KR102468258B1 - 디스플레이 장치, 그의 컨텐츠 인식 방법 및 비일시적 컴퓨터 판독가능 기록매체 - Google Patents

디스플레이 장치, 그의 컨텐츠 인식 방법 및 비일시적 컴퓨터 판독가능 기록매체 Download PDF

Info

Publication number
KR102468258B1
KR102468258B1 KR1020170133174A KR20170133174A KR102468258B1 KR 102468258 B1 KR102468258 B1 KR 102468258B1 KR 1020170133174 A KR1020170133174 A KR 1020170133174A KR 20170133174 A KR20170133174 A KR 20170133174A KR 102468258 B1 KR102468258 B1 KR 102468258B1
Authority
KR
South Korea
Prior art keywords
content
fingerprint
server
display device
data
Prior art date
Application number
KR1020170133174A
Other languages
English (en)
Other versions
KR20180072522A (ko
Inventor
여해동
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to CN201780076820.0A priority Critical patent/CN110073667B/zh
Priority to PCT/KR2017/015076 priority patent/WO2018117619A1/en
Priority to US15/848,899 priority patent/US10616639B2/en
Priority to EP20177505.3A priority patent/EP3726844B1/en
Priority to EP17209349.4A priority patent/EP3340639B1/en
Publication of KR20180072522A publication Critical patent/KR20180072522A/ko
Priority to US16/803,428 priority patent/US11166066B2/en
Application granted granted Critical
Publication of KR102468258B1 publication Critical patent/KR102468258B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/232—Content retrieval operation locally within server, e.g. reading video streams from disk arrays
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/432—Content retrieval operation from a local storage medium, e.g. hard-disk

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Graphics (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

디스플레이 장치, 그의 컨텐츠 인식 방법 및 비일시적 컴퓨터 판독가능 기록매체가 제공된다. 본 개시의 일 실시 예에 따른 디스플레이 장치는 디스플레이부, 컨텐츠의 특징을 추출하여 생성된 핑거프린트 및 핑거프린트에 대응되는 컨텐츠에 대한 정보를 저장하는 메모리, 서버와 통신하는 통신부 및 디스플레이부에서 현재 재생되는 컨텐츠의 화면의 특징을 추출하여 핑거프린트를 생성하고, 메모리에서 생성된 핑거프린트에 대응되는 핑거프린트의 존부를 검색하고, 검색 결과를 바탕으로 현재 재생되는 컨텐츠에 대한 정보를 요청하기 위해 생성된 핑거프린트가 포함된 쿼리를 서버로 전송할지 여부를 판단하는 프로세서를 포함할 수 있다.
본 개시의 일 실시 예에 따른 디스플레이 장치는 컨텐츠의 유형을 추정하는 경우, 규칙 기반 또는 인공 지능 알고리즘을 이용하여 컨텐츠의 유형을 추정할 수 있다. 인공 지능 알고리즘을 이용하여 컨텐츠를 요약하는 경우, 디스플레이 장치는 기계 학습, 신경망 또는 딥러닝 알고리즘을 이용하여 컨텐츠의 유형을 추정할 수 있다.

Description

디스플레이 장치, 그의 컨텐츠 인식 방법 및 비일시적 컴퓨터 판독가능 기록매체{DISPLAY APPARATUS, CONTENT RECOGNIZING METHOD OF THEREOF AND NON-TRANSITORY COMPUTER READABLE RECORDING MEDIUM}
본 개시는 디스플레이 장치, 그의 컨텐츠 인식 방법 및 비일시적 컴퓨터 판독가능 기록매체에 관한 것으로, 보다 구체적으로는, 시청하는 컨텐츠를 효율적으로 인식할 수 있는 디스플레이 장치, 그의 컨텐츠 인식 방법 및 비일시적 컴퓨터 판독가능 기록매체에 관한 것이다.
또한, 본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공 지능(Artificial Intelligence, AI) 시스템 및 그 응용 기술에 관련된 것이다.
최근에는 TV와 같은 디스플레이 장치에서 바로 방송 신호를 수신하는 것이 아닌 셋탑박스 등을 이용하는 경우가 증가하고 있다. 이러한 경우에 디스플레이 장치는 사용자가 현재 어떠한 컨텐츠를 시청하고 있는지 알 수 없다.
디스플레이 장치에서 사용자가 현재 어떠한 컨텐츠를 시청하고 있는지 알 수 있는 경우, 타게팅 광고, 컨텐츠 추천, 연관 정보 서비스와 같은 지능형 서비스를 제공할 수 있다. 이를 위해 디스플레이 장치에서 현재 표시되는 컨텐츠를 인식하기 위한 기술인 ACR(Automatic Content Recognition)이 개발되었다.
종래에는 디스플레이 장치가 현재 시청중인 화면을 주기적으로 캡쳐하여 화면을 인식할 수 있는 특징을 추출하고, 서버로 현재 화면을 인식하기 위한 쿼리를 주기적으로 요청하였다.
하지만, 시청 중인 컨텐츠의 변화를 빠르게 감지하기 위해서는 서버로의 질의를 빈번하게 할 수밖에 없었으며, 이로 인해 ACR은 많은 자원 및 비용이 필요하였다.
한편, 컴퓨터 기술의 발달과 함께 데이터 트래픽이 지수함수 형태로 증가하면서 인공지능은 미래 혁신을 주도하는 중요한 트랜드로 자리잡았다. 인공지능은 사람의 사고방식을 모방하는 방식이기 때문에 사실상 전 산업에 무한하게 응용이 가능하다.
인공지능 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.
인공 지능 기술은 기계학습(예로, 딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.
기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하며 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
본 개시는 상술한 문제점을 해결하기 위한 것으로, 컨텐츠의 정보를 이용하여 컨텐츠 인식 주기를 조정할 수 있는 디스플레이 장치, 그의 컨텐츠 인식 방법 및 비일시적 컴퓨터 판독가능 기록매체를 제공함을 목적으로 한다.
상기 목적을 달성하기 위한 본 개시의 일 실시 예에 따른 디스플레이 장치는, 디스플레이부, 컨텐츠의 특징을 추출하여 생성된 핑거프린트 및 핑거프린트에 대응되는 컨텐츠에 대한 정보를 저장하는 메모리, 서버와 통신하는 통신부 및 상기 디스플레이부에서 현재 재생되는 컨텐츠의 화면의 특징을 추출하여 핑거프린트를 생성하고, 상기 메모리에서 상기 생성된 핑거프린트에 대응되는 핑거프린트의 존부를 검색하고, 상기 검색 결과를 바탕으로 상기 현재 재생되는 컨텐츠에 대한 정보를 요청하기 위해 상기 생성된 핑거프린트가 포함된 쿼리를 상기 서버로 전송할지 여부를 판단하는 프로세서를 포함할 수 있다.
그리고, 상기 프로세서는, 상기 메모리에서 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색된 경우, 상기 검색된 핑거프린트에 대응되는 컨텐츠에 대한 정보를 바탕으로 상기 현재 재생되는 컨텐츠를 인식하고, 상기 메모리에 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색되지 않는 경우, 상기 현재 재생되는 컨텐츠에 대한 정보를 요청하기 위해 상기 핑거프린트가 포함된 쿼리를 상기 서버로 전송하도록 상기 통신부를 제어할 수 있다.
또한, 상기 프로세서는, 상기 메모리에 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색되지 않는 경우, 상기 서버로부터 상기 쿼리에 응답한 상기 현재 재생되는 컨텐츠에 대한 정보 및 상기 현재 재생되는 컨텐츠의 핑거프린트들을 수신하도록 상기 통신부를 제어할 수 있다.
그리고, 상기 프로세서는, 상기 현재 재생되는 컨텐츠에 대한 정보를 바탕으로 상기 컨텐츠의 유형을 판단하며, 상기 판단된 컨텐츠의 유형에 따라 컨텐츠 인식 주기를 변경할 수 있다.
또한, 상기 프로세서는, 상기 컨텐츠가 광고 컨텐츠인 경우 제1주기마다 컨텐츠를 인식하며, 상기 컨텐츠가 방송 프로그램 컨텐츠인 경우 상기 제1주기보다 긴 제2주기마다 컨텐츠를 인식할 수 있다.
그리고, 상기 프로세서는, 상기 현재 재생되는 컨텐츠에 대한 정보를 바탕으로 상기 컨텐츠의 유형을 판단하며, 상기 판단된 컨텐츠의 유형에 따라 수신하는 상기 현재 재생되는 컨텐츠의 핑거프린트들의 수량을 변경할 수 있다.
또한, 상기 프로세서는, 상기 현재 재생되는 컨텐츠에 대한 정보 및 시청 이력을 바탕으로 재생되는 컨텐츠가 변경될 확률을 계산하고, 상기 계산된 확률에 따라 컨텐츠 인식 주기를 변경할 수 있다.
그리고, 상기 프로세서는, 시청 이력을 바탕으로 다음에 재생될 컨텐츠를 예측하고, 상기 예측된 컨텐츠에 대한 정보를 상기 서버에 요청할 수 있다.
또한, 상기 프로세서는, 상기 서버로부터 상기 현재 재생되는 컨텐츠와 관련된 추가 정보를 수신하고, 상기 수신된 추가 정보를 상기 현재 재생되는 컨텐츠와 함께 표시하도록 상기 디스플레이부를 제어할 수 있다.
한편, 본 개시의 일 실시 예에 따른 디스플레이 장치의 컨텐츠 인식 방법은, 현재 재생되는 컨텐츠의 화면의 특징을 추출하여 핑거프린트를 생성하는 단계, 상기 디스플레이 장치에 상기 생성된 핑거프린트에 대응되는 핑거프린트가 저장되어 있는지 여부를 검색하는 단계 및 상기 검색 결과를 바탕으로 상기 현재 재생되는 컨텐츠에 대한 정보를 요청하기 위해 상기 생성된 핑거프린트가 포함된 쿼리를 외부의 서버로 전송할지 여부를 판단하는 단계를 포함할 수 있다.
그리고, 상기 외부의 서버로 전송할지 여부를 판단하는 단계는, 상기 디스플레이 장치에서 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색된 경우, 상기 검색된 핑거프린트에 대응되는 컨텐츠에 대한 정보를 바탕으로 상기 현재 재생되는 컨텐츠를 인식하고, 상기 디스플레이 장치에서 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색되지 않는 경우, 상기 현재 재생되는 컨텐츠에 대한 정보를 요청하기 위해 상기 핑거프린트가 포함된 쿼리를 상기 서버로 전송할 수 있다.
또한, 상기 디스플레이 장치에서 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색되지 않는 경우, 상기 서버로부터 상기 쿼리에 응답한 상기 현재 재생되는 컨텐츠에 대한 정보 및 상기 현재 재생되는 컨텐츠의 핑거프린트들을 수신하는 단계를 더 포함할 수 있다.
그리고, 상기 현재 재생되는 컨텐츠에 대한 정보를 바탕으로 상기 컨텐츠의 유형을 판단하는 단계 및 상기 판단된 컨텐츠의 유형에 따라 컨텐츠 인식 주기를 변경하는 단계를 더 포함할 수 있다.
또한, 상기 인식 주기를 변경하는 단계는, 상기 컨텐츠가 광고 컨텐츠인 경우 제1주기마다 컨텐츠를 인식하며, 상기 컨텐츠가 방송 프로그램 컨텐츠인 경우 상기 제1주기보다 긴 제2주기마다 컨텐츠를 인식할 수 있다.
그리고, 상기 현재 재생되는 컨텐츠에 대한 정보를 바탕으로 상기 컨텐츠의 유형을 판단하는 단계 및 상기 판단된 컨텐츠의 유형에 따라 수신하는 상기 현재 재생되는 컨텐츠의 핑거프린트들의 수량을 변경하는 단계를 더 포함할 수 있다.
또한, 상기 현재 재생되는 컨텐츠에 대한 정보 및 시청 이력을 바탕으로 재생되는 컨텐츠가 변경될 확률을 계산하는 단계 및 상기 계산된 확률에 따라 컨텐츠 인식 주기를 변경하는 단계를 더 포함할 수 있다.
그리고, 시청 이력을 바탕으로 다음에 재생될 컨텐츠를 예측하고, 상기 예측된 컨텐츠에 대한 정보를 상기 서버에 요청하는 단계를 더 포함할 수 있다.
또한, 상기 서버로부터 상기 현재 재생되는 컨텐츠와 관련된 추가 정보를 수신하는 단계 및 상기 수신된 추가 정보를 상기 현재 재생되는 컨텐츠와 함께 표시하는 단계를 더 포함할 수 있다.
한편, 본 개시의 일 실시 예에 따른 디스플레이 장치의 컨텐츠 인식 방법을 실행하기 위한 프로그램을 포함하는 비일시적 컴퓨터 판독가능 기록매체는, 현재 재생되는 컨텐츠의 화면의 특징을 추출하여 핑거프린트를 생성하는 단계, 상기 디스플레이 장치에 상기 생성된 핑거프린트에 대응되는 핑거프린트가 저장되어 있는지 여부를 검색하는 단계 및 상기 검색 결과를 바탕으로 상기 현재 재생되는 컨텐츠에 대한 정보를 요청하기 위해 상기 생성된 핑거프린트가 포함된 쿼리를 외부의 서버로 전송할지 여부를 판단하는 단계를 포함하는 컨텐츠 인식 방법을 포함할 수 있다.
이상과 같은 본 개시의 다양한 실시 예에 따르면, 디스플레이 장치는 서버 ACR과 로컬 ACR의 실행 비율 및 주기를 동적으로 조정하여 서버의 부하를 줄이면서도 컨텐츠 인식의 정밀도를 높일 수 있다.
도 1은 본 개시의 일 실시 예에 따른 디스플레이 시스템을 도시한 개념도,
도 2는 본 개시의 일 실시 예에 따른 디스플레이 장치의 구성을 설명하기 위한 개략적인 블록도;
도 3은 본 개시의 일부 실시 예에 따른 프로세서의 블록도,
도 4a는 본 개시의 일부 실시 예에 따른 데이터 학습부의 블록도,
도 4b는 본 개시의 일부 실시 예에 따른 데이터 인식부의 블록도,
도 5는 본 개시의 일 실시 예에 따른 디스플레이 장치의 구성을 상세히 설명하기 위한 블록도,
도 6은 본 개시의 일 실시 예에 따른 hybrid ACR을 설명하기 위한 도면,
도 7은 상이한 입도(granularity)를 갖는 핑거프린트 정보를 설명하기 위한 도면,
도 8은 시청 이력 정보의 일 예를 도시한 도면,
도 9는 추가 정보가 컨텐츠와 함께 표시되는 실시 예를 설명하기 위한 도면,
도 10 내지 도 15는 본 개시의 다양한 실시 예에 따른 디스플레이 장치의 컨텐츠 인식 방법을 설명하기 위한 흐름도,
도 16은 본 개시의 일부 실시 예에 따른 디스플레이 장치와 서버의 연동으로 데이터가 학습되고 인식되는 것을 설명하기 위한 도면
도 17은 본 개시의 일 실시 예에 따른 디스플레이 시스템의 컨텐츠 인식 방법을 설명하기 위한 시퀀스도
도 18은 본 개시의 따른 실시 예에 따른 디스플레이 시스템의 컨텐츠 인식 방법을 설명하기 위한 시퀀스도
도 19는 일 실시예에 따른 디스플레이 장치가 서버와 연동하여 컨텐츠 변경 확률에 따라 컨텐츠 인식 주기를 변경하는 상황을 설명하기 위한 도면
도 20은 디스플레이 장치가 서버와 연동하여 다음에 재생될 컨텐츠를 예측하여 예측된 컨텐츠에 대한 정보를 미리 수신하는 방법을 설명하기 위한 도면, 그리고,
도 21은 디스플레이 장치가 복수 개의 서버와 연동하여 다음에 재생될 컨텐츠를 예측하여 예측된 컨텐츠에 대한 정보를 미리 수신하는 방법을 설명하기 위한 도면이다.
이하에서는 본 개시의 바람직한 실시 예가 첨부된 도면을 참조하여 상세히 설명한다. 본 개시를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단된 경우 그 상세한 설명은 생략한다. 그리고 후술되는 용어들은 본 개시에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되지는 않는다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 개시의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 항목들의 조합 또는 복수의 관련된 항목들 중의 어느 하나의 항목을 포함한다.
본 명세서에서 사용한 용어는 실시 예를 설명하기 위해 사용된 것으로, 본 개시를 제한 및/또는 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, 포함하다 또는 가지다 등의 용어는 명세서상에 기재된 특징, 숫자, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
실시 예에 있어서 '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어 또는 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 '모듈' 혹은 복수의 '부'는 특정한 하드웨어로 구현될 필요가 있는 '모듈' 혹은 '부'를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.
이하에서는 첨부된 도면을 이용하여 본 개시에 대하여 구체적으로 설명한다.
도 1은 본 개시의 일 실시 예에 따른 디스플레이 시스템(1000)을 도시한 개념도이다. 도 1에 도시된 바와 같이, 디스플레이 시스템(1000)은 디스플레이 장치(100) 및 서버(200)를 포함할 수 있다.
디스플레이 장치(100)는 스마트 TV일 수 있으나, 이는 일 실시 예에 불과할 뿐, 프로젝션 TV, 모니터, 키오스크, 노트북 PC, 타블렛, 스마트폰, PDA, 전자 액자, 테이블 디스플레이 등 다양한 유형의 장치로 구현될 수 있다.
디스플레이 장치(100)는 현재 재생중인 컨텐츠의 화면에서 특징을 추출하여 핑거프린트를 생성할 수 있다. 그리고 디스플레이 장치(100)는 내부에 저장된 핑거프린트 데이터베이스에서 생성된 핑거프린트를 검색하여 현재 재생중인 컨텐츠를 인식하는 로컬 ACR 및 서버(200)로 생성된 핑거프린트가 포함된 쿼리를 전송하여 컨텐츠를 인식하는 서버 ACR을 수행할 수 있다. 특히, 인식된 컨텐츠 정보, 시청 이력 등을 이용하여, 디스플레이 장치(100)는 컨텐츠 인식 주기, 서버(200)로부터 미리 수신할 핑거프린트 수량 등을 조정하여 로컬 ACR과 서버 ACR이 수행되는 비율을 적절히 조정할 수 있다.
서버(200)는 특정 영상을 타 영상과 구별하기 위한 인식(또는 식별) 정보를 포함하는 정보를 디스플레이 장치(100)로 전송할 수 있는 장치로 구현될 수 있다. 예를 들어, 서버(200)는 디스플레이 장치(100)로 핑거프린트를 송신할 수 있다. 핑거프린트는 영상을 타 영상과 식별할 수 있는 식별 정보의 일종이다.
구체적으로, 핑거프린트는 프레임에 포함된 비디오, 오디오 신호로부터 추출된 특징 데이터이다. 텍스트를 기반으로 한 메타 데이터와는 달리, 핑거프린트는 신호 자체의 고유한 특성을 반영할 수 있다. 예를 들어, 프레임에 포함된 신호가 오디오 신호인 경우, 핑거프린트는 오디오 신호의 주파수, 진폭 등의 특징을 표현하는 데이터일 수 있다. 그리고 프레임에 포함된 신호가 비디오(또는 스틸 이미지) 신호인 경우, 핑거프린트는 모션 벡터, 색상 등의 특징을 표현하는 데이터일 수 있다.
핑거프린트는 다양한 알고리즘에 의해 추출될 수 있다. 예를 들어, 디스플레이 장치(100) 또는 서버(200)는 오디오 신호를 일정 시간 간격으로 분할하고, 각 시각 간격에 포함되는 주파수들의 신호의 크기를 계산할 수 있다. 그리고 디스플레이 장치(100) 또는 서버(200)는 인접한 주파수 구간의 신호들 사이의 크기 차이를 구하여 주파수 기울기를 계산할 수 있다. 계산된 주파수 기울기가 양수인 경우 1, 음수인 경우 0의 값으로 변환함으로써, 오디오 신호에 대한 핑거프린트가 생성될 수 있다.
서버(200)에는 특정 영상에 대한 핑거프린트가 저장되어 있다. 한편, 기등록된 영상에 대한 핑거프린트는 하나 이상일 수 있으며, 둘 이상인 경우엔 특정 영상에 대한 핑거프린트 리스트로서 관리된다.
본 명세서에서 사용되는 용어 '핑거프린트'는, 특정 영상에 대한 한 개의 핑거프린트를 의미하는 것이거나, 경우에 따라서는 특정 영상에 대한 복수의 핑거프린트로 구성된 핑거프린트 리스트를 의미하는 것일 수 있다.
본 명세서에서 사용되는 용어 ‘프레임’은, 오디오 또는 이미지에 관한 정보를 갖는 일련의 데이터를 말한다. 프레임은 일정한 시간 동안의 오디오 또는 이미지에 대한 데이터 수 있다. 디지털 영상 컨텐츠의 경우, 초당 30~60개의 이미지 데이터로 구성될 수 있으며, 이런 30~60개 각각의 이미지 데이터를 프레임이라고 할 수 있다. 예를 들어, 영상 컨텐츠의 현재 프레임, 다음 프레임과 같이 사용될 경우, 프레임은 컨텐츠에 포함된 연속적으로 표시되는 각각의 영상 한 화면을 말할 수 있다.
한편, 도 1의 실시 예를 설명함에 있어, 디스플레이 시스템(1000)이 하나의 디스플레이 장치(100)와 하나의 서버(200)를 포함하는 것으로 설명하였으나, 다수의 디스플레이 장치(100)가 하나의 서버(200)와 연결될 수 있으며, 다수의 서버(200)가 하나의 디스플레이 장치(100)와 연결될 수 있다. 그 밖의 다른 조합도 가능하다.
도 2a는 본 개시의 일 실시 예에 따른 디스플레이 장치(100)의 구성을 설명하기 위한 블럭도이다. 도 2a를 참조하면, 디스플레이 장치(100)는 디스플레이부(110), 메모리(120), 통신부(130) 및 프로세서(140)를 포함할 수 있다.
디스플레이부(110)는 디스플레이 장치(100)에서 제공하는 각종 영상 컨텐츠, 정보, UI 등을 표시할 수 있다. 예를 들어, 디스플레이부(100)는 셋탑박스(미도시)에서 제공하는 영상 컨텐츠, 방송 프로그램 영상, 사용자 인터페이스 창을 표시할 수 있다.
메모리(120)는 디스플레이 장치(100)를 구동하기 위한 다양한 모듈, 소프트웨어, 데이터를 저장할 수 있다. 예를 들어, 메모리(120)는 복수의 핑거프린트, 핑거프린트에 대응되는 컨텐츠에 대한 정보, 시청 이력 정보 등을 저장할 수 있다. 메모리(120)에 저장된 핑거프린트는 디스플레이 장치(100)에서 자체적으로 생성한 것일 수도 있고, 서버(200)로부터 수신한 것일 수도 있다. 메모리(120)는 핑거프린트를 로컬 ACR을 위한 인덱스 정보를 붙여 저장할 수 있다.
또한, 메모리(120)에 저장된 컨텐츠를 디스플레이 장치(100)가 재생하는 경우에, 핑거프린트는 대응되는 컨텐츠와 쌍을 이루고 있는 형태로 메모리(120)에 저장될 수 있다. 예를 들어, 핑거프린트는 컨텐츠의 각 프레임에 부가되어, 컨텐츠와 핑거프린트가 결합된 새로운 파일의 형태로 저장될 수 있다. 다른 예로, 핑거프린트는 컨텐츠의 대응되는 프레임과 매핑되는 정보를 더 포함하고 있을 수도 있다.
통신부(130)는 유/무선 통신 방법을 이용하여 서버(200)와 같은 외부 장치들과 통신할 수 있다. 예를 들어, 통신부(130)는 서버(200)와 핑거프린트, 컨텐츠 정보, 시청 이력 정보, 컨텐츠와 관련된 추가 정보와 같은 데이터 및 인식 주기 변경 제어 신호와 같은 제어 신호를 송수신할 수 있다.
프로세서(140)는 현재 재생되는 컨텐츠가 무엇인지 인식하고, 인식된 결과를 바탕으로 적절한 정밀도로 ACR 동작이 수행되도록 조정할 수 있다. 예를 들어, 프로세서(140)는 컨텐츠 정보를 바탕으로 컨텐츠 인식 주기를 조정할 수 있고, 서버(200)로부터 미리 수신하여 저장할 컨텐츠 및 컨텐츠에 대한 핑거프린트의 양을 결정할 수 있다.
프로세서(140)는 현재 재생되는 컨텐츠의 화면의 특징을 추출하여 핑거프린트를 생성할 수 있다. 그리고, 프로세서(140)는 메모리(120)에 저장되어 있는 복수의 핑거프린트 중에 생성된 핑거프린트와 매칭되는 핑거프린트가 존재하는지 검색할 수 있다. 그리고, 프로세서(140)는 검색 결과에 따라 서버(200)로 쿼리를 전송하여 서버 ACR을 시도할 것인지 결정할 수 있다. 즉, 프로세서(140)는 서버(200)의 부하를 줄이기 위하여 우선 로컬 ACR을 시도할 수 있다.
생성된 핑거프린트에 대응되는 핑거프린트가 검색되면, 프로세서(140)는 검색된 핑거프린트에 대응되는 컨텐츠에 대한 정보를 바탕으로 현재 재생되는 컨텐츠를 인식할 수 있다. 예를 들어, 핑거프린트에 대응되는 컨텐츠에 대한 정보는 현재 프레임에 대한 정보인 전체 컨텐츠에서 현재 프레임의 위치, 재생 시간 등을 포함할 수 있다. 그밖에, 핑거프린트에 대응되는 컨텐츠에 대한 정보는 컨텐츠 명칭, 컨텐츠 ID, 컨텐츠 제공자, 컨텐츠 시리즈 정보, 장르, 실시간 방송인지에 대한 정보, 유료 컨텐츠인지에 대한 정보 중 적어도 하나를 포함할 수 있다.
반대로, 생성된 핑거프린트에 대응되는 핑거프린트가 검색되지 않으면, 프로세서(140)는 현재 재생되는 컨텐츠에 대한 정보를 요청하기 위해 쿼리를 서버(200)로 전송하도록 통신부(130)를 제어할 수 있다. 예를 들어, 쿼리에는 생성된 핑거프린트, 시청 이력, 디스플레이 장치(100)의 정보 등이 포함될 수 있다.
그리고, 프로세서(140)는 서버(200)로부터 요청하였던 쿼리에 대한 응답으로 현재 재생되는 컨텐츠에 대한 정보, 현재 재생되는 컨텐츠의 핑거프린트를 수신하도록 통신부(130)를 제어할 수 있다. 여기서 말하는 현재 재생되는 컨텐츠의 핑거프린트는 현재 프레임보다 전체 컨텐츠에서 시간 상으로 뒤쪽에 위치하는 프레임들에 대한 핑거프린트일 수 있다. 쿼리에 포함된 핑거프린트로부터 현재 프레임이 전체 컨텐츠에서 위치하는 시간을 알 수 있기 때문에, 프로세서(140)는 현재 프레임 이후에 재생될 것으로 예상되는 프레임들에 대한 핑거프린트를 서버(200)로부터 수신할 수 있다.
이와 같이, 프로세서(140)는 로컬 ACR 방식과 서버 ACR 방식을 적절히 조합하여 컨텐츠를 인식할 수 있다. 이를 통해 서버(200)의 부하를 최소화하면서도 프로세서(140)는 현재 디스플레이부(110)에서 재생되고 있는 컨텐츠를 인식할 수 있다.
로컬 ACR 방식과 서버 ACR 방식의 적절한 조합을 위하여, 프로세서(140)는 컨텐츠 인식 결과 및 시청 이력 중 적어도 하나를 기초로 로컬 ACR을 위해 서버(200)로부터 미리 수신할 핑거프린트를 결정하고, 컨텐츠 인식 주기를 변경할 것인지 결정할 수 있다. 예를 들어, 프로세서(140)는 어느 컨텐츠의 핑거프린트를 수신할 것인지, 한 번에 얼마만큼의 핑거프린트를 수신할 것인지 등을 결정할 수 있다.
본 개시의 일 실시 예에 따르면, 프로세서(140)는 현재 재생되는 컨텐츠에 대한 정보를 바탕으로 컨텐츠의 유형을 판단할 수 있다. 그리고, 프로세서(140)는 판단된 컨텐츠의 유형에 따라 컨텐츠 인식 주기를 변경할 수 있다. 컨텐츠의 유형은 컨텐츠의 내용, 장르, 실시간 방송인지 여부, 중요도 등의 기준을 기초로 구분될 수 있다.
예를 들어, 현재 재생중인 컨텐츠가 광고 컨텐츠인 것으로 인식되면, 프로세서(140)는 컨텐츠 인식 주기를 짧게 조정할 수 있다(예를 들어, 매 프레임마다 현재 디스플레이되는 컨텐츠의 화면을 인식하도록 조정). 그리고, 현재 재생중인 컨텐츠가 영화 컨텐츠 또는 방송 프로그램 컨텐츠인 것으로 인식되면, 프로세서(140)는 컨텐츠 인식 주기를 길게 조정할 수 있다(예를 들어, 30초에 한 번씩 현재 디스플레이되는 컨텐츠의 화면을 인식하도록 조정).
각각의 유형에 대한 인식 주기는 기설정된 주기일 수 있다. 각 주기는 상술한 여러 기준 및 시청 이력에 따라 개인화되어 설정될 수 있다.
광고 컨텐츠의 경우 대부분 짧은 시간 안에 다른 광고로 변경되기 때문에, 프로세서(140)는 컨텐츠 인식을 자주 수행할 필요성이 있다. 이에 반해, 영화 컨텐츠의 경우 같은 영화를 계속하여 시청 중인지 정도만 파악하면 되는바, 프로세서(140)는 컨텐츠 인식을 자주 수행할 필요성이 없다.
상술한 예는 컨텐츠의 장르를 기준으로 컨텐츠의 유형을 구분한 것이다. 상술한 예와 같이 광고 컨텐츠의 경우 매 프레임마다 컨텐츠가 인식될 수도 있으나, 중요도나 시청 이력과 같은 다른 기준에 의할 때 컨텐츠 인식을 드물게 수행하는 것도 가능하다.
인식된 컨텐츠의 유형에 따라 서버(200)로부터 미리 수신하여 저장할 수 있는 프레임의 수가 달라진다. 각각의 프레임에 대응한 핑거프린트가 존재하기 때문에, 미리 수신하여 저장할 수 있는 핑거프린트의 수량 역시 달라진다. 예를 들어, VOD나 DVR과 같은 경우에는 모든 영상 정보를 서버(200)가 가지고 있을 수 있으나, live 방송과 같은 경우에는 수 초 정도의 영상 정보를 서버(200)가 디스플레이 장치(100)보다 먼저 수신할 수 있을 뿐이다. 1초에 60개의 프레임이 표시되는 60 Hz 영상을 예로 들면, 1시간 분량의 VOD 의 경우 서버(200)는 대략 20만 개의 프레임에 각각 대응되는 핑거프린트를 보유할 수 있으나, live 방송의 경우 서버(200)는 대략 수 백의 프레임에 각각 대응되는 핑거프린트를 보유할 수 있을 뿐이다.
따라서, 프로세서(140)는 인식된 컨텐츠에 따라 요청할 핑거프린트의 수량을 결정할 수 있다. 또한, 1회에 수신할 수 있는 핑거프린트의 수량을 기초로, 프로세서(140)는 컨텐츠 인식을 수행할 주기를 변경할 수 있다.
본 개시의 일 실시 예에 따르면, 프로세서(140)는 인식된 컨텐츠에 대한 정보와 시청 이력을 기초로 컨텐츠 인식 주기를 변경할 수 있다. 시청 이력은 시청한 컨텐츠, 시청 시각, 시청시 실행하였던 부가 어플리케이션 등을 포함할 수 있다.
예를 들어, 프로세서(140)는 인식된 현재 재생되는 컨텐츠와 시청 이력을 비교하여, 현재 재생되는 컨텐츠가 계속 재생될지 다른 컨텐츠가 재생될지를 판단할 수 있다. 또한, 프로세서(140)는 다음에 재생될 것으로 예측된 컨텐츠에 대응되는 핑거프린트 정보를 서버(200)에 요청할 수 있다.
본 개시의 일 실시 예에 따르면, 프로세서(140)는 현재 재생되는 컨텐츠의 핑거프린트, 다음에 재생될 것으로 예측된 컨텐츠에 대한 핑거프린트뿐 아니라 컨텐츠와 관련된 추가 정보를 함께 수신할 수 있다. 예를 들어, 추가 정보는 컨텐츠 이름, 컨텐츠 재생 시간, 컨텐츠 제공자, 컨텐츠에 나오는 PPL 상품 정보, PPL 상품 정보와 관련된 광고, 실행 가능한 부가 어플리케이션 등을 포함할 수 있다.
그리고, 프로세서(140)는 수신된 추가 정보를 현재 재생되는 컨텐츠와 함께 표시하도록 디스플레이부(110)를 제어할 수 있다.
상술한 실시 예들에서는 디스플레이 장치(100)가 핑거프린트와 같은 컨텐츠의 정보를 서버(200)에 요청하고 있다. 하지만, 요청 없이도 서버(200)가 디스플레이 장치(100)로 필요한 핑거프린트와 같은 정보를 전송하는 실시 예 역시 가능하다.
다양한 실시예에 따르면, 디스플레이 장치(100)는 데이터 인식 모델을 이용하여 컨텐츠의 유형을 추정할 수 있다. 데이터 인식 모델은, 예를 들면, 통계학적 기계 학습의 결과를 이용하여, 컨텐츠의 정보 및/또는 컨텐츠로부터 생성된 핑거프린트를 이용하여 컨텐츠의 유형을 추정하는 알고리즘 집합일 수 있다.
또한, 디스플레이 장치(100)는 데이터 인식 모델을 이용하여 컨텐츠 변경 확률을 계산할 수 있다. 데이터 인식 모델은, 예를 들면, 컨텐츠의 정보(예: 컨텐츠의 재생 시간, 컨텐츠 재생 채널, 컨텐츠 유형 등)를 이용하여 재생 중인 컨텐츠의 변경 확률을 추정하는 알고리즘 집합일 수 있다.
데이터 인식 모델은 알고리즘 집합을 실행하기 위한 소프트웨어 또는 엔진(engine) 등으로 구현될 수 있다. 소프트웨어 또는 엔진 등으로 구현된 데이터 인식 모델은 디스플레이 장치(100) 내의 프로세서 또는 서버(예: 도 1의 서버(200))의 프로세서에 의해 실행될 수 있다.
본 개시의 일 실시 예에 따른 서버(200)는 일반적인 서버 장치의 구성들을 포함할 수 있다. 예를 들어, 서버(200)는 메모리(210), 통신부(220), 방송 신호 수신부(230), 프로세서(240) 등을 포함할 수 있다.
서버(200)는 복수의 컨텐츠의 비디오/오디오 정보를 캡쳐할 수 있다. 즉, 서버(200)는 영상을 프레임별로 수집할 수 있다. 예를 들어, 서버(200)는 미리 여러 컨텐츠를 프레임 단위의 데이터로 분할하여 수집할 수 있다. 그리고, 서버(200)는 수집된 프레임을 분석하여 핑거프린트를 생성할 수 있다. 다른 예로, 서버(200)는 방송국으로부터 방송 신호를 수신하고, 수신된 신호로부터 비디오/오디오 정보를 캡쳐할 수 있다. 서버(200)는 디스플레이 장치(100)보다 이른 시간에 방송 신호를 먼저 수신할 수 있다.
예를 들어, 서버(200)가 생성한 핑거프린트는 특정 시점의 화면 및 오디오를 구분할 수 있는 정보일 수 있다. 또는, 서버(200)가 생성한 핑거프린트는 장면의 전환 패턴에 대한 정보를 포함하여, 어떤 컨텐츠를 계속 시청하고 있는지를 확인할 수 있는 정보일 수 있다. 서버(200)는 생성된 핑거프린트와 핑거프린트에 대응되는 컨텐츠에 대한 정보를 검색이 용이한 형태로 인덱싱하는 방식으로 데이터 베이스를 구축할 수 있다. 예를 들어, 핑거프린트에 대응되는 컨텐츠에 대한 정보는 전체 컨텐츠에서 현재 프레임의 위치, 재생 시간 등을 포함할 수 있다. 또한, 핑거프린트에 대응되는 컨텐츠에 대한 정보는 컨텐츠 명칭, 컨텐츠 ID, 컨텐츠 제공자, 컨텐츠 시리즈 정보, 장르, 실시간 방송인지에 대한 정보, 유료 컨텐츠인지에 대한 정보 중 적어도 하나를 포함할 수 있다.
디스플레이 장치(100)로부터 쿼리를 수신하면, 서버(200)는 쿼리에서 적어도 하나의 핑거프린트를 추출할 수 있다. 또한, 서버(200)는 쿼리를 전송한 디스플레이 장치(100)의 정보를 수신할 수 있다.
서버(200)는 데이터 베이스에 저장된 정보와 추출된 핑거프린트를 매칭하여, 현재 디스플레이 장치(100)가 어떠한 컨텐츠를 시청하고 있는지 확인할 수 있다. 서버(200)는 디스플레이 장치(100)에 판단된 컨텐츠 정보에 대한 응답을 보낼 수 있다.
그리고, 수신된 디스플레이 장치(100)의 정보 및 판단된 컨텐츠 정보를 이용하여, 서버(200)는 각각의 디스플레이 장치(100)의 시청 이력을 관리할 수 있다. 이를 통해, 서버(200)는 각각의 디스플레이 장치(100)마다 개인화된 서비스를 제공할 수 있다.
서버(200)는 판단된 현재 디스플레이 장치(100)에서 표시되는 컨텐츠 정보 및 시청 이력 정보를 이용하여, 다음에 디스플레이 장치(100)에서 표시될 컨텐츠를 예측할 수 있다. 그리고, 서버(200)는 예측된 컨텐츠로부터 추출한 핑거프린트를 디스플레이 장치(100)로 전송할 수 있다. 예를 들어, 추출된 핑거프린트는 현재 디스플레이 장치(100)에서 표시되는 컨텐츠의 현재 프레임보다 전체 컨텐츠에서의 시간 상으로 이후에 위치하는 프레임에 대응되는 핑거프린트 일 수 있다. 다른 예로, 추출된 핑거프린트는 시청 이력 정보에 기초하여 예측된 다른 방송 채널의 컨텐츠에 대한 핑거프린트 일 수 있다.
또한, 서버(200)는 컨텐츠 영상을 분석하거나 EPG 정보 등을 이용하여 컨텐츠 인식 주기를 판단할 수 있다. 판단된 컨텐츠 인식 주기에 따라, 서버(200)는 디스플레이 장치(100)에서 로컬 ACR을 수행하는데 필요한 만큼의 핑거프린트 수량을 결정할 수 있다. 디스플레이 장치(100)는 판단된 컨텐츠 인식 주기마다 현재 표시되는 프레임을 분석하여 핑거프린트를 생성한다. 그리고, 디스플레이 장치(100)는 서버(200)에서 수신하여 저장한 핑거프린트 데이터 베이스에서 생성된 핑거프린트를 검색할 수 있다. 따라서, 서버(200)는 디스플레이 장치(100)가 컨텐츠 인식을 수행할 프레임에 대응되는 핑거프린트만을 전송할 수 있다. 필요한 수량의 핑거프린트만을 전송하기 때문에, 서버(200)는 서버 ACR을 수행하는 경우에도 통신 부하를 최소화할 수 있다.
도 2b는 다른 실시예에 따른 디스플레이 장치(100)의 구성을 도시한 도면이다.
도 2b를 참조하면, 디스플레이 장치(100)는 제 1 프로세서(140-1), 제 2 프로세서(140-2), 디스플레이부(110), 메모리(120), 및 통신부(130)를 포함할 수 있다. 그러나 도시된 구성 요소가 모두 필수 구성요소인 것은 아니다.
제 1 프로세서(140-1)는 디스플레이 장치(100)에 설치된 적어도 하나의 어플리케이션의 실행을 제어할 수 있다. 예를 들어, 제 1 프로세서(140-1)는 디스플레이부(110)에 표시되는 영상을 캡쳐하여 핑거프린트를 생성하고, ACR 동작을 수행할 수 있다. 제 1 프로세서(140-1)는 CPU(central processing unit), GPU(graphic processing unit), 통신칩 및 센서 등의 기능이 통합 된 SoC(system on chip)형태로 구현될 수 있다. 또한, 제 1 프로세서(140-1)는 AP(Application processor)로 설명될 수도 있다.
제 2 프로세서(140-2)는 데이터 인식 모델을 이용하여 컨텐츠의 유형을 추정할 수 있다. 데이터 인식 모델은, 예를 들면, 통계학적 기계 학습의 결과를 이용하여, 컨텐츠의 정보 및/또는 컨텐츠로부터 생성된 핑거프린트를 이용하여 컨텐츠의 유형을 추정하는 알고리즘 집합일 수 있다.
또한, 제 2 프로세서(140-2)는 데이터 인식 모델을 이용하여 컨텐츠 변경 확률을 계산할 수 있다. 데이터 인식 모델은, 예를 들면, 컨텐츠의 정보(예: 컨텐츠의 재생 시간, 컨텐츠 재생 채널, 컨텐츠 유형 등) 및 시청 이력을 이용하여 재생 중인 컨텐츠의 변경 확률을 추정하는 알고리즘 집합일 수 있다.
또한, 제 2 프로세서(140-2)는 데이터 인식 모델을 이용하여 재생 중인 컨텐츠 종류 후 다음에 재생될 컨텐츠를 추정할 수 있다. 데이터 인식 모델은, 예를 들면, 컨텐츠의 정보(예: 컨텐츠의 재생 시간, 컨텐츠 재생 채널, 컨텐츠 유형 등) 및 시청 이력을 이용하여 재생 중인 컨텐츠의 변경 확률을 추정하는 알고리즘 집합일 수 있다.
한편, 제 2 프로세서(140-2)는 데이터 인식 모델을 이용한 컨텐츠 유형 추정 및 컨텐츠 변경 확률 추정의 기능을 수행하는 인공 지능(AI)을 위한 전용 하드웨어 칩 형태로 제작될 수 있다.
일 실시예에 따른 제 1 프로세서(140-1) 및 제 2 프로세서(140-2)는 서로 연동하여, 도 2a를 참조하여 전술한 프로세서(140)가 컨텐츠로부터 핑거프린트를 생성하고, ACR을 이용하여 컨텐츠를 인식하는 일련의 프로세스를 수행할 수 있다.
디스플레이부(110), 메모리(120) 및 통신부(130)는 도 2a의 디스플레이부(110), 메모리(120) 및 통신부(130)에 대응되어 중복되는 설명은 생략한다.
도 3은 본 개시의 일부 실시 예에 따른 프로세서(140)의 블록도이다. 도 3을 참조하면, 일부 실시 예에 따른 프로세서(140)는 데이터 학습부(141) 및 데이터 인식부(142)를 포함할 수 있다.
데이터 학습부(141)는 데이터 인식 모델이 소정의 비디오/오디오 데이터에 대한 특징 분석을 위한 기준을 갖도록 학습할 수 있다. 프로세서(140)는 학습된 기준에 따라 캡쳐된 각 프레임의 특징(예: 오디오 데이터의 주파수 변화, 비디오 데이터의 프레임 별 색상 변화 또는 모션 벡터의 변화 등)을 분석하여 핑거프린트를 생성할 수 있다.
데이터 학습부(141)는 캡쳐된 컨텐츠의 화면(또는 프레임)의 특징을 판단하기 위하여 어떠한 학습 데이터를 이용할 것인지 결정할 수 있다. 또한, 데이터 학습부(141)는 결정된 학습 데이터를 이용하여 캡쳐된 컨텐츠의 특징을 추출하기 위한 기준을 학습할 수 있다.
다양한 실시예에 따르면, 데이터 학습부(141)는 데이터 인식 모델이 소정의 비디오/오디오 데이터의 정보 및 비디오/오디오 데이터의 유형과 관련된 학습 데이터에 기반하여 비디오/오디오 데이터의 유형을 추정할 수 있는 기준을 갖도록 학습할 수 있다.
비디오/오디오 데이터의 정보는, 예를 들면, 현재 프레임에 대한 정보인 전체 비디오/오디오에서 현재 프레임의 위치, 재생 시간 등을 포함할 수 있다. 그 밖에, 비디오/오디오에 대한 정보는 비디오/오디오 명칭, 비디오/오디오 ID, 비디오/오디오 제공자, 비디오/오디오 시리즈 정보, 장르, 실시간 방송인지에 대한 정보, 유료 컨텐츠인지에 대한 정보 중 적어도 하나를 포함할 수 있다.
비디오 데이터의 유형은, 예를 들면, 드라마, 광고, 영화, 뉴스 등을 포함할 수 있다. 오디오 데이터의 유형은, 예를 들면, 음악, 뉴스, 광고 등을 포함할 수 있다. 그러나, 오디오/비디오 데이터의 유형은 이에 한정되지는 않는다.
다양한 실시예에 따르면, 데이터 학습부(141)는 데이터 인식 모델이 소정의 비디오/오디오 데이터의 정보, 비디오/오디오 데이터의 유형 및 비디오/오디오 데이터의 시청 이력(예를 들면, 다른 오디오/비디오 데이터로 시청을 변경한 이력)과 관련된 학습 데이터에 기반하여 재생 중 다른 비디오/오디오 데이터로 변경될 확률을 추정하거나, 재생이 완료된 후 다음에 재생할 비디오/오디오 데이터를 추정할 수 있는 기준을 갖도록 학습할 수 있다.
데이터 인식부(142)는 학습된 데이터 인식 모델을 이용하여, 소정의 인식 데이터로부터 상황을 인식할 수 있다. 데이터 인식부(142)는 학습에 의한 기설정된 기준에 따라 소정의 인식 데이터를 획득하고, 획득된 인식 데이터를 입력 값으로 하여 데이터 인식 모델을 이용할 수 있다.
예를 들어, 학습된 특징 추출 모델을 이용하여, 데이터 인식부(142)는 캡쳐된 컨텐츠와 같은 인식 데이터에 포함된 각각의 프레임에 대한 특징을 추출하여 핑거프린트를 생성할 수 있다. 또한, 데이터 인식 모델 적용의 결과 값으로 획득된 출력 데이터를 재차 입력 값으로 이용하여, 데이터 인식부(142)는 데이터 인식 모델을 갱신할 수도 있다.
다양한 실시예에 따르면, 데이터 인식부(142)는 소정의 비디오/오디오 데이터의 정보와 관련된 인식 데이터를 입력 값으로 하여, 데이터 인식 모델에 적용함으로써, 비디오/오디오 데이터의 유형을 판단한 판단 결과를 획득할 수 있다.
다양한 실시예에 따르면, 데이터 인식부(142)는 소정의 비디오/오디오 데이터의 정보, 비디오/오디오 데이터의 유형과 관련된 인식 데이터를 입력 값으로 하여, 데이터 인식 모델에 적용함으로써, 비디오/오디오 데이터 재생 중 다른 비디오/오디오 데이터로 변경될 확률, 또는 재생이 완료된 후 다음에 재생할 비디오/오디오 데이터를 추정하는 판단 결과를 획득할 수 있다.
데이터 학습부(141) 및 데이터 인식부(142) 중 적어도 하나는, 하나 또는 복수의 하드웨어 칩 형태로 제작되어 디스플레이 장치(100)에 탑재될 수 있다. 예를 들어, 데이터 학습부(141) 및 데이터 인식부(142) 중 적어도 하나는 인공 지능(Artifical Intelligence, AI)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 기존의 범용 프로세서(예를 들어, CPU 또는 application processor) 또는 그래픽 전용 프로세서(예를 들어, GPU, ISP)의 일부로 제작되어 전술한 각종 디스플레이 장치(100)에 탑재될 수도 있다.
이때, 인공 지능을 위한 전용 하드웨어 칩은 확률 연산에 특화된 전용 프로세서로서, 기존의 범용 프로세서보다 병렬처리 성능이 높아 기계 학습과 같은 인공 지능 분야의 연산 작업을 빠르게 처리할 수 있다. 데이터 학습부(141) 및 데이터 인식부(142)가 소프트웨어 모듈(또는, 인스트럭션(instruction) 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 3의 실시 예에서는 데이터 학습부(141) 및 데이터 인식부(142)가 모두 디스플레이 장치(100)에 탑재된 경우를 도시하였으나, 이들은 각각 별개의 장치에 탑재될 수도 있다. 예를 들어, 데이터 학습부(141) 및 데이터 인식부(142) 중 하나는 디스플레이 장치(100)에 포함되고, 나머지 하나는 서버(200)에 포함될 수 있다. 또한, 데이터 학습부(141) 및 데이터 인식부(142)는 서로 유선 또는 무선으로 연결되어, 데이터 학습부(141)가 구축한 모델 정보가 데이터 인식부(142)로 제공될 수 있고, 데이터 인식부(142)로 입력된 데이터가 추가 학습 데이터로 데이터 학습부(141)로 제공될 수도 있다.
도 4a는 본 개시의 일부 실시 예에 따른 데이터 학습부(141)의 블록도이다. 도 4a를 참조하면, 일부 실시 예에 따른 데이터 학습부(141)는 데이터 획득부(141-1) 및 모델 학습부(141-4)를 포함할 수 있다. 또한, 데이터 학습부(141)는 전처리부(141-2), 학습 데이터 선택부(141-3), 및 모델 평가부(141-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.
데이터 획득부(141-1)는 상황 판단에 필요한 학습 데이터를 획득할 수 있다. 예를 들어, 데이터 획득부(141-1)는 디스플레이부(110)에서 재생되는 화면을 캡쳐하여 이미지 프레임을 획득할 수 있다. 또한, 데이터 획득부(141-1)는 셋탑박스와 같은 외부 장치로부터 영상 데이터를 수신할 수 있다. 영상 데이터는 복수의 이미지 프레임들로 구성될 수 있다. 그리고, 데이터 획득부(141-1)는 서버(200) 또는 인터넷과 같은 네트워크에서 학습용 영상 데이터를 수신할 수도 있다.
모델 학습부(141-4)는 데이터 인식 모델이 학습 데이터에 기초하여 상황을 어떻게 판단할 지에 관한 판단 기준을 갖도록 학습할 수 있다. 또한, 모델 학습부(141-4)는 데이터 인식 모델이 상황 판단을 위하여 어떤 학습 데이터를 이용해야 하는 지에 대한 선별 기준을 갖도록 학습할 수도 있다.
예를 들어, 모델 학습부(141-4)는 복수의 이미지 프레임들을 비교하여 이미지를 구분하는 물리적인 특징들을 학습할 수 있다. 이미지 프레임에서의 foreground와 background의 비율, 오브젝트의 크기, 위치, 배치 형태, 특징점 추출 등을 통하여 모델 학습부(141-4)는 이미지 프레임 구분 기준을 학습할 수 있다.
또한, 모델 학습부(141-4)는 이미지 프레임을 포함하는 컨텐츠의 장르를 구분하는 기준을 학습할 수도 있다. 예를 들어, 모델 학습부(141-4)는 이미지 프레임의 좌측 상단 또는 하단에 텍스트 박스가 존재하는 프레임들을 하나의 장르로 구분하는 기준을 학습할 수 있다. 뉴스 컨텐츠의 영상들은 주로 좌측 상단 또는 하단에 뉴스 컨텐츠를 이야기 하는 텍스트 박스가 존재하기 때문이다.
다양한 실시예에 따르면, 모델 학습부(141)는 데이터 인식 모델이 소정의 비디오/오디오 데이터의 정보 및 비디오/오디오 데이터의 유형과 관련된 학습 데이터에 기반하여 비디오/오디오 데이터의 유형을 추정할 수 있는 기준을 갖도록 학습할 수 있다.
비디오/오디오 데이터의 정보는, 예를 들면, 현재 프레임에 대한 정보인 전체 비디오/오디오에서 현재 프레임의 위치, 재생 시간 등을 포함할 수 있다. 그 밖에, 비디오/오디오에 대한 정보는 비디오/오디오 명칭, 비디오/오디오 ID, 비디오/오디오 제공자, 비디오/오디오 시리즈 정보, 장르, 실시간 방송인지에 대한 정보, 유료 컨텐츠인지에 대한 정보 중 적어도 하나를 포함할 수 있다.
비디오 데이터의 유형은, 예를 들면, 드라마, 광고, 영화, 뉴스 등을 포함할 수 있다. 오디오 데이터의 유형은, 예를 들면, 음악, 뉴스, 광고 등을 포함할 수 있다. 그러나, 오디오/비디오 데이터의 유형은 이에 한정되지는 않는다.
다양한 실시예에 따르면, 모델 학습부(141)는 데이터 인식 모델이 소정의 비디오/오디오 데이터의 정보, 비디오/오디오 데이터의 유형 및 비디오/오디오 데이터의 시청 이력(예를 들면, 다른 오디오/비디오 데이터로 시청을 변경한 이력, 또는 오디오/비디오 데이터의 시청이 종료된 후 다른 오디오/비디오 데이터를 선택하는 이력)과 관련된 학습 데이터에 기반하여 재생 중 다른 비디오/오디오 데이터로 변경될 확률을 추정할 수 있는 기준, 또는 재생이 완료된 후 다음에 재생할 비디오/오디오 데이터를 추정할 수 있는 기준을 갖도록 학습할 수 있다.
한편, 데이터 인식 모델은 미리 구축된 모델일 수 있다. 예를 들어, 데이터 인식 모델은 기본 학습 데이터(예를 들어, 샘플 이미지 등)을 입력받아 미리 구축된 모델일 수 있다.
데이터 학습부(141)는 데이터 인식 모델의 인식 결과를 향상시키거나, 데이터 인식 모델의 생성에 필요한 자원 또는 시간을 절약하기 위하여, 전처리부(141-2), 학습 데이터 선택부(141-3), 및 모델 평가부(141-5)를 더 포함할 수 있다.
전처리부(141-2)는 상황 판단을 위한 학습에 이용하기 위하여 획득된 학습 데이터가 이용될 수 있도록, 획득된 학습 데이터를 전처리할 수 있다. 전처리부(141-2)는 모델 학습부(141-4)가 상황 판단을 위한 학습을 위하여 획득된 데이터를 이용할 수 있도록, 획득된 데이터를 기설정된 포맷으로 가공할 수 있다.
예를 들어, 전처리부(141-2)는 입력된 영상 데이터를 디코딩, 스케일링, 노이즈 필터링, 해상도 변환 등을 수행하여 동일한 포맷의 이미지 프레임을 만들 수 있다. 그리고, 전처리부(141-2)는 입력된 복수의 이미지 프레임들 각각에 포함된 특정 영역만을 크롭할 수도 있다. 만일 특정 영역만을 크롭할 경우, 디스플레이 장치(100)는 더 적은 자원을 소모하여 각각의 프레임을 다른 프레임과 구분할 수 있다.
다른 예로, 전처리부(141-2)는 입력된 이미지 프레임에 포함된 텍스트 영역을 추출할 수 있다. 그리고 전처리부(141-2)는 추출된 텍스트 영역에 OCR 등의 방법을 수행하여 텍스트 데이터를 생성할 수 있다. 이렇게 전처리된 텍스트 데이터는 이미지 프레임을 구분하는데 사용될 수 있다.
학습 데이터 선택부(141-3)는 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 선택된 데이터는 모델 학습부(141-4)에 제공될 수 있다. 학습 데이터 선택부(141-3)는 상황 판단을 위한 기설정된 기준에 따라, 전처리된 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 또한, 학습 데이터 선택부(141-3)는 후술할 모델 학습부(141-4)에 의한 학습에 의해 기설정된 기준에 따라 데이터를 선택할 수도 있다.
예를 들어, 학습 초기에는 학습 데이터 선택부(141-3)가 전처리된 이미지 프레임들 중 유사도가 높은 이미지 프레임을 제거할 수 있다. 즉, 초기 학습을 위하여 학습 데이터 선택부(141-3)는 구분하기 쉬운 기준을 학습하도록 유사도가 낮은 데이터들을 선택할 수 있다.
그리고, 학습 데이터 선택부(141-3)는 학습에 의해 기설정된 기준 중 하나를 공통으로 만족하는 전처리된 이미지 프레임들을 선택할 수 있다. 이를 통해, 모델 학습부(141-4)는 이미 학습된 기준과는 상이한 다른 기준을 학습할 수 있다.
모델 평가부(141-5)는 데이터 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(141-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 데이터 인식 모델을 평가하기 위한 기설정된 데이터일 수 있다.
초기 인식 모델 구성 단계에서, 평가 데이터는 서로 다른 컨텐츠 장르를 대표하는 이미지 프레임일 수 있다. 이후에 평가 데이터는 유사도가 점점 일치하는 이미지 프레임의 세트로 대체될 수 있다. 이를 통해 모델 평가부(141-5)는 데이터 인식 모델의 성능을 점차적으로 검증할 수 있다.
예를 들어, 모델 평가부(141-5)는 평가 데이터에 대한 학습된 데이터 인식 모델의 인식 결과 중에서, 인식 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우 소정 기준을 만족하지 못한 것으로 평가할 수 있다. 예컨대, 소정 기준이 비율 2%로 정의되는 경우, 학습된 데이터 인식 모델이 총 1000개의 평가 데이터 중의 20개를 초과하는 평가 데이터에 대하여 잘못된 인식 결과를 출력하는 경우, 모델 평가부(141-5)는 학습된 데이터 인식 모델이 적합하지 않은 것으로 평가할 수 있다.
한편, 학습된 데이터 인식 모델이 복수 개가 존재하는 경우, 모델 평가부(141-5)는 각각의 학습된 데이터 인식 모델에 대하여 소정 기준을 만족하는지를 평가하고, 소정 기준을 만족하는 모델을 최종 데이터 인식 모델로서 결정할 수 있다. 이 경우, 소정 기준을 만족하는 모델이 복수 개인 경우, 모델 평가부(141-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 데이터 인식 모델로서 결정할 수 있다.
데이터 인식 모델은, 인식 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. 데이터 인식 모델은, 예를 들어, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.
다양한 실시 예에 따르면, 모델 학습부(141-4)는 미리 구축된 데이터 인식 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 데이터 인식 모델을 학습할 데이터 인식 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입별로 기분류되어 있을 수 있으며, 데이터 인식 모델은 데이터의 타입별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기분류되어 있을 수 있다.
또한, 모델 학습부(141-4)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 데이터 인식 모델을 학습시킬 수 있다.
예를 들어, 모델 학습부(141-4)는 판단 기준을 갖도록 학습할 수 있는 학습 데이터를 입력 값으로 하는 지도 학습(supervised learning) 을 통하여 데이터 인식 모델을 학습시킬 수 있다. 다른 예로, 모델 학습부(141-4)는 별도의 지도 없이 상황 판단을 위해 필요한 데이터의 종류를 스스로 학습함으로써 상황 판단을 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또 다른 예로, 모델 학습부(141-4)는 학습에 따른 상황 판단의 결과가 올바른지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다.
또한, 데이터 인식 모델이 학습되면, 모델 학습부(141-4)는 학습된 데이터 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(141-4)는 학습된 데이터 인식 모델을 디스플레이 장치(100)의 메모리(120)에 저장할 수 있다. 또는, 모델 학습부(141-4)는 학습된 데이터 인식 모델을 전자 장치와 유선 또는 무선 네트워크로 연결되는 서버(200)의 메모리에 저장할 수도 있다.
이 경우, 학습된 데이터 인식 모델이 저장되는 메모리(120)는 디스플레이 장치(100)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 함께 저장할 수도 있다. 또한, 메모리(120)는 소프트웨어 및/또는 프로그램을 저장할 수도 있다. 예를 들어, 프로그램은 커널, 미들웨어, 어플리케이션 프로그래밍 인터페이스(API) 및/또는 어플리케이션 프로그램(또는 "어플리케이션") 등을 포함할 수 있다.
한편, 데이터 학습부(141) 내의 데이터 획득부(141-1), 전처리부(141-2), 학습 데이터 선택부(141-3), 모델 학습부(141-4) 및 모델 평가부(141-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(141-1), 전처리부(141-2), 학습 데이터 선택부(141-3), 모델 학습부(141-4) 및 모델 평가부(141-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예를 들어, CPU 또는 application processor) 또는 그래픽 전용 프로세서(예를 들어, GPU, ISP)의 일부로 제작되어 전술한 각종 디스플레이 장치(100)에 탑재될 수도 있다.
또한, 데이터 획득부(141-1), 전처리부(141-2), 학습 데이터 선택부(141-3), 모델 학습부(141-4) 및 모델 평가부(141-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(141-1), 전처리부(141-2), 학습 데이터 선택부(141-3), 모델 학습부(141-4) 및 모델 평가부(141-5) 중 일부는 디스플레이 장치(100)에 포함되고, 나머지 일부는 서버(200)에 포함될 수 있다.
한편, 데이터 획득부(141-1), 전처리부(141-2), 학습 데이터 선택부(141-3), 모델 학습부(141-4) 및 모델 평가부(141-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(141-1), 전처리부(141-2), 학습 데이터 선택부(141-3), 모델 학습부(141-4) 및 모델 평가부(141-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 비일시적 컴퓨터 판독가능 기록매체에 저장될 수 있다. 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 어플리케이션에 의해 제공될 수 있다. 또는 적어도 하나의 소프트웨어 모듈 중 일부는 OS에 의해 제공되고, 나머지 일부는 소정의 어플리케이션에 의해 제공될 수도 있다.
도 4b는 본 개시의 일부 실시 예에 따른 데이터 인식부(142)의 블록도이다. 도 4b를 참조하면, 일부 실시예에 따른 데이터 인식부(142)는 데이터 획득부(142-1) 및 인식 결과 제공부(142-4)를 포함할 수 있다. 또한, 데이터 인식부()는 전처리부(142-2), 인식 데이터 선택부(142-3), 및 모델 갱신부(142-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.
데이터 획득부(142-1)는 상황 판단에 필요한 인식 데이터를 획득할 수 있다.
인식 결과 제공부(142-4)는 선택된 인식 데이터를 데이터 인식 모델에 적용하여 상황을 판단할 수 있다. 인식 결과 제공부(142-4)는 입력된 데이터의 인식 목적에 따른 인식 결과를 제공할 수 있다. 인식 결과 제공부(142-4)는 인식 데이터 선택부(142-3)에 의해 선택된 인식 데이터를 입력 값으로 이용함으로써, 선택된 데이터를 데이터 인식 모델에 적용할 수 있다. 또한, 인식 결과는 데이터 인식 모델에 의해 결정될 수 있다.
예를 들어, 인식 결과 제공부(142-4)는 선택된 이미지 프레임을 데이터 인식 모델에서 결정된 구분 기준에 따라 분류할 수 있다. 그리고 분류된 특징 값을 출력하여 프로세서(140)가 핑거프린트를 생성할 수 있도록 한다. 다른 예로, 인식 결과 제공부(142-4)는 선택된 이미지 프레임을 데이터 인식 모델에 적용하여 이미지 프레임이 속하는 컨텐츠의 장르를 판단할 수도 있다. 컨텐츠의 장르가 판단되면, 프로세서(140)는 컨텐츠 장르에 대응되는 입도의 핑거프린트 데이터를 서버(200)에 요청할 수 있다.
다양한 실시예에 따르면, 인식 결과 제공부(142-4)는 소정의 비디오/오디오 데이터의 정보와 관련된 인식 데이터를 입력 값으로 하여 비디오/오디오 데이터의 유형을 판단한 판단 결과를 획득할 수 있다.
비디오/오디오 데이터의 정보는, 예를 들면, 현재 프레임에 대한 정보인 전체 비디오/오디오에서 현재 프레임의 위치, 재생 시간 등을 포함할 수 있다. 그 밖에, 비디오/오디오에 대한 정보는 비디오/오디오 명칭, 비디오/오디오 ID, 비디오/오디오 제공자, 비디오/오디오 시리즈 정보, 장르, 실시간 방송인지에 대한 정보, 유료 컨텐츠인지에 대한 정보 중 적어도 하나를 포함할 수 있다.
비디오 데이터의 유형은, 예를 들면, 드라마, 광고, 영화, 뉴스 등을 포함할 수 있다. 오디오 데이터의 유형은, 예를 들면, 음악, 뉴스, 광고 등을 포함할 수 있다. 그러나, 오디오/비디오 데이터의 유형은 이에 한정되지는 않는다.
다양한 실시예에 따르면, 인식 결과 제공부(142-4)는 소정의 비디오/오디오 데이터의 정보, 및 비디오/오디오 데이터의 유형과 관련된 인식 데이터를 입력값으로 하여 재생 중 비디오/오디오 데이터가 다른 비디오/오디오 데이터로 변경될 확률 또는 재생이 완료된 후 다음에 이어서 재생할 비디오/오디오를 추정한 판단 결과를 획득할 수 있다.
데이터 인식부(142)는 데이터 인식 모델의 인식 결과를 향상시키거나, 인식 결과의 제공을 위한 자원 또는 시간을 절약하기 위하여, 전처리부(142-2) 및 인식 데이터 선택부(142-3) 및 모델 갱신부(142-5)를 더 포함할 수도 있다.
전처리부(142-2)는 상황 판단을 위해 획득된 인식 데이터가 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 전처리부(142-2)는 인식 결과 제공부(142-4)가 상황 판단을 위하여 획득된 인식 데이터를 이용할 수 있도록, 획득된 인식 데이터를 기설정된 포맷으로 가공할 수 있다.
인식 데이터 선택부(142-3)는 전처리된 데이터 중에서 상황 판단에 필요한 인식 데이터를 선택할 수 있다. 선택된 인식 데이터는 인식 결과 제공부(142-4)에게 제공될 수 있다. 인식 데이터 선택부(142-3)는 상황 판단을 위한 기설정된 선별 기준에 따라, 전처리된 데이터 중에서 상황 판단에 필요한 인식 데이터를 선별할 수 있다. 또한, 인식 데이터 선택부(142-3)는 전술한 모델 학습부(141-4)에 의한 학습에 의해 기설정된 선별 기준에 따라 데이터를 선택할 수도 있다.
모델 갱신부(142-5)는 인식 결과 제공부(142-4)에 의해 제공되는 인식 결과에 대한 평가에 기초하여, 데이터 인식 모델이 갱신되도록 제어할 수 있다. 예를 들어, 모델 갱신부(142-5)는 인식 결과 제공부(142-4)에 의해 제공되는 인식 결과를 모델 학습부(141-4)에게 제공함으로써, 모델 학습부(141-4)가 데이터 인식 모델을 갱신하도록 제어할 수 있다.
한편, 데이터 인식부(142) 내의 데이터 획득부(142-1), 전처리부(142-2), 인식 데이터 선택부(142-3), 인식 결과 제공부(142-4) 및 모델 갱신부(142-5) 중 적어도 하나는, 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(142-1), 전처리부(142-2), 인식 데이터 선택부(142-3), 인식 결과 제공부(142-4) 및 모델 갱신부(142-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예를 들어, CPU 또는 application processor) 또는 그래픽 전용 프로세서(예를 들어, GPU, ISP)의 일부로 제작되어 전술한 각종 디스플레이 장치(100)에 탑재될 수도 있다.
또한, 데이터 획득부(142-1), 전처리부(142-2), 인식 데이터 선택부(142-3), 인식 결과 제공부(142-4) 및 모델 갱신부(142-5) 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(142-1), 전처리부(142-2), 인식 데이터 선택부(142-3), 인식 결과 제공부(142-4) 및 모델 갱신부(142-5) 중 일부는 디스플레이 장치(100)에 포함되고, 나머지 일부는 서버(200)에 포함될 수 있다.
한편, 데이터 획득부(142-1), 전처리부(142-2), 인식 데이터 선택부(142-3), 인식 결과 제공부(142-4) 및 모델 갱신부(142-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(142-1), 전처리부(142-2), 인식 데이터 선택부(142-3), 인식 결과 제공부(142-4) 및 모델 갱신부(142-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스트럭션을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 비일시적 컴퓨터 판독가능 기록매체에 저장될 수 있다. 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 어플리케이션에 의해 제공될 수 있다. 또는 적어도 하나의 소프트웨어 모듈 중 일부는 OS에 의해 제공되고, 나머지 일부는 소정의 어플리케이션에 의해 제공될 수도 있다.
도 5는 본 개시의 일 실시 예에 따른 디스플레이 장치(100)의 구성을 상세히 설명하기 위한 블록도이다. 도 5를 참조하면, 디스플레이 장치(100)는 디스플레이부(110), 메모리(120), 통신부(130), 프로세서(140), 영상 수신부(150), 영상 처리부(160), 오디오 처리부(170) 및 오디오 출력부(180)를 포함할 수 있다.
디스플레이부(110)는 디스플레이 장치(100)에서 제공하는 각종 영상 컨텐츠, 정보, UI 등을 표시할 수 있다. 구체적으로, 디스플레이(110)는 외부 장치(ex. 셋탑박스)에서 제공하는 영상 컨텐츠 및 사용자 인터페이스 창을 표시할 수 있다. 예를 들어, 사용자 인터페이스 창은 EPG, 재생할 컨텐츠를 선택하기 위한 메뉴, 컨텐츠 관련 정보, 부가 어플리케이션 실행 버튼, 안내 메시지, 알림 메시지, 기능 설정 메뉴, 보정 설정 메뉴, 동작 실행 버튼 등을 포함할 수 있다. 이러한 디스플레이부(110)는 LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diodes), AM-OLED(Active-Matrix Organic Light-Emitting Diode), PDP(Plasma Display Panel) 등과 같은 다양한 형태로 구현될 수 있다.
메모리(120)는 디스플레이 장치(100)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(120)는 플래시 메모리, 하드디스크 등의 형태로 구현 가능하다. 예를 들어, 메모리(120)는 디스플레이 장치(100)의 동작 수행을 위한 프로그램을 저장하기 위한 ROM, 디스플레이 장치(100)의 동작 수행에 따른 데이터를 일시적으로 저장하기 위한 RAM 등을 구비할 수 있다. 또한, 각종 참조 데이터를 저장하기 위한 EEPROM(Electrically Erasable and Programmable ROM) 등을 더 구비할 수 있다.
메모리(120)에는 디스플레이부(110)에 표시될 각종 화면을 구성하기 위한 프로그램 및 데이터가 저장될 수 있다. 또한, 메모리(120)에는 특정 서비스를 수행하기 위한 프로그램 및 데이터가 저장될 수 있다. 예를 들어, 메모리(120)에는 복수의 핑거프린트, 시청 이력, 컨텐츠 정보 등이 저장될 수 있다. 핑거프린트는 프로세서(140)가 생성한 것일 수도 있고, 서버(200)로부터 수신한 것일 수도 있다.
통신부(130)는 다양한 유형의 통신 방식에 따라 서버(200)와 통신을 수행하는 기능을 수행한다. 통신부(130)는 유선 또는 무선으로 연결된 서버(200)와 핑거프린트 데이터를 송수신할 수 있다. 또한, 통신부(130)는 서버(200)로부터 컨텐츠 정보, 컨텐츠 인식 주기를 변경하기 위한 제어 신호, 추가 정보, 컨텐츠에 나오는 상품에 대한 정보 등을 수신할 수 있다. 그리고, 통신부(130)는 외부 서버로부터 영상 데이터를 스트리밍 할 수도 있다 통신부(130)는 유무선 통신을 지원하는 다양한 통신 칩을 포함할 수 있다. 예를 들어, 통신부(130)는 유선 LAN, 무선 LAN, WiFi, BT(Bluetooth), NFC(Near Field Communication) 방식으로 동작하는 칩을 포함할 수 있다.
영상 수신부(150)는 다양한 소스를 통해 영상 컨텐츠 데이터를 수신한다. 예를 들어, 영상 수신부(150)는 외부의 방송국으로부터 방송 데이터를 수신할 수 있다. 다른 예로, 영상 수신부(150)는 외부 장치(ex. 셋탑박스, DVD 플레이어)로부터 영상 데이터를 수신하거나, 통신부(130)를 통해 외부 서버로부터 스트리밍 된 영상 데이터를 수신할 수 있다.
영상 처리부(160)는 영상 수신부(150)로부터 수신한 영상 데이터에 대한 영상 처리를 수행한다. 영상 처리부(160)는 영상 데이터에 대한 디코딩, 스케일링, 노이즈 필터링, 프레임 레이트 변환, 해상도 변환과 같은 다양한 이미지 처리를 수행할 수 있다.
오디오 처리부(170)는 오디오 데이터에 대한 처리를 수행할 수 있다. 예를 들어, 오디오 처리부(170)는 오디오 데이터에 대한 디코딩, 증폭, 노이즈 필터링 등을 수행할 수 있다.
오디오 출력부(180)는 오디오 처리 모듈에서 처리한 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지를 출력할 수 있다.
프로세서(140)는 디스플레이 장치(100)의 상술한 구성들을 제어할 수 있다. 예를 들어, 프로세서(140)는 통신부(110)를 통해 핑거프린트, 컨텐츠 정보를 수신할 수 있다. 그리고, 프로세서(140)는 수신한 컨텐츠 정보를 이용하여 컨텐츠 인식 주기를 조정할 수 있다. 프로세서(140)는 단일 CPU로 구현되어 제어 동작, 검색 동작 등을 수행할 수도 있고, 복수의 프로세서 및 특정 기능을 수행하는 IP로 구현될 수도 있다.
이하에서는 도면을 참조하여 프로세서(140)의 동작을 보다 구체적으로 설명하기로 한다.
도 6은 본 개시의 일 실시 예에 따른 hybrid ACR을 설명하기 위한 도면이다. hybrid ACR이란 프로세서(140)가 메모리(120)에 저장된 핑거프린트 정보를 이용하여 재생하는 컨텐츠를 인식하는 로컬 ACR과 서버(200)에서 수신한 정보를 통해 컨텐츠를 인식하는 서버 ACR을 조합하여 사용하는 방식이다. 로컬 ACR과 서버 ACR이 조합되는 경우, 서버(200)의 부하는 줄이면서도 디스플레이 장치(100)는 정밀하게 재생되는 컨텐츠가 무엇인지 인식할 수 있다.
프로세서(140)는 현재 재생되는 컨텐츠가 무엇인지 인식하고, 인식된 결과를 바탕으로 적절한 정밀도로 ACR 동작이 수행되도록 조정할 수 있다. 예를 들어, 프로세서(140)는 컨텐츠 정보를 바탕으로 컨텐츠 인식 주기를 조정할 수 있고, 서버(200)로부터 미리 수신하여 저장할 컨텐츠 및 컨텐츠에 대한 핑거프린트의 양을 결정할 수 있다.
도 6을 참조하면, 프로세서(140)는 현재 재생되는 컨텐츠의 화면의 특징을 추출하여 핑거프린트를 생성할 수 있다. 그리고, 프로세서(140)는 메모리(120)에 저장되어 있는 복수의 핑거프린트 중에 생성된 핑거프린트와 매칭되는 핑거프린트가 존재하는지 검색할 수 있다(① Local ACR).
만일 생성된 핑거프린트에 대응되는 핑거프린트가 메모리(120)에서 검색되면, 프로세서(140)는 검색된 핑거프린트에 대응되는 컨텐츠에 대한 정보를 바탕으로 현재 재생되는 컨텐츠를 인식할 수 있다. 예를 들어, 핑거프린트에 대응되는 컨텐츠에 대한 정보는 현재 프레임에 대한 정보인 전체 컨텐츠에서 현재 프레임의 위치, 재생 시간 등을 포함할 수 있다. 또한, 핑거프린트에 대응되는 컨텐츠에 대한 정보는 컨텐츠 명칭, 컨텐츠 ID, 컨텐츠 제공자, 컨텐츠 시리즈 정보, 장르, 실시간 방송인지에 대한 정보, 유료 컨텐츠인지에 대한 정보 중 적어도 하나를 포함할 수 있다.
이와 같이 로컬 ACR이 성공되는 경우 프로세서(140)는 서버 ACR을 시도할 필요가 없기 때문에 서버(200)의 부하를 줄일 수 있다. 적절한 로컬 ACR을 위해서는 메모리(120)에 필요한 정도의 핑거프린트 정보 및 컨텐츠 정보가 저장되어 있어야 한다. 이에 대해서는 이하에서 다시 설명하기로 한다.
반대로, 생성된 핑거프린트에 대응되는 핑거프린트가 메모리(120)에서 검색되지 않으면, 프로세서(140)는 현재 재생되는 컨텐츠에 대한 정보를 요청하기 위해 쿼리를 서버(200)로 전송(② Server ACR)하도록 통신부(130)를 제어할 수 있다. 예를 들어, 쿼리에는 생성된 핑거프린트, 시청 이력, 디스플레이 장치(100)의 정보 등이 포함될 수 있다.
디스플레이 장치(100)로부터의 서버 ACR 요청에 대비하여, 서버(200)는 미리 다양한 영상 컨텐츠들에 대한 핑거프린트 데이터베이스를 구축할 수 있다. 서버(200)는 영상 컨텐츠들을 분석하여 모든 이미지 프레임의 특징을 추출할 수 있다. 그리고, 서버(200)는 추출된 특징들을 이용하여 이미지 프레임들을 서로 구분할 수 있는 핑거프린트를 생성할 수 있다. 서버(200)는 이렇게 생성된 핑거프린트를 이용하여 데이터베이스를 구축할 수 있다.
서버(200)는 요청된 쿼리로부터 적어도 하나의 핑거프린트를 추출할 수 있다. 그리고, 서버(200)는 추출된 핑거프린트를 구축된 데이터베이스에서 검색하여 현재 디스플레이 장치(100)가 어떤 컨텐츠를 재생하고 있는지 인식할 수 있다. 서버(200)는 디스플레이 장치(100)로 인식된 컨텐츠 정보를 전송할 수 있다. 그리고, 서버(200)는 인식된 컨텐츠 정보를 각각의 디스플레이 장치의 시청 이력에 추가하여 관리할 수 있다.
그리고, 프로세서(140)는 서버(200)로부터 쿼리에 응답한 현재 재생되는 컨텐츠에 대한 정보, 현재 재생되는 컨텐츠의 핑거프린트를 수신하도록 통신부(130)를 제어할 수 있다. 여기서 말하는 현재 재생되는 컨텐츠의 핑거프린트는 현재 표시되는 프레임보다 전체 컨텐츠에서 시간 상으로 뒤쪽에 위치하는 프레임들에 대한 핑거프린트일 수 있다. 쿼리에 포함된 핑거프린트로부터 현재 표시되는 프레임이 전체 컨텐츠에서 위치하는 시간을 알 수 있기 때문에, 프로세서(140)는 현재 표시되는 프레임 이후에 재생될 것으로 예상되는 프레임들에 대한 핑거프린트를 서버(200)로부터 수신할 수 있다.
로컬 ACR 방식과 서버 ACR 방식의 적절한 조합을 위하여, 프로세서(140)는 컨텐츠 인식 결과 및 시청 이력 중 적어도 하나를 기초로 로컬 ACR을 위해 서버(200)로부터 미리 수신할 핑거프린트를 결정하고, 컨텐츠 인식 주기를 변경할 것인지 결정할 수 있다.
본 개시의 일 실시 예에 따르면, 프로세서(140)는 현재 재생되는 컨텐츠에 대한 정보를 바탕으로 컨텐츠의 유형을 판단할 수 있다. 그리고, 프로세서(140)는 판단된 컨텐츠의 유형에 따라 컨텐츠 인식 주기를 변경할 수 있다. 컨텐츠의 유형은 컨텐츠의 내용, 장르, 실시간 방송인지 여부, 중요도 등의 기준을 기초로 구분될 수 있다.
다른 실시예에 따르면, 프로세서(140)는 컨텐츠에 대한 정보에 기반하여 컨텐츠의 유형을 추정하도록 설정된 데이터 인식 모델을 이용하여 컨텐츠의 유형을 추정할 수 있다. 컨텐츠의 유형을 추정하도록 설정된 데이터 인식 모델은, 예를 들어, 컨텐츠(예를 들면, 비디오/오디오 데이터)의 정보 및 컨텐츠(예를 들면, 비디오/오디오 데이터)의 유형과 관련된 학습 데이터에 기반하여 컨텐츠(예를 들면, 비디오/오디오 데이터)의 유형을 추정할 수 있는 기준을 갖도록 학습된 데이터 인식 모델일 수 있다.
예를 들어, 뉴스 컨텐츠나 광고 컨텐츠가 재생되는 것으로 인식되면, 프로세서(140)는 컨텐츠 인식 주기를 줄일 수 있다. 뉴스 컨텐츠나 광고 컨텐츠는 컨텐츠의 내용이 자주 바뀌기 때문에, 프로세서(140)는 재생되는 컨텐츠를 정확히 인식할 필요성이 있다. 예컨대, 프로세서(140)는 모든 프레임마다 컨텐츠 인식을 시도하도록 컨텐츠 인식 주기를 설정할 수 있다. 이러한 경우 도 7(a)에 도시된 바와 같이 프로세서(140)는 현재 표시되는 프레임 이후의 시간에 재생될 모든 프레임에 대한 핑거프린트 정보를 서버(200)로 요청할 수 있다.
다른 예로, 방송 프로그램 컨텐츠, 영화 컨텐츠가 재생되는 것으로 인식되면, 프로세서(140)는 컨텐츠 인식 주기를 늘일 수 있다. 방송 프로그램 컨텐츠나 영화 컨텐츠에 대해서는 각 프레임에 포함된 내용을 파악할 필요는 없으며, 동일한 컨텐츠가 계속 재생되는지 파악하는 것으로 충분할 수 있다. 따라서, 프로세서(140)는 현재 표시되는 프레임 이후의 시간에 재생될 프레임 중 컨텐츠 인식 주기와 대응되는 시간에 표시될 프레임에만 핑거프린트 정보가 포함되도록 요청할 수 있다. 도 7(b)의 예에서 4 프레임 마다 한번씩만 핑거프린트 정보가 필요하기 때문에 핑거프린트의 입도가 도 7(a)에 비해 낮다.
본 개시의 일 실시 예에 따르면, 프로세서(140)는 디스플레이 장치(100)의 사용자가 컨텐츠 시청 도중 실행한 어플리케이션을 분석하여 컨텐츠 인식 주기를 결정할 수도 있다. 예를 들어, 일반적인 경우 드라마 컨텐츠의 경우에 프로세서(140)는 컨텐츠 인식 주기를 길게 설정할 수 있다. 그러나 만일 드라마를 시청하면서 쇼핑 어플리케이션을 실행하여 PPL 상품에 대한 쇼핑을 수행한 이력이 많은 것으로 판단되면, 프로세서(140)는 드라마 컨텐츠에 대해 컨텐츠 인식 주기를 줄일 수 있다. 드라마 컨텐츠의 어느 프레임에서 PPL 상품이 나오는지 판단하여, 프로세서(140)는 연관 광고를 드라마 컨텐츠와 함께 표시하도록 디스플레이부(110)를 제어할 수 있다. 또한, 프로세서(140)는 쇼핑 어플리케이션을 바로 실행할 수 있는 UI를 표시하도록 디스플레이부(110)를 제어할 수도 있다.
이와 같이 프로세서(140)는 시청 이력 정보, 실행된 부가 어플리케이션 등에 대한 정보로부터 컨텐츠 인식 주기를 결정하는 기준을 학습할 수도 있다. 이를 통해, 프로세서(140)는 각각의 사용자마다 컨텐츠 인식 주기를 결정하는 기준을 개인화할 수 있다. 컨텐츠 인식 주기 결정 기준을 학습할 때, 프로세서(140)는 상술한 비지도 학습과 같은 인공지능에 의한 학습법이 이용될 수 있다.
본 개시의 일 실시 예에 따르면, 프로세서(140)는 인식된 컨텐츠에 따라 서버에 미리 요청할 핑거프린트의 수량을 달리 결정할 수 있다. 그리고, 인식된 컨텐츠의 유형 및 결정된 컨텐츠 인식 주기에 따라, 프로세서(140)는 요청할 현재 재생되는 컨텐츠에 대한 이후의 프레임에 대한 핑거프린트의 수량을 결정할 수 있다.
인식된 컨텐츠의 유형에 따라 서버(200)로부터 미리 수신하여 저장할 수 있는 프레임의 수량이 달라진다. 예를 들어, VOD나 DVR과 같은 경우에는 모든 영상 프레임에 대한 정보를 서버(200)가 가지고 있을 수 있으나, live 방송과 같은 경우에는 수 초 정도의 영상 정보(예를 들어, 60 Hz일 경우 수 백의 영상 프레임 정보)를 서버(200)가 디스플레이 장치(100)보다 먼저 수신할 수 있을 뿐이다. 각각의 프레임에 대응한 핑거프린트가 존재하기 때문에, 디스플레이 장치(100)가 서버(200)로부터 미리 수신하여 저장할 수 있는 핑거프린트의 수량 역시 달라진다.
예를 들어, 만일 인식된 컨텐츠의 유형이 드라마 컨텐츠여서 30초 주기로 컨텐츠를 인식하기로 설정한 경우, 프로세서(140)는 요청할 핑거프린트의 수량을 0으로 결정할 수 있다. 서버(200)는 live 방송의 30초 후에 재생될 프레임에 대응되는 핑거프린트를 갖고 있지 않기 때문에, 프로세서(140)는 불필요한 통신과정을 생략할 수 있다.
본 개시의 일 실시 예에 따르면, 프로세서(140)는 인식된 컨텐츠에 대한 정보와 시청 이력을 기초로 컨텐츠 인식 주기를 변경할 수 있다. 시청 이력은 시청한 컨텐츠, 시청 시각, 시청시 실행하였던 부가 어플리케이션 등을 포함할 수 있다. 도 8은 메모리(120)에 저장된 시청 이력 테이블의 일 예이다.
프로세서(140)는 인식된 현재 재생되는 컨텐츠와 시청 이력을 비교하여, 현재 재생되는 컨텐츠가 계속 재생될지 다른 컨텐츠가 재생될지를 판단할 수 있다. 그리고, 다른 컨텐츠가 재생될 확률에 따라, 프로세서(140)는 컨텐츠 인식 주기를 변경할 수 있다. 또한, 프로세서(140)는 다음에 재생될 것으로 예측된 컨텐츠에 대한 정보를 서버(200)로 요청하여, 로컬 ACR에 필요한 정보를 미리 서버(200)로부터 수신할 수 있다. 이를 통해 서버 ACR이 수행될 확률을 줄일 수 있기 때문에, 서버(200)의 부하가 줄어들면서도 디스플레이 장치(100)는 정밀하게 컨텐츠를 인식할 수 있다.
다양한 실시예에 따르면, 프로세서(140)는 재생되는 컨텐츠의 정보, 컨텐츠의 유형에 기반하여 재생 중에 다른 컨텐츠를 재생할 확률, 또는 재생이 완료된 후 다음에 재생할 것으로 예측되는 컨텐츠를 추정하도록 설정된 데이터 인식 모델을 이용하여 다른 컨텐츠를 재생할 확률, 또는 다음에 재생할 것으로 예측되는 컨텐츠를 추정할 수 있다.
재생 중에 다른 컨텐츠를 재생할 확률, 또는 재생이 완료된 후 다음에 재생할 것으로 예측되는 컨텐츠를 추정하도록 설정된 데이터 인식 모델은, 예를 들면, 컨텐츠(예를 들면, 비디오/오디오 데이터)의 정보, 컨텐츠(예를 들면, 비디오/오디오 데이터)의 유형 및 컨텐츠(예를 들면, 비디오/오디오 데이터)의 시청 이력(예를 들면, 다른 오디오/비디오 데이터로 시청을 변경한 이력)과 관련된 학습 데이터에 기반하여 재생 중에 다른 컨텐츠를 재생할 확률, 또는 다음에 재생할 것으로 예측되는 컨텐츠를 추정할 수 있다.
예를 들어 도 8의 시청 이력을 참조하면, 디스플레이 장치(100)의 사용자는 17:00 ~ 18:00에 주로 채널 3에서 방영되는 뉴스 컨텐츠를 시청하였다. 17:30 현재 인식된 컨텐츠가 채널 2에서 방영되는 음악 컨텐츠인 경우, 프로세서(140)는 채널이 변경될 확률이 높다고 판단할 수 있다. 따라서, 컨텐츠 인식 주기를 짧게 조정하여, 프로세서(140)는 재생되는 컨텐츠가 변경되었는지 자주 확인할 수 있다.
본 개시의 일 실시 예에 따르면, 프로세서(140)는 핑거프린트뿐 아니라 컨텐츠와 관련된 추가 정보를 서버(200)로부터 함께 수신할 수 있다. 예를 들어, 추가 정보는 컨텐츠 이름, 컨텐츠 재생 시간, 컨텐츠 제공자, 컨텐츠에 나오는 PPL 상품 정보, PPL 상품 정보와 관련된 광고, 실행 가능한 부가 어플리케이션 등을 포함할 수 있다.
예를 들어, 프로세서(140)는 특정 이미지 프레임에 PPL 상품(910)이 포함되었다는 추가 정보를 수신할 수 있다. 그리고, 프로세서(140)는 수신된 추가 정보를 포함하는 UI(920)을 컨텐츠와 함께 표시하도록 디스플레이부(110)를 제어할 수 있다. UI(920)은 PPL 상품(910) 사진, 안내 메시지, 부가 어플리케이션 실행 버튼 등을 포함할 수 있다.
상술한 실시 예들에 의해, 디스플레이 장치(100)는 컨텐츠 인식 주기를 동적으로 조정하여 서버(200) 부하를 줄이면서도 정밀한 ACR을 수행할 수 있다.
도 10은 본 개시의 일 실시 예에 따른 디스플레이 장치(100)의 컨텐츠 인식 방법을 설명하기 위한 흐름도이다.
도 10을 참조하면, 우선 디스플레이 장치(100)는 현재 재생되는 컨텐츠의 화면을 캡쳐할 수 있다. 그리고, 디스플레이 장치(100)는 캡쳐된 화면으로부터 특징을 추출하고, 추출된 특징을 이용하여 핑거프린트를 생성할 수 있다(S1010). 핑거프린트는 영상을 타 영상과 식별할 수 있는 식별 정보이다. 구체적으로, 핑거프린트는 프레임에 포함된 비디오, 오디오 신호로부터 추출된 특징 데이터이다.
다양한 실시예에 따르면, 디스플레이 장치(100)는 도 3 내지 도 4b에서 상술한 데이터 인식 모델을 이용하여 핑거프린트를 생성할 수 있다.
이어서 디스플레이 장치(100)는 생성된 핑거프린트에 대응되는 핑거프린트가 디스플레이 장치(100) 내부에 저장되어 있는지 검색할 수 있다(S1020). 즉, 디스플레이 장치(100)는 로컬 ACR을 우선적으로 실행할 수 있다. 로컬 ACR이 성공되면 디스플레이 장치(100)는 서버(200)에 쿼리하지 않고도 현재 재생되는 컨텐츠가 무엇인지 인식할 수 있다. 디스플레이 장치(100) 내부의 저장 공간도 한정되어 있기 때문에, 디스플레이 장치(100)는 미리 수신하여 저장할 핑거프린트 정보를 적절히 선정하여야 한다.
디스플레이 장치(100)는 검색 결과, 즉 로컬 ACR 결과에 따라, 생성된 핑거프린트를 포함하는 쿼리를 외부 서버(200)로 전송할지 여부를 결정할 수 있다(S1030).
도 11은 도 10의 실시 예를 보다 구체적으로 도시한 흐름도이다. S1110 및 S1120 단계는 S1010 및 S1020 단계와 대응되는바 중복 설명을 생략하기로 한다.
만일 디스플레이 장치(100)의 내부에서 생성된 핑거프린트와 대응되는 핑거프린트가 검색되면(S1130-Y), 디스플레이 장치(100)는 저장된 핑거프린트를 이용하여 현재 재생되는 컨텐츠를 인식할 수 있다(S1140).
반대로, 생성된 핑거프린트에 대응되는 핑거프린트가 검색되지 않으면(S1130-N), 디스플레이 장치(100)는 현재 재생되는 컨텐츠에 대한 정보를 요청하기 위한 쿼리를 외부 서버(200)로 전송할 수 있다(S1150). 그리고, 디스플레이 장치(100)는 서버(200)로부터 컨텐츠 정보를 수신할 수 있다(S1160). 또한, 디스플레이 장치(100)는 서버(200)로부터 이후에 재생될 것으로 예상되는 컨텐츠에 대한 핑거프린트를 더 수신할 수 있다. 예를 들어, 디스플레이 장치(100)는 현재 재생되는 프레임의 전체 컨텐츠에서의 시간 상의 위치보다 이후에 위치한 프레임에 대한 핑거프린트, 다음에 재생될 것으로 예측되는 다른 컨텐츠의 프레임에 대한 핑거프린트를 수신할 수 있다.
이와 같이 디스플레이 장치(100)는 로컬 ACR 또는 서버 ACR을 통해 현재 재생되는 컨텐츠가 무엇인지 인식할 수 있다. 이하에서는 컨텐츠가 인식된 이후의 디스플레이 장치의 동작에 대해 설명하기로 한다.
도 12a는 본 개시의 일 실시 예에 따른 디스플레이 장치(100)의 컨텐츠 인식 주기 변경 방법을 설명하기 위한 도면이다.
도 12a를 참조하면, 디스플레이 장치(100)는 현재 재생되는 컨텐츠를 인식할 수 있다(S1210). 그리고, 인식된 컨텐츠의 정보를 이용하여, 디스플레이 장치(100)는 컨텐츠의 유형을 판단할 수 있다(S1220). 예를 들어, 컨텐츠의 유형은 컨텐츠의 내용, 장르, 실시간 방송인지 여부, 중요도 등의 기준을 기초로 구분될 수 있다. 컨텐츠의 유형을 나누는 기준은 인공지능(예: 도 3 내지 도 4b의 데이터 인식 모델)을 이용하여 디스플레이 장치(100) 자체에서 학습될 수 있다.
그리고, 디스플레이 장치(100)는 판단된 컨텐츠의 유형에 따라 컨텐츠 인식 주기를 변경할 수 있다(S1230). 예를 들어, 재생되는 컨텐츠의 내용이 자주 변경되는 뉴스 컨텐츠나 광고 컨텐츠 같은 경우, 디스플레이 장치(100)는 컨텐츠 인식 주기를 짧게 설정할 수 있다. 그리고, 현재 재생되는 컨텐츠가 계속 재생되는지를 확인하면 족한 VOD 컨텐츠 같은 경우, 디스플레이 장치(100)는 컨텐츠 인식 주기를 길게 설정할 수 있다.
이러한 기준은 개인의 시청 성향에 따라 달라질 수 있다. 시청 이력을 이용하여 디스플레이 장치(100)는 개인화된 기준을 설정할 수 있다. 디스플레이 장치(100)는 이러한 기준을 비지도 방식을 이용하여 스스로 학습할 수 있다.
도 12b는 본 개시의 다른 실시예에 따른 디스플레이 장치(100)의 컨텐츠 인식 주기 변경 방법을 설명하기 위한 도면이다.
제 1 프로세서(140-1)는 디스플레이 장치(100)에 설치된 적어도 하나의 어플리케이션의 실행을 제어할 수 있다. 예를 들어, 제 1 프로세서(140-1)는 디스플레이부에 표시되는 영상을 캡쳐하여 핑거프린트를 생성하고, ACR 동작을 수행할 수 있다.
제 2 프로세서(140-2)는 데이터 인식 모델을 이용하여 컨텐츠의 유형을 추정할 수 있다. 데이터 인식 모델은, 예를 들면, 통계학적 기계 학습의 결과를 이용하여, 컨텐츠의 정보 및/또는 컨텐츠로부터 생성된 핑거프린트를 이용하여 컨텐츠의 유형을 추정하는 알고리즘 집합일 수 있다.
도 12b를 참조하면, 제 1 프로세서(140-1)는 현재 재생되는 컨텐츠를 인식할 수 있다(S1240). 제 1 프로세서(140-1)는, 예를 들면, Local ACR 또는 Server ACR을 이용하여 컨텐츠를 인식할 수 있다.
제 1 프로세서(140-1)는 컨텐츠 인식 결과를 제 2 프로세서(140-2)로 전송할 수 있다(s1245). 예를 들어, 제 1 프로세서(140-1)는 컨텐츠 인식 결과를 제 2 프로세서(140-2)로 전송하여 재생되는 컨텐츠의 유형을 추정할 것을 요청할 수 있다.
제 2 프로세서(140-2)는 데이터 인식 모델을 이용하여 재생 되는 컨텐츠의 유형을 추정할 수 있다(s1250). 예를 들면, 데이터 인식 모델은 컨텐츠(예를 들면, 비디오/오디오 데이터)의 정보 및 컨텐츠(예를 들면, 비디오/오디오 데이터)의 유형과 관련된 학습 데이터에 기반하여 컨텐츠(예를 들면, 비디오/오디오 데이터)의 유형을 추정할 수 있다.
제 2 프로세서(140-2)는 추정된 컨텐츠 유형에 따라 컨텐츠의 인식 주기를 도출할 수 있다(s1255). 예를 들어, 재생되는 컨텐츠의 내용이 자주 변경되는 뉴스 컨텐츠나 광고 컨텐츠 같은 경우, 디스플레이 장치(100)는 컨텐츠 인식 주기를 짧게 설정할 수 있다. 그리고, 현재 재생되는 컨텐츠가 계속 재생되는지를 확인하면 족한 VOD 컨텐츠 같은 경우, 디스플레이 장치(100)는 컨텐츠 인식 주기를 길게 설정할 수 있다.
제 2 프로세서(140-2)는 도출한 컨텐츠 인식 주기를 제 1 프로세서(140-1)로 전송할 수 있다(s1260). 제 1 프로세서(140-1)는 수신된 컨텐츠 인식 주기에 기반하여 컨텐츠 인식 주기를 변경할 수 있다(s1270).
다양한 실시예에 따르면, 제 1 프로세서(140-1)가 제 2 프로세서(140-2)로부터 추정된 컨텐츠 유형을 전송 받아 s1255 단계를 수행할 수 있다.
도 13a는 본 개시의 일 실시 예에 따른 디스플레이 장치(100)의 요청하는 핑거프린트 수량을 결정하는 방법을 설명하기 위한 도면이다.
도 13a를 참조하면, 디스플레이 장치(100)는 현재 재생되는 컨텐츠를 인식할 수 있다(S1310). 그리고, 인식된 컨텐츠의 정보를 이용하여, 디스플레이 장치(100)는 컨텐츠의 유형을 판단할 수 있다(S1320). 예를 들면, 디스플레이 장치(100)는 데이터 인식 모델(예: 도 3 내지 도 4b의 데이터 인식 모델)을 이용하여 컨텐츠의 유형을 판단(또는, 추정)할 수 있다.
판단된 컨텐츠의 유형에 따라 컨텐츠 인식 주기를 변경할 수 있는 것과 유사하게, 디스플레이 장치(100)는 서버(200)로부터 미리 수신할 핑거프린트의 수량을 결정할 수 있다(S1330). 컨텐츠의 유형에 따라 서버(200)에 존재하는 영상 프레임의 수가 상이하기 때문에, 서버(200)에 존재하는 각각의 프레임에 대응되는 핑거프린트의 수도 컨텐츠의 유형에 따라 달라진다.
디스플레이 장치(100)는 컨텐츠의 장르, 시청 이력, 컨텐츠가 live 방송인지 아닌지 여부 등을 고려하여 수신할 핑거프린트의 수량을 결정할 수 있다. 이렇게 결정된 수량의 핑거프린트를 수신하면, 디스플레이 장치(100)는 저장하는 핑거프린트 양을 최소화하면서도 최대한 로컬 ACR이 수행되도록 할 수 있다.
도 13b는 본 개시의 다른 실시예에 따른 디스플레이 장치(100)가 요청하는 핑거프린트 수량을 결정하는 방법을 설명하기 위한 도면이다.
제 1 프로세서(140-1)는 디스플레이 장치(100)에 설치된 적어도 하나의 어플리케이션의 실행을 제어할 수 있다. 예를 들어, 제 1 프로세서(140-1)는 디스플레이부에 표시되는 영상을 캡쳐하여 핑거프린트를 생성하고, ACR 동작을 수행할 수 있다.
제 2 프로세서(140-2)는 데이터 인식 모델을 이용하여 컨텐츠의 유형을 추정할 수 있다. 데이터 인식 모델은, 예를 들면, 통계학적 기계 학습의 결과를 이용하여, 컨텐츠의 정보 및 컨텐츠로부터 생성된 핑거프린트를 이용하여 컨텐츠의 유형을 추정하는 알고리즘 집합일 수 있다.
도 13b를 참조하면, 제 1 프로세서(140-1)는 현재 재생되는 컨텐츠를 인식할 수 있다(s1340).
제 1 프로세서(140-1)는 컨텐츠 인식 결과를 제 2 프로세서(140-2)로 전송할 수 있다(s1345).
제 2 프로세서(140-2)는 데이터 인식 모델을 이용하여 재생 되는 컨텐츠의 유형을 추정할 수 있다(s1350). 예를 들면, 데이터 인식 모델은 컨텐츠(예를 들면, 비디오/오디오 데이터)의 정보 및 컨텐츠(예를 들면, 비디오/오디오 데이터)의 유형과 관련된 학습 데이터에 기반하여 컨텐츠(예를 들면, 비디오/오디오 데이터)의 유형을 추정할 수 있다.
제 2 프로세서(140-2)는 추정된 컨텐츠 유형에 따라 서버(예: 도 1의 서버(200))에 요청하는 핑거프린트 수량을 도출할 수 있다(s1355). 컨텐츠의 유형에 따라 서버(200)에 존재하는 영상 프레임의 수가 상이하기 때문에, 서버(200)에 존재하는 각각의 프레임에 대응되는 핑거프린트의 수량도 컨텐츠의 유형에 따라 달라질 수 있다.
제 2 프로세서(140-2)는 도출한 핑거프린트의 요청 수량을 제 1 프로세서(140-1)로 전송할 수 있다(s1360). 제 1 프로세서(140-1)는 수신된 핑거프린트의 요청 수량에 기반하여 핑거프린트 요청 수량을 결정할 수 있다(s1365).
다양한 실시예에 따르면, 제 1 프로세서(140-1)가 제 2 프로세서(140-2)로부터 추정된 컨텐츠 유형을 전송 받아 s1355 단계를 수행할 수 있다.
도 14a 내지 도 15b는 본 개시의 다양한 실시 예에 따른 디스플레이 장치(100)의 컨텐츠 예측 방법을 설명하기 위한 도면이다.
도 14a를 참조하면, 디스플레이 장치(100)는 현재 재생되는 컨텐츠를 인식할 수 있다(S1410). 그리고, 디스플레이 장치(100)는 인식된 컨텐츠 정보와 시청 이력을 기초로 현재 재생되는 컨텐츠가 변경될 확률을 계산할 수 있다(S1420). 예를 들어, 시청 이력에는 시청 채널, 시청 시간, 디스플레이 장치의 ID, 사용자 정보, 실행된 부가 어플리케이션 등이 포함될 수 있다.
다양한 실시예에 따르면, 디스플레이 장치(100)는 데이터 인식 모델(예: 도 3 내지 도 4b의 데이터 인식 모델)을 이용하여 현재 재생되는 컨텐츠가 변경될 확률을 추정할 수 있다.
그리고, 계산된 확률에 따라 디스플레이 장치(100)는 컨텐츠 인식 주기를 변경할 수 있다(S1430). 예를 들어, 시청 이력을 참조할 때 현재 인식된 컨텐츠와 다른 컨텐츠를 평소 즐겨 시청하는 것으로 판단되면, 디스플레이 장치(100)는 현재 재생되는 컨텐츠가 변경될 확률이 높다고 판단할 수 있다. 이러한 경우 디스플레이 장치(100)는 컨텐츠 인식 주기를 짧게 변경할 수 있다.
반대로, 평소 시청 이력과 대응되는 컨텐츠가 재생되는 것으로 판단되면, 디스플레이 장치(100)는 현재 재생되는 컨텐츠가 변경될 확률이 낮다고 판단할 수 있다. 이러한 경우 디스플레이 장치(100)는 컨텐츠 인식 주기를 길게 변경할 수 있다.
도 14b는 제 1 프로세서(140-1)와 제 2 프로세서(140-2)를 포함하는 디스플레이 장치(100)가 컨텐츠를 예측하여 컨텐츠 인식 주기를 변경하는 방법을 설명하기 위한 도면이다.
제 1 프로세서(140-1)는 디스플레이 장치(100)에 설치된 적어도 하나의 어플리케이션의 실행을 제어할 수 있다. 예를 들어, 제 1 프로세서(140-1)는 디스플레이부에 표시되는 영상을 캡쳐하여 핑거프린트를 생성하고, ACR 동작을 수행할 수 있다.
제 2 프로세서(140-2)는 데이터 인식 모델을 이용하여 컨텐츠 변경 확률을 추정할 수 있다. 데이터 인식 모델은, 예를 들면, 비디오/오디오 데이터의 정보, 비디오/오디오 데이터의 유형 및 비디오/오디오 데이터의 시청 이력(예를 들면, 다른 오디오/비디오 데이터로 시청을 변경한 이력)과 관련된 학습 데이터에 기반하여 재생 중 다른 비디오/오디오 데이터로 변경될 확률을 추정하는 알고리즘 집합일 수 있다.
도 14b를 참조하면, 제 1 프로세서(140-1)는 현재 재생되는 컨텐츠를 인식할 수 있다(s1440).
제 1 프로세서(140-1)는 컨텐츠 인식 결과를 제 2 프로세서(140-2)로 전송할 수 있다(s1445).
제 2 프로세서(140-2)는 데이터 인식 모델을 이용하여 재생 되는 컨텐츠가 변경될 확률을 추정할 수 있다(s1450).
제 2 프로세서(140-2)는 추정된 확률에 따라 컨텐츠 인식 주기를 도출할 수 있다(s1455).
제 2 프로세서(140-2)는 도출된 컨텐츠 인식 주기를 제 1 프로세서(140-1)로 송부할 수 있다(s1460).
제 1 프로세서(140-1)는 수신된 컨텐츠 인식 주기에 기반하여 컨텐츠 인식 주기를 변경할 수 있다(s1465).
다양한 실시예에 따르면, 제 1 프로세서(140-1)가 제 2 프로세서(140-2)로부터 추정된 컨텐츠 변경 확률을 전송 받아 s1455 단계를 수행할 수 있다.
도 15a를 참조하면, 디스플레이 장치(100)는 현재 재생되는 컨텐츠를 인식할 수 있다(S1510). 그리고, 디스플레이 장치(100)는 시청 이력을 기초로 다음에 재생될 컨텐츠를 예측할 수 있다(S1520). 예를 들어, 디스플레이 장치(100)의 사용자가 특정한 채널 2개를 주로 시청하는 시청 이력을 갖고 있는 경우, 디스플레이 장치(100)는 2개의 채널에서 재생될 컨텐츠를 다음에 재생될 컨텐츠로 예측할 수 있다.
다양한 실시예에 따르면, 디스플레이 장치(100)는 데이터 인식 모델(예: 도 3 내지 도 4b의 데이터 인식 모델)을 이용하여 현재 재생되는 컨텐츠 다음에 재생될 컨텐츠를 추정할 수 있다.
이어서, 디스플레이 장치(100)는 예측된 컨텐츠의 핑거프린트 정보를 서버(200)에 요청할 수 있다(S1530). 그리고, 디스플레이 장치(100)는 서버(200)로부터 예측된 컨텐츠에 대한 정보를 미리 수신하여 저장할 수 있다(S1540).
서버(200)에서 디스플레이 장치(100)로 전송하는 예측된 컨텐츠에 대한 정보는 현재 디스플레이 장치(100)에서 재생되는 컨텐츠의 정보, 현재 재생되는 컨텐츠 및 다음에 재생될 것으로 예측된 컨텐츠의 핑거프린트, 디스플레이 장치(100)의 컨텐츠 인식 주기를 변경하는 제어 신호 중 적어도 하나를 포함할 수 있다. 예를 들어, 디스플레이 장치(100)는 상술한 2개의 채널에서 재생될 컨텐츠의 핑거프린트 정보를 미리 서버(200)로부터 수신하여 저장할 수 있다. 이를 통해 디스플레이 장치(100)는 로컬 ACR에서 사용할 핑거프린트를 최적화하여 수신할 수 있다.
도 15b는 제 1 프로세서(140-1)와 제 2 프로세서(140-2)를 포함하는 디스플레이 장치(100)가 컨텐츠를 예측하여 예측된 컨텐츠에 대한 정보를 미리 수신하는 방법을 설명하기 위한 도면이다.
제 1 프로세서(140-1)는 디스플레이 장치(100)에 설치된 적어도 하나의 어플리케이션의 실행을 제어할 수 있다. 예를 들어, 제 1 프로세서(140-1)는 디스플레이부에 표시되는 영상을 캡쳐하여 핑거프린트를 생성하고, ACR 동작을 수행할 수 있다.
제 2 프로세서(140-2)는 데이터 인식 모델을 이용하여 컨텐츠 변경 확률을 추정할 수 있다. 예를 들어, 데이터 인식 모델은 비디오/오디오 데이터의 정보, 비디오/오디오 데이터의 유형 및 비디오/오디오 데이터의 시청 이력(예를 들면, 다른 오디오/비디오 데이터로 시청을 변경한 이력)과 관련된 학습 데이터에 기반하여 재생이 완료된 후 다음에 재생할 비디오/오디오 데이터를 추정하는 알고리즘일 수 있다.
도 15b를 참조하면, 제 1 프로세서(140-1)는 현재 재생되는 컨텐츠를 인식할 수 있다(s1550).
제 1 프로세서(140-1)는 컨텐츠 인식 결과를 제 2 프로세서(140-2)로 전송할 수 있다(s1555).
제 2 프로세서(140-2)는 데이터 인식 모델을 이용하여 현재 재생 중인 컨텐츠 다음에 재생될 컨텐츠를 추정할 수 있다(s1560).
제 2 프로세서(140-2)는 다음에 재생될 수 있는 컨텐츠를 제 1 프로세서(140-1)로 전송할 수 있다(s1565).
제 1 프로세서(140-1)는 예측된 컨텐츠의 정보를 서버(예: 도 1의 서버(200))에 요청할 수 있다(s1570).
제 1 프로세서(140-1)는 서버(예: 도 1 의 서버(200))로부터 수신된 컨텐츠의 정보를 수신하여 저장할 수 있다(s1575).
다양한 실시예에 따르면, 제 2 프로세서(140-2)가 s1570 단계를 수행할 수 있다.
도 16은 본 개시의 일부 실시 예에 따른 디스플레이 장치(100)와 서버(200)의 연동으로 데이터가 학습되고 인식되는 것을 설명하기 위한 도면이다.
도 16을 참조하면, 서버(200)는 컨텐츠 인식을 위한 기준 및/또는 컨텐츠 유형을 추정하기 위한 기준 및/또는 컨텐츠 변경 확률을 추정하기 위한 기준을 학습할 수 있으며, 디스플레이 장치(100)는 서버(200)에 의한 학습 결과에 기초하여 이미지 프레임들을 구분하는 기준을 설정하고, 컨텐츠의 유형, 컨텐츠 변경 확률 등을 판단할 수 있다.
이 경우, 서버(200)의 데이터 학습부(240)는 도 4a 에 도시된 데이터 학습부(141)의 기능을 수행할 수 있다. 서버(200)의 데이터 학습부(240)는 데이터 인식 모델이 비디오/오디오 데이터에 대한 특징 분석을 위한 기준을 갖도록 학습할 수 있다. 서버(200)는 학습된 기준에 따라 캡쳐된 각 프레임의 특징을 분석하여 핑거프린트를 생성할 수 있다.
데이터 학습부(240)는 캡쳐된 컨텐츠의 화면(또는 프레임)의 특징을 판단하기 위하여 어떠한 학습 데이터를 이용할 것인지 결정할 수 있다. 또한, 데이터 학습부(240)는 결정된 학습 데이터를 이용하여 캡쳐된 컨텐츠의 특징을 추출하기 위한 기준을 학습할 수 있다. 데이터 학습부(240)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써 특징 분석을 위한 기준을 학습할 수 있다.
다양한 실시예에 따르면, 데이터 학습부(240)는 데이터 인식 모델이 소정의 비디오/오디오 데이터의 정보 및 비디오/오디오 데이터의 유형과 관련된 학습 데이터에 기반하여 비디오/오디오 데이터의 유형을 추정할 수 있는 기준을 갖도록 학습할 수 있다.
다양한 실시예에 따르면, 데이터 학습부(240)는 데이터 인식 모델이 소정의 비디오/오디오 데이터의 정보, 비디오/오디오 데이터의 유형 및 비디오/오디오 데이터의 시청 이력(예를 들면, 다른 오디오/비디오 데이터로 시청을 변경한 이력)과 관련된 학습 데이터에 기반하여 재생 중 다른 비디오/오디오 데이터로 변경될 확률을 추정하거나, 재생이 완료된 후 다음에 재생할 비디오/오디오 데이터를 추정할 수 있는 기준을 갖도록 학습할 수 있다.
또한, 디스플레이 장치(100)의 인식 결과 제공부(142-4)는 인식 데이터 선택부(142-3)에 의해 선택된 데이터를 서버(200)에 의해 생성된 데이터 인식 모델에 적용하여 상황을 판단할 수 있다. 또한, 인식 결과 제공부(142-4)는 서버(200)에 의해 생성된 인식 모델을 서버(200)로부터 수신하고, 수신된 인식 모델을 이용하여 이미지 분석, 컨텐츠 유형 판단 등을 수행할 수 있다. 그리고, 디스플레이 장치(100)의 모델 갱신부(142-5)는 서버(200)의 모델 학습부(240-4)에게 이미지 분석, 컨텐츠 유형 판단 등을 제공하여 데이터 인식 모델을 갱신할 수도 있다.
즉, 디스플레이 장치(100)는 서버(200)의 컴퓨팅 파워를 이용하여 생성된 데이터 인식 모델을 이용할 수 있다. 또한, 복수의 디스플레이 장치(100)에서 학습 또는 인식된 데이터 정보를 서버(200)로 전송함으로써, 서버(200)의 데이터 인식 모델을 갱신할 수도 있다. 또한, 복수의 디스플레이 장치(100) 각각에서 학습 또는 인식된 데이터 정보를 서버(200)로 전송하여, 각각의 디스플레이 장치(100)에 적합하게 개인화된 데이터 인식 모델을 서버(200)가 생성하도록 할 수도 있다.
도 17은 본 개시의 일 실시 예에 따른 디스플레이 시스템(1000)의 컨텐츠 인식 방법을 설명하기 위한 시퀀스도이다. 디스플레이 시스템(1000)은 디스플레이 장치(100)와 서버(200)를 포함할 수 있다. 도 17은 디스플레이 장치(100)에서 핑거프린트를 요청하는 pull 방식에 대해 도시하고 있다.
우선 디스플레이 장치(100)는 현재 재생되는 컨텐츠의 화면을 캡쳐할 수 있다(S1605). 그리고, 디스플레이 장치(100)는 캡쳐된 화면을 분석하여 특징을 추출할 수 있다. 이어서, 디스플레이 장치(100)는 추출된 특징을 이용하여 캡쳐된 화면을 다른 이미지 프레임과 구분할 수 있는 핑거프린트를 생성할 수 있다(S1610).
디스플레이 장치(100)는 생성된 핑거프린트와 저장된 핑거프린트를 매칭하는 로컬 ACR을 수행할 수 있다(S1615). 로컬 ACR로 현재 재생되는 컨텐츠가 인식되는 경우에 대한 설명은 생략하기로 한다. 만일 로컬 ACR로 현재 재생되는 컨텐츠가 인식되지 않으면, 디스플레이 장치(100)는 생성된 핑거프린트가 포함된 쿼리를 서버로 전송할 수 있다(S1625).
서버(200)는 미리 여러 컨텐츠들을 분석하여 핑거프린트 데이터베이스를 구축해놓을 수 있다(S1620). 서버(200)는 수신된 쿼리에서 핑거프린트를 추출할 수 있다. 그리고, 서버(200)는 추출한 핑거프린트를 핑거프린트 데이터베이스에 저장된 복수의 핑거프린트들과 매칭할 수 있다(S1630). 서버(200)는 매칭된 핑거프린트를 통해 디스플레이 장치(100)가 문의한 컨텐츠가 무엇인지 인식할 수 있다. 서버(200)는 디스플레이 장치(100)로 인식된 컨텐츠의 정보 및 인식된 컨텐츠의 다음 이미지 프레임들에 대한 핑거프린트를 전송할 수 있다(S1635).
예를 들어, 디스플레이 장치(100)는 서버(200)에 생성된 핑거프린트에 대한 정보를 요청하는 쿼리를 전송할 수 있다. 서버(200)는 쿼리 API를 이용하여 수신한 쿼리에 대한 응답을 생성하여 제공할 수 있다. 쿼리 API는 쿼리에 포함된 핑거프린트를 핑거프린트 데이터베이스에서 검색하고, 저장된 관련 정보를 제공하는 API(Application Programming Interface)일 수 있다. 쿼리가 수신되면, 서버(200)의 쿼리 API는 쿼리에 포함되어 전송된 핑거프린트가 핑거프린트 데이터베이스에 존재하는지 검색할 수 있다. 핑거프린트가 검색되면, 쿼리 API는 쿼리에 대한 응답으로 컨텐츠 명칭, 검색된 핑거프린트와 대응되는 프레임의 전체 컨텐츠에서의 위치, 재생 시간 등을 디스플레이 장치(100)로 전송할 수 있다. 또한, 쿼리 API는 핑거프린트가 나타내는 프레임보다 전체 컨텐츠에서 시간상으로 뒤에 위치하는 프레임들과 대응되는 핑거프린트를 디스플레이 장치(100)로 전송할 수 있다.
또한, 디스플레이 장치(100)에서 재생되는 컨텐츠가 서버(200)를 통하여 스트리밍 가능한 경우라면(예를 들어, VOD 또는 방송 신호), 서버(200)는 인식된 컨텐츠의 다음 프레임들과 함께 핑거프린트를 디스플레이 장치(100)로 전송할 수도 있다. 이 경우 핑거프린트는 인식된 컨텐츠의 대응되는 프레임과 쌍을 이루어 전송될 수 있다. 예를 들어, 핑거프린트가 컨텐츠에 부가된 하나의 파일의 형태일 수도 있고, 핑거프린트에 핑거프린트와 대응되는 프레임을 매핑하는 정보가 포함할 수도 있다.
디스플레이 장치(100)는 수신된 컨텐츠 정보를 이용하여 컨텐츠의 장르, 중요도 등을 판단할 수 있다. 그리고, 디스플레이 장치(100)는 판단된 컨텐츠의 장르, 중요도 등의 기준을 기초로 컨텐츠 인식 주기를 변경할 수 있다(S1640). 또한, 디스플레이 장치(100)는 시청 이력을 컨텐츠 정보와 함께 이용하여 다음에 재생될 컨텐츠를 예측할 수 있다(S1645). 다음에 재생될 컨텐츠는 현재 재생되는 컨텐츠와 상이한 컨텐츠를 말한다.
디스플레이 장치(100)는 예측된 컨텐츠에 대한 핑거프린트를 서버(200)에 요청할 수 있다(S1650). 또한, 디스플레이 장치(100)는 핑거프린트 뿐만 아니라 예측된 컨텐츠 자체를 서버(200)에 요청할 수도 있다. 이에 대응하여 서버(200)는 디스플레이 장치(100)로 요청된 핑거프린트를 송신할 수 있다(S1655). 만일, 서버(200)에 예측된 컨텐츠가 저장되어 있는 경우 또는 서버(200)를 통해 디스플레이 장치(100)로 스트리밍 가능한 경우라면, 서버(200)는 디스플레이 장치(100)에 요청된 핑거프린트 뿐만 아니라 핑거프린트와 쌍을 이루는 컨텐츠 또한 디스플레이 장치(100)로 송신할 수 있다.
디스플레이 장치(100)는 수신된 핑거프린트를 저장하여 다음 컨텐츠 인식 주기가 도래하면 로컬 ACR에 이용할 수 있다.
도 18은 본 개시의 따른 실시 예에 따른 디스플레이 시스템(1000)의 컨텐츠 인식 방법을 설명하기 위한 시퀀스도이다. 디스플레이 시스템(1000)은 디스플레이 장치(100)와 서버(200)를 포함할 수 있다. 도 18은 서버(200)에서 핑거프린트를 선제적으로 전송하는 push 방식에 대해 도시하고 있다.
우선 디스플레이 장치(100)는 현재 재생되는 컨텐츠의 화면을 캡쳐할 수 있다(S1805). 그리고, 디스플레이 장치(100)는 캡쳐된 화면을 분석하여 특징을 추출할 수 있다. 이어서, 디스플레이 장치(100)는 추출된 특징을 이용하여 캡쳐된 화면을 다른 이미지 프레임과 구분할 수 있는 핑거프린트를 생성할 수 있다(S1810).
디스플레이 장치(100)는 생성된 핑거프린트와 저장된 핑거프린트를 매칭하는 로컬 ACR을 수행할 수 있다(S1815). 그리고, 만일 로컬 ACR로 현재 재생되는 컨텐츠가 인식되지 않으면, 디스플레이 장치(100)는 생성된 핑거프린트가 포함된 쿼리를 서버로 전송할 수 있다(S1825).
쿼리에는 핑거프린트 뿐만 아니라 디스플레이 장치(100)의 정보가 포함될 수도 있다. 예를 들어, 디스플레이 장치(100)의 정보는 디스플레이 장치(100)의 물리 ID, 디스플레이 장치(100)의 IP 주소, 디스플레이 장치(100)를 통해 서버(200)로 전송된 사용자 ID와 같이 디스플레이 장치(100)의 사용자를 특정할 수 있는 정보일 수 있다.
서버(200)는 디스플레이 장치(100)의 정보를 이용하여 각각의 디스플레이 장치(100)에 대한 시청 이력 등을 관리할 수 있다. 예를 들어, 서버(200)는 클라이언트 장치가 접속하면 장치 ID를 수집하고, 각각의 장치 ID에 대해 시청 이력을 관리하는 클라이언트 관리 API를 이용하여 상술한 동작을 수행할 수도 있다.
서버(200)는 미리 여러 컨텐츠들을 분석하여 핑거프린트 데이터베이스를 구축해놓을 수 있다(S1820). 서버(200)는 데이터베이스에 핑거프린트에 대응되는 컨텐츠의 정보를 저장하고 있을 수 있다. 예를 들어, 서버(200)는 핑거프린트에 대응되는 컨텐츠의 컨텐츠 명칭, 핑거프린트에 대응되는 프레임의 전체 컨텐츠에서의 위치, 재생 시간, 컨텐츠 ID, 컨텐츠 제공자, 컨텐츠 시리즈 정보, 장르, 실시간 방송인지에 대한 정보, 유료 컨텐츠인지에 대한 정보 등을 데이터베이스화하여 저장할 수 있다.
서버(200)는 수신된 쿼리에서 핑거프린트를 추출할 수 있다. 예를 들어, 서버(200)의 쿼리 API는 수신된 쿼리의 스트링 정보에서 핑거프린트에 해당하는 정보만을 추출할 수 있다. 그리고, 서버(200)는 추출한 핑거프린트를 핑거프린트 데이터베이스에 저장된 복수의 핑거프린트들과 매칭할 수 있다(S1830).
서버(200)는 매칭된 핑거프린트를 통해 디스플레이 장치(100)가 문의한 컨텐츠가 무엇인지 인식할 수 있다. 서버(200)는 판단된 컨텐츠 정보를 이용하여 컨텐츠의 장르, 중요도 등을 판단할 수 있다. 그리고, 서버(200)는 판단된 컨텐츠의 장르, 중요도 등의 기준을 기초로 컨텐츠 인식 주기를 변경할 수 있다(S1835). 또한, 서버(200)는 시청 이력을 컨텐츠 정보와 함께 이용하여 다음에 재생될 컨텐츠를 예측할 수 있다(S1840). 즉, 도 18의 실시 예에서는 서버(200)가 컨텐츠 인식 주기 변경, 다음에 재생될 컨텐츠 예측과 같은 동작을 수행할 수 있다.
이러한 과정에서 파악된 정보를 기초로, 서버(200)는 디스플레이 장치(100)의 요청 없이도 핑거프린트 정보 등을 디스플레이 장치(100)로 전송할 수 있다(S1845). 예를 들어, 서버(200)는 현재 디스플레이 장치(100)에서 재생되는 컨텐츠의 정보, 현재 재생되는 컨텐츠 및 다음에 재생될 것으로 예측된 컨텐츠의 핑거프린트, 그리고, 디스플레이 장치(100)의 컨텐츠 인식 주기를 변경하는 제어 신호등을 디스플레이 장치(100)로 송신할 수 있다. 다른 예로, 서버(200)는 다음에 재생될 것으로 예측된 컨텐츠 자체를 핑거프린트와 함께 전송할 수도 있다. 이 경우 컨텐츠의 각 프레임 모두에 핑거프린트가 결합될 수도 있고, 컨텐츠 인식 주기에 따라 설정된 간격의 프레임 마다 핑거프린트가 결합될 수 도 있다.
또한, 서버(200)는 디스플레이 장치(100)에서 표시될 컨텐츠의 프레임에 포함되는 제품에 관한 광고 화면, 제품 구매 UI 등을 디스플레이 장치(100)의 요청 없이도 디스플레이 장치(100)로 전송할 수 있다. 서버(200)는 디스플레이 장치(100)로부터 수신한 디스플레이 장치(100) 정보로부터 시청 중 제품 구매 이력 등을 파악할 수 있다. 제품 구매 이력, 시청 이력과 같은 개인화된 정보를 이용하여, 서버(200)는 광고 화면 등을 전송하는 빈도를 변경할 수도 있다.
서버(200)는 디스플레이 장치(100)의 해상도 정보, 컨텐츠의 프레임에서 배경에 해당하는 부분이 어느 부분인지에 대한 정보 등을 이용하여, 디스플레이 장치(100)에서 표시되는 각각의 화면에 적합한 크기로 광고 화면을 생성할 수 있다. 그리고, 서버(200)는 디스플레이 장치(100)의 화면에서 적합한 위치에 광고 화면이 표시되도록 하는 제어 신호를 생성된 광고 화면과 함께 디스플레이 장치(100)로 전송할 수도 있다.
다른 예로, 서버(200)는 제2 서버(300)에 광고 화면을 제공하도록 요청할 수도 있다. 예를 들어, 제2 서버(300)는 광고 제공 기능을 수행하는 별도의 서버일 수 있다. 제2 서버(300)는 서버(200)로부터 광고를 제공할 제품, 디스플레이 장치(100)의 해상도 등이 포함된 정보를 수신할 수 있다. 수신된 정보에 대응하여, 제2 서버(300)는 적합한 크기의 광고 화면을 생성할 수 있다. 제2 서버(300)는 생성된 광고 화면을 서버(200)로 전송할 수도 있고, 직접 디스플레이 장치(100)로 전송할 수도 있다. 제2 서버(300)가 디스플레이 장치(100)로 직접 광고 화면을 전송하는 실시 예에서, 서버(200)는 제2 서버(300)에 디스플레이 장치(100)의 IP 주소와 같은 통신 가능한 정보를 제공할 수 있다.
도 19는 일 실시예에 따른 디스플레이 장치(100)가 서버(200)와 연동하여 컨텐츠 변경 확률에 따라 컨텐츠 인식 주기를 변경하는 상황을 설명하기 위한 도면이다.
서버(200)는 데이터 인식 모델을 이용하여 컨텐츠 변경 확률을 추정할 수 있다. 데이터 인식 모델은, 예를 들면, 비디오/오디오 데이터의 정보, 비디오/오디오 데이터의 유형 및 비디오/오디오 데이터의 시청 이력(예를 들면, 다른 오디오/비디오 데이터로 시청을 변경한 이력)과 관련된 학습 데이터에 기반하여 재생 중 다른 비디오/오디오 데이터로 변경될 확률을 추정하는 알고리즘 집합일 수 있다.
이 경우, 디스플레이 장치(100) 및 서버(200) 간에 데이터를 송/수신하기 위한 인터페이스가 정의될 수 있다.
예를 들면, 데이터 인식 모델에 적용할 학습 데이터를 인자 값(또는, 매개 값 또는 전달 값)으로 갖는 API((application program interface)가 정의될 수 있다. API는 어느 하나의 프로토콜(예로, 디스플레이 장치(100)에서 정의된 프로토콜)에서 다른 프로토콜(예를 들면, 서버(200)에서 정의된 프로토콜)의 어떤 처리를 위해 호출할 수 있는 서브 루틴 또는 함수의 집합으로 정의될 수 있다. 즉, API를 통하여 어느 하나의 프로토콜에서 다른 프로토콜의 동작이 수행될 수 있는 환경이 제공될 수 있다.
도 19를 참조하면, 디스플레이 장치(100)는 현재 재생되는 컨텐츠를 인식할 수 있다(s1910). 디스플레이 장치(100)는, 예를 들면, Local ACR 또는 Server ACR을 이용하여 컨텐츠를 인식할 수 있다.
디스플레이 장치(100)는 컨텐츠 인식 결과를 서버(200)로 전송할 수 있다(s1920). 예를 들어, 디스플레이 장치(100)는 컨텐츠 인식 결과를 서버(200)로 전송하여 재생되는 컨텐츠의 변경 확률을 추정할 것을 요청할 수 있다.
서버(200)는 데이터 인식 모델을 이용하여 재생 되는 컨텐츠의 변경 확률을 추정할 수 있다(s1930).
서버(200)는 추정된 컨텐츠의 변경 확률에 따라 컨텐츠의 인식 주기를 도출할 수 있다(s1940). 예를 들어, 디스플레이 장치(100)가 서버(200)로 요청한 쿼리 이력(예: 채널 변경 등)에 기반한 시청 이력을 참조할 때 현재 인식된 컨텐츠와 다른 컨텐츠를 평소 즐겨 시청하는 것으로 판단되면, 디스플레이 장치(100)는 현재 재생되는 컨텐츠가 변경될 확률이 높다고 판단할 수 있다. 이러한 경우 디스플레이 장치(100)는 컨텐츠 인식 주기를 짧게 변경할 수 있다.
반대로, 평소 시청 이력과 대응되는 컨텐츠가 재생되는 것으로 판단되면, 디스플레이 장치(100)는 현재 재생되는 컨텐츠가 변경될 확률이 낮다고 판단할 수 있다. 이러한 경우 디스플레이 장치(100)는 컨텐츠 인식 주기를 길게 변경할 수 있다.
서버(200)는 도출한 컨텐츠 인식 주기를 디스플레이 장치(100)로 전송할 수 있다(s1950). 디스플레이 장치(100)는 수신된 컨텐츠 인식 주기에 기반하여 컨텐츠 인식 주기를 변경할 수 있다(s1960).
도 20은 디스플레이 장치(100)가 서버(200)와 연동하여 다음에 재생될 컨텐츠를 예측하여 예측된 컨텐츠에 대한 정보를 미리 수신하는 방법을 설명하기 위한 도면이다.
서버(200)는 데이터 인식 모델을 이용하여 컨텐츠 변경 확률을 추정할 수 있다. 예를 들어, 데이터 인식 모델은 비디오/오디오 데이터의 정보, 비디오/오디오 데이터의 유형 및 비디오/오디오 데이터의 시청 이력(예를 들면, 다른 오디오/비디오 데이터로 시청을 변경한 이력)과 관련된 학습 데이터에 기반하여 재생이 완료된 후 다음에 재생할 비디오/오디오 데이터를 추정하는 알고리즘일 수 있다.
도 20을 참조하면, 디스플레이 장치(100)는 현재 재생되는 컨텐츠를 인식할 수 있다(s2010).
디스플레이 장치(100)는 컨텐츠 인식 결과를 서버(200)로 전송할 수 있다(s2020).
서버(200)는 데이터 인식 모델을 이용하여 현재 재생 중인 컨텐츠 다음에 재생될 컨텐츠를 추정할 수 있다(s2030).
서버(200)는 추정된 컨텐츠에 대한 정보를 검색할 수 있다(s2040).
서버(200)는 다음에 재생될 수 있는 컨텐츠에 대한 정보를 디스플레이 장치(100)로 전송할 수 있다(S2050).
디스플레이 장치(100)는 서버(200)로부터 수신된 컨텐츠의 정보를 수신하여 저장할 수 있다(s2060).
도 21은 디스플레이 장치(100)가 복수 개의 서버(200, 201)와 연동하여 다음에 재생될 컨텐츠를 예측하여 예측된 컨텐츠에 대한 정보를 미리 수신하는 방법을 설명하기 위한 도면이다.
제 1 서버(200)는 데이터 인식 모델을 이용하여 컨텐츠 변경 확률을 추정할 수 있다. 예를 들어, 데이터 인식 모델은 비디오/오디오 데이터의 정보, 비디오/오디오 데이터의 유형 및 비디오/오디오 데이터의 시청 이력(예를 들면, 다른 오디오/비디오 데이터로 시청을 변경한 이력)과 관련된 학습 데이터에 기반하여 재생이 완료된 후 다음에 재생할 비디오/오디오 데이터를 추정하는 알고리즘일 수 있다.
제 3 서버(201)는, 예를 들면, 컨텐츠에 대한 정보를 저장하고 있는 클라우드 서버를 포함할 수 있다.
도 21을 참조하면, 디스플레이 장치(100)는 현재 재생되는 컨텐츠를 인식할 수 있다(s2110).
디스플레이 장치(100)는 컨텐츠 인식 결과를 제 1 서버(200)로 전송할 수 있다(s2120).
제 1서버(200)는 데이터 인식 모델을 이용하여 현재 재생 중인 컨텐츠 다음에 재생될 컨텐츠를 추정할 수 있다(s1030).
제 1 서버(200)는 추정된 컨텐츠를 제 2 서버에 전송하여 정보 검색을 요청할 수 있다(s2140).
제 3 서버(201)는 컨텐츠에 대한 정보를 검색할 수 있다(s2150).
제 3 서버(201)는 다음에 재생될 수 있는 컨텐츠에 대한 정보를 제 1 서버(200)로 전송할 수 있다(s2160). 그리고, 제 1 서버(200)는 다음에 재생될 수 있는 컨텐츠에 대한 정보를 디스플레이 장치(100)로 전송할 수 있다(s2170). 그러나, 다양한 실시예에 따르면, 제 3 서버(201)는 다음에 재생될 수 있는 컨텐츠에 대한 정보를 디스플레이 장치(100)로 전송할 수 있다.
디스플레이 장치(100)는 제 1서버(200) 또는 제3 서버(201)로부터 수신된 컨텐츠의 정보를 수신하여 저장할 수 있다(s2180).
상기에서 설명된 방법들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 개시를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광 기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기의 하드웨어 장치는 본 개시의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
다양한 실시예에 따르면, 개시된 실시예들은 컴퓨터로 읽을 수 있는 저장 매체(computer-readable storage media)에 저장된 명령어를 포함하는 S/W 프로그램으로 구현될 수 있다.
컴퓨터는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 개시된 실시예에 따른 동작이 가능한 장치로서, 개시된 실시예들에 따른 디스플레이 장치를 포함할 수 있다.
컴퓨터로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '기 비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
또한, 개시된 실시예들에 따른 제어 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다.
컴퓨터 프로그램 제품은 S/W 프로그램, S/W 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체를 포함할 수 있다. 예를 들어, 컴퓨터 프로그램 제품은 디스플레이 장치의 제조사 또는 전자 마켓(예, 구글 플레이 스토어, 앱 스토어)을 통해 전자적으로 배포되는 S/W 프로그램 형태의 상품(예, 다운로더블 앱)을 포함할 수 있다. 전자적 배포를 위하여, S/W 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사의 서버, 전자 마켓의 서버, 또는 SW 프로그램을 임시적으로 저장하는 중계 서버의 저장매체가 될 수 있다.
컴퓨터 프로그램 제품은, 서버 및 디스플레이 장치로 구성되는 시스템에서, 서버의 저장매체 또는 디바이스의 저장매체를 포함할 수 있다. 또는, 서버 또는 디스플레이 장치와 통신 연결되는 제 3 장치(예, 스마트폰)가 존재하는 경우, 컴퓨터 프로그램 제품은 제 3 장치의 저장매체를 포함할 수 있다. 또는, 컴퓨터 프로그램 제품은 서버로부터 디스플레이 장치 또는 제 3 장치로 전송되거나, 제 3 장치로부터 디스플레이 장치로 전송되는 S/W 프로그램 자체를 포함할 수 있다.
이 경우, 서버, 디스플레이 장치 및 제 3 장치 중 하나가 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수 있다. 또는, 서버, 디스플레이 장치 및 제 3 장치 중 둘 이상이 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 분산하여 실시할 수 있다.
예를 들면, 서버(예로, 클라우드 서버 또는 인공 지능 서버 등)가 서버에 저장된 컴퓨터 프로그램 제품을 실행하여, 서버와 통신 연결된 디스플레이 장치가 개시된 실시예들에 따른 방법을 수행하도록 제어할 수 있다.
또 다른 예로, 제 3 장치가 컴퓨터 프로그램 제품을 실행하여, 제 3 장치와 통신 연결된 디스플레이 장치가 개시된 실시예에 따른 방법을 수행하도록 제어할 수 있다. 제 3 장치가 컴퓨터 프로그램 제품을 실행하는 경우, 제 3 장치는 서버로부터 컴퓨터 프로그램 제품을 다운로드하고, 다운로드 된 컴퓨터 프로그램 제품을 실행할 수 있다. 또는, 제 3 장치는 프리로드 된 상태로 제공된 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수도 있다.
이상과 같이 본 개시는 비록 한정된 실시 예와 도면에 의해 설명되었으나, 본 개시는 상기의 실시 예에 한정되는 것은 아니며, 본 개시가 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 그러므로, 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
100: 디스플레이 장치　　　　　　　　　　　　　　　110: 디스플레이부
120: 메모리　　　　　　　　　　　　　　　　　　　　　　　　130: 통신부
140: 프로세서　　　　　　　　　　　　　　　　　　 　141: 데이터 학습부
142: 데이터 인식부　　　　　　　　　　　 　　200: 서버
1000: 디스플레이 시스템

Claims (20)

  1. 디스플레이 장치에 있어서,
    디스플레이부;
    컨텐츠의 특징을 추출하여 생성된 핑거프린트 및 핑거프린트에 대응되는 컨텐츠에 대한 정보를 저장하는 메모리;
    서버와 통신하는 통신부; 및
    상기 디스플레이부에서 현재 재생되는 컨텐츠의 화면의 특징을 추출하여 핑거프린트를 생성하고,
    상기 메모리에서 상기 생성된 핑거프린트에 대응되는 핑거프린트의 존부를 검색하고,
    상기 메모리에 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색되지 않는 경우 상기 현재 재생되는 컨텐츠에 대한 정보를 요청하기 위해 상기 핑거프린트가 포함된 쿼리를 상기 서버로 전송하도록 상기 통신부를 제어하고, 상기 메모리에서 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색된 경우 상기 서버로의 쿼리 전송 없이 상기 검색된 핑거프린트에 대응되는 컨텐츠에 대한 정보를 바탕으로 상기 현재 재생되는 컨텐츠를 인식하는 프로세서;를 포함하는 디스플레이 장치.
  2. 삭제
  3. 제1항에 있어서,
    상기 프로세서는,
    상기 메모리에 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색되지 않는 경우, 상기 서버로부터 상기 쿼리에 응답한 상기 현재 재생되는 컨텐츠에 대한 정보 및 상기 현재 재생되는 컨텐츠의 핑거프린트들을 수신하도록 상기 통신부를 제어하는 디스플레이 장치.
  4. 제3항에 있어서,
    상기 프로세서는,
    상기 현재 재생되는 컨텐츠에 대한 정보를 바탕으로 상기 컨텐츠의 유형을 판단하며, 상기 판단된 컨텐츠의 유형에 따라 컨텐츠 인식 주기를 변경하는 디스플레이 장치.
  5. 제4항에 있어서,
    상기 프로세서는,
    상기 컨텐츠가 광고 컨텐츠인 경우 제 1 주기 마다 컨텐츠를 인식하며, 상기 컨텐츠가 방송 프로그램 컨텐츠인 경우 상기 제 1 주기 보다 긴 제2주기마다 컨텐츠를 인식하는 디스플레이 장치.
  6. 제3항에 있어서,
    상기 프로세서는,
    상기 현재 재생되는 컨텐츠에 대한 정보를 바탕으로 상기 컨텐츠의 유형을 판단하며, 상기 판단된 컨텐츠의 유형에 따라 수신하는 상기 현재 재생되는 컨텐츠의 핑거프린트들의 수량을 변경하는 디스플레이 장치.
  7. 제3항에 있어서,
    상기 프로세서는,
    상기 현재 재생되는 컨텐츠에 대한 정보 및 시청 이력을 바탕으로 재생되는 컨텐츠가 변경될 확률을 계산하고, 상기 계산된 확률에 따라 컨텐츠 인식 주기를 변경하는 디스플레이 장치.
  8. 제1항에 있어서,
    상기 프로세서는,
    시청 이력을 바탕으로 다음에 재생될 컨텐츠를 예측하고, 상기 예측된 컨텐츠에 대한 정보를 상기 서버에 요청하는 디스플레이 장치.
  9. 제3항에 있어서,
    상기 프로세서는,
    상기 서버로부터 상기 현재 재생되는 컨텐츠와 관련된 추가 정보를 수신하고, 상기 수신된 추가 정보를 상기 현재 재생되는 컨텐츠와 함께 표시하도록 상기 디스플레이부를 제어하는 디스플레이 장치.
  10. 디스플레이 장치의 컨텐츠 인식 방법에 있어서,
    현재 재생되는 컨텐츠의 화면의 특징을 추출하여 핑거프린트를 생성하는 단계;
    상기 디스플레이 장치에 상기 생성된 핑거프린트에 대응되는 핑거프린트가 저장되어 있는지 여부를 검색하는 단계; 및
    상기 디스플레이 장치에서 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색되지 않는 경우 상기 현재 재생되는 컨텐츠에 대한 정보를 요청하기 위해 상기 핑거프린트가 포함된 쿼리를 서버로 전송하고, 상기 디스플레이 장치에서 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색된 경우 상기 서버로의 쿼리 전송 없이 상기 검색된 핑거프린트에 대응되는 컨텐츠에 대한 정보를 바탕으로 상기 현재 재생되는 컨텐츠를 인식하는 단계;를 포함하는 인식 방법.
  11. 삭제
  12. 제10항에 있어서,
    상기 디스플레이 장치에서 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색되지 않는 경우, 상기 서버로부터 상기 쿼리에 응답한 상기 현재 재생되는 컨텐츠에 대한 정보 및 상기 현재 재생되는 컨텐츠의 핑거프린트들을 수신하는 단계;를 더 포함하는 인식 방법.
  13. 제12항에 있어서,
    상기 현재 재생되는 컨텐츠에 대한 정보를 바탕으로 상기 컨텐츠의 유형을 판단하는 단계; 및
    상기 판단된 컨텐츠의 유형에 따라 컨텐츠 인식 주기를 변경하는 단계;를 더 포함하는 인식 방법.
  14. 제13항에 있어서,
    상기 인식 주기를 변경하는 단계는,
    상기 컨텐츠가 광고 컨텐츠인 경우 제 1 주기 마다 컨텐츠를 인식하며, 상기 컨텐츠가 방송 프로그램 컨텐츠인 경우 상기 제 1 주기 보다 긴 제2주기마다 컨텐츠를 인식하는 인식 방법.
  15. 제12항에 있어서,
    상기 현재 재생되는 컨텐츠에 대한 정보를 바탕으로 상기 컨텐츠의 유형을 판단하는 단계; 및
    상기 판단된 컨텐츠의 유형에 따라 수신하는 상기 현재 재생되는 컨텐츠의 핑거프린트들의 수량을 변경하는 단계;를 더 포함하는 인식 방법.
  16. 제12항에 있어서,
    상기 현재 재생되는 컨텐츠에 대한 정보 및 시청 이력을 바탕으로 재생되는 컨텐츠가 변경될 확률을 계산하는 단계; 및
    상기 계산된 확률에 따라 컨텐츠 인식 주기를 변경하는 단계;를 더 포함하는 인식 방법.
  17. 제10항에 있어서,
    시청 이력을 바탕으로 다음에 재생될 컨텐츠를 예측하고, 상기 예측된 컨텐츠에 대한 정보를 상기 서버에 요청하는 단계;를 더 포함하는 인식 방법.
  18. 제12항에 있어서,
    상기 서버로부터 상기 현재 재생되는 컨텐츠와 관련된 추가 정보를 수신하는 단계; 및
    상기 수신된 추가 정보를 상기 현재 재생되는 컨텐츠와 함께 표시하는 단계;를 더 포함하는 인식 방법.
  19. 디스플레이 장치의 컨텐츠 인식 방법을 실행하기 위한 프로그램을 포함하는 비일시적 컴퓨터 판독가능 기록매체에 있어서,
    상기 인식 방법은,
    현재 재생되는 컨텐츠의 화면의 특징을 추출하여 핑거프린트를 생성하는 단계;
    상기 디스플레이 장치에 상기 생성된 핑거프린트에 대응되는 핑거프린트가 저장되어 있는지 여부를 검색하는 단계; 및
    상기 디스플레이 장치에서 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색되지 않는 경우 상기 현재 재생되는 컨텐츠에 대한 정보를 요청하기 위해 상기 핑거프린트가 포함된 쿼리를 서버로 전송하고, 상기 디스플레이 장치에서 상기 생성된 핑거프린트에 대응되는 핑거프린트가 검색된 경우 상기 서버로의 쿼리 전송 없이 상기 검색된 핑거프린트에 대응되는 컨텐츠에 대한 정보를 바탕으로 상기 현재 재생되는 컨텐츠를 인식하는 단계;를 포함하는 비일시적 컴퓨터 판독가능 기록매체.
  20. 삭제
KR1020170133174A 2016-12-21 2017-10-13 디스플레이 장치, 그의 컨텐츠 인식 방법 및 비일시적 컴퓨터 판독가능 기록매체 KR102468258B1 (ko)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201780076820.0A CN110073667B (zh) 2016-12-21 2017-12-20 显示装置、内容识别方法和非暂时性计算机可读记录介质
PCT/KR2017/015076 WO2018117619A1 (en) 2016-12-21 2017-12-20 Display apparatus, content recognizing method thereof, and non-transitory computer readable recording medium
US15/848,899 US10616639B2 (en) 2016-12-21 2017-12-20 Display apparatus, content recognizing method thereof, and non-transitory computer readable recording medium
EP20177505.3A EP3726844B1 (en) 2016-12-21 2017-12-21 Display apparatus, content recognizing method thereof, and non-transitory computer readable recording medium
EP17209349.4A EP3340639B1 (en) 2016-12-21 2017-12-21 Display apparatus, content recognizing method thereof, and non-transitory computer readable recording medium
US16/803,428 US11166066B2 (en) 2016-12-21 2020-02-27 Display apparatus, content recognizing method thereof, and non-transitory computer readable recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20160175741 2016-12-21
KR1020160175741 2016-12-21

Publications (2)

Publication Number Publication Date
KR20180072522A KR20180072522A (ko) 2018-06-29
KR102468258B1 true KR102468258B1 (ko) 2022-11-18

Family

ID=62780832

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170133174A KR102468258B1 (ko) 2016-12-21 2017-10-13 디스플레이 장치, 그의 컨텐츠 인식 방법 및 비일시적 컴퓨터 판독가능 기록매체

Country Status (2)

Country Link
KR (1) KR102468258B1 (ko)
CN (1) CN110073667B (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110289532A1 (en) * 2011-08-08 2011-11-24 Lei Yu System and method for interactive second screen
US20120095958A1 (en) * 2008-06-18 2012-04-19 Zeitera, Llc Distributed and Tiered Architecture for Content Search and Content Monitoring
US20150208120A1 (en) * 2014-01-22 2015-07-23 Verizon and Redbox Digital Entertainment Services, LLC Predictive storage of broadcast content

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9313359B1 (en) * 2011-04-26 2016-04-12 Gracenote, Inc. Media content identification on mobile devices
US9390167B2 (en) * 2010-07-29 2016-07-12 Soundhound, Inc. System and methods for continuous audio matching
CN202998337U (zh) * 2012-11-07 2013-06-12 深圳新感易搜网络科技有限公司 视频节目识别系统
US9495451B2 (en) * 2013-01-07 2016-11-15 Gracenote, Inc. Identifying video content via fingerprint matching
WO2014129803A1 (en) * 2013-02-21 2014-08-28 Lg Electronics Inc. Video display apparatus and operating method thereof
CN103313132A (zh) * 2013-06-20 2013-09-18 天脉聚源(北京)传媒科技有限公司 一种电视广告信息发布方法和系统
US9654814B2 (en) * 2013-10-28 2017-05-16 Microsoft Technology Licensing, Llc Video frame selection for targeted content
BR112016014598B1 (pt) * 2013-12-23 2022-08-23 Inscape Data, Inc Método e sistema de rastreamento de pixels e cookies para visualização de eventos de televisão
US20160073148A1 (en) * 2014-09-09 2016-03-10 Verance Corporation Media customization based on environmental sensing
US9729912B2 (en) * 2014-09-22 2017-08-08 Sony Corporation Method, computer program, electronic device, and system
KR102217191B1 (ko) * 2014-11-05 2021-02-18 삼성전자주식회사 단말 장치 및 그 정보 제공 방법
KR102019493B1 (ko) * 2015-02-09 2019-09-06 삼성전자주식회사 디스플레이 장치 및 그 정보 제공 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120095958A1 (en) * 2008-06-18 2012-04-19 Zeitera, Llc Distributed and Tiered Architecture for Content Search and Content Monitoring
US20110289532A1 (en) * 2011-08-08 2011-11-24 Lei Yu System and method for interactive second screen
US20150208120A1 (en) * 2014-01-22 2015-07-23 Verizon and Redbox Digital Entertainment Services, LLC Predictive storage of broadcast content

Also Published As

Publication number Publication date
CN110073667B (zh) 2021-07-13
KR20180072522A (ko) 2018-06-29
CN110073667A (zh) 2019-07-30

Similar Documents

Publication Publication Date Title
EP3340639B1 (en) Display apparatus, content recognizing method thereof, and non-transitory computer readable recording medium
KR102290419B1 (ko) 디지털 컨텐츠의 시각적 내용 분석을 통해 포토 스토리를 생성하는 방법 및 장치
KR102436734B1 (ko) 비디오 재생 노드 위치 확정 방법, 장치, 전자 장비, 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램
US11488576B2 (en) Artificial intelligence apparatus for generating text or speech having content-based style and method for the same
CN104994426B (zh) 节目视频识别方法及系统
US10341461B2 (en) System and method for automatically recreating personal media through fusion of multimodal features
US8750681B2 (en) Electronic apparatus, content recommendation method, and program therefor
US20170065888A1 (en) Identifying And Extracting Video Game Highlights
CN108776676B (zh) 信息推荐方法、装置、计算机可读介质及电子设备
KR20180051367A (ko) 디바이스가 이미지를 보정하는 방법 및 그 디바이스
US20190297381A1 (en) Artificial intelligence device and operating method thereof
CN112163122A (zh) 确定目标视频的标签的方法、装置、计算设备及存储介质
CN110225398B (zh) 多媒体对象播放方法、装置和设备及计算机存储介质
US11478398B2 (en) Automated generation of control signals for sexual stimulation devices
CN113746875B (zh) 一种语音包推荐方法、装置、设备及存储介质
KR20190053481A (ko) 사용자 관심 정보 생성 장치 및 그 방법
KR102664418B1 (ko) 디스플레이 장치 및 그의 서비스 제공 방법
KR102301231B1 (ko) 영상 제공 방법 및 이를 위한 장치
US20240050306A1 (en) Automated generation of control signals for sexual stimulation devices
CN116665083A (zh) 一种视频分类方法、装置、电子设备及存储介质
KR102468258B1 (ko) 디스플레이 장치, 그의 컨텐츠 인식 방법 및 비일시적 컴퓨터 판독가능 기록매체
US11590052B2 (en) Automated generation of control signals for sexual stimulation devices
KR102302368B1 (ko) 연계 서비스 제공을 위한 서버, 사용자 장치의 동작 방법 및 그 사용자 장치
CN110704680B (zh) 标签生成方法、电子设备及存储介质
KR20230059027A (ko) 색채 기반의 공간정보 데이터베이스를 이용한 여행지 검색 시스템 및 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant