KR20240026714A - 이미지 컨텍스트(image context)에 기초하여 음향 장치를 제어하는 전자 장치 및 그 동작 방법 - Google Patents

이미지 컨텍스트(image context)에 기초하여 음향 장치를 제어하는 전자 장치 및 그 동작 방법 Download PDF

Info

Publication number
KR20240026714A
KR20240026714A KR1020220104917A KR20220104917A KR20240026714A KR 20240026714 A KR20240026714 A KR 20240026714A KR 1020220104917 A KR1020220104917 A KR 1020220104917A KR 20220104917 A KR20220104917 A KR 20220104917A KR 20240026714 A KR20240026714 A KR 20240026714A
Authority
KR
South Korea
Prior art keywords
interest
electronic device
audio
image
processor
Prior art date
Application number
KR1020220104917A
Other languages
English (en)
Inventor
이고르 프도비첸코
코스탄틴 모로초프
바딤 안드로소프
볼로디미르 사빈
안드리 오멜첸코
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020220104917A priority Critical patent/KR20240026714A/ko
Priority to PCT/KR2023/009695 priority patent/WO2024043514A1/ko
Publication of KR20240026714A publication Critical patent/KR20240026714A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/26—Pre-filtering or post-filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20132—Image cropping

Abstract

이미지의 컨텍스트 정보에 기초하여 음향 장치의 오디오 설정(audio setting)을 제어하는 전자 장치 및 그 동작 방법을 제공한다. 본 개시의 일 실시예에 따른 전자 장치는 카메라를 이용하여 촬영된 이미지로부터 적어도 하나의 객체를 인식하고, 인식된 적어도 하나의 객체 중 사용자가 관심있는 관심 객체(main object of interest)를 식별하고, 식별된 관심 객체의 컨텍스트 정보(context information)를 획득하고, 획득된 컨텍스트 정보에 기초하여 마이크 및 스피커 중 적어도 하나를 포함하는 음향 장치의 오디오 신호 획득 또는 출력을 위한 오디오 설정을 제어할 수 있다.

