WO2022186580A1 - 전자 장치 및 그 제어 방법 - Google Patents

전자 장치 및 그 제어 방법 Download PDF

Info

Publication number
WO2022186580A1
WO2022186580A1 PCT/KR2022/002889 KR2022002889W WO2022186580A1 WO 2022186580 A1 WO2022186580 A1 WO 2022186580A1 KR 2022002889 W KR2022002889 W KR 2022002889W WO 2022186580 A1 WO2022186580 A1 WO 2022186580A1
Authority
WO
WIPO (PCT)
Prior art keywords
content
user
identified
sensors
information
Prior art date
Application number
PCT/KR2022/002889
Other languages
English (en)
French (fr)
Inventor
조근석
이동섭
김효묵
손유선
양도준
형지원
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 WO2022186580A1 publication Critical patent/WO2022186580A1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input 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
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/25Bioelectric electrodes therefor
    • A61B5/279Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/291Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/369Electroencephalography [EEG]
    • A61B5/372Analysis of electroencephalograms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input 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
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01Indexing scheme relating to G06F3/01
    • G06F2203/011Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns

Definitions

  • the present disclosure relates to an electronic device and a control method thereof, and more particularly, to an electronic device using an EEG signal and a control method thereof.
  • Brain-Computer Interface BCI
  • Brain-Machine Interface BMI
  • Control of the electronic device is a concept that includes, in addition to moving a cursor on a screen and moving an object in a screen, controlling a physical robot arm, moving a wheelchair, and the like.
  • the present disclosure has been made in accordance with the above-described necessity, and an object of the present disclosure is to provide an electronic device for selectively learning and processing an input signal channel for an EEG signal according to an environment or content, and a method for controlling the same.
  • an electronic device includes at least one of a display, a plurality of sensors attachable to a user's head, context information of the user, or information on content provided through the display. input to a neural network model to identify at least one sensor among the plurality of sensors, identify the user command based on an EEG signal sensed from the identified at least one sensor, and identify the user command based on the identified user command It includes a processor that controls the content.
  • each of the plurality of sensors is attached to each of a plurality of different regions corresponding to the user's head, and the plurality of regions includes a region corresponding to the frontal lobe, a region corresponding to the parietal lobe, a region corresponding to the occipital lobe, or the temporal lobe. may include an area corresponding to .
  • the information about the content may include information on whether the content is the visual stimulus content or the auditory stimulus content
  • the user context information may include information about the user's ambient noise.
  • the processor when the content is identified as the visual stimulus content based on the information on the content, based on the EEG signal received from the first sensor identified by the neural network model among the plurality of sensors, the user The command is identified, and the first sensor may be attached to a region corresponding to the occipital lobe among a plurality of regions corresponding to the user's head.
  • the processor when the content is identified as the auditory stimulus content based on the information on the content, based on the EEG signal received from the second sensor identified by the neural network model among the plurality of sensors, the user The command is identified, and the second sensor may be attached to a region corresponding to a temporal lobe among a plurality of regions corresponding to the user's head.
  • the processor based on the remaining EEG signals other than the EEG signals received from the sensors attached to the region corresponding to the temporal lobe among the EEG signals received from the plurality of sensors based on the user's ambient noise information, the user command can be identified.
  • the processor controls the display to output guide content that stimulates the user's vision, and while the guide content is output, based on the EEG signals received from the plurality of sensors, corresponding to the user's head
  • the user command may be identified based on an EEG signal received from a sensor attached to region 1.
  • the processor controls the speaker to output guide content that stimulates the user's hearing, and while the guide content is output, based on the EEG signals received from the plurality of sensors At least one second region in which an EEG signal greater than or equal to a threshold electrode is detected among a plurality of regions corresponding to the user's head is identified, and when the content provided through the display is identified as the auditory stimulus content based on the information on the content , the user command may be identified based on an EEG signal received from a sensor attached to the at least one second region.
  • the user command may include at least one of a selection command for a specific object among a plurality of objects included in the content, a movement command, a character key to be input, or a control command for the electronic device.
  • the processor may identify a waveform of the EEG signal received from the identified at least one sensor, and identify the user command based on the identified waveform.
  • a method for controlling an electronic device including a plurality of sensors attachable to a user's head, the user's context information or content provided through the electronic device. inputting at least one of information into a neural network model to identify at least one sensor of the plurality of sensors, identifying the user command based on an EEG signal sensed from the identified at least one sensor, and the identified and controlling the content based on a user command.
  • each of the plurality of sensors is attached to each of a plurality of different regions corresponding to the user's head, and the plurality of regions includes a region corresponding to the frontal lobe, a region corresponding to the parietal lobe, a region corresponding to the occipital lobe, or the temporal lobe. may include an area corresponding to .
  • the information about the content may include information on whether the content is the visual stimulus content or the auditory stimulus content
  • the user context information may include information about the user's ambient noise.
  • an EEG signal received from a first sensor identified by the neural network model among the plurality of sensors and identifying the user command based on , wherein the first sensor may be attached to a region corresponding to the occipital lobe among a plurality of regions corresponding to the user's head.
  • EEG signals other than EEG signals received from sensors attached to the region corresponding to the temporal lobe among EEG signals received from the plurality of sensors based on the user's ambient noise information may include identifying the user command based on the
  • the method may further include identifying at least one first region in which a signal is sensed, wherein the identifying of the user command may include identifying the content provided through the electronic device as the visual stimulus content based on the information on the content. If it is, the method may include identifying the user command based on an EEG signal received from a sensor attached to the at least one first area.
  • the method may further include identifying at least one second region in which a signal is sensed, wherein the identifying of the user command may include identifying content provided through the electronic device as auditory stimulus content based on the information on the content. If yes, the method may include identifying the user command based on an EEG signal received from a sensor attached to the at least one second region.
  • the user command may include at least one of a selection command for a specific object among a plurality of objects included in the content, a movement command, an input text key, or a control command for the electronic device.
  • the identifying of the user command may include identifying a waveform of an EEG signal received from the identified at least one sensor and identifying the user command based on the identified waveform.
  • the electronic device may identify a user command that meets the user's intention by using a useful input signal channel based on the environment and content.
  • Inactive channels, unnecessary noise, and ineffective input signals are excluded, and an optimal method for identifying a user's command with high reliability can be provided.
  • FIG. 1 is a diagram for explaining a concept of an electronic device according to an embodiment of the present disclosure.
  • FIG. 2 is a block diagram illustrating a configuration of an electronic device according to an embodiment of the present disclosure.
  • FIG 3 is a view for explaining a sensor and a plurality of regions according to an embodiment of the present disclosure.
  • FIG. 4 is a view for explaining an electronic device and visual stimulus content according to another embodiment of the present disclosure.
  • FIG. 5 is a view for explaining auditory stimulation content according to another embodiment of the present disclosure.
  • FIG. 6 is a diagram for explaining context information according to an embodiment of the present disclosure.
  • FIG. 7 is a view for explaining guide content according to an embodiment of the present disclosure.
  • FIG. 8 is a flowchart illustrating a method of controlling an electronic device according to an embodiment of the present disclosure.
  • Embodiments of the present disclosure may apply 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 for explaining a concept of an electronic device according to an embodiment of the present disclosure.
  • an electronic device 100 may include a display 110 and a sensor 120 attachable to a user 10 .
  • each of the display 110 and the sensor 120 attachable to the user 10 may be implemented as an independent device, or may be implemented as a component in one device (eg, the electronic device 100 ). Of course it could be.
  • the sensor 120 attached to the user 10 provided in the electronic device 100 is connected to the display 110 by wire/wireless and may transmit a sensed value to the display 110 .
  • the plurality of sensors 120 attachable to the head of the user 10 may detect the EEG signal of the user 10 and transmit the detected EEG signal to the display 110 .
  • the electronic device 100 includes a smartphone, a tablet PC, a mobile phone, a video phone, an e-book reader, a desktop PC, a laptop PC, a netbook computer, a workstation, a server, a PDA, a portable multimedia player (PMP), It may include at least one of an MP3 player, a medical device, a camera, a virtual reality (VR) realization device, or a wearable device.
  • a wearable device may be an accessory (e.g., watch, ring, bracelet, anklet, necklace, eyewear, contact lens, or head-mounted-device (HMD)), a textile or clothing integral (e.g.
  • electronic garment may include at least one of body-worn (eg, skin pad or tattoo) or bioimplantable circuitry
  • electronic device 100 may include, for example, a television, a digital video disk (DVD). ) player, audio, refrigerator, air conditioner, vacuum cleaner, oven, microwave, clothes conditioner, washing machine, dryer, electric iron, air purifier, set-top box, home automation control panel, security control panel, media box (e.g. Samsung HomeSyncTM) , Apple TVTM, or Google TVTM), a game console (eg, XboxTM, PlayStationTM), an electronic dictionary, an electronic key, a camcorder, or an electronic picture frame.
  • DVD digital video disk
  • the electronic device 100 may include various medical devices (eg, various portable medical measuring devices (eg, a blood glucose monitor, a heart rate monitor, a blood pressure monitor, or a body temperature monitor), magnetic resonance angiography (MRA), magnetic resonance (MRI), etc. imaging), computed tomography (CT), imager, or ultrasound machine, etc.), navigation devices, global navigation satellite system (GNSS), event data recorder (EDR), flight data recorder (FDR), automotive infotainment devices, Electronic equipment for ships (e.g.
  • various portable medical measuring devices eg, a blood glucose monitor, a heart rate monitor, a blood pressure monitor, or a body temperature monitor
  • MRA magnetic resonance angiography
  • MRI magnetic resonance
  • CT computed tomography
  • imager imager
  • ultrasound machine etc.
  • navigation devices e.g., global navigation satellite system (GNSS), event data recorder (EDR), flight data recorder (FDR), automotive infotainment devices, Electronic equipment for ships (e.g.
  • ATMs in financial institutions may include at least one of point of sales (POS), or Internet of Things (IoT) devices (e.g., light bulbs, various sensors, sprinkler devices, fire alarms, thermostats, street lights, toasters, exercise equipment, hot water tanks, heaters, boilers, etc.) have.
  • POS point of sales
  • IoT Internet of Things
  • the electronic device 100 may receive a user command and operate according to the received user command.
  • the electronic device 100 may move a pointer within a screen according to a user command, select or play content, and input a character selected according to a user command in the character input UI.
  • the pointer moves freely on the screen and points to the content to be selected and the UI, and may be displayed in various forms, such as an arrow form, an I form, a cross form, and the like.
  • the electronic device 100 may receive a user command through an input unit (not shown) such as a mouse, a keyboard, a remote control, and a touch screen.
  • an input unit such as a mouse, a keyboard, a remote control, and a touch screen.
  • the electronic device 100 may detect the gaze of the user 10 , and may perform an operation corresponding thereto using the detected gaze as a user command.
  • the electronic device 100 includes an input unit (eg, a mouse, a keyboard, a remote control, a touch screen, etc.) and a camera (not shown) for detecting a user's gaze, as well as a head of the user 10 . It is also possible to detect the EEG signal of the user 10 using a plurality of sensors 120 attached to the , and perform an operation corresponding to the detected EEG signal.
  • an input unit eg, a mouse, a keyboard, a remote control, a touch screen, etc.
  • a camera not shown
  • the electronic device 100 detects the EEG signal of the user 10 and processes the detected EEG signal will be described.
  • FIG. 2 is a block diagram illustrating a configuration of an electronic device according to an embodiment of the present disclosure.
  • the electronic device 100 includes a display 110 , a plurality of sensors 120 , and a processor 130 .
  • the display 110 is a liquid crystal display (LCD), an organic light-emitting diode (OLED), a liquid crystal on silicon (LCoS), a digital light processing (DLP), a quantum dot (QD) display panel, a quantum dot light- (QLED) emitting diodes) can be implemented in various types of displays, such as micro light-emitting diodes ( ⁇ LEDs) and mini LEDs.
  • the electronic device 100 includes a touch screen combined with a touch sensor, a flexible display, a rollable display, a three-dimensional display, a display in which a plurality of display modules are physically connected, and the like. may be implemented.
  • the display 110 may display various types of content.
  • the display 110 may display a UI screen for receiving a user's manipulation command.
  • the electronic device 100 displays an icon for executing an application, a pointer or highlight for selecting an application, a character input window, a keyboard UI including a plurality of character keys for selecting a character to be input into the character input window, and the like. can do.
  • FIG. 1 a keyboard UI in which a plurality of character keys are arranged in a grid is illustrated, but in actual implementation, various types of keyboard UIs such as a QWERTY keyboard and a number key keyboard can be used.
  • the display 110 may provide various types of contents that cause physical stimulation of the user 10 under the control of the processor 130 .
  • the body stimulation may include various types of content, such as visual stimulation such as an image, and auditory stimulation such as sound waves and voice.
  • the plurality of sensors 120 may be attached to the head of the user 10 to detect brain waves.
  • an electroencephalogram refers to an electrical signal that appears as a sum of firings of brain neurons generated as the brain is activated.
  • the EEG detected by the plurality of sensors 120 derives the summation of brain electrical activity generated in the group of neurons in the cerebral cortex outside the body, amplifies it, and sets the potential as the vertical axis and the time as the horizontal axis to the scalp. It was recorded in the "intact scalp".
  • the EEG detected by the plurality of sensors 120 may include scalp EEG detected by the scalp electrode.
  • each of the plurality of sensors 120 may be attached to the head of the user 10 according to a 10-20 arrangement method.
  • the plurality of sensors 120 includes a plurality of electrodes for measuring an EEG signal, and the plurality of electrodes are in contact with the scalp of the user 10 to obtain an electrical signal.
  • Various embodiments of the present disclosure have been described on the assumption that the plurality of sensors 120 are implemented in a non-invasive manner, but the present disclosure is not limited thereto.
  • FIG 3 is a view for explaining a sensor and a plurality of regions according to an embodiment of the present disclosure.
  • an attachment site of each of the plurality of sensors 120 may be attached according to a 10-20 electrode arrangement method (10-20 system).
  • the English characters shown in (a) of FIG. 3 mean the frontal part, the parietal part, the temporal part, and the occipital part, respectively, and Fp may mean the frontal pole (frontal pole). have.
  • 3 (a) is a view of the head from above, and when Cz is 50, the nasal root (Nasion) in the front, the occipital pole (inion) in the back, and the upper part of both auricles on the side are 50, a plurality of sensors ( 120) Each can be symmetrically spaced apart from front to back, left and right in a ratio of 20:20:10.
  • the plurality of sensors 120 attached to the head of the user 10 according to the 10-20 electrode arrangement method can detect a maximum of 128-256 electrodes (ie, EEG signals).
  • EEG signals ie, EEG signals
  • the embodiment in which each of the plurality of sensors 120 is attached to the head of the user 10 according to the 10-20 electrode arrangement method is merely an example and is not limited thereto.
  • each of the plurality of sensors 120 may be attached to the head of the user 10 according to various conventional electrode placement methods, such as a 5-10 electrode placement method and a 10-10 electrode placement method.
  • the processor 130 may identify waveforms of the brain wave signals received from the plurality of sensors 120 , and may identify a user command based on the identified waveforms.
  • the processor 130 identifies the waveforms of all EEG signals received from the plurality of sensors 120 and identifies a user command based on this, the processor 130 unnecessarily increases the amount of computation to be processed. System resources are wasted, and as a user command is identified in consideration of both unnecessary EEG signals and noise, there is a problem in that the relevance and reliability between the intention of the user 10 and the user command identified by the processor 130 are poor.
  • the processor 130 identifies a user command using only some EEG signals, rather than using all EEG signals received from the plurality of sensors 120 will be described.
  • the processor 130 controls the overall operation of the electronic device 100 .
  • the processor 130 may be implemented as a digital signal processor (DSP), a microprocessor (microprocessor), an artificial intelligence (AI) processor, or a timing controller (T-CON) for processing a digital image signal.
  • DSP digital signal processor
  • microprocessor microprocessor
  • AI artificial intelligence
  • T-CON timing controller
  • CPU central processing unit
  • MCU micro controller unit
  • MPU micro processing unit
  • AP application processor
  • CP communication processor
  • the processor 130 is a SoC (System on Chip) in which a processing algorithm is embedded. , may be implemented in large scale integration (LSI), or may be implemented in the form of field programmable gate array (FPGA).
  • SoC System on Chip
  • the function related to artificial intelligence is operated through the processor 130 and the memory (not shown).
  • the processor 130 may include one or a plurality of processors.
  • the 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 (eg, EEG signals) according to a predefined operation rule or artificial intelligence model stored in the memory.
  • the AI-only processor may be designed with a hardware structure specialized for processing a specific AI model.
  • the processor 130 inputs at least one of context information of the user 10 or information on content provided through the display 110 into the neural network model, so that at least one sensor among the plurality of sensors 120 . can be identified.
  • the human brain is responsible for different functions for each region.
  • the function of the human brain is divided for each area, and the corresponding area may be activated when each function is performed.
  • the prefrontal cortex located in the frontal lobe of the cerebrum when the user 10 pays attention and concentrates, the prefrontal cortex located in the frontal lobe of the cerebrum, the motor cortex of the cerebrum when performing a physical exercise, and tactile stimulation
  • the somatosensory cortex of the cerebrum when acquiring visual stimuli the visual cortex located in the occipital lobe when acquiring a visual stimulus, and the lateral part of the cerebrum when performing a function related to sound or language
  • the located parietal lobe is activated. The table below shows this.
  • Frontal lobe prefrontal cortex
  • Prefrontal Cortex prefrontal cortex
  • the processor 130 identifies at least one sensor among the plurality of sensors 120 by inputting at least one of the user's context information or information on the content provided through the display 110 into the neural network model.
  • the neural network model learns to identify a region activated according to at least one of context information of the user 10 or information on content provided through the display 110 among a plurality of regions constituting the brain of the user 10 . It may be a model that has been
  • the neural network model may identify the occipital lobe from among a plurality of regions constituting the brain, if the content being output by the electronic device 100 according to the content information is the visual stimulus content, and the plurality of sensors At least one sensor attached to a region corresponding to the occipital lobe among 120 may be identified.
  • FIG. 4 is a view for explaining an electronic device and visual stimulus content according to another embodiment of the present disclosure.
  • the electronic device 100 may include a Head Mount Display (HMD), smart glasses, or a smart helmet worn on the head or face of the user 10 , etc. It can be implemented in various product forms.
  • HMD Head Mount Display
  • smart glasses or a smart helmet worn on the head or face of the user 10 , etc. It can be implemented in various product forms.
  • the electronic device 100 outputs the visual stimulus content 1 .
  • the processor 130 may identify one sensor from among the plurality of sensors by inputting information about the content into the neural network model.
  • the neural network model may identify at least one sensor attached to a region corresponding to the occipital lobe among the plurality of sensors 120 .
  • the visual stimulus content 1 is content in which the electronic device 100 provides information through a visual stimulus among the physical stimuli of the user 10 , and content that provides a screen including an object selectable or movable according to a user command. and the like.
  • the processor 130 may identify a user command based on the brain wave signal sensed by the identified at least one sensor, and control content based on the identified user command. For example, the processor 130 identifies a user command based on an EEG signal sensed from at least one sensor attached to a region corresponding to the occipital lobe of the user 10 , and controls the electronic device based on the user command or , You can select or move a specific object (eg, button, character, character, etc.) in the screen.
  • a specific object eg, button, character, character, etc.
  • the processor 130 may identify a user command using only the EEG signal sensed from at least one sensor attached to the region corresponding to the occipital lobe, and at least one
  • a user command may be identified by giving a relatively high weight to the EEG signal sensed by the sensor and giving a relatively low weight to the EEG signal sensed by the remaining sensors among the plurality of sensors 120 .
  • the neural network model may identify the occipital lobe among a plurality of regions constituting the brain when the content being output by the electronic device 100 according to the content information is the auditory stimulus content, and a plurality of At least one sensor attached to a region corresponding to the temporal lobe among the sensors 120 may be identified.
  • FIG. 5 is a view for explaining auditory stimulation content according to another embodiment of the present disclosure.
  • the electronic device 100 outputs the auditory stimulus content 2 .
  • the processor 130 may identify one sensor from among the plurality of sensors by inputting information about the content into the neural network model.
  • the neural network model may identify at least one sensor attached to a region corresponding to the temporal lobe among the plurality of sensors 120 .
  • the auditory stimulus content 2 may include content in which the electronic device 100 provides information through an auditory stimulus among the body stimuli of the user 10 .
  • the processor 130 may identify a user command based on the brain wave signal sensed by the identified at least one sensor, and control content based on the identified user command. For example, the processor 130 identifies a user command based on an EEG signal sensed from at least one sensor attached to a region corresponding to the temporal lobe of the user 10 , and controls the electronic device based on the user command.
  • the processor 130 may identify the user command using only the EEG signal sensed from at least one sensor attached to the region corresponding to the temporal lobe, and at least one Of course, a user command may be identified by giving a relatively high weight to the EEG signal sensed by the sensor and giving a relatively low weight to the EEG signal sensed by the remaining sensors among the plurality of sensors 120 .
  • the processor 130 may identify a user command based on EEG signals received from the first and second sensors identified by the neural network model.
  • the first sensor may be a sensor attached to a region corresponding to the temporal lobe
  • the second sensor may be a sensor attached to a region corresponding to the frontal lobe.
  • the processor 130 may identify a user command by giving a relatively high weight to the EEG signal received from the first sensor and a relatively low weight to the EEG signal received from the second sensor.
  • the neural network model identifies the sensor attached to the region corresponding to the occipital lobe, and when the auditory stimulus content 2 is provided, the neural network model corresponds to the temporal lobe
  • the neural network model may identify a sensor attached to a region corresponding to the frontal lobe, particularly, a Broca region activated when a language is uttered.
  • a sensor attached to a region corresponding to the frontal lobe particularly, a Broca region activated when a language is uttered.
  • the neural network model is attached to the somatosensory cortex among the plurality of sensors 120 to acquire EEG signals for brain functions related to the body movement of the user 10 based on the information on the content.
  • the sensor can be identified.
  • the processor 130 may identify a user command based on an EEG signal received from a sensor attached to the somatosensory cortex.
  • FIG. 6 is a diagram for explaining context information according to an embodiment of the present disclosure.
  • context information may include ambient noise information of the user 10 .
  • the plurality of sensors 120 are generally attached to the head of the user 10 to sense EEG signals from a plurality of regions constituting the brain.
  • EEG signals sensed by the plurality of sensors 120 during brain activation may include EEG signals unnecessary for identifying various types of noise or user commands.
  • an EEG signal received from a sensor attached to a region corresponding to the temporal lobe may be an EEG signal unnecessary for identifying a user command.
  • the processor 130 acquires ambient noise information based on a microphone (not shown) provided in the electronic device 100 , and when ambient noise greater than or equal to a threshold is detected based on the ambient noise information, from the plurality of sensors 120 .
  • the user command may be identified based on the remaining EEG signals except for EEG signals received from a sensor attached to a region corresponding to the temporal lobe.
  • the EEG signal received from the sensor attached to the region corresponding to the temporal lobe may be an EEG signal unnecessary for identifying a user command.
  • the processor 130 may identify the user command based on the EEG signals other than the EEG signals received from the sensors attached to the region corresponding to the temporal lobe among the EEG signals received from the plurality of sensors 120 .
  • the EEG signal received from the sensor attached to the region corresponding to the occipital lobe may be an EEG signal unnecessary for identifying a user command.
  • the processor 130 may identify the user command based on the remaining EEG signals except for EEG signals received from a sensor attached to a region corresponding to the occipital lobe among EEG signals received from the plurality of sensors 120 .
  • excluding a specific EEG signal may mean giving a relatively lower weight than the other EEG signals.
  • the neural network model according to an embodiment of the present disclosure is trained to identify a region activated according to the intention of the user 10 among a plurality of regions constituting the brain using the context information and content information of the user 10 .
  • learning a neural network model or an artificial intelligence model means that a basic artificial intelligence model (for example, an artificial intelligence model including an arbitrary random parameter) is learned using a plurality of training data by a learning algorithm, so that the desired characteristic It means that a predefined action rule or artificial intelligence model set to perform (or purpose) is created.
  • a learning algorithm include supervised learning, unsupervised learning, semi-supervised learning, transfer learning, or reinforcement learning. Examples are not limited.
  • a neural network model is a Convolutional Neural Network (CNN), a Recurrent Neural Network (RNN), a Restricted Boltzmann Machine (RBM), a Deep Belief Network (DBN), a Bidirectional Recurrent Deep Neural Network (BRDNN), or a deep Q-network ( Deep Q-Networks), but is not limited thereto.
  • CNN Convolutional Neural Network
  • RNN Recurrent Neural Network
  • RBM Restricted Boltzmann Machine
  • DNN Deep Belief Network
  • BBDNN Bidirectional Recurrent Deep Neural Network
  • Deep Q-Networks Deep Q-Networks
  • the context information of the user 10 may include location information and time information of the user 10 .
  • the neural network model may be a model trained to identify a region activated according to the intention of the user 10 among a plurality of regions constituting the brain using location information, current time information, etc. in addition to information about the content of the user 10 have.
  • the processor 130 may control the electronic device 100 to output guide content that causes a specific stimulus among the body stimuli of the user 10 .
  • the processor 130 may control the display 110 to output guide content that stimulates the user's 10 vision. A detailed description thereof will be made with reference to FIG. 7 .
  • FIG. 7 is a view for explaining guide content according to an embodiment of the present disclosure.
  • the processor 130 may control the display 110 to output the guide content 3 that stimulates the user's 10 vision.
  • the processor 130 may control the display 110 to display a keyboard UI including a text input window and a plurality of text keys.
  • the processor 130 may identify a character key to be input from among the plurality of character keys of the keyboard UI by using the EEG signals received from the plurality of sensors 120 . Specifically, the processor 130 may identify a waveform of the received EEG signal, and identify a character key to be input based on the identified waveform.
  • the processor 130 selects a first region in which an EEG signal greater than or equal to a threshold electrode is detected among a plurality of regions based on the EEG signals sensed by the plurality of sensors 120 while the content 3 that stimulates the vision is output. can be identified.
  • the EEG signal above the threshold electrode is an EEG signal generated according to the intention of the user 10 to select a specific letter key among a plurality of letter keys.
  • the EEG signal greater than or equal to the threshold electrode is an EEG signal generated according to the user 10's eye movement or eye blinking operation.
  • the remaining EEG signals are not EEG signals generated according to the intention of the user 10 to select a specific letter key among the plurality of letter keys. That is, the remaining EEG signals correspond to EEG signals that are unnecessary when the processor 130 identifies a user command (eg, a letter key to be input among a plurality of letter keys).
  • the processor 130 receives a user command based on an EEG signal received from a sensor attached to a region corresponding to the occipital lobe.
  • the region activated by the visual stimulus content 1 according to user characteristics is not necessarily limited to the region corresponding to the occipital lobe.
  • the processor 130 outputs the guide content 3 that stimulates the user's 10 vision, so that the user 10's intention among the plurality of areas is determined. Accordingly, the first region responding to the visual stimulus may be identified.
  • the first region may be a region corresponding to the occipital lobe or may be a different region according to user characteristics.
  • the processor 130 may identify a user command using an EEG signal received from a sensor attached to the first region.
  • the processor 130 may control a speaker (not shown) to output guide content that stimulates the user 10's hearing.
  • the processor 130 selects a second region in which an EEG signal greater than or equal to the threshold electrode is sensed among a plurality of regions based on the EEG signals sensed by the plurality of sensors 120 while the content 3 that stimulates hearing is output. can be identified.
  • the EEG signal above the threshold electrode is an EEG signal generated according to the intention of the user 10 to interpret or respond to an auditory stimulus as it is received.
  • the remaining EEG signals are not EEG signals generated according to the intention of the user 10 to interpret or respond to the auditory stimulus. That is, the remaining EEG signals correspond to EEG signals that are unnecessary when the processor 130 identifies a user command.
  • the processor 130 outputs guide content that stimulates the user's 10's hearing, and selects a second area that responds to the auditory stimulus according to the intention of the user 10 among a plurality of areas.
  • the second region may be a region corresponding to the temporal lobe or may be a different region according to user characteristics.
  • the processor 130 may identify a user command using an EEG signal received from a sensor attached to the second region.
  • the processor 130 may identify the user command by using the EEG signals of the alpha wave and beta wave regions, but this is an example and is not limited thereto.
  • delta ( ⁇ ) waves (brain waves having a frequency component of 0 to 4 Hz and generally generated in a sleep state), theta ( ⁇ ) waves (4 to It has a frequency component of 8 Hz and is generated during hypnosis or drowsiness), alpha ( ⁇ ) waves (with a frequency component of 8 to 13 Hz and generated when the mind and body are at rest), beta ( ⁇ ) waves ( It has a frequency component of 13 to 30 Hz and is generated in an anxious or tense state) or gamma ( ⁇ ) wave (EEG that has a frequency component of 30 Hz or higher and is generated in an extremely tense or excited state), etc. have.
  • the alpha ( ⁇ ) wave among the EEG signals sensed by the plurality of sensors 120 may include a mu ( ⁇ ) wave commonly referred to as a sensorimotor rhythm.
  • the electronic device 100 may include a communication unit (not shown).
  • the communication unit transmits and receives various data to and from an external device.
  • AP-based Wi-Fi Wi-Fi, Wireless LAN network
  • Bluetooth Bluetooth
  • Zigbee wired/wireless LAN (Local Area Network), WAN (Wide Area Network), Ethernet (Ethernet)
  • IEEE 1394 HDMI (High-Definition Multimedia Interface), USB (Universal Serial Bus), MHL (Mobile High-Definition Link), AES/EBU (Audio Engineering Society/ European Broadcasting Union)
  • HDMI High-Definition Multimedia Interface
  • USB Universal Serial Bus
  • MHL Mobile High-Definition Link
  • AES/EBU Audio Engineering Society/ European Broadcasting Union
  • Various data may be input from an external device (eg, a display device), an external storage medium (eg, a USB memory), or an external server (eg, a web hard drive) through a communication method such as (coaxial). .
  • the communication unit may transmit EEG signals received from the plurality of sensors 120 and a user command obtained based on EEG signals to an external device under the control of the processor 130 .
  • FIG. 8 is a flowchart illustrating a method of controlling an electronic device according to an embodiment of the present disclosure.
  • At least one of context information of a user or information on content provided through an electronic device is input to a neural network model to identify at least one sensor among a plurality of sensors do (S810).
  • the user command is identified based on the EEG signal sensed from the identified at least one sensor ( S820 ).
  • the content is controlled based on the identified user command (S830).
  • each of the plurality of sensors is attached to each of a plurality of different regions corresponding to the user's head, and the plurality of regions correspond to a region corresponding to the frontal lobe, a region corresponding to the parietal lobe, a region corresponding to the occipital lobe, or a region corresponding to the temporal lobe. It may contain areas.
  • the information about the content may include information on whether the content is the visual stimulus content or the auditory stimulus content, and the user's context information may include information about the user's ambient noise.
  • step S820 of identifying a user command when the content is identified as the visual stimulus content based on the information on the content, the EEG received from the first sensor identified by the neural network model among the plurality of sensors and identifying a user command based on the signal, wherein the first sensor may be attached to a region corresponding to the occipital lobe among a plurality of regions corresponding to the user's head.
  • step S820 of identifying a user command when the content is identified as the auditory stimulus content based on the information on the content, based on the EEG signal received from the second sensor identified by the neural network model among the plurality of sensors to identify a user command, and the second sensor may be attached to a region corresponding to the temporal lobe among a plurality of regions corresponding to the user's head.
  • step S820 of identifying a user command the remaining EEG signals except for EEG signals received from sensors attached to regions corresponding to the temporal lobe among EEG signals received from a plurality of sensors based on the user's ambient noise information. and identifying a user command based on the
  • the control method includes outputting guide content that stimulates the user's vision, and while the guide content is output, one of a plurality of regions corresponding to the user's head based on EEG signals received from a plurality of sensors.
  • the method further includes the step of identifying at least one first region in which an EEG signal greater than or equal to the threshold electrode is sensed, and in step S820 of identifying a user command, the content provided through the electronic device based on the information on the content is the visual stimulus content. is identified, the method may include identifying a user command based on an EEG signal received from a sensor attached to the at least one first area.
  • the control method includes outputting guide content that stimulates the user's hearing, and while the guide content is outputting, based on EEG signals received from a plurality of sensors, among a plurality of regions corresponding to the user's head.
  • the method further includes the step of identifying at least one second region in which an EEG signal greater than or equal to the threshold electrode is sensed, and the step S820 of identifying a user command is that the content provided through the electronic device based on the information on the content is auditory stimulation content.
  • the method may include identifying a user command based on an EEG signal received from a sensor attached to the at least one second region.
  • the user command may include at least one of a selection command for a specific object among a plurality of objects included in the content, a movement command, an input text key, or a control command for the electronic device.
  • S820 of identifying a user command may include identifying a waveform of an EEG signal received from at least one identified sensor and identifying a user command based on the identified waveform.
  • 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 the 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 of the electronic device according to various embodiments of the present disclosure described above may be stored in a non-transitory computer-readable medium.
  • the specific device When the computer instructions stored in the non-transitory computer-readable medium are executed by the processor of the specific device, the specific device performs the processing operation in the electronic device 100 according to the various embodiments described above.
  • the non-transitory computer-readable medium refers to a medium that stores data semi-permanently, rather than 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.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Dermatology (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • User Interface Of Digital Computer (AREA)
  • Electrotherapy Devices (AREA)

Abstract

전자 장치가 개시된다. 본 개시에 따른 전자 장치는, 디스플레이, 사용자의 머리에 부착 가능한 복수의 센서 및 사용자의 컨텍스트 정보 또는 디스플레이를 통해 제공되는 컨텐츠에 대한 정보 중 적어도 하나를 신경망 모델에 입력하여 복수의 센서 중 적어도 하나의 센서를 식별하고, 식별된 적어도 하나의 센서로부터 센싱된 뇌파 신호에 기초하여 사용자 명령을 식별하고, 식별된 사용자 명령에 기초하여 컨텐츠를 제어하는 프로세서를 포함한다.

Description

전자 장치 및 그 제어 방법
본 개시는 전자 장치 및 그 제어 방법으로, 보다 상세하게는, 뇌파 신호를 이용하는 전자 장치 및 그 제어 방법에 관한 것이다.
전자 기술의 발달에 힘입어 다양한 유형의 전자 장치가 개발되고 있으며, 전자 장치를 제어하기 위한 인터페이스 또한, 활발하게 개발되고 있는 실정이다.
특히, BCI(Brain-Computer Interface), BMI(Brain-Machine Interface) 분야는 인간의 뇌와 전자 장치를 상호 연결하며, 뇌와 전자 장치 간에 정보 교환을 가능하게 만드는 모든 형태의 인터페이스를 의미한다.
최근에는 인간의 뇌로부터 정보를 추출하고 이를 토대로 전자 장치를 제어하는 기술이 활발히 개발되고 있다. 전자 장치의 제어는 화면 상의 커서 이동, 화면 내의 오브젝트 이동 외에도, 물리적인 로봇 팔의 제어, 휠체어의 이동 등을 포함하는 개념이다.
인간의 뇌로부터 추출된 정보에 기초하여, 인간의 의도에 부합하게 외부 장치를 제어하기 위해 사용자의 의도에 따라 활성화되는 뇌의 영역을 식별하고, 활성화된 뇌의 영역으로부터 감지된 뇌파 신호를 처리하는 최적화된 방법에 대한 요구가 있었다.
본 개시는 상술한 필요성에 따른 것으로, 본 개시의 목적은 환경 또는 컨텐츠에 따라서 뇌파 신호를 입력 신호 채널을 선택적으로 학습 및 처리하는 전자 장치 및 그 제어 방법을 제공함에 있다.
본 개시의 상술한 목적을 달성하기 위한 일 실시 예에 따르면 전자 장치는, 디스플레이, 사용자의 머리에 부착 가능한 복수의 센서, 상기 사용자의 컨텍스트 정보 또는 상기 디스플레이를 통해 제공되는 컨텐츠에 대한 정보 중 적어도 하나를 신경망 모델 에 입력하여 상기 복수의 센서 중 적어도 하나의 센서를 식별 하고, 상기 식별된 적어도 하나의 센서로부터 센싱된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하고, 상기 식별된 사용자 명령에 기초하여 상기 컨텐츠를 제어하는 프로세서를 포함한다.
여기서, 상기 복수의 센서 각각은, 상기 사용자의 머리에 대응되는 상이한 복수의 영역 각각에 부착되며, 상기 복수의 영역은, 전두엽에 대응되는 영역, 두정엽에 대응되는 영역, 후두엽에 대응되는 영역 또는 측두엽에 대응되는 영역을 포함할 수 있다.
또한, 상기 컨텐츠에 대한 정보는, 상기 컨텐츠가 시각 자극 컨텐츠인지 또는 청각 자극 컨텐츠인지에 대한 정보를 포함하며, 상기 사용자의 컨텍스트 정보는, 상기 사용자의 주변 소음 정보를 포함할 수 있다.
여기서, 상기 프로세서는, 상기 컨텐츠에 대한 정보에 기초하여 상기 컨텐츠가 상기 시각 자극 컨텐츠로 식별되면, 상기 복수의 센서 중 상기 신경망 모델에 의해 식별된 제1 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하며, 상기 제1 센서는, 상기 사용자의 머리에 대응되는 복수의 영역 중 후두엽에 대응되는 영역에 부착될 수 있다.
또한, 상기 프로세서는, 상기 컨텐츠에 대한 정보에 기초하여 상기 컨텐츠가 상기 청각 자극 컨텐츠로 식별되면, 상기 복수의 센서 중 상기 신경망 모델에 의해 식별된 제2 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하며, 상기 제2 센서는, 상기 사용자의 머리에 대응되는 복수의 영역 중 측두엽에 대응되는 영역에 부착될 수 있다.
또한, 상기 프로세서는, 상기 사용자의 주변 소음 정보에 기초하여 상기 복수의 센서로부터 수신된 뇌파 신호 중 상기 측두엽에 대응되는 영역에 부착된 센서로부터 수신된 뇌파 신호를 제외한 나머지 뇌파 신호에 기초하여 상기 사용자 명령을 식별할 수 있다.
또한, 상기 프로세서는, 사용자의 시각을 자극하는 가이드 컨텐츠를 출력하도록 상기 디스플레이를 제어하고, 상기 가이드 컨텐츠가 출력되는 동안, 상기 복수의 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자의 머리에 대응되는 복수의 영역 중 임계 전극 이상의 뇌파 신호가 감지된 적어도 하나의 제1 영역을 식별하고, 상기 컨텐츠에 대한 정보에 기초하여 상기 디스플레이를 통해 제공되는 컨텐츠가 시각 자극 컨텐츠로 식별되면, 상기 적어도 하나의 제1 영역에 부착된 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별할 수 있다.
또한, 스피커를 더 포함하며, 상기 프로세서는, 사용자의 청각을 자극하는 가이드 컨텐츠를 출력하도록 상기 스피커를 제어하고, 상기 가이드 컨텐츠가 출력되는 동안, 상기 복수의 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자의 머리에 대응되는 복수의 영역 중 임계 전극 이상의 뇌파 신호가 감지된 적어도 하나의 제2 영역을 식별하고, 상기 컨텐츠에 대한 정보에 기초하여 상기 디스플레이를 통해 제공되는 컨텐츠가 청각 자극 컨텐츠로 식별되면, 상기 적어도 하나의 제2 영역에 부착된 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별할 수 있다.
또한, 상기 사용자 명령은, 상기 컨텐츠에 포함된 복수의 오브젝트 중 특정 오브젝트에 대한 선택 명령, 이동 명령, 입력될 문자 키 또는 상기 전자 장치에 대한 제어 명령 중 적어도 하나를 포함할 수 있다.
또한, 상기 프로세서는, 상기 식별된 적어도 하나의 센서로부터 수신된 뇌파 신호의 파형을 식별하고, 상기 식별된 파형에 기초하여 상기 사용자 명령을 식별할 수 있다.
본 개시의 상술한 목적을 달성하기 위한 일 실시 예에 따른 사용자의 머리에 부착 가능한 복수의 센서를 포함하는 전자 장치의 제어 방법은, 상기 사용자의 컨텍스트 정보 또는 상기 전자 장치를 통해 제공되는 컨텐츠에 대한 정보 중 적어도 하나를 신경망 모델에 입력하여 상기 복수의 센서 중 적어도 하나의 센서를 식별하는 단계, 상기 식별된 적어도 하나의 센서로부터 센싱된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하는 단계 및 상기 식별된 사용자 명령에 기초하여 상기 컨텐츠를 제어하는 단계를 포함한다.
여기서, 상기 복수의 센서 각각은, 상기 사용자의 머리에 대응되는 상이한 복수의 영역 각각에 부착되며, 상기 복수의 영역은, 전두엽에 대응되는 영역, 두정엽에 대응되는 영역, 후두엽에 대응되는 영역 또는 측두엽에 대응되는 영역을 포함할 수 있다.
또한, 상기 컨텐츠에 대한 정보는, 상기 컨텐츠가 시각 자극 컨텐츠인지 또는 청각 자극 컨텐츠인지에 대한 정보를 포함하며, 상기 사용자의 컨텍스트 정보는, 상기 사용자의 주변 소음 정보를 포함할 수 있다.
여기서, 상기 사용자 명령을 식별하는 단계는, 상기 컨텐츠에 대한 정보에 기초하여 상기 컨텐츠가 상기 시각 자극 컨텐츠로 식별되면, 상기 복수의 센서 중 상기 신경망 모델에 의해 식별된 제1 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하는 단계를 포함하며, 상기 제1 센서는, 상기 사용자의 머리에 대응되는 복수의 영역 중 후두엽에 대응되는 영역에 부착될 수 있다.
또한, 상기 사용자 명령을 식별하는 단계는, 상기 컨텐츠에 대한 정보에 기초하여 상기 컨텐츠가 상기 청각 자극 컨텐츠로 식별되면, 상기 복수의 센서 중 상기 신경망 모델에 의해 식별된 제2 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하는 단계를 포함하며, 상기 제2 센서는, 상기 사용자의 머리에 대응되는 복수의 영역 중 측두엽에 대응되는 영역에 부착될 수 있다.
또한, 상기 사용자 명령을 식별하는 단계는, 상기 사용자의 주변 소음 정보에 기초하여 상기 복수의 센서로부터 수신된 뇌파 신호 중 상기 측두엽에 대응되는 영역에 부착된 센서로부터 수신된 뇌파 신호를 제외한 나머지 뇌파 신호에 기초하여 상기 사용자 명령을 식별하는 단계를 포함할 수 있다.
또한, 사용자의 시각을 자극하는 가이드 컨텐츠를 출력하는 단계 및 상기 가이드 컨텐츠가 출력되는 동안, 상기 복수의 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자의 머리에 대응되는 복수의 영역 중 임계 전극 이상의 뇌파 신호가 감지된 적어도 하나의 제1 영역을 식별하는 단계를 더 포함하며, 상기 사용자 명령을 식별하는 단계는, 상기 컨텐츠에 대한 정보에 기초하여 상기 전자 장치를 통해 제공되는 컨텐츠가 시각 자극 컨텐츠로 식별되면, 상기 적어도 하나의 제1 영역에 부착된 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하는 단계를 포함할 수 있다.
또한, 사용자의 청각을 자극하는 가이드 컨텐츠를 출력하는 단계 및 상기 가이드 컨텐츠가 출력되는 동안, 상기 복수의 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자의 머리에 대응되는 복수의 영역 중 임계 전극 이상의 뇌파 신호가 감지된 적어도 하나의 제2 영역을 식별하는 단계를 더 포함하며, 상기 사용자 명령을 식별하는 단계는, 상기 컨텐츠에 대한 정보에 기초하여 상기 전자 장치를 통해 제공되는 컨텐츠가 청각 자극 컨텐츠로 식별되면, 상기 적어도 하나의 제2 영역에 부착된 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하는 단계를 포함할 수 있다.
또한, 상기 사용자 명령은, 상기 컨텐츠에 포함된 복수의 오브젝트 중 특정 오브젝트에 대한 선택 명령, 이동 명령, 입력된 문자 키 또는 상기 전자 장치에 대한 제어 명령 중 적어도 하나를 포함할 수 있다.
또한, 상기 사용자 명령을 식별하는 단계는, 상기 식별된 적어도 하나의 센서로부터 수신된 뇌파 신호의 파형을 식별하는 단계 및 상기 식별된 파형에 기초하여 상기 사용자 명령을 식별하는 단계를 포함할 수 있다.
본 개시의 다양한 실시 예들에 따르면, 전자 장치는 환경 및 컨텐츠 기반으로 유용한 입력 신호 채널을 이용하여 사용자의 의도에 부합하는 사용자 명령을 식별할 수 있다.
비활성화되는 채널, 불필요한 잡음, 유용하지 않은 입력 신호는 제외하며, 사용자의 명령을 높은 신뢰도로 식별하기 위한 최적의 방법을 제공할 수 있다.
불필요한 연산 과정을 수행하지 않음으로써 연산 처리 비용을 감소시킬 수 있다.
도 1은 본 개시의 일 실시 예에 따른 전자 장치의 컨셉을 설명하기 위한 도면이다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다.
도 3은 본 개시의 일 실시 예에 따른 센서 및 복수의 영역을 설명하기 위한 도면이다.
도 4는 본 개시의 다른 실시 예에 따른 전자 장치 및 시각 자극 컨텐츠를 설명하기 위한 도면이다.
도 5는 본 개시의 다른 실시 예에 따른 청각 자극 컨텐츠를 설명하기 위한 도면이다.
도 6은 본 개시의 일 실시 예에 따른 컨텍스트 정보를 설명하기 위한 도면이다.
도 7은 본 개시의 일 실시 예에 따른 가이드 컨텐츠를 설명하기 위한 도면이다.
도 8은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
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 전자 장치의 컨셉을 설명하기 위한 도면이다.
도 1을 참조하면, 본 개시의 일 실시 예에 따른 전자 장치(100)는 및 디스플레이(110) 및 사용자(10)에게 부착 가능한 센서(120)를 포함할 수 있다. 여기서, 디스플레이(110)와 사용자(10)에게 부착 가능한 센서(120) 각각은 독립적인 디바이스로 구현될 수도 있고, 하나의 디바이스(예를 들어, 전자 장치(100)) 내에 일 구성 요소로 구현될 수도 있음은 물론이다.
전자 장치(100)에 구비된 사용자(10)에게 부착 가능한 센서(120)는 디스플레이(110)와 유/무선으로 연결되며, 디스플레이(110)로 센싱 값을 전송할 수 있다. 예를 들어, 사용자(10)의 머리에 부착 가능한 복수의 센서(120)는 사용자(10)의 뇌파 신호를 감지하며, 감지된 뇌파 신호를 디스플레이(110)로 전송할 수 있다.
일 실시 예에 따른 전자 장치(100)는 스마트폰, 태블릿 PC, 이동 전화기, 영상 전화기, 전자책 리더기, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 워크스테이션, 서버, PDA, PMP(portable multimedia player), MP3 플레이어, 의료기기, 카메라, 가상 현실(virtual reality(VR)) 구현 장치 또는 웨어러블 장치 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 액세서리형(예: 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD)), 직물 또는 의류 일체형(예: 전자 의복), 신체 부착형(예: 스킨 패드 또는 문신), 또는 생체 이식형 회로 중 적어도 하나를 포함할 수 있다. 어떤 실시예들에서, 전자 장치(100)는, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 의류 관리기, 세탁기, 건조기, 전기 다리미, 공기 청정기, 셋톱 박스, 홈 오토매이션 컨트롤 패널, 보안 컨트롤 패널, 미디어 박스(예: 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(예: XboxTM, PlayStationTM), 전자 사전, 전자 키, 캠코더, 또는 전자 액자 중 적어도 하나를 포함할 수 있다.
다른 실시 예에서, 전자 장치(100)는, 각종 의료기기(예: 각종 휴대용 의료측정기기(혈당 측정기, 심박 측정기, 혈압 측정기, 또는 체온 측정기 등), MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 또는 초음파기 등), 네비게이션 장치, 위성 항법 시스템(GNSS(global navigation satellite system)), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트 장치, 선박용 전자 장비(예: 선박용 항법 장치, 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛(head unit), 산업용 또는 가정용 로봇, 드론(drone), 금융 기관의 ATM, 상점의 POS(point of sales), 또는 사물 인터넷 장치 (예: 전구, 각종 센서, 스프링클러 장치, 화재 경보기, 온도조절기, 가로등, 토스터, 운동기구, 온수탱크, 히터, 보일러 등) 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따른 전자 장치(100)는 사용자 명령을 수신하며, 수신된 사용자 명령에 따라 동작할 수 있다. 예를 들어, 전자 장치(100)는 사용자 명령에 따라 화면 내 포인터를 이동하고, 컨텐츠를 선택 또는 재생하고, 문자 입력UI 내에서 사용자 명령에 따라 선택된 문자를 입력할 수 있다. 여기서, 포인터는 화면에서 자유롭게 이동하며 선택될 컨텐츠, UI를 가리키는 것으로, 화살표 형태, I 형태, 십자 형태 등 다양한 형태로 표시될 수 있다.
이때, 전자 장치(100)는 마우스, 키보드, 리모컨, 터치 스크린 등 입력부(미도시)를 통해 사용자 명령을 입력받을 수 있다. 다른 예로, 전자 장치(100)는 사용자(10)의 시선을 감지하며, 감지된 시선을 사용자 명령으로 하여 이에 대응되는 동작을 수행할 수 있다.
본 개시의 일 실시 예에 따른 전자 장치(100)는 입력부(예를 들어, 마우스, 키보드, 리모컨, 터치 스크린 등), 사용자의 시선을 감지하기 위한 카메라(미도시) 외에도 사용자(10)의 머리에 부착된 복수의 센서(120)를 이용하여 사용자(10)의 뇌파 신호를 감지하고, 감지된 뇌파 신호에 대응되는 동작을 수행할 수도 있다.
이하에서는, 전자 장치(100)가 사용자(10)의 뇌파 신호를 감지하고, 감지된 뇌파 신호를 처리하는 다양한 실시 예에 대해 설명하도록 한다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 구성을 도시한 블록도이다.
도 2를 참조하면, 전자 장치(100)는 디스플레이(110), 복수의 센서(120) 및 프로세서(130)를 포함한다.
디스플레이(110)는 LCD(liquid crystal display), OLED(organic light-emitting diode), LCoS(Liquid Crystal on Silicon), DLP(Digital Light Processing), QD(quantum dot) 디스플레이 패널, QLED(quantum dot light-emitting diodes) μLED(Micro light-emitting diodes), Mini LED 등과 같은 다양한 형태의 디스플레이로 구현될 수 있다. 한편, 전자 장치(100)는 터치 센서와 결합된 터치 스크린, 플렉시블 디스플레이(flexible display), 롤러블 디스플레이(rollable display), 3차원 디스플레이(3D display), 복수의 디스플레이 모듈이 물리적으로 연결된 디스플레이 등으로 구현될 수도 있다.
특히, 디스플레이(110)는 다양한 유형의 컨텐츠를 디스플레이할 수 있다. 일 실시 예에 따라 디스플레이(110)는 사용자의 조작 명령을 입력받기 위한 UI 화면을 표시할 수 있다. 구체적으로, 전자 장치(100)는 어플리케이션 실행을 위한 아이콘, 어플리케이션 선택을 위한 포인터 또는 하이라이트, 문자 입력 창, 문자 입력창에 입력될 문자를 선택하기 위한 복수의 문자 키를 포함하는 키보드 UI 등을 표시할 수 있다.
도 1에서는, 복수의 문자 키가 격자 형태로 배열된 키보드 UI를 도시하였으나, 실제 구현 시에는 QWERTY 자판, 숫자 키 자판 등 다양한 형태의 키보드 UI가 사용 가능하다.
한편, 이는 일 예시이며 디스플레이(110)는 프로세서(130)의 제어에 따라 사용자(10)의 신체 자극을 일으키는 다양한 형태의 컨텐츠를 제공할 수 있다. 여기서, 신체 자극은 영상 등 시각적 자극, 음파 및 음성 등 청각적 자극 등 다양한 형태의 컨텐츠를 포함할 수 있다.
일 실시 예에 따른 복수의 센서(120)는 사용자(10)의 머리에 부착되어 뇌파를 감지할 수 있다. 여기서, 뇌파(EEG, Electroencephalogram)는 뇌가 활성화됨에 따라 발생하는 뇌 신경세포들의 발화(firing)의 합으로 나타나는 전기적 신호를 의미한다. 예를 들어, 복수의 센서(120)가 감지하는 뇌파는 대뇌피질의 신경 세포군에서 발생한 뇌 전기활동의 총화(summation)를 체외로 도출하고, 이를 증폭하여 전위를 종축으로, 시간을 횡축으로하여 두피 상(intact scalp)에서 기록한 것이다. 따라서, 복수의 센서(120)가 감지하는 뇌파는 두피 전극에서 감지된 두피 뇌파(scalp EEG)를 포함할 수 있다.
한편, 복수의 센서(120) 각각은 10-20 배치법에 따라 사용자(10)의 머리에 부착될 수 있다. 복수의 센서(120)는 뇌파 신호를 측정하기 위한 복수의 전극을 포함하며, 복수의 전극은 사용자(10)의 두피에 접촉되어 전기 신호를 획득하는 구성이다. 본 개시의 다양한 실시 예는 복수의 센서(120)가 비침습적(Non-invasive)으로 구현되는 경우를 상정하여 설명하였으나, 이에 한정되지 않음은 물론이다.
도 3은 본 개시의 일 실시 예에 따른 센서 및 복수의 영역을 설명하기 위한 도면이다.
도 3의 (a)를 참조하면, 복수의 센서(120) 각각의 부착 부위는 10-20 전극 배치법(10-20 system)에 따라 부착될 수 있다. 도 3의 (a)에 도시된 영문자는 각각 전두부(Frontal), 두정부(Parietal), 측두부(Temporal), 후두부(Occipital)을 의미하며, Fp는 전두극(전전두엽, Frontal pole)을 의미할 수 있다.
도 3의 (a)는 머리를 위에서 바라본 것으로, Cz를 기준으로 앞으로는 비근부(Nasion), 뒤로는 후두극(inion), 옆으로는 양쪽 귓바퀴의 윗 부분까지를 50으로 했을 때, 복수의 센서(120) 각각은 20:20:10의 비율로 전후, 좌우가 대칭적으로 이격 배치될 수 있다.
도 3의 (a)에 도시된 바와 같이 10-20 전극 배치법에 따라 사용자(10)의 머리에 부착된 복수의 센서(120)는 많게는 128-256 개의 전극(즉, 뇌파 신호)를 감지할 수 있다. 한편, 10-20 전극 배치법에 따라 복수의 센서(120) 각각이 사용자(10)의 머리에 부착되는 실시 예는 하나의 예시에 불과하며 이에 한정되지 않음은 물론이다. 예를 들어, 복수의 센서(120) 각각은 5-10 전극 배치법, 10-10 전극 배치법 등 종래의 다양한 전극 배치법에 따라 사용자(10)의 머리에 부착될 수 있음은 물론이다.
이어서, 프로세서(130)는 복수의 센서(120)로부터 수신된 뇌파 신호의 파형을 식별하고, 식별된 파형에 기초하여 사용자 명령을 식별할 수 있다.
한편, 프로세서(130)가 복수의 센서(120)로부터 수신된 모든 뇌파 신호의 파형을 식별한 뒤, 이에 기초하여 사용자 명령을 식별한다면, 프로세서(130)가 처리하여야하는 연산량이 많아짐에 따라 불필요하게 시스템 자원(resource)이 낭비되며, 불필요한 뇌파 신호 및 잡음을 모두 고려하여 사용자 명령을 식별함에 따라 사용자(10)의 의도와 프로세서(130)가 식별한 사용자 명령 간의 관련성, 신뢰성이 떨어지는 문제가 있다.
이하에서는, 프로세서(130)가 복수의 센서(120)로부터 수신된 모든 뇌파 신호를 이용하는 것이 아닌, 일부 뇌파 신호만을 이용하여 사용자 명령을 식별하는 다양한 실시 예에 대해 설명하도록 한다.
도 2로 돌아와서, 프로세서(130)는 전자 장치(100)의 전반적인 동작을 제어한다.
일 실시 예에 따라 프로세서(130)는 디지털 영상 신호를 처리하는 디지털 시그널 프로세서(digital signal processor(DSP), 마이크로 프로세서(microprocessor), AI(Artificial Intelligence) 프로세서, T-CON(Timing controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(Micro Controller Unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM 프로세서 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서(130)는 프로세싱 알고리즘이 내장된 SoC(System on Chip), LSI(large scale integration)로 구현될 수도 있고, FPGA(Field Programmable gate array) 형태로 구현될 수도 있다.
본 개시에 따른 인공지능과 관련된 기능은 프로세서(130)와 메모리(미도시)를 통해 동작된다. 일 실시 예에 따른 프로세서(130)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, 메모리에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터(예를 들어, 뇌파 신호)를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
특히, 프로세서(130)는 사용자(10)의 컨텍스트(context) 정보 또는 디스플레이(110)를 통해 제공되는 컨텐츠에 대한 정보 중 적어도 하나를 신경망 모델에 입력하여 복수의 센서(120) 중 적어도 하나의 센서를 식별할 수 있다.
이에 대한 구체적인 설명은 도 3을 참조하여 하도록 한다.
도 3의 (b)를 참조하면, 인간의 뇌는 영역 별로 상이한 기능을 담당한다. 인간의 뇌는 영역 별로 그 기능이 나누어져 있으며, 각 기능 수행 시에 해당 영역이 활성화될 수 있다.
예를 들어, 사용자(10)가 주의, 집중하는 경우 대뇌의 전두엽(Frontal lobe)에 위치한 전전두피질(Prefrontal cortex), 신체적인 운동을 수행할 경우 대뇌의 운동피질(Motor Cortex), 촉감 자극을 획득할 경우 대뇌의 체성감각피질(Somatosensory Cortex), 시각 자극을 획득할 경우 대뇌의 후두엽(Occipital Lobe)에 위치한 시각피질(Visual Cortex), 소리나 언어와 관련된 기능을 수행할 경우 대뇌의 측면 부분에 위치한 두정엽(Parietal Lobe)이 활성화된다. 이를 표로 나타내는 다음과 같다.
뇌 영역 관련 뇌 기능
전두엽
(Frontal Lobe)
전전두피질
(Prefrontal Cortex)
문제 해결, 감정, 복잡한 사고
운동피질
(Motor Cortex)
자발적 운동
브로카 영역(Broca's Area) 언어의 발성
두정엽
(Parietal Lobe)
체성감각피질
(Somatosensory Cortex)
촉감 자극의 수신
후두엽(Occipital Lobe) 시각피질
(Visual Cortex)
시각 자극의 수신
측두엽
(Temporal Lobe)
청각피질
(Auditory Cortex)
청각 자극의 수신
베르니케 영역
(Wernicke's Cortex)
언어정보의 해석
일 실시 예에 따른 프로세서(130)는 사용자의 컨텍스트 정보 또는 디스플레이(110)를 통해 제공되는 컨텐츠에 대한 정보 중 적어도 하나를 신경망 모델에 입력하여 복수의 센서(120) 중 적어도 하나의 센서를 식별할 수 있다.
여기서, 신경망 모델은 사용자(10)의 뇌를 구성하는 복수의 영역 중에서 사용자(10)의 컨텍스트 정보 또는 디스플레이(110)를 통해 제공되는 컨텐츠에 대한 정보 중 적어도 하나에 따라 활성화되는 영역을 식별하도록 학습된 모델일 수 있다.
예를 들어, 신경망 모델은 컨텐츠에 대한 정보에 따라 전자 장치(100)가 출력 중인 컨텐츠가 시각 자극 컨텐츠이면, 뇌를 구성하는 복수의 영역 중 후두엽(Occipital Lobe)을 식별할 수 있고, 복수의 센서(120) 중 후두엽에 대응되는 영역에 부착된 적어도 하나의 센서를 식별할 수 있다.
이에 대한 구체적인 설명은 도 4를 참조하여 하도록 한다.
도 4는 본 개시의 다른 실시 예에 따른 전자 장치 및 시각 자극 컨텐츠를 설명하기 위한 도면이다.
본 개시의 다른 실시 예에 따른 전자 장치(100)는 사용자(10)의 두부 또는 안면에 착용되는 헤드 마운트 디스플레이(Head Mount Display, HMD), 스마트 글라스(smart glasses) 또는 스마트 헬멧(smart helmet) 등 다양한 제품 형태로 구현될 수 있다.
일 실시 예에 따라 전자 장치(100)가 시각 자극 컨텐츠(1)를 출력하는 경우를 상정할 수 있다.
이 경우, 프로세서(130)는 컨텐츠에 대한 정보를 신경망 모델에 입력하여, 복수의 센서 중 하나의 센서를 식별할 수 있다. 예를 들어, 신경망 모델은 전자 장치(100)가 시각 자극 컨텐츠(1)를 출력 중이면, 복수의 센서(120) 중 후두엽에 대응되는 영역에 부착된 적어도 하나의 센서를 식별할 수 있다.
한편, 시각 자극 컨텐츠(1)는 전자 장치(100)의 정보 제공이 사용자(10)의 신체 자극 중 시각적 자극을 통해 이루어지는 컨텐츠, 사용자 명령에 따라 선택 또는 이동 가능한 오브젝트를 포함하는 화면을 제공하는 컨텐츠 등을 포함할 수 있다.
이어서, 프로세서(130)는 식별된 적어도 하나의 센서로부터 센싱된 뇌파 신호에 기초하여 사용자 명령을 식별하고, 식별된 사용자 명령에 기초하여 컨텐츠를 제어할 수 있다. 예를 들어, 프로세서(130)는 사용자(10)의 후두엽에 대응되는 영역에 부착된 적어도 하나의 센서로부터 센싱된 뇌파 신호에 기초하여 사용자 명령을 식별하며, 사용자 명령에 기초하여 전자 장치를 제어하거나, 화면 내의 특정 오브젝트(예를 들어, 버튼, 문자, 캐릭터 등)를 선택하거나 이동시킬 수 있다.
다만, 상술한 예시에서 프로세서(130)는 후두엽에 대응되는 영역에 부착된 적어도 하나의 센서로부터 센싱된 뇌파 신호만을 이용하여 사용자 명령을 식별할 수도 있고, 후두엽에 대응되는 영역에 부착된 적어도 하나의 센서로부터 센싱된 뇌파 신호에 상대적으로 높은 가중치를 부여하고 복수의 센서(120) 중 나머지 센서로부터 센싱된 뇌파 신호에 상대적으로 낮은 가중치를 부여하여 사용자 명령을 식별할 수도 있음은 물론이다.
도 2로 돌아와서, 신경망 모델은 컨텐츠에 대한 정보에 따라 전자 장치(100)가 출력 중인 컨텐츠가 청각 자극 컨텐츠이면, 뇌를 구성하는 복수의 영역 중 후두엽(Occipital Lobe)을 식별할 수 있고, 복수의 센서(120) 중 측두엽에 대응되는 영역에 부착된 적어도 하나의 센서를 식별할 수 있다
이에 대한 구체적인 설명은 도 5를 참조하여 하도록 한다.
도 5는 본 개시의 다른 실시 예에 따른 청각 자극 컨텐츠를 설명하기 위한 도면이다.
일 실시 예에 따라 전자 장치(100)가 청각 자극 컨텐츠(2)를 출력하는 경우를 상정할 수 있다.
이 경우, 프로세서(130)는 컨텐츠에 대한 정보를 신경망 모델에 입력하여, 복수의 센서 중 하나의 센서를 식별할 수 있다. 예를 들어, 신경망 모델은 전자 장치(100)가 청각 자극 컨텐츠(2)를 출력 중이면, 복수의 센서(120) 중 측두엽에 대응되는 영역에 부착된 적어도 하나의 센서를 식별할 수 있다.
한편, 청각 자극 컨텐츠(2)는 전자 장치(100)의 정보 제공이 사용자(10)의 신체 자극 중 청각적 자극을 통해 이루어지는 컨텐츠 등을 포함할 수 있다.
이어서, 프로세서(130)는 식별된 적어도 하나의 센서로부터 센싱된 뇌파 신호에 기초하여 사용자 명령을 식별하고, 식별된 사용자 명령에 기초하여 컨텐츠를 제어할 수 있다. 예를 들어, 프로세서(130)는 사용자(10)의 측두엽에 대응되는 영역에 부착된 적어도 하나의 센서로부터 센싱된 뇌파 신호에 기초하여 사용자 명령을 식별하며, 사용자 명령에 기초하여 전자 장치를 제어할 수 있다.
다만, 상술한 예시에서 프로세서(130)는 측두엽에 대응되는 영역에 부착된 적어도 하나의 센서로부터 센싱된 뇌파 신호만을 이용하여 사용자 명령을 식별할 수도 있고, 측두엽에 대응되는 영역에 부착된 적어도 하나의 센서로부터 센싱된 뇌파 신호에 상대적으로 높은 가중치를 부여하고 복수의 센서(120) 중 나머지 센서로부터 센싱된 뇌파 신호에 상대적으로 낮은 가중치를 부여하여 사용자 명령을 식별할 수도 있음은 물론이다.
예를 들어, 프로세서(130)는 신경망 모델에 의해 식별된 제1 및 제2 센서로부터 수신된 뇌파 신호에 기초하여 사용자 명령을 식별할 수 있다. 여기서, 제1 센서는 측두엽에 대응되는 영역에 부착된 센서이고, 제2 센서는 전두엽에 대응되는 영역에 부착된 센서일 수 있다. 프로세서(130)는 제1 센서로부터 수신된 뇌파 신호에 상대적으로 높은 가중치를 부여하고, 제2 센서로부터 수신된 뇌파 신호에 상대적으로 낮은 가중치를 부여하여 사용자 명령을 식별할 수도 있다.
한편, 상술한 예시에서는 시각 자극 컨텐츠(1)가 제공되는 경우에 신경망 모델이 후두엽에 대응되는 영역에 부착된 센서를 식별하고, 청각 자극 컨텐츠(2)가 제공되는 경우에 신경망 모델이 측두엽에 대응되는 영역에 부착된 센서를 식별하는 것으로 상정하여 설명하였으나, 이는 예시에 불과하며 이에 한정되지 않음은 물론이다.
예를 들어, 신경망 모델은 전자 장치(100)가 청각 자극 컨텐츠(2)를 출력하는 경우에, 전두엽에 대응되는 영역 특히, 언어의 발성 시 활성화되는 브로카 영역에 부착된 센서를 식별할 수도 있음은 물론이다.
도 4 및 도 5는 각각 컨텐츠를 크게 시각 자극 컨텐츠(1)와 청각 자극 컨텐츠(2)로 구분하여 도시하였으나, 이는 예시에 불과하며 이에 한정되지 않음은 물론이다.
예를 들어, 신경망 모델은 컨텐츠에 대한 정보에 기초하여 사용자(10)의 신체 움직임과 관련된 뇌 기능에 대한 뇌파 신호를 획득하기 위해 복수의 센서(120) 중 체성감각피질(Somatosensory Cortex)에 부착된 센서를 식별할 수 있다. 이어서, 프로세서(130)는 체성감각피질(Somatosensory Cortex)에 부착된 센서로부터 수신된 뇌파 신호에 기초하여 사용자 명령을 식별할 수 있다.
도 6은 본 개시의 일 실시 예에 따른 컨텍스트 정보를 설명하기 위한 도면이다.
도 6을 참조하면, 컨텍스트 정보는 사용자(10)의 주변 소음 정보를 포함할 수 있다.
도 3의 (a)에 도시된 바와 같이 복수의 센서(120)는 사용자(10)의 머리에 전반적으로 부착되어, 뇌를 구성하는 복수의 영역으로부터 뇌파 신호를 센싱할 수 있다.
다만, 뇌 활성 시 복수의 센서(120)가 센싱한 뇌파 신호는 여러 종류의 잡음(Noise) 또는 사용자 명령을 식별하는데 있어서 불필요한 뇌파 신호를 포함할 수 있다.
예를 들어, 주변 소음으로 인하여 측두엽이 활성화되는 경우에, 측두엽에 대응되는 영역에 부착된 센서로부터 수신된 뇌파 신호는 사용자 명령을 식별하는데 불필요한 뇌파 신호일 수 있다.
프로세서(130)는 전자 장치(100)에 구비된 마이크(미도시)에 기초하여 주변 소음 정보를 획득하며, 주변 소음 정보에 기초하여 임계 수치 이상의 주변 소음이 감지되면, 복수의 센서(120)로부터 수신된 뇌파 신호 중 측두엽에 대응되는 영역에 부착된 센서로부터 수신된 뇌파 신호를 제외한 나머지 뇌파 신호에 기초하여 사용자 명령을 식별할 수 있다.
다른 예로, 컨텐츠가 시각 자극 컨텐츠(1)인 경우에, 측두엽에 대응되는 영역에 부착된 센서로부터 수신된 뇌파 신호는 사용자 명령을 식별하는데 불필요한 뇌파 신호일 수 있다. 이 경우, 프로세서(130)는 복수의 센서(120)로부터 수신된 뇌파 신호 중 측두엽에 대응되는 영역에 부착된 센서로부터 수신된 뇌파 신호를 제외한 나머지 뇌파 신호에 기초하여 사용자 명령을 식별할 수 있다.
또 다른 예로, 컨텐츠가 청각 자극 컨텐츠(2)인 경우에, 후두엽에 대응되는 영역에 부착된 센서로부터 수신된 뇌파 신호는 사용자 명령을 식별하는데 불필요한 뇌파 신호일 수 있다. 이 경우, 프로세서(130)는 복수의 센서(120)로부터 수신된 뇌파 신호 중 후두엽에 대응되는 영역에 부착된 센서로부터 수신된 뇌파 신호를 제외한 나머지 뇌파 신호에 기초하여 사용자 명령을 식별할 수 있다.
여기서, 특정 뇌파 신호를 제외함의 의미는 나머지 뇌파 신호보다 상대적으로 낮은 가중치를 부여함을 의미할 수도 있다.
본 개시의 일 실시 예에 따른 신경망 모델은 사용자(10)의 컨텍스트 정보 및 컨텐츠에 대한 정보를 이용하여 뇌를 구성하는 복수의 영역 중 사용자(10)의 의도에 따라 활성화되는 영역을 식별하도록 학습된 모델일 수 있다.
한편, 신경망 모델, 인공 지능 모델이 학습된다는 것은, 기본 인공 지능 모델(예를 들어 임의의 랜덤한 파라미터를 포함하는 인공 지능 모델)이 학습 알고리즘에 의하여 다수의 훈련 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공 지능 모델이 만들어짐을 의미한다. 이러한 학습은 별도의 서버 및/또는 시스템을 통해 이루어질 수 있으나, 이에 한정되는 것은 아니며 전자 장치(100)에서 이루어질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning), 전이 학습(transfer learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
일 실시 예에 따른 신경망 모델은 CNN (Convolutional Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등으로 구현될 수 있으나, 이에 한정되지 않는다.
도 6은 설명의 편의를 위해 사용자(10)의 컨텍스트 정보를 주변 소음 정보로 상정하여 도시하였으나, 이에 한정되지 않음은 물론이다.
예를 들어, 사용자(10)의 컨텍스트 정보는 사용자(10)의 위치 정보, 시간 정보 등을 포함할 수도 있음은 물론이다. 신경망 모델은 사용자(10)의 컨텐츠에 대한 정보 외에도 위치 정보, 현재 시간 정보 등을 이용하여 뇌를 구성하는 복수의 영역 중 사용자(10)의 의도에 따라 활성화되는 영역을 식별하도록 학습된 모델일 수 있다.
도 2로 돌아와서, 본 개시의 일 실시 예에 따른 프로세서(130)는 사용자(10)의 신체 자극 중 특정 자극을 일으키는 가이드 컨텐츠를 출력하도록 전자 장치(100)를 제어할 수 있다.
예를 들어, 프로세서(130)는 사용자(10)의 시각을 자극하는 가이드 컨텐츠를 출력하도록 디스플레이(110)를 제어할 수 있다. 이에 대한 구체적인 설명은 도 7을 참조하여 하도록 한다.
도 7은 본 개시의 일 실시 예에 따른 가이드 컨텐츠를 설명하기 위한 도면이다.
도 7을 참조하면, 프로세서(130)는 사용자(10)의 시각을 자극하는 가이드 컨텐츠(3)를 출력하도록 디스플레이(110)를 제어할 수 있다.
예를 들어, 프로세서(130)는 문자 입력창 및 복수의 문자 키를 포함하는 키보드 UI를 표시하도록 디스플레이(110)를 제어할 수 있다.
이어서, 프로세서(130)는 복수의 센서(120)로부터 수신된 뇌파 신호를 이용하여 키보드 UI의 복수의 문자 키 중 입력될 문자 키를 식별할 수 있다. 구체적으로, 프로세서(130)는 수신된 뇌파 신호의 파형을 식별하고, 식별된 파형에 기초하여 입력될 문자 키를 식별할 수 있다.
한편, 프로세서(130)는 시각을 자극하는 컨텐츠(3)가 출력되는 동안, 복수의 센서(120)가 센싱한 뇌파 신호에 기초하여 복수의 영역 중 임계 전극 이상의 뇌파 신호가 감지된 제1 영역을 식별할 수 있다.
여기서, 임계 전극 이상의 뇌파 신호는 복수의 문자 키 중 특정 문자 키를 선택하고자 하는 사용자(10)의 의도에 따라 발생한 뇌파 신호이다. 예를 들어, 임계 전극 이상의 뇌파 신호는 사용자(10)의 시선 이동 동작 또는 눈 깜빡임 동작에 따라 발생한 뇌파 신호이다. 이를 제외한 나머지 뇌파 신호는 복수의 문자 키 중 특정 문자 키를 선택하고자 하는 사용자(10)의 의도에 따라 발생한 뇌파 신호가 아니다. 즉, 나머지 뇌파 신호는 프로세서(130)가 사용자 명령(예를 들어, 복수의 문자 키 중 입력될 문자 키)을 식별함에 있어서 불필요한 뇌파 신호에 해당한다.
도 3의 (b)에서는 전자 장치(100)가 시각 자극 컨텐츠(1)를 출력 중인 것으로 식별되면, 프로세서(130)가 후두엽에 대응되는 영역에 부착된 센서로부터 수신된 뇌파 신호에 기초하여 사용자 명령을 식별하는 것으로 상정하였으나, 사용자 특성에 따라 시각 자극 컨텐츠(1)로 인하여 활성화되는 영역이 반드시 후두엽에 대응되는 영역으로 한정되지 않음은 물론이다.
도 7에 도시된 바와 같이, 본 개시의 일 실시 예에 따른 프로세서(130)는 사용자(10)의 시각을 자극하는 가이드 컨텐츠(3)를 출력하여, 복수의 영역 중 사용자(10)의 의도에 따라 시각적 자극에 반응하는 제1 영역을 식별할 수 있다. 여기서, 제1 영역은 후두엽에 대응되는 영역일 수도 있고, 사용자 특성에 따라 상이한 영역일 수도 있음은 물론이다.
이어서, 프로세서(130)는 시각 자극 컨텐츠(1)를 출력할 때, 제1 영역에 부착된 센서로부터 수신된 뇌파 신호를 이용하여 사용자 명령을 식별할 수 있다.
다른 예로, 프로세서(130)는 사용자(10)의 청각을 자극하는 가이드 컨텐츠를 출력하도록 스피커(미도시)를 제어할 수 있다.
이어서, 프로세서(130)는 청각을 자극하는 컨텐츠(3)가 출력되는 동안, 복수의 센서(120)가 센싱한 뇌파 신호에 기초하여 복수의 영역 중 임계 전극 이상의 뇌파 신호가 감지된 제2 영역을 식별할 수 있다.
여기서, 임계 전극 이상의 뇌파 신호는 청각 자극이 수신됨에 따라 이를 해석하거나, 이에 반응하고자 하는 사용자(10)의 의도에 따라 발생한 뇌파 신호이다. 이를 제외한 나머지 뇌파 신호는 청각 자극을 해석하거나, 청각 자극에 반응하고자 하는 사용자(10)의 의도에 따라 발생한 뇌파 신호가 아니다. 즉, 나머지 뇌파 신호는 프로세서(130)가 사용자 명령을 식별함에 있어서 불필요한 뇌파 신호에 해당한다.
본 개시의 일 실시 예에 따른 프로세서(130)는 사용자(10)의 청각을 자극하는 가이드 컨텐츠를 출력하여, 복수의 영역 중 사용자(10)의 의도에 따라 청각적 자극에 반응하는 제2 영역을 식별할 수 있다. 여기서, 제2 영역은 측두엽에 대응되는 영역일 수도 있고, 사용자 특성에 따라 상이한 영역일 수도 있음은 물론이다.
이어서, 프로세서(130)는 시각 자극 컨텐츠(2)를 출력할 때, 제2 영역에 부착된 센서로부터 수신된 뇌파 신호를 이용하여 사용자 명령을 식별할 수 있다.
도 2로 돌아와서, 프로세서(130)는 알파파와 베타파 영역의 뇌파 신호를 이용하여 사용자 명령을 식별할 수 있으나, 이는 예시이며 이에 한정되지 않음은 물론이다.
복수의 센서(120)가 센싱할 수 있는 뇌파 신호로는, 델타(δ)파(0~4Hz의 주파수 성분을 갖고 있으며, 일반적으로 수면 상태에서 발생되는 뇌파), 세타(θ)파(4~8Hz의 주파수 성분을 갖고 있으며 최면이나 졸음 상태에서 발생되는 뇌파), 알파(α)파(8~13Hz의 주파수 성분을 갖고 있으며 심신이 안정을 취하고 있을 때에 발생되는 뇌파), 베타(β)파(13~30Hz의 주파수 성분을 갖고 있으며 불안하거나 긴장된 상태에서 발생되는 뇌파), 또는 감마(γ)파(30Hz 이상의 주파수 성분을 갖고 있으며 극도로 긴장을 하거나 흥분된 상태에서 발생되는 뇌파) 등을 포함할 수 있다.
한편, 복수의 센서(120)가 센싱하는 뇌파 신호 중 알파(α)파는 운동 리듬(Sensorimotor Rhythm)으로 통칭되는 뮤(μ) 파를 포함할 수도 있음은 물론이다.
본 개시의 일 실시 예에 따른 전자 장치(100)는 통신부(미도시)를 포함할 수 있다.
통신부는 외부 장치와 다양한 데이터를 송수신한다. 예를 들어, 통신부는 AP 기반의 Wi-Fi(와이파이, Wireless LAN 네트워크), 블루투스(Bluetooth), 지그비(Zigbee), 유/무선 LAN(Local Area Network), WAN(Wide Area Network), 이더넷(Ethernet), IEEE 1394, HDMI(High-Definition Multimedia Interface), USB(Universal Serial Bus), MHL(Mobile High-Definition Link), AES/EBU(Audio Engineering Society/ European Broadcasting Union), 옵티컬(Optical), 코액셜(Coaxial) 등과 같은 통신 방식을 통해 외부 장치(예를 들어, 디스플레이 장치), 외부 저장 매체(예를 들어, USB 메모리), 외부 서버(예를 들어 웹 하드) 등으로부터 다양한 데이터를 입력받을 수 있다.
예를 들어, 통신부는 프로세서(130)의 제어에 따라 복수의 센서(120)로부터 수신된 뇌파 신호, 뇌파 신호에 기초하여 획득된 사용자 명령 등을 외부 장치로 전송할 수 있다.
도 8은 본 개시의 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
본 개시의 일 실시 예에 따른 전자 장치의 제어 방법은 우선, 사용자의 컨텍스트 정보 또는 전자 장치를 통해 제공되는 컨텐츠에 대한 정보 중 적어도 하나를 신경망 모델에 입력하여 복수의 센서 중 적어도 하나의 센서를 식별한다(S810).
이어서, 식별된 적어도 하나의 센서로부터 센싱된 뇌파 신호에 기초하여 사용자 명령을 식별한다(S820).
이어서, 식별된 사용자 명령에 기초하여 컨텐츠를 제어한다(S830).
여기서, 복수의 센서 각각은, 사용자의 머리에 대응되는 상이한 복수의 영역 각각에 부착되며, 복수의 영역은, 전두엽에 대응되는 영역, 두정엽에 대응되는 영역, 후두엽에 대응되는 영역 또는 측두엽에 대응되는 영역을 포함할 수 있다.
일 실시 예에 따른 컨텐츠에 대한 정보는, 컨텐츠가 시각 자극 컨텐츠인지 또는 청각 자극 컨텐츠인지에 대한 정보를 포함하며, 사용자의 컨텍스트 정보는, 사용자의 주변 소음 정보를 포함할 수 있다.
본 개시의 일 실시 예에 따른 사용자 명령을 식별하는 S820 단계는, 컨텐츠에 대한 정보에 기초하여 컨텐츠가 시각 자극 컨텐츠로 식별되면, 복수의 센서 중 신경망 모델에 의해 식별된 제1 센서로부터 수신된 뇌파 신호에 기초하여 사용자 명령을 식별하는 단계를 포함하며, 제1 센서는, 사용자의 머리에 대응되는 복수의 영역 중 후두엽에 대응되는 영역에 부착될 수 있다.
일 실시 예에 따른 사용자 명령을 식별하는 S820 단계는, 컨텐츠에 대한 정보에 기초하여 컨텐츠가 청각 자극 컨텐츠로 식별되면, 복수의 센서 중 신경망 모델에 의해 식별된 제2 센서로부터 수신된 뇌파 신호에 기초하여 사용자 명령을 식별하는 단계를 포함하며, 제2 센서는, 사용자의 머리에 대응되는 복수의 영역 중 측두엽에 대응되는 영역에 부착될 수 있다.
일 실시 예에 따른 사용자 명령을 식별하는 S820 단계는, 사용자의 주변 소음 정보에 기초하여 복수의 센서로부터 수신된 뇌파 신호 중 측두엽에 대응되는 영역에 부착된 센서로부터 수신된 뇌파 신호를 제외한 나머지 뇌파 신호에 기초하여 사용자 명령을 식별하는 단계를 포함할 수 있다.
일 실시 예에 따른 제어 방법은, 사용자의 시각을 자극하는 가이드 컨텐츠를 출력하는 단계 및 가이드 컨텐츠가 출력되는 동안, 복수의 센서로부터 수신된 뇌파 신호에 기초하여 사용자의 머리에 대응되는 복수의 영역 중 임계 전극 이상의 뇌파 신호가 감지된 적어도 하나의 제1 영역을 식별하는 단계를 더 포함하며, 사용자 명령을 식별하는 S820 단계는, 컨텐츠에 대한 정보에 기초하여 전자 장치를 통해 제공되는 컨텐츠가 시각 자극 컨텐츠로 식별되면, 적어도 하나의 제1 영역에 부착된 센서로부터 수신된 뇌파 신호에 기초하여 사용자 명령을 식별하는 단계를 포함할 수 있다.
일 실시 예에 따른 제어 방법은, 사용자의 청각을 자극하는 가이드 컨텐츠를 출력하는 단계 및 가이드 컨텐츠가 출력되는 동안, 복수의 센서로부터 수신된 뇌파 신호에 기초하여 사용자의 머리에 대응되는 복수의 영역 중 임계 전극 이상의 뇌파 신호가 감지된 적어도 하나의 제2 영역을 식별하는 단계를 더 포함하며, 사용자 명령을 식별하는 S820 단계는, 컨텐츠에 대한 정보에 기초하여 전자 장치를 통해 제공되는 컨텐츠가 청각 자극 컨텐츠로 식별되면, 적어도 하나의 제2 영역에 부착된 센서로부터 수신된 뇌파 신호에 기초하여 사용자 명령을 식별하는 단계를 포함할 수 있다.
일 실시 예에 따른 사용자 명령은, 컨텐츠에 포함된 복수의 오브젝트 중 특정 오브젝트에 대한 선택 명령, 이동 명령, 입력된 문자 키 또는 전자 장치에 대한 제어 명령 중 적어도 하나를 포함할 수 있다.
일 실시 예에 따른 사용자 명령을 식별하는 S820 단계는, 식별된 적어도 하나의 센서로부터 수신된 뇌파 신호의 파형을 식별하는 단계 및 식별된 파형에 기초하여 사용자 명령을 식별하는 단계를 포함할 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 동작을 수행할 수 있다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 전자 장치의 프로세싱 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 특정 기기의 프로세서에 의해 실행되었을 때 상술한 다양한 실시 예에 따른 전자 장치(100)에서의 처리 동작을 특정 기기가 수행하도록 한다.
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.
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. 디스플레이;
    사용자의 머리에 부착 가능한 복수의 센서;
    상기 사용자의 컨텍스트 정보 또는 상기 디스플레이를 통해 제공되는 컨텐츠에 대한 정보 중 적어도 하나를 신경망 모델에 입력하여 상기 복수의 센서 중 적어도 하나의 센서를 식별하고,
    상기 식별된 적어도 하나의 센서로부터 센싱된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하고,
    상기 식별된 사용자 명령에 기초하여 상기 컨텐츠를 제어하는 프로세서;를 포함하는 전자 장치.
  2. 제1항에 있어서,
    상기 복수의 센서 각각은,
    상기 사용자의 머리에 대응되는 상이한 복수의 영역 각각에 부착되며,
    상기 복수의 영역은,
    전두엽에 대응되는 영역, 두정엽에 대응되는 영역, 후두엽에 대응되는 영역 또는 측두엽에 대응되는 영역을 포함하는, 전자 장치.
  3. 제1항에 있어서,
    상기 컨텐츠에 대한 정보는,
    상기 컨텐츠가 시각 자극 컨텐츠인지 또는 청각 자극 컨텐츠인지에 대한 정보를 포함하며,
    상기 사용자의 컨텍스트 정보는,
    상기 사용자의 주변 소음 정보를 포함하는, 전자 장치.
  4. 제3항에 있어서,
    상기 프로세서는,
    상기 컨텐츠에 대한 정보에 기초하여 상기 컨텐츠가 상기 시각 자극 컨텐츠로 식별되면, 상기 복수의 센서 중 상기 신경망 모델에 의해 식별된 제1 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하며,
    상기 제1 센서는,
    상기 사용자의 머리에 대응되는 복수의 영역 중 후두엽에 대응되는 영역에 부착된, 전자 장치.
  5. 제3항에 있어서,
    상기 프로세서는,
    상기 컨텐츠에 대한 정보에 기초하여 상기 컨텐츠가 상기 청각 자극 컨텐츠로 식별되면, 상기 복수의 센서 중 상기 신경망 모델에 의해 식별된 제2 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하며,
    상기 제2 센서는,
    상기 사용자의 머리에 대응되는 복수의 영역 중 측두엽에 대응되는 영역에 부착된, 전자 장치.
  6. 제3항에 있어서,
    상기 프로세서는,
    상기 사용자의 주변 소음 정보에 기초하여 상기 복수의 센서로부터 수신된 뇌파 신호 중 상기 측두엽에 대응되는 영역에 부착된 센서로부터 수신된 뇌파 신호를 제외한 나머지 뇌파 신호에 기초하여 상기 사용자 명령을 식별하는, 전자 장치.
  7. 제1항에 있어서,
    상기 프로세서는,
    사용자의 시각을 자극하는 가이드 컨텐츠를 출력하도록 상기 디스플레이를 제어하고,
    상기 가이드 컨텐츠가 출력되는 동안, 상기 복수의 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자의 머리에 대응되는 복수의 영역 중 임계 전극 이상의 뇌파 신호가 감지된 적어도 하나의 제1 영역을 식별하고,
    상기 컨텐츠에 대한 정보에 기초하여 상기 디스플레이를 통해 제공되는 컨텐츠가 시각 자극 컨텐츠로 식별되면, 상기 적어도 하나의 제1 영역에 부착된 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하는, 전자 장치.
  8. 제1항에 있어서,
    스피커;를 더 포함하며,
    상기 프로세서는,
    사용자의 청각을 자극하는 가이드 컨텐츠를 출력하도록 상기 스피커를 제어하고,
    상기 가이드 컨텐츠가 출력되는 동안, 상기 복수의 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자의 머리에 대응되는 복수의 영역 중 임계 전극 이상의 뇌파 신호가 감지된 적어도 하나의 제2 영역을 식별하고,
    상기 컨텐츠에 대한 정보에 기초하여 상기 디스플레이를 통해 제공되는 컨텐츠가 청각 자극 컨텐츠로 식별되면, 상기 적어도 하나의 제2 영역에 부착된 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하는, 전자 장치.
  9. 제1항에 있어서,
    상기 사용자 명령은,
    상기 컨텐츠에 포함된 복수의 오브젝트 중 특정 오브젝트에 대한 선택 명령, 이동 명령, 입력될 문자 키 또는 상기 전자 장치에 대한 제어 명령 중 적어도 하나를 포함하는, 전자 장치.
  10. 제1항에 있어서,
    상기 프로세서는,
    상기 식별된 적어도 하나의 센서로부터 수신된 뇌파 신호의 파형을 식별하고,
    상기 식별된 파형에 기초하여 상기 사용자 명령을 식별하는, 전자 장치.
  11. 사용자의 머리에 부착 가능한 복수의 센서를 포함하는 전자 장치의 제어 방법에 있어서,
    상기 사용자의 컨텍스트 정보 또는 상기 전자 장치를 통해 제공되는 컨텐츠에 대한 정보 중 적어도 하나를 신경망 모델에 입력하여 상기 복수의 센서 중 적어도 하나의 센서를 식별하는 단계;
    상기 식별된 적어도 하나의 센서로부터 센싱된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하는 단계; 및
    상기 식별된 사용자 명령에 기초하여 상기 컨텐츠를 제어하는 단계;를 포함하는 제어 방법.
  12. 제11항에 있어서,
    상기 복수의 센서 각각은,
    상기 사용자의 머리에 대응되는 상이한 복수의 영역 각각에 부착되며,
    상기 복수의 영역은,
    전두엽에 대응되는 영역, 두정엽에 대응되는 영역, 후두엽에 대응되는 영역 또는 측두엽에 대응되는 영역을 포함하는, 제어 방법.
  13. 제11항에 있어서,
    상기 컨텐츠에 대한 정보는,
    상기 컨텐츠가 시각 자극 컨텐츠인지 또는 청각 자극 컨텐츠인지에 대한 정보를 포함하며,
    상기 사용자의 컨텍스트 정보는,
    상기 사용자의 주변 소음 정보를 포함하는, 제어 방법.
  14. 제13항에 있어서,
    상기 사용자 명령을 식별하는 단계는,
    상기 컨텐츠에 대한 정보에 기초하여 상기 컨텐츠가 상기 시각 자극 컨텐츠로 식별되면, 상기 복수의 센서 중 상기 신경망 모델에 의해 식별된 제1 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하는 단계;를 포함하며,
    상기 제1 센서는,
    상기 사용자의 머리에 대응되는 복수의 영역 중 후두엽에 대응되는 영역에 부착된, 제어 방법.
  15. 제13항에 있어서,
    상기 사용자 명령을 식별하는 단계는,
    상기 컨텐츠에 대한 정보에 기초하여 상기 컨텐츠가 상기 청각 자극 컨텐츠로 식별되면, 상기 복수의 센서 중 상기 신경망 모델에 의해 식별된 제2 센서로부터 수신된 뇌파 신호에 기초하여 상기 사용자 명령을 식별하는 단계;를 포함하며,
    상기 제2 센서는,
    상기 사용자의 머리에 대응되는 복수의 영역 중 측두엽에 대응되는 영역에 부착된, 제어 방법.
PCT/KR2022/002889 2021-03-02 2022-03-01 전자 장치 및 그 제어 방법 WO2022186580A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0027689 2021-03-02
KR1020210027689A KR20220124022A (ko) 2021-03-02 2021-03-02 전자 장치 및 그 제어 방법

Publications (1)

Publication Number Publication Date
WO2022186580A1 true WO2022186580A1 (ko) 2022-09-09

Family

ID=83155492

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/002889 WO2022186580A1 (ko) 2021-03-02 2022-03-01 전자 장치 및 그 제어 방법

Country Status (2)

Country Link
KR (1) KR20220124022A (ko)
WO (1) WO2022186580A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101585150B1 (ko) * 2014-09-25 2016-01-14 서울대학교산학협력단 뇌 연결성에 기반한 멀티모드 뇌-컴퓨터 인터페이스 시스템
KR20160095267A (ko) * 2015-02-02 2016-08-11 한양대학교 에리카산학협력단 뇌파를 이용한 전자기기 구동 장치
KR20190097146A (ko) * 2016-12-14 2019-08-20 이너 코스모스 엘엘씨 뇌 컴퓨터 인터페이스 시스템 및 그 사용 방법
KR20200075153A (ko) * 2018-12-13 2020-06-26 성균관대학교산학협력단 뇌파 기반의 사용자 의도 인식 방법 및 장치
KR102191966B1 (ko) * 2013-05-09 2020-12-17 삼성전자주식회사 디스플레이 장치 제어 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102191966B1 (ko) * 2013-05-09 2020-12-17 삼성전자주식회사 디스플레이 장치 제어 방법 및 장치
KR101585150B1 (ko) * 2014-09-25 2016-01-14 서울대학교산학협력단 뇌 연결성에 기반한 멀티모드 뇌-컴퓨터 인터페이스 시스템
KR20160095267A (ko) * 2015-02-02 2016-08-11 한양대학교 에리카산학협력단 뇌파를 이용한 전자기기 구동 장치
KR20190097146A (ko) * 2016-12-14 2019-08-20 이너 코스모스 엘엘씨 뇌 컴퓨터 인터페이스 시스템 및 그 사용 방법
KR20200075153A (ko) * 2018-12-13 2020-06-26 성균관대학교산학협력단 뇌파 기반의 사용자 의도 인식 방법 및 장치

Also Published As

Publication number Publication date
KR20220124022A (ko) 2022-09-13

Similar Documents

Publication Publication Date Title
WO2020251135A1 (ko) 감정 인식 방법 및 이를 이용한 감정 인식용 디바이스
WO2017104869A1 (ko) 아이 브레인 인터페이스(ebi) 장치 및 그 제어 방법
US20180035886A1 (en) Method of and system for processing signals sensed from a user
EP3341818A1 (en) Method and apparatus for displaying content
KR20180055661A (ko) 전자 장치 및 그 제어 방법
WO2018174507A1 (ko) 가상현실을 이용한 신경질환 진단 장치 및 방법
KR101638095B1 (ko) 시선 인식 및 생체 신호를 이용한 헤드 마운트 디스플레이를 통해 사용자 인터페이스를 제공하는 방법, 이를 이용한 장치 및 컴퓨터 판독 가능한 기록 매체
CN107066778A (zh) 用于老年保健陪伴的Nounou智能监护系统
WO2019013456A1 (ko) 동영상 기반 발작 추적감시 방법 및 장치
WO2022097944A1 (ko) 전자 장치 및 이의 오디오 신호 처리 방법
WO2021040181A1 (ko) 선호도 결정 방법 및 이를 이용한 선호도 결정용 디바이스
WO2022131488A1 (ko) 전자 장치 및 그 제어 방법
WO2020032400A1 (ko) 사용자의 감정을 판단하기 위한 방법 및 이를 위한 장치
WO2022186580A1 (ko) 전자 장치 및 그 제어 방법
US20230229246A1 (en) Optimization on an input sensor based on sensor data
WO2020166796A1 (ko) 전자 장치 및 그 제어 방법
Nasrabadi et al. Modular streaming pipeline of eye/head tracking data using Tobii Pro Glasses 3
AU2016201929A1 (en) System and method for modifying display of augmented reality content
US11609634B2 (en) Apparatus and method for user interfacing in display glasses
WO2018080202A1 (ko) 머리 착용형 디스플레이 장치 및 그의 제어 방법
EP4161387B1 (en) Sound-based attentive state assessment
WO2022232414A9 (en) Methods, systems, and related aspects for determining a cognitive load of a sensorized device user
WO2021107394A1 (ko) 다양한 상태의 눈을 위한 동공 추적 방법 및 이를 이용한 건강 진단 시스템
WO2024106701A1 (ko) 데이터 수집 및 관리 방법, 이를 수행하기 위한 기록 매체 및 데이터 수집 및 관리 장치
WO2018199678A1 (ko) 양성돌발체위현훈의 자가 진단 및 치료 장치, 방법 및 컴퓨터 프로그램

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: 22763562

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: 22763562

Country of ref document: EP

Kind code of ref document: A1