1 |
1
하이퍼-스펙트럴(Hyper-spectral) 카메라로 촬영된 영상을 이용하는 바이탈 사인 예측 장치에 의해 수행되는 바이탈 사인 예측 방법에 있어서,상기 하이퍼-스펙트럴 카메라로 촬영된 피측정자의 영상을 획득하는 단계;상기 피측정자의 영상으로부터 상기 피측정자의 얼굴부위 중에서 적어도 하나의 관심영역을 검출하는 단계;상기 검출된 적어도 하나의 관심영역의 흡수계수를 연산하는 단계; 및상기 적어도 하나의 관심영역의 흡수계수를 기 학습된 제 1 인공신경망 모델에 입력하여, 상기 피측정자의 피부 두께 및 멜라닌을 예측하는 단계;비접촉식 바이탈 사인 예측 방법
|
2 |
2
제 1 항에 있어서,상기 적어도 하나의 관심영역은상기 피측정자의 이마 영역, 눈 밑 영역 및 뺨 영역을 포함하는비접촉식 바이탈 사인 예측 방법
|
3 |
3
제 1 항에 있어서,상기 적어도 하나의 관심영역을 검출하는 단계는,객체 검출 알고리즘을 이용하여 상기 입력된 피측정자의 영상에서 얼굴 영역을 검출하는 단계; 및상기 검출된 얼굴 영역 내에서 상기 객체 검출 알고리즘을 이용하여 상기 적어도 하나의 관심영역을 검출하는 단계를 포함하는비접촉식 바이탈 사인 예측 방법
|
4 |
4
제 3 항에 있어서,상기 객체 검출 알고리즘은YOLO(You Only Look Once) 객체 검출 알고리즘인비접촉식 바이탈 사인 예측 방법
|
5 |
5
제 1 항에 있어서,상기 제 1 인공신경망 모델은,복수의 학습 대상의 학습용 영상 내의 상기 적어도 하나의 관심영역의 흡수계수를 학습용 입력 데이터로서 이용하고, 상기 복수의 학습 대상의 피부두께 및 멜라닌을 레이블 데이터로서 이용하여 학습된 것인,비접촉식 바이탈 사인 예측 방법
|
6 |
6
제 5 항에 있어서,상기 제 1 인공신경망 모델은,상기 학습 대상의 멜라닌 및 피부두께를 소정의 범위에 따라 복수의 클래스로 분류하고, 학습용 입력 데이터로서 입력된 상기 학습 대상의 흡수계수가 각 클래스에 포함될 확률 값을 혼합 가우시안 모델로 예측되도록 학습된 것인비접촉식 바이탈 사인 예측 방법
|
7 |
7
하이퍼-스펙트럴(Hyper-spectral) 카메라로 촬영된 영상을 이용하는 바이탈 사인 예측 장치에 의해 수행되는 바이탈 사인 예측 방법에 있어서,상기 하이퍼-스펙트럴 카메라로 촬영된 피측정자의 영상을 획득하는 단계;상기 피측정자의 영상으로부터 상기 피측정자의 얼굴부위 중에서 적어도 하나의 관심영역을 검출하는 단계;상기 적어도 하나의 관심영역의 흡수계수를 연산하는 단계; 상기 적어도 하나의 관심영역의 흡수계수를 기 학습된 제 1 인공신경망 모델에 입력하여, 상기 피측정자의 혈류량 및 산소포화도를 예측하는 단계를 포함하는 비접촉식 바이탈 사인 예측 방법
|
8 |
8
제 7 항에 있어서,상기 제 1 인공신경망 모델은 제 2 인공신경망 모델 및 제 3 인공신경망 모델을 포함하고,상기 피측정자의 혈류량 및 산소포화도를 예측하는 단계는,상기 적어도 하나의 관심영역의 흡수계수를 기 학습된 제 2 인공신경망 모델에 입력하여, 상기 피측정자의 피부 두께 및 멜라닌을 예측하는 단계; 및상기 피측정자의 상기 적어도 하나의 관심영역의 흡수계수, 상기 예측된 피측정자의 피부 두께 및 멜라닌을 기 학습된 제 3 인공신경망 모델에 입력하여, 상기 피측정자의 혈류량 및 산소포화도를 예측하는 단계를 포함하는비접촉식 바이탈 사인 예측 방법
|
9 |
9
제 8 항에 있어서,상기 제 2 인공신경망 모델은,복수의 학습 대상의 학습용 영상 내의 상기 적어도 하나의 관심영역의 흡수계수를 학습용 입력 데이터로서 이용하고, 상기 복수의 학습 대상의 피부두께 및 멜라닌을 레이블 데이터로서 이용하여 학습된 것이고,상기 제 3 인공신경망 모델은,상기 복수의 학습 대상의 학습용 영상 내의 상기 적어도 하나의 관심영역의 흡수계수, 복수의 학습 대상의 학습용 피부두께 및 멜라닌을 학습용 입력 데이터로서 이용하고, 상기 복수의 학습 대상의 혈류량 및 산소포화도를 레이블 데이터로서 이용하여 학습된 것인,비접촉식 바이탈 사인 예측 방법
|
10 |
10
제 9 항에 있어서,상기 제 1 인공신경망 모델은,상기 학습 대상의 멜라닌 및 피부두께를 소정의 범위에 따라 복수의 클래스로 분류하고, 학습용 입력 데이터로서 입력된 상기 학습 대상의 흡수계수가 각 클래스에 포함될 확률 값을 혼합 가우시안 모델로 예측되도록 학습된 것이고,상기 제 2 인공신경망 모델은,상기 학습 대상의 혈류량 및 산소포화도를 소정의 범위에 따라 복수의 클래스로 분류하고, 학습용 입력 데이터로서 입력된 상기 학습 대상의 흡수계수가 각 클래스에 포함될 확률 값을 혼합 가우시안 모델로 예측되도록 학습된 것인,비접촉식 바이탈 사인 예측 방법
|
11 |
11
제 7 항에 있어서,상기 적어도 하나의 관심영역은상기 피측정자의 이마, 눈밑 및 뺨을 포함하는비접촉식 바이탈 사인 예측 방법
|
12 |
12
제 7 항에 있어서,상기 적어도 하나의 관심영역을 검출하는 단계는객체 검출 알고리즘을 이용하여 상기 입력된 피측정자의 영상에서 얼굴 영역을 검출하는 단계; 및상기 검출된 얼굴 영역 내에서 상기 객체 검출 알고리즘을 이용하여 상기 적어도 하나의 관심영역을 검출하는 단계를 포함하는비접촉식 바이탈 사인 예측 방법
|
13 |
13
제 12 항에 있어서,상기 검출 알고리즘은YOLO(You Only Look Once) 객체 검출 알고리즘인비접촉식 바이탈 사인 예측 방법
|
14 |
14
하이퍼-스펙트럴 카메라로 촬영된 피측정자의 영상을 획득하는 수신부; 및상기 피측정자의 영상으로부터 상기 피측정자의 얼굴부위 중에서 적어도 하나의 관심영역을 검출하며, 상기 검출된 적어도 하나의 관심영역의 흡수계수를 연산하고, 상기 적어도 하나의 관심영역의 흡수계수를 기 학습된 제 1 인공신경망 모델에 입력하여, 상기 피측정자의 피부 두께 및 멜라닌을 예측하는 제어부를 포함하는비접촉식 바이탈 사인 예측 장치
|
15 |
15
하이퍼-스펙트럴 카메라로 촬영된 피측정자의 영상을 획득하는 수신부; 및상기 하이퍼-스펙트럴 카메라로 촬영된 피측정자의 영상을 획득하고 상기 피측정자의 영상으로부터 상기 피측정자의 얼굴부위 중에서 적어도 하나의 관심영역을 검출하며, 상기 적어도 하나의 관심영역의 흡수계수를 연산하고 상기 적어도 하나의 관심영역의 흡수계수를 기 학습된 제 1 인공신경망 모델에 입력하여, 상기 피측정자의 피부 두께 및 멜라닌을 예측하며 상기 피측정자의 상기 적어도 하나의 관심영역의 흡수계수, 상기 예측된 피측정자의 피부 두께 및 멜라닌을 기 학습된 제 2 인공신경망 모델에 입력하여, 상기 피측정자의 혈류량 및 산소포화도를 예측하는 제어부를 포함하는비접촉식 바이탈 사인 예측 장치
|
16 |
16
컴퓨터 판독 가능한 기록 매체에 저장되어 있는 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 제 1 항 내지 제 13 항 중 어느 한 항에 따른 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는컴퓨터 프로그램
|
17 |
17
컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 기록매체로서상기 컴퓨터 프로그램은,제 1 항 내지 제 13 항 중 어느 한 항에 따른 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는컴퓨터 판독 가능한 기록매체
|