KR20210157432A - 네트워크 내에서의 위치 검출 - Google Patents

Abstract

통신 네트워크에서 생물학적 질량체의 존재로 인해 야기되는 신호 흡수 및 라디오 주파수(RF) 전파의 신호 전방 및 후방 산란을 사용하여 기점 엘리먼트가 없는 네트워크에서 신체의 존재를 검출하기 위한 시스템 및 방법이 제공된다.

Description

네트워크 내에서의 위치 검출{DETECTING LOCATION WITHIN A NETWORK}

관련 출원에 대한 상호 참조

본 출원은 2017년 9월 22일에 출원된 미국 실용 특허 출원 번호 15/713,309의 계속 출원이고, 2017년 9월 22일에 출원된 미국 실용 특허 출원 번호 15/713,219의 계속 출원이며; 2017년 8월 10일에 출원된 미국 실용 특허 출원 번호 15/674,487의 계속 출원이며; 및 2017년 8월 10일에 출원된 미국 실용 출원 번호 15/674,328의 계속 출원이다. 출원 15/713,219는 2017년 8월 10일에 출원된 미국 실용 출원 번호 15/674,328의 계속 출원이며, 이는 2017년 5월 19일에 출원된 미국 실용 출원 번호 15/600,380의 일부 계속 출원이며, 이는 2016년 8월 3일에 출원된 미국 실용 특허 출원 번호 15/227,717의 계속 출원이며, 이는 2015년 11월 9일에 출원된 가특허 출원 번호 62/262,954 및 2015년 9월 16일에 출원된 미국 가특허 출원 번호 62/219,457의 이익을 주장한다. 출원 15/713,309는 2017년 8월 10일에 출원된 미국 실용 특허 출원 번호 15/674,487의 계속 출원이며 이는 2017년 8월 10일에 출원된 미국 실용 특허 출원 번호 15/674,328의 계속 출원이며, 이는 2017년 5월 19일 출원된 미국 실용 특허 출원 번호 15/600,380의 일부 계속 출원이고, 이는 2016년 8월 3일에 출원된 미국 실용 출원 번호 15/227,717의 계속 출원이고, 이는 2015년 11월 9일 출원된 미국 가특허 출원 번호 62/252,954 및 2015년 9월 16일 출원된 미국 가특허 출원 번호 62/219,457의 이익을 주장한다.출원 15/227,717은 2016년 3월 29일에 출원되고 미국 실용 특허 번호 9,474,042로서 2016년 10월 18일에 공개된 미국 실용 특허 출원 번호 15/084,002의 계속 출원이며, 이들 출원들은 결국 또한 2015년 11월 9일에 출원된 미국 가특허 출원 번호 62/252,954 및 2015년 9월 16일에 출원된 미국 가특허 출원 번호 62/219,457의 이익을 주장한다. 이들 문서들의 전체 개시는 본 출원에 참고로 통합된다.

발명의 분야

본 개시는 객체(object) 검출 분야에 관한 것으로, 보다 상세하게는 무선 통신 네트워크 내에서 생물학적 질량체(mass)의 존재를 검출하기 위한 시스템 및 방법에 관한 것이다.

객체 추적은 다수의 기술을 사용하여 수행될 수 있다. 예를 들어, 이동 트랜시버가 객체에 부착될 수 있다. 이러한 시스템의 예는 궤도 위성을 사용하여 지상 트랜시버와 통신하는 GPS와 같은 글로벌 위치 확인 시스템을 포함한다. 그러나, 이러한 시스템은 일반적으로 위성 신호가 차단되어 정확도가 떨어지는 실내에서는 효과가 떨어진다. 따라서, 로밍 또는 알려지지 않은 트랜시버의 위치를 계산하는 블루투스(Bluetooth)(TM) 비컨과 같은 다른 기술이 실내에서 자주 사용된다. 로밍 트랜시버는 기점 엘리먼트(fiducial element)로서 역할을 한다.

이들 시스템은 몇 가지 단점을 가지며, 그것들 중에서 추적되는 객체가 트랜시버를 포함해야 한다는 것이다. 특정 애플리케이션들에서, 추적될 객체는 이러한 기점 엘리먼트가 없거나 가정의 침입자와 같은 임의의 이런 엘리먼트를 능동적으로 디스에이블(disable)할 것이다.

기점 엘리먼트를 사용하지 않고도 객체를 검출하고 추적할 수 있는 다른 기술도 있다. 예를 들어, 레이더는 RF 파를 사용하여 항공기, 선박, 우주선, 유도 미사일, 자동차, 기상 형성 및 지형을 포함한 객체의 범위, 각도 또는 속도를 결정하는 유용한 객체 검출 시스템이다. 레이더는 일반적으로 그것들의 경로에 임의의 객체로부터 반사되는 전자기 스펙트럼의 라디오 주파수 ("RF")에 파(wave)를 사용하여 전자기파를 송신함으로써 동작한다. 전형적으로 송신기와 동일한 시스템의 일부인 수신기는 이러한 반사파를 수신하고 처리하여 객체의 특성을 결정한다. 전자기 스펙트럼의 다른 부분을 사용하는 레이더와 유사한 다른 시스템, 예컨대 레이저로부터의 자외선, 가시 광선 또는 근적외선 광과 같은 유사한 방식으로 또한 사용될 수 있다.

레이더 기술은 기점 엘리먼트가 필요하지 않지만 다른 단점이 있다. 예를 들어, 레이더 신호는 신호 잡음, 또는 내부 전기 컴포넌트에 의해 야기되는 신호의 랜덤 변동 뿐만 아니라 자연적 백그라운드 방사선과 같은 외부 소스로부터의 잡음 및 간섭에 취약하다. 레이더는 또한 빔 경로를 차단하는 개재물과 같은 외부 간섭 소스에 취약하며 특정 크기, 형상 및 방위의 객체에 의해 속임 당할 수 있다.

이하는 본 발명의 일부 양태에 대한 기본적인 이해를 제공하기 위한 본 발명의 요약이다. 본 요약은 본 발명의 핵심 또는 중요한 엘리먼트를 식별하거나 본 발명의 범위를 설명하기 위한 것이 아니다. 이 섹션의 유일한 목적은 후술하는 보다 상세한 설명의 서문으로서 본 발명의 일부 개념을 단순화된 형태로 제시하는 것이다.

당업계의 이들 및 다른 문제점으로 인해, 본 출원에서, 무엇보다도 인체의 존재를 검출하는 방법이 설명되고, 상기 방법은, 검출 영역 내의 제1 위치에 배치된 제1 트랜시버를 제공하는 단계; 상기 검출 영역 내의 제2 위치에 배치된 제2 트랜시버를 제공하는 단계; 상기 제1 트랜시버에 통신 가능하게 결합된 컴퓨터 서버; 상기 제1 트랜시버는 상기 무선 통신 네트워크를 통해 상기 제2 트랜시버로부터 제1 세트의 무선 신호를 수신하고; 상기 컴퓨터 서버는 상기 제1 트랜시버로부터 제1 세트의 신호 데이터를 수신하고, 상기 제1 세트의 신호 데이터는 상기 제1 세트의 무선 신호의 특성에 관한 데이터를 포함하고, 상기 특성 데이터는 상기 통신 네트워크 상의 상기 제1 트랜시버의 정상 동작의 일부로서 생성되고; 상기 컴퓨터 서버는 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 통신을 위한 베이스라인 신호 프로파일을 생성하고, 상기 베이스라인 신호 프로파일은 상기 제1 세트의 신호 데이터에서 무선 신호의 특성에 적어도 부분적으로 기초하고; 상기 검출 영역에 인체가 존재하지 않을 때 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 무선 송신의 특성을 나타내는 단계; 상기 제1 트랜시버는 상기 무선 통신 네트워크를 통해 상기 제2 트랜시버로부터 제2 세트의 무선 신호를 수신하고; 상기 컴퓨터 서버는 상기 제1 트랜시버로부터 제2 세트의 신호 데이터를 수신하고, 상기 제2 세트의 신호 데이터는 상기 제2 세트의 무선 신호의 특성에 관한 데이터를 포함하고,상기 특성 데이터는 상기 통신 네트워크 상의 상기 제1 트랜시버의 정상 동작의 일부로서 생성되고; 및 상기 컴퓨터 서버는 상기 검출 영역 내에 인체가 존재하는지를 결정하고, 상기 결정은 상기 수신된 제2 세트의 무선 신호 데이터에서의 무선 신호 특성을 상기 베이스라인 신호 프로파일과 비교하는 것에 적어도 부분적으로 기초한다.

본 방법의 실시예에서, 제1 세트의 신호 특성은 제1 트랜시버에 의해 결정된 무선 네트워크 신호 프로토콜 특성을 포함한다.

본 방법의 다른 실시예에서, 무선 네트워크 신호 프로토콜 특성은 수신된 신호 강도, 레이턴시 및 비트 에러율로 구성되는 그룹으로부터 선택된다.

본 방법의 다른 실시예에서, 방법은; 상기 검출 영역 내의 제3 위치에 배치된 제3 트랜시버를 제공하는 단계; 상기 제1 트랜시버는 상기 무선 통신 네트워크를 통해 상기 제3 트랜시버로부터 제3 세트의 무선 신호를 수신하고; 상기 컴퓨터 서버는 상기 제1 트랜시버로부터 제3 세트의 신호 데이터를 수신하고, 상기 제3 세트의 신호 데이터는 상기 제3 세트의 무선 신호의 특성에 관한 데이터를 포함하고,상기 특성 데이터는 상기 통신 네트워크 상의 상기 제1 트랜시버의 정상 동작의 일부로서 생성되고; 상기 컴퓨터 서버는 상기 제3 트랜시버로부터 상기 제1 트랜시버로의 통신을 위한 제2 베이스라인 신호 프로파일을 생성하고, 상기 제2 베이스라인 신호 프로파일은 상기 제3 세트의 신호 데이터에서 무선 신호의 특성에 적어도 부분적으로 기초하고; 및 상기 검출 영역에 인체가 존재하지 않을 때 상기 제3 트랜시버로부터 상기 제1 트랜시버로의 무선 송신의 특성을 나타내는 단계; 상기 제1 트랜시버는 상기 무선 통신 네트워크를 통해 상기 제3 트랜시버로부터 제4 세트의 무선 신호를 수신하고; 상기 컴퓨터 서버는 상기 제1 트랜시버로부터 제4 세트의 신호 데이터를 수신하고, 상기 제4 세트의 신호 데이터는 상기 제4 세트의 무선 신호의 특성에 관한 데이터를 포함하고, 상기 특성 데이터는 상기 통신 네트워크 상의 상기 제1 트랜시버의 정상 동작의 일부로서 생성되고; 및 상기 컴퓨터 서버는 상기 검출 영역 내에 인체가 존재하는지를 결정하는 결정 단계에서, 상기 수신된 제4 세트의 무선 신호 데이터에서의 무선 신호 특성을 상기 제2 베이스라인 신호 프로파일과 비교하는 것에 적어도 부분적으로 기초한다.

본 방법의 다른 실시예에서, 결정 단계는 통계적 방법을 제2 세트의 무선 신호 데이터에 적용하여 인체의 존재를 결정한다.

본 방법의 다른 실시예에서, 방법은 상기 컴퓨터 서버가 검출 영역 내에서 인체의 존재 또는 부재를 연속적으로 결정하고, 상기 결정은 상기 베이스라인 신호 프로파일과 상기 제1 트랜시버로부터 컴퓨터 서버에서 지속적으로 수신된 제1 세트의 무선 신호의 특성에 관한 데이터를 포함하는 신호 데이터와의 비교에 적어도 부분적으로 기초하고; 및 상기 컴퓨터는 상기 지속적으로 수신된 신호 데이터가 상기 검출 영역에 인체가 없음을 나타낼 때 상기 지속적으로 수신된 신호 데이터에 기초하여 상기 베이스라인 신호 프로파일을 지속적으로 업데이트하는 것을 더 포함한다.

본 방법의 다른 실시예에서, 상기 방법은 상기 컴퓨터 서버가 인체의 수가 검출 영역 내에 존재하는지를 결정하는 것을 더 포함하고, 상기 결정은 수신된 제2 세트의 신호 특성과 상기 베이스라인 신호 프로파일의 비교에 적어도 부분적으로 기초한다.

본 방법의 다른 실시예에서, 상기 방법은 컴퓨터 서버가 검출 영역 내에서 하나 이상의 인체의 위치를 결정하는 것을 더 포함하고, 상기 결정은 수신된 제2 세트의 신호 특성과 베이스라인 신호의 비교에 적어도 부분적으로 기초한다.

본 방법의 다른 실시예에서, 상기 방법은 컴퓨터 서버가 제2 시스템에 동작 가능하게 결합되는 것을 더 포함하고, 컴퓨터 서버가 검출 영역에서 인체의 존재를 검출한 후에만 컴퓨터는 제2 시스템을 동작시킨다.

본 방법의 다른 실시예에서, 검출 네트워크 및 제2 시스템은 동일한 통신 프로토콜을 사용하여 통신하도록 구성된다.

본 방법의 다른 실시예에서, 제2 시스템은 전기 시스템이다.

본 방법의 다른 실시예에서, 제2 시스템은 조명 시스템이다.

본 방법의 다른 실시예에서, 제2 시스템은 가열, 배기 및 냉각 (HVAC) 시스템이다.

본 방법의 다른 실시예에서, 제2 시스템은 보안 시스템이다.

본 방법의 다른 실시예에서, 제2 시스템은 산업 자동화 시스템이다.

본 방법의 다른 실시예에서, 무선 통신 프로토콜은 블루투스(TM), 블루투스(TM) 저에너지, ANT, ANT+, WiFi, 지그비, 스레드 및 Z-웨이브로 구성된 그룹으로부터 선택된다.

본 방법의 다른 실시예에서, 무선 통신 네트워크는 850MHz와 17.5GHz를 포괄하는 범위의 캐리어 주파수를 갖는다.

본 방법의 다른 실시예에서, 인체가 검출 영역내에 존재하는지의 결정은 상기 검출 영역에 기점 엘리먼트(fiducial element)를 갖는 인체의 제1 샘플 위치를 결정하는 단계로서, 상기 제1 샘플 위치는 상기 기점 엘리먼트의 검출에 기초하여 결정되는, 상기 제1 샘플 위치를 결정하는 단계; 상기 검출 영역에서 상기 인체의 제2 샘플 위치를 결정하는 단계로서, 상기 제2 샘플 위치는 상기 수신된 제2 세트의 신호 데이터와 상기 기점 엘리먼트를 이용하지 않은 상기 베이스라인 신호 프로파일의 비교에 적어도 부분적으로 기초하여 결정되는, 상기 제2 샘플 위치를 결정하는 단계; 상기 제1 샘플 위치와 상기 제2 샘플 위치를 비교하는 단계; 및 시스템의 위치 계산 능력을 향상시키기 위해 비-기점(non-fiducial) 엘리먼트 위치에 기초하여 결정 단계를 조정하는 단계로서, 상기 조정은 상기 비교하는 단계에 기초하는, 상기 조정하는 단계를 포함하는 기계 학습에 기초하여 조정된다.

본 방법의 다른 실시예에서, 인체가 검출 영역내에 존재하는지의 결정은 사용자 입력 또는 행동에 기초하여 인체가 영역에 존재한다고 결정하는 단계, 상기 샘플 신호 특성이 빈 공간의 베이스라인 신호 특성과 적어도 부분적으로 대응할 때, 빈 공간에 대한 베이스라인 신호 특성을 적어도 부분적으로 수정하는 단계; 점유 공간과 관련된 신호 특성을 적어도 부분적으로 수정하는 단계; 및 시간에 따른 시스템의 정확도를 향상시키기 위해 샘플 신호 특성을 베이스라인 및 다른 비교 신호 특성과 비교하는 방법을 조정하는 단계를 포함하는 기계 학습에 기초하여 조정된다.

본 시스템의 실시예에서, 존재 데이터를 제공하는 사용자 입력 또는 행동은 물리적 스위치, 스마트 폰 입력 또는 청각 사인(cue)를 포함하지만 이에 한정되지 않는 어떤 형상으로 시스템에 직접 제공된다.

본 시스템의 실시예에서, 존재 데이터를 제공하는 사용자 입력 또는 행동은 예컨대, 시스템이 내린 결정에 대응하도록 의도적으로 신호 프로파일을 변경하는 것, 예컨대, 조명 시스템에서 디밍(dimming) 단계 동안 그러한 변화를 제공하는 것과 같은 어떤 형태로 시스템에 간접적으로 제공된다.

본 방법의 다른 실시예에서, 방법은 컴퓨터 서버가 인체가 일정 기간 동안 검출 영역에 존재했는지를 나타내는 복수의 이력 데이터 기록을 저장하는 것을 더 포함하고, 각각의 이력 데이터 기록은 검출된 영역에서 검출된 인체의 수 및 검출 영역에서 인체의 수가 검출된 날짜 및 시간의 표시를 포함하고; 및 컴퓨터 서버는 이력 데이터 기록을 인터페이스를 통해 하나 이상의 외부 컴퓨터 시스템에 이용 가능하게 한다.

무엇보다도, 본 출원에서는 또한 인체의 존재를 검출하는 방법이 설명되고, 상기 방법은, 검출 영역 내의 제1 위치에 배치된 제1 트랜시버를 제공하는 단계; 상기 검출 영역 내의 제2 위치에 배치된 제2 트랜시버를 제공하는 단계; 상기 제1 트랜시버에 통신 가능하게 결합된 컴퓨터 서버; 상기 컴퓨터 서버와 작동 가능하게 결합된 제1 외부 시스템을 제공하는 단계; 상기 컴퓨터 서버와 작동 가능하게 결합된 제2 외부 시스템을 제공하는 단계; 상기 컴퓨터 서버는 상기 검출 영역 내에 인체가 존재하지 않을 때 상기 제2 트랜시버로부터 상기 제1 트랜시버에 의해 수신된 제1 세트의 무선 신호의 신호 특성에 관한 특성 데이터를 포함하는 베이스라인 신호 데이터 세트를 상기 제1 트랜시버로부터 수신하고, 상기 특성 데이터는 상기 통신 네트워크 상에서 상기 제1 트랜시버의 정상 동작의 일부로서 생성되고; 상기 컴퓨터 서버는 상기 검출 영역에 인체가 존재하지 않을 때 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 통신을 위한 베이스라인 신호 프로파일을 생성하고, 상기 베이스라인 신호 프로파일은 상기 검출 영역에 인체가 존재하지 않을 때 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 무선 송신의 특성을 나타내는 특성 데이터에 적어도 부분적으로 기초하고; 상기 컴퓨터 서버는 상기 검출 영역 내에 인체가 존재할 때 상기 제2 트랜시버로부터 상기 제1 트랜시버에 의해 수신된 제2 세트의 무선 신호의 신호 특성에 관한 특성 데이터를 포함하는 제1 세트의 베이스라인 신호 데이터를 상기 제1 트랜시버로부터 수신하고, 상기 특성 데이터는 상기 통신 네트워크 상에서 상기 제1 트랜시버의 정상 동작의 일부로서 생성되고; 상기 컴퓨터 서버는 상기 검출 영역에 인체가 존재할 때 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 통신을 위한 제1 샘플 베이스라인 신호 프로파일을 생성하고, 상기 제1 샘플 베이스라인 신호 프로파일은 상기 검출 영역에 인체가 존재할 때 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 무선 송신의 특성을 나타내는 상기 제1 세트의 샘플 베이스라인 신호 데이터에서의 특성 데이터에 적어도 부분적으로 기초하고; 상기 컴퓨터 서버는 상기 검출 영역 내에 인체가 존재할 때 상기 제2 트랜시버로부터 상기 제1 트랜시버에 의해 수신된 제3 세트의 무선 신호의 신호 특성에 관한 특성 데이터를 포함하는 제2 세트의 베이스라인 신호 데이터를 상기 제1 트랜시버로부터 수신하고, 상기 특성 데이터는 상기 통신 네트워크 상에서 상기 제1 트랜시버의 정상 동작의 일부로서 생성되고; 상기 컴퓨터 서버는 상기 검출 영역에 인체가 존재할 때 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 통신을 위한 제2 샘플 베이스라인 신호 프로파일을 생성하고, 상기 제2 샘플 베이스라인 신호 프로파일은 상기 검출 영역에 인체가 존재할 때 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 무선 송신의 특성을 나타내는 상기 제2 세트의 샘플 베이스라인 신호 데이터에서의 특성 데이터에 적어도 부분적으로 기초하고; 상기 컴퓨터 서버는 상기 검출 영역 내에 인체가 존재할 때 상기 제2 트랜시버로부터 상기 제1 트랜시버에 의해 수신된 제4 세트의 무선 신호의 신호 특성에 관한 특성 데이터를 포함하는 제3 세트의 베이스라인 신호 데이터를 상기 제1 트랜시버로부터 수신하고, 상기 특성 데이터는 상기 통신 네트워크 상에서 상기 제1 트랜시버의 정상 동작의 일부로서 생성되고; 상기 컴퓨터 서버가 상기 제3 세트의 샘플 베이스라인 신호 데이터의 특성 데이터가 상기 제1 샘플 베이스라인 신호 프로파일에 대응한다고 결정하는 것에 기초하여 상기 컴퓨터 서버는 상기 제1 외부 시스템을 동작시키도록 결정하고; 상기 컴퓨터 서버가 상기 제3 세트의 샘플 베이스라인 신호 데이터의 특성 데이터가 상기 제2 샘플 베이스라인 신호 프로파일에 대응한다고 결정하는 것에 기초하여 상기 컴퓨터 서버는 상기 제2 외부 시스템을 동작시키지 않도록 결정하는 것을 포함한다.

본 방법의 실시예에서, 제1 외부 시스템을 동작시키는 결정 및 제2 외부 시스템을 동작시키지 않는 결정은, 상기 검출 영역에 기점 엘리먼트(fiducial element)를 갖는 인체의 제1 샘플 위치를 결정하는 단계로서, 상기 제1 샘플 위치는 상기 기점 엘리먼트의 검출에 기초하여 결정되는, 상기 제1 샘플 위치를 결정하는 단계; 상기 검출 영역에서 상기 인체의 제2 샘플 위치를 결정하는 단계로서, 상기 제2 샘플 위치는 상기 수신된 제2 세트의 신호 데이터와 상기 기점 엘리먼트를 이용하지 않은 상기 베이스라인 신호 프로파일의 비교에 적어도 부분적으로 기초하여 결정되는, 상기 제2 샘플 위치를 결정하는 단계; 상기 제1 샘플 위치와 상기 제2 샘플 위치를 비교하는 단계; 및 시스템의 위치 계산 능력을 향상시키기 위해 상기 비-기점(non-fiducial) 엘리먼트 위치에 기초하여 결정 단계를 조정하는 단계로서, 상기 조정은 상기 비교하는 단계에 기초하는, 상기 조정하는 단계를 포함하는 기계 학습에 기초하여 조정된다.

본 방법의 다른 실시예에서, 제1 외부 시스템을 동작시키는 결정 및 제2 외부 시스템을 동작시키지 않는 결정은, 추론을 이용하여 검출 영역에서 인체의 제1 샘플 위치를 결정하는 단계로서, 상기 제1 샘플 위치는 어떤 알려진 방식으로 시스템과 상호 작용하는 인체를 검출하는 것에 기초하여 결정되는, 상기 제1 샘플 위치를 결정하는 단계; 상기 검출 영역에서 상기 인체의 제2 샘플 위치를 결정하는 단계로서, 상기 제2 샘플 위치는 상기 수신된 제2 세트의 신호 데이터와 상기 추정된 위치를 이용하지 않은 상기 베이스라인 신호 프로파일의 비교에 적어도 부분적으로 기초하여 결정되는, 상기 제2 샘플 위치를 결정하는 단계; 상기 제1 샘플 위치와 상기 제2 샘플 위치를 비교하는 단계; 및 시스템의 위치 계산 능력을 향상시키기 위해 상기 추론 위치에 기초하여 결정 단계를 조정하는 단계로서, 상기 조정은 상기 비교하는 단계에 기초하는, 상기 조정하는 단계를 포함하는 기계 학습에 기초하여 조정된다.

본 방법의 다른 실시예에서, 무선 신호에 관한 특성 데이터는 수신된 신호 강도, 레이턴시 및 비트 에러율로 구성되는 그룹으로부터 선택된 신호 특성에 관한 데이터를 포함한다.

본 방법의 다른 실시예에서, 컴퓨터 서버는 제1 세트의 샘플 베이스라인 신호 데이터에 통계적 방법을 적용함으로써 제1 샘플 베이스라인 신호 프로파일을 생성하고, 컴퓨터 서버는 제2 세트의 샘플 베이스라인 신호 데이터에 통계적 방법을 적용함으로써 제2 샘플 베이스라인 신호 프로파일을 생성한다.

본 방법의 다른 실시예에서, 방법은 상기 컴퓨터 서버는 상기 제2 트랜시버로부터 상기 제1 트랜시버에 의해 수신된 제2™V의 무선 신호의 신호 특성에 관한 특성 데이터를 포함하는 추가 세트의 베이스라인 신호 데이터를 상기 제1 트랜시버로부터 수신하고, 상기 특성 데이터는 통신 네트워크상에서의 제1 트랜시버의 정상 동작의 일부로서 상기 제1 트랜시버에 의해 생성되고, 상기 컴퓨터 서버는 지속적으로 수신된 세트의 베이스라인 신호 데이터가 검출 영역에 인체가 없음을 나타낼 때, 지속적으로 수신된 추가 세트의 베이스라인 신호 데이터에 기초하여 베이스라인 신호 프로파일을 업데이트하는 단계를 더 포함한다.

본 방법의 다른 실시예에서, 방법은 상기 컴퓨터 서버는 상기 검출 영역 내에 하나 이상의 인체가 존재할 때 상기 제2 트랜시버로부터 상기 제1 트랜시버에 의해 수신된 제2 세트의 무선 신호의 신호 특성에 관한 특성 데이터를 포함하는 신호 데이터 세트를 상기 제1 트랜시버로부터 수신하고, 상기 특성 데이터는 상기 통신 네트워크 상에서 상기 제1 트랜시버의 정상 동작의 일부로서 생성되고; 컴퓨터 서버는 신호 데이터 세트와 베이스라인 신호 프로파일의 비교에 적어도 부분적으로 기초하여 검출 영역에 존재하는 인간의 수량을 결정하는 단계를 더 포함한다.

본 방법의 다른 실시예에서, 상기 방법은 상기 컴퓨터 서버가 검출 영역에 존재하는 하나 이상의 인체 각각의 위치를 결정하는 것을 더 포함하며, 상기 결정은 신호 데이터의 세트와 베이스라인 신호 프로파일의 비교에 적어도 부분적으로 기초한다.

본 방법의 다른 실시예에서, 인체가 검출 영역에 존재할 때 컴퓨터 서버는, 인체가 검출 영역에 존재한다고 결정하고 제3 세트의 샘플 베이스라인 신호 데이터의 특성 데이터가 제2 샘플 베이스라인 신호 프로파일에 대응한다고 하더라도 제1 외부 시스템을 동작시킨다.

본 방법의 다른 실시예에서, 인체가 검출 영역에 존재할 때 컴퓨터 서버는, 인체가 검출 영역에 존재한다고 결정하고 제3 세트의 샘플 베이스라인 신호 데이터의 특성 데이터가 제2 샘플 베이스라인 신호 프로파일에 대응한다는 경우에만 제2 외부 시스템을 동작시킨다.

본 방법의 다른 실시예에서, 무선 통신 네트워크는 850MHz와 17.5GHz를 포괄하는 범위의 캐리어 주파수를 갖는다.

본 방법의 다른 실시예에서, 방법은 상기 컴퓨터 서버는 일정 기간 동안 인체가 검출 영역에 존재했는지 여부를 나타내는 복수의 이력 데이터 기록을 저장하고, 상기 이력 데이터 기록 각각은 상기 검출 영역에서 검출된 인체의 수 및 인체의 수의 각각이 상기 검출 영역에서 검출된 날짜와 시간의 표시를 포함하고; 및 상기 컴퓨터 서버는 상기 이력 데이터 기록을 인터페이스를 통해 하나 이상의 외부 컴퓨터 시스템에 이용 가능하게 하는 것을 더 포함한다.

본 방법의 다른 실시예에 따르면, 공간에서의 인체 활동의 검출(detection of human activity)을 목표 시스템 동작(desired system action)과 상관(correlate)시키기 위한 방법에 있어서, 시스템 입력(system input) 및 인체 활동(human activity)의 전체 트레이닝 데이터 세트(overall training data set)가 상기 시스템에 제공되는 트레이닝 단계(training phase); 모델 구축 단계(model building phase); 및 동작 단계(action phase)를 포함하고, 상기 인체 활동은, 하나 이상의 인체(human)의 위치에서의 변화, 하나 이상의 인체의 존재(presence), 물리적 공간(physical space) 내의 인체들의 수(count), 및/또는 물리적 공간 내의 인체들의 위치 중 하나 이상을 포함하고, 상기 모델 구축 단계에서는, 상기 시스템이, 상기 시스템 입력과 상기 인체 활동 사이의 최적 관계(best fit relationship)를 계산(calculate)하고, 상기 시스템이, 상기 최적 관계에 기초하여, 취할 동작(action to take)을 예측하고, 상기 동작 단계에서는, 상기 시스템이, 상기 예측된 동작을 수행(perform)하는, 방법이 제공된다.

상기 트레이닝 단계와 상기 모델 구축 단계는, 상기 동작 단계 이전에 반복(repeat)될 수 있다.

상기 시스템 입력은, 시간(time of day), 달력 날짜(calendar date), 요일(day of the week), 현재 날씨(current weather) 또는 예측된 날씨(predicted weather) 중 적어도 하나를 포함할 수 있다. 상기 시스템 입력은, 이전 시스템 입력(previous system input)에 대한 새로운 시스템 입력(new system input)의 비교를 포함할 수 있다. 상기 시스템 입력은, 센서로부터의 출력을 포함할 수 있다.

상기 센서는, 광 센서(light sensor), 온도 센서(temperature sensor), 이산화탄소 센서(carbon dioxide sensor) 또는 위치 비컨(location beacon)으로 구성된 그룹으로부터 선택될 수 있다.

본 방법의 다른 실시예에 따르면, 공간 내의 사람(people)의 수를 추정(estimate)하는 방법에 있어서, 상기 공간 내에 복수의 존재 센싱 네트워크들(presence sensing networks)을 제공하는 단계 - 상기 존재 센싱 네트워크들의 각각은, 해당 네트워크에 특정(specific)한 상기 공간 내의 검출 영역(detection area)에 대해 적어도 하나의 데이터 엘리먼트(data element)를 제공할 수 있음 -, 및 상기 공간 내의 사람의 전체 추정치(overall estimate)를 제공하기 위해, 모든 상기 존재 센싱 네트워크로부터 상기 데이터 엘리먼트 전부를 집계(aggregate)하는 단계를 포함하고, 상기 데이터 엘리먼트의 각각은, 상기 특정 검출 영역(specific detection area)에서 적어도 한 사람의 존재를 검출하는 것, 상기 검출 영역에서 사람의 수를 결정하는 것, 및 특정 시간 내에 상기 특정 검출 영역 내의 사람의 평균 수(average number)와 상관된 메트릭(metric)을 계산하는 것으로 구성된 그룹으로부터 선택되는, 방법이 제공된다.

상기 집계의 결과는, 주기적으로 기록되고 타임 스탬프(timestamped)될 수 있다. 상기 집계 결과는, 요청 당사자(requesting party)에게 제공될 수 있다. 상기 요청 당사자는, 상기 공간에서 응급 상황(emergency)에 대한 제1 응답자(first responder)를 포함할 수 있다. 상기 요청 당사자는 로봇을 포함할 수 있다.

상기 데이터 엘리먼트는, 맵(map), 실세계 청각 또는 시각 신호(real-world audible or visual signal), 디스플레이상의 오버레이(overlay on a display), 또는 가상 현실 디스플레이(virtual reality display)에서의 방향 정보(directional information) 중 하나 이상으로 제공(present)될 수 있다.

상기 결과는, 상기 복수의 존재 센싱 네트워크로부터의 새로운 정보에 의해 주기적으로 업데이트될 수 있다. 상기 결과는, 상기 존재 센싱 네트워크 중 하나가 더 이상 데이터 엘리먼트를 송신하지 않을 때를 나타낼 수 있다. 상기 결과는, 상기 공간 내의 다른 센서들로부터 제공된 정보 및 상기 공간의 외부의 센서들로부터의 정보를 또한 포함할 수 있다.

도 1은 본 개시에 따른 시스템의 실시예의 개략도이다.
도 2는 본 개시에 따른 방법의 실시예의 흐름도이다.
도 3a는 본 개시에 따른 시간에 따른 검출 네트워크에서 변화 검출을 위한 시스템의 개략도를 도시한다.
도 3b는 본 개시에 따른 시간에 따른 검출 네트워크에서 인체의 위치 변화를 검출하기 위한 시스템의 개략도를 도시한다.

이하의 상세한 설명 및 개시는 제한이 아닌 예로서 예시된다. 이 설명은 당업자가 개시된 시스템 및 방법을 만들고 사용할 수 있게 하며, 개시된 시스템 및 방법의 몇 가지 실시예, 적응, 변형, 대안 및 사용을 설명할 것이다. 본 개시의 범위를 벗어나지 않고 상기 구성에서 다양한 변경이 이루어질 수 있기 때문에, 설명에 포함되거나 첨부 도면에 도시된 모든 사항은 한정적인 의미가 아니라 예시적인 것으로 해석되어야 한다.

일반적으로 말해서, 본 출원에 설명된 것은 기점 엘리먼트가 없는 네트워크에서 신체(body)의 존재를 검출하기 위한 시스템 및 방법이다. 일반적으로, 본 출원에 설명된 시스템 및 방법은 통신 네트워크, 일반적으로 메시 네트워크에서의 생물학적 질량체의 존재에 의해 야기되는 RF 통신의 신호 흡수, 및 신호 전방 산란 및 반사된 후방 산란(backscatter)을 사용한다.

본 개시 전체에서, 용어 "컴퓨터"는 일반적으로 디지털 컴퓨팅 기술에 의해 제공되는 기능, 특별히 마이크로 프로세서와 관련된 컴퓨팅 기능을 구현하는 하드웨어를 설명한다. 용어 "컴퓨터"는 임의의 특정 유형의 컴퓨팅 장치로 제한되지 않으며, 이하를 포함하지만 이에 한정되지 않는 모든 컴퓨터 디바이스를 포함하도록 의도된다 : 처리 디바이스, 마이크로 프로세서, 퍼스널 컴퓨터, 데스크톱 컴퓨터, 랩톱 컴퓨터, 워크 스테이션, 터미널, 서버, 클라이언트, 휴대용 컴퓨터, 핸드 헬드 컴퓨터, 스마트 폰, 태블릿 컴퓨터, 모바일 디바이스, 서버 팜(server farm), 하드웨어 기기, 미니 컴퓨터, 메인 프레임 컴퓨터, 비디오 게임 콘솔, 핸드헬드 비디오 게임 제품, 및 아이웨어(eyewear), 손목 착용, 펜던트 및 클립 온 디바이스를 포함하지만 이에 한정되지 않는 웨어러블 컴퓨팅 디바이스.

본 출원에서 사용되는, "컴퓨터"는 특정 역할을 하는 컴퓨터의 전형적인 하드웨어 및 액세서리를 갖춘 단일 컴퓨터 디바이스에 의해 제공되는 기능의 추상적 개념이다. 예로서 제한없이, 랩탑 컴퓨터와 관련하여 용어 "컴퓨터"는 마우스 또는 트랙 패드와 같은 포인터 기반 입력 디바이스에 의해 제공되는 기능을 포함하는 것으로 당업자에게 이해될 것이지만 반면, 엔터프라이즈 급(enterprise-class) 서버와 관련하여 사용되는 용어 "컴퓨터"는 RAID 드라이브 및 듀얼 파워 서플라이와 같은 중복 시스템에 의해 제공되는 기능을 포함하는 것으로 당업자에게 이해될 것이다.

단일 컴퓨터의 기능이 다수의 개별 기계들에 걸쳐 분산될 수 있다는 것도 당업자에게 잘 알려져 있다. 이 분산은 특정 기계가 특정 태스크를 수행하는 위치에서 기능할 수 있거나; 또는 각각의 기계가 임의의 다른 기계의 대부분 또는 모든 기능을 수행할 수 있고 특정 시점에 사용 가능한 자원을 기반으로 태스크가 할당되는 경우 균형을 유지한다. 따라서, 본 출원에서 사용되는 용어 "컴퓨터"는 네트워크 서버 팜, "클라우드" 컴퓨팅 시스템, 서비스형 소프트웨어(software-as-a-service), 또는 다른 분산 또는 협업 컴퓨터 네트워크를 포함하지만 이에 제한되지 않는 단일 독립형 자체 완비된(self-contained) 디바이스 또는 함께 또는 독립적으로 동작하는 복수의 기계를 지칭할 수 있다.

당업자는 또한 통상적으로 "컴퓨터"로 생각되지 않는 일부 디바이스는 특정 상황에서"컴퓨터"의 특성을 나타낸다는 것을 인식한다. 이러한 디바이스가 본 출원에 설명된 "컴퓨터"의 기능을 수행하는 경우, 용어 "컴퓨터"는 그러한 디바이스를 해당 정도까지 포함한다. 이러한 유형의 디바이스는 네트워크 하드웨어, 프린트 서버, 파일 서버, NAS 및 SAN, 로드 밸런서 및 종래의 "컴퓨터"와 관련하여 본 출원에서 설명된 시스템 및 방법과 상호 작용할 수 있는 임의의 다른 하드웨어를 포함하지만 이에 한정되지는 않는다."

본 개시 전체에서, 용어 "소프트웨어"는 컴퓨터 프로세서에 의해 실행될 수 있거나, 가상 프로세서를 포함하나 이에 한정되지 않는 컴퓨터 프로세서에 의해 또는 런타임 환경, 가상 기계 및/또는 인터프리터(interpreter)의 사용에 의해 실행될 수 있는 형태로 변환될 수 있는 코드 객체, 프로그램 로직, 명령 구조, 데이터 구조 및 정의, 소스 코드, 실행 가능 및/또는 이진 파일, 기계 코드, 객체 코드, 컴파일된 라이브러리, 구현예, 알고리즘, 라이브러리 또는 임의의 지시 또는 명령 세트를 지칭한다. 당업자는 소프트웨어가 마이크로 칩에 한정되지 않고 하드웨어에 유선 또는 내장될 수 있으며, 본 개시의 의미 내에서 여전히 "소프트웨어"로 간주된다는 것을 인식한다. 본 개시의 목적을 위해, 소프트웨어는 제한없이 : RAM, ROM, 플래시 메모리 BIOS, CMOS, 마더 보드 및 도터(daughter) 보드 회로, 하드웨어 제어기, USB 제어기 또는 호스트, 주변 디바이스 및 제어기, 비디오 카드, 오디오 제어기, 네트워크 카드, 블루투스 및 다른 무선 통신 디바이스, 가상 메모리, 저장 디바이스 및 관련 제어기, 펌웨어 및 디바이스 드라이버에 저장되거나 저장될 수 있는 지시를 포함한다. 본 출원에서 설명된 시스템 및 방법은 전형적으로 컴퓨터 및 컴퓨터 또는 기계 판독 가능 저장 매체 또는 메모리에 저장된 컴퓨터 소프트웨어를 사용하는 것으로 고려된다.

본 개시 전반에 걸쳐, "매체", "저장 매체" 및 "메모리"와 같은 용어를 포함하지만 이에 한정되지 않는 소프트웨어 보유 매체를 설명하거나 참조하기 위해 본 출원에서 사용되는 용어는 신호 및 반송파와 같은 일시적 매체를 포함하거나 배제할 수 있다.

본 개시 전체에서, 용어 "네트워크"는 일반적으로 컴퓨터가 서로 통신하는 음성, 데이터 또는 다른 텔레통신 네트워크를 지칭한다. 용어 "서버"는 일반적으로 네트워크를 통해 서비스를 제공하는 컴퓨터를 지칭하고, "클라이언트"는 일반적으로 네트워크를 통해 서버가 제공하는 서비스에 액세스하거나 사용하는 컴퓨터를 지칭한다. 당업자는 용어 "서버" 및 "클라이언트"는 상황에 따라 하드웨어, 소프트웨어 또는 하드웨어 및 소프트웨어의 조합을 지칭할 수 있음을 이해할 것이다. 당업자는 용어 "서버" 및 "클라이언트"는 네트워크 소켓 연결을 포함하지만 반드시 이에 한정되지 않는 네트워크 통신 또는 네트워크 연결의 엔드 포인트를 지칭할 수 있음을 추가로 이해할 것이다. 당업자는 "서버"가 서비스 또는 서비스 세트를 전달하는 복수의 소프트웨어 및/또는 하드웨어 서버를 포함할 수 있음을 추가로 이해할 것이다. 당업자는 용어 "호스트"가 명사 형태로 네트워크 통신 또는 네트워크의 엔드 포인트 (예를 들어, "원격 호스트")를 지칭할 수 있거나, 동사 형태로 네트워크를 통해 서비스를 제공하는 서버 ("웹 사이트 호스팅") 또는 네트워크를 통한 서비스의 액세스 포인트를 지칭할 수 있다는 것을 추가로 이해할 것이다.

본 개시 전체에서, 용어 "실시간(real time)"는 주어진 이벤트가 시작 또는 완료될 수 있거나 주어진 모듈, 소프트웨어 또는 시스템이 응답하기 위해 동작 데드라인(deadline)내에 동작되는 소프트웨어를 말하며, 일반적으로 응답 또는 성능 시간이 정상적인 사용자 지각내에 있고, 기술 상황을 고려하여 사실상 일반적으로 기준 이벤트와 동시에 발생하는 것을 부른다. 당업자는 "실시간"은 문자 그대로 시스템이 입력을 처리 및/또는 즉시 응답한다는 것을 의미하는 것이 아니라, 처리 또는 응답시간이 프로그램의 동작 환경에서 실시간 전달에 대한 일반적인 인간 지각 내에 있을 정도로 시스템이 충분히 빠르게 처리 및/또는 응답한다는 것을 이해한다. 당업자는 동작 환경이 그래픽 사용자 인터페이스인 경우, "실시간"은 일반적으로 1 초 이하의 실제 시간의 응답 시간을 의미하며, 밀리세컨드(milisecond) 또는 마이크로세컨드(microsecond)가 바람직하다는 것을 이해한다. 그러나, 당업자는 다른 동작 환경에서 "실시간"으로 동작하는 시스템, 특히 네트워크 동작이 수반된 경우 1 초보다 긴 지연을 나타낼 수 있음을 이해한다.

본 개시 전체에서, 용어 "송신기"는 메시지, 신호, 데이터 또는 다른 정보를 운반하는 전자기파를 생성 및 송신하기 위한 하드웨어, 회로부 및/또는 소프트웨어를 갖는 장비 또는 장비 세트를 지칭한다. 송신기는 또한 그러한 메시지, 신호, 데이터 또는 다른 정보를 포함하는 전기 신호를 수신하여 이들을 전자기파로 변환하는 컴포넌트를 포함할 수 있다. 용어 "수신기"는 그러한 송신된 전자기파를 수신하고 이들을 메시지, 신호, 데이터 또는 다른 정보가 추출될 수 있는 일반적으로 전기적인 신호로 변환하는 하드웨어, 회로부 및/또는 소프트웨어를 갖는 장비 또는 장비 세트를 의미한다. 용어 "트랜시버(transceiver)"는 일반적으로 양방향 라디오, 또는 무선 네트워킹 라우터 또는 액세스 포인트와 같은 송신기 및 수신기 둘 모두를 포함하는 디바이스 또는 시스템을 지칭한다. 본 개시의 목적상, 3 가지 용어 모두는 달리 지시되지 않는 한 상호 교환 가능한 것으로 이해되어야 한다; 예를 들어, 용어 "송신기"는 수신기의 존재를 의미하는 것으로 이해되어야 하고, 용어 "수신기"는 송신기의 존재를 의미하는 것으로 이해되어야 한다.

본 개시 전체에서, 용어 "검출 네트워크(detection network)"는 네트워크의 통신 영역 내에 개재된 생물학적 질량체의 존재를 검출하기 위해 본 개시의 시스템 및 방법에서 사용되는 무선 네트워크를 지칭한다. 검출 네트워크는 일반적인 네트워킹 프로토콜 및 표준을 사용할 수 있으며, 반드시 특정 목적 네트워크일 필요는 없다. 즉, 본 발명에 따라 무선 검출 네트워크를 설정하기 위한 특정 목적을 위해 네트워크의 노드가 배치될 수 있지만, 그럴 필요는 없고 일반적으로는 아닐 것이다. 다른 목적을 위해 수립된 정상적인 무선 네트워크는 본 출원에서 설명된 시스템 및 방법을 구현하는데 사용될 수 있다. 바람직한 실시예에서, 검출 네트워크는 복수의 블루투스(TM) 저에너지 노드를 사용하지만, 본 개시는 이러한 노드에 한정되지 않는다. 각각의 노드는 네트워크를 통해 통신하기 위한 적절한 송신기 및 수신기를 갖는 컴퓨터의 역할을 한다. 각각의 컴퓨터는 메시지를 송신할 때마다 수신 컴퓨터가 메시지가 발원된 곳으로부터 식별할 수 있도록 네트워크 내에 고유 식별자를 제공한다. 이러한 메시지 발원 정보(origination information)는 일반적으로 상세한 설명에서 설명되는 본 발명의 기능에 중요할 것이다. 그런 다음 수신 컴퓨터는 신호 강도, 비트 에러율 및 메시지 지연을 포함하여 착신(incoming) 신호 속성을 분석한다. 검출 네트워크는 메시 네트워크(mesh network)일 수 있으며, 이는 각각의 노드가 네트워크로부터 데이터를 중계하는 네트워크 토폴로지를 의미한다.

본 개시 전체에서, 용어 "노드(node)"는 네트워크 통신, 일반적으로 무선 트랜시버를 가지며 검출 네트워크의 일부인 디바이스의 스타트 포인트(start point) 또는 엔드 포인트(end point)를 의미한다. 노드는 일반적으로 무선 라우터, 무선 액세스 포인트, 단거리 비컨 등과 같은 독립형 자체 완비된(self-contained) 네트워킹 디바이스이다. 노드는 본 출원에서 설명된 바와 같이 검출 네트워크에서 사용되도록 구성된 범용 디바이스 또는 특수 목적 디바이스일 수 있다. 한정이 아닌 예로서, 노드는 본 출원에서 설명된 시스템 및 방법을 구현하기 위한 특화된 하드웨어, 회로부, 컴포넌트 또는 프로그래밍을 추가하여 상용(off-the-shelf) 무선 네트워킹 디바이스의 무선 송신 기능을 갖는 디바이스 일 수 있다; 즉, 신호 강도, 비트 에러율 및 메시지 지연을 포함하지만 이에 한정되지 않는 신호 속성에 대한 상당한 변화를 검출한다. 검출 네트워크 내에서, 각각의 노드는 네트워크로의 신호의 송신기 뿐만 아니라 다른 노드가 정보를 푸시하기 위한 수신기로서 작용할 수 있다. 바람직한 실시예에서, 노드는 무선 네트워킹 시스템으로서 BLE (Bluetooth Low Energy)를 사용한다.

본 개시 전체에서, 용어 "연속적인(continuous)"는 이러한 이벤트가 수학적으로 연속적이든 불연속적이든, 시간이 지남에 따라 온고잉 베이시스(ongoing basis)에서 발생하는 것을 지칭한다. "연속 함수"의 일반적으로 용인되는 수학적 정의는 일반적으로 양면 한계에 의해 설명되는 홀(hole)이나 점프가 없는 함수를 설명한다. 본 출원에 설명된 기술은 텔레통신 시스템에 대한 교란에 기초하고, 여기서 트랜시버는 이산 간격으로 송신하고, 수신된 미가공(raw) 데이터는 이산으로, 즉 이산 시간 간격으로 취해진다. 결과 데이터 자체는 특정 관측 윈도우 (즉, 시간 간격) 동안 시스템의 특성을 캡처한다는 점에서 이산적(discrete)일 수 있다. 물리적 또는 수학적 의미에서, 이 메커니즘은 본질적으로 불연속적인 기능을 암시하는 이산 데이터 포인트의 세트이다. 그러나, 기술의 맥락에서, 당업자는 이러한 유형의 거동을 나타내는 시스템이 이러한 측정이 시간이 지남에 따라 온고잉 베이시스에서 취해진다면 "연속적"인 것으로 이해할 것이다.

RF 신호의 측정 가능한 에너지 밀도 시그니처(signature)는 환경 흡수체(absorber)와 반사체(reflector)의 영향을 받는다. 인체와 같은 많은 생물학적 덩어리(masses)는 대부분 물이며 중요한 에너지 흡수체로서 역할을 한다. 의류, 보석류, 내부 장기 등과 같은 인체들의 다른 속성은 모두 추가로 측정 가능한 RF 에너지 밀도에 영향을 미친다. 이는 RF 통신 디바이스가 블루투스, WiFi, 802.15.4 (Zigbee, Thread) 및 Z-Wave 트랜시버와 같은 비교적 짧은 거리 (예를 들어, 50 미터 미만)를 통해 송신하는 경우에 특히 해당된다. 네트워크의 물리적 공간을 통과하는 인체는 신호 흡수 및 중단을 일으킬 수 있다. 크기, 밀도 및 질량체 조성의 상대적 균일성으로 인해, 인체는 특징적인 신호 흡수, 산란 및 측정 가능한 반사를 야기할 수 있다. 신호 거동 및/또는 특성의 변화는 본 출원에서 일반적으로 "아티팩트(Artifacts)"로 지칭된다. 이러한 현상은 RF 스펙트럼의 ISM (Industrial, Scientific, and Medical) 대역에서 특히 유용하지만 일반적으로 범위를 넘어서는 대역에서 관찰할 수 있다.

공간에서 분리된 송신기 및 수신기를 포함하는 RF 통신 시스템에서, 주어진 송신기로부터 수신기에 의해 수신된 신호는 수신기에 도착한 원래의 송신된 메시지로부터의 에너지로 구성된다. 일반적으로 송신 경로에 있는 객체는 수신기에 도달하는 최종 신호의 특성에 영향을 미친다.

통신 시스템은 일반적으로 이러한 이슈를 처리하고 또한 송신기로부터의 메시지를 충실하게 재생하도록 디자인되었다. 인체는 일반적으로 존재하기 때문에, RF 통신이 영향을 받는 한, 대량의 물로서, 검출 네트워크에서의 인체 존재와 부재 사이의 관찰 가능한 차이 중 하나는 인체에 의한 신호 흡수이다. 일반적으로, 송신기 또는 수신기에 가까울수록 흡수가 더 중요해질 수 있다.

일반적으로, 인체는 검출 알고리즘에 의해 프로그래밍 방식으로 검출 또는 식별될 수 있는 다소 예측 가능한 방식으로 검출 네트워크에서 아티팩트를 생성할 것으로 예상된다. 또한, 아티팩트는 아티팩트를 야기하는 객체의 추정된 위치를 결정하기 위해 네트워크를 가로 질러 교차 상관(cross correlated)될 수 있다. 이 추정의 정확도는 선택/구성된 알고리즘과 개별 시스템에 사용된 장비에 따라 달라질 수 있다.

선택/구성된 각각의 주어진 알고리즘에 대해, 시스템은 검출 영역에 인체가 존재하지 않는 베이스라인(baseline) 신호 프로파일 및 검출 영역에 인체가 존재하는 베이스라인 신호 데이터의 조합과 같은 검출을 구축할 수 있다. 새로운 착신 샘플 베이스라인 신호 데이터는 알려진 샘플 베이스라인 신호 데이터 및 베이스라인 신호 프로파일과 비교되어 공간(space)에서 인체의 존재 또는 부재를 결정한다.

단거리(short-range) 저전력 통신 네트워크는 전형적으로 2.4GHz 주파수 대역의 신호를 사용하여 동작하는데, 이는 인체가 흡수하는 것으로 관측된 에너지 주파수 내에서 현저한 것으로 주목할 만하다. 표시된 바와 같이, 검출 네트워크에 물리적으로 개재된 인체는 노드들 사이에서 그리고 노드들 중에서 송신되는 신호들 중 적어도 일부를 흡수 및/또는 반사한다. 그러나, 전방 및 후방 산란과 같은 다른 효과도 발생할 수 있다. 베이스라인을 수립하기 위해 인체 존재 없이 검출 네트워크에서 데이터 수집을 활용하고, 및 하나 이상의 인체가 움직이는지 여부에 관계없이 하나 이상의 인체의 물리적 존재에 의해 전형적으로 나타나는 통계적으로 유의미한 차이에 대해 데이터의 미래 엘리먼트를 조사하여, 검출 네트워크는 네트워크 내에서 인체의 존재 또는 부재에 관한 결정을 한다.

통신 네트워크 자체, 사용된 하드웨어 및 인체에 따라, 이러한 변화는 다른 방식으로 네트워크 내에 등록되어 상이한 결과를 생성할 수 있다; 그러나 그러한 변화는 검출 가능하다. 이것은 객체의 검출이 신호 반사에만 의존하거나 의존할 필요는 없지만 종종 다른 물리적 위치에서 송신기와 수신기 사이의 신호 특성의 측정 가능한 변화를 통해 검출되는 반대의 원리인 신호 흡수에 의존한다는 점에서 레이더 기술과 다르다.

네트워크 내의 노드들 사이의 신호 특성의 변화를 분석함으로써, 교란자(disruptor) 및 예를 들어, 인체의 위치는 네트워크에 대해 계산될 수 있다. 신체의 단순한 존재만으로 충분하기 때문에, 이 시스템은 반드시 기점 엘리먼트를 포함할 필요는 없으며, 모션이나 움직임에 의존할 필요는 없다. 기점 엘리먼트가 필요하지 않기 때문에, 본 출원에서 설명된 시스템 및 방법은 익명의 위치 데이터 보고 서비스를 제공할 수 있으며, 추가 컴포넌트 또는 디바이스가 추적되는 신체와 연관될 필요없이 트래픽, 이동 루트 및 점유에 관한 데이터를 수집할 수 있다. 일반적으로 말해서, 본 출원에 설명된 시스템 및 방법은 실시간으로 동작한다.

도 1은 본 개시에 따른 시스템 및 방법의 개략도이다. 도 1의 도시된 실시예 (101)에서, 복수의 노드(107)를 포함하는 검출 네트워크(103)는 방, 코리도(corridor), 복도 또는 출입구와 같은 물리적 공간(102) 내에 배치된다. 도 1의 도시된 실시예에서, 실내 공간(102)이 사용되지만, 본 출원에 설명된 시스템 및 방법은 외부 환경에서도 동작 가능하다. 도시된 실시예에서, 노드(107A)는 인트라넷, 인터넷 또는 인터넷과 같은 텔레통신 네트워크(115)에 통신 가능하게 결합된다 (111). 서버 컴퓨터 (109)는 또한 텔레통신 네트워크(115)에 그리고 이에 의해 연결된 노드(107A)와 통신 가능하게 연결될 수 있다 (113). 도시된 서버 (109)는 본 출원에 설명된 시스템을 구현하고 본 출원에 설명된 방법 단계를 수행하기 위한 프로그래밍 지시를 포함한다. 그러나, 일 실시예에서, 서버에 의해 수행되는 기능은 적절한 소프트웨어/프로그래밍 지시를 갖거나 적절히 수정되는 하나 이상의 노드(107)에 의해 수행될 수 있다.

도 1의 도시된 실시예에서, 각각의 노드(107)는 검출 네트워크(103)에서 적어도 하나의 다른 노드(107)와 통신 가능하게 연결되고, 검출 네트워크(103)에서 2 개 이상의 또는 다른 모든 노드(107)에 통신 가능하게 연결될 수 있다. 예를 들어, 전형적인 무선 네트워크 배치 전략에서, 복수의 무선 액세스 포인트가 물리적 공간(102) 전체에 걸쳐 배치되어, 일반적으로 고품질 신호가 어디에서나 이용 가능하도록 보장한다. 이들 노드(107)는 총괄하여 검출 네트워크(103)를 형성하고, 서로에게 데이터를 송신하거나 라우터 또는 라우터 세트로만 송신할 수 있다. 도 1의 도시된 실시예에서, 노드(107A)는 무선 라우터이고, 다른 노드(107B, 107C 및 107D)는 무선 액세스 포인트이다. 그러나, 이것은 하나의 가능한 구성이다. 또한, 임의의 주어진 노드(107)가 특정 유형의 무선 디바이스일 필요는 없다. 임의의 수의 노드(107)는 라우터, 액세스 포인트, 비컨 또는 다른 유형의 무선 트랜시버를 포함할 수 있다. 또한, 일 실시예에서 임의의 수의 노드(107)가 존재할 수 있지만, 최소 2 개가 바람직하다. 공간(102) 내의 더 많은 노드(107)는 수집된 데이터의 양을 증가시키고 (본 출원의 다른 곳에 설명된 바와 같이), 인체가 일반적으로 적어도 두 개의 노드(107) 사이에 개재될 가능성을 개선하여 위치 분해능(location resolution)을 향상시킨다.

정상적인 동작 과정에서, 노드(107)는 자주 무선 송신을 송신 및 수신한다. 예를 들어, 무선 라우터(107A)가 데이터 패킷을 수신할 때, 무선 라우터(107A)는 전형적으로 패킷을 포함하는 무선 송신을 브로드 캐스트한다. 이것은 라우터(107A)의 브로드 캐스트 반경 내에 있는 임의의 수신기가 의도된 것인지의 여부에 상관없이 신호를 수신할 수 있음을 의미한다. 마찬가지로, 액세스 포인트가 로컬 데이터를 수신할 때, 이러한 데이터는 마찬가지로 브로드 캐스트되며 다른 액세스 포인트 및 라우터에 의해 검출될 수 있다. 네트워크에서 사용자 데이터가 능동적으로 송신되지 않더라도, 다른 데이터가 자주 송신된다. 이러한 다른 송신은 상태 데이터(status data), 서비스 스캔 및 네트워크 스택의 하위 레벨 계층의 기능에 대한 데이터 교환을 포함할 수 있다.

따라서, 전형적인 검출 네트워크(103) 내의 각각의 노드(107)는 일관된 베이시스 상에서 송신을 수신하고, 비지(busy) 네트워크에서, 이것은 사실상 연속적인 베이시스일 수 있다. 따라서, 검출 네트워크(103)는 네트워크(103)의 송신 범위 내에 물리적으로 개재된 생물학적 질량체 (104 또는 105)의 존재 및/또는 위치를 계산하는데 사용될 수 있다. 인체의 존재는 네트워크(103) 내의 노드들 (107) 사이에서 또는 노드들 중에서 송신되는 신호의 특성에 영향을 주기 때문에, 이러한 존재는 그러한 특성의 변화를 모니터링함으로써 검출될 수 있다. 이 검출은 또한 송신 및 수신되는 데이터 패킷의 데이터가 여전히 송신 및 수신되는 동안 수행될 수 있으며; 즉, 검출은 두 개 이상의 노드 사이에서 또는 두개 이상의 노드 중에서 정상적인 데이터 교환에 발생하며, 이는 검출에 관계없이 계속된다. 구체적으로, 무선 네트워크는 노드들 사이에서 데이터를 송신하는 동시에, 해당 데이터를 통합하는 데이터 패킷들이 송신 경로 내에 객체의 존재에 의해 영향을 받는 방식의 특성들을 이용하여 객체를 검출하고 위치를 결정하도록 동작할 수 있다.

도 1의 도시된 실시 예에서, 적어도 하나의 노드(107)는 그 자체와 다른 노드(107) 사이의 통신을 대기, 수신 및/또는 송신하는 동안에도 신호 특성의 통계적으로 유의미한 변화에 대해 그 자체 (107)와 적어도 하나의 다른 노드(107) 사이의 통신 시그니처(communication signature)를 모니터링한다. 물리적 환경에서의 고정물의 존재 및 위치를 포함하여 물리적 공간(102)의 특정 기하학적 구조는 일반적으로 시스템에 영향을 미치지 않는데, 모니터링은 인체의 특성을 나타내거나 또는 입증하는 신호 특성의 통계적으로 유의미한 변화에 대한 것이기 때문이다. 즉, 신호 특성의 변화는 검출 네트워크(103)에 의해 커버되는 물리적 환경 또는 통신 공간에서의 인체와 같은 흡수체 또는 반사체의 변화에 기인한다. 검출 네트워크(103) 내에서 인체의 존재의 검출은 본 출원의 다른 곳에 설명된 바와 같이, 센싱 알고리즘을 사용하는 것과 같은 신호에 대한 통계적 분석 방법을 사용하여 수행될 수 있다. 다시 말하지만, 이것은 인체가 기점 엘리먼트 또는 모션과 관련될 필요는 없다. 대신에, 검출 네트워크(103)는 통신 공간에 새로운 객체 (일반적으로 인체 객체)가 도입되었고 그 객체의 존재가 노드들 (107) 사이의 네트워크 통신, 전형적으로 데이터 패킷의 특성에 변화를 가져왔기 때문에 네트워크 통신의 특성이 변화되었음을 검출한다.

변화를 검출하기 위해, 일반적으로 최근에 송신된 신호가 비교되는 신호 특성의 베이스라인이 개발된다. 이러한 특성은 전형적인 무선 통신 네트워크 진단 정보에서 파생된다. 노드들 (107) 사이의 신호 특성의 이 베이스라인은 일반적으로 검출기로서 검출 네트워크(103)를 사용하기 전에 수립된다. 이는 전형적인 또는 정상 환경, 즉 검출 네트워크(103)가 데이터 패킷을 통신하고, 검출 네트워크(103)의 물리적 브로드 캐스트 공간에 개재된 상당한 생물학적 질량체를 갖지 않는 검출 네트워크(103)를 동작시킴으로써 수행될 수 있다. 그러한 동작 동안 일정 시간 동안, 노드들 (107) 사이 및/또는 노드들 중에서 신호 특성이 모니터링되고 수집되어 데이터베이스에 저장된다. 일 실시예에서, 서버 (109)는 이러한 데이터를 수신 및 저장하지만, 일 실시예에서, 하나 이상의 노드(107)는 이러한 데이터를 수신 및/또는 저장하도록 구성된 하드웨어 시스템을 포함할 수 있다.

예를 들어, 노드(107)가 본 개시에 따라 사용하기 위한 특수 목적 하드웨어 및 프로그래밍을 포함하는 경우, 이러한 노드(107)는 자체 신호 특성 데이터를 저장할 수 있다. 이러한 신호 특성 데이터는 하나 이상의 다른 노드(107)로부터 특정 노드(107)에 의해 수신된 신호의 수신된 에너지 특성과 관련된 데이터일 수 있다. 베이스라인 데이터는 각각의 노드(107)에 대해 시그니처 특성 프로파일을 수립하는데, 이는 본질적으로 검출 네트워크(103)에 개재된 중요한 생물학적 질량체가 없는 정상적인 동작 환경하에서 노드(107)에 의해 수신된 신호의 전형적인 및/또는 일반적인 특성을 정의하는 데이터의 집합이다. 노드(107)는 데이터를 수신하는 서로 다른 노드(107)에 대한 하나 이상의 이러한 프로파일을 가질 수 있다.

일 실시예에서, 베이스라인 시그너처가 검출되고 수집된 후, 검출 네트워크(103)는 일반적으로 동일하거나 유사한 방식으로 계속 동작할 것이나, 이제는 생물학적 질량체의 존재를 검출할 수 있다. 이는 검출 네트워크(103)가 데이터 패킷을 송신 및 수신하는 정상 모드에서 동작할 때 일반적으로 실시간으로 추가적인 신호 특성을 검출 및 수집함으로써 수행된다. 이들 새로 생성된 실시간 신호 특성 프로파일은 또한 일반적으로 검출 네트워크(103)에서 2 개의 특정 노드(107) 사이의 신호의 특성이므로, 동일한 2 개의 특정 노드(107)에 대한 대응하는 베이스라인 신호 특성 프로파일과 비교될 수 있다. 두개의 프로파일 사이의 특정 특성에서 통계적으로 유의미한 차이는 인체와 같은 상당한 생물학적 질량체의 존재에 의해 야기되는 것으로 해석될 수 있다.

비교 동작은 주어진 노드(107)에서 적절한 하드웨어에 의해 수행될 수 있거나, 실시간 신호 특성 프로파일이 처리 및 비교를 위해 서버 (109)로 송신될 수 있다. 추가 실시예에서, 둘 모두는 실시간 데이터의 사본이 또한 서버를 통해 저장되고 액세스될 수 있도록 수행되어 신호 특성 프로파일의 이력을 효과적으로 제공한다.

이는, 본 출원에 설명된 바와 같이, 네트워크 내에 개재된 생물학적 질량체가 일반적으로 생물학적 질량체를 인터셉트하거나 및/또는 일반적으로 상호 작용하는 데이터 패킷이 송신될 때 적어도 2 개의 노드 사이의 적어도 일부 신호 특성이 변경되게 하기 때문이다. 변화의 정도 및 성질은 일반적으로 개재된 특정 생물학적 질량체의 성질 (예를 들어, 크기, 형상 및 조성) 및 네트워크에서의 그것의 위치(103)와 관련될 것이다. 예를 들어, 집파리가 검출 네트워크(103)를 통해 비행하는 경우, 신호 변화량은 신호 특성의 자연적 변동과 구별할 수 없을 정도로 적을 수 있다. 그러나, 인체와 같은 질량체가 클수록 신호 특성에 보다 실질적이고 통계적으로 상당한 변화가 발생할 수 있다.

이러한 변화는 검출 네트워크(103)에 대한 모든 신호 특성 프로파일에서 반드시 드러날 필요는 없다. 예를 들어, 질량체가 검출 네트워크(103)의 에지에 개재되는 경우, 해당 에지에 가장 가까운 노드(107)는 통계적으로 유의미한 신호 특성 변화를 경험할 가능성이 있는 반면, 검출 네트워크(103)의 반대쪽에 있는 노드는 (서로의 신호가 생물학적 질량체를 통과하거나 주변을 통과하지 않는) 통계적으로 유의미한 변화가 거의 없거나 전혀 없을 것이다. 따라서, 노드(107)의 물리적 위치가 또한 알려진 경우, 시스템은 생물학적 질량체가 검출 네트워크(103)에 존재하는지를 결정할 뿐만 아니라, 어느 노드(107)가 변화를 경험하고 해당 변화의 크기를 계산하는 중인지를 결정함으로써 그것이 위치하는 곳에 대한 추정치를 계산할 수 있다.

이것은 도 1의 도시된 실시예에서 알 수 있다. 도 1에서, 단 하나의 인체(A (104) 또는 B (105))의 존재가 단순성을 위해 존재한다고 가정하면, A (104)는 일반적으로 노드(107A)와 (107C) 사이보다 노드(107C)와 노드(107A) 사이의 신호 특성에 더 큰 영향을 미칠 것이다. 더구나, A (104)는 또한 일반적으로 노드(107B)와 (107D) 사이의 신호 특성에 작은 양방향 영향을 갖는다. 반대로, B (105)는 노드(107B)와 (107D) 사이의 신호 특성 뿐만 아니라 노드(107A)와 (107C) 사이의 신호 특성에 양방향 영향을 미칠 것이다.

모든 노드가 서로 통신할 수 있지만, A (104) 및/또는 B (105)가 일반적으로 노드들 사이의 통신 경로와 정렬되지 않는 통신에서는 A (104)와 B (105)의 영향이 일반적으로 더 무시할 수 있다. 예를 들어, 인체(104 또는 105)가 해당 노드들 사이의 송신 경로에 없기 때문에 인체(104 또는 105) 누구도 노드(107A)와 노드(107B) 사이의 송신에 심각한 영향을 미치지 않을 수 있다. 그러나, A (104)는 노드(107C)와 (107D) 사이의 송신에 영향을 미칠 수 있다.

검출 네트워크(103)의 통신 영역 내에 생물학적 질량체의 존재 또는 부재가 반드시 데이터 통신에 어떠한 변화도 초래하지는 않을 것이라는 점에 유의해야 한다. 검출 네트워크(103)는 송신되는 데이터 패킷의 데이터가 정확하게 수신, 처리 및 동작되도록 하기 위해 그것의 표준 현존하는 프로토콜, 수단 및 방법 (모든 형태의 재송신 및 에러 체크 포함)을 이용할 것으로 예상된다. 실제로, 검출 네트워크(103)의 검출 프로세스는 검출 네트워크의 표준 데이터 통신에 추가하여 수행된다.

이로부터 검출 네트워크(103) 내의 노드(107)에 의해 통신되는 데이터 패킷 내의 데이터는 일반적으로 검출 네트워크(103)의 통신 영역 내에서 생물학적 질량체를 검출하는데 직접 사용되지 않을 것임을 인식해야 한다. 대신에, 데이터는 단순히 어떤 이유로든 검출 네트워크(103)를 통해 통신되는 데이터일 것이며, 종종 생물학적 질량체의 검출과는 관련이 없을 것이다. 더구나, 본 개시는 일반적으로 데이터 패킷 형태의 패킷화된 통신을 고려하지만, 대안적인 실시예에서, 데이터는 패킷화되지 않은 형태로 연속적으로 통신될 수 있다.

일 실시예에서, 검출 네트워크(103)가 특정 생물학적 질량체의 존재 또는 부재를 검출할 수 있도록 하기 위해, 시스템은 트레이닝 양태 또는 단계를 포함한다. 이 양태는, 베이스라인이 수립된 후, 하나 이상의 인체가 네트워크의 하나 이상의 위치에서 네트워크에 의도적으로 개재되고, 하나 이상의 추가의 베이스라인 데이터 세트가 수집되고 저장되는 것을 포함할 수 있다. 이 제2 베이스라인은 네트워크에 개재된 생물학적 질량체의 크기, 형상 및/또는 다른 특성을 검출하는 정확도를 개선하고/시키거나 위치 결정의 정확도를 향상시키기 위해 비교 목적으로 사용될 수 있다. 이러한 트레이닝(training)은 감독 학습(supervised learning) 또는 비감독 학습(unsupervised learning)을 사용할 수 있고/있거나 기계 학습 분야의 당업자에게 알려진 기술을 이용할 수 있다.

일 실시예에서, 검출 네트워크(103)는 하나의 노드(107)에서 다른 노드(107)로 제어될 수 있는 제어된 메시징 구조 및/또는 포맷을 포함하는 특화된 프로토콜을 사용할 수 있어서, 어느 노드(107)로부터 메시지가 발원되었는지를 결정하는 것이 더 간단하고 쉬워지고, 송신된 신호의 조성, 송신된 신호 강도 및 신호 지속 기간과 같은 양태의 제어를 허용한다. 이러한 제어는 처리의 특정 개선을 더욱 촉진하고, 동일한 네트워크(103)를 공유하는 일반적인 네트워킹 양태와는 상이할 수 있는 네트워크(103)의 검출 양태에 특정한 특정 신호 품질 및/또는 특성을 식별하고 사용하는 수신기를 가능하게 한다. 위치된 질량체의 반대쪽 측면에서 송수신되는 메시지를 제어할 때 신호를 스캔으로 발송하거나 공간에서 영역을 스윕할 필요가 없는데, 그러한 기능들은 전형적인 브로드 캐스트 또는 노드들(107) 간의 지향성 송신에 필요한 것 보다 훨씬 더 비싼 장비를 요구하는 경향이 있기 때문이다. 메시지는 일반적으로 사용중인 통신 네트워크에서 가장 잘 작동하도록 구성되는 검출 알고리즘에 사용 가능한 데이터를 가장 잘 생성하는 방식으로 구성된다. 일반적으로, 그러한 구성은 여전히 네트워크에 의해 송신된 신호의 파형 레벨 분석의 필요성을 피한다.

도시된 실시예에서, 각각의 노드(107)는 일반적으로 그러한 노드(107)에 의해 수신된 패킷의 발원 노드(107)를 결정할 수 있다. 이러한 메시지 발원 정보는 전형적으로 통신 네트워크의 당업자에게 알려진 바와 같이 메시지 자체 내에 인코딩된다. 제한이 아닌 예로서, 이것은 네트워킹 스택에서 수립된 프로토콜에 내장된 데이터를 검사하거나, 본 출원에 설명된 시스템 및 방법을 구현하기 위한 특정 목적을 위해 발신 노드(107)에 의해 송신된 데이터를 검사함으로써 수행될 수 있다. 전형적으로, 각각의 노드(107)는 수신된 메시지를 분석하기 위한 적절한 하드웨어 및 처리 능력을 갖는다. 많은 상이한 토폴로지 및 메시징 프로토콜이 본 출원에 설명된 기능을 허용하지만, 일반적으로 메시 네트워킹 토폴로지 및 통신 방법은 유용한 결과를 생성할 것이다.

도 2는 본 개시에 따른 방법의 실시예 (201)를 도시하고 도 1의 시스템과 관련하여 이해되어야 한다. 도시된 실시예에서, 방법은 본 개시에 따른 복수의 통신 노드(107)를 포함하는 검출 네트워크(103)의 수립 (203)으로 시작한다 (203). 통신 시스템을 수립하는 기술 분야의 당업자에게 공지된 바와 같이, 이러한 네트워크(103)의 셋업에 대한 많은 다른 접근법이 존재하며, 이 프레임 워크 내에서 많은 다른 네트워크(103) 토폴로지가 실현 가능할 수 있다.

다음으로, 검출 네트워크(103)의 물리적 노드(107) 기하학적 구조를 나타내는 메모리의 디지털 맵이 생성될 수 있다 (205). 본 출원에 설명된 검출 알고리즘은 일반적으로 물리적 환경 (102)에서 노드(107)가 배치되는 위치에 관한 정보를 사용한다. 노드(107)의 이러한 물리적 위치에 관한 데이터는 물리적 네트워크 환경 (102)의 정확한 다이어그램에 수동으로 공급될 수 있고/있거나 소프트웨어는 검출 네트워크(103) 내에서 하나 이상의 노드(107)의 관계 위치 맵을 자동으로 생성하는데 사용되어, 노드(107)를 그러한 환경 맵 또는 다이어그램에 보다 쉽게 배치하는 것을 용이하게 한다.

대안적으로, 노드(107)는 검출을 위해 관계형 (절대적과는 반대) 거리를 사용하여 공백의 맵 또는 비어 있는 맵 또는 다이어그램에 배치될 수 있다. 이러한 차원 없는(dimensionless) 시스템에서, 시스템에서 인체의 검출과 관련된 알고리즘으로부터 메시지가 여전히 생성될 수 있고 (101), 네트워크(103) 내에서 인체의 움직임 및/또는 존재 관련 메시지가 발신되는 것에 관한 사용자 입력과 같은 추가적인 수동 처리가 포함될 수 있다.

자동 노드(107) 위치 검출을 갖는 실시예에서, 노드(107) 위치는 예컨대, 반드시 한정되는 것은 아니지만 : 노드(107) 와 같은 특정 하드웨어 컴포넌트의 물리적 위치 및 하나 이상의 다른 노드(107)에 대한 각각의 노드(107)의 위치를 포함하는 검출 네트워크(103) 셋업 및 구성; 신호 강도 표시자; 및 송신 지연과 같은 요인에 기초하여 하나 이상의 노드(107) 및/또는 컴퓨터 서버 (109)에 의해 알고리즘 및/또는 프로그래밍 방식으로 검출된다. 도시된 실시예에서, 이 단계 (205)는 물리적 공간(102) 또는 환경 (본 출원에서 "환경 맵(environment map)"으로 지칭됨)의 디지털 맵 상에 생성된 맵에 오버레이하는 단계를 포함하며, 검출 네트워크(103)는 건물의 평면을 점유한다. 이 단계 (205)는 생성된 맵의 스케일을 환경 맵에 정렬시키기 위한 스케일링 엘리먼트, 및 생성된 맵을 미세 조정을 위해 조절하기 위한 사용자 조작 및/또는 수정 가능한 입력 엘리먼트를 추가로 그리고 옵션으로 포함할 수 있어서 본 기술 분야의 당업자에 의해 이해되는 바와 같이, 실제 노드(107) 배치 기하하적 구조에 보다 밀접하게 부합한다. 대안적인 실시예에서, 각각의 노드(107)는 상대적 위치 알고리즘을 사용하지 않고 환경 맵 상의 적절한 위치에 수동으로 배치될 수 있다.

어느 쪽이든, 이 단계 (205)는 검출 네트워크(103)에서 노드(107)의 물리적 위치를 수립하고, 이는 검출 네트워크(103) 내에서 인체의 존재에 기인한 개재된 생물학적 질량체의 위치의 결정을 가능하게 할 것이다. 노드(107)를 맵 상에 (수동 또는 자동 수단을 통해) 배치함으로써, 노드(107)는 베이스라인 신호가 다양한 노드(107) 사이의 통신에 어떻게 영향을 미치는지에 기초하여 네트워크(103)에서 인체의 존재를 추적할 수 있다. 그런 다음, 시스템 (101)은 데이터 처리 알고리즘에 알려진 송신된 정보 세트가 주어지면, 수신기에 도달하는 신호에 대해 수집된 정보를 이용한다. 데이터 처리 알고리즘은 궁극적으로 인체가 네트워크(103) 내에 존재하는지 및/또는 네트워크(103) 내에 인체가 어디에 위치되는지를 결정하는 것이다.

다음으로, 메시지는 네트워크(103) 내에서 생물학적 질량체의 존재를 검출하기에 적합한 것으로 결정된 포맷으로 프로토콜에 따라 구성 및 교환된다 (207). 이것은 OSI 네트워크 모델의 프로토콜과 같은 당업계에 공지된 범용 네트워킹 프로토콜, 또는 이러한 범용 프로토콜을 대체하거나 보완하는 특수 목적 프로토콜을 사용하여 수행될 수 있다.

일반적으로, 이 단계는 인체 존재를 검출하고 단순화된 통계 분석을 가능하게 하기 위한 특정 목적을 위해 검출 네트워크(103) 내에 통과된 메시지를 제어 및/또는 수정 (207)하는 단계를 더 포함하는 것이 바람직하다. 메시지 교환을 제어함으로써 (207), 시스템 (101)은 검출 네트워크(103)를 통해 발송되는 공통 컨텐츠에 대해 조정하는 한편, 한정되는 것은 아니지만, 송신 간격; 송신 파워; 메시지 길이 및/또는 내용; 그리고 의도된 메시지 수신자(들)를 포함하는 파라미터들의 조절을 가능하게 할 수 있다. 다시, 시스템은 파형 레벨 분석에 의존할 필요가 없으므로, 무선 통신 표준의 범위 내에서 동작할 수 있다.

이러한 파라미터를 제어하는 것 (207)은 통계 및/또는 분석의 개발을 가능하게 하며, 이는 사전 정의되거나 예상된 메시지 컨텐츠 또는 특성에 적어도 부분적으로 기초할 수 있다. 이러한 컨텐츠 및/또는 특성은 송신 타임 스탬프 및/또는 송신 파워 레벨을 포함할 수 있지만, 이에 한정되지는 않는다. 이들 양태를 제어 및 수정함으로써 (207), 예컨대, 반드시 한정되는 것은 아니지만, 노드(107)에서 특정 수신기 하드웨어에 통합될 수 있는 자동 이득 제어 (AGC) 회로와 같은 존재 개시에 따라 검출 네트워크(103)에서 사용될 때 원하지 않는 결과를 야기하는 하드웨어 피처를 포함하는 하드웨어 제한을 극복할 수 있다.

다음에 도시된 실시예 (201)에서, 공간(102)은 상당한 생물학적 질량체, 특히 인체(205)를 클리어(clear)한다 (209). 그런 다음, 신호 강도의 통계적 베이스라인이 각각의 노드(107)에 의해 국부적으로 개발된다 (211). 다시, 단계 (205)에서 노드(107)를 수동 및/또는 자동 수단을 통해 맵에 배치함으로써, 노드(107)는 베이스라인 신호가 노드들(107) 사이의 통신에 영향을 미치는 방법에 기초하여 네트워크(103)에서 인체의 존재를 추적할 수 있다.

다음으로, 생물학적 질량체는 검출 네트워크(103)로 들어가서 (213), 신호 흡수 및 다른 왜곡을 야기하며, 이는 노드(107) 사이의 신호 특성의 변화에서 나타난다. 변화가 검출 네트워크(103)가 검출하도록 구성된 인체 또는 다른 유형의 생물학적 질량체의 존재를 나타내는지를 결정하기 위해 이러한 변화가 검출 (215) 및 분석 (217)된다. 이러한 검출은 적어도 네트워크 상의 3개의 노드 사이의 내부 영역 내에 있는 것과 같이 노드 사이의 영역에 더 국한되지만, 당시 사용중인 알고리즘 및 하드웨어에 따라 더 큰 정확도로 가능하다.

일반적으로, 이것은 하나 이상의 노드(107) 또는 서버 컴퓨터 (109)에 의해 실행되는 검출 알고리즘을 사용하여 수행된다. 노드(107) 및/또는 서버 (109)는 하나 이상의 검출 알고리즘을 사용하여 검출 네트워크(103)에서 검출된 생물학적 질량체의 위치를 결정하기 위해 소프트웨어를 사용한다. 이러한 알고리즘들은 일반적으로 베이스라인 프로파일을 새로 검출된 신호들과 비교하고, 또한 예컨대 제한없이 : 노드(107)와 같은 특정 하드웨어 컴포넌트의 물리적 위치 및 하나 이상의 다른 노드(107)에 대한 각각의 노드(107)의 위치를 포함하는 검출 네트워크(103) 셋업 및 구성; 신호 강도 표시자; 및 송신 지연과 같은 다양한 데이터 및 다른 양태들을 사용하거나 이에 기초할 수 있다.

일반적으로 말해서, 본 출원의 다른 곳에 설명된 바와 같이, 이들 알고리즘은 새로 수집된 신호 특성 프로파일 (215)을 베이스라인 신호 특성 프로파일 (211)과 비교하여 변화를 식별하고 변화의 성질에 기초하여 변화가 인체의 존재를 나타내는지를 결정하는 것을 포함한다. 이 결정은 본 출원의 다른 곳에 설명된 바와 같이 기계 학습을 통해 개발된 트레이닝 데이터를 사용하여 적어도 부분적으로 수행될 수 있다.

일 실시예에서, 검출 알고리즘은 시간 및 상대적 효과에서 상관된, 검출 네트워크(103)에서 하나 이상의 노드(107) 쌍 사이의 관측된 신호 특성 변화(들)의 사용을 더 포함할 수 있다. 이들 요인들은 그러한 신호 변화가 발생한 검출 네트워크(103)에서의 물리적 위치의 식별을 가능하게 하여, 이러한 신호 특성 변화(들)를 야기하는 인체의 물리적 위치의 추정을 가능하게 하며, 이는 결국 생물학적 질량체가 개입되는 검출 네트워크(103) 환경에서의 물리적 위치를 추정하는데 사용될 수 있다. 이러한 물리적 위치는 좌표계에 따라 간단한 x, y, z 좌표로 제공되거나 예컨대, 맵 상에 시각적으로 표시될 수 있다.

다수의 인체가 검출 네트워크(103)에 존재하는 경우, 다양한 개인의 영향을 서로 분리하는 것이 더 어렵고, 일반적으로 더 많은 노드(107)를 추가함으로써 정확도가 향상될 것이다. 일 실시예에서, 고급 필터링 및 예측 경로 알고리즘과 같은 기술은 네트워크(103) 내 개인의 위치를 개별적으로 결정하기 위해 사용될 수 있다. 네트워크(103)에서의 인체의 움직임이 시스템 및 방법이 올바르게 동작하기 위해 요구되는 것은 아니지만, 움직임 또는 움직임의 결여는 단일 개인의 경로를 예측함으로써 검출 정확도를 향상시키기 위해 사용될 수 있다. 이것은 개인이 통계적으로 검출 네트워크(103)로부터 통계적으로 "사라진(disappeared)" 인스턴스를 식별하는데 도움이 될 수 있지만 시스템은 개인이 여전히 네트워크(103)에 존재한다고 추정하기에 충분한 데이터를 가지고 있다.

예를 들어, 개인의 이동 경로가 예측되고 다른 검출된 개인 옆에서 종료되는 경우, 시스템 (101)은 두 개인이 신호 특성 프로파일 변화가 개별적으로 그들을 식별하기에는 너무 가깝다고 결정할 수 있지만, 개인의 움직임 때문에 경로는 개인을 네트워크(103) 검출 범위에서 벗어난 것으로 결정되지 않았으며, 알고리즘은 개인이 다른 검출된 인체에 아주 근접하여 존재하고 움직이지 않는 것으로 결정한다. 따라서, 두 개의 근접한 정지 인체 중 하나가 움직일 때, 알고리즘은 각각을 다시 개별적으로 식별하고, 관측된 신호 특성 프로파일 변화에 기초하여 경로 예측을 재개할 수 있다.

이러한 방식으로, 본 개시에 따른 시스템 및 방법은 네트워크(103) 내에서 하나 이상의 개별 인체가, 이동하는지 여부, 및 그러한 인체가 기점 엘리먼트와 관련되는지 여부를 추적할 수 있다. 특정 개인이 누구인지 추정하기 위해 로봇 산업에서 인체 추적 기술에 사용되는 것과 같은 다른 경로 예측 및 센싱 알고리즘을 사용하여 특정 개인 식별이 추가로 수행될 수도 있다. 개인이 특정 개인의 식별을 가능하게 하고, 또한 하나의 특정 개인이 다른 개인과 구별되는 것을 허용하는 다양한 신호 특성에 특이적이고 고유한 영향을 부여할 수 있다는 것을 주목해야 한다. 이러한 영향은 검출 네트워크 내의 특정 개인의 위치를 추가로 결정하기 위해 사용될 수 있다.

검출 알고리즘(들)은 일반적으로 반드시 한정되는 것은 아니지만, 신호(들)의 주파수 및 신호(들)의 송신된 파워 레벨과 같은 요인들을 고려하여 통신 신호의 특성을 이용하도록 구성된다. 일 실시예에서, 알고리즘은 통신 네트워크 내의 RF 환경에서 신호 특성에 대한 인체의 존재의 영향을 결정한 다음, 해당 영향이 나중에 관측되는 시기를 식별하기 위한 데이터 유도(data-driven) 방법을 사용하여 인체의 존재를 검출한다.

예를 들어, 일 실시예에서, 인체의 존재에 따라 변하는 신호 특성은 노드(107) 사이에 등록된 신호 강도이다. 이것은 특히 BLE 네트워크 내에서의 경우이며, 시간에 따른 신호 강도와 관련된 통계는 네트워크 내에서 인체의 존재를 나타낼 수 있다. 이러한 아티팩트는 아티팩트를 야기하는 객체의 물리적 위치에 관한 정보를 제공하기 위해 검출 알고리즘(들)에 의해 사용될 수 있다. 즉, 네트워크(103)를 통해 캡처된 아티팩트에 대한 다양한 통계를 조합함으로써, 시스템은 물리적 공간(102)에서 아티팩트가 어디에 있는지, 따라서, 인체가 네트워크(103)내에 어디에 있는지를 결정한다.

가장 간단한 사용 케이스에서, 알고리즘은 인체의 존재에 의해 야기되는 것으로 알려진 변화 (예를 들어, 트레이닝으로부터)와 유사한 신호 특성의 변화를 단순히 식별할 수 있고, 베이스라인에 비해 그러한 변화가 검출될 때 마다 검출 이벤트 (219)를 트리거할 수 있다. 이것은 사용된 시스템 (101)에 따라 신호 강도의 평균, 표준 편차, 왜도 또는 분산(variance)의 조정처럼 보일 수 있다. 검출된 신호 특성 프로파일이 베이스라인과 유사한 프로파일로 리턴할 때, 물리적 환경 (102)이 인체의 존재 여부와 관련하여 비어 있는 상태로 되돌아 간 것으로 추정될 수 있다.

가장 간단한 사용 사례를 정교하게 설명하면, 이 경우에서 베이스라인 프로파일은 공간에 임의의 인체가 포함되어 있지 않을 때 존재하는 일부 또는 모든 베이스라인 프로파일로 구성되며 해당 공간에 대한 물리적 조정에 따라 달라질 수 있다. 최근의 베이스라인과 관련하여 새로 검출된 인체 변화와 관련된 변화를 설명할 수 있는 더 간단한 알고리즘이 그러한 상황을 다루는데 사용될 수 있다; 그러나, 베이스라인이 변경된 경우, 시스템은 하나 이상의 현재 신호 프로파일이 빈 베이스라인 프로파일과 일치하는지 또는 어느 정도의 점유도를 나타내는 프로파일과 일치하는지를 정확하게 결정하는 것이 바람직하다. 이러한 결정은 움직임에 응답하여 이루어질 수 있지만, 움직임에 응답하여 이루어지는 것이 아니라 오히려 그러한 신호의 특성이 하나 이상의 빈 베이스라인 또는 하나 이상의 존재 신호 프로파일과 상관될 수 있는 지에 기초하는 것이 바람직하다.

기능을 수행하기 위해 모션이 필요한 이러한 결정에 사용되는 다른 기술 (전형적으로 PIR (Passive Infrared) 센서)과 비교하여, 본 출원에 설명된 시스템 및 방법은 공간(102) 내에서 정적 인체의 존재, 움직이는지 여부를 검출할 수 있고, 더 정확하게는 인체가 더 이상 공간(102)에 있지 않을 때를 검출할 수 있다. 보안 및 점유 센싱과 같은 애플리케이션의 경우, 이 시스템을 속이기가 더 어려울 수 있다. PIR 및 다른 유사한 모션 기반 기술을 속일 수 있는 트릭의 일부 예는 인체가 공간에 들어가는 동안 시트를 들고 매우 느리게 이동하거나 들어간 후에 일반적으로 영역에서 움직이지 않는 상태를 유지하는 것이다. 또 다른 장점은 시스템에 정상 네트워크 통신에 사용되는 하드웨어 이외의 추가 하드웨어가 필요하지 않다는 것이다. 이는 기성품인 통신 모듈에 부착된 SOC (System On a Chip)와 같은 적절한 소프트웨어를 구현하는 등 외부 컴포넌트나 기존 하드웨어의 수정을 통해 추가 소프트웨어 및 처리 기능을 제공할 수 있기 때문이다. 추가적인 처리 파워가 요구되는 경우, 추가적인 처리 노드(들)이 노드들 (107) 사이에 전파된 신호들을 분석하기 위해 추가될 수 있거나, 워크로드(workload)는 전용 서버 기계 (109)으로 송신되고 그것에 의해 처리될 수 있다.

인체의 존재 및/또는 위치를 결정하는 것은 분석될 특정 신호 유형의 특정과 관련될 수 있고, 그러한 검출을 가장 잘 달성하기 위해 네트워크(103) 상의 노드(107) 사이에서 송신되는 신호를 제어한다. 원래의 신호가 알려져 있고 송신된 파워가 변조될 수 있는 네트워크(103)를 통해 제어된 통신 펄스를 발송함으로써, 노드들(107) 사이의 추가적인 인체로 인해 신호 흡수, 반사, 후방 산란 등과 관련된 예시적인 데이터를 개발할 수 있다. 일반적으로 베이스라인 시스템은 인체의 존재없이 구성될 수 있고 이러한 베이스라인이 인체의 존재와 통계적으로 다르게 보일 것으로 가정되기 때문에, 신호 특성 변화는 네트워크에서 인체의 존재로 인한 것으로 추가로 가정될 수 있다. 공간(102)이 비었을 때 타이머의 입력을 허용하고 일반적으로 베이스라인 정의를 개선하도록 시스템을 구성함으로써, 시스템은 개선된 정확도를 달성하기 위해 주기적으로 재 캘리브레이션 될 수 있다. 일반적으로 말해서, 추적 알고리즘은 네트워크(103) 내에서 인체를 검출하기 위한 검출 알고리즘과 결합된, 위치 기술 분야의 당업자에게 알려진 통계적 방법과 결합된 최상의 이용 가능한 삼각 측량 계산(triangulation calculation)을 이용한다.

본 발명은 검출된 인체와 관련된 기점 엘리먼트를 요구하지 않으며, 인체가 네트워크와 통신할 수 있는 임의의 디바이스를 가지고 있을 필요도 없고; 그러나 그러한 기술은 시스템 내에 배치될 경우 그러한 엘리먼트를 이용한다. 이러한 엘리먼트를 추가하면 시스템의 계산 부담이 줄어들고 정확도가 높아질 수 있다. 본 출원에 설명된 시스템 및 방법은 이러한 추가 기능을 배제하지 않으며, 이에 의해 향상될 수 있다. 추론 엔진(inference engine)으로 검출 기능을 보강하면 센싱 하드웨어가 잘못된 경보 상황 또는 다른 에지 사례에서 복구할 수 있어서 시스템을 더욱 강건하게 한다. 이러한 추론 엔진은 기계 학습 시스템으로 정보를 추가로 공급할 수 있으며, 이는 시스템의 성능을 향상시키기 위해 하나 이상의 베이스라인 신호 프로파일 또는 하나 이상의 존재 신호 프로파일을 추가로 수정할 수 있다.

일 실시예에서, 본 출원에 설명된 시스템 및 방법을 구현하는 검출 네트워크(103)는 검출된 인체의 존재 및/또는 위치에 기초하여 행동을 취하는 엘리먼트 (219)를 더 포함할 수 있다. 이것은 예를 들어, 네트워크를 통해 네트워크상에서 인체의 존재 및/또는 위치를 먼저 결정하고 그런 다음, 네트워크 상의 인체의 존재 및/또는 위치에 기초하여 수행할 동작을 결정하고, 해당 동작을 취하기 위해 네트워크를 통해 메시지를 발송하기 위해 컴퓨터를 사용하여 네트워크를 통해 제어 신호를 송신함으로써 수행될 수 있다. 통신 네트워크와 검출을 수행하는 네트워크는 동일한 네트워크일 수 있기 때문에, 본 출원에서 설명된 발명은 추가적인 센싱 하드웨어를 요구하지 않고 인체 검출 및/또는 위치 센싱을 포함하도록 통신 네트워크의 전통적인 기능을 확장한다.

네트워크의 컴퓨터 엘리먼트는 추가 계산을 수행해야 하며 통신 신호를 생성할 수 있다. 이것은 컴퓨터의 계산 부담이 줄어들 수 있다; 그러나, 네트워크는 검출 네트워크로서의 네트워크와 독립적으로 여전히 명령 및 제어 네트워크로서 기능할 수 있다.

시스템은 전체로 조명 제어 및/또는 보안에 사용될 수 있는 탑승자 센싱에서부터 공간을 통해 움직이는 개별 인체를 추적하는 시스템에 대한 열 및/또는 트래픽 맵을 위해 필요한 공간의 사람의 수를 카운팅하는 것에 이르기까지 광범위한 애플리케이션들에 사용될 수 있다. 본 기술은 네트워크 노드 자체에 통합될 수 있거나, 원하는 정보를 결정하기 위해 계산을 수행하기 위해 처리 엘리먼트(네트워크상에서 직접 또는 클라우드에서)로 정보를 송신하는 노드들의 조합일 수 있다. 최종 통합 제품군은 애플리케이션에 맞춤화될 수 있으며, 다양한 방법으로 사용될 수 있다.

추가적인 센서가 필요하지 않지만 (그러나 일 실시예에서는 센서가 존재할 수 있다), 전통적인 RF 통신 스택으로부터 통계를 계산함으로써 효과적으로 검출이 이루어진다. 이러한 시스템은 공간을 걷는 사람들로부터 개인 데이터를 수집하는 것을 방지하는데, 이 시스템은 대략 인체 크기의 질량체의 물, 장기, 의류 등이 지나 갔음을 알기 때문에 기점 엘리먼트로서 동작하는 임의의 별도의 디바이스가 필요하지 않다. 이와 같이, 이 기술은 공간을 통해 이동하는 인체를 추적하는 전통적인 방법에서 크게 벗어난 것이다.

본 출원에 설명된 시스템 및 방법의 논리적 확장은 시스템에 대한 추가적인 메시징 오버 헤드를 피하거나 감소시키기 위해 통계 분석 내에서 기능적 네트워크 메시지를 동적으로 처리하는 것을 포함한다. 또한, 일 실시예에서, 본 출원에 설명된 시스템 및 방법은 네트워크 내에서 송신된 기능성 메시지에 적어도 부분적으로 기초하여 네트워크 및/또는 메시지 구조, 구성 및/또는 동작 파라미터에 대한 동적 조정을 포함하도록 확장되는 것으로 고려된다.

더구나, 추적은 일반적으로 인체 질량체에 의해 영향을 받는 신호에 기초하기 때문에, 시스템은 검출을 위해 주위를 움직이는 인체에 의존하지 않는다. 움직임에 의존하지 않기 때문에, 수동 적외선 및 초음파 센싱 기술과 같은 전통적인 존재 센싱 기술과 관련된 많은 단점을 극복할 수 있다.

인체가 기점 엘리먼트를 가지고 있지 않은 네트워크에서 인체의 존재를 검출하기 위해 노드 사이의 통신 네트워크 신호의 이용은 현재의 비 기점(non-fiducial) 엘리먼트 검출 방법에서 급격히 벗어나고 완전히 새로운 방법으로 존재 센싱을 수행하기 위해 통신 네트워크를 사용한다. 본 출원에 제시된 인체 존재 검출을 수행하기 위한 송신기 수신기 조합으로서 검출 기술의 조합 및 네트워크 노드의 이용은 통신 네트워크 자체를 형성하는데 요구되는 것 이상의 추가 장비를 필요로 하지 않는 새로운 유형의 인체 존재 검출 시스템을 구성한다.

본 출원에 설명된 시스템 및 방법은 정상적인 통신의 목적으로 네트워크 자체의 동작에 영향을 미치지 않으면서 통신 네트워크에서 구현될 수 있다. 네트워크는 그것의 주 기능으로 통신 네트워크로 계속 동작 하지만, 이 경우 일부 통신은 네트워크에 존재하는 인체의 위치를 계산하는데 사용된다. 본 출원에 설명된 시스템 및 방법은 네트워크의 기본 동작을 이용하기 때문에, 네트워크에 알려진 트랜시버 디바이스를 추가로 운반하는 네트워크 내의 인체가 검출되고 증가된 정확도로 위치될 수 있다. 예를 들어, 휴대 전화기, 휴대폰, 스마트 폰, 태블릿 컴퓨터, 웨어러블 컴퓨터 기술 등과 같은 무선 트랜시버를 갖는 모바일 컴퓨팅 디바이스를 포함할 수 있는 이러한 트랜시버 디바이스는 네트워크에 연결될 수 있고, 당업자에게 알려진 전통적인 삼각 측량 방법을 사용하여 네트워크에 의해 위치될 수 있다. 사람이 그러한 트랜시버를 운반할 때 기계 학습 알고리즘이 적용될 수 있으며, 이는 결국 성능을 더욱 향상시킬 수 있다.

알려진 트랜시버 디바이스의 위치 계산은 본 출원에서 설명된 비-트랜시버 양태에 의해 결정된 사람의 위치와 비교될 수 있다. 통신 네트워크가 기점 엘리먼트의 위치와 네트워크 내의 인체를 모두를 보고하면, 이들 두 위치가 비교될 수 있다. 일반적으로, 기점 엘리먼트의 검출된 위치가 네트워크 통신만을 기초로 하여 인체의 추정된 위치보다 높은 정확도를 갖는 경우이므로, 네트워크 내의 인체의 위치에 대한 위치 계산은 네트워크에 들어오는 다음 인체에 대한 시스템의 위치 계산 성능을 향상시키기 위해 기계 학습 알고리즘을 사용하여 조정될 수 있다.

기계 학습 알고리즘을 사용하여, 시스템은 트랜시버로부터의 알려진 위치를 기반으로 위치 예측 알고리즘의 정확도를 향상시킬 수 있다. 이를 통해 사전 결정을 확인하고 향후 결정을 다듬을 수 있다. 예를 들어, 이전의 결정이 거의 동일한 양만큼 일관된 것으로 밝혀지면, 해당 양은 조정으로서 미래의 결정에 적용될 수 있다. 이러한 방식으로 시스템은 네트워크 내에서 인체 위치를 더 잘 찾을 수 있도록 지속적으로 개선하고 트레이닝될 수 있다. 마찬가지로, 기계 학습은 검출 및 오경보 율을 지속적으로 개선할 수 있다. 예로서 제한없이, 설비에서의 이전 트래픽 패턴에 관한 데이터는 특정 설비가 일반적으로 점유되거나 일반적으로 비어 있는 시간 또는 날짜의 범위에 관한 디폴트, 추정 또는 기대치를 수립하는데 사용될 수 있다. 시스템은 이러한 데이터를 사용하여 성능을 향상시킬 수 있다.

추가적으로, 시스템은 네트워크 엘리먼트; 즉, 네트워크 동작 가능한 전기 스위치, 도어, 모션 센서, 적외선 센서 등과 같은 인체의 존재에 기초하여 동작 가능하거나 동작하는 네트워크에 부착되거나 통신하는 디바이스 또는 컴포넌트와의 물리적 상호 작용에 기초하여 추론을 하거나 추론을 도출하도록 구성된다. 이러한 물리적 상호 작용은 시스템의 목적을 위해 상호 작용하는 시점에서 기점 엘리먼트로 간주될 수 있다. 일 예로서, 네트워크의 일부인 전등 스위치가 동작되면, 시스템은 스위치가 동작될 때 스위치의 물리적 위치에 또는 그 근처에 인체가 존재했다고 추정할 수 있다. 이와 같이, 시스템은 해당 정보를 미래에 인체 존재를 더 잘 예측하기 위해 기계 학습을 적용할 수 있는 알려진 데이터 포인트 (즉, 해당 특성이 스위치 근처의 특정 위치에서 인체를 반영한다는 것을 유추한 지식으로 해당 지점에서 다양한 네트워크 디바이스의 신호 특성을 검사)으로서 이용할 수 있다. 추가적으로, 이러한 이벤트는 보안 경고와 같은 다른 목적을 위한 존재 트리거로 사용될 수 있다. 일 예로서, 시스템이 보안 모드에 있고 누군가 자신의 존재를 숨기는 방법을 찾았지만 여전히 스위치와 상호 작용한다고 가정하면, 시스템은 누군가가 존재하는지 결정하고 스위치와 상호 작용을 기반으로 경고를 발송할 수 있다. 일반적으로 말해서, 시스템과의 상호 작용은 물리적, 논리적으로 정의되며 논리적 상호 작용에는 시간, 외부 입력 등을 기반으로 한 전형적인 사용 패턴을 포함할 것이다. 이러한 시스템은 RF 존재 센싱에 대한 백업 역할을 하며, 시스템에 추가적인 기계 학습 기능을 제공한다.

추가적으로, 시스템은 네트워크 내의 모바일 트랜시버가 실제로 인체에 의해 운반되고 있는지 여부, 예를 들어 인체가 네트워크 내의 위치에서 디바이스를 남겨둔 곳을 추정할 수 있다. 시스템은 신호 특성의 변화를 통해 인체를 바이오매스(biomass)로 검출할 수 있기 때문에, 인체 바이오매스가 없는 동안 트랜시버가 네트워크에 존재하는지 여부를 검출할 수 있다. 이것은 시스템의 잘못된 트레이닝을 방지하고, 이러한 프로파일과 상관되지 않은 데이터에 의해 베이스라인 및 존재 신호 프로파일이 손상되는 것을 방지한다.

일 실시예에서, 추론 엔진에 대한 추가 입력으로서, 시스템의 일부 표시가 상태를 변경하고, 검출 영역 내의 인체가 시스템 상태를 교정하는 방식으로 행동하면, 시스템은 사용자 기본 설정(preference)을 더 잘 반영하기 위한 베이스라인 및 전제 프로파일을 조정해야 한다고 추론할 수 있다. 예를 들어, 공간의 조명이 공간의 인체와 함께 꺼져야 하는 경우, 인체는 물리적으로 움직이거나 팔을 흔드는 등의 존재를 반영하거나 단순히 벽 스위치를 찾거나 벽 스위치 쪽으로 걷는 것과 같은 행동을 할 수 있다. 이 움직임은 적당한 시간 내에 검출될 수 있으며, 시스템은 공간이 비어 있는 것으로 잘못 결정한 것으로 판단하고 그에 따라 베이스라인 및 존재 프로파일을 조정할 수 있다. 이러한 활동은 공간에서 하나 이상의 인체의 존재를 유추하는 것으로 지칭될 수 있다.

다양한 신호 특성을 수집하고 이를 다양한 알고리즘을 통해 실행할 수 있는 부작용으로, 시스템은 동일한 시스템에서 서로 다른 성능 기준을 달성하기 위해 여러 검출 계산을 동시에 실행할 수 있다. 예로서, 동일한 통신 네트워크가 조명 및 보안과 관련된 검출에 사용될 수 있으며; 그러나 수집된 통계는 두 애플리케이션에 대해 다르게 처리될 수 있지만 동시에 처리될 수 있다. 이러한 방식으로, 조명 애플리케이션은 여전히 검출하는데 더 짧은 검출 시간을 제공하지만 잠재적으로 더 높은 오경보 비율을 제공할 수 있는 반면, 보안 애플리케이션은 오 검출 비율을 감소시키면서 검출하기 위해 약간 더 긴 시간을 트레이드할 수 있다. 시스템에 의해 처리되는 신호 특성은 애플리케이션에 따라 다를 수 있지만 모두 통신 네트워크에서 캡처되며 여러 방식으로 동시에 처리될 수 있다. 이러한 처리 방법은 베이스라인 신호 프로파일에 비한 검출을 결정하기 위해 여러 세트의 상이한 샘플 베이스라인 신호 데이터로 캡슐화(encapsulate)될 수 있다.

본 발명에 따른 시스템의 일 실시예에서, 시스템은 네트워크 상의 둘 이상의 컴퓨터 사이의 무선 신호에 관한 정보로부터 하나 이상의 인체의 존재를 결정할 수 있는 통신 시스템을 포함하고, 각각의 컴퓨터는, 통신을 위한 트랜시버; 및 계산을 수행하기위한 컴퓨팅 엘리먼트로 구성되고, 각각의 컴퓨터는 네트워크상의 하나 이상의 다른 컴퓨터로 신호를 발송하고, 신호는 신호를 발송한 컴퓨터의 고유 식별자를 포함하고; 각각의 컴퓨터는 하나 이상의 인체의 존재를 결정하기 위한 목적을 위해 수신된 신호를 처리하고; 및 하나 이상의 인체는 네트워크와 통신할 수 있는 임의의 디바이스를 그 사람이 가질 필요가 없다.

이러한 시스템의 일 실시예에서, 알고리즘은 통계적 방법을 사용하여 하나 이상의 인체의 존재를 결정한다. 그러한 시스템의 추가 실시예에서, 통계적 방법은 존재하는 인체들의 수를 결정한다. 그러한 시스템의 다른 추가 실시예에서, 시스템은 네트워크상의 하나 이상의 인체의 물리적 위치를 결정할 수 있다. 이러한 시스템의 또 다른 실시예에서, 시스템은 시간이 지남에 따라 하나 이상의 인체의 물리적 위치를 추적할 수 있다. 그러한 시스템의 다른 추가 실시예에서, 시스템은 하나 이상의 인체의 존재에 관한 정보를 사용하여 네트워크상의 디바이스를 제어한다. 일 실시예에서, 네트워크는 메시 네트워크(mesh network)이다.

일 실시예에서, 컴퓨터는 그들의 상대적인 물리적 위치를 결정하고, 네트워크상의 하나 이상의 인체의 상대적인 물리적 위치를 추가로 결정한다. 추가 실시예에서, 통계적 방법은 인체의 존재를 결정하기 위해 신호 강도의 측정에 적용된다. 추가 실시예에서, 송신된 신호는 인체의 존재를 보다 쉽게 검출하도록 제어된다. 다른 실시예에서, 송신된 신호의 파워 레벨은 인체의 존재를 보다 쉽게하도록 제어된다. 추가 실시예에서, 시스템은 점유 센싱 시스템으로서 기능한다. 추가 실시예에서, 점유 센싱 시스템은 조명 시스템을 제어한다. 추가 실시예에서, 조명 시스템을 제어하기 위한 네트워크 및 점유 센싱에 사용되는 네트워크는 동일한 통신 기술 및 하드웨어를 이용한다. 추가 실시예에서, 컴퓨터에 의해 채택된 통신 기술은 블루투스 저에너지, 와이파이, 지그비, 스레드(Thread) 및 Z-웨이브(Wave)의 목록에서 선택된다.

추가 실시예에서, 시스템은 보안 애플리케이션을 위한 센싱 시스템으로서 기능한다. 추가 실시예에서, 보안 센싱 시스템은 보안 시스템을 제어한다. 추가 실시예에서, 보안 시스템을 제어하기 위한 네트워크 및 보안 센싱에 사용되는 네트워크는 동일한 통신 기술 및 하드웨어를 이용한다. 추가 실시예에서, 시스템은 로봇 시스템을 위한 인체 검출기로서 기능한다. 추가 실시예에서, 로봇 시스템은 로봇 시스템의 다양한 엘리먼트를 서로에 대해 동적으로 위치시키는 컴퓨터를 갖는다. 추가 실시예에서, 로봇 시스템을 제어하기 위한 네트워크 및 시스템을 위한 인체 검출기로서 기능하기 위한 네트워크는 동일한 통신 기술 및 하드웨어를 이용한다.

추가 실시예에서, 시스템은 HVAC 애플리케이션을 위한 센싱 시스템으로서 기능한다. 추가 실시예에서, HVAC 센싱 시스템은 HVAC 시스템을 제어한다. 추가 실시예에서, HVAC 시스템을 제어하기 위한 네트워크 및 HVAC 센싱에 사용되는 네트워크는 동일한 통신 기술 및 하드웨어를 이용한다.

다른 실시예에서, 시스템은 기계 학습을 사용하여 검출 능력을 향상시키고 자신의 기점 엘리먼트를 갖는 사람이 : (1) 기점 엘리먼트의 위치를 결정하기 위해 알려진 위치 기술을 사용하는 것; (2) 사람 위치를 찾기 위해 상기에서 설명된 시스템을 사용하는 것; (3) 이 단락의 (1)의 방법에 의해 계산된 위치를 이 단락의 (2)의 방법과 비교하는 것; (4) 시스템의 위치 계산 능력을 향상시키기 위해 기계 학습 알고리즘을 사용하여 위치 결정 방법을 조정하는 것을 통해 시스템을 트레이닝시킨다.

다른 실시예에서, 시스템은 어떤 방식으로든 네트워크 상의 하나 이상의 컴퓨터와 상호 작용하는 인체들에 기초하여 네트워크에서 인체의 존재를 유추할 수 있다. 추가 실시예에서, 시스템은 검출 능력을 향상시키기 위해 기계 학습을 위한 입력으로서 인체의 추정된 존재를 사용할 수 있다.

본 발명에 따른 시스템의 일 실시예에서, 시스템은 네트워크 상의 둘 이상의 컴퓨터 사이의 신호에 관한 정보로부터 정지 및 움직이는 하나 이상의 인체의 존재를 결정할 수 있는 통신 시스템을 포함하고, 각각의 컴퓨터는, 통신을 위한 트랜시버; 및 계산을 수행하기위한 컴퓨팅 엘리먼트로 구성되고, 각각의 컴퓨터는 네트워크상의 하나 이상의 다른 컴퓨터로 신호를 발송하고, 신호는 신호를 발송한 컴퓨터의 고유 식별자를 포함하고; 각각의 컴퓨터는 하나 이상의 인체의 존재를 결정하기 위한 목적을 위해 수신된 신호를 처리하고; 하나 이상의 인체는 네트워크와 통신할 수 있는 임의의 디바이스를 그 사람이 가질 필요가 없다.

일 실시예에서, 알고리즘은 통계적 방법을 사용하여 하나 이상의 인체의 존재를 결정한다. 다른 실시예에서, 통계적 방법은 존재하는 인체의 수를 결정한다. 다른 실시예에서, 시스템은 네트워크상의 하나 이상의 인체의 물리적 위치를 결정할 수 있다. 다른 실시예에서, 시스템은 시간이 지남에 따라 하나 이상의 인체의 물리적 위치를 추적할 수 있다. 다른 실시예에서, 시스템은 네트워크상의 디바이스를 제어하기 위해 하나 이상의 인체의 존재에 관한 정보를 사용한다. 다른 실시예에서, 하나 이상의 인체의 존재에 관한 정보는 존재의 결정에 직접 관련되지 않은 하나 이상의 시스템에 이용 가능하다. 다른 실시예에서, 시스템은 하나 이상의 미리 설정된 기준에 따라 주어진 성능을 달성하기 위해 자체 최적화를 수행하는 능력을 갖는다.

추가 실시예에서, 통신 프로토콜 또는 네트워크는 일반적으로 블루투스 저에너지, 와이파이, 지그비, 스레드 및 Z-웨이브와 같은 프로토콜을 포함하지만 이에 한정되지 않는 표준 위원회에 의해 정의된다. 다른 실시예에서, 통계적 방법은 인체의 존재를 결정하기 위해 수신된 신호 강도의 측정에 적용된다. 다른 실시예에서, 네트워크상의 송신 및 수신 디바이스는 인체 검출을 용이하게 하기 위해 시스템에 의해 선택되고 작동될 수 있다. 다른 실시예에서, 송신된 신호의 파워 레벨은 인체의 존재를 보다 쉽게하도록 제어될 수 있다. 다른 실시예에서, 시스템은 조명 시스템을 위한 점유 센싱 시스템으로서 기능한다. 다른 실시예에서, 점유 센싱 시스템은 조명 시스템을 제어한다. 다른 실시예에서, 조명 시스템을 제어하기 위한 네트워크 및 점유 센싱에 사용되는 네트워크는 동일한 통신 기술 및 하드웨어를 이용한다.

다른 실시예에서, 시스템은 보안 애플리케이션을 위한 센싱 시스템으로서 기능한다. 다른 실시예에서, 보안 검출 시스템은 보안 시스템을 제어한다. 다른 실시예에서, 보안 시스템을 제어하기 위한 네트워크 및 보안 센싱에 사용되는 네트워크는 동일한 통신 기술 및 하드웨어를 이용한다. 다른 실시예에서, 시스템은 가열, 배기 및 냉각 (HVAC) 시스템을 위한 점유 센서로서 기능한다. 다른 실시예에서, 점유 센싱 시스템은 HVAC 시스템을 제어한다. 다른 실시예에서, HVAC 시스템을 제어하기 위한 네트워크 및 점유 센싱에 사용되는 네트워크는 동일한 통신 기술 및 하드웨어를 이용한다.

다른 실시예에서, 시스템은 기계 학습을 사용하여 검출 능력을 향상시키고 자신의 기점 엘리먼트를 갖는 사람이 : (1) 기점 엘리먼트의 위치를 결정하기 위해 알려진 위치 기술을 사용하는 것; (2) 사람 위치를 찾기 위한 시스템을 사용하는 것; (3) 이 단락의 (1)에 의해 계산된 위치를 이 단락의 (2)와 비교하는 것; (4) 시스템의 위치 계산 능력을 향상시키기 위해 기계 학습 알고리즘을 사용하여 위치 결정 방법을 조정하는 것을 통해 시스템을 트레이닝시킨다.

다른 실시예에서, 시스템은 어떤 방식으로든 네트워크 상의 컴퓨터들 중 하나와 상호 작용하는 인체들에 기초하여 네트워크에서 인체의 존재를 유추할 수 있다. 상기 상호 작용은 시스템에서의 상태 변화에 응답하여 직접적인 물리적 상호 작용 또는 간접적인 상호 작용일 수 있다 (예를 들어, 조명이 꺼지는 것에 응답하여 팔을 흔드는 것). 다른 실시예에서, 시스템은 검출 능력을 향상시키기 위해 기계 학습을 위한 입력으로서 인체의 추정된 존재를 사용할 수 있다.

또한, 네트워크 상의 둘 이상의 컴퓨터 사이의 신호에 관한 정보로부터 검출 네트워크에서 정지 및 움직이는 하나 이상의 인체의 존재를 결정할 수 있는 통신 시스템이 본 출원에서 설명되고, 각각의 컴퓨터는, 통신을 위한 트랜시버; 및 계산을 수행하기위한 컴퓨팅 엘리먼트로 구성되고, 각각의 컴퓨터는 네트워크상의 하나 이상의 다른 컴퓨터로 신호를 발송하고, 신호는 신호를 발송한 컴퓨터의 고유 식별자를 포함하고; 각각의 컴퓨터는 둘 이상의 목적을 위해 동시에 기능하기 위해 요구되는 상이한 성능 기준을 달성하기 위해 둘 이상의 방식으로 하나 이상의 인체의 존재를 결정하기 위해 수신된 신호를 처리하고; 하나 이상의 인체는 네트워크와 통신할 수 있는 임의의 디바이스를 그 사람이 가질 필요가 없다.

일 실시예에서, 알고리즘은 둘 이상의 성능 기준 세트에 따라 하나 이상의 인체의 존재를 결정하기 위해 둘 이상의 통계적 방법을 사용한다. 다른 실시예에서, 시스템은 둘 이상의 사전 설정된 기준에 따라 둘 이상의 성능 세트를 달성하기 위해 자체 최적화를 수행하는 능력을 갖는다. 추가 실시예에서, 통신 프로토콜 또는 네트워크는 일반적으로 블루투스 저에너지, 와이파이, 지그비, 스레드 및 Z-웨이브와 같은 프로토콜을 포함하지만 이에 한정되지 않는 표준 위원회에 의해 정의된다. 다른 실시예에서, 둘 이상의 통계적 방법이 수신 신호 강도의 측정에 적용되어 둘 이상의 성능 기준 세트에 따라 인체의 존재를 결정한다. 다른 실시예에서, 시스템은 기계 학습을 사용하여 존재를 결정하기 위한 둘 이상의 방법의 검출 능력을 향상시키고 자신의 기점 엘리먼트를 갖는 사람이 : (1) 기점 엘리먼트의 위치를 결정하기 위해 알려진 위치 기술을 사용하는 것; (2) 사람 위치를 찾기 위한 시스템을 사용하는 것; (3) 이 단락의 (1)에 의해 계산된 위치를 이 단락의 (2)와 비교하는 것; (4) 시스템의 위치 계산 능력을 향상시키기 위해 기계 학습 알고리즘을 사용하여 위치 결정 방법을 조정하는 것을 통해 시스템을 트레이닝시킨다.

일 실시예에서, 본 출원에 설명된 시스템 및 방법은 변경 검출을 포함한다. 제한이 아닌 예로서, 변경 검출은 롤링 베이스라인 접근법(rolling baseline approach)을 사용하거나 이용할 수 있다. 이러한 실시예에서, 제1 베이스라인이 수립되고 제2 베이스라인과 비교되고, 검출 네트워크에서 인체의 존재에 의해 야기된 제1 베이스라인과 제2 베이스라인 사이의 임의의 차이는 시스템에 의해 인식될 수 있다. 이는 검출 네트워크 내의 하나 이상의 노드로부터 무선 신호 특성 데이터의 세트를 수신하고, 이러한 데이터에 기초하여, 제1 베이스라인이 제2 베이스라인과 비교하여 수립될 때 다른 위치에 인체가 존재함으로써 야기되는 RF 환경의 변화를 검출하도록 소프트웨어 프로그램함으로써 수행될 수 있다. 이러한 방법들은 시스템이 시작시에 빈 공간을 요구하지 않고 최소 성능 레벨을 수립하기 위해 위치에 시스템이 처음 셋업 될 때 이용될 수 있다. 변화 검출을 갖는 이러한 시스템은 존재 검출의 제한된 측면이 그러한 시스템에 존재할 수 있는 변화와 존재 사이의 상태로 오버타임(overtime)을 개선할 수 있다.

도 3a에 변화 검출의 대표적인 예시가 도시된다. 도 3a의 도시된 실시예에서, 도 1의 RF 환경은 이산 위치(303)에서 환경 (103)에 존재하는 인체(301)가 도시되어 있다. 본 개시의 다른 곳에서 설명된 바와 같이, 노드(107A) 내지 (107D) 사이의 무선 신호 송신의 특성은 인체(301)의 존재에 의해 영향을 받는다. 이 특정 예에서, 노드 A (107A)와 노드 D (107D) 사이의 송신은 인체(301)의 존재에 의해 영향을 받는다. 따라서, 베이스라인이 도 2의 방법에 도시된 바와 같이 수립될 때 (211), 베이스라인은 무선 신호 특성을 나타내며 인체(301)는 이산 위치(303)에 존재한다. 인체(301)가 새로운 위치(305)로 이동하면, 도 3a에 도시된 바와 같이, 노드(107A) 내지 (107D) 사이의 무선 신호의 특성이 변경될 것이다.

이 특정한 예시적인 실시예에서, 인체가 위치(305)에 있을 때 노드 A (107A)와 D (107D) 사이에 간섭이 거의 없을 것이다. 그러나, 위치(305)가 이들 두 노드 사이에 배치되기 때문에 노드 B (107B)와 C (107C) 사이에 더 큰 간섭이 있을 것이다. 따라서, 차이가 검출될 때 (205) 도 2에 도시된 바와 같이, 인체의 위치 변화가 검출될 수 있다.

인체가 존재하지 않고 검출 네트워크(103)에서 베이스라인을 수립할 필요성이 감소되기 때문에 이것은 존재 센싱 보다 구현하기가 덜 어렵다. 이러한 시스템은 주로 인체가 위치를 변경하는 시점에 기초하여 그리고 검출 네트워크(103) 내에서 변화를 검출하고, 동작 베이스라인 프로파일을 롤링 베이시스로 업데이트할 수 있다. 즉, 이 실시예에서 베이스라인(211)은 인체(301)가 위치(305)에 있을 때 베이스라인과 동일하도록 업데이트된다. 따라서, 인체(301)가 제3 위치(307)로 이동할 때, 검출된 차이(215)는 위치(305)에서 취해진 제2 베이스라인과 인체가 위치(307)에 있을 때 검출 네트워크(103)의 무선 신호 특성 사이의 것과 같다. 마찬가지로, 베이스라인(211)은 위치(307)의 베이스라인과 동일하게 업데이트되고, 이는 그런 다음 인체(201)의 위치에서의 추가 변화를 검출하는데 사용될 수 있다. 이 검출 방법은 검출 네트워크(103)에서 인체(301)의 위치의 변화에 의해 야기된 무선 신호 베이스라인의 변화를 사용한다. 이 시스템은 이 시스템은 객체에 의해 가려지지 않으며, 위치의 느리거나 점진적인 변화를 검출할 수 있으며, 이는 종래의 시스템에 의해 간과될 수 있다는 점에서 수동 적외선과 같은 종래의 모션 검출 기술에 비해 많은 장점을 가지고 있다. 이 방법을 사용하는 실시예에서, 베이스라인은 지속적으로 업데이트될 수 있다.

다른 실시예에서, 시스템 또는 방법은 신뢰도 결정을 포함한다. 이 양태는 제3 베이스라인이 제1 또는 제2 베이스라인 세트에 대응한다는 신뢰도를 결정할 수 있다. 신뢰도 결정은 감독 트레이닝 또는 데이터 세트들 사이의 유사성 또는 차이의 정도를 결정하기 위한 통계적 방법의 사용과 같은 당업계에 공지된 기술을 포함하는 임의의 수의 기술을 사용할 수 있다. 신뢰도는 시간이 지남에 따라 증가 또는 감소할 수 있으며, 최소 차이가 있는 베이스라인 차이와 관련하여 자동으로 결정을 내릴 수 있지만 여전히 검출 네트워크(103)에서 인체의 존재를 나타낼 수 있다. 검출 네트워크(103)에서 인체의 존재 또는 부재의 결정에 대한 신뢰도는 제3 베이스라인이 제1 베이스라인 또는 제2 베이스라인과 얼마나 유사한 지에 기초하여 결정될 수 있다. 예를 들어, 제3 베이스라인이 신호 특성에 영향을 미치는 질량체의 존재를 나타내는 것으로 알려진 경우, 제1 베이스라인 또는 제2 베이스라인을 제3 베이스라인과 비교하면 식별된 질량체가 제3 베이스라인에서 식별된 질량체와 동일하다는 신뢰 수준이 개선 (또는 감소)될 수 있다. 신뢰도에 따라, 시스템은 다른 동작 컨텍스트 (예를 들어, HVAC, 보안, 조명, 안전 등)에서 서로 다른 신뢰도 임계값을 사용하도록 구성할 수 있다. 신뢰도 결정을 포함하는 시스템 또는 방법은 공통 통신 시스템을 사용하여 복수의 시스템에 걸쳐 동작할 수 있으며, 시스템은 서로 통신하는 서로 전혀 다른 노드를 포함할 수 있다. 주어진 노드는 복수의 검출 네트워크(103)에서 동작하여, 시스템 및 방법을 다수의 인접한 검출 네트워크(103)에 배치할 때 더 나은 시스템 스케일링을 가능하게 한다.

다른 실시예에서, 베이스라인 차이는 검출 네트워크에 존재하는 인체의 수를 카운트하거나 추정하는데 사용될 수 있다. 일 실시예에서, 이것은 검출 네트워크에서 인체 질량의 양을 추정하고, 1 인당 평균 질량으로 나누어 수행될 수 있다. 이것은 검출 네트워크(103)에 인체가 없을 때 제1, 비어있는 베이스라인을 수립하고, 알려진 수의 인체가 검출 네트워크(103)에 존재할 때 제2, 점유된 베이스라인을 수립하여 수행될 수 있다. 다음으로, 제3 베이스라인을 취하여 제1 비어있는 베이스라인 및 제2 점유된 베이스라인과 비교한다. 그런 다음, 시스템 소프트웨어는 제3베이스라인 무선 신호 특성이 제1 비어 있는 베이스라인과 제2 점유된 베이스라인 사이의 프로파일의 스펙트럼에 맞는 위치를 해석하고, 해당 결정으로부터 검출 네트워크(103)에서의 총 인체 질량을 추정한다. 이 추정은 제2 점유된 베이스라인이 수립될 때 검출 네트워크에서 인체의 총 질량을 기초로 할 수 있다.

비 제한적인 예로서, 제3 베이스라인에서의 신호 왜곡이 제1 비어 있는 베이스라인과 비교하여 적당하다면, 시스템은 존재하는 인체 질량의 양이 비교적 낮은 것으로 추정할 수 있다. 그러나, 신호 왜곡 량이 제2 점유된 베이스라인에 도시된 것에 더 가깝다면, 시스템은 검출 네트워크(103)에 존재하는 추정된 인체 질량의 양이 제2 베이스라인이 취해진 때 존재했던 양에 더 가깝다고 결정할 수 있다. 유사하게, 왜곡 량이 제2 베이스라인에 반영된 것보다 훨씬 더 극단적인 것으로 결정되면, 시스템은 제3 베이스라인이 취해질 때 존재하는 총 인체 질량의 양이 제2 베이스라인이 취해질 때 존재하는 양을 초과한다고 결정할 수 있다. 인체 질량의 추정은 본 출원에 설명된 알고리즘 및 방법에 광범위하게 기초할 수 있고, 일반적으로 전술한 바와 같이 공간 내의 다수의 인체를 추정하도록 조정될 수 있다.

다른 실시예에서, 시스템은 그러한 시그니처에 기초하여 공간에 존재하는 인체의 수를 추정하기 위해 네트워크 진단 정보에서 입구(entrance) 및 출구(exit) 시그니처를 사용한다.

이러한 방법에서, 공간에 들어가는 인체에 의해 입구 프로파일이 수립되고, 동일한 공간을 떠나는 인체에 의해 출구 프로파일이 설정되고, 나중에 캡처된 다른 프로파일이 입구 및 출구 프로파일과 비교되어 인체가 공간에 들어 왔는지 나갔는지 여부를 결정한다. 입구 및 출구 프로파일은 존재 검출 기술로부터의 추정 및 상태 변화에 따른 결정에 기초하여 정상적인 시스템 동작을 통해 학습된다. 제한이 아닌 예로서, 시스템이 변화를 검출하고 존재가 검출되지 않는 것에서 검출되는 것으로 가는 경우, 그러한 이벤트는 입구로 분류될 수 있다. 유사하게, 제한이 아닌 예로서, 시스템이 변화를 검출하고 공간이 점유에서 비점유로 갔다고 결정하면, 그러한 이벤트는 출구로 분류될 수 있다. 입구 카운트와 출구 카운트의 차이는 공간에 존재하는 인체의 수를 추정하기 위해 사용될 수 있다.

다른 실시예에서, 시스템은 다양한 사람 카운트의 존재 프로파일과 샘플 프로파일을 비교하여 도출된 사람 수 추정치와 조합하여 네트워크 진단 정보에서 입구 및 출구 시그니처를 사용한다.

이들 방법 각각은 정확도를 향상시키기 위해 하나 이상의 카운팅 방법과 함께 사용될 수 있다.

일 실시예에서, 검출 네트워크(103)에 존재하는 인체의 수 또는 추정은 반드시 한정되는 것은 아니지만, HVAC 시스템과 같은 다른 시스템을 동작시키는 데 사용될 수 있다.

일 실시예에서, 검출 네트워크에서 인체의 위치 또는 포지션(position)이 추정된다. 이것은 인체의 위치를 결정하기 위해 다양한 디바이스들 사이의 범위를 추정하고, 더 많은 수의 노드로 구성된 서브 세트 검출 영역을 검사하고, 다양한 위치 베이스라인을 사용하고, 추가로 검출 네트워크에서 인체의 속도와 방향을 추정하기 위해 시간에 따라 위치를 분석하는 위치 시스템의 기능을 추가로 확장함으로써 수행될 수 있다. 이러한 방법의 일 실시예에서, 시스템은 다양한 노드 쌍을 사용할 수 있고, 베이스라인 정보에 기초하여 노드 쌍 내의 중첩된 추정치를 사용하여 해당 쌍들 사이에서 인체의 위치를 추정한 다음, 인체의 실제 위치를 결정하기 위해 중첩 추정치에 기초한 검출 네트워크에서 인체에 대한 가장 높은 확률 위치를 결정할 수 있다.

다른 실시예에서, 더 많은 수의 노드를 갖는 시스템은 각각의 공간에서 인체의 존재 또는 부재를 결정하기 위해 더 많은 서브 세트 검출 영역, 일반적으로 각각이 3개 이상의 노드를 갖는 시스템을 사용할 수 있고, 공통 점유되는 공간은 검출 네트워크에서 인체의 가장 특정된 위치라고 가정할 수 있는 중첩된 점유 영역에 기초하여 위치를 추정할 수 있다. 제한이 아닌 예로서, 4개의 노드 세트는 3개의 노드의 4개의 세트로 세분될 수 있으며, 여기서 3개의 노드 존재의 서브 세트가 검출되는 위치에 기초하여 위치가 결정될 수 있다. 이 서브 영역 생성은 이런 서브 형상이 3개 이상의 노드 세트로 생성된 중첩 영역에 의해 정의되는 서브 영역 내에서의 검출을 허용한다. 대안적으로, 검출 네트워크 내의 상이한 위치에 있는 인체에 대한 복수의 베이스라인이 수립될 수 있으며, 후속 베이스라인은 상기 베이스라인과 비교되어 인체의 검출 네트워크 내의 위치를 결정한다. 비 제한적인 예로서, 주어진 검출 프로파일이 네트워크 내의 주어진 위치에서 인체와 대응하는 검출 영역 내의 다양한 위치에 대한 검출 프로파일이 생성될 수 있고, 샘플 프로파일은 상이한 위치들에 대응하는 검출 프로파일 세트와 비교되고, 시스템은 어떤 검출 프로파일이 샘플 프로파일과 가장 상관되는 지를 결정하고, 시스템은 샘플 프로파일과 가장 유사한 것으로 간주되는 검출 프로파일의 위치에 기초하여 인체의 위치를 결정한다.

또한, 시간이 지남에 따라 검출 네트워크에서 인체의 위치에서의 검출된 변화에 기초하여, 검출 네트워크에서의 인체의 이동 속도 및 방향이 추정될 수 있다. 이것은 예를 들어, 보간 및 데드 레코닝(dead reckoning(또는 직접 정찰(direct reconnaissance)을 사용하여 수행될 수 있다. 이러한 시스템 및 방법의 예시적인 실시예가 도 3b에 도시된다. 도시된 실시예에서, 인체는 시간0(Time0)에서 위치(401)에서 검출 네트워크(103)에 위치된다. 시간1(Time1)의 후속 시점에서, 인체는 다른 위치에서 검출된다 (403). 위치(401)와 위치(403)가 알려져 있기 때문에, 그들 사이의 거리1이 계산될 수 있다. 추가적으로, 시간0에서 시간1까지의 시간이 결정되거나 알려질 수 있다. 거리가 속도 곱하기 시간과 동일하다고 가정하면, 위치(401)에서 위치(403)로의 인체의 이동 속도가 결정될 수 있다. 추가적으로, 방향과 크기(속도)를 모두 구현하여 인체의 움직임을 나타내는 벡터가 결정될 수 있다.

그러나, 두 개의 샘플 포인트만 있으면 에러율이 높아질 가능성이 상승하고 두 개 이상의 샘플 포인트가 필요하다. 예를 들어, 도시된 실시예에서, 시간2(Time2)에서 취해진 제3 프로파일은 인체를 위치(405)에 배치한다. 다시, 위치(403)에서 위치(405)까지의 거리2가 결정될 수 있고, 이들 위치들 사이의 속도의 비율이 또한 결정될 수 있다. 도시된 실시예에서, 이들 위치는 일반적으로 선형이며, 이는 인체가 벡터에 의해 정의된 주어진 방향으로 거의 직선으로 움직이고 있음을 시사한다. 따라서, 시스템은 이 데이터에 기초하여 인체의 미래 또는 예상 위치를 추가로 추정할 수 있다. 즉, 시간3(Time3)에서, 인체의 추정된 위치(407)는 이전에 검출된 위치에 기초하여 결정될 수 있다. 이 추정은 인체를 검출 네트워크(103)의 외부에 배치할 수 있고, 검출 네트워크(103)에 또는 인체의 도착 또는 출발을 추정하는데 추가로 사용될 수 있다. 추가적으로, 이 정보는 잠재적으로 사람이 곧 도착할 다른 검출 네트워크 전체 또는 검출 네트워크의 다른 세그먼트에 경고하기 위해 사용될 수 있다. 이것은 예를 들어 네트워크(115)를 통한 컴퓨터 서버(109)를 이용한 통신에 의해 수행될 수 있다.

상기 예시적인 실시예를 계속하여, 도시된 실시예에서, 시간0에서 시간1로의 인체의 검출된 위치 변화는 초당 0.8 미터의 속도로 1초에 0.8 미터이다. 시간1에서 시간2까지의 거리에서 검출된 변화는 초당 1 미터의 평균 속도로 1초의 추가 경과 초는 1.2미터이고 또는 2 개의 총 경과 초에 대해 총 2.0 미터이다. 따라서, 1 초 후에 시간3에서, 추가의 1 미터 이동이 예상될 수 있으며, 추정된 미래 위치(407)는 위치(405)보다 벡터를 따라 1 미터 더 멀어지게 한다.

일 실시예에서, 시스템 및 방법은 기계 학습을 사용하여 시간에 따라 시스템을 추가로 트레이닝시킨다. 제한이 아닌 예로서, 시스템은 예컨대, 한정되는 것은 아니지만 다른 스마트 디바이스와의 상호 작용과 같은 제3 자 시스템으로부터의 알려진 피드백 및/또는 피드백의 조합을 사용하여 상기 설명된 변화 검출 기술의 하나 이상으로부터 데이터를 축적할 수 있고 (서모스탯, 음성 인식 시스템 등) 및/또는 시간이 지남에 따라 추론을 사용하여 예상되거나 예상되는 시스템 동작에 따라 동작을 개선할 수 있다. 그러한 추론은 공간에서의 정상적인 행동, 시스템의 엘리먼트와의 직접적인 인체 상호 작용, 또는 인체의 반응으로부터 시스템 결정에 이르기까지의 샘플 프로파일 변화에 기초할 수 있다. 비 제한적인 예로서, 조명 또는 HVAC 시스템을 동작시키기 위해 변화 검출을 구현하는 시스템에서, 주어진 동작이 올바른지 (즉, 조명 또는 HVAC 시스템에서 변화가 만들어졌는지 여부)를 나타내는 감독된 트레이닝 데이터로서 사용자 피드백이 시스템에 제공될 수 있다.

유사하게, 존재 검출을 구현하는 시스템에서, 사용자는 검출 네트워크 내에 있는 동안 변경 검출을 강제로 트리거하여, 시스템에 변경 트리거 이벤트가 발생하는 시간에 기초하여 점유 공간에 대한 베이스라인 실행을 수립하는 자동화된 수단을 제공할 수 있으며, 일반적으로 비어 있는 것으로 검출되도록 변경 트리거링 이벤트로부터 멀리 떨어진 때를 가능하게 한다. 룸 유형에 기초한 추론 점유와 결합될 때, 이러한 방법은 시스템 트레이닝 자체를 용이하게 하여, 변경 검출에서 존재 검출 레벨 기능까지 시간에 따른 기능을 개선할 수 있다. 효과적으로, 변화 검출에 기반된 시스템을 사용함으로써, 시스템은 존재 및 부재를 유추할 수 있어서, 인체가 존재하지 않을 때에 대한 베이스라인 프로파일 및 인체 존재가 있을 때에 기초한 검출 프로파일을 수립할 수 있게 한다. 이러한 방식으로, 시스템은 변화 검출 시스템으로서 동작하는 것으로부터 실제 존재 검출 시스템으로서 동작하는 것으로 이동하도록 그 자체를 트레이닝할 수 있을 것이다.

카운팅을 구현하는 실시예에서, 변화 검출 및 존재 검출의 조합은 검출 네트워크 내에서 인체의 추정된 카운팅을 결정하여, 그러한 카운팅 베이스라인 프로파일을 추정하고 시간에 따라 그것을 개선할 수 있다. 이러한 시스템은 시간이 지남에 따라 시스템 트레이닝 자체를 용이하게 하여 검출 네트워크 내의 인체의 수를 카운트할 수 있다.

사람 위치를 찾는 것(locating)을 구현하는 실시예에서, 변화 검출, 존재 검출 및 인체 카운팅의 조합은 중첩 영역 및 점유 카운트에 기초하여 위치 추정을 결정하고 궁극적으로 보다 정확한 베이스라인 추정을 수립하여 시간이 지남에 따라 검출 네트워크내에서 시스템이 인체의 위치를 찾는 것을 개선할 수 있게 한다. 이러한 시스템은 서버상에서 실행되는 컴퓨터 소프트웨어와 같은 추론 엔진을 포함할 수 있고/있거나 정상적인 동작으로부터 예상되는 시스템 동작의 추정을 구축하고, 예상되는 행동에 따라 동작 파라미터를 조정할 수 있다. 예를 들어, 검출 영역이 전형적으로 오전 10시에서 오후 3시까지 비어 있고, 오후 3시에서 오후 6시까지 점유하는 경우, 파라미터는 오전 10시부터 오후 3시까지 비어있는 상태를 예상하고 오후 3시부터 오후 6시까지 존재 상태를 예상하도록 조정될 수 있다). 이러한 추론은 시간이 지남에 따라 개발될 수 있으며 해당 시간들에서 성능을 향상시키면서 전반적인 가요성을 유지할 수 있다.

노드는 시스템 동작을 향상시키기 위해 다양한 위치 조합으로 배치될 수 있다. 시스템은 벽, 천장, 고정 노드, 모바일 노드 및/또는 혼합 구성으로 위치된 노드와 함께 동작할 수 있다. 공간은 3차원이기 때문에 검출 영역은 건물의 다른 층에 있는 노드에 의해 정의될 수 있다. 노드는 스위치 및 출구와 같은 위치에서 벽에 배치될 수 있다. 브로드캐스트 범위는 일반적으로 검출 영역의 주변을 정의하고, 시스템이 인체가 상기 주변 내에 있다고 가정하고 네트워크 진단을 검사하도록 구성될 수 있다.

일 실시예에서, 하나 이상의 노드가 천장에 배치될 수 있다. 제한이 아닌 예로서, 이는 노드가 고정물(fixture) 및/또는 조명 시스템에 통합될 때 발생할 수 있다. 이러한 실시예에서, 노드는 일반적으로 검출 영역 내로 하향 방사할 수 있고, 시스템은 스위치 및 출구 기반 시스템에서 볼 수 있는 것과 다른 방사 및 다중 경로 패턴에 기초하여 네트워크 진단을 검사하도록 구성될 수 있다. 이러한 실시예에서, 노드는 벽, 객체 및 바닥으로부터의 반사가 일반적으로 RF 에너지가 다중 경로를 통해 다른 노드에 도달하도록 보장하는 일반적으로 하향 방향으로 통신을 생성한다. 다중 경로는 또한 일반적으로 검출 영역의 커버리지(coverage)를 제공한다. 다중 경로로 인한 이러한 커버리지는 천장 장착 노드가 네트워크 진단 정보에 대한 인체의 영향과 관련하여 벽 장착 노드와 유사하게 동작함을 의미한다.

다른 고정 노드, 예를 들어 텔레비전; 모니터 및 스마트 홈 허브를 또한 고려하지만, 이에 한정되지 않는다. 이러한 노드는 벽, 천장 또는 고정된 위치에 설치될 수 있다. 스마트 폰, 태블릿 및 랩톱 컴퓨터와 같은 다른 노드는 검출 네트워크에서 모바일 노드로 사용될 수 있다. 그러나, 이러한 실시예에서, 모바일 노드는 시스템에서 고정 노드에 대해 자체 위치를 먼저 찾을 수 있다. 네트워크 내에 위치가 설정되면 시스템의 정확도가 더욱 향상될 수 있다.

일 실시예에서, 노드들의 조합이 검출 영역에서 사용될 수 있다. 더 많은 수의 노드를 결합할 때, 시스템은 동작을 위한 최적의 노드를 결정할 수 있다. 최적의 노드는 무엇보다도 선택된 기능 레벨에 대한 가장 효율적인 노드를 결정함으로써 결정될 수 있다. 노드 수가 증가함에 따라 기능 레벨과 마찬가지로 결정의 정확도가 일반적으로 증가한다.

일 실시예에서, 하나 이상의 노드는 복수의 검출 영역에서 동작할 수 있다. 이를 통해 특히 인접한 검출 영역에 대한 개선된 시스템 스케일링을 가능하게 한다. 이러한 스케일링은 또한 복수의 검출 영역을 포함하는 더 큰 노드 네트워크 내에서 추론을 야기할 수 있으며, 하나의 검출 영역에서 다음 검출 영역으로의 인체 검출의 추적을 더욱 용이하게 한다. 예를 들어, 검출 영역간에 노드가 공유될 수 있다. 제1 검출 네트워크 내의 주어진 노드는 제1 검출 영역 내의 통신에 기초한 네트워크 진단 정보를 가질 수 있고, 또한 제2 검출 네트워크의 일부일 수 있고 제2 검출 네트워크 내의 통신에 기초한 네트워크 진단 정보를 가질 수 있다. 시스템은 두 검출 영역 각각에서 제3 자 시스템을 운영하는 방법에 대한 독립적인 결정을 수행할 수 있다. 검출 영역에 대한 추론을 검사하면 특히 사람이 하나의 검출 영역을 떠나 다른 검출 영역으로 들어가는, 검출 영역 내에서 인체의 존재 또는 부재에 대한 결정이 향상될 수 있다. 신호 특성의 검출된 변화는 제1 및 제2 검출 영역 사이에 공유된 정보에 기초하여 개별 영역에서 인체의 존재 또는 부재를 결정하는데 사용될 수 있다.

일 실시예에서, 시스템 및 방법은 질량체 식별 기술의 사용을 통해 동작할 수 있다. 이러한 실시예에서, "질량체(mass)"가 식별되고 추적된다. 고유한 아이덴티티(identity)가 컴퓨터 시스템에 의해 질량체에 할당될 수 있고, 무선 신호 특성의 변화에 기초하여 추적될 수 있다. 한정이 아닌 예로서, 질량체가 방의 중심 부근에서 먼저 검출되고, 그런 다음에 방의 중심으로부터 수 피트 떨어진 위치에서 검출되는 경우에, 시스템은 임의의 다른 질량체가 방으로 들어오는 것을 검출하지 않았고, 시스템은 제2 검출된 질량체가 제1 검출된 질량체와 동일한 질량체이지만 새로운 위치로 재배치되었다고 추정할 수 있다. 네트워크에서 질량체의 간섭에 의해 야기된 신호 특성의 차이에 기초하여, 시스템은 예를 들어 유사한 움직임을 나타내는 다른 질량체가 신호 특성에 유사한 영향을 미칠 것이라고 추론할 수 있다. 이러한 방식으로 시스템은 질량체를 식별하고 추적하는 방법을 "학습(learn)"할 수 있다.

시스템의 각각의 인체 질량체는 대부분의 실내 위치에 대해 어느 위치에나 배치될 때 서로 다른 간섭 특성을 유발하지만, 방에 존재할 가능성이 있는 전체 인체 세트는 일반적으로 유한하다. 즉, 대부분의 실내 공간은 대부분의 시간 동안 동일한 기본 세트의 사람들이 대부분의 공간을 차지하며 사소하고 드물게 변화한다. 예를 들어, 동일한 세트의 사람들이 매일 직장이나 학교, 심지어 식당과 같은 공공 장소에 나타난다. 출입구와 같은 제한된 수의 출입 지점으로만 대부분의 실내 공간이 들어갈 수 있기 때문에 시스템은 진입 지점에 출입하는 사람을 검출하고 공간 출입시 특정 인체의 존재로 인한 특정 간섭 패턴을 결정할 수 있다. 신호 특성 (간섭)과 공간의 다른 인체와 비교하여 이러한 특성이 변화하는 방식에 기초하여, 각각의 인체가 방을 이동하는 위치와 방법을 결정할 수 있다.

특히, 본 출원에 설명된 기계 학습 방법에 기초하여 특별히 노드를 검출 영역으로 그룹화하고 명목상 기능 레벨을 구축하는 것과 관련하여, 시스템은 셋업의 다양한 양태를 자동화할 수 있는 것으로 고려된다. 가장 가까운 노드를 결정하고 추론을 통해 검출 영역을 추정하는 시스템은 사용자가 셋업할 필요가 없다. 최적 추정에 기초하여, 사용자는 단순히 빌딩 전체에 노드를 배치할 수 있고, 노드는 감독되지 않은 기계 학습을 사용하여 자동으로 검출 영역으로 그룹화하여 궁극적으로 건물 시스템이 탑승자를 검출하는 방법을 학습하게 한다. 점유는 탑승자가 취한 행동과 관련이 있을 수 있으며, 정상적인 시스템 동작을 위한 인체의 입력 필요성을 줄이거나 없앨 수 있는 자동화 시스템을 개발할 수 있다.

일 실시예에서, 본 방법은 인체의 존재를 검출하기 위한 방법이고, 상기 방법은, 검출 영역 내의 제1 위치에 배치된 제1 트랜시버를 제공하는 단계; 상기 검출 영역 내의 제2 위치에 배치된 제2 트랜시버를 제공하는 단계; 상기 제1 트랜시버에 통신 가능하게 결합된 컴퓨터 서버; 상기 제1 트랜시버는 상기 제2 트랜시버로부터 제1 세트의 무선 신호를 수신하고; 상기 컴퓨터 서버는 : 상기 제1 트랜시버로부터 제1 세트의 신호 데이터를 수신하는 단계로서, 상기 제1 세트의 신호 데이터는 상기 제1 세트의 무선 신호의 특성에 관한 데이터를 포함하는, 상기 수신하는 단계; 상기 제1 세트의 신호 데이터가 상기 검출 영역에서 인체의 존재를 나타내는 것으로 추정하는 단계; 인체가 상기 검출 영역에 존재하는 것으로 추정될 때 상기 제1 세트의 신호 데이터 내 상기 제1 세트의 무선 신호의 특성에 적어도 부분적으로 기초하여 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 무선 통신을 위한 검출 신호 프로파일을 생성하는 단계; 상기 제1 트랜시버가 상기 제2 트랜시버로부터 제2 세트의 무선 신호를 수신하는 단계; 상기 컴퓨터 서버는 : 상기 제1 트랜시버로부터 상기 제2 세트의 무선 신호의 특성에 관한 데이터를 포함하는 제2 세트의 신호 데이터를 수신하는 단계; 상기 제2 세트의 신호 데이터가 상기 검출 영역에 임의의 인체가 없음을 나타내는 것으로 추정하는 단계; 상기 검출 영역 내에 임의의 인체의 부재가 추론될 때 상기 제2 세트의 신호 데이터내 상기 제2 세트의 무선 신호의 특성에 적어도 부분적으로 기초하여 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 무선 통신을 위한 베이스라인 신호 프로파일을 생성하는 단계; 상기 제1 트랜시버가 상기 제2 트랜시버로부터 제3 세트의 무선 신호를 수신하는 단계; 상기 컴퓨터 서버는 상기 제1 트랜시버로부터 제3 세트의 신호 데이터를 수신하고, 상기 제3 세트의 신호 데이터는 상기 제3 세트의 무선 신호의 특성에 관한 데이터를 포함하고; 상기 제3 세트의 신호 데이터가 상기 검출 영역에서 인체의 존재 또는 임의의 인체의 부재를 나타내는지 여부를 결정하는 단계로서, 상기 검출 신호 프로파일 및 상기 베이스라인 신호 프로파일과 상기 제3 세트의 신호 데이터의 비교에 적어도 부분적으로 기초하는, 상기 결정하는 단계를 포함한다.

추가 실시예에서, 상기 방법은, 상기 제1 세트의 신호 데이터가 상기 검출 영역에서 인체의 존재를 나타내는 것으로 추론하는 단계에서, 상기 추론은 상기 검출 영역 내의 다른 트랜시버들로부터 상기 제1 트랜시버에 의해 수신된 신호들에 대한 추가 세트의 신호 데이터들에 적어도 부분적으로 기초하고; 및 상기 제2 세트의 신호 데이터가 상기 검출 영역에 임의의 인체의 부재를 나타내는 것으로 추론하는 단계에서, 상기 추론은 상기 검출 영역 내의 다른 트랜시버들로부터 상기 제1 트랜시버에 의해 수신된 신호들에 대한 추가 세트의 신호 데이터들에 적어도 부분적으로 기초한다.

추가 실시예에서, 상기 방법은, 상기 컴퓨터 서버는 인체가 일정 기간 동안 상기 검출 영역에 존재하는 것으로 결정되었는지를 나타내는 복수의 이력 데이터 기록을 저장하고, 각각의 상기 이력 데이터 기록은 상기 검출 영역에 존재하는 것으로 결정된 인체의 수 및 상기 인체의 수의 각각이 상기 검출 영역에 존재하는 것으로 결정된 날짜 및 시간의 표시를 포함하고; 및 상기 컴퓨터 서버는 상기 복수의 이력 데이터 기록 중 적어도 일부를 인터페이스를 통해 하나 이상의 외부 컴퓨터 시스템에 이용 가능하게 하는 단계를 포함한다.

추가 실시예에서, 상기 방법은 상기 컴퓨터 서버가 제2 시스템에 동작 가능하게 결합되고; 상기 컴퓨터 서버가 인체가 상기 검출 영역에 존재한다고 결정한 후에 만, 상기 컴퓨터 서버는 상기 제2 시스템을 동작시키는 것을 포함한다.

추가 실시예에서, 상기 방법은 상기 제1 트랜시버와 상기 제2 시스템은 동일한 통신 프로토콜을 사용하여 통신하도록 구성되도록 하는 것을 포함한다.

추가 실시예에서, 상기 방법은 상기 제2 시스템은 전기 시스템; 조명 시스템; 가열, 배기 및 냉각 (HVAC) 시스템; 보안 시스템; 그리고 산업 자동화 시스템, 전기 시스템으로 구성된 그룹으로부터 선택되도록 하는 것을 포함한다.

추가 실시예에서, 상기 방법은, 상기 무선 통신이 블루투스, 블루투스 저에너지, ANT, ANT+, WiFi, 지그비, 스레드 및 Z- 이브로 이루어진 그룹으로부터 선택된 프로토콜을 이용하는 것을 포함한다.

추가 실시예에서, 상기 방법은 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 무선 통신이 850 MHz 내지 17.5 GHz를 포괄하는 범위의 캐리어 주파수를 갖는 것을 포함한다.

추가 실시예에서, 상기 방법은 상기 컴퓨터 서버가 상기 제3 세트의 신호 데이터가 인체의 존재를 나타내는지 여부를 결정하는 것이 신뢰도 메트릭(confidence metric)을 포함하도록 하는 것을 포함한다.

추가 실시예에서, 상기 방법은, 상기 제1 트랜시버 및 상기 제2 트랜시버가 상기 검출 영역 내의 상대적 위치를 자동으로 계산하도록 구성되는 것을 포함한다.

다른 실시예에서, 상기 방법은 영역에 존재하는 인체의 수를 추정하기 위한 방법을 포함하고, 상기 방법은, 검출 영역 내의 제1 위치에 배치된 제1 트랜시버를 제공하는 단계; 상기 검출 영역 내의 제2 위치에 배치된 제2 트랜시버를 제공하는 단계; 상기 제1 트랜시버에 통신 가능하게 결합된 컴퓨터 서버; 상기 제1 트랜시버는 인체가 상기 검출 영역 내에 존재하지 않을 때 상기 제2 트랜시버로부터 제1 세트의 무선 신호를 수신하는 단계; 상기 컴퓨터 서버는 상기 제1 트랜시버로부터 제1 세트의 신호 데이터를 수신하고, 상기 제1 세트의 신호 데이터는 상기 제1 세트의 무선 신호의 특성에 관한 데이터를 포함하고; 상기 컴퓨터 서버는 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 무선 통신을 위한 베이스라인 신호 프로파일을 생성하고, 상기 베이스라인 신호 프로파일은 인체가 상기 검출 영역에 존재하지 않을 때 상기 제1 세트의 신호 데이터에서 상기 제1 세트의 무선 신호의 특성에 적어도 부분적으로 기초하고; 상기 제1 트랜시버는 제1 복수의 인체가 상기 검출 영역에 존재할 때 상기 제2 트랜시버로부터 제2 세트의 무선 신호를 수신하고, 상기 제1 복수의 인체는 총 질량을 갖고; 상기 컴퓨터 서버는 상기 제1 트랜시버로부터 제2 세트의 신호 데이터를 수신하고, 상기 제2 세트의 신호 데이터는 상기 제2 세트의 무선 신호의 특성에 관한 데이터를 포함하고; 상기 컴퓨터 서버는 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 무선 통신을 위한 제2 베이스라인 신호 프로파일을 생성하며, 상기 제2베이스라인 신호 프로파일은 상기 제1 복수의 인체는 상기 검출 영역에 존재할 때 상기 제2 세트의 신호 데이터내 상기 제2 세트의 무선 신호의 특성에 적어도 부분적으로 기초하고; 상기 제1 트랜시버는 제2 복수의 인체가 상기 검출 영역 내에 존재할 때 상기 제2 트랜시버로부터 제3 세트의 무선 신호를 수신하고; 상기 컴퓨터 서버는 상기 제1 트랜시버로부터 제3 세트의 신호 데이터를 수신하고, 상기 제3 세트의 신호 데이터는 상기 제3 세트의 무선 신호의 특성에 관한 데이터를 포함하고; 상기 컴퓨터 서버는 상기 제2 복수의 인체의 총 질량을 추정하고, 상기 추정은 상기 제3 무선 세트의 신호 데이터에서의 상기 제3 세트의 무선 신호의 특성을 상기 제1 베이스라인 신호 프로파일 및 상기 제2 베이스라인 신호 프로파일과 비교하는 것에 적어도 부분적으로 기초하고; 상기 컴퓨터 서버는 상기 복수의 인체의 상기 추정된 총 질량을 인체 당 평균 질량으로 나누는 것에 적어도 부분적으로 기초하여 상기 복수의 인체에서의 전체 인체 수를 추정한다.

추가 실시예에서, 상기 방법은, 상기 컴퓨터 서버가 상기 제2 복수의 인체의 총 질량을 추정하는 것은 상기 제3 무선 세트의 신호 데이터에서의 상기 제3 세트의 무선 신호의 특성과 상기 제2 세트의 무선 신호 데이터에서 상기 제2 세트의 무선 신호의 특성의 비교에 적어도 부분적으로 기초하는 것을 포함한다.

추가 실시예에서, 상기 방법은 상기 제1 세트의 무선 신호, 상기 제2 세트의 무선 신호, 및 상기 제3 세트의 무선 신호의 특성은 상기 제1 트랜시버에 의해 결정된 무선 네트워크 신호 프로토콜 특성을 포함한다.

추가 실시예에서, 상기 방법은, 상기 무선 네트워크 신호 프로토콜 특성 각각은 수신된 신호 강도, 레이턴시 및 비트 에러율로 구성되는 그룹으로부터 선택되는 것을 포함한다.

추가 실시예에서, 상기 방법은, 상기 컴퓨터 서버가 추정하는 것을 상기 제2 복수의 인체에서 인체의 총 질량을 보간하는 것을 포함한다.

추가 실시예에서, 상기 방법은, 상기 보간하는 단계는 상기 베이스라인 신호 프로파일에 대해 가정된 질량 0와 상기 제2 베이스라인 신호 프로파일에 대해 상기 제1 복수의 인체의 총 질량을 사용한다.

추가 실시예에서, 상기 방법은 상기 총 질량이 이산 사용자 공급량(user-supplied quantity) 인 것을 포함한다.

추가 실시예에서, 상기 방법은 인체 당 상기 평균 질량이 이산 사용자 공급량 인 것을 포함한다.

추가 실시예에서, 상기 방법은, 상기 컴퓨터 서버가 인체가 일정 기간 동안 검출 영역에 존재했는지를 나타내는 복수의 이력 데이터 기록을 저장하고, 상기 이력 데이터 기록 각각은 상기 검출 영역에서 검출된 인체의 수 및 상기 인체의 수의 각각이 상기 검출 영역에서 검출된 날짜 및 시간의 표시를 포함하고; 및 상기 컴퓨터 서버는 상기 복수의 이력 데이터 기록 중 적어도 일부를 인터페이스를 통해 하나 이상의 외부 컴퓨터 시스템에 이용 가능하게 하는 것을 포함한다.

추가 실시예에서, 상기 방법은, 상기 컴퓨터 서버가 상기 제2 복수의 인체의 총 질량을 추정하는 것은 이하를 포함하는 기계 학습에 기초하여 조정된다 : 상기 검출 영역에 기점 엘리먼트(fiducial element)를 갖는 복수의 인체의 제1 샘플 총 질량을 결정하는 단계로서, 상기 제1 샘플 질량은 상기 기점 엘리먼트의 검출에 기초하여 결정되는, 상기 제1 샘플 총 질량을 결정하는 단계; 상기 검출 영역에서 상기 복수의 인체의 제2 샘플 총 질량을 결정하는 단계로서, 상기 제2 샘플 질량은 수신된 제2 세트의 신호 데이터와 상기베이스라인 신호 프로파일의 비교에 적어도 부분적으로 기초하여 결정되는, 상기 제2 샘플 총 질량을 결정하는 단계; 상기 제1 샘플 질량과 상기 제2 샘플 질량을 비교하는 단계; 및 상기 비교에 기초하여 상기 제2 복수의 인체의 총 질량의 추정치를 조정하는 단계.

추가 실시예에서, 상기 방법은, 상기 컴퓨터 서버가 제2 복수의 인체의 총 질량을 추정하는 것은 이하를 포함하는 기계 학습에 기초하여 조정된다 : 상기 검출 영역에서의 추론에 기초하여 복수의 인체의 제1 샘플 총 질량을 결정하는 단계; 상기 검출 영역에서 복수의 인체의 제2 샘플 총 질량을 결정하는 단계로서, 상기 제2 샘플 질량은 수신된 제2 세트의 신호 데이터와 상기베이스라인 신호 프로파일의 비교에 적어도 부분적으로 기초하여 결정되는, 상기 제2 샘플 총 질량을 결정하는 단계; 상기 제1 샘플 질량과 상기 제2 샘플 질량을 비교하는 단계; 및 상기 비교에 기초하여 상기 제2 샘플 질량의 결정을 조정하는 단계를 포함한다.

추가 실시예에서, 상기 방법은, 상기 검출 영역에서의 추론에 기초하여 인체의 제1 샘플 위치를 결정하는 단계는 상기 컴퓨터 서버가 상기 검출 영역에서 네트워크 엘리먼트의 검출된 동작으로부터 인체가 상기 네트워크 엘리먼트 근처의 검출 영역 내에 존재한다는 것을 추론하는 것을 포함한다.

추가 실시예에서, 상기 방법은 상기 네트워크 컴포넌트가 전기 시스템, 조명 시스템, 가열, 환기 및 냉각 (HVAC) 시스템, 보안 시스템 또는 산업 자동화 시스템의 컴포넌트인 것을 포함한다.

추가 실시예에서, 상기 방법은 상기 복수의 인체에서 총 인체 수를 추정하는 것이 신뢰도 메트릭을 포함한다.

추가 실시예에서, 상기 방법은, 상기 제1 트랜시버 및 상기 제2 트랜시버가 상기 검출 영역 내의 상대적 위치를 자동으로 계산하도록 구성되는 것을 포함한다.

추가 실시예에서, 상기 방법은, 상기 무선 통신이 블루투스, 블루투스 저에너지, ANT, ANT+, WiFi, 지그비, 스레드 및 Z- 이브로 이루어진 그룹으로부터 선택된 프로토콜을 이용하는 것을 포함한다.

추가 실시예에서, 상기 방법은 상기 제2 트랜시버로부터 상기 제1 트랜시버로의 무선 통신이 850 MHz 내지 17.5 GHz를 포괄하는 범위의 캐리어 주파수를 갖는 것을 포함한다.

본 발명은 현재 바람직한 것으로 생각되는 것들을 포함하여, 특정 실시예에 대한 설명과 함께 개시되었지만, 상세한 설명은 설명을 위한 것이며, 본 개시의 범위를 제한하려는 것으로 이해되지 않아야 한다. 당업자에게 이해되는 바와 같이, 본 출원에 상세하게 설명된 것과 다른 실시예는 본 발명이 포함한다. 설명된 실시예의 수정 및 변형은 본 발명의 취지 및 범위를 벗어나지 않고 이루어질 수 있다.

Claims (15)

1. 공간에서의 인체 활동의 검출을 목표 시스템 동작과 상관시키기 위한 방법에 있어서,
   시스템 입력 및 인체 활동의 전체 트레이닝 데이터 세트가 상기 시스템에 제공되는 트레이닝 단계;
   모델 구축 단계; 및
   동작 단계
   를 포함하고,
   상기 인체 활동은,
   하나 이상의 인체의 위치에서의 변화,
   하나 이상의 인체의 존재,
   물리적 공간 내의 인체들의 수, 및/또는
   물리적 공간 내의 인체들의 위치
   중 하나 이상을 포함하고,
   상기 모델 구축 단계에서는,
   상기 시스템이, 상기 시스템 입력과 상기 인체 활동 사이의 최적 관계를 계산하고,
   상기 시스템이, 상기 최적 관계에 기초하여, 취할 동작을 예측하고,
   상기 동작 단계에서는,
   상기 시스템이, 상기 예측된 동작을 수행하는,
   방법.
   
2. 제1항에 있어서,
   상기 트레이닝 단계와 상기 모델 구축 단계는,
   상기 동작 단계 이전에 반복되는,
   방법.
   
3. 제1항에 있어서,
   상기 시스템 입력은,
   시간, 달력 날짜, 요일, 현재 날씨 또는 예측된 날씨 중 적어도 하나를 포함하는,
   방법.
   
4. 제3항에 있어서,
   상기 시스템 입력은,
   이전 시스템 입력에 대한 새로운 시스템 입력의 비교를 포함하는,
   방법.
   
5. 제1항에 있어서,
   상기 시스템 입력은,
   센서로부터의 출력을 포함하는,
   방법.
   
6. 제5항에 있어서,
   상기 센서는,
   광 센서, 온도 센서, 이산화탄소 센서 또는 위치 비컨으로 구성된 그룹으로부터 선택되는,
   방법.
   
7. 공간 내의 사람의 수를 추정하는 방법에 있어서,
   상기 공간 내에 복수의 존재 센싱 네트워크들을 제공하는 단계 - 상기 존재 센싱 네트워크들의 각각은, 해당 네트워크에 특정한 상기 공간 내의 검출 영역(detection area)에 대해 적어도 하나의 데이터 엘리먼트를 제공할 수 있음 -, 및
   상기 공간 내의 사람의 전체 추정치를 제공하기 위해, 모든 상기 존재 센싱 네트워크로부터 상기 데이터 엘리먼트 전부를 집계하는 단계
   를 포함하고,
   상기 데이터 엘리먼트의 각각은,
   상기 특정 검출 영역에서 적어도 한 사람의 존재를 검출하는 것,
   상기 검출 영역에서 사람의 수를 결정하는 것, 및
   특정 시간 내에 상기 특정 검출 영역 내의 사람의 평균 수와 상관된 메트릭을 계산하는 것
   으로 구성된 그룹으로부터 선택되는,
   방법.
   
8. 제7항에 있어서,
   상기 집계의 결과는,
   주기적으로 기록되고 타임 스탬프되는,
   방법.
   
9. 제7항에 있어서,
   상기 집계 결과는,
   요청 당사자에게 제공되는,
   방법.
   
10. 제9항에 있어서,
    상기 요청 당사자는,
    상기 공간에서 응급 상황에 대한 제1 응답자를 포함하는,
    방법.
    
11. 제9항에 있어서,
    상기 데이터 엘리먼트는,
    맵, 실세계 청각 또는 시각 신호, 디스플레이상의 오버레이, 또는 가상 현실 디스플레이에서의 방향 정보 중 하나 이상으로 제공되는,
    방법.
    
12. 제9항에 있어서,
    상기 결과는,
    상기 복수의 존재 센싱 네트워크로부터의 새로운 정보에 의해 주기적으로 업데이트되는,
    방법.
    
13. 제12항에 있어서,
    상기 결과는,
    상기 존재 센싱 네트워크 중 하나가 더 이상 데이터 엘리먼트를 송신하지 않을 때를 나타내는,
    방법.
    
14. 제9항에 있어서,
    상기 요청 당사자는,
    로봇을 포함하는,
    방법.
    
15. 제9항에 있어서,
    상기 결과는,
    상기 공간 내의 다른 센서들로부터 제공된 정보 및 상기 공간의 외부의 센서들로부터의 정보를 또한 포함하는,
    방법.

Images