KR102478149B1 - 인공지능 디지털 사이니지 시스템 및 이의 운용방법 - Google Patents

인공지능 디지털 사이니지 시스템 및 이의 운용방법 Download PDF

Info

Publication number
KR102478149B1
KR102478149B1 KR1020200102570A KR20200102570A KR102478149B1 KR 102478149 B1 KR102478149 B1 KR 102478149B1 KR 1020200102570 A KR1020200102570 A KR 1020200102570A KR 20200102570 A KR20200102570 A KR 20200102570A KR 102478149 B1 KR102478149 B1 KR 102478149B1
Authority
KR
South Korea
Prior art keywords
digital signage
advertisement
interest
artificial intelligence
information
Prior art date
Application number
KR1020200102570A
Other languages
English (en)
Other versions
KR20220021689A (ko
Inventor
이우영
박진희
김용현
Original Assignee
(주) 씨이랩
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 (주) 씨이랩 filed Critical (주) 씨이랩
Priority to KR1020200102570A priority Critical patent/KR102478149B1/ko
Publication of KR20220021689A publication Critical patent/KR20220021689A/ko
Application granted granted Critical
Publication of KR102478149B1 publication Critical patent/KR102478149B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • 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
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0272—Period of advertisement exposure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 개시의 다양한 실시예에 따른 인공지능 디지털 사이니지 시스템을 운영하는 방법은, 하나 이상의 디지털 사이니지로부터 비디오 정보를 수신하는 단계; 상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 단계; 상기 분석 데이터를 이용하여, 광고별 관심도 및 시간별 유동인구를 식별하는 단계; 및 식별된 상기 광고별 관심도 및 시간별 유동인구에 기초하여 상기 하나 이상의 디지털 사이니지에 시간별 광고 노출 정보를 전송하는 단계를 포함할 수 있다. 그 밖의 다양한 실시예가 가능하다.

Description

인공지능 디지털 사이니지 시스템 및 이의 운용방법{SYSTEM FOR ARTIFICIAL INTELLIGENCE DIGITAL SIGNAGE AND OPERATING METHOD THEREOF}
본 개시는 인공지능 디지털 사이니지 시스템 및 이의 운용방법에 관한 것이다.
여기에서 달리 언급하지 않으면 본 섹션에서 기술되는 내용은 본 출원에서의 청구범위의 선행 기술이 아니며, 본 섹션에 기재하였다는 이유로 선행 기술로 인정되어서는 안 된다.
디지털 사이니지(Digital Signage)란 디지털 정보 디스플레이(digital information display, DID)를 이용한 옥외광고로, 관제센터에서 통신망을 통해 광고 내용을 제어할 수 있는 광고판을 말한다. 지하철 역사, 버스정류장, 아파트 엘리베이터, 은행 등 유동인구가 많은 곳에서 흔히 볼 수 있다. 현재는 단순히 동비디오 형태에 소리를 곁들인 광고를 시간대별로 번갈아 노출하는 형식이 대부분이며, 모션인식이나 NFC(근거리무선통신) 등을 이용해 사용자와 쌍방향으로 통신하는 등의 인터랙티브한 방식이 점차 개발되고 있는 추세이다.
현재 개발되고 사용되는 인터랙티브한 방식의 디지털 사이니지도, 디지털 사이니지에 관심을 가진 사용자만을 인식하고 상호작용하여 제공하는 방식으로 개발되어 왔다. 이러한 디지털 사이니지는 이미 광고에 적극적으로 관심을 가진 사람들에게는 좀 더 향상된 사용자 경험을 제공하고 높은 광고효과를 얻을 수 있지만, 광고에 관심이 없는 사람들에게 광고 자체에 관심도를 높이는 효과를 기대할 수 없다는 한계가 있다.
대한민국 등록특허 제10-1744940호(2017.06.01. 등록)
본 개시는 디지털 사이니지에 비디오분석 시스템을 도입하여 광고에 주목하는 개인의 특성, 및 시간별 유동인구를 분석한 분석결과를 이용하여 광고 효율성을 높일 수 있는 인공지능 디지털 사이니지 시스템을 제공하고자 한다.
본 개시의 다양한 실시예에 따른 인공지능 디지털 사이니지 시스템을 운영하는 방법은, 하나 이상의 디지털 사이니지로부터 비디오 정보를 수신하는 단계; 상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 단계; 상기 분석 데이터를 이용하여, 광고별 관심도 및 시간별 유동인구를 식별하는 단계; 및 식별된 상기 광고별 관심도 및 시간별 유동인구에 기초하여 상기 하나 이상의 디지털 사이니지에 시간별 광고 노출 정보를 전송하는 단계를 포함할 수 있다. 그 밖의 다양한 실시예가 가능하다.
일 실시예에 따르면, 상기 비디오 정보는, 날짜, 시간, 장소, 노출 광고 식별정보, 및 스트리밍 영상 데이터를 포함할 수 있다.
일 실시예에 따르는 인공지능 디지털 사이니지 시스템을 운영하는 방법은 상기 비디오 정보에 포함된, 상기 날짜, 시간, 장소, 노출 광고 식별정보를 메타데이터 데이터베이스에 저장하는 단계; 및 상기 비디오 정보에 포함된 영상 데이터를 영상 데이터베이스에 저장하는 단계를 더 포함할 수 있다.
일 실시예에 따르는 인공지능 디지털 사이니지 시스템을 운영하는 방법에 있어서, 상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 단계는, 상기 영상 데이터로부터 상기 딥러닝 모델을 이용하여 하나 이상의 사람을 인식하는 단계; 상기 하나 이상의 사람으로부터 상기 디지털 사이니지에 주목한 관심인을 구별하는 단계; 및 상기 관심인을 포함하는 상기 하나 이상의 사람 각각의 특성정보를 식별하는 단계를 포함할 수 있다.
일 실시예에 따르는 인공지능 디지털 사이니지 시스템을 운영하는 방법에 있어서, 상기 분석 데이터를 이용하여, 광고별 관심도 및 시간별 유동인구를 식별하는 단계는, 노출광고 별로 상기 관심인의 특성정보를 연관하여 상기 광고별 관심도를 식별하는 단계; 및 상기 하나 이상의 사람 각각의 특성정보를 이용하여 시간별 유동인구를 식별하는 단계를 포함할 수 있다.
일 실시예에 따르는 인공지능 디지털 사이니지 시스템을 운영하는 방법에 있어서, 상기 식별된 상기 광고별 관심도 및 장소별 유동인구에 기초하여 상기 하나 이상의 디지털 사이니지에 적합한 광고를 송출하도록 광고영상 데이터를 전송하는 단계는, 상기 광고별 관심도 및 상기 시간별 유동인구를 연관하여, 시간별로 재생할 노출 광고 식별정보를 상기 하나 이상의 디지털 사이니지에 전송하는 단계를 포함할 수 있다.
이상의 간단한 요약 및 효과에 관한 설명은 단순히 예시적인 것으로서 본 개시에서 의도한 기술적 사항을 제한하기 위한 것이 아니다. 이하의 상세한 설명과 첨부된 도면을 참조함으로써, 전술한 예시적인 실시 예들과 기술적 특징들에 더하여, 추가적인 실시 예와 기술적 특징들이 이해될 수 있을 것이다.
앞서 설명한 본 개시의 특징들과 기타 추가적인 특징들에 대해서는 첨부된 도면을 참조하여 이하에서 자세하게 설명한다. 이러한 도면들은 본 개시에 따르는 단지 몇 가지의 실시 예만을 도시한 것이며, 본 개시의 기술적 사상의 범위를 제한하는 것으로 간주되어서는 안 된다. 본 개시의 기술적 사상은 첨부된 도면을 사용하여 더 구체적이고 상세하게 기술될 것이다.
도 1은 본 개시의 일 실시예에 따른 인공지능 디지털 사이니지 시스템의 블록 구성도이다.
도 2는 본 개시의 디지털 사이니지가 설치되고 작동하는 환경을 도시한다.
도 3은 본 개시의 일 실시예에 따라 디지털 사이니지로부터 인공지능 서버에 전송되는 스트리밍 패킷 데이터의 구조를 도시한다.
도 4는 본 개시의 일 실시예에 따른 인공지능 디지털 사이니지 시스템의 운용 방법의 일 예를 도시한 흐름도이다.
도 5는 도 4에 도시된 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 동작의 구체적인 예를 도시한 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 인공지능 디지털 사이니지 시스템에서 영상 데이터로부터 딥러닝 모델을 이용하여 사람을 인식하는 과정을 시각화한 그림이다.
도 7은 본 개시의 일 실시예에 따른 디지털 사이니지 시스템에서 영상 데이터로부터 딥러닝 모델을 이용하여 시간별 유동인구를 식별한 결과를 시각화한 도면이다.
도 8은 본 개시의 일 실시예에 따른 디지털 사이니지 시스템에서 영상 데이터로부터 딥러닝 모델을 이용하여 광고별 관심도를 분석한 결과를 시각화한 도면이다.
도 9는 본 개시의 적어도 일부 실시예에 따른 인공지능 디지털 사이니지 시스템을 운용하기 위한 예시적인 컴퓨터 프로그램 제품을 도시한다.
본 개시에서 사용되는 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 개시에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 개시에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 개시에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 개시에서 정의된 용어일지라도 본 개시의 실시 예들을 배제하도록 해석될 수 없다.
앞서 설명한 본 개시의 특징들과 기타 추가적인 특징들에 대해서는 첨부된 도면을 참고하여 이하에서 자세하게 설명한다. 이러한 도면들은 본 개시에 따르는 단지 몇 가지의 실시 예들을 도시한 것이며, 본 개시의 기술적 사상의 범위를 제한하는 것으로 간주되어서는 안 된다. 본 개시의 기술적 사상은 첨부된 도면을 사용하여 더 구체적이고 상세하게 기술될 것이다.
도 1은 본 개시의 일 실시예에 따른 인공지능 디지털 사이니지 시스템의 블록 구성도이다. 도 1을 참조하면, 인공지능 디지털 사이니지 시스템(100)(이하 시스템(100)으로 지칭)은 하나 이상의 디지털 사이니지(110), 인공지능 서버(120)를 포함할 수 있다.
일 실시예에 따르면, 디지털 사이니지(110)는 센서부(111), 디스플레이부(112), 영상 데이터 송출부(113), 기본 데이터 송출부(114) 및 수신부(115)를 포함할 수 있다.
센서부(111)는 디지털 사이니지(110)에 관심을 디지털 사이니지(110)가 노출하는 광고에 관심을 가지는 사람이나 디지털 사이니지(110) 앞을 지나는 유동인구를 촬상하는 기능을 수행하는 것으로서, 카메라 장치를 포함할 수 있다. 다시 말하면, 센서부(111)는 디지털 사이니지(110)의 앞의 임의의 감지영역에 대한 영상 데이터를 획득할 수 있다. 일 실시예에 따르면, 센서부(111)는 사람의 접근 여부를 확인할 수 있는 적외선 센서 등 다양한 센서를 포함할 수 있다.
디스플레이부(112)는 광고를 표시하는 기능을 수행하는 것으로서, 비디오 매체를 재생할 수 있는 디스플레이를 포함할 수 있다. 도 2는 본 개시의 디지털 사이니지(110)가 설치되고 작동하는 환경을 도시한다. 도 2를 참조하면, 디지털 사이니지(110)는 그 전면에 광고 컨텐츠를 포함하는 비디오 또는 스틸 이미지를 출력할 수 있는 디스플레이부(112)를 포함할 수 있고, 출력되는 컨텐츠에 관심을 가지는 사람이나 디지털 사이니지(110)을 지나가는 사람을 감지하기 위한 카메라 장치와 같은 센서부(111)가 포함될 수 있다. 센서부(111)는 보다 넓은 감지 영역을 가지기 위하여 광각렌즈를 포함하는 카메라 장치를 가질 수 있다. 다시 말하면, 디지털 사이니지(110)는 디스플레이부(112)에 인접하여 설치된 센서부(111)를 통해 감지영역에 대한 영상 데이터를 획득할 수 있다. 다른 실시예에서, 센서부(111)는 디지털 사이니지(110)와 별도의 장치로 구성되어 배치될 수 있다. 또다른 실시예에서, 센서부(111)는 별도의 시스템에 포함된 카메라 장치(예를 들어, CCTV)로서, 감지 영역에 대한 영상 데이터는 외부의 센서로부터 획득될 수도 있다. 이 경우에, 인공지능 서버(120)는 영상 데이터는 외부의 센서로부터 수신하고, 기본 정보는 디지털 사이니지(110)로부터 별도로 획득할 수도 있다.
다시, 도 1을 참조하면, 영상 데이터 송출부(113)는 센서부(11)가 획득하는 영상 데이터를 인공지능 서버(120)에 전송할 수 있다. 기본 데이터 송출부(114)는 영상 데이터를 획득한 날짜, 시간, 및 영상 데이터를 획득할 때 노출되는 광고의 식별정보를 포함하는 기본 정보를 인공지능 서버(120)에 전송할 수 있다. 일 실시예에 따르면, 영상 데이터 및 기본 정보는 스트리밍 방식으로, 디지털 사이니지(110)으로부터 인공지능 서버(120)에 전송될 수 있다.
도 3은 본 개시의 일 실시예에 따라 디지털 사이니지로부터 인공지능 서버에 전송되는 스트리밍 패킷 데이터의 구조를 도시한다. 본 개시에서 디지털 사이니지(110)는 기본 정보 및 영상 데이터를 패킷 데이터(300)의 형태로 인공지능 서버(120)에 전송할 수 있다. 도 3을 참조하면, 패킷 데이터(300)는 헤더부분에 기본 정보(310)를 저장할 수 있고 데이터 부분에 영상 데이터(320)를 저장할 수 있다. 기본 정보(310)는 날짜 정보, 시간 정보, 위치 정보, 및 노출되는 컨텐츠의 정보를 포함할 수 있다. 날짜 정보는 패킷 데이터(300)가 전송되는 날짜를 표시할 수 있다. 예를 들어, 날짜 정보는 2020년 7월 13일과 같은 날짜를 나타낼 수 있다. 시간 정보는 패킷 데이터(300)가 전송되는 시간을 표시할 수 있다. 예를 들어, 시간 정보는 12시 정각 3초를 나타낼 수 있다. 위치 정보는 디지털 사이니지가 설치된 위치를 나타낼 수 있다. 예를 들어 직접적으로 위치된 지명, 예를 들어 '을지로 3가 지하철역 3번출구'와 같이 위치를 나타낼 수 있거나, 'U-3'과 같이 특별한 규칙에 의해 위치를 알 수 있는 별도의 식별 기호를 나타낼 수도 있다. 노출되는 컨텐츠 정보는, 패킷 데이터(300)가 전송되는 날짜 및 시간에 디지털 사이니지에서 출력되는 컨텐츠가 무엇인지 나타낼 수 있다. 도 3에서는 예를 들어, '리니지'라는 모바일 게임의 광고 영상을 디지털 사이니지가 출력하고 있는 상황을 나타낸다.
영상 데이터(320)는 디지털 사이니지(110)의 센서부(111)가 획득하고 있는 감지 영역에 대한 영상 정보를 저장할 수 있다. 패킷 데이터(300)는 일정 주기(예를 들어, 60초 또는 120초)로 전송될 수 있으며, 영상 데이터(320)는 주기에 따르는 시간 동안의 영상 정보를 저장할 수 있다.
다시 도 1을 참조하면, 디지털 사이니지(110)는 수신부(115)를 이용하여, 인공지능 서버(120)로부터 광고 영상 데이터 및 광고 노출 리스트와 같은 정보를 전송받을 수 있다. 디지털 사이니지(110)는 하나 이상의 광고를 디스플레이부(112)를 통해 노출할 수 있고, 노출하는 광고에 관한 광고 영상 데이터를 수신부(115)를 이용하여 수신할 수 있다.
일 실시예에 따르면, 인공지능 서버(120)는 네트워크 서버(121), GPU 서버(122), 웹 서버(123), 메타데이터 데이터베이스(124), 영상 데이터베이스(125), 및 분석 데이터베이스(126)를 포함할 수 있다.
네트워크 서버(121)는 디지털 사이니지(110)로부터 비디오 정보를 수신할 수 있다. 네트워크 서버(121)는 수신된 비디오 정보에서 기본 정보는 메타데이터 데이터베이스(124)에 저장하고, 영상 데이터는 영상 데이터베이스(125)에 저장할 수 있다. 메타데이터 데이터베이스(124) 및 영상 데이터베이스(125)에 저장된 기본 정보 및 영상 데이터는 추후 사용자의 검색 요구에 따라 제공될 수 있다.
네트워크 서버(121)는 디지털 사이니지(110)로부터 받은 비디오 정보를 GPU 서버(122)로 라우팅할 수 있다. GPU 서버(122)는 고성능 비디오 분석이 가능하도록 고사양의 GPU를 하나 이상 탑재한 서버일 수 있다. 일 실시예에서, GPU 서버(122)는 다 채널(복수의 사이니지)의 비디오의 분석이 가능하도록 복수 개의 GPU 서버들로 구성될 수 있다. 복수 개의 GPU 서버는 GPU 서버 클러스터로 분류될 수 있다.
GPU 서버(122)는 특정 상황의 영상 데이터의 처리에 적합하도록 설계될 수 있다. 예를 들어, 지하 주차장에 설치된 디지털 사이니지로부터 촬영된 비디오와 같이 전체적으로 명도가 낮은 영상 데이터의 처리에 적합한 GPU 서버, 야외에 설치된 디지털 사이니지로부터 촬영된 비디오와 같이 전체적으로 명도가 높은 영상 데이터의 처리에 적합한 GPU 서버 등으로 구분될 수 있다. 또한, GPU 서버(122)는 각 채널의 타입, 종류와 같은 채널 특성에 따라 해당 영상 데이터의 처리에 적합하도록 설계될 수 있다. 예컨대, 디지털 사이니지에 포함된 센서의 성능에 따라, 고화질 영상 데이터의 처리에 적합한 GPU 서버, 저화질 영상 데이터의 처리에 적합한 GPU 서버 등으로 구분될 수 있다.7
또한, GPU 서버(122)는 처리할 영상 데이터의 채널(디지털 사이니지)에 따라 해당 채널의 특성에 맞는 비디오인식 알고리즘을 적용하여 입력 비디오를 처리할 수 있다. 이러한 경우, GPU 서버는 각각의 채널의 속성에 관한 채널 메타 데이터베이스(미도시)로부터 해당 채널의 메타데이터를 불러올 수 있으며, 이 채널 메타데이터에 적합한 비디오인식 알고리즘을 적용하여 입력 비디오를 처리할 수 있다. 채널 메타데이터로는 디지털 사이니지 식별정보(ID), 센서부(카메라) IP, 인코딩 타입(예컨대, H.264, H.265 등), 센서부(카메라) (예컨대, CCTV, 드론 등), 화질(예컨대, HD, 4K 등), 비디오 디바이스 종류(예컨대, 고정, 유동 등), 공간 카테고리(예를 들어, 주차장, 시내 등), 센서부(카메라) 위치, 센서부(카메라) 높이, Tilt 각도, Pan 각도, 초당 디코딩 프레임수, 용도 등을 포함할 수 있으나, 이에 제한되지 않는다. 이러한 채널 메타데이터들의 집합인 채널 메타 데이터베이스는 메타데이터 데이터베이스(124) 또는 별도의 데이터베이스 형태로 저장되어, GPU 서버(122)에 의해 검색 및 이용될 수 있다.
GPU 서버(122)의 각각의 GPU 서버는 네트워크 서버(121)로부터 전달받은 특정 디지털 사이니지의 영상 데이터를 분석하여 해당 영상 데이터의 분석 결과를 분석 데이터베이스(126)에 저장할 수 있다. GPU 서버(122)는 영상 데이터를 분석하여 사람을 인식하고 인식된 사람의 개인 특성, 및 광고(컨텐츠)에 관심을 가진 사람을 인식할 수 있다. GPU 서버(122)는 인식된 사람, 개인 특성 및 관심을 가진 사람을 이용하여 광고별 관심도 및 시간별 유동인구에 대한 분석결과를 생성할 수 있다. 이에 대해서는 구체적으로 후술하기로 한다. 또한, 본 개시에서 광고에 관심을 가진 사람을 '관심인'이라고도 지칭할 수 있다.
한편, GPU 서버(122)에서 인식 및 분석 처리된 각 채널의 영상 데이터는 웹 서버(123)에 제공될 수 있다. 웹 서버(123)는 비디오 컨버터(미도시)를 포함할 수 있으며, 비디오 컨버터에서는 인식 및 분석 처리된 입력 비디오들을 비디오 출력/제어 장치(130)에 전송하여 디스플레이하기에 적합한 소정의 포맷으로 변환하는 작업을 수행할 수 있다. 여기서, 소정의 포맷은 비디오 출력/제어 장치(130)의 사용자에 의해 미리 설정된 것일 수 있다. 웹 서버(123)는 비디오 컨버터에 의해 소정의 포맷으로 변환된 입력 비디오를 비디오 출력/제어 장치(160)로 제공할 수 있다. 또한 웹 서버(123)는 분석 데이터베이스(126)에 원하는 분석 결과 및 데이터를 검색을 요청할 수 있고, 분석 데이터베이스(126)로부터 저장된 분석 결과를 제공받을 수 있다. 웹 서버(123)는 분석 데이터베이스(126)로부터 제공받은 분석 결과를 통해 특정 분석 값이 나타난 시간대 영상을 영상 데이터베이스(125)로부터 제공받을 수 있다.
도 4는 본 개시의 일 실시예에 따른 인공지능 디지털 사이니지 시스템의 운용 방법의 일 예를 도시한 흐름도이다.
도 4에 도시된 프로세스(400)는 블록(410, 420, 430, 440)에 의해 예시된 바와 같은 하나 이상의 동작, 기능 또는 작용을 포함할 수 있다. 한편, 도 4에 예시된 개략적인 동작들은 예시로서만 제공되고, 개시된 실시예의 본질에서 벗어나지 않으면서, 동작들 중 일부가 선택적일 수 있거나, 더 적은 동작으로 조합될 수 있거나, 추가적인 동작으로 확장될 수 있다. 또한, 도 4의 프로세스(400)의 각각의 블록들은, 앞서 도 1 내지 도 3과 이와 관련하여 설명한 내용들과 연관되어 동일 또는 유사한 기능 또는 작용을 할 수 있으나, 이에 제한되는 것은 아니다.
도 4를 참조하면, 프로세스(400)는 디지털 사이니지로부터 비디오 정보를 수신하는 블록(410)에서 시작할 수 있다. 블록(410)에서, 인공지능 서버(120)(또는, 네트워크 서버(121))는 디지털 사이니지(110)으로부터 비디오 정보를 수신할 수 있다.
비디오 정보는 기본 정보 및 영상 데이터를 포함할 수 있다. 비디오 정보는 디지털 사이니지(110)에 포함된 카메라 장치(예를 들어, 센서부(111))가 감지 영역을 촬상하여 영상 데이터를 생성할 때의 디지털 사이니지의 식별 정보, 날짜, 시간, 및 영상 데이터를 획득할 때 노출된 광고의 식별정보를 포함하는 기본 정보와, 카메라 장치가 획득한 영상 데이터를 포함할 수 있다. 비디오 정보는 패킷 데이터의 형식을 가질 수 있다. 일 실시예에서, 기본 정보는 디지털 사이니지(110)의 기본 데이터 송출부(114)에 의해 생성될 수 있고, 영상 데이터는 영상 데이터 송출부(113)에 의해 생성될 수 있다.
인공지능 서버(120)는 실시간으로 또는 일정 주기에 따라 디지털 사이니지(110)로부터 비디오 정보를 수신할 수 있다. 인공지능 서버(120)는 복수의 디지털 사이니지(110)로부터 비디오 정보를 수신할 수 있다. 인공지능 서버(120)는 수신한 비디오 정보에 포함된 기본 정보는 메타데이터 데이터베이스(124)에 저장하고, 영상 데이터는 영상 데이터베이스(125)에 저장할 수 있다. 또한, 인공지능 서버(120)는 비디오 정보를 인공지능을 통한 분석을 위해 GPU 서버(122)로 전송할 수 있다.
다음으로, 프로세스(400)는 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 블록(420)으로 이어질 수 있다.
인공지능 서버(120)(또는 GPU 서버(122))는 전달받은 비디오 정보에 대한 분석을 실시할 수 있다. 분석의 목적은 디지털 사이니지 앞을 지나는 사람들의 수 및 특징파악, 즉 유동인구 분석 및 디지털 사이니지가 노출하는 광고에 대한 사람들의 관심도를 측정하는데 있다. 이를 위해 일 실시예에서, GPU 서버(122)는 비디오 정보에 대하여 사람을 인식하는 딥러닝 모델을 이용하여 사람의 특성 정보를 식별할 수 있다. 특성 정보인 성별, 인종, 국적 등을 포함할 수 있다. 예를 들어, GPU 서버(122)는 사람의 얼굴을 인식하여 사람의 수를 식별할 수 있다. GPU 서버(122)는 사람의 얼굴을 인식하여 개개인별 성별, 인종, 국적 등을 식별할 수 있다.
그 밖의 개인의 특성 정보를 파악하기 위한 다양한 딥러닝 모델이 이용될 수 있다. 예를 들어, GPU 서버(122)는 비디오 정보에 대하여 딥러닝 모델을 이용하여 객체를 식별할 수 있다. 예를 들어 GPU 서버(122)는 복장, 반려동물, 구두, 운동화, 안경, 가방을 인식하여 개인별 특성 정보를 획득할 수 있다.
또한 GPU 서버(122)는 비디오 정보에 대하여 딥러닝 모델을 이용하여 관심도를 식별할 수 있다. 관심도는 상, 중, 하, 및 관심 없음을 포함할 수 있다. 예를 들어, GPU 서버(122)는 인식된 개인의 눈을 인지하여, 개인이 디지털 사이니지가 노출하고 있는 광고에 대한 관심을 가지는지 여부를 식별할 수 있다. 개인의 눈이 디지털 사이니지를 바라보고 있는 시간의 장단에 따라 관심도가 결정될 수 있다. 예를 들어, 비디오 정보로부터 식별된 개인이 디지털 사이니지를 한번도 쳐다보지 않은 것으로 식별되면 해당 개인은 광고에 관심이 없는 것으로 결정되고, 개인이 근접거리가 아니더라도 디지털 사이니지를 일정 시간 이상 주의깊게 살펴보는 것으로 확인되면 관심도가 높은 것으로 결정될 수 있다. 또는, 임의의 개인이 디지털 사이니지를 오랜 시간 살펴보되 확인되는 표정이 부정적인 경우에는 노출되는 광고에 대한 관심도가 낮은 것으로 결정될 수 있다.
다음으로, 프로세스(400)는 분석 데이터를 이용하여 광고별 관심도 및 시간별 유동인구를 식별하는 블록(430)으로 이어질 수 있다.
GPU 서버(122)는 블록(420)에서 생성되는 분석 데이터를 이용하여, 디지털 사이니지의 감지 영역을 지나가는 개인들의 수 및 디지털 사이니지가 노출하는 광고에 대한 관심도를 임의의 시간 주기를 기준으로 정렬되는 분석 결과를 식별할 수 있다.
일 실시예에서, GPU 서버(122)는 블록(420)에서 생성한 분석 데이터에 기초하여, 디지털 사이니지에서 노출된 광고 별로 관심도가 높았던 개인들의 특징을 파악한 광고별 관심도를 식별할 수 있다.
다른 예를 들어, 노출된 광고가 ‘면도기’ 광고인 경우에는 20대에서 40대의 남성에서 관심도가 높았을 수 있다. 다른 예를 들어, 노출된 광고가 ‘공무원 입시학원’인 경우에는 20대 및 30대 남녀 중에서 복장이 정장이나 비즈니스 캐쥬얼이 아닌 개인들로부터 관심도가 높았을 수 있다. 본 개시의 인공지능 디지털 사이니지 시스템(100)에서는 광고별 관심도를 식별함으로써, 효율적 광고를 위한 고객을 타겟팅하는데 도움을 얻을 수 있다. 또는, 실제로 광고에 관심을 가지는 개인들을 식별함으로써, 목적하는 고객들에게 타겟팅됐는지 확인할 수 있다. 실제 광고가 매출 상승에 직접적인 영향을 주었는지 확인하기 어려운 상황에서 본 개시에 따르는 디지털 사이니지 시스템(100)은 광고의 타겟팅이 유효했는지 등의 광고 효과를 직접적으로 확인할 수 있는 특유의 효과가 있다.
일 실시예에서, GPU 서버(122)는 블록(420)에서 생성한 분석 데이터에 기초하여, 시간별 유동인구 분석을 식별할 수 있다. 예를 들어, 디지털 사이니지가 놀이동산과 같은 관광지에 위치한 경우에는, 평일보다는 주말에 유동인구가 많을 수 있고, 남녀노소 가족 단위의 개인들이 디지털 사이니지 앞을 지나간 것으로 식별할 수 있다. 다른 예를 들어, 디지털 사이니지가 도심의 지하철 역에 설치된 경우에는, 출퇴근 시간에 특히 많은 유동인구가 식별되며, 30대 내지 50대의 직장인이 많이 지나간 것으로 식별될 수 있다. 여기에서 본 개시의 인공지능 디지털 사이니지 시스템(100)은 실제로 디지털 사이니지 시스템(100)을 지나가는 사람들 중에서 디지털 사이니지(110)에 관심을 보이는 사람뿐만 아니라 관심을 보이지 않는 사람들까지 모두 분석함으로써 보다 정확하게 유동인구를 분석할 수 있는 효과를 가진다. 예를 들어, 디지털 사이니지가 도심에 위치하고 있다고 하더라도, 바로 근처에 입시학원이 위치하고 있는 경우에는 30대 내지 50대의 직장인보다는 10대 내지 20대의 학생들이 더 많이 유동하는 것으로 식별할 수 있다. 이와 같이 본 개시의 디지털 사이니지 시스템(100)은 실시간으로 유동 인구를 분석함으로써 예상외의 환경 또는 변화하는 환경에서도 적응적으로 유동인구 파악이 가능하다.
뿐만 아니라, 광고별 관심도 및 시간별 유동인구 분석은, 하나의 디지털 사이니지에서 이뤄지는 것이 아니라, 인공지능 디지털 사이니지 시스템(100)에 포함된 복수의 디지털 사이니지에서 이뤄지는 것임으로, 광고별 관심도를 높은 수준의 정확도 및 신뢰도로 식별할 수 있다.
다음으로, 프로세스(400)는 광고별 관심도 및 시간별 유동인구에 기초하여 디지털 사이니지에 시간별 광고 노출 정보를 전송하는 블록(440)으로 이어질 수 있다.
블록(430)에서 디지털 사이니지마다 시간별 유동인구 및 광고별 관심도가 식별되었기 때문에 연관된, 광고별 관심도 및 시간별 유동인구에 기초하여 디지털 사이니지 별로 광고 노출 정보를 생성할 수 있고, 생성된 광고 노출 정보를 디지털 사이니지에 전송할 수 있다. 디지털 사이니지는 전송받은 광고 노출 정보에 따라 시간별로 다른 광고를 노출할 수 있다.
예를 들어, 일 디지털 사이니지에 대한 시간별 유동인구 분석에 따르면, 출퇴근 시간대에서는 직장인들이 많이 유동하고, 그 외의 시간에서는 (외국인) 관광객이 많이 유동하는 것으로 파악되는 경우에는 출퇴근 시간대에는 직장인들을 타겟하는 ‘외국어 학원’ 광고가 노출되고, 그 외의 시간대에는 관광객들을 타겟하는 ‘면세점’ 광고가 노출되도록 구성된 광고 노출 정보가 전송될 수 있다. 본 예에서는 개개인의 직업(직장인 vs. 관광객)을 기준으로 광고 노출 정보가 결정되었지만, 연령, 성별 등의 특성 중에서 하나 이상의 특정의 조합으로 광고 노출 정보가 결정될 수도 있다. 또한, 광고별로 노출 시간을 설정함에 있어, 광고의 클라이언트와의 계약에 따른 총 광고 노출 시간이 더 연관될 수 있다.
또한, 본 개시의 일 실시예에 따라 복수의 디지털 사이니지를 포함하고 있는 인공지능 디지털 사이니지 시스템(100)은 광고별 관심도 및 디지털 사이니지 각각의 시간별 유동인구 분석을 연관하여 보다 효과적으로 광고를 노출하여 광고 효과를 증대시킬 수 있다. 예를 들어, 시스템(100)의 광고 컨텐츠가 '게임 광고'와 '가구' 광고를 포함하는 상황을 가정하기로 하자. 시스템(100)은 '게임 광고'에 대한 광고별 관심도의 분석 결과가 10대 내지 40대의 남성에게 높은 관심도를 보이고, '가구' 광고의 경우에는 30대 내지 50대의 여성에게 높은 관심도를 보이는 것으로 분석될 수 있다. 이 때, 시스템(100)은 제1 디지털 사이니지에 대한 시간별 유동인구 분석에 따라, 10대 내지 40대의 남성이 많이 유동하는 시간대에 '게임' 광고를 노출하도록 지시하는 노출 정보를 제1 디지털 사이니지에 전송할 수 있다. 또한, 시스템(100)은 제1 디지털 사이니지에 대한 시간별 유동인구 분석에 따라, 30대 내지 50대의 여성이 많이 유동하는 시간대에 '가구' 광고를 노출하도록 지시하는 노출 정보를 제1 디지털 사이니지에 전송할 수 있다. 마찬가지로 시스템(100)은 제2 디지털 사이니지에 대한 시간별 유동인구 분석에 따라, '게임' 광고 및 '가구' 광고를 노출하도록 지시하는 노출 정보를 제2 디지털 사이니지에도 전송할 수 있다. 이 때, '게임' 광고에 대한 총 노출 시간, 즉 제1 디지털 사이니지에서 노출되는 시간 및 제2 디지털 사이니지에서 노출되는 시간의 합은 미리 정해진 총 시간으로 결정될 수 있다. 상기 총 시간은 '게임' 및 '가구' 광고와 다른 광고들 사이의 관계, 비율, 또는 광고주(클라이언트)가 지불한 광고 비용에 따라 결정될 수 있다.
위와 같이 본 개시의 인공지능 디지털 사이니지 시스템(100)은 디지털 사이니지 앞을 지나가는 개인을 디지털 사이니지가 노출하는 광고에 대한 관심도에 관계없이 모두 실시간으로 감지하고 분석함으로써, 디지털 사이니지(110)가 설치된 장소에서의 구체적이고 정확한 유동인구 분석 결과를 도출할 수 있고, 광고별 실질적 타겟이 누구인지 정확하게 분석이 가능할 수 있다.
다시 말하면, 본 개시의 시스템(100)은 광고별 관심도 및 시간별 유동인구 분석을 통해, 복수의 광고 컨텐츠를 복수의 장소(디지털 사이니지)에서 효과적으로 노출할 수 있다. 이를 통해 광고주는 광고 비용을 보다 효율적으로 사용하고, 광고 컨텐츠의 품질 및 효과를 정량적으로 분석할 수 있다는 특유의 효과를 가진다.
도 5는 도 4에 도시된 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 동작의 구체적인 예를 도시한 흐름도이다. 도 5에 도시된 프로세스(420)는 블록(421, 422, 423)에 의해 예시된 바와 같은 하나 이상의 동작, 기능 또는 작용을 포함할 수 있다.
도 5를 참조하면, 프로세스(420)는 영상 데이터로부터 딥러닝 모델을 이용하여 하나 이상의 사람을 인식하는 블록(421)에서 시작할 수 있다. 도 6은 본 개시의 일 실시예에 따른 인공지능 디지털 사이니지 시스템에서 영상 데이터로부터 딥러닝 모델을 이용하여 사람을 인식하는 과정을 시각화한 그림이다.
일 실시예에 따르면, 인공지능 서버(120)(또는 GPU 서버(122))는 디지털 사이니지로부터 수신한 영상 데이터(또는 비디오 정보)로부터 사람을 객체인식 할 수 있다. 도 6을 참조하면, 시각화 화면(600)은 분석대상인 비디오에 대한 기본 정보(610)와 비디오 화면(620)을 표시할 수 있다. 기본 정보(610)는 날짜, 시간, 위치(또는 디지털 사이니지의 식별정보) 및 현재 노출되는 광고의 식별 정보를 포함할 수 있다. 비디오 화면(620)은 기본 정보가 나타내는 날짜 및 시간(예를 들어, 2020년 8월 13일 12:00:03)에서의 영상 및 인식 결과를 표시할 수 있다. 비디오 화면(620)은 사람의 얼굴을 인식하도록 학습된 딥러닝 모델을 이용하여 사람을 인식한 결과를 표시할 수 있다. 다른 예에서, 사람의 실루엣 등 다른 요소를 이용하여 사람을 인식하도록 학습된 딥러닝 모델이 이용될 수도 있다. 이를 통해 인공지능 서버(122)는 위치(또는 디지털 사이니지) 별로 시간별 유동인구의 수를 식별할 수 있다.
다음으로, 프로세스(420)는 하나 이상의 사람의 특성 정보를 식별하는 블록(422)로 이어질 수 있다. 인공지능 서버(120)는 비디오로부터 인식된 사람에 대한 특성정보도 획득할 수 있다. 예를 들어, 인공지능 서버(120)는 인식된 사람의 외관 분석을 통해 개개인별 특성 정보를 식별할 수 있다. 예를 들어, 인공지능 서버(120)는 인식된 사람의 얼굴을 분석함으로써, 성별, 연령과 같은 특성 정보를 식별할 수 있다. 또한, 인공지능 서버(120)는 안경 착용 여부, 수염의 존부, 및 화장 여부 등 구체적인 특정 정보도 식별할 수 있다. 다른 예를 들어, 인공지능 서버(120)는 인식된 사람의 실루엣 및 외관을 분석함으로써, 키, 직군 등과 같은 특성 정보를 식별할 수 있다.
다음으로, 프로세스(420)는 하나 이상의 사람으로부터 노출되는 광고를 주시하는 관심인을 구별하는 블록(423)으로 이어질 수 있다. 인공지능 서버(120)는 비디오로부터 인식된 사람이 디지털 사이니지(110)에서 재생되는 광고 컨텐츠에 대하여 관심의 정도를 식별할 수 있다. 관심은 식별하는 방법은 다양한 방법이 적용될 수 있다. 예를 들어, 인식된 사람의 동공(또는 시선)을 추적하여 디지털 사이니지(110)에서 재생되는 광고 컨텐츠를 응시하는지, 응시하는 시간은 얼마인지를 식별하는 방법이 사용될 수 있다. 관심의 정도는 일정한 기준에 따라 구분될 수 있다. 예를 들어, 인공지능 서버(120)는 인식된 사람이 디지털 사이니지(110)에서 재생되는 광고 컨텐츠에 대하여 2초이상 응시하고 있는 것으로 식별되는 경우, 해당 사람은 컨텐츠에 대하여 관심이 있는 것으로 식별될 수 있다.
본 개시의 인공지능 디지털 사이니지 시스템(100)은 디지털 사이니지(110)가 감지한 감지 영역을 촬영한 영상을 분석하여, 유동인구 및 유동인구 중 디지털 사이니지(110)가 출력한 컨텐츠에 관심을 가지는 관심인에 대한 분석 데이터를 생성할 수 있다.
도 7은 본 개시의 일 실시예에 따른 디지털 사이니지에서 시간별 유동인구를 식별한 결과를 시각화한 도면이다.
도 7을 참조하면, 임의의 디지털 사이니지에 대해서 시간별 유동인구를 식별한 결과를 확인할 수 있다. 디지털 사이니지 #1에 대한 식별 결과(710)를 살펴보면, 남성, 30대 연령, 및 30대 남성 연령으로 구분된 카테고리에 따라 시간별 유동인구를 분석한 결과를 확인할 수 있다. 디지털 사이니지 #1 뿐만 아니라, 다른 디지털 사이니지, 예를 들어 디지털 사이니지 #2, #3의 분석 결과도 확인할 수 있다. 또한, 디지털 사이니지 #1에 대한 식별 결과(710)는 남성, 30대, 30대 남성으로 구분하였지만, 더 다양한 카테고리로 시간대별 유동인구가 분석될 수 있다. 본 개시의 시스템(100)은 도 7에서 확인할 수 있는 바와 같이, 복수의 디지털 사이니지가 설치된 장소에 대한 유동인구를 시간대별로 파악할 수 있다. 영상을 분석하는 단계(예를 들어 블록(420))에서 단순히 유동인구의 수를 카운트하는 것을 넘어 유동인구의 특성 정보를 식별하도록 구성되기 때문이다. 또한, 단순히 유동인구의 명수를 파악하는 것에 그치지 않고, 성별, 나이 등과 같이 개인의 특성에 따라 유동인구를 파악할 수 있는 특유의 효과를 가진다.
도 8은 본 개시의 일 실시예에 따른 디지털 사이니지에서 광고별 관심도를 분석한 결과를 시각화한 도면이다.
도 8을 참조하면, 임의의 광고 컨텐츠에 대한 관심도를 확인할 수 있다. 광고 컨텐츠#1에 대한 식별 결과(810)를 살펴보면, 성별, 연령별, 패션으로 구분된 카테고리에 따라 광고 컨텐츠별 관심도를 분석한 결과를 확인할 수 있다. 광고 컨텐츠#1 뿐만 아니라, 다른 광고 컨텐츠, 예를 들어 광고 컨텐츠 #2, #3의 분석 결과도 확인할 수 있다. 또한, 광고 컨텐츠 #1에 대한 식별 결과(810)는 성별, 연령별, 패션으로 구분하였지만, 더 다양한 카테고리로 시간대별 유동인구가 분석될 수 있다. 본 개시의 시스템(100)은 도 8에서 확인할 수 있는 바와 같이, 광고 컨텐츠에 관심을 보이는 사람을 유형별로, 또는 카테고리별로 파악할 수 있다. 본 개시의 시스템(100)을 사용하는 사용자는, 광고별 관심도를 분석한 결과를 통해 광고 컨텐츠를 제작할 때 의도한 타겟층이 효과적으로 관심을 보이는지, 광고 컨텐츠의 목적인 상품이 의도한 타겟층이 효과적으로 관심을 보이는지, 의도와 다르게 관심도가 높게 분석된 타겟층이 어딘지 효과적으로 파악할 수 있다.
본 개시의 일 실시예에 따른 시스템(100)은 도 7 및 도 8과 같이 분석된 시간별 유동인구 및 광고별 관심도를 연관하여 디지털 사이니지 각각에 어떤 광고 콘텐츠를 출력하도록 스케줄링하여 노출 정보를 전송할 것인지 결정할 수 있다.
도 9는 본 개시의 적어도 일부 실시예에 따른 인공지능 디지털 사이니지 시스템을 운용하기 위한 예시적인 컴퓨터 프로그램 제품(900)을 도시한다.
예시적인 컴퓨터 프로그램 제품의 예시적인 실시예는 신호 포함 매체(902)(또는 신호 베어링 매체)를 이용하여 제공된다. 일부 실시예에서, 하나 이상의 컴퓨터 프로그램 제품(900)의 신호 포함 매체(902)는 적어도 하나의 명령어(904), 컴퓨터 판독가능 매체(906), 기록 가능 매체(908) 및/또는 통신매체(910)를 포함할 수 있다.
신호 포함 매체(902)에 포함된 명령어(instructions)(904)는 예컨대, 도 1에 예시된, 인공지능 디지털 사이니지 시스템(100) 또는 인공지능 서버(120)에 포함된 하나 이상의 컴퓨팅 장치에 의해 실행될 수 있다. 명령어(904)는 상기 하나 이상의 컴퓨팅 장치를 이용하여, 사용자 장치로부터의 요청에 응답하여, 하나 이상의 디지털 사이니지로부터 비디오 정보를 수신하는 명령어, 상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 명령어, 상기 분석 데이터를 이용하여, 광고별 관심도 및 시간별 유동인구를 식별하는 명령어, 및 식별된 상기 광고별 관심도 및 시간별 유동인구에 기초하여 상기 하나 이상의 디지털 사이니지에 시간별 광고 노출 정보를 전송하기 위한 명령어 중 적어도 하나를 저장할 수 있다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수도 있다.
이상, 본 개시에서 청구하고자 하는 대상에 대해 구체적으로 살펴보았다. 본 개시에서 청구된 대상은 앞서 기술한 특정 구현예로 그 범위가 제한되지 않는다. 예컨대, 어떤 구현예에서는 장치 또는 장치의 조합 상에서 동작 가능하게 사용되는 하드웨어의 형태일 수 있으며, 다른 구현예에서는 소프트웨어 및/또는 펌웨어의 형태로 구현될 수 있고, 또 다른 구현예에서는 신호 베어링 매체, 저장 매체와 같은 하나 이상의 물품을 포함할 수 있다. 여기서, CD-ROM, 컴퓨터 디스크, 플래시 메모리 등과 같은 저장 매체는, 예컨대 컴퓨팅 시스템, 컴퓨팅 플랫폼 또는 기타 시스템과 같은 컴퓨팅 장치에 의하여 실행될 때 앞서 설명한 구현예에 따라 해당 프로세서의 실행을 야기시킬 수 있는 명령을 저장할 수 있다. 이러한 컴퓨팅 장치는 하나 이상의 처리 유닛 또는 프로세서, 디스플레이, 키보드 및/또는 마우스와 같은 하나 이상의 입/출력 장치, 및 정적 랜덤 액세스 메모리, 동적 랜덤 액세스 메모리, 플래시 메모리 및/또는 하드 드라이브와 같은 하나 이상의 메모리를 포함할 수 있다.
한편, 시스템을 하드웨어로 구현할 것인지 아니면 소프트웨어로 구현할 것인지는, 일반적으로 비용 대비 효율의 트레이드오프를 나타내는 설계상 선택 문제이다. 본 개시에서는 프로세스, 시스템, 기타 다른 기술들의 영향을 받을 수 있는 다양한 수단(예를 들어, 하드웨어, 소프트웨어 및/또는 펌웨어)이 있으며, 선호되는 수단은 프로세스 및/또는 시스템 및/또는 다른 기술이 사용되는 맥락(context)에 따라 변경될 것이다. 예를 들어, 구현자가 속도 및 정확성이 가장 중요하다고 결정한다면, 구현자는 주로 하드웨어 및/또는 펌웨어 수단을 선택할 수 있으며, 유연성이 가장 중요하다면, 구현자는 주로 소프트웨어 구현을 선택할 수 있으며; 또는, 다른 대안으로서, 구현자는 하드웨어, 소프트웨어 및/또는 펌웨어의 어떤 결합을 선택할 수 있다.
전술한 상세한 설명에서는 블록도, 흐름도 및/또는 기타 예시를 통해 장치 및/또는 프로세스의 다양한 실시예를 설명하였다. 그러한 블록도, 흐름도, 및/또는 기타 예시는 하나 이상의 기능 및/또는 동작을 포함하게 되며, 당업자라면 블록도, 흐름도 및/또는 기타 예시 내의 각각의 기능 및/또는 동작이 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 임의의 조합에 의해 개별적으로 혹은 집합적으로 구현될 수 있다는 점을 이해할 수 있을 것이다. 일 실시예에서, 본 개시에 기재된 대상의 몇몇 부분은 ASIC(Application Specific Integrated Circuit), FPGA(Field Programmable Gate Array), DSP(Digital Signal Processor) 또는 다른 집적의 형태를 통해 구현될 수 있다. 이와 달리, 본 개시의 실시예의 일부 양상은 하나 이상의 컴퓨터 상에 실행되는 하나 이상의 컴퓨터 프로그램(예를 들어, 하나 이상의 컴퓨터 시스템 상에 실행되는 하나 이상의 프로그램), 하나 이상의 프로세서 상에서 실행되는 하나 이상의 프로그램(예를 들어, 하나 이상의 마이크로프로세서 상에서 실행되는 하나 이상의 프로그램), 펌웨어 또는 이들의 실질적으로 임의의 조합으로써 전체적으로 또는 부분적으로 균등하게 집적 회로에서 구현될 수도 있으며, 소프트웨어 및/또는 펌웨어를 위한 코드의 작성 및/또는 회로의 설계는 본 개시에 비추어 당업자의 기술 범위 내에 속하는 것이다. 또한, 당업자라면, 본 개시의 대상의 매커니즘들이 다양한 형태의 프로그램 제품으로 분배될 수 있음을 이해할 것이며, 본 개시의 대상의 예시는 분배를 실제로 수행하는데 사용되는 신호 베어링 매체의 특정 유형과 무관하게 적용됨을 이해할 것이다.
특정 예시적 기법이 다양한 방법 및 시스템을 이용하여 여기에서 기술되고 도시되었으나, 당업자라면, 청구된 대상에서 벗어남이 없이, 다양한 기타의 수정 또는 등가물로의 치환 가능성을 이해할 수 있다. 추가적으로, 여기에 기술된 중심 개념으로부터 벗어남이 없이 특정 상황을 청구된 대상의 교시로 적응시키도록 많은 수정이 이루어질 수 있다. 따라서, 청구된 대상이 개시된 특정 예시로 제한되지 않으나, 그러한 청구된 대상은 또한 첨부된 청구범위 및 그 균등의 범위 내에 들어가는 모든 구현예를 포함할 수 있음이 의도된다.
본 개시 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 본 개시 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다. 나아가, 본 개시 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 본 개시에서 사용되는 정도의 용어 "약," "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본원의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다.
본 개시의 범위는 전술한 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위, 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.

Claims (12)

  1. 인공지능 디지털 사이니지 시스템의 운영 방법으로서,
    복수의 광고 컨텐츠를 노출하는 제1 디지털 사이니지로부터 비디오 정보를 수신하는 단계;
    상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 단계;
    상기 분석 데이터를 이용하여, 상기 복수의 광고 컨텐츠에 대한 광고별 관심도 및 상기 제1 디지털 사이니지의 앞을 지나가는 제1 시간별 유동인구를 식별하는 단계; 및
    식별된 상기 광고별 관심도 및 제1 시간별 유동인구에 기초하여 상기 제1 디지털 사이니지가 복수의 광고 컨텐츠의 각각을 시간별로 달리 노출하도록 구성된 제1 시간별 광고 노출 정보를 전송하는 단계를 포함하는,
    인공지능 디지털 사이니지 시스템의 운영 방법.
  2. 제1항에 있어서,
    상기 비디오 정보는,
    날짜, 시간, 장소, 노출 광고 식별정보, 및 스트리밍 영상 데이터를 포함하는 것인, 인공지능 디지털 사이니지 시스템의 운영 방법.
  3. 제2항에 있어서,
    상기 비디오 정보에 포함된, 상기 날짜, 시간, 장소, 노출 광고 식별정보를 메타데이터 데이터베이스에 저장하는 단계; 및
    상기 비디오 정보에 포함된 영상 데이터를 영상 데이터베이스에 저장하는 단계
    를 더 포함하는, 인공지능 디지털 사이니지 시스템의 운영 방법.
  4. 제2항에 있어서,
    상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 단계는,
    상기 영상 데이터로부터 상기 딥러닝 모델을 이용하여 하나 이상의 사람을 인식하는 단계;
    상기 하나 이상의 사람으로부터 상기 제1 디지털 사이니지에 주목한 관심인을 구별하는 단계; 및
    상기 관심인을 포함하는 상기 하나 이상의 사람 각각의 특성정보를 식별하는 단계
    를 포함하는 것인, 인공지능 디지털 사이니지 시스템의 운영 방법.
  5. 제4항에 있어서,
    상기 분석 데이터를 이용하여, 광고별 관심도 및 제1 시간별 유동인구를 식별하는 단계는,
    노출광고 별로 상기 관심인의 특성정보를 연관하여 상기 광고별 관심도를 식별하는 단계; 및
    상기 하나 이상의 사람 각각의 특성정보를 이용하여 상기 제1 시간별 유동인구를 식별하는 단계
    를 포함하는 것인, 인공지능 디지털 사이니지 시스템의 운영 방법.
  6. 제1항에 있어서,
    상기 복수의 광고 컨텐츠를 노출하는 제2 디지털 사이니지로부터 비디오 정보를 수신하는 단계;
    상기 분석 데이터를 이용하여, 상기 제2 디지털 사이니지의 앞을 지나는 제2 시간별 유동인구를 식별하는 단계; 및
    상기 광고별 관심도 및 상기 제2 시간별 유동인구에 기초하여 상기 제2 디지털 사이니지가 시간별로 복수의 광고 컨텐츠를 시간별로 달리 노출하도록 구성된 제2 시간별 광고 노출 정보를 전송하는 단계를 더 포함하며,
    상기 제1 시간별 광고 노출 정보 및 상기 제2 시간별 광고 노출 정보에 포함된 상기 복수의 광고 컨텐츠 각각의 노출 시간은 총 노출 시간 또는 비율이 서로 연관된 것인, 인공지능 디지털 사이니지 시스템의 운영 방법.
  7. 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체로서, 상기 컴퓨터 프로그램은 상기 인공지능 디지털 사이니지 시스템 내의 하나 이상의 컴퓨팅 장치에서 수행가능한 하나 이상의 명령어를 포함하며, 상기 하나 이상의 명령어는,
    복수의 광고 컨텐츠를 노출하는 제1 디지털 사이니지로부터 비디오 정보를 수신하는 명령어;
    상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 명령어;
    상기 분석 데이터를 이용하여, 상기 복수의 광고 컨텐츠에 대한 광고별 관심도 및 상기 제1 디지털 사이니지의 앞을 지나가는 제1 시간별 유동인구를 식별하는 명령어; 및
    식별된 상기 광고별 관심도 및 시간별 유동인구에 기초하여 상기 제1 디지털 사이니지가 복수의 광고 컨텐츠의 각각을 시간별로 달리 노출하도록 구성된 제1 시간별 광고 노출 정보를 전송하는 명령어
    를 포함하는, 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
  8. 제7항에 있어서,
    상기 비디오 정보는
    날짜, 시간, 장소, 노출 광고 식별정보, 및 스트리밍 영상 데이터를 포함하는 것인, 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
  9. 제8항에 있어서,
    상기 하나 이상의 명령어는,
    상기 비디오 정보에 포함된, 상기 날짜, 시간, 장소, 노출 광고 식별정보를 메타데이터 데이터베이스에 저장하는 명령어; 및
    상기 비디오 정보에 포함된 영상 데이터를 영상 데이터베이스에 저장하는 명령어
    를 더 포함하는 것인, 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
  10. 제8항에 있어서,
    상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 명령어는,
    상기 영상 데이터로부터 상기 딥러닝 모델을 이용하여 하나 이상의 사람을 인식하는 명령어;
    상기 하나 이상의 사람으로부터 상기 제1 디지털 사이니지에 주목한 관심인을 구별하는 명령어; 및
    상기 관심인을 포함하는 상기 하나 이상의 사람 각각의 특성정보를 식별하는 명령어
    를 포함하는 것인, 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
  11. 제10항에 있어서,
    상기 분석 데이터를 이용하여, 광고별 관심도 및 제1 시간별 유동인구를 식별하는 명령어는,
    노출광고 별로 상기 관심인의 특성정보를 연관하여 상기 광고별 관심도를 식별하는 명령어; 및
    상기 하나 이상의 사람 각각의 특성정보를 이용하여 상기 제1 시간별 유동인구를 식별하는 명령어
    를 포함하는 것인, 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
  12. 제7항에 있어서,
    상기 하나 이상의 명령어는,
    상기 복수의 광고 컨텐츠를 노출하는 제2 디지털 사이니지로부터 비디오 정보를 수신하는 명령어;
    상기 분석 데이터를 이용하여, 상기 제2 디지털 사이니지의 앞을 지나는 제2 시간별 유동인구를 식별하는 명령어; 및
    상기 광고별 관심도 및 상기 제2 시간별 유동인구에 기초하여 상기 제2 디지털 사이니지가 시간별로 복수의 광고 컨텐츠를 시간별로 달리 노출하도록 구성된 제2 시간별 광고 노출 정보를 전송하는 명령어를 더 포함하며,
    상기 제1 시간별 광고 노출 정보 및 상기 제2 시간별 광고 노출 정보에 포함된 상기 복수의 광고 컨텐츠 각각의 노출 시간은 총 노출 시간 또는 비율이 서로 연관된 것인, 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
KR1020200102570A 2020-08-14 2020-08-14 인공지능 디지털 사이니지 시스템 및 이의 운용방법 KR102478149B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200102570A KR102478149B1 (ko) 2020-08-14 2020-08-14 인공지능 디지털 사이니지 시스템 및 이의 운용방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200102570A KR102478149B1 (ko) 2020-08-14 2020-08-14 인공지능 디지털 사이니지 시스템 및 이의 운용방법

Publications (2)

Publication Number Publication Date
KR20220021689A KR20220021689A (ko) 2022-02-22
KR102478149B1 true KR102478149B1 (ko) 2022-12-16

Family

ID=80494252

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200102570A KR102478149B1 (ko) 2020-08-14 2020-08-14 인공지능 디지털 사이니지 시스템 및 이의 운용방법

Country Status (1)

Country Link
KR (1) KR102478149B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102595318B1 (ko) * 2022-06-24 2023-10-26 (주)제로웹 유동인구 계수 추적이 용이한 영상 관제 시스템
KR102642350B1 (ko) * 2023-09-05 2024-02-29 주식회사 제이솔루션 고객 인터렉션 기반 광고 효과 측정 및 실시간 반영 사이니지 솔루션

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101744940B1 (ko) * 2016-01-20 2017-06-08 서강대학교산학협력단 디지털 사이니지 시스템에서 상황인지형 컨텐츠 추천장치
KR102042709B1 (ko) * 2019-04-02 2019-11-08 김성남 출현 객체를 식별하고 출현 객체의 반응에 따라 출력 방식을 변경하는 반응형 광고 출력 방법 및 상기 방법을 실행하기 위하여 매체에 저장된 컴퓨터 프로그램

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101744940B1 (ko) * 2016-01-20 2017-06-08 서강대학교산학협력단 디지털 사이니지 시스템에서 상황인지형 컨텐츠 추천장치
KR102042709B1 (ko) * 2019-04-02 2019-11-08 김성남 출현 객체를 식별하고 출현 객체의 반응에 따라 출력 방식을 변경하는 반응형 광고 출력 방법 및 상기 방법을 실행하기 위하여 매체에 저장된 컴퓨터 프로그램

Also Published As

Publication number Publication date
KR20220021689A (ko) 2022-02-22

Similar Documents

Publication Publication Date Title
US20200320585A1 (en) Methods and systems for personalizing visitor experience, encouraging philanthropic activity and social networking
US10019653B2 (en) Method and system for predicting personality traits, capabilities and suggested interactions from images of a person
US9324096B2 (en) System and method for communicating information
JP6267861B2 (ja) 対話型広告のための使用測定技法およびシステム
CN105339969B (zh) 链接的广告
KR101348142B1 (ko) 얼굴인식기술을 이용하여 분류된 개인 또는 그룹 유형별 맞춤형 콘텐츠 제공 방법 및 그러한 시스템
WO2014089417A2 (en) Physical context and cookies
WO2021031600A1 (zh) 数据采集方法、装置、计算机装置及存储介质
KR102478149B1 (ko) 인공지능 디지털 사이니지 시스템 및 이의 운용방법
Yu et al. AI-based targeted advertising system
US20220114616A1 (en) Digital anthropology and ethnography system
CN111951043A (zh) 信息投放处理方法、装置、存储介质与电子设备
US10776828B2 (en) System and method for facilitating dynamic brand promotion using autonomous vehicles
US20130138505A1 (en) Analytics-to-content interface for interactive advertising
US11151600B2 (en) Cognitive analysis of user engagement with visual displays
KR20200128222A (ko) 인공지능을 이용한 성과 기반 콘텐츠 스타일 추천방법
Santarcangelo et al. Egocentric vision for visual market basket analysis
KR102654932B1 (ko) 광고 효과 분석 서비스를 제공하는 방법 및 그를 이용한 서버
Bianco et al. Who Is in the Crowd? Deep Face Analysis for Crowd Understanding
KR102639069B1 (ko) 인공지능에 기반한 광고 방법 추천 시스템
Chana et al. Reading in the city: mobile eye-tracking and evaluation of text in an everyday setting
Yang et al. Street characteristics and human activities in commercial districts: A clustering-based approach application for Shenzhen
KR20200128220A (ko) 인공지능을 이용한 성과 기반 콘텐츠 스타일 추천방법
KR20230014155A (ko) 맞춤형 마케팅을 위한 미디어보드에서의 qr코드 노출 방법 및 시스템
Macik et al. Addinpanel: Adaptive advertising interactive panel

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