KR20180013523A - 이미지의 유사도에 기초하여 이미지들을 연속적으로 표시하는 방법 및 장치 - Google Patents

이미지의 유사도에 기초하여 이미지들을 연속적으로 표시하는 방법 및 장치 Download PDF

Info

Publication number
KR20180013523A
KR20180013523A KR1020160097366A KR20160097366A KR20180013523A KR 20180013523 A KR20180013523 A KR 20180013523A KR 1020160097366 A KR1020160097366 A KR 1020160097366A KR 20160097366 A KR20160097366 A KR 20160097366A KR 20180013523 A KR20180013523 A KR 20180013523A
Authority
KR
South Korea
Prior art keywords
images
image
sequence
module
similarity
Prior art date
Application number
KR1020160097366A
Other languages
English (en)
Inventor
투샤르 바라사에브 산드한
신대규
이희국
유주완
이서영
정유민
박지윤
이정은
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020160097366A priority Critical patent/KR20180013523A/ko
Priority to US16/320,553 priority patent/US10909420B2/en
Priority to EP17834666.4A priority patent/EP3480790B1/en
Priority to PCT/KR2017/007333 priority patent/WO2018021723A1/ko
Publication of KR20180013523A publication Critical patent/KR20180013523A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/1914—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries, e.g. user dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries

Abstract

본 발명의 다양한 실시 예들은 복수의 이미지들에 대한 영상 인식을 수행하고, 상기 영상 인식의 결과에 적어도 일부 기초하여, 상기 복수의 이미지들 간의 유사도(similarity)를 계산하고, 상기 계산된 유사도에 적어도 일부 기초하여, 상기 복수의 이미지들 중 둘 이상의 이미지를 포함하는 그룹을 생성하고, 상기 그룹 내에 포함된 둘 이상의 이미지들 간의 유사도에 적어도 일부 기초하여, 디스플레이될 시퀀스를 결정하고, 상기 디스플레이 상에, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 표시하도록 하는 인스트럭션들을 저장할 수 있다.
이외에도 다양한 다른 실시예들이 가능하다.

Description

이미지의 유사도에 기초하여 이미지들을 연속적으로 표시하는 방법 및 장치{Apparatus and Method for Sequentially displaying Images on the Basis of Similarity of Image}
본 발명의 다양한 실시 예들은, 이미지들을 연속적으로 디스플레이에 표시하는 기술과 관련된다.
이동통신 기술의 발달로, 스마트폰(smartphone), 웨어러블(wearable) 기기 등 디스플레이를 구비한 전자 장치가 광범위하게 보급되고 있다. 이러한 전자 장치는 디스플레이를 통해 사진이나 동영상의 촬영, 음악 파일이나 동영상 파일의 재생, 게임, 인터넷 등과 같은 다양한 기능들을 실행할 수 있다.
전자 장치는 상술한 기능 외에도 이미지를 연속적으로 디스플레이에 표시할 수도 있다. 예를 들어, 전자 장치는 메모리에 저장된 이미지들을 순차적으로 표시(예: 슬라이드 쇼)할 수 있다. 다른 예로, 전자 장치는 메모리에 저장된 이미지들을 일정 기준(예: 촬영 시간, 파일 이름 등)에 따라 정렬하고, 정렬된 이미지들에 기초하여 GIF 포맷과 같은 이미지 파일을 생성할 수 있다. 이와 같은 방법을 통해, 전자 장치는 단말에 저장된 정지 영상들을 연속적으로 연결하여, 영상 내 객체들이 움직이는 효과를 제공할 수 있다.
그러나 이미지들을 연속적으로 표시하는 경우, 이미지에 포함되는 객체들의 움직임이 자연스럽게 연결되지 않을 수 있다. 예를 들어, 이미지 각각에 포함되는 객체들의 위치, 구도, 크기 등이 각각 다르므로, 객체의 움직임이 시간적/공간적으로 단절되어 보이거나 어색하게 이어질 수 있다.
본 발명의 다양한 실시 예들은, 전술한 문제 및 본 발명에서 제기되는 과제들을 해결하기 위해, 이미지의 유사도에 기초하여 이미지들을 연속적으로 표시하는 방법 및 장치를 제공하고자 한다.
본 발명의 다양한 실시 예에 따른 전자 장치는, 하우징, 상기 하우징의 일부를 통하여 노출된 디스플레이, 상기 하우징의 다른 일부에 배치된 카메라 장치, 상기 하우징 내에 포함된 무선 통신 회로, 상기 하우징 내에 배치되고, 상기 디스플레이, 상기 카메라 장치, 및 상기 무선 통신회로와 전기적으로 연결된 프로세서, 및 상기 하우징 내에 배치되고, 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 메모리는, 상기 카메라 장치 및/또는 상기 무선 통신 회로를 통하여 획득된 복수의 이미지들을 저장하도록 구성되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 복수의 이미지들에 대한 영상 인식을 수행하고, 상기 영상 인식의 결과에 적어도 일부 기초하여, 상기 복수의 이미지들 간의 유사도(similarity)를 계산하고, 상기 계산된 유사도에 적어도 일부 기초하여, 상기 복수의 이미지들 중 둘 이상의 이미지를 포함하는 그룹을 생성하고, 상기 그룹 내에 포함된 둘 이상의 이미지들 간의 유사도에 적어도 일부 기초하여, 디스플레이될 시퀀스를 결정하고, 상기 디스플레이 상에, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 표시하도록 하는 인스트럭션들을 저장하는 것을 특징으로 할 수 있다.
또한, 본 발명의 다양한 실시 예에 따른 전자 장치는, 하우징, 상기 하우징의 일부를 통하여 노출된 디스플레이, 상기 하우징의 다른 일부에 배치된 카메라 장치, 상기 하우징 내에 포함된 무선 통신 회로, 상기 하우징 내에 배치되고, 상기 디스플레이, 상기 카메라 장치, 및 상기 무선 통신회로와 전기적으로 연결된 프로세서 및 상기 하우징 내에 배치되고, 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 메모리는, 상기 카메라 장치 및/또는 상기 무선 통신 회로를 통하여 획득된 복수의 이미지들을 저장하도록 구성되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 복수의 이미지들에 대한 영상 인식을 수행하고, 상기 영상 인식의 결과에 적어도 일부 기초하여, 상기 복수의 이미지들 간의 유사도(similarity)를 계산하고, 상기 계산된 유사도에 적어도 일부 기초하여, 상기 복수의 이미지들 중 둘 이상의 이미지를 포함하는 그룹을 생성하고, 상기 이미지들의 메타 데이터에 포함된 시간의 순서와 적어도 일부 상이하게, 디스플레이될 시퀀스를 결정하고, 상기 디스플레이 상에, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 표시하도록 하는 인스트럭션들을 저장하는 것을 특징으로 할 수 있다.
또한, 본 발명의 다양한 실시 예에 따른 방법은, 복수의 이미지들에 대한 영상 인식을 수행하는 동작, 상기 영상 인식의 결과에 적어도 일부 기초하여 상기 복수의 이미지들 간의 유사도(similarity)를 계산하는 동작, 상기 계산된 유사도에 적어도 일부 기초하여 상기 복수의 이미지들 중 둘 이상의 이미지를 포함하는 그룹을 생성하는 동작, 상기 그룹 내에 포함된 둘 이상의 이미지들 간의 유사도에 적어도 일부 기초하여 디스플레이될 시퀀스를 결정하는 동작, 및 상기 디스플레이 상에 상기 시퀀스에 따라 상기 둘 이상의 이미지들을 표시하는 동작을 포함할 수 있다.
본 발명의 다양한 실시 예들에 따르면, 이미지들을 연속적이고 자연스럽게 재생하고 표시할 수 있다.
본 발명의 다양한 실시 예들에 따르면, 단말에서 촬영된 이미지들의 활용성을 향상시키고, 사용자 경험성을 증대시킬 수 있다. 이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 일 실시 예에 따른 전자 장치를 나타낸다.
도 2는 일 실시 예에 따른 이미지들을 연속적으로 재생하는 흐름도를 나타낸다.
도 3a는 일 실시 예에 따른 특징 벡터를 획득하는 흐름도를 나타낸다.
도 3b는 일 실시 예에 따른 픽셀의 특징 값에서 특징 벡터를 획득하는 모습을 나타낸다.
도 4a는 일 실시 예에 따른 그룹 내에 포함되는 이미지들을 나타낸다.
도 4b는 일 실시 예에 따른 유사도를 획득하는 모습을 나타낸다.
도 4c는 일 실시 예에 따른 유사도에 기초하여 이미지들을 정렬하는 모습을 나타낸다.
도 5a는 일 실시 예에 따른 복수의 이미지들을 그룹핑하는 모습을 나타낸다.
도 5b은 일 실시 예에 따른 특징 벡터들에 기초하여 복수의 이미지들을 그룹핑하는 모습을 나타낸다.
도 5c 다른 실시 예에 따른 복수의 이미지들을 그룹핑하는 방법을 나타낸다.
도 6a는 일 실시 예에 따른 회전 값에 기초하여 유사 이미지를 삽입하는 흐름도를 나타낸다.
도 6b는 일 실시 예에 따른 이미지를 회전시켜 다른 이미지 사이에 삽입하는 모습을 나타낸다.
도 6c는 일 실시 예에 따른 이미지를 다른 이미지 사이에 삽입하는 모습을 나타낸다.
도 7은 일 실시 예에 따른 이미지 내에서 특징점을 포함하는 영역을 추출하는 모습을 나타낸다.
도 8은 일 실시 예에 따른 시퀀스의 끝에 배치된 이미지 다음에 시퀀스의 처음에 배치된 이미지가 출력되는 모습을 나타낸다.
도 9는 일 실시 예에 따른 시간간격에 기초하여 이미지들을 정렬하는 모습을 나타낸다.
도 10은 일 실시 예에 따른 컨텐츠 관리 허브에 메타 데이터가 저장되는 모습을 도시한 도면이다.
도 11은 다양한 실시 예에 따른 네트워크 환경 내의 전자 장치를 나타낸다.
도 12는 다양한 실시 예에 따른 전자 장치의 블록도를 나타낸다.
도 13은 다양한 실시 예에 따른 프로그램 모듈의 블록도를 나타낸다.
이하, 본 발명의 다양한 실시 예가 첨부된 도면을 참조하여 기재된다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 실시 예의 다양한 변경(modification), 균등물(equivalent), 및/또는 대체물(alternative)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 문서에서, "가진다", "가질 수 있다", "포함한다", 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 문서에서, "A 또는 B", "A 또는/및 B 중 적어도 하나", 또는 "A 또는/및 B 중 하나 또는 그 이상" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B", "A 및 B 중 적어도 하나", 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 문서에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 예를 들면, 제1 사용자 기기와 제2 사용자 기기는, 순서 또는 중요도와 무관하게, 서로 다른 사용자 기기를 나타낼 수 있다. 예를 들면, 본 문서에 기재된 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 바꾸어 명명될 수 있다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)", "~하는 능력을 가지는(having the capacity to)", "~하도록 설계된(designed to)", "~하도록 변경된(adapted to)", "~하도록 만들어진(made to)", 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성(또는 설정)된"은 하드웨어적으로 "특별히 설계된(specifically designed to)"것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성(또는 설정)된 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
본 문서에서 사용된 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 문서에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은 관련 기술의 문맥 상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시 예들을 배제하도록 해석될 수 없다.
본 문서의 다양한 실시 예들에 따른 전자 장치는, 예를 들면, 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, 모바일 의료기기, 카메라, 또는 웨어러블 장치(wearable device) 중 적어도 하나를 포함할 수 있다. 다양한 실시 예에 따르면 웨어러블 장치는 엑세서리 형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체 형(예: 전자 의복), 신체 부착 형(예: 스킨 패드(skin pad) 또는 문신), 또는 생체 이식 형(예: implantable circuit) 중 적어도 하나를 포함할 수 있다.
어떤 실시 예들에서, 전자 장치는 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.
다른 실시 예에서, 전자 장치는, 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션(navigation) 장치, 위성 항법 시스템(GNSS(Global Navigation Satellite System)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트(infotainment) 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 금융 기관의 ATM(automatic teller's machine), 상점의 POS(point of sales), 또는 사물 인터넷 장치(internet of things)(예: 전구, 각종 센서, 전기 또는 가스 미터기, 스프링클러 장치, 화재경보기, 온도조절기(thermostat), 가로등, 토스터(toaster), 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다.
어떤 실시 예에 따르면, 전자 장치는 가구(furniture) 또는 건물/구조물의 일부, 전자 보드(electronic board), 전자 사인 수신 장치(electronic signature receiving device), 프로젝터(projector), 또는 각종 계측 기기(예: 수도, 전기, 가스, 또는 전파 계측 기기 등) 중 적어도 하나를 포함할 수 있다. 다양한 실시 예에서, 전자 장치는 전술한 다양한 장치들 중 하나 또는 그 이상의 조합일 수 있다. 어떤 실시 예에 따른 전자 장치는 플렉서블 전자 장치일 수 있다. 또한, 본 문서의 실시 예에 따른 전자 장치는 전술한 기기들에 한정되지 않으며, 기술 발전에 따른 새로운 전자 장치를 포함할 수 있다.
이하, 첨부 도면을 참조하여, 다양한 실시 예에 따른 전자 장치가 설명된다. 본 문서에서, 사용자라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치 (예: 인공지능 전자 장치)를 지칭할 수 있다.
도 1은 일 실시 예에 따른 전자 장치(100)를 나타낸다.
도 1를 참조하면, 전자 장치(100)는 이미지 그룹 생성 모듈(110), 연속 이미지 재생 모듈(120) 및 컨텐츠 관리 허브(130)를 포함할 수 있다.
이미지 그룹 생성 모듈(110)은 메모리에 저장된 복수의 이미지들을 하나 이상의 그룹으로 그룹핑할 수 있다. 이미지 그룹 생성 모듈(110)은, 예를 들어, 상기 복수의 이미지들을 유사도(similarity)를 기준으로 그룹핑(grouping)하거나, 이미지의 촬영 시간을 기준으로 그룹핑하거나, 이미지가 메모리에 저장된 시간을 기준으로 그룹핑할 수 있다. 이미지 그룹 생성 모듈(110)은 이 외에도 다양한 방법으로 이미지들을 그룹핑할 수 있고, 그룹핑 방법은 상술한 예시에 한정하지 않는다.
일 실시 예에 따르면, 이미지 그룹 생성 모듈(110)은 이미지 특징 벡터 획득 모듈(111), 유사도 분석 모듈(112) 및 후보군 결정 모듈(113)을 포함할 수 있다. 이미지 특징 벡터 획득 모듈(111)은 복수의 이미지들의 특징 벡터를 각각 획득할 수 있다. 유사도 분석 모듈(112)은 상기 획득된 특징 벡터에 기초하여 각 이미지들 간의 유사한 정도를 나타내는 유사도를 분석할 수 있다. 후보군 결정 모듈(113)은 상기 유사도에 기초하여 상기 복수의 이미지들을 하나 이상의 그룹으로 그룹핑할 수 있다.
연속 이미지 재생 모듈(120)은 시퀀스 결정 모듈(121) 및 안정화 모듈(122)을 포함할 수 있다. 시퀀스 결정 모듈(121)은 상기 그룹에 포함되는 이미지들의 시퀀스를 결정할 수 있다. 시퀀스는 상기 그룹에 포함되는 이미지들의 재생 순서일 수 있다. 연속 이미지 재생 모듈(120)은 상기 시퀀스에 따라 재생되는 파일을 생성할 수도 있다. 예를 들어, 연속 이미지 재생 모듈(120)은 상기 그룹에 포함되는 이미지들을 이용하여 AGIF 파일을 생성할 수 있다.
안정화 모듈(122)은 상기 이미지들 사이에 적절하게 생성된 새로운 이미지를 삽입하여 이미지들이 부드럽게 재생되도록 할 수 있다. 이 동작은 안정화 작업(stabilizing process)으로 참조될 수 있다.
일 실시 예로, 안정화 모듈(122)은 이미지 추가 모듈(122a), 그룹 분류 모듈(122b), 이미지 자르기 모듈(122c), 루프 안정화 모듈(122d) 및 딜레이 조정 모듈(122e)을 포함할 수 있다. 이미지 추가 모듈(122a)은 이미지들 사이에 새로운 이미지를 삽입할 수 있다.
그룹 분류 모듈(122b)은 이미지 그룹 생성 모듈(110)에 의해 생성된 그룹을 하나 이상의 서브그룹(subgroup)으로 분류할 수 있다. 이미지 자르기 모듈(122c)은 서브그룹에 포함되는 복수의 이미지에서 특징점을 포함하는 영역을 각각 획득할 수 있다. 이미지 자르기 모듈(122c)은 상기 영역들이 획득되면, 상기 영역들이 공통적으로 겹치는 영역을 획득하고, 상기 공통적으로 겹치는 영역을 제외한 나머지 영역을 제거할 수 있다. 이미지 자르기 모듈(122c)는 서브그룹 내에 포함되는 이미지들을 정합(image registration) 할 수 있다. 예를 들어, 이미지 자르기 모듈(122c)은 서로 다른 좌표계를 갖는 이미지들을 하나의 좌표계에 나타낼 수 있다. 또한, 이미지 자르기 모듈(122c) phase correlation, SSD(sum of squared difference) 등을 이용하여 서브그룹 내에 포함되는 이미지들을 매칭(matching)시킬 수 있다.
루프 안정화 모듈(122d)은 시퀀스의 제일 마지막에 배치된 이미지가 재생된 후에 시퀀스의 제일 처음에 배치된 이미지가 재생되도록 시퀀스를 설정할 수 있다. 루프 안정화 모듈(122d)은 이미지들 사이에 새로운 이미지를 추가할 수도 있고, 시퀀스 내의 이미지들 중 일부를 삭제할 수도 있다. 루프 안정화 모듈(122d)은 이미지를 분할(divide)할 수도 있다. 딜레이 조정 모듈(122e)은 이미지들의 유사도에 기초하여 각 이미지가 재생되는 시간 간격을 조절할 수 있다.
컨텐츠 관리 허브(130)는 상기 복수의 이미지들의 메타 데이터를 저장할 수 있다. 메타 데이터는 상기 복수의 이미지들 각각이 포함되는 그룹, 상기 특징 벡터, 저장 경로, 이미지 간의 시간간격 등을 포함할 수 있다. 컨텐츠 관리 허브(130)는 crop된 이미지들, ROI(region of interest), 루프 안정화 모듈에서 획득된 안정화된 이미지들을 저장할 수 있다. 컨텐츠 관리 허브(130)는 상기 시퀀스에 따라 재생되는 형태의 파일을 저장할 수도 있다.
도 1에 도시된 소프트 웨어 모듈들(110, 120, 130)은 도 11에 도시된 프로세서(1120)에 의해 구현될 수 있다.
도 2는 일 실시 예에 따른 이미지들을 연속적으로 재생하는 흐름도를 나타낸다. 본 문서에서, 도 1에서 설명된 전자 장치(100)와 동일한 참조 부호를 갖는 구성 요소들은, 도 1에서 설명된 내용이 동일하게 적용될 수 있다.
도 2를 참조하면, 동작 201에서, 이미지 특징 벡터 획득 모듈(111)은 복수의 이미지에 대한 영상 인식을 수행할 수 있다. 일 실시 예로, 이미지 특징 벡터 획득 모듈(111)은 상기 복수의 이미지들로부터 특징 벡터(feature vector)들을 획득할 수 있다. 특징 벡터는 이미지의 특징을 나타내는 벡터로서, 하나 이상의 특징 값을 포함할 수 있다. 예를 들어, 이미지 특징 벡터 획득 모듈(111)은 SIFT(Scale Invariant Feature Transform), HOG(Histogram of Oriented Gradient), Haar, ORB(Object Request Broker), FAST(Features from Accelerated Segment Test), AGAST(Adaptive and Generic Corner Detection Based on the Accelerated Segment Test)와 같은 알고리즘을 이용하여 복수의 이미지들의 특징 벡터를 획득할 수 있다. 이미지 특징 벡터 획득 모듈(111)은 복수의 알고리즘 중 하나 이상을 사용하여 특징 벡터를 획득할 수다. 이미지 특징 벡터 획득 모듈(111)은 위에서 언급한 알고리즘 외에 다른 알고리즘을 추가로 이용하여 특징 벡터를 획득할 수도 있다. 이미지 특징 벡터 획득 모듈(111)이 특징 벡터를 획득하는 방법은 상술한 실시 예에 한정되지 않는다.
특징 벡터가 획득되면 동작 203에서, 유사도 분석 모듈(112)은 특징 벡터들에 기초하여 각 이미지들 간의 유사한 정도를 나타내는 유사도를 분석할 수 있다. 동작 205에서, 후보군 결정 모듈(113)은 상기 유사도에 기초하여 둘 이상의 이미지를 포함하는 그룹을 생성할 수 있다. 그룹의 수는 하나 이상일 수 있으며, 후보군 결정 모듈(113)은 유사한 이미지들끼리 그룹핑할 수 있다. 예를 들어, 산과 하늘을 배경으로 한 이미지들끼리 그룹핑되어 제1 그룹이 될 수 있고, 인물 이미지들끼리 그룹핑되어 제2 그룹이 될 수 있다.
도 2에서는 유사도에 기초하여 이미지들을 그룹핑하는 것으로 도시되었으나, 후보군 결정 모듈(113)은 특징 벡터에 기초하여 이미지들을 그룹핑할 수도 있다. 유사도 분석 모듈(112)은 이미지들이 그룹핑되면, 그룹에 포함되는 이미지들 간의 유사도를 획득할 수도 있다.
다시 도 2를 참조하면, 동작 207에서 시퀀스 결정 모듈(121)은 그룹에 포함되는 이미지들의 시퀀스를 결정할 수 있다. 예를 들어, 시퀀스 결정 모듈(121)은 그룹에 포함되는 모든 이미지들의 시퀀스를 결정할 수도 있고, 그룹에 포함되는 일부 이미지들의 시퀀스를 결정할 수도 있다. 또한, 시퀀스 결정 모듈(121)은 유사도에 기초하여 그룹 별로 시퀀스를 결정할 수도 있다.
시퀀스가 결정되면, 동작 209에서 안정화 모듈(122)은 그룹에 포함되는 이미지들을 안정화시킬 수 있다. 예를 들어, 이미지들 사이에 새로운 이미지를 삽입함으로써 이미지들을 안정화시킬 수 있다.
이미지들이 안정화되면, 동작 211에서 연속 이미지 재생 모듈(120)은 상기 시퀀스에 따라 이미지들을 디스플레이에 표시할 수 있다. 예를 들어, 연속 이미지 재생 모듈(120)은 상기 시퀀스에 따라 이미지들을 재생할 수도 있다. 본 문서에서, 표시와 재생은 동일한 의미로 해석될 수 있다.
일 실시 예로, 연속 이미지 재생 모듈(120)은 재생 이벤트가 발생하면, 그룹에 포함된 이미지들을 시퀀스에 따라 디스플레이에 출력할 수 있다. 재생 이벤트는 사용자의 터치 입력일 수도 있고, 일정 이상의 압력의 감지일 수도 있다. 예를 들어, 사용자가 그룹 내의 이미지들 중 어느 하나를 터치하면 그룹 내의 이미지들이 시퀀스에 따라 디스플레이에 출력될 수 있다. 사용자가 그룹 내의 이미지들 중 어느 하나를 일정 이상의 압력으로 누르면, 그룹 내의 이미지들이 시퀀스에 따라 디스플레이에 출력될 수 있다.
도 3a는 일 실시 예에 따른 특징 벡터를 획득하는 흐름도를 나타낸다. 도 3b는 일 실시 예에 따른 픽셀의 특징 값에서 특징 벡터를 획득하는 모습을 나타낸다.
도 3a 및 도 3b를 참조하면, 동작 301에서 이미지 특징 벡터 획득 모듈(111)은 복수의 이미지 중 어느 하나를 선택할 수 있다. 이미지 특징 벡터 획득 모듈(111)은 선택된 이미지의 특징 벡터를 획득한 다음, 다른 이미지의 특징 벡터를 획득할 수 있다. 이미지 특징 벡터 획득 모듈(111)은 임의의 순서대로 이미지를 선택하여 특징 벡터를 획득할 수도 있고, 메모리에 저장된 순서대로 이미지를 선택하여 특징 벡터를 획득할 수도 있다. 이미지 특징 벡터 획득 모듈(111)은 복수의 이미지에서 동시에 여러 특징 벡터들을 획득할 수도 있다.
이미지가 선택되면, 동작 303에서 이미지 특징 벡터 획득 모듈(111)은 선택된 이미지에 포함되는 픽셀들의 제1 특징 값 및 제2 특징 값을 획득할 수 있다. 제1 특징 값 및 제2 특징 값은 명도, 채도, 좌표 등일 수 있다. 제1 특징 값 및 제2 특징 값이 획득되면, 동작 305에서 이미지 특징 벡터 획득 모듈(111)은 제1 특징 값의 평균 및 제2 특징 값의 평균을 획득할 수 있다. 일 실시 예로, 이미지 특징 벡터 획득 모듈(111)은 특징 값의 분산을 획득할 수도 있다.
제1 특징 값의 평균 및 제2 특징 값의 평균이 획득되면, 동작 307에서, 이미지 특징 벡터 획득 모듈(111)은 제1 특징 값의 평균 및 제2 특징 값의 평균을 좌표 값으로 설정하여 선택된 이미지의 특징 벡터를 획득할 수 있다. 또한, 이미지 특징 벡터 획득 모듈(111)은 제1 특징 값의 분산 및 제2 특징 값의 분산을 좌표 값으로 설정하여 선택된 이미지의 특징 벡터를 획득할 수 있다.
도 3a 및 도 3b에서 설명한 특징 벡터를 획득하는 방법은 일 실시 예일 뿐이며, 이미지 특징 벡터 획득 모듈(111)은 상술한 SIFT, HOG, Haar, ORB, FAST, AGAST와 같은 알고리즘을 이용하여 특징 벡터를 획득할 수도 있다.
도 4a는 일 실시 예에 따른 그룹 내에 포함되는 이미지들을 나타낸다. 도 4b는 일 실시 예에 따른 유사도를 획득하는 모습을 나타낸다. 도 4c는 일 실시 예에 따른 유사도에 기초하여 이미지들을 정렬하는 모습을 나타낸다.
도 4a를 참조하면, 도 4a에서 그룹 4는 이미지 A, 이미지 B, 이미지 C 및 이미지 D를 포함할 수 있다. 그룹 4에 포함되는 이미지들은 이미지 A, 이미지 B, 이미지 C 및 이미지 D의 순서대로 정렬되어 저장될 수도 있고, 임의의 순서대로 정렬되어 저장될 수도 있다.
도 4b를 참조하면, 유사도 분석 모듈(112)은 이미지들 간의 유사한 정도를 나타내는 유사도를 획득할 수 있다. 유사도의 차이가 작을수록 유사한 이미지일 수 있고, 유사도의 차이가 클수록 비유사한 이미지일 수 있다.
일 실시 예로, 유사도는 기준점과 각 특징 벡터 간의 거리일 수 있다. 기준점은 특징 벡터들의 대표 값 일 수 있고, 대표 값은 특징 벡터들의 평균 값, 분산, 또는 최빈 값일 수 있다. 예를 들어, 도 4b에서 이미지 A의 특징 벡터와 기준점과의 거리는 0.95이므로 유사도는 0.95일 수 있다. 이미지 B의 특징 벡터와 기준점과의 거리는 0.80이므로 유사도는 0.80일 수 있다.
다른 실시 예로, 유사도는 그룹 내에서 가장 먼저 선택된 이미지의 특징 벡터와 다른 이미지의 특징 벡터간의 거리일 수 있다. 예를 들어, 사용자가 그룹 4에서 이미지 A를 가장 먼저 선택하면, 유사도는 이미지 A의 특징 벡터와 다른 이미지의 특징 벡터 사이의 거리일 수 있다. 이미지 A의 특징 벡터와의 거리에 기초하여 유사도를 획득하는 경우, 산출되는 거리 값이 낮을수록 이미지 A와 비유사한 이미지일 수 있다.
도 4c를 참조하면, 시퀀스 결정 모듈(121)은 유사도의 크기가 큰 순서대로 각 이미지를 정렬할 수 있다. 유사도의 크기가 큰 순서대로 각 이미지가 정렬되면, 유사한 순서대로 이미지가 정렬되므로 영상을 부드럽게 재생할 수 있다.
도 5a는 일 실시 예에 따른 복수의 이미지들을 그룹핑하는 모습을 나타낸다.
도 5a를 참조하면, 후보군 결정 모듈(113)은 상기 획득된 유사도에 기초하여 복수의 이미지들을 그룹핑할 수 있다. 예를 들어, 도 5a에 도시된 이미지 1, 이미지 3 및 이미지 10은 산 및 하늘을 배경으로 한 사진으로서, 그룹 1으로 분류될 수 있다. 이미지 2, 이미지 6 및 이미지 12는 사람 및 건축물을 찍은 사진으로서, 그룹 2로 분류될 수 있다. 도 5a에 도시된 실시 예는 일 실시 예일 뿐이며, 후보군 결정 모듈은 특징 벡터에 기초하여 이미지들을 그룹핑할 수도 있다.
도 5b은 일 실시 예에 따른 특징 벡터들에 기초하여 복수의 이미지들을 그룹핑하는 모습을 나타낸다.
도 5b를 참조하면, 후보군 결정 모듈(113)은 특징 벡터에 기초하여 복수의 이미지를 그룹핑할 수 있다. 예를 들어, 후보군 결정 모듈(113)은 특징 벡터들의 좌표 값이 미리 설정된 제1 범위 내이면 유사한 이미지들로 판단하여 제1 그룹으로 분류할 수 있다. 후보군 결정 모듈(113)은 특징 벡터들의 좌표 값이 미리 설정된 제2 범위 내이면 유사한 이미지들로 판단하여 제2 그룹으로 분류할 수 있다. 도 5a에 도시된 이미지를 참조하면, 이미지 1, 이미지 3 및 이미지 10은 산 및 하늘을 배경으로 한 사진으로서, 특징 벡터의 좌표 값이 일정 범위 내일 수 있다. 후보군 결정 모듈(113)은 이미지 1, 이미지 3 및 이미지 10을 유사한 이미지들로 판단하여 그룹 1으로 그룹핑할 수 있다.
유사하게, 도 5a에 도시된 이미지 2, 이미지 6 및 이미지 12는 사람 및 건축물을 찍은 사진으로서, 특징 벡터의 좌표 값이 일정 범위 내일 수 있다. 후보군 결정 모듈(113)은 이미지 2, 이미지 6 및 이미지 12를 유사한 이미지들로 판단하여 그룹 2로 그룹핑할 수 있다.
도 5c는 다른 실시 예에 따른 복수의 이미지들을 그룹핑하는 방법을 나타낸다. 예를 들어, 후보군 결정 모듈(113)은 다차원의 데이터를 1차원의 component로 축약하여 나타내는 PCA(Principal component analysis) 분석을 이용하여 복수의 이미지들을 그룹핑할 수 있다. 예를 들어, 후보군 결정 모듈(113)은 픽셀들이 갖는 특징 값의 분산을 획득한 후, 획득된 분산 값에 기초하여 component를 설정할 수 있다. 예를 들어, 도 5c에서는 채도와 명도가 component가 될 수 있다.
component가 결정되면, 후보군 결정 모듈(113)은 각 component에 해당하는 이미지를 그래프에 표시할 수 있다. 후보군 결정 모듈(113)은 그래프에서 일정 영역 내에 표시된 이미지들을 그룹핑할 수 있다. 도 5c에서, 이미지 1, 이미지 3 및 이미지 10의 특징 값 분포가 유사하므로, 후보군 결정 모듈(113)은 이미지 1, 이미지 3 및 이미지 10을 그룹 1로 그룹핑할 수 있다. 후보군 결정 모듈(113)은 이미지 2, 이미지 6 및 이미지 12의 특징 값 분포가 유사하므로 이미지 2, 이미지 6 및 이미지 12를 그룹 2로 그룹핑할 수도 있다.
도 6a는 일 실시 예에 따른 회전 값에 기초하여 유사 이미지를 삽입하는 흐름도를 나타낸다. 도 6b는 일 실시 예에 따른 이미지를 회전시켜 다른 이미지 사이에 삽입하는 모습을 나타낸다. 도 6c는 일 실시 예에 따른 이미지를 다른 이미지 사이에 삽입하는 모습을 나타낸다.
도 6a를 참조하면, 동작 601에서 이미지 추가 모듈(122a)은 제1 이미지 및 제2 이미지 간의 회전 값을 획득할 수 있다. 동작 603에서 이미지 추가 모듈(122a)은 제2 이미지 및 제3 이미지 간의 회전 값을 획득할 수 있다. 제1 이미지 내지 제3 이미지는 그룹 내에 포함되는 임의의 이미지 일 수 있다. 회전 값은 각 이미지 간의 회전 정도를 나타내는 수치일 수 있다. 회전 값은 각 이미지에 포함되는 픽셀의 위치를 변경하는 행렬일 수도 있다.
동작 605에서 이미지 추가 모듈(122a)은 제1 이미지 및 제2 이미지 간의 회전 값이 제2 이미지 및 제3 이미지 간의 회전 값 이상이면, 제4 이미지를 제1 이미지 및 제2 이미지 사이에 삽입할 수 있다. 제4 이미지는 제1 이미지 및 제2 이미지와 유사한 이미지로서, 메모리에 저장된 임의의 이미지 중 어느 하나일 수 있다. 제4 이미지는 제1 이미지 내지 제3 이미지 중 어느 하나를 회전한 이미지일 수도 있다.
도 6b를 참조하면, 이미지 추가 모듈(122a)은 각 이미지 사이의 회전 값을 획득할 수 있다. 예를 들어, 이미지(604)는 이미지(602)를 오른쪽으로 90°회전한 이미지이고, 이미지(606)는 이미지(604)를 오른쪽으로 45°회전한 이미지일 수 있다. 따라서, 이미지(604)와 이미지(602) 사이의 회전 값은 이미지(606)와 이미지(604) 사이의 회전 값보다 2배클 수 있다.
회전 값이 획득되면, 이미지 추가 모듈(122a)은 각 이미지 사이의 회전 정도를 비교할 수 있다. 이미지 추가 모듈(122a)은 회전 값의 차이가 상대적으로 크게 발생하는 이미지들 사이에 도 6a에서 설명한 제4 이미지(612)를 삽입할 수 있다. 예를 들어 도 6b에서 이미지(604)는 이미지(602)를 오른쪽으로 90° 회전한 이미지이나, 다른 이미지들(606, 608, 610)은 오른쪽으로 45°회전한 이미지이다. 따라서, 이미지 추가 모듈(122a)은 이미지(602)와 이미지(604) 사이에 제4 이미지(612)를 삽입할 수 있다.
도 6c를 참조하면, 이미지 추가 모듈(122a)은 각 이미지(622, 624, 626) 사이의 회전 정도를 비교할 수 있다. 회전 정도를 비교한 결과, 다른 이미지가 회전한 것보다 더 크게 회전한 이미지가 있으면, 정렬한 이미지 중에서 어느 하나를 그 사이에 삽입할 수 있다. 도 6c에서, 이미지(624)는 이미지(622)를 오른쪽으로 45°회전한 이미지이고, 이미지(626)는 이미지(624)를 왼쪽으로 90°회전한 이미지이다. 따라서, 이미지 추가 모듈(122a)은 이미지(624)와 이미지(626) 사이에 이미지(622)를 삽입할 수 있다. 본 발명의 일 실시 예에 따르면 이미지 사이에 유사 이미지를 삽입함으로써, 이미지들이 부드럽게(연속적으로) 재생되도록 할 수 있다.
이미지 추가 모듈(122a)은 시퀀스 결정 모듈(121)이 시퀀스를 결정한 후에 정렬된 이미지들 사이에 유사 이미지를 삽입할 수 있다. 상술한 실시 예와 달리 이미지 추가 모듈(122a)이 이미지들 사이에 유사 이미지를 삽입한 후에 시퀀스 결정 모듈(121)이 시퀀스를 결정할 수도 있다. 이미지 추가 모듈(122a)과 시퀀스 결정 모듈(121)의 동작 순서는 상술한 실시 예에 한정하지 않으며, 동시에 진행될 수도 있다.
도 7은 일 실시 예에 따른 이미지 내에서 특징점을 포함하는 영역을 추출하는 모습을 나타낸다.
도 7을 참조하면, 그룹 분류 모듈(122b)은 특징 벡터들에 기초하여 그룹을 제1 서브 그룹 및 제2 서브 그룹으로 분류할 수 있다. 그룹 분류 모듈(122b)은 유사도에 기초하여 그룹을 제1 서브 그룹 및 제2 서브 그룹으로 분류할 수도 있다. 서브 그룹들로 분류되면, 그룹 분류 모듈(122b)은 서브 그룹 단위로 이미지를 정렬할 수 있다. 그룹 분류 모듈(122b)은 이미지를 정렬할 때 도 4에서 설명한 유사도를 이용하여 정렬할 수도 있고, 도 6에서 설명한 회전 값을 이용할 수도 있다.
이미지들이 정렬되면 이미지 자르기 모듈(122c)은 서브그룹에 포함되는 복수의 이미지에서 특징점을 포함하는 영역들을 각각 획득할 수 있다. 특징점은 이미지 내에서 특징이 될 수 있는 점일 수 있다. 예를 들어, 이미지가 인물 사진이면 특징점은 눈썹의 처음과 끝, 코 끝, 입의 양쪽 끝이 될 수 있다. 상기 특징점을 포함하는 영역들이 획득되면, 이미지 자르기 모듈(122c)은 상기 특징점을 포함하는 영역들이 공통적으로 겹치는 영역(712, 722)을 추출할 수 있다. 상기 영역(712, 722)이 추출되면, 이미지 자르기 모듈(122c)은 이미지 내에서 상기 영역(712, 722)을 제외한 나머지 영역(714, 724)을 제거할 수 있다. 상기 나머지 영역(714, 724)을 제거하여 이미지의 크기가 실질적으로 동일해지면 영상이 부드럽게 재생될 수 있다. 상기 영역(712, 722)이 추출되면, 연속 이미지 재생 모듈(120)은 상기 영역(712, 722)을 연속적으로 재생할 수 있다.
다른 예시에서, 이미지 자르기 모듈(122c)은 이미지에서 오브젝트(object)를 포함하는 영역을 추출하고 오브젝트를 포함하는 영역을 제외한 나머지 영역을 제거할 수도 있다. 오브젝트를 포함하는 영역을 제외한 나머지 영역이 제거되면, 연속 이미지 재생 모듈(120)은 오브젝트를 포함하는 영역을 연속적으로 재생할 수 있다.
도 8은 일 실시 예에 따른 시퀀스의 끝에 배치된 이미지 다음에 시퀀스의 처음에 배치된 이미지가 출력되는 모습을 나타낸다.
도 8을 참조하면, 루프 안정화 모듈(122d)은 시퀀스의 마지막 이미지인 제2 이미지(810) 다음에 시퀀스의 처음 이미지인 제1 이미지(802)를 디스플레이에 출력하도록 설정될 수 있다. 상기 제1 이미지(802)는 시퀀스의 처음에 배치된 이미지일 수 있고, 제2 이미지(810)는 시퀀스의 끝에 배치된 이미지일 수 있다. 예를 들어, 루프 안정화 모듈(122d)은 이미지들이 연속적으로 재생될 때, 이미지(802), 이미지(804), 이미지(806), 이미지(808) 및 이미지(810)를 출력한 후 다시 이미지(802)가 출력되도록 할 수 있다. 본 발명의 일 실시 예에 따르면, 제2 이미지 다음에 제1 이미지가 출력됨으로써 반복 재생의 효과가 제공될 수 있다.
일 실시 예로, 루프 안정화 모듈(122d)은 특징 벡터에 기초하여 제2 이미지(810)와 제1 이미지(802) 사이에 제3 이미지(812)를 삽입할 수 있다. 루프 안정화 모듈(122d)은 유사도에 기초하여 제2 이미지(810)와 제1 이미지(802) 사이에 제3 이미지(812)를 삽입할 수도 있다. 제3 이미지(812)는 제1 이미지(802) 및 제2 이미지(810)와 유사한 이미지일 수 있다. 제3 이미지(812)는 메모리에 저장된 이미지 중 어느 하나일 수 있다. 제3 이미지(812)는 특징 벡터 또는 유사도에 기초하여 루프 안정화 모듈(122d)이 제1 이미지(802) 또는 제2 이미지(810)를 변형한 이미지 일 수도 있다. 본 발명의 일 실시 예에 따르면, 제2 이미지(810)와 제1 이미지(802) 사이에 제3 이미지(812)를 삽입함으로써 이미지들이 부드럽게 재생될 수 있다.
도 9는 일 실시 예에 따른 시간간격에 기초하여 이미지들을 정렬하는 모습을 나타낸다.
도 9를 참조하면, 딜레이 조정 모듈(122e)은 각 이미지 사이에 시간간격을 두고 이미지들을 출력할 수 있다. 상기 시간간격은 유사도에 기초하여 달라질 수 있다. 예를 들어, 유사도가 높으면 시간간격이 작을 수 있고, 유사도가 낮으면 시간간격이 클 수 있다.
예를 들어, 도 9에서 이미지(902)와 이미지(904)의 유사도가 큰 경우 이미지(902)와 이미지(904) 사이의 시간간격은 40(ms)일 수 있다. 이미지(906)와 이미지(908)의 유사도가 낮은 경우 이미지(906)와 이미지(908) 사이의 시간간격은 250(ms)일 수 있다. 연속 이미지 재생 모듈(120)은 각 이미지들 사이의 시간간격에 기초하여 복수의 이미지들을 재생할 수 있다. 이와 같이 본 발명의 일 실시 예에 따르면, 유사도에 기초하여 이미지들 사이의 시간간격을 조절함으로써, 이미지들이 일정한 또는 자연스러운 속도의 움직임을 보이도록 할 수 있다.
도 9에서는, 시퀀스가 결정되고 시간간격을 획득하는 것으로 도시되었으나, 딜레이 조정모듈(122e)이 시간간격을 획득하고 시퀀스 결정 모듈(121)이 시퀀스를 결정할 수도 있다. 딜레이 조정 모듈(122e)과 시퀀스 결정 모듈(121)의 동작 순서는 상술한 실시 예에 한정하지 않으며, 동시에 진행될 수도 있다.
도 10은 일 실시 예에 따른 컨텐츠 관리 허브(130)에 메타 데이터가 저장되는 모습을 도시한 도면이다.
컨텐츠 관리 허브(130)는 복수의 이미지 각각의 메타 데이터를 저장할 수 있다. 메타 데이터는 복수의 이미지의 속성 정보로서, 예를 들어, 복수의 이미지가 촬영된 일시, 저장된 일시, 초점 거리 등이 포함될 수 있다. 일 실시 예로, 메타 데이터에는 이미지 각각이 포함되는 그룹, 저장 경로, 특징 벡터, ROI(region of interest) 및 AGIF파일이 재생될 때까지의 지연시간 등이 포함될 수 있다. 컨텐츠 관리 허브(130)에 메타 데이터가 저장되면, 연속 이미지 재생 모듈(120)은 메타 데이터만을 이용하여 이미지를 연속적으로 재생할 수 있다.
일 실시 예로, 연속 이미지 재생 모듈(120)은 메타 데이터를 이용하여 시퀀스에 따라 이미지들이 재생되는 파일을 생성할 수 있다. 상기 파일이 생성되면, 컨텐츠 관리 허브(130)는 상기 파일을 저장할 수 있다. 본 발명의 일 실시 예에 따르면, 컨텐츠 관리 허브(130)에 저장된 메타 데이터를 이용하여 이미지를 연속적으로 재생함으로써 메모리의 용량을 줄일 수 있다.
본 발명의 다양한 실시 예에 따른 전자 장치는, 하우징, 상기 하우징의 일부를 통하여 노출된 디스플레이, 상기 하우징의 다른 일부에 배치된 카메라 장치, 상기 하우징 내에 포함된 무선 통신 회로, 상기 하우징 내에 배치되고, 상기 디스플레이, 상기 카메라 장치, 및 상기 무선 통신회로와 전기적으로 연결된 프로세서, 및 상기 하우징 내에 배치되고, 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 메모리는, 상기 카메라 장치 및/또는 상기 무선 통신 회로를 통하여 획득된 복수의 이미지들을 저장하도록 구성되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 복수의 이미지들에 대한 영상 인식을 수행하고, 상기 영상 인식의 결과에 적어도 일부 기초하여, 상기 복수의 이미지들 간의 유사도(similarity)를 계산하고, 상기 계산된 유사도에 적어도 일부 기초하여, 상기 복수의 이미지들 중 둘 이상의 이미지를 포함하는 그룹을 생성하고, 상기 그룹 내에 포함된 둘 이상의 이미지들 간의 유사도에 적어도 일부 기초하여, 디스플레이될 시퀀스를 결정하고, 상기 디스플레이 상에, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 표시하도록 하는 인스트럭션들을 저장할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 시퀀스를 결정한 후, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 포함하는 연속 이미지 파일을 생성하도록 할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 연속 이미지 파일은 AGIF 파일 형식을 포함할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 영상 인식은, 상기 복수의 이미지들로부터 특징 벡터를 추출하는 것을 포함할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 시퀀스를 결정한 후, 상기 시퀀스에 따라 배열된 상기 둘 이상의 이미지들의 적어도 일부를 변경, 상기 시퀀스에 따라 배열된 상기 둘 이상의 이미지들의 적어도 일부를 삭제, 및/또는 상기 둘 이상의 이미지들의 적어도 일부를 이용하여 생성된 신규 이미지를 추가하도록 할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 디스플레이될 시퀀스는, 상기 이미지들의 메타 데이터에 포함된 시간의 순서와 적어도 일부 상이할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 프로세서는, 상기 인스트럭션들의 사진 어플리케이션의 일부를 형성할 수 있다.
본 발명의 다양한 실시 예에 따른 전자 장치는, 하우징, 상기 하우징의 일부를 통하여 노출된 디스플레이, 상기 하우징의 다른 일부에 배치된 카메라 장치, 상기 하우징 내에 포함된 무선 통신 회로, 상기 하우징 내에 배치되고, 상기 디스플레이, 상기 카메라 장치, 및 상기 무선 통신회로와 전기적으로 연결된 프로세서, 및 상기 하우징 내에 배치되고, 상기 프로세서와 전기적으로 연결된 메모리를 포함하고, 상기 메모리는, 상기 카메라 장치 및/또는 상기 무선 통신 회로를 통하여 획득된 복수의 이미지들을 저장하도록 구성되고, 상기 메모리는, 실행 시에, 상기 프로세서가, 상기 복수의 이미지들에 대한 영상 인식을 수행하고, 상기 영상 인식의 결과에 적어도 일부 기초하여, 상기 복수의 이미지들 간의 유사도(similarity)를 계산하고, 상기 계산된 유사도에 적어도 일부 기초하여, 상기 복수의 이미지들 중 둘 이상의 이미지를 포함하는 그룹을 생성하고, 상기 이미지들의 메타 데이터에 포함된 시간의 순서와 적어도 일부 상이하게, 디스플레이될 시퀀스를 결정하고, 상기 디스플레이 상에, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 표시하도록 하는 인스트럭션들을 저장할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 시퀀스를 결정한 후, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 포함하는 연속 이미지 파일을 생성하도록 할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 연속 이미지 파일은 AGIF 파일 형식을 포함할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 영상 인식은, 상기 복수의 이미지들로부터 특징 벡터를 추출하는 것을 포함할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 인스트럭션들은, 상기 프로세서가, 상기 시퀀스를 결정한 후, 상기 시퀀스에 따라 배열된 상기 둘 이상의 이미지들의 적어도 일부를 변경, 상기 시퀀스에 따라 배열된 상기 둘 이상의 이미지들의 적어도 일부를 삭제, 및/또는 상기 둘 이상의 이미지들의 적어도 일부를 이용하여 생성된 신규 이미지를 추가하도록 할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 프로세서는, 상기 인스트럭션들의 사진 어플리케이션의 일부를 형성할 수 있다.
본 발명의 다양한 실시 예에 따른 방법은, 복수의 이미지들에 대한 영상 인식을 수행하는 동작, 상기 영상 인식의 결과에 적어도 일부 기초하여, 상기 복수의 이미지들 간의 유사도(similarity)를 계산하는 동작, 상기 계산된 유사도에 적어도 일부 기초하여, 상기 복수의 이미지들 중 둘 이상의 이미지를 포함하는 그룹을 생성하는 동작, 상기 그룹 내에 포함된 둘 이상의 이미지들 간의 유사도에 적어도 일부 기초하여, 디스플레이될 시퀀스를 결정하는 동작, 및 상기 디스플레이 상에, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 표시하는 동작을 포함할 수 있다.
본 발명의 다양한 실시 예에 따른 방법은, 상기 시퀀스를 결정한 후, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 포함하는 연속 이미지 파일을 생성하는 동작을 더 포함할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 연속 이미지 파일은 AGIF 파일 형식을 포함할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 복수의 이미지들에 대한 영상 인식을 수행하는 동작은, 상기 복수의 이미지들로부터 특징 벡터를 추출하는 동작을 포함할 수 있다.
본 발명의 다양한 실시 예에 따른 방법은, 상기 시퀀스를 결정한 후, 상기 시퀀스에 따라 배열된 상기 둘 이상의 이미지들의 적어도 일부를 변경, 상기 시퀀스에 따라 배열된 상기 둘 이상의 이미지들의 적어도 일부를 삭제, 및/또는 상기 둘 이상의 이미지들의 적어도 일부를 이용하여 생성된 신규 이미지를 추가하도록 하는 동작을 더 포함할 수 있다.
본 발명의 다양한 실시 예에 따르면, 상기 디스플레이될 시퀀스를 결정하는 동작은, 상기 이미지들의 메타 데이터에 포함된 시간의 순서와 적어도 일부 상이하도록 상기 디스플레이될 시퀀스를 결정하는 동작을 포함할 수 있다.
본 발명의 다양한 실시 예에 따른 방법은, 사진 어플리케이션의 일부를 형성하는 동작을 더 포함할 수 있다.
도 11은 다양한 실시 예에 따른 네트워크 환경 내의 전자 장치를 나타낸다.
도 11을 참조하면, 다양한 실시 예에서의 전자 장치(1101), 제1 전자 장치(1102), 제2 전자 장치(1104) 또는 서버(1106)가 네트워크(1162) 또는 근거리 통신(1164)을 통하여 서로 연결될 수 있다. 전자 장치(1101)는 버스(1110), 프로세서(1120), 메모리(1130), 입출력 인터페이스(1150), 디스플레이(1160), 및 통신 인터페이스(1170)를 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(1101)는, 구성요소들 중 적어도 하나를 생략하거나 다른 구성 요소를 추가적으로 구비할 수 있다.
버스(1110)는, 예를 들면, 구성요소들(1110-1170)을 서로 연결하고, 구성요소들 간의 통신(예: 제어 메시지 및/또는 데이터)을 전달하는 회로를 포함할 수 있다.
프로세서(1120)는, 중앙처리장치(Central Processing Unit (CPU)), 어플리케이션 프로세서(Application Processor (AP)), 또는 커뮤니케이션 프로세서(Communication Processor (CP)) 중 하나 또는 그 이상을 포함할 수 있다. 프로세서(1120)는, 예를 들면, 전자 장치(1101)의 적어도 하나의 다른 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다. 일 실시 예로, 도 1에 도시된 소프트 웨어 모듈들을 프로그래밍 가능한 명령어 등이 메모리(1130)에 저장될 수 있다. 프로세서(1120)는 상기 명령어를 호출하여 도 1에 도시된 소프트 웨어 모듈들을 구현(implement)할 수 있다. 일 실시 예로, 도 1에 도시된 소프트 웨어 모듈들은 적어도 하나의 명령어 set을 포함할 수 있고, 메모리(1130)는 상기 명령어 set을 저장할 수 있다. 프로세서(1120)는 상기 명령어 set을 호출하여 상기 소프트 웨어 모듈들을 구현할 수 있다.
메모리(1130)는, 휘발성 및/또는 비휘발성 메모리를 포함할 수 있다. 메모리(1130)는, 예를 들면, 전자 장치(1101)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장할 수 있다. 한 실시 예에 따르면, 메모리(1130)는 소프트웨어 및/또는 프로그램(1140)을 저장할 수 있다. 프로그램(1140)은, 예를 들면, 커널(1141), 미들웨어(1143), 어플리케이션 프로그래밍 인터페이스(Application Programming Interface (API))(1145), 및/또는 어플리케이션 프로그램(또는 "어플리케이션")(1147) 등을 포함할 수 있다. 커널(1141), 미들웨어(1143), 또는 API(1145)의 적어도 일부는, 운영 시스템(Operating System (OS))으로 지칭될 수 있다.
커널(1141)은, 예를 들면, 다른 프로그램들(예: 미들웨어(1143), API(1145), 또는 어플리케이션 프로그램(1147))에 구현된 동작 또는 기능을 실행하는 데 사용되는 시스템 리소스들(예: 버스(1110), 프로세서(1120), 또는 메모리(1130) 등)을 제어 또는 관리할 수 있다. 또한, 커널(1141)은 미들웨어(1143), API(1145), 또는 어플리케이션 프로그램(1147)에서 전자 장치(1101)의 개별 구성요소에 접근함으로써, 시스템 리소스들을 제어 또는 관리할 수 있는 인터페이스를 제공할 수 있다.
미들웨어(1143)는, 예를 들면, API(1145) 또는 어플리케이션 프로그램(1147)이 커널(1141)과 통신하여 데이터를 주고받을 수 있도록 중개 역할을 수행할 수 있다.
또한, 미들웨어(1143)는 어플리케이션 프로그램(1147)으로부터 수신된 하나 이상의 작업 요청들을 우선 순위에 따라 처리할 수 있다. 예를 들면, 미들웨어(1143)는 어플리케이션 프로그램(1147) 중 적어도 하나에 전자 장치(1101)의 시스템 리소스(예: 버스(1110), 프로세서(1120), 또는 메모리(1130) 등)를 사용할 수 있는 우선 순위를 부여할 수 있다. 예컨대, 미들웨어(1143)는 상기 적어도 하나에 부여된 우선 순위에 따라 상기 하나 이상의 작업 요청들을 처리함으로써, 상기 하나 이상의 작업 요청들에 대한 스케쥴링 또는 로드 밸런싱 등을 수행할 수 있다.
API(1145)는, 예를 들면, 어플리케이션(1147)이 커널(1141) 또는 미들웨어(1143)에서 제공되는 기능을 제어하기 위한 인터페이스로, 예를 들면, 파일 제어, 창 제어, 영상 처리, 또는 문자 제어 등을 위한 적어도 하나의 인터페이스 또는 함수(예: 명령어)를 포함할 수 있다.
입출력 인터페이스(1150)는, 예를 들면, 사용자 또는 다른 외부 기기로부터 입력된 명령 또는 데이터를 전자 장치(1101)의 다른 구성요소(들)에 전달할 수 있는 인터페이스의 역할을 할 수 있다. 또한, 입출력 인터페이스(1150)는 전자 장치(1101)의 다른 구성요소(들)로부터 수신된 명령 또는 데이터를 사용자 또는 다른 외부 기기로 출력할 수 있다.
디스플레이(1160)는, 예를 들면, 액정 디스플레이(Liquid Crystal Display (LCD)), 발광 다이오드(Light-Emitting Diode (LED)) 디스플레이, 유기 발광 다이오드(Organic LED (OLED)) 디스플레이, 또는 마이크로 전자기계 시스템(microelectromechanical systems, MEMS) 디스플레이, 또는 전자 종이(electronic paper) 디스플레이를 포함할 수 있다. 디스플레이(1160)는, 예를 들면, 사용자에게 각종 컨텐츠(예: 텍스트, 이미지, 비디오, 아이콘, 또는 심볼 등)을 표시할 수 있다. 디스플레이(1160)는, 터치 스크린을 포함할 수 있으며, 예를 들면, 전자 펜 또는 사용자의 신체의 일부를 이용한 터치, 제스처, 근접, 또는 호버링(hovering) 입력을 수신할 수 있다.
통신 인터페이스(1170)는, 예를 들면, 전자 장치(1101)와 외부 장치(예: 제1 전자 장치(1102), 제2 전자 장치(1104), 또는 서버(1106)) 간의 통신을 설정할 수 있다. 예를 들면, 통신 인터페이스(1170)는 무선 통신 또는 유선 통신을 통해서 네트워크(1162)에 연결되어 외부 장치(예: 제2 전자 장치(1104) 또는 서버(1106))와 통신할 수 있다.
무선 통신은, 예를 들면 셀룰러 통신 프로토콜로서, 예를 들면 LTE(Long-Term Evolution), LTE-A(LTE-Advanced), CDMA(Code Division Multiple Access), WCDMA(Wideband CDMA), UMTS(Universal Mobile Telecommunications System), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 중 적어도 하나를 사용할 수 있다. 또한 무선 통신은, 예를 들면, 근거리 통신(1164)을 포함할 수 있다. 근거리 통신(1164)는, 예를 들면, Wi-Fi(Wireless Fidelity), Bluetooth, NFC(Near Field Communication), MST(magnetic stripe transmission), 또는 GNSS 중 적어도 하나를 포함할 수 있다.
MST는 전자기 신호를 이용하여 전송 데이터에 따라 펄스를 생성하고, 상기 펄스는 자기장 신호를 발생시킬 수 있다. 전자 장치(1101)는 상기 자기장 신호를 POS(point of sales)에 전송하고, POS는 MST 리더(MST reader)를 이용하여 상기 자기장 신호는 검출하고, 검출된 자기장 신호를 전기 신호로 변환함으로써 상기 데이터를 복원할 수 있다.
GNSS는 사용 지역 또는 대역폭 등에 따라, 예를 들면, GPS(Global Positioning System), Glonass(Global Navigation Satellite System), Beidou Navigation Satellite System(이하 "Beidou") 또는 Galileo(the European global satellite-based navigation system) 중 적어도 하나를 포함할 수 있다. 이하, 본 문서에서는, "GPS"는 "GNSS"와 혼용되어 사용(interchangeably used)될 수 있다. 유선 통신은, 예를 들면, USB(universal serial bus), HDMI(high definition multimedia interface), RS-232(recommended standard-232), 또는 POTS(plain old telephone service) 등 중 적어도 하나를 포함할 수 있다. 네트워크(1162)는 통신 네트워크(telecommunications network), 예를 들면, 컴퓨터 네트워크(computer network)(예: LAN 또는 WAN), 인터넷, 또는 전화 망(telephone network) 중 적어도 하나를 포함할 수 있다.
제1 전자 장치(1102) 및 제2 전자 장치(1104) 각각은 전자 장치(1101)와 동일한 또는 다른 종류의 장치일 수 있다. 한 실시 예에 따르면, 서버(1106)는 하나 또는 그 이상의 서버들의 그룹을 포함할 수 있다. 다양한 실시 예에 따르면, 전자 장치(1101)에서 실행되는 동작들의 전부 또는 일부는 다른 하나 또는 복수의 전자 장치(예: 제1 전자 장치(1102), 제2 전자 장치(1104), 또는 서버(1106))에서 실행될 수 있다. 한 실시 예에 따르면, 전자 장치(1101)가 어떤 기능이나 서비스를 자동으로 또는 요청에 의하여 수행해야 할 경우에, 전자 장치(1101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 그와 연관된 적어도 일부 기능을 다른 전자 장치(예: 제1 전자 장치(1102), 제2 전자 장치(1104), 또는 서버(1106))에게 요청할 수 있다. 다른 전자 장치는 요청된 기능 또는 추가 기능을 실행하고, 그 결과를 전자 장치(1101)로 전달할 수 있다. 전자 장치(1101)는 수신된 결과를 그대로 또는 추가적으로 처리하여 요청된 기능이나 서비스를 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다.
도 12는 다양한 실시 예에 따른 전자 장치의 블록도를 나타낸다.
도 12를 참조하면, 전자 장치(1201)는, 예를 들면, 도 11에 도시된 전자 장치(1101)의 전체 또는 일부를 포함할 수 있다. 전자 장치(1201)는 하나 이상의 프로세서(예: AP)(1210), 통신 모듈(1220), 가입자 식별 모듈(1224), 메모리(1230), 센서 모듈(1240), 입력 장치(1250), 디스플레이(1260), 인터페이스(1270), 오디오 모듈(1280), 카메라 모듈(1291), 전력 관리 모듈(1295), 배터리(1296), 인디케이터(1297), 및 모터(1298)를 포함할 수 있다.
프로세서(1210)는, 예를 들면, 운영 체제 또는 응용 프로그램을 구동하여 프로세서(1210)에 연결된 다수의 하드웨어 또는 소프트웨어 구성요소들을 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 프로세서(1210)는, 예를 들면, SoC(system on chip)로 구현될 수 있다. 한 실시 예에 따르면, 프로세서(1210)는 GPU(graphic processing unit) 및/또는 이미지 신호 프로세서(image signal processor)를 더 포함할 수 있다. 프로세서(1210)는 도 12에 도시된 구성요소들 중 적어도 일부(예: 셀룰러 모듈(1221))를 포함할 수도 있다. 프로세서(1210)는 다른 구성요소들(예: 비휘발성 메모리) 중 적어도 하나로부터 수신된 명령 또는 데이터를 휘발성 메모리에 로드(load)하여 처리하고, 다양한 데이터를 비휘발성 메모리에 저장(store)할 수 있다.
통신 모듈(1220)은, 도 11의 통신 인터페이스(1170)와 동일 또는 유사한 구성을 가질 수 있다. 통신 모듈(1220)은, 예를 들면, 셀룰러 모듈(1221), Wi-Fi 모듈(1222), 블루투스 모듈(1223), GNSS 모듈(1224)(예: GPS 모듈, Glonass 모듈, Beidou 모듈, 또는 Galileo 모듈), NFC 모듈(1225), MST 모듈(1226), 및 RF(radio frequency) 모듈(1227)을 포함할 수 있다.
셀룰러 모듈(1221)은, 예를 들면, 통신망을 통해서 음성 통화, 영상 통화, 문자 서비스, 또는 인터넷 서비스 등을 제공할 수 있다. 한 실시 예에 따르면, 셀룰러 모듈(1221)은 가입자 식별 모듈(예: SIM 카드)(1229)를 이용하여 통신 네트워크 내에서 전자 장치(1201)의 구별 및 인증을 수행할 수 있다. 한 실시 예에 따르면, 셀룰러 모듈(1221)은 프로세서(1210)가 제공할 수 있는 기능 중 적어도 일부 기능을 수행할 수 있다. 한 실시 예에 따르면, 셀룰러 모듈(1221)은 커뮤니케이션 프로세서(CP)를 포함할 수 있다.
Wi-Fi 모듈(1222), 블루투스 모듈(1223), GNSS 모듈(1224), NFC 모듈(1225), 또는 MST 모듈(1226) 각각은, 예를 들면, 해당하는 모듈을 통해서 송수신되는 데이터를 처리하기 위한 프로세서를 포함할 수 있다. 어떤 실시 예에 따르면, 셀룰러 모듈(1221), Wi-Fi 모듈(1222), 블루투스 모듈(1223), GNSS 모듈(1224), NFC 모듈(1225), 또는 MST 모듈(1226) 중 적어도 일부(예: 두 개 이상)는 하나의 IC(integrated chip) 또는 IC 패키지 내에 포함될 수 있다.
RF 모듈(1227)은, 예를 들면, 통신 신호(예: RF 신호)를 송수신할 수 있다. RF 모듈(1227)은, 예를 들면, 트랜시버(transceiver), PAM(power amp module), 주파수 필터(frequency filter), LNA(low noise amplifier), 또는 안테나 등을 포함할 수 있다. 다른 실시 예에 따르면, 셀룰러 모듈(1221), Wi-Fi 모듈(1222), 블루투스 모듈(1223), GNSS 모듈(1224), NFC 모듈(1225), MST 모듈(1226) 중 적어도 하나는 별개의 RF 모듈을 통하여 RF 신호를 송수신할 수 있다.
가입자 식별 모듈(1229)은, 예를 들면, 가입자 식별 모듈을 포함하는 카드 및/또는 내장 SIM(embedded SIM)을 포함할 수 있으며, 고유한 식별 정보(예: ICCID (integrated circuit card identifier)) 또는 가입자 정보(예: IMSI (international mobile subscriber identity))를 포함할 수 있다.
메모리(1230)(예: 메모리(1130))는, 예를 들면, 내장 메모리(1232) 또는 외장 메모리(1234)를 포함할 수 있다. 내장 메모리(1232)는, 예를 들면, 휘발성 메모리(예: DRAM(dynamic RAM), SRAM(static RAM), 또는 SDRAM(synchronous dynamic RAM) 등), 비-휘발성(non-volatile) 메모리 (예: OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), 마스크(mask) ROM, 플래시(flash) ROM, 플래시 메모리(예: 낸드플래시(NAND flash) 또는 노아플래시(NOR flash) 등), 하드 드라이브, 또는 SSD(solid state drive) 중 적어도 하나를 포함할 수 있다.
외장 메모리(1234)는 플래시 드라이브(flash drive), 예를 들면, CF(compact flash), SD(secure digital), Micro-SD, Mini-SD, xD(extreme digital), MMC(MultiMediaCard), 또는 메모리 스틱(memory stick) 등을 더 포함할 수 있다. 외장 메모리(1234)는 다양한 인터페이스를 통하여 전자 장치(1201)와 기능적으로 및/또는 물리적으로 연결될 수 있다.
보안 모듈(1236)은 메모리(1230)보다 상대적으로 보안 레벨이 높은 저장 공간을 포함하는 모듈로써, 안전한 데이터 저장 및 보호된 실행 환경을 보장해주는 회로일 수 있다. 보안 모듈(1236)은 별도의 회로로 구현될 수 있으며, 별도의 프로세서를 포함할 수 있다. 보안 모듈(1236)은, 예를 들면, 탈착 가능한 스마트 칩, SD(secure digital) 카드 내에 존재하거나, 또는 전자 장치(1201)의 고정 칩 내에 내장된 내장형 보안 요소(embedded secure element(eSE))를 포함할 수 있다. 또한, 보안 모듈(1236)은 전자 장치(1201)의 운영 체제(OS)와 다른 운영 체제로 구동될 수 있다. 예를 들면, 보안 모듈(1236)은 JCOP(java card open platform) 운영 체제를 기반으로 동작할 수 있다.
센서 모듈(1240)은, 예를 들면, 물리량을 계측하거나 전자 장치(1201)의 작동 상태를 감지하여, 계측 또는 감지된 정보를 전기 신호로 변환할 수 있다. 센서 모듈(1240)은, 예를 들면, 제스처 센서(1240A), 자이로 센서(1240B), 기압 센서(1240C), 마그네틱 센서(1240D), 가속도 센서(1240E), 그립 센서(1240F), 근접 센서(1240G), 컬러 센서(1240H)(예: RGB 센서), 생체 센서(1240I), 온/습도 센서(1240J), 조도 센서(1240K), 또는 UV(ultra violet) 센서(1240M) 중의 적어도 하나를 포함할 수 있다. 추가적으로 또는 대체적으로, 센서 모듈(1240)은, 예를 들면, 후각 센서(E-nose sensor), EMG(electromyography) 센서, EEG(electroencephalogram) 센서, ECG(electrocardiogram) 센서, IR(infrared) 센서, 홍채 센서 및/또는 지문 센서를 포함할 수 있다. 센서 모듈(1240)은 그 안에 속한 적어도 하나 이상의 센서들을 제어하기 위한 제어 회로를 더 포함할 수 있다. 어떤 실시 예에서는, 전자 장치(1201)는 프로세서(1210)의 일부로서 또는 별도로, 센서 모듈(1240)을 제어하도록 구성된 프로세서를 더 포함하여, 프로세서(1210)가 슬립(sleep) 상태에 있는 동안, 센서 모듈(1240)을 제어할 수 있다.
입력 장치(1250)는, 예를 들면, 터치 패널(touch panel)(1252), (디지털) 펜 센서(pen sensor)(1254), 키(key)(1256), 또는 초음파(ultrasonic) 입력 장치(1258)를 포함할 수 있다. 터치 패널(1252)은, 예를 들면, 정전식, 감압식, 적외선 방식, 또는 초음파 방식 중 적어도 하나의 방식을 사용할 수 있다. 또한, 터치 패널(1252)은 제어 회로를 더 포함할 수도 있다. 터치 패널(1252)은 택타일 레이어(tactile layer)를 더 포함하여, 사용자에게 촉각 반응을 제공할 수 있다.
(디지털) 펜 센서(1254)는, 예를 들면, 터치 패널의 일부이거나, 별도의 인식용 시트(sheet)를 포함할 수 있다. 키(1256)는, 예를 들면, 물리적인 버튼, 광학식 키, 또는 키패드를 포함할 수 있다. 초음파 입력 장치(1258)는 마이크(예: 마이크(1288))를 통해, 입력 도구에서 발생된 초음파를 감지하여, 상기 감지된 초음파에 대응하는 데이터를 확인할 수 있다.
디스플레이(1260)(예: 디스플레이(1160))는 패널(1262), 홀로그램 장치(1264), 또는 프로젝터(1266)을 포함할 수 있다. 패널(1262)은, 도 11의 디스플레이(1160)과 동일 또는 유사한 구성을 포함할 수 있다. 패널(1262)은, 예를 들면, 유연하게(flexible), 투명하게(transparent), 또는 착용할 수 있게(wearable) 구현될 수 있다. 패널(1262)은 터치 패널(1252)과 하나의 모듈로 구성될 수도 있다. 홀로그램 장치(1264)는 빛의 간섭을 이용하여 입체 영상을 허공에 보여줄 수 있다. 프로젝터(1266)는 스크린에 빛을 투사하여 영상을 표시할 수 있다. 스크린은, 예를 들면, 전자 장치(1201)의 내부 또는 외부에 위치할 수 있다. 한 실시 예에 따르면, 디스플레이(1260)는 패널(1262), 홀로그램 장치(1264), 또는 프로젝터(1266)를 제어하기 위한 제어 회로를 더 포함할 수 있다.
인터페이스(1270)는, 예를 들면, HDMI(1272), USB(1274), 광 인터페이스(optical interface)(1276), 또는 D-sub(D-subminiature)(1278)을 포함할 수 있다. 인터페이스(1270)는, 예를 들면, 도 11에 도시된 통신 인터페이스(1170)에 포함될 수 있다. 추가적으로 또는 대체적으로, 인터페이스(1270)는, 예를 들면, MHL(mobile high-definition link) 인터페이스, SD 카드/MMC 인터페이스, 또는 IrDA(infrared data association) 규격 인터페이스를 포함할 수 있다.
오디오 모듈(1280)은, 예를 들면, 소리(sound)와 전기 신호를 쌍방향으로 변환시킬 수 있다. 오디오 모듈(1280)의 적어도 일부 구성요소는, 예를 들면, 도 11에 도시된 입출력 인터페이스(1150)에 포함될 수 있다. 오디오 모듈(1280)은, 예를 들면, 스피커(1282), 리시버(1284), 이어폰(1286), 또는 마이크(1288) 등을 통해 입력 또는 출력되는 소리 정보를 처리할 수 있다.
카메라 모듈(1291)은, 예를 들면, 정지 영상 및 동영상을 촬영할 수 있는 장치로서, 한 실시 예에 따르면, 하나 이상의 이미지 센서(예: 전면 센서 또는 후면 센서), 렌즈, ISP(image signal processor), 또는 플래시(flash)(예: LED 또는 제논 램프(xenon lamp))를 포함할 수 있다.
전력 관리 모듈(1295)은, 예를 들면, 전자 장치(1201)의 전력을 관리할 수 있다. 한 실시 예에 따르면, 전력 관리 모듈(1295)은 PMIC(power management integrated circuit), 충전 IC(charger integrated circuit), 또는 배터리 또는 연료 게이지(battery or fuel gauge)를 포함할 수 있다. PMIC는, 유선 및/또는 무선 충전 방식을 가질 수 있다. 무선 충전 방식은, 예를 들면, 자기공명 방식, 자기유도 방식 또는 전자기파 방식 등을 포함하며, 무선 충전을 위한 부가적인 회로, 예를 들면, 코일 루프, 공진 회로, 또는 정류기 등을 더 포함할 수 있다. 배터리 게이지는, 예를 들면, 배터리(1296)의 잔량, 충전 중 전압, 전류, 또는 온도를 측정할 수 있다. 배터리(1296)은, 예를 들면, 충전식 전지(rechargeable battery) 및/또는 태양 전지(solar battery)를 포함할 수 있다.
인디케이터(1297)는 전자 장치(1201) 혹은 그 일부(예: 프로세서(1210))의 특정 상태, 예를 들면, 부팅 상태, 메시지 상태 또는 충전 상태 등을 표시할 수 있다. 모터(1298)는 전기적 신호를 기계적 진동으로 변환할 수 있고, 진동(vibration), 또는 햅틱(haptic) 효과 등을 발생시킬 수 있다. 도시되지는 않았으나, 전자 장치(1201)는 모바일 TV 지원을 위한 처리 장치(예: GPU)를 포함할 수 있다. 모바일 TV 지원을 위한 처리 장치는, 예를 들면, DMB(Digital Multimedia Broadcasting), DVB(Digital Video Broadcasting), 또는 미디어플로(MediaFLOTM) 등의 규격에 따른 미디어 데이터를 처리할 수 있다.
본 문서에서 기술된 구성요소들 각각은 하나 또는 그 이상의 부품(component)으로 구성될 수 있으며, 해당 구성 요소의 명칭은 전자 장치의 종류에 따라서 달라질 수 있다. 다양한 실시 예에서, 전자 장치는 본 문서에서 기술된 구성요소 중 적어도 하나를 포함하여 구성될 수 있으며, 일부 구성요소가 생략되거나 또는 추가적인 다른 구성요소를 더 포함할 수 있다. 또한, 다양한 실시 예에 따른 전자 장치의 구성 요소들 중 일부가 결합되어 하나의 개체(entity)로 구성됨으로써, 결합되기 이전의 해당 구성 요소들의 기능을 동일하게 수행할 수 있다.
도 13은 다양한 실시 예에 따른 프로그램 모듈의 블록도를 나타낸다.
한 실시 예에 따르면, 프로그램 모듈(1310)(예: 프로그램(1140))은 전자 장치(예: 전자 장치(1101))에 관련된 자원을 제어하는 운영 체제(OS) 및/또는 운영 체제 상에서 구동되는 다양한 어플리케이션(예: 어플리케이션 프로그램(1147))을 포함할 수 있다. 운영 체제는, 예를 들면, Android, iOS, Windows, Symbian, 또는 Tizen 등이 될 수 있다.
프로그램 모듈(1310)은 커널(1320), 미들웨어(1330), API(1360), 및/또는 어플리케이션(1370)을 포함할 수 있다. 프로그램 모듈(1310)의 적어도 일부는 전자 장치 상에 프리로드(preload) 되거나, 외부 전자 장치(예: 제1 전자 장치(1102), 제2 전자 장치(1104), 서버(1106) 등)로부터 다운로드 가능하다.
커널(1320)(예: 커널(1141))은, 예를 들면, 시스템 리소스 매니저(1321) 또는 디바이스 드라이버(1323)를 포함할 수 있다. 시스템 리소스 매니저(1321)는 시스템 리소스의 제어, 할당, 또는 회수 등을 수행할 수 있다. 한 실시 예에 따르면, 시스템 리소스 매니저(1321)는 프로세스 관리부, 메모리 관리부, 또는 파일 시스템 관리부 등을 포함할 수 있다. 디바이스 드라이버(1323)는, 예를 들면, 디스플레이 드라이버, 카메라 드라이버, 블루투스 드라이버, 공유 메모리 드라이버, USB 드라이버, 키패드 드라이버, Wi-Fi 드라이버, 오디오 드라이버, 또는 IPC(inter-process communication) 드라이버를 포함할 수 있다.
미들웨어(1330)는, 예를 들면, 어플리케이션(1370)이 공통적으로 필요로 하는 기능을 제공하거나, 어플리케이션(1370)이 전자 장치 내부의 제한된 시스템 자원을 효율적으로 사용할 수 있도록 API(1360)을 통해 다양한 기능들을 어플리케이션(1370)으로 제공할 수 있다. 한 실시 예에 따르면, 미들웨어(1330)(예: 미들웨어(1143))은 런타임 라이브러리(1335), 어플리케이션 매니저(application manager)(1341), 윈도우 매니저(window manager)(1342), 멀티미디어 매니저(multimedia manager)(1343), 리소스 매니저(resource manager)(1344), 파워 매니저(power manager)(1345), 데이터베이스 매니저(database manager)(1346), 패키지 매니저(package manager)(1347), 연결 매니저(connectivity manager)(1348), 통지 매니저(notification manager)(1349), 위치 매니저(location manager)(1350), 그래픽 매니저(graphic manager)(1351), 보안 매니저(security manager)(1352), 또는 결제 매니저(1354) 중 적어도 하나를 포함할 수 있다.
런타임 라이브러리(1335)는, 예를 들면, 어플리케이션(1370)이 실행되는 동안에 프로그래밍 언어를 통해 새로운 기능을 추가하기 위해 컴파일러가 사용하는 라이브러리 모듈을 포함할 수 있다. 런타임 라이브러리(1335)는 입출력 관리, 메모리 관리, 또는 산술 함수에 대한 기능 등을 수행할 수 있다.
어플리케이션 매니저(1341)는, 예를 들면, 어플리케이션(1370) 중 적어도 하나의 어플리케이션의 생명 주기(life cycle)를 관리할 수 있다. 윈도우 매니저(1342)는 화면에서 사용하는 GUI 자원을 관리할 수 있다. 멀티미디어 매니저(1343)는 다양한 미디어 파일들의 재생에 필요한 포맷을 파악하고, 해당 포맷에 맞는 코덱(codec)을 이용하여 미디어 파일의 인코딩(encoding) 또는 디코딩(decoding)을 수행할 수 있다. 리소스 매니저(1344)는 어플리케이션(1370) 중 적어도 어느 하나의 어플리케이션의 소스 코드, 메모리 또는 저장 공간 등의 자원을 관리할 수 있다.
파워 매니저(1345)는, 예를 들면, 바이오스(BIOS: basic input/output system) 등과 함께 동작하여 배터리 또는 전원을 관리하고, 전자 장치의 동작에 필요한 전력 정보 등을 제공할 수 있다. 데이터베이스 매니저(1346)은 어플리케이션(1370) 중 적어도 하나의 어플리케이션에서 사용할 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(1347)은 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 업데이트를 관리할 수 있다.
연결 매니저(1348)은, 예를 들면, Wi-Fi 또는 블루투스 등의 무선 연결을 관리할 수 있다. 통지 매니저(1349)는 도착 메시지, 약속, 근접성 알림 등의 사건(event)을 사용자에게 방해되지 않는 방식으로 표시 또는 통지할 수 있다. 위치 매니저(1350)은 전자 장치의 위치 정보를 관리할 수 있다. 그래픽 매니저(1351)은 사용자에게 제공될 그래픽 효과 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다. 보안 매니저(1352)는 시스템 보안 또는 사용자 인증 등에 필요한 제반 보안 기능을 제공할 수 있다. 한 실시 예에 따르면, 전자 장치(예: 전자 장치(1101))가 전화 기능을 포함한 경우, 미들웨어(1330)는 전자 장치의 음성 또는 영상 통화 기능을 관리하기 위한 통화 매니저(telephony manager)를 더 포함할 수 있다.
미들웨어(1330)는 전술한 구성요소들의 다양한 기능의 조합을 형성하는 미들웨어 모듈을 포함할 수 있다. 미들웨어(1330)는 차별화된 기능을 제공하기 위해 운영 체제의 종류 별로 특화된 모듈을 제공할 수 있다. 또한, 미들웨어(1330)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다.
API(1360)(예: API(1145))은, 예를 들면, API 프로그래밍 함수들의 집합으로, 운영 체제에 따라 다른 구성으로 제공될 수 있다. 예를 들면, Android 또는 iOS의 경우, 플랫폼 별로 하나의 API 셋을 제공할 수 있으며, 타이젠(Tizen)의 경우, 플랫폼 별로 두 개 이상의 API 셋을 제공할 수 있다.
어플리케이션(1370)(예: 어플리케이션 프로그램(1147))은, 예를 들면, 홈(1371), 다이얼러(1372), SMS/MMS(1373), IM(instant message)(1374), 브라우저(1375), 카메라(1376), 알람(1377), 컨택트(1378), 음성 다이얼(1379), 이메일(1380), 달력(1381), 미디어 플레이어(1382), 앨범(1383), 또는 시계(1384), 건강 관리(health care)(예: 운동량 또는 혈당 등을 측정), 또는 환경 정보 제공(예: 기압, 습도, 또는 온도 정보 등을 제공) 등의 기능을 수행할 수 있는 하나 이상의 어플리케이션을 포함할 수 있다.
한 실시 예에 따르면, 어플리케이션(1370)은 전자 장치(예: 전자 장치(1101))와 외부 전자 장치(예: 제1 전자 장치(1102), 제2 전자 장치(1104)) 사이의 정보 교환을 지원하는 어플리케이션(이하, 설명의 편의상, "정보 교환 어플리케이션")을 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치에 특정 정보를 전달하기 위한 알림 전달(notification relay) 어플리케이션, 또는 외부 전자 장치를 관리하기 위한 장치 관리(device management) 어플리케이션을 포함할 수 있다.
예를 들면, 알림 전달 어플리케이션은 전자 장치의 다른 어플리케이션(예: SMS/MMS 어플리케이션, 이메일 어플리케이션, 건강 관리 어플리케이션, 또는 환경 정보 어플리케이션 등)에서 발생된 알림 정보를 외부 전자 장치로 전달하는 기능을 포함할 수 있다. 또한, 알림 전달 어플리케이션은, 예를 들면, 외부 전자 장치로부터 알림 정보를 수신하여 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치와 통신하는 외부 전자 장치의 적어도 하나의 기능(예: 외부 전자 장치 자체(또는 일부 구성 부품)의 턴-온/턴-오프 또는 디스플레이의 밝기(또는 해상도) 조절), 외부 전자 장치에서 동작하는 어플리케이션 또는 외부 전자 장치에서 제공되는 서비스(예: 통화 서비스 또는 메시지 서비스 등)를 관리(예: 설치, 삭제, 또는 업데이트)할 수 있다.
한 실시 예에 따르면, 어플리케이션(1370)은 외부 전자 장치의 속성에 따라 지정된 어플리케이션(예: 모바일 의료 기기의 건강 관리 어플리케이션)을 포함할 수 있다. 한 실시 예에 따르면, 어플리케이션(1370)은 외부 전자 장치(예: 제1 전자 장치(1102), 제2 전자 장치(1104)), 및 서버(1106)) 로부터 수신된 어플리케이션을 포함할 수 있다. 한 실시 예에 따르면, 어플리케이션(1370)은 프리로드 어플리케이션(preloaded application) 또는 서버로부터 다운로드 가능한 제3자 어플리케이션(third party application)을 포함할 수 있다. 도시된 실시 예에 따른 프로그램 모듈(1310)의 구성요소들의 명칭은 운영 체제의 종류에 따라서 달라질 수 있다.
다양한 실시 예에 따르면, 프로그램 모듈(1310)의 적어도 일부는 소프트웨어, 펌웨어, 하드웨어, 또는 이들 중 적어도 둘 이상의 조합으로 구현될 수 있다. 프로그램 모듈(1310)의 적어도 일부는, 예를 들면, 프로세서(예: 프로세서(1210))에 의해 구현(implement)(예: 실행)될 수 있다. 프로그램 모듈(1310)의 적어도 일부는 하나 이상의 기능을 수행하기 위한, 예를 들면, 모듈, 프로그램, 루틴, 명령어 세트(sets of instructions) 또는 프로세스 등을 포함할 수 있다.
본 문서에서 사용된 용어 "모듈"은, 예를 들면, 하드웨어, 소프트웨어 또는 펌웨어(firmware) 중 하나 또는 둘 이상의 조합을 포함하는 단위(unit)를 의미할 수 있다. "모듈"은, 예를 들면, 유닛(unit), 로직(logic), 논리 블록(logical block), 부품(component), 또는 회로(circuit) 등의 용어와 바꾸어 사용(interchangeably use)될 수 있다. "모듈"은, 일체로 구성된 부품의 최소 단위 또는 그 일부가 될 수 있다. "모듈"은 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수도 있다. "모듈"은 기계적으로 또는 전자적으로 구현될 수 있다. 예를 들면, "모듈"은, 알려졌거나 앞으로 개발될, 어떤 동작들을 수행하는 ASIC(application-specific integrated circuit) 칩, FPGAs(field-programmable gate arrays) 또는 프로그램 가능 논리 장치(programmable-logic device) 중 적어도 하나를 포함할 수 있다.
다양한 실시 예에 따른 장치(예: 모듈들 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는, 예컨대, 프로그램 모듈의 형태로 컴퓨터로 읽을 수 있는 저장매체(computer-readable storage media)에 저장된 명령어로 구현될 수 있다. 상기 명령어가 프로세서(예: 프로세서(920))에 의해 실행될 경우, 상기 하나 이상의 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다. 컴퓨터로 읽을 수 있는 저장매체는, 예를 들면, 메모리(1130)이 될 수 있다.
컴퓨터로 판독 가능한 기록 매체는, 하드디스크, 플로피디스크, 마그네틱 매체(magnetic media)(예: 자기테이프), 광기록 매체(optical media)(예: CD-ROM, DVD(Digital Versatile Disc), 자기-광 매체(magneto-optical media)(예: 플롭티컬 디스크(floptical disk)), 하드웨어 장치(예: ROM, RAM, 또는 플래시 메모리 등) 등을 포함할 수 있다. 또한, 프로그램 명령에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 다양한 실시 예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지다.
다양한 실시 예에 따른 모듈 또는 프로그램 모듈은 전술한 구성요소들 중 적어도 하나 이상을 포함하거나, 일부가 생략되거나, 또는 추가적인 다른 구성요소를 더 포함할 수 있다. 다양한 실시 예에 따른 모듈, 프로그램 모듈 또는 다른 구성요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱(heuristic)한 방법으로 실행될 수 있다. 또한, 일부 동작은 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
그리고 본 문서에 개시된 실시 예는 개시된, 기술 내용의 설명 및 이해를 위해 제시된 것이며, 본 발명의 범위를 한정하는 것은 아니다. 따라서, 본 문서의 범위는, 본 발명의 기술적 사상에 근거한 모든 변경 또는 다양한 다른 실시 예를 포함하는 것으로 해석되어야 한다.

Claims (20)

  1. 전자 장치에 있어서,
    하우징;
    상기 하우징의 일부를 통하여 노출된 디스플레이;
    상기 하우징의 다른 일부에 배치된 카메라 장치;
    상기 하우징 내에 포함된 무선 통신 회로;
    상기 하우징 내에 배치되고, 상기 디스플레이, 상기 카메라 장치, 및 상기 무선 통신회로와 전기적으로 연결된 프로세서; 및
    상기 하우징 내에 배치되고, 상기 프로세서와 전기적으로 연결된 메모리를 포함하고,
    상기 메모리는, 상기 카메라 장치 및/또는 상기 무선 통신 회로를 통하여 획득된 복수의 이미지들을 저장하도록 구성되고,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 복수의 이미지들에 대한 영상 인식을 수행하고,
    상기 영상 인식의 결과에 적어도 일부 기초하여, 상기 복수의 이미지 들 간의 유사도(similarity)를 계산하고,
    상기 계산된 유사도에 적어도 일부 기초하여, 상기 복수의 이미지들 중 둘 이상의 이미지를 포함하는 그룹을 생성하고,
    상기 그룹 내에 포함된 둘 이상의 이미지들 간의 유사도에 적어도 일 부 기초하여, 디스플레이될 시퀀스를 결정하고,
    상기 디스플레이 상에, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들 을 표시하도록 하는 인스트럭션들을 저장하는 것을 특징으로 하는 장치.
  2. 제 1 항에 있어서, 상기 인스트럭션들은, 상기 프로세서가,
    상기 시퀀스를 결정한 후, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 포함하는 연속 이미지 파일을 생성하도록 하는 것을 특징으로 하는 장치.
  3. 제 2 항에 있어서, 상기 연속 이미지 파일은 AGIF 파일 형식을 포함하는 것을 특징으로 하는 장치.
  4. 제 1 항에 있어서, 상기 영상 인식은, 상기 복수의 이미지들로부터 특징 벡터를 추출하는 것을 포함하는 것을 특징으로 하는 장치.
  5. 제 1 항에 있어서, 상기 인스트럭션들은, 상기 프로세서가,
    상기 시퀀스를 결정한 후,
    상기 시퀀스에 따라 배열된 상기 둘 이상의 이미지들의 적어도 일부를 변경,
    상기 시퀀스에 따라 배열된 상기 둘 이상의 이미지들의 적어도 일부를 삭제, 및/또는
    상기 둘 이상의 이미지들의 적어도 일부를 이용하여 생성된 신규 이미지를 추가하도록 하는 것을 특징으로 하는 장치.
  6. 제 1 항에 있어서, 상기 디스플레이될 시퀀스는, 상기 이미지들의 메타 데이터에 포함된 시간의 순서와 적어도 일부 상이한 것을 특징으로 하는 장치.
  7. 제 1 항에 있어서, 상기 프로세서는, 상기 인스트럭션들의 사진 어플리케이션의 일부를 형성하는 것을 특징으로 하는 장치.
  8. 전자 장치에 있어서,
    하우징;
    상기 하우징의 일부를 통하여 노출된 디스플레이;
    상기 하우징의 다른 일부에 배치된 카메라 장치;
    상기 하우징 내에 포함된 무선 통신 회로;
    상기 하우징 내에 배치되고, 상기 디스플레이, 상기 카메라 장치, 및 상기 무선 통신회로와 전기적으로 연결된 프로세서; 및
    상기 하우징 내에 배치되고, 상기 프로세서와 전기적으로 연결된 메모리를 포함하고,
    상기 메모리는, 상기 카메라 장치 및/또는 상기 무선 통신 회로를 통하여 획득된 복수의 이미지들을 저장하도록 구성되고,
    상기 메모리는, 실행 시에, 상기 프로세서가,
    상기 복수의 이미지들에 대한 영상 인식을 수행하고,
    상기 영상 인식의 결과에 적어도 일부 기초하여, 상기 복수의 이미지 들 간의 유사도(similarity)를 계산하고,
    상기 계산된 유사도에 적어도 일부 기초하여, 상기 복수의 이미지들 중 둘 이상의 이미지를 포함하는 그룹을 생성하고,
    상기 이미지들의 메타 데이터에 포함된 시간의 순서와 적어도 일부 상 이하게, 디스플레이될 시퀀스를 결정하고,
    상기 디스플레이 상에, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들 을 표시하도록 하는 인스트럭션들을 저장하는 것을 특징으로 하는 장치.
  9. 제 8 항에 있어서, 상기 인스트럭션들은, 상기 프로세서가,
    상기 시퀀스를 결정한 후, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 포함하는 연속 이미지 파일을 생성하도록 하는 것을 특징으로 하는 장치.
  10. 제 9 항에 있어서, 상기 연속 이미지 파일은 AGIF 파일 형식을 포함하는 것을 특징으로 하는 장치.
  11. 제 8 항에 있어서, 상기 영상 인식은, 상기 복수의 이미지들로부터 특징 벡터를 추출하는 것을 포함하는 것을 특징으로 하는 장치.
  12. 제 8 항에 있어서, 상기 인스트럭션들은, 상기 프로세서가,
    상기 시퀀스를 결정한 후,
    상기 시퀀스에 따라 배열된 상기 둘 이상의 이미지들의 적어도 일부를 변경,
    상기 시퀀스에 따라 배열된 상기 둘 이상의 이미지들의 적어도 일부를 삭제, 및/또는
    상기 둘 이상의 이미지들의 적어도 일부를 이용하여 생성된 신규 이미지를 추가하도록 하는 것을 특징으로 하는 장치.
  13. 제 8 항에 있어서, 상기 프로세서는, 상기 인스트럭션들의 사진 어플리케이션의 일부를 형성하는 것을 특징으로 하는 장치.
  14. 복수의 이미지들에 대한 영상 인식을 수행하는 동작;
    상기 영상 인식의 결과에 적어도 일부 기초하여, 상기 복수의 이미지들 간의 유사도(similarity)를 계산하는 동작;
    상기 계산된 유사도에 적어도 일부 기초하여, 상기 복수의 이미지들 중 둘 이상의 이미지를 포함하는 그룹을 생성하는 동작;
    상기 그룹 내에 포함된 둘 이상의 이미지들 간의 유사도에 적어도 일부 기초하여, 디스플레이될 시퀀스를 결정하는 동작; 및
    상기 디스플레이 상에, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 표시하는 동작을 포함하는, 방법.
  15. 제 14 항에 있어서, 상기 시퀀스를 결정한 후, 상기 시퀀스에 따라, 상기 둘 이상의 이미지들을 포함하는 연속 이미지 파일을 생성하는 동작을 더 포함하는, 방법.
  16. 제 15 항에 있어서, 상기 연속 이미지 파일은 AGIF 파일 형식을 포함하는, 방법.
  17. 제 14 항에 있어서, 상기 복수의 이미지들에 대한 영상 인식을 수행하는 동작은,
    상기 복수의 이미지들로부터 특징 벡터를 추출하는 동작을 포함하는, 방법.
  18. 제 14 항에 있어서,
    상기 시퀀스를 결정한 후,
    상기 시퀀스에 따라 배열된 상기 둘 이상의 이미지들의 적어도 일부를 변경,
    상기 시퀀스에 따라 배열된 상기 둘 이상의 이미지들의 적어도 일부를 삭제, 및/또는
    상기 둘 이상의 이미지들의 적어도 일부를 이용하여 생성된 신규 이미지를 추가하도록 하는 동작을 더 포함하는, 방법.
  19. 제 14 항에 있어서, 상기 디스플레이될 시퀀스를 결정하는 동작은,
    상기 이미지들의 메타 데이터에 포함된 시간의 순서와 적어도 일부 상이하도록 상기 디스플레이될 시퀀스를 결정하는 동작을 포함하는, 방법.
  20. 제 14 항에 있어서, 사진 어플리케이션의 일부를 형성하는 동작을 더 포함하는, 방법.
KR1020160097366A 2016-07-29 2016-07-29 이미지의 유사도에 기초하여 이미지들을 연속적으로 표시하는 방법 및 장치 KR20180013523A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020160097366A KR20180013523A (ko) 2016-07-29 2016-07-29 이미지의 유사도에 기초하여 이미지들을 연속적으로 표시하는 방법 및 장치
US16/320,553 US10909420B2 (en) 2016-07-29 2017-07-07 Method and apparatus for continuously displaying images on basis of similarity of images
EP17834666.4A EP3480790B1 (en) 2016-07-29 2017-07-07 Method and apparatus for continuously displaying images on basis of similarity of images
PCT/KR2017/007333 WO2018021723A1 (ko) 2016-07-29 2017-07-07 이미지의 유사도에 기초하여 이미지들을 연속적으로 표시하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160097366A KR20180013523A (ko) 2016-07-29 2016-07-29 이미지의 유사도에 기초하여 이미지들을 연속적으로 표시하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20180013523A true KR20180013523A (ko) 2018-02-07

Family

ID=61017304

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160097366A KR20180013523A (ko) 2016-07-29 2016-07-29 이미지의 유사도에 기초하여 이미지들을 연속적으로 표시하는 방법 및 장치

Country Status (4)

Country Link
US (1) US10909420B2 (ko)
EP (1) EP3480790B1 (ko)
KR (1) KR20180013523A (ko)
WO (1) WO2018021723A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113465251A (zh) * 2020-05-28 2021-10-01 海信集团有限公司 智能冰箱及食材识别方法
KR20220002064A (ko) * 2020-06-30 2022-01-06 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 이미지를 처리하는 방법, 장치, 기기, 저장 매체 및 프로그램
WO2022158932A1 (ko) * 2021-01-22 2022-07-28 삼성전자 주식회사 개인화된 미디어 컨텐츠를 제공하는 방법 및 이를 이용한 전자 장치

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508084B (zh) * 2020-12-04 2022-05-03 宁波智能装备研究院有限公司 复杂工业环境下基于模糊相似性度量的机器视觉检测方法
US11488371B2 (en) * 2020-12-17 2022-11-01 Concat Systems, Inc. Machine learning artificial intelligence system for producing 360 virtual representation of an object

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5778108A (en) * 1996-06-07 1998-07-07 Electronic Data Systems Corporation Method and system for detecting transitional markers such as uniform fields in a video signal
US7796779B1 (en) * 2006-08-24 2010-09-14 SugarSync, Inc. Efficient synchronization of changes to images
US8837910B2 (en) * 2006-10-10 2014-09-16 Nikon Corporation Image processing program, image processing device and image processing method
KR20080089722A (ko) * 2007-04-02 2008-10-08 엘지전자 주식회사 영상데이터 처리기능을 갖는 이동통신단말기 및 그영상데이터 처리방법
KR20110043612A (ko) * 2008-06-24 2011-04-27 코닌클리케 필립스 일렉트로닉스 엔.브이. 이미지 처리
KR101658999B1 (ko) * 2009-06-05 2016-09-23 엘지전자 주식회사 신호 처리 장치 및 그 방법
US8135222B2 (en) * 2009-08-20 2012-03-13 Xerox Corporation Generation of video content from image sets
US8818175B2 (en) * 2010-03-08 2014-08-26 Vumanity Media, Inc. Generation of composited video programming
US8839110B2 (en) * 2011-02-16 2014-09-16 Apple Inc. Rate conform operation for a media-editing application
WO2013152439A1 (en) * 2012-04-13 2013-10-17 In Situ Media Corporation Method and system for inserting and/or manipulating dynamic content for digital media post production
US8957915B1 (en) 2012-06-14 2015-02-17 Cinemagram Inc. Method, apparatus and system for dynamic images
US20140153900A1 (en) 2012-12-05 2014-06-05 Samsung Electronics Co., Ltd. Video processing apparatus and method
KR102057937B1 (ko) 2012-12-06 2019-12-23 삼성전자주식회사 디스플레이 장치 및 그 이미지 표시 방법
US10170157B2 (en) * 2015-06-07 2019-01-01 Apple Inc. Method and apparatus for finding and using video portions that are relevant to adjacent still images
KR20170010485A (ko) * 2015-07-20 2017-02-01 엘지전자 주식회사 단말 장치 및 단말 장치의 제어 방법
US9743042B1 (en) * 2016-02-19 2017-08-22 Microsoft Technology Licensing, Llc Communication event
US10438630B2 (en) * 2017-02-10 2019-10-08 Canon Kabushiki Kaisha Display control apparatus that performs time-line display, method of controlling the same, and storage medium
JP7337526B2 (ja) * 2019-03-26 2023-09-04 キヤノン株式会社 画像処理装置、撮像装置、画像処理方法、およびプログラム

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113465251A (zh) * 2020-05-28 2021-10-01 海信集团有限公司 智能冰箱及食材识别方法
KR20220002064A (ko) * 2020-06-30 2022-01-06 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 이미지를 처리하는 방법, 장치, 기기, 저장 매체 및 프로그램
WO2022158932A1 (ko) * 2021-01-22 2022-07-28 삼성전자 주식회사 개인화된 미디어 컨텐츠를 제공하는 방법 및 이를 이용한 전자 장치
US11829408B2 (en) 2021-01-22 2023-11-28 Samsung Electronics Co., Ltd Method and electronic device for providing personalized media content

Also Published As

Publication number Publication date
US10909420B2 (en) 2021-02-02
WO2018021723A1 (ko) 2018-02-01
EP3480790B1 (en) 2023-06-07
EP3480790A1 (en) 2019-05-08
EP3480790A4 (en) 2019-07-03
US20190251394A1 (en) 2019-08-15

Similar Documents

Publication Publication Date Title
CN107665485B (zh) 用于显示图形对象的电子装置和计算机可读记录介质
CN110083730B (zh) 使用语音标签管理图像的方法和装置
KR102399049B1 (ko) 전자 장치 및 전자 장치의 이미지 처리 방법
US10917552B2 (en) Photographing method using external electronic device and electronic device supporting the same
KR20180003235A (ko) 전자 장치 및 전자 장치의 이미지 촬영 방법
KR20170019823A (ko) 이미지 처리 방법 및 이를 지원하는 전자장치
KR20170136920A (ko) 화면 출력 방법 및 이를 지원하는 전자 장치
KR20160103398A (ko) 이미지의 품질 측정 방법 및 장치
US20180181275A1 (en) Electronic device and photographing method
US10909420B2 (en) Method and apparatus for continuously displaying images on basis of similarity of images
KR20170097884A (ko) 이미지를 처리하기 위한 방법 및 그 전자 장치
US10504560B2 (en) Electronic device and operation method thereof
KR20170019827A (ko) 이미지 처리 방법 및 이를 지원하는 전자장치
KR20170077730A (ko) 컨텐트 인식 장치 및 그 동작 방법
KR20160114434A (ko) 전자 장치 및 전자 장치의 이미지 촬영 방법
KR20170019136A (ko) 전자 장치 및 전자 장치의 이미지 인코딩 방법
KR20170019595A (ko) 영상을 제공하는 방법 및 이를 지원하는 전자 장치
KR102457247B1 (ko) 이미지를 처리하는 전자 장치 및 그 제어 방법
EP3446240B1 (en) Electronic device and method for outputting thumbnail corresponding to user input
US10623630B2 (en) Method of applying a specified effect to an area of an image and electronic device supporting the same
KR20170040963A (ko) 전자 장치의 영상 처리 방법 및 그 전자 장치
KR20170069696A (ko) 전자 장치 및 전자 장치의 디스플레이 방법
KR20170057651A (ko) 전자 장치 및 전자 장치의 핸드오프 기능 제공 방법
KR20170044469A (ko) 실행 화면 레코딩 방법 및 그 방법을 처리하는 전자 장치
KR20160103444A (ko) 이미지 처리 방법과 이를 지원하는 전자 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal