고령화 사회의 급속한 진입, 핵가족화에 따른 독거노인의 증가와 노인 고독사의 증가를 막기 위한 노력에서 비롯된 많은 연구가 이루어지고 있다. 기존의 독거노인에 대한 응급 상황에 대한 연구는 주로 외부적인 요인 즉, 화재나 가스누출, 낙상 등에 중점을 두어 연구가 이루어 졌고, 생체정보를 활용한 응급상황에 대한 연구의 경우 응급상황이 발생된 후의 모니터링이나 조치에 대한 연구가 대 다수 이다. 정보통신기술의 발달로 정보를 수집할 수 있는 센서에 대한 연구는 IoT의 발달과 ...
고령화 사회의 급속한 진입, 핵가족화에 따른 독거노인의 증가와 노인 고독사의 증가를 막기 위한 노력에서 비롯된 많은 연구가 이루어지고 있다. 기존의 독거노인에 대한 응급 상황에 대한 연구는 주로 외부적인 요인 즉, 화재나 가스누출, 낙상 등에 중점을 두어 연구가 이루어 졌고, 생체정보를 활용한 응급상황에 대한 연구의 경우 응급상황이 발생된 후의 모니터링이나 조치에 대한 연구가 대 다수 이다. 정보통신기술의 발달로 정보를 수집할 수 있는 센서에 대한 연구는 IoT의 발달과 웨어러블 디바이스의 발전을 통해 쉽게 착용하고 불편감이 없으며 정확한 데이터를 수집할 수 있는 기술로 발전해 왔다. 내·외부적인 요인에 대한 감지의 정확성에 대한 연구는 상용화 단계까지 이른 상태이며, 이를 통해 수집된 데이터를 분석하고 비교하여 신속하게 예측하고 알려주는 기술들도 많은 연구가 이루어진 상태이다. 이러한 발전된 기술들을 활용하여 수동적인 대응 방안 보다는 능동적인 대응 방안을 마련하기 위한 모델의 필요성에 따라 본 논문에서는 보다 능동적이며 자가 대처 가능한 응급상황 예측 모델을 제안 한다.
본 논문에서 제안하는 모델은 궁극적으로 타인에게 의존되는 기 발생된 응급 상황에 대한 모니터링에 의존하지 않고 생체정보를 수집하고 이를 빅데이터의 기술을 활용하여 비교 분석하여 정상상황과 위험수위 응급상황의 패턴으로 생성하고 머신러닝을 통해 패턴으로 분류된 상황을 학습하여 미리 상황발생을 예측 할 수 있는 알고리즘을 활용하여 응급상황을 예측하고 미리 예방 할 수 있도록 패턴 인식을 통한 예측 모델로서 시스템의 구성은 생체정보수집모듈, 응급상황 예측모듈, 모니터링모듈로 크게 나누어 볼 수 있다. 생체정보수집모듈은 생체정보를 측정하여 수집한다. 응급상황 예측 모듈은 세 개의 DB와 여섯 개의 세부 모듈로 구성되어 생체정보를 저장관리하고, 프로파일정보를 생성하고 저장 관리하며, CCTV 영상관리 모듈은 응급상황 발생시 1분전 영상을 추출하고 메시지 전송 후 1분후 영상을 추출하여 관리하고 모니터링 모듈에 전송한다. 응급상황인식모듈은 생체정보 패턴에 따른 정상상황과 위험수위 그리고 응급상황을 비교 분석하여 응급상황을 예측하고 CCTV영상관리 모듈과 모니터링 모듈에 응급상황에 따른 메시지를 전송한다. 위험수위로 인식 될 경우 사용자에게 위험알림 메시지를 전송하고 응급상황 발생의 경우 보호자나 관찰자에게 메시지와 영상을 전송한다. 모니터링 모듈은 메시지를 전송받거나 영상을 전송 받고 리포트를 보여준다. 본 논문에서 체온, 심박, 운동량 등의 측정데이터를 수집하고 패턴의 매칭을 통해 파악된 이상상황에 대한 예측으로 응급상황을 판단하여 사용자인 독거노인에게 미리 경고 메시지를 보내고 응급상황이 발생했을 때 보호자나 관찰자에게 알람 메시지를 전송하고, 상황의 정확한 이해를 위해 1분전영상과 1분후 영상을 추출하여 전송하므로 응급상황에 대한 정확한 판단과 신속한 대응을 할 수 있도록 하는 시스템을 통해 독거노인의 응급상황에 대한 대처를 용이하게 진행한다. 향후, 생체정보와 생활 환경정보 등을 활용하여 내 외적인 정보를 취합하고 감성인식 기술을 접목하여 독거노인의 고독과 우울증 등 정신적인 문제 발생에 대한 해결을 위한 연구가 계속되어야 한다.
고령화 사회의 급속한 진입, 핵가족화에 따른 독거노인의 증가와 노인 고독사의 증가를 막기 위한 노력에서 비롯된 많은 연구가 이루어지고 있다. 기존의 독거노인에 대한 응급 상황에 대한 연구는 주로 외부적인 요인 즉, 화재나 가스누출, 낙상 등에 중점을 두어 연구가 이루어 졌고, 생체정보를 활용한 응급상황에 대한 연구의 경우 응급상황이 발생된 후의 모니터링이나 조치에 대한 연구가 대 다수 이다. 정보통신기술의 발달로 정보를 수집할 수 있는 센서에 대한 연구는 IoT의 발달과 웨어러블 디바이스의 발전을 통해 쉽게 착용하고 불편감이 없으며 정확한 데이터를 수집할 수 있는 기술로 발전해 왔다. 내·외부적인 요인에 대한 감지의 정확성에 대한 연구는 상용화 단계까지 이른 상태이며, 이를 통해 수집된 데이터를 분석하고 비교하여 신속하게 예측하고 알려주는 기술들도 많은 연구가 이루어진 상태이다. 이러한 발전된 기술들을 활용하여 수동적인 대응 방안 보다는 능동적인 대응 방안을 마련하기 위한 모델의 필요성에 따라 본 논문에서는 보다 능동적이며 자가 대처 가능한 응급상황 예측 모델을 제안 한다.
본 논문에서 제안하는 모델은 궁극적으로 타인에게 의존되는 기 발생된 응급 상황에 대한 모니터링에 의존하지 않고 생체정보를 수집하고 이를 빅데이터의 기술을 활용하여 비교 분석하여 정상상황과 위험수위 응급상황의 패턴으로 생성하고 머신러닝을 통해 패턴으로 분류된 상황을 학습하여 미리 상황발생을 예측 할 수 있는 알고리즘을 활용하여 응급상황을 예측하고 미리 예방 할 수 있도록 패턴 인식을 통한 예측 모델로서 시스템의 구성은 생체정보수집모듈, 응급상황 예측모듈, 모니터링모듈로 크게 나누어 볼 수 있다. 생체정보수집모듈은 생체정보를 측정하여 수집한다. 응급상황 예측 모듈은 세 개의 DB와 여섯 개의 세부 모듈로 구성되어 생체정보를 저장관리하고, 프로파일정보를 생성하고 저장 관리하며, CCTV 영상관리 모듈은 응급상황 발생시 1분전 영상을 추출하고 메시지 전송 후 1분후 영상을 추출하여 관리하고 모니터링 모듈에 전송한다. 응급상황인식모듈은 생체정보 패턴에 따른 정상상황과 위험수위 그리고 응급상황을 비교 분석하여 응급상황을 예측하고 CCTV영상관리 모듈과 모니터링 모듈에 응급상황에 따른 메시지를 전송한다. 위험수위로 인식 될 경우 사용자에게 위험알림 메시지를 전송하고 응급상황 발생의 경우 보호자나 관찰자에게 메시지와 영상을 전송한다. 모니터링 모듈은 메시지를 전송받거나 영상을 전송 받고 리포트를 보여준다. 본 논문에서 체온, 심박, 운동량 등의 측정데이터를 수집하고 패턴의 매칭을 통해 파악된 이상상황에 대한 예측으로 응급상황을 판단하여 사용자인 독거노인에게 미리 경고 메시지를 보내고 응급상황이 발생했을 때 보호자나 관찰자에게 알람 메시지를 전송하고, 상황의 정확한 이해를 위해 1분전영상과 1분후 영상을 추출하여 전송하므로 응급상황에 대한 정확한 판단과 신속한 대응을 할 수 있도록 하는 시스템을 통해 독거노인의 응급상황에 대한 대처를 용이하게 진행한다. 향후, 생체정보와 생활 환경정보 등을 활용하여 내 외적인 정보를 취합하고 감성인식 기술을 접목하여 독거노인의 고독과 우울증 등 정신적인 문제 발생에 대한 해결을 위한 연구가 계속되어야 한다.
A number of studies have been conducted that stem from the rapid entry of an aging society and efforts to prevent the increase of elderly people living alone and in solitude among the elderly. Research on emergency situations for the elderly living alone has been conducted mainly by focusing on ...
