KR20220021689A - System for artificial intelligence digital signage and operating method thereof - Google Patents

System for artificial intelligence digital signage and operating method thereof Download PDF

Info

Publication number
KR20220021689A
KR20220021689A KR1020200102570A KR20200102570A KR20220021689A KR 20220021689 A KR20220021689 A KR 20220021689A KR 1020200102570 A KR1020200102570 A KR 1020200102570A KR 20200102570 A KR20200102570 A KR 20200102570A KR 20220021689 A KR20220021689 A KR 20220021689A
Authority
KR
South Korea
Prior art keywords
digital signage
advertisement
artificial intelligence
time
interest
Prior art date
Application number
KR1020200102570A
Other languages
Korean (ko)
Other versions
KR102478149B1 (en
Inventor
이우영
정대수
양경옥
김용현
박진희
Original Assignee
(주) 씨이랩
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 (주) 씨이랩 filed Critical (주) 씨이랩
Priority to KR1020200102570A priority Critical patent/KR102478149B1/en
Publication of KR20220021689A publication Critical patent/KR20220021689A/en
Application granted granted Critical
Publication of KR102478149B1 publication Critical patent/KR102478149B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0272—Period of advertisement exposure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

An objective of the present invention is to provide a system for artificial intelligence digital signage that can increase advertising efficiency. According to various embodiments of the present invention, an operating method of the system for artificial intelligence digital signage comprises: a step of receiving video information from at least one digital signage; a step of generating analysis data by performing object recognition using a deep learning model on the video information; a step of identifying an interest level for each advertisement and a floating population by time using the analysis data; and a step of transmitting hourly advertisement exposure information to the at least one digital signage based on the identified level of interest for each advertisement and floating population by time. Various other embodiments are possible.

Description

인공지능 디지털 사이니지 시스템 및 이의 운용방법{SYSTEM FOR ARTIFICIAL INTELLIGENCE DIGITAL SIGNAGE AND OPERATING METHOD THEREOF}Artificial intelligence digital signage system and its operation method

본 개시는 인공지능 디지털 사이니지 시스템 및 이의 운용방법에 관한 것이다.The present disclosure relates to an artificial intelligence digital signage system and an operating method thereof.

여기에서 달리 언급하지 않으면 본 섹션에서 기술되는 내용은 본 출원에서의 청구범위의 선행 기술이 아니며, 본 섹션에 기재하였다는 이유로 선행 기술로 인정되어서는 안 된다.Unless otherwise stated herein, the subject matter described in this section is not prior art to the claims in this application, and should not be admitted as prior art on the grounds that it is recited in this section.

디지털 사이니지(Digital Signage)란 디지털 정보 디스플레이(digital information display, DID)를 이용한 옥외광고로, 관제센터에서 통신망을 통해 광고 내용을 제어할 수 있는 광고판을 말한다. 지하철 역사, 버스정류장, 아파트 엘리베이터, 은행 등 유동인구가 많은 곳에서 흔히 볼 수 있다. 현재는 단순히 동비디오 형태에 소리를 곁들인 광고를 시간대별로 번갈아 노출하는 형식이 대부분이며, 모션인식이나 NFC(근거리무선통신) 등을 이용해 사용자와 쌍방향으로 통신하는 등의 인터랙티브한 방식이 점차 개발되고 있는 추세이다. Digital signage is an outdoor advertisement using a digital information display (DID). It is commonly found in subway stations, bus stops, apartment elevators, banks, and other places with a lot of floating population. Currently, most of the formats are simply displaying advertisements with sound in the form of moving pictures alternately by time period, and interactive methods such as interactive communication with users using motion recognition or NFC (Near Field Communication) are gradually being developed. is the trend

현재 개발되고 사용되는 인터랙티브한 방식의 디지털 사이니지도, 디지털 사이니지에 관심을 가진 사용자만을 인식하고 상호작용하여 제공하는 방식으로 개발되어 왔다. 이러한 디지털 사이니지는 이미 광고에 적극적으로 관심을 가진 사람들에게는 좀 더 향상된 사용자 경험을 제공하고 높은 광고효과를 얻을 수 있지만, 광고에 관심이 없는 사람들에게 광고 자체에 관심도를 높이는 효과를 기대할 수 없다는 한계가 있다. An interactive digital signage map that is currently developed and used has been developed in a way that only users interested in digital signage are recognized and interactively provided. Although such digital signage can provide a more improved user experience and obtain high advertising effectiveness to those who are already actively interested in advertising, there is a limitation in that it cannot be expected to increase the interest in advertising itself to those who are not interested in advertising. there is

대한민국 등록특허 제10-1744940호(2017.06.01. 등록)Republic of Korea Patent Registration No. 10-1744940 (Registered on Jun. 1, 2017)

본 개시는 디지털 사이니지에 비디오분석 시스템을 도입하여 광고에 주목하는 개인의 특성, 및 시간별 유동인구를 분석한 분석결과를 이용하여 광고 효율성을 높일 수 있는 인공지능 디지털 사이니지 시스템을 제공하고자 한다.An object of the present disclosure is to provide an artificial intelligence digital signage system that can increase advertising efficiency by introducing a video analysis system to digital signage and using the analysis result of analyzing the characteristics of individuals paying attention to advertisements and the floating population by time.

본 개시의 다양한 실시예에 따른 인공지능 디지털 사이니지 시스템을 운영하는 방법은, 하나 이상의 디지털 사이니지로부터 비디오 정보를 수신하는 단계; 상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 단계; 상기 분석 데이터를 이용하여, 광고별 관심도 및 시간별 유동인구를 식별하는 단계; 및 식별된 상기 광고별 관심도 및 시간별 유동인구에 기초하여 상기 하나 이상의 디지털 사이니지에 시간별 광고 노출 정보를 전송하는 단계를 포함할 수 있다. 그 밖의 다양한 실시예가 가능하다. A method of operating an artificial intelligence digital signage system according to various embodiments of the present disclosure includes: receiving video information from one or more digital signage; generating analysis data by performing object recognition using a deep learning model on the video information; identifying an interest level for each advertisement and a floating population by time by using the analysis data; and transmitting hourly advertisement exposure information to the one or more digital signages based on the identified interest level for each advertisement and the floating population for each hour. Various other embodiments are possible.

일 실시예에 따르면, 상기 비디오 정보는, 날짜, 시간, 장소, 노출 광고 식별정보, 및 스트리밍 영상 데이터를 포함할 수 있다. According to an embodiment, the video information may include a date, time, place, exposure advertisement identification information, and streaming image data.

일 실시예에 따르는 인공지능 디지털 사이니지 시스템을 운영하는 방법은 상기 비디오 정보에 포함된, 상기 날짜, 시간, 장소, 노출 광고 식별정보를 메타데이터 데이터베이스에 저장하는 단계; 및 상기 비디오 정보에 포함된 영상 데이터를 영상 데이터베이스에 저장하는 단계를 더 포함할 수 있다. A method of operating an artificial intelligence digital signage system according to an embodiment includes: storing the date, time, place, and exposure advertisement identification information included in the video information in a metadata database; and storing the image data included in the video information in an image database.

일 실시예에 따르는 인공지능 디지털 사이니지 시스템을 운영하는 방법에 있어서, 상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 단계는, 상기 영상 데이터로부터 상기 딥러닝 모델을 이용하여 하나 이상의 사람을 인식하는 단계; 상기 하나 이상의 사람으로부터 상기 디지털 사이니지에 주목한 관심인을 구별하는 단계; 및 상기 관심인을 포함하는 상기 하나 이상의 사람 각각의 특성정보를 식별하는 단계를 포함할 수 있다. In the method of operating an artificial intelligence digital signage system according to an embodiment, the step of generating analysis data by performing object recognition using a deep learning model on the video information includes using the deep learning model from the image data. recognizing one or more people; distinguishing an interested person paying attention to the digital signage from the one or more persons; and identifying characteristic information of each of the one or more persons including the interested person.

일 실시예에 따르는 인공지능 디지털 사이니지 시스템을 운영하는 방법에 있어서, 상기 분석 데이터를 이용하여, 광고별 관심도 및 시간별 유동인구를 식별하는 단계는, 노출광고 별로 상기 관심인의 특성정보를 연관하여 상기 광고별 관심도를 식별하는 단계; 및 상기 하나 이상의 사람 각각의 특성정보를 이용하여 시간별 유동인구를 식별하는 단계를 포함할 수 있다. In the method of operating an artificial intelligence digital signage system according to an embodiment, the step of using the analysis data to identify the level of interest for each advertisement and the floating population by time includes correlating the characteristic information of the interested person for each advertisement exposed identifying the level of interest for each advertisement; and identifying the floating population by time using the characteristic information of each of the one or more people.

일 실시예에 따르는 인공지능 디지털 사이니지 시스템을 운영하는 방법에 있어서, 상기 식별된 상기 광고별 관심도 및 장소별 유동인구에 기초하여 상기 하나 이상의 디지털 사이니지에 적합한 광고를 송출하도록 광고영상 데이터를 전송하는 단계는, 상기 광고별 관심도 및 상기 시간별 유동인구를 연관하여, 시간별로 재생할 노출 광고 식별정보를 상기 하나 이상의 디지털 사이니지에 전송하는 단계를 포함할 수 있다. In the method of operating an artificial intelligence digital signage system according to an embodiment, the advertisement image data is transmitted to transmit an advertisement suitable for the one or more digital signage based on the identified interest level for each advertisement and floating population for each place. The performing may include transmitting, to the one or more digital signage, exposure advertisement identification information to be reproduced for each hour in association with the level of interest for each advertisement and the floating population for each hour.

이상의 간단한 요약 및 효과에 관한 설명은 단순히 예시적인 것으로서 본 개시에서 의도한 기술적 사항을 제한하기 위한 것이 아니다. 이하의 상세한 설명과 첨부된 도면을 참조함으로써, 전술한 예시적인 실시 예들과 기술적 특징들에 더하여, 추가적인 실시 예와 기술적 특징들이 이해될 수 있을 것이다.The above brief summary and description of effects are merely exemplary and are not intended to limit the technical matters intended in the present disclosure. In addition to the above-described exemplary embodiments and technical features, additional embodiments and technical features may be understood by referring to the following detailed description and accompanying drawings.

앞서 설명한 본 개시의 특징들과 기타 추가적인 특징들에 대해서는 첨부된 도면을 참조하여 이하에서 자세하게 설명한다. 이러한 도면들은 본 개시에 따르는 단지 몇 가지의 실시 예만을 도시한 것이며, 본 개시의 기술적 사상의 범위를 제한하는 것으로 간주되어서는 안 된다. 본 개시의 기술적 사상은 첨부된 도면을 사용하여 더 구체적이고 상세하게 기술될 것이다.
도 1은 본 개시의 일 실시예에 따른 인공지능 디지털 사이니지 시스템의 블록 구성도이다.
도 2는 본 개시의 디지털 사이니지가 설치되고 작동하는 환경을 도시한다.
도 3은 본 개시의 일 실시예에 따라 디지털 사이니지로부터 인공지능 서버에 전송되는 스트리밍 패킷 데이터의 구조를 도시한다.
도 4는 본 개시의 일 실시예에 따른 인공지능 디지털 사이니지 시스템의 운용 방법의 일 예를 도시한 흐름도이다.
도 5는 도 4에 도시된 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 동작의 구체적인 예를 도시한 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 인공지능 디지털 사이니지 시스템에서 영상 데이터로부터 딥러닝 모델을 이용하여 사람을 인식하는 과정을 시각화한 그림이다.
도 7은 본 개시의 일 실시예에 따른 디지털 사이니지 시스템에서 영상 데이터로부터 딥러닝 모델을 이용하여 시간별 유동인구를 식별한 결과를 시각화한 도면이다.
도 8은 본 개시의 일 실시예에 따른 디지털 사이니지 시스템에서 영상 데이터로부터 딥러닝 모델을 이용하여 광고별 관심도를 분석한 결과를 시각화한 도면이다.
도 9는 본 개시의 적어도 일부 실시예에 따른 인공지능 디지털 사이니지 시스템을 운용하기 위한 예시적인 컴퓨터 프로그램 제품을 도시한다.The features of the present disclosure described above and other additional features will be described in detail below with reference to the accompanying drawings. These drawings illustrate only some embodiments according to the present disclosure, and should not be construed as limiting the scope of the technical spirit of the present disclosure. The technical spirit of the present disclosure will be described more specifically and in detail using the accompanying drawings.
1 is a block diagram of an artificial intelligence digital signage system according to an embodiment of the present disclosure.
2 illustrates an environment in which the digital signage of the present disclosure is installed and operated.
3 illustrates a structure of streaming packet data transmitted from a digital signage to an artificial intelligence server according to an embodiment of the present disclosure.
4 is a flowchart illustrating an example of a method of operating an artificial intelligence digital signage system according to an embodiment of the present disclosure.
5 is a flowchart illustrating a specific example of an operation of generating analysis data by performing object recognition using a deep learning model on the video information shown in FIG. 4 .
6 is a diagram visualizing a process of recognizing a person using a deep learning model from image data in an artificial intelligence digital signage system according to an embodiment of the present disclosure.
7 is a diagram visualizing a result of identifying a floating population by time using a deep learning model from image data in a digital signage system according to an embodiment of the present disclosure.
8 is a diagram illustrating a visualization result of analyzing interest for each advertisement using a deep learning model from image data in a digital signage system according to an embodiment of the present disclosure.
9 illustrates an example computer program product for operating an artificial intelligence digital signage system in accordance with at least some embodiments of the present disclosure.

본 개시에서 사용되는 용어들은 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 다른 실시 예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 개시에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 개시에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 개시에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 개시에서 정의된 용어일지라도 본 개시의 실시 예들을 배제하도록 해석될 수 없다. Terms used in the present disclosure are used only to describe specific embodiments, and may not be intended to limit the scope of other embodiments. The singular expression may include the plural expression unless the context clearly dictates otherwise. Terms used herein, including technical or scientific terms, may have the same meanings as commonly understood by one of ordinary skill in the art described in the present disclosure. Among the terms used in the present disclosure, terms defined in a general dictionary may be interpreted with the same or similar meaning as the meaning in the context of the related art, and unless explicitly defined in the present disclosure, ideal or excessively formal meanings is not interpreted as In some cases, even terms defined in the present disclosure cannot be construed to exclude embodiments of the present disclosure.

앞서 설명한 본 개시의 특징들과 기타 추가적인 특징들에 대해서는 첨부된 도면을 참고하여 이하에서 자세하게 설명한다. 이러한 도면들은 본 개시에 따르는 단지 몇 가지의 실시 예들을 도시한 것이며, 본 개시의 기술적 사상의 범위를 제한하는 것으로 간주되어서는 안 된다. 본 개시의 기술적 사상은 첨부된 도면을 사용하여 더 구체적이고 상세하게 기술될 것이다. The features of the present disclosure described above and other additional features will be described in detail below with reference to the accompanying drawings. These drawings illustrate only a few embodiments according to the present disclosure, and should not be construed as limiting the scope of the technical spirit of the present disclosure. The technical spirit of the present disclosure will be described more specifically and in detail using the accompanying drawings.

도 1은 본 개시의 일 실시예에 따른 인공지능 디지털 사이니지 시스템의 블록 구성도이다. 도 1을 참조하면, 인공지능 디지털 사이니지 시스템(100)(이하 시스템(100)으로 지칭)은 하나 이상의 디지털 사이니지(110), 인공지능 서버(120)를 포함할 수 있다. 1 is a block diagram of an artificial intelligence digital signage system according to an embodiment of the present disclosure. Referring to FIG. 1 , the artificial intelligence digital signage system 100 (hereinafter referred to as the system 100 ) may include one or more digital signage 110 and an artificial intelligence server 120 .

일 실시예에 따르면, 디지털 사이니지(110)는 센서부(111), 디스플레이부(112), 영상 데이터 송출부(113), 기본 데이터 송출부(114) 및 수신부(115)를 포함할 수 있다. According to an embodiment, the digital signage 110 may include a sensor unit 111 , a display unit 112 , an image data transmission unit 113 , a basic data transmission unit 114 , and a reception unit 115 . .

센서부(111)는 디지털 사이니지(110)에 관심을 디지털 사이니지(110)가 노출하는 광고에 관심을 가지는 사람이나 디지털 사이니지(110) 앞을 지나는 유동인구를 촬상하는 기능을 수행하는 것으로서, 카메라 장치를 포함할 수 있다. 다시 말하면, 센서부(111)는 디지털 사이니지(110)의 앞의 임의의 감지영역에 대한 영상 데이터를 획득할 수 있다. 일 실시예에 따르면, 센서부(111)는 사람의 접근 여부를 확인할 수 있는 적외선 센서 등 다양한 센서를 포함할 수 있다. The sensor unit 111 serves to image a person who is interested in the digital signage 110 and an advertisement exposed by the digital signage 110 or a floating population passing in front of the digital signage 110 . , may include a camera device. In other words, the sensor unit 111 may acquire image data for an arbitrary detection area in front of the digital signage 110 . According to an embodiment, the sensor unit 111 may include various sensors such as an infrared sensor that can check whether a person approaches.

디스플레이부(112)는 광고를 표시하는 기능을 수행하는 것으로서, 비디오 매체를 재생할 수 있는 디스플레이를 포함할 수 있다. 도 2는 본 개시의 디지털 사이니지(110)가 설치되고 작동하는 환경을 도시한다. 도 2를 참조하면, 디지털 사이니지(110)는 그 전면에 광고 컨텐츠를 포함하는 비디오 또는 스틸 이미지를 출력할 수 있는 디스플레이부(112)를 포함할 수 있고, 출력되는 컨텐츠에 관심을 가지는 사람이나 디지털 사이니지(110)을 지나가는 사람을 감지하기 위한 카메라 장치와 같은 센서부(111)가 포함될 수 있다. 센서부(111)는 보다 넓은 감지 영역을 가지기 위하여 광각렌즈를 포함하는 카메라 장치를 가질 수 있다. 다시 말하면, 디지털 사이니지(110)는 디스플레이부(112)에 인접하여 설치된 센서부(111)를 통해 감지영역에 대한 영상 데이터를 획득할 수 있다. 다른 실시예에서, 센서부(111)는 디지털 사이니지(110)와 별도의 장치로 구성되어 배치될 수 있다. 또다른 실시예에서, 센서부(111)는 별도의 시스템에 포함된 카메라 장치(예를 들어, CCTV)로서, 감지 영역에 대한 영상 데이터는 외부의 센서로부터 획득될 수도 있다. 이 경우에, 인공지능 서버(120)는 영상 데이터는 외부의 센서로부터 수신하고, 기본 정보는 디지털 사이니지(110)로부터 별도로 획득할 수도 있다. The display unit 112 performs a function of displaying advertisements, and may include a display capable of reproducing video media. 2 shows an environment in which the digital signage 110 of the present disclosure is installed and operated. Referring to FIG. 2 , the digital signage 110 may include a display unit 112 capable of outputting a video or still image including advertisement content on its front surface, and may include a person interested in the output content or A sensor unit 111 such as a camera device for detecting a person passing by the digital signage 110 may be included. The sensor unit 111 may have a camera device including a wide-angle lens in order to have a wider sensing area. In other words, the digital signage 110 may acquire image data for the sensing area through the sensor unit 111 installed adjacent to the display unit 112 . In another embodiment, the sensor unit 111 may be configured and disposed as a device separate from the digital signage 110 . In another embodiment, the sensor unit 111 is a camera device (eg, CCTV) included in a separate system, and image data for the detection area may be acquired from an external sensor. In this case, the artificial intelligence server 120 may receive image data from an external sensor, and may separately acquire basic information from the digital signage 110 .

다시, 도 1을 참조하면, 영상 데이터 송출부(113)는 센서부(11)가 획득하는 영상 데이터를 인공지능 서버(120)에 전송할 수 있다. 기본 데이터 송출부(114)는 영상 데이터를 획득한 날짜, 시간, 및 영상 데이터를 획득할 때 노출되는 광고의 식별정보를 포함하는 기본 정보를 인공지능 서버(120)에 전송할 수 있다. 일 실시예에 따르면, 영상 데이터 및 기본 정보는 스트리밍 방식으로, 디지털 사이니지(110)으로부터 인공지능 서버(120)에 전송될 수 있다. Again, referring to FIG. 1 , the image data transmitter 113 may transmit image data acquired by the sensor unit 11 to the artificial intelligence server 120 . The basic data transmitter 114 may transmit basic information including the date and time of acquiring the image data, and identification information of an advertisement exposed when the image data is acquired, to the artificial intelligence server 120 . According to an embodiment, image data and basic information may be transmitted from the digital signage 110 to the artificial intelligence server 120 in a streaming manner.

도 3은 본 개시의 일 실시예에 따라 디지털 사이니지로부터 인공지능 서버에 전송되는 스트리밍 패킷 데이터의 구조를 도시한다. 본 개시에서 디지털 사이니지(110)는 기본 정보 및 영상 데이터를 패킷 데이터(300)의 형태로 인공지능 서버(120)에 전송할 수 있다. 도 3을 참조하면, 패킷 데이터(300)는 헤더부분에 기본 정보(310)를 저장할 수 있고 데이터 부분에 영상 데이터(320)를 저장할 수 있다. 기본 정보(310)는 날짜 정보, 시간 정보, 위치 정보, 및 노출되는 컨텐츠의 정보를 포함할 수 있다. 날짜 정보는 패킷 데이터(300)가 전송되는 날짜를 표시할 수 있다. 예를 들어, 날짜 정보는 2020년 7월 13일과 같은 날짜를 나타낼 수 있다. 시간 정보는 패킷 데이터(300)가 전송되는 시간을 표시할 수 있다. 예를 들어, 시간 정보는 12시 정각 3초를 나타낼 수 있다. 위치 정보는 디지털 사이니지가 설치된 위치를 나타낼 수 있다. 예를 들어 직접적으로 위치된 지명, 예를 들어 '을지로 3가 지하철역 3번출구'와 같이 위치를 나타낼 수 있거나, 'U-3'과 같이 특별한 규칙에 의해 위치를 알 수 있는 별도의 식별 기호를 나타낼 수도 있다. 노출되는 컨텐츠 정보는, 패킷 데이터(300)가 전송되는 날짜 및 시간에 디지털 사이니지에서 출력되는 컨텐츠가 무엇인지 나타낼 수 있다. 도 3에서는 예를 들어, '리니지'라는 모바일 게임의 광고 영상을 디지털 사이니지가 출력하고 있는 상황을 나타낸다. 3 illustrates a structure of streaming packet data transmitted from a digital signage to an artificial intelligence server according to an embodiment of the present disclosure. In the present disclosure, the digital signage 110 may transmit basic information and image data in the form of packet data 300 to the artificial intelligence server 120 . Referring to FIG. 3 , in the packet data 300 , basic information 310 may be stored in a header part and image data 320 may be stored in a data part. The basic information 310 may include date information, time information, location information, and information of exposed content. The date information may indicate a date on which the packet data 300 is transmitted. For example, the date information may indicate a date such as July 13, 2020. The time information may indicate a time at which the packet data 300 is transmitted. For example, the time information may represent 3 seconds at 12 o'clock. The location information may indicate a location where the digital signage is installed. For example, a directly located place name, for example, 'Euljiro 3-ga subway station exit 3', or a separate identification symbol that can be identified by a special rule, such as 'U-3'. may be The exposed content information may indicate what content is output from the digital signage at the date and time when the packet data 300 is transmitted. 3 shows, for example, a situation in which a digital signage is outputting an advertisement image of a mobile game called 'Lineage'.

영상 데이터(320)는 디지털 사이니지(110)의 센서부(111)가 획득하고 있는 감지 영역에 대한 영상 정보를 저장할 수 있다. 패킷 데이터(300)는 일정 주기(예를 들어, 60초 또는 120초)로 전송될 수 있으며, 영상 데이터(320)는 주기에 따르는 시간 동안의 영상 정보를 저장할 수 있다. The image data 320 may store image information on the detection area acquired by the sensor unit 111 of the digital signage 110 . The packet data 300 may be transmitted at a predetermined period (eg, 60 seconds or 120 seconds), and the image data 320 may store image information for a time according to the period.

다시 도 1을 참조하면, 디지털 사이니지(110)는 수신부(115)를 이용하여, 인공지능 서버(120)로부터 광고 영상 데이터 및 광고 노출 리스트와 같은 정보를 전송받을 수 있다. 디지털 사이니지(110)는 하나 이상의 광고를 디스플레이부(112)를 통해 노출할 수 있고, 노출하는 광고에 관한 광고 영상 데이터를 수신부(115)를 이용하여 수신할 수 있다. Referring back to FIG. 1 , the digital signage 110 may receive information such as advertisement image data and advertisement exposure list from the artificial intelligence server 120 using the receiving unit 115 . The digital signage 110 may expose one or more advertisements through the display unit 112 , and may receive advertisement image data related to the displayed advertisements using the receiving unit 115 .

일 실시예에 따르면, 인공지능 서버(120)는 네트워크 서버(121), GPU 서버(122), 웹 서버(123), 메타데이터 데이터베이스(124), 영상 데이터베이스(125), 및 분석 데이터베이스(126)를 포함할 수 있다. According to an embodiment, the artificial intelligence server 120 includes a network server 121 , a GPU server 122 , a web server 123 , a metadata database 124 , an image database 125 , and an analysis database 126 . may include

네트워크 서버(121)는 디지털 사이니지(110)로부터 비디오 정보를 수신할 수 있다. 네트워크 서버(121)는 수신된 비디오 정보에서 기본 정보는 메타데이터 데이터베이스(124)에 저장하고, 영상 데이터는 영상 데이터베이스(125)에 저장할 수 있다. 메타데이터 데이터베이스(124) 및 영상 데이터베이스(125)에 저장된 기본 정보 및 영상 데이터는 추후 사용자의 검색 요구에 따라 제공될 수 있다. The network server 121 may receive video information from the digital signage 110 . The network server 121 may store basic information in the received video information in the metadata database 124 , and store image data in the image database 125 . Basic information and image data stored in the metadata database 124 and the image database 125 may be provided later according to a user's search request.

네트워크 서버(121)는 디지털 사이니지(110)로부터 받은 비디오 정보를 GPU 서버(122)로 라우팅할 수 있다. GPU 서버(122)는 고성능 비디오 분석이 가능하도록 고사양의 GPU를 하나 이상 탑재한 서버일 수 있다. 일 실시예에서, GPU 서버(122)는 다 채널(복수의 사이니지)의 비디오의 분석이 가능하도록 복수 개의 GPU 서버들로 구성될 수 있다. 복수 개의 GPU 서버는 GPU 서버 클러스터로 분류될 수 있다. The network server 121 may route the video information received from the digital signage 110 to the GPU server 122 . The GPU server 122 may be a server equipped with one or more high-end GPUs to enable high-performance video analysis. In an embodiment, the GPU server 122 may be configured with a plurality of GPU servers to enable video analysis of multiple channels (a plurality of signage). The plurality of GPU servers may be classified as a GPU server cluster.

GPU 서버(122)는 특정 상황의 영상 데이터의 처리에 적합하도록 설계될 수 있다. 예를 들어, 지하 주차장에 설치된 디지털 사이니지로부터 촬영된 비디오와 같이 전체적으로 명도가 낮은 영상 데이터의 처리에 적합한 GPU 서버, 야외에 설치된 디지털 사이니지로부터 촬영된 비디오와 같이 전체적으로 명도가 높은 영상 데이터의 처리에 적합한 GPU 서버 등으로 구분될 수 있다. 또한, GPU 서버(122)는 각 채널의 타입, 종류와 같은 채널 특성에 따라 해당 영상 데이터의 처리에 적합하도록 설계될 수 있다. 예컨대, 디지털 사이니지에 포함된 센서의 성능에 따라, 고화질 영상 데이터의 처리에 적합한 GPU 서버, 저화질 영상 데이터의 처리에 적합한 GPU 서버 등으로 구분될 수 있다.7The GPU server 122 may be designed to be suitable for processing image data in a specific situation. For example, a GPU server suitable for processing image data with low brightness as a whole, such as a video shot from a digital signage installed in an underground parking lot, and processing of image data with a high overall brightness such as a video shot from a digital signage installed outdoors It can be divided into GPU servers suitable for Also, the GPU server 122 may be designed to be suitable for processing the corresponding image data according to channel characteristics such as the type and type of each channel. For example, according to the performance of a sensor included in digital signage, it may be divided into a GPU server suitable for processing high-quality image data, a GPU server suitable for processing low-quality image data, and the like.7

또한, GPU 서버(122)는 처리할 영상 데이터의 채널(디지털 사이니지)에 따라 해당 채널의 특성에 맞는 비디오인식 알고리즘을 적용하여 입력 비디오를 처리할 수 있다. 이러한 경우, GPU 서버는 각각의 채널의 속성에 관한 채널 메타 데이터베이스(미도시)로부터 해당 채널의 메타데이터를 불러올 수 있으며, 이 채널 메타데이터에 적합한 비디오인식 알고리즘을 적용하여 입력 비디오를 처리할 수 있다. 채널 메타데이터로는 디지털 사이니지 식별정보(ID), 센서부(카메라) IP, 인코딩 타입(예컨대, H.264, H.265 등), 센서부(카메라) (예컨대, CCTV, 드론 등), 화질(예컨대, HD, 4K 등), 비디오 디바이스 종류(예컨대, 고정, 유동 등), 공간 카테고리(예를 들어, 주차장, 시내 등), 센서부(카메라) 위치, 센서부(카메라) 높이, Tilt 각도, Pan 각도, 초당 디코딩 프레임수, 용도 등을 포함할 수 있으나, 이에 제한되지 않는다. 이러한 채널 메타데이터들의 집합인 채널 메타 데이터베이스는 메타데이터 데이터베이스(124) 또는 별도의 데이터베이스 형태로 저장되어, GPU 서버(122)에 의해 검색 및 이용될 수 있다. Also, the GPU server 122 may process the input video by applying a video recognition algorithm suitable for the characteristics of the corresponding channel according to the channel (digital signage) of the image data to be processed. In this case, the GPU server may retrieve the metadata of the corresponding channel from the channel metadata database (not shown) regarding the properties of each channel, and process the input video by applying a video recognition algorithm suitable for the channel metadata. . As channel metadata, digital signage identification information (ID), sensor unit (camera) IP, encoding type (eg, H.264, H.265, etc.), sensor unit (camera) (eg, CCTV, drone, etc.), Image quality (eg, HD, 4K, etc.), video device type (eg, fixed, floating, etc.), spatial category (eg, parking lot, city, etc.), sensor unit (camera) location, sensor unit (camera) height, tilt It may include, but is not limited to, an angle, a pan angle, the number of decoding frames per second, a purpose, and the like. The channel meta database, which is a set of channel metadata, may be stored in the form of the metadata database 124 or a separate database, and may be searched for and used by the GPU server 122 .

GPU 서버(122)의 각각의 GPU 서버는 네트워크 서버(121)로부터 전달받은 특정 디지털 사이니지의 영상 데이터를 분석하여 해당 영상 데이터의 분석 결과를 분석 데이터베이스(126)에 저장할 수 있다. GPU 서버(122)는 영상 데이터를 분석하여 사람을 인식하고 인식된 사람의 개인 특성, 및 광고(컨텐츠)에 관심을 가진 사람을 인식할 수 있다. GPU 서버(122)는 인식된 사람, 개인 특성 및 관심을 가진 사람을 이용하여 광고별 관심도 및 시간별 유동인구에 대한 분석결과를 생성할 수 있다. 이에 대해서는 구체적으로 후술하기로 한다. 또한, 본 개시에서 광고에 관심을 가진 사람을 '관심인'이라고도 지칭할 수 있다. Each GPU server of the GPU server 122 may analyze the image data of a specific digital signage received from the network server 121 and store the analysis result of the image data in the analysis database 126 . The GPU server 122 may recognize a person by analyzing the image data, recognize a person's personal characteristics, and recognize a person interested in advertisement (content). The GPU server 122 may generate an analysis result for the interest level for each advertisement and the floating population for each hour by using the recognized person, personal characteristics, and person with interest. This will be described in detail later. In addition, in the present disclosure, a person interested in advertisements may also be referred to as an 'interested person'.

한편, GPU 서버(122)에서 인식 및 분석 처리된 각 채널의 영상 데이터는 웹 서버(123)에 제공될 수 있다. 웹 서버(123)는 비디오 컨버터(미도시)를 포함할 수 있으며, 비디오 컨버터에서는 인식 및 분석 처리된 입력 비디오들을 비디오 출력/제어 장치(130)에 전송하여 디스플레이하기에 적합한 소정의 포맷으로 변환하는 작업을 수행할 수 있다. 여기서, 소정의 포맷은 비디오 출력/제어 장치(130)의 사용자에 의해 미리 설정된 것일 수 있다. 웹 서버(123)는 비디오 컨버터에 의해 소정의 포맷으로 변환된 입력 비디오를 비디오 출력/제어 장치(160)로 제공할 수 있다. 또한 웹 서버(123)는 분석 데이터베이스(126)에 원하는 분석 결과 및 데이터를 검색을 요청할 수 있고, 분석 데이터베이스(126)로부터 저장된 분석 결과를 제공받을 수 있다. 웹 서버(123)는 분석 데이터베이스(126)로부터 제공받은 분석 결과를 통해 특정 분석 값이 나타난 시간대 영상을 영상 데이터베이스(125)로부터 제공받을 수 있다. Meanwhile, image data of each channel recognized and analyzed by the GPU server 122 may be provided to the web server 123 . The web server 123 may include a video converter (not shown), and the video converter converts recognized and analyzed input videos into a predetermined format suitable for display by transmitting the input videos to the video output/control device 130 . work can be done. Here, the predetermined format may be preset by the user of the video output/control device 130 . The web server 123 may provide the input video converted into a predetermined format by the video converter to the video output/control device 160 . In addition, the web server 123 may request the analysis database 126 to search for desired analysis results and data, and may receive stored analysis results from the analysis database 126 . The web server 123 may receive from the image database 125 an image of a time period in which a specific analysis value appears through the analysis result provided from the analysis database 126 .

도 4는 본 개시의 일 실시예에 따른 인공지능 디지털 사이니지 시스템의 운용 방법의 일 예를 도시한 흐름도이다.4 is a flowchart illustrating an example of a method of operating an artificial intelligence digital signage system according to an embodiment of the present disclosure.

도 4에 도시된 프로세스(400)는 블록(410, 420, 430, 440)에 의해 예시된 바와 같은 하나 이상의 동작, 기능 또는 작용을 포함할 수 있다. 한편, 도 4에 예시된 개략적인 동작들은 예시로서만 제공되고, 개시된 실시예의 본질에서 벗어나지 않으면서, 동작들 중 일부가 선택적일 수 있거나, 더 적은 동작으로 조합될 수 있거나, 추가적인 동작으로 확장될 수 있다. 또한, 도 4의 프로세스(400)의 각각의 블록들은, 앞서 도 1 내지 도 3과 이와 관련하여 설명한 내용들과 연관되어 동일 또는 유사한 기능 또는 작용을 할 수 있으나, 이에 제한되는 것은 아니다. The process 400 illustrated in FIG. 4 may include one or more operations, functions, or acts as illustrated by blocks 410 , 420 , 430 , 440 . On the other hand, the schematic operations illustrated in FIG. 4 are provided only as examples, and without departing from the essence of the disclosed embodiment, some of the operations may be optional, may be combined into fewer operations, or may be extended to additional operations. can In addition, each block of the process 400 of FIG. 4 may perform the same or similar function or action in connection with FIGS. 1 to 3 and related contents, but is not limited thereto.

도 4를 참조하면, 프로세스(400)는 디지털 사이니지로부터 비디오 정보를 수신하는 블록(410)에서 시작할 수 있다. 블록(410)에서, 인공지능 서버(120)(또는, 네트워크 서버(121))는 디지털 사이니지(110)으로부터 비디오 정보를 수신할 수 있다. Referring to FIG. 4 , process 400 may begin at block 410 of receiving video information from a digital signage. At block 410 , the artificial intelligence server 120 (or the network server 121 ) may receive video information from the digital signage 110 .

비디오 정보는 기본 정보 및 영상 데이터를 포함할 수 있다. 비디오 정보는 디지털 사이니지(110)에 포함된 카메라 장치(예를 들어, 센서부(111))가 감지 영역을 촬상하여 영상 데이터를 생성할 때의 디지털 사이니지의 식별 정보, 날짜, 시간, 및 영상 데이터를 획득할 때 노출된 광고의 식별정보를 포함하는 기본 정보와, 카메라 장치가 획득한 영상 데이터를 포함할 수 있다. 비디오 정보는 패킷 데이터의 형식을 가질 수 있다. 일 실시예에서, 기본 정보는 디지털 사이니지(110)의 기본 데이터 송출부(114)에 의해 생성될 수 있고, 영상 데이터는 영상 데이터 송출부(113)에 의해 생성될 수 있다. The video information may include basic information and image data. The video information includes identification information of the digital signage when the camera device (eg, the sensor unit 111 ) included in the digital signage 110 generates image data by capturing the detection area, date, time, and It may include basic information including identification information of an advertisement exposed when the image data is acquired, and image data acquired by the camera device. The video information may have the form of packet data. In an embodiment, the basic information may be generated by the basic data transmission unit 114 of the digital signage 110 , and the image data may be generated by the image data transmission unit 113 .

인공지능 서버(120)는 실시간으로 또는 일정 주기에 따라 디지털 사이니지(110)로부터 비디오 정보를 수신할 수 있다. 인공지능 서버(120)는 복수의 디지털 사이니지(110)로부터 비디오 정보를 수신할 수 있다. 인공지능 서버(120)는 수신한 비디오 정보에 포함된 기본 정보는 메타데이터 데이터베이스(124)에 저장하고, 영상 데이터는 영상 데이터베이스(125)에 저장할 수 있다. 또한, 인공지능 서버(120)는 비디오 정보를 인공지능을 통한 분석을 위해 GPU 서버(122)로 전송할 수 있다. The artificial intelligence server 120 may receive video information from the digital signage 110 in real time or according to a predetermined period. The artificial intelligence server 120 may receive video information from a plurality of digital signages 110 . The artificial intelligence server 120 may store basic information included in the received video information in the metadata database 124 , and store the image data in the image database 125 . In addition, the artificial intelligence server 120 may transmit the video information to the GPU server 122 for analysis through artificial intelligence.

다음으로, 프로세스(400)는 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 블록(420)으로 이어질 수 있다. Next, process 400 may lead to block 420 of generating analysis data by performing object recognition using a deep learning model on video information.

인공지능 서버(120)(또는 GPU 서버(122))는 전달받은 비디오 정보에 대한 분석을 실시할 수 있다. 분석의 목적은 디지털 사이니지 앞을 지나는 사람들의 수 및 특징파악, 즉 유동인구 분석 및 디지털 사이니지가 노출하는 광고에 대한 사람들의 관심도를 측정하는데 있다. 이를 위해 일 실시예에서, GPU 서버(122)는 비디오 정보에 대하여 사람을 인식하는 딥러닝 모델을 이용하여 사람의 특성 정보를 식별할 수 있다. 특성 정보인 성별, 인종, 국적 등을 포함할 수 있다. 예를 들어, GPU 서버(122)는 사람의 얼굴을 인식하여 사람의 수를 식별할 수 있다. GPU 서버(122)는 사람의 얼굴을 인식하여 개개인별 성별, 인종, 국적 등을 식별할 수 있다. The artificial intelligence server 120 (or the GPU server 122 ) may analyze the received video information. The purpose of the analysis is to determine the number and characteristics of people passing in front of the digital signage, that is, to analyze the floating population and measure people's interest in the advertisements exposed by the digital signage. To this end, in an embodiment, the GPU server 122 may identify characteristic information of a person using a deep learning model that recognizes a person with respect to video information. Characteristic information such as gender, race, nationality, etc. may be included. For example, the GPU server 122 may identify the number of people by recognizing human faces. The GPU server 122 may recognize a person's face to identify each individual's gender, race, nationality, and the like.

그 밖의 개인의 특성 정보를 파악하기 위한 다양한 딥러닝 모델이 이용될 수 있다. 예를 들어, GPU 서버(122)는 비디오 정보에 대하여 딥러닝 모델을 이용하여 객체를 식별할 수 있다. 예를 들어 GPU 서버(122)는 복장, 반려동물, 구두, 운동화, 안경, 가방을 인식하여 개인별 특성 정보를 획득할 수 있다. In addition, various deep learning models may be used to identify individual characteristic information. For example, the GPU server 122 may identify an object using a deep learning model with respect to video information. For example, the GPU server 122 may acquire individual characteristic information by recognizing clothes, companion animals, shoes, sneakers, glasses, and bags.

또한 GPU 서버(122)는 비디오 정보에 대하여 딥러닝 모델을 이용하여 관심도를 식별할 수 있다. 관심도는 상, 중, 하, 및 관심 없음을 포함할 수 있다. 예를 들어, GPU 서버(122)는 인식된 개인의 눈을 인지하여, 개인이 디지털 사이니지가 노출하고 있는 광고에 대한 관심을 가지는지 여부를 식별할 수 있다. 개인의 눈이 디지털 사이니지를 바라보고 있는 시간의 장단에 따라 관심도가 결정될 수 있다. 예를 들어, 비디오 정보로부터 식별된 개인이 디지털 사이니지를 한번도 쳐다보지 않은 것으로 식별되면 해당 개인은 광고에 관심이 없는 것으로 결정되고, 개인이 근접거리가 아니더라도 디지털 사이니지를 일정 시간 이상 주의깊게 살펴보는 것으로 확인되면 관심도가 높은 것으로 결정될 수 있다. 또는, 임의의 개인이 디지털 사이니지를 오랜 시간 살펴보되 확인되는 표정이 부정적인 경우에는 노출되는 광고에 대한 관심도가 낮은 것으로 결정될 수 있다. In addition, the GPU server 122 may identify the degree of interest using a deep learning model with respect to the video information. Interest levels may include high, medium, low, and no interest. For example, the GPU server 122 may recognize the recognized individual's eyes and identify whether the individual has interest in the advertisement exposed by the digital signage. The degree of interest may be determined according to the length of time an individual's eyes are looking at the digital signage. For example, if an individual identified from video information is identified as never looking at a digital signage, that individual is determined not to be interested in advertising, and the individual looks at the digital signage carefully for at least a certain period of time even if the individual is not in close proximity. If it is confirmed by seeing, it may be determined that the degree of interest is high. Alternatively, when a certain individual looks at the digital signage for a long time and the confirmed expression is negative, it may be determined that the interest in the exposed advertisement is low.

다음으로, 프로세스(400)는 분석 데이터를 이용하여 광고별 관심도 및 시간별 유동인구를 식별하는 블록(430)으로 이어질 수 있다. Next, process 400 may continue to block 430 where the analysis data is used to identify interest per advertisement and floating population over time.

GPU 서버(122)는 블록(420)에서 생성되는 분석 데이터를 이용하여, 디지털 사이니지의 감지 영역을 지나가는 개인들의 수 및 디지털 사이니지가 노출하는 광고에 대한 관심도를 임의의 시간 주기를 기준으로 정렬되는 분석 결과를 식별할 수 있다. The GPU server 122 uses the analysis data generated in block 420 to sort the number of individuals passing the sensing area of the digital signage and the degree of interest in advertisements exposed by the digital signage based on an arbitrary time period. analysis results can be identified.

일 실시예에서, GPU 서버(122)는 블록(420)에서 생성한 분석 데이터에 기초하여, 디지털 사이니지에서 노출된 광고 별로 관심도가 높았던 개인들의 특징을 파악한 광고별 관심도를 식별할 수 있다. In an embodiment, the GPU server 122 may identify the degree of interest for each advertisement, based on the analysis data generated in the block 420 , by identifying the characteristics of individuals who had a high level of interest for each advertisement exposed in the digital signage.

다른 예를 들어, 노출된 광고가 ‘면도기’ 광고인 경우에는 20대에서 40대의 남성에서 관심도가 높았을 수 있다. 다른 예를 들어, 노출된 광고가 ‘공무원 입시학원’인 경우에는 20대 및 30대 남녀 중에서 복장이 정장이나 비즈니스 캐쥬얼이 아닌 개인들로부터 관심도가 높았을 수 있다. 본 개시의 인공지능 디지털 사이니지 시스템(100)에서는 광고별 관심도를 식별함으로써, 효율적 광고를 위한 고객을 타겟팅하는데 도움을 얻을 수 있다. 또는, 실제로 광고에 관심을 가지는 개인들을 식별함으로써, 목적하는 고객들에게 타겟팅됐는지 확인할 수 있다. 실제 광고가 매출 상승에 직접적인 영향을 주었는지 확인하기 어려운 상황에서 본 개시에 따르는 디지털 사이니지 시스템(100)은 광고의 타겟팅이 유효했는지 등의 광고 효과를 직접적으로 확인할 수 있는 특유의 효과가 있다. For another example, if the exposed advertisement is a 'razor' advertisement, the interest may have been high among men in their 20s and 40s. For another example, if the exposed advertisement was 'Public Civil Service Admissions Academy', it may have been of high interest from men and women in their 20s and 30s who were not dressed in formal or business casual clothes. In the artificial intelligence digital signage system 100 of the present disclosure, by identifying the degree of interest for each advertisement, it is possible to obtain help in targeting customers for efficient advertisement. Alternatively, by identifying individuals who are actually interested in the advertisement, it is possible to confirm whether the advertisement is targeted to a target audience. In a situation in which it is difficult to ascertain whether the actual advertisement has a direct effect on the increase in sales, the digital signage system 100 according to the present disclosure has a unique effect of directly checking the advertisement effect, such as whether the targeting of the advertisement is effective.

일 실시예에서, GPU 서버(122)는 블록(420)에서 생성한 분석 데이터에 기초하여, 시간별 유동인구 분석을 식별할 수 있다. 예를 들어, 디지털 사이니지가 놀이동산과 같은 관광지에 위치한 경우에는, 평일보다는 주말에 유동인구가 많을 수 있고, 남녀노소 가족 단위의 개인들이 디지털 사이니지 앞을 지나간 것으로 식별할 수 있다. 다른 예를 들어, 디지털 사이니지가 도심의 지하철 역에 설치된 경우에는, 출퇴근 시간에 특히 많은 유동인구가 식별되며, 30대 내지 50대의 직장인이 많이 지나간 것으로 식별될 수 있다. 여기에서 본 개시의 인공지능 디지털 사이니지 시스템(100)은 실제로 디지털 사이니지 시스템(100)을 지나가는 사람들 중에서 디지털 사이니지(110)에 관심을 보이는 사람뿐만 아니라 관심을 보이지 않는 사람들까지 모두 분석함으로써 보다 정확하게 유동인구를 분석할 수 있는 효과를 가진다. 예를 들어, 디지털 사이니지가 도심에 위치하고 있다고 하더라도, 바로 근처에 입시학원이 위치하고 있는 경우에는 30대 내지 50대의 직장인보다는 10대 내지 20대의 학생들이 더 많이 유동하는 것으로 식별할 수 있다. 이와 같이 본 개시의 디지털 사이니지 시스템(100)은 실시간으로 유동 인구를 분석함으로써 예상외의 환경 또는 변화하는 환경에서도 적응적으로 유동인구 파악이 가능하다. In one embodiment, the GPU server 122 may identify an hourly floating population analysis based on the analysis data generated in block 420 . For example, when digital signage is located in a tourist destination such as an amusement park, there may be more floating population on weekends than on weekdays, and individuals of all ages and genders may be identified as passing in front of the digital signage. For another example, when digital signage is installed in a subway station in the city center, a large floating population is particularly identified during commuting time, and a large number of office workers in their 30s and 50s may be identified as passing by. Here, the artificial intelligence digital signage system 100 of the present disclosure actually analyzes all those who show interest in the digital signage 110 as well as those who do not show interest in the digital signage system 100 among people passing by. It has the effect of accurately analyzing the floating population. For example, even if the digital signage is located in the city center, it can be identified that students in their teens to 20s move more than office workers in their 30s or 50s when an entrance exam academy is located in the immediate vicinity. As such, the digital signage system 100 of the present disclosure can adaptively identify the floating population even in an unexpected or changing environment by analyzing the floating population in real time.

뿐만 아니라, 광고별 관심도 및 시간별 유동인구 분석은, 하나의 디지털 사이니지에서 이뤄지는 것이 아니라, 인공지능 디지털 사이니지 시스템(100)에 포함된 복수의 디지털 사이니지에서 이뤄지는 것임으로, 광고별 관심도를 높은 수준의 정확도 및 신뢰도로 식별할 수 있다. In addition, the analysis of the interest level by advertisement and the floating population by time is not performed in one digital signage, but is performed in a plurality of digital signages included in the artificial intelligence digital signage system 100, so that the interest per advertisement is high. It can be identified with a level of accuracy and reliability.

다음으로, 프로세스(400)는 광고별 관심도 및 시간별 유동인구에 기초하여 디지털 사이니지에 시간별 광고 노출 정보를 전송하는 블록(440)으로 이어질 수 있다. Next, the process 400 may continue to block 440 of transmitting hourly advertisement exposure information to the digital signage based on the advertisement interest and hourly floating population.

블록(430)에서 디지털 사이니지마다 시간별 유동인구 및 광고별 관심도가 식별되었기 때문에 연관된, 광고별 관심도 및 시간별 유동인구에 기초하여 디지털 사이니지 별로 광고 노출 정보를 생성할 수 있고, 생성된 광고 노출 정보를 디지털 사이니지에 전송할 수 있다. 디지털 사이니지는 전송받은 광고 노출 정보에 따라 시간별로 다른 광고를 노출할 수 있다. In block 430, since the floating population by time and the interest by advertisement are identified for each digital signage, advertisement exposure information can be generated for each digital signage based on the related, related, interest by advertisement and floating population by time, and the generated advertisement exposure information can be transmitted to digital signage. The digital signage may expose different advertisements at different times according to the received advertisement exposure information.

예를 들어, 일 디지털 사이니지에 대한 시간별 유동인구 분석에 따르면, 출퇴근 시간대에서는 직장인들이 많이 유동하고, 그 외의 시간에서는 (외국인) 관광객이 많이 유동하는 것으로 파악되는 경우에는 출퇴근 시간대에는 직장인들을 타겟하는 ‘외국어 학원’ 광고가 노출되고, 그 외의 시간대에는 관광객들을 타겟하는 ‘면세점’ 광고가 노출되도록 구성된 광고 노출 정보가 전송될 수 있다. 본 예에서는 개개인의 직업(직장인 vs. 관광객)을 기준으로 광고 노출 정보가 결정되었지만, 연령, 성별 등의 특성 중에서 하나 이상의 특정의 조합으로 광고 노출 정보가 결정될 수도 있다. 또한, 광고별로 노출 시간을 설정함에 있어, 광고의 클라이언트와의 계약에 따른 총 광고 노출 시간이 더 연관될 수 있다. For example, according to the hourly floating population analysis of digital signage for work, if it is found that office workers move a lot during commuting hours, and (foreign) tourists move a lot at other times, target office workers during commuting hours. Advertisement exposure information configured to display an advertisement for 'foreign language school' and a 'duty free shop' targeting tourists at other times may be transmitted. In this example, advertisement exposure information is determined based on an individual's occupation (worker vs. tourist), but advertisement exposure information may be determined as a specific combination of one or more among characteristics such as age and gender. In addition, in setting the exposure time for each advertisement, the total advertisement exposure time according to the contract with the client of the advertisement may be further related.

또한, 본 개시의 일 실시예에 따라 복수의 디지털 사이니지를 포함하고 있는 인공지능 디지털 사이니지 시스템(100)은 광고별 관심도 및 디지털 사이니지 각각의 시간별 유동인구 분석을 연관하여 보다 효과적으로 광고를 노출하여 광고 효과를 증대시킬 수 있다. 예를 들어, 시스템(100)의 광고 컨텐츠가 '게임 광고'와 '가구' 광고를 포함하는 상황을 가정하기로 하자. 시스템(100)은 '게임 광고'에 대한 광고별 관심도의 분석 결과가 10대 내지 40대의 남성에게 높은 관심도를 보이고, '가구' 광고의 경우에는 30대 내지 50대의 여성에게 높은 관심도를 보이는 것으로 분석될 수 있다. 이 때, 시스템(100)은 제1 디지털 사이니지에 대한 시간별 유동인구 분석에 따라, 10대 내지 40대의 남성이 많이 유동하는 시간대에 '게임' 광고를 노출하도록 지시하는 노출 정보를 제1 디지털 사이니지에 전송할 수 있다. 또한, 시스템(100)은 제1 디지털 사이니지에 대한 시간별 유동인구 분석에 따라, 30대 내지 50대의 여성이 많이 유동하는 시간대에 '가구' 광고를 노출하도록 지시하는 노출 정보를 제1 디지털 사이니지에 전송할 수 있다. 마찬가지로 시스템(100)은 제2 디지털 사이니지에 대한 시간별 유동인구 분석에 따라, '게임' 광고 및 '가구' 광고를 노출하도록 지시하는 노출 정보를 제2 디지털 사이니지에도 전송할 수 있다. 이 때, '게임' 광고에 대한 총 노출 시간, 즉 제1 디지털 사이니지에서 노출되는 시간 및 제2 디지털 사이니지에서 노출되는 시간의 합은 미리 정해진 총 시간으로 결정될 수 있다. 상기 총 시간은 '게임' 및 '가구' 광고와 다른 광고들 사이의 관계, 비율, 또는 광고주(클라이언트)가 지불한 광고 비용에 따라 결정될 수 있다. In addition, according to an embodiment of the present disclosure, the artificial intelligence digital signage system 100 including a plurality of digital signage exposes advertisements more effectively by correlating the interest by advertisement and the floating population analysis by time of each digital signage. This can increase the effectiveness of advertising. For example, it is assumed that the advertisement content of the system 100 includes a 'game advertisement' and a 'furniture' advertisement. The system 100 analyzes that the analysis result of the interest in each advertisement for 'game advertisement' shows a high level of interest in men in their teens to 40s, and in the case of 'furniture' advertisement, it shows a high interest in women in their 30s and 50s. can be At this time, according to the hourly floating population analysis for the first digital signage, the system 100 transmits exposure information instructing to expose a 'game' advertisement in a time zone where men in their teens to 40s move a lot between the first digital signs. It can be transmitted to Nizi. In addition, according to the hourly floating population analysis for the first digital signage, the system 100 transmits exposure information instructing to expose a 'furniture' advertisement in a time period when women in their 30s to 50s flow a lot in the first digital signage. can be sent to Similarly, the system 100 may transmit exposure information instructing to expose a 'game' advertisement and a 'furniture' advertisement to the second digital signage according to the hourly floating population analysis for the second digital signage. In this case, the total exposure time for the 'game' advertisement, that is, the sum of the exposure time in the first digital signage and the exposure time in the second digital signage may be determined as a predetermined total time. The total time may be determined according to the relationship between the 'game' and 'furniture' advertisements and other advertisements, the ratio, or the advertisement cost paid by the advertiser (client).

위와 같이 본 개시의 인공지능 디지털 사이니지 시스템(100)은 디지털 사이니지 앞을 지나가는 개인을 디지털 사이니지가 노출하는 광고에 대한 관심도에 관계없이 모두 실시간으로 감지하고 분석함으로써, 디지털 사이니지(110)가 설치된 장소에서의 구체적이고 정확한 유동인구 분석 결과를 도출할 수 있고, 광고별 실질적 타겟이 누구인지 정확하게 분석이 가능할 수 있다. As above, the artificial intelligence digital signage system 100 of the present disclosure detects and analyzes all individuals passing in front of the digital signage in real time regardless of the degree of interest in the advertisement exposed by the digital signage, thereby digital signage 110 It is possible to derive a specific and accurate floating population analysis result in the place where is installed, and to accurately analyze who the actual target for each advertisement is.

다시 말하면, 본 개시의 시스템(100)은 광고별 관심도 및 시간별 유동인구 분석을 통해, 복수의 광고 컨텐츠를 복수의 장소(디지털 사이니지)에서 효과적으로 노출할 수 있다. 이를 통해 광고주는 광고 비용을 보다 효율적으로 사용하고, 광고 컨텐츠의 품질 및 효과를 정량적으로 분석할 수 있다는 특유의 효과를 가진다.In other words, the system 100 of the present disclosure can effectively expose a plurality of advertisement contents in a plurality of places (digital signage) through the analysis of the interest level for each advertisement and the floating population by time. Through this, the advertiser has the unique effect of using the advertising cost more efficiently and quantitatively analyzing the quality and effect of the advertising content.

도 5는 도 4에 도시된 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 동작의 구체적인 예를 도시한 흐름도이다. 도 5에 도시된 프로세스(420)는 블록(421, 422, 423)에 의해 예시된 바와 같은 하나 이상의 동작, 기능 또는 작용을 포함할 수 있다. 5 is a flowchart illustrating a specific example of an operation of generating analysis data by performing object recognition using a deep learning model on the video information shown in FIG. 4 . Process 420 illustrated in FIG. 5 may include one or more acts, functions, or acts as illustrated by blocks 421 , 422 , 423 .

도 5를 참조하면, 프로세스(420)는 영상 데이터로부터 딥러닝 모델을 이용하여 하나 이상의 사람을 인식하는 블록(421)에서 시작할 수 있다. 도 6은 본 개시의 일 실시예에 따른 인공지능 디지털 사이니지 시스템에서 영상 데이터로부터 딥러닝 모델을 이용하여 사람을 인식하는 과정을 시각화한 그림이다. Referring to FIG. 5 , the process 420 may begin at block 421 of recognizing one or more people using a deep learning model from image data. 6 is a diagram visualizing a process of recognizing a person using a deep learning model from image data in an artificial intelligence digital signage system according to an embodiment of the present disclosure.

일 실시예에 따르면, 인공지능 서버(120)(또는 GPU 서버(122))는 디지털 사이니지로부터 수신한 영상 데이터(또는 비디오 정보)로부터 사람을 객체인식 할 수 있다. 도 6을 참조하면, 시각화 화면(600)은 분석대상인 비디오에 대한 기본 정보(610)와 비디오 화면(620)을 표시할 수 있다. 기본 정보(610)는 날짜, 시간, 위치(또는 디지털 사이니지의 식별정보) 및 현재 노출되는 광고의 식별 정보를 포함할 수 있다. 비디오 화면(620)은 기본 정보가 나타내는 날짜 및 시간(예를 들어, 2020년 8월 13일 12:00:03)에서의 영상 및 인식 결과를 표시할 수 있다. 비디오 화면(620)은 사람의 얼굴을 인식하도록 학습된 딥러닝 모델을 이용하여 사람을 인식한 결과를 표시할 수 있다. 다른 예에서, 사람의 실루엣 등 다른 요소를 이용하여 사람을 인식하도록 학습된 딥러닝 모델이 이용될 수도 있다. 이를 통해 인공지능 서버(122)는 위치(또는 디지털 사이니지) 별로 시간별 유동인구의 수를 식별할 수 있다. According to an embodiment, the artificial intelligence server 120 (or the GPU server 122 ) may recognize a person from image data (or video information) received from a digital signage. Referring to FIG. 6 , the visualization screen 600 may display basic information 610 and a video screen 620 on a video to be analyzed. The basic information 610 may include a date, time, location (or identification information of a digital signage), and identification information of a currently exposed advertisement. The video screen 620 may display an image and a recognition result at the date and time (eg, August 13, 2020 12:00:03) indicated by the basic information. The video screen 620 may display a result of recognizing a person using a deep learning model trained to recognize a human face. In another example, a deep learning model trained to recognize a person using other elements, such as a human silhouette, may be used. Through this, the artificial intelligence server 122 can identify the number of floating populations per hour for each location (or digital signage).

다음으로, 프로세스(420)는 하나 이상의 사람의 특성 정보를 식별하는 블록(422)로 이어질 수 있다. 인공지능 서버(120)는 비디오로부터 인식된 사람에 대한 특성정보도 획득할 수 있다. 예를 들어, 인공지능 서버(120)는 인식된 사람의 외관 분석을 통해 개개인별 특성 정보를 식별할 수 있다. 예를 들어, 인공지능 서버(120)는 인식된 사람의 얼굴을 분석함으로써, 성별, 연령과 같은 특성 정보를 식별할 수 있다. 또한, 인공지능 서버(120)는 안경 착용 여부, 수염의 존부, 및 화장 여부 등 구체적인 특정 정보도 식별할 수 있다. 다른 예를 들어, 인공지능 서버(120)는 인식된 사람의 실루엣 및 외관을 분석함으로써, 키, 직군 등과 같은 특성 정보를 식별할 수 있다. Next, process 420 may continue to block 422 identifying characteristic information of one or more persons. The artificial intelligence server 120 may also acquire characteristic information about a person recognized from the video. For example, the artificial intelligence server 120 may identify individual characteristic information through analysis of the recognized person's appearance. For example, the artificial intelligence server 120 may identify characteristic information such as gender and age by analyzing a recognized person's face. In addition, the artificial intelligence server 120 may also identify specific specific information such as whether glasses are worn, the presence or absence of a beard, and whether or not makeup is used. As another example, the artificial intelligence server 120 may identify characteristic information such as a height and a job group by analyzing the recognized person's silhouette and appearance.

다음으로, 프로세스(420)는 하나 이상의 사람으로부터 노출되는 광고를 주시하는 관심인을 구별하는 블록(423)으로 이어질 수 있다. 인공지능 서버(120)는 비디오로부터 인식된 사람이 디지털 사이니지(110)에서 재생되는 광고 컨텐츠에 대하여 관심의 정도를 식별할 수 있다. 관심은 식별하는 방법은 다양한 방법이 적용될 수 있다. 예를 들어, 인식된 사람의 동공(또는 시선)을 추적하여 디지털 사이니지(110)에서 재생되는 광고 컨텐츠를 응시하는지, 응시하는 시간은 얼마인지를 식별하는 방법이 사용될 수 있다. 관심의 정도는 일정한 기준에 따라 구분될 수 있다. 예를 들어, 인공지능 서버(120)는 인식된 사람이 디지털 사이니지(110)에서 재생되는 광고 컨텐츠에 대하여 2초이상 응시하고 있는 것으로 식별되는 경우, 해당 사람은 컨텐츠에 대하여 관심이 있는 것으로 식별될 수 있다. Process 420 may then continue to block 423 of identifying interested parties viewing advertisements exposed from one or more people. The artificial intelligence server 120 may identify the degree of interest of a person recognized from the video in the advertisement content reproduced in the digital signage 110 . A variety of methods may be applied to a method for identifying an interest. For example, a method of identifying whether or not to stare at advertisement content reproduced in the digital signage 110 by tracking the pupil (or gaze) of a recognized person, and how long the gaze is spent may be used. The degree of interest may be classified according to certain criteria. For example, when it is identified that the recognized person is staring at the advertisement content reproduced on the digital signage 110 for 2 seconds or more, the artificial intelligence server 120 identifies that the person is interested in the content. can be

본 개시의 인공지능 디지털 사이니지 시스템(100)은 디지털 사이니지(110)가 감지한 감지 영역을 촬영한 영상을 분석하여, 유동인구 및 유동인구 중 디지털 사이니지(110)가 출력한 컨텐츠에 관심을 가지는 관심인에 대한 분석 데이터를 생성할 수 있다. The artificial intelligence digital signage system 100 of the present disclosure analyzes the image captured by the sensing area detected by the digital signage 110, and is interested in the floating population and the content output by the digital signage 110 among the floating population It is possible to generate analysis data for a person of interest with

도 7은 본 개시의 일 실시예에 따른 디지털 사이니지에서 시간별 유동인구를 식별한 결과를 시각화한 도면이다. 7 is a diagram visualizing a result of identifying a floating population by time in a digital signage according to an embodiment of the present disclosure.

도 7을 참조하면, 임의의 디지털 사이니지에 대해서 시간별 유동인구를 식별한 결과를 확인할 수 있다. 디지털 사이니지 #1에 대한 식별 결과(710)를 살펴보면, 남성, 30대 연령, 및 30대 남성 연령으로 구분된 카테고리에 따라 시간별 유동인구를 분석한 결과를 확인할 수 있다. 디지털 사이니지 #1 뿐만 아니라, 다른 디지털 사이니지, 예를 들어 디지털 사이니지 #2, #3의 분석 결과도 확인할 수 있다. 또한, 디지털 사이니지 #1에 대한 식별 결과(710)는 남성, 30대, 30대 남성으로 구분하였지만, 더 다양한 카테고리로 시간대별 유동인구가 분석될 수 있다. 본 개시의 시스템(100)은 도 7에서 확인할 수 있는 바와 같이, 복수의 디지털 사이니지가 설치된 장소에 대한 유동인구를 시간대별로 파악할 수 있다. 영상을 분석하는 단계(예를 들어 블록(420))에서 단순히 유동인구의 수를 카운트하는 것을 넘어 유동인구의 특성 정보를 식별하도록 구성되기 때문이다. 또한, 단순히 유동인구의 명수를 파악하는 것에 그치지 않고, 성별, 나이 등과 같이 개인의 특성에 따라 유동인구를 파악할 수 있는 특유의 효과를 가진다. Referring to FIG. 7 , a result of identifying the floating population by time for any digital signage can be confirmed. Looking at the identification result 710 for digital signage #1, it is possible to check the result of analyzing the floating population by time according to categories divided into male, 30's, and 30's male age. In addition to digital signage #1, you can check the analysis results of other digital signages, for example, digital signage #2 and #3. In addition, although the identification result 710 for Digital Signage #1 is divided into male, 30's, and 30's male, the floating population by time can be analyzed in more diverse categories. As can be seen in FIG. 7 , the system 100 of the present disclosure may determine the floating population of a place where a plurality of digital signages are installed for each time period. This is because, in the step of analyzing the image (eg, block 420 ), it is configured to identify characteristic information of the floating population beyond simply counting the number of floating populations. In addition, it has a unique effect of being able to grasp the floating population according to individual characteristics such as gender, age, etc., rather than simply grasping the number of floating population.

도 8은 본 개시의 일 실시예에 따른 디지털 사이니지에서 광고별 관심도를 분석한 결과를 시각화한 도면이다. 8 is a diagram illustrating a visualization result of analyzing an interest level for each advertisement in a digital signage according to an embodiment of the present disclosure.

도 8을 참조하면, 임의의 광고 컨텐츠에 대한 관심도를 확인할 수 있다. 광고 컨텐츠#1에 대한 식별 결과(810)를 살펴보면, 성별, 연령별, 패션으로 구분된 카테고리에 따라 광고 컨텐츠별 관심도를 분석한 결과를 확인할 수 있다. 광고 컨텐츠#1 뿐만 아니라, 다른 광고 컨텐츠, 예를 들어 광고 컨텐츠 #2, #3의 분석 결과도 확인할 수 있다. 또한, 광고 컨텐츠 #1에 대한 식별 결과(810)는 성별, 연령별, 패션으로 구분하였지만, 더 다양한 카테고리로 시간대별 유동인구가 분석될 수 있다. 본 개시의 시스템(100)은 도 8에서 확인할 수 있는 바와 같이, 광고 컨텐츠에 관심을 보이는 사람을 유형별로, 또는 카테고리별로 파악할 수 있다. 본 개시의 시스템(100)을 사용하는 사용자는, 광고별 관심도를 분석한 결과를 통해 광고 컨텐츠를 제작할 때 의도한 타겟층이 효과적으로 관심을 보이는지, 광고 컨텐츠의 목적인 상품이 의도한 타겟층이 효과적으로 관심을 보이는지, 의도와 다르게 관심도가 높게 분석된 타겟층이 어딘지 효과적으로 파악할 수 있다. Referring to FIG. 8 , it is possible to check the degree of interest in any advertisement content. Looking at the identification result 810 for the advertisement content #1, it is possible to check the result of analyzing the interest level for each advertisement content according to the category divided into gender, age, and fashion. In addition to advertisement content #1, analysis results of other advertisement contents, for example, advertisement contents #2 and #3 may be checked. In addition, although the identification result 810 for advertisement content #1 is classified by gender, age, and fashion, floating population by time may be analyzed in more diverse categories. As can be seen in FIG. 8 , the system 100 of the present disclosure may identify people who show interest in advertisement content by type or by category. A user using the system 100 of the present disclosure can determine whether the intended target audience effectively shows interest when producing advertisement content through the result of analyzing the degree of interest for each advertisement, and whether the intended target audience is effectively interested in the product as the purpose of the advertisement content. , it is possible to effectively identify the target audience analyzed with a high degree of interest, contrary to the intention.

본 개시의 일 실시예에 따른 시스템(100)은 도 7 및 도 8과 같이 분석된 시간별 유동인구 및 광고별 관심도를 연관하여 디지털 사이니지 각각에 어떤 광고 콘텐츠를 출력하도록 스케줄링하여 노출 정보를 전송할 것인지 결정할 수 있다. The system 100 according to an embodiment of the present disclosure transmits exposure information by scheduling which advertisement content to be output to each digital signage in association with the hourly floating population and the level of interest for each advertisement analyzed as shown in FIGS. 7 and 8 . can decide

도 9는 본 개시의 적어도 일부 실시예에 따른 인공지능 디지털 사이니지 시스템을 운용하기 위한 예시적인 컴퓨터 프로그램 제품(900)을 도시한다. 9 illustrates an example computer program product 900 for operating an artificial intelligence digital signage system in accordance with at least some embodiments of the present disclosure.

예시적인 컴퓨터 프로그램 제품의 예시적인 실시예는 신호 포함 매체(902)(또는 신호 베어링 매체)를 이용하여 제공된다. 일부 실시예에서, 하나 이상의 컴퓨터 프로그램 제품(900)의 신호 포함 매체(902)는 적어도 하나의 명령어(904), 컴퓨터 판독가능 매체(906), 기록 가능 매체(908) 및/또는 통신매체(910)를 포함할 수 있다.An example embodiment of an example computer program product is provided using a signal bearing medium 902 (or signal bearing medium). In some embodiments, the signal-bearing medium 902 of the one or more computer program products 900 may include at least one instruction 904 , a computer readable medium 906 , a recordable medium 908 , and/or a communication medium 910 . ) may be included.

신호 포함 매체(902)에 포함된 명령어(instructions)(904)는 예컨대, 도 1에 예시된, 인공지능 디지털 사이니지 시스템(100) 또는 인공지능 서버(120)에 포함된 하나 이상의 컴퓨팅 장치에 의해 실행될 수 있다. 명령어(904)는 상기 하나 이상의 컴퓨팅 장치를 이용하여, 사용자 장치로부터의 요청에 응답하여, 하나 이상의 디지털 사이니지로부터 비디오 정보를 수신하는 명령어, 상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 명령어, 상기 분석 데이터를 이용하여, 광고별 관심도 및 시간별 유동인구를 식별하는 명령어, 및 식별된 상기 광고별 관심도 및 시간별 유동인구에 기초하여 상기 하나 이상의 디지털 사이니지에 시간별 광고 노출 정보를 전송하기 위한 명령어 중 적어도 하나를 저장할 수 있다.Instructions 904 included in signal-bearing medium 902 may be transmitted by one or more computing devices included in artificial intelligence digital signage system 100 or artificial intelligence server 120, eg, illustrated in FIG. 1 . can be executed Instruction 904 is a command for receiving video information from one or more digital signage in response to a request from a user device, using the one or more computing devices, and performing object recognition using a deep learning model on the video information. Hourly advertisement exposure to the one or more digital signage based on a command for generating analysis data, a command for identifying an interest level for each advertisement and a floating population by time by using the analysis data, and the identified level of interest for each advertisement and a floating population by time At least one of commands for transmitting information may be stored.

전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수도 있다.The foregoing description of the present application is for illustration, and those of ordinary skill in the art to which the present application pertains will understand that it can be easily modified into other specific forms without changing the technical spirit or essential features of the present application. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. For example, each component described as a single type may be implemented in a distributed manner, and likewise components described as distributed may also be implemented in a combined form.

이상, 본 개시에서 청구하고자 하는 대상에 대해 구체적으로 살펴보았다. 본 개시에서 청구된 대상은 앞서 기술한 특정 구현예로 그 범위가 제한되지 않는다. 예컨대, 어떤 구현예에서는 장치 또는 장치의 조합 상에서 동작 가능하게 사용되는 하드웨어의 형태일 수 있으며, 다른 구현예에서는 소프트웨어 및/또는 펌웨어의 형태로 구현될 수 있고, 또 다른 구현예에서는 신호 베어링 매체, 저장 매체와 같은 하나 이상의 물품을 포함할 수 있다. 여기서, CD-ROM, 컴퓨터 디스크, 플래시 메모리 등과 같은 저장 매체는, 예컨대 컴퓨팅 시스템, 컴퓨팅 플랫폼 또는 기타 시스템과 같은 컴퓨팅 장치에 의하여 실행될 때 앞서 설명한 구현예에 따라 해당 프로세서의 실행을 야기시킬 수 있는 명령을 저장할 수 있다. 이러한 컴퓨팅 장치는 하나 이상의 처리 유닛 또는 프로세서, 디스플레이, 키보드 및/또는 마우스와 같은 하나 이상의 입/출력 장치, 및 정적 랜덤 액세스 메모리, 동적 랜덤 액세스 메모리, 플래시 메모리 및/또는 하드 드라이브와 같은 하나 이상의 메모리를 포함할 수 있다.Above, the subject to be claimed in the present disclosure has been specifically examined. The claimed subject matter in this disclosure is not limited in scope to the specific implementations described above. For example, in some implementations it may be in the form of hardware used operatively on a device or combination of devices, in other implementations it may be implemented in the form of software and/or firmware, and in still other implementations it may be in the form of a signal bearing medium; may include one or more articles, such as storage media. Herein, a storage medium such as a CD-ROM, a computer disk, a flash memory, etc. is an instruction that, when executed by a computing device such as a computing system, a computing platform, or other systems, may cause the processor to execute according to the embodiments described above. can be saved. Such computing devices may include one or more processing units or processors, one or more input/output devices such as a display, keyboard and/or mouse, and one or more memory such as static random access memory, dynamic random access memory, flash memory and/or hard drives. may include

한편, 시스템을 하드웨어로 구현할 것인지 아니면 소프트웨어로 구현할 것인지는, 일반적으로 비용 대비 효율의 트레이드오프를 나타내는 설계상 선택 문제이다. 본 개시에서는 프로세스, 시스템, 기타 다른 기술들의 영향을 받을 수 있는 다양한 수단(예를 들어, 하드웨어, 소프트웨어 및/또는 펌웨어)이 있으며, 선호되는 수단은 프로세스 및/또는 시스템 및/또는 다른 기술이 사용되는 맥락(context)에 따라 변경될 것이다. 예를 들어, 구현자가 속도 및 정확성이 가장 중요하다고 결정한다면, 구현자는 주로 하드웨어 및/또는 펌웨어 수단을 선택할 수 있으며, 유연성이 가장 중요하다면, 구현자는 주로 소프트웨어 구현을 선택할 수 있으며; 또는, 다른 대안으로서, 구현자는 하드웨어, 소프트웨어 및/또는 펌웨어의 어떤 결합을 선택할 수 있다.On the other hand, whether to implement a system as hardware or software is a design choice issue that generally represents a trade-off between cost and efficiency. In the present disclosure, there are various means (eg, hardware, software and/or firmware) that may be affected by processes, systems, and other technologies, and the preferred means are the processes and/or systems and/or other technologies used by the process and/or systems and/or other technologies. It will change depending on the context in which it is used. For example, if the implementer determines that speed and accuracy are paramount, the implementer may choose primarily hardware and/or firmware means; if flexibility is paramount, the implementor may select primarily a software implementation; Or, alternatively, the implementer may choose any combination of hardware, software and/or firmware.

전술한 상세한 설명에서는 블록도, 흐름도 및/또는 기타 예시를 통해 장치 및/또는 프로세스의 다양한 실시예를 설명하였다. 그러한 블록도, 흐름도, 및/또는 기타 예시는 하나 이상의 기능 및/또는 동작을 포함하게 되며, 당업자라면 블록도, 흐름도 및/또는 기타 예시 내의 각각의 기능 및/또는 동작이 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 임의의 조합에 의해 개별적으로 혹은 집합적으로 구현될 수 있다는 점을 이해할 수 있을 것이다. 일 실시예에서, 본 개시에 기재된 대상의 몇몇 부분은 ASIC(Application Specific Integrated Circuit), FPGA(Field Programmable Gate Array), DSP(Digital Signal Processor) 또는 다른 집적의 형태를 통해 구현될 수 있다. 이와 달리, 본 개시의 실시예의 일부 양상은 하나 이상의 컴퓨터 상에 실행되는 하나 이상의 컴퓨터 프로그램(예를 들어, 하나 이상의 컴퓨터 시스템 상에 실행되는 하나 이상의 프로그램), 하나 이상의 프로세서 상에서 실행되는 하나 이상의 프로그램(예를 들어, 하나 이상의 마이크로프로세서 상에서 실행되는 하나 이상의 프로그램), 펌웨어 또는 이들의 실질적으로 임의의 조합으로써 전체적으로 또는 부분적으로 균등하게 집적 회로에서 구현될 수도 있으며, 소프트웨어 및/또는 펌웨어를 위한 코드의 작성 및/또는 회로의 설계는 본 개시에 비추어 당업자의 기술 범위 내에 속하는 것이다. 또한, 당업자라면, 본 개시의 대상의 매커니즘들이 다양한 형태의 프로그램 제품으로 분배될 수 있음을 이해할 것이며, 본 개시의 대상의 예시는 분배를 실제로 수행하는데 사용되는 신호 베어링 매체의 특정 유형과 무관하게 적용됨을 이해할 것이다. In the foregoing detailed description, various embodiments of apparatus and/or processes have been described by way of block diagrams, flow diagrams, and/or other examples. Such block diagrams, flow diagrams, and/or other examples will include one or more functions and/or operations, and those skilled in the art will recognize that each function and/or operation within the block diagrams, flow diagrams, and/or other examples may be implemented in hardware, software, firmware, Or it will be understood that they may be implemented individually or collectively by any combination thereof. In one embodiment, some portions of the subject matter described in the present disclosure may be implemented through an Application Specific Integrated Circuit (ASIC), a Field Programmable Gate Array (FPGA), a Digital Signal Processor (DSP), or other form of integration. In contrast, some aspects of embodiments of the present disclosure include one or more computer programs running on one or more computers (eg, one or more programs running on one or more computer systems), one or more programs running on one or more processors ( writing code for software and/or firmware, which may be equally implemented in whole or in part as, for example, one or more programs running on one or more microprocessors), firmware, or substantially any combination thereof; and/or the design of the circuit is within the skill of those skilled in the art in light of the present disclosure. In addition, those skilled in the art will understand that the mechanisms of the subject matter of this disclosure may be distributed in various forms of program products, and the examples of the subject matter of this disclosure apply irrespective of the particular type of signal bearing medium used to actually perform the distribution. will understand

특정 예시적 기법이 다양한 방법 및 시스템을 이용하여 여기에서 기술되고 도시되었으나, 당업자라면, 청구된 대상에서 벗어남이 없이, 다양한 기타의 수정 또는 등가물로의 치환 가능성을 이해할 수 있다. 추가적으로, 여기에 기술된 중심 개념으로부터 벗어남이 없이 특정 상황을 청구된 대상의 교시로 적응시키도록 많은 수정이 이루어질 수 있다. 따라서, 청구된 대상이 개시된 특정 예시로 제한되지 않으나, 그러한 청구된 대상은 또한 첨부된 청구범위 및 그 균등의 범위 내에 들어가는 모든 구현예를 포함할 수 있음이 의도된다.While specific exemplary techniques have been described and illustrated herein using various methods and systems, those skilled in the art will understand the possibility of various other modifications or equivalents permutations without departing from the claimed subject matter. Additionally, many modifications may be made to adapt a particular situation to the teachings of the claimed subject matter without departing from the central concepts described herein. Accordingly, it is intended that claimed subject matter not be limited to the specific examples disclosed, but that such claimed subject matter may also include all embodiments falling within the scope of the appended claims and their equivalents.

본 개시 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한, 본 개시 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다. 나아가, 본 개시 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 본 개시에서 사용되는 정도의 용어 "약," "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본원의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. Throughout the present disclosure, when a part is "connected" with another part, this includes not only the case of being "directly connected" but also the case of being "electrically connected" with another element interposed therebetween. do. In addition, throughout the present disclosure, when a member is said to be located "on" another member, this includes not only a case in which a member is in contact with another member but also a case in which another member is present between the two members. Furthermore, throughout the present disclosure, when a part "includes" a certain component, it means that other components may be further included, rather than excluding other components, unless otherwise stated. As used herein, the terms "about," "substantially," and the like, are used in a sense at or close to the numerical value when the manufacturing and material tolerances inherent in the stated meaning are presented, and to aid in the understanding of the present application. It is used to prevent an unconscionable infringer from using the mentioned disclosure in an unreasonable way.

본 개시의 범위는 전술한 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위, 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present disclosure is indicated by the following claims rather than the above detailed description, and all changes or modifications derived from the meaning and scope of the claims, and their equivalent concepts are interpreted as being included in the scope of the present application. should be

Claims (12)

인공지능 디지털 사이니지 시스템의 운영 방법으로서,
하나 이상의 디지털 사이니지로부터 비디오 정보를 수신하는 단계;
상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 단계;
상기 분석 데이터를 이용하여, 광고별 관심도 및 시간별 유동인구를 식별하는 단계; 및
식별된 상기 광고별 관심도 및 시간별 유동인구에 기초하여 상기 하나 이상의 디지털 사이니지에 시간별 광고 노출 정보를 전송하는 단계를 포함하는,
인공지능 디지털 사이니지 시스템의 운영 방법. A method of operating an artificial intelligence digital signage system, comprising:
receiving video information from one or more digital signage;
generating analysis data by performing object recognition using a deep learning model on the video information;
identifying an interest level for each advertisement and a floating population by time by using the analysis data; and
Transmitting hourly advertisement exposure information to the one or more digital signage based on the identified interest level and hourly floating population for each advertisement,
How to operate an artificial intelligence digital signage system. 제1항에 있어서,
상기 비디오 정보는,
날짜, 시간, 장소, 노출 광고 식별정보, 및 스트리밍 영상 데이터를 포함하는 것인, 인공지능 디지털 사이니지 시스템의 운영 방법. According to claim 1,
The video information is
Date, time, place, exposure advertisement identification information, and the method of operation of the artificial intelligence digital signage system, including the streaming image data. 제2항에 있어서,
상기 비디오 정보에 포함된, 상기 날짜, 시간, 장소, 노출 광고 식별정보를 메타데이터 데이터베이스에 저장하는 단계; 및
상기 비디오 정보에 포함된 영상 데이터를 영상 데이터베이스에 저장하는 단계
를 더 포함하는, 인공지능 디지털 사이니지 시스템의 운영 방법. 3. The method of claim 2,
storing the date, time, place, and exposure advertisement identification information included in the video information in a metadata database; and
Storing the image data included in the video information in an image database
Further comprising, the operation method of the artificial intelligence digital signage system. 제2항에 있어서,
상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 단계는,
상기 영상 데이터로부터 상기 딥러닝 모델을 이용하여 하나 이상의 사람을 인식하는 단계;
상기 하나 이상의 사람으로부터 상기 디지털 사이니지에 주목한 관심인을 구별하는 단계; 및
상기 관심인을 포함하는 상기 하나 이상의 사람 각각의 특성정보를 식별하는 단계
를 포함하는 것인, 인공지능 디지털 사이니지 시스템의 운영 방법. 3. The method of claim 2,
The step of generating analysis data by performing object recognition using a deep learning model on the video information,
recognizing one or more people using the deep learning model from the image data;
distinguishing an interested person paying attention to the digital signage from the one or more persons; and
identifying characteristic information of each of the one or more persons including the interested person;
A method of operating an artificial intelligence digital signage system that includes. 제4항에 있어서,
상기 분석 데이터를 이용하여, 광고별 관심도 및 시간별 유동인구를 식별하는 단계는,
노출광고 별로 상기 관심인의 특성정보를 연관하여 상기 광고별 관심도를 식별하는 단계; 및
상기 하나 이상의 사람 각각의 특성정보를 이용하여 시간별 유동인구를 식별하는 단계
를 포함하는 것인, 인공지능 디지털 사이니지 시스템의 운영 방법. 5. The method of claim 4,
Using the analysis data, the step of identifying the level of interest for each advertisement and the floating population by time includes:
identifying the degree of interest for each advertisement by associating the characteristic information of the interested person for each exposure advertisement; and
Identifying the floating population by time using the characteristic information of each of the one or more people
A method of operating an artificial intelligence digital signage system that includes. 제5항에 있어서,
상기 식별된 상기 광고별 관심도 및 장소별 유동인구에 기초하여 상기 하나 이상의 디지털 사이니지에 적합한 광고를 송출하도록 광고영상 데이터를 전송하는 단계는,
상기 광고별 관심도 및 상기 시간별 유동인구를 연관하여, 시간별로 재생할 노출 광고 식별정보를 상기 하나 이상의 디지털 사이니지에 전송하는 단계
를 포함하는 것인, 인공지능 디지털 사이니지 시스템의 운영방법. 6. The method of claim 5,
Transmitting advertisement image data to transmit advertisements suitable for the one or more digital signage based on the identified level of interest for each advertisement and floating population for each place comprises:
Transmitting exposure advertisement identification information to be reproduced by time to the one or more digital signage in association with the interest level for each advertisement and the floating population by time
The method of operating an artificial intelligence digital signage system that includes. 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체로서, 상기 컴퓨터 프로그램은 상기 인공지능 디지털 사이니지 시스템 내의 하나 이상의 컴퓨팅 장치에서 수행가능한 하나 이상의 명령어를 포함하며, 상기 하나 이상의 명령어는,
하나 이상의 디지털 사이니지로부터 비디오 정보를 수신하는 명령어;
상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 명령어;
상기 분석 데이터를 이용하여, 광고별 관심도 및 시간별 유동인구를 식별하는 명령어; 및
식별된 상기 광고별 관심도 및 시간별 유동인구에 기초하여 상기 하나 이상의 디지털 사이니지에 시간별 광고 노출 정보를 전송하는 명령어
를 포함하는, 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.A computer readable recording medium storing a computer program for operating an artificial intelligence digital signage system, the computer program comprising one or more instructions executable by one or more computing devices in the artificial intelligence digital signage system, the one or more The above commands are
instructions for receiving video information from one or more digital signage;
a command for generating analysis data by performing object recognition using a deep learning model on the video information;
a command for identifying an interest level for each advertisement and a floating population by time by using the analysis data; and
A command for transmitting hourly advertisement exposure information to the one or more digital signage based on the identified interest level for each advertisement and the floating population by time
A computer-readable recording medium storing a computer program for operating an artificial intelligence digital signage system, including a. 제7항에 있어서,
상기 비디오 정보는
날짜, 시간, 장소, 노출 광고 식별정보, 및 스트리밍 영상 데이터를 포함하는 것인, 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.8. The method of claim 7,
The video information
A computer-readable recording medium storing a computer program for operating an artificial intelligence digital signage system, which includes the date, time, place, exposure advertisement identification information, and streaming image data. 제8항에 있어서,
상기 하나 이상의 명령어는,
상기 비디오 정보에 포함된, 상기 날짜, 시간, 장소, 노출 광고 식별정보를 메타데이터 데이터베이스에 저장하는 명령어; 및
상기 비디오 정보에 포함된 영상 데이터를 영상 데이터베이스에 저장하는 명령어
를 더 포함하는 것인, 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.9. The method of claim 8,
The one or more instructions include:
a command for storing the date, time, place, and exposure advertisement identification information included in the video information in a metadata database; and
A command for storing image data included in the video information in an image database
Which further comprises a computer-readable recording medium storing a computer program for operating an artificial intelligence digital signage system. 제8항에 있어서,
상기 비디오 정보에 딥러닝 모델을 이용한 객체 인식을 수행하여 분석 데이터를 생성하는 명령어는,
상기 영상 데이터로부터 상기 딥러닝 모델을 이용하여 하나 이상의 사람을 인식하는 명령어;
상기 하나 이상의 사람으로부터 상기 디지털 사이니지에 주목한 관심인을 구별하는 명령어; 및
상기 관심인을 포함하는 상기 하나 이상의 사람 각각의 특성정보를 식별하는 명령어
를 포함하는 것인, 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체. 9. The method of claim 8,
The command to generate analysis data by performing object recognition using a deep learning model on the video information,
instructions for recognizing one or more people from the image data using the deep learning model;
instructions for distinguishing an interested person paying attention to the digital signage from the one or more persons; and
A command for identifying characteristic information of each of the one or more persons including the person of interest
A computer-readable recording medium storing a computer program for operating an artificial intelligence digital signage system that includes a. 제10항에 있어서,
상기 분석 데이터를 이용하여, 광고별 관심도 및 시간별 유동인구를 식별하는 명령어는,
노출광고 별로 상기 관심인의 특성정보를 연관하여 상기 광고별 관심도를 식별하는 명령어; 및
상기 하나 이상의 사람 각각의 특성정보를 이용하여 시간별 유동인구를 식별하는 명령어
를 포함하는 것인, 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체. 11. The method of claim 10,
Using the analysis data, the command to identify the level of interest by advertisement and the floating population by time is,
a command for identifying the degree of interest for each advertisement by associating the characteristic information of the interested person for each exposure advertisement; and
A command to identify the floating population by time using the characteristic information of each of the one or more people
A computer-readable recording medium storing a computer program for operating an artificial intelligence digital signage system that includes a. 제11항에 있어서,
상기 식별된 상기 광고별 관심도 및 장소별 유동인구에 기초하여 상기 하나 이상의 디지털 사이니지에 적합한 광고를 송출하도록 광고영상 데이터를 전송하는 명령어는,
상기 광고별 관심도 및 상기 시간별 유동인구를 연관하여, 시간별로 재생할 노출 광고 식별정보를 상기 하나 이상의 디지털 사이니지에 전송하는 명령어를
포함하는 것인, 인공지능 디지털 사이니지 시스템을 운영하기 위한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
12. The method of claim 11,
Commands for transmitting advertisement image data to transmit advertisements suitable for the one or more digital signage based on the identified interest level for each advertisement and floating population for each place,
A command to transmit exposure advertisement identification information to be reproduced by time to the one or more digital signage in association with the interest level for each advertisement and the floating population by time
A computer-readable recording medium storing a computer program for operating an artificial intelligence digital signage system, which includes.
KR1020200102570A 2020-08-14 2020-08-14 System for artificial intelligence digital signage and operating method thereof KR102478149B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200102570A KR102478149B1 (en) 2020-08-14 2020-08-14 System for artificial intelligence digital signage and operating method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200102570A KR102478149B1 (en) 2020-08-14 2020-08-14 System for artificial intelligence digital signage and operating method thereof

Publications (2)

Publication Number Publication Date
KR20220021689A true KR20220021689A (en) 2022-02-22
KR102478149B1 KR102478149B1 (en) 2022-12-16

Family

ID=80494252

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200102570A KR102478149B1 (en) 2020-08-14 2020-08-14 System for artificial intelligence digital signage and operating method thereof

Country Status (1)

Country Link
KR (1) KR102478149B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102595318B1 (en) * 2022-06-24 2023-10-26 (주)제로웹 Video control system for easy tracking of floating population
KR102642350B1 (en) * 2023-09-05 2024-02-29 주식회사 제이솔루션 Device customer interaction-based advertising effect measurement and real-time reflection signage solution

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101744940B1 (en) 2016-01-20 2017-06-08 서강대학교산학협력단 Context-aware content reccommending apparatus in digital signage system
KR102042709B1 (en) * 2019-04-02 2019-11-08 김성남 Responsive advertisement output method that identifies an emerging object and changes the output method according to the response of an emergng object and computerprogram

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101744940B1 (en) 2016-01-20 2017-06-08 서강대학교산학협력단 Context-aware content reccommending apparatus in digital signage system
KR102042709B1 (en) * 2019-04-02 2019-11-08 김성남 Responsive advertisement output method that identifies an emerging object and changes the output method according to the response of an emergng object and computerprogram

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102595318B1 (en) * 2022-06-24 2023-10-26 (주)제로웹 Video control system for easy tracking of floating population
KR102642350B1 (en) * 2023-09-05 2024-02-29 주식회사 제이솔루션 Device customer interaction-based advertising effect measurement and real-time reflection signage solution

Also Published As

Publication number Publication date
KR102478149B1 (en) 2022-12-16

Similar Documents

Publication Publication Date Title
US20210326931A1 (en) Digital advertising system
US9952427B2 (en) Measurement method and system
KR102054443B1 (en) Usage measurement techniques and systems for interactive advertising
US8487772B1 (en) System and method for communicating information
KR101348142B1 (en) The method for providing the customized marketing contens for the customers classified as individuals or groups by using face recognition technology and the system thereof
US20030126013A1 (en) Viewer-targeted display system and method
US20120140069A1 (en) Systems and methods for gathering viewership statistics and providing viewer-driven mass media content
CN106687998A (en) Techniques for automatic real-time calculation of user wait time
CN103649982A (en) Contextual translation of non-interactive advertisements into interactive advertisements
KR102478149B1 (en) System for artificial intelligence digital signage and operating method thereof
Yu et al. AI-based targeted advertising system
WO2021104388A1 (en) System and method for interactive perception and content presentation
KR20150034925A (en) Method for searching image and recording-medium recorded program thereof
WO2020222157A1 (en) Method and system for tracking, analyzing and reacting to user behaviour in digital and physical spaces
US20210385426A1 (en) A calibration method for a recording device and a method for an automatic setup of a multi-camera system
KR20200128222A (en) Method for recommending contents style based on performance using artificial intelligence
US20130138505A1 (en) Analytics-to-content interface for interactive advertising
WO2019199989A1 (en) Deep neural networks modeling
JP2020525917A (en) Systems and methods for promoting dynamic brand promotion using self-driving cars
WO2022023831A1 (en) Smart display application with potential to exhibit collected outdoor information content using iot and ai platforms
KR102654932B1 (en) Method for providing advertisement effect analysis service and server using the same
US20130138493A1 (en) Episodic approaches for interactive advertising
KR102514872B1 (en) Method for providing marketing data based on public display
Chana et al. Reading in the city: mobile eye-tracking and evaluation of text in an everyday setting
Batagelj et al. Computer vision and digital signage

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