WO2026005243A1 - 보행 정보를 이용해서 신장을 추정하는 장치 및 방법 - Google Patents

보행 정보를 이용해서 신장을 추정하는 장치 및 방법

Info

Publication number
WO2026005243A1
WO2026005243A1 PCT/KR2025/005536 KR2025005536W WO2026005243A1 WO 2026005243 A1 WO2026005243 A1 WO 2026005243A1 KR 2025005536 W KR2025005536 W KR 2025005536W WO 2026005243 A1 WO2026005243 A1 WO 2026005243A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
user
walking
height
electronic device
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
PCT/KR2025/005536
Other languages
English (en)
French (fr)
Inventor
김현성
김문섭
김태완
박정민
손지예
황민경
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
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
Priority claimed from KR1020240098511A external-priority patent/KR20260001022A/ko
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of WO2026005243A1 publication Critical patent/WO2026005243A1/ko
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Definitions

  • FIG. 11 is a diagram illustrating an example of providing a monthly growth trend in a graph format based on a user's height estimate in an electronic device according to one embodiment.
  • FIG. 12 is a diagram illustrating an example of analyzing a user's growth trend in an electronic device according to one embodiment and providing a guide based on the analyzed results.
  • FIG. 13 is a diagram illustrating a schematic structure of an electronic device according to one embodiment.
  • FIG. 14 is a diagram illustrating an electronic device within a network environment according to one embodiment.
  • first, second, A, B, (a), (b), etc. may be used to describe components of the embodiments. These terms are only intended to distinguish the components from other components, and the nature, order, or sequence of the components are not limited by the terms.
  • a component is described as being “connected,” “coupled,” or “connected” to another component, it should be understood that the component may be directly connected or connected to the other component, but another component may also be “connected,” “coupled,” or “connected” between each component.
  • FIGS. 1 to 14 a device and method for estimating height using gait information according to an embodiment of the present invention will be described in detail with reference to the attached FIGS. 1 to 14.
  • FIG. 1 is a diagram illustrating a configuration of an electronic device according to one embodiment.
  • an electronic device (100) may be configured to include a processor (110), an inertial sensor (120), a pressure sensor (130), a GPS (Global Positioning System) sensor (140), a memory (150), a display (160), and an interface (170).
  • a processor 110
  • an inertial sensor 120
  • a pressure sensor 130
  • a GPS (Global Positioning System) sensor 140
  • a memory 150
  • a display 160
  • an interface 170
  • the barometer (130) measures the atmospheric pressure of the surrounding air and can use the change in barometric pressure to calculate altitude and provide barometric pressure information.
  • the GPS sensor (140) can collect GPS information.
  • the GPS information can include latitude, longitude, altitude, speed, direction, time, and satellite information.
  • the satellite information can include information on satellite reception strength and satellite location.
  • the memory (150) can store various data used by at least one component of the electronic device (100).
  • the data may include, for example, input data or output data for software and commands related thereto.
  • the memory (150) may include volatile memory or non-volatile memory.
  • the display (160) can visually provide information to an external party (e.g., a user) of the electronic device (100).
  • the display (160) can output an estimated height and analyze the change trend of the height to output a guide according to the change in height.
  • the interface (170) is a device that provides an interface with a user of the electronic device (100) and can receive user input.
  • the user's input of the electronic device (100) may include the user's physical information.
  • the user's physical information may include at least one of the user's actual height, the user's age, and the user's gender.
  • the processor (110) obtains inertial information, barometric information, and GPS information through an inertial sensor (120), a barometric sensor (130), and a GPS sensor (140), collects the user's walking information using the inertial information, barometric information, and GPS information, and estimates the user's height by applying the user's walking information to a height estimation model.
  • the processor (110) can provide the user with a notification message notifying that the height estimation is completed.
  • the height estimation method using an electronic device (100), which is a portable terminal, is basically based on features extracted during walking, and extracts step count, walking regularity, undulation information, which is information on up-and-down movements occurring during walking, and stride as gait information.
  • step count walking regularity
  • undulation information which is information on up-and-down movements occurring during walking, and stride as gait information.
  • the user's gait must be extracted in a consistent state, and therefore, it is necessary that the posture of the electronic device (100) does not shake significantly. Accordingly, when the user walks while carrying the electronic device (100), the carrying posture may be limited to a hand-fixed posture or a case where the electronic device (100) is located in a top pocket or a back pocket of pants.
  • FIG. 6 is a drawing illustrating a situation when a user is standing and walking according to one embodiment.
  • Unduration can be estimated using the following ⁇ Mathematical Formula 1>.
  • a n is the vertical acceleration
  • V n is the vertical velocity
  • ⁇ 1 may represent the first correction value
  • ⁇ Mathematical formula 1> calculates the vertical speed (V n ) by integrating the vertical acceleration (a n ), and in order to consider the change in height due to the movement of ascent and descent that occurs during walking, the absolute value of the vertical speed (V n ) is integrated, and the result is divided by 2 to estimate the average change in height, undulation.
  • ⁇ 1 can be viewed as the first correction value according to walking habits.
  • the stride can be estimated using the following ⁇ Mathematical Formula 2>.
  • D represents stride information
  • Distance_GPS represents the distance traveled over a certain period of time
  • Step_Count represents the number of steps taken over a certain period of time
  • L represents the user's leg length
  • u represents undulation.
  • the user's movement distance over a certain period of time can be obtained through GPS information, and the user's number of steps during that period can be obtained through inertial sensor information.
  • the electronic device (100) can estimate the user's stride information by dividing the distance traveled by the number of steps.
  • This stride information can be converted into equations for undulation (u) and leg length (L), and the equation for leg length (L) can be organized as shown in ⁇ Mathematical Formula 3> below.
  • the leg length can be estimated using undulation (u) and stride information as shown in ⁇ Mathematical Formula 3> below.
  • D represents stride information
  • L represents the user's leg length
  • u represents undulation
  • FIG. 7 is a diagram illustrating data on leg length and height according to one embodiment.
  • the points represent height data for leg length
  • the graph represented by the diagonal line is an example of a height model estimated based on the points.
  • the leg length information based on the undulation and stride information can be modeled using a relationship as in ⁇ Mathematical Formula 4> below through regression analysis, and the user's height can be estimated through this.
  • h is the user's height
  • *?* is a constant term, which represents the regression coefficient corresponding to each independent variable (l i1 ... ). In other words, it indicates the magnitude of the effect of each independent variable on height.
  • ⁇ is the error term, or residual, which represents the difference between the actual value and the value predicted by the regression model.
  • l i1 is the independent variable used to predict height.
  • the height estimation accuracy can be further improved by applying the second correction value ( ⁇ 2 ) as in ⁇ Mathematical Formula 5> below.
  • the user height estimation model can be modeled as shown in ⁇ Mathematical Formula 6> below through regression analysis of the estimated leg length and user height based on the undulation and stride information.
  • ⁇ 1 and ⁇ 2 are parameters for walking habits and body proportions, respectively.
  • a height estimation model is trained using a generative AI, the Large Health Model (LHM).
  • LHM Large Health Model
  • the LHM is a sophisticated AI model that processes diverse sensor data and performs health-related data prediction and analysis based on this data. It can effectively learn and adjust high-dimensional parameters to predict specific health outcomes.
  • the LHM model's structure can be configured to enable multimodal data processing, and the training process can include various steps, from data purification to model parameter adjustment and performance evaluation.
  • the user must initially input height information measured directly at least once. This is to improve the height estimation accuracy of the height estimation model.
  • LHM can set the parameters ( ⁇ 1 , ⁇ 2 ) as in ⁇ Mathematical Formula 8> below so that ⁇ Mathematical Formula 7> below is established by reporting the initial height information directly input by the user as the actual value for the height estimation model above.
  • H in is the height information directly entered by the user.
  • W is the height estimation parameter vector to be corrected
  • ⁇ 1 and ⁇ 2 are the height estimation parameters for gait habits and body proportions, respectively.
  • the estimated height information ( ) and the height information entered by the user ( ) is the error objective function It can be defined as , and the height estimation parameter can be optimized by estimating W that minimizes the output value of this objective function.
  • Figure 8 is a diagram illustrating a simulation example of learning a height estimation model according to one embodiment.
  • the upper graph (810) represents raw data for the three axes of acceleration during walking
  • the lower graph (820) is a graph representing undulation calculated from an acceleration sensor.
  • the undulation can be calculated as an average value for the section in which the user walked at a constant speed and a certain number of steps or more.
  • the results of estimating the user height using the initial height estimation model for the example in Fig. 8 above are as follows. Since model learning has not yet occurred in the initial stage of the height estimation model, the parameters ⁇ 1 and ⁇ 2 can be set to the initial value 1. In this example, the undulation was calculated as the average of 500 steps, and the stride information was calculated by dividing the number of steps by the GPS movement distance, and these were input to the height estimation model to obtain the height estimation value. As a result of estimating the height using the height estimation model before learning, the user height was estimated to be 174.1936 (cm) as shown below.
  • the height estimation model After training the height estimation model and adjusting the parameters ⁇ 1 and ⁇ 2 , more accurate height estimation is possible. After training the height estimation model, when the user walked 500 steps again, the height estimation result was estimated to be 176.1969 (cm).
  • the height estimation model Before the height estimation model was trained, an error of about 1.8 (cm) occurred, but after the model was trained, an error of about 0.2 (cm) occurred.
  • the height estimation model may not have been completely trained once. After the user inputs the initial height information, the height information may be valid as the actual measurement value within a certain period of time. Therefore, if there is additional valid gait data collected within the certain period, the height estimation model can be retrained using the above method and the model can be updated, and through this, the estimation accuracy of the height estimation model can be gradually improved.
  • FIG. 2 is a diagram illustrating the operation of a processor of an electronic device according to one embodiment.
  • the processor (110) when it receives inertial information and air pressure information, it performs preprocessing on the sensor data using a filter such as a low pass filter (LPF) and a high pass filter (HPF) to remove noise from the sensor data.
  • a filter such as a low pass filter (LPF) and a high pass filter (HPF) to remove noise from the sensor data.
  • LPF low pass filter
  • HPF high pass filter
  • the processor (110) can determine an analysis time zone, which is a time to analyze gait information through activity pattern analysis based on preprocessed inertial information, preprocessed air pressure information, and accumulated and stored gait information.
  • the processor (110) can operate to estimate height only during the analysis time zone. However, if the processor (110) repeatedly determines a preset number of times that the collected inertial information, air pressure information, and GPS information during the set analysis time zone is not in a suitable state for collecting gait information, the analysis time zone can be set again. At this time, the analysis time zone can be set by the processor (110) analyzing the user's activity pattern, or the user can directly set a specific time.
  • the processor (110) can use preprocessed inertial information and preprocessed air pressure information to determine whether the walking environment is flat, a slope, or stairs.
  • the processor (110) can check the GPS signal strength from the GPS information and determine whether the GPS signal strength exceeds a reference value.
  • the processor (110) can estimate the stride length using only inertial information if the GPS information is inaccurate.
  • the processor (110) collects stride length data according to the walking frequency through experiments, models the collected data using a regression model to create a stride length model, obtains the walking frequency when the user walks, inputs it to the stride length model, and obtains the stride length as an output.
  • the processor (110) can determine that the user's walking information can be accurately collected if the user is not swinging his/her hand, is walking, the walking speed is constant within a preset range, the walking environment is flat, and the GPS electric field is greater than a preset strength.
  • the processor (110) can use inertial information to determine whether a hand is swinging, use at least one of the inertial information and GPS information to determine whether walking is taking place, use at least one of the inertial information and GPS information to check the walking speed, use at least one of the inertial information and GPS information to check whether the walking environment is flat, a slope, or stairs, and use at least one of the air pressure information and GPS information to check the GPS electric field to check the accuracy of the GPS signal.
  • the processor (110) can learn a height estimation model through operation 232, apply a height estimation model through operation 234, or analyze a growth trend of height through operation 236 using an artificial intelligence model/engine.
  • the artificial intelligence model/engine may be a rule-based artificial intelligence model or a generative artificial intelligence model.
  • the artificial intelligence model/engine may be a large health model (LHM), which is a generative artificial intelligence model based on large-scale health data.
  • the processor (110) accumulates and stores gait information, and when the amount of data of the accumulated gait information has been collected to a level that can be learned, the processor (110) requests and receives user's body information using an artificial intelligence model/engine, learns to estimate the user's height using the user's body information, number of steps, gait speed, undulation information, and stride length, and updates the existing height estimation model with the learned height estimation model.
  • the user's body information may include at least one of the user's actual height, the user's age, and the user's gender.
  • the processor (110) may output a guidance message to the user notifying that the learning or updating of the height estimation model is completed.
  • the processor (110) inputs gait information including the number of steps (222), gait speed (224), undulation information (226), and stride length (228) into the height estimation model, and can confirm the user's estimated height information as the output of the height estimation model.
  • the processor (110) can provide the estimated height information confirmed in operation 234 to the user.
  • the processor (110) can analyze the accumulated and stored changes in the user's height. At this time, the growth trend can be monitored and analyzed on a monthly basis, and information such as the height growth rate, expected adult height, and current position relative to the growth curve can be provided.
  • the processor (110) can provide guidance based on growth trend analysis.
  • the guidance can recommend a nutritional intake plan and diet to ensure adequate intake of key nutrients (calcium, protein, iron, etc.) appropriate for growth and age, or recommend an exercise plan and activities, including stretching to stimulate growth plates and jumping activities that can aid in height growth, depending on the user's physical growth status. Additionally, if the user's growth pattern deviates from the typical range, personalized services can be provided, such as suggesting consultation with a growth clinic specialist for early diagnosis and treatment.
  • FIG. 3 is a flowchart schematically illustrating a flow for estimating height using gait information according to one embodiment.
  • the electronic device (100) can collect the user's gait information. More specifically, a method for collecting the user's gait information will be described with reference to FIG. 4.
  • the electronic device (100) can estimate the user's height by applying the user's gait information to a height estimation model.
  • Figure 4 is a flowchart illustrating a flow for collecting gait information according to one embodiment.
  • the electronic device (100) can obtain inertial information, barometric information, and GPS information through the inertial sensor (120), barometric sensor (130), and GPS sensor (140) included in the electronic device (100).
  • the electronic device (100) can check whether the current electronic device (100) is in a state suitable for collecting gait information.
  • the electronic device (100) can use inertial information, air pressure information, and GPS information to check whether hand swing, walking, walking speed, walking environment, and GPS electric field to determine whether walking information can be collected.
