KR20190104939A - 동작 모드 결정 방법 및 동작 모드 결정 장치 - Google Patents

동작 모드 결정 방법 및 동작 모드 결정 장치 Download PDF

Info

Publication number
KR20190104939A
KR20190104939A KR1020190103063A KR20190103063A KR20190104939A KR 20190104939 A KR20190104939 A KR 20190104939A KR 1020190103063 A KR1020190103063 A KR 1020190103063A KR 20190103063 A KR20190103063 A KR 20190103063A KR 20190104939 A KR20190104939 A KR 20190104939A
Authority
KR
South Korea
Prior art keywords
operation mode
information
clothes
image information
garment
Prior art date
Application number
KR1020190103063A
Other languages
English (en)
Inventor
소숙경
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 KR1020190103063A priority Critical patent/KR20190104939A/ko
Publication of KR20190104939A publication Critical patent/KR20190104939A/ko
Priority to US16/579,741 priority patent/US11655576B2/en

Links

Images

Classifications

    • D06F39/005—
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F33/00—Control of operations performed in washing machines or washer-dryers 
    • D06F33/30—Control of washing machines characterised by the purpose or target of the control 
    • D06F33/32—Control of operational steps, e.g. optimisation or improvement of operational steps depending on the condition of the laundry
    • D06F33/02—
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
    • D06F34/14—Arrangements for detecting or measuring specific parameters
    • D06F34/18—Condition of the laundry, e.g. nature or weight
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
    • D06F34/28—Arrangements for program selection, e.g. control panels therefor; Arrangements for indicating program parameters, e.g. the selected program or its progress
    • D06F39/003—
    • D06F58/28—
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F58/00—Domestic laundry dryers
    • D06F58/30—Drying processes 
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • 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
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2103/00—Parameters monitored or detected for the control of domestic laundry washing machines, washer-dryers or laundry dryers
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2103/00—Parameters monitored or detected for the control of domestic laundry washing machines, washer-dryers or laundry dryers
    • D06F2103/02—Characteristics of laundry or load
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2103/00—Parameters monitored or detected for the control of domestic laundry washing machines, washer-dryers or laundry dryers
    • D06F2103/02—Characteristics of laundry or load
    • D06F2103/06—Type or material
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2103/00—Parameters monitored or detected for the control of domestic laundry washing machines, washer-dryers or laundry dryers
    • D06F2103/38—Time, e.g. duration
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2105/00—Systems or parameters controlled or affected by the control systems of washing machines, washer-dryers or laundry dryers
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2105/00—Systems or parameters controlled or affected by the control systems of washing machines, washer-dryers or laundry dryers
    • D06F2105/54—Changing between normal operation mode and special operation modes, e.g. service mode, component cleaning mode or stand-by mode
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2105/00—Systems or parameters controlled or affected by the control systems of washing machines, washer-dryers or laundry dryers
    • D06F2105/58—Indications or alarms to the control system or to the user
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2105/00—Systems or parameters controlled or affected by the control systems of washing machines, washer-dryers or laundry dryers
    • D06F2105/58—Indications or alarms to the control system or to the user
    • D06F2105/60—Audible signals
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F33/00—Control of operations performed in washing machines or washer-dryers 
    • D06F33/30—Control of washing machines characterised by the purpose or target of the control 
    • D06F33/32—Control of operational steps, e.g. optimisation or improvement of operational steps depending on the condition of the laundry
    • D06F33/36—Control of operational steps, e.g. optimisation or improvement of operational steps depending on the condition of the laundry of washing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Textile Engineering (AREA)
  • Medical Informatics (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Washing Machine And Dryer (AREA)

Abstract

사물 인터넷을 위해 연결된 5G 환경에서 인공지능(artificial intelligence, AI) 알고리즘 및/또는 기계학습(machine learning) 알고리즘을 실행하여 의류 처리 장치의 동작 모드를 결정하는 동작 모드 결정 장치 및 동작 모드 결정 방법이 개시된다. 본 발명의 일 실시 예에 따른 동작 모드 결정 방법은, 의류 처리 장치의 카메라를 통해 의류를 촬영한 제1 영상 정보를 획득하는 단계와, 실내의 출입을 모니터링하는 카메라를 통해 의류를 착용한 사용자의 출입을 촬영한 제2 영상 정보를 획득하는 단계와, 제1 영상 정보 및 제2 영상 정보의 분석 결과에 따라 의류 처리 장치의 동작 모드를 결정하는 단계를 포함할 수 있다.
본 발명에 의하면, 의류 촬영 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시킴으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.

Description

동작 모드 결정 방법 및 동작 모드 결정 장치{OPERATING MODE DETERMINING METHOD AND OPERATING MODE DETERMINING DEVICE}
본 발명은 동작 모드 결정 방법 및 동작 모드 결정 장치에 관한 것으로, 보다 상세하게는 의류 처리 장치 및 홈 모니터링 카메라를 통해 획득한 의류의 영상 정보를 이용하여 의류 처리 장치의 동작 모드를 결정하는 동작 모드 결정 방법 및 동작 모드 결정 장치에 관한 것이다.
의류 처리 장치는 의류가 수용된 처리실 내로 물을 가하여 의류에 뭍은 오염을 제거하거나, 건조 공기를 가하여 젖은 의류를 건조시키거나, 공기를 송풍하거나 증기를 가하여 의류를 재생(refresh, 예를 들어, 주름이나 냄새 제거)하는 장치를 통칭할 수 있다.
특히 의류 처리 장치에 의류를 수납하여 의류를 처리하는 기술이 선행기술 1 및 선행기술 2에 의해 개시되어 있다.
선행기술 1에는 내부에 보관되는 의류에 스팀과 건조 및 무빙행어를 제공하여 의류를 간편하고 효율적으로 건조, 살균, 구김 방지 등을 동시에 수행하는 의류 세정 관리 장치에 대한 기술이 개시되어 있으나, 의류 세정 관리 장치를 동작 시키기 위해 사용자가 직접 동작모드를 설정하고, 동작 개시 버튼을 입력해야만 비로소 의류 처리 장치가 동작하는 불편한 문제점이 있다.
선행기술 2에는 의류를 건조시킬 때 고온 다습한 열풍을 부여하여 주름을 제거하는 한편, 살균 및 탈취 효과 등을 얻을 수 있는 동시에 필요 시 옷장으로도 사용할 수 있는 다목적 의류 건조기에 대한 기술이 개시되어 있으나, 의류 건조기를 동작시키기 위해 사용자가 직접 동작모드를 설정하고, 동작 개시 버튼을 입력해야만 비로소 의류 처리 장치가 동작하는 불편한 문제점이 있다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
국내 등록특허공보 제10-1954032호(2019.02.25 등록) 국내 등록특허공보 제10-0370363호(2003.01.16 등록)
본 발명의 일 과제는, 의류 처리 장치를 동작 시키기 위해 사용자가 직접 동작모드를 설정하고, 동작 개시 버튼을 입력해야만 했던 종래 기술의 문제점을 해결하는 것이다.
본 발명의 일 과제는, 의류 처리 장치가 촬영한 의류 촬영 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 결정하는데 있다.
본 발명의 일 과제는, 의류 처리 장치가 촬영한 의류 촬영 영상 정보와, 홈 모니터링 카메라를 통해 의류를 착용한 사용자의 출입을 촬영한 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 결정하는데 있다.
본 발명의 일 과제는, 의류 처리 장치가 촬영한 의류 촬영 영상 정보와, 홈 모니터링 카메라를 통해 의류를 착용한 사용자의 출입을 촬영한 영상 정보와 사용자의 출입 시간의 기상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 결정하는데 있다.
본 발명의 실시 예의 일 과제는, 의류 처리 장치와 네트워크를 통하여 연동되는 세탁 장치 및 의류 건조기의 동작모드를 자동으로 설정하고 동작시켜 사용자의 편리함을 향상시키는데 있다.
본 발명의 실시 예의 일 과제는, 의류 처리 장치를 동작 시키기 위해 사용자가 직접 동작모드를 설정하고, 동작 개시 버튼을 입력해야만 했던 종래 기술의 문제점을 최적의 프로세서 자원을 사용하면서 해결하는 것이다.
본 발명의 목적은 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 발명의 일 실시 예에 동작 모드 결정 방법은, 의류 처리 장치 및 홈 모니터링 카메라를 통해 획득한 의류의 영상 정보를 이용하여 의류 처리 장치의 동작 모드를 결정하는 단계를 포함할 수 있다.
구체적으로 본 발명의 일 실시 예에 따른 동작 모드 결정 방법은, 의류 처리 장치의 카메라를 통해 의류를 촬영한 제1 영상 정보를 획득하는 단계와, 실내의 출입을 모니터링하는 카메라를 통해 의류를 착용한 사용자의 출입을 촬영한 제2 영상 정보를 획득하는 단계와, 제1 영상 정보 및 제2 영상 정보의 분석 결과에 따라 의류 처리 장치의 동작 모드를 결정하는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따른 동작 모드 결정 방법을 통하여, 의류 촬영 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시킴으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
또한, 제2 영상 정보를 획득하는 단계는, 의류를 착용한 사용자의 외출 시간 및 귀가 시간을 포함하는 제2 영상 정보를 획득하는 단계를 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따른 동작 모드 결정 방법은, 제2 영상 정보를 획득하는 단계 이후 및 동작 모드를 결정하는 단계 이전에, 사용자의 단말기로부터 외출 시간 및 귀가 시간 사이의 위치 정보를 획득하는 단계를 더 포함할 수 있다.
또한, 동작 모드를 결정하는 단계는, 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스에 기초하여 의류의 관리 지침 정보를 추출하는 단계와, 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 기상 정보를 추출하여 의류의 상태를 예측하는 단계와, 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정하는 단계를 포함할 수 있다.
또한, 동작 모드를 결정하는 단계는, 의류 영상으로부터 의류의 소재를 판단하도록 미리 훈련된 제1 심층 신경망을 이용하여 제1 영상 정보로부터 의류의 소재를 판단하는 단계와, 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스에 기초하여 의류의 관리 지침 정보를 추출하는 단계와, 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 기상 정보를 추출하여 의류의 상태를 예측하는 단계와, 의류의 소재 정보, 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정하는 단계를 포함할 수 있다.
또한, 동작 모드를 결정하는 단계는, 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침 정보를 추출하는 단계와, 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 위치 정보에 따른 지역의 기상 정보를 추출하여 의류의 상태를 예측하는 단계와, 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정하는 단계를 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따른 동작 모드 결정 방법에서, 기상 정보는 위치 정보에 따른 지역의 온도, 습도 및 미세먼지 정도 중 하나 이상을 포함하고, 의류의 상태를 예측하는 단계는, 온도, 습도 및 미세먼지 정도 중 하나 이상을 포함하는 환경 조건과 해당 환경에 의류가 노출된 시간에 따라 변화하는 의류의 상태를 예측하도록 미리 훈련된 제2 심층 신경망을 이용하여 의류의 상태를 예측하는 단계를 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따른 동작 모드 결정 방법은, 제1 영상 정보 및 제2 영상 정보의 분석 결과에 대응하여, 의류 처리 장치와 연동되고, 의류를 세탁할 세탁 장치의 세탁 모드를 설정하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예에 따른 동작 모드 결정 장치는 의류 처리 장치의 카메라를 통해 의류를 촬영한 제1 영상 정보를 획득하는 제1 획득부와, 실내의 출입을 모니터링하는 카메라를 통해 의류를 착용한 사용자의 출입을 촬영한 제2 영상 정보를 획득하는 제2 획득부와, 제1 영상 정보 및 제2 영상 정보의 분석 결과에 따라 의류 처리 장치의 동작 모드를 결정하는 결정부를 포함할 수 있다.
본 발명의 일 실시 예에 따른 동작 모드 결정 장치를 통하여, 의류 촬영 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시킴으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
또한, 제2 획득부는, 의류를 착용한 사용자의 외출 시간 및 귀가 시간을 포함하는 제2 영상 정보를 획득하도록 구성될 수 있다.
또한, 본 발명의 일 실시 예에 따른 동작 모드 결정 장치는, 제2 영상 정보를 획득한 이후 및 동작 모드를 결정하기 이전에, 사용자의 단말기로부터 외출 시간 및 귀가 시간 사이의 위치 정보를 획득하는 제3 획득부를 더 포함할 수 있다.
또한, 결정부는, 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스에 기초하여 의류의 관리 지침 정보를 추출하는 추출부와, 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 기상 정보를 추출하여 의류의 상태를 예측하는 예측부와, 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정하는 모드 결정부를 포함할 수 있다.
또한, 결정부는, 의류 영상으로부터 의류의 소재를 판단하도록 미리 훈련된 제1 심층 신경망을 이용하여 제1 영상 정보로부터 의류의 소재를 판단하는 판단부와, 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스에 기초하여 의류의 관리 지침 정보를 추출하는 추출부와, 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 기상 정보를 추출하여 의류의 상태를 예측하는 예측부와, 의류의 소재 정보, 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정하는 모드 결정부를 포함할 수 있다.
또한, 결정부는, 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침 정보를 추출하는 추출부와, 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 위치 정보에 따른 지역의 기상 정보를 추출하여 의류의 상태를 예측하는 예측부와, 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정하는 모드 결정부를 포함할 수 있다.
또한, 본 발명의 일 실시 예에 따른 동작 모드 결정 장치에서, 기상 정보는 위치 정보에 따른 지역의 온도, 습도 및 미세먼지 정도 중 하나 이상을 포함하고, 예측부는, 온도, 습도 및 미세먼지 정도 중 하나 이상을 포함하는 환경 조건과 해당 환경에 의류가 노출된 시간에 따라 변화하는 의류의 상태를 예측하도록 미리 훈련된 제2 심층 신경망을 이용하여 의류의 상태를 예측하도록 구성될 수 있다.
또한, 본 발명의 일 실시 예에 따른 동작 모드 결정 장치는, 제1 영상 정보 및 제2 영상 정보의 분석 결과에 대응하여, 의류 처리 장치와 연동되고, 의류를 세탁할 세탁 장치의 세탁 모드를 설정하는 설정부를 더 포함할 수 있다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명의 실시 예에 의하면, 의류 촬영 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시킴으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
또한, 사용자가 의류를 착용하고 외부에서 활동한 시간 및 기상 정보를 기반으로 하여 의류 처리 장치의 동작모드 및 동작시간을 달리하여 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
또한, 사용자가 의류를 착용하고 외부에서 활동한 시간 및 기상 정보를 기반으로 하여 의류 처리 장치의 동작모드 및 동작시간을 달리하여 에너지를 절감할 수 있다.
또한, 의류 처리 장치와 네트워크를 통하여 연동되는 세탁 장치 및/또는 의류 건조기의 동작모드를 자동으로 설정하고 동작시켜 사용자의 편리함을 향상시킬 수 있다.
또한, 의류 처리 장치 자체는 대량 생산된 획일적인 제품이지만, 사용자는 의류 처리 장치를 개인화된 장치로 인식하므로 사용자 맞춤형 제품의 효과를 낼 수 있다.
또한 최적의 프로세서 자원만을 사용하여 의류 영상 정보에 따라 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시킴으로써 의류 처리 장치의 전력 효율을 향상시킬 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시 예에 따른 동작 모드 결정 장치, 의류 처리 장치, 사용자 단말기, 세탁 장치, 서버 및 이들을 서로 연결하는 네트워크를 포함하는 동작 모드 결정 환경의 예시도이다.
도 2는 본 발명의 다른 실시 예에 따른 동작 모드 결정 장치의 구현 예를 도시한 개인 동작 모드 결정 환경의 예시도 이다.
도 3은 본 발명의 일 실시 예에 따른 동작 모드 결정 장치의 상세 구성을 개략적으로 설명하기 위하여 도시한 도면이다.
도 4는 도 2의 동작 모드 결정 장치 중 동작 모드 관리부의 상세 구성을 개략적으로 설명하기 위하여 도시한 도면이다.
도 5는 도 1의 동작 모드 결정 환경 중 의류 처리 장치에 표시되는 동작모드 컨트롤 패널을 도시한 예시도이다.
도 6은 도 1의 동작 모드 결정 장치가 의류 영상 정보로부터 추출한 의류의 소재 종류에 따른 관리 지침 정보를 도시한 예시도이다.
도 7은 본 발명의 일 실시 예에 따른 동작 모드 결정 방법을 설명하기 위한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 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. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 동작 모드 결정 장치, 의류 처리 장치, 사용자 단말기, 세탁 장치, 서버 및 이들을 서로 연결하는 네트워크를 포함하는 동작 모드 결정 환경의 예시도이다. 도 1을 참조하면, 동작 모드 결정 환경은, 동작 모드 결정 장치(100), 의류 처리 장치(200), 홈 모니터링 카메라(300), 사용자 단말기(400), 세탁 장치(500), 서버(600) 및 네트워크(700)를 포함할 수 있다.
동작 모드 결정 장치(100)는 의류 처리 장치(200)의 카메라(210)를 통해 의류를 촬영한 제1 영상 정보와, 홈 모니터링 카메라(300)를 통해 의류를 착용한 사용자의 출입을 촬영한 제2 영상 정보를 획득하고, 제1 영상 정보 및 제2 영상 정보의 분석 결과에 따라 의류 처리 장치(200)의 동작 모드를 결정할 수 있다.
여기서 제1 영상 정보를 촬영하는 의류 처리 장치(200)의 카메라(210)는 도 1에 도시된 바와 같이 의류 처리 장치(200)의 외부에 구비되어 있을 수 있고, 선택적 실시 예로 의류 처리 장치(200)의 내부에 구비되어 있을 수 있다. 여기서, 의류 처리 장치(200)의 도어는 미러로 구성되어 있을 수 있고, 제1 영상 정보는 의류 처리 장치(200)의 도어 앞에서 기설정된 시간(예를 들어, 3초) 이상 머무른 사용자의 착용 의류를 촬영하여 생성되거나, 또는 의류 처리 장치(200) 내부에 진열되어 있는 의류를 촬영하여 생성될 수 있다. 또한, 의류 처리 장치(200)의 도어 앞에서 기설정된 시간 이상 머무른다 함은, 사용자가 의류 착용 상태를 확인하는 상황을 포함하는 것으로, 사용자가 해당 의류를 착용한 상태로 외출할 수 있음을 의미할 수 있다.
또한 홈 모니터링 카메라(300)가 촬영하는 제2 영상 정보는 의류를 착용한 사용자의 영상과, 의류를 착용한 사용자의 외출 시간 및 귀가 시간을 포함할 수 있다. 여기서 의류를 착용한 사용자의 외출 시간은, 의류 처리 장치(200)의 도어 앞에서 기설정된 시간 이상 머무른 사용자를 추적하여, 사용자가 실내로부터 사라진 시간을 포함할 수 있고, 의류를 착용한 사용자의 귀가 시간은 상기 외출 시간 이후 홈 모니터링 카메라(300)의 촬영에 의해 사용자가 실내에 출현한 시간을 포함할 수 있다.
선택적 실시 예로 동작 모드 결정 장치(100)는 사용자 단말기(400)로부터 외출 시간 및 귀가 시간 사이의 위치 정보 즉, GPS(global positioning system) 정보를 획득할 수 있다. GPS 정보의 생성을 위해 사용자 단말기(400) 내부에는 GPS 모듈(또는 수신기, 미도시)이 구비될 수 있다. GPS 모듈은 지구 궤도상에 있는 복수의 GPS 위성(미도시)으로부터 전파를 수신하고, GPS 위성으로부터 사용자 단말기(400)까지의 전파 도달 시간(Time of Arrival)을 이용하여 사용자 단말기(400)의 위치 정보(경위도 좌표)를 산출하고, 위치 정보를 산출한 때의 시간 정보를 산출할 수 있다. 여기서 경위도 좌표는 지구의 좌우를 360도에서 동경 180도 서경 180도로 나누고, 위아래를 180도에서 북위 90도 남위 90도로 나누었을 때, 경도 값과 위도 값을 합쳐 경위도 좌표라고 할 수 있다.
동작 모드 결정 장치(100)는 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스(도 3의 140)에 기초하여 의류의 관리 지침 정보를 추출할 수 있다. 여기서, 의류의 관리 지침 정보라 함은, 제1 영상 정보에 포함된 케어 라벨에 포함된 의류의 소재 및 세탁 기호의 해석 결과를 포함할 수 있다. 또한 데이터베이스(140)에는 의류의 소재에 따른 의류의 관리 지침과 세탁 기호에 따른 의류의 관리 지침이 미리 저장되어 있다. 사용자가 의류 처리 장치(200)에 의류 진열 시에, 케어 라벨을 내부에 부착된 카메라를 향하도록 노출시키면, 카메라가 촬영한 제1 영상 정보에 포함된 케어 라벨로부터 문자 인식 또는 이미지 인식을 통하여 소재 및 세탁 기호를 추출하고 이를 데이터베이스(140)와 대조하여 의류의 관리 지침 정보를 추출할 수 있다.
동작 모드 결정 장치(100)는 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 기상 정보를 추출하여 의류의 상태를 예측할 수 있다. 여기서 의류의 상태라 함은 의류의 오염 정도를 포함할 수 있다. 동작 모드 결정 장치(100)는 네트워크(700)를 통하여 기상 정보를 제공하는 기상 정보 제공 장치(미도시)에 요청하여 외출 시간 및 귀가 시간 사이의 기상 정보를 수신할 수 있다. 동작 모드 결정 장치(100)는 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정할 수 있다.
선택적 실시 예로 동작 모드 결정 장치(100)는 의류 영상으로부터 의류의 소재를 판단하도록 미리 훈련된 제1 심층 신경망을 이용하여 제1 영상 정보로부터 의류의 소재를 판단할 수 있다. 동작 모드 결정 장치(100)는 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스(도 3의 140)에 기초하여 의류의 관리 지침 정보를 추출할 수 있다. 동작 모드 결정 장치(100)는 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 기상 정보를 추출하여 의류의 상태를 예측할 수 있다. 동작 모드 결정 장치(100)는 의류의 소재 정보와, 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정할 수 있다.
선택적 실시 예로 동작 모드 결정 장치(100)는 제1 영상 정보 및/또는 제1 영상 정보에 포함되는 케어 라벨로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침 정보를 추출하고, 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 위치 정보에 따른 지역의 기상 정보를 추출하여 의류의 상태를 예측하며, 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정할 수 있다.
선택적 실시 예로 동작 모드 결정 장치(100)는 제1 영상 정보 및 제2 영상 정보의 분석 결과에 대응하여, 의류 처리 장치(200)와 네트워크(700)를 통하여 연동되고, 의류를 세탁할 세탁 장치(500)의 세탁 모드를 설정할 수 있다.
의류 처리 장치(200)는 의류가 수용된 처리실 내로 물을 가하여 의류에 뭍은 오염을 제거하거나, 건조 공기를 가하여 젖은 의류를 건조시키거나, 공기를 송풍하거나 증기를 가하여 의류를 재생(refresh, 예를 들어, 주름이나 냄새 제거)하는 장치를 통칭할 수 있다.
홈 모니터링 카메라(300)는 가정 내에서 감시가 필요한 주요한 실내에 구비되고, 촬영한 영상을 수신 장치(예를 들어, 개인용 컴퓨터, 동작 모드 결정 장치(100), 사용자 단말기(400) 등)로 전송하여, 근거리에서 원격 감시가 이루어 지도록 할 수 있다. 홈 모니터링 카메라(300)는, 예컨대 COMS(complementary metal-oxide semiconductor) 모듈(미도시) 또는 CCD(charge coupled device) 모듈(미도시) 등을 이용하여 촬영영역 내의 피사체를 촬영하는 카메라를 의미하는 것으로, 입력되는 영상 프레임은 렌즈(미도시)를 통해 COMS 모듈 또는 CCD 모듈로 제공되고, COMS 모듈 또는 CCD 모듈은 렌즈를 통과한 피사체의 광신호를 전기적 신호로 변환하여 출력할 수 있다. 또한, 홈 모니터링 카메라(300)는 팬(pan)/틸트(tilt)/줌(zoom) 기능을 구비한 PTZ 카메라 일 수 있다. 이와 같은 홈 모니터링 카메라(300) 내부에는 영상 신호 처리부(미도시)가 구비되어 있어서, 촬영한 영상 프레임에 대하여 노이즈를 저감하고, 감마 보정(gamma correction), 색필터 배열보간(color filter array interpolation), 색 매트릭스(color matrix), 색보정(color correction), 색 향상(color enhancement) 등의 화질 개선을 위한 영상 신호 처리를 수행할 수 있다. 또한, 영상 신호 처리부는 기능적으로 색채 처리, 블러 처리, 에지 강조 처리, 영상 해석 처리, 영상 인식 처리, 영상 이펙트 처리 등도 수행할 수 있다. 영상 인식 처리로 얼굴 인식, 장면 인식 처리 등을 행할 수 있다. 예를 들어, 휘도 레벨 조정, 색 보정, 콘트라스트 조정, 윤곽 강조 조정, 화면 분할 처리, 캐릭터 영상 등 생성 및 영상의 합성 처리 등을 수행할 수 있다.
사용자 단말기(400)는 동작 모드 결정 장치 구동 어플리케이션 또는 동작 모드 결정 장치 구동 사이트에 접속한 후 인증 과정을 통하여 동작 모드 결정 장치(100)의 구동 또는 제어를 위한 서비스를 제공받을 수 있다. 본 실시 예에서 인증 과정을 마친 사용자 단말기(400)는 동작 모드 결정 장치(100)를 구동하고, 동작 모드 결정 장치(100)의 동작을 제어할 수 있다.
또한 사용자 단말기(400)는 동작 모드 결정 장치(100)로부 출력 결과를 수신할 수 있고, 출력 결과에 대한 사용자의 피드백 정보를 동작 모드 결정 장치(100)로 전송할 수 있다. 여기서 출력 결과는, 의류 처리 장치(200)의 동작 모드, 세탁 장치(500)의 동작 모드, 의류의 소재, 의류의 관리 지침, 의류를 착용한 사용자의 외출 시간 및 귀가 시간, 사용자의 외출 시간 및 귀가 시간 사이의 위치 정보, 사용자의 외출 시간 및 귀가 시간 사이의 기상 정보 등을 포함할 수 있다.
본 실시 예에서 상술한 출력 결과는 사용자 단말기(400)뿐만 아니라, 의류 처리 장치(200) 및 세탁 장치(500) 중 하나 이상을 통해 전송되어 출력될 수 있다.
본 실시 예에서 사용자 단말기(400)는 사용자가 조작하는 데스크 탑 컴퓨터, 스마트폰, 노트북, 태블릿 PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 사용자 단말기(400)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기 일 수 있다. 사용자 단말기(400)는 상술한 내용에 제한되지 아니하며, 웹 브라우징이 가능한 단말기는 제한 없이 차용될 수 있다.
세탁 장치(500)는 의류를 세탁하는 가전으로서, 의류의 세탁과 건조가 함께 이루어질 수 있는 장치를 포함할 수 있다. 의류의 세탁은 물과 세제의 작용을 통해 세탁물에 묻어있는 오염 물질을 제거하는 행정을 포함할 수 있고, 의류의 건조는 예를 들어 열풍공급장치를 통하여 의류에 포함된 수분을 제거하는 행정을 포함할 수 있다.
서버(600)는 각종 인공지능 알고리즘을 적용하는데 필요한 빅데이터 및 동작 모드 결정 장치(100)를 동작시키는 데이터를 제공하는 데이터베이스 서버일 수 있다. 그 밖에 서버(600)는 사용자 단말기(400)에 설치된 동작 모드 결정 장치 구동 어플리케이션 또는 동작 모드 결정 장치 구동 웹 브라우저를 이용하여 동작 모드 결정 장치(100)의 동작을 원격에서 제어할 수 있도록 하는 웹 서버 또는 애플리케이션 서버를 포함할 수 있다.
여기서 인공 지능(artificial intelligence, AI)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 의미할 수 있다.
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.
머신 러닝(machine learning)은 인공지능의 한 분야로, 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야를 포함할 수 있다. 구체적으로 머신 러닝은, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다. 머신 러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령들을 수행하는 것이라기보다, 입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취할 수 있다.
서버(600)는 동작 모드 결정 장치(100)로부터 제1 영상 정보 및 제2 영상 정보를 수집하고 분석하여 의류 처리 장치(200) 및/또는 세탁 장치(500)의 동작 모드를 결정하고 동작 모드 결정 장치(100)로 전송할 수 있다. 서버(600)는 의류 영상으로부터 의류의 소재를 판단하도록 미리 훈련된 제1 심층 신경망을 이용하여 제1 영상 정보로부터 의류의 소재를 판단하고, 의류의 소재 판단 결과를 동작 모드 결정 장치(100)로 전송할 수 있다. 또한 서버(600)는 온도, 습도, 미세먼지 정도 및 눈/비의 양 중 하나 이상을 포함하는 환경 조건과 해당 환경에 의류가 노출된 시간에 따라 변화하는 의류의 상태를 예측하도록 미리 훈련된 제2 심층 신경망을 이용하여 의류의 상태를 예측하고, 의류의 상태 예측 결과를 동작 모드 결정 장치(100)로 전송할 수 있다.
본 실시 예에서, 동작 모드 결정 장치(100)의 프로세싱 능력에 따라, 서버(600)가 수행하는 의류 처리 장치(200) 및/또는 세탁 장치(500)의 동작 모드 결정 및/또는 제1 심층 신경망 및 제2 심층 신경망의 학습, 재학습 중 적어도 일부는 동작 모드 결정 장치(100)에 의해 수행될 수 있다.
네트워크(700)는 동작 모드 결정 장치(100)와, 의류 처리 장치(200)와, 홈 모니터링 카메라(300)와, 사용자 단말기(400)와, 세탁 장치(500)와, 서버(600)를 연결하는 역할을 수행할 수 있다. 이러한 네트워크(700)는 예컨대 LANs(local area networks), WANs(wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(700)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다. 여기서 근거리 통신은 블루투스(bluetooth), RFID(radio frequency identification), 적외선 통신(IrDA, infrared data association), UWB(ultra-wideband), ZigBee, Wi-Fi (wireless fidelity) 기술을 포함할 수 있고, 원거리 통신은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 기술을 포함할 수 있다.
네트워크(700)는 허브, 브리지, 라우터, 스위치 및 게이트웨이와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(700)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(700)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(700)는 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다.
도 2는 본 발명의 다른 실시 예에 따른 동작 모드 결정 장치의 구현 예를 도시한 개인 동작 모드 결정 환경의 예시도 이다. 이하의 설명에서 도 1에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 2a 내지 도 2e를 참조하면, 동작 모드 결정 장치(100)는 의류 처리 장치(200), 홈 모니터링 카메라(300), 사용자 단말기(400), 세탁 장치(500) 및 서버(600) 중 하나에 포함될 수 있다. 의류 처리 장치(200), 홈 모니터링 카메라(300), 사용자 단말기(400), 세탁 장치(500) 및 서버(600) 중 하나에 동작 모드 결정 장치(100)가 포함되도록 하는 방법은 다양하다. 구체적인 실시 예로서, 네트워크(700)를 통하여 의류 처리 장치(200), 홈 모니터링 카메라(300), 사용자 단말기(400), 세탁 장치(500) 및 서버(600) 중 하나에 동작 모드 결정 장치(100)를 설치할 수 있다. 예를 들면 동작 모드 결정 장치(100)를 하나의 어플리케이션 형태로 의류 처리 장치(200), 홈 모니터링 카메라(300), 사용자 단말기(400), 세탁 장치(500) 및 서버(600) 중 하나에 설치할 수 있다. 또 다른 구체적인 실시 예로서 의류 처리 장치(200), 홈 모니터링 카메라(300), 사용자 단말기(400), 세탁 장치(500) 및 서버(600) 중 하나에 오프라인을 통하여 동작 모드 결정 장치(100)가 설치될 수도 있다. 그러나 이는 예시적인 형태로서 본 발명은 이에 한정되지 않고, 동작 모드 결정 장치(100)가 의류 처리 장치(200), 홈 모니터링 카메라(300), 사용자 단말기(400), 세탁 장치(500) 및 서버(600) 중 하나에 다양한 형태로 설치될 수 있는 경우를 포함할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 동작 모드 결정 장치의 상세 구성을 개략적으로 설명하기 위하여 도시한 도면이다. 이하의 설명에서 도 1 및 도 2에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 3을 참조하면, 동작 모드 결정 장치(100)는 통신부(110), 디스플레이부(121) 및 조작부(122)를 포함하는 사용자 인터페이스부(120), 오디오 입력부(131) 및 오디오 출력부(132)를 포함하는 오디오 처리부(130), 데이터베이스(140), 메모리(150), 동작 모드 관리부(160) 및 제어부(170)를 포함할 수 있다.
통신부(110)는 네트워크(700)와 연동하여 동작 모드 결정 장치(100), 의류 처리 장치(200), 홈 모니터링 카메라(300), 사용자 단말기(400), 세탁 장치(500) 및/또는 서버(600) 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 나아가, 통신부(110)는 의류 처리 장치(200), 사용자 단말기(400) 및/또는 세탁 장치(500)로부터 소정의 정보 요청 신호를 수신하는 역할을 할 수 있고, 동작 모드 결정 장치(100)가 처리한 정보를 의류 처리 장치(200), 사용자 단말기(400) 및/또는 세탁 장치(500)로 전송하는 역할을 수행할 수 있다. 또한 통신부(110)는 의류 처리 장치(200), 홈 모니터링 카메라(300), 사용자 단말기(400) 및/또는 세탁 장치(500)로부터 소정의 정보 요청 신호를 서버(600)로 전송하고, 서버(600)가 처리한 응답 신호를 수신하여, 의류 처리 장치(200), 사용자 단말기(400) 및/또는 세탁 장치(500)로 전송할 수 있다. 또한 통신부(110)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
또한, 통신부(110)는 각종 사물 지능 통신(IoT(internet of things), IoE(internet of everything), IoST(internet of small things) 등)을 지원할 수 있으며, M2M(machine to machine) 통신, V2X(vehicle to everything communication) 통신, D2D(device to device) 통신 등을 지원할 수 있다.
사용자 인터페이스부(120) 중 디스플레이부(121)는 제어부(170)의 제어 하에 동작 모드 결정 장치(100)의 구동 상태를 디스플레이 할 수 있다. 실시 예에 따라서, 디스플레이부(121)는 터치패드와 상호 레이어 구조를 이루어 터치스크린으로 구성될 수 있다. 이 경우에, 디스플레이부(121)는 사용자의 터치에 의한 정보의 입력이 가능한 조작부(122)로도 사용될 수 있다. 이를 위해 디스플레이부(121)는 터치 인식 디스플레이 제어기 또는 이외의 다양한 입출력 제어기로 구성될 수 있다. 일 예로, 터치 인식 디스플레이 제어기는 장치와 사용자 사이에 출력 인터페이스 및 입력 인터페이스를 제공할 수 있다. 터치 인식 디스플레이 제어기는 전기 신호를 제어부(170)와 송수신할 수 있다. 또한, 터치 인식 디스플레이 제어기는 사용자에게 시각적인 출력을 표시하며, 시각적 출력은 텍스트, 그래픽, 이미지, 비디오와 이들의 조합을 포함할 수 있다. 이와 같은 디스플레이부(121)는 예를 들어 터치 인식이 가능한 OLED(organic light emitting display) 또는 LCD(liquid crystal display) 또는 LED(light emitting display)와 같은 소정의 디스플레이 부재일 수 있다.
사용자 인터페이스부(120) 중 조작부(122)는 복수의 조작 버튼(미도시)을 구비하여, 입력되는 버튼에 대응하는 신호를 제어부(170)로 전송할 수 있다. 이러한 조작부(122)는 사용자의 터치 또는 누름 조작을 인식할 수 있는 센서 또는 버튼, 스위치 구조로 구성될 수 있다. 본 실시 예에서 조작부(122)는 디스플레이부(121)에 표시되는 동작 모드 결정 장치(100)의 구동과 관련한 각종 정보를 확인하거나, 변경하기 위해 사용자가 조작하는 조작 신호를 제어부(170)로 전송할 수 있다.
본 실시 예에서, 동작 모드 결정 장치(100)가 의류 처리 장치(200), 사용자 단말기(400) 및/또는 세탁 장치(500)에 포함되는 경우, 사용자 인터페이스부(120)는 의류 처리 장치(200), 사용자 단말기(400) 및/또는 세탁 장치(500)의 디스플레이부(미도시) 및 조작부(미도시)로 대체될 수 있다.
오디오 처리부(130) 중 오디오 입력부(131)는 사용자로부터 발화 정보를 입력 받아 제어부(170)로 전송할 수 있고, 제어부(170)는 사용자의 발화 정보를 동작 모드 관리부(160)로 전송하여 음성 인식 처리를 수행하도록 할 수 있다. 이를 위해 오디오 입력부(131)는 하나 이상의 마이크로폰(미도시)을 구비할 수 있다. 또한 사용자의 발화 정보를 더 정확하게 수신하기 위해 복수의 마이크로폰(미도시)을 구비할 수 있다. 여기서, 복수의 마이크 각각은 서로 다른 위치에 이격되어 배치될 수 있고, 수신한 사용자의 발화 정보를 전기적인 신호로 처리할 수 있다.
선택적 실시 예로 오디오 입력부(131)는 사용자의 발화 정보를 수신하는 과정에서 발생하는 노이즈를 제거하기 위한 다양한 노이즈 제거 알고리즘을 사용할 수 있다. 선택적 실시 예로 오디오 입력부(131)는 사용자의 발화 정보 수신 시에 노이즈를 제거하는 필터(미도시), 필터에서 출력되는 신호를 증폭하여 출력하는 증폭기(미도시) 등 발화 정보 신호 처리를 위한 각종 구성 요소들을 포함할 수 있다.
오디오 처리부(130) 중 오디오 출력부(132)는 제어부(170)의 제어에 따라 경고음, 동작모드, 동작상태, 에러상태 등의 알림 메시지, 사용자의 발화 정보에 포함되는 음성 명령어에 대응하는 처리 결과 등을 오디오로 출력할 수 있다. 본 실시 예에서 오디오 출력부(132)는 동작 모드 관리부(160)에서 생성한 의류 처리 장치(200) 및/또는 세탁 장치(500)의 동작 모드 결정 결과를 출력할 수 있다. 오디오 출력부(132)는 제어부(170)로부터의 전기 신호를 오디오 신호로 변환하여 출력할 수 있다. 이를 위해, 스피커 등을 구비할 수 있다.
본 실시 예에서, 동작 모드 결정 장치(100)가 의류 처리 장치(200), 사용자 단말기(400) 및/또는 세탁 장치(500)에 포함되는 경우, 오디오 처리부(130)는 의류 처리 장치(200), 사용자 단말기(400) 및/또는 세탁 장치(500)의 오디오 입력부(미도시) 및 오디오 출력부(미도시)로 대체될 수 있다.
데이터베이스(140)는 동작 모드 결정 장치(100)가 수집하고, 생성한 정보를 저장하는 관리 데이터베이스를 포함할 수 있다. 여기서, 관리 데이터베이스는 의류 처리 장치(200)로부터 획득한 제1 영상 정보와, 홈 모니터링 카메라(300)로부터 획득한 제2 영상 정보와, 사용자 단말기(400)로부터 획득한 외출 시간 및 귀가 시간 사이의 위치 정보와, 기상 정보 제공 장치로부터 획득한 외출 시간 및 귀가 시간 사이의 기상 정보와, 의류의 소재 종류에 따른 관리 지침 정보와, 의류의 케어 라벨에 표시된 세탁 기호에 따른 관리 지침 정보와, 의류의 상태 예측 결과 정보와, 의류 처리 장치(200)의 동작 모드 결정 정보와, 세탁 장치(500)의 세탁 모드 설정 정보를 저장할 수 있다.
나아가, 데이터베이스(140)는 사용자 정보를 저장하는 유저 데이터베이스를 더 포함할 수 있다. 여기서, 유저 데이터베이스는 의류 처리 장치(200) 및/또는 세탁 장치(500)의 동작 모드 결정을 수신할 사용자 정보를 저장할 수 있다. 여기서, 사용자 정보에는 사용자의 이름, 소속, 인적 사항, 성별, 나이, 연락처, 이메일, 주소 등 사용자에 대한 기본적인 정보와, 아이디(ID) (또는 이메일) 및 패스워드(password) 등 인증(로그인)에 대한 정보, 접속 국가, 접속 위치, 접속에 이용한 장치에 대한 정보, 접속된 네트워크 환경 등 접속과 관련된 정보 등을 포함할 수 있다.
메모리(150)는 동작 모드 결정 장치(100)의 동작에 필요한 각종 정보 예를 들어, 의류의 영상 정보로부터 의류의 소재를 판단하기 위한 제1 심층 신경망 모델과, 임의의 환경 조건 및 해당 환경에 의류가 노출된 시간에 따라 의류의 상태를 예측하는 제2 심층 신경망 모델을 저장하는 것으로, 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다. 또한 메모리(150)에는 동작 모드 결정 장치(100)를 동작시킬 수 있는 제어 소프트웨어가 저장될 수 있다. 또한 메모리(150)에는 사용자의 음성으로부터 기동어의 존재를 판단하기 위한 기설정된 기동어가 저장될 수 있다. 한편, 기동어는 제조사에 의해 설정될 수 있다. 예를 들어, "하이 스타일러"가 기동어로 설정될 수 있고, 사용자에 의해 설정 변경할 수 있다. 이러한 기동어는 동작 모드 결정 장치(100)의 음성 인식 기능을 활성화시키기 위해 입력되는 것으로, 사용자가 발화한 기동어를 인식한 동작 모드 결정 장치(100)는 음성 인식 기능 활성화 상태로 전환할 수 있다.
여기서, 메모리(150)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 메모리(150)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD. CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
여기서, 간단한 음성 인식은 동작 모드 결정 장치(100)가 수행하고, 자연어 처리 등 고차원의 음성 인식은 서버(600)에서 수행될 수 있다. 예를 들어, 사용자의 음성에 기설정된 기동어가 포함되어 있는 경우, 동작 모드 결정 장치(100)는 음성 인식 기능이 활성화 되고, 사용자로부터 음성 명령어(의류 처리 장치(200) 동작 모드 요청 발화 음성)를 수신하기 위한 상태로 전환할 수 있다. 이 경우에, 동작 모드 결정 장치(100)는 기동어 음성 입력 여부까지의 음성 인식 과정만 수행하고, 이후의 사용자 명령어에 대한 음성 인식은 서버(600)를 통하여 수행할 수 있다. 동작 모드 결정 장치(100)의 시스템 자원에는 한계가 있으므로, 복잡한 자연어 인식 및 처리는 서버(600)를 통하여 수행될 수 있다.
동작 모드 관리부(160)는 의류 처리 장치(200)의 카메라(210)를 통해 의류를 촬영한 제1 영상 정보와, 홈 모니터링 카메라(300)를 통해 의류를 착용한 사용자의 출입을 촬영한 제2 영상 정보를 획득하고, 제1 영상 정보 및 제2 영상 정보의 분석 결과에 따라 의류 처리 장치(200)의 동작 모드를 결정할 수 있다.
또한, 동작 모드 관리부(160)는 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스(도 3의 140)에 기초하여 의류의 관리 지침 정보를 추출하고, 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 기상 정보를 추출하여 의류의 상태를 예측하며, 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정할 수 있다.
또한, 동작 모드 관리부(160)는 의류 영상으로부터 의류의 소재를 판단하도록 미리 훈련된 제1 심층 신경망을 이용하여 제1 영상 정보로부터 의류의 소재를 판단하고, 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스(도 3의 140)에 기초하여 의류의 관리 지침 정보를 추출하고, 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 기상 정보를 추출하여 의류의 상태를 예측하며, 의류의 소재 정보와, 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정할 수 있다.
또한, 동작 모드 관리부(160)는 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침 정보를 추출하고, 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 위치 정보에 따른 지역의 기상 정보를 추출하여 의류의 상태를 예측하며, 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정할 수 있다.
또한, 동작 모드 관리부(160)는 제1 영상 정보 및 제2 영상 정보의 분석 결과에 대응하여, 의류 처리 장치(200)와 네트워크(700)를 통하여 연동되고, 의류를 세탁할 세탁 장치(500)의 세탁 모드를 설정할 수 있다.
본 실시 예에서 동작 모드 관리부(160)는 제어부(170)와 연계하여 학습을 수행하거나, 제어부(170)로부터 학습 결과를 수신할 수 있다. 본 실시 예에서 동작 모드 관리부(160)는 도 3에 도시된 바와 같이 제어부(170) 외부에 구비될 수도 있고, 제어부(170) 내부에 구비되어 제어부(170)처럼 동작할 수도 있고, 도 1의 서버(600) 내부에 구비될 수도 있다. 이하 동작 모드 관리부(160)의 상세한 내용은 도 4를 참조하여 설명하기로 한다.
제어부(170)는 일종의 중앙처리장치로서 메모리(150)에 탑재된 제어 소프트웨어를 구동하여 동작 모드 결정 장치(100) 전체의 동작을 제어할 수 있다. 제어부(170)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
본 실시 예에서 제어부(170)는 동작 모드 결정 장치(100)가 최적의 의류 처리 장치(200) 및/또는 세탁 장치(500)의 동작 모드를 결정하도록, 수집한 영상 정보와, 기상 정보와, 위치 정보에 대하여 딥러닝(Deep Learning) 등 머신 러닝(machine learning)을 수행할 수 있고, 메모리(150)는, 머신 러닝에 사용되는 데이터, 결과 데이터 등을 저장할 수 있다.
머신 러닝의 일종인 딥러닝(deep learning) 기술은 데이터를 기반으로 다단계로 깊은 수준까지 내려가 학습할 수 있다. 딥러닝은 단계를 높여갈수록 복수의 데이터들로부터 핵심적인 데이터를 추출하는 머신 러닝 알고리즘의 집합을 나타낼 수 있다.
딥러닝 구조는 인공신경망(ANN)을 포함할 수 있으며, 예를 들어 딥러닝 구조는 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(DNN)으로 구성될 수 있다. 본 실시 예에 따른 딥러닝 구조는 공지된 다양한 구조를 이용할 수 있다. 예를 들어, 본 발명에 따른 딥러닝 구조는 CNN, RNN, DBN 등을 포함할 수 있다. RNN은, 자연어 처리 등에 많이 이용되고 있으며, 시간의 흐름에 따라 변하는 시계열 데이터(time-series data) 처리에 효과적인 구조로 매 순간마다 레이어를 쌓아올려 인공신경망 구조를 구성할 수 있다. DBN은 딥러닝 기법인 RBM(restricted boltzman machine)을 다층으로 쌓아 구성되는 딥러닝 구조를 포함할 수 있다. RBM 학습을 반복하여, 일정 수의 레이어가 되면 해당 개수의 레이어를 가지는 DBN을 구성할 수 있다. CNN은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출되는 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 기반으로 만들어진 사람의 뇌 기능을 모사한 모델을 포함할 수 있다.
한편, 인공신경망의 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(back propagation) 등의 방법이 사용될 수 있다.
한편, 제어부(170)에는 인공신경망(artificial neural network)이 탑재될 수 있고, 수신되는 음성 신호를 입력 데이터로 하는 머신 러닝 기반의 사용자 인식 및 사용자의 음성 인식을 수행할 수 있다.
제어부(170)는 인공신경망, 예를 들어, CNN, RNN, DBN 등 심층신경망(deep neural network: DNN)을 포함될 수 있고, 심층신경망을 학습할 수 있다. 이러한 인공신경망의 머신 러닝 방법으로는 자율학습(unsupervised learning)과 지도학습(supervised learning)이 모두 사용될 수 있다. 제어부(170)는 설정에 따라 학습 후 음색 인식 인공신경망 구조를 업데이트시키도록 제어할 수 있다.
도 4는 도 2의 동작 모드 결정 장치 중 동작 모드 관리부의 상세 구성을 개략적으로 설명하기 위하여 도시한 도면이다. 이하의 설명에서 도 1 내지 도 3에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 4를 참조하면, 동작 모드 관리부(160)는 제1 획득부(161), 제2 획득부(162), 제3 획득부(163), 결정부(164), 설정부(165) 및 음성 인식부(166)를 포함할 수 있다.
제1 획득부(161)는 의류 처리 장치(200)의 카메라(210)를 통해 의류를 촬영한 제1 영상 정보를 획득할 수 있다. 여기서 제1 영상 정보는 의류 처리 장치(200)의 도어 앞에서 기설정된 시간 이상 머무른 사용자의 착용 의류를 촬영하여 생성되거나, 또는 의류 처리 장치(200) 내부에 진열되어 있는 의류를 촬영하여 생성될 수 있다. 또한, 제1 영상 정보는 의류의 영상뿐만 아니라, 의류에 의무적으로 부착되어 있는 케어 라벨 영상과, 의류 영상을 촬영한 촬영 시간 정보를 더 포함할 수 있다.
제2 획득부(162)는 홈 모니터링 카메라(300)를 통해 의류를 착용한 사용자의 출입을 촬영한 제2 영상 정보를 획득할 수 있다. 여기서 제2 영상 정보에는 의류를 착용한 사용자의 외출 시간 및 귀가 시간을 더 포함할 수 있다. 여기서 의류를 착용한 사용자의 외출 시간은, 의류 처리 장치(200)의 도어 앞에서 기설정된 시간 이상 머무른 사용자를 추적하여, 사용자가 실내로부터 사라진 시간을 포함할 수 있고, 의류를 착용한 사용자의 귀가 시간은 상기 외출 시간 이후 홈 모니터링 카메라(300)의 촬영에 의해 사용자가 실내에 출현한 시간을 포함할 수 있다.
제3 획득부(163)는 사용자 단말기(400)로부터 외출 시간 및 귀가 시간 사이의 위치 정보 즉, GPS(global positioning system) 정보를 획득할 수 있다. 추후 결정부(164)는 사용자 단말기(400)로부터 획득한 외출 시간 및 귀가 시간 사이의 위치 정보를 이용하여, 사용자가 의류를 착용한 상태로 실외에 있었는지, 실내에 있었는지 판단할 수 있고, 위치 정보와 기상 정보를 이용하여 의류의 상태를 예측할 수 있다.
결정부(164)는 제1 영상 정보 및 제2 영상 정보의 분석 결과에 따라 의류 처리 장치(200)의 동작 모드를 결정할 수 있다. 더 나아가 결정부(164)는 제1 영상 정보와, 제2 영상 정보와, 사용자의 위치 정보와, 기상 정보를 이용하여 의류 처리 장치(200)의 동작 모드를 결정하고, 의류 처리 장치(200)와 연동된 세탁 장치(500)의 세탁 모드를 결정할 수 있다.
본 실시 예에서, 결정부(164)는 추출부(164-1), 판단부(164-2), 예측부(164-3) 및 모드 결정부(164-4)를 포함할 수 있다.
추출부(164-1)는 제1 획득부(161)로부터 획득한 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스(140)에 기초하여 의류의 관리 지침 정보를 추출할 수 있다. 여기서, 의류의 관리 지침 정보라 함은, 제1 영상 정보에 포함된 케어 라벨에 포함된 의류의 소재 및 세탁 기호의 해석 결과를 포함할 수 있다. 예를 들어, 도 6에 도시된 바지의 케어 라벨에는 의류의 소재가 면 100%로 표시되어 있고, 6개의 세탁 기호가 도시되어 있다. 각각 손세탁, 80-120도에서 다림질, 뉘어서 그늘에 말리기 등을 포함하고 있다. 이는 현재 세탁기호는 모든 의류에 의무적으로 부착하도록 되어 있고, 그 기호 및 해석도 통일되어 있다. 또한 데이터베이스(140)에는 의류의 소재에 따른 의류의 관리 지침과 세탁 기호에 따른 의류의 관리 지침이 미리 저장되어 있다. 사용자가 의류 처리 장치(200)에 의류 진열 시에, 케어 라벨을 내부에 부착된 카메라를 향하도록 노출시키면, 카메라가 의류를 촬영하여 제1 영상 정보를 생성하고, 추출부(164-1)는 제1 영상 정보에 포함된 케어 라벨로부터 문자 인식 또는 이미지 인식을 통하여 소재 및 세탁 기호를 추출하고 이를 데이터베이스(140)와 대조하여 의류의 관리 지침 정보를 추출할 수 있다.
예측부(164-3)는 제2 획득부(162)로부터 획득한 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 기상 정보를 추출하여 의류의 상태를 예측할 수 있다. 예측부(164-3)는 기상 정보를 제공하는 기상 정보 제공 장치(미도시)에 요청하여 외출 시간 및 귀가 시간 사이의 기상 정보를 수신할 수 있다. 예를 들어, 기상 정보는 사용자의 위치 정보 즉, 사용자 단말기(400)의 위치 정보에 따른 지역의 온도, 습도, 미세먼지 정도, 눈/비의 양 중 하나 이상을 포함할 수 있고, 예측부(164-3)는 온도, 습도, 미세먼지 정도, 눈/비의 양 중 하나 이상을 포함하는 환경 조건과 해당 환경에 의류가 노출된 시간에 따라 변화하는 의류의 상태를 예측하도록 미리 훈련된 제2 심층 신경망을 이용하여 의류의 상태를 예측할 수 있다.
모드 결정부(164-4)는 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치(200)의 동작 모드를 결정할 수 있다. 예를 들어, 사용자가 착용한 의류가 기설정된 수치 이상의 미세먼지에 노출된 상태인 경우, 모드 결정부(164-4)는 의류 처리 장치(200)의 동작 모드 결정 시에, 미세먼지 코스를 추가할 수 있다. 또한 사용자가 착용한 의류가 기설정된 수치 이상의 습도에 노출된 상태인 경우, 모드 결정부(164-4)는 는 의류 처리 장치(200)의 동작 모드 결정 시에 제습 코스를 추가할 수 있다. 모드 결정부(164-4)는 의류의 관리 지침 정보 출력이 불가능하거나, 의류의 소재가 의류 처리 장치(200)에서 처리가 불가능한 경우, 의류 처리 장치(200)에서 처리할 수 없는 의류임을 출력할 수 있다.
또한 판단부(164-2)는 의류 영상으로부터 의류의 소재를 판단하도록 미리 훈련된 제1 심층 신경망을 이용하여 제1 영상 정보로부터 의류의 소재를 판단할 수 있다.
추출부(164-1)는 판단부(164-2)에서 판단한 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스(140)에 기초하여 의류의 관리 지침 정보를 추출할 수 있다. 여기서 데이터베이스(140)에는 의류의 소재에 따른 의류의 관리 지침 정보가 저장되어 있는데, 예를 들어 의류의 소재가 아크릴일 경우, 물에 취약한 아크릴의 특성에 기반하여, 세탁기에 돌리거나 힘을 주어 짜면 의류에 손상이 갈 수 있으므로, 50도 이하의 미진근한 물에 중성 세제를 풀고 가볍게 세탁하고, 탈수기에 넣어 탈수가 가능하며, 열에 강하여 의류 처리 장치(200)에 넣어 리프레시가 가능하다는 의류의 관리 지침 정보를 포함할 수 있다. 또한 의류의 소재가 폴리인 경우, 열에 약하므로 30도 이하의 미지근한 물에 중성 세제를 이용하여 세탁을 하고, 탈색이나 수축을 방지하기 위해 그늘에서 건조하고, 수축 방지를 위해 열 건조는 피해야 함으로, 의류 처리 장치(200) 동작 시 열 건조를 피해야 한다는 의류의 관리 지침 정보를 포함할 수 있다.
예측부(164-3)는 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 기상 정보를 추출하여 의류의 상태를 예측할 수 있다. 모드 결정부(164-4)는 의류의 소재 정보와, 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정할 수 있다. 모드 결정부(164-4)는 의류의 관리 지침 정보 출력이 불가능하거나, 의류의 소재가 의류 처리 장치(200)에서 처리가 불가능한 경우, 의류 처리 장치(200)에서 처리할 수 없는 의류임을 출력할 수 있다.
선택적 실시 예로 판단부(164-2)는 제1 영상 정보 및/또는 제1 영상 정보에 포함되는 케어 라벨로부터 의류의 소재 종류를 판단할 수 있다. 추출부(164-1)는 판단부(164-2)에서 판단한 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스(140)에 기초하여 의류의 관리 지침 정보를 추출할 수 있다. 예측부(164-3)는 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 위치 정보에 따른 지역의 기상 정보와, 사용자가 의류를 착용한 상태로 실외에 있었는지, 실내에 있었는지에 판단 결과를 이용하여 의류의 상태를 예측할 수 있다. 모드 결정부(164-4)는 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정할 수 있다. 모드 결정부(164-4)는 의류의 관리 지침 정보 출력이 불가능하거나, 의류의 소재가 의류 처리 장치(200)에서 처리가 불가능한 경우, 의류 처리 장치(200)에서 처리할 수 없는 의류임을 출력할 수 있다.
설정부(165)는 제1 영상 정보 및 제2 영상 정보의 분석 결과에 대응하여, 의류 처리 장치(200)와 네트워크(700)를 통하여 연동되고, 의류를 세탁할 세탁 장치(500)의 세탁 모드를 설정할 수 있다. 여기서 세탁 장치(500)가 의류 처리 장치(200)와 연동되었다 함은, 동일한 네트워크(700)로 서로 통신 가능하고, 의류 처리 장치(200)가 세탁 장치(500)의 제어 코드를 저장하고 있어서, 세탁 장치(500)의 동작을 제어할 수 있다는 것을 포함할 수 있다.
의류 처리 장치(200)에 의해 의류를 처리하더라도, 의류가 깨끗하게 처리되지 않을 경우, 설정부(165)는 세탁 장치(500)의 세탁 모드를 설정하고, 사용자로 하여금 세탁 장치(500)를 이용할 것을 권유할 수 있다. 설정부(165)가 세탁 장치(500)의 세탁 모드를 자동으로 설정하였으므로, 사용자는 의류를 세탁 장치(500)에 넣기만 하면, 세탁 장치(500)가 자동으로 세탁 및 건조를 수행하므로 사용자의 편리함을 향상시킬 수 있다.
음성 인식부(166)는 사용자로부터 수신한 의류 처리 장치(200) 및/또는 세탁 장치(500)의 동작 모드 결정 요청 발화 음성을 인식하고, 사용자의 동작 모드 결정 요청 발화 음성의 발화 의도를 파악할 수 있다. 본 실시 예에서, 음성 인식부(166)는 자동 음성 인식부(ASR(auto speech recognition) unit)(미도시), 자연어 이해부(natural language understanding unit)(미도시), 자연어 생성부(natural language generation unit)(미도시) 및 텍스트 음성 변환부(TTS(text to speech) unit)(미도시)를 포함할 수 있다.
자동 음성 인식부는 오디오 입력부(131)를 통하여 수신한 사용자로부터의 동작 모드 결정 요청 발화 음성을 텍스트로 변환한 동작 모드 결정 요청 텍스트를 생성할 수 있다. 본 실시 예에서 자동 음성 인식부는 음성 텍스트 변환(STT(speech to text)을 수행할 수 있다. 자동 음성 인식부는 수신한 사용자의 동작 모드 결정 요청 발화 음성을 동작 모드 결정 요청 텍스트로 변환할 수 있다. 본 실시 예에서, 자동 음성 인식부는 발화 인식부(미도시)를 포함할 수 있다. 발화 인식부는 음향(acoustic) 모델 및 언어(language) 모델을 포함할 수 있다. 예를 들어, 음향 모델은 발성에 관련된 정보를 포함할 수 있고, 언어 모델은 단위 음소 정보 및 단위 음소 정보의 조합에 대한 정보를 포함할 수 있다. 발화 인식부는 발성에 관련된 정보 및 단위 음소 정보에 대한 정보를 이용하여 사용자의 동작 모드 결정 요청 발화 음성을 동작 모드 결정 요청 텍스트로 변환할 수 있다. 음향 모델 및 언어 모델에 대한 정보는, 예를 들어, 자동 음성 인식부 내의 자동 음성 인식 데이터베이스(미도시)에 저장될 수 있다.
자연어 이해부는 동작 모드 결정 요청 텍스트에 대하여, 문법적 분석(syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자의 동작 모드 결정 요청 발화 음성에 대한 발화 의도를 분석할 수 있다. 여기서, 문법적 분석은 질의 텍스트를 문법적 단위(예: 단어, 구, 형태소 등)로 나누고, 나누어진 단위가 어떤 문법적인 요소를 갖는지 파악할 수 있다. 또한 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, 자연어 이해부는 의류 코디 요청 텍스트가 어떤 의도(intent)인지 또는 이러한 의도를 표현하는데 필요한 파라미터(parameter)를 얻을 수 있다.
자연어 생성부는 자연어 이해부에서 분석한 발화 의도에 기초하여 지식 베이스(knowledge- base)를 이용하여 동작 모드 결정 요청 텍스트에 대한 동작 모드 결정 응답 텍스트를 생성할 수 있다.
텍스트 음성 변환부는 자연어 생성부가 생성한 자연어 발화 형태의 동작 모드 결정 응답 텍스트에 대한 응답 발화 음성 변환 결과로서 동작 모드 결정 응답 발화 음성을 생성하고, 동작 모드 결정 응답 발화 음성을 오디오 출력부(132)를 통하여 출력할 수 있다.
도 5는 도 1의 동작 모드 결정 환경 중 의류 처리 장치에 표시되는 동작모드 컨트롤 패널을 도시한 예시도이다. 이하의 설명에서 도 1 내지 도 4에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 5를 참조하면, 의류 처리 장치(200)의 동작모드 컨트롤 패널(220)은 전원의 온/오프를 설정하는 전원 설정부(221)와, 각종 코스를 선택할 수 있는 코스 설정부(222)와, 선택한 코스에 따라 동작을 실시/정지를 선택할 수 있는 실시/정지 선택부(223)와, 의류 처리 장치(100)의 작동 상태를 표시하는 상태 표시부(224)를 포함할 수 있다. 본 실시 예에서 의류 처리 장치(200)의 동작모드 컨트롤 패널(220)은 동작 모드 결정 장치(100)가 제1 영상 정보 및 제2 영상 정보의 분석 결과에 따라 결정한 동작 모드에 대응하여 자동으로 설정 및 동작될 수 있다. 더 나아가 의류 처리 장치(200)의 동작모드 컨트롤 패널(220)은 동작 모드 결정 장치(100)가 제1 영상 정보와, 제2 영상 정보와, 사용자의 위치 정보와, 기상 정보에 따라 결정한 동작 모드에 대응하여 자동으로 설정 및 동작될 수 있다.
도 5에는 동작 모드 결정 장치(100)가 제1 영상 정보 및 제2 영상 정보의 분석 결과에 따라, 동작모드 컨트롤 패널(220) 상에 설정된 강력 스팀, 미세먼지 및 자동 건조를 포함하는 동작 모드가 표시되고, 의류 처리 장치(200)는 결정한 동작 모드에 따라 동작을 수행할 수 있다.
도 6은 도 1의 동작 모드 결정 장치가 의류 영상 정보로부터 추출한 의류의 소재 종류에 따른 관리 지침 정보를 도시한 예시도이다. 이하의 설명에서 도 1 내지 도 5에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 6을 참조하면, 사용자가 의류 처리 장치(200)에 의류 진열 시에, 케어 라벨을 내부에 부착된 카메라를 향하도록 노출시켜, 카메라가 의류를 촬영하여 생성한 제1 영상 정보와, 제1 영상 정보로부터 추출한 케어 라벨과, 케어 라벨의 인식 결과 즉, 의류의 소재 및 세탁기호를 도시하고 있다.
도 6에 도시된 바지의 케어 라벨에는 의류의 소재가 면 100%로 표시되어 있고, 6개의 세탁 기호가 도시되어 있다. 각각 손세탁, 80-120도에서 다림질, 뉘어서 그늘에 말리기 등을 포함하고 있다. 이는 현재 세탁기호는 모든 의류에 의무적으로 부착하도록 되어 있고, 그 기호 및 해석도 통일되어 있다. 따라서, 동작 모드 결정 장치(100)는 케어 라벨 인식 결과로서의 문자 인식 또는 이미지 인식을 통하여 소재 및 세탁 기호를 추출하고 이를 데이터베이스에 저장된 의류의 소재에 따른 의류의 관리 지침과 세탁 기호에 따른 의류의 관리 지침과 대조하여 의류의 관리 지침 정보를 추출할 수 있다.
도 7은 본 발명의 일 실시 예에 따른 동작 모드 결정 방법을 설명하기 위한 흐름도이다. 이하의 설명에서 도 1 내지 도 6에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 7을 참조하면, S710단계에서, 동작 모드 결정 장치(100)는 의류 처리 장치(200)의 카메라(210)를 통해 의류를 촬영한 제1 영상 정보를 획득한다. 여기서 제1 영상 정보는 의류 처리 장치(200)의 도어 앞에서 기설정된 시간 이상 머무른 사용자의 착용 의류를 촬영하여 생성되거나, 또는 의류 처리 장치(200) 내부에 진열되어 있는 의류를 촬영하여 생성될 수 있다. 또한, 제1 영상 정보는 의류의 영상뿐만 아니라, 의류에 의무적으로 부착되어 있는 케어 라벨 영상과, 의류 영상을 촬영한 촬영 시간 정보를 더 포함할 수 있다.
S720단계에서, 동작 모드 결정 장치(100)는 홈 모니터링 카메라(300)를 통해 의류를 착용한 사용자의 출입을 촬영한 제2 영상 정보를 획득한다. 여기서 제2 영상 정보에는 의류를 착용한 사용자의 외출 시간 및 귀가 시간을 더 포함할 수 있다. 여기서 의류를 착용한 사용자의 외출 시간은, 의류 처리 장치(200)의 도어 앞에서 기설정된 시간 이상 머무른 사용자를 추적하여, 사용자가 실내로부터 사라진 시간을 포함할 수 있고, 의류를 착용한 사용자의 귀가 시간은 상기 외출 시간 이후 홈 모니터링 카메라(300)의 촬영에 의해 사용자가 실내에 출현한 시간을 포함할 수 있다.
S730단계에서, 동작 모드 결정 장치(100)는 제1 영상 정보 및 제2 영상 정보의 분석 결과에 따라 의류 처리 장치(200)의 동작 모드를 결정한다.
선택적 실시 예로 동작 모드 결정 장치(100)는 사용자 단말기(400)로부터 외출 시간 및 귀가 시간 사이의 위치 정보 즉, GPS(global positioning system) 정보를 획득할 수 있다.
선택적 실시 예로 동작 모드 결정 장치(100)는 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스에 기초하여 의류의 관리 지침 정보를 추출할 수 있다. 또한 데이터베이스에는 의류의 소재에 따른 의류의 관리 지침과 세탁 기호에 따른 의류의 관리 지침이 미리 저장되어 있다. 사용자가 의류 처리 장치(200)에 의류 진열 시에, 케어 라벨을 내부에 부착된 카메라를 향하도록 노출시키면, 카메라가 촬영한 제1 영상 정보로부터 케어 라벨로부터 문자 인식 또는 이미지 인식을 통하여 소재 및 세탁 기호를 추출하고 이를 데이터베이스(140)와 대조하여 의류의 관리 지침 정보를 추출할 수 있다. 동작 모드 결정 장치(100)는 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 기상 정보를 추출하여 의류의 상태를 예측할 수 있다. 동작 모드 결정 장치(100)는 네트워크(700)를 통하여 기상 정보를 제공하는 기상 정보 제공 장치(미도시)에 요청하여 외출 시간 및 귀가 시간 사이의 기상 정보를 수신할 수 있다. 동작 모드 결정 장치(100)는 온도, 습도, 미세먼지 정도, 눈/비의 양 중 하나 이상을 포함하는 환경 조건과 해당 환경에 의류가 노출된 시간에 따라 변화하는 의류의 상태를 예측하도록 미리 훈련된 제2 심층 신경망을 이용하여 의류의 상태를 예측할 수 있다. 동작 모드 결정 장치(100)는 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정할 수 있다.
선택적 실시 예로 동작 모드 결정 장치(100)는 의류 영상으로부터 의류의 소재를 판단하도록 미리 훈련된 제1 심층 신경망을 이용하여 제1 영상 정보로부터 의류의 소재를 판단할 수 있다. 동작 모드 결정 장치(100)는 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스에 기초하여 의류의 관리 지침 정보를 추출할 수 있다. 여기서 데이터베이스에는 의류의 소재에 따른 의류의 관리 지침 정보가 저장되어 있다. 동작 모드 결정 장치(100)는 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 기상 정보를 추출하여 의류의 상태를 예측할 수 있다. 동작 모드 결정 장치(100)는 의류의 소재 정보와, 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정할 수 있다.
선택적 실시 예로 동작 모드 결정 장치(100)는 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침 정보를 추출하고, 제2 영상 정보에 포함된 외출 시간 및 귀가 시간 사이의 위치 정보에 따른 지역의 기상 정보를 추출하여 의류의 상태를 예측하며, 의류의 관리 지침 정보 및 예측된 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정할 수 있다.
선택적 실시 예로 동작 모드 결정 장치(100)는 제1 영상 정보 및 제2 영상 정보의 분석 결과에 대응하여, 의류 처리 장치(200)와 네트워크(700)를 통하여 연동되고, 의류를 세탁할 세탁 장치(500)의 세탁 모드를 설정할 수 있다.
이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 동작 모드 결정 장치
200: 의류 처리 장치
300: 홈 모니터링 카메라
400: 사용자 단말기
500: 세탁 장치
600: 서버
700: 네트워크

Claims (17)

  1. 실내에 설치된 의류 처리 장치의 동작을 제어하는 방법으로서,
    상기 의류 처리 장치의 카메라를 통해 의류를 촬영한 제1 영상 정보를 획득하는 단계;
    실내의 출입을 모니터링하는 카메라를 통해 상기 의류를 착용한 사용자의 출입을 촬영한 제2 영상 정보를 획득하는 단계; 및
    상기 제1 영상 정보 및 상기 제2 영상 정보의 분석 결과에 따라 상기 의류 처리 장치의 동작 모드를 결정하는 단계를 포함하는,
    동작 모드 결정 방법.
  2. 제 1 항에 있어서,
    제2 영상 정보를 획득하는 단계는,
    상기 의류를 착용한 사용자의 외출 시간 및 귀가 시간을 포함하는 상기 제2 영상 정보를 획득하는 단계를 포함하는,
    동작 모드 결정 방법.
  3. 제 2 항에 있어서,
    상기 제2 영상 정보를 획득하는 단계 이후 및 상기 동작 모드를 결정하는 단계 이전에,
    상기 사용자의 단말기로부터 상기 외출 시간 및 상기 귀가 시간 사이의 위치 정보를 획득하는 단계를 더 포함하는,
    동작 모드 결정 방법.
  4. 제 2 항에 있어서,
    상기 동작 모드를 결정하는 단계는,
    상기 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스에 기초하여 상기 의류의 관리 지침 정보를 추출하는 단계;
    상기 제2 영상 정보에 포함된 상기 외출 시간 및 상기 귀가 시간 사이의 기상 정보를 추출하여 상기 의류의 상태를 예측하는 단계; 및
    상기 관리 지침 정보 및 예측된 상기 의류의 상태를 조합하여 상기 의류 처리 장치의 동작 모드를 결정하는 단계를 포함하는,
    동작 모드 결정 방법.
  5. 제 2 항에 있어서,
    상기 동작 모드를 결정하는 단계는,
    의류 영상으로부터 의류의 소재를 판단하도록 미리 훈련된 제1 심층 신경망을 이용하여 상기 제1 영상 정보로부터 의류의 소재를 판단하는 단계;
    의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스에 기초하여 상기 의류의 관리 지침 정보를 추출하는 단계;
    상기 제2 영상 정보에 포함된 상기 외출 시간 및 상기 귀가 시간 사이의 기상 정보를 추출하여 상기 의류의 상태를 예측하는 단계; 및
    상기 의류의 소재 정보, 상기 의류의 관리 지침 정보 및 예측된 상기 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정하는 단계를 포함하는,
    동작 모드 결정 방법.
  6. 제 3 항에 있어서,
    상기 동작 모드를 결정하는 단계는,
    상기 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 상기 의류의 소재 종류에 따른 관리 지침 정보를 추출하는 단계;
    상기 제2 영상 정보에 포함된 상기 외출 시간 및 상기 귀가 시간 사이의 상기 위치 정보에 따른 지역의 기상 정보를 추출하여 상기 의류의 상태를 예측하는 단계;
    상기 관리 지침 정보 및 예측된 상기 의류의 상태를 조합하여 상기 의류 처리 장치의 동작 모드를 결정하는 단계를 포함하는,
    동작 모드 결정 방법.
  7. 제 6 항에 있어서,
    상기 기상 정보는 상기 위치 정보에 따른 지역의 온도, 습도 및 미세먼지 정도 중 하나 이상을 포함하고,
    상기 의류의 상태를 예측하는 단계는,
    온도, 습도 및 미세먼지 정도 중 하나 이상을 포함하는 환경 조건과 해당 환경에 의류가 노출된 시간에 따라 변화하는 의류의 상태를 예측하도록 미리 훈련된 제2 심층 신경망을 이용하여 상기 의류의 상태를 예측하는 단계를 포함하는,
    동작 모드 결정 방법.
  8. 제 1 항에 있어서,
    상기 제1 영상 정보 및 상기 제2 영상 정보의 분석 결과에 대응하여, 상기 의류 처리 장치와 연동되고, 상기 의류를 세탁할 세탁 장치의 세탁 모드를 설정하는 단계를 더 포함하는,
    동작 모드 결정 방법.
  9. 컴퓨터를 이용하여 제 1 항 내지 제 8 항의 방법 중 어느 한 항의 방법을 실행시키기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체.
  10. 실내에 설치된 의류 처리 장치의 동작을 제어하는 장치로서,
    상기 의류 처리 장치의 카메라를 통해 의류를 촬영한 제1 영상 정보를 획득하는 제1 획득부;
    실내의 출입을 모니터링하는 카메라를 통해 상기 의류를 착용한 사용자의 출입을 촬영한 제2 영상 정보를 획득하는 제2 획득부; 및
    상기 제1 영상 정보 및 상기 제2 영상 정보의 분석 결과에 따라 상기 의류 처리 장치의 동작 모드를 결정하는 결정부를 포함하는,
    동작 모드 결정 장치.
  11. 제 10 항에 있어서,
    제2 획득부는,
    상기 의류를 착용한 사용자의 외출 시간 및 귀가 시간을 포함하는 상기 제2 영상 정보를 획득하도록 구성되는,
    동작 모드 결정 장치.
  12. 제 11 항에 있어서,
    상기 제2 영상 정보를 획득한 이후 및 상기 동작 모드를 결정하기 이전에, 상기 사용자의 단말기로부터 상기 외출 시간 및 상기 귀가 시간 사이의 위치 정보를 획득하는 제3 획득부를 더 포함하는,
    동작 모드 결정 장치.
  13. 제 11 항에 있어서,
    상기 결정부는,
    상기 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스에 기초하여 상기 의류의 관리 지침 정보를 추출하는 추출부;
    상기 제2 영상 정보에 포함된 상기 외출 시간 및 상기 귀가 시간 사이의 기상 정보를 추출하여 상기 의류의 상태를 예측하는 예측부; 및
    상기 관리 지침 정보 및 예측된 상기 의류의 상태를 조합하여 상기 의류 처리 장치의 동작 모드를 결정하는 모드 결정부를 포함하는,
    동작 모드 결정 장치.
  14. 제 11 항에 있어서,
    상기 결정부는,
    의류 영상으로부터 의류의 소재를 판단하도록 미리 훈련된 제1 심층 신경망을 이용하여 상기 제1 영상 정보로부터 의류의 소재를 판단하는 판단부;
    의류의 소재 종류에 따른 관리 지침이 미리 저장된 데이터베이스에 기초하여 상기 의류의 관리 지침 정보를 추출하는 추출부;
    상기 제2 영상 정보에 포함된 상기 외출 시간 및 상기 귀가 시간 사이의 기상 정보를 추출하여 상기 의류의 상태를 예측하는 예측부; 및
    상기 의류의 소재 정보, 상기 의류의 관리 지침 정보 및 예측된 상기 의류의 상태를 조합하여 의류 처리 장치의 동작 모드를 결정하는 모드 결정부를 포함하는,
    동작 모드 결정 장치.
  15. 제 12 항에 있어서,
    상기 결정부는,
    상기 제1 영상 정보로부터 의류의 소재 종류를 판단하고, 상기 의류의 소재 종류에 따른 관리 지침 정보를 추출하는 추출부;
    상기 제2 영상 정보에 포함된 상기 외출 시간 및 상기 귀가 시간 사이의 상기 위치 정보에 따른 지역의 기상 정보를 추출하여 상기 의류의 상태를 예측하는 예측부;
    상기 관리 지침 정보 및 예측된 상기 의류의 상태를 조합하여 상기 의류 처리 장치의 동작 모드를 결정하는 모드 결정부를 포함하는,
    동작 모드 결정 장치.
  16. 제 15 항에 있어서,
    상기 기상 정보는 상기 위치 정보에 따른 지역의 온도, 습도 및 미세먼지 정도 중 하나 이상을 포함하고,
    상기 예측부는,
    온도, 습도 및 미세먼지 정도 중 하나 이상을 포함하는 환경 조건과 해당 환경에 의류가 노출된 시간에 따라 변화하는 의류의 상태를 예측하도록 미리 훈련된 제2 심층 신경망을 이용하여 상기 의류의 상태를 예측하도록 구성되는,
    동작 모드 결정 장치.
  17. 제 10 항에 있어서,
    상기 제1 영상 정보 및 상기 제2 영상 정보의 분석 결과에 대응하여, 상기 의류 처리 장치와 연동되고, 상기 의류를 세탁할 세탁 장치의 세탁 모드를 설정하는 설정부를 더 포함하는,
    동작 모드 결정 장치.
KR1020190103063A 2019-08-22 2019-08-22 동작 모드 결정 방법 및 동작 모드 결정 장치 KR20190104939A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190103063A KR20190104939A (ko) 2019-08-22 2019-08-22 동작 모드 결정 방법 및 동작 모드 결정 장치
US16/579,741 US11655576B2 (en) 2019-08-22 2019-09-23 Operating mode determining method and operating mode determining device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190103063A KR20190104939A (ko) 2019-08-22 2019-08-22 동작 모드 결정 방법 및 동작 모드 결정 장치

Publications (1)

Publication Number Publication Date
KR20190104939A true KR20190104939A (ko) 2019-09-11

Family

ID=67949345

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190103063A KR20190104939A (ko) 2019-08-22 2019-08-22 동작 모드 결정 방법 및 동작 모드 결정 장치

Country Status (2)

Country Link
US (1) US11655576B2 (ko)
KR (1) KR20190104939A (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111241921A (zh) * 2019-12-27 2020-06-05 青岛海尔科技有限公司 物联网操作系统的消息提醒方法和装置
CN112760908A (zh) * 2020-12-28 2021-05-07 珠海格力电器股份有限公司 一种洗衣系统及控制方法
CN114016247A (zh) * 2021-10-20 2022-02-08 合肥美的洗衣机有限公司 衣物处理设备的控制方法、系统、电子设备及存储介质
WO2022039367A1 (ko) * 2020-08-18 2022-02-24 삼성전자주식회사 의류 관리 시스템 및 의류 관리 기기
KR20220120818A (ko) * 2021-02-24 2022-08-31 주식회사 트래딧 의류 관리 장치 및 이를 이용한 의류 관리 시스템

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200082999A (ko) * 2018-12-31 2020-07-08 삼성전자주식회사 의류 관리 장치 및 그 제어 방법
CN113463326A (zh) * 2020-03-30 2021-10-01 青岛海尔洗衣机有限公司 衣物处理系统的控制方法
CN113584845A (zh) * 2020-04-30 2021-11-02 云米互联科技(广东)有限公司 吹风控制方法、系统、循环扇及计算机可读存储介质
CN113981652A (zh) * 2020-07-27 2022-01-28 青岛海尔洗衣机有限公司 衣物处理方法、装置、电子设备、及存储介质
CN112030465B (zh) * 2020-08-14 2023-08-22 海尔优家智能科技（北京）有限公司 第一对象的清洗方法及装置、存储介质、电子装置
JP2022073728A (ja) * 2020-11-02 2022-05-17 トヨタ自動車株式会社 情報処理装置、情報処理方法、及び、システム
CN115700530A (zh) * 2021-07-22 2023-02-07 青岛海尔洗衣机有限公司 用于智能家居系统的控制方法和智能家居系统
CN113862958B (zh) * 2021-09-18 2022-09-23 珠海格力电器股份有限公司 洗衣机的控制方法、装置、洗衣机、存储介质及处理器
CN114232283B (zh) * 2021-12-11 2022-12-16 珠海格力电器股份有限公司 一种蒸汽护理烘干方法、存储介质及其洗干机

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100370363B1 (en) 2002-01-31 2003-01-30 Min Suk Han Clothes drying machine having wrinkles removing function
KR101954032B1 (ko) 2018-09-28 2019-03-06 와이.엘산업주식회사 의류 세정관리 장치

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100967064B1 (ko) * 2007-10-24 2010-06-29 아주대학교산학협력단 조명변화 환경하에서 촬영된 다중 영상에서 의상 색상유사성 판별 방법 및 공동현관 안전시스템
US20210303868A1 (en) * 2018-09-13 2021-09-30 Samsung Electronics Co., Ltd. Electronic apparatus and method for controlling electronic apparatus
CN109112770B (zh) * 2018-09-21 2021-07-20 无锡小天鹅电器有限公司 衣物处理装置的控制方法、装置和电子设备
CN111832541A (zh) * 2020-08-10 2020-10-27 北京灵汐科技有限公司 一种工作时长确定系统、方法及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100370363B1 (en) 2002-01-31 2003-01-30 Min Suk Han Clothes drying machine having wrinkles removing function
KR101954032B1 (ko) 2018-09-28 2019-03-06 와이.엘산업주식회사 의류 세정관리 장치

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111241921A (zh) * 2019-12-27 2020-06-05 青岛海尔科技有限公司 物联网操作系统的消息提醒方法和装置
CN111241921B (zh) * 2019-12-27 2023-09-22 青岛海尔科技有限公司 物联网操作系统的消息提醒方法和装置
WO2022039367A1 (ko) * 2020-08-18 2022-02-24 삼성전자주식회사 의류 관리 시스템 및 의류 관리 기기
CN112760908A (zh) * 2020-12-28 2021-05-07 珠海格力电器股份有限公司 一种洗衣系统及控制方法
KR20220120818A (ko) * 2021-02-24 2022-08-31 주식회사 트래딧 의류 관리 장치 및 이를 이용한 의류 관리 시스템
CN114016247A (zh) * 2021-10-20 2022-02-08 合肥美的洗衣机有限公司 衣物处理设备的控制方法、系统、电子设备及存储介质
CN114016247B (zh) * 2021-10-20 2023-12-22 合肥美的洗衣机有限公司 衣物处理设备的控制方法、系统、电子设备及存储介质

Also Published As

Publication number Publication date
US20200018006A1 (en) 2020-01-16
US11655576B2 (en) 2023-05-23

Similar Documents

Publication Publication Date Title
KR20190104939A (ko) 동작 모드 결정 방법 및 동작 모드 결정 장치
US11460817B2 (en) Apparatus for managing fabric and method for operating the apparatus
KR20190103098A (ko) 의류 코디 정보 추천 방법 및 장치
US20210216787A1 (en) Methods and Systems for Presenting Image Data for Detected Regions of Interest
US20210043189A1 (en) Method and system for performing voice command
KR102246936B1 (ko) 음성 인식 방법 및 음성 인식 장치
US20180330169A1 (en) Methods and Systems for Presenting Image Data for Detected Regions of Interest
US20210125605A1 (en) Speech processing method and apparatus therefor
EP3748247B1 (en) Air conditioner and method for controlling air conditioner
JP2021173987A (ja) 声紋抽出モデル訓練方法及び声紋認識方法、その装置並びに媒体
US11386895B2 (en) Speech processing method and apparatus therefor
US11030991B2 (en) Method and device for speech processing
KR101671760B1 (ko) 멀티모달 정보를 기반으로 상황 인지 기능을 수행하여 사용자 인터페이스와 사용자 경험을 스스로 학습하고 개선하는 셋톱박스, 촬영 장치, 그리고 이를 이용한 방법 및 컴퓨터 판독 가능한 기록 매체
KR20200085143A (ko) 외부 장치를 등록하는 대화형 제어 시스템 및 방법
EP3622724A1 (en) Methods and systems for presenting image data for detected regions of interest
US20190392836A1 (en) Speech processing method and apparatus therefor
KR20190118996A (ko) 음성 처리 방법 및 음성 처리 장치
US11514902B2 (en) Speech recognition method and apparatus therefor
KR20190100094A (ko) 개인 스타일 데이터베이스 구축 방법 및 장치
US20190371333A1 (en) Display apparatus and method for operating display apparatus
EP4330931A1 (en) Systems and methods for on-device person recognition and provision of intelligent alerts
KR102658691B1 (ko) 정보 제공 방법 및 정보 제공 장치
KR20190104949A (ko) 인공 지능형 의류 처리 장치와 그 구동방법
US20210193139A1 (en) Information processing method and apparatus therefor
EP4182920A1 (en) Method and system for assigning unique voice for electronic device

Legal Events

Date Code Title Description
A201 Request for examination