KR102539947B1 - 사용자를 인식하는 전자 장치 및 그 전자 장치를 제어하는 방법 - Google Patents

사용자를 인식하는 전자 장치 및 그 전자 장치를 제어하는 방법 Download PDF

Info

Publication number
KR102539947B1
KR102539947B1 KR1020180076875A KR20180076875A KR102539947B1 KR 102539947 B1 KR102539947 B1 KR 102539947B1 KR 1020180076875 A KR1020180076875 A KR 1020180076875A KR 20180076875 A KR20180076875 A KR 20180076875A KR 102539947 B1 KR102539947 B1 KR 102539947B1
Authority
KR
South Korea
Prior art keywords
user
images
shape
processor
electronic device
Prior art date
Application number
KR1020180076875A
Other languages
English (en)
Other versions
KR20200003992A (ko
Inventor
유용주
김용욱
이동규
권기영
김지민
김철귀
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020180076875A priority Critical patent/KR102539947B1/ko
Priority to EP19829775.6A priority patent/EP3776292A4/en
Priority to PCT/KR2019/007386 priority patent/WO2020009353A1/en
Priority to CN201980033576.9A priority patent/CN112136129A/zh
Priority to US16/445,710 priority patent/US11144791B2/en
Priority to JP2019124577A priority patent/JP7410659B2/ja
Publication of KR20200003992A publication Critical patent/KR20200003992A/ko
Application granted granted Critical
Publication of KR102539947B1 publication Critical patent/KR102539947B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/752—Contour matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/778—Active pattern-learning, e.g. online learning of image or video features
    • G06V10/7784—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19654—Details concerning communication with a camera
    • G08B13/19656—Network used to communicate with a camera, e.g. WAN, LAN, Internet
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/001—Alarm cancelling procedures or alarm forwarding decisions, e.g. based on absence of alarm confirmation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Library & Information Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Geometry (AREA)
  • User Interface Of Digital Computer (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

통신 인터페이스; DVS(dynamic vision sensor); 이미지가 저장된 데이터베이스를 포함하는 메모리; 상기 DVS를 통해 감지된 이벤트에 기초하여 오브젝트의 형상(shape)이 포함된 이미지를 생성하는 적어도 하나의 프로세서;를 포함하고, 상기 적어도 하나의 프로세서는, 지정된 조건에서 생성된 복수의 이미지를 상기 데이터베이스에 저장하고, 상기 복수의 이미지는 사용자의 형상을 포함하고, 상기 데이터베이스에 저장된 상기 복수의 이미지 각각에 포함된 상기 사용자의 형상들을 확인하고, 상기 확인된 형상들에 기초하여 상기 사용자를 인식하기 위한 형상 정보를 생성하도록 설정된 전자 장치가 개시된다. 이 외에도 명세서를 통해 파악되는 다양한 실시 예가 가능하다.

