| 1 |
1
인공지능 기반의 VR 환경에서의 전후진 움직임 탐지 방법에 있어서,복수의 사용자의 VR 환경에서의 전진 움직임과 연계된 제1센서 데이터 및 상기 VR 환경에서의 후진 움직임과 연계된 제2센서 데이터를 포함하는 학습 데이터를 준비하는 단계;상기 학습 데이터에 기초하여, 대상 센서 데이터가 수신되면 상기 대상 센서 데이터에 대응하는 움직임 유형을 판단하는 판별 모델을 구축하는 단계;타겟 사용자에 대한 상기 대상 센서 데이터를 수신하는 단계; 및상기 판별 모델에 기초하여 상기 대상 센서 데이터에 대응하는 상기 움직임 유형을 판단하는 단계,를 포함하는, 탐지 방법
|
| 2 |
2
제1항에 있어서,상기 VR 환경은,미리 설정된 공간 범위 내에서 이동이 허용되고, 상기 공간 범위 내에서 제자리 걸음을 통해 상기 전진 움직임 또는 상기 후진 움직임을 수행하도록 구현되는 WIP(Walking-in-Place) 기반의 가상현실 환경인 것을 특징으로 하는, 탐지 방법
|
| 3 |
3
제2항에 있어서,상기 제1센서 데이터 및 상기 제2센서 데이터는,상기 복수의 사용자 각각의 머리, 허리 및 양발 중 적어도 하나에 부착 또는 착용되는 추적 장치에 기초하여 획득되는 상기 복수의 사용자 각각의 머리, 허리 및 양발 중 적어도 하나의 위치 정보를 포함하고,상기 대상 센서 데이터는,상기 타겟 사용자의 머리, 허리 및 양발 중 적어도 하나에 부착 또는 착용되는 추적 장치에 기초하여 획득되는 상기 타겟 사용자의 머리, 허리 및 양발 중 적어도 하나의 위치 정보를 포함하는 것인, 탐지 방법
|
| 4 |
4
제3항에 있어서,상기 학습 데이터를 준비하는 단계는,상기 VR 환경에 기초하여 전진 움직임 요청을 표시하고, 상기 전진 움직임 요청 이후에 상기 추적 장치로부터 수신된 상기 위치 정보를 상기 제1센서 데이터로 획득하는 단계; 및상기 VR 환경에 기초하여 후진 움직임 요청을 표시하고, 상기 후진 움직임 요청 이후에 상기 추적 장치로부터 수신된 상기 위치 정보를 상기 제2센서 데이터로 획득하는 단계,를 포함하는 것인, 탐지 방법
|
| 5 |
5
제3항에 있어서,상기 판별 모델을 구축하는 단계는,상기 위치 정보를 포함하는 학습 피처에 기초하여 상기 움직임 유형을 전진 또는 후진으로 분류하는 인공 지능 기반의 판별 모델을 구축하는 것인, 탐지 방법
|
| 6 |
6
제5항에 있어서,상기 학습 피처는,상기 공간 범위의 중심에서 사용자의 왼발까지의 제1벡터, 상기 중심에서 사용자의 오른발까지의 제2벡터 및 상기 중심에서 사용자의 머리까지의 제3벡터와 상기 제1벡터 또는 상기 제2벡터가 이루는 각도 정보를 더 포함하는 것인, 탐지 방법
|
| 7 |
7
제6항에 있어서,상기 판별 모델은,양방향 장단기 기억(Bidirectional Long-Short Term Memory, BiLSTM) 네트워크 기반의 분류 모델인 것을 특징으로 하는, 탐지 방법
|
| 8 |
8
제1항에 있어서,상기 판단 결과에 기초하여 상기 타겟 사용자의 움직임을 상기 타겟 사용자에게 제공되는 VR 환경에 반영하는 단계,를 더 포함하는 것인, 탐지 방법
|
| 9 |
9
인공지능 기반의 VR 환경에서의 전후진 움직임 탐지 장치에 있어서,복수의 사용자의 VR 환경에서의 전진 움직임과 연계된 제1센서 데이터 및 상기 VR 환경에서의 후진 움직임과 연계된 제2센서 데이터를 포함하는 학습 데이터를 준비하는 수집부;상기 학습 데이터에 기초하여, 대상 센서 데이터가 수신되면 상기 대상 센서 데이터에 대응하는 움직임 유형을 판단하는 판별 모델을 구축하는 학습부; 및타겟 사용자에 대한 상기 대상 센서 데이터를 수신하고, 상기 판별 모델에 기초하여 상기 대상 센서 데이터에 대응하는 상기 움직임 유형을 판단하는 분석부,를 포함하는, 탐지 장치
|
| 10 |
10
제9항에 있어서,상기 VR 환경은,미리 설정된 공간 범위 내에서 이동이 허용되고, 상기 공간 범위 내에서 제자리 걸음을 통해 상기 전진 움직임 또는 상기 후진 움직임을 수행하도록 구현되는 WIP(Walking-in-Place) 기반의 가상현실 환경인 것을 특징으로 하는, 탐지 장치
|
| 11 |
11
제10항에 있어서,상기 제1센서 데이터 및 상기 제2센서 데이터는,상기 복수의 사용자 각각의 머리, 허리 및 양발 중 적어도 하나에 부착 또는 착용되는 추적 장치에 기초하여 획득되는 상기 복수의 사용자 각각의 머리, 허리 및 양발 중 적어도 하나의 위치 정보를 포함하고,상기 대상 센서 데이터는,상기 타겟 사용자의 머리, 허리 및 양발 중 적어도 하나에 부착 또는 착용되는 추적 장치에 기초하여 획득되는 상기 타겟 사용자의 머리, 허리 및 양발 중 적어도 하나의 위치 정보를 포함하는 것인, 탐지 장치
|
| 12 |
12
제11항에 있어서,상기 수집부는,상기 VR 환경에 기초하여 전진 움직임 요청을 표시하고, 상기 전진 움직임 요청 이후에 상기 추적 장치로부터 수신된 상기 위치 정보를 상기 제1센서 데이터로 획득하고, 상기 VR 환경에 기초하여 후진 움직임 요청을 표시하고, 상기 후진 움직임 요청 이후에 상기 추적 장치로부터 수신된 상기 위치 정보를 상기 제2센서 데이터로 획득하는 것인, 탐지 장치
|
| 13 |
13
제11항에 있어서,상기 학습부는,상기 위치 정보를 포함하는 학습 피처에 기초하여 상기 움직임 유형을 전진 또는 후진으로 분류하는 양방향 장단기 기억(Bidirectional Long-Short Term Memory, BiLSTM) 네트워크 기반의 판별 모델을 구축하는 것인, 탐지 장치
|
| 14 |
14
제13항에 있어서,상기 학습 피처는,상기 공간 범위의 중심에서 사용자의 왼발까지의 제1벡터, 상기 중심에서 사용자의 오른발까지의 제2벡터 및 상기 중심에서 사용자의 머리까지의 제3벡터와 상기 제1벡터 또는 상기 제2벡터가 이루는 각도 정보를 더 포함하는 것인, 탐지 장치
|
| 15 |
15
제9항에 있어서,상기 판단 결과에 기초하여 상기 타겟 사용자의 움직임을 상기 타겟 사용자에게 제공되는 VR 환경에 반영하는 구현부,를 더 포함하는 것인, 탐지 장치
|
