WO2022065682A1 - 웨어러블 장치 및 그 제어 방법 - Google Patents

웨어러블 장치 및 그 제어 방법 Download PDF

Info

Publication number
WO2022065682A1
WO2022065682A1 PCT/KR2021/010668 KR2021010668W WO2022065682A1 WO 2022065682 A1 WO2022065682 A1 WO 2022065682A1 KR 2021010668 W KR2021010668 W KR 2021010668W WO 2022065682 A1 WO2022065682 A1 WO 2022065682A1
Authority
WO
WIPO (PCT)
Prior art keywords
touch
touch input
wearable device
sensor
user
Prior art date
Application number
PCT/KR2021/010668
Other languages
English (en)
French (fr)
Inventor
입테하스나빌
라키불 이슬람무하마드
켄티 달샤온
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
Publication of WO2022065682A1 publication Critical patent/WO2022065682A1/ko
Priority to US18/125,539 priority Critical patent/US12153759B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/163—Wearable computers, e.g. on a belt
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • 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
    • 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
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • 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
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • 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
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/0414—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means using force sensing means to determine a position
    • 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
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/0416—Control or interface arrangements specially adapted for digitisers
    • G06F3/0418—Control or interface arrangements specially adapted for digitisers for error correction or compensation, e.g. based on parallax, calibration or alignment
    • 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
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/0416—Control or interface arrangements specially adapted for digitisers
    • G06F3/0418—Control or interface arrangements specially adapted for digitisers for error correction or compensation, e.g. based on parallax, calibration or alignment
    • G06F3/04186—Touch location disambiguation
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning

Definitions

  • the present disclosure relates to a wearable device and a control method thereof, and more particularly, to a wearable device for determining whether a user's touch input to the wearable device is an erroneous touch, and a control method thereof.
  • the user touches the wearable device not for manipulating the wearable device but for simply adjusting the position of the wearable device.
  • the user may touch the earphone with a hand to fit the earphone to the user's ear.
  • the user may touch the earphone with a hand to adjust the position of the earphone.
  • the wearable device performs a function corresponding to the user's touch even when the user's unintentional touch is obtained, it may cause inconvenience to the user.
  • One technical problem to be solved by the present invention is to provide a wearable device capable of determining whether a user's touch input is an erroneous touch.
  • a wearable device comprising: a plurality of sensors including a touch sensor; and a processor, wherein the processor acquires a touch input using the touch sensor, and acquires a sensed value from at least one sensor other than the touch sensor among the plurality of sensors while the touch input is acquired, , a wearable device that determines whether the touch input is an erroneous touch based on the sensed value and performs an operation corresponding to the touch input based on a result of the determination.
  • the plurality of sensors include a proximity sensor
  • the processor obtains a distance from the wearable device to the user using the proximity sensor, and when the distance is within a preset distance range, the touch If it is determined that the input is not the erroneous touch and the distance is outside the preset distance range, it may be determined that the touch input is the erroneous touch.
  • the processor may include obtaining distance information from the wearable device to the user by using the proximity sensor, and inputting the distance information into a learned neural network model to determine whether the touch input is the wrong touch can do.
  • the plurality of sensors include a motion sensor
  • the processor obtains motion information of the wearable device using the motion sensor, and inputs the motion information into a learned neural network model to input the touch input. It may be determined whether this is the wrong touch.
  • the plurality of sensors include a pressure sensor
  • the processor obtains a pressure corresponding to the touch input using the pressure sensor, and when the obtained pressure is less than a threshold value, the touch If it is determined that the input is the erroneous touch and the obtained pressure is greater than the threshold value, it may be determined that the touch input is not the erroneous touch.
  • the processor acquires a touch position corresponding to the touch input by using the touch sensor, and when the touch position exists within a preset area, determines that the touch input is the erroneous touch, and determines that the touch position is the If it does not exist within the preset area, it may be determined that the touch input is not the false touch.
  • the preset area may be determined based on a user's usage pattern of the wearable device.
  • the processor may obtain context information related to the wearable device, and determine whether the touch input is an erroneous touch based on the sensed value and the context information.
  • the touch input is obtained by using the touch sensor step; acquiring a sensed value from at least one sensor other than the touch sensor among the plurality of sensors while the touch input is acquired; determining whether the touch input is an erroneous touch based on the sensed value; and performing an operation corresponding to the touch input based on the determination result.
  • the plurality of sensors include a proximity sensor
  • the acquiring the sensing value includes acquiring a distance from the wearable device to the user using the proximity sensor, and determining the In the step, if the distance is within a preset distance range, it may be determined that the touch input is not the erroneous touch, and if the distance is outside the preset distance range, it may be determined that the touch input is the erroneous touch. .
  • the plurality of sensors include a proximity sensor
  • the step of obtaining the sensed value includes obtaining distance information from the wearable device to the user using the proximity sensor, the determination
  • the step of inputting the distance information into the learned neural network model may determine whether the touch input is the wrong touch.
  • the plurality of sensors include a motion sensor
  • the step of acquiring the sensed value includes acquiring motion information of the wearable device using the motion sensor
  • the determining includes: , it is possible to determine whether the touch input is the wrong touch by inputting the motion information into the learned neural network model.
  • the plurality of sensors include a pressure sensor
  • the acquiring the sensed value includes acquiring a pressure corresponding to the touch input using the pressure sensor, and determining may determine that the touch input is the erroneous touch when the acquired pressure is less than a threshold value, and determine that the touch input is not the erroneous touch when the acquired pressure is greater than the threshold value .
  • the acquiring of the sensed value includes acquiring a touch position corresponding to the touch input using the touch sensor, and the determining includes, if the touch position is within a preset area, the touch position. If it is determined that the input is the erroneous touch and the touch location does not exist within the preset area, it may be determined that the touch input is not the erroneous touch.
  • the control method may further include, when the touch input is acquired, acquiring context information related to the wearable device, wherein the determining includes whether the touch input is incorrect based on the sensed value and the context information. It can be determined whether a touch is recognized.
  • the wearable device may determine whether the user's touch input is an erroneous touch, and may perform a function based on the determination result. Accordingly, user convenience and satisfaction may be improved.
  • FIG. 1 is a diagram illustrating a state in which a user wears a wearable device according to an embodiment of the present disclosure.
  • 2A is a flowchart illustrating a method of determining whether a touch input is an erroneous touch using a pressure sensor according to an embodiment of the present disclosure
  • FIG. 2B is an exploded perspective view of a wearable device according to an embodiment of the present disclosure
  • 2C is a flowchart illustrating a method of determining whether a touch input is an erroneous touch using a pressure sensor according to another embodiment of the present disclosure
  • 3A is a flowchart illustrating a method of determining whether a touch input is an erroneous touch using a proximity sensor according to an embodiment of the present disclosure
  • 3B is a perspective view illustrating a wearable device according to an embodiment of the present disclosure.
  • 3C is a graph illustrating a value sensed by a proximity sensor according to an embodiment of the present disclosure
  • 4A is a flowchart illustrating a method of determining whether a touch input is an erroneous touch using a motion sensor according to an embodiment of the present disclosure
  • 4B is a graph illustrating motion information according to an embodiment of the present disclosure.
  • 5A is a flowchart illustrating a method of determining whether a touch input is an erroneous touch using a touch sensor according to an embodiment of the present disclosure
  • 5B is a diagram illustrating a preset area according to an embodiment of the present disclosure.
  • FIG. 6 is a flowchart illustrating a method of determining whether a touch input is an erroneous touch using context information according to an embodiment of the present disclosure.
  • FIG. 7 is a block diagram illustrating the configuration of the wearable device 100 according to an embodiment of the present disclosure.
  • FIG. 8 is a diagram for explaining a method of controlling a wearable device according to an embodiment of the present disclosure.
  • Embodiments of the present disclosure may be subjected to various transformations and may have various embodiments, and specific embodiments will be illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the scope of the specific embodiments, and it should be understood to include all transformations, equivalents and substitutions included in the spirit and scope of the disclosure. In describing the embodiments, if it is determined that a detailed description of a related known technology may obscure the subject matter, the detailed description thereof will be omitted.
  • FIG. 1 is a diagram illustrating a state in which a user wears a wearable device according to an embodiment of the present disclosure.
  • the wearable device 100 may be an earphone.
  • the wearable device 100 may acquire various types of touch inputs of the user 1 .
  • the wearable device 100 may include a tap input, a double tap input, a drag input, a slide input, a swipe input, a press input, and a hold input. At least one touch input among (hold) inputs may be acquired.
  • the wearable device 100 may perform a function corresponding to a touch input.
  • the function corresponding to the touch input may include at least one of a function of playing audio content through an application stored in a user terminal (eg, a smartphone), a function of pausing the audio content being played, and a volume of the audio content being played. may contain one.
  • a user terminal eg, a smartphone
  • the wearable device 100 may be implemented as various electronic devices including a smart watch and smart glass.
  • the spirit of the invention according to the present disclosure is not necessarily applicable only to the wearable device 100, and may also be applied to other mobile devices such as smart phones.
  • the wearable device 100 may acquire an unintentional touch of the user 1 , a so-called erroneous touch (or accidental touch).
  • the wearable device 100 may acquire a touch input input in the process of adjusting the position of the wearable device 100 in order for the user 1 to wear the wearable device 100 to fit his/her ear.
  • the user 1 touches the wearable device 100 to prevent the wearable device 100 from falling from the user's body. can do.
  • the wearable device 100 performs a function corresponding to the touch input of the user 1 (eg, pauses the playing music)
  • user inconvenience may occur.
  • the wearable device 100 needs to determine whether the user 1's touch input is an erroneous touch, and perform a function corresponding to the touch input based on this.
  • 2A is a flowchart illustrating a method of determining whether a touch input is an erroneous touch using a pressure sensor according to an embodiment of the present disclosure
  • the wearable device 100 may acquire a touch input using a touch sensor (S210). And, while the touch input is being acquired, the wearable device 100 may acquire a pressure corresponding to the touch input using the pressure sensor ( S220 ).
  • the pressure sensor 120 may be provided in the wearable device 100 to sense a pressure corresponding to a user's touch input.
  • the pressure (or touch pressure) corresponding to the touch input may refer to the pressure that the user's body part (eg, finger) presses the touch sensor 110 .
  • the pressure corresponding to the touch input may refer to the pressure that the wearable device 100 presses against the user's body part (eg, the ear) according to the touch input.
  • the pressure sensor 120 may exist separately from the touch sensor 110 or may be implemented in an integrated form.
  • the wearable device 100 may identify whether the obtained pressure is greater than a threshold value (S230).
  • the threshold value means a reference pressure for determining whether the user 1's touch is an intended touch.
  • a touch pressure when the user 1 makes an erroneous touch input may be greater than a touch pressure when the user 1 makes an intended touch input.
  • the wearable device 100 may determine whether the touch input is an erroneous touch by identifying whether the acquired pressure is greater than a threshold value.
  • the wearable device 100 may determine the touch input as an erroneous touch ( S240 ). In this case, the wearable device 100 may not perform a function corresponding to the touch input.
  • the wearable device 100 may determine that the touch input is not an erroneous touch ( S250 ). In this case, the wearable device 100 may perform a function corresponding to the touch input.
  • the wearable device 100 may determine whether the touch input is an erroneous touch based on information about the touch pressure stored in the database. For example, as shown in [Table 1] below, a look-up table in which touch types are matched for each touch pressure may be stored in the database. Meanwhile, the database may be stored in the memory 160 or an external server.
  • the wearable device 100 may determine whether the acquired touch input is an erroneous touch by comparing the acquired touch input with information on touch pressure as shown in [Table 1]. For example, when the acquired touch input is 26 (psi), the wearable device 100 may identify the acquired touch input as an accidental touch. On the other hand, when the acquired touch pressure is 10 (psi), the wearable device 100 may identify the acquired touch input as an intended touch. Meanwhile, the wearable device 100 uses the learned neural network model to It may be determined whether the touch input is a false touch. As shown in FIG. 2C , the wearable device 100 inputs a pressure corresponding to the touch input to the neural network model 210 to determine whether the touch input is a user's intentional touch or an accidental touch.
  • the wearable device 100 can be identified whether Specifically, the wearable device 100 inputs a pressure corresponding to the touch input to the neural network model 210 , so that the touch input is a user's intentional touch and the touch input is an accidental touch. can be obtained. In this case, when the probability that the touch input is an erroneous touch is greater than a preset probability (eg, 70%), the wearable device 100 may identify the touch input as an erroneous touch. It may be learned to identify whether a touch input is an erroneous touch based on a pressure corresponding to the input.
  • a preset probability eg, 70%
  • the training data of the neural network model 210 includes a first touch input for manipulating the wearable device 100 , a pressure corresponding to the first touch input, and a second touch input for adjusting a position of the wearable device 100 . and a pressure corresponding to the second touch input.
  • the neural network model 210 may be pre-trained based on training data based on a supervised learning method and stored in the wearable device 100 .
  • the neural network model 210 may be implemented as a Convolutional Neural Networks (CNN) model.
  • CNN Convolutional Neural Networks
  • the wearable device 100 may collect and store, as learning data, an acquired touch input and whether a function corresponding to the acquired touch input is performed while the user uses the wearable device 100 .
  • the wearable device 100 may update the neural network model 210 based on the stored training data. Specifically, the wearable device 100 may update a parameter of the neural network model 210 . Accordingly, the performance of the neural network model 210 may be further improved.
  • 3A is a flowchart illustrating a method of determining whether a touch input is an erroneous touch using a proximity sensor according to an embodiment of the present disclosure
  • 3B is a perspective view illustrating a wearable device according to an embodiment of the present disclosure
  • 3C is a graph illustrating a value sensed by a proximity sensor according to an embodiment of the present disclosure
  • the wearable device 100 may acquire a touch input using a touch sensor (S310).
  • the wearable device 100 may acquire the distance from the wearable device 100 to the user using the proximity sensor while the touch input is acquired ( S320 ).
  • the distance from the wearable device 100 to the user means a distance from the wearable device 100 (or a proximity sensor) to a part of the user's body.
  • the distance d from the wearable device 100 to the user may mean the distance from the proximity sensor 130 to the user's ear E.
  • the wearable device 100 may determine whether the touch input is an erroneous touch based on whether the distance acquired while the touch input is being acquired is within a preset distance range ( S330 ).
  • the preset distance range Dt means a distance for determining whether the user's touch input is an intended touch.
  • the wearable device 100 may touch (ie, mis-touch) the wearable device 100 in order to prevent the wearable device 100 from falling off of his/her body.
  • the wearable device 100 may determine the touch input as an erroneous touch ( S350 ).
  • the wearable device 100 may determine that the touch input is not an erroneous touch (S340).
  • the wearable device ( 100 ) may determine that the touch input is not an erroneous touch.
  • the wearable device 100 may determine that the touch input is an erroneous touch.
  • 3C is a graph illustrating a value sensed by a proximity sensor according to an embodiment of the present disclosure.
  • the wearable device 100 may identify a distance d to the user when the touch input is obtained.
  • the wearable device 100 may determine whether the touch input is an erroneous touch based on whether the identified distance is a preset distance range Dt. For example, the wearable device 100 may identify a first distance d1 when a first touch input is obtained and a second distance d2 when a second touch input is obtained. Since the first distance d1 is within the preset distance range Dt, the wearable device 100 may determine the first touch input as the intended touch input of the user 1 . On the other hand, since the second distance d2 is outside the preset distance range Dt, the wearable device 100 may determine the second touch input as an erroneous touch.
  • the wearable device 100 may determine whether the touch input is an erroneous touch based on the distance to the user stored in the database. For example, a look-up table in which touch types for each distance d to the user are matched may be stored in the database. The wearable device 100 may determine whether the acquired touch input is an erroneous touch by comparing the stored distance with the acquired distance. For example, if the acquired distance is 4 mm when the touch input is acquired, the wearable device 100 may identify the acquired touch input as an accidental touch. On the other hand, when the distance obtained when the touch input is obtained is 1 mm, the wearable device 100 may identify the touch pressure as an intended touch.
  • the wearable device 100 may identify whether the touch input is an erroneous touch using a neural network model. For example, the wearable device 100 may identify whether the touch input is an erroneous touch by inputting a sensing value of the proximity sensor to the learned neural network model. In this case, the neural network model may be trained to identify whether the touch input is an erroneous touch based on the sensing value of the proximity sensor at the point in time when the touch input is acquired.
  • the training data of the neural network model includes a first touch input for manipulating the wearable device 100 , a first sensing value of a proximity sensor corresponding to the first touch input, a second touch input for adjusting a position of the wearable device, and a second It may include a value sensed by a proximity sensor corresponding to a touch input.
  • the neural network model may be pre-trained based on training data based on a supervised learning method and stored in the wearable device 100 .
  • 4A is a flowchart illustrating a method of determining whether a touch input is an erroneous touch using a motion sensor according to an embodiment of the present disclosure
  • 4B is a graph illustrating motion information according to an embodiment of the present disclosure.
  • the wearable device 100 may acquire a touch input using a touch sensor (S310). Then, the wearable device 100 may acquire motion information of the wearable device using a motion sensor while a touch input is acquired ( S420 ).
  • the motion sensor may include at least one of a gyro sensor and an acceleration sensor.
  • the motion information may include at least one of a sensing value of the motion sensor, that is, acceleration information and angular velocity information for each of the three axes (x, y, z).
  • the motion information may refer to a value calculated based on a sensing value of the motion sensor.
  • the motion information may mean the magnitude of an angular velocity vector that is a sensing value of the gyro sensor.
  • the sensed value of the motion sensor according to the present disclosure may refer to an angular velocity of the wearable device 100 as well as a value calculated based on the angular velocity (eg, the magnitude of an angular velocity vector).
  • the wearable device 100 may determine whether the touch input is an erroneous touch based on the obtained motion information ( 430 ). For example, when the user 1 suddenly runs while wearing the wearable device 100 , the wearable device 100 may try to separate from the body of the user 1 . In this situation, the sensing value of the motion sensor may be out of the preset range Gt. Also, the user 1 may touch the wearable device 100 in order to prevent the wearable device 100 from falling off from the user's body. Accordingly, the wearable device 100 may determine whether the touch input is an erroneous touch based on whether the sensing value of the motion sensor is within the preset range Gt.
  • the wearable device 100 may determine that the touch input is not an erroneous touch. For example, in FIG. 4B , since the first sensing value G1 when the first touch input is acquired is within the preset range Gt, the wearable device 100 may detect that the touch input is an intended touch input rather than an erroneous touch. can be judged as On the other hand, when the sensing value of the motion sensor is out of the preset range Gt, the wearable device 100 may determine that the touch input is an erroneous touch. For example, in FIG. 4B , when the second touch input is obtained, the second sensed value G2 is outside the preset range Gt, so the wearable device 100 may determine the touch input as an erroneous touch. .
  • the wearable device 100 may determine whether the touch input is an erroneous touch based on information stored in the database. For example, a look-up table in which touch types for each sensing value of the motion sensor are matched may be stored in the database. The wearable device 100 may determine whether the acquired touch input is an erroneous touch by comparing the sensed value of the motion sensor when the touch input is acquired with the stored sensing value.
  • the wearable device 100 may determine whether the touch input is an erroneous touch using a neural network model. For example, the wearable device 100 may identify whether the touch input is an erroneous touch by inputting the sensed value of the motion sensor to the learned neural network model.
  • the neural network model may be trained to identify whether the touch input is an erroneous touch based on a sensing value (or motion information) of the motion sensor at the point in time when the touch input is acquired.
  • the training data of the neural network model includes a first touch input for manipulating the wearable device 100 , a first sensing value of a motion sensor corresponding to the first touch input, a second touch input for adjusting a position of the wearable device, and a second It may include a value sensed by a motion sensor corresponding to a touch input.
  • the neural network model may be pre-trained based on training data based on a supervised learning method and stored in the wearable device 100 .
  • the above-described neural network model may be trained to determine whether a touch input is an erroneous touch based on sensing values of at least two or more of a pressure sensor, a proximity sensor, and a motion sensor.
  • the wearable device 100 may identify whether the touch input is an erroneous touch by inputting the sensing value of the neural network pressure sensor and the sensing value of the proximity sensor to the neural network model, respectively.
  • 5A is a flowchart illustrating a method of determining whether a touch input is an erroneous touch using a touch sensor according to an embodiment of the present disclosure
  • the wearable device 100 may acquire a touch input using a touch sensor ( S510 ). When a touch input is obtained, the wearable device 100 may obtain a touch position corresponding to the touch input ( S520 ). Then, the wearable device 100 may identify whether the touch location exists within a preset area ( S530 ).
  • the preset area is an area for determining whether the user's touch is an intended touch. For example, as shown in FIG. 5B , the preset area may be preset on one surface of the touch pad.
  • Information on the preset region eg, the location or range of the preset region
  • information on the preset area may be set and updated based on a usage pattern such as a location or number of times the user touches the touch sensor 110 while using the wearable device 100 .
  • the wearable device 100 may determine that the touch input is not an erroneous touch (S540). In this case, the wearable device 100 may perform a function corresponding to the touch input. On the other hand, when it is identified that the acquired touch location does not exist within the preset area, the wearable device 100 may determine that the touch input is an erroneous touch ( S550 ). In this case, the wearable device 100 may ignore the touch input and may not perform a function corresponding to the touch input.
  • the wearable device 100 may determine whether the touch input is an erroneous touch based on context information.
  • 6 is a flowchart illustrating a method of determining whether a touch input is an erroneous touch using context information according to an embodiment of the present disclosure.
  • the wearable device 100 may acquire a touch input using a touch sensor (S610). While the touch input is being acquired, the wearable device 100 may acquire context information related to the wearable device 100 ( S620 ), and determine whether the touch input is a false touch based on the acquired context information ( S630 ). ).
  • context information related to the wearable device 100 may include a volume size of audio content currently output through the wearable device 100 .
  • the wearable device 100 may acquire a touch input (eg, a double tap) corresponding to a volume up in a state in which the volume level of the audio content exceeds a threshold value. In this case, since the current volume level exceeds the threshold value, the wearable device 100 may determine the acquired touch input as an erroneous touch.
  • the wearable device 100 may not perform an operation of increasing the size of the content volume.
  • the threshold value may be preset by the user or may be learned based on the user's usage pattern.
  • the threshold value may vary according to the genre of the audio content. For example, a threshold value when the audio content is ballad music may be smaller than a threshold value when the audio content is rock music.
  • the context information may include information related to a user's state (or operation). Specifically, the context information may include information on whether the user is exercising or walking. When a touch input is obtained while the user is exercising, the wearable device 100 may determine the touch input as an erroneous touch. On the other hand, when a touch input is obtained while the user is still, the wearable device 100 may determine the touch input as an erroneous touch. Meanwhile, information related to the user and the state may be acquired through an external device (eg, a smart phone or a smart watch) capable of communicating with the wearable device 100 . However, this is only an embodiment, and the wearable device 100 may acquire information related to the user's state based on the sensing value of the motion sensor.
  • an external device eg, a smart phone or a smart watch
  • the wearable device 100 may determine whether the touch input is an erroneous touch by considering the context information and the above-described sensing value of the sensor together. For example, when context information indicating that the user is running is obtained, the wearable device 100 may increase the preset range Gt of FIG. 4B . On the other hand, when context information indicating that the user is standing in the same place is obtained, the wearable device 100 may decrease the preset range Gt of FIG. 4B . That is, the user may strongly touch the wearable device 100 in a situation in which movement is large compared to a state in which the user stands in a standing position.
  • the wearable device 100 may erroneously recognize the user's intended touch input as an erroneous touch. To prevent this, the wearable device 100 may adjust a preset range Gt based on context information.
  • the wearable device 100 includes a touch sensor 110 , a pressure sensor 120 , a proximity sensor 130 , a motion sensor 140 , a communication interface 150 , a speaker 155 , and a memory 160 . ) and a processor 170 .
  • the touch sensor 110 may obtain a user's touch input.
  • the wearable device 100 may include a plurality of touch sensors 110 , and the plurality of touch sensors 110 may be implemented in the form of a touch pad.
  • the touch pad may sense an event in which a human body touches the touch pad, such as a user's finger, based on at least one of a capacitive type and a pressure sensitive type.
  • the pressure sensor 120 may acquire a pressure corresponding to an input of a user who touches the touch sensor 110 or the touch pad.
  • the pressure sensor 120 may be implemented integrally with a touch pad including the touch sensor 110 . Alternatively, the pressure sensor 120 may be implemented separately from the touch pad.
  • the proximity sensor 130 may acquire distance information between the wearable device 100 and the user.
  • the proximity sensor 130 may be implemented as an infrared sensor. In this case, the proximity sensor 130 may output light toward the user or the user's body (eg, the user's ear), and receive the light based on the reflected light.
  • the proximity sensor 130 may acquire distance information about the user (or the user's body) based on a time difference or a phase difference between the output light and the reflected light.
  • the motion sensor 140 is configured to detect the movement of the wearable device 100 .
  • the motion sensor 140 may include an acceleration sensor and a gyro sensor.
  • the communication interface 150 includes at least one circuit and may communicate with various types of external devices according to various types of communication methods.
  • the communication interface 150 may include a Wi-Fi chip and a Bluetooth chip.
  • the wearable device 100 may communicate with an external server or an external device through the communication interface 150 .
  • the communication interface 150 may be connected to a user terminal (eg, a smart phone) through Bluetooth communication to receive audio data from the user terminal.
  • the communication interface 150 may obtain context information about the user from an external device through Bluetooth communication.
  • the communication interface 150 may acquire context information indicating that the user is exercising from the user terminal through Bluetooth communication.
  • the communication interface 150 may receive the user's biosignal (eg, heart rate) from the user's smart watch through Bluetooth communication.
  • biosignal eg, heart rate
  • the speaker 155 may output an audio signal.
  • the speaker 155 may output audio data obtained from a user terminal (eg, a smart phone) through the communication interface 150 .
  • the memory 160 may store an operating system (OS) for controlling overall operations of the components of the wearable device 100 and commands or data related to the components of the wearable device 100 .
  • OS operating system
  • the memory 160 may be implemented as a non-volatile memory (eg, a hard disk, a solid state drive (SSD), a flash memory), a volatile memory, or the like.
  • the memory 160 may store a neural network model for identifying whether the touch input is an erroneous touch based on a value sensed by the pressure sensor for the touch input.
  • the neural network model may be executed by an existing general-purpose processor (eg, CPU) or a separate AI-only processor (eg, GPU, NPU, etc.).
  • the memory 160 may include a user database including individual data of the user.
  • the processor 170 may control the overall operation of the wearable device 100 .
  • the processor 170 may obtain a touch input using the touch sensor 110 .
  • the processor 170 may acquire a sensed value from at least one sensor other than the touch sensor 110 included in the wearable device 100 while the touch input is being acquired.
  • the processor 170 may determine whether the touch input is an erroneous touch based on the sensed value.
  • the processor 170 may obtain a pressure corresponding to the touch input using the pressure sensor 120 . If the obtained pressure is less than the threshold value, the processor 170 may determine that the touch input is an erroneous touch. On the other hand, if the obtained pressure is greater than the threshold value, the processor 170 may determine that the touch input is not an erroneous touch. In addition, the processor 170 may input the acquired pressure into the learned neural network model to determine whether the touch input is an erroneous touch.
  • the processor 170 may obtain a distance from the wearable device 100 to the user by using the proximity sensor 130 . If the acquired distance is within a preset distance range, the processor 170 may determine that the touch input is not an erroneous touch. On the other hand, if the acquired distance is outside the preset distance range, the processor 170 may determine that the touch input is an erroneous touch. In addition, the processor 170 may input the obtained distance into the learned neural network model to determine whether the touch input is an erroneous touch.
  • the processor 170 may acquire motion information of the wearable device 100 by using the motion sensor 140 .
  • the processor 170 may obtain angular velocity information of the wearable device 100 using the gyro sensor.
  • the processor 170 may determine that the touch input is an erroneous touch.
  • the processor 170 may determine that the touch input is not an erroneous touch.
  • the processor 170 may input the obtained motion information into the learned neural network model to determine whether the touch input is an erroneous touch.
  • the processor 170 may obtain a touch position corresponding to a touch input by using the touch sensor 110 . If the touch location exists within the preset area, the processor 170 may determine that the touch input is an erroneous touch. On the other hand, if the touch location does not exist within the preset area, the processor 170 may determine that the touch input is not an erroneous touch. Meanwhile, the preset area may be preset by the user or may be learned according to the user's usage pattern. To this end, the processor 170 may store the user's usage pattern (touch position) in the memory 160 .
  • the processor 170 may obtain context information related to the wearable device. In addition, the processor 170 may determine whether the touch input is an erroneous touch based on the sensed value and context information. For example, when context information indicating that the user is running is obtained, the processor 170 may increase the preset range Gt of FIG. 4B . On the other hand, if context information indicating that the user is standing in a standing state is obtained, the processor 170 may decrease the preset range Gt of FIG. 4B .
  • the processor 170 may perform an operation corresponding to the touch input based on the determination result. If it is determined that the touch input is a false touch, the processor 170 may not perform a function corresponding to the touch input. On the other hand, if it is determined that the touch input is not an erroneous touch, the processor 170 may perform a function corresponding to the touch input. For example, the processor 170 may adjust the volume of audio content being reproduced through an application stored in an external device (eg, a smartphone).
  • an external device eg, a smartphone
  • the processor 170 may include one or a plurality of processors.
  • one or more processors may be a general-purpose processor such as a CPU, an AP, a digital signal processor (DSP), or the like, a graphics-only processor such as a GPU, a VPU (Vision Processing Unit), or an artificial intelligence-only processor such as an NPU.
  • One or more processors control to process input data according to a predefined operation rule or artificial intelligence model stored in the memory 160 .
  • the AI-only processor may be designed with a hardware structure specialized for processing a specific AI model.
  • a predefined action rule or artificial intelligence model is characterized in that it is created through learning.
  • being made through learning means that a basic artificial intelligence model is learned using a plurality of learning data by a learning algorithm, so that a predefined action rule or artificial intelligence model set to perform a desired characteristic (or purpose) is created means load.
  • Such learning may be performed in the device itself on which artificial intelligence according to the present disclosure is performed, or may be performed through a separate server and/or system.
  • Examples of the learning algorithm include, but are not limited to, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning.
  • AI models can be created through learning.
  • being made through learning means that a basic artificial intelligence model is learned using a plurality of learning data by a learning algorithm, so that a predefined action rule or artificial intelligence model set to perform a desired characteristic (or purpose) is created means load.
  • the artificial intelligence model may be composed of a plurality of neural network layers.
  • Each of the plurality of neural network layers has a plurality of weight values, and a neural network operation is performed through an operation between the operation result of a previous layer and the plurality of weights.
  • the plurality of weights of the plurality of neural network layers may be optimized by the learning result of the artificial intelligence model. For example, a plurality of weights may be updated so that a loss value or a cost value obtained from the artificial intelligence model during the learning process is reduced or minimized.
  • the artificial neural network may include a deep neural network (DNN), for example, a Convolutional Neural Network (CNN), a Deep Neural Network (DNN), a Recurrent Neural Network (RNN), a Generative Adversarial Network (GAN), Restricted Boltzmann Machine (RBM), Deep Belief Network (DBN), Bidirectional Recurrent Deep Neural Network (BRDNN), or Deep Q-Networks, but is not limited to the above example.
  • DNN deep neural network
  • CNN Convolutional Neural Network
  • DNN Deep Neural Network
  • RNN Recurrent Neural Network
  • GAN Generative Adversarial Network
  • RBM Restricted Boltzmann Machine
  • DBN Deep Belief Network
  • BDN Bidirectional Recurrent Deep Neural Network
  • Deep Q-Networks Deep Q-Networks
  • FIG. 8 is a diagram for explaining a method of controlling a wearable device according to an embodiment of the present disclosure.
  • the wearable device 100 may acquire a touch input using the touch sensor 110 (S810), and while the touch input is acquired, a sensing value may be acquired from at least one sensor provided in the wearable device 100 ( S820). The wearable device 100 may acquire a sensing value of at least one of the pressure sensor 120 , the proximity sensor 130 , and the motion sensor 140 . Then, the wearable device 100 may determine whether the touch input is an erroneous touch based on the acquired sensing value (S830). In relation to this step, reference will be made to the descriptions described with reference to FIGS. 2A to 6 , and redundant descriptions will be omitted.
  • the wearable device 100 may perform an operation corresponding to the touch input based on the determination result ( S840 ). If it is determined that the touch input is an erroneous touch, the wearable device 100 may not perform a function corresponding to the touch input. On the other hand, if it is determined that the touch input is not a false touch, the wearable device 100 may perform a function corresponding to the touch input.
  • the various embodiments described above may be implemented in a recording medium readable by a computer or a similar device using software, hardware, or a combination thereof.
  • the embodiments described herein may be implemented by the processor itself.
  • embodiments such as procedures and functions described in this specification may be implemented as separate software modules. Each of the software modules may perform one or more functions and operations described herein.
  • computer instructions for performing the processing operation according to various embodiments of the present disclosure described above may be stored in a non-transitory computer-readable medium.
  • the processing operation according to the above-described various embodiments may be performed by a specific device.
  • the non-transitory computer-readable medium refers to a medium that stores data semi-permanently, not a medium that stores data for a short moment, such as a register, cache, memory, etc., and can be read by a device.
  • Specific examples of the non-transitory computer-readable medium may include a CD, DVD, hard disk, Blu-ray disk, USB, memory card, ROM, and the like.
  • the device-readable storage medium may be provided in the form of a non-transitory storage medium.
  • 'non-transitory storage medium' is a tangible device and only means that it does not contain a signal (eg, electromagnetic wave). It does not distinguish the case where it is stored as
  • the 'non-transitory storage medium' may include a buffer in which data is temporarily stored.
  • the method according to various embodiments disclosed in this document may be included in a computer program product (computer program product) and provided.
  • Computer program products may be traded between sellers and buyers as commodities.
  • the computer program product is distributed in the form of a machine-readable storage medium (eg compact disc read only memory (CD-ROM)), or via an application store (eg Play Store TM ) or on two user devices ( It can be distributed online (eg download or upload), directly between smartphones (eg smartphones).
  • a portion of the computer program product eg, a downloadable app
  • a machine-readable storage medium such as a memory of a manufacturer's server, a server of an application store, or a relay server. It may be temporarily stored or temporarily created.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

웨어러블 장치가 개시된다. 일 실시 예에 따른 웨어러블 장치는 터치 센서를 포함하는 복수의 센서 및 프로세서를 포함하고, 프로세서는, 터치 센서를 이용하여 터치 입력을 획득하고, 터치 입력이 획득되는 동안 복수의 센서 중 터치 센서 이외의 적어도 하나의 센서로부터 센싱값을 획득하고, 센싱값을 바탕으로 터치 입력이 오터치 인지 여부를 판단하고, 판단 결과를 바탕으로 터치 입력에 대응되는 동작을 수행할 수 있다.

Description

웨어러블 장치 및 그 제어 방법
본 개시는 웨어러블 장치 및 그 제어 방법으로, 보다 상세하게는, 웨어러블 장치에 대한 사용자의 터치 입력이 오터치인지 여부를 판단하는 웨어러블 장치 및 그 제어 방법에 관한 것이다.
CROSS-REFERENCE TO RELATED APPLICATIONS
본 출원은 2020년 9월 23일에 출원된 대한민국 특허출원 제 10-2020-0123255호에 기초하여 우선권을 주장하며, 해당 출원의 모든 내용은 그 전체가 본 출원에 레퍼런스로 포함된다.
전자기술의 발달에 힘입어 무선 이어폰, 스마트 워치 등과 같은 웨어러블 장치의 사용량이 늘어나고 있다. 최근에는 사용자의 터치 입력을 바탕으로 재생, 일시 정지 등의 기능을 수행하는 무선 이어폰이 사용되고 있다.
상기 정보는 본 개시의 이해를 돕기 위한 배경 정보로서만 제공된다. 위의 내용 중 어느 것이 본 개시와 관련하여 선행 기술로 적용될 수 있는지 여부에 대해서는 어떠한 결정 및 주장도 이루어지지 않는다.
한편, 사용자가 웨어러블 장치를 조작하기 위한 것이 아닌 단순히 웨어러블 장치의 위치를 조절하기 위해 웨어러블 장치를 터치하는 경우가 있을 수 있다. 예를 들어, 사람마다 귀의 모양이나 크기가 다르기 때문에, 사용자는 자신의 귀에 맞게 이어폰을 착용하기 위해 이어폰을 손으로 터치할 수 있다. 또는, 이어폰을 귀에 착용한 채로 운동하는 등과 같이 활동적인 상황에서 이어폰에 움직임이 발생하는 경우, 사용자는 이어폰의 위치를 조절하기 위하여 이어폰을 손으로 터치할 수 있다. 이와 같이, 사용자의 의도되지 않은 터치가 획득되는 경우에도 웨어러블 장치가 사용자의 터치에 대응되는 기능을 수행하면, 사용자의 불편함을 초래할 수 있다.
이에 따라, 사용자의 터치 입력이 오터치인지 여부를 판단하고, 판단 결과를 바탕으로 동작을 수행하는 웨어러블 장치에 대한 필요성이 대두된다.
본 발명이 해결하고자 하는 일 기술적 과제는, 사용자의 터치 입력이 오터치인지 여부를 판단할 수 있는 웨어러블 장치를 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해 될 수 있을 것이다.
상술한 기술적 과제를 해결하기 위한 본 개시의 예시적인 일 실시 예에 따르면, 웨어러블 장치에 있어서, 웨어러블 장치에 있어서, 터치 센서를 포함하는 복수의 센서; 및 프로세서;를 포함하고, 상기 프로세서는, 상기 터치 센서를 이용하여 터치 입력을 획득하고, 상기 터치 입력이 획득되는 동안 상기 복수의 센서 중 상기 터치 센서 이외의 적어도 하나의 센서로부터 센싱값을 획득하고, 상기 센싱값을 바탕으로 상기 터치 입력이 오터치 인지 여부를 판단하고, 상기 판단 결과를 바탕으로 상기 터치 입력에 대응되는 동작을 수행하는 웨어러블 장치가 제공될 수 있다.
상기 웨어러블 장치는, 상기 복수의 센서는 근접 센서를 포함하고, 상기 프로세서는, 상기 근접 센서를 이용하여 상기 웨어러블 장치로부터 사용자까지의 거리를 획득하고, 상기 거리가 기설정된 거리 범위 이내이면, 상기 터치 입력이 상기 오터치가 아닌 것으로 판단하고, 상기 거리가 상기 기설정된 거리 범위 밖이면, 상기 터치 입력이 상기 오터치인 것으로 판단할 수 있다.
상기 프로세서는, 상기 근접 센서를 이용하여 상기 웨어러블 장치로부터 사용자까지의 거리 정보를 획득하는 단계를 포함하고, 상기 거리 정보를 학습된 신경망 모델에 입력하여 상기 터치 입력이 상기 오터치인 지 여부를 판단할 수 있다.
상기 웨어러블 장치는, 상기 복수의 센서는 모션 센서를 포함하고, 상기 프로세서는, 상기 모션 센서를 이용하여 상기 웨어러블 장치의 모션 정보를 획득하고, 상기 모션 정보를 학습된 신경망 모델에 입력하여 상기 터치 입력이 상기 오터치인 지 여부를 판단할 수 있다.
상기 웨어러블 장치는, 상기 복수의 센서는 압력 센서를 포함하고, 상기 프로세서는, 상기 압력 센서를 이용하여 상기 터치 입력에 대응되는 압력을 획득하고, 상기 획득된 압력이 임계값보다 작으면, 상기 터치 입력이 상기 오터치인 것으로 판단하고, 상기 획득된 압력이 상기 임계값보다 크면, 상기 터치 입력이 상기 오터치가 아닌 것으로 판단할 수 있다.
상기 프로세서는, 상기 터치 센서를 이용하여 상기 터치 입력에 대응되는 터치 위치를 획득하고, 상기 터치 위치가 기설정된 영역 내에 존재하면, 상기 터치 입력이 상기 오터치인 것으로 판단하고, 상기 터치 위치가 상기 기설정된 영역 내에 존재하지 않으면, 상기 터치 입력이 상기 오터치가 아닌 것으로 판단할 수 있다.
상기 기설정된 영역은, 상기 웨어러블 장치의 사용자의 사용 패턴을 바탕으로 정해질 수 있다.
상기 프로세서는, 상기 터치 입력이 획득되면, 상기 웨어러블 장치와 관련된 컨텍스트 정보를 획득하고, 상기 센싱값 및 상기 컨텍스트 정보를 바탕으로 상기 터치 입력이 오터치 인지 여부를 판단할 수 있다.
상술한 기술적 과제를 해결하기 위한 본 개시의 예시적인 다른 일 실시 예에 따르면, 터치 센서를 포함하는 복수의 센서를 포함하는 웨어러블 장치의 제어 방법에 있어서, 상기 터치 센서를 이용하여 터치 입력을 획득하는 단계; 상기 터치 입력이 획득되는 동안 상기 복수의 센서 중 상기 터치 센서 이외의 적어도 하나의 센서로부터 센싱값을 획득하는 단계; 상기 센싱값을 바탕으로 상기 터치 입력이 오터치 인지 여부를 판단하는 단계; 및 상기 판단 결과를 바탕으로 상기 터치 입력에 대응되는 동작을 수행하는 단계;를 포함하는 제어 방법이 제공될 수 있다.
상기 웨어러블 장치는, 상기 복수의 센서는 근접 센서를 포함하고, 상기 센싱값을 획득하는 단계는, 상기 근접 센서를 이용하여 상기 웨어러블 장치로부터 사용자까지의 거리를 획득하는 단계를 포함하고, 상기 판단하는 단계는, 상기 거리가 기설정된 거리 범위 이내이면, 상기 터치 입력이 상기 오터치가 아닌 것으로 판단하고, 상기 거리가 상기 기설정된 거리 범위 밖이면, 상기 터치 입력이 상기 오터치인 것으로 판단할 수 있다.
상기 웨어러블 장치는, 상기 복수의 센서는 근접 센서를 포함하고, 상기 센싱값을 획득하는 단계는, 상기 근접 센서를 이용하여 상기 웨어러블 장치로부터 사용자까지의 거리 정보를 획득하는 단계를 포함하고, 상기 판단하는 단계는, 상기 거리 정보를 학습된 신경망 모델에 입력하여 상기 터치 입력이 상기 오터치인 지 여부를 판단할 수 있다.
상기 웨어러블 장치는, 상기 복수의 센서는 모션 센서를 포함하고, 상기 센싱값을 획득하는 단계는, 상기 모션 센서를 이용하여 상기 웨어러블 장치의 모션 정보를 획득하는 단계를 포함하고, 상기 판단하는 단계는, 상기 모션 정보를 학습된 신경망 모델에 입력하여 상기 터치 입력이 상기 오터치인 지 여부를 판단할 수 있다.
상기 웨어러블 장치는, 상기 복수의 센서는 압력 센서를 포함하고, 상기 센싱값을 획득하는 단계는, 상기 압력 센서를 이용하여 상기 터치 입력에 대응되는 압력을 획득하는 단계를 포함하고, 상기 판단하는 단계는, 상기 획득된 압력이 임계값보다 작으면, 상기 터치 입력이 상기 오터치인 것으로 판단하고, 상기 획득된 압력이 상기 임계값보다 크면, 상기 터치 입력이 상기 오터치가 아닌 것으로 판단할 수 있다.
상기 센싱값을 획득하는 단계는, 상기 터치 센서를 이용하여 상기 터치 입력에 대응되는 터치 위치를 획득하는 단계를 포함하고, 상기 결정하는 단계는, 상기 터치 위치가 기설정된 영역 내에 존재하면, 상기 터치 입력이 상기 오터치인 것으로 판단하고, 상기 터치 위치가 상기 기설정된 영역 내에 존재하지 않으면, 상기 터치 입력이 상기 오터치가 아닌 것으로 판단할 수 있다.
상기 제어 방법은, 상기 터치 입력이 획득되면, 상기 웨어러블 장치와 관련된 컨텍스트 정보를 획득하는 단계;를 더 포함하고, 상기 판단하는 단계는, 상기 센싱값 및 상기 컨텍스트 정보를 바탕으로 상기 터치 입력이 오터치 인지 여부를 판단할 수 있다.
본 개시의 과제의 해결 수단이 상술한 해결 수단들로 제한되는 것은 아니며, 언급되지 아니한 해결 수단들은 본 명세서 및 첨부된 도면으로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
이상과 같은 본 개시의 다양한 실시 예에 따르면, 웨어러블 장치는 사용자의 터치 입력이 오터치인지 여부를 판단하고, 판단 결과를 바탕으로 기능을 수행할 수 있다. 이에 따라, 사용자의 편의성 및 만족도가 향상될 수 있다.
그 외에 본 개시의 실시 예로 인하여 얻을 수 있거나 예측되는 효과에 대해서는 본 개시의 실시 예에 대한 상세한 설명에서 직접적 또는 암시적으로 개시하도록 한다. 예컨대, 본 개시의 실시 예에 따라 예측되는 다양한 효과에 대해서는 후술될 상세한 설명 내에서 개시될 것이다.
본 개시의 다른 양상, 이점 및 두드러진 특징들은 첨부된 도면과 관련하여 본 발명의 다양한 실시 예들을 개시하는 다음의 상세한 설명으로부터 당업자에게 명백해질 것이다.
본 개시의 특정 실시 예의 양상, 특징 및 이점은 첨부된 도면들을 참조하여 후술되는 설명을 통해 보다 명확해질 것이다.
도 1은 본 개시의 일 실시 예에 따른 웨어러블 장치를 사용자가 착용한 모습을 도시한 도면이다.
도 2a는 본 개시의 일 실시 예에 따른 압력 센서를 이용하여 터치 입력이 오터치인지 여부를 판단하는 방법을 나타내는 순서도이다.
도 2b는 본 개시의 일 실시 예에 따른 웨어러블 장치의 분해 사시도이다.
도 2c는 본 개시의 다른 일 실시 예에 따른 압력 센서를 이용하여 터치 입력이 오터치인지 여부를 판단하는 방법을 나타내는 순서도이다.
도 3a는 본 개시의 일 실시 예에 따른 근접 센서를 이용하여 터치 입력이 오터치인지 여부를 판단하는 방법을 나타내는 순서도이다.
도 3b는 본 개시의 일 실시 예에 따른 웨어러블 장치를 도시한 사시도이다.
도 3c는 본 개시의 일 실시 예에 따른 근접 센서의 센싱값을 나타내는 그래프이다.
도 4a는 본 개시의 일 실시 예에 따른 모션 센서를 이용하여 터치 입력이 오터치인지 여부를 판단하는 방법을 나타내는 순서도이다.
도 4b는 본 개시의 일 실시 예에 따른 모션 정보를 나타내는 그래프이다.
도 5a는 본 개시의 일 실시 예에 따른 터치 센서를 이용하여 터치 입력이 오터치인지 여부를 판단하는 방법을 나타내는 순서도이다.
도 5b는 본 개시의 일 실시 예에 따른 기 설정된 영역을 도시한 도면이다.
도 6은 본 개시의 일 실시 예에 따른 컨텍스트 정보를 이용하여 터치 입력이 오터치인지 여부를 판단하는 방법을 나타내는 순서도이다.
도 7은 본 개시의 일 실시 예에 따른 웨어러블 장치(100)의 구성을 도시한 블록도이다.
도 8은 본 개시의 일 실시 예에 따른 웨어러블 장치의 제어 방법을 설명하기 위한 도면이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.　
본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 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 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 개시의 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 개시된 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예들을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서 상에 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.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 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. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 개시의 일 실시 예에 따른 웨어러블 장치를 사용자가 착용한 모습을 도시한 도면이다.
본 개시의 일 실시 예에 따른 웨어러블 장치(wearable device)(100)는 이어폰일 수 있다. 웨어러블 장치(100)는 다양한 유형의 사용자(1)의 터치 입력을 획득할 수 있다. 예를 들어, 웨어러블 장치(100)는 탭(tap) 입력, 더블 탭(double tap) 입력, 드래그(drag) 입력, 슬라이드(slide) 입력, 스와이프(swipe) 입력, 프레스(press) 입력 및 홀드(hold) 입력 중 적어도 하나의 터치 입력을 획득할 수 있다.
그리고, 웨어러블 장치(100)는 터치 입력에 대응되는 기능을 수행할 수 있다. 예를 들어, 터치 입력에 대응되는 기능은, 사용자 단말(예로, 스마트폰)에 저장된 어플리케이션을 통해 오디오 컨텐츠를 재생시키는 기능, 재생중인 오디오 컨텐츠를 일시정지하는 기능 및 재생중인 오디오 컨텐츠의 볼륨 중 적어도 하나를 포함할 수 있다. 다만, 이는 일 실시 예에 불과하며, 웨어러블 장치(100)는 스마트 워치(smart watch), 스마트 글래스(smart glass)를 비롯한 다양한 전자 장치로 구현될 수 있다. 한편, 본 개시에 따른 발명의 사상이 반드시 웨어러블 장치(100)에만 적용 가능한 것은 아니며, 스마트 폰과 같은 다른 모바일 장치에도 적용될 수 있음을 밝혀둔다.
한편, 웨어러블 장치(100)는 사용자(1)의 의도되지 않은 터치, 소위 오터치(erroneous touch)(또는 accidental touch)를 획득할 수 있다. 예를 들어, 웨어러블 장치(100)는 사용자(1)가 자신의 귀에 맞게 웨어러블 장치(100)를 착용하기 위해 웨어러블 장치(100)의 위치를 조절하는 과정에서 입력되는 터치 입력을 획득할 수 있다. 또는, 사용자(1)가 웨어러블 장치(100)를 착용한 상태에서 운동을 하는 상황에서, 사용자(1)는 자신의 신체로부터 웨어러블 장치(100)가 떨어지는 것을 방지하기 위하여 웨어러블 장치(100)를 터치할 수 있다. 이와 같은 경우, 웨어러블 장치(100)가 사용자(1)의 터치 입력에 대응되는 기능(예로, 재생중인 음악을 일시 정지)을 수행하면, 사용자의 불편을 초래될 수 있다. 따라서, 웨어러블 장치(100)는 사용자(1)의 터치 입력이 오터치인지 여부를 판단하고, 이를 바탕으로 터치 입력에 대응되는 기능을 수행할 필요가 있다.
이하에서는, 사용자(1)의 터치 입력이 오터치인지 여부를 판단하는 방법에 대하여 설명하도록 한다.
도 2a는 본 개시의 일 실시 예에 따른 압력 센서를 이용하여 터치 입력이 오터치인지 여부를 판단하는 방법을 나타내는 순서도이다.
웨어러블 장치(100)는 터치 센서를 이용하여 터치 입력을 획득할 수 있다(S210). 그리고, 웨어러블 장치(100)는 터치 입력이 획득되는 동안 압력 센서를 이용하여 터치 입력에 대응되는 압력을 획득할 수 있다(S220). 본 개시에 따른 압력 센서(120)는 도 2b에 도시된 바와 같이, 웨어러블 장치(100)내에 구비되어 사용자의 터치 입력에 대응되는 압력을 센싱할 수 있다. 여기서, 터치 입력에 대응되는 압력(또는, 터치 압력)이란, 사용자의 신체 일부(예로, 손가락)가 터치 센서(110)를 누르는 압력을 의미할 수 있다. 또는, 터치 입력에 대응되는 압력은, 터치 입력에 따라 웨어러블 장치(100)가 사용자의 신체 일부(예로, 귓)를 누르는 압력을 의미할 수도 있다. 한편, 압력 센서(120)는 터치 센서(110)와 별도로 존재하거나, 통합된 형태로 구현될 수도 있다.
터치 입력에 대응되는 압력이 획득되면, 웨어러블 장치(100)는 획득된 압력이 임계값보다 큰 지 여부를 식별할 수 있다(S230). 여기서, 임계값이란 사용자(1)의 터치가 의도된 터치인지 여부를 판단하기 위한 기준 압력을 의미한다. 사용자(1)가 오터치 입력을 하는 경우의 터치 압력은, 사용자(1)가 의도된 터치 입력을 하는 경우의 터치 압력보다 클 수 있다. 예를 들어, 사용자(1)가 자신의 신체로부터 웨어러블 장치(100)가 떨어지는 것을 방지하기 위하여 웨어러블 장치(100)를 터치하는 경우 즉, 오터치 입력을 하는 경우의 제1 압력은, 사용자(1)가 의도된 터치 입력을 하는 경우의 제2 압력보다 클 수 있다. 따라서, 웨어러블 장치(100)는 획득된 압력이 임계값보다 큰 지 여부를 식별하여 터치 입력이 오터치인지 여부를 판단할 수 있다.
구체적으로, 획득된 압력이 임계값보다 큰 것으로 식별되면, 웨어러블 장치(100)는 터치 입력을 오터치로 판단할 수 있다(S240). 이 때, 웨어러블 장치(100)는 터치 입력에 대응되는 기능을 수행하지 않을 수 있다. 반면에, 획득된 압력이 임계값보다 작은 것으로 식별되면, 웨어러블 장치(100)는 터치 입력이 오터치가 아닌 것으로 판단할 수 있다(S250). 이 때, 웨어러블 장치(100)는 터치 입력에 대응되는 기능을 수행할 수 있다.
한편, 웨어러블 장치(100)는 데이터 베이스에 저장된 터치 압력에 대한 정보를 바탕으로 터치 입력이 오터치인지 여부를 판단할 수 있다. 예를 들어, 데이터 베이스에는 아래 [표 1]과 같이, 터치 압력(touch pressure) 별 터치 유형(touch type)이 매칭된 룩업 테이블(look-up table)이 저장되어 있을 수 있다. 한편, 데이터 베이스는 메모리(160) 또는 외부 서버에 저장되어 있을 수 있다.
touch pressure (psi) touch type
0.5 ~ 25 intentional touch
25~ accidental touch
웨어러블 장치(100)는 [표 1]과 같은 터치 압력에 대한 정보와 획득된 터치 입력을 비교하여 획득된 터치 입력이 오터치인지 여부를 판단할 수 있다. 예를 들어, 획득된 터치 입력이 26(psi)인 경우, 웨어러블 장치(100)는 획득된 터치 입력을 오터치(accidental touch)로 식별할 수 있다. 반면에, 획득된 터치 압력이 10(psi)인 경우, 웨어러블 장치(100)는 획득된 터치 입력을 의도된 터치로 식별할 수 있다.한편, 웨어러블 장치(100)는 학습된 신경망 모델을 이용하여 터치 입력이 오터치인지 여부를 판단할 수 있다. 도 2c에 도시된 바와 같이, 웨어러블 장치(100)는 신경망 모델(210)에 터치 입력에 대응되는 압력을 입력하여 터치 입력이 사용자의 의도된 터치(intentional touch)인지 아니면 오터치(accidental touch)인지 여부를 식별할 수 있다. 구체적으로, 웨어러블 장치(100)는 신경망 모델(210)에 터치 입력에 대응되는 압력을 입력하여 터치 입력이 사용자의 의도된 터치(intentional touch)일 확률 및 터치 입력이 오터치(accidental touch)일 확률을 획득할 수 있다. 이 때, 터치 입력이 오터치일 확률이 기 설정된 확률(예로, 70%)보다 큰 경우, 웨어러블 장치(100)는 터치 입력이 오터치라고 식별할 수 있다.한편, 신경망 모델(210)은 터치 입력에 대응되는 압력을 바탕으로 터치 입력이 오터치인지 여부를 식별하도록 학습될 수 있다. 이 때, 신경망 모델(210)의 학습 데이터는 웨어러블 장치(100)를 조작하기 위한 제1 터치 입력 및 제1 터치 입력에 대응되는 압력, 웨어러블 장치(100)의 위치를 조정하기 위한 제2 터치 입력 및 제2 터치 입력에 대응되는 압력을 포함할 수 있다. 신경망 모델(210)은 지도 학습 방법을 바탕으로 학습 데이터에 기초하여 미리 학습되어 웨어러블 장치(100)에 저장되어 있을 수 있다. 예로, 신경망 모델(210)은 CNN(Convolutional Neural Networks) 모델로 구현될 수 있다.
한편, 웨어러블 장치(100)는 사용자가 웨어러블 장치(100)를 사용하는 동안 획득된 터치 입력과 획득된 터치 입력에 대응되는 기능이 수행되었는지 여부를 학습 데이터로 수집하여 저장할 수 있다. 그리고, 웨어러블 장치(100)는 저장된 학습 데이터를 바탕으로 신경망 모델(210)을 업데이트할 수 있다. 구체적으로, 웨어러블 장치(100)는 신경망 모델(210)의 파라미터를 업데이트할 수 있다. 이에 따라, 신경망 모델(210)의 성능이 보다 향상될 수 있다.
도 3a는 본 개시의 일 실시 예에 따른 근접 센서를 이용하여 터치 입력이 오터치인지 여부를 판단하는 방법을 나타내는 순서도이다. 도 3b는 본 개시의 일 실시 예에 따른 웨어러블 장치를 도시한 사시도이다. 도 3c는 본 개시의 일 실시 예에 따른 근접 센서의 센싱값을 나타내는 그래프이다.
웨어러블 장치(100)는 터치 센서를 이용하여 터치 입력을 획득할 수 있다(S310). 그리고, 웨어러블 장치(100)는 터치 입력이 획득되는 동안 근접 센서를 이용하여 웨어러블 장치(100)로부터 사용자까지의 거리를 획득할 수 있다(S320). 여기서, 웨어러블 장치(100)로부터 사용자까지의 거리(또는, 사용자에 대한 거리)란, 웨어러블 장치(100)(또는, 근접 센서)로부터 사용자의 신체 중 일부까지의 거리를 의미한다. 예를 들어, 도 3b를 참조하면, 웨어러블 장치(100)로부터 사용자까지의 거리(d)는 근접 센서(130)로부터 사용자의 귀(E)까지의 거리를 의미할 수 있다.
웨어러블 장치(100)는 터치 입력이 획득되는 동안 획득된 거리가 기 설정된 거리 범위 이내인 지 여부를 바탕으로 터치 입력이 오터치 인지 여부를 판단할 수 있다(S330). 여기서, 기 설정된 거리 범위(Dt)는 사용자의 터치 입력이 의도된 터치인지 여부를 판단하기 위한 거리를 의미한다. 예를 들어, 웨어러블 장치(100)가 사용자(1)의 신체로부터 떨어지려고 할 때 획득된 거리는 기 설정된 거리 범위(Dt)를 벗어날 수 있다. 이 때, 사용자(1)는 자신의 신체로부터 웨어러블 장치(100)가 떨어지는 것을 방지하기 위하여 웨어러블 장치(100)를 터치(즉, 오터치)할 수 있다. 따라서, 획득된 거리가 기 설정된 거리 범위 이내에 있지 않은 경우, 웨어러블 장치(100)는 터치 입력을 오터치로 판단할 수 있다(S350). 반면에, 획득된 거리가 기 설정된 거리 범위(Dt) 이내인 경우, 웨어러블 장치(100)는 터치 입력이 오터치가 아닌 것으로 판단할 수 있다(S340).
보다 상세한 예시를 들면, 터치 입력이 획득되었을 때 사용자(1)의 신체로부터 웨어러블 장치(100)까지의 측정된 거리가 기 설정된 거리 범위(Dt)(예로, 0~2mm) 이내인 경우, 웨어러블 장치(100)는 터치 입력이 오터치가 아닌 것으로 판단할 수 있다. 반면에, 터치 입력이 획득되었을 때 사용자(1)의 신체로부터 웨어러블 장치(100)까지의 측정된 거리가 기 설정된 거리 범위(Dt)(예로, 0~2mm) 이내에 있지 않은 경우, 웨어러블 장치(100)는 터치 입력이 오터치인 것으로 판단할 수 있다.
도 3c는 본 개시의 일 실시 예에 따른 근접 센서의 센싱값을 나타내는 그래프이다. 사용자의 터치 입력이 획득되면, 웨어러블 장치(100)는 터치 입력이 획득될 때의 사용자에 대한 거리(d)를 식별할 수 있다. 그리고, 웨어러블 장치(100)는 식별된 거리가 기 설정된 거리 범위(Dt)인지 여부를 바탕으로 터치 입력이 오터치인지 여부를 판단할 수 있다. 예를 들어, 웨어러블 장치(100)는 제1 터치 입력이 획득될 때의 제1 거리(d1) 및 제2 터치 입력이 획득될 때의 제2 거리(d2)를 식별할 수 있다. 제1 거리(d1)는 기 설정된 거리 범위(Dt) 이내이므로, 웨어러블 장치(100)는 제1 터치 입력을 사용자(1)의 의도된 터치 입력으로 판단할 수 있다. 반면에, 제2 거리(d2)는 기 설정된 거리 범위(Dt) 밖이므로, 웨어러블 장치(100)는 제2 터치 입력을 오터치로 판단할 수 있다.
한편, 웨어러블 장치(100)는 데이터 베이스에 저장된 사용자에 대한 거리를 바탕으로 터치 입력이 오터치인지 여부를 판단할 수 있다. 예를 들어, 데이터 베이스에는 사용자에 대한 거리(d) 별 터치 유형(touch type)이 매칭된 룩업 테이블(look-up table)이 저장되어 있을 수 있다. 웨어러블 장치(100)는 저장된 거리와 획득된 거리를 비교하여 획득된 터치 입력이 오터치인지 여부를 판단할 수 있다. 예를 들어, 터치 입력이 획득되었을 때 획득된 거리가 4mm인 경우, 웨어러블 장치(100)는 획득된 터치 입력을 오터치(accidental touch)로 식별할 수 있다. 반면에, 터치 입력이 획득되었을 때 획득된 거리가 1mm인 경우, 웨어러블 장치(100)는 터치 압력을 의도된 터치로 식별할 수 있다.
한편, 웨어러블 장치(100)는 신경망 모델을 이용하여 터치 입력이 오터치인지 여부를 식별할 수 있다. 예를 들어, 웨어러블 장치(100)는 학습된 신경망 모델에 근접 센서의 센싱값을 입력하여 터치 입력이 오터치인지 여부를 식별할 수 있다. 이 때, 신경망 모델은 터치 입력이 획득된 시점의 근접 센서의 센싱값을 바탕으로 터치 입력이 오터치인지 여부를 식별하도록 학습될 수 있다. 신경망 모델의 학습 데이터는 웨어러블 장치(100)를 조작하기 위한 제1 터치 입력 및 제1 터치 입력에 대응되는 근접 센서의 제1 센싱값, 웨어러블 장치의 위치를 조정하기 위한 제2 터치 입력 및 제2 터치 입력에 대응되는 근접 센서의 센싱값을 포함할 수 있다. 신경망 모델은 지도 학습 방법을 바탕으로 학습 데이터에 기초하여 미리 학습되어 웨어러블 장치(100)에 저장되어 있을 수 있다.
도 4a는 본 개시의 일 실시 예에 따른 모션 센서를 이용하여 터치 입력이 오터치인지 여부를 판단하는 방법을 나타내는 순서도이다. 도 4b는 본 개시의 일 실시 예에 따른 모션 정보를 나타내는 그래프이다.
웨어러블 장치(100)는 터치 센서를 이용하여 터치 입력을 획득할 수 있다(S310). 그리고, 웨어러블 장치(100)는 터치 입력이 획득되는 동안 모션 센서를 이용하여 웨어러블 장치의 모션 정보를 획득할 수 있다(S420). 여기서, 모션 센서는 자이로 센서 및 가속도 센서 중 적어도 하나를 포함할 수 있다. 이 때, 모션 정보는 모션 센서의 센싱값 즉, 3축(x, y, z)각각의 가속도 정보 및 각속도 정보 중 적어도 하나를 포함할 수 있다. 또한, 모션 정보는 모션 센서의 센싱값을 바탕으로 산출된 값을 의미할 수 있다. 예를 들어, 모션 정보는 자이로 센서의 센싱값인 각속도 벡터의 크기를 의미할 수 있다. 한편, 본 개시에 따른 모션 센서의 센싱값은 웨어러블 장치(100)에 대한 각속도뿐만 아니라 각속도를 바탕으로 산출된 값(예로, 각속도 벡터의 크기)을 지칭할 수 있다.
웨어러블 장치(100)는 획득된 모션 정보를 바탕으로 터치 입력이 오터치 인지 여부를 판단할 수 있다(430). 예를 들어, 사용자(1)가 웨어러블 장치(100)를 착용한 채로 갑자기 달리는 경우 웨어러블 장치(100)가 사용자(1)의 신체로부터 떨어지려고할 수 있다. 이러한 상황에서, 모션 센서의 센싱값은 기 설정된 범위(Gt)를 벗어나게될 수 있다. 또한, 사용자(1)는 자신의 신체로부터 웨어러블 장치(100)가 떨어지는 것을 방지하기 위하여 웨어러블 장치(100)를 터치할 수 있다. 따라서, 웨어러블 장치(100)는 모션 센서의 센싱값이 기 설정된 범위(Gt) 이내인지 여부를 바탕으로 터치 입력이 오터치인지 여부를 판단할 수 있다.
구체적으로, 모션 센서의 센싱값이 기 설정된 범위(Gt) 이내이면, 웨어러블 장치(100)는 터치 입력이 오터치가 아닌 것으로 판단할 수 있다. 예를 들어, 도 4b에서 제1 터치 입력이 획득될 때의 제1 센싱값(G1)은 기 설정된 범위(Gt) 이내이므로, 웨어러블 장치(100)는 터치 입력이 오터치가 아닌 의도된 터치 입력으로 판단할 수 있다. 반면에, 모션 센서의 센싱값이 기 설정된 범위(Gt)를 벗어나면, 웨어러블 장치(100)는 터치 입력이 오터치인 것으로 판단할 수 있다. 예를 들어, 도 4b에서 제2 터치 입력이 획득될 때의 제2 센싱값(G2)은 기 설정된 범위(Gt)를 벗어나므로, 웨어러블 장치(100)는 터치 입력을 오터치로 판단할 수 있다.
한편, 웨어러블 장치(100)는 데이터 베이스에 저장된 정보를 바탕으로 터치 입력이 오터치인지 여부를 판단할 수 있다. 예를 들어, 데이터 베이스에는 모션 센서의 센싱 값 별 터치 유형(touch type)이 매칭된 룩업 테이블(look-up table)이 저장되어 있을 수 있다. 웨어러블 장치(100)는 터치 입력이 획득되었을 때의 모션 센서의 센싱값과 저장된 센싱값을 비교하여 획득된 터치 입력이 오터치인지 여부를 판단할 수 있다.
한편, 웨어러블 장치(100)는 신경망 모델을 이용하여 터치 입력이 오터치인지 여부를 판단할 수 있다. 예를 들어, 웨어러블 장치(100)는 학습된 신경망 모델에 모션 센서의 센싱값을 입력하여 터치 입력이 오터치인지 여부를 식별할 수 있다. 이 때, 신경망 모델은 터치 입력이 획득된 시점의 모션 센서의 센싱값(또는 모션 정보)을 바탕으로 터치 입력이 오터치인지 여부를 식별하도록 학습될 수 있다. 신경망 모델의 학습 데이터는 웨어러블 장치(100)를 조작하기 위한 제1 터치 입력 및 제1 터치 입력에 대응되는 모션 센서의 제1 센싱값, 웨어러블 장치의 위치를 조정하기 위한 제2 터치 입력 및 제2 터치 입력에 대응되는 모션 센서의 센싱값을 포함할 수 있다. 신경망 모델은 지도 학습 방법을 바탕으로 학습 데이터에 기초하여 미리 학습되어 웨어러블 장치(100)에 저장되어 있을 수 있다.
한편, 상술한 신경망 모델은 압력 센서, 근접 센서 및 모션 센서 중 적어도 2이상에 대한 센싱값을 바탕으로 터치 입력이 오터치인지 여부를 판단하도록 학습될 수 있다. 예를 들어, 웨어러블 장치(100)는 신경망 압력 센서의 센싱값 및 근접 센서의 센싱값을 각각 신경망 모델에 입력하여 터치 입력이 오터치인지 여부를 식별할 수 있다.
도 5a는 본 개시의 일 실시 예에 따른 터치 센서를 이용하여 터치 입력이 오터치인지 여부를 판단하는 방법을 나타내는 순서도이다.
웨어러블 장치(100)는 터치 센서를 이용하여 터치 입력을 획득할 수 있다(S510). 터치 입력이 획득되면, 웨어러블 장치(100)는 터치 입력에 대응되는 터치 위치를 획득할 수 있다(S520). 그리고, 웨어러블 장치(100)는 터치 위치가 기 설정된 영역 내에 존재하는 지 여부를 식별할 수 있다(S530). 여기서 기 설정된 영역은 사용자의 터치가 의도된 터치인지 여부를 판단하기 위한 영역으로서 예로는 도 5b에 도시된 바와 같이 터치 패드의 일면에 미리 설정될 수 있다. 기 설정된 영역에 대한 정보(예로, 기 설정된 영역의 위치나 범위)는 메모리(160)에 저장되어 있을 수 있다. 한편, 기 설정된 영역에 대한 정보는 사용자가 웨어러블 장치(100)를 사용하는 동안 터치 센서(110)를 터치하는 위치나 횟수 등의 사용 패턴을 바탕으로 설정 및 업데이트될 수 있다.
획득된 터치 위치가 기설정된 영역 내에 존재하는 것으로 식별되면, 웨어러블 장치(100)는 터치 입력이 오터치가 아닌 것으로 판단할 수 있다(S540). 이 때, 웨어러블 장치(100)는 터치 입력에 대응되는 기능을 수행할 수 있다. 이에 반해, 획득된 터치 위치가 기설정된 영역 내에 존재하지 않는 것으로 식별되면, 웨어러블 장치(100)는 터치 입력이 오터치인 것으로 판단할 수 있다(S550). 이 때, 웨어러블 장치(100)는 터치 입력을 무시하고 터치 입력에 대응되는 기능을 수행하지 않을 수 있다.
한편, 웨어러블 장치(100)는 컨텍스트 정보를 바탕으로 터치 입력이 오터치인지 여부를 판단할 수 있다. 도 6은 본 개시의 일 실시 예에 따른 컨텍스트 정보를 이용하여 터치 입력이 오터치인지 여부를 판단하는 방법을 나타내는 순서도이다.
웨어러블 장치(100)는 터치 센서를 이용하여 터치 입력을 획득할 수 있다(S610). 터치 입력이 획득되는 동안, 웨어러블 장치(100)는 웨어러블 장치(100)와 관련된 컨텍스트 정보를 획득하고(S620), 획득된 컨텍스트 정보를 바탕으로 터치 입력이 오터치인지 여부를 판단할 수 있다(S630). 예를 들어, 웨어러블 장치(100)와 관련된 컨텍스트 정보는 웨어러블 장치(100)를 통해 현재 출력되는 오디오 컨텐츠의 볼륨 크기를 포함할 수 있다. 웨어러블 장치(100)는 오디오 컨텐츠의 볼륨 크기가 임계값을 초과하는 상태에서, 볼륨 업에 대응되는 터치 입력(예로, 더블 탭)을 획득할 수 있다. 이 때, 웨어러블 장치(100)는 현재 볼륨 크기가 임계값을 초과하므로, 획득된 터치 입력을 오터치로 판단할 수 있다. 따라서, 웨어러블 장치(100)는 컨텐츠의 볼륨의 크기를 키우는 동작을 수행하지 않을 수 있다. 한편, 임계값은 사용자에 의해 미리 설정되거나, 사용자의 사용 패턴을 바탕으로 학습될 수 있다. 또한, 임계값은 오디오 컨텐츠의 장르에 따라 달라질 수 있다. 예를 들어, 오디오 컨텐츠가 발라드 음악인 경우의 임계값은, 오디오 컨텐츠가 락 음악인 경우의 임계값보다 작을 수 있다.
다른 일 예로, 컨텍스트 정보는 사용자의 상태(또는 동작)와 관련된 정보를 포함할 수 있다. 구체적으로, 컨텍스트 정보는 사용자가 운동 중인지 또는 걷고 있는지에 대한 정보를 포함할 수 있다. 사용자가 운동 중인 상태에서 터치 입력이 획득되면, 웨어러블 장치(100)는 터치 입력을 오터치로 판단할 수 있다. 반면에, 사용자가 정지한 상태에서 터치 입력이 획득되면, 웨어러블 장치(100)는 터치 입력을 오터치로 판단할 수 있다. 한편, 사용자와 상태와 관련된 정보는 웨어러블 장치(100)와 통신 가능한 외부 장치(예를 들어, 스마트 폰 또는 스마트 워치)를 통해 획득될 수 있다. 다만, 이는 일 실시 예에 불과하며, 웨어러블 장치(100)는 모션 센서의 센싱값을 바탕으로 사용자의 상태와 관련된 정보를 획득할 수 있다.
한편, 웨어러블 장치(100)는 컨텍스트 정보 및 상술한 센서의 센싱값을 함께 고려하여 터치 입력이 오터치인지 여부를 판단할 수 있다. 예를 들어, 사용자가 런닝중이라는 컨텍스트 정보가 획득되면, 웨어러블 장치(100)는 도 4b의 기 설정된 범위(Gt)를 증가시킬 수 있다. 반면에, 사용자가 제자리에 서있는 상태라는 컨텍스트 정보가 획득되면, 웨어러블 장치(100)는 도 4b의 기 설정된 범위(Gt)를 감소시킬 수 있다. 즉, 사용자는 움직임이 큰 상황에서 제자리에 서있는 상태에 비해 웨어러블 장치(100)를 세게 터치할 수 있다. 따라서, 기 설정된 범위(Gt)를 증가시키지 않으면 웨어러블 장치(100)가 사용자의 의도된 터치 입력을 오터치로 오인식할 수 있다. 이를 방지하기 위하여, 웨어러블 장치(100)는 컨텍스트 정보를 바탕으로 기 설정된 범위(Gt)를 조절할 수 있다.
도 7은 본 개시의 일 실시 예에 따른 웨어러블 장치(100)의 구성을 도시한 블록도이다. 도 7을 참조하면, 웨어러블 장치(100)는 터치 센서(110), 압력 센서(120), 근접 센서(130), 모션 센서(140), 통신 인터페이스(150), 스피커(155), 메모리(160) 및 프로세서(170)를 포함할 수 있다.
터치 센서(110)는 사용자의 터치 입력을 획득할 수 있다. 웨어러블 장치(100)는 다수의 터치 센서(110)를 포함할 수 있으며, 다수의 터치 센서(110)는 터치 패드 형태로 구현될 수 있다. 터치 패드는 정전식 및 감압식 중 적어도 하나의 방식에 기초하여 사용자의 손가락과 같은 인체가 터치 패드를 터치하는 이벤트를 감지할 수 있다.
압력 센서(120)는 터치 센서(110) 또는 터치 패드를 터치하는 사용자의 입력에 대응되는 압력을 획득할 수 있다. 압력 센서(120)는 터치 센서(110)를 포함한 터치 패드와 일체로 구현될 수 있다. 또는, 압력 센서(120)는 터치 패드와 별개로 구현될 수 있다.
근접 센서(130)는 웨어러블 장치(100)와 사용자 간의 거리 정보를 획득할 수 있다. 근접 센서(130)는 적외선 센서로 구현될 수 있다. 이 때, 근접 센서(130)는 사용자 또는 사용자의 신체(예로, 사용자의 귀)를 향해 광을 출력하고, 반사된 광을 바탕으로 수신할 수 있다. 근접 센서(130)는 출력된 광과 반사된 광의 시간 차이 또는 위상 차이를 바탕으로 사용자(또는 사용자의 신체) 에 대한 거리 정보를 획득할 수 있다.
모션 센서(140)는 웨어러블 장치(100)의 움직임을 감지하기 위한 구성이다. 모션 센서(140)는 가속도 센서 및 자이로 센서를 포함할 수 있다.
통신 인터페이스(150)는 적어도 하나의 회로를 포함하며 다양한 유형의 통신 방식에 따라 다양한 유형의 외부 기기와 통신을 수행할 수 있다. 통신 인터페이스(150)는 와이파이(Wi-Fi)칩, 블루투스 칩을 포함할 수 있다. 웨어러블 장치(100)는 통신 인터페이스(150)를 통해 외부 서버 또는 외부 장치와 통신을 수행할 수 있다. 예로, 통신 인터페이스(150)는 블루투스 통신을 통해 사용자 단말(예로, 스마트폰)과 연결되어 사용자 단말로부터 오디오 데이터를 수신할 수 있다. 또한, 통신 인터페이스(150)는 블루투스 통신을 통해 외부 장치로부터 사용자에 대한 컨텍스트 정보를 획득할 수 있다. 예를 들어, 통신 인터페이스(150)는 블루투스 통신을 통해 사용자 단말로부터 사용자가 운동중이라는 컨텍스트 정보를 획득할 수 있다. 또는, 통신 인터페이스(150)는 블루투스 통신을 통해 사용자의 스마트 워치로부터 사용자의 생체 신호(예로, 심박수)를 수신할 수 있다.
스피커(155)는 오디오 신호를 출력할 수 있다. 예를 들어, 스피커(155)는 통신 인터페이스(150)를 통해 사용자 단말(예로, 스마트 폰)로부터 획득된 오디오 데이터를 출력할 수 있다.
메모리(160)는 웨어러블 장치(100)의 구성요소들의 전반적인 동작을 제어하기 위한 운영체제(OS: Operating System) 및 웨어러블 장치(100)의 구성요소와 관련된 명령 또는 데이터를 저장할 수 있다. 이를 위해 메모리(160)는 비휘발성 메모리(ex: 하드 디스크, SSD(Solid state drive), 플래시 메모리), 휘발성 메모리 등으로 구현될 수 있다. 특히, 메모리(160)는 터치 입력에 대한 압력 센서의 센싱값을 바탕으로 터치 입력이 오터치인지 여부를 식별하기 위한 신경망 모델을 저장할 수 있다. 신경망 모델은 기존의 범용 프로세서(예를 들어, CPU) 또는 별도의 AI 전용 프로세서(예를 들어, GPU, NPU 등)에 의해 실행될 수 있다. 또한, 메모리(160)는 사용자의 개별 데이터를 포함하는 사용자 데이터 베이스를 포함할 수 있다.
프로세서(170)는 웨어러블 장치(100)의 전반적인 동작을 제어할 수 있다.
프로세서(170)는 터치 센서(110)를 이용하여 터치 입력을 획득할 수 있다. 그리고, 프로세서(170)는 터치 입력이 획득되는 동안 웨어러블 장치(100)에 구비된 터치 센서(110) 이외의 적어도 하나의 센서로부터 센싱값을 획득할 수 있다. 프로세서(170)는 센싱값을 바탕으로 터치 입력이 오터치 인지 여부를 판단할 수 있다.
예를 들어, 프로세서(170)는 압력 센서(120)를 이용하여 터치 입력에 대응되는 압력을 획득할 수 있다. 획득된 압력이 임계값보다 작으면, 프로세서(170)는 터치 입력이 오터치인 것으로 판단할 수 있다. 반면에, 획득된 압력이 임계값보다 크면, 프로세서(170)는 터치 입력이 오터치가 아닌 것으로 판단할 수 있다. 또한, 프로세서(170)는 획득된 압력을 학습된 신경망 모델에 입력하여 터치 입력이 오터치인지 여부를 판단할 수 있다.
프로세서(170)는 근접 센서(130)를 이용하여 웨어러블 장치(100)로부터 사용자까지의 거리를 획득할 수 있다. 획득된 거리가 기설정된 거리 범위 이내이면, 프로세서(170)는 터치 입력이 오터치가 아닌 것으로 판단할 수 있다. 반면에, 획득된 거리가 기설정된 거리 범위 밖이면, 프로세서(170)는 터치 입력이 오터치인 것으로 판단할 수 있다. 또한, 프로세서(170)는 획득된 거리를 학습된 신경망 모델에 입력하여 터치 입력이 오터치인지 여부를 판단할 수 있다.
프로세서(170)는 모션 센서(140)를 이용하여 웨어러블 장치(100)의 모션 정보를 획득할 수 있다. 예를 들어, 프로세서(170)는 자이로 센서를 이용하여 웨어러블 장치(100)의 각속도 정보를 획득할 수 있다. 각속도 정보에 대응되는 벡터값의 크기가 기 설정된 값보다 크면, 프로세서(170)는 터치 입력이 오터치인 것으로 판단할 수 있다. 반면에, 각속도 정보에 대응되는 벡터값의 크기가 기 설정된 값보다 작으면, 프로세서(170)는 터치 입력이 오터치가 아닌 것으로 판단할 수 있다. 또한, 프로세서(170)는 획득된 모션 정보를 학습된 신경망 모델에 입력하여 터치 입력이 오터치인 지 여부를 판단할 수 있다.
프로세서(170)는 터치 센서(110)를 이용하여 터치 입력에 대응되는 터치 위치를 획득할 수 있다. 터치 위치가 기설정된 영역 내에 존재하면, 프로세서(170)는 터치 입력이 오터치인 것으로 판단할 수 있다. 반면에, 터치 위치가 기설정된 영역 내에 존재하지 않으면, 프로세서(170)는 터치 입력이 오터치가 아닌 것으로 판단할 수 있다. 한편, 기설정된 영역은, 사용자에 의해 미리 설정되거나 사용자의 사용 패턴에 따라 학습될 수 있다. 이를 위해, 프로세서(170)는 사용자의 사용 패턴(터치 위치)를 메모리(160)에 저장할 수 있다.
프로세서(170)는 터치 입력이 획득되면, 웨어러블 장치와 관련된 컨텍스트 정보를 획득할 수 있다. 그리고, 프로세서(170)는 센싱값 및 컨텍스트 정보를 바탕으로 터치 입력이 오터치 인지 여부를 판단할 수 있다. 예를 들어, 사용자가 런닝중이라는 컨텍스트 정보가 획득되면, 프로세서(170)는 도 4b의 기 설정된 범위(Gt)를 증가시킬 수 있다. 반면에, 사용자가 제자리에 서있는 상태라는 컨텍스트 정보가 획득되면, 프로세서(170)는 도 4b의 기 설정된 범위(Gt)를 감소시킬 수 있다.
프로세서(170)는 판단 결과를 바탕으로 터치 입력에 대응되는 동작을 수행할 수 있다. 터치 입력이 오터치인 것으로 판단되면, 프로세서(170)는 터치 입력에 대응되는 기능을 수행하지 않을 수 있다. 반면에 터치 입력이 오터치가 아닌 것으로 판단되면, 프로세서(170)는 터치 입력에 대응되는 기능을 수행할 수 있다. 예를 들어, 프로세서(170)는 외부 장치(예로, 스마트폰)에 저장된 어플리케이션을 통해 재생 중인 오디오 컨텐츠의 볼륨을 조절할 수 있다.
특히, 본 개시에 따른 인공지능과 관련된 기능은 프로세서(170)와 메모리(160)를 통해 동작된다. 프로세서(170)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리(160)에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어 질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
인공지능 모델은 학습을 통해 만들어 질 수 있다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다.
인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), GAN (Generative Adversarial Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
도 8은 본 개시의 일 실시 예에 따른 웨어러블 장치의 제어 방법을 설명하기 위한 도면이다.
웨어러블 장치(100)는 터치 센서(110)를 이용하여 터치 입력을 획득하고(S810), 터치 입력이 획득되는 동안 웨어러블 장치(100)에 구비된 적어도 하나의 센서로부터 센싱값을 획득할 수 있다(S820). 웨어러블 장치(100)는 압력 센서(120), 근접 센서(130) 및 모션 센서(140) 중 적어도 하나의 센싱값을 획득할 수 있다. 그리고, 웨어러블 장치(100)는 획득된 센싱값을 바탕으로 터치 입력이 오터치 인지 여부를 판단할 수 있다(S830). 본 단계와 관련하여 도 2a 내지 도 6에서 서술한 설명을 참조하도록 하고 중복 설명은 생략한다.
웨어러블 장치(100)는 판단 결과를 바탕으로 터치 입력에 대응되는 동작을 수행할 수 있다(S840). 터치 입력이 오터치인 것으로 판단되면, 웨어러블 장치(100)는 터치 입력에 대응되는 기능을 수행하지 않을 수 있다. 반면에 터치 입력이 오터치가 아닌 것으로 판단되면, 웨어러블 장치(100)는 터치 입력에 대응되는 기능을 수행할 수 있다.
한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 처리 동작을 수행하기 위한 컴퓨터 명령어(computer instructions)는 비일시적 컴퓨터 판독 가능 매체(non-transitory computer-readable medium) 에 저장될 수 있다. 이러한 비일시적 컴퓨터 판독 가능 매체에 저장된 컴퓨터 명령어는 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 처리 동작을 특정 기기가 수행하도록 할 수 있다.
비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.
한편, 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, ‘비일시적 저장매체'는 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다. 예로, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함할 수 있다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품(예: 다운로더블 앱(downloadable app))의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시에 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

Claims (15)

  1. 웨어러블 장치에 있어서,
    터치 센서를 포함하는 복수의 센서; 및
    프로세서;를 포함하고,
    상기 프로세서는,
    상기 터치 센서를 이용하여 터치 입력을 획득하고,
    상기 터치 입력이 획득되는 동안 상기 복수의 센서 중 상기 터치 센서 이외의 적어도 하나의 센서로부터 센싱값을 획득하고,
    상기 센싱값을 바탕으로 상기 터치 입력이 오터치 인지 여부를 판단하고,
    상기 판단 결과를 바탕으로 상기 터치 입력에 대응되는 동작을 수행하는
    웨어러블 장치.
  2. 제1 항에 있어서,
    상기 복수의 센서는 근접 센서를 포함하고,
    상기 프로세서는,
    상기 근접 센서를 이용하여 상기 웨어러블 장치로부터 사용자까지의 거리를 획득하고,
    상기 거리가 기설정된 거리 범위 이내이면, 상기 터치 입력이 상기 오터치가 아닌 것으로 판단하고,
    상기 거리가 상기 기설정된 거리 범위 밖이면, 상기 터치 입력이 상기 오터치인 것으로 판단하는
    웨어러블 장치.
  3. 제1 항에 있어서,
    상기 프로세서는,
    상기 근접 센서를 이용하여 상기 웨어러블 장치로부터 사용자까지의 거리 정보를 획득하는 단계를 포함하고,
    상기 거리 정보를 학습된 신경망 모델에 입력하여 상기 터치 입력이 상기 오터치인 지 여부를 판단하는
    웨어러블 장치.
  4. 제1 항에 있어서,
    상기 복수의 센서는 모션 센서를 포함하고,
    상기 프로세서는,
    상기 모션 센서를 이용하여 상기 웨어러블 장치의 모션 정보를 획득하고,
    상기 모션 정보를 학습된 신경망 모델에 입력하여 상기 터치 입력이 상기 오터치인 지 여부를 판단하는
    웨어러블 장치.
  5. 제1 항에 있어서,
    상기 복수의 센서는 압력 센서를 포함하고,
    상기 프로세서는,
    상기 압력 센서를 이용하여 상기 터치 입력에 대응되는 압력을 획득하고,
    상기 획득된 압력이 임계값보다 작으면, 상기 터치 입력이 상기 오터치인 것으로 판단하고,
    상기 획득된 압력이 상기 임계값보다 크면, 상기 터치 입력이 상기 오터치가 아닌 것으로 판단하는
    웨어러블 장치.
  6. 제1 항에 있어서,
    상기 프로세서는,
    상기 터치 센서를 이용하여 상기 터치 입력에 대응되는 터치 위치를 획득하고,
    상기 터치 위치가 기설정된 영역 내에 존재하면, 상기 터치 입력이 상기 오터치인 것으로 판단하고,
    상기 터치 위치가 상기 기설정된 영역 내에 존재하지 않으면, 상기 터치 입력이 상기 오터치가 아닌 것으로 판단하는
    웨어러블 장치.
  7. 제6 항에 있어서,
    상기 기설정된 영역은,
    상기 웨어러블 장치의 사용자의 사용 패턴을 바탕으로 정해지는
    웨어러블 장치.
  8. 제6 항에 있어서,
    상기 프로세서는,
    상기 터치 입력이 획득되면, 상기 웨어러블 장치와 관련된 컨텍스트 정보를 획득하고,
    상기 센싱값 및 상기 컨텍스트 정보를 바탕으로 상기 터치 입력이 오터치 인지 여부를 판단하는
    웨어러블 장치.
  9. 터치 센서를 포함하는 복수의 센서를 포함하는 웨어러블 장치의 제어 방법에 있어서,
    상기 터치 센서를 이용하여 터치 입력을 획득하는 단계;
    상기 터치 입력이 획득되는 동안 상기 복수의 센서 중 상기 터치 센서 이외의 적어도 하나의 센서로부터 센싱값을 획득하는 단계;
    상기 센싱값을 바탕으로 상기 터치 입력이 오터치 인지 여부를 판단하는 단계; 및
    상기 판단 결과를 바탕으로 상기 터치 입력에 대응되는 동작을 수행하는 단계;를 포함하는
    제어 방법.
  10. 제9 항에 있어서,
    상기 복수의 센서는 근접 센서를 포함하고,
    상기 센싱값을 획득하는 단계는,
    상기 근접 센서를 이용하여 상기 웨어러블 장치로부터 사용자까지의 거리를 획득하는 단계를 포함하고,
    상기 판단하는 단계는,
    상기 거리가 기설정된 거리 범위 이내이면, 상기 터치 입력이 상기 오터치가 아닌 것으로 판단하고,
    상기 거리가 상기 기설정된 거리 범위 밖이면, 상기 터치 입력이 상기 오터치인 것으로 판단하는
    제어 방법.
  11. 제9 항에 있어서,
    상기 복수의 센서는 근접 센서를 포함하고,
    상기 센싱값을 획득하는 단계는,
    상기 근접 센서를 이용하여 상기 웨어러블 장치로부터 사용자까지의 거리 정보를 획득하는 단계를 포함하고,
    상기 판단하는 단계는,
    상기 거리 정보를 학습된 신경망 모델에 입력하여 상기 터치 입력이 상기 오터치인 지 여부를 판단하는
    제어 방법.
  12. 제9 항에 있어서,
    상기 복수의 센서는 모션 센서를 포함하고,
    상기 센싱값을 획득하는 단계는,
    상기 모션 센서를 이용하여 상기 웨어러블 장치의 모션 정보를 획득하는 단계를 포함하고,
    상기 판단하는 단계는,
    상기 모션 정보를 학습된 신경망 모델에 입력하여 상기 터치 입력이 상기 오터치인 지 여부를 판단하는
    제어 방법.
  13. 제9 항에 있어서,
    상기 복수의 센서는 압력 센서를 포함하고,
    상기 센싱값을 획득하는 단계는,
    상기 압력 센서를 이용하여 상기 터치 입력에 대응되는 압력을 획득하는 단계를 포함하고,
    상기 판단하는 단계는,
    상기 획득된 압력이 임계값보다 작으면, 상기 터치 입력이 상기 오터치인 것으로 판단하고,
    상기 획득된 압력이 상기 임계값보다 크면, 상기 터치 입력이 상기 오터치가 아닌 것으로 판단하는
    제어 방법.
  14. 제9 항에 있어서,
    상기 센싱값을 획득하는 단계는,
    상기 터치 센서를 이용하여 상기 터치 입력에 대응되는 터치 위치를 획득하는 단계를 포함하고,
    상기 결정하는 단계는,
    상기 터치 위치가 기설정된 영역 내에 존재하면, 상기 터치 입력이 상기 오터치인 것으로 판단하고,
    상기 터치 위치가 상기 기설정된 영역 내에 존재하지 않으면, 상기 터치 입력이 상기 오터치가 아닌 것으로 판단하는
    제어 방법.
  15. 제14 항에 있어서,
    상기 기설정된 영역은,
    상기 웨어러블 장치의 사용자의 사용 패턴을 바탕으로 정해지는
    제어 방법.
PCT/KR2021/010668 2020-09-23 2021-08-11 웨어러블 장치 및 그 제어 방법 WO2022065682A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/125,539 US12153759B2 (en) 2020-09-23 2023-03-23 Wearable device and control method therefor

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200123255A KR20220040277A (ko) 2020-09-23 2020-09-23 웨어러블 장치 및 그 제어 방법
KR10-2020-0123255 2020-09-23

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/125,539 Continuation US12153759B2 (en) 2020-09-23 2023-03-23 Wearable device and control method therefor

Publications (1)

Publication Number Publication Date
WO2022065682A1 true WO2022065682A1 (ko) 2022-03-31

Family

ID=80846685

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/010668 WO2022065682A1 (ko) 2020-09-23 2021-08-11 웨어러블 장치 및 그 제어 방법

Country Status (3)

Country Link
US (1) US12153759B2 (ko)
KR (1) KR20220040277A (ko)
WO (1) WO2022065682A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115291786A (zh) * 2022-09-30 2022-11-04 深圳市广和通无线通信软件有限公司 一种基于机器学习的误触判断方法、装置和存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023239124A1 (ko) * 2022-06-08 2023-12-14 삼성전자 주식회사 센서를 포함하는 웨어러블 전자 장치 및 상기 전자 장치에서 터치 신호를 처리하는 방법
WO2024029728A1 (ko) * 2022-08-02 2024-02-08 삼성전자주식회사 터치 인식을 위한 웨어러블 전자 장치, 그 동작 방법 및 저장 매체
KR20250076284A (ko) * 2023-11-22 2025-05-29 삼성전자주식회사 사용자에 의한 유효한(valid) 터치 입력을 판단하는 증강 현실 디바이스 및 그 동작 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101943435B1 (ko) * 2012-04-08 2019-04-17 삼성전자주식회사 플렉서블 디스플레이 장치 및 그 동작 방법
US20190132441A1 (en) * 2017-10-27 2019-05-02 Beijing Xiaomi Mobile Software Co., Ltd. Method and device for preventing terminal from being inadvertently touched
KR102037932B1 (ko) * 2013-04-19 2019-10-29 엘지전자 주식회사 이동 단말기의 제어 장치 및 그 제어 방법
KR102139912B1 (ko) * 2019-10-18 2020-07-31 주식회사 블루티움 플렉서블 터치센서장치 및 이를 포함하는 웨어러블 터치 디바이스
KR20200092456A (ko) * 2019-01-07 2020-08-04 한림대학교 산학협력단 딥러닝 기반의 터치센서 측정 오류 보정 장치 및 방법

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014171606A1 (en) 2013-04-19 2014-10-23 Lg Electronics Inc. Device for controlling mobile terminal and method of controlling the mobile terminal
US10291975B2 (en) 2016-09-06 2019-05-14 Apple Inc. Wireless ear buds
US11360558B2 (en) * 2018-07-17 2022-06-14 Apple Inc. Computer systems with finger devices
EP3855757B1 (en) 2018-09-25 2023-03-22 Shenzhen Goodix Technology Co., Ltd. Earphone and method for implementing wearing detection and touch operation
CN109361985B (zh) 2018-12-07 2020-07-21 潍坊歌尔电子有限公司 Tws耳机佩戴检测方法、系统及电子设备和存储介质
CN110381407A (zh) 2019-07-29 2019-10-25 歌尔科技有限公司 一种无线耳机及其佩戴检测系统及方法
CN110505550B (zh) 2019-08-28 2021-07-06 歌尔科技有限公司 无线耳机入耳检测方法、装置及无线耳机
CN111556396A (zh) 2020-04-28 2020-08-18 歌尔科技有限公司 一种tws耳机和触控方法
CN111954110A (zh) 2020-08-14 2020-11-17 芯海科技（深圳）股份有限公司 耳机交互方法与耳机

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101943435B1 (ko) * 2012-04-08 2019-04-17 삼성전자주식회사 플렉서블 디스플레이 장치 및 그 동작 방법
KR102037932B1 (ko) * 2013-04-19 2019-10-29 엘지전자 주식회사 이동 단말기의 제어 장치 및 그 제어 방법
US20190132441A1 (en) * 2017-10-27 2019-05-02 Beijing Xiaomi Mobile Software Co., Ltd. Method and device for preventing terminal from being inadvertently touched
KR20200092456A (ko) * 2019-01-07 2020-08-04 한림대학교 산학협력단 딥러닝 기반의 터치센서 측정 오류 보정 장치 및 방법
KR102139912B1 (ko) * 2019-10-18 2020-07-31 주식회사 블루티움 플렉서블 터치센서장치 및 이를 포함하는 웨어러블 터치 디바이스

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115291786A (zh) * 2022-09-30 2022-11-04 深圳市广和通无线通信软件有限公司 一种基于机器学习的误触判断方法、装置和存储介质

Also Published As

Publication number Publication date
US20230229260A1 (en) 2023-07-20
KR20220040277A (ko) 2022-03-30
US12153759B2 (en) 2024-11-26

Similar Documents

Publication Publication Date Title
WO2022065682A1 (ko) 웨어러블 장치 및 그 제어 방법
CN111106821B (zh) 一种触摸控制方法及穿戴设备
CN108683798A (zh) 一种声音输出控制方法及移动终端
CN108681498B (zh) 一种cpu占用率的监测方法、装置以及移动终端
CN109542279B (zh) 一种终端设备控制方法及终端设备
CN108427873B (zh) 一种生物特征识别方法及移动终端
CN111475080B (zh) 误操作提示方法及电子设备
CN109962514A (zh) 一种充电方法及移动终端
WO2020228538A1 (zh) 截图的方法和移动终端
WO2019078507A1 (en) ELECTRONIC DEVICE AND METHOD FOR PROVIDING A STRESS INDEX CORRESPONDING TO THE ACTIVITY OF A USER
WO2022039433A1 (ko) 대화 텍스트에 대한 요약 정보를 생성하는 전자 장치 및 그 동작 방법
CN106685459A (zh) 一种可穿戴设备操作的控制方法及可穿戴设备
CN108388400B (zh) 一种操作处理方法及移动终端
CN107277364B (zh) 一种拍摄方法、移动终端及计算机可读存储介质
US20250126394A1 (en) State Determination Method, Electronic Device, and Readable Storage Medium
CN108924319A (zh) 一种接近检测方法和移动终端
CN110058837B (zh) 一种音频输出方法及终端
CN108429855A (zh) 一种消息发送控制方法、终端及计算机可读存储介质
CN107508979A (zh) 音量调节方法、装置、终端及存储介质
CN111416904A (zh) 数据处理的方法、电子设备及介质
CN112492439B (zh) 耳机掉落的提醒方法、装置、电子设备和存储介质
CN113778255A (zh) 触摸识别方法和装置
CN108681429A (zh) 一种亮屏控制方法及移动终端
CN109886324B (zh) 图标识别方法和装置
CN115426577B (zh) 耳机佩戴检测方法、装置、头戴式耳机及可读存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21872712

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21872712

Country of ref document: EP

Kind code of ref document: A1