Description

사용자를 인식하는 전자 장치 및 그 전자 장치를 제어하는 방법{ELECTRONIC APPARATUS FOR RECOGNIZING USER AND CONTROLLING METHOD THEREOF}
본 문서에서 개시되는 실시 예들은, 사용자 인식 기술과 관련된다.
사용자 인식 기술은 등록된 사용자 정보를 이용하여 사용자를 인식하는 기술로써, 보안이 필요한 감시 및 접근 제어 시스템이나 사용자에게 맞춤 서비스를 제공하기 위한 스마트 장치 등 광범위하게 사용되고 있는 기술이다. 사용자 인식 장치는 신분증, 키, 스마트 카드 등의 장치를 통해 사용자를 인식하거나, 지문, 홍채 등을 이용한 생체 인식을 통해 사용자를 인식할 수 있다.
이미지 기반의 사용자 인식 장치는 이미지에 포함된 사용자의 얼굴, 손, 동작 등의 정보를 획득하고, 획득된 정보를 이용하여 사용자를 인식하기 위해 촬영된 이미지 상의 사용자를 인식할 수 있다.
이미지 기반의 사용자 인식 장치는 프레임 기반의 비전 센서(frame-based vision sensor)를 통해 획득된 RGB 이미지를 이용하여 사용자를 인식할 수 있다. 사용자 인식 장치는 사용자 인식을 위해 RGB 이미지의 전체 영역 또는 특정 영역에 포함된 복수의 레이어의 특징을 추출할 수 있다. RGB 이미지를 이용하여 사용자를 인식하는 경우, 사용자의 얼굴, 몸 등의 신체의 특징이 추출됨으로써 사용자의 프라이버시(privacy)가 침해될 우려가 있다. 프라이버시 문제는 정확한 인식을 위해 사용자가 포함된 RGB 이미지를 서버로 전송하는 경우에 더욱 문제될 수 있다. 한편, 사용자 인식 장치는 이벤트 기반의 비전 센서(event-based vision sensor)를 통해 획득된 오브젝트(object)의 형상(shape)(또는, 윤곽선) 이미지를 이용하여 사용자를 인식하는 경우, 프라이버시 문제는 해결될 수 있으나 사용자를 정확하게 인식하기 어려울 수 있다.
본 발명의 다양한 실시 예에 따른 사용자 인식 장치는 오브젝트의 형상이 포함된 이미지를 생성하고, 생성된 이미지에 포함된 사용자의 형상을 학습하여 사용자를 정확하게 인식할 수 있다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 통신 인터페이스; DVS(dynamic vision sensor); 이미지가 저장된 데이터베이스를 포함하는 메모리; 상기 DVS를 통해 감지된 이벤트에 기초하여 오브젝트의 형상(shape)이 포함된 이미지를 생성하는 적어도 하나의 프로세서;를 포함하고, 상기 적어도 하나의 프로세서는, 지정된 조건에서 생성된 복수의 이미지를 상기 데이터베이스에 저장하고, 상기 복수의 이미지는 사용자의 형상을 포함하고, 상기 데이터베이스에 저장된 상기 복수의 이미지 각각에 포함된 상기 사용자의 형상들을 확인하고, 상기 확인된 형상들에 기초하여 상기 사용자를 인식하기 위한 형상 정보를 생성하도록 설정될 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치의 제어 방법은, DVS를 통해 오브젝트의 형상(shape)이 포함된 이미지를 생성하는 동작; 지정된 조건에서 생성된 복수의 이미지를 데이터베이스에 저장하고, 상기 복수의 이미지는 사용자의 형상을 포함하는 동작; 상기 데이터베이스에 저장된 상기 복수의 이미지 각각에 포함된 상기 사용자의 형상들을 확인하는 동작; 및 상기 확인된 형상들에 기초하여 상기 사용자를 인식하기 위한 형상 정보를 생성하는 동작을 포함할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 사용자 인식 장치는 오브젝트의 형상만이 포함된 이미지를 이용하여 지정된 사용자의 형상을 학습하고, 학습된 정보에 기초하여 지정된 사용자를 인식하기 위한 형상 정보를 생성하고, 생성된 형상 정보에 기초하여 지정된 사용자를 인식함으로써, 프라이버시에 대한 문제 없이 지정된 사용자를 정확하게 인식할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 다양한 실시 예에 따른 사용자 인식 시스템을 나타낸 도면이다.
도 2는 다양한 실시 예에 따른 사용자 인식 장치의 구성을 나타낸 블록도이다.
도 3은 다양한 실시 예에 따른 사용자 인식 장치의 사용자 인식 방법을 나타낸 흐름도이다.
도 4는 일 실시 예에 따른 사용자 인식 장치가 외부 장치로부터 수신된 사용자의 식별 정보를 이용하여 사용자를 인식하는 것을 나타낸 도면이다.
도 5는 일 실시 예에 따른 외부 장치로부터 수신된 사용자의 식별 정보를 이용하여 이미지에 포함된 사용자의 형상을 학습하는 방법을 나타낸 흐름도이다.
도 6은 일 실시 예에 따른 사용자 인식 장치가 지정된 공간에서 감지된 이벤트에 기초하여 사용자를 인식하는 것을 나타낸 도면이다.
도 7은 일 실시 예에 따른 피드백 정보를 수신하기 위해 사용자 인식 장치로부터 수신된 이미지를 표시한 사용자 단말을 나타낸 도면이다.
도 8은 일 실시 예에 따른 지정된 공간에서 감지된 이벤트에 기초하여 사용자의 형상을 학습하는 방법을 나타낸 흐름도이다.
도 9는 일 실시 예에 따른 사용자 인식 장치가 인식된 사용자에 따라 IoT(internet of thing)를 제어하는 것을 나타낸 도면이다.
도 10는 다양한 실시 예에 따른 네트워크 환경 내의 전자 장치의 블록도를 나타낸다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다.
도 1은 다양한 실시 예에 따른 사용자 인식 시스템을 나타낸 도면이다.
도 1을 참조하면, 사용자 인식 장치(또는, 전자 장치)(100)는 지정된 장소(예: 집)(10)에서 사용자(1)를 인식하고, 인식된 사용자에 따라 지정된 서비스를 제공할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 비전 센서(vision sencor)를 통해 사용자(1)를 인식할 수 있다. 일 실시 예에 따르면, 사용자 인식 장치(100)는 비전 센서를 통해 사용자(1)를 감지하고, 상기 감지된 사용자(1)가 포함된 이미지(3)를 생성할 수 있다. 일 실시 예에 따르면, 사용자 인식 장치(100)는 상기 생성된 이미지를 이용하여 사용자(1)를 인식할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 사용자를 인식한 경우, 인식된 사용자에 대응되는 서비스를 제공할 수 있다. 예를 들어, 사용자 인식 장치(100)는 인식된 사용자가 설정한 상태를 갖도록 IoT 장치(200)를 제어하거나, 지정된 기능을 수행하도록 IoT 장치(200)를 제어할 수 있다. IoT 장치(200)는, 예를 들어, 사용자 인식 장치(100)가 배치된 장소(예: 집)(10)에 설치된 장치일 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 클라우드 서버(20)를 통해 지정된 서비스를 제공할 수 있다. 예를 들어, 사용자 인식 장치(100)는 클라우드 서버(20)(예: IoT 클라우드 서버)를 통해 IoT 장치(200)를 제어할 수 있다. 사용자 인식 장치(100)는 IoT 장치(200)를 제어하기 위한 정보(또는, 제어 정보)를 클라우드 서버(20)로 송신할 수 있다. 상기 제어 정보는, 예를 들어, 인식된 사용자에 대응되는 상태 정보, 또는 동작 정보를 포함할 수 있다. 클라우드 서버(20)는 제어 정보를 수신하고, 수신된 제어 정보에 따른 명령을 IoT 장치(200)로 송신할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 비전 센서를 포함하는 다양한 전자 장치로 구현될 수 있다. 예를 들어, 사용자 인식 장치(100)는 비전 센서를 포함하는 스마트 폰, 태블릿 PC, 데스크톱 컴퓨터, TV, 웨어러블 장치 등일 수 있다. 일 실시 예에 따르면, 사용자 인식 장치(100)는 보안 시스템, 또는 스마트 홈 시스템에 포함될 수 있다.
사용자 인식 장치(100)는 프레임 기반의 비전 센서(frame-based vision sensor)를 통해 획득된 RGB 이미지를 이용하여 사용자(1)를 인식하는 경우, 사용자(1)를 정확하게 인식할 수 있지만 사용자(1)의 얼굴, 몸 등의 신체의 특징이 추출됨으로써 사용자(1)의 프라이버시(privacy)가 침해될 우려가 있다. 상기 프라이버시 문제는 사용자가 포함된 RGB 이미지를 서버로 전송하는 경우에 더욱 문제될 수 있다. 또한, 사용자 인식 장치(100)는 이벤트 기반의 비전 센서(event-based vision sensor)를 통해 획득된 오브젝트(object)의 형상(shape)(또는, 윤곽선) 이미지를 이용하여 사용자(1)를 인식하는 경우, 프라이버시 문제는 해결될 수 있으나 사용자를 정확하게 인식하기 어려울 수 있다.
본 발명의 다양한 실시 예에 따른 사용자 인식 장치(100)는 오브젝트의 형상이 포함된 이미지를 생성하고, 생성된 이미지에 포함된 사용자의 형상을 학습하여 사용자를 정확하게 인식할 수 있다.
도 2는 다양한 실시 예에 따른 사용자 인식 장치의 구성을 나타낸 블록도이다.
도 2를 참조하면, 사용자 인식 장치(100)는 통신 인터페이스(110), 메모리(120), DVS(dynamic vision sense) 모듈(130), 및 프로세서(또는, 적어도 하나의 프로세서)(140)를 포함할 수 있다.
일 실시 예에 따르면, 통신 인터페이스(110)은 외부 장치와 연결되어 데이터를 송신 또는 수신할 수 있다. 예를 들어, 통신 인터페이스(110)는 클라우드 서버(예: 도 1의 클라우드 서버(20))와 연결되어 데이터를 수신할 수 있다. 다른 예를 들어, 통신 인터페이스(110)는 사용자 단말과 연결되어 데이터를 송신 또는 수신할 수 있다. 일 실시 예에 따르면, 통신 인터페이스(110)는 무선 인터페이스 및 유선 인터페이스 중 적어도 하나를 포함할 수 있다. 상기 무선 인터페이스는, 예를 들어, 블루투스(bluetooth), NFC(near field communication), Wi-Fi(wireless- fidelity) 등을 포함할 수 있다. 상기 유선 인터페이스는 LAN(local area network), WAN(wide area network), 전력선 통신, POTS(plain old telephone service)을 포함할 수 있다.
일 실시 예에 따르면, 메모리(120)는 데이터를 저장할 수 있는 적어도 하나의 데이터베이스를 포함할 수 있다. 예를 들어, 메모리(120)는 사용자 인증 장치(100)에서 생성된 이미지를 저장하는 데이터베이스를 포함할 수 있다. 상기 데이터베이스는, 예를 들어, 지정된 사용자의 형상을 학습하기 위한 이미지가 저장되는 데이터베이스일 수 있다. 일 실시 예에 따르면, 메모리(120)는 데이터를 저장하기 위한 비휘발성 메모리를 포함할 수 있다. 예를 들어, 메모리(120)는 ROM(read-only memory), 플래쉬 메모리(flash memory), HDD(Hard disk drive) 등을 포함할 수 있다.
일 실시 예에 따르면, DVS 모듈(130)은 발생된 이벤트에 기초하여 이벤트 신호(event signal)를 출력할 수 있다. 예를 들어, DVS 모듈(130)은 오브젝트(예: 사용자)의 움직임을 감지하여 이벤트 신호을 출력할 수 있다. 일 실시 예에 따르면, 일 실시 예에 따르면, DVS 모듈(130)은 렌즈(131) 및 DVS(133)을 포함할 수 있다.
일 실시 예에 따르면, 렌즈(131)는 오브젝트에 의해 반사된 빛을 DVS(133)로 전달할 수 있다. 예를 들어, 렌즈(131)는 오브젝트에 의해 반사된 빛을 사용자 장치(100)의 내부로 입사시켜 DVS(133)로 전달할 수 있다.
