전자 장치에 있어서, 사용자의 발화 과정에서 움직이는 안면 위치에 부착되는 복수의 가속도 센서로부터 신호를 수신하는 통신 장치;복수의 센서 출력 값에 기초하여 단어를 분류하는 분류 학습 모델을 저장하는 메모리; 및상기 복수의 가속도 센서로부터 신호가 수신되면, 수신된 신호 값을 상기 분류 학습 모델에 입력하여 상기 사용자의 입 모양에 대응되는 단어를 결정하는 프로세서;를 포함하는 전자 장치.

제1항에 있어서, 상기 분류 학습 모델은, 기설정된 복수의 단어 각각에 대한 발화 과정에서의 상기 복수의 가속도 센서의 신호 값으로 학습된 모델인 전자 장치.

제1항에 있어서, 상기 분류 학습 모델은, Convolutional Neural Network - Long Short - Term Memory(1D CNN-LSTM) 모델인 전자 장치.

제1항에 있어서, 상기 복수의 가속도 센서는,상기 사용자의 음성 발화시에 움직이는 서로 다른 입 주변 영역에 부착되는 전자 장치.

제1항에 있어서, 상기 복수의 가속도 센서는, 3개 내지 5개의 가속도 센서로 구성되는 전자 장치.

제1항에 있어서, 상기 복수의 가속도 센서 각각은, 3축 가속도계인 전자 장치.

제1항에 있어서, 상기 프로세서는, 상기 결정된 단어에 대응되는 동작을 수행하는 전자 장치.

무음 발화 인식 방법에 있어서, 사용자의 발화 과정에서 움직이는 안면 위치에 부착되는 복수의 가속도 센서로부터 신호를 수신하는 단계; 및복수의 센서 출력 값에 기초하여 단어를 분류하는 분류 학습 모델에 상기 수신된 신호 값을 입력하여 상기 사용자의 입 모양에 대응되는 단어를 결정하는 단계;를 포함하는 무음 발화 인식 방법.

제8항에 있어서, 기설정된 복수의 단어 각각에 대한 발화 과정에서의 상기 복수의 가속도 센서의 신호 값을 이용하여 상기 분류 학습 모델을 학습시키는 단계;를 더 포함하는 무음 발화 인식 방법.

제8항에 있어서, 상기 분류 학습 모델은, Convolutional Neural Network - Long Short - Term Memory(1D CNN-LSTM) 모델인 무음 발화 인식 방법.

제8항에 있어서, 상기 수신하는 단계는, 상기 사용자의 음성 발화시에 움직이는 서로 다른 입 주변 영역에 부착되는 복수의 가속도 센서로부터 신호를 수신하는 무음 발화 인식 방법.

제11항에 있어서, 상기 복수의 가속도 센서는, 3개 내지 5개의 가속도 센서로 구성되는 무음 발화 인식 방법.

제8항에 있어서, 상기 결정된 단어에 대응되는 동작을 수행하는 단계;를 더 포함하는 무음 발화 인식 방법.

무음 발화 인식 방법을 실행하기 위한 프로그램을 포함하는 컴퓨터 판독가능 기록 매체에 있어서,상기 무음 발화 인식 방법은, 사용자의 발화 과정에서 움직이는 안면 위치에 부착되는 복수의 가속도 센서로부터 신호를 수신하는 단계; 및복수의 센서 출력 값에 기초하여 단어를 분류하는 분류 학습 모델에 상기 수신된 신호 값을 입력하여 상기 사용자의 입 모양에 대응되는 단어를 결정하는 단계;를 포함하는 컴퓨터 판독가능 기록 매체.