KR100915922B1 - 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법 및시스템 - Google Patents

영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법 및시스템 Download PDF

Info

Publication number
KR100915922B1
KR100915922B1 KR1020070057730A KR20070057730A KR100915922B1 KR 100915922 B1 KR100915922 B1 KR 100915922B1 KR 1020070057730 A KR1020070057730 A KR 1020070057730A KR 20070057730 A KR20070057730 A KR 20070057730A KR 100915922 B1 KR100915922 B1 KR 100915922B1
Authority
KR
South Korea
Prior art keywords
image
constitution
width
face
image recognition
Prior art date
Application number
KR1020070057730A
Other languages
English (en)
Other versions
KR20080109425A (ko
Inventor
황보택근
기 정 이
형 호 임
윤 경 송
건 장
병 이 이
Original Assignee
경원대학교 산학협력단
황보택근
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 경원대학교 산학협력단, 황보택근 filed Critical 경원대학교 산학협력단
Priority to KR1020070057730A priority Critical patent/KR100915922B1/ko
Publication of KR20080109425A publication Critical patent/KR20080109425A/ko
Application granted granted Critical
Publication of KR100915922B1 publication Critical patent/KR100915922B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4046—Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Epidemiology (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Child & Adolescent Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Alternative & Traditional Medicine (AREA)
  • Strategic Management (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 사용자로부터 제공받은 얼굴 영상을 처리하여 얼굴을 구성하는 특징 요소들을 추출한 후에 각 특징 요소들에 대한 비례 관계를 계산하여 당해 환자의 사상체질을 원격지에서도 객관적이고 정확하게 판별하고, 이러한 판별 결과에 적합한 건강 정보를 제공할 수 있도록 한 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법에 관한 것이다.
본 발명의 영상인식을 통한 얼굴 특징 추출과 사상체질 판별방법은, 건강서비스 제공업체가 사용자 단말기와 유/무선 통신망을 통해 연결된 상태에서 상기 건강서비스 제공업체에 의해 수행되되, 사용자 단말기로부터 얼굴 영상을 전달받는 (a) 단계; 상기 (a) 단계에서 전달받은 얼굴 영상에서 잡음제거 및 이미지 평활화를 수행하는 (b) 단계; 상기 (b) 단계에서 이미지 평활된 RGB 색상 공간의 영상을 TSL 색상 공간의 영상으로 변환하는 (c) 단계; 상기 (c) 단계에서 변환된 영상에서 마할라노비스 거리를 사용하여 얼굴 영역을 추출하는 (d) 단계 및 상기 (d) 단계에서 추출된 얼굴 영역에서 각각의 특징 요소들을 추출한 후에 각 특징 요소들 간의 폭과 그 비례 관계를 계산하는 (e) 단계를 포함하여 이루어진다.
영상인식, 얼굴, 영역, 특징, 비례, 사상체질, 건강