일 실시 예에 따르면, DVS(133)은 렌즈(131)를 통해 입사된 빛을 감지하여 이벤트 신호를 출력할 수 있다. 일 실시 예에 따르면, DVS(133)은 복수의 센싱 엘리먼트를 포함할 수 있다. 상기 복수의 센싱 엘리먼트 각각은 입사된 빛을 감지하여 이벤트 신호를 출력할 수 있다. 일 실시 예에 따르면, DVS(133)는 빛의 변화가 있는 부분의 센싱 엘리먼트에서 이벤트 신호를 출력할 수 있다. 예를 들어, DVS(133)의 복수의 센싱 엘리먼트 중 빛의 세기가 증가한 센싱 엘리먼트는 온 이벤트 신호(on event signal)를 출력하고, 빛의 세기가 감소한 센싱 엘리먼트는 오프 이벤트 신호(off event signal)를 출력할 수 있다. 일 실시 예에 따르면, DVS(133)를 통해 감지된 빛이 변화는 오브젝트의 움직임에 의해 발생할 수 있다. 이에 따라, DVS(133)는 오브젝트의 움직임을 감지하여 이벤트 신호를 출력할 수 있다.
일 실시 예에 따르면, 프로세서(140)는 DVS 모듈(110)로부터 출력된 이벤트 신호를 수신하고, 수신된 이벤트 신호에 기초하여 이미지를 출력할 수 있다.
일 실시 예에 따르면, 프로세서(140)는 수신된 이벤트 신호에 기초하여 빛의 변화가 발생한 시간 정보를 이벤트 맵에 저장할 수 있다. 상기 이벤트 맵은, 예를 들어, DVS(133)의 복수의 센싱 엘리먼트에 대응되는 복수의 맵 엘리먼트를 포함할 수 있다. 프로세서(140)는 이벤트 신호에 기초하여 빛의 변화가 발생한 엘리먼트에 대응되는 맵 엘리먼트에 시간 정보를 저장할 수 있다. 일 실시 예에 따르면, 프로세서(140)는 최근 빛의 변화가 발생한 시간 정보를 이벤트 맵(예: 2차원 이벤트 맵)에 저장할 수 있다. 또한, 프로세서(140)는 최근 빛의 변화가 발생한 시간 정보뿐만 아니라, 과거에 빛의 변화가 발생한 시간 정보를 이벤트 맵(예: 3차원 이벤트 맵)에 저장할 수 있다.
일 실시 예에 따르면, 프로세서(140)는 이벤트 맵에 기초하여 이미지를 생성할 수 있다. 예를 들어, 프로세서(140)는 이벤트 맵에 저장된 시간 정보에 기초하여 이미지를 생성할 수 있다. 프로세서(140)는 시간 정보가 저장된 맵의 엘리먼트에 대응되는 픽셀에 지정된 값을 표시하여 이미지를 생성할 수 있다. 일 실시 예에 따르면, 프로세서(140)는 이벤트 맵에 저장된 시간 정보 중 지정된 시간 범위 내의 시간 정보에 기초하여 이미지를 생성할 수 있다. 예를 들어, 프로세서(140)는 현재로부터 지정된 시간 내의 시간 정보에 기초하여 이미지를 생성할 수 있다.
일 실시 예에 따르면, 프로세서(140)는 상기 생성된 이미지를 메모리(120)의 데이터베이스에 저장할 수 있다. 예를 들어, 프로세서(140)는 지정된 사용자(또는, 특정 사용자)의 형상을 학습하기 위해, 지정된 조건에서 생성된 이미지를 데이터베이스에 저장할 수 있다.
일 실시 예에 따르면, 프로세서(140)는 통신 인터페이스(110)를 통해 외부 전자 장치로부터 사용자를 구별하기 위한 식별 정보를 수신하였을 때 생성된 이미지를 데이터베이스에 저장할 수 있다. 상기 외부 전자 장치는, 예를 들어, 지정된 동작을 수행하기 위해 RFIC(radio frequency integrated circuit)를 포함하는 키(key), 사용자 단말 또는 비콘(beacon)으로부터 식별 정보를 수신할 수 있다. 상기 지정된 동작은 보안(security) 설정 또는 해지하는 동작일 수 있다. 이에 대한 상세한 내용은 도 4에서 설명하겠다.
다른 실시 예에 따르면, 프로세서(140)는 지정된 공간에서 감지된 이벤트에 기초하여 생성된 이미지를 데이터베이스에 저장할 수 있다. 프로세서(140)는 사용자의 피드백 정보에 기초하여 생성된 이미지를 데이터베이스에 저장할 수 있다. 이에 대한 상세한 내용을 도 6에서 설명하겠다.
일 실시 예에 따르면, 프로세서(140)는 메모리(120)의 데이터베이스에 저장된 복수의 이미지 각각에 포함된 지정된 사용자의 형상을 학습할 수 있다. 예를 들어, 프로세서(140)는 데이터베이스에 저장된 복수의 이미지 각각에 포함된 지정된 사용자 형상을 확인하고, 확인된 형상에 기초하여 지정된 사용자를 인식하기 위한 형상 정보를 생성할 수 있다.
일 실시 예에 따르면, 프로세서(140)는 이미지에 포함된 사용자의 형상을 확인할 수 있다. 예를 들어, 프로세서(140)는 인공 영역 콘볼루셔널 신경망(regions convolutional neural network)(RCNN), 빠른 영역 콘볼루셔널 신경망(fast regions convolutional neural network)(FRCNN) 등의 방법을 이용하여 사용자의 형상을 확인할 수 있다.
일 실시 예에 따르면, 프로세서(140)는 사용자 형상을 확인하기 위해 이미지의 특징을 추출할 수 있다. 일 실시 예에 따르면, 프로세서(140)는 상기 추출된 특징을 기초로 생성된 이미지의 제안 영역을 결정하고, 결정된 제안 영역 중 사용자 형상이 포함될 수 있는 관심 영역(region of interest)(ROI)을 정제(refine)할 수 있다. 일 실시 예에 따르면, 프로세서(140)는 사용자를 인식할 수 있는 분류 모델을 이용하여 관심 영역에 포함된 사용자의 형상을 확인할 수 있다. 예를 들어, 프로세서(140)는 서포트 벡터 머신(support vector machine)(SVM) 분류기를 이용하여 사용자의 형상을 확인할 수 있다. 일 실시 예에 따르면, 프로세서(140)는 복수의 이미지에 포함된 사용자의 형상을 추적(tracking)할 수 있다.
일 실시 예에 따르면, 프로세서(140)는 확인된 사용자의 형상 정보에 기초하여 지정된 사용자를 인식하기 위한 형상 정보를 생성할 수 있다. 예를 들어, 프로세서(140)는 확인된 형상의 특징을 추출하고, 추출된 특징에 기초하여 지정된 사용자를 인식하기 위한 형상 정보를 생성할 수 있다.
일 실시 예에 따르면, 프로세서(140)는 생성된 형상 정보를 이용하여 지정된 사용자를 인식할 수 있다. 예를 들어, 프로세서(140)는 생성된 형상 정보를 이용하여 이미지에 포함된 지정된 사용자를 인식할 수 있다. 상기 이미지는, 예를 들어, DVS 모듈(130)을 통해 감지된 이벤트에 기초하여 생성된 이미지일 수 있다.
다른 실시 예에 따르면, 프로세서(140)는 클라우드 서버(또는, 외부 서버)를 통해 지정된 사용자를 인식하기 위한 형상 정보를 생성할 수 있다. 프로세서(140)는 통신 인터페이스(130)를 통해 클라우드 서버로 생성된 이미지를 송신하고, 클라우드 서버로부터 생성된 형상 정보를 수신할 수 있다. 클라우드 서버는, 예를 들어, 상기 프로세서(140)가 형상 정보를 생성하기 위한 동작을 유사하게 수행할 수 있다. 클라우드 서버는 지정된 조건에서 생성된 이미지에 포함된 사용자의 형상을 학습함으로써, 사용자를 인식하기 위한 형상 정보를 생성할 수 있다. 사용자 인식 장치(100)는 사용자 형상을 학습하는데 한계가 있으므로, 클라우드 서버를 통해 더욱 정확한 형상 정보를 생성할 수 있다.
일 실시 예에 따르면, 프로세서(140)는 인식된 사용자에 대응되는 서비스를 제공할 수 있다. 예를 들어, 프로세서(140)는 인식된 사용자에 따라 적어도 하나의 IoT 장치(예: 도 1의 IoT 장치(200))를 제어할 수 있다. 예를 들어, 프로세서(140)는 인식된 사용자에 따라 적어도 하나의 IoT 장치가 지정된 상태를 갖도록 제어하거나, 지정된 동작을 수행하도록 제어할 수 있다. 일 실시 예에 따르면, 프로세서(140)는 클라우드 서버(예: 도 1의 클라우드 서버(20))를 통해 적어도 하나의 IoT 장치를 제어할 수 있다.
이에 따라, 사용자 인식 장치(100)는 오브젝트의 형상만이 포함된 이미지를 이용하여 지정된 사용자의 형상을 학습하여 지정된 사용자를 인식하기 위한 형상 정보를 생성하고, 생성된 형상 정보에 기초하여 지정된 사용자를 인식함으로써, 프라이버시에 대한 문제 없이 지정된 사용자를 정확하게 인식할 수 있다.
도 3은 다양한 실시 예에 따른 사용자 인식 장치의 사용자 인식 방법을 나타낸 흐름도이다.
도 3을 참조하면, 사용자 인식 장치(100)는 DVS 모듈(130)을 통해 감지된 이벤트에 기초하여 생성된 이미지를 이용하여 지정된 사용자를 인식할 수 있다.
일 실시 예에 따르면, 310 동작에서, 사용자 인식 장치(100)(예: 프로세서(140))는 DVS 모듈(130)로부터 이벤트 신호를 수신할 수 있다. DVS 모듈(130)은 오브젝트의 움직임에 의한 빛의 변화를 감지하여 이벤트 신호를 생성할 수 있다.
일 실시 예에 따르면, 320 동작에서, 사용자 인식 장치(100)는 수신된 이벤트 신호에 기초하여 복수의 이미지를 생성할 수 있다. 상기 복수의 이미지는, 예를 들어, 움직이는 오브젝트의 형상을 포함할 수 있다.
일 실시 예에 따르면, 330 동작에서, 사용자 인식 장치(100)는 지정된 조건에서 생성된 이미지를 데이터베이스에 저장할 수 있다. 상기 지정된 조건은, 예를 들어, 외부 전자 장치(예: 보안 설정 장치)로부터 사용자를 구별하기 위한 식별 정보를 수신한 경우이거나, 지정된 공간에서 이벤트가 감지된 경우일 수 있다.
일 실시 예에 따르면, 340 동작에서, 사용자 인식 장치(100)는 복수의 이미지 각각에 포함된 지정된 사용자의 형상을 확인할 수 있다. 예를 들어, 사용자 인식 장치(100)는 복수의 이미지의 특징을 추출하고, 상기 추출된 특징을 기초로 결정된 관심 영역(ROI)에 포함된 사용자의 형상을 확인할 수 있다.
일 실시 예에 따르면, 350 동작에서, 사용자 인식 장치(100)는 확인된 형상에 기초하여 지정된 사용자를 인식하기 위한 형상 정보를 생성할 수 있다. 일 실시 예에 따르면, 사용자 인식 장치(100)는 복수의 이미지에 포함된 지정된 사용자의 형상을 학습함으로써, 지정된 사용자를 인식하기 위한 형상 정보를 생성할 수 있다.
일 실시 예에 따르면, 360 동작에서, 사용자 인식 장치(100)는 형상 정보를 이용하여 지정된 사용자를 인식할 수 있다. 예를 들어, 사용자 인식 장치(100)는 생성된 형상 정보를 이용하여 이미지에 포함된 지정된 사용자를 인식할 수 있다. 상기 이미지는, 예를 들어, DVS 모듈(130)을 통해 감지된 이벤트에 기초하여 생성된 이미지일 수 있다.
일 실시 예에 따르면, 370 동작에서, 사용자 인식 장치(100)는 인식된 사용자에 따라 적어도 하나의 IoT 장치를 제어할 수 있다. 사용자 인식 장치(100)는, 예를 들어, 클라우드 서버를 통해 적어도 하나의 IoT 장치를 제어할 수 있다.
도 4는 일 실시 예에 따른 사용자 인식 장치가 외부 장치로부터 수신된 사용자의 식별 정보를 이용하여 사용자를 인식하는 것을 나타낸 도면이다.
도 4를 참조하면, 사용자 인식 장치(100)는 외부 전자 장치(30)로부터 수신된 사용자(1)의 식별 정보(예: ID(identity))를 이용하여 지정된 사용자(1)의 형상을 학습할 수 있다.
