KR102051493B1 - 노크 기반 객체 식별 방법 및 장치 - Google Patents

노크 기반 객체 식별 방법 및 장치 Download PDF

Info

Publication number
KR102051493B1
KR102051493B1 KR1020180086161A KR20180086161A KR102051493B1 KR 102051493 B1 KR102051493 B1 KR 102051493B1 KR 1020180086161 A KR1020180086161 A KR 1020180086161A KR 20180086161 A KR20180086161 A KR 20180086161A KR 102051493 B1 KR102051493 B1 KR 102051493B1
Authority
KR
South Korea
Prior art keywords
data
knock
sensor
target object
present
Prior art date
Application number
KR1020180086161A
Other languages
English (en)
Inventor
이성주
공태식
조현성
이보원
Original Assignee
한국과학기술원
인하대학교 산학협력단
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 한국과학기술원, 인하대학교 산학협력단 filed Critical 한국과학기술원
Priority to KR1020180086161A priority Critical patent/KR102051493B1/ko
Application granted granted Critical
Publication of KR102051493B1 publication Critical patent/KR102051493B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
    • H04M1/72522—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2201/00—Electronic components, circuits, software, systems or apparatus used in telephone systems
    • H04M2201/34—Microprocessors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2250/00—Details of telephonic subscriber devices
    • H04M2250/12—Details of telephonic subscriber devices including a sensor for measuring a physical value, e.g. temperature or motion

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

노크 기반 객체 식별 방법 및 장치를 개시한다.
본 발명의 일 실시예에 의하면, 노크(knock)를 활용하여 객체를 식별하는 방법으로서, 사용자 단말에 설치된 다중(Multimodal) 센서로부터 감지데이터가 출력되는 출력단계; 상기 감지데이터로부터 대상 객체와 상기 사용자 단말 사이의 노크에 의해 발생된 노크데이터를 하나 이상 검출하는 검출단계; 및 상기 검출된 노크데이터를 기반으로 상기 대상 객체를 식별하는 식별단계를 포함하는 것을 특징으로 하는 노크 기반 객체 식별 방법을 제공한다.
또한, 본 발명의 다른 일 실시예에 의하면, 노크(knock)를 활용하여 객체를 식별하는 장치로서, 자체에 설치되며, 감지데이터를 출력하는 다중(Multimodal) 센서; 상기 감지데이터로부터 대상 객체와의 노크에 의해 발생된 노크데이터를 하나 이상 검출하는 검출부; 및 상기 검출된 노크데이터를 기반으로 상기 대상 객체를 식별하는 식별부를 포함하는 것을 특징으로 하는 노크 기반 객체 식별 장치를 제공한다.

Description

노크 기반 객체 식별 방법 및 장치{METHOD AND APPARATUS FOR IDENTIFYING OBJECT BASED ON KNOCK}
본 발명은 대상 객체를 식별하는 방법 및 장치에 대한 것으로서, 더욱 구체적으로는 식별의 대상인 대상 객체와 사용자 단말 사이에 발생하는 노크(knock) 및 사용자 단말에 설치된 다중(Multimodal) 센서를 활용하여 대상 객체를 정확하게 식별하고, 이를 기반으로 대상 객체와 관련된 다양한 부가 기능을 구현할 수 있는 노크 기반 객체 식별 방법 및 장치에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 발명에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
스마트 폰은 이동통신 기술, 객체인식 기술, 음성인식 기술 등이 발전함에 따라, 인간 대 인간 사이의 정보 전달이라는 근본적인 기능에서 더 나아가, 물리적 객체(Object)와 온라인 서비스 상호 간을 연결하는 필수적 인터페이스로서 기능하고 있다.
스마트 폰이 객체와 온라인 서비스 상호 간을 연결(스마트 폰을 이용한 연결)하는 대표적인 예로, 스마트 폰에 설치된 검색 어플리케이션을 이용한 커피 머신 작동 방법 검색, e-commerce 어플리케이션을 이용한 물품 구매 및 전용 어플리케이션을 이용한 IoT(Internet of Thing) 장치 제어 등을 들 수 있다.
이와 같이, 스마트 폰을 이용한 연결 방법은 종래, 전문가를 직접 찾아가 질의하는 방법, 상점에 직접 내방하여 물품을 구매하는 방법 및 사용자가 직접 장치를 제어하는 방법 등에 비해, 장소적 제약을 극복하고 소요되는 시간과 비용을 더욱 절약할 수 있는 장점을 가진다.
스마트 폰을 이용한 연결은 크게 '대상 객체 식별 단계'와 '사용자 명령 인식 및 기능 실행 단계'로 구분될 수 있는 데, 스마트 폰에 설치된 e-commerce 어플리케이션을 이용하여 물품을 구매하는 경우, 스마트 폰 사용자는 폰 잠금 해제(명령 인식 및 기능 실행), 적절한 e-commerce 어플리케이션 선별 및 실행(명령 인식 및 기능 실행), e-commerce 어플리케이션 내에서 구매하고자 하는 물품 검색(대상 객체 식별) 및 검색된 물품 주문(명령 인식 및 기능 실행) 등의 단계를 거쳐야 하므로, 여전히 복잡하고 번거로운 절차 또는 단계를 필요로 하는 단점 또한, 가지고 있다.
최근, Apple Siri, Google Assistant, Amazon Alexa 등과 같이, 음성 인식 기술을 활용하여 사용자의 음성을 인식하고, 이를 기반으로 스마트 폰을 적절하게 제어함으로써 물리적 객체와 온라인 서비스 상호 간을 연결하는 음성 명령 시스템(Voice Command System)이 주목 받고 있다.
그러나, 음성 명령 시스템은 '대상 객체 식별 단계'와 '명령 인식 및 기능 실행 단계'를 상대적으로 신속하고 용이하게 구현할 수는 있으나, 다양한 언어와 방언 등의 존재로 인하여 사용자의 음성을 정확하게 인식하기 어려운 근본적인 한계를 내포하고 있다.
'대상 객체 식별 단계'와 관련하여, 카메라, 라이다센서 등의 시각적 감지 수단을 활용한 시각적 방법과 EM 센서 등을 활용한 전자기적 방법 등이 대안으로 제시되고 있으나, 이 방법들은 심도(depth) 카메라, 라이다센서, EM센서 등과 같은 특수 하드웨어를 필요로 하므로 높은 비용이 소요되고, 전자기적 방법의 경우 EM신호를 방출하는 전기적 객체에만 적용할 수 있으므로 제한적인 활용 가능성만을 가진다고 할 수 있다.
'대상 객체 식별 단계'와 관련하여, 바코드, QR코드, RFID태크 등과 같은 마커(marker)를 이용하는 방법도 정확한 객체 식별을 위해 고려해볼 수 있으나, 이 방법은 마커가 미리 부착된 객체에 대해서만 적용 가능하며, 마커를 모든 객체에 부착하는 과정에 상당한 시간과 비용이 소요되는 문제점을 가지고 있다.
본 발명의 일 실시예는, 대상 객체와 사용자 단말 사이에 발생된 노크 및 사용자 단말에 기 설치된 다중 센서를 활용하여 대상 객체를 용이하고 정확하게 식별하고, 대상 객체의 식별에 기반하여 사용자 단말에 설치된 다양한 어플리케이션을 구동시킴으로써 사용자에게 더욱 향상된 편의성과 다양한 부가 기능을 제공할 수 있는 방법 및 장치를 제공하는 데 주된 목적이 있다.
본 발명의 일 실시예에 의하면, 사용자 단말에 설치된 다중(Multimodal) 센서와 노크(knock)를 활용하여 객체를 식별하는 방법으로서, 상기 다중 센서로부터 출력데이터를 수신하는 수신단계; 상기 출력데이터로부터 대상 객체와 상기 사용자 단말 사이의 노크에 의해 발생된 노크데이터를 하나 이상 검출하는 검출단계; 및 상기 검출된 노크데이터를 기반으로 상기 대상 객체를 식별하는 식별단계를 포함하는 것을 특징으로 하는 노크 기반 객체 식별 방법을 제공한다.
본 발명의 다른 일 실시예에 의하면, 다중(Multimodal) 센서와 노크(knock)를 활용하여 객체를 식별하는 장치로서, 상기 다중 센서 각각으로부터 출력데이터를 수신하는 수신부; 상기 출력데이터로부터 대상 객체와의 노크에 의해 발생된 노크데이터를 하나 이상 검출하는 검출부; 및 상기 검출된 노크데이터를 기반으로 상기 대상 객체를 식별하는 식별부를 포함하는 것을 특징으로 하는 노크 기반 객체 식별 장치를 제공한다.
이상에서 설명한 바와 같이 본 발명의 일 실시예에 의하면, 대상 객체와 사용자 단말을 상호 노크시키는 간단한 행위 만으로도 대상 객체를 식별하고 대상 객체와 관련된 다양한 부가 기능을 제공할 수 있으므로 사용자 편의성을 더욱 향상시킬 수 있다.
또한, 본 발명의 다른 일 실시예에 의하면, 별도의 하드웨어를 추가 구성할 필요 없이, 사용자 단말에 기 설치된 센서를 활용하여 대상 객체를 식별하므로 대상 객체 식별에 소요되는 비용과 시간을 감소시킬 수 있음은 물론, 더욱 확장된 범위의 적용 가능성을 제공할 수 있다.
나아가, 본 발명의 또 다른 일 실시예에 의하면, 노크에 의해 발생된 응답을 복수 개의 다중 센서를 이용하여 감지하고, 감지된 결과를 대상으로 딥-러닝 기술을 적용하여 대상 객체를 식별하므로 대상 객체 식별에 대한 정확성을 더욱 향상시킬 수 있다.
도 1은 본 발명에 의한 노크 기반 객체 식별 장치를 이용하여 대상 객체를 식별하는 과정을 간략히 나타낸 도면이다.
도 2는 본 발명에 의한 노크 기반 객체 식별 장치를 개략적으로 나타낸 블록 구성도이다.
도 3은 다중 센서의 감지데이터로부터 피크 값을 검출하는 본 발명의 일 실시예를 설명하기 위한 도면이다.
도 4는 다중 센서의 감지데이터로부터 샘플데이터를 추출하는 본 발명의 일 실시예를 설명하기 위한 도면이다.
도 5는 실제 노크로부터 발생된 샘플데이터와 가짜 노크로부터 발생된 샘플데이터 사이의 주파수 성분 차이를 나타낸 도면이다.
도 6 및 도 7은 객체에 대한 정보, 노크시퀀스, 노크 사이의 시간 간격 및 어플리케이션이 상호 링크되어 저장된 테이블에 대한 본 발명의 일 실시예를 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 다중 센서의 출력데이터로부터 노크데이터를 검출하는 과정을 설명하기 위한 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 다중 센서의 출력데이터를 이용하여 대상 객체를 식별하고, 이를 기반으로 다양한 어플리케이션을 실행하는 과정을 설명하기 위한 흐름도이다.
도 10은 대상 객체 식별에 대한 본 발명의 정확성을 나타내는 실험 결과이다.
도 11은 다양한 소음 환경에서 사운드센서만을 이용하는 경우의 식별 정확성과 본 발명의 다중 센서를 이용하는 경우의 식별 정확성을 비교 설명하는 실험 결과이다.
이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 '포함', '구비'한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 '…부', '모듈' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도 1은 본 발명에 의한 노크 기반 객체 식별 장치(이하 '식별 장치'라 지칭한다)(100)를 이용하여 대상 객체(10)를 식별하는 과정을 간략히 나타낸 도면이다. 이하에서는 도 1을 참조하여 본 발명의 식별 장치(100)가 대상 객체(10)와의 노크를 활용하여 대상 객체(10)를 식별하는 과정에 대해 설명하도록 한다.
먼저, 도 1에 표현된 바와 같이, 사용자의 조작 또는 행위에 의하여 본 발명의 식별 장치(100)가 식별의 대상이 되는 객체인 대상 객체(10)와 충돌 또는 노크하게 되면(도 1의 좌측), 본 발명의 식별 장치(100)는 자체에 설치된 다중 센서(미도시)를 이용하여 노크로부터 발생된 응답을 감지하고, 이를 기반으로 대상 객체(10)를 식별하거나 자체에 설치된 어플리케이션을 실행시켜 다양한 부가 기능을 제공할 수 있다(도 1의 우측).
본 발명의 식별 장치(100)에는 다중 센서(미도시)가 미리 설치되는 데, 이 다중 센서(미도시)는 노크에 의하여 발생되는 사운드 성분, 노크에 의하여 자체에 발생되는 속도 성분, 노크에 의하여 자체에 발생되는 회전 성분 등 노크에 의하여 발생되는 다양한 속성 또는 응답들을 감지한다.
이와 같이, 본 발명의 식별 장치(100)에는 노크에 의해 발생되는 다양한 종류의 응답을 감지하기 위한 다중 센서(미도시)가 미리 설치되므로, 식별의 대상이 되는 객체인 대상 객체(10)는 다양한 형상, 재질 및 사이즈 등을 가질 수 있다.
본 발명의 식별 장치(100)는 스마트 폰, 테블릿 PC, 객체 식별을 위해 별도로 제작된 전용 단말 등 다양한 형태로 구현될 수 있다. 즉, 기 설치된 다중 센서(미도시)를 이용하여 노크로부터 발생되는 다양한 응답들을 감지하고, 이를 기반으로 대상 객체(10)를 식별할 수 있다면, 본 발명의 식별 장치(100)는 그 지칭되는 명칭에 한정되지 않고 다양한 형태로 구현될 수 있다.
이와 같이, 본 발명의 식별 장치(100)는 대상 객체(10)와 식별 장치(100)를 노크시키는 사용자의 간단한 행위만으로도 대상 객체(10)를 식별할 수 있으므로, 더욱 향상된 사용자 편의성을 제공할 수 있다.
또한, 스마트 기기, 테블릿 PC 등에 다양한 종류의 센서가 장착되는 것이 일반적이라는 점에 착안하여, 이러한 기기들로 구현되는 본 발명의 식별 장치(100)는 기 설치된 센서를 통해 대상 객체(10)를 식별하므로 별도의 하드웨어를 추가 구성할 필요가 없어 대상 객체(10) 식별에 소요되는 비용과 시간을 감소시킬 수 있다.
도 2는 본 발명에 의한 식별 장치(100)를 개략적으로 나타낸 블록 구성도이며, 도 8은 본 발명의 일 실시예에 따른 다중 센서(110)의 출력데이터로부터 노크데이터를 검출하는 과정을 설명하기 위한 흐름도이다. 이하에서는 도 2 및 도 8을 참조하여 본 발명에 의한 식별 장치(100)의 하위 구성들과 이 하위 구성들이 수행하는 기능에 대하여 설명하도록 한다.
도 2에 도시된 바와 같이, 본 발명의 식별 장치(100)는 다중 센서(110), 검출부(120), 식별부(130), 저장부(140) 및 제어부(150)를 포함하여 구성될 수 있다.
먼저, 본 발명의 다중 센서(110)는 식별 장치(100)에 미리 설치되며, 대상 객체(10)와 식별 장치(100) 사이의 노크, 외부 소음, 사용자의 조작 또는 움직임에 의한 식별 장치(100)의 모션 등 다양한 종류의 원인으로 인해 발생하는 다양한 종류의 감지테이터를 출력한다(S810).
본 발명의 다중 센서(110)가 출력하는 감지데이터는 다중 센서(110)를 구성하는 센서의 종류에 따라 다양한 종류의 데이터로 구성될 수 있는 데, 구체적으로, 도 2에 도시된 바와 같이, 본 발명의 다중 센서(110)가 사운드센서(111), 가속도센서(113) 및 가속도센서(115)로 이루어지는 경우, 사운드센서(111)는 외부 사운드를 감지하여 사운드데이터를 출력하고(S810), 가속도센서(113)는 식별장치의 모션에 의한 가속도데이터를 출력하며(S810), 가속도센서(115)는 식별장치의 회전 모션에 의한 각속도데이터를 출력한다(S810).
도 2에는 본 발명의 다중 센서(110)가 사운드센서(111), 가속도센서(113) 및 가속도센서(115)로 이루어지는 실시예가 표현되어 있으나, 다중 센서(110)를 구성하는 센서의 종류와 개수는 식별하고자 하는 대상 객체(10)의 특성, 소음의 존부 또는 대소 등과 같은 외부 환경적 요인, 사용자가 구현하고자 하는 정확성 정도 등, 다양한 파라미터에 따라 가변적으로 설정될 수 있다.
즉, 본 발명의 다중 센서(110)는 사운드센서(111) 및 가속도센서(113)로 이루어지거나 사운드센서(111) 및 가속도센서(115)로 이루어질 수 있으며, 실시형태에 따라 사운드센서(111), 가속도센서(113) 및 가속도센서(115)에 다른 종류의 센서가 추가되는 형태로 이루어질 수 있다.
이하에서는, 위와 같은 다양한 형태의 다중 센서(110) 중 사운드센서(111) 및 가속도센서(113)로 이루어지는 다중 센서(110)를 중심으로 본 발명에 대하여 설명하도록 한다.
본 발명의 검출부(120)는 감지데이터 즉, 사운드센서(111)로부터 출력된 사운드데이터와 가속도센서(113)로부터 출력된 가속도데이터를 수신하고, 이 사운드데이터 및 가속도데이터로부터 대상 객체(10)와 본 발명의 식별 장치(100) 사이의 노크에 의하여 발생한 데이터인 노크데이터를 검출한다(S891).
다중 센서(110)로부터 출력되는 감지데이터에는 대상 객체(10)와 식별 장치(100) 사이의 노크(이하 '실제 노크'라 지칭한다)를 원인으로 발생된 응답 이외에, 다른 원인(이하 '가짜 노크'라 지칭한다)으로 발생된 응답이 모두 포함될 수 있다. 따라서 본 발명의 검출부(120)는 더욱 정확한 객체 식별을 구현하기 위하여 감지데이터로부터 실제 노크를 원인으로 발생된 응답인 노크데이터를 검출한다(S891).
노크데이터가 검출되면, 본 발명의 식별부(130)는 검출된 노크데이터를 기반으로 대상 객체(10)를 식별한다. 대상 객체(10)를 식별하기 위하여, 본 발명의 식별부(130)는 도 2에 도시된 바와 같이, 노크데이터로부터 특징데이터를 추출하는 특징추출부(131)와 추출된 특징데이터를 대상으로 객체 식별(분류) 알고리즘을 적용하여 대상 객체(10)를 식별하는 객체식별부(133)를 포함하여 구성될 수 있다.
여기서, 특징데이터는 노크데이터의 특징(실제 노크에 의하여 발생된 사운드 응답과 가속도 응답의 특징)에 해당하며, 객체 식별 알고리즘은 객체 식별에 대한 정확성을 더욱 향상시키기 위한 수단에 해당한다.
본 발명의 객체식별부(133)에서 적용되는 객체 식별 알고리즘에는 심층 학습(Deep Learning) 기반의 심층 신경망(Deep Neural Network), 상대적으로 적은 트레이닝 데이터를 필요로 하며 적은 런타임 복잡도를 가지는 SVM(Support Vector Machine), Decision Tree 등 다양한 종류의 분류 알고리즘이 포함될 수 있다.
이와 같이, 본 발명의 식별 장치(100)는 두 종류 이상의 센서로 구성되는 다중 센서(110)를 이용하여 객체 식별과 관련된 다양한 응답을 감지하므로 단일 센서를 이용하여 응답을 감지하는 경우에 비해, 높은 정확도를 보장할 수 있다.
또한, 본 발명의 식별 장치(100)는 감지된 응답을 대상으로 객체 식별 알고리즘을 적용하여 대상 객체(10)를 식별하므로 정확도가 더욱 향상되는 효과를 제공할 수 있게 된다.
도 3은 다중 센서(110)의 감지데이터로부터 피크 값을 검출하는 본 발명의 일 실시예를 설명하기 위한 도면이다. 이하에서는 도 2, 도 3 및 도 8을 참조하여 실제 노크와 가짜 노크를 구별하는 본 발명의 기술적 특징에 대하여 상세히 설명하도록 한다.
도 3 (A)에 도시된 바와 같이, 특정 시점(t0)에 실제 노크(knock)가 발생하게 되면, 사운드센서(111)의 감지데이터인 사운드데이터(도 3 (A)의 (a))와 가속도센서(113)의 감지데이터인 가속도데이터(도 3 (A)의 (b))는 특정 크기의 피크(peak)가 발생된 후, 점차 감소하는 형태의 파형을 나타내게 된다.
본 발명은 이러한 사운드데이터 및 가속도데이터의 특성을 반영하여 실제 노크와 가짜 노크를 구별하도록 구성될 수 있다. 이를 위하여 본 발명의 검출부(120)는 도 2에 도시된 바와 같이 피크검출부(121) 및 노크검출부(123)를 더 포함하여 구성될 수 있다.
먼저, 본 발명의 피크검출부(121)는 사운드데이터와 가속도데이터 각각으로부터 피크(peak)가 발생되는 지 여부를 모니터링하고, 피크가 발생되면 각각의 피크 값(Ps1 내지 Ps5 및 Pv1 내지 Pv2)을 검출한다(S820).
피크 값을 검출하기 위해, 본 발명의 피크검출부(121)는 사운드데이터 및 가속도데이터를 동시에 모니터링하도록 구성될 수도 있으나, 배터리와 CPU 등의 리소스 소모를 감소시켜 데이터 처리에 대한 효율성을 향상시키기 위하여 사운드데이터 및 가속도데이터를 순차적으로 모니터링하도록 구성되는 것이 바람직하다.
예를 들어, 본 발명의 식별 장치(100)가 스마트 폰 형태로 구현되는 경우, 오디오 레이턴시(audio latency)로 인하여 사운드데이터의 피크 발생 시간과 가속도데이터의 피크 발생 시간 사이에 일정한 간격(가속도데이터의 피크가 사운드데이터의 피크에 비해 앞서는 시간 차, 도 3 (B)의 d)이 발생하게 된다.
따라서 본 발명의 피크검출부(121)는 가속도데이터로부터 피크가 검출되는 지 여부를 먼저 모니터링하고, 피크가 검출되면 사운드데이터로부터 피크가 검출되는 지 여부를 모니터링하도록 구성되는 것이 바람직하다.
이와 같이 가속도데이터 및 사운드데이터 모두에서 피크 및 피크 값이 검출되면, 본 발명의 노크검출부(123)는 검출된 피크 값과 임계 값(Pr1, Pr2)을 비교하고(S830), 검출된 피크 값이 임계 값 미만인 경우(Ps1, Ps2, Ps4, Ps5, Pv2) 해당 사운드데이터 및 가속도데이터가 가짜 노크로부터 발생된 것으로 간주하여 이를 노크데이터로 검출하지 않는다.
이와 달리, 도 3 (B)에 도시된 바와 같이, 검출된 피크 값과 임계 값을 비교한 결과(S830), 검출된 피크 값이 임계 값 이상인 경우(Ps3, Pv1), 해당 사운드데이터 및 가속도데이터가 실제 노크로부터 발생된 것으로 간주하여, 해당 사운드데이터 및 가속도데이터를 노크데이터로 검출한다.
여기서, 임계 값은 사용자 개개인의 특성, 객체 식별이 구현되는 외부 환경 등에 따라 가변적으로 설정될 수 있으며, 사운드데이터와 가속도데이터가 서로 다른 임계 값으로 설정될 수 있다.
이와 같이, 본 발명의 식별 장치(100)는 실제 노크로부터 발생되는 감지데이터의 특성에 기반하여 실제 노크와 가짜 노크를 구별하는 과정을 통해 사용자가 객체 식별의 의도를 가지지 않는 상태에서 발생하는 다양한 형태의 감지데이터(가짜 노크)를 실제 감지데이터(실제 노크)와 구별할 수 있으므로, 객체 감지에 대한 정확성을 향상시킴은 물론, 객체 감지를 더욱 사용자 의도에 맞는 적절한 시점에 구현할 수 있게 된다.
전술된 피크 발생 모니터링, 피크 값 검출 및 노크데이터 검출 프로세싱은 사운드데이터와 가속도데이터만을 기준으로 설명되었으나, 앞서 언급된 바와 같이 본 발명의 다중 센서(110)가 가속도센서(115)를 더 포함하여 구성되는 경우, 각각의 프로세싱은 가속도센서(115)로부터 출력되는 감지데이터인 각속도데이터를 더 이용하여 구현될 수 있다.
도 4는 다중 센서(110)의 감지데이터로부터 샘플데이터를 추출하는 본 발명의 일 실시예를 설명하기 위한 도면이다. 이하에서는 도 2, 도 4 및 도 8을 참조하여 임계 값 이상의 피크 값이 추출된 감지데이터로부터 관심영역에 해당하는 샘플데이터를 추출하는 본 발명의 기술적 특징에 대하여 설명하도록 한다.
전술된 바와 같이, 임계 값 이상의 피크 값을 가지는 감지데이터 전체를 노크데이터로 검출하는 경우, 노크데이터 자체가 상대적으로 큰 데이터 양을 가지게 되므로 본 발명의 식별 장치(100)가 처리해야 하는 데이터 양이 증가하게 되어 데이터 처리 속도가 저하되게 된다.
본 발명은 이러한 문제점을 방지하기 위하여, 감지데이터 전체에서 식별 장치(100)가 처리할 일정 구간 또는 일정 데이터 양(샘플)을 선별하는 프로세싱을 수행할 수 있다. 이를 위하여, 본 발명의 검출부(120)는 도 2에 도시된 바와 같이 샘플추출부(125)를 더 포함하여 구성될 수 있다.
본 발명의 샘플추출부(125)는 임계 값 이상의 피크 값이 검출된 사운드데이터 및 가속도 데이터(도 4 (A)의 (a) 및 (b)) 각각으로부터 후속 프로세싱에 적용되는 샘플데이터를 추출한다(도 4 (C)의 (a) 및 (b))(S840).
실시형태에 따라, 본 발명의 샘플추출부(125)는 다양한 형태의 샘플데이터를 추출하도록 구성될 수 있다. 예를 들어, 본 발명의 샘플추출부(125)는 사운드데이터 및 가속도데이터의 특정 구간에 대한 연속데이터 또는 이산데이터 등 다양한 형태의 샘플데이터를 추출하도록 구성될 수 있다.
또한, 사운드데이터 및 가속도데이터에 대한 샘플추출 프로세싱의 시작 지점을 일치시켜 더욱 정확한 샘플링이 구현되도록 하기 위하여, 본 발명의 샘플추출부(125)는 임계 값 이상의 피크 값이 발생된 시점(tp)을 시작 지점으로 하여 샘플데이터를 추출하도록 구성되는 것이 바람직하다.
이를 위하여, 도 4 (B)에 도시된 바와 같이, 본 발명의 샘플추출부(125)는 샘플데이터를 추출하기 전 단계에서 사운드데이터를 이동(shift)시켜 사운드데이터와 가속도데이터 사이에 임계 값 이상의 피크 값이 발생된 시점을 tp로 일치시키는 프로세싱을 추가적으로 수행할 수 있다.
본 발명의 식별 장치(100)가 스마트 폰 형태로 구현되는 경우, 스마트 폰에 장착되는 사운드센서(111)(마이크)와 가속도센서(113)는 일반적으로 각각 48kHz와 400Hz의 샘플링 속도(sampling rate)로 설정되어 있다.
따라서 이와 같은 경우, 사운드데이터 및 가속도데이터 자체가 discrete한 형태를 가지므로, 본 발명의 샘플추출부(125)는 임계 값 이상의 피크 값이 검출된 사운드데이터 및 가속도데이터 전체로부터 tp를 시작 지점으로 하여 연속되는 일정한 개수의 사운드데이터(d1) 및 가속도데이터(d2)를 샘플데이터로 추출할 수 있다.
이와 같이, 본 발명의 식별 장치(100)가 샘플추출부(125)를 더 포함하여 구성되면, 본 발명의 노크검출부(123)는 샘플추출부(125)에서 추출된 샘플데이터를 노크데이터로 검출하도록 구성될 수 있다.
도 5는 실제 노크로부터 발생된 샘플데이터와 가짜 노크로부터 발생된 샘플데이터 사이의 주파수 성분 차이를 나타낸 도면이다. 이하에서는 도 2, 도 5 및 도 8을 참조하여 실제 노크와 가짜 노크를 더욱 정확하게 구별하여 객체 식별의 정확성을 더욱 향상시키는 본 발명의 기술적 특징에 대하여 설명하도록 한다.
전술된 바와 같이, 피크검출부(121)는 감지데이터로부터 피크 및 피크 값을 검출하고(S820), 노크검출부(123)는 검출된 피크 값이 임계 값 이상에 해당하는 지 여부를 판단하는 데(S830), 본 발명의 식별 장치(100)는 이러한 검출 및 판단 과정을 통하여 실제 노크와 가짜 노크를 충분한 정확도로 구별할 수 있다.
다만, 예외적으로 소음이 많은 환경에서 사용자가 식별 장치(100)를 빠른 속도로 이동시키거나 회전 이동시키는 경우, 사운드데이터 및 가속도데이터의 피크 값이 모두 임계 값 이상을 가질 수 있으며, 이와 같은 예외적인 경우 본 발명의 식별 장치(100)가 오작동을 일으키거나 객체 식별을 부정확하게 구현하는 문제가 발생할 수 있다.
한편, 도 5에 도시된 바와 같이, 실제 노크로부터 발생된 가속도데이터의 주파수 특성 그래프(도 5 (A))와 가짜 노크로부터 발생된 가속도데이터의 주파수 특성 그래프(도 5 (B))는 상이한 주파수 특성을 나타낸다.
구체적으로, 가짜 노크로부터 발생된 가속도데이터의 주파수는 상대적으로 저주파수 성분을 더욱 많이 포함하고 있는 반면, 실제 노크로부터 발생된 가속도데이터의 주파수는 가속도데이터의 급격한 변화로 인하여 고주파수 성분을 더욱 많이 포함한다.
본 발명은 이러한 실제 노크 주파수와 가짜 노크 주파수 사이의 특성 차이를 기반으로 실제 노크와 가짜 노크를 구별하는 프로세싱을 추가적으로 구현함으로써 전술된 예외적인 상황에서도 정확도 측면에서 강인한 특성을 가지도록 구성될 수 있다.
이를 위하여, 본 발명의 검출부(120)는 도 2에 도시된 바와 같이 연산부(127)를 더 포함하여 구성될 수 있다. 본 발명의 연산부(127)는 먼저, 가속도데이터의 샘플데이터를 기준주파수(fr)를 기준으로 고주파수 성분(fH)과 저주파수 성분(fL)으로 분류한다(S850).
주파수 분류 프로세싱이 완료되면, 본 발명의 연산부(127)는 고주파수 성분의 합과 저주파수 성분의 합을 각각 연산하고(S860, S870), 두 합 사이의 비율을 추가적으로 연산한다(S880). 본 발명의 연산부(127)가 수행하는 분류 프로세싱 및 연산 프로세싱을 수학식으로 나타내면 다음과 같다.
Figure 112018073233483-pat00001
위 수학식에서,
Figure 112018073233483-pat00002
은 기준주파수를 나타내며,
Figure 112018073233483-pat00003
는 샘플데이터의 주파수 성분을 나타내고,
Figure 112018073233483-pat00004
은 고주파수 성분의 합을 나타내며,
Figure 112018073233483-pat00005
는 저주파수 성분의 합을 나타내고,
Figure 112018073233483-pat00006
은 고주파수 성분의 합과 저주파수 성분의 합 사이의 비율을 나타낸다.
위 수학식에서,
Figure 112018073233483-pat00007
은 고주파수 성분의 합을 저주파수 성분의 합으로 나눈 값으로 표현되었으나, 실시형태에 따라 저주파수 성분의 합을 고주파수 성분의 합으로 나눈 값으로 표현될 수 있음은 물론이며, 기준주파수는 가변적으로 설정될 수 있다.
이와 같이, 연산부(127)에서 고주파수 성분의 합과 저주파수 성분의 합 사이의 비율이 연산되면, 본 발명의 노크검출부(123)는 연산된 비율을 기준 비율과 비교하고(S890), 연산된 비율이 기준 비율 미만 또는 이하에 해당하면 가짜 노크로부터 발생된 샘플데이터로 간주하여 해당 샘플데이터를 노크데이터로 검출하지 않는다.
이와 달리, 연산된 비율이 기준 비율 이상 또는 초과인 경우, 본 발명의 노크추출부는 해당 샘플데이터를 실제 노크로부터 발생된 샘플데이터로 간주하여 이를 노크데이터로 검출한다(S891).
이와 같이, 본 발명의 식별 장치(100)가 실제 노크와 가짜 노크 사이의 주파수 특성 차이를 기반으로 노크데이터를 검출하도록 구성되면, 피크검출부(121)의 실제 노크를 검출하는 프로세싱에 대한 정확성을 보완할 수 있어 객체 식별에 대한 더욱 향상된 정확성을 보장할 수 있게 된다.
도 6 및 도 7은 객체에 대한 정보, 노크시퀀스, 노크 사이의 시간 간격 및 어플리케이션이 상호 링크되어 저장된 테이블에 대한 본 발명의 일 실시예를 나타낸 도면이다. 이하에서는 도 2, 도 6 및 도 7을 참조하여 객체 식별을 기반으로 사용자에게 다양한 부가 기능을 제공하는 본 발명의 기술적 특징에 대하여 설명하도록 한다.
전술된 바와 같이, 본 발명의 식별 장치(100)는 대상 객체(10)에 대한 정확한 식별 기능을 제공함에 그치지 않고, 식별된 대상 객체(10)를 기초로 외부 환경, 사용자 의도 등의 다양한 요인을 추가적으로 반영하여 사용자에게 다양한 부가 기능을 제공하도록 구성될 수 있다.
다양한 부가 기능을 제공하기 위하여, 본 발명은 도 2에 도시된 저장부(140) 및 제어부(150)를 더 포함하여 구성될 수 있으며, 이 저장부(140)에는 도 6 및 도 7에 도시된 바와 같이 식별 장치(100) 자체에 설치된 하나 이상의 어플리케이션, 객체에 대한 정보, 노크의 개수를 기준으로 구분되는 하나 이상의 노크시퀀스(knock sequence) 및 노크 사이의 시간 간격 등이 상호 링크(link) 또는 연계되어 저장될 수 있다.
먼저, 도 6 (A)에 도시된 바와 같이, 본 발명의 저장부(140)에는 식별 장치(100) 자체에 설치된 어플리케이션에 대한 정보인 어플리케이션정보가 객체에 대한 정보인 객체정보 별로 구분되어 저장될 수 있다.
도 6에는 객체에 대한 정보(객체정보)로서 객체의 명칭이 표현되어 있으나, 객체 상호 간을 구분할 수 있다면 저장부(140)에 저장되는 객체정보는 객체 각각마다의 고유식별정보, ID정보 등 다양한 형태의 정보로 이루어질 수 있다.
저장부(140)에 저장된 어플리케이션정보는 식별 장치(100) 내에서 실행 가능한 다양한 부가 기능을 제공할 수 있는 어플리케이션과 관련된 정보를 의미한다. 따라서 어플리케이션정보는 전술된 객체정보와 마찬가지로, 고유식별정보, ID정보 등 다양한 형태로 이루어질 수 있다.
본 발명의 저장부(140)가 이와 같이 구성된 상태에서, 전술된 객체 식별 프로세싱을 통하여 대상 객체(10)가 식별되면, 본 발명의 제어부(150)는 식별된 대상 객체(10)에 해당하는 객체정보를 저장부(140)에 저장된 정보로부터 선별하고, 선별된 정보와 링크되어 있는 어플리케이션정보를 이용하여 해당 어플리케이션을 실행시키도록 구성될 수 있다.
예를 들어, 책(대상 객체)과 식별 장치(100) 사이에 노크가 발생하는 경우, 전술된 객체 식별 프로세싱을 통하여 해당 객체가 책으로 식별되면, 본 발명의 제어부(150)는 저장부(140)로부터 책에 해당하는 객체(book)를 선별하고, 선별된 객체(book)와 링크되어 있는 어플리케이션정보인 '램프 어플리케이션(Lamp app.) 및 뮤직 어플리케이션(Music app.)'을 확인하여, 자체에 설치된 램프 어플리케이션 및 뮤직 어플리케이션을 실행시킨다.
제어부(150)의 실행 제어에 의하여 램프 어플리케이션과 뮤직 어플리케이션이 실행되면, 이 어플리케이션의 제어를 기반으로 사용자 주변에 위치하는 특정 램프와 음악 재생 장치(음악이 식별 장치로부터 재생되는 경우, 식별 장치)의 구동을 제어할 수 있게 된다.
이와 같이, 본 발명의 식별 장치(100)는 객체 식별을 기반으로 장치 내에서 구현될 수 있는 다양한 부가 기능을 제공하도록 구성될 수 있으므로, 사용자에게 객체 식별 기능에 더하여, 부가 기능이라는 더욱 확장된 범위의 편의 기능을 제공할 수 있다.
또한, 본 발명의 식별 장치(100)는 부가 기능 제공을 위하여 별도의 하드웨어 또는 사용자의 복잡한 절차 수행 등을 필요로 하지 않고, 단지 대상 객체(10)와 식별 장치(100)를 노크시키는 간단한 행위만을 필요로 하므로 사용자 편의성을 향상시킬 수 있다.
실시형태에 따라, 본 발명의 식별 장치(100)는 기본적으로 이산적인 노크의 특징을 이용하여 동일한 대상 객체(10)에 대해 더욱 다양한 부가 기능을 제공하도록 구성될 수 있다.
이를 위하여, 본 발명의 저장부(140)에는 도 6 (B)에 도시된 바와 같이, 하나 이상의 노크로 구성되며 각각이 구성 노크의 개수를 기준으로 구분되는 노크시퀀스가 더 저장되며, 어플리케이션 정보는 이 노크시퀀스 별로 더 구분되어 저장될 수 있다.
본 발명의 저장부(140)가 이와 같이 노크시퀀스를 더 포함하여 구성된 상태에서, 전술된 객체 식별 프로세싱을 통하여 대상 객체(10)가 식별되면, 본 발명의 제어부(150)는 식별된 대상 객체(10)에 해당하는 객체정보를 선별하고, 선별된 객체정보와 링크되어 있는 노크시퀀스 중 노크가 발생된 횟수(노크데이터의 개수)와 대응되는 노크시퀀스를 선별한 후, 선별된 노크시퀀스와 링크되어 있는 어플리케이션정보를 이용하여 해당 어플리케이션을 실행시킨다.
예를 들어, 대상 객체(10)가 laptop으로 식별되고 노크데이터가 2번 검출된 경우, 본 발명의 제어부(150)는 저장부(140)로부터 laptop를 선별하고, laptop 카테고리로 분류된 노크시퀀스 중 2개의 노크로 구성된 노크시퀀스(twice)를 선별한 후, 이와 링크되어 있는 Download app.을 실행시킨다.
Download app.이 실행되면, 이 어플리케이션의 제어를 기반으로 최근에 저장된 파일 또는 특정 파일이 laptop으로부터 본 발명의 식별 장치(100)로 다운로드될 수 있게 된다.
노크데이터의 개수(노크 횟수)를 명확하게 판별하면, 대응되는 노크시퀀스를 정확하게 선별할 수 있어 부가 기능 제공이 더욱 정확하게 구현될 수 있으므로, 본 발명의 검출부(120)는 가변적으로 설정 가능한 기준시간 또는 일정시간 동안 노크데이터의 개수를 검출하도록 구성되는 것이 바람직하다.
노크데이터의 개수를 활용하는 전술된 실시예는 대상 객체(10)와 본 발명의 식별 장치(100) 사이에 발생하는 노크의 개수 모두를 어플리케이션 선별 프로세싱에 이용하는 것으로 서술되었으나, 실시형태에 따라 식별 장치(100)와 대상 객체(10) 사이에 발생하는 노크 중 첫 번째 발생하는 노크를 객체 식별 프로세싱에 전용하여 이용하고, 이 후 발생하는 노크를 어플리케이션 선별 프로세싱에 이용하도록 구성될 수 있음은 물론이다.
실시형태에 따라, 본 발명의 식별 장치(100)는 노크데이터 사이의 시간 간격을 전술된 선별 프로세싱에 추가적으로 활용하도록 구성될 수 있다. 이를 위하여, 본 발명의 저장부(140)에는 도 7에 도시된 바와 같이 어플리케이션정보가, 노크시퀀스를 구성하는 노크 사이의 시간 간격을 기준으로 더 분류 또는 구분되어 저장된다.
구체적으로, 도 7에 도시된 실시예에서, 객체정보가 자전거 안장(saddle)에 해당하며 노크시퀀스를 구성하는 노크의 개수가 2개(twice)인 경우, 검색 어플(Retrieval app.)은 두 노크 사이의 시간 간격이 t1인 카테고리로 분류되고, E-commerce app.은 두 노크 사이의 시간 간격이 t2인 카테고리로 분류될 수 있다.
어플리케이션정보가 노크 사이의 시간 간격을 기준으로 더 분류되어 저장된 상태에서, 전술된 객체 식별 프로세싱을 통하여 대상 객체(10)가 식별되면, 본 발명의 제어부(150)는 식별된 대상 객체(10)에 해당하는 객체정보를 선별하고, 선별된 객체정보와 링크되어 있는 노크시퀀스 중 노크데이터의 개수 및 노크데이터 사이의 시간 간격에 해당하는 어플리케이션정보를 선별한 후, 이를 이용하여 해당 어플리케이션을 실행시킬 수 있다.
이와 같이, 본 발명의 식별 장치(100)가 노크가 발생 또는 검출된 횟수, 노크 사이의 시간 간격을 더 활용하도록 구성되면, 동일한 대상 객체(10)에 대해 더욱 다양한 부가 기능을 제공할 수 있게 되므로, 본 발명의 식별 장치(100)가 제공하는 부가 기능이 더욱 확장된 범위에서 이루어질 수 있게 됨은 물론, 사용자의 간단한 행위(노크)만으로 많은 부가 기능을 제공할 수 있어 사용자 편의성도 더욱 향상될 수 있다.
도 10은 대상 객체(10) 식별에 대한 본 발명의 정확성을 나타내는 테스트 결과이고, 도 11은 다양한 소음 환경에서 사운드센서만을 이용하는 경우의 식별 정확성과 본 발명의 다중 센서(110)를 이용하는 경우의 식별 정확성을 비교한 테스트 결과이다.
이하에서는 도 10 및 도 11에 표현된 테스트 결과를 기초로, 본 발명의 식별 장치(100)가 대상 객체(10) 식별에 다중 센서(110)를 활용함으로써 높은 정확성을 달성하는 효과에 대하여 설명하도록 한다.
먼저, 본 테스트는 스마트 폰을 사용하는 참가자 20명을 대상으로 하여 수행되었으며, 소음이 적은 방에서 23가지 서로 다른 객체(A 내지 W)를 대상 객체(10)로 하여 각 객체마다 별도의 노크 영역을 설정한 상태에서 수행되었다.
본 테스트에서 참가자는 하나의 대상 객체(10)를 1라운드마다 10번씩 노크하고, 이러한 라운드를 총 11라운드 수행하였다. 즉, 본 테스트에서 참가자는 하나의 대상 객체(10)를 총 110회, 모든 대상 객체(10)로 확장하면 총 2530회 노크하였다.
본 테스트는 사운드센서(111), 가속도센서(113) 및 가속도센서(115)가 모두 탑재된 식별 장치(100)를 이용하여 수행되었으며, 사운드데이터로부터 크기 스펙트럼(Magnitude spectrum), 로그 크기 스펙트럼(Log magnitude spectrum) 및 MFCCs(Mel-frequence cepstral coefficient)를 특징데이터로 추출하였고, 가속도데이터 및 각속도데이터로부터 각각 크기 스펙트럼을 특징데이터로 추출하였으며, 각각의 특징데이터를 대상으로 SVM을 적용하여 대상 객체(10)를 식별하였다.
도 10에 도시된 혼돈 행렬(Confusion matrix)에서, 열(row)은 실제 대상 객체(10)의 종류를 나타내며, 행(column)은 본 발명의 식별 장치(100)를 이용하여 식별된 대상 객체(10)의 종류를 나타낸다.
본 테스트에서 사용된 대상 객체(A 내지 W)에 대하여 나열하면, A는 책(book), B는 책 홀더(book holder), C는 커피 머신(coffee machine), D는 노트북(laptop), E는 거울(mirror), F는 티슈 박스(tissue box), G는 모니터(monitor), H는 조리 용기(cooking pot), I는 라우터(router), J는 지갑(purse), K는 헤어 드라이어(hair dryer), L은 스프레이 용기(spray), M은 물 보관 용기(water bottle), N은 약 보관 용기(medicine bottle), O는 유리 병(glass jar), P는 종이 컵(paper cup), Q는 텀블러(tumbler), R은 테블릿 PC(tablet PC), S는 스마트워치(smartwatch), T는 자전거(bicycle), U는 소화기(fire extinguisher), V는 의자(stool) 및 W는 기타(guitar)에 해당한다.
위와 같은 설정을 기반으로 테스트를 수행하여 도 10과 같은 테스트 결과를 획득하였다. 도 10에 표현된 바와 같이, 실제 대상 객체(10)와 본 발명의 식별 장치(100)를 이용하여 식별된 객체 사이에 최대 100%에서 최소 94%의 매칭 결과가 나타났다.
다음으로, 다양한 소음이 존재하는 환경에서 본 발명의 식별 장치(100)를 활용하여 대상 객체(10)를 식별하고, 이에 대한 정확성을 검증하는 테스트를 수행하여 도 11에 도시된 테스트 결과를 획득하였다.
도 11에서, 5가지 열(row)은 각각 소음이 없는 조용한 환경(Quiet), 뉴스가 방송되는 환경(CNN), 음악이 플레이되는 환경(Music), 자동차가 주행하는 외부 거리 환경(Outdoor) 및 사람들이 대화하는 카페 환경(Cafe)에 해당한다.
3가지 행(column) 중 상부 2가지 행은 각 환경에 대한 소음의 정도(dBA), 사운드센서만을 이용하여 대상 객체(10)를 식별하는 경우의 정확도(%)를 나타내며, 최하부 행은 마지막 사운드센서(S), 가속도센서(A) 및 각속도센서(G)가 모두 탑재된 본 발명의 식별 장치(100)를 이용하여 대상 객체(10)를 식별하는 경우의 정확도(%)를 나타낸다.
도 11에 표현된 바와 같이, 조용한 환경으로부터 카페 환경까지 소음이 증가됨에 따라 사운드센서만을 이용하여 대상 객체(10)를 식별하는 방법의 정확도가 감소한다. 이러한 결과는 사운드센서만을 이용하는 경우 대상 객체(10)와의 노크에 의해 발생되는 사운드와 외부 소음을 구별하기 어렵기 때문이다.
이에 반해, 다중 센서(110)가 적용된 본 발명의 식별 장치(100)는 소음이 증가될수록 그 정확도가 감소하기는 하지만, 가속도센서(113) 및 가속도센서(115)를 활용하여 노크에 의해 발생되는 사운드와 외부 소음을 상대적으로 정확하게 구별하므로 사운드센서만을 이용하는 경우에 비해 상대적으로 높은 식별 정확도를 나타내었다.
도 8 및 도 9에서는 과정 S810 내지 과정 S891 및 과정 S910 내지 과정 S950을 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 발명의 일 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것이다. 다시 말해, 본 발명의 일 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 일 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 8 및 도 9에 기재된 순서를 변경하여 실행하거나 과정 S810 내지 과정 S891 중 하나 이상 또는 과정 S910 내지 과정 S950 중 하나 이상의 과정을 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 8 및 도 9는 시계열적인 순서로 한정되는 것은 아니다.
한편, 도 8 및 도 9에 도시된 과정들은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 즉, 컴퓨터가 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장매체를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 본 발명에 의한 식별 장치
110 : 다중 센서 111 : 사운드센서
113 : 가속도센서 115 : 각속도센서
120 : 검출부 121 : 피크검출부
123 : 노크검출부 125 : 샘플추출부
127 : 연산부 130 : 식별부
131 : 특징추출부 133 : 객체식별부
140 : 저장부 150 : 제어부

Claims (21)

  1. 노크(knock)를 활용하여 객체를 식별하는 방법으로서,
    사용자 단말에 설치된 다중(Multimodal) 센서로부터 감지데이터를 출력하는 출력단계;
    상기 감지데이터로부터 대상 객체와 상기 사용자 단말 사이의 노크에 의해 발생된 하나 이상의 노크데이터를 검출하는 검출단계; 및
    상기 검출된 노크데이터를 기반으로 상기 대상 객체를 식별하는 식별단계를 포함하는 것을 특징으로 하는 노크 기반 객체 식별 방법.
  2. 제1항에 있어서, 상기 다중 센서는,
    사운드센서 및 가속도센서 또는 사운드센서 및 각속도센서로 이루어지는 것을 특징으로 하는 노크 기반 객체 식별 방법.
  3. 제1항에 있어서, 상기 다중 센서는,
    사운드센서, 가속도센서 및 각속도센서로 이루어지는 것을 특징으로 하는 노크 기반 객체 식별 방법.
  4. 제1항에 있어서, 상기 다중 센서는,
    사운드센서 및 가속도센서로 이루어지며,
    상기 검출단계는,
    상기 사운드센서의 감지데이터인 사운드데이터와 상기 가속도센서의 감지데이터인 가속도데이터 각각의 피크(peak) 값을 검출하는 피크검출단계; 및
    상기 검출된 피크 값이 임계 값 이상인 경우, 상기 사운드데이터 및 가속도데이터를 상기 노크데이터로 검출하는 노크검출단계를 포함하는 것을 특징으로 하는 노크 기반 객체 식별 방법.
  5. 제4항에 있어서, 상기 검출단계는,
    상기 피크검출단계 후, 상기 임계 값 이상의 피크 값이 검출된 사운드데이터 및 가속도데이터 각각으로부터 샘플데이터를 추출하는 샘플추출단계를 더 포함하고,
    상기 노크검출단계는 상기 추출된 샘플데이터를 상기 노크데이터로 검출하는 것을 특징으로 하는 노크 기반 객체 식별 방법.
  6. 제5항에 있어서, 상기 검출단계는,
    상기 샘플추출단계 후, 기준주파수를 기준으로 상기 가속도데이터의 샘플데이터를 고주파수 성분과 저주파수 성분으로 분류하고, 상기 고주파수 성분의 합과 상기 저주파수 성분의 합 사이의 비율을 연산하는 연산단계를 더 포함하고,
    상기 노크검출단계는 상기 연산된 비율이 기준 비율 이상에 해당하는 경우, 상기 추출된 샘플데이터를 상기 노크데이터로 검출하는 것을 특징으로 하는 노크 기반 객체 식별 방법.
  7. 제1항에 있어서, 상기 식별단계는,
    상기 노크데이터로부터 특징데이터를 추출하는 특징추출단계; 및
    상기 추출된 특징데이터를 대상으로 객체 분류 알고리즘을 적용하여 상기 대상 객체를 식별하는 객체식별단계를 포함하는 것을 특징으로 하는 노크 기반 객체 식별 방법.
  8. 제1항에 있어서,
    상기 사용자 단말에 설치된 하나 이상의 어플리케이션정보를 객체정보 별로 구분하여 저장하는 저장단계; 및
    상기 식별단계 후, 상기 저장된 어플리케이션정보 중 상기 식별된 대상 객체에 해당하는 어플리케이션정보를 이용하여 해당 어플리케이션을 실행하는 실행단계를 포함하는 것을 특징으로 하는 노크 기반 객체 식별 방법.
  9. 제8항에 있어서, 상기 저장단계는,
    상기 어플리케이션정보를, 상호 간 구성 노크의 개수를 기준으로 구분되는 하나 이상의 노크시퀀스 별로 더 구분하여 저장하고,
    상기 검출단계는 상기 하나 이상의 노크데이터를 기준시간 동안 검출하며,
    상기 실행단계는 상기 저장된 어플리케이션정보 중 상기 식별된 대상 객체 및 상기 기준시간 동안 검출된 노크데이터의 개수에 해당하는 어플리케이션정보를 이용하여 해당 어플리케이션을 실행하는 것을 특징으로 하는 노크 기반 객체 식별 방법.
  10. 제9항에 있어서, 상기 저장단계는,
    상기 어플리케이션정보를, 상기 노크시퀀스를 구성하는 노크 사이의 시간 간격을 기준으로 더 구분하여 저장하고,
    상기 실행단계는 상기 저장된 어플리케이션정보 중 상기 식별된 대상 객체, 상기 검출된 노크데이터의 개수 및 상기 검출된 노크데이터 사이의 시간 간격에 해당하는 어플리케이션정보를 이용하여 해당 어플리케이션을 실행하는 것을 특징으로 하는 노크 기반 객체 식별 방법.
  11. 제1항 내지 제10항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체.
  12. 노크(knock)를 활용하여 객체를 식별하는 장치로서,
    자체에 설치되며, 감지데이터를 출력하는 다중(Multimodal) 센서;
    상기 감지데이터로부터 대상 객체와의 노크에 의해 발생된 하나 이상의 노크데이터를 검출하는 검출부; 및
    상기 검출된 노크데이터를 기반으로 상기 대상 객체를 식별하는 식별부를 포함하는 것을 특징으로 하는 노크 기반 객체 식별 장치.
  13. 제12항에 있어서, 상기 다중 센서는,
    사운드센서 및 가속도센서 또는 사운드센서 및 각속도센서로 이루어지는 것을 특징으로 하는 노크 기반 객체 식별 장치.
  14. 제12항에 있어서, 상기 다중 센서는,
    사운드센서, 가속도센서 및 각속도센서로 이루어지는 것을 특징으로 하는 노크 기반 객체 식별 장치.
  15. 제12항에 있어서, 상기 다중 센서는,
    사운드센서 및 가속도센서로 이루어지며,
    상기 검출부는,
    상기 사운드센서의 감지데이터인 사운드데이터와 상기 가속도센서의 감지데이터인 가속도데이터 각각의 피크(peak) 값을 검출하는 피크검출부; 및
    상기 검출된 피크 값이 임계 값 이상인 경우, 상기 사운드데이터 및 가속도데이터를 상기 노크데이터로 검출하는 노크검출부를 포함하는 것을 특징으로 하는 노크 기반 객체 식별 장치.
  16. 제15항에 있어서, 상기 검출부는,
    상기 임계 값 이상의 피크 값이 검출된 사운드데이터 및 가속도데이터 각각으로부터 샘플데이터를 추출하는 샘플추출부를 더 포함하고,
    상기 노크검출부는 상기 추출된 샘플데이터를 상기 노크데이터로 검출하는 것을 특징으로 하는 노크 기반 객체 식별 장치.
  17. 제16항에 있어서, 상기 검출부는,
    기준주파수를 기준으로 상기 가속도데이터의 샘플데이터를 고주파수 성분과 저주파수 성분으로 분류하고, 상기 고주파수 성분의 합과 상기 저주파수 성분의 합 사이의 비율을 연산하는 연산부를 더 포함하고,
    상기 노크검출부는 상기 연산된 비율이 기준 비율 이상에 해당하는 경우, 상기 추출된 샘플데이터를 상기 노크데이터로 검출하는 것을 특징으로 하는 노크 기반 객체 식별 장치.
  18. 제12항에 있어서, 상기 식별부는,
    상기 노크데이터로부터 특징데이터를 추출하는 특징추출부; 및
    상기 추출된 특징데이터를 대상으로 객체 분류 알고리즘을 적용하여 상기 대상 객체를 식별하는 객체식별부를 포함하는 것을 특징으로 하는 노크 기반 객체 식별 장치.
  19. 제12항에 있어서,
    자체에 설치된 하나 이상의 어플리케이션정보가 객체정보 별로 구분되어 저장된 저장부; 및
    상기 저장된 어플리케이션정보 중 상기 식별된 대상 객체에 해당하는 어플리케이션정보를 이용하여 해당 어플리케이션을 실행하는 제어부를 포함하는 것을 특징으로 하는 노크 기반 객체 식별 장치.
  20. 제19항에 있어서, 상기 저장부는,
    상기 어플리케이션정보가, 상호 간 구성 노크의 개수를 기준으로 구분되는 하나 이상의 노크시퀀스 별로 더 구분되어 저장되고,
    상기 검출부는 상기 하나 이상의 노크데이터를 기준시간 동안 검출하며,
    상기 제어부는 상기 저장된 어플리케이션정보 중 상기 식별된 대상 객체 및 상기 기준시간 동안 검출된 노크데이터의 개수에 해당하는 어플리케이션정보를 이용하여 해당 어플리케이션을 실행하는 것을 특징으로 하는 노크 기반 객체 식별 장치.
  21. 제20항에 있어서, 상기 저장부,
    상기 어플리케이션정보가, 상기 노크시퀀스를 구성하는 노크 사이의 시간 간격을 기준으로 더 구분되어 저장되고,
    상기 제어부는 상기 저장된 어플리케이션정보 중 상기 식별된 대상 객체, 상기 검출된 노크데이터의 개수 및 상기 검출된 노크데이터 사이의 시간 간격에 해당하는 어플리케이션정보를 이용하여 해당 어플리케이션을 실행하는 것을 특징으로 하는 노크 기반 객체 식별 장치.
KR1020180086161A 2018-07-24 2018-07-24 노크 기반 객체 식별 방법 및 장치 KR102051493B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180086161A KR102051493B1 (ko) 2018-07-24 2018-07-24 노크 기반 객체 식별 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180086161A KR102051493B1 (ko) 2018-07-24 2018-07-24 노크 기반 객체 식별 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102051493B1 true KR102051493B1 (ko) 2019-12-03

Family

ID=68837931

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180086161A KR102051493B1 (ko) 2018-07-24 2018-07-24 노크 기반 객체 식별 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102051493B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113820595A (zh) * 2021-06-28 2021-12-21 乐歌人体工学科技股份有限公司 一种敲击次数检测系统及方法
CN114614887A (zh) * 2022-01-24 2022-06-10 武汉光谷互连科技有限公司 一种光缆路由识别系统及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160072489A (ko) * 2014-12-15 2016-06-23 삼성전자주식회사 사용자 단말 장치 및 그의 대상 인식 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160072489A (ko) * 2014-12-15 2016-06-23 삼성전자주식회사 사용자 단말 장치 및 그의 대상 인식 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113820595A (zh) * 2021-06-28 2021-12-21 乐歌人体工学科技股份有限公司 一种敲击次数检测系统及方法
CN114614887A (zh) * 2022-01-24 2022-06-10 武汉光谷互连科技有限公司 一种光缆路由识别系统及方法

Similar Documents

Publication Publication Date Title
US20210074315A1 (en) Augmented multi-tier classifier for multi-modal voice activity detection
CN106031638B (zh) 基于指纹和心电图信号的用户验证方法和设备
US10068588B2 (en) Real-time emotion recognition from audio signals
US20170220122A1 (en) Efficient Gesture Processing
US9431029B2 (en) Method for detecting voice section from time-space by using audio and video information and apparatus thereof
US9063704B2 (en) Identifying gestures using multiple sensors
US9443536B2 (en) Apparatus and method for detecting voice based on motion information
WO2019217135A1 (en) Multi-modal speech localization
CN105139858B (zh) 一种信息处理方法及电子设备
CN105654946A (zh) 用于语音识别的设备和方法
KR102281676B1 (ko) 파형 음원 신호를 분석하는 신경망 모델에 기반한 음원 분류 방법 및 분석장치
US9767352B2 (en) Apparatus and method for analyzing body part association
US9595261B2 (en) Pattern recognition device, pattern recognition method, and computer program product
US11315557B2 (en) Method and system for providing voice recognition trigger and non-transitory computer-readable recording medium
CN107862557B (zh) 顾客动态追踪系统及其方法
US9354712B2 (en) Recognition device, intelligent device and information providing method for human machine interaction
Galván-Tejada et al. An analysis of audio features to develop a human activity recognition model using genetic algorithms, random forests, and neural networks
KR102051493B1 (ko) 노크 기반 객체 식별 방법 및 장치
Droghini et al. A combined one‐class SVM and template‐matching approach for user‐aided human fall detection by means of floor acoustic features
TW201926324A (zh) 語音情緒辨識系統與方法以及使用其之智慧型機器人
WO2021213490A1 (zh) 一种身份验证方法、装置和电子设备
US8942979B2 (en) Acoustic processing apparatus and method
Kim et al. Hand gesture classification based on nonaudible sound using convolutional neural network
CN111984818A (zh) 跟唱识别方法和装置、存储介质、电子设备
US11763805B2 (en) Speaker recognition method and apparatus

Legal Events

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