KR101558487B1

KR101558487B1 - 타이어 정보 제공 방법

Info

Publication number: KR101558487B1
Application number: KR1020150026917A
Authority: KR
Inventors: 이영기
Original assignee: 주식회사 다인
Priority date: 2015-02-26
Filing date: 2015-02-26
Publication date: 2015-10-07

Abstract

본 발명은 타이어 정보 제공 방법에 관한 것으로, 일 실시 예에 따른 타이어 정보 제공 방법에 있어서, 타이어 검색을 위한 타이어 이미지 업로드 모듈이 구동되는 단계; 사용자 단말에 기 저장된 타이어 이미지가 업로드 되는 단계; 상기 업로드 된 타이어 이미지를 분석하는 단계; 및 상기 분석 결과에 따른 상기 타이어 정보를 제공하는 단계를 포함한다.

Description

타이어 정보 제공 방법{Method for providing tire information}

본 개시는 타이어 정보 제공 방법에 관한 것이다.

종래에 운전자들의 타이어 구입방식은 오프라인으로 타이어의 매장을 찾아 판매자의 의도된 설명만 듣고 상품을 구매하는 방식으로 타이어에 정확한 정보를 알 수 없고 가격비교 또한 할 수 없어 손해를 보는 경우가 많았었다.

온라인이 발달하면서 타이어도 온라인 구매가 증가했으며 온라인 타이어 판매 사이트도 활성화되었다. 이러한 온라인 구매는 가격비교를 할 수 있어 저렴한 구매가 가능하게 되었다.

종래에 온라인 상품검색 방식은 차종검색, 사이즈검색을 이용한 상품검색 방식이며 운전자가 타이어 사이즈를 정확하게 알고 있다는 전제에서의 상품검색 방식이다.

예를 들면, 차종검색 방식은 자동차의 제조사, 차종, 타이어 사이즈를 순차적으로 선택하는 방식이다. 차종 검색 방식에서 사이즈를 선택할 때 동일 차종에 타이어 사이즈가 여러 종류이므로 선택이 어렵다. 또한, 사이즈검색 방식은 단면 폭, 편평비, 인치를 순차적으로 선택하는 방식이다. 타이어의 정확한 사이즈를 알 수 없는 경우 상품검색을 할 수 없다. 온라인 타이어 판매 사이트에서, 사이즈를 모르는 운전자를 위해 이미지, 텍스트, 동영상 등의 방법으로 알려주기도 하지만 구매자 입장에선 사이즈를 파악하기에는 여전히 어려움이 있다.

온라인에서 상품검색을 하려면 본인의 타이어 사이즈를 정확하게 알고 있어야하며, 타이어 사이즈를 모르면 정확한 타이어 구매를 할 수 없다. 하지만, 대부분의 운전자는 본인 차량에 장착된 타이어 사이즈를 모르며 온라인 구매 시 어려움을 느끼고 있다.

한편, 운전자가 타이어와 관련된 정보를 얻는 일반적인 방법으로, 오프라인 매장의 판매자에게 물어보거나, 온라인에서 타이어와 관련된 정보를 직접 검색하거나, 타인의 정보를 열람하는 방식이 있으나, 이러한 정보들은 주관적이고 편파적이어서, 정확한 정보를 얻기 힘들다.

본 실시 예들은, 온라인 영역, 예를 들면 PC, 모바일, 애플리케이션에서 타이어를 촬영한 타이어 이미지를 기초로 한 타이어 정보 제공 방법을 제공하는 것이다.

또한, 타이어와 관련된 콘텐츠에 타이어 이미지 검색이 가능한 모듈을 삽입함으로써, 해당 타이어 판매자의 광고와 홍보를 용이하게 하며, 사용자에게 현재 장착된 타이어와 동일하거나 유사한 타이어에 대한 타이어 상품 정보를 실시간으로 제공할 수 있으며, 상품 선택 및 구매에 도움을 줄 수 있는 타이어 정보 제공 방법을 제공하는 것이다.

본 실시 예들은, 전술한 과제에 한정되지 않으며, 이하 구체적인 내용에서 다양한 기술적 과제들을 제공할 수 있다.

상기의 기술적 과제를 달성하기 위한, 일 실시 예에 따른 타이어 정보 제공 방법에 있어서, 타이어 검색을 위한 타이어 이미지 업로드 모듈이 구동되는 단계; 사용자 단말에 기 저장된 타이어 이미지가 업로드 되는 단계; 상기 업로드 된 타이어 이미지를 분석하는 단계; 및 상기 분석 결과에 따른 상기 타이어 정보를 제공하는 단계를 포함한다.

상기 방법은 상기 사용자 단말에 타이어 관련 콘텐츠 - 상기 타이어 관련 콘텐츠에는 타이어 이미지 검색 모듈이 포함됨 - 가 표시되는 단계; 및 상기 타이어 이미지 검색 모듈이 선택되는 단계를 더 포함하고, 상기 타이어 이미지 검색 모듈이 선택된 경우, 상기 타이어 이미지 업로드 모듈이 구동되는 것을 특징으로 한다.

상기 타이어 정보는, 상기 타이어와 동일하거나 유사한 타이어에 관한 타이어 상품 정보, 상기 타이어의 손상 정보, 상기 타이어의 마모도 정보 중 적어도 하나를 포함하고, 상기 타이어 상품 정보는, 제조사, 상품명, 사이즈, 제품기능, 제조일자, 오프라인 가격, 온라인 가격, 가격 비교 정보, 공장도 가격, 교체 여부 판단정보, 리뷰 정보, 선호도 정보 및 이벤트 정보 중 적어도 하나를 포함하는 것을 특징으로 한다.

상기 분석 단계는, 상기 타이어 이미지 내 원형의 타이어 부분을 일자형태 이미지로 변환하는 단계; 상기 일자형태 이미지 내 인식대상 글자영역을 추출하는 단계; 및 기 구축된 학습 글자 군에서 상기 추출한 인식대상 글자영역과 가장 유사한 학습 글자를 상기 인식대상 글자영역의 글자로 파악하는 단계를 포함하는 것을 특징으로 한다.

상기 일자형태 이미지로 변환하는 단계는, 상기 이미지 내 원형의 타이어 부분을 추출하고, 상기 타이어 부분 내 휠 영역에 대응되는 원 또는 타원의 원주에 직각한 직선에 대응되는 직선 이미지들을 동일방향으로 재배치하여 상기 일자형태의 타이어 이미지를 획득하거나, 상기 이미지 내 원형의 타이어 부분을 추출하고, 상기 원형의 타이어 부분에서 휠 부분을 제거하고, 상기 휠 부분이 제거된 타이어 부분을 상기 일자형태 이미지로 변환하거나, 상기 이미지 촬영시 제공된 가이드라인을 기초로 상기 타이어 부분을 포함하는 일정 영역을 추출하고, 상기 추출된 영역을 일자형태 이미지로 변환하는 것을 특징으로 한다.

상기 일자형태 이미지로 변환하는 단계는, 상기 타이어 이미지의 촬영시 제공된 가이드라인을 기초로 추출된 원형의 타이어 부분을 일자형태 이미지로 1차 변환하는 단계; 상기 제1 일자형태의 이미지에서 인텐서티를 기준으로 휠 영역의 경계를 산출하는 단계; 및 상기 경계를 기초로 상기 타이어 이미지 내 원형의 타이어 부분을 다시 추출하여 일자형태 이미지로 2차 변환하는 단계를 포함하는 것을 특징으로 한다.

상기 휠 영역의 경계를 산출하는 단계는, 상기 일자형태 이미지의 각 선들에 대해 방향에 따른 가중치를 부여하는 단계; 상기 일자형태 이미지에서 인텐서티를 기준으로 구분되는 각 영역의 경계선을 구하는 단계; 및 상기 각 영역의 경계선으로 이루어진 경로 이미지에 상기 방향에 따른 가중치를 적용하여 상기 경로 이미지의 양단을 연결하는 최단 경로를 산출하는 단계를 포함하는 것을 특징으로 한다.

상기 2차 변환하는 단계는, 상기 최단 경로를 원형의 이미지로 변환하는 단계; 상기 원형의 이미지 내 최단 경로를 원 또는 타원으로 보정하는 단계; 상기 보정된 원 또는 타원을 기초로 상기 이미지 내 타이어 부분을 다시 추출하는 단계; 및 상기 다시 추출된 타이어 부분을 일자형태의 타이어 이미지로 변환하는 단계를 포함하는 것을 특징으로 한다.

상기 글자 영역을 추출하는 단계는, 상기 일자형태의 이미지에서 질감, 패턴, 에지 중 적어도 하나의 특징을 이용하여 각 글자 영역을 추출하는 단계를 포함하는 것을 특징으로 한다.

상기 글자 영역을 추출하는 단계는, 상기 일자형태 이미지에 엔트로피 필터를 적용하는 단계; 상기 엔트로피 필터를 적용한 결과 이미지에 적응적 임계값을 이용하여 흑과 백의 영역으로 구성된 이진 이미지를 획득하는 단계; 상기 이진 이미지에서 기 설정된 크기 이하의 잡음영역을 제거하는 단계; 및 상기 잡음영역이 제거된 이미지 내 인식대상 글자영역을 추출하는 단계를 포함하는 것을 특징으로 한다.

상기 글자를 파악하는 단계는, 상기 인식대상 글자영역에 적어도 하나 이상의 필터를 적용하여 특징정보를 획득하는 단계; 및 학습 글자 군에 대해 상기 적어도 하나 이상의 필터를 적용하여 기 구축한 글자별 특징 정보와 상기 인식대상 글자영역의 특징정보를 비교하여, 가장 유사한 특징정보를 가진 학습 글자를 상기 인식대상 글자영역에 포함된 글자로 파악하는 단계를 포함하는 것을 특징으로 한다.

상기 타이어 관련 콘텐츠는, 블로그를 포함한 게시물 페이지, 타이어 관련 질문/답변 페이지, 카페/커뮤니티 페이지 또는 포털 및 각종 사이트의 배너 광고 페이지를 포함하는 것을 특징으로 한다.

상기 분석 단계는, 상기 타이어 이미지의 측면에 위치한 문자, 숫자, 기호 중 적어도 하나의 타이어 이미지 데이터를 이용하여 데이터베이스에서 비교대상 이미지 또는 상기 비교대상 이미지에 상응하는 비교대상 데이터를 검색하는 단계; 및 상기 타이어 이미지와 상기 비교대상 이미지의 차이 또는 상기 타이어 이미지 데이터와 상기 비교대상 데이터의 차이를 기초로 손상 여부를 판별하는 단계를 더 포함하는 것을 특징으로 한다.

상기 비교대상 이미지를 검색하는 단계는, 상기 타이어 이미지 내 원형의 타이어 부분을 일자형태 이미지로 변환하는 단계; 상기 일자형태 이미지 내 인식대상 글자영역을 추출하는 단계; 기 구축된 학습 글자 군에서 상기 추출한 인식대상 글자영역과 가장 유사한 학습 글자를 상기 인식대상 글자영역의 글자로 파악하는 단계; 및 상기 파악된 글자를 기초로 상기 데이터베이스 내 비교대상 이미지를 검색하는 단계를 포함하는 것을 특징으로 한다.

상기 분석 단계는, 상기 타이어 이미지 내 선 성분을 검출하는 단계; 상기 타이어 이미지 내 글자 영역을 검출하는 단계; 상기 검출된 선 성분에서 상기 글자 영역에 위치한 선 성분을 제거하는 단계; 및 상기 제거하는 단계 이후 남아 있는 선 성분을 기초로 손상 여부를 판별하는 단계를 더 포함하는 것을 특징으로 한다.

상기 타이어 이미지는 동영상이고, 상기 동영상을 기초로 타이어의 3차원 형상의 이미지를 생성하는 단계; 및 상기 3차원 형상의 이미지 내 트레드 영역의 깊이를 기초로 타이어 트레드의 마모도를 측정하는 단계를 포함하는 것을 특징으로 한다.

상기 3차원 형상의 이미지를 생성하는 단계는, 상기 동영상 이미지를 복수의 정지 이미지 단위로 분리하는 단계; 복수의 정지 이미지들 사이의 화소별 대응관계를 파악하는 단계; 상기 화소별 대응관계를 통해 상기 동영상의 촬영시 각도 및 거리를 포함하는 파라미터를 파악하는 단계; 및 상기 파라미터를 기초로 복수의 정지 이미지 사이의 깊이 정보를 파악하여 타이어에 대한 3차원 형상 이미지를 생성하는 단계를 포함하는 것을 특징으로 한다.

상기 마모도를 측정하는 단계는, 상기 3차원 형상의 이미지에 대한 곡률 분석을 기초로 트레드 홈 영역과 표면 영역을 검출하는 단계; 상기 검출된 표면영역으로부터 상기 홈 영역의 깊이를 파악하는 단계; 상기 파악된 깊이를 기초로 상기 타이어의 마모도를 인식하는 단계를 포함하는 것을 특징으로 한다.

상기 트레드 홈 영역과 표면 영역을 검출하는 단계는, 상기 3차원 형상 이미지의 각 화소의 곡률을 분석하는 단계; 곡률이 기 설정된 범위 내에서 유사하고 상호 거리가 기 설정된 거리 범위 내인 화소들을 연결하여 생성된 영역 중 가장 큰 곡률을 가진 영역을 파악하는 단계; 및 상기 가장 큰 곡률을 가진 영역을 기준으로 분리되는 트레드 홈 영역과 표면 영역을 검출하는 단계를 포함하는 것을 특징으로 한다.

상기 다른 기술적 과제를 달성하기 위한, 다른 실시 예에 따른 타이어 정보 제공 방법을 컴퓨터에서 실행시키기 위한 프로그램을 저장한 기록매체를 포함한다.

일 실시 예에 따른 타이어 정보 제공 방법은 사용자가 자신의 타이어 사이즈를 몰라도, 타이어 이미지만으로도 현재 차량에 장착된 타이어와 동일하거나 장착 가능한 타이어를 손쉽게 검색할 수 있으며, 가격 비교를 통해 저렴하게 타이어를 구매할 수 있다.

또한, 상기 타이어 정보 제공 방법은 SMS(Short Message Service), MMS(Multimedia Message Service), e-mail, SNS(Social Network Service)공유 기능으로 사용자들간 정보교환 및 정보가 필요한 제3자에게 유효한 도움을 줄 수 있다.

또한, 타이어와 관련된 콘텐츠에 타이어 이미지 검색이 가능한 모듈을 삽입함으로써, 해당 타이어 판매자의 광고와 홍보를 용이하게 하며, 사용자에게 현재 장착된 타이어 정보와 장착 가능한 상품에 대한 정보를 실시간으로 제공할 수 있으며, 상품 선택 및 구매에 도움을 줄 수 있다.

도 1은 일 실시 예에 따른 타이어 정보 제공을 위한 전체 시스템의 개략적인 구조를 도시한 도면이다.
도 2는 도 1에 도시된 사용자 단말기(110)와 타이어 정보 제공 서버(100)의 개략적인 블록 도이다.
도 3은 종래기술에 따른 타이어 검색 방법을 설명하기 위한 예시 도들이다.
도 4는 일 실시 예에 따른 타이어 관련 콘텐츠의 예시를 설명하기 위한 도면들이다.
도 5a는 다른 실시 예에 따른 타이어 정보 제공 방법을 설명하기 위한 흐름도이다.
도 5b는 또 다른 실시 예에 따른 타이어 정보 제공 방법을 설명하기 위한 흐름도이다.
도 6a은 도 2에 도시된 사용자 단말기(110)의 개략적인 블록 도이다.
도 6b는 사용자 단말기(110)를 통해 타이어 이미지를 촬영하는 일 예를 도시한 도면이다.
도 7 및 8은 또 다른 실시 예에 따른 촬영 조건에 따라 변형되는 가이드라인의 일 예를 도시한 도면들이다.
도 9는 또 다른 실시 예에 따른 사용자 단말기(110)의 일 예의 구성을 도시한 도면이다.
도 10은 또 다른 실시 예에 따른 휴대 단말기를 통한 타이어 이미지 획득 방법의 일 예를 도시한 흐름도이다.
도 11은 도 2에 도시된 타이어 인식 모듈(104)의 개략적인 블록 도이다.
도 12 및 13은 또 다른 실시 예에 따른 원형의 타이어 부분을 일자형태 이미지로 변환하는 방법의 일 예를 도시한 도면들이다.
도 14a 내지 14g는 또 다른 실시 예에 따른 일자형태 이미지를 보정 하는 방법의 일 예를 도시한 도면이다.
도 14i 내지 14l은 또 다른 실시 예에 따른 일자형태 이미지를 영역별로 분리하는 방법의 일 예를 도시한 도면들이다.
도 14m은 또 다른 실시 예에 따른 영역별로 분리된 이미지를 보정하는 방법의 일 예를 도시한 도면이다.
도 15a는 또 다른 실시 예에 따른 영역별로 분리된 이미지로부터 글자 영역을 추출하는 방법의 일 예를 도시한 도면이다.
도 15b는 또 다른 실시 예에 따른 글자 영역에서 각 글자 단위로 이미지 영역을 추출하는 방법의 일 예를 도시한 도면이다.
도 16은 또 다른 실시 예에 따른 타이어 문자 인식을 위한 각 글자의 비교 방법의 일 예를 도시한 도면이다.
도 17은 또 다른 실시 예에 따른 타이어 인식 방법의 일 예의 흐름을 도시한 도면이다.
도 18은 또 다른 실시 예에 따른 일자형태 이미지로의 변환 과정의 일 예의 흐름을 도시한 도면이다.
도 19는 또 다른 실시 예에 따른 일자형태 이미지의 보정 방법의 일 예의 흐름을 도시한 도면이다.
도 20은 또 다른 실시 예에 따른 일자형태 이미지로부터 글자 영역을 추출하는 방법의 일 예의 흐름을 도시한 도면이다.
도 21은 또 다른 실시 예에 따른 타이어 글자 인식 방법의 일 예의 흐름을 도시한 도면이다.
도 22는 도 2에 도시된 손상 인식 모듈(105)의 개략적인 블록 도이다.
도 23은 도 2에 도시된 손상 인식 모듈(105)의 다른 블록 도이다.
도 24 내지 26은 또 다른 실시 예에 따른 타이어 손상 인식 방법의 흐름도들이다.
도 25는 또 다른 실시 예에 따른 타이어 손상 인식 방법의 흐름도이다.
도 27 및 28은 타이어 이미지로부터 무채색 영역을 추출하는 방법의 일 예를 도시한 도면,
도 29는 도 27의 무채색 영역에서 검은 영역을 추출하는 방법의 일 예를 도시한 도면이다.
도 30은 도 29의 방법을 적용하여 얻은 검은 영역으로 구성된 이미지의 일 예를 도시한 도면이다.
도 31은 도 30의 검은 영역에서 선 성분을 추출하는 방법의 일 예를 도시한 도면이다.
도 32는 도 31의 선 성분 이미지에서 글자 영역의 선 성분을 제거하는 방법의 일 예를 도시한 도면이다.
도 34는 도 31의 선 성분을 데이터베이스의 비교 이미지와 비교하여 손상을 인식하는 방법의 일 예를 도시한 도면이다.
도 35는 마모도 측정 모듈(106)의 일 실시 예의 구성을 도시한 도면이다.
도 36은 또 다른 실시 예에 따른 타이어 마모도를 측정하는 방법의 일 예를 도시한 흐름도이다.
도 37은 또 다른 실시 예에 따른 타이어 마모도 측정을 위해 동영상 이미지로부터 3차원 형상의 이미지를 생성하는 방법의 일 예를 도시한 흐름도이다.
도 38은 복수의 정지 이미지들의 2차원 좌표를 3차원 공간의 공간좌표로 변환하는 일 예를 도시한 도면이다.
도 39는 타이어 트레드 동영상으로부터 획득한 3차원 형상의 이미지의 일 예를 도시한 도면이다.
도 40은 생성된 3차원 형상의 이미지로부터 타이어 트레드 마모도를 측정하는 구체적인 방법의 일 예를 도시한 흐름도이다.
도 41은 3차원 형상 이미지를 화소의 곡률 크기별로 구분한 일 예를 도시한 도면이다.
도 42는 3차원 형상 이미지를 트레드 홈 영역의 방향과 폭을 기준으로 다수의 구간으로 구분한 일 예를 도시한 도면이다.
도 43은 3차원 형상 이미지의 일 예를 도시한 도면이다.
도 44는 도 43의 3차원 형상 이미지로부터 트레드 홈 깊이를 파악하는 방법의 일 예를 도시한 도면이다.
도 45는 3차원 형상 이미지를 근사 평면으로 보정한 일 예를 도시한 도면이다.

이하에서, 첨부된 도면들을 참조하여 본 실시 예에 따른 타이어 정보 제공 방법에 대해 상세히 설명한다.

도 1은 일 실시 예에 따른 타이어 정보 제공을 위한 전체 시스템의 개략적인 구조를 도시한 도면이다.

도 1을 참조하면, 전체 시스템은 사용자 단말기(110), 통신망(120), 타이어 정보 제공 서버(100) 및 포털 서버(130)를 포함한다.

사용자 단말기(110)는 스마트 폰, PC, 노트 북, 웨어러블 컴퓨터, 휴대 단말기 등을 포함한 사용자 단말을 의미한다. 이하에서는 사용자 단말기(110)로 지칭한다.

타이어 정보 제공 서버(100)는 통신망(120)을 통해 접속한 사용자 단말기(110)에 타이어 정보를 제공한다. 여기서, 타이어 정보는, 사용자의 차량에 현재 장착된 타이어와 동일하거나 유사한 타이어에 대한 타이어 상품 정보, 현재 장착된 타이어의 손상 정보, 현재 장착된 타이어의 마모도 정보 등을 포함할 수 있다. 또한, 타이어 상품 정보는, 제조사, 상품명, 사이즈, 제품기능, 제조일자, 오프라인 가격, 온라인 가격, 가격 비교 정보, 공장도 가격, 교체 여부 판단정보, 리뷰 정보, 선호도 정보, 이벤트 정보 등을 포함할 수 있다.

타이어 정보 제공 서버(100)는 사용자 단말기(110)에 타이어 정보를 제공하고, 온라인에서 타이어 구매 및 결제를 제공하며, 구매한 타이어를 사용자가 원하는 장착 매장에 배송하도록 하여, 사용자가 원하는 장착 매장에서 타이어를 교체할 수 있는 서비스를 제공한다. 타이어 정보 제공 서버(100)는 사용자 단말기(110)에 타이어 정보뿐만 아니라, 타이어 관련 콘텐츠를 제공할 수도 있다. 타이어 정보 제공 서버(100)의 구체적인 구성은 도 2를 참조하여 후술한다. 또한, 타이어 정보 제공 서버(100)는 포털 서버(130)와 연동하여, 포털 서버(130)가 제공하는 타이어 관련 콘텐츠에 타이어 이미지 검색 모듈을 삽입하여 사용자 단말기(110)에 표시할 수 있다.

포털 서버(130)는 사용자 단말기(110)에 다양한 타이어 관련 콘텐츠를 제공한다. 예를 들면, 타이어 관련 콘텐츠는 블로그를 포함한 게시물 페이지, 타이어 관련 질문/답변 페이지, 카페/커뮤니티 페이지 또는 포털 및 각종 사이트의 배너 광고 페이지일 수 있다. 또한, 선택적으로, 포털 서버(130)는 타이어와 관련된 콘텐츠에만, 예를 들면 타이어와 관련된 검색 결과 페이지, 타이어 구매와 관련된 질문/답변 페이지, 타이어 관련 카페/커뮤니티의 게시판 페이지, 또는 포털 및 각종 사이트의 배너 광고로서 타이어 이미지 검색 모듈을 삽입할 수 있다.

도 2는 도 1에 도시된 사용자 단말기(110)와 타이어 정보 제공 서버(100)의 개략적인 블록 도이다.

타이어 정보 제공 서버(100)에 접속한 사용자 단말기(110)에는 타이어 검색을 위한 검색 메뉴로서, 차종 검색(111), 사이즈 검색(112) 및 이미지 검색(113)이 제공될 수 있다.

차종 검색(111)은, 도 3a 내지 3d에 도시된 바와 같이, 차종 검색 방식은 사용자가 자동차 제조사, 차종, 타이어 사이즈를 순차적으로 선택하는 방식이다. 하지만, 이러한 차종검색 방식에서 사이즈를 선택할 때 동일 차종에 타이어 사이즈가 여러 종류이므로 선택이 어렵다.

사이즈 검색(112)은 도 3e 내지 3h에 도시된 바와 같이, 단면폭, 편평비, 인치를 순차적으로 선택하는 방식이다. 사이즈 검색 방식은 타이어의 사이즈를 정확하게 알지 못하면 선택할 수 없고 차종검색 방식보다 어렵다.

도 3에 도시된 차종검색, 사이즈검색 방식은 위와 같이 타이어 사이즈를 알아야 상품 검색이 가능한 방식이다.

이미지 검색(113)은 사용자가 자신의 사용자 단말기(110)에 저장된 타이어 이미지를 타이어 정보 제공 서버(100)에 업로드 하면, 타이어 정보 제공 서버(100)는 업로드 된 타이어 이미지를 분석 및 인식하여 타이어 정보를 사용자 단말기(110)에 제공한다. 여기서, 사용자 단말기(110)에는 미리 촬영된 타이어 이미지가 저장되어 있는 것을 가정하여 설명하지만, 이에 한정되지 않고, 사용자 단말기(110)가 카메라 모듈을 구비한 경우, 실시간으로 타이어 이미지를 촬영하고, 촬영된 이미지를 타이어 정보 제공 서버(100)에 전송하여, 타이어 이미지가 분석 및 인식될 수 있음은 물론이다. 또한, 이미지 검색(113)은 타이어 이미지의 이미지 파일 자체를 업로드 하는 경우뿐만 아니라, SMS(Short Message Service, 이하 SMS라 한다), MMS(Multimedia Message Service, 이하 MMS라 한다), e-mail, SNS(Social Network Service, 이하 SNS라 한다)공유 방식으로 타이어 이미지를 전송하는 것도 포함한다.

타이어 정보 제공 서버(100)는 업로드 된 타이어 이미지를 분석하여, 사용자의 타이어를 인식하고, 동일하거나 유사한 타이어를 검색하여, 사용자에게 타이어 정보로서, 타이어 상품 정보를 제공한다. 또한, 타이어 상품 정보뿐만 아니라, 현재 장착된 타이어의 손상 정보, 또는 타이어의 마모도 정보를 제공할 수도 있다. 여기서, 타이어 상품 정보는, 제조사, 상품명, 사이즈, 제품기능, 제조일자, 오프라인 가격, 온라인 가격, 가격 비교 정보, 공장도 가격, 교체 여부 판단정보, 리뷰 정보, 선호도 정보, 또는 이벤트 정보, 또는 이들의 조합을 포함할 수 있으나, 이에 한정되지 않는다.

타이어 정보 제공 서버(100)는 전체 서버 동작을 제어하는 제어 모듈(101), 차종 검색 모듈(102-1), 사이즈 검색 모듈(102-2), 이미지 검색 모듈(102-3)을 포함하는 검색 인터페이스 모듈(102), 사용자 단말기(110)와의 네트워크 접속을 제어하는 접속 인터페이스(103), 타이어를 인식하는 타이어 인식 모듈(104), 타이어의 손상 정도를 인식하는 타이어 손상 인식 모듈(105), 타이어의 마모도를 측정하는 타이어 마모도 측정 모듈(106)을 포함한다. 또한, 사용자 단말기(110)에 제공되는 타이어 관련 콘텐츠에 이미지 검색 모듈을 삽입하는 검색 삽입 모듈(108-1)을 포함한다. 검색 삽입 모듈(108-1)은 타이어 정보 제공 서버(100)가 제공하는 판매 사이트 또는 포털 서버(130)가 제공하는 블로그를 포함한 게시물 페이지, 타이어 관련 질문/답변 페이지, 카페/커뮤니티 페이지 또는 포털 사이트의 배너 광고 페이지 등에 이미지 검색 모듈(102-3)을 삽입하여 사용자 단말기(110)에 제공한다.

타이어 이미지 저장부(108-2)는 사용자 단말기(110)로부터 업로드 된 또는 전송된 타이어 이미지를 저장한다. 저장된 타이어 이미지는 타이어 인식 모듈(104), 타이어 손상 인식 모듈(105), 타이어 마모도 측정 모듈(106)에서 분석 및 인식되고, 분석된 타이어 정보들은 사용자 단말기(110)에 전송된다. 또한, 분석된 타이어 정보는 실시간으로 사용자 단말기(110)에 제공될 수 있으며, 사용자 DB(107-1)에 저장된 사용자 정보와 매칭되어 저장될 수 있으며, 이후 사용자의 타이어 정보 요청시 타이어 이미지 저장부(108-2)에 저장된 타이어 정보가 추출되어 사용자 단말기(110)에 제공될 수도 있다. 예를 들면, 타이어 정보로서 타이어 교체 주기와 관련된 정보가 특정 사용자와 매칭되어 저장된 후, 타이어 교체 시기가 다가오면, 사용자 DB(107-1)에 저장된 사용자 정보에 따라 타이어 교체 정보를 사용자 단말기(110)에 전송할 수도 있다.

여기서, 검색 인터페이스(102)와 분석 모듈들(104 내지 106)은 애플리케이션으로 구현되어, 사용자 단말기(110)에 탑재되어 구현될 수 있음은 물론이다.

타이어 정보 제공 서버(100)는 사용자 DB(107-1)과 타이어 DB(107-2)를 포함하고, 사용자의 타이어 결제를 담당하는 결제 모듈(109-1)과 배송 모듈(109-2)을 포함할 수 있다. 여기서, 타이어 정보 제공 서버(100)가 결제 모듈(109-1)과 배송 모듈(109-2)을 포함하는 것으로 도시되어 있지만, 외부 결제/배송 시스템과 연동하여 사용자에게 결제/배송 서비스를 진행할 수 있음은 물론이다.

도 4는 일 실시 예에 따른 타이어 관련 콘텐츠의 예시를 설명하기 위한 도면들이다. 도 1에 도시된 타이어 정보 제공 서버(100) 또는 포털 서버(130)는 도 4에 도시된 다양한 타이어 관련 콘텐츠를 사용자 단말기(110)에 제공할 수 있다.

도 4a를 참조하면, 타이어 정보 제공 서버(100)가 제공하는 타이어 판매 사이트의 페이지에서, 이미지 검색 모듈(400)을 제공한다. 타이어 판매 사이트에서도 도 3에 도시된 차종 검색과 사이즈 검색과 같은 종래의 타이어 검색 메뉴를 제공하지만, 사용자가 타이어 사이즈를 몰라도 타이어 이미지를 촬영하여 자신의 타이어와 동일하거나 유사한 타이어의 상품 정보를 제공받을 수 있는 이미지 검색 모듈을 제공한다. 따라서, 사용자는 쉽게 타이어 정보를 확인할 수 있다.

도 4b를 참조하면, 포털 서버(130)가 제공하는 블로그 사이트에서, 이미지 검색 모듈(410)을 제공한다. 블로그에서 타이어 관련 주제(예를 들면 타이어 이야기)와 관련된 페이지에 이미지 검색 모듈(410)을 삽입하여 사용자 단말기(110)에 제공한다.

도 4c를 참조하면, 포털 서버(130)가 제공하는 타이어 관련 질문/답변 페이지에서, 이미지 검색 모듈(420)을 제공한다. Q&A 페이지에서 타이어 관련 주제(예를 들면 타이어 사이즈 보는 법)와 관련된 페이지에 이미지 검색 모듈(420)을 삽입하여 사용자 단말기(110)에 제공한다. 질문/답변 페이지의 게시물들은 비전문적인 정보들이 섞여 있어서 신빙성이 떨어지며 타인의 정보를 보고 유추해야 하기 때문에 정확한 정보를 얻기가 힘들다. 따라서, 이러한 페이지에서 이미지 검색 모듈(420)을 제공하여 사용자가 해당 메뉴를 선택 또는 클릭하면, 이미지 검색 모듈(420)을 구동시켜 사용자 단말기(110)의 카메라 모듈을 통해 자신의 타이어 이미지를 촬영하여 타이어와 동일하거나 유사한 타이어의 상품 정보 또는 타이어 사이즈 정보 등을 제공받을 수 있다.

도 4d를 참조하면, 포털 서버(130)가 제공하는 카페 사이트에서, 이미지 검색 모듈(430)을 제공한다. 카페 게시물에서 타이어 관련 주제(예를 들면 타이어 사이즈 보는 법)와 관련된 페이지에 이미지 검색 모듈(430)을 삽입하여 사용자 단말기(110)에 제공한다. 따라서, 사용자는 쉽게 타이어 정보를 확인할 수 있고, 타이어 판매자는 광고/홍보를 효과적으로 할 수 있다.

도 4e를 참조하면, 포털 서버(130)가 제공하는 커뮤니티 게시물에서, 이미지 검색 모듈(440)을 제공한다. 커뮤니티 게시물에서 타이어 관련 주제(예를 들면 타이어 사이즈 쉽게 확인하자)와 관련된 페이지에 이미지 검색 모듈(440)을 삽입하여 사용자 단말기(110)에 제공한다. 따라서, 사용자는 쉽게 타이어 정보를 확인할 수 있고, 타이어 판매자는 광고/홍보를 효과적으로 할 수 있다.

도 4f를 참조하면, 포털 서버(130)가 제공하는 포털 사이트의 메인 화면에서, 배너 광고로서 이미지 검색 모듈(450)을 제공한다. 따라서, 해당 포털의 메인 화면의 배너 광고로서 타이어 정보를 이미지로서 검색할 수 있도록 함으로써, 사용자는 쉽게 타이어 정보를 확인할 수 있고, 타이어 판매자는 광고/홍보를 효과적으로 할 수 있다.

도 5a는 다른 실시 예에 따른 타이어 정보 제공 방법을 설명하기 위한 흐름도이다.

도 5a를 참조하면, 단계 500에서, 타이어 이미지 업로드가 구동된다. 타이어 정보 제공 서버(100)에 접속한 사용자 단말기(110)에서 타이어 정보 검색을 위해 타이어 이미지 업로드 메뉴가 선택되며, 사용자 단말기(110)에서 타이어 이미지를 업로드할 수 있는 타이어 업로드 모듈이 구동된다. 단계 502에서, 사용자 단말기(110)에 저장된 타이어 이미지가 타이어 정보 제공 서버(100)에 업로드 된다. 여기서, 사용자 단말기(110)에는 미리 촬영된 타이어 이미지가 저장되어 있을 수 있고, 사용자 단말기(110)가 카메라 모듈을 구비한 경우, 실시간으로 타이어 이미지를 촬영하고, 촬영된 이미지를 타이어 정보 제공 서버(100)에 업로드할 수 있다. 또한, 타이어 이미지의 이미지 파일 자체를 업로드 하는 경우뿐만 아니라, SMS, MMS, e-mail, SNS 공유 방식으로 타이어 이미지를 업로드 할 수 있다.

단계 504에서, 타이어 정보 제공 서버(100)에서 업로드된 타이어 이미지를 분석 및 인식한다. 단계 506에서, 타이어 정보 제공 서버(100)는 업로드 된 타이어 이미지를 분석하여, 사용자의 타이어를 인식하고, 동일하거나 유사한 타이어를 검색하여, 사용자에게 타이어 정보로서, 타이어 상품 정보를 제공한다. 또한, 타이어 상품 정보뿐만 아니라, 현재 장착된 타이어의 손상 정보, 또는 타이어의 마모도 정보를 제공할 수도 있다. 여기서, 타이어 상품 정보는, 제조사, 상품명, 사이즈, 제품기능, 제조일자, 오프라인 가격, 온라인 가격, 가격 비교 정보, 공장도 가격, 교체 여부 판단정보, 리뷰 정보, 선호도 정보, 또는 이벤트 정보, 또는 이들의 조합을 포함할 수 있다. 일 실시 예에 따른 타이어 정보 제공 방법은 사용자가 자신의 차량의 타이어 사이즈를 알지 못하여도, 촬영된 타이어 이미지만으로도 타이어 사이즈 정보뿐만 아니라, 자신의 타이어와 동일하거나 유사한 타이어 상품 정보와, 타이어 손상 여부에 대한 정보, 타이어 마모도 정보 등을 용이하게 확인할 수 있다.

도 5b는 또 다른 실시 예에 따른 타이어 정보 제공 방법을 설명하기 위한 흐름도이다.

도 5b를 참조하면, 단계 510에서, 사용자 단말기(110)에 타이어 관련 콘텐츠를 표시한다. 타이어 관련 콘텐츠는 타이어 정보 제공 서버 또는 포털 서버가 제공할 수 있으나, 이에 한정되지 않고, 다양한 외부 서버에 의해 타이어 관련 콘텐츠를 제공할 수 있음은 물론이다. 여기서, 타이어 관련 콘텐츠는 블로그를 포함한 게시물 페이지, 타이어 관련 질문/답변 페이지, 카페/커뮤니티 페이지 또는 포털 및 각종 사이트의 배너 광고 페이지일 수 있으나, 이에 한정되지 않음은 물론이다.

단계 512에서, 사용자 단말기(110)에 타이어 관련 콘텐츠에 이미지 검색 모듈이 포함된 페이지를 제공한다. 예를 들면 타이어와 관련된 검색 결과 페이지, 타이어 구매와 관련된 질문/답변 페이지, 타이어 관련 카페/커뮤니티의 게시판 페이지, 또는 포털 및 각종 사이트의 배너 광고로서 타이어 이미지 검색 모듈을 삽입할 수 있다.

단계 514에서, 사용자가 이미지 검색을 선택한다. 여기서, 사용자는 자신의 사용자 단말기(110)를 통해 타이어 관련 콘텐츠에 포함된 이미지 검색 모듈을 선택하는 것을 의미한다.

단계 516에서, 사용자 단말기(110)에서 타이어 이미지를 업로드할 수 있는 타이어 이미지 업로드 모듈이 구동된다.

단계 518에서, 사용자 단말기(110)에 저장된 타이어 이미지가 타이어 정보 제공 서버(100)에 업로드 된다. 여기서, 사용자 단말기(110)에는 미리 촬영된 타이어 이미지가 저장되어 있을 수 있고, 사용자 단말기(110)가 카메라 모듈을 구비한 경우, 실시간으로 타이어 이미지를 촬영하고, 촬영된 이미지를 타이어 정보 제공 서버(100)에 업로드할 수 있다. 또한, 타이어 이미지의 이미지 파일 자체를 업로드 하는 경우뿐만 아니라, SMS, MMS, e-mail, SNS 공유 방식으로 타이어 이미지를 업로드 할 수 있다.

단계 520에서, 타이어 정보 제공 서버(100)에서 업로드된 타이어 이미지를 분석 및 인식한다. 단계 522에서, 타이어 정보 제공 서버(100)는 업로드 된 타이어 이미지를 분석하여, 사용자의 타이어를 인식하고, 동일하거나 유사한 타이어를 검색하여, 사용자에게 타이어 정보로서, 타이어 상품 정보를 제공한다. 또한, 타이어 상품 정보뿐만 아니라, 현재 장착된 타이어의 손상 정보, 또는 타이어의 마모도 정보를 제공할 수도 있다. 여기서, 타이어 상품 정보는, 제조사, 상품명, 사이즈, 제품기능, 제조일자, 오프라인 가격, 온라인 가격, 가격 비교 정보, 공장도 가격, 교체 여부 판단정보, 리뷰 정보, 선호도 정보, 또는 이벤트 정보, 또는 이들의 조합을 포함할 수 있다. 다른 실시 예에 따른 타이어 정보 제공 방법은 사용자가 자신의 차량의 타이어 사이즈를 알지 못하여도, 촬영된 타이어 이미지만으로도 타이어 사이즈 정보뿐만 아니라, 자신의 타이어와 동일하거나 유사한 타이어 상품 정보와, 타이어 손상 여부에 대한 정보, 타이어 마모도 정보 등을 용이하게 확인할 수 있다. 또한, 타이어와 관련된 콘텐츠에 타이어 이미지 검색이 가능한 모듈을 삽입함으로써, 해당 타이어 판매자의 광고와 홍보를 용이하게 할 수 있다.

도 6a은 도 2에 도시된 사용자 단말기(110)의 예시로 휴대 단말기의 개략적인 블록 도이다.

사용자 단말기(110)는, 사용자 입력부(131), 출력부(132), 제어부(130), 및 통신부(150) 이외에 센싱부(140), A/V 입력부(160), 및 메모리(170)를 포함할 수도 있다.

사용자 입력부(131)는, 사용자가 타이어 검색을 위한 선택을 입력하는 수단을 의미할 수 있다. 예를 들어, 사용자 입력부(131)는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등이 있을 수 있으나 이에 한정되는 것은 아니다.

출력부(1320)는, 오디오 신호 또는 비디오 신호 또는 진동 신호를 출력할 수 있으며, 출력부(132)는 디스플레이부(133), 음향 출력부(134), 및 진동 모터(135)를 포함할 수 있다.

디스플레이부(133)는 액정 디스플레이(liquid crystal display), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display), 유기 발광 다이오드(organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전기영동 디스플레이(electrophoretic display) 중에서 적어도 하나를 포함할 수 있다.

음향 출력부(134)는 통신부(150)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다. 이러한 음향 출력부(134)에는 스피커(speaker), 버저(Buzzer) 등이 포함될 수 있다.

진동 모터(135)는 진동 신호를 출력할 수 있다. 예를 들어, 진동 모터(135)는 오디오 데이터 또는 비디오 데이터(예컨대, 호신호 수신음, 메시지 수신음 등)의 출력에 대응하는 진동 신호를 출력할 수 있다. 또한, 진동 모터(135)는 터치스크린에 터치가 입력되는 경우 진동 신호를 출력할 수도 있다.

제어부(130)는, 통상적으로 사용자 단말기(110)의 전반적인 동작을 제어할 수 있다. 예를 들어, 제어부(130)는, 메모리(170)에 저장된 프로그램들을 실행함으로써, 사용자 입력부(131), 출력부(132), 센싱부(140), 통신부(150), A/V 입력부(160) 등을 전반적으로 제어할 수 있다. 또한, 제어부(130)는 사용자 단말기(110)의 타이어 검색 동작을 수행하기 위하여, 사용자 단말기(110) 내의 구성 요소들을 제어할 수 있다.

구체적으로, 제어부(130)는 타이어 검색을 위해, 사용자가 이미지 검색을 선택한 경우, 카메라 모듈(161)을 구동시켜, 타이어를 촬영하는 동작을 수행한다. 또한, 촬영된 타이어 이미지를 타이어 정보 제공 서버(100)에 전송하거나, 애플리케이션으로 구현되는 경우, 제어부(130) 내의 타이어 분석 모듈에 제공하여 타이어 이미지를 분석할 수 있다.

센싱부(140)는, 사용자 단말기(110)의 상태 또는 주변의 상태를 감지하고, 감지된 정보를 제어부(130)로 전달할 수 있다.

센싱부(140)는, 지자기 센서(Magnetic sensor)(141), 가속도 센서(Acceleration sensor)(142), 온/습도 센서(143), 적외선 센서(144), 자이로스코프 센서(145), 위치 센서(예컨대, GPS)(146), 기압 센서(147), 근접 센서(148), 및 RGB 센서(illuminance sensor)(149) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다.

통신부(150)는, 사용자 단말기(110)와 타이어 정보 제공 서버(100) 간의 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 예를 들어, 통신부(150)는, 근거리 통신부(151), 이동 통신부(152), 방송 수신부(153)를 포함할 수 있다.

근거리 통신부(short-range wireless communication unit)(151)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.

이동 통신부(152)는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신할 수 있다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.

방송 수신부(153)는, 방송 채널을 통하여 외부로부터 방송 신호 및/또는 방송 관련된 정보를 수신할 수 있다. 방송 채널은 위성 채널, 지상파 채널을 포함할 수 있다. 구현 예에 따라서 사용자 단말기(110)가 방송 수신부(153)를 포함하지 않을 수도 있다.

또한, 통신부(150)는, 타이어 이미지를 타이어 정보 제공 서버(100)에 전송하고, 타이어 정보 제공 서버(100)로부터 타이어 정보를 수신할 수 있다.

A/V(Audio/Video) 입력부(160)는 오디오 신호 또는 비디오 신호 입력을 위한 것으로, 이에는 카메라(161)와 마이크로폰(162) 등이 포함될 수 있다. 카메라(161)은 화상 통화모드 또는 촬영 모드에서 이미지 센서를 통해 정지영상 또는 동영상 등의 화상 프레임을 얻을 수 있다. 이미지 센서를 통해 캡쳐된 이미지는 제어부(130) 또는 별도의 이미지 처리부(미도시)를 통해 처리될 수 있다.

카메라(161)에서 처리된 화상 프레임은 메모리(170)에 저장되거나 통신부(150)를 통하여 외부로 전송될 수 있다. 카메라(161)는 단말기의 구성 태양에 따라 2개 이상이 구비될 수도 있다.

마이크로폰(162)은, 외부의 음향 신호를 입력받아 전기적인 음성 데이터로 처리할 수 있다. 예를 들어, 마이크로폰(162)은 외부 디바이스 또는 화자로부터 음향 신호를 수신할 수 있다. 마이크로폰(162)는 외부의 음향 신호를 입력 받는 과정에서 발생 되는 잡음(noise)를 제거하기 위한 다양한 잡음 제거 알고리즘을 이용할 수 있다.

메모리(170)는, 제어부(130)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 사용자 단말기(110)로 입력되거나 사용자 단말기(110)로부터 출력되는 데이터를 저장할 수도 있다.

메모리(170)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

메모리(170)에 저장된 프로그램들은 그 기능에 따라 복수 개의 모듈들로 분류할 수 있는데, 예를 들어, UI 모듈(171), 터치 스크린 모듈(172), 알림 모듈(173) 등으로 분류될 수 있다.

UI 모듈(171)은, 애플리케이션 별로 사용자 단말기(110)와 연동되는 특화된 UI, GUI 등을 제공할 수 있다. 터치 스크린 모듈(172)은 사용자의 터치 스크린 상의 터치 제스처를 감지하고, 터치 제스처에 관한 정보를 제어부(130)로 전달할 수 있다. 일부 실시예에 따른 터치 스크린 모듈(172)은 터치 코드를 인식하고 분석할 수 있다. 터치 스크린 모듈(172)은 컨트롤러를 포함하는 별도의 하드웨어로 구성될 수도 있다.

터치스크린의 터치 또는 근접 터치를 감지하기 위해 터치스크린의 내부 또는 근처에 다양한 센서가 구비될 수 있다. 터치스크린의 터치를 감지하기 위한 센서의 일례로 촉각 센서가 있다. 촉각 센서는 사람이 느끼는 정도로 또는 그 이상으로 특정 물체의 접촉을 감지하는 센서를 말한다. 촉각 센서는 접촉면의 거칠기, 접촉 물체의 단단함, 접촉 지점의 온도 등의 다양한 정보를 감지할 수 있다.

또한, 터치스크린의 터치를 감지하기 위한 센서의 일례로 근접 센서가 있다.

근접 센서는 소정의 검출면에 접근하는 물체, 혹은 근방에 존재하는 물체의 유무를 전자계의 힘 또는 적외선을 이용하여 기계적 접촉이 없이 검출하는 센서를 말한다. 근접 센서의 예로는 투과형 광전 센서, 직접 반사형 광전 센서, 미러 반사형 광전 센서, 고주파 발진형 근접 센서, 정전용량형 근접 센서, 자기형 근접 센서, 적외선 근접 센서 등이 있다. 사용자의 터치 제스처에는 탭, 터치&홀드, 더블 탭, 드래그, 패닝, 플릭, 드래그 앤드 드롭, 스와이프 등이 있을 수 있다.

알림 모듈(173)은 사용자 단말기(110)의 이벤트 발생을 알리기 위한 신호를 발생할 수 있다. 사용자 단말기(110)에서 발생되는 이벤트의 예로는 호 신호 수신, 메시지 수신, 키 신호 입력, 일정 알림 등이 있다. 알림 모듈(1731)은 디스플레이부(133)를 통해 비디오 신호 형태로 알림 신호를 출력할 수도 있고, 음향 출력부(134)를 통해 오디오 신호 형태로 알림 신호를 출력할 수도 있고, 진동 모터(135)를 통해 진동 신호 형태로 알림 신호를 출력할 수도 있다.

도 6b는 사용자 단말기(110)를 통해 타이어 이미지를 촬영하는 일 예를 도시한 도면으로서, 사용자 단말기(110)는 카메라 모듈을 구비한 단말기로 가정하여 설명한다.

도 6b를 참조하면, 사용자 단말기(110)의 화면에는 카메라가 촬영할 영상이 표시되며, 또한 타이어 이미지의 촬영을 보조하기 위한 적어도 하나 이상의 가이드라인(600,610)이 표시된다.

예를 들어, 가이드라인(600,610)은 타이어 전체 크기에 대응되는 제1 가이드라인(600)과 타이어의 휠 부분에 대응되는 제2 가이드라인(610)을 포함할 수 있다. 제1 및 제2 가이드라인(600,610)은 직경이 서로 다른 두 개의 원 또는 타원 형태이며, 제2 가이드라인(610)은 제1 가이드라인(600) 내부에 위치할 수 있다.

다른 예로, 가이드라인(600,610)은 삼각형, 사각형, 오각형 등 다각형 형태이거나, 원형 또는 다각형의 일부 선만 나타나는 형태 등 다양하게 변형 가능하다. 또한, 가이드라인(600,610)의 개수는 한 개 또는 세 개 이상일 수 있다.

사용자는 사용자 단말기(110) 화면에 표시된 가이드라인(600,610)에 맞춰 타이어 이미지를 촬영할 수 있다. 이때 휴대 단말기(610)와 피사체 사이의 거리 또는 타이어 이미지 촬영 각도에 따라 가이드라인(600,610)의 모양은 변경될 수 있으며, 이는 도 7 및 8에서 살펴본다.

도 7을 참조하면, 카메라의 촬영 각도, 즉 사용자 단말기(110)의 기울어진 정도에 따라 단말기(110) 화면에 표시되는 가이드라인의 곡률이 변경된다. 예를 들어, 사용자가 타이어의 높이에 맞춰 정면에서 타이어 이미지를 찍는 경우에 단말기(110)의 기울기는 거의 0이며, 이 경우 가이드라인(700,710)의 모양은 원이 된다.

반면, 카메라가 높은 곳에서 아래 방향으로 타이어 이미지를 찍는 경우와 같이 단말기(110)가 앞쪽으로 기울어진 경우에, 카메라로 촬영되는 타이어 이미지는 타원형태가 되므로, 가이드라인(720,730) 또한 이에 맞도록 타원 형태로 변경된다.

도 8을 참조하면, 사용자 단말기(110)와 타이어 사이의 거리, 즉 피사체와의 거리가 가까우면 촬영되는 피사체의 크기가 커지므로 이에 따라 가이드라인(800,810)의 크기 또한 커지고, 단말기와 타이어 사이의 거리가 멀어지면 가이드라인(820,830)의 크기는 작아진다.

이와 같이, 단말기의 촬영 각도나 피사체와의 거리 등에 따라 가이드라인의 곡률이나 크기, 위치 등은 적응적으로 변형되어 단말기 화면에 표시한다. 다시 말해, 단말기에서 타이어 이미지를 찍는 방향이나 거리, 조명 등 촬영 조건에 따라 촬영되는 타이어 이미지의 모양 등이 달라지므로, 사용자 단말기(110)는 촬영 조건에 따라 달라지는 모양에 따라 가이드라인의 모양을 제어한다.

본 실시 예는 단말기의 각도와 피사체와의 거리에 따른 가이드라인의 변형에 대해 기술하고 있으나, 반드시 이에 한정되는 것은 아니며 다른 다양한 촬영 조건에 따른 가이드라인의 변형 방법을 적용할 수 있다.

도 9는 사용자 단말기(110)의 프로세서의 일 예의 구성을 도시한 도면이다.

도 9를 참조하면, 사용자 단말기(110)는 가이드라인표시부(900), 영상획득부(910) 및 전송부(920)를 포함한다.

가이드라인표시부(900)는 타이어 이미지 촬영을 위한 가이드라인을 화면상에 표시한다. 가이드라인은 단말기의 기울기나 피사체인 타이어와의 거리에 따라 크기나 곡률이 변형되는 원 또는 타원 형태일 수 있으나 반드시 이에 한정되는 것은 아니다. 영상획득부(910)는 카메라를 통해 타이어 이미지를 획득한다. 예를 들어, 사용자는 도 6b와 같이 단말기 화면에 두 타원으로 표시되는 가이드라인(600,610)을 촬영대상 타이어의 휠 부분과 타이어 외곽에 맞춘 후 촬영한다. 전송부(920)는 영상획득부(910)에 의해 촬영된 타이어 부분을 포함한 이미지를 직접 또는 제3의 장치를 통해 타이어 정보 제공 서버(100)로 전송한다. 타이어 정보 제공 서버(100)가 일종의 애플리케이션으로 만들어져 단말기 내에 구현된 경우라면 전송부(920)는 생략될 수 있다.

가이드라인이 단말기 상태에 따라 그 모양이 적응적으로 변경되는 것이 아니라 단말기 화면 내 고정되어 있고, 타이어 정보 제공 서버(100)가 단말기 내 고정된 가이드라인의 위치, 크기 등의 정보를 미리 알고 있다면, 전송부(920)는 가이드라인의 크기나, 곡률, 위치 등에 대한 정보를 타이어 정보 제공 서버(100)로 전송하지 아니하여도 된다. 그러나 가이드라인이 단말기 상태에 따라 변경되거나 타이어 정보 제공 서버(100)에 가이드라인에 대한 사전 정보가 없는 경우라면, 전송부(920)는 가이드라인의 화면 내 위치, 크기, 모양 등의 정보를 촬영된 이미지와 함께 타이어 정보 제공 서버(100)로 전송할 수 있다.

도 10은 또 다른 실시 예에 따른 휴대 단말기를 통한 타이어 이미지 획득 방법의 일 예를 도시한 흐름도이다.

도 10을 참조하면, 단계 1000에서, 단말기는 촬영 각도, 피사체와의 거리 등을 파악한다. 촬영 각도는 단말기에 내장된 자이로센서 등과 같은 기울기를 검출할 수 있는 다양한 센서를 통해 단말기 기울기를 파악함으로써 알 수 있다. 피사체와의 거리는 자동초점 알고리즘이나 다양한 거리 측정 센서 등을 통해서 파악할 수 있다.

단계 1002에서, 사용자 단말기(110)는 촬영각도나 피사체와의 거리 등에 따라 화면에 표시되는 가이드라인의 크기나 곡률, 위치 등을 제어하여 표시한다. 실시 예에 따라 가이드라인은 단말기의 상태에 따라 변경되지 아니하고 고정되어 있을 수 있다.

단계 1004에서, 단말기는 카메라를 통해 타이어 부분을 포함하는 이미지를 촬영한다. 촬영시 사용자는 화면에 표시되는 가이드라인을 타이어 부분에 대응시켜 촬영함으로써 추후 타이어 정보 제공 서버(100)에서 타이어 부분을 보다 용이하게 식별하고 분석할 수 있도록 한다.

단계 1006에서, 단말기는 촬영된 이미지를 직접 또는 제3의 장치를 경유하여 타이어 정보 제공 서버(100)로 전송한다. 가이드라인의 모양이나, 크기 또는 곡률 등이 단말기 상태에 따라 적응적으로 변형되는 경우라면, 단말기는 가이드라인의 크기나 위치 등의 정보를 타이어 이미지와 함께 타이어 정보 제공 서버(100)로 전송할 수 있다.

도 11은 도 2에 도시된 타이어 인식 모듈(104)의 개략적인 블록 도이다.

도 11을 참조하면, 타이어 인식 모듈(104)는 이미지변환부(1110), 보정부(1120), 영역분할부(1130), 글자영역추출부(1140), 글자인식부(1150) 및 학습데이터베이스(1160)를 포함한다. 실시 예에 따른 타이어 인식 모듈(104)은 일반적인 종이 문서와 달리 흑백의 구분이 명확하지 아니한 타이어 측면 글자를 인식할 수 있도록 한다. 따라서, 사용자는 스마트폰 등을 이용하여 타이어 측면 이미지를 촬영함으로써 타이어에 대한 정보를 용이하게 획득할 수 있다. 또한 타이어 이미지 촬영시 가이드라인을 제공하여 타이어 인식 과정을 보다 용이하게 할 수 있다.

이미지변환부(1110)는 이미지 내 원형의 타이어 부분을 일자형태의 이미지로 변환한다. 보다 구체적으로, 이미지변환부(1110)는 이미지 내 휠 부분과 나머지 타이어 부분 사이의 경계가 뚜렷한 점을 이용하여 타이어 휠 부분 경계를 추정하고, 추정한 휠 부분 경계를 이용하여 휠 부분을 제외한 타이어 부분을 추출하고, 추출한 타이어 부분을 일자형태의 이미지로 변환할 수 있다. 이미지변환부(1110)는 보다 명료한 이미지를 얻기 위하여 일자형태 이미지에 대해 히스토그램 평활화(histrogram equalization) 등을 포함한 다양한 이미지 처리 과정을 수행할 수 있다.

본 실시 예는 타이어에서 휠 부분을 제거한 타이어 부분을 일자형태의 이미지로 변환하는 경우를 예시하고 있으나, 본 발명은 반드시 이에 한정되는 것은 아니며 휠 부분의 제거 없이 타이어 전체를 일자형태의 이미지로 변환하거나 휠 부분의 일부가 포함된 타이어 부분을 일자형태의 이미지로 변환할 수 있다.

다만 이하에서는 타이어 휠 부분을 제거한 타이어 부분에 대해 일자형태 이미지로 변환하는 경우를 위주로 설명한다.

일 예로, 이미지변환부(1110)는 도 12와 같이 두 개의 원형 가이드라인(600,610) 사이에 위치한 타이어 부분(630)을 추출하여 일자형태의 이미지로 변환할 수 있다. 일자형태의 이미지 변환은 도 13에 도시된 방법을 적용할 수 있다. 그러나 본 실시 예들은 도 13에 도시된 방법에 한정되는 것은 아니며, 종래의 다양한 이미지 처리 방법을 이용하여 원형의 이미지를 일자형태로 펼 수 있다.

가이드라인(600,610)을 이용하여 타이어 부분을 추출하는 경우에, 도 14g의 위쪽 그림(1460)과 같이 휠 부분의 일정 부분이 함께 추출될 뿐만 아니라 타이어 부분이 일자형태로 바르게 펴지지 아니하므로, 휠 부분을 정확하게 제거하고 타이어 부분을 바르게 편 도 14g의 아래 그림(1461)을 얻을 수 있는 보정과정을 수행할 수 있다. 이러한 보정과정은 아래 보정부(1120)에 의해 수행되며, 보정부(1120)는 실시 예에 따라 생략될 수도 있다.

보정부(1120)는 이미지변환부(1110)에서 일자형태의 이미지를 얻기 위하여 이용한 휠 부분 경계를 보정한 후 보정된 경계를 기초로 이미지 내 타이어 부분을 다시 추출하여 일자형태의 이미지를 생성한다.

예를 들어, 보정부(1120)는 이미지변환부(1110)에 의해 생성된 일자형태 이미지의 인텐서티(intensity)를 기초로 타이어 휠 부분 경계를 파악한다. 일자형태 이미지에서 휠 영역과 나머지 타이어 영역의 경계는 대체로 가로 방향의 직선상에 위치한다. 따라서, 보정부(1120)는 일자형태 이미지에서 인텐서티를 기초로 구분되는 복수의 영역에 대한 경계선을 구하고, 경계선들로 구성되는 미로 형태의 경로 이미지의 양단을 연결하는 최단 경로를 경계선들의 방향에 따른 가중치를 고려하여 산출한다. 산출된 최단 경로는 타이어 휠 부분 경계에 해당한다. 여기서 최단 경로는 단순히 거리가 가장 짧은 경로가 아니라 가중치를 고려한 최단 경로를 의미한다. 예를 들어, 제1 경로의 길이가 10이고 가중치가 0.8, 제2 경로의 길이가 11이고 가중치가 0.5이면, 제1 경로의 가중치 고려한 길이는 10*0.8=8이고, 제2 경로의 가중치 고려한 길이는 11*0.5=5.5로서, 제2 경로가 최단 경로로 선택된다. 이에 대한 상세한 설명은 도 14a 내지 14g에서 살펴본다.

영역분할부(1130)는 일자형태의 이미지를 재질이나 패턴, 에지 등을 이용하여 적어도 하나 이상의 영역으로 분할한다. 예를 들어, 타이어 측면은 트레드 영역과 큰 글자가 존재하는 영역, 작은 글자가 존재하는 영역의 재질이나 패턴 등의 상태가 서로 상이하므로 이들 상이한 재질의 경계를 추출하여 각 영역을 구분한다. 이미지 내 각 영역을 구분하는 다양한 방법이 존재할 수 있으며, 그 일 예에 대해서는 도 14h 내지 14m을 참조하여 설명한다. 본 실시 예는 글자영역의 추출을 보다 용이하게 할 수 있도록 일자형태 이미지를 글자열을 포함하는 수 개의 영역을 나누는 영역분할부(1130)의 구성을 도시하고 있으나, 영역분할부(1130)의 구성은 생략될 수도 있다.

글자영역추출부(1140)는 영역분할부(1130)에 의해 분할된 각 영역에 글자가 존재하는 인식대상 글자영역을 추출한다. 다른 예로 영역분할부(1130)가 생략되는 경우 글자영역추출부(1140)는 일자형태 이미지 전체에서 글자가 존재하는 인식대상 글자영역을 추출한다. 여기서 글자는 타이어 정보를 표시하는 알파벳, 한글, 숫자, 기호, 이미지 등을 의미한다.

글자가 존재하는 영역은 에지가 다른 배경 영역에 비해 상대적으로 많다는 점을 이용하여, 글자영역추출부(1140)는 인텐서티 분석, 히스토그램 분석, 에지 분석 등 다양한 이미지 분석 방법을 이용하여 글자가 위치하는 인식대상 글자영역을 추출한다. 여기서 인식대상 글자영역은 글자 그 자체가 아니라 글자가 포함된 일정 영역이다. 예를 들어, 글자영역추출부(1140)는 도 15와 같이 복수의 글자로 구성된 영역을 1차 추출하고, 1차 추출된 영역 내 각 글자 영역을 인식대상 글자영역으로 추출할 수 있다.

글자인식부(1150)는 글자영역추출부(1140)에 의해 추출된 각 인식대상 글자영역에 존재하는 글자가 무엇인지를 파악한다. 타이어 이미지 내 글자와 그 주변 배경 색은 흑백이 뚜렷이 구분되지 아니하므로 일반적인 영상인식 방법으로 글자를 인식하기 어렵다. 따라서 글자인식부(750)는 학습 글자 군에 대한 특징 정보를 포함하고 있는 학습 데이터베이스(1160)를 미리 구축한 후, 글자영역추출부(1140)에서 추출한 각 글자와 가장 유사한 글자를 학습 데이터베이스(1160)와 비교하여 인식대상 글자영역의 글자를 파악한다.

사용자는 타이어 촬영 이미지에서 각 글자를 포함한 학습 영역을 분리하고, 각 학습 영역에 적어도 하나 이상의 필터를 적용하여 얻은 적어도 하나 이상의 특징정보를 해당 학습 영역의 글자 정보와 함께 저장하는 학습 데이터베이스(1160)를 구축한다. 예를 들어, 사용자는 타이어 측면 이미지에서 "M" 이라는 학습 글자를 포함하는 일정 크기의 이미지 영역을 추출한 후 해당 영역에 필터를 적용하여 얻은 하나 이상의 특징 정보를 학습 데이터베이스(1160)에 저장한다. 따라서 글자인식부(1150)는 글자영역추출부(1140)에서 추출한 인식대상 글자영역의 특징 정보가 학습 데이터베이스(1160)에 기 구축된 "M"에 대한 특징 정보와 가장 유사하면, 추출한 인식대상 글자영역에 존재하는 글자가 'M'이라고 파악한다. 필터를 이용한 특징 정보를 비교하여 글자를 인식하는 방법의 일 예는 도 16에 도시되어 있다.

도 12 및 13은 또 다른 실시 예에 따른 원형의 타이어 부분을 일자형태 이미지로 변환하는 방법의 일 예를 도시한 도면들이다.

도 12 및 13을 참조하면, 타이어 인식 모듈(104)은 이미지 촬영시 제공된 제1 및 제2 가이드라인(600,610) 사이에 위치한 원형의 이미지(630)를 일자형태의 타이어 이미지(1200)로 변환한다. 이때 타이어 인식 모듈(104)은 휠 영역에 대응되는 제2 가이드라인(610)의 원주를 따라 직각방향으로 배치된 소정 개수(예를 들어, N개)의 직선에 대응되는 직선 이미지(1320,1320-m)를 한 방향으로 재배치하여 일자형태의 타이어 이미지(1200)를 생성한다.

예를 들어, 원형의 제2 가이드라인(610)의 0도에서 360도까지 원주에 직각 인 N개의 직선을 설정하고, N개의 직선에 대응되는 타이어 추출 이미지(630) 내 화소들로 이루어진 직선 이미지(1320,1320-m)를 순차적으로 동일방향으로 배치한다. 즉 0도의 첫 번째 직선 이미지(1320)와 A도의 m번째 직선 이미지(1320-m)를 도 13과 같이 동일 선상에 동일 방향으로 배치한다.

도 14a 내지 14g는 또 다른 실시 예에 따른 일자형태 이미지를 보정 하는 방법의 일 예를 도시한 도면이다.

도 14a를 참조하면, 타이어 인식 모듈(104)은 일자형태 이미지에 방향에 따른 가중치를 부여할 수 있는 방향 필터를 적용한다. 도 12와 같은 일자형태 이미지(1200)에서 휠 영역의 경계는 가로방향, 즉 0도 방향에 가까우므로 타이어 인식 모듈(104)은 가로방향에 대해 보다 높은 가중치를 부여하기 위하여 0도 방향의 방향필터를 일자형태 이미지에 적용하며, 가중치의 크기를 색깔로 나타내면 도 14a와 같은 이미지(1400)로 표시된다.

예를 들어, 타이어 인식 모듈(104)은 일자형태 이미지에 나타나는 선들에 대해 0도(또는 360도) 방향에는 가중치 1을 부여하고, 90도(또는 180도) 방향에는 가중치0을 부여하고, 그 사이의 각도에 해당하는 선들에 대해서는 각도에 따라 0과 1사의 가중치를 부여한다.

도 14b를 참조하면, 타이어 인식 모듈(104) 일자형태 이미지에서 인텐서티를 기초로 구분되는 각 영역의 경계선을 구한다. 예를 들어, 일자형태 이미지의 각 화소의 인텐서티 크기로 나타내면(1430), 도 14d와 같이 각 영역 사이에 산마루(ridge)(1431,1432,1433)가 나타난다. 타이어 인식 모듈(104)은 이러한 산마루들로 이루어진 경계선들에 의해 나타나는 복잡한 미로 형태의 경로 이미지(1410)를 도 14b와 같이 산출한다. 타이어 인식 모듈(104)은 인텐서티를 기초로 구분되는 산마루 부분을 파악하기 위한 알고리즘의 일 예로 워터셰드(wartershed) 알고리즘을 이용할 수 있다.

도 14c를 참조하면, 타이어 인식 모듈(104)은 도 14a와 같은 일자형태 이미지의 가중치를 도 14b의 경로 이미지(1410)에 반영한 도 14c의 이미지(1420)를 구한 후, 이미지(1420)의 양단을 연결하는 가중치 반영 최단 경로를 구한다. 예를 들어, 타이어 인식 모듈(104)은 도 14a와 도 14b의 이미지를 합쳐 도 14c의 이미지를 구할 수 있다.

도 14e를 참조하면, 일자형태 이미지는 원형 타이어 이미지를 편 이미지이므로 좌측단과 우측단이 서로 대응되므로, 타이어 인식 모듈(104)은 좌측의 출발점과 우측의 도착점의 위치가 동일한 점을 이용하여 양단을 잇는 경로를 종래의 다양한 경로탐색 알고리즘을 적용하여 파악한다. 이때, 타이어 인식 모듈(104)은 가중치가 높을수록 쉽게 갈 수 있는 경로로 설정하여 가장 쉽게 경유할 수 있는 경로(1440)를 산출한다.

도 14f를 참조하면, 타이어 인식 모듈(104)은 도 14e에서 구한 경로를 도 12의 일자형태 이미지에 적용한다. 그러나 도 14e에서 산출한 경로는 도 14a의 방향필터에 의한 스무딩(smoothing) 효과 등으로 인해 경로에 계단과 같은 현상(1450)이 나타날 수 있다.

이 경우, 타이어 인식 모듈(104)은 경로(1510)에 계단과 같은 현상을 제거하여 매끄러운 선으로 보정하는 과정을 추가 수행할 수 있다. 예를 들어, 타이어 정보 인식 모듈(104)은 각 픽셀간의 탄성과 외부 이미지의 경사력(gradient force)를 고려한 동적 윤곽선 모델(active contour model)을 적용하여 경로(1510)의 계단 현상을 제거할 수 있다. 또한 실제 타이어 이미지에 나타나는 휠 부분의 경계는 원 또는 타원 형태이므로, 타이어 인식 모듈(104)은 경로(1510)를 포함하는 일자형태 이미지(1450)를 원형 이미지로 변환한 후 경로(1510)를 원 또는 타원으로 보정한다.

도 14g를 참조하면, 도 14c에 구한 타이어 휠 경계를 나타내는 경로(1510) 또는 도 14f와 같은 계단 현상이 나타나는 경우 이를 보정한 경로를 수신 이미지에 다시 적용하여 휠 부분을 제외한 타이어 부분을 추출하고, 추출한 부분을 일자형태의 이미지(1461)로 변환한다. 휠 영역 경계를 보정하기 전의 일자형태 이미지(1460)에 비해 휠 영역 경계를 보정한 후의 일자형태 이미지(1461)가 타이어 부분을 보다 정확하게 구분함을 알 수 있다.

도 14h 내지 14l은 또 다른 실시 예에 따른 일자형태 이미지를 영역별로 분리하는 방법의 일 예를 도시한 도면들이다.

도 14h를 참조하면, 타이어 인식 모듈(104)은 이미지 내 글자 영역 주변과 패턴이 있는 곳은 복잡도가 크고 무늬 혹은 특징이 없는 영역은 복잡도가 작다는 사실을 이용하여 일자 형태 이미지(1470)에 엔트로피 필터를 적용하여 글자 영역과 그 외 부분의 차이를 높인다.

도 14i을 참조하면, 타이어 인식 모듈(104)은 일자형태 이미지(1480)를 흑과 백의 이진 이미지(1481)로 변환한다. 일 예로, 타이어 인식 모듈(104)은 적응적 임계값(Adaptive Threshold)를 이용하여 일자형태 이미지(1480)를 이진 이미지(1481)로 변환할 수 있다. 이 경우, 타이어 인식 모듈(104)은 기 설정된 소정 개수의 픽셀(예를 들어, 3X3 픽셀)로 이루어진 커널 내 중심 픽셀의 인텐서티가 커널 내 픽셀값의 표준편차 등에 따라 적응적으로 변경되는 임계값보다 크면 해당 픽셀을 흰색으로 결정하고 그 반대면 검은색으로 결정하여 흑과 백으로 구성된 이진 이미지(1810)를 획득할 수 있다.

도 14j를 참조하면, 타이어 인식 모듈(104)은 도 14i의 이진 이미지(1481)의 잡음 영역을 제거하여 도 14j와 같은 이미지(1490)를 산출한다. 예를 들어, 타이어 인식 모듈(104)은 도 14i의 이진 이미지(1481)에서 기 설정된 일정 크기보다 작은 흰 영역을 제거하여 도 14j의 이미지(1490)를 구할 수 있다.

도 14k을 참조하면, 타이어 인식 모듈(104)은 잡음 제거된 이진 이미지(1500)에 최단 경로 알고리즘을 적용하여 양단을 가로지르는 적어도 하나 이상의 경로(2010,2020)를 산출한다.

도 14l을 참조하면, 타이어 인식 모듈(104)은 일자형태 이미지(1600)에 도 14k에서 구한 경로(2010,2020)를 적용하여 트레드 영역과 큰 글자가 존재하는 영역, 작은 글자가 존재하는 영역 등을 분할한다.

도 14m은 또 다른 실시 예에 따른 영역별로 분리된 이미지를 보정하는 방법의 일 예를 도시한 도면이다.

도 14m을 참조하면, 타이어 인식 모듈(104)은 분할된 각 영역(2200)의 이미지 내에 포함된 글자 영역을 보다 명확하게 구분하기 위하여 외부 광원의 효과를 제거하는 등의 배경 보정 과정을 수행한다. 예를 들어, 타이어 인식 모듈(104)은 각 분할 영역(2200)에 모션 블러(motion blur), 엔트로피 필터 등의 이미지 처리 과정을 적용하여 순차적으로 적용한 이미지(2210,2220)를 산출한다.

도 15a는 또 다른 실시 예에 따른 영역별로 분리된 이미지로부터 글자 영역을 추출하는 방법의 일 예를 도시한 도면이고, 도 15b는 또 다른 실시 예에 따른 글자 영역에서 각 글자 단위로 이미지 영역을 추출하는 방법의 일 예를 도시한 도면이다.

도 15a를 참조하면, 타이어 인식 모듈(104)은 글자 주변에 에지(edge)가 많으므로 에지를 기초로 획득한 특징점을 바탕으로 각 글자 영역을 추출할 수 있다. 도 15b를 참조하면, 타이어 인식 모듈(104)은 각 글자 영역에 포함된 적어도 하나 이상의 단어를 각 글자 단위로 추출한다.

도 16은 또 다른 실시 예에 따른 타이어 문자 인식을 위한 각 글자의 비교 방법의 일 예를 도시한 도면이다.

도 16을 참조하면, 시스템 구축시 미리 타이어 측면 이미지에 위치한 글자 영역을 학습 대상 영역(1800)으로 분리하고, 학습 대상 영역(1800)에 필터를 적용하여 얻은 적어도 하나 이상의 특징 정보(1810,1820)를 학습 데이터베이스에 저장한다. 여기서 필터로 가버(garber) 필터나 하-라이크(Haar-like) 필터 등을 이용할 수 있다.

예를 들어, 타이어 인식 모듈(104)은 단말기로부터 수신한 타이어 이미지를 분석하여 'A'를 포함하는 인식대상 글자영역(1900)을 추출하고, 해당 추출한 인식대상 글자영역(1900)에 적어도 하나 이상의 필터를 적용하여 하나 이상의 특징 정보(1910,1920)를 얻는다. 그리고 타이어 인식 모듈(104)은 인식대상 글자영역(1900)의 특징 정보(1910,1920)와 학습 데이터베이스에 각 학습 글자별로 미리 구축된 특징 정보를 비교하여, 가장 유사한 특징 정보(1810,1820)를 가진 학습 글자 'A'를 파악한다.

도 17은 또 다른 실시 예에 따른 타이어 인식 방법의 일 예의 흐름을 도시한 도면이다.

도 17을 참조하면, 단계 2000에서, 타이어 이미지를 수신한다. 단계 2010에서, 타이어 인식 모듈(104)은 수신한 이미지 내 타이어 부분을 일자형태의 이미지로 변환한다. 실시 예에 따라 타이어 휠 부분을 제거한 타이어 부분만을 일자형태의 이미지로 변환하거나 타이어 휠 부분을 포함한 전체 타이어 부분을 일자형태의 이미지로 변환할 수 있다. 타이어 인식 모듈(104)은 휠 부분 제거를 위하여 이미지 촬영시 제공된 가이드라인을 이용하거나 여러 가지 이미지 처리 방법을 적용하여 얻은 휠 부분 경계선을 이용할 수 있다.

단계 2020에서, 타이어 인식 모듈(104)은 일자형태의 이미지 내 패턴이나 질감, 에지 등을 이용하여 각 글자 영역을 추출한다. 타이어 인식 모듈(104)은 일자형태 이미지를 여러 영역으로 분할한 후 각 영역에 존재하는 글자를 포함하는 인식대상 글자영역을 추출할 수 있다. 이때 보다 명료한 글자 영역 추출을 위해 엔트로피 필터, 모션 블러 등 다양한 이미지 처리 과정을 수행할 수 있다.

단계 2030에서, 타이어 인식 모듈(104)은 인식대상 글자영역이 무슨 글자를 나타내는지 파악하기 위하여 학습 데이터베이스와 비교한다. 학습 데이터베이스는 타이어 측면 이미지에 존재하는 각 글자 영역에 다양한 필터를 적용하여 얻은 하나 이상의 특징 정보를 저장하고 있다. 따라서 추출한 인식대상 글자영역에 필터를 적용하여 얻은 하나 이상의 특징 정보와 가장 유사한 특징 정보를 가진 학습 글자를 학습 데이터베이스에서 검색함으로써 추출한 글자가 어떤 글자인지를 인식한다.

타이어 인식 모듈(104)은 타이어 이미지에 존재하는 각 글자를 인식한 후 타이어 정보가 저장된 데이터베이스를 참조하여 타이어의 종류, 크기 등 타이어 정보를 파악하고, 파악한 타이어 정보를 단말기로 제공할 수 있다.

도 18은 또 다른 실시 예에 따른 일자형태 이미지로의 변환 과정의 일 예의 흐름을 도시한 도면이다.

도 18을 참조하면, 단계 2100에서, 타이어 인식 모듈(104)은 이미지 내 타이어 휠 부분을 제거한다. 타이어 인식 모듈(104)은 휠 부분 제거를 위하여 이미지 촬영시 제공된 가이드라인을 이용할 수 있다.

단계 2110에서, 타이어 인식 모듈(104)은 휠 부분이 제거된 원형의 타이어 부분을 일자형태의 이미지로 변환한다. 원형 이미지를 일자 형태로 변환하는 다양한 방법이 존재할 수 있다.

일자형태로 이미지를 변환할 때 가이드라인을 이용하는 경우에 일자형태 이미지 내에는 휠 부분의 일정 부분이 포함될 수 있다.

단계 2120에서, 보다 정확한 휠 부분을 제거하기 위하여 일자형태 이미지에서 휠 부분 경계를 추출한 후, 해당 휠 부분 경계를 이용하여 이미지로부터 다시 타이어 부분을 추출한 후 일자형태 이미지로 변환하는 보정 과정을 수행한다. 보정 과정에 대한 상세 구성은 도 19에서 설명한다.

도 19는 또 다른 실시 예에 따른 일자형태 이미지의 보정 방법의 일 예의 흐름을 도시한 도면이다.

도 19를 참조하면, 단계 2200에서, 타이어 인식 모듈(104)은 일자형태 이미지에 방향필터를 적용한 제1 이미지를 획득한다. 도 12과 같은 일자형태 이미지(1200)에서 휠 부분의 경계는 가로방향에 가까우므로, 0도 방향에 가까울수록 높은 가중치를 부여하는 방향필터를 일자형태 이미지(1200)에 적용하여 도 14a와 같은 제1 이미지(1400)를 얻는다.

단계 2210에서, 타이어 인식 모듈(104)은 일자형태 이미지에서 인텐서티를 기준으로 구분되는 각 영역의 경계선을 산출한 제2 이미지를 획득한다. 일자형태 이미지를 인텐서티 크기로 살펴보면 도 14d과 같이 산마루들(1431,1432,1433)이 형성되므로, 타이어 인식 모듈(104)은 워터셰드 알고리즘 등을 이용하여 그 산마루를 각각 경계선으로 표시한 도 14b과 같은 제2 이미지(1410)를 획득한다.

단계 2220에서, 타이어 인식 모듈(104)은 제2 이미지에 제1 이미지를 합쳐서 가중치가 부여된 경계선들로 이루어진 미로 같은 경로에 경로 탐색 알고리즘을 적용하여 가중치를 고려한 최단 경로를 산출한다. 이렇게 구한 최단 경로는 타이어 휠 부분의 경계에 해당한다.

단계 2230에서, 타이어 인식 모듈(104)은 일자형태 이미지에 존재하는 최단 경로를 일자형태로 변환되기 이전의 원형 이미지로 변환하고, 원형 이미지 내 존재하는 최단 경로를 원 또는 타원으로 보정한다.

단계 2240에서, 타이어 인식 모듈(104)은 최단 경로를 보정하여 생성된 원 또는 타원을 기초로 원 이미지 내 타이어 부분을 다시 추출하여 일자형태 이미지로 변환한다.

도 20은 또 다른 실시 예에 따른 일자형태 이미지로부터 글자 영역을 추출하는 방법의 일 예의 흐름을 도시한 도면이다.

도 20을 참조하면, 단계 2300 및 2310에서, 타이어 인식 모듈(104)은 일자형태 이미지에 엔트로피 필터, 모션 블러 등의 전처리 단계를 수행하여 명료한 이미지를 획득한다. 실시 예에 따라, 타이어 인식 모듈(104)은 다른 여러 전처리 단계를 수행하거나 전처리 단계를 생략할 수도 있다.

단계 2320에서, 타이어 인식 모듈(104)은 전처리 단계가 종료된 일자형태 이미지를 흑과 백으로 구성된 이진 영상으로 변환한다. 타이어 인식 모듈(104)은 적응적 임계값을 적용하여 이진 영상을 구할 수 있다.

단계 2330에서, 타이어 인식 모듈(104)은 이진 영상의 잡음 영역, 즉 기 설정된 크기보다 작은 영역을 제거한다. 잡음 제거된 상태의 일 예는 도 14j와 같다.

단계 2340에서, 타이어 인식 모듈(104)은 잡음 제거된 이진 영상에 경로 탐색 알고리즘을 적용하여 양단을 잇는 경로를 적어도 하나 이상 산출한 후, 단계 2350에서, 도 14k과 같이 산출한 경로(2010,2020)를 일자형태 이미지에 적용하여 적어도 하나 이상의 영역으로 분할한다.

단계 2360에서, 타이어 인식 모듈(104)은 분할된 각 영역내에서 글자를 포함하는 인식대상 글자영역을 추출한다. 타이어 이미지 내에 글자 부분은 일반적인 종이문서 등과 달리 배경과 흑백의 구별이 명확하지 아니하므로 일반적인 문자인식 알고리즘을 적용하여 문자를 인식할 수는 없다. 따라서 타이어 인식 모듈(104)은 글자의 경우 많은 에지가 존재한다는 특징을 기초로 에지가 많은 부분이 글자가 존재하는 부분으로 파악하여 해당 영역을 추출한다. 각 글자 사이, 예를 들어, 도 15와 같이 에지가 많은 일정 영역에서 각 글자, 즉 'M'과 'I' 사이는 에지가 없는 평평한 영역이므로, 이러한 평평한 영역을 기준으로 각 글자 사이를 구분하여 각 글자별로 나누어진 인식 대상 영역을 추출할 수 있다.

도 21은 또 다른 실시 예에 따른 타이어 글자 인식 방법의 일 예의 흐름을 도시한 도면이다.

도 21을 참조하면, 단계 2400에서, 먼저 학습 데이터베이스가 구축된다. 학습 데이터베이스는 타이어 이미지에서 추출한 각 글자를 포함하는 학습 영역에 적어도 하나 이상의 필터를 적용하여 얻은 적어도 하나 이상의 특징 정보를 저장하고 있다.

단계 2410에서, 타이어 인식 모듈(104)은 단말기로부터 수신한 이미지를 분석하여 추출한 인식 대상 영역에 기 설정된 적어도 하나 이상의 필터를 적용하여 하나 이상의 특징 정보를 산출한다. 단계 2420에서, 타이어 인식 모듈(104)은 인식대상 글자영역의 특징 정보와 학습 데이터베이스에 학습 글자별로 저장된 특징 정보를 비교하여 가장 유사한 특징 정보를 가진 학습 글자를 인식대상 글자영역의 글자로 파악한다. 예를 들어, 인식대상 글자영역의 특징 정보가 학습 데이터베이스의 학습 글자 'A'를 포함하는 영역의 특징 정보와 유사하면, 타이어 인식 모듈(104)은 인식대상 글자영역에 존재하는 글자가 'A'라고 파악한다.

그러나, 타이어의 마모나 오염 등으로 인해 몇몇 글자는 정확하게 인식되지 않을 수도 있다. 이 경우 단계 2430 및 2440에서, 타이어 인식 모듈(104)은 특정 영역의 글자열에 대해 인식한 결과와 미리 학습 데이터베이스에 저장된 글자열을 비교하여 가장 유사한 글자열을 단말기로부터 수신한 타이어 이미지 내에 존재하는 글자열로 파악한다. 예를 들어, 타이어 이미지에 원래 존재하는 글자열이 'MICHELIN'이나 타이어 마모나 오염 등으로 인해, 타이어 인식 모듈(104)은 해당 글자열을 'MIO ELIN'등과 같이 일부 글자는 잘못 인식하고 일부 글자는 아예 인식하지 못하는 경우가 있다. 이 경우 타이어 인식 모듈(104)은 학습 데이터베이스에 미리 저장된 문자열들 중 "MIO ELIN"과 가장 유사한 문자열 'MICHELIN'을 인식하고자 하는 타이어의 문자열로 파악한다.

도 22는 도 2에 도시된 손상 인식 모듈(105)의 개략적인 블록 도이다.

도 22를 참조하면, 손상 인식 모듈(105)는 DB 검색부(2210), 비교대상이미지 데이터베이스(2220), 비교부(2230) 및 손상파악부(2240)를 포함한다. 타이어는 제조과정이나 사용 중에 여러 가지 원인에 의해 도 34와 같은 크랙등의 손상(3400)이 발생한다. 타이어 측면에는 타이어에 대한 각종 정보를 나타내는 글자와 다양한 무늬나 패턴 등이 존재하므로 일반적인 이미지 분석과정을 통해 크랙과 같은 손상을 구분하기가 용이하지 않다. 따라서, 실시 예에 따른 손상 인식 모듈(105)은 사용자가 직접 눈으로 확인할 필요없이 카메라를 통해 촬영된 이미지를 통해 타이어 손상, 예를 들면 크랙을 인식할 수 있게 한다. 따라서, 사용자는 카메라 또는 카메라 기능이 내장된 스마트 폰 등을 이용하여 타이어 이미지를 촬영함으로써 타이어 손상 여부를 용이하게 파악할 수 있다. 또한 타이어 손상이 존재하여 타이어 교체가 요구될 경우에 사용자는 해당 타이어에 대한 정보도 함께 제공받을 수 있다.

DB 검색부(2210)는 타이어 이미지의 측면에 위치한 문자, 숫자, 기호 중 적어도 하나 이상을 이용하여 데이터베이스에서 비교대상 이미지를 검색한다.

일 예로, DB 검색부(2210)는 타이어 이미지의 측면에 존재하는 글자를 인식하여 타이어 정보를 파악한 후, 파악한 타이어 정보를 기초로 데이터베이스를 검색하여 비교대상 이미지를 추출할 수 있다. 이때 DB 검색부(2210)는 타이어 인식 모듈(104)에 의해 파악된 타이어 정보를 이용할 수 있다.

예를 들어, DB 검색부(2210)는 단말기로부터 직접 타이어 정보를 수신하거나, 타이어 측면에 인쇄된 글자 등을 타이어 인식 모듈(104)에서 기술한 방법 이외의 다른 이미지 처리 방법을 통해 파악하여 타이어 정보를 파악하거나, 사용자가 단말기를 통해 접속한 서버에서 특정 타이어를 선택하도록 하는 등 다양한 방법이 적용될 수 있다.

또 다른 예로, DB 검색부(2210)는 타이어 정보를 파악하지 아니하고, 타이어 이미지의 특징과 유사한 특징을 가진 비교대상 이미지를 데이터베이스(2220)에서 추출할 수 있다. 타이어 이미지에 대해 가버 필터와 하-라이크 필터 등과 같이 특징 정보를 추출할 수 있는 필터를 적용하여 추출한 적어도 하나 이상의 특징 정보를 비교대상 이미지와 함께 데이터베이스에 미리 저장한 후, DB 검색부(2210)는 수신한 타이어 이미지에 대해 필터를 적용하여 얻은 특징정보와 가장 유사한 특징정보를 가진 비교대상 이미지를 데이터베이스(2220)에서 추출할 수 있다. 이 경우 비교대상 이미지의 특징 정보와 보다 정확한 비교를 위하여, DB 검색부(2210)는 수신한 타이어 이미지의 크기와 방향 등을 기 설정된 크기와 방향으로 보정하는 과정을 특징 정보 추출 전에 수행할 수 있다.

데이터베이스는 각 타이어에 대한 비교대상 이미지를 미리 저장하고 있다. 여기서 비교대상 이미지는 타이어 출고시의 타이어 이미지와 같이 이물질이 묻지 않은 이미지이다. 데이터베이스는 타이어 정보와 맵핑하여 비교대상 이미지를 저장한다. 또 다른 예로, 특징 정보를 기초로 비교대상 이미지를 검색하고자 하는 경우에, 데이터베이스는 특징 정보와 맵핑하여 비교대상 이미지를 저장할 수 있다. 또한, 선택적으로 데이터베이스에는 비교대상 이미지를 나타내는 비교대상 데이터가 저장될 수 있다. 비교대상 데이터는 예를 들면, 수신된 타이어 이미지의 측면에 위치한 문자, 숫자, 기호 중 적어도 하나의 타이어 이미지 데이터와 비교 가능한 데이터일 수 있다.

본 실시 예의 데이터베이스(2220)는 앞서 살핀 타이어 인식 모듈(104)의 학습 데이터베이스와 함께 구축되거나 별도로 구축될 수 있다.

비교부(2230)는 수신한 타이어 이미지와 데이터베이스(2220)로부터 추출한 비교대상 이미지를 비교하여 크랙이나 찢어짐 등과 같은 손상 여부를 판별한다. 즉 비교부(2230)는 비교대상 이미지에는 존재하지 아니하고 수신한 타이어 이미지에만 존재하는 영역 등을 파악한다. 수신한 타이어 이미지와 비교대상 이미지의 비교를 위해서는 두 이미지의 크기나 특징점들(예를 들어, 글자 영역 등의 위치)의 위치가 일치하는 것이 바람직하다. 이를 위하여 비교부(2230)는 각 특징점들의 위치가 일치하고 두 이미지의 크기나 모양이 일치하도록 수신한 타이어 이미지 또는 비교대상 이미지의 크기 및 방향을 조정한다.

손상파악부(2240)는 비교부(2230)에 의해 파악된 상이한 영역(예를 들어, 크랙과 같은 선 성분) 등을 기초로 손상 유무를 판별한다. 예를 들어, 손상파악부(2240)는 비교부(2230)에 의해 파악된 선 성분의 크기가 기 설정된 일정 크기 이상인 경우 타이어 손상으로 판별한다. 또 다른 예로, 손상파악부(2240)는 선 성분의 개수나 크기 등을 기초로 타이어 손상 여부를 판별한 후 타이어의 교체 여부 등을 단말기에게 제공할 수 있다.

도 23은 도 2에 도시된 손상 인식 모듈(105)의 다른 블록 도이다.

도 23을 참조하면, 손상 인식 모듈(105)는 선성분검출부(2310), 글자영역검출부(2320), 손상파악부(2330), DB 검색부(2340) 및 비교대상이미지 데이터베이스(2350)를 포함한다.

선성분 검출부(2310)는 수신한 타이어 이미지 내 선 성분을 검출한다. 선성분 검출부(2310)는 타이어 이미지 내 유채색 부분과 면 형태의 영역을 제거하여 선 성분만을 검출할 수 있다. 선 성분 검출의 일 예는 도 27 내지 32에 도시되어 있다. 선성분 검출부(2310)는 이미지 내 무채색 중 특히 크랙 등의 손상영역과 같은 검은 영역의 선 성분만을 검출하는 것으로서, 도 27 내지 32의 과정에 반드시 한정되는 것은 아니며, 다양한 이미지 처리 방법을 통해 이미지 내 검은 선 성분만을 검출할 수 있다.

글자영역 검출부(2320)는 타이어 이미지 내 글자 영역을 검출한다. 글자영역 검출부(2320)는 타이어 이미지 내 에지가 많은 영역의 검출을 통해 글자 영역을 검출할 수 있다. 또 다른 예로, 글자영역 검출부(2320)는 타이어 인식 모듈(104)에서 타이어 인식을 위해 파악되는 글자 영역의 결과를 이용할 수 있다.

또 다른 예로, 글자영역 검출부(2320)는 데이터베이스(2340)에서 추출한 비교대상 이미지를 참조하여 글자영역을 추출할 수 있다. 즉, 데이터베이스(2340)의 구축시 비교대상 이미지별로 미리 글자 영역에 대한 정보를 파악하여 함께 저장한 후, DB 검색부(2340)가 타이어 이미지에 대한 비교대상 이미지를 검색하면, 글자영역 추출부(1120)는 검색된 비교대상 이미지의 글자 영역에 대한 정보를 참조하여 수신한 타이어 이미지의 글자 영역을 파악할 수 있다.

DB 검색부(2340)는 타이어 이미지의 글자 영역 등을 기초로 데이터베이스(2340)에서 비교대상 이미지를 검색한다.

손상파악부(2330)는 선성분 검출부(2310)에서 검출된 선 성분들 중 글자영역에 해당하는 선 성분을 제외하고 남은 선 성분을 기초로 손상 여부를 판별한다.

손상파악부(2330)는 보다 정확한 손상 파악을 위하여, DB 검색부(2330)에 의해 검색된 비교대상 이미지와 선성분 검출부(2300)에서 검출된 선 성분들로 이루어진 이미지를 비교하여 손상을 판단한다. 예를 들어, 선성분 검출부(2300)에서 검출된 선 성분들 중 비교대상 이미지와 일치하는 부분이 있다면 이는 손상부분이 아니다. 따라서 손상파악부(2330)는 선성분 검출부(2300)에서 검출된 선 성분들 중 글자 영역의 선 성분을 제외하고 남은 선 성분 중에서 비교대상 이미지와 일치하지 아니한 선 성분이 존재하는지 여부를 기초로 손상 유무를 판별한다.

도 24 내지 26은 또 다른 실시 예에 따른 타이어 손상 인식 방법의 흐름도들이다.

도 24를 참조하면, 단계 2400에서, 서버는 타이어 이미지를 수신한다. 단계 2410에서, 손상 인식 모듈(105)은 타이어 이미지의 측면에 위치하는 글자 등을 인식하여 타이어의 종류 등과 같은 타이어 정보를 파악한다. 단계 2420에서, 손상 인식 모듈(105)은 파악된 타이어 정보를 기초로 데이터베이스를 검색하여 기 저장된 비교대상 이미지를 추출한다. 단계 2430에서, 손상 인식 모듈(105)은 비교대상이미지와 수신한 타이어 이미지를 비교하고, 단계 2440에서, 두 이미지 사이에 상이한 영역(예를 들어, 선 성분)을 파악하여 손상 여부를 판별한다. 그리고 서버는 파악된 타이어 정보와 손상 정보를 단말기에 제공한다.

도 25를 참조하면, 단계 2500에서, 서버는 타이어 이미지를 수신한다. 단계 2510에서, 손상 인식 모듈(105)은 타이어 이미지 내 선 성분을 검출한다. 단계 2520에서, 손상 인식 모듈(105)은 타이어 이미지 내 글자 영역을 검출하고, 단계 2530에서, 검출된 선 성분 중 글자 영역에 관한 선 성분을 제거한다. 단계 2540에서, 손상 인식 모듈(105)은 글자 영역의 선 성분을 제거하고 남은 선 성분 중의 크기 등을 기초로 손상을 판별한다. 이때 손상 인식 모듈(105)은 글자 영역의 선 성분을 제거하고 남은 선 성분들을 포함하는 타이어 이미지와 데이터베이스에 추출한 비교대상 이미지를 비교하여 보다 정확한 손상 유무를 판별할 수 있다. 비교대상 이미지와 타이어 이미지를 비교하기 위하여 앞서 살핀 두 이미지 사이의 정합 과정이 수행될 수 있다.

도 26을 참조하면, 단계 2600에서, 서버는 타이어 이미지를 수신한다. 단계 2610에서, 손상 인식 모듈(105)은 수신한 타이어 이미지에서 유채색을 제거한다. 예를 들어, 서버는 이미지의 각 화소에 대해 RGB 모델의 각 성분을 검출하고, RGB 모델의 각 성분 값의 차이가 기 설정된 범위를 벗어나는 화소를 제거하여 무채색 영역만으로 이루어진 이미지를 추출할 수 있다.

단계 2620에서, 일반적으로 크랙과 같은 손상영역은 검은색이므로, 서버는 무채색 이미지에서 밝기가 기 설정된 임계값 이하인 영역을 추출한다. 예를 들어, 도 29과 같이, 무채색 이미지에 대한 히스토그램 분석을 통해 밝기가 일정 이하인 화소, 즉 검은 부분의 영역만을 포함하는 검은 이미지를 획득한다.

단계 2630에서, 손상 인식 모듈(105)은 검은 이미지에서 선 성분만을 남기고 면 성분을 제거한다. 예를 들어, 서버는 리지 필터(ridge filter)를 이용하여 선의 형태를 갖는 영역을 남기고 면의 형태를 띠는 영역을 제거한다. 서버는 선 영역을 검출하기 위하여 이 외 다양한 영상 처리 기술이나 다른 종류의 필터 등을 이용할 수 있다.

단계 2640에서, 손상 인식 모듈(105)은 추출한 선 성분으로 이루어진 이미지에서 글자 영역의 선 성분을 제거한다. 예를 들어, 앞서 살핀, 타이어 인식 과정을 통해 각 글자 영역을 추출할 수 있다. 또 다른 예로, 손상 인식 모듈(105)은 타이어 인식 모듈(104)의 전 과정을 수행하지 아니하고, 글자 영역의 에지가 상대적으로 많은 특징을 이용하여 타이어 이미지로부터 바로 글자 영역을 추출할 수 있다. 또 다른 예로, 손상 인식 모듈(105)은 데이터베이스의 비교대상 이미지와 함께 미리 저장된 각 타이어별 글자 영역의 위치 정보를 기초로 타이어의 글자 영역을 파악할 수 있다.

단계 2650 및 2660에서, 손상 인식 모듈(105)은 글자 영역의 선 성분을 제거하고 남은 선 성분들을 포함하는 이미지와 데이터베이스에서 검색한 비교대상 이미지를 비교하여, 손상 여부를 판단한다. 비교대상 이미지와 선 성분을 포함하는 이미지의 비교를 위하여 두 이미지 사이의 크기, 모양, 방향 등의 정합이 미리 수행될 수 있다.

도 27 및 28은 타이어 이미지로부터 무채색 영역을 추출하는 방법의 일 예를 도시한 도면이다.

도 27을 참조하면, 사용 중인 타이어는 여러 이물질(2710,2720,2730)이 묻어있을 수 있으며, 이러한 이물질은 다양한 색상일 수 있다. 반면 손상영역(2702,2704,2706)은 타이어 표면에 갈라진 검은선 형태이므로, 손상 인식 모듈(105)은 우선 타이어 이미지(2700) 내 색상이 있는 영역(2720,2730)을 제거한다. 예를 들어, 선 형태의 칼라페인트가 타이어가 묻어 있는 경우 서버는 색상이 존재하는 선 형태를 타이어 이미지에서 제거할 수 있어 손상의 보다 정확한 판단이 가능하다.

타이어 이미지 내 색상 부분을 제거하기 위한 다양한 방법이 존재할 수 있으나, 본 실시 예는 RGB 모델의 R,G,B 성분의 크기를 기초로 색상 부분을 제거한다. 무채색 영역의 경우 RGB의 크기가 유사하므로, 서버는 RGB의 각 성분 크기가 일정 크기 이상 차이가 나는 화소들을 제거하여 색상 부분(1520,1530)을 제거할 수 있다. 도 27에서 RGB모델의 각 성분의 차이가 나는 영역을 제거하면, 도 28과 같이 무채색 영역만으로 이루어진 타이어 이미지(2800)가 생성된다.

도 29는 도 27의 무채색 영역에서 검은 영역을 추출하는 방법의 일 예를 도시한 도면이고, 도 30은 도 29의 방법을 적용하여 얻은 검은 영역으로 구성된 이미지의 일 예를 도시한 도면이다.

도 29를 참조하면, 손상영역은 검은색에 가까우므로 서버는 무채색 중 밝은 부분(예를 들어, 글자 부분 등)을 제거하고 어두운 부분만을 추출한다. 이를 위해 서버는 밝기에 대한 히스토그램을 이용하여 밝기가 일정 크기 이상인 화소들을 제거하여, 검은 영역만을 추출한다.

밝기 값이 일정 크기 이하인 화소만을 남기면, 도 28의 무채색 영역으로 구성된 이미지(2800) 중 대부분의 영역이 제거되고 타이어에 존재하는 손상영역(1502,1504,1506)이나, 검은 얼룩(1510), 글자가 존재하는 영역에서 빛에 의한 그림자 부분 정도가 남는 이미지(3000)가 생성된다.

도 31은 도 30의 검은 영역에서 선 성분을 추출하는 방법의 일 예를 도시한 도면이다.

도 31을 참조하면, 손상 인식 모듈(105)은 도 30의 검은 영역 이미지(3000)에서 면 형태의 얼룩(2710) 등을 제거한 이미지(3100)를 획득한다. 검은 얼룩 부분(2710)은 면의 형태를 띠므로, 서버는 선 성분만을 남기고 면 성분을 제거하는 이미지 처리 과정을 수행한다. 이를 위해, 서버는 선 성분을 통과시키고 면 성분을 제거할 수 있는 리지 필터(ridge filter)를 이용할 수 있다. 선 성분만의 검출을 위하여 이 외 다양한 이미지 처리 기법이 적용될 수 있음은 물론이다.

도 32는 도 31의 선 성분 이미지에서 글자 영역의 선 성분을 제거하는 방법의 일 예를 도시한 도면이다.

도 32를 참조하면, 면 성분이 제거되고 선 성분만으로 구성된 이미지(3200)에는 글자에 의한 선 성분(3210)도 함께 포함되어 있을 수 있다. 따라서 서버는 글자에 의한 선 성분을 제거하는 과정을 수행한다.

예를 들어, 서버는 각 선 성분의 시작점과 끝점을 파악하고, 시작점과 끝점이 모두 글자 영역 내에 존재하면 이들 선 성분(3210)을 제거한다. 글자 영역은 문자 인식 과정을 통해 파악되는 등 앞서 살핀 다양한 방법을 이용하여 파악될 수 있다.

도 33은 도 31의 선 성분을 데이터베이스의 비교 이미지와 비교하여 손상을 인식하는 방법의 일 예를 도시한 도면이다.

도 33을 참조하면, 손상 인식 모듈(105)은 도 32의 과정을 통해 추출한 선 성분을 포함하는 타이어 이미지(3310)와 데이터베이스로부터 추출한 비교대상 이미지(3300)를 비교하여 손상 여부를 판별한다.

손상 인식 모듈(105)은 먼저, 선 성분을 포함하는 타이어 이미지(3310)와 비교대상 이미지(3300)의 회전 각도나 크기 등을 정합한다. 예를 들어, 타이어 이미지는 차량의 무게 등으로 인하여 타원 형태인 반면, 데이터베이스에서 기 저장된 타이어 이미지는 공장 출고시의 타이어 이미지로서 원 형태일 수 있다. 또한 타이어 이미지 내 각 글자 영역과 같은 특징점들의 위치가 비교대상 이미지와 서로 상이한 위치에 존재할 수 있다.

따라서 손상 인식 모듈(105)은 비교대상이미지(3300)와 선 성분을 포함하는 타이어 이미지(3310)의 크기와 모양, 회전 각도 등을 정합시키기 위하여 비교대상 이미지(3300) 또는 이미지 처리한 수신 이미지(3310)의 크기나 모양 등을 보정한다.

그리고 서버는 정합된 두 이미지(3300,3310)를 비교하여 도 31에서 산출한 선 성분(2702,2704,2706)이 비교대상 이미지(3300)에 존재하는지 여부를 기초로 손상 여부를 판별한다.

도 35는 마모도 측정 모듈(106)의 일 실시 예의 구성을 도시한 도면이다.

도 35를 참조하면, 마모도 측정 모듈(106)은 3D 이미지 생성부(3510), 트레드영역 검출부(3520) 및 마모도 측정부(3530)를 포함한다. 타이어 트레드에는 제동력과 구동력 향상 등을 위하여 깊은 홈이 파여 있다. 타이어 트레드는 도로 표면과 맞닿는 부분이므로 주행 거리가 늘어남에 따라 도 46과 같이 트레드(4600,4610)는 마모되어 홈의 깊이가 줄어들며, 이에 따라 제동력이 감소 되고 안전에 영향을 미친다. 운전자는 타이어 트레드의 깊이를 직접 측정하여 깊이가 얕아진 경우에 타이어를 교체하여야 하는데, 타이어 교체 시기를 좀 더 용이하게 알려주시기 위하여 종래의 타이어 트레드 옆에 삼각형 표시가 존재한다. 그러나 사용자가 직접 타이어 트레드의 깊이를 일일이 측정하여 교체 시기를 파악하여는 불편함이 존재하며, 일부 운전자는 타이어 트레드의 마모도가 타이어를 교체할 정도인지 파악하는 방법조차 인지하지 못하는 경우가 있다. 실시 예에 따른 마모도 측정 모듈(106)은 사용자가 카메라 등을 통해 촬영한 타이어 트레드 부분의 동영상 이미지를 기초로 타이어 마모도를 용이하게 측정할 수 있도록 한다. 사용자는 타이어 트레드 홈의 깊이를 일일이 측정할 필요없이 스마트폰 등의 카메라를 통해 타이어 동영상 이미지를 촬영함으로서 타이어 마모도를 용이하게 파악할 수 있다. 또한 측정된 타이어 마모도를 기초로 타이어 교체 시기 등을 알려줄 수 있다. 또한 타이어 교체 시기가 된 경우, 해당 타이어의 정보를 함께 제공할 수 있다.

3D 이미지 생성부(3510)는 동영한 이미지를 3차원 형상의 이미지로 생성한다. 각각 다른 방향에서 촬영된 2차원 이미지로부터 발생하는 양안시차를 이용하여 3차원 형상의 이미지를 생성할 수 있다. 따라서 3D 이미지 생성부(3510)는 동영상 이미지를 복수의 정지 이미지로 분리한 후 정지 이미지들 사이의 양안시차를 이용하여 3차원 형상의 이미지를 생성한다.

보다 구체적으로, 3D 이미지 생성부(3510)는 타이어 트레드에 대한 동영상 이미지를 복수의 정지 이미지로 분리하고, 각 정지 이미지 사이의 화소별 대응관계를 파악하고, 파악된 화소별 대응관계를 기초로 촬영 각도와 거리 등에 관한 촬영 파라미터를 파악하고, 파악된 촬영 파리미터를 기초로 각 화소별 깊이를 파악하여 트레드 영역에 대한 3차원 형상의 이미지를 생성한다. 3차원 형상 이미지의 생성 방법에 대해서는 도 37 및 38에 도시되어 있다.

트레드 영역 검출부(3520)는 3차원 형상의 이미지에서 트레드 영역의 표면 영역과 홈 영역을 구분하고 검출한다. 예를 들어, 3차원 형상의 이미지에서 트레드 홈 영역과 표면 영역 사이의 모서리는 곡률이 다른 영역에 비해 매우 크므로, 트레드 영역 검출부(3520)는 3차원 형상의 이미지 내 각 화소들에 대한 곡률을 분석하여 모서리 영역을 검출하고, 검출된 모서리 영역을 기준으로 트레드 홈 영역과 표면 영역을 구분한다.

마모도 측정부(3530)는 트레드 영역 검출부(3520)에 의해 검출된 트레드 홈 영역과 표면 영역 사이의 깊이를 파악하여 마모도를 측정한다. 일 예로, 마모도 측정부(3530)는 3차원 형상 이미지에서 트레드 홈 영역과 표면 영역을 평면 근사 알고리즘을 이용하여 근사 평면으로 보정한 후, 근사 평면을 기초로 트레드 홈 깊이를 파악할 수 있다. 또 다른 예로, 타이어 마모도가 트레드 홈 위치에 따라 서로 상이할 수 있으므로, 마모도 측정부(3530)는 트레드 홈 영역을 다수의 구간으로 구분한 후 각 구간별로 홈 깊이를 파악하고, 가장 깊은 곳을 기준으로 타이어 마모도를 측정할 수 있다. 3차원 형상 이미지에 나타난 타이어 크기와 실제 타이어 크기가 상이할 수 있으며, 이 경우 3차원 형상 이미지로부터 구한 트레드 홈 깊이의 크기만으로 정확한 마모도의 측정이 어려울 수 있다.

이를 위하여, 마모도 측정부(3530)는 3차원 형상 이미지로부터 구한 트레드 홈 깊이의 크기를 실제 타이어 크기로 보정하거나, 또는 트레드 홈 깊이를 3차원 형상 이미지 내 트레드 폭 등과의 비율 값으로 파악하여 마모도를 측정할 수 있다.

예를 들어, 트레드 홈 깊이의 크기를 타이어 크기로 보정하고자 하는 경우, 마모도 측정부(3530)는 실제 타이어의 트레드 폭 또는 트레드 사이 간격 등과 3차원 형상의 이미지 내 트레드 폭 또는 트레드 사이 간격 사이의 비례 크기만큼 트레드 홈 깊이의 크기를 보정한다.

도 36은 또 다른 실시 예에 따른 타이어 마모도를 측정하는 방법의 일 예를 도시한 흐름도이다.

도 36을 참조하면, 단계 3600에서, 마모도 측정 모듈(106)은 타이어 트레드 부분에 대한 동영상을 획득한다. 단계 3610에서, 마모도 측정 모듈(106)은 타이어 동영상 이미지를 이용하여 타이어 트레드 영역에 대한 3차원 형상의 이미지를 생성한다. 그리고 단계 3620에서, 마모도 측정 모듈(106)은 3차원 형상의 이미지로부터 트레드 홈 깊이를 파악하여 마모도를 측정한다.

도 37은 또 다른 실시 예에 따른 타이어 마모도 측정을 위해 동영상 이미지로부터 3차원 형상의 이미지를 생성하는 방법의 일 예를 도시한 흐름도이고, 도 38은 복수의 정지 이미지들의 2차원 좌표를 3차원 공간의 공간좌표로 변환하는 일 예를 도시한 도면이다.

도 37을 참조하면, 단계 3700에서, 마모도 측정 모듈(106)은 동영상을 복수의 정지 이미지로 분리한다. 단계 3710에서, 마모도 측정 모듈(106)은 복수의 정지 이미지들 사이의 화소별 대응관계를 파악한다. 예를 들어, 도 38을 참조하면, 객체를 서로 다른 위치에서 촬영한 단말기(110)에 의해 생성된 이미지들의 특정 위치의 화소, 즉 k-1번째 정지 이미지(3800)의 한 화소, P_j _,k-1이 k번째 정지 이미지(3802)의 화소 P_j _,k, k+1번째 정지 이미지(3804)의 화소 P_j _,k+ ¹가 서로 대응된다면, 이들 각 화소의 대응관계를 계산하여 저장한다. 이를 일반적으로 스테레오 매칭이라고 한다. 본 실시 예에서, 정지 이미지들 사이의 특징점(3810)들을 파악하여 정지 이미지 사이의 화소별 매칭 관계를 파악하는 종래의 다양한 방법이 적용될 수 있다.

단계 3720에서, 마모도 측정 모듈(106)은 복수의 정지 이미지들 사이의 화소별 대응관계를 기초로 각 정지 이미지가 촬영될 때의 단말기(즉, 단말기의 카메라)의 위치에 대한 상대적인 관계를 계산한다. 다시 말해, 마모도 측정 모듈(106)은 정지 이미지들 사이의 화소별 대응관계를 기초로 각 정지 이미지의 촬영시의 측정 파라미터(카메라 초점거리, 촬영 각도, 카메라 위치 등)를 역으로 산출한다.

단계 3730에서, 마모도 측정 모듈(106)은 정지 이미지들의 화소별 양안시차 및 촬영 방향과 위치를 기초로 삼각측량법 등을 이용하여 각 화소가 삼차원 공간상의 어떤 점에 해당하는지 공간 좌표를 파악하고, 이러한 공간좌표들의 점들을 모두 모아 3차원 공간상의 이미지를 생성한다.

예를 들어, 도 38을 참조하면, 객체(3830)에 대한 k-1 정지이미지(3800), k 정지이미지(3802), k+1 정지이미지(3804) 사이에 대응되는 특징점(3810)에 대한 각 화소 P_k _,k-1, P_j _,k, P_j _,k+ ₁를 파악하고, 각 정지 이미지의 촬영 위치 및 촬영 각도를 파악한 후, 이들 각 화소에 대해 삼각측량법을 이용하여 공간상의 어떤 점에 대응되는지 파악하여 공간좌표(3820)를 획득할 수 있다. 이러한 공간좌표들의 점들을 연결하면 3차원 이미지가 생성된다.

타이어 트레드에 대한 동영상 이미지를 촬영하는 경우에 단말의 촬영위치에 움직임이 생기며, 이러한 촬영위치의 움직임에 따라 획득된 동영상 이미지 내 복수의 정지 이미지들은 양안시차를 가지게 된다. 도 37은 이러한 동영상 이미지 내 양안시차를 가지는 복수의 정지 이미지들로부터 3차원 이미지를 생성하는 방법의 일 예를 도시한 것이며, 본 실시 예들은 도 37의 방법에 한정되지 아니하며, 종래의 다양한 3차원 이미지 생성 방법을 이용할 수 있음은 물론이다.

도 39는 타이어 트레드 동영상으로부터 획득한 3차원 형상의 이미지의 일 예를 도시한 도면이다.

도 39를 참조하면, 마모도 측정 모듈(106)은 동영상 이미지를 복수의 정지 이미지로 분리하고, 복수의 정지 이미지들에 대한 카메라의 상대적인 위치, 촬영 각도를 파악함으로써, 복수의 카메라(3900)에 의해 촬영된 것과 같이 양안시차를 가진 복수의 정지 이미지를 얻을 수 있다.

마모도 측정 모듈(106)은 양안시차를 가진 복수의 정지 이미지들을 기초로 타이어 드레드 영역에 대한 3차원 형상의 이미지(3910)를 생성한다.

도 40은 생성된 3차원 형상의 이미지로부터 타이어 트레드 마모도를 측정하는 구체적인 방법의 일 예를 도시한 흐름도이다.

도 40을 참조하면, 단계 4000에서, 마모도 측정 모듈(106)은 도 39와 같은 3차원 형상의 이미지를 획득하면, 먼저 3차원 형상의 이미지 내 각 화소의 곡률을 분석한다. 단계 4010에서, 마모도 측정 모듈(106)은 곡률 크기가 유사하고 상호 거리가 일정 범위 내의 화소들을 연결한다. 각 화소의 곡률 크기별로 구분된 각 영역을 색깔로 구분하여 표시한 일 예가 도 41에 도시되어 있다. 각 영역을 구분하기 위한 곡률 크기의 범위는 실시 예에 따라 다양하게 설정가능하다.

예를 들어, 기 설정된 임계값보다 큰 곡률 크기를 가진 화소들을 서로 연결하는 경우 3차원 형상의 이미지에서 표면 영역과 홈 영역 사이의 모서리 영역(4110)이 검출된다. 또한 곡률이 거의 0에 가까운 화소들을 연결하면 평면 형태인 표면 영역과 홈 영역이 검출된다. 그러나 3차원 형상 이미지의 각 화소별 곡률 크기를 이용하여 각 영역을 구분하면 도 41과 같이 작은 잡음 영역들이 생길 수 있다. 이러한 잡음 영역들의 크기는 표면 영역이나, 홈 영역, 모서리 영역의 크기보다 상대적으로 매우 작으므로, 기 설정된 일정 크기 이하의 영역들을 제거하는 과정을 통해 잡음 영역을 제거할 수 있다. 다시 말해, 도 41과 같이 표면 영역에 나타나는 일정 크기 이하의 영역들을 모두 큰 영역에 흡수시켜 고른 평면을 만들 수 있다.

단계 4020에서, 마모도 측정 모듈(106)은 곡률이 가장 큰 영역, 즉 모서리 영역(4110)을 기준으로 트레드 홈 영역(4120)과 표면 영역(4100)을 구분한다. 단계 4030에서, 마모도 측정 모듈(106)은 트레드 홈 영역(4120)의 깊이를 기초로 타이어 마모도를 바로 구할 수도 있으나, 트레드 마모도가 트레드 홈 영역(4120)의 측정 위치마다 다를 수 있는 점 등을 고려하여 트레드 홈 영역을 복수의 구간으로 구분한다.

트레드 홈 영역을 복수의 구간으로 구분하기 위한 다양한 방법이 존재할 수 있다. 일 예로, 도 42를 참조하면, 트레드 홈 영역의 방향과 폭을 기준으로 다수의 구간으로 구분할 수 있다. 구체적으로, 마모도 측정 장치는 트레드 홈 영역(4120)의 방향에 대한 중간축(4200,4210,4220)을 파악하고, 중간축(4200, 4291,4292)에 수직인 방향벡터(4230,4240,4250)를 기초로 각 트레드 홈의 폭을 파악한다. 그리고 마모도 측정 장치는 방향과 폭을 기준으로 트레드 홈 영역을 다수의 구간(4260,4262,4264,4266,4268,4270,4272)으로 구분할 수 있다.

예를 들어, 도 42에서 왼쪽 세로 방향의 트레드 홈 부분에 대한 중간축에 수직인 방향의 폭을 살펴보면, 가운데 부분의 영역이 상대적으로 크므로, 이러한 폭을 기준으로 세 부분(4260,4262,4264)으로 구분할 수 있다. 나머지 영역도 폭 등을 기준으로 각 영역별 구분이 가능하다. 이 외 트레드 홈 영역(4120)을 일정 면적이나 일정 길이 단위로 구분하는 등 다른 다양한 방법을 통해 트레드 홈 영역을 구분하는 것도 가능하다.

마모도 측정 모듈(106)은 트레드 홈 영역(4120)과 표면 영역(4100)을 근사 평면으로 보정할 수 있다. 예를 들어, 도 45를 참조하면, 마모도 측정 장치는 최소자승법(Least Squares Fitting) 등과 같은 평면 근사 알고리즘을 이용하여 표면 영역과 홈 영역 등의 표면을 근사 평면(4500)으로 만들 수 있다.

단계 4050에서, 마모도 측정 모듈(106)은 포면 영역으로부터 홈 영역의 깊이를 파악한다. 예를 들어, 도 43과 같이 3차원 형상 이미지(4300)의 표면 영역과 트레드 홈 영역이 구분되면, 도 44와 같이 표면으로부터 홈의 깊이를 파악할 수 있다. 또는 표면 영역과 트레드 홈 영역을 구분하는 모서리 영역(4110)의 길이를 파악하여 홈의 깊이를 파악할 수 있다. 만약, 도 45와 같이 근사 평면(4500)을 구한 경우라면 그 근사 평면을 기초로 홈 영역의 깊이를 파악할 수 있다. 또한 도 42와 같이 트레드 홈 영역을 다수의 구간(4260~4272)으로 구분한 경우라면, 각 구간에 대해 홈 영역의 깊이를 파악한 후 가장 깊은 곳을 타이어 트레드의 홈 깊이로 할 수 있다.

단계 4060에서, 마모도 측정 모듈(106)은 트레드 홈 영역의 깊이를 기초로 타이어의 마모도가 어느 정도 인지 파악한 후 타이어 교체 여부나 교체 시기에 대한 정보를 산출하여 단말기에 제공할 수 있다. 3차원 형상의 이미지 내 타이어 크기와 실제 타이어 크기는 일정한 비례관계에 있으므로, 마모도 측정 장치는 3차원 형상의 이미지로부터 구한 홈 깊이를 그대로 사용하는 것이 아니라 실제 타이어 크기로 보정하여 타이어 마모도를 측정할 수 있다.

본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 다양한 형태의 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims

타이어 정보 제공 방법에 있어서,
타이어 검색을 위한 타이어 이미지 업로드 모듈이 구동되는 단계;
사용자 단말에 기 저장된 타이어 이미지가 업로드 되는 단계;
상기 업로드 된 타이어 이미지를 분석하는 단계; 및
상기 분석 결과에 따른 상기 타이어 정보를 제공하는 단계를 포함하고,
상기 분석 단계는,
상기 타이어 이미지 내 원형의 타이어 부분을 일자형태 이미지로 변환하는 단계;
상기 일자형태 이미지 내 인식대상 글자영역을 추출하는 단계; 및
기 구축된 학습 글자 군에서 상기 추출한 인식대상 글자영역과 가장 유사한 학습 글자를 상기 인식대상 글자영역의 글자로 파악하는 단계를 포함하고,
상기 일자형태 이미지로 변환하는 단계는,
상기 이미지 내 원형의 타이어 부분을 추출하고, 상기 타이어 부분 내 휠 영역에 대응되는 원 또는 타원의 원주에 직각한 직선에 대응되는 직선 이미지들을 동일방향으로 재배치하여 상기 일자형태의 타이어 이미지를 획득하거나,
상기 이미지 내 원형의 타이어 부분을 추출하고, 상기 원형의 타이어 부분에서 휠 부분을 제거하고, 상기 휠 부분이 제거된 타이어 부분을 상기 일자형태 이미지로 변환하거나,
상기 이미지 촬영시 제공된 가이드라인을 기초로 상기 타이어 부분을 포함하는 일정 영역을 추출하고, 상기 추출된 영역을 일자형태 이미지로 변환하는 것을 특징으로 하는 타이어 정보 제공 방법.는 타이어 정보 제공 방법.
제 1 항에 있어서,
상기 사용자 단말에 타이어 관련 콘텐츠 - 상기 타이어 관련 콘텐츠에는 타이어 이미지 검색 모듈이 포함됨 - 가 표시되는 단계; 및
상기 타이어 이미지 검색 모듈이 선택되는 단계를 더 포함하고,
상기 타이어 이미지 검색 모듈이 선택된 경우, 상기 타이어 이미지 업로드 모듈이 구동되는 것을 특징으로 하는 타이어 정보 제공 방법.
제 1 항에 있어서,
상기 타이어 정보는,
상기 타이어와 동일하거나 유사한 타이어에 관한 타이어 상품 정보, 상기 타이어의 손상 정보, 상기 타이어의 마모도 정보 중 적어도 하나를 포함하고,
상기 타이어 상품 정보는,
제조사, 상품명, 사이즈, 제품기능, 제조일자, 오프라인 가격, 온라인 가격, 가격 비교 정보, 공장도 가격, 교체 여부 판단정보, 리뷰 정보, 선호도 정보 및 이벤트 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
삭제
삭제
제 1 항에 있어서,
상기 일자형태 이미지로 변환하는 단계는,
상기 타이어 이미지의 촬영시 제공된 가이드라인을 기초로 추출된 원형의 타이어 부분을 일자형태 이미지로 1차 변환하는 단계;
상기 제1 일자형태의 이미지에서 인텐서티를 기준으로 휠 영역의 경계를 산출하는 단계; 및
상기 경계를 기초로 상기 타이어 이미지 내 원형의 타이어 부분을 다시 추출하여 일자형태 이미지로 2차 변환하는 단계를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 6 항에 있어서,
상기 휠 영역의 경계를 산출하는 단계는,
상기 일자형태 이미지의 각 선들에 대해 방향에 따른 가중치를 부여하는 단계; 및
상기 일자형태 이미지에서 인텐서티를 기준으로 구분되는 각 영역의 경계선을 구하는 단계; 및
상기 각 영역의 경계선으로 이루어진 경로 이미지에 상기 방향에 따른 가중치를 적용하여 상기 경로 이미지의 양단을 연결하는 최단 경로를 산출하는 단계를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 7 항에 있어서,
상기 2차 변환하는 단계는,
상기 최단 경로를 원형의 이미지로 변환하는 단계;
상기 원형의 이미지 내 최단 경로를 원 또는 타원으로 보정하는 단계;
상기 보정된 원 또는 타원을 기초로 상기 이미지 내 타이어 부분을 다시 추출하는 단계; 및
상기 다시 추출된 타이어 부분을 일자형태의 타이어 이미지로 변환하는 단계를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 1 항에 있어서,
상기 글자 영역을 추출하는 단계는,
상기 일자형태의 이미지에서 질감, 패턴, 에지 중 적어도 하나의 특징을 이용하여 각 글자 영역을 추출하는 단계를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 1 항에 있어서,
상기 글자 영역을 추출하는 단계는,
상기 일자형태 이미지에 엔트로피 필터를 적용하는 단계;
상기 엔트로피 필터를 적용한 결과 이미지에 적응적 임계값을 이용하여 흑과 백의 영역으로 구성된 이진 이미지를 획득하는 단계;
상기 이진 이미지에서 기 설정된 크기 이하의 잡음영역을 제거하는 단계; 및
상기 잡음영역이 제거된 이미지 내 인식대상 글자영역을 추출하는 단계를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 1 항에 있어서, 상기 글자를 파악하는 단계는,
상기 인식대상 글자영역에 적어도 하나 이상의 필터를 적용하여 특징정보를 획득하는 단계; 및
학습 글자 군에 대해 상기 적어도 하나 이상의 필터를 적용하여 기 구축한 글자별 특징 정보와 상기 인식대상 글자영역의 특징정보를 비교하여, 가장 유사한 특징정보를 가진 학습 글자를 상기 인식대상 글자영역에 포함된 글자로 파악하는 단계를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 2 항에 있어서,
상기 타이어 관련 콘텐츠는,
블로그를 포함한 게시물 페이지, 타이어 관련 질문/답변 페이지, 카페/커뮤니티 페이지 또는 포털 및 각종 사이트의 배너 광고 페이지를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 1 항에 있어서,
상기 분석 단계는,
상기 타이어 이미지의 측면에 위치한 문자, 숫자, 기호 중 적어도 하나의 타이어 이미지 데이터를 이용하여 데이터베이스에서 비교대상 이미지 또는 상기 비교대상 이미지에 상응하는 비교대상 데이터를 검색하는 단계; 및
상기 타이어 이미지와 상기 비교대상 이미지의 차이 또는 상기 타이어 이미지 데이터와 상기 비교대상 데이터의 차이를 기초로 손상 여부를 판별하는 단계를 더 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 13 항에 있어서,
상기 비교대상 이미지를 검색하는 단계는,
상기 타이어 이미지 내 원형의 타이어 부분을 일자형태 이미지로 변환하는 단계;
상기 일자형태 이미지 내 인식대상 글자영역을 추출하는 단계;
기 구축된 학습 글자 군에서 상기 추출한 인식대상 글자영역과 가장 유사한 학습 글자를 상기 인식대상 글자영역의 글자로 파악하는 단계; 및
상기 파악된 글자를 기초로 상기 데이터베이스 내 비교대상 이미지를 검색하는 단계를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 13 항에 있어서,
상기 분석 단계는,
상기 타이어 이미지 내 선 성분을 검출하는 단계;
상기 타이어 이미지 내 글자 영역을 검출하는 단계;
상기 검출된 선 성분에서 상기 글자 영역에 위치한 선 성분을 제거하는 단계; 및
상기 제거하는 단계 이후 남아 있는 선 성분을 기초로 손상 여부를 판별하는 단계를 더 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 1 항에 있어서,
상기 타이어 이미지는 동영상이고,
상기 동영상을 기초로 타이어의 3차원 형상의 이미지를 생성하는 단계; 및
상기 3차원 형상의 이미지 내 트레드 영역의 깊이를 기초로 타이어 트레드의 마모도를 측정하는 단계를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 16 항에 있어서,
상기 3차원 형상의 이미지를 생성하는 단계는,
상기 동영상 이미지를 복수의 정지 이미지 단위로 분리하는 단계;
복수의 정지 이미지들 사이의 화소별 대응관계를 파악하는 단계;
상기 화소별 대응관계를 통해 상기 동영상의 촬영시 각도 및 거리를 포함하는 파라미터를 파악하는 단계; 및
상기 파라미터를 기초로 복수의 정지 이미지 사이의 깊이 정보를 파악하여 타이어에 대한 3차원 형상 이미지를 생성하는 단계를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 16 항에 있어서,
상기 마모도를 측정하는 단계는,
상기 3차원 형상의 이미지에 대한 곡률 분석을 기초로 트레드 홈 영역과 표면 영역을 검출하는 단계;
상기 검출된 표면영역으로부터 상기 홈 영역의 깊이를 파악하는 단계;
상기 파악된 깊이를 기초로 상기 타이어의 마모도를 인식하는 단계를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 18 항에 있어서,
상기 트레드 홈 영역과 표면 영역을 검출하는 단계는,
상기 3차원 형상 이미지의 각 화소의 곡률을 분석하는 단계;
곡률이 기 설정된 범위 내에서 유사하고 상호 거리가 기 설정된 거리 범위 내인 화소들을 연결하여 생성된 영역 중 가장 큰 곡률을 가진 영역을 파악하는 단계; 및
상기 가장 큰 곡률을 가진 영역을 기준으로 분리되는 트레드 홈 영역과 표면 영역을 검출하는 단계를 포함하는 것을 특징으로 하는 타이어 정보 제공 방법.
제 1 항 내지 제 3 항, 제 6 항 내지 제 19 항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램을 저장한 기록매체.