KR102093220B1 - 휴대용 전자기기의 침수판별 장치 및 그 방법 - Google Patents

휴대용 전자기기의 침수판별 장치 및 그 방법 Download PDF

Info

Publication number
KR102093220B1
KR102093220B1 KR1020190076824A KR20190076824A KR102093220B1 KR 102093220 B1 KR102093220 B1 KR 102093220B1 KR 1020190076824 A KR1020190076824 A KR 1020190076824A KR 20190076824 A KR20190076824 A KR 20190076824A KR 102093220 B1 KR102093220 B1 KR 102093220B1
Authority
KR
South Korea
Prior art keywords
portable electronic
electronic device
image
immersion
determining
Prior art date
Application number
KR1020190076824A
Other languages
English (en)
Inventor
권현일
진성욱
Original Assignee
주식회사 키위플러스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 키위플러스 filed Critical 주식회사 키위플러스
Priority to KR1020190076824A priority Critical patent/KR102093220B1/ko
Application granted granted Critical
Publication of KR102093220B1 publication Critical patent/KR102093220B1/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
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72563—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G06K9/4652—
    • G06K9/6201—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Telephone Function (AREA)
  • Studio Devices (AREA)

Abstract

휴대용 전자기기의 침수판별 장치 및 그 방법이 제공된다. 본 발명의 실시예에 따른 휴대용 전자기기의 침수판별 장치는 이미지를 촬영하는 카메라, 및 촬영된 이미지가 딥러닝 알고리즘에 의해 학습된 이미지 중 침수 이미지에 해당하는 이미지와 유사한지를 비교하여 휴대용 전자기기의 침수여부를 판별하는 침수 판별부를 포함한다.

Description

휴대용 전자기기의 침수판별 장치 및 그 방법{Device for determining inundation and method thereof}
본 발명은 휴대용 전자기기의 침수판별 장치 및 그 방법에 관한 것으로, 보다 상세하게는 카메라가 부착된 휴대용 전자기기의 침수판별 장치 및 그 방법에 관한 것이다.
대부분의 개인용 전자기기는 소형화 및 경량화로 인해 휴대 가능하게 제공되고 있다. 이때, 스마트폰과 같은 휴대용 전자기기는 사용자가 항상 휴대하는 것이 일반적이다.
한편, 휴대용 전자기기는 배터리에 의해 전원을 공급하며, 전기적으로 동작하기 때문에 물에 취약하다. 여기서, 물에 침수된 휴대용 전자기기는 물에 의한 물리적인 침투보다는 물에 의한 전기적 쇼트 등 전기적 요인이 더 큰 피해를 초래한다.
또한, 화장실 등과 같이 물이 요구되는 상황에서도 휴대용 전자기기의 사용이 급증하기 때문에 휴대용 전자기기의 침수에 따른 피해도 증가하고 있다. 따라서 휴대용 전자기기의 침수를 정확하게 판별하고 그에 대한 신속한 조치 방안이 요구되고 있다.
KR 0233281 Y1
상기와 같은 종래 기술의 문제점을 해결하기 위해, 본 발명의 일 실시예는 침수 이미지의 학습에 의해 침수여부를 정확하게 판별할 수 있는 휴대용 전자기기의 침수판별 장치 및 그 방법을 제공하고자 한다.
또한, 본 발명의 일 실시예는 휴대용 전자기기의 침수판별시 신속하게 휴대용 전자기기의 전원을 차단할 수 있는 휴대용 전자기기의 침수판별 장치 및 그 방법을 제공하고자 한다.
위와 같은 과제를 해결하기 위한 본 발명의 일 측면에 따르면, 이미지를 촬영하는 카메라; 및 상기 촬영된 이미지가 딥러닝 알고리즘에 의해 학습된 이미지 중 침수 이미지에 해당하는 이미지와 유사한지를 비교하여 휴대용 전자기기의 침수여부를 판별하는 침수 판별부;를 포함하는 휴대용 전자기기의 침수판별 장치가 제공된다.
일 실시예에서, 상기 휴대용 전자기기의 침수판별 장치는 상기 휴대용 전자기기의 상태를 감지하는 센서부; 및 상기 센서부의 감지 결과에 따라 상기 휴대용 전자기기의 이상 상태를 판별하고, 이상 상태 판별시 상기 카메라로 이미지를 촬영하도록 제어하는 이상 판별부를 더 포함할 수 있다.
일 실시예에서, 상기 센서부는 온도센서 및 습도센서 중 적어도 하나를 포함하고, 상기 이상 판별부는 상기 휴대용 전자기기의 내부 온도 및 내부 습도 중 적어도 하나가 임계치를 초과하면 이상 상태로 판별할 수 있다.
일 실시예에서, 상기 센서부는 기울기센서를 포함하고, 상기 기울기센서는 가속도센서 및 자이로센서를 포함하며, 상기 이상 판별부는 상기 휴대용 전자기기의 떨어짐을 감지하면, 이상 상태로 판별할 수 있다.
일 실시예에서, 상기 딥러닝 알고리즘은 컨벌류션 뉴럴 네트워크(CNN; Convolution Neural Network) 알고리즘일 수 있다.
일 실시예에서, 상기 침수 판별부는 상기 휴대용 전자기기의 침수판별시 상기 휴대용 전자기기의 전원을 차단하도록 제어할 수 있다.
일 실시예에서, 상기 침수 판별부는 상기 촬영된 이미지의 컬러에 기반하여 상기 촬영된 이미지가 도미넌트 컬러 이미지인지의 여부를 판별하고, 도미넌트 컬러 이미지가 아닌 경우, 상기 촬영된 이미지의 에지를 검출하며, 상기 검출된 에지의 선명도에 따라 비정상 이미지인지의 여부를 판별하고, 비정상 이미지인 경우, 상기 학습된 이미지와 비교하여 침수 발생시 이미지인지의 여부를 판별할 수 있다.
본 발명의 일 측면에 따르면, 카메라로 이미지를 촬영하는 단계; 및 상기 촬영된 이미지가 딥러닝 알고리즘에 의해 학습된 이미지 중 침수 이미지에 해당하는 이미지와 유사한지를 비교하여 휴대용 전자기기의 침수여부를 판별하는 단계;를 포함하는 휴대용 전자기기의 침수판별 방법이 제공된다.
일 실시예에서, 상기 휴대용 전자기기의 침수판별 방법은 센서부에 의해 상기 휴대용 전자기기의 상태를 감지하는 단계; 및 센서부에서 감지된 휴대용 전자기기의 상태에 따라 상기 휴대용 전자기기의 이상 상태를 판별하는 단계를 더 포함하고, 이상 상태 판별시 상기 촬영하는 단계를 수행할 수 있다.
일 실시예에서, 상기 감지하는 단계는 온도센서 및 습도센서 중 적어도 하나에 의해 상기 휴대용 전자기기의 상태를 감지하고, 상기 이상 상태를 판별하는 단계는 상기 휴대용 전자기기의 내부 온도 및 내부 습도 중 적어도 하나가 임계치를 초과하면 이상 상태로 판별할 수 있다.
일 실시예에서, 상기 감지하는 단계는 기울기센서에 의해 상기 휴대용 전자기기의 상태를 감지하고, 상기 기울기센서는 가속도센서 및 자이로센서를 포함하고, 상기 이상 상태를 판별하는 단계는 상기 휴대용 전자기기의 떨어짐을 감지하면, 이상 상태로 판별할 수 있다.
일 실시예에서, 상기 딥러닝 알고리즘은 컨벌류션 뉴럴 네트워크(CNN) 알고리즘일 수 있다.
일 실시예에서, 상기 휴대용 전자기기의 침수판별 방법은 상기 휴대용 전자기기의 침수판별시 상기 휴대용 전자기기의 전원을 차단하는 단계를 더 포함할 수 있다.
일 실시예에서, 상기 판별하는 단계는 상기 촬영된 이미지의 컬러에 기반하여 상기 촬영된 이미지가 도미넌트 컬러 이미지인지의 여부를 판별하는 제1단계; 도미넌트 컬러 이미지가 아닌 경우, 상기 촬영된 이미지의 에지를 검출하는 단계; 상기 검출된 에지의 선명도에 따라 비정상 이미지인지의 여부를 판별하는 제2단계; 및 비정상 이미지인 경우, 상기 학습된 이미지와 비교하여 침수 발생시 이미지인지의 여부를 판별하는 제3단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 휴대용 전자기기의 침수판별 장치 및 그 방법은 이미지의 딥러닝 학습에 의해 침수이미지를 식별하고, 카메라로 촬영된 이미지를 침수이미지와 비교하여 침수여부를 식별함으로써, 휴대용 전자기기에 부착된 카메라 이외의 별도의 수단이 필요없이 침수여부를 정확하게 판별할 수 있으므로 경제성을 향상시킬 수 있다.
또한, 본 발명의 일 실시예에 따른 휴대용 전자기기의 침수판별 장치 및 그 방법은 센서에 의해 휴대용 전자기기의 이상 상태를 판별하고, 이미지에 의한 침수여부의 판별을 개시함으로써, 촬영횟수를 최소화하면서도 침수여부를 정확하게 판별할 수 있으므로 사용자의 편의성을 향상시킬 수 있다.
또한, 본 발명의 일 실시예에 따른 휴대용 전자기기의 침수판별 장치 및 그 방법은 침수판별시 휴대용 전자기기의 전원을 차단함으로써, 침수에 의한 2차 피해를 최소화할 수 있으므로 사용자의 편의성 및 안정성을 보장할 수 있다.
도 1은 본 발명의 실시예에 따른 휴대용 전자기기를 개략적으로 나타낸 블록도,
도 2는 본 발명의 실시예에 따른 휴대용 전자기기의 침수판별 장치를 나타낸 블록도,
도 3은 본 발명의 실시예에 따른 휴대용 전자기기의 침수판별 장치에서 촬영된 이미지의 예시를 나타낸 사진.
도 4는 본 발명의 실시예에 따른 휴대용 전자기기의 침수판별 방법을 나타낸 순서도,
도 5는 도 4에서 이미지 판별 방법을 나타낸 순서도, 그리고,
도 6은 도 5에 의해 판별된 이미지의 예시를 나타낸 사진이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조부호를 붙였다.
본 발명의 실시예들은 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해 제공되는 것이며, 아래에 설명되는 실시예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 아래의 실시예들로 한정되는 것은 아니다. 오히려, 이들 실시예는 본 발명을 더욱 충실하고 완전하게 하며 당업자에게 본 발명의 사상을 완전하게 전달하기 위하여 제공되는 것이다.
본 명세서에서 사용된 용어는 특정 실시예를 설명하기 위하여 사용되며, 본 발명을 제한하기 위한 것이 아니다. 본 명세서에서 사용된 바와 같이 단수 형태는 문맥상 다른 경우를 분명히 지적하는 것이 아니라면, 복수의 형태를 포함할 수 있다. 또한, 본 명세서에서 사용되는 경우 "포함한다(comprise)" 및/또는 "포함하는(comprising)"은 언급한 형상들, 숫자, 단계, 동작, 부재, 요소 및/또는 이들 그룹의 존재를 특정하는 것이며, 하나 이상의 다른 형상, 숫자, 동작, 부재, 요소 및/또는 그룹들의 존재 또는 부가를 배제하는 것이 아니다. 본 명세서에서 사용된 바와 같이, 용어 "및/또는"은 해당 열거된 항목 중 어느 하나 및 하나 이상의 모든 조합을 포함한다.　
본 명세서에서 제1, 제2 등의 용어가 다양한 부재, 영역 및/또는 부위들을 설명하기 위하여 사용되지만, 이들 부재, 부품, 영역, 층들 및/또는 부위들은 이들 용어에 의해 한정되지 않음은 자명하다. 이들 용어는 특정 순서나 상하, 또는 우열을 의미하지 않으며, 하나의 부재, 영역 또는 부위를 다른 부재, 영역 또는 부위와 구별하기 위하여만 사용된다. 따라서 이하 상술할 제1 부재, 영역 또는 부위는 본 발명의 가르침으로부터 벗어나지 않고서도 제2 부재, 영역 또는 부위를 지칭할 수 있다.
본 명세서에서, "또는", "적어도 하나" 등의 용어는 함께 나열된 단어들 중 하나를 나타내거나, 또는 둘 이상의 조합을 나타낼 수 있다. 예를 들어, "A 또는 B", "A 및 B 중 적어도 하나"는 A 또는 B 중 하나만을 포함할 수 있고, A와 B를 모두 포함할 수도 있다.
이하, 본 발명의 실시예들은 본 발명의 실시예들을 개략적으로 도시하는 도면들을 참조하여 설명한다. 도면들에 있어서, 예를 들면, 제조 기술 및/또는 공차에 따라, 도시된 형상의 변형들이 예상될 수 있다. 따라서 본 발명의 실시예는 본 명세서에 도시된 영역의 특정 형상에 제한된 것으로 해석되어서는 아니 되며, 예를 들면 제조상 초래되는 형상의 변화를 포함하여야 한다.
도 1은 본 발명의 실시예에 따른 휴대용 전자기기를 개략적으로 나타낸 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 휴대용 전자기기(10)는 카메라(11), 센서부(12), 제어부(13) 및 기능모듈(14)을 포함할 수 있다.
카메라(11)는 휴대용 전자기기(10)에 부착되어 주변 이미지를 촬영할 수 있다. 또한, 카메라(11)는 사용자의 조작에 의해 이미지를 촬영할 수 있다.
센서부(12)는 휴대용 전자기기(10)에서 요구되는 다양한 정보를 감지할 수 있다. 일례로, 센서부(12)는 기울기센서를 포함할 수 있다. 여기서, 기울기센서는 자이로센서 및 가속도센서를 포함할 수 있다.
제어부(13)는 카메라(11), 센서부(12) 및 기능모듈(14)을 제어할 수 있다. 제어부(13)는 휴대용 전자기기(10)에 내장된 마이크로컨트롤러일 수 있다.
기능모듈(14)은 휴대용 전자기기(10)에 제공하는 다양한 기능을 수행하기 위한 모듈일 수 있다. 일례로, 기능모듈(14)은 각종 통신방식으로 통신을 수행하는 통신모듈, 제어부(13)에 설치된 애플리케이션에 의해 기능하는 애플리케이션 실행모듈, 카메라(11)에 의해 촬영된 이미지를 처리하거나 이를 이용하는 이미지 처리모듈, 및 사용자에게 정보를 디스플레이하는 디스플레이 모듈을 포함할 수 있다. 또한, 기능모듈(14)은 휴대용 전자기기(10)에 전원을 공급하기 위한 전원모듈을 포함할 수 있다. 그러나 기능모듈(14)은 이에 한정되지 않는다.
도 2는 본 발명의 실시예에 따른 휴대용 전자기기의 침수판별 장치를 나타낸 블록도이고, 도 3은 본 발명의 실시예에 따른 휴대용 전자기기의 침수판별 장치에서 촬영된 이미지의 예시를 나타낸 사진이다.
도 2를 참조하면, 휴대용 전자기기의 침수판별 장치(100)는 카메라(110), 프로세서(120) 및 센서부(130)를 포함한다.
여기서, 휴대용 전자기기는 도 1에 도시된 바와 같은 카메라가 구비된 전자기기일 수 있다. 또한, 휴대용 전자기기의 침수판별 장치(100)는 휴대용 전자기기(10)의 일부 구성요소를 이용하여 구성될 수 있다. 그러나 이에 한정되지 않고 휴대용 전자기기의 침수판별 장치(100)는 휴대용 전자기기(10)와 별도로 구성되어 방수처리될 수 있다.
이때, 침수는 휴대용 전자기기(10)가 물에 완전히 빠진 상태뿐만 아니라 많은 양의 습기 유입에 따라 휴대용 전자기기(10)가 비정상적인 현상을 발생시키는 요인 모두를 의미한다. 따라서 본 명세서에서 특별히 명시하지 않는 경우에도 침수는 습기 유입 상태도 포함되는 것으로 이해되어야 한다.
카메라(110)는 휴대용 전자기기(10)의 이상 상태시 주변을 촬영한다. 카메라(110)는 후술하는 바와 같은 이상 판별부(122)의 제어에 따라 촬영을 개시할 수 있다. 여기서, 카메라(110)는 도 1의 카메라(11)일 수 있다.
프로세서(120)는 카메라(110)에 의해 촬영된 이미지를 기반으로 휴대용 전자기기(10)의 침수여부를 판별한다. 여기서, 프로세서(120)는 도 1의 제어부(13)일 수 있다. 또한, 프로세서(120)는 제어부(13)에 설치되는 소프트웨어일 수 있다. 선택적으로, 프로세서(120)는 제어부(13)와 독립된 마이크로컨트롤러일 수 있다.
이와 같은 프로세서(120)는 이상 판별부(122) 및 침수 판별부(124)를 포함할 수 있다.
이상 판별부(122)는 후술하는 센서부(130)의 감지 결과에 따라 휴대용 전자기기(10)의 이상 상태를 판별할 수 있다. 여기서, 이상 상태는 휴대용 전자기기(10)의 침수가 의심되는 상태를 의미할 수 있다.
일례로, 이상 판별부(122)는 휴대용 전자기기(10)의 내부 온도가 임계치를 초과하면 이상 상태로 판별할 수 있다. 예를 들면, 휴대용 전자기기(10)의 침수 또는 습기 유입에 의해, 휴대용 전자기기(10) 내부에 발열이 발생할 수 있다. 따라서 이상 판별부(122)는 휴대용 전자기기(10)의 내부 온도에 따라 침수가 의심되는 이상 상태를 판별할 수 있다.
또한, 이상 판별부(122)는 휴대용 전자기기(10)의 내부 습도가 임계치를 초과하면 이상 상태로 판별할 수 있다. 예를 들면, 휴대용 전자기기(10)의 침수 또는 습기 유입시 휴대용 전자기기(10) 내부의 습도는 급격하게 상승할 수 있다. 따라서 이상 판별부(122)는 휴대용 전자기기(10) 내부의 습도에 따라 침수가 의심되는 이상 상태를 판별할 수 있다.
다른 예로, 이상 판별부(122)는 휴대용 전자기기(10)의 떨어짐을 감지하면 이상 상태로 판별할 수 있다. 예를 들면, 휴대용 전자기기(10)가 화장실의 변기에 빠진 경우, 휴대용 전자기기(10)는 내장된 기울기센서에 의해 떨어짐이 감지될 수 있다. 따라서 이상 판별부(122)는 휴대용 전자기기(10)의 떨어짐 감지에 의해 침수가 의심되는 이상 상태를 판별할 수 있다.
또한, 이상 판별부(122)는 상술한 것에 한정되지 않고, 다양한 상황에 따라 침수가 의심되는 이상상태를 판별할 수 있다.
또한, 이상 판별부(122)는 휴대용 전자기기(10)의 이상 상태 판별시 카메라(110)로 이미지를 촬영하도록 제어할 수 있다. 즉, 이상 판별부(122)는 센서부(130)를 통하여 침수가 예상되는 상태를 1차 판별하면 이미지에 의한 2차 침수 판별을 위해 카메라(110)가 촬영하도록 제어할 수 있다.
이에 의해, 이미지에 의한 침수 판별 이전에, 침수의 의심 상태를 1차로 판별할 수 있으므로 침수 여부를 더 정확하게 판별할 수 있는 동시에 카메라에 의한 촬영을 최소화하여 사용자의 편의성을 향상시킬 수 있다.
침수 판별부(124)는 카메라(110)에 의해 촬영된 이미지에 기반하여 휴대용 전자기기(10)의 침수여부를 판별한다. 보다 구체적으로, 침수 판별부(124)는 촬영된 이미지가 딥러닝 알고리즘에 의해 학습된 이미지 중 침수 이미지에 해당하는 이미지와 유사한지를 비교하여 휴대용 전자기기(10)의 침수여부를 판별할 수 있다.
여기서, 딥러닝 알고리즘은 컨벌류션 뉴럴 네트워크(CNN; Convolution Neural Network) 알고리즘일 수 있다. 이때, 침수 판별부(124)는 침수 이미지에 대한 빅데이터를 이용한 딥러닝 학습에 의해 촬영된 이미지가 침수 이미지인지를 판별할 수 있다.
보다 구체적으로, 침수 판별부(124)는 먼저, 촬영된 이미지의 컬러에 기반하여 촬영된 이미지가 도미너트 컬러 이미지인지의 여부를 판별할 수 있다. 이는 카메라(110)에 의해 촬영한 대상과 근접한 경우에 발생할 수 있다.
또한, 침수 판별부(124)는 촬영된 이미지가 도미넌트 컬러 이미지가 아닌 경우, 비정상 이미지인지를 판결하기 위해 이미지의 에지를 검출할 수 있다. 일례로, 침수 판별부(124)는 캐니 에지(Canny edge) 방식으로 에지를 검출할 수 있다.
이때, 침수 판별부(124)는 검출된 에지의 선명도에 따라 비정상 이미지인지의 여부를 판별할 수 있다. 여기서, 사물이 명확하게 촬영된 이미지는 에지에 의해 형상이 선명하게 나타날 수 있다.
또한, 침수 판별부(124)는 에지에 의한 판별결과 비정상 이미지인 경우, 촬영된 이미지를 학습된 이미지와 비교하여 침수 발생시 이미지인지의 여부를 판별할 수 있다. 여기서, 비정상 이미지는 블러(blur) 등과 같이 일반적으로 왜곡된 이미지와 침수 이미지일 수 있다.
이때, 침수 이미지는 도 3의 (a) 및 (b)에 도시된 바와 같이, 전반적으로 뿌옇게 나타나 사물을 식별하기 곤란한 상태의 이미지이다.
일반 왜곡 이미지는 사물이 식별 가능한 정도이거나, 흔들림이 명확하게 나타내는 이미지일 수 있다. 일례로, 도 3의 (c)와 같은 정상 이미지에 대하여, 카메라(110)에 먼지가 있는 경우 촬영된 이미지는 도 3의 (d)와 같다. 또한, 카메라(110)의 외부에 물방울이 있는 경우 촬영된 이미지는 도 3의 (e)와 같다. 즉, 도 3의 (d)와 (e)에 도시된 바와 같이, 먼지나 물방울 등의 왜곡에 의한 이미지는 대상물을 어느 정도 식별 가능한 이미지이다.
이에 의해, 휴대용 전자기기(10)에 부착된 카메라 이외의 별도의 수단을 사용하지 않고도 침수여부를 정확하게 판별할 수 있다. 따라서 휴대용 전자기기의 침수판별 장치(100)의 경제성을 향상시킬 수 있다.
또한, 침수 판별부(124)는 휴대용 전자기기(10)의 침수판별시 휴대용 전자기기(10)의 전원을 차단하도록 전원모듈을 제어할 수 있다. 일례로, 침수 판별부(124)는 휴대용 전자기기(10)의 전원을 강제 오프하도록 제어할 수 있다. 대안적으로, 침수 판별부(124)는 파워 블록(power block) 전원 공급(SCP-self control protector)을 차단하도록 제어할 수 있다. 또 다른 대안으로서, 침수 판별부(124)는 배터리 출력단의 (+/-) 단자의 선을 물리적으로 차단하도록 제어할 수 있다.
이에 의해, 휴대용 전자기기(10)의 침수에 의해 전원의 쇼트 등을 미연에 방지할 수 있으므로 2차 피해를 최소화할 수 있다. 따라서 사용자의 편의성 및 안정성을 보장할 수 있다.
센서부(130)는 휴대용 전자기기(10)의 상태를 감지할 수 있다. 여기서, 센서부(130)는 적어도 일부가 도 1의 센서부(130)일 수 있다. 또한, 센서부(130)는 온도센서(132), 습도센서(134) 및 기울기센서(136)를 포함할 수 있다.
온도센서(132)는 휴대용 전자기기(10)의 내부 온도를 감지할 수 있다. 이때, 온도센서(132)는 침수 또는 습기 유입에 의해 휴대용 전자기기(10)가 가열되는 상황을 감지할 수 있다.
습도센서(134)는 휴대용 전자기기(10)의 내부 습도를 감지할 수 있다. 이때, 습도센서(134)는 침수 또는 습기의 유입에 따라 휴대용 전자기기(10)의 습도가 급격히 증가하는 상황을 감지할 수 있다.
기울기센서(136)는 휴대용 전자기기(10)의 기울어진 정도 및 가속도 정보를 감지할 수 있다. 일례로, 기울기센서(136)는 가속도센서 및 자이로센서를 포함할 수 있다. 이때, 기울기센서(136)는 휴대용 전자기기(10)가 떨어지는 상태를 감지할 수 있다.
또한, 센서부(130)는 상술한 것에 한정되지 않고, 다양한 상황에 따라 침수가 의심되는 이상상태를 감지할 수 있는 센서를 포함할 수 있다.
이와 같은 구성에 의해, 본 발명의 실시예에 따른 휴대용 전자기기의 침수판별 장치(100)는 휴대용 전자기기에 부착된 카메라 이외의 별도의 수단이 필요없이 침수여부를 정확하게 판별할 수 있으므로 경제성을 향상시킬 수 있다.
또한, 본 발명의 일 실시예에 따른 휴대용 전자기기의 침수판별 장치(100)는 촬영횟수를 최소화하면서도 침수여부를 정확하게 판별할 수 있으므로 사용자의 편의성을 향상시킬 수 있다.
또한, 본 발명의 일 실시예에 따른 휴대용 전자기기의 침수판별 장치(100)는 침수에 의해 2차 피해를 최소화할 수 있으므로 사용자의 편의성 및 안정성을 보장할 수 있다.
이하, 도 4 내지 도 6을 참조하여 본 발명의 휴대용 전자기기의 침수판별 방법을 설명한다.
도 4는 본 발명의 실시예에 따른 휴대용 전자기기의 침수판별 방법을 나타낸 순서도이다.
휴대용 전자기기의 침수판별 방법(200)은 상태 감지 및 이상 상태 판별 단계(S210, S220), 이상 상태시 이미지 촬영 단계(S230), 촬영된 이미지로 침수 여부를 판별하는 단계(S240) 및 침수시 기기 전원 차단 단계(S250)를 포함한다.
보다 상세히 설명하면, 도 4에 도시된 바와 같이, 먼저, 센서부(130)에 의해 휴대용 전자기기(10)의 상태를 감지한다(단계 S210). 이때, 센서부(130)는 다양한 상항에 따라 침수가 의심되는 이상 상태를 감지할 수 있다.
일례로, 센서부(130)에 의해, 휴대용 전자기기(10)의 내부 온도를 감지할 수 있다. 이에 의해 침수, 또는 습기 유입에 의해 휴대용 전자기기(10)가 가열되는 상황을 감지할 수 있다.
다른 예로, 센서부(130)에 의해, 휴대용 전자기기(10)의 내부 습도를 감지할 수 있다. 이에 의해, 침수 또는 습기의 유입에 따라 휴대용 전자기기(10)의 습도가 급격히 증가하는 상황을 감지할 수 있다.
또 다른 예로, 센서부(130)에 의해, 휴대용 전자기기(10)의 기울어진 정도 및 가속도 정도를 감지할 수 있다. 이에 의해, 휴대용 전자기기(10)가 떨어지는 상태를 감지할 수 있다.
다음으로, 프로세서(120)에서, 센서부(130)에서 감지된 휴대용 전자기기(10)의 상태에 따라 휴대용 전자기기(10)의 이상 상태를 판별한다(단계 S220). 이때 이상 상태는 휴대용 전자기기(10)의 침수가 의심되는 상태를 의미할 수 있다.
일례로, 휴대용 전자기기(10)의 내부 온도가 임계치를 초과하면, 프로세서(120)에서, 이상 상태로 판별할 수 있다. 예를 들면, 휴대용 전자기기(10)의 침수 또는 습기 유입에 의해, 휴대용 전자기기(10) 내부에 발열이 발생할 수 있다. 따라서 휴대용 전자기기(10)의 내부 온도에 따라 침수가 의심되는 이상 상태를 판별할 수 있다.
대안적으로, 휴대용 전자기기(10)의 내부 습도가 임계치를 초과하면, 프로세서(120)에서, 이상 상태로 판별할 수 있다. 예를 들면, 휴대용 전자기기(10)의 침수 또는 습기 유입시 휴대용 전자기기(10) 내부의 습도는 급격하게 상승할 수 있다. 따라서 휴대용 전자기기(10) 내부의 습도에 따라 침수가 의심되는 이상 상태를 판별할 수 있다.
또 다른 대안으로서, 휴대용 전자기기(10)의 떨어짐을 감지하면, 프로세서(120)에서, 이상 상태로 판별할 수 있다. 예를 들면, 휴대용 전자기기(10)가 화장실의 변기에 빠진 경우, 휴대용 전자기기(10)는 내장된 기울기센서에 의해 떨어짐이 감지될 수 있다. 따라서 휴대용 전자기기(10)의 떨어짐 감지에 의해 침수가 의심되는 이상 상태를 판별할 수 있다.
단계 S220의 판별결과, 이상 상태가 아니라고 판별한 경우, 단계 S210 및 S220의 상태 감지 및 이상 상태 판별을 지속적으로 수행한다.
단계 S220의 판별결과, 이상 상태라고 판별한 경우, 즉, 휴대용 전자기기(10)의 침수가 의심되는 상태인 경우, 카메라(110)에서 이미지를 촬영한다(단계 S230).
다음으로, 프로세서(120)에서, 촬영된 이미지를 기반으로 휴대용 전자기기(10)의 침수여부를 판별한다(단계 S240). 이때, 촬영된 이미지가 딥러닝 알고리즘에 의해 학습된 이미지 중 침수 이미지에 해당하는 이미지와 유사한지를 비교하여 휴대용 전자기기(10)의 침수여부를 판별할 수 있다.
여기서, 딥러닝 알고리즘은 컨벌류션 뉴럴 네트워크(CNN) 알고리즘일 수 있다. 이때, 침수 이미지에 대한 빅데이터를 이용한 딥러닝 학습에 의해 촬영된 이미지가 침수 이미지인지를 판별할 수 있다.
단계 S240의 판별결과, 침수가 아니라고 판별한 경우, 단계 S220으로 복귀하여 센서부(130)에 의한 상태 감지 및 프로세서(120)에 의한 이상 상태 판별을 지속적으로 수행할 수 있다.
단계 S240의 판별결과, 침수라고 판결한 경우, 프로세서(120)에서, 휴대용 전자기기(10)의 전원을 차단하도록 제어한다(단계 S250). 일례로, 휴대용 전자기기(10)의 전원을 강제 오프하도록 제어할 수 있다.
대안적으로, 파워 블록 전원 공급을 차단하도록 제어할 수 있다. 또 다른 대안으로서, 배터리 출력단의 (+/-) 단자의 선을 물리적으로 차단하도록 제어할 수 있다.
도 5는 도 4에서 이미지 판별 방법을 나타낸 순서도이고, 도 6은 도 5에 의해 판별된 이미지의 예시를 나타낸 사진이다.
이미지 판별 방법(300)은 도 4의 침수 여부 판별 단계(S240)에서, 이미지 판별의 방법으로서, 도미넌트 컬러 이미지인지의 여부(S310, S32), 에지 검출 및 비정상 이미지인지의 여부(S330, S340), 침수 발생시 이미지인지의 여부(S350) 및 이미지 최종 판별 단계(S360)를 포함할 수 있다.
보다 상세히 설명하면, 도 5에 도시된 바와 같이, 먼저, 프로세서(120)에서, 카메라(110)로 촬영된 이미지를 입력받는다(단계 S310).
다음으로, 프로세서(120)에서, 촬영된 이미지의 컬러에 기반하여 촬영된 이미지가 도미너트 컬러 이미지인지의 여부를 판별한다(단계 S320).
단계 S320의 판별결과, 도미넌트 이미지라고 판별한 경우, 프로세서(120)에서, 해당 이미지는 도미넌트 컬러 이미지(I4)로 판별한다(단계 S360). 여기서, 도미넌트 컬러 이미지(I4)는 카메라(110)에 의해 촬영한 대상과 근접한 경우에 발생할 수 있다. 도 6의 (d)에 도시된 바와 같이, 도미넌트 컬러 이미지(I4)는 전체가 단일 컬러를 갖는 이미지일 수 있다.
단계 S320의 판별결과, 도미넌트 이미지가 아니라고 판별한 경우, 프로세서(120)에서, 촬영된 이미지의 에지를 검출한다(단계 S330). 이때, 캐니 에지 방식으로 에지를 검출할 수 있다.
다음으로, 프로세서(120)에서, 검출된 에지의 선명도에 따라 비정상 이미지인지의 여부를 판별한다(단계 S340). 여기서, 사물이 명확하게 촬영된 이미지는 에지에 의해 형상이 선명하게 나타날 수 있다.
단계 S340의 판별결과, 비정상 이미지가 아니라고 판별한 경우, 프로세서(120)에서, 해당 이미지는 정상 이미지(I3)로 판별한다(단계 S360). 즉, 검출된 에지의 선명도가 높아 사물의 식별이 용이한 경우, 정상 이미지(I3)로 판별할 수 있다. 도 6의 (c)에 도시된 바와 같이, 정상 이미지(I3)는 대상이 명확하게 식별 가능한 이미지일 수 있다.
단계 S340의 판별결과, 비정상 이미지라고 판별한 경우, 프로세서(120)에서, 촬영된 이미지를 학습된 이미지와 비교하여 침수 발생시 이미지인지의 여부를 판별한다(단계 S350). 여기서, 침수 이미지는 전반적으로 뿌옇게 나타나 사물을 식별하기 곤란한 상태의 이미지일 수 있다.
단계 S350의 판별결과, 침수 발생시 이미지가 아니라고 판별한 경우, 프로세서(120)에서, 해당 이미지는 일반 왜곡 이미지(I2)로 판별한다(단계 S360). 즉, 이미지가 전반적으로 뿌옇지 않은 경우, 일반 왜곡 이미지(I2)로 판별할 수 있다. 도 6의 (b)에 도시된 바와 같이, 일반 왜곡 이미지(I2)는 사물이 식별 가능한 정도이거나, 흔들림이 명확하게 나타내는 이미지일 수 있다.
단계 S350의 판별결과, 침수 발생시 이미지라고 판별한 경우, 프로세서(120)에서, 해당 이미지는 침수 이미지(I1)로 판별한다(단계 S360). 즉, 이미지가 전반적으로 뿌옇게 나타내는 경우, 침수 이미지(I1)로 판별할 수 있다. 도 6의 (a)에 도시된 바와 같이, 침수 이미지(I1)는 이미지 전반에 걸쳐 뿌옇게 흐릿한 상태의 이미지일 수 있다.
이와 같은 방법에 의해 본 발명의 실시예에 따른 휴대용 전자기기의 침수판별 방법(200)은 휴대용 전자기기에 부착된 카메라 이외의 별도의 수단이 필요없이 침수여부를 정확하게 판별할 수 있으므로 경제성을 향상시킬 수 있다.
또한, 본 발명의 일 실시예에 따른 휴대용 전자기기의 침수판별 방법(200)은 촬영횟수를 최소화하면서도 침수여부를 정확하게 판별할 수 있으므로 사용자의 편의성을 향상시킬 수 있다.
또한, 본 발명의 일 실시예에 따른 휴대용 전자기기의 침수판별 방법(200)은 침수에 의해 2차 피해를 최소화할 수 있으므로 사용자의 편의성 및 안정성을 보장할 수 있다.
상기와 같은 방법들은 도 2에 도시된 바와 같은 프로세서(120)에 의해 구현될 수 있고, 특히, 이러한 단계들을 수행하는 소프트웨어 프로그램으로 구현될 수 있으며, 이 경우, 이러한 프로그램들은 컴퓨터 판독가능한 기록 매체에 저장되거나 전송 매체 또는 통신망에서 반송파와 결합된 컴퓨터 데이터 신호에 의하여 전송될 수 있다.
이때, 컴퓨터 판독가능한 기록 매체는 컴퓨터 시스템에 의해 판독가능한 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다.
이상에서 본 발명의 일 실시예에 대하여 설명하였으나, 본 발명의 사상은 본 명세서에 제시되는 실시예에 제한되지 아니하며, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서, 구성요소의 부가, 변경, 삭제, 추가 등에 의해서 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본 발명의 사상범위 내에 든다고 할 것이다.
10 : 휴대용 전자기기 11 : 카메라
12 : 센서부 13 : 제어부
14 : 기능모듈 100 : 침수판별 장치
110 : 카메라 120 : 프로세서
122 : 이상 판별부 124 : 침수 판별부
130 : 센서부 132 : 온도센서
134 : 습도센서 136 : 기울기센서

Claims (14)

  1. 이미지를 촬영하는 카메라; 및
    상기 촬영된 이미지가 딥러닝 알고리즘에 의해 학습된 이미지 중 침수 이미지에 해당하는 이미지와 유사한지를 비교하여 휴대용 전자기기의 침수여부를 판별하는 침수 판별부;
    를 포함하는 휴대용 전자기기의 침수판별 장치.
  2. 제1항에 있어서,
    상기 휴대용 전자기기의 상태를 감지하는 센서부; 및
    상기 센서부의 감지 결과에 따라 상기 휴대용 전자기기의 이상 상태를 판별하고, 이상 상태 판별시 상기 카메라로 이미지를 촬영하도록 제어하는 이상 판별부를 더 포함하는 휴대용 전자기기의 침수판별 장치.
  3. 제2항에 있어서,
    상기 센서부는 온도센서 및 습도센서 중 적어도 하나를 포함하고,
    상기 이상 판별부는 상기 휴대용 전자기기의 내부 온도 및 내부 습도 중 적어도 하나가 임계치를 초과하면 이상 상태로 판별하는 휴대용 전자기기의 침수판별 장치.
  4. 제2항에 있어서,
    상기 센서부는 기울기센서를 포함하고,
    상기 기울기센서는 가속도센서 및 자이로센서를 포함하며,
    상기 이상 판별부는 상기 휴대용 전자기기의 떨어짐을 감지하면, 이상 상태로 판별하는 휴대용 전자기기의 침수판별 장치.
  5. 제1항에 있어서,
    상기 딥러닝 알고리즘은 컨벌류션 뉴럴 네트워크(CNN; Convolution Neural Network) 알고리즘인 휴대용 전자기기의 침수판별 장치.
  6. 제1항에 있어서,
    상기 침수 판별부는 상기 휴대용 전자기기의 침수판별시 상기 휴대용 전자기기의 전원을 차단하도록 제어하는 휴대용 전자기기의 침수판별 장치.
  7. 제1항에 있어서,
    상기 침수 판별부는 상기 촬영된 이미지의 컬러에 기반하여 상기 촬영된 이미지가 도미넌트 컬러 이미지인지의 여부를 판별하고, 도미넌트 컬러 이미지가 아닌 경우, 상기 촬영된 이미지의 에지를 검출하며, 상기 검출된 에지의 선명도에 따라 비정상 이미지인지의 여부를 판별하고, 비정상 이미지인 경우, 상기 학습된 이미지와 비교하여 침수 발생시 이미지인지의 여부를 판별하는 휴대용 전자기기의 침수판별 장치.
  8. 카메라로 이미지를 촬영하는 단계; 및
    상기 촬영된 이미지가 딥러닝 알고리즘에 의해 학습된 이미지 중 침수 이미지에 해당하는 이미지와 유사한지를 비교하여 휴대용 전자기기의 침수여부를 판별하는 단계;
    를 포함하는 휴대용 전자기기의 침수판별 방법.
  9. 제8항에 있어서,
    센서부에 의해 상기 휴대용 전자기기의 상태를 감지하는 단계; 및
    센서부에서 감지된 휴대용 전자기기의 상태에 따라 상기 휴대용 전자기기의 이상 상태를 판별하는 단계를 더 포함하고,
    이상 상태 판별시 상기 촬영하는 단계를 수행하는 휴대용 전자기기의 침수판별 방법.
  10. 제9항에 있어서,
    상기 감지하는 단계는 온도센서 및 습도센서 중 적어도 하나에 의해 상기 휴대용 전자기기의 상태를 감지하고,
    상기 이상 상태를 판별하는 단계는 상기 휴대용 전자기기의 내부 온도 및 내부 습도 중 적어도 하나가 임계치를 초과하면 이상 상태로 판별하는 휴대용 전자기기의 침수판별 방법.
  11. 제9항에 있어서,
    상기 감지하는 단계는 기울기센서에 의해 상기 휴대용 전자기기의 상태를 감지하고,
    상기 기울기센서는 가속도센서 및 자이로센서를 포함하고,
    상기 이상 상태를 판별하는 단계는 상기 휴대용 전자기기의 떨어짐을 감지하면, 이상 상태로 판별하는 휴대용 전자기기의 침수판별 방법.
  12. 제8항에 있어서,
    상기 딥러닝 알고리즘은 컨벌류션 뉴럴 네트워크(CNN; Convolution Neural Network) 알고리즘인 휴대용 전자기기의 침수판별 방법.
  13. 제8항에 있어서,
    상기 휴대용 전자기기의 침수판별시 상기 휴대용 전자기기의 전원을 차단하는 단계를 더 포함하는 휴대용 전자기기의 침수판별 방법.
  14. 제8항에 있어서,
    상기 판별하는 단계는,
    상기 촬영된 이미지의 컬러에 기반하여 상기 촬영된 이미지가 도미넌트 컬러 이미지인지의 여부를 판별하는 제1단계;
    도미넌트 컬러 이미지가 아닌 경우, 상기 촬영된 이미지의 에지를 검출하는 단계;
    상기 검출된 에지의 선명도에 따라 비정상 이미지인지의 여부를 판별하는 제2단계; 및
    비정상 이미지인 경우, 상기 학습된 이미지와 비교하여 침수 발생시 이미지인지의 여부를 판별하는 제3단계를 포함하는 휴대용 전자기기의 침수판별 방법.
KR1020190076824A 2019-06-27 2019-06-27 휴대용 전자기기의 침수판별 장치 및 그 방법 KR102093220B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190076824A KR102093220B1 (ko) 2019-06-27 2019-06-27 휴대용 전자기기의 침수판별 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190076824A KR102093220B1 (ko) 2019-06-27 2019-06-27 휴대용 전자기기의 침수판별 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR102093220B1 true KR102093220B1 (ko) 2020-03-25

Family

ID=70001617

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190076824A KR102093220B1 (ko) 2019-06-27 2019-06-27 휴대용 전자기기의 침수판별 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102093220B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100233281B1 (ko) 1996-12-30 1999-12-01 김영환 습식 웨이퍼 처리공정에서의 과처리 방지 방법
KR20140001516A (ko) * 2012-06-27 2014-01-07 엘지전자 주식회사 이동단말기 및 그 제어방법
KR20160137240A (ko) * 2015-05-22 2016-11-30 삼성전자주식회사 주변 환경 인식 방법 및 그 전자 장치
KR20180014497A (ko) * 2016-08-01 2018-02-09 엘지전자 주식회사 이동 단말기

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100233281B1 (ko) 1996-12-30 1999-12-01 김영환 습식 웨이퍼 처리공정에서의 과처리 방지 방법
KR20140001516A (ko) * 2012-06-27 2014-01-07 엘지전자 주식회사 이동단말기 및 그 제어방법
KR20160137240A (ko) * 2015-05-22 2016-11-30 삼성전자주식회사 주변 환경 인식 방법 및 그 전자 장치
KR20180014497A (ko) * 2016-08-01 2018-02-09 엘지전자 주식회사 이동 단말기

Similar Documents

Publication Publication Date Title
WO2017161867A1 (zh) 一种调节屏幕亮度的方法、装置及智能终端
CN108288044B (zh) 电子装置、人脸识别方法及相关产品
CN105979125A (zh) 一种基于屏幕补光的拍照方法及系统
JP2009253848A (ja) 表情認識装置、撮像装置、方法及びプログラム
CN108391051B (zh) 一种对焦异常处理方法及移动终端
JP2013125341A (ja) 利用者検知装置、方法及びプログラム
CN111491106B (zh) 拍摄图像的处理方法、装置、移动终端及存储介质
CN105007413B (zh) 一种拍摄控制方法及用户终端
CN110072078A (zh) 监控摄像机、监控摄像机的控制方法和存储介质
CN112116624A (zh) 一种图像处理方法和电子设备
CN112672145B (zh) 摄像功能检测方法及装置
CN105227855A (zh) 一种图像处理方法及终端
CN105227853A (zh) 一种拍摄方法及终端
CN113012383A (zh) 火灾检测报警方法、相关系统、相关设备及存储介质
CN110708463A (zh) 对焦方法、装置、存储介质及电子设备
JP2010121970A (ja) 移動体認識システム及び移動体認識方法
KR102093220B1 (ko) 휴대용 전자기기의 침수판별 장치 및 그 방법
CN110022396B (zh) 照片处理方法、装置和计算机可读存储介质
CN104536675A (zh) 一种拍摄模式处理方法及终端
CN112532854B (zh) 一种图像处理方法与电子设备
CN105744142A (zh) 一种图像采集方法及电子设备
CN113591526A (zh) 人脸活体检测方法、装置、设备及计算机可读存储介质
CN109040604B (zh) 拍摄图像的处理方法、装置、存储介质及移动终端
CN108629748B (zh) 图像矫正方法、装置、电子设备以及计算机可读存储介质
JP2010074315A (ja) 被写体追尾方法及び撮像装置

Legal Events

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