  • the electronic device (100) can use inertial information to determine whether hand swing is performed, use at least one of the inertial information and the GPS information to determine whether walking is performed, use at least one of the inertial information and the GPS information to confirm walking speed, use at least one of the air pressure information and the GPS information to determine whether the walking environment is flat ground, a slope, or stairs, and use GPS information to check the GPS electric field to confirm the accuracy of the GPS signal.
  • the electronic device (100) can be judged to be in a state where it can accurately collect the user's walking information if the user is not swinging his/her hand, is walking, the walking speed is constant within a preset range, the walking environment is flat, and the GPS electric field is above a preset strength.
  • the electronic device (100) can estimate the number of steps, walking speed, undulation information, which is information on up-and-down movements occurring during walking, and stride length using at least one of inertial information, air pressure information, and GPS information.
  • FIG. 5 is a flowchart illustrating a process of learning a height estimation model using gait information and estimating height using the learned height estimation model according to one embodiment.
  • the electronic device (100) can obtain inertial information, barometric information, and GPS information through the inertial sensor (120), barometric sensor (130), and GPS sensor (140) included in the electronic device (100).
  • the electronic device (100) can determine an analysis time zone, which is the time to analyze gait information through activity pattern analysis based on accumulated gait information. For example, if a user goes to school at 8:00 AM, carries a cell phone in his/her pocket during the school commute, and the moving path is flat and the GPS field is determined to be good, the electronic device (100) can set a certain period of time from 8:00 AM as the analysis time zone and perform height estimation daily or at certain daily intervals.
  • the electronic device (100) can check whether the current electronic device (100) is in a state suitable for collecting gait information.
  • the electronic device (100) can use inertial information, air pressure information, and GPS information to check whether hand swing, walking, walking speed, walking environment, and GPS electric field to determine whether walking information can be collected.
  • the electronic device (100) can use inertial information to determine whether hand swing is performed, use at least one of the inertial information and the GPS information to determine whether walking is performed, use at least one of the inertial information and the GPS information to confirm walking speed, use at least one of the air pressure information and the GPS information to determine whether the walking environment is flat ground, a slope, or stairs, and use GPS information to check the GPS electric field to confirm the accuracy of the GPS signal.
  • the electronic device (100) can be determined to be in a state where it can accurately collect the user's walking information if the user is not swinging his/her hand, is walking, the walking speed is constant within a preset range, the walking environment is flat, and the GPS electric field is above a preset strength.
  • the electronic device (100) can estimate the user's gait information using at least one of inertial information, air pressure information, and GPS information.
  • the user's gait information may include the number of steps, walking speed, undulation information (up-and-down movement information generated during walking), and stride length.
  • the electronic device (100) can accumulate and store the estimated gait information for the purpose of learning a height estimation model.
  • the electronic device (100) can check whether the amount of data of walking information accumulated in operation 540 has been collected to a level that can be learned.
  • the electronic device (100) can return to operation 510 and repeat a series of operations.
  • the electronic device (100) can learn a height estimation model in operation 552.
  • the electronic device (100) may request and receive user body information, and learn to estimate the user's height using the user's body information, step count, walking speed, undulation information, and stride length. At this time, the learning may be performed using generative artificial intelligence.
  • the user's body information may include at least one of the user's actual height, the user's age, and the user's gender.
  • the electronic device (100) can update the existing height estimation model with a learned height estimation model.
  • the electronic device (100) can determine whether height estimation is possible by checking whether a height estimation model generated through learning exists.
  • the electronic device (100) can return to operation 510 and repeat a series of operations.
  • the electronic device (100) can estimate the height using the height estimation model in operation 562. More specifically, the electronic device (100) can input gait information including the number of steps, gait speed, undulation information, and stride length estimated in operation 540 into the height estimation model, and can confirm the user's estimated height information as the output of the height estimation model and provide it to the user.
  • the electronic device (100) can analyze the accumulated and stored change trends of the user's height and provide the user with a guide according to the height change.
  • the growth trend can be monitored and analyzed on a monthly basis, and information such as the height growth rate, expected adult height, and current position compared to the growth curve can be provided.
  • the guide can recommend a nutritional intake plan and diet to ensure that the user can consume the appropriate major nutrients (calcium, protein, iron, etc.) appropriate for growth and age, or can recommend an exercise plan and activity that includes stretching to stimulate the growth plate and jumping activities that can help with height growth depending on the user's physical growth status.
  • personalized services such as suggesting a consultation with a growth clinic expert to enable early diagnosis and treatment can be provided.
  • actions 550 and 560 are performed separately and can also be performed simultaneously in parallel.
  • FIG. 9 is a diagram illustrating an example of providing a notification when an electronic device detects that a user's height has grown according to an embodiment.
  • the electronic device (100) may inform the user that the height has grown through a first guidance message (910) and may inquire whether to confirm the user's estimated height through a second guidance message (920).
  • the electronic device (100) may request the user's height information through a third guidance message (930).
  • the user's height information collected in this manner may be used to learn a height estimation model.
  • FIG. 10 is a diagram illustrating an example of a guidance message output to obtain accurate walking information in an electronic device according to one embodiment.
  • the electronic device (100) can identify the user's behavioral pattern based on inertial information and GPS information, and can provide the user with a guidance message (1010) while walking in order to better collect information for height estimation regarding the user's repeated walking situations at a specific time.
  • the electronic device (100) determines that it is capable of accurately collecting the user's gait information and that it is capable of accurately collecting the user's gait information by only modifying the hand swing, it can provide a guidance message (1010) to guide the user to collect accurate gait information.
  • FIG. 11 is a diagram illustrating an example of providing a monthly growth trend in a graph format based on a user's height estimate in an electronic device according to one embodiment.
  • the electronic device (100) may output a guidance message (1110) that provides a monthly growth trend in a graph format based on the user's height estimate.
  • the electronic device (100) may calculate and provide the user's height growth rate compared to the previous year.
  • the electronic device (100) may analyze the user's growth trend and growth pattern to predict the expected future height and provide the expected height at the end of growth.
  • the electronic device (100) may display a correction value as indicated by a bold line in the guidance message (1110). In addition, the electronic device (100) may retrain the height estimation model at the time actual height information is input to estimate more accurate height information.
  • FIG. 12 is a diagram illustrating an example of analyzing a user's growth trend in an electronic device according to one embodiment and providing a guide based on the analyzed results.
  • the electronic device (100) can provide a user with a guidance message (1210) including guide information based on growth trend analysis.
  • the electronic device (100) may analyze the user's growth trend and recommend a nutritional intake plan and diet so that the user can consume the appropriate amount of major nutrients (calcium, protein, iron, etc.) suitable for the user's growth and age, or may recommend an exercise plan and activity including stretching that can stimulate the growth plate and jumping activities that can help with height growth through a guidance message (1210) depending on the user's physical growth status.
  • major nutrients calcium, protein, iron, etc.
  • the electronic device (100) can provide personalized services, such as suggesting a consultation with a growth clinic expert to enable early diagnosis and treatment when the user's growth pattern is outside the normal range, through a guidance message (1210).
  • FIG. 13 is a diagram illustrating a schematic structure of an electronic device according to one embodiment.
  • an electronic device (1300) may be configured to include a processor (1310) and a memory (1320).
  • the memory (1320) can store various data used by at least one component (e.g., the processor (1310)) of the electronic device (1300).
  • the data can include, for example, input data or output data for software and commands related thereto.
  • the memory (1320) can include volatile memory or non-volatile memory. In this case, the memory (1320) can have a configuration corresponding to the memory (130) of FIG. 1.
  • the processor (1310) can control the overall operation of the electronic device (1300).
  • the processor (1310) can obtain inertial information, air pressure information, and GPS information, collect the user's gait information using the inertial information, air pressure information, and GPS information, receive the user's body information, learn a height estimation model that estimates the user's height using the gait information and the user's body information, and estimate the user's height by applying the user's gait information to the learned height estimation model.
  • the processor (1310) may have a configuration corresponding to the processor (110) of FIGS. 1 and 2.
  • FIG. 14 is a diagram illustrating an electronic device within a network environment according to one embodiment.
  • an electronic device (1401) may communicate with an electronic device (1402) via a first network (1498) (e.g., a short-range wireless communication network), or may communicate with an electronic device (1404) or a server (1408) via a second network (1499) (e.g., a long-range wireless communication network).
  • the electronic device (1401) may communicate with the electronic device (1404) via the server (1408).
  • the electronic device (1401) may include a processor (1420), a memory (1430), an input module (1450), an audio output module (1455), a display module (1460), an audio module (1470), a sensor module (1476), an interface (1477), a connection terminal (1478), a haptic module (1479), a camera module (1480), a power management module (1488), a battery (1489), a communication module (1490), a subscriber identification module (1496), or an antenna module (1497).
  • the electronic device (1401) may omit at least one of these components (e.g., the connection terminal (1478)), or may have one or more other components added.
  • some of these components e.g., sensor module (1476), camera module (1480), or antenna module (1497)
  • the processor (1420) may, for example, execute software (e.g., a program (1440)) to control at least one other component (e.g., a hardware or software component) of the electronic device (1401) connected to the processor (1420) and perform various data processing or operations.
  • the processor (1420) may store a command or data received from another component (e.g., a sensor module (1476) or a communication module (1490)) in a volatile memory (1432), process the command or data stored in the volatile memory (1432), and store the resulting data in a non-volatile memory (1434).
  • the processor (1420) may have a configuration corresponding to the processor (110) of FIG. 1 and the processor (1310) of FIG. 13.
  • the processor (1420) may include a main processor (1421) (e.g., a central processing unit or an application processor) or an auxiliary processor (1423) (e.g., a graphics processing unit, a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor) that can operate independently or together with the main processor (1421).
  • a main processor e.g., a central processing unit or an application processor
  • an auxiliary processor e.g., a graphics processing unit, a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor
  • the auxiliary processor (1423) may be configured to use less power than the main processor (1421) or to be specialized for a given function.
  • the auxiliary processor (1423) may be implemented separately from the main processor (1421) or as a part thereof.
  • the auxiliary processor (1423) may control at least a portion of functions or states associated with at least one component (e.g., the display module (1460), the sensor module (1476), or the communication module (1490)) of the electronic device (1401), for example, on behalf of the main processor (1421) while the main processor (1421) is in an inactive (e.g., sleep) state, or together with the main processor (1421) while the main processor (1421) is in an active (e.g., application execution) state.
  • the auxiliary processor (1423) e.g., an image signal processor or a communication processor
  • the auxiliary processor (1423) may include a hardware structure specialized for processing artificial intelligence models.
  • the artificial intelligence models may be generated through machine learning. This learning can be performed, for example, in the electronic device (1401) itself where artificial intelligence is performed, or can be performed through a separate server (e.g., server (1408)).
  • the learning algorithm can include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but is not limited to the examples described above.
  • the artificial intelligence model can include a plurality of artificial neural network layers.
  • the artificial neural network can be one of a deep neural network (DNN), 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), deep Q-networks, or a combination of two or more of the above, but is not limited to the examples described above.
  • the artificial intelligence model can additionally or alternatively include a software structure.
  • the memory (1430) can store various data used by at least one component (e.g., the processor (1420) or the sensor module (1476)) of the electronic device (1401).
  • the data can include, for example, software (e.g., the program (1440)) and input data or output data for commands related thereto.
  • the memory (1430) can include a volatile memory (1432) or a non-volatile memory (1434). In this case, the memory (1430) can have a configuration corresponding to the memory (130) of FIG. 1 and the memory (1320) of FIG. 13.
  • the program (1440) may be stored as software in memory (1430) and may include, for example, an operating system (1442), middleware (1444), or an application (1446).
  • the input module (1450) can receive commands or data to be used in a component (e.g., processor (1420)) of the electronic device (1401) from an external source (e.g., a user) of the electronic device (1401).
  • the input module (1450) can include, for example, a microphone, a mouse, a keyboard, a key (e.g., a button), or a digital pen (e.g., a stylus pen).
  • the input module (1450) can be configured to include the microphone (130) of FIG. 1.
  • the audio output module (1455) can output audio signals to the outside of the electronic device (1401).
  • the audio output module (1455) can include, for example, a speaker or a receiver.
  • the speaker can be used for general purposes, such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. In one embodiment, the receiver can be implemented separately from the speaker or as part of the speaker.
  • the display module (1460) can visually provide information to an external party (e.g., a user) of the electronic device (1401).
  • the display module (1460) may include, for example, a display, a holographic device, or a projector, and a control circuit for controlling the device.
  • the display module (1460) may include a touch sensor configured to detect a touch, or a pressure sensor configured to measure the intensity of a force generated by the touch.
  • the display module (1460) may have a configuration corresponding to the displayer (160) of FIG. 1.
  • the audio module (1470) can convert sound into an electrical signal, or vice versa. According to one embodiment, the audio module (1470) can acquire sound through the input module (1450), output sound through the sound output module (1455), or an external electronic device (e.g., electronic device (1402)) (e.g., speaker or headphone) directly or wirelessly connected to the electronic device (1401).
  • an external electronic device e.g., electronic device (1402)
  • electronic device e.g., speaker or headphone
  • the sensor module (1476) can detect the operating status (e.g., power or temperature) of the electronic device (1401) or the external environmental status (e.g., user status) and generate an electrical signal or data value corresponding to the detected status.
  • the sensor module (1476) may include, for example, a gesture sensor, a gyro sensor, a pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, a temperature sensor, a humidity sensor, or an illuminance sensor.
  • the sensor module (1476) may be configured to include the inertial sensor (120), the pressure sensor (130), and the GPS sensor (140) of FIG. 1.
  • the interface (1477) may support one or more designated protocols that may be used to directly or wirelessly connect the electronic device (1401) to an external electronic device (e.g., the electronic device (1402)).
  • the interface (1477) may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • the interface (1477) may be configured to include the interface (170) of FIG. 1.
  • connection terminal (1478) may include a connector through which the electronic device (1401) may be physically connected to an external electronic device (e.g., the electronic device (1402)).
  • the connection terminal (1478) may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (e.g., a headphone connector).
  • the haptic module (1479) can convert electrical signals into mechanical stimuli (e.g., vibration or movement) or electrical stimuli that a user can perceive through tactile or kinesthetic sensations.
  • the haptic module (1479) may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module (1480) can capture still images and videos.
  • the camera module (1480) may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module (1488) can manage the power supplied to the electronic device (1401). According to one embodiment, the power management module (1488) can be implemented as, for example, at least a part of a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • a battery (1489) may power at least one component of the electronic device (1401).
  • the battery (1489) may include, for example, a non-rechargeable primary battery, a rechargeable secondary battery, or a fuel cell.
  • the communication module (1490) may support the establishment of a direct (e.g., wired) communication channel or a wireless communication channel between the electronic device (1401) and an external electronic device (e.g., electronic device (1402), electronic device (1404), or server (1408)), and the performance of communication through the established communication channel.
  • the communication module (1490) may operate independently from the processor (1420) (e.g., application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • the communication module (1490) may include a wireless communication module (1492) (e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module (1494) (e.g., a local area network (LAN) communication module, or a power line communication module).
  • a wireless communication module e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • wired communication module e.g., a local area network (LAN) communication module, or a power line communication module.
  • a corresponding communication module can communicate with an external electronic device (1404) via a first network (1498) (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network (1499) (e.g., a long-range communication network such as a legacy cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., a local area network or a wide area network)).
  • a first network e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)
  • a second network e.g., a long-range communication network such as a legacy cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., a local area network or a wide area network)
  • a single component
  • the wireless communication module (1492) can verify or authenticate the electronic device (1401) within a communication network such as the first network (1498) or the second network (1499) by using subscriber information (e.g., an international mobile subscriber identity (IMSI)) stored in the subscriber identification module (1496).
  • subscriber information e.g., an international mobile subscriber identity (IMSI)
  • the wireless communication module (1492) can support 5G networks and next-generation communication technologies following the 4G network, such as NR access technology (new radio access technology).
  • NR access technology can support high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimizing terminal power and connecting multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency communications (URLLC (ultra-reliable and low-latency communications)).
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communications
  • URLLC ultra-reliable and low-latency communications
  • the wireless communication module (1492) can support, for example, a high-frequency band (e.g., mmWave band) to achieve a high data transmission rate.
  • a high-frequency band e.g., mmWave band
  • the wireless communication module (1492) may support various technologies for securing performance in high-frequency bands, such as beamforming, massive multiple-input and multiple-output (MIMO), full dimensional MIMO (FD-MIMO), array antenna, analog beam-forming, or large scale antenna.
  • the wireless communication module (1492) may support various requirements specified in the electronic device (1401), an external electronic device (e.g., the electronic device (1404)), or a network system (e.g., the second network (1499)).
  • the wireless communication module (1492) may support a peak data rate (e.g., 20 Gbps or more) for eMBB implementation, a loss coverage (e.g., 164 dB or less) for mMTC implementation, or a U-plane latency (e.g., 0.5 ms or less for downlink (DL) and uplink (UL), or 1 ms or less for round trip) for URLLC implementation.
  • a peak data rate e.g., 20 Gbps or more
  • a loss coverage e.g., 164 dB or less
  • U-plane latency e.g., 0.5 ms or less for downlink (DL) and uplink (UL), or 1 ms or less for round trip
  • the antenna module (1497) can transmit or receive signals or power to or from an external device (e.g., an external electronic device).
  • the antenna module (1497) may include an antenna including a radiator formed of a conductor or a conductive pattern formed on a substrate (e.g., a PCB).
  • the antenna module (1497) may include a plurality of antennas (e.g., an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network, such as the first network (1498) or the second network (1499), may be selected from the plurality of antennas by, for example, the communication module (1490).
  • a signal or power may be transmitted or received between the communication module (1490) and the external electronic device via the at least one selected antenna.
  • another component e.g., a radio frequency integrated circuit (RFIC)
  • RFIC radio frequency integrated circuit
  • the antenna module (1497) may form a mmWave antenna module.
  • the mmWave antenna module may include a printed circuit board, an RFIC disposed on or adjacent a first side (e.g., a bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., a mmWave band), and a plurality of antennas (e.g., an array antenna) disposed on or adjacent a second side (e.g., a top side or a side side) of the printed circuit board and capable of transmitting or receiving signals in the designated high frequency band.
  • a first side e.g., a bottom side
  • a plurality of antennas e.g., an array antenna
  • At least some of the above components can be interconnected and exchange signals (e.g., commands or data) with each other via a communication method between peripheral devices (e.g., a bus, GPIO (general purpose input and output), SPI (serial peripheral interface), or MIPI (mobile industry processor interface)).
  • peripheral devices e.g., a bus, GPIO (general purpose input and output), SPI (serial peripheral interface), or MIPI (mobile industry processor interface)).
  • commands or data may be transmitted or received between the electronic device (1401) and an external electronic device (1404) via a server (1408) connected to a second network (1499).
  • Each of the external electronic devices (1402 or 1404) may be the same or a different type of device as the electronic device (1401).
  • all or part of the operations executed in the electronic device (1401) may be executed in one or more of the external electronic devices (1402, 1404, or 1408).
  • the electronic device (1401) when the electronic device (1401) is to perform a certain function or service automatically or in response to a request from a user or another device, the electronic device (1401) may, instead of or in addition to executing the function or service itself, request one or more external electronic devices to perform the function or at least a part of the service.
  • One or more external electronic devices that receive the request may execute at least a portion of the requested function or service, or an additional function or service related to the request, and transmit the result of the execution to the electronic device (1401).
  • the electronic device (1401) may process the result as is or additionally and provide it as at least a portion of a response to the request.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology may be used, for example.
  • the electronic device (1401) may provide an ultra-low latency service using distributed computing or mobile edge computing, for example.
  • the external electronic device (1404) may include an Internet of Things (IoT) device.
  • the server (1408) may be an intelligent server utilizing machine learning and/or a neural network.
  • the external electronic device (1404) or the server (1408) may be included in the second network (1499).
  • the electronic device (1401) can be applied to intelligent services (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
  • a method for estimating height may include: collecting gait information of a user; and applying the gait information of the user to a height estimation model to estimate the height of the user.
  • the user's walking information may include the number of steps, walking speed, undulation information, which is information on up-and-down movements occurring during walking, and stride length.
  • the operation of collecting the user's walking information may include an operation of obtaining inertial information, air pressure information, and GPS information; and an operation of estimating the number of steps, walking speed, undulation information, which is information on up-and-down movements occurring during walking, and stride length using at least one of the inertial information, the air pressure information, and the GPS information.
  • the operation of collecting the user's gait information may include: an operation of acquiring inertial information, air pressure information, and GPS information; an operation of determining whether the user's gait information can be accurately collected; and, if the determination result indicates that the user's gait information can be accurately collected, an operation of estimating the number of steps, gait speed, undulation information, which is information on up-and-down movements occurring during walking, and stride length using at least one of the inertial information, the air pressure information, and the GPS information.
  • the operation of determining whether the user's walking information can be accurately collected may include an operation of checking whether the user is swinging his or her hand, whether the user is walking, the walking speed, the walking environment, and the GPS electric field using the inertial information, the air pressure information, and the GPS information; and an operation of determining whether the user's walking information can be accurately collected if the user is not swinging his or her hand, the user is walking, the walking speed is constant within a preset range, the walking environment is flat, and the GPS electric field is greater than a preset strength.
  • the method for estimating height may further include an action of outputting a notification requesting the user to stop the hand swing if the hand swing is the hand swing, the user is walking, the walking speed is constant within a preset range, the walking environment is flat, and the GPS field is greater than a preset strength.
  • the operation of collecting the user's walking information may include: an operation of obtaining inertial information, air pressure information, and GPS information; an operation of determining whether the user's walking information can be accurately collected; an operation of analyzing the user's lifestyle pattern to determine a time zone in which the user's walking information can be accurately collected; and an operation of collecting the user's walking information during the determined time zone.
  • the operation of collecting the user's walking information may include an operation of analyzing the user's lifestyle pattern to determine a time zone in which the user's walking information can be accurately collected; and an operation of outputting a guidance message to guide the user to collect the walking information during the determined time zone.
  • the height estimation model can output the estimated height of the user when the number of steps, the walking speed, the undulation information, and the stride included in the walking information of the user are input.
  • a method for estimating height may further include: collecting gait information of the user as learning information for learning the height estimation model; collecting body information of the user as the learning information; and learning the height estimation model using the learning information.
  • the user's body information may include at least one of the user's actual height, the user's age, and the user's gender.
  • the operation of learning the height estimation model using the learning information may include an operation of learning to estimate the height of the user using the user's body information, the number of steps, the walking speed, the undulation information, and the stride.
  • a method for estimating height may further include an operation of accumulating and storing the estimated height of the user; and an operation of analyzing a change trend of the accumulated and stored height of the user to provide guidance according to the change in height.
  • a computer-readable recording medium stores instructions, which, when executed by one or more processors, cause the computer to perform the following actions: collecting user gait information; and applying the user gait information to a height estimation model to estimate the user's height.
  • an electronic device includes one or more processors; and a memory storing instructions, which, when executed by the one or more processors, cause the electronic device to perform the following operations: collecting gait information of a user; and applying the gait information of the user to a height estimation model to estimate the height of the user.
  • the electronic device further includes an inertial sensor for sensing inertial information; a barometric pressure sensor for sensing barometric pressure information; and a GPS sensor for sensing GPS information, wherein the instructions, when executed by the one or more processors, cause the electronic device to perform the following operations: acquiring the inertial information, the barometric pressure information, and the GPS information; determining whether the user's gait information can be accurately collected; and, if the user's gait information can be accurately collected as a result of the determination, collecting the number of steps, gait steadiness, undulation information, which is information on up-and-down movements occurring during walking, and stride length as the user's gait information using at least one of the inertial information, the barometric pressure information, and the GPS information.
  • the instructions when executed by the one or more processors, cause the electronic device to perform the following operations: acquiring the inertial information, the barometric pressure information, and the GPS information; determining whether the user's gait information can be accurately collected; and,
  • the commands when executed by the one or more processors, may cause the electronic device to perform an operation of checking whether the user is in a state where the user's walking information can be accurately collected, using the inertial information, the air pressure information, and the GPS information to determine whether the user is swinging his or her hand, whether the user is walking, the walking speed, the walking environment, and the GPS field; and an operation of determining whether the user's walking information can be accurately collected if the user is not swinging his or her hand, the user is walking, the walking speed is constant within a preset range, the walking environment is flat, and the GPS field is greater than or equal to a preset strength.
  • the commands when executed by the one or more processors, may cause the electronic device to perform the following operations: acquiring the inertial information, the air pressure information, and the GPS information; determining whether the user's gait information can be accurately collected; analyzing the user's lifestyle pattern to determine a time zone in which the user's gait information can be accurately collected; and determining whether the user's gait information is collected in the determined time zone.
  • the height estimation model can output the estimated height of the user when the number of steps, the walking speed, the undulation information, and the stride included in the walking information of the user are input.
  • the instructions when executed by the one or more processors, may cause the electronic device to perform the following operations: collecting the user's gait information as learning information for learning the height estimation model; collecting the user's body information as the learning information; and learning the height estimation model using the learning information.
  • the instructions when executed by the one or more processors, may cause the electronic device to perform an operation of learning to estimate the height of the user by using the user's body information, the number of steps, the walking speed, the undulation information, and the stride when learning the height estimation model using the learning information.
  • the method according to the embodiment may be implemented in the form of program commands that can be executed through various computer means and recorded on a computer-readable medium.
  • the computer-readable medium may store program commands, data files, data structures, etc., singly or in combination.
  • the program commands recorded on the medium may be those specially designed and configured for the embodiment or may be those known and available to those skilled in the art of computer software.
  • Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, magneto-optical media such as floptical disks, and hardware devices specially configured to store and execute program commands, such as ROMs, RAMs, and flash memories.
  • Examples of the program commands include not only machine language codes generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter, etc.
  • the hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiment, and vice versa.
  • Software may include a computer program, code, instructions, or a combination of one or more of these, and may configure a processing device to perform a desired operation or, independently or collectively, command the processing device.
  • the software and/or data may be stored on any type of machine, component, physical device, virtual equipment, computer storage medium, or device, for interpretation by the processing device or for providing instructions or data to the processing device.
  • the software may also be distributed over networked computer systems, and stored or executed in a distributed manner.
  • the software and data may be stored on one or more computer-readable recording media.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Dentistry (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

본 개시는 보행 정보를 이용해서 신장을 추정하는 장치 및 방법에 관한 것으로, 사용자의 보행 정보를 수집하고, 사용자의 보행 정보를 신장 추정 모델에 적용해서 사용자의 신장을 추정할 수 있다. 사용자의 보행 정보를 수집하는 동작은, 관성 정보, 기압 정보 및 GPS 정보를 획득하는 동작, 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 판단하는 동작, 및 판단결과 사용자의 보행 정보를 정확히 수집할 수 있는 상태이면, 관성 정보, 기압 정보 및 GPS 정보 중에서 적어도 하나를 이용하여 걸음수, 보행 정속성, 보행 시 발생되는 상하 움직임 정보인 언듀레이션 정보 및 보폭을 추정하는 동작을 포함한다.

Description

보행 정보를 이용해서 신장을 추정하는 장치 및 방법
이하의 일 실시 예들은 보행 정보를 이용해서 신장을 추정하는 장치 및 방법에 관한 것이다.
현재 웨어러블 기기 및 스마트 기기는 사용자의 건강 및 일상 활동을 모니터링하는 중요한 도구로 자리잡고 있으며, 이와 더불어 대부분의 헬스 관련 솔루션들은 기본적으로 사용자들의 신장 정보를 필요로 하고 있다.
사용자의 신장 정보가 정상적으로 업데이트 되지 않은 경우, 예를 들어 성장기의 청소년이 오랜 기간 동안 신장 정보를 업데이트 하지 않은 경우에는 신장의 변화에 따라 헬스 관련 알고리즘의 정확도가 점차 떨어질 수 밖에 없게 된다. 특히, 신장은 성장기 청소년의 발달을 모니터링하는데 중요한 지표로 활용될 수 있으며, 신장 측정은 의료, 건강 관리 측면에서도 개인 맞춤형 서비스를 제공하는데 중요한 역할을 하고 있다.
본 문서에 개시되는 다양한 실시예에 따르면, 보행 정보를 이용해서 신장을 추정하는 장치 및 방법을 제공 할 수 있다.
일 실시예에 따른 신장을 추정하는 방법은, 사용자의 보행 정보를 수집하는 동작; 및 상기 사용자의 보행 정보를 신장 추정 모델에 적용해서 상기 사용자의 신장을 추정하는 동작을 포함할 수 있다.
일 실시예에 따른 전자 장치는, 하나 이상의 프로세서; 및 명령들을 저장하는 메모리를 포함하고, 상기 명령들은, 상기 하나 이상의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 사용자의 보행 정보를 수집하는 동작; 및 상기 사용자의 보행 정보를 신장 추정 모델에 적용해서 상기 사용자의 신장을 추정하는 동작을 수행하도록 할 수 있다.
도 1은 일 실시 예에 따른 전자 장치의 구성을 도시한 도면이다.
도 2는 일 실시 예에 따른 전자 장치의 프로세서의 동작을 도시한 도면이다.
도 3은 일 실시 예에 따라 보행 정보를 이용해서 신장을 추정하는 개략적인 흐름을 도시한 흐름도이다.
도 4는 일 실시 예에 따라 보행 정보를 수집하는 흐름을 도시한 흐름도이다.
도 5는 일 실시 예에 따라 보행 정보를 이용해서 신장 추정 모델을 학습하고, 학습된 신장 추정 모델을 이용해서 신장을 추정하는 흐름을 도시한 흐름도이다.
도 6은 일 실시 예에 따라 사용자가 서있을 때와 보행시의 상황을 도시한 도면이다.
도 7은 일 실시 예에 따라 다리 길이와 신장에 대한 데이터를 도시한 도면이다.
도 8은 일 실시 예에 따리 신장 추정 모델을 학습한 시뮬레이션 예시를 도시한 도면이다.
도 9는 일 실시 예에 따른 전자 장치에서 사용자의 신장이 성장했음을 감지한 경우 알림을 제공하는 예를 도시한 도면이다.
도 10은 일 실시 예에 따른 전자 장치에서 정확한 보행 정보를 획득하기 위해서 출력하는 안내 메시지의 예를 도시한 도면이다.
도 11은 일 실시 예에 따른 전자 장치에서 사용자의 신장 추정 치를 기반으로 월별 성장 추이를 그래프 형식으로 제공한 예를 도시한 도면이다.
도 12는 일 실시 예에 따른 전자 장치에서 사용자의 신장 성장 추이를 분석하고, 분석된 결과에 따른 가이드를 제공하는 예를 도시한 도면이다.
도 13은 일 실시예에 따른 전자 장치의 개략적인 구조를 도시한 도면이다.
도 14는 일 실시예에 따른 네트워크 환경 내의 전자 장치를 도시한 도면이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
또한, 실시 예의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
어느 하나의 실시 예에 포함된 구성요소와, 공통적인 기능을 포함하는 구성요소는, 다른 실시 예에서 동일한 명칭을 사용하여 설명하기로 한다. 반대되는 기재가 없는 이상, 어느 하나의 실시 예에 기재한 설명은 다른 실시 예에도 적용될 수 있으며, 중복되는 범위에서 구체적인 설명은 생략하기로 한다.
이하에서는, 본 발명의 일 실시 예에 따른 보행 정보를 이용해서 신장을 추정하는 장치 및 방법 을 첨부된 도 1 내지 도 14를 참조하여 상세히 설명한다.
도 1은 일 실시 예에 따른 전자 장치의 구성을 도시한 도면이다.
도 1을 참조하면, 전자 장치(100)는 프로세서(110), 관성 센서(120), 기압 센서(130), GPS(Global Positioning System) 센서(140), 메모리(150), 디스플레이어(160) 및 인터페이스(170)를 포함하여 구성될 수 있다.
관성 센서(120)는 가속도 센서, 자이로 센서를 포함하고, 3축 가속도 데이터와 3축 자이로 데이터를 포함하는 센서 데이터를 획득할 수 있다.
기압 센서(Barometer)(130)는 주변 공기의 대기압을 측정하고, 기압 변화를 이용해서 고도를 계산하여 기압 정보로 제공할 수 있다.
GPS 센서(140)는 GPS 정보를 수집할 수 있다. 이때, GPS 정보는 위도, 경도, 고도, 속도, 방향, 시간, 위성 정보를 포함할 수 있다. 위성 정보는 위성의 수신 강도, 위성의 위치에 관한 정보를 포함할 수 있다.
메모리(150)는 전자 장치(100)의 적어도 하나의 구성요소에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(150)는 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다.
디스플레이어(160)는 전자 장치(100)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 본 개시에 있어서, 디스플레이어(160)는 추정된 신장을 출력할 수 있고, 신장의 변화 추이를 분석하여 신장 변화에 따른 가이드를 출력할 수 있다.
인터페이스(170)는 전자 장치(100)의 사용자와의 인터페이스를 제공하는 장치로서, 사용자의 입력을 수신할 수 있다. 전자 장치(100)의 사용자의 입력으로는 사용자의 신체 정보일 수 있다. 이때, 사용자의 신체 정보는 사용자의 실측 신장, 사용자의 나이 및 사용자의 성별 중에서 적어도 하나를 포함할 수 있다.
프로세서(110)는 관성 센서(120), 기압 센서(130) 및 GPS 센서(140)를 통해서 관성 정보, 기압 정보 및 GPS 정보를 획득하고, 관성 정보, 기압 정보 및 GPS 정보를 이용해서 사용자의 보행 정보를 수집하고, 사용자의 보행 정보를 신장 추정 모델에 적용해서 사용자의 신장을 추정할 수 있다.
프로세서(110)는 사용자의 신장 추정이 완료되면, 신장 추정이 완료되었음을 알리는 알림 메시지를 사용자에게 제공할 수 있다.
그러면, 본 개시의 전자 장치(100)를 통한 신장 추정 방법을 아래에서 도 6에서 도 8을 참조하여 설명하고자 한다.
휴대 단말인 전자 장치(100)를 통한 신장 추정 방식은 기본적으로 보행 시 추출되는 특징에 기반하고 있으며, 걸음수(step count), 보행 정속성(regularity), 보행 시 발생되는 상하 움직임 정보인 언듀레이션(undulation) 정보 및 보폭(stride)을 보행 정보로서 추출하도록 하고 있다. 이러한 보행 정보를 추출하기 위해서는 사용자의 보행이 일관성 있게 나타나는 상태에서 추출 되어야 하며, 때문에 전자 장치(100)의 자세가 크게 흔들리지 않는 것이 필요하다. 따라서, 사용자가 전자 장치(100)을 휴대하여 보행할 때, 휴대 자세가 핸드 픽스(hand-fixed) 자세이거나, 전자 장치(100)이 상의 주머니 또는 바지 뒷주머니에 위치하는 경우로 한정될 수 있다.
도 6은 일 실시 예에 따라 사용자가 서있을 때와 보행시의 상황을 도시한 도면이다.
도 6을 참조하면, 사용자가 서 있는 경우와 달리 보행 시에는 다리가 벌어지면서 u 높이만큼 상하 움직임이 발생함을 알 수 있다. 도 6에서 L은 사용자의 다리 길이, D는 보폭(stride), u는 언듀레이션(undulation)을 의미한다.
언듀레이션(undulation)은 아래 <수학식 1>을 통해서 추정될 수 있다.
여기서, an은 수직 가속도이고, Vn은 수직 속력이고, θ1은 제1 보정 값을 나타낼 수 있다.
<수학식 1>은 수직 가속도(an)를 적분하여 수직 속력(Vn)을 계산하고, 보행 시 나타나는 상승, 하강에 움직임에 따른 높이 변화를 고려하기 위하여 수직 속력(Vn)의 절대 값을 적분하고, 그 결과를 2로 나누어 평균 높이 변화인 언듀레이션(undulation)을 추정한다.
또한, 사용자 마다 언듀레이션과 다리 길이의 상관 관계가 상이할 수 있기 때문에 θ1만틈의 보정값을 적용할 수 있다. 여기서, θ1은 보행 습관에 따른 제1 보정 값으로 볼 수 있다.
보폭(stride)은 아래 <수학식 2>를 통해서 추정될 수 있다.
여기서, D는 보폭 정보이고, Distance_GPS는 일정 시간 동안의 이동거리이고, Step_Count는 일정 시간 동안의 걸음 수 이고, L은 사용자의 다리 길이, u는 언듀레이션(undulation)을 나타낼 수 있다.
일정 시간 동안의 사용자의 이동 거리는 GPS 정보를 통해 획득할 수 있으며, 해당 시간 동안의 사용자의 걸음 수는 관성 센서 정보를 통해 획득할 수 있다.
전자 장치(100)는 이동 거리를 걸음 수로 나누어 사용자 보폭 정보를 추정할 수 있다. 이 보폭 정보는 언듀레이션(u)와 다리길이(L)에 대한 식으로 변환할 수 있으며, 다리 길이(L)에 대한 식으로 정리하면 아래 <수학식 3>과 같다. 즉, 다리 길이는 아래 <수학식 3>과 같이 언듀레이션(u)과 보폭 정보를 통해 추정이 가능하다.
여기서, D는 보폭 정보이고, L은 사용자의 다리 길이, u는 언듀레이션(undulation)을 나타낼 수 있다.
도 7은 일 실시 예에 따라 다리 길이와 신장에 대한 데이터를 도시한 도면이다.
도 7을 참조하면, 점들은 다리 길이에 대한 신장 데이터를 나타내며, 대각선 선으로 표현된 그래프는 점들을 기반으로 추정된 신장 모델을 나타낸 예 이다.
언듀레이션과 보폭 정보를 기반한 다리 길이 정보에 대해 회귀 분석(Regression Analysis)을 통해 아래 <수학식 4>와 같은 관계 식으로 모델링 될 수 있으며, 이를 통해 사용자의 신장을 추정할 수 있다.
여기서, h는 사용자의 신장 이고, *?*는 상수항으로, 각각의 독립 변수(li1 …)에 대응하는 회귀 계수를 의미합니다. 즉 각 독립 변수가 신장에 미치는 영향의 크기를 나타냅니다. ε는 오차항 또는 잔차(residual)로, 실제 값과 회귀 모델이 예측한 값 간의 차이를 의미합니다. li1는 신장을 예측하는데 사용되는 독립변수 입니다.
하지만 신장 추정 모델에 근접한 사용자의 경우에는 신장이 정확하게 계산되는 반면, 신장 추정 모델과 편차가 있는 사용자의 경우에는 신장이 부정확하게 계산될 수 있다. 즉, 다리 길이에 따른 신장 오차가 어느 정도 발생될 수 있음을 위의 그래프를 통해 확인할 수 있으며, 이는 다리 길이와 신장 간의 비율이 다름에 의해 나타날 수 있는 오차로 볼 수 있다. 이에 따라 본 개시에서는 아래 <수학식 5>와 같이 제2 보정값(θ2)를 적용함으로써 신장 추정 정확도를 추가적으로 개선할 수 있다.
여기서, 는 개선된 신장 정보이다.
정리하면, 사용자 신장 추정 모델은 언듀레이션과 보폭 정보를 기반으로 추정된 다리 길이와 사용자 신장에 대한 회귀 분석(Regression Analysis)를 통해 아래와 <수학식 6>같이 모델링 될 수 있다. 여기서 θ1과 θ2는 각각 보행 습관 및 신체 비율에 대한 파라미터 이다.
본 개시에서는 생성형 인공지능인 LHM (Large Health Model)을 통해 신장 추정 모델을 학습하도록 하고 있다. LHM은 다양한 센서 데이터를 처리하고, 이를 바탕으로 헬스 관련 데이터 예측 및 분석을 수행하는 고도의 인공지능 모델이다. 이는 고차원의 파라미터를 효과적으로 학습 및 조정하여 특정 헬스 결과를 예측하도록 할 수 있다. LHM 모델의 구조는 멀티 모달(multi modal) 데이터 처리가 가능하도록 구성될 수 있으며, 학습 과정은 데이터의 정제부터 모델의 파라미터 조정, 성능 평가에 이르기까지 다양한 단계를 포함할 수 있다.
앞서 설명한 신장 추정 모델을 학습 하기 위해서는 초기에 사용자가 직접 측정한 신장 정보를 최소 1회는 입력해줘야 한다. 이는 신장 추정 모델의 신장 추정 정확도를 높이기 위함이다.
LHM은 위의 신장 추정 모델에 대하여 사용자가 직접 입력해준 초기 신장 정보를 실측 값으로 보고 아래 <수학식 7>이 성립되도록 파라미터(θ1, θ2)를 아래 <수학식 8>과 같이 설정 할 수 있다.
여기서, Hin은 사용자가 직접 입력해준 신장 정보이다.
여기서, W는 보정하고자 하는 신장 추정 파라미터 벡터이며, θ1과 θ2는 각각 보행 습관 및 신체 비율에 대한 신장 추정 파라미터 이다. 추정된 신장 정보()와 사용자가 입력한 신장 정보()에 대한 오차 목적함수는 로 정의할 수 있으며, 이 목적 함수의 출력 값을 최소화 하는 W를 추정함으로써 신장 추정 파라미터를 최적화 하도록 할 수 있다.
도 8은 일 실시 예에 따리 신장 추정 모델을 학습한 시뮬레이션 예시를 도시한 도면이다.
도 8을 참조하면, 위쪽 그래프(810)는 보행 시의 가속도 3축에 대한 로우(raw data)를 나타내고, 아래쪽 그래프(820)는 가속도 센서로부터 계산된 언듀레이션을 나타내는 그래프이다.
그래프(810, 820)에서 볼 수 있듯이 사용자는 일정 속력으로 보행하고 있지만, 언듀레이션에서는 약간의 편차가 발생할 수 있으며, 때문에 사용자가 일정 속력으로 일정 걸음 수 이상 보행한 구간에 대한 평균치로 언듀레이션을 산정하도록 할 수 있다.
위의 도 8의 예에 대해 초기 신장 추정 모델을 이용하여 사용자 신장을 추정한 결과는 다음과 같다. 신장 추정 모델의 초기에는 모델 학습이 이루어지지 않은 상태이기 때문에 θ1과 θ2 파라미터가 초기값 1로 설정할 수 있다. 이 예시에서는 언듀레이션을 500걸음 보행의 평균치로 산정하였으며, 보폭 정보는 GPS 이동 거리에 걸음 수를 나누어 계산하였으며, 이들을 신장 추정 모델의 입력으로 인가하여 신장 추정 값을 얻을 수 있다. 학습되기 이전의 신장 추정 모델을 이용하여 신장을 추정해본 결과 사용자 신장은 아래와 같이 174.1936(cm)로 추정되었다.
사용자의 실제 키가 176.0(cm)라고 했을 때, 신장 추정 모델을 학습하여 파라미터 θ1과 θ2를 보정하면 θ1 = 1.007109과 θ2 = 1.014473 의 값을 얻을 수 있다.
신장 추정 모델을 학습하여 파라미터 θ1과 θ2가 보정된 후에는 보다 정확한 신장 추정이 가능하다. 신장 추정 모델 학습 후 사용자가 다시 500 걸음을 보행했을 때의 신장 추정 결과는 176.1969(cm)로 추정되었다.
신장 추정 모델이 학습되기 전에는 약 1.8(cm) 정도의 오차가 발생하였으나 모델 학습 후에는 약 0.2(cm) 정도의 오차가 발생함을 확인할 수 있다. 신장 추정 모델은 한번 학습 했다고 학습이 완전히 종료된 것이 아닐 수 있다. 사용자가 초기 신장 정보를 입력하고 일정 기간 이내에는 해당 신장 정보가 실측 값으로 유효할 수 있다. 따라서 해당 일정 기간 내에 추가로 수집된 유효 보행 데이터가 있으면, 이를 이용하여 상기 방식으로 신장 추정 모델을 재학습 하여 모델을 업데이트할 수 있으며, 이를 통해 신장 추정 모델의 추정 정확도는 점진적으로 개선될 수 있을 것 이다.
그러면, 프로세서(110)의 보다 구체적인 동작을 아래에서 도 2를 참조하여 후술한다.
도 2는 일 실시 예에 따른 전자 장치의 프로세서의 동작을 도시한 도면이다.
도 2를 참조하면, 210동작에서 프로세서(110)는 관성 정보, 기압 정보를 수신하면 로우 패스 필터(LPF; low pass filter), 하이 패스 필터(HPF; high pass filter)와 같은 필터를 이용해서 센서 데이터에 전처리를 수행하여 센서 데이터의 노이즈를 제거할 수 있다.
212동작에서 프로세서(110)는 전처리된 관성 정보, 전처리된 기압 정보 및 누적하여 저장된 보행 정보를 바탕으로 활동 패턴 분석을 통한 보행 정보를 분석할 시간인 분석 시간대를 확인할 수 있다. 프로세서(110)는 분석 시간대가 설정되면, 분석 시간대에만 신장 추정을 하도록 동작할 수 있다. 하지만, 프로세서(110)는 설정된 분석 시간대에서 관성 정보, 기압 정보 및 GPS 정보를 수집한 결과 보행 정보를 수집하기에 적합한 상태가 아닌 경우가 기설정된 횟수 반복되면, 분석 시간대를 다시 설정할 수 있다. 이때, 분석 시간대는 프로세서(110)가 사용자의 활동 패턴을 분석해서 설정할 수도 있지만, 사용자가 특정 시간을 직접 설정할 수도 있다.
214동작에서 프로세서(110)는 전처리된 관성 정보 및 전처리된 기압 정보를 이용해서 보행 환경이 평지인지 경사로 인지 계단인지 여부를 확인할 수 있다.
216동작에서 프로세서(110)는 GPS 정보에서 GPS 신호 세기를 확인하고, GPS 신호 세기가 기준값을 초과하는지 여부를 확인할 수 있다.
220동작에서 프로세서(110)는 전처리된 관성 정보, 전처리된 기압 정보 및 GPS 정보 중에서 적어도 하나를 이용해서 보행 정보를 수집하기에 적합한 상태인지 여부를 확인하고, 보행 정보를 수집하기에 적합한 상태이면, 걸음수(222), 보행 정속성(224), 보행 시 발생되는 상하 움직임 정보인 언듀레이션 정보(226) 및 보폭(228)을 포함하는 사용자의 보행 정보를 추정할 수 있다. 보행 정보를 추정하는 방법에는 관성 정보, 기압 정보 및 GPS 정보를 이용하는 방법만이 존재하는 것이 아님으로, 다른 방법을 통해서도 보행 정보를 추정할 수 있으면, 이를 본 개시에 적용할 수 있다. 예를 들어, 프로세서(110)는 별도의 GCT(gait cycle time) 센서와 연동하여 사용자의 보폭을 측정할 수 있다. 여기서 GCT는 한 발이 지면에 닿아 다시 같은 발이 지면에 닿기까지의 시간을 의미하는 보행 주기 시간을 측정하여 보행 분석에 활용되는 중요한 파라미터이고, GCT 센서는 신발에 설치될 수 있는 센서로 GCT를 측정할 수 있다.
한편, 220동작에서 프로세서(110)는 GPS 정보가 부정확한 경우 관성 정보만을 이용해서 보폭을 추정할 수도 있다. 프로세서(110)는 실험을 통한 걸음 주파수에 따른 보폭 데이터를 수집하고, 수집된 데이터를 회귀 모델(regression model)로 모델링하여 보폭 모델을 생성하고, 사용자가 보행 시 걸음 주파수를 구하여 보폭 모델의 입력으로 인가하고, 출력으로 보폭을 얻을 수 있다.
220동작에서 프로세서(110)는 전처리된 관성 정보, 전처리된 기압 정보 및 GPS 정보를 이용해서 핸드 스윙 여부, 보행 여부, 보행 속력, 보행 환경 및 GPS 전계를 확인하여 보행 정보 수집 가능 상태 여부를 확인할 수 있다.
220동작에서 프로세서(110)는 핸드 스윙이 아니고, 보행 중이고, 보행 속력이 기설정된 범위 내로 일정하고, 보행 환경이 평지이고, GPS 전계가 기설정된 강도 이상이면, 사용자의 보행 정보를 정확히 수집할 수 있는 상태로 판단할 수 있다.
220동작에서 프로세서(110)는 관성 정보를 이용해서 핸드 스윙 여부를 판단하고, 관성 정보와 GPS 정보 중에서 적어도 하나를 이용해서 보행 여부를 판단하고, 관성 정보와 GPS 정보 중에서 적어도 하나를 이용해서 보행 속력을 확인하고, 기압 정보 및 GPS 정보 중에서 적어도 하나를 이용해서 보행 환경이 평지인지 경사로 인지 계단인지 여부를 확인하고, GPS 정보를 이용해서 GPS 전계를 확인하여 GPS 신호의 정확도를 확인할 수 있다.
230동작에서 프로세서(110)는 인공지능 모델/엔진을 이용해서 232동작을 통해서 신장 추정 모델을 학습하거나, 234동작을 통해서 신장 추정 모델을 적용하거나, 236동작을 통해서 신장의 성장 추이를 분석할 수 있다. 이때, 인공지능 모델/엔진은 룰기반의 인공지능 모델일 수도 있고, 생성형 인공지능일 수 있다. 인공지능 모델/엔진은 대규모 건강 데이터를 기반으로 한 생성형 인공지능 모델인 LHM(large health model)일 수 있다.
232동작에서 프로세서(110)는 보행 정보를 누적해서 저장하고, 누적된 보행 정보의 데이터 량이 학습 가능할 정도로 모였으면, 인공지능 모델/엔진을 이용해서 사용자에게 사용자의 신체 정보를 요청해서 수신하고, 사용자의 신체 정보, 걸음수, 보행 정속성, 언듀레이션 정보 및 보폭을 이용해서 사용자의 신장을 추정하도록 학습하고, 기존에 신장 추정 모델을 학습한 신장 추정 모델로 업데이트 할 수 있다. 이때, 사용자의 신체 정보는 사용자의 실측 신장, 사용자의 나이 및 사용자의 성별 중에서 적어도 하나를 포함할 수 있다. 이때, 프로세서(110)는 신장 추정 모델의 학습이 완료되거나 업데이트가 완료되는 경우, 사용자에게 신장 추정 모델의 학습이 완료되거나 업데이트가 완료되었음을 알리는 안내 메시지를 출력할 수 있다.
234동작에서 프로세서(110)는 신장 추정 모델에 걸음수(222), 보행 정속성(224), 언듀레이션 정보(226) 및 보폭(228)을 포함하는 보행 정보를 입력하고, 신장 추정 모델의 출력으로 사용자의 추정된 신장 정보를 확인할 수 있다.
240동작에서 프로세서(110)는 234동작에서 확인한 추정된 신장 정보를 사용자에게 제공할 수 있다.
236동작에서 프로세서(110)는 누적해서 저장된 사용자의 신장의 변화 추이를 분석할 수 있다. 이때, 성장 추이는 월별로 모니터링하여 분석될 수 있으며, 신장 성장률, 예상 성인 키, 성장 곡선 대비 현재 위치 등의 정보를 제공해줄 수 있다.
250동작에서 프로세서(110)는 성장 추이 분석을 기반으로 한 가이드 제공할 수 있다. 이때, 가이드는 성장과 연령에 적합한 주요 영양소 (칼슘, 단백질, 철분 등)를 적절히 섭취할 수 있도록 영양 섭취 계획 및 식단을 추천해주거나, 사용자의 신체적 성장 상태에 따라 성장판을 자극할 수 있는 스트레칭, 키 성장에 도움을 줄 수 있는 점프 활동이 포함된 운동 계획 및 활동을 추천해줄 수 있다. 추가로, 사용자의 성장 패턴이 일반적인 범위를 벗어나는 경우에는 조기 진단 및 치료를 받을 수 있도록 성장 클리닉 전문가 상담을 제안하는 등의 개인 맞춤형 서비스를 제공해줄 수 있다.
이하, 상기와 같이 구성된 본 개시에 따른 방법을 아래에서 도면을 참조하여 설명한다.
도 3은 일 실시 예에 따라 보행 정보를 이용해서 신장을 추정하는 개략적인 흐름을 도시한 흐름도이다.
도 3을 참조하면, 310동작에서 전자 장치(100)는 사용자의 보행 정보를 수집할 수 있다. 보다 구체적으로, 도 4를 참조해서 사용자의 보행 정보를 수집하는 방법을 설명한다.
320동작에서 전자 장치(100)는 사용자의 보행 정보를 신장 추정 모델에 적용해서 사용자의 신장을 추정할 수 있다.
도 4는 일 실시 예에 따라 보행 정보를 수집하는 흐름을 도시한 흐름도이다.
도 4를 참조하면, 410동작에서 전자 장치(100)는 전자 장치(100)에 포함된 관성 센서(120), 기압 센서(130) 및 GPS 센서(140)를 통해서 관성 정보, 기압 정보 및 GPS 정보를 획득할 수 있다.
420동작에서 전자 장치(100)는 현재 전자 장치(100)가 보행 정보를 수집하기에 적합한 상태인지 여부를 확인할 수 있다.
420동작에서 전자 장치(100)는 관성 정보, 기압 정보 및 GPS 정보를 이용해서 핸드 스윙 여부, 보행 여부, 보행 속력, 보행 환경 및 GPS 전계를 확인하여 보행 정보 수집 가능 상태 여부를 확인할 수 있다. 전자 장치(100)는 관성 정보를 이용해서 핸드 스윙 여부를 판단하고, 관성 정보와 GPS 정보 중에서 적어도 하나를 이용해서 보행 여부를 판단하고, 관성 정보와 GPS 정보 중에서 적어도 하나를 이용해서 보행 속력을 확인하고, 기압 정보 및 GPS 정보 중에서 적어도 하나를 이용해서 보행 환경이 평지인지 경사로 인지 계단인지 여부를 확인하고, GPS 정보를 이용해서 GPS 전계를 확인하여 GPS 신호의 정확도를 확인할 수 있다.
420동작에서 전자 장치(100)는 핸드 스윙이 아니고, 보행 중이고, 보행 속력이 기설정된 범위 내로 일정하고, 보행 환경이 평지이고, GPS 전계가 기설정된 강도 이상이면, 사용자의 보행 정보를 정확히 수집할 수 있는 상태로 판단할 수 있다.
430동작에서 전자 장치(100)는 관성 정보, 기압 정보 및 GPS 정보 중에서 적어도 하나를 이용해서 걸음수, 보행 정속성, 보행 시 발생되는 상하 움직임 정보인 언듀레이션 정보 및 보폭을 추정할 수 있다.
도 5는 일 실시 예에 따라 보행 정보를 이용해서 신장 추정 모델을 학습하고, 학습된 신장 추정 모델을 이용해서 신장을 추정하는 흐름을 도시한 흐름도이다.
도 5를 참조하면, 510동작에서 전자 장치(100)는 전자 장치(100)에 포함된 관성 센서(120), 기압 센서(130) 및 GPS 센서(140)를 통해서 관성 정보, 기압 정보 및 GPS 정보를 획득할 수 있다.
520동작에서 전자 장치(100)는 누적된 보행 정보를 바탕으로 활동 패턴 분석을 통한 보행 정보를 분석할 시간인 분석 시간대를 확인할 수 있다. 예를 들어, 사용자가 오전 8시에 등교하는데 등교 시간대에 핸드폰을 주머니에 넣고 움직이며, 움직이는 동선이 평지이고, GPS 전계가 좋다고 판단되면, 전자 장치(100)는 오전 8시에서 일정 시간 동안을 분석 시간대로 설정하고, 매일 또는 일정 일 간격으로 신장 추정을 수행하도록 할 수 있다.
530동작에서 전자 장치(100)는 현재 전자 장치(100)가 보행 정보를 수집하기에 적합한 상태인지 여부를 확인할 수 있다.
530동작에서 전자 장치(100)는 관성 정보, 기압 정보 및 GPS 정보를 이용해서 핸드 스윙 여부, 보행 여부, 보행 속력, 보행 환경 및 GPS 전계를 확인하여 보행 정보 수집 가능 상태 여부를 확인할 수 있다. 전자 장치(100)는 관성 정보를 이용해서 핸드 스윙 여부를 판단하고, 관성 정보와 GPS 정보 중에서 적어도 하나를 이용해서 보행 여부를 판단하고, 관성 정보와 GPS 정보 중에서 적어도 하나를 이용해서 보행 속력을 확인하고, 기압 정보 및 GPS 정보 중에서 적어도 하나를 이용해서 보행 환경이 평지인지 경사로 인지 계단인지 여부를 확인하고, GPS 정보를 이용해서 GPS 전계를 확인하여 GPS 신호의 정확도를 확인할 수 있다.
530동작에서 전자 장치(100)는 핸드 스윙이 아니고, 보행 중이고, 보행 속력이 기설정된 범위 내로 일정하고, 보행 환경이 평지이고, GPS 전계가 기설정된 강도 이상이면, 사용자의 보행 정보를 정확히 수집할 수 있는 상태로 판단할 수 있다.
540동작에서 전자 장치(100)는 관성 정보, 기압 정보 및 GPS 정보 중에서 적어도 하나를 이용해서 사용자의 보행 정보를 추정할 수 있다. 이때, 사용자의 보행 정보는 걸음수, 보행 정속성, 보행 시 발생되는 상하 움직임 정보인 언듀레이션 정보 및 보폭을 포함할 수 있다. 이때, 전자 장치(100)는 추정한 보행 정보를 신장 추정 모델 학습을 위해서 누적하여 저장할 수 있다.
550동작에서 전자 장치(100)는 540동작에서 누적된 보행 정보의 데이터 량이 학습 가능할 정도로 모였는지 여부를 확인할 수 있다.
550동작의 확인결과 누적된 보행 정보의 데이터 량이 학습 가능할 정도로 모이지 않았으면, 전자 장치(100)는 510동작으로 돌아가서 일련의 동작을 반복할 수 있다.
550동작의 확인결과 누적된 보행 정보의 데이터 량이 학습 가능할 정도로 모였으면, 552동작에서 전자 장치(100)는 신장 추정 모델을 학습할 수 있다.
552동작에서 전자 장치(100)는 신장 추정 모델을 학습할 때, 사용자에게 사용자의 신체 정보를 요청해서 수신하고, 사용자의 신체 정보, 걸음수, 보행 정속성, 언듀레이션 정보 및 보폭을 이용해서 사용자의 신장을 추정하도록 학습할 수 있다. 이때, 학습은 생성형 인공지능을 통해서 수행될 수 있다. 그리고, 학습은 생성형 인공지능을 통해서 수행될 수 있다. 그리고, 사용자의 신체 정보는 사용자의 실측 신장, 사용자의 나이 및 사용자의 성별 중에서 적어도 하나를 포함할 수 있다.
554동작에서 전자 장치(100)는 기존에 신장 추정 모델을 학습한 신장 추정 모델로 업데이트 할 수 있다.
560동작에서 전자 장치(100)는 학습을 통해서 생성된 신장 추정 모델이 존재하는지 여부를 확인하여 신장 추정 가능여부를 결정할 수 있다.
560동작의 확인결과, 신장 추정 모델이 존재하여 신장 추정이 가능하지 않으면, 전자 장치(100)는 510동작으로 돌아가서 일련의 동작을 반복할 수 있다.
560동작의 확인결과, 신장 추정 모델이 존재하여 신장 추정이 가능하면, 562동작에서 전자 장치(100)는 신장 추정 모델을 이용해서 신장을 추정할 수 있다. 보다 구체적으로, 전자 장치(100)는 신장 추정 모델에 540동작에서 추정한 걸음수, 보행 정속성, 언듀레이션 정보 및 보폭을 포함하는 보행 정보를 입력하고, 신장 추정 모델의 출력으로 사용자의 추정된 신장 정보를 확인하고, 사용자에게 제공할 수 있다.
564동작에서 전자 장치(100)는 누적해서 저장된 사용자의 신장의 변화 추이를 분석하여 신장 변화에 따른 가이드를 사용자에게 제공할 수 있다. 이때, 성장 추이는 월별로 모니터링하여 분석될 수 있으며, 신장 성장률, 예상 성인 키, 성장 곡선 대비 현재 위치 등의 정보를 제공해줄 수 있다. 그리고, 가이드는 성장과 연령에 적합한 주요 영양소 (칼슘, 단백질, 철분 등)를 적절히 섭취할 수 있도록 영양 섭취 계획 및 식단을 추천해주거나, 사용자의 신체적 성장 상태에 따라 성장판을 자극할 수 있는 스트레칭, 키 성장에 도움을 줄 수 있는 점프 활동이 포함된 운동 계획 및 활동을 추천해줄 수 있다. 추가로, 사용자의 성장 패턴이 일반적인 범위를 벗어나는 경우에는 조기 진단 및 치료를 받을 수 있도록 성장 클리닉 전문가 상담을 제안하는 등의 개인 맞춤형 서비스를 제공해줄 수 있다.
이때, 550동작과 560동작은 별개로 수행되며, 병렬로 동시에 수행될 수도 있다.
도 9는 일 실시 예에 따른 전자 장치에서 사용자의 신장이 성장했음을 감지한 경우 알림을 제공하는 예를 도시한 도면이다.
도 9를 참조하면, 전자 장치(100)는 제1 안내 메시지(910)를 통해서 사용자에게 키가 성장했음을 알리고, 제2 안내 메시지(920)를 통해서 추정된 사용자의 신장을 확인해 할지 여부를 문의할 수 있습니다.
또한, 전자 장치(100)는 제3 안내 메시지(930)를 통해서사용자에게 사용자의 신장 정보를 요청할 수 있다. 이렇게 수집된 사용자의 신장 정보는 신장 추정 모델을 학습하는데 사용될 수 있다.
도 10은 일 실시 예에 따른 전자 장치에서 정확한 보행 정보를 획득하기 위해서 출력하는 안내 메시지의 예를 도시한 도면이다.
도 10을 참조하면, 전자 장치(100)는 관성 정보와 GPS정보를 기반으로 사용자의 행동 패턴을 파악할 수 있으며, 특정 시간대의 사용자의 반복되는 보행 상황에 대하여 신장 추정을 위한 정보를 좀 더 잘 수집할 수 있도록 하기 위하여 사용자에게 보행 시 안내 메시지(1010)를 제공해줄 수 있다.
즉, 전자 장치(100)는 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 확인한 결과, 핸드 스윙만을 수정하면 사용자의 보행 정보를 정확히 수집할 수 있는 상태이면, 안내 메시지(1010)를 제공하여 정확한 보행 정보를 수집할 수 있도록 유도할 수 있다.
도 11은 일 실시 예에 따른 전자 장치에서 사용자의 신장 추정 치를 기반으로 월별 성장 추이를 그래프 형식으로 제공한 예를 도시한 도면이다.
도 11을 참조하면, 전자 장치(100)는 사용자의 신장 추정 치를 기반으로 월별 성장 추이를 그래프 형식으로 제공하는 안내 메시지(1110)을 출력할 수 있다. 이때, 전자 장치(100)는 작년 대비 사용자의 신장 성장률을 산정하여 제공해줄 수 있다. 또한, 전자 장치(100)는 사용자의 성장 추이 및 성장 패턴을 분석하여 미래의 예상 신장을 예측하고, 성장 종료 시점의 예상 신장을 제공해줄 수 있다.
전자 장치(100)는 사용자가 중간에 실측된 신장 정보를 입력하게 되면, 안내 메시지(1110)의 굵은 선으로 표시한 것과 같이 수정값을 표시할 수 있다. 또한, 전자 장치(100)는 실즉된 신정 정보가 입력된 시점에 신장 추정 모델을 재학습하여 좀 더 정확한 신장 정보를 추정하도록 할 수 있다.
도 12는 일 실시 예에 따른 전자 장치에서 사용자의 신장 성장 추이를 분석하고, 분석된 결과에 따른 가이드를 제공하는 예를 도시한 도면이다.
도 12를 참조하면, 전자 장치(100)는 성장 추이 분석을 기반으로 한 가이드 정보를 포함하는 안내 메시지(1210)를 사용자에게 제공할 수 있다.
전자 장치(100)는 사용자의 신장 성장 추이를 분석하고, 사용자의 성장과 연령에 적합한 주요 영양소(칼슘, 단백질, 철분 등)를 적절히 섭취할 수 있도록 영양 섭취 계획 및 식단을 추천해주거나, 사용자의 신체적 성장 상태에 따라 성장판을 자극할 수 있는 스트레칭, 키 성장에 도움을 줄 수 있는 점프 활동이 포함된 운동 계획 및 활동을 안내 메시지(1210)를 통해서 추천해줄 수 있다.
추가로, 전자 장치(100)는 사용자의 성장 패턴이 일반적인 범위를 벗어나는 경우에는 조기 진단 및 치료를 받을 수 있도록 성장 클리닉 전문가 상담을 제안하는 등의 개인 맞춤형 서비스를 안내 메시지(1210)를 통해서 제공해줄 수 있다.
도 13은 일 실시예에 따른 전자 장치의 개략적인 구조를 도시한 도면이다.
도 13을 참조하면, 전자 장치(1300)는 프로세서(1310) 및 메모리(1320)를 포함하여 구성될 수 있다.
메모리(1320)는 전자 장치(1300)의 적어도 하나의 구성요소(예: 프로세서(1310))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(1320)는, 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다. 이때, 메모리(1320)는 도 1의 메모리(130) 에 대응하는 구성일 수 있다.
프로세서(1310)는 전자 장치(1300)의 전반적인 동작을 제어할 수 있다. 그리고, 프로세서(1310)는 관성 정보, 기압 정보 및 GPS 정보를 획득하고, 관성 정보, 기압 정보 및 GPS 정보를 이용해서 사용자의 보행 정보를 수집하고, 사용자의 신체정보를 수신하고, 보행 정보와 사용자의 신체정보를 이용하여 사용자의 신장을 추정하는 신장 추정 모델을 학습하고, 사용자의 보행 정보를 학습된 신장 추정 모델에 적용해서 사용자의 신장을 추정할 수 있다.
이때, 프로세서(1310)는 도 1과 도 2의 프로세서(110)에 대응하는 구성일 수 있다.
도 14는 일 실시예에 따른 네트워크 환경 내의 전자 장치를 도시한 도면이다.
도 14를 참조하면, 네트워크 환경(1400)에서 전자 장치(1401)는 제1 네트워크(1498)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(1402)와 통신하거나, 또는 제2 네트워크(1499)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(1404) 또는 서버(1408)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1401)는 서버(1408)를 통하여 전자 장치(1404)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(1401)는 프로세서(1420), 메모리(1430), 입력 모듈(1450), 음향 출력 모듈(1455), 디스플레이 모듈(1460), 오디오 모듈(1470), 센서 모듈(1476), 인터페이스(1477), 연결 단자(1478), 햅틱 모듈(1479), 카메라 모듈(1480), 전력 관리 모듈(1488), 배터리(1489), 통신 모듈(1490), 가입자 식별 모듈(1496), 또는 안테나 모듈(1497)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(1401)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(1478))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(1476), 카메라 모듈(1480), 또는 안테나 모듈(1497))은 하나의 구성요소(예: 디스플레이 모듈(1460))로 통합될 수 있다.
프로세서(1420)는, 예를 들면, 소프트웨어(예: 프로그램(1440))를 실행하여 프로세서(1420)에 연결된 전자 장치(1401)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(1420)는 다른 구성요소(예: 센서 모듈(1476) 또는 통신 모듈(1490))로부터 수신된 명령 또는 데이터를 휘발성 메모리(1432)에 저장하고, 휘발성 메모리(1432)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(1434)에 저장할 수 있다. 이때, 프로세서(1420)는 도 1의 프로세서(110) 및 도 13의 프로세서(1310)에 대응하는 구성일 수 있다.
일실시예에 따르면, 프로세서(1420)는 메인 프로세서(1421)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(1423)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(1401)가 메인 프로세서(1421) 및 보조 프로세서(1423)를 포함하는 경우, 보조 프로세서(1423)는 메인 프로세서(1421)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(1423)는 메인 프로세서(1421)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(1423)는, 예를 들면, 메인 프로세서(1421)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(1421)를 대신하여, 또는 메인 프로세서(1421)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(1421)와 함께, 전자 장치(1401)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(1460), 센서 모듈(1476), 또는 통신 모듈(1490))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(1423)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(1480) 또는 통신 모듈(1490))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(1423)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능이 수행되는 전자 장치(1401) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(1408))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(1430)는, 전자 장치(1401)의 적어도 하나의 구성요소(예: 프로세서(1420) 또는 센서 모듈(1476))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(1440)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(1430)는, 휘발성 메모리(1432) 또는 비휘발성 메모리(1434)를 포함할 수 있다. 이때, 메모리(1430)는 도 1의 메모리(130) 및 도 13의 메모리(1320)에 대응하는 구성일 수 있다.
프로그램(1440)은 메모리(1430)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(1442), 미들 웨어(1444) 또는 어플리케이션(1446)을 포함할 수 있다.
입력 모듈(1450)은, 전자 장치(1401)의 구성요소(예: 프로세서(1420))에 사용될 명령 또는 데이터를 전자 장치(1401)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(1450)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다. 이때, 입력 모듈(1450)은 도 1의 마이크(130)를 포함하는 구성일 수 있다.
음향 출력 모듈(1455)은 음향 신호를 전자 장치(1401)의 외부로 출력할 수 있다. 음향 출력 모듈(1455)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(1460)은 전자 장치(1401)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(1460)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(1460)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다. 이때, 디스플레이 모듈(1460)은 도 1의 디스플레이어(160)에 대응하는 구성일 수 있다.
오디오 모듈(1470)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(1470)은, 입력 모듈(1450)을 통해 소리를 획득하거나, 음향 출력 모듈(1455), 또는 전자 장치(1401)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(1402))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(1476)은 전자 장치(1401)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(1476)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다. 이때, 센서 모듈(1476)은 도 1의 관성 센서(120), 기압 센서(130) 및 GPS 센서(140)를 포함하는 구성일 수 있다.
인터페이스(1477)는 전자 장치(1401)가 외부 전자 장치(예: 전자 장치(1402))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(1477)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다. 이때, 인터페이스(1477)는 도 1의 인터페이스(170)를 포함하는 구성일 수 있다.
연결 단자(1478)는, 그를 통해서 전자 장치(1401)가 외부 전자 장치(예: 전자 장치(1402))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(1478)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(1479)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(1479)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(1480)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(1480)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(1488)은 전자 장치(1401)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(1488)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(1489)는 전자 장치(1401)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(1489)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(1490)은 전자 장치(1401)와 외부 전자 장치(예: 전자 장치(1402), 전자 장치(1404), 또는 서버(1408)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(1490)은 프로세서(1420)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(1490)은 무선 통신 모듈(1492)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(1494)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(1498)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(1499)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(1404)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(1492)은 가입자 식별 모듈(1496)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(1498) 또는 제2 네트워크(1499)와 같은 통신 네트워크 내에서 전자 장치(1401)를 확인 또는 인증할 수 있다.
무선 통신 모듈(1492)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(1492)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(1492)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(1492)은 전자 장치(1401), 외부 전자 장치(예: 전자 장치(1404)) 또는 네트워크 시스템(예: 제2 네트워크(1499))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(1492)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(1497)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(1497)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(1497)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(1498) 또는 제2 네트워크(1499)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(1490)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(1490)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(1497)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(1497)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제2 네트워크(1499)에 연결된 서버(1408)를 통해서 전자 장치(1401)와 외부의 전자 장치(1404)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(1402, 또는 1404) 각각은 전자 장치(1401)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(1401)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(1402, 1404, 또는 1408) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(1401)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(1401)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(1401)로 전달할 수 있다. 전자 장치(1401)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(1401)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(1404)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(1408)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(1404) 또는 서버(1408)는 제2 네트워크(1499) 내에 포함될 수 있다. 전자 장치(1401)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
일 실시 예에 따르면, 신장을 추정하는 방법은, 사용자의 보행 정보를 수집하는 동작; 및 상기 사용자의 보행 정보를 신장 추정 모델에 적용해서 상기 사용자의 신장을 추정하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 사용자의 보행 정보는, 걸음수, 보행 정속성, 보행 시 발생되는 상하 움직임 정보인 언듀레이션 정보 및 보폭을 포함할 수 있다.
일 실시 예에 따르면, 상기 사용자의 보행 정보를 수집하는 동작은, 관성 정보, 기압 정보 및 GPS 정보를 획득하는 동작; 및 상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보 중에서 적어도 하나를 이용하여 걸음수, 보행 정속성, 보행 시 발생되는 상하 움직임 정보인 언듀레이션 정보 및 보폭을 추정하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 사용자의 보행 정보를 수집하는 동작은, 관성 정보, 기압 정보 및 GPS 정보를 획득하는 동작; 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 판단하는 동작; 및 판단결과 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태이면, 상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보 중에서 적어도 하나를 이용하여 걸음수, 보행 정속성, 보행 시 발생되는 상하 움직임 정보인 언듀레이션 정보 및 보폭을 추정하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 판단하는 동작은, 상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보를 이용해서 핸드 스윙 여부, 보행 여부, 보행 속력, 보행 환경 및 GPS 전계를 확인하는 동작; 및 핸드 스윙이 아니고, 보행 중이고, 보행 속력이 기설정된 범위 내로 일정하고, 보행 환경이 평지이고, GPS 전계가 기설정된 강도 이상이면, 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태로 판단하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 신장을 추정하는 방법은, 상기 핸드 스윙이고, 상기 보행 중이고, 상기 보행 속력이 기설정된 범위 내로 일정하고, 상기 보행 환경이 평지이고, 상기 GPS 전계가 기설정된 강도 이상이면, 상기 사용자에게 상기 핸드 스윙을 중지하도록 요청하는 알림을 출력하는 동작을 더 포함할 수 있다.
일 실시 예에 따르면, 상기 사용자의 보행 정보를 수집하는 동작은, 관성 정보, 기압 정보 및 GPS 정보를 획득하는 동작; 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 판단하는 동작; 상기 사용자의 생활패턴을 분석해서 상기 사용자의 보행 정보를 정확히 수집할 수 있는 시간대를 확인하는 동작; 및 확인한 시간대에 상기 사용자의 보행 정보를 수집하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 사용자의 보행 정보를 수집하는 동작은, 상기 사용자의 생활패턴을 분석해서 상기 사용자의 보행 정보를 정확히 수집할 수 있는 시간대를 확인하는 동작; 및 확인한 시간대에 보행 정보를 수집할 수 있도록 유도하는 안내 메시지를 출력하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 상기 신장 추정 모델은, 상기 사용자의 보행 정보에 포함된 상기 걸음수, 상기 보행 정속성, 상기 언듀레이션 정보 및 상기 보폭을 입력 받으면 추정한 상기 사용자의 신장을 출력할 수 있다.
일 실시 예에 따르면, 신장을 추정하는 방법은, 상기 사용자의 보행 정보를 상기 신장 추정 모델을 학습하기 위한 학습 정보로 수집하는 동작; 상기 사용자의 신체 정보를 상기 학습 정보로 수집하는 동작; 및 상기 학습 정보를 이용하여 상기 신장 추정 모델을 학습하는 동작을 더 포함할 수 있다.
일 실시 예에 따르면, 상기 사용자의 신체 정보는, 상기 사용자의 실측 신장, 상기 사용자의 나이 및 상기 사용자의 성별 중에서 적어도 하나를 포함할 수 있다.
일 실시 예에 따르면, 상기 학습 정보를 이용하여 상기 신장 추정 모델을 학습하는 동작은, 상기 사용자의 신체 정보, 상기 걸음수, 상기 보행 정속성, 상기 언듀레이션 정보 및 상기 보폭을 이용해서 상기 사용자의 신장을 추정하도록 학습하는 동작을 포함할 수 있다.
일 실시 예에 따르면, 신장을 추정하는 방법은, 상기 추정된 사용자의 신장을 누적해서 저장하는 동작; 및 누적해서 저장된 사용자의 신장의 변화 추이를 분석하여 신장 변화에 따른 가이드를 제공하는 동작을 더 포함할 수 있다.
일 실시 예에 따르면, 컴퓨터 판독가능 기록매체는, 명령들을 저장하고, 상기 명령들은, 하나 이상의 프로세서에 의하여 실행되는 경우, 사용자의 보행 정보를 수집하는 동작; 및 상기 사용자의 보행 정보를 신장 추정 모델에 적용해서 상기 사용자의 신장을 추정하는 동작을 수행하도록 할 수 있다.
일 실시 예에 따르면, 전자 장치는, 하나 이상의 프로세서; 및 명령들을 저장하는 메모리를 포함하고, 상기 명령들은, 상기 하나 이상의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 사용자의 보행 정보를 수집하는 동작; 및 상기 사용자의 보행 정보를 신장 추정 모델에 적용해서 상기 사용자의 신장을 추정하는 동작을 수행하도록 할 수 있다.
일 실시 예에 따르면, 전자 장치는, 관성 정보 센싱하는 관성 센서; 기압 정보를 센싱하는 기압 센서; 및GPS 정보를 센싱하는 GPS 센서를 더 포함하고, 상기 명령들은, 상기 하나 이상의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보를 획득하는 동작; 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 판단하는 동작; 및 판단결과 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태이면, 상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보 중에서 적어도 하나를 이용하여 걸음수, 보행 정속성, 보행 시 발생되는 상하 움직임 정보인 언듀레이션 정보 및 보폭을 상기 사용자의 보행 정보로 수집하는 동작을 수행하도록 할 수 있다.
일 실시 예에 따르면, 상기 명령들은, 상기 하나 이상의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 판단할 때, 상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보를 이용해서 핸드 스윙 여부, 보행 여부, 보행 속력, 보행 환경 및 GPS 전계를 확인하는 동작; 및 핸드 스윙이 아니고, 보행 중이고, 보행 속력이 기설정된 범위 내로 일정하고, 보행 환경이 평지이고, GPS 전계가 기설정된 강도 이상이면, 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태로 판단하는 동작을 수행하도록 할 수 있다.
일 실시 예에 따르면, 상기 명령들은, 상기 하나 이상의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보를 획득하는 동작; 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 판단하는 동작; 상기 사용자의 생활패턴을 분석해서 상기 사용자의 보행 정보를 정확히 수집할 수 있는 시간대를 확인하는 동작; 및 확인한 시간대에 상기 사용자의 보행 정보를 수집하는 판단하는 동작을 수행하도록 할 수 있다.
일 실시 예에 따르면, 상기 신장 추정 모델은, 상기 사용자의 보행 정보에 포함된 상기 걸음수, 상기 보행 정속성, 상기 언듀레이션 정보 및 상기 보폭을 입력 받으면 추정한 상기 사용자의 신장을 출력할 수 있다.
일 실시 예에 따르면, 상기 명령들은, 상기 하나 이상의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 상기 사용자의 보행 정보를 상기 신장 추정 모델을 학습하기 위한 학습 정보로 수집하는 동작; 상기 사용자의 신체 정보를 상기 학습 정보로 수집하는 동작; 및 상기 학습 정보를 이용하여 상기 신장 추정 모델을 학습하는 동작을 수행하도록 할 수 있다.
일 실시 예에 따르면, 상기 명령들은, 상기 하나 이상의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금, 상기 학습 정보를 이용하여 상기 신장 추정 모델을 학습할 때, 상기 사용자의 신체 정보, 상기 걸음수, 상기 보행 정속성, 상기 언듀레이션 정보 및 상기 보폭을 이용해서 상기 사용자의 신장을 추정하도록 학습하는 동작을 수행하도록 할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 저장할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드 뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 저장될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (15)

  1. 신장을 추정하는 방법에 있어서,
    사용자의 보행 정보를 수집하는 동작; 및
    상기 사용자의 보행 정보를 신장 추정 모델에 적용해서 상기 사용자의 신장을 추정하는 동작
    을 포함하는 방법.
  2. 제1항에 있어서,
    상기 사용자의 보행 정보를 수집하는 동작은,
    관성 정보, 기압 정보 및 GPS 정보를 획득하는 동작;
    상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 판단하는 동작; 및
    판단결과 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태이면, 상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보 중에서 적어도 하나를 이용하여 걸음수, 보행 정속성, 보행 시 발생되는 상하 움직임 정보인 언듀레이션 정보 및 보폭을 추정하는 동작
    을 포함하는 방법.
  3. 제1항 내지 제2항 중 어느 한 항에 있어서,
    상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 판단하는 동작은,
    상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보를 이용해서 핸드 스윙 여부, 보행 여부, 보행 속력, 보행 환경 및 GPS 전계를 확인하는 동작; 및
    핸드 스윙이 아니고, 보행 중이고, 보행 속력이 기설정된 범위 내로 일정하고, 보행 환경이 평지이고, GPS 전계가 기설정된 강도 이상이면, 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태로 판단하는 동작
    을 포함하는 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 핸드 스윙이고, 상기 보행 중이고, 상기 보행 속력이 기설정된 범위 내로 일정하고, 상기 보행 환경이 평지이고, 상기 GPS 전계가 기설정된 강도 이상이면, 상기 사용자에게 상기 핸드 스윙을 중지하도록 요청하는 알림을 출력하는 동작
    을 더 포함하는 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 사용자의 보행 정보를 수집하는 동작은,
    상기 사용자의 생활패턴을 분석해서 상기 사용자의 보행 정보를 정확히 수집할 수 있는 시간대를 확인하는 동작; 및
    확인한 시간대에 보행 정보를 수집할 수 있도록 유도하는 안내 메시지를 출력하는 동작
    을 포함하는 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    상기 사용자의 보행 정보를 상기 신장 추정 모델을 학습하기 위한 학습 정보로 수집하는 동작;
    상기 사용자의 신체 정보를 상기 학습 정보로 수집하는 동작; 및
    상기 학습 정보를 이용하여 상기 신장 추정 모델을 학습하는 동작
    을 더 포함하는 방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    상기 사용자의 신체 정보는,
    상기 사용자의 실측 신장, 상기 사용자의 나이 및 상기 사용자의 성별 중에서 적어도 하나를 포함하는
    방법.
  8. 제1항 내지 제7항 중 어느 한 항에 있어서,
    상기 학습 정보를 이용하여 상기 신장 추정 모델을 학습하는 동작은,
    상기 사용자의 신체 정보, 상기 걸음수, 상기 보행 정속성, 상기 언듀레이션 정보 및 상기 보폭을 이용해서 상기 사용자의 신장을 추정하도록 학습하는 동작
    을 포함하는 방법.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서,
    상기 추정된 사용자의 신장을 누적해서 저장하는 동작; 및
    누적해서 저장된 사용자의 신장의 변화 추이를 분석하여 신장 변화에 따른 가이드를 제공하는 동작
    을 더 포함하는 방법.
  10. 전자 장치에 있어서,
    하나 이상의 프로세서; 및
    명령들을 저장하는 메모리
    를 포함하고,
    상기 명령들은, 상기 하나 이상의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금,
    사용자의 보행 정보를 수집하는 동작; 및
    상기 사용자의 보행 정보를 신장 추정 모델에 적용해서 상기 사용자의 신장을 추정하는 동작을 수행하도록 하는
    장치.
  11. 제10항에 있어서,
    관성 정보 센싱하는 관성 센서;
    기압 정보를 센싱하는 기압 센서; 및
    GPS 정보를 센싱하는 GPS 센서
    를 더 포함하고,
    상기 명령들은, 상기 하나 이상의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금,
    상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보를 획득하는 동작;
    상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 판단하는 동작; 및
    판단결과 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태이면, 상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보 중에서 적어도 하나를 이용하여 걸음수, 보행 정속성, 보행 시 발생되는 상하 움직임 정보인 언듀레이션 정보 및 보폭을 상기 사용자의 보행 정보로 수집하는 동작을 수행하도록 하는
    장치.
  12. 제10항 내지 제11항 중 어느 한 항에 있어서,
    상기 명령들은, 상기 하나 이상의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금,
    상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 판단할 때,
    상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보를 이용해서 핸드 스윙 여부, 보행 여부, 보행 속력, 보행 환경 및 GPS 전계를 확인하는 동작; 및
    핸드 스윙이 아니고, 보행 중이고, 보행 속력이 기설정된 범위 내로 일정하고, 보행 환경이 평지이고, GPS 전계가 기설정된 강도 이상이면, 상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태로 판단하는 동작을 수행하도록 하는
    장치.
  13. 제10항 내지 제12항 중 어느 한 항에 있어서,
    상기 명령들은, 상기 하나 이상의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금,
    상기 관성 정보, 상기 기압 정보 및 상기 GPS 정보를 획득하는 동작;
    상기 사용자의 보행 정보를 정확히 수집할 수 있는 상태인지 판단하는 동작;
    상기 사용자의 생활패턴을 분석해서 상기 사용자의 보행 정보를 정확히 수집할 수 있는 시간대를 확인하는 동작; 및
    확인한 시간대에 상기 사용자의 보행 정보를 수집하는 판단하는 동작을 수행하도록 하는
    장치.
  14. 제10항 내지 제13항 중 어느 한 항에 있어서,
    상기 신장 추정 모델은,
    상기 사용자의 보행 정보에 포함된 상기 걸음수, 상기 보행 정속성, 상기 언듀레이션 정보 및 상기 보폭을 입력 받으면 추정한 상기 사용자의 신장을 출력하는
    장치.
  15. 제10항 내지 제14항 중 어느 한 항에 있어서,
    상기 명령들은, 상기 하나 이상의 프로세서에 의하여 실행되는 경우, 상기 전자 장치로 하여금,
    상기 사용자의 보행 정보를 상기 신장 추정 모델을 학습하기 위한 학습 정보로 수집하는 동작;
    상기 사용자의 신체 정보를 상기 학습 정보로 수집하는 동작; 및
    상기 학습 정보를 이용하여 상기 신장 추정 모델을 학습하는 동작을 수행하도록 하는
    장치.
PCT/KR2025/005536 2024-06-26 2025-04-24 보행 정보를 이용해서 신장을 추정하는 장치 및 방법 Pending WO2026005243A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2024-0083651 2024-06-26
KR20240083651 2024-06-26
KR1020240098511A KR20260001022A (ko) 2024-06-26 2024-07-25 보행 정보를 이용해서 신장을 추정하는 장치 및 방법
KR10-2024-0098511 2024-07-25

Publications (1)

Publication Number Publication Date
WO2026005243A1 true WO2026005243A1 (ko) 2026-01-02

Family

ID=98222462

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2025/005536 Pending WO2026005243A1 (ko) 2024-06-26 2025-04-24 보행 정보를 이용해서 신장을 추정하는 장치 및 방법

Country Status (1)

Country Link
WO (1) WO2026005243A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101502765B1 (ko) * 2013-12-23 2015-03-18 정대영 생체 정보 측정을 이용한 운동 가이드 시스템 및 방법
KR102201105B1 (ko) * 2019-01-24 2021-01-11 한국과학기술원 인체 운동의 역학 정보 추정 방법 및 그 장치
KR102285632B1 (ko) * 2019-01-03 2021-08-04 한국전자기술연구원 보행패턴을 이용한 건강이상감지 시스템 및 방법
KR102297110B1 (ko) * 2020-05-07 2021-09-03 광주과학기술원 보행 분석 시스템 및 방법
KR102665850B1 (ko) * 2023-02-10 2024-05-14 김준범 보행 자세 교정 정보 제공 방법 및 이를 이용한 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101502765B1 (ko) * 2013-12-23 2015-03-18 정대영 생체 정보 측정을 이용한 운동 가이드 시스템 및 방법
KR102285632B1 (ko) * 2019-01-03 2021-08-04 한국전자기술연구원 보행패턴을 이용한 건강이상감지 시스템 및 방법
KR102201105B1 (ko) * 2019-01-24 2021-01-11 한국과학기술원 인체 운동의 역학 정보 추정 방법 및 그 장치
KR102297110B1 (ko) * 2020-05-07 2021-09-03 광주과학기술원 보행 분석 시스템 및 방법
KR102665850B1 (ko) * 2023-02-10 2024-05-14 김준범 보행 자세 교정 정보 제공 방법 및 이를 이용한 장치

Similar Documents

Publication Publication Date Title
WO2020130691A1 (en) Electronic device and method for providing information thereof
WO2022177343A1 (ko) 지오펜스를 설정하기 위한 전자 장치 및 이의 동작 방법
WO2022154379A1 (ko) 전자 장치 및 밝기 조절 방법
WO2022075603A1 (ko) 보행에 관한 정보를 확인하는 전자 장치 및 보행에 관한 정보를 확인하는 전자 장치의 동작 방법
WO2022255785A1 (ko) 복수의 전자 장치를 이용하여 운동 데이터를 제공하는 방법 및 그 전자 장치
WO2022220419A1 (ko) 운동에 관한 정보를 출력하는 웨어러블 전자 장치 및 웨어러블 전자 장치의 제어 방법
WO2026005243A1 (ko) 보행 정보를 이용해서 신장을 추정하는 장치 및 방법
WO2022145926A1 (ko) 전자 장치 및 전자 장치의 센서 데이터 교정 방법
WO2023063803A1 (ko) 사용자에게 운동 프로그램을 제공하는 방법 및 시스템
WO2024035059A1 (ko) 자석 스트랩을 포함하는 웨어러블 전자 장치 및 지자기 데이터 업데이트 방법
WO2023153694A1 (ko) 제어 파라미터의 값을 결정하는 방법 및 그 방법을 수행하는 전자 장치
WO2023106763A1 (ko) 웨어러블 장치를 위한 움직임 제어 모델 생성 방법 및 그 방법을 수행하는 전자 장치
WO2023018185A1 (ko) 측정한 데이터를 표시하는 전자 장치 및 이를 위한 방법
WO2022086071A1 (ko) 전자 펜 장치의 동작을 제어하기 위한 전자 장치, 전자 장치에서의 동작 방법 및 비 일시적 저장 매체
WO2021230462A1 (ko) 데이터 전송 방법 및 이를 지원하는 전자 장치
WO2022191444A1 (ko) 전자 장치의 모션 센서 및 gps 모듈을 이용하여 사용자의 보폭 길이를 판단하는 방법 및 그 전자 장치
WO2026034918A1 (ko) 타겟 센서 데이터를 수집하기 위한 타겟 장치를 결정하는 전자 장치 및 그 동작 방법
WO2024177337A1 (ko) 엣지 영역의 터치 좌표를 설정하는 전자 장치 및 제어 방법
WO2024075935A1 (ko) 낙상 감지를 수행하기 위한 전자 장치 및 방법
WO2026029553A1 (ko) 바이오 마커를 이용한 호르몬 리듬 진단 방법 및 이를 이용한 장치
WO2023106753A1 (ko) 웨어러블 장치를 제어하는 파라미터의 값을 결정하는 방법 및 그 방법을 수행하는 전자 장치
WO2023096134A1 (ko) 전자 장치 내에서 제스처 인식 성능 개선을 위한 러닝 방법
WO2023128208A1 (ko) 사용자의 머리에 장착 가능한 전자 장치 및 상기 전자 장치에서 생체 정보를 이용한 기능을 제공하는 방법
WO2025071211A1 (ko) 기압 센서를 포함하는 전자 장치 및 이의 기압 센서 데이터 교정 방법
WO2024214912A1 (ko) 터치 센서를 통해 유체의 접촉을 감지하는 전자 장치

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: 25827254

Country of ref document: EP

Kind code of ref document: A1