KR102616850B1 - 전자 장치, 전자 장치와 결합 가능한 외부 디바이스 및 이의 디스플레이 방법 - Google Patents
전자 장치, 전자 장치와 결합 가능한 외부 디바이스 및 이의 디스플레이 방법 Download PDFInfo
- Publication number
- KR102616850B1 KR102616850B1 KR1020180025902A KR20180025902A KR102616850B1 KR 102616850 B1 KR102616850 B1 KR 102616850B1 KR 1020180025902 A KR1020180025902 A KR 1020180025902A KR 20180025902 A KR20180025902 A KR 20180025902A KR 102616850 B1 KR102616850 B1 KR 102616850B1
- Authority
- KR
- South Korea
- Prior art keywords
- user
- electronic device
- data
- display
- graphic object
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000003993 interaction Effects 0.000 claims abstract description 125
- 230000008451 emotion Effects 0.000 claims abstract description 59
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 36
- 230000033001 locomotion Effects 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 31
- 230000003213 activating effect Effects 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 238000010801 machine learning Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 25
- 230000006870 function Effects 0.000 description 23
- 238000011156 evaluation Methods 0.000 description 22
- 230000003287 optical effect Effects 0.000 description 22
- 230000008859 change Effects 0.000 description 16
- 238000007781 pre-processing Methods 0.000 description 15
- 238000012549 training Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 239000000758 substrate Substances 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000002996 emotional effect Effects 0.000 description 3
- 230000008921 facial expression Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000003032 molecular docking Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 206010048909 Boredom Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 229920006255 plastic film Polymers 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000000060 site-specific infrared dichroism spectroscopy Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000003867 tiredness Effects 0.000 description 1
- 208000016255 tiredness Diseases 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
- G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
- G03H1/0005—Adaptation of holography to specific applications
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
- G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
- G03H1/04—Processes or apparatus for producing holograms
- G03H1/0443—Digital holography, i.e. recording holograms with digital recording means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/002—Specific input/output arrangements not covered by G06F3/01 - G06F3/16
- G06F3/005—Input arrangements through a video camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- H02J7/025—
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
- G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
- G03H1/04—Processes or apparatus for producing holograms
- G03H1/0443—Digital holography, i.e. recording holograms with digital recording means
- G03H2001/0452—Digital holography, i.e. recording holograms with digital recording means arranged to record an image of the object
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/01—Indexing scheme relating to G06F3/01
- G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N3/088—Non-supervised learning, e.g. competitive learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Acoustics & Sound (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
사용자 인터랙션에 대한 서비스를 제공하는 전자 장치가 개시된다. 본 개시에 따른 전자 장치는 디스플레이, 센서 및 프로세서를 포함하며, 프로세서는, 사용자 인터랙션에 따라 동작하는 인터랙션 모드가 개시되면 센서를 제어하여 사용자 위치를 감지하고, 감지된 사용자 위치에 대응되는 위치에 그래픽 오브젝트를 표시하도록 디스플레이를 제어하며, 인터랙션 모드에서 사용자 인터랙션이 입력되면 그래픽 오브젝트를 변경하여 사용자 인터랙션에 대한 피드백을 제공하도록 디스플레이를 제어한다.
한편, 본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하는 인공지능(AI) 시스템에 관한 것으로서, 본 개시에 따른 전자 장치의 디스플레이 방법은, 사용자 인터랙션을 인공지능 알고리즘에 의해 학습된 모델에 입력하여 사용자 감정을 추정하거나, 사용자 인터랙션에 대응되는 서비스를 제공할 수 있다.
한편, 본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하는 인공지능(AI) 시스템에 관한 것으로서, 본 개시에 따른 전자 장치의 디스플레이 방법은, 사용자 인터랙션을 인공지능 알고리즘에 의해 학습된 모델에 입력하여 사용자 감정을 추정하거나, 사용자 인터랙션에 대응되는 서비스를 제공할 수 있다.
Description
본 개시는 전자 장치, 전자 장치와 결합 가능한 외부 디바이스 및 이의 디스플레이 방법 및 서비스 제공 방법에 관한 것으로, 보다 상세하게는 3D 캐릭터 등으로 표시되는 그래픽 오브젝트를 활용한 다양한 서비스 제공 방법에 관한 것이다.
또한, 본 개시는 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공 지능(Artificial Intelligence, AI) 시스템 및 그 응용에 관한 것이다.
인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계학습(딥러닝) 및 기계 학습을 활용한 요소 기술들로 구성된다.
기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소 기술은 딥러닝 등의 기계학습 알고리즘을 활용하는 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, 대화 시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 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 경험 정보를 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.
한편, 근래에는 다양한 형태의 인공 지능 비서 기능이 제공되는 전자 장치가 개시되고 있다. 그러나 종래 인공 지능 비서 기능을 주로 음성 인식을 통해 사용자에게 서비스를 제공하였다. 예를 들어, 사용자가 "오늘 날씨 어때"라는 간단한 질의를 하는 경우, 전자 장치는 “내일 용인시 수지구 하늘에는 구름이 다소 많겠습니다. 최고 기온은 영상 28도, 최저 기온은 영상 15도로 예상됩니다."와 같은 정보를 음성으로 제공한다. 따라서, 음성을 통한 정보 제공의 경우, 사용자가 간단한 정보를 얻고자 하는 경우에도 긴 시간 음성을 들어야 하는 불편함이 존재하였다.
본 개시는 기존의 음성 비서 기능이 가지는 불편함을 해결하고, 다양한 사용자 인터랙션에 대한 다양한 인터랙션을 제공하기 위한 전자 장치, 외부 디바이스 및 서비스 제공 방법에 관한 것이다.
일 실시예에 따른, 전자 장치는, 디스플레이, 센서 및 프로세서를 포함하며,상기 프로세서는, 사용자 인터랙션에 따라 동작하는 인터랙션 모드가 개시되면 상기 센서를 제어하여 사용자 위치를 감지하고, 상기 감지된 사용자 위치에 대응되는 위치에 그래픽 오브젝트를 표시하도록 상기 디스플레이를 제어하며, 상기 인터랙션 모드에서 상기 사용자 인터랙션이 입력되면 상기 그래픽 오브젝트를 변경하여 상기 사용자 인터랙션에 대한 피드백을 제공하도록 상기 디스플레이를 제어한다.
이때, 상기 센서는, 상기 디스플레이 방향으로 배치된 제1 카메라를 포함하며, 상기 프로세서는, 상기 인터랙션 모드가 개시되면 상기 제1 카메라를 활성화시켜, 상기 제1 카메라에 의해 획득된 이미지를 통해 상기 사용자 위치를 감지할 수 있다.
이때, 상기 센서는, 상기 제1 카메라와 반대 방향으로 배치된 제2 카메라;를 더 포함하며, 상기 프로세서는, 상기 인터랙션 모드가 개시되면 상기 제1 및 제2 카메라를 각각 활성화시키고, 상기 제2 카메라에 의해 획득된 이미지에 맞추어 상기 그래픽 오브젝트의 표시 상태를 조정할 수 있다.
이때, 상기 프로세서는, 상기 제1 카메라에 의해 획득된 사용자 이미지를 분석하여 사용자 감정을 추정하고, 추정된 상기 사용자 감정에 따라 상기 그래픽 오브젝트의 표정을 결정할 수 있다.
이때, 상기 인터랙션 모드는 사용자 음성에 따라 동작하는 음성 인식 모드이며, 상기 프로세서는, 상기 사용자 음성의 입력 과정 및 처리 과정에 대응되도록 상기 그래픽 오브젝트를 지속적으로 변경할 수 있다.
이때, 상기 인터랙션 모드는 사용자 모션에 따라 동작하는 모션 인식 모드이며, 상기 프로세서는, 상기 사용자 모션의 입력 과정 및 처리 과정에 대응되도록 상기 그래픽 오브젝트를 지속적으로 변경할 수 있다.
이때, 상기 프로세서는, 상기 전자 장치가 무선 충전 장치 상에 위치하여 무선 충전이 개시되면, 상기 인터랙션 모드가 개시된 것으로 판단하고 상기 디스플레이를 제어하여 상기 그래픽 오브젝트를 표시할 수 있다.
이때, 상기 프로세서는, 상기 전자 장치가 외부 디바이스와 도킹되면, 상기 인터랙션 모드가 개시된 것으로 판단하고 상기 디스플레이를 제어하여 상기 그래픽 오브젝트를 표시할 수 있다.
이때, 상기 프로세서는, 상기 사용자 이미지를 인공지능 신경망(Neural Network) 모델에 입력하여, 상기 사용자 감정을 추정할 수 있다.
또 다른 실시예에 따른 전자 장치의 디스플레이 방법은, 사용자 인터랙션에 따라 동작하는 인터랙션 모드가 개시되면 사용자 위치를 감지하는 단계, 상기 전자 장치의 디스플레이 상에서, 상기 사용자 위치에 대응되는 위치에 그래픽 오브젝트를 표시하는 단계, 상기 인터랙션 모드에서 상기 사용자 인터랙션이 입력되면 상기 그래픽 오브젝트를 변경하여 상기 사용자 인터랙션에 대한 피드백을 제공하는 단계를 포함한다.
이때, 상기 사용자 위치를 감지하는 단계는, 상기 인터랙션 모드가 개시되면 상기 디스플레이 방향으로 배치된 제1 카메라를 활성화시키는 단계, 상기 제1 카메라에 의해 획득된 이미지를 통해 상기 사용자 위치를 감지하는 단계를 포함할 수 있다.
이때, 상기 제1 카메라와 반대 방향으로 배치된 제2 카메라를 활성화시키는 단계, 상기 제2 카메라에 의해 획득된 이미지에 맞추어 상기 그래픽 오브젝트의 표시 상태를 조정하는 단계를 더 포함할 수 있다.
이때, 상기 제1 카메라에 의해 획득된 사용자 이미지를 분석하여 사용자 감정을 추정하는 단계, 추정된 상기 사용자 감정에 따라 상기 그래픽 오브젝트의 표정을 결정하는 단계를 더 포함할 수 있다.
이때, 상기 인터랙션 모드는 사용자 음성에 따라 동작하는 음성 인식 모드이며, 상기 사용자 인터랙션에 대한 피드백을 제공하는 단계는 상기 사용자 음성의 입력 과정 및 처리 과정에 대응되도록 상기 그래픽 오브젝트를 지속적으로 변경하는 단계를 포함할 수 있다.
이때, 상기 인터랙션 모드는 사용자 모션에 따라 동작하는 모션 인식 모드이며, 상기 사용자 인터랙션에 대한 피드백을 제공하는 단계는 상기 사용자 모션의 입력 과정 및 처리 과정에 대응되도록 상기 그래픽 오브젝트를 지속적으로 변경할 수 있다.
이때, 상기 전자 장치가 무선 충전 장치상에 위치하여 무선 충전이 개시되면, 상기 인터랙션 모드가 개시된 것으로 판단하는 단계를 더 포함할 수 있다.
이때, 상기 전자 장치가 외부 디바이스와 도킹되면, 상기 인터랙션 모드가 개시된 것으로 판단하는 단계를 더 포함할 수 있다.
이때, 상기 사용자 감정을 추정하는 단계는, 상기 사용자 이미지를 인공지능 신경망(Neural Network) 모델에 입력하여, 상기 사용자 감정을 추정하는 단계; 를 더 포함할 수 있다.
본 개시의 또 다른 실시예에 따른 사용자 인터랙션을 수행하기 위한 프로그램이 저장된 기록 매체에 있어서, 상기 사용자 인터랙션은, 사용자 인터랙션에 따라 동작하는 인터랙션 모드가 개시되면, 전면 카메라 및 후면 카메라를 활성화시키는 단계, 상기 전면 카메라에서 획득된 이미지를 통해 사용자 위치를 감지하는 단계, 상기 후면 카메라에서 획득된 이미지를 통해 주위 배경을 감지하는 단계, 상기 사용자 위치에 대응되는 위치에서 상기 주위 배경에 대응되는 형태로, 그래픽 오브젝트를 표시하는 단계, 상기 인터랙션 모드에서 상기 사용자 인터랙션이 입력되면 상기 그래픽 오브젝트를 변경하여 상기 사용자 인터랙션에 대한 피드백을 제공하는 단계를 포함한다.
본 개시의 다양한 실시예에 따라, 전자 장치는 사용자 인터랙션 및 배경 이미지에 따라 다양한 방법으로 그래픽 오브젝트를 표시할 수 있다.
도 1은 본 개시의 일 실시예에 따른 전자 장치, 외부 디바이스 및 서버를 설명하기 위한 예시도이다.
도 2a 및 도 2b는 본 개시의 일 실시예에 따른 전자 장치(100)의 구성을 도시한 블록도이다.
도 3은 본 개시의 일 실시예에 따른 그래픽 오브젝트를 설명하기 위한 예시도이다.
도 4a 내지 도 4c는 본 개시의 일 실시예에 따른 외부 디바이스를 설명하기 위한 예시도이다.
도 5는 본 개시의 일 실시예에 따른 외부 디바이스의 구조를 상세히 설명하기 위한 예시도이다.
도 6a 내지 도 6e는 본 개시의 일 실시예에 따른 배경 이미지에 따른 그래픽 오브젝트의 표시 방법을 설명하기 위한 예시도이다.
도 7a 및 도 7b는 본 개시의 일 실시예에 따른 사용자의 위치를 판단하는 방법 및 사용자의 위치에 따라 그래픽 오브젝트를 표시하는 방법을 설명하기 위한 예시도이다.
도 8은 본 개시의 일 실시예에 따른 전자 장치(100) 및 서버(300)의 소프트웨어 모듈을 설명하기 위한 예시도이다.
도 9a 내지 도 9d는 본 개시의 일 실시예에 따른 다양한 그래픽 오브젝트의 표시 방법을 설명하기 위한 예시도이다.
도 10 내지 도 13은 본 개시의 일 실시예에 따른 학습 알고리즘을 통해 데이터 인식 모델을 구축하여 데이터를 인식하는 실시예를 설명하기 위한 도면들이다.
도 14는 본 개시의 일 실시예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
도 2a 및 도 2b는 본 개시의 일 실시예에 따른 전자 장치(100)의 구성을 도시한 블록도이다.
도 3은 본 개시의 일 실시예에 따른 그래픽 오브젝트를 설명하기 위한 예시도이다.
도 4a 내지 도 4c는 본 개시의 일 실시예에 따른 외부 디바이스를 설명하기 위한 예시도이다.
도 5는 본 개시의 일 실시예에 따른 외부 디바이스의 구조를 상세히 설명하기 위한 예시도이다.
도 6a 내지 도 6e는 본 개시의 일 실시예에 따른 배경 이미지에 따른 그래픽 오브젝트의 표시 방법을 설명하기 위한 예시도이다.
도 7a 및 도 7b는 본 개시의 일 실시예에 따른 사용자의 위치를 판단하는 방법 및 사용자의 위치에 따라 그래픽 오브젝트를 표시하는 방법을 설명하기 위한 예시도이다.
도 8은 본 개시의 일 실시예에 따른 전자 장치(100) 및 서버(300)의 소프트웨어 모듈을 설명하기 위한 예시도이다.
도 9a 내지 도 9d는 본 개시의 일 실시예에 따른 다양한 그래픽 오브젝트의 표시 방법을 설명하기 위한 예시도이다.
도 10 내지 도 13은 본 개시의 일 실시예에 따른 학습 알고리즘을 통해 데이터 인식 모델을 구축하여 데이터를 인식하는 실시예를 설명하기 위한 도면들이다.
도 14는 본 개시의 일 실시예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.
본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 개시의 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 개시된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 개시의 실시 예에서 '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 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 프로세서(미도시)로 구현될 수 있다.
본 개시의 실시 예에서, 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 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 개시의 일 실시예에 따른 전자 장치, 외부 디바이스 및 서버를 설명하기 위한 예시도이다.
도 1에 도시된 바와 같이, 서비스 제공 시스템(1000)은 전자 장치(100), 전자 장치(100)와 결합 가능한 외부 디바이스(200) 및 서버(300)를 포함할 수 있다. 본 개시에서 제공되는 서비스는 사용자의 상태에 따른 서비스를 제공하는 서비스로서, 사용자의 음성 또는 모션을 인식하고, 인식된 음성 또는 모션에 대응되는 서비스를 제공하는 인공지능 비서 서비스일 수 있다.
전자 장치(100)는 외부 디바이스(200)와 결합하여 유사 홀로그램을 표시할 수 있다. 이때, 유사 홀로그램이란, 전자 장치(100)에 표시되는 그래픽 오브젝트를 기초로 외부 디바이스(200) 상에서 표시되는 그래픽 오브젝트일 수 있다. 그래픽 오브젝트는 도 1에 도시된 바와 같이 캐릭터의 형태로 구현될 수 있으나, 이에 한정되는 것은 아니며, 정보 제공을 위한 텍스트, 아이콘, 도안 등 다양한 형태일 수 있다.
전자 장치(100)는 사용자의 상태를 기초로 그래픽 오브젝트를 표시할 수 있다. 예를 들어 전자 장치(100)는 사용자의 위치에 따라 다른 형태로 그래픽 오브젝트를 표시할 수 있다. 또는, 전자 장치(100)는 사용자 음성 사용자 모션 등을 기초로 그래픽 오브젝트를 변경시킬 수 있다. 또는, 전자 장치(100)는 사용자 음성, 사용자 모션 등을 분석하여 다양한 서비스를 제공할 수 있다. 사용자에게 제공되는 서비스는 서버(300)로부터 수신되거나, 전자 장치(100)가 판단할 수 있음은 물론이다. 이하, 본 개시에서는 특별한 사정이 없는 한, 사용자 음성, 사용자 모션, 사용자 위치, 사용자 제스쳐 등 다양한 사용자 입력을 사용자 인터랙션이라고 통칭하여 사용한다.
한편, 전자 장치(100)는 스마트 폰으로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 전자책 리더기(e-book reader), 데스크탑 PC (desktop PC), 랩탑 PC(laptop PC), 넷북 컴퓨터(netbook computer), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어 중 적어도 하나를 포함할 수 있다.
또 다른 실시 예로, 전자 장치(100)는 가전 제품(home appliance)일 수 있다. 가전 제품은, 예를 들면, 텔레비전, DVD 플레이어(Digital Video Disk player), 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스(set-top box), 홈 오토매이션 컨트롤 패널(home automation control panel), 보안 컨트롤 패널(security control panel), TV 박스(예: 삼성 HomeSync™, 애플TV™, 또는 구글 TV™), 게임 콘솔(예: Xbox™, PlayStation™), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
외부 디바이스(200)는 전자 장치(100)와 결합되어 전자 장치(100)에 표시된 그래픽 오브젝트를 표시하기 위한 장치이다. 도 1에서는 전자 장치(100)와 외부 디바이스(200)가 물리적으로 결합하여 전자 장치(100)에 표시된 화면을 외부 디바이스(200)가 그대로 표시할 수 있다. 본 개시에서는 전자 장치(100)와 외부 디바이스(200)가 물리적으로 결합되는 경우에 대하여 설명하나 이에 한정되는 것은 아니다. 즉, 외부 디바이스(200)는 전자 장치(100)로부터 표시할 영상에 대한 데이터를 수신하고, 수신된 데이터를 처리하여 그래픽 오브젝트를 표시할 수 있음은 물론이다.
서버(300)는 전자 장치(100)로부터 데이터를 수신하고, 수신한 데이터에 대응되는 서비스를 제공하기 위한 구성이다. 예를 들어, 서버(300)는 전자 장치(100)로부터 데이터를 수신할 수 있다. 서버(300)는 수신한 데이터를 분석하고, 분석된 데이터에 대응되는 서비스를 판단할 수 있다. 이때, 서버(300)가 수신하는 데이터는 사용자의 음성 데이터, 사용자 모션 데이터와 관련된 데이터일 수 있다.
본 개시에 따른 서비스 제공 시스템(100)은 전자 장치(100), 외부 디바이스(200) 및 서버(300)로 구현될 수 있으나, 이에 한정되는 것은 아니며, 전자 장치(100), 외부 디바이스(200) 및 서버(300)의 기능을 모두 수행할 수 있는 독립된 장치로 구현될 수 있음은 물론이다.
이하에서는 본 개시에 따른 전자 장치(100), 외부 디바이스(200) 및 서버(300)의 구성 및 동작에 대하여 상세히 살펴본다.
도 2a는 본 개시의 일 실시예에 따른 전자 장치(100)의 구성을 간략히 도시한 블록도이다. 도 2에 도시된 바와 같이, 전자 장치(100)는, 디스플레이(110), 센서(120) 및 프로세서(130)를 포함한다.
디스플레이(110)는 다양한 이미지를 표시하기 위한 구성이다. 구체적으로, 디스플레이(110)는 사용자 위치에 대응되는 그래픽 오브젝트를 표시하고, 사용자 인터랙션에 대한 피드백을 제공하도록 그래픽 오브젝트를 변경할 수 있다.
센서(120)는 다양한 정보를 감지하기 위한 구성이다. 구체적으로, 센서(120)는 사용자의 위치를 감지할 수 있다. 한편, 센서(120)는 제1 카메라 및 제2 카메라를 포함할 수 있다. 이때, 제1 카메라는 디스플레이(110) 방향으로 배치되고, 제2 카메라는 제1 카메라와 반대 방향에 배치될 수 있다. 제1 카메라는 사용자의 위치를 감지할 수 있으며, 제2 카메라는 배경 이미지를 획득할 수 있다.
프로세서(130)는 전자 장치(100)의 전반적인 동작을 제어한다. 구체적으로, 프로세서(130)는 사용자 인터랙션에 따라 동작하는 인터랙션 모드가 개시되면, 센서(120)를 통해 감지된 사용자의 위치에 대응되는 위치에 그래픽 오브젝트를 표시하도록 디스플레이(110)를 제어할 수 있다. 프로세서(130)는 인터랙션 모드가 개시된 후 사용자 인터랙션이 입력되면, 입력된 사용자 인터랙션에 대응되도록 그래픽 오브젝트를 변경하여, 상기 사용자 인터랙션에 대한 피드백을 제공하도록 디스플레이(110)를 제어할 수 있다.
프로세서(130)는 인터랙션 모드가 개시되면, 제1 카메라를 활성화 시켜, 제1 카메라에 의해 획득된 사용자의 위치를 감지할 수 있다. 프로세서(130)는 획득된 사용자의 위치를 바탕으로 그래픽 오브젝트를 표시하도록 디스플레이(120)를 제어할 수 있다. 예를 들어, 사용자의 위치가 전자 장치(100)의 왼편이면, 프로세서(130)는 디스플레이(110)의 오른편에 그래픽 오브젝트를 표시할 수 있다. 또는 사용자의 위치가 전자 장치(100)의 오른편이면, 프로세서(130)는 디스플레이(110)의 왼편에 그래픽 오브젝트를 표시할 수 있다.
또한, 프로세서(130)는 제2 카메라를 활성화 시켜 배경 이미지를 획득할 수 있다. 프로세서(130)는 획득한 배경 이미지를 바탕으로 그래픽 오브젝트를 표시할 수 있다. 구체적으로, 제1 카메라와 제2 카메라가 서로 반대 방향을 촬영하는 경우, 제2 카메라를 통해 획득된 배경 이미지는 사용자가 바라보는 배경과 동일한 방향의 배경 이미지일 수 있다. 예를 들어, 사용자가 바라보는 배경 및 제2 카메라에 의해 획득된 배경 이미지에 소파가 존재하면, 프로세서(130)는 캐릭터로 구현된 그래픽 오브젝트가 소파 주변에 위치하도록 그래픽 오브젝트를 표시할 수 있다.
한편, 프로세서(130)는 다양한 조건을 만족하는 경우, 인터랙션 모드를 개시할 수 있다. 일 실시예로, 전자 장치(100)가 외부 디바이스(200)와 결합되면, 프로세서(130)는 인터랙션 모드를 개시할 수 있다. 구체적으로, 외부 디바이스(200)가 무선 충전을 위한 구성을 포함하는 경우, 프로세서(130)는 무선 충전이 개시되면, 인터랙션 모드를 개시하여 그래픽 오브젝트를 표시하도록 디스플레이(110)를 제어할 수 있다. 또는, 전자 장치(100)와 외부 디바이스(200)가 도킹된 경우, 프로세서(130)는 인터랙션 모드를 개시하여 그래픽 오브젝트를 표시하도록 디스플레이(110)를 제어할 수 있다.
또 다른 실시예로, 프로세서(130)는 무선 충전이 개시되거나, 도킹이 완료된 후, 특정 사용자 명령이 입력되면, 인터랙션 모드를 개시할 수 있다. 즉, 상술한 실시예에 따라 무선 충전이 개시되거나, 전자 장치(100)가 외부 전자 장치(200)에 도킹되면, 프로세서(130)는 전자 장치(100)가 인터랙션 모드를 실행하기 위해 사용자 명령을 입력 받는 대기 모드 상태가 되도록 제어할 수 있다. 대기 모드 상태에서 사용자 명령이 입력되면, 프로세서(130)는 인터랙션 모드를 개시할 수 있다. 이때, 사용자 명령은 사용자의 음성 명령 또는 모션 명령일 수 있다. 예를 들어,"헤이 버디"와 같은 기 설정된 음성 명령 또는 손을 좌우로 흔드는 기 설정된 모션 명령이 입력되면, 프로세서(130)는 인터랙션 모드를 개시할 수 있다.
이때, 인터랙션 모드는 사용자 음성에 따라 동작하는 음성 인식 모드일 수 있다. 인터랙션 모드가 음성 인식 모드인 경우, 프로세서(130)는 입력된 사용자 음성의 입력 과정 및 처리 과정에 대응되도록 그래픽 오브젝트를 지속적으로 변경할 수 있다. 또는, 인터랙션 모드는 사용자 모션에 따라 동작하는 모션 인식 모드일 수 있다. 인터랙션 모드가 모션 인식 모드인 경우, 프로세서(130)는 사용자 모션의 입력 과정 및 처리 과정에 대응되도록 그래픽 오브젝트를 지속적으로 변경할 수 있다.
인터랙션 모드가 실행되면, 프로세서(130)는 다양한 사용자 인터랙션을 수신하여, 사용자 인터랙션에 대응되는 피드백을 제공할 수 있다.
한편, 본 개시의 일 실시예에 따른 사용자 인터랙션은 다양한 형태일 수 있다. 예를 들어, 사용자 인터랙션은 사용자 음성, 사용자 제스쳐 또는, 원격 제어 장치를 이용한 사용자 입력일 수 있다.
사용자 인터랙션이 사용자 음성인 경우, 전자 장치(100)는 사용자 음성을 분석하여 사용자 음성에 대응되는 명령을 수행할 수 있다. 이때, 사용자 음성에 대응되는 명령은 기 저장된 형태의 명령일 수 있다. 예를 들어 "전원 켜줘", "전원 꺼줘" 와 같은 명령어에 대응되는 전원 온/전원 오프 기능이 기 저장된 경우, 전자 장치(100)는 사용자 음성에 대응되는 명령어를 판단하고, 판단된 명령어에 대응되는 기능을 수행할 수 있다. 다만, 이에 한정되는 것은 아니며, 전자 장치(100)는 기 저장된 명령어에 대응되는 사용자 음성이 아닌 사용자 음성이 입력되더라도, 입력된 사용자 음성을 분석하여 사용자의 의도를 파악하고, 사용자 의도에 대응되는 기능을 수행할 수 있다. 이때, 사용자 의도를 파악하는 것은 전자 장치(100)에서 수행될 수도 있으나, 후술하는 바와 같이 서버(300)에서 수행될 수도 있음은 물론이다.
또는, 사용자 인터랙션이 사용자 제스처인 경우, 전자 장치(100)는 사용자 제스쳐에 대응되는 기능을 수행할 수 있다. 일 실시예로, 사용자 제스쳐에 대응되는 기능은, 제스쳐의 시작을 알리는 제스쳐, 특정 아이템 또는 특정 UI를 선택하기 위한 제스쳐, 특정 영역을 드래그 하기 위한 제스쳐, 특정 영역을 회전 시키기 위한 제스쳐, 특정 영역을 번역하기 위한 제스쳐, 스와이프 동작을 위한 제스쳐를 포함할 수 있다. 다만, 상술한 특정 기능을 수행하기 위한 제스쳐 뿐만 아니라, 사용자 인터랙션은 디스플레이(110)에 표시되는 그래픽 오브젝트와 교감하기 위한 제스쳐를 포함할 수 있다. 예를 들어, 사용자 인터랙션은 그래픽 오브젝트를 쓰다듬거나, 그래픽 오브젝트와 하이파이브하는 제스쳐일 수 있다.
도 2b는 본 개시의 일 실시예에 따른 전자 장치의 구성을 상세히 도시한 블록도이다. 도 2b에 도시된 바와 같이, 전자 장치(100)는 디스플레이(110), 센서(120), 프로세서(130) 이외에도, 통신부(140), 메모리(150), 오디오 처리부(160), 오디오 출력부(170) 및 입력부(180)를 더 포함할 수 있다.
디스플레이(110)는 상술한 바와 같이, 다양한 화면을 표시할 수 있다. 이때, 디스플레이(110)는 다양한 형태의 디스플레이 패널로 구현될 수 있다. 예로, 디스플레이 패널은 LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diodes), AM-OLED(Active-Matrix Organic Light-Emitting Diode), LcoS(Liquid Crystal on Silicon) 또는 DLP(Digital Light Processing) 등과 같은 다양한 디스플레이 기술로 구현될 수 있다.
또한, 디스플레이(110)는 플렉서블 디스플레이(flexible display)의 형태로 전자 장치(100)의 전면 영역 및, 측면 영역 및 후면 영역 중 적어도 하나에 결합될 수도 있다. 플렉서블 디스플레이는 종이처럼 얇고 유연한 기판을 통해 손상 없이 휘거나 구부리거나 말 수 있는 것을 특징으로 할 수 있다. 이러한 플렉서블 디스플레이는 일반적으로 사용되는 유리 기판뿐 아니라 플라스틱 기판을 사용하여 제조될 수도 있다. 플라스틱 기판을 사용하는 경우, 기판의 손상을 방지하기 위해서 기존의 제조 프로세서를 사용하지 않고 저온 제조 프로세서를 사용하여 형성될 수 있다. 또한, 플렉서블 액정을 싸고 있는 유리 기판을 플라스틱 필름으로 대체하여, 접고 펼 수 있는 유연성을 부여할 수 있다. 이러한 플렉서블 디스플레이는 얇고 가벼울 뿐만 아니라 충격에도 강하며, 또한 휘거나 굽힐 수 있고 다양한 형태로 제작이 가능하다는 장점을 갖고 있다.
센서(120)는 다양한 정보를 감지하기 위해 다양한 종류로 구현될 수 있다. 구체적으로, 센서(120)는 카메라(121), 가속도 센서(122), 자이로 센서(123), 조도 센서(124), 습도 센서(125), 적외선 센서(126), 초음파 센서(127) 등을 포함할 수 있다.
카메라(121)는 정지 영상 및 동영상을 촬영할 수 있다. 예로, 카메라(120)는 하나 이상의 이미지 센서, 렌즈, 이미지 시그널 프로세서(ISP), 또는 플래시(예: LED 또는 xenon lamp 등)를 포함할 수 있으며, 복수의 카메라(121)로 구성될 수 있다. 구체적으로, 카메라(121)는 제1 카메라 및 제2 카메라를 포함할 수 있다. 이때, 제1 카메라는 디스플레이(110) 방향으로 배치되고, 제2 카메라는 제1 카메라와 반대 방향에 배치될 수 있다. 제1 카메라는 사용자의 위치를 감지할 수 있으며, 제2 카메라는 배경 이미지를 획득할 수 있다.
가속도 센서(122)는 전자 장치(100)의 가속도를 측정하기 위한 구성이며, 자이로 센서(123)는 기존의 가속도 센서에 각각 회전을 넣어 6축 방향을 인식하여 하여 좀더 세밀하고 정밀한 동작을 인식할 수 있도록 도와주는 센서이다.
조도 센서(124)는 주변 조도를 감지할 수 있는 센서로, 주변 조도에 따라 디스플레이(110)의 밝기를 조절하기 위해 사용될 수 있다. 습도 센서(125)는 주변 습도를 감지할 수 있는 센서로, 주변 환경 정보를 제공하기 위해 사용될 수 있다.
적외선 센서(126) 및 초음파 센서(127)는 외부 오브젝트와의 거리를 감지할 수 있는 센서이다. 일 실시예에서는, 프로세서(130)는 제1 카메라가 아닌 적외선 센서(126) 또는 초음파 센서(127)을 이용하여 사용자의 위치를 판단할 수 있다.
상술한 다양한 종류의 센서는 필요에 따라 추가 또는 생략될 수 있음은 물론이다.
통신부(140)는 외부 장치와 통신을 수행할 수 있다. 특히, 통신부(140)는 와이파이 칩(141), 블루투스 칩(142), 무선 통신 칩(143), NFC칩(144) 등과 같은 다양한 통신 칩을 포함할 수 있다. 이때, 와이파이 칩(141), 블루투스 칩(142), NFC 칩(144)은 각각 LAN 방식, WiFi 방식, 블루투스 방식, NFC 방식으로 통신을 수행한다. 와이파이 칩(141)이나 블루투스칩(142)을 이용하는 경우에는 SSID 및 세션 키 등과 같은 각종 연결 정보를 먼저 송수신 하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다. 무선 통신칩(143)은 IEEE, 지그비, 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution) 등과 같은 다양한 통신 규격에 따라 통신을 수행하는 칩을 의미한다.
메모리(150)는 전자 장치(100)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(150)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다.
오디오 처리부(160)는 오디오 데이터에 대한 처리를 수행하는 구성 요소다. 오디오 처리부(160)에서는 오디오 데이터에 대한 디코딩이나 증폭, 노이즈 필터링 등과 같은 다양한 처리가 수행될 수 있다. 오디오 처리부(160)에서 처리된 오디오 데이터는 오디오 출력부(170)로 출력될 수 있다.
오디오 출력부(170)는 오디오 처리부(160)에 의해 디코딩이나 증폭, 노이즈 필터링과 같은 다양한 처리 작업이 수행된 각종 오디오 데이터뿐만 아니라 각종 알림 음이나 음성 메시지를 출력하는 구성이다. 특히, 오디오 출력부(170)는 스피커로 구현될 수 있으나, 이는 일 실시 예에 불과할 뿐, 오디오 데이터를 출력할 수 있는 출력 단자로 구현될 수 있다.
입력부(180)는 다양한 입력을 수신하기 위하여 터치 패널(152), 펜 센서(182), 버튼(183) 및 마이크(184)를 포함할 수 있다. 터치 패널(152)은 디스플레이(110) 및 터치 센서(미도시)가 결합되어 구성될 수 있으며, 터치 센서는 정전식, 감압식, 적외선 방식, 초음파 방식 중 적어도 하나의 방식을 사용할 수 있다. 터치 패널은 디스플레이 기능뿐만 아니라 터치 입력 위치, 터치된 면적 뿐만 아니라 터치 입력 압력까지도 검출하는 기능을 가질 수 있고, 또한 실질적인 터치(real-touch)뿐만 아니라 근접 터치(proximity touch)도 검출하는 기능을 가질 수 있다. 펜 센서(182)는 터치 패널(152)의 일부로 구현될 수 있으며 또는 별도의 인식용 시트를 포함할 수 있다. 버튼(183)은 물리적 버튼, 광학식 키 또는 키패드를 포함할 수 있다. 마이크(184)는 내장형 마이크 또는 외장형 마이크 중 적어도 하나를 포함할 수 있다.
특히, 입력부(180)는 상술한 다양한 구성들로부터 외부 명령을 수신하여 프로세서(130)로 전달할 수 있다. 프로세서(130)는 수신한 입력에 대응되는 제어 신호를 생성하여 전자 장치(100)를 제어할 수 있다.
프로세서(130)는 메모리(150)에 저장된 각종 프로그램을 이용하여 전자 장치(100)의 전반적인 동작을 제어할 수 있다.
프로세서(130)는 RAM(131), ROM(132), 그래픽 처리부(133), 메인 CPU(134), 제1 내지 n 인터페이스(135-1 ~ 135-n) 및 버스(136)로 구성될 수 있다. 이때, RAM(131), ROM(132), 그래픽 처리부(133), 메인 CPU(134), 제1 내지 n 인터페이스(135-1 ~ 135-n) 등은 버스(136)를 통해 서로 연결될 수 있다.
RAM(131)은 O/S 및 어플리케이션 프로그램을 저장한다. 구체적으로, 전자 장치(100)가 부팅되면 O/S가 RAM(131)에 저장되고, 사용자가 선택한 각종 어플리케이션 데이터가 RAM(131)에 저장될 수 있다.
ROM(132)에는 시스템 부팅을 위한 명령어 세트 등이 저장된다. 턴 온 명령이 입력되어 전원이 공급되면, 메인 CPU(134)는 ROM(132)에 저장된 명령어에 따라 메모리(150)에 저장된 O/S를 RAM(131)에 복사하고, O/S를 실행시켜 시스템을 부팅시킨다. 부팅이 완료되면, 메인 CPU(134)는 메모리(150)에 저장된 각종 어플리케이션 프로그램을 RAM(131)에 복사하고, RAM(131)에 복사된 어플리케이션 프로그램을 실행시켜 각종 동작을 수행한다.
그래픽 처리부(133)는 연산부(미도시) 및 렌더링부(미도시)를 이용하여 아이템, 이미지, 텍스트 등과 같은 다양한 객체를 포함하는 화면을 생성한다. 여기서, 연산부는 입력부(180)로부터 수신된 제어 명령을 이용하여 화면의 레이아웃에 따라 각 객체들이 표시될 좌표값, 형태, 크기, 컬러 등과 같은 속성값을 연산하는 구성일 수 있다. 그리고, 렌더링부는 연산부에서 연산한 속성값에 기초하여 객체를 포함하는 다양한 레이아웃의 화면을 생성하는 구성이 일 수 있다. 이러한 렌더링부에서 생성된 화면은 디스플레이(110)의 디스플레이 영역 내에 표시될 수 있다.
메인 CPU(134)는 메모리(150)에 액세스하여, 메모리(150)에 저장된 OS를 이용하여 부팅을 수행한다. 그리고, 메인 CPU(134)는 메모리(150)에 저장된 각종 프로그램, 컨텐츠, 데이터 등을 이용하여 다양한 동작을 수행한다.
제1 내지 n 인터페이스(145-1 내지 145-n)는 상술한 각종 구성요소들과 연결된다. 제1 내지 n 인터페이스(145-1 내지 145-n) 중 하나는 네트워크를 통해 외부 장치와 연결되는 네트워크 인터페이스가 될 수도 있다.
도 3은 본 개시의 일 실시예에 따른 그래픽 오브젝트를 설명하기 위한 예시도이다.
상술한 바와 같이, 인터랙션 모드가 개시되면, 전자 장치(100)는 그래픽 오브젝트(310)을 표시할 수 있다. 이때, 그래픽 오브젝트는 사용자의 위치에 따라 다르게 표시될 수 있다. 예를 들어, 사용자가 전자 장치(100)의 왼편에 위치하면, 그래픽 오브젝트(310)는 디스플레이(110) 오른편에 표시될 수 있으며, 사용자가 전자 장치(100)의 오른편에 위치하면, 그래픽 오브젝트(310)는 디스플레이(110) 왼편에 표시될 수 있다. 또는 전자 장치(100)는 전자 장치(100)와 사용자의 거리에 따라 그래픽 오브젝트(310)의 크기를 변경하여 표시할 수 있다. 예를 들어, 전자 장치(100)와 사용자의 거리가 멀면, 그래픽 오브젝트(310)가 크게 표시되고, 전자 장치(100)와 사용자의 거리가 가까우면, 그래픽 오브젝트(310)가 작게 표시될 수 있다. 도 3에서는 그래픽 오브젝트(310)가 캐릭터의 형태인 경우에 대하여 설명하였으나, 그래픽 오브젝트는 도안, 텍스트, 그림 등 다양한 형태로 표현될 수 있음은 물론이다.
한편, 전자 장치(100)는 사용자 인터랙션에 대한 다양한 서비스를 제공할 수 있다. 이때, 전자 장치(100)는 서비스 제공을 위한 상태를 판단하고, 판단된 상태에 대한 그래픽 오브젝트를 표시할 수 있다.
| 그래픽 오브젝트 | 배경 UI | |
| Docking(Loading) | 시작하고 Ready | O |
| Ready | 쉬거나 혼자 노는 듯한 | O |
| Wake-up | 귀를 기울이는 | O |
| Voice Listening | 열심히 듣는 듯한 | O |
| Voice Processing | 열심히 일하는 듯한 | O |
| Voice Response | 서비스를 Template에 따라서 표시 | O |
| Error | 미안한듯한 | X |
| Gesture Processing | Gesture에 반응하는 | X |
| Audio Playing | 말하는 듯한 | X |
| Sleep | - | X |
| Undocking | - | X |
| Android Notification | 정보 전달 | O |
| Motion 처리 | 3D 캐릭터의 표정, 포즈(동작 애니메이션등)을 처리 | X |
상기 표 1과 같이, 전자 장치(100)는 다양한 상태에 대한 정보를 가질 수 있으며, 각각의 상태에서 그래픽 오브젝트는 상이한 모션으로 동작할 수 있다. 또한, 전자 장치(100)는 각각의 상태에서 전자 장치(100) 또는 서버(300)가 수행하는 기능을 그래픽 오브젝트로 표시하여 사용자는 사용자 인터랙션에 대한 처리 과정을 시각적으로 확인할 수 있다.
예를 들어, 전자 장치(100)는 Docking 상태에서 그래픽 오브젝트를 생성하여 표시하고, Docking이 완료되어 인터랙선 모드가 시작된 Ready 상태의 경우,전자 장치(100)는 쉬고 있거나 혼자 노는 것과 같은 그래픽 오브젝트를 표시할 수 있다.
Wake-up 상태는 전자 장치(100)가 서비스를 수행하기 위한 트리거가 입력된 경우의 상태이다. 이때 트리거는 사용자 음성 또는 모션 중 어느 하나일 수 있다. 트리거가 사용자 음성인 경우, 전자 장치(100)는 사용자 음성에 귀를 기울이는 형태의 그래픽 오브젝트를 표현하고, 트리거가 사용자 모션인 경우, 전자 장치(100)는 사용자 모션을 관찰하는 듯한 그래픽 오브젝트를 표시할 수 있다. 서비스 수행을 위한 사용자의 음성이 입력되는 상태인 Voice Listening 상태에서는, 전자 장치(100)는 사용자 음성을 귀 기울여 듣는 듯한 그래픽 오브젝트를 표시할 수 있다. 사용자 음성을 분석하여 사용자에게 서비스를 제공하기 위한 음성 처리 상태인 Voice Processing 상태에서는, 전자 장치(100)는 열심히 일하는 듯한 그래픽 오브젝트를 표시할 수 있다. 사용자 음성에 대응되는 서비스를 제공하는 상태인 Voice Response 상태에서는, 전자 장치(100)는 서비스를 템플릿에 따라 표시할 수 있다. 사용자 음성에 따른 서비스를 발견하지 못한 Error 상태에서는, 전자 장치(100)는 미안한 듯한 그래픽 오브젝트를 표시할 수 있다. 사용자 모션을 분석하는 Gesture processing 상태에서는, 전자 장치는 사용자 모션에 반응하는 듯한 그래픽 오브젝트를 표시할 수 있다. 오디오 신호가 출력되는 Audio Processing 상태에서는, 전자 장치(100)는 출력되는 오디오를 말하는 듯한 그래픽 오브젝트를 표시할 수 있다. 그 외 전자 장치(100)는 다양한 상태에 대한 적절한 그래픽 오브젝트를 표시할 수 있음은 물론이다.
또한, 그래픽 오브젝트가 캐릭터의 형태로 표시되는 경우, 전자 장치(100)는 사용자 인터랙션에 따른 감정을 표현할 수 있다. 즉, 전자 장치(100)는 사용자의 감정을 판단하고, 판단된 감정에 따라 다양한 감정을 가지는 그래픽 오브젝트를 표시할 수 있다. 그래픽 오브젝트의 감정은, 슬픔, 화, 두려움, 혐오/싫어함, 기쁨/흥분/신남/자신감, 놀람, 행복, 사랑, 기대, 욕심, 호감, 긍정, 부정, 당황, 부끄러움, 위로/격려, 속상함, 지루함/피곤한, 회피 등 다양할 수 있다.
도 4a 내지 도 4c는 본 개시의 일 실시예에 따른 외부 디바이스를 설명하기 위한 예시도이다.
외부 디바이스(200)는 도 3에서 설명된 그래픽 오브젝트(310)를 처리하여 다양한 방식으로 사용자에게 제공할 수 있다. 예를 들어, 그래픽 오브젝트(310)는 외부 디바이스를 통해 3D 형태의 그래픽 오브젝트 또는 유사 홀로그램 형태의 그래픽 오브젝트로 변경되어 표시될 수 있다.
도 4a에 도시된 바와 같이, 외부 디바이스(200)는 투입부(410), 스크린(420), 제1 광학계(430)를 포함할 수 있고, 도 4c에 도시된 바와 같이, 배경 이미지 획득부(440) 및 구동부(450)를 더 포함할 수 있다. 도 4a 내지 도 4c에는 도시되지 않았으나, 외부 디바이스는 제2 광학계(460)를 더 포함할 수 있다.
투입부(410)는 전자 장치(100)와 결합하기 위한 구조이다. 구체적으로, 전자 장치(100)는 투입부(410)을 통해 외부 디바이스(200) 내부로 삽입될 수 있다. 이때, 전자 장치(100)는 디스플레이(110)가 스크린(420)을 향하도록 외부 디바이스(200)에 삽입될 수 있다.
스크린(420)은 전자 장치(100)의 디스플레이(110)에 표시된 화면을 3D 형식의 유사 홀로그램으로 표시하기 위한 구성이다. 스크린(420)은 디스플레이(110)에서 표시되는 영상을 반사시키는 특수 필름으로 구현될 수 있다. 예컨대, 스크린(420)은 하프 미러(Half-Mirror) 또는 Rear projection 필름 등으로 구현될 수 있으나 이에 한정되는 것은 아니다.
제1 광학계(430)는 외부 디바이스(200) 뒤의 배경 이미지를 획득하기 위한 구성이다. 구체적으로, 전자 장치(100)의 제1 카메라가 스크린(420) 방향으로 구현되면, 제2 카메라는 제1 카메라와 반대 방향으로 구현될 수 있다. 따라서, 제2 카메라는 외부 디바이스(400)의 뒤편 배경 이미지를 촬영할 수 없으며 상부의 이미지만을 촬영할 수 있을 것이다. 따라서, 제1 광학계(430)은 제2 카메라가 외부 디바이스(200)의 뒤 편 배경 이미지를 획득하도록 빛의 경로를 변경시키기 위한 구성이다. 제2 카메라는 배경 이미지 획득부(440) 및 제1 광학계를 통해 외부 디바이스(200) 뒤편의 배경 이미지를 획득할 수 있다.
한편, 도 4a 내지 도 4c에는 도시되지 않았으나, 제2 광학계(460)는, 빛의 경로를 조절하여 제1 카메라가 사용자의 위치를 감지할 수 있는 구성이다. 제1 광학계 및 제2 광학계(430)는 제1 카메라 및 제2 카메라의 위치에 따라 변경 가능하다.
구동부(450)는 스크린(420)의 위치를 조절할 수 있다. 구체적으로, 구동부(450)는 스크린(420)의 위치를 조절하여 스크린(420)에 표시되는 그래픽 오브젝트의 위치/크기 등을 변경할 수 있다.
한편, 외부 디바이스(200)는 도 4a 내지 도 4c에 도시된 구성 외에도 필요에 따라 다양한 구성을 더 포함할 수 있다. 예를 들어, 외부 디바이스(200)는 무선 충전을 위한 무선 충전기를 더 포함할 수 있다. 또는, 외부 디바이스(200)는 간단한 연산 처리를 위한 프로세서를 포함하는 전자 장치로 구성될 수 있다.
도 5는 본 개시의 일 실시예에 따른 외부 디바이스의 구조를 상세히 설명하기 위한 예시도이다.
도 5에서 도시된 전자 장치(100) 및 외부 디바이스(200)의 구성은 설명의 편의를 위해 일부 구성만이 도시되어 있거나, 일부 구성이 확대 또는 축소되거나, 일부 구성의 위치가 상이하게 배치되어 있을 뿐, 도 5a에 개시된 위치, 크기 구성으로 한정되는 것은 아니다.
구체적으로, 도 5는 전자 장치(100)의 제1 카메라(510), 제2 카메라(520) 및 디스플레이(110), 외부 디바이스의 스크린(420), 제1 광학계(430), 구동부(450) 및 제2 광학계(460)의 구성에 대하여 설명하기 위한 예시도이다.
먼저, 상술한 바와 같이, 구동부(450)는 전자 장치(100) 또는 스크린(420)의 위치를 조절하기 위한 구성이다.
제1 광학계(430)은 외부 디바이스(200)의 뒤편 배경 이미지를 획득하기 위한 구성이다. 구체적으로, 제1 광학계(430)는 광각 렌즈 및 옵티컬 미러로 구성될 수 있다. 제1 광학계(430)는 제2 카메라(520)의 배치 상태, 외부 디바이스(200)의 구조 등에 따라 외부 디바이스(200)의 뒤편 배경 이미지를 적절히 획득하도록 구현될 수 있음은 물론이다.
제2 광학계(460)은 스크린(420)에 투사되는 그래픽 오브젝트를 확대하거나, 선명하게 하기 위한 구성이다. 제2 광학계(460) 또한 제1 광학계(430)와 같이, 광각렌즈 및 옵티컬 미러를 사용하여 구현될 수 있다. 한편, 제2 광학계(460)는 제1 카메라(510)가 외부 디바이스(200) 정면의 사용자를 감지하도록 빛의 이동 경로를 변경할 수 있다. 구체적으로, 제1 카메라(520)의 촬영 방향이 외부 디바이스(200)의 정면 방향과 상이한 경우, 제1 광학계(460)은 빛의 경로를 조정하여 제1 카메라가 외부 디바이스(200)의 정면 방향을 촬영할 수 있도록 구현될 수 있다. 2 광학계(460)는 제1 카메라(510)의 배치 상태, 외부 디바이스(200)의 구조 등에 따라 외부 디바이스(200)의 정면을 적절히 획득하도록 구현될 수 있음은 물론이다.
도 6a 내지 도 6e는 본 개시의 일 실시예에 따른 배경 이미지에 따른 그래픽 오브젝트의 표시 방법을 설명하기 위한 예시도이다.
도 6a에 도시된 바와 같이, 스크린(420)은 반투명한 재질로 구성되어 있어 그래픽 오브젝트(620, 630)는 스크린 뒤의 배경 이미지(610)과 함께 표시될 수 있다. 이때, 그래픽 오브젝트(620, 630)는 전자 장치(100)의 디스플레이(110)에 표시되나, 배경 이미지(610)는 전자 장치(100)에 의해 생성되는 것이 아니라, 외부 디바이스(200) 뒤편의 실제 배경 이미지이다. 즉, 전자 장치(100)는 제2 카메라를 통해 배경 이미지를 촬영하나, 촬영된 배경 이미지를 디스플레이(110)에 표시하는 것은 아니다.
전자 장치(100)는 제2 카메라를 통해 획득한 배경 이미지에 대한 정보를 바탕으로 그래픽 오브젝트를 표시할 수 있다. 즉, 도 6a에 도시된 바와 같이, 전자 장치(100)는 그래픽 오브젝트(630)가 기둥 뒤에 위치한 것처럼 표시할 수 있다.
이때, 상술한 바와 같이, 배경 이미지는, 전자 장치(100)의 디스플레이(110)에 표시되는 이미지가 아니라, 외부 디바이스(200)의 뒤편의 실제 배경 이미지일 수 있다. 즉, 도 6b에 도시된 바와 같이, 제2 카메라(520)는 배경 이미지를 촬영하나, 이를 디스플레이(110)에 표시하지는 않는다.
구체적으로, 제2 카메라(520)가 배경 이미지를 촬영하면, 전자 장치(100)는 촬영된 배경 이미지를 분석할 수 있다. 이때, 전자 장치(100)는 배경 이미지에 존재하는 오브젝트의 위치, 거리, 크기 등을 분석할 수 있다. 전자 장치(100)는 분석된 오브젝트의 위치, 거리, 크기 등에 대한 정보를 바탕으로 그래픽 오브젝트를 표시할 수 있다.
즉, 도 6d에 도시된 바와 같이, 외부 디바이스(200) 뒤편에 디스플레이 장치가 존재하는 경우, 전자 장치(100)는 그래픽 오브젝트를 디스플레이 장치와 연관지어 표시할 수 있다. 즉, 도 6d의 왼편에 도시된 바와 같이, 그래픽 오브젝트는 디스플레이 장치 앞에 표시될 수도 있다. 이때, 그래픽 오브젝트는 전부 표시될 것이다. 한편, 도 6d의 오른편에 도시된 바와 같이, 그래픽 오브젝트는 디스플레이 장치 뒤에 숨은 것처럼 표시될 수 있다. 이때, 그래픽 오브젝트는 디스플레이 장치에 의해 가려진 부분을 제외하고 표시될 것이다.
한편, 도 6c에 도시된 바와 같이, 전자 장치(100)는 외부 디바이스 뒷편의 배경을 촬영하는 것이 아니라, 기 제작된 배경 카드의 이미지를 획득하고, 획득된 배경 카드의 이미지를 바탕으로 그래픽 오브젝트를 표시할 수 있다. 이때, 기 저장된 배경 카드는 다양한 종류의 배경 이미지를 저장하고 있는 배경 카드일 수 있다.
한편, 전자 장치(100)는 제2 카메라를 이용하여 배경 카드 자체의 이미지를 획득할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 배경 카드는 QR코드, 바코드 등과 같은 마킹 정보를 포함할 수 있다. 이때, 전자 장치(100)는 배경 카드의 QR코드, 바코드 등과 같은 마킹 정보를 통해 배경 이미지에 대한 데이터를 수신할 수 있다. 전자 장치(100)는 수신된 데이터를 바탕으로 그래픽 오브젝트를 표시할 수 있다. 즉, 도 6e에 도시된 바와 같이, 전자 장치(100)는 배경 카드의 이미지를 분석하여, 그래픽 오브젝트를 거실에 서있거나, 소파에 앉아 있는 형태로 표시할 수 있다.
도 7a 및 도 7b는 본 개시의 일 실시예에 따른 사용자의 위치를 판단하는 방법 및 사용자의 위치에 따라 그래픽 오브젝트를 표시하는 방법을 설명하기 위한 예시도이다.
일 실시예로, 도 7a에 도시된 바와 같이, 전자 장치(100)는 기 설정된 거리에서 사용자를 촬영한 이미지를 획득하고, 촬영된 사용자 이미지 상의 사용자의 양 눈 사이의 거리 정보를 획득할 수 있다. 또한, 전자 장치(100)는 사용자의 양 눈 사이의 실제 거리를 저장하고 있을 수 있다. 즉, 전자 장치(100)는 기 설정된 거리, 사용자 양 눈 사이의 실제 거리 및 사용자 이미지 상의 사용자 양 눈 사이의 거리 정보를 이용하여, 전자 장치(100)와 사용자의 거리를 판단할 수 있다.
한편, 전자 장치(100)는 사용자의 위치에 따라 배경 이미지 상의 그래픽 오브젝트를 다르게 표시할 수 있다. 일 실시예로, 배경 이미지가 배경 카드로 구현되는 경우, 전자 장치(100)는 배경 카드 정보를 획득하여 배경 카드 이미지의 뎁스 정보를 포함하는 3D 좌표 정보를 획득할 수 있다. 이때, 배경 카드 정보는 상술한 바와 같이 제2 카메라에 의해 획득될 수도 있으며, 배경 카드의 QR코드, 바코드 등으로부터 획득될 수도 있다.
전자 장치(100)는 사용자의 위치가 변경되거나, 그래픽 오브젝트의 위치를 변경시킬 필요가 있는 경우, 획득한 3D 좌표 정보를 바탕으로 그래픽 오브젝트의 위치를 변경시킬 수 있다. 구체적으로, 전자 장치(100)는 카메라를 통해 사용자의 얼굴 및 사용자의 눈을 인식하고, 인식된 사용자의 얼굴 및 눈을 이용하여 사용자의 위치를 판단할 수 있다. 즉, 전자 장치(100)는 인식된 사용자의 얼굴 및 눈을 3D 공간 좌표계로 변환하고, 변환된 값을 바탕으로 사용자의 위치를 판단하고, 판단된 사용자의 위치를 바탕으로 그래픽 오브젝트를 표시할 수 있다. 즉, 도 6a에 도시된 바와 같이, 그래픽 오브젝트는 필요에 따라 가깝게 보이거나 멀리 보이는 등 원근감 있게 표현될 수 있다. 또한, 그래픽 오브젝트는 배경 이미지 상의 오브젝트 뒤에 표시되는 등, 배경 이미지와 조합될 수 있다.
한편, 그래픽 오브젝트는 사용자의 위치에 따라 다르게 표시될 수 있다. 구체적으로, 예를 들어 도 7b에 도시된 바와 같이, 그래픽 오브젝트가 육면체인 경우를 가정할 수 있다. 이때, 사용자가 외부 디바이스(200) 왼편에 존재하는 경우, 그래픽 오브젝트는 사용자가 육면체의 한 면이 정면에서 보이도록 배치되거나 왼쪽으로 살짝 기울어져 배치될 수 있다. 마찬가지로, 사용자가 외부 디바이스(200) 오른편에 존재하는 경우, 그래픽 오브젝트는 사용자가 육면체의 한 면이 정면에서 보이도록 배치되거나 왼쪽으로 살짝 기울어져 배치될 수 있다.
이상에서는 전자 장치(100) 및 전자 장치와 결합된 외부 디바이스(200)가 그래픽 오브젝트를 표시하는 방법에 대하여 살펴 보았다. 이하에서는 상술한 방법으로 표시되는 그래픽 오브젝트와 결합된 다양한 실시예에 대하여 구체적으로 살펴본다.
도 8은 본 개시의 일 실시예에 따른 전자 장치(100) 및 서버(300)의 소프트웨어 모듈을 설명하기 위한 예시도이다. 본 개시에서는 전자 장치(100) 및 서버(300)만이 도시되어 있으나, 전자 장치(100)는 전자 장치(100)와 결합된 외부 디바이스(200)일 수도 있음은 물론이다. 또한, 도 8에서 개시된 소프트웨어 모듈은 하드웨어의 형태로 구성될 수도 있음은 물론이다.
전자 장치(100)는 그래픽 오브젝트를 표시하기 위한 다양한 모듈을 포함할 수 있다. 구체적으로, 전자 장치(100)는 Scene 모듈, 3D character 모듈, Animation 모듈, Template management 모듈, HCP 모듈, Gesture management 모듈, Service management 모듈, State management 모듈, Enhanced UI 모듈, Service manager 모듈 및 Network manager 모듈을 포함할 수 있다.
Scene 모듈, 3D character 모듈 및 Animation 모듈은 리소스를 관리하기 위한 구성이다. Scene 모듈은 3D 배경을 포함하는 이미지 또는 3D 배경을 포함하지 않는 이미지를 모두 관리할 수 있다.
Service management 모듈은 사용자의 의도에 적합하게 구성된 컨텐츠를 수신하고, 수신한 정보에 해당하는 템플릿의 구성을 로딩하고, 해당 정보를 기 설정된 레이아웃의 형태로 템플릿에 표시할 수 있다. 이때, 템플릿은 배경 이미지, 그래픽 오브젝트 및 배경 이미지의 오브젝트에 대한 정보를 포함할 수 있다.
State management 모듈은 상태 정보를 수신하여 그래픽 오브젝트를 제어하고, 필요한 경우, 배경 이미지를 더 표시하기위한 구성이다. State management 모듈에 의해 표시되는 배경 이미지는 상술한 실제 배경 이미지 또는 배경 카드의 이미지가 아닌, 전자 장치(100)가 추가적으로 표시하기 위한 배경 이미지이다.
Gesture management 모듈은 사용자의 제스쳐 정보를 바탕으로 생성된 제스쳐 UI 명령을 수신하고, 수신한 제스쳐 UI 명령에 대응되는 기능을 수행하기 위한 구성이다.
Template management 모듈은 Service management 모듈이 수신한 컨텐츠 정보를 분석하여 템플릿을 구성하기 위한 구성이다. Template management 모듈에 의해 구성된 템플릿은 예를 들어, 각각의 서비스별로 제공되는 화면 전환 애니매이션 템플릿, 정보 전달, 날씨, 비디오, 음악 등의 컨텐츠 타입에 따른 3D 템플릿 등일 수 있다. 템플릿은 사용자 제스쳐에 따라 변경되거나, 표시되는 배경 이미지에 따라 변경될 수 있다. 일 실시예로, 도 9a 내지 도 9d에 도시된 바와 같이 템플릿은 다양한 형태일 수 있다. 구체적으로, 템플릿은 3D 캐릭터로 표현되는 그래픽 오브젝트만을 표시하는 형태일 수 있다. 또는 템플릿은 3D 캐릭터로 표현되는 그래픽 오브젝트와 컨텐츠가 함께 표시되는 형태이거나, 3D 캐릭터로 표현되는 그래픽 오브젝트와 텍스트/이미지가 함께 표시되는 카드 리스트의 형태일 수 있다. 또는, 템플릿은 3D 캐릭터로 표현되는 그래픽 오브젝트 없이 컨텐츠, 텍스트 및 이미지만 표시되는 형태일 수 있다 또는 템플릿은 3D 캐릭터로 표현되는 그래픽 오브젝트에 컨텐츠, 텍스트 및 이미지가 중첩된 형태일 수 있다.
다시 도 8로 돌아와서, HCP 모듈은 도 7b에서 설명한 바와 같이, 사용자의 위치에 따라 그래픽 오브젝트를 다르게 표시하기 위한 구성이다. 전자 장치(100)는 HCP 모듈을 활성화 하라는 사용자 입력이 수신되면, HCP 모듈을 활성화 시켜 사용자 위치에 따라 그래픽 오브젝트를 다르게 표시할 수 있다. 이때, 사용자의 위치가 변경되면, HCP 모듈은 변경된 사용자 위치 정보를 수신하여 off-axis-perspective로 컨텐츠를 표시할 수 있다.
Service manager 모듈 은 다양한 서비스를 제어하기 위한 구성이다.
Network manager 모듈은 서버(300) 또는 3rd party 서비스 서버와 통신하기 위한 구성이다. Network manager 모듈은 HTTP 1.x & HTTP 2.x 지원(SSL/TLS 포함) 또는 OAuth 2.X 등을 지원할 수 있다.
Enhanced UI 모듈은 사용자 음성 또는 사용자 제스쳐를 인식하기 위한 구성이다. 구체적으로, Enhanced UI 모듈은 Vision system 모듈 및 음성 인식 모듈을 포함할 수 있다. Vision system 모듈은 카메라를 통해 입력된 이미지를 분석하여 사용자의 움직임 및 제스쳐를 인식하고, 인식된 사용자의 움직임 및 제스쳐를 Gesture management 모듈로 전송할 수 있다. Vision system 모듈은 Service manager 모듈에서 컨텐츠를 분석한 결과를 바탕으로 인식된 사용자 움직임 또는 제스쳐를 분석할 수 있다. 음성 인식 모듈은 사용자의 음성을 인식할 수 있다. 또한, 음성 인식 모듈은 인터랙션 모드를 개시하기 위한 개시 명령어를 인식하여 인터랙션 모드를 개시할 수 있다.
서버(300)는 AI service management 모듈, Service management 모듈 및 Contents generation 모듈을 포함할 수 있다.
AI service management 모듈은 인공 지능 서비스를 이용하는 경우, 입력된 데이터를 분석하기 위한 구성이다. 예를 들어, AI service management 모듈은 Automatic Speech Analyis(ASR), Natural Language Understanding (NLU), Text To Speech(TTS) 등의 서비스를 이용하여 사용자의 의도를 분석하고, 분석된 의도를 Service management 모듈로 전송할 수 있다.
Service management 모듈은 수신한 사용자 의도를 분석하여 사용자 의도에 대응되는 컨텐츠를 획득할 수 있다. 또한, Service management 모듈은 전체적인 서비스를 관리할 수 있다.
Contents generation 모듈은 사용자 의도에 대응되는 컨텐츠를 전자 장치(100) 및 전자 장치(100)가 실행하는 서비스에 적합한 형태의 템플릿을 획득하기 위한 구성이다. 나아가, Contents generation 모듈은 획득된 템플릿의 구성에 따라 컨텐츠에 대응되는 메타 데이터를 배치할 수 있다. 일 실시예로, 메타 데이터는 JSON의 형태로 전자 장치(100)로 전송될 수 있다.
한편, 서버(300)는 전자 장치(100)로부터 수신한 데이터를 분석하고, 분석된 결과에 대응되는 서비스를 판단할 수 있다. 이때, 전자 장치(100)로부터 수신하는 데이터는 사용자 음성 데이터 또는 사용자 모션 데이터일 수 있다.
일 실시예로, 서버(300)는 전자 장치(100)로부터 사용자 음성 데이터를 포함하는 오디오 데이터를 수신할 수 있다. 서버(300)는 수신한 오디오 데이터를 처리하여 사용자 음성 데이터를 획득하고, 획득된 사용자 음성 데이터를 분석할 수 있다. 다만, 오디오 데이터로부터 사용자 음성 데이터를 획득하는 기능은 전자 장치(100)가 수행할 수 있음은 물론이다. 이 경우, 서버(300)는 오디오 데이터로부터 획득된 사용자 음성 데이터를 전자 장치(100)로부터 수신할 수 있다.
사용자 음성 데이터를 획득한 경우, AI service management 모듈은 사용자 음성 데이터를 분석하여 사용자 음성 데이터에 포함된 사용자 의도를 분석하고, 사용자 의도에 대응되는 서비스를 획득할 수 있다. 이때, 획득되는 서비스는 컨텐츠 제공과 관련된 서비스, 정보 제공과 관련된 서비스 등 다양한 서비스일 수 있다.
한편, 사용자 의도에 대응되는 서비스를 획득한 경우, 서버(300)는 획득된 서비스에 대응되는 템플릿을 판단할 수 있다. 서비스에 대응되는 템플릿의 판단은 AI service management 모듈에 의해 수행될 수 있으나 이에 한정되는 것은 아니다. 즉, AI service management 모듈은 학습된 인공 지능 모델을 이용하여 획득된 서비스에 대응되는 기 저장된 템플릿을 판단하거나, 기 저장된 템플릿을 변형하여 기 저장된 템플릿과 유사한 템플릿을 획득하거나, 획득한 서비스에 대응되는 새로운 템플릿을 획득할 수 있다. 다만, 서버(300)는 인공 지능 모델을 이용하지 않는 일반 프로세서가 획득한 서비스에 대응되는 기 저장된 템플릿을 판단할 수 있음은 물론이다.
서버(300)는 판단된 템플릿에 획득된 서비스에 대한 데이터를 부가하여 전자 장치(100)로 전송하고, 전자 장치(100)는 수신한 템플릿을 기 설정된 레이아웃에 따라 표시할 수 있다.
또 다른 실시예로, 서버(300)는 전자 장치(100)로부터 사용자 데이터를 포함하는 영상 데이터를 수신할 수 있다. 서버(300)는 영상 데이터를 분석하여 사용자 데이터를 획득할 수 있다. 이때, 사용자 데이터란 사용자의 제스쳐에 대한 데이터, 사용자의 위치와 관련된 데이터, 사용자의 얼굴 데이터 등일 수 있다. 상술한 바와 같이, 영상 데이터로부터 사용자 데이터를 획득하는 기능은 전자 장치(100)가 수행할 수 있음은 물론이다. 이 경우, 서버(300)는 영상 데이터로부터 획득된 사용자 데이터를 전자 장치(100)로부터 수신할 수 있다.
사용자 데이터를 획득한 경우, AI service management 모듈은 사용자 데이터를 분석하여 사용자 데이터에 포함된 사용자 의도를 분석하고, 사용자 의도에 대응되는 서비스를 획득할 수 있다. 이때, 획득되는 서비스는 컨텐츠 제공과 관련된 서비스, 정보 제공과 관련된 서비스 등 다양한 서비스일 수 있다.
한편, 사용자 의도에 대응되는 서비스를 획득한 경우, 서버(300)는 획득된 서비스에 대응되는 템플릿을 판단할 수 있다. 서비스에 대응되는 템플릿의 판단은 AI service management 모듈에 의해 수행될 수 있으나 이에 한정되는 것은 아니다. 즉, AI service management 모듈은 학습된 인공 지능 모델을 이용하여 획득된 서비스에 대응되는 기 저장된 템플릿을 판단하거나, 기 저장된 템플릿을 변형하여 기 저장된 템플릿과 유사한 템플릿을 획득하거나, 획득한 서비스에 대응되는 새로운 템플릿을 획득할 수 있다. 다만, 서버(300)는 인공 지능 모델을 이용하지 않는 일반 프로세서가 획득한 서비스에 대응되는 기 저장된 템플릿을 판단할 수 있음은 물론이다.
서버(300)는 판단된 템플릿에 획득된 서비스에 대한 데이터를 부가하여 전자 장치(100)로 전송하고, 전자 장치(100)는 수신한 템플릿을 기 설정된 레이아웃에 따라 표시할 수 있다.
또 다른 실시예로, 서버(300)는 획득된 사용자 얼굴 데이터 또는 사용자 음성 데이터를 분석하여 사용자의 감정 상태를 판단할 수 있다. 구체적으로, AI service management 모듈은 사용자의 얼굴 데이터와 사용자 음성 데이터를 분석하여 사용자 감정을 판단하고, 판단된 사용자 감정에 따른 서비스를 획득할 수 있다. 예를 들어, "노래 추천해줘" 라는 사용자 음성 및 "노래 추천해줘" 라고 발화하는 사용자 얼굴 데이터가 획득되면, 서버(300)는 사용자의 감정 상태를 분석하고, 분석된 사용자 감정에 대응되는 음악을 제공할 수 있다. 또 다른 예로, 서버(300)는 사용자 감정 상태에 대응되는 그래픽 오브젝트에 대한 정보를 생성하여 전자 장치(100)로 전송할 수 있다. 즉, 사용자의 감정이 "슬픔"인 경우, 서버(300)는 슬픈 상태의 3D 캐릭터(그래픽 오브젝트)에 대한 정보를 생성하여 전자 장치(100)로 전송하고, 전자 장치(100)는 슬픈 상태의 3D 캐릭터(그래픽 오브젝트)를 표현할 수 있다. 또는, 전자 장치(100)는 슬픈 상태의 3D 캐릭터(그래픽 오브젝트)뿐만 아니라, 슬픈 상태의 오디오 데이터를 출력할 수 있음은 물론이다. 상술한 바와 같이, AI service management 모듈이 판단하는 사용자의 감정 또는 표현하는 그래픽 오브젝트의 감정(또는 오디오 데이터의 감정)은 슬픔, 화, 두려움, 혐오/싫어함, 기쁨/흥분/신남/자신감, 놀람, 행복, 사랑, 기대, 욕심, 호감, 긍정, 부정, 당황, 부끄러움, 위로/격려, 속상함, 지루함/피곤한, 회피 등 다양할 수 있다. 한편, 상기에서 설명한 다양한 실시예는 독립적으로 적용되는 것이 아니라 복합적으로 적용될 수 있음은 물론이다.
도 9a 내지 도 9d는 본 개시의 일 실시예에 따른 다양한 그래픽 오브젝트의 표시 방법을 설명하기 위한 예시도이다.
도 9a 및 도 9b에 도시된 바와 같이, 전자 장치(100) 및 외부 디바이스(200)는 날씨 정보를 문의하는 사용자 명령에 따라 그래픽 오브젝트 및 UI를 표시할 수 있다.
이때, 도 9a에 도시된 바와 같이, 표시해야 될 정보가 많은 경우, 전자 장치(100)는 추가 정보에 대한 UI가 존재함을 알리는 가이드 UI(910)을 더 표시할 수 있다. 가이드 UI(910)을 통한 사용자 명령이 입력되면, 전자 장치(100)는 도 9b에 도시된 바와 같이 추가 정보를 표시할 수 있다. 도 9b와 같은 추가 정보가 표시된 경우, 이전에 표시된 정보를 다시 표시하기 위한 가이드 UI(920)가 함께 표시될 수 있다. 가이드 UI(920)을 통한 사용자 명령이 입력되면, 전자 장치(100)는 도 9a와 같이 이전 정보를 다시 표시할 수 있음은 물론이다.
한편, 가이드 UI(910)를 통한 사용자 명령의 형태는 다양할 수 있다. 예를 들어, 사용자 명령은 음성 명령일 수 있다. 전자 장치(100)는 그래픽 오브젝트 및 UI가 도 9a와 같이 표시된 상태에서 "다음" 과 같은 사용자 음성이 입력되면, 사용자 음성에 따라 그래픽 오브젝트 및 UI를 도 9b와 같이 표시할 수 있다. 또는, 사용자 명령은 제스쳐 명령일 수 있다. 전자 장치(100)는 그래픽 오브젝트 및 UI가 도 9a와 같이 표시된 상태에서 오른쪽으로 손을 흔드는 제스쳐와 같은 사용자 음성이 입력되면, 사용자 제스쳐에 따라 그래픽 오브젝트 및 UI를 도 9b와 같이 표시할 수 있다. 또는, 사용자 명령은 원격 제어 장치를 통한 명령일 수도 있음은 물론이다.
한편, 도 9c에 도시된 바와 같이, 전자 장치(100)는 그래픽 오브젝트를 표시하지 않고, 정보 전달을 위한 UI 만을 표시할 수 있음은 물론이다. 이때, 그래픽 오브젝트를 표시하기 위한 사용자 명령이 입력되면, 전자 장치(100)는 정보 전달을 위한 UI 및 그래픽 오브젝트를 함께 표시할 수 있다.
도 9d는 본 개시의 일 실시예에 따른 다양한 서비스 제공을 설명하기 위한 예시도이다.
도 9d에 도시된 바와 같이, 전자 장치(100)는 사용자 인터랙션에 따라 다양한 서비스를 제공할 수 있다. 예를 들어, 전자 장치(100)는 그래픽 오브젝트를 표시하기 위한 사용자 인터랙션이 입력되면, 그래픽 오브젝트를 표시할 수 있다. 또는 전자 장치(100)는 날씨 정보를 문의하는 사용자 인터랙션이 입력되면, 오늘 날씨에 대한 UI(텍스트 정보 또는 이미지 정보를 포함할 수 있다)를 표시할 수 있다. 또는, 전자 장치(100)는 음악 추천을 위한 사용자 인터랙션이 입력되면, 음악 추천을 위한 UI를 표시할 수 있다. 또는, 전자 장치(100)는 음악과 관련된 컨텐츠를 보여 달라는 사용자 인터랙션에 따라, 음악과 관련된 뮤직비디오, 콘서트 영상등을 표시할 수 있다. 또는, 전자 장치(100)는 특정 제품 추천을 위한 사용자 명령이 입력되면, 제품 이미지 및 정표를 표시할 수 있다.
이하에서는, 도 10 내지 도 13를 참조하여, 본 개시의 일 실시예에 따른, 학습 알고리즘을 이용하여 데이터 인식 모델을 생성한 후 데이터 인식 모델을 통해 사용자 인터랙션에 따른 다양한 서비스를 결정하거나, 사용자 인터랙션에 따른 그래픽 오브젝트를 결정하는 방법에 대하여 설명한다. 이때, 전자 장치(100)는 외부 디바이스(200)와 결합된 상태일 수 있음은 물론이다.
도 10를 참조하면, 일부 실시예에 따른 프로세서(1000)는 데이터 학습부(1010) 및 데이터 인식부(1020)를 포함할 수 있다.
데이터 학습부(1010)는 데이터 인식 모델이 제공할 서비스 또는 사용자 감정 판단(예를 들어, 사용자 인터랙션 및 사용자 인터랙션에 따른 서비스에 대한 판단, 사용자 인터랙션에 대한 사용자 감정 판단)을 위한 기준을 갖도록 생성 또는 학습시킬 수 있다. 데이터 학습부(1010)는 제공할 서비스 또는 사용자 감정을 판단하기 위하여, 학습 데이터를 데이터 인식 모델에 적용하여, 판단 기준을 갖는 데이터 인식 모델을 생성할 수 있다.
일 예로, 본 개시의 일 실시예에 따른, 데이터 학습부(1010)는 음성 정보와 관련된 학습 데이터 및 영상 정보와 관련된 학습 데이터를 이용하여 데이터 인식 모델을 생성 또는 학습시킬 수 있다.
데이터 인식부(1020)는 인식 데이터에 기초하여 제공할 서비스 또는 사용자 감정을 판단할 수 있다. 데이터 인식부(1020)는 학습된 데이터 인식 모델을 이용하여, 소정의 인식 데이터로부터 제공할 서비스 또는 사용자 감정을 판단할 수 있다. 데이터 인식부(1020)는 기 설정된 기준에 따라 소정의 인식 데이터를 획득하고, 획득된 인식 데이터를 입력 값으로 하여 데이터 인식 모델에 적용함으로써, 소정의 인식 데이터에 기초한 제공할 서비스 또는 사용자 감정을 판단할 수 있다(또는, 추정(estimate)할 수 있다).
또한, 획득된 인식 데이터를 입력 값을 데이터 인식 모델에 적용하여 출력된 결과 값은, 데이터 인식 모델을 갱신하는데 이용될 수 있다.
특히, 본 개시의 일 실시예에 따른, 데이터 인식부(1020)는 음성 정보와 관련된 인식 데이터 및 영상 정보와 관련된 인식 데이터를 입력 값으로 데이터 인식 모델에 적용함으로써 인식데이터에 따라 제공한 서비스를 판단할 수 있다.
또한, 데이터 인식부(1020)는 음성 정보와 관련된 인식 데이터 및 영상 정보와 관련된 인식 데이터를 사용자의 감정과 관련된 정보를 판단할 수 있다.
데이터 학습부(1010)의 적어도 일부 및 데이터 인식부(1020)의 적어도 일부는, 소프트웨어 모듈로 구현되거나 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 학습부(1010) 및 데이터 인식부(1020) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다. 이 때, 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(1010) 및 데이터 인식부(1020)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.
이 경우, 데이터 학습부(1010) 및 데이터 인식부(1020)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 학습부(1010) 및 데이터 인식부(1020) 중 하나는 전자 장치(100)에 포함되고, 나머지 하나는 외부의 서버에 포함될 수 있다. 또한, 데이터 학습부(1010) 및 데이터 인식부(1020)는 유선 또는 무선으로 통하여, 데이터 학습부(1010)가 구축한 모델 정보를 데이터 인식부(1020)로 제공할 수도 있고, 데이터 인식부(1020)로 입력된 데이터가 추가 학습 데이터로서 데이터 학습부(1010)로 제공될 수도 있다.
도 11은 본 개시의 실시예에 따른 데이터 학습부(1010)의 블록도이다.
도 11을 참조하면, 일부 실시예에 따른 데이터 학습부(1010)는 데이터 획득부(1010-1) 및 모델 학습부(1010-4)를 포함할 수 있다. 또한, 데이터 학습부(1010)는 전처리부(1010-2), 학습 데이터 선택부(1010-3) 및 모델 평가부(1010-5) 중 적어도 하나를 선택적으로 더 포함할 수도 있다.
데이터 획득부(1010-1)는 서비스 또는 사용자 감정 판단을 위한 학습을 위하여 필요한 학습 데이터를 획득할 수 있다.
학습 데이터는 데이터 학습부(1010) 또는 전자 장치(100)의 제조사에 의하여 수집 또는 테스트한 데이터가 이용될 수도 있다. 또는, 학습 데이터는 마이크를 통해 사용자가 발화한 자연어로부터 생성된 음성 데이터를 포함할 수 있다. 또는, 학습 데이터는 카메라를 통해 사용자가 촬영된 영상 데이터를 포함할 수 있다. 이때, 마이크 및 카메라는 전자 장치(100) 내부에 구비될 수 있으나, 이는 일 실시예에 불과할 뿐, 외부의 마이크 및 카메라를 통해 획득한 자연어에 대한 음성 데이터 및 행위에 대한 영상 데이터가 학습 데이터로서 이용될 수도 있다. 모델 학습부(1010-4)는 학습 데이터를 이용하여, 데이터 인식 모델이 서비스 또는 사용자 감정을 어떻게 판단할 지에 관한 판단 기준을 갖도록 학습시킬 수 있다. 예로, 모델 학습부(1010-4)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또는, 모델 학습부(1010-4)는, 예를 들어, 별다른 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 제공할 서비스 또는 사용자 감정 판단을 위한 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다.
또한, 모델 학습부(1010-4)는 서비스 또는 사용자 감정 판단을 위하여 어떤 학습 데이터를 이용해야 하는 지에 대한 선별 기준을 학습할 수도 있다.
특히, 본 개시의 일 실시예에 따른, 모델 학습부(1010-4)는 음성 정보와 관련된 학습 데이터 및 영상 정보와 관련된 학습 데이터를 이용하여 데이터 인식 모델을 생성 또는 학습시킬 수 있다. 이 경우, 지도 학습 방식을 통하여, 데이터 인식 모델을 학습시키는 경우, 판단 기준으로서, 사용자 인터랙션에 따른 서비스 및 사용자 인터랙션에 대한 사용자의 감정이 학습 데이터로서 추가될 수 있다.
한편, 데이터 인식 모델은 미리 구축되어, 모델 학습부(1010-4)의 학습에 의하여 업데이트되는 모델일 수 있다. 이 경우, 데이터 인식 모델은 기본 학습 데이터(예를 들어, 샘플 이미지 등)을 입력 받아 미리 구축된 상태일 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. 데이터 인식 모델은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있다. 데이터 인식 모델은 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고 받는 시냅틱(synaptic) 활동을 모의하도록 각각 연결 관계를 형성할 수 있다. 데이터 인식 모델은, 일 예로, 신경망 모델, 또는 신경망 모델에서 발전한 딥 러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 깊이(또는, 레이어)에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 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 실시예에 따르면, 모델 학습부(1010-4)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 타입 별로 기 분류되어 있을 수 있으며, 데이터 인식 모델은 데이터의 타입 별로 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 기 분류되어 있을 수 있다.
또한, 모델 학습부(1010-4)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.
또한, 모델 학습부(1010-4)는, 예를 들어, 판단 기준을 입력 값으로 이용하는 지도 학습을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또는, 모델 학습부(1010-4)는, 예를 들어, 별다른 지도 없이 필요한 학습 데이터를 이용하여 스스로 학습함으로써, 제공할 서비스 또는 사용자 감정 판단을 위한 판단 기준을 발견하는 비지도 학습을 통하여, 데이터 인식 모델을 학습시킬 수 있다. 또한, 모델 학습부(1010-4)는, 예를 들어, 학습에 따른 판단의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, 데이터 인식 모델을 학습시킬 수 있다.
또한, 데이터 인식 모델이 학습되면, 모델 학습부(1010-4)는 학습된 데이터 인식 모델을 저장할 수 있다. 이 경우, 모델 학습부(1010-4)는 학습된 데이터 인식 모델을 전자 장치(100)의 메모리(110)에 저장할 수 있다. 또는, 모델 학습부(1010-4)는 학습된 데이터 인식 모델을 전자 장치(100)와 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.
데이터 학습부(1010)는 데이터 인식 모델의 인식 결과를 향상시키거나, 데이터 인식 모델의 생성에 필요한 자원 또는 시간을 절약하기 위하여, 전처리부(1010-2) 및 학습 데이터 선택부(1010-3)를 더 포함할 수도 있다.
전처리부(1010-2)는 제공할 서비스 또는 사용자 감정 판단을 위한 학습에 이용하기 위하여 데이터 획득부(1010-1)에서 획득된 데이터를 전처리할 수 있다.
예로, 전처리부(1010-2)는 모델 학습부(1010-4)가 데이터 인식 모델의 학습을 위한 데이터의 이용이 용이하도록, 획득된 데이터를 기 정의된 포맷으로 가공할 수 있다. 예를 들어, 전처리부(1010-2)는 데이터 획득부(1010-1)에 의해 획득된 음성 데이터를 텍스트 데이터로 가공할 수 있으며, 영상 데이터를 기 설정된 포맷의 영상 데이터로 가공할 수 있다. 전처리된 데이터는 학습 데이터로서 모델 학습부(1010-4)에게 제공될 수 있다.
또는, 학습 데이터 선택부(1010-3)가 전처리된 데이터 중에서 학습에 필요한 학습 데이터를 선별적으로 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(1010-4)에 제공될 수 있다. 학습 데이터 선택부(1010-3)는 기 설정된 선별 기준에 따라, 전처리된 데이터 중에서 학습에 필요한 학습 데이터를 선별할 수 있다. 또한, 학습 데이터 선택부(1010-3)는 모델 학습부(1010-4)에 의한 학습에 의해 기 설정된 선별 기준에 따라 학습에 필요한 학습 데이터를 선별할 수도 있다. 본 개시의 일 실시예로, 학습 데이터 선택부(1010-3)는 입력된 음성 데이터 중 특정 사용자가 발화한 음성 데이터만을 선택할 수 있으며, 영상 데이터 중 배경을 제외한 사람이 포함된 영역만을 선택할 수 있다.
데이터 학습부(1010)는 데이터 인식 모델의 인식 결과를 향상시키기 위하여, 모델 평가부(1010-5)를 더 포함할 수도 있다.
모델 평가부(1010-5)는 데이터 인식 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 인식 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(1010-4)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 데이터 인식 모델을 평가하기 위한 기 정의된 데이터일 수 있다.
예를 들어, 모델 평가부(1010-5)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(1010-5)는 학습된 데이터 인식 모델이 적합하지 않은 것으로 평가할 수 있다.
한편, 학습된 데이터 인식 모델이 복수 개가 존재하는 경우, 모델 평가부(1010-5)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(1010-5)는 평가 점수가 높은 순으로 미리 설정된 어느 하나 또는 소정 개수의 모델을 최종 데이터 인식 모델로서 결정할 수 있다.
전술한, 데이터 획득부(1010-1), 전처리부(1010-2), 학습 데이터 선택부(1010-3), 모델 학습부(1010-4) 및 모델 평가부(1010-5) 중 적어도 하나는, 소프트웨어 모듈로 구현되거나 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1010-1), 전처리부(1010-2), 학습 데이터 선택부(1010-3), 모델 학습부(1010-4) 및 모델 평가부(1010-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
또한, 데이터 획득부(1010-1), 전처리부(1010-2), 학습 데이터 선택부(1010-3), 모델 학습부(1010-4) 및 모델 평가부(1010-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1010-1), 전처리부(1010-2), 학습 데이터 선택부(1010-3), 모델 학습부(1010-4) 및 모델 평가부(1010-5) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 획득부(1010-1), 전처리부(1010-2), 학습 데이터 선택부(1010-3), 모델 학습부(1010-4) 및 모델 평가부(1010-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1010-1), 전처리부(1010-2), 학습 데이터 선택부(1010-3), 모델 학습부(1010-4) 및 모델 평가부(1010-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(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. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 12는 일부 실시예에 따른 데이터 인식부(1020)의 블록도이다.
도 12를 참조하면, 일부 실시예에 따른 데이터 인식부(1020)는 데이터 획득부(1020-1) 및 인식 결과 제공부(1020-4)를 포함할 수 있다. 또한, 데이터 인식부(1020)는 전처리부(1020-2), 인식 데이터 선택부(1020-3) 및 모델 갱신부(1020-5) 중 적어도 하나를 선택적으로 더 포함할 수 있다.
데이터 획득부(1020-1)는 제공할 서비스 또는 사용자 감정 판단에 필요한 인식 데이터를 획득할 수 있다.
인식 결과 제공부(1020-4)는 데이터 획득부(1020-1)에서 획득된 데이터를 입력 값으로 학습된 데이터 인식 모델에 적용하여 제공할 서비스 또는 사용자 감정을 판단할 수 있다. 인식 결과 제공부(1020-4)는 데이터의 인식 목적에 따른 인식 결과를 제공할 수 있다. 또는, 인식 결과 제공부(1020-4)는 후술할 전처리부(1020-2)에서 전처리된 데이터를 입력 값으로 학습된 데이터 인식 모델에 적용하여 획득된 인식 결과를 제공할 수 있다. 또는, 인식 결과 제공부(1020-4)는 후술할 인식 데이터 선택부(1020-3)에 의해 선택된 데이터를 입력 값으로 데이터 인식 모델에 적용하여 인식 결과를 제공할 수 있다.
데이터 인식부(1210)는 데이터 인식 모델의 인식 결과를 향상시키거나, 인식 결과의 제공을 위한 자원 또는 시간을 절약하기 위하여, 전처리부(1020-2) 및 인식 데이터 선택부(1020-3)를 더 포함할 수도 있다.
전처리부(1020-2)는 제공할 서비스 또는 사용자 감정 판단을 위한 인식에 이용하기 위하여 데이터 획득부(1020-1)에서 획득된 데이터를 전처리할 수 있다.
전처리부(1020-2)는 인식 결과 제공부(1020-4)가 제공할 서비스 또는 사용자 감정 판단을 위한 데이터의 이용이 용이하도록, 획득된 데이터를 기 정의된 포맷으로 가공할 수 있다.
인식 데이터 선택부(1020-3)는 전처리된 데이터 중에서 제공할 서비스 또는 사용자 감정 판단에 필요한 인식 데이터를 선택할 수 있다. 선택된 인식 데이터는 인식 결과 제공부(1020-4)에게 제공될 수 있다. 인식 데이터 선택부(1020-3)는 기 설정된 선별 기준에 따라, 전처리된 데이터 중에서 제공할 서비스 또는 사용자 감정 판단에 필요한 인식 데이터를 선별할 수 있다. 또한, 인식 데이터 선택부(1020-3)는 전술한 모델 학습부(1010-4)에 의한 학습에 의해 기 설정된 선별 기준에 따라 데이터를 선택할 수도 있다.
모델 갱신부(1020-5)는 인식 결과 제공부(1020-4)에 의해 제공되는 인식 결과에 대한 평가에 기초하여, 데이터 인식 모델이 갱신되도록 제어할 수 있다. 예를 들어, 모델 갱신부(1020-5)는 인식 결과 제공부(1020-4)에 의해 제공되는 인식 결과를 모델 학습부(1010-4)에게 제공함으로써, 모델 학습부(1010-4)가 데이터 인식 모델을 갱신하도록 제어할 수 있다.
전술한, 데이터 인식부(1020) 내의 데이터 획득부(1020-1), 전처리부(1020-2), 인식 데이터 선택부(1020-3), 인식 결과 제공부(1020-4) 및 모델 갱신부(1020-5) 중 적어도 하나는, 소프트웨어 모듈로 구현되거나 적어도 하나의 하드웨어 칩 형태로 제작되어 전자 장치에 탑재될 수 있다. 예를 들어, 데이터 획득부(1020-1), 전처리부(1020-2), 인식 데이터 선택부(1020-3), 인식 결과 제공부(1020-4) 및 모델 갱신부(1020-5) 중 적어도 하나는 인공 지능(AI; artificial intelligence)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전술한 각종 전자 장치에 탑재될 수도 있다.
또한, 데이터 획득부(1020-1), 전처리부(1020-2), 인식 데이터 선택부(1020-3), 인식 결과 제공부(1020-4) 및 모델 갱신부(1020-5)는 하나의 전자 장치에 탑재될 수도 있으며, 또는 별개의 전자 장치들에 각각 탑재될 수도 있다. 예를 들어, 데이터 획득부(1020-1), 전처리부(1020-2), 인식 데이터 선택부(1020-3), 인식 결과 제공부(1020-4) 및 모델 갱신부(1020-5) 중 일부는 전자 장치에 포함되고, 나머지 일부는 서버에 포함될 수 있다.
또한, 데이터 획득부(1020-1), 전처리부(1020-2), 인식 데이터 선택부(1020-3), 인식 결과 제공부(1020-4) 및 모델 갱신부(1020-5) 중 적어도 하나는 소프트웨어 모듈로 구현될 수 있다. 데이터 획득부(1020-1), 전처리부(1020-2), 인식 데이터 선택부(1020-3), 인식 결과 제공부(1020-4) 및 모델 갱신부(1020-5) 중 적어도 하나가 소프트웨어 모듈(또는, 인스터력션(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. 또한, 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 소정의 애플리케이션에 의해 제공될 수 있다. 또는, 적어도 하나의 소프트웨어 모듈 중 일부는 OS(Operating System)에 의해 제공되고, 나머지 일부는 소정의 애플리케이션에 의해 제공될 수 있다.
도 13은 일부 실시예에 따른 전자 장치(100) 및 서버(300)가 서로 연동함으로써 데이터를 학습하고 인식하는 예시를 나타내는 도면이다.
상술한 데이터 학습부(1010) 및 데이터 인식부(1020)는 서버(300)에 포함된 구성일 수 있으나, 이에 한정되는 것은 아니다. 즉, 도 13에 도시된 바와 같이, 필요에 따라 전자 장치(100)가 데이터 인식부(120)를 포함하고, 서버(300)가 데이터 학습부(1010)를 포함할 수 있다.
도 13을 참조하면, 서버(300)는 제공할 서비스 또는 사용자 감정 판단을 위한 기준을 학습할 수 있으며, 전자 장치(100)는 서버(300)에 의한 학습 결과에 기초하여 제공할 서비스 또는 사용자 감정을 판단할 수 있다.
이 경우, 서버(300)의 모델 학습부(1010-4)는 제공할 서비스 또는 사용자 감정 을 판단하기 위하여 어떤 데이터를 이용할 지, 데이터를 이용하여 제공할 서비스 또는 사용자 감정 을 어떻게 판단할 지에 관한 기준을 학습할 수 있다. 모델 학습부(1010-4)는 학습에 이용될 데이터를 획득하고, 획득된 데이터를 후술할 데이터 인식 모델에 적용함으로써, 제공할 서비스 또는 사용자 감정 판단을 위한 기준을 학습할 수 있다.
또한, 전자 장치(100)의 인식 결과 제공부(1020-4)는 인식 데이터 선택부(1020-3)에 의해 선택된 데이터를 서버(300)에 의해 생성된 데이터 인식 모델에 적용하여 제공할 서비스 또는 사용자 감정을 판단할 수 있다. 구체적으로, 인식 결과 제공부(1020-4)는 인식 데이터 선택부(1020-3)에 의해 선택된 데이터를 서버(300)에게 전송하고, 서버(300)가 인식 데이터 선택부(1020-3)에 의해 선택된 데이터를 인식 모델에 적용하여 제공할 서비스 또는 사용자 감정을 판단할 것을 요청할 수 있다. 또한, 인식 결과 제공부(1020-4)는 서버(300)에 의해 제공할 서비스 또는 사용자 감정에 관한 정보를 서버(300)로부터 수신할 수 있다. 예를 들어, 인식 데이터 선택부(1020-3)에 의해 음성 데이터 및 영상 데이터가 서버(300)에게 전송된 경우, 서버(300)는 기 저장된 데이터 인식 모델에 음성 데이터 및 영상 데이터를 적용하여 제공할 서비스 또는 사용자 감정에 대한 정보를 전자 장치(100)로 전송할 수 있다.
또는, 전자 장치(100)의 인식 결과 제공부(1020-4)는 서버(300)에 의해 생성된 인식 모델을 서버(300)로부터 수신하고, 수신된 인식 모델을 이용하여 제공할 서비스 또는 사용자 감정을 판단할 수 있다. 이 경우, 전자 장치(100)의 인식 결과 제공부(1020-4)는 인식 데이터 선택부(1020-3)에 의해 선택된 데이터를 서버(300)로부터 수신된 데이터 인식 모델에 적용하여 제공할 서비스 또는 사용자 감정을 판단할 수 있다. 예를 들어, 전자 장치(100)는 서버(300)로부터 데이터 인식 모델을 수신하여 저장하고, 인식 데이터 선택부(1020-3)에 의해 선택된 음성 데이터 및 영상 데이터를 서버(300)로부터 수신된 데이터 인식 모델에 적용하여 제공할 서비스 또는 사용자 감정에 대한 정보를 판단할 수 있다.
도 14는 본 개시의 일 실시예에 따른 전자 장치의 디스플레이 방법을 설명하기 위한 흐름도이다.
전자 장치(100)는 사용자 인터랙션에 따라 동작하는 인터랙션 모드가 개시되면, 사용자의 위치를 감지할 수 있다(S1410). 상술한 바와 같이, 인터랙션 모드는 특정 조건을 만족하는 경우 개시될 수 있다. 예를 들어, 인터랙션 모드는 전자 장치(100)와 외부 디바이스(200)가 도킹된 경우, 전자 장치(100)가 외부 디바이스(200)의 무선 충전 장치에 의해 무선 충전이 개시된 경우, 제스쳐 또는 음성 등과 같은 사용자의 의한 특정 명령어가 입력된 경우 개시될 수 있다.
전자 장치(100)는 디스플레이(110) 상에 사용자 위치에 대응되는 위치에 그래픽 오브젝트를 표시할 수 있다(S1420). 구체적으로, 전자 장치100)는 전자 장치(100)와 사용자간의 거리 및 위치 정보를 획득하고 획득한 거리 및 위치 정보에 따라 오브젝트를 다르게 표시할 수 있다. 예를 들어, 사용자가 전자 장치(100) 왼편에 위치하면, 디스플레이(110) 오른편에 그래픽 오브젝트를 표시할 수 있다. 또는, 전자 장치(100)와 사용자의 거리가 멀면 그래픽 오브젝트를 크게 표시하고, 전자 장치(100)와 사용자의 거리가 가까우면 그래픽 오브젝트를 작게 표시할 수 있다. 또는, 전자 장치(100)는 사용자가 항상 그래픽 오브젝트를 정면에서 바라보도록 그래픽 오브젝트를 표시할 수 있다.
전자 장치(100)는 인터랙션 모드에서 사용자 인터랙션이 입력되면, 그래픽 오브젝트를 변경하여 사용자 인터랙션에 대한 피드백을 제공할 수 있다(S1430). 구체적으로, 전자 장치(100)는 특정 서비스를 제공 받기 위한 사용자 인터랙션이 입력되면, 사용자 인터랙션에 대응되는 서비스를 제공할 수 있다. 예를 들어, 음악 추천을 위한 사용자 음성이 입력되면, 전자 장치(100)는 사용자 상태, 취향, 감정 등을 바탕으로 사용자에게 적합한 음악을 추천해 줄 수 있다.
한편, 본 개시의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 개시의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다.
다양한 실시예에 따른 장치(예: 모듈들 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는 프로그램 모듈의 형태로 컴퓨터로 판독 가능한 비일시적 판독 가능 기록매체(non-transitory computer readable media)에 저장된 명령어로 구현될 수 있다. 명령어가 프로세서(예: 프로세서(120))에 의해 실행될 경우, 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다.
여기서, 프로그램은 컴퓨터가 읽을 수 있는 비일시적 기록매체에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 개시의 실시 예를 구현할 수 있다.
여기서 비일시적 판독 가능 기록매체란, 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미할 뿐만 아니라 레지스터, 캐쉬, 버퍼 등을 포함하며, 신호(signal), 전류(current) 등과 같은 전송 매개체는 포함하지 않는다.
구체적으로, 상술한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 내장 메모리(예: 메모리(110)), 메모리 카드, ROM 또는 RAM 등과 같은 비일시적 판독가능 기록매체에 저장되어 제공될 수 있다.
또한, 개시된 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)으로 제공될 수 있다.
컴퓨터 프로그램 제품은 S/W 프로그램, S/W 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체 또는 판매자 및 구매자 간에 거래되는 상품을 포함할 수 있다.
예를 들어, 컴퓨터 프로그램 제품은 전자 장치 또는 전자 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 제조사 또는 전자 마켓의 서버, 또는 중계 서버의 저장매체가 될 수 있다.
이상에서는 본 개시의 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100: 전자 장치 110: 디스플레이
120: 센서 130: 프로세서
200: 외부 디바이스 300: 서버
120: 센서 130: 프로세서
200: 외부 디바이스 300: 서버
Claims (19)
- 전자 장치에 있어서,
디스플레이;
상기 디스플레이 방향으로 배치된 제1 카메라;
상기 제1 카메라와 반대 방향으로 배치된 제2 카메라; 및
프로세서를 포함하며,
상기 프로세서는,
사용자 인터랙션에 따라 동작하는 인터랙션 모드가 개시되면 상기 제1 카메라를 활성화시켜 상기 제1 카메라를 통해 제1 이미지를 획득하고 상기 제2 카메라를 활성화시켜 제2 이미지를 획득하고,
상기 획득된 제1 이미지에 기초하여 사용자의 상기 이미지 상의 양 눈 사이의 거리인 제1 거리를 식별하고,
상기 제1 거리 및 상기 사용자의 양 눈 사이의 실제 거리인 제2 거리에 기초하여 상기 사용자의 위치를 감지하고,
상기 제2 이미지 상에 상기 감지된 사용자 위치에 대응되는 위치에 그래픽 오브젝트를 표시하도록 상기 디스플레이를 제어하며,
상기 인터랙션 모드에서 상기 사용자 인터랙션이 입력되면 상기 그래픽 오브젝트를 변경하여 상기 사용자 인터랙션에 대한 피드백을 제공하도록 상기 디스플레이를 제어하는 전자 장치. - 삭제
- 삭제
- 제1항에 있어서,
상기 프로세서는,
상기 제1 카메라에 의해 획득된 사용자 이미지를 분석하여 사용자 감정을 추정하고, 추정된 상기 사용자 감정에 따라 상기 그래픽 오브젝트의 표정을 결정하는 전자 장치. - 제1항 및 제4항 중 어느 한 항에 있어서,
상기 인터랙션 모드는 사용자 음성에 따라 동작하는 음성 인식 모드이며,
상기 프로세서는,
상기 사용자 음성의 입력 과정 및 처리 과정에 대응되도록 상기 그래픽 오브젝트를 지속적으로 변경하는 전자 장치. - 제1항 및 제4항 중 어느 한 항에 있어서,
상기 인터랙션 모드는 사용자 모션에 따라 동작하는 모션 인식 모드이며,
상기 프로세서는,
상기 사용자 모션의 입력 과정 및 처리 과정에 대응되도록 상기 그래픽 오브젝트를 지속적으로 변경하는 전자 장치. - 제1항 및 제4항 중 어느 한 항에 있어서,
상기 프로세서는,
상기 전자 장치가 무선 충전 장치 상에 위치하여 무선 충전이 개시되면, 상기 인터랙션 모드가 개시된 것으로 판단하고 상기 디스플레이를 제어하여 상기 그래픽 오브젝트를 표시하는 전자 장치. - 제1항 및 제4항 중 어느 한 항에 있어서,
상기 프로세서는,
상기 전자 장치가 외부 디바이스와 도킹되면, 상기 인터랙션 모드가 개시된 것으로 판단하고 상기 디스플레이를 제어하여 상기 그래픽 오브젝트를 표시하는 전자 장치. - 제 4항에 있어서,
상기 프로세서는, 상기 사용자 이미지를 인공지능 신경망(Neural Network) 모델에 입력하여, 상기 사용자 감정을 추정하는 전자 장치. - 전자 장치의 디스플레이 방법에 있어서,
사용자 인터랙션에 따라 동작하는 인터랙션 모드가 개시되면 제1 카메라를 활성화시켜 상기 제1 카메라를 통해 제1 이미지를 획득하고 제2 카메라를 활성화시켜 제2 이미지를 획득하는 단계;
상기 획득된 제1 이미지에 기초하여 사용자의 상기 이미지 상의 양 눈 사이의 거리인 제1 거리를 식별하는 단계;
상기 제1 거리 및 상기 사용자의 양 눈 사이의 실제 거리인 제2 거리에 기초하여 상기 사용자의 위치를 감지하는 단계;
상기 전자 장치의 디스플레이 상에서, 상기 제2 이미지 상에 상기 사용자 위치에 대응되는 위치에 그래픽 오브젝트를 표시하는 단계; 및
상기 인터랙션 모드에서 상기 사용자 인터랙션이 입력되면 상기 그래픽 오브젝트를 변경하여 상기 사용자 인터랙션에 대한 피드백을 제공하는 단계;를 포함하는 디스플레이 방법. - 삭제
- 삭제
- 제10항에 있어서,
상기 제1 카메라에 의해 획득된 사용자 이미지를 분석하여 사용자 감정을 추정하는 단계;
추정된 상기 사용자 감정에 따라 상기 그래픽 오브젝트의 표정을 결정하는 단계;를 더 포함하는 디스플레이 방법. - ◈청구항 14은(는) 설정등록료 납부시 포기되었습니다.◈제10항 및 제13항 중 어느 한 항에 있어서,
상기 인터랙션 모드는 사용자 음성에 따라 동작하는 음성 인식 모드이며,
상기 사용자 인터랙션에 대한 피드백을 제공하는 단계는
상기 사용자 음성의 입력 과정 및 처리 과정에 대응되도록 상기 그래픽 오브젝트를 지속적으로 변경하는 단계를 포함하는 디스플레이 방법. - ◈청구항 15은(는) 설정등록료 납부시 포기되었습니다.◈제10항 및 제13항 중 어느 한 항에 있어서,
상기 인터랙션 모드는 사용자 모션에 따라 동작하는 모션 인식 모드이며,
상기 사용자 인터랙션에 대한 피드백을 제공하는 단계는
상기 사용자 모션의 입력 과정 및 처리 과정에 대응되도록 상기 그래픽 오브젝트를 지속적으로 변경하는 디스플레이 방법. - ◈청구항 16은(는) 설정등록료 납부시 포기되었습니다.◈제10항 및 제13항 중 어느 한 항에 있어서,
상기 전자 장치가 무선 충전 장치상에 위치하여 무선 충전이 개시되면, 상기 인터랙션 모드가 개시된 것으로 판단하는 단계;를 더 포함하는 디스플레이 방법. - ◈청구항 17은(는) 설정등록료 납부시 포기되었습니다.◈제10항 및 제13항 중 어느 한 항에 있어서,
상기 전자 장치가 외부 디바이스와 도킹되면, 상기 인터랙션 모드가 개시된 것으로 판단하는 단계;를 더 포함하는 디스플레이 방법. - ◈청구항 18은(는) 설정등록료 납부시 포기되었습니다.◈제 13항에 있어서,
상기 사용자 감정을 추정하는 단계는,
상기 사용자 이미지를 인공지능 신경망(Neural Network) 모델에 입력하여, 상기 사용자 감정을 추정하는 단계; 를 더 포함하는 디스플레이 방법. - 사용자 인터랙션을 수행하기 위한 프로그램이 저장된 기록 매체에 있어서,
상기 사용자 인터랙션은,
사용자 인터랙션에 따라 동작하는 인터랙션 모드가 개시되면, 전면 카메라 및 후면 카메라를 활성화시키는 단계;
상기 전면 카메라에서 획득된 이미지에 기초하여 사용자의 상기 이미지 상의 양 눈 사이의 거리인 제1 거리를 식별하는 단계;
상기 제1 거리 및 상기 사용자의 양 눈 사이의 실제 거리인 제2 거리에 기초하여 상기 사용자의 위치를 감지하는 단계;
상기 후면 카메라에서 획득된 이미지를 통해 주위 배경을 감지하는 단계;
상기 사용자 위치에 대응되는 위치에서 상기 주위 배경에 대응되는 형태로, 그래픽 오브젝트를 표시하는 단계; 및
상기 인터랙션 모드에서 상기 사용자 인터랙션이 입력되면 상기 그래픽 오브젝트를 변경하여 상기 사용자 인터랙션에 대한 피드백을 제공하는 단계;를 포함하는, 기록 매체.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180025902A KR102616850B1 (ko) | 2018-03-05 | 2018-03-05 | 전자 장치, 전자 장치와 결합 가능한 외부 디바이스 및 이의 디스플레이 방법 |
| US16/133,096 US11126140B2 (en) | 2018-03-05 | 2018-09-17 | Electronic device, external device capable of being combined with the electronic device, and a display method thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180025902A KR102616850B1 (ko) | 2018-03-05 | 2018-03-05 | 전자 장치, 전자 장치와 결합 가능한 외부 디바이스 및 이의 디스플레이 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190105403A KR20190105403A (ko) | 2019-09-17 |
| KR102616850B1 true KR102616850B1 (ko) | 2023-12-26 |
Family
ID=67768556
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180025902A KR102616850B1 (ko) | 2018-03-05 | 2018-03-05 | 전자 장치, 전자 장치와 결합 가능한 외부 디바이스 및 이의 디스플레이 방법 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11126140B2 (ko) |
| KR (1) | KR102616850B1 (ko) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019056132A1 (en) * | 2017-09-25 | 2019-03-28 | Atelier Go-Élan Inc. | INTERACTIVE GAME FIELD SYSTEM WITH ENHANCED USER INTERACTION AND COMPUTERIZED METHOD FOR IMPLEMENTING ENHANCED USER INTERACTION IN A GAME FIELD SYSTEM |
| CN108600911B (zh) * | 2018-03-30 | 2021-05-18 | 联想(北京)有限公司 | 一种输出方法及电子设备 |
| CN109407839B (zh) * | 2018-10-18 | 2020-06-30 | 京东方科技集团股份有限公司 | 图像调整方法、装置、电子设备和计算机可读存储介质 |
| US10957031B1 (en) * | 2019-09-06 | 2021-03-23 | Accenture Global Solutions Limited | Intelligent defect detection from image data |
| CN110727435B (zh) * | 2019-10-21 | 2023-09-05 | 百度在线网络技术（北京）有限公司 | 渲染方法、装置、电子设备及存储介质 |
| CN110996197B (zh) * | 2019-11-15 | 2021-05-28 | 歌尔股份有限公司 | 音频设备的控制方法、音频设备及存储介质 |
| CN111050105A (zh) * | 2019-12-14 | 2020-04-21 | 中国科学院深圳先进技术研究院 | 视频播放方法、装置、玩具机器人及可读存储介质 |
| WO2021225550A1 (en) * | 2020-05-06 | 2021-11-11 | Iren Yaser Deniz | Emotion recognition as feedback for reinforcement learning and as an indicator of the explanation need of users |
| KR102649193B1 (ko) * | 2023-04-13 | 2024-03-20 | 주식회사 아테크넷 | 홀로그램 디바이스를 이용한 입체 콘텐츠 미디어 시스템 및 그 시스템의 운영 방법 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8018579B1 (en) * | 2005-10-21 | 2011-09-13 | Apple Inc. | Three-dimensional imaging and display system |
| US20110107216A1 (en) * | 2009-11-03 | 2011-05-05 | Qualcomm Incorporated | Gesture-based user interface |
| KR101657168B1 (ko) * | 2009-12-01 | 2016-09-19 | 삼성전자주식회사 | 사용자 위치 기반의 디스플레이 방법 및 장치 |
| US8810513B2 (en) * | 2012-02-02 | 2014-08-19 | Kodak Alaris Inc. | Method for controlling interactive display system |
| JP2014107725A (ja) | 2012-11-28 | 2014-06-09 | Olympus Corp | アタッチメント及び表示システム |
| KR102013331B1 (ko) * | 2013-02-23 | 2019-10-21 | 삼성전자 주식회사 | 듀얼 카메라를 구비하는 휴대 단말기의 이미지 합성 장치 및 방법 |
| KR101542986B1 (ko) * | 2013-12-19 | 2015-08-07 | 현대자동차 주식회사 | 홀로그램을 이용한 제스처 인식 시스템 및 그 제어 방법 |
| KR102191963B1 (ko) | 2014-02-03 | 2020-12-17 | 삼성전자주식회사 | 홀로그램 디스플레이가 가능한 휴대용 기기 및 홀로그램 디스플레이 방법 |
| KR20150136664A (ko) * | 2014-05-27 | 2015-12-08 | 최정민 | 크로마키 기법을 이용한 게임 시스템에서의 게임 캐릭터 표시방법 |
| US9911235B2 (en) | 2014-11-14 | 2018-03-06 | Qualcomm Incorporated | Spatial interaction in augmented reality |
| WO2017015290A1 (en) | 2015-07-20 | 2017-01-26 | Steve Russell | Themed holograph theater |
| KR101666500B1 (ko) | 2015-07-23 | 2016-10-17 | 주식회사 제스트컴퍼니 | 휴대 단말기의 홀로그램 영상 표시 제어 방법 및 이를 이용하는 홀로그램 영상 표시 장치 |
| KR20170131790A (ko) | 2016-05-20 | 2017-11-30 | 김수연 | 홀로그램을 이용한 휴대용 단말의 정보제공 시스템 및 방법 |
| KR101848353B1 (ko) | 2016-05-25 | 2018-04-12 | 양경호 | 홀로그램 영상 구현을 위한 스마트폰용 홀로그램 투사장치 |
| KR101690646B1 (ko) | 2016-08-02 | 2016-12-28 | 아이피랩 주식회사 | 시 스루 디스플레이를 위한 카메라 구동 장치 및 그 방법 |
| WO2019079790A1 (en) * | 2017-10-21 | 2019-04-25 | Eyecam, Inc | ADAPTIVE GRAPHIC USER INTERFACE SYSTEM |
-
2018
- 2018-03-05 KR KR1020180025902A patent/KR102616850B1/ko active IP Right Grant
- 2018-09-17 US US16/133,096 patent/US11126140B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US11126140B2 (en) | 2021-09-21 |
| KR20190105403A (ko) | 2019-09-17 |
| US20190271940A1 (en) | 2019-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102616850B1 (ko) | 전자 장치, 전자 장치와 결합 가능한 외부 디바이스 및 이의 디스플레이 방법 | |
| US11470385B2 (en) | Method and apparatus for filtering video | |
| KR102643027B1 (ko) | 전자 장치, 그의 제어 방법 | |
| CN111418198B (zh) | 提供文本相关图像的电子装置及其操作方法 | |
| KR102595790B1 (ko) | 전자 장치 및 그의 제어방법 | |
| US20190042574A1 (en) | Electronic device and method for controlling the electronic device | |
| US10970900B2 (en) | Electronic apparatus and controlling method thereof | |
| KR102515023B1 (ko) | 전자 장치 및 그 제어 방법 | |
| US20170106539A1 (en) | Executing software applications on a robot | |
| US20240095143A1 (en) | Electronic device and method for controlling same | |
| KR20240032779A (ko) | 전자 장치, 그의 제어 방법 | |
| WO2015155977A1 (ja) | 連携システム、装置、方法、および記録媒体 | |
| EP4363948A1 (en) | Artificial reality application lifecycle | |
| KR20190140519A (ko) | 전자 장치 및 그의 제어방법 | |
| US20190251355A1 (en) | Method and electronic device for generating text comment about content | |
| KR102592907B1 (ko) | 텍스트 입력 디바이스 및 그 방법 | |
| KR20190118108A (ko) | 전자 장치 및 그의 제어방법 | |
| KR102476619B1 (ko) | 전자 장치 및 이의 제어 방법 | |
| KR20200094839A (ko) | 사용자 입력에 대한 피드백 정보를 제공하는 전자 장치 및 그 동작 방법 | |
| KR102438132B1 (ko) | 전자 장치 및 그의 제어 방법 | |
| US20240069641A1 (en) | Information processing apparatus, information processing method, and program | |
| Daniels et al. | Interactive Device that Performs Output Based On Human Movement and/or Human Emotion Detected via Machine Learning | |
| KR20210116838A (ko) | 제스처에 기초하여, 음성 입력을 처리하는 전자 장치 및 그 동작 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |