KR102190759B1 - System and mehtod for monitering emergency situation - Google Patents

System and mehtod for monitering emergency situation Download PDF

Info

Publication number
KR102190759B1
KR102190759B1 KR1020190016226A KR20190016226A KR102190759B1 KR 102190759 B1 KR102190759 B1 KR 102190759B1 KR 1020190016226 A KR1020190016226 A KR 1020190016226A KR 20190016226 A KR20190016226 A KR 20190016226A KR 102190759 B1 KR102190759 B1 KR 102190759B1
Authority
KR
South Korea
Prior art keywords
subject
signal
unit
bio
waveform
Prior art date
Application number
KR1020190016226A
Other languages
Korean (ko)
Other versions
KR20200098289A (en
Inventor
이재용
Original Assignee
이재용
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 이재용 filed Critical 이재용
Priority to KR1020190016226A priority Critical patent/KR102190759B1/en
Publication of KR20200098289A publication Critical patent/KR20200098289A/en
Application granted granted Critical
Publication of KR102190759B1 publication Critical patent/KR102190759B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/0423—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting deviation from an expected pattern of behaviour or schedule
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0469—Presence detectors to detect unsafe condition, e.g. infrared sensor, microphone
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/016—Personal emergency signalling and security systems

Abstract

본 발명은 모니터링 시스템을 개시한다. 보다 상세하게는, 본 발명은 보호나 관리가 필요한 대상자에 대하여 실시간으로 현재 위치를 파악하며 신체정보를 실시간으로 모니터링하여, 긴급상황 발생시 즉시 조치를 취할 수 있도록 하는 긴급상황 모니터링 시스템 및 방법에 관한 것이다.
본 발명의 실시예에 따르면, 대상자가 소지한 사용자 단말을 통해 모니터링 대상자의 현재위치와, 맥박수 및 심전도를 포함하는 생체신호를 측정 및 전송받아 실시간으로 긴급상황 여부를 판단하고, 긴급상황으로 판단시 경고를 발령하고 해당 대상자의 위치정보를 제공함으로써 보다 신속하게 대상자에 대한 구조 조치를 취할 수 있다.The present invention discloses a monitoring system. More specifically, the present invention relates to an emergency monitoring system and method for identifying the current location of a subject in need of protection or management in real time and monitoring body information in real time, so that immediate action can be taken when an emergency occurs. .
According to an embodiment of the present invention, the current position of the subject to be monitored, the biosignal including the pulse rate and the electrocardiogram are measured and transmitted through a user terminal possessed by the subject to determine whether there is an emergency situation in real time, and when it is determined as an emergency situation By issuing a warning and providing the location information of the subject, it is possible to take rescue measures for the subject more quickly.

Description

긴급상황 모니터링 시스템 및 방법{SYSTEM AND MEHTOD FOR MONITERING EMERGENCY SITUATION}Emergency monitoring system and method{SYSTEM AND MEHTOD FOR MONITERING EMERGENCY SITUATION}

본 발명은 모니터링 시스템에 관한 것으로, 보호나 관리가 필요한 대상자에 대하여 실시간으로 현재위치를 파악하며 생체정보를 실시간으로 모니터링함으로써 긴급상황 발생시 즉시 조치를 취할 수 있도록 하는 긴급상황 모니터링 시스템 및 방법에 관한 것이다.The present invention relates to a monitoring system, and relates to an emergency monitoring system and method for identifying a current location of a subject in need of protection or management in real time and monitoring biometric information in real time to take immediate action in the event of an emergency. .

현재, 급속한 고령화의 진입으로 인한 노인 인구의 증가, 맞벌이 세대의 증가, 핵가족화에 따른 지인간 물리적 거리 증가 및 사회복지시설의 부족 등의 이유로 긴급상황 발생시에 이를 의료기관에 신고하거나 직접적인 응급 처치가 신속하게 이루어져야 함에도 불구하고 그러한 시스템이 구축되어 있지 않다.Currently, when an emergency occurs due to the increase of the elderly population due to the rapid entry of the aging population, the increase of double-income households, the increase in physical distance between acquaintances due to the nuclear familyization, and the lack of social welfare facilities, it is reported to a medical institution or direct emergency treatment is promptly provided. Even though it must be done properly, such a system has not been established.

특히, 거동이 불편하고 주변의 보호와 관리가 필요한 노인의 수는 지속적으로 증가하고 있는 반면, 이러한 문제를 해결하기 위한 수단은 그 대상자의 증가속도를 따라 잡지 못하고 있는 실정이다.In particular, while the number of elderly people who are uncomfortable and need to protect and manage their surroundings is constantly increasing, the means to solve this problem is not catching up with the increasing rate of the subject.

전술한 문제를 해결하기 위해 다양한 형태의 모니터링 시스템이 제안되었으나, 현재 상용화된 모니터링 시스템은 대상자가 소정의 호출수단을 항상 소지하여야 하고 긴급상황 발생시 대상자가 직접 긴급 호출벨을 누르거나 휴대폰과 같은 사용자 단말기를 이용하여 긴급 상황임을 알려야 하는 한계가 있다.Various types of monitoring systems have been proposed to solve the above problems, but the currently commercialized monitoring system requires that the target person always has a predetermined calling means, and when an emergency occurs, the target person directly presses the emergency call bell or a user terminal such as a mobile phone. There is a limit to notifying that it is an emergency situation by using.

또한, 모니터링 대상자가 고령의 노인이고, 호출수단으로서 휴대폰과 같은 사용자 단말기를 이용하는 경우 조작법이 어려운 직접 휴대폰에 설치된 애플리케이션을 직접 실행시키고 현재 위치 및 상황을 상황실측에 알려 주어야 함에 따라 그 실효성이 낮다는 문제가 있다.In addition, if the subject of monitoring is an elderly senior citizen and a user terminal such as a mobile phone is used as a calling means, the effectiveness of the application is low, as the application installed on the mobile phone, which is difficult to operate, must be directly executed and the current location and situation must be informed to the situational survey. there is a problem.

공개특허공보 제10-2012-0129398호(공개일자: 2012.11.28.)Unexamined Patent Publication No. 10-2012-0129398 (Publication date: 2012.11.28.)

본 발명은 전술한 문제점을 해결하기 위해 안출된 것으로, 본 발명은 보호나 관리가 필요한 대상자에 대하여 실시간으로 현재 위치를 파악하는 동시에 그의 생체신호를 실시간으로 모니터링 서버에 제공함으로써 긴급상황 발생시 현장으로 신속하게 출동할 수 있도록 하는 시스템을 제공하는 데 과제가 있다.The present invention was conceived to solve the above-described problem, and the present invention provides a real-time monitoring server for a person who needs to be protected or managed, and provides their bio-signals to the monitoring server, thereby promptly returning to the site in case of an emergency. There is a challenge in providing a system that allows them to be dispatched in a friendly manner.

또한, 본 발명은 사용자 단말로부터 제공되는 모니터링 대상자의 생체신호에 기초하여 이벤트 발생여부를 판단하되, 일정기간 누적 수집된 생체신호를 이용한 기계학습을 통해 이벤트 발생여부를 보다 정확하게 판단 및 예측할 수 있는 시스템을 제공하는 데 다른 과제가 있다.In addition, the present invention is a system capable of determining whether an event occurs based on a biosignal of a subject to be monitored provided from a user terminal, but more accurately determining and predicting whether an event has occurred through machine learning using biosignals accumulated for a certain period of time. There are other challenges in providing it.

전술한 과제를 해결하기 위해, 본 발명의 실시예에 따른 긴급상황 모니터링 시스템은, 원격지에 위치한 하나 이상의 대상자를 모니터링하는 모니터링 서버를 포함하는 시스템으로서 상기 모니터링 서버는 대상자가 소지한 사용자 단말과 정보통신망을 통해 연결되어 실시간으로 상기 대상자에 대한 감지정보를 수집하는 정보 수집부, 상기 감지정보에 포함된 하나 이상의 생체신호를 추출하는 데이터 추출부, 기계학습 모델이 저장된 학습 데이터 베이스, 상기 생체신호를 파형화하고, 상기 학습 데이터 베이스에 저장된 기계학습 모델을 이용하여 상기 생체신호에 따른 이벤트 발생여부를 판단하는 생체신호 분석부 및 이벤트 발생시, 상기 대상자에 대한 긴급상황으로서 경고신호를 출력하는 경고 발생부를 포함할 수 있다.In order to solve the above-described problem, the emergency monitoring system according to an embodiment of the present invention is a system including a monitoring server that monitors one or more subjects located in a remote location, wherein the monitoring server includes a user terminal and an information communication network possessed by the subject. An information collection unit that is connected through and collects sensing information about the subject in real time, a data extraction unit that extracts one or more bio signals included in the detection information, a learning database in which a machine learning model is stored, and a waveform of the bio signals And a biosignal analysis unit that determines whether an event occurs according to the biosignal using a machine learning model stored in the learning database, and a warning generation unit that outputs a warning signal as an emergency situation for the subject when an event occurs. can do.

상기 생체신호는, 상기 대상자의 맥박수, 혈압, 산소 포화도 및 심전도 중, 하나 이상을 포함할 수 있다.The biosignal may include at least one of the subject's pulse rate, blood pressure, oxygen saturation, and electrocardiogram.

상기 생체신호 분석부는, 상기 맥박수, 혈압, 산소 포화도 또는 심전도를 이미지 형태로 파형화 및 단위시간으로 구획하는 파형 생성부, 구획된 파형별 너비 및 높이 또는 수치값을 배열에 저장하는 정규화부 및 학습 모델에 따라 정규화된 배열값이 이벤트에 해당하는 판단하는 딥러닝 실행부를 포함할 수 있다.The bio-signal analysis unit may include a waveform generator that converts the pulse rate, blood pressure, oxygen saturation or electrocardiogram into an image form and divides it into a unit time, a normalization unit that stores the width and height or numerical value of each divided waveform in an array, and learning A deep learning execution unit that determines that the normalized array value according to the model corresponds to an event may be included.

