KR20200063359A - Learning Method for AI Location Cognition System using IoT Devices with Bluetooth Transmission and Reception Function - Google Patents

Learning Method for AI Location Cognition System using IoT Devices with Bluetooth Transmission and Reception Function Download PDF

Info

Publication number
KR20200063359A
KR20200063359A KR1020180146167A KR20180146167A KR20200063359A KR 20200063359 A KR20200063359 A KR 20200063359A KR 1020180146167 A KR1020180146167 A KR 1020180146167A KR 20180146167 A KR20180146167 A KR 20180146167A KR 20200063359 A KR20200063359 A KR 20200063359A
Authority
KR
South Korea
Prior art keywords
iot devices
artificial intelligence
location
location recognition
information
Prior art date
Application number
KR1020180146167A
Other languages
Korean (ko)
Other versions
KR102285218B1 (en
Inventor
지영민
Original Assignee
전자부품연구원
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 전자부품연구원 filed Critical 전자부품연구원
Priority to KR1020180146167A priority Critical patent/KR102285218B1/en
Publication of KR20200063359A publication Critical patent/KR20200063359A/en
Application granted granted Critical
Publication of KR102285218B1 publication Critical patent/KR102285218B1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Abstract

Provided is a learning method of an artificial intelligence location recognition system using IoT devices having a Bluetooth transmitting/receiving function, which is capable of training an artificial intelligence neural network for location recognition in a short period of time without installation of a BLE beacon tag. The location recognition system according to an embodiment of the present invention comprises: IoT devices transmitting a beacon message and receiving a beacon message transmitted by other IoT devices; and a learning system using receiving strength information of the IoT devices to train an artificial intelligence model for location recognition. Accordingly, the IoT devices having a Bluetooth transmitting/receiving function are used to train the artificial intelligence location recognition system, thereby training the artificial intelligence neural network for location recognition in a short period of time without installation of a BLE beacon tag.

Description

블루투스 송수신 기능을 구비한 IoT 디바이스들을 이용한 인공지능 위치 인지 시스템의 학습 방법{Learning Method for AI Location Cognition System using IoT Devices with Bluetooth Transmission and Reception Function}Learning Method for AI Location Cognition System using IoT Devices with Bluetooth Transmission and Reception Function

본 발명은 인공지능 관련 기술에 관한 것으로, 더욱 상세하게는 IoT 디바이스들을 이용하여 인공지능 위치 인지 시스템을 학습시키기 위한 방법에 관한 것이다.The present invention relates to a technology related to artificial intelligence, and more particularly, to a method for learning an artificial intelligence location recognition system using IoT devices.

인공지능 기술의 발전은 위치 인지 시스템/서비스에까지 인공지능 신경망을 적용시켰다.Advances in artificial intelligence technology have applied artificial intelligence neural networks to location-aware systems/services.

이를 위해서는, 인공지능 기반의 위치 인지 시스템을 학습하기 위해서는, BLE 비콘 태그를 다양한 영역들에 위치시키고, IoT 디바이스들로 BLE 비콘 태그를 수신하도록 하여야 한다.To this end, in order to learn the artificial intelligence-based location recognition system, the BLE beacon tag must be placed in various areas, and the BLE beacon tag must be received by IoT devices.

하지만, 이 방법은 많은 BLE 비콘들을 설치하여야 하는 불편을 유발할 뿐만 아니라, 인공지능 기반의 위치 인지 시스템에 많은 시간을 필요로 한다는 문제를 가지고 있다.However, this method not only causes inconvenience of installing many BLE beacons, but also has a problem that it requires a lot of time for an artificial intelligence-based location recognition system.

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, BLE 비콘 태그를 설치하지 않고 빠른 시간 안에, 위치 인지를 위한 인공지능 신경망을 학습시킬 수 있는 블루투스 송수신 기능을 구비한 IoT 디바이스들을 이용한 인공지능 위치 인지 시스템의 학습 방법을 제공함에 있다.The present invention has been devised to solve the above problems, and an object of the present invention is to provide a Bluetooth transmission/reception function capable of learning an artificial intelligence neural network for location recognition in a short time without installing a BLE beacon tag. It is to provide a learning method of an artificial intelligence location recognition system using IoT devices.

상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 위치 인지 시스템은 비콘 메시지를 전송하고, 다른 IoT 다비아스가 전송한 비콘 메시지를 수신하는 IoT 디바이스들; IoT 디바이스들의 수신 세기 정보를 이용하여, 위치 인지을 위한 인공지능 모델을 학습시키는 학습 시스템;을 포함한다. According to an embodiment of the present invention for achieving the above object, the location recognition system includes IoT devices that transmit a beacon message and receive a beacon message transmitted by another IoT Davias; It includes; learning system for learning the artificial intelligence model for location recognition, using the received strength information of the IoT devices.

IoT 디바이스들은, 정해진 시간에 순차적으로 자신의 비콘 메시지를 전송할 수 있다. IoT devices may transmit their beacon messages sequentially at a predetermined time.

IoT 디바이스들은, 수신되지 않은 비콘 메시지에 대한 수신 세기 정보는, 정해진 세기 정보로 생성할 수 있다. The IoT devices may generate reception intensity information for a non-received beacon message with predetermined intensity information.

IoT 디바이스들은, 자신이 전송하여 수신되지 않은 비콘 메시지에 대한 수신 세기 정보는, 가장 높은 세기 정보로 생성할 수 있다.IoT devices may generate reception intensity information for a beacon message that is not transmitted and received by the highest intensity information.

IoT 디바이스들은, 다른 IoT 디바이스가 전송하였는데 수신되지 않은 비콘 메시지에 대한 수신 세기 정보는, 가장 낮은 세기 정보로 생성할 수 있다.The IoT devices may generate reception intensity information for a beacon message that is not received by another IoT device and is received with the lowest intensity information.

인공지능 모델은, 수신 세기 정보들을 입력으로 IoT 디바이스들의 위치 정보들을 출력으로 하여 학습되는 것일 수 있다. The artificial intelligence model may be learned by receiving location information of IoT devices as input and outputting location information of IoT devices.

위치 정보는, 영역으로 표현될 수 있다. The location information can be expressed as an area.

한편, 본 발명의 다른 실시예에 따른, 위치 인지 시스템의 학습 방법은 IoT 디바이스들로부터 비콘 메시지의 수신 세기 정보를 수집하는 단계; 및 수집한 수신 세기 정보를 이용하여, 위치 인지을 위한 인공지능 모델을 학습시키는 학습 시스템;을 포함한다. On the other hand, according to another embodiment of the present invention, a method of learning a location-aware system comprises the steps of collecting received strength information of a beacon message from IoT devices; And a learning system that trains an artificial intelligence model for position recognition by using the collected reception intensity information.

이상 설명한 바와 같이, 본 발명의 실시예들에 따르면, 블루투스 송수신 기능을 구비한 IoT 디바이스들을 이용하여 인공지능 위치 인지 시스템을 학습시킴으로써, BLE 비콘 태그를 설치하지 않고, 빠른 시간 안에, 위치 인지를 위한 인공지능 신경망을 학습시킬 수 있게 된다.As described above, according to embodiments of the present invention, by learning an artificial intelligence location recognition system using IoT devices equipped with a Bluetooth transmission/reception function, without installing a BLE beacon tag, in a short time, for location recognition Artificial intelligence neural networks can be trained.

도 1은 본 발명의 일 실시예에 따른 위치 인지 시스템을 도시한 도면,
도 2는 인공지능 시스템이 인공지능 신경망을 학습시키는 방법을 도시한 도면,
도 3은, 도 1에 도시된 IoT 디바이스의 상세 블럭도,
도 4는 인공지능 시스템의 상세 블럭도이다.1 is a view showing a position recognition system according to an embodiment of the present invention,
Figure 2 is a diagram showing a method for the artificial intelligence system to train an artificial intelligence neural network,
3 is a detailed block diagram of the IoT device shown in FIG. 1,
4 is a detailed block diagram of an artificial intelligence system.

이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.Hereinafter, the present invention will be described in more detail with reference to the drawings.

도 1은 본 발명의 일 실시예에 따른 위치 인지 시스템을 도시한 도면이다. 본 발명의 실시예에 따른 위치 인지 시스템은, 인공지능 신경망을 이용하여 IoT 디바이스의 위치를 인지한다.1 is a view showing a location recognition system according to an embodiment of the present invention. The location recognition system according to an embodiment of the present invention recognizes the location of an IoT device using an artificial intelligence neural network.

도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 위치 인지 시스템은, 다수의 IoT 디바이스들(100-1, 100-2, ... ,100-6) 및 인공지능 시스템(미도시)가 상호 통신 가능하도록 연결되어 구축된다.As shown in Figure 1, the location recognition system according to an embodiment of the present invention, a number of IoT devices (100-1, 100-2, ..., 100-6) and artificial intelligence system (not shown) Are connected and built to enable mutual communication.

IoT 디바이스들(100-1, 100-2, ... ,100-6)은 BLE(Bluetooth Low Energy) 모듈을 구비하고 있어, 다른 IoT 디바이스들에 블루투스 비콘 메시지를 전송할 수 있고, 다른 IoT 디바이스들이 전송한 블루투스 비콘 메시지를 수신할 수 있다.IoT devices (100-1, 100-2, ..., 100-6) are equipped with a Bluetooth Low Energy (BLE) module, which can transmit Bluetooth beacon messages to other IoT devices, and other IoT devices You can receive the transmitted Bluetooth beacon message.

IoT 디바이스들(100-1, 100-2, ... ,100-6)은 정해진 순서에 따라 정해진 시간에 하나의 IoT 디바이스(100-1, 100-2, ... ,100-6) 만이 블루투스 비콘 메시지를 전송하며, 나머지 다른 IoT 디바이스들은 블루투스 비콘 메시지를 수신한다.IoT devices (100-1, 100-2, ..., 100-6) have only one IoT device (100-1, 100-2, ..., 100-6) at a given time in a specified order. The Bluetooth beacon message is transmitted, and the other IoT devices receive the Bluetooth beacon message.

블루투스 비콘 메시지에는 이를 전송한 IoT 디바이스(100-1, 100-2, ... ,100-6)의 ID가 수록되어 있다. 블루투스 비콘 메시지를 수신한 IoT 디바이스들(100-1, 100-2, ... ,100-6)은 블루투스 비콘 메시지의 ID와 RSSI(Received Signal Strength Indicator)를 인공지능 시스템으로 전달한다.The Bluetooth beacon message contains the ID of the IoT device (100-1, 100-2, ..., 100-6) that transmitted it. The IoT devices 100-1, 100-2, ..., 100-6 receiving the Bluetooth beacon message transmit the ID of the Bluetooth beacon message and the received signal strength indicator (RSSI) to the artificial intelligence system.

만약, 다른 IoT 디바이스에 의해 블루투스 비콘 메시지가 전송할 시간이 경과하였음에도 불구하고 수신되지 않은 경우, IoT 디바이스는 RSSI를 가장 낮은 값(이를 테면, -100 dbm)으로 생성한다. 이는, 자신으로부터 거리가 너무 멀거나 장애물 등으로 인해 블루투스 비콘 메시지가 수신되지 않은 것으로 취급하여야 하기 때문이다.If the Bluetooth beacon message is not received by the other IoT device even though the time for transmission has elapsed, the IoT device generates the RSSI with the lowest value (eg, -100 dbm). This is because the Bluetooth beacon message must be treated as being too far from itself or due to an obstacle.

그리고, 자신이 전송하여 수신되지 않은 블루투스 비콘 메시지에 대한 RSSI는 가장 높은 값(이를 테면, -40 dbm)으로 생성한다. 자신에게 가까운 블루투스 비콘이 비콘 태그를 전송하였다면, RSSI가 매우 클 것임을 상정한 것이다.And, the RSSI for the Bluetooth beacon message not transmitted and received by itself is generated with the highest value (eg, -40 dbm). If a Bluetooth beacon close to you has sent a beacon tag, it is assumed that the RSSI will be very large.

이와 같이, 본 발명의 실시예에서, IoT 디바이스(100-1, 100-2, ... ,100-6)는 블루투스 비콘 메시지의 수신 역할 외에도 전송까지 동시에 수행하므로, 비콘 태그가 별도로 필요가 없다.As described above, in the embodiment of the present invention, since the IoT devices 100-1, 100-2, ..., and 100-6 simultaneously perform transmission as well as the reception role of the Bluetooth beacon message, there is no need for a separate beacon tag. .

인공지능 시스템은 IoT 디바이스들(100-1, 100-2, ... ,100-6)로부터 수집한 (ID, RSSI) 정보를 이용하여, 블루투스 비콘 메시지를 전송한 IoT 디바이스의 위치를 인지하기 위한 인공지능 신경망을 학습한다.The artificial intelligence system uses (ID, RSSI) information collected from IoT devices (100-1, 100-2, ..., 100-6) to recognize the location of the IoT device that has transmitted the Bluetooth beacon message. AI network for learning.

도 2에는 인공지능 시스템이 인공지능 신경망을 학습시키는 방법이 도시되어 있다.2 shows how the artificial intelligence system trains an artificial intelligence neural network.

도 2에 도시된 바와 같이, 인공지능 시스템은 IoT 디바이스-1(100-1)이 전송한 블루투스 비콘 메시지에 대한 IoT 디바이스들(100-1, 100-2, ... ,100-6)의 RSSI들을 인공지능 신경망의 입력으로 넣는다. 수집한 (ID, RSSI) 정보에서 ID가 IoT 디바이스-1(100-1)의 ID인 (ID, RSSI) 정보들의 RSSI들이 여기에 해당한다.As shown in FIG. 2, the artificial intelligence system includes the IoT devices 100-1, 100-2, ..., 100-6 for the Bluetooth beacon message transmitted by IoT device-1 (100-1). Put RSSIs into the input of AI neural networks. In the collected (ID, RSSI) information, the RSSIs of the (ID, RSSI) information whose ID is the ID of the IoT device-1 100-1 correspond to this.

다음, 인공지능 시스템은 IoT 디바이스-1(100-1)의 위치 정보를 인공지능 신경망의 출력으로 넣는다. 이를 위해, 인공지능 시스템은 IoT 디바이스들(100-1, 100-2, ... ,100-6)에 대한 ID-위치 정보 테이블을 보유하고 있다.Next, the artificial intelligence system puts the location information of the IoT device-1 (100-1) into the output of the artificial intelligence neural network. To this end, the artificial intelligence system has an ID-location information table for IoT devices 100-1, 100-2, ..., 100-6.

도 2에 도시된 IoT 디바이스-1(100-1)이 전송한 블루투스 비콘 메시지에 대한 IoT 디바이스들(100-1, 100-2, ... ,100-6)의 RSSI들을 이용한 인공지능 신경망의 학습이 완료되면, IoT 디바이스-2(100-2)가 전송한 블루투스 비콘 메시지에 대한 IoT 디바이스들(100-1, 100-2, ... ,100-6)의 RSSI들을 이용한 인공지능 신경망의 학습을 수행한다.Of the artificial intelligence neural network using the RSSI of the IoT devices (100-1, 100-2, ..., 100-6) for the Bluetooth beacon message transmitted by the IoT device-1 (100-1) shown in FIG. When the learning is completed, of the artificial intelligence neural network using the RSSI of the IoT devices (100-1, 100-2, ..., 100-6) for the Bluetooth beacon message transmitted by the IoT device-2 (100-2) Conduct learning.

이후, IoT 디바이스-3(100-3), .... , IoT 디바이스-6(100-6)이 전송한 블루투스 비콘 메시지에 대한 IoT 디바이스들(100-1, 100-2, ... ,100-6)의 RSSI들을 이용한 인공지능 신경망의 학습을 순차적으로 수행한다.Thereafter, IoT devices-3 (100-3), ...., IoT devices (100-1, 100-2, ..., for the Bluetooth beacon message transmitted by IoT device-6 (100-6)) 100-6) to perform artificial intelligence neural network learning sequentially.

이에 의해, 학습이 완료되면, 인공지능 시스템은 IoT 디바이스들(100-1, 100-2, ... ,100-6)이 사용자 디바이스(위치 인지 대상)로부터 수신한 블루투스 비콘의 RSSI들을 인공지능 신경망에 입력하여 사용자 디바이스가 위치한 영역을 인지할 수 있게 된다.Thereby, when learning is completed, the artificial intelligence system performs artificial intelligence of the RSSIs of the Bluetooth beacons received by the IoT devices 100-1, 100-2, ..., 100-6 from the user device (location recognition target). By entering the neural network, it is possible to recognize the area where the user device is located.

도 3은, 도 1에 도시된 IoT 디바이스(100-1, 100-2, ... ,100-6)의 상세 블럭도이다. IoT 디바이스(100-1, 100-2, ... ,100-6)는 동일한 구성으로 구현할 수 있으므로, 도 3에는 하나만을 대표하여 도시하였다.3 is a detailed block diagram of the IoT devices 100-1, 100-2, ..., 100-6 shown in FIG. 1. Since IoT devices 100-1, 100-2, ..., 100-6 can be implemented with the same configuration, only one of them is illustrated in FIG. 3.

IoT 디바이스는, 도 3에 도시된 바와 같이, BLE 모듈(110), 프로세서(120), 저장부(130)를 포함한다.The IoT device, as shown in FIG. 3, includes a BLE module 110, a processor 120, and a storage unit 130.

BLE 모듈(110)은 블루투스 비콘 메시지를 전송하고 수신하기 위한 통신 수단이다. 프로세서(120)는 전송 주기에 맞추어 자신의 블루투스 비콘 메시지가 전송되도록 BLE 모듈(110)을 제어한다.The BLE module 110 is a communication means for transmitting and receiving Bluetooth beacon messages. The processor 120 controls the BLE module 110 so that its Bluetooth beacon message is transmitted according to the transmission cycle.

또한, 프로세서(120)는 BLE 모듈(110)을 통해 수신되는 블루투스 비콘 메시지의 (ID, RSSI) 정보를 BLE 모듈(110)을 통해 또는 다른 통신 수단을 통해 학습 시스템에 전달한다.In addition, the processor 120 transmits (ID, RSSI) information of the Bluetooth beacon message received through the BLE module 110 to the learning system through the BLE module 110 or other communication means.

저장부(130)는 프로세서(120)가 위 동작들을 수행함에 있어 필요한 저장공간을 제공한다.The storage unit 130 provides a storage space required for the processor 120 to perform the above operations.

도 4는 인공지능 시스템의 상세 블럭도이다. 인공지능 시스템은, 도 4에 도시된 바와 같이, 통신부(210), 프로세서(220), 저장부(230)를 포함한다.4 is a detailed block diagram of an artificial intelligence system. The artificial intelligence system includes a communication unit 210, a processor 220, and a storage unit 230, as shown in FIG. 4.

통신부(210)는 IoT 디바이스들(100-1, 100-2, ... ,100-6)로부터 (ID, RSSI) 정보를 수신하기 위한 통신 수단이다. 프로세서(220)는 수신한 (ID, RSSI) 정보를 이용하여 위치 인지를 위한 인공지능 신경망을 학습시킨다.The communication unit 210 is a communication means for receiving (ID, RSSI) information from IoT devices 100-1, 100-2, ..., 100-6. The processor 220 trains the artificial intelligence neural network for location recognition using the received (ID, RSSI) information.

또한, 프로세서(220)는 학습된 인공지능 신경망을 이용하여 디바이스에 대한 위치 인지를 수행한다.In addition, the processor 220 performs location recognition for the device using the learned artificial intelligence neural network.

저장부(230)는 프로세서(220)가 위 동작들을 수행함에 있어 필요한 저장공간을 제공한다.The storage unit 230 provides a storage space necessary for the processor 220 to perform the above operations.

지금까지, 블루투스 송수신 기능을 구비한 IoT 디바이스들을 이용한 인공지능 위치 인지 시스템의 학습 방법에 대해 바람직한 실시예를 들어 상세히 설명하였다.So far, a preferred embodiment has been described in detail with respect to a learning method of an artificial intelligence location recognition system using IoT devices having a Bluetooth transmission/reception function.

본 발명의 실시예에 따른 인공지능 위치 인지 시스템은, 인공지능 신경망 학습에 소요되는 시간을 최소화 하면서 시스템을 바로 운영할 수 있는 위치 인지 시스템이다. The AI location recognition system according to an embodiment of the present invention is a location recognition system that can operate the system immediately while minimizing the time required for AI neural network learning.

또한, 본 발명의 실시예에 따른 인공지능 위치 인지 시스템은, IoT 디바이스를 설치와 동시에 자가적으로 비콘 시그널을 학습을 수행하기 때문에 바로 위치 인지를 할 수 있다. 자가적으로 학습된 신경망을 1번 이상만 학습이 되면, 휴대폰이나 비콘 태그를 활용하여 사람이나 사물의 Zone 단위(IoT 비콘 송수신기가 설치된 곳)의 위치를 추적 할 수 있다.In addition, the artificial intelligence location recognition system according to an embodiment of the present invention can recognize the location immediately since the beacon signal is automatically learned while the IoT device is installed. If the self-learning neural network is learned more than once, the location of the zone unit (where the IoT beacon transceiver is installed) of a person or object can be tracked using a mobile phone or a beacon tag.

그리고, IoT 디바이스를 활용하기 때문에 단순히 위치에 대한 파악을 하는 것이 뿐만아니라 다양한 센서를 활용하여 실내 환경 정보(온도, 습도, 조도 등등)를 취득하여 연계도 가능하다. In addition, since IoT devices are utilized, it is possible to acquire indoor environment information (temperature, humidity, illuminance, etc.) by using various sensors, as well as simply grasping the location.

한편, 본 발명의 실시예에 따른 인공지능 위치 인지 시스템은, 기존 IoT 디바이스의 센싱 기능에 쉽게 위치 인지 기능을 추가하여 새로운 서비스를 제공이 가능하고, 위치 인지에 필요한 위치기반 메타 데이터를 개별적으로 일일이 입력하시지 않아도 학습에 사용된 IoT 디바이스 ID를 활용하여 위치 정보를 추론이 가능하며, 실제 전송된 RSSI 시그널 세기를 기반으로 학습을 하기 때문에 실내 공간별로 벽, 간막이 등의 전파 방해 요소가 시그널 세기에 반영되기 때문에 환경 특성에 맞는 위치 정보를 학습하게 되어 정확도를 높일 수 있다.On the other hand, the artificial intelligence location recognition system according to an embodiment of the present invention can easily provide a new service by adding a location recognition function to the sensing function of an existing IoT device, and individually locate location-based metadata required for location recognition. It is possible to infer location information by using the IoT device ID used for learning without input, and because it learns based on the actual transmitted RSSI signal strength, interference factors such as walls and partitions for each room are reflected in the signal strength. Because it can learn the location information that fits the environmental characteristics, it can increase the accuracy.

한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.On the other hand, the technical idea of the present invention can be applied to a computer-readable recording medium containing a computer program that performs functions of the apparatus and method according to the present embodiment. Further, the technical idea according to various embodiments of the present invention may be implemented in the form of computer-readable codes recorded on a computer-readable recording medium. The computer-readable recording medium can be any data storage device that can be read by a computer and stores data. Of course, the computer-readable recording medium can be a ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical disk, hard disk drive, and the like. In addition, computer-readable codes or programs stored on a computer-readable recording medium may be transmitted through a network connected between computers.

또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.In addition, although the preferred embodiments of the present invention have been shown and described above, the present invention is not limited to the specific embodiments described above, and the technical field to which the present invention belongs without departing from the gist of the present invention claimed in the claims. In addition, various modifications can be implemented by those skilled in the art, and these modifications should not be individually understood from the technical idea or prospect of the present invention.

100-1, 100-2, ... ,100-6 : IoT 디바이스
110 : BLE 모듈
120 : 프로세서
130 : 저장부100-1, 100-2, ..., 100-6: IoT device
110: BLE module
120: processor
130: storage unit

Claims (8)

비콘 메시지를 전송하고, 다른 IoT 다비아스가 전송한 비콘 메시지를 수신하는 IoT 디바이스들;
IoT 디바이스들의 수신 세기 정보를 이용하여, 위치 인지을 위한 인공지능 모델을 학습시키는 학습 시스템;을 포함하는 것을 특징으로 하는 위치 인지 시스템.
IoT devices that transmit beacon messages and receive beacon messages transmitted by other IoT davias;
And a learning system that trains an artificial intelligence model for location recognition using the reception strength information of IoT devices.
청구항 1에 있어서,
IoT 디바이스들은,
정해진 시간에 순차적으로 자신의 비콘 메시지를 전송하는 것을 특징으로 하는 위치 인지 시스템.
The method according to claim 1,
IoT devices,
Location recognition system characterized in that it transmits its beacon message sequentially at a predetermined time.
청구항 2에 있어서,
IoT 디바이스들은,
수신되지 않은 비콘 메시지에 대한 수신 세기 정보는, 정해진 세기 정보로 생성하는 것을 특징으로 하는 위치 인지 시스템.
The method according to claim 2,
IoT devices,
Location recognition system, characterized in that for generating the received intensity information for the beacon message is not received, the predetermined intensity information.
청구항 3에 있어서,
IoT 디바이스들은,
자신이 전송하여 수신되지 않은 비콘 메시지에 대한 수신 세기 정보는, 가장 높은 세기 정보로 생성하는 것을 특징으로 하는 위치 인지 시스템.
The method according to claim 3,
IoT devices,
Location recognition system, characterized in that for generating the received intensity information for the beacon message that is not transmitted and received by the highest intensity information.
청구항 3에 있어서,
IoT 디바이스들은,
다른 IoT 디바이스가 전송하였는데 수신되지 않은 비콘 메시지에 대한 수신 세기 정보는, 가장 낮은 세기 정보로 생성하는 것을 특징으로 하는 위치 인지 시스템.
The method according to claim 3,
IoT devices,
Location recognition system characterized in that the received strength information for the beacon message that is transmitted by another IoT device is not received is generated with the lowest strength information.
청구항 1에 있어서,
인공지능 모델은,
수신 세기 정보들을 입력으로 IoT 디바이스들의 위치 정보들을 출력으로 하여 학습되는 것을 특징으로 하는 위치 인지 시스템.
The method according to claim 1,
The AI model,
A location recognition system characterized by learning by receiving location information of IoT devices as output as input of received strength information.
청구항 6에 있어서,
위치 정보는,
영역으로 표현되는 것을 특징으로 하는 위치 인지 시스템.
The method according to claim 6,
Location information,
Position recognition system characterized by being represented by a region.
IoT 디바이스들로부터 비콘 메시지의 수신 세기 정보를 수집하는 단계; 및
수집한 수신 세기 정보를 이용하여, 위치 인지을 위한 인공지능 모델을 학습시키는 학습 시스템;을 포함하는 것을 특징으로 하는 위치 인지 시스템의 학습 방법.
Collecting reception strength information of a beacon message from IoT devices; And
And a learning system for learning an artificial intelligence model for position recognition using the collected reception intensity information.
KR1020180146167A 2018-11-23 2018-11-23 Learning Method for AI Location Cognition System using IoT Devices with Bluetooth Transmission and Reception Function KR102285218B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180146167A KR102285218B1 (en) 2018-11-23 2018-11-23 Learning Method for AI Location Cognition System using IoT Devices with Bluetooth Transmission and Reception Function

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180146167A KR102285218B1 (en) 2018-11-23 2018-11-23 Learning Method for AI Location Cognition System using IoT Devices with Bluetooth Transmission and Reception Function

Publications (2)

Publication Number Publication Date
KR20200063359A true KR20200063359A (en) 2020-06-05
KR102285218B1 KR102285218B1 (en) 2021-08-03

Family

ID=71088784

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180146167A KR102285218B1 (en) 2018-11-23 2018-11-23 Learning Method for AI Location Cognition System using IoT Devices with Bluetooth Transmission and Reception Function

Country Status (1)

Country Link
KR (1) KR102285218B1 (en)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170043007A (en) * 2015-10-12 2017-04-20 삼성전자주식회사 Method and apparatus for detecting entry and departure of device about geographical area

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170043007A (en) * 2015-10-12 2017-04-20 삼성전자주식회사 Method and apparatus for detecting entry and departure of device about geographical area

Also Published As

Publication number Publication date
KR102285218B1 (en) 2021-08-03

Similar Documents

Publication Publication Date Title
US11619413B2 (en) Intelligent air cleaner, indoor air quality control method and control apparatus using intelligent air cleaner
CN110462428B (en) Classifying motion detected using wireless signals
US11902928B2 (en) Method for locating terminal in wireless communication system and device therefor
US9618918B2 (en) System and method for estimating the number of people in a smart building
US8457656B2 (en) Wireless tracking system and method utilizing multiple location algorithms
JP5124142B2 (en) Method and system for improved WLAN location
Kouyoumdjieva et al. Survey of non-image-based approaches for counting people
KR102642926B1 (en) Tag, tag location determination device and method
KR20170020524A (en) Light based positioning
CN109964515B (en) Electronic beacon for a positioning system
US9086469B2 (en) Low frequency magnetic induction positioning system and method
Huang et al. Distributed-neuron-network based machine learning on smart-gateway network towards real-time indoor data analytics
CN108353003A (en) Batch propagates Timing measurement information receiving and transmitting
Lazaro et al. Room-level localization system based on LoRa backscatters
KR20220008399A (en) intelligent robot device
CN110418284A (en) A kind of regional monitoring system
Torres‐Zapata et al. Implementation of a VLC‐based indoor localization system
Fazio et al. Improving proximity detection of mesh beacons at the edge for indoor and outdoor navigation
US11423881B2 (en) Method and apparatus for updating real-time voice recognition model using moving agent
KR20200063359A (en) Learning Method for AI Location Cognition System using IoT Devices with Bluetooth Transmission and Reception Function
CN105068540A (en) Indoor cleaning method and apparatus of intelligent household robot
Cil et al. A comparative analysis of indoor positioning technologies in shipyard digitalization context
CN104656075A (en) Indoor positioning method and system
Butt et al. Ambient IoT: A missing link in 3GPP IoT Devices Landscape
CA3150033C (en) Location determination of mobile devices

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant