| 1 |
1
피험자로부터 PPG 센서에 의해 맥파 신호를 추출하는 단계;상기 맥파 신호로부터 PPI (Signal of Peak to Peak Interval)를 추출하는 단계;상기 PPI로부터 심박 변이도(Heart Rate Variability, HRV) 및 호흡 동성 부정맥(Respiratory Sinus Arrhythmia, RSA) 신호를 추출하는 단계;상기 HRV로부터 시간 도메인과 주파수 도메인 중 적어도 어느 하나의 도메인으로부터 적어도 하나의 HRV의 특성 파라미터를 추출하는 단계;상기 RSA 신호로부터 시간 도메인과 주파수 도메인 중 적어도 어느 하나의 도메인으로부터 적어도 하나의 RSA 파라미터를 추출하는 단계;상기 적어도 하나의 HRV 파라미터와 RSA 파라미터로부터 적어도 하나 이상의 HRV 및 RSA의 동적 특성 패턴 데이터를 각각 추출하는 단계;상기 동적 특성 패턴 신호들 중에서 감성 평가에 유효한 동적 특성 패턴을 이용해 딥러닝으로 훈련된 모델을 형성하는 단계;피검자의 PPG 신호로부터 비교 대상 HRV 및 RSA 동적 특성 패턴을 추출하는 단계; 그리고상기 훈련된 모델에 상기 피검자의 동적 특성 패턴을 적용하여 피검자의 감성을 평가하는 단계;를 포함하는, 심장의 동적 특성을 이용한 감성 인식 방법
|
| 2 |
2
제1항에 있어서,상기 HRV의 시간 도메인의 파라미터는 HR(Heart Rate), SDNN(Standard Deviation of NN Interval), 그리고 pNN50(percentage of NN inverval over 50ms) 중의 적어도 어느 하나를 포함하는, 심장의 동적 특성을 이용한 감성 인식 방법
|
| 3 |
3
제1항 또는 제2항에 있어서,상기 HRV의 주파수 도메인의 파라미터는 HF(High Frequency, 0
|
| 4 |
4
제3항에 있어서,상기 동적 특성 패턴은 HRV 파라미터와 RSA 파라미터에 대한 변동성(Variability), 불안정성(Instability) 및 일관성(Inertia) 계산에 의해 얻어지며, 변동성(Variability, var), 불안정성(Instability, MSSD) 및 일관성(Inertia or Autocorrelation, Acorr) 각각은 아래의 식 1, 2, 3 각각에 의해 계산되는, 심장의 동적 특성을 이용한 감성 인식 방법
|
| 5 |
5
제1항 또는 제2항에 있어서,상기 동적 특성 패턴은 HRV 파라미터와 RSA 파라미터에 대한 변동성(Variability), 불안정성(Instability) 및 일관성(Inertia) 계산에 의해 얻어지며, 변동성(Variability, var), 불안정성(Instability, MSSD) 및 일관성(Inertia or Autocorrelation, Acorr) 각각은 아래의 식 1, 2, 3 각각에 의해 계산되는, 심장의 동적 특성을 이용한 감성 인식 방법
|
| 6 |
6
제5항에 있어서,상기 모델은 MLP(Multi-perceptron), k-NN(Nearest Neighbor), 또는 SVM(Support Vector Machine) 중의 어느 하나의 모델인, 심장의 동적 특성을 이용한 감성 인식 방법
|
| 7 |
7
제4항에 있어서,상기 모델은 MLP(Multi-perceptron), k-NN(Nearest Neighbor), 또는 SVM(Support Vector Machine) 중의 어느 하나의 모델인, 심장의 동적 특성을 이용한 감성 인식 방법
|
| 8 |
8
제1항 또는 제2항에 있어서,상기 유효한 동적 특성 패턴의 선택에는 Kendall's Tau 방법 및 Anova F test 방법 모두를 적용하고, 상기 두 방법에 의해 모두 유의한 동적 특성 패턴을 유효한 것으로 판단하는, 심장의 동적 특성을 이용한 감성 인식 방법
|
| 9 |
9
제1항 또는 제2항에 있어서,상기 모델은 각성-이완(Arousal) 또는 쾌-불쾌(Valence)의 감성에 대해 훈련되어 있는, 심장의 동적 특성을 이용한 감성 인식 방법
|
| 10 |
10
제3항에 있어서,상기 모델은 각성-이완(Arousal) 또는 쾌-불쾌(Valence)의 감성에 대해 훈련되어 있는, 심장의 동적 특성을 이용한 감성 인식 방법
|
| 11 |
11
제1항 또는 제2항에 기재된 방법을 수행하는 심장의 동적 특성을 이용한 감성 인식 시스템에 있어서,맥파 신호를 검출하는 센서;상기 맥파 신호로부터 심박 동적 특성 패턴을 추출하는 비교 데이터 생성부와 상기 비교 데이터를 상기 메모리에 저장된 모델에 적용하여 감성을 인식하는 감성 평가부를 포함하는 프로세서; 그리고 상기 결과를 표시하는 디스플레이;를 포함하는 심장의 동적 특성을 이용한 감성 인식 시스템
|
| 12 |
12
제11항에 있어서,상기 HRV의 주파수 도메인의 파라미터는 HF(High Frequency, 0
|
| 13 |
13
제11항에 있어서,상기 동적 특성 패턴은 HRV 파라미터와 RSA 파라미터에 대한 변동성(Variability), 불안정성(Instability) 및 일관성(Inertia) 계산에 의해 얻어지며, 변동성(Variability, var), 불안정성(Instability, MSSD) 및 일관성(Inertia or Autocorrelation, Acorr) 각각은 아래의 식 1, 2, 3 각각에 의해 계산되는, 심장의 동적 특성을 이용한 감성 인식 시스템
|
| 14 |
14
제11항에 있어서,상기 모델은 MLP(Multi-perceptron), k-NN(Nearest Neighbor), 또는 SVM(Support Vector Machine) 중의 어느 하나의 모델인, 심장의 동적 특성을 이용한 감성 인식 시스템
|
| 15 |
15
제11항에 있어서,상기 모델은 각성-이완(Arousal) 또는 쾌-불쾌(Valence)의 감성에 대해 훈련되어 있는, 심장의 동적 특성을 이용한 감성 인식 시스템
|
