KR101679125B1 - 체형 분석 장치 및 방법 - Google Patents

체형 분석 장치 및 방법 Download PDF

Info

Publication number
KR101679125B1
KR101679125B1 KR1020140134390A KR20140134390A KR101679125B1 KR 101679125 B1 KR101679125 B1 KR 101679125B1 KR 1020140134390 A KR1020140134390 A KR 1020140134390A KR 20140134390 A KR20140134390 A KR 20140134390A KR 101679125 B1 KR101679125 B1 KR 101679125B1
Authority
KR
South Korea
Prior art keywords
feature
body shape
vector
user
feature value
Prior art date
Application number
KR1020140134390A
Other languages
English (en)
Other versions
KR20160040893A (ko
Inventor
장준수
도준형
김근호
Original Assignee
한국 한의학 연구원
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 한국 한의학 연구원 filed Critical 한국 한의학 연구원
Priority to KR1020140134390A priority Critical patent/KR101679125B1/ko
Publication of KR20160040893A publication Critical patent/KR20160040893A/ko
Application granted granted Critical
Publication of KR101679125B1 publication Critical patent/KR101679125B1/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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1073—Measuring volume, e.g. of limbs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1077—Measuring of profiles
    • 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
    • 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
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors

Abstract

전신영상 정보로부터, 신체의 머리부터 발까지의 전체 구간에 관한 체형 특징 벡터를 생성하여 기준 모델과 비교 함으로써, 사용자에 대한 체형을, 높은 정확성으로 분석할 수 있게 하는 체형 분석 장치 및 방법을 개시한다.
본 발명에 따른 체형 분석 장치는, 전신영상 정보를 이용하여, 체형 특징 벡터를 생성하는 단계와, 상기 생성된 체형 특징 벡터를, 체형 모델과 비교하여 체형 유사도를 계산하는 단계, 및 상기 체형 유사도에 기초하여, 상기 전신영상 정보와 연관된 사용자에 대한 사상체질을 분류하는 단계를 포함하여 구성한다.

Description

체형 분석 장치 및 방법{DEVICE AND METHOD FOR ANALYSING BODY-TYPE}
본 발명은 전신영상 정보로부터, 신체의 머리부터 발까지의 전체 구간에 관한 체형 특징 벡터를 생성하여 기준 모델과 비교 함으로써, 사용자에 대한 체형을, 높은 정확성으로 분석할 수 있게 하는 체형 분석 장치 및 방법에 관한 것이다.
사람의 체형을 분석하는 기술은 신체의 밸런스 확인, 건강 상태 측정, 체질 분류, 개인 식별, 의복 제작 등 다양한 분야에서 활용되고 있다.
실생활에서의 체형 분석은 목둘레, 가슴 둘레, 허리 둘레 등을 줄자로 사람이 수동 측정하고, 그 값들을 활용하여 사람의 체형을 추정하는 기법이 있다.
이러한 수동 방식을 개선하기 위해서, 종래에는 2차원 카메라 또는 3차원 카메라를 통해서 신체를 촬영하고, 이로부터 얻어진 2차원 영상 또는 3차원 영상을 이용하여, 보다 간편하게 사용자의 체형 정보를 획득하는 방법을 활용하고 있다.
한의학에서는, 사람의 체형을 보고 체질을 분류하는 기법이 있고, 예컨대, 상체가 하체에 비해 발달되었다고 판단되면, 해당 사람을 소양인으로 분류할 수 있다.
체형을 비교하는 방법은 단순히 사전에 정해진 기준위치의 둘레값이나 너비값을 통계적으로 비교하는 것이 있으나, 이는 측정시 특정 기준위치를 사람의 눈에 의존하여 정하게 되므로 위치의 오차가 존재하게 된다.
이에 따라, 특정 기준위치에서 얻은 둘레 혹은 너비값들을 이용하여 체질분류 혹은 개인 식별 등을 하게 되면 정확성이 떨어지는 단점이 발생할 수 있다.
따라서, 사전에 정해진 기준위치들에서의 둘레, 너비, 면적 등의 값을 비교하는 것이 아니라 시작 위치와 끝 위치를 설정하고, 이들 위치 사이 구간에서 체형 특징 벡터를 추출하여 사용자의 체형을 비교하는 새로운 모델의 출현이 절실하게 요구되고 있다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 사용자의 전신영상 정보로부터 시작 위치와 끝 위치 사이 구간에서 체형 특징 벡터를 추출하여 체형을 비교하는 방법을 제시 함으로써, 시작과 끝의 구간이 정해지면 그 사이에서 정확한 기준 위치들을 결정할 필요 없이, 보다 정확하게 사용자의 체형을 분류하는 체형 분석 장치 및 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은, 전신영상 정보에서 얻은 체형 특징 벡터를 통해 사용자의 체형 뿐만 아니라, 사용자 자신을 식별하는 다양한 활용법을 지원하는 것을 다른 목적으로 하고 있다.
또한, 본 발명의 또 다른 목적은, 체형 특징 벡터를 생성할 구간 범위를, 사용자가 능동적으로 설정하도록 지원 함으로써, 특정 신체부위를 대상으로 한 세밀한 체형분석을 가능하게 하는 데에 있다.
상기의 목적을 이루기 위한 체형 분석 방법은, 전신영상 정보를 이용하여, 체형 특징 벡터를 생성하는 단계와, 상기 생성된 체형 특징 벡터를, 체형 모델과 비교하여 체형 유사도를 계산하는 단계, 및 상기 체형 유사도에 기초하여, 상기 전신영상 정보와 연관된 사용자에 대한 사상체질을 분류하는 단계를 포함하여 구성할 수 있다.
일실시예에 따른 체형 분석 방법은, 전신영상 정보를 이용하여, 체형 특징 벡터를 생성하는 단계와, 상기 생성된 체형 특징 벡터를, 체형 모델과 비교하여 사용자 유사도를 계산하는 단계, 및 상기 사용자 유사도에 기초하여, 상기 전신영상 정보와 연관된 사용자를 식별하는 단계를 포함할 수 있다.
또한, 상기 목적을 달성하기 위한 기술적 장치로서, 체형 분석 장치는, 전신영상 정보를 이용하여, 체형 특징 벡터를 생성하는 생성부와, 상기 생성된 체형 특징 벡터를, 체형 모델과 비교하여 체형 유사도를 계산하는 계산부, 및 상기 체형 유사도에 기초하여, 상기 전신영상 정보와 연관된 사용자에 대한 사상체질을 분류하는 처리부를 포함할 수 있다.
일실시예에 따른 체형 분석 장치는, 전신영상 정보를 이용하여, 체형 특징 벡터를 생성하는 생성부와, 상기 생성된 체형 특징 벡터를, 체형 모델과 비교하여 사용자 유사도를 계산하는 계산부, 및 상기 사용자 유사도에 기초하여, 상기 전신영상 정보와 연관된 사용자를 식별하는 처리부를 포함할 수 있다.
본 발명에 따르면, 사용자의 전신영상 정보로부터 시작 위치와 끝 위치 사이 구간에서 체형 특징 벡터를 추출하여 체형을 비교하는 방법을 제시 함으로써, 시작과 끝의 구간이 정해지면 그 사이에서 정확한 기준 위치들을 결정할 필요 없이, 보다 정확하게 사용자의 체형을 분류하는 체형 분석 장치 및 방법을 제공할 수 있다.
또한, 본 발명에 의해서는, 전신영상 정보에서 얻은 체형 특징 벡터를 통해 사용자의 체형 뿐만 아니라, 사용자 자신을 식별하는 다양한 활용법을 지원할 수 있다.
또한, 본 발명에 따르면, 체형 특징 벡터를 생성할 구간 범위를, 사용자가 능동적으로 설정하도록 지원 함으로써, 특정 신체부위를 대상으로 한 세밀한 체형분석을 가능하게 할 수 있다.
도 1은 본 발명의 일실시예에 따른 체형 분석 장치의 구체적인 구성을 나타내는 도면이다.
도 2 및 도 3은 사용자의 전신영상 정보를 이용하여 체형 특징 벡터를 생성하는 일례를 설명하는 도면이다.
도 4는, 사전 약속에 의해서 명명된 기준위치의 일례를 예시하는 도면이다.
도 5는 체질별 체형 특징 벡터를 이용한, 체질 유사도의 계산 및 사상체질의 분류 과정에 관한 일례를 설명하기 위한 도면이다.
도 6은 체형 특징 벡터를 이용한, 사용자 유사도의 계산 및 개인 식별에 관한 일례를 설명하기 위한 도면이다.
도 7은 본 발명의 일실시예에 따른 체형 분석 장치의 운용 방법을 구체적으로 도시한 작업 흐름도이다.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
본 명세서에서 지속적으로 사용되는 '체질'은 사상의학에 의거하여 사람의 특성을, 4가지의 유형으로 분류한 것일 수 있다. 사상의학은, 인간의 체질에 따라 성격이나 심리상태, 음식, 내장의 기능, 약리 등이 서로 다르기 때문에 같은 병이라도 그 체질에 따라 약을 달리 써야 그 효과를 극대화 할 수 있다는 것이 주요 핵심 사상이며, 사람의 체질을 사상(四象), 즉 태양(太陽), 태음(太陰), 소양(少陽), 소음(少陰)으로 분류하고 있다.
본 명세서에서 설명되는 체형 분석 장치 및 방법은, 이러한 체질을 분류하는 데에 있어서, 사용자의 전신영상 정보 내에 설정된 위치 간(예, 머리부터 발까지)의 특징값을 획득하고, 이를 통해 생성된 체형 특징 벡터를 이용하여, 사용자에 대한 사상체질을 분류할 수 있다.
도 1은 본 발명의 일실시예에 따른 체형 분석 장치의 구체적인 구성을 나타내는 도면이다.
본 발명의 체형 분석 장치(100)는 생성부(110), 계산부(120) 및 처리부(130)를 포함하여 구성할 수 있다. 또한, 실시예에 따라, 체형 분석 장치(100)는 데이터베이스(140)를 추가하여 구성할 수 있다.
우선, 생성부(110)는 전신영상 정보를 이용하여, 체형 특징 벡터를 생성한다. 즉, 생성부(110)는 사용자 전신에 관한 영상/이미지로부터 해당 사용자를 특정할 수 있는 벡터값을 생성하는 역할을 할 수 있다.
여기서, 전신영상 정보는, 사용자 전신을 카메라로 촬상하여 얻어지는 영상/이미지일 수 있고, 사용하는 카메라의 종류의 따라, 2차원 정보 또는 3차원 정보를 가질 수 있다. 상기 전신영상 정보에는, 가상의 축이 설정될 수 있고, 예컨대 2차원의 전신영상 정보의 경우에는, 사용자의 폭(가로, x축) 방향으로 단축이 설정될 수 있고, 사용자의 신장(세로, y축) 방향으로 장축이 설정될 수 있다. 다른 예로서, 3차원의 전신영상 정보의 경우에는, 폭(가로, x축) 방향의 단축과, 신장(세로, y축) 방향의 장축과 함께, 사용자의 두께(높이, z축) 방향의 중간축이 설정될 수 있다.
상기 체형 특징 벡터의 생성에 있어서, 생성부(110)는 상기 전신영상 정보 상에 설정된 장축을 따라, 신체 위치별 특징값을 획득할 수 있다. 즉, 생성부(110)는 사용자 전신을 대상으로, 개별 신체 위치 마다, 해당 위치에서 신체가 갖는 특징값을 얻을 수 있다.
생성부(110)가 획득하는 신체 위치별 특징값은, 전신영상 정보의 유형에 따라 상이할 수 있다. 예컨대, 상기 전신영상 정보가 3차원 카메라로부터 입력되는 3차원 정보이면, 생성부(110)는 상기 신체 위치별 특징값으로서, 단면적 또는 둘레를 획득할 수 있다. 또한, 상기 전신영상 정보가 2차원 카메라로부터 입력되는 2차원 정보이면, 생성부(110)는 상기 신체 위치별 특징값으로서, 너비를 획득할 수 있다.
또한, 신체 위치별 특징값을 획득하는 데에 있어, 생성부(110)는 신체 위치가 '팔'을 포함하는 위치이면, 상기 '팔'과 관련한 특징값을 제외하고, 상기 신체 위치별 특징값을 획득할 수 있다. 예컨대, '가슴'은 사용자가 양팔을 내린 상태에서 '팔'을 부득이하게 포함하는 신체 위치가 될 수 있고, 이에 따라, 생성부(110)는 '팔'에 대해 획득되는 특징값을 배제한 후, 상기 신체 위치 '가슴'과 관련한 특징값을 획득하여, 특징값의 정확도를 높일 수 있다.
또는, 생성부(110)는 신체 위치가 '다리'를 포함하는 위치이면, 상기 '다리'와 관련된 특징값과, 상기 '다리'와 쌍을 이루는 '다른 다리'와 관련한 특징값을 합산하여, 상기 신체 위치별 특징값을 획득할 수 있다. 즉, 생성부(110)는 쌍으로 이루어지는 다리에 대해, 양쪽 다리를 대상으로 특징값을 획득할 수 있다.
생성부(110)는 전신영상 정보 상의 장축을 획득한 신체 위치별 특징값을 적어도 포함하여 상기 체형 특징 벡터를 생성할 수 있다.
도 2 및 도 3은 사용자의 전신영상 정보를 이용하여 체형 특징 벡터를 생성하는 일례를 설명하는 도면이다.
본 발명의 체형 분석 장치(100)와 관련하여, 카메라가 구비될 수 있고, 생성부(110)는 사용자의 전신 영상을 촬상하는 상기 카메라로부터 전신영상 정보를 입력받을 수 있다. 이때, 사용자는, 최소한의 의류 이외에 옷을 탈의하거나, 또는 체형을 드러내는 의류를 착용한 상태에서 전신 영상을 촬상할 수 있다.
상기 카메라가 2차원 카메라의 경우에는, 사용자의 정면에서 영상을 취득할 수 있고, 예컨대 생성부(110)는 도 3의 z축과 평행한 상태에서의 2차원 전신영상 정보를 생성할 수 있다.
생성부(110)는 전신영상 정보 상에 설정된 장축을 따라, 신체 위치별 특징값을 획득할 수 있다. 예컨대, 생성부(110)는, 도 3의 y축을 따라, 전신영상 정보 내 사용자의 머리부터 발까지 이동하면서, 각 y축 위치에서의 특징값을 획득할 수 있다.
도 2(a)는 생성부(110)에서 획득한 신체 위치별 특징값을, 머리부터 발까지의 구간에 대해 나타내는 그래프이다.
이때, 신체 위치별 특징값은, 몸통의 단면적, 둘레길이, 너비 값 등이 될 수 있고, 카메라의 종류에 따라, 특징값이 되는 파라메타를 변경할 수 있다.
예컨대, 생성부(110)는 상기 전신영상 정보가 2차원 카메라로부터 입력되면, 상기 신체 위치별 특징값으로서, 도 3의 너비(310)에 해당하는 파라메타를 상기 전신영상 정보로부터 획득할 수 있다.
또는, 생성부(110)는 상기 전신영상 정보가 3차원 카메라로부터 입력되면, 상기 신체 위치별 특징값으로서, 도 3의 단면적(320) 또는 둘레(330)에 해당하는 파라메타를 획득할 수도 있다.
도 2(b)는 도 2(a)의 그래프를 이용하여, 체형 특징 벡터를 생성하는 일례에 관한 예시도이다.
생성부(110)는 신체 위치별 특징값이 획득된 머리에서 발까지의 구간을, N-1 등분하여 N개의 신체 위치별 특징값 f(y)을 얻을 수 있다. 상기 N은 통산 100 내지 1000 수준이나, 사용되는 카메라의 성능, 해상도 등에 따라 유연하게 달라질 수 있다.
생성부(110)는 상기 N개의 신체 위치별 특징값 f(y)를 포함하여, 수학식 1과 같은, 체형 특징 벡터 B를 생성할 수 있다. 상기 체형 특징 벡터 B는 N개의 특징값을 갖는 N-dimension 벡터로 정의할 수 있다.
Figure 112014095160493-pat00001
B : 체형 특징 벡터
f(y) : 신체 위치별 특징값
N : 차원값(등분한 값)
다른 일례에서, 생성부(110)는, y축의 위치 중, 사전 약속에 의해서 정해진 기준위치들에서 획득한 특징값들의 집합을 추가로 반영하여 체형 특징 벡터 B를 생성할 수 있다. 예컨대, 상기 정해진 기준위치가 가슴, 허리, 엉덩이 등일 경우, 생성부(110)는 해당 기준위치들에서 획득되는 특징값 중 임의 두 값의 비율(
Figure 112014095160493-pat00002
)을 추가로 포함하여 체형 특징 벡터 B를 생성할 수 있다. 상기 임의 두 값의 비율(
Figure 112014095160493-pat00003
)로는, '가슴단면적/허리단면적'일 수 있다.
또한, 생성부(110)는 신장 h, 몸무게 w, bmi(체질량지수, body mass index) 등을 추가로 포함하여, 체형 특징 벡터 B를 구성할 수도 있다.
이러한 체형 특징 벡터 B의 다른 구성을 수학식 2에 정의한다.
Figure 112014095160493-pat00004
Figure 112014095160493-pat00005
: 해당 기준위치들에서 획득되는 특징값 중 임의 두 값의 비율
h : 신장, w : 몸무게, bmi : 체질량지수
상기 신체 위치별 특징값을 획득하는 과정에서, 생성부(110)는 팔과 관련한 특징값을 제거한 후, 체형 특징 벡터 B를 생성할 수 있다.
또한, 생성부(110)는 상기 신체 위치별 특징값을 획득하는 구간을, 본 발명의 체형 분석 장치(100)의 운용 환경에 따라, 유연하게 변경할 수 있다. 즉, 생성부(110)는 도 3의 y축을 따라, 신체 위치별 특징값을 획득하는 구간에 대한, 시작 위치와 끝 위치를, 사용자의 임의 선택에 따라 변경할 수 있다.
예컨대, 생성부(110)는 상술의 예와 같이, 시작 위치를 머리로, 끝 위치를 발로 할 수 있고, 사용자의 선택에 따라, 두 다리가 분리되는 지점을 끝 위치로 변경할 수도 있다.
또 다른 예로서, 생성부(110)는 사용자의 선택에 따라, 두 다리가 분리되는 지점을 시작 위치로, 발을 끝 위치로 할 수 있다. 이 경우, 생성부(110)는 다리 부분에서의 특징값 f(y)를, 두 다리 단면적, 즉 둘레 혹은 너비의 합으로 획득할 수 있다.
도 4는, 사전 약속에 의해서 명명된 기준위치의 일례를 예시하는 도면이다.
도 4에 도시한 바와 같이, 기준위치는 이마둘레(A1_1), 목둘레(A1_2), 겨드랑이 둘레(A1_3), 가슴둘레(A1_4), 늑골둘레(A1_5), 허리둘레(A1_6), 장골둘레(A1_7), 곡골둘레(A1_8)로 정의할 수 있다.
예컨대, 생성부(110)는 3차원의 전신영상 정보로부터, 신체 위치 이마둘레(A1_1)에 관한 특징값으로, "좌우 미간사이의 인당혈을 지나는 수평둘레"와, 신체 위치 목둘레(A1_2)에 관한 특징값으로, "갑상연골 바로 밑을 지나는 최단 목둘레" 등을 획득하고, 이들을 포함하여 체형 특징 벡터를 생성할 수 있다.
다시 도 1을 설명하면, 계산부(120)는 상기 생성된 체형 특징 벡터를, 체형 모델과 비교하여 체형 유사도를 계산한다. 즉, 계산부(120)는 사전에 작성된 표준의 체형 모델과, 새로 생성된 체형 특징 벡터와의 유사 정도를 산출하는 역할을 할 수 있다. 상기 체형 모델은, 사전에 사상체질별로 여러 사람의 체형 특징 벡터를 수집하여 사상체질 분류를 수행한 후, 데이터베이스(140)에 보관되는 표준 정보일 수 있다. 상기 체형 모델의 일례로는, 상기 체형 특징 벡터와 비교되어, 사용자의 사상체질을 분류하는 데 활용되는 사상체질 체형 모델이 있을 수 있다.
상기 체형 유사도의 계산에 있어, 계산부(120)는 체질별 체형 특징 벡터를 활용할 수 있다.
상기 체질별 체형 특징 벡터는 상기 체형 특징 벡터를 사상체질, 즉 태음, 소음, 소양, 및 태양 중 어느 하나와 관련한 파라메타를 적용하여 가공한 것으로, 생성부(110)에서, 체형 특징 벡터의 차원수를 감소시키는 과정에서 생성될 수 있다.
즉, 생성부(110)는 상기 체형 특징 벡터에 대해, 체질별로 벡터의 차원수를 변화시켜 복수의 체질별 체형 특징 벡터를 생성할 수 있다.
이에 따라, 계산부(120)는 상기 체질별 체형 특징 벡터 각각을, 체질에 상응하는 상기 체형 모델과 비교하고, 상기 비교에 따른 체형 유사도를 상기 체질별 체형 특징 벡터 별로 계산할 수 있다. 계산부(120)는 상기 체질별 체형 특징 벡터 내 원소값에 기초하여 상기 체형 유사도를 계산할 수 있고, 예컨대 벡터 놈(norm)에 반비례하는 형태로 상기 체형 유사도를 계산할 수 있다.
처리부(130)는 상기 체형 유사도에 기초하여, 상기 전신영상 정보와 연관된 사용자에 대한 사상체질을 분류한다. 즉, 처리부(130)는 체형 유사도가 가장 높게 계산된 체질을 사용자의 사상체질로 결정하는 역할을 한다.
이하 도 5를 참조하여, 체질별 체형 특징 벡터를 이용한 체질 유사도를 계산하여 사상체질을 결정하는 것을 결정한다.
도 5는 체질별 체형 특징 벡터를 이용한, 체질 유사도의 계산 및 사상체질의 분류 과정에 관한 일례를 설명하기 위한 도면이다.
2차원 카메라 또는 3차원 카메라에 의한 체형 촬영(510)을 통해 전신영상 정보가 작성되면, 생성부(110)는 상기 전신영상 정보로부터 체형 특징 벡터를 생성할 수 있다(520).
생성부(110)는 상기 체형 특징 벡터의 차원이 높을 경우에, PCA(Principal component analysis) 등의 차원 감소(dimension reduction) 기법을 활용할 수도 있다. 동시에, 생성부(110)는 상기 체형 특징 벡터에 대해, 수학식 3과 같은, 각 체질별 평균 벡터 μk를 생성할 수 있다.
Figure 112014095160493-pat00006
여기서, 아래 첨자의 1은, 체질 '태음'을 나타내고, 첨자 2, 3, 4 각각은 '소음', '소양', '태양'을 나타낸다.
생성부(110)는 작성된 체형 특징 벡터
Figure 112014095160493-pat00007
의 차원수를 줄이는 매트릭스
Figure 112014095160493-pat00008
를, PCA 방법을 이용하여 구할 수 있다.
수학식 4에는, 작성된 체형 특징 벡터
Figure 112014095160493-pat00009
에 대해, 차원수 감소 처리와 체질별 평균 벡터를 적용하여 새롭게 가공한 체형 특징 벡터 Vk를 예시하고 있다.
Figure 112014095160493-pat00010
즉, 생성부(110)는 체형 특징 벡터
Figure 112014095160493-pat00011
에서 체질별 평균 벡터 μk를 차감하고, 차원수를 줄이는 매트릭스
Figure 112014095160493-pat00012
를 곱셈하여 상기 복수의 체질별 체형 특징 벡터를 생성할 수 있다.
이때,
Figure 112014095160493-pat00013
의 열(column) 개수는 체형 특징 벡터
Figure 112014095160493-pat00014
의 행(row) 개수인 N(차원수) 이다. 또한,
Figure 112014095160493-pat00015
의 행 개수 r은 줄어든 차원수로서 사용자가 설정할 수 있다. 여기서, r과 N 과의 관계는 'r < N'를 만족한다.
생성부(110)는 수학식 4에 의거하여, 체형 특징 벡터
Figure 112014095160493-pat00016
의 N 차원수를, 줄어든 r 차원수로 변환하고, 또한 체형 특징 벡터
Figure 112014095160493-pat00017
에 대해서 총 4개(태음, 소음, 소양, 태양)의 체형 특징 벡터 Vk 를 새롭게 가공, 생성할 수 있다.
즉, 생성부(110)는, 태음, 소음, 소양, 태양 중 어느 하나와 관련한 상기 복수의 체질별 체형 특징 벡터를 생성할 수 있다.
계산부(120)는 상기 4개의 체형 특징 벡터 Vk 를 이용하여, 체형 모델과의 비교(530)를 통해, 각각의 체질 유사도
Figure 112014095160493-pat00018
를 계산할 수 있다.
상기 체질 유사도
Figure 112014095160493-pat00019
의 계산에 있어, 계산부(120)는 기본적으로 체형 특징 벡터 Vk 의 원소값들에 반비례하여 체형 유사도를 산출할 수 있다.
또한, 계산부(120)는 유클리디언 거리 혹은 Mahalanobis 거리 등에 반비례하는 형태로 체형 유사도를 계산할 수 있다.
예컨대, 계산부(120)는 유클리디언 거리를 활용하여, 수학식 5와 같이, 벡터 놈(norm)값에 반비례 하는 형태로 체형 유사도를 계산할 수 있다.
Figure 112014095160493-pat00020
처리부(130)는 태음, 소음, 소양, 태양 각각에 대해 계산된, 4개의 체질 유사도
Figure 112014095160493-pat00021
중에서 가장 유사도가 높은 것을 해당 체질로 판단할 수 있다(540).
실시예에 따라, 처리부(130)는 수학식 6과 같이, 각 체질에 속할 확률값 Pk 형태로 결과를 줄 수도 있다.
Figure 112014095160493-pat00022
이러한, 본 발명의 체형 분석 장치(100)에 따르면, 사용자의 전신영상 정보로부터 시작 위치와 끝 위치 사이 구간에서 체형 특징 벡터를 추출하여 체형을 비교하는 방법을 제시 함으로써, 시작과 끝의 구간이 정해지면 그 사이에서 정확한 기준 위치들을 결정할 필요 없이, 보다 정확하게 사용자의 체형을 분류할 수 있다.
또한, 본 발명에 따르면, 체형 특징 벡터를 생성할 구간 범위를, 사용자가 능동적으로 설정하도록 지원 함으로써, 특정 신체부위를 대상으로 한 세밀한 체형분석을 가능하게 할 수 있다.
다른 실시예에서, 체형 분석 장치(100)는 체형 특징 벡터를 이용하여 사용자 개인을 식별할 수도 있다.
계산부(120)는 상기 생성된 체형 특징 벡터를, 체형 모델과 비교하여 사용자 유사도를 계산한다. 즉, 계산부(120)는 사전에 작성된 표준의 사용자 모델과, 새로 생성된 체형 특징 벡터와의 유사 정도를 산출하는 역할을 할 수 있다. 상기 체형 모델의 다른 일례로는, 상기 체형 특징 벡터와 비교되어, 사용자 자신을 식별하는 데 활용되는 표준 체형 모델이 있을 수 있다.
이후, 처리부(130)는 상기 사용자 유사도에 기초하여, 상기 전신영상 정보와 연관된 사용자를 식별할 수 있다.
도 6은 체형 특징 벡터를 이용한, 사용자 유사도의 계산 및 개인 식별에 관한 일례를 설명하기 위한 도면이다.
2차원 카메라 또는 3차원 카메라에 의한 체형 촬영(610)을 통해 전신영상 정보가 작성되면, 생성부(110)는 상기 전신영상 정보로부터 체형 특징 벡터를 생성할 수 있다(620).
계산부(120)는 사전에 등록된 여러 개인들의 체형 특징 벡터 B1 ∼ Bk 로 DB를 구성할 수 있고, 상기 DB 내 체형 특징 벡터 B1 ∼ Bk와, 생성된 체형 특징 벡터
Figure 112014095160493-pat00023
를 비교한다(630).
예컨대, 계산부(120)는 유클리디언 거리 혹은 Mahalanobis 거리 등을 통해, 수학식 7과 같이, DB 구성을 위한 함수 Dist(*,*)를 산출할 수 있다.
Figure 112014095160493-pat00024
계산부(120)는 DB에서 k번째 체형 특징 벡터 Bk와, 생성된 체형 특징 벡터
Figure 112014095160493-pat00025
와의 사용자 유사도를, 상기 거리값에 반비례하는 형태로 계산할 수 있다.
Figure 112014095160493-pat00026
처리부(130)는, 계산된 사용자 유사도
Figure 112014095160493-pat00027
중에서 가장 유사도가 높은 것을 선택하여 사용자의 개인 식별 결과로 출력할 수 있다(640).
실시예에 따라, 처리부(130)는 수학식 9와 같이, 개인 식별의 결과를 확률값 Pk 형태로 제공해 줄 수도 있다.
Figure 112014095160493-pat00028
본 발명의 체형 분석 장치(100)에 의해서는, 전신영상 정보에서 얻은 체형 특징 벡터를 통해 사용자의 체형 뿐만 아니라, 사용자 자신을 식별하는 다양한 활용법을 지원할 수 있다.
이하, 본 발명의 실시예에 따른 체형 분석 장치(100)의 운용 흐름을 상세히 설명한다.
도 7은 본 발명의 일실시예에 따른 체형 분석 장치의 운용 방법을 구체적으로 도시한 작업 흐름도이다.
본 실시예에 따른 통신 연결 방법은 상술한 체형 분석 장치(100)에 의해 수행될 수 있다.
우선, 체형 분석 장치(100)는 전신영상 정보를 이용하여, 체형 특징 벡터를 생성한다(710). 단계(710)은 사용자 전신에 관한 영상/이미지로부터 해당 사용자를 특정할 수 있는 벡터값을 생성하는 과정일 수 있다.
여기서, 전신영상 정보는, 사용자 전신을 카메라로 촬상하여 얻어지는 영상/이미지일 수 있고, 사용하는 카메라의 종류의 따라, 2차원 정보 또는 3차원 정보를 가질 수 있다. 상기 전신영상 정보에는, 가상의 축이 설정될 수 있고, 예컨대 2차원의 전신영상 정보의 경우에는, 사용자의 폭(가로, x축) 방향으로 단축이 설정될 수 있고, 사용자의 신장(세로, y축) 방향으로 장축이 설정될 수 있다. 다른 예로서, 3차원의 전신영상 정보의 경우에는, 폭(가로, x축) 방향의 단축과, 신장(세로, y축) 방향의 장축과 함께, 사용자의 두께(높이, z축) 방향의 중간축이 설정될 수 있다.
상기 체형 특징 벡터의 생성에 있어서, 체형 분석 장치(100)는 상기 전신영상 정보 상에 설정된 장축을 따라, 신체 위치별 특징값을 획득할 수 있다. 즉, 체형 분석 장치(100)는 사용자 전신을 대상으로, 개별 신체 위치 마다, 해당 위치에서 신체가 갖는 특징값을 얻을 수 있다.
체형 분석 장치(100)가 획득하는 신체 위치별 특징값은, 전신영상 정보의 유형에 따라 상이할 수 있다. 예컨대, 상기 전신영상 정보가 3차원 카메라로부터 입력되는 3차원 정보이면, 체형 분석 장치(100)는 상기 신체 위치별 특징값으로서, 단면적 또는 둘레를 획득할 수 있다. 또한, 상기 전신영상 정보가 2차원 카메라로부터 입력되는 2차원 정보이면, 체형 분석 장치(100)는 상기 신체 위치별 특징값으로서, 너비를 획득할 수 있다.
또한, 신체 위치별 특징값을 획득하는 데에 있어, 체형 분석 장치(100)는 신체 위치가 '팔'을 포함하는 위치이면, 상기 '팔'과 관련한 특징값을 제외하고, 상기 신체 위치별 특징값을 획득할 수 있다. 예컨대, '가슴'은 사용자가 양팔을 내린 상태에서 '팔'을 부득이하게 포함하는 신체 위치가 될 수 있고, 이에 따라, 체형 분석 장치(100)는 '팔'에 대해 획득되는 특징값을 배제한 후, 상기 신체 위치 '가슴'과 관련한 특징값을 획득하여, 특징값의 정확도를 높일 수 있다.
또는, 체형 분석 장치(100)는 신체 위치가 '다리'를 포함하는 위치이면, 상기 '다리'와 관련된 특징값과, 상기 '다리'와 쌍을 이루는 '다른 다리'와 관련한 특징값을 합산하여, 상기 신체 위치별 특징값을 획득할 수 있다. 즉, 체형 분석 장치(100)는 쌍으로 이루어지는 다리에 대해, 양쪽 다리를 대상으로 특징값을 획득할 수 있다.
체형 분석 장치(100)는 전신영상 정보 상의 장축을 획득한 신체 위치별 특징값을 적어도 포함하여 상기 체형 특징 벡터를 생성할 수 있다.
또한, 체형 분석 장치(100)는 상기 생성된 체형 특징 벡터를, 체형 모델과 비교하여 체형 유사도를 계산한다(720). 단계(720)는 사전에 작성된 표준의 체형 모델과, 새로 생성된 체형 특징 벡터와의 유사 정도를 산출하는 과정일 수 있다. 상기 체형 모델은, 사전에 사상체질별로 여러 사람의 체형 특징 벡터를 수집하여 사상체질 분류를 수행한 후, 데이터베이스에 보관되는 표준 정보일 수 있다.
상기 체형 유사도의 계산에 있어, 체형 분석 장치(100)는 체질별 체형 특징 벡터를 활용할 수 있다.
상기 체질별 체형 특징 벡터는 상기 체형 특징 벡터를 사상체질, 즉 태음, 소음, 소양, 및 태양 중 어느 하나와 관련한 파라메타를 적용하여 가공한 것으로, 체형 분석 장치(100)에서, 체형 특징 벡터의 차원수를 감소시키는 과정에서 생성될 수 있다.
즉, 체형 분석 장치(100)는 상기 체형 특징 벡터에 대해, 체질별로 벡터의 차원수를 변화시켜 복수의 체질별 체형 특징 벡터를 생성할 수 있다.
이에 따라, 체형 분석 장치(100)는 상기 체질별 체형 특징 벡터 각각을, 체질에 상응하는 상기 체형 모델과 비교하고, 상기 비교에 따른 체형 유사도를 상기 체질별 체형 특징 벡터 별로 계산할 수 있다. 체형 분석 장치(100)는 상기 체질별 체형 특징 벡터 내 원소값에 기초하여 상기 체형 유사도를 계산할 수 있고, 예컨대 벡터 놈에 반비례하는 형태로 상기 체형 유사도를 계산할 수 있다.
계속해서, 체형 분석 장치(100)는 상기 체형 유사도에 기초하여, 상기 전신영상 정보와 연관된 사용자에 대한 사상체질을 분류한다(730). 단계(730)는 체형 유사도가 가장 높게 계산된 체질을 사용자의 사상체질로 결정하는 과정일 수 있다.
체형 분석 장치(100)는 상기 체형 특징 벡터의 차원이 높을 경우에, PCA(Principal component analysis) 등의 차원 감소(dimension reