1 |
1
대상자의 음성을 녹음하여 음성 샘플을 생성하도록 구성된 음성 입력부;상기 대상자의 인구통계학적 정보를 수신하도록 구성된 데이터 입력부;상기 생성된 음성 샘플에서 음성 특성을 추출하는 음성 특성 추출부; 및상기 음성 특성과 상기 인구통계학적 정보를 기초로 상기 대상자의 심리 상태를 예측하도록 미리 학습된 예측 모델을 포함하되,상기 예측 모델은 상기 음성 특성과 상기 인구통계학적 정보를 기초로 상기 대상자의 불안 정도를 예측하도록 미리 학습된 제1 예측 모델; 및 상기 음성 특성과 상기 인구통계학적 정보를 기초로 상기 대상자의 스트레스 정도를 예측하도록 미리 학습된 제2 예측 모델 중 적어도 하나를 포함하는, 음성 특성 기반 불안 및 스트레스 예측 장치
|
2 |
2
제1 항에 있어서, 상기 인구통계학적 정보는 상기 대상자의 연령, 성별 및 교육연수를 포함하는 것을 특징으로 하는, 음성 특성 기반 불안 및 스트레스 예측 장치
|
3 |
3
제1 항에 있어서, 상기 음성 특성 추출부는 음성의 기본 주파수(fundamental frequency), 발화 속도, 발화 시간, 발화 길이, 휴기 정도, 휴기 횟수, 휴기 구간 길이, 쉼머(Shimmer), 지터(Jitter), 포만트(formant), 비음 대 소음 비율(harmonic-to-noise ratio), 라우드니스(loudness), 스펙트럼 수치(spectral centroid) 멜 주파수 켑스트럼 계수(MFCC ,Mel Frequency Cepstral Coefficients), 아이덴티티 벡터(i-vector), 조음 속도, 영교차율(zcr, zero-crossing rate), 음성 확률(vp, voicing probability), 선 스펙트럼 순서쌍(LSP, line spectral paris), 주기 변동(Period perturbation), 진폭 변동 지수(APQ, amplitude perturbation quotient), 강성(Stiffness), 에너지(Energy), 강도(목소리의 크기, Intensity), 엔트로피(Entropy) 중 적어도 하나를 상기 음성 특성으로 추출하는 것을 특징으로 하는, 음성 특성 기반 불안 및 스트레스 예측 장치
|
4 |
4
제3 항에 있어서, 상기 음성 특성 추출부는 상기 음성 샘플에서 인간의 음성을 선별하는 전처리를 수행하는 인공 신경망 모형을 포함하며,상기 음성 특성 추출부는 전처리된 음성 샘플에서 상기 음성 특성을 추출하는 것을 특징으로 하는, 음성 특성 기반 불안 및 스트레스 예측 장치
|
5 |
5
제1 항에 있어서, 상기 제1 예측 모델은 입력된 상기 음성 특성과 상기 인구통계학적 정보를 기초로 불안 점수를 결과로 출력하고, 상기 제2 예측 모델은 입력된 상기 음성 특성과 상기 인구통계학적 정보를 기초로 스트레스 점수를 결과로 출력하며, 상기 불안 점수는 STAI(State-Trait Anxiety Inventory)에 따른 20점 내지 80점 범위에서 결정되며, 상기 스트레스 점수는 PHQ-9(Patient Health Questionnaire-9)에 따른 0점 내지 27점 범위에서 결정되는 것을 특징으로 하는, 음성 특성 기반 불안 및 스트레스 예측 장치
|
6 |
6
제5 항에 있어서, 상기 제1 예측 모델은 다변량 회귀 분석 모형을 포함하며, 상기 다변량 회귀 분석 모형은 하기 수학식 1과 같이 표현되는 것을 특징으로 하는, 음성 특성 기반 불안 및 스트레스 예측 장치
|
7 |
7
제5 항에 있어서, 상기 제2 예측 모델은 다변량 회귀 분석 모형을 포함하며, 상기 다변량 회귀 분석 모형은 하기 수학식 2과 같이 표현되는 것을 특징으로 하는, 음성 특성 기반 불안 및 스트레스 예측 장치
|
8 |
8
제1 항에 있어서,상기 제1 예측 모델은 입력된 상기 음성 특성과 상기 인구통계학적 정보를 기초로 불안 점수를 결과로 출력하도록 학습된 콘볼루션 신경망(Convolution Neural Network, CNN) 기반의 인공 신경망 모델이며, 상기 제2 예측 모델은 입력된 상기 음성 특성과 상기 인구통계학적 정보를 기초로 스트레스 점수를 결과로 출력하도록 학습된 콘볼루션 신경망(Convolution Neural Network, CNN) 기반의 인공 신경망 모델인 것을 특징으로 하는, 음성 특성 기반 불안 및 스트레스 예측 장치
|
9 |
9
대상자의 음성을 녹음하여 음성 샘플을 생성하는 단계;상기 대상자의 인구통계학적 정보를 수신하는 단계;상기 생성된 음성 샘플에서 음성 특성을 추출하는 단계; 예측 모델에 상기 음성 특성과 상기 인구통계학적 정보를 입력하여 상기 대상자의 심리 상태를 예측하는 단계를 포함하되,상기 예측 모델은 상기 음성 특성과 상기 인구통계학적 정보를 기초로 상기 대상자의 불안 정도를 예측하도록 미리 학습된 제1 예측 모델; 및 상기 음성 특성과 상기 인구통계학적 정보를 기초로 상기 대상자의 스트레스 정도를 예측하도록 미리 학습된 제2 예측 모델 중 적어도 하나를 포함하고, 상기 예측 모델에 상기 음성 특성과 상기 인구통계학적 정보를 입력하여 상기 대상자의 심리 상태를 예측하는 단계는 상기 제1 예측 모델을 통해 상기 대상자의 불안 정도를 예측하는 단계; 및 상기 제2 예측 모델을 통해 상기 대상자의 스트레스 정도를 예측하도록 단계 중 적어도 하나를 포함하는, 음성 특성 기반 불안 및 스트레스 예측 방법
|
10 |
10
컴퓨터 판독 가능 명령을 저장하는 컴퓨터 판독 가능 기록매체로서, 상기 명령은 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서가 단계들을 수행하도록 하며, 상기 단계들은,대상자의 음성을 녹음하여 음성 샘플을 생성하는 단계;상기 대상자의 인구통계학적 정보를 수신하는 단계;상기 생성된 음성 샘플에서 음성 특성을 추출하는 단계; 상기 음성 특성과 상기 인구통계학적 정보를 입력하여 상기 대상자의 심리 상태를 예측하는 단계를 포함하고,상기 예측 모델은 상기 음성 특성과 상기 인구통계학적 정보를 기초로 상기 대상자의 불안 정도를 예측하도록 미리 학습된 제1 예측 모델; 및 상기 음성 특성과 상기 인구통계학적 정보를 기초로 상기 대상자의 스트레스 정도를 예측하도록 미리 학습된 제2 예측 모델 중 적어도 하나를 포함하고, 상기 예측 모델에 상기 음성 특성과 상기 인구통계학적 정보를 입력하여 상기 대상자의 심리 상태를 예측하는 단계는 상기 제1 예측 모델을 통해 상기 대상자의 불안 정도를 예측하는 단계; 및 상기 제2 예측 모델을 통해 상기 대상자의 스트레스 정도를 예측하도록 단계 중 적어도 하나를 포함하는, 기록매체
|