대한전자공학회논문지SP (Journal of the Institute of Electronics Engineers of Korea SP)

대한전자공학회 (The Institute of Electronics and Information Engineers)
권호 표지

디지털 선박 생체 감성 인식 LED 조명 제어 시스템 설계 및 구현

A Design and Implementation Digital Vessel Bio Emotion Recognition LED Control System

  • 송병호 (조선대학교 컴퓨터통계학과) ;
  • 오일환 (목포대학교 정보전자공학과) ;
  • 이성로 (목포대학교 정보전자공학과)
  • Song, Byoung-Ho (Computer Science & Statistics, Choson University) ;
  • Oh, Il-Whan (Dept. of Information & Electronics, Mokpo National University) ;
  • Lee, Seong-Ro (Dept. of Information & Electronics, Mokpo National University)
  • 투고 : 2010.09.27
  • 심사 : 2010.10.29
  • 발행 : 2011.03.25
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

기존의 선박 내 조명 제어 시스템은 구축의 복잡성, 높은 설치 비용 및 유지 관리 비용 등의 문제점이 있다. 본 논문에서는 디지털 선박 환경에서 저비용, 고효율의 조명제어 시스템을 설계하였다. 사용자의 생체 정보(맥박, 이완기 혈압, 수축기 혈압, 혈당)를 무선 센서들을 통하여 획득한 후 감성을 인식하여 LED 조명을 제어하는 시스템으로서, 맥박 센서, 혈압 센서, 혈당 센서 등의 입력치를 받아 데이터베이스에 저장한 후 역전파 신경망 알고리즘을 이용하여 감성을 분류한다. 3,000개의 데이터 집합을 사용하여 역전파 신경망을 실험한 결과 약 88.7%의 정확도를 가졌다. 분류된 감성은 HP(Hewlett-Packard)의 'The Meaning of Color'에서 정해 놓은 20개의 컬러 감성 모델과 비교하여 가장 적절한 출력치를 찾아 적색, 녹색, 청색 LED Lamp에 전류 또는 주파수를 조절하는 방법으로 LED Lamp의 밝기 또는 광색을 조절함으로써 소모 전력을 약 20%로 절감하였다.

The existing vessels lighting control system has several problems, which are complexity of construction and high cost of establishment and maintenance. In this paper, We designed low cost and high performance lighting control system at digital vessel environment. We proposed a system which recognize the user's emotions after obtaining the biological informations about user's bio information(pulse sensor, blood pressure sensor, blood sugar sensor etc) through wireless sensors controls the LED Lights. This system classified emotions using backpropagation algorithm. We chose 3,000 data sets to train the backpropagation algorithm. As a result, obtained about 88.7% accuracy. And the classified emotions find the most appropriate point in the method of controlling the waves or frequencies to the red, green, blue LED Lamp comparing with the 20-color-emotion models in the HP's 'The meaning of color' and control the brightness or contrast of the LED Lamp. In this method, the system saved about 20% of the electricity consumed.

키워드

참고문헌

  1. 김재양, 정선태, 임준석, 박종원, 홍기용, 임용곤, "디지털 선박을 위한 선박 통합화 네트워크 설계 및 구현", 한국해양정보통신학회논문지, 제9권, 제6 호, pp. 1202-1210, 2005.10.
  2. Jang W. J., Hwang J. S., Hong S. K., Hong S. W. and Jung B. M., 2006, "Highly Effective Lighting Technologies", Agin, p21
  3. S. Morisima and H. Harashima, "Emotion Space for Analysis and Synthesis of Facial Expression", IEEE Int. Workshop on Robot and Human Communication, pp. 188-193, 1993.
  4. L.C. De Silva, T. Miyasato, and R. Nakatsu, "Facial Emotion Recognition Using Multimodal Information", in Proc. IEEE Int. Conf. on Information, pp. 397-401, 1997.
  5. M. Shigeo and H. Hiroshi, "Emotion Space for Analysis and Synthesis of Facial Expression", IEEE Int. Workshop on Robot and Human Communication, 1993.
  6. Damasio, A. R. "Fundamental feelings: concept of emotion.," Nature 413(6858), Issue of 25 October 2001, 781. 2001. https://doi.org/10.1038/35101669
  7. 신윤희, 김영래, 김은이, "컬러와 패턴을 이용한 텍스타일 영상에서의 감성인식 시스템," 대한전자공학회, 전자공학회논문지, 제45권 CI편, 제6호, 154-161쪽, 2008년 11월.
  8. E. Fred Schubert, 2003, "Light-Emitting Diodes", Cambridge University Press, p245-253
  9. Yoshio K. and Keith W. and Ian Mc., "Forecasting Nonlinear Time Series with Feed-Forward Netral Networks(A Case Study of Canadian Lynx Data)", Journal of Forecasting, pp.105-117, 2005
  10. Simon Haykin, "Netral Network (Acompre hensive foundation)," Prentice Hall International, pp.161-172, 1999
  11. Kevin R. Farrell, Richard J. Mammone, and Khaled T. Assaleh., "Speaker Recognition Using Neural Networks and Conventional Classifiers.", IEEE Transactions of Speech and Audio Processing, Vol.2, No.1, Jan, 1994.
  12. Go, J., Han, G., Kim, H. and Lee, C., "Multigradient: a new neural network learning algorithm for pattern classification.", IEEE Transactions on Geoscience and Remote Sensing, 39, pp. 986-993, 2001. https://doi.org/10.1109/36.921416