노아영
(Dept. of Computer Science and Engineering, Koreatech University)
,
김영준
(Dept. of Computer Science and Engineering, Koreatech University)
,
김형수
(Dept. of Computer Science and Engineering, Koreatech University)
,
김원태
(Dept. of Computer Science and Engineering, Koreatech University)
현대사회에서 스트레스로 인한 심리적 질병과 충동적 범죄들이 발생하고 있다. 스트레스를 줄이기 위한 기존 치료방법은 지속적인 방문 상담을 통해 심리상태를 파악하고, 약물치료나 심리치료로 처방하였다. 이러한 대면 상담 치료 방법은 효과적지만, 환자의 상태 판단에 많은 시간이 소요되며, 개인의 상황에 따라서 지속적인 관리가 어려운 치료 효율성의 문제가 있다. 본 논문에서 시청각적 스트레스에 의해 유발된 감정 상태를 실시간으로 분류하고, 사용자의 감정을 안정적인 상태로 유도하는 인공지능 감정 관리 시스템을 제안한다. 본 시스템은 PPG와 GSR를 이용하여 다중 생체신호를 측정하고, 적합한 데이터 형태로 변환하는 전처리 과정을 거쳐 SVM 알고리즘을 통해 기쁨, 진정, 슬픔, 두려움 등 대표적인 4가지의 감정 상태를 분류한다. 분류결과가 슬픔이나 두려움과 같은 부정적 상태로 판단되면, 실시간 감정관리 서비스를 제공하여 사용자의 감정이 안정적인 상태로 유도됨을 실험을 통해 검증한다.
현대사회에서 스트레스로 인한 심리적 질병과 충동적 범죄들이 발생하고 있다. 스트레스를 줄이기 위한 기존 치료방법은 지속적인 방문 상담을 통해 심리상태를 파악하고, 약물치료나 심리치료로 처방하였다. 이러한 대면 상담 치료 방법은 효과적지만, 환자의 상태 판단에 많은 시간이 소요되며, 개인의 상황에 따라서 지속적인 관리가 어려운 치료 효율성의 문제가 있다. 본 논문에서 시청각적 스트레스에 의해 유발된 감정 상태를 실시간으로 분류하고, 사용자의 감정을 안정적인 상태로 유도하는 인공지능 감정 관리 시스템을 제안한다. 본 시스템은 PPG와 GSR를 이용하여 다중 생체신호를 측정하고, 적합한 데이터 형태로 변환하는 전처리 과정을 거쳐 SVM 알고리즘을 통해 기쁨, 진정, 슬픔, 두려움 등 대표적인 4가지의 감정 상태를 분류한다. 분류결과가 슬픔이나 두려움과 같은 부정적 상태로 판단되면, 실시간 감정관리 서비스를 제공하여 사용자의 감정이 안정적인 상태로 유도됨을 실험을 통해 검증한다.
In the modern society, psychological diseases and impulsive crimes due to stress are occurring. In order to reduce the stress, the existing treatment methods consisted of continuous visit counseling to determine the psychological state and prescribe medication or psychotherapy. Although this face-to...
In the modern society, psychological diseases and impulsive crimes due to stress are occurring. In order to reduce the stress, the existing treatment methods consisted of continuous visit counseling to determine the psychological state and prescribe medication or psychotherapy. Although this face-to-face counseling method is effective, it takes much time to determine the state of the patient, and there is a problem of treatment efficiency that is difficult to be continuously managed depending on the individual situation. In this paper, we propose an artificial intelligence emotion management system that emotions of user monitor in real time and induced to a table state. The system measures multiple bio-signals based on the PPG and the GSR sensors, preprocesses the data into appropriate data types, and classifies four typical emotional states such as pleasure, relax, sadness, and horror through the SVM algorithm. We verify that the emotion of the user is guided to a stable state by providing a real-time emotion management service when the classification result is judged to be a negative state such as sadness or fear through experiments.
In the modern society, psychological diseases and impulsive crimes due to stress are occurring. In order to reduce the stress, the existing treatment methods consisted of continuous visit counseling to determine the psychological state and prescribe medication or psychotherapy. Although this face-to-face counseling method is effective, it takes much time to determine the state of the patient, and there is a problem of treatment efficiency that is difficult to be continuously managed depending on the individual situation. In this paper, we propose an artificial intelligence emotion management system that emotions of user monitor in real time and induced to a table state. The system measures multiple bio-signals based on the PPG and the GSR sensors, preprocesses the data into appropriate data types, and classifies four typical emotional states such as pleasure, relax, sadness, and horror through the SVM algorithm. We verify that the emotion of the user is guided to a stable state by providing a real-time emotion management service when the classification result is judged to be a negative state such as sadness or fear through experiments.
본 논문에서는 피부 표면의 전기 전도율을 측정하는 GSR(Galvanic Skin Response) 센서와 심장 맥박수를 측정하는 PPG(Photoplethysmogram)센서 데이터를 이용하여, 기쁨, 평온, 슬픔, 두려움감정을 SVM(Support Vector Machine)을 이용하여 분류한다. 그 결과를 사용자에게 현재 감정상 태를 알리고, 조명 테라피(Lighting therapy)와아로마 테라피(Aroma therapy)를 통해 시각과 후각의 자극을 주어 신체에 긍정적인 변화를 끼치도록 하는 스마트 감정 관리 시스템을 제안한다.
제안 방법
본 논문에서 제안한 시스템은 여러 감정들을 분류 할 수 있도록 하고, 적당한 복잡도와 정확도를 가지기 위해 GSR과 PPG 생체 센서 2개 이용하여 감정으로 인한 생체신호 값을 얻어내고, 실시간적으로 변화하는 이 센서 데이터를 SVM 알고리즘으로 감정을 분류한 결과 값을 이용하여 인간의 감정을 슬픔과 두려움의 감정을 평온과 기쁨의 감정 상태로 관리해주는 다중 생체신호 분석 기반 스마트 감정 관리 시스템이다.
대상 데이터
감정 분류 처리에서 얻어진 데이터를 이용하여, 피 실험대상의 감정을 분류 실험을 진행하였다. 우리는 300개 이상의 감정 데이터를 학습하여, 30개의 데이터를 시스템에 분류하였다.
제안하는 시스템에 필요한 감정 데이터를 수집하기 위해 그림 7과 같은 영상을 시청한다. 이영상은 슬픔, 공포, 기쁨, 평온의 4가지 영상을 각 1분씩 재생하도록 제작하였고, 만들어진 영상을 통해 실험을 진행하였으며, 시청 중 실시간으로 GSR과 PPG를 통해 생체신호 데이터를 수집하였다.
이론/모형
본 논문에서는 피부 표면의 전기 전도율을 측정하는 GSR(Galvanic Skin Response) 센서와 심장 맥박수를 측정하는 PPG(Photoplethysmogram)센서 데이터를 이용하여, 기쁨, 평온, 슬픔, 두려움감정을 SVM(Support Vector Machine)을 이용하여 분류한다. 그 결과를 사용자에게 현재 감정상 태를 알리고, 조명 테라피(Lighting therapy)와아로마 테라피(Aroma therapy)를 통해 시각과 후각의 자극을 주어 신체에 긍정적인 변화를 끼치도록 하는 스마트 감정 관리 시스템을 제안한다.
성능/효과
그림 8은 감정분류의 결과 그래프이다. 25개의 감정은 옳은 감정으로 분류되어, 83%의 정확도로 감정이 분류되는 것을 확인하였다.
제안하는 시스템의 검증을 위해, 측정한 생체신호를 이용하여 감정을 분류한 결과, 83%의 정확도로 분류됨을 확인하였으며, 분류한 감정결과 데이터에 따라 아로마와 조명 테라피를 일정 시간 제공하는 효과로 감정 완화 및 진정하는 효과를 얻음으로써 감정이 관리될 수 있음을 확인하였다.
후속연구
향후 연구과제는 다양한 감정 서비스 파트를 추가하여 감정 관리에 추가적인 효과를 주는 방법과 두 가지 센서 외에도 감정을 측정할 수 있는 센서를 추가하고, 더 정확한 결과 데이터를 도출할 수 있는 인공지능 분류 알고리즘에 대한연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
인공지능 감정 관리 시스템의 역할은?
이러한 대면 상담 치료 방법은 효과적지만, 환자의 상태 판단에 많은 시간이 소요되며, 개인의 상황에 따라서 지속적인 관리가 어려운 치료 효율성의 문제가 있다. 본 논문에서 시청각적 스트레스에 의해 유발된 감정 상태를 실시간으로 분류하고, 사용자의 감정을 안정적인 상태로 유도하는 인공지능 감정 관리 시스템을 제안한다. 본 시스템은 PPG와 GSR를 이용하여 다중 생체신호를 측정하고, 적합한 데이터 형태로 변환하는 전처리 과정을 거쳐 SVM 알고리즘을 통해 기쁨, 진정, 슬픔, 두려움 등 대표적인 4가지의 감정 상태를 분류한다.
GSR 센서이란?
GSR 센서는 피부의 습기나 땀 등의 수분지수를 측정하여 피부 전기 전도도(Siemens)를 계산하는 센서이다. 생체 피부에서 외적인 자극이나 정서적인 흥분에 의해 그 전기 저항 일시적으로 감소하거나 활동전위가 변화하는 현상을 측정한다.
많은 스트레스와 심리장애를 가지고 있는 사용자 스스로 자동화된 시스템을 통해 지속적 관찰 및 판단하고 감정 상태를 관리할 수 있는 수단이 필요한 이유는?
심각한 정신적 심리적 문제를 가진 환자를 치료하기 위해서는 전문적인 심리 상담과 적절한 의료 처방이 필요하다. 즉, 상당한 기간 동안의 지속적인 상담을 통해 판단한 뒤 의료인의 약물처방이나 심리 치료로 진행된다. 이러한 의료 행위에는 많은 시간과 비용이요구되며, 환자의 상황에 따라서는 지속적으로 치료받을 수 있는데 한계가 있을 수도 있다 [2].또한, 대부분의 경우 심각한 상태에 이르기에 앞서 간단한 헬스 케어 수준에서 관리될 경우 보다 효과적이고 효율적인 치료가 가능하다 [3].이러한 이유로 많은 스트레스와 심리장애를 가지고 있는 사람들의 즉각적이며, 지속적인 관리를 위한 방법으로 기존의 전통적인 의료행위의보조적 수단으로서 사용자 스스로 자동화된 시스템을 통해 지속적 관찰 및 판단하고 감정 상태를 관리할 수 있는 수단이 필요하다.
참고문헌 (9)
J. H. Ha, S. H. An, "The Verification of a Structural Relationship Model of Suicidal Ideation to Stress, Coping Styles, Perfectionism, Depression, and Impulsivity," The Korean Journal of Counseling and Psychotherapy, vol. 20, no. 4, pp.1149-1171, 2008.
D. H. Lee, J. Y. Kim and J. J. Kim, "An Exploratory Study on the Possibilities and Limitations of Online Psychotherapy," The Korean Journal of Counseling and Psychotherapy, vol. 27, no. 3, pp.543-582, 2015.
P. B. Koff, R. H. Jones, J. M. Cashman, N. F. Voelkel and R. W. Vandivier, "Proactive integrated care improves quality of life in patients with COPD," European Respiratory Journal, 33, pp.1031-1038, 2009. DOI: 10.1183/09031936.00063108
K. H. Chon, J. Y. Oh, S. H. Park, Y. M. Jeong and D. I. Yang, "A Study on Algorithm of Emotion Analysis using EEG and HRV," Journal of the Korea Society of Computer and Information, vol. 15, no. 10, 2010, pp.105-112. DOI : 10.9708/jksci.2010.15.10.105
J. H. Kim, Andre E, "Emotion recognition based on physiological changes in music listening," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 30, no. 12, 2008, pp. 2067-2083. DOI: 10.1109/TPAMI.2008.26
C. J. Kim, M. Whang and E. C. Lee, "Identification of arousal and relaxation by using SVM-based fusion of PPG Features," World Academy of Science, Engineering and Technology International Journal of Psychological and Behavioral Sciences, vol. 5, pp.12-14., 2011.
H. Kurniawan, A. V, Maslov, and M. Pechenizkiy, "Stress detection from speech and galvanic skin response signals," Proceedings of the 26th IEEE International Symposium on Computer-Based Medical Systems IEEE, 2013. DOI: 10.1109/CBMS.2013.6627790
J. J. Kang, M. J. Lim, and K. Y. Lee, "Design and Implementation of an Emotion Recognition System using Physiological Signal," The Journal of The Institute of Internet, Broadcasting and Communication, vol, 10. no.1, pp.57-62, 2010.
J. E. Lee, B. N. Kim and S. K. Yoo, "Neural-network based Computerized Emotion Analysis using Multiple Biological Signals," Korean Journal of the science of Emotion & sensibility, vol. 20, no. 2, pp.161-170, 2017.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.