KR20220052500A - 전자 장치 및 이의 제어 방법 - Google Patents

전자 장치 및 이의 제어 방법 Download PDF

Info

Publication number
KR20220052500A
KR20220052500A KR1020200136516A KR20200136516A KR20220052500A KR 20220052500 A KR20220052500 A KR 20220052500A KR 1020200136516 A KR1020200136516 A KR 1020200136516A KR 20200136516 A KR20200136516 A KR 20200136516A KR 20220052500 A KR20220052500 A KR 20220052500A
Authority
KR
South Korea
Prior art keywords
image
information
score
lens
electronic device
Prior art date
Application number
KR1020200136516A
Other languages
English (en)
Inventor
김동찬
황진영
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020200136516A priority Critical patent/KR20220052500A/ko
Priority to PCT/KR2021/014077 priority patent/WO2022086028A1/ko
Publication of KR20220052500A publication Critical patent/KR20220052500A/ko
Priority to US18/136,148 priority patent/US20230283879A1/en

Links

Images

Classifications

    • H04N5/23222—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/55—Optical parts specially adapted for electronic image sensors; Mounting thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/62—Control of parameters via user interfaces
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/631—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters
    • H04N23/632—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters for displaying or modifying preview images prior to image capturing, e.g. variety of image resolutions or capturing parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/633—Control of cameras or camera modules by using electronic viewfinders for displaying additional information relating to control or operation of the camera
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/815—Camera processing pipelines; Components thereof for controlling the resolution by using a single image
    • H04N5/2254—
    • H04N5/23216—
    • H04N5/23219—
    • H04N5/232939—

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Abstract

전자 장치 및 이의 제어 방법을 제공한다. 본 개시에 따른 전자 장치의 제어 방법은 제1 렌즈를 이용하여 영상을 획득하는 단계, 인물의 얼굴 전체가 촬영되었는지 여부를 나타내는 스코어를 획득하도록 학습된 신경망 모델에 영상에 포함된 복수의 후보 영역에 대한 정보를 입력하여 복수의 후보 영역에 대한 스코어를 획득하는 단계, 획득된 스코어를 바탕으로 복수의 후보 영역 중 인물의 얼굴이 포함된 적어도 하나의 인물 영역을 식별하는 단계 및 식별된 인물 영역의 위치에 대한 정보 및 식별된 인물 영역의 스코어를 바탕으로 촬영 구도를 변경하기 위한 가이드 정보를 제공하는 단계를 포함한다.

Description

전자 장치 및 이의 제어 방법{Electronic device and Method for controlling th electronic device thereof}
본 개시는 전자 장치 및 이의 제어 방법에 관한 것으로, 더욱 상세하게는 인물의 얼굴을 잘리지 않고 촬영하기 위하여 촬영 구도를 변경하기 위한 전자 장치 및 이의 제어 방법에 관한 것이다.
근래에는 카메라 뿐만 아니라 스마트 폰과 같은 전자 장치를 통해 사진을 촬영하고 있다. 특히, 전자 장치는 단순히 사진 촬영 기능뿐만이 아니라 사진 촬영시 인물의 얼굴을 인식하여 사진의 퀄리티를 높이거나 조명/심도 효과를 제공하기도 한다. 또한, 근래의 전자 장치는 사진을 분석하여 최적의 촬영 구도를 제안하는 기술을 제공하고 있다.
다만, 전자 장치는 인물의 얼굴에 특화된 구도를 제안하고 있지는 않고 있다. 즉, 인물 촬영 시 영상의 가장자리에 위치하는 인물의 얼굴이 잘려 영상이 촬영되는 경우가 발생하고 있다. 또한, 후면에 위치한 카메라를 이용하여 셀피 영상을 촬영할 때, 사용자는 라이브뷰를 확인하지 못하고 촬영하기 때문에 사용자 얼굴의 일부 영역이 잘려 영상이 촬영되는 경우가 발생할 수 있다.
따라서, 사용자의 얼굴이 잘리지 않도록 촬영 구도를 변경하기 위한 방안의 모색이 요청된다.
본 개시는 상술한 문제점을 해결하기 위한 것으로, 본 개시의 목적은 인물의 얼굴 전체가 촬영되었는지 여부를 나타내는 스코어를 획득하도록 학습된 신경망 모델을 통해 획득된 스코어를 바탕으로 촬영 구도를 변경하기 위한 가이드 정보를 제공하는 전자 장치 및 이의 제어 방법을 제공함에 있다.
본 개시의 일 실시예에 따른, 전자 장치의 제어 방법은, 제1 렌즈를 이용하여 영상을 획득하는 단계; 인물의 얼굴 전체가 촬영되었는지 여부를 나타내는 스코어를 획득하도록 학습된 신경망 모델에 상기 영상에 포함된 복수의 후보 영역에 대한 정보를 입력하여 상기 복수의 후보 영역에 대한 스코어를 획득하는 단계; 상기 획득된 스코어를 바탕으로 상기 복수의 후보 영역 중 인물의 얼굴이 포함된 적어도 하나의 인물 영역을 식별하는 단계; 및 상기 식별된 인물 영역의 위치에 대한 정보 및 상기 식별된 인물 영역의 스코어를 바탕으로 촬영 구도를 변경하기 위한 가이드 정보를 제공하는 단계;를 포함한다.
한편, 본 개시의 일 실시예에 따른, 전자 장치는, 제1 렌즈를 포함하는 카메라; 디스플레이; 메모리; 및 상기 제1 렌즈를 이용하여 영상을 획득하고, 인물의 얼굴 전체가 촬영되었는지 여부를 나타내는 스코어를 획득하도록 학습된 신경망 모델에 상기 영상에 포함된 복수의 후보 영역에 대한 정보를 입력하여 상기 복수의 후보 영역에 대한 스코어를 획득하며, 상기 획득된 스코어를 바탕으로 상기 복수의 후보 영역 중 인물의 얼굴이 포함된 적어도 하나의 인물 영역을 식별하고, 상기 식별된 인물 영역의 위치에 대한 정보 및 상기 식별된 인물 영역의 스코어를 바탕으로 촬영 구도를 변경하기 위한 가이드 정보를 제공하도록 상기 디스플레이를 제어하는 프로세서;를 포함한다.
상술한 바와 같은 본 개시의 다양한 실시예에 의해, 사용자는 인물의 얼굴이 잘리지 않고, 인물의 얼굴이 모두 포함된 인물 사진을 촬영할 수 있게 된다.
도 1a은 본 개시의 일 실시예에 따른, 전자 장치의 구성을 나타내는 블록도,
도 1b는 본 개시의 일 실시예에 따른, 전자 장치의 카메라에 대해 간략하게 설명하기 위한 도면,
도 2는 본 개시의 일 실시예에 따른, 전자 장치가 복수의 후보 영역을 획득하는 방법을 설명하기 위한 도면,
도 3은 본 개시의 일 실시예에 따른, 후보 영역의 스코어를 획득하기 위한 신경망 모델을 설명하기 위한 도면,
도 4는 본 개시의 일 실시예에 따른, 신경망 모델을 학습하는 방법을 설명하기 위한 흐름도,
도 5는 본 개시의 일 실시예에 따른, 학습 영상을 랜덤하게 크롭하여 세그먼트 영상을 획득하는 방법을 설명하기 위한 도면,
도 6a 및 도 6b는 본 개시의 일 실시예에 따른, 디스플레이를 통해 제공되는 가이드 정보를 설명하기 위한 도면,
도 6c는 본 개시의 일 실시예에 따른, 스피커 또는 액츄에이터를 통해 제공되는 가이드 정보를 설명하기 위한 도면,
도 7은 본 개시의 일 실시예에 따른, 본 개시의 일 실시예에 따른, 촬영 구도를 변경하기 위하여 렌즈 전환을 설정하는 UI를 도시한 도면,
도 8은 본 개시의 일 실시예에 따른, 렌즈를 변경하여 촬영 구도를 변경하는 방법을 설명하기 위한 도면,
도 9는 본 개시의 일 실시예에 따른, 전자 장치의 제어 방법을 설명하기 위한 흐름도,
도 10은 본 개시의 일 실시예에 따른, 전자 장치의 하드웨어 구성을 보다 상세하게 나타내는 블록도이다.
본 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 본 개시의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 개시를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.
덧붙여, 하기 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 개시의 기술적 사상의 범위가 하기 실시 예에 한정되는 것은 아니다. 오히려, 이들 실시 예는 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 개시의 기술적 사상을 완전하게 전달하기 위하여 제공되는 것이다.
본 개시에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 권리범위를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 개시에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 개시에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 개시에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다.
반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 개시에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다.
대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
실시 예에 있어서 '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 '모듈' 혹은 복수의 '부'는 특정한 하드웨어로 구현될 필요가 있는 '모듈' 혹은 '부'를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.
한편, 도면에서의 다양한 요소와 영역은 개략적으로 그려진 것이다. 따라서, 본 발명의 기술적 사상은 첨부한 도면에 그려진 상대적인 크기나 간격에 의해 제한되지 않는다.
한편, 본 개시의 다양한 실시 예에 따른 전자 장치는 예를 들면, 스마트 폰, 태블릿 PC, 데스크탑 PC, 랩탑 PC 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드 또는 문신), 또는 생체 이식형 회로 중 적어도 하나를 포함할 수 있다.
어떤 실시 예들에서, 전자 장치는 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스, 홈 오토매이션 컨트롤 패널, 보안 컨트롤 패널, 미디어 박스(예: 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(예: XboxTM, PlayStationTM), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시예에서, 전자 장치는 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 드론(drone), 금융 기관의 ATM, 상점의 POS(point of sales), 또는 사물 인터넷 장치 (예: 전구, 각종 센서, 스프링클러 장치, 화재 경보기, 온도조절기, 가로등, 토스터, 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다.
이하에서는 첨부한 도면을 참고하여 본 개시에 따른 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
이하에서는 도면을 참조하여 본 개시에 대해 더욱 상세히 설명하기로 한다. 도 1은 본 개시의 일 실시예에 따른, 전자 장치의 구성을 나타내는 블록도이다. 전자 장치(100)는 메모리(110), 카메라(120), 디스플레이(130) 및 프로세서(140)를 포함한다. 이때, 전자 장치(100)는 스마트 폰으로 구현될 수 있다. 다만, 본 개시에 따른 전자 장치(100)가 특정 유형의 장치에 국한되는 것은 아니며, 태블릿 PC 및 디지털 카메라 등과 같이 다양한 종류의 전자 장치(100)로 구현될 수도 있다.
메모리(110)는 인물 얼굴이 잘리는 것을 방지하기 위하여 촬영 구도를 변경하기 위한 모듈이 각종 동작을 수행하기 위해 필요한 데이터를 저장할 수 있다. 촬영 구도를 변경하기 위한 모듈은 영상 전처리 모듈(141), 후보 영역 추출 모듈(142), 스코어 획득 모듈(143), 인물 영역 식별 모듈(145), 촬영 구도 판단 모듈(146), 가이드 정보 제공 모듈(147) 및 렌즈 변경 모듈(148)을 포함할 수 있다. 또한, 메모리(110)는 인물의 얼굴 전체가 촬영되었는지 여부를 나타내는 스코어를 획득하도록 학습된 신경망 모델(144)을 저장할 수 있다.
한편, 메모리(110)는 전력 공급이 중단되더라도 저장된 정보를 유지할 수 있는 비휘발성 메모리 및 저장된 정보를 유지하기 위해서는 지속적인 전력 공급이 필요한 휘발성 메모리를 포함할 수 있다. 촬영 구도를 변경하기 위한 모듈이 각종 동작을 수행하기 위한 데이터는 비휘발성 메모리에 저장될 수 있다. 그리고, 인물 얼굴 전체가 촬영되었는지 여부를 나타내는 스코어를 획득하기 위한 신경망 모델(144) 역시 비휘발성 메모리에 저장될 수 있다.
또한, 메모리(110)는 카메라(120)에 포함된 복수의 렌즈 각각을 통해 획득되는 복수의 이미지 프레임을 일시적으로 저장하는 적어도 하나의 버퍼를 포함할 수 있다.
카메라(120)는 서로 상이한 복수의 렌즈를 포함할 수 있다. 여기서, 복수의 렌즈가 서로 상이하다는 것은 복수의 렌즈 각각의 화각(Field of View, FOV)이 서로 상이한 경우 및 복수의 렌즈 각각이 배치된 위치가 상이한 경우 등을 포함할 수 있다. 예를 들어, 도 1b에 도시된 바와 같이, 전자 장치(100)의 카메라(110)는 전자 장치(100)의 후면에 배치된 망원 렌즈(telephoto lens)(10), 광각 렌즈(wide angle lens)(20) 및 초광각 렌즈(super wide angle lens)(30)를 포함할 수 있으며, 3D 뎁스 렌즈(three dimensional depth lens)(40)를 포함할 수도 있다. 뿐만 아니라, 전자 장치(100)의 후면에 배치된 망원 렌즈(10), 광각 렌즈(20) 및 초광각 렌즈(30) 등과 함께, 전자 장치(100)의 전면에 배치된 망원 렌즈(미도시)를 더 포함할 수도 있다. 즉, 본 개시에 따른 렌즈의 개수와 그 유형에 특별한 제한이 있는 것은 아니다. 이때, 망원 렌즈(10)는 초망원 렌즈보다 넓은 화각을 가지며, 표준 렌즈는 망원 렌즈(10)보다 넓은 화각을 가지고, 광각 렌즈(20)는 표준 렌즈보다 넓은 화각을 가지며, 초광각 렌즈(30)는 광각 렌즈(20)보다도 넓은 화각을 가진다. 예를 들어, 초망원 렌즈는 화각이 3도 내지 6도이고, 망원 렌즈(10)는 화각이 8도 내지 28도이며, 표준 렌즈는 화각이 47도이고, 광각 렌즈(20)는 화각이 63도 내지 84도이며, 초광각 렌즈(30)는 94도 내지 114도일 수 있다.
그리고, 렌즈의 화각이 넓을수록 렌즈를 통해 획득되는 이미지 프레임은 상대적으로 넓은 범위의 장면을 포함할 수 있는 반면, 상대적으로 이미지 프레임에 포함된 오브젝트의 크기가 작아지고 원근감의 과장이 발생할 수 있다. 한편, 렌즈의 화각이 좁을수록 렌즈를 통해 획득되는 이미지 프레임은 오브젝트의 크기를 확대하여 포함할 수 있는 반면, 상대적으로 좁은 범위의 장면만을 포함할 수 있다.
다만, 이하에서 설명의 편의를 위해 필요한 한도 내에서는, 전자 장치(100)의 카메라(110)가 두 개의 렌즈인 제1 렌즈(예로, 광각 렌즈) 및 제2 렌즈(예로, 초광각 렌즈)를 포함하는 경우를 중심으로 설명한다.
디스플레이(130)는 카메라(120)를 통해 촬영된 영상의 라이브 뷰를 디스플레이할 수 있다. 또한, 디스플레이(130)는 카메라(120)의 촬영 구도를 변경하기 위한 가이드 정보를 디스플레이할 수 있다. 또한, 디스플레이(130)는 촬영 구도 변경을 위해 렌즈 변경을 설정하기 위한 UI를 디스플레이할 수 있다.
한편, 디스플레이(130)는 LCD(Liquid Crystal Display Panel), OLED(Organic Light Emitting Diodes) 등으로 구현될 수 있으며, 또한 디스플레이(130)는 경우에 따라 플렉서블 디스플레이, 투명 디스플레이 등으로 구현되는 것도 가능하다. 다만, 본 개시에 따른 디스플레이(130)가 특정한 종류에 한정되는 것은 아니다.
프로세서(140)는 메모리(110)와 전기적으로 연결되어 전자 장치(100)의 전반적인 기능 및 동작을 제어할 수 있다.
프로세서(140)는 카메라 어플리케이션이 실행되거나 촬영 구도를 변경하기 위한 사용자 명령이 입력되면, 비휘발성 메모리에 저장되어 있는 촬영 구도를 변경하기 위한 모듈이 각종 동작을 수행하기 위한 데이터를 휘발성 메모리로 로딩(loading)할 수 있다. 그리고, 프로세서(140)는 스코어를 획득하기 위한 신경망 모델을 휘발성 메모리로 로딩할 수 있다. 프로세서(140)는 휘발성 메모리로 로딩된 데이터에 기초하여 각종 모듈 및 신경망 모델을 통해 각종 동작을 수행할 수 있다. 여기서, 로딩이란 프로세서(140)가 엑세스할 수 있도록 비휘발성 메모리에 저장된 데이터를 휘발성 메모리에 불러들여 저장하는 동작을 의미한다.
특히, 제1 사용자 명령에 의해 카메라 어플리케이션이 실행되면, 프로세서(140)는 카메라(120)를 통해 영상을 획득할 수 있다. 예로, 프로세서(140)는 카메라(120)에 포함된 제1 렌즈(예로, 광각 렌즈(20))를 통해 라이브 뷰 영상을 획득할 수 있다. 이때, 여기서, '라이브 뷰 영상'이란 카메라의 렌즈를 통해 들어오는 빛이 카메라의 이미지 센서를 통해 전기적인 영상 신호로 변환되어 전자 장치(100)의 디스플레이(130) 상에 표시되는 영상을 말한다. 이때, 제1 렌즈를 통해 획득된 영상은 버퍼 상에 저장될 수 있다.
또한, 프로세서(140)는 영상 전처리 모듈(141)을 통해 제1 렌즈를 통해 획득된 영상에 대한 전처리를 수행할 수 있다. 특히, 영상 전처리 모듈(141)은 영상을 리사이즈하는 영상 리사이즈 처리 모듈 및 영상의 밝기 및 대조도를 정규화하는 정규화 모듈을 포함할 수 있다. 이에 의해, 프로세서(140)는 제1 렌즈를 통해 획득된 영상의 사이즈를 조절하고, 밝기 및 대조도를 보정할 수 있다.
또한, 프로세서(140)는 후보 영역 추출 모듈(142)을 통해 제1 렌즈를 통해 획득된 영상의 가장자리 영역으로부터 복수의 후보 영역을 추출할 수 있다. 구체적으로, 도 2에 도시된 바와 같이, 프로세서(140)는 제1 렌즈를 통해 획득된 영상의 가장자리 영역을 복수의 후보 영역(210,220,230,240,...)으로 분할하여 복수의 후보 영역을 추출할 수 있다. 이때, 복수의 후보 영역(210,220,230,240,...)의 크기는 가장자리에 위치하는 인물 얼굴의 크기에 따라 조절될 수 있다. 또한, 도 2에서는 복수의 후보 영역(210,220,230,240,...)이 겹쳐지지 않는 것으로 도시하였으나, 이는 일 실시예에 불과할 뿐, 복수의 후보 영역(210,220,230,240,...)이 서로 겹쳐지도록 추출할 수 있다. 또한, 후보 영역 추출 모듈(142)은 복수의 후보 영역(210,220,230,240,...)에 대한 위치 정보(예로, 픽셀 위치 정보)를 획득할 수 있다.
또한, 프로세서(140)는 스코어 획득 모듈(143)을 통해 복수의 후보 영역(210,220,230,240,...)에 대한 정보를 입력하여 복수의 후보 영역에 대한 스코어를 획득할 수 있다. 구체적으로, 스코어 획득 모듈(143)은 인물의 얼굴 전체가 촬영되었는지 여부를 나타내는 스코어를 획득하도록 학습된 신경망 모델(144)에 복수의 후보 영역(210,220,230,240,...)에 대한 정보를 입력하여 복수의 후보 영역에 대한 스코어를 획득할 수 있다. 이때, 신경망 모델(144)은 도 3에 도시된 바와 같이, 합성곱 신경망(Convolution Neural Network, CNN) 모델로 구현될 수 있으나, 이는 일 실시예에 불과할 뿐, 심층 신경망(Deep Neural Network, DNN), 순환 신경망(Recurrent Neural Network, RNN) 및 생성적 적대 신경망(Generative Adversarial Networks, GAN) 중 적어도 하나의 인공 신경망 모델로 구현될 수 있다. 특히, 도 3에 도시된 바와 같이, 신경망 모델(144)에 후보 영역에 대한 정보를 입력하면, 신경망 모델(1440)은 후보 영역의 스코어 정보를 획득할 수 있을 뿐만 아니라 키 포인트 정보를 획득할 수 있다. 이때, 키 포인트 정보는 얼굴에 포함된 키포인트(눈, 코, 입, 귀 등)에 대한 위치 정보일 수 있다.
도 4는 본 개시의 일 실시예에 따른, 신경망 모델(144)을 학습하는 방법을 설명하기 위한 흐름도이다.
우선, 전자 장치(100)는 얼굴 전체가 포함된 학습 영상의 얼굴 파트에 포함된 픽셀 개수에 얼굴 파트의 중요도에 따른 가중치를 곱하여 획득된 레퍼런스 스코어를 획득할 수 있다(S410). 구체적으로, 전자 장치(100)는 도 5에 도시된 바와 같이, 사용자 얼굴 전체가 포함된 영상(510)을 획득할 수 있다. 그리고, 전자 장치(100)는 획득된 영상(510)을 세그먼트 영상(segmentation image)(520)로 변환하여 학습 영상을 획득할 수 있다. 이때, 세그먼트 영상(520)은 영상에 포함된 인물의 얼굴을 얼굴 파트(예로, 피부, 눈, 코, 입술 등)를 기준으로 나눈 영상이다. 이때, 얼굴 파트에는 라벨링이 되어 있을 수 있다. 세그먼트 영상(520)(I seg )은 아래의 수학식 1과 같이, 얼굴 파트의 합으로 구현될 수 있다.
Figure pat00001
그리고, 전자 장치(100)는 아래의 수학식 2와 같이, 세그먼트 영상(520)에 포함된 얼굴 파트의 픽셀 개수에 얼굴 파트의 중요도에 따른 가중치를 곱하여 획득된 레퍼런스 스코어를 획득할 수 있다
Figure pat00002
여기서, N은 세그먼트 영상(520)의 얼굴 각 파트에 포함된 픽셀의 숫자(Number of pixels in Segmentation image of each face parts)일 수 있으며,
Figure pat00003
는 얼굴 각 파트의 가중치(weight of each face parts)일 수 있다. 이때, 가중치는 예로, 눈은 5, 코는 4, 입은 3, 귀는 2, 피부는 1, 머리카락은 0일 수 있으나, 이는 일 실시예일 뿐, 다른 값으로 설정될 수 있다.
그리고, 전자 장치(100)는 학습 영상을 랜덤하게 크롭한 크롭 영상의 얼굴 파트에 포함된 픽셀 개수에 얼굴 파트의 중요도에 따른 가중치를 곱하여 획득된 크롭 스코어를 획득할 수 있다(S420). 구체적으로, 전자 장치(100)는 도 5에 도시된 바와 같이, 획득된 영상(510)을 랜덤하게 크롭하여 인물의 얼굴이 일부분 포함된 영상(530)을 획득할 수 있다. 이를 통해, 얼굴이 일부분만 포함된 영상(530)은 카메라 촬영 화각에 의해 잘린 영상을 시뮬레이션으로 생성한 사진으로 볼 수 있다. 그리고, 이와 마찬가지 방식으로, 세그먼트 영상(520)을 크롭하여 얼굴의 일부분이 포함된 세그먼트 영상(540)인 크롭 영상을 획득할 수 있다.
그리고, 전자 장치는 아래의 수학식 3과 같이, 세그먼트 영상(540)에 포함된 얼굴 파트의 픽셀 개수에 얼굴 파트의 중요도에 따른 가중치를 곱하여 크롭 스코어를 획득할 수 있다.
Figure pat00004
전자 장치(100)는 레퍼런스 스코어 및 크롭 스코어의 비율을 크롭 영상에 대응되는 얼굴 스코어로 식별할 수 있다(S430). 즉, 전자 장치(100)는 아래의 수학식4 를 통해 크롭 영상에 대응되는 얼굴 스코어를 식별할 수 있다.
Figure pat00005
전자 장치(100)는 크롭 영상 및 크롭 영상에 대응되는 얼굴 스코어를 바탕으로 신경망 모델(144)을 학습할 수 있다(S440). 구체적으로, 전자 장치(100)는 크롭 영상(이때, 크롭 영상은 세그먼트 영상(540)이 아닌 얼굴 일부분만 포함된 영상(530)) 및 크롭 영상에 대응되는 얼굴 스코어를 데이터 세트로 할 수 있다. 즉, 전자 장치(100)는 입력 데이터를 크롭 영상으로 이용하며, 출력 데이터를 얼굴 스코어로 이용하여 신경망 모델(144)을 학습시킬 수 있다. 이때, 전자 장치(100)는 출력 데이터로 얼굴 스코어 뿐만 아니라 키 포인트(즉, 얼굴의 주요 파트)에 대한 정보를 함께 신경망 모델(144)을 학습시킬 수 있다.
한편, 상술한 실시예에서는 전자 장치(100)가 신경망 모델(144)을 학습시키는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 다른 장치(예로, 서버)가 신경망 모델(144)을 학습시킬 수 있다.
다시 도 1에 대해 설명하면, 프로세서(140)는 상술한 바와 같은 신경망 모델(144)을 통해 복수의 후보 영역(210,220,230,240,...) 각각에 대한 스코어를 획득할 수 있다. 예로, 프로세서(140)는 제1 후보 영역(210)에 대한 스코어를 0.8, 제2 후보 영역(220)에 대한 스코어를 0.01, 제3 후보 영역(230)에 대한 스코어를 0.02, 제4 후보 영역(240)에 대한 스코어를 0.01로 획득할 수 있다. 또한, 프로세서(!40)는 신경망 모델(144)을 통해 복수의 후보 영역(210,220,230,240,...)에 포함된 얼굴의 키포인트 정보를 획득할 수 있다.
프로세서(140)는 인물 영역 식별 모듈(145)을 통해 복수의 후보 영역(210,220,230,240,...) 중 인물 얼굴이 포함된 인물 영역을 식별할 수 있다. 구체적으로, 인물 영역 식별 모듈(145)은 복수의 후보 영역(210,220,230,240,...) 중 스코어가 임계값을 초과하는 영역을 인물 영역으로 식별할 수 있다. 예로, 인물 영역 식별 모듈(145)은 임계값인 0.6 이상인 제1 후보 영역(210)을 인물 영역으로 식별할 수 있다. 인물 영역 식별 모듈(145)은 임계값 이하인 후보 영역(220,230,240,..)을 인물 영역이 아닌 일반 영역으로 식별할 수 있다.
프로세서(140)는 촬영 구도 판단 모듈(146)을 통해 식별된 인물 영역(210)의 위치 정보, 식별된 인물 영역에 포함된 키포인트에 대한 정보 및 식별된 인물 영역의 스코어를 바탕으로 촬영 구도를 판단할 수 있다. 특히, 촬영 구도 판단 모듈(146)은 식별된 인물 영역(210)의 위치 정보, 식별된 인물 영역에 포함된 키포인트에 대한 정보 및 식별된 인물 영역의 스코어를 바탕으로 촬영 구도의 변경 방향에 대한 정보를 획득할 수 있다. 예를 들어, 인물 영역(210)의 위치가 좌측 상단 가장 자리 영역이며, 인물 영역(210)에 포함된 얼굴 스코어가 0.8이며, 인물 영역(210)에 포함된 키포인트(눈, 코, 입, 눈썹)의 위치 및 키포인트 중 왼쪽 눈의 일부가 잘렸으면, 촬영 구도 판단 모듈(146)은 촬영 구도의 변경 방향을 북서쪽으로 판단할 수 있다. 또한, 촬영 구도 판단 모듈(146)은 식별된 인물 영역에 포함된 키포인트에 대한 정보 및 식별된 인물 영역의 스코어를 바탕으로 촬영 구도의 변경 거리에 대한 정보를 판단할 수 있다. 구체적으로, 촬영 구도 판단 모듈(146)은 식별된 인물 영역에 포함된 키포인트에 대한 정보 및 식별된 인물 영역의 스코어를 바탕으로 잘린 얼굴 영역의 크기를 판단하고, 잘린 얼굴 영역이 모두 나올 수 있도록 하기 위한 촬영 구도의 변경 거리에 대한 정보를 판단할 수 있다.
다른 실시예에 의하면, 촬영 구도 판단 모듈(146)은 식별된 인물 영역(210)의 위치 정보, 식별된 인물 영역에 포함된 키포인트에 대한 정보 및 식별된 인물 영역의 스코어를 바탕으로 촬영 구도를 변경하기 위하여 인물 영역에 포함된 인물의 이동 방향에 대한 정보를 판단할 수 있다. 구체적으로, 인물 영역(210)의 위치가 좌측 상단 가장 자리 영역이며, 인물 영역(210)에 포함된 얼굴 스코어가 0.8이며, 인물 영역(210)에 포함된 키포인트(눈, 코, 입, 눈썹)의 위치 및 키포인트 중 왼쪽 눈의 일부가 잘렸으면, 촬영 구도 판단 모듈(146)은 촬영 구도를 변경하기 위하여 인물 영역(210)에 포함된 인물의 이동 방향을 동쪽으로 판단할 수 있다.
또 다른 실시예에 의하면, 변경 거리로 인해 영상에 포함된 다른 인물의 얼굴이 잘리는 경우, 촬영 구도 판단 모듈(146)은 촬영 구도를 변경하기 위하여 촬영 화각을 넓히기 위한 정보를 판단할 수 있다.
프로세서(140)는 가이드 정보 제공 모듈(147)을 통해 촬영 구도를 변경하기 위한 가이드 정보를 획득할 수 있다. 구체적으로, 가이드 정보 제공 모듈(147)은 촬영 구도 판단 모듈(146)에 의해 판단된 촬영 구도의 변경 방향에 대한 정보 및 촬영 구도의 변경 거리에 대한 정보 중 적어도 하나를 바탕으로 가이드 정보를 생성하여 제공할 수 있다.
이때, 프로세서(140)는 디스플레이(130)를 통해 시각적인 형태로 가이드 정보를 제공할 수 있다. 일 실시예로, 프로세서(140)는 촬영 구도 판단 모듈(146)에 의해 판단된 인물의 이동 방향에 대한 정보를 바탕으로 도 6a에 도시된 바와 같이, 라이브 뷰 상에 포함된 인물 영역에 바운딩 박스(610)와 함께 오른쪽으로 이동을 안내하는 인디케이터(615)를 표시하도록 디스플레이(130)를 제어할 수 있다. 이때, 프로세서(140)는 가이드 정보로서 바운딩 박스(610) 및 인디케이터(615)와 함께, 액츄에이터를 이용하여 진동 피드백을 함께 제공할 수 있다.
다른 실시예로, 프로세서(140)는 촬영 구도 판단 모듈(146)에 의해 판단된 촬영 구도의 변경 방향 및 촬영 구도의 변경 거리에 대한 정보를 바탕으로 촬영 구도의 변경을 안내하는 UI를 제공할 수 있다. 구체적으로, 제1 렌즈를 통해 영상을 획득하는 동안, 프로세서(140)는 라이브 뷰 상에 영상의 중심을 나타내는 제1 UI 엘리먼트(610)를 표시하도록 디스플레이(130)를 제어할 수 있다. 그리고, 프로세서(140)는 도 6b의 좌측에 도시된 바와 같이, 획득된 촬영 구도의 변경 방향에 대한 정보 및 촬영 구도의 변경 거리에 대한 정보 중 적어도 하나를 바탕으로 식별된 위치에 제1 UI 엘리먼트(610)의 이동을 안내하기 위한 제2 UI 엘리먼트(620)를 포함하는 가이드 정보를 제공하도록 디스플레이(130)를 제어할 수 있다. 이때, 사용자가 전자 장치(100)를 이동하여 도 6b의 우측에 도시된 바와 같이, 제1 UI 엘리먼트(610)와 제2 UI 엘리먼트(620)가 일치하는 경우, 프로세서(140)는 촬영 구도의 변경 완료를 안내하는 피드백 메시지를 제공할 수 있다. 피드백 메시지는 시각적 형태(예로, 안내 메시지), 청각적 형태(예로, 음성 메시지), 촉각적 형태(예로, 진동 메시지) 중 적어도 하나의 형태로 제공될 수 있다.
또한, 프로세서(140)는 스피커를 통해 청각적인 형태로 가이드 정보를 제공할 수 있다. 구체적으로, 프로세서(140)는 촬영 구도 판단 모듈(146)에 의해 판단된 인물의 이동 방향에 대한 정보를 바탕으로 도 6c에 도시된 바와 같이, "왼쪽분, 가운데로 이동하여 주세요"라는 음성 메시지(640)를 제공할 수 있다. 이때, 프로세서(140)는 가이드 정보로서 음성 메시지(640)와 함께, 액츄에이터를 이용하여 진동 피드백을 함께 제공할 수 있다.
도 6a 내지 도 6c에서는 디스플레이(130) 또는 스피커를 통해 가이드 정보를 제공하는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 다른 형태의 가이드 정보를 제공할 수 있다. 예로, 전자 장치(100)에 구비된 LED를 점멸하여 가이드 정보를 제공할 수 있으며, 액츄에이터를 통해 진동 형태의 가이드 정보를 제공할 수 있다.
한편, 상술한 실시예에서는 촬영 구도를 변경하기 위한 촬영 구도의 변경 방향 또는 인물의 이동 정보를 바탕으로 가이드 정보를 제공하는 것으로 설명하였으나, 이는 일 실시예일 뿐, 전자 장치(100)는 사용자 설정에 따라 카메라(120)에 포함된 렌즈를 변경하여 화각을 넓혀 촬영 구도를 변경할 수 있다.
구체적으로, 프로세서(140)는 도 7에 도시된 바와 같은 촬영 구도를 변경하기 위하여 자동으로 렌즈 변경을 설정하기 위한 UI(710)를 표시하도록 디스플레이(130)를 제어할 수 있다. 사용자는 UI(710)를 통해 렌즈를 고정하여 구도를 변경하는 방법 및 렌즈를 전환하여 구도를 변경하는 방법 중 적어도 하나를 선택할 수 있다. 렌즈를 고정하여 구도를 변경하는 방법이 선택되면, 프로세서(140)는 도 6a 내지 도 6c에서 설명한 바와 같은 방법으로 가이드 정보를 제공할 수 있다.
렌즈를 전환하여 구도를 변경하는 방법이 선택되면, 프로세서(140)는 촬영 구도를 변경하기 위하여 더욱 넓은 화각을 촬영할 수 있는 렌즈로 변경할 수 있다. 즉, 프로세서(140)는 렌즈 변경 모듈(148)을 통해 제1 렌즈를 제1 렌즈보다 화각이 넓은 제2 렌즈로 변경하여 영상을 촬영할 수 있다. 구체적으로, 렌즈 변경 모듈(148)은 촬영 구도 판단 모듈(146)에 판단된 촬영 구도를 변경하기 위하여 촬영 화각을 넓히기 위한 정보를 바탕으로 제1 렌즈에서 제2 렌즈로 렌즈를 변경하여 영상을 촬영할 수 있다. 예로, 프로세서(140)는 촬영 구도를 변경하기 위하여 촬영 화각을 넓히기 위한 정보를 바탕으로 도 8에 도시된 바와 같이, 자동으로 광각 렌즈(20)에서 초광각 렌즈(30)로 변경하여 촬영할 수 있다. 이에 의해, 도 8의 좌측에 도시된 영상(810)에서는 좌측에 위치하는 인물의 일부가 잘렸으나, 렌즈 변경을 통해 도 8의 우측에 도시된 영상(820)에서는 영상에 포함된 모든 인물의 얼굴이 포함되어 촬영될 수 있다.
한편, 상술한 실시예에서는 렌즈를 변경하여 화각을 넓히는 것으로 설명하였으나, 이는 일 실시예에 불과할 뿐, 렌즈를 변경하지 않고 주밍 동작을 통해 화각을 넓히는 방법 역시 본 발명의 기술적 사상이 적용될 수 있다.
상술한 바와 같이, 전자 장치(100)는 인물의 얼굴 일부가 잘린 경우, 촬영 구도를 변경하기 위하여 가이드 정보를 제공하거나 렌즈를 변경하여 촬영 구도를 변경할 수 있다. 이에 의해, 전자 장치(100)는 얼굴이 모두 포함된 영상을 촬영할 수 있게 되어 더욱 향상된 영상 촬영 기능을 제공할 수 있게 된다.
도 9는 본 개시의 일 실시예에 따른, 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
우선, 전자 장치(100)는 제1 렌즈를 이용하여 영상을 획득할 수 있다(S910). 이때, 제1 렌즈는 광각 렌즈일 수 있으며, 제1 렌즈에 의해 획득된 영상은 라이브 뷰로 제공될 수 있다.
전자 장치(100)는 영상의 가장 자리 영역을 분할하여 복수의 후보 영역을 획득할 수 있다(S920). 이때, 복수의 후보 영역은 인물의 얼굴 크기에 따라 사이즈가 결정될 수 있다. 또한, 전자 장치(100)는 복수의 후보 영역을 획득할 때, 복수의 후보 영역에 대한 위치 정보를 함께 획득할 수 있다.
전자 장치(100)는 신경망 모델에 영상에 포함된 복수의 후보 명역에 대한 저보를 입력하여 복수의 후보 영역에 대한 스코어를 획득할 수 있다(S930). 이때, 신경망 모델은 인물의 얼굴 전체가 촬영되었는지 여부를 나타내는 스코어를 획득하도록 학습된 신경망 모델로서, 도 4에서 설명한 바와 같은 방법으로 학습될 수 있다. 또한, 전자 장치(100)는 신경망 모델을 통해 복수의 후보 영역에 대한 스코어와 함께 후보 영역에 포함된 키포인트(예를 들어, 눈, 코, 입 등)에 대한 정보를 함께 획득할 수 있다.
전자 장치(100)는 획득된 스코어를 바탕으로 복수의 후보 영역 중 인물의 얼굴이 포함된 적어도 하나의 인물 영역을 식별할 수 있다(S940). 구체적으로, 전자 장치(100)는 복수의 후보 영역 중 임계값을 초과하는 스코어를 가지는 후보 영역을 인물의 얼굴이 포함된 인물 영역으로 식별할 수 있다.
전자 장치(100)는 식별된 인물 영역의 위치 정보 및 식별된 인물 영역의 스코어를 바탕으로 촬영 구도를 변경하기 위한 정보를 획득할 수 있다(S950). 구체적으로, 전자 장치(100)는 식별된 인물 영역의 위치 정보 및 식별된 인물 영역의 스코어를 바탕으로 촬영 구도의 변경 방향 및 변경 거리 중 적어도 하나의 정보를 획득할 수 있다.
전자 장치(100)는 촬영 구도를 변경하기 위한 정보를 바탕으로 가이드 정보를 제공할 수 있다(S960). 구체적으로, 전자 장치(100)는 촬영 구도를 변경하기 위한 정보(예를 들어, 변경 방향에 대한 정보, 변경 거리에 대한 정보, 인물 이동에 대한 정보 등)를 바탕으로 도 6a 내지 도 6c에 도시한 바와 같은 가이드 정보를 제공할 수 있다.
도 10은 본 개시의 일 실시 예에 따른 전자 장치의 하드웨어 구성을 보다 상세하게 나타내는 블록도이다. 도 10에 도시된 바와 같이, 본 개시에 따른 전자 장치(100)는 디스플레이(1010), 스피커(1020), 카메라(1030), 메모리(1040), 통신 인터페이스(1050), 입력 인터페이스(1060), 센서(1070) 및 프로세서(1080)를 포함할 수 있다. 그러나, 이와 같은 구성은 예시적인 것으로서, 본 개시를 실시함에 있어 이와 같은 구성에 더하여 새로운 구성이 추가되거나 일부 구성이 생략될 수 있음을 물론이다. 한편, 디스플레이(1010), 카메라(1030), 메모리(1040) 및 프로세서(1080)는 도 1에서 설명한 디스플레이(130), 카메라(120), 메모리(110) 및 프로세서(140)와 동일한 구성이므로, 중복되는 설명은 생략한다.
스피커(1020)는 음성 메시지를 출력할 수 있다. 특히, 스피커(1020)는 촬영 구도를 변경하기 위한 정보를 포함하는 안내 메시지를 음성 메시지 형태로 제공할 수 있다. 이때, 스피커(1020)는 전자 장치(100) 내부에 포함될 수 있으나, 이는 일 실시예에 불과할 뿐, 전자 장치(100)와 전기적으로 연결되어 외부에 위치할 수 있다.
통신 인터페이스(1050)는 회로를 포함하며, 외부 장치와의 통신을 수행할 수 있다. 구체적으로, 프로세서(10800)는 통신 인터페이스(1050)를 통해 연결된 외부 장치로부터 각종 데이터 또는 정보를 수신할 수 있으며, 외부 장치로 각종 데이터 또는 정보를 전송할 수도 있다.
통신 인터페이스(1050)는 WiFi 모듈, Bluetooth 모듈, 무선 통신 모듈, 및 NFC 모듈 중 적어도 하나를 포함할 수 있다. 구체적으로, WiFi 모듈과 Bluetooth 모듈 각각은 WiFi 방식, Bluetooth 방식으로 통신을 수행할 수 있다. WiFi 모듈이나 Bluetooth 모듈을 이용하는 경우에는 SSID 등과 같은 각종 연결 정보를 먼저 송수신하여, 이를 이용하여 통신 연결한 후 각종 정보들을 송수신할 수 있다.
또한, 무선 통신 모듈은 IEEE, Zigbee, 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), 5G(5th Generation) 등과 같은 다양한 통신 규격에 따라 통신을 수행할 수 있다. 그리고, NFC 모듈은 135kHz, 13.56MHz, 433MHz, 860~960MHz, 2.45GHz 등과 같은 다양한 RF-ID 주파수 대역들 중에서 13.56MHz 대역을 사용하는 NFC(Near Field Communication) 방식으로 통신을 수행할 수 있다.
특히, 본 개시에 따른 다양한 실시 예에 있어서, 통신 인터페이스(1050)는 신경망 모델(144)에 관련된 데이터 등과 같은 다양한 종류의 정보를 외부 장치로부터 수신할 수 있다.
입력 인터페이스(1060)는 회로를 포함하며, 프로세서(1080)는 입력 인터페이스(1060)를 통해 전자 장치(100)의 동작을 제어하기 위한 사용자 명령을 수신할 수 있다. 구체적으로, 입력 인터페이스(1060)는 터치 스크린으로서 디스플레이(1010)에 포함된 형태로 구현될 수 있으나, 이는 일 실시예에 불과한 뿐, 버튼, 마이크 및 리모컨 신호 수신부(미도시) 등과 같은 구성으로 이루어 질 수 있다.
특히, 본 개시에 따른 다양한 실시 예에 있어서, 입력 인터페이스(1060)는 카메라 어플리케이션을 실행하기 위한 사용자 명령, 영상을 촬영하기 위한 사용자 명령, UI를 통해 촬영 환경을 설정하기 위한 사용자 명령 등과 같은 다양한 사용자 명령을 입력받을 수 있다.
센서(1070)는 전자 장치(100)와 관련된 다양한 정보를 획득할 수 있다. 특히, 센서(1070)는 전자 장치(100)의 위치 정보를 획득할 수 있는 GPS를 포함할 수 있으며, 전자 장치(100)를 사용하는 사용자의 생체 정보를 획득하기 위한 생체 센서(예로, 심박수 센서, PPG 센서 등), 전자 장치(100)의 움직임을 감지하기 위한 움직임 센서 등과 같은 다양한 센서를 포함할 수 있다.
한편, 본 개시의 일 실시예에 따르면, 후면 카메라를 이용하여 셀피 촬영을 수행하는 경우, 전자 장치(100)는 스피커(1020), 액츄에이터(미도시) 또는 LED(미도시) 중 적어도 하나를 통해 가이드 정보를 제공할 수 있다. 예를 들어, 후면 카메라를 이용하여 셀피 촬영을 수행하는 동안 인물의 얼굴이 잘리는 경우, 전자 장치(100)는 신경망 모델(144)을 통해 획득된 스코어를 바탕으로 촬영 구도를 변경하기 위한 정보를 획득하고, 획득된 정보를 바탕으로 가이드 정보를 스피커(1020), 액츄에이터(미도시) 또는 LED(미도시) 중 적어도 하나를 통해 제공할 수 있다. 예로, 전자 장치(100)는 촬영 구도를 변경하기 위한 정보를 바탕으로 "전자 장치를 왼쪽으로 돌려보세요"라는 음성 메시지를 스피커(1020)를 통해 제공할 수 있다. 또는, 인물의 얼굴이 잘린 경우, 전자 장치(100)는 액츄에이터를 통해 진동을 제공할 수 있으며 LED를 깜빡임으로서 안내 메시지를 제공할 수 있다.
한편, 이상에서 상술한 바와 같은 신경망 모델에 관련된 기능은 메모리 및 프로세서를 통해 수행될 수 있다. 프로세서는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP 등과 같은 범용 프로세서, GPU. VPU 등과 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 비휘발성 메모리 및 휘발성 메모리에 저장된 기 정의된 동작 규칙 또는 인공 지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 기 정의된 동작 규칙 또는 인공 지능 모델은 학습을 통해 만들어진 것을 특징으로 한다.
여기서, 학습을 통해 만들어진다는 것은, 다수의 학습 데이터들에 학습 알고리즘을 적용함으로써, 원하는 특성의 기 정의된 동작 규칙 또는 인공 지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공 지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버/시스템을 통해 이루어 질 수도 있다.
인공 지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 각 레이어는 복수의 가중치(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치의 연산을 통해 레이어의 연산을 수행한다. 신경망의 예로는, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network), GAN(Generative Adversarial Networks) 및 심층 Q-네트워크 (Deep Q-Networks)이 있으며, 본 개시에서의 신경망은 명시한 경우를 제외하고 전술한 예에 한정되지 않는다.
학습 알고리즘은, 다수의 학습 데이터들을 이용하여 소정의 대상 기기(예컨대, 로봇)을 훈련시켜 소정의 대상 기기 스스로 결정을 내리거나 예측을 할 수 있도록 하는 방법이다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으며, 본 개시에서의 학습 알고리즘은 명시한 경우를 제외하고 전술한 예에 한정되지 않는다.
기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적 저장매체'는 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다. 예로, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함할 수 있다.
일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품(예: 다운로더블 앱(downloadable app))의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
이상에서 상술한 바와 같은 본 개시의 다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다.
다양한 실시 예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
한편, 본 개시에서 사용된 용어 "부" 또는 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. "부" 또는 "모듈"은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 개시의 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 전자 장치(예: 전자 장치(100))를 포함할 수 있다.
상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접 또는 상기 프로세서의 제어 하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100: 전자 장치 110: 메모리
120: 카메라 130: 디스플레이
140: 프로세서

Claims (20)

  1. 전자 장치의 제어 방법에 있어서,
    제1 렌즈를 이용하여 영상을 획득하는 단계;
    인물의 얼굴 전체가 촬영되었는지 여부를 나타내는 스코어를 획득하도록 학습된 신경망 모델에 상기 영상에 포함된 복수의 후보 영역에 대한 정보를 입력하여 상기 복수의 후보 영역에 대한 스코어를 획득하는 단계;
    상기 획득된 스코어를 바탕으로 상기 복수의 후보 영역 중 인물의 얼굴이 포함된 적어도 하나의 인물 영역을 식별하는 단계; 및
    상기 식별된 인물 영역의 위치에 대한 정보 및 상기 식별된 인물 영역의 스코어를 바탕으로 촬영 구도를 변경하기 위한 가이드 정보를 제공하는 단계;를 포함하는 제어 방법.
  2. 제1항에 있어서,
    상기 영상의 가장자리 부분을 상기 복수의 후보 영역으로 분할하고, 상기 분할된 복수의 후보 영역의 위치 정보를 획득하는 단계;를 포함하며,
    상기 스코어를 획득하는 단계는,
    상기 신경망 모델에 상기 영상에 포함된 복수의 후보 영역에 대한 정보를 입력하여 상기 복수의 후보 영역에 대한 스코어와 함께 상기 복수의 후보 영역에 포함된 키포인트에 대한 정보를 획득하는 제어 방법.
  3. 제2항에 있어서,
    상기 식별된 인물 영역의 위치에 대한 정보 및 상기 식별된 인물 영역에 포함된 키포인트에 대한 정보 및 상기 식별된 인물 영역의 스코어를 바탕으로 촬영 구도의 변경 방향에 대한 정보를 획득하는 단계;를 포함하는 제어 방법.
  4. 제3항에 있어서,
    상기 제공하는 단계는,
    상기 획득된 촬영 구도의 변경 방향에 대한 정보를 바탕으로 촬영 구도의 변경을 위하여 상기 인물 영역에 포함된 인물의 이동 방향을 안내하는 메시지를 포함하는 가이드 정보를 제공하는 제어 방법.
  5. 제4항에 있어서,
    상기 제공하는 단계는,
    상기 가이드 정보를 디스플레이를 통해 시각적인 형태로 제공하거나 스피커를 통해 청각적인 형태로 제공하는 제어 방법.
  6. 제3항에 있어서,
    상기 영상을 획득하는 동안 상기 영상의 중심을 나타내는 제1 UI 엘리먼트를 제공하는 단계;를 포함하며,
    상기 가이드 정보를 제공하는 단계는,
    상기 획득된 촬영 구도의 변경 방향에 대한 정보를 바탕으로 식별된 위치에 상기 제1 UI 엘리먼트의 이동을 안내하기 위한 제2 UI 엘리먼트를 포함하는 상기 가이드 정보를 제공하는 제어 방법.
  7. 제1항에 있어서,
    촬영 구도 변경을 위해 렌즈 변경을 설정하기 위한 UI를 표시하는 단계;를 포함하는 제어 방법.
  8. 제7항에 있어서,
    상기 UI를 통해 상기 촬영 구도 변경을 위해 렌즈 변경의 설정이 온(ON)된 상태에서 상기 획득된 스코어가 임계 범위 내라고 판단되면, 상기 식별된 인물 영역의 위치에 대한 정보 및 상기 식별된 인물 영역의 스코어를 바탕으로 상기 제1 렌즈와 상이한 상기 제2 렌즈를 이용하여 영상을 촬영하는 단계;를 포함하는 제어 방법.
  9. 제7항에 있어서,
    상기 제2 렌즈는 상기 제1 렌즈보다 넓은 화각의 영상을 획득할 수 있는 제어 방법.
  10. 제1항에 있어서,
    얼굴 전체가 포함된 학습 영상의 얼굴 파트에 포함된 픽셀 개수에 얼굴 파트의 중요도에 따른 가중치를 곱하여 획득된 레퍼런스 스코어를 획득하는 단계;
    상기 학습 영상을 랜덤하게 크롭한 크롭 영상의 얼굴 파트에 포함된 픽셀 개수에 상기 얼굴 파트의 중요도에 따른 가중치를 곱하여 획득된 크롭 스코어를 획득하는 단계;
    상기 레퍼런스 스코어 및 상기 크롭 스코어의 비율을 상기 크롭 영상에 대응되는 얼굴 스코어로 식별하는 단계; 및
    상기 크롭 영상 및 상기 크롭 영상에 대응되는 얼굴 스코어를 바탕으로 상기 신경망 모델을 학습하는 단계;를 포함하는 제어 방법.
  11. 전자 장치에 있어서,
    제1 렌즈를 포함하는 카메라;
    디스플레이;
    메모리; 및
    상기 제1 렌즈를 이용하여 영상을 획득하고,
    인물의 얼굴 전체가 촬영되었는지 여부를 나타내는 스코어를 획득하도록 학습된 신경망 모델에 상기 영상에 포함된 복수의 후보 영역에 대한 정보를 입력하여 상기 복수의 후보 영역에 대한 스코어를 획득하며,
    상기 획득된 스코어를 바탕으로 상기 복수의 후보 영역 중 인물의 얼굴이 포함된 적어도 하나의 인물 영역을 식별하고,
    상기 식별된 인물 영역의 위치에 대한 정보 및 상기 식별된 인물 영역의 스코어를 바탕으로 촬영 구도를 변경하기 위한 가이드 정보를 제공하도록 상기 디스플레이를 제어하는 프로세서;를 포함하는 전자 장치.
  12. 제11항에 있어서,
    상기 프로세서는,
    상기 영상의 가장자리 부분을 상기 복수의 후보 영역으로 분할하고, 상기 분할된 복수의 후보 영역의 위치 정보를 획득하며,
    상기 신경망 모델에 상기 영상에 포함된 복수의 후보 영역에 대한 정보를 입력하여 상기 복수의 후보 영역에 대한 스코어와 함께 상기 복수의 후보 영역에 포함된 키포인트에 대한 정보를 획득하는 전자 장치.
  13. 제12항에 있어서,
    상기 프로세서는,
    상기 식별된 인물 영역의 위치에 대한 정보 및 상기 식별된 인물 영역에 포함된 키포인트에 대한 정보 및 상기 식별된 인물 영역의 스코어를 바탕으로 촬영 구도의 변경 방향에 대한 정보를 획득하는 전자 장치.
  14. 제13항에 있어서,
    상기 프로세서는,
    상기 획득된 촬영 구도의 변경 방향에 대한 정보를 바탕으로 촬영 구도의 변경을 위하여 상기 인물 영역에 포함된 인물의 이동 방향을 안내하는 메시지를 포함하는 가이드 정보를 제공하도록 상기 디스플레이를 제어하는 전자 장치.
  15. 제14항에 있어서,
    스피커;를 더 포함하며,
    상기 프로세서는,
    상기 가이드 정보를 상기 스피커를 통해 청각적인 형태로 제공하는 제어 방법.
  16. 제13항에 있어서,
    상기 프로세서는,
    상기 영상을 획득하는 동안 상기 영상의 중심을 나타내는 제1 UI 엘리먼트를 제공하도록 상기 디스플레이를 제어하고,
    상기 획득된 촬영 구도의 변경 방향에 대한 정보를 바탕으로 식별된 위치에 상기 제1 UI 엘리먼트의 이동을 안내하기 위한 제2 UI 엘리먼트를 포함하는 상기 가이드 정보를 제공하도록 상기 디스플레이를 제어하는 제어 방법.
  17. 제11항에 있어서,
    상기 프로세서는,
    촬영 구도 변경을 위해 렌즈 변경을 설정하기 위한 UI를 표시하도록 상기 디스플레이를 제어하는 전자 장치.
  18. 제17항에 있어서,
    상기 프로세서는,
    상기 UI를 통해 상기 촬영 구도 변경을 위해 렌즈 변경의 설정이 온(ON)된 상태에서 상기 획득된 스코어가 임계 범위 내라고 판단되면, 상기 식별된 인물 영역의 위치에 대한 정보 및 상기 식별된 인물 영역의 스코어를 바탕으로 상기 제1 렌즈와 상이한 상기 제2 렌즈를 이용하여 영상을 촬영하도록 상기 카메라를 제어하는 전자 장치.
  19. 제17항에 있어서,
    상기 제2 렌즈는 상기 제1 렌즈보다 넓은 화각의 영상을 획득할 수 있는 전자 장치.
  20. 제11항에 있어서,
    상기 프로세서는,
    얼굴 전체가 포함된 학습 영상의 얼굴 파트에 포함된 픽셀 개수에 얼굴 파트의 중요도에 따른 가중치를 곱하여 획득된 레퍼런스 스코어를 획득하고,
    상기 학습 영상을 랜덤하게 크롭한 크롭 영상의 얼굴 파트에 포함된 픽셀 개수에 상기 얼굴 파트의 중요도에 따른 가중치를 곱하여 획득된 크롭 스코어를 획득하며,
    상기 레퍼런스 스코어 및 상기 크롭 스코어의 비율을 상기 크롭 영상에 대응되는 얼굴 스코어로 식별하고,
    상기 크롭 영상 및 상기 크롭 영상에 대응되는 얼굴 스코어를 바탕으로 상기 신경망 모델을 학습하는 전자 장치.
KR1020200136516A 2020-10-21 2020-10-21 전자 장치 및 이의 제어 방법 KR20220052500A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020200136516A KR20220052500A (ko) 2020-10-21 2020-10-21 전자 장치 및 이의 제어 방법
PCT/KR2021/014077 WO2022086028A1 (ko) 2020-10-21 2021-10-13 전자 장치 및 이의 제어 방법
US18/136,148 US20230283879A1 (en) 2020-10-21 2023-04-18 Electronic device and method for controlling the electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200136516A KR20220052500A (ko) 2020-10-21 2020-10-21 전자 장치 및 이의 제어 방법

Publications (1)

Publication Number Publication Date
KR20220052500A true KR20220052500A (ko) 2022-04-28

Family

ID=81290718

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200136516A KR20220052500A (ko) 2020-10-21 2020-10-21 전자 장치 및 이의 제어 방법

Country Status (3)

Country Link
US (1) US20230283879A1 (ko)
KR (1) KR20220052500A (ko)
WO (1) WO2022086028A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4864502B2 (ja) * 2006-03-23 2012-02-01 富士フイルム株式会社 撮像装置および撮像条件案内方法
KR101539043B1 (ko) * 2008-10-31 2015-07-24 삼성전자주식회사 인물 구도 제안 영상 촬영 장치 및 방법
JP2011097263A (ja) * 2009-10-28 2011-05-12 Nikon Corp 撮影装置およびプログラム
JP6849824B2 (ja) * 2017-05-31 2021-03-31 ザ プロクター アンド ギャンブル カンパニーＴｈｅ Ｐｒｏｃｔｅｒ ＆ Ｇａｍｂｌｅ Ｃｏｍｐａｎｙ セルフィーを撮影するためにユーザをガイドするためのシステム及び方法
KR102201858B1 (ko) * 2019-08-26 2021-01-12 엘지전자 주식회사 인공지능 기반 영상 편집 방법 및 지능형 디바이스

Also Published As

Publication number Publication date
WO2022086028A1 (ko) 2022-04-28
US20230283879A1 (en) 2023-09-07

Similar Documents

Publication Publication Date Title
US11290640B2 (en) Electronic device and controlling method of electronic device
US11281288B2 (en) Eye and head tracking
CN108012559B (zh) 用于生成三维模型的方法和系统
US10460164B2 (en) Information processing apparatus, information processing method, eyewear terminal, and authentication system
US9131150B1 (en) Automatic exposure control and illumination for head tracking
KR102414602B1 (ko) 데이터 인식 모델 구축 장치 및 이의 데이터 인식 모델 구축 방법과, 데이터 인식 장치 및 이의 데이터 인식 방법
US11977981B2 (en) Device for automatically capturing photo or video about specific moment, and operation method thereof
KR20170047167A (ko) 전자 장치가 동영상의 얼굴의 인상을 변형하는 방법 및 그 전자 장치
US10254831B2 (en) System and method for detecting a gaze of a viewer
JP2020057111A (ja) 表情判定システム、プログラム及び表情判定方法
US10816800B2 (en) Electronic device and method of controlling the same
KR20230003555A (ko) 텍스처 기반 자세 검증
KR102396794B1 (ko) 전자 장치 및 이의 제어 방법
CN114981836A (zh) 电子设备和电子设备的控制方法
CN109328355A (zh) 用于智能群体肖像的方法和系统
WO2020051781A1 (en) Systems and methods for drowsiness detection
US11328187B2 (en) Information processing apparatus and information processing method
KR20220052500A (ko) 전자 장치 및 이의 제어 방법
WO2021024860A1 (ja) 情報処理装置、情報処理方法、及びプログラム
KR20220052779A (ko) 전자 장치 및 전자 장치의 제어 방법
KR20220107683A (ko) 전자 장치 및 이의 제어 방법
US11842027B2 (en) Electronic device and controlling method of electronic device
KR20210153497A (ko) 전자 장치 및 전자 장치의 제어 방법
US20230222727A1 (en) Method and device for generating three-dimensional image by using plurality of cameras
KR20230071633A (ko) 영상에서 인지적 노이즈를 제거하는 영상 처리 방법 및 장치