KR101732981B1 - 개인화 특성 분석 시스템 및 방법 - Google Patents

개인화 특성 분석 시스템 및 방법 Download PDF

Info

Publication number
KR101732981B1
KR101732981B1 KR1020150151041A KR20150151041A KR101732981B1 KR 101732981 B1 KR101732981 B1 KR 101732981B1 KR 1020150151041 A KR1020150151041 A KR 1020150151041A KR 20150151041 A KR20150151041 A KR 20150151041A KR 101732981 B1 KR101732981 B1 KR 101732981B1
Authority
KR
South Korea
Prior art keywords
analysis
characteristic
range
analysis range
personalized
Prior art date
Application number
KR1020150151041A
Other languages
English (en)
Inventor
정민우
소현정
이혜란
정태환
김현철
Original Assignee
삼성에스디에스 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 삼성에스디에스 주식회사 filed Critical 삼성에스디에스 주식회사
Priority to KR1020150151041A priority Critical patent/KR101732981B1/ko
Priority to CN201510983363.6A priority patent/CN106650762A/zh
Priority to US14/979,876 priority patent/US9842276B2/en
Application granted granted Critical
Publication of KR101732981B1 publication Critical patent/KR101732981B1/ko

Links

Images

Classifications

    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/23—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on positionally close patterns or neighbourhood relationships
    • H04N5/225—

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Strategic Management (AREA)
  • Evolutionary Biology (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Image Analysis (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

개인화 특성 분석 시스템 및 방법이 개시된다. 본 발명의 일 실시예에 따른 개인화 특성 분석 시스템은 분석 대상의 시간의 흐름에 따른 측위 데이터로부터 각각 서로 다른 분석 시간대를 가지는 복수 개의 분석 범위를 계산하는 분석 범위 계산 모듈; 상기 각 분석 범위에 대응되는 영상 데이터로부터 하나 이상의 객체를 식별하고, 식별된 각 객체로부터 하나 이상의 시각적 특성을 분석하는 영상 분석 모듈; 및 상기 각 분석 범위 별 특성 분석 결과를 이용하여 상기 분석 대상의 개인화된 특성 정보를 생성하는 특성 분석 모듈을 포함한다.

Description

개인화 특성 분석 시스템 및 방법{SYSTEM AND METHOD FOR ANALYZING PERSONALIZED CHARACTERISTICS}
본 발명의 실시예들은 측위 데이터와 영상 데이터의 복합 분석을 통해 분석 대상의 개인화된 특성을 분석하기 위한 기술과 관련된다.
최근 들어 다양한 분야에서 사용자의 데이터를 수집하고 이로부터 사용자의 개인화된 특성을 파악하려는 많은 시도들이 이루어지고 있다. 예를 들어, 특정 매장을 방문하는 고객들을 대상으로 회원 가입을 유도하고 회원 가입 시 입력한 정보를 기반으로 연령, 성별 등에 따른 구매 특성을 분석하거나, 또는 고객 별 측위 데이터를 이용하여 분석 대상이 자주 방문하는 매장을 파악하는 등, 사용자들의 개인화된 정보를 이용하여 맞춤형 정보 제공 내지 마케팅을 위한 다양한 방안들이 연구되고 있다.
그러나 이와 같은 종래의 기술들은 측위 데이터, 영상 데이터 등 단순히 한 종류의 데이터에만 의존하여 개인화된 특성을 도출하도록 구성되는 바, 분석 대상의 다양한 특성을 파악하는 데는 한계가 존재하였다.
미국 등록특허공보 제8,380,558호 (2013. 02. 19.)
개시되는 실시예들은 분석 대상의 측위 데이터와 영상 데이터에 대한 복합 분석을 통하여 분석 대상의 개인화된 다양한 특성을 분석하기 위한 수단을 제공하기 위한 것이다.
예시적인 실시예에 따르면, 분석 대상의 시간의 흐름에 따른 측위 데이터로부터 각각 서로 다른 분석 시간대를 가지는 복수 개의 분석 범위를 계산하는 분석 범위 계산 모듈; 상기 각 분석 범위에 대응되는 영상 데이터로부터 하나 이상의 객체를 식별하고, 식별된 각 객체로부터 하나 이상의 시각적 특성을 분석하는 영상 분석 모듈; 및 상기 각 분석 범위 별 특성 분석 결과를 이용하여 상기 분석 대상의 개인화된 특성 정보를 생성하는 특성 분석 모듈을 포함하는 개인화 특성 분석 시스템이 제공된다.
상기 분석 범위 계산 모듈은, 상기 측위 데이터를 생성한 측위 수단의 오차 특성을 고려하여 상기 분석 범위를 계산할 수 있다.
상기 분석 범위 계산 모듈은, 상기 측위 데이터에 대응되는 공간의 특성을 추가적으로 고려하여 상기 분석 범위를 계산할 수 있다.
상기 영상 분석 모듈은, 상기 각 분석 범위 별 특성 분석 결과의 신뢰도를 계산할 수 있다.
상기 신뢰도는, 상기 각 분석 범위 내에 존재하는 모든 개인 식별자의 개수; 및 상기 각 분석 범위 별 상기 영상 데이터로부터 식별된 개체의 개수를 이용하여 계산될 수 있다.
상기 특성 분석 모듈은, 상기 신뢰도를 이용하여 상기 분석 범위 중 하나 이상의 특성 구역을 선정하고, 상기 각 특성 구역에 대응되는 상기 특성 분석 결과로부터 상기 분석 대상의 개인화된 특성 정보를 생성할 수 있다.
상기 특성 분석 모듈은, 상기 분석 범위 중 상기 신뢰도가 기 설정된 값 이상인 분석 범위를 상기 특성 구역으로 선정할 수 있다.
상기 특성 분석 모듈은, 상기 각 특성 구역 별 특성 분석 결과 중 적어도 일부의 특성 분석 결과로부터 도출되는 상기 분석 대상의 공통 특성을 상기 분석 대상의 개인화된 특성으로 설정할 수 있다.
상기 특성 분석 모듈은, 도출된 상기 공통 특성과 대응되는 확률 값이 기준값을 만족하지 못하는 경우, 상기 공통 특성의 도출에 이용되는 상기 각 특성 구역 별 특성 분석 결과의 개수를 증가시켜 상기 공통 특성을 재계산할 수 있다.
다른 예시적인 실시예에 따르면, 분석 대상의 시간의 흐름에 따른 측위 데이터로부터 각각 서로 다른 분석 시간대를 가지는 복수 개의 분석 범위를 계산하는 단계; 상기 각 분석 범위에 대응되는 영상 데이터로부터 하나 이상의 객체를 식별하고, 식별된 각 객체로부터 하나 이상의 시각적 특성을 분석하는 단계; 및 상기 각 분석 범위 별 특성 분석 결과를 이용하여 상기 분석 대상의 개인화된 특성 정보를 생성하는 단계를 포함하는 개인화 특성 분석 방법이 제공된다.
상기 분석 범위를 계산하는 단계는, 상기 측위 데이터를 생성한 측위 수단의 오차 특성을 고려하여 상기 분석 범위를 계산하도록 구성될 수 있다.
상기 분석 범위를 계산하는 단계는, 상기 측위 데이터에 대응되는 공간의 특성을 추가적으로 고려하여 상기 분석 범위를 계산하도록 구성될 수 있다.
상기 시각적 특성을 분석하는 단계는, 상기 각 분석 범위 별 특성 분석 결과의 신뢰도를 계산하는 단계를 더 포함할 수 있다.
상기 신뢰도는, 상기 각 분석 범위 내에 존재하는 모든 개인 식별자의 개수; 및 상기 각 분석 범위 별 상기 영상 데이터로부터 식별된 개체의 개수를 이용하여 계산될 수 있다.
상기 개인화된 특성 정보를 생성하는 단계는, 상기 신뢰도를 이용하여 상기 분석 범위 중 하나 이상의 특성 구역을 선정하고, 상기 각 특성 구역에 대응되는 상기 특성 분석 결과로부터 상기 분석 대상의 개인화된 특성 정보를 생성하도록 구성될 수 있다.
상기 개인화된 특성 정보를 생성하는 단계는, 상기 분석 범위 중 상기 신뢰도가 기 설정된 값 이상인 분석 범위를 상기 특성 구역으로 선정할 수 있다.
상기 개인화된 특성 정보를 생성하는 단계는, 상기 각 특성 구역 별 특성 분석 결과 중 적어도 일부의 특성 분석 결과로부터 도출되는 상기 분석 대상의 공통 특성을 상기 분석 대상의 개인화된 특성으로 설정하도록 구성될 수 있다.
상기 개인화된 특성 정보를 생성하는 단계는, 도출된 상기 공통 특성과 대응되는 확률 값이 기준값을 만족하지 못하는 경우, 상기 공통 특성의 도출에 이용되는 상기 각 특성 구역 별 특성 분석 결과의 개수를 증가시켜 상기 공통 특성을 재계산하도록 구성될 수 있다.
다른 예시적인 실시예에 따르면, 하드웨어와 결합되어 분석 대상의 시간의 흐름에 따른 측위 데이터로부터 각각 서로 다른 분석 시간대를 가지는 복수 개의 분석 범위를 계산하는 단계; 상기 각 분석 범위에 대응되는 영상 데이터로부터 하나 이상의 객체를 식별하고, 식별된 각 객체로부터 하나 이상의 시각적 특성을 분석하는 단계; 및 상기 각 분석 범위 별 특성 분석 결과를 이용하여 상기 분석 대상의 개인화된 특성 정보를 생성하는 단계를 포함하는 단계들을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램이 제공된다.
개시되는 실시예들에 따르면, 분석 대상의 측위 데이터와 영상 데이터에 대한 복합 분석을 통하여 분석 대상의 개인화된 다양한 특성을 정확하게 파악할 수 있다.
도 1은 본 발명의 일 실시예에 따른 개인화 특성 분석 시스템의 구성을 설명하기 위한 블록도
도 2는 본 발명의 일 실시예에 따른 분석 범위 계산 모듈에서의 분석 범위 계산 과정을 설명하기 위한 흐름도
도 3은 본 발명의 일 실시예에 따른 분석 범위 계산 모듈에서 분석 대상의 위치 정보를 추출하는 예를 설명하기 위한 예시도
도 4는 본 발명의 일 실시예에 따른 분석 범위 계산 모듈에서 분석 대상의 위치 정보로부터 분석 범위를 계산하는 예를 설명하기 위한 예시도
도 5는 본 발명의 일 실시예에 따른 영상 분석 모듈에서의 영상 분석 과정을 설명하기 위한 흐름도
도 6은 본 발명의 일 실시예에 따른 영상 분석 모듈(104)에서의 영상 분석 과정에서 영상 촬영 범위와 분석 범위가 일치하지 않는 경우를 설명하기 위한 예시도
도 7은 본 발명의 일 실시예에 따른 특성 분석 모듈에서의 특성 분석 과정을 설명하기 위한 흐름도
도 8은 본 발명의 일 실시예에 따른 개인화 특성 분석 방법을 설명하기 위한 흐름도
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
도 1은 본 발명의 일 실시예에 따른 개인화 특성 분석 시스템(100)의 구성을 설명하기 위한 블록도이다. 도시된 바와 같이, 본 발명의 일 실시예에 따른 개인화 특성 분석 시스템(100)은 분석 범위 계산 모듈(102), 영상 분석 모듈(104) 및 특성 분석 모듈(106)을 포함한다. 일 실시예에서, 분석 범위 계산 모듈(102), 영상 분석 모듈(104) 및 특성 분석 모듈(106)을 포함하는 개인화 특성 분석 시스템(100)은 하나 이상의 프로세서 및 그 프로세서와 연결된 컴퓨터 판독 가능 기록(저장) 매체를 포함하는 컴퓨팅 장치 상에서 구현될 수 있다. 컴퓨터 판독 가능 기록(저장) 매체는 프로세서의 내부 또는 외부에 있을 수 있고, 잘 알려진 다양한 수단으로 프로세서와 연결될 수 있다. 컴퓨팅 장치 내의 프로세서는 각 컴퓨팅 장치로 하여금 본 명세서에서 기술되는 예시적인 실시예에 따라 동작하도록 할 수 있다. 예를 들어, 프로세서는 컴퓨터 판독 가능 기록(저장) 매체에 저장된 명령어를 실행할 수 있고, 컴퓨터 판독 가능 기록(저장) 매체에 저장된 명령어는 프로세서에 의해 실행되는 경우 컴퓨팅 장치로 하여금 본 명세서에 기술되는 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
분석 범위 계산 모듈(102)은 분석 대상의 시간의 흐름에 따른 측위 데이터로부터 각각 서로 다른 분석 시간대를 가지는 복수 개의 분석 범위를 계산한다. 일 실시예에서, 분석 대상은 소정의 개인 식별 수단을 소지한 사람일 수 있다. 예를 들어, 상기 분석 대상은 특정 구역(예를 들어, 쇼핑몰 또는 백화점, 회사의 구내 등) 내에서 개인 휴대 디바이스(예를 들어, 스마트폰, 태블릿, 웨어러블 디바이스 등)를 소지한 채 이동하는 사람일 수 있다. 상기 개인 휴대 디바이스는 GPS(Global Positioning System), PDR(Pedestrian Dead Reckoning), 무선 통신(WiFi, 또는 이동통신망) 또는 근거리 통신 수단(블루투스, 지그비 등) 등 다양한 수단을 이용하여 주기적으로 자신의 위치를 측정할 수 있다.
분석 범위 계산 모듈(102)은 다수의 이용자로부터 수집된 시간대별 측위 데이터로부터 분석 대상을 식별하고, 이로부터 상기 분석 범위를 계산하도록 구성될 수 있다. 일 실시예에서, 개인화 특성 분석 시스템(100)은 별도의 측위 데이터베이스(미도시)를 포함할 수 있으며, 상기 측위 데이터베이스는 다수의 이용자로부터 수집된 시간대별 측위 데이터를 저장 및 관리하도록 구성될 수 있다. 상기 측위 데이터베이스는 다수의 이용자들이 소지한 개인 휴대 디바이스로부터 각 이용자들의 위치 데이터를 수집하도록 구성될 수 있다. 다른 실시예에서, 개인화 특성 분석 시스템(100)은 외부의 측위 데이터베이스와 유선 또는 무선 네트워크를 통해 연결되어 이로부터 상기 측위 데이터를 제공받도록 구성될 수도 있다.
도 2는 본 발명의 일 실시예에 따른 분석 범위 계산 모듈(102)에서의 분석 범위 계산 과정(200)을 설명하기 위한 흐름도이다. 본 명세서에서 도시된 흐름도에서는 상기 과정을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
단계 202에서, 분석 범위 계산 모듈(102)은 특성 분석을 위한 분석 대상을 선정한다. 본 발명의 실시예들에서, 분석 대상은 이용자들이 소지한 개인 휴대 디바이스의 식별 정보(식별자), 예컨대 휴대 전화 번호, 또는 상기 개인 휴대 디바이스에 설치된 애플리케이션의 범용 고유 식별자(universally unique identifier, UUID)이거나, 또는 상기 이용자들이 등록한 아이디 등으로 특정될 수 있다. 다만, 본 발명의 실시예들은 특정한 종류의 식별 정보에 한정되는 것은 아니며, 복수의 이용자 개개인을 식별하는 데 사용 가능한 모든 종류의 정보들이 제한 없이 이용될 수 있다.
단계 204에서, 분석 범위 계산 모듈(102)은 분석 대상의 측위 데이터로부터 시간대별 위치 정보를 추출한다. 일 실시예에서, 상기 측위 데이터는 복수의 이용자들로부터 수집된 위치 정보 및 각 위치 정보의 수집 시각을 포함할 수 있다. 분석 범위 계산 모듈(102)은 이와 같은 측위 데이터로부터 분석 대상의 측위 데이터를 추출하고, 이로부터 복수의 시간대 별 위치 정보를 추출할 수 있다.
도 3은 본 발명의 일 실시예에 따른 분석 범위 계산 모듈(102)에서 분석 대상의 위치 정보를 추출하는 예를 설명하기 위한 예시도이다. 도시된 실시예에서는 오전 09:15, 09:30, 09:45를 포함하는 3개의 시간대별 분석 대상 A의 위치 정보를 다른 이용자의 위치 정보와 함께 나타내었다.
단게 206에서, 분석 범위 계산 모듈(102)은 추출된 상기 각 시간대 별 위치 정보로부터 복수 개의 분석 범위를 계산한다.
일 실시예에서, 분석 범위 계산 모듈(102)은 상기 측위 데이터를 생성한 측위 수단의 오차 특성을 고려하여 상기 분석 범위를 계산할 수 있다. 예를 들어, 상기 측위 데이터가 GPS(Global Positioning System)을 측위 수단으로 하여 생성된 것일 경우, 분석 범위 계산 모듈(102)은 GPS 신호 특성에 따라 발생할 수 있는 오차를 고려하여 상기 분석 범위를 계산할 수 있다. 또한, 상기 측위 데이터가 PDR(Pedestrian Dead Reckoning)을 측위 수단으로 하여 생성된 경우, 분석 범위 계산 모듈(102)은 가속도 센서 등의 오차 특성을 고려하여 상기 분석 범위를 계산할 수 있다.
또한, 분석 범위 계산 모듈(102)은 상기 측위 데이터에 대응되는 공간의 특성을 추가적으로 고려하여 상기 분석 범위를 계산할 수 있다. 예를 들어, 추출된 위치 정보에 대응되는 공간의 일부가 벽 등으로 막혀 있거나, 또는 여타의 이유로 이동이 제한되는 것일 경우, 분석 범위 계산 모듈(102)은 해당하는 일부 영역을 분석 범위에서 제외할 수 있다.
도 4는 본 발명의 일 실시예에 따른 분석 범위 계산 모듈(102)에서 분석 대상의 위치 정보로부터 분석 범위를 계산하는 예를 설명하기 위한 예시도이다. 도시된 실시예에서는 도 3에서 추출된 각 시간대 별 분석 대상 A의 위치 정보를 이용하여 분석 범위 #1, 분석 범위 #2 및 분석 범위 #3을 각각 계산한 예를 나타내었다.
단계 208에서, 분석 범위 계산 모듈(102)은 206 단계에서 계산한 각 분석 범위 내에 존재하는 모든 개인 식별자의 개수를 파악한다. 이때, 예를 들어 분석 대상이 특정 위치에서 정지해 있어 상기 204 단계에서 추출한 위치 정보가 변하지 않는 경우에도, 분석 범위 내의 분석 대상을 제외한 나머지 식별자가 상이한 경우에는 별도의 특성 분석 범위로 결정한다. 상기 각 분석 범위 별 식별자의 개수는 후술할 영상 분석 모듈(104)에서의 신뢰도 계산에 이용된다.
전술한 도 4의 실시예의 경우, 분석 범위 #1에 위치한 식별자의 개수는 5개, 분석 범위 #2에 위치한 식별자의 개수는 7개, 분석 범위 #3에 위치한 식별자의 개수는 총 5개가 된다.
다음으로 영상 분석 모듈(104)은 분석 범위 계산 모듈(102)에서 도출된 각 분석 범위에 대응되는 영상 데이터로부터 하나 이상의 객체를 식별하고, 식별된 각 객체로부터 하나 이상의 특성을 분석한다. 일 실시예에서, 개인화 특성 분석 시스템(100)은 측위 데이터베이스와 함께 별도의 영상 데이터베이스(미도시)를 포함할 수 있다. 상기 영상 데이터베이스는 분석 대상 공간에 배치된 하나 이상의 영상 촬영 장치(카메라 또는 CCTV 등)로부터 영상 데이터를 수집하고 이를 저장 및 관리하도록 구성될 수 있다. 또한, 측위 데이터베이스와 마찬가지로 개인화 특성 분석 시스템(100)은 외부의 영상 데이터베이스와 유선 또는 무선 네트워크를 통해 연결되어 이로부터 상기 영상 데이터를 제공받도록 구성될 수도 있다.
도 5는 본 발명의 일 실시예에 따른 영상 분석 모듈(104)에서의 영상 분석 과정(500)을 설명하기 위한 흐름도이다.
단계 502에서, 영상 분석 모듈(104)은 각 분석 범위에 대응되는 영상 데이터로부터 분석 가능한 객체를 식별한다. 영상 분석 모듈(104)은 영상 데이터베이스로부터 각각의 분석 범위 및 분석 시간대에 대응되는 영상을 제공받고, 이로부터 분석 가능한 객체를 추출하도록 구성될 수 있다. 이때 상기 객체는 해당 영상에 포함된 사람일 수 있다.
한편, 각 영상 촬영 장치의 화각, 배치 형태, 또는 분석 대상 공간의 특성(구조물, 가구, 벽체 등의 유무 등)에 따라 분석 범위 계산 모듈(102)에서 계산된 분석 범위 중 영상 데이터가 존재하지 않는 구간이 존재할 수 있다.
도 6은 본 발명의 일 실시예에 따른 영상 분석 모듈(104)에서의 영상 분석 과정에서 영상 촬영 범위와 분석 범위가 일치하지 않는 경우를 설명하기 위한 예시도이다. 도시된 바와 같이, 영상 촬영 범위가 분석 범위 전체를 포괄하지 못하는 경우, 분석 범위는 영상 데이터가 존재하는 영역 및 영상 데이터가 존재하지 않는 영역으로 나누어지게 된다. 이 경우, 영상 데이터가 존재하는 영역의 객체(602)는 영상 데이터를 통한 분석이 가능하나, 영상 데이터가 존재하지 않는 영역의 객체(604)는 영상 데이터를 통한 분석이 불가능하다. 즉, 이와 같은 경우에는 분석 범위 계산 모듈(102)에서 파악한 분석 범위 내 식별자의 개수와 영상 데이터로부터 식별된 객체의 개수가 달라지게 된다.
단계 504에서, 영상 분석 모듈(104)은 식별된 각각의 각 객체의 시각적 특성을 분석한다. 일 실시예에서, 영상 분석 모듈(104)에서 분석하는 객체의 특성은 성별, 연령, 인종, 키, 장애 여부, 소지품 등에 의한 소득 수준 등 객체의 외관으로부터 추정할 수 있는 모든 종류의 정보를 포함할 수 있다. 영상 분석 모듈(104)은 다양한 종류의 영상 분석 알고리즘 등을 이용하여 각 객체의 특성을 분석할 수 있으며, 이와 관련된 구체적인 사항은 본 기술분야의 통상의 기술자에게 잘 알려져 있는 바, 여기서는 그 상세한 설명을 생략하기로 한다.
단계 506에서, 영상 분석 모듈(104)은 상기 각 분석 범위 별 특성 분석 결과의 신뢰도를 계산한다. 일 실시예에서, 상기 신뢰도는 상기 각 분석 범위 내에 존재하는 모든 개인 식별자의 개수, 및 상기 각 분석 범위 별 상기 영상 데이터로부터 식별된 개체의 개수를 이용하여 계산될 수 있다. 구체적으로, 상기 신뢰도는 각 분석 범위 별 영상 데이터로부터 식별된 객체 수를 해당 분석 범위에서 인식된 개인 식별자의 개수로 나눈 값으로부터 얻어질 수 있다.
예를 들어, 특정 분석 범위에 대하여, 분석 범위 계산 모듈(102)에서 계산된 개인 식별자의 개수가 2개이고, 영상 데이터로부터 식별된 객체의 개수 또한 2개라고 가정하자. 이때 각 객체의 영상 분석 결과가 다음의 표 1과 같다고 한다면, 해당 분석 범위에서의 특성 분석 결과의 신뢰도는 표 2와 같다.
연령 성별
20대 남성
20대 여성
분류 특성 신뢰도
연령 20대 100%
성별 남성 50%
성별 여성 50%
즉, 개인 식별자의 개수와 객체의 개수가 동일한 분석 범위의 경우, 각 분류(연령, 성별 등) 별 신뢰도의 합은 100%가 된다.
만약 전술한 예에서 개인 식별자의 개수가 2개가 아니라 4개인 경우, 해당 분석 범위에서의 특성 분석 결과의 신뢰도는 표 3과 같다.
분류 특성 신뢰도
연령 20대 50%
성별 남성 25%
성별 여성 25%
분석 범위 내에서의 신뢰도는 특성 분석 모듈(106)에서의 특성 정보 분석 시 오차가 발생할 확률을 나타낸다. 전술한 예의 경우 분석 범위에서 식별된 4개의 식별자 중 2개가 시각적으로 인식되지 않아 분석이 불가능한 상황이므로, 해당 구간에서의 각 분류 별 신뢰도의 합은 50%(=2/4)로 낮아지게 된다.
다시 도 1로 돌아가서, 특성 분석 모듈(106)은 영상 분석 모듈(104)에서 도출된 각 분석 범위 별 특성 분석 결과를 이용하여 상기 분석 대상의 개인화된 특성 정보를 생성한다. 구체적으로, 특성 분석 모듈(106)은 사용자로부터 특성 파악 요구 조건을 입력받고, 해당 요구 조건에 대응되는 분석 대상의 특성 인덱스를 생성한다. 본 발명의 실시예들에서, 특성 인덱스란 영상 분석 모듈(104)에서 수행된 분석 결과를 이용하여 분석 대상의 하나 이상의 특성 정보에 대한 확률을 인덱스화 한 것을 의미한다.
도 7은 본 발명의 일 실시예에 따른 특성 분석 모듈(106)에서의 특성 분석 과정(700)을 설명하기 위한 흐름도이다.
단계 702에서, 특성 분석 모듈(106)은 분석을 요청한 사용자로부터 특성 파악 요구 조건을 입력받는다. 상기 특성 파악 요구 조건은 분석 대상과 관련하여 파악하고자 하는 하나 이상의 특성 분류(성별, 연령 등)를 포함할 수 있다.
특성 분석 결과를 활용하고자 하는 목적에 따라 상기 특성 파악 요구 조건은 다양하게 구성될 수 있다. 예를 들어, 주류 광고 또는 담배 광고 등에 활용하고자 하는 경우 사용자는 단순히 분석 대상의 연령만을 파악하기를 원할 수 있다. 또한, 여성 용품 광고를 위해서는 분석 대상의 성별 정보만이 필요할 수 있다. 물론, 상황에 따라 성별, 연령, 인종, 키, 장애 여부 등 복합적인 특성을 모두 파악하는 것이 필요할 수 있다. 예를 들어, 50대의 여성을 위한 의류 광고의 경우에는 분석 대상의 성별 및 연령 정보가 모두 필요하게 된다.
단계 704에서, 특성 분석 모듈(106)은 복수 개의 분석 범위 중 하나 이상의 분석 범위를 특성 구역으로 선정한다. 상기 특성 구역은 영상 분석 모듈(104)에서 계산된 각 분석 범위 별 분석 결과의 신뢰도에 따라 결정될 수 있다. 일 실시예에서, 특성 분석 모듈(106)은 상기 신뢰도가 100%인 분석 범위만을 특성 구역으로 선정할 수 있다. 이와 같이 구성되는 경우, 분석 범위 계산 시 식별자가 존재하는 것으로 인식되었으나, 영상 분석 결과에서 분석이 불가능하였던 객체로 인해 발생할 수 있는 불확실성을 제거할 수 있다. 또한, 실시예에 따라 신뢰도가 100%에 미달하더라도, 기 설정된 기준값(예를 들어, 80%) 이상인 분석 범위를 특성 구역으로 선정하도록 구성될 수도 있다.
단계 706에서, 특성 분석 모듈(106)은 선정된 각 특성 구역에 대응되는 상기 특성 분석 결과로부터 분석 대상의 개인화된 특성 정보(특성 인덱스)를 생성한다. 구체적으로, 특성 분석 모듈(106)은 상기 각 특성 구역 별 특성 분석 결과 중 적어도 일부의 특성 분석 결과로부터 도출되는 분석 대상의 공통 특성을 이용하여 상기 특성 인덱스를 생성할 수 있다.
단계 708에서, 특성 분석 모듈(106)은 도출된 특성 인덱스에 포함된 각 특성의 확률 값이 기준값(요구 조건)을 만족하는지의 여부를 판단한다. 예를 들어, 특성 분석 모듈(106)은 특성 인덱스의 확률 값이 80% 이상인 경우 기준값을 만족하는 것으로, 그렇지 않은 경우 기준값을 만족하지 못하는 것으로 판단할 수 있다.
만약 상기 단계 708에서의 판단 결과 상기 확률 값이 기준값을 만족하지 못하는 경우, 단계 710에서 특성 분석 모듈(106)은 새로운 특성 구역의 특성 분석 결과를 추가하여 상기 특성 인덱스를 업데이트할 수 있다. 즉, 특성 분석 모듈(106)은 원하는 결과를 얻을 때까지 상기 공통 특성의 도출에 이용되는 상기 각 특성 구역 별 특성 분석 결과의 개수를 증가시켜 상기 공통 특성을 재계산하게 된다.
이와 달리, 상기 단계 708에서의 판단 결과 상기 확률 값이 기준값을 만족하는 경우, 단계 712에서 특성 분석 모듈(106)은 생성된 특성 분석 결과(특성 인덱스)를 사용자에게 제공한다.
상술한 특성 분석 모듈(106)에서의 특성 분석 과정(700)을 예를 들어 설명하면 다음과 같다.
예를 들어, 분석 대상 A에 대한 특성 파악 요구 조건이 연령 및 성별이고,도 4에 도시된 분석 범위 #1, 분석 범위 #2 및 분석 범위 #3의 영상 데이터 분석 결과가 각각 다음의 표 4 내지 표 6과 같다고 가정하자.
NO. 연령 성별
1 10대 남성
2 20대 남성
3 20대 여성
4 40대 여성
5 20대 여성
NO. 연령 성별
1 20대 남성
2 20대 남성
3 30대 남성
4 20대 여성
5 20대 여성
6 50대 여성
7 60대 여성
NO. 연령 성별
1 10대 남성
2 30대 남성
3 20대 여성
4 20대 여성
5 50대 여성
상기 분석 범위 #1 내지 #3은 모두 식별자의 개수와 영상 데이터 내 객체의 개수가 동일한 특성 구역이라고 가정한다.
먼저, 표 4에 도시된 특성 구역 #1의 정보를 이용하여 분석 대상 A의 특성 인덱스를 생성하면 다음의 표 7과 같다.
특성 인덱스 #1
NO. 연령 성별 확률
1 10대 남성 20%
2 20대 남성 20%
3 20대 여성 40%
4 40대 여성 20%
표 4의 정보에 따르면 20대이며 여성인 객체가 2명, 나머지 객체들은 각각 1명씩 검출되었는 바, 특성 인덱스 #1 만을 놓고 볼 때 분석 대상 A는 20대이며 여성일 확률이 40%로 가장 높다. 그러나 상기 결과만으로 분석 대상 A의 특성을 판단하기에는 계산된 확률이 너무 낮다. 이에 따라, 특성 분석 모듈(106)은 특성 인덱스 #1과 특성 구역 #2의 정보의 공통 특성을 추출하여 특성 인덱스 #2를 생성한다.
먼저, 특성 인덱스 #1과 특성 구역 #2의 정보의 공통 특성을 추출하면 다음의 표 8과 같다.
NO. 연령 성별
1 20대 남성
2 20대 여성
3 20대 여성
4 20대 남성
5 20대 남성
6 20대 여성
7 20대 여성
상기 표 8로부터 특성 인덱스 #2는 다음의 표 9와 같이 도출될 수 있다.
특성 인덱스 #2
NO. 연령 성별 확률
1 20대 남성 43%
2 20대 여성 57%
특성 인덱스 #1에 특성 구역 #2의 공통 특성(교집합)을 이용하여 특성 인덱스 #2를 계산한 결과, 분석 대상 A는 20대 남성일 확률이 43%(=3/7), 20대 여성일 확률이 57%(=4/7)로 각각 나타난다. 다만, 어느 경우라도 분석 대상 A가 20대일 확률은 100%이므로, 만약 분석 대상 A의 연령 정보만이 필요할 경우에는 더 이상의 분석 작업이 필요하지 않다.
그러나 만약 분석 대상 A의 성별 정보가 추가로 필요할 경우, 상기 표 8의 결과만으로는 분석 대상 A의 성별을 확정하는 데 무리가 있다. 이에 따라 특성 분석 모듈(106)은 특성 인덱스 #2와 특성 구역 #3의 정보와의 공통 특성을 추출하여 다음의 표 10과 같이 특성 인덱스 #3을 생성한다.
특성 인덱스 #3
NO. 연령 성별 확률
1 20대 여성 100%
상기 특성 인덱스 #3을 참조하면, 분석 대상 A는 20대이고 여성임을 알 수 있다. 이와 같이 특성 분석 모듈은 분석 대상과 관련하여 원하는 특성을 얻을 때까지 특성 구역의 정보를 추가해 나가면서 특성 인덱스를 생성할 수 있다.
도 8은 본 발명의 일 실시예에 따른 개인화 특성 분석 방법(800)을 설명하기 위한 흐름도이다. 도 8에 도시된 방법은 예를 들어, 전술한 개인화 특성 분석 시스템(100)에 의해 수행될 수 있다. 도시된 흐름도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
단계 802에서, 분석 범위 계산 모듈(102)은 분석 대상의 시간의 흐름에 따른 측위 데이터로부터 각각 서로 다른 분석 시간대를 가지는 복수 개의 분석 범위를 계산한다.
단계 804에서, 영상 분석 모듈(104)은 상기 각 분석 범위에 대응되는 영상 데이터로부터 하나 이상의 객체를 식별하고, 식별된 각 객체로부터 하나 이상의 시각적 특성을 분석한다.
단계 806에서, 특성 분석 모듈(106)은 상기 각 분석 범위 별 특성 분석 결과를 이용하여 상기 분석 대상의 개인화된 특성 정보를 생성한다.
한편, 본 발명의 실시예는 본 명세서에서 기술한 방법들을 컴퓨터상에서 수행하기 위한 프로그램, 및 상기 프로그램을 포함하는 컴퓨터 판독 가능 기록매체를 포함할 수 있다. 상기 컴퓨터 판독 가능 기록매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나, 또는 컴퓨터 소프트웨어 분야에서 통상적으로 사용 가능한 것일 수 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 프로그램의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 개인화 특성 분석 시스템
102: 분석 범위 계산 모듈
104: 영상 분석 모듈
106: 특성 분석 모듈

Claims (19)

  1. 분석 대상의 시간의 흐름에 따른 측위 데이터로부터 각각 서로 다른 분석 시간대를 가지는 복수 개의 분석 범위를 계산하는 분석 범위 계산 모듈;
    상기 각 분석 범위에 대응되는 영상 데이터로부터 하나 이상의 객체를 식별하고, 식별된 각 객체로부터 하나 이상의 시각적 특성을 분석하는 영상 분석 모듈; 및
    상기 각 분석 범위 별 특성 분석 결과를 이용하여 상기 분석 대상의 개인화된 특성 정보를 생성하는 특성 분석 모듈을 포함하고,
    상기 영상 분석 모듈은, 상기 각 분석 범위 내에 존재하는 모든 개인 식별자의 개수 및 상기 각 분석 범위 별 상기 영상 데이터로부터 식별된 객체의 개수를 이용하여 상기 각 분석 범위 별 특성 분석 결과의 신뢰도를 계산하는, 개인화 특성 분석 시스템.
  2. 청구항 1에 있어서,
    상기 분석 범위 계산 모듈은,
    상기 측위 데이터를 생성한 측위 수단의 오차 특성을 고려하여 상기 분석 범위를 계산하는, 개인화 특성 분석 시스템.
  3. 청구항 2에 있어서,
    상기 분석 범위 계산 모듈은,
    상기 측위 데이터에 대응되는 공간의 특성을 추가적으로 고려하여 상기 분석 범위를 계산하는, 개인화 특성 분석 시스템.
  4. 삭제
  5. 삭제
  6. 청구항 1에 있어서,
    상기 특성 분석 모듈은,
    상기 신뢰도를 이용하여 상기 분석 범위 중 하나 이상의 특성 구역을 선정하고, 상기 각 특성 구역에 대응되는 상기 특성 분석 결과로부터 상기 분석 대상의 개인화된 특성 정보를 생성하는, 개인화 특성 분석 시스템.
  7. 청구항 6에 있어서,
    상기 특성 분석 모듈은,
    상기 분석 범위 중 상기 신뢰도가 기 설정된 값 이상인 분석 범위를 상기 특성 구역으로 선정하는, 개인화 특성 분석 시스템.
  8. 청구항 6에 있어서,
    상기 특성 분석 모듈은,
    상기 각 특성 구역 별 특성 분석 결과 중 적어도 일부의 특성 분석 결과로부터 도출되는 상기 분석 대상의 공통 특성을 상기 분석 대상의 개인화된 특성으로 설정하는, 개인화 특성 분석 시스템.
  9. 청구항 8에 있어서,
    상기 특성 분석 모듈은,
    도출된 상기 공통 특성과 대응되는 확률 값이 기준값을 만족하지 못하는 경우,
    상기 공통 특성의 도출에 이용되는 상기 각 특성 구역 별 특성 분석 결과의 개수를 증가시켜 상기 공통 특성을 재계산하는, 개인화 특성 분석 시스템.
  10. 분석 대상의 시간의 흐름에 따른 측위 데이터로부터 각각 서로 다른 분석 시간대를 가지는 복수 개의 분석 범위를 계산하는 단계;
    상기 각 분석 범위에 대응되는 영상 데이터로부터 하나 이상의 객체를 식별하고, 식별된 각 객체로부터 하나 이상의 시각적 특성을 분석하는 단계; 및
    상기 각 분석 범위 별 특성 분석 결과를 이용하여 상기 분석 대상의 개인화된 특성 정보를 생성하는 단계를 포함하고,
    상기 시각적 특성을 분석하는 단계는, 상기 각 분석 범위 내에 존재하는 모든 개인 식별자의 개수 및 상기 각 분석 범위 별 상기 영상 데이터로부터 식별된 개체의 개수를 이용하여 상기 각 분석 범위 별 특성 분석 결과의 신뢰도를 계산하는, 개인화 특성 분석 방법.
  11. 청구항 10에 있어서,
    상기 분석 범위를 계산하는 단계는,
    상기 측위 데이터를 생성한 측위 수단의 오차 특성을 고려하여 상기 분석 범위를 계산하도록 구성되는, 개인화 특성 분석 방법.
  12. 청구항 11에 있어서,
    상기 분석 범위를 계산하는 단계는,
    상기 측위 데이터에 대응되는 공간의 특성을 추가적으로 고려하여 상기 분석 범위를 계산하도록 구성되는, 개인화 특성 분석 방법.
  13. 삭제
  14. 삭제
  15. 청구항 10에 있어서,
    상기 개인화된 특성 정보를 생성하는 단계는,
    상기 신뢰도를 이용하여 상기 분석 범위 중 하나 이상의 특성 구역을 선정하고, 상기 각 특성 구역에 대응되는 상기 특성 분석 결과로부터 상기 분석 대상의 개인화된 특성 정보를 생성하도록 구성되는, 개인화 특성 분석 방법.
  16. 청구항 15에 있어서,
    상기 개인화된 특성 정보를 생성하는 단계는,
    상기 분석 범위 중 상기 신뢰도가 기 설정된 값 이상인 분석 범위를 상기 특성 구역으로 선정하는, 개인화 특성 분석 방법.
  17. 청구항 15에 있어서,
    상기 개인화된 특성 정보를 생성하는 단계는,
    상기 각 특성 구역 별 특성 분석 결과 중 적어도 일부의 특성 분석 결과로부터 도출되는 상기 분석 대상의 공통 특성을 상기 분석 대상의 개인화된 특성으로 설정하도록 구성되는, 개인화 특성 분석 방법.
  18. 청구항 17에 있어서,
    상기 개인화된 특성 정보를 생성하는 단계는,
    도출된 상기 공통 특성과 대응되는 확률 값이 기준값을 만족하지 못하는 경우,
    상기 공통 특성의 도출에 이용되는 상기 각 특성 구역 별 특성 분석 결과의 개수를 증가시켜 상기 공통 특성을 재계산하도록 구성되는, 개인화 특성 분석 방법.
  19. 하드웨어와 결합되어
    분석 대상의 시간의 흐름에 따른 측위 데이터로부터 각각 서로 다른 분석 시간대를 가지는 복수 개의 분석 범위를 계산하는 단계;
    상기 각 분석 범위에 대응되는 영상 데이터로부터 하나 이상의 객체를 식별하고, 식별된 각 객체로부터 하나 이상의 시각적 특성을 분석하는 단계; 및
    상기 각 분석 범위 별 특성 분석 결과를 이용하여 상기 분석 대상의 개인화된 특성 정보를 생성하는 단계를 포함하고,
    상기 시각적 특성을 분석하는 단계는, 상기 각 분석 범위 내에 존재하는 모든 개인 식별자의 개수 및 상기 각 분석 범위 별 상기 영상 데이터로부터 식별된 개체의 개수를 이용하여 상기 각 분석 범위 별 특성 분석 결과의 신뢰도를 계산하는 단계들을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
KR1020150151041A 2015-10-29 2015-10-29 개인화 특성 분석 시스템 및 방법 KR101732981B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020150151041A KR101732981B1 (ko) 2015-10-29 2015-10-29 개인화 특성 분석 시스템 및 방법
CN201510983363.6A CN106650762A (zh) 2015-10-29 2015-12-24 私人化特性分析系统及方法
US14/979,876 US9842276B2 (en) 2015-10-29 2015-12-28 System and method for analyzing personalized characteristics

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150151041A KR101732981B1 (ko) 2015-10-29 2015-10-29 개인화 특성 분석 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR101732981B1 true KR101732981B1 (ko) 2017-05-08

Family

ID=58635525

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150151041A KR101732981B1 (ko) 2015-10-29 2015-10-29 개인화 특성 분석 시스템 및 방법

Country Status (3)

Country Link
US (1) US9842276B2 (ko)
KR (1) KR101732981B1 (ko)
CN (1) CN106650762A (ko)

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3512992B2 (ja) * 1997-01-07 2004-03-31 株式会社東芝 画像処理装置および画像処理方法
US20030123703A1 (en) * 2001-06-29 2003-07-03 Honeywell International Inc. Method for monitoring a moving object and system regarding same
JP3910629B2 (ja) * 2004-08-03 2007-04-25 松下電器産業株式会社 人物判定装置及び人物検索追跡装置
US20120128209A1 (en) * 2009-06-30 2012-05-24 Shigetoshi Sakimura Image analysis device and image analysis program
CN102291435B (zh) * 2011-07-15 2012-09-05 武汉大学 一种基于地理时空数据的移动信息搜索及知识发现系统
US9239965B2 (en) 2012-06-12 2016-01-19 Electronics And Telecommunications Research Institute Method and system of tracking object
KR102029741B1 (ko) 2012-06-12 2019-10-10 한국전자통신연구원 객체를 추적하는 방법 및 시스템
JP6334925B2 (ja) * 2013-01-18 2018-05-30 キヤノンメディカルシステムズ株式会社 動作情報処理装置及び方法
KR20150017055A (ko) 2013-08-05 2015-02-16 김기범 온라인 타겟 광고 시스템 및 방법
KR102097781B1 (ko) 2013-09-06 2020-05-29 에스케이 텔레콤주식회사 객체 정보 제공 장치 및 방법
KR20150034925A (ko) 2013-09-27 2015-04-06 주식회사 리치슬라이드 매장의 디스플레이 장치를 이용한 광고 방법 및 장치
KR102120864B1 (ko) 2013-11-06 2020-06-10 삼성전자주식회사 영상 처리 방법 및 장치
US10664705B2 (en) * 2014-09-26 2020-05-26 Nec Corporation Object tracking apparatus, object tracking system, object tracking method, display control device, object detection device, and computer-readable medium
CN104394062A (zh) * 2014-11-05 2015-03-04 武汉航科天地科技有限公司 基于微信平台的公共与私人自行车查询系统及查询方法
JP6495705B2 (ja) * 2015-03-23 2019-04-03 株式会社東芝 画像処理装置、画像処理方法、画像処理プログラムおよび画像処理システム

Also Published As

Publication number Publication date
CN106650762A (zh) 2017-05-10
US20170124423A1 (en) 2017-05-04
US9842276B2 (en) 2017-12-12

Similar Documents

Publication Publication Date Title
US20200374660A1 (en) Systems and methods for automatic path management
US10824878B2 (en) Method and arrangement for receiving data about site traffic derived from imaging processing
US10003924B2 (en) Method of and server for processing wireless device sensor data to generate an entity vector associated with a physical location
US9432805B2 (en) Discovering and automatically sizing a place of relevance
CN102572390B (zh) 对监视对象者的行动进行监视的装置以及方法
CN108414971B (zh) 用于确定多层建筑物中位置的位置信息的方法和装置
US9877162B2 (en) Systems and methods for generating a user location history
US11436866B2 (en) System and method for eye-tracking
Hwangbo et al. Store layout optimization using indoor positioning system
US10026003B2 (en) Method and arrangement for receiving data about site traffic derived from imaging processing
KR20130095727A (ko) 비디오 내 객체들의 시맨틱 파싱
US20150142848A1 (en) Device management apparatus and device search method
CN107430631B (zh) 从位置报告确定语义地点名称
JP2008262435A (ja) 顔認証、及び顧客状況情報を利用した営業支援システム
US20120109715A1 (en) Visualizing visitation patterns at sites of a commercial facility
KR20140093772A (ko) 사용자의 선호도 및 이동 패턴을 이용한 관심지역 추천 방법
JP2017509038A (ja) 目標位置を推薦するためのシステム及び方法
KR101732981B1 (ko) 개인화 특성 분석 시스템 및 방법
JP2016009342A (ja) エリアバースト推定提示装置、エリアバースト推定提示方法及びエリアバースト推定提示プログラム
JP2016062542A (ja) 位置変換プログラム及び情報処理装置
US11715332B2 (en) System and method for eye-tracking
JP2017191500A (ja) 携帯端末に対して地点情報を提供する装置、方法、およびプログラム
KR101324907B1 (ko) 방문 부스와 방문 선호의 유사도를 고려한 추천 부스 결정 방법
JP2017174135A (ja) 動線判定装置、動線判定システム、動線判定方法及びプログラム
US11252379B2 (en) Information processing system, information processing method, and non-transitory storage medium

Legal Events

Date Code Title Description
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant