KR20190098109A - 홈 모니터링 시스템 - Google Patents

홈 모니터링 시스템 Download PDF

Info

Publication number
KR20190098109A
KR20190098109A KR1020190094582A KR20190094582A KR20190098109A KR 20190098109 A KR20190098109 A KR 20190098109A KR 1020190094582 A KR1020190094582 A KR 1020190094582A KR 20190094582 A KR20190094582 A KR 20190094582A KR 20190098109 A KR20190098109 A KR 20190098109A
Authority
KR
South Korea
Prior art keywords
home
space
situation
dangerous
home iot
Prior art date
Application number
KR1020190094582A
Other languages
English (en)
Inventor
맹지찬
김범오
김태현
신원호
채종훈
Original Assignee
엘지전자 주식회사
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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190094582A priority Critical patent/KR20190098109A/ko
Publication of KR20190098109A publication Critical patent/KR20190098109A/ko
Priority to US16/656,475 priority patent/US10964202B2/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • H04L12/2823—Reporting information sensed by appliance or service execution status of appliance services in a home automation network
    • H04L12/2827—Reporting to a device within the home network; wherein the reception of the information reported automatically triggers the execution of a home appliance functionality
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
    • G08B21/0225—Monitoring making use of different thresholds, e.g. for different alarm levels
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/22—Status alarms responsive to presence or absence of persons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0048—Allocation of pilot signals, i.e. of signals known to the receiver
    • H04L5/0051—Allocation of pilot signals, i.e. of signals known to the receiver of dedicated pilots, i.e. pilots destined for a single user or terminal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
    • H04N23/661—Transmitting camera control signals through networks, e.g. control via the Internet
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H04W4/022—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences with dynamic range variability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/20—Control channels or signalling for resource management
    • H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • H04L2012/2847—Home automation networks characterised by the type of home appliance used
    • H04L2012/285—Generic home appliances, e.g. refrigerators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Abstract

본 발명의 일 양상에 따른 홈 모니터링 시스템은 내부 공간에 배치되는 복수의 홈 IoT 기기; 내부 공간과 상기 복수의 홈 IoT 기기의 주변을 촬영하는 복수의 카메라; 및 상기 복수의 카메라로부터 상기 내부 공간을 촬영한 내부 영상과 상기 복수의 홈 IoT 기기의 주변 공간을 촬영한 주변 영상을 전송 받고, 상기 복수의 홈 IoT 기기를 제어할 수 있는 제어 신호를 상기 복수의 홈 IoT 기기에 전송하는 홈 IoT 서버;를 포함하고, 상기 홈 IoT 서버는, 상기 복수의 홈 IoT 기기의 주변 공간 중 일부 홈 IoT 기기의 주변 공간과 상기 내부 공간 중 일부 공간을 위험 공간으로 설정하고, 상기 내부 영상에서 기설정된 범위에 포함된 사람이 상기 위험 공간에 접근하여 감지되는 경우, 상기 일부 홈 IoT 기기에 안전 신호를 전송하여 제어하고, 등록된 사용자에게 경고 신호를 전송하는 것을 포함한다.
본 발명의 홈 모니터링 시스템은, IoT 기기 및 서버 중 하나 이상이 인공 지능(Artificial Intelligence) 모듈, 로봇, 증강 현실(Augmented Reality, AR) 장치, 가상 현실(virtual reality, VR) 장치, 5G 서비스와 관련된 장치 등과 연계될 수 있다.

Description

홈 모니터링 시스템{Home monitoring system}
본 발명은 홈 모니터링 시스템에 관한 것으로서, 보다 구체적으로는 기설정된 위험 공간 및 홈 IoT 기기에 어린이 또는 애완 동물이 접근할 경우, 이를 감지하여 홈 IoT 기기를 제어하면서 사용자에게 실시간으로 인지시킴으로써, 안전 사고를 방지할 수 있는 홈 모니터링 시스템에 관한 것이다.
최근의 스마트 홈 환경은 지능형 무선 센서 네트워크를 기반으로 하는 IoT(Internet of Things) 가전의 확산과 함께 계속 늘어나고 있다. IoT 기술 발전으로 인해 소비자들은 다양한 스마트 가전 제품들을 사용할 수 있게 되었다.
IoT와 스마트 가전 제품의 융합을 통해 스마트 홈 환경 기반의 서비스는 안전 관리까지 확장되었다. 현재 홈 내 거주자를 보호하기 위한 대표적인 안전 관리 기술에는 물리적 보안 장비들을 이용하는 기술이 있다.
홈 물리적 보안은 거주자의 신변 안전 및 홈 시설물의 안전한 관리 환경 구축을 위한 개인 식별, 영상 감시 및 재난 또는 재해 등의 방지를 위한 보안 기술로서 영상 감시 솔루션, 바이오 인식, 객체 인식 무인 전자 경비, 지능형 카메라 등의 대표 기술이 있다.
홈 물리적 보안 기술을 기반으로 한 홈 안전 시스템은 거주자 보호를 위해 홈 내부 모니터링, 안전 사고 알림 등의 서비스를 제공하고 있다.
종래 홈 안전 관리 기술 기반의 서비스는 단순한 모니터링 제공 또는 사후 대처 중심의 서비스가 대부분이다. 특히, 홈 CCTV 카메라를 이용한 모니터링 서비스는 공간을 중심으로 제한적이고 단발적인 관찰에 불과하여 거주자 중심의 지속적인 안전 관리가 어렵다. 이러한 단순 모니터링 및 사후 대처 서비스는 홈 내 안전 사고의 발생 자체를 차단하는 데에는 한계가 있다.
이에 홈 내 거주자의 안전성을 향상시키기 위해서는 사후 대처를 포함한 지속적인 안전 관리 및 안전 사고 예방을 위한 효율적인 안전 관리 시스템 개발이 필요하다.
본 발명은 전술한 필요성 및/또는 문제점을 해결하는 것을 목적으로 한다.
또한, 본 발명은 기설정된 위험 공간 및 홈 IoT 기기에 어린이 또는 동물이 접근할 경우, 이를 감지하여 홈 IoT 기기를 제어하면서 사용자에게 실시간으로 인지시킴으로써, 안전 사고를 방지할 수 있는 홈 모니터링 시스템을 제공하는 것을 목적으로 한다.
본 발명의 일 양상에 따른 홈 모니터링 시스템은 내부 공간에 배치되는 복수의 홈 IoT 기기; 내부 공간과 상기 복수의 홈 IoT 기기의 주변을 촬영하는 복수의 카메라; 및 상기 복수의 카메라로부터 상기 내부 공간을 촬영한 내부 영상과 상기 복수의 홈 IoT 기기의 주변 공간을 촬영한 주변 영상을 전송 받고, 상기 복수의 홈 IoT 기기를 제어할 수 있는 제어 신호를 상기 복수의 홈 IoT 기기에 전송하는 홈 IoT 서버;를 포함하고, 상기 홈 IoT 서버는, 상기 복수의 홈 IoT 기기의 주변 공간 중 일부 홈 IoT 기기의 주변 공간과 상기 내부 공간 중 일부 공간을 위험 공간으로 설정하고, 상기 내부 영상에서 기설정된 범위에 포함된 사람이 상기 위험 공간에 접근하여 감지되는 경우, 상기 일부 홈 IoT 기기에 안전 신호를 전송하여 제어하고, 등록된 사용자에게 경고 신호를 전송하는 것을 포함한다.
또한, 상기 홈 IoT 서버는, 상기 복수의 카메라로부터 상기 내부 영상 또는 상기 주변 영상을 전송 받고, 상기 복수의 홈 IoT 기기에 상기 제어 신호 또는 상기 안전 신호를 전송하고, 상기 등록된 사용자에게 경고 신호를 전송하는 통신부; 상기 통신부를 통해 전송된 상기 내부 영상을 기초로 상기 일부 공간과 상기 주변 공간을 상기 위험 공간으로 설정하고, 설정된 상기 위험 공간에 기설정된 범위에 포함된 사람이 접근하는 상황과 관련된 접근 정보를 획득하고, 상기 접근 정보를 미리 학습된 위험 가능 상황 판단 분류 모델에 적용하며, 상기 적용 결과에 기반하여 상기 접근 정보를 인식한 상황이 위험 상황인지 여부를 판단하고, 상기 판단 결과에 기반하여 상기 안전 신호 또는 상기 경고 신호를 생성하는 메인 제어부; 및 상기 내부 영상, 상기 주변 영상, 상기 안전 신호 또는 상기 경고 신호를 저장하는 저장부;를 포함하고, 상기 통신부는, 상기 메인 제어부의 제어 하에 상기 안전 신호를 상기 일부 홈 IoT 기기에 전송하여 상기 일부 홈 IoT 기기에 대한 동작을 제어하도록 전송하거나, 상기 경고 신호를 상기 등록된 사용자에게 전송하는 것을 포함할 수 있다.
또한, 상기 메인 제어부는, 상기 일부 홈 IoT 기기의 동작에 따라 상기 위험 공간의 설정 여부를 판단하는 것을 포함할 수 있다.
또한, 상기 메인 제어부는, 상기 일부 홈 IoT 기기가 동작하지 않을 경우, 상기 일부 홈 IoT 기기의 상기 주변 공간을 상기 위험 공간으로 설정하지 않고, 상기 일부 홈 IoT 기기가 동작하는 경우, 상기 일부 홈 IoT 기기의 상기 주변 공간을 상기 위험 공간으로 설정하는 것을 포함할 수 있다.
또한, 상기 일부 홈 IoT 기기는 전기 레인지, 가스 레인지, 식기 세척기, 오븐, 세탁기 중 하나인 것을 포함할 수 있다.
또한, 상기 일부 공간은 상기 일부 홈 IoT 기기가 설치되는 공간, 창문이 설치된 공간인 것을 포함할 수 있다.
또한, 상기 기설정된 범위에 포함된 사람은, 어린이 또는 노약자를 포함할 수 있다.
또한, 상기 메인 제어부는, 상기 내부 영상을 기초하여 상기 기설정된 범위에 포함된 사람이 움직이는 상황과 관련된 움직임 정보를 획득하고, 상기 움직임 정보를 미리 학습된 경고 가능 상황 판단 분류 모델에 적용하며, 상기 적용 결과에 기반하여 상기 움직임 정보를 인식한 상황이 경고 상황인지 여부를 판단하고, 상기 판단 결과에 기반하여 상기 안전 신호 또는 상기 경고 신호를 생성하는 것을 포함할 수 있다.
또한, 상기 메인 제어부는, 상기 내부 영상을 기초하여 상기 기설정된 범위에 포함된 사람이 하루에 적어도 3번 이상 사용하는 상기 홈 IoT 기기 중 하나를 선호 IoT 기기로 선정하고, 상기 기설정된 범위에 포함된 사람이 상기 위험 공간에 기설정된 시간 이상 머무르거나 상기 일부 홈 IoT 기기의 안전 거리 이내로 접근하는 것이 감지되는 경우, 상기 선호 IoT 기기를 강제로 동작하도록 제어하는 것을 포함할 수 있다.
또한, 상기 메인 제어부는, 상기 기설정된 범위에 포함된 사람이 상기 위험 공간에 기설정된 시간 이상 머무르거나 상기 일부 홈 IoT 기기의 안전 거리 이내로 접근하는 것이 감지되는 경우, 상기 복수의 카메라 중 하나의 카메라를 선택하여 상기 기설정된 범위에 포함된 사람을 중심으로 확대하여 촬영하도록 제어하는 것을 포함할 수 있다.
또한, 상기 경고 신호는, 상기 저장부에 저장된 상기 등록된 사용자의 음성을 포함할 수 있다.
또한, 상기 등록된 사용자는, 상기 홈 IoT 서버에 사용자의 휴대 기기에 대한 전화 번호가 등록된 것을 포함할 수 있다.
또한, 상기 위험 가능 상황 판단 분류 모델은 AI(Artificial Intelligence) 장치에 저장되며, 상기 메인 제어부는, 상기 AI 장치로 상기 접근 정보를 인식한 상황과 관련된 정보와 관련된 특징값을 전송하고, 상기 AI 장치로부터 상기 접근 정보를 인식한 상황과 관련된 정보를 상기 위험 가능 상황 판단 분류 모델에 적용한 결과를 획득하는 것을 포함할 수 있다.
또한, 상기 위험 가능 상황 판단 분류 모델은 네트워크에 저장되며, 상기 메인 제어부는, 상기 네트워크로 상기 접근 정보를 인식한 상황과 관련된 정보를 전송하고, 상기 네트워크로부터 상기 접근 정보를 인식한 상황과 관련된 정보를 상기 위험 가능 상황 판단 분류 모델에 적용한 결과를 획득하는 것을 포함할 수 있다.
또한, 상기 메인 제어부는, 상기 접근 정보를 인식한 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신하는 것을 특징으로 하며, 상기 접근 정보를 인식한 상황과 관련된 정보는, 상기 DCI에 기초하여 상기 네트워크로 전송되는 것을 포함할 수 있다.
또한, 상기 메인 제어부는, SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 것을 특징으로 하며, 상기 접근 정보를 인식한 상황과 관련된 정보는 PUSCH를 통해 상기 네트워크로 전송되고, 상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL되어 있는 것을 포함할 수 있다.
또한, 상기 메인 제어부는, 상기 접근 정보를 인식한 상황과 관련된 정보를 상기 네트워크에 포함된 상기 AI 프로세서로 전송하도록 상기 통신부를 제어하고, 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하는 것을 특징으로 하며, 상기 AI 프로세싱된 정보는, 상기 접근 정보를 인식한 상황이 위험 상황인지 여부를 판단하기 위한 위험 상황 확률 정보인 것을 포함할 수 있다.
또한, 상기 메인 제어부는, 상기 창문의 상태에 따라 상기 위험 공간의 설정 여부를 판단하는 것을 포함할 수 있다.
또한, 상기 메인 제어부는, 상기 창문의 상태가 락이 걸려 닫힌 경우, 상기 일부 공간을 상기 위험 공간으로 설정하지 않고, 상기 창문의 상태가 락이 걸려 있지 않고 열린 경우, 상기 일부 공간을 상기 위험 공간으로 설정하는 것을 포함할 수 있다.
또한, 상기 메인 제어부는, 상기 창문의 상태가 락이 걸려 상기 위험 공간으로 설정하지 않는 상태에서, 상기 기설정된 범위에 포함된 사람이 상기 창문을 터치하거나 상기 락을 해제하는 경우, 상기 일부 공간을 상기 위험 공간으로 재설정하고, 상기 경고 신호를 생성하는 것을 포함할 수 있다.
본 발명에 따른 홈 모니터링 시스템의 효과에 대해 설명하면 다음과 같다.
본 발명은, 기설정된 위험 공간 및 홈 IoT 기기에 어린이 또는 동물이 접근할 경우, 이를 감지하여 홈 IoT 기기를 안전하게 제어하면서 사용자에게 실시간으로 인지시킴으로써, 홈 내 안전 사고에 대한 예방과 지속적인 안전 관리를 기대할 수 있다.
본 발명은, 기설정된 위험 공간 및 홈 IoT 기기에 어린이 또는 동물이 접근할 경우, 이를 감지하고, 주변의 다른 홈 IoT 기기를 동작시켜 어린이 또는 동물이 안전한 공간으로 이동하도록 유도할 수 있다.
또한, 본 발명은 홈 내에서 어린이, 노약자, 장애인 등 지각력이 떨어지는 거주자 안전 확보에 유용할 수 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 2는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.
도 4는 본 발명의 실시 예에 따른 홈 IoT 시스템을 도시한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 AI 장치의 블록도이다.
도 6은 본 발명의 일 실시 예에 따른 홈 IoT 서버와 AI 장치가 연계된 시스템을 설명하기 위한 도면이다.
도 7은 본 발명의 실시 예에 따른 홈 모니터링 시스템의 동작을 간략하게 설명하기 위한 도이다.
도 8은 본 발명의 실시 예에 따른 홈 모니터링 시스템이 홈 IoT 기기의 동작에 따라 위험 공간의 설정하는 것을 설명하기 위한 도이다.
도 9는 본 발명의 실시 예에 따른 홈 모니터링 시스템의 순서도이다.
도 10은 본 발명의 실시 예에 따른 홈 모니터링 시스템이 선호 IoT 기기를 선정하는 것을 설명하기 위한 도이다.
도 11은 본 발명의 실시 예에 따른 홈 모니터링 시스템이 기설정된 범위에 포함된 사람을 촬영하는 것을 설명하기 위한 도이다.
도 12는 5G 네트워크를 이용하여 위험 상황을 판단하는 방법을 나타낸 흐름도이다.
도 13 내지 도 15는 본 발명의 실시 예에 따른 홈 모니터링 시스템의 다양한 예를 설명하기 위한 도이다.
본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는, 첨부 도면은 본 발명에 대한 실시 예를 제공하고, 상세한 설명과 함께 본 발명의 기술적 특징을 설명한다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
A. UE 및 5G 네트워크 블록도 예시
도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 1을 참조하면, AI 모듈을 포함하는 장치(AI 장치)를 제1 통신 장치로 정의(도 1의 910)하고, 프로세서(911)가 AI 상세 동작을 수행할 수 있다.
AI 장치와 통신하는 다른 장치(AI 서버)를 포함하는 5G 네트워크를 제2 통신 장치로 정의(도 1의 920)하고, 프로세서(921)가 AI 상세 동작을 수행할 수 있다.
5G 네트워크가 제1 통신 장치로, AI 장치가 제2 통신 장치로 표현될 수도 있다.
예를 들어, 상기 제1 통신 장치 또는 상기 제2 통신 장치는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 무선 장치, 무선 통신 장치, AI (Artificial Intelligence) 장치 등일 수 있다.
예를 들어, 단말 또는 UE (User Equipment)는 휴대폰, 스마트 폰 (smart phone), 노트북 컴퓨터 (laptop computer), 디지털 방송용 단말기, PDA (personal digital assistants), PMP (portable multimedia player), 네비게이션, 슬레이트 PC (slate PC), 태블릿 PC (tablet PC), 울트라북 (ultrabook), 웨어러블 디바이스 (wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD (head mounted display)) 등을 포함할 수 있다. 예를 들어, HMD는 머리에 착용하는 형태의 디스플레이 장치일 수 있다. 예를 들어, HMD는 VR, AR 또는 MR을 구현하기 위해 사용될 수 있다.
도 1을 참고하면, 제1 통신 장치(910)와 제2 통신 장치(920)는 프로세서 (processor, 911,921), 메모리 (memory, 914,924), 하나 이상의 Tx/Rx RF 모듈 (radio frequency module, 915,925), Tx 프로세서(912,922), Rx 프로세서(913,923), 안테나(916,926)를 포함한다. Tx/Rx 모듈은 트랜시버라고도 한다. 각각의 Tx/Rx 모듈(915)는 각각의 안테나(926)를 통해 신호를 전송한다. 프로세서는 앞서 살핀 기능, 과정 및/또는 방법을 구현한다. 프로세서(921)는 프로그램 코드 및 데이터를 저장하는 메모리(924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다. 보다 구체적으로, DL (Downlink)(제1 통신 장치에서 제2 통신 장치로의 통신)에서, 전송 (TX) 프로세서(912)는 L1 계층(즉, 물리 계층)에 대한 다양한 신호 처리 기능을 구현한다. 수신 (RX) 프로세서는 L1(즉, 물리 계층)의 다양한 신호 프로세싱 기능을 구현한다.
UL (Uplink)(제2 통신 장치에서 제1 통신 장치로의 통신)은 제2 통신 장치(920)에서 수신기 기능과 관련하여 기술된 것과 유사한 방식으로 제1 통신 장치(910)에서 처리된다. 각각의 Tx/Rx 모듈(925)은 각각의 안테나(926)를 통해 신호를 수신한다. 각각의 Tx/Rx 모듈은 RF 반송파 및 정보를 RX 프로세서(923)에 제공한다. 프로세서(921)는 프로그램 코드 및 데이터를 저장하는 메모리(924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다.
B. 무선 통신 시스템에서 신호 송/수신 방법
도 2는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 2를 참고하면, UE는 전원이 켜지거나 새로이 셀에 진입한 경우 BS와 동기를 맞추는 등의 초기 셀 탐색 (initial cell search) 작업을 수행한다(S201). 이를 위해, UE는 BS로부터 1차 동기 채널 (primary synchronization channel, P-SCH) 및 2차 동기 채널 (secondary synchronization channel, S-SCH)을 수신하여 BS와 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다. LTE 시스템과 NR 시스템에서 P-SCH와 S-SCH는 각각 1차 동기 신호 (primary synchronization signal, PSS)와 2차 동기 신호 (secondary synchronization signal, SSS)로 불린다. 초기 셀 탐색 후, UE는 BS로부터 물리 브로드캐스트 채널 (physical broadcast channel, PBCH)을 수신하여 셀 내 브로드캐스트 정보를 획득할 수 있다. 한편, UE는 초기 셀 탐색 단계에서 하향링크 참조 신호 (downlink reference Signal, DL RS)를 수신하여 하향링크 채널 상태를 확인할 수 있다.
초기 셀 탐색을 마친 UE는 물리 하향링크 제어 채널 (physical downlink control channel, PDCCH) 및 상기 PDCCH에 실린 정보에 따라 물리 하향링크 공유 채널 (physical downlink shared Channel, PDSCH)을 수신함으로써 좀더 구체적인 시스템 정보를 획득할 수 있다(S202).
한편, BS에 최초로 접속하거나 신호 전송을 위한 무선 자원이 없는 경우 UE는 BS에 대해 임의 접속 과정 (random access procedure, RACH)을 수행할 수 있다(단계 S203 내지 단계 S206). 이를 위해, UE는 물리 임의 접속 채널 (physical random access Channel, PRACH)을 통해 특정 시퀀스를 프리앰블로서 전송하고(S203 및 S205), PDCCH 및 대응하는 PDSCH를 통해 프리앰블에 대한 임의 접속 응답 (random access response, RAR) 메시지를 수신할 수 있다(S204 및 S206). 경쟁 기반 RACH의 경우, 추가적으로 충돌 해결 과정 (contention resolution procedure)를 수행할 수 있다.
상술한 바와 같은 과정을 수행한 UE는 이후 일반적인 상향링크/하향링크 신호 전송 과정으로서 PDCCH/PDSCH 수신(S207) 및 물리 상향링크 공유 채널 (physical uplink shared Channel, PUSCH)/물리 상향링크 제어 채널 (physical uplink control channel, PUCCH) 전송(S208)을 수행할 수 있다. 특히 UE는 PDCCH를 통하여 하향링크 제어 정보 (downlink control information, DCI)를 수신한다. UE는 해당 탐색 공간 설정 (configuration)들에 따라 서빙 셀 상의 하나 이상의 제어 요소 세트 (control element set, CORESET)들에 설정된 모니터링 기회 (occasion)들에서 PDCCH 후보 (candidate)들의 세트를 모니터링한다. UE가 모니터할 PDCCH 후보들의 세트는 탐색 공간 세트들의 면에서 정의되며, 탐색 공간 세트는 공통 탐색 공간 세트 또는 UE-특정 탐색 공간 세트일 수 있다. CORESET은 1~3개 OFDM 심볼들의 시간 지속기간을 갖는 (물리) 자원 블록들의 세트로 구성된다. 네트워크는 UE가 복수의 CORESET들을 갖도록 설정할 수 있다. UE는 하나 이상의 탐색 공간 세트들 내 PDCCH 후보들을 모니터링한다. 여기서 모니터링이라 함은 탐색 공간 내 PDCCH 후보(들)에 대한 디코딩 시도하는 것을 의미한다. UE가 탐색 공간 내 PDCCH 후보들 중 하나에 대한 디코딩에 성공하면, 상기 UE는 해당 PDCCH 후보에서 PDCCH를 검출했다고 판단하고, 상기 검출된 PDCCH 내 DCI를 기반으로 PDSCH 수신 혹은 PUSCH 전송을 수행한다. PDCCH는 PDSCH 상의 DL 전송들 및 PUSCH 상의 UL 전송들을 스케줄링하는 데에 사용될 수 있다. 여기서 PDCCH 상의 DCI는 하향링크 공유 채널과 관련된, 변조 (modulation) 및 코딩 포맷과 자원 할당 (resource allocation) 정보를 적어도 포함하는 하향링크 배정 (assignment) (즉, downlink grant; DL grant), 또는 상향링크 공유 채널과 관련된, 변조 및 코딩 포맷과 자원 할당 정보를 포함하는 상향링크 그랜트 (uplink grant; UL grant)를 포함한다.
도 2를 참고하여, 5G 통신 시스템에서의 초기 접속 (Initial Access, IA) 절차에 대해 추가적으로 살펴본다.
UE는 SSB에 기반하여 셀 탐색 (search), 시스템 정보 획득, 초기 접속을 위한 빔 정렬, DL 측정 등을 수행할 수 있다. SSB는 SS/PBCH (Synchronization Signal/Physical Broadcast channel) 블록과 혼용된다.
SSB는 PSS, SSS와 PBCH로 구성된다. SSB는 4개의 연속된 OFDM 심볼들에 구성되며, OFDM 심볼별로 PSS, PBCH, SSS/PBCH 또는 PBCH가 전송된다. PSS와 SSS는 각각 1개의 OFDM 심볼과 127개의 부반송파들로 구성되고, PBCH는 3개의 OFDM 심볼과 576개의 부반송파들로 구성된다.
셀 탐색은 UE가 셀의 시간/주파수 동기를 획득하고, 상기 셀의 셀 ID (Identifier) (예, Physical layer Cell ID, PCI)를 검출하는 과정을 의미한다. PSS는 셀 ID 그룹 내에서 셀 ID를 검출하는데 사용되고, SSS는 셀 ID 그룹을 검출하는데 사용된다. PBCH는 SSB (시간) 인덱스 검출 및 하프-프레임 검출에 사용된다.
336개의 셀 ID 그룹이 존재하고, 셀 ID 그룹 별로 3개의 셀 ID가 존재한다. 즉, 총 1008개의 셀 ID가 존재한다. 셀의 셀 ID가 속한 셀 ID 그룹에 관한 정보는 상기 셀의 SSS를 통해 제공/획득되며, 상기 셀 ID 내 336개 셀들 중 상기 셀 ID에 관한 정보는 PSS를 통해 제공/획득된다
SSB는 SSB 주기 (periodicity)에 맞춰 주기적으로 전송된다. 초기 셀 탐색 시에 UE가 가정하는 SSB 기본 주기는 20ms로 정의된다. 셀 접속 후, SSB 주기는 네트워크 (예, BS)에 의해 {5ms, 10ms, 20ms, 40ms, 80ms, 160ms} 중 하나로 설정될 수 있다.
다음으로, 시스템 정보 (system information; SI) 획득에 대해 살펴본다.
SI는 마스터 정보 블록 (master information block, MIB)과 복수의 시스템 정보 블록 (system information block, SIB)들로 나눠진다. MIB 외의 SI는 RMSI (Remaining Minimum System Information)으로 지칭될 수 있다. MIB는 SIB1 (SystemInformationBlock1)을 나르는 PDSCH를 스케줄링하는 PDCCH의 모니터링을 위한 정보/파라미터를 포함하며 SSB의 PBCH를 통해 BS에 의해 전송된다. SIB1은 나머지 SIB들(이하, SIBx, x는 2 이상의 정수)의 가용성 (availability) 및 스케줄링(예, 전송 주기, SI-윈도우 크기)과 관련된 정보를 포함한다. SIBx는 SI 메시지에 포함되며 PDSCH를 통해 전송된다. 각각의 SI 메시지는 주기적으로 발생하는 시간 윈도우(즉, SI-윈도우) 내에서 전송된다.
도 2를 참고하여, 5G 통신 시스템에서의 임의 접속 (Random Access, RA) 과정에 대해 추가적으로 살펴본다.
임의 접속 과정은 다양한 용도로 사용된다. 예를 들어, 임의 접속 과정은 네트워크 초기 접속, 핸드오버, UE-트리거드 (triggered) UL 데이터 전송에 사용될 수 있다. UE는 임의 접속 과정을 통해 UL 동기와 UL 전송 자원을 획득할 수 있다. 임의 접속 과정은 경쟁 기반 (contention-based) 임의 접속 과정과 경쟁 프리 (contention free) 임의 접속 과정으로 구분된다. 경쟁 기반의 임의 접속 과정에 대한 구체적인 절차는 아래와 같다.
UE가 UL에서 임의 접속 과정의 Msg1로서 임의 접속 프리앰블을 PRACH를 통해 전송할 수 있다. 서로 다른 두 길이를 가지는 임의 접속 프리앰블 시퀀스들이 지원된다. 긴 시퀀스 길이 839는 1.25 및 5 kHz의 부반송파 간격 (subcarrier spacing)에 대해 적용되며, 짧은 시퀀스 길이 139는 15, 30, 60 및 120 kHz의 부반송파 간격에 대해 적용된다.
BS가 UE로부터 임의 접속 프리앰블을 수신하면, BS는 임의 접속 응답 (random access response, RAR) 메시지 (Msg2)를 상기 UE에게 전송한다. RAR을 나르는 PDSCH를 스케줄링하는 PDCCH는 임의 접속 (random access, RA) 무선 네트워크 임시 식별자 (radio network temporary identifier, RNTI) (RA-RNTI)로 CRC 마스킹되어 전송된다. RA-RNTI로 마스킹된 PDCCH를 검출한 UE는 상기 PDCCH가 나르는 DCI가 스케줄링하는 PDSCH로부터 RAR을 수신할 수 있다. UE는 자신이 전송한 프리앰블, 즉, Msg1에 대한 임의 접속 응답 정보가 상기 RAR 내에 있는지 확인한다. 자신이 전송한 Msg1에 대한 임의 접속 정보가 존재하는지 여부는 상기 UE가 전송한 프리앰블에 대한 임의 접속 프리앰블 ID가 존재하는지 여부에 의해 판단될 수 있다. Msg1에 대한 응답이 없으면, UE는 전력 램핑 (power ramping)을 수행하면서 RACH 프리앰블을 소정의 횟수 이내에서 재전송할 수 있다. UE는 가장 최근의 경로 손실 및 전력 램핑 카운터를 기반으로 프리앰블의 재전송에 대한 PRACH 전송 전력을 계산한다.
상기 UE는 임의 접속 응답 정보를 기반으로 상향링크 공유 채널 상에서 UL 전송을 임의 접속 과정의 Msg3로서 전송할 수 있다. Msg3은 RRC 연결 요청 및 UE 식별자를 포함할 수 있다. Msg3에 대한 응답으로서, 네트워크는 Msg4를 전송할 수 있으며, 이는 DL 상에서의 경쟁 해결 메시지로 취급될 수 있다. Msg4를 수신함으로써, UE는 RRC 연결된 상태에 진입할 수 있다.
C. 5G 통신 시스템의 빔 관리 (Beam Management, BM) 절차
BM 과정은 (1) SSB 또는 CSI-RS를 이용하는 DL BM 과정과, (2) SRS (sounding reference signal)을 이용하는 UL BM 과정으로 구분될 수 있다. 또한, 각 BM 과정은 Tx 빔을 결정하기 위한 Tx 빔 스위핑과 Rx 빔을 결정하기 위한 Rx 빔 스위핑을 포함할 수 있다.
SSB를 이용한 DL BM 과정에 대해 살펴본다.
SSB를 이용한 빔 보고 (beam report)에 대한 설정은 RRC_CONNECTED에서 채널 상태 정보 (channel state information, CSI)/빔 설정 시에 수행된다.
- UE는 BM을 위해 사용되는 SSB 자원들에 대한 CSI-SSB-ResourceSetList를 포함하는 CSI-ResourceConfig IE를 BS로부터 수신한다. RRC 파라미터 csi-SSB-ResourceSetList는 하나의 자원 세트에서 빔 관리 및 보고를 위해 사용되는 SSB 자원들의 리스트를 나타낸다. 여기서, SSB 자원 세트는 {SSBx1, SSBx2, SSBx3, SSBx4, ?}으로 설정될 수 있다. SSB 인덱스는 0부터 63까지 정의될 수 있다.
- UE는 상기 CSI-SSB-ResourceSetList에 기초하여 SSB 자원들 상의 신호들을 상기 BS로부터 수신한다.
- SSBRI 및 참조 신호 수신 전력 (reference signal received power, RSRP)에 대한 보고와 관련된 CSI-RS reportConfig가 설정된 경우, 상기 UE는 최선 (best) SSBRI 및 이에 대응하는 RSRP를 BS에게 보고한다. 예를 들어, 상기 CSI-RS reportConfig IE의 reportQuantity가 'ssb-Index-RSRP'로 설정된 경우, UE는 BS으로 최선 SSBRI 및 이에 대응하는 RSRP를 보고한다.
UE는 SSB와 동일한 OFDM 심볼(들)에 CSI-RS 자원이 설정되고, 'QCL-TypeD'가 적용 가능한 경우, 상기 UE는 CSI-RS와 SSB가 'QCL-TypeD' 관점에서 유사 동일 위치된 (quasi co-located, QCL) 것으로 가정할 수 있다. 여기서, QCL-TypeD는 공간 (spatial) Rx 파라미터 관점에서 안테나 포트들 간에 QCL되어 있음을 의미할 수 있다. UE가 QCL-TypeD 관계에 있는 복수의 DL 안테나 포트들의 신호들을 수신 시에는 동일한 수신 빔을 적용해도 무방하다.
다음으로, CSI-RS를 이용한 DL BM 과정에 대해 살펴본다.
CSI-RS를 이용한 UE의 Rx 빔 결정(또는 정제 (refinement)) 과정과 BS의 Tx 빔 스위핑 과정에 대해 차례대로 살펴본다. UE의 Rx 빔 결정 과정은 반복 파라미터가 'ON'으로 설정되며, BS의 Tx 빔 스위핑 과정은 반복 파라미터가 'OFF'로 설정된다.
먼저, UE의 Rx 빔 결정 과정에 대해 살펴본다.
- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'ON'으로 세팅되어 있다.
- UE는 상기 RRC 파라미터 'repetition'이 'ON'으로 설정된 CSI-RS 자원 세트 내의 자원(들) 상에서의 신호들을 BS의 동일 Tx 빔(또는 DL 공간 도메인 전송 필터)을 통해 서로 다른 OFDM 심볼에서 반복 수신한다.
- UE는 자신의 Rx 빔을 결정한다.
- UE는 CSI 보고를 생략한다. 즉, UE는 상가 RRC 파라미터 'repetition'이 'ON'으로 설정된 경우, CSI 보고를 생략할 수 있다.
다음으로, BS의 Tx 빔 결정 과정에 대해 살펴본다.
- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'OFF'로 세팅되어 있으며, BS의 Tx 빔 스위핑 과정과 관련된다.
- UE는 상기 RRC 파라미터 'repetition'이 'OFF'로 설정된 CSI-RS 자원 세트 내의 자원들 상에서의 신호들을 BS의 서로 다른 Tx 빔(DL 공간 도메인 전송 필터)을 통해 수신한다.
- UE는 최상의 (best) 빔을 선택(또는 결정)한다.
- UE는 선택된 빔에 대한 ID (예, CRI) 및 관련 품질 정보 (예, RSRP)를 BS으로 보고한다. 즉, UE는 CSI-RS가 BM을 위해 전송되는 경우 CRI와 이에 대한 RSRP를 BS으로 보고한다.
다음으로, SRS를 이용한 UL BM 과정에 대해 살펴본다.
- UE는 'beam management'로 설정된 (RRC 파라미터) 용도 파라미터를 포함하는 RRC 시그널링 (예, SRS-Config IE)를 BS로부터 수신한다. SRS-Config IE는 SRS 전송 설정을 위해 사용된다. SRS-Config IE는 SRS-Resources의 리스트와 SRS-ResourceSet들의 리스트를 포함한다. 각 SRS 자원 세트는 SRS-resource들의 세트를 의미한다.
- UE는 상기 SRS-Config IE에 포함된 SRS-SpatialRelation Info에 기초하여 전송할 SRS 자원에 대한 Tx 빔포밍을 결정한다. 여기서, SRS-SpatialRelation Info는 SRS 자원별로 설정되고, SRS 자원별로 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용할지를 나타낸다.
- 만약 SRS 자원에 SRS-SpatialRelationInfo가 설정되면 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용하여 전송한다. 하지만, SRS 자원에 SRS-SpatialRelationInfo가 설정되지 않으면, 상기 UE는 임의로 Tx 빔포밍을 결정하여 결정된 Tx 빔포밍을 통해 SRS를 전송한다.
다음으로, 빔 실패 복구 (beam failure recovery, BFR) 과정에 대해 살펴본다.
빔포밍된 시스템에서, RLF (Radio Link Failure)는 UE의 회전 (rotation), 이동 (movement) 또는 빔포밍 블로키지 (blockage)로 인해 자주 발생할 수 있다. 따라서, 잦은 RLF가 발생하는 것을 방지하기 위해 BFR이 NR에서 지원된다. BFR은 무선 링크 실패 복구 과정과 유사하고, UE가 새로운 후보 빔(들)을 아는 경우에 지원될 수 있다. 빔 실패 검출을 위해, BS는 UE에게 빔 실패 검출 참조 신호들을 설정하고, 상기 UE는 상기 UE의 물리 계층으로부터의 빔 실패 지시 (indication)들의 횟수가 BS의 RRC 시그널링에 의해 설정된 기간 (period) 내에 RRC 시그널링에 의해 설정된 임계치 (threshold)에 이르면 (reach), 빔 실패를 선언 (declare)한다. 빔 실패가 검출된 후, 상기 UE는 PCell 상의 임의 접속 과정을 개시 (initiate)함으로써 빔 실패 복구를 트리거하고; 적절한 (suitable) 빔을 선택하여 빔 실패 복구를 수행한다(BS가 어떤(certain) 빔들에 대해 전용 임의 접속 자원들을 제공한 경우, 이들이 상기 UE에 의해 우선화된다). 상기 임의 접속 절차의 완료 (completion) 시, 빔 실패 복구가 완료된 것으로 간주된다.
D. URLLC (Ultra-Reliable and Low Latency Communication)
NR에서 정의하는 URLLC 전송은 (1) 상대적으로 낮은 트래픽 크기, (2) 상대적으로 낮은 도착 레이트(low arrival rate), (3) 극도의 낮은 레이턴시 요구사항 (requirement)(예, 0.5, 1ms), (4) 상대적으로 짧은 전송 지속기간 (duration) (예, 2 OFDM symbols), (5) 긴급한 서비스/메시지 등에 대한 전송을 의미할 수 있다. UL의 경우, 보다 엄격 (stringent)한 레이턴시 요구 사항 (latency requirement)을 만족시키기 위해 특정 타입의 트래픽(예컨대, URLLC)에 대한 전송이 앞서서 스케줄링된 다른 전송(예컨대, eMBB)과 다중화 (multiplexing)되어야 할 필요가 있다. 이와 관련하여 한 가지 방안으로, 앞서 스케줄링 받은 UE에게 특정 자원에 대해서 프리엠션 (preemption)될 것이라는 정보를 주고, 해당 자원을 URLLC UE가 UL 전송에 사용하도록 한다.
NR의 경우, eMBB와 URLLC 사이의 동적 자원 공유 (sharing)가 지원된다. eMBB와 URLLC 서비스들은 비-중첩 (non-overlapping) 시간/주파수 자원들 상에서 스케줄될 수 있으며, URLLC 전송은 진행 중인 (ongoing) eMBB 트래픽에 대해 스케줄된 자원들에서 발생할 수 있다. eMBB UE는 해당 UE의 PDSCH 전송이 부분적으로 펑처링 (puncturing)되었는지 여부를 알 수 없을 수 있고, 손상된 코딩된 비트 (corrupted coded bit)들로 인해 UE는 PDSCH를 디코딩하지 못할 수 있다. 이 점을 고려하여, NR에서는 프리엠션 지시 (preemption indication)를 제공한다. 상기 프리엠션 지시 (preemption indication)는 중단된 전송 지시 (interrupted transmission indication)로 지칭될 수도 있다.
프리엠션 지시와 관련하여, UE는 BS로부터의 RRC 시그널링을 통해 DownlinkPreemption IE를 수신한다. UE가 DownlinkPreemption IE를 제공받으면, DCI 포맷 2_1을 운반 (convey)하는 PDCCH의 모니터링을 위해 상기 UE는 DownlinkPreemption IE 내 파라미터 int-RNTI에 의해 제공된 INT-RNTI를 가지고 설정된다. 상기 UE는 추가적으로 servingCellID에 의해 제공되는 서빙 셀 인덱스들의 세트를 포함하는 INT-ConfigurationPerServing Cell에 의해 서빙 셀들의 세트와 positionInDCI에 의해 DCI 포맷 2_1 내 필드들을 위한 위치들의 해당 세트를 가지고 설정되고, dci-PayloadSize에 의해 DCI 포맷 2_1을 위한 정보 페이로드 크기를 가지고 설정되며, timeFrequencySect에 의한 시간-주파수 자원들의 지시 입도 (granularity)를 가지고 설정된다.
상기 UE는 상기 DownlinkPreemption IE에 기초하여 DCI 포맷 2_1을 상기 BS로부터 수신한다.
UE가 서빙 셀들의 설정된 세트 내 서빙 셀에 대한 DCI 포맷 2_1을 검출하면, 상기 UE는 상기 DCI 포맷 2_1이 속한 모니터링 기간의 바로 앞 (last) 모니터링 기간의 PRB들의 세트 및 심볼들의 세트 중 상기 DCI 포맷 2_1에 의해 지시되는 PRB들 및 심볼들 내에는 상기 UE로의 아무런 전송도 없다고 가정할 수 있다. 예를 들어, UE는 프리엠션에 의해 지시된 시간-주파수 자원 내 신호는 자신에게 스케줄링된 DL 전송이 아니라고 보고 나머지 자원 영역에서 수신된 신호들을 기반으로 데이터를 디코딩한다.
E. mMTC (massive MTC )
mMTC (massive Machine Type Communication)은 많은 수의 UE와 동시에 통신하는 초연결 서비스를 지원하기 위한 5G의 시나리오 중 하나이다. 이 환경에서, UE는 굉장히 낮은 전송 속도와 이동성을 가지고 간헐적으로 통신하게 된다. 따라서, mMTC는 UE를 얼마나 낮은 비용으로 오랫동안 구동할 수 있는지를 주요 목표로 하고 있다. mMTC 기술과 관련하여 3GPP에서는 MTC와 NB (NarrowBand)-IoT를 다루고 있다.
mMTC 기술은 PDCCH, PUCCH, PDSCH (physical downlink shared channel), PUSCH 등의 반복 전송, 주파수 호핑 (hopping), 리튜닝 (retuning), 가드 구간 (guard period) 등의 특징을 가진다.
즉, 특정 정보를 포함하는 PUSCH(또는 PUCCH(특히, long PUCCH) 또는 PRACH) 및 특정 정보에 대한 응답을 포함하는 PDSCH(또는 PDCCH)가 반복 전송된다. 반복 전송은 주파수 호핑 (frequency hopping)을 통해 수행되며, 반복 전송을 위해, 제1 주파수 자원에서 제2 주파수 자원으로 가드 구간 (guard period)에서 (RF) 리튜닝 (retuning)이 수행되고, 특정 정보 및 특정 정보에 대한 응답은 협대역 (narrowband) (ex. 6 RB (resource block) or 1 RB)을 통해 송/수신될 수 있다.
F. 5G 통신을 이용한 AI 기본 동작
도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.
UE는 특정 정보 전송을 5G 네트워크로 전송한다(S1). 그리고, 상기 5G 네트워크는 상기 특정 정보에 대한 5G 프로세싱을 수행한다(S2). 여기서, 5G 프로세싱은 AI 프로세싱을 포함할 수 있다. 그리고, 상기 5G 네트워크는 AI 프로세싱 결과를 포함하는 응답을 상기 UE로 전송한다(S3).
G. 5G 통신 시스템에서 사용자 단말과 5G 네트워크 간의 응용 동작
이하, 도 1 및 도 2와 앞서 살핀 무선 통신 기술(BM 절차, URLLC, mMTC 등)을 참고하여 5G 통신을 이용한 AI 동작에 대해 보다 구체적으로 살펴본다.
먼저, 후술할 본 발명에서 제안하는 방법과 5G 통신의 eMBB 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.
도 3의 S1 단계 및 S3 단계와 같이, UE가 5G 네트워크와 신호, 정보 등을 송/수신하기 위해, UE는 도 3의 S1 단계 이전에 5G 네트워크와 초기 접속(initial access) 절차 및 임의 접속(random access) 절차를 수행한다.
보다 구체적으로, UE는 DL 동기 및 시스템 정보를 획득하기 위해 SSB에 기초하여 5G 네트워크와 초기 접속 절차를 수행한다. 상기 초기 접속 절차 과정에서 빔 관리(beam management, BM) 과정, 빔 실패 복구(beam failure recovery) 과정이 추가될 수 있으며, UE가 5G 네트워크로부터 신호를 수신하는 과정에서 QCL(quasi-co location) 관계가 추가될 수 있다.
또한, UE는 UL 동기 획득 및/또는 UL 전송을 위해 5G 네트워크와 임의 접속 절차를 수행한다. 그리고, 상기 5G 네트워크는 상기 UE로 특정 정보의 전송을 스케쥴링하기 위한 UL grant를 전송할 수 있다. 따라서, 상기 UE는 상기 UL grant에 기초하여 상기 5G 네트워크로 특정 정보를 전송한다. 그리고, 상기 5G 네트워크는 상기 UE로 상기 특정 정보에 대한 5G 프로세싱 결과의 전송을 스케쥴링하기 위한 DL grant를 전송한다. 따라서, 상기 5G 네트워크는 상기 DL grant에 기초하여 상기 UE로 AI 프로세싱 결과를 포함하는 응답을 전송할 수 있다.
다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 URLLC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.
앞서 설명한 바와 같이, UE가 5G 네트워크와 초기 접속 절차 및/또는 임의 접속 절차를 수행한 후, UE는 5G 네트워크로부터 DownlinkPreemption IE를 수신할 수 있다. 그리고, UE는 DownlinkPreemption IE에 기초하여 프리엠션 지시(pre-emption indication)를 포함하는 DCI 포맷 2_1을 5G 네트워크로부터 수신한다. 그리고, UE는 프리엠션 지시(pre-emption indication)에 의해 지시된 자원(PRB 및/또는 OFDM 심볼)에서 eMBB data의 수신을 수행(또는 기대 또는 가정)하지 않는다. 이후, UE는 특정 정보를 전송할 필요가 있는 경우 5G 네트워크로부터 UL grant를 수신할 수 있다.
다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 mMTC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.
도 3의 단계들 중 mMTC 기술의 적용으로 달라지는 부분 위주로 설명하기로 한다.
도 3의 S1 단계에서, UE는 특정 정보를 5G 네트워크로 전송하기 위해 5G 네트워크로부터 UL grant를 수신한다. 여기서, 상기 UL grant는 상기 특정 정보의 전송에 대한 반복 횟수에 대한 정보를 포함하고, 상기 특정 정보는 상기 반복 횟수에 대한 정보에 기초하여 반복하여 전송될 수 있다. 즉, 상기 UE는 상기 UL grant에 기초하여 특정 정보를 5G 네트워크로 전송한다. 그리고, 특정 정보의 반복 전송은 주파수 호핑을 통해 수행되고, 첫 번째 특정 정보의 전송은 제1 주파수 자원에서, 두 번째 특정 정보의 전송은 제2 주파수 자원에서 전송될 수 있다. 상기 특정 정보는 6RB(Resource Block) 또는 1RB(Resource Block)의 협대역(narrowband)을 통해 전송될 수 있다.
앞서 살핀 5G 통신 기술은 후술할 본 발명에서 제안하는 방법들과 결합되어 적용될 수 있으며, 또는 본 발명에서 제안하는 방법들의 기술적 특징을 구체화하거나 명확하게 하는데 보충될 수 있다.
이하 본 발명에서, 홈 IoT 서버는 홈 내에 배치되는 복수의 가전 제품 또는 홈 IoT 기기를 전체적으로 제어할 수 있는 장치로 정의할 수 있고, 홈 IoT 기기는 홈 IoT 서버에 의해 제어될 수 있는 디바이스로 정의할 수 있다.
도 4는 본 발명의 실시 예에 따른 홈 모니터링 시스템을 도시한 도면이다.
도 4에 도시된 바와 같이, 본 발명의 실시 예에 따르면, 홈 모니터링 시스템은 복수의 홈 IoT 기기(110 내지 140), 복수의 카메라(111 내지 151) 및 홈 IoT 서버(100)를 포함할 수 있다.
복수의 홈 IoT 기기(110 내지 140)는 내부 공간에 배치될 수 있다. 복수의 홈 IoT 기기(110 내지 140)는 가정 내에 배치되는 다양한 가전 제품일 수 있다. 예를 들어, 복수의 홈 IoT 기기(110 내지 140)는 평판 디스플레이 장치, 세탁기, 냉장고, 가스레인지, 전기레인지, 로봇 청소기, 스타일러, 전기밥솥, 보일러, 스마트폰, 자동차 등을 포함하며, 모든 사물이 5G 네트워크에 연결될 수 있다. 복수의 홈 IoT 기기(110 내지 140)는 통신, 센서 기능을 장착해 스스로 데이터를 주고받고 이를 처리해 자동으로 구동할 수 있다.
복수의 홈 IoT 기기(110 내지 140)는 제1 IoT 기기(110) 내지 제4 IoT 기기(140)를 포함할 수 있다.
복수의 카메라(111 내지 151)는 내부 공간과 복수의 홈 IoT 기기(110 내지 140)의 주변을 촬영할 수 있다. 복수의 카메라(111 내지 151)는 제1 카메라(111) 내지 제5 카메라(151)를 포함할 수 있다. 제1 카메라(111)는 제1 IoT 기기(110)를 중심으로 주변 공간을 촬영할 수 있다. 제1 카메라(111)는 제1 IoT 기기(110)를 중심으로 주변 공간을 촬영할 수 있다. 제2 카메라(121)는 제2 IoT 기기(120)를 중심으로 주변 공간을 촬영할 수 있다. 제3 카메라(131)는 제3 IoT 기기(130)를 중심으로 주변 공간을 촬영할 수 있다. 제4 카메라(141)는 제4 IoT 기기(140)를 중심으로 주변 공간을 촬영할 수 있다. 제5 카메라(151)는 내부 공간 중 위험 공간(DA)을 촬영할 수 있다. 예를 들어 위험 공간(DA)은 창문, 베란다와 같은 공간일 수 있다. 제5 카메라(151)는 사용자에 의해 설정된 위험 공간(DA)의 주변에 배치될 수 있다.
홈 IoT 서버(100)는 복수의 카메라(111 내지 151)로부터 내부 공간을 촬영한 내부 영상과 복수의 홈 IoT 기기(110 내지 140)의 주변 공간을 촬영한 주변 영상을 전송 받고, 복수의 홈 IoT 기기(110 내지 140)를 제어할 수 있는 제어 신호를 복수의 홈 IoT 기기(110 내지 140)에 전송할 수 있다.
홈 IoT 서버(100)는 복수의 홈 IoT 기기(110 내지 140)의 주변 공간 중 일부 홈 IoT 기기(110 내지 140)의 주변 공간과 내부 공간 중 일부 공간을 위험 공간(DA)으로 설정하고, 내부 영상에서 기설정된 범위에 포함된 사람이 위험 공간(DA)에 접근하여 감지되는 경우, 일부 홈 IoT 기기(110 내지 140)에 안전 신호를 전송하여 제어하고, 등록된 사용자에게 경고 신호를 전송할 수 있다.
도 5는 본 발명의 일 실시 예에 따른 AI 장치의 블록도이다.
상기 AI 장치(20)는 AI 프로세싱을 수행할 수 있는 AI 모듈을 포함하는 전자 기기 또는 상기 AI 모듈을 포함하는 서버 등을 포함할 수 있다. 또한, 상기 AI 장치(20)는 도 4에 도시된 홈 IoT 서버(100)의 적어도 일부의 구성으로 포함되어 AI 프로세싱 중 적어도 일부를 함께 수행하도록 구비될 수도 있다.
상기 AI 프로세싱은, 도 4에 도시된 홈 IoT 서버(100)의 제어와 관련된 모든 동작들을 포함할 수 있다. 예를 들어, 홈 IoT 서버(100)는 복수의 홈 IoT 기기(110 내지 140)로부터 전송된 센싱 데이터 또는 획득된 데이터를 AI 프로세싱 하여 처리/판단, 제어 신호 생성 동작을 수행할 수 있다. 또한, 예를 들어, 홈 IoT 서버(100)는 통신부를 통해 수신된 데이터를 AI 프로세싱 하여 각각의 홈 IoT 기기(110 내지 140)의 제어를 수행할 수 있다.
상기 AI 장치(20)는 AI 프로세싱 결과를 직접 이용하는 클라이언트 디바이스이거나, 상기 AI 프로세싱 결과를 다른 기기에 제공하는 클라우드 환경의 디바이스일 수도 있다.
상기 AI 장치(20)는 AI 프로세서(21), 메모리(25) 및/또는 통신부(27)를 포함할 수 있다.
상기 AI 장치(20)는 신경망을 학습할 수 있는 컴퓨팅 장치로서, 서버, 데스크탑 PC, 노트북 PC, 태블릿 PC 등과 같은 다양한 전자 장치로 구현될 수 있다.
AI 프로세서(21)는 메모리(25)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서(21)는 홈 IoT 서버와 관련 데이터를 인식하기 위한 신경망을 학습할 수 있다. 예를 들면, AI 프로세서(21)는 설정된 위험 공간에 사람이 접근하는 상황과 관련된 접근 정보를 획득하고, 획득된 접근 정보를 인식하고 이에 대한 특성까지도 반영하여야 하는 위험 가능한 상황인지 여부를 분류하기 위한 신경망을 학습할 수 있다. 홈 IoT 서버와 관련 데이터를 인식하기 위한 신경망은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 갖는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 모드들은 뉴런이 시냅스(synapse)를 통해 신호를 주고받는 뉴런의 시냅틱 활동을 모의하도록 각각 연결 관계에 따라 데이터를 주고받을 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 신경망 모델의 예는 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.
한편, 전술한 바와 같은 기능을 수행하는 프로세서는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.
메모리(25)는 AI 장치(20)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(25)는 비 휘발성 메모리, 휘발성 메모리, 플래시 메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SDD) 등으로 구현할 수 있다. 메모리(25)는 AI 프로세서(21)에 의해 액세스되며, AI 프로세서(21)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(25)는 본 발명의 일 실시 예에 따른 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥 러닝 모델(26))을 저장할 수 있다.
한편, AI 프로세서(21)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부(22)를 포함할 수 있다. 데이터 학습부(22)는 데이터 분류/인식을 판단하기 위하여 어떤 학습 데이터를 이용할지, 학습 데이터를 이용하여 데이터를 어떻게 분류하고 인식할지에 관한 기준을 학습할 수 있다. 데이터 학습부(22)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.
데이터 학습부(22)는 적어도 하나의 하드웨어 칩 형태로 제작되어 AI 장치(20)에 탑재될 수 있다. 예를 들어, 데이터 학습부(22)는 인공지능(AI)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 범용 프로세서(CPU) 또는 그래픽 전용 프로세서(GPU)의 일부로 제작되어 AI 장치(20)에 탑재될 수도 있다. 또한, 데이터 학습부(22)는 소프트웨어 모듈로 구현될 수 있다. 소프트웨어 모듈(또는 인스트럭션(instruction)을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록 매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 애플리케이션에 의해 제공될 수 있다.
데이터 학습부(22)는 학습 데이터 획득부(23) 및 모델 학습부(24)를 포함할 수 있다.
학습 데이터 획득부(23)는 데이터를 분류하고 인식하기 위한 신경망 모델에 필요한 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터 획득부(23)는 학습 데이터로서, 신경망 모델에 입력하기 위한 홈 IoT 서버에 대한 데이터 및/또는 샘플 데이터를 획득할 수 있다.
모델 학습부(24)는 상기 획득된 학습 데이터를 이용하여, 신경망 모델이 소정의 데이터를 어떻게 분류할지에 관한 판단 기준을 가지도록 학습할 수 있다. 이 때 모델 학습부(24)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또는 모델 학습부(24)는 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통해 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 학습에 따른 상황 판단의 결과가 올바른지에 대한 피드백을 이용하여 강화 학습(reinforcement learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient decent)을 포함하는 학습 알고리즘을 이용하여 신경망 모델을 학습시킬 수 있다.
신경망 모델이 학습되면, 모델 학습부(24)는 학습된 신경망 모델을 메모리에 저장할 수 있다. 모델 학습부(24)는 학습된 신경망 모델을 AI 장치(20)와 유선 또는 무선 네트워크로 연결된 서버의 메모리에 저장할 수도 있다.
데이터 학습부(22)는 인식 모델의 분석 결과를 향상시키거나, 인식 모델의 생성에 필요한 리소스 또는 시간을 절약하기 위해 학습 데이터 전처리부(미도시) 및 학습 데이터 선택부(미도시)를 더 포함할 수도 있다.
학습 데이터 전처리부는 획득된 데이터가 상황 판단을 위한 학습에 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 예를 들어, 학습 데이터 전처리부는, 모델 학습부(24)가 이미지 인식을 위한 학습을 위하여 획득된 학습 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.
또한, 학습 데이터 선택부는, 학습 데이터 획득부(23)에서 획득된 학습 데이터 또는 전처리부에서 전처리된 학습 데이터 중 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(24)에 제공될 수 있다. 예를 들어, 학습 데이터 선택부는, 복수의 카메라를 통해 획득한 영상 중 특정 영역을 검출함으로써, 특정 영역에 포함된 객체에 대한 데이터만을 학습 데이터로 선택할 수 있다.
또한, 데이터 학습부(22)는 신경망 모델의 분석 결과를 향상시키기 위하여 모델 평가부(미도시)를 더 포함할 수도 있다.
모델 평가부는, 신경망 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 분석 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(22)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 인식 모델을 평가하기 위한 기 정의된 데이터일 수 있다. 일 예로, 모델 평가부는 평가 데이터에 대한 학습된 인식 모델의 분석 결과 중, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정된 임계치를 초과하는 경우, 소정 기준을 만족하지 못한 것으로 평가할 수 있다.
통신부(27)는 AI 프로세서(21)에 의한 AI 프로세싱 결과를 외부 전자 기기로 전송할 수 있다.
상기 외부 전자 기기는, 홈 IoT 기기, 로봇, 드론, AR 기기, 모바일 기기, 가전 기기 등을 포함할 수 있다.
일 예로 상기 외부 전자 기기가 홈 IoT 기기 인 경우, 상기 AI 장치(20)는 상기 홈 IoT 서버와 통신하는 홈 IoT 기기, 다른 홈 IoT 기기 또는 5G 네트워크로 정의될 수 있다. 한편, 상기 AI 장치(20)는 홈 IoT 서버 내에 구비된 프로세서에 기능적으로 임베딩되어 구현될 수도 있다. 또한, 상기 5G 네트워크는 AI 프로세싱을 수행하는 서버 또는 모듈을 포함할 수 있다.
한편, 도 5에 도시된 AI 장치(20)는 AI 프로세서(21)와 메모리(25), 통신부(27) 등으로 기능적으로 구분하여 설명하였지만, 전술한 구성요소들이 하나의 모듈로 통합되어 AI 모듈로 호칭될 수도 있음을 밝혀둔다.
도 6은 본 발명의 일 실시 예에 따른 홈 IoT 서버와 AI 장치가 연계된 시스템을 설명하기 위한 도면이다.
도 6을 참조하면, 홈 IoT 서버(100)는 AI 프로세싱이 필요한 데이터를 통신부를 통해 AI 장치(20)로 전송할 수 있고, 딥러닝 모델(26)을 포함하는 AI 장치(20)는 상기 딥러닝 모델(26)을 이용한 AI 프로세싱 결과를 홈 IoT 서버(100)로 전송할 수 있다. AI 장치(20)는 도 5에 설명한 내용을 참조할 수 있다.
홈 IoT 서버(100)는 메모리(140), 프로세서(170), 전원 공급부(190)를 포함할 수 있으며, 상기 프로세서(170)는 AI 프로세서(261)를 더 구비할 수 있다. 프로세서(170)는 메인 제어부라 칭할 수 있다.
홈 IoT 서버(100)는 인터페이스부(미도시)를 포함할 수 있다. 인터페이스부(미도시)는 통신 모듈, 단자, 핀, 케이블, 포트, 회로, 소자 및 장치 중 적어도 어느 하나로 구성될 수 있다.
메모리(140)는, 프로세서(170)와 전기적으로 연결된다. 메모리(140)는 홈 IoT 기기에 대한 기본 데이터, 홈 IoT 기기의 동작 제어를 위한 제어 데이터, 입출력되는 데이터를 저장할 수 있다. 메모리(140)는, 프로세서(170)에서 처리된 데이터를 저장할 수 있다. 메모리(140)는, 하드웨어적으로, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 중 적어도 어느 하나로 구성될 수 있다. 메모리(140)는 프로세서(170)의 처리 또는 제어를 위한 프로그램 등, 홈 IoT 서버(100) 전반의 동작을 위한 다양한 데이터를 저장할 수 있다. 메모리(140)는, 프로세서(170)와 일체형으로 구현될 수 있다. 실시 예에 따라, 메모리(140)는, 프로세서(170)의 하위 구성으로 분류될 수 있다.
또한, 메모리(140)는 내부 영상, 주변 영상, 안전 신호 또는 경고 신호를 저장할 수 있다.
전원 공급부(190)는, 홈 IoT 서버(100)에 전원을 공급할 수 있다. 전원 공급부(190)는, 홈 IoT 서버(100)에 포함된 파워 소스(예를 들면, 배터리)로부터 전원을 공급받아, 홈 IoT 서버(100)의 각 모듈에 전원을 공급할 수 있다.
프로세서(170)는, 메모리(140), 인터페이스부, 전원 공급부(190)와 전기적으로 연결되어 신호를 교환할 수 있다. 프로세서(170)는, ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.
프로세서(170)는, 전원 공급부(190)로부터 제공되는 전원에 의해 구동될 수 있다. 프로세서(170)는, 전원 공급부(190)에 의해 전원이 공급되는 상태에서 데이터를 수신하고, 데이터를 처리하고, 신호를 생성하고, 신호를 제공할 수 있다.
프로세서(170)는 홈 IoT 서버(100)와 연결된 홈 IoT 기기로부터 정보를 수신할 수 있다. 프로세서(170)는, 인터페이스부를 통해, 홈 IoT 서버와 연결된 홈 IoT 기기로 제어 신호를 제공할 수 있다.
프로세서(170)는 통신부(220)를 통해 전송된 내부 영상을 기초로 일부 공간과 주변 공간을 위험 공간으로 설정하고, 설정된 위험 공간에 기설정된 범위에 포함된 사람이 접근하는 상황과 관련된 접근 정보를 획득할 수 있다. 프로세서(170)는 접근 정보를 미리 학습된 위험 가능 상황 판단 분류 모델에 적용하고, 적용 결과에 기반하여 접근 정보를 인식한 상황이 위험 상황인지 여부를 판단하고, 판단 결과에 기반하여 안전 신호 또는 경고 신호를 생성할 수 있다.
홈 IoT 서버(100)는, 적어도 하나의 인쇄 회로 기판(printed circuit board, PCB)을 포함할 수 있다. 메모리(140), 인터페이스부, 전원 공급부(190) 및 프로세서(170)는, 인쇄 회로 기판에 전기적으로 연결될 수 있다.
이하, 홈 IoT 서버(100)와 연결된 홈 IoT 기기 및 AI 프로세서(261)에 대하여 보다 구체적으로 설명한다.
한편, 홈 IoT 서버(100)는 접근 정보를 통신부(220)를 통해 AI 장치(20)로 전송하고, AI 장치(20)가, 전달된 데이터에 신경망 모델(26)을 적용함으로써 생성된 AI 프로세싱 데이터를 홈 IoT 서버(100)로 전송할 수 있다. 홈 IoT 서버(100)는 수신된 AI 프로세싱 데이터에 기초하여, 현재 상황이 홈 IoT 기기를 제어할 뿐만 아니라 경고 신호 특성까지도 반영하여야 하는 위험 가능 상황일 확률을 인식하고, 위험일 확률에 기반하여 홈 IoT 기기의 동작을 제어하고 이에 대응된 경고 신호를 반영할 수 있다.
통신부(220)는 홈 내부 공간에 위치하는 홈 IoT 기기 또는 홈 외부 공간에 위치하는 스마트 폰 또는 스마트 기기 등과 함께 신호를 교환할 수 있다. 통신부(220)는, 인프라(예를 들면, 서버, 방송국), 홈 IoT 기기, 스마트 폰, 스마트 기기 중 적어도 어느 하나와 신호를 교환할 수 있다. 통신부(220)는, 통신을 수행하기 위해 송신 안테나, 수신 안테나, 각종 통신 프로토콜이 구현 가능한 RF(Radio Frequency) 회로 및 RF 소자 중 적어도 어느 하나를 포함할 수 있다.
통신부(220)는 복수의 카메라로부터 내부 영상 또는 주변 영상을 전송 받고, 복수의 홈 IoT 기기에 제어 신호 또는 안전 신호를 전송하고, 등록된 사용자에게 경고 신호를 전송할 수 있다. 통신부(220)는 프로세서(170)의 제어 하에 안전 신호를 일부 홈 IoT 기기에 전송하여 일부 홈 IoT 기기에 대한 동작을 제어하도록 전송하거나, 경고 신호를 등록된 사용자에게 전송할 수 있다.
한편, AI 프로세서(261)는 각 홈 IoT 기기로부터 전송된 접근 정보를 이용하여 현재 상황이 홈 IoT 기기를 제어할 뿐만 아니라 경고 신호 특성까지도 반영하여야 하는 위험 가능 상황일 확률을 인식하고, 위험일 확률에 기반하여 홈 IoT 기기의 동작을 제어하고 이에 대응된 경고 신호를 생성할 수 있다.
본 발명의 실시 예에 따르면, 통신부(220)는 접근 정보를 획득할 수 있다. 통신부(220)는 획득한 접근 정보를 프로세서(170)로 전달할 수 있다.
본 발명의 실시 예에 따르면, 프로세서(170)는 통신부(220)로부터 전달된 접근 정보를 이용하여, 현재 상황이 위험 가능 상황일 확률을 계산할 수 있다. 프로세서(170)는 현재 상황이 위험 가능 상황일 확률에 기반하여, 홈 IoT 기기에 안전 신호 또는 등록된 사용자에 경고 신호를 전송할지 여부를 결정할 수 있다.
이상, 도 1 내지 도 6을 참조하여, 본 발명의 일 실시 예에 따른 홈 모니터링 시스템을 구현하기 위하여 필요한 5G 통신 및 상기 5G 통신을 적용하여 AI 프로세싱을 수행하고, AI 프로세싱 결과를 송수신하기 위한 개략적인 내용을 살펴보았다.
이하, 도 7 내지 도 14를 참조하여, 위험 공간 및 홈 IoT 기기에 어린이 또는 동물이 접근할 경우, 이를 감지하여 홈 IoT 기기를 제어하면서 사용자에게 실시간으로 인지시킴으로써, 안전 사고를 방지할 수 있는 홈 모니터링 시스템에 대해 상세히 설명하도록 한다.
도 7은 본 발명의 실시 예에 따른 홈 모니터링 시스템의 동작을 간략하게 설명하기 위한 도이다.
도 7을 살펴보면, 본 발명의 일 실시 예에 따른 홈 IoT 서버(100)는 메인 제어부(170)를 포함할 수 있다.
메인 제어부(170)는 내부 영상을 기초로 일부 공간과 주변 공간을 위험 공간으로 설정할 수 있다. 메인 제어부(170)는 복수의 카메라로부터 촬영된 내부 영상 또는 내부 설계도 등을 기초로 내부 공간의 일부를 위험 공간 또는 복수의 홈 IoT 기기의 주변 공간으로 설정할 수 있다.
메인 제어부(170)는 설정된 위험 공간에 기설정된 범위에 포함된 사람이 접근하는 상황과 관련된 접근 정보를 획득할 수 있다.
메인 제어부(170)는 접근 정보를 미리 학습된 위험 가능 상황 판단 분류 모델에 적용할 수 있다.
메인 제어부(170)는 적용 결과에 기반하여 접근 정보를 인식한 상황이 위험 상황인지 여부를 판단할 수 있다.
메인 제어부(170)는 판단 결과에 기반하여 안전 신호 또는 경고 신호를 생성할 수 있다.
예를 들어, 메인 제어부(170)는 창문의 상태가 락이 걸려 닫힌 경우, 일부 공간을 위험 공간으로 설정하지 않고, 창문의 상태가 락이 걸려 있지 않고 열린 경우, 일부 공간을 위험 공간으로 설정할 수 있다. 메인 제어부(170)는 창문의 상태가 락이 걸려 위험 공간으로 설정하지 않는 상태에서, 기설정된 범위에 포함된 사람이 창문을 터치하거나 락을 해제하는 경우, 일부 공간을 위험 공간으로 재설정하고, 경고 신호를 생성할 수 있다.
도 8은 본 발명의 실시 예에 따른 홈 모니터링 시스템이 홈 IoT 기기의 동작에 따라 위험 공간의 설정하는 것을 설명하기 위한 도이다.
도 8을 살펴보면, 메인 제어부(170)는 일부 홈 IoT 기기의 동작에 따라 위험 공간의 설정 여부를 판단할 수 있다.
메인 제어부(170)는 복수의 홈 IoT 기기가 전기적으로 연결되며, 이들의 작동여부를 체크할 수 있다(S101).
메인 제어부(170)는 일부 홈 IoT 기기가 동작하는 경우(S102), 일부 홈 IoT 기기의 주변 공간을 위험 공간으로 설정할 수 있다(S103). 예를 들어, 일부 공간인 위험 공간은 일부 홈 IoT 기기가 설치되는 공간, 창문이 설치된 공간인 것을 포함할 수 있다. 일부 홈 IoT 기기는 전기 레인지, 가스 레인지, 식기 세척기, 오븐, 세탁기 중 하나인 것을 포함할 수 있다.
메인 제어부(170)는 일부 홈 IoT 기기가 동작하지 않을 경우(S102), 일부 홈 IoT 기기의 주변 공간을 위험 공간으로 설정하지 않을 수 있다(S104).
도 9는 본 발명의 실시 예에 따른 홈 모니터링 시스템의 순서도이다.
도 9를 살펴보면, 메인 제어부(170)는 내부 영상을 기초하여 기설정된 범위에 포함된 사람이 움직이는 상황과 관련된 움직임 정보를 획득하고, 획득된 움직임 정보로부터 특징값을 추출할 수 있다(S210).
예를 들어, 메인 제어부(170)는 적어도 하나의 센서(예를 들어, 감지 센서)로부터 움직임 정보를 수신할 수 있다. 메인 제어부(170)는 움직임 정보로부터 특징값을 추출할 수 있다. 특징값은 움직임 정보에서 추출할 수 있는 적어도 하나의 특징들 중에서 내부 공간을 이동하는 사용자의 이동 패턴 등을 통해 구체적으로 나타내는 것으로 산출될 수 있다.
메인 제어부(170)는 특징값들을 위험 상황 또는 경고 상황을 판단하도록 트레이닝된 인공 신경망(ANN) 분류기에 입력되도록 제어할 수 있다(S220).
메인 제어부(170)는 추출된 특징값이 결합되어 위험 상황 또는 경고 상황 상태를 생성할 수 있다. 상기 위험 상황 또는 경고 상황 상태는, 추출된 특징값에 기초하여 위험 상황 또는 경고 상황을 판별하도록 트레이딩된 인공 신경망(ANN) 분류기에 입력될 수 있다. 인공 신경망 분류기는 경고 가능 상황 판단 분류 모델이라 칭할 수 있다.
메인 제어부(170)는 인공 신경망의 출력값을 분석하고(S820), 인공 신경망 출력값에 기초하여 경고 상황 또는 위험 상황인지 여부를 판단할 수 있다(S230).
메인 제어부(170)는 인공 신경망 분류기의 출력으로부터 움직임 정보와 관련된 상황이 위험 상황인지, 경고 상황인지 여부를 식별할 수 있다.
한편, 도 9에서는 AI 프로세싱을 통해 위험 상황을 판단하는 메인 제어부(170)의 프로세싱에서 구현되는 예를 설명하였으나, 본 발명은 이에 한정되지 않는다. 예를 들어, AI 프로세싱은 메인 제어부로부터 수신된 센싱 정보에 기초하여 5G 네트워크 상에서 이루어질 수도 있다.
메인 제어부(170)는 판단 결과에 기반하여 안전 신호 또는 상기 경고 신호를 생성할 수 있다(S240) 예를 들어, 메인 제어부(170)는 사용자에 대한 움직임 정보를 관찰한 결과 위험 상황이라고 판단되면, 안전 신호 또는 경고 신호를 생성할 수 있다.
이후 메인 제어부(170)는 생성된 안전 신호 또는 경고 신호를 등록된 사용자의 휴대 기기 또는 스마트 기기 등에 전송할 수 있다. 경고 신호는 저장부에 저장된 등록된 사용자의 음성을 포함할 수 있다. 등록된 사용자는 홈 IoT 서버에 사용자의 휴대 기기에 대한 전화 번호가 등록된 사용자로 정의될 수 있다.
또는 메인 제어부(170)는 생성된 안전 신호 또는 경고 신호와 함께 기설정된 선호 IoT 기기를 강제로 작동시킴으로써, 기설정된 범위에 포함된 사람을 위험 상황에서 벗어나도록 유도할 수 있다. 예를 들어, 기설정된 범위에 포함된 사람은, 어린이 또는 노약자를 포함할 수 있다.
도 10은 본 발명의 실시 예에 따른 홈 모니터링 시스템이 선호 IoT 기기를 선정하는 것을 설명하기 위한 도이다.
도 10을 살펴보면, 메인 제어부(170)는 기설정된 범위에 포함된 사람이 자주 사용하는 일부 홈 IoT 기기를 선호 IoT 기기로 선정할 수 있다.
메인 제어부(170)는 내부 영상을 기초하여 기설정된 범위에 포함된 사람이 하루에 적어도 3번 이상 사용하는 홈 IoT 기기 중 하나를 선호 IoT 기기로 선정할 수 있다(S310). 하루에 적어도 3번 이상 사용하는 홈 IoT 기기 중 하나를 선호 IoT 기기로 선정한다고 설명하였으나, 이에 한정되는 것은 아니다. 메인 제어부는 내부 영상을 통해 기설정된 범위에 포함된 사람이 홈 IoT 기기 중 이용하는 시간에 비례하여 선호 IoT 기기로 선정할 수 있다.
메인 제어부(170)는 기설정된 범위에 포함된 사람이 위험 공간에 기설정된 시간 이상 머무는지를 판단할 수 있다(S320). 메인 제어부(170)는 기설정된 범위에 포함된 사람이 위험 공간에 기설정된 시간 이상 머무를 경우, 선호 IoT 기기를 강제로 턴 온하여 작동시킬 수 있다(S350).
메인 제어부(170)는 일부 홈 IoT 기기의 안전 거리 이내로 접근하는 것을 판단할 수 있다(S330). 메인 제어부(170)는 일부 홈 IoT 기기의 안전 거리 이내로 접근하는 것이 감지되는 경우, 선호 IoT 기기를 강제로 턴 온하여 작동시킬 수 있다(S350).
메인 제어부(170)는 기설정된 범위에 포함된 사람이 위험 공간에 기설정된 시간 이하로 머무르거나 일부 홈 IoT 기기의 안전 거리 이내로 접근하지 않을 경우, 선호 IoT 기기를 턴 오프 상태를 유지할 수 있다(S340).
메인 제어부(170)는 유아, 어린이, 노인 등이 위험 공간에 위치할 경우, 선호 IoT 기기를 강제로 턴 온시킴으로써, 이들의 관심 또는 시선을 선호 IoT 기기로 돌릴 수 있다. 이에, 메인 제어부(170)는 유아, 어린이, 노인 등이 위험 공간을 벗어나 선호 IoT 기기의 주변으로 이동하도록 유도함으로써, 이들의 안전 사고를 미연에 방지할 수 있다.
도 11은 본 발명의 실시 예에 따른 홈 모니터링 시스템이 기설정된 범위에 포함된 사람을 촬영하는 것을 설명하기 위한 도이다.
도 11을 살펴보면, 메인 제어부(170)는 기설정된 범위에 포함된 사람이 위험 공간에 위치하는 경우, 이들을 중심으로 확대하여 촬영할 수 있다.
메인 제어부(170)는 기설정된 범위에 포함된 사람이 위험 공간에 기설정된 시간 이상 머무르는지 판단할 수 있다(S410). 메인 제어부(170)는 기설정된 범위에 포함된 사람이 위험 공간에 기설정된 시간 이상 머무를 경우, 복수의 카메라 중 하나의 카메라를 선택할 수 있다(S440). 메인 제어부(170)는 복수의 카메라 중 위험 공간에 근접한 카메라를 우선적으로 선택할 수 있다. 또는 메인 제어부(170)는 복수의 카메라 중 기설정된 범위에 포함된 사람에 근접한 카메라를 우선적으로 선택할 수 있다.
메인 제어부(170)는 일부 홈 IoT 기기의 안전 거리 이내로 접근하는 것을 판단할 수 있다(S330). 메인 제어부(170)는 일부 홈 IoT 기기의 안전 거리 이내로 접근하는 것이 감지되는 경우, 복수의 카메라 중 하나의 카메라를 선택할 수 있다(S440).
메인 제어부(170)는 선택된 카메라를 제어하여 위험 공간에 위치한 기설정된 범위에 포함된 사람에 포커스를 맞춰서 촬영할 수 있다. 메인 제어부(170)는 주변 상황에 따라 기설정된 범위에 포함된 사람에 포커스를 맞추되, 이들을 확대하여 촬영하여 저장할 수 있다.
도 12는 5G 네트워크를 이용하여 위험 상황을 판단하는 방법을 나타낸 흐름도이다.
도 12에 도시된 바와 같이, 프로세서(170)는 접근 정보의 특징 값을 5G 네트워크에 포함된 AI 프로세서로 전송하도록 통신부(220)를 제어할 수 있다. 또한, 프로세서(170)는 상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어할 수 있다.
상기 AI 프로세싱된 정보는, 접근 정보를 인식한 상황이 위험 상황인지 여부를 판단하기 위한 위험 상황 확률 정보 또는 위험 상황 확률 값을 포함할 수 있다.
한편, 홈 IoT 서버의 프로세서는 5G 네트워크로 상기한 접근 정보를 인식한 상황과 관련된 정보를 전송하기 위하여, 5G 네트워크와 초기 접속 절차를 수행할 수 있다. 홈 IoT 서버의 프로세서는 SSB(Synchronization signal block)에 기초하여 상기 5G 네트워크와 초기 접속 절차를 수행할 수 있다.
또한, 홈 IoT 서버의 프로세서는 무선 통신부를 통해 접근 정보를 인식한 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신할 수 있다.
프로세서(170)는 상기 DCI에 기초하여 상기 접근 정보에 대한 인식 상황 정보를 상기 네트워크로 전송할 수 있다.
상기 접근 정보에 대한 인식 상황 정보는 PUSCH를 통해 상기 네트워크로 전송되며, 상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL될 수 있다.
도 12를 참조하면, 홈 IoT 서버의 프로세서는 접근 정보에 대한 인식 상황 정보로부터 추출된 특징 값을 5G 네트워크로 전송할 수 있다(S510).
여기서 5G 네트워크는 AI 프로세서 또는 AI 시스템을 포함할 수 있으며, 5G 네트워크의 AI 시스템은 수신된 센싱 정보에 기초하여 AI 프로세싱을 수행할 수 있다(S520).
AI 시스템은, 홈 IoT 서버로부터 수신된 특징값들을 ANN 분류기에 입력할 수 있다(S1911). AI 시스템은, ANN 출력값을 분석하고(S1913), 상기 ANN 출력값으로부터 현재의 접근 정보에 대한 인식 상황이 위험 가능 상황일 확률 값을 획득할 수 있다(S1915). 5G 네트워크는 상기 AI 시스템에서 판단한 위험 가능 상황일 확률 값을 무선 통신부를 통해 홈 IoT 서버로 전송할 수 있다.
AI 시스템은, 현재 접근 정보에 대한 인식 상황이 위험 가능 상황인 것으로 판단한 경우(S1917), 현재 접근 정보를 인식한 상황이 홈 IoT 기기에 안전 신호를 전송하는 동시에 등록된 사용자에게 경고 신호까지 전송하여야 하는 위험 가능 상황임을 확인(S1919)하고, 경고 신호와 함께 안전 신호를 홈 IoT 기기에 전송하여 이를 제어하도록 하는 신호를 홈 IoT 서버로 전송할 수 있다(S540).
또한, 위험 가능 상황이 아닌 것으로 판단한 경우, AI 시스템은 위험 가능 상황일 확률 값을 홈 IoT 서버의 프로세서로 전송할 수 있고(S530), 홈 IoT 서버의 프로세서가 위험 가능 상황 확률 값을 분석하여 현재 접근 정보에 대한 인식 상황이 위험 가능 상황인지 여부를 판단할 수 있다.
한편, 홈 IoT 서버의 프로세서는 접근 정보에 대한 인식 상황 정보만을 5G 네트워크로 전송하고, 5G 네트워크에 포함된 AI 시스템 내에서 접근 정보에 대한 인식 상황 정보로부터 위험 가능 상황인지 여부를 판단하기 위한 인공 신경망의 입력으로 이용될 입력에 대응하는 특징 값을 추출할 수도 있다.
도 13 내지 도 15는 본 발명의 실시 예에 따른 홈 모니터링 시스템의 다양한 예를 설명하기 위한 도이다.
도 13을 살펴보면, 메인 제어부(170)는 인덕션(502) 또는 인덕션(502)의 주변에 배치되는 온도 측정 기기(501) 등으로부터 음식(503)이 조리되고 있음을 감지할 수 있다. 메인 제어부(170)는 인덕션(502)에 음식(503)이 조리되고 있는 부엌을 위험 공간(DA1)으로 설정할 수 있다.
복수의 카메라(111)를 통해 설정된 위험 공간(DA1)에 어린이가 접근하는 것이 감지되면, 메인 제어부(170)는 위험 가능 상황을 인지하고, 학습된 결과에 기초하여 경고 신호를 생성할 수 있다. 경고 신호는 메인 제어부(170)의 제어 하에 통신부를 통해 등록된 사용자의 휴대 기기에 전송될 수 있다.
또는, 메인 제어부(170)는 어린이가 선호하는 선호 IoT 기기를 강제로 작동시켜 어린이를 위험 공간(DA2)으로부터 벗어나도록 유도할 수 있다.
도 14를 살펴보면, 메인 제어부(170)는 사람들이 모두 외출하고 애완 동물 만 집안에 있을 경우 인덕션(502)이 있는 부엌을 위험 공간(DA2)으로 설정할 수 있다.
복수의 카메라(111)를 통해 설정된 위험 공간(DA2)에 애완동물이 접근하는 것이 감지되면, 메인 제어부(170)는 위험 가능 상황을 인지하고, 학습된 결과에 기초하여 인덕션(502)을 잠금 모드 또는 락 모드로 전환하고, 경고 신호를 생성할 수 있다. 메인 제어부(170)는 인덕션(502)을 잠금 모드 또는 락 모드로 전환시킴으로써, 애완 동물의 터치에 의해 인덕션(502)이 작동하는 것을 방지할 수 있다.
경고 신호는 메인 제어부(170)의 제어 하에 통신부를 통해 등록된 사용자의 휴대 기기에 전송될 수 있다.
경고 신호는 사용자의 음성이 녹음된 파일을 포함할 수 있다. 예를 들어, 경고 신호는 "코코야, 거기 가면 안돼", "코코야, 이리 오렴"과 같은 사용자의 음성일 수 있다.
또는, 메인 제어부(170)는 애완 동물이 싫어하거나 무서워하는 소리를 경고 신호로 저장할 수 있다. 메인 제어부(170)는 상술한 경고 신호를 출력함으로써, 애완 동물을 위험 공간(DA2)으로부터 벗어나도록 유도할 수 있다.
도 15를 살펴보면, 메인 제어부(170)는 식기 세척기가 작동되는 경우, 이를 감지하여 식기 세척기가 배치되는 다용도실 또는 부엌을 위험 공간(DA3)으로 설정할 수 있다.
식기 세척기는 접근 센서를 장착할 수 있다. 예를 들어, 메인 제어부(170)가 식기 세척기의 주변 공간을 위험 공간이라고 설정할 경우, 식기 세척기 또는 인덕션에 장착된 접근 센서는 턴 온되어 작동될 수 있다.
접근 센서는 복수의 카메라에 촬영되지 않은 어린이가 접근할 경우, 이를 감지하여 감지 신호를 메인 제어부(170)에 제공할 수 있다.
감지 신호가 전송되면 메인 제어부(170)는 복수의 카메라(111)를 이용하여 위험 공간(DA3)에 위치하는 어린이를 실시간으로 촬영할 수 있다.
이후 메인 제어부(170)는 위험 가능 상황이 계속해서 인지되는 경우, 학습된 결과에 기초하여 식기 세척기의 도어를 잠금 모드 또는 락 모드를 전환시킬 수 있다. 또는 메인 제어부(170)는 식기 세척기에서 발생되는 뜨거운 증기가 방출되는 시간을 지연시킬 수 있다. 메인 제어부(170)는 경고 신호를 생성할 수 있다. 경고 신호는 메인 제어부(170)의 제어 하에 통신부를 통해 등록된 사용자의 휴대 기기에 전송될 수 있다.
또는, 메인 제어부(170)는 어린이가 선호하는 선호 IoT 기기를 강제로 작동시켜 어린이를 위험 공간에 벗어나도록 유도할 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims (20)

  1. 내부 공간에 배치되는 복수의 홈 IoT 기기;
    상기 내부 공간과 상기 복수의 홈 IoT 기기의 주변을 촬영하는 복수의 카메라; 및
    상기 복수의 카메라로부터 상기 내부 공간을 촬영한 내부 영상과 상기 복수의 홈 IoT 기기의 주변 공간을 촬영한 주변 영상을 전송 받고, 상기 복수의 홈 IoT 기기를 제어할 수 있는 제어 신호를 상기 복수의 홈 IoT 기기에 전송하는 홈 IoT 서버;를 포함하고,
    상기 홈 IoT 서버는,
    상기 복수의 홈 IoT 기기의 주변 공간 중 일부 홈 IoT 기기의 주변 공간과 상기 내부 공간 중 일부 공간을 위험 공간으로 설정하고,
    상기 내부 영상에서 기설정된 범위에 포함된 사람이 상기 위험 공간에 접근하여 감지되는 경우, 상기 일부 홈 IoT 기기에 안전 신호를 전송하여 제어하고, 등록된 사용자에게 경고 신호를 전송하는 홈 모니터링 시스템.
  2. 제1 항에 있어서,
    상기 홈 IoT 서버는
    상기 복수의 카메라로부터 상기 내부 영상 또는 상기 주변 영상을 전송 받고, 상기 복수의 홈 IoT 기기에 상기 제어 신호 또는 상기 안전 신호를 전송하고, 상기 등록된 사용자에게 경고 신호를 전송하는 통신부;
    상기 통신부를 통해 전송된 상기 내부 영상을 기초로 상기 일부 공간과 상기 주변 공간을 상기 위험 공간으로 설정하고, 설정된 상기 위험 공간에 기설정된 범위에 포함된 사람이 접근하는 상황과 관련된 접근 정보를 획득하고, 상기 접근 정보를 미리 학습된 위험 가능 상황 판단 분류 모델에 적용하며, 상기 적용 결과에 기반하여 상기 접근 정보를 인식한 상황이 위험 상황인지 여부를 판단하고, 상기 판단 결과에 기반하여 상기 안전 신호 또는 상기 경고 신호를 생성하는 메인 제어부; 및
    상기 내부 영상, 상기 주변 영상, 상기 안전 신호 또는 상기 경고 신호를 저장하는 저장부;를 포함하고,
    상기 통신부는,
    상기 메인 제어부의 제어 하에 상기 안전 신호를 상기 일부 홈 IoT 기기에 전송하여 상기 일부 홈 IoT 기기에 대한 동작을 제어하도록 전송하거나, 상기 경고 신호를 상기 등록된 사용자에게 전송하는 홈 모니터링 시스템.
  3. 제2 항에 있어서,
    상기 메인 제어부는,
    상기 일부 홈 IoT 기기의 동작에 따라 상기 위험 공간의 설정 여부를 판단하는 홈 모니터링 시스템.
  4. 제3 항에 있어서,
    상기 메인 제어부는,
    상기 일부 홈 IoT 기기가 동작하지 않을 경우, 상기 일부 홈 IoT 기기의 상기 주변 공간을 상기 위험 공간으로 설정하지 않고,
    상기 일부 홈 IoT 기기가 동작하는 경우, 상기 일부 홈 IoT 기기의 상기 주변 공간을 상기 위험 공간으로 설정하는 홈 모니터링 시스템.
  5. 제4 항에 있어서,
    상기 일부 홈 IoT 기기는,
    전기 레인지, 가스 레인지, 식기 세척기, 오븐, 세탁기 중 하나인 홈 모니터링 시스템.
  6. 제5 항에 있어서,
    상기 일부 공간은,
    상기 일부 홈 IoT 기기가 설치되는 공간, 창문이 설치된 공간인 홈 모니터링 시스템.
  7. 제2 항에 있어서,
    상기 기설정된 범위에 포함된 사람은,
    어린이 또는 노약자를 포함하는 홈 모니터링 시스템.
  8. 제2 항에 있어서,
    상기 메인 제어부는,
    상기 내부 영상을 기초하여 상기 기설정된 범위에 포함된 사람이 움직이는 상황과 관련된 움직임 정보를 획득하고, 상기 움직임 정보를 미리 학습된 경고 가능 상황 판단 분류 모델에 적용하며, 상기 적용 결과에 기반하여 상기 움직임 정보를 인식한 상황이 경고 상황인지 여부를 판단하고, 상기 판단 결과에 기반하여 상기 안전 신호 또는 상기 경고 신호를 생성하는 홈 모니터링 시스템.
  9. 제2 항에 있어서,
    상기 메인 제어부는,
    상기 내부 영상을 기초하여 상기 기설정된 범위에 포함된 사람이 하루에 적어도 3번 이상 사용하는 상기 홈 IoT 기기 중 하나를 선호 IoT 기기로 선정하고,
    상기 기설정된 범위에 포함된 사람이 상기 위험 공간에 기설정된 시간 이상 머무르거나 상기 일부 홈 IoT 기기의 안전 거리 이내로 접근하는 것이 감지되는 경우,
    상기 선호 IoT 기기를 강제로 동작하도록 제어하는 홈 모니터링 시스템.
  10. 제9 항에 있어서,
    상기 메인 제어부는,
    상기 기설정된 범위에 포함된 사람이 상기 위험 공간에 기설정된 시간 이상 머무르거나 상기 일부 홈 IoT 기기의 안전 거리 이내로 접근하는 것이 감지되는 경우,
    상기 복수의 카메라 중 하나의 카메라를 선택하여 상기 기설정된 범위에 포함된 사람을 중심으로 확대하여 촬영하도록 제어하는 홈 모니터링 시스템.
  11. 제2 항에 있어서,
    상기 경고 신호는,
    상기 저장부에 저장된 상기 등록된 사용자의 음성을 포함하는 홈 모니터링 시스템.
  12. 제2 항에 있어서,
    상기 등록된 사용자는,
    상기 홈 IoT 서버에 사용자의 휴대 기기에 대한 전화 번호가 등록된 홈 모니터링 시스템.
  13. 제2 항에 있어서,
    상기 위험 가능 상황 판단 분류 모델은 AI(Artificial Intelligence) 장치에 저장되며,
    상기 메인 제어부는,
    상기 AI 장치로 상기 접근 정보를 인식한 상황과 관련된 정보와 관련된 특징값을 전송하고,
    상기 AI 장치로부터 상기 접근 정보를 인식한 상황과 관련된 정보를 상기 위험 가능 상황 판단 분류 모델에 적용한 결과를 획득하는 홈 모니터링 시스템.
  14. 제2 항에 있어서,
    상기 위험 가능 상황 판단 분류 모델은 네트워크에 저장되며,
    상기 메인 제어부는,
    상기 네트워크로 상기 접근 정보를 인식한 상황과 관련된 정보를 전송하고,
    상기 네트워크로부터 상기 접근 정보를 인식한 상황과 관련된 정보를 상기 위험 가능 상황 판단 분류 모델에 적용한 결과를 획득하는 홈 모니터링 시스템.
  15. 제14 항에 있어서,
    상기 메인 제어부는,
    상기 접근 정보를 인식한 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)을 네트워크로부터 수신하는 것을 특징으로 하며,
    상기 접근 정보를 인식한 상황과 관련된 정보는, 상기 DCI에 기초하여 상기 네트워크로 전송되는 홈 모니터링 시스템.
  16. 제15 항에 있어서,
    상기 메인 제어부는,
    SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 것을 특징으로 하며,
    상기 접근 정보를 인식한 상황과 관련된 정보는 PUSCH를 통해 상기 네트워크로 전송되고,
    상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL되어 있는 홈 모니터링 시스템.
  17. 제15 항에 있어서,
    상기 메인 제어부는,
    상기 접근 정보를 인식한 상황과 관련된 정보를 상기 네트워크에 포함된 상기 AI 프로세서로 전송하도록 상기 통신부를 제어하고,
    상기 AI 프로세서로부터 AI 프로세싱된 정보를 수신하도록 상기 통신부를 제어하는 것을 특징으로 하며,
    상기 AI 프로세싱된 정보는,
    상기 접근 정보를 인식한 상황이 위험 상황인지 여부를 판단하기 위한 위험 상황 확률 정보인 홈 모니터링 시스템.
  18. 제6 항에 있어서,
    상기 메인 제어부는,
    상기 창문의 상태에 따라 상기 위험 공간의 설정 여부를 판단하는 홈 모니터링 시스템.
  19. 제18 항에 있어서,
    상기 메인 제어부는,
    상기 창문의 상태가 락이 걸려 닫힌 경우, 상기 일부 공간을 상기 위험 공간으로 설정하지 않고,
    상기 창문의 상태가 락이 걸려 있지 않고 열린 경우, 상기 일부 공간을 상기 위험 공간으로 설정하는 홈 모니터링 시스템.
  20. 제19 항에 있어서,
    상기 메인 제어부는,
    상기 창문의 상태가 락이 걸려 상기 위험 공간으로 설정하지 않는 상태에서, 상기 기설정된 범위에 포함된 사람이 상기 창문을 터치하거나 상기 락을 해제하는 경우, 상기 일부 공간을 상기 위험 공간으로 재설정하고, 상기 경고 신호를 생성하는 홈 모니터링 시스템.
KR1020190094582A 2019-08-02 2019-08-02 홈 모니터링 시스템 KR20190098109A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190094582A KR20190098109A (ko) 2019-08-02 2019-08-02 홈 모니터링 시스템
US16/656,475 US10964202B2 (en) 2019-08-02 2019-10-17 Home monitoring system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190094582A KR20190098109A (ko) 2019-08-02 2019-08-02 홈 모니터링 시스템

Publications (1)

Publication Number Publication Date
KR20190098109A true KR20190098109A (ko) 2019-08-21

Family

ID=67808229

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190094582A KR20190098109A (ko) 2019-08-02 2019-08-02 홈 모니터링 시스템

Country Status (2)

Country Link
US (1) US10964202B2 (ko)
KR (1) KR20190098109A (ko)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190114930A (ko) 2019-09-19 2019-10-10 엘지전자 주식회사 이동 로봇 및 이를 이용한 시큐리티 시스템
CN111181957A (zh) * 2019-12-27 2020-05-19 陈玉鋆 物联网设备安全验证方法、系统及中央控制设备
CN111223269A (zh) * 2019-12-30 2020-06-02 维沃移动通信有限公司 一种安全防护方法及电子设备
WO2021075622A1 (ko) * 2019-10-18 2021-04-22 건국대학교 산학협력단 유아 모니터링 방법 및 이를 수행하는 장치들
WO2021112283A1 (ko) * 2019-12-04 2021-06-10 (주)바램시스템 홈 로봇 및 홈 디바이스 연동을 통한 스마트 홈 안전 모니터링 시스템
KR20210085046A (ko) * 2019-12-30 2021-07-08 (주) 경성테크놀러지 딥러닝 방식을 이용한 장애아동을 발열 관리 시스템
KR102339788B1 (ko) * 2020-12-17 2021-12-16 주식회사 휴랜 웨어러블기기를 이용한 스마트 안전보안 시스템
KR102471214B1 (ko) * 2022-01-21 2022-11-28 퀀텀테크엔시큐 주식회사 IP-Cam 모니터링 방법 및 장치
WO2024080563A1 (ko) * 2022-10-11 2024-04-18 엘지전자 주식회사 가전기기를 위한 정보처리방법, 가전기기를 위한 정보처리시스템, 및 가전기기를 위한 정보처리장치

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11379682B2 (en) * 2020-06-07 2022-07-05 Tamir Rosenberg System and method for recognizing unattended humans who require supervision
US20230005360A1 (en) * 2021-06-30 2023-01-05 iGuard.ai, Inc. Systems and methods for automatically detecting and responding to a security event using a machine learning inference-controlled security device

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7292723B2 (en) * 2003-02-26 2007-11-06 Walker Digital, Llc System for image analysis in a network that is structured with multiple layers and differentially weighted neurons
CN102860003A (zh) * 2010-03-09 2013-01-02 常州环视高科电子科技有限公司 监控系统及方法
KR101302803B1 (ko) * 2011-05-26 2013-09-02 주식회사 엘지씨엔에스 네트워크 카메라를 이용한 지능형 감시 방법 및 시스템
US10833912B2 (en) * 2012-12-05 2020-11-10 Origin Wireless, Inc. Methods, devices, servers, apparatus, and systems for wireless internet of things applications
TWI469098B (zh) * 2013-01-25 2015-01-11 Hon Hai Prec Ind Co Ltd 安全監控系統及安全監控方法
US10652735B2 (en) * 2013-10-04 2020-05-12 Sol Mingso Li Systems and methods for programming, controlling and monitoring wireless networks
US9788039B2 (en) * 2014-06-23 2017-10-10 Google Inc. Camera system API for third-party integrations
US9344365B1 (en) * 2015-02-03 2016-05-17 Google Inc. Mesh network addressing
US10276017B2 (en) * 2015-05-08 2019-04-30 Kerry CAPERELL Alert system capable of indicating the nature of an object, person, or pet
JP6520772B2 (ja) * 2016-03-14 2019-05-29 オムロン株式会社 評価システム、評価プログラムおよび評価方法
KR101765235B1 (ko) * 2016-11-28 2017-08-04 한국건설기술연구원 사물인터넷 기반 센서와 무인비행체를 이용한 시설물 유지관리 시스템 및 그 방법
US10972474B2 (en) * 2017-04-18 2021-04-06 International Business Machines Corporation Logical zones for IoT devices

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190114930A (ko) 2019-09-19 2019-10-10 엘지전자 주식회사 이동 로봇 및 이를 이용한 시큐리티 시스템
WO2021075622A1 (ko) * 2019-10-18 2021-04-22 건국대학교 산학협력단 유아 모니터링 방법 및 이를 수행하는 장치들
KR20210046394A (ko) * 2019-10-18 2021-04-28 건국대학교 산학협력단 유아 모니터링 방법 및 이를 수행하는 장치들
WO2021112283A1 (ko) * 2019-12-04 2021-06-10 (주)바램시스템 홈 로봇 및 홈 디바이스 연동을 통한 스마트 홈 안전 모니터링 시스템
CN111181957A (zh) * 2019-12-27 2020-05-19 陈玉鋆 物联网设备安全验证方法、系统及中央控制设备
CN111223269A (zh) * 2019-12-30 2020-06-02 维沃移动通信有限公司 一种安全防护方法及电子设备
KR20210085046A (ko) * 2019-12-30 2021-07-08 (주) 경성테크놀러지 딥러닝 방식을 이용한 장애아동을 발열 관리 시스템
CN111223269B (zh) * 2019-12-30 2021-09-24 维沃移动通信有限公司 一种安全防护方法及电子设备
KR102339788B1 (ko) * 2020-12-17 2021-12-16 주식회사 휴랜 웨어러블기기를 이용한 스마트 안전보안 시스템
KR102471214B1 (ko) * 2022-01-21 2022-11-28 퀀텀테크엔시큐 주식회사 IP-Cam 모니터링 방법 및 장치
WO2024080563A1 (ko) * 2022-10-11 2024-04-18 엘지전자 주식회사 가전기기를 위한 정보처리방법, 가전기기를 위한 정보처리시스템, 및 가전기기를 위한 정보처리장치

Also Published As

Publication number Publication date
US20200051422A1 (en) 2020-02-13
US10964202B2 (en) 2021-03-30

Similar Documents

Publication Publication Date Title
KR20190098109A (ko) 홈 모니터링 시스템
US11189268B2 (en) Method and apparatus for selecting voice-enabled device and intelligent computing device for controlling the same
KR102622240B1 (ko) 지능형 공기 청정기, 지능형 공기 청정기를 이용한 실내 공기질 제어방법 및 제어 장치
KR102246661B1 (ko) 음성 인에이블 디바이스 선택 방법 및 장치
KR20190099157A (ko) 인공지능 장치를 이용한 식기 세척 방법 및 이를 위한 장치
KR20190105531A (ko) 인공지능 기반 조리 제어 방법 및 지능형 디바이스
US11073541B2 (en) Intelligent method for controlling home appliance, apparatus and intelligent computing device for controlling home appliance
KR20190104484A (ko) 인공지능 기반 수면 분석 방법 및 수면 분석 기능을 구비한 지능형 디바이스
KR20190103083A (ko) 딥러닝 기반의 세탁기의 진동 분석 방법과 그 장치
US20200024792A1 (en) Intelligent washing machine and method for controlling washing timing using the same
KR20210048895A (ko) Gan 기반 인공 신경망 모델의 트레이닝
US11952701B2 (en) Door open monitoring for intelligent device
KR20190108086A (ko) 상황 정보에 기반한 지능형 디바이스의 조도 제어 방법 및 지능형 디바이스
US11741424B2 (en) Artificial intelligent refrigerator and method of storing food thereof
US20200090643A1 (en) Speech recognition method and device
KR20190099380A (ko) 사용자의 행동 패턴에 기반한 AI(Artificial Intelligence) 장치와 디바이스를 연계하는 방법 및 이를 위한 장치
US11323835B2 (en) Method of inspecting sound input/output device
US20200024788A1 (en) Intelligent vibration predicting method, apparatus and intelligent computing device
US11615760B2 (en) Controlling of device based on user recognition utilizing vision and speech features
US20210125478A1 (en) Intelligent security device
US11816197B2 (en) Method of authenticating user and apparatus thereof
US20210332519A1 (en) Intelligent washing machine and control method thereof
US20230108444A1 (en) Control for intelligent cooking device
US20210151049A1 (en) Method for processing user input of voice assistant
KR20210093072A (ko) Personal roi를 활용한 프로파일링

Legal Events

Date Code Title Description
A201 Request for examination