KR102342863B1 - 컨텐츠 제공을 위한 스트리밍 영상의 감성 분류 방법 - Google Patents

컨텐츠 제공을 위한 스트리밍 영상의 감성 분류 방법 Download PDF

Info

Publication number
KR102342863B1
KR102342863B1 KR1020210130506A KR20210130506A KR102342863B1 KR 102342863 B1 KR102342863 B1 KR 102342863B1 KR 1020210130506 A KR1020210130506 A KR 1020210130506A KR 20210130506 A KR20210130506 A KR 20210130506A KR 102342863 B1 KR102342863 B1 KR 102342863B1
Authority
KR
South Korea
Prior art keywords
image
preference
user
information
category
Prior art date
Application number
KR1020210130506A
Other languages
English (en)
Inventor
박진형
Original Assignee
주식회사 빛글림
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 빛글림 filed Critical 주식회사 빛글림
Priority to KR1020210130506A priority Critical patent/KR102342863B1/ko
Application granted granted Critical
Publication of KR102342863B1 publication Critical patent/KR102342863B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/75—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G06K9/00624—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Geometry (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 영상 속의 색감, 질감 등을 고려하여 영상을 감성 별로 분류하는 방법을 제공할 수 있다.
제어부를 포함하는 제1 사용자 단말에 의해 수행되는 알고리즘 분석을 통한 영상의 감성 분류 방법에 있어서, 제1 외부 서버로부터 적어도 하나의 영상을 획득하는 단계; 상기 적어도 하나의 영상을 상기 영상 속에 포함된 영상 요소에 기초하여 복수의 감성 영상 카테고리로 분류하는 단계; 제2 사용자 단말로부터 복수의 사용자 선호도 정보를 획득하는 단계; 상기 제2 사용자 단말로부터 미리 설정된 복수의 선호 카테고리를 획득하는 단계; 상기 복수의 선호 카테고리 중 사용자의 입력 또는 상기 복수의 사용자 선호도 정보에 기초하여 제1 선호 카테고리를 결정하는 단계; 상기 복수의 감성 카테고리 중 제1 선호 카테고리에 대응하는 카테고리에 포함된 영상을 후보 영상으로 결정하는 단계; 상기 후보 영상을 맞춤형 컨텐츠로 결정하는 단계; 및 상기 맞춤형 컨텐츠를 상기 제1 사용자 단말에 포함된 디스플레이에 표시하는 신호를 출력하는 단계;를 더 포함할 수 있다.

