KR20230165045A - 객체 이동 모니터링 방법 및 장치 - Google Patents

객체 이동 모니터링 방법 및 장치 Download PDF

Info

Publication number
KR20230165045A
KR20230165045A KR1020220064934A KR20220064934A KR20230165045A KR 20230165045 A KR20230165045 A KR 20230165045A KR 1020220064934 A KR1020220064934 A KR 1020220064934A KR 20220064934 A KR20220064934 A KR 20220064934A KR 20230165045 A KR20230165045 A KR 20230165045A
Authority
KR
South Korea
Prior art keywords
window
sub
movement
speed
specific space
Prior art date
Application number
KR1020220064934A
Other languages
English (en)
Inventor
현유진
진영석
배지은
Original Assignee
재단법인대구경북과학기술원
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 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020220064934A priority Critical patent/KR20230165045A/ko
Publication of KR20230165045A publication Critical patent/KR20230165045A/ko

Links

Images

Classifications

    • 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
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/505—Systems of measurement based on relative movement of target using Doppler effect for determining closest range to a target or corresponding time, e.g. miss-distance indicator
    • 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
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
    • 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
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/589—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

객체 이동 모니터링 방법 및 장치가 개시된다. 본 개시의 일 실시 예에 따른 객체 이동 모니터링 방법은, 기준 신호에 대한 객체의 반사 신호를 레이더 전단 센서로부터 수신하고, 수신된 반사 신호로부터 객체의 속도 값을 산출하는 단계와, 프레임 시간에 따른 속도 값 패턴을 기반으로 특정 공간에서 객체의 출입과 연계된 이동 상태를 판단하는 단계와, 객체의 이동 상태를 기반으로, 특정 공간에서 객체의 이동 경로를 모니터링하는 단계를 포함할 수 있다.

Description

객체 이동 모니터링 방법 및 장치{METHOD AND APPARATUS FOR MONITORING A MOVEMENT OF OBJECT}
본 개시는 속도 값을 출력하는 도플러 레이더를 기반으로 특정 공간에서 객체의 출입과 연계된 움직임을 감지하는 객체 이동 모니터링 방법 및 장치에 관한 것이다.
일반적으로, 레이더는 거리 측정, 움직임 측정, 휴먼 모션 인식, 객체 정밀 위치 측정 등이 필요한 다양한 분야에 적용이 가능하다.
현재 민수에서 널리 사용되는 레이더는 CW 레이더 및 FMCW 레이더가 있다. CW 레이더는 사인파를 송신하여 객체로부터 반사된 신호를 수신하는 방식으로, 오직 도플러 주파수만 추출할 수 있기 때문에 "도플러 레이더"라고도 한다(이하, 도플러 레이더로 칭함).
즉, 도플러 레이더의 경우 객체 거리를 측정할 수가 없고, 이동객체의 시선속도, 시선방향, 반사 신호크기를 측정할 수 있다. 즉, 도플러 레이더는 감시영역 내에 이동객체가 존재하는지만 판단 할 수 있기 때문에, 이동경로는 확인 할 수가 없다.
도 1(a)는 송신파형과 수신파형, 그리고 도 1(b)는 최종출력 베이스밴드 신호를 나타낸 것이다. X축은 시간이며 Y축은 주파수이다. 온 구간 동안 신호를 송신하고 오프 구간 동안 쉬는 구조가 일반적으로 사용된다. 쉬는 구간 동안은 수신한 신호를 알고리즘을 통해 처리하게 된다.
이에 반해 FMCW 레이더는 시간에 따라 선형적으로 변하는 송신파형과 객체로부터 반사되어온 수신신호의 주파수 차이를 이용하여 거리를 측정한다. 그리고 각 램프간의 위상변화를 통해 도플러를 추출한다. 아울러 각도를 탐지하고 할 경우, 다중 수신안테나를 이용하여 안테나간 수신신호의 위상변화를 측정하면 가능하다.
도플러 레이더와 비교할 경우 하드웨어가 복잡하며, 많은 계산량이 요구되지만 최근 단일 칩 솔루션이 많이 출시되면서 비교적 널리 사용되는 기법이다.
도 2(a)는 송신파형과 수신파형, 그리고 도 2(b)는 최종출력 베이스밴드 신호를 나타낸 것이다. X축은 시간이며 Y축은 주파수이다. 연속으로 N개의 램프를 송신한 후에 쉬는 구간이 삽입되는 것이 일반적인 구조이다. 쉬는 구간 동안은 수신한 신호를 알고리즘을 통해 처리하게 된다.
한편, 일반적으로 FMCW 레이더의 성능이 훨씬 좋음에도 불구하고, 스마트 조명, 침입자 감시, 과속 측정 등 다양한 분야에서 도플러 레이더가 사용되고 있는데, 이는 도플러 레이더가 비교적 회로가 매우 간단하고 저전력 및 소형으로 구현이 가능하기 때문이다.
그러나 도플러 레이더의 경우, 실내 방, 복도, 사무실 등에 설치하여 사람의 존재 여부를 확인하는데 쉽게 사용이 가능하나, 실내 공간에서 문밖으로 사람이 나갔는지, 문밖에서 사람이 들어온 건지를 확인하는 것에서는 한계가 존재할 수 밖에 없다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
선행기술 1: 한국 등록특허 제10-2200409호(2021.01.04.등록) 선행기술 2: 한국 등록특허 제10-2140195호(2020.07.27.등록)
본 개시의 실시 예의 일 과제는, 속도 값을 출력하는 도플러 레이더를 이용하여 분석한 프레임 시간에 따른 속도 값 패턴을 기반으로, 특정 공간에서의 객체의 움직임 여부 및 움직임 방향을 감지하는 것이다.
본 개시의 실시 예의 일 과제는, 도플러 레이더를 이용하여 실내에서 문밖으로 사람이 나가는 상황 및 들어오는 상황을 감지함으로써, 스마트 홈 및 스마트 감시 분야에서 활용하고자 하는 것이다.
본 개시의 실시예의 목적은 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 개시의 일 실시 예에 따른 객체 이동 모니터링 방법은, 객체 이동 모니터링 방법은, 기준 신호에 대한 객체의 반사 신호를 레이더 전단 센서로부터 수신하고, 수신된 반사 신호로부터 객체의 속도 값을 산출하는 단계와, 프레임 시간에 따른 속도 값 패턴을 기반으로 특정 공간에서 객체의 출입과 연계된 이동 상태를 판단하는 단계와, 객체의 이동 상태를 기반으로, 특정 공간에서 객체의 이동 경로를 모니터링하는 단계를 포함할 수 있다.
이 외에도, 본 발명의 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 개시의 실시 예에 의하면, 속도 값을 출력하는 도플러 레이더를 이용하여 분석한 프레임 시간에 따른 속도 값 패턴을 기반으로, 특정 공간에서의 객체의 움직임 여부 및 움직임 방향을 감지함으로써, 실내에서 문밖으로 사람이 나가는 상황 및 들어오는 상황을 모니터링 할 수 있도록 하여, 스마트 홈 및 스마트 감시 분야에서 활용할 수 있다.
본 개시의 실시 예에 의하면, 비교적 회로가 매우 간단하고 저전력 및 소형으로 구현 가능한 도플러 레이더를 사용함으로써, 연산량 및 비용을 감소시킬 수 있다.
본 개시의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 도플러 레이더 파형 구조를 설명하기 위한 도면이다.
도 2는 FMCW 레이더 파형 구조를 설명하기 위한 도면이다.
도 3은 일 실시 예에 따른 객체 이동 모니터링 시스템 환경을 개략적으로 나타낸 도면이다.
도 4는 일 실시 예에 따른 도플러 레이더 모듈 구조를 개략적으로 나타낸 도면이다.
도 5는 일 실시 예에 따른 객체 이동 모니터링 장치를 개략적으로 나타낸 블록도이다.
도 6은 일 실시 예에 따른 프로세서의 신호처리 및 데이터 처리를 설명하기 위해 개략적으로 나타낸 블록도이다.
도 7은 일 실시 예에 따른 패턴 학습을 설명하기 위한 도면이다.
도 8은 일 실시 예에 따른 패턴 기반 파라미터 설정을 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 슬라이딩 윈도우 알고리즘을 설명하기 위한 예시도이다.
도 10은 일 실시 예에 따른 움직임 없는 상태에 대한 윈도우의 크기가 동일할 때의 슬라이딩 윈도우 알고리즘을 설명하기 위한 예시도이다.
도 11은 일 실시 예에 따른 이동 상태 기반 이동 경로 추정을 설명하기 위한 도면이다.
도 12는 일 실시 예에 따른 시나리오별 이동 상태 기반 이동 경로 추정을 설명하기 위한 예시도이다.
도 13은 일 실시 예에 따른 객체 이동 모니터링 방법을 설명하기 위한 흐름도이다.
본 개시의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다.
그러나 본 개시는 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 개시의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 개시가 완전하도록 하며, 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 개시의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 개시를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 개시의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 개시를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 본 개시에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 3은 일 실시 예에 따른 객체 이동 모니터링 시스템 환경을 개략적으로 나타낸 도면이다.
도 3에 도시된 바와 같이, 객체 이동 모니터링 시스템(1)은 도플러 레이더를 기반으로 하여 특정공간에서 지정된 객체의 이동을 모니터링하는 기법에 관한 것이다. 특히, 객체 이동 모니터링 시스템(1)은 도플러 레이더를 이용하여 거리 값 없이 오로지 속도 값만을 이용하여 객체가 특정공간을 나갔는지 들어왔는지를 판단할 수 있다.
한편, 일 실시 예에서는, 실내 공간에서 사람의 이동을 모니터링하는 것을 실시 예로 할 수 있으나, 이에 한정되는 것은 아니며, 지정된 특정공간(실내 및 실외)에서 지정된 객체(사람, 동물, 사물 등)가 특정공간을 벗어났는지, 특정공간에 들어왔는지를 모니터링하는 것도 가능할 것이다.
도 4는 일 실시 예에 따른 도플러 레이더 모듈 구조를 개략적으로 나타낸 도면이다.
도플러 레이더(CW 레이더)는 사인파를 송신하여 객체로부터 반사된 신호를 수신하는 방식으로, 오직 도플러 주파수만 추출할 수 있다. 즉, 도플러 레이더의 경우 객체 거리를 측정할 수가 없고, 이동객체의 시선속도, 시선방향, 반사 신호크기를 측정할 수 있다. 따라서, 도플러 레이더는 감시영역 내에 이동객체가 존재하는지만 판단 할 수 있으며, 이동경로는 확인할 수 없다.
도 4를 참조하면, 도플러 레이더의 모듈은 안테나, 송수신단, 신호처리단으로 구성될 수 있다. 일 실시 예에서는, 안테나와 송수신단을 포함하여 레이더 전단센서라고 할 수 있다. 이러한 레이더 전단센서의 출력 신호는 도 1(b)에 도시된 아날로그 수신신호이다.
일 실시 예에서, 신호처리단은 MCU와 ADC 등으로 구성된 하드웨어에 운영 및 제어 소프트웨어(SW)와 신호처리 알고리즘 소프트웨어(SW)가 포팅(potting)되는 구조로 구성될 수 있다.
한편, 상술한 도플러 레이더를 다양한 분야에 적용하기 위한 개발을 진행할 때, 레이더 아날로그 하드웨어 제작이 어려운 경우 상용 레이더 전단센서를 구매한 후, 직접 신호처리단 제작을 할 수 있다. 그러나 레이더 신호처리 구현도 어려운 경우에는 상용 레이더 모듈 자체를 구매하여 사용하기도 한다.
이때, 전자의 경우에는 반사된 아날로그 수신신호를 보다 심도 있게 분석할 수 있는 여지가 있지만, 후자의 경우 출력 값이 탐지된 타겟의 디지털 데이터(속도, 방향, 크기)이기 때문에 개발자가 개입할 여지가 매우 적다.
따라서, 일 실시 예에서는, 상기 후자의 경우, 도플러 레이더가 탐지한 타겟의 속도와 방향 값들만 가지고도, 패턴분석을 통해 실내에서 밖으로 사람이 나가는 경우, 그리고 밖에서 실내로 사람이 들어오는 경우를 구별할 수 있는 기법을 제시한다.
즉, 일 실시 예의 객체 이동 모니터링 시스템(1)은 속도 값만 출력이 가능한 도플러 레이더를 이용하여 실내에서 문밖으로 사람이 나가는지 들어오는지를 확인할 수 있는 것으로, 스마트 홈 및 스마트 감시에 적용될 수 있다.
한편 일 실시 예에서는, 사용자들이 사용자 단말(200)에서 구현되는 어플리케이션 또는 웹사이트에 접속하여, 객체 이동 모니터링 장치(100)의 객체 이동 모니터링을 위한 설정사항 입력하고, 객체 이동 모니터링 결과를 확인하는 등의 과정을 수행할 수 있다.
일 실시 예에서, 사용자 단말(200)은 사용자가 조작하는 데스크 탑 컴퓨터, 스마트폰, 노트북, 태블릿 PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다.
또한, 사용자 단말(200)은 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기 일 수 있다. 사용자 단말(200)은 상술한 내용에 제한되지 아니하며, 웹 브라우징이 가능한 단말기는 제한 없이 차용될 수 있다.
한편, 일 실시 예에서, 객체 이동 모니터링 장치(100)는 신호처리단에 포함하여 구현되거나 별도로 구현될 수도 있다. 또한, 객체 이동 모니터링 장치(100)는 레이더 모듈에 포함되거나 별도로 구현될 수 있다.
그리고, 일 실시 예에서, 객체 이동 모니터링 시스템(1)은 객체 이동 모니터링 장치(100) 및/또는 서버(300)에 의해 구현될 수 있다.
다시 말하면, 일 실시 예에서, 객체 이동 모니터링 장치(100)는 서버(300)에서 구현될 수 있는데, 이때 서버(300)는 객체 이동 모니터링 장치(100)가 포함되는 객체 이동 모니터링 시스템(1)을 운용하기 위한 서버이거나 객체 이동 모니터링 장치(100)의 일부분 또는 전 부분을 구현하는 서버일 수 있다.
일 실시 예에서, 서버(300)는 기준 신호에 대한 객체의 반사 신호를 레이더 전단 센서로부터 수신하고, 수신된 반사 신호로부터 객체의 속도 값을 산출하며, 프레임 시간에 따른 속도 값 패턴을 기반으로 특정 공간에서 객체의 출입과 연계된 이동 상태를 판단하며, 객체의 이동 상태를 기반으로, 특정 공간에서 객체의 이동 경로를 모니터링하는 전반의 프로세스에 대한 객체 이동 모니터링 장치(100)의 동작을 제어하는 서버일 수 있다.
또한, 서버(300)는 객체 이동 모니터링 장치(100)를 동작시키는 데이터를 제공하는 데이터베이스 서버일 수 있다. 그 밖에 서버(300)는 웹 서버 또는 어플리케이션 서버 또는 딥러닝 네트워크 제공 서버를 포함할 수 있다.
그리고 서버(300)는 각종 인공 지능 알고리즘을 적용하는데 필요한 빅데이터 서버 및 AI 서버, 각종 알고리즘의 연산을 수행하는 연산 서버 등을 포함할 수 있다.
또한 본 실시 예에서, 서버(300)는 상술하는 서버들을 포함하거나 이러한 서버들과 네트워킹 할 수 있다. 즉, 본 실시 예에서, 서버(300)는 상기의 웹 서버 및 AI 서버를 포함하거나 이러한 서버들과 네트워킹 할 수 있다.
객체 이동 모니터링 시스템(1)에서 객체 이동 모니터링 장치(100) 및 서버(300)는 네트워크(400)에 의해 연결될 수 있다. 이러한 네트워크(400)는 예컨대 LANs(local area networks), WANs(Wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 개시의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(400)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다.
또한, 네트워크(400)는 허브, 브리지, 라우터, 스위치 및 게이트웨이와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(400)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(400)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(400)는 사물 등 분산된 구성 요소들 간에 정보를 주고받아 처리하는 IoT(Internet of Things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다.
도 5는 일 실시 예에 따른 객체 이동 모니터링 장치를 개략적으로 나타낸 블록도이다.
도 5를 참조하면, 객체 이동 모니터링 장치(100)는 통신부(110), 사용자 인터페이스(120), 메모리(130) 및 프로세서(140)를 포함할 수 있다.
통신부(110)는 네트워크(400)와 연동하여 외부 장치 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 또한 통신부(110)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
즉, 프로세서(140)는 통신부(110)를 통해 연결된 외부 장치로부터 각종 데이터 또는 정보를 수신할 수 있으며, 외부 장치로 각종 데이터 또는 정보를 전송할 수도 있다.
일 실시 예에서, 사용자 인터페이스(120)는 객체 이동 모니터링 장치(100)의 동작(예를 들어, 설정사항 변경, 파라미터 입력 및 변경 등)을 제어하기 위한 사용자 요청 및 명령들이 입력되는 입력 인터페이스를 포함할 수 있다.
그리고 일 실시 예에서, 사용자 인터페이스(120)는 객체 이동 모니터링 결과를 출력하는 등의 출력 인터페이스를 포함할 수 있다. 즉, 사용자 인터페이스(120)는 사용자 요청 및 명령에 따른 결과를 출력할 수 있다. 이러한 사용자 인터페이스(120)의 입력 인터페이스와 출력 인터페이스는 동일한 인터페이스에서 구현될 수 있다
메모리(130)는 객체 이동 모니터링 장치(100)의 동작의 제어(연산)에 필요한 각종 정보들을 저장하고, 제어 소프트웨어를 저장할 수 있는 것으로, 휘발성 또는 비휘발성 기록 매체를 포함할 수 있다.
예를 들어, 메모리(130)는 프레임 시간에 따른 속도 값 패턴, 획득한 속도 값 데이터, 슬라이딩 윈도우 알고리즘 등 프로세서(140)에서 필요한 알고리즘 및 데이터를 저장할 수 있다.
메모리(130)는 하나 이상의 프로세서(140)와 전기적 또는 내부 통신 인터페이스로 연결되고, 프로세서(140)에 의해 실행될 때, 프로세서(140)로 하여금 객체 이동 모니터링 장치(100)를 제어하도록 야기하는(cause) 코드들을 저장할 수 있다.
여기서, 메모리(130)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media) 등의 비 일시적 저장매체이거나 램(RAM) 등의 일시적 저장매체를 포함할 수 있으나, 본 개시의 범위가 이에 한정되는 것은 아니다. 이러한 메모리(130)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD. CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
그리고, 메모리(130)에는 상술한 바와 같이, 본 개시에 따른 학습을 수행하기 위한 알고리즘에 관련된 정보가 저장될 수 있다. 그 밖에도 본 개시의 목적을 달성하기 위한 범위 내에서 필요한 다양한 정보가 메모리(130)에 저장될 수 있으며, 메모리(130)에 저장된 정보는 서버 또는 외부 장치로부터 수신되거나 사용자에 의해 입력됨에 따라 갱신될 수도 있다.
프로세서(140)는 객체 이동 모니터링 장치(100)의 전반적인 동작을 제어할 수 있다. 구체적으로, 프로세서(140)는 메모리(130)를 포함하는 객체 이동 모니터링 장치(100)의 구성과 연결되며, 메모리(130)에 저장된 적어도 하나의 명령을 실행하여 객체 이동 모니터링 장치(100)의 동작을 전반적으로 제어할 수 있다.
프로세서(140)는 다양한 방식으로 구현될 수 있다. 예를 들어, 프로세서(140)는 주문형 집적 회로(Application Specific Integrated Circuit, ASIC), 임베디드 프로세서, 마이크로 프로세서, 하드웨어 컨트롤 로직, 하드웨어 유한 상태 기계(Hardware Finite State Machine, FSM), 디지털 신호 프로세서(Digital Signal Processor, DSP) 중 적어도 하나로 구현될 수 있다.
프로세서(140)는 일종의 중앙처리장치로서 메모리(130)에 탑재된 제어 소프트웨어를 구동하여 객체 이동 모니터링 장치(100)의 동작을 제어할 수 있다. 프로세서(140)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령어로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다.
도 6은 일 실시 예에 따른 프로세서의 신호처리 및 데이터 처리를 설명하기 위해 개략적으로 나타낸 블록도이다.
일 실시 예의 프로세서(140)는, 크게 신호처리 알고리즘과 데이터 처리 알고리즘으로 나누어 구성될 수 있다.
신호처리 알고리즘은 DC 제거, 푸리에 변환, 크기 계산, 최대값 선택 과정으로 구성될 수 있다.
프로세서(140)는 DC 제거 과정에서 ADC(Analog-to-digital converter)를 통해 수신된 복소신호 I 및 Q의 DC 값의 평균을 취한 다음 원 데이터에서 평균값을 빼서 DC 성분을 제거할 수 있다.
그리고 프로세서(140)는 푸리에 변환 과정에서 I와 Q 신호를 이용하여, 푸리에 변환을 통해 주파수 프로파일을 생성할 수 있다.
또한 프로세서(140)는 크기 계산 과정에서 푸리에 변환을 통해 추출된 복소신호의 절대값을 계산하여 도플러 주파수 크기 스펙트럼을 생성할 수 있다.
그리고 프로세서(140)는 최대값 선택 과정에서 도플러 주파수 크기 스펙트럼에서 가장 큰 값의 도플러 주파수를 찾아내고, 이에 상응하는 속도 값을 계산하여 FIFO 메모리에 저장할 수 있다.
데이터 처리 알고리즘은 FIFO 메모리, 이동 경로 학습기, 학습 DB 메모리, 슬라이드 윈도우잉, 특징벡터 추출기, 이동 경로 추정기를 포함하여 구성될 수 있다.
FIFO 메모리(First-In, First-Out Memory)는 입력되는 데이터를 입력된 순서대로 임시 저장하고 이를 읽어서 순서대로 처리하기 위한 버퍼로 사용될 수 있다. FIFO 메모리는 메모리(130)에 포함되거나 별도로 구성될 수 있다.
따라서, 프로세서(140)는 신호처리 알고리즘을 통해 추출된 최대 크기를 가지는 산란점에 해당하는 속도 값을 FIFO 메모리에 프레임 순서대로 저장할 수 있다. 이때, FIFO 메모리의 크기는 후술하는 윈도우의 크기보다 클 수 있다.
이동 경로 학습기는 객체가 나가고 들어올 때, 프레임 시간에 따른 속도 값 패턴을 학습하기 위한 것으로, 프로세서(140)는 프레임 시간에 따른 속도 값 패턴을 기반으로 이동 경로 모니터링을 위한 8 가지 파라미터를 설정할 수 있다. 이러한 프레임 시간에 따른 속도 값 패턴 및 8 가지 파라미터들은 학습 DB 메모리에 저장될 수 있다. 학습 DB 메모리는 메모리(130)에 포함되거나 별도로 구성될 수 있다.
일 실시 예에서, 도플러 레이더를 특정공간에 설치한 후, 객체 이동 모니터링 장치(100)의 최초 구동에 따른 초기화를 수행하고, 초기화가 완료되면 대기 상태를 유지하게 되는데, 이때 객체 이동 모니터링을 위한 사용자 설정이 필요한 경우, 대기 상태에서 사용자 설정을 위한 학습 상태로 전환하여, 프레임 시간에 따른 속도 값 패턴을 학습할 수 있다.
즉, 일 실시 예에서는, 객체 이동 모니터링 장치(100)를 이용하는 사용자에 따라, 이동 경로 학습기에서 학습한 프레임 시간에 따른 속도 값 패턴을 기반으로, 이동 경로 모니터링을 위한 8 가지 파라미터가 설정되어, 상기 사용자의 이동을 모니터링 할 수 있도록 한다.
예를 들어, 학습 상태에서는, 서비스를 받을 사용자가 방에서 나갔다 들어오는 동작을 설정 횟수 반복하도록 한 후, 속도 값을 획득하여 저장할 수 있다. 이때, 일 실시 예에서는, 사용자가 평소 걷는 가장 느린 속도로 방에서 나갔다 들어오는 동작을 수행할 수 있도록 하고, 밖에 나가서 바로 다시 들어올 수 있도록 메시지를 출력하여, 학습 정확도를 향상시킬 수 있다. 일 실시 예에서, 사용자가 밖에 나가서 바로 들어오게(가장 최소의 시간을 머물게 하고 들어오게) 하는 이유는 나갔을 때의 최소 시간을 파악하기 위함이다.
다만, 일 실시 예에서는, 이에 한정되지 않고, 초기화 후 학습 상태에서가 아니라 사용자가 서비스를 제공받는 과정에서도 학습(파라미터 설정)이 수행되도록 할 수 있으며, 또한 별도의 학습 과정 없이 설계 단계 등에서 사전에 설정된 설정사항 및 파라미터가 적용될 수도 있다.
도 7은 일 실시 예에 따른 패턴 학습을 설명하기 위한 도면이다.
도 7에 도시된 바와 같이, 프로세서(140)는 FIFO 메모리에 프레임 순서대로 저장된 속도 값을 획득하여, 프레임 시간에 따른 속도 값 패턴을 학습할 수 있다.
일 실시 예에서, 도 7은 도플러 레이더를 이용하여 실내에서 사람이 나갔다가 들어오는 상황을 총 3번 반복했을 때 레이더 속도 출력의 예를 나타낸다. 여기서, X축은 프레임 번호이고 Y축은 속도이다.
'나가는 중' 구간을 보면, 대부분의 속도가 (+)로 나타남을 알 수 있는데, 이는 레이더로부터 사람이 멀어지고 있는 것이다. 순간적으로 (-) 속도가 일부 나오는 것은 문을 당겨서 열었기 때문이다.
'들어옴' 구간을 보면, 대부분의 속도가 (-)로 나타남을 알 수 있다. 그리고 '문 밖' 구간 및 '움직임 없음' 구간에서는 모든 속도가 0으로 나타남을 알 수 있다.
즉, 일 실시 예에서는, 도 7에 도시된 바와 같은, 특정 공간에서 객체가 나가는 속도 값 패턴 및 특정 공간에 객체가 들어오는 속도 값 패턴을 학습 및/또는 결정할 수 있다.
도 8은 일 실시 예에 따른 패턴 기반 파라미터 설정을 설명하기 위한 도면이다.
도 8을 참조하면, 프로세서(140)는 상기와 같은 프레임 시간에 따른 속도 값 패턴을 기반으로, 슬라이딩 윈도우 알고리즘을 수행하기 위한 8 가지 파라미터를 학습할 수 있다.
먼저 윈도우의 크기를 설정할 수 있는데, 나가는 상황을 감지하기 위한 제1 윈도우의 제1 서브 윈도우(Zero Out, ZO) 크기(Wzero_out) 및 제2 서브 윈도우(Move Out, MO) 크기(Wmove_out)와, 들어오는 상황을 감지하기 위한 제2 윈도우의 제3 서브 윈도우(Move In, MI) 크기(Wmove_in) 및 제4 서브 윈도우(Zere In, ZI) 크기(Wzero_in)를 설정할 수 있다.
여기서, 제1 윈도우는 제1 서브 윈도우(ZO) 및 제1 서브 윈도우(ZO)에 후행하는 제2 서브 윈도우(MO)를 포함할 수 있다. 예를 들어, 제1 윈도우는 특정 공간에서 객체가 나가는 속도 값 패턴을 기반으로 기 설정된 제2 서브 윈도우(MO) 크기(Wmove_out) 및 제1 서브 윈도우(ZO) 크기(Wzero_out)를 합한 윈도우 크기로 구성될 수 있다.
또한, 제2 윈도우는 제3 서브 윈도우(MI) 및 제3 서브 윈도우(MI)에 후행하는 제4 서브 윈도우(ZI)를 포함할 수 있다. 예를 들어, 제2 윈도우는 특정 공간에 객체가 들어오는 속도 값 패턴에 기반하여 기 설정된 제3 서브 윈도우(MI) 크기(Wmove_in) 및 제4 서브 윈도우(ZI) 크기(Wzero_in)를 합한 윈도우 크기로 구성될 수 있다.
이러한 윈도우의 크기는 도플러 레이더가 설치된 특정공간의 크기와 이동하는 객체의 속도에 따라 다르게 정해질 수 있다.
도 8(a)는 도 7의 '나가는 중' 구간 및 '문 밖' 구간의 평균 값을 나타낸 것으로, 프로세서(140)는 상기 평균 값을 기반으로 제2 서브 윈도우(MO) 크기(Wmove_out) 및 제1 서브 윈도우(ZO) 크기(Wzero_out)를 설정할 수 있다.
그리고 도 8(b)는 도 7의 '문 밖' 구간 및 '들어옴' 구간의 평균 값을 나타낸 것으로, 프로세서(140)는 상기 평균 값을 기반으로 제3 서브 윈도우(MI) 크기(Wmove_in) 및 제4 서브 윈도우(ZI) 크기(Wzero_in)를 설정할 수 있다.
또한, 프로세서(140)는 나가는 상황을 감지하기 위해 설정한 제2 서브 윈도우(MO)에서의 특징벡터를 추출할 수 있도록 기준 값을 설정할 수 있는데, 나가는 상황에서의 양(+)의 속도 값을 기반으로, 제2 서브 윈도우(MO) 내 양의 속도 개수의 기준 값(Xout) 및 제2 서브 윈도우 내 속도 합의 기준 값(Yout)을 설정할 수 있다.
그리고 프로세서(140)는 들어오는 상황을 감지하기 위해 설정한 제3 서브 윈도우(MI)에서의 특징벡터를 추출할 수 있도록 기준 값을 설정할 수 있는데, 들어오는 상황에서의 음(-)의 속도 값을 기반으로, 제3 서브 윈도우(MI) 내 음의 속도 개수의 기준 값(Xin) 및 제3 서브 윈도우 내 속도 합의 기준 값(Yin)을 설정할 수 있다.
즉, 일 실시 예에서는, 도 8(a) 및 도 8(b)에 도시된 바와 같이, 슬라이딩 윈도우 알고리즘을 수행하기 위해, 총 2개의 윈도우를 사용할 수 있다.
일 실시 예에서, Wmove_out의 크기를 가지는 제2 서브 윈도우(MO)는 양의 속도가 발생했는지를 확인하기 위한 윈도우이며, Wzero_out의 크기를 가지는 제1 서브 윈도우(ZO)는 객체가 완전히 밖으로 나간 건지 확인하기 위한 윈도우이다.
그리고 일 실시 예에서, Wmove_in의 크기를 가지는 제3 서브 윈도우(MI) 음의 속도가 발생했는지를 확인하기 위한 윈도우이며, Wzero_in의 크기를 가지는 제4 서브 윈도우(ZI)는 객체가 완전히 밖으로 나가있는 상태인 건지 확인하기 위한 윈도우이다.
즉 일 실시 예에서는, 2 개의 윈도우를 합친 전체 윈도우(제1 윈도우 또는 제2 윈도우)를 사용하여, 슬라이딩 윈도우 알고리즘을 수행할 수 있다.
이때, 제1 윈도우는 객체가 특정공간을 나가는 상황을 감지하기 위해 제1 서브 윈도우(ZO) 및 제2 서브 윈도우(MO) 순서로 설정될 수 있으며, 제2 윈도우는 객체가 특정공간에 들어오는 상황을 감지하기 위해 제3 서브 윈도우(MI) 및 제4 서브 윈도우(ZI) 순서로 설정될 수 있다.
한편, 일 실시 예에서는, 객체의 속도 값 패턴에 기반하여 제4 서브 윈도우(ZI)와 제1 서브 윈도우(ZO)의 크기가 동일한 경우, 제2 윈도우는 제1 윈도우에 선행하고 제4 서브 윈도우(ZI)와 제1 서브 윈도우(ZO)는 서로 오버래핑될 수 있다. 즉, 전체 윈도우 크기는 제2 윈도우, 제1 서브 윈도우(또는 제4 서브 윈도우) 및 제1 윈도우를 포함하는 크기를 의미할 수 있다.
즉, 프로세서(140)는 3 개의 서브 윈도우를 합친 전체 윈도우를 이용하여 슬라이딩 윈도우 알고리즘을 수행함으로써, 객체가 나가는 경우와 들어오는 경우를 각각 감지할 수 있다.
도 9는 일 실시 예에 따른 슬라이딩 윈도우 알고리즘을 설명하기 위한 예시도이고, 도 10은 일 실시 예에 따른 움직임 없는 상태에 대한 윈도우의 크기가 동일할 때의 슬라이딩 윈도우 알고리즘을 설명하기 위한 예시도이다.
도 9 및 도 10을 참조하면, 프로세서(140)는 슬라이딩 윈도우 알고리즘을 수행하여, 특징벡터를 추출할 수 있다.
즉 프로세서(140)는 특징벡터 추출기를 통해, 제2 서브 윈도우(MO)와 제3 서브 윈도우(MI)에서는 속도의 분포, 제1 서브 윈도우(ZO)와 제4 서브 윈도우(ZI)에서는 모두 0인지를 기반으로, 나가는 상황에 대한 제1 특징벡터(Zout) 및 들어오는 상황에 대한 제2 특징벡터(Zin)를 추출할 수 있다.
표 1은 특정공간에서 객체가 밖으로 나가는 상황을 판단하기 위한 경우의 수를 나타낸 것이다.
프로세서(140)는 제1 윈도우를 일련의 속도 값 상에서 슬라이딩하면서 특정 공간에서 객체가 나가는 속도 값 패턴에 기반하여 객체가 특정공간을 나가는 상황을 감지하기 위한 제1 특징벡터(Zout)를 추출할 수 있다.
이때, 프로세서(140)는 제1 서브 윈도우(ZO) 내의 속도 합을 나타내는 제1 특징 값, 제2 서브 윈도우(MO) 내의 속도 합이 제2 서브 윈도우 내 속도 합의 기준 값(Yout) 이상인 지를 나타내는 제2 특징 값, 및 제2 서브 윈도우(MO) 내의 양(+)의 속도의 개수가 제2 서브 윈도우(MO) 내 양의 속도 개수의 기준 값(Xout) 이상인 지를 나타내는 제3 특징 값에 기반하여 제1 특징벡터(Zout)를 결정할 수 있다.
표 1을 참조하면, 프로세서(140)는 제1 서브 윈도우(ZO)에서의 속도 합이 0이고, 제2 서브 윈도우(MO)에서의 속도 합이 0인 경우, 어떠한 움직이는 객체도 존재하지 않는 다고 판단할 수 있으며, 제1 특징벡터(Zout)를 0으로 추출할 수 있다.
그리고 프로세서(140)는 제2 윈도우(ZO)에서의 속도 합이 0이고, 제1 윈도우(MO)에서의 속도 합이 제1 윈도우 내 속도 합의 기준 값(Yout) 이상이면서, 이때 제1 윈도우(MO)에서의 양의 속도의 개수가 제1 윈도우(MO) 내 양의 속도 개수의 기준 값(Xout) 이상이면, 객체가 밖으로 나갔다고 판단할 수 있으며, 나가는 상황에서의 특징벡터(Zout)를 2로 추출할 수 있다.
반면, 프로세서(140)는 상기의 조건에 해당하지 않는 경우, 객체가 탐지되기는 하였으나, 아직 나갔다고 볼 수 없는 경우라고 판단할 수 있으며, 제1 특징벡터(Zout)를 1로 추출할 수 있다.
도 9(a)는 표 1을 기반으로, 특정공간에서 객체가 밖으로 나간 경우를 감지하기 위한 슬라이딩 윈도우 알고리즘을 설명하기 위한 것이다.
예를 들어, 제2 서브 윈도우(MO)의 크기는 4, 제1 서브 윈도우(ZO)의 크기는 3, 제2 서브 윈도우(MO) 내 양의 속도 개수의 기준 값(Xout)은 3개, 제2 서브 윈도우 내 속도 합의 기준 값(Yout)은 0보다 큰 적당한 값으로 설정될 수 있다.
프로세서(140)는 첫 번째 윈도우(1)에서 아직 제1 서브 윈도우(ZO)의 속도 합이 0이 아니므로, 움직이는 객체가 있다고 판단할 수 있으며, 제1 특징벡터(Zout)를 1로 결정할 수 있다.
그리고 프로세서(140)는 윈도우를 1칸 슬라이딩한 후(2), 전체 윈도우(제1 윈도우) 내 속도 값이 여전히 기 설정한 조건을 만족시키지 못하므로, 움직이는 객체가 있다고 판단할 수 있으며, 제1 특징벡터(Zout)를 1로 결정할 수 있다.
다음으로, 프로세서(140)는 윈도우를 1칸 슬라이딩한 후(3), 기 설정한 조건을 만족시킴을 확인하여, 객체가 특정공간에서 나갔다고 판단할 수 있으며, 제1 특징벡터(Zout)를 2로 결정할 수 있다.
그 후, 프로세서(140)는 제1 윈도우 크기인 7만큼 슬라이딩할 수 있다. 이는 기 설정한 조건을 만족한 후에는 해당 데이터를 더 이상 확인할 필요가 없기 때문이다. 이때, 프로세서(140)는 제1 윈도우의 속도 값이 0이므로 움직이는 객체가 없다고 판단할 수 있으며, 제1 특징벡터(Zout)를 0으로 결정할 수 있다.
표 2는 특정공간에 객체가 안으로 들어온 상황을 판단하기 위한 경우의 수를 나타낸 것이다.
프로세서(140)는 제2 윈도우를 일련의 속도 값 상에서 슬라이딩하면서 특정 공간에 객체가 들어오는 속도 값 패턴에 기반하여 객체가 특정공간에 들어오는 상황을 감지하기 위한 제2 특징벡터(Zin)를 추출할 수 있다.
이때, 프로세서(140)는 제4 서브 윈도우(ZI) 내의 속도 합을 나타내는 제4 특징 값, 제3 서브 윈도우(MI) 내의 속도 합이 제3 서브 윈도우 내 속도 합의 기준 값(Yin) 이상인 지를 나타내는 제5 특징 값, 및 제3 서브 윈도우(MI) 내의 음(-)의 속도의 개수가 제3 서브 윈도우(MI) 내 음의 속도 개수의 기준 값(Xin) 이상인 지를 나타내는 제6 특징 값에 기반하여 제2 특징벡터(Zin)를 결정할 수 있다.
표 2를 참조하면, 프로세서(140)는 제4 서브 윈도우(ZI)에서의 속도 합이 0이고, 제3 서브 윈도우(MI)에서의 속도 합이 0인 경우, 어떠한 움직이는 객체도 존재하지 않는다고 판단할 수 있으며, 제2 특징벡터(Zin)를 0으로 추출할 수 있다.
그리고 프로세서(140)는 제4 서브 윈도우(ZI)에서의 속도 합이 0이고, 제3 서브 윈도우(MI)에서의 속도 합이 제3 서브 윈도우(MI) 내 속도 합의 기준 값(Yin) 이상이면서, 이때 제3 서브 윈도우(MI)에서의 음의 속도의 개수가 제3 서브 윈도우(MI) 내 음의 속도 개수의 기준 값(Xin) 이상이면, 객체가 안으로 들어왔다고 판단할 수 있으며, 제2 특징벡터(Zin)를 2로 추출할 수 있다.
반면, 프로세서(140)는 상기의 조건에 해당하지 않는 경우, 객체가 탐지되기는 하였으나, 아직 들어왔다고 볼 수 없는 경우라고 판단할 수 있으며, 제2 특징벡터(Zin)를 1로 추출할 수 있다.
도 9(b)는 표 2를 기반으로, 특정공간에서 객체가 안으로 들어온 경우를 감지하기 위한 슬라이딩 윈도우 알고리즘을 설명하기 위한 것이다.
예를 들어, 제3 서브 윈도우(MI)의 크기는 4, 제4 서브 윈도우(ZI)의 크기는 3, 제3 서브 윈도우(MI) 내 음의 속도 개수의 기준 값(Xin)은 3개, 제3 서브 윈도우(MI) 내 속도 합의 기준 값(Yin)은 0보다 적은 적당한 값으로 설정될 수 있다.
프로세서(140)는 첫 번째 윈도우(1)에서 전체 윈도우(제2 윈도우)의 속도 값이 0이므로, 움직이는 객체가 없다고 판단할 수 있으며, 제2 특징벡터(Zin)를 0으로 결정할 수 있다.
그리고 프로세서(140)는 윈도우를 1칸 슬라이딩 한 후(2), 제2 윈도우 내 속도 값이 기 설정한 조건을 만족시키지 못하므로, 제2 특징벡터(Zin)를 1로 결정할 수 있다.
프로세서(140)는 제2 윈도우 내 속도 값이 기 설정한 조건을 만족할 때까지 윈도우를 1칸씩 슬라이딩할 수 있다(3).
다음으로 프로세서(140)는 제2 윈도우 내 속도 값이 기 설정한 조건을 만족시키는 경우(4), 객체가 특정공간에 들어온 것으로 판단할 수 있으며, 제2 특징벡터(Zin)를 2로 결정할 수 있다.
그 후, 프로세서(140)는 제2 윈도우 크기인 7만큼 슬라이딩할 수 있다. 이는, 상술한 나가는 상황에서의 이유와 동일하다. 이때, 프로세서(140)는 제2 윈도우의 속도 값이 0이므로 움직이는 객체가 없다고 판단할 수 있으며, 제2 특징벡터(Zin)를 0으로 결정할 수 있다.
도 11은 일 실시 예에 따른 이동 상태 기반 이동 경로 추정을 설명하기 위한 도면이고, 도 12는 일 실시 예에 따른 시나리오별 이동 상태 기반 이동 경로 추정을 설명하기 위한 예시도이다.
프로세서(140)는 이동경로 추정기를 통해 제1 특징벡터(Zout) 및 제2 특징벡터(Zin)를 기반으로 객체의 이동 상태를 판단할 수 있다.
일 실시 예에서, 객체의 이동 상태는 초기화 상태, 대기 상태, 학습 상태, 나가는 상태, 들어온 상태, 움직임 상태를 포함할 수 있다. 특히, 프로세서(140)는 특징벡터에 기반하여 객체의 이동 상태를 움직임이 없는 대기 상태, 움직임 상태, 특정 공간에서 나가는 상태 및 객체가 특정 공간에 들어오는 상태 중 하나로 판단할 수 있다.
일 실시 예에서는, 나가는 상태 및 들어온 상태일 경우에는 객체가 특정공간에서 나간 것 또는 들어온 것으로 판단하여 사용자에게 정보를 제공할 수 있다.
한편, 객체(사람)의 움직임이 무작위이기 때문에 경우에 따라서는 실제 객체의 움직임이 학습된 프레임 시간에 따른 속도 값 패턴과 맞지 않을 수 있다. 이에, 일 실시 예에서는, 움직임 상태로 판단하여, 어떠한 객체가 특정공간 내에서 움직이고 있다는 정보를 제공할 수 있다.
아울러 일 실시 예에서는, 단일 객체가 아닌 다중 객체가 존재할 경우 대부분 움직임 상태에 머물 확률이 높기 때문에, 단일 객체에 대해서만 적용하는 것이 바람직할 것이다. 다만 실시 예에 따라서, 딥러닝 등을 활용하여 다중 객체에 대한 패턴을 학습하여 다중 객체가 존재하는 경우에 대해서도 적용 가능할 수 있다.
도 11을 참조하여, 이동 경로 추정에 대해 설명하면, 일 실시 예에서, 프로세서(140)는 전원이 온 되면, 초기화 상태(a)에서 초기화를 진행하고 초기화가 완료되면 대기 상태(b)를 유지할 수 있다.
그리고 프로세서(140)는 학습 명령에 따라 학습 상태(c)에 진입하여 객체 모니터링을 위한 설정 및 파라미터 등을 학습 진행하고, 학습이 완료되면 다시 대기 상태(b)를 유지할 수 있다.
프로세서(140)는 대기 상태(b)에서 제1 특징벡터(Zout)가 2로 추출되면 객체가 특정공간에서 나가는 상태(d)라고 판단할 수 있으며, 제1 특징벡터(Zout)가 2로 추출되면 계속 나가는 상태(d)를 유지할 수 있다. 그리고 프로세서(140)는 나가는 상태(d)에서 제1 특징벡터(Zout)가 0으로 추출되면 대기 상태(b)로 전환하고, 제1 특징벡터(Zout)가 1로 추출되면 움직임 상태(f)로 판단할 수 있다.
반면, 프로세서(140)는 대기 상태(b)에서 제2 특징벡터(Zin)가 2로 추출되면 객체가 특정공간으로 들어온 상태(e)라고 판단할 수 있으며, 제2 특징벡터(Zin)가 2로 추출되면 계속 들어온 상태(e)를 유지할 수 있다. 그리고 프로세서(140)는 들어온 상태(e)에서 제2 특징벡터(Zin)가 0으로 추출되면 대기 상태(b)로 전환하고, 제2 특징벡터(Zin)가 1로 추출되면 움직임 상태(f)로 판단할 수 있다.
프로세서(140)는 움직임 상태(f)에서는, 제1 특징벡터(Zout) 또는 제2 특징벡터(Zin)가 1로 추출되면 계속 움직임 상태(f)를 유지할 수 있다. 그리고 프로세서(140)는 움직임 상태(f)에서 제1 특징벡터(Zout)가 2로 추출되면 나가는 상태(d)로 판단하고, 제2 특징벡터(Zin)가 2로 추출되면 들어온 상태(e)로 판단할 수 있다. 또한 프로세서(140)는 상기 움직임 상태(f)에서 추출된 특징벡터 외의 특징벡터가 추출되면 대기 상태(b)로 전환할 수 있다.
한편, 프로세서(140)는 대기 상태(b)에서 제1 특징벡터(Zout) 또는 제2 특징벡터(Zin)가 1로 추출되면, 움직임 상태(f)로 판단할 수 있다.
일 실시 예에서, 도 12(a)는 전원이 온 되고 난 후 별도의 학습 없이 디폴트(default)로 대기 상태에 진입하는 경우를 나타낸다. 즉, 프로세서(140)는 전원이 온 되면 초기화 상태(a)에서 초기화를 진행하고 초기화가 완료되면 대기 상태(b)를 유지할 수 있다.
이는, 기 학습된 설정사항 및 파라미터 등이 저장되어 있는 경우나 별도 학습이 필요 없는 상황일 수 있으며, 또는 학습은 사용자의 별도 요청에 의해 수행될 수 있어 초기화 후 바로 학습이 진행되는 것이 아니라 대기 상태에 있는 상황일 수 있다.
일 실시 예에서, 도 12(b)는 전원이 온 되고 난 후 별도의 학습 과정을 거친 후 대기 상태에 진입하는 경우를 나타낸다. 즉, 프로세서(140)는 전원이 온 되면 초기화 상태(a)에서 초기화를 진행하고 초기화가 완료되면 대기 상태(b)에서 바로 학습 상태(c)로 진입하여 학습을 진행한 후 대기 상태(b)를 유지할 수 있다.
또한 일 실시 예에서, 도 12(c)는 객체가 특정공간에서 가만히 있는 대기 상태에 있다가, 특정공간에서 나간 후 설정시간 후에 다시 특정공간으로 들어와서 움직이고 있는 경우를 나타낸다.
즉, 프로세서(140)는 객체의 이동 상태를 판단한 결과, 대기 상태(b), 나가는 상태(d), 대기 상태(b), 들어온 상태(e) 및 움직임 상태(f)의 순서로 판단되면, 객체가 특정공간 내에 있으나 가만히 움직임이 없는 상태에 있다가 특정공간에서 나간 후 한참이 흐른 후에 다시 특정공간으로 들어와서 움직이고 있다고 객체의 이동경로를 추정할 수 있다.
또한 일 실시 예에서, 도 12(d)는 현재 특정공간 내에 객체가 없는 대기 상태에서, 객체가 특정공간으로 들어와서 설정시간 이상 움직이다가 다시 특정공간에서 나간 경우를 나타낸다.
즉, 프로세서(140)는 객체의 이동 상태를 판단할 결과, 대기 상태(b), 들어온 상태(e), 움직임 상태(f), 나가는 상태(d) 및 대기 상태(b)의 순서로 판단되면, 객체가 특정공간으로 들어와서 한참 동안 움직이다가 특정공간에서 나갔다고 객체의 이동경로를 추정할 수 있다.
도 13은 일 실시 예에 따른 객체 이동 모니터링 방법을 설명하기 위한 흐름도이다.
도 13을 참조하면, S100단계에서, 프로세서(140)는 기준 신호에 대한 객체의 반사 신호를 레이더 전단 센서로부터 수신하고, 수신된 반사 신호로부터 객체의 속도 값을 산출한다.
일 실시 예에서, 레이더 전단 센서는 객체가 특정공간에서 나가는 위치를 바라보는 방향으로 설치될 수 있다. 예를 들어, 각도는 상관 없이 문을 바라보는 방향으로 설치될 수 있으며, 침대 위 등에 설치될 수 있다.
한편, 일 실시 예에서, 프로세서(140)는 객체 이동 모니터링을 위한 사용자 설정 학습 상태에서 프레임 시간에 따른 속도 값 패턴을 결정할 수 있다.
이때, 프로세서(140)는 특정 공간에서 객체가 나가는 상황에서의 일련의 속도 값들을 획득하여 프레임 시간 순서대로 저장하고, 특정 공간에 객체가 들어오는 상황에서의 일련의 속도 값들을 획득하여 프레임 시간 순서대로 저장할 수 있다.
그리고 프로세서(140)는 나가는 상황에서의 일련의 속도 값들 및 들어오는 상황에서의 일련의 속도 값들 각각의 평균 값을 기반으로, 윈도우 크기, 윈도우 내 속도 개수 기준 값 및 윈도우 내 속도 합의 기준 값을 각각 설정할 수 있다.
예를 들어, 프로세서(140)는 나가는 상황에서의 양(+)의 속도 값을 기반으로, 제2 서브 윈도우(MO) 크기(Wmove_out) 및 제1 서브 윈도우(ZO) 크기(Wzero_out)와, 제2 서브 윈도우(MO) 내 양의 속도 개수의 기준 값(Xout) 및 제2 서브 윈도우 내 속도 합의 기준 값(Yout)을 설정할 수 있다.
그리고 프로세서(140)는 들어오는 상황에서의 음(-)의 속도 값을 기반으로, 제3 서브 윈도우(MI) 크기(Wmove_in) 및 제4 서브 윈도우(ZI) 크기(Wzero_in)와, 제3 서브 윈도우(MI) 내 음의 속도 개수의 기준 값(Xin) 및 제3 서브 윈도우 내 속도 합의 기준 값(Yin)을 설정할 수 있다.
이때, 제2 서브 윈도우(MO) 및 제1 서브 윈도우(ZO)는, 객체가 특정 공간에서 나간 후 움직임이 감지되지 않는 상황에서의 프레임 시간에 따른 속도 값 패턴을 기반으로 설정될 수 있으며, 제3 서브 윈도우(MI) 및 제4 서브 윈도우(ZI)는, 객체가 특정공간의 외부에 있어 움직임이 감지되지 않다가 특정공간으로 들어오는 상황에서의 프레임 시간에 따른 속도 값 패턴을 기반으로 설정될 수 있다.
S200단계에서, 프로세서(140)는 프레임 시간에 따른 속도 값 패턴을 기반으로 특정 공간에서 객체의 출입과 연계된 이동 상태를 판단한다.
이때, 프로세서(140)는 객체의 일련의 속도 값을 프레임 시간 순서대로 저장하고, 일련의 속도 값 상에서 윈도우를 프레임 시간 순서로 슬라이딩하면서 속도 값 패턴에 기반하여 윈도우 내 속도 값의 특징벡터를 추출하며, 특징벡터를 기반으로 객체의 이동 상태를 판단할 수 있다.
일 실시 예에서는, 이동 상태가 특정 공간에서 객체가 나가는 상태 또는 특정 공간으로 객체가 들어오는 상태로 판단될 때까지 윈도우를 한 칸씩 슬라이딩할 수 있다. 그리고 일 실시 예에서는, 객체가 특정 공간에서 나가는 상태 또는 특정 공간으로 객체가 들어오는 상태로 판단된 경우 윈도우의 크기만큼 윈도우를 슬라이딩할 수 있다.
예를 들어, 프로세서(140)는 나가는 상황에서의 제1 특징벡터(Zout) 또는 들어오는 상황에서의 제2 특징벡터(Zin)가 2로 추출될 때까지 전체 윈도우(제1 윈도우 또는 제2 윈도우)를 한 칸씩 슬라이딩할 수 있다. 이때, 제1 특징벡터(Zout) 또는 제2 특징벡터(Zin)가 2로 추출되면, 프로세서(140)는 전체 윈도우 크기만큼 슬라이딩할 수 있다.
여기서, 전체 윈도우 크기는, 제1 서브 윈도우(ZO) 및 제2 서브 윈도우(MO)를 포함하는 제1 윈도우의 크기, 또는 제3 서브 윈도우(MI) 및 제4 서브 윈도우(ZI)를 포함하는 제2 윈도우의 크기를 의미할 수 있다.
다만 이에 한정되지 않고, 객체의 속도 값 패턴에 기반하여 제4 서브 윈도우(ZI)와 제1 서브 윈도우(ZO)의 크기가 동일한 경우, 제2 윈도우는 제1 윈도우에 선행하고 제4 서브 윈도우(ZI)와 제1 서브 윈도우(ZO)는 서로 오버래핑될 수 있다. 즉, 전체 윈도우 크기는 제2 윈도우, 제1 서브 윈도우(또는 제4 서브 윈도우) 및 제1 윈도우를 포함하는 크기를 의미할 수 있다.
프로세서(140)는 제1 윈도우를 일련의 속도 값 상에서 슬라이딩하면서 특정 공간에서 객체가 나가는 속도 값 패턴에 기반하여 객체가 특정공간을 나가는 상황을 감지하기 위한 제1 특징벡터(Zout)를 추출할 수 있다.
여기서, 제1 윈도우는 제1 서브 윈도우(ZO) 및 제1 서브 윈도우(ZO)에 후행하는 제2 서브 윈도우(MO)를 포함할 수 있다. 예를 들어, 제1 윈도우는 특정 공간에서 객체가 나가는 속도 값 패턴을 기반으로 기 설정된 제2 서브 윈도우(MO) 크기(Wmove_out) 및 제1 서브 윈도우(ZO) 크기(Wzero_out)를 합한 윈도우 크기로 구성될 수 있다.
이때, 프로세서(140)는 제1 서브 윈도우(ZO) 내의 속도 합을 나타내는 제1 특징 값, 제2 서브 윈도우(MO) 내의 속도 합이 제2 서브 윈도우 내 속도 합의 기준 값(Yout) 이상인 지를 나타내는 제2 특징 값, 및 제2 서브 윈도우(MO) 내의 양(+)의 속도의 개수가 제2 서브 윈도우(MO) 내 양의 속도 개수의 기준 값(Xout) 이상인 지를 나타내는 제3 특징 값에 기반하여 제1 특징벡터(Zout)를 결정할 수 있다.
즉, 프로세서(140)는 제2 서브 윈도우(MO) 내 양의 속도의 분포 및 제1 서브 윈도우(ZO) 내 속도 합이 0인지 여부에 기초하여 나가는 상황에서의 제1 특징벡터(Zout)를 추출할 수 있다.
예를 들어, 프로세서(140)는 제1 서브 윈도우(ZO) 내의 속도 합이 0이고, 제2 서브 윈도우(MO) 내의 속도 합이 0인 경우, 제1 특징벡터 (Zout)를 0으로 결정할 수 있다. 그리고 프로세서(140)는 제1 서브 윈도우(ZO) 내의 속도 합이 0이고, 제2 서브 윈도우(MO) 내의 속도 합이 제2 서브 윈도우 내 속도 합의 기준 값(Yout) 이상인 경우, 제2 서브 윈도우(MO) 내의 양의 속도의 개수가 제2 서브 윈도우(MO) 내 양의 속도 개수의 기준 값(Xout) 이상이면, 제1 특징벡터(Zout)를 2로 결정할 수 있다. 또한 프로세서(140)는 제1 특징벡터(Zout)가 0 또는 2가 아닌 경우, 제1 특징벡터(Zout)를 1로 결정할 수 있다.
반면, 프로세서(140)는 제2 윈도우를 일련의 속도 값 상에서 슬라이딩하면서 특정 공간에 객체가 들어오는 속도 값 패턴에 기반하여 객체가 특정공간에 들어오는 상황을 감지하기 위한 제2 특징벡터(Zin)를 추출할 수 있다.
여기서, 제2 윈도우는 제3 서브 윈도우(MI) 및 제3 서브 윈도우(MI)에 후행하는 제4 서브 윈도우(ZI)를 포함할 수 있다. 예를 들어, 제2 윈도우는 특정 공간에 객체가 들어오는 속도 값 패턴에 기반하여 기 설정된 제3 서브 윈도우(MI) 크기(Wmove_in) 및 제4 서브 윈도우(ZI) 크기(Wzero_in)를 합한 윈도우 크기로 구성될 수 있다.
이때, 프로세서(140)는 제4 서브 윈도우(ZI) 내의 속도 합을 나타내는 제4 특징 값, 제3 서브 윈도우(MI) 내의 속도 합이 제3 서브 윈도우 내 속도 합의 기준 값(Yin) 이상인 지를 나타내는 제5 특징 값, 및 제3 서브 윈도우(MI) 내의 음(-)의 속도의 개수가 제3 서브 윈도우(MI) 내 음의 속도 개수의 기준 값(Xin) 이상인 지를 나타내는 제6 특징 값에 기반하여 제2 특징벡터(Zin)를 결정할 수 있다.
즉, 프로세서(140)는 제3 서브 윈도우(MI) 내 음의 속도의 분포 및 제4 서브 윈도우(ZO) 내 속도 합이 0인지 여부에 기초하여 들어오는 상황에서의 제2 특징벡터(Zin)를 추출할 수 있다.
예를 들어, 프로세서(140)는 제4 서브 윈도우(ZI) 내의 속도 합이 0이고, 제3 서브 윈도우(MI) 내의 속도 합이 0인 경우, 제2 특징벡터(Zin)를 0으로 결정할 수 있다. 그리고 프로세서(140)는 제4 서브 윈도우(ZI) 내의 속도 합이 0이고, 제3 서브 윈도우(MI) 내의 속도 합이 제3 서브 윈도우 내 속도 합의 기준 값(Yin) 이상인 경우, 제3 서브 윈도우(MI) 내의 음의 속도의 개수가 제3 서브 윈도우(MI) 내 음의 속도 개수의 기준 값(Xin) 이상이면, 제2 특징벡터(Zin)를 2로 결정할 수 있다. 또한, 프로세서(140)는 제2 특징벡터(Zin)가 0 또는 2가 아닌 경우, 제2 특징벡터(Zin)를 1로 결정할 수 있다.
S300단계에서, 프로세서(140)는 객체의 이동 상태를 기반으로, 특정 공간에서 객체의 이동 경로를 모니터링한다.
프로세서(140)는 특징벡터에 기반하여 객체의 이동 상태를 움직임이 없는 대기 상태, 움직임 상태, 특정 공간에서 나가는 상태 및 객체가 특정 공간에 들어오는 상태 중 하나로 판단할 수 있다.
예를 들어, 프로세서(140)는 제1 특징벡터(Zout)가 0으로 추출되면 움직이는 객체가 없는 대기 상태, 1로 추출되면 움직임 상태, 2로 추출되면 객체가 특정공간에서 나가는 상태로 판단할 수 있으며, 제2 특징벡터(Zin)가 0으로 추출되면 움직이는 객체가 없는 대기 상태, 1로 추출되면 움직임 상태, 2로 추출되면 객체가 특정공간에 들어오는 상태로 판단할 수 있다.
이에, 프로세서(140)는 상술한 바와 같이 특징벡터를 기반으로 객체의 현재 이동 상태를 판단한 후, 객체의 이동 상태의 변화에 따라 특정 공간에서 상기 객체의 이동 경로를 추정할 수 있다.
일 실시 예에서는, 객체의 이동 경로 추정 결과를 모니터링할 수 있도록 사용자에게 모니터링 정보를 제공할 수 있으며, 객체가 특정공간에서 나가거나, 객체가 특정공간 내에서 설정시간 이상 움직임이 없는 등 특정 상황 발생 시 알림을 제공받을 수 있도록 설정되어 있는 경우, 해당 상황에서 사용자에게 알릴 수 있다.
따라서, 일 실시 예에서는, 실내공간, 복도, 실외 등에 상관 없이 객체가 해당 공간을 나갔다가 들어오는 상황을 감지할 수 있기 때문에, 비대면으로 출입패턴, 이동 여부 등을 파악할 수 있도록 할 수 있다.
또한, 일 실시 예에서는, 대기 상태가 설정시간 이상 유지되는 상황 등을 감지할 수 있기 때문에, 독거 노인 등 사람이 집에 혼자 방치되는 경우 등을 지정된 사용자에게 알릴 수 있도록 할 수 있다.
이상 설명된 본 개시에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 개시를 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 통상의 기술자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 개시의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 개시에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 개시에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 개시가 한정되는 것은 아니다. 본 개시에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 개시를 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 개시의 범위가 한정되는 것은 아니다. 또한, 통상의 기술자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 개시의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 개시의 사상의 범주에 속한다고 할 것이다.
1 : 객체 이동 모니터링 시스템
100 : 객체 이동 모니터링 장치
110 : 통신부
120 : 인터페이스부
130 : 메모리
140 : 프로세서

Claims (20)

  1. 각 단계의 적어도 일부가 프로세서에 의해 수행되는, 특정 공간에서 객체의 출입과 연계된 객체 이동 모니터링 방법으로서,
    기준 신호에 대한 객체의 반사 신호를 레이더 전단 센서로부터 수신하고, 수신된 상기 반사 신호로부터 상기 객체의 속도 값을 산출하는 단계;
    프레임 시간에 따른 속도 값 패턴을 기반으로 특정 공간에서 상기 객체의 출입과 연계된 이동 상태를 판단하는 단계; 및
    상기 객체의 이동 상태를 기반으로, 상기 특정 공간에서 상기 객체의 이동 경로를 모니터링하는 단계를 포함하는,
    객체 이동 모니터링 방법.
  2. 제 1 항에 있어서,
    상기 이동 상태를 판단하는 단계는,
    상기 객체의 일련의 속도 값을 프레임 시간 순서대로 저장하는 단계;
    상기 일련의 속도 값 상에서 윈도우를 프레임 시간 순서로 슬라이딩하면서 상기 속도 값 패턴에 기반하여 상기 윈도우 내 속도 값의 특징벡터를 추출하는 단계; 및
    상기 특징벡터를 기반으로 상기 객체의 이동 상태를 판단하는 단계를 포함하는,
    객체 이동 모니터링 방법.
  3. 제 2 항에 있어서,
    상기 이동 상태를 판단하는 단계는,
    상기 이동 상태가 상기 특정 공간에서 상기 객체가 나가는 상태 또는 상기 특정 공간으로 상기 객체가 들어오는 상태로 판단될 때까지 상기 윈도우를 한 칸씩 슬라이딩하는 단계; 및
    상기 객체가 상기 특정 공간에서 나가는 상태 또는 상기 특정 공간으로 상기 객체가 들어오는 상태로 판단된 경우 상기 윈도우의 크기 만큼 상기 윈도우를 슬라이딩하는 단계를 포함하는,
    객체 이동 모니터링 방법.
  4. 제 1 항에 있어서,
    객체 이동 모니터링을 위한 사용자 설정 학습 상태에서 상기 프레임 시간에 따른 속도 값 패턴을 결정하는 단계를 더 포함하는,
    객체 이동 모니터링 방법.
  5. 제 4 항에 있어서,
    상기 프레임 시간에 따른 속도 값 패턴을 결정하는 단계는,
    상기 특정 공간에서 상기 객체가 나가는 상황에서의 일련의 속도 값들을 획득하여 프레임 시간 순서대로 저장하는 단계;
    상기 특정 공간에 상기 객체가 들어오는 상황에서의 일련의 속도 값들을 획득하여 프레임 시간 순서대로 저장하는 단계; 및
    상기 나가는 상황에서의 일련의 속도 값들 및 상기 들어오는 상황에서의 일련의 속도 값들 각각의 평균 값을 기반으로, 윈도우 크기, 윈도우 내 속도 개수 기준 값 및 윈도우 내 속도 합의 기준 값을 각각 설정하는 단계를 포함하는,
    객체 이동 모니터링 방법.
  6. 제 2 항에 있어서,
    상기 특징벡터를 추출하는 단계는,
    제1 윈도우를 상기 일련의 속도 값 상에서 슬라이딩하면서 상기 특정 공간에서 상기 객체가 나가는 속도 값 패턴에 기반하여 상기 객체가 상기 특정공간을 나가는 상황을 감지하기 위한 제1 특징벡터를 추출하는 단계; 및
    제2 윈도우를 상기 일련의 속도 값 상에서 슬라이딩하면서 상기 특정 공간에 상기 객체가 들어오는 속도 값 패턴에 기반하여 상기 객체가 상기 특정공간에 들어오는 상황을 감지하기 위한 제2 특징벡터를 추출하는 단계를 포함하는,
    객체 이동 모니터링 방법.
  7. 제 6 항에 있어서,
    상기 제1 윈도우는 제1 서브 윈도우(ZO) 및 상기 제1 서브 윈도우(ZO)에 후행하는 제2 서브 윈도우(MO)를 포함하고,
    상기 제1 특징벡터를 추출하는 단계는,
    상기 제1 서브 윈도우(ZO) 내의 속도 합을 나타내는 제1 특징 값, 상기 제2 서브 윈도우(MO) 내의 속도 합이 상기 제2 서브 윈도우 내 속도 합의 기준 값(Yout) 이상인 지를 나타내는 제2 특징 값, 및 상기 제2 서브 윈도우(MO) 내의 양(+)의 속도의 개수가 상기 제2 서브 윈도우(MO) 내 양의 속도 개수의 기준 값(Xout) 이상인 지를 나타내는 제3 특징 값에 기반하여 상기 제1 특징벡터를 결정하는 단계를 포함하는,
    객체 이동 모니터링 방법.
  8. 제 7 항에 있어서,
    상기 제2 윈도우는 제3 서브 윈도우(MI) 및 상기 제3 서브 윈도우(MI)에 후행하는 제4 서브 윈도우(ZI)를 포함하고,
    상기 제2 특징벡터를 추출하는 단계는,
    상기 제4 서브 윈도우(ZI) 내의 속도 합을 나타내는 제4 특징 값, 상기 제3 서브 윈도우(MI) 내의 속도 합이 상기 제3 서브 윈도우 내 속도 합의 기준 값(Yin) 이상인 지를 나타내는 제5 특징 값, 및 상기 제3 서브 윈도우(MI) 내의 음(-)의 속도의 개수가 상기 제3 서브 윈도우(MI) 내 음의 속도 개수의 기준 값(Xin) 이상인 지를 나타내는 제6 특징 값에 기반하여 상기 제2 특징벡터를 결정하는 단계를 포함하는,
    객체 이동 모니터링 방법.
  9. 제 8 항에 있어서,
    상기 객체의 속도 값 패턴에 기반하여 상기 제4 서브 윈도우(ZI)와 상기 제1 서브 윈도우(ZO)의 크기가 동일한 경우 상기 제2 윈도우는 상기 제1 윈도우에 선행하고 상기 제4 서브 윈도우(ZI)와 상기 제1 서브 윈도우(ZO)는 서로 오버래핑되는,
    객체 이동 모니터링 방법.
  10. 제 2 항에 있어서,
    상기 이동 상태를 판단하는 단계는,
    상기 특징벡터에 기반하여 상기 객체의 이동 상태를 움직임이 없는 대기 상태, 움직임 상태, 특정 공간에서 나가는 상태 및 객체가 특정 공간에 들어오는 상태 중 하나로 판단하는 단계를 포함하고,
    상기 모니터링하는 단계는,
    상기 객체의 이동 상태의 변화에 따라 상기 특정 공간에서 상기 객체의 이동 경로를 추정하는 단계를 포함하는,
    객체 이동 모니터링 방법.
  11. 특정 공간에서 객체의 출입과 연계된 객체 이동 모니터링 장치로서,
    메모리; 및
    상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 하나의 프로세서를 포함하고,
    상기 적어도 하나의 프로세서는,
    기준 신호에 대한 객체의 반사 신호를 레이더 전단 센서로부터 수신하고, 수신된 상기 반사 신호로부터 상기 객체의 속도 값을 산출하는 동작,
    프레임 시간에 따른 속도 값 패턴을 기반으로 특정 공간에서 상기 객체의 출입과 연계된 이동 상태를 판단하는 동작, 및
    상기 객체의 이동 상태를 기반으로, 상기 특정 공간에서 상기 객체의 이동 경로를 모니터링하는 동작을 수행하도록 설정되는,
    객체 이동 모니터링 장치.
  12. 제 11 항에 있어서,
    상기 이동 상태를 판단하는 동작은,
    상기 객체의 일련의 속도 값을 프레임 시간 순서대로 저장하는 동작,
    상기 일련의 속도 값 상에서 윈도우를 프레임 시간 순서로 슬라이딩하면서 상기 속도 값 패턴에 기반하여 상기 윈도우 내 속도 값의 특징벡터를 추출하는 동작, 및
    상기 특징벡터를 기반으로 상기 객체의 이동 상태를 판단하는 동작을 포함하는,
    객체 이동 모니터링 장치.
  13. 제 12 항에 있어서,
    상기 이동 상태를 판단하는 동작은,
    상기 이동 상태가 상기 특정 공간에서 상기 객체가 나가는 상태 또는 상기 특정 공간으로 상기 객체가 들어오는 상태로 판단될 때까지 상기 윈도우를 한 칸씩 슬라이딩하는 동작, 및
    상기 객체가 상기 특정 공간에서 나가는 상태 또는 상기 특정 공간으로 상기 객체가 들어오는 상태로 판단된 경우 상기 윈도우의 크기 만큼 상기 윈도우를 슬라이딩하는 동작을 포함하는,
    객체 이동 모니터링 장치.
  14. 제 11 항에 있어서,
    상기 적어도 하나의 프로세서는,
    객체 이동 모니터링을 위한 사용자 설정 학습 상태에서 상기 프레임 시간에 따른 속도 값 패턴을 결정하는 동작을 더 수행하도록 설정되는,
    객체 이동 모니터링 장치.
  15. 제 14 항에 있어서,
    상기 프레임 시간에 따른 속도 값 패턴을 결정하는 동작은,
    상기 특정 공간에서 상기 객체가 나가는 상황에서의 일련의 속도 값들을 획득하여 프레임 시간 순서대로 저장하는 동작,
    상기 특정 공간에 상기 객체가 들어오는 상황에서의 일련의 속도 값들을 획득하여 프레임 시간 순서대로 저장하는 동작, 및
    상기 나가는 상황에서의 일련의 속도 값들 및 상기 들어오는 상황에서의 일련의 속도 값들 각각의 평균 값을 기반으로, 윈도우 크기, 윈도우 내 속도 개수 기준 값 및 윈도우 내 속도 합의 기준 값을 각각 설정하는 동작을 포함하는,
    객체 이동 모니터링 장치.
  16. 제 12 항에 있어서,
    상기 특징벡터를 추출하는 동작은,
    제1 윈도우를 상기 일련의 속도 값 상에서 슬라이딩하면서 상기 특정 공간에서 상기 객체가 나가는 속도 값 패턴에 기반하여 상기 객체가 상기 특정공간을 나가는 상황을 감지하기 위한 제1 특징벡터를 추출하는 동작, 및
    제2 윈도우를 상기 일련의 속도 값 상에서 슬라이딩하면서 상기 특정 공간에 상기 객체가 들어오는 속도 값 패턴에 기반하여 상기 객체가 상기 특정공간에 들어오는 상황을 감지하기 위한 제2 특징벡터를 추출하는 동작을 포함하는,
    객체 이동 모니터링 장치.
  17. 제 16 항에 있어서,
    상기 제1 윈도우는 제1 서브 윈도우(ZO) 및 상기 제1 서브 윈도우(ZO)에 후행하는 제2 서브 윈도우(MO)를 포함하고,
    상기 제1 특징벡터를 추출하는 동작은,
    상기 제1 서브 윈도우(ZO) 내의 속도 합을 나타내는 제1 특징 값, 상기 제2 서브 윈도우(MO) 내의 속도 합이 상기 제2 서브 윈도우 내 속도 합의 기준 값(Yout) 이상인 지를 나타내는 제2 특징 값, 및 상기 제2 서브 윈도우(MO) 내의 양(+)의 속도의 개수가 상기 제2 서브 윈도우(MO) 내 양의 속도 개수의 기준 값(Xout) 이상인 지를 나타내는 제3 특징 값에 기반하여 상기 제1 특징벡터를 결정하는 동작을 포함하는,
    객체 이동 모니터링 장치.
  18. 제 17 항에 있어서,
    상기 제2 윈도우는 제 3 서브 윈도우(MI) 및 상기 제3 서브 윈도우(MI)에 후행하는 제4 서브 윈도우(ZI)를 포함하고,
    상기 제2 특징벡터를 추출하는 동작은,
    상기 제4 서브 윈도우(ZI) 내의 속도 합을 나타내는 제4 특징 값, 상기 제3 서브 윈도우(MI) 내의 속도 합이 상기 제3 서브 윈도우 내 속도 합의 기준 값(Yin) 이상인 지를 나타내는 제5 특징 값, 및 상기 제3 서브 윈도우(MI) 내의 음(-)의 속도의 개수가 상기 제3 서브 윈도우(MI) 내 음의 속도 개수의 기준 값(Xin) 이상인 지를 나타내는 제6 특징 값에 기반하여 상기 제2 특징벡터를 결정하는 동작을 포함하는,
    객체 이동 모니터링 장치.
  19. 제 18 항에 있어서,
    상기 객체의 속도 값 패턴에 기반하여 상기 제4 서브 윈도우(ZI)와 상기 제1 서브 윈도우(ZO)의 크기가 동일한 경우 상기 제2 윈도우는 상기 제1 윈도우에 선행하고 상기 제4 서브 윈도우(ZI)와 상기 제1 서브 윈도우(ZO)는 서로 오버래핑되는,
    객체 이동 모니터링 장치.
  20. 제 12 항에 있어서,
    상기 이동 상태를 판단하는 동작은,
    상기 특징벡터에 기반하여 상기 객체의 이동 상태를 움직임이 없는 대기 상태, 움직임 상태, 특정 공간에서 나가는 상태 및 객체가 특정 공간에 들어오는 상태 중 하나로 판단하는 동작을 포함하고,
    상기 모니터링하는 동작은,
    상기 객체의 이동 상태의 변화에 따라 상기 특정 공간에서 상기 객체의 이동 경로를 추정하는 동작을 포함하는,
    객체 이동 모니터링 장치.
KR1020220064934A 2022-05-26 2022-05-26 객체 이동 모니터링 방법 및 장치 KR20230165045A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220064934A KR20230165045A (ko) 2022-05-26 2022-05-26 객체 이동 모니터링 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220064934A KR20230165045A (ko) 2022-05-26 2022-05-26 객체 이동 모니터링 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20230165045A true KR20230165045A (ko) 2023-12-05

Family

ID=89157389

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220064934A KR20230165045A (ko) 2022-05-26 2022-05-26 객체 이동 모니터링 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20230165045A (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102140195B1 (ko) 2020-05-15 2020-07-31 메타빌드(주) 레이더를 이용한 야생동물 침입 탐지 방법 및 그 시스템
KR102200409B1 (ko) 2019-01-28 2021-01-08 재단법인대구경북과학기술원 투톤 레이더 방식을 이용한 휴먼 상태 모니터링 시스템 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102200409B1 (ko) 2019-01-28 2021-01-08 재단법인대구경북과학기술원 투톤 레이더 방식을 이용한 휴먼 상태 모니터링 시스템 및 그 방법
KR102140195B1 (ko) 2020-05-15 2020-07-31 메타빌드(주) 레이더를 이용한 야생동물 침입 탐지 방법 및 그 시스템

Similar Documents

Publication Publication Date Title
US20230186915A1 (en) Processing voice commands based on device topology
US10930281B2 (en) Method, apparatus and system for testing intelligent voice device
US9903943B2 (en) Distance estimation method and device as well as node localization method and apparatus
Dorfan et al. Tree-based recursive expectation-maximization algorithm for localization of acoustic sources
KR20210091034A (ko) 평면 마이크로폰 어레이들에 대한 다중-소스 추적 및 음성 활동 검출들
US11703320B2 (en) Determining relative positions of user devices
KR20160089145A (ko) 음성 인식 방법 및 음성 인식 장치
EP3977793A1 (en) Proximity-based model for indoor localization using wireless signals
EP3005346A1 (en) Method and system for identifying location associated with voice command to control home appliance
CN107994960A (zh) 一种室内活动检测方法及系统
JP2021501356A (ja) 暗黙的ルーティングを使用したモジュール式会話の作成
US20140278415A1 (en) Voice Recognition Configuration Selector and Method of Operation Therefor
US11222652B2 (en) Learning-based distance estimation
KR20180025634A (ko) 음성 인식 장치 및 방법
WO2016119388A1 (zh) 一种基于语音信号构造聚焦协方差矩阵的方法及装置
US11133023B1 (en) Robust detection of impulsive acoustic event onsets in an audio stream
CN108010052A (zh) 复杂场景中的目标跟踪方法及系统、存储介质及电子终端
CN110169082A (zh) 组合音频信号输出
KR20230165045A (ko) 객체 이동 모니터링 방법 및 장치
KR20180068467A (ko) 음성 인식 방법 및 음성 인식 장치
CN110085264A (zh) 语音信号检测方法、装置、设备及存储介质
KR20220077233A (ko) 클러스터 기반의 실내 위치 측정 장치 및 방법
GB2567067A (en) Processing voice commands based on device topology
CN109975795A (zh) 一种声源追踪方法和装置
KR102334580B1 (ko) 사용자 음성 및 그래프 신경망 기반의 감정인식 장치 및 그 방법