A number of studies have been conducted that stem from the rapid entry of an aging society and efforts to prevent the increase of elderly people living alone and in solitude among the elderly. Research on emergency situations for the elderly living alone has been conducted mainly by focusing on external factors such as fire, gas leakage, and fall. In the case of emergency cases using biometric information, the majority of research on monitoring or measures after emergency situations occur. Research on sensors that can collect information through the development of information and communication technology has developed into a technology that can be easily worn, comfortable and accurate data collected through the development of IoT and wearable devices. Research on the accuracy of detection of internal and external factors has reached the stage of commercialization, and the techniques used to analyze and compare data collected through this process and to predict and inform quickly have also been studied. Based on the need for models to take advantage of these advanced technologies to come up with active response rather than passive response measures, this paper proposes a more active and self-reactive emergency forecasting model.
The model proposed in this paper is ultimately divided into biometric information collection, prediction modules, and modules so that the system can predict and prevent emergency situations using algorithms that collect biometric information and analyze them using the technology of big data to create patterns of normal and dangerous emergency situations, and learn patterns classified through machine learning to predict Biometric information collection modules are collected by measuring biometric information. The emergency prediction module consists of three DBs and six detailed modules to store and manage biometric information, generate and store profile information, and the CCTV image management module extracts images one minute before an emergency situation occurs, extracts, manages and transmits the images to the monitoring module one minute after message transmission. The emergency situation recognition module analyzes the normal situation, the risk level, and the emergency situation according to the biometric information pattern, and predicts the emergency situation and sends the emergency message to the CCTV image management module and the monitoring module. If perceived as dangerous, send a warning message to the user and, in case of an emergency, send messages and images to the care giver or observer. The monitoring module receives messages or images and shows reports. In this paper, we collect measurement data such as body temperature, heart rate and amount of exercise, determine the emergency situation by matching the pattern to determine the emergency situation, send a warning message to the user's The elderly living alone, and extract and transmit images one minute ago and one minute later for accurate understanding of the situation, so as to facilitate accurate judgment and rapid response to the emergency situation. In the future, research should be continued to solve mental problems such as solitude and depression in the elderly living alone by collecting internal external information and incorporating emotional recognition technology.
A number of studies have been conducted that stem from the rapid entry of an aging society and efforts to prevent the increase of elderly people living alone and in solitude among the elderly. Research on emergency situations for the elderly living alone has been conducted mainly by focusing on external factors such as fire, gas leakage, and fall. In the case of emergency cases using biometric information, the majority of research on monitoring or measures after emergency situations occur. Research on sensors that can collect information through the development of information and communication technology has developed into a technology that can be easily worn, comfortable and accurate data collected through the development of IoT and wearable devices. Research on the accuracy of detection of internal and external factors has reached the stage of commercialization, and the techniques used to analyze and compare data collected through this process and to predict and inform quickly have also been studied. Based on the need for models to take advantage of these advanced technologies to come up with active response rather than passive response measures, this paper proposes a more active and self-reactive emergency forecasting model.
The model proposed in this paper is ultimately divided into biometric information collection, prediction modules, and modules so that the system can predict and prevent emergency situations using algorithms that collect biometric information and analyze them using the technology of big data to create patterns of normal and dangerous emergency situations, and learn patterns classified through machine learning to predict Biometric information collection modules are collected by measuring biometric information. The emergency prediction module consists of three DBs and six detailed modules to store and manage biometric information, generate and store profile information, and the CCTV image management module extracts images one minute before an emergency situation occurs, extracts, manages and transmits the images to the monitoring module one minute after message transmission. The emergency situation recognition module analyzes the normal situation, the risk level, and the emergency situation according to the biometric information pattern, and predicts the emergency situation and sends the emergency message to the CCTV image management module and the monitoring module. If perceived as dangerous, send a warning message to the user and, in case of an emergency, send messages and images to the care giver or observer. The monitoring module receives messages or images and shows reports. In this paper, we collect measurement data such as body temperature, heart rate and amount of exercise, determine the emergency situation by matching the pattern to determine the emergency situation, send a warning message to the user's The elderly living alone, and extract and transmit images one minute ago and one minute later for accurate understanding of the situation, so as to facilitate accurate judgment and rapid response to the emergency situation. In the future, research should be continued to solve mental problems such as solitude and depression in the elderly living alone by collecting internal external information and incorporating emotional recognition technology.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.