KR102285218B1

KR102285218B1 - 블루투스 송수신 기능을 구비한 IoT 디바이스들을 이용한 인공지능 위치 인지 시스템의 학습 방법

Info

Publication number: KR102285218B1
Application number: KR1020180146167A
Authority: KR
Inventors: 지영민
Original assignee: 한국전자기술연구원
Priority date: 2018-11-23
Filing date: 2018-11-23
Publication date: 2021-08-03
Also published as: KR20200063359A

Abstract

BLE 비콘 태그를 설치하지 않고 빠른 시간 안에, 위치 인지를 위한 인공지능 신경망을 학습시킬 수 있는 블루투스 송수신 기능을 구비한 IoT 디바이스들을 이용한 인공지능 위치 인지 시스템의 학습 방법이 제공된다. 본 발명의 실시예에 따른 위치 인지 시스템은 비콘 메시지를 전송하고, 다른 IoT 다비아스가 전송한 비콘 메시지를 수신하는 IoT 디바이스들; IoT 디바이스들의 수신 세기 정보를 이용하여, 위치 인지을 위한 인공지능 모델을 학습시키는 학습 시스템;을 포함한다.
이에 의해, 블루투스 송수신 기능을 구비한 IoT 디바이스들을 이용하여 인공지능 위치 인지 시스템을 학습시킴으로써, BLE 비콘 태그를 설치하지 않고, 빠른 시간 안에, 위치 인지를 위한 인공지능 신경망을 학습시킬 수 있게 된다.

Description

블루투스 송수신 기능을 구비한 IoT 디바이스들을 이용한 인공지능 위치 인지 시스템의 학습 방법{Learning Method for AI Location Cognition System using IoT Devices with Bluetooth Transmission and Reception Function}

본 발명은 인공지능 관련 기술에 관한 것으로, 더욱 상세하게는 IoT 디바이스들을 이용하여 인공지능 위치 인지 시스템을 학습시키기 위한 방법에 관한 것이다.

인공지능 기술의 발전은 위치 인지 시스템/서비스에까지 인공지능 신경망을 적용시켰다.

이를 위해서는, 인공지능 기반의 위치 인지 시스템을 학습하기 위해서는, BLE 비콘 태그를 다양한 영역들에 위치시키고, IoT 디바이스들로 BLE 비콘 태그를 수신하도록 하여야 한다.

하지만, 이 방법은 많은 BLE 비콘들을 설치하여야 하는 불편을 유발할 뿐만 아니라, 인공지능 기반의 위치 인지 시스템에 많은 시간을 필요로 한다는 문제를 가지고 있다.

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, BLE 비콘 태그를 설치하지 않고 빠른 시간 안에, 위치 인지를 위한 인공지능 신경망을 학습시킬 수 있는 블루투스 송수신 기능을 구비한 IoT 디바이스들을 이용한 인공지능 위치 인지 시스템의 학습 방법을 제공함에 있다.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 위치 인지 시스템은 비콘 메시지를 전송하고, 다른 IoT 다비아스가 전송한 비콘 메시지를 수신하는 IoT 디바이스들; IoT 디바이스들의 수신 세기 정보를 이용하여, 위치 인지을 위한 인공지능 모델을 학습시키는 학습 시스템;을 포함한다.

IoT 디바이스들은, 정해진 시간에 순차적으로 자신의 비콘 메시지를 전송할 수 있다.

IoT 디바이스들은, 수신되지 않은 비콘 메시지에 대한 수신 세기 정보는, 정해진 세기 정보로 생성할 수 있다.

IoT 디바이스들은, 자신이 전송하여 수신되지 않은 비콘 메시지에 대한 수신 세기 정보는, 가장 높은 세기 정보로 생성할 수 있다.

IoT 디바이스들은, 다른 IoT 디바이스가 전송하였는데 수신되지 않은 비콘 메시지에 대한 수신 세기 정보는, 가장 낮은 세기 정보로 생성할 수 있다.

인공지능 모델은, 수신 세기 정보들을 입력으로 IoT 디바이스들의 위치 정보들을 출력으로 하여 학습되는 것일 수 있다.

위치 정보는, 영역으로 표현될 수 있다.

한편, 본 발명의 다른 실시예에 따른, 위치 인지 시스템의 학습 방법은 IoT 디바이스들로부터 비콘 메시지의 수신 세기 정보를 수집하는 단계; 및 수집한 수신 세기 정보를 이용하여, 위치 인지을 위한 인공지능 모델을 학습시키는 학습 시스템;을 포함한다.

이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 블루투스 송수신 기능을 구비한 IoT 디바이스들을 이용하여 인공지능 위치 인지 시스템을 학습시킴으로써, BLE 비콘 태그를 설치하지 않고, 빠른 시간 안에, 위치 인지를 위한 인공지능 신경망을 학습시킬 수 있게 된다.

도 1은 본 발명의 일 실시예에 따른 위치 인지 시스템을 도시한 도면,
도 2는 인공지능 시스템이 인공지능 신경망을 학습시키는 방법을 도시한 도면,
도 3은, 도 1에 도시된 IoT 디바이스의 상세 블럭도,
도 4는 인공지능 시스템의 상세 블럭도이다.

이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.

도 1은 본 발명의 일 실시예에 따른 위치 인지 시스템을 도시한 도면이다. 본 발명의 실시예에 따른 위치 인지 시스템은, 인공지능 신경망을 이용하여 IoT 디바이스의 위치를 인지한다.

도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 위치 인지 시스템은, 다수의 IoT 디바이스들(100-1, 100-2, ... ,100-6) 및 인공지능 시스템(미도시)가 상호 통신 가능하도록 연결되어 구축된다.

IoT 디바이스들(100-1, 100-2, ... ,100-6)은 BLE(Bluetooth Low Energy) 모듈을 구비하고 있어, 다른 IoT 디바이스들에 블루투스 비콘 메시지를 전송할 수 있고, 다른 IoT 디바이스들이 전송한 블루투스 비콘 메시지를 수신할 수 있다.

IoT 디바이스들(100-1, 100-2, ... ,100-6)은 정해진 순서에 따라 정해진 시간에 하나의 IoT 디바이스(100-1, 100-2, ... ,100-6) 만이 블루투스 비콘 메시지를 전송하며, 나머지 다른 IoT 디바이스들은 블루투스 비콘 메시지를 수신한다.

블루투스 비콘 메시지에는 이를 전송한 IoT 디바이스(100-1, 100-2, ... ,100-6)의 ID가 수록되어 있다. 블루투스 비콘 메시지를 수신한 IoT 디바이스들(100-1, 100-2, ... ,100-6)은 블루투스 비콘 메시지의 ID와 RSSI(Received Signal Strength Indicator)를 인공지능 시스템으로 전달한다.

만약, 다른 IoT 디바이스에 의해 블루투스 비콘 메시지가 전송할 시간이 경과하였음에도 불구하고 수신되지 않은 경우, IoT 디바이스는 RSSI를 가장 낮은 값(이를 테면, -100 dbm)으로 생성한다. 이는, 자신으로부터 거리가 너무 멀거나 장애물 등으로 인해 블루투스 비콘 메시지가 수신되지 않은 것으로 취급하여야 하기 때문이다.

그리고, 자신이 전송하여 수신되지 않은 블루투스 비콘 메시지에 대한 RSSI는 가장 높은 값(이를 테면, -40 dbm)으로 생성한다. 자신에게 가까운 블루투스 비콘이 비콘 태그를 전송하였다면, RSSI가 매우 클 것임을 상정한 것이다.

이와 같이, 본 발명의 실시예에서, IoT 디바이스(100-1, 100-2, ... ,100-6)는 블루투스 비콘 메시지의 수신 역할 외에도 전송까지 동시에 수행하므로, 비콘 태그가 별도로 필요가 없다.

인공지능 시스템은 IoT 디바이스들(100-1, 100-2, ... ,100-6)로부터 수집한 (ID, RSSI) 정보를 이용하여, 블루투스 비콘 메시지를 전송한 IoT 디바이스의 위치를 인지하기 위한 인공지능 신경망을 학습한다.

도 2에는 인공지능 시스템이 인공지능 신경망을 학습시키는 방법이 도시되어 있다.

도 2에 도시된 바와 같이, 인공지능 시스템은 IoT 디바이스-1(100-1)이 전송한 블루투스 비콘 메시지에 대한 IoT 디바이스들(100-1, 100-2, ... ,100-6)의 RSSI들을 인공지능 신경망의 입력으로 넣는다. 수집한 (ID, RSSI) 정보에서 ID가 IoT 디바이스-1(100-1)의 ID인 (ID, RSSI) 정보들의 RSSI들이 여기에 해당한다.

다음, 인공지능 시스템은 IoT 디바이스-1(100-1)의 위치 정보를 인공지능 신경망의 출력으로 넣는다. 이를 위해, 인공지능 시스템은 IoT 디바이스들(100-1, 100-2, ... ,100-6)에 대한 ID-위치 정보 테이블을 보유하고 있다.

도 2에 도시된 IoT 디바이스-1(100-1)이 전송한 블루투스 비콘 메시지에 대한 IoT 디바이스들(100-1, 100-2, ... ,100-6)의 RSSI들을 이용한 인공지능 신경망의 학습이 완료되면, IoT 디바이스-2(100-2)가 전송한 블루투스 비콘 메시지에 대한 IoT 디바이스들(100-1, 100-2, ... ,100-6)의 RSSI들을 이용한 인공지능 신경망의 학습을 수행한다.

이후, IoT 디바이스-3(100-3), .... , IoT 디바이스-6(100-6)이 전송한 블루투스 비콘 메시지에 대한 IoT 디바이스들(100-1, 100-2, ... ,100-6)의 RSSI들을 이용한 인공지능 신경망의 학습을 순차적으로 수행한다.

이에 의해, 학습이 완료되면, 인공지능 시스템은 IoT 디바이스들(100-1, 100-2, ... ,100-6)이 사용자 디바이스(위치 인지 대상)로부터 수신한 블루투스 비콘의 RSSI들을 인공지능 신경망에 입력하여 사용자 디바이스가 위치한 영역을 인지할 수 있게 된다.

도 3은, 도 1에 도시된 IoT 디바이스(100-1, 100-2, ... ,100-6)의 상세 블럭도이다. IoT 디바이스(100-1, 100-2, ... ,100-6)는 동일한 구성으로 구현할 수 있으므로, 도 3에는 하나만을 대표하여 도시하였다.

IoT 디바이스는, 도 3에 도시된 바와 같이, BLE 모듈(110), 프로세서(120), 저장부(130)를 포함한다.

BLE 모듈(110)은 블루투스 비콘 메시지를 전송하고 수신하기 위한 통신 수단이다. 프로세서(120)는 전송 주기에 맞추어 자신의 블루투스 비콘 메시지가 전송되도록 BLE 모듈(110)을 제어한다.

또한, 프로세서(120)는 BLE 모듈(110)을 통해 수신되는 블루투스 비콘 메시지의 (ID, RSSI) 정보를 BLE 모듈(110)을 통해 또는 다른 통신 수단을 통해 학습 시스템에 전달한다.

저장부(130)는 프로세서(120)가 위 동작들을 수행함에 있어 필요한 저장공간을 제공한다.

도 4는 인공지능 시스템의 상세 블럭도이다. 인공지능 시스템은, 도 4에 도시된 바와 같이, 통신부(210), 프로세서(220), 저장부(230)를 포함한다.

통신부(210)는 IoT 디바이스들(100-1, 100-2, ... ,100-6)로부터 (ID, RSSI) 정보를 수신하기 위한 통신 수단이다. 프로세서(220)는 수신한 (ID, RSSI) 정보를 이용하여 위치 인지를 위한 인공지능 신경망을 학습시킨다.

또한, 프로세서(220)는 학습된 인공지능 신경망을 이용하여 디바이스에 대한 위치 인지를 수행한다.

저장부(230)는 프로세서(220)가 위 동작들을 수행함에 있어 필요한 저장공간을 제공한다.

지금까지, 블루투스 송수신 기능을 구비한 IoT 디바이스들을 이용한 인공지능 위치 인지 시스템의 학습 방법에 대해 바람직한 실시예를 들어 상세히 설명하였다.

본 발명의 실시예에 따른 인공지능 위치 인지 시스템은, 인공지능 신경망 학습에 소요되는 시간을 최소화 하면서 시스템을 바로 운영할 수 있는 위치 인지 시스템이다.

또한, 본 발명의 실시예에 따른 인공지능 위치 인지 시스템은, IoT 디바이스를 설치와 동시에 자가적으로 비콘 시그널을 학습을 수행하기 때문에 바로 위치 인지를 할 수 있다. 자가적으로 학습된 신경망을 1번 이상만 학습이 되면, 휴대폰이나 비콘 태그를 활용하여 사람이나 사물의 Zone 단위(IoT 비콘 송수신기가 설치된 곳)의 위치를 추적 할 수 있다.

그리고, IoT 디바이스를 활용하기 때문에 단순히 위치에 대한 파악을 하는 것이 뿐만아니라 다양한 센서를 활용하여 실내 환경 정보(온도, 습도, 조도 등등)를 취득하여 연계도 가능하다.

한편, 본 발명의 실시예에 따른 인공지능 위치 인지 시스템은, 기존 IoT 디바이스의 센싱 기능에 쉽게 위치 인지 기능을 추가하여 새로운 서비스를 제공이 가능하고, 위치 인지에 필요한 위치기반 메타 데이터를 개별적으로 일일이 입력하시지 않아도 학습에 사용된 IoT 디바이스 ID를 활용하여 위치 정보를 추론이 가능하며, 실제 전송된 RSSI 시그널 세기를 기반으로 학습을 하기 때문에 실내 공간별로 벽, 간막이 등의 전파 방해 요소가 시그널 세기에 반영되기 때문에 환경 특성에 맞는 위치 정보를 학습하게 되어 정확도를 높일 수 있다.

한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.

또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

100-1, 100-2, ... ,100-6 : IoT 디바이스
110 : BLE 모듈
120 : 프로세서
130 : 저장부

Claims

비콘 메시지를 전송하고, 다른 IoT 다바이스가 전송한 비콘 메시지를 수신하는 IoT 디바이스들;
IoT 디바이스들의 수신 세기 정보를 이용하여, 위치 인지을 위한 인공지능 모델을 학습시키는 학습 시스템;을 포함하고,
IoT 디바이스들은,
정해진 시간에 순차적으로 자신의 비콘 메시지를 다른 IoT 디바이스들 모두에게 전송하며,
다른 IoT 디바이스가 비콘 메시지를 전송할 때에는, 다른 IoT 디바이스의 비콘 메시지를 수신하는 것을 특징으로 하는 위치 인지 시스템.
삭제
청구항 1에 있어서,
IoT 디바이스들은,
수신되지 않은 비콘 메시지에 대한 수신 세기 정보는, 정해진 세기 정보로 생성하는 것을 특징으로 하는 위치 인지 시스템.
청구항 3에 있어서,
IoT 디바이스들은,
자신이 전송하여 수신되지 않은 비콘 메시지에 대한 수신 세기 정보는, 가장 높은 세기 정보로 생성하는 것을 특징으로 하는 위치 인지 시스템.
청구항 3에 있어서,
IoT 디바이스들은,
다른 IoT 디바이스가 전송하였는데 수신되지 않은 비콘 메시지에 대한 수신 세기 정보는, 가장 낮은 세기 정보로 생성하는 것을 특징으로 하는 위치 인지 시스템.
청구항 1에 있어서,
인공지능 모델은,
수신 세기 정보들을 입력으로 IoT 디바이스들의 위치 정보들을 출력으로 하여 학습되는 것을 특징으로 하는 위치 인지 시스템.
청구항 6에 있어서,
위치 정보는,
영역으로 표현되는 것을 특징으로 하는 위치 인지 시스템.
IoT 디바이스들로부터 비콘 메시지의 수신 세기 정보를 수집하는 단계; 및
수집한 수신 세기 정보를 이용하여, 위치 인지을 위한 인공지능 모델을 학습시키는 단계;를 포함하고,
수집 단계에서, IoT 디바이스들은,
정해진 시간에 순차적으로 자신의 비콘 메시지를 다른 IoT 디바이스들 모두에게 전송하며,
다른 IoT 디바이스가 비콘 메시지를 전송할 때에는, 다른 IoT 디바이스의 비콘 메시지를 수신하여, 수신 세기 정보를 수집하는 것을 특징으로 하는 위치 인지 시스템의 학습 방법.