상기 생체신호는 상기 대상자에 의해 입력된 현재상황 정보를 더 포함하고, 상기 딥러닝 실행부는, 상기 현재상황 정보에 따라 상기 이벤트 발생여부의 판단을 보류할 수 있다.The biosignal may further include current situation information input by the subject, and the deep learning execution unit may suspend determination of whether the event has occurred according to the current situation information.

상기 딥러닝 실행부는, 상기 이벤트 발생여부의 판단 이후, 상기 정규화된 배열값을 상기 대상자의 개인화 기계학습 모델의 학습 데이터로 입력할 수 있다.After determining whether the event has occurred, the deep learning execution unit may input the normalized array value as training data of the personalized machine learning model of the subject.

상기 사용자 단말은, 상기 대상자에 대한 생체신호를 실시간으로 생성 및 출력하는 하나 이상의 측정기기와 연동하여 측정결과를 수신하는 연동부, 상기 측정결과에서 모니터링에 요구되는 생체신호를 추출하는 신호 추출부, 상기 생체신호를 포함하는 상기 감지정보를 생성하는 감지정보 생성부 및 정보통신망을 통해 상기 모니터링 서버와 연결되어 상기 감지정보를 실시간으로 전송하는 통신부를 포함할 수 있다.The user terminal includes an interworking unit for receiving a measurement result by interlocking with at least one measurement device that generates and outputs a bio-signal for the subject in real time, a signal extracting unit for extracting a bio-signal required for monitoring from the measurement result, A sensing information generating unit generating the sensing information including the biometric signal and a communication unit connected to the monitoring server through an information communication network to transmit the sensing information in real time.

상기 사용자 단말은, GPS 위성으로부터 GPS 신호를 수신하는 GPS 수신부 및 상기 GPS 신호에 대응하여 현재 사용자 단말의 위치좌표를 생성하는 좌표 생성부를 포함하고, 상기 감지정보 생성부는, 상기 감지정보에 상기 위치좌표를 삽입할 수 있다.The user terminal includes a GPS receiver that receives a GPS signal from a GPS satellite and a coordinate generator that generates a location coordinate of the current user terminal in response to the GPS signal, and the detection information generator includes the location coordinate in the detection information. Can be inserted.

상기 데이터 추출부는 상기 감지정보로부터 상기 위치좌표를 더 추출하고, 상기 모니터링 서버는, 상기 위치좌표를 분석하여 해당 대상자의 현재위치를 판단하는 위치 분석부, 상기 대상자의 판단된 현재위치를 전자지도상에 매핑하여 상기 경고 발생부에 제공하는 지도 매핑부 및 상기 전자지도가 저장되는 지도 데이터 베이스를 포함할 수 있다.The data extraction unit further extracts the location coordinates from the sensing information, and the monitoring server analyzes the location coordinates to determine the current location of the subject, and the determined current location of the subject is displayed on an electronic map. And a map mapping unit that is mapped to and provided to the warning generating unit and a map database in which the electronic map is stored.

또한, 전술한 과제를 해결하기 위해, 본 발명의 다른 양태에 따른 긴급상황 모니터링 방법은, 원격지에 위치한 하나 이상의 대상자를 모니터링하는 모니터링 서버에 의한 긴급상황 모니터링 방법으로서, 정보통신망을 통해 연결된 사용자 단말로부터 대상자에 대한 감지정보를 실시간으로 송신 및 수집하는 단계, 상기 감지정보에 포함된 하나 이상의 생체신호를 추출하는 단계, 상기 생체신호를 파형화하고, 학습 데이터 베이스에 저장된 기계학습 모델에 대응하여 상기 생체신호에 따른 이벤트 발생여부를 판단하는 단계 및 이벤트 발생시, 상기 대상자에 대한 긴급상황으로서 경고신호를 출력하는 단계를 포함할 수 있다.In addition, in order to solve the above-described problem, an emergency monitoring method according to another aspect of the present invention is an emergency monitoring method by a monitoring server that monitors one or more targets located in a remote location, from a user terminal connected through an information communication network. Transmitting and collecting sensing information on a subject in real time, extracting one or more biological signals included in the sensing information, converting the biological signal into a waveform, and responding to a machine learning model stored in a learning database. It may include determining whether an event occurs according to a signal, and outputting a warning signal as an emergency situation for the target when the event occurs.

상기 생체신호를 파형화하고, 학습 데이터 베이스에 저장된 기계학습 모델을 이용하여 파형의 특징을 도출하여 이벤트 발생여부를 판단하는 단계는, 상기 생체신호에 포함된 맥박수, 혈압, 산소 포화도 및 심전도 중, 하나 이상을 이미지 형태로 파형화 및 단위시간으로 구획하는 단계, 구획된 파형별 너비 및 높이를 배열에 저장하는 단계 및 학습 모델에 따라, 정규화된 배열값이 이벤트 발생에 해당하는지를 판단하는 단계를 포함할 수 있다.The step of determining whether an event occurs by converting the bio-signal into a waveform and deriving a characteristic of the waveform using a machine learning model stored in a learning database includes among the pulse rate, blood pressure, oxygen saturation and electrocardiogram included in the bio-signal, Including the step of forming one or more waveforms in the form of an image and partitioning them by unit time, storing the width and height of each partitioned waveform in an array, and determining whether a normalized array value corresponds to an event occurrence according to a learning model. can do.

상기 생체신호는 상기 대상자에 의해 입력된 현재상황 정보를 더 포함하고, 상기 학습 모델에 따라, 정규화된 배열값이 이벤트 발생에 해당하는지를 판단하는 단계 이후, 상기 현재상황 정보에 따라 상기 이벤트 발생여부의 판단을 보류하는 단계를 더 포함할 수 있다.The biosignal further includes current situation information input by the subject, and after the step of determining whether a normalized array value corresponds to an event occurrence according to the learning model, whether or not the event occurs according to the current situation information It may further include the step of withholding the determination.

상기 정규화된 배열값을 학습 모델의 배열값과 비교하여 이벤트 발생여부를 판단하는 단계 이후, 상기 정규화된 배열값을 상기 대상자의 개인화 기계학습 모델의 학습 데이터로 입력하는 단계를 더 포함할 수 있다.After the step of determining whether an event occurs by comparing the normalized array value with the array value of the learning model, the step of inputting the normalized array value as training data of the personalized machine learning model of the subject may be further included.

본 발명의 실시예에 따르면, 대상자가 소지한 사용자 단말을 통해 모니터링 대상자의 현재위치와, 맥박수, 혈압, 산소 포화도 또는 심전도를 포함하는 생체신호를 측정 및 전송받아 실시간으로 긴급상황 여부를 판단하고, 긴급상황으로 판단시 경고를 발령하고 해당 대상자의 위치정보를 제공함으로써 보다 신속하게 대상자에 대한 구조 조치를 취할 수 있는 효과가 있다.According to an embodiment of the present invention, through a user terminal possessed by the subject, the current position of the subject to be monitored and the biosignal including pulse rate, blood pressure, oxygen saturation, or electrocardiogram are measured and transmitted to determine whether there is an emergency situation in real time, When it is judged as an emergency, it has the effect of issuing a warning and providing the location information of the target person, thereby enabling quicker rescue measures for the target person.

또한, 본 발명의 실시예에 따르면 사용자 단말이 제공하는 생체신호에 기초하여 이벤트 발생여부를 판단하되, 기계학습을 통해 보다 정확하게 긴급상황여부를 판단함과 아울러 누적 수집되는 대상자의 생체정보를 개인화 및 기계학습에 반영함으로써 보다 정확한 판단 및 예측결과를 제공할 수 있는 효과가 있다.In addition, according to an embodiment of the present invention, the occurrence of an event is determined based on the biometric signal provided by the user terminal, and the biometric information of the subject who is accumulated and collected is personalized and By reflecting in machine learning, there is an effect that can provide more accurate judgment and prediction results.

도 1은 본 발명의 실시예에 따른 긴급상황 모니터링 시스템의 전체 구조를 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 긴급상황 모니터링 시스템의 사용자 단말의 구조를 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 긴급상황 모니터링 시스템의 모니터링 서버의 구조를 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 긴급상황 모니터링 시스템의 생체신호 분석부의 구조를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 긴급상황 모니터링 방법을 나타낸 도면이다.
도 6은 본 발명의 실시예에 따른 긴급상황 모니터링 시스템에 의한 생체신호에 대한 이미지 파형을 예시한 도면이다.
도 7은 본 발명의 실시예에 따른 기계학습 모델에 의한 학습결과를 예시한 도면이다.1 is a view showing the overall structure of an emergency monitoring system according to an embodiment of the present invention.
2 is a diagram showing the structure of a user terminal of an emergency monitoring system according to an embodiment of the present invention.
3 is a diagram showing the structure of a monitoring server of an emergency monitoring system according to an embodiment of the present invention.
4 is a diagram showing a structure of a biosignal analysis unit of an emergency monitoring system according to an embodiment of the present invention.
5 is a diagram illustrating an emergency situation monitoring method according to an embodiment of the present invention.
6 is a diagram illustrating an image waveform for a bio-signal by an emergency monitoring system according to an embodiment of the present invention.
7 is a diagram illustrating a learning result by a machine learning model according to an embodiment of the present invention.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.The terms used in the present specification will be briefly described, and the present invention will be described in detail.

본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.The terms used in the present invention have been selected from general terms that are currently widely used while considering functions in the present invention, but this may vary depending on the intention or precedent of a technician working in the field, the emergence of new technologies, and the like. In addition, in certain cases, there are terms arbitrarily selected by the applicant, and in this case, the meaning of the terms will be described in detail in the description of the corresponding invention. Therefore, the terms used in the present invention should be defined based on the meaning of the term and the overall contents of the present invention, not a simple name of the term.

또한, 본 명세서 전체에서 어떤 부분이 어떤 구성요소를 "구비" 또는 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.In addition, when a part of the present specification says that a certain component is "equipped" or "included", it does not exclude other components, but may further include other components unless otherwise stated. Means that.

본 명세서에서 "실시예"라는 용어는 예시, 사례 또는 도해의 역할을 하는 것을 의미하나, 발명의 대상은 그러한 예에 의해 제한되지 않는다. 그리고, "포함하는", "구비하는" 및 "갖는" 등의 다른 유사한 용어가 사용되고 있으나, 청구범위에서 사용되는 경우 임의의 추가적인 또는 다른 구성요소를 배제하지 않는 개방적인 전환어(Transition Word)로서 "포함하는(Comprising)"이라는 용어와 유사한 방식으로 포괄적으로 사용된다.In the present specification, the term "example" means serving as an illustration, example, or illustration, but the subject matter of the invention is not limited by such an example. And, other similar terms such as "comprising", "having" and "having" are used, but when used in the claims, as an open transition word that does not exclude any additional or other elements It is used generically in a manner analogous to the term "comprising".

또한, 본 명세서의 전반에 걸쳐 기재된 "...부(Unit)", "...단말(Terminal)", "...서버(Server)" 및 "...시스템(System)" 등의 용어는 하나 또는 둘 이상의 기능이 조합된 동작을 처리하는 단위를 의미하며, 이는 하드웨어, 소프트웨어 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.In addition, such as "... unit", "... terminal", "... server" and "... system" described throughout the specification. The term refers to a unit that processes an operation in which one or more functions are combined, and this may be implemented in hardware, software, or a combination of hardware and software.

본 명세서에 설명된 다양한 기법은 하드웨어 또는 소프트웨어와 함께 구현될 수 있거나, 적합한 경우에 이들 모두의 조합과 함께 구현될 수 있다. 본 명세서에 사용된 바와 같은 "부", "단말", "서버" 및 "시스템" 등의 용어는 마찬가지로 컴퓨터 관련 엔티티(Entity), 즉 하드웨어, 하드웨어 및 소프트웨어의 조합, 소프트웨어 또는 실행 시의 소프트웨어와 등가로 취급할 수 있다.The various techniques described herein may be implemented with hardware or software, or, where appropriate, with a combination of both. Terms such as "unit", "terminal", "server" and "system" as used herein are likewise a computer-related entity, that is, a combination of hardware, hardware and software, software or software at the time of execution and Can be treated as equivalent.

또한, 본 발명에서 사용자 단말 및 서버에서 실행되는 프로그램은 "부" 단위로 구성될 수 있고, 읽기, 쓰기 및 지우기가 가능한 형태로 하나의 물리적 메모리에 기록되거나, 둘 이상의 메모리 또는 기록매체 사이에 분산되어 기록될 수 있다.In addition, in the present invention, programs executed in the user terminal and the server may be configured in a "unit" unit, and are recorded in one physical memory in a form capable of reading, writing, and erasing, or distributed between two or more memories or recording media. Can be recorded.

이하, 도면을 참조하여 본 발명의 실시예에 따른 긴급상황 모니터링 시스템 및 방법을 설명한다.Hereinafter, an emergency monitoring system and method according to an embodiment of the present invention will be described with reference to the drawings.

도 1은 본 발명의 실시예에 따른 긴급상황 모니터링 시스템의 전체 구조를 나타낸 도면이다.1 is a view showing the overall structure of an emergency monitoring system according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 긴급상황 모니터링 시스템은 하나 이상의 모니터링 대상자가 소지한 사용자 단말(100), 그 사용자 단말(100) 정보통신망을 통해 연결되어 실시간으로 대상자의 생체정보를 수신 및 분석하여 긴급상황 발생여부를 판단하는 모니터링 서버(200) 및 긴급상황 발생시 모니터링 서버(200)가 출력하는 경고 알림을 수신하는 대상자의 관련된 보호자가 소지한 보호자 단말(300)을 포함할 수 있다. Referring to FIG. 1, the emergency monitoring system of the present invention is connected to a user terminal 100 possessed by one or more monitoring targets through an information communication network to receive and analyze the subject's biometric information in real time. It may include a monitoring server 200 for determining whether an emergency occurs, and a guardian terminal 300 possessed by a guardian related to a target who receives a warning notification output by the monitoring server 200 when an emergency occurs.

사용자 단말(100)은 대상자가 소지한 스마트폰과 같은 모바일 단말기로서, GPS 위성(10)으로부터 송출되는 GPS 신호를 수신하여 위치좌표를 판단하고, 대상자가 소지 또는 착용하여 생체신호를 측정하는 측정기기(20)와 연동하여 그 생체정보를 수신하여 모니터링 서버(200)에 실시간으로 전송할 수 있다.The user terminal 100 is a mobile terminal such as a smartphone possessed by a target, and a measuring device that receives a GPS signal transmitted from the GPS satellite 10 to determine the location coordinates, and measures a biosignal by the subject possessing or wearing it. In conjunction with (20), the biometric information may be received and transmitted to the monitoring server 200 in real time.

이를 위해, 사용자 단말(100)은 측정기기(20)와의 페어링을 수행하고, 실시간 송출되는 생체신호를 수신하여 분석에 필요한 신호와 상기의 위치좌표를 포함하여 감지신호를 생성하고 모니터링 서버(200)에 전송하는 전용 어플리케이션이 설치 및 실행될 수 있다.To this end, the user terminal 100 performs pairing with the measuring device 20, receives a bio-signal transmitted in real time, generates a detection signal including a signal necessary for analysis and the position coordinates above, and the monitoring server 200 A dedicated application that is transmitted to can be installed and executed.

이러한 사용자 단말(100)로는, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(smartphone), 스마트 패드(smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치 및 거치형PC, 노트북과 같은 컴퓨팅 장치가 이용될 수 있다.Such user terminals 100 include Personal Communication System (PCS), Global System for Mobile Communications (GSM), Personal Digital Cellular (PDC), Personal Handyphone System (PHS), Personal Digital Assistant (PDA), International Mobile Telecommunication (IMT). )-2000, CDMA (Code Division Multiple Access)-2000, W-CDMA (W-Code Division Multiple Access), Wibro (Wireless Broadband Internet) terminal, smartphone, smartpad, tablet PC All kinds of handheld-based wireless communication devices such as PC) and the like and computing devices such as stationary PCs and notebook computers may be used.

모니터링 서버(200)는 정보통신망을 통해 하나 이상의 사용자 단말(100)과 연결되고, 사용자 단말(100)의 어플리케이션 프로그램의 실행에 따라 각 대상자의 생체정보를 실시간으로 수신 및 수집할 수 있다. 또한, 모니터링 서버(200)는 수집된 생체정보를 이용하여 기계학습 기법을 적용, 해당 대상자에 대한 급격한 생체변화 즉, 이벤트 발생여부를 판단하고 이벤트 발생시 긴급상황 발생으로 판단하고 경고신호를 발생할 수 있다. 이를 위해, 모니터링 서버(200)는 데이터 통신기능 이외에도 기계학습을 위한 모델을 제공하는 기능, 경고를 발생시키는 기능 및 대상자의 위치정보를 판단하는 기능 등을 구현할 수 있다.The monitoring server 200 is connected to one or more user terminals 100 through an information communication network, and may receive and collect biometric information of each subject in real time according to the execution of an application program of the user terminal 100. In addition, the monitoring server 200 may apply a machine learning technique using the collected biometric information, determine whether an event has occurred, that is, a sudden change in biometrics for the subject, and determine the occurrence of an emergency when an event occurs, and generate a warning signal. . To this end, in addition to a data communication function, the monitoring server 200 may implement a function of providing a model for machine learning, a function of generating a warning, a function of determining the location information of a subject, and the like.

이러한 모니터링 서버(200)로는 다수의 사용자 단말(100)로부터 실시간으로 전송 및 수집되는 데이터를 지연없이 정확하게 처리하기 위한 고성능의 마이크로 프로세서, 대용량 메모리 및 대용량 저장소가 탑재되는 서버 장치가 이용될 수 있다.As the monitoring server 200, a server device equipped with a high-performance microprocessor, a large-capacity memory, and a large-capacity storage for accurately processing data transmitted and collected from a plurality of user terminals 100 in real time without delay may be used.

전술한 기능을 구현하기 위한 모니터링 서버(200)의 구조에 대한 상세한 설명은 후술한다.A detailed description of the structure of the monitoring server 200 for implementing the above-described functions will be described later.

또한, 본 발명의 실시예에 따른 긴급상황 모니터링 시스템은 사용자 단말(100)과는 구분되는 보호자 단말(300)을 더 포함할 수 있다.In addition, the emergency monitoring system according to an embodiment of the present invention may further include a guardian terminal 300 that is separate from the user terminal 100.

보호자 단말(300)은 본 발명의 긴급상황 모니터링 시스템에 등록된 모니터링 대상자의 가족 등의 보호자가 소지한 단말기로서, 연관된 대상자에게 긴급상황이 발생한 경우 모니터링 서버(200)로부터 경고신호를 수신할 수 있다. 이러한 경고신호는 전용 어플리케이션 프로그램뿐만 아니라, 공지의 SMS, MMS 메시지 형태로 제공될 수 있고, 구체적 이벤트 발생 상황과 현재 대상자의 위치를 텍스트 형태로 표시할 수 있다.The guardian terminal 300 is a terminal possessed by a guardian, such as a family member of a monitoring target registered in the emergency monitoring system of the present invention, and may receive a warning signal from the monitoring server 200 when an emergency situation occurs in a related target person. . This warning signal may be provided in the form of not only a dedicated application program, but also a known SMS or MMS message, and a specific event occurrence situation and the current location of the subject may be displayed in text form.

보호자는 단말을 통해 구조대와 더불어 긴급상황에 대한 경고신호를 수신함으로써, 대상자에 현재 상태를 즉시 파악하고 구조 등 필요한 조치를 취할 수 있게 된다.By receiving a warning signal for an emergency situation with the rescue team through the terminal, the guardian can immediately grasp the current status of the target person and take necessary measures such as rescue.

또한, 전술한 경고신호는 소방청 등 협약된 구조기관에 전달되며, 현재 대상자의 위치에 따라 최인접한 119 구조대, 경찰서 등 구조기관 서버(400)에 즉시 전송될 수 있다.In addition, the above-described warning signal is transmitted to the contracted rescue organization such as the Fire Service Agency, and may be immediately transmitted to the nearest rescue organization server 400, such as 119 rescue teams and police stations, according to the current location of the target person.

전술한 구조에 따라, 본 발명의 실시예에 따른 긴급상황 모니터링 시스템은 원격지에 위치한 하나 이상의 모니터링 대상자에 대한 긴급상황 발생여부를 판단 및 경고신호를 제공함으로써 신속히 인명구조가 이루어질 수 있도록 한다.According to the above-described structure, the emergency monitoring system according to an embodiment of the present invention determines whether an emergency situation has occurred and provides a warning signal to one or more monitored persons located in a remote location, so that lifesaving can be achieved quickly.

이하, 도면을 참조하여 본 발명의 실시예에 따른 전용 어플리케이션 프로그램이 설치되는 사용자 단말의 구조를 상세히 설명한다.Hereinafter, a structure of a user terminal in which a dedicated application program according to an embodiment of the present invention is installed will be described in detail with reference to the drawings.

도 2는 본 발명의 실시예에 따른 긴급상황 모니터링 시스템의 사용자 단말의 구조를 나타낸 도면이다. 이하의 설명에서 사용자 단말(100)을 구성하는 각 구성부들은 사용자 단말(100)에 탑재되는 마이크로프로세서에 의해 실행 가능한 컴퓨터 프로그램의 형태로 구현될 수 있고, 읽기 및 쓰기가 가능한 기록매체에 기록되어 사용자 단말(100)에 탑재될 수 있다.2 is a diagram showing the structure of a user terminal of an emergency monitoring system according to an embodiment of the present invention. In the following description, each of the components constituting the user terminal 100 may be implemented in the form of a computer program executable by a microprocessor mounted on the user terminal 100, and recorded on a recording medium capable of reading and writing. It may be mounted on the user terminal 100.

도 2를 참조하면, 본 발명의 실시예에 따른 사용자 단말(100)은 대상자에 대한 생체신호를 실시간으로 생성 및 출력하는 하나 이상의 측정기기(20)와 연동하여 측정결과를 수신하는 연동부(110), 측정결과에서 모니터링에 요구되는 생체신호를 추출하는 신호 추출부(120), 생체신호를 포함하는 감지정보를 생성하는 감지정보 생성부(130), 정보통신망을 통해 상기 모니터링 서버와 연결되어 상기 감지정보를 실시간으로 전송하는 통신부(140), GPS 위성으로부터 GPS 신호를 수신하는 GPS 수신부(150) 및 GPS 신호에 대응하여 현재 사용자 단말(100)의 위치좌표를 생성하는 좌표 생성부(160)를 포함할 수 있다.Referring to FIG. 2, a user terminal 100 according to an embodiment of the present invention interlocks with at least one measuring device 20 that generates and outputs a bio-signal for a subject in real time, and receives a measurement result. ), a signal extraction unit 120 for extracting a bio-signal required for monitoring from the measurement result, a detection information generation unit 130 for generating detection information including a bio-signal, and the monitoring server through an information communication network. A communication unit 140 for transmitting sensing information in real time, a GPS receiving unit 150 for receiving a GPS signal from a GPS satellite, and a coordinate generating unit 160 for generating the position coordinates of the current user terminal 100 in response to the GPS signal. Can include.

연동부(110)는 대상자 소지 또는 착용한 측정기기(20)와 근거리 무선통신 방식으로 연동하여 데이터를 수신할 수 있다. 이러한 연동부(110)는 블루투스 또는 WiFi 프로토콜로 측정기기(20)와 페어링할 수 있고, 측정기기(20)가 실시간으로 측정한 대상자의 생체신호를 수신할 수 있다.The linking unit 110 may receive data by interlocking with the measuring device 20 carried or worn by the subject through a short-range wireless communication method. The interworking unit 110 may be paired with the measuring device 20 through a Bluetooth or WiFi protocol, and may receive a biosignal of a subject measured by the measuring device 20 in real time.

신호 추출부(120)는 연동부(110)가 수신한 생체신호에서 모니터링 서버에 전송할 하나 이상의 생체정보를 추출할 수 있다.The signal extracting unit 120 may extract one or more biometric information to be transmitted to the monitoring server from the biosignal received by the linking unit 110.

여기서, 측정기기(20)는 공지의 웨어러블 기가 활용될 수 있고, 이에 의해 측정되는 생체신호로는 맥박수, 혈압, 산소 포화도 및 심전도와 그외의 기타 체온 등 기타 다양한 형태의 생체와 관련된 신호가 포함될 수 있고, 신호 추출부(120)는 기계학습이 용이하고 생체 분석이 용이한 일정 주파수의 생체신호 만을 추출하게 된다.Here, the measuring device 20 may use a known wearable device, and the biological signals measured by this may include signals related to various types of living bodies such as pulse rate, blood pressure, oxygen saturation, electrocardiogram, and other body temperature. In addition, the signal extraction unit 120 extracts only a biosignal of a predetermined frequency for which machine learning is easy and bioanalysis is easy.

감지정보 생성부(130)는 신호 추출부(120)에 의해 추출된 생체신호를 포함하되, 모니터링 서버가 데이터를 수집 및 분석하기 용이하도록 대상자의 계정 등을 삽입하여 감지정보를 생성할 수 있다.The detection information generation unit 130 may generate the detection information by including the biosignal extracted by the signal extraction unit 120, and inserting an account of the target person so that the monitoring server can collect and analyze data easily.

통신부(140)는 생성된 감지신호를 데이터 통신을 위한 패킷형태로 변환하여 정보통신망을 통해 모니터링 서버(200)에 전송할 수 있다.The communication unit 140 may convert the generated detection signal into a packet format for data communication and transmit it to the monitoring server 200 through an information communication network.

한편, 본 발명의 실시예에 따른 사용자 단말(100)은 전술한 구성 이외에도 보다 효율적인 구조활동을 지원하기 위한 유용한 정보를 더 제공하는 구성을 더 포함할 수 있다.Meanwhile, the user terminal 100 according to an embodiment of the present invention may further include a configuration that further provides useful information for supporting more efficient rescue activities in addition to the above configuration.

상세하게는, GPS 수신부(150)는 GPS 위성으로부터 송출되는 GPS 신호를 실시간으로 수신할 수 있다. 이러한 GPS 수신부(150)는 공지된 GPS 모듈이 이용될 수 있다.In detail, the GPS receiver 150 may receive a GPS signal transmitted from a GPS satellite in real time. As the GPS receiver 150, a known GPS module may be used.

좌표 생성부(160)는 수신한 GPS 신호를 판별하여 현재 사용자 단말의 위치좌표를 생성할 수 있다. 이러한 위치좌표는 감지정보 생성부(130)에 의해 감지정보에 삽입되어 모니터링 서버(200)에 제공됨에 따라, 긴급상황 발생시 경고신호에 포함됨으로써 구조대가 해당 대상자의 현재위치를 보다 신속하게 파악하는 데 활용되게 된다.The coordinate generator 160 may determine the received GPS signal and generate the location coordinates of the current user terminal. As such location coordinates are inserted into the detection information by the detection information generation unit 130 and provided to the monitoring server 200, it is included in the warning signal when an emergency occurs, so that the rescue team can more quickly determine the current location of the target person. Will be utilized.

전술한 구조에 따라, 본 발명의 실시예에 따른 사용자 단말은 이를 소지한 대상자의 현재 생체신호를 실시간으로 모니터링 서버에 전송함으로써 모니터링 서버가 긴급상황 발생여부를 즉시 판단할 수 있도록 한다. According to the above-described structure, the user terminal according to the embodiment of the present invention transmits the current biosignal of the subject carrying it to the monitoring server in real time so that the monitoring server can immediately determine whether an emergency situation has occurred.

이하, 도면을 참조하여 본 발명의 실시예에 따른 긴급상황 모니터링 시스템의 모니터링 서버를 상세히 설명한다Hereinafter, a monitoring server of an emergency monitoring system according to an embodiment of the present invention will be described in detail with reference to the drawings.

도 3은 본 발명의 실시예에 따른 긴급상황 모니터링 시스템의 모니터링 서버의 구조를 나타낸 도면이다.3 is a diagram showing the structure of a monitoring server of an emergency monitoring system according to an embodiment of the present invention.

도 3을 참조하면, 본 발명의 모니터링 서버(200)는 대상자가 소지한 사용자 단말과 정보통신망을 통해 연결되어 실시간으로 대상자에 대한 감지정보를 수집하는 정보 수집부(210), 감지정보에 포함된 하나 이상의 생체신호를 추출하는 데이터 추출부(220), 생체신호를 파형화 또는 수치화(numeric)하고, 학습 데이터 베이스(240)에 저장된 기계학습 모델을 이용하여 이벤트 발생여부를 판단하는 생체신호 분석부(230), 기계학습 모델이 저장된 학습 데이터 베이스(240), 이벤트 발생시, 대상자에 대한 긴급상황으로서 경고신호를 출력하는 경고 발생부(250), 위치좌표를 분석하여 해당 대상자의 현재위치를 판단하는 위치 분석부(260), 대상자의 판단된 현재위치를 전자지도상에 매핑하여 경고 발생부(250)에 제공하는 지도 매핑부(270) 및 전자지도가 저장되는 지도 데이터 베이스(280)를 포함할 수 있다.3, the monitoring server 200 of the present invention is connected to a user terminal possessed by a subject through an information communication network, and an information collection unit 210 that collects sensing information on a subject in real time, included in the sensing information. A data extraction unit 220 that extracts one or more bio-signals, a bio-signal analysis unit that waveformizes or quantifies the bio-signals, and determines whether an event has occurred using a machine learning model stored in the learning database 240 (230), a learning database (240) in which the machine learning model is stored, an alert generator (250) that outputs a warning signal as an emergency situation for the target when an event occurs, and determines the current location of the target by analyzing the location coordinates. A location analysis unit 260, a map mapping unit 270 that maps the determined current location of the target person on an electronic map and provides it to the warning generation unit 250, and a map database 280 in which the electronic map is stored. I can.

정보 수집부(210)는 전용 어플리케이션 프로그램이 설치된 사용자 단말(100)과 연계되고, 정보통신망을 통해 사용자 단말(100)로부터 실시간으로 대상자에 대한 감지정보를 수신할 수 있다. 수신된 감지정보는 해당 대상자의 계정에 따라 분류 및 수집될 수 있다.The information collection unit 210 may be linked with the user terminal 100 in which a dedicated application program is installed, and may receive sensing information on the target person in real time from the user terminal 100 through an information communication network. The received detection information may be classified and collected according to the account of the subject.

데이터 추출부(220)는 대상자 계정별로 수집된 감지정보에서 분석에 필요한 생체신호를 추출할 수 있다. 설계자의 의도에 따라 감지정보에는 대상자의 생체신호 및 기타 사용자 단말(100)에 대한 여러 데이터가 포함될 수 있고, 데이터 추출부(220)는 이중 분석에 필요한 생체신호를 추출하여 생체신호 분석부(230)에 전달할 수 있다.The data extraction unit 220 may extract a bio-signal required for analysis from the sensing information collected for each subject account. Depending on the intention of the designer, the sensing information may include a subject's biosignal and other data about the user terminal 100, and the data extraction unit 220 extracts a biosignal required for double analysis, and the biosignal analysis unit 230 ).

생체신호 분석부(230)는 추출된 생체신호를 기계학습 기법에 기반하여 분석하여 이벤트 발생유무를 판단할 수 있다.The biosignal analysis unit 230 may analyze the extracted biosignal based on a machine learning technique to determine whether an event has occurred.

본 발명의 실시예에 따른 긴급상황 모니터링 시스템은 정상상태의 생체신호와 달리 대상자에게 발생한 신체이상에 따른 생체신호를 감지하고 이에 따라 정상상태와는 상이한 이벤트 발생여부를 판단함으로써 긴급상황을 판단하는 것을 특징으로 하며, 이에 생체신호 분석부(230)는 기 설정된 기계학습 모델에 실시간으로 수집되는 생체신호를 적용하여 정상 또는 비정상 여부, 즉 이벤트 발생여부를 판단할 수 있다.The emergency monitoring system according to an embodiment of the present invention detects a bio-signal according to a physical abnormality generated to a subject, unlike the bio-signal in a normal state, and determines whether an event different from the normal state occurs accordingly. Accordingly, the biosignal analysis unit 230 may determine whether an event is normal or abnormal by applying a biosignal collected in real time to a preset machine learning model.

즉, 생체신호 분석부(230)는 생체신호를 파형화 및 정규화 과정을 거쳐 이벤트 여부를 판단하게 되며, 이를 위한 생체신호 분석부(230)의 구성에 대한 상세한 설명은 후술한다.That is, the biosignal analysis unit 230 determines whether an event exists through a process of waveformizing and normalizing the biosignal, and a detailed description of the configuration of the biosignal analysis unit 230 for this will be described later.

학습 데이터 베이스(240)는 기계학습 모델이 저장되어 생체신호 분석부(230)의 이벤트 여부 판단시 이용되도록 한다.The learning database 240 stores the machine learning model to be used when the biosignal analysis unit 230 determines whether an event has occurred.

특히, 학습 데이터 베이스(240)는 기계학습 모델을 위한 다수의 학습데이터가 저장될 수 있으며, 지속적으로 갱신됨에 따라 그 판단결과의 정확도를 높일 수 있다.In particular, the learning database 240 may store a plurality of learning data for a machine learning model, and as it is continuously updated, the accuracy of the determination result can be improved.

경고 발생부(250)는 생체신호 분석부(230)의 이벤트 판단결과에 따라, 이벤트 발생시 해당 대상자에 대한 경고신호를 생성할 수 있다. 경고신호는 모니터링 서버(200)와 연계된 각 지역의 구조기관, 119 구조대 등에 전송되어 즉시 출동할 수 있도록 하며, 또한 그 대상자에 대한 보호자가 등록되어 있는 경우 보호자 단말에도 경고신호를 전송함으로써 보호자 또한 적절한 조치를 취할 수 있도록 한다. The warning generator 250 may generate a warning signal for a corresponding target when an event occurs according to a result of the event determination by the biosignal analysis unit 230. The warning signal is transmitted to rescue agencies and 119 rescue teams in each region linked to the monitoring server 200 so that they can be dispatched immediately. In addition, when a guardian for the target person is registered, a warning signal is also transmitted to the guardian's terminal. Make sure you take appropriate action.

한편, 본 발명의 실시예에 따른 모니터링 서버(200)는 이벤트 발생시 해당 대상자의 현재 위치를 분석 및 그 정보를 경고신호를 통해 구조대 등에 알리는 기능을 더 포함할 수 있고, 이를 위한 구성부로서 위치 분석부(260)를 더 포함할 수 있고, 데이터 추출부(220)가 사용자 단말(100)로부터 전송된 감지정보에 포함된 위치좌표를 추출하면, 위치 분석부(260)는 그 위치좌표에 기초하여 대상자의 현재 위치를 판단할 수 있다.On the other hand, the monitoring server 200 according to an embodiment of the present invention may further include a function of analyzing the current location of the subject when an event occurs and notifying the information to the rescue team through a warning signal, and location analysis as a component for this A unit 260 may be further included, and when the data extraction unit 220 extracts the location coordinates included in the detection information transmitted from the user terminal 100, the location analysis unit 260 is based on the location coordinates. The subject's current location can be determined.

또한, 지도 매핑부(270)는 위치 분석부(260)에 의해 판단된 대상자의 현재위치를 전자지도 상에 매핑할 수 있다. 이는 경고신호를 수신한 구조대 또는 보호자가 직관적으로 대상자의 위치를 파악하도록 하기 위함이다.Also, the map mapping unit 270 may map the current location of the subject determined by the location analysis unit 260 on the electronic map. This is to allow the rescue team or guardian who received the warning signal to intuitively identify the target's location.

지도 데이터 베이스(280)는 대상자의 현재위치 매핑을 위한 전자지도를 저장할 수 있다. 이러한 전자지도는 외부의 GIS 시스템과 연동되어 항상 최신버전이 유지되도록 설정될 수 있다.The map database 280 may store an electronic map for mapping the current location of the subject. Such an electronic map can be set so that the latest version is always maintained in connection with an external GIS system.

전술한 구조에 따라, 본 발명의 실시예에 따른 모니터링 서버는 생체신호에 기초하여 원격지의 대상자에 대한 모니터링을 수행 및 긴급상황 발생시의 조치를 취할 수 있도록 한다.According to the above-described structure, the monitoring server according to an embodiment of the present invention enables monitoring of a subject in a remote location based on a bio-signal and taking action in case of an emergency situation.

이하, 도면을 참조하여 본 발명의 실시예에 따른 긴급상황 모니터링 시스템의 기계학습 기법이 적용된 생체신호 분석부를 상세히 설명한다.Hereinafter, a biosignal analysis unit to which a machine learning technique of an emergency monitoring system according to an embodiment of the present invention is applied will be described in detail with reference to the drawings.

도 4는 본 발명의 실시예에 따른 긴급상황 모니터링 시스템의 생체신호 분석부의 구조를 나타낸 도면이다.4 is a diagram showing a structure of a biosignal analysis unit of an emergency monitoring system according to an embodiment of the present invention.

도 4를 참조하면, 본 발명의 모니터링 서버에 포함되는 생체신호 분석부(230)는 맥박수 및 심전도를 이미지 형태로 파형화 또는 수치화하고 단위시간으로 구획하는 파형 생성부(231), 구획된 파형별 너비 및 높이 또는 수치값을 배열에 저장하는 정규화부(235) 및 정규화된 배열값을 학습 모델의 배열값과 비교하여 이벤트 발생여부를 판단하는 딥러닝 실행부(238)를 포함할 수 있다.Referring to FIG. 4, the biosignal analysis unit 230 included in the monitoring server of the present invention is a waveform generator 231 that converts pulse rate and ECG into a waveform or numerically and divides the pulse rate into a unit time. It may include a normalization unit 235 for storing width and height or numerical values in an array, and a deep learning execution unit 238 for determining whether an event has occurred by comparing the normalized array value with the array value of the learning model.

파형 생성부(231)는 맥박수 및 심전도를 이미지 형태의 파형으로 표현할 수 있다. 일례로서, 심전도의 경우 그 파형은 크게 심실의 전기적 활성 및 심실의 기계적 수축을 나타내는 QRS파, QRS파를 기준으로 작은 반원 모양의 돌기인 P파 및 QRS파의 발생 이후 원만한 기울기의 둥근 둔턱형태의 T파로 구분될 수 있고, 파형 생성부는 심전도에 대한 신호를 전술한 3개의 파형으로 구분하고 이미지 형태로 표현할 수 있다.The waveform generator 231 may express the pulse rate and the electrocardiogram as a waveform in the form of an image. As an example, in the case of an electrocardiogram, the waveform is largely a QRS wave representing the electrical activity of the ventricle and mechanical contraction of the ventricle, a P wave, which is a small semicircular projection based on the QRS wave, and a round barrier with a smooth slope after the generation of the QRS wave. It may be classified as a T wave, and the waveform generator may divide the signal for the electrocardiogram into the three waveforms described above and express it in the form of an image.

또한, 파형 생성부(231)는 전술한 이미지 파형 또는 수치화된 신호를 단위시간별로 구분할 수 있다. 상기의 단위시간은 10초 내외로 설정될 수 있고, 생체신호 분석부(230)는 하나의 단위시간 동안 상기의 P파, QRS파 및 T파가 규칙적으로 나타나는지를 통해 현재 심전도가 정상상태인지를 판단하게 된다.In addition, the waveform generator 231 may classify the above-described image waveform or numerical signal by unit time. The unit time may be set within 10 seconds, and the biosignal analysis unit 230 determines whether the current electrocardiogram is in a normal state through whether the P wave, QRS wave, and T wave appear regularly during one unit time. Judge.

정규화부(235)는 이미지 파형에서 하나의 단위시간 즉, 한 템포(tempo)에서 이미지 파형의 너비 및 높이 또는 수치값에 대하여 그 값을 0 ~ 1 사이의 값으로 정규화한다.The normalization unit 235 normalizes the width and height or numerical values of the image waveform to a value between 0 and 1 at one unit time, that is, one tempo in the image waveform.

딥 러닝 실행부(248)는 학습 데이터 베이스(240)를 참조하여 기설정된 기계 학습 모델, 일례로서 다층 컨볼루션 신경망 모델로 딥러닝을 모델링할 수 있다. 여기서, 히든층의 활성화 함수로는 ReLu(Rectified Linear Unit), 출력층의 활성화 함수로는 sigmoid가 이용될 수 있다. 또한, 최적화 알고리즘에는 SGD 또는 Adam 이 이용될 수 있다. 또한, 수치값을 이용하는 경우 LSTM(Long short term memory) 모델이 이용될 수 있다.The deep learning execution unit 248 may model deep learning with a machine learning model set in advance, for example, a multilayer convolutional neural network model with reference to the training database 240. Here, ReLu (Rectified Linear Unit) may be used as the activation function of the hidden layer, and sigmoid may be used as the activation function of the output layer. Also, SGD or Adam may be used for the optimization algorithm. In addition, when using a numerical value, a long short term memory (LSTM) model can be used.

또한, 딥러닝 실행부(248)는, 현재상황 정보에 따라 상기 이벤트 발생여부의 판단을 보류할 수 있다. 이러한 기능은 대상자가 긴급상황은 아니나 평소와 다른 행동, 일례로서 일정시간 동안 운동을 행하는 경우 생체정보가 정상상태와 달라짐에 따라 이벤트가 발생한 것으로 오판하는 상황을 방지하기 위한 것으로, 대상자는 평소와 다른 예외상황에서 자신이 모바일 단말에 이러한 사항을 입력하여 현재상황 정보를 모니터링 서버 측에 제공하고, 딥러닝 실행부(248)는 이러한 현재상황 정보를 참조하여 이벤트 발생 판단을 보류할 수 있다.In addition, the deep learning execution unit 248 may withhold the determination of whether the event has occurred according to the current situation information. This function is to prevent a situation in which the subject is not in an emergency, but is in a different behavior than usual, for example, when the subject performs an exercise for a certain period of time, a situation in which an event is misjudged that an event has occurred as the biometric information differs from the normal state. In an exceptional situation, the user inputs such information to the mobile terminal to provide the current situation information to the monitoring server, and the deep learning execution unit 248 may refer to the current situation information to determinate the occurrence of an event.

전술한 구조에 따라, 본 발명의 실시예에 따른 긴급상황 모니터링 시스템의 생체신호 분석부는 기계학습을 통한 이벤트 발생 여부를 분석하게 된다.According to the above structure, the biosignal analysis unit of the emergency monitoring system according to an embodiment of the present invention analyzes whether an event occurs through machine learning.

이하, 도면을 참조하여 본 발명의 실시예에 따른 긴급상황 모니터링 방법을 설명한다. 이하의 설명에서 각 단계별 실행주체는 별도의 기재가 없더라도 본 발명의 실시예에 따른 모니터링 서버 및 이의 구성부가 된다.Hereinafter, a method of monitoring an emergency situation according to an embodiment of the present invention will be described with reference to the drawings. In the following description, the execution subject for each step becomes a monitoring server and a component thereof according to an embodiment of the present invention, even if there is no separate description.

도 5는 본 발명의 실시예에 따른 긴급상황 모니터링 방법을 나타낸 도면이다. 5 is a diagram illustrating an emergency situation monitoring method according to an embodiment of the present invention.

도 5를 참조하면, 본 발명의 긴급상황 모니터링 방법은 원격지에 위치한 하나 이상의 대상자를 모니터링하는 모니터링 서버에 의한 긴급상황 모니터링 방법으로서, 정보통신망을 통해 연결된 사용자 단말로부터 대상자에 대한 감지정보를 실시간으로 송신 및 수집하는 단계(S100), 감지정보에 포함된 하나 이상의 생체신호를 추출하는 단계(S110), 생체신호를 파형화하고 학습 데이터 베이스에 저장된 기계학습 모델을 이용하여 생체신호에 따른 이벤트 발생여부를 판단하는 단계(S120) 및 이벤트 발생시, 대상자에 대한 긴급상황으로서 경고신호를 출력하는 단계(S130)를 포함할 수 있다.5, the emergency monitoring method of the present invention is an emergency monitoring method by a monitoring server that monitors one or more targets located in a remote location, and transmits detection information on the target from a user terminal connected through an information and communication network in real time. And collecting (S100), extracting one or more bio-signals included in the sensing information (S110), waveformizing the bio-signals and using a machine learning model stored in the learning database to determine whether an event according to the bio-signals has occurred. It may include determining (S120) and, when an event occurs, outputting a warning signal as an emergency situation for the target (S130).

먼저, 정보통신망을 통해 연결된 사용자 단말로부터 대상자에 대한 감지정보를 실시간으로 송신 및 수집하는 단계(S100)에서는 모니터링 서버가 정보통신망을 통해 등록된 사용자 단말로부터 대상자의 생체신호를 포함하는 감지정보를 실시간으로 수신 및 수집하게 된다.First, in the step (S100) of transmitting and collecting detection information about a target from a user terminal connected through an information communication network in real time (S100), the monitoring server collects the detection information including the biometric signal of the target from the user terminal registered through the information communication network in real time. It is received and collected.

다음으로, 감지정보에 포함된 하나 이상의 생체신호를 추출하는 단계(S110) 는, 모니터링 서버가 수집된 감지정보에서 맥박수 및 심전도를 포함하는 생체신호를 이벤트 발생여부를 확인하기 위한 데이터로서 추출하는 단계이다.Next, the step of extracting one or more bio-signals included in the detection information (S110) is a step of extracting, by the monitoring server, a bio-signal including a pulse rate and an electrocardiogram from the collected detection information as data for confirming whether an event has occurred. to be.

이어서, 모니터링 서버는 기계학습 모델을 이용하여 상기 생체신호가 이벤트 발생에 해당하는지 혹은 그렇지 않은지를 판단하게 되며, 이러한 단계로서 생체신호를 파형화하고, 학습 데이터 베이스에 저장된 기계학습 모델을 이용하여 생체신호에 따른 이벤트 발생여부를 판단하는 단계(S120)에서는 생체신호에 포함된 맥박수, 혈압, 산소 포화도 및 심전도 중, 하나 이상을 이미지 형태로 파형화 또는 수치화한 후 단위시간으로 구획하고, 구획된 파형별 너비 및 높이 또는 수치값을 배열에 저장한 후, 정규화된 배열값이 학습 모델에 따라 이벤트에 해당하는지를 판단하게 된다. Subsequently, the monitoring server determines whether or not the biosignal corresponds to the occurrence of an event using a machine learning model. As this step, the biosignal is transformed into a waveform, and the biometric signal is stored using the machine learning model stored in the learning database. In the step of determining whether an event according to the signal occurs (S120), one or more of the pulse rate, blood pressure, oxygen saturation, and electrocardiogram included in the biological signal are converted into a waveform or numerically in the form of an image, and then divided into unit time, and the divided waveform After storing the star width and height or numerical values in an array, it is determined whether the normalized array value corresponds to an event according to the learning model.

그리고, 이벤트 발생시 대상자에 대한 긴급상황으로서 경고신호를 출력하는 단계(S130)에서는 모니터링 서버가 이벤트 발생 여부에 따라 해당 대상자가 이벤트에 해당하는 경우, 즉 긴급상황이 발생한 것으로 판단되면 경고신호를 송출함으로써 연계된 구조기관에 구조 조치를 취할 것을 요청할 수 있다.And, in the step (S130) of outputting a warning signal as an emergency situation to the target when an event occurs, the monitoring server transmits a warning signal when the target person corresponds to the event, that is, when it is determined that an emergency situation has occurred. You may request that the associated rescue agency take rescue action.

이하, 본 발명의 실시예에 따른 긴급상황 모니터링 시스템에 적용되는 이벤트 발생 판단시 이용하는 생체신호의 파형 및 학습 모델에 의한 결과의 일 예를 통해 본 발명의 기술적 사항을 상세히 설명한다.Hereinafter, technical matters of the present invention will be described in detail through an example of a waveform of a bio-signal used when determining the occurrence of an event applied to an emergency monitoring system according to an embodiment of the present invention and a result of a learning model.

도 6은 본 발명의 실시예에 따른 긴급상황 모니터링 시스템에 의한 생체신호에 대한 이미지 파형을 예시한 도면이다.6 is a diagram illustrating an image waveform for a bio-signal by an emergency monitoring system according to an embodiment of the present invention.

도 6을 참조하면, 본 발명의 실시예에 따른 긴급상황 모니터링 시스템은 모니터링 대상자에 대한 생체신호로서 맥박수 및 심전도를 이용할 수 있고, 이중 심전도의 경우 예시된 바와 같이 P파, QRS파 및 T파가 순차적으로 나타나는 파형을 가질 수 있다.Referring to FIG. 6, the emergency monitoring system according to an embodiment of the present invention may use a pulse rate and an electrocardiogram as a biological signal for a subject to be monitored. It can have waveforms that appear sequentially.

특히, 본 발명의 실시예에 따르면, 예시된 이미지 파형에 대하여 단위시간, 바람직하게는 10초 단위로 구간별로 분류하여 학습 데이터로서 이용할 수 있다. 즉, 예시된 바와 같이, 하나의 템포가 1, 2, 3의 레벨이 부여되어 각 레벨에 대한 학습 결과를 산출할 수 있다.In particular, according to an embodiment of the present invention, the illustrated image waveform may be classified by section by unit time, preferably in units of 10 seconds, and used as training data. That is, as illustrated, one tempo is assigned a level of 1, 2, and 3, so that a learning result for each level can be calculated.

이러한 이미지 파형은 출력값이 0 ~ 1 사이가 되도록 정규화되어 학습 모델에 적용되게 된다.This image waveform is normalized so that the output value is between 0 and 1 and applied to the learning model.

한편, 본 발명의 실시예에 따르면 대상자가 달리기 등의 운동을 하는 경우 긴급상황은 아니나 맥박수 또는 심전도 등이 정상상태와 달라짐에 따라 마치 이벤트가 발생한 것으로 오판될 수 있으며, 이러한 상황을 방지하기 위해 대상자는 사용자 단말을 통해 현재 자신이 운동 등의 평소와 다른 행위를 한다는 것을 입력할 수 있고, 사용자 단말은 이러한 내용을 현재상황 정보로서 모니터링 서버에 전송할 수 있다.On the other hand, according to an embodiment of the present invention, when a subject performs an exercise such as running, it is not an emergency situation, but it may be misdiagnosed as having an event as if the pulse rate or electrocardiogram is different from the normal state, and to prevent such a situation The user terminal can input that he or she is currently performing a different activity, such as exercise, through the user terminal, and the user terminal can transmit this content as current situation information to the monitoring server.

이에 따라, 모니터링 서버는 사용자 단말로부터 이러한 설정내용이 입력되면 이벤트 판단을 보류하게 된다.Accordingly, the monitoring server suspends event determination when such settings are input from the user terminal.

또한, 본 발명의 실시예에 따르면, 모니터링 서버는 이벤트 발생여부 판단 이후, 정규화된 배열값을 대상자의 개인화 기계학습 모델의 학습 데이터로 입력함으로써 학습 모델의 정확도를 개선할 수 있다.In addition, according to an embodiment of the present invention, after determining whether an event has occurred, the monitoring server may improve the accuracy of the learning model by inputting the normalized array value as training data of the personalized machine learning model of the subject.

도 7은 본 발명의 실시예에 따른 기계학습 모델에 의한 학습결과를 예시한 도면으로서, 도면을 참조하면 정규화된 데이터(x_train)가 입력됨에 따라, 0 ~ 1 사이의 출력값을 얻는 것을 확인할 수 있으며, 이는 P파, QRS파 및 T파의 너비 및 높이를 반영함을 알 수 있다.7 is a diagram illustrating a learning result by a machine learning model according to an embodiment of the present invention. Referring to the drawing, it can be seen that an output value between 0 and 1 is obtained as normalized data (x_train) is input. , It can be seen that this reflects the width and height of the P wave, QRS wave, and T wave.

상기한 설명에 많은 사항이 구체적으로 기재되어 있으나 이것은 발명의 범위를 한정하는 것이라기보다 바람직한 실시예의 예시로서 해석되어야 한다. 따라서, 발명은 설명된 실시예에 의하여 정할 것이 아니고 특허청구범위와 특허청구범위에 균등한 것에 의하여 정하여져야 한다.Although a number of matters are specifically described in the above description, this should be interpreted as an example of a preferred embodiment rather than limiting the scope of the invention. Accordingly, the invention should not be determined by the described embodiments, but should be defined by the claims and equivalents to the claims.

10 : GPS 위성 100 : 사용자 단말
110 : 연동부 120 : 신호 추출부
130 : 감지정보 생성부 140 : 통신부
150 : GPS 수신부 160 : 좌표 생성부
200 : 모니터링 서버 210 : 정보 수집부
220 : 데이터 추출부 230 : 생체신호 분석부
240 : 학습 데이터 베이스 250 : 경고 발생부
260 : 위치 분석부 270 : 지도 매핑부
280 : 지도 데이터 베이스10: GPS satellite 100: user terminal
110: linkage unit 120: signal extraction unit
130: detection information generation unit 140: communication unit
150: GPS receiver 160: coordinate generator
200: monitoring server 210: information collection unit
220: data extraction unit 230: biosignal analysis unit
240: learning database 250: warning generator
260: location analysis unit 270: map mapping unit
280: map database

Claims (12)

원격지에 위치한 하나 이상의 대상자를 모니터링하는 모니터링 서버를 포함하는 시스템으로서,
상기 모니터링 서버는,
대상자가 소지하고, 웨어러블 측정기기와 연동되는 사용자 단말과 정보통신망을 통해 연결되어 실시간으로 상기 대상자에 대한 감지정보를 수집하는 정보 수집부;
상기 감지정보에 포함된 하나 이상의 생체신호를 추출하는 데이터 추출부;
기계학습 모델이 저장된 학습 데이터 베이스;
상기 생체신호를 파형화하고, 상기 학습 데이터 베이스에 저장된 기계학습 모델을 이용하여 상기 생체신호에 따른 이벤트 발생여부를 판단하는 생체신호 분석부; 및
이벤트 발생시, 상기 대상자에 대한 긴급상황으로서 경고신호를 출력하는 경고 발생부를 포함하고,
상기 생체신호는 상기 대상자에 의해 입력된 현재상황 정보를 더 포함하고,
상기 생체신호 분석부는,
맥박수, 혈압, 산소 포화도 및 심전도 중 하나 이상을 QRS파, P파 및 Q파의 3파형으로 구분하여 이미지 형태로 파형화하거나 수치화하고, 단위시간으로 구획하는 파형 생성부;
단위시간별 구획된 파형별 너비 및 높이 또는 수치값을 배열에 저장하는 정규화부; 및
학습 모델을 이용하여 정규화된 배열값의 규칙성에 따라 이벤트에 해당하는 지 판단하되, 사용자로부터 입력되는 현재상황 정보에 따라 이벤트 발생여부의 판단을 보류하는 딥러닝 실행부를 포함하고,
상기 딥러닝 실행부는,
상기 이벤트 발생여부의 판단 이후, 상기 정규화된 배열값을 상기 대상자의 개인화 기계학습 모델의 학습 데이터로 입력하는
긴급상황 모니터링 시스템.As a system including a monitoring server for monitoring one or more targets located in a remote location,
The monitoring server,
An information collection unit possessed by a subject and connected to a user terminal linked to a wearable measuring device through an information communication network to collect sensing information on the subject in real time;
A data extracting unit for extracting one or more bio-signals included in the sensing information;
A learning database storing machine learning models;
A bio-signal analysis unit that converts the bio-signal into a waveform and determines whether an event according to the bio-signal occurs using a machine learning model stored in the learning database; And
When an event occurs, it includes a warning generator for outputting a warning signal as an emergency situation for the subject,
The biosignal further includes current situation information input by the subject,
The biosignal analysis unit,
A waveform generator that divides at least one of pulse rate, blood pressure, oxygen saturation, and electrocardiogram into three waveforms of QRS wave, P wave, and Q wave, converts it into an image form, converts it into a number, and divides it by unit time;
A normalization unit for storing the width and height of each waveform divided by unit time or a numerical value in an array; And
It includes a deep learning execution unit that determines whether the event corresponds to the event according to the regularity of the normalized array value using the learning model, but withholds the determination of whether the event occurs according to the current situation information input from the user,
The deep learning execution unit,
After determining whether the event has occurred, inputting the normalized array value as training data of the personalized machine learning model of the subject
Emergency monitoring system. 제 1 항에 있어서,
상기 생체신호는,
상기 대상자의 맥박수, 혈압, 산소 포화도 및 심전도 중, 하나 이상을 포함하는 긴급상황 모니터링 시스템.The method of claim 1,
The biosignal is
An emergency monitoring system including one or more of the subject's pulse rate, blood pressure, oxygen saturation, and electrocardiogram. 삭제delete 삭제delete 삭제delete 제 1 항에 있어서,
상기 사용자 단말은,
상기 대상자에 대한 생체신호를 실시간으로 생성 및 출력하는 하나 이상의 측정기기와 연동하여 측정결과를 수신하는 연동부;
상기 측정결과에서 모니터링에 요구되는 생체신호를 추출하는 신호 추출부;
상기 생체신호를 포함하는 상기 감지정보를 생성하는 감지정보 생성부; 및
정보통신망을 통해 상기 모니터링 서버와 연결되어 상기 감지정보를 실시간으로 전송하는 통신부
를 포함하는 긴급상황 모니터링 시스템.The method of claim 1,
The user terminal,
An interworking unit for receiving a measurement result by interlocking with at least one measuring device that generates and outputs a biological signal for the subject in real time;
A signal extracting unit for extracting a biological signal required for monitoring from the measurement result;
A sensing information generator for generating the sensing information including the bio-signal; And
Communication unit that is connected to the monitoring server through an information communication network and transmits the detection information in real time
Emergency monitoring system comprising a. 제 6 항에 있어서,
상기 사용자 단말은,
GPS 위성으로부터 GPS 신호를 수신하는 GPS 수신부; 및
상기 GPS 신호에 대응하여 현재 사용자 단말의 위치좌표를 생성하는 좌표 생성부를 포함하고,
상기 감지정보 생성부는,
상기 감지정보에 상기 위치좌표를 삽입하는 긴급상황 모니터링 시스템.The method of claim 6,
The user terminal,
A GPS receiver for receiving a GPS signal from a GPS satellite; And
In response to the GPS signal, comprising a coordinate generator for generating the position coordinates of the current user terminal,
The detection information generation unit,
An emergency monitoring system for inserting the location coordinates into the detection information. 제 7 항에 있어서,
상기 데이터 추출부는 상기 감지정보로부터 상기 위치좌표를 더 추출하고,
상기 모니터링 서버는,
상기 위치좌표를 분석하여 해당 대상자의 현재위치를 판단하는 위치 분석부;
상기 대상자의 판단된 현재위치를 전자지도상에 매핑하여 상기 경고 발생부에 제공하는 지도 매핑부; 및
상기 전자지도가 저장되는 지도 데이터 베이스
를 포함하는 긴급상황 모니터링 시스템.The method of claim 7,
The data extraction unit further extracts the location coordinates from the sensing information,
The monitoring server,
A location analysis unit that analyzes the location coordinates and determines a current location of the subject;
A map mapping unit that maps the determined current location of the subject on an electronic map and provides it to the warning generating unit; And
Map database in which the electronic map is stored
Emergency monitoring system comprising a. 원격지에 위치한 하나 이상의 대상자를 모니터링하는 모니터링 서버에 의한 긴급상황 모니터링 방법으로서,
정보통신망을 통해 연결되고, 웨어러블 측정기기와 연동되는 사용자 단말로부터 대상자에 대한 감지정보를 실시간으로 송신 및 수집하는 단계;
상기 감지정보에 포함된 하나 이상의 생체신호를 추출하는 단계;
상기 생체신호를 파형화하고, 학습 데이터 베이스에 저장된 기계학습 모델에 대응하여 상기 생체신호에 따른 이벤트 발생여부를 판단하는 단계; 및
이벤트 발생시, 상기 대상자에 대한 긴급상황으로서 경고신호를 출력하는 단계를 포함하고,
상기 생체신호를 파형 또는 수치화하고, 학습 데이터 베이스에 저장된 기계학습 모델을 이용하여 파형의 특징을 도출하여 이벤트 발생여부를 판단하는 단계는,
상기 생체신호에 포함되는 맥박수, 혈압, 산소 포화도 및 심전도 중 하나 이상을 QRS파, P파 및 Q파의 3파형으로 구분하여 이미지 형태로 파형화하거나 수치화하고, 단위시간으로 구획하는 단계;
단위시간별 구획된 파형별 너비 및 높이 또는 수치값을 배열에 저장하는 단계; 및
학습 모델을 이용하여, 정규화된 배열값이 이벤트 발생에 해당하는지를 판단하는 단계를 포함하고,
상기 생체신호는 상기 대상자에 의해 입력된 현재상황 정보를 더 포함하고, 상기 학습 모델을 이용하여, 정규화된 배열값이 이벤트 발생에 해당하는지를 판단하는 단계 이후, 상기 현재상황 정보에 따라 상기 이벤트 발생여부의 판단을 보류하는 단계; 및
상기 정규화된 배열값을 상기 대상자의 개인화 기계학습 모델의 학습 데이터로 입력하는 단계
를 포함하는 긴급상황 모니터링 방법.As an emergency monitoring method by a monitoring server that monitors one or more targets located in a remote location,
Transmitting and collecting sensing information on a target subject in real time from a user terminal connected through an information communication network and linked with a wearable measuring device;
Extracting one or more bio-signals included in the sensing information;
Converting the bio-signal into a waveform and determining whether an event according to the bio-signal is generated in response to a machine learning model stored in a learning database; And
When an event occurs, including the step of outputting a warning signal as an emergency situation for the subject,
The step of determining whether an event occurs by converting the bio-signal into a waveform or numerically and deriving a characteristic of the waveform using a machine learning model stored in a learning database,
Dividing at least one of pulse rate, blood pressure, oxygen saturation, and electrocardiogram included in the bio-signal into three waveforms of QRS wave, P wave, and Q wave, forming a waveform in an image form or quantifying it, and dividing it by unit time;
Storing the width and height of each waveform divided by unit time or a numerical value in an array; And
Using the learning model, including the step of determining whether the normalized array value corresponds to the occurrence of the event,
The biosignal further includes current situation information input by the subject, and after the step of determining whether a normalized array value corresponds to an event occurrence using the learning model, whether the event occurs according to the current situation information Withholding the judgment of; And
Inputting the normalized array value as training data of the personalized machine learning model of the subject
Emergency monitoring method comprising a. 제 9 항에 있어서,
상기 생체신호를 파형 또는 수치화하고, 학습 데이터 베이스에 저장된 기계학습 모델을 이용하여 파형의 특징을 도출하여 이벤트 발생여부를 판단하는 단계는,
상기 생체신호에 포함된 맥박수, 혈압, 산소 포화도 및 심전도 중, 하나 이상을 이미지 형태로 파형화하거나 수치화하고, 단위시간으로 구획하는 단계;
구획된 파형별 너비 및 높이 또는 수치값을 배열에 저장하는 단계; 및
학습 모델에 따라, 정규화된 배열값이 이벤트 발생에 해당하는지를 판단하는 단계
를 포함하는 긴급상황 모니터링 방법.The method of claim 9,
The step of determining whether an event occurs by converting the bio-signal into a waveform or numerically and deriving a characteristic of the waveform using a machine learning model stored in a learning database,
Converting at least one of pulse rate, blood pressure, oxygen saturation, and electrocardiogram included in the bio-signal into an image form or quantifying it, and dividing it into unit time;
Storing the width and height or numerical values for each divided waveform in an array; And
Determining whether the normalized array value corresponds to the occurrence of an event according to the learning model
Emergency monitoring method comprising a. 삭제delete 삭제delete
KR1020190016226A 2019-02-12 2019-02-12 System and mehtod for monitering emergency situation KR102190759B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190016226A KR102190759B1 (en) 2019-02-12 2019-02-12 System and mehtod for monitering emergency situation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190016226A KR102190759B1 (en) 2019-02-12 2019-02-12 System and mehtod for monitering emergency situation

Publications (2)

Publication Number Publication Date
KR20200098289A KR20200098289A (en) 2020-08-20
KR102190759B1 true KR102190759B1 (en) 2020-12-15

Family

ID=72293145

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190016226A KR102190759B1 (en) 2019-02-12 2019-02-12 System and mehtod for monitering emergency situation

Country Status (1)

Country Link
KR (1) KR102190759B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102521116B1 (en) * 2020-12-17 2023-04-12 주식회사 휴이노 Method, server, device and non-transitory computer-readable recording medium for monitoring biometric signals by using wearable device

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101830003B1 (en) * 2016-10-12 2018-02-19 배재대학교 산학협력단 Danger situation alert system based on u-healthcare, and method thereof

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120129398A (en) 2011-05-20 2012-11-28 주식회사 이-클리오 Monitoring health information services to smartphone using
KR101806835B1 (en) * 2015-08-17 2017-12-11 인천대학교 산학협력단 Method and system for providing monitoring service for kids
KR101784679B1 (en) * 2016-02-29 2017-10-23 주식회사 랩피스 Disease Suspicion Monitoring System and Method thereof
KR101768645B1 (en) * 2016-11-18 2017-08-17 레이져라이팅(주) Method and apparatus for monitoring bionic signal based wireless network

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101830003B1 (en) * 2016-10-12 2018-02-19 배재대학교 산학협력단 Danger situation alert system based on u-healthcare, and method thereof

Also Published As

Publication number Publication date
KR20200098289A (en) 2020-08-20

Similar Documents

Publication Publication Date Title
KR102142841B1 (en) AI-based ECG reading system
CN104334075B (en) Biometric attributes abnormality detection system with adjustment notice
KR101840644B1 (en) System of body gard emotion cognitive-based, emotion cognitive device, image and sensor controlling appararus, self protection management appararus and method for controlling the same
KR101870121B1 (en) System, method and program for analyzing blood flow by deep neural network
US20210233641A1 (en) Anxiety detection apparatus, systems, and methods
JP2013238970A (en) Health management system
US10104509B2 (en) Method and system for identifying exceptions of people behavior
Leijdekkers et al. Personal heart monitoring system using smart phones to detect life threatening arrhythmias
CN103714249A (en) Method and device for monitoring user behavior safety
US20200058209A1 (en) System and method for automated health monitoring
KR20210054975A (en) AI-based ECG reading system
Forkan et al. Context-aware cardiac monitoring for early detection of heart diseases
Sanchez et al. Hidden markov models for activity recognition in ambient intelligence environments
JP2013148996A (en) Seriousness determination device, and seriousness determination method
US8461980B2 (en) Wellbeing transponder system
JP5143780B2 (en) Monitoring device and monitoring method
KR102190759B1 (en) System and mehtod for monitering emergency situation
US20210145323A1 (en) Method and system for assessment of clinical and behavioral function using passive behavior monitoring
KR101626834B1 (en) System and method for depression monitoring based on user information
AU2019200869A1 (en) Alert System
Srinivasan et al. Elder care system using IoT and machine learning in AWS cloud
KR20200072112A (en) System for interlocking internet of thing devices for detecting abnormal biological signals and control method thereof
Dang et al. Human-centred artificial intelligence for mobile health sensing: challenges and opportunities
US20210386360A1 (en) Detecting an ictal of a subject
CN112700874A (en) Intelligent community modular management system and method

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant