KR20220043728A - 복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 및 이의 구동 방법 - Google Patents

Abstract

복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 구동 방법이 제공된다. 상기 방법은 사용자의 버튼 조작을 위한 움직임에 대응하여 복수의 버튼별로 자기장 센서 값을 수집하는 단계; 상기 복수의 버튼별로 상기 사용자의 버튼 입력 방향에 상응하는 상기 자기장 센서 값의 Z축 값에 상기 버튼의 활성화를 위한 가중치 값을 부여하는 단계; 상기 복수의 버튼별 사용 빈도를 수집하는 단계; 상기 복수의 버튼별 사용 빈도에 기초하여 상기 Z축 값에 따른 가중치 함수의 변화 폭을 조절하여 상기 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성하는 단계; 및 상기 표면 데이터 셋을 학습 데이터로 설정하여 상기 버튼을 활성화시키기 위한 알고리즘을 학습하는 단계를 포함한다.

Description

복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 및 이의 구동 방법{MAGNETIC FIELD SENSING-BASED NON-CONTACT ELEVATOR CONTROL PANEL AND METHOD FOR OPERATING THEREOF}

본 발명은 복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 및 이의 구동 방법에 관한 것이다.

일반적으로, 주거용 또는 업무용으로 지어진 각종 건물에는 사람이나 사물 등을 수직방향으로 이동시키기 위하여 엘리베이터나 에스컬레이터 등이 설치되는데, 특히 엘리베이터는 고층 건물에서 엘리베이터 카 내 에 탑승한 사람이나 사물 등을 신속하게 해당 층으로 이동시킬 수 있는 장점을 지닌 대표적인 종적 교통기관이다.

이를 위해, 해당 건물의 각 층에는 엘리베이터 승강장이 구비됨과 아울러, 건물 내부에는 수직방향을 따라 승강로가 형성되어, 엘리베이터 카가 승강로를 따라 상ㆍ하방향으로 이동하면서 각 승강장으로부터 탑 승하는 승객을 버튼입력에 따른 목적층으로 이동시키게 된다

도 1은 종래 엘리베이터 버튼을 도시한 도면이다.

그러나 도 1과 같이 엘리베이터 버튼은 다양한 사람들이 조작하기 때문에, 위생적인 측면에서 위험요소가 상존하고 있다. 특히, 코로나 19와 같은 전염병의 환경에서는 엘리베이터의 조작 버튼을 통해서도 감염된 사례가 존재하는바, 이러한 전염병 발생을 낮추기 위해서는 엘리베이터 내에서 직접적인 조작 없이 비접촉식으로 해당 층을 선택할 수 있는 기술이 요구되고 있는 실정이다.

국내 공개특허공보 제10-2004-0078843호

본 발명의 실시예는 사용자의 움직임에 따른 자기장 센서 값을 수집하여 버튼을 활성화시키되, 사용자의 버튼 입력 방향에 상응하는 z축 값에 버튼 활성화를 위한 가중치 값을 부여하고, 복수의 버튼별 사용 빈도에 따라 가중치 함수의 폭을 조절하여 버튼에 적용시킴으로써, 보다 정확한 자기장 센서 값을 통해 버튼을 구동시킬 수 있는 복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 및 이의 구동 방법을 제공한다.

다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 구동 방법은 사용자의 버튼 조작을 위한 움직임에 대응하여 복수의 버튼별로 자기장 센서 값을 수집하는 단계; 상기 복수의 버튼별로 상기 사용자의 버튼 입력 방향에 상응하는 상기 자기장 센서 값의 Z축 값에 상기 버튼의 활성화를 위한 가중치 값을 부여하는 단계; 상기 복수의 버튼별 사용 빈도를 수집하는 단계; 상기 복수의 버튼별 사용 빈도에 기초하여 상기 Z축 값에 따른 가중치 함수의 변화 폭을 조절하여 상기 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성하는 단계; 및 상기 표면 데이터 셋을 학습 데이터로 설정하여 상기 버튼을 활성화시키기 위한 알고리즘을 학습하는 단계를 포함한다.

본 발명의 일부 실시예는 상기 수집된 자기장 센서 값을 스무딩 필터를 통해 평탄화시키는 단계를 더 포함할 수 있다.

본 발명의 일부 실시예에서, 상기 복수의 버튼별로 상기 사용자의 버튼 입력 방향에 상응하는 Z축 값에 상기 버튼의 활성화를 위한 가중치 값을 부여하는 단계는, 상기 사용자의 움직임이 버튼 입력 방향으로 근접할수록 상기 Z축 값에 더 큰 가중치 값을 부여할 수 있다.

본 발명의 일부 실시예에서, 상기 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성하는 단계는, 상기 복수의 버튼 중 사용자의 사용 빈도가 소정의 임계치 이상인 버튼에 대하여 상기 가중치 함수의 변화 폭을 감소시키고, 상기 사용자의 빈도가 정의 임계치 미만인 버튼에 대하여 상기 가중치 함수의 변화 폭을 증가시키는 단계를 포함할 수 있다.

본 발명의 일부 실시예에서, 상기 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성하는 단계는, 상기 복수의 버튼의 X축 및 Y축을 각각 통과하는 복수의 제1 라인 정보를 생성하는 단계; 상기 복수의 제1 라인을 따라 평행하며 상기 복수의 버튼을 통과하지 않는 복수의 제2 라인 정보를 생성하는 단계; 상기 복수의 버튼에 상응하는 영역(이하, 버튼 영역)과, 상기 제1 및 제2 라인 정보에 기초한 비 버튼 영역을 생성하는 단계; 및 상기 복수의 버튼 영역 및 비 버튼 영역에 대하여 상기 변화 폭이 조절된 가중치 함수를 적용하여 상기 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성하는 단계를 포함할 수 있다.

본 발명의 일부 실시예에서, 상기 알고리즘은 KNN(K-Nearest Neighbor) 알고리즘이되, 상기 표면 데이터 셋을 학습 데이터로 설정하여 상기 버튼을 활성화시키기 위한 알고리즘을 학습하는 단계는, 상기 KNN 알고리즘을 위한 각 버튼별 커널 윈도우 사이즈를 설정하는 단계를 포함하되, 상기 KNN 알고리즘을 위한 각 버튼별 커널 윈도우 사이즈를 설정하는 단계는, 상기 복수의 버튼 중 사용자의 사용 빈도가 소정의 임계치 이상인 버튼에 대하여 상기 커널 윈도우 사이즈를 작게 설정하고, 상기 사용자의 사용 빈도가 소정의 임계치 미만인 버튼에 대하여 상기 커널 윈도우 사이즈를 상대적으로 더 크도록 설정할 수 있다.

본 발명의 일부 실시예에서, 상기 KNN 알고리즘을 위한 각 버튼별 커널 윈도우 사이즈를 설정하는 단계는, 상기 복수의 버튼 중 소정의 거리에 위치하는 상기 커널 윈도우 사이즈가 더 크도록 설정된 복수의 버튼을 동일 커널 윈도우 사이즈로 설정할 수 있다.

본 발명의 일부 실시예는 상기 KNN 알고리즘에 기초하여 사용자의 버튼 조작을 위한 움직임에 상응하는 버튼을 활성화시키는 단계; 상기 활성화된 버튼에 대하여 소정의 시간 내 사용자의 버튼 조작을 위한 움직임이 있는지 여부를 확인하는 단계; 및 상기 확인 결과에 기초하여 상기 활성화된 버튼을 유지 또는 취소시키는 단계를 더 포함할 수 있다.

또한, 본 발명의 제2 측면에 따른 목적층 입력버튼과, 출입문 제어버튼과, 비상호출 버튼과, 디스플레이부 및, 각 버튼 및 디스플레이부를 제어하는 제어부를 포함하여 구성된 자기장 센싱 기반의 비접촉식 엘리베이터 조작반은, 상기 제어부는 사용자의 버튼 조작을 위한 움직임에 대응하여 복수의 버튼별로 자기장 센서 값을 수집하여, 상기 복수의 버튼별로 상기 사용자의 버튼 입력 방향에 상응하는 Z축 값에 상기 버튼의 활성화를 위한 가중치 값을 부여하고, 상기 복수의 버튼별 사용 빈도를 수집한 후, 상기 복수의 버튼별 사용 빈도에 기초하여 상기 Z축 값에 따른 가중치 함수의 변화 폭을 조절하여 상기 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성하며, 상기 표면 데이터 셋을 학습 데이터로 설정하여 알고리즘을 학습한다.

본 발명의 일부 실시예에서, 상기 제어부는 상기 수집된 자기장 센서 값을 스무딩 필터를 통해 평탄화시킬 수 있다.

본 발명의 일부 실시예에서, 상기 제어부는 상기 복수의 버튼 중 사용자의 사용 빈도가 소정의 임계치 이상인 버튼에 대하여 상기 가중치 함수의 변화 폭을 감소시키고, 상기 사용자의 빈도가 정의 임계치 미만인 버튼에 대하여 상기 가중치 함수의 변화 폭을 증가시킬 수 있다.

본 발명의 일부 실시예에서, 상기 알고리즘은 KNN(K-Nearest Neighbor) 알고리즘이되, 상기 제어부는 상기 복수의 버튼 중 사용자의 사용 빈도가 소정의 임계치 이상인 버튼에 대하여 커널 윈도우 사이즈를 작게 설정하고, 상기 사용자의 사용 빈도가 소정의 임계치 미만인 버튼에 대하여 커널 윈도우 사이즈를 상대적으로 더 크도록 설정하여, 상기 KNN 알고리즘을 위한 각 버튼별 커널 윈도우 사이즈를 설정할 수 있다.

이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.

상기와 같은 본 발명에 따르면, 고비용, 고사양의 영상처리 방식이나, 영상 기반 딥러닝 기술과 달리 자기장 기반의 버튼을 통해 엘리베이터 모듈 단가 상승을 최소화할 수 있다.

자기장 기반 센서를 기반으로 하는 버튼 입력시 Z축 값에 가중치를 적용하여 작은 움직임을 감지할 수 있도록 하며, 버튼별로 커널 윈도우 사이즈를 조절함으로써 정확도를 향상시킬 수 있다는 장점이 있다.

또한, 간단한 학습을 적용하여 커널 윈도우 사이즈에 맞게 해당 영역의 위치 인식을 수행할 수 있고, 저가격 MCU(Main Control Unit) 구현이 가능하며 시스템의 연산 복잡도를 낮출 수 있다.

또한, 사용자의 버튼 입력 빈도를 분석하여 빈도가 높을수록 커널 윈도우 사이즈를 작게하여 해당 영역에서 각 버튼 간의 인식 영역을 세분화하며, 빈도가 낮은 경우 커널 윈도우 사이즈를 크게 하여 쉽게 인식될 수 있도록 버튼 특성을 구분할 수 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 종래 엘리베이터 버튼을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 비접촉식 엘리베이터 조작반 학습 방법의 순서도이다.
도 3은 버튼 별로 인식된 엘리베이터 조작반의 x축 및 y축의 자기장 센서 값을 도시한 도면이다.
도 4는 평탄화 과정이 완료된 엘리베이터 조작반의 x축 및 y축의 자기장 센서 값을 도시한 도면이다.
도 5는 Z축 값에 따른 가중치 값을 설명하기 위한 도면이다.
도 6 및 도 7a 내지 도 7c는 가중치 함수의 변화폭을 조절하여 복수의 버튼별 표면 데이터 셋을 구성하는 내용을 설명하기 위한 도면이다.
도 8은 KNN 알고리즘을 설명하기 위한 도면이다.
도 9 및 도 10은 커널 윈도우 사이즈를 학습시켜 적용하는 내용을 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시예에 따른 비접촉식 엘리베이터 조작반 인식 방법의 순서도이다.
도 12는 본 발명의 일 실시예에 따른 자기장 센싱 기반의 비접촉식 엘리베이터 조작반을 설명하기 위한 도면이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반(100) 및 이의 구동 방법에 관한 것이다.

자기장 센싱 기반의 엘리베이터 버튼은 사용자의 버튼 입력이 비접촉식으로 이루어지기 때문에 위생적인 측면에서 장점이 있다. 하지만, 자기장 센싱 기반의 방식은 다양한 버튼이 밀집한 경우에는 중첩되어 인식될 가능성이 있기 때문에, 이에 따른 센싱 정확도가 낮아 사용자의 의도와는 관계없이 잘못된 버튼이 눌러지는 오작동 문제가 발생할 수 있다.

이를 위해 종래에는 고사양의 영상 처리 방식이나, 영상 기반 딥러닝 기술을 적용하기도 하였으나, 이는 모듈의 단가를 상승시키고, 실내 조명이나 카메라의 인식이 어려운 환경에서는 그 정확도가 낮다는 문제가 있었다.

이러한 문제를 해소하기 위하여, 본 발명의 일 실시예는 각 버튼 선택의 정확도를 높이기 위해 자기장 센서 값을 수집하고 이를 기반으로 기계학습, 추론학습을 수행하여 보다 정확성이 향상된 엘리베이터 버튼 인식이 가능하게끔 할 수 있다.

이하 도 2 내지 도 10을 참조하여, 본 발명의 일 실시예에 따른 복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반(100) 구동 방법(이하, 비접촉식 엘리베이터 조작반 구동 방법)을 설명하도록 한다.

한편, 도 2 및 도 10에 도시된 각 단계들은 후술하는 비접촉식 엘리베이터 조작반(100)에 포함된 제어부(140)에 의해 수행되는 것으로 이해될 수 있지만, 이에 제한되는 것은 아니다.

도 2는 본 발명의 일 실시예에 따른 비접촉식 엘리베이터 조작반 학습 방법의 순서도이다.

본 발명의 일 실시예에 따른 비접촉식 엘리베이터 조작반 구동 방법은, 엘리베이터 조작반(100) 구동을 위해 사전 학습을 수행하는 과정과, 학습된 알고리즘에 기초하여 실제 엘리베이터 조작반(100)의 버튼을 인식하는 과정으로 구분된다.

먼저 도 2를 참조하면, 제어부(140)는 사용자의 버튼 조작을 위한 움직임에 대응하여 복수의 버튼별로 자기장 센서 값을 수집한다(S110).

일 실시예로, 복수의 버튼은 각각 적어도 하나의 자기장 센서를 포함한다.

자기장 센서는 사용자의 손이 접근할 때 변화되는 자기장의 변화를 감지하여 사용자의 손의 위치 또는 움직임을 인식한다. 이러한 원리를 이용하여 본 발명은 사용자의 움직임이 버튼에 근접할 때 비접촉식으로 해당 버튼을 활성화시킨다.

하지만, 자기장의 변화는 아날로그 신호의 변화로서 실시간 변화를 감지하기 어려우며, 움직임이 작은 경우에는 감지하지 못하는 문제가 발생할 수 있다.

이를 위해, 제어부(140)는 후술하는 바와 같이 z축 값에 가중치를 부여하고, 가중치 함수의 폭을 조절하며, 커널 윈도우 사이즈의 조정을 통해 자기장 센서 값을 통한 보다 정확한 버튼 인식이 가능하게끔 할 수 있다.

다음으로, 제어부(140)는 수집된 자기장 센서 값을 스무딩 필터(smoothing filter)를 통해 평탄화시킨다(S120).

도 3은 버튼 별로 인식된 엘리베이터 조작반(100)의 x축 및 y축의 자기장 센서 값을 도시한 도면이고, 도 4는 평탄화 과정이 완료된 엘리베이터 조작반(100)의 x축 및 y축의 자기장 센서 값을 도시한 도면이다.

사용자의 움직임에 따라 센싱된 자기장 센서 값은 노이즈를 포함하고 있으며, 본 발명의 일 실시예는 스무딩 필터를 통해 노이즈를 제거하여 해당 값의 변화량을 감소시킬 수 있다.

다음으로, 제어부(140)는 복수의 버튼 별로 사용자의 버튼 입력 방향에 상응하는 자기장 센서 값의 z축 값에 버튼의 활성화를 위한 가중치 값을 부여한다(S130).

도 5는 Z축 값에 따른 가중치 값을 설명하기 위한 도면이다.

일 실시예로, 제어부(140)는 스무딩 필터를 통해 자기장 센서 값을 평탄화시킨 후, 평탄화된 데이터에 대하여 사용자의 움직임이 버튼 입력 방향으로 근접할수록 Z축 값에 더 큰 가중치 값을 부여하여 버튼 활성화에 필요한 조건을 부가할 수 있다.

이때, 가중치 값은 거리에 비례하도록 부가될 수도 있으며, 거리 별로 미리 설정된 가중치 값을 적용하여 더욱 가까운 거리에 더 높은 가중치 값이 부가되도록 할 수 있다.

이와 같은 가중치 값이 적용될 경우, X축 및 Y축 값에 따라 해당 버튼 영역에 정확도가 높아지는 효과를 기대할 수 있다.

다음으로, 제어부(140)는 사용자의 복수의 버튼별 사용 빈도를 수집하고(S140), 복수의 버튼별 사용 빈도에 기초하여 Z축 값에 따른 가중치 함수의 변화 폭을 조절하여 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성한다(S150).

도 6 및 도 7a 내지 도 7c는 가중치 함수의 변화폭을 조절하여 복수의 버튼별 표면 데이터 셋을 구성하는 내용을 설명하기 위한 도면이다.

일 실시예로, 제어부(140)는 도 6에 도시된 바와 같이복수의 버튼별로 사용자의 빈도를 파악하여 Z축 값에 따른 가중치 함수의 변화 폭(W)를 조절할 수 있다. 일 예로, 제어부(140)는 복수의 버튼 중 사용자의 사용 빈도가 소정의 임계치 이상인 버튼에 대하여 가중치 함수의 변화 폭을 감소시켜 사용자가 해당 버튼을 정확하게 인식하도록 한다. 반대로, 제어부(140)는 복수의 버튼 중 사용자의 사용 빈도가 소정의 임계치 미만인 버튼에 대하여 가중치 함수의 변화 폭을 증가시킨다.

즉, 가중치 함수의 변화 폭이 감소되는 경우 사용자는 해당 버튼을 더욱 정확히 누르도록 해야하며 이는 자주 사용하는 버튼에 대한 오동작을 최소화시키기 위함이다.

도 7a 내지 도 7c를 참조하면, 제어부(140)는 Z축 값에 따른 가중치 함수의 변화 폭(W)이 조절됨에 따라 복수의 버튼별 표면 데이터 셋을 생성한다.

이를 위해, 제어부(140)는 먼저 도 7a와 같이 복수의 버튼의 X축 및 Y축을 각각 통과하는 복수의 제1 라인 정보를 생성하고, 도 7b와 같이 복수의 제1 라인을 따라 평행하며 복수의 버튼을 통과하지 않는 복수의 제2 라인 정보를 생성한다.

그 다음, 제어부(140)는 도 7c와 같이 복수의 버튼에 상응하는 영역(이하, 버튼 영역)과 제1 및 제2 라인 정보에 기초한 비 버튼 영역을 생성하고, 복수의 버튼 영역 및 비 버튼 영역에 대하여 변화 폭이 조절된 가중치 함수를 적용하여 복수의 버튼별 표면 데이터 셋을 구성할 수 있다.

그 결과 각 버튼 영역은 각 버튼 별로 상이하게 설정되며, 더욱 자주 사용하는 버튼의 경우 버튼 영역이 상대적으로 더 작도록 설정됨에 따라 그 오작동을 더욱 최소화할 수 있게 된다.

다음으로, 제어부(140)는 표면 데이터 셋을 학습 데이터로 설정하여 버튼을 활성화시키기 위한 알고리즘을 학습한다(S160). 이때, 본 발명의 일 실시예는 KNN(K-Nearest Neighbor) 알고리즘을 이용할 수 있다.

도 8은 KNN 알고리즘을 설명하기 위한 도면이다.

KNN 알고리즘(도 8의 (b))은 K개의 가장 가까운 이웃을 고려하는 분류 방식으로 RBF 알고리즘(도 8의 (a))과 마찬가지로 의사결정 공간이 생성되고, 영향필드가 정해지는 것을 시작으로 패턴 인식이 이루어진다.

이때, KNN 알고리즘은 영향필드의 최대값이 존재하지 않고 모든 의사결정 공간을 모두 매핑한다는 점에서 RBF 알고리즘과 큰 차이가 있다.

KNN 알고리즘은 도 8의 (b)와 같이 서로 다른 카테고리의 뉴런끼리 영향필드가 중첩될 때 동일한 거리로 영향필드를 나누는 것을 특징으로 한다. 본 발명의 일 실시예는 이러한 KNN 알고리즘을 사용하여 분류기를 통한 효율적인 분류 보다는 모든 입력 벡터에 대한 거리와 해당 버튼 영역을 확인하는 용도로 사용한다.

도 9 및 도 10은 커널 윈도우 사이즈를 학습시켜 적용하는 내용을 설명하기 위한 도면이다.

제어부(140)는 표면 데이터 셋에 기초하여 커널 윈도우 사이즈를 학습시킨 후 이를 KNN 알고리즘에 적용시킬 수 있다.

도 9를 참조하면, 제어부(140)는 복수의 버튼 중 사용자의 사용 빈도가 소정의 임계치 이상인 버튼에 대하여 커널 윈도우 사이즈를 작게 설정하고, 사용자의 빈도가 소정의 임계치 미만인 버튼에 대하여 커널 윈도우 사이즈를 상대적으로 더 크도록 설정할 수 있다. 이때, 커널 윈도우 사이즈가 더 작게 설정될수록 버튼 입력을 위한 정확도가 더욱 향상된다.

도 10을 참조하면, 제어부(140)는 복수의 버튼 중 소정의 거리에 위치하는 커널 윈도우 사이즈가 더 크도록 설정된 복수의 버튼을 동일 커널 윈도우 사이즈로 설정할 수 있다.

즉, 커널 윈도우가 작게 설정된 버튼은 더욱 높은 정확도를 요하는 버튼에 해당하므로 커널 윈도우 사이즈를 가급적 작게 그리고 독립적으로 설정함이 바람직하나, 그 반대의 경우에는 상대적으로 낮은 정확도를 요하기 때문에 이들 버튼을 포함하는 경우 하나의 커널 윈도우 사이즈로 설정할 수 있다. 이때, 8번 버튼의 경우 높은 정확도를 요하는 버튼에 해당하나 동일 커널 윈도우 사이즈로 설정되었는바, 이는 가중치 함수의 폭의 조절에 따라 주변 7번 10번 버튼과 달리 높은 인식 정확도를 갖도록 학습된 것이므로 동일 커널 윈도우 사이즈로 설정될 수도 있다. 다만, 이는 일 실시예에 불과하며 하나의 버튼은 하나의 독립된 커널 윈도우 사이즈로 설정될 수 있음은 물론이다.

도 11을 참조하면, 학습 과정이 완료된 후, 학습이 완료된 KNN 알고리즘을 실행시키고(S210), 제어부(140)는 KNN 알고리즘에 기초하여 사용자의 버튼 조작을 위한 움직임에 상응하는 버튼을 활성화시킨다(S220).

그 다음, 활성화된 버튼에 대하여 소정의 시간 내 사용자의 버튼 조작을 위한 움직임이 있었는지 여부를 확인하고(S230), 확인 결과에 기초하여 활성화된 버튼을 유지시켜 목적하는 버튼에 상응하는 기능을 실행시키거나, 활성화된 버튼을 취소시킨다(S240).

이와 같은 본 발명의 일 실시예는 자기장 센서 값에 대한 가중치 부여 방식과 커널 윈도우 사이즈를 변경하는 방식을 적용하여, 엘리베이터 조작반(100)을 위한 하드웨어 개발시 저가격으로 개발이 가능하며, 해당 커널 내에서 최적의 정확도를 보장할 수 있는 버튼을 활성화시키는 기술을 제공할 수 있다는 장점이 있다.

한편, 상술한 설명에서, 단계 S110 내지 단계 S240 은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다. 아울러, 기타 생략된 내용이라 하더라도 도 2 내지 도 11에 기술된 내용은 도 12의 자기장 센싱 기반의 비접촉식 엘리베이터 조작반(100)에도 적용된다.

이하에서는 본 발명의 일 실시예에 따른 자기장 센싱 기반의 비접촉식 엘리베이터 조작반(100)에 대하여 설명하도록 한다.

도 12는 본 발명의 일 실시예에 따른 자기장 센싱 기반의 비접촉식 엘리베이터 조작반(100)을 설명하기 위한 도면이다.

도 12를 참조하면, 자기장 센싱 기반의 비접촉식 엘리베이터 조작반(100)는 복수의 버튼(110)과 디스플레이부(120), 그리고 메모리(130) 및 제어부(140)를 포함한다.

복수의 버튼(110)은 목적층 입력버튼과 출입문 제어버튼, 비상호출 버튼을 포함하며, 그 외 필요에 따라 버튼은 추가 또는 제외될 수 있다.

디스플레이부(120)는 버튼 입력에 상응하는 정보를 디스플레이하며, 그밖에 필요한 정보를 제공받아 화면 상에 표출시킨다.

메모리(130)에는 엘리베이터 조작반(100)의 학습 및 인식을 위한 프로그램이 저장되며, 제어부(140)는 메모리(130)에 저장된 프로그램을 실행시킨다.

제어부(140)는 사용자의 버튼 조작을 위한 움직임에 대응하여 복수의 버튼별로 자기장 센서 값을 수집하여, 복수의 버튼별로 상기 사용자의 버튼 입력 방향에 상응하는 Z축 값에 상기 버튼의 활성화를 위한 가중치 값을 부여하고, 복수의 버튼별 사용 빈도를 수집한 후, 복수의 버튼별 사용 빈도에 기초하여 Z축 값에 따른 가중치 함수의 변화 폭을 조절하여 상기 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성하며, 표면 데이터 셋을 학습 데이터로 설정하여 알고리즘을 학습한다.

이후, 제어부(140)는 상기 알고리즘에 기초하여 사용자의 버튼 조작을 위한 움직임에 상응하는 버튼을 활성화시키고, 활성화된 버튼에 대하여 소정의 시간 내 사용자의 버튼 조작을 위한 움직임이 있는지 여부를 확인한 후, 확인 결과에 기초하여 활성화된 버튼을 유지 또는 취소시켜 엘리베이터가 구동되도록 한다.

이상에서 전술한 본 발명의 일 실시예에 따른 복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 구동 방법은, 하드웨어인 서버와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.

상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.

상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

100: 비접촉식 엘리베이터 조작반
110: 복수의 버튼
120: 디스플레이부
130: 메모리
140: 제어부

Claims (12)

1. 복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 구동 방법에 있어서,
   사용자의 버튼 조작을 위한 움직임에 대응하여 복수의 버튼별로 자기장 센서 값을 수집하는 단계;
   상기 복수의 버튼별로 상기 사용자의 버튼 입력 방향에 상응하는 상기 자기장 센서 값의 Z축 값에 상기 버튼의 활성화를 위한 가중치 값을 부여하는 단계;
   상기 복수의 버튼별 사용 빈도를 수집하는 단계;
   상기 복수의 버튼별 사용 빈도에 기초하여 상기 Z축 값에 따른 가중치 함수의 변화 폭을 조절하여 상기 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성하는 단계; 및
   상기 표면 데이터 셋을 학습 데이터로 설정하여 상기 버튼을 활성화시키기 위한 알고리즘을 학습하는 단계를 포함하는,
   복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 구동 방법.
   
2. 제1항에 있어서,
   상기 수집된 자기장 센서 값을 스무딩 필터를 통해 평탄화시키는 단계를 더 포함하는,
   복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 구동 방법.
   
3. 제1항에 있어서,
   상기 복수의 버튼별로 상기 사용자의 버튼 입력 방향에 상응하는 Z축 값에 상기 버튼의 활성화를 위한 가중치 값을 부여하는 단계는,
   상기 사용자의 움직임이 버튼 입력 방향으로 근접할수록 상기 Z축 값에 더 큰 가중치 값을 부여하는 것인,
   복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 구동 방법.
   
4. 제1항에 있어서,
   상기 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성하는 단계는,
   상기 복수의 버튼 중 사용자의 사용 빈도가 소정의 임계치 이상인 버튼에 대하여 상기 가중치 함수의 변화 폭을 감소시키고, 상기 사용자의 빈도가 정의 임계치 미만인 버튼에 대하여 상기 가중치 함수의 변화 폭을 증가시키는 단계를 포함하는,
   복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 구동 방법.
   
5. 제4항에 있어서,
   상기 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성하는 단계는,
   상기 복수의 버튼의 X축 및 Y축을 각각 통과하는 복수의 제1 라인 정보를 생성하는 단계;
   상기 복수의 제1 라인을 따라 평행하며 상기 복수의 버튼을 통과하지 않는 복수의 제2 라인 정보를 생성하는 단계;
   상기 복수의 버튼에 상응하는 영역(이하, 버튼 영역)과, 상기 제1 및 제2 라인 정보에 기초한 비 버튼 영역을 생성하는 단계; 및
   상기 복수의 버튼 영역 및 비 버튼 영역에 대하여 상기 변화 폭이 조절된 가중치 함수를 적용하여 상기 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성하는 단계를 포함하는,
   복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 구동 방법.
   
6. 제1항에 있어서,
   상기 알고리즘은 KNN(K-Nearest Neighbor) 알고리즘이되,
   상기 표면 데이터 셋을 학습 데이터로 설정하여 상기 버튼을 활성화시키기 위한 알고리즘을 학습하는 단계는,
   상기 KNN 알고리즘을 위한 각 버튼별 커널 윈도우 사이즈를 설정하는 단계를 포함하고,
   상기 KNN 알고리즘을 위한 각 버튼별 커널 윈도우 사이즈를 설정하는 단계는,
   상기 복수의 버튼 중 사용자의 사용 빈도가 소정의 임계치 이상인 버튼에 대하여 상기 커널 윈도우 사이즈를 작게 설정하고, 상기 사용자의 사용 빈도가 소정의 임계치 미만인 버튼에 대하여 상기 커널 윈도우 사이즈를 상대적으로 더 크도록 설정하는 것인,
   복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 구동 방법.
   
7. 제6항에 있어서,
   상기 KNN 알고리즘을 위한 각 버튼별 커널 윈도우 사이즈를 설정하는 단계는,
   상기 복수의 버튼 중 소정의 거리에 위치하는 상기 커널 윈도우 사이즈가 더 크도록 설정된 복수의 버튼을 동일 커널 윈도우 사이즈로 설정하는 것인,
   복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 구동 방법.
   
8. 제1항에 있어서,
   상기 알고리즘에 기초하여 사용자의 버튼 조작을 위한 움직임에 상응하는 버튼을 활성화시키는 단계;
   상기 활성화된 버튼에 대하여 소정의 시간 내 사용자의 버튼 조작을 위한 움직임이 있는지 여부를 확인하는 단계; 및
   상기 확인 결과에 기초하여 상기 활성화된 버튼을 유지 또는 취소시키는 단계를 더 포함하는,
   복수의 버튼을 구비하는 자기장 센싱 기반의 비접촉식 엘리베이터 조작반 구동 방법.
   
9. 목적층 입력버튼과, 출입문 제어버튼과, 비상호출 버튼과, 디스플레이부 및, 각 버튼 및 디스플레이부를 제어하는 제어부를 포함하여 구성된 자기장 센싱 기반의 비접촉식 엘리베이터 조작반에 있어서,
   상기 제어부는 사용자의 버튼 조작을 위한 움직임에 대응하여 복수의 버튼별로 자기장 센서 값을 수집하여, 상기 복수의 버튼별로 상기 사용자의 버튼 입력 방향에 상응하는 Z축 값에 상기 버튼의 활성화를 위한 가중치 값을 부여하고, 상기 복수의 버튼별 사용 빈도를 수집한 후, 상기 복수의 버튼별 사용 빈도에 기초하여 상기 Z축 값에 따른 가중치 함수의 변화 폭을 조절하여 상기 복수의 버튼별 표면 데이터 셋(Surface data set)을 구성하며, 상기 표면 데이터 셋을 학습 데이터로 설정하여 알고리즘을 학습하는 것인,
   자기장 센싱 기반의 비접촉식 엘리베이터 조작반.
   
10. 제9항에 있어서,
    상기 제어부는 상기 수집된 자기장 센서 값을 스무딩 필터를 통해 평탄화시키는 것인,
    자기장 센싱 기반의 비접촉식 엘리베이터 조작반.
    
11. 제9항에 있어서,
    상기 제어부는 상기 복수의 버튼 중 사용자의 사용 빈도가 소정의 임계치 이상인 버튼에 대하여 상기 가중치 함수의 변화 폭을 감소시키고, 상기 사용자의 빈도가 정의 임계치 미만인 버튼에 대하여 상기 가중치 함수의 변화 폭을 증가시키는 것인,
    자기장 센싱 기반의 비접촉식 엘리베이터 조작반.
    
12. 제9항에 있어서,
    상기 알고리즘은 KNN(K-Nearest Neighbor) 알고리즘이되,
    상기 제어부는 상기 복수의 버튼 중 사용자의 사용 빈도가 소정의 임계치 이상인 버튼에 대하여 커널 윈도우 사이즈를 작게 설정하고, 상기 사용자의 사용 빈도가 소정의 임계치 미만인 버튼에 대하여 커널 윈도우 사이즈를 상대적으로 더 크도록 설정하여, 상기 KNN 알고리즘을 위한 각 버튼별 커널 윈도우 사이즈를 설정하는 것인,
    자기장 센싱 기반의 비접촉식 엘리베이터 조작반.

Images