Description

이미지 컨텍스트(image context)에 기초하여 음향 장치를 제어하는 전자 장치 및 그 동작 방법 {AN ELECTRONIC APPARATUS FOR CONTROLLING AN AUDIO DEVICE BASED ON IMAGE CONTEXT AND A METHOD FOR OPERATING THE SAME}
본 개시는 카메라를 이용하여 촬영된 이미지로부터 획득된 컨텍스트 정보(context information)에 기초하여 음향 장치를 제어하는 전자 장치 및 그 동작 방법에 관한 것이다.
일반적으로 사용자가 카메라를 이용하여 사진을 촬영하거나 또는 동영상을 촬영하는 경우, 촬영 대상이 되는 객체 중 관심 있는 주요 객체(이하, '관심 객체')를 선택하고, 좋은 퀄리티의 결과물을 위하여 선택된 관심 객체에 관하여 줌 인(zoom in), 줌 아웃(zoom out), 또는 패닝(panning) 등 카메라 설정을 조정한다. 사용자가 카메라 설정을 조정하는 경우라도, 관심 객체에 따라 음향 장치의 오디오 설정이 변경 또는 조정되지는 않는다. 예를 들어, 사용자가 광장에서 노래를 하고 있는 가수를 관심 객체로 선택하고, 가수를 줌 인 하더라도 마이크에 의해서는 가수의 노래 뿐만 아니라, 광장 주변의 차량 소음, 관객들의 환호성, 또는 행인들의 목소리가 함께 녹음된다. 사용자가 관심 객체에 관한 오디오 신호(예를 들어, 가수의 노래 소리)를 획득하기 위해서는 사용자 입력을 통해 수동으로 음향 장치(예를 들어, 마이크)의 오디오 설정을 변경 또는 조정하여야 한다. 예를 들어, 사용자는 카메라를 이용하여 동영상을 촬영하는 도중 음향 장치 설정에서 이퀄라이저(equalizer) 설정을 변경하거나, 조정할 수 있다.
상술한 기술적 과제를 해결하기 위하여 본 개시는 이미지에 기초하여 음향 장치를 제어하는 전자 장치를 제공한다. 본 개시의 일 실시예에 따른 전자 장치는 카메라, 마이크 및 스피커 중 적어도 하나를 포함하는 음향 장치, 적어도 하나의 명령어들(instructions)를 저장하는 메모리, 및 적어도 하나의 명령어들을 실행하는 적어도 하나의 프로세서를 포함할 수 있다. 상기 적어도 하나의 프로세서는 카메라를 이용하여 촬영된 이미지로부터 적어도 하나의 객체를 인식할 수 있다. 상기 적어도 하나의 프로세서는 인식된 적어도 하나의 객체 중 사용자가 관심있는 관심 객체(main object of interest)를 식별할 수 있다. 상기 적어도 하나의 프로세서는 식별된 관심 객체의 컨텍스트 정보(context information)를 획득할 수 있다. 상기 적어도 하나의 프로세서는 획득된 컨텍스트 정보에 기초하여 음향 장치를 이용하여 오디오 신호를 획득 또는 출력하기 위한 음향 장치의 오디오 설정(audio setting)을 제어할 수 있다.
상술한 기술적 과제를 해결하기 위하여 본 개시는 전자 장치가 이미지에 기초하여 음향 장치를 제어하는 방법을 제공한다. 본 개시의 일 실시예에 따른 방법은 카메라를 이용하여 촬영된 이미지로부터 적어도 하나의 객체를 인식하는 단계를 포함할 수 있다. 본 개시의 일 실시예에 따른 방법은 인식된 적어도 하나의 객체 중 사용자가 관심있는 관심 객체(main object of interest)를 식별하는 단계를 포함할 수 있다. 본 개시의 일 실시예에 따른 방법은 식별된 관심 객체의 컨텍스트 정보(context information)를 획득하는 단계를 포함할 수 있다. 본 개시의 일 실시예에 따른 방법은 획득된 컨텍스트 정보에 기초하여, 마이크 및 스피커 중 적어도 하나를 포함하는 음향 장치의 오디오 신호의 획득 또는 출력을 위한 오디오 설정(audio setting)을 제어하는 단계를 포함할 수 있다.
상술한 기술적 과제를 해결하기 위하여, 본 개시의 일 실시예는 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.
본 개시는, 다음의 자세한 설명과 그에 수반되는 도면들의 결합으로 쉽게 이해될 수 있으며, 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미한다.
도 1은 본 개시의 일 실시예에 따른 전자 장치가 관심 객체의 컨텍스트 정보에 기초하여 음향 장치의 오디오 설정(audio setting)을 제어하는 동작을 도시한 개념도이다.
도 2는 본 개시의 일 실시예에 따른 전자 장치의 구성 요소를 도시한 블록도이다.
도 3은 본 개시의 일 실시예에 따른 전자 장치의 동작 방법을 도시한 흐름도이다.
도 4는 본 개시의 일 실시예에 따른 전자 장치가 이미지로부터 관심 객체를 식별하는 동작을 도시한 흐름도이다.
도 5는 본 개시의 일 실시예에 따른 전자 장치가 관심 객체의 이미지 및 관심 객체와 관련된 오디오 신호를 획득하는 동작을 도시한 도면이다.
도 6은 본 개시의 일 실시예에 따른 전자 장치가 기 설정된 매핑 관계에 따라 관심 객체의 컨텍스트 정보에 대응되는 오디오 설정을 적용하는 동작을 도시한 도면이다.
도 7a는 본 개시의 일 실시예에 따른 전자 장치가 이미지-오디오 신호 매핑 관계에 따라 컨텍스트 정보에 대응되는 이퀄라이저 프리셋(equalizer preset)을 출력하는 동작을 도시한 도면이다.
도 7b는 본 개시의 일 실시예에 따른 전자 장치가 이미지-오디오 신호 매핑 관계에 따라 컨텍스트 정보에 대응되는 이퀄라이저 프리셋을 출력하는 동작을 도시한 도면이다.
도 8a는 본 개시의 일 실시예에 따른 전자 장치가 컨텍스트 정보에 기초하여 이퀄라이저 프리셋을 결정하는 동작을 도시한 도면이다.
도 8b는 본 개시의 일 실시예에 따른 전자 장치가 컨텍스트 정보에 기초하여 이퀄라이저 프리셋을 결정하는 동작을 도시한 도면이다.
도 8c는 본 개시의 일 실시예에 따른 전자 장치가 컨텍스트 정보에 기초하여 이퀄라이저 프리셋을 결정하는 동작을 도시한 도면이다.
도 9는 본 개시의 일 실시예에 따른 전자 장치가 이미지의 컨텍스트 정보에 기초하여 오디오 신호의 필터링(filtering)을 수행하는 동작을 도시한 도면이다.
도 10은 본 개시의 일 실시예에 따른 전자 장치가 관심 객체의 컨텍스트 정보에 기초하여 음향 장치의 프리셋을 결정하는 동작을 도시한 도면이다.
도 11은 본 개시의 일 실시예에 따른 전자 장치가 관심 객체와 관련된 오디오 신호를 획득하기 위하여 오디오 설정을 제어하는 동작을 도시한 도면이다.
도 12는 본 개시의 일 실시예에 따른 전자 장치가 관심 객체와 관련된 오디오 신호를 획득하기 위하여 오디오 설정을 제어하는 동작을 도시한 도면이다.
도 13은 본 개시의 일 실시예에 따른 전자 장치가 크롭된 이미지(cropped image)로부터 관심 객체를 식별하고, 관심 객체와 관련된 오디오 신호를 획득하는 동작을 도시한 흐름도이다.
도 14는 본 개시의 일 실시예에 따른 전자 장치가 크롭된 이미지로부터 관심 객체를 식별하고, 관심 객체와 관련된 오디오 신호를 획득하는 동작을 도시한 도면이다.
본 명세서의 실시예들에서 사용되는 용어는 본 개시의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 실시예의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 명세서에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다.
본 개시 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 본 명세서에 기재된 "...부", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
본 개시에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)", "~하는 능력을 가지는(having the capacity to)", "~하도록 설계된(designed to)", "~하도록 변경된(adapted to)", "~하도록 만들어진(made to)", 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 시스템"이라는 표현은, 그 시스템이 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
또한, 본 개시에서 일 구성요소가 다른 구성요소와 "연결된다" 거나 "접속된다" 등으로 언급된 때에는, 상기 일 구성요소가 상기 다른 구성요소와 직접 연결되거나 또는 직접 접속될 수도 있지만, 특별히 반대되는 기재가 존재하지 않는 이상, 중간에 또 다른 구성요소를 매개하여 연결되거나 또는 접속될 수도 있다고 이해되어야 할 것이다.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.
이하에서는 도면을 참조하여 본 개시의 실시예들을 상세하게 설명한다.
도 1은 본 개시의 일 실시예에 따른 전자 장치(100)가 관심 객체의 컨텍스트 정보에 기초하여 음향 장치의 오디오 설정(audio setting)(60)을 제어하는 동작을 도시한 개념도이다.
도 1을 참조하면, 전자 장치(100)는 카메라를 이용하여 피사체에 관한 이미지(10)를 획득할 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 카메라를 이용하여 적어도 하나의 객체를 촬영함으로써, 시계열적인 복수의 이미지 프레임을 획득할 수 있다.
전자 장치(100)는 카메라를 통해 획득된 이미지(10)로부터 객체를 인식(object detection)할 수 있다 (동작 ①). 본 개시의 일 실시예에서, 전자 장치(100)는 객체 인식 모델을 이용하여 이미지(10)로부터 복수의 객체(11 내지 17)를 인식할 수 있다. 객체 인식 모델은 예를 들어, 컨볼루션 신경망 모델(Convolution Neural Network model)을 포함하는 공지의 인공지능 모델(Artificial Intelligence model)로 구성될 수 있으나, 이에 한정되는 것은 아니다. 본 개시의 일 실시예에서, 전자 장치(100)는 공지의 이미지 처리(예를 들어, 패턴 매칭, 특징 추출(feature extraction), 또는 경계 결정(boundary decision) 등)를 수행함으로써, 이미지(10)로부터 복수의 객체(11 내지 17)를 인식할 수 있다.
전자 장치(100)는 이미지(10)로부터 관심 객체(21 내지 27)를 식별할 수 있다 (동작 ②). 전자 장치(100)는 이미지(10)에 포함되는 전체 영역 중 관심 영역(20)을 설정하는 사용자 입력을 수신할 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 사용자로부터 관심있는 특정 영역에 관한 줌 인(zoom in), 패닝(panning), 포커스(focus), 또는 크롭(crop) 입력을 수신하고, 수신된 입력에 기초하여 식별된 영역을 관심 영역(20)으로 결정할 수 있다. 전자 장치(100)는 관심 영역(20)에 포함된 객체(21 내지 27)를 관심 객체(21 내지 27)로서 식별할 수 있다.
전자 장치(100)는 관심 객체(21 내지 27)의 이미지로부터 컨텍스트 정보를 획득할 수 있다 (동작 ③). 본 개시의 일 실시예에서, 전자 장치(100)는 피사체에 대하여 시계열적으로 복수의 이미지 프레임(30)을 획득하고, 컨텍스트 정보 획득 모듈(146)을 이용하여 복수의 이미지 프레임(30)으로부터 컨텍스트 정보를 획득할 수 있다. 컨텍스트 정보 획득 모듈(146)은 관심 객체(21 내지 27)의 이미지로부터 관심 객체의 분류(classification), 관심 객체의 행동(action), 관심 객체 주변의 환경, 장소, 및 시간 중 적어도 하나에 관한 정보를 획득하도록 구성되는 명령어들(instructions) 또는 프로그램 코드(program code)로 구성될 수 있다. 도 1에 도시된 실시예에서, 전자 장치(100)는 컨텍스트 정보 획득 모듈(146)을 통해 복수의 이미지 프레임(30)으로부터 관심 객체(21 내지 27)를 분류(예를 들어, 사람(21), 기타(22), 스피커(23), 나무(42), 자동차(25), 신호등(26), 도로(27))하고, 분류 결과에 기초하여 '가수' 및 '거리'를 관심 객체(21 내지 27)의 컨텍스트 정보(40)로서 획득할 수 있다. 예를 들어, 전자 장치(100)는 복수의 이미지 프레임(30)으로부터 관심 객체 중 '가수'의 행동(예를 들어, 기타 치면서 노래) 및 시간(예를 들어, 밤 시간)에 관한 컨텍스트 정보(40)를 더 획득할 수도 있다.
전자 장치(100)는 컨텍스트 정보에 기초하여 음향 장치의 오디오 설정(60)을 제어할 수 있다 (동작 ④). 음향 장치는 마이크(122, 도 2 참조) 및 스피커(124, 도 2 참조)를 포함할 수 있으나, 이에 한정되는 것은 아니다. 전자 장치(100)는 마이크(122)를 이용하여 피사체로부터 출력(또는 방출)되는 오디오 신호(50)를 획득할 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 오디오 신호(50) 중 관심 객체(21 내지 27)의 컨텍스트 정보와 관련된 오디오 신호(50)만을 획득하도록 음향 장치의 오디오 설정(60)을 제어할 수 있다. 전자 장치(100)는 컨텍스트 정보에 기초하여, 음향 장치의 오디오 설정(60) 중 이퀄라이저(equalizer)(62), 증폭기(amplifier)(64), 및 필터(filter) 중 적어도 하나를 제어할 수 있다.
본 개시의 일 실시예에서, 전자 장치(100)는 이미지 컨텍스트와 이퀄라이저 간의 기 설정된 매핑 관계에 기초하여, 컨텍스트 정보에 대응되도록 매핑된 이퀄라이저 프리셋(equalizer preset)을 결정할 수 있다. 전자 장치(100)는 결정된 이퀄라이저 프리셋에 따라 오디오 신호(50)의 주파수 스펙트럼 중 특정 주파수 대역의 신호 레벨을 강조(boost)하거나, 또는 감쇠(attenuate)시킬 수 있다. 도 1에 도시된 실시예에서, 전자 장치(100)는 오디오 신호(50)의 주파수 스펙트럼 중 가수의 노래의 주파수 대역에 해당되는 신호 레벨을 증폭시키고, 주변 사람(12, 13)에 의해 발생되는 소리 또는 차량에 의한 잡음(noise)의 주파수 대역에 해당되는 신호 레벨은 감쇠시키는 이퀄라이저 프리셋을 선택할 수 있다.
본 개시의 일 실시예에서, 전자 장치(100)는 오디오 신호(50)의 주파수 대역 중 관심 객체(21 내지 27)과 관련된 주파수 대역을 증폭하도록 증폭기(64)를 제어할 수 있다. 도 1에 도시된 실시예에서, 전자 장치(100)는 증폭기(64)를 제어함으로써, 오디오 신호(50)의 주파수 대역 중 가수의 노래의 주파수 대역에 해당되는 신호 레벨을 증폭할 수 있다.
본 개시의 일 실시예에서, 전자 장치(100)는 필터(66) 중 대역 차단 필터(band stop filter)를 이용하여, 관심 객체(21 내지 27)를 제외한 나머지 객체들(12, 13, 14, 15, 16, 17)과 관련된 오디오 신호의 주파수 대역을 감쇠(attenuate) 또는 제거할 수 있다.
일반적으로 사용자가 카메라를 이용하여 사진을 촬영하거나 또는 동영상을 촬영하는 경우, 촬영 대상이 되는 객체 중 관심 객체(21 내지 27)를 선택하고, 선택된 관심 객체(21 내지 27)에 관하여 줌 인(zoom in), 줌 아웃(zoom out), 또는 패닝(panning) 등 카메라 설정을 조정한다. 종래 기술에서는 사용자가 카메라 설정을 조정하는 경우라도, 관심 객체(21 내지 27)에 따라 음향 장치의 오디오 설정이 변경 또는 조정되지는 않는다. 예를 들어, 사용자가 광장에서 노래를 하고 있는 가수를 줌 인 하더라도 마이크(122)에 의해서는 가수의 노래 뿐만 아니라, 광장 주변의 차량 소음, 관객들의 환호성, 또는 행인들의 목소리가 함께 녹음된다. 사용자가 관심 객체에 관한 오디오 신호(예를 들어, 가수의 노래 소리)를 획득하기 위해서는 사용자 입력을 통해 수동으로 음향 장치의 오디오 설정(60)을 변경 또는 조정하여야 한다.
본 개시는 카메라를 이용하여 획득된 이미지 컨텐트(예를 들어, 동영상)를 촬영하는 경우, 사용자에 의해 설정된 관심 객체(21 내지 27)와 관련된 오디오 신호를 획득하도록 음향 장치의 오디오 설정을 제어하는 전자 장치(100) 및 그 동작 방법을 제공하는 데 목적이 있다.
본 개시의 일 실시예에 따른 전자 장치(100)는 관심 객체(21 내지 27)에 관한 컨텍스트 정보를 획득하고, 컨텍스트 정보에 기초하여 음향 장치의 오디오 설정(60)을 제어함으로써, 사용자가 관심있어 하는 객체와 관련된 오디오 신호만을 강조할 수 있고, 따라서 마이크(122)를 통해 녹음되는 오디오 신호 또는 스피커(124)를 통해 출력되는 오디오 신호의 품질을 향상시킬 수 있다. 예를 들어, 도 1에 도시된 실시예에서 전자 장치(100)는 주변 소음이 없는 거리 가수(street singer) 또는 무대 예술가의 노래, 또는 음악만을 강조하여 녹음할 수 있다. 다른 예를 들어, 작업자가 시끄러운 작업 환경에서 일하는 경우, 전자 장치(100)는 작업자가 관심 있는 특정 기계 부품 소리만을 필터링하거나 증폭함으로써, 작업자가 특정 기계 부품의 소리에 집중하도록 집중력을 향상시킬 수도 있다.
또한, 본 개시의 일 실시예에 따른 전자 장치(100)는 청각 장애를 갖고 있는 사용자가 특정 화자의 말 소리만을 집중해서 듣거나, 또는 특정 물건에 관한 소리를 더 쉽게 들을 수 있게 하는 기술적 효과를 제공할 수도 있다.
도 2는 본 개시의 일 실시예에 따른 전자 장치(100)의 구성 요소를 도시한 블록도이다.
도 2에 도시된 전자 장치(100)는 피사체에 관한 이미지를 획득하고, 이미지의 컨텍스트 정보에 기초하여 음향 장치의 오디오 설정(audio setting)을 제어하는 디바이스로서, 예를 들어, 스마트 폰, 스마트 TV, 또는 태블릿 PC로 구성될 수 있다. 그러나, 이에 한정되는 것은 아니고, 전자 장치(100)는 노트북 컴퓨터(laptop computer), 데스크 탑 PC, 전자책 단말기, 디지털 방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 캠코더, 또는 착용형 기기(wearable device)(예를 들어, 스마트 워치) 등과 같은 다양한 디바이스로 구현될 수 있다.
본 개시의 일 실시예에서, 전자 장치(100)는 증강 현실 디바이스로 구현될 수도 있다. 본 개시에서 '증강 현실 디바이스(augmented reality device)'는 증강 현실을 표현할 수 있는 장치로서, 일반적으로 사용자가 안면부(顔面部)에 착용하는 안경 형상의 증강 현실 안경 장치(Augmented Reality Glasses) 뿐만 아니라, 두부(頭部)에 착용하는 헤드 마운트 디스플레이 장치 (HMD : Head Mounted Display Apparatus) 또는 증강 현실 헬멧(Augmented Reality Helmet) 등을 포괄한다.
도 2를 참조하면, 전자 장치(100)는 카메라(110), 음향 장치(120), 프로세서(130), 및 메모리(140)를 포함할 수 있다. 카메라(110), 음향 장치(120), 프로세서(130), 및 메모리(140)는 각각 전기적 및/또는 물리적으로 서로 연결될 수 있다.
도 2에 도시된 구성 요소는 본 개시의 일 실시예에 따른 것일 뿐, 전자 장치(100)가 포함하고 있는 구성 요소가 도 2에 도시된 바와 같이 한정되는 것은 아니다. 전자 장치(100)는 도 2에 도시된 구성 요소 중 일부를 포함하지 않을 수 있고, 도 2에 도시되지 않은 구성 요소를 더 포함할 수도 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 카메라(110)를 통해 촬영된 피사체의 프리뷰 이미지(preview image)를 디스플레이하는 디스플레이부를 더 포함할 수 있다. 디스플레이부는 예를 들어, 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT-LCE), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전기영동 디스플레이(electrophoretic display) 중 적어도 하나를 포함하는 물리적 장치로 구성될 수 있다. 본 개시의 일 실시예에서, 디스플레이부는 터치 인터페이스를 포함하는 터치스크린으로 구성될 수도 있다. 그러나, 이에 한정되는 것은 아니고, 전자 장치(100)가 안경 형태의 증강 현실 디바이스(Augmented Reality Glasses)인 경우, 디스플레이부는 렌즈, 웨이브가이드(waveguide), 및 광학 모듈(예컨대, 프로젝터)을 포함할 수 있다.
본 개시의 일 실시예에서, 전자 장치(100)는 사용자 입력을 수신하는 입력 인터페이스를 더 포함할 수 있다. 입력 인터페이스는 예를 들어, 키보드, 마우스, 터치스크린, 또는 음성 입력 장치(예를 들어, 마이크로폰) 등을 포함할 수 있으며, 기타 당업자에게 자명한 입력 장치를 포함할 수 있다. 디스플레이부가 터치스크린으로 구성되는 경우, 디스플레이부는 터치 패널로 구성되는 사용자 입력 인터페이스와 통합되는 구성 요소일 수 있다.
본 개시의 일 실시예에서, 전자 장치(100)는 휴대용 디바이스로 구성되고, 카메라(110), 음향 장치(120), 및 프로세서(130)에 구동 전력을 공급하는 배터리를 더 포함할 수도 있다.
카메라(110)는 공간 내의 피사체를 촬영함으로써, 이미지를 획득하도록 구성된다. 카메라(110)는 시간의 흐름에 따라 연속적으로 피사체를 촬영함으로써, 시계열적인 복수의 이미지 프레임으로 구성되는 동영상(video)을 획득할 수 있다. 카메라(110)는 렌즈 모듈, 이미지 센서, 및 영상 처리 모듈을 포함할 수 있다. 카메라(110)는 이미지 센서(예를 들어, CMOS 또는 CCD)에 의해 얻어지는 정지 이미지 또는 동영상을 획득할 수 있다. 영상 처리 모듈은 이미지 센서를 통해 획득된 정지 이미지 또는 동영상을 가공하여, 필요한 정보를 추출하고, 추출된 정보를 프로세서(130)에 전달할 수 있다.
음향 장치(120)는 외부로부터 오디오 신호를 획득하거나, 또는 오디오 신호를 출력하도록 구성되는 하드웨어 장치이다. 음향 장치(120)는 마이크(122) 및 스피커(124)를 포함할 수 있다.
마이크(microphone)(122)는 외부의 객체로부터 음성 또는 기타 소리를 획득하고, 획득된 음성 또는 기타 소리를 오디오 신호로 변환하도록 구성된다. 본 개시의 일 실시예에서, 마이크(122)는 복수의 마이크 엘리먼트로 구성된 마이크 어레이, 지향성 마이크, 또는 다중 패턴 마이크로 구성될 수도 있다. 마이크(122)는 외부 객체로부터 획득된 오디오 신호를 프로세서(130)에 제공할 수 있다.
스피커(124)는 오디오 신호를 출력하도록 구성된다. 스피커(124)는 프로세서(130)의 제어에 의해 이퀄라이저 프리셋(equalizer preset) 등 오디오 설정(audio setting)에 따라 오디오 신호를 출력할 수 있다.
프로세서(130)는 메모리(140)에 저장된 프로그램의 하나 이상의 명령어들(instructions)을 실행할 수 있다. 프로세서(130)는 산술, 로직 및 입출력 연산과 시그널 프로세싱을 수행하는 하드웨어 구성 요소로 구성될 수 있다. 예를 들어, 프로세서(130)는 중앙 처리 장치(Central Processing Unit), 마이크로 프로세서(microprocessor), 그래픽 프로세서(Graphic Processing Unit), ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), 및 FPGAs(Field Programmable Gate Arrays) 중 적어도 하나로 구성될 수 있으나, 이에 한정되는 것은 아니다.
도 2에는 프로세서(130)가 하나의 엘리먼트로 도시되었으나, 이에 한정되는 것은 아니다. 일 실시예에서, 프로세서(130)는 하나 또는 하나 이상의 복수 개로 구성될 수 있다.
본 개시의 일 실시예에서, 프로세서(130)는 인공 지능(Artificial Intelligence; AI) 학습을 수행하는 AI 프로세서를 포함할 수 있다. 이 경우, AI 프로세서는 인공지능(AI) 모델을 이용하여 이미지로부터 객체를 인식하고, 인식된 객체의 컨텍스트 정보를 획득할 수 있다. AI 프로세서는, 인공 지능(AI)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 또는 기존의 범용 프로세서(예: CPU 또는 application processor) 또는 그래픽 전용 프로세서(예: GPU)의 일부로 제작되어 전자 장치(100) 내의 프로세서(130)에 탑재될 수 있다.
메모리(140)는 예를 들어, 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 또는 광 디스크 중 적어도 하나의 타입의 저장매체로 구성될 수 있다. 본 개시의 일 실시예에서, 메모리(140)는 네트워크를 통해 접속 가능하고, 저장 기능을 수행하는 웹 스토리지(web storage) 또는 클라우드 서버로 구현될 수도 있다. 이 경우, 전자 장치(100)는 통신 인터페이스를 더 포함하고, 통신 인터페이스를 통해 웹 스토리지 또는 클라우드 서버와 통신 연결하고, 데이터 송수신을 수행할 수 있다.
메모리(140)에는 전자 장치(100)가 이미지로부터 컨텍스트 정보를 획득하고, 획득된 컨텍스트 정보에 기초하여 음향 장치의 오디오 설정(audio setting)을 제어하는 동작을 수행하기 위한 명령어들 또는 프로그램 코드가 저장될 수 있다. 본 개시의 일 실시예에서, 메모리(140)에는 프로세서(130)에 의해 판독될 수 있는 명령어들(instructions), 알고리즘(algorithm), 데이터 구조, 프로그램 코드(program code), 및 애플리케이션 프로그램(application program) 중 적어도 하나가 저장될 수 있다. 메모리(140)에 저장되는 명령어들, 알고리즘, 데이터 구조, 및 프로그램 코드는 예를 들어, C,　C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다.
메모리(140)에는 객체 인식 모델(142), 관심 객체 식별 모듈(144), 컨텍스트 정보 획득 모듈(146), 및 오디오 설정 제어 모듈(148)에 관한 명령어들, 알고리즘, 데이터 구조, 또는 프로그램 코드가 저장되어 있을 수 있다. 메모리(140)에 포함되는 '모듈'은 프로세서(130)에 의해 수행되는 기능이나 동작을 처리하는 단위를 의미하고, 이는 명령어들, 알고리즘, 데이터 구조, 또는 프로그램 코드와 같은 소프트웨어로 구현될 수 있다.
이하의 실시예들은, 프로세서(130)는 메모리(140)에 저장된 명령어들 또는 ㅍ프로그램 코드들을 실행함으로써 구현될 수 있다.
객체 인식 모델(object detection model)(142)은 이미지로부터 객체를 인식하는 동작 및/또는 기능에 관한 명령어들 또는 프로그램 코드로 구성된다. 본 개시의 일 실시예에서, 객체 인식 모델(142)은 인공 신경망 모델로 구성될 수 있다. 객체 인식 모델(142)은 수만 장 또는 수억 장의 입력 이미지로부터 객체로 인식될 수 있는 바운딩 박스(bounding box) 이미지를 입력 데이터로 적용하고, 객체 인식 결과에 관한 라벨 값(label value)을 출력 정답값(ground truth)으로 적용하여 지도 학습(supervised learning) 방식을 통해 객체를 인식하도록 트레이닝된(trained) 심층 신경망 모델(deep neural network model)일 수 있다. 객체 인식 모델(142)은 컨볼루션 신경망 모델(Convolution Neural Network)로 구현될 수 있으나, 이에 한정되는 것은 아니다. 객체 인식 모델(142)은 예를 들어, 영역 기반 컨볼루션 신경망 모델(Region-based Convolution Neural Network, R-CNN), 싱글 샷 멀티박스 디텍터 모델(Single Shot multibox Detector, SSD), YOLO v4, 센터 넷(CenterNet), 또는 모바일 넷(MobileNet)으로 구현될 수 있다.
그러나, 본 개시의 객체 인식 모델(142)이 전술한 심층 신경망 모델로 한정되는 것은 아니다. 객체 인식 모델(142)은 공지의 이미지 프로세싱 모델(예를 들어, 패턴 매칭, 특징 추출(feature extraction), 또는 경계 결정(boundary decision) 등)로 구성될 수도 있다.
프로세서(130)는 카메라(110)를 이용하여 피사체를 촬영함으로써 이미지를 획득할 수 있다. 프로세서(130)는 객체 인식 모델(142)과 관련된 명령어들 또는 프로그램 코드를 실행함으로써, 이미지로부터 적어도 하나의 객체를 인식할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 카메라(110)로부터 시계열적인 복수의 이미지 프레임을 획득하고, 객체 인식 모델(142)을 이용하여 복수의 이미지 프레임으로부터 적어도 하나의 객체를 인식할 수 있다.
관심 객체 식별 모듈(144)은 인식된 적어도 하나의 객체 중 사용자가 관심있는 관심 객체(main object of interest)를 식별하는 동작 및/또는 기능에 관한 명령어들 또는 프로그램 코드로 구성된다. 본 개시의 일 실시예에서, 프로세서(130)는 관심 객체 식별 모듈(144)과 관련된 명령어들 또는 프로그램 코드를 실행함으로써, 복수의 이미지 프레임으로부터 인식된 적어도 하나의 객체 중 관심 객체를 식별할 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 사용자의 줌 인(zoom in), 패닝(panning), 포커스(focus), 또는 크롭(crop) 중 어느 하나의 입력을 수신하는 입력 인터페이스를 더 포함할 수 있다. 예를 들어, 입력 인터페이스는 터치스크린으로 구성되고, 줌 인, 포커스 또는 크롭을 위한 터치 입력을 수신할 수 있다. 프로세서(130)는 입력 인터페이스를 통해 수신된 사용자 입력에 의해 줌 인, 패닝, 포커스, 또는 크롭된 영역을 식별하고, 식별된 영역에 포함되는 객체를 관심 객체로 인식할 수 있다.
컨텍스트 정보 획득 모듈(146)은 관심 객체의 컨텍스트 정보(context information)를 획득하는 동작 및/또는 기능에 관한 명령어들 또는 프로그램 코드로 구성된다. 본 개시에서 '컨텍스트 정보'는 이미지로부터 식별되는 상황 또는 맥락에 관한 정보를 의미하고, 예를 들어, 관심 객체의 분류(classification), 행동(action), 시간, 장소, 위치, 및 주변 환경 중 적어도 하나에 관한 정보를 포함할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 컨텍스트 정보 획득 모듈(146)과 관련된 명령어들 또는 프로그램 코드를 실행함으로써, 관심 객체에 관한 컨텍스트 정보를 획득할 수 있다.
본 개시의 일 실시예에서, 컨텍스트 정보 획득 모듈(146)은 인공 신경망 모델로 구성될 수 있다. 컨텍스트 정보 획득 모듈(146)은 예를 들어, 컨볼루션 신경망 모델(Convolution Neural Network)을 포함하는 공지의 인공 신경망 모델로 구현될 수 있다. 프로세서(130)는 컨텍스트 정보 획득 모듈(146)을 통해 관심 객체를 분석함으로써, 관심 객체의 분류 정보, 행동 정보, 시간 정보, 위치 정보, 장소 정보, 및 관심 객체 주위의 환경 정보 중 적어도 하나를 획득할 수 있다. 본 개시에서, '분류 정보'는 관심 객체를 식별한 결과에 관한 정보를 의미하는 것으로서, 관심 객체가 사람인지, 동물인지, 또는 물건인지 여부를 나타내거나, 또는 사람이더라도 가수, 악기 연주자, 운동 선수, 강사인지 여부를 나타내는 정보일 수 있다.
오디오 설정 제어 모듈(148)은 컨텍스트 정보에 기초하여 음향 장치(120)의 오디오 설정(audio setting)을 제어하는 동작 및/또는 기능에 관한 명령어들 또는 프로그램 코드로 구성된다. 본 개시의 일 실시예에서, 프로세서(130)는 오디오 설정 제어 모듈(148)과 관련된 명령어들 또는 프로그램 코드를 실행함으로써, 마이크(122)를 통한 오디오 신호의 녹음 또는 스피커(124)를 통한 오디오 신호의 출력을 위한 오디오 설정을 제어할 수 있다. 본 개시에서 '오디오 설정'은 음향 장치(120)의 이퀄라이저(equalizer), 증폭기(amplifier), 및 필터(filter) 중 적어도 하나를 제어하기 위한 설정 정보를 포함할 수 있다.
본 개시의 일 실시예에서, 음향 장치(120)는 복수의 이퀄라이저 프리셋(equalizer preset)을 저장하고 있을 수 있다. 프로세서(130)는 복수의 이퀄라이저 프리셋 중 기 설정된 매핑 관계에 따라 컨텍스트 정보와 대응되도록 매핑된 이퀄라이저 프리셋(equalizer preset)을 선택할 수 있다. 기 설정된 매핑 관계는 오디오 설정 제어 모듈(148)에 포함될 수 있으나, 이에 한정되는 것은 아니다.
본 개시의 일 실시예에서, 프로세서(130)는 컨텍스트 정보 획득 모듈(146)을 통해 관심 객체의 행동을 인식하고, 오디오 설정 제어 모듈(148)에 포함된 기 설정된 매핑 관계에 따라 관심 객체의 행동과 대응되도록 매핑된 이퀄라이저 프리셋을 결정할 수 있다. 프로세서(130)가 관심 객체의 컨텍스트 정보에 기초하여 이퀄라이저 프리셋을 결정하는 구체적인 실시예에 대해서는 도 6, 도 7a, 7b, 및 도 8a 내지 도 8c에서 상세하게 설명하기로 한다.
본 개시의 일 실시예에서, 프로세서(130)는 음향 장치(120)의 증폭기(amplifier)를 이용하여, 오디오 신호의 주파수 대역 중 관심 객체와 관련된 주파수 대역을 증폭할 수 있다. 프로세서(130)는 예를 들어, 객체 별 오디오 신호의 주파수 대역에 관한 정보를 이용하여 관심 객체와 관련된 주파수 대역을 식별하고, 마이크(122)를 통해 획득된 오디오 신호의 주파수 스펙트럼 중 식별된 주파수 대역에 해당되는 주파수 대역만을 증폭할 수 있다. 다른 예를 들어, 프로세서(130)는 인공지능 모델로 구현된 오디오-이미지 분할 알고리즘(Audio-Visual Speech Separation)을 이용하거나, 또는 픽셀 별 음향 신호 분리 알고리즘(예를 들어, The Sound of Pixel의 PixelPlayer)을 이용하여 관심 객체와 관련된 오디오 신호만을 증폭할 수 있다.
프로세서(130)는 관심 객체와 관련된 주파수 대역이 아닌 나머지 주파수 대역의 오디오 신호에 대해서는 감쇠(attenuate)할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 대역 차단 필터(band stop filter)를 이용하여, 관심 객체를 제외한 나머지 객체와 관련된 오디오 신호의 주파수 대역은 감쇠 또는 차단하는 필터링(filtering)을 수행할 수 있다. 프로세서(130)가 증폭기 및/또는 필터를 제어함으로써, 오디오 신호를 증폭 또는 감쇠하는 구체적인 실시예에 대해서는 도 9 내지 도 12에서 상세하게 설명하기로 한다.
본 개시의 일 실시예에서, 전자 장치(100)는 입력 인터페이스를 통해 이미지의 특정 영역을 크롭하는 사용자의 크롭 입력을 수신할 수 있다. 프로세서(130)는 크롭 입력에 기초하여 크롭 이미지(cropped image)를 획득하고, 크롭 이미지에 포함되는 관심 객체와 관련된 오디오 신호를 증폭시킬 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 크롭 이미지에 포함되지 않은 적어도 하나의 객체와 관련된 오디오 신호는 감쇠 또는 음소거 처리할 수 있다. 프로세서(130)가 크롭 이미지에 포함되는 관심 객체에 관한 오디오 신호를 증폭시키는 구체적인 실시예에 대해서는 도 13 및 도 14에서 상세하게 설명하기로 한다.
도 3은 본 개시의 일 실시예에 따른 전자 장치(100)의 동작 방법을 도시한 흐름도이다.
단계 S310에서, 전자 장치(100)는 카메라를 이용하여 획득된 이미지로부터 적어도 하나의 객체를 인식한다. 본 개시의 일 실시예에서, 전자 장치(100)는 카메라를 이용하여 시간의 흐름에 따라 연속적으로 피사체를 촬영함으로써, 시계열적인 복수의 이미지 프레임을 획득할 수 있다. 전자 장치(100)는 객체 인식 모델을 이용하여, 복수의 이미지 프레임으로부터 적어도 하나의 객체를 인식할 수 있다.
본 개시의 일 실시예에서, 객체 인식 모델(142)은 인공 신경망 모델로 구성될 수 있다. 예를 들어, 객체 인식 모델은 컨볼루션 신경망 모델(Convolution Neural Network)로 구현될 수 있다. 그러나, 이에 한정되는 것은 아니고, 객체 인식 모델은 예를 들어, 영역 기반 컨볼루션 신경망 모델(Region-based Convolution Neural Network, R-CNN), 싱글 샷 멀티박스 디텍터 모델(Single Shot multibox Detector, SSD), YOLO v4, 센터 넷(CenterNet), 또는 모바일 넷(MobileNet)으로 구현될 수 있다.
그러나 이에 한정되는 것은 아니고, 전자 장치(100)는 공지의 이미지 프로세싱 모델(예를 들어, 패턴 매칭, 특징 추출(feature extraction), 또는 경계 결정(boundary decision) 등)을 이용하여 복수의 이미지 프레임으로부터 적어도 하나의 객체를 인식할 수 있다.
단계 S320에서, 전자 장치(100)는 인식된 적어도 하나의 객체 중 관심 객체(main object of interest)를 식별한다. 본 개시의 일 실시예에서, 전자 장치(100)는 사용자 입력에 기초하여 줌 인(zoom in), 패닝(panning), 포커스(focus), 또는 크롭(crop) 중 어느 하나를 수행할 수 있다. 전자 장치(100)는 사용자 입력에 의해 줌 인, 패닝, 포커싱, 또는 크롭된 영역을 식별하고, S310에서 인식된 적어도 하나의 객체 중 식별된 영역에 포함되는 객체를 관심 객체로 인식할 수 있다.
단계 S330에서, 전자 장치(100)는 식별된 관심 객체의 컨텍스트 정보(context information)를 획득한다. 본 개시에서 '컨텍스트 정보'는 이미지로부터 식별되는 상황 또는 맥락에 관한 정보를 의미하고, 예를 들어, 관심 객체의 분류(classification), 행동(action), 시간, 장소, 위치, 및 주변 환경 중 적어도 하나에 관한 정보를 포함할 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 인공지능 모델을 이용하여 관심 객체를 분석함으로써, 관심 객체의 분류 정보, 행동 정보, 시간 정보, 위치 정보, 장소 정보, 및 관심 객체 주변의 환경 정보 중 적어도 하나를 획득할 수 있다.
단계 S340에서, 전자 장치(100)는 획득된 컨텍스트 정보에 기초하여, 음향 장치의 오디오 신호의 녹음 또는 출력을 위한 오디오 설정(audio setting)을 제어한다. 전자 장치(100)는 마이크(122, 도 2 참조)를 통한 오디오 신호의 녹음 또는 스피커(124, 도 2 참조)를 통한 오디오 신호의 출력을 위한 오디오 설정을 제어할 수 있다. 본 개시에서 '오디오 설정'은 마이크(122) 및 스피커(124) 중 적어도 하나를 포함하는 음향 장치의 이퀄라이저(equalizer), 증폭기(amplifier), 및 필터(filter) 중 적어도 하나를 제어하기 위한 설정 정보를 포함할 수 있다.
본 개시의 일 실시예에서, 전자 장치(100)는 음향 장치의 복수의 이퀄라이저 프리셋(equalizer preset)을 저장하고 있을 수 있다. 전자 장치(100)는 예를 들어, 결정 트리(decision tree), 퍼지 논리(Fuzzy logic), 또는 기타 공지된 알고리즘을 이용하여 기 저장된 복수의 이퀄라이저 프리셋 중 컨텍스트 정보에 대응되는 이퀄라이저 프리셋을 결정할 수 있다.
본 개시의 일 실시예에서, 전자 장치(100)는 복수의 이퀄라이저 프리셋 중 기 설정된 매핑 관계에 따라 컨텍스트 정보와 대응되도록 매핑된 이퀄라이저 프리셋을 선택할 수 있다. 전자 장치(100)는 관심 객체의 행동을 인식하고, 기 설정된 매핑 관계에 따라 관심 객체의 행동과 대응되도록 매핑된 이퀄라이저 프리셋을 결정할 수 있다.
본 개시의 일 실시예에서, 전자 장치(100)는 음향 장치의 증폭기(amplifier)를 이용하여, 오디오 신호의 주파수 대역 중 관심 객체와 관련된 주파수 대역을 증폭할 수 있다. 전자 장치(100)는 예를 들어, 객체 별 오디오 신호의 주파수 대역에 관한 정보를 이용하여 관심 객체와 관련된 주파수 대역을 식별하고, 마이크(122)를 통해 획득된 오디오 신호의 주파수 스펙트럼 중 식별된 주파수 대역에 해당되는 주파수 대역만을 증폭할 수 있다.
본 개시의 일 실시예에서, 전자 장치(100)는 관심 객체와 관련된 주파수 대역이 아닌 나머지 주파수 대역의 오디오 신호에 대해서는 감쇠(attenuate)할 수 있다. 전자 장치(100)는 예를 들어, 대역 차단 필터(band stop filter)를 이용하여 관심 객체를 제외한 나머지 객체와 관련된 오디오 신호의 주파수 대역은 감쇠 또는 차단하는 필터링(filtering)을 수행할 수 있다.
도 4는 본 개시의 일 실시예에 따른 전자 장치(100)가 이미지로부터 관심 객체를 식별하는 동작을 도시한 흐름도이다.
도 4에 도시된 단계 S410 및 S420은 도 3에 도시된 단계 S320을 구체화한 단계들이다. 도 4에 도시된 단계 S410은 도 3의 단계 S310이 수행된 이후에 수행될 수 있다. 도 4에 도시된 단계 S420이 수행된 이후에는 도 3의 단계 S330이 수행될 수 있다.
단계 S410에서, 전자 장치(100)는 이미지로부터 사용자 입력에 의하여 줌 인(zoom in), 패닝(panning), 또는 크롭(crop)된 영역을 식별한다. 본 개시의 일 실시예에서, 전자 장치(100)는 사용자의 줌 인, 패닝, 포커스, 또는 크롭 중 어느 하나의 사용자 입력을 수신하는 입력 인터페이스를 더 포함할 수 있다. 입력 인터페이스는 예를 들어, 키보드, 마우스, 터치스크린, 또는 음성 입력 장치(예를 들어, 마이크로폰) 등을 포함할 수 있으며, 기타 당업자에게 자명한 입력 장치를 포함할 수 있다. 예를 들어, 입력 인터페이스는 터치스크린으로 구성되고, 전자 장치(100)는 터치스크린을 통해 줌 인, 포커스 또는 크롭을 위한 터치 입력을 수신할 수 있다. 전자 장치(100)는 입력 인터페이스를 통해 수신된 사용자 입력에 의해 줌 인, 패닝, 포커스, 또는 크롭된 영역을 식별할 수 있다.
단계 S420에서, 전자 장치(100)는 식별된 영역에 포함되는 객체를 관심 객체로 인식한다. 본 개시의 일 실시예에서, 전자 장치(100)는 줌 인 입력으로 인하여 확대된 영역에 포함된 객체를 관심 객체로 인식할 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 패닝 입력을 통해 특정된 영역의 중앙부에 위치한 객체를 관심 객체로 인식할 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 사용자의 포커스 입력으로 인하여 카메라의 초점이 맞는 객체를 관심 객체로 인식할 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 크롭 입력에 의해 크롭된 영역에 포함되는 객체를 관심 객체로 인식할 수 있다.
도 5는 본 개시의 일 실시예에 따른 전자 장치(100)가 관심 객체(520)의 이미지 및 관심 객체(520)와 관련된 오디오 신호를 획득하는 동작을 도시한 도면이다.
도 5를 참조하면, 전자 장치(100)는 카메라(1110, 도 2 참조)를 이용하여 현실 공간에 위치하는 적어도 하나의 객체를 촬영함으로써, 이미지(500)를 획득할 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 적어도 하나의 객체에 관한 동영상을 촬영하고, 동영상 촬영 중 마이크(122)를 이용하여 적어도 하나의 객체로부터 출력되는 음성, 음악, 또는 소음(noise)을 녹음할 수 있다. 마이크(122)는 적어도 하나의 객체로부터 녹음된 음성, 음악, 소음, 또는 기타 소리를 오디오 신호로 변환할 수 있다. 도 5에 도시된 실시예에서, 전자 장치(100)는 마이크(122)를 통해 가수의 음성(511) 및 음악(512)의 오디오 신호 뿐만 아니라, 가수 주변의 자동차 또는 행인들에 의한 잡음(513)의 오디오 신호를 획득할 수 있다.
전자 장치(100)는 사용자 입력에 기초하여 이미지(500)의 전체 영역 중 관심 영역(510)을 식별하고, 관심 영역(510) 내에 포함되는 관심 객체(520)를 인식할 수 있다. 예를 들어, 전자 장치(100)는 사용자로부터 줌 인(zoom in) 입력을 수신하고, 줌 인 입력에 따라 특정 영역을 확대시킬 수 있다. 전자 장치(100)는 확대된 영역을 관심 영역(510)으로서 식별할 수 있다. 전자 장치(100)는 객체 인식 모델을 이용하여 관심 영역(510) 내에 포함되는 객체를 인식할 수 있다. 본 개시의 일 실시예에서, 객체 인식 모델은 컨볼루션 신경망 모델(Convolution Neural Network) 등 심층 신경망 모델일 수 있으나, 이에 한정되는 것은 아니다. 본 개시의 일 실시예에서, 전자 장치(100)는 공지의 이미지 프로세싱 모델(예를 들어, 패턴 매칭, 특징 추출(feature extraction), 또는 경계 결정(boundary decision) 등)을 이용하여 관심 영역(510) 내에 포함되는 객체를 인식할 수 있다. 전자 장치(100)는 관심 영역(510) 내에서 인식된 객체를 관심 객체(520)로 결정할 수 있다.
전자 장치(100)는 동영상 촬영을 통해, 시간의 흐름에 따라 관심 객체(520)를 연속적으로 촬영함으로써 복수의 이미지 프레임(530)을 획득할 수 있다. 전자 장치(100)는 복수의 이미지 프레임(530)을 획득함과 동시에, 마이크(122)를 이용하여 관심 객체(520)로부터 출력된 음성(511) 및 음악(512)을 포함하는 오디오 신호(540)를 획득할 수 있다.
도 5에 도시된 실시예와 같이, 사용자는 전자 장치(100)의 카메라를 이용하여 거리 가수(street singer)인 관심 객체(520)가 포함되는 관심 영역(510)을 줌 인(zoom in)하고, 마이크(122)를 이용하여 거리 가수의 음성(511) 또는 음악(512)만을 녹음하기를 원할 수 있다. 그러나, 마이크(122)는 관심 객체(520)에 의하여 출력된 음성(511) 및 음악(512)의 오디오 신호 뿐만 아니라, 관심 객체(520)의 주변의 객체(예를 들어, 자동차 또는 주변 행인)에 의한 잡음(513)의 오디오 신호도 획득하는 바, 잡음(513)의 오디오 신호를 감쇠시키거나, 제거할 필요가 있다. 본 개시는 마이크(122)를 포함하는 음향 장치의 오디오 설정(audio setting)을 제어함으로써, 관심 객체(520)에 의한 오디오 신호를 강조 또는 증폭시키고, 관심 객체(520)를 제외한 다른 객체에 의한 잡음(513)은 감쇠하거나, 제거하는 전자 장치(100)를 제공할 수 있다. 본 개시의 전자 장치(100)가 관심 객체(520)의 컨텍스트 정보(context information)에 기초하여 음향 장치의 오디오 설정 중 이퀄라이저(equalizer)를 제어하는 구체적인 실시예에 대해서는 도 6, 도 7, 및 도 8a 내지 8c에서 상세하게 설명하기로 한다.
도 6은 본 개시의 일 실시예에 따른 전자 장치(100)가 기 설정된 매핑 관계에 따라 관심 객체의 컨텍스트 정보에 대응되는 오디오 설정을 적용하는 동작을 도시한 도면이다.
도 6을 참조하면, 전자 장치(100)는 카메라(110), 음향 장치(120), 및 프로세서(130)를 포함할 수 있다. 그러나, 도 6에는 전자 장치(100)의 동작을 설명하기 위한 핵심적인 구성 요소만이 도시되었고, 전자 장치(100)가 도 6에 도시된 구성만을 포함하는 것으로 한정되는 것은 아니다.
전자 장치(100)는 카메라(110)를 이용하여 현실 공간의 객체를 촬영함으로써, 로 이미지(raw image)(600)를 획득할 수 있다. 카메라(110)는 획득된 로 이미지(600)의 이미지 프레임을 프로세서(130)에 제공할 수 있다. 본 개시의 일 실시예에서, 카메라(110)는 사용자 입력에 의한 카메라 설정 정보를 프로세서(130)에 제공할 수 있다. '카메라 설정 정보'는 카메라(110)를 이용하는 촬영에 관하여 사용자 입력에 의한 설정 정보일 수 있다. 카메라 설정 정보는 예를 들어, 줌 인/아웃(zoom in/zoom out), 패닝(panning), 또는 포커스(focus) 중 적어도 하나에 관한 정보를 포함할 수 있다.
도 6에 도시된 실시예에서, 전자 장치(100)는 카메라(110)에 대한 줌 인 입력을 수신하고, 줌 인 입력에 따라 특정 영역을 확대하며, 확대된 영역을 관심 영역(610)으로 식별할 수 있다. 프로세서(130)는 줌 인 입력에 의한 카메라 설정 정보(예를 들어, 줌 배율 정보 또는 관심 영역(610) 정보)를 이미지-오디오 설정 매퍼(134)에 제공할 수 있다.
프로세서(130)는 카메라(110)로부터 획득한 로 이미지(600)의 이미지 프레임을 이미지 처리부(132)에 입력함으로써, 이미지 프레임으로부터 컨텍스트 정보를 획득할 수 있다. 본 개시의 일 실시예에서, 이미지 처리부(132)는 인공지능 모델로 구현될 수 있다. 예를 들어, 이미지 처리부(132)는 컨볼루션 신경망 모델(Convolution Neural Network)로 구현될 수 있으나, 이에 한정되는 것은 아니다. 이미지 처리부(132)는 예를 들어, 영역 기반 컨볼루션 신경망 모델(Region-based Convolution Neural Network, R-CNN), 싱글 샷 멀티박스 디텍터 모델(Single Shot multibox Detector, SSD), YOLO v4, 센터 넷(CenterNet), 또는 모바일 넷(MobileNet)으로 구현될 수도 있다. 이미지 처리부(132)는 카메라 설정 정보에 기초하여 관심 객체를 식별하고, 관심 객체로부터 컨텍스트 정보를 획득할 수 있다. 본 개시의 일 실시예에서, 이미지 처리부(132)는 관심 객체의 분류(classification) 정보, 행동(action) 정보, 시간 정보, 위치 정보, 장소 정보, 및 관심 객체 주위의 환경 정보 중 적어도 하나를 포함하는 컨텍스트 정보를 획득할 수 있다. 도 6에 도시된 실시예에서, 프로세서(130)는 이미지 처리부(132)를 통해 관심 영역(610) 내의 관심 객체를 식별하고, 관심 객체의 컨텍스트 정보를 획득할 수 있다. 예를 들어, 프로세서(130)는 로 이미지(600)의 이미지 프레임으로부터 바운딩 박스(620) 내의 관심 객체를 식별하고, 관심 객체의 컨텍스트 정보로서 '가수(분류 정보)', '거리(장소 정보)', 또는 '저녁 시간(시간 정보)'의 정보를 획득할 수 있다.
프로세서(130)는 이미지 처리부(132)를 통해 관심 객체에 관한 비디오 스트림(630)을 획득할 수 있다.
프로세서(130)는 카메라(110)로부터 획득한 카메라 설정 정보 및 이미지 처리부(132)로부터 획득한 컨텍스트 정보를 이미지-오디오 설정 매퍼(image-to-audio setting mapper)(134)에 제공할 수 있다. 이미지-오디오 설정 매퍼(134)는 로 이미지(600)의 이미지 프레임으로부터 획득된 컨텍스트 정보와 음향 장치(120)의 이퀄라이저 프리셋(equalizer preset) 사이의 매핑 관계에 관한 정보를 포함할 수 있다. 이미지 프레임으로부터 획득된 컨텍스트 정보와 음향 장치(120)의 이퀄라이저 프리셋 간의 매핑 관계는 로 이미지(600)를 획득하기 이전에 미리 설정되어 있을 수 있다. 본 개시의 일 실시예에서, 컨텍스트 정보와 이퀄라이저 프리셋 간의 매핑 관계에 관한 정보는 메모리(140, 도 2 참조) 내에 저장되어 있을 수 있다. 컨텍스트 정보와 이퀄라이저 프리셋 간의 매핑 관계에 대해서는 도 7a 및 도 7b에서 상세하게 설명하기로 한다.
음향 장치(120)는 마이크(122)를 포함하고, 마이크(122)를 이용하여 객체에 의해 출력되는 오디오 신호를 획득할 수 있다. 본 개시의 일 실시예에서, 마이크(122)는 객체에 의해 출력되는 음성, 음악, 또는 잡음을 포함하는 로 오디오 스트림(raw audio stream)을 획득할 수 있다.
프로세서(130)는 음향 장치(120)에 오디오 설정 제어 신호를 전송하고, 오디오 설정 제어 신호에 기초하여 음향 장치(120)를 제어할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 이미지-오디오 설정 매퍼(134)에 의해 컨텍스트 정보에 대응되도록 매핑된 이퀄라이저 프리셋을 결정하고, 마이크(122)가 결정된 이퀄라이저 프리셋에 따라 오디오 신호를 획득하도록 마이크(122)를 제어할 수 있다. 도 6에 도시된 실시예에서, 프로세서(130)는 이미지-오디오 설정 매퍼(134)에 의해 관심 객체의 컨텍스트 정보('가수', '거리', 또는 '저녁 시간')와 대응되도록 매핑된 이퀄라이저 프리셋(예를 들어, '음악'과 매핑된 이퀄라이저 프리셋)을 식별하고, 식별된 이퀄라이저 프리셋을 이용하여 오디오 신호를 획득하도록 마이크(122)를 제어할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 로 오디오 스트림에 포함된 오디오 신호의 주파수 스펙트럼 중에서 가수의 음성 또는 음악과 관련된 주파수 대역을 증폭하고, 주변의 소음 또는 환호성 등과 관련된 주파수 대역은 감쇠 또는 제거하도록 마이크(122)를 제어할 수 있다. 마이크(122)는 프로세서(130)에 의해 제공된 오디오 설정(예를 들어, 이퀄라이저 프리셋)을 로 오디오 스트림에 적용함으로써 오디오 신호(640)를 획득할 수 있다.
도 7a는 본 개시의 일 실시예에 따른 전자 장치(100)가 이미지-오디오 신호 매핑 관계에 따라 컨텍스트 정보에 대응되는 이퀄라이저 프리셋(equalizer preset)을 출력하는 동작을 도시한 도면이다.
도 7a를 참조하면, 이미지 컨텍스트-오디오 설정 매핑 관계 저장부(700)는 복수의 컨텍스트(710-1 내지 710-n)와 복수의 이퀄라이저 프리셋(720-1 내지 720-n) 간의 대응 관계에 관한 정보를 저장할 수 있다. 본 개시의 일 실시예에서, 이미지 컨텍스트-오디오 설정 매핑 관계 저장부(700)는 비휘발성 메모리로 구성될 수 있다. 비휘발성 메모리(Non-volatile memory)는 전원이 공급되지 않은 상태에서도 정보를 저장 및 유지하고, 전원이 공급되면 다시 저장된 정보를 사용할 수 있는 기억 매체를 의미한다. 비휘발성 메모리는 예를 들어, 플래시 메모리(flash memory), 하드디스크(hard disk), SSD(Solid State Drive), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 롬(Read Only Memory; ROM), 자기 디스크, 또는 광디스크 중 적어도 하나를 포함할 수 있다. 본 개시의 일 실시예에서, 이미지 컨텍스트-오디오 설정 매핑 관계 저장부(700)는 메모리(140, 도 2 참조)에 포함되거나, 또는 오디오 설정 제어 모듈(148, 도 2 참조) 내에 포함되는 구성 요소일 수 있다. 그러나, 이에 한정되는 것은 아니고, 이미지 컨텍스트-오디오 설정 매핑 관계 저장부(700)는 전자 장치(100)에 포함되지 않은 외장 메모리 형태로 구현되거나 또는 유무선 데이터 통신을 통해 연결되는 웹 기반 저장 매체 또는 클라우드 서버로 구현될 수도 있다.
이미지 컨텍스트-오디오 설정 매핑 관계 저장부(700)에는 복수의 컨텍스트 (710-1 내지 710-n) 각각과 대응되도록 매핑된 복수의 이퀄라이저 프리셋(720-1 내지 720-n)에 관한 정보가 저장되어 있을 수 있다. 본 개시의 일 실시예에서, 복수의 컨텍스트(710-1 내지 710-n)와 복수의 이퀄라이저 프리셋(720-1 내지 720-n) 간의 매핑 관계는 미리 설정되어 있을 수 있다. 도 7a에 도시된 실시예에서, '음악'을 나타내는 제1 컨텍스트(710-1)는 제1 이퀄라이저 프리셋(720-1)과 매핑되고, '콘서트'를 나타내는 제2 컨텍스트(710-2)는 제2 이퀄라이저 프리셋(720-2)과 매핑되며, '음성 채팅'인 제n 컨텍스트(710-n)는 제n 이퀄라이저 프리셋(720-n)과 매핑되어 있을 수 있다.
전자 장치(100)의 프로세서(130, 도 2 참조)는 컨텍스트 정보 획득 모듈(146)을 이용하여 이미지(710a)로부터 컨텍스트 정보를 획득할 수 있다. 프로세서(130)는 컨텍스트 정보로부터 이퀄라이저 프리셋에 대응되는 장면 컨텍스트(scene context)를 판단할 수 있다. 프로세서(130)는 예를 들어, 결정 트리(decision tree), 퍼지 논리(Fuzzy logic), 또는 기타 공지된 알고리즘을 이용하여 컨텍스트 정보로부터 장면 컨텍스트를 판단할 수 있다. 도 7a에 도시된 실시예에서, 프로세서(130)는 컨텍스트 정보 획득 모듈(146)을 통해 이미지(710a)로부터 '연주자'(분류 정보), '피아노 연주'(행동 정보), '콘서트 홀'(장소 정보), 또는 '관객들'(환경 정보)을 포함하는 컨텍스트 정보를 획득하고, 컨텍스트 정보로부터 장면 컨텍스트가 '콘서트'임을 판단할 수 있다.
프로세서(130)는 이미지 컨텍스트-오디오 설정 매핑 관계 저장부(700)에 저장된 복수의 이퀄라이저 프리셋(720-1 내지 720-n) 중 획득된 장면 컨텍스트와 동일 또는 유사한 컨텍스트 정보와 매핑된 이퀄라이저 프리셋을 식별할 수 있다. 도 7a에 도시된 실시예에서, 프로세서(130)는 이미지 컨텍스트-오디오 설정 매핑 관계 저장부(700)로부터 '콘서트'를 나타내는 제2 컨텍스트(710-2)와 대응되도록 매핑된 제2 이퀄라이저 프리셋(720-2)을 식별할 수 있다. 예를 들어, 제2 이퀄라이저 프리셋(720-2)은 콘서트의 음악에 대응되는 주파수 대역을 강조(또는 증폭)하여 '콘서트 홀'에 최적화된 이퀄라이저 프리셋일 수 있다. 프로세서(130)는 식별된 제2 이퀄라이저 프리셋(720-2)를 이용하여 오디오 신호를 획득하도록 음향 장치(예를 들어, 마이크(122, 도 6 참조))를 제어할 수 있다.
도 7b는 본 개시의 일 실시예에 따른 전자 장치(100)가 이미지-오디오 신호 매핑 관계에 따라 컨텍스트 정보에 대응되는 이퀄라이저 프리셋을 출력하는 동작을 도시한 도면이다.
도 7b에 도시된 실시예는 이미지(710b)로부터 획득한 컨텍스트(710-3) 및 식별된 이퀄라이저 프리셋(720-3)을 제외하고는 도 7a에 도시된 실시예와 동일하므로, 도 7a와 중복되는 설명은 생략한다.
도 7b를 참조하면, 전자 장치(100)는 이미지(710b)로부터 컨텍스트 정보를 획득하고, 이미지 컨텍스트-오디오 설정 매핑 관계 저장부(700)에 저장된 복수의 이퀄라이저 프리셋(720-1 내지 720-n) 중 획득된 컨텍스트와 동일 또는 유사한 컨텍스트 정보와 매핑된 이퀄라이저 프리셋을 식별할 수 있다. 도 7b에 도시된 실시예에서, 전자 장치(100)의 프로세서(130, 도 2 참조)는 컨텍스트 정보 획득 모듈(146)을 통해 이미지(710b)로부터 '연주자'(분류 정보), '산'(분류 정보), '나무(분류 정보), '피아노 연주'(행동 정보), 또는 '자연'(환경 정보)을 포함하는 컨텍스트 정보를 획득하고, 컨텍스트 정보로부터 장면 컨텍스트가 '자연'임을 판단할 수 있다.
프로세서(130)는 이미지 컨텍스트-오디오 설정 매핑 관계 저장부(700)로부터 '자연'을 나타내는 제3 컨텍스트(710-3)와 대응되도록 매핑된 제3 이퀄라이저 프리셋(720-3)을 식별할 수 있다. 예를 들어, 제3 이퀄라이저 프리셋(720-3)은 자연 환경에 대응되는 주파수 대역을 강조(또는 증폭)하여 '자연 환경'에 최적화된 이퀄라이저 프리셋일 수 있다. 프로세서(130)는 식별된 제3 이퀄라이저 프리셋(720-3)를 이용하여 오디오 신호를 획득하도록 음향 장치(예를 들어, 마이크(122, 도 6 참조))를 제어할 수 있다.
도 8a는 본 개시의 일 실시예에 따른 전자 장치(100)가 컨텍스트 정보에 기초하여 이퀄라이저 프리셋을 결정하는 동작을 도시한 도면이다.
도 8a를 참조하면, 전자 장치(100)는 관심 객체 이미지(800a)로부터 컨텍스트 정보를 획득할 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)의 프로세서(130, 도 2 참조)는 컨텍스트 정보 획득 모듈(146, 도 2 참조)을 이용하여 관심 객체 이미지(800a)를 분석함으로써, 관심 객체의 분류(classification) 정보, 행동(action) 정보, 시간 정보, 위치 정보, 장소 정보, 및 관심 객체 주위의 환경 정보 중 적어도 하나를 획득할 수 있다. 도 8a에 도시된 실시예에서, 전자 장치(100)는 관심 객체 이미지(800a)로부터 '가수'(분류 정보), '기타 치고 노래하는 행동'(행동 정보), '저녁 시간'(시간 정보), 및 '거리'(위치 정보) 중 적어도 하나의 정보를 획득할 수 있다.
전자 장치(100)는 컨텍스트 정보에 기초하여 오디오 설정(audio setting)을 제어하는 동작 및/또는 기능을 실행하기 위한 UI(User Interface)(810)를 디스플레이할 수 있다. 예를 들어, 전자 장치(100)는 디스플레이부 상에 스마트 오디오 설정 UI(smart audio setting UI)(810)를 디스플레이할 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 스마트 오디오 설정 UI(810)를 선택하는 사용자의 터치 입력을 수신할 수 있다. 터치 입력이 수신되면, 전자 장치(100)는 컨텍스트 정보에 기초하여 음향 장치의 이퀄라이저 프리셋(equalizer preset)을 결정한다.
전자 장치(100)는 컨텍스트 정보와 이퀄라이저 프리셋 간의 기 설정된 매핑 관계에 기초하여, 관심 객체 이미지(800a)로부터 획득된 컨텍스트 정보에 대응되는 이퀄라이저 프리셋을 결정할 수 있다. 본 개시의 일 실시예에서, 컨텍스트 정보와 이퀄라이저 프리셋 간의 매핑 관계는 미리 설정되어 있고, 미리 설정된 매핑 관계는 메모리(140, 도 2 참조) 또는 오디오 설정 제어 모듈(148, 도 2 참조) 내에 저장되어 있을 수 있다. 컨텍스트 정보와 이퀄라이저 프리셋 간의 매핑 관계에 관한 구체적인 설명은 도 7a에 설명된 것과 동일하므로, 중복되는 설명은 생략한다. 전자 장치(100)는 '가수'(분류 정보), '기타 치고 노래'(행동 정보), '저녁 시간'(시간 정보), 또는 '거리'(장소 정보)의 컨텍스트 정보에 기초하여 '음악'이라는 장면 컨텍스트를 판단하고, '음악'과 대응되도록 매핑된 음악 이퀄라이저 프리셋(820)을 결정할 수 있다.
전자 장치(100)는 결정된 음악 이퀄라이저 프리셋(820)을 이용하여 오디오 신호를 획득하도록 마이크(122, 도 6 참조)를 제어할 수 있다.
도 8b는 본 개시의 일 실시예에 따른 전자 장치(100)가 컨텍스트 정보에 기초하여 이퀄라이저 프리셋을 결정하는 동작을 도시한 도면이다.
도 8b에 도시된 실시예는 관심 객체 이미지(800b), 관심 객체 이미지(800b)로부터 획득된 컨텍스트 정보, 및 이퀄라이저 프리셋(822)을 제외하고는 도 8a와 동일하므로, 도 8a의 설명과 중복되는 설명은 생략한다.
도 8b를 참조하면, 전자 장치(100)는 관심 객체 이미지(800b)로부터 '강연자'(분류 정보) 및 '강의 하는 행동'(행동 정보) 중 적어도 하나의 정보를 획득할 수 있다. 전자 장치(100)는 컨텍스트 정보에 기초하여 오디오 설정(audio setting)을 제어하는 동작 및/또는 기능을 실행하기 위한 스마트 오디오 설정 UI(User Interface)(810)를 디스플레이하고, 스마트 오디오 설정 UI(810)를 선택하는 사용자의 터치 입력을 수신할 수 있다. 터치 입력이 수신되면, 전자 장치(100)는 컨텍스트 정보에 기초하여 음향 장치의 이퀄라이저 프리셋(equalizer preset)을 결정한다.
전자 장치(100)는 관심 객체의 컨텍스트 정보 중 행동 정보에 기초하여 장면 컨텍스트를 판단하고, 장면 컨텍스트에 매핑된 이퀄라이저 프리셋(822)을 결정할 수 있다. 도 8b에 도시된 실시예에서, 전자 장치(100)는 컨텍스트 정보 중 행동 정보(예를 들어, '강의')에 기초하여 장면 컨텍스트를 판단하고, 미리 설정된 매핑 관계에 따라 복수의 이퀄라이저 프리셋 중 장면 컨텍스트에 대응되도록 매핑된 '강연(speech)' 이퀄라이저 프리셋(822)을 결정할 수 있다.
전자 장치(100)는 결정된 '강연' 이퀄라이저 프리셋(822)을 이용하여 오디오 신호를 획득하도록 마이크(122, 도 6 참조)를 제어할 수 있다.
도 8c는 본 개시의 일 실시예에 따른 전자 장치(100)가 컨텍스트 정보에 기초하여 이퀄라이저 프리셋을 결정하는 동작을 도시한 도면이다.
도 8c에 도시된 실시예는 관심 객체 이미지(800c), 관심 객체 이미지(800c)로부터 획득된 컨텍스트 정보, 및 이퀄라이저 프리셋(824)을 제외하고는 도 8a와 동일하므로, 도 8a의 설명과 중복되는 설명은 생략한다.
도 8c를 참조하면, 전자 장치(100)는 관심 객체 이미지(800c)로부터 '사람의 얼굴'(분류 정보) 및 '영상 통화'(행동 정보) 중 적어도 하나의 정보를 획득할 수 있다. 전자 장치(100)는 컨텍스트 정보에 기초하여 오디오 설정(audio setting)을 제어하는 동작 및/또는 기능을 실행하기 위한 스마트 오디오 설정 UI(User Interface)(810)를 디스플레이하고, 스마트 오디오 설정 UI(810)를 선택하는 사용자의 터치 입력을 수신할 수 있다. 터치 입력이 수신되면, 전자 장치(100)는 컨텍스트 정보에 기초하여 음향 장치의 이퀄라이저 프리셋(equalizer preset)을 결정한다.
전자 장치(100)는 관심 객체의 컨텍스트 정보 중 행동 정보에 기초하여 장면 컨텍스트를 판단하고, 장면 컨텍스트에 매핑된 이퀄라이저 프리셋(824)을 결정할 수 있다. 도 8c에 도시된 실시예에서, 전자 장치(100)는 행동 컨텍스트(예를 들어, '영상 통화')에 기초하여 장면 컨텍스트를 판단하고, 미리 설정된 매핑 관계에 따라 복수의 이퀄라이저 프리셋 중 장면 컨텍스트에 대응되도록 매핑된 영상 통화(video call) 이퀄라이저 프리셋(824)을 결정할 수 있다.
전자 장치(100)는 결정된 영상 통화 이퀄라이저 프리셋(824)을 이용하여 오디오 신호를 획득하도록 마이크(122, 도 6 참조)를 제어할 수 있다.
도 6, 도 7a, 도 7b, 및 도 8a 내지 도 8c에 도시된 실시예에서, 전자 장치(100)는 관심 객체의 이미지로부터 컨텍스트 정보를 획득하고, 컨텍스트 정보와 이퀄라이저 프리셋 간의 미리 설정된 매핑 관계에 기초하여 관심 객체의 컨텍스트 정보에 대응되는 이퀄라이저 프리셋을 결정할 수 있다. 본 개시의 일 실시예에 따른 전자 장치(100)는 결정된 이퀄라이저 프리셋을 통해 오디오 신호를 획득함으로써, 사용자가 관심있어 하는 객체의 컨텍스트와 관련된 오디오 신호의 주파수 대역만을 강조할 수 있고, 마이크(122)를 통해 녹음되는 오디오 신호의 품질을 향상시킬 수 있다. 예를 들어, 도 8a에 도시된 실시예에서 전자 장치(100)는 주변 소음이 없는 거리 가수(street singer) 또는 무대 예술가의 노래, 또는 음악만을 강조하여 녹음할 수 있다. 도면에서는 도시되지 않았지만, 전자 장치(100)는 결정된 이퀄라이저 프리셋을 이용하여 음향 장치 중 스피커(124, 도 2 참조)를 통해 출력되는 오디오 신호의 주파수 대역 중 관심 객체와 관련된 특정 주파수 대역을 강조(또는 증폭)하고, 관심 객체와 관련되지 않은 주파수 대역은 감쇠 또는 제거할 수 있다. 이를 통해, 전자 장치(100)는 스피커(124)를 통해 출력되는 오디오 신호의 품질을 향상시킬 수 있다.
도 9는 본 개시의 일 실시예에 따른 전자 장치(100)가 이미지의 컨텍스트 정보에 기초하여 오디오 신호의 필터링(filtering)을 수행하는 동작을 도시한 도면이다.
도 9를 참조하면, 전자 장치(100)는 카메라(110), 음향 장치(120), 및 프로세서(130)를 포함할 수 있다. 그러나, 도 9에는 전자 장치(100)의 동작을 설명하기 위한 핵심적인 구성 요소만이 도시되었고, 전자 장치(100)가 도 9에 도시된 구성만을 포함하는 것으로 한정되는 것은 아니다.
전자 장치(100)는 카메라(110)를 이용하여 현실 공간의 객체를 촬영함으로써, 로 이미지(raw image)(900)를 획득할 수 있다. 카메라(110)는 획득된 로 이미지(900)의 이미지 프레임을 프로세서(130)에 제공할 수 있다. 프로세서(130)는 객체 인식 모델을 이용하여 이미지 프레임으로부터 적어도 하나의 객체(910, 920, 922)를 인식하고, 인식된 적어도 하나의 객체(910, 920, 922) 중 관심 객체(910)를 식별할 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 사용자 입력에 기초하여 줌 인(zoom in), 패닝(panning), 또는 포커스(focus) 중 적어도 하나를 수행하고, 수행된 줌 인, 패닝, 또는 포커스에 의해 특정된 관심 영역 내에 포함되는 관심 객체(910)를 식별할 수 있다. 도 9에 도시된 실시예에서, 프로세서(130)는 이미지 프레임으로부터 '사람'을 관심 객체(910)로 식별할 수 있다.
프로세서(130)는 카메라(110)로부터 획득한 로 이미지(600)의 이미지 프레임을 이미지 처리부(132)에 입력함으로써, 이미지 프레임으로부터 컨텍스트 정보를 획득할 수 있다. 본 개시의 일 실시예에서, 이미지 처리부(132)는 인공지능 모델로 구현될 수 있다. 예를 들어, 이미지 처리부(132)는 컨볼루션 신경망 모델(Convolution Neural Network)로 구현될 수 있으나, 이에 한정되는 것은 아니다. 이미지 처리부(132)는 예를 들어, 영역 기반 컨볼루션 신경망 모델(Region-based Convolution Neural Network, R-CNN), 싱글 샷 멀티박스 디텍터 모델(Single Shot multibox Detector, SSD), YOLO v4, 센터 넷(CenterNet), 또는 모바일 넷(MobileNet)으로 구현될 수도 있다. 이미지 처리부(132)는 관심 객체로부터 컨텍스트 정보를 획득할 수 있다. 본 개시의 일 실시예에서, 이미지 처리부(132)는 관심 객체의 분류(classification) 정보, 행동(action) 정보, 시간 정보, 위치 정보, 장소 정보, 및 관심 객체 주위의 환경 정보 중 적어도 하나를 포함하는 컨텍스트 정보를 획득할 수 있다. 도 9에 도시된 실시예에서, 프로세서(130)는 이미지 처리부(132)를 통해 관심 객체(910)의 컨텍스트 정보로서 '가수(분류 정보)', '거리(장소 정보)', 또는 '저녁 시간(시간 정보)'의 정보를 획득할 수 있다.
프로세서(130)는 이미지 처리부(132)를 통해 관심 객체(910)를 포함하는 관심 영역에 관한 비디오 스트림(930)을 획득할 수 있다.
프로세서(130)는 이미지 처리부(132)로부터 획득한 컨텍스트 정보에 기초하여 음향 장치(120)의 오디오 설정을 제어할 수 있다. 음향 장치(120)는 예를 들어, 마이크를 포함하고, 마이크를 통해 적어도 하나의 객체(910, 920, 922)에 의해 출력되는 음성, 음악, 또는 잡음을 녹음할 수 있다. 본 개시의 일 실시예에서, 음향 장치(120)는 관심 객체(910)로부터 출력되는 음성 신호(912) 및 음악 신호(914)를 획득하고, 자동차(920) 및 행인(922)에 의해 출력되는 잡음(noise) 신호(924)를 획득할 수 있다.
본 개시의 일 실시예에서, 음향 장치(120)는 대역 차단 필터(band stop filter)(126) 및 증폭기(amplifier)(128)를 포함할 수 있다. 프로세서(130)는 컨텍스트 정보에 기초하여 음향 장치(120)의 대역 차단 필터(126) 및 증폭기(128)를 제어할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 대역 차단 필터(126)를 제어함으로써, 로 이미지(900)의 이미지 프레임으로부터 인식된 적어도 하나의 객체(910, 920, 922) 중 관심 객체(910)를 제외한 나머지 객체(920, 922)에 의해 출력되는 잡음 신호(924)의 주파수 대역은 감쇠(attenuating) 또는 차단하는 필터링(filtering)을 수행할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 증폭기(128)를 이용하여, 관심 객체(910)에 의해 출력되는 음성 신호(912) 및 음악 신호(914)의 주파수 대역을 증폭할 수 있다.
음향 장치(120)는 프로세서(130)의 제어에 의해 관심 객체(910)와 관련된 음성 신호(912) 및 음악 신호(914)만을 증폭시키고, 관심 객체(910)가 아닌 나머지 객체(920, 922)와 관련된 잡음 신호(924)는 감쇠 또는 제거하여, 오디오 신호(940)를 획득할 수 있다. 도 9에 도시된 실시예에서, 오디오 신호(940)는 관심 객체(910)에 의해 출력된 음성 신호(912) 및 음악 신호(914)를 포함할 수 있다.
도 9에 도시된 실시예에서, 전자 장치(100)는 관심 객체(910)에 관한 컨텍스트 정보를 획득하고, 컨텍스트 정보에 기초하여 음향 장치(120)의 대역 차단 필터(126) 및 증폭기(128)를 제어함으로써 사용자가 관심있어 하는 객체와 관련된 오디오 신호(940)만을 강조(또는 증폭)하여 획득할 수 있다. 따라서 본 개시의 일 실시예에 따른 전자 장치(100)는 마이크를 통해 사용자가 원하는 오디오 신호(940)만을 획득하고, 사용자가 원치 않는 잡음(noise) 신호(924)는 효율적으로 감쇠시킬 수 있는 바, 녹음되는 오디오 신호(940)의 품질을 향상시킬 수 있다.
도 10은 본 개시의 일 실시예에 따른 전자 장치(100)가 관심 객체(1010)의 컨텍스트 정보에 기초하여 음향 장치의 프리셋을 결정하는 동작을 도시한 도면이다.
도 10을 참조하면, 전자 장치(100)는 디스플레이부를 포함하고, 디스플레이부는 이미지(1000)를 디스플레이할 수 있다. 예를 들어, 전자 장치(100)는 스마트 TV일 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 사용자의 시선 정보를 획득하고, 사용자의 시선이 기 설정된 시간 이상 머무는 관심 지역(point of interest)을 인식할 수 있다. 전자 장치(100)의 프로세서(130, 도 2 참조)는 디스플레이되는 이미지(1000)로부터 적어도 하나의 객체(1010, 1020, 1030)를 인식하고, 적어도 하나의 객체(1010, 1020, 1030) 중 관심 지역에 위치하는 객체를 관심 객체(1010)로 식별할 수 있다.
프로세서(130)는 관심 객체(1010)의 컨텍스트 정보를 획득할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 메모리(140, 도 2 참조)의 컨텍스트 정보 획득 모듈(146, 도 2 참조)을 이용하여, 관심 객체(1010)의 분류(classification), 행동(action), 시간, 장소, 위치, 및 주변 환경 중 적어도 하나에 관한 정보를 획득할 수 있다. 본 개시의 일 실시예에서, 컨텍스트 정보 획득 모듈(146)은 인공지능 모델로 구현될 수 있다. 예를 들어, 컨텍스트 정보 획득 모듈(146)은 컨볼루션 신경망 모델(Convolution Neural Network)로 구현될 수 있으나, 이에 한정되는 것은 아니다. 컨텍스트 정보 획득 모듈(146)은 예를 들어, 영역 기반 컨볼루션 신경망 모델(Region-based Convolution Neural Network, R-CNN), 싱글 샷 멀티박스 디텍터 모델(Single Shot multibox Detector, SSD), YOLO v4, 센터 넷(CenterNet), 또는 모바일 넷(MobileNet)으로 구현될 수도 있다. 도 10에 도시된 실시예에서, 프로세서(130)는 컨텍스트 정보 획득 모듈(146)을 통해 관심 객체(1010)의 컨텍스트 정보로서 '테니스 선수(분류 정보)', '인터뷰'(행동 정보), '테니스 코트'(장소 정보), 또는 '관객들'(환경 정보)의 정보를 포함하는 컨텍스트 정보를 획득할 수 있다.
프로세서(130)는 관심 객체(1010)의 컨텍스트 정보에 기초하여 스피커(124)의 프리셋을 결정한다. 도 10에 도시된 실시예에서, 관심 객체(1010)의 컨텍스트 정보는 '테니스 선수'가 '테니스 코트'에서 '인터뷰'를 하고 있는 것이므로, 프로세서(130)는 스피커(124)의 프리셋을 "음성(voice)"으로 결정할 수 있다.
스피커(124)의 프리셋이 "음성"으로 결정되는 경우, 프로세서(130)는 스피커(124)의 증폭기(amplifier)를 이용하여, 오디오 신호(1012, 1022, 1032)의 주파수 대역 중 관심 객체(1010)와 관련된 주파수 대역을 갖는 오디오 신호(1012)를 증폭할 수 있다. 프로세서(130)는 예를 들어, 객체 별 오디오 신호의 주파수 대역에 관한 정보를 이용하여 관심 객체(1010)에 의해 출력되는 음성에 해당되는 주파수 대역을 식별하고, 식별된 주파수 대역에 해당되는 오디오 신호(1012)만을 증폭시킬 수 있다. 다른 예를 들어, 프로세서(130)는 인공지능 모델로 구현된 오디오-이미지 분할 알고리즘(Audio-Visual Speech Separation)을 이용하거나, 또는 픽셀 별 음향 신호 분리 알고리즘(예를 들어, The Sound of Pixel의 PixelPlayer)을 이용하여 관심 객체(1010)의 음성과 관련된 오디오 신호(1012)만을 증폭할 수 있다.
프로세서(130)는 관심 객체(1010)와 관련된 주파수 대역이 아닌 나머지 주파수 대역의 오디오 신호(1022, 1032)에 대해서는 감쇠(attenuate) 또는 음소거 처리할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 대역 차단 필터(band stop filter)를 이용하여, 관심 객체(1010)를 제외한 나머지 객체(1020, 1030)와 관련된 오디오 신호(1022, 1032)의 주파수 대역은 감쇠 또는 차단하는 필터링(filtering)을 수행할 수 있다.
도 10에 도시된 실시예에서, 전자 장치(100)는 이미지(1000)로부터 관심 객체(1010)에 관한 컨텍스트 정보를 획득하고, 컨텍스트 정보에 기초하여 스피커(124)의 오디오 설정을 제어함으로써, 사용자가 관심있어 하는 객체와 관련된 오디오 신호(1012)(예를 들어, 테니스 선수의 인터뷰 음성)만을 강조함으로써, 스피커(124)를 통해 출력되는 오디오 신호의 품질을 향상시킬 수 있다. 또한, 본 개시의 일 실시예에 따른 전자 장치(100)는 관심 객체(1010)의 오디오 신호(1012)를 듣기에 방해되는 잡음(noise) 신호(1022, 1032), 예를 들어 관객들의 환호성 소리를 감쇠 또는 음소거 처리할 수 있는 바, 사용 편의성 및 만족도가 향상될 수 있다.
도 11은 본 개시의 일 실시예에 따른 전자 장치(100)가 관심 객체(1110)와 관련된 오디오 신호(1112)를 획득하기 위하여 오디오 설정을 제어하는 동작을 도시한 도면이다.
도 11을 참조하면, 전자 장치(100)는 사용자의 안면부(顔面部)에 착용하는 글래스 타입(glass-type)의 증강 현실 장치(Augmented Reality device)일 수 있다. 예를 들어, 전자 장치(100)는 스마트 글래스와 같은 증강 현실 장치일 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)는 사용자의 좌안 및 우안의 시선을 추적하여 시선 방향에 관한 정보를 획득하는 시선 추적 센서(eye tracking sensor)를 포함할 수 있다. 전자 장치(100)는 시선 추적 센서를 이용하여 좌안의 시선 방향에 관한 정보 및 우안의 시선 방향에 관한 정보를 획득할 수 있다. 전자 장치(100)의 프로세서(130, 도 2 참조)는 시선 추적 센서를 통해 좌안의 시선 방향과 우안의 시선 방향이 수렴하는 응시점(gaze point)(G)의 위치 정보를 획득할 수 있다. 프로세서(130)는 응시점(G)의 위치에 기초하여 관심 객체(1110)를 식별할 수 있다.
프로세서(130)는 관심 객체(1110)와 관련된 오디오 신호(1112)를 획득하기 위하여 음향 장치(120)의 오디오 설정(audio setting)을 제어할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 마이크(122)의 증폭기(amplifier)를 이용하여, 오디오 신호(1112, 1122)의 주파수 대역 중 관심 객체(1110)와 관련된 주파수 대역을 갖는 오디오 신호(1112)를 증폭할 수 있다.
본 개시의 일 실시예에서, 프로세서(130)는 관심 객체(1110)와 관련된 주파수 대역이 아닌 나머지 주파수 대역의 오디오 신호(1122)에 대해서는 감쇠(attenuate) 또는 음소거 처리할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 마이크(122)의 대역 차단 필터(band stop filter)를 이용하여, 관심 객체(1110)를 제외한 나머지 객체(1120)와 관련된 오디오 신호(1122)의 주파수 대역은 감쇠 또는 차단하는 필터링(filtering)을 수행할 수 있다.
본 개시의 일 실시예에서, 마이크(122)는 지향성 마이크 또는 다중 패턴 마이크로 구성될 수 있다. 프로세서(130)는 관심 객체(1110)의 위치에 대응되는 소정 각도 범위 내에서만 오디오 신호(1112)를 획득하도록 마이크(122)를 제어할 수 있다.
본 개시의 일 실시예에서, 프로세서(130)는 마이크(122)를 통해 획득된 오디오 신호(1112)를 스피커(124)를 통해 출력할 수 있다.
도 11에 도시된 실시예에서, 전자 장치(100)는 사용자 주변에 있는 사람들 중 사용자와 대화하고 있는 사람(관심 객체(1110))의 말소리(오디오 신호(1112))만을 증폭하여 녹음하고, 녹음된 말소리를 스피커(124)를 통해 출력하는 바, 사용자가 대화하고 있는 사람의 말소리를 더 집중해서 들을 수 있게 하는 기술적 효과를 제공할 수 있다. 또한, 사용자가 청각 장애를 갖고 있는 경우, 전자 장치(100)는 사용자와 대화 중인 사람(관심 객체(1110))의 말소리를 증폭하고, 대화 중인 사람과 관련 없는 객체(1120)의 소리는 감쇠 또는 차단함으로써 청각 장애인에게 보청기(hearing aid)와 같은 기능을 제공할 수도 있다.
도 12는 본 개시의 일 실시예에 따른 전자 장치(100)가 관심 객체(1210)와 관련된 오디오 신호(1212)를 획득하기 위하여 오디오 설정을 제어하는 동작을 도시한 도면이다.
도 12를 참조하면, 전자 장치(100)는 사용자의 안면부(顔面部)에 착용하는 글래스 타입(glass-type)의 증강 현실 장치(Augmented Reality device)일 수 있다. 예를 들어, 전자 장치(100)는 스마트 글래스와 같은 증강 현실 장치일 수 있다. 본 개시의 일 실시예에서, 전자 장치(100)의 프로세서(130, 도 2 참조) 시선 추적 센서를 이용하여 사용자의 좌안의 시선 방향과 우안의 시선 방향이 수렴하는 응시점(G)의 위치 정보를 획득할 수 있다. 프로세서(130)가 응시점(G)의 위치 정보를 획득하는 구체적인 실시예는 도 11에서 설명한 것과 동일하므로 중복되는 설명은 생략한다. 프로세서(130)는 응시점(G)의 위치에 기초하여 관심 객체(1210)를 식별할 수 있다.
프로세서(130)는 관심 객체(1210)와 관련된 오디오 신호(1212)를 획득하기 위하여 음향 장치(120)의 오디오 설정(audio setting)을 제어할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 마이크(122)의 증폭기(amplifier)를 이용하여, 오디오 신호(1212, 1222)의 주파수 대역 중 관심 객체(1210)와 관련된 주파수 대역을 갖는 오디오 신호(1212)를 증폭할 수 있다.
본 개시의 일 실시예에서, 프로세서(130)는 관심 객체(1210)와 관련된 주파수 대역이 아닌 나머지 주파수 대역의 오디오 신호(1222)에 대해서는 감쇠(attenuate) 또는 음소거 처리할 수 있다. 본 개시의 일 실시예에서, 프로세서(130)는 마이크(122)의 대역 차단 필터(band stop filter)를 이용하여, 관심 객체(1210)를 제외한 나머지 객체(1220)와 관련된 오디오 신호(1222)의 주파수 대역은 감쇠 또는 차단하는 필터링(filtering)을 수행할 수 있다.
본 개시의 일 실시예에서, 마이크(122)는 지향성 마이크 또는 다중 패턴 마이크로 구성될 수 있다. 프로세서(130)는 관심 객체(1210)의 위치에 대응되는 소정 각도 범위 내에서만 오디오 신호(1212)를 획득하도록 마이크(122)를 제어할 수 있다.
본 개시의 일 실시예에서, 프로세서(130)는 마이크(122)를 통해 획득된 오디오 신호(1212)를 스피커(124)를 통해 출력할 수 있다.
도 12에 도시된 실시예에서, 전자 장치(100)는 작업자가 작업에 사용하는 기계(관심 객체(1210))로부터 출력되는 기계음(오디오 신호(1212))만을 증폭하여 녹음하고, 녹음된 기계음을 스피커(124)를 통해 출력하는 바, 작업자의 집중력 및 작업 효율을 향상시킬 수 있다.
도 13은 본 개시의 일 실시예에 따른 전자 장치(100)가 크롭된 이미지(cropped image)로부터 관심 객체를 식별하고, 관심 객체와 관련된 오디오 신호를 획득하는 동작을 도시한 흐름도이다.
도 13에 도시된 단계들 중 S1310 및 S1320은 도 3에 도시된 단계 S320을 구체화한 단계들이다. 도 13의 단계 S1310은 도 3에 도시된 단계 S310이 수행된 이후에 수행될 수 있다. 도 13에 도시된 S1330은 도 3에 도시된 단계 S340을 구체화한 단계이다.
도 14는 본 개시의 일 실시예에 따른 전자 장치(100)가 크롭된 이미지(1430)로부터 관심 객체(1440)를 식별하고, 관심 객체(1440)와 관련된 오디오 신호(1412)를 획득하는 동작을 도시한 도면이다.
이하에서는, 도 13과 도 14를 함께 참조하여 전자 장치(100)의 동작을 설명하기로 한다.
도 13을 참조하면, 단계 S1310에서 전자 장치(100)는 사용자의 크롭 입력에 기초하여, 크롭 이미지(cropped image)를 획득한다. 도 14를 함께 참조하면, 전자 장치(100)는 디스플레이부 및 입력 인터페이스를 포함할 수 있다. 전자 장치(100)는 디스플레이부 상에 이미지(1400)를 디스플레이할 수 있다. 전자 장치(100)의 프로세서(130, 도 2 참조)는 디스플레이되는 이미지(1400)로부터 적어도 하나의 객체(1410, 1420)를 인식할 수 있다. 전자 장치(100)는 입력 인터페이스를 통해 이미지(1400)의 특정 영역을 크롭하는 사용자의 크롭 입력을 수신할 수 있다. 프로세서(130)는 크롭 입력에 기초하여 크롭 이미지(cropped image)(1430)를 획득할 수 있다. 도 14에 도시된 실시예에서, 프로세서(130)는 이미지(1400)로부터 통화하는 사람인 제1 객체(1410)와 고양이인 제2 객체(1420)를 인식하고, 사용자로부터 수신된 크롭 입력에 의해 제1 객체(1410)만을 포함하는 크롭 이미지(1430)를 획득할 수 있다.
도 13의 단계 S1320을 참조하면, 전자 장치(100)는 크롭 이미지에 포함되는 관심 객체를 식별한다. 도 14를 함께 참조하면, 전자 장치(100)의 프로세서(130)는 크롭 이미지(1430)에 포함된 제1 객체(1410)를 관심 객체로서 식별할 수 있다.
도 13의 단계 S1330을 참조하면, 전자 장치(100)는 관심 객체와 관련된 오디오 신호를 증폭시키고, 적어도 하나의 객체 중 크롭 이미지에 포함되지 않은 객체와 관련된 오디오 신호는 감쇠 또는 음소거 처리한다. 도 14를 함께 참조하면, 전자 장치(100)의 프로세서(130)는 음향 장치(120)의 증폭기(amplifier)를 제어하여, 크롭 이미지(1430)에 포함된 관심 객체(1410)와 관련된 오디오 신호(1412)를 증폭할 수 있다. 프로세서(130)는 예를 들어, 객체 별 오디오 신호의 주파수 대역에 관한 정보를 이용하여 관심 객체(1410)에 의해 출력되는 음성에 해당되는 주파수 대역을 식별하고, 식별된 주파수 대역에 해당되는 오디오 신호(1412)만을 증폭시킬 수 있다. 다른 예를 들어, 프로세서(130)는 인공지능 모델로 구현된 오디오-이미지 분할 알고리즘(Audio-Visual Speech Separation)을 이용하거나, 또는 픽셀 별 음향 신호 분리 알고리즘(예를 들어, The Sound of Pixel의 PixelPlayer)을 이용하여 관심 객체(1410)의 음성과 관련된 오디오 신호(1412)만을 증폭할 수 있다. 프로세서(130)는 증폭된 오디오 신호(1412)를 마이크(122)를 통해 획득할 수 있다.
본 개시의 일 실시예에서, 프로세서(130)는 관심 객체(1410)와 관련된 주파수 대역이 아닌 나머지 주파수 대역의 오디오 신호(1422)에 대해서는 감쇠(attenuate) 또는 음소거 처리할 수 있다. 예를 들어, 프로세서(130)는 대역 차단 필터(band stop filter)를 이용하여, 관심 객체(1410)를 제외한 나머지 객체(1420)와 관련된 오디오 신호(1422)의 주파수 대역은 감쇠 또는 차단하는 필터링(filtering)을 수행할 수 있다.
도 13 및 도 14에 도시된 실시예에서, 전자 장치(100)는 사용자에 의해 크롭된 크롭 이미지(1430)에 포함되는 관심 객체(1410)와 관련된 오디오 신호(1412)만을 증폭하여 획득할 수 있다. 따라서, 본 개시의 일 실시예에 따른 전자 장치(100)는 사용자가 원치 않는 소음인 고양이 소리(오디오 신호(1422))는 감쇠하거나 차단함으로써 사용자의 선호도에 맞는 오디오 신호를 획득할 수 있고, 사용자 편의성이 향상될 수 있다.
본 개시는 이미지에 기초하여 음향 장치를 제어하는 전자 장치(100)를 제공한다. 본 개시의 일 실시예에 따른 전자 장치(100)는 카메라(110, 도 2 참조), 마이크(122, 도 2 참조) 및 스피커(124, 도 2 참조) 중 적어도 하나를 포함하는 음향 장치(120, 도 2 참조), 적어도 하나의 명령어들(instructions)를 저장하는 메모리(140, 도 2 참조), 및 상기 적어도 하나의 명령어들을 실행하는 적어도 하나의 프로세서(130, 도 2 참조)를 포함할 수 있다. 상기 적어도 하나의 프로세서(130)는 카메라(110)를 이용하여 촬영된 이미지로부터 적어도 하나의 객체를 인식할 수 있다. 상기 적어도 하나의 프로세서(130)는 인식된 적어도 하나의 객체 중 사용자가 관심있는 관심 객체(main object of interest)를 식별할 수 있다. 상기 적어도 하나의 프로세서(130)는 식별된 관심 객체의 컨텍스트 정보(context information)를 획득할 수 있다. 상기 적어도 하나의 프로세서(130)는 획득된 컨텍스트 정보에 기초하여 음향 장치(120)를 이용하여 오디오 신호를 획득 또는 출력하기 위한 음향 장치(120)의 오디오 설정(audio setting)을 제어할 수 있다.
본 개시의 일 실시예에서, 전자 장치(100)는 이미지에 대한 줌 인(zoom in), 패닝(panning), 포커스(focus), 또는 크롭(crop) 중 어느 하나의 사용자 입력을 수신하는 입력 인터페이스를 더 포함할 수 있다. 상기 적어도 하나의 프로세서(130)는 입력 인터페이스를 통해 수신된 사용자 입력에 기초하여 줌 인, 패닝, 포커스, 또는 크롭된 영역을 식별할 수 있다. 상기 적어도 하나의 프로세서(130)는 식별된 영역에 포함되는 객체를 관심 객체로 인식할 수 있다.
본 개시의 일 실시예에서, 상기 적어도 하나의 프로세서(130)는 관심 객체의 이미지로부터 관심 객체의 분류(classification) 정보, 행동(action) 정보, 시간 정보, 위치 정보, 장소 정보, 및 관심 객체 주위의 환경 정보 중 적어도 하나를 획득할 수 있다.
본 개시의 일 실시예에서, 상기 적어도 하나의 프로세서(130)는 컨텍스트 정보에 기초하여 음향 장치(120)의 필터(filter), 증폭기(amplifier), 및 이퀄라이저(equalizer) 중 적어도 하나를 제어할 수 있다.
본 개시의 일 실시예에서, 상기 적어도 하나의 프로세서(130)는 결정 트리(decision tree) 또는 퍼지 논리(Fuzzy logic)에 기초하여 기 저장된 복수의 이퀄라이저 프리셋(equalizer presets) 중 컨텍스트 정보와 매핑되는 이퀄라이저 프리셋을 결정할 수 있다.
본 개시의 일 실시예에서, 상기 적어도 하나의 프로세서(130)는 기 설정된 매핑 관계에 따라 상기 컨텍스트 정보와 대응되도록 매핑된 이퀄라이저 프리셋을 결정할 수 있다.
본 개시의 일 실시예에서, 상기 적어도 하나의 프로세서(130)는 관심 객체의 이미지로부터 관심 객체의 행동을 인식할 수 있다. 상기 적어도 하나의 프로세서(130)는 기 설정된 매핑 관계에 따라 인식된 관심 객체의 행동과 매핑된 이퀄라이저 프리셋을 결정할 수 있다.
본 개시의 일 실시예에서, 상기 적어도 하나의 프로세서(130)는 증폭기(amplifier)를 이용하여 오디오 신호의 주파수 대역 중 관심 객체와 관련된 주파수 대역을 증폭할 수 있다.
본 개시의 일 실시예에서, 상기 적어도 하나의 프로세서(130)는 대역 차단 필터(band stop filter)를 이용하여 적어도 하나의 객체 중 관심 객체를 제외한 나머지 객체와 관련된 오디오 신호의 주파수 대역은 감쇠(attenuating) 또는 차단하는 필터링(filtering)을 수행할 수 있다.
본 개시의 일 실시예에서, 전자 장치(100)는 이미지에 대한 사용자의 크롭 입력을 수신하는 입력 인터페이스를 더 포함할 수 있다. 상기 적어도 하나의 프로세서(130)는 입력 인터페이스를 통해 수신된 크롭 입력에 기초하여, 크롭 이미지(cropped image)를 획득할 수 있다. 상기 적어도 하나의 프로세서(130)는 크롭 이미지에 포함되는 관심 객체와 관련된 오디오 신호를 증폭시키고, 적어도 하나의 객체 중 크롭 이미지에 포함되지 않은 객체와 관련된 오디오 신호는 감쇠 또는 음소거 처리할 수 있다.
본 개시는 전자 장치(100)가 이미지에 기초하여 음향 장치(120)를 제어하는 방법을 제공한다. 본 개시의 일 실시예에 따른 방법은 카메라(110)를 이용하여 촬영된 이미지로부터 적어도 하나의 객체를 인식하는 단계(S310)를 포함할 수 있다. 본 개시의 일 실시예에 따른 방법은 인식된 적어도 하나의 객체 중 사용자가 관심있는 관심 객체(main object of interest)를 식별하는 단계(S320)를 포함할 수 있다. 본 개시의 일 실시예에 따른 방법은 식별된 관심 객체의 컨텍스트 정보(context information)를 획득하는 단계(S330)를 포함할 수 있다. 본 개시의 일 실시예에 따른 방법은 획득된 컨텍스트 정보에 기초하여, 마이크 및 스피커 중 적어도 하나를 포함하는 음향 장치(120)의 오디오 신호의 획득 또는 출력을 위한 오디오 설정(audio setting)을 제어하는 단계(S340)를 포함할 수 있다.
본 개시의 일 실시예에서, 상기 컨텍스트 정보를 획득하는 단계(S330)에서, 전자 장치(100)는 관심 객체의 이미지로부터 관심 객체의 분류(classification) 정보, 행동(action) 정보, 시간 정보, 위치 정보, 장소 정보, 및 관심 객체 주위의 환경 정보 중 적어도 하나를 획득할 수 있다.
본 개시의 일 실시예에서, 상기 음향 장치(120)의 오디오 설정을 제어하는 단계(S340)에서, 전자 장치(100)는 컨텍스트 정보에 기초하여 음향 장치(120)의 필터(filter), 증폭기(amplifier), 및 이퀄라이저(equalizer) 중 적어도 하나를 제어할 수 있다.
본 개시의 일 실시예에서, 상기 음향 장치(120)의 오디오 설정을 제어하는 단계(S340)는 결정 트리(decision tree) 또는 퍼지 논리(Fuzzy logic)에 기초하여 기 저장된 복수의 이퀄라이저 프리셋(equalizer presets) 중 컨텍스트 정보와 매핑되는 이퀄라이저 프리셋을 결정하는 단계를 포함할 수 있다.
본 개시의 일 실시예에서, 상기 음향 장치(120)의 오디오 설정을 제어하는 단계(S340)는 기 설정된 매핑 관계에 따라 컨텍스트 정보와 대응되도록 매핑된 이퀄라이저 프리셋을 결정하는 단계를 포함할 수 있다.
본 개시의 일 실시예에서, 상기 컨텍스트 정보를 획득하는 단계(S330)에서, 전자 장치(100)는 관심 객체의 이미지로부터 관심 객체의 행동을 인식할 수 있다. 하고, 상기 이퀄라이저 프리셋을 선택하는 단계에서, 전자 장치(100)는 기 설정된 매핑 관계에 따라 인식된 관심 객체의 행동과 매핑된 이퀄라이저 프리셋을 결정할 수 있다.
본 개시의 일 실시예에서, 상기 음향 장치(120)의 오디오 설정을 제어하는 단계(S340)는 증폭기(amplifier)를 이용하여 오디오 신호의 주파수 대역 중 관심 객체와 관련된 주파수 대역을 증폭하는 단계를 포함할 수 있다.
본 개시의 일 실시예에서, 상기 음향 장치(120)의 오디오 설정을 제어하는 단계(S340)는 대역 차단 필터(band stop filter)를 이용하여 적어도 하나의 객체 중 관심 객체를 제외한 나머지 객체와 관련된 오디오 신호의 주파수 대역은 감쇠(attenuating) 또는 차단하는 필터링(filtering)을 수행하는 단계를 포함할 수 있다.
본 개시의 일 실시예에서, 상기 관심 객체를 식별하는 단계(S320)는 이미지에 대한 사용자의 크롭 입력에 기초하여 크롭 이미지(cropped image)를 획득하는 단계(S1310)를 포함할 수 있다. 상기 음향 장치(120)의 오디오 설정을 제어하는 단계(S340)는 크롭 이미지에 포함되는 관심 객체와 관련된 오디오 신호를 증폭시키고, 적어도 하나의 객체 중 크롭 이미지에 포함되지 않은 객체와 관련된 오디오 신호는 감쇠 또는 음소거 처리하는 단계(S1330)를 포함할 수 있다.
본 개시는 컴퓨터로 읽을 수 있는 저장 매체를 포함하는 컴퓨터 프로그램 제품(Computer Program Product)을 제공한다. 본 개시의 일 실시예에서, 상기 저장 매치는 카메라(110)를 이용하여 촬영된 이미지로부터 적어도 하나의 객체를 인식하는 동작(S310), 인식된 적어도 하나의 객체 중 사용자가 관심있는 관심 객체(main object of interest)를 식별하는 동작(S320), 식별된 관심 객체의 컨텍스트 정보(context information)를 획득하는 동작(S330), 및 획득된 컨텍스트 정보에 기초하여, 마이크 및 스피커 중 적어도 하나를 포함하는 음향 장치(120)의 오디오 신호의 획득 또는 출력을 위한 오디오 설정(audio setting)을 제어하는 동작(S340)을 전자 장치(100)가 수행하기 위하여, 전자 장치(100)에 의해 판독 가능한 명령어들(instructions)을 포함할 수 있다.
본 개시에서 설명된 전자 장치(100)에 의해 실행되는 프로그램은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 프로그램은 컴퓨터로 읽을 수 있는 명령어들을 수행할 수 있는 모든 시스템에 의해 수행될 수 있다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령어(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.
소프트웨어는, 컴퓨터로 읽을 수 있는 저장 매체(computer-readable storage media)에 저장된 명령어를 포함하는 컴퓨터 프로그램으로 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체로는, 예를 들어 마그네틱 저장 매체(예컨대, ROM(read-only memory), RAM(random-access memory), 플로피 디스크, 하드 디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc)) 등이 있다. 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템들에 분산되어, 분산 방식으로 컴퓨터가 판독 가능한 코드가 저장되고 실행될 수 있다. 매체는 컴퓨터에 의해 판독가능하며, 메모리에 저장되고, 프로세서에서 실행될 수 있다.
컴퓨터로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장되는 경우를 구분하지 않는다. 예를 들어, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함할 수 있다.
또한, 본 명세서에 개시된 실시예들에 따른 프로그램은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다.
컴퓨터 프로그램 제품은 소프트웨어 프로그램, 소프트웨어 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체를 포함할 수 있다. 예를 들어, 컴퓨터 프로그램 제품은 전자 장치(100)의 제조사 또는 전자 마켓(예를 들어, 삼성 갤럭시 스토어)을 통해 전자적으로 배포되는 소프트웨어 프로그램 형태의 상품(예를 들어, 다운로드 가능한 애플리케이션(downloadable application))을 포함할 수 있다. 전자적 배포를 위하여, 소프트웨어 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 전자 장치(100)의 제조사의 서버, 전자 마켓의 서버, 또는 소프트웨어 프로그램을 임시적으로 저장하는 중계 서버의 저장매체가 될 수 있다.
컴퓨터 프로그램 제품은, 전자 장치(100) 및/또는 서버로 구성되는 시스템에서, 서버의 저장매체 또는 전자 장치(100)의 저장매체를 포함할 수 있다. 또는, 전자 장치(100)와 통신 연결되는 제3 장치(예를 들어, 모바일 디바이스)가 존재하는 경우, 컴퓨터 프로그램 제품은 제3 장치의 저장매체를 포함할 수 있다. 또는, 컴퓨터 프로그램 제품은 전자 장치(100)으로부터 제3 장치로 전송되거나, 제3 장치로부터 전자 장치(100)로 전송되는 소프트웨어 프로그램 자체를 포함할 수 있다.
이 경우, 전자 장치(100) 및 제3 장치 중 어느 하나가 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수 있다. 또는, 전자 장치(100) 및 제3 장치 중 둘 이상이 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 분산하여 실시할 수 있다.
예를 들면, 전자 장치(100)가 메모리(140, 도 2 참조)에 저장된 컴퓨터 프로그램 제품을 실행하여, 전자 장치(100)와 통신 연결된 타 전자 장치(예를 들어, 모바일 디바이스)가 개시된 실시예들에 따른 방법을 수행하도록 제어할 수 있다.
또 다른 예로, 제3 장치가 컴퓨터 프로그램 제품을 실행하여, 제3 장치와 통신 연결된 전자 장치가 개시된 실시예에 따른 방법을 수행하도록 제어할 수 있다.
제3 장치가 컴퓨터 프로그램 제품을 실행하는 경우, 제3 장치는 전자 장치(100)로부터 컴퓨터 프로그램 제품을 다운로드하고, 다운로드된 컴퓨터 프로그램 제품을 실행할 수 있다. 또는, 제3 장치는 프리로드(pre-load)된 상태로 제공된 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수도 있다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 컴퓨터 시스템 또는 모듈 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims (20)

  1. 이미지에 기초하여 음향 장치를 제어하는 방법에 있어서,
    카메라(110);
    마이크(122) 및 스피커(124) 중 적어도 하나를 포함하는 음향 장치(120);
    적어도 하나의 명령어들(instructions)를 저장하는 메모리(140); 및
    상기 적어도 하나의 명령어들을 실행하는 적어도 하나의 프로세서(130);
    를 포함하고,
    상기 적어도 하나의 프로세서(130)는 상기 적어도 하나의 명령어들을 실행함으로써,
    상기 카메라(110)를 이용하여 촬영된 이미지로부터 적어도 하나의 객체를 인식하고,
    상기 인식된 적어도 하나의 객체 중 사용자가 관심있는 관심 객체(main object of interest)를 식별하고,
    상기 식별된 관심 객체의 컨텍스트 정보(context information)를 획득하고,
    상기 획득된 컨텍스트 정보에 기초하여 상기 음향 장치(120)를 이용하여 오디오 신호를 획득 또는 출력하기 위한 상기 음향 장치(120)의 오디오 설정(audio setting)을 제어하는, 전자 장치(100).
  2. 제1 항에 있어서,
    상기 이미지에 대한 줌 인(zoom in), 패닝(panning), 포커스(focus), 또는 크롭(crop) 중 어느 하나의 사용자 입력을 수신하는 입력 인터페이스;
    를 더 포함하고,
    상기 적어도 하나의 프로세서(130)는,
    상기 입력 인터페이스를 통해 수신된 사용자 입력에 기초하여 줌 인, 패닝, 포커스, 또는 크롭된 영역을 식별하고,
    상기 식별된 영역에 포함되는 객체를 상기 관심 객체로 인식하는, 전자 장치(100).
  3. 제1 항 및 제2 항 중 어느 하나의 항에 있어서,
    상기 적어도 하나의 프로세서(130)는,
    상기 관심 객체의 이미지로부터 상기 관심 객체의 분류(classification) 정보, 행동(action) 정보, 시간 정보, 위치 정보, 장소 정보, 및 상기 관심 객체 주위의 환경 정보 중 적어도 하나를 획득하는, 전자 장치(100).
  4. 제1 항 내지 제3 항 중 어느 하나의 항에 있어서,
    상기 적어도 하나의 프로세서(130)는,
    상기 컨텍스트 정보에 기초하여 상기 음향 장치(120)의 필터(filter), 증폭기(amplifier), 및 이퀄라이저(equalizer) 중 적어도 하나를 제어하는, 전자 장치(100).
  5. 제1 항 내지 제4 항 중 어느 하나의 항에 있어서,
    상기 적어도 하나의 프로세서(130)는,
    결정 트리(decision tree) 또는 퍼지 논리(Fuzzy logic)에 기초하여 기 저장된 복수의 이퀄라이저 프리셋(equalizer presets) 중 상기 컨텍스트 정보와 매핑되는 이퀄라이저 프리셋을 결정하는, 전자 장치(100).
  6. 제1 항 내지 제4 항 중 어느 하나의 항에 있어서,
    상기 적어도 하나의 프로세서(130)는,
    기 설정된 매핑 관계에 따라 상기 컨텍스트 정보와 대응되도록 매핑된 이퀄라이저 프리셋을 결정하는, 전자 장치(100).
  7. 제6 항에 있어서,
    상기 적어도 하나의 프로세서(130)는,
    상기 관심 객체의 이미지로부터 상기 관심 객체의 행동을 인식하고,
    상기 기 설정된 매핑 관계에 따라 상기 인식된 관심 객체의 행동과 매핑된 이퀄라이저 프리셋을 결정하는, 전자 장치(100).
  8. 제1 항 내지 제7 항 중 어느 하나의 항에 있어서,
    상기 적어도 하나의 프로세서(130)는,
    증폭기(amplifier)를 이용하여 상기 오디오 신호의 주파수 대역 중 상기 관심 객체와 관련된 주파수 대역을 증폭하는, 전자 장치(100).
  9. 제1 항 내지 제8 항 중 어느 하나의 항에 있어서,
    상기 적어도 하나의 프로세서(130)는,
    대역 차단 필터(band stop filter)를 이용하여, 상기 적어도 하나의 객체 중 상기 관심 객체를 제외한 나머지 객체와 관련된 오디오 신호의 주파수 대역은 감쇠(attenuating) 또는 차단하는 필터링(filtering)을 수행하는, 전자 장치(100).
  10. 제1 항 내지 제9 항 중 어느 하나의 항에 있어서,
    상기 이미지에 대한 사용자의 크롭 입력을 수신하는 입력 인터페이스;
    를 더 포함하고,
    상기 적어도 하나의 프로세서(130)는,
    상기 입력 인터페이스를 통해 수신된 크롭 입력에 기초하여, 크롭 이미지(cropped image)를 획득하고,
    상기 크롭 이미지에 포함되는 상기 관심 객체와 관련된 오디오 신호를 증폭시키고, 상기 적어도 하나의 객체 중 상기 크롭 이미지에 포함되지 않은 객체와 관련된 오디오 신호는 감쇠 또는 음소거 처리하는, 전자 장치(100).
  11. 전자 장치(100)가 이미지에 기초하여 음향 장치(120)를 제어하는 방법에 있어서,
    카메라(110)를 이용하여 촬영된 이미지로부터 적어도 하나의 객체를 인식하는 단계(S310);
    상기 인식된 적어도 하나의 객체 중 사용자가 관심있는 관심 객체(main object of interest)를 식별하는 단계(S320);
    상기 식별된 관심 객체의 컨텍스트 정보(context information)를 획득하는 단계(S330); 및
    상기 획득된 컨텍스트 정보에 기초하여, 마이크 및 스피커 중 적어도 하나를 포함하는 음향 장치(120)의 오디오 신호의 획득 또는 출력을 위한 오디오 설정(audio setting)을 제어하는 단계(S340);
    를 포함하는, 방법.
  12. 제11항에 있어서,
    상기 컨텍스트 정보를 획득하는 단계(S330)는,
    상기 관심 객체의 이미지로부터 상기 관심 객체의 분류(classification) 정보, 행동(action) 정보, 시간 정보, 위치 정보, 장소 정보, 및 상기 관심 객체 주위의 환경 정보 중 적어도 하나를 획득하는, 방법.
  13. 제11 항 내지 제12 항 중 어느 하나의 항에 있어서,
    상기 음향 장치(120)의 오디오 설정을 제어하는 단계(S340)는,
    상기 컨텍스트 정보에 기초하여 상기 음향 장치(120)의 필터(filter), 증폭기(amplifier), 및 이퀄라이저(equalizer) 중 적어도 하나를 제어하는, 방법.
  14. 제11 항 내지 제13 항 중 어느 하나의 항에 있어서,
    상기 음향 장치(120)의 오디오 설정을 제어하는 단계(S340)는,
    결정 트리(decision tree) 또는 퍼지 논리(Fuzzy logic)에 기초하여 기 저장된 복수의 이퀄라이저 프리셋(equalizer presets) 중 상기 컨텍스트 정보와 매핑되는 이퀄라이저 프리셋을 결정하는 단계를 포함하는, 방법.
  15. 제11 항 내지 제13 항 중 어느 하나의 항에 있어서,
    상기 음향 장치(120)의 오디오 설정을 제어하는 단계(S340)는,
    기 설정된 매핑 관계에 따라 상기 컨텍스트 정보와 대응되도록 매핑된 이퀄라이저 프리셋을 결정하는 단계를 포함하는, 방법.
  16. 제14 항 및 제15 항 중 어느 하나의 항에 있어서,
    상기 컨텍스트 정보를 획득하는 단계(S330)는,
    상기 관심 객체의 이미지로부터 상기 관심 객체의 행동을 인식하고,
    상기 이퀄라이저 프리셋을 선택하는 단계는,
    상기 기 설정된 매핑 관계에 따라 상기 인식된 관심 객체의 행동과 매핑된 이퀄라이저 프리셋을 결정하는, 방법.
  17. 제11 항 내지 제16 항 중 어느 하나의 항에 있어서,
    상기 음향 장치(120)의 오디오 설정을 제어하는 단계(S340)는,
    증폭기(amplifier)를 이용하여, 상기 오디오 신호의 주파수 대역 중 상기 관심 객체와 관련된 주파수 대역을 증폭하는 단계를 포함하는, 방법.
  18. 제11 항 내지 제17 항 중 어느 하나의 항에 있어서,
    상기 음향 장치(120)의 오디오 설정을 제어하는 단계(S340)는,
    대역 차단 필터(band stop filter)를 이용하여, 상기 적어도 하나의 객체 중 상기 관심 객체를 제외한 나머지 객체와 관련된 오디오 신호의 주파수 대역은 감쇠(attenuating) 또는 차단하는 필터링(filtering)을 수행하는 단계를 포함하는, 방법.
  19. 제11 항 내지 제18 항 중 어느 하나의 항에 있어서,
    상기 관심 객체를 식별하는 단계(S320)는,
    상기 이미지에 대한 사용자의 크롭 입력에 기초하여, 크롭 이미지(cropped image)를 획득하는 단계(S1310)를 포함하고,
    상기 음향 장치(120)의 오디오 설정을 제어하는 단계(S340)는,
    상기 크롭 이미지에 포함되는 상기 관심 객체와 관련된 오디오 신호를 증폭시키고, 상기 적어도 하나의 객체 중 상기 크롭 이미지에 포함되지 않은 객체와 관련된 오디오 신호는 감쇠 또는 음소거 처리하는 단계(S1330)를 포함하는, 방법.
  20. 제11 항 내지 제19 항 중 어느 하나의 항에 기재된 방법을 구현하기 위한 적어도 하나의 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
KR1020220104917A 2022-08-22 2022-08-22 이미지 컨텍스트(image context)에 기초하여 음향 장치를 제어하는 전자 장치 및 그 동작 방법 KR20240026714A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220104917A KR20240026714A (ko) 2022-08-22 2022-08-22 이미지 컨텍스트(image context)에 기초하여 음향 장치를 제어하는 전자 장치 및 그 동작 방법
PCT/KR2023/009695 WO2024043514A1 (ko) 2022-08-22 2023-07-07 이미지 컨텍스트(image context)에 기초하여 음향 장치를 제어하는 전자 장치 및 그 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220104917A KR20240026714A (ko) 2022-08-22 2022-08-22 이미지 컨텍스트(image context)에 기초하여 음향 장치를 제어하는 전자 장치 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR20240026714A true KR20240026714A (ko) 2024-02-29

Family

ID=90013646

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220104917A KR20240026714A (ko) 2022-08-22 2022-08-22 이미지 컨텍스트(image context)에 기초하여 음향 장치를 제어하는 전자 장치 및 그 동작 방법

Country Status (2)

Country Link
KR (1) KR20240026714A (ko)
WO (1) WO2024043514A1 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100028326A (ko) * 2008-09-04 2010-03-12 엘지전자 주식회사 미디어 처리 방법 및 그를 위한 장치
KR101951418B1 (ko) * 2012-06-25 2019-02-22 엘지전자 주식회사 이동 단말기 및 그의 오디오 줌잉방법
KR20140114238A (ko) * 2013-03-18 2014-09-26 삼성전자주식회사 오디오와 결합된 이미지 표시 방법
KR20160002132A (ko) * 2014-06-30 2016-01-07 삼성전자주식회사 음장 효과를 제공하기 위한 전자 장치 및 방법
KR20190040822A (ko) * 2017-10-11 2019-04-19 엘지전자 주식회사 이동 단말기

Also Published As

Publication number Publication date
WO2024043514A1 (ko) 2024-02-29

Similar Documents

Publication Publication Date Title
US20170188173A1 (en) Method and apparatus for presenting to a user of a wearable apparatus additional information related to an audio scene
TWI759647B (zh) 影像處理方法、電子設備，和電腦可讀儲存介質
JP4441879B2 (ja) 信号処理装置および方法、プログラム、並びに記録媒体
JP7338627B2 (ja) 情報処理装置および方法、並びにプログラム
CN103729120A (zh) 用于产生缩略图的方法及其电子设备
CN112165590A (zh) 视频的录制实现方法、装置及电子设备
KR102657519B1 (ko) 음성을 기반으로 그래픽 데이터를 제공하는 전자 장치 및 그의 동작 방법
KR102614048B1 (ko) 증강 현실을 위한 객체를 표시하기 위한 전자 장치 및 그의 동작 방법
KR20120068078A (ko) 영상 처리 장치 및 그의 영상 데이터와 오디오 데이터의 연결 방법
US8712207B2 (en) Digital photographing apparatus, method of controlling the same, and recording medium for the method
EP3975046A1 (en) Method and apparatus for detecting occluded image and medium
CN112380396B (zh) 视频处理方法及装置、计算机可读存储介质和电子设备
CN111656275B (zh) 一种确定图像对焦区域的方法及装置
CN113302690A (zh) 音频处理
AU2014200042B2 (en) Method and apparatus for controlling contents in electronic device
US20120242860A1 (en) Arrangement and method relating to audio recognition
JP7439131B2 (ja) 空間オーディオをキャプチャする装置および関連する方法
JP2021061527A (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
KR20240026714A (ko) 이미지 컨텍스트(image context)에 기초하여 음향 장치를 제어하는 전자 장치 및 그 동작 방법
KR20130096983A (ko) 얼굴을 포함하는 영상 처리 방법 및 장치
CN112487246A (zh) 一种多人视频中发言人的识别方法和装置
CN108960130B (zh) 视频文件智能处理方法和装置
CN112466306A (zh) 会议纪要生成方法、装置、计算机设备及存储介质
CN111507142A (zh) 人脸表情图像处理方法、装置和电子设备
KR20200016085A (ko) 정보 노출 방지 영상 제공 장치 및 방법