Description

영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법 및 시스템{Methods and System for Extracting Facial Features and Verifying Sasang Constitution through Image Recognition}
도 1은 본 발명의 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법이 구현되는 네트워크 구성도,
도 2는 본 발명의 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법을 설명하기 위한 흐름도,
도 3은 본 발명의 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법에서 얼굴의 각종 특징 요소들의 거리(폭)를 설명하기 위한 도이다.
*** 도면의 주요 부분에 대한 부호의 설명 ***
100: 이동통신 단말기, 150: 퍼스널 컴퓨터,
200: 이동통신망, 250: 인터넷,
300: 건강서비스 제공업체, 310: 웹서버,
320: 왑서버, 330: 데이터 서버,
340: 영상인식 모듈, 350; 인공신경망 모듈,
360: 데이터베이스, 362: 회원정보 DB,
364: 얼굴영상 DB, 366: 사상체질 DB,
368: 건강정보 DB
본 발명은 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법에 관한 것으로, 특히 사용자로부터 제공받은 얼굴 영상을 처리하여 얼굴을 구성하는 특징 요소들을 추출한 후에 각 특징 요소들에 대한 비례 관계를 계산하여 당해 환자의 사상체질을 원격지에서도 객관적이고 정확하게 판별할 수 있도록 한 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법에 관한 것이다.
최근 건강 관리에 대한 관심이 고조되면서 건강 정보를 제공하는 곳이 많지만 사람의 체질을 판별하여 이에 의거한 건강 정보를 제공하는 곳은 드물다. 사람의 체질을 판별하는 대표적인 방법으로는 사상의학(四象醫學)에 의한 체질 판별법이 있다. 잘 알려진 바와 같이, 사상의학은 인간의 체질을 4가지로 나눈 한의학 분야로, 이제마(李濟馬)가 창안했다. 이제마는 1894년에 본인이 저술한 동의수세보원(東醫壽世保元)을 통해 인간은 천부적으로 장부허실(臟腑虛實)이 있고, 이에 따른 희노애락(喜怒哀樂)의 성정(性情)이 작용하여 생리현상을 빚으며, 체질에 알맞은 식품과 양생법이 중요하다고 주장했다.
이러한 사상의학설은 체질의학의 원전으로서 각자의 체질을 안다면 질병을 예방하고, 치료하는 지름길이 될 수 있다는 것이 그 핵심요지이다. 사상의학의 4가지 체질이라 함은 태양인(太陽人), 소양인(少陽人), 태음인(太陰人) 및 소음인(少陰人)을 말하는 것으로 각 체질에 따른 장부허실이 상대적으로 작용하고 있어 만일 허한 것이 더욱 허하거나 실한 것이 더욱 실할 때 병으로 나타난다고 하며, 이를 장부의 태(太)·소(少)라고 했다. 여기서 태·소란 해부학적 의미가 아니라 하나의 기능을 말하는 것이며, 태양인은 폐대간소(肺大肝小), 소양인은 비대신소(脾大腎小), 태음인은 간대폐소(肝大肺小), 소음인은 신대비소(腎大脾小)라고 했다.
한편, 사상체질을 판별하는 방법으로는 외모로 판별하는 방법, 심성으로 판별하는 방법 및 병의 증상으로 판별하는 방법이 있는바, 기존에는 의사가 환자의 외모를 직접 눈으로 보고 판별하거나 심성 또는 병의 증상을 문진으로 판별하였다.
그러나, 전술한 바와 같은 종래의 사상체질 판별 방법에서 외모로 판별하는 방법의 경우에는 환자가 직접 한방 병원을 방문해야 하는 불편함이 있을 뿐만 아니라 의사의 주관에 따라 실제 체질과는 다른 판별 결과가 도출될 수 있는 문제점이 있었다. 나아가, 문진의 경우에도 애매한 상태에서 환자의 주관적인 견해가 반영될 수 있어서 답변에 따라 실제 체질과는 전혀 다른 판별 결과가 도출될 수 있는 문제점이 있었다.
