KR20190104263A - 인공지능 기반의 음성 인식 서비스 제공 장치 및 방법 - Google Patents
인공지능 기반의 음성 인식 서비스 제공 장치 및 방법 Download PDFInfo
- Publication number
- KR20190104263A KR20190104263A KR1020190084059A KR20190084059A KR20190104263A KR 20190104263 A KR20190104263 A KR 20190104263A KR 1020190084059 A KR1020190084059 A KR 1020190084059A KR 20190084059 A KR20190084059 A KR 20190084059A KR 20190104263 A KR20190104263 A KR 20190104263A
- Authority
- KR
- South Korea
- Prior art keywords
- user
- signal
- voice
- template
- speech
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000001228 spectrum Methods 0.000 claims abstract description 47
- 238000013473 artificial intelligence Methods 0.000 claims description 107
- 230000008569 process Effects 0.000 claims description 17
- 239000000284 extract Substances 0.000 abstract description 16
- 230000007257 malfunction Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 36
- 238000013528 artificial neural network Methods 0.000 description 27
- 230000006870 function Effects 0.000 description 24
- 238000012549 training Methods 0.000 description 15
- 230000003993 interaction Effects 0.000 description 14
- 238000010801 machine learning Methods 0.000 description 12
- 230000004044 response Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 210000002569 neuron Anatomy 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 239000007858 starting material Substances 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 210000000225 synapse Anatomy 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/18—Artificial neural networks; Connectionist approaches
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
- H04W52/0229—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal where the received signal is a wanted signal
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/06—Decision making techniques; Pattern matching strategies
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/22—Interactive procedures; Man-machine interfaces
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/06—Decision making techniques; Pattern matching strategies
- G10L17/08—Use of distortion metrics or a particular distance between probe pattern and reference templates
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L2015/088—Word spotting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Acoustics & Sound (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Game Theory and Decision Science (AREA)
- Business, Economics & Management (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
본 발명은, 인공지능 기반의 음성 인식 서비스 제공 장치 및 방법에 관한 것이다. 본 발명은, 사용자를 구별하여 전자 기기를 기동하는 인공지능 기반의 음성 인식 장치에 있어서, 상기 사용자에 따라 다수의 프레임을 갖는 음성 신호를 입력 받는 입력부; 및 상기 음성 신호를 시간 영역에서 다수의 음성 프레임을 갖는 주파수 영역 신호로 변화하여 상기 주파수 영역 신호의 각 음성 프레임과 관련된 적어도 하나의 스펙트럼을 추출하고, 상기 사용자에 따른 기동어에 관련된 템플릿을 구성하며, 임의의 음성 신호를 입력 받아 상기 템플릿과 비교하여 상기 사용자와 일치 여부를 판단하여 상기 전자 기기의 기동 여부를 제어하는 프로세서를 포함하는 인공지능 기반의 음성 인식 서비스 제공 장치 및 방법을 제공한다.
Description
본 발명은 인공지능 기반의 음성 인식 서비스 제공 장치 및 방법에 관한 것이다.
인공 지능(artificial intelligence)은 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미한다.
또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
한편, 최근에는 인공지능을 가전에 적용하여 여러 목적에 맞게 운용하는 기술들이 시도되고 있다. 사람이 개입하지 않고 자동으로 목적에 맞게 프로그램 된 형태로 가전 기기가 제어되는 것이다. 일 예로, 인공지능이 적용된 음성 인식 기술이 개발되고 있는 실정이다.
이와 관련, 한국공개특허 제2014-0166478호(음성 인식 방법 및 전자 장치)는, 전자 장치의 저전력 모드에서 지정된 클록을 사용하는 제1 프로세서가 마이크를 통해 입력되는 음성 신호를 인식하는 동작; 상기 인식된 음성 신호가 사전에 설정된 키워드이면, 제2 프로세서가 활성화 상태가 되어 음성 녹음을 수행하는 동작; 및 상기 음성 녹음 도중 음성 입력의 종료가 판별되면 상기 제2 프로세서가 음성 인식을 수행하는 동작을 포함하는 음성 인식 방법 및 전자 장치를 개시하고 있다.
다만, 종래의 기술은 발화 음성 중 기동어와 음성 명령어 사이의 멈춤 구간이 기 설정된 시간 미만으로 연속된 경우, 그 경계가 불명확하여 기동어 인식이나 발화 분석이 정확하게 수행되지 않는 문제점이 있다.
본 발명이 해결하고자 하는 과제는, 기동어와 발화문의 경계가 명확하지 않아도, 사용자의 음성으로 템플릿을 추출하여 사용자를 인식하는 인공지능 기반의 음성 인식 장치 및 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 과제는, 입력되는 음성이 사용자의 음성 외의 외부 음성인 경우, 비 기동어로 판단하여 오작동을 방지하는 인공지능 기반의 음성 인식 장치 및 방법을 제공하는 것이다.
본 발명의 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 방법은, 사용자에 따라 다수의 프레임을 갖는 음성 신호를 입력 받는 제1 단계; 상기 사용자에 따른 기동어에 관련된 템플릿을 구성하는 제2 단계; 및 임의의 음성 신호를 입력 받아 상기 템플릿과 비교하여 상기 사용자와 일치 여부 판단 및 기동 여부 제어하는 제3 단계를 포함할 수 있다.
실시 예에 따라, 상기 제1 단계는, 상기 음성 신호를 시간 영역에서 다수의 음성 프레임을 갖는 주파수 영역 신호로 변화하는 단계; 및 상기 주파수 영역 신호의 각 음성 프레임과 관련된 적어도 하나의 스펙트럼을 추출하는 단계를 더 포함할 수 있다.
실시 예에 따라, 상기 제2 단계는, 상기 음성 신호로부터 상기 사용자를 구분하는 단계; 상기 사용자에 따른 기동어를 수집하는 단계; 및 상기 사용자와 상기 사용자에 따른 기동어를 매칭시키는 단계를 포함할 수 있다.
실시 예에 따라, 상기 기동어의 매칭은, 상기 스펙트럼에서 대표 값을 추출하거나 평균 값을 추출하는 단계; 및 상기 대표 값 또는 평균 값을 클러스터링 하여 유형화하는 단계를 더 포함할 수 있다.
실시 예에 따라, 상기 제3 단계는, 상기 임의의 음성 신호에 대한 스펙트럼을 추출하는 단계; 상기 스펙트럼을 각 사용자마다 기 설정된 상기 템플릿과 비교하여 디스턴스를 산출하는 단계를 더 포함할 수 있다.
실시 예에 따라, 상기 디스턴스를 산출하는 단계는, 상기 디스턴스의 크기를 기 설정된 오차 범위와 비교하는 단계; 및 상기 디스턴스의 크기가 기 설정된 오차 범위보다 클 경우 기동 신호 또는 비기동 신호를 출력하여 상기 전자 기기를 제어하는 단계를 더 포함할 수 있다.
본 발명의 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 장치는, 사용자에 따라 다수의 프레임을 갖는 음성 신호를 입력 받는 입력부; 및 상기 음성 신호를 시간 영역에서 다수의 음성 프레임을 갖는 주파수 영역 신호로 변화하여 상기 주파수 영역 신호의 각 음성 프레임과 관련된 적어도 하나의 스펙트럼을 추출하고, 상기 사용자에 따른 기동어에 관련된 템플릿을 구성하며, 임의의 음성 신호를 입력 받아 상기 템플릿과 비교하여 상기 사용자와 일치 여부를 판단하여 상기 전자 기기의 기동 여부를 제어하는 프로세서를 포함할 수 있다.
실시 예에 따라, 상기 프로세서는, 상기 음성 신호를 시간 영역에서 다수의 음성 프레임을 갖는 주파수 영역 신호로 변화하여, 상기 주파수 영역 신호의 각 음성 프레임과 관련된 적어도 하나의 스펙트럼을 추출할 수 있다.
실시 예에 따라, 상기 프로세서는, 상기 음성 신호로부터 상기 사용자를 구분하고 상기 사용자에 따른 기동어를 수집하여 상기 사용자와 상기 사용자에 따른 기동어를 매칭시킬 수 있다.
실시 예에 따라, 상기 프로세서는, 상기 스펙트럼에서 대표 값을 추출하거나 평균 값을 추출하여 상기 대표 값 또는 평균 값을 클러스터링 하여 유형화 과정을 통해 상기 기동어의 매칭할 수 있다.
실시 예에 따라, 상기 프로세서는, 상기 임의의 음성 신호에 대한 스펙트럼을 추출하고 상기 스펙트럼을 각 사용자마다 기 설정된 상기 템플릿과 비교하여 디스턴스를 산출할 수 있다.
상기 스펙트럼을 각 사용자마다 기 설정된 상기 템플릿과 비교하여 디스턴스를 산출하고, 상기 디스턴스의 크기와 기 설정된 오차 범위의 차이에 따라 기동 신호 또는 비기동 신호를 출력하는 출력부를 더 포함할 수 있다.
본 발명의 실시 예에 따르면, 전자 기기를 작동할 수 있는 권한의 사용자들로부터 요청 음성을 누적적으로 입력하여 데이터화 하여 사용자를 자동으로 구분하는 이점이 있다.
또한, 본 발명의 실시 예에 따르면, 전자 기기 작동과 관련된 음성 신호에 대해서 전자 기기를 자동으로 제어함으로써 오작동의 위험을 줄일 수 있는 이점이 있다.
도 1은 본 발명의 일 실시 예에 따른 AI 장치를 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템을 나타낸다.
도 4는 본 발명의 일 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 장치의 블록도를 나타낸다.
도 5는 본 발명의 일 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 방법의 순서도를 나타낸다.
도 6은 본 발명의 일 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 방법의 상세한 순서도를 나타낸다.
도 7은 본 발명의 일 실시 예에 따른 디스턴스 산출 결과에 따라 전자 기기를 제어하는 과정의 순서도를 나타낸다.
도 8은 본 발명의 일 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 방법을 도식화한 모습을 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템을 나타낸다.
도 4는 본 발명의 일 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 장치의 블록도를 나타낸다.
도 5는 본 발명의 일 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 방법의 순서도를 나타낸다.
도 6은 본 발명의 일 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 방법의 상세한 순서도를 나타낸다.
도 7은 본 발명의 일 실시 예에 따른 디스턴스 산출 결과에 따라 전자 기기를 제어하는 과정의 순서도를 나타낸다.
도 8은 본 발명의 일 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 방법을 도식화한 모습을 나타낸다.
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.
<인공 지능(AI: Artificial Intelligence)>
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
<로봇(Robot)>
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.
로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.
<자율 주행(Self-Driving)>
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.
<확장 현실(XR: eXtended Reality)>
확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 1을 참조하면, 단말기(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.
입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.
입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.
이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.
프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.
이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버(200)를 나타낸다.
도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.
통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.
러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.
학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.
프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.
도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.
클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.
또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.
이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.
로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.
여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.
맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.
여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.
자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.
맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.
XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.
XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.
자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.
이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 장치의 블록도를 나타낸다.
도 4를 참조하면, 사용자의 발화를 인식하는 전자 기기(100a)에 대해 음성 인식 서비스를 제공하는 제공 장치에 대한 모습으로, 음성 인식 서비스 제공 장치는 입력부(250), 프로세서(260a) 및 출력부(270)를 포함할 수 있다.
인공지능 기반의 음성 인식 서비스 제공 장치는, 도 2에서 상술한 AI 서버(200)의 일 예에 해당할 수 있다. 즉, 도 2의 AI서버(200)에 포함된 구성들(210, 230, 240, 260)은 인공지능 기반의 음성 인식 서비스 제공 장치(200a)에도 마찬가지로 포함될 수 있다.
전자 기기(100a)는, 도 2의 AI 장치(100)의 일 예에 해당할 수 있다. 즉, 도 1의 AI 장치(100)에 포함된 구성들(110, 120, 130, 140, 150, 170, 180)은 세탁기(100a)에도 마찬가지로 포함될 수 있다.
입력부(250)는 사용자를 구별하여 전자 기기(100a)를 기동하는 인공지능 기반의 음성 인식 장치에 있어서 상기 사용자에 따라 다수의 프레임을 갖는 음성 신호를 입력 받을 수 있다.
본 발명의 일 실시 예에 따른 입력부(250)는 사용자의 음성을 입력 받는 모듈로 마이크로폰(microphone)을 일 실시 예로 할 수 있다. 특히 입력부(250)는 장치에 일체로 배치될 수도 있고, 외부에 배치되어 입력된 음성을 파일로 전환하여 전자 기기(100a)에 제공할 수 있다. 입력부(250)는 마이크로터 음성 데이터를 입력 받아 이를 프로세서(260a)가 음성을 인식할 수 있도록 프로세서(260a)에 전달한다.
또한 본 발명의 다른 실시 예에 따른 입력부(250)는 음성 인식 기능이 구비된 인공 지능 스피커로서, 거실 등과 같이 사용자가 거주하는 공간 내에 설치되며, 본 발명을 실시함에 있어서 입력부(250)는 사용자가 소지하고 있는 스마트 폰이 될 수도 있다.
입력부(250)는 인공 지능 비서 서비스에서의 사용자 등록 절차를 위해 사용자에게 소정의 호출어 발성을 안내하고, 이후 사용자의 발성에 따라 사용자 별 음성 등록을 실행하며, 사용자 별 음성 등록이 완료된 후 사용자가 해당 호출어를 발성하는 경우에 프로세서(260a)의 사용자 구별 기능을 통해 해당 호출어의 음성 정보를 기초로 사용자를 인증할 수 있다.
프로세서(260a)는, 상기 음성 신호를 시간 영역에서 다수의 음성 프레임을 갖는 주파수 영역 신호로 변화하여 상기 주파수 영역 신호의 각 음성 프레임과 관련된 적어도 하나의 스펙트럼을 추출하고, 상기 사용자에 따른 기동어에 관련된 템플릿을 구성하며, 임의의 음성 신호를 입력 받아 상기 템플릿과 비교하여 상기 사용자와 일치 여부를 판단하여 상기 전자 기기(100a)의 기동 여부를 제어할 수 있다.
상기 프로세서(260a)는, 상기 음성 신호를 시간 영역에서 다수의 음성 프레임을 갖는 주파수 영역 신호로 변화하여, 상기 주파수 영역 신호의 각 음성 프레임과 관련된 적어도 하나의 스펙트럼을 추출할 수 있다.
상기 프로세서(260a)는, 입력부(250)를 통해 입력된 음성 신호를 프레임 단위로 샘플링하여 샘플링된 음성 신호를 주파수 영역 피치 추정 방법과 시간 영역 피치 추정 방법의 결합에 의해서 처리할 수 있으며, 각 음성 신호 샘플에 대한 피치 추정 값을 판정하고, 그 결과로서 각 음성 신호 샘플에 대한 피치 정보를 추출할 수 있다.
실시 예에 따라, 프로세서(260a)는 입력된 음성 신호에 대한 피치 정보를 추출하여, 이용 가능한 스펙트럼 정보를 활용할 수 있다. 실시 예에 따라, 잔여 신호 특징 점 값들의 정보를 추출하는 피크 추출법과 하이 오더 피크의 차수를 선택하는 방법, 피치(pitch) 정보를 이용하여 음성 신호의 스펙트럼(spectrum)을 추출할 수 있다.
입력부(250)는 실시 예에 따라 마이크로폰(microphone)을 사용하여 음성 신호를 입력 받고, 본 발명의 실시 예에 따라 프로세서(260a)는 입력된 음성 신호를 시간 영역의 음성 신호에서 주파수 영역의 음성 신호로 변환한다. 이러한 변환 과정에서 음성 신호의 스펙트럼 정보 추정 장치가 사용될 수 있다.
프로세서(260a)는, 상기 음성 신호로부터 상기 사용자를 구분하고 상기 사용자에 따른 기동어를 수집하여 상기 사용자와 상기 사용자에 따른 기동어를 매칭시킬 수 있다.
프로세서(260a)는 보다 구제적으로, 음성 신호의 스펙트럼을 통해 사용자를 구분하고, 사용자에 대한 기동어 식별 방법으로 호출어 키워드를 통한 문맥 종속 화자 식별과 비정형 자연어 명령어에 기초한 문맥 독립 화자 식별을 복합적으로 선택 실행할 수 있다.
상기 프로세서(260a)는, 상기 스펙트럼에서 대표 값을 추출하거나 평균 값을 추출하여 상기 대표 값 또는 평균 값을 클러스터링 하여 유형화 과정을 통해 상기 기동어의 매칭할 수 있다.
상기 프로세서(260a)는, 사용자의 호출어 음성 신호 및 비정형 자연어 명령어 음성 신호에서의 주파수 대역폭, 진폭 스펙트럼 등의 성문 분석용 파라미터 값들을 생성 및 저장하고, 이후 사용자의 서비스 요청 음성의 입력이 있는 경우에 해당 서비스 요청 음성에서의 음성 파라미터 값들과 기 저장되어 있는 파라미터 값들을 비교함으로써 화자에 대한 문맥 독립 화자 인증방법을 통한 인증 절차를 수행할 수 있다.
입력부(250)는 음성 신호를 수신하고, 프로세서(260a)는 음성 신호의 스펙트럼을 추출하여 사용자를 구분하고, 사용자 별로 특징 값에 대한 파라미터 값들을 구분 저장할 수 있고, 상기 사용자가 사용하는 기동어에 대해 템플릿을 만들어 매칭시킬 수 있다.
프로세서(260a)는 사용자 별로 특징 값에 대한 파라미터 값들을 저장하고, 이를 사용자에 따라 사용자가 사용하는 기동어들을 매칭시켜 템플릿화 할 수 있다.
본 발명의 다른 실시 예에 따라, 프로세서(260a)는 기동어 데이터베이스부와 명령어 데이터베이스부를 더 포함할 수 있고, 기동어 데이터베이스부는 입력부(250)가 입력 받은 음성이 기동어 인지를 확인하고 비교하는데 필요한 데이터를 저장할 수 있다.
또한 프로세서(260a)에 포함된 기동어 데이터베이스부는 기동어를 발화한 사용자의 음성의 특성에 따라 동일한 기동어의 상이한 음성이 기동어가 될 수 있도록 데이터를 저장할 수 있다. 명령어 데이터베이스부는 입력부(250)가 입력 받은 음성이 명령어인지를 확인하고 비교하는데 필요한 데이터를 저장할 수 있다.
기동어 데이터베이스부 또는 명령어 데이터베이스부는 기 설정된 기동어나 명령어의 음성 파일 데이터 혹은 음성 파일을 확인하는데 필요한 데이터 등을 저장할 수 있고 저장된 데이터는 업데이트 되거나 추가될 수 있다. 또한, 기동어 데이터베이스부는 음성 인식 서비스 제공 장치 외 인접한 다른 장치들의 기동어를 저장할 수도 있다.
상기 프로세서(260a)는, 상기 임의의 음성 신호에 대한 스펙트럼을 추출하고 상기 스펙트럼을 각 사용자마다 기 설정된 상기 템플릿과 비교하여 디스턴스를 산출할 수 있다.
프로세서(260a)는 입력부(250)에서 입력된 음성 및 사용자 확인을 통해 사용자를 구별하고, 사용자의 존재를 확인한 결과를 분석하여 입력된 음성에 대해 기동어 판단 결과를 생성한다. 기동어 판단 결과란 입력된 음성이 기동어에 얼마나 일치하는가에 대한 판단 결과이다.
기동어 판단 결과는 수치적으로 생성될 수 있다. 기동어 데이터베이스부에 저장된 데이터들과 비교하는데, 저장된 기동어 데이터들과 일치하는 정도를 수치적으로 생성하고 이를 일정한 기준(예를 들어 80% 혹은 70%) 이상인 경우 기동어 판단 결과는 기동 신호로 산출할 수 있다. 반면에 기준 미만인 경우 비기동 신호를 산출할 수 있다.
프로세서(260a)는 입력된 음성 신호에 대해 사용자 구분 및 기동어에 대한 템플릿과 비교를 통해 기동에 대한 검증을 수행할 수 있다. 프로세서(260a)는 음성 신호로 제1 사용자, 제2 사용자…제N 사용자로 구분을 하고, 각 사용자가 사용하는 기동어를 저장하여 이를 템플릿 화 할 수 있다.
출력부(270)는, 상기 스펙트럼을 각 사용자마다 기 설정된 상기 템플릿과 비교하여 디스턴스를 산출하고, 상기 디스턴스의 크기와 기 설정된 오차 범위의 차이에 따라 기동 신호 또는 비기동 신호를 출력할 수 있다.
프로세서(260a)는, 입력된 음성 신호로 사용자를 구분하고, 해당 사용자가 사용하는 기동어와 비교하여 기동 신호 또는 비기동 신호를 생성할 수 있다. 즉, 프로세서(260a)는 유사도를 측정한 결과 디스턴스의 크기가 오차 범위 미만이라고 판단되면, 이를 기동어로 확인되는 경우로 판단하고, 기동 신호 또는 비기동 신호를 출력부(270)로 전송할 수 있다.
출력부(270)는 프로세서(260a)에서의 판단 결과를 통해 상기 전자 기기(100a)에 대한 기동 여부를 결정할 수 있다. 프로세서(260a) 또는 출력부(270)는, 기동어나 명령어가 입력되지 않아 대기 상태인 일반 모드에서 시작할 수 있다.
입력부(250)가 사용자의 음성 신호가 입력 받으면, 프로세서(260a)가 입력된 음성 신호에 대응하여 입력된 음성이 기동어 인지를 인식하고, 입력된 음성과 상기 템플릿을 비교하여 유사도, 즉 디스턴스를 측정하여 출력부(270)에 전송하고, 출력부(270)는 기동 신호 또는 비기동 신호에 따라 전자 기기(100a)의 작동 여부를 결정할 수 있다.
이하에서는 상술한 인공지능 기반의 음성 인식 서비스 제공 장치를 이용하여, 음성 인식 서비를 제공하는 방법에 대해 설명한다.
도 5는 본 발명의 일 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 방법의 순서도를 나타낸다.
도 5를 참조하면, 인공지능 기반의 음성 인식 서비스 제공 방법은 음성 신호를 입력 받는 제1 단계(S10), 기동어에 관련된 템플릿을 구성하는 제2 단계(S20) 및 사용자 일치 여부 판단 및 기동 여부 제어하는 제3 단계(S30)를 포함할 수 있다.
제1 단계(S10)는, 상기 사용자에 따라 다수의 프레임을 갖는 음성 신호를 입력 받는 단계이다. 사용자를 구분하고, 그에 따른 기동어를 구분하기 위해 음성 신호의 입력은 필수적이고, 이를 통해 사용자 별 음성 신호를 입력부(250)를 통해 입력 받는 과정이다.
상술한 제1 단계(S10)는, 사용자와 기동어를 구분하기 위한 데이터베이스를 축적하는 과정으로, 실제 기 설정된 데이터베이스를 활용하여 사용자의 음성을 인식하는 과정이다.
제2 단계(S20)는, 상기 사용자에 따른 기동어에 관련된 템플릿을 구성하는 단계이다. 프로세서(260a)는, 상기 음성 신호를 시간 영역에서 다수의 음성 프레임을 갖는 주파수 영역 신호로 변화하여, 상기 주파수 영역 신호의 각 음성 프레임과 관련된 적어도 하나의 스펙트럼을 추출하여 사용자를 구분하고, 각 사용자에 따라 기동어를 매칭시켜 템플릿을 생성할 수 있다.
또한, 상기 프로세서(260a)는, 상기 스펙트럼에서 대표 값을 추출하거나 평균 값을 추출하여 상기 대표 값 또는 평균 값을 클러스터링 하여 유형화 과정을 통해 상기 기동어의 매칭을 통해 템플릿을 생성할 수 있다.
즉, 입력부(250)를 통해 사용자의 음성 신호를 수신하고, 프로세서(260a)는 음성 신호의 스펙트럼을 추출하여 사용자를 구분하고, 사용자 별로 특징 값에 대한 파라미터 값들을 구분 저장할 수 있고, 상기 사용자가 사용하는 기동어에 대해 템플릿을 만들어 매칭시킬 수 있다.
제3 단계(S30)는, 임의의 음성 신호를 입력 받아 상기 템플릿과 비교하여 상기 사용자와 일치 여부 판단 및 기동 여부 제어하는 단계이다.
프로세서(260a)는 입력부(250)에서 입력된 음성 및 사용자 확인을 통해 사용자를 구별하고, 사용자의 존재를 확인한 결과를 분석하여 입력된 음성에 대해 기동어 판단 결과를 생성할 수 있다.
상술한 제1 단계(S10) 내지 제3 단계(S30)와 관련하여, 아래 도 6 내지 도 8의 순서도와 더불어 상세히 후술한다.
도 6은 본 발명의 일 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 방법의 상세한 순서도를 나타낸다.
도 6을 참조하면, 상기 제1 단계(S10)는, 상기 음성 신호를 시간 영역에서 다수의 음성 프레임을 갖는 주파수 영역 신호로 변화하는 단계(S11); 및 상기 주파수 영역 신호의 각 음성 프레임과 관련된 적어도 하나의 스펙트럼을 추출하는 단계(S12)를 더 포함할 수 있다.
입력부(250)를 통해 음성 신호가 수신되고, 프로세서(260a)는 음성 신호를 비선형적으로 구분하는 '타임-클러스터링' 알고리즘을 포함할 수 있다. 음성 신호를 나타내는 시간 영역의 음성 신호에 대해 프레임을 기초로 한 이산 푸리에변환(DFT), 통과 대역 필터 뱅크, 선형 예측 코딩(LPC) 계수, 라인 스펙트럼 쌍(LSP) 또는 켑스트럼(cepstral) 계수와 같은 기지의 변환 알고리즘을 사용하여 주파수 영역 스펙트럼 표현으로 변환될 수 있다.
실시 예에 따라, 프로세서(260a)는 입력된 음성 신호에 대한 피치 정보를 추출하여, 이용 가능한 스펙트럼 정보를 활용할 수 있다. 실시 예에 따라, 잔여 신호 특징 점 값들의 정보를 추출하는 피크 추출법과 하이 오더 피크의 차수를 선택하는 방법, 피치(pitch) 정보를 이용하여 음성 신호의 스펙트럼(spectrum)을 추출할 수 있다.
입력부(250)는 실시 예에 따라 마이크로폰(microphone)을 사용하여 음성 신호를 입력 받고, 본 발명의 실시 예에 따라 프로세서(260a)는 입력된 음성 신호를 시간 영역의 음성 신호에서 주파수 영역의 음성 신호로 변환한다. 이러한 변환 과정에서 음성 신호의 스펙트럼 정보 추정 장치가 사용될 수 있다.
상기 제2 단계(S20)는, 상기 음성 신호로부터 상기 사용자를 구분하는 단계(S21); 상기 사용자에 따른 기동어를 수집하는 단계(S22); 및 상기 사용자와 상기 사용자에 따른 기동어를 매칭시키는 단계(S23)를 포함할 수 있다. 사용자는 상기 전자 기기(100a)를 사용하는 구성원을 말하는 것으로, 각 구성원이 평소 사용할 때 입력하는 음성을 기동어와 함께 수집하는 과정이다.
프로세서(260a)는 입력된 음성 신호에 대해 사용자 구분 및 기동어에 대한 템플릿과 비교를 통해 기동에 대한 검증을 수행할 수 있다.
사용자를 구분하는 단계는, 제1 단계(S10)에서 입력된 음성 신호를 바탕으로 제1 사용자, 제2 사용자…제N 사용자로 구분하는 과정으로, 음성 신호에 대해 각 프레임에 대해 특징 벡터를 추출하여 패턴을 매칭시키는 방법이 적용될 수 있다. 사용자를 구분하기 위해 프레임 별로 상술한 피크 추출법과 하이 오더 피크의 차수 선택 방법 또는 스펙트럼을 추출할 수 있다.
각 프레임 별로 특징 벡터를 추출하여, 가중치를 산출하고, 각 사용자에 대해 기준 패턴으로 저장하는 과정을 거칠 수 있다. 사용자의 데이터가 누적될수록 입력되는 음성 신호와의 분산도는 작아져, 신뢰성이 높은 매칭이 될 수 있다.
또 다른 실시 예로, 음성 인식을 위해 패턴 분류 작업을 포함할 수 있는데, 음성 신호에서 음성 파형인 입력 패턴이 주어졌을 때 이를 기준 패턴과 비교하여 가장 유사한 것으로 분류하는 것이다.
또 다른 실시 예로 동적 프로그래밍(Dynamic Programming)을 이용한 패턴정합(Pattern Matching) 방법, 히든 마르코프 모델(Hidden Markov Model; HMM)과 같은 통계적인 모델링 방법, 신경 회로망(Neural Network)을 이용한 방법 또는 지식기반 시스템(Knowledge Based System)을 이용한 방법이 적용될 수 있다.
기동어를 매칭시키는 단계(S23)는, 상술한 사용자가 분류된 이후, 각 사용자가 주로 사용하는 기동어를 각 사용자 별로 저장하는 과정으로, 상기 기동어의 매칭은, 상기 스펙트럼에서 대표 값을 추출하거나 평균 값을 추출하는 단계; 및 상기 대표 값 또는 평균 값을 클러스터링 하여 유형화하는 단계를 더 포함할 수 있다.
이 과정에서, 사용자의 음성 신호에 따라 사용자 특징 정보를 시스템의 데이타베이스에 등록할 수 있고, 본 발명의 실시 예에 따라 템플릿으로 저장할 수 있다. 즉, 템플릿은 특징 벡터를 멤버로 갖는 클러스터 형태로 저장될 수 있다.
상기 제3 단계(S30)는, 상기 임의의 음성 신호에 대한 스펙트럼을 추출하는 단계(S31); 상기 스펙트럼을 각 사용자마다 기 설정된 상기 템플릿과 비교하여 디스턴스를 산출하는 단계(S32)를 더 포함할 수 있다. 제3 단계에 대해서는 도 7 및 도 8과 더불어 후술하기로 한다.
도 7은 본 발명의 일 실시 예에 따른 디스턴스 산출 결과에 따라 전자 기기(100a)를 제어하는 과정의 순서도를 나타낸다.
도 7을 참조하면, 상기 디스턴스를 산출하는 단계(S32)는, 상기 디스턴스의 크기를 기 설정된 오차 범위와 비교하는 단계 및 상기 디스턴스의 크기와 기 설정된 오차 범위의 차이에 따라 기동 신호 또는 비기동 신호를 출력하는 단계 및 전자 기기의 제어를 결정하는 단계를 포함할 수 있다.
프로세서(260a)는 음성 신호의 스펙트럼에 따라 사용자 특징을 정리하여 템플릿으로 정리하고, 임의의 음성 신호와 비교하여 저장된 사용자를 인식할 수 있다. 즉, 로봇과 같은 사용자 인식 시스템에 등록된 사용자가 로봇과 상호 작용하는 경우, 프로세서(260a)는 데이타베이스에 저장된 사용자 n명에 대한 템플릿과 상기 임의의 음성 신호의 특징 벡터와의 유사도 즉, 디스턴스를 산출할 수 있다.
이를 통해, 프로세서(260a)는 임의의 음성 신호로 사용자를 인식하고, 템플릿이 k개의 클러스터를 포함한 경우, 임의의 신호에서 추출된 스펙트럼의 특징 벡터를 각 템플릿의 클러스터와 매칭 시킬 수 있다.
각 비교를 통해 점수화하고, 추출된 n개의 유사도 중 최대 유사도가 인식 임계치, 즉 기 설정된 오차 범위 미만인 경우, 사용자의 기동어로 인식될 수 있다.
도 8은 본 발명의 일 실시 예에 따른 인공지능 기반의 음성 인식 서비스 제공 방법을 도식화한 모습을 나타낸다.
도 8을 참조하면, 상술한 도 5 내지 도 7의 인공지능 기반의 음성 인식 서비스 제공 방법을 적용하여, 전자 기기(100a)를 제어하는 모습을 나타낸다.
실시 예에 따라, 구성원 별 사용 기동어를 수집하는 단계는, 본 발명의 실시 예에 따른 제1 단계에 해당할 수 있다. 전자 기기(100a)를 사용하는 사용자에 따라 음성 신호를 수집 또는 입력 받아 각 음성 신호를 분석하여 데이터로 만들 수 있다. 각 데이터는 음성 신호의 스펙트럼과 사용하는 기동어에 관한 정보를 포함한다.
실시 예에 따라, 구성원 별 대표 음성 추출 및 템플릿화 단계는, 본 발명의 실시 예에 따른 제2 단계에 해당되며, 사용자에 대한 음성 신호를 누적시켜 대표 값 또는 평균 값을 추출할 수 있고, 누적된 데이터에 대한 클러스터링으로 각 사용자의 템플릿화가 가능하다.
이후, 임의의 기동 음성이 입력되는 경우 각 사용자의 템플릿과의 매칭을 진행할 수 있다. 프로세서(260a)는, 상기 음성 신호로부터 상기 사용자를 구분하고 상기 사용자에 따른 기동어를 수집하여 상기 사용자와 상기 사용자에 따른 기동어를 각 사용자의 템플릿과 매칭시킬 수 있다.
실시 예에 따라, 템플릿 매칭 후 디스턴스에 따른 기동 신호 또는 비기동 신호를 산출할 수 있고, 유사도에 대한 측정 결과 디스턴스의 크기가 오차 범위 미만이라고 판단되면, 기동 신호로 판단하여 전자 기기(100a)를 가동하고, 오차 범위 이상이라면 외부 음성으로 판단한 후 비기동 신호를 출력부(270)로 전송하여 전자 기기(100a)를 가동시키지 않을 수 있다.
입력부(250)가 사용자의 음성 신호가 입력 받으면, 프로세서(260a)가 입력된 음성 신호에 대응하여 입력된 음성이 기동어 인지를 인식하고, 입력된 음성과 상기 템플릿을 비교하여 유사도, 즉 디스턴스를 측정하여 출력부(270)에 전송하고, 출력부(270)는 기동 신호 또는 비기동 신호에 따라 전자 기기(100a)의 작동 여부를 결정할 수 있다.
본 발명에 따르면, 전자 기기(100a)를 작동할 수 있는 권한의 사용자들로부터 요청 음성을 누적적으로 입력 및 데이터화하여 사용자를 자동으로 구분하고, 전자 기기(100a) 작동과 관련된 음성 신호에 대해서 전자 기기(100a)를 자동으로 제어함으로써 오작동의 위험을 줄일 수 있는 이점이 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.
본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
Claims (12)
- 사용자를 구별하여 전자 기기를 기동하는 인공지능 기반의 음성 인식 방법에 있어서,
상기 사용자에 따라 다수의 프레임을 갖는 음성 신호를 입력 받는 제1 단계;
상기 사용자에 따른 기동어에 관련된 템플릿을 구성하는 제2 단계; 및
임의의 음성 신호를 입력 받아 상기 템플릿과 비교하여 상기 사용자와 일치 여부 판단 및 기동 여부 제어하는 제3 단계를 포함하는 인공지능 기반의 음성 인식 서비스 제공 방법.
- 제 1 항에 있어서,
상기 제1 단계는,
상기 음성 신호를 시간 영역에서 다수의 음성 프레임을 갖는 주파수 영역 신호로 변화하는 단계; 및
상기 주파수 영역 신호의 각 음성 프레임과 관련된 적어도 하나의 스펙트럼을 추출하는 단계를 더 포함하는 인공지능 기반의 음성 인식 서비스 제공 방법.
- 제 2 항에 있어서,
상기 제2 단계는,
상기 음성 신호로부터 상기 사용자를 구분하는 단계;
상기 사용자에 따른 기동어를 수집하는 단계; 및
상기 사용자와 상기 사용자에 따른 기동어를 매칭시키는 단계를 포함하는 인공지능 기반의 음성 인식 서비스 제공 방법.
- 제 3 항에 있어서,
상기 기동어의 매칭은,
상기 스펙트럼에서 대표 값을 추출하거나 평균 값을 추출하는 단계; 및
상기 대표 값 또는 평균 값을 클러스터링 하여 유형화하는 단계를 더 포함하는 인공지능 기반의 음성 인식 서비스 제공 방법.
- 제 3 항에 있어서,
상기 제3 단계는,
상기 임의의 음성 신호에 대한 스펙트럼을 추출하는 단계;
상기 스펙트럼을 각 사용자마다 기 설정된 상기 템플릿과 비교하여 디스턴스를 산출하는 단계를 더 포함하는 인공지능 기반의 음성 인식 서비스 제공 방법.
- 제 5 항에 있어서,
상기 디스턴스를 산출하는 단계는,
상기 디스턴스의 크기를 기 설정된 오차 범위와 비교하는 단계; 및
상기 디스턴스의 크기가 기 설정된 오차 범위보다 클 경우 기동 신호 또는 비기동 신호를 출력하여 상기 전자 기기를 제어하는 단계를 더 포함하는 인공지능 기반의 음성 인식 서비스 제공 방법.
- 사용자를 구별하여 전자 기기를 기동하는 인공지능 기반의 음성 인식 장치에 있어서,
상기 사용자에 따라 다수의 프레임을 갖는 음성 신호를 입력 받는 입력부; 및
상기 음성 신호를 시간 영역에서 다수의 음성 프레임을 갖는 주파수 영역 신호로 변화하여 상기 주파수 영역 신호의 각 음성 프레임과 관련된 적어도 하나의 스펙트럼을 추출하고,
상기 사용자에 따른 기동어에 관련된 템플릿을 구성하며,
임의의 음성 신호를 입력 받아 상기 템플릿과 비교하여 상기 사용자와 일치 여부를 판단하여 상기 전자 기기의 기동 여부를 제어하는 프로세서를 포함하는 인공지능 기반의 음성 인식 서비스 제공 장치.
- 제 7 항에 있어서,
상기 프로세서는,
상기 음성 신호를 시간 영역에서 다수의 음성 프레임을 갖는 주파수 영역 신호로 변화하여, 상기 주파수 영역 신호의 각 음성 프레임과 관련된 적어도 하나의 스펙트럼을 추출하는 것을 특징으로 하는 인공지능 기반의 음성 인식 서비스 제공 장치.
- 제 7 항에 있어서,
상기 프로세서는,
상기 음성 신호로부터 상기 사용자를 구분하고 상기 사용자에 따른 기동어를 수집하여 상기 사용자와 상기 사용자에 따른 기동어를 매칭시키는 것을 특징으로 하는 인공지능 기반의 음성 인식 서비스 제공 장치.
- 제 9 항에 있어서,
상기 프로세서는,
상기 스펙트럼에서 대표 값을 추출하거나 평균 값을 추출하여 상기 대표 값 또는 평균 값을 클러스터링 하여 유형화 과정을 통해 상기 기동어의 매칭을 하는 것을 특징으로 하는 인공지능 기반의 음성 인식 서비스 제공 장치.
- 제 9 항에 있어서,
상기 프로세서는,
상기 임의의 음성 신호에 대한 스펙트럼을 추출하고 상기 스펙트럼을 각 사용자마다 기 설정된 상기 템플릿과 비교하여 디스턴스를 산출하는 것을 특징으로 하는 인공지능 기반의 음성 인식 서비스 제공 장치.
- 제 7 항에 있어서,
상기 스펙트럼을 각 사용자마다 기 설정된 상기 템플릿과 비교하여 디스턴스를 산출하고,
상기 디스턴스의 크기와 기 설정된 오차 범위의 차이에 따라 기동 신호 또는 비기동 신호를 출력하는 출력부를 더 포함하는 인공지능 기반의 음성 인식 서비스 제공 장치.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190084059A KR20190104263A (ko) | 2019-07-11 | 2019-07-11 | 인공지능 기반의 음성 인식 서비스 제공 장치 및 방법 |
US16/566,587 US11404066B2 (en) | 2019-07-11 | 2019-09-10 | Device and method for providing voice recognition service based on artificial intelligence |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190084059A KR20190104263A (ko) | 2019-07-11 | 2019-07-11 | 인공지능 기반의 음성 인식 서비스 제공 장치 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20190104263A true KR20190104263A (ko) | 2019-09-09 |
Family
ID=67951584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190084059A KR20190104263A (ko) | 2019-07-11 | 2019-07-11 | 인공지능 기반의 음성 인식 서비스 제공 장치 및 방법 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11404066B2 (ko) |
KR (1) | KR20190104263A (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102334396B1 (ko) | 2021-04-08 | 2021-12-01 | 김선엽 | 인공지능을 이용한 저작물 제작 보조 방법 및 그 장치 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102135182B1 (ko) * | 2019-04-05 | 2020-07-17 | 주식회사 솔루게이트 | 성문인식을 통한 인공지능 스피커 맞춤형 개인화 서비스 시스템 |
KR20190107622A (ko) * | 2019-09-02 | 2019-09-20 | 엘지전자 주식회사 | 이동형 에이젼트를 이용한 실시간 음성 인식 모델 업데이트 방법 및 장치 |
DE112021000602T5 (de) * | 2020-01-17 | 2023-03-16 | Syntiant | Systeme und verfahren zur erzeugung von wecksignalen von bekannten benutzern |
US11615239B2 (en) * | 2020-03-31 | 2023-03-28 | Adobe Inc. | Accuracy of natural language input classification utilizing response delay |
CN111883175B (zh) * | 2020-06-09 | 2022-06-07 | 河北悦舒诚信息科技有限公司 | 一种基于声纹库的油站服务质量提升方法 |
JP2022091341A (ja) * | 2020-12-09 | 2022-06-21 | 日本電気株式会社 | 送信装置照合装置、学習装置、送信装置照合方法、学習方法、及びプログラム |
JP2022181868A (ja) * | 2021-05-27 | 2022-12-08 | セイコーエプソン株式会社 | 表示システム、表示装置、及び表示装置の制御方法 |
CN117894321B (zh) * | 2024-03-15 | 2024-05-17 | 富迪科技(南京)有限公司 | 一种语音交互方法、语音交互提示系统、装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102299330B1 (ko) | 2014-11-26 | 2021-09-08 | 삼성전자주식회사 | 음성 인식 방법 및 그 전자 장치 |
KR102371313B1 (ko) | 2017-05-29 | 2022-03-08 | 삼성전자주식회사 | 사용자 발화를 처리하는 전자 장치 및 그 전자 장치의 제어 방법 |
JP2019101385A (ja) * | 2017-12-08 | 2019-06-24 | 富士通株式会社 | 音声処理装置、音声処理方法及び音声処理用コンピュータプログラム |
-
2019
- 2019-07-11 KR KR1020190084059A patent/KR20190104263A/ko not_active Application Discontinuation
- 2019-09-10 US US16/566,587 patent/US11404066B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102334396B1 (ko) | 2021-04-08 | 2021-12-01 | 김선엽 | 인공지능을 이용한 저작물 제작 보조 방법 및 그 장치 |
Also Published As
Publication number | Publication date |
---|---|
US11404066B2 (en) | 2022-08-02 |
US20200005795A1 (en) | 2020-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11663516B2 (en) | Artificial intelligence apparatus and method for updating artificial intelligence model | |
US11404066B2 (en) | Device and method for providing voice recognition service based on artificial intelligence | |
US11495214B2 (en) | Artificial intelligence device for providing voice recognition service and method of operating the same | |
US11605379B2 (en) | Artificial intelligence server | |
KR102281602B1 (ko) | 사용자의 발화 음성을 인식하는 인공 지능 장치 및 그 방법 | |
KR20190098090A (ko) | 개인화 언어 모델을 이용하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법 | |
US11568239B2 (en) | Artificial intelligence server and method for providing information to user | |
KR20190096878A (ko) | 인공지능 기반의 공기조화기 | |
KR102306393B1 (ko) | 음성 처리 장치 및 음성 처리 방법 | |
US10872438B2 (en) | Artificial intelligence device capable of being controlled according to user's gaze and method of operating the same | |
KR102339085B1 (ko) | 사용자의 어플리케이션 사용 기록을 고려하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법 | |
KR20190104268A (ko) | 비식별화된 음성 신호를 학습하는 인공 지능 기기 및 그 방법 | |
KR20190101333A (ko) | 음성 인식 장치 및 음성 인식 방법 | |
US20200020339A1 (en) | Artificial intelligence electronic device | |
US11605378B2 (en) | Intelligent gateway device and system including the same | |
US11322134B2 (en) | Artificial intelligence device and operating method thereof | |
US11810575B2 (en) | Artificial intelligence robot for providing voice recognition function and method of operating the same | |
KR20190095190A (ko) | 음성 인식 서비스를 제공하는 인공 지능 장치 및 그의 동작 방법 | |
KR20190095194A (ko) | 사용자의 동선을 결정하는 인공 지능 장치 및 그 방법 | |
US11211079B2 (en) | Artificial intelligence device with a voice recognition | |
US11927931B2 (en) | Artificial intelligence-based air conditioner | |
US11721319B2 (en) | Artificial intelligence device and method for generating speech having a different speech style | |
US11348585B2 (en) | Artificial intelligence apparatus | |
US20240061907A1 (en) | Artificial intelligence apparatus and method for estimating sound source localization thereof | |
US20240203013A1 (en) | Artificial intelligence device and 3d agency motion controlling method thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
G15R | Request for early publication | ||
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |