징으로 한다.
또한 상기 생물체 머리 미세움직임 신호 측정에서는, 생물체 머리의 진폭 및/또는 주파수 바이브라이미지를 획득하는 것을 특징으로 한다.
한편 공격성 수준 데이터를 획득하기 위하여, 주파수 분포 히스토그램이 계산되고 아래의 바이브라이미지의 정보통계 매개변수가 측정되며, 공격성 수준은 아래 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 한다.
Fm - 주파수 분포 히스토그램의 최대 주파수
Fi - N프레임 시간 동안 획득한 주파수 분포 히스토그램에서의 “I” 주파수 집계량
Fin - 바이브라이미지 처리 주파수
n - N 프레임 한계치를 넘어서는 프레임간 차의 집계량
Figure 112013037388759-pct00001

또한 본 발명은, 대상의 스트레스 수준 데이터를 획득하기 위하여, 아래의 바이브라이미지의 정보통계 매개변수가 측정되며, 스트레스 수준은 아래의 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 한다.
Figure 112013037388759-pct00002
- 대상의 왼쪽 부위 “I”열 바이브라이미지 총 진폭
Figure 112013037388759-pct00003
- 대상의 오른쪽 부위 “I”열 바이브라이미지 총 진폭
Figure 112013037388759-pct00004
-
Figure 112013037388759-pct00005
에서
Figure 112013037388759-pct00006
간의 최대값
Figure 112013037388759-pct00007
- 대상의 왼쪽 부위 “I”열 바이브라이미지 최대주파수
Figure 112013037388759-pct00008
- 대상의 오른쪽 부위 “I”열 바이브라이미지 최대주파수
Figure 112013037388759-pct00009
-
Figure 112013037388759-pct00010
에서
Figure 112013037388759-pct00011
간의 최대값
n - 대상이 차지하는 열 수
Figure 112013037388759-pct00012

아울러 본 발명은, 대상의 불안감 수준 데이터를 획득하기 위하여, 아래의 바이브라이미지의 정보통계 매개변수가 측정되며, 불안감 수준은 아래의 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 한다.
Pi (f) - 바이브라이미지 주파수 분포 스펙트럼
fmax - 바이브라이미지 주파수 분포에 있어서 최대 주파수
Figure 112013037388759-pct00013

또한 생물체의 다른 대상과의 화합 수준 데이터를 획득하기 위하여, 두 대상간의 주파수 분포 바이브라이미지 히스토그램들이 계산되고, 두 히스토그램 사이의 중첩도, 정상 분포를 이루는 인접분포의 표준화가 계산되며, 인접분포와 정상분포 사이의 차가 계산되는 한편 화합수준은 아래의 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 한다.
Figure 112013037388759-pct00014

여기서 K는 인접 주파수 분포로부터 얻어진 표준화 계수이며 y'는 정상분포 밀도이다.
Figure 112013037388759-pct00015

마지막으로 본 발명은, 거짓말 탐지 수준 데이터를 획득하기 위하여, 아래의 바이브라이미지 정보통계 매개변수가 측정되고, 거짓말 수준은 아래의 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 한다.
PM - 지정된 한계치보다 더 많은 기회가 주어질 경우의 매개변수
Pc - 거짓말 탐지 동안에 측정되는 바이브라이미지 매개변수
K - 상기 PM 의 유효계수
n - 측정된 매개변수의 수
m - 한계치 이상으로 변화된 매개변수 수
Figure 112013037388759-pct00016
본 발명은 스트레스, 공격성, 혹은 불안감과 같은 인간의 정신감정 매개변수를 양적으로 측정함으로써 대상의 정신생리학적 상태를 객관적이고 신뢰성있는 정보를 획득할 수 있는 효과가 있다.
본 발명은 머리의 미세움직임 매개변수와 /혹은 머리의 바이브라이미지 매개변수를 통해 인간의 정신감정을 묘사할 수 있는 효과를 가진다.
또한 머리의 반사적인 미세움직임의 양적 분석을 통하여 인간의 정신생리학적 상태 측정을 더욱 객관ㆍ과학적으로 가능하게 할 뿐만 아니라 이를 통하여 의학ㆍ심리학ㆍ정신의학적, 그리고 일상생활에서의 많은 문제들을 해결할 수 있게 해준다.
도 1 : 인간 머리에 레이저 포인터를 장착하고 머리가 움직일 경우 화면에 마커가 이동하는 모습
도 2 : 바이브라이미지 주파수 분포 히스토그램
도 3 : 거짓말 탐지시 머리 움직임 매개변수 변화를 보여주고, 질문 진행 시 거짓말 탐지 프로그램 창 일부가 제시된 모습
일반적으로 인공두뇌학 및 정보 이론은 생물체와 생체계에 대한 운용방법 및 기술수단 적용 가능성을 검토하는 것이다. 인지생체학의 현대적인 개념은, 통상적으로 신호정보 및 전달이론 개념 및 정의와 관련이 있으며, 정보이론에서 정립된 수학적 매개변수의 정신생리학적 정보성을 가능케 해준다. 정보이론에서 활용되는 통계 매개변수의 도움으로 인간의 머리 미세움직임을 연구한 본 발명자의 오랜 연구와 관찰 결과, 인간의 정신생리학적 상태와 머리의 미세움직임에 관한 정보통계 매개변수간에 통계적으로 신빙성 있는 의존성이 있다는 사실을 알 수 있었다.
아울러 본 발명자는 위와 같은 현상과 전정감정 반사에 관한 나름의 해석을 제시할 수 있게 되었는데, 우선 정신생리학적 에너지조정(신진대사)간 상호관계를 정의해보겠다. 모든 전형적인 정서 상태는, 특정 에너지 소비와 개별 생리학적으로 필요한 에너지와 정서 에너지간 상관관계로 특징지을 수 있다. 이때 생리학적 에너지는 생리학적 과정 실현을 위해, 또 정서 에너지는 의식 혹은 비의식적인 과정을 거쳐 형성된다. 실례로 공격 상태는, 만약 정말 동일한 공격상태일 경우라면 다양한 인물에게서 이는 동일하지 않게 발현돼야 하는데, 이때 연령, 성별, 교육수준 등의 자연스러운 조정과정이 고려돼야 한다. 하지만 생리학적 측면에서 봤을 때, 이러한 차이는 신체기관 내 상대적 에너지 방출량 및 장소에 근본적인 의미가 있어서는 안 된다. 이 모든 것은 눈에 보이는 감정적 징후를 초래하는데, 실례로 얼굴의 홍조, 잦은 한숨, 빠른 심 박동, 특정 미세움직임 등을 들 수 있다. 감정적인 상태가 외부로 발현되는 주요 원인은 생리학적 에너지와 정서적 에너지간 상관관계를 변화시키는 신체기관 내 에너지의 추가적인 방출에 기인한다. 이때 강조해야 할 점은, 본 발명자는 현대기술 발전 수준에서 잘 알려진 자연적인 신체적 과정의 신체-화학 에너지, 즉 생리과정의 경과속도, 인간의 생각 및 움직임 과정을 위한 상호관계 중단 및 촉발 과정을 발명의 고려 대상으로 삼고 있다.
전정계의 주요과제는 무엇보다 역학적인 동등 혹은 균등 상태를 유지하는 것이다. 하지만 본 대상을 형성하는 역학ㆍ화학ㆍ에너지, 다른 시스템의 균등상태 시에만 평형상태가 가능하며, 이들 시스템들 중 하나라도 불균형이 발생할 경우 인접계의 균형상태 파괴가 초래, 즉 역학적 균형 파괴가 에너지 균형 파괴를 초래하는 현상이 발생한다.
수직적으로 평형 상태에 준하는 인간의 머리 위치는 신체에 발생하는 모든 에너지 과정에 대한 매우 민감한 기계적 지표로 볼 수 있다. 생체역학적 측면에서 봤을 때, 무게중심보다 훨씬 높은 곳에 위치한 머리의 수직적 균형상태 및 동등한 상태 유지를 위해서는 목-머리 뼈 부분 근육의 엄청난 지속적 노력과 축소가 요구된다. 게다가 이러한 움직임은 전정계 운영 하에 반사적으로 실현되는 것이다. 신체기관 내 모든 의미 있는 현상(감정)은 지속적인 생리학적 과정의 변화를 가져온다. 이는 GSR, 동맥압, 심박동과 같이 전통적으로 정신생리학적 분석에 활용되는 다른 생리학적 과정 변화와 유사하다. 또한 에너지 발현량과 에너지 발현장소에 따라 머리 움직임 매개변수도 변한다. 머리 움직임의 공간적 입체 궤적은, 머리 모양이 구(球)와 비슷하기 때문에 매우 복잡하다. 또한 각 점의 움직임 궤적은 수백 개의 목 근육 움직임에 있어서 현저히 차이가 날 수 있다. 움직임 매개변수의 통계적 분석을 통해 머리 움직임의 신뢰할 수 있는 양적 매개변수 차별화가 가능하다. 즉, 에너지 및 전정계 반응 측정을 통한 정서상태 측정 및 확인이 가능하다는 것이다. 역학법칙은 일관되게 나타나며, 균등상태 유지를 위해 행동은 항상 반동작용을 하는 것이다. 자연적으로 다양한 이들을 대상으로 하는 신체기관 내 에너지 측정은 전정계 활동을 통한 머리 움직임 매개변수의 일관된 상응하는 변화를 초래할 것이다.
제시된 머리 움직임의 정보ㆍ통계적 매개변수에 따른 총체적인 감정분류는, 인간의 모든 정서 상태를 탐지하여 나타내 준다. 현재는 정서상태 측정을 위한 단일화된 총체적 접근법이 없는 만큼, 다른 정신생리학적 방법 혹은 독립 실험평가 비교 차원에서 최초의 측정을 위해 활용될 수 있을 것이다. 현대 심리학은 감정상태 평가에 있어서 주로 질적인 기준을 활용하는데, 이는 근본적으로 양적 측정을 불가능하게 하고, 인간 상태의 객관적인 평가가 힘들다. 하지만 기 제시된 방법은 모든 감정상태를 측정하게 해준다. 머리의 움직임 매개변수 변화가 기능적으로 에너지 교환 변화와 관련이 있다고 했을 때, 자연적으로 머리 움직임 매개변수가 인간의 총체적인 특징적 정신생리학 상태이기 때문이다. 현존하는 평가 기준에 따른 정서상태 집계를 위한 기 제시된 공식의 일치 정확성은, 머리 미세움직임을 통한 정서적인 상태평가 방법과 비교 시 낮게 나타난다. 현존하는 기술 수준에서는 정서상태 평가를 위한 총체적인 기준이 없기 때문이다. 기 제안된 방법은 모든 감정 측정에 있어서 통합적인 접근법이 가능하다는 점에서 특징적이다. 또한 모든 이전의 방법들은 다양한 정서상태 평가를 위해 활용됐다. 정서상태 측정을 위해 기 제안된 개념을 채택하는 것은 정밀과학에 심리학을 포함시키는 것과 같으며, 동일한 감정 측정을 가능하게 해준다.
본 발명의 생물체의 정신생리학적 상태 정보 획득 방법은, 생물체 머리의 미세움직임에 관한 신호를 측정하는 단계; 상기 생물체 머리의 공간적 시간적 움직임 분포에 대한 정량 변수를 정보통계 매개변수로 변환하는 신호처리단계; 상기 정보통계 매개변수를 조정된 정량 특성으로 변환하여 생물체의 정신생리학적 상태에 관한 정보를 획득하는 단계;를 포함하여 이루어지는 것을 특징으로 한다.
또한 상기 생물체 머리 미세움직임 신호 측정에서는, 생물체 머리의 진폭 및/또는 주파수 바이브라이미지를 획득하는 것을 특징으로 한다.
한편 공격성 수준 데이터를 획득하기 위하여, 주파수 분포 히스토그램이 계산되고 아래의 바이브라이미지의 정보통계 매개변수가 측정되며, 공격성 수준은 아래 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 한다.
Fm - 주파수 분포 히스토그램의 최대 주파수
Fi - N프레임 시간 동안 획득한 주파수 분포 히스토그램에서의 “I” 주파수 집계량
Fin - 바이브라이미지 처리 주파수
n - N 프레임 한계치를 넘어서는 프레임간 차의 집계량
Figure 112013037388759-pct00017

또한 본 발명은, 대상의 스트레스 수준 데이터를 획득하기 위하여, 아래의 바이브라이미지의 정보통계 매개변수가 측정되며, 스트레스 수준은 아래의 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 한다.
Figure 112013037388759-pct00018
- 대상의 왼쪽 부위 “I”열 바이브라이미지 총 진폭
Figure 112013037388759-pct00019
- 대상의 오른쪽 부위 “I”열 바이브라이미지 총 진폭
Figure 112013037388759-pct00020
-
Figure 112013037388759-pct00021
에서
Figure 112013037388759-pct00022
간의 최대값
Figure 112013037388759-pct00023
- 대상의 왼쪽 부위 “I”열 바이브라이미지 최대주파수
Figure 112013037388759-pct00024
- 대상의 오른쪽 부위 “I”열 바이브라이미지 최대주파수
Figure 112013037388759-pct00025
-
Figure 112013037388759-pct00026
에서
Figure 112013037388759-pct00027
간의 최대값
n - 대상이 차지하는 열 수
Figure 112013037388759-pct00028

아울러 본 발명은, 대상의 불안감 수준 데이터를 획득하기 위하여, 아래의 바이브라이미지의 정보통계 매개변수가 측정되며, 불안감 수준은 아래의 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 한다.
Pi (f) - 바이브라이미지 주파수 분포 스펙트럼
fmax - 바이브라이미지 주파수 분포에 있어서 최대 주파수
Figure 112013037388759-pct00029

또한 생물체의 다른 대상과의 화합 수준 데이터를 획득하기 위하여, 두 대상간의 주파수 분포 바이브라이미지 히스토그램들이 계산되고, 두 히스토그램 사이의 중첩도, 정상 분포를 이루는 인접분포의 표준화가 계산되며, 인접분포와 정상분포 사이의 차가 계산되는 한편 화합수준은 아래의 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 한다.
Figure 112013037388759-pct00030

여기서 K는 인접 주파수 분포로부터 얻어진 표준화 계수이며 y'는 정상분포 밀도이다.
Figure 112013037388759-pct00031

마지막으로 본 발명은, 거짓말 탐지 수준 데이터를 획득하기 위하여, 아래의 바이브라이미지 정보통계 매개변수가 측정되고, 거짓말 수준은 아래의 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 한다.
PM - 지정된 한계치보다 더 많은 기회가 주어질 경우의 매개변수
Pc - 거짓말 탐지 동안에 측정되는 바이브라이미지 매개변수
K - 상기 PM 의 유효계수
n - 측정된 매개변수의 수
m - 한계치 이상으로 변화된 매개변수 수
Figure 112013037388759-pct00032

아래에서 본 발명에 대해 구체적으로 설명하고자 한다.
대상의 머리⑴ 움직임에 관한 신호 획득은 대상 머리⑴에 쓴 헬멧⑶에 장착된 광 레이저포인터⑵로 이루어진다. 머리 움직임 분석을 위한 레이저 포인터⑵가 장착된 헬멧⑶ 활용은 컴퓨터 게임이라든지 조종 시 쓰는 것과 같다. 머리⑴ 주변부와 위쪽 부위에 장착된 3개의 레이저 포인터⑵로 상대적으로 단순한 방법을 채택할 수 있다. 이러한 레이저 포인터⑵의 빛은 대상의 뒤 혹은 앞쪽 부위 화면⑷에 나타나고, 표준 웹 카메라⑸ Genius Look 1320(초당 30 프레임, 해상도 1290x960)로 화면을 읽는다. 레이저 마커⑹의 움직임은 머리⑴의 움직임을 반영하며, 3미터 정도의 화면⑷간 간격을 유지한다. 화면에 대한 머리⑴의 평형 움직임은 화면⑷의 레이저 마커⑹의 움직임 증대에 영향을 주지는 않지만, 머리⑴의 움직임은 복잡한 공간궤적을 지니며 1도 정도의 머리⑴의 미세한 움직임은 화면⑷ 상 레이저 마커⑹의 52.3mm의 움직임을 가져온다. 그리고 이는 웹 카메라⑸의 신호 처리 시 지속적으로 기록된다. 이러한 방법으로 컴퓨터에 접속된 웹 카메라⑸는 미세 움직임 (micromovement)에서 거대 움직임 (macromovement)으로 전환되는 머리⑴의 미세움직임에 관한 정보를 전달한다. 레이저 포인터(2) 움직임과 머리(1) 움직임 주파수와 진폭을 분석하는 컴퓨터는 레이저 포인터 헬멧(3)을 쓴 대상의 감정상태를 계산해 준다. 프로그램 분석에 따라 레이저 포인터(2)가 장착된 헬멧⑶을 쓴 머리⑴ 움직임 주파수와 인간의 감정상태 수준을 평가하게 해준다. 머리⑴ 움직임 시 레이저 마커⑹의 움직임 구도는 그림 1에 도시되어 있다.
공간 및 시간 분포 정보통계 매개변수 차원에서 인간 머리의 움직임은 웹 카메라나 CCTV 의 최대 프레임 레이트 (frame rate) 상태로 맞추면 초당 10 프레임 단위로 정해지는 레이저 포인트 움직임의 평균 주파수로 측정된다. 이러한 매개변수는 인간의 감정적인 흥분이나 불안감을 잘 반영하고, 행동에 대한 흥분이나 불안감 수준으로 특징지을 수 있다.
이러한 활용 실례는 다양한데, 커패시턴스 혹은 자기센서와 같이 헬멧에 센서를 장착하여 머리 움직임을 관찰하는 접촉식 결정법을 들 수 있다. 다른 관련 사례는, 웹 카메라 혹은 CCTV 의 도움으로 인간의 머리 미세움직임을 접촉식 그리고 비 접촉식(대상에 센서장착 없이)으로 관찰하는 것이다. 웹 카메라 또는 CCTV의 프로세싱 레이트(processing rate)에 따라 (0.1-1-10) 초의 3가지 다른 시간 동안에 축적된 진폭과 주파수 바이브라이미지의 평균값 측정을 통해, 영상신호가 감정상태의 진폭 및 주파수 바이브라이미지 화로 변환되는 과정으로 진행된다. 모든 개별 매개변수는 특정 시간 동안 특징적인 인간의 상태와 반응을 반영하고, 실례로 질문과 자극에 대한 거짓말 탐지 시와 같은 상황에서 질문과 자극에 대한 인간의 반응 분석에 적용될 수 있다.
도 2는 작업 이행 후 바이브라이미지 주파수 분포 히스토그램이다. 본 히스토그램은 상대적으로 주파수분포(예: 3Hz)의 높은 평균치와 상대적으로 인간의 평온한 평균통계치 주파수 분포를 보이는 특징을 가진다.
본 발명자가 채택하는 바이브라이미지 7.3 시스템을 통하여 10가지 종류의 감정을 측정한 감정상태 측정표는 다음과 같다.
매개변수 M S NMin cMin NMax cMax
공격성 61.6 2.763 20.000 55.534 50.000 70.063
스트레스 19.0 1.409 20.000 16.474 40.000 22.442
불안감 13.6 4.601 15.000 6.339 40.000 36.681
위험(P19) 31.9 1.645 20.000 29.050 50.000 38.715
평온함 59.6 3.366 50.000 51.428 100.000 69.262
카리스마 84.4 1.171 40.000 82.064 100.000 87.225
에너지 42.3 2.677 10.000 36.390 50.000 47.586
자기조절 71.9 1.721 50.000 67.710 100.000 77.286
억제 25.7 4.050 10.000 19.020 25.000 39.420
신경증적 40.5 9.500 10.000 0.000 50.000 55.521
M- 측정 기간 동안 매개변수 평균 중간치
S- 측정 기간 동안 매개변수 분포
Nmin- 매개변수 최저 통계 한계치
Nmax- 매개변수 최대 통계 한계치
cMin 과 cMax- 측정 기간 동안 매개변수 최소 및 최대치
측정 결과, 불안감과 스트레스 수준이 하락했고(일반인 통계기준과 비교시), 공격성 혹은 활동성 수준은 높아졌으며 이러한 감정상태 측정은 작업이행 시 필수적이다. 본 발명자가 제안한 감정상태 측정 시스템에 있어서 모든 감정상태는 0과 1, 혹은 0 과 100% 사이 대에서 측정된다. 이러한 접근방법은 다양한 조건에서 다양한 사람들의 감정상태를 비교할 수 있게끔 해준다.
다음의 실례는 바이브라이미지 획득 및 10초 동안 혹은 50프레임 처리 시 바이브라이미지 주파수 히스토그램 구성을 포함한 인간의 공격성을 결정짓는 바이브라이미지 정보 매개변수 통계치를 찾아내는 방법을 보여준다. 만약 바이브라이미지가 대상의 움직임 에너지에 대해 공간ㆍ시간적 분포를 동시에 나타낼 경우,
주파수 히스토그램 획득을 위해 특정 시간 동안 동일 진동 주파수를 가진 요인의 픽셀수(화소수)가 총 집계된다. 따라서 히스토그램은 진동 주파수의 공간적 분포에 관한 정보를 배제시킨다. 이러한 공간정보의 외견상 손실은 움직임에 대한 더 많은 정보를 제공하는 데, 움직임의 생리학 측면에서 봤을 때 움직임이 에너지를 반영해 주기 때문에 얼굴의 미세표정과는 다르다. 그래서 머리의 어느 부위에서 어떤 움직임이 실행되는 지는 그다지 중요하지 않다.
주파수 히스토그램의 구성은 이하의 내용에 따라 결정된다.
Fm- 주파수 분포 히스토그램의 최대 주파수
Fi- 50프레임 시간당 획득한 주파수 분포 히스토그램에서의 i 주파수 집계 수
Fin- 바이브라이미지 처리 주파수
n- 50 프레임에서의 한계치보다 높은 프레임간 차의 집계 수
본 발명에서는, 기존의 공격성 수준(aggression level)을 결정짓는 기존의 접근법과는 다른 두 가지 주요 요인을 고려한 새로운 공식이 제시된다. 두 가지 주요 요인은, 움직임의 특징적인 분포를 가장 잘 보여주는 평균 진동 주파수 Fm 혹은 인간의 미세 진동의 편차, 그리고 평균제곱편차 (RMS: Root Mean Square) 이다. 이렇듯 공격적인 사람은 머리 미세움직임의 높은 주파수 및 머리 부위의 다양한 점이 움직임에 있어서 확산 폭이 크다. 다른 공식 상관계수는 0에서 1까지의 수치에 대한 공격성 상관계수를 보여준다.
Figure 112013037388759-pct00033
이러한 등식은 모든 이들의 공격성 수준을 결정하게 해주는데, 자연히 낮은 공격성 상태는 0에 가까운 수준을 보이며, 높은 공격성 상태에 있는 사람의 경우 1에 근접한 수치를 보인다. 잠재적으로 위험한 이들을 밝혀내기 위한 바이브라이미지 시스템의 보안 시스템 활용시 공격적인 이들을 밝혀내기 위한 한계치는 0.75를 사용한다. 바이브라이미지 7.3 프로그램의 왼쪽 구석부위(평균 히스토그램)에는 조작자의 비주얼 컨트롤을 위해 주파수 히스토그램과 제시된 공식에 따라 계산된 공격성 수준 치가 계속해서 나타나며, 개별 파일 형태로 프로그램에 보관되는 주파수 히스토그램은 그림 2에 도시되어 있다.
다음은 바이브라이미지 획득 및 공격성 수준을 결정짓는 의미 있는 바이브라이미지 정보 매개변수를 통계적으로 찾아내는 것이다. 이는 무엇보다 진폭 및 주파수 바이브라이미지에 대한 진동대칭 매개변수를 결정한다.
Figure 112013037388759-pct00034
- 대상의 왼쪽 부위 “I” 열 바이브라이미지 총 진폭
Figure 112013037388759-pct00035
- 대상의 오른쪽 부위 “I” 열 바이브라이미지 총 진폭
Figure 112013037388759-pct00036
-
Figure 112013037388759-pct00037
으로 부터
Figure 112013037388759-pct00038
간의 최대값
Figure 112013037388759-pct00039
- 대상의 왼쪽 부위 “I” 열 바이브라이미지 최대주파수
Figure 112013037388759-pct00040
- 대상의 오른쪽 부위 “I” 열 바이브라이미지 최대주파수
Figure 112013037388759-pct00041
-
Figure 112013037388759-pct00042
으로 부터
Figure 112013037388759-pct00043
간의 최대값
n - 대상이 차지하는 열 수
본 발명은 기존의 접근 방법과는 달리 공격성 수준을 결정하는 새로운 접근 방법으로서 인간의 머리부위를 스캔한 모든 개별적인 열에 대한 움직임 진폭 및 주파수 대칭을 고려한 새로운 공식을 제시한다.
공격성 수준이 최대치인 사람의 경우, 20초간 진폭 및 주파수 바이브라이미지를 처리하기 위한 진동 및 미세움직임에 있어서 최대 대칭의 특성을 보인다. 동시에 스트레스와 불안감은 낮은 수준을 보인다(도 3).
Figure 112013037388759-pct00044
이전에 제시한 정보통계 매개변수와 유사하게 제시된 공식은 0에서 1까지 불안감 수준을 측정하게 해준다. 또한 최소 수준의 불안감은 최소 측정치에 부합하고, 불안감 수준이 높은 사람은 스트레스 수치가 1에 근접하게 나타난다.
다음은 바이브라이미지 획득 및 불안감 수준(anxiety level)을 결정짓는 의미 있는 바이브라이미지 정보 매개변수를 통계적으로 찾아내는 것이다. 이는 무엇보다 진폭 및 주파수 바이브라이미지의 활동 신호 주파수 스펙트럼 구성과 관련이 있다. 불안감 수준을 결정짓는 기존의 접근방법과는 다르게, 본 발명은 높은 불안감은 낮은 주파수 스펙트럼 밀도보다, 오히려 움직임이 높은 주파수 스펙트럼 밀도를 증대시킨다는 사실을 고려한 새로운 공식을 제시한다.
Figure 112013037388759-pct00045

Tn - 불안감 수준
Pi(f) - 바이브라이미지 주파수 분포 스펙트럼
fmax - 바이브라이미지 주파수 분포에 있어서 최대 주파수
이전에 제시한 정보통계 매개변수와 유사한 제시된 공식은 0에서 1까지 불안감 수준을 측정하게 해준다. 또한 최소 수준의 불안감은 최소 측정치에 부합하고, 불안감 수준이 높은 이는 스트레스 수치가 1에 근접하게 나타난다. 바이브라이미지의 신호 주파수 확산 스펙트럼은 조작자 혹은 시스템 활용자가 이를 제어할 수 있도록 화면에 나타난다.
또 다른 실례는 바이브라이미지 획득 및 사람들간 화합(compatibility) 수준을 결정짓는 바이브라이미지의 통계적으로 의미 있는 정보적 매개변수를 찾는 것이다. 이는 각 개별 주파수의 바이브라이미지 히스토그램 구성으로 이루어진다. 화합 수준(compatibility level)을 결정짓는 공식으로서 아래의 식이 제시된다. 이는 두 대상간의 주파수 분포 바이브라이미지 히스토그램들이 계산되고, 두 히스토그램 사이의 중첩도, 정상 분포를 이루는 인접분포의 표준화가 계산되며, 인접분포와 정상분포 사이의 차가 계산되는 과정을 거쳐 얻어진다.
Figure 112013037388759-pct00046

여기서 K는 인접 주파수 분포로부터 얻어진 표준화 계수이며 y'는 정상분포 밀도이다.
Figure 112013037388759-pct00047
이전에 제시된 매개변수와 유사하게 제안된 공식은 0에서 1까지의 화합가능성 수준을 측정한다. 또한 최소 측정치는 최소 화합가능성에 부합하며, 양측의 높은 수준의 화합 가능성 측정치는 1에 근접하게 나타난다.
다음은 바이브라이미지 획득 및 인간의 거짓말 수준을 결정짓는 바이브라이미지의 통계적으로 의미 있는 정보 매개변수를 찾는 것이다. 이는 무엇보다 상호간 최소한의 연관성을 가진 바이브라이미지 매개변수 최대량의 일시적인 의존성 획득과 관련이 있다. 그림 3은 각 시간대에(0.1~1~10초) 인간의 머리 움직임에 관한 정보 축적을 이용한 바이브라이미지 주요 매개변수(A1, F3, F6, S2, P2)의 일시적인 의존성과 인간의 정신생리학 상태의 총체적인 변화를 반영하는 통합 매개변수(P5)를 나타낸다. 예를 들어, 3분간의 질문 시간 동안 언어적인 거짓을 결정짓는다는 것이다. 그래프의 일측 수직선은 질문 시작을, 타측 수직선은 대답의 끝을 의미한다. 그림 3의 아래쪽 그래프는 (P5매개변수) 질문에 대한 모든 실험대상자의 대답시 정신생리학적 매개변수 변화 수준을 보여주는 것이다. 이러한 그래프를 통해 알 수 있는 것은 실험 대상자가 질문에 대답할 때 가장 큰 반응을 보였다는 사실이다. 대답시 거짓말 수준 결정은, 실험 대상자가 비교 및 관련 질문에 대답할 때의 정신생리학 매개변수의 변화반응을 비교분석하는 방법에 따라 이루어진다.
본 발명은 거짓말탐지와 관련해 기존의 정신생리학적 접근법과는 차이가 있는 새로운 공식을 제시한다. 본 공식에서 거짓은, 지정된 시간에 관련된 바이브라이미지 매개변수의 중요한 변화에 따라 결정된다. 제시된 공식은 언어 및 비언어적 거짓(verbal or no verbal lie) 여부를 정하게 해준다. 기본적으로 시간 차원에서의 언어적 거짓 결정은 실험 대상자의 대답 시작까지의 시간을 활용하는데, 비언어적인 거짓 분석의 경우 한 기간의 시간과 또 다른 기간의 시간 동안 측정된 매개변수들을 상호 비교하여 이루어진다.
거짓말 여부 결정시 활용되는 정신생리학적 상태의 변화 수준(L)은 다음의 공식으로 계산된다.
Figure 112013037388759-pct00048
PM - 지정된 한계치보다 더 많은 기회가 주어질 경우의 매개변수
Pc - 거짓말 탐지 동안에 측정되는 바이브라이미지 매개변수
K - 상기 PM 의 유효계수
n - 측정된 매개변수의 수
m - 한계치 이상으로 변화된 매개변수 수
이전에 제시된 매개변수와 유사하게, 제시된 공식은 0에서 1까지의 거짓말 수준을 측정하게 해준다. 또한 최소 수준의 거짓에는 최소 측정치가 부합되는데, 거짓의 최고수준은 1에 근접한 측정치를 가진다.
본 발명은 상기 제시된 인간의 감정 및 정신생리학적 상태 측정 실례에 한해서만 활용되는 것은 아니다. 참고로 인간의 상태특성은 다양한 분류 시스템에 따라 200개가 넘게 분류되어 있다. 무엇보다 본 발명은 머리의 미세움직임 매개변수와 /혹은 머리의 바이브라이미지 매개변수를 통해 인간의 모든 상태를 묘사하게 해준다. 심리학에서 움직임에 관한 전통적인 개념이 신빙성 있는 통계 매개변수를 이용한 인간 머리의 반사 미세움직임으로 전환되는 것은 불명확한 원칙이라 생각할 수 있다. 하지만 제시된 접근법을 바탕으로 기술정보 시스템과 유사하게 인간의 상태를 결정지을 수 있으며, 인간 상태를 특징짓기 위한 정보 매개변수를 활용할 수 있다.
머리의 반사적인 미세움직임의 양적 분석은 인간의 정신생리학적 상태 측정을 더욱 객관ㆍ과학적으로 가능하게 해주며, 의학ㆍ심리학ㆍ정신의학적, 그리고 일상생활에서의 많은 문제들을 해결할 수 있게 해준다. 공격성, 스트레스, 불안감, 잠재적 위험성 수준에 따른 공항 내 승객들의 정신감정 상태의 양적 평가 및 개발된 시스템과 관련한 독립적인 실험을 통해, 본 발명이 전문가들의 전문 평가에 긍정적(90%이상)으로 부합한다는 사실을 알 수 있었다. 이는 본 발명의 실질적인 실현 가능성을 확인해주는 것이다.
1 : 머리 2 : 레이저 포인터 3 : 헬멧
4 : 화면 5 : 웹 카메라 6 : 레이저 마커

Claims (7)

  1. 생물체 머리의 미세움직임에 관한 신호를 측정하는 단계;
    상기 생물체 머리의 공간적 시간적 움직임 분포에 대한 정량 변수를 정보통계 매개변수로 변환하는 신호처리단계;
    상기 정보통계 매개변수를 조정된 정량 특성으로 변환하여 생물체의 정신생리학적 상태에 관한 정보를 획득하는 단계;를 포함하여 이루어지며,
    상기 생물체 머리 미세움직임 신호 측정에서는, 생물체 머리의 진폭 및 주파수 바이브라이미지를 획득하는 한편,
    공격성 수준 데이터를 획득하기 위하여, 주파수 분포 히스토그램이 계산되고 아래의 바이브라이미지의 정보통계 매개변수가 측정되며, 공격성 수준은 아래 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 하는 생물체의 정신생리학적 상태에 관한 정보 획득 방법.

    Fm - 주파수 분포 히스토그램의 최대 주파수
    Fi - N프레임 시간 동안 획득한 주파수 분포 히스토그램에서의 “I” 주파수 집계량
    Fin - 바이브라이미지 처리 주파수
    n - N 프레임 한계치를 넘어서는 프레임간 차의 집계량
    Figure 112014105620700-pct00049

  2. 삭제
  3. 삭제
  4. 생물체 머리의 미세움직임에 관한 신호를 측정하는 단계;
    상기 생물체 머리의 공간적 시간적 움직임 분포에 대한 정량 변수를 정보통계 매개변수로 변환하는 신호처리단계;
    상기 정보통계 매개변수를 조정된 정량 특성으로 변환하여 생물체의 정신생리학적 상태에 관한 정보를 획득하는 단계;를 포함하여 이루어지며,
    상기 생물체 머리 미세움직임 신호 측정에서는, 생물체 머리의 진폭 및 주파수 바이브라이미지를 획득하는 한편,
    대상의 스트레스 수준 데이터를 획득하기 위하여, 아래의 바이브라이미지의 정보통계 매개변수가 측정되며, 스트레스 수준은 아래의 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 하는 생물체의 정신생리학적 상태에 관한 정보 획득 방법.
    Figure 112014105620700-pct00050
    - 대상의 왼쪽 부위 “I”열 바이브라이미지 총 진폭
    Figure 112014105620700-pct00051
    - 대상의 오른쪽 부위 “I”열 바이브라이미지 총 진폭
    Figure 112014105620700-pct00052
    -
    Figure 112014105620700-pct00053
    에서
    Figure 112014105620700-pct00054
    간의 최대값
    Figure 112014105620700-pct00055
    - 대상의 왼쪽 부위 “I”열 바이브라이미지 최대주파수
    Figure 112014105620700-pct00056
    - 대상의 오른쪽 부위 “I”열 바이브라이미지 최대주파수
    Figure 112014105620700-pct00057
    -
    Figure 112014105620700-pct00058
    에서
    Figure 112014105620700-pct00059
    간의 최대값
    n - 대상이 차지하는 열 수
    Figure 112014105620700-pct00060

  5. 생물체 머리의 미세움직임에 관한 신호를 측정하는 단계;
    상기 생물체 머리의 공간적 시간적 움직임 분포에 대한 정량 변수를 정보통계 매개변수로 변환하는 신호처리단계;
    상기 정보통계 매개변수를 조정된 정량 특성으로 변환하여 생물체의 정신생리학적 상태에 관한 정보를 획득하는 단계;를 포함하여 이루어지며,
    상기 생물체 머리 미세움직임 신호 측정에서는, 생물체 머리의 진폭 및 주파수 바이브라이미지를 획득하는 한편,
    대상의 불안감 수준 데이터를 획득하기 위하여, 아래의 바이브라이미지의 정보통계 매개변수가 측정되며, 불안감 수준은 아래의 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 하는 생물체의 정신생리학적 상태에 관한 정보 획득 방법.
    Pi (f) - 바이브라이미지 주파수 분포 스펙트럼
    fmax - 바이브라이미지 주파수 분포에 있어서 최대 주파수

    Figure 112014105620700-pct00061

  6. 생물체 머리의 미세움직임에 관한 신호를 측정하는 단계;
    상기 생물체 머리의 공간적 시간적 움직임 분포에 대한 정량 변수를 정보통계 매개변수로 변환하는 신호처리단계;
    상기 정보통계 매개변수를 조정된 정량 특성으로 변환하여 생물체의 정신생리학적 상태에 관한 정보를 획득하는 단계;를 포함하여 이루어지며,
    상기 생물체 머리 미세움직임 신호 측정에서는, 생물체 머리의 진폭 및 주파수 바이브라이미지를 획득하는 한편,
    생물체의 다른 대상과의 화합 수준 데이터를 획득하기 위하여, 두 대상간의 주파수 분포 바이브라이미지 히스토그램들이 계산되고, 두 히스토그램 사이의 중첩도, 정상 분포를 이루는 인접분포의 표준화가 계산되며, 인접분포와 정상분포 사이의 차가 계산되는 한편 화합수준은 아래의 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 하는 생물체의 정신생리학적 상태에 관한 정보 획득 방법.

    Figure 112014105620700-pct00062


    여기서 K는 인접 주파수 분포로부터 얻어진 표준화 계수이며 y'는 정상분포 밀도이다.
    Figure 112014105620700-pct00063

  7. 생물체 머리의 미세움직임에 관한 신호를 측정하는 단계;
    상기 생물체 머리의 공간적 시간적 움직임 분포에 대한 정량 변수를 정보통계 매개변수로 변환하는 신호처리단계;
    상기 정보통계 매개변수를 조정된 정량 특성으로 변환하여 생물체의 정신생리학적 상태에 관한 정보를 획득하는 단계;를 포함하여 이루어지며,
    상기 생물체 머리 미세움직임 신호 측정에서는, 생물체 머리의 진폭 및 주파수 바이브라이미지를 획득하는 한편,
    거짓말 탐지 수준 데이터를 획득하기 위하여, 아래의 바이브라이미지 정보통계 매개변수가 측정되고, 거짓말 수준은 아래의 식에 의해 정해지는 단계가 더 포함되는 것을 특징으로 하는 생물체의 정신생리학적 상태에 관한 정보 획득 방법.

    PM - 지정된 한계치보다 더 많은 기회가 주어질 경우의 매개변수
    Pc - 거짓말 탐지 동안에 측정되는 바이브라이미지 매개변수
    K - 상기 PM 의 유효계수
    n - 측정된 매개변수의 수
    m - 한계치 이상으로 변화된 매개변수 수

    Figure 112014105620700-pct00064

KR1020137010907A 2010-10-28 2010-10-28 생물체의 정신생리학적 상태에 관한 정보 획득방법 KR101500888B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/RU2010/000652 WO2012057646A1 (ru) 2010-10-28 2010-10-28 Способ получения информации о психофизиологическом состоянии живого объекта

Publications (2)

Publication Number Publication Date
KR20140041382A KR20140041382A (ko) 2014-04-04
KR101500888B1 true KR101500888B1 (ko) 2015-04-01

Family

ID=45994147

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020137010907A KR101500888B1 (ko) 2010-10-28 2010-10-28 생물체의 정신생리학적 상태에 관한 정보 획득방법

Country Status (2)

Country Link
KR (1) KR101500888B1 (ko)
WO (1) WO2012057646A1 (ko)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101536348B1 (ko) * 2014-03-31 2015-07-14 주식회사 바이브라시스템 동영상 기반 생리 신호를 이용한 졸음 검출 방법 및 장치
KR101739058B1 (ko) * 2014-04-24 2017-05-25 주식회사 바이브라시스템 동영상 기반 생리 신호 검출을 이용한 왜곡에 대한 정신생리적 탐지 (거짓말 탐지) 방법 및 장치
RU2629247C2 (ru) * 2015-03-31 2017-08-28 Общество С Ограниченной Ответственностью "Многопрофильное Предприятие "Элсис" Способ получения информации о психофизиологическом состоянии человека
KR102198294B1 (ko) * 2018-08-28 2021-01-05 (주)마인드아이 비접촉 영상 시스템을 이용한 뇌피로 평가 방법 및 장치
WO2020087494A1 (zh) * 2018-11-02 2020-05-07 金湘范 视频采集情感生成方法
CN109992925A (zh) * 2019-04-23 2019-07-09 北方工业大学 基于客流消散率的信息服务频率区间确定方法
CN112932485A (zh) * 2021-01-03 2021-06-11 金纪高科智能科技(北京)有限公司 一种非接触式谈话置信率测试***及方法
CN113505604B (zh) * 2021-07-16 2023-04-18 牡丹江医学院 一种用于心理学教育的在线辅助实验方法、装置及设备
CN116311510B (zh) * 2023-03-08 2024-05-31 广东兆邦智能科技股份有限公司 一种基于图像采集的情绪检测方法及***

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008289645A (ja) 2007-05-24 2008-12-04 Shimadzu Corp モーショントラッカ装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3473464D1 (en) * 1983-08-29 1988-09-22 Firestone Tire & Rubber Co Improved process for preparing free flowing polymer pellets
RU2119295C1 (ru) * 1996-05-15 1998-09-27 Государственное предприятие конструкторское бюро "СПЕЦВУЗАВТОМАТИКА" Стабиллоплатформа для измерения параметров микродвижений биологической ткани объекта и способ ее изготовления
RU2289310C2 (ru) * 2004-02-16 2006-12-20 Многопрофильное предприятие ООО "Элсис" Способ получения информации о психофизиологическом состоянии живого объекта

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008289645A (ja) 2007-05-24 2008-12-04 Shimadzu Corp モーショントラッカ装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문, Minkin V. Vibroizobrazhenie, Sankt - Peterburg, SPb.: Renome, (2007) *

Also Published As

Publication number Publication date
KR20140041382A (ko) 2014-04-04
WO2012057646A1 (ru) 2012-05-03

Similar Documents

Publication Publication Date Title
KR101500888B1 (ko) 생물체의 정신생리학적 상태에 관한 정보 획득방법
CN107809951B (zh) 利用基于视频检测出生理信号的对扭曲的心理生理探测(测谎)方法和装置
Susskind et al. Expressing fear enhances sensory acquisition
KR101535432B1 (ko) 콘텐츠 평가 시스템 및 이를 이용한 콘텐츠 평가 방법
De Sousa et al. Understanding deficits in empathy after traumatic brain injury: The role of affective responsivity
CN110650685B (zh) 评估人的心理生理状态的方法
JP6863563B2 (ja) ストレス評価システム
Mohammadi et al. Sleep posture classification using a convolutional neural network
US20160029965A1 (en) Artifact as a feature in neuro diagnostics
Cho et al. Physiological and affective computing through thermal imaging: A survey
Mitsuhashi et al. Video-based stress level measurement using imaging photoplethysmography
CN115517681A (zh) Md患者情绪波动监测和情感障碍状态评估的方法和***
Chang et al. Drowsiness detection system based on PERCLOS and facial physiological signal
Walsh et al. Identification of nocturnal movements during sleep using the non-contact under mattress bed sensor
Shu et al. Non-contact measurement of human respiration using an infrared thermal camera and the deep learning method
Kaur et al. Remote stress detection using a visible spectrum camera
Sánchez-Navarro et al. Psychophysiological, behavioral, and cognitive indices of the emotional response: A factor-analytic study
RU2510238C2 (ru) Способ получения информации о психофизиологическом состоянии живого объекта
KR101753834B1 (ko) 진동 이미지 기술을 이용하여 감성을 분류하는 방법
Kuo et al. An EOG-based automatic sleep scoring system and its related application in sleep environmental control
Gilakjani et al. Long-term sleep assessment by unobtrusive pressure sensor arrays
Su et al. An Automatic Sleep Arousal Detection Method by Enhancing U-Net with Spatial-channel Attention
Ren et al. Dynamics of blink and non-blink cyclicity for affective assessment: A case study for stress identification
Clifford et al. Out of Touch: From audio recordings to phone apps to mattress sensors, noncontact systems offer a less cumbersome way to monitor sleep
KR102198294B1 (ko) 비접촉 영상 시스템을 이용한 뇌피로 평가 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee