KR102681897B1 - 화상 장비들로 구성된 화상 시스템에 대한 분석을 지원하기 위한 장치 및 방법 - Google Patents
화상 장비들로 구성된 화상 시스템에 대한 분석을 지원하기 위한 장치 및 방법 Download PDFInfo
- Publication number
- KR102681897B1 KR102681897B1 KR1020230134542A KR20230134542A KR102681897B1 KR 102681897 B1 KR102681897 B1 KR 102681897B1 KR 1020230134542 A KR1020230134542 A KR 1020230134542A KR 20230134542 A KR20230134542 A KR 20230134542A KR 102681897 B1 KR102681897 B1 KR 102681897B1
- Authority
- KR
- South Korea
- Prior art keywords
- performance
- vector
- aging
- information
- imaging
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 38
- 238000003384 imaging method Methods 0.000 claims abstract description 219
- 239000013598 vector Substances 0.000 claims abstract description 164
- 230000032683 aging Effects 0.000 claims abstract description 130
- 230000000052 comparative effect Effects 0.000 claims description 18
- 238000003058 natural language processing Methods 0.000 claims description 13
- 238000009434 installation Methods 0.000 claims description 9
- 230000003139 buffering effect Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 3
- 230000015654 memory Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 16
- 230000006866 deterioration Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 208000025721 COVID-19 Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/26—Functional testing
- G06F11/263—Generation of test inputs, e.g. test vectors, patterns or sequences ; with adaptation of the tested hardware for testability with external testers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/14—Systems for two-way working
- H04N7/15—Conference systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
본 개시는 화상 장비들로 구성된 화상 시스템의 전반적인 관리를 지원하는 화상 장비 분석 시스템에 관한 것이다. 본 개시에 따르면, 화상 장비들로 구성된 화상 시스템에 대한 관리를 지원하는 화상 장비 분석 장치는 관리자 단말로부터, 이용자의 상기 화상 시스템에 대한 의견을 지시하는 기록 정보를 수신하고, 상기 화상 시스템의 운용 내용에 관련된 운용 정보 및 상기 화상 시스템의 성능에 관련된 성능 정보를 수신하고, 상기 기록 정보를 이용하여 성능 기준 벡터를 생성하고, 상기 운용 정보와 상기 성능 정보를 이용하여 상기 화상 시스템의 노후 벡터를 생성하고, 상기 노후 벡터와 상기 성능 기준 벡터를 비교하여 노후 상태 정보를 생성하고, 상기 관리자 단말로, 상기 노후 상태 정보를 송신할 수 있다.
Description
본 개시(disclosure)는 일반적으로 화상 장비들로 구성된 화상 시스템의 전반적인 관리 분석을 지원하는 화상 장비 분석 시스템에 관한 것으로, 보다 구체적으로 화상 장비들에 대한 이용자의 의견 및 장비 운용 내역을 이용하여 화상 장비의 성능 상태를 원격으로 진단하기 위한 장치 및 방법에 관한 것이다.
코로나 19와 같은 예기치 못한 전염병이 사회적인 문제로 대두되면서 비대면 문화가 확산되기 시작하였으며, 개인/기업/대학/기관 등에서 재택 근무 또는 온라인 강의를 지원하는 화상회의 서비스가 활용되고 있다. 특히, 기업 내에 코로나 19 확진자가 발생하는 경우 기업에 막대한 업무 지장을 초래할 수 있기 때문에, 기업은 회의, 세미나, 교육 등 대인 접촉이 필요한 업무에 비대면 업무 방식을 도입하고 있다.
비대면 업무의 진행에 있어 팀즈(teams), 슬랙(slack) 등 협업 툴과 줌(zoom), 웹엑스(webex) 등과 같은 화상 회의를 위한 다양한 소프트웨어가 사용되며, 화상 회의 소프트웨어를 이용하고자, 화상 장비들을 도입하는 기업이 폭발적으로 증가하고 있다. 특히, 규모가 큰 기업은 지역에 위치한 지점들마다 화상 시스템을 구축해두고, 화상 시스템을 통해 회의, 세미나, 교육 등을 진행함으로써 직원들의 업무 능률 향상을 지원하고 있다. 현재, 다양한 구성과 종류의 화상 장비들이 운용되고 있으며, 화상 시스템을 도입하고자 하는 기업마다 화상 시스템의 운용 목적과 운용 방식이 상이하다. 이에 대응하여, 기업의 현황 및 요구사항을 고려하여 맞춤형으로 화상 시스템의 도입을 지원하는 화상 시스템 구축 솔루션 기업에 대한 관심도가 증가하고 있다.
일반적으로, 솔루션 기업은 화상 시스템에 대한 설치 및 유지 보수를 지원하고, 수요 기업은 설치된 화상 시스템을 운용하였다. 즉, 수요 기업은 화상 시스템을 운용하는 방법을 숙지할 뿐, 화상 시스템에 대한 전반적인 이해가 부족하였다. 그에 따라, 화상 시스템에 오류가 발생한 경우, 수요 기업은 오류 원인을 자체적으로 파악하지 못하고 솔루션 기업에 의존하였으며, 솔루션 기업은 화상 시스템 설치 구역으로 이동하여 오류 원인을 확인하는 과정에서 유지 보수 비용이 지속적으로 소모되는 문제가 있었다. 이에 대응하여, 원격으로 화상 장비들에 대한 상태 및 노후도를 정밀하게 판단하기 위한 기술 개발이 요구되고 있다.
전술한 기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지 기술을 지시하지 않는다.
상술한 바와 같은 논의를 바탕으로, 본 개시(disclosure)는 화상 장비들로 구성된 화상 시스템의 성능 상태에 대한 전반적인 관리 분석을 지원하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는 화상 장비 분석 시스템에서 화상 장비들에 대한 이용자의 의견 및 장비 운용 내역을 이용하여 화상 장비의 성능 상태를 원격으로 진단하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는 화상 장비 분석 시스템에서 이용자의 기록에서 검출되는 키워드를 이용하여, 이용자의 관심도가 고려된 성능 판단 기준을 결정하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는 화상 장비 분석 시스템에서 화상 장비의 성능 상태와 운용 내역을 이용하여 화상 장비의 노후 상태를 확인하기 위한 장치 및 방법을 제공한다.
또한, 본 개시는 화상 장비 분석 시스템에서 해당 기업의 화상 시스템과 타 기업의 화상 시스템들을 비교하여, 해당 기업의 화상 시스템에 대한 노후 분석 보고서를 생성하기 위한 장치 및 방법을 제공한다.
본 개시의 다양한 실시 예들에 따르면, 화상 장비들로 구성된 화상 시스템에 대한 관리 분석을 지원하는 화상 장비 분석 장치의 동작 방법은 관리자 단말로부터, 이용자의 상기 화상 시스템에 대한 의견을 지시하는 기록 정보를 수신하는 단계, 상기 화상 시스템의 운용 내용에 관련된 운용 정보 및 상기 화상 시스템의 성능에 관련된 성능 정보를 수신하는 단계, 상기 기록 정보를 이용하여 성능 기준 벡터를 생성하는 단계, 상기 운용 정보와 상기 성능 정보를 이용하여 상기 화상 시스템의 노후 벡터를 생성하는 단계, 상기 노후 벡터와 상기 성능 기준 벡터를 비교하여 노후 상태 정보를 생성하는 단계, 및 상기 관리자 단말로, 상기 노후 상태 정보를 송신하는 단계를 포함할 수 있다.
다른 일 실시 예에 따르면, 상기 성능 기준 벡터를 생성하는 단계는 상기 기록 정보에 포함된 대화 기록을 복수의 단락들로 구분하는 단계, 상기 복수의 단락들 각각에서 상기 화상 시스템의 성능에 관련된 키워드들을 추출하고, 상기 키워드들의 검출 빈도에 기반하여 키워드 벡터를 생성하는 단계, 상기 키워드 벡터로부터, 상기 화상 시스템의 성능 분야 별 상기 이용자의 관심도를 지시하는 관심 벡터를 생성하는 단계, 및 상기 관심 벡터에 기반하여, 상기 성능 분야 별 노후 판단 기준을 지시하는 성능 기준 벡터를 생성하는 단계를 포함하고, 상기 성능 분야는 화질 성능, 녹음 성능, 및 음향 성능을 포함할 수 있다.
다른 일 실시 예에 따르면, 상기 성능 정보는 상기 화상 장비들 각각에 대한 노이즈 비율, 버퍼링 시간의 비율, 부팅 시간, 애플리케이션 실행 소요 시간, 및 네트워크 접속 시간을 포함하고, 상기 운용 정보는 상기 화상 장비들 각각에 대한 모델 종류, 설치 기간, 운용 시간, 운용 횟수를 포함할 수 있다.
다른 일 실시 예에 따르면, 상기 화상 시스템의 노후 벡터를 생성하는 단계는 상기 성능 정보를 이용하여, 상기 화상 시스템의 상기 성능 분야 별 상태에 대한 상태 벡터를 생성하는 단계, 및 상기 운용 정보에 대응되는 노후 레벨을 상기 상태 벡터에 적용하여, 노후 벡터를 생성하는 단계를 포함할 수 있다.
다른 일 실시 예에 따르면, 화상 장비 분석 장치의 동작 방법은 상기 운용 정보를 이용하여 비교 화상 시스템들을 선택하는 단계, 상기 비교 화상 시스템들에 대한 평균 노후 상태를 지시하는 비교 노후 벡터를 추출하는 단계, NLP(natural language processing) 모델을 이용하여, 상기 비교 노후 벡터와 상기 노후 벡터로부터, 상기 비교 화상 시스템들 대비 상기 화상 시스템의 노후도를 지시하는 노후 분석 보고서를 생성하는 단계, 및 상기 노후 분석 보고서를 상기 관리자 단말로 송신하는 단계를 더 포함할 수 있다.
본 발명의 다양한 각각의 측면들 및 특징들은 첨부된 청구항들에서 정의된다. 종속 청구항들의 특징들의 조합들(combinations)은, 단지 청구항들에서 명시적으로 제시되는 것뿐만 아니라, 적절하게 독립항들의 특징들과 조합될 수 있다.
또한, 본 개시에 기술된 임의의 하나의 실시 예(any one embodiment) 중 선택된 하나 이상의 특징들은 본 개시에 기술된 임의의 다른 실시 예 중 선택된 하나 이상의 특징들과 조합될 수 있으며, 이러한 특징들의 대안적인 조합이 본 개시에 논의된 하나 이상의 기술적 문제를 적어도 부분적으로 경감시키거나, 본 개시로부터 통상의 기술자에 의해 식별될 수 있는(discernable) 기술적 문제를 적어도 부분적으로 경감시키고, 나아가 실시 예의 특징들(embodiment features)의 이렇게 형성된 특정한 조합(combination) 또는 순열(permutation)이 통상의 기술자에 의해 양립 불가능한(incompatible) 것으로 이해되지만 않는다면, 그 조합은 가능하다.
본 개시에 기술된 임의의 예시 구현(any described example implementation)에 있어서 둘 이상의 물리적으로 별개의 구성 요소들은 대안적으로, 그 통합이 가능하다면 단일 구성 요소로 통합될 수도 있으며, 그렇게 형성된 단일한 구성 요소에 의해 동일한 기능이 수행된다면, 그 통합은 가능하다. 반대로, 본 개시에 기술된 임의의 실시 예(any embodiment)의 단일한 구성 요소는 대안적으로, 적절한 경우, 동일한 기능을 달성하는 둘 이상의 별개의 구성 요소들로 구현될 수도 있다.
본 발명의 특정 실시 예들(certain embodiments)의 목적은 종래 기술과 관련된 문제점 및/또는 단점들 중 적어도 하나를, 적어도 부분적으로, 해결, 완화 또는 제거하는 것에 있다. 특정 실시 예들(certain embodiments)은 후술하는 장점들 중 적어도 하나를 제공하는 것을 목적으로 한다.
본 개시의 다양한 실시 예들에 따른 장치 및 방법은 화상 장비들로 구성된 화상 시스템의 성능 상태에 대한 전반적인 관리 분석을 지원할 수 있게 한다.
또한, 본 개시의 다양한 실시 예들에 따른 장치 및 방법은 화상 장비 분석 시스템에서 화상 장비들에 대한 이용자의 의견 및 장비 운용 내역을 이용하여 화상 장비의 성능 상태를 원격으로 진단할 수 있게 한다.
또한, 본 개시의 다양한 실시 예들에 따른 장치 및 방법은 화상 장비 분석 시스템에서 이용자의 기록에서 검출되는 키워드를 이용하여, 이용자의 관심도가 고려된 성능 판단 기준을 기업 맞춤형으로 결정할 수 있게 한다.
또한, 본 개시의 다양한 실시 예들에 따른 장치 및 방법은 화상 장비 분석 시스템에서 화상 장비의 성능 상태와 운용 내역을 이용하여 화상 장비의 노후 상태를 정밀하게 확인할 수 있게 한다.
또한, 본 개시의 다양한 실시 예들에 따른 장치 및 방법은 화상 장비 분석 시스템에서 해당 기업의 화상 시스템과 타 기업의 화상 시스템들을 비교하여, 해당 기업이 화상 시스템에 대한 노후 분석도를 확인할 수 있게 한다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템을 도시한다.
도 2는 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템에서, 화상 장비 분석 장치의 구성을 도시한다.
도 3은 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템에서, 노후 상태 정보를 생성하는 과정에 대한 모식도를 도시한다.
도 4는 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템에서, 성능 기준 벡터를 생성하는 과정에 대한 모식도를 도시한다.
도 5는 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템의 동작 방법에 대한 흐름도를 도시한다.
도 6은 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템에서, 화상 장비 분석 장치의 동작 방법에 대한 흐름도를 도시한다.
도 1은 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템을 도시한다.
도 2는 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템에서, 화상 장비 분석 장치의 구성을 도시한다.
도 3은 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템에서, 노후 상태 정보를 생성하는 과정에 대한 모식도를 도시한다.
도 4는 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템에서, 성능 기준 벡터를 생성하는 과정에 대한 모식도를 도시한다.
도 5는 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템의 동작 방법에 대한 흐름도를 도시한다.
도 6은 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템에서, 화상 장비 분석 장치의 동작 방법에 대한 흐름도를 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.
이하에서 설명되는 본 개시의 다양한 실시 예들에서는 하드웨어적인 접근 방법을 예시로서 설명한다. 하지만, 본 개시의 다양한 실시 예들에서는 하드웨어와 소프트웨어를 모두 사용하는 기술을 포함하고 있으므로, 본 개시의 다양한 실시 예들이 소프트웨어 기반의 접근 방법을 제외하는 것은 아니다.
이하 본 개시는 화상 장비들로 구성된 화상 시스템의 전반적인 관리 분석을 지원하는 화상 장비 분석 시스템에 관한 것이다. 구체적으로, 본 개시는 화상 장비들에 대한 이용자의 의견 및 장비 운용 내역을 이용하여 화상 장비의 성능 상태를 원격으로 진단하기 위한 기술을 설명한다.
아래에서는 첨부한 도면을 참조하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 다양한 실시예들을 상세히 설명한다. 그러나 본 개시의 기술적 사상은 다양한 형태로 변형되어 구현될 수 있으므로 본 명세서에서 설명하는 실시예들로 제한되지 않는다. 본 명세서에 개시된 실시예들을 설명함에 있어서 관련된 공지 기술을 구체적으로 설명하는 것이 본 개시의 기술적 사상의 요지를 흐릴 수 있다고 판단되는 경우 그 공지 기술에 대한 구체적인 설명을 생략한다. 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
본 명세서에서 어떤 요소가 다른 요소와 "연결"되어 있다고 기술될 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라 그 중간에 다른 요소를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 어떤 요소가 다른 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 요소 외에 또 다른 요소를 배제하는 것이 아니라 또 다른 요소를 더 포함할 수 있는 것을 의미한다.
일부 실시예들은 기능적인 블록 구성들 및 다양한 처리 단계들로 설명될 수 있다. 이러한 기능 블록들의 일부 또는 전부는 특정 기능을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 본 개시의 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 본 개시의 기능 블록이 수행하는 기능은 복수의 기능 블록에 의해 수행되거나, 본 개시에서 복수의 기능 블록이 수행하는 기능들은 하나의 기능 블록에 의해 수행될 수도 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다.
또한, 본 개시에서, 특정 조건의 만족(satisfied), 충족(fulfilled) 여부를 판단하기 위해, 초과 또는 미만의 표현이 사용되었으나, 이는 일 예를 표현하기 위한 기재일 뿐 이상 또는 이하의 기재를 배제하는 것이 아니다. '이상'으로 기재된 조건은 '초과', '이하'로 기재된 조건은 '미만', '이상 및 미만'으로 기재된 조건은 '초과 및 이하'로 대체될 수 있다.
도 1은 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템(100)을 도시한다.
화상 장비 분석 시스템(100)은 화상 장비들로 구성된 화상 시스템을 도입한 수요 기업이 화상 시스템의 성능을 점검하고 분석하는 시스템을 지시한다. 구체적으로, 화상 장비 분석 시스템(100)은 화상 장비들에 대한 이용자의 의견, 장비 운용 내역과 측정된 성능을 종합적으로 고려하여 화상 장비의 성능 상태와 노후도를 확인하는 시스템을 지시한다. 본 개시의 일 실시 예에 따르면, 화상 장비 분석 시스템(100)은 화상 시스템(110), 관리자 단말(130), 화상 장비 분석 장치(150), 및 네트워크(170)를 포함할 수 있다.
화상 시스템(110)은 적어도 하나의 화상 장비로 구성되어 비대면 화상 회의 참가자들에게 화상 연결 서비스를 지원하는 시스템을 지시한다. 여기서, 화상 장비는 영상 촬영 장치, 스피커, 마이크, 디스플레이, 및 화상 시스템 제어기 등 화상 연결 서비스를 지원하는 전자 장치를 지시한다. 도 1은 하나의 화상 시스템을 예시하였으나, 서로 상이한 공간들 각각에 복수의 화상 시스템들이 설치될 수 있으며, 상이한 공간에 위치한 이용자들은 인근의 화상 시스템이 설치된 공간으로 이동하여 화상 시스템을 운용함으로써 서로 연결될 수 있다.
관리자 단말(130)은 화상 시스템을 관리하는 관리자가 운용하는 전자 장치를 지시한다. 관리자는 수요 기업의 임직원, 솔루션 기업의 임직원 등 화상 시스템의 성능 상태를 확인하는 모든 사용자를 지시하며, 관리자는 관리자 단말(130)을 이용하여 화상 장비들의 성능 상태, 노후도를 확인할 수 있다. 본 개시의 일 실시 예에 따르면, 관리자 단말(130)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말을 포함할 수 있다. 구체적으로, 관리자 단말(130)은 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(personal digital assistants), PMP(portable multimedia player), 태블릿 PC를 지시할 수 있다. 관리자 단말(130)은 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 화상 시스템(110), 및 화상 장비 분석 장치(150) 중 적어도 하나와 통신을 수행할 수 있다.
화상 장비 분석 장치(150)는 화상 장비의 상태를 분석하는 전자 장치를 지시한다. 화상 장비 분석 장치(150)는 화상 장비들에 대한 이용자의 의견 및 장비 운용 내역을 이용하여 화상 장비의 성능 상태를 원격으로 진단하는 기능을 수행할 수 있다. 구체적으로, 화상 장비 분석 장치(150)는 관리자 단말(130)로부터 이용자의 의견에 대한 기록 정보를 수신하고, 화상 시스템(110)으로부터 운용 정보와 성능 정보를 수신하고, 이를 종합하여 화상 시스템(110)의 성능 및 노후 상태를 판단할 수 있으며, 판단 결과를 솔루션 기업 또는 수요 기업에 알림으로써 화상 장비의 유지 보수를 지원할 수 있다. 본 개시의 일 실시 예에 따르면, 화상 장비 분석 장치(150)는 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말을 포함할 수 있다.
도 1에 도시된 바와 같이, 화상 장비 분석 시스템(100)의 구성요소들은 네트워크(170)를 통해 연결될 수 있다. 본 개시의 일 실시 예에 따르면, 네트워크(170)는 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 RF, 3GPP(3rd generation partnership project) 네트워크, LTE(long term evolution) 네트워크, 5GPP(5rd generation partnership project) 네트워크, WIMAX(world interoperability for microwave access) 네트워크, 인터넷(internet), LAN(local area network), Wireless LAN(wireless local area network), WAN(wide area network), PAN(personal area network), 블루투스 (bluetooth) 네트워크, NFC 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(digital multimedia broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
화상 장비 분석 시스템(100)은 적어도 하나의 화상 장비로 구성된 화상 시스템에 대한 유지 보수를 위한 시스템으로서, 화상 장비 분석 장치(150)는 화상 장비들의 성능 및 노후화 상태를 점검하고 점검 결과를 관리자에게 알림으로써, 관리자가 화상 시스템을 원활하게 관리하도록 지원할 수 있다. 이하에서, 화상 장비 분석 장치(150)의 구체적인 구성과 동작이 상세히 설명된다.
도 2는 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템(100)에서, 화상 장비 분석 장치(150)의 구성(200)을 도시한다.
이하 사용되는 '...부', '...기' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 화상 장비 분석 장치(150)는 메모리(210), 프로세서(220), 통신부(230), 입출력 인터페이스(240), 및 디스플레이부(250)를 포함할 수 있다.
메모리(210)는 화상 장비 분석 장치(150)의 동작을 위한 기본 프로그램, 응용 프로그램, 설정 정보 등의 데이터를 일시적 또는 영구적으로 저장한다. 메모리(210)는 RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있으나, 본 발명이 이에 한정되는 것은 아니다. 이러한 소프트웨어 구성요소들은 드라이브 메커니즘(drive mechanism)을 이용하여 메모리(210)와 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록 매체를 포함할 수 있다. 실시예에 따라서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록 매체가 아닌 통신부(230)를 통해 메모리(210)에 로딩될 수도 있다. 또한, 메모리(210)는 프로세서(220)의 요청에 따라 저장된 데이터를 제공할 수 있다. 본 개시의 일 실시 예에 따르면, 메모리(210)는 획득한 기록 정보, 운용 정보, 및 성능 정보를 저장하거나, 생성된 노후 상태 정보를 저장할 수 있다.
프로세서(220)는 화상 장비 분석 장치(150)의 전반적인 동작들을 제어한다. 예를 들어, 프로세서(220)는 통신부(230)를 통해 신호가 송신 및 수신되도록 제어할 수 있다. 또한, 프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신부(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다. 예를 들어, 프로세서(220)는 화상 장비 분석 장치(150)가 후술하는 다양한 실시 예들에 따른 동작들을 수행하도록 제어할 수 있다.
본 개시의 일 실시 예에 따르면, 프로세서(220)는 관리자 단말로부터, 이용자의 화상 시스템에 대한 의견을 지시하는 기록 정보를 수신하고, 화상 시스템의 운용 내용에 관련된 운용 정보 및 화상 시스템의 성능에 관련된 성능 정보를 수신하고, 기록 정보를 이용하여 성능 기준 벡터를 생성하고, 운용 정보와 성능 정보를 이용하여 화상 시스템의 노후 벡터를 생성하고, 노후 벡터와 성능 기준 벡터를 비교하여 노후 상태 정보를 생성하고, 관리자 단말로, 노후 상태 정보를 송신하도록 제어할 수 있다.
또한, 프로세서(220)는 인공 신경망 모델 구조를 구현할 수 있다. 인공 신경망 모델은 프로세서(220)를 통해 소프트웨어로 구현될 수 있으며, 화상 시스템에 대한 노후 분석 보고서의 생성에 관련된 빅데이터를 이용하여 학습될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 적용되는 화상 장비 분석 장치(150) 자체에서 수행되거나, 별도의 학습용 서버를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다.
인공 신경망 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 DNN(deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
본 개시에 따른 인공 신경망은 NLP(natural language processing) 모델로 구현될 수 있으며, NLP 모델은 거대한 양의 텍스트 데이터 내의 단어들 사이의 관계 추론이 가능한, 공개된 LLM(large language model)을 지시할 수 있다. 현재, NLP 모델은 텍스트로부터 의미가 있는 정보를 분석 및 추출함으로써, 기계 번역, 비즈니스 분류, 및 챗봇과 같은 등 다양한 형태로 운용되고 있다. 본 개시에 따른 NLP 모델은 해당 기업의 노후 벡터와 비교 기업들에 의한 비교 노후 벡터를 입력 받고, 노후 벡터와 비교 노후 벡터를 비교하여 차이가 존재하는 부분에 대하여 키워드를 조합하여 문장 형태의 분석 결과를 출력하도록 학습된 모델을 지시할 수 있다.
통신부(230)는 무선 채널을 통해 신호를 송수신하기 위한 기능들을 수행한다. 통신부(230)의 전부 또는 일부는 송신부, 수신부, 송수신부로 지칭될 수 있다. 통신부(230)는 통신망을 통해 화상 장비 분석 장치(150)와 적어도 하나의 다른 노드가 서로 통신하기 위한 기능을 제공할 수 있다. 본 개시의 일 실시 예에 따르면, 화상 장비 분석 장치(150)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 요청 신호를 생성한 경우, 요청 신호는 통신부(230)의 제어에 따라 통신망을 통해 적어도 하나의 다른 노드로 전달될 수 있다. 역으로, 적어도 하나의 다른 노드의 프로세서의 제어에 따라 제공되는 제어 신호나 명령, 콘텐츠, 파일 등이 통신부(230)를 통해 화상 장비 분석 장치(150)로 수신될 수 있다. 본 개시의 일 실시 예에 따르면, 통신부(230)는 화상 시스템(110)이나 관리자 단말(130)로부터, 노후 상태 정보를 생성하기 위하여 필요한 데이터를 수신할 수 있다.
입출력 인터페이스(240)는 입출력 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 이때 입력 장치는 예를 들어 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 이미지를 표시하기 위한 디스플레이부 등과 같은 장치의 형태로 구비될 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 구체적으로, 화상 장비 분석 장치(150)의 프로세서(220)는 메모리(210)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 서버가 제공하는 데이터를 이용하여 구성되는 서비스 화면이나 컨텐츠가 입출력 인터페이스(240)를 통해 디스플레이에 표시될 수 있다. 본 개시의 일 실시 예에 따르면, 입출력 인터페이스(240)는 디스플레이부(250)와의 인터페이스를 위한 수단을 포함할 수 있다. 입출력 인터페이스(240)는 디스플레이부(250)에 표시된 웹 브라우징 윈도우에 대한 사용자 입력을 수신할 수 있고, 전술한 사용자 입력에 응답하여 디스플레이부(250)를 통해 출력할 출력 데이터를 프로세서(220)로부터 전달받을 수 있다. 본 개시의 일 실시 예에 따르면, 입출력 인터페이스(240)는 화상 시스템(110)의 노후 상태를 확인하기 위하여 필요한 제어 신호를 입력받을 수 있다.
디스플레이부(250)는 하나 이상의 디스플레이를 포함하는 디스플레이 모듈을 지시한다. 디스플레이부(250)에 포함된 하나 이상의 디스플레이 각각은 개별적으로 독립된 컨텐츠를 표시할 수 있고, 전술한 하나 이상의 디스플레이가 결합하여 단일 컨텐츠를 표시할 수도 있다. 본 개시의 일 실시 예에 따르면, 디스플레이부(250)에 포함된 하나 이상의 디스플레이는 물리적으로 분리된 다중 디스플레이를 포함할 수 있고, 물리적으로 결합된 다중 디스플레이일 수도 있으며, 하나의 화면을 분할하여 사용할 수 있는 디스플레이일 수도 있다. 본 개시의 일 실시 예에 따르면, 디스플레이부(250)는 화상 시스템(110)의 노후 상태 정보를 디스플레이에 표시할 수 있다.
화상 장비 분석 장치(150)는 화상 장비들을 운용하는 이용자의 화상 장비에 대한 평가를 지시하는 기록 정보, 화상 장비들의 실제 운용 내역에 대한 운용 정보, 및 화상 장비의 성능에 대한 측정 값을 지시하는 성능 정보를 획득할 수 있다. 이후, 화상 장비 분석 장치(150)는 기록 정보를 이용하여 이용자의 관심도가 높은 부분의 성능 분야를 확인하고, 운용 정보와 성능 정보를 이용하여 화상 장비의 실제 성능을 확인하고, 이를 비교함으로써, 화상 장비의 노후 상태에 대한 노후 상태 정보를 생성할 수 있다. 관리자는 생성된 노후 상태 정보를 이용하여 해당 화상 장비들의 노후도를 판단하고 이에 대한 예방 점검을 수행함으로써 유지 보수 효율을 향상시킬 수 있다. 이하에서, 화상 장비 분석 장치(150)가 노후 상태 정보를 생성하는 구체적인 과정이 상세히 설명된다.
도 3은 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템(100)에서, 노후 상태 정보(360)를 생성하는 과정에 대한 모식도(300)를 도시한다.
도 3을 참고하면, 화상 장비 분석 장치(150)는 기록 정보(310)를 이용하여 성능 기준 벡터(340)를 생성하고, 성능 정보(320)와 운용 정보(330)를 이용하여 노후 벡터(350)를 생성할 수 있다. 이후, 화상 장비 분석 장치(150)는 성능 기준 벡터(340)와 노후 벡터(350)를 비교함으로써, 화상 시스템에 대한 노후 상태 정보(360)를 생성할 수 있다.
구체적으로, 화상 장비 분석 장치(150)는 기록 정보(310)를 획득한다. 화상 장비 분석 장치(150)는 관리자 단말(130)로부터, 이용자의 화상 시스템(110)에 대한 의견을 지시하는 기록 정보(310)를 수신할 수 있다. 여기서, 기록 정보(310)는 화상 장비들을 운용하는 이용자의 화상 장비에 대한 평가에 관련된 텍스트를 지시할 수 있다. 기록 정보(310)는 화상 시스템(110)의 복수의 단락들로 구성되며, 성능에 대한 이용자의 만족도, 불만 사항 등을 기록한 정보를 지시할 수 있다. 본 개시의 일 실시 예에 따르면, 기록 정보(310)는 화상 시스템(110)의 만족도 및 개선 사항을 묻는 설문에 대한 응답을 지시하거나, 화상 시스템(110)을 이용하여 비대면 회의가 진행되는 경우에서 회의 기록 중 화상 시스템(110)의 성능 평가에 관련된 단락들을 지시할 수 있다.
화상 장비 분석 장치(150)는 성능 정보(320)를 획득한다. 화상 장비 분석 장치(150)는 화상 시스템(110)으로부터 화상 시스템(110)의 성능에 관련된 성능 정보(320)를 수신할 수 있다. 여기서, 성능 정보(320)는 화상 장비에 대한 노이즈 비율, 버퍼링 시간의 비율, 부팅 시간, 애플리케이션 실행 소요 시간, 및 네트워크 접속 시간을 포함할 수 있다.
화상 시스템(110)은 화상 장비들 각각을 제어하는 화상 시스템 제어기(120)를 포함할 수 있으며, 화상 시스템 제어기(120)는 카메라, 마이크, 스피커 등 화상 장비들 각각의 성능을 측정하여 화상 장비 분석 장치(150)로 전달할 수 있다. 구체적으로, 화상 시스템 제어기(120)는 카메라, 마이크, 스피커 각각으로부터 샘플 정보와 실행 정보를 수집한 이후, 샘플 정보에서 노이즈 제거 성능 저하의 정도, 전체 샘플 시간 대비 버퍼링된 시간의 비율을 추출하고, 실행 정보에서 기기의 부팅에 소요되는 시간, 기기 내 애플리케이션 실행에 소요되는 시간, 및 네트워크 접속 시간을 추출함으로써, 성능 정보(320)를 생성할 수 있다. 화상 시스템 제어기(120)는 생성한 성능 정보(320)를 화상 장비 분석 장치(150)로 송신할 수 있다.
화상 장비 분석 장치(150)는 운용 정보(330)를 획득한다. 화상 장비 분석 장치(150)는 화상 시스템(110)의 운용 내용에 관련된 운용 정보(330)를 수신할 수 있다. 여기서, 운용 정보(330)는 설치된 화상 장비의 모델의 종류, 설치 기간, 운용 시간, 운용 횟수를 포함할 수 있다. 화상 장비 분석 장치(150)는 화상 시스템(110)의 화상 시스템 제어기(120)로부터 운용 정보(330)를 수신할 수 있다.
화상 장비 분석 장치(150)는 기록 정보(310)를 이용하여 성능 기준 벡터(340)를 생성한다. 화상 장비 분석 장치(150)는 기록 정보(310)에 대한 키워드 분석을 통해 노후 레벨 판단의 기준을 설정하기 위한 성능 기준 벡터(340)를 생성할 수 있다. 성능 기준 벡터(340)는 화상 시스템(110)의 이용자들의 평소 만족도, 평가 내용, 불만 사항으로부터 결정됨에 따라, 해당 화상 시스템(110)을 운용하는 이용자가 중요하게 생각하는 성능 분야에 따라 상이할 수 있다. 화상 장비 분석 장치(150)가 성능 기준 벡터(340)를 생성하는 과정은 도 4에서 상세히 설명된다.
화상 장비 분석 장치(150)는 성능 정보(320)와 운용 정보(330)를 이용하여, 화상 시스템(110)의 노후 벡터(350)를 생성한다. 화상 장비 분석 장치(150)는 성능 정보(320)를 이용하여, 화상 시스템(110)의 성능 분야 별 상태에 대한 상태 벡터를 생성하고, 운용 정보(330)를 이용하여 노후 레벨을 설정할 수 있다. 이후, 화상 장비 분석 장치(150)는 상태 벡터에 노후 레벨을 적용하여, 노후 벡터를 생성할 수 있다. 여기서, 성능 분야는 화질 성능, 녹음 성능, 음향 성능, 및 연결 성능을 포함할 수 있다. 또한, 노후 레벨은 화상 장비 각각에 대한 노후 정도를 수치화한 값을 지시할 수 있다.
구체적으로, 화상 장비 분석 장치(150)는 성능 정보(320)를 이용하여 상태 벡터를 생성한다. 상태 벡터는 화질 성능 분야, 녹음 성능 분야, 및 음향 성능 분야에 대한 3개의 행과, 노이즈 제거 성능, 버퍼링 제거 성능, 부팅 성능, 제어기 접속 성능, 및 네트워크 연결 성능에 대한 5개의 열로 구성되는 3 X 5 행렬 벡터를 지시할 수 있다. 화상 장비 분석 장치(150)는 성능 정보(320)에 포함된 카메라, 녹음기, 스피커 각각에 대한 노이즈 비율, 버퍼링 비율, 부팅 시간, 애플리케이션 실행 시간, 및 네트워크 접속 시간을 추출하고, 미리 저장된 성능 테이블에서 추출된 수치에 대응되는 성능 값을 추출함으로써 상태 벡터를 생성할 수 있다.
또한, 화상 장비 분석 장치(150)는 운용 정보(330)를 이용하여 노후 레벨을 추출한다. 화상 장비 분석 장치(150)는 통계적인 수치에 따라, 화상 장비의 모델의 종류 별로, 설치 기간에 따른 노후도, 운용 시간에 따른 노후도, 운용 횟수에 따른 노후도를 테이블 형태로 미리 저장할 수 있으며, 노후 레벨은 1 이상 2 미만의 값으로 결정될 수 있다. 화상 장비 분석 장치(150)는 노후도 테이블에서 운용 정보(330)에서 설치 기간, 운용 시간, 및 운용 횟수에 대응되는 노후도들을 추출하여 더함으로써 노후 레벨을 확정할 수 있으며, 상태 벡터에 노후 레벨을 곱함으로써 노후 벡터(350)를 생성할 수 있다.
화상 장비 분석 장치(150)는 성능 기준 벡터(340)와 노후 벡터(350)를 비교하여 노후 상태 정보(360)를 생성한다. 성능 기준 벡터와 노후 벡터는 모두 3 X 5 크기의 행렬 벡터를 지시하며, 행렬 내 요소들 각각은 카메라, 마이크, 스피커 각각에 대한 노이즈 제거 성능, 버퍼링 제거 성능, 부팅 성능, 제어기 접속 성능, 및 네트워크 연결 성능을 지시할 수 있다. 화상 장비 분석 장치(150)는 행렬 내 요소 값 비교를 통해 노후 상태를 확인할 수 있다.
화상 장비 분석 장치(150)는 노후 벡터(350)의 요소 값이 성능 기준 벡터의 대응되는 요소 값을 비교하여, 요소들을 노후 벡터 요소 값이 더 큰 제1 요소, 요소 값이 동일한 제2 요소, 및 성능 기준 벡터 요소 값이 더 큰 제3 요소 중 어느 하나로 구분할 수 있다. 제1 요소는 노후 레벨이 높은 요소를 의미하므로 보수가 필요한 대상이고, 제2 요소는 성능 기준 한계치에 도달한 분야로서 추적 관찰이 필요한 대상이고, 제3 요소는 노후 레벨이 낮으므로 추가적인 관리가 불필요한 대상을 지시한다. 따라서, 화상 장비 분석 장치(150)는 성능 기준 벡터(340)와 노후 벡터(350)를 비교하여 제1 요소와 제2 요소를 선택하고, 제1 요소와 제2 요소에 대한 유지 보수를 추천하는 노후 상태 정보를 생성할 수 있다. 이후, 화상 장비 분석 장치(150)는 노후 상태 정보(360)를 관리자 단말(130)로 송신함으로써, 관리자가 제1 요소와 제2 요소를 확인할 수 있도록 안내할 수 있다.
추가로, 화상 장비 분석 장치(150)는 화상 시스템(110)에 대한 노후도를 다른 화상 시스템(110)의 노후도와 비교하고, NLP 모델을 이용하여 비교 결과에 대한 노후 분석 보고서를 생성하여 관리자에게 제공할 수 있다. 화상 장비 분석 장치(150)는 운용 정보(330)를 이용하여 모델의 종류가 동일하고, 설치 기간, 운용 시간, 운용 횟수 각각이 미리 설정된 임계 차이 이내인 비교 화상 시스템들을 선택할 수 있다. 이후, 비교 화상 시스템들 각각에 대한 노후 벡터의 평균을 이용하여 비교 노후 벡터를 추출할 수 있다. 이후, 화상 장비 분석 장치(150)는 NLP 모델을 이용하여 노후 벡터와 비교 노후 벡터로부터 화상 시스템의 타 화상 시스템 대비 노후 정도를 표현하는 문장으로 구성된 노후 분석 보고서를 생성할 수 있다. 여기서, NLP 모델은 노후 벡터와 비교 노후 벡터를 입력 받고, 노후 벡터와 비교 노후 벡터에서 차이가 존재하는 부분을 문장 텍스트로 출력하도록 미리 학습될 수 있다. 예를 들어, 노후 벡터에서 화질 노이즈 제거 성능이 8 이고, 비교 노후 벡터에서 비교 화질 노이즈 제거 성능이 10인 경우, 화상 장비 분석 장치(150)는 '귀사의 화상 시스템의 카메라는 타 카메라 성능 대비 80%의 성능을 보이고 있습니다.'와 같은 문장을 출력할 수 있다. 화상 장비 분석 장치(150)는 노후 벡터와 비교 노후 벡터를 비교하여 생성된 노후 분석 보고서를 관리자 단말(130)로 송신할 수 있다.
도 4는 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템(100)에서, 성능 기준 벡터(340)를 생성하는 과정에 대한 모식도(400)를 도시한다.
화상 장비 분석 장치(150)는 기록 정보(310)를 이용하여 성능 기준 벡터(340)를 생성한다. 기록 정보(310)는 화상 시스템(110)에 대한 이용자들의 의견 및 평가에 관한 내용을 기록한 텍스트를 지시하며, 화상 장비 분석 장치(150)는 기록 정보(310)에 따라 이용자의 평가를 고려함으로써, 화상 시스템(110)의 성능 기준을 이용자 맞춤형으로 결정할 수 있다. 즉, 화상 장비 분석 장치(150)는 이용자가 중요하게 여기는 성능 분야에 높은 성능 기준을 설정하고, 이용자가 중요하게 여기지 않는 성능 분야에 낮은 성능 기준을 설정함으로써, 이용자의 관심 성능 분야가 보다 확실하게 유지 보수될 수 있도록 지원할 수 있다.
구체적으로, 화상 장비 분석 장치(150)는 기록 정보(310)와 성능 키워드 셋(410)을 이용하여 키워드 벡터(420)를 생성한다. 화상 장비 분석 장치(150)는 기록 정보(310)에 포함된 대화 기록을 복수의 단락들로 구분하고, 성능 키워드 셋(410)을 이용하여 복수의 단락들 각각에서 화상 시스템(110)의 성능에 관련된 키워드들을 추출할 수 있다.
화상 장비 분석 장치(150)는 화상 장비의 성능에 관련된 성능 키워드 셋(410)을 미리 저장할 수 있다. 여기서, 성능 키워드 셋(410)은 3개의 성능 분야 및 5개의 성능 내용에 따라 분류되는 키워드를 지시할 수 있다. 본 개시의 일 실시 예에 따르면, 성능 키워드 셋(410)은 1차적으로 카메라, 마이크, 스피커로 구분되고, 2차적으로 노이즈, 버퍼링, 부팅속도, 애플리케이션 반응속도, 및 네트워크 연결로 구분되는 키워드를 지시할 수 있다. 예를 들어, '카메라 부팅이 느리게' 키워드는 카메라-부팅속도로 구분될 수 있으며, '녹음이 지지직' 키워드는 마이크-노이즈로 구분될 수 있다.
화상 장비 분석 장치(150)는 기록 정보(310)의 단락들에서 성능 키워드 셋(410)에 포함된 키워드를 추출하고, 키워드 추출 빈도에 대한 키워드 벡터(420)를 생성한다. 키워드 벡터(420)는 키워드 별 중요도를 수치화한 벡터를 지시하며, <수학식 1>에 기반하여 결정될 수 있다.
<수학식 1>을 참고하면, Vk는 키워드 k의 벡터 값, Nt는 대화 기록을 구성하는 단어 수, Nk는 대화 기록에서 키워드 k의 단어 수, w는 환산 가중치, P는 대화 기록을 구성하는 단락 수, Pk는 키워드 k가 검출되는 단락 수, Mi,t는 키워드 k가 검출되는 단락들 중 i번째 단락 내 단어 수, Mi,k는 i번째 단락 내 키워드 k의 단어 수를 지시한다.
즉, 키워드 벡터(420)는 단순하게 키워드가 빈번하게 검출될수록 중요도가 높은 값을 지시하는 것이 아니고, 단락 내 검출되는 키워드의 수, 단락의 수를 모두 고려함으로써, 키워드가 문장 내에서 전제의 의미로 사용되지 않고 실질적인 의미로 사용되는지 여부를 고려한 수치를 지시한다. 그에 따라, 복수의 단락들 전반에 걸쳐서 키워드가 검출되거나 하나의 단락 내에서 전반에 걸쳐 사용되는 키워드는 전제의 의미로 사용되는 키워드로 보아 벡터 값이 낮으며, 특정 단락에서 사용되는 경우 벡터 값이 높다. 그에 따라, 화상 장비 분석 장치(150)는 성능 판단과 관련없이 검출되는 키워드를 제거함으로써 사용자의 화상 시스템(110)에 대한 평가를 정밀하게 추출할 수 있다.
화상 장비 분석 장치(150)는 키워드 벡터(420)로부터, 화상 시스템의 성능 분야 별 이용자의 관심도를 지시하는 관심 벡터를 생성한다. 여기서, 성능 분야는 화질 성능, 녹음 성능, 및 음향 성능을 포함할 수 있다. 키워드는 성능 키워드 셋(410)에 따라 3개의 성능 분야, 및 5개의 성능 내용에 따라 구분되며, 화상 장비 분석 장치(150)는 키워드 벡터(420)를 성능 키워드 셋(410)에 따라 구분하여 3 X 5 크기의 행렬 벡터를 생성할 수 있다. 그에 따라, 관심 벡터는 화질 성능 분야, 녹음 성능 분야, 및 음향 성능 분야에 대한 3가지 행과, 노이즈 제거 성능, 버퍼링 제거 성능, 부팅 성능, 제어기 접속 성능, 및 네트워크 연결 성능에 대한 5가지 열로 구성되는 3 X 5 행렬 벡터를 지시할 수 있다.
즉, 화상 장비 분석 장치(150)는 성능 키워드 셋(410)을 이용하여, 키워드 벡터(420) 내 요소들을 분류하고, 이를 3 X 5 관심 벡터(430)에 배치함으로써 관심 벡터(430)를 생성할 수 있다. 이 때, 다수의 키워드들이 관심 벡터(430) 내 동일한 위치로 배치되는 경우, 키워드 벡터 값들의 평균을 이용하여 관심 벡터 값이 결정될 수 있다.
화상 장비 분석 장치(150)는 관심 벡터(430)에 기반하여 성능 분야 별 노후 판단 기준을 지시하는 성능 기준 벡터(340)를 생성한다. 관심 벡터(430)는 성능 분야 및 성능 내용 별 이용자의 관심도를 지시하므로, 화상 장비 분석 장치(150)는 화상 장비의 관심도와 관련 없이 장비 성능 판단의 기초가 되는 3 X 5 크기의 기준 벡터의 요소 각각에 관심 벡터(430)의 요소 값을 더함으로써 성능 기준 벡터(340)를 생성할 수 있다. 여기서, 기준 벡터는 화장 장비 제조사가 권장하는 노후 판단 기준으로서, 미리 설정될 정상 범위 벡터를 지시할 수 있다. 즉, 화상 장비 분석 장치(150)는 기준 벡터에 이용자의 관심분야에 대한 관심 벡터(430)를 더함으로써, 이용자가 원하는 분야에 보다 타이트한 판단 기준을 가지는 성능 기준 벡터(340)를 생성할 수 있다.
도 5는 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템(100)의 동작 방법에 대한 흐름도(500)를 도시한다.
도 5를 참고하면 단계(501)에서, 관리자 단말(130)은 기록 정보를 화상 장비 분석 장치(150)로 송신한다. 관리자 단말(130)은 화상 시스템에 대한 이용자의 의견을 지시하는 기록 정보(310)를 수집하고, 수집된 기록 정보(310)를 화상 장비 분석 장치로 송신할 수 있다.
단계(503)에서, 화상 시스템 제어기(120)는 성능 정보(320), 및 운용 정보(330)를 화상 장비 분석 장치(150)로 송신한다. 화상 시스템 제어기(120)는 화상 장비들 각각에 대하여 측정된 성능 결과 및 화상 시스템의 운용 내역을 획득하여 성능 정보(320)와 운용 정보(330)를 생성하고, 이를 화상 장비 분석 장치(150)로 송신할 수 있다.
단계(505)에서, 화상 장비 분석 장치(150)는 기록 정보(310)를 이용하여 성능 기준 벡터(340)를 생성한다. 화상 장비 분석 장치(150)는 기록 정보(310)에 대한 키워드 분석을 통하여 키워드들 각각에 대한 중요도를 지시하는 키워드 벡터(420)를 산출하고, 키워드 벡터를 3 X 5 크기의 관심 벡터(430)로 변환할 수 있다. 이후, 화상 장비 분석 장치(150)는 관심 벡터(430)와 미리 저장된 기준 벡터를 합산함으로써 성능 분야 별 노후 판단 기준을 지시하는 성능 기준 벡터(340)를 생성할 수 있다.
단계(507)에서, 화상 장비 분석 장치(150)는 성능 정보(320)와 운용 정보(330)를 이용하여 화상 시스템(110)의 노후 벡터(350)를 생성한다. 화상 장비 분석 장치(150)는 성능 정보(320)를 이용하여 화상 시스템(110)의 성능 분야 별 상태를 확인하여 상태 벡터를 생성하고, 운용 정보(330)에 대응되는 노후 레벨을 상태 벡터에 적용함으로써 노후 벡터(350)를 생성할 수 있다.
단계(509)에서, 화상 장비 분석 장치(150)는 노후 상태 정보(360)를 생성한다. 화상 장비 분석 장치(150)는 성능 기준 벡터(340)와 노후 벡터(350)를 비교하여 노후 상태 정보(360)를 생성할 수 있다.
단계(511)에서, 화상 장비 분석 장치(150)는 노후 상태 정보(360)를 관리자 단말(130)로 송신한다. 화상 장비 분석 장치(150)는 화상 시스템(110)에 대한 이용자의 의견, 운용 내역, 및 측정된 성능이 고려하여 생성된 노후 상태 정보(360)를 관리자 단말(130)로 송신함으로써, 관리자에게 어떤 장비에 어떤 성능 분야에서 문제가 있는지 여부를 알릴 수 있다.
도 6은 본 개시의 다양한 실시 예들에 따른 화상 장비 분석 시스템(100)에서, 화상 장비 분석 장치(150)의 동작 방법에 대한 흐름도(600)를 도시한다. 도 6은 화상 장비 분석 장치(150)의 프로세서(220)의 동작 방법을 예시한다.
도 6을 참고하면 단계(601)에서, 화상 장비 분석 장치(150)는 관리자 단말로부터, 이용자의 화상 시스템에 대한 의견을 지시하는 기록 정보를 수신한다. 화상 장비 분석 장치(150)는 관리자 단말(130)로부터 화상 시스템에 대한 이용자의 평가 및 의견에 대한 텍스트를 획득할 수 있다.
단계(603)에서, 화상 장비 분석 장치(150)는 화상 시스템의 운용 내용에 관련된 운용 정보 및 화상 시스템의 성능에 관련된 성능 정보를 수신한다. 화상 장비 분석 장치(150)는 화상 시스템 제어기(120)로부터 성능 정보(320)와 운용 정보(330)를 수신할 수 있다.
본 개시의 일 실시 예에 따르면, 성능 정보는 화상 장비들 각각에 대한 노이즈 비율, 버퍼링 시간의 비율, 부팅 시간, 애플리케이션 실행 소요 시간, 및 네트워크 접속 시간을 포함하고, 운용 정보는 화상 장비들 각각에 대한 모델 종류, 설치 기간, 운용 시간, 운용 횟수를 포함할 수 있다.
단계(605)에서, 화상 장비 분석 장치(150)는 기록 정보를 이용하여 성능 기준 벡터를 생성한다. 화상 장비 분석 장치(150)는 기록 정보(310)와 성능 키워드 셋(410)을 이용하여 키워드를 추출함으로써 키워드 벡터(420)를 생성하고, 키워드 벡터(420)를 변환하여 관심 벡터(430)를 생성할 수 있으며, 관심 벡터(430)를 기준 벡터에 적용하여 성능 기준 벡터(340)를 생성할 수 있다.
본 개시의 일 실시 예에 따르면, 화상 장비 분석 장치(150)는 기록 정보에 포함된 대화 기록을 복수의 단락들로 구분하고, 복수의 단락들 각각에서 화상 시스템의 성능에 관련된 키워드들을 추출하고, 키워드들의 검출 빈도에 기반하여 키워드 벡터를 생성하고, 키워드 벡터로부터, 화상 시스템의 성능 분야 별 이용자의 관심도를 지시하는 관심 벡터를 생성하고, 관심 벡터에 기반하여, 성능 분야 별 노후 판단 기준을 지시하는 성능 기준 벡터를 생성할 수 있다. 여기서, 성능 분야는 화질 성능, 녹음 성능, 및 음향 성능을 포함할 수 있다.
단계(607)에서, 화상 장비 분석 장치(150)는 운용 정보와 성능 정보를 이용하여 화상 시스템의 노후 벡터를 생성한다. 화상 장비 분석 장치(150)는 성능 정보(320)와 운용 정보(330)를 이용하여 화상 시스템(110)의 성능 분야 별 노후 정도에 대한 노후 벡터(350)를 생성할 수 있다.
본 개시의 일 실시 예에 따르면, 화상 장비 분석 장치(150)는 성능 정보를 이용하여, 화상 시스템의 성능 분야 별 상태에 대한 상태 벡터를 생성하고, 운용 정보에 대응되는 노후 레벨을 상태 벡터에 적용하여, 노후 벡터(350)를 생성할 수 있다.
단계(609)에서, 화상 장비 분석 장치(150)는 노후 벡터와 성능 기준 벡터를 비교하여 노후 상태 정보를 생성한다. 화상 장비 분석 장치(150)는 성능 기준 벡터(340)와 노후 벡터(350)를 비교함으로써 노후 상태 정보(360)를 생성할 수 있다.
단계(611)에서, 화상 장비 분석 장치(150)는 관리자 단말로, 노후 상태 정보를 송신한다. 화상 장비 분석 장치(150)는 해당하는 화상 시스템(110)에서 이용자의 관심도를 고려한 노후 상태를 지시하는 노후 상태 정보(360)를 관리자 단말(130)에 송신함으로써, 관리자에게 유지 보수가 필요한 분야를 안내할 수 있다.
추가로, 화상 장비 분석 장치(150)는 노후 분석 보고서를 생성할 수 있다. 본 개시의 일 실시 예에 따르면, 화상 장비 분석 장치(150)는 운용 정보를 이용하여 비교 화상 시스템들을 선택하고, 비교 화상 시스템들에 대한 평균 노후 상태를 지시하는 비교 노후 벡터를 추출하고, NLP 모델을 이용하여, 비교 노후 벡터와 노후 벡터로부터, 비교 화상 시스템들 대비 화상 시스템의 노후도를 지시하는 노후 분석 보고서를 생성하고, 노후 분석 보고서를 관리자 단말로 송신할 수 있다.
본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합의 형태로 구현될(implemented) 수 있다. 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 매체에 기록될 수 있으며, 하드웨어와 결합되어 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램으로 구현될 수 있다.
소프트웨어로 구현하는 경우, 하나 이상의 프로그램(소프트웨어 모듈)을 저장하는 컴퓨터 판독 가능 저장 매체가 제공될 수 있다. 컴퓨터 판독 가능 저장 매체에 저장되는 하나 이상의 프로그램은, 전자 장치(device) 내의 하나 이상의 프로세서에 의해 실행 가능하도록 구성된다(configured for execution). 하나 이상의 프로그램은, 전자 장치로 하여금 본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들을 실행하게 하는 명령어(instructions)를 포함한다.
이러한 프로그램(소프트웨어 모듈, 소프트웨어)은 랜덤 액세스 메모리 (random access memory), 플래시(flash) 메모리를 포함하는 불휘발성(non-volatile) 메모리, 롬(read only memory, ROM), 전기적 삭제가능 프로그램가능 롬(electrically erasable programmable read only memory, EEPROM), 자기 디스크 저장 장치(magnetic disc storage device), 컴팩트 디스크 롬(compact disc-ROM, CD-ROM), 디지털 다목적 디스크(digital versatile discs, DVDs) 또는 다른 형태의 광학 저장 장치, 마그네틱 카세트(magnetic cassette)에 저장될 수 있다. 또는, 이들의 일부 또는 전부의 조합으로 구성된 메모리에 저장될 수 있다. 또한, 각각의 구성 메모리는 다수 개 포함될 수도 있다.
또한, 프로그램은 인터넷(Internet), 인트라넷(Intranet), LAN(local area network), WAN(wide area network), 또는 SAN(storage area network)과 같은 통신 네트워크, 또는 이들의 조합으로 구성된 통신 네트워크를 통하여 접근(access)할 수 있는 부착 가능한(attachable) 저장 장치(storage device)에 저장될 수 있다. 이러한 저장 장치는 외부 포트를 통하여 본 개시의 실시 예를 수행하는 장치에 접속할 수 있다. 또한, 통신 네트워크상의 별도의 저장장치가 본 개시의 실시 예를 수행하는 장치에 접속할 수도 있다.
상술한 본 개시의 구체적인 실시 예들에서, 개시에 포함되는 구성 요소는 제시된 구체적인 실시 예에 따라 단수 또는 복수로 표현되었다. 그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 본 개시가 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.
한편 본 개시의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 개시의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.
110 화상 시스템 120 화상 시스템 제어기
130 관리자 단말 150 화상 장비 분석 장치
170 네트워크 210 메모리
220 프로세서 230 통신부
240 입출력 인터페이스 250 디스플레이부
310 기록 정보 320 성능 정보
330 운용 정보 340 성능 기준 벡터
350 노후 벡터 360 노후 상태 정보
410 성능 키워드 셋 420 키워드 벡터
430 관심 벡터
130 관리자 단말 150 화상 장비 분석 장치
170 네트워크 210 메모리
220 프로세서 230 통신부
240 입출력 인터페이스 250 디스플레이부
310 기록 정보 320 성능 정보
330 운용 정보 340 성능 기준 벡터
350 노후 벡터 360 노후 상태 정보
410 성능 키워드 셋 420 키워드 벡터
430 관심 벡터
Claims (5)
- 화상 장비들로 구성된 화상 시스템에 대한 관리 분석을 지원하는 화상 장비 분석 장치의 동작 방법에 있어서,
관리자 단말로부터, 이용자의 상기 화상 시스템에 대한 의견을 지시하는 기록 정보를 수신하는 단계;
상기 화상 시스템의 운용 내용에 관련된 운용 정보 및 상기 화상 시스템의 성능에 관련된 성능 정보를 수신하는 단계;
상기 기록 정보를 이용하여 성능 기준 벡터를 생성하는 단계;
상기 운용 정보와 상기 성능 정보를 이용하여 상기 화상 시스템의 노후 벡터를 생성하는 단계;
상기 노후 벡터와 상기 성능 기준 벡터를 비교하여 노후 상태 정보를 생성하는 단계; 및
상기 관리자 단말로, 상기 노후 상태 정보를 송신하는 단계를 포함하고,
상기 성능 기준 벡터를 생성하는 단계는,
상기 기록 정보에 포함된 대화 기록을 복수의 단락들로 구분하는 단계;
상기 복수의 단락들 각각에서 상기 화상 시스템의 성능에 관련된 키워드들을 추출하고, 상기 키워드들의 검출 빈도에 기반하여 키워드 벡터를 생성하는 단계;
상기 키워드 벡터로부터, 상기 화상 시스템의 성능 분야 별 상기 이용자의 관심도를 지시하는 관심 벡터를 생성하는 단계; 및
상기 관심 벡터에 기반하여, 상기 성능 분야 별 노후 판단 기준을 지시하는 성능 기준 벡터를 생성하는 단계를 포함하고,
상기 성능 분야는 화질 성능, 녹음 성능, 및 음향 성능을 포함하는 방법.
- 삭제
- 청구항 1에 있어서,
상기 성능 정보는 상기 화상 장비들 각각에 대한 노이즈 비율, 버퍼링 시간의 비율, 부팅 시간, 애플리케이션 실행 소요 시간, 및 네트워크 접속 시간을 포함하고,
상기 운용 정보는 상기 화상 장비들 각각에 대한 모델 종류, 설치 기간, 운용 시간, 운용 횟수를 포함하는 방법.
- 청구항 3에 있어서,
상기 화상 시스템의 노후 벡터를 생성하는 단계는,
상기 성능 정보를 이용하여, 상기 화상 시스템의 상기 성능 분야 별 상태에 대한 상태 벡터를 생성하는 단계; 및
상기 운용 정보에 대응되는 노후 레벨을 상기 상태 벡터에 적용하여, 노후 벡터를 생성하는 단계를 포함하는 방법.
- 청구항 1에 있어서,
상기 운용 정보를 이용하여 비교 화상 시스템들을 선택하는 단계;
상기 비교 화상 시스템들에 대한 평균 노후 상태를 지시하는 비교 노후 벡터를 추출하는 단계;
NLP(natural language processing) 모델을 이용하여, 상기 비교 노후 벡터와 상기 노후 벡터로부터, 상기 비교 화상 시스템들 대비 상기 화상 시스템의 노후도를 지시하는 노후 분석 보고서를 생성하는 단계; 및
상기 노후 분석 보고서를 상기 관리자 단말로 송신하는 단계를 더 포함하는 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230134542A KR102681897B1 (ko) | 2023-10-10 | 2023-10-10 | 화상 장비들로 구성된 화상 시스템에 대한 분석을 지원하기 위한 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230134542A KR102681897B1 (ko) | 2023-10-10 | 2023-10-10 | 화상 장비들로 구성된 화상 시스템에 대한 분석을 지원하기 위한 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102681897B1 true KR102681897B1 (ko) | 2024-07-04 |
Family
ID=91912829
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230134542A KR102681897B1 (ko) | 2023-10-10 | 2023-10-10 | 화상 장비들로 구성된 화상 시스템에 대한 분석을 지원하기 위한 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102681897B1 (ko) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180092208A (ko) * | 2017-02-08 | 2018-08-17 | 주식회사 케이티 | 서비스 장애 진단 장치 및 고객 단말 |
| KR20200027101A (ko) * | 2018-08-31 | 2020-03-12 | 주식회사 케이티 | ＶｏＣ를 이용하여 망 서비스의 장애를 확인하는 장치 및 방법 |
| KR20220060343A (ko) * | 2020-11-04 | 2022-05-11 | 주식회사 케이티 | 대상 설비의 노후화 진행 수준을 판단하는 장치, 방법 및 컴퓨터 프로그램 |
| JP2022546731A (ja) * | 2019-09-05 | 2022-11-07 | ヒタチ・エナジー・スウィツァーランド・アクチェンゲゼルシャフト | 電気機器ユーザのコミュニティのための人工知能／機械学習駆動型評価システム |
| KR20230011191A (ko) | 2021-07-13 | 2023-01-20 | 주식회사 씨디알아이 | 스크리닝을 통한 화장품 인증시스템 |
| KR20230062165A (ko) * | 2021-10-29 | 2023-05-09 | 휴렛-팩커드 디벨롭먼트 컴퍼니, 엘.피. | 화상 형성 장치의 주변 장치의 설치 정보의 제공 |
-
2023
- 2023-10-10 KR KR1020230134542A patent/KR102681897B1/ko active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180092208A (ko) * | 2017-02-08 | 2018-08-17 | 주식회사 케이티 | 서비스 장애 진단 장치 및 고객 단말 |
| KR20200027101A (ko) * | 2018-08-31 | 2020-03-12 | 주식회사 케이티 | ＶｏＣ를 이용하여 망 서비스의 장애를 확인하는 장치 및 방법 |
| JP2022546731A (ja) * | 2019-09-05 | 2022-11-07 | ヒタチ・エナジー・スウィツァーランド・アクチェンゲゼルシャフト | 電気機器ユーザのコミュニティのための人工知能／機械学習駆動型評価システム |
| KR20220060343A (ko) * | 2020-11-04 | 2022-05-11 | 주식회사 케이티 | 대상 설비의 노후화 진행 수준을 판단하는 장치, 방법 및 컴퓨터 프로그램 |
| KR20230011191A (ko) | 2021-07-13 | 2023-01-20 | 주식회사 씨디알아이 | 스크리닝을 통한 화장품 인증시스템 |
| KR20230062165A (ko) * | 2021-10-29 | 2023-05-09 | 휴렛-팩커드 디벨롭먼트 컴퍼니, 엘.피. | 화상 형성 장치의 주변 장치의 설치 정보의 제공 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11075862B2 (en) | Evaluating retraining recommendations for an automated conversational service | |
| US10331293B2 (en) | Automated resizing of application windows based on interactive states | |
| US11150965B2 (en) | Facilitation of real time conversations based on topic determination | |
| JP2024514062A (ja) | 拡張インテリジェンスに基づく仮想会議ユーザ・エクスペリエンスの改善 | |
| WO2020039250A1 (en) | Method and system for collecting data and detecting deception of a human using a multi-layered model | |
| DE102021125184A1 (de) | Persönliche vortragsempfehlungen unter verwendung von zuhörerreaktionen | |
| US20230085195A1 (en) | Enhanced learning content in an interconnected environment | |
| KR102620977B1 (ko) | 화상 시스템의 도입 효과를 분석하기 위한 장치 및 방법 | |
| WO2023028170A1 (en) | Methods and systems for verbal polling during a conference call discussion | |
| US11043217B2 (en) | Voice assistant for records | |
| US10936281B2 (en) | Automatic slide page progression based on verbal and visual cues | |
| KR102681897B1 (ko) | 화상 장비들로 구성된 화상 시스템에 대한 분석을 지원하기 위한 장치 및 방법 | |
| Thorsteinsson et al. | Piloting new ways of collecting empirical data during the FISTE project | |
| US12047188B2 (en) | Ameloriative resource action during an e-conference | |
| CN114071232B (zh) | 音视频质量可视化方法及其装置、设备、介质、产品 | |
| US11526669B1 (en) | Keyword analysis in live group breakout sessions | |
| CN114040192B (zh) | 音视频会议的压测方法、装置、设备及介质 | |
| US11937016B2 (en) | System and method for real-time, event-driven video conference analytics | |
| US11374986B1 (en) | Collaborative meeting interest analyzer based on capture attempts | |
| CN111797273B (zh) | 用于调整参数的方法和装置 | |
| Viswanathan et al. | Collaboration detection that preserves privacy of students’ speech | |
| US11048920B2 (en) | Real-time modification of presentations based on behavior of participants thereto | |
| Krieter et al. | Track every move of your students: Log files for learning analytics from mobile screen recordings | |
| US20140297551A1 (en) | System and Method of Evaluating a Candidate Fit for a Hiring Decision | |
| US20140095402A1 (en) | System and Method of Scoring Candidate Audio Responses for a Hiring Decision |