KR20230152662A - 라디오 주파수 감지를 이용한 얼굴 인식 - Google Patents

라디오 주파수 감지를 이용한 얼굴 인식 Download PDF

Info

Publication number
KR20230152662A
KR20230152662A KR1020237027243A KR20237027243A KR20230152662A KR 20230152662 A KR20230152662 A KR 20230152662A KR 1020237027243 A KR1020237027243 A KR 1020237027243A KR 20237027243 A KR20237027243 A KR 20237027243A KR 20230152662 A KR20230152662 A KR 20230152662A
Authority
KR
South Korea
Prior art keywords
user
wireless device
waveform
determining
facial
Prior art date
Application number
KR1020237027243A
Other languages
English (en)
Inventor
샤오신 장
파르티반 엘라판
Original Assignee
퀄컴 인코포레이티드
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 퀄컴 인코포레이티드 filed Critical 퀄컴 인코포레이티드
Publication of KR20230152662A publication Critical patent/KR20230152662A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9027—Pattern recognition for feature extraction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/34—User authentication involving the use of external additional devices, e.g. dongles or smart cards
    • G06F21/35—User authentication involving the use of external additional devices, e.g. dongles or smart cards communicating wirelessly

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Telephone Function (AREA)
  • Image Analysis (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

사용자 존재, 사용자 모션을 검출하고 얼굴 인증을 수행하기 위한 시스템들 및 기법들이 개시된다. 예를 들어, 무선 디바이스는 송신된 라디오 주파수 (RF) 파형의 반사인 파형을 수신할 수 있다. 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 무선 디바이스는 사용자의 존재를 결정할 수 있다. 사용자의 존재를 결정하는 것에 응답하여, 무선 디바이스는 사용자의 얼굴 인증을 개시한다.

Description

라디오 주파수 감지를 이용한 얼굴 인식
본 개시는 일반적으로 사용자 존재를 검출하고 그리고/또는 얼굴 인식을 수행하는 것에 관한 것이다. 본 개시의 양태들은 사용자 존재를 검출하고 그리고/또는 얼굴 인식을 수행하기 위해 라디오 주파수 (RF) 감지를 사용하기 위한 시스템들 및 기법들에 관한 것이다.
무선 전자 디바이스들은 디바이스에 대한 허가되지 않은 액세스를 방지하는 데 사용될 수 있는 보안 특징들을 제공할 수 있다. 예를 들어, 휴대용 전자 디바이스들은, 허가되지 않은 사용자들에 의한 디바이스로의 액세스를 방지하는 "잠금" 상태에 무선 디바이스를 배치할 수 있는 소프트웨어 및 하드웨어 컴포넌트들을 포함할 수 있다.
무선 전자 디바이스들은 얼굴 또는 지문 인증과 같은, 허가된 사용자와 연관된 생체인식 특징들에 기반하여, 디바이스를 잠금해제하는데 사용될 수 있는 하드웨어 및 소프트웨어 컴포넌트들을 더 포함할 수 있다. 다양한 원격통신 기능들을 구현하기 위해, 무선 전자 디바이스들은 라디오 주파수 (RF) 신호들을 송신 및 수신하도록 구성된 하드웨어 및 소프트웨어 컴포넌트들을 포함할 수 있다. 예를 들어, 무선 디바이스는 특히 Wi-Fi, 5G/NR (New Radio), 블루투스TM, 및/또는 UWB (ultra-wideband) 를 통해 통신하도록 구성될 수 있다.
다음은, 본 명세서에 개시된 하나 이상의 양태들에 관한 간략화된 개요를 제시한다. 따라서, 다음의 개요는 모든 고려된 양태들에 관한 광범위한 개관으로 간주되지도 않아야 하고, 다음의 개요가 모든 고려된 양태들에 관한 핵심적인 또는 중요한 엘리먼트들을 식별하거나 임의의 특정 양태와 연관된 범위를 기술하는 것으로 간주되지도 않아야 한다. 따라서, 다음의 개요는 아래에 제시된 상세한 설명에 선행하는 간략화된 형태로 본 명세서에 개시된 메커니즘들에 관한 하나 이상의 양태들에 관한 소정의 개념들을 제시하기 위한 유일한 목적을 갖는다.
얼굴 인식을 수행하기 위한 시스템들, 방법들, 장치들, 및 컴퓨터 판독가능 매체들이 개시된다. 적어도 하나의 예에 따르면, 얼굴 인식을 수행하기 위한 방법이 제공된다. 방법은, 제 1 무선 디바이스에 의해, 제 1 라디오 주파수 (RF) 파형의 반사인 제 1 수신된 파형을 수신하는 단계; 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하는 단계; 및 사용자의 존재를 결정하는 것에 응답하여, 사용자의 얼굴 인증을 개시하는 단계를 포함할 수 있다.
다른 예에서, 적어도 하나의 트랜시버, 적어도 하나의 메모리, 및 적어도 하나의 메모리 및 적어도 하나의 트랜시버에 커플링된 (예를 들어, 회로부에 구성된) 적어도 하나의 프로세서를 포함하는 얼굴 인식을 위한 무선 디바이스가 제공된다. 적어도 하나의 프로세서는, 적어도 하나의 트랜시버를 통하여, 제 1 라디오 주파수 (RF) 파형의 반사인 제 1 수신된 파형을 수신하고; 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하며; 그리고 사용자의 존재를 결정하는 것에 응답하여, 사용자의 얼굴 인증을 개시하도록 구성된다.
다른 예에서, 저장된 적어도 하나의 명령을 포함하는 비일시적 컴퓨터 판독가능 매체가 제공되고, 상기 명령은, 하나 이상의 프로세서들에 의해 실행될 때, 하나 이상의 프로세서들로 하여금, 제 1 무선 디바이스에 의해, 제 1 라디오 주파수 (RF) 파형의 반사인 제 1 수신된 파형을 수신하게 하고; 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하게 하고; 사용자의 존재를 결정하는 것에 응답하여, 사용자의 얼굴 인증을 개시하게 한다.
다른 예에서, 얼굴 인식을 수행하기 위한 장치가 제공된다. 장치는, 제 1 RF 파형의 반사인 제 1 수신된 파형을 수신하기 위한 수단; 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하기 위한 수단; 및 사용자의 존재를 결정하는 것에 응답하여, 사용자의 얼굴 인증을 개시하기 위한 수단을 포함한다.
다른 예에서, 사용자의 존재를 결정하기 위한 방법이 제공된다. 방법은: 무선 디바이스에 의해, 제 1 라디오 주파수 (RF) 파형의 반사인 제 1 수신된 파형을 프로세싱하는 단계; 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하는 단계; 사용자의 존재를 결정하는 것에 응답하여, 제 1 RF 파형보다 더 높은 대역폭을 갖는 제 2 RF 파형을 송신하는 단계; 사용자로부터의 제 2 RF 파형의 반사인 제 2 수신된 파형을 프로세싱하는 단계; 및 제 2 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 머리 존재 또는 사용자의 머리 배향 중 적어도 하나를 결정하는 단계를 포함할 수 있다.
다른 예에서, 적어도 하나의 트랜시버, 적어도 하나의 메모리, 및 적어도 하나의 메모리 및 적어도 하나의 트랜시버에 커플링된 (예를 들어, 회로부에 구성된) 적어도 하나의 프로세서를 포함하는 사용자의 존재를 결정하기 위한 무선 디바이스가 제공된다. 적어도 하나의 프로세서는, 제 1 라디오 주파수 (RF) 파형의 반사인 제 1 수신된 파형을 프로세싱하고; 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하며; 사용자의 존재를 결정하는 것에 응답하여, 적어도 하나의 트랜시버를 통하여, 제 1 RF 파형보다 더 높은 대역폭을 갖는 제 2 RF 파형을 송신하고; 사용자로부터의 제 2 RF 파형의 반사인 제 2 수신된 파형을 프로세싱하며; 그리고 제 2 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 머리 존재 또는 사용자의 머리 배향 중 적어도 하나를 결정하도록 구성된다.
다른 예에서, 저장된 적어도 하나의 명령을 포함하는 비일시적 컴퓨터 판독가능 매체가 제공되고, 상기 명령은, 하나 이상의 프로세서들에 의해 실행될 때, 하나 이상의 프로세서들로 하여금, 제 1 라디오 주파수 (RF) 파형의 반사인 제 1 수신된 파형을 프로세싱하고; 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하며; 사용자의 존재를 결정하는 것에 응답하여, 적어도 하나의 트랜시버를 통하여, 제 1 RF 파형보다 더 높은 대역폭을 갖는 제 2 RF 파형을 송신하고; 사용자로부터의 제 2 RF 파형의 반사인 제 2 수신된 파형을 프로세싱하며; 그리고 제 2 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 머리 존재 또는 사용자의 머리 배향 중 적어도 하나를 결정하게 한다.
다른 예에서, 사용자의 존재를 결정하기 위한 장치가 제공된다. 장치는, 제 1 라디오 주파수 (RF) 파형의 반사인 제 1 수신된 파형을 프로세싱하기 위한 수단; 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하기 위한 수단; 사용자의 존재를 결정하는 것에 응답하여, 제 1 RF 파형보다 더 높은 대역폭을 갖는 제 2 RF 파형을 송신하기 위한 수단; 사용자로부터의 제 2 RF 파형의 반사인 제 2 수신된 파형을 프로세싱하기 위한 수단; 및 제 2 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 머리 존재 또는 사용자의 머리 배향 중 적어도 하나를 결정하기 위한 수단을 포함한다.
일부 양태들에서, 장치는 모바일 디바이스 (예를 들어, 모바일 전화 또는 소위 "스마트폰" 또는 다른 모바일 디바이스), 웨어러블 디바이스, 확장된 현실 디바이스 (예를 들어, 가상 현실 (VR) 디바이스, 증강 현실 (AR) 디바이스 또는 혼합 현실 (MR) 디바이스), 태블릿, 개인용 컴퓨터, 랩톱 컴퓨터, 서버 컴퓨터, 무선 액세스 포인트, 차량 또는 차량의 컴포넌트 또는 RF 인터페이스를 가진 기타 임의의 다른 디바이스와 같은 무선 디바이스의 일부이다.
본 명세서에 개시된 양태들과 연관된 다른 목적들 및 이점들은 첨부 도면들 및 상세한 설명에 기반하여 당업자에게 명백할 것이다.
첨부 도면들은 본 개시의 다양한 양태들의 설명을 돕기 위해 제시되고 양태들의 예시를 위해 제공될 뿐 그의 한정을 위해 제공되는 것이 아니다.
도 1 은 일부 예들에 따른, 사용자 디바이스의 컴퓨팅 시스템의 예를 나타내는 블록도이다.
도 2 는 일부 예들에 따른, 사용자 존재를 검출하고 얼굴 인식을 수행하기 위해 라디오 주파수 (RF) 감지 기법들을 활용하는 무선 디바이스의 예를 도시하는 다이어그램이다.
도 3 은 일부 예들에 따른, 사용자 존재를 검출하고 얼굴 인식을 수행하기 위한 무선 디바이스들을 포함하는 환경의 예를 도시하는 다이어그램이다.
도 4 는 일부 예들에 따른, 얼굴 인식을 수행하기 위한 프로세스의 예를 도시하는 플로우 다이어그램이다.
도 5 는 일부 예들에 따른, 얼굴 인식을 수행하기 위한 프로세스의 예를 도시하는 플로우 다이어그램이다.
도 6 은 일부 예들에 따른, 얼굴 인식을 수행하기 위한 프로세스의 다른 예를 도시하는 플로우 다이어그램이다.
도 7 은 일부 예들에 따른, 얼굴 인식을 수행하기 위한 프로세스의 다른 예를 도시하는 플로우 다이어그램이다.
도 8 은 일부 예들에 따른, 얼굴 인식을 수행하기 위한 프로세스의 다른 예를 도시하는 플로우 다이어그램이다.
도 9 는 일부 예들에 따른, 사용자의 주의에 기반하여 디바이스 관리를 수행하기 위한 프로세스의 예를 도시하는 플로우 다이어그램이다.
도 10 은 일부 예들에 따른, 얼굴 인식을 수행하기 위한 프로세스의 다른 예를 도시하는 플로우 다이어그램이다.
도 11 은 일부 예들에 따른, 머리 검출을 수행하기 위한 프로세스의 예를 도시하는 플로우 다이어그램이다..
도 12 는 일부 예들에 따른, 컴퓨팅 시스템의 예를 도시하는 블록 다이어그램이다.
본 개시의 특정 양태들 및 실시형태들이 예시 목적을 위해 이하에 제공된다. 대안적인 양태들이 본 개시의 범위로부터 일탈함 없이 고안될 수도 있다. 추가적으로, 본 개시의 잘 알려진 엘리먼트들은 본 개시의 관련 상세들을 모호하게 하지 않기 위해 상세히 설명되지 않거나 또는 생략될 것이다. 이들 양태들 및 실시형태들 중 일부는 독립적으로 적용될 수도 있고, 그들 중 일부는 당업자에게 명백할 바와 같이 조합하여 적용될 수도 있다. 다음의 설명에 있어서, 설명의 목적들로, 특정 상세들이 본 출원의 실시형태들의 철저한 이해를 제공하기 위하여 기재된다. 하지만, 다양한 실시형태들은 이들 특정 상세들 없이도 실시될 수도 있음이 명백할 것이다. 도면들 및 설명은 제한적인 것으로 의도되지 않는다.
다음의 설명은 예시적인 실시양태들을 제공할 뿐이고, 본 개시의 범위, 적용가능성, 또는 구성을 한정하도록 의도되지 않는다. 오히려, 예시적인 실시양태들의 다음의 설명은 예시적인 실시양태를 구현하기 위한 실시 가능한 설명을 당업자에게 제공할 것이다. 첨부된 청구범위에 기재된 바와 같이 본 출원의 사상 및 범위를 벗어나지 않으면서 엘리먼트들의 기능 및 배열에 다양한 변경들이 이루어질 수도 있음이 이해되어야 한다.
스마트폰, 태블릿, 및 랩톱과 같은 많은 휴대용 전자 디바이스들은 얼굴 인식을 수행할 수 있다. 예를 들어, 휴대용 전자 디바이스들은 사용자 아이덴티티들과 같은 인증을 수행하기 위해 (예를 들어, 시도 디바이스 액세스가 허가된 사용자들의 데이터베이스에 등록되는지를 확인하기 위해) 얼굴 인식을 이용할 수 있다. 얼굴 인증은, 다른 것들 중에서도, 특정 애플리케이션 또는 서비스에 대한 액세스를 제공하기 위해, 디바이스 액세스 제어, 예를 들어, 디바이스에 대한 "잠금해제" 액세스를 수행하기 위한 것과 같은 많은 애플리케이션들을 갖는다.
다른 예들에서, 얼굴 인식은 디바이스에 대한 사용자의 주의에 기반하여 디스플레이 관리 특징들을 구현하기 위해 휴대용 전자 디바이스들에 의해 사용될 수 있다. 예를 들어, 디바이스의 전면 센서들 (예를 들어, 도트 프로젝터/들, 및/또는 카메라/들) 은, 예를 들어 사용자가 스크린을 보고 있는 한, 디바이스 디스플레이를 초기화 및/또는 지속시킬 목적으로 얼굴 인식을 용이하게 하기 위해 사용될 수 있다. 사용자의 주의에 기반할 수 있는 디바이스 액션들의 다른 예들은 디스플레이 밝기 레벨들에 대한 자동 변경들, 디바이스 "잠금" 타임아웃, 및/또는 경고 볼륨에 대한 조정들 등이다.
일부 기존의 얼굴 인식 시스템들은 사용자의 얼굴을 조명하기 위해 적외선 (IR) 광원을 이용하고 이미지 캡처를 수행하기 위해 적외선 (IR) 카메라를 이용한다. 일부 경우에, 캡처된 이미지는 이어서 사용자 인증을 수행하기 위해 프로세싱되고 저장된 등록된 얼굴과 비교될 수 있다. 기존의 얼굴 인식 시스템들이 일반적으로 신뢰가능하지만, 그러한 시스템들의 전력 소비는 높을 수 있다. 이러한 문제를 극복하기 위해, 무선 디바이스들 상의 얼굴 인식 시스템들은 종종 일부 타입의 사용자 활동 또는 미리 결정된 조건, 예를 들어 스크린 상의 탭핑 (tapping), 디바이스 이동, 착신 통지 등의 검출 시에만 트리거된다. 이러한 트리거들의 부재 시에, 얼굴 인식 시스템들은 배터리 수명을 보존하기 위해 디바이스가 잠금될 때 디스에이블된다. 결과적으로, 기존의 시스템들은 사용자를 인증하고 디바이스를 "잠금해제" 하기 위해 얼굴 인식을 수행함에 있어서 고유한 레이턴시를 갖는다.
기존의 얼굴 인식 시스템들의 높은 전력 소비는 또한 디스플레이 관리를 위한 사용자 인식 특징들을 구현할 때 문제가 된다. 이러한 특징들은 얼굴 인증을 위해 사용되는 얼굴 인식 시스템들에 요구되는 정확도의 레벨을 요구하지 않을 수 있지만, 더 효율적인 대안의 부재는 기존 시스템의 사용을 필요로 하고, 이는 디바이스의 배터리 수명에 악영향을 미친다.
높은 전력 소비와 관련된 우려에 추가하여, 일부 얼굴 인식 시스템은, 강한 입사광이 IR 이미지 충실도 (fidelity) 를 방해할 수 있기 때문에, 태양광과 같은 직접 광원에 노출될 때 적절하게 기능하지 못한다. 다른 문제는 사용자가 IR 광을 필터링하거나 차단하는 특정 안경을 착용하고 있는 경우 기존의 얼굴 인식 시스템들이 실패할 수 있다는 것이다. 더욱이, 기존의 얼굴 인식 시스템들은 사용자의 사진에 기반하여 사용자를 잘못 인증하기 쉬울 수 있다.
디바이스가 활성화 레이턴시를 감소시키면서 또한 전체 전력 소비를 감소시키고 배터리 수명을 보존하기 위해 전력 관리를 개선시키는 얼굴 인식을 구현하게 할 기법을 개발하는 것이 바람직할 것이다. 또한, 직사 광선에서의 또는 임의의 타입들의 안경으로 얼굴 인식과 관련된 문제들을 극복하고, 또한 임의의 허위 인증의 가능성을 감소시키는 기법을 개발하는 것이 바람직할 것이다. 또한, 이러한 기법들을 수행하기 위해 디바이스들 상의 기존의 라디오 주파수 (RF) 인터페이스들을 활용하는 것이 바람직할 것이다.
시스템들, 장치들, 프로세스들 (방법들이라고도 지칭됨), 및 컴퓨터 판독가능 매체 ("시스템들 및 기법들" 로 총칭됨) 는 얼굴 인식을 수행하기 위해 본 명세서에서 설명된다. 시스템들 및 기법들이 얼굴 인식과 관련하여 본 명세서에서 설명되지만, 시스템들 및 기법들은 다른 신체 부분들 및/또는 벽들, 가구, 도어 등과 같은 오브젝트들의 인식을 수행하는데 사용될 수 있다. 본 명세서에 설명된 시스템들 및 기법들은 또한 사용자들, 동물들, 오브젝트들 등의 움직임을 추적하기 위해 사용될 수 있다.
시스템들 및 기법들은 전자 디바이스에 대해 얼굴 인식을 수행하고, 모션을 검출하고, 사용자의 머리 및/또는 다른 신체 부분 (예를 들어, 머리, 얼굴, 머리/목 영역, 손, 눈 등의 일부) 의 존재를 결정하고, 사용자의 얼굴의 배향을 결정하고, 그리고/또는 얼굴 인증을 수행하는데 사용될 수 있는 RF 감지 데이터를 수집하는 능력을 제공한다. 일부 양태들에서, RF 감지 데이터는 송신 및 수신 기능들 (예를 들어, 모노스태틱 구성) 을 동시에 수행할 수 있는 무선 인터페이스들을 활용함으로써 수집될 수 있다. 다른 양태들에서, RF 감지 데이터는 송신 및 수신 기능들이 상이한 디바이스들 (예를 들어, 제 1 무선 디바이스가 RF 파형을 송신하고 제 2 무선 디바이스가 RF 파형 및 임의의 대응하는 반사들을 수신함) 에 의해 수행되는 바이스태틱 구성을 이용함으로써 수집될 수 있다. 예들은 예시적인 예로서 Wi-Fi 를 사용하여 본 명세서에서 설명될 것이다. 그러나, 시스템들 및 기법들은 Wi-Fi 에 제한되지 않는다. 예를 들어, 일부 경우들에서, 시스템들 및 기법들은 밀리미터파 (mmWave) 기법을 사용하는 것과 같이 5G/NR (New Radio) 을 사용하여 구현될 수 있다. 일부 경우들에서, 시스템들 및 기법들은, 다른 것들 중에서도, Bluetooth™, UWB (ultra-wideband) 와 같은 다른 무선 기법들을 사용하여 구현될 수 있다.
일부 양태들에서, 디바이스는, 송신된 RF 신호의 대역폭, 공간 스트림들의 수, RF 신호를 송신하도록 구성된 안테나들의 수, RF 신호를 수신하도록 구성된 안테나들의 수, 공간 링크들의 수 (예를 들어, RF 신호를 수신하도록 구성된 안테나들의 수로 곱해진 공간 스트림들의 수), 샘플링 레이트, 또는 이들의 임의의 조합에 기반하여 RF 감지 해상도의 다양한 레벨들을 갖는 알고리즘들을 구현하도록 구성된 Wi-Fi 인터페이스를 포함할 수 있다. 예를 들어, 디바이스의 Wi-Fi 인터페이스는 적은 양의 전력을 소비하고 디바이스가 "잠금" 상태 및/또는 "슬립" 모드에 있을 때 백그라운드에서 동작할 수 있는 저해상도 RF 감지 알고리즘을 구현하도록 구성될 수 있다. 일부 경우들에서, 저해상도 RF 감지 알고리즘은 디바이스의 특정 근접도 내의 모션을 감지할 수 있는 개략적인 검출 메커니즘으로서 디바이스에 의해 사용될 수 있다. 특정 양태들에서, 저해상도 RF 감지 알고리즘은 디바이스의 얼굴 인식 시스템을 개시하기 위한 트리거로서 사용될 수 있고, 기존의 트리거들 (예를 들어, 디바이스 모션, 탭핑 스크린, 경고 등) 보다 낮은 레이턴시를 제공할 수 있다. 일부 양태들에서, 저해상도 RF 감지 알고리즘을 사용함으로써 모션의 검출은 얼굴 인식을 개시하기 전에 더 높은 해상도 RF 감지 알고리즘 (예를 들어, 본 명세서에서 논의된 바와 같은 중간 해상도 RF 감지 알고리즘, 고해상도 RF 감지 알고리즘, 또는 다른 더 높은 해상도 RF 감지 알고리즘) 을 수행하도록 디바이스를 트리거할 수 있다.
일부 예들에서, 디바이스의 Wi-Fi 인터페이스는 중간 해상도 RF 감지 알고리즘을 구현하도록 구성될 수 있다. 중간-해상도 RF 감지 알고리즘을 위해 이용되는 전송된 RF 신호는 더 높은 대역폭, 더 높은 수의 공간 스트림들, 더 높은 수의 공간 링크들 (예를 들어, RF 신호를 수신하도록 구성된 더 높은 수의 안테나들 및/또는 더 높은 수의 공간 스트림들), 더 높은 샘플링 레이트 (더 작은 샘플링 간격에 대응함), 또는 이들의 임의의 조합을 가짐으로써 저-해상도 RF 감지 알고리즘과 상이할 수 있다. 일부 경우들에서, 중간-해상도 RF 감지 알고리즘은 사용자의 머리 (또는 얼굴, 눈 등과 같은 다른 신체 부분) 의 존재뿐만 아니라 디바이스의 근처에 있는 모션을 검출하는데 사용될 수 있다. 일부 예들에서, 중간-해상도 RF 감지 알고리즘은 전술한 바와 같이, 저-해상도 RF 감지 알고리즘을 사용함으로써 디바이스 근처에서 모션을 검출하는 것에 응답하여 호출될 수 있다. 일부 경우들에서, 중간-해상도 RF 감지 알고리즘은 디바이스의 스크린을 향하는 방향으로부터 반사되지 않는 신호들을 필터링하기 위해 디지털 신호 프로세싱을 이용함으로써 사용자의 머리에 그의 검출을 포커싱할 수 있다. 특정 예들에서, 중간-해상도 RF 감지 알고리즘은 또한 디바이스의 얼굴 인식 시스템을 개시하기 위한 트리거로서 사용될 수 있고, 기존의 트리거들 (예를 들어, 디바이스 모션, 터치-스크린 인터액션들, 경고 등) 보다 낮은 레이턴시를 제공할 수 있다. 일부 경우들에서, 중간-해상도 RF 감지 알고리즘을 사용함으로써 사용자의 머리의 존재를 검출하는 것은 얼굴 인식을 개시하기 전에 더 높은 해상도 RF 감지 알고리즘 (예를 들어, 본 명세서에서 논의된 바와 같은 고해상도 RF 감지 알고리즘 또는 다른 더 높은 해상도 RF 감지 알고리즘) 을 수행하도록 디바이스를 트리거할 수 있다.
다른 예에서, 디바이스의 Wi-Fi 인터페이스는 고해상도 RF 감지 알고리즘을 구현하도록 구성될 수 있다. 고해상도 RF 감지 알고리즘을 위해 이용되는 송신된 RF 신호는 더 높은 대역폭, 더 높은 수의 공간 스트림들, 더 높은 수의 공간 링크들 (예를 들어, RF 신호를 수신하도록 구성된 더 높은 수의 안테나들 및/또는 더 높은 수의 공간 스트림들), 더 높은 샘플링 레이트, 또는 이들의 임의의 조합을 가짐으로써 중간-해상도 RF 감지 알고리즘 및 저-해상도 RF 감지 알고리즘과 상이할 수 있다. 일부 경우들에서, 고해상도 RF 감지 알고리즘은 사용자의 머리의 배향 (예를 들어, 사용자가 전화를 향하고 있는지 또는 다른 곳을 보고 있는지), 사용자의 머리의 존재, 및/또는 디바이스에 근접한 모션을 검출하는데 사용될 수 있다. 일부 예들에서, 고해상도 RF 감지 알고리즘은 디바이스의 근처에서 모션을 검출하는 것에 응답하여 그리고/또는 사용자의 머리 (또는 얼굴, 눈 등과 같은 다른 신체 부분) 의 존재를 검출하는 것에 응답하여 호출될 수 있다. 일부 양태들에서, 고해상도 RF 감지 알고리즘은 디바이스의 스크린을 향하는 방향으로부터 반사되지 않는 신호들을 필터링하기 위해 디지털 신호 프로세싱을 이용할 수 있다. 특정 경우들에서, 고해상도 RF 감지 알고리즘은 디바이스의 얼굴 인식 시스템을 개시하기 위한 트리거로서 사용될 수 있고, 전술한 기존의 얼굴 인식 트리거들 보다 낮은 레이턴시를 제공할 수 있다.
일부 예들에서, 디바이스의 Wi-Fi 인터페이스는 얼굴 인증 RF 감지 알고리즘을 구현하도록 구성될 수 있다. 일 구현에서, 디바이스는 얼굴 인식을 수행하기 위해 극고주파 (EHF) 신호들 또는 mmWave 기법 (예를 들어, IEEE 802.11ad) 을 송신할 수 있는 RF 인터페이스를 이용할 수 있다. 예를 들어, 디바이스는 mmWave RF 인터페이스를 포함할 수 있다. 일부 예들에서, mmWave RF 인터페이스는 디바이스 스크린에 수직인 방향으로 신호들을 송신하도록 구성되는 하나 이상의 지향성 안테나를 이용할 수 있다. 예를 들어, 디바이스는 사용자의 얼굴로부터 반사된 다양한 신호들로부터 상이한 각도들에서 비행 시간 및 위상 측정들을 획득하기 위해 좁은 빔 스위핑을 수행하기 위해 mmWave RF 인터페이스를 이용할 수 있다. 일부 예들에서, 디바이스는 얼굴 서명들을 생성하기 위해 비행 시간 및 위상 측정들을 이용할 수 있다. 디바이스는 얼굴 서명을 얼굴 인식을 위해 시스템에 저장된 교정된 얼굴 메트릭과 비교할 수 있다.
이러한 시스템들 및 기법들에 따른 얼굴 인식의 구현은 유리하게는 직사 광선에서 또는 IR 차단 안경을 착용하고 있는 사용자에 의해 기능할 수 있다. 추가로, 이러한 시스템들 및 기법들에 따른 얼굴 인식은 사용자의 얼굴에 대한 3 차원 데이터를 통합할 수 있고, 따라서 기존 시스템들보다 더 큰 정확도를 산출할 수 있다.
일부 예들에서, 시스템들 및 기법들은 RF 신호를 동시에 송신 및 수신하는데 사용될 수 있는 적어도 2 개의 안테나들을 갖는 디바이스의 Wi-Fi 인터페이스를 구현함으로써 전술한 알고리즘들 각각과 연관된 RF 감지를 수행할 수 있다. 일부 경우들에서, 안테나들은 RF 신호들이 모든 방향들로부터 수신되고 송신될 수 있도록 전방향성일 수 있다. 예를 들어, 디바이스는 그의 Wi-Fi 인터페이스의 송신기를 이용하여 RF 신호를 송신하고 동시에 Wi-Fi 인터페이스의 Wi-Fi 수신기를 인에이블하여, 디바이스가 사용자로부터 반사된 임의의 신호들을 캡처할 수 있게 한다. Wi-Fi 수신기는 또한 임의의 오브젝트들로부터 반사하지 않고 Wi-Fi 송신기의 안테나로부터 Wi-Fi 수신기의 안테나로 전송되는 누설 신호들을 검출하도록 구성될 수 있다. 그렇게 함으로써, 디바이스는 송신된 신호에 대응하는 수신된 신호들의 반사된 경로들에 관한 데이터와 함께 송신된 신호의 직접 경로들 (누설 신호들) 에 관한 채널 상태 정보 (CSI) 데이터의 형태로 RF 감지 데이터를 수집할 수 있다.
일부 양태들에서, CSI 데이터는 반사된 신호들의 거리뿐만 아니라 도착 각도를 계산하기 위해 사용될 수 있다. 반사된 신호들의 거리 및 각도는, 모션을 검출하고, 사용자의 머리, 얼굴, 눈들, 발들, 손들 등의 존재를 결정하며 그리고/또는 위에서 논의된 바와 같이 사용자의 얼굴의 배향을 결정하는데 사용될 수 있다. 일부 예들에서, 반사된 신호들의 거리 및 도착 각도는 신호 프로세싱, 머신 학습 알고리즘들, 임의의 다른 적절한 기법을 사용하여, 또는 이들의 임의의 조합을 사용하여 결정될 수 있다. 일 예에서, 반사된 신호들의 거리는 누설 신호의 수신으로부터 반사된 신호들의 수신까지의 시간의 차이를 측정함으로써 계산될 수 있다. 다른 예에서, 도착 각도는 반사된 신호들을 수신하기 위해 안테나 어레이를 이용하고 안테나 어레이의 각각의 엘리먼트에서 수신된 위상의 차이를 측정함으로써 계산될 수 있다. 일부 경우들에서, 반사된 신호들의 도착 각도와 함께 반사된 신호들의 거리는, 예컨대 사용자의 머리의 존재 및/또는 배향을 식별함으로써 사용자의 존재 및 배향 특성들을 식별하는데 사용될 수 있다.
일부 예들에서, 본 명세서에서 논의된 다양한 RF 감지 알고리즘들 중 하나 이상은 사용자의 인식에 기반하는 디바이스 관리 기능들을 수행하는데 사용될 수 있다. 예를 들어, RF 감지 알고리즘들 중 하나 이상은 사용자의 머리 배향을 결정하는데 사용될 수 있다. 그 후, 사용자의 머리 배향은 사용자가 디바이스 스크린 또는 다른 곳에서 주의를 지향하고 있는지 여부를 추론하는데 사용될 수 있다. 그러한 구현은 사용자 인식을 확인하기 위해 얼굴 인증을 이용하는 기존의 시스템들보다 더 낮은 전력 소비를 초래할 수 있다.
본 명세서에 설명된 시스템들 및 기법들의 다양한 양태들이 도면들과 관련하여 아래에서 논의될 것이다. 도 1 는 사용자 디바이스 (107) 의 컴퓨팅 시스템 (170) 의 예를 도시한다. 사용자 디바이스 (107) 는 최종 사용자에 의해 사용될 수 있는 디바이스의 예이다. 예를 들어, 사용자 디바이스 (107) 는 모바일 폰, 라우터, 태블릿 컴퓨터, 랩톱 컴퓨터, 추적 디바이스, 웨어러블 디바이스 (예를 들어, 스마트 워치, 안경, XR 디바이스 등), 사물 인터넷 (IoT) 디바이스, 차량 (또는 차량의 컴퓨팅 디바이스), 및/또는 무선 통신 네트워크를 통해 통신하기 위해 사용자에 의해 사용되는 다른 디바이스를 포함할 수 있다. 일부 경우들에서, 디바이스는, 예를 들어 Wi-Fi 표준을 사용하여 통신하도록 구성된 디바이스를 지칭할 때, 스테이션 (STA) 으로 지칭될 수 있다. 일부 경우들에서, 디바이스는 5G/NR (New Radio), 롱 텀 에볼루션 (LTE), 또는 다른 원격통신 표준을 사용하여 통신하도록 구성된 디바이스를 지칭할 때와 같이, 사용자 장비 (UE) 로 지칭될 수 있다.
컴퓨팅 시스템 (170) 은 버스 (189) 를 통해 전기적으로 또는 통신적으로 커플링될 수 있는 (또는 그렇지 않으면, 적절하게 통신할 수도 있는) 소프트웨어 및 하드웨어 컴포넌트를 포함한다. 예를 들어, 컴퓨팅 시스템 (170) 은 하나 이상의 프로세서 (184) 를 포함한다. 하나 이상의 프로세서들 (184) 은 하나 이상의 CPU들, ASIC들, FPGA들, AP들, GPU들, VPU들, NSP들, 마이크로컨트롤러들, 전용 하드웨어, 이들의 임의의 조합, 및/또는 다른 프로세싱 디바이스/들 및/또는 시스템/들을 포함할 수 있다. 버스 (189) 는 코어들 사이 및/또는 하나 이상의 메모리 디바이스들 (186) 과 통신하기 위해 하나 이상의 프로세서들 (184) 에 의해 사용될 수 있다.
컴퓨팅 시스템 (170) 은 또한 하나 이상의 메모리 디바이스들 (186), 하나 이상의 디지털 신호 프로세서들 (DSP들) (182), 하나 이상의 가입자 식별 모듈들 (SIM들) (174), 하나 이상의 모뎀들 (176), 하나 이상의 무선 트랜시버들 (178), 하나 이상의 안테나들 (187), 하나 이상의 입력 디바이스들 (172) (예를 들어, 카메라, 마우스, 키보드, 터치 감지 스크린, 터치 패드, 키패드, 및/또는 마이크로폰 등) 및 하나 이상의 출력 디바이스들 (180) (예를 들어, 디스플레이, 스피커, 및/또는 프린터 등) 을 포함할 수 있다.
하나 이상의 무선 트랜시버들 (178) 은 하나 이상의 다른 디바이스들, 예를 들어 다른 사용자 디바이스들, 네트워크 디바이스들 (예를 들어, eNB들 및/또는 gNB들과 같은 기지국들, 라우터들, 범위 확장기들 등과 같은 WiFi 액세스 포인트들 (AP들)), 및/또는 클라우드 네트워크들 등으로부터 안테나 (187) 를 통해 무선 신호들 (예를 들어, 신호 (188)) 을 수신할 수 있다. 일부 예들에서, 컴퓨팅 시스템 (170) 은 동시 송신 및 수신 기능을 용이하게 할 수 있는 다수의 안테나들 또는 안테나 어레이를 포함할 수 있다. 안테나 (187) 는 RF 신호들이 모든 방향들로부터 수신되고 송신될 수 있도록 전방향성 안테나일 수 있다. 무선 신호 (188) 는 무선 네트워크를 통해 송신될 수도 있다. 무선 네트워크는 셀룰러 또는 원격통신 네트워크 (예를 들어 3G, 4G, 5G 등), 무선 근거리 네트워크 (예를 드렁, WiFi 네트워크), 블루투스TM 네트워크 및/또는 다른 네트워크와 같은 임의의 무선 네트워크일 수도 있다. 일부 예에서, 하나 이상의 무선 트랜시버 (178) 는, 다른 컴포넌트들 중에서도, 증폭기, 신호 하향 변환을 위한 믹서 (신호 승산기라고도 함), 믹서에 신호를 제공하는 주파수 합성기 (오실레이터라고도 함), 베이스밴드 필터, 아날로그-디지털 변환기 (ADC), 하나 이상의 전력 증폭기와 같은 하나 이상의 컴포넌트를 포함하는 RF 프런트 엔드를 포함할 수도 있다. RF 프런트 엔드는 일반적으로 무선 신호 (188) 의 베이스밴드 또는 중간 주파수로의 선택 및 변환을 처리할 수 있으며 RF 신호를 디지털 도메인으로 변환할 수 있다.
일부 경우에, 컴퓨팅 시스템 (170) 은 하나 이상의 무선 트랜시버들 (178) 을 사용하여 송신 및/또는 수신된 데이터를 인코딩 및/또는 디코딩하도록 구성된 코딩-디코딩 디바이스 (또는 CODEC) 를 포함할 수 있다. 일부 경우에, 컴퓨팅 시스템 (170) 은 하나 이상의 무선 트랜시버들 (178) 에 의해 송신 및/또는 수신되는 (예를 들어, AES (Advanced Encryption Standard ) 및/또는 DES (Data Encryption Standard) 표준에 따라) 데이터를 암호화 및/또는 복호화하도록 구성된 암호화-복호화 디바이스 또는 컴포넌트를 포함할 수 있다.
하나 이상의 SIM들 (174) 은 각각 사용자 디바이스 (107) 의 사용자에게 할당된 국제 모바일 가입자 아이덴티티 (IMSI) 번호 및 관련 키를 안전하게 저장할 수 있다. IMSI 및 키는 하나 이상의 SIM들 (174) 과 연관된 네트워크 서비스 제공자 또는 운영자에 의해 제공되는 네트워크에 액세스할 때 가입자를 식별 및 인증하기 위해 사용될 수 있다. 하나 이상의 모뎀들 (176) 은 하나 이상의 무선 트랜시버 (178) 를 사용하여 송신하기 위한 정보를 인코딩하기 위해 하나 이상의 신호를 변조할 수 있다. 하나 이상의 모뎀 (176) 은 또한 송신된 정보를 디코딩하기 위해 하나 이상의 무선 트랜시버 (178) 에 의해 수신된 신호를 복조할 수 있다. 일부 예들에서, 하나 이상의 모뎀들 (176) 은 4G (또는 LTE) 모뎀, 5G (또는 NR) 모뎀, 및/또는 다른 유형의 모뎀들을 포함할 수 있다. 하나 이상의 모뎀들 (176) 및 하나 이상의 무선 트랜시버들 (178) 은 하나 이상의 SIM들 (174) 을 위한 데이터를 통신하는 데 사용될 수 있다.
컴퓨팅 시스템 (170) 은 또한 프로그래밍가능하거나 플래시-업데이트 등이 가능한, 로컬 및/또는 네트워크 액세스 가능 스토리지, 디스크 드라이브, 드라이브 어레이, 광학 스토리지 디바이스, RAM 및/또는 ROM과 같은 솔리드-스테이트 스토리지 디바이스를 제한없이 포함할 수 있는 하나 이상의 비일시적 머신 판독가능 스토리지 매체 또는 스토리지 디바이스 (예를 들어, 하나 이상의 메모리 디바이스 (186)) 를 포함할 수 있다 (그리고/또는 이와 통신할 수 있다). 그러한 스토리지 디바이스들은, 제한없이, 다양한 파일 시스템들, 데이터베이스 구조들 등을 포함하는 임의의 적절한 데이터 스토리지를 구현하도록 구성될 수도 있다.
다양한 실시예들에서, 기능들은 메모리 디바이스(들) (186) 에 하나 이상의 컴퓨터-프로그램 제품들 (예를 들어, 명령들 또는 코드) 로서 저장되고 하나 이상의 프로세서(들) (184) 및/또는 하나 이상의 DSP들 (182) 에 의해 실행될 수 있다. 컴퓨팅 시스템 (170) 은 또한, 예를 들어, 운영 체제, 디바이스 드라이버들, 실행가능한 라이브러리들, 및/또는 다른 코드, 예컨대, 다양한 실시예들에 의해 제공되는 기능들을 구현하는 컴퓨터 프로그램들을 포함할 수 있는, 그리고/또는 본 명세서에 설명된 바와 같은 방법들을 구현하고 그리고/또는 시스템들을 구성하도록 설계될 수 있는 하나 이상의 애플리케이션 프로그램들을 포함하는 (예를 들어, 하나 이상의 메모리 디바이스들 (186) 내에 위치된) 소프트웨어 엘리먼트들을 포함할 수 있다.
도 2 는 사용자 (202) 의 존재를 검출하는 것, 사용자의 배향 특성들을 검출하는 것, 얼굴 인식을 수행하는 것, 이들의 임의의 조합, 및/또는 다른 기능들을 수행하는 것과 같은, 하나 이상의 기능들을 수행하기 위해 RF 감지 기법들을 이용하는 무선 디바이스 (200) 의 예를 도시하는 다이어그램이다. 일부 예들에서, 무선 디바이스 (200) 는 모바일 폰, 태블릿 컴퓨터, 웨어러블 디바이스, 또는 적어도 하나의 RF 인터페이스를 포함하는 다른 디바이스와 같은 사용자 디바이스 (107) 일 수 있다. 일부 예들에서, 무선 디바이스 (200) 는 무선 액세스 포인트 (AP), 기지국 (예를 들어, gNB, eNB 등), 또는 적어도 하나의 RF 인터페이스를 포함하는 다른 디바이스와 같은 사용자 디바이스 (예를 들어, 사용자 디바이스 (107)) 에 대한 접속성을 제공하는 디바이스일 수 있다.
일부 양태들에서, 무선 디바이스 (200) 는 RF 신호를 송신하기 위한 하나 이상의 컴포넌트들을 포함할 수 있다. 무선 디바이스 (200) 는 (예를 들어, 도시되지 않은 마이크로프로세서로부터) 디지털 신호 또는 파형을 수신하고 신호 또는 파형을 아날로그 파형으로 변환할 수 있는 디지털-대-아날로그 변환기 (DAC) (204) 를 포함할 수 있다. DAC (204) 의 출력인 아날로그 신호는 RF 송신기 (206) 에 제공될 수 있다. RF 송신기 (206) 는 Wi-Fi 송신기, 5G/NR 송신기, 블루투스TM 송신기, 또는 RF 신호를 송신할 수 있는 임의의 다른 송신기일 수 있다.
RF 송신기 (206) 는 TX 안테나 (212) 와 같은 하나 이상의 송신 안테나들에 커플링될 수 있다. 일부 예들에서, TX 안테나 (212) 는 모든 방향들로 RF 신호를 송신할 수 있는 전방향성 안테나일 수 있다. 예를 들어, TX 안테나 (212) 는 360 도 방사 패턴으로 Wi-Fi 신호들 (예를 들어, 2.4 GHz, 5 GHz, 6 GHz 등) 을 방사할 수 있는 전방향성 Wi-Fi 안테나일 수 있다. 다른 예에서, TX 안테나 (212) 는 특정 방향으로 RF 신호를 전송하는 지향성 안테나일 수 있다.
일부 예들에서, 무선 디바이스 (200) 는 또한 RF 신호를 수신하기 위한 하나 이상의 컴포넌트들을 포함할 수 있다. 예를 들어, 무선 디바이스 (200) 내의 수신기 라인업은 RX 안테나 (214) 와 같은 하나 이상의 수신 안테나들을 포함할 수 있다. 일부 예들에서, RX 안테나 (214) 는 다수의 방향들로부터 RF 신호를 수신할 수 있는 전방향성 안테나일 수 있다. 다른 예에서, RX 안테나 (214) 는 특정 방향으로부터 신호를 수신하도록 구성된 지향성 안테나일 수 있다. 추가 예들에서, TX 안테나 (212) 및 RX 안테나 (214) 둘 다는 안테나 어레이로서 구성된 다수의 안테나들 (예를 들어, 엘리먼트들) 을 포함할 수 있다.
무선 디바이스 (200) 는 또한 RX 안테나 (214) 에 커플링되는 RF 수신기 (210) 를 포함할 수 있다. RF 수신기 (210) 는 Wi-Fi 신호, 블루투스TM 신호, 5G/NR 신호, 또는 임의의 다른 RF 신호와 같은 RF 파형을 수신하기 위한 하나 이상의 하드웨어 컴포넌트들을 포함할 수 있다. RF 수신기 (210) 의 출력은 아날로그-대-디지털 변환기 (ADC) (208) 에 커플링될 수 있다. ADC (208) 는 수신된 아날로그 RF 파형을 디지털 신호 프로세서 (도시되지 않음) 와 같은 프로세서에 제공될 수 있는 디지털 파형으로 변환하도록 구성될 수 있다.
일 예에서, 무선 디바이스 (200) 는 TX 파형 (216) 이 TX 안테나 (212) 로부터 송신되게 함으로써 RF 감지 기법들을 구현할 수 있다. TX 파형 (216) 이 단일 라인으로서 도시되지만, 일부 경우들에서, TX 파형 (216) 은 전방향성 TX 안테나 (212) 에 의해 모든 방향들로 송신될 수 있다. 일 예에서, TX 파형 (216) 은 무선 디바이스 (200) 내의 Wi-Fi 송신기에 의해 송신되는 Wi-Fi 파형일 수 있다. 일부 경우들에서, TX 파형 (216) 은 Wi-Fi 데이터 통신 신호 또는 Wi-Fi 제어 기능 신호 (예를 들어, 비콘 송신) 와 동시에 또는 거의 동시에 송신되는 Wi-Fi 파형에 대응할 수 있다. 일부 예들에서, TX 파형 (216) 은 Wi-Fi 데이터 통신 신호 또는 Wi-Fi 제어 기능 신호 (예를 들어, 비콘 송신) 와 동일하거나 유사한 주파수 리소스를 사용하여 송신될 수 있다. 일부 양태들에서, TX 파형 (216) 은 Wi-Fi 데이터 통신 신호 및/또는 Wi-Fi 제어 신호와 별개로 송신되는 Wi-Fi 파형에 대응할 수 있다 (예를 들어, TX 파형 (216) 은 상이한 시간들에 그리고/또는 상이한 주파수 리소스를 사용하여 송신될 수 있다).
일부 예들에서, TX 파형 (216) 은 5G NR 데이터 통신 신호 또는 5G NR 제어 기능 신호와 동시에 또는 거의 동시에 송신되는 5G NR 파형에 대응할 수 있다. 일부 예들에서, TX 파형 (216) 은 5G NR 데이터 통신 신호 또는 5G NR 제어 기능 신호와 동일하거나 유사한 주파수 리소스를 사용하여 송신될 수 있다. 일부 양태들에서, TX 파형 (216) 은 5G NR 데이터 통신 신호 및/또는 5G NR 제어 신호와 별개로 송신되는 5G NR 파형에 대응할 수 있다 (예를 들어, TX 파형 (216) 은 상이한 시간들에 그리고/또는 상이한 주파수 리소스를 사용하여 송신될 수 있다).
일부 양태들에서, TX 파형 (216) 과 연관된 하나 이상의 파라미터들은, RF 감지 해상도를 증가 또는 감소시키는데 사용될 수 있는 것으로 수정될 수 있다. 파라미터들은 주파수, 대역폭, 공간 스트림들의 수, TX 파형 (216) 을 송신하도록 구성된 안테나들의 수, TX 파형 (216) 에 대응하는 반사된 RF 신호를 수신하도록 구성된 안테나들의 수, 공간 링크들의 수 (예를 들어, RF 신호를 수신하도록 구성된 안테나들의 수로 곱해진 공간 스트림들의 수), 샘플링 레이트, 또는 이들의 임의의 조합을 포함할 수 있다.
추가 예들에서, TX 파형 (216) 은 완벽한 또는 거의 완벽한 자기 상관 특성들을 갖는 시퀀스를 갖도록 구현될 수 있다. 예를 들어, TX 파형 (216) 은 단일 캐리어 자도프 (Zadoff) 시퀀스들을 포함할 수 있거나, 직교 주파수 분할 멀티플렉싱 (OFDM) 롱 트레이닝 필드 (LTF) 심볼들과 유사한 심볼들을 포함할 수 있다. 일부 경우들에서, TX 파형 (216) 은, 예를 들어, FM-CW (Frequency-Modulated Continuous-Wave) 레이더 시스템에서 사용되는 처프 (chirp) 신호를 포함할 수 있다. 일부 구성들에서, 처프 신호는 신호 주파수가 선형 및/또는 지수 방식으로 주기적으로 증가 및/또는 감소하는 신호를 포함할 수 있다.
일부 양태들에서, 무선 디바이스 (200) 는 동시 송신 및 수신 기능들을 수행함으로써 RF 감지 기법들을 추가로 구현할 수 있다. 예를 들어, 무선 디바이스 (200) 는 자신의 RF 수신기 (210) 가 RF 송신기 (206) 가 TX 파형 (216) 을 송신할 수 있게 하는 것과 동시에 또는 거의 동시에 수신할 수 있게 할 수 있다. 일부 예들에서, TX 파형 (216) 에 포함되는 시퀀스 또는 패턴의 송신은 시퀀스가 특정 횟수 또는 특정 시간 지속기간 동안 송신되도록 연속적으로 반복될 수 있다. 일부 예들에서, TX 파형 (216) 의 송신에서 패턴을 반복하는 것은, RF 수신기 (210) 가 RF 송신기 (206) 이후에 인에이블되면 임의의 반사된 신호들의 수신을 누락하는 것을 회피하기 위해 사용될 수 있다. 일 예시적인 구현에서, TX 파형 (216) 은 2 회 이상 송신되는 시퀀스 길이 (L) 를 갖는 시퀀스를 포함할 수 있으며, 이는 RF 수신기 (210) 가 어떠한 정보도 누락시키지 않고 전체 시퀀스에 대응하는 반사들을 수신하기 위해 L 이하의 시간에 인에이블되게 할 수 있다.
동시 송신 및 수신 기능을 구현함으로써, 무선 디바이스 (200) 는 TX 파형 (216) 에 대응하는 임의의 신호들을 수신할 수 있다. 예를 들어, 무선 디바이스 (200) 는 사용자 (202) 로부터 반사되는 RX 파형 (218) 과 같은 TX 파형 (216) 의 범위 내에 있는 오브젝트들 또는 사람들로부터 반사되는 신호들을 수신할 수 있다. 무선 디바이스 (200) 는 또한 임의의 오브젝트들로부터 반사하지 않고 TX 안테나 (212) 로부터 RX 안테나 (214) 로 직접 커플링되는 누설 신호들 (예를 들어, TX 누설 신호 (220)) 을 수신할 수 있다. 예를 들어, 누설 신호들은 임의의 오브젝트들로부터 반사하지 않고 무선 디바이스 상의 송신기 안테나 (예를 들어, TX 안테나 (212)) 로부터 무선 디바이스 상의 수신 안테나 (예를 들어, RX 안테나 (214)) 로 전달되는 신호들을 포함할 수 있다. 일부 경우들에서, RX 파형 (218) 은 TX 파형 (216) 에 포함되는 시퀀스의 다수의 카피들에 대응하는 다수의 시퀀스들을 포함할 수 있다. 일부 예들에서, 무선 디바이스 (200) 는 신호 대 잡음비 (SNR) 를 개선하기 위해 RF 수신기 (210) 에 의해 수신되는 다수의 시퀀스들을 결합할 수 있다.
무선 디바이스 (200) 는 TX 파형 (216) 에 대응하는 수신된 신호들 각각과 연관된 RF 감지 데이터를 획득함으로써 RF 감지 기법들을 추가로 구현할 수 있다. 일부 예들에서, RF 감지 데이터는 TX 파형 (216) 에 대응하는 반사된 경로들 (예를 들어, RX 파형 (218)) 에 관한 데이터와 함께 TX 파형 (216) 의 직접 경로들 (예를 들어, 누설 신호 (220)) 에 관한 채널 상태 정보 (CSI) 데이터를 포함할 수 있다.
일부 양태들에서, RF 감지 데이터 (예를 들어, CSI 데이터) 는 RF 신호 (예를 들어, TX 파형 (216)) 가 RF 송신기 (206) 로부터 RF 수신기 (210) 로 전파하는 방식을 결정하기 위해 사용될 수 있는 정보를 포함할 수 있다. RF 감지 데이터는 산란, 페이딩, 및/또는 거리에 따른 전력 감쇠, 또는 이들의 임의의 조합으로 인한 송신된 RF 신호에 대한 효과들에 대응하는 데이터를 포함할 수 있다. 일부 예들에서, RF 감지 데이터는 특정 대역폭에 걸쳐 주파수 도메인에서 각각의 톤에 대응하는 허수 데이터 및 실수 데이터 (예를 들어, I/Q 컴포넌트들) 를 포함할 수 있다.
일부 예들에서, RF 감지 데이터는 RX 파형 (218) 과 같은 반사된 파형들에 대응하는 거리들 및 도착 각도들을 계산하는데 사용될 수 있다. 추가 예들에서, RF 감지 데이터는 또한 모션을 검출하고, 위치를 결정하고, 위치 또는 모션 패턴들의 변화들을 검출하고, 채널 추정을 획득하거나, 또는 이들의 임의의 조합을 위해 사용될 수 있다. 일부 경우들에서, 반사된 신호들의 거리 및 도착 각도는 사용자들의 존재/근접을 검출하고, 사용자 주의를 검출하고, 그리고/또는 얼굴 인식뿐만 아니라 사용자 인증 (예를 들어, 얼굴 인증) 을 수행하기 위해, 주변 환경 (예를 들어, 사용자 (202)) 에서 사용자들의 크기, 위치, 움직임, 또는 배향을 식별하는데 사용될 수 있다.
무선 디바이스 (200) 는 신호 프로세싱, 머신 학습 알고리즘들을 활용함으로써, 임의의 다른 적절한 기법을 사용하여, 또는 이들의 임의의 조합에 의해, 반사된 파형들에 대응하는 거리들 및 도착 각도들 (예를 들어, RX 파형 (218) 에 대응하는 거리 및 도착 각도) 을 계산할 수 있다. 다른 예들에서, 무선 디바이스 (200) 는 RX 파형 (218) 또는 다른 반사된 파형들에 대응하는 거리 및 도착 각도를 획득하기 위한 계산들을 수행할 수 있는 서버와 같은 다른 컴퓨팅 디바이스로 RF 감지 데이터를 전송할 수 있다.
일 예에서, RX 파형 (218) 의 거리는 누설 신호의 수신으로부터 반사된 신호들의 수신까지의 시간의 차이를 측정함으로써 계산될 수 있다. 예를 들어, 무선 디바이스 (200) 는 무선 디바이스 (200) 가 TX 파형 (216) 을 송신하는 시간으로부터 누설 신호 (220) 를 수신하는 시간까지의 차이 (예를 들어, 전파 지연) 에 기반하는 0 의 베이스라인 거리를 결정할 수 있다. 그 후, 무선 디바이스 (200) 는 무선 디바이스 (200) 가 TX 파형 (216) 을 송신하는 시간으로부터 그것이 RX 파형 (218) 을 수신하는 시간 (예를 들어, 비행 시간) 까지의 차이에 기반하여 RX 파형 (218) 과 연관된 거리를 결정할 수 있으며, 이는 그 후 누설 신호 (220) 와 연관된 전파 지연에 따라 조정될 수 있다. 그렇게 함에 있어서, 무선 디바이스 (200) 는 반사를 일으킨 사용자 (예를 들어, 사용자 (202)) 의 존재 및 움직임을 결정하는데 사용될 수 있는 RX 파형 (218) 에 의해 이동된 거리를 결정할 수 있다.
추가 예들에서, RX 파형 (218) 의 도착 각도는 안테나 (214) 와 같은 수신 안테나 어레이의 개별 요소들 사이의 RX 파형 (218) 의 도착 시간 차이를 측정함으로써 계산될 수 있다. 일부 예들에서, 도착 시간 차이는 수신 안테나 어레이의 각각의 엘리먼트에서 수신된 위상의 차이를 측정함으로써 계산될 수 있다.
일부 경우들에서, RX 파형 (218) 의 거리 및 도착 각도는 무선 디바이스 (200) 와 사용자 (202) 사이의 거리뿐만 아니라 무선 디바이스 (200) 에 대한 사용자 (202) 의 위치를 결정하기 위해 사용될 수 있다. RX 파형 (218) 의 거리 및 도착 각도는 또한 사용자 (202) 의 존재, 움직임, 근접성, 주의, 아이덴티티, 또는 이들의 임의의 조합을 결정하기 위해 사용될 수 있다. 예를 들어, 무선 디바이스 (200) 는 사용자 (202) 가 무선 디바이스 (200) 를 향해 걷고 있음을 결정하기 위해 RX 파형 (218) 에 대응하는 계산된 거리 및 도착 각도를 이용할 수 있다. 무선 디바이스 (200) 에 대한 사용자 (202) 의 근접성에 기반하여, 무선 디바이스 (200) 는 디바이스를 잠금해제하기 위해 얼굴 인증을 활성화할 수 있다. 일부 양태들에서, 얼굴 인증은 사용자 (202) 가 무선 디바이스 (200) 의 임계 거리 내에 있는 것에 기반하여 활성화될 수 있다. 임계 거리들의 예들은 2 피트, 1 피트, 6 인치, 3 인치, 또는 임의의 다른 거리를 포함할 수 있다.
위에서 언급된 바와 같이, 무선 디바이스 (200) 는 모바일 디바이스들 (예를 들어, 스마트폰들, 랩탑들, 태블릿들 등) 또는 다른 타입들의 디바이스들을 포함할 수 있다. 일부 예들에서, 무선 디바이스 (200) 는 RF 감지 데이터와 함께 디바이스 위치 데이터 및 디바이스 배향 데이터를 획득하도록 구성될 수 있다. 일부 경우들에서, 디바이스 위치 데이터 및 디바이스 배향 데이터는 RX 파형 (218) 과 같은 반사된 신호의 거리 및 도착 각도를 결정하거나 조정하는데 사용될 수 있다. 예를 들어, 무선 디바이스 (200) 는 사용자 (202) 가 RF 감지 프로세스 동안 테이블을 향해 걸어갈 때 천장을 향하는 테이블 상에 설정될 수 있다. 이 예에서, 무선 디바이스 (200) 는 사용자 (202) 가 걷고 있는 방향을 결정하기 위해 RF 감지 데이터와 함께 자신의 위치 데이터 및 배향 데이터를 사용할 수 있다.
일부 예들에서, 디바이스 포지션 데이터는 RTT (round trip time) 측정들, 수동 포지셔닝, 도착 각도, RSSI (received signal strength indicator), CSI 데이터를 포함하는 기법들을 사용하여, 임의의 다른 적절한 기법을 사용하여, 또는 이들의 임의의 조합을 사용하여 무선 디바이스 (200) 에 의해 수집될 수 있다. 추가 예들에서, 디바이스 배향 데이터는 자이로스코프, 가속도계, 나침반, 자력계, 기압계, 임의의 다른 적절한 센서, 또는 이들의 임의의 조합과 같은 무선 디바이스 (200) 상의 전자 센서들로부터 획득될 수 있다.
도 3 은 무선 디바이스 (302), 액세스 포인트 (AP) (304), 및 사용자 (308) 를 포함하는 환경 (300) 을 도시하는 다이어그램이다. 무선 디바이스 (302) 는 사용자 디바이스 (예를 들어, 모바일 디바이스 또는 임의의 다른 타입의 디바이스와 같은 도 1 의 사용자 디바이스 (107)) 를 포함할 수 있다. AP (304) 는 또한 일부 예들에서 무선 디바이스로 지칭될 수 있다. 도시된 바와 같이, 사용자 (308) 는 제 1 사용자 포지션 (309a), 제 2 사용자 포지션 (309b), 및 제 3 사용자 포지션 (309c) 을 포함하는 상이한 위치들로 (예를 들어, 무선 디바이스 (302) 를 이용하여) 이동할 수 있다. 일부 양태들에서, 무선 디바이스 (302) 및 AP (304) 는 각각 사용자 (308) 의 존재를 검출하고, 사용자 (308) 의 움직임을 검출하고, 사용자 (308) 의 얼굴 인식을 수행하고, 이들의 임의의 조합을 수행하고, 그리고/또는 사용자 (308) 에 대한 다른 기능들을 수행하기 위해 RF 감지를 수행하도록 구성될 수 있다.
일부 양태들에서, AP (304) 는, 도 2 의 무선 디바이스 (200) 에 대해 본 명세서에 설명된 컴포넌트들과 같은, RF 신호들을 동시에 송신 및 수신하도록 구성될 수 있는 하드웨어 및 소프트웨어 컴포넌트들을 포함하는 Wi-Fi 액세스 포인트일 수 있다. 예를 들어, AP (304) 는 RF 신호를 송신하도록 구성될 수 있는 하나 이상의 안테나들 및 RF 신호를 수신하도록 구성될 수 있는 하나 이상의 안테나들 (예를 들어, 안테나 (306)) 을 포함할 수 있다. 도 2 의 무선 디바이스 (200) 와 관련하여 언급된 바와 같이, AP (304) 는 임의의 방향으로부터 신호들을 송신 및 수신하도록 구성되는 전방향성 안테나들 또는 안테나 어레이들을 포함할 수 있다.
일부 양태들에서, AP (304) 및 무선 디바이스 (302) 는 송신 및 수신 기능들이 상이한 디바이스들에 의해 수행되는 바이스태틱 구성을 구현하도록 구성될 수 있다. 예를 들어, AP (304) 는 신호 (310a) 및 신호 (310b) 를 포함할 수 있는 전방향성 RF 신호를 송신할 수 있다. 도시된 바와 같이, 신호 (310a) 는 AP (304) 로부터 무선 디바이스 (302) 로 직접 (예를 들어, 반사들이 없음) 이동할 수 있고, 신호 (310b) 는 포지션 (309a) 에서 사용자 (308) 로부터 반사될 수 있고, 대응하는 반사된 신호 (312) 가 무선 디바이스 (302) 에 의해 수신되게 할 수 있다.
일부 예들에서, 무선 디바이스 (302) 는 위치 (309a) 에서 사용자 (308) 의 존재, 위치, 배향, 및/또는 움직임을 결정하기 위해 신호 (310a) 및 신호 (310b) 와 연관된 RF 감지 데이터를 이용할 수 있다. 예를 들어, 무선 디바이스 (302) 는 AP (304) 와 연관된 위치 데이터를 획득, 회수, 및/또는 추정할 수 있다. 일부 양태들에서, 무선 디바이스 (302) 는 AP (304) 에 의해 송신된 비행 시간, 거리 및/또는 도착 각도 연관된 신호들 (예를 들어, 신호 (310a) 와 같은 직접 경로 신호들 및 신호 (312) 와 같은 반사된 경로 신호들) 을 결정하기 위해 AP (304) 와 연관된 위치 데이터 및 RF 감지 데이터 (예를 들어, CSI 데이터) 를 사용할 수 있다. 일부 경우들에서, AP (304) 및 무선 디바이스 (302) 는 RF 신호 (310a) 및/또는 반사된 신호 (312) 와 연관된 데이터 (예를 들어, 송신 시간, 시퀀스/패턴, 도착 시간, 도착 각도 등) 를 포함할 수 있는 통신을 추가로 전송 및/또는 수신할 수 있다.
일부 예들에서, 무선 디바이스 (302) 는 모노스태틱 구성을 사용하여 RF 감지를 수행하도록 구성될 수 있으며, 이 경우 무선 디바이스 (302) 는 송신 및 수신 기능들 (예를 들어, 무선 디바이스 (200) 와 관련하여 논의된 동시 TX/RX) 둘 다를 수행한다. 예를 들어, 무선 디바이스 (302) 는 RF 신호 (314) 를 송신함으로써 위치 (309b) 에서 사용자 (308) 의 존재 또는 움직임을 검출할 수 있으며, 이는 위치 (309b) 에서 사용자 (308) 로부터의 반사된 신호 (316) 가 무선 디바이스 (302) 에 의해 수신되게 할 수 있다.
일부 양태들에서, 무선 디바이스 (302) 는 반사된 신호 (316) 와 연관된 RF 감지 데이터를 획득할 수 있다. 예를 들어, RF 감지 데이터는 반사된 신호 (316) 에 대응하는 CSI 데이터를 포함할 수 있다. 추가 양태들에서, 무선 디바이스 (302) 는 반사된 신호 (316) 에 대응하는 거리 및 도착 각도를 계산하기 위해 RF 감지 데이터를 사용할 수 있다. 예를 들어, 무선 디바이스 (302) 는 누설 신호 (미도시) 와 반사된 신호 (316) 사이의 차이에 기반하여 반사된 신호 (316) 에 대한 비행 시간을 계산함으로써 거리를 결정할 수 있다. 다른 예들에서, 무선 디바이스 (302) 는 반사된 신호들을 수신하기 위해 안테나 어레이를 이용하고 안테나 어레이의 각각의 엘리먼트에서 수신된 위상의 차이를 측정함으로써 도착 각도를 결정할 수 있다.
일부 예들에서, 무선 디바이스 (302) 는 'K' 로서 표현되는 주파수들의 수 (예를 들어, 톤들) 및 'N' 으로서 표현되는 안테나 어레이 엘리먼트들의 수에 기반하는 매트릭스를 공식화하는데 사용될 수 있는 CSI 데이터의 형태로 RF 감지 데이터를 획득할 수 있다. 하나의 기법에서, CSI 매트릭스는 식 (1) 에 의해 주어진 관계에 따라 공식화될 수 있다:
Figure pct00001
CSI 매트릭스를 공식화할 때, 무선 디바이스 (302) 는 2 차원 푸리에 변환을 이용함으로써 직접 신호 경로들 (예를 들어, 누설 신호들) 뿐만 아니라 반사된 신호 경로들 (예를 들어, 반사된 신호 (316)) 에 대한 도착 각도 및 비행 시간을 계산할 수 있다. 일 예에서, 푸리에 변환은 아래의 식 (2) 에 의해 주어진 관계에 의해 규정될 수 있고, K 는 주파수 도메인에서 톤들의 수에 대응하고; N 은 수신 안테나들의 수에 대응하고; hik 는 제 i 안테나 및 제 k 톤 (예를 들어, 실수 및 허수 컴포넌트를 갖는 복소수) 에서 캡처된 CSI 데이터에 대응하고; f0 는 캐리어 주파수에 대응하며; l 은 안테나 간격에 대응하고; c 는 광의 속도에 대응하고; △f 는 2 개의 인접한 톤들 사이의 주파수 간격에 대응한다. 식 (2) 의 관계는 다음과 같이 제공된다:
Figure pct00002
일부 양태들에서, 누설 신호들 (예를 들어, 누설 신호 (220) 및/또는 다른 누설 신호들) 은 반복 소거 방법을 사용함으로써 소거될 수 있다.
일부 경우들에서, 무선 디바이스 (302) 는 포지션 (309b) 에서의 사용자 (308) 의 존재 또는 움직임을 검출하기 위해 반사된 신호 (316) 에 대응하는 거리 및 도착 각도를 이용할 수 있다. 다른 예들에서, 무선 디바이스 (302) 는 제 3 위치 (309c) 로의 사용자 (308) 의 추가적인 움직임을 검출할 수 있다. 무선 디바이스 (302) 는 포지션 (309c) 에서 사용자 (308) 로부터 반사된 신호 (320) 를 야기하는 RF 신호 (318) 를 송신할 수 있다. 반사된 신호 (320) 와 연관된 RF 감지 데이터에 기반하여, 무선 디바이스 (302) 는 포지션 (309c) 에서 사용자 (308) 의 존재를 결정할 수 있고, 사용자의 머리 존재 및/또는 배향을 검출할 수 있으며, 얼굴 인증 뿐만 아니라 얼굴 인식을 수행할 수 있다.
일부 구현들에서, 무선 디바이스 (302) 는 모션 검출, 오브젝트 분류, 및/또는 사용자 (308) 에 관한 머리 배향을 검출하기 위해 인공 지능 또는 머신 학습 알고리즘들을 이용할 수 있다. 일부 예들에서, 머신 학습 기법들은 신경망들, 선형 및 물류 회귀, 분류 트리들, 지원 벡터 머신, 임의의 다른 적절한 감독 머신 학습 기법, 또는 이들의 임의의 조합을 이용하는 것들과 같은 감독 머신 학습 기법들을 포함할 수 있다. 예를 들어, 샘플 RF 감지 데이터의 데이터세트는 머신 학습 알고리즘 또는 인공 지능의 트레이닝을 위해 선택될 수 있다.
일부 양태들에서, 무선 디바이스 (302) 및 AP (304) 는 서로와의 또는 Wi-Fi 네트워크와의 그들의 연관성에 관계없이 RF 감지 기법들을 수행할 수 있다. 예를 들어, 무선 디바이스 (302) 는 임의의 액세스 포인트 또는 Wi-Fi 네트워크와 연관되지 않을 때 본 명세서에서 논의되는 바와 같이 RF 감지를 수행하기 위해 자신의 Wi-Fi 송신기 및 Wi-Fi 수신기를 이용할 수 있다. 추가 예들에서, AP (304) 는 자신과 연관된 임의의 무선 디바이스들을 갖는지에 관계없이 RF 감지 기법들을 수행할 수 있다.
도 4 는 얼굴 인식을 수행하기 위한 프로세스 (400) 의 예를 도시하는 플로우 다이어그램이다. 블록 (402) 은 디바이스가 잠기고 디바이스의 스크린 (또는 디스플레이) 이 꺼진 디바이스의 상태를 도시한다. 예를 들어, 사용자는 디바이스를 책상에서 아래로 설정했을 수 있고, 디바이스는 특정 양의 비활성 시간 후에 잠금 상태로 전이했을 수 있다.
블록 (404) 에서, 디바이스는 디바이스의 근접성 내의 모션을 검출하기 위해 RF 감지를 수행할 수 있다. 일 예에서, 모션을 검출하기 위한 RF 감지는 (도 2 의 무선 디바이스 (200) 에 대해서와 같이, 위에서 설명된 것과 유사한) 동시 송신 및 수신 기능들을 수행하도록 디바이스 상에 RF 인터페이스를 구성함으로써 구현될 수 있다. 예를 들어, 디바이스 상의 Wi-Fi 인터페이스는 하나 이상의 RF 신호들을 송신하고 송신된 RF 신호에 대응하는 하나 이상의 반사된 신호들을 동시에 (또는 거의 동시에) 수신하도록 구성될 수 있다.
일부 구현들에서, 디바이스는, 송신된 RF 신호의 대역폭, 공간 스트림들의 수, RF 신호를 송신하도록 구성된 안테나들의 수, RF 신호를 수신하도록 구성된 안테나들의 수, 공간 링크들의 수 (예를 들어, RF 신호를 수신하도록 구성된 안테나들의 수로 곱해진 공간 스트림들의 수), 샘플링 레이트, 또는 이들의 임의의 조합과 같은 파라미터들에 기반하여 RF 감지 해상도의 다양한 레벨들을 갖는 RF 감지 알고리즘들을 구현하도록 구성될 수 있다. 예를 들어, 디바이스는 대역폭, 샘플링 레이트, 및/또는 공간 링크들에 관한 하나 이상의 파라미터들을 조정함으로써 디바이스가 잠금 또는 슬립 상태에 있을 때 디바이스의 근접성의 모션을 검출할 수 있는 알고리즘을 구현할 수 있다.
예를 들어, 일부 경우들에서, 디바이스는 송신 안테나들 각각으로부터 독립적이고 개별적으로 코딩된 신호들 (예를 들어, 스트림들) 을 송신하는데 사용될 수 있는 공간 스트리밍 또는 멀티플렉싱 기법들을 사용하여 송신하도록 구성될 수도 있다. 예를 들어, 4 개의 안테나들을 갖는 무선 디바이스는, 하나의 안테나를 송신하도록 구성하고 나머지 3 개의 안테나들을 수신하도록 구성함으로써 1x3 구성 (예를 들어, 3 개의 공간 링크들을 초래할 1 개의 공간 스트림 및 3 개의 RX 안테나들) 을 구현하도록 구성될 수 있다 (예를 들어, 이 경우, 하나의 TX 안테나는 다른 3 개의 RX 안테나들에 의해 수신될 수 있는 공간 스트림을 송신할 수 있다). 다른 예에서, 무선 디바이스는 송신하도록 구성된 2 개의 안테나들을 통해 독립적인 신호들을 송신함으로써 2x2 구성 (예를 들어, 4 개의 공간 링크들을 초래할 2 개의 공간 스트림들 및 2 개의 RX 안테나들) 을 구현할 수 있으며, 이는 수신하도록 구성된 2 개의 안테나들에 의해 수신될 수 있다.
일부 구성들에서, 디바이스는 공간 링크들의 수 (예를 들어, 공간 스트림들의 수 및/또는 수신 안테나들의 수를 조정) 뿐만 아니라 대역폭 및 샘플링 주파수를 수정함으로써 RF 감지 해상도의 레벨을 조정할 수 있다. 일부 경우들에서, 디바이스는 (예를 들어, 비교적 낮은 대역폭, 낮은 수의 공간 링크들, 및 낮은 샘플링 레이트를 갖는) 저-해상도 RF 감지 알고리즘을 구현할 수 있으며, 이는 적은 양의 전력을 소비하고 디바이스가 잠금 또는 슬립 상태에 있을 때 백그라운드에서 동작할 수 있다. 하나의 예시적인 예에서, 디바이스는 대략 20 MHz 의 대역폭을 갖는 신호를 송신하기 위해 단일 공간 링크를 활용하도록 RF 인터페이스를 구성함으로써 그리고 100 ms 내지 500 ms 의 범위에 있을 수 있는 샘플링 레이트를 활용함으로써 모션 검출을 수행할 수 있다. 당업자는 본 명세서에 설명된 파라미터들 및 대응하는 값들이 예시적인 구성들로서 제공되고 개시된 시스템들 및 기법들이 파라미터들 및 값들의 상이한 변형들을 사용하여 구현될 수 있다는 것을 이해할 것이다.
블록 (406) 에서, 디바이스는 RF 감지 데이터에 기반하여 모션이 검출되는지 여부를 결정할 수 있다. 디바이스는 신호 프로세싱, 머신 학습 알고리즘들, 임의의 다른 적절한 기법을 사용하는 것, 또는 이들의 임의의 조합을 이용함으로써 모션을 검출할 수 있다. 모션이 검출되지 않으면, 프로세스 (400) 는 블록 (408) 으로 진행할 수 있으며, 여기서 디바이스는 잠금 상태로 유지되고 모션을 검출하기 위해 RF 감지를 계속 수행한다. 이러한 경우에, 디바이스는 저-해상도 RF 감지 알고리즘을 사용하여 RF 감지를 계속 수행할 수 있다.
모션이 블록 (406) 에서 검출되면, 프로세스 (400) 는 블록 (410) 으로 진행하여 얼굴 인증을 개시할 수 있다. 일부 예들에서, 얼굴 인식은 디바이스 스크린에 수직인 방향으로 신호들을 송신하는 것과 같이, 극고주파 (EHF) 신호들 또는 mmWave 기법 (예를 들어, IEEE 802.11ad) 을 송신할 수 있는 RF 인터페이스를 사용함으로써 수행될 수 있다. 예를 들어, 디바이스는 사용자의 얼굴로부터 반사되는 신호들로부터 상이한 각도들에서 비행 시간 및 위상 측정들을 획득하기 위해 좁은 빔 스위핑을 수행하기 위해 mmWave RF 인터페이스를 이용할 수 있다. 일부 예들에서, 디바이스는 얼굴 인식을 위해 시스템에 저장되는 교정된 얼굴 메트릭들과 비교할 수 있는 얼굴 서명들을 생성하기 위해 비행 시간 및 위상 측정들을 이용할 수 있다.
다른 예에서, 디바이스는 얼굴 인식을 수행하기 위해 LIDAR (light detection and ranging) 를 사용할 수 있다. 예를 들어, LIDAR 디바이스는 레이저 광으로 사용자의 얼굴을 조명하고 레이저 광의 반사가 센서로 복귀하는데 걸리는 시간을 측정하는데 사용될 수 있다. 일부 경우들에서, 디바이스는 얼굴 인식을 수행하는데 사용될 수 있는 사용자의 얼굴의 3 차원 표현 또는 이미지를 생성하기 위해 복귀 시간들 및/또는 파장들의 차이들을 사용할 수 있다.
다른 예에서, 디바이스는 사용자의 얼굴을 조명하기 위해 적외선 (IR) 광원, 도트 프로젝터, 또는 다른 광원을 사용할 수 있고, 이미지 캡처를 수행하기 위해 IR 카메라 또는 다른 이미지 캡처 디바이스를 사용할 수 있다. 그 다음, 캡처된 이미지는 블록 (410) 에서 얼굴 인증을 수행하기 위해 프로세싱되고 사용될 수 있다. 예를 들어, 캡처 이미지 또는 캡처된 이미지 데이터는 인증을 수행하기 위해 저장된/등록된 얼굴 또는 대응하는 서명과 비교될 수 있다. 프로세스 (400) 가 블록 (412) 에서 얼굴 인증이 실패했다고 결정하면, 프로세스 (400) 는 디바이스가 모션을 검출하기 위해 RF 감지를 계속 수행하는 블록 (408) 으로 진행할 수 있다. 블록 (412) 에서 얼굴 인증이 검증되면, 프로세스 (400) 는 디바이스가 잠금해제되는 블록 (414) 으로 진행할 수 있다.
도 5 는 얼굴 인식을 수행하기 위한 프로세스 (500) 의 예를 도시하는 플로우 다이어그램이다. 블록 (502) 은 디바이스가 잠기고 디바이스의 스크린 (또는 디스플레이) 이 꺼진 디바이스의 상태를 도시한다. 예를 들어, 사용자는 디바이스를 책상에서 아래로 설정했을 수 있고 그리고/또는 디바이스는 특정 양의 비활성 시간 후에 잠금 상태로 진입했을 수 있다.
블록 (504) 에서, 디바이스는 디바이스의 임계 거리 또는 근접성 내의 사용자의 존재를 검출하기 위해 RF 감지를 수행할 수 있다. 일 예에서, 사용자 존재를 검출하는 것은 사용자의 머리의 존재를 검출하고 식별하는 것을 포함할 수 있다. 일부 구현들에서, 사용자 존재를 검출하기 위한 RF 감지는, 프로세스 (400) 와 관련하여 논의된 바와 같이, 모션의 검출에 응답하여 수행될 수 있다. 예를 들어, 디바이스는 모션의 검출을 위한 저-전력 동작을 제공하는 파라미터들 (예를 들어, 대역폭, 샘플링 레이트, 공간 스트림들, 공간 링크들, 이들의 임의의 조합, 및/또는 다른 파라미터들) 을 사용함으로써 RF 감지를 구현할 수 있다. 모션을 검출하는 것에 응답하여, 디바이스는 사용자 존재를 검출하도록 구성될 수 있는 파라미터들의 상이한 세트 (예를 들어, 상이한 대역폭, 상이한 샘플링 레이트, 상이한 공간 스트림들, 상이한 공간 링크들 등) 를 사용하여 RF 감지를 구현할 수도 있다.
일 예에서, 방 내의 책상 상에 설정된 디바이스는 사용자가 방 주위를 걷고 있지만 디바이스에 아직 근접하지 않은 (예를 들어, 사용자가 디바이스를 동작시킬 수 있는 임계 거리 내에) 것을 검출하기 위해 프로세스 (400) 와 관련하여 논의된 기술들을 사용할 수 있다. 사용자가 디바이스를 향해 이동하고 있는 것을 검출할 때, 디바이스는 사용자의 머리를 검출하고 식별함으로써 사용자 존재를 검출하도록 구성될 수 있는 (예를 들어, 도 5 의 프로세스 (500) 에 따른) 상이한 RF 감지 알고리즘을 구현할 수 있다.
사용자 존재를 검출하기 위한 RF 감지는 동시 송신 및 수신 기능들을 수행하도록 디바이스 상에 RF 인터페이스를 구성함으로써 구현될 수 있다. 예를 들어, 디바이스 상의 RF 인터페이스는 하나 이상의 RF 신호들을 송신하고 송신된 RF 신호에 대응하는 하나 이상의 반사된 신호들을 동시에 수신하도록 구성될 수 있다.
위에서 언급된 바와 같이, 일부 구현들에서, 디바이스는 송신된 RF 신호의 대역폭, 공간 스트림들의 수, 공간 링크들의 수, 샘플링 레이트, 또는 이들의 임의의 조합과 같은 파라미터들에 기반하여 RF 감지 해상도의 다양한 레벨들을 갖는 RF 감지 알고리즘들을 구현하도록 구성될 수 있다. 예를 들어, 디바이스는 대역폭, 샘플링 레이트, 공간 스트림들, 및/또는 공간 링크들에 관한 하나 이상의 파라미터들을 조정함으로써 디바이스가 잠금 또는 슬립 상태에 있을 때 (예를 들어, 헤드의 존재를 검출하기 위해 헤드 검출을 수행함으로써) 사용자 존재를 검출할 수 있는 알고리즘을 구현할 수도 있다. 일부 경우들에서, 디바이스는 (예를 들어, 저-해상도 RF 감지 알고리즘과 비교하여 중간 대역폭, 중간 수의 공간 링크들, 및 중간 샘플링 레이트를 갖는) 중간-해상도 RF 감지 알고리즘을 구현할 수 있으며, 이는 더 높은 대역폭, 더 높은 수의 공간 링크들, 더 높은 샘플링 레이트, 또는 이들의 임의의 조합을 가짐으로써 저-해상도 RF 감지 알고리즘과 상이할 수 있다. 예를 들어, 모션을 검출하기 위해 도 4 의 프로세스 (400) 에서 사용되는 파라미터들과 비교하여, 디바이스는 대역폭을 증가시키고, (더 많은 샘플들을 수집하기 위해) 샘플링 레이트를 증가시키고, 그리고/또는 사용자 존재를 검출하기 위해 공간 링크들의 수를 증가시킬 수 있다. 하나의 예시적인 예에서, 디바이스는 2 개의 공간 링크들을 이용하고 대략 40 MHz 의 대역폭을 갖는 신호를 송신하도록 RF 인터페이스를 구성함으로써 그리고 대략 50 ms 일 수 있는 샘플링 레이트를 이용함으로써 사용자 존재 (예를 들어, 머리 검출) 를 검출할 수 있다. 프로세스 (400) 와 관련하여 설명된 바와 같이, 당업자는 본 명세서에 설명된 파라미터들 및 대응하는 값들이 예시적인 구성들로서 제공되고 개시된 시스템들 및 기법들이 파라미터들 및 값들의 상이한 변형들을 사용하여 구현될 수 있다는 것을 이해할 것이다.
블록 (506) 에서, 디바이스는 RF 감지 데이터에 기반하여 사용자 존재가 검출되는지 여부를 결정할 수 있다. 디바이스는 신호 프로세싱, 머신 학습 알고리즘들, 임의의 다른 적절한 기법을 사용하는 것, 또는 이들의 임의의 조합을 이용함으로써 사용자 존재를 검출할 수 있다. 사용자 존재가 검출되지 않으면 (예를 들어, 머리 검출 없음), 프로세스 (500) 는 도 5 의 프로세스 (500) 를 사용하여 사용자 존재 (예를 들어, 머리의 존재) 를 검출하기 위해 또는 도 4 의 프로세스 (400) 를 사용하여 모션을 검출하기 위해 디바이스가 잠금 상태로 유지되고 RF 감지를 계속 수행하는 블록 (508) 으로 진행할 수 있다. 이러한 경우에, 디바이스는 중간-해상도 RF 감지 알고리즘을 사용하여 RF 감지를 계속 수행할 수 있다.
사용자 존재가 블록 (506) 에서 검출되면, 프로세스 (500) 는 블록 (510) 으로 진행하여 얼굴 인증을 개시할 수 있다. 일부 예들에서, 얼굴 인증은 RF 감지 기법들을 사용하여, 이미지를 캡처하기 위해 디바이스의 IR 카메라를 사용함으로써, LIDAR 센서를 사용함으로써, 또는 이들의 임의의 조합을 사용하여 수행될 수 있다. 얼굴 인증과 관련된 추가 세부 사항은 도 8 의 설명에서 설명된다.
블록 (512) 에서 얼굴 인증이 실패하면, 프로세스 (500) 는 디바이스가 사용자 존재를 검출하기 위해 RF 감지를 계속 수행하는 블록 (508) 으로 진행할 수 있다. 일부 구성들에서, 프로세스는 대안적으로, 프로세스 (400) 와 관련하여 논의된 바와 같이, 모션을 검출하기 위해 RF 감지를 수행할 수 있다. 블록 (512) 에서 얼굴 인증이 검증되면, 프로세스 (500) 는 디바이스가 잠금해제되는 블록 (514) 으로 진행할 수 있다.
도 6 는 얼굴 인식을 수행하기 위한 프로세스 (600) 의 예를 도시하는 플로우 다이어그램이다. 블록 (602) 은 디바이스가 잠기고 디바이스의 스크린 (또는 디스플레이) 이 꺼진 디바이스의 상태를 도시한다. 도 4 및 도 5 로부터의 예들과 유사하게, 사용자는 디바이스를 책상에서 아래로 설정했을 수 있고 그리고/또는 디바이스는 특정 양의 비활성 시간 후에 잠금 상태로 진입했을 수 있다.
블록 (604) 에서, 디바이스는 (예를 들어, 머리 배향에 기반하여) 사용자가 디바이스를 향하고 있는지 여부를 결정하기 위해 RF 감지를 수행할 수 있다. 일부 구현들에서, 사용자의 머리 배향을 결정하기 위한 RF 감지는, 프로세스 (500) 와 관련하여 논의된 바와 같이, 사용자의 머리의 검출에 응답하여 수행될 수 있다. 예를 들어, 디바이스는 전력 소비를 최소화하면서 사용자 존재 (예를 들어, 헤드 존재) 를 검출하도록 구성된 파라미터들 (예를 들어, 대역폭, 샘플링 레이트, 공간 스트림들, 공간 링크들, 이들의 임의의 조합, 및/또는 다른 파라미터들) 을 사용함으로써 RF 감지를 구현할 수도 있다. 사용자 존재를 검출하는 것에 응답하여, 디바이스는 사용자의 머리 배향을 결정하도록 구성될 수 있는 파라미터들의 상이한 세트 (예를 들어, 대역폭, 샘플링 레이트, 공간 스트림들, 공간 링크들, 이들의 임의의 조합, 및/또는 다른 파라미터들) 를 사용하여 RF 감지를 구현할 수 있다.
일 예에서, 방 내의 책상 위에 설정되는 디바이스는 사용자의 머리가 디바이스에 매우 근접해 있다고 결정하기 위해 도 5 의 프로세스 (500) 와 관련하여 논의된 기법들을 사용할 수 있다. 일부 양태들에서, 사용자의 머리는 디바이스의 임계 거리 내에 있는 경우 (예를 들어, 2 피트 내에 있는 경우) 디바이스에 매우 근접해 있다. 사용자의 존재 및 임계 거리 내의 머리의 검출은 사용자의 머리의 배향을 결정하기 위해 RF 감지 기법들을 트리거할 수 있다. 예를 들어, RF 감지는 사용자가 디바이스를 향하고 있는지 또는 사용자의 주의가 다른 곳을 향하는 동안 디바이스가 사용자의 무릎에 있는지를 결정할 수 있다.
머리 배향을 검출하기 위한 RF 감지는 동시 송신 및 수신 기능들을 수행하도록 디바이스 상에 RF 인터페이스를 구성함으로써 구현될 수 있다. 예를 들어, 디바이스 상의 RF 인터페이스는 하나 이상의 RF 신호들을 송신하고 송신된 RF 신호에 대응하는 하나 이상의 반사된 신호들을 동시에 수신하도록 구성될 수 있다.
위에서 언급된 바와 유사하게, 디바이스는 송신된 RF 신호의 대역폭, 공간 스트림들의 수, 공간 링크들의 수, 샘플링 레이트, 또는 이들의 임의의 조합과 같은 파라미터들에 기반하여 RF 감지 해상도의 다양한 레벨들을 갖는 RF 감지 알고리즘들을 구현하도록 구성될 수 있다. 예를 들어, 디바이스는 대역폭, 샘플링 레이트, 및/또는 공간 링크들에 관한 하나 이상의 파라미터들을 조정함으로써 디바이스가 잠금 또는 슬립 상태에 있을 때 사용자의 머리 배향을 검출할 수 있는 알고리즘을 구현할 수 있다. 일부 경우들에서, 디바이스는 고-해상도 RF 감지 알고리즘 (예를 들어, 중간-해상도 RF 감지 알고리즘에 비해 높은 대역폭, 높은 수의 공간 링크들, 및 높은 샘플링 레이트를 가짐) 을 구현할 수 있다. 고-해상도 RF 감지 알고리즘은 더 높은 대역폭, 더 높은 수의 공간 링크들, 더 높은 샘플링 레이트, 또는 이들의 임의의 조합을 가짐으로써 중간-해상도 RF 감지 알고리즘과 상이할 수 있다. 예를 들어, 머리의 존재를 검출하기 위해 도 5 의 프로세스 (500) 에서 사용되는 파라미터들과 비교하여, 디바이스는 대역폭을 증가시키고, (더 많은 샘플들을 수집하기 위해) 샘플링 레이트를 증가시키고, 그리고/또는 머리 배향을 검출하기 위해 공간 링크들의 수를 증가시킬 수 있다. 하나의 예시적인 예에서, 디바이스는 3 개 이상의 공간 링크들을 활용하고, 80 ~ 160 MHz 의 대역폭을 갖는 신호를 송신하도록 RF 인터페이스를 구성함으로써, 그리고 50 ms 미만인 샘플링 레이트를 활용함으로써 머리 배향을 검출할 수 있다. 전술한 프로세스들과 관련하여 설명된 바와 같이, 당업자는 본 명세서에 설명된 파라미터들 및 대응하는 값들이 예시적인 구성들로서 제공되고 개시된 시스템들 및 기법들이 파라미터들 및 값들의 상이한 변형들을 사용하여 구현될 수 있다는 것을 이해할 것이다.
블록 (606) 에서, 디바이스는 RF 감지 데이터에 기반하여 사용자의 머리가 디바이스를 향하여 지향되는지 여부를 결정할 수 있다. 디바이스는 신호 프로세싱, 머신 학습 알고리즘들, 임의의 다른 적절한 기법을 사용하는 것, 또는 이들의 임의의 조합을 이용함으로써 사용자의 머리 배향을 검출할 수 있다. 사용자의 머리 배향이 디바이스를 향하고 있지 않다고 디바이스가 결정하면, 프로세스 (600) 는 도 6 의 프로세스 (600) 를 사용하여 머리의 배향을 검출하기 위해, 도 5 의 프로세스 (500) 를 사용하여 사용자 존재 (예를 들어, 머리의 존재) 를 검출하기 위해, 또는 도 4 의 프로세스 (400) 를 사용하여 모션을 검출하기 위해 디바이스가 잠금 상태로 유지되고 RF 감지를 계속 수행하는 블록 (608) 으로 진행할 수 있다. 이러한 경우에, 디바이스는 고-해상도 RF 감지 알고리즘을 사용하여 RF 감지를 계속 수행할 수 있다.
일부 예들에서, 블록 (606) 에서 디바이스가 사용자의 머리 배향이 디바이스를 향하고 있지 않다고 결정하면, 디바이스는 사용자가 다른 디바이스의 방향으로 향하고 있다고 결정할 수 있다. 일부 양태들에서, 디바이스는 포지셔닝 알고리즘 (예를 들어, RTT (round trip time) 측정들, 수동 포지셔닝, 도착 각도, RSSI (received signal strength indicator), CSI 데이터, 임의의 다른 적절한 기법을 사용하는 것, 또는 이들의 임의의 조합) 을 구현할 수 있거나, 디바이스는 다른 디바이스들까지의 범위 또는 거리를 결정하기 위해 포지션 데이터 (예를 들어, 이전에 저장된 포지션 데이터 또는 서버로부터의 포지션 데이터) 에 액세스할 수 있다. 일부 경우들에서, 디바이스는 사용자의 머리 배향이 다른 디바이스로 지향된다고 결정하기 위해 (예를 들어, 자이로스코프로부터의) 디바이스 배향 데이터와 함께 포지션 데이터를 사용할 수 있다. 하나의 예시적인 예에서, 디바이스는 사용자가 텔레비전을 향하고 있다고 결정할 수 있고, 디바이스는 텔레비전이 켜지게 하기 위해 텔레비전과 통신할 수 있다.
디바이스가 사용자의 머리 배향이 블록 (606) 에서 디바이스를 향해 지향된다고 결정하면, 프로세스 (600) 는 블록 (610) 으로 진행하여 얼굴 인증을 개시할 수 있다. 일부 예들에서, 얼굴 인증은 RF 감지 기법들을 사용하여, 이미지를 캡처하기 위해 디바이스의 IR 카메라를 사용함으로써, LIDAR 센서를 사용함으로써, 또는 이들의 임의의 조합을 사용하여 수행될 수 있다. 얼굴 인증과 관련된 추가 세부 사항은 도 8 의 설명에서 설명된다.
블록 (612) 에서 얼굴 인증이 실패하면, 프로세스 (600) 는 디바이스가 사용자 머리 배향을 검출하기 위해 RF 감지를 계속 수행하는 블록 (608) 으로 진행할 수 있다. 일부 구성들에서, 프로세스는 대안적으로, 프로세스 (400) 및 프로세스 (500) 와 관련하여 각각 논의된 바와 같이, 모션 또는 사용자 존재를 검출하기 위해 RF 감지를 수행할 수 있다. 블록 (612) 에서 얼굴 인증이 검증되면, 프로세스 (600) 는 디바이스가 잠금해제되는 블록 (614) 으로 진행할 수 있다.
도 7 는 얼굴 인식을 수행하기 위한 프로세스 (700) 의 예를 도시하는 플로우 다이어그램이다. 블록 (702) 은 디바이스가 잠기고 디바이스의 스크린 (또는 디스플레이) 이 꺼진 디바이스의 상태를 도시한다. 도 4, 도 5 및 도 6 로부터의 예들과 유사하게, 사용자는 디바이스를 책상에서 아래로 설정했을 수 있고 그리고/또는 디바이스는 특정 양의 비활성 시간 후에 잠금 상태로 진입했을 수 있다.
블록 (704) 에서, 디바이스는 디바이스의 근접성 내의 모션을 검출하기 위해 (예를 들어, 디바이스와 동일한 방에서 걷고 있는 사용자를 검출하기 위해) 저-해상도 RF 감지 알고리즘을 수행할 수 있다. 일 예에서, 모션을 검출하기 위한 RF 감지는 (도 2 의 무선 디바이스 (200) 에 대해서와 같이, 위에서 설명된 것과 유사한) 동시 송신 및 수신 기능들을 수행하도록 디바이스 상에 RF 인터페이스를 구성함으로써 구현될 수 있다. 예를 들어, 디바이스 상의 Wi-Fi 인터페이스는 하나 이상의 RF 신호들을 송신하고 송신된 RF 신호에 대응하는 하나 이상의 반사된 신호들을 동시에 (또는 거의 동시에) 수신하도록 구성될 수 있다. 하나의 예시적인 예에서, 저-해상도 RF 감지 알고리즘은 대략 20 MHz 의 대역폭을 갖는 신호를 송신하기 위해 단일 공간 링크를 활용하도록 RF 인터페이스를 구성함으로써 그리고 100 ms 내지 500 ms 의 범위에 있을 수 있는 샘플링 레이트를 활용함으로써 모션 검출을 구현될 수 있다.
블록 (706) 에서, 디바이스는 RF 감지 데이터에 기반하여 모션이 검출되는지 여부를 결정할 수 있다. 모션이 검출되지 않으면, 프로세스 (700) 는 블록 (704) 으로 복귀할 수 있으며, 여기서 디바이스는 잠금 상태로 유지되고 모션을 검출하기 위해 저-해상도 RF 감지를 계속 수행한다.
블록 (706) 에서 모션이 검출되는 경우, 프로세스 (700) 는 블록 (708) 으로 진행할 수 있고, 디바이스는 디바이스의 근접성 또는 임계 거리 내의 사용자의 존재를 검출하기 위해 중간-해상도 RF 감지 알고리즘을 수행할 수 있다. 일 예에서, 사용자 존재를 검출하는 것은 사용자의 머리의 존재를 검출하고 식별하는 것을 포함할 수 있다. 중간-해상도 RF 감지 알고리즘은 더 높은 대역폭, 더 높은 수의 공간 링크들, 더 높은 샘플링 레이트, 또는 이들의 임의의 조합을 가짐으로써 저-해상도 RF 감지 알고리즘과 상이할 수 있다. 하나의 예시적인 예에서, 디바이스는 2 개의 공간 링크들을 이용하고 대략 40 MHz 의 대역폭을 갖는 신호를 송신하도록 RF 인터페이스를 구성함으로써 그리고 대략 50 ms 일 수 있는 샘플링 레이트를 이용함으로써 사용자 존재 (예를 들어, 머리 검출) 를 검출할 수 있다.
블록 (710) 에서, 디바이스는 RF 감지 데이터에 기반하여 사용자 존재가 검출되는지 여부를 결정할 수 있다. 사용자 존재가 검출되지 않으면, 프로세스 (700) 는 블록 (712) 에서 중간-해상도 RF 감지 알고리즘을 계속 구현할 수 있다. 일부 예들에서, 중간-해상도 RF 감지 알고리즘은 블록 (706) 에서 모션을 검출하는데 사용될 수 있다. 모션이 검출되지 않으면, 프로세스 (700) 는 블록 (704) 으로 복귀할 수 있으며, 여기서 디바이스는 잠금 상태로 유지되고 모션을 검출하기 위해 저-해상도 RF 감지를 계속 수행한다.
블록 (710) 에서 사용자 존재가 검출되면, 프로세스 (700) 는 블록 (714) 으로 진행할 수 있고, 디바이스는 사용자가 (예를 들어, 머리 배향에 기반하여) 디바이스를 향하고 있는지 여부를 결정하기 위해 고-해상도 RF 감지 알고리즘을 수행할 수 있다. 고-해상도 RF 감지 알고리즘은 더 높은 대역폭, 더 높은 수의 공간 링크들, 더 높은 샘플링 레이트, 또는 이들의 임의의 조합을 가짐으로써 중간-해상도 RF 감지 알고리즘과 상이할 수 있다. 하나의 예시적인 예에서, 디바이스는 3 개 이상의 공간 링크들을 활용하고, 80 ~ 160 MHz 의 대역폭을 갖는 신호를 송신하도록 RF 인터페이스를 구성함으로써, 그리고 50 ms 미만인 샘플링 레이트를 활용함으로써 머리 배향을 검출할 수 있다.
블록 (716) 에서, 디바이스는 RF 감지 데이터에 기반하여 사용자가 디바이스를 향하고 있는지 여부를 결정할 수 있다. 사용자 디바이스를 향하고 있지 않으면, 프로세스 (700) 는 블록 (718) 에서 고-해상도 RF 감지 알고리즘을 계속 구현할 수 있다. 일부 예들에서, 고-해상도 RF 감지 알고리즘은 블록 (706) 에서 모션을 검출하는데 사용될 수 있다. 모션이 검출되지 않으면, 프로세스 (700) 는 블록 (704) 으로 복귀할 수 있으며, 여기서 디바이스는 잠금 상태로 유지되고 모션을 검출하기 위해 저-해상도 RF 감지를 계속 수행한다. 디바이스가 사용자의 머리 배향이 블록 (716) 에서 디바이스를 향해 지향된다고 결정하면, 프로세스 (700) 는 블록 (720) 으로 진행하여 얼굴 인증을 개시할 수 있다.
도 8 은 얼굴을 생체인식 데이터로 사용하는 일반적인 인증 과정 (800) 의 일 예를 나타낸 플로우차트이다. 디바이스에 액세스하려는 사용자의 입력 이미지 (802) 가 획득된다. 예를 들어, 입력 이미지 (802) 는 RF 감지 기법들을 이용하여 컴파일되는 이미지일 수 있다. 일 예에서, 디바이스는 디바이스 스크린에 수직인 방향으로 신호들을 송신하기 위해, 극고주파 (EHF) 신호들 또는 mmWave 기법 (예를 들어, IEEE 802.11ad) 을 송신할 수 있는 RF 인터페이스를 사용할 수 있다. 예를 들어, 디바이스는 사용자의 얼굴로부터 반사되는 신호들로부터 상이한 각도들에서 비행 시간 및 위상 측정들을 획득하기 위해 좁은 빔 스위핑을 수행하기 위해 mmWave RF 인터페이스를 이용할 수 있다. 일부 예들에서, 디바이스는 얼굴 인식을 위해 시스템에 저장되는 교정된 얼굴 메트릭들과 비교할 수 있는 얼굴 서명들을 생성하기 위해 비행 시간 및 위상 측정들을 이용할 수 있다. 다른 예에서, 입력 이미지 (802) 는 무선 디바이스의 카메라 (예를 들어, 입력 디바이스들 (172)) 에 의해 획득될 수 있다. 다른 예에서, 입력 이미지 (802) 는 무선 디바이스의 LIDAR 센서 (예를 들어, 통신 인터페이스 (1240)) 에 의해 획득될 수 있다.
블록 (804) 에서, 입력 이미지 (802) 는 특징 추출을 위해 프로세싱된다. 예를 들어, 블록 (804) 에서, 얼굴의 하나 이상의 특징을 포함하는 특징 표현이 얼굴을 포함하는 입력 이미지 (802) 로부터 추출될 수 있다. 얼굴의 특징 표현은 디바이스에 액세스하도록 인가된 사람의 얼굴 표현 (예를 들어, 템플릿 저장소 (808) 에 템플릿으로서 저장됨) 과 비교될 수 있다. 일부 예들에서, 템플릿 저장소 (808) 는 데이터베이스를 포함할 수 있다. 일부 예들에서, 템플릿 저장소 (808) 는 얼굴 인증을 수행하고 있는 동일한 디바이스 (예를 들어, 사용자 디바이스 (107), 무선 디바이스 (200), 또는 다른 디바이스) 의 일부이다. 일부 예들에서, 템플릿 저장소 (808) 는 (예를 들어, 디바이스와 통신하는 원격 서버에서) 얼굴 인증을 수행하는 디바이스 (예를 들어, 무선 디바이스 (200)) 로부터 원격으로 위치될 수 있다.
템플릿 저장소 (808) 내의 템플릿들은 개인이 인증 동안 나중에 사용하기 위해 그들의 생체인식 특징들을 등록할 때 등록 단계 동안 생성될 수 있다. 각각의 템플릿은 등록되고 있는 사람에 고유한 대상 식별자 (ID) 에 내부적으로 (예를 들어, 템플릿 저장소 (808) 에서) 링크될 수 있다. 예를 들어, 등록 (등록이라고도 지칭될 수 있음) 동안, 컴퓨팅 디바이스의 소유자 및/또는 컴퓨팅 디바이스에 대한 액세스를 갖는 다른 사용자는 하나 이상의 생체인식 데이터 샘플들 (예를 들어, 이미지, 지문 샘플, 음성 샘플, 또는 다른 생체인식 데이터) 을 입력할 수 있다. 생체인식 데이터의 대표 특징들은 특징 추출 엔진에 의해 추출될 수 있다. 생체인식 데이터의 대표적인 특징들은 템플릿 저장소 (808) 에 하나 이상의 템플릿들로서 저장될 수 있다. 예를 들어, 상이한 포즈들, 포지션들, 얼굴 표정들, 조명 조건들, 및/또는 다른 특성들을 갖는 소유자 또는 사용자의 몇몇 이미지들이 캡처될 수 있다.
다른 예에서, 몇몇 상이한 얼굴 서명들이 RF 감지 기법들을 사용함으로써 캡처될 수 있다. 상이한 이미지들 또는 서명들의 얼굴 특징들이 추출되고 템플릿들로서 저장될 수 있다. 예를 들어, 템플릿은 각각의 이미지/서명에 대해 저장될 수 있으며, 각각의 템플릿은 그의 고유 포즈, 포지션, 얼굴 표정, 조명 조건 등으로 각각의 얼굴의 특징을 나타낸다. 템플릿 저장소 (808) 에 저장된 하나 이상의 템플릿들은 얼굴 인증을 수행하기 위한 레퍼런스 지점으로서 사용될 수 있다.
위에서 언급된 바와 같이, 블록 (804) 에서, 얼굴의 하나 이상의 특징들이 입력 이미지 (802) 로부터 추출될 수 있다. 임의의 적절한 특징 추출 기법이 (등록 동안 및 인증 동안) 생체인식 데이터로부터 특징을 추출하는데 사용될 수 있다. 딥 러닝 특징들을 생성할 수 있는 특징 추출 프로세스의 하나의 예시적인 예는 (예를 들어, 딥 러닝 네트워크를 사용하는) 신경망 기반 특징 추출이다. 예를 들어, 신경망은 다양한 얼굴의 독특한 특징들을 학습하기 위해 다수의 트레이닝 이미지들을 사용하여 트레이닝될 수 있다. 일 구성에서, 신경망은 RF 얼굴 서명과 연관된 특징에 대응하는 RF 감지 데이터를 사용하여 트레이닝될 수 있다. 트레이닝되면, 트레이닝된 신경망은 얼굴을 포함하는 입력 이미지 (802) 에 적용될 수 있다. 트레이닝된 신경망은 얼굴의 독특한 특징들을 추출하거나 결정할 수 있다. 신경망은 특징들을 추출하기 위해 입력 이미지에 커널들 (필터들로도 지칭됨) 을 적용하는 숨겨진 컨볼루션 계층들을 포함하는 분류 네트워크일 수 있다.
블록 (806) 에서, 입력 이미지 (802) 로부터 추출된 사용자의 특징 표현과 템플릿 저장소 (808) 에 저장된 사람의 얼굴의 특징 표현 사이의 유사성이 계산될 수 있다. 예를 들어, 입력 이미지 (802) 로부터 추출된 특징들의 표현은 템플릿 저장소 (808) 에 저장된 하나 이상의 템플릿들과 비교될 수 있다. 예를 들어, 블록 (806) 에서, 프로세스 (800) 는 입력 이미지 (802) 와 템플릿 저장소 (808) 내의 하나 이상의 템플릿들 사이의 유사성을 계산하기 위해 유사성 계산을 수행할 수 있다. 계산된 유사성은 최종 인증 결정을 하는데 사용될 유사성 점수 (807) 로서 사용될 수 있다.
일부 경우에, 입력 이미지 (802) 의 데이터는 또한 쿼리 데이터 (예를 들어, 쿼리 얼굴) 로 지칭될 수 있다. 일부 경우들에서, 템플릿들은 또한 등록된 데이터 (예를 들어, 등록된 얼굴) 로 지칭될 수 있다. 위에서 언급된 바와 같이, 일부 예들에서, 얼굴 (또는 다른 오브젝트 또는 생체인증 특징) 에 대해 추출된 특징들은 얼굴 (또는 다른 오브젝트 또는 생체인증 특징) 을 나타내는 특징 벡터를 사용하여 표현될 수 있다. 예를 들어, 각각의 템플릿은 특징 벡터일 수 있다. 입력 생체인식 데이터로부터 추출된 특징들의 표현은 또한 특징 벡터일 수 있다. 각각의 특징 벡터는 추출된 특징들을 나타내는 다수의 값들을 포함할 수 있다. 특징 벡터의 값들은 임의의 적절한 값들을 포함할 수 있다. 일부 경우들에서, 특징 벡터의 값들은 정규화된 특징 벡터 값들인 -1 과 1 사이의 부동 소수들일 수 있다. 입력 이미지 (802) 로부터의 얼굴의 특징을 나타내는 특징 벡터는 특징 벡터들 사이의 유사성을 결정하기 위해 하나 이상의 템플릿들의 하나 이상의 특징 벡터와 비교되거나 매칭될 수 있다. 예를 들어, 유사성은 입력 이미지 (802) 에서 얼굴을 나타내는 특징 벡터와 각각의 템플릿의 특징 벡터 사이에서 결정되어, 다수의 유사성 값들을 생성할 수 있다.
일부 구현들에서, (템플릿 저장소 (808) 로부터의) 템플릿의 등록된 얼굴의 특징들과 (입력 이미지 (802) 의) 쿼리 얼굴의 특징들 사이의 유사성은 거리에 따라 측정될 수 있다. 코사인 거리, 유클리드 거리, 맨하탄 거리, 마할라노비스 거리, 절대차, 하다마드 곱 (Hadamard product), 다항식 맵, 엘리먼트별 곱셈, 및/또는 다른 적절한 거리를 포함하는 임의의 적절한 거리가 사용될 수 있다. 하나의 예시적인 예에서, 2 개의 얼굴들 사이의 유사성은 2 개의 얼굴 패치들의 유사성의 합으로서 계산될 수 있다. 일부 경우들에서, 유사성들의 합은 (입력 이미지 (802) 의) 쿼리 얼굴과 (템플릿 저장소 (808) 로부터의) 템플릿의 등록된 얼굴 사이의 SAD (Sum of Absolute Differences) 에 기반할 수 있다.
유사성을 나타내는 하나의 방법은 유사성 점수 (매칭 점수라고도 함) 를 사용하는 것이다. 유사성 점수는 특징들 사이의 유사성 (특징들이 얼마나 잘 매칭하는지를 나타냄) 을 나타내며, 여기서 2 개의 특징 벡터들 사이의 더 높은 점수는 2 개의 특징 벡터들이 2 개의 특징 벡터들 사이의 더 낮은 점수보다 더 유사하다는 것을 나타낸다. 도 8 을 참조하면, 유사성 점수 (807) 는 저장된 템플릿들 중 하나 이상의 특징과 입력 이미지 (802) 로부터 추출된 얼굴 특징들 사이의 유사성을 나타낸다. 디바이스는 유사성 점수 (807) 를 하나 이상의 임계치와 비교할 수 있다. 일부 경우들에서, 유사성 점수는 (입력 이미지 (802) 의) 쿼리 얼굴과 (각각의 템플릿에 대응하는) 각각의 등록된 얼굴 사이에서 결정될 수 있다. 가장 높은 유사성 점수 (최상의 매치에 대응함) 가 유사성 점수 (807) 로서 사용될 수 있다.
일부 예들에서, 유사성 점수는 입력 이미지 (802) 로부터 추출된 얼굴 특징들과 템플릿 데이터 사이의 계산된 거리에 기반하여, 또는 임의의 다른 비교 메트릭에 기반하여 생성될 수 있다. 전술한 바와 같이, 거리는 코사인 거리, 유클리드 거리, 맨하탄 거리, 마할라노비스 거리, 절대차, 하다마드 곱 (Hadamard product), 다항식 맵, 엘리먼트별 곱셈, 및/또는 다른 적절한 거리를 포함할 수 있다. 전술한 바와 같이, 얼굴에 대한 특징 벡터는 특징 추출 엔진에 의해 수행되는 특징 추출에 기반하여 생성될 수 있다. 입력 이미지 (802) 내의 얼굴과 템플릿 데이터 사이의 유사성 점수는 얼굴을 나타내는 특징 벡터와 템플릿 데이터를 나타내는 특징 벡터 사이의 거리에 기반하여 계산될 수 있다. 계산된 거리는 입력 이미지 (802) 에서 얼굴을 나타내는 특징 벡터의 데이터 값들과 템플릿 데이터를 나타내는 특징 벡터의 데이터 값들 사이의 차이를 나타낸다. 예를 들어, 코사인 거리는 내적 공간 (inner product space) 의 2 개의 0 이 아닌 벡터들 사이의 각도의 코사인을 측정한다. 코사인 유사성은 2 개의 0 이 아닌 벡터들 사이의 유사성의 척도를 나타낸다.
일부 경우들에서, 계산된 거리 (예를 들어, 코사인 거리, 유클리드 거리, 및/또는 다른 거리) 는 0 의 값 또는 1 의 값으로 정규화될 수 있다. 일 예로서, 유사성 점수는 1000*(1-거리) 로서 규정될 수 있다. 일부 경우에, 유사성 점수는 0 과 1 사이의 값일 수 있다.
전술한 바와 같이, 유사성 점수 (807) 는 최종 인증 결정을 하는데 사용될 수 있다. 예를 들어, 블록 (810) 에서, 유사성 점수 (807) 는 유사성 임계치와 비교될 수 있다. 일부 예들에서, 유사성 임계치는 유사성의 백분율을 포함할 수 있다 (예를 들어, 특징들의 75%, 80%, 85% 등이 유사함). 유사성 점수 (807) 가 유사성 임계치보다 크면, 디바이스는 블록 (812) 에서 잠금해제된다. 그러나, 유사성 점수 (807) 가 임계치보다 크지 않으면, 블록 (814) 에서 디바이스는 잠금 상태로 유지된다.
일부 양태들에서, 인증 프로세스 (800) 는 2 개 이상의 유사성 임계치들로 구현될 수 있다. 예를 들어, 디바이스는 유사성 점수 (807) 가 "높은" 임계치보다 크면 블록 (812) 에서 잠금해제될 수 있다. 다른 예에서, 유사성 점수 (807) 가 "낮은" 임계치 미만인 경우, 디바이스는 잠금 상태로 유지될 수 있다. 일부 경우들에서, 유사성 점수 (807) 가 "낮은" 임계치보다 작으면, 사용자에게 대안적인 잠금해제 메커니즘 (예를 들어, 지문 스캔, 액세스 코드 등) 이 제시될 수 있다. 일부 예들에서, "높은" 임계치 미만 (예를 들어, "높은"과 "낮은" 임계치 사이) 인 유사성 점수 (807) 는 디바이스가 (예를 들어, 본 명세서에 설명된 바와 같은 RF 감지 기법들을 사용하여) 사용자에게 새로운 얼굴 스캔을 수행하도록 프롬프트하게 할 수 있다.
일부 구현들에서, 얼굴 인증을 이용하는 디바이스들 (예를 들어, 폰들과 같은 모바일 디바이스들) 은 잠금해제 타임아웃 기간을 구현한다. 잠금해제 타임아웃 기간은 (잠금해제될 때) 디바이스 상의 비활성 기간이며, 그 후 디바이스는 자동으로 잠금되고 디바이스를 잠금해제하기 위해 새로운 얼굴 인증이 수행될 필요가 있을 것이다. 일부 예들에서, 이러한 디바이스들은 또한 별개의 스크린 타임아웃 기간을 구현할 수 있다. 스크린 타임아웃 기간은 (디바이스의 스크린 또는 디스플레이가 활성 또는 "온" 일 때) 디바이스 상의 비활성 기간이며, 그 후 디바이스의 스크린 또는 디스플레이는 자동으로 꺼진다 (예를 들어, 스크린 또는 디스플레이는 꺼짐). 스크린 또는 디스플레이가 꺼진 경우에도 디바이스는 잠금해제 상태를 계속 유지할 수 있다.
도 9 는 사용자의 주의에 기반하여 디바이스 관리를 수행하기 위한 프로세스 (900) 의 예를 도시하는 플로우 다이어그램이다. 블록 (902) 은 디바이스가 잠금해제되고 디바이스의 스크린 (또는 디스플레이) 이 켜진 디바이스의 상태를 도시한다. 예를 들어, 사용자는 디바이스에 대한 액세스를 얻기 위해 인증 정보 (예를 들어, 얼굴 인증, 지문 인증, 액세스 코드 등) 를 제공했고, 후속적으로 디바이스를 사용하여 시작할 수 있다.
블록 (904) 에서, 디바이스는 사용자의 주의가 여전히 디바이스를 향하는지 여부를 결정하기 위해 RF 감지를 수행할 수 있다. 예를 들어, 디바이스는 사용자 존재 (예를 들어, 머리 검출) 를 결정하기 위한 프로세스 (500) 와 관련하여 설명된 바와 같은 RF 감지와 연관된 하나 이상의 동작들 및/또는 사용자 머리 배향을 결정하기 위한 프로세스 (600) 와 관련하여 설명된 바와 같은 RF 감지와 연관된 하나 이상의 동작들을 수행하도록 구성될 수 있다. 일부 경우들에서, 디바이스는 (예를 들어, 프로세스 (500) 의 동작들을 수행하기 전에) 모션을 결정하기 위해 프로세스 (400) 와 관련하여 설명된 바와 같이 RF 감지와 연관된 하나 이상의 동작들을 수행하도록 구성될 수 있다.
블록 (906) 에서, 디바이스는 사용자 머리가 검출되는지 여부를 결정하기 위해 RF 감지 데이터를 사용할 수 있다. 머리가 검출되지 않으면, 디바이스는 사용자가 더 이상 디바이스를 사용하지 않는 것으로 결정할 수 있고, 디바이스가 잠금되는 블록 (908) 으로 진행할 수 있다. 일부 구성들에서, 디바이스는 블록 (908) 으로 진행하기 전에 타이머를 구현할 수 있다. 예를 들어, 일정 시간 (예를 들어, 2 분) 동안 사용자 머리가 검출되지 않으면, 디바이스는 사용자가 더 이상 존재하지 않는다고 결정할 수 있고 디바이스에 대한 액세스를 잠글 수 있다.
블록 (906) 에서, 디바이스가 사용자가 존재한다고 결정하면 (예를 들어, 머리가 검출됨), 프로세스는 사용자의 머리 배향을 결정하기 위해 블록 (910) 으로 진행할 수 있다. 예를 들어, 사용자는 디바이스를 잡고 있지만 사용자의 얼굴이 디바이스를 향하고 있지 않도록 다른 사람과의 대화에 관여할 수 있다. 이 예에서, 프로세스는 블록 (912) 으로 진행하고 전력 및/또는 배터리 수명을 절약하기 위해 디스플레이 백라이트를 디밍할 수 있다. 일부 구성들에서, 디바이스는 부주의 기간이 경과한 후에 (예를 들어, 사용자의 머리 배향이 2 분 동안 떨어져 있음) 블록 (912) 으로 진행할 수 있다.
블록 (910) 에서, 사용자가 디바이스를 향하고 있다고 디바이스가 결정하면, 프로세스는 블록 (914) 으로 진행하여 디바이스 상의 하나 이상의 설정들을 조정할 수 있다. 예를 들어, 디바이스는 (예를 들어, 블록 (912) 에서) 디스플레이 백라이트가 이전에 디밍되었고 사용자의 주의가 이제 디바이스를 향해 지향되기 때문에 증가되어야 함을 검출할 수 있다. 다른 예에서, 디바이스는 사용자의 주의가 디바이스를 향한다는 결정에 응답하여 경보들의 볼륨을 조정할 수 있다 (예를 들어, 경보 볼륨을 감소시킬 수 있다). 예를 들어, 디바이스 링 볼륨은 사용자가 디바이스 스크린을 보고 있다고 결정하는 것에 응답하여 감소될 수 있다. 디바이스 설정들에 대한 조정들을 수행한 후, 프로세스는 블록 (904) 으로 복귀하고 사용자의 주의를 결정하기 위해 RF 감지를 계속 수행할 수 있다.
도 10 은 얼굴 인식을 수행하기 위한 프로세스 (1000) 의 예를 도시하는 플로우 다이어그램이다. 동작 (1002) 에서, 프로세스 (1000) 는, 제 1 무선 디바이스에 의해, 제 1 RF 파형의 반사인 제 1 수신된 파형을 수신하는 단계를 포함한다. 일부 예들에서, 제 1 RF 파형은 제 1 수신된 파형 (예를 들어, 모노스태틱 구성) 을 수신하는 (제 1 무선 디바이스에 의해) 동일한 디바이스에 의해 송신된다. 다른 예들에서, 제 1 RF 파형이 액세스 지점 또는 RF 인터페이스를 갖는 임의의 다른 타입의 무선 디바이스와 같은 다른 무선 디바이스 (예를 들어, 제 2 무선 디바이스) 에 의해 송신될 수 있는 바이스태틱 구성이 구현될 수 있다. 일부 예들에서, 제 1 RF 파형은 제 1 무선 디바이스의 또는 그 상의 전방향성 안테나에 의해 송신되는 Wi-Fi 신호를 포함할 수 있다.
동작 (1004) 에서, 프로세스 (1000) 는 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하는 단계를 포함한다. 일부 예들에서, RF 감지 데이터는 제 1 RF 파형의 송신에 응답하여 수신된 반사들에 대응하는 CSI 데이터를 포함할 수 있다. 다른 예들에서, RF 감지 데이터는 임의의 오브젝트들로부터 반사되지 않고 제 1 RF 파형에 대응하는 적어도 하나의 수신된 누설 신호와 연관된 데이터를 포함할 수 있다. RF 감지 데이터는 사용자의 존재를 검출하는데 사용될 수 있으며, 이는 사용자의 움직임을 검출하는 것, 사용자의 존재 (예를 들어, 머리 존재) 를 검출하는 것, 사용자의 머리 배향을 검출하는 것, 또는 이들의 임의의 조합을 포함할 수 있다. 일부 예들에서, 사용자의 존재를 검출하는 것은 사용자의 움직임을 추적하는 것 및 사용자가 무선 디바이스에 대한 임계 거리 내에 있다고 결정하는 것을 포함할 수 있다.
일부 양태들에서, 사용자의 존재는 반사된 신호들의 도착 거리 및 각도를 결정하기 위해 RF 감지 데이터를 사용함으로써 검출될 수 있다. 일부 예들에서, 거리의 결정은 직접 경로의 전파 지연 (예를 들어, 송신 안테나와 수신 안테나 사이의 누설 신호) 에 기반하여 조정되는 반사된 신호의 비행 시간에 기반할 수 있다. 일부 예들에서, 도착 각도는 수신기 안테나 어레이의 각각의 엘리먼트에서 측정된 신호 위상에서의 차이들에 기반할 수 있다.
일부 양태들에서, 제 1 무선 디바이스는 제 1 RF 파형보다 더 높은 대역폭을 갖는 제 2 RF 파형을 송신할 수 있다. 제 1 무선 디바이스는 사용자로부터 제 2 RF 파형의 반사인 제 2 수신된 파형을 수신하고, 제 2 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 머리 존재 또는 사용자의 머리 배향 중 적어도 하나를 결정할 수 있다. 일부 예들에서, 제 2 RF 파형은 또한 제 1 RF 파형과 상이한 수의 공간 링크들을 포함할 수 있다.
일부 예들에서, 사용자 머리 존재 및 사용자 머리 배향은 제 1 무선 디바이스 및/또는 다른 무선 디바이스 상에서의 추가 활동을 개시하기 위해 사용될 수 있다. 예를 들어, 사용자의 머리가 미리 결정된 양의 시간 동안 존재하지 않는다는 결정 (예를 들어, 머리 존재가 거짓인 것으로 검출됨) 은 무선 디바이스에 대한 액세스를 잠그는 것을 초래할 수 있다. 다른 예에서, 사용자의 머리 배향이 미리 결정된 양의 시간 동안 멀리 향하고 있다는 결정은 제 1 무선 디바이스 상의 디스플레이 백라이트의 디밍을 초래할 수 있다.
동작 (1006) 에서, 프로세스 (1000) 는 사용자의 존재를 결정하는 것에 응답하여 사용자의 얼굴 인증을 개시하는 단계를 포함한다. 전술한 바와 같이, 사용자의 존재는 사용자의 움직임, 사용자의 존재 (예를 들어, 머리 검출), 사용자의 머리 배향, 또는 이들의 임의의 조합에 대응할 수 있다. 일부 예들에서, 얼굴 인증은 하나 이상의 극도로 높은 주파수 (EHF) 파형들 (예를 들어, 복수의 EHF 파형들) 을 송신하도록 제 1 무선 디바이스 상에 RF 인터페이스를 구성함으로써 수행될 수 있다. 제 1 무선 디바이스는 하나 이상의 EHF 파형들에 대응하는 복수의 반사된 파형들을 수신할 수 있다. EHF 파형들에 대응하는 수신된 반사들에 대응하는 RF 감지 데이터는 얼굴 인증을 수행하는데 사용될 수 있는 (사용자와 연관된) 얼굴 서명을 생성하는데 사용될 수 있다. 일부 경우들에서, 사용자의 얼굴 인증을 개시하는 것은 적외선 카메라를 사용하여 사용자의 얼굴의 이미지를 캡처하는 것을 포함할 수 있다.
일부 양태들에서, 제 1 무선 디바이스는 얼굴 인증에 기반하여, 사용자가 제 1 무선 디바이스에 액세스하도록 인가되었는지를 결정할 수 있다. 예를 들어, 제 1 무선 디바이스는 유사성 점수 (예를 들어, 유사성 점수 (807)) 를 계산하고, 유사성 점수가 제 1 무선 디바이스에 대한 액세스를 제공하기 위한 유사성 임계치를 충족하거나 초과한다고 결정할 수 있다. 일부 예들에서, 제 1 무선 디바이스는 (예를 들어, 얼굴 인증에 기반하여) 사용자가 제 1 무선 디바이스에 액세스하도록 인가된다고 결정하는 것에 응답하여 제 1 무선 디바이스에 대한 액세스를 가능하게 할 수 있다.
일부 경우들에서, 제 1 무선 디바이스는 얼굴 인증에 기반하여, 사용자가 제 1 무선 디바이스에 액세스하도록 인가되었는지를 결정할 수 있다. 일부 양태들에서, 제 1 무선 디바이스는 사용자가 하나 이상의 다른 무선 디바이스들에 액세스하도록 인가된다고 결정하는 것에 대한 응답으로 하나 이상의 무선 디바이스들로부터의 적어도 하나의 무선 디바이스에 대한 액세스를 가능하게 할 수 있다. 하나의 예시적인 예에서, 제 1 무선 디바이스는 모바일 디바이스 (예를 들어, 스마트폰 또는 태블릿) 에 대응할 수 있고, 하나 이상의 무선 디바이스들로부터의 적어도 하나의 무선 디바이스는 제 1 무선 디바이스를 이용하여 인증하는 사용자에 기반하여 잠금해제, 시작, 인에이블 또는 다르게 액세스될 수 있는 차량에 대응할 수 있다. 다른 예시적인 예에서, 제 1 무선 디바이스는 모바일 디바이스 (예를 들어, 스마트폰 또는 태블릿) 에 대응할 수 있고, 하나 이상의 무선 디바이스들로부터의 적어도 하나의 무선 디바이스는 홈에 대한 액세스를 제공하도록 (예를 들어, 문을 잠금해제하거나 차고 문을 열도록) 구성될 수 있는 사물 인터넷 (IoT) 디바이스에 대응할 수 있다.
도 11 은 머리 검출을 수행하기 위한 프로세스 (1100) 의 예를 예시하는 플로우 다이어그램이다. 동작 (1102) 에서, 프로세스 (1100) 는, 무선 디바이스에 의해, 제 1 RF 파형의 반사인 제 1 수신된 파형을 수신하는 단계를 포함한다. 일부 예들에서, 제 1 RF 파형은 제 1 수신된 파형 (예를 들어, 모노스태틱 구성) 을 수신하는 (무선 디바이스에 의해) 동일한 디바이스에 의해 송신된다. 다른 예들에서, 제 1 RF 파형이 액세스 지점 또는 RF 인터페이스를 갖는 임의의 다른 타입의 무선 디바이스와 같은 다른 무선 디바이스에 의해 송신될 수 있는 바이스태틱 구성이 구현될 수 있다. 일부 예들에서, 제 1 RF 파형은 제 1 무선 디바이스의 또는 그 상의 전방향성 안테나에 의해 송신되는 Wi-Fi 신호를 포함할 수 있다.
동작 (1104) 에서, 프로세스 (1100) 는 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 머리 존재 또는 사용자의 머리 배향 중 적어도 하나를 결정하는 단계를 포함한다. 일부 예들에서, RF 감지 데이터는 제 1 RF 파형의 송신에 응답하여 수신된 반사들에 대응하는 CSI 데이터를 포함할 수 있다. 다른 예들에서, RF 감지 데이터는 임의의 오브젝트들로부터 반사되지 않고 제 1 RF 파형에 대응하는 적어도 하나의 수신된 누설 신호와 연관된 데이터를 포함할 수 있다. 일부 양태들에서, 사용자의 머리 존재를 결정하는 것은 사용자의 머리가 무선 디바이스의 임계 거리 내에 있다고 결정하는 것을 포함할 수 있다. 일부 경우들에서, 사용자의 머리 배향을 결정하는 것은 사용자가 미리 결정된 양의 시간 동안 무선 디바이스를 향하고 있다고 결정하는 것을 포함할 수 있다.
일부 예들에서, 무선 디바이스는 사용자의 머리 존재 및/또는 머리 배향을 결정 또는 검출하기 위해 하나 이상의 상이한 RF 감지 알고리즘들을 구현할 수 있다. 일부 경우들에서, RF 감지 알고리즘들은 다양한 레벨들의 해상도 및/또는 전력 소비를 가질 수 있다. 일부 경우들에서, RF 감지 알고리즘의 해상도 및/또는 전력 소비는 대역폭, 공간 링크들의 수, 샘플링 레이트, 또는 이들의 임의의 조합에 기반할 수 있다. 일부 양태들에서, 무선 디바이스는 사용자의 머리 배향이 디바이스를 향하고 있다고 결정하는 경우 얼굴 인증을 개시할 수 있다. 추가 예들에서, 무선 디바이스는 사용자의 머리 배향이 상이한 디바이스를 향하고 있다고 결정할 수 있다. 무선 디바이스는 디바이스 위치 데이터, 디바이스 배향 데이터, 실내 맵핑 데이터, 또는 임의의 다른 적절한 데이터를 사용하여 사용자의 근처에 있는 다른 디바이스들을 식별할 수 있다. 일부 경우들에서, 무선 디바이스는 사용자 존재 및/또는 사용자 머리 배향의 결정에 기반하여 다른 디바이스들과 통신할 수 있다. 예를 들어, 무선 디바이스가 사용자가 텔레비전을 향하고 그리고/또는 텔레비전 근처에 있다고 결정하면, 무선 디바이스는 텔레비전이 켜질 수 있게 하는 신호를 전송할 수 있다.
일부 예들에서, 여기에 설명된 프로세스 (예를 들어, 프로세스들 (400, 500, 600, 700, 800, 900, 1000), 및/또는 여기에 설명된 다른 프로세스) 는 컴퓨팅 디바이스 또는 장치 (예를 들어, UE) 에 의해 수행될 수도 있다. 일 예에서, 프로세스 (1000) 는 도 1 의 사용자 디바이스 (107) 에 의해 수행될 수 있다. 다른 예에서, 프로세스 (1000) 는 도 12 에 도시된 컴퓨팅 시스템 (1200) 을 갖는 컴퓨팅 디바이스에 의해 수행될 수 있다. 예를 들어, 도 12 에 도시된 컴퓨팅 아키텍처를 갖는 컴퓨팅 디바이스는 도 1 의 사용자 디바이스 (107) 의 컴포넌트들을 포함할 수 있고 도 10 의 동작들을 구현할 수 있다.
일부 경우들에서, 컴퓨팅 디바이스 또는 장치는 본원에 설명된 프로세스들의 단계들을 수행하도록 구성되는 하나 이상의 입력 디바이스들, 하나 이상의 출력 디바이스들, 하나 이상의 프로세서들, 하나 이상의 마이크로프로세서들, 하나 이상의 마이크로컴퓨터들, 하나 이상의 카메라들, 하나 이상의 센서들, 및/또는 다른 컴포넌트(들)과 같은 여러 컴포넌트들을 포함할 수도 있다. 일부 예에서, 컴퓨팅 디바이스는 디스플레이, 데이터를 통신 및/또는 수신하도록 구성된 하나 이상의 네트워크 인터페이스, 이들의 임의의 조합, 및/또는 다른 컴포넌트(들)를 포함할 수도 있다. 하나 이상의 네트워크 인터페이스는 3G, 4G, 5G 및/또는 다른 셀룰러 표준에 따른 데이터, WiFi (802.11x) 표준에 따른 데이터, 블루투스TM 표준에 따른 데이터, 인터넷 프로토콜(IP) 표준에 따른 데이터, 및/또는 다른 유형의 데이터를 포함하는, 유선 및/또는 무선 데이터를 통신 및/또는 수신하도록 구성될 수 있다.
컴퓨팅 디바이스의 컴포넌트들은 회로에서 구현될 수 있다. 예를 들어, 컴포넌트들은 본 명세서에서 설명된 다양한 동작들을 수행하기 위해, 하나 이상의 프로그래밍가능 전자 회로들 (예컨대, 마이크로프로세서들, 그래픽스 프로세싱 유닛들 (GPU들), 디지털 신호 프로세서들 (DSP들), 중앙 프로세싱 유닛들 (CPU들), 및/또는 다른 적합한 전자 회로들) 을 포함할 수 있는 전자 회로들 또는 다른 전자 하드웨어를 포함할 수 있고/있거나 이들을 사용하여 구현될 수 있고, 및/또는 컴퓨터 소프트웨어, 펌웨어, 또는 이들의 임의의 조합을 포함할 수 있고/있거나 이들을 사용하여 구현될 수 있다.
프로세스 (1000) 는 논리 플로우 다이어그램들로서 예시되며, 그 동작은 하드웨어, 컴퓨터 명령들, 또는 이들의 조합에서 구현될 수 있는 동작들의 시퀀스를 나타낸다. 컴퓨터 명령들의 맥락에서, 그 동작들은, 하나 이상의 프로세서들에 의해 실행될 경우, 기재된 동작들을 수행하는 하나 이상의 컴퓨터 판독가능 저장 매체들 상에 저장된 컴퓨터 실행가능 명령들을 나타낸다. 일반적으로, 컴퓨터 실행가능 명령들은, 특정 기능들을 수행하거나 또는 특정 데이터 타입들을 구현하는 루틴들, 프로그램들, 오브젝트들, 컴포넌트들, 데이터 구조들 등을 포함한다. 동작들이 설명되는 순서는 제한으로서 해석되도록 의도되지 않으며, 임의의 수의 설명된 동작들은 프로세스들을 구현하기 위해 임의의 순서로 및/또는 병렬로 결합될 수 있다.
부가적으로, 프로세스 (1000) 및/또는 본 명세서에서 설명된 다른 프로세스는 실행가능 명령들로 구성된 하나 이상의 컴퓨터 시스템들의 제어 하에 수행될 수도 있으며, 하나 이상의 프로세서들 상에서 집합적으로 실행하는 코드 (예컨대, 실행가능 명령들, 하나 이상의 컴퓨터 프로그램들, 또는 하나 이상의 어플리케이션들) 로서, 하드웨어에 의해, 또는 이들의 조합으로 구현될 수도 있다. 상기 언급된 바와 같이, 코드는 컴퓨터 판독가능 또는 머신 판독가능 저장 매체 상에, 예를 들어, 하나 이상의 프로세서들에 의해 실행가능한 복수의 명령들을 포함하는 컴퓨터 프로그램의 형태로 저장될 수도 있다. 컴퓨터 판독가능 또는 머신 판독가능 저장 매체는 비일시적일 수도 있다.
도 12 는 본 기술의 특정 양태들을 구현하기 위한 시스템의 일 예를 예시한 다이어그램이다. 특히, 도 12 는, 예를 들어, 내부 컴퓨팅 시스템을 구성하는 임의의 컴퓨팅 디바이스, 원격 컴퓨팅 시스템, 카메라, 또는 시스템의 컴포넌트들이 커넥션 (1205) 을 사용하여 서로 통신하는 이들의 임의의 컴포넌트일 수 있는 컴퓨팅 시스템 (1200) 의 일 예를 예시한다. 커넥션 (1205) 은 버스를 사용하는 물리적 커넥션, 또는 칩셋 아키텍처에서와 같이 프로세서 (1210) 로의 직접 커넥션일 수 있다. 커넥션 (1205) 은 또한, 가상 커넥션, 네트워킹된 커넥션, 또는 논리적 커넥션일 수 있다.
일부 실시양태들에서, 컴퓨팅 시스템 (1200) 은 본 개시에서 설명된 기능이 데이터 센터, 다중 데이터 센터, 피어 네트워크 등 내에서 분산될 수 있는 분산 시스템이다. 일부 실시양태들에서, 설명된 시스템 컴포넌트들 중 하나 이상은 컴포넌트가 설명된 기능의 일부 또는 전체를 각각 수행하는 다수의 그러한 컴포넌트들을 나타낸다. 일부 실시양태들에서, 컴포넌트는 물리적 또는 가상 디바이스들일 수 있다.
예시적인 시스템 (1200) 은 적어도 하나의 프로세싱 유닛 (CPU 또는 프로세서) (1210), 및 판독 전용 메모리 (ROM) (1220) 및 랜덤 액세스 메모리 (RAM) (1225) 와 같은 시스템 메모리 (1215) 를 포함하는 다양한 시스템 컴포넌트들을 프로세서 (1210) 에 커플링시키는 접속 (1205) 을 포함한다. 컴퓨팅 시스템 (1200) 은, 프로세서 (1210) 와 직접 연결되거나 그에 매우 근접하거나 또는 그의 부분으로서 통합된 고속 메모리의 캐시 (1212) 를 포함할 수 있다.
프로세서 (1210) 는 임의의 범용 프로세서 및 프로세서 (1210) 를 제어하도록 구성된 스토리지 디바이스 (1230) 에 저장된 서비스들 (1232, 1234 및 1236) 과 같은 하드웨어 서비스 또는 소프트웨어 서비스 그리고 소프트웨어 명령들이 실제 프로세서 설계에 통합되는 특수 목적 프로세서를 포함할 수 있다. 프로세서 (1210) 는 본질적으로 다중 코어 또는 프로세서, 버스, 메모리 컨트롤러, 캐시 등을 포함하는 완전히 독립형 컴퓨팅 시스템일 수도 있다. 다중 코어 프로세서는 대칭 또는 비대칭일 수도 있다.
사용자 상호작용을 가능하게 하기 위해, 컴퓨팅 시스템 (1200) 은 음성용 마이크, 제스처 또는 그래픽 입력용 터치 감지 스크린, 키보드, 마우스, 모션 입력, 음성 등과 같은 임의의 다수의 입력 메커니즘을 나타낼 수 있는 입력 디바이스 (1245) 를 포함한다. 컴퓨팅 시스템 (1200) 은 또한 다수의 출력 메커니즘 중 하나 이상일 수 있는 출력 디바이스 (1235) 를 포함할 수 있다. 일부 사례들에서, 멀티모달 시스템들이 사용자로 하여금 컴퓨팅 시스템 (1200) 과 통신하기 위해 다중의 타입들의 입력/출력을 제공할 수 있게 할 수 있다.
컴퓨팅 시스템 (1200) 은, 사용자 입력 및 시스템 출력을 일반적으로 통제하고 관리할 수 있는 통신 인터페이스 (1240) 를 포함할 수 있다. 통신 인터페이스는 오디오 잭/플러그, 마이크로폰 잭/플러그, 범용 직렬 버스 (USB) 포트/플러그, AppleTM LightningTM 포트/플러그, 이더넷 포트/플러그, 광섬유 포트/플러그, 독점적 유선 포트/플러그, 3G, 4G, 5G 및/또는 다른 셀룰러 데이터 네트워크 무선 신호 전송, 블루투스TM 무선 신호 전송, 블루투스TM low energy (BLE) 무선 신호 전송, IBEACONTM, 라디오 주파수 식별 (RFID) 무선 신호 전송, 근거리 통신 (NFC) 무선 신호 전송, DSRC (dedicated short range communication) 무선 신호 전송, 802.11 Wi-Fi 무선 신호 전송, WLAN (wireless local area network) 신호 전송, VLC (Visible Light Communication), WiMAX (Worldwide Interoperability for Microwave Access), 적외선 (IR) 통신 무선 신호 전송, PSTN (Public Switched Telephone Network) 신호 전송, ISDN (Integrated Services Digital Network) 신호 전송, ad-hoc 네트워크 신호 전송, 전파 신호 전송, 마이크로파 신호 전송, 적외선 신호 전송, 가시광 신호 전송, 자외광 신호 전송, 전자기 스펙트럼을 따른 무선 신호 전송, 또는 이들의 일부 조합을 이용하는 것들을 포함하는, 유선 및/또는 무선 트랜시버를 사용한 유선 또는 무선 통신 수신 및/또는 송신을 수행하거나 또는 가능하게 할 수도 있다.
통신 인터페이스 (1240) 는 또한 데이터를 수집하고 측정들을 프로세서 (1210) 에 제공하도록 구성된 하나 이상의 레인지 센서들 (예를 들어, LIDAR (light detection and ranging) 센서들, 레이저 레인지 파인더들, 레이더들, 초음파 센서들, 및 IR (infrared) 센서들) 을 포함할 수 있으며, 이에 의해 프로세서 (1210) 는 하나 이상의 레인지 센서들에 대한 다양한 측정들을 획득하는데 필요한 결정들 및 계산들을 수행하도록 구성될 수 있다. 일부 예들에서, 측정들은 비행 시간, 파장들, 방위각, 고도각, 범위, 선형 속도 및/또는 각속도, 또는 이들의 임의의 조합을 포함할 수 있다. 통신 인터페이스 (1240) 는 또한, 하나 이상의 GNSS(Global Navigation Satellite System) 시스템들과 연관된 하나 이상의 위성들로부터의 하나 이상의 신호들의 수신에 기초하여 컴퓨팅 시스템 (1200) 의 위치를 결정하는데 사용되는 하나 이상의 GNSS 수신기들 또는 트랜시버들을 포함할 수도 있다. GNSS 시스템들은 미국 기반 글로벌 포지셔닝 시스템 (GPS), 러시아 기반 글로벌 내비게이션 위성 시스템 (GLONASS), 중국 기반 베이더우 내비게이션 위성 시스템 (BDS) 및 유럽 기반 Galileo GNSS 를 포함하지만 이에 한정되지 않는다. 임의의 특정 하드웨어 배열에 대해 동작하는 것에 제한이 없으며, 따라서, 여기에서의 기본 특징들은 이들이 개발됨에 따라 개선된 하드웨어 또는 펌웨어 배열들로 쉽게 대체될 수도 있다.
저장 디바이스 (1230) 는 비휘발성 및/또는 비일시적 및/또는 컴퓨터 판독가능 메모리 디바이스일 수 있고, 컴퓨터에 의해 액세스가능한 데이터를 저장할 수 있는 하드 디스크 또는 다른 유형의 컴퓨터 판독가능 매체, 이를테면 자기 카세트들, 플래시 메모리 카드들, 솔리드 스테이트 메모리 디바이스들, 디지털 다기능 디스크들, 카트리지들, 플로피 디스크, 플렉시블 디스크, 하드 디스크, 자기 테이프, 자기 스트립/스트라이프, 임의의 다른 자기 저장 매체, 플래시 메모리, 멤리스터 메모리, 임의의 다른 솔리드-스테이트 메모리, 컴팩트 디스크 판독 전용 메모리 (CD-ROM) 광 디스크, 재기록가능 컴팩트 디스크 (CD) 광 디스크, 디지털 비디오 디스크 (DVD) 광 디스크, 블루-레이 디스크 (BDD) 광 디스크, 홀로그래픽 광 디스크, 다른 광학 매체, 보안 디지털 (SD) 카드, 마이크로 보안 디지털 (microSD) 카드, Memory Stick® 카드, 스마트카드 칩, EMV 칩, 가입자 아이덴티티 모듈 (SIM) 카드, 미니/마이크로/나노/피코 SIM 카드, 다른 집적 회로 (IC) 칩/카드, 랜덤 액세스 메모리 (RAM), 정적 RAM (SRAM), 동적 RAM (DRAM), 판독 전용 메모리 (ROM), 프로그래밍가능 판독 전용 메모리 (PROM), 소거가능한 프로그래밍가능 판독 전용 메모리 (EPROM), 전기적으로 소거가능한 프로그래밍가능 판독 전용 메모리 (EEPROM), 플래시 EPROM (FLASHEPROM), 캐시 메모리 (예를 들어, L1 (Level 1) 캐시, L2 (Level 2) 캐시, L3 (Level 3) 캐시, L4 (Level 4) 캐시, L5 (Level 5) 캐시, 또는 다른 (L#) 캐시), 저항성 랜덤 액세스 메모리 (RRAM/ReRAM), 상 변화 메모리 (PCM), 스핀 전달 토크 RAM (STT-RAM), 다른 메모리 칩 또는 카트리지, 및/또는 이들의 조합일 수 있다.
저장 디바이스 (1230) 는, 그러한 소프트웨어를 정의하는 코드가 프로세서 (1210) 에 의해 실행될 경우 시스템으로 하여금 기능을 수행하게 하는 소프트웨어 서비스들, 서버들, 서비스들 등을 포함할 수 있다. 일부 실시형태들에서, 특정 기능을 수행하는 하드웨어 서비스는, 기능을 수행하기 위해 프로세서 (1210), 접속 (1205), 출력 디바이스 (1235) 등과 같은 필요한 하드웨어 컴포넌트들과 관련하여 컴퓨터 판독가능 매체에 저장된 소프트웨어 컴포넌트를 포함할 수 있다. 용어 "컴퓨터 판독가능 매체" 는 휴대용 또는 비-휴대용 저장 디바이스들, 광학 저장 디바이스들, 및 명령(들) 및/또는 데이터를 저장, 포함, 또는 나를 수 있는 다양한 다른 매체들을 포함하지만 이에 한정되지 않는다. 컴퓨터 판독가능 매체는 데이터가 저장될 수 있고 캐리어 파 및/또는 무선 또는 유선 접속을 통해 전파되는 일시적인 전자 신호를 포함하지 않는 비일시적인 매체를 포함할 수도 있다. 비일시적인 매체의 예들은 자기 디스크 또는 테이프, 컴팩트 디스크 (CD) 또는 디지털 다용도 디스크 (DVD) 와 같은 광학 저장 매체, 플래시 메모리, 메모리 또는 메모리 디바이스를 포함할 수도 있으나, 이에 한정되는 것은 아니다. 컴퓨터 판독가능 매체는, 절차, 함수, 서브프로그램, 프로그램, 루틴, 서브루틴, 모듈, 소프트웨어 패키지, 클래스, 또는 명령들, 데이터 구조들, 또는 프로그램 스테이트먼트들의 임의의 조합을 나타낼 수도 있는 코드 및/또는 머신 실행가능 명령들이 저장될 수도 있다. 코드 세그먼트는, 정보, 데이터, 인수들 (arguments), 파라미터들, 또는 메모리 컨텐츠를 전달 및/또는 수신함으로써 다른 코드 세그먼트 또는 하드웨어 회로에 커플링될 수도 있다. 정보, 인수들, 파라미터들, 데이터 등은 메모리 공유, 메시지 전달, 토큰 전달, 네트워크 전송 등을 포함한 임의의 적합한 수단을 통해 전달, 포워딩, 또는 전송될 수도 있다.
특정 세부사항은 본 명세서에 기재된 실시형태 및 예를 철저히 이해하기 위해 제공되는 것이지만, 당업자는 애플리케이션이 이에 제한되지 않는다는 것을 인식할 것이다. 따라서, 본 출원의 예시적인 실시형태들은 본 명세서에서 상세히 설명되었지만, 본 발명의 개념들은 달리 다양하게 구현 및 채용될 수도 있으며, 첨부된 청구항들은 종래 기술에 의해 제한되는 것을 제외하고는 그러한 변동들을 포함하는 것으로 해석되도록 의도됨이 이해되어야 한다. 전술한 애플리케이션의 다양한 특징들 및 양태들은 개별적으로 또는 공동으로 사용될 수도 있다. 또한, 실시양태들은 본 명세서의 더 넓은 사상 및 범위를 벗어나지 않으면서 본 명세서에 기재된 것 이외의 임의의 수의 환경들 및 애플리케이션들에서 이용될 수 있다. 이에 따라, 명세서 및 도면들은 한정적 의미보다는 예시적 의미로 간주되어야 한다. 예시의 목적 상, 방법들은 특정 순서로 기술되었다. 대안적인 실시양태들에서, 상기 방법들은 설명된 것과 다른 순서로 수행될 수도 있다는 것을 이해해야 한다.
설명의 명료성을 위해, 일부 사례들에서, 본 기술은 디바이스들, 디바이스 컴포넌트들, 소프트웨어로 구체화된 방법의 단계들 또는 루틴들, 또는 하드웨어와 소프트웨어의 조합들을 포함하는 개별의 기능적 블록들을 포함하는 것으로서 제시될 수도 있다. 도면들에서 도시되고/되거나 본 명세서에서 설명된 것들 이외의 추가적인 컴포넌트들이 사용될 수도 있다. 예를 들어, 회로들, 시스템들, 네트워크들, 프로세스들, 및 다른 컴포넌트들은 그 실시양태들을 불필요한 상세로 불명료하게 하지 않기 위해 블록도 형태의 컴포넌트들로서 도시될 수도 있다. 다른 예들에서, 잘 알려진 회로들, 프로세스들, 알고리즘들, 구조들, 및 기법들은, 실시양태들을 불명료하게 하는 것을 회피하기 위해 불필요한 상세 없이 도시될 수도 있다.
또한, 당업자는 본 명세서에 개시된 양태들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 회로들, 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로서 구현될 수도 있음을 인식할 것이다. 하드웨어 및 소프트웨어의 이러한 상호교환가능성을 명백하게 예시하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능성의 관점으로 일반적으로 상기 설명되었다. 그러한 기능이 하드웨어 또는 소프트웨어로 구현될지 여부는, 특정의 애플리케이션 및 전체 시스템에 부과된 설계 제약에 달려 있다. 당업자는 설명된 기능성을 각각의 특정 애플리케이션에 대해 다른 방식으로 구현할 수도 있지만, 이러한 구현 결정이 본 개시의 범위를 벗어나게 하는 것으로 해석되지 않아야 한다.
개별 실시형태들은, 플로우차트, 플로우 다이어그램, 데이터 플로우 다이어그램, 구조 다이어그램, 또는 블록 다이어그램으로서 도시되는 프로세스 또는 방법으로서 상기 설명될 수도 있다. 비록 플로우차트가 동작들을 순차적인 프로세스로서 설명할 수도 있지만, 동작들 중 다수는 병렬로 또는 동시에 수행될 수 있다. 부가적으로, 동작들의 순서는 재배열될 수도 있다. 프로세스는, 그의 동작들이 완료될 때 종료되지만, 도면에 포함되지 않은 추가적인 단계들을 가질 수 있을 것이다. 프로세스는 방법, 함수, 프로시저, 서브루틴, 서브프로그램 등에 대응할 수도 있다. 프로세스가 함수에 대응할 경우, 그 종료는 그 함수의 호출 함수 또는 메인 함수로의 복귀에 대응할 수도 있다.
상술한 예들에 따른 프로세스들 및 방법들은 컴퓨터 판독가능 매체들로부터 저장되거나 그렇지 않으면 이용가능한 컴퓨터 실행가능 명령들을 사용하여 구현될 수 있다. 이러한 명령들은 예를 들어, 범용 컴퓨터, 특수 목적 컴퓨터, 또는 프로세싱 디바이스가 소정의 기능 또는 기능들의 그룹을 수행하게 하거나 그렇지 않으면 수행하도록 이들을 구성하는 명령들 및 데이터를 포함할 수 있다. 사용된 컴퓨터 리소스들의 부분들은 네트워크를 통해 액세스가능할 수 있다. 컴퓨터 실행가능 명령들은, 예를 들어 바이너리들, 중간 포맷 명령들, 예컨대 어셈블리 언어, 펌웨어, 소스 코드일 수도 있다. 명령들, 사용된 정보, 및/또는 설명된 예들에 따른 방법들 동안 생성된 정보를 저장하는데 사용될 수도 있는 컴퓨터 판독가능 매체의 예들은 자기 또는 광학 디스크들, 플래시 메모리, 비휘발성 메모리가 제공된 USB 디바이스들, 네트워킹된 저장 디바이스들 등을 포함한다.
일부 실시형태들에서, 컴퓨터 판독가능 저장 디바이스들, 매체들, 및 메모리들은 비트스트림 등을 포함하는 케이블 또는 무선 신호를 포함할 수 있다. 하지만, 언급될 때, 비일시적인 컴퓨터 판독가능 저장 매체들은 에너지, 캐리어 신호들, 전자기 파들, 및 신호들 그 자체와 같은 매체들을 명시적으로 배제한다.
당업자는 정보 및 신호가 임의의 다양한 상이한 기술 및 기법을 사용하여 표현될 수도 있음을 인식할 것이다. 예를 들면, 위의 설명 전반에 걸쳐 참조될 수도 있는 데이터, 명령들, 커맨드들, 정보, 신호들, 비트들, 심볼들, 및 칩들은, 일부 경우에 특정 애플리케이션에 부분적으로 의존하여, 원하는 설계에 부분적으로 의존하여, 대응하는 기술 등에 부분적으로 의존하여, 전압들, 전류들, 전자기파들, 자기장들 또는 자기 입자들, 광학장들 또는 광학 입자들, 이들의 임의의 조합에 의해 표현될 수도 있다.
본 명세서에 개시된 양태와 관련하여 설명된 다양한 예시적인 논리 블록, 모듈 및 회로는 하드웨어, 소프트웨어, 펌웨어, 미들웨어, 마이크로코드, 하드웨어 설명 언어 또는 이들의 임의의 조합을 사용하여 구현 또는 수행될 수도 있고, 다양한 폼 팩터 중 어느 것을 취할 수도 있다. 소프트웨어, 펌웨어, 미들웨어 또는 마이크로코드에서 구현될 경우, 필요한 태스크들을 수행하기 위한 프로그램 코드 또는 코드 세그먼트들 (예컨대, 컴퓨터 프로그램 제품) 은 컴퓨터 판독가능 또는 머신 판독가능 매체에 저장될 수도 있다. 프로세서(들)는 필요한 태스크들을 수행할 수도 있다. 폼 팩터들의 통상적인 예들은 랩탑들, 스마트 폰들, 모바일 폰들, 태블릿 디바이스들 또는 다른 소형 폼 팩터 개인용 컴퓨터들, 개인용 디지털 보조기들, 랙마운트 디바이스들, 자립형 디바이스들 등을 포함한다. 본 명세서에서 설명된 기능은 또한, 주변기기들 또는 애드-인 (add-in) 카드들에서 구현될 수 있다. 그러한 기능성은 또한, 추가의 예에 의해, 단일 디바이스에서 실행되는 상이한 칩들 또는 상이한 프로세스들 중에서 회로 보드 상에서 구현될 수 있다.
명령들, 그러한 명령들을 운반하기 위한 매체들, 그것들을 실행하기 위한 컴퓨팅 리소스들, 및 그러한 컴퓨팅 리소스들을 지원하기 위한 다른 구조들은 본 개시에서 설명된 기능들을 제공하기 위한 예시적인 수단들이다.
본 명세서에서 설명된 기법들은 또한, 전자 하드웨어, 컴퓨터 소프트웨어, 펌웨어, 또는 이들의 임의의 조합에서 구현될 수도 있다. 그러한 기법들은 범용 컴퓨터들, 무선 통신 디바이스 핸드셋들, 또는 무선 통신 디바이스 핸드셋들 및 다른 디바이스들에서의 어플리케이션을 포함하여 다중의 이용들을 갖는 집적 회로 디바이스들과 같은 임의의 다양한 디바이스들에서 구현될 수도 있다. 모듈들 또는 컴포넌트들로서 설명된 임의의 특징들은 집적된 로직 디바이스에서 함께 또는 별개지만 상호운용가능한 로직 디바이스들로서 별도로 구현될 수도 있다. 소프트웨어에서 구현되는 경우, 그 기법들은, 실행될 경우, 전술한 방법들, 알고리즘들, 및/또는 동작들 중 하나 이상을 수행하는 명령들을 포함하는 프로그램 코드를 포함하는 컴퓨터 판독가능 데이터 저장 매체에 의해 적어도 부분적으로 실현될 수도 있다. 컴퓨터 판독가능 데이터 저장 매체는 패키징 재료들을 포함할 수도 있는 컴퓨터 프로그램 제품의 부분을 형성할 수도 있다. 컴퓨터 판독가능 매체는 메모리 또는 저장 저장 매체, 이를테면 RAM (random access memory) 이를테면, SDRAM (synchronous dynamic random access memory), ROM (read-only memory), NVRAM (non-volatile random access memory), EEPROM (electrically erasable programmable read-only memory), FLASH 메모리, 자기 또는 광학 데이터 저장 매체 등을 포함할 수도 있다. 그 기법들은, 추가적으로 또는 대안적으로, 전파된 신호들 또는 파들과 같이, 명령들 또는 데이터 구조들의 형태로 프로그램 코드를 운반 또는 통신하고 그리고 컴퓨터에 의해 액세스, 판독, 및/또는 실행될 수 있는 컴퓨터 판독가능 통신 매체에 의해 적어도 부분적으로 실현될 수도 있다.
프로그램 코드는 하나 이상의 프로세서, 예컨대 하나 이상의 디지털 신호 프로세서 (DSP), 범용 마이크로프로세서들, 주문형 집적 회로들 (ASIC들), 필드 프로그램가능 로직 어레이들 (FPGA들), 또는 다른 균등한 통합된 또는 별개의 로직 회로부를 포함할 수도 있는 프로세서에 의해 실행될 수도 있다. 그러한 프로세서는 본 개시에 설명된 기법들 중의 임의의 것을 수행하도록 구성될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들어, DSP 와 마이크로프로세서의 조합, 복수의 마이크로프로세서들, DSP 코어와 결합된 하나 이상의 마이크로프로세서들, 또는 임의의 다른 이러한 구성으로서 구현될 수도 있다. 따라서, 본원에 사용된 용어 "프로세서" 는 임의의 이전 구조, 이전 구조의 임의의 조합, 또는 본원에 설명된 기술들의 구현에 적합한 임의의 다른 구조 또는 장치를 지칭할 수도 있다.
당업자는 본 명세서에서 사용된 미만 ("<") 및 초과 (">") 기호들 또는 용어가 본 개시의 범위로부터 일탈함 없이, 각각 이하 ("≤") 및 이상 ("≥") 기호들로 대체될 수 있다는 것을 알 것이다.
컴포넌트들이 소정의 동작들을 수행 "하도록 구성된" 것으로서 설명되는 경우, 그러한 구성은 예를 들어, 전자 회로들 또는 다른 하드웨어를 설계하여 그 동작을 수행하는 것에 의해, 프로그래밍가능 전자 회로들 (예컨대, 마이크로프로세서들, 또는 다른 적합한 전자 회로들) 을 프로그래밍하여 그 동작을 수행하는 것에 의해, 또는 이들의 임의의 조합에 의해, 달성될 수 있다.
구절 "커플링된" 또는 "통신가능하게 커플링된" 은 직접 또는 간접적으로 다른 컴포넌트에 물리적으로 연결되는 임의의 컴포넌트, 및/또는 직접 또는 간접적으로 다른 컴포넌트와 통신하는 (예를 들어, 유선 또는 무선 연결, 및/또는 다른 적절한 통신 인터페이스를 통해 다른 컴포넌트에 연결되는) 임의의 컴포넌트를 지칭한다.
세트 중 "적어도 하나" 및/또는 세트 중 "하나 이상"을 인용하는 청구항 언어 또는 다른 언어는 세트 중 하나의 멤버 또는 세트 중 다중 멤버들 (임의의 조합으로) 이 청구항을 만족한다는 것을 나타낸다. 예를 들어, 청구항 언어가 "A 및 B 중 적어도 하나" 또는 "A 또는 B 중 적어도 하나"를 인용하는 것은 A, B, 또는 A 및 B 를 의미한다. 다른 예에서, 청구항 언어가 "A, B, 및 C 중 적어도 하나" 또는 "A, B, 또는 C 중 적어도 하나"를 인용하는 것은 A, B, C, 또는 A 및 B, 또는 A 및 C, 또는 B 및 C, 또는 A 및 B 및 C를 의미한다. 세트 중 “적어도 하나” 및/또는 세트 중 “하나 이상” 의 언어는 세트에 리스트된 항목들에 대한 세트를 제한하지 않는다. 예를 들어, 청구항 언어가 "A 및 B 중 적어도 하나" 또는 "A 또는 B 중 적어도 하나"를 인용하는 것은 A, B, 또는 A 및 B 를 의미할 수 있고, A 및 B 의 세트에 리스트되지 않은 아이템들을 부가적으로 포함할 수 있다.
본 개시의 예시적인 양태들은 다음을 포함한다:
양태 1: 얼굴 인식을 위한 제 1 무선 디바이스. 제 1 무선 디바이스는 적어도 하나의 트랜시버, 적어도 하나의 메모리 및 적어도 하나의 트랜시버 및 적어도 하나의 메모리에 커플링된 적어도 하나의 프로세서를 포함한다. 적어도 하나의 프로세서는, 적어도 하나의 트랜시버를 통하여, 제 1 라디오 주파수 (RF) 파형의 반사인 제 1 수신된 파형을 수신하고; 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하며; 그리고 사용자의 존재를 결정하는 것에 응답하여, 사용자의 얼굴 인증을 개시하도록 구성된다.
양태 2: 양태 1 에 따른 제 1 무선 디바이스로서, 상기 적어도 하나의 프로세서는, 상기 적어도 하나의 트랜시버를 통해, 상기 제 1 RF 파형보다 더 높은 대역폭을 갖는 제 2 RF 파형을 송신하고; 상기 적어도 하나의 트랜시버를 통해, 상기 사용자로부터 상기 제 2 RF 파형의 반사인 제 2 수신된 파형을 수신하며; 그리고 상기 제 2 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 상기 사용자의 머리 존재 또는 상기 사용자의 머리 배향 중 적어도 하나를 결정하도록 구성된다.
양태 3: 양태 1 또는 양태 2 중 어느 하나에 따른 제 1 무선 디바이스로서, 상기 적어도 하나의 프로세서는, 상기 사용자의 머리 배향이 미리 결정된 시간 동안 멀리 향하고 있다고 결정하는 것에 응답하여, 상기 제 1 무선 디바이스 상의 디스플레이 백라이트를 디밍하도록 구성된다.
양태 4: 양태 1 내지 양태 3 중 어느 하나에 따른 제 1 무선 디바이스로서, 상기 적어도 하나의 프로세서는, 상기 사용자의 머리 존재가 미리 결정된 시간 동안 실패했다고 결정하는 것에 응답하여, 상기 제 1 무선 디바이스에 대한 액세스를 잠그도록 구성된다.
양태 5: 양태 1 내지 양태 4 중 어느 하나에 따른 제 1 무선 디바이스로서, 상기 제 1 RF 파형은 상기 제 1 무선 디바이스 상의 전방향성 안테나에 의해 송신되는 Wi-Fi 신호를 포함한다.
양태 6: 양태 1 내지 양태 5 중 어느 하나에 따른 제 1 무선 디바이스로서, 상기 제 1 RF 파형은 제 2 무선 디바이스에 의해 송신된다.
양태 7: 양태 1 내지 양태 6 중 어느 하나에 따른 제 1 무선 디바이스로서, 상기 RF 감지 데이터는 채널 상태 정보 (CSI) 데이터를 포함한다.
양태 8: 양태 1 내지 양태 7 중 어느 하나에 따른 제 1 무선 디바이스로서, 상기 사용자의 존재를 결정하기 위해, 상기 적어도 하나의 프로세서는, 상기 사용자의 움직임을 추적하고; 그리고 상기 사용자가 상기 제 1 무선 디바이스에 대해 임계 거리 내에 있다고 결정하도록 구성된다.
양태 9: 양태 1 내지 양태 8 중 어느 하나에 따른 제 1 무선 디바이스로서, 상기 사용자의 얼굴 인증을 개시하기 위해, 상기 적어도 하나의 프로세서는, 상기 적어도 하나의 트랜시버를 통해, 복수의 극고주파 (EHF) 파형들을 송신하고; 상기 적어도 하나의 트랜시버를 통해, 상기 복수의 EHF 파형들에 대응하는 복수의 반사된 파형들을 수신하며; 그리고 상기 복수의 반사된 파형들과 연관된 RF 감지 데이터에 기반하여, 상기 사용자와 연관된 얼굴 서명을 생성하도록 구성된다.
양태 10: 양태 1 내지 양태 9 중 어느 하나에 따른 제 1 무선 디바이스로서, 카메라를 더 포함하고, 사용자의 얼굴 인증을 개시하기 위해, 적어도 하나의 프로세서는 카메라를 이용하여 사용자의 얼굴의 적어도 하나의 이미지를 캡처하도록 구성된다.
양태 11: 양태 1 내지 양태 10 중 어느 하나에 따른 제 1 무선 디바이스로서, 상기 RF 감지 데이터는 임의의 오브젝트들로부터 반사되지 않고 상기 제 1 RF 파형에 대응하는 적어도 하나의 수신된 누설 신호와 연관된 데이터를 포함한다.
양태 12: 양태 1 내지 양태 11 중 어느 하나에 따른 제 1 무선 디바이스로서, 상기 적어도 하나의 프로세서는, 상기 얼굴 인증에 기반하여, 상기 사용자가 상기 제 1 무선 디바이스에 액세스하도록 인가되었다고 결정하고; 그리고 상기 사용자가 상기 제 1 무선 디바이스에 액세스하도록 인가되었다고 결정하는 것에 응답하여, 상기 제 1 무선 디바이스에 대한 액세스를 인에이블하도록 구성된다.
양태 13: 양태 1 내지 양태 12 중 어느 하나에 따른 제 1 무선 디바이스로서, 상기 적어도 하나의 프로세서는, 상기 얼굴 인증에 기반하여, 상기 사용자가 하나 이상의 다른 무선 디바이스들에 액세스하도록 인가되었다고 결정하고; 그리고 상기 사용자가 상기 하나 이상의 다른 무선 디바이스들에 액세스하도록 인가되었다고 결정하는 것에 응답하여, 상기 하나 이상의 다른 무선 디바이스들로부터 적어도 하나의 무선 디바이스에 대한 액세스를 인에이블하도록 구성된다.
양태 14: 얼굴 인식을 수행하는 방법으로서, 양태 1 내지 양태 13 중 어느 하나에 따른 동작들을 포함한다.
양태 15: 컴퓨터 판독가능 매체로서, 컴퓨터 또는 프로세서로 하여금, 양태 1 내지 양태 13 중 어느 한 양태에 따른 동작들을 수행하게 하기 위한 적어도 하나의 명령을 포함한다.
양태 16: 안면 인식을 위한 장치로서, 상기 장치는 양태 1 내지 13 중 어느 한 양태에 따른 동작들을 수행하기 위한 수단을 포함한다.
양태 17: 사용자의 존재를 결정하기 위한 무선 디바이스. 상기 무선 디바이스는 적어도 하나의 트랜시버, 적어도 하나의 메모리 및 적어도 하나의 트랜시버 및 적어도 하나의 메모리에 커플링된 적어도 하나의 프로세서를 포함한다. 상기 적어도 하나의 프로세서는, 제 1 라디오 주파수 (RF) 파형의 반사인 제 1 수신된 파형을 프로세싱하고; 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하며; 사용자의 존재를 결정하는 것에 응답하여, 적어도 하나의 트랜시버를 통하여, 제 1 RF 파형보다 더 높은 대역폭을 갖는 제 2 RF 파형을 송신하고; 사용자로부터의 제 2 RF 파형의 반사인 제 2 수신된 파형을 프로세싱하며; 그리고 제 2 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 머리 존재 또는 사용자의 머리 배향 중 적어도 하나를 결정하도록 구성된다.
양태 18: 양태 17 에 따른 무선 디바이스로서, 상기 적어도 하나의 프로세서는, 상기 사용자의 머리 배향이 미리 결정된 시간 동안 멀리 향하고 있다고 결정하는 것에 응답하여, 상기 제 1 무선 디바이스 상의 디스플레이 백라이트를 디밍하도록 구성된다.
양태 19: 양태 17 또는 양태 18 중 어느 하나에 따른 무선 디바이스로서, 상기 적어도 하나의 프로세서는, 상기 사용자의 머리 존재가 미리 결정된 시간 동안 실패했다고 결정하는 것에 응답하여, 상기 제 1 무선 디바이스에 대한 액세스를 잠그도록 구성된다.
양태 20: 양태 17 내지 양태 19 중 어느 하나에 따른 무선 디바이스로서, 상기 제 1 RF 파형은 제 1 무선 디바이스 상의 전방향성 안테나에 의해 송신되는 Wi-Fi 신호를 포함한다.
양태 21: 양태 17 내지 양태 20 중 어느 하나에 따른 무선 디바이스로서, 상기 RF 감지 데이터는 채널 상태 정보 (CSI) 데이터를 포함한다.
양태 22: 양태 17 내지 양태 21 중 어느 하나에 따른 제 1 무선 디바이스로서, 상기 사용자의 존재를 결정하기 위해, 상기 적어도 하나의 프로세서는, 상기 사용자의 움직임을 추적하고; 그리고 상기 사용자가 상기 제 1 무선 디바이스에 대해 임계 거리 내에 있다고 결정하도록 구성된다.
양태 23: 양태 17 내지 양태 22 중 어느 하나에 따른 무선 디바이스로서, 상기 RF 감지 데이터는 임의의 오브젝트들로부터 반사되지 않고 상기 제 1 RF 파형에 대응하는 적어도 하나의 수신된 누설 신호와 연관된 데이터를 포함한다.
양태 24: 사용자의 존재를 결정하는 방법으로서, 상기 방법은 양태 17 내지 양태 23 중 어느 하나에 따른 동작들을 포함한다.
양태 25: 컴퓨터 판독가능 매체로서, 컴퓨터 또는 프로세서로 하여금, 양태 17 내지 양태 23 중 어느 한 양태에 따른 동작들을 수행하게 하기 위한 적어도 하나의 명령을 포함한다.
양태 26: 사용자의 존재를 결정하기 위한 장치로서, 상기 장치는 양태 17 내지 23 중 어느 한 양태에 따른 동작들을 수행하기 위한 수단을 포함한다.

Claims (41)

  1. 얼굴 인식을 위한 제 1 무선 디바이스로서,
    적어도 하나의 트랜시버,
    적어도 하나의 메모리, 및
    상기 적어도 하나의 메모리 및 상기 적어도 하나의 트랜시버에 커플링된 적어도 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는,
    상기 적어도 하나의 트랜시버를 통해, 제 1 라디오 주파수 (RF) 파형의 반사인 제 1 수신된 파형을 수신하고,
    상기 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하며,
    상기 사용자의 존재를 결정하는 것에 응답하여, 상기 사용자의 얼굴 인증을 개시하도록
    구성되는, 얼굴 인식을 위한 제 1 무선 디바이스.
  2. 제 1 항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 적어도 하나의 트랜시버를 통해, 상기 제 1 RF 파형보다 더 높은 대역폭을 갖는 제 2 RF 파형을 송신하고,
    상기 적어도 하나의 트랜시버를 통해, 상기 사용자로부터 상기 제 2 RF 파형의 반사인 제 2 수신된 파형을 수신하며,
    상기 제 2 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 상기 사용자의 머리 존재 또는 상기 사용자의 머리 배향 중 적어도 하나를 결정하도록
    구성되는, 얼굴 인식을 위한 제 1 무선 디바이스.
  3. 제 2 항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 사용자의 상기 머리 배향이 미리 결정된 시간 동안 멀리 향하고 있다는 결정에 응답하여, 제 1 무선 디바이스 상에 디스플레이 백라이트를 디밍 (dim) 하도록
    구성되는, 얼굴 인식을 위한 제 1 무선 디바이스.
  4. 제 2 항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 사용자의 상기 머리 존재가 미리 결정된 시간 동안 실패했다는 결정에 응답하여, 상기 제 1 무선 디바이스에 대한 액세스를 잠그도록
    구성되는, 얼굴 인식을 위한 제 1 무선 디바이스.
  5. 제 1 항에 있어서,
    상기 제 1 RF 파형은 상기 제 1 무선 디바이스 상의 전방향성 안테나에 의해 송신되는 Wi-Fi 신호를 포함하는, 얼굴 인식을 위한 제 1 무선 디바이스.
  6. 제 1 항에 있어서,
    상기 제 1 RF 파형은 제 2 무선 디바이스에 의해 송신되는, 얼굴 인식을 위한 제 1 무선 디바이스.
  7. 제 1 항에 있어서,
    상기 RF 감지 데이터는 채널 상태 정보 (CSI) 데이터를 포함하는, 얼굴 인식을 위한 제 1 무선 디바이스.
  8. 제 1 항에 있어서,
    상기 사용자의 존재를 결정하기 위해, 상기 적어도 하나의 프로세서는,
    상기 사용자의 움직임을 추적하고,
    상기 사용자가 상기 제 1 무선 디바이스에 대한 임계 거리 내에 있다고 결정하도록
    구성되는, 얼굴 인식을 위한 제 1 무선 디바이스.
  9. 제 1 항에 있어서,
    상기 사용자의 얼굴 인증을 개시하기 위해, 상기 적어도 하나의 프로세서는,
    상기 적어도 하나의 트랜시버를 통해, 복수의 극고주파 (EHF) 파형들을 송신하고,
    상기 적어도 하나의 트랜시버를 통해, 상기 복수의 EHF 파형들에 대응하는 복수의 반사된 파형들을 수신하며,
    복수의 반사된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자와 연관된 얼굴 서명 (facial signature) 을 생성하도록
    구성되는, 얼굴 인식을 위한 제 1 무선 디바이스.
  10. 제 1 항에 있어서,
    상기 제 1 무선 디바이스는 카메라를 더 포함하고,
    상기 사용자의 얼굴 인증을 개시하기 위해, 상기 적어도 하나의 프로세서는,
    상기 카메라를 사용하여 상기 사용자의 얼굴의 적어도 하나의 이미지를 캡처하도록
    구성되는, 얼굴 인식을 위한 제 1 무선 디바이스.
  11. 제 1 항에 있어서,
    상기 RF 감지 데이터는 임의의 오브젝트들로부터 반사되지 않고 상기 제 1 RF 파형에 대응하는 적어도 하나의 수신된 누설 신호와 연관된 데이터를 포함하는, 얼굴 인식을 위한 제 1 무선 디바이스.
  12. 제 1 항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 얼굴 인증에 기반하여, 상기 사용자가 상기 제 1 무선 디바이스에 액세스하도록 인가되었는지를 결정하고,
    상기 사용자가 상기 제 1 무선 디바이스에 액세스하도록 인가되었다는 결정에 응답하여, 상기 제 1 무선 디바이스에 대한 액세스를 인에이블하도록
    구성되는, 얼굴 인식을 위한 제 1 무선 디바이스.
  13. 제 1 항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 얼굴 인증에 기반하여, 상기 사용자가 하나 이상의 다른 무선 디바이스들에 액세스하도록 인가되었는지를 결정하고,
    상기 사용자가 상기 하나 이상의 다른 무선 디바이스들에 액세스하도록 인가되었다는 결정에 응답하여, 상기 하나 이상의 다른 무선 디바이스들로부터의 적어도 하나의 무선 디바이스에 대한 액세스를 인에블하도록
    구성되는, 얼굴 인식을 위한 제 1 무선 디바이스.
  14. 얼굴 인식을 수행하는 방법으로서,
    제 1 무선 디바이스에 의해, 제 1 라디오 주파수 (RF) 파형의 반사인 제 1 수신된 파형을 수신하는 단계,
    상기 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하는 단계, 및
    상기 사용자의 존재를 결정하는 것에 응답하여, 상기 사용자의 얼굴 인증을 개시하는 단계
    를 포함하는, 얼굴 인식을 수행하는 방법.
  15. 제 14 항에 있어서
    상기 제 1 무선 디바이스에 의해, 상기 제 1 RF 파형보다 더 높은 대역폭을 갖는 제 2 RF 파형을 송신하는 단계,
    상기 제 1 무선 디바이스에 의해, 상기 사용자로부터 상기 제 2 RF 파형의 반사인 제 2 수신된 파형을 수신하는 단계, 및
    상기 제 2 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 상기 사용자의 머리 존재 또는 상기 사용자의 머리 배향 중 적어도 하나를 결정하는 단계
    를 더 포함하는, 얼굴 인식을 수행하는 방법.
  16. 제 15 항에 있어서,
    상기 제 1 무선 디바이스의 디스플레이가 온 (on) 이고,
    상기 방법은,
    상기 사용자의 상기 머리 존재의 검출 이후 미리 결정된 기간이 경과했음을 결정하는 단계, 및
    상기 미리 결정된 기간이 경과했다는 결정에 기반하여 상기 제 1 무선 디바이스의 디스플레이가 꺼지게 되는 단계
    를 포함하는, 얼굴 인식을 수행하는 방법.
  17. 제 15 항에 있어서,
    상기 사용자의 상기 머리 존재가 미리 결정된 시간 동안 실패했다는 결정에 응답하여, 상기 제 1 무선 디바이스에 대한 액세스를 잠그는 단계
    를 더 포함하는, 얼굴 인식을 수행하는 방법.
  18. 제 14 항에 있어서,
    상기 제 1 RF 파형은 상기 제 1 무선 디바이스 상의 전방향성 안테나에 의해 송신되는 Wi-Fi 신호를 포함하는, 얼굴 인식을 수행하는 방법.
  19. 제 14 항에 있어서,
    상기 제 1 RF 파형은 제 2 무선 디바이스에 의해 송신되는, 얼굴 인식을 수행하는 방법.
  20. 제 14 항에 있어서,
    상기 RF 감지 데이터는 채널 상태 정보 (CSI) 데이터를 포함하는, 얼굴 인식을 수행하는 방법.
  21. 제 14 항에 있어서,
    상기 사용자의 존재를 결정하는 단계는,
    상기 사용자의 움직임을 추적하는 단계, 및
    상기 사용자가 상기 제 1 무선 디바이스에 대한 임계 거리 내에 있다고 결정하는 단계
    를 포함하는, 얼굴 인식을 수행하는 방법.
  22. 제 14 항에 있어서,
    상기 사용자의 얼굴 인증을 개시하는 단계는,
    복수의 극고주파 (EHF) 파형들을 송신하는 단계,
    상기 복수의 EHF 파형들에 대응하는 복수의 반사된 파형들을 수신하는 단계, 및
    상기 복수의 반사된 파형들과 연관된 RF 감지 데이터에 기반하여, 상기 사용자와 연관된 얼굴 서명을 생성하는 단계
    를 포함하는, 얼굴 인식을 수행하는 방법.
  23. 제 14 항에 있어서,
    상기 사용자의 얼굴 인증을 개시하는 단계는,
    적외선 카메라를 이용하여 상기 사용자의 얼굴의 이미지를 캡처하는 단계
    를 포함하는, 얼굴 인식을 수행하는 방법.
  24. 제 14 항에 있어서,
    상기 RF 감지 데이터는 임의의 오브젝트들로부터 반사되지 않고 상기 제 1 RF 파형에 대응하는 적어도 하나의 수신된 누설 신호와 연관된 데이터를 포함하는, 얼굴 인식을 수행하는 방법.
  25. 제 14 항에 있어서,
    상기 얼굴 인증에 기반하여, 상기 사용자가 상기 제 1 무선 디바이스에 액세스하도록 인가되었는지를 결정하는 단계, 및
    상기 사용자가 상기 제 1 무선 디바이스에 액세스하도록 인가되었다는 결정에 응답하여, 상기 제 1 무선 디바이스에 대한 액세스를 인에이블하는 단계
    를 더 포함하는, 얼굴 인식을 수행하는 방법.
  26. 제 1 항에 있어서,
    상기 적어도 하나의 프로세서는,
    상기 얼굴 인증에 기반하여, 상기 사용자가 하나 이상의 다른 무선 디바이스들에 액세스하도록 인가되었는지를 결정하고,
    상기 사용자가 상기 하나 이상의 다른 무선 디바이스들에 액세스하도록 인가되었다는 결정에 응답하여, 상기 하나 이상의 다른 무선 디바이스들로부터의 적어도 하나의 무선 디바이스에 대한 액세스를 인에블하도록
    구성되는, 얼굴 인식을 위한 제 1 무선 디바이스.
  27. 적어도 하나의 명령을 포함하는 컴퓨터 판독가능 저장 매체로서,
    상기 명령은, 컴퓨터 또는 프로세서로 하여금,
    제 1 무선 디바이스에 의해, 제 1 라디오 주파수 (RF) 파형의 반사인 제 1 수신된 파형을 수신하게 하고,
    상기 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하게 하며,
    상기 사용자의 존재를 결정하는 것에 응답하여, 상기 사용자의 얼굴 인증을 개시하게 하도록
    하는, 컴퓨터 판독가능 저장 매체.
  28. 제 27 항에 있어서,
    상기 컴퓨터 또는 상기 프로세서로 하여금,
    상기 제 1 RF 파형보다 더 높은 대역폭을 갖는 제 2 RF 파형을 송신하게 하고,
    상기 사용자로부터 상기 제 2 RF 파형의 반사인 제 2 수신된 파형을 수신하게 하며,
    상기 제 2 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 상기 사용자의 머리 존재 또는 상기 사용자의 머리 배향 중 적어도 하나를 결정하게 하도록
    적어도 하나의 명령을 더 포함하는, 컴퓨터 판독가능 저장 매체.
  29. 얼굴 인식을 수행하기 위한 장치로서,
    제 1 RF 파형의 반사인 제 1 수신된 파형을 수신하기 위한 수단,
    상기 제 1 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 사용자의 존재를 결정하기 위한 수단, 및
    상기 사용자의 존재를 결정하는 것에 응답하여 상기 사용자의 얼굴 인증을 개시하기 위한 수단
    을 포함하는, 얼굴 인식을 수행하기 위한 장치.
  30. 제 29 항에 있어서,
    상기 제 1 RF 파형보다 더 높은 대역폭을 갖는 제 2 RF 파형을 송신하기 위한 수단,
    상기 사용자로부터 상기 제 2 RF 파형의 반사인 제 2 수신된 파형을 수신하기 위한 수단, 및
    상기 제 2 수신된 파형과 연관된 RF 감지 데이터에 기반하여, 상기 사용자의 머리 존재 또는 상기 사용자의 머리 배향 중 적어도 하나를 결정하기 위한 수단
    을 더 포함하는, 얼굴 인식을 수행하기 위한 장치.
  31. 제 30 항에 있어서,
    상기 사용자의 상기 머리 배향이 미리 결정된 시간 동안 멀리 향하고 있다는 결정에 응답하여 상기 장치 상의 디스플레이 백라이트를 디밍하기 위한 수단
    을 더 포함하는, 얼굴 인식을 수행하기 위한 장치.
  32. 제 30 항에 있어서,
    상기 사용자의 상기 머리 존재가 미리 결정된 시간 동안 실패했다는 결정에 응답하여 상기 장치에 대한 액세스를 잠그기 위한 수단
    을 더 포함하는, 얼굴 인식을 수행하기 위한 장치.
  33. 제 29 항에 있어서,
    상기 제 1 RF 파형은 상기 장치 상의 전방향성 안테나에 의해 송신되는 Wi-Fi 신호를 포함하는, 얼굴 인식을 수행하기 위한 장치.
  34. 제 29 항에 있어서,
    상기 제 1 RF 파형은 무선 디바이스에 의해 송신되는, 얼굴 인식을 수행하기 위한 장치.
  35. 제 29 항에 있어서,
    상기 RF 감지 데이터는 채널 상태 정보 (CSI) 데이터를 포함하는, 얼굴 인식을 수행하기 위한 장치.
  36. 제 29 항에 있어서,
    상기 사용자의 존재를 결정하기 위해, 상기 장치는,
    상기 사용자의 움직임을 추적하기 위한 수단, 및
    상기 사용자가 상기 장치에 대한 임계 거리 내에 있다고 결정하기 위한 수단
    을 더 포함하는, 얼굴 인식을 수행하기 위한 장치.
  37. 제 29 항에 있어서,
    상기 사용자의 얼굴 인증을 개시하기 위해, 상기 장치는,
    복수의 극고주파 (EHF) 파형들을 송신하기 위한 수단,
    상기 복수의 EHF 파형들에 대응하는 복수의 반사된 파형들을 수신하기 위한 수단, 및
    상기 복수의 반사된 파형들과 연관된 RF 감지 데이터에 기반하여, 상기 사용자와 연관된 얼굴 서명을 생성하기 위한 수단
    을 더 포함하는, 얼굴 인식을 수행하기 위한 장치.
  38. 제 29 항에 있어서,
    상기 사용자의 얼굴의 적어도 하나의 이미지를 캡처하기 위한 수단
    을 더 포함하는, 얼굴 인식을 수행하기 위한 장치.
  39. 제 29 항에 있어서,
    상기 RF 감지 데이터는, 임의의 오브젝트들로부터 반사되지 않고 상기 제 1 RF 파형에 대응하는 적어도 하나의 수신된 누설 신호와 연관된 데이터를 포함하는, 얼굴 인식을 수행하기 위한 장치.
  40. 제 29 항에 있어서,
    상기 얼굴 인증에 기반하여, 상기 사용자가 상기 장치에 액세스하도록 인가되었음을 결정하기 위한 수단, 및
    상기 사용자가 상기 장치에 액세스하도록 인가되었음을 결정하는 것에 응답하여 상기 장치에 대한 액세스를 인에이블하기 위한 수단
    을 더 포함하는, 얼굴 인식을 수행하기 위한 장치.
  41. 제 29 항에 있어서,
    상기 얼굴 인증에 기반하여, 상기 사용자가 하나 이상의 무선 디바이스들에 액세스하도록 인가되었는지를 결정하기 위한 수단, 및
    상기 사용자가 상기 하나 이상의 무선 디바이스들에 액세스하도록 인가된다고 결정하는 것에 대한 응답으로 상기 하나 이상의 무선 디바이스들로부터의 적어도 하나의 무선 디바이스에 대한 액세스를 인에이블하기 위한 수단
    을 더 포함하는, 얼굴 인식을 수행하기 위한 장치.
KR1020237027243A 2021-03-03 2022-01-13 라디오 주파수 감지를 이용한 얼굴 인식 KR20230152662A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/191,463 US20220283296A1 (en) 2021-03-03 2021-03-03 Facial recognition using radio frequency sensing
US17/191,463 2021-03-03
PCT/US2022/070185 WO2022187766A1 (en) 2021-03-03 2022-01-13 Facial recognition using radio frequency sensing

Publications (1)

Publication Number Publication Date
KR20230152662A true KR20230152662A (ko) 2023-11-03

Family

ID=80783985

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237027243A KR20230152662A (ko) 2021-03-03 2022-01-13 라디오 주파수 감지를 이용한 얼굴 인식

Country Status (7)

Country Link
US (1) US20220283296A1 (ko)
EP (1) EP4302211A1 (ko)
JP (1) JP2024513291A (ko)
KR (1) KR20230152662A (ko)
CN (1) CN116964576A (ko)
TW (1) TW202235900A (ko)
WO (1) WO2022187766A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112565437B (zh) * 2020-12-07 2021-11-19 浙江大学 一种面向跨界服务网络的服务缓存方法
US11743682B2 (en) * 2021-04-13 2023-08-29 Qualcomm Incorporated Indoor map generation using radio frequency sensing
US20240039903A1 (en) * 2022-07-27 2024-02-01 Cisco Technology, Inc. Multi-factor authentication using gestures

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10681568B1 (en) * 2010-05-28 2020-06-09 Cohere Technologies, Inc. Methods of data channel characterization and uses thereof
US9378353B2 (en) * 2014-08-07 2016-06-28 Verizon Patent And Licensing Inc. Methods and systems for determining a user identity by analysis of reflected radio frequency signals received by an antenna array
US10591586B2 (en) * 2017-07-07 2020-03-17 Infineon Technologies Ag System and method for identifying a target using radar sensors
WO2020146476A1 (en) * 2019-01-08 2020-07-16 Advanced Telesensors, Inc. User presence detection systems for control of electronic devices

Also Published As

Publication number Publication date
EP4302211A1 (en) 2024-01-10
WO2022187766A1 (en) 2022-09-09
JP2024513291A (ja) 2024-03-25
CN116964576A (zh) 2023-10-27
US20220283296A1 (en) 2022-09-08
TW202235900A (zh) 2022-09-16

Similar Documents

Publication Publication Date Title
US20220283296A1 (en) Facial recognition using radio frequency sensing
US20220327360A1 (en) Passive positioning with radio frequency sensing labels
US20210103031A1 (en) Gesture recognition radar systems and methods
US11575452B2 (en) Passive positioning with radio frequency sensing
US11871299B2 (en) Self-supervised passive positioning using wireless data
US12022358B2 (en) Self-supervised passive positioning using wireless data
US20240155303A1 (en) Acoustic configuration based on radio frequency sensing
US11762076B2 (en) Methods and systems for detecting and passively monitoring communications of an unmanned aerial vehicle
Abedi et al. Non-cooperative wi-fi localization & its privacy implications
EP4402905A1 (en) Content transfer using radio frequency sensing
Yu et al. Indoor passive localisation based on reliable CSI extraction
Xue et al. Radio frequency identification for drones with non-standard waveforms using deep learning
US11963110B2 (en) Method and apparatus for detecting, managing antenna proximity, and user privacy by sharing radar sensing telemetry
EP4348286A1 (en) Self-supervised passive positioning using wireless data
WO2024064468A1 (en) Voice user interface assisted with radio frequency sensing