| 1 |
1
학습을 통해, 근골격 질환을 판단하는데 사용되는 제1 동작 프로토콜을 미리 생성하는 동작 프로토콜 학습부, 상기 제1 동작 프로토콜의 정보를 이용하여, 근골격 질환을 판단하기 위한 위한 동작 프로토콜 인식 모델을 생성하는 동작 프로토콜 모델부, 인식 대상이 되는 사용자 영상을 입력 받으며, 상기 사용자 영상에서 바디 포즈를 추정하는 바디 포즈 추정부, 그리고상기 바디 포즈와 상기 동작 프로토콜 인식 모델을 매칭하여, 근골격 질환을 판단하는 질환 분류 및 예측부를 포함하는 근골격 질환 판단 장치
|
| 2 |
2
제1항에 있어서, 상기 제1 동작 프로토콜은 사람의 동작 중에서 근골격 질환을 판단할 수 있는 움직임 시퀀스인 근골격 질환 판단 장치
|
| 3 |
3
제1항에 있어서, 상기 제1 동작 프로토콜의 정보는 상기 제1 동작 프로토콜에 대한 전체 리스트와 상기 제1 동작 프로토콜에 대한 스켈레톤 시퀀스 정보를 포함하는 근골격 질환 판단 장치
|
| 4 |
4
제1항에 있어서, 제2 동작 프로토콜을 자동으로 생성하는 동작 프로토콜 생성부를 더 포함하며, 상기 동작 프로토콜 학습부는 상기 제2 동작 프로토콜을 학습하여, 근골격 질환을 판단하는데 적합한 상기 제1 동작 프로토콜을 생성하는 근골격 질환 판단 장치
|
| 5 |
5
제4항에 있어서, 상기 동작 프로토콜 생성부는, 인체 관절별 움직임 가용 범위에 대한 데이터를 이용하여, 조합 가능한 인체 포즈를 생성하는 랜덤 인체포즈 생성부, 그리고상기 인체 포즈를 시계열적으로 연결하여, 상기 제2 동작 프로토콜을 생성하는 랜덤 인체포즈 시계열 생성부를 포함하는 근골격 질환 판단 장치
|
| 6 |
6
제4항에 있어서, 상기 동작 프로토콜 생성부는 인체 관절별 움직임 가용 범위에 데이터와 사전에 정의된 제3 동작 프로토콜을 이용하여, 상기 제2 동작 프로토콜을 생성하는 근골격 질환 판단 장치
|
| 7 |
7
제4항에 있어서, 상기 동작 프로토콜 생성부는 생성적 적대 신경망(Generative Adversarial Network, GAN)과 반복적 뉴럴 신경망(Recurrent Neural Network, RNN)을 통해 상기 제2 동작 프로토콜을 생성하는 근골격 질환 판단 장치
|
| 8 |
8
제4항에 있어서, 상기 동작 프로토콜 학습부는, 상기 제2 동작 프로토콜과 사전에 정의된 제3 동작 프로토콜을 학습하여, 사람이 취할 수 있는 제3 동작 프로토콜을 분류하는 식별부, 그리고상기 제3 동작 프로토콜을 학습하여 상기 제1 동작 프로토콜을 생성하는 인식 모델 생성부를 포함하는 근골격 질환 판단 장치
|
| 9 |
9
제1항에 있어서, 상기 질환 분류 및 예측부는, 상기 바디 포즈와 상기 동작 프로토콜 인식 모델을 매칭하여, 근골격 질환 여부를 판단하는 질환 분류부, 그리고상기 질환 분류부의 판단 결과에 대해서 확률 형태로 계산하는 질환 예측부를 포함하는 근골격 질환 판단 장치
|
| 10 |
10
근골격 질환 판단 장치가 인식 대상이 되는 사용자의 근골격 질환을 판단하는 방법으로서, 근골격 질환 여부를 판단하는데 사용되는 제1 동작 프로토콜을 학습을 통해 생성하는 단계, 상기 제1 동작 프로토콜의 정보를 이용하여, 근골격 질환을 분류 또는 예측하기 위한 동작 프로토콜 인식 모델을 생성하는 단계, 상기 사용자에 대한 영상에서 바디 포즈를 추정하는 단계, 그리고상기 바디 포즈와 상기 동작 프로토콜 인식 모델을 매칭하여, 근골격 질환을 판단하는 단계를 포함하는 방법
|
| 11 |
11
제10항에 있어서, 상기 제1 동작 프로토콜은 사람의 동작 중에서 근골격 질환을 판단하는데 적합한 움직임 시퀀스인 방법
|
| 12 |
12
제10항에 있어서, 상기 제1 동작 프로토콜의 정보는 상기 제1 동작 프로토콜에 대한 전체 리스트와 상기 제1 동작 프로토콜에 대한 스켈레톤 시퀀스 정보를 포함하는 방법
|
| 13 |
13
제10항에 있어서, 인체 관절별 움직임 가용 범위에 대한 데이터를 이용하여, 조합 가능한 인체 포즈를 생성하는 단계, 그리고상기 인체 포즈를 시계열적으로 연결하여 제2 동작 프로토콜을 생성하는 단계를 더 포함하며, 상기 제1 동작 프로토콜을 생성하는 단계는 상기 제2 동작 프로토콜을 학습하여 상기 제1 동작 프로토콜을 생성하는 단계는 포함하는 방법
|
| 14 |
14
제10항에 있어서, 인체 관절별 움직임 가용 범위에 데이터와 사전에 정의된 제2 동작 프로토콜을 이용하여, 제3 동작 프로토콜을 생성하는 단계를 더 포함하며, 상기 제1 동작 프로토콜을 생성하는 단계는 상기 제3 동작 프로토콜을 학습하여 상기 제1 동작 프로토콜을 생성하는 단계를 포함하는 방법
|
| 15 |
15
제13항에 있어서, 상기 제1 프로토콜을 생성하는 단계는, 상기 제2 동작 프로토콜과 사전에 정의된 제3 동작 프로토콜을 학습하여, 사람이 취할 수 있는 제3 동작 프로토콜을 분류하는 단계, 그리고상기 제3 동작 프로토콜을 학습하여 상기 제1 동작 프로토콜을 생성하는 단계를 포함하는 방법
|
| 16 |
16
근골격 질환 판단 장치가 인식 대상이 되는 사용자의 질환을 판단하는 방법으로서, 사람의 동작 중에서 근골격 질환을 판단 할 수 있는 동작인 제1 동작 프로토콜을 학습을 통해 생성하는 단계, 상기 제1 동작 프로토콜의 정보를 이용하여, 동작 프로토콜 인식 모델을 생성하는 단계, 상기 사용자에 대한 영상에서 바디 포즈를 추정하는 단계, 그리고상기 바디 포즈와 상기 동작 프로토콜 인식 모델을 이용하여, 근골격 질환 여부를 판단하는 단계를 포함하는 방법
|
| 17 |
17
제16항에 있어서, 학습을 통해 제2 동작 프로토콜을 생성하는 단계를 더 포함하며, 상기 제1 동작 프로토콜을 생성하는 단계는 상기 제2 동작 프로토콜을 학습하여, 근골격 질환 여부를 판단하는데 적합한 상기 제1 동작 프로토콜을 생성하는 단계를 포함하는 방법
|