일 실시 예에 따르면, 외부 전자 장치(30)는 지정된 동작을 수행하기 위해 사용자 식별 정보를 수신할 수 있다. 상기 지정된 동작은, 예를 들어, 지정된 장소(예: 집)(10)의 보안을 설정 또는 해지하기 위한 동작일 수 있다. 외부 전자 장치(30)는 보안 시스템에 포함된 사용자 인식 장치일 수 있다. 일 실시 예에 따르면, 외부 전자 장치(30)는 RFIC(radio frequency integrated circuit)를 포함하는 키, 사용자 단말 또는 비콘(beacon) 등으로부터 사용자(1)의 식별 정보를 수신할 수 있다. 외부 전자 장치(30)는, 예를 들어, 사용자(1)의 태깅(tagging) 동작에 의해 상기 식별 정보를 수신할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 외부 전자 장치(30)로부터 사용자(1)를 구별하기 위한 식별 정보를 수신할 수 있다. 외부 전자 장치(30)는, 예를 들어, 지정된 동작(예: 보안 설정 또는 해지)을 수행하기 위한 사용자 입력을 수신하면, 상기 사용자 입력에 포함된 식별 정보를 사용자 인식 장치(100)로 송신할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 외부 전자 장치(30)로부터 식별 정보를 수신한 때 생성된 이미지(3)를 데이터베이스에 저장할 수 있다. 예를 들어, 사용자 인식 장치(100)는 식별 정보를 수신한 때로부터 지정된 시간 내에 생성된 복수의 이미지(3)를 데이터베이스에 저장할 수 있다. 복수의 이미지(3)는, 예를 들어, DVS 모듈(예: 도 2의 DVS 모듈(130))을 통해 감지된 이벤트에 기초하여 생성될 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 수신된 식별 정보에 따라 생성된 이미지(3)를 구분하여 저장할 수 있다. 다시 말해, 사용자 인식 장치(100)는 식별 정보에 대응되도록 생성된 이미지(3)를 저장할 수 있다. 이에 따라, 사용자 인식 장치(100)는 지정된 장소에서 인식될 수 있는 복수의 사용자 각각을 구별하여 학습할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 생성된 이미지(3)에 하나의 사용자 형상만이 포함된 경우, 생성된 이미지(3)를 데이터베이스에 저장할 수 있다. 사용자 인식 장치(100)는 생성된 이미지(3)에 복수의 사용자의 형상이 포함되어 있는 경우, 수신된 식별 정보에 대응되는 사용자의 형상을 구별하기 어려울 수 있으므로 하나의 사용자 형상만이 포함된 이미지를 데이터베이스에 저장할 수 있다.
이에 따라, 사용자 인식 장치(100)는 지정된 사용자(또는, 특정 사용자)의 형상이 포함된 이미지(3)를 데이터베이스에 저장할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 데이터베이스에 저장된 복수의 이미지 각각에 포함된 지정된 사용자(1)의 형상을 학습할 수 있다. 일 실시 예에 따르면, 사용자 인식 장치(100)는 상기 학습 정보(또는, 데이터)에 기초하여 지정된 사용자(1)를 인식할 수 있는 형상 정보를 생성할 수 있다. 이에 따라, 사용자 인식 장치(100)는 상기 생성된 형상 정보를 이용하여 지정된 사용자(1)를 높은 확률로 인식할 수 있다.
도 5는 일 실시 예에 따른 외부 장치로부터 수신된 사용자의 식별 정보를 이용하여 이미지에 포함된 사용자의 형상을 학습하는 방법을 나타낸 흐름도이다.
일 실시 예에 따르면, 510 동작에서, 사용자 인식 장치(100)는 외부 전자 장치(30)로부터 사용자(1)의 식별 정보를 수신할 수 있다.
일 실시 예에 따르면, 520 동작에서, 사용자 인식 장치(100)는 식별 정보를 수신한 때로부터 지정된 시간 내에 복수의 이미지(3)를 생성할 수 있다.
일 실시 예에 따르면, 530 동작에서, 사용자 인식 장치(100)는 생성된 복수의 이미지(3) 각각이 하나의 사용자 형상을 포함하는지 여부를 확인할 수 있다. 일 실시 예에 따르면, 사용자 인식 장치(100)는 복수의 이미지(3) 각각에 두개 이상의 사용자 형상이 포함되어 있는 경우(No), 사용자(1)의 식별 정보를 수신하기 위해 대기할 수 있다(510).
일 실시 예에 따르면, 540 동작에서, 사용자 인식 장치(100)는 복수의 이미지(3) 각각에 하나의 사용자 형상이 포함되어 있는 경우(Yes), 복수의 이미지(3)를 데이터베이스에 저장할 수 있다.
이에 따라, 사용자 인식 장치(100)는 데이터베이스에 저장된 이미지에 포함된 사용자의 형상을 학습하여 지정된 사용자(1)를 인식하기 위한 형상 정보를 생성할 수 있다. 사용자 인식 장치(100)는 상기 형상 정보를 이용하여 지정된 사용자(1)를 인식할 수 있다.
도 6은 일 실시 예에 따른 사용자 인식 장치가 지정된 공간에서 감지된 이벤트에 기초하여 사용자를 인식하는 것을 나타낸 도면이다.
도 6을 참조하면, 사용자 인식 장치(100)는 지정된 공간에서 감지된 이벤트에 기초하여 이미지(3)를 생성하고, 생성된 이미지(3)를 이용하여 지정된 사용자의 형상을 학습할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 지정된 공간(또는, 특정 공간)에서 발생하는 이벤트를 감지할 수 있다. 상기 지정된 공간은, 예를 들어, 지정된 사용자(또는, 특정 사용자)가 출현하는 빈도가 높은 공간에서 발생된 이벤트를 감지할 수 있다. 예를 들어, 사용자 인식 장치(100)는 집(40)의 제2 방(40a)에서 발생하는 이벤트를 감지할 수 있다. 집(40)의 제2 방(40a)은 지정된 사용자의 개인 공간에 해당할 수 있다. 집(40)의 다른 공간(예: 거실, 부엌, 또는 차고)은 복수의 사용자의 공유 공간에 해당할 수 있으므로 사용자 인식 장치(100)가 지정된 사용자의 형상만이 포함된 이미지를 생성하기 어려울 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 지정된 공간에서 발생한 이벤트에 기초하여 복수의 이미지(3)를 생성할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 생성된 복수의 이미지(3)를 사용자 단말(5)로 송신할 수 있다. 예를 들어, 사용자 인식 장치(100)는 복수의 이미지(3)에 지정된 횟수 이상으로 사용자(1)의 형상이 포함되는 경우, 복수의 이미지(3)를 상기 사용자 단말(5)로 송신할 수 있다.
일 실시 예에 따르면, 사용자 단말(5)은 수신된 복수의 이미지(3)에 지정된 사용자(예: 사용자 단말(5)의 사용자)(1)의 형상이 포함되어 있는지 여부를 확인하기 위한 피드백을 수신할 수 있다. 일 실시 예에 따르면, 사용자단말(5)은 수신된 피드백에 대한 정보(또는, 피드백 정보)를 사용자 인식 장치(100)로 송신할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 수신된 피드백 정보에 기초하여 복수의 이미지(3)를 데이터베이스에 저장할 수 잇다. 예를 들어, 사용자 인식 장치(100)는 복수의 이미지(3)가 지정된 사용자(예: 사용자 단말(5)의 사용자)(1)를 포함하고 있는 것을 확인한 피드백 정보를 수신한 경우, 복수의 이미지(3)를 데이터베이스에 저장할 수 있다.
이에 따라, 사용자 인식 장치(100)는 지정된 사용자(또는, 특정 사용자)의 형상이 포함된 이미지(3)를 데이터베이스에 저장할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 데이터베이스에 저장된 복수의 이미지에 포함된 지정된 사용자(1)의 형상을 학습할 수 있다. 일 실시 예에 따르면, 사용자 인식 장치(100)는 상기 학습된 정보(또는, 데이터)에 기초하여 지정된 사용자(1)를 인식할 수 있는 형상 정보를 생성할 수 있다. 이에 따라, 사용자 인식 장치(100)는 상기 생성된 형상 정보를 이용하여 지정된 사용자(1)를 높은 확률로 인식할 수 있다.
도 7은 일 실시 예에 따른 피드백 정보를 수신하기 위해 사용자 인식 장치로부터 수신된 이미지를 표시한 사용자 단말을 나타낸 도면이다.
도 7을 참조하면, 사용자 단말(5)은 사용자 인식 장치(100)로부터 수신된 복수의 이미지(711)을 사용자에게 제공하고, 복수의 이미지(711)에 사용자의 형상이 포함되어 있는지 여부를 확인하는 피드백 정보를 수신할 수 있다.
일 실시 예에 따르면, 사용자 단말(5)은 사용자의 피드백 입력을 수신하기 위한 어플리케이션 프로그램을 실행할 수 있다. 일 실시 예에 따르면, 사용자 단말(5)은 사용자 입력을 수신하기 위한 UI(user interface)(710)를 디스플레이에 표시할 수 있다. 사용자 단말(5)은 UI(710)을 통해 수신된 복수의 이미지(711)을 표시하고, 오브젝트(예: 가상의 버튼)(713)를 통해 사용자의 피드백 정보를 수신할 수 있다.
도 8은 일 실시 예에 따른 지정된 공간에서 감지된 이벤트에 기초하여 사용자의 형상을 학습하는 방법을 나타낸 흐름도이다.
일 실시 예에 따르면, 810 동작에서, 사용자 인식 장치(100)는 지정된 공간에서 발생한 이벤트를 감지할 수 있다.
일 실시 예에 따르면, 820 동작에서 사용자 인식 장치(100)는 지정된 공간에서 감지된 이벤트에 기초하여 복수의 이미지(3)를 생성할 수 있다.
일 실시 예에 따르면, 830 동작에서, 사용자 인식 장치(100)는 지정된 횟수 이상으로 복수의 이미지(3)에 사용자 형상이 포함되어 있는지 확인할 수 있다. 일 실시 예에 따르면, 사용자 인식 장치(100)는 복수의 이미지(3)에 지정된 횟수 미만으로 사용자 형상이 포함되어 있는 경우(No), 사용자(1)의 지정된 공간에 발생된 이벤트 감지하기 위해 대기할 수 있다(810).
일 실시 예에 따르면, 840 동작에서, 사용자 인식 장치(100)는 지정된 횟수 이상으로 복수의 이미지(3)에 사용자 형상이 포함되어 있는 경우(Yes), 사용자 단말(5)로 복수의 이미지(3)를 송신할 수 잇다.
일 실시 예에 따르면, 850 동작에서, 사용자 인식 장치(100)는 사용자 단말(5)로부터 복수의 이미지(3)에 지정된 사용자(1)의 형상이 포함되어 있는지 여부를 확인하는 피드백 정보를 수신할 수 있다. 지정된 사용자(1)는, 예를 들어, 사용자 단말(5)의 사용자일 수 있다.
일 실시 예에 따르면, 860 동작에서, 사용자 인식 장치(100)는 수신된 상기 피드백 정보에 기초하여 복수의 이미지(3)를 데이터베이스에 저장할 수 있다.
이에 따라, 사용자 인식 장치(100)는 데이터베이스에 저장된 이미지에 포함된 사용자(1)의 형상을 학습하여 지정된 사용자(1)를 인식하기 위한 형상 정보를 생성할 수 있다. 사용자 인식 장치(100)는 상기 형상 정보를 이용하여 지정된 사용자(1)를 인식할 수 있다.
도 9는 일 실시 예에 따른 사용자 인식 장치가 인식된 사용자에 따라 IoT(internet of thing)를 제어하는 것을 나타낸 도면이다.
도 9를 참조하면, 사용자 인식 장치(100)는 지정된 그룹 내의 사용자(1)를 인식하였을 때, 인식된 사용자(1)에 따라 서로 상이하게 IoT 장치(200)를 제어할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 지정된 그룹 내의 사용자(1) 별로 상이하게 IoT 장치(200)를 제어하도록 설정될 수 있다. 상기 지정된 그룹은, 예를 들어, 지정된 공간에서 인식될 수 있는 사용자의 그룹(예: 가족(사용자 A ~ D))일 수 있다. 일 실시 예에 따르면, 사용자(1) 별로 상이하게 IoT 장치(200)를 제어하기 위해, 사용자 정의 룰(user defined rule)이 사용자 인식 장치(100)(예: 메모리(120))에 저장될 수 있다. 상기 사용자 정의 룰은, 예를 들어, IoT 장치(200)의 전원(ON/OFF)을 제어하는 것뿐만 아니라, 지정된 상태(예: 설정 온도, 재생 음악 장르 등)로 동작하기 위한 설정 값을 저장할 수 있다.
일 실시 예에 따르면, 사용자(1)는 사용자 단말(30)을 통해 상기 사용자 정의 룰을 사용자 인식 장치(100)에 저장할 수 있다. 사용자 단말(30)은, 예를 들어, IoT 장치(200)의 상태를 설정하기 위한 UI(user interface)를 디스플레이에 표시하고, IoT 장치(200)를 제어하기 위한 룰을 설정하기 위한 사용자 입력(예: 터치 입력)을 수신할 수 있다.
일 실시 예에 따르면, 사용자 인식 장치(100)는 사용자(1) 별로 정의된 룰(user defined rule)에 따라 인식된 사용자 별로 IoT 장치(200)를 제어할 수 있다. 예를 들어, 사용자 인식 장치(100) 사용자 A를 인식하였을 때, 제1 사용자 정의 룰에 따라 에어컨을 24 °C로 설정된 상태에서 동작하게 하고, 지정된 공간의 전등은 오프(OFF)시키고, 스피커는 재즈(JAZZ) 음악을 재생하도록 제어할 수 있다. 사용자 인식 장치(100)는 사용자 B를 인식하였을 때, 제2 사용자 정의 룰에 따라 에어컨을 오프(OFF)시키고, 지정된 공간의 전등은 온(ON)시키고, 스피커는 클래식(CLASSIC) 음악을 재생하도록 제어할 수 있다. 사용자 인식 장치(100)는 사용자 C를 인식하였을 때, 제3 사용자 정의 룰에 따라 에어컨을 22 °C로 설정된 상태에서 동작하게 하고, 지정된 공간의 전등은 온(ON)시키고, 스피커는 오프(OFF)시키도록 제어할 수 있다. 또한, 사용자 인식 장치(100)는 사용자 D를 인식하였을 때, 제4 사용자 정의 룰에 따라 에어컨을 오프(OFF)시키고, 지정된 공간의 전등은 오프(OFF)시키고, 스피커는 랜덤(RANDOM) 음악을 재생하도록 제어할 수 있다.
이에 따라, 사용자 인식 장치(100)는 지정된 그룹 내의 사용자(1)에 따라 IoT 장치(200)를 제어함으로써, 사용자 기호에 맞는 서비스를 제공할 수 있다.
도 10는 다양한 실시 예들에 따른 네트워크 환경(1000) 내의 전자 장치(1001)의 블록도 이다.
본 문서에 개시된 다양한 실시 예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치(예: PDA(personal digital assistant), 태블릿 PC(tablet PC), 랩탑 PC(데스크톱 PC, 워크스테이션, 또는 서버), 휴대용 멀티미디어 장치(예: 전자 책 리더기 또는 MP3 플레이어), 휴대용 의료 기기(예: 심박, 혈당, 혈압, 또는 체온 측정기), 카메라, 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리 형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용 형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착 형(예: 스킨 패드 또는 문신), 또는 생체 이식 형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시 예들에서, 전자 장치는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오 장치, 오디오 액세서리 장치(예: 스피커, 헤드폰, 또는 헤드 셋), 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토메이션 컨트롤 패널, 보안 컨트롤 패널, 게임 콘솔, 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시 예에서, 전자 장치는 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder)(예: 차량/선박/비행기 용 블랙박스(black box)), 자동차 인포테인먼트 장치(예: 차량용 헤드-업 디스플레이), 산업용 또는 가정용 로봇, 드론(drone), ATM(automated teller machine), POS(point of sales) 기기, 계측 기기(예: 수도, 전기, 또는 가스 계측 기기), 또는 사물 인터넷 장치(예: 전구, 스프링클러 장치, 화재 경보기, 온도 조절기, 또는 가로등) 중 적어도 하나를 포함할 수 있다. 본 문서의 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않으며, 또한, 예를 들면, 개인의 생체 정보(예: 심박 또는 혈당)의 측정 기능이 구비된 스마트폰의 경우처럼, 복수의 장치들의 기능들을 복합적으로 제공할 수 있다. 본 문서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.
도 10을 참조하여, 네트워크 환경(1000)에서 전자 장치(1001)(예: 도 1의 사용자 인식 장치(100))는 근거리 무선 통신(1098)을 통하여 전자 장치(1002)와 통신하거나, 또는 네트워크(1099)를 통하여 전자 장치(1004) 또는 서버(1008)와 통신할 수 있다. 일 실시 예에 따르면, 전자 장치(1001)는 서버(1008)을 통하여 전자 장치(1004)와 통신할 수 있다.
일 실시 예에 따르면, 전자 장치(1001)는 버스(1010), 프로세서(1020)(예: 도 2의 프로세서(140)), 메모리(1030))(예: 도 2의 메모리(130)), 입력 장치(1050)(예: 마이크 또는 마우스), 표시 장치(1060), 오디오 모듈(1070), 센서 모듈(1076)(예: 도 2의 DVS 모듈(130)), 인터페이스(1077), 햅틱 모듈(1079), 카메라 모듈(1080), 전력 관리 모듈(1088), 및 배터리(1089), 통신 모듈(1090)(예: 도 2의 통신 인터페이스(110)), 및 가입자 식별 모듈(1096)을 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(1001)는 구성요소들 중 적어도 하나(예: 표시 장치(1060) 또는 카메라 모듈(1080))를 생략하거나 다른 구성요소를 추가적으로 구비할 수 있다.
버스(1010)는, 구성요소들(1020-1090)을 서로 연결하고, 구성요소들 간의 신호(예: 제어 메시지 또는 데이터)를 전달하는 회로를 포함할 수 있다.
프로세서(1020)는, 중앙처리장치(central processing unit, CPU), 어플리케이션 프로세서(application processor, AP), GPU(graphics processing unit), 카메라의 ISP(image signal processor), 또는 CP(communication processor) 중 하나 또는 그 이상을 포함할 수 있다. 일 실시 예에 따르면, 프로세서(1020)는 SoC(system on chip) 또는 SiP(system in package)로 구현될 수 있다. 프로세서(1020)는, 예를 들면, 운영 체제 또는 응용 프로그램을 구동하여 프로세서(1020)에 연결된 전자 장치(1001)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 프로세서(1020)는 다른 구성요소들(예: 통신 모듈(1090)) 중 적어도 하나로부터 수신된 명령 또는 데이터를 휘발성 메모리(1032)에 로드 하여 처리하고, 결과 데이터를 비 휘발성 메모리(1034)에 저장할 수 있다.
메모리(1030)는, 휘발성 메모리(1032) 또는 비 휘발성 메모리(1034)를 포함할 수 있다. 휘발성 메모리(1032)는, 예를 들면, RAM(random access memory)(예: DRAM, SRAM, 또는 SDRAM)로 구성될 수 있다. 비 휘발성 메모리(1034)는, 예를 들면, PROM(programmable read-only memory), OTPROM(one time PROM), EPROM(erasable PROM), EEPROM(electrically EPROM), mask ROM, flash ROM, 플래시 메모리, HDD(hard disk drive), 또는 SSD(solid state drive)로 구성될 수 있다. 또한, 비 휘발성 메모리(1034)는, 전자 장치(1001)와의 연결 형태에 따라, 그 안에 배치된 내장 메모리(1036), 또는 필요 시에만 연결하여 사용 가능한 스탠드-얼론(stand-alone) 형태의 외장 메모리(1038)로 구성될 수 있다. 외장 메모리(1038)는 플래시 드라이브(flash drive), 예를 들면, CF(compact flash), SD(secure digital), Micro-SD, Mini-SD, xD(extreme digital), MMC(multi-media card), 또는 메모리 스틱을 포함할 수 있다. 외장 메모리(1038)는 유선(예: 케이블 또는 USB(universal serial bus)) 또는 무선(예: Bluetooth)을 통하여 전자 장치(1001)와 기능적으로 또는 물리적으로 연결될 수 있다.
메모리(1030)는, 예를 들면, 전자 장치(1001)의 적어도 하나의 다른 소프트웨어 구성요소, 예를 들어, 프로그램(1040)에 관계된 명령 또는 데이터를 저장할 수 있다. 프로그램(1040)은, 예를 들면, 커널(1041), 라이브러리(1043), 어플리케이션 프레임워크(1045), 또는 어플리케이션 프로그램(interchangeably "어플리케이션")(1047)을 포함할 수 있다.
입력 장치(1050)는, 마이크, 마우스, 또는 키보드를 포함할 수 있다. 일 실시 예에 따르면, 키보드는 물리적인 키보드로 연결되거나, 표시 장치(1060)를 통해 가상 키보드로 표시될 수 있다.
표시 장치(1060)는, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 디스플레이는, 예를 들면, 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이, 유기 발광 다이오드(OLED) 디스플레이, 마이크로 전자기계 시스템(MEMS) 디스플레이, 또는 전자 종이(electronic paper) 디스플레이를 포함할 수 있다. 디스플레이는, 일 실시 예에 따르면, 유연하게, 투명하게, 또는 착용할 수 있게 구현될 수 있다. 디스플레이는 사용자의 터치, 제스처, 근접, 또는 호버링(hovering) 입력을 감지할 수 터치 회로(touch circuitry) 또는 터치에 대한 압력의 세기를 측정할 수 있는 압력 센서(interchangeably "force sensor")를 포함할 수 있다. 상기 터치 회로 또는 압력 센서는 디스플레이와 일체형으로 구현되거나, 또는 디스플레이와는 별도의 하나 이상의 센서들로 구현될 수 있다. 홀로그램 장치는 빛의 간섭을 이용하여 입체 영상을 허공에 보여줄 수 있다. 프로젝터는 스크린에 빛을 투사하여 영상을 표시할 수 있다. 스크린은, 예를 들면, 전자 장치(1001)의 내부 또는 외부에 위치할 수 있다.
오디오 모듈(1070)은, 예를 들면, 소리와 전기 신호를 쌍방향으로 변환시킬 수 있다. 일 실시 예에 따르면, 오디오 모듈(1070)은, 입력 장치(1050)(예: 마이크)를 통해 소리를 획득하거나, 또는 전자 장치(1001)에 포함된 출력 장치(미 도시)(예: 스피커 또는 리시버), 또는 전자 장치(1001)와 연결된 외부 전자 장치(예: 전자 장치(1002)(예: 무선 스피커 또는 무선 헤드폰) 또는 전자 장치(1006)(예: 유선 스피커 또는 유선 헤드폰))를 통해 소리를 출력할 수 있다.
센서 모듈(1076)은, 예를 들면, 전자 장치(1001)의 내부의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 고도, 습도, 또는 밝기)를 계측 또는 감지하여, 그 계측 또는 감지된 상태 정보에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 센서 모듈(1076)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러(color) 센서(예: RGB(red, green, blue) 센서), IR(infrared) 센서, 생체 센서(예: 홍채 센서, 지문 센서, 또는 HRM(heartbeat rate monitoring) 센서, 후각(electronic nose) 센서, EMG(electromyography) 센서, EEG(Electroencephalogram) 센서, ECG(Electrocardiogram) 센서), 온도 센서, 습도 센서, 조도 센서, 또는 UV(ultra violet) 센서를 포함할 수 있다. 센서 모듈(1076)은 그 안에 속한 적어도 하나 이상의 센서들을 제어하기 위한 제어 회로를 더 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(1001)는 프로세서(1020) 또는 프로세서(1020)와는 별도의 프로세서(예: 센서 허브)를 이용하여, 센서 모듈(1076)을 제어할 수 있다. 별도의 프로세서(예: 센서 허브)를 이용하는 경우에, 전자 장치(1001)는 프로세서(1020)가 슬립(sleep) 상태에 있는 동안, 프로세서(1020)를 깨우지 않고 별도의 프로세서의 작동에 의하여 센서 모듈(1076)의 동작 또는 상태의 적어도 일부를 제어할 수 있다.
인터페이스(1077)는, 일 실시 예에 따르면, HDMI(high definition multimedia interface), USB, 광 인터페이스(optical interface), RS-232(recommended standard 232), D-sub(D-subminiature), MHL(mobile high-definition link) 인터페이스, SD카드/MMC(multi-media card) 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다. 연결 단자(1078)는 전자 장치(1001)와 전자 장치(1006)를 물리적으로 연결시킬 수 있다. 일 실시 예에 따르면, 연결 단자(1078)는, 예를 들면, USB 커넥터, SD 카드/MMC 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(1079)은 전기적 신호를 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 예를 들면, 햅틱 모듈(1079)은 사용자에게 촉각 또는 운동 감각과 관련된 자극을 제공할 수 있다. 햅틱 모듈(1079)은 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(1080)은, 예를 들면, 정지 영상 및 동영상을 촬영할 수 있다. 카메라 모듈(1080)는, 일 실시 예에 따르면, 하나 이상의 렌즈(예: 광각 렌즈 및 망원 렌즈, 또는 전면 렌즈 및 후면 렌즈), 이미지 센서, 이미지 시그널 프로세서, 또는 플래시(예: 발광 다이오드 또는 제논 램프(xenon lamp) 등)를 포함할 수 있다.
전력 관리 모듈(1088)은 전자 장치(1001)의 전력을 관리하기 위한 모듈로서, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구성될 수 있다.
배터리(1089)는, 예를 들면, 1차 전지, 2차 전지, 또는 연료 전지를 포함하여 외부 전원에 의해 재충전되어, 상기 전자 장치(1001)의 적어도 하나의 구성 요소에 전력을 공급할 수 있다.
통신 모듈(1090)은, 예를 들면, 전자 장치(1001)와 외부 장치(예: 제1 외부 전자 장치(1002), 제2 외부 전자 장치(1004), 또는 서버(1008)) 간의 통신 채널 수립 및 수립된 통신 채널을 통한 유선 또는 무선 통신의 수행을 지원할 수 있다. 일 실시 예에 따르면, 통신 모듈(1090)은 무선 통신 모듈(1092) 또는 유선 통신 모듈(1094)을포함하고, 그 중 해당하는 통신 모듈을 이용하여 제1 네트워크(1098)(예: Bluetooth 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(1099)(예: 셀룰러 네트워크와 같은 원거리 통신 네트워크)를 통하여 외부 장치와 통신할 수 있다.
무선 통신 모듈(1092)은, 예를 들면, 셀룰러 통신, 근거리 무선 통신, 또는 GNSS 통신을 지원할 수 있다. 셀룰러 통신은, 예를 들면, LTE(long-term evolution), LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications)을 포함할 수 있다. 근거리 무선 통신은, 예를 들면, Wi-Fi(wireless fidelity), Wi-Fi Direct, Li-Fi(light fidelity), Bluetooth, BLE(Bluetooth low energy), Zigbee, NFC(near field communication), MST(magnetic secure transmission), RF(radio frequency), 또는 BAN(body area network)을 포함할 수 있다. GNSS는, 예를 들면, GPS(Global Positioning System), Glonass(Global Navigation Satellite System), Beidou Navigation Satellite System(이하 "Beidou") 또는 Galileo(the European global satellite-based navigation system)을 포함할 수 있다. 본 문서에서 "GPS"는 "GNSS"와 상호 호환적으로 사용될 수 있다.
일 실시 예에 따르면, 상기 무선 통신 모듈(1092)은, 셀룰러 통신을 지원하는 경우, 예를 들면, 가입자 식별 모듈(1096)을 이용하여 통신 네트워크 내에서 전자 장치(1001)의 구별 및 인증을 수행할 수 있다. 일 실시 예에 따르면, 무선 통신 모듈(1092)은 프로세서(1020)(예: AP)와 별개인 CP를 포함할 수 있다. 이런 경우, CP는, 예를 들면, 프로세서(1020)가 인액티브(예: 슬립) 상태에 있는 동안 프로세서(1020)를 대신하여, 또는 프로세서(1020)가 액티브 상태에 있는 동안 프로세서(1020)과 함께, 전자 장치(1001)의 구성요소들(1010-1096) 중 적어도 하나의 구성 요소와 관련된 기능들의 적어도 일부 기능을 수행할 수 있다. 일 실시 예에 따르면, 무선 통신 모듈(1092)은 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS 통신 모듈 중 해당하는 통신 방식만을 지원하는 복수의 통신 모듈들로 구성될 수 있다.
유선 통신 모듈(1094)은, 예를 들면, LAN(local area network), 전력선 통신 또는 POTS(plain old telephone service)를 포함할 수 있다.
제1 네트워크(1098)는, 예를 들어, 전자 장치(1001)와 제1 외부 전자 장치(1002)간의 무선으로 직접 연결을 통해 명령 또는 데이터를 송신 또는 수신 할 수 있는 Wi-Fi 다이렉트 또는 Bluetooth를 포함할 수 있다. 제2 네트워크(1099)는, 예를 들어, 전자 장치(1001)와 제2 외부 전자 장치(1004)간의 명령 또는 데이터를 송신 또는 수신할 수 있는 텔레커뮤니케이션 네트워크(예: LAN(local area network)나 WAN(wide area network)와 같은 컴퓨터 네트워크, 인터넷(internet), 또는 텔레폰(telephone) 네트워크)를 포함할 수 있다.
다양한 실시 예들에 따르면, 상기 명령 또는 상기 데이터는 제2 네트워크에 연결된 서버(1008)를 통해서 전자 장치(1001)와 제2 외부 전자 장치(1004)간에 송신 또는 수신될 수 있다. 제1 및 제2 외부 전자 장치(1002, 1004) 각각은 전자 장치(1001)와 동일한 또는 다른 종류의 장치일 수 있다. 다양한 실시 예들에 따르면, 전자 장치(1001)에서 실행되는 동작들의 전부 또는 일부는 다른 하나 또는 복수의 전자 장치(예: 전자 장치(1002, 1004), 또는 서버(1008)에서 실행될 수 있다. 일 실시 예에 따르면, 전자 장치(1001)가 어떤 기능이나 서비스를 자동으로 또는 요청에 의하여 수행해야 할 경우에, 전자 장치(1001)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 그와 연관된 적어도 일부 기능을 다른 장치(예: 전자 장치(1002, 1004), 또는 서버(1008))에게 요청할 수 있다. 다른 전자 장치(예: 전자 장치(1002, 1004), 또는 서버(1008))는 요청된 기능 또는 추가 기능을 실행하고, 그 결과를 전자 장치(1001)로 전달할 수 있다. 전자 장치(1001)는 수신된 결과를 그대로 또는 추가적으로 처리하여 요청된 기능이나 서비스를 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
본 문서의 다양한 실시 예들 및 이에 사용된 용어들은 본 문서에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시 예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 문서에서, "~하도록 설정된(adapted to or configured to)"은 상황에 따라, 예를 들면, 하드웨어적 또는 소프트웨어적으로 "~에 적합한," "~하는 능력을 가지는," "~하도록 변경된," "~하도록 만들어진," "~를 할 수 있는," 또는 "~하도록 설계된"과 상호 호환적으로(interchangeably) 사용될 수 있다. 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 설정된 (또는 구성된) 프로세서"는 해당 동작들을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치(예: 메모리 930)에 저장된 하나 이상의 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(예: CPU 또는 AP)를 의미할 수 있다.
본 문서에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어(firmware)로 구성된 유닛(unit)을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. "모듈"은 기계적으로 또는 전자적으로 구현될 수 있으며, 예를 들면, 어떤 동작들을 수행하는, 알려졌거나 앞으로 개발될, ASIC(application-specific integrated circuit) 칩, FPGAs(field-programmable gate arrays), 또는 프로그램 가능 논리 장치를 포함할 수 있다.
다양한 실시 예들에 따른 장치(예: 모듈들 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는 프로그램 모듈의 형태로 컴퓨터로 판독 가능한 저장 매체(예: 메모리(1030))에 저장된 명령어로 구현될 수 있다. 상기 명령어가 프로세서(예: 프로세서(1020))에 의해 실행될 경우, 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다. 컴퓨터로 판독 가능한 기록 매체는, 하드디스크, 플로피디스크, 마그네틱 매체(예: 자기테이프), 광기록 매체(예: CD-ROM, DVD, 자기-광 매체(예: 플롭티컬 디스크), 내장 메모리 등을 포함할 수 있다. 명령어는 컴파일러에 의해 만들어지는 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다.
다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램 모듈) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소를 더 포함할 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램 모듈)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따른 모듈, 프로그램 모듈 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱(heuristic)하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.

Claims (20)

  1. 전자 장치에 있어서,
    통신 인터페이스;
    DVS(dynamic vision sensor);
    이미지가 저장된 데이터베이스를 포함하는 메모리;
    적어도 하나의 프로세서;를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 DVS를 통해 지정된 공간에서 감지된 이벤트에 기초하여 오브젝트의 형상(shape)이 포함된 복수의 이미지를 생성하고,
    상기 통신 인터페이스를 통해 상기 복수의 이미지를 사용자 단말로 송신하고,
    상기 통신 인터페이스를 통해 상기 사용자 단말로부터 상기 복수의 이미지에 사용자의 형상이 포함되었는지 여부를 확인하는 피드백 정보를 수신하고,
    상기 피드백 정보에 기초하여 상기 복수의 이미지를 상기 데이터베이스에 저장하고,
    상기 데이터베이스에 저장된 상기 복수의 이미지 각각에 포함된 상기 사용자의 형상들을 확인하고,
    상기 확인된 형상들에 기초하여 상기 사용자를 인식하기 위한 형상 정보를 생성하도록 설정된, 전자 장치.
  2. 청구항 1에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 확인된 사용자의 형상들의 특징을 추출하고,
    상기 추출된 형상들의 특징에 기초하여 상기 형상 정보를 생성하도록 설정된, 전자 장치.
  3. 청구항 1에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 통신 인터페이스를 통해 외부 전자 장치로부터 상기 사용자를 구별하기 위한 식별 정보를 수신하고,
    상기 식별 정보를 수신한 때로부터 지정된 시간 내에 생성된 상기 복수의 이미지를 상기 데이터베이스에 저장하도록 설정된, 전자 장치.
  4. 청구항 3에 있어서,
    상기 적어도 하나의 프로세서는 상기 복수의 이미지 각각에 하나의 상기 사용자의 형상만이 포함된 경우, 상기 복수의 이미지를 상기 데이터베이스에 저장하도록 설정된, 전자 장치.
  5. 청구항 4에 있어서,
    상기 외부 전자 장치는 RFIC(radio frequency integrated circuit)를 포함하는 키, 사용자 단말 또는 비콘(beacon)으로부터 상기 식별 정보를 수신하고, 상기 수신된 식별 정보에 대응하여 지정된 동작을 수행하는, 전자 장치.
  6. 청구항 5에 있어서,
    상기 지정된 동작은 보안(security) 설정 또는 해지하는 동작인, 전자 장치.
  7. 삭제
  8. 청구항 1에 있어서,
    상기 적어도 하나의 프로세서는 상기 복수의 이미지에 지정된 횟수 이상으로 상기 사용자의 형상이 포함되면, 상기 복수의 이미지를 상기 사용자 단말로 송신하도록 설정된, 전자 장치.
  9. 청구항 1에 있어서,
    상기 적어도 하나의 프로세서는 상기 생성된 형상 정보에 기초하여, 상기 DVS를 통해 생성된 이미지에 포함된 상기 사용자의 형상을 확인함으로써 상기 사용자를 인식하도록 설정된, 전자 장치.
  10. 청구항 1에 있어서,
    상기 적어도 하나의 프로세서는 상기 인식된 사용자에 대응되는 서비스를 제공하도록 설정된, 전자 장치.
  11. 청구항 10에 있어서,
    상기 적어도 하나의 프로세서는 상기 인식된 사용자에 따라 적어도 하나의 IoT(internet of thing) 장치를 제어하도록 설정된, 전자 장치.
  12. 청구항 1에 있어서,
    상기 적어도 하나의 프로세서는 외부 서버를 통해 상기 복수의 이미지를 처리하여 상기 형상 정보를 획득하도록 설정된, 전자 장치.
  13. 전자 장치의 제어 방법에 있어서,
    DVS를 통해 지정된 공간에서 감지된 이벤트에 기초하여 오브젝트의 형상(shape)이 포함된 복수의 이미지를 생성하는 동작;
    상기 복수의 이미지를 사용자 단말로 송신하는 동작;
    상기 사용자 단말로부터 상기 복수의 이미지에 사용자의 형상이 포함되었는지 여부를 확인하는 피드백 정보를 수신하는 동작;
    상기 피드백 정보에 기초하여 상기 복수의 이미지를 데이터베이스에 저장하는 동작;
    상기 데이터베이스에 저장된 상기 복수의 이미지 각각에 포함된 상기 사용자의 형상들을 확인하는 동작; 및
    상기 확인된 형상들에 기초하여 상기 사용자를 인식하기 위한 형상 정보를 생성하는 동작을 포함하는, 방법.
  14. 청구항 13에 있어서,
    상기 형상 정보를 생성하는 동작은,
    상기 확인된 형상들의 특징을 추출하는 동작; 및
    상기 추출된 형상들의 특징에 기초하여 상기 형상 정보를 생성하는 동작;을 포함하는, 방법.
  15. 청구항 13에 있어서,
    외부 전자 장치로부터 상기 사용자를 구별하기 위한 식별 정보를 수신하는 동작;을 더 포함하고,
    상기 복수의 이미지를 데이터베이스에 저장하는 동작은, 상기 식별 정보를 수신한 때로부터 지정된 시간 내에 생성된 상기 복수의 이미지를 상기 데이터베이스에 저장하는 동작;을 포함하는, 방법.
  16. 청구항 15에 있어서,
    상기 복수의 이미지를 데이터베이스에 저장하는 동작은, 상기 복수의 이미지 각각에 하나의 상기 사용자의 형상만이 포함되면, 상기 복수의 이미지를 상기 데이터베이스에 저장하는 동작;을 포함하는 방법.
  17. 청구항 15에 있어서,
    상기 외부 전자 장치는 RFIC(radio frequency integrated circuit)를 포함하는 키, 사용자 단말 또는 비콘(beacon)으로부터 상기 식별 정보를 수신하고, 상기 수신된 식별 정보에 대응하여 지정된 동작을 수행하는, 방법.
  18. 삭제
  19. 청구항 13에 있어서,
    상기 복수의 이미지를 사용자 단말로 송신하는 동작은, 상기 복수의 이미지에 지정된 횟수 이상으로 상기 사용자의 형상이 포함되면, 상기 복수의 이미지를 상기 사용자 단말로 송신하는 동작;을 포함하는, 방법
  20. 청구항 13에 있어서,
    상기 생성된 형상 정보에 기초하여, 상기 DVS를 통해 생성된 이미지에 포함된 상기 사용자의 형상을 확인함으로써 상기 사용자를 인식하는 동작;을 더 포함하는, 방법.
KR1020180076875A 2018-07-03 2018-07-03 사용자를 인식하는 전자 장치 및 그 전자 장치를 제어하는 방법 KR102539947B1 (ko)

Priority Applications (6)

Application Number Priority Date Filing Date Title
KR1020180076875A KR102539947B1 (ko) 2018-07-03 2018-07-03 사용자를 인식하는 전자 장치 및 그 전자 장치를 제어하는 방법
EP19829775.6A EP3776292A4 (en) 2018-07-03 2019-06-19 ELECTRONIC DEVICE FOR RECOGNIZING A USER AND ITS ORDERING PROCEDURE
PCT/KR2019/007386 WO2020009353A1 (en) 2018-07-03 2019-06-19 Electronic apparatus for recognizing user and controlling method thereof
CN201980033576.9A CN112136129A (zh) 2018-07-03 2019-06-19 用于识别用户的电子设备及其控制方法
US16/445,710 US11144791B2 (en) 2018-07-03 2019-06-19 Electronic apparatus for recognizing user and controlling method thereof
JP2019124577A JP7410659B2 (ja) 2018-07-03 2019-07-03 ユーザを認識する電子装置及びその制御方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180076875A KR102539947B1 (ko) 2018-07-03 2018-07-03 사용자를 인식하는 전자 장치 및 그 전자 장치를 제어하는 방법

Publications (2)

Publication Number Publication Date
KR20200003992A KR20200003992A (ko) 2020-01-13
KR102539947B1 true KR102539947B1 (ko) 2023-06-07

Family

ID=69060412

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180076875A KR102539947B1 (ko) 2018-07-03 2018-07-03 사용자를 인식하는 전자 장치 및 그 전자 장치를 제어하는 방법

Country Status (6)

Country Link
US (1) US11144791B2 (ko)
EP (1) EP3776292A4 (ko)
JP (1) JP7410659B2 (ko)
KR (1) KR102539947B1 (ko)
CN (1) CN112136129A (ko)
WO (1) WO2020009353A1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101460902B1 (ko) * 2013-07-03 2014-11-20 한국과학기술원 차량 주변의 도난 징후 감지를 위한 지능형 블랙박스 시스템 및 그 동작 방법
KR101541384B1 (ko) * 2013-12-24 2015-08-03 전남대학교산학협력단 영상 인식 장치 및 방법

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6775397B1 (en) 2000-02-24 2004-08-10 Nokia Corporation Method and apparatus for user recognition using CCD cameras
US7069259B2 (en) 2002-06-28 2006-06-27 Microsoft Corporation Multi-attribute specification of preferences about people, priorities and privacy for guiding messaging and communications
US20080130958A1 (en) * 2006-11-30 2008-06-05 Motorola, Inc. Method and system for vision-based parameter adjustment
JP2009032116A (ja) * 2007-07-27 2009-02-12 Toshiba Corp 顔認証装置、顔認証方法および入退場管理装置
KR20120072009A (ko) 2010-12-23 2012-07-03 한국전자통신연구원 다중 사용자의 인터렉션 인식 장치 및 방법
KR101909082B1 (ko) 2012-01-31 2018-10-18 삼성전자주식회사 사용자 인터랙션을 이용하여 이동 단말을 제어하는 장치 및 방법
JP6255207B2 (ja) * 2013-10-17 2017-12-27 日立ジョンソンコントロールズ空調株式会社 空気調和機の室内機及びこれを用いた空気調和機
CN103763430B (zh) * 2013-12-18 2016-07-06 深圳市金立通信设备有限公司 一种事件提醒方法、装置以及终端设备
JP6096161B2 (ja) * 2014-10-15 2017-03-15 ソニー株式会社 情報処理装置および情報処理方法
US10127439B2 (en) * 2015-01-15 2018-11-13 Samsung Electronics Co., Ltd. Object recognition method and apparatus
WO2016174662A1 (en) 2015-04-27 2016-11-03 Agt International Gmbh Method of monitoring well-being of semi-independent persons and system thereof
KR102433931B1 (ko) * 2015-07-30 2022-08-19 삼성전자주식회사 움직임 인식 방법 및 움직임 인식 장치
KR102376700B1 (ko) * 2015-08-12 2022-03-22 삼성전자주식회사 비디오 컨텐츠 생성 방법 및 그 장치
KR102457724B1 (ko) * 2015-09-22 2022-10-24 삼성전자주식회사 영상 처리를 수행하기 위한 방법 및 그 전자 장치
US10198660B2 (en) * 2016-01-27 2019-02-05 Samsung Electronics Co. Ltd. Method and apparatus for event sampling of dynamic vision sensor on image formation
CN106154858A (zh) * 2016-08-15 2016-11-23 上海了物网络科技有限公司 基于物联网的智能沙发及智能家居控制***
CN108073929B (zh) * 2016-11-15 2023-11-24 北京三星通信技术研究有限公司 基于动态视觉传感器的物体检测方法及设备
US10614332B2 (en) * 2016-12-16 2020-04-07 Qualcomm Incorportaed Light source modulation for iris size adjustment
US10885396B2 (en) * 2017-05-24 2021-01-05 Amazon Technologies, Inc. Generating composite images using audio/video recording and communication devices

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101460902B1 (ko) * 2013-07-03 2014-11-20 한국과학기술원 차량 주변의 도난 징후 감지를 위한 지능형 블랙박스 시스템 및 그 동작 방법
KR101541384B1 (ko) * 2013-12-24 2015-08-03 전남대학교산학협력단 영상 인식 장치 및 방법

Also Published As

Publication number Publication date
US20200012901A1 (en) 2020-01-09
WO2020009353A1 (en) 2020-01-09
JP7410659B2 (ja) 2024-01-10
CN112136129A (zh) 2020-12-25
US11144791B2 (en) 2021-10-12
JP2020009443A (ja) 2020-01-16
KR20200003992A (ko) 2020-01-13
EP3776292A4 (en) 2021-04-28
EP3776292A1 (en) 2021-02-17

Similar Documents

Publication Publication Date Title
KR102606789B1 (ko) 복수의 음성 인식 장치들을 제어하는 방법 및 그 방법을 지원하는 전자 장치
US10860850B2 (en) Method of recognition based on iris recognition and electronic device supporting the same
KR102314241B1 (ko) 적응적 인증 수행 방법 및 이를 지원하는 전자 장치
US10825453B2 (en) Electronic device for providing speech recognition service and method thereof
KR102333101B1 (ko) 관심 객체에 대한 외부 광원의 속성 정보를 제공하는 방법을 지원하는 전자 장치
KR102572446B1 (ko) 도어의 개폐 상태를 감지하기 위한 센싱 장치 및 그 센싱 장치를 제어하는 방법
EP3642838B1 (en) Method for operating speech recognition service and electronic device and server for supporting the same
KR102419492B1 (ko) 전자 장치 및 전자 장치의 송신 전력 제어 방법
KR102548199B1 (ko) 전자 장치 및 전자 장치의 시선 추적 방법
KR102287109B1 (ko) 피부에 해당하는 이미지 처리 영역을 보정하는 방법 및 전자 장치
US11204645B2 (en) Method for providing haptic feedback, and electronic device for performing same
KR102431817B1 (ko) 사용자 발화를 처리하는 전자 장치 및 서버
KR102290746B1 (ko) 무인 비행 장치를 제어하는 전자 장치, 그에 의해 제어되는 무인 비행 장치 및 시스템
KR20190130770A (ko) Vr/ar 콘텐트를 제공하는 전자 장치
US20200075008A1 (en) Voice data processing method and electronic device for supporting same
KR102308289B1 (ko) 외부 전자 장치에 연결하고 데이터를 업데이트 하는 전자 장치
US20200034112A1 (en) Electronic device for performing operation according to user input after partial landing
KR102544779B1 (ko) 움직임 정보 생성 방법 및 이를 지원하는 전자 장치
KR102533986B1 (ko) 실시간 콘텐트 데이터를 공유하는 전자 장치
KR102539947B1 (ko) 사용자를 인식하는 전자 장치 및 그 전자 장치를 제어하는 방법
KR20200095691A (ko) 밀리미터 웨이브를 이용한 객체 인식 방법 및 이를 지원하는 전자 장치
KR102563818B1 (ko) 사물 인터넷 장치를 제어하는 전자 장치 및 사물 인터넷 장치의 제어 방법
KR20180124698A (ko) 버튼 장치와 및 그 기능 제어 방법
KR20190043018A (ko) 사용자 입력을 수신하여 동작을 수행하는 웨어러블 전자 장치 및 그 전자 장치의 제어 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant