| 1 |
1
사용자의 동작을 나타내는 적어도 하나의 관절 위치 정보를 획득하고,상기 적어도 하나의 관절 위치 정보를 다중 상수 회귀 신경망(MTRNN: Multiple Timescale Recurrent Neural Network)의 제1 계층에 적용하여 적어도 하나의 연속하는 동작을 예측하고, 상기 적어도 하나의 연속하는 동작에 기반하여 단위 행동을 인식하며,상기 단위 행동을 상기 다중 상수 회귀 신경망(MTRNN)의 제2 계층에 적용하여 적어도 하나의 연속하는 단위 행동을 예측하고, 상기 적어도 하나의 연속하는 단위 행동에 기반하여 사용자의 의도를 인식하고,상기 적어도 하나의 관절 위치 정보를 다중 상수 회귀 신경망(MTRNN: Multiple Timescale Recurrent Neural Network)의 제1 계층에 적용하여 상기 적어도 하나의 연속하는 동작을 예측하는 것은, 상기 적어도 하나의 관절 위치 정보를 상기 다중 상수 회귀 신경망(MTRNN)의 제1 계층에 포함되는 제1 입출력 노드, 제1 급속 콘텍스트 노드 및 제1 완속 콘텍스트 노드에 차례로 적용하여 상기 적어도 하나의 연속하는 동작을 예측하는 것인 사용자 행동에 기반한 사용자 의도 인식 방법
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 제1 급속 콘텍스트 노드 및 상기 제1 완속 콘텍스트 노드는,지속 회귀 신경망(CTRNN: Continuous Timescale Recurrent Neural Network)에 의해 서로 다른 시간 상수가 적용되어 모델링되는 것을 특징으로 하는 사용자 행동에 기반한 사용자 의도 인식 방법
|
| 4 |
4
제1항에 있어서,상기 적어도 하나의 연속하는 동작에 기반하여 단위 행동을 인식하는 것은,상기 제1 완속 콘텍스트 노드에 포함되는 단위 행동 분류 노드를 통해 상기 단위 행동을 인식하는 것인 사용자 행동에 기반한 사용자 의도 인식 방법
|
| 5 |
5
제1항에 있어서,상기 단위 행동을 상기 다중 상수 회귀 신경망(MTRNN)의 제2 계층에 적용하여 상기 적어도 하나의 연속하는 단위 행동을 예측하는 것은,상기 제1 완속 콘텍스트 노드로부터 출력되는 상기 단위 행동을 상기 다중 상수 회귀 신경망(MTRNN)의 제2 계층에 포함되는 제2 입출력 노드, 제2 급속 콘텍스트 노드 및 제2 완속 콘텍스트 노드에 차례로 적용하여 상기 연속하는 단위 행동을 예측하는 것인 사용자 행동에 기반한 사용자 의도 인식 방법
|
| 6 |
6
제5항에 있어서,상기 제2 급속 콘텍스트 노드 및 상기 제2 완속 콘텍스트 노드는,지속 회귀 신경망(CTRNN: Continuous Timescale Recurrent Neural Network)에 의해 서로 다른 시간 상수가 적용되어 모델링되는 것을 특징으로 하는 사용자 행동에 기반한 사용자 의도 인식 방법
|
| 7 |
7
제5항에 있어서,상기 연속하는 단위 행동에 기반하여 사용자의 의도를 인식하는 것은,상기 제2 완속 콘텍스트 노드에 포함되는 의도 분류 노드를 통해 상기 사용자 의도를 인식하는 것인 사용자 행동에 기반한 사용자 의도 인식 방법
|
| 8 |
8
제1항에 있어서,사용자의 동작을 나타내는 적어도 하나의 관절 위치 정보를 획득하는 것은,절대 좌표 기반의 상기 적어도 하나의 관절 위치 정보를 획득하고, 해당 정보를 상대 좌표 기반으로 변환하며, 상대 좌표 기반으로 변환된 적어도 하나의 관절 위치 정보를 자가 생성 맵(SOM: Self-Organizing Map)에 적용하여 부호화하는 것을 더 포함하는 사용자 행동에 기반한 사용자 의도 인식 방법
|
| 9 |
9
제1항, 제3항 내지 제8항 중 어느 하나의 항에 따른 사용자 행동에 기반한 사용자 의도 인식 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체
|
| 10 |
10
사용자의 동작을 나타내는 적어도 하나의 관절 위치 정보를 획득하는 입력부; 상기 적어도 하나의 관절 위치 정보를 다중 상수 회귀 신경망(MTRNN: Multiple Timescale Recurrent Neural Network)의 제1 계층에 적용하여 적어도 하나의 연속하는 동작을 예측하고, 상기 적어도 하나의 연속하는 동작에 기반하여 단위 행동을 인식하는 단위 행동 추출부; 및상기 단위 행동을 상기 다중 상수 회귀 신경망(MTRNN)의 제2 계층에 적용하여 적어도 하나의 연속하는 단위 행동을 예측하고, 상기 연속하는 단위 행동에 기반하여 사용자의 의도를 인식하는 사용자 의도 추출부를 포함하고, 상기 단위 행동 추출부는, 제1 입출력 계층 및 지속 회귀 신경망(CTRNN: Continuous Timescale Recurrent Neural Network)에 의해 서로 다른 시간 상수가 적용되어 모델링된 제1 급속 콘텍스트 노드와 제1 완속 콘텍스트 노드로 구성되는 다중 상수 회귀 신경망(MTRNN)의 제1 계층을 포함하는 사용자 행동에 기반한 사용자 의도 인식 장치
|
| 11 |
11
삭제
|
| 12 |
12
제10항에 있어서, 상기 단위 행동 추출부는,상기 적어도 하나의 관절 위치 정보를 상기 제1 입출력 노드, 상기 제1 급속 콘텍스트 노드 및 상기 제1 완속 콘텍스트 노드에 차례로 적용하여 상기 연속하는 동작을 예측하는 사용자 행동에 기반한 사용자 의도 인식 장치
|
| 13 |
13
제10항에 있어서,상기 단위 행동 추출부는,상기 제1 완속 콘텍스트 노드에 포함되는 단위 행동 분류 노드를 더 포함하고, 상기 단위 행동 분류 노드를 통해 상기 적어도 하나의 관절 위치 정보로부터 상기 단위 행동을 인식하는 것인 사용자 행동에 기반한 사용자 의도 인식 장치
|
| 14 |
14
제10항에 있어서,상기 의도 추출부는,제2 입출력 계층 및 지속 회귀 신경망(CTRNN: Continuous Timescale Recurrent Neural Network)에 의해 서로 다른 시간 상수가 적용되어 모델링된 제2 급속 콘텍스트 노드와 제2 완속 콘텍스트 노드로 구성되는 다중 상수 회귀 신경망(MTRNN)의 제2 계층을 포함하는 사용자 행동에 기반한 사용자 의도 인식 장치
|
| 15 |
15
제14항에 있어서,상기 의도 추출부는,상기 단위 행동 추출부로부터 출력되는 상기 단위 행동을 상기 제2 입출력 노드, 상기 제2 급속 콘텍스트 노드 및 상기 제2 완속 콘텍스트 노드에 차례로 적용하여 상기 연속하는 단위 행동을 예측하는 사용자 행동에 기반한 사용자 의도 인식 장치
|
| 16 |
16
제14항에 있어서,상기 의도 추출부는,상기 제2 완속 콘텍스트 노드에 포함되는 의도 분류 노드를 더 포함하고, 상기 의도 분류 노드를 통해 상기 단위 행동 정보로부터 상기 의도를 인식하는 것인 사용자 행동에 기반한 사용자 의도 인식 장치
|
| 17 |
17
제10항에 있어서,절대 좌표 기반의 상기 적어도 하나의 관절 위치 정보를 획득하고, 해당 정보를 상대 좌표 기반으로 변환하며, 상대 좌표 기반으로 변환된 적어도 하나의 관절 위치 정보를 자가 생성 맵(SOM: Self-Organizing Map)에 적용하여 부호화하는 전처리부를 더 포함하는 사용자 행동에 기반한 사용자 의도 인식 장치
|