본 발명은 전술한 문제점을 해결하기 위해 안출된 것으로서, 사용자로부터 제공받은 얼굴 영상을 처리하여 얼굴을 구성하는 특징 요소들을 추출한 후에 각 특징 요소들에 대한 비례 관계를 계산하여 당해 환자의 사상체질을 원격지에서도 객관적이고 정확하게 판별하고, 이러한 판별 결과에 적합한 건강 정보를 제공할 수 있도록 한 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법을 제공함을 목적으로 한다.
전술한 목적으로 달성하기 위한 본 발명의 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법은 건강서비스 제공업체가 사용자 단말기와 유/무선 통신망을 통해 연결된 상태에서 상기 건강서비스 제공업체에 의해 수행되되, 사용자 단말기로부터 얼굴 영상을 전달받는 (a) 단계; 상기 (a) 단계에서 전달받은 얼굴 영상에서 잡음제거 및 이미지 평활화를 수행하는 (b) 단계; 상기 (b) 단계에서 이미지 평활된 RGB 색상 공간의 영상을 TSL 색상 공간의 영상으로 변환하는 (c) 단계; 상기 (c) 단계에서 변환된 영상에서 마할라노비스 거리를 사용하여 얼굴 영역을 추출하는 (d) 단계 및 상기 (d) 단계에서 추출된 얼굴 영역에서 각각의 특징 요소들을 추출한 후에 각 특징 요소들 간의 폭과 그 비례 관계를 계산하는 (e) 단계를 포함하여 이루어진다.
전술한 구성에서, 상기 (e) 단계에서 계산된 비례 관계를 인공 신경망 알고리즘으로 처리하여 당해 사용자에 대한 사상체질을 판별하는 (f) 단계를 더 포함하는 것이 바람직하다.
한편, 상기 특징 요소는 비근폭, 내안각폭, 안최대폭, 구각간폭, 외안각폭, 비익폭 또는 안폭 중의 어느 하나 이상이고, 상기 비례 관계는 상기 각각의 폭 대 인중 폭일 수 있다.
상기 (f) 단계에서 판별된 사상체질에 적합한 건강정보를 사용자에게 제공하는 (g) 단계를 더 포함할 수 있다.
또한, 상기한 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법을 수행 하기 위한 장치는, 이동통신망이나 인터넷망을 통해서 사진을 전송할 수 있는 기능이 구비된 이동통신 단말기나 퍼스널 컴퓨터와 유무선으로 연결된 건강서비스 제공 서버에 있어서,
상기 건강서비스 제공 서버는, 상기 퍼스널 컴퓨터와의 사이에서 각종 웹 문서의 처리를 담당하는 웹서버, 상기 이동통신 단말기와의 사이에서 각종 왑 문서의 처리를 담당하는 왑서버, 각종 데이터를 조회하는 데이터 서버, 원격지의 이동통신 단말기 또는 퍼스널 컴퓨터로부터 전달받은 사용자의 얼굴 사진에 대한 영상인식을 수행하여 얼굴의 특징 요소들을 추출하고, 추출된 얼굴 특징 간의 각종 비례 관계를 계산하는 영상인식 모듈, 상기 영상인식 모듈에 의해 계산된 얼굴 특징 요소들 간의 각종 비례 관계 데이터를 인공 신경망 알고리즘으로 처리하여 가장 적합한 사상체질을 판별하는 인공신경망 모듈 및 필요한 각종 데이터를 수록하고 있는 데이터베이스를 포함하여 구성된다.
본 발명에 있어서, 상기 데이터베이스는 회원에 대한 각종 정보, 예를 들어 회원 ID와 비밀번호, 성별, 나이, 주소 및 전화번호 등이 수록되어 있는 회원정보 DB, 사용자로부터 제공받은 얼굴 영상에 대한 원본 이미지를 저장하고 있는 얼굴 영상 DB, 사용자의 사상체질과 관련한 각종 데이터, 즉 당해 사용자의 얼굴 특징요소들의 폭과 그 비례 관계 및 이에 의해 판별된 사상체질 정보 등이 저장되어 있는 사상체질 DB 및 사상체질에 따른 각종 건강 정보, 즉 각 체질에 적합한 식품과 약재 또는 처방이 수록되어 있는 건강정보 DB를 포함하여 이루어진다.
이하에는 첨부한 도면을 참조하여, 본 발명의 영상인식을 통한 얼굴 특징 추 출과 사상체질 판별 방법 및 장치의 바람직한 실시 예에 대해 상세하게 설명한다.
도 1은 본 발명의 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법이 구현되는 네트워크 구성도이다. 도 1에 도시한 바와 같이, 본 발명의 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법이 구현되는 네트워크 구성은 크게 사용자의 이동통신 단말기(100)나 퍼스널 컴퓨터(150)(이하 이를 총칭하여 '사용자 단말기'라 한다)가 이동통신망(200)이나 인터넷(250)과 같은 유/무선 통신망을 통해 건강서비스 제공업체 또는 건강서비스 제공 서버(300)에 연결되어 이루어질 수 있다.
전술한 구성에서, 이동통신 단말기(100)는 무선 인터넷, 즉 건강서비스 제공 서버(300)에 사진을 전송할 수 있는 기능이 구비된 휴대 전화기가 될 수 있고, 더욱이 디지털 카메라가 부착되어 있어서 사진 촬영 기능이 있는 휴대 전화기로 되는 것이 바람직하다. 물론, 이러한 이동통신 단말기(100)는 휴대 인터넷 기능이 있는 와이브로(WiBro) 단말기가 될 수도 있다. 퍼스널 컴퓨터(150) 역시 인터넷 기능, 즉 건강서비스 제공 서버(300)에 사진을 전송할 수 있는 것이면 어느 것이라도 무방하다.
한편, 건강서비스 제공 서버(300)는 퍼스널 컴퓨터(150)와의 사이에서 각종 웹(Web) 문서의 처리를 담당하는 웹서버(310), 이동통신 단말기(100)와의 사이에서 각종 왑(WAP) 문서의 처리를 담당하는 왑서버(320), 후술하는 데이터베이스를 관리하고 이로부터 각종 데이터를 조회하는 데이터 서버(330), 원격지의 이동통신 단말기(100) 또는 퍼스널 컴퓨터(340)로부터 전달받은 사용자의 얼굴 사진에 대한 영상 인식을 수행하여 얼굴의 특징 요소들을 추출하고, 추출된 얼굴 특징 간의 각종 비례 관계를 계산하는 영상인식 모듈(340), 영상인식 모듈(340)에 의해 계산된 얼굴 특징 요소들 간의 각종 비례 관계 데이터를 인공 신경망 알고리즘으로 처리하여 가장 적합한 사상체질을 판별하는 인공신경망 모듈(350) 및 필요한 각종 데이터를 수록하고 있는 데이터베이스(360)를 포함하여 이루어질 수 있다.
상기 데이터베이스(360)에는 회원에 대한 각종 정보, 예를 들어 회원 ID와 비밀번호, 성별, 나이, 주소 및 전화번호 등이 수록되어 있는 회원정보 DB(362), 사용자로부터 제공받은 얼굴 영상에 대한 원본 이미지를 저장하고 있는 얼굴 영상 DB(364), 사용자의 사상체질과 관련한 각종 데이터, 즉 당해 사용자의 얼굴 특징요소들의 폭과 그 비례 관계 및 이에 의해 판별된 사상체질 정보 등이 저장되어 있는 사상체질 DB(366) 및 사상체질에 따른 각종 건강 정보, 즉 각 체질에 적합한 식품과 약재 또는 처방이 수록되어 있는 건강정보 DB(368)를 포함하여 이루어질 수 있다.
도 2는 본 발명의 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법을 설명하기 위한 흐름도인바, 건강서비스 제공업체 또는 건강서비스 제공 서버(300)에 의해 수행되는 것이다. 도 2에 도시한 바와 같이, 먼저 단계 S10에서 건강서비스 제공업체(300)는 웹서버(310) 또는 왑서버(320)를 통해 사용자로부터 얼굴 영상을 전송받아 얼굴 영상 DB(364)에 저장한다. 다음으로, 건강서비스 제공업체(300)의 영상인식 모듈(340)은 단계 S20에서 이렇게 전송받은 사용자의 얼굴 영상에 대한 전처리, 구체적으로 잡음 제거 및 이미지 평활화를 수행한다.
다음으로, 단계 S30에서는 얼굴 영역을 더욱 정확하게 추출하기 위해 색상 변환을 수행, 즉 사용자로부터 전달받은 RGB(Red, Green, Yellow)의 색상 공간을 TSL(Tint, Saturation, Lightness) 색상 공간으로 변환하는데, 이러한 TSL 색상 공간에서 TL 평면은 색상 분포와 조명의 영향에 강한 장점을 가진다. 이와 같이 본 발명에서는 TSL 색상 공간을 사용하고 있는바, RGB 색상 공간을 TSL 색상 공간으로 변화하는 식은 아래의 수학식 1과 같다.
Figure 112007042739310-pat00001
위의 수학식 1에서
Figure 112007042739310-pat00002
,
Figure 112007042739310-pat00003
,
Figure 112007042739310-pat00004
,
Figure 112007042739310-pat00005
이다.
다음으로, 단계 S40에서는 얼굴 영역이 사진의 중심에 있다고 가정한 상태에서 중심 픽셀의 색상을 이용하여 아래의 수학식 2에서와 같이 마할라노비스 거리에 의해 얼굴 영역을 추출한다.
Figure 112007042739310-pat00006
위의 수학식 2에서, X는 입력 영상이고, K는 측면 영상에서의 얼굴 영역이고, Ck는 K의 공분산이고 mk는 T와 S 색상에 대한 반응값이다. 한편, 마할라노비스(Mahalanobis) 거리는 군집분석에서 가장 많이 사용되는 거리개념으로서, 두 지점의 단순한 거리뿐만이 아니라 변수의 특성을 나타내는 표준편차와 상관계수가 함께 고려된다는 특징이 있다. 군집분석을 하는 경우, 대부분 군집분석을 하기 전에 모든 변수들을 평균이 0이고 분산이 1인 변환된 변수로 표준화시킨다. 마할라노비스 거리는 변수들 사이의 표준편차와 상관관계를 고려하여 만들어진 거리로서, 만일 모든 변수가 표준화되어 있고 모든 변수들이 서로 독립적인 관계에 있다면, 마할라노비스 거리는 유클리디안 거리(Euclidean distance)와 일치하게 된다.
이와 같이 얼굴 영역이 추출되면, 단계 S50에서는 형태 처리의 열림 연산과 닫힘 연산을 이용하여 작은 영역을 제거하고, 다시 레이블링(Labelling)을 이용하여 배경 영역을 제거한 후에 각 특징의 위치 관계를 이용하여, 눈썹, 눈, 코, 입술 및 얼굴 윤곽 등의 각종 특징 요소들을 추출한다. 여기에서, 형태 처리(Morphological processing)라 함은 영상의 기본적인 특징을 유지하면서 형태에 변화를 주는 것을 의미하는데, 기본적으로 침식(Erosion)과 팽창(Dialation)이 있고, 이 둘을 이용한 Opening(열림)과 Closing(닫힘) 연산이 있다.
다음으로, 단계 S60에서는 이렇게 추출된 특징 요소들 간의 거리(폭)와 그 비례 관계를 계산한다.
도 3은 본 발명의 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법에서 얼굴의 각종 특징 요소들의 거리(폭)를 설명하기 위한 도이다. 도 3에 도시한 바와 같이, 본 발명의 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법에서는 비근폭(c), 내안각폭(b), 안최대폭(g), 구각간폭(f), 외안각폭(a), 비익폭(d) 및 안폭 등을 인중의 폭(e)으로 나눈 비례 관계가 사용되고 있다. 즉, 사상체질의 판별을 위해 얼굴 특징 요소들 중에서 인중 폭을 기준으로 한 비근폭비, 내안각폭비, 안최대폭비, 구각간폭비, 외안각폭비, 비익폭비 및 안폭비를 이용한다. 먼저, 비근폭(鼻根幅), 즉 코의 뿌리에 대한 인중 폭 비를 나타내는 비근폭비(x1 = c/e*100)에 의한 사상체질 판별 기준은 아래의 표 1과 같다.
구간 체질
x1 <= 139.7 소양인
139.7 <= x1 < 155.32 소음인, 소양인
155.32 <= x1 < 156.12 소양인
156.12 <= x1 < 156.76 소양인, 태음인
x1 > 156.76 태음인
다음으로, 내안각폭(內眼角幅), 즉 눈의 안쪽 사이의 폭에 대한 인중 폭 비를 나타내는 내안각폭비(x2 = b/e*100)에 의한 사상체질 판별 기준은 아래의 표 2와 같다.
구간 체질
x2 <= 291.83 소음인
291.83 <= x2 < 315.53 소음인, 소양인
315.53 <= x2 < 322.11 소양인
322.11 <= x2 < 326.30 소양인, 태음인
x2 > 326.30 태음인
다음으로, 안최대폭(顔最大幅), 즉 얼굴 폭에 대한 인중 폭 비를 나타내는 안최대폭비(x3 = g/e*100)에 의한 사상체질 판별 기준은 아래의 표 3과 같다.
구간 체질
x3 <= 1181.31 소음인
1181.31 <= x3 < 1247.40 소음인, 소양인
1247.40 <= x3 < 1276.94 소양인
1276.94 <= x3 < 1314.25 소양인, 태음인
x3 > 1314.25 태음인
다음으로 구각간폭(口角間幅), 즉 입의 폭에 대한 인증 폭 비를 나타내는 구각간폭비(x4 = f/e*100)에 의한 사상체질 판별 기준은 아래의 표 4와 같다.
구간 체질
x4 <= 403.17 소음인
403.17 <= x4 < 415.27 소음인, 소양인
415.27 <= x4 < 435.09 소양인
435.09 <= x4 < 444.70 소양인, 태음인
x4 > 444.70 태음인
다음으로 외안각폭(外眼角幅), 즉 두 눈의 외측 폭에 대한 인증 폭 비를 나타내는 외안각폭비(x5 = a/e*100)에 의한 사상체질 판별 기준은 아래의 표 5와 같다.
구간 체질
x5 <= 731.94 소음인
31.94 <= x5 < 776.13 소음인, 소양인
776.13 <= x5 < 789.04 소양인
789.04 <= x5 < 814.97 소양인, 태음인
x >814.97 태음인
다음으로 비익폭(卑翼幅), 즉 코 날개 폭에 대한 인증 폭 비를 나타내는 비익폭비(x6 = d/e*100)에 의한 사상체질 판별 기준은 아래의 표 6과 같다.
구간 체질
x6 <= 318.87 소음인
318.87 <= x6 < 331.61 소음인, 소양인
331.61 <= x6 < 347.52 소양인
347.52 <= x6 < 356.21 소양인, 태음인
x6 > 356.21 태음인
마지막으로, 안폭(眼幅)에 대한 인증 폭 비를 나타내는 안폭비(x7 = a - b/e * 100)에 의한 사상체질 판별 기준은 아래의 표 7과 같다.
구간 체질
x7 <= 438.18 소음인
438.18 <= x7 < 462.28 소음인, 소양인
462.28 <= x7 < 464.31 소양인
464.31 <= x7 < 490.62 소양인, 태음인
x7 > 490.62 태음인
다시 도 2로 되돌아가서, 단계 S70에서는 얼굴 특징 요소들간의 비례를 계산한 결과를 인공 신경망(Artificial Neural Network) 모듈(350)에 입력하여 최종적으로 사상체질을 판별한다. 이러한 인공 신경망 알고리즘은 생물의 신경전달 과정을 단순화하고, 이를 수학적으로 해석한 모델로써, 복잡하게 얽혀있는 뉴런(neuron-신경세포 : 신경망에서는 네트워크를 이루는 최소단위)을 통과시켜가면서 뉴런끼리의 연결강도를 조절하는 일종의 학습(training)과정을 통해 문제를 분석한다. 이러한 과정은 사람이 학습하고 기억하는 과정과 비슷하며, 이를 통해 추론, 분류, 예측 등을 수행할 수 있다. 현재 인공 신경망은 최적화 문제나 예측문제 등에 많이 쓰이고 있다.
마지막으로 단계 S80에서는 이렇게 판별된 사상체질에 의거하여 당해 사용자에 적합한 건강 정보 처방 등의 다양한 건강 정보를 사용자에게 제공한다.
본 발명의 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법은 전술한 실시 예에 국한되지 않고 본 발명의 기술 사상이 허용하는 범위 내에서 다양하게 변형하여 실시할 수가 있다.
이상에서 설명한 바와 같은 본 발명의 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법에 따르면, 사용자로부터 제공받은 얼굴 영상을 처리하여 얼굴을 구성하는 특징 요소들을 추출한 후에 각 특징 요소들에 대한 비례 관계를 계산하여 당해 환자의 사상체질을 원격지에서도 객관적이고 정확하게 판별할 수가 있고, 나아가 이러한 판별 결과에 적합한 건강 정보를 원격지에서 제공할 수가 있다.

Claims (6)

  1. 건강서비스 제공업체가 사용자 단말기와 유/무선 통신망을 통해 연결된 상태에서 상기 건강서비스 제공업체에 의해 수행되되,
    사용자 단말기로부터 얼굴 영상을 전달받는 (a) 단계;
    상기 (a) 단계에서 전달받은 얼굴 영상에서 잡음제거 및 이미지 평활화를 수행하는 (b) 단계;
    상기 (b) 단계에서 이미지 평활된 RGB 색상 공간의 영상을 TSL 색상 공간의 영상으로 변환하는 (c) 단계;
    상기 (c) 단계에서 변환된 영상에서 마할라노비스 거리를 사용하여 얼굴 영역을 추출하는 (d) 단계 및
    상기 (d) 단계에서 추출된 얼굴 영역에서 각각의 특징 요소들을 추출한 후에 각 특징 요소들 간의 폭과 그 비례 관계를 계산하는 (e) 단계를 포함하여 이루어진 영상인식을 통한 얼굴 특징 추출방법.
  2. 제 1 항에 있어서,
    상기 (e) 단계에서 계산된 비례 관계를 인공 신경망 알고리즘으로 처리하여 당해 사용자에 대한 사상체질을 판별하는 (f) 단계를 더 포함하는 것을 특징으로 하는 영상인식을 통한 얼굴 특징 추출방법.
  3. 제 2 항에 있어서,
    상기 특징 요소는 비근폭, 내안각폭, 안최대폭, 구각간폭, 외안각폭, 비익폭 또는 안폭 중의 어느 하나 이상이고,
    상기 비례 관계는 상기 각각의 폭 대 인중 폭인 것을 특징으로 하는 영상인식을 통한 얼굴 특징 추출방법.
  4. 제 2 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 (f) 단계에서 판별된 사상체질에 적합한 건강정보를 사용자에게 제공하는 (g) 단계를 더 포함하는 것을 특징으로 하는 영상인식을 통한 얼굴 특징 추출방법.
  5. 이동통신망이나 인터넷망을 통해서 사진을 전송할 수 있는 기능이 구비된 이동통신 단말기나 퍼스널 컴퓨터와 유무선으로 연결된 건강서비스 제공 서버에 있어서,
    상기 건강서비스 제공 서버는, 상기 퍼스널 컴퓨터와의 사이에서 각종 웹 문서의 처리를 담당하는 웹서버, 상기 이동통신 단말기와의 사이에서 각종 왑 문서의 처리를 담당하는 왑서버, 각종 데이터를 조회하는 데이터 서버, 원격지의 이동통신 단말기 또는 퍼스널 컴퓨터로부터 전달받은 사용자의 얼굴 사진에 대한 영상인식을 수행하여 얼굴의 특징 요소들을 추출하고, 추출된 얼굴 특징 간의 각종 비례 관계를 계산하는 영상인식 모듈, 상기 영상인식 모듈에 의해 계산된 얼굴 특징 요소들 간의 각종 비례 관계 데이터를 인공 신경망 알고리즘으로 처리하여 가장 적합한 사상체질을 판별하는 인공신경망 모듈 및 필요한 각종 데이터를 수록하고 있는 데이터베이스를 포함하여 구성되는 것을 특징으로 하는 영상인식을 통한 얼굴 특징 추출장치.
  6. 제 5항에 있어서,
    상기 데이터베이스는 회원에 대한 각종 정보가 수록되어 있는 회원정보 DB, 사용자로부터 제공받은 얼굴 영상에 대한 원본 이미지를 저장하고 있는 얼굴 영상 DB, 사용자의 얼굴 특징요소들의 폭과 그 비례 관계 및 이에 의해 판별된 사상체질 정보가 저장되어 있는 사상체질 DB 및 사상체질에 따른 각종 건강 정보가 수록되어 있는 건강정보 DB를 포함하여 이루어지는 것을 특징으로 하는 영상인식을 통한 얼굴 특징 추출장치.
KR1020070057730A 2007-06-13 2007-06-13 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법 및시스템 KR100915922B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020070057730A KR100915922B1 (ko) 2007-06-13 2007-06-13 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법 및시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070057730A KR100915922B1 (ko) 2007-06-13 2007-06-13 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법 및시스템

Publications (2)

Publication Number Publication Date
KR20080109425A KR20080109425A (ko) 2008-12-17
KR100915922B1 true KR100915922B1 (ko) 2009-09-07

Family

ID=40368739

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070057730A KR100915922B1 (ko) 2007-06-13 2007-06-13 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법 및시스템

Country Status (1)

Country Link
KR (1) KR100915922B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100979506B1 (ko) * 2008-03-24 2010-09-02 학교법인 동의학원 사상체질 자동진단기
KR100984771B1 (ko) * 2008-06-02 2010-10-04 학교법인 동의학원 안면형태에 따른 형상 자동진단기
KR100927642B1 (ko) * 2009-05-14 2009-11-20 한국 한의학 연구원 영상 분할 히스토그램 분석을 이용한 얼굴 윤곽선 검출 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19980020738A (ko) * 1996-09-11 1998-06-25 양승택 얼굴 구성요소 추출시스템 및 그 추출방법
KR20020023608A (ko) * 2000-09-23 2002-03-29 이종균 홍채무늬에 따른 인성 및 체질 분석 시스템 및 방법과프로그램 기록매체
KR20020067524A (ko) * 2000-09-25 2002-08-22 올림파스 고가꾸 고교 가부시키가이샤 패턴 분류 방법 및 그 장치, 및 컴퓨터에 의해 읽기가능한 기억매체
KR20040095371A (ko) * 2003-04-28 2004-11-15 서유지 인터넷상에서 신체정보를 이용한 체질 분류방법, 장치, 그기록매체 및 오장육부와 그 경락의 상태정보 제공방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19980020738A (ko) * 1996-09-11 1998-06-25 양승택 얼굴 구성요소 추출시스템 및 그 추출방법
KR20020023608A (ko) * 2000-09-23 2002-03-29 이종균 홍채무늬에 따른 인성 및 체질 분석 시스템 및 방법과프로그램 기록매체
KR20020067524A (ko) * 2000-09-25 2002-08-22 올림파스 고가꾸 고교 가부시키가이샤 패턴 분류 방법 및 그 장치, 및 컴퓨터에 의해 읽기가능한 기억매체
KR20040095371A (ko) * 2003-04-28 2004-11-15 서유지 인터넷상에서 신체정보를 이용한 체질 분류방법, 장치, 그기록매체 및 오장육부와 그 경락의 상태정보 제공방법

Also Published As

Publication number Publication date
KR20080109425A (ko) 2008-12-17

Similar Documents

Publication Publication Date Title
US10219736B2 (en) Methods and arrangements concerning dermatology
CN105426695B (zh) 一种基于虹膜的健康状态检测系统
US9317761B2 (en) Method and an apparatus for determining vein patterns from a colour image
US8155406B2 (en) Image processing system, particularly for use with diagnostic images
US20140316235A1 (en) Skin imaging and applications
US20140313303A1 (en) Longitudinal dermoscopic study employing smartphone-based image registration
EP2987106A1 (en) Physiologic data acquisition and analysis
KR101301821B1 (ko) 안색 정보 생성 장치 및 그 방법, 안색 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법
KR102162683B1 (ko) 비정형 피부질환 영상데이터를 활용한 판독보조장치
JP6792986B2 (ja) 生体認証装置
Chiu et al. A micro-control capture images technology for the finger vein recognition based on adaptive image segmentation
TWI728369B (zh) 人工智慧雲端膚質與皮膚病灶辨識方法及其系統
KR100915922B1 (ko) 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법 및시스템
KR20220000851A (ko) 딥러닝 기술을 활용한 피부과 시술 추천 시스템 및 방법
Hsu et al. Extraction of visual facial features for health management
KR102165487B1 (ko) 비정형 피부질환 영상데이터를 활용한 피부 질환 판독 시스템
Shaju et al. Non-Invasive Anemia Detection Using Images Acquired from Smartphone Camera
CN117727426A (zh) 基于深度学习的体质鉴别并匹配药膳方案的方法和系统
KR20240025797A (ko) 피부 진단 장치, 이를 포함하는 피부 진단 시스템 및 그 방법
CN117064387A (zh) 基于场景视频的孤独症谱系障碍人工智能辅助诊断系统
CN117095835A (zh) 一种智能医疗健康会诊系统
KR20230129662A (ko) 피부질환 학습을 이용한 피부질환 진단시스템
KR20220057888A (ko) 이미지 기반 두피 분석 방법, 전자 장치 및 프로그램
CN117747077A (zh) 基于智能化技术的眼科全流程医疗服务系统及方法
Chan The effects of scarring on face recognition

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20120810

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20130620

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20141008

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20150608

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20160817

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20190826

Year of fee payment: 11