Description

컨텐츠 제공을 위한 스트리밍 영상의 감성 분류 방법{A method of serving content through emotional classification of streaming video}
본 발명은 스트리밍 영상 을 감성 별로 분류하는 방법에 관한 발명이다.
소셜 미디어를 통해 대용량의 정보가 재생산되고 공유됨에 따라 사용자 또는 서비스 제공자에게 원하는 정보만을 선택적으로 제공하기 위해 이벤트 추천 서비스가 요구되고 있다. 특히 사용자가 참여했던 이벤트 속성을 기반으로 사용자 최신 성향을 생성하기도 하고, 과거에 이벤트들의 속성을 비교하여 새로운 이벤트의 속성을 예측하기도 한다. 이와 같은 새로운 이벤트의 속성, 사용자 선호도, 사용자의 상황을 고려하여 맞춤형 이벤트를 제공하는 연구가 활발하게 진행되고 있다.
Netflix의 동영상 추천 시스템은 두 개 데이터 분류 시스템으로 구성되어 있으며 콘텐츠 기반 필터링과 협업 필터링으로 나누어질 수 있다. 코로나 펜데믹으로 온라인 플랫폼 주도의 콘텐츠 제작이 활성화 되면서 인공지능을 활용한 가상 인플루언서 분야가 부각되고 있다. 가상 인플루언서는 GAN(Generative Adversarial Networks) 인공지능으로 제작되는데 성격이 다른 두 시스템이 서로 경쟁하는 방식으로 학습이 반복되는 비교사(Unsupervised) 학습 알고리즘을 이용하고 있다.
서울특별시 서울산업진흥원 (2021년도 제4회 서울혁신챌린지 결선) (IC210014) '머신러닝 이미지 분석 기술을 활용한 비주얼 콘텐츠 AI 감성 분류체계 및 큐레이션 기술개발'을 통해 개발된 기술이다.
본 발명은 영상 속의 색감, 질감 등을 고려하여 영상을 감성 별로 분류하는 방법을 제공할 수 있다.
제어부를 포함하는 제1 사용자 단말에 의해 수행되는 알고리즘 분석을 통한 영상의 감성 분류 방법에 있어서, 제1 외부 서버로부터 적어도 하나의 영상을 획득하는 단계; 상기 적어도 하나의 영상을 상기 영상 속에 포함된 영상 요소에 기초하여 복수의 감성 영상 카테고리로 분류하는 단계; 제2 사용자 단말로부터 복수의 사용자 선호도 정보를 획득하는 단계; 상기 제2 사용자 단말로부터 미리 설정된 복수의 선호 카테고리를 획득하는 단계; 상기 복수의 선호 카테고리 중 사용자의 입력 또는 상기 복수의 사용자 선호도 정보에 기초하여 제1 선호 카테고리를 결정하는 단계; 상기 복수의 감성 카테고리 중 제1 선호 카테고리에 대응하는 카테고리에 포함된 영상을 후보 영상으로 결정하는 단계; 상기 후보 영상을 맞춤형 컨텐츠로 결정하는 단계; 및 상기 맞춤형 컨텐츠를 상기 제1 사용자 단말에 포함된 디스플레이에 표시하는 신호를 출력하는 단계;를 더 포함할 수 있다.
일 실시예에 따른 제어부를 포함하는 제1 사용자 단말에 의해 수행되는 알고리즘 분석을 통한 영상의 감성 분류 방법에 있어서, 상기 복수의 사용자 선호도 정보는 상기 사용자의 연령 정보, 상기 사용자의 성별 정보 및 상기 사용자의 성격 정보를 포함하고, 상기 복수의 선호 카테고리 중 사용자의 입력 또는 상기 복수의 사용자 선호도 정보에 기초하여 제1 선호 카테고리를 결정하는 단계는, 상기 복수의 선호 카테고리 중 상기 사용자의 연령 정보, 상기 사용자의 성별 정보 및 상기 사용자의 성격 정보에 기초하여 상기 제1 선호 카테고리를 결정하는 단계;를 더 포함할 수 있다.
상기 상기 복수의 선호 카테고리 중 사용자의 입력 또는 상기 복수의 사용자 선호도 정보에 기초하여 제1 선호 카테고리를 결정하는 단계는, 상기 사용자가 미리 정해진 횟수 이전에 결정된 제1 선호 카테고리를 상기 제1 선호 카테고리로 결정하는 단계;를 포함할 수 있다.
일 실시예에 따른 제어부를 포함하는 제1 사용자 단말에 의해 수행되는 알고리즘 분석을 통한 영상의 감성 분류 방법에 있어서, 제2 외부 서버로부터 상기 제1 사용자 단말이 위치한 지역 정보 및 제3 외부 서버로부터 상기 제1 사용자 단말이 위치한 지역의 날짜 정보를 획득하는 단계;를 더 포함하고, 상기 제1 선호 카테고리에 기초하여 맞춤형 컨텐츠를 결정하는 단계;는, 상기 지역 정보 및 상기 날짜 정보에 기초하여 맞춤형 컨텐츠를 결정하는 단계;를 더 포함할 수 있다.
일 실시예에 따른 제어부를 포함하는 제1 사용자 단말에 의해 수행되는 알고리즘 분석을 통한 영상의 감성 분류 방법에 있어서, 제4 외부 서버로부터 상기 사용자의 연령 정보에 대응되는 연령대의 선호도에 대한 정보인 연령대 선호도 정보를 획득하는 단계;를 더 포함하고, 상기 제2 선호 카테고리 정보에 기초하여 상기 맞춤형 컨텐츠를 결정하는 단계는, 상기 연령대 선호도 정보에 기초하여 상기 맞춤형 컨텐츠를 결정하는 단계;를 더 포함할 수 있다.
본 발명은 기존의 영상을 색감 및 질감 등에 의해 분류 함으로서 사용자에게 만족감을 제공할 수 있다.
본 발명은 영상 속 구도에 의해 감성을 분류 함으로서 사용자의 편의성을 향상시킬 수 있다.
다양한 실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 의한 프로세서의 동작을 예시한 도면이다.
도 2는 일 실시예에 의한 사용자의 선호도를 반영하여 컨텐츠를 추천하는 동작을 예시한 도면이다.
도 3은 일 실시예에 의한 제1 선호 카테고리에 기초하여 맞춤형 컨텐츠 정보를 획득하는 동작을 예시한 도면이다.
도 4는 일 실시예에 의한 지역 정보 및 날짜 정보에 기초하여 맞춤형 컨텐츠 정보를 획득하는 동작을 예시한 도면이다.
도 5는 일 실시예에 의한 사용자의 성향에 기초하여 맞춤형 컨텐츠 정보를 획득하는 동작을 예시한 도면이다.
도 6은 일 실시예에 의한 연령대 선호도 정보에 기초하여 추천 음악을 제공하는 동작을 예시한 도면이다.
도 7은 일 실시예에 의한 색깔에 대응하는 감성을 의미할 수 있다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. “및/또는”이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 일 실시예에 의한 서버에 속한 프로세서의 동작을 예시한 도면이다. 도 1을 구체적으로 살펴보면 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있고, 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.
또한, 서버(100)는, 서버에 포함될 수 있으며, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 서버(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 서버(100)에 포함된 각각의 구성 요소들은 버스(bus)(170)에 의해 연결되어 서로 통신을 수행할 수 있다.
도 2는 일 실시예에 의한 사용자의 선호도를 반영하여 컨텐츠를 추천하는 동작을 예시한 도면이다. 도 3은 일 실시예에 의한 제1 선호 카테고리에 기초하여 맞춤형 컨텐츠 정보를 획득하는 동작을 예시한 도면이다.
도 2 및 도 3을 구체적으로 살펴보면, 제어부는 제2 사용자 단말로부터 복수의 사용자 선호도 정보를 획득할 수 있다. 제1 사용자 단말(1)은 맞춤형 컨텐츠를 제공하는 기기를 의미할 수 있으며, 제2 사용자 단말은 사용자의 스마트 폰과 같이 사용자의 선호도 정보를 포함하고 있는 기기를 의미할 수 이??. 사용자 선호도 정보는 후술하듯, 상기 사용자의 연령 정보, 상기 사용자의 성별 정보 및 상기 사용자의 성격 정보를 포함할 수 있으며, 이외에도 사용자가 평소 시청하는 컨텐츠 정보, 사용자가 평소 듣는 음악 정보, 사용자의 제2 사용자 단말 사용 정보, 사용자의 선호 음식 정보, 사용자의 선호 계절 정보, 사용자의 선호 날씨 정보, 사용자가 자주 사용하는 어플리케이션 정보 등을 포함할 수 있다. 제어부는 상기 제2 사용자 단말로부터 미리 설정된 복수의 선호 카테고리를 획득할 수 있다.
제어부는 또한 후보 영상을 결정할 수 있다. 이때 후보 영상으로 결정되기 전 제4 외부 서버로부터 영상을 획득할 수도 있다. 감성 영상 카테고리는 기존의 영상들을 감성에 의해 분류하는 기준이 되는 카테고리를 의미할 수 있다. 후보 영상은 기존의 영상 들을 복수의 감성 영상 카테고리에 감성에 의해 분류한 후, 각자의 감성 영상 카테고리에 속한 영상 중 제1 선호 카테고리에 대응하는 영상에 포함된 상위 몇개의 영상을 의미할 수 있다. 이때 제1 선호 카테고리에 대응하는 감성 영상 카테고리는 같은 분위기 또는 감성에 속하는 카테고리를 의미할 수 있다. 일 실시예로 유튜브에 있는 영상들을 감성에 의해 분류한 후, 이후 사용자의 제1 선호 카테고리에 대응하는 감성 영상 카테고리를 결정한 후 해당 감성 영상 카테고리에 속한 상위 5개의 영상들이 후보 영상으로 결정될 수 있다. 이때 영상들을 감성에 의해 분류하는 것은 사진이라고 한다면, 사진이 포함하고 있는 색채의 밝기나 색감으로 활발한 기준의 사진을 결정할 수 있을 수 있으며, 음악의 경우 음역대나 박자 등으로 활발한 음악을 결정할 수 있으며, 영상의 경우 음역대와 영상의 프레임 속도나 영상 속 전반적인 분위기를 고려할 수 있다. 또한 영상 콘텐츠 내용에 포함된 구도 정보, 콘텐츠 내용에 포함된 객체의 크기 정보, 콘텐츠 내용의 객체들의 배치 정보, 콘텐츠 내용에 포함된 객체의 행동 정보 및 콘텐츠에 포함된 객체들의 질감 정보에 기초하여 감성을 결정할 수 있다. 결정된 감성을 결정한 후 제1 선호 카테고리에 대응하는 후보 열상이 결정되고 이 후, 맞춤형 컨텐츠가 결정될 수도 있다. 이때 영상 요소는 영상의 구도, 영상에 포함된 물체의 크기 및 개수, 영상 속 물체의 배치, 영상에 포함된 인물의 움직임 , 영상에 포함된 사물의 움직임 및 영상 속 물체의 질감을 포함할 수 있으며, 영상 요소는 이외에도 영상의 속도, 영상에 사용되는 음악, 영상 속에 포함된 조명 등을 포함할 수 있다. 영상 요소는 영상을 시청하는데 보여지거나 들려지는 모든 요소를 포함할 수 있다.
영상 요소에 기초하여 복수의 감성 영상 카테고리로 분류하는 것은, 영상 요소를 영상에 포함된 물체의 크기, 상기 물체의 색깔 및 물체가 놓여진 구도가 감성 영상 카테고리로 분류하는 기준이 될 수 있다.
일 실시예로 어떤 영상에 속한 물체가 해당 영상 또는 해당 영상의 대표 프레임(또는 이미지)의 30프로 이상의 비율을 차지하고 있고, 그 물체가 거친 재질에 해당하면서, 조명이 화려한 붉은색과 노란색으로 이루어진 경우, 이를 활발한 카테고리 또는 몽환적인 카테고리에 분류하도록 설정할 수 있다.
일 실시예로 어떤 영상에 속한 물체가 해당 영상 또는 해당 영상의 대표 프레임(또는 이미지)의 30프로 이상의 비율을 차지하고 있으면, 해당 물체를 중심으로 감성을 파악할 수 있으며, 해당 물체가 화면을 같은 크기로 9등분 한 후 특정 영역에 놓여있다면, 해당하는 영역의 감성을 대입할 수 도 있다.
미리 설정된 복수의 선호 카테고리를 사용자가 설정해 놓은 선호도에 대한 카테고리를 의미할 수 있으며, 일 실시예로 활발한 카테고리, 즐거운 카테고리, 감성적인 카테고리 등으로 카테고리를 미리 설정해 놓을 수 있으며, 또한 운동 카테고리, 여행 카테고리, 음식 카테고리 등으로 분류할 수도 있다.
제어부는 상기 복수의 선호 카테고리 중 사용자의 입력 또는 상기 복수의 사용자 선호도 정보에 기초하여 제1 선호 카테고리를 결정할 수 있다. 사용자의 입력은 미리 설정된 복수의 선호 카테고리 중 사용자가 미리 설정해 놓은 카테고리를 의미할 수 있다. 즉, 사용자가 미리 특정한 선호 카테고리를 미리 결정해 놓았다면 제어부는 해당 카테고리를 제1 선호 카테고리로 결정할 수 있다. 사용자가 입력한 카테고리가 없다면, 제어부는 미리 설정된 복수의 선호 카테고리 중에서 복수의 사용자 선호도 정보에 기초하여 제1 선호 카테고리를 결정할 수 있으며, 이는 후에 자세하게 서술하도록 한다.
제어부는 상기 제1 선호 카테고리에 기초하여 맞춤형 컨텐츠를 결정할 수 있다. 맞춤형 컨텐츠는 동영상 컨텐츠나 음악 컨텐츠 또는 화면 컨텐츠를 포함할 수 있다.
일 실시예로 제1 선호 카테고리가 운동 카테고리로 결정되었다면, 운동에 관련된 영상이나 음악, 사진 등을 결정할 수 있다.
일 실시예로 제1 선호 카테고리가 활발한 카테고리로 결정되었다면, 활발한 영상이나 음악, 사진 등이 결정될 수 있다. 이때 활발한 영상이나 음악, 사진 등은 일 실시예로 사진이라고 한다면, 사진이 포함하고 있는 색채의 밝기나 색감으로 활발한 기준의 사진을 결정할 수 있을 수 있으며, 음악의 경우 음역대나 박자 등으로 활발한 음악을 결정할 수 있으며, 영상의 경우 음역대와 영상의 프레임 속도나 영상 속 전반적인 분위기를 고려할 수 있다. 또한 영상 콘텐츠 내용에 포함된 구도 정보, 콘텐츠 내용에 포함된 객체의 크기 정보, 콘텐츠 내용의 객체들의 배치 정보, 콘텐츠 내용에 포함된 객체의 행동 정보 및 콘텐츠에 포함된 객체들의 질감 정보에 기초하여 감성을 결정할 수 있다. 결정된 감성을 결정한 후 제1 선호 카테고리에 대응하는 맞춤형 컨텐츠가 결정될 수도 있다. 이때 구도, 크기, 배치, 행동 및 질감에 기초하여 감성을 판단할 시 기계 학습이 이용 될 수 있다.
제어부는 맞춤형 컨텐츠를 상기 제1 사용자 단말(1)에 포함된 디스플레이에 표시하는 신호를 출력할 수 있다.
이때 제1 사용자 단말(1)은 습도 센서, 온도 센서 및 소리 센서를 포함할 수 있으며, 습도 센서, 온도 센서 및 소리 센서에 기초하여 맞춤형 컨텐츠를 추천할 수 있다.
일 실시예로 온도 센서에 기초하여 온도가 미리 정해진 온도 이상이면 안전 문구와 함께 비상구를 나타내는 화살표 표시를 디스플레이를 통해 표시할 수 있다.
일 실시예로 소리 센서에 기초하여 일정 데시벨 이상의 소음이 발생하면, 조용히 해달라는 문구를 디스플레이에 표시하도록 제어할 수 있다.
일 실시예로 소리 센서에 기초하여 사용자의 목소리나 떨림에 따라 사용자의 기분을 유추하여 긍정적인 효과를 줄 수 있는 콘텐츠를 제공할 수 있다.
일 실시예로 온도 센서 또는 카메라에 기초하여 제1 사용자 단말(1) 주변에 사람이 없는 것으로 판단되면 디스플레이를 OFF 하도록 제어할 수 있으며, 사람이 감지되면 다시 ON 하도록 변경할 수 있다.
이때 해당 음악이나 사진, 영상을 결정하는 것은 보편적인 기술에 의할 수 있다.
이때 기계 학습일 이용 시 딥 러닝 모델을 이용할 수 있으며 머신 러닝 모델을 이용하여 수행할 수 있다. 이때 학습 데이터 셋은 외부의 다양한 서버에서 획득한 다양한 음성 정보 및 단어 정보를 학습 데이터 셋으로 포함할 수 있으며, 지도 학습 방식이 이용될 수 있다. 이때, 딥 러닝 모델 모듈은 DNN(deep neural network) 알고리즘을 이용할 수 있다. 기재된 바에 국한되지 않고, 합성곱 신경망(CNN, Convoultional Neural Network), 순환 신경망(RNN, Recurrent Neural Network), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine),　심층 신뢰 신경망(DBN, Deep Belief Network) 알고리즘들이 이용될 수 있으며, 각각의 알고리즘들은 주지의 기술이므로 설명은 생략한다.
복수의 사용자 선호도 정보는 상기 사용자의 연령 정보, 상기 사용자의 성별 정보 및 상기 사용자의 성격 정보를 포함할 수 있다. 사용자의 연령 정보는 사용자가 21세라고 한다면 20대로 분류될 수 있고, 20대 초반으로 분류될 수도 있으며 이는 사용자의 설정에 의할 수 있다. 사용자의 성별 정보는 사용자가 남자인지 여자인지를 구별할 수 있는 정보를 의미할 수 있으며, 사용자의 성격 정보는 외부 서버로부터 획득한 MBTI 정보를 의미할 수 있으며, 사용자가 미리 설정해 놓을 수 도 있다. MBTI 이외에도 보편적으로 사용되는 성격 유형 정보를 활용할 수도 있다.
제어부는 상기 복수의 선호 카테고리 중 상기 사용자의 연령 정보, 상기 사용자의 성별 정보 및 상기 사용자의 성격 정보에 기초하여 상기 제1 선호 카테고리를 결정할 수 있다.
복수의 선호 카테고리 중 사용자의 입력 또는 상기 복수의 사용자 선호도 정보에 기초하여 제1 선호 카테고리를 결정하는 단계는, 사용자가 미리 정해진 횟수 이전에 결정된 제1 선호 카테고리를 상기 제1 선호 카테고리로 결정하는 것을 포함할 수 있다.
미리 정해진 횟수 이전에 결정된 제1 선호 카테고리는 이전에 결정된 제1 선호 카테고리가 이후에도 제1 선호 카테고리로 결정되도록 사용자가 설정해 놓은 것을 의미할 수 있다.
일 실시예로 바로 직전에 제1 선호 카테고리로 운동 카테고리가 결정되었다면 다음 제1 선호 카테고리를 결정할 때에도 운동 카테고리가 결정될 수 있다. 미리 정해진 횟수는 현재 시점에서 제1 선호 카테고리 이전에 사용자가 미리 설정한 제1 선호 카테고리 결정 횟수를 의미할 수 있다. 미리 정해진 횟수는 현재 사용하기 직전에 결정한 제1 선호 카테고리 결정 1회를 의미할 수도 있고, 사용자의 설정에 의해서 격으로 이용될 수도 있으며, 주기적으로 설정될 수도 있다. 일 실시예로 월요일에는 운동 카테고리가 결정되었고, 화요일에는 음식 카테고리가 결정될 수도 있으며, 제2 사용자 단말에서 획득한 일정 정보에 기초하여 기념일 마다 카테고리가 다르게 지정될 수도 있다.
일 실시예로 미리 정해진 횟수가 1회로 되었고, 2021년 7월 21일 제1 선호 카테고리가 운동 카테고리가 결정되었고 그 다음으로 20201년 7월 22일 제1 선호 카테고리를 결정하는 순간이라면 이전에 제1 선호 카테고리로 결정되었던 운동 카테고리가 제1 선호 카테고리로 다시 결정될 수 있다.
제어부는 제2 사용자 단말로부터 복수의 사용자 선호도 정보를 획득(301)할 수 있고, 제2 사용자 단말로부터 미리 설정된 복수의 선호 카테고리를 획득(302)할 수 있으며, 사용자의 입력 또는 복수의 사용자 선호도 정보에 기초하여 제1 선호 카테고리를 결정(303)할 수 있으며, 제1 선호 카테고리에 기초하여 맞춤형 컨텐츠를 결정할 수 있고 디스플레이에 표시 신호를 출력(304)할 수 있다.
도 4는 일 실시예에 의한 지역 정보 및 날짜 정보에 기초하여 맞춤형 컨텐츠 정보를 획득하는 동작을 예시한 도면이다.
도 4를 구체적으로 살펴보면, 알고리즘 분석을 통한 영상의 감성 분류 방법에서 제어부는 제2 외부 서버로부터 상기 제1 사용자 단말이 위치한 지역 정보 및 제3 외부 서버로부터 상기 제1 사용자 단말이 위치한 지역의 날짜 정보를 획득할 수 있다. 제2 외부 서버는 GPS 정보를 포함하고 있는 서버를 의미할 수 있다. 사용자 단말이 위치한 지역 정보는 GPS 정보에 기초하여 획득할 수 있으며, 기존에 저장되어 있을 수 있다. 제3 외부 서버 또한 날씨 정보를 포함하고 있는 서버를 의미하는 것으로서 기상청이나 이와 관련된 기관 등의 서버를 의미할 수 있다.
제어부가 제1 선호 카테고리에 기초하여 맞춤형 컨텐츠를 결정하는 단계는, 지역 정보 및 상기 날짜 정보에 기초하여 맞춤형 컨텐츠를 결정하는 단계를 더 포함할 수 있다.
일 실시예로 제1 선호 카테고리가 음식 카테고리라고 하고, 제1 사용자 단말이 위치한 곳이 바닷가 주변이고, 날씨가 습하고 더운 곳이라면, 음식 카테고리 중에서 바닷가와 덥고 습한 날씨를 고려하여 생선 요리나, 해산물 요리 등과 관련된 컨텐츠를 제공할 수 있다.
제어부는 지역 정보 및 날짜 정보를 획득(401)할 수 있으며, 지역 정보 및 날짜 정보에 기초하여 맞춤형 컨텐츠를 결정(402)할 수 있다.
도 5는 일 실시예에 의한 사용자의 성향에 기초하여 맞춤형 컨텐츠 정보를 획득하는 동작을 예시한 도면이다. 도 6은 일 실시예에 의한 연령대 선호도 정보에 기초하여 추천 음악을 제공하는 동작을 예시한 도면이다.
도 5 및 도 6을 구체적으로 살펴보면, 제어부는 제4 외부 서버로부터 상기 사용자의 연령 정보에 대응되는 연령대의 선호도에 대한 정보인 연령대 선호도 정보를 획득할 수 있다. 제3 외부 정보는 연령대별로 선호하는 다양한 정보를 포함하고 있는 서버를 의미할 수 있다.
제어부는 연령대 선호도 정보에 기초하여 상기 맞춤형 컨텐츠를 결정하는 할 수 있다. 제1 사용자 단말에는 연령대 선호도 정보에 기초한 맞춤형 컨텐츠와 관련한 정보들을 화면에 표시할 수 있다.
일 실시예로 20대 연령대의 선호도로서 차분한, 블루, 신비한, 감성적인, 바닷가 등의 정보가 표시 될 수 있으며, 이외에도 다양한 키워드 들이 도출될 수 있다. 이는 맞춤형 컨텐츠를 결정하는데 기초가 되는 연령대 선호도 정보에 대한 정보를 표시한 것을 의미할 수 있다.
일 실시예로 차분한 블루, 신비한, 감성적인 등의 키워드에 기초하여 맞춤형 컨텐츠를 결정할 수 있다.
일 실시예로 연령대 선호도 정보에 포함된 내용들은 사용자가 미리 설정한 연령대 선호 카테고리로 분류될 수 있다.
일 실시예로 연령대 별로 각각에 색깔 카테고리, 음식 카테고리, 날씨 카테고리, 감성 카테고리, 장소 카테고리 등으로 나뉘어질 수 있으며, 각각의 카테고리에서 각각에 포함된 내용들 별로 수치가 다르게 테이블링 되어 있을 수 있다.
즉, 연령대 선호도 정보에 포함된 내용들을 수치화 하여 카테고리 별 선호 수치를 결정하고, 카테고리 별 선호 수치에 대응하는 맞춤형 컨텐츠를 결정할 수 있다. 선호 수치를 결정하는 방법은 아래와 같은 수학식 1에 의할 수 있다.
[수학식 1]
Figure 112021112938157-pat00001
S는 카테고리 별 선호 수치를 의미할 수 있다. b는 카테고리에 포함된 선호도 변수의 개수를 의미할 수 있다. 일 실시예로 운동 카테고리 안에 헬스 골프 테니스가 있을 수 있다. Ha는 a번째 변수에 해당하는 변수가 도출되는 개수를 의미할 수 있다. 일 실시예로 도 5를 살펴보면 세련된 이라는 단어가 복수개로 표시된 것을 볼 수 있으며, 이는 20대 연령대에서 세련된 것을 많이 선호한다는 것으로 인식할 수 있다. 이때 표시된 개수가 도출되는 개수를 의미할 수 있다. 이때 표시되는 개수는 특정 외부 서버 또는 미리 지정한 서버로부터 연령대 별로 언급되는 단어의 빈도수에 의할 수 있으며, 이외에도 보편적인 방법에 의해 도출되는 비중에 의할 수 있다. Fa는 a번째 변수에 해당하는 가중치를 의미할 수 있다.
해당 수학식 1을 통해 카테고리 별 선호 수치를 구하여 가장 높은 값에 해당하는 수치 값에 해당하는 카테고리를 결정할 수 있다. 일 실시예로 운동 카테고리의 선호 수치가 12, 음식 카테고리의 선호 수치가 20, 감성 카테고리의 선호 수치가 15이라고 한다면, 음식 카테고리가 가장 높은 선호 수치로서 결정될 수 있으며, 음식 카테고리에 대한 맞춤형 컨텐츠를 제공할 수 있다. 이때 음식 카테고리에 대한 맞춤형 컨텐츠를 결정하는 것은 위에서 서술한 바에 의할 수 있다.
즉, 제어부는 연령대 선호도 정보를 획득(601)할 수 있으며, 연령대 선호도 정보에 기초하여 맞춤형 컨텐츠를 결정(602)할 수 있다.
도 7은 일 실시예에 의한 색깔에 대응하는 감성을 의미할 수 있다.
서버는 도 7을 통해 후보 영상을 결정할 수 있다. 즉, 임의의 영상의 대표 이미지 또는 대표 프레임을 뽑은 후 해당 대표 이미지 또는 대표 프레임의 평균 색깔 값(RGB 값)을 뽑거나 임의의 영상을 대표할 수 있는 평균 색깔 값(RGB 값)을 결정한 후, 해당 색깔에 대응하는 감성에 기초하여 후보 영상을 결정할 수 있다. 이때 색깔에 대응하는 감성을 결정한 후, 해당 영상의 구도, 해당 영상이 포함된 물체의 크기, 해당 영상의 배치 방법, 해당 영상 속 인물 또는 사물의 행동이나 질감에 기초하여 감성 카테고리에 대응하는 영상의 감성 순위를 결정한 후, 해당 순위에 기초하여 미리 정해진 상위 몇 개의 영상을 후보 영상으로 결정하도록 할 수 있다. 이때 색깔에 기초하여 감성을 분류한 후 다른 요소들로 영상을 후보 영상으로 결정하는 것이 아닌, 다른 요소들과 색깔을 함께 고려하여 결정할 수도 있다. 즉 서버는 제4 외부 서버로부터 적어도 하나의 영상을 획득할 수 있고, 적어도 하나의 영상 중 상기 영상 속에 포함된 색깔 및 상기 영상 요소에 기초하여 후보 영상을 결정할 수 있으며, 후보 영상을 사용자가 선호하는 영상과 대응시켜 맞춤형 컨텐츠로 결정할 수 있다. 일 실시예로 사용자가 활발한 감성 카테고리의 영상을 선호하고 있으면, 활발한 감성 카테고리에 대응하는 후보 영상을 맞춤형 컨텐츠로 결정할 수 있다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
1: 제1 사용자 단말

Claims (5)

  1. 제어부를 포함하는 제1 사용자 단말에 의해 수행되는 알고리즘 분석을 통한 영상의 감성 분류 방법에 있어서,
    제1 외부 서버로부터 적어도 하나의 영상을 획득하는 단계;
    상기 적어도 하나의 영상을 상기 적어도 하나의 영상에 포함된 영상 요소에 기초하여 복수의 감성 영상 카테고리로 분류하는 단계;
    제2 사용자 단말로부터 복수의 사용자 선호도 정보를 획득하는 단계;
    상기 제2 사용자 단말로부터 미리 설정된 복수의 선호 카테고리를 획득하는 단계;
    상기 복수의 선호 카테고리 중 사용자의 입력 또는 상기 복수의 사용자 선호도 정보에 기초하여 제1 선호 카테고리를 결정하는 단계;
    상기 복수의 감성 영상 카테고리 중 상기 제1 선호 카테고리에 대응하는 카테고리에 포함된 영상을 후보 영상으로 결정하는 단계;
    상기 후보 영상을 맞춤형 컨텐츠로 결정하는 단계; 및
    상기 맞춤형 컨텐츠를 상기 제1 사용자 단말에 포함된 디스플레이에 표시하는 신호를 출력하는 단계;를 더 포함하고,
    상기 영상 요소는 상기 적어도 하나의 영상에 포함된 물체의 크기, 물체의 색깔 및 물체의 질감을 포함할 수 있고,
    상기 적어도 하나의 영상을 상기 적어도 하나의 영상에 포함된 영상 요소에 기초하여 복수의 감성 영상 카테고리로 분류하는 단계;는,
    상기 적어도 하나의 영상을 적어도 하나의 영상에 포함된 상기 물체의 크기, 상기 물체의 색깔 및 상기 물체의 질감에 기초하여 상기 복수의 감성 영상 카테고리로 분류하는 단계;를 더 포함할 수 있고,
    상기 복수의 선호 카테고리 중 사용자의 입력 또는 상기 복수의 사용자 선호도 정보에 기초하여 제1 선호 카테고리를 결정하는 단계는,
    상기 사용자가 미리 정해진 횟수 이전에 결정된 제1 선호 카테고리를 상기 제1 선호 카테고리로 결정하는 단계;를 포함하고,
    상기 미리 정해진 횟수는 상기 사용자가 상기 제1 선호 카테고리를 결정하기 이전에 현재를 기산점으로 사용자가 미리 설정한 이전 제1 선호 카테고리 결정 횟수를 나타내고,
    상기 사용자가 미리 정해진 횟수 이전에 결정된 제1 선호 카테고리를 상기 제1 선호 카테고리로 결정하는 단계는,
    상기 사용자의 설정에 의해서 요일 별 또는 기념일 별로 상기 제1 선호 카테고리를 서로 다르게 결정하는 단계;를 포함하는 영상의 감성 분류 방법.
  2. 제1항에 있어서,
    상기 적어도 하나의 영상을 상기 적어도 하나의 영상 속에 포함된 영상 요소에 기초하여 복수의 감성 영상 카테고리로 분류하는 단계;는,
    상기 적어도 하나의 영상을 적어도 하나의 영상에 포함된 물체의 크기에 기초하여 복수의 감성 영상 카테고리로 분류하는 단계;를 더 포함할 수 있고,
    상기 복수의 사용자 선호도 정보는 상기 사용자의 연령 정보, 상기 사용자의 성별 정보 및 상기 사용자의 성격 정보를 포함하고,
    상기 복수의 선호 카테고리 중 사용자의 입력 또는 상기 복수의 사용자 선호도 정보에 기초하여 제1 선호 카테고리를 결정하는 단계는,
    상기 복수의 선호 카테고리 중 상기 사용자의 연령 정보, 상기 사용자의 성별 정보 및 상기 사용자의 성격 정보에 기초하여 상기 제1 선호 카테고리를 결정하는 단계;를 더 포함하는 알고리즘 분석을 통한 영상의 감성 분류 방법.
  3. 제1항에 있어서,
    상기 적어도 하나의 영상을 상기 적어도 하나의 영상 속에 포함된 영상 요소에 기초하여 복수의 감성 영상 카테고리로 분류하는 단계;는,
    상기 적어도 하나의 영상을 적어도 하나의 영상에 포함된 물체의 크기, 물체의 색깔 및 물체의 질감에 기초하여 복수의 감성 영상 카테고리로 분류하는 단계;를 더 포함할 수 있고,
    제2 외부 서버로부터 상기 제1 사용자 단말이 위치한 지역 정보 및 제3 외부 서버로부터 상기 제1 사용자 단말이 위치한 지역의 날짜 정보를 획득하는 단계;를 더 포함하고,
    상기 제1 선호 카테고리에 기초하여 맞춤형 컨텐츠를 결정하는 단계;는,
    상기 지역 정보 및 상기 날짜 정보에 기초하여 맞춤형 컨텐츠를 결정하는 단계;를 더 포함하는 알고리즘 분석을 통한 영상의 감성 분류 방법.
  4. 제2항에 있어서,
    제4 외부 서버로부터 상기 사용자의 연령 정보에 대응되는 연령대의 선호도에 대한 정보인 연령대 선호도 정보를 획득하는 단계;를 더 포함하고,
    상기 제1 선호 카테고리에 기초하여 상기 맞춤형 컨텐츠를 결정하는 단계는,
    상기 연령대 선호도 정보에 기초하여 상기 맞춤형 컨텐츠를 결정하는 단계;를 더 포함하는 알고리즘 분석을 통한 영상의 감성 분류 방법.
  5. 삭제
KR1020210130506A 2021-10-01 2021-10-01 컨텐츠 제공을 위한 스트리밍 영상의 감성 분류 방법 KR102342863B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210130506A KR102342863B1 (ko) 2021-10-01 2021-10-01 컨텐츠 제공을 위한 스트리밍 영상의 감성 분류 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210130506A KR102342863B1 (ko) 2021-10-01 2021-10-01 컨텐츠 제공을 위한 스트리밍 영상의 감성 분류 방법

Publications (1)

Publication Number Publication Date
KR102342863B1 true KR102342863B1 (ko) 2021-12-24

Family

ID=79176278

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210130506A KR102342863B1 (ko) 2021-10-01 2021-10-01 컨텐츠 제공을 위한 스트리밍 영상의 감성 분류 방법

Country Status (1)

Country Link
KR (1) KR102342863B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102498367B1 (ko) * 2022-10-06 2023-02-10 이하나 사용자를 위한 영상 메이킹 플랫폼 생성 방법
KR102621588B1 (ko) * 2023-07-20 2024-01-04 김경태 사용자 취향 및 트랜드 분석을 통한 원단 선정 방법및 이를 활용한 의류 제조 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030064668A (ko) * 2003-06-07 2003-08-02 나병호 객체식별이 가능한 영상처리 디지탈녹화시스템
KR20090076664A (ko) * 2008-01-09 2009-07-13 에스케이 텔레콤주식회사 사용자 선호에 기반한 영상 정보 서비스 방법 및 시스템
KR20140032684A (ko) * 2012-09-07 2014-03-17 에스케이플래닛 주식회사 메타 정보를 활용한 컨텐츠 제공 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030064668A (ko) * 2003-06-07 2003-08-02 나병호 객체식별이 가능한 영상처리 디지탈녹화시스템
KR20090076664A (ko) * 2008-01-09 2009-07-13 에스케이 텔레콤주식회사 사용자 선호에 기반한 영상 정보 서비스 방법 및 시스템
KR20140032684A (ko) * 2012-09-07 2014-03-17 에스케이플래닛 주식회사 메타 정보를 활용한 컨텐츠 제공 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102498367B1 (ko) * 2022-10-06 2023-02-10 이하나 사용자를 위한 영상 메이킹 플랫폼 생성 방법
KR102621588B1 (ko) * 2023-07-20 2024-01-04 김경태 사용자 취향 및 트랜드 분석을 통한 원단 선정 방법및 이를 활용한 의류 제조 시스템

Similar Documents

Publication Publication Date Title
US11393209B2 (en) Generating a video segment of an action from a video
US11334804B2 (en) Cognitive music selection system and method
US10869626B2 (en) Image analysis for emotional metric evaluation
US11887352B2 (en) Live streaming analytics within a shared digital environment
US20240061504A1 (en) System and method for embedded cognitive state metric system
US10171858B2 (en) Utilizing biometric data to enhance virtual reality content and user response
US9430617B2 (en) Content suggestion engine
US9563856B2 (en) Estimating affective response to a token instance of interest utilizing attention levels received from an external source
KR102342863B1 (ko) 컨텐츠 제공을 위한 스트리밍 영상의 감성 분류 방법
US7890534B2 (en) Dynamic storybook
US20200342979A1 (en) Distributed analysis for cognitive state metrics
US20150058327A1 (en) Responding to apprehension towards an experience with an explanation indicative of similarity to a prior experience
US10846517B1 (en) Content modification via emotion detection
US11430561B2 (en) Remote computing analysis for cognitive state data metrics
KR102342866B1 (ko) 사용자 맞춤형 컨텐츠 스트리밍 및 디스플레이 방법
EP3798866A1 (en) Customized thumbnail image generation and selection for digital content using computer vision and machine learning
KR102378412B1 (ko) 날씨 기반의 감정 지수 제공 방법 및 이를 위한 장치
US20200226012A1 (en) File system manipulation using machine learning
US11645578B2 (en) Interactive content mobility and open world movie production
KR102342843B1 (ko) 주변 환경 및 사용자의 선호도를 고려한 맞춤형 컨텐츠 제공 방법
KR102498367B1 (ko) 사용자를 위한 영상 메이킹 플랫폼 생성 방법
JP7416595B2 (ja) 生成装置、生成方法及び生成プログラム
US20220309115A1 (en) Recommending content items to a user
JP2024044069A (ja) 情報処理プログラム、端末装置および情報処理方法
CN110941407A (zh) 一种用于显示应用的方法、设备和计算机存储介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant