KR101528236B1 - 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체 - Google Patents

단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체 Download PDF

Info

Publication number
KR101528236B1
KR101528236B1 KR1020140026452A KR20140026452A KR101528236B1 KR 101528236 B1 KR101528236 B1 KR 101528236B1 KR 1020140026452 A KR1020140026452 A KR 1020140026452A KR 20140026452 A KR20140026452 A KR 20140026452A KR 101528236 B1 KR101528236 B1 KR 101528236B1
Authority
KR
South Korea
Prior art keywords
terminal
user
unit
behavior
portable
Prior art date
Application number
KR1020140026452A
Other languages
English (en)
Inventor
전진수
차정석
이경한
Original Assignee
국립대학법인 울산과학기술대학교 산학협력단
에스케이텔레콤 주식회사
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 국립대학법인 울산과학기술대학교 산학협력단, 에스케이텔레콤 주식회사 filed Critical 국립대학법인 울산과학기술대학교 산학협력단
Priority to KR1020140026452A priority Critical patent/KR101528236B1/ko
Application granted granted Critical
Publication of KR101528236B1 publication Critical patent/KR101528236B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • User Interface Of Digital Computer (AREA)
  • Telephone Function (AREA)

Abstract

본 발명은 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법에 관한 것으로서, 단말의 휴대 방법별로 사용자의 행동 인지를 위한 학습 데이터를 생성한 후 이를 이용하여 사용자의 행동을 인지할 수 있는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체에 관한 것이다.
이를 위한 본 발명의 일 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치는 일정 주기(C)로 일정 시간(M) 동안 위치 측정이 가능한 적어도 하나 이상의 센서를 통해 측정 값을 수집하는 정보 수집부, 상기 정보 수집부를 통해 수집된 상기 측정 값을 이용하여 N차원 벡터를 산출하는 변환부, 상기 변환부를 통해 산출된 상기 N차원 벡터를 이용하여 단말의 휴대 방법에 대한 학습 데이터를 생성하는 학습부 및 상기 학습부를 통해 단말의 휴대 방법에 대한 학습 데이터가 생성된 이후에, 상기 정보 수집부를 통해 측정 값이 수집되면, 상기 단말의 휴대 방법에 대한 학습 데이터를 이용하여 단말의 현재 휴대 방법을 판단하는 판단부를 포함하여 구성될 수 있다.

Description

단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체{METHOD FOR POSITION AGNOSTIC ACTIVITY RECOGNITION OF MOBILE TERMINAL AND APPARATUS USING THE SAME, COMPUTER READABLE MEDIUM FOR IMPLEMENTING THE METHOD}
본 발명은 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법에 관한 것으로서, 단말의 휴대 방법별로 사용자의 행동 인지를 위한 학습 데이터를 생성한 후 이를 이용하여 사용자의 행동을 인지할 수 있는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 실시 예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
현재 스마트 폰 등과 같은 단말의 고성능, 고집적화로 인하여 다양한 종류의 물리적 및 논리적 센서가 탑재되고 있다. 이러한 센서들을 이용하여 새롭고 다양한 정보를 생성하고, 이를 이용해 사용자의 편의를 증진시키는 방향으로 발전되고 있다. 대표적으로 사용자의 행동 인지(user activity recognition)를 통한 서비스를 들 수 있다. 즉, 사용자가 현재 걷고 있는 상태인지, 뛰고 있는 상태인지 등을 판단하여 이와 관련된 다양한 부가 서비스, 예컨대 뛰고 있을 겨우 컨텐츠 재생 어플리케이션의 볼륨을 높이는 등과 같은 라이프 로그(life logging), 개인화 서비스(personal assistance) 등을 제공하는 것을 의미한다.
그러나, 현재까지의 사용자의 행동 인지 기법들은 단말의 위치가 고정되어 있다는 가정 하에 학습을 통해 사용자의 행동을 인지하였다. 즉, 단말이 학습된 특정 위치(예컨대, 바지 주머니)에 있지 않을 경우, 사용자의 행동 인지가 불가능하였다.
이러한 제한은 단말을 휴대하는 방법에 관계 없이 상술한 서비스를 이용하고자 하는 사용자에게 심각한 사용성의 제약을 가져온다는 문제점이 있다.
한국공개특허 제10-2012-0018337호, 2012년 3월 2일 공개 (명칭: 모바일 디바이스에서 상황 인식)
본 발명은 상기한 종래의 문제점을 해결하기 위해 제안된 것으로서, 특히 단말의 휴대 방법별로 사용자의 행동 인지를 위한 학습 데이터를 생성한 후 이를 이용하여 사용자의 행동을 인지할 수 있는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체를 제공하는 데 목적이 있다.
특히, 본 발명은 일정 주기 단위로 일정 시간 동안 센서를 통해 측정된 측정 값을 이용하여 N차원 벡터를 산출하고, 이를 기초로 단말의 휴대 방법에 대한 학습 데이터를 생성한 후, 단말의 현재 휴대 방법을 최종적으로 판단할 수 있는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체를 제공하는 데 그 목적이 있다.
그러나, 이러한 본 발명의 목적은 상기의 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
상술한 바와 같은 목적을 달성하기 위한 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치는 일정 주기(C)로 일정 시간(M) 동안 위치 측정이 가능한 적어도 하나 이상의 센서를 통해 측정 값을 수집하는 정보 수집부; 상기 정보 수집부를 통해 수집된 상기 측정 값을 이용하여 N차원 벡터를 산출하는 변환부; 상기 변환부를 통해 산출된 상기 N차원 벡터를 이용하여 단말의 휴대 방법에 대한 학습 데이터를 생성하는 학습부; 및 상기 학습부를 통해 단말의 휴대 방법에 대한 학습 데이터가 생성된 이후에, 상기 정보 수집부를 통해 측정 값이 수집되면, 상기 단말의 휴대 방법에 대한 학습 데이터를 이용하여 단말의 현재 휴대 방법을 판단하는 판단부;를 포함하여 구성될 수 있다.
이때, 상기 정보 수집부는 3축 가속도 센서 및 3축 자이로 센서를 통해 측정된 값을 수집할 수 있다.
또한, 상기 변환부는 일정 주기(C)로 일정 시간(M) 동안 수집된 측정 값을 이용하여 생성된 N차원 벡터를 직렬화하여 N*(M*C)차원 벡터를 생성할 수 있다.
또한, 상기 학습부는 베이즈 추론(bayesian inference), 의사결정트리(decision tree), 서포트 벡터 머신(support vector machines), 은닉 마르코프 모델(hidden markov model), 신경망(neural networks) 알고리즘 중 어느 하나에 따라 상기 단말의 휴대 방법에 대한 학습 데이터를 생성할 수 있다.
또한, 상기 판단부는 기 설정된 시간 동안 반복하여 단말의 현재 휴대 방법을 판단하며, 가장 많이 도출된 휴대 방법을 단말의 현재 휴대 방법으로 최종 판단할 수 있다.
또한, 상기 학습부는 상기 판단부를 통해 단말의 현재 휴대 방법이 전달되면, 전달된 상기 단말의 현재 휴대 방법에 대응하여 정보 수집부를 통해 측정된 측정 값을 기초로 사용자의 행동 인지를 위한 학습 데이터를 생성할 수 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법은 일정 주기(C)로 일정 시간(M) 동안 위치 측정이 가능한 적어도 하나 이상의 센서를 통해 측정 값을 수집하는 단계; 상기 수집된 측정 값을 이용하여 N차원 벡터를 산출하는 단계; 상기 산출된 N차원 벡터를 이용하여 단말의 휴대 방법에 대한 학습 데이터를 생성하는 단계; 상기 적어도 하나 이상의 센서를 통해 측정 값이 수집되면, 상기 학습 데이터를 이용하여 단말의 현재 휴대 방법을 판단하는 단계; 및 단말의 현재 휴대 방법별로 대응하여 사용자의 행동 인지를 위한 학습 데이터를 생성하는 단계;를 포함하여 이뤄질 수 있다.
이때, 상기 N차원 벡터를 산출하는 단계는 일정 주기(C)로 일정 시간(M) 동안 수집된 측정 값을 이용하여 생성된 N차원 벡터를 직렬화하여 N*(M*C)차원 벡터를 생성할 수 있다.
또한, 상기 단말의 현재 휴대 방법을 판단하는 단계는 기 설정된 시간 동안 반복하여 단말의 현재 휴대 방법을 판단하고, 가장 많이 도출된 휴대 방법을 단말의 현재 휴대 방법으로 최종 판단할 수 있다.
또한, 상기 사용자의 행동 인지를 위한 학습 데이터를 생성하는 단계 이후에, 적어도 하나 이상의 센서를 통해 측정 값이 수집되면, 수집된 상기 측정 값을 상기 사용자의 행동 인지를 위한 학습 데이터와 비교하여, 사용자의 행동을 인지하는 단계;를 더 포함하여 이뤄질 수 있다.
추가로 본 발명은 상술한 바와 같은 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체를 제공할 수 있다.
본 발명의 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체에 의하면, 단말의 휴대 방법별로 사용자의 행동 인지를 위한 학습 데이터를 생성한 후 이를 이용하여 사용자의 행동을 인지함으로써, 사용자가 단말을 어떠한 형태로 소지하고 있더라도 용이하게 사용자의 행동을 인지할 수 있게 된다.
이를 통해 사용자는 단말의 소지 형태와 무관하게 사용자의 행동 인지를 통해 다양한 서비스들을 이용할 수 있게 된다.
아울러, 상술한 효과 이외의 다양한 효과들이 후술될 본 발명의 실시 예에 따른 상세한 설명에서 직접적 또는 암시적으로 개시될 수 있다.
도 1은 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치의 주요 구성을 개략적으로 설명하기 위한 블록도이다.
도 2는 본 발명의 실시 예에 따른 정보 수집부의 주요 구성을 보다 구체적으로 설명하기 위한 블록도이다.
도 3은 본 발명의 실시 예에 따른 단말의 휴대 방법을 판단하는 과정을 보다 구체적으로 설명하기 위한 블록도이다.
도 4는 본 발명의 실시 예에 따른 단말의 휴대 방법별 사용자의 행동 인지 과정을 설명하기 위한 예시도이다.
도 5는 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법을 설명하기 위한 흐름도이다.
이하 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있는 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예에 대한 동작 원리를 상세하게 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 핵심을 흐리지 않고 더욱 명확히 전달하기 위함이다. 또한 본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 하나, 이는 본 발명을 특정한 실시 형태로 한정하려는 것은 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
또한, 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하기 위해 사용하는 것으로, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용될 뿐, 상기 구성요소들을 한정하기 위해 사용되지 않는다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다.
더하여, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급할 경우, 이는 논리적 또는 물리적으로 연결되거나, 접속될 수 있음을 의미한다. 다시 말해, 구성요소가 다른 구성요소에 직접적으로 연결되거나 접속되어 있을 수 있지만, 중간에 다른 구성요소가 존재할 수도 있으며, 간접적으로 연결되거나 접속될 수도 있다고 이해되어야 할 것이다.
또한, 본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 본 명세서에서 기술되는 "포함 한다" 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.
이제 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체에 대하여 도면을 참조하여 상세하게 설명하도록 한다. 이때, 도면 전체에 걸쳐 유사한 기능 및 작용을 하는 부분에 대해서는 동일한 도면 부호를 사용하며, 이에 대한 중복되는 설명은 생략하기로 한다.
아울러, 본 발명의 실시 예에 따른 단말은 바람직하게는 스마트 폰(smart phone), 타블렛 PC(Tablet PC), PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션 장치 등 사용자의 소지가 가능한 단말이라면 그 어떠한 단말이라도 적용 가능하다.
또한, 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치는 단말의 하드웨어적 모듈 형태로 구현되거나, 단말에서 이용될 수 있는 일 어플리케이션 형태로 구현될 수 있다. 또한, 본 발명의 실시 에에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치는 클라이언트(client) - 서버(server) 형태로 구현될 수 있다. 이 경우, 클라이언트인 단말이 구비된 센서를 통해 측정된 값을 서버로 전송하면, 서버가 단말의 휴대 방법에 대한 학습 데이터를 생성하고, 단말의 현재 휴대 방법을 판단하여 단말로 전송하면, 단말이 이를 기초로 그 다음의 사용자의 행동을 인지할 수 있다. 이때, 사용자의 행동을 인지하는 과정 또한 서버에서 이뤄질 수도 있다.
이하의 설명에서는 설명의 편의를 위해, 본 발명의 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치는 단말 내 하드웨어적 모듈 또는 소프트웨어적 모듈(어플리케이션) 형태로 구비되는 것을 가정하여 설명하도록 한다.
도 1은 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치의 주요 구성을 개략적으로 설명하기 위한 블록도이며, 도 2는 본 발명의 실시 예에 따른 정보 수집부의 주요 구성을 보다 구체적으로 설명하기 위한 블록도이며, 도 3은 본 발명의 실시 예에 따른 단말의 휴대 방법을 판단하는 과정을 보다 구체적으로 설명하기 위한 블록도이며, 도 4는 본 발명의 실시 예에 따른 단말의 휴대 방법별 사용자의 행동 인지 과정을 설명하기 위한 예시도이다.
먼저, 도 1을 참조하면, 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치(100)는 정보 수집부(110), 변환부(130), 학습부(130) 및 판단부(140)를 포함하여 구성될 수 있다.
각 구성요소에 대해 개략적으로 설명하면, 먼저, 정보 수집부(110)는 하나 이상의 센서를 통해 일정 주기(C)로 일정 시간(M) 동안 측정 값을 수집하는 역할을 수행한다. 또한, 정보 수집부(110)는 단말의 휴대 방법에 대한 학습 데이터를 생성하는 데 필요한 각종 정보를 수집하는 역할을 수행한다.
이러한 정보 수집부(110)는 도 2에 도시된 바와 같이, 센서 정보 수집부(10) 및 입력 정보 수집부(20)를 포함하여 구성될 수 있으며, 이 중 센서 정보 수집부(10)는 바람직하게는 3축 가속도(accelerometer) 센서(11) 및 3축 자이로(gyroscope) 센서(12)를 포함하여 구성될 수 있다.
3축 가속도 센서(11)는 단말의 가속도를 감지한다. 3축 가속도 센서(11)는 그 내부에 작은 추를 달아서 그 흔들림으로 가속도를 측정할 수 있다. 이러한 3축 가속도 센서(11)를 이용하면 보행이나 행동 중 가감속에 의한 운동가속도 성분과 경사에 의한 중력가속도 성분을 포함하는 가속도 신호, x, y, z 값을 측정할 수 있으며, 이를 통해, 단말이 정지 또는 이동하는 지 여부를 확인할 수 있다. 또한, 3축 가속도 센서(11)는 단말의 운동 속도를 예측하고 이를 이용하여 시간을 산출할 수도 있다.
3축 자이로 센서(12)는 단말의 가속도를 감지한다. 3축 자이로 센서(12)는 각(Angle)이 변화하는 정도를 측정하는 장치이며, 이를 통해 센서가 탑재된 단말의 방향을 나타낼 수 있다. 또한, 3축 자이로 센서(12) 는 상하(x), 좌우(y), 앞뒤(z)의 축 값을 표현할 수 있다. 1축 자이로 센서는 x, y, z축 중 어느 한 축만 감지할 수 있으며, 2축은 그 중 두 축을 감지할 수 있으며, 3축은 전부 감지가 가능하다. 이러한 3축 자이로 센서(12)를 이용하여 회전운동을 하는 경우에 그 회전방향에 대한 움직임 정보를 세밀하게 감지할 수 있다.
아울러, 본 발명의 일 실시 예에서는 센서 정보 수집부(10)가 3축 가속도 센서(11) 및 3축 자이로 센서(12)를 포함하는 것을 예로 들어 설명하나 이에 한정되는 것은 아니며, 상기 가속도 센서(11) 및 자이로 센서(12)는 1축, 2축, 4축 등 축 값의 범위에 제한되지 않는다.
또한, 본 발명의 일 실시 예에서는 센서 정보 수집부(10)가 3축 가속도 센서(11) 및 3축 자이로 센서(12) 외에도 다양한 센서를 포함하여 구성될 수 있다. 예컨대, 단말 주변의 자기장의 변화를 전자적으로 인식하여 지구에서 발생하는 자기장의 흐름을 파악해 나침반처럼 방위를 탐지할 수 있는 지자기(compass) 센서, 중력의 방향을 탐지할 수 있는 중력(gravity) 센서, 대기의 압력을 측정하며, 대기의 압력의 변화에 따라 고도를 측정할 수 있는 기압계(barometer), 이동 속도 및 이동 방향을 측정할 수 있는 관성 측정 장치(IMU; Inertial Measurement Unit), 단말의 위치를 감지하는 위치 센서 등 포함할 수 있다. 여기서, 위치 센서는 위성항법시스템(global positioning system)으로 대체할 수 있다. GPS는 지구를 도는 인공위성이 현재의 위치를 시시각각 알려주어 목적지까지 인도해주는 시스템이다. 따라서 GPS가 단말의 현재 위치를 감지할 수 있으며, 또한 위치 센서는 기지국 또는 AP(Access Point)로부터 송출되는 신호를 이용하여 단말의 위치를 감지하기 위한 다양한 모듈로 대체될 수 있다.
더하여, 센서 정보 수집부(10)는 사용자의 행동 인지를 위한 다양한 정보를 수집하는 모듈을 더 포함하여 구성될 수도 있다.
이하의 설명에서는 바람직하게 단말의 휴대 방법에 대한 학습 데이터 구축을 위해 3축 가속도 센서(11) 및 3축 자이로 센서(12)를 이용하며, 사용자의 행동 인지를 위한 학습 데이터 구축을 위해 다양한 센서를 이용하는 것을 예로 들어 설명하도록 한다.
이러한 센서 정보 수집부(10)는 단말의 휴대 방법에 대한 학습 데이터 구축을 위해, 일정 주기(C)로 일정 시간(M) 동안 센서를 통해 측정된 측정 값을 수집하게 된다. 여기서, 일정 주기(C)는 예컨대 센서의 성능, 상태 등에 따라 달라질 수 있다. 다시 말해, 센서가 1초 단위로 센싱이 가능한 센서라면 일정 주기(C)는 1초가 될 수 있다. 반면, 센서가 5초 단위로 센싱이 가능한 센서라면 일정 주기(C)는 3초가 될 수 있다. 이러한 일정 주기(C)는 바람직하게는 20밀리초(millisecond)가 될 수 있으며, 그 이하 그 이상일 수 있다. 또한, 일정 시간(M)은 바람직하게는 2초가 될 수 있으며, 그 이하 그 이상일 수도 있다.
이후, 센서 정보 수집부(10)는 수집된 측정 값을 변환부(120)로 전달하게 된다. 변환부(120)에서의 데이터 처리 과정에 대해서는 후술하도록 하며, 아울러, 정보 수집부(110)는 전술한 바와 같이 입력 정보 수집부(20)를 포함한다.
여기서, 입력 정보 수집부(20)는 사용자 또는 단말로부터 발생된 다양한 정보의 입력을 수집하는 역할을 수행한다. 예컨대, 최초 단말의 휴대 방법에 대한 학습 데이터 구축 시 단말의 휴대 방법에 대한 사용자로부터 입력된 정보를 수집할 수 있다.
다시 도 1을 참조하여, 변환부(120)는 정보 수집부(110)를 통해 일정 주기(C)로 일정 시간(M) 동안 수집된 측정 값을 이용하여 N차원 벡터를 산출하는 역할을 수행한다. 예컨대, 정보 수집부(110)를 통해 3축 가속도 센서에 의해 수집된 제1 측정 값(Ax, Ay, Az)과 3축 자이로 센서에 의해 수집된 제2 측정 값(Gx, Gy, Gz)이 수집되면, 변환부(120)는 6차원 벡터(Ax, Ay, Az, Gx, Gy, Gz)를 생성하게 된다.
변환부(120)는 상술한 6차원 벡터를 직렬화하여 최종적으로 N*(M*C)차원 벡터를 생성하게 된다. 예컨대, 100ms 단위로 2초 동안 측정 값을 이용하면 6차원 벡터가 총 20개 생성이 된다. 변환부(120)는 생성된 총 20개의 6차원 벡터를 직렬화하여 6*(2*1000/100)차원, 즉 120 차원의 공간 상의 벡터가 생성되게 된다. 이때, 2*1000/100는 일정 주기 100밀리초(ms)와 일정 시간 2초(s) 사이의 단위를 맞추기 위한 과정이다.
아울러, 본 발명의 실시 예에 따른 변환부(120)는 전술한 6차원 벡터 외에도 다양한 차원의 벡터를 생성할 수 있다. 예를 들어, 정보 수집부(110)를 통해 2차원 센서에 의해 수집된 제1 측정 값과 제2 측정 값이 수집되어, 전달되면 변환부(120)는 4차원 벡터를 생성할 수 있다. 또한, 정보 수집부(100)를 통해 1차원 센서에 의해 수집된 제1 측정 값과 제2 측정 값이 수집되어 전달되면, 변환부(120)는 2차원 벡터를 생성할 수 있다. 이에 따라 생성되는 최종 공간 상의 벡터 또한 달라질 수 있다.
아울러, 변환부(120)는 생성된 N*(M*C)차원 벡터를 학습부(130)로 전달한다. 이때, 변환부(120)는 정보 수집부(110)를 통해 단말의 휴대 방법에 대한 학습 데이터 생성에 필요한 입력 정보가 전달되면, 전달된 입력 정보를 학습부(130)로 전달할 수도 있다.
다시 말해, 최초 단말의 휴대 방법에 대한 학습 데이터를 생성 시, 학습부(130)는 바람직하게는 기초 정보가 필요하다. 예를 들어, 일정 주기 단위로 일정 시간 동안 정보 수집부(110)를 통해 수집된 측정 값을 이용하여 N차원 벡터 생성 시 생성된 N차원 벡터가 '걷기'에 대한 벡터라는 것을 인지시켜 줄 수 있는 기초 정보가 필요하다. 이러한 기초 정보는 사용자로부터 입력되거나 또는 단말에 구비된 다양한 모듈을 통해 생성될 수 있다. 이러한 정보가 전달되면, 학습부(130)는 N*(M*C)차원 벡터를 이용하여 단말의 휴대 방법에 대한 고유의 학습 영역인 학습 데이터를 생성한다.
이때, 학습부(130)는 베이즈 추론(bayesian inference), 의사결정트리(decision tree), 서포트 벡터 머신(support vector machines), 은닉 마르코프 모델(hidden markov model), 신경망(neural networks) 알고리즘 중 어느 하나를 이용하여 상기 단말의 휴대 방법에 대한 학습 데이터를 생성할 수 있다.
판단부(140)는 상기 학습부(130)를 통해 단말의 휴대 방법에 대한 학습 데이터가 생성된 이후에, 정보 수집부(110)를 통해 센서에 의해 측정된 측정 값이 수집되면, 이를 이용하여 단말의 현재 휴대 방법을 판단하게 된다.
학습부(130)와 판단부(140)에서의 구체적인 동작 방법에 대해 도 3 및 도 4를 참조하여 설명하면, 학습부(130)는 변환부(120)를 통해 산출된 N차원 벡터, 다시 말해, N*(M*C)차원 벡터를 이용하여 단말의 휴대 방법에 대한 학습 데이터를 생성하며, 이때, 다양한 학습 모델(131)에 따라 학습 데이터를 생성할 수 있다(①). 이러한 과정을 거쳐 단말의 휴대 방법에 대한 학습 데이터가 생성되고, 그 이후에 정보 수집부(110)를 통해 센서에 의해 측정된 측정 값이 수집되어 판단부(140)로 전달되면, 판단부(140)는 상기 정보 수집부(110)로부터 전달된 측정 값이 학습된 학습 데이터와 비교하여 단말의 현재 휴대 방법을 판단하게 된다. 이때, 단말의 휴대 방법에 대한 학습 데이터 구축에 활용된 센서의 측정 값이, 3축 가속도 센서와 3축 자이로 센서일 경우, 판단부(140)는 정보 수집부(110)로부터 3축 가속도 센서와 3축 자이로 센서에 의해 측정된 측정 값이 전달되면, 상기 학습 데이터의 학습 영역과 비교하여 단말의 현재 휴대 방법을 판단하게 된다.
즉 도 4에 도시된 바와 같이, 판단부(140)는 단말이 바지에 있는 지, 사용자의 손에 쥐고 있는 지, 가방 속에 있는 지와 같이 단말의 현재 휴대 방법을 판단하게 된다(②).
이때, 판단부(140)는 기 설정된 시간 동안 단말의 현재 휴대 방법에 대한 판단을 반복적으로 수행할 수 있다. 다시 말해, 예컨대 5초 동안 판단부(140)는 단말의 현재 휴대 방법을 판단하기 위한 과정을 반복적으로 수행할 수 있다. 이후, 판단부(140)는 단말의 현재 휴대 방법이 '바지에 있다'1회, '가방 속에 있다'가 1회 도출되었다면, 최종적으로 '바지에 있다'를 최종 단말의 현재 휴대 방법으로 판단할 수 있다.
그리고, 판단부(140)는 판단된 단말의 현재 휴대 방법을 학습부(130)로 전달하고, 학습부(130)는 해당 휴대 방법별로 사용자의 행동 인지를 위한 학습 데이터를 생성하게 된다(③). 이때, 학습부(130)는 사용자의 행동 인지를 위한 학습 데이터 생성 시 정보 수집부(110)를 통해 가속도 센서, 자이로 센서를 비롯하여, 지자기 센서, 중력 센서, 기압계 등 다양한 센서를 통해 측정된 측정 값을 이용하여 휴대 방법별로 사용자의 행동 인지를 위한 학습 데이터를 생성하게 된다. 이때도 마찬가지로 학습부(130)는 구비된 다양한 학습 모델(131)에 따라 휴대 방법별로 사용자의 행동 인지를 위한 학습 데이터를 생성할 수 있다.
즉, 도 4에 도시된 바와 같이, 휴대 방법별 사용자의 행동 인지(바지에 있다 - 걷다, 뛰다, 기다, 눕다, 앉다, ... / 손에 쥐고 있다 - 걷다, 뛰다, 기다, 눕다, 앉다, ... / 가방 속에 있다 - 걷다, 뛰다, 기다, 눕다, 앉다, ...를 위한 학습 데이터를 생성하게 된다.
이후, 판단부(140)는 정보 수집부(110)를 통해 전달되는 측정 값을 이용하여 최종적으로 현재 사용자의 행동이 무엇인지를 단말의 휴대 방법에 관계 없이 인지 결과를 생성하게 된다(④). 여기서, 사용자의 행동 인지에 필요한 정보 수집부(110)를 통해 전달되는 센서에 의해 측정된 측정 값은 단말의 휴대 방법에 대한 학습 데이터를 생성 시 적용된 센서와 상이할 수 있다. 즉, 최종적인 현재 사용자의 행동이 무엇인지 판단하기 위해, 정보 수집부(110)는 가속도 센서, 자이로 센서 외에 다양한 모듈을 통해 정보를 수집할 수 있으며, 이러한 정보를 이용하여 판단부(140)는 최종적인 사용자의 행동을 인지하게 된다.
이상으로 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치(100)의 주요 구성에 대해 설명하였다.
그러나, 도 1을 통해 도시된 구성 요소가 모두 필수 구성요소인 것은 아니며, 도시된 구성요소보다 많은 구성 요소에 의해 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치(100)가 구현될 수도 있다. 예컨대, 학습 데이터를 저장하고 관리하는 저장부(미도시) 등을 더 포함하여 구성될 수 있다.
아울러, 본 발명의 일 실시 예에서는 단말의 휴대 방법에 대한 학습 데이터를 단말에 탑재되며 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치(100)가 최초 생성하고, 이를 기초로 사용자의 행동 인지를 위한 학습 데이터를 생성(stand-alone)하는 것을 예로 들어 설명하였으나, 단말의 휴대 방법에 대한 학습 데이터는 단말 제조사 및 통신 사업자에 의해 단말에 미리 탑재(pre- load), 즉 상기 장치(100)에 미리 탑재되거나, 부분적으로 탑재된 후, 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치(100)에 의해 추가 학습되어 보완될 수도 있다.
보다 구체적인 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치(100)에서의 동작 방법에 대해서는 후술하도록 하며, 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치(100)에 탑재되는 프로세서는 본 발명에 따른 방법을 실행하기 위한 프로그램 명령을 처리할 수 있다. 일 구현 예에서, 이 프로세서는 싱글 쓰레드(Single-threaded) 프로세서일 수 있으며, 다른 구현 예에서 본 프로세서는 멀티 쓰레드(Multithreaded) 프로세서일 수 있다. 나아가 본 프로세서는 메모리 혹은 저장 장치 상에 저장된 명령을 처리하는 것이 가능하다.
한편, 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치(100)에 탑재되는 메모리는 그 장치 내에서 정보를 저장한다. 일 구현예의 경우, 메모리는 컴퓨터로 판독 가능한 매체이다. 일 구현 예에서, 메모리는 휘발성 메모리 유닛 일 수 있으며, 다른 구현예의 경우, 메모리는 비휘발성 메모리 유닛 일 수도 있다. 일 구현예의 경우, 저장장치는 컴퓨터로 판독 가능한 매체이다. 다양한 서로 다른 구현 예에서, 저장장치는 예컨대 하드디스크 장치, 광학디스크 장치, 혹은 어떤 다른 대용량 저장장치를 포함할 수도 있다.
비록 본 명세서와 도면에서는 예시적인 장치 구성을 기술하고 있지만, 본 명세서에서 설명하는 기능적인 동작과 주제의 구현물들은 다른 유형의 디지털 전자 회로로 구현되거나, 본 명세서에서 개시하는 구조 및 그 구조적인 등가물들을 포함하는 컴퓨터 소프트웨어, 펌웨어 혹은 하드웨어로 구현되거나, 이들 중 하나 이상의 결합으로 구현 가능하다. 본 명세서에서 설명하는 주제의 구현물들은 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 본 발명에 따른 장치의 동작을 제어하기 위하여 혹은 이것에 의한 실행을 위하여 유형의 프로그램 저장매체 상에 인코딩된 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다. 컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장 장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조성물 혹은 이들 중 하나 이상의 조합일 수 있다.
이하, 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법에 대해 설명하도록 한다.
도 5는 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법을 설명하기 위한 흐름도이다.
도 1 및 도 5를 참조하면, 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치(100)는 전원이 공급되면 공급된 전원을 이용하여 장치의 각 구성에 필요로 하는 전원을 분배할 수 있으며, 이에 따라 S101 단계에서 대기 단계를 수행할 수 있다. 여기서, 대기 상태란 정보 수집부(110)를 통해 측정 값이 수집될 수 있는 준비 상태를 의미한다.
이러한, 대기 상태에서 정보 수집부(110)는 하나 이상의 센서를 통해 일정 주기(C)로 일정 시간(M) 동안 측정 값을 수집한다(S103). 이때, 정보 수집부(110)는 가속도 센서 및 자이로 센서에 의해 측정된 측정 값을 수집하며, 바람직하게 상기 가속도 센서 및 자이로 센서는 3축 가속도 센서 및 3축 자이로 센서가 될 수 있다.
또한, 일정 주기(C)는 예컨대 센서의 성능, 상태 등에 따라 달라질 수 있다. 다시 말해, 센서가 1초 단위로 센싱이 가능한 센서라면 일정 주기(C)는 1초가 될 수 있다. 반면, 센서가 5초 단위로 센싱이 가능한 센서라면 일정 주기(C)는 3초가 될 수 있다. 이러한 일정 주기(C)는 바람직하게는 20밀리초(millisecond)가 될 수 있으며, 그 이하 그 이상일 수 있다. 또한, 일정 시간(M)은 바람직하게는 2초가 될 수 있으며, 그 이하 그 이상일 수도 있다.
아울러, 상기 측정 값 수집하는 단계 이전에, 정보 수집부(110)를 통해 사용자 또는 단말로부터 발생된 최초 단말의 휴대 방법에 대한 학습 데이터 구축 시 단말의 휴대 방법에 대한 입력된 기초 정보를 수집할 수도 있다.
이후, 정보 수집부(110)는 측정 값을 변환부(120)로 전달하고, 변환부(120)은 이를 기초로 N차원 벡터를 생성하게 된다(S105).
예컨대, 정보 수집부(110)를 통해 3축 가속도 센서에 의해 수집된 제1 측정 값(Ax, Ay, Az)과 3축 자이로 센서에 의해 수집된 제2 측정 값(Gx, Gy, Gz)이 수집되면, 변환부(120)는 6차원 벡터(Ax, Ay, Az, Gx, Gy, Gz)를 생성하게 된다.
이후, 변환부(120)는 상술한 6차원 벡터를 직렬화하여 최종적으로 N*(M*C)차원 벡터를 생성하게 된다(S107). 예컨대, 100ms 단위로 2초 동안 측정 값을 이용하면 6차원 벡터가 총 20개 생성이 된다. 변환부(120)는 총 20개의 6차원 벡터를 직렬화하여 6*20차원, 즉 120 차원의 공간 상의 벡터를 생성할 수 있다.
아울러, 본 발명의 실시 예에 따른 변환부(120)는 전술한 6차원 벡터 외에도 다양한 차원의 벡터를 생성할 수 있다. 예를 들어, 정보 수집부(110)를 통해 2차원 센서에 의해 수집된 제1 측정 값과 제2 측정 값이 수집되어, 전달되면 변환부(120)는 4차원 벡터를 생성할 수 있다. 또한, 정보 수집부(100)를 통해 1차원 센서에 의해 수집된 제1 측정 값과 제2 측정 값이 수집되어 전달되면, 변환부(120)는 2차원 벡터를 생성할 수 있다. 이에 따라 생성되는 최종 공간 상의 벡터 또한 달라질 수 있다.
아울러, 변환부(120)는 생성된 N*(M*C)차원 벡터를 학습부(130)로 전달하고, 학습부(130)는 N*(M*C)차원 벡터를 이용하여 단말의 휴대 방법에 대한 고유의 학습 영역인 학습 데이터를 생성한다(S109).
이때, 학습부(130)는 베이즈 추론(bayesian inference), 의사결정트리(decision tree), 서포트 벡터 머신(support vector machines), 은닉 마르코프 모델(hidden markov model), 신경망(neural networks) 알고리즘 중 어느 하나를 이용하여 상기 단말의 휴대 방법에 대한 학습 데이터를 생성할 수 있다.
판단부(140)는 상기 학습부(130)를 통해 단말의 휴대 방법에 대한 학습 데이터가 생성된 이후에, 정보 수집부(110)를 통해 센서에 의해 측정된 측정 값이 수집되면(S111), 이를 이용하여 단말의 현재 휴대 방법을 판단하게 된다(S113).
상기 S111 단계에서, 단말의 휴대 방법에 대한 학습 데이터 구축에 활용된 센서의 측정 값이, 3축 가속도 센서와 3축 자이로 센서일 경우, 판단부(140)는 정보 수집부(110)로부터 3축 가속도 센서와 3축 자이로 센서에 의해 측정된 측정 값이 전달되면, 상기 학습 데이터의 학습 영역과 비교하여 단말의 현재 휴대 방법을 판단하게 된다.
또한, 상기 S113 단계에서 판단부(140)는 기 설정된 시간 동안 단말의 현재 휴대 방법을 반복적으로 수행하고, 가장 많이 도출된 휴대 방법을 단말의 현재 휴대 방법으로 최종 판단하게 된다(S115). 예컨대 5초 동안 판단부(140)는 단말의 현재 휴대 방법을 반복적으로 수행하여, 단말의 현재 휴대 방법이 '바지에 있다'가 4회, '가방 속에 있다'가 1회 도출되었다면, 판단부(140)는 최종적으로 '바지에 있다'를 최종 단말의 휴대 방법으로 판단할 수 있다.
그리고, 판단부(140)는 판단된 단말의 현재 휴대 방법을 학습부(130)로 전달하고, 학습부(130)는 해당 휴대 방법별로 사용자의 행동 인지를 위한 학습 데이터를 생성하게 된다(S117).
이후에, 판단부(140)는 정보 수집부(110)를 통해 전달되는 측정 값을 이용하여 최종적으로 현재 사용자의 행동이 무엇인지를 단말의 휴대 방법에 관계 없이 인지 결과를 생성하게 된다. 여기서, 사용자의 행동 인지에 필요한 정보 수집부(110)를 통해 전달되는 센서에 의해 측정된 측정 값은 단말의 휴대 방법에 대한 학습 데이터를 생성 시 적용된 센서와 상이할 수 있다. 즉, 최종적인 현재 사용자의 행동이 무엇인지 판단하기 위해, 정보 수집부(110)는 가속도 센서, 자이로 센서 외에 다양한 모듈을 통해 정보를 수집할 수 있으며, 이러한 정보를 이용하여 판단부(140)는 최종적인 사용자의 행동을 인지하게 된다.
이와 같이, 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치에 의하면, 단말의 휴대 방법별로 사용자의 행동 인지를 위한 학습 데이터를 생성한 후 이를 이용하여 사용자의 행동을 인지함으로써, 사용자가 단말을 어떠한 형태로 소지하고 있더라도 용이하게 사용자의 행동을 인지할 수 있게 된다.
이를 통해 사용자는 단말의 소지 형태와 무관하게 사용자의 행동 인지를 통해 다양한 서비스들을 이용할 수 있게 된다.
이상으로 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법에 대해 설명하였다.
상술한 바와 같은 본 발명의 실시 예에 따른 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법은 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체의 형태로 제공될 수도 있다. 이때, 컴퓨터 프로그램 명령어와 데이터를 저장하기에 적합한 컴퓨터로 판독 가능한 매체는, 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 및 롬(ROM, Read Only Memory), 램(RAM, Random Access Memory), 플래시 메모리, EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM)과 같은 반도체 메모리를 포함한다. 프로세서와 메모리는 특수 목적의 논리 회로에 의해 보충되거나, 그것에 통합될 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 이러한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.
마찬가지로, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 시스템 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 시스템들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징 될 수 있다는 점을 이해하여야 한다.
본 발명은 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법에 관한 것으로서, 단말의 휴대 방법별로 사용자의 행동 인지를 위한 학습 데이터를 생성한 후 이를 이용하여 사용자의 행동을 인지할 수 있는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체에 관한 것이다.
본 발명에 의하면, 단말의 휴대 방법별로 사용자의 행동 인지를 위한 학습 데이터를 생성한 후 이를 이용하여 사용자의 행동을 인지함으로써, 사용자가 단말을 어떠한 형태로 소지하고 있더라도 용이하게 사용자의 행동을 인지할 수 있게 된다.
더불어, 본 발명은 시판 또는 영업의 가능성이 충분할 뿐만 아니라 현실적으로 명백하게 실시할 수 있는 정도이므로 산업상 이용가능성이 있다.
110: 정보 수집부 10: 센서 정보 수집부 11: 가속도 센서
12: 자이로 센서 20: 입력 정보 수집부 120: 변환부
130: 학습부 131: 학습 모델 140: 판단부
100: 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치

Claims (11)

  1. 일정 주기(C)로 일정 시간(M) 동안 위치 측정이 가능한 적어도 하나 이상의 센서를 통해 측정 값을 수집하는 정보 수집부;
    상기 정보 수집부를 통해 수집된 상기 측정 값을 이용하여 N차원 벡터를 산출하는 변환부;
    상기 변환부를 통해 산출된 상기 N차원 벡터를 이용하여 단말의 휴대 방법에 대한 학습 데이터를 생성하는 학습부; 및
    상기 학습부를 통해 단말의 휴대 방법에 대한 학습 데이터가 생성된 이후에, 상기 정보 수집부를 통해 측정 값이 수집되면, 상기 단말의 휴대 방법에 대한 학습 데이터를 이용하여 단말의 현재 휴대 방법을 판단하는 판단부;
    를 포함하는 것을 특징으로 하는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치.
  2. 제1 항에 있어서,
    상기 정보 수집부는
    3축 가속도 센서 및 3축 자이로 센서를 통해 측정된 값을 수집하는 것을 특징으로 하는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치.
  3. 제1 항에 있어서,
    상기 변환부는
    일정 주기(C)로 일정 시간(M) 동안 수집된 측정 값을 이용하여 생성된 N차원 벡터를 직렬화하여 N*(M*C)차원 벡터를 생성하는 것을 특징으로 하는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치.
  4. 제1 항에 있어서,
    상기 학습부는
    베이즈 추론(bayesian inference), 의사결정트리(decision tree), 서포트 벡터 머신(support vector machines), 은닉 마르코프 모델(hidden markov model), 신경망(neural networks) 알고리즘 중 어느 하나에 따라 상기 단말의 휴대 방법에 대한 학습 데이터를 생성하는 것을 특징으로 하는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치.
  5. 제1 항에 있어서,
    상기 판단부는
    기 설정된 시간 동안 반복하여 단말의 현재 휴대 방법을 판단하며, 가장 많이 도출된 휴대 방법을 단말의 현재 휴대 방법으로 최종 판단하는 것을 특징으로 하는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치.
  6. 제1 항에 있어서,
    상기 학습부는
    상기 판단부를 통해 단말의 현재 휴대 방법이 전달되면, 전달된 상기 단말의 현재 휴대 방법에 대응하여 정보 수집부를 통해 측정된 측정 값을 기초로 사용자의 행동 인지를 위한 학습 데이터를 생성하는 것을 특징으로 하는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 장치.
  7. 일정 주기(C)로 일정 시간(M) 동안 위치 측정이 가능한 적어도 하나 이상의 센서를 통해 측정 값을 수집하는 단계;
    상기 수집된 측정 값을 이용하여 N차원 벡터를 산출하는 단계;
    상기 산출된 N차원 벡터를 이용하여 단말의 휴대 방법에 대한 학습 데이터를 생성하는 단계;
    상기 적어도 하나 이상의 센서를 통해 측정 값이 수집되면, 상기 학습 데이터를 이용하여 단말의 현재 휴대 방법을 판단하는 단계; 및
    단말의 현재 휴대 방법별로 대응하여 사용자의 행동 인지를 위한 학습 데이터를 생성하는 단계;
    를 포함하는 것을 특징으로 하는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법.
  8. 제7 항에 있어서,
    상기 N차원 벡터를 산출하는 단계는
    일정 주기(C)로 일정 시간(M) 동안 수집된 측정 값을 이용하여 생성된 N차원 벡터를 직렬화하여 N*(M*C)차원 벡터를 생성하는 것을 특징으로 하는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법.
  9. 제7 항에 있어서,
    상기 단말의 현재 휴대 방법을 판단하는 단계는
    기 설정된 시간 동안 반복하여 단말의 현재 휴대 방법을 판단하고, 가장 많이 도출된 휴대 방법을 단말의 현재 휴대 방법으로 최종 판단하는 것을 특징으로 하는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법.
  10. 제7 항에 있어서,
    상기 사용자의 행동 인지를 위한 학습 데이터를 생성하는 단계 이후에,
    적어도 하나 이상의 센서를 통해 측정 값이 수집되면, 수집된 상기 측정 값을 상기 사용자의 행동 인지를 위한 학습 데이터와 비교하여, 사용자의 행동을 인지하는 단계;
    를 더 포함하는 것을 특징으로 하는 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법.
  11. 제7 항 내지 제10 항 중 어느 하나의 항에 기재된 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체.
KR1020140026452A 2014-03-06 2014-03-06 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체 KR101528236B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140026452A KR101528236B1 (ko) 2014-03-06 2014-03-06 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140026452A KR101528236B1 (ko) 2014-03-06 2014-03-06 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체

Publications (1)

Publication Number Publication Date
KR101528236B1 true KR101528236B1 (ko) 2015-06-12

Family

ID=53503680

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140026452A KR101528236B1 (ko) 2014-03-06 2014-03-06 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체

Country Status (1)

Country Link
KR (1) KR101528236B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021045354A1 (ko) * 2019-09-05 2021-03-11 주식회사 바딧 복수의 센서데이터의 차원 축소를 이용한 동작 검출 함수 결정 방법과 사용자 동작 검출 방법 및 그 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011224122A (ja) * 2010-04-19 2011-11-10 Sharp Corp 行動認識装置
WO2012124383A1 (ja) * 2011-03-11 2012-09-20 株式会社エヌ・ティ・ティ・ドコモ 移動情報端末及び把持特徴認証方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011224122A (ja) * 2010-04-19 2011-11-10 Sharp Corp 行動認識装置
WO2012124383A1 (ja) * 2011-03-11 2012-09-20 株式会社エヌ・ティ・ティ・ドコモ 移動情報端末及び把持特徴認証方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021045354A1 (ko) * 2019-09-05 2021-03-11 주식회사 바딧 복수의 센서데이터의 차원 축소를 이용한 동작 검출 함수 결정 방법과 사용자 동작 검출 방법 및 그 장치

Similar Documents

Publication Publication Date Title
CN106017454B (zh) 一种基于多传感器融合技术的行人导航装置和方法
US11041725B2 (en) Systems and methods for estimating the motion of an object
US8332180B2 (en) Determining user compass orientation from a portable device
EP2836791B1 (en) Information determination in a portable electronic device carried by a user
KR101580861B1 (ko) 다수의 디바이스 상태들을 분류하는 방법 및 장치
US20130046505A1 (en) Methods and apparatuses for use in classifying a motion state of a mobile device
US20140149060A1 (en) Combining Monitoring Sensor Measurements and System Signals to Determine Device Context
EP3816578A2 (en) Hierarchical context detection method to determine location of a mobile device on a person's body
KR20150108402A (ko) 디바이스와 보행자 사이의 오정렬 결정을 위한 방법 및 장치
CN104776846B (zh) 移动装置和移动装置上的估计用户的运动方向的方法
WO2018149324A1 (zh) 一种检测方法及终端设备
CN107110654A (zh) 定位设备和用于定位的方法
US20140357305A1 (en) Orientation of mobile device measuring earth's magnetic field indoors
Yang et al. An accurate step detection algorithm using unconstrained smartphones
Elhoushi et al. Using portable device sensors to recognize height changing modes of motion
Manos et al. Walking direction estimation using smartphone sensors: A deep network-based framework
Wang et al. Recent advances in pedestrian inertial navigation based on smartphone: A review
Basso et al. A smartphone-based indoor localization system for visually impaired people
KR101528236B1 (ko) 단말의 휴대 방법에 관계 없이 사용자의 행동을 인지할 수 있는 방법 및 이를 지원하는 장치, 그리고 상기 방법을 실행하는 프로그램을 기록한 컴퓨터 판독 가능한 기록매체
WO2016184951A1 (en) Processing data from a portable processing device
US10551195B2 (en) Portable device with improved sensor position change detection
Fentaw et al. Indoor localization using magnetic field anomalies and inertial measurement units based on Monte Carlo localization
KR20210113871A (ko) 위치 판단에 이용되는 데이터 처리 방법 및 이를 지원하는 전자 장치
US20220030388A1 (en) Electronic device and method for controlling the electronic device
Berbakov et al. Smart-phone application for autonomous indoor positioning

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180530

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190502

Year of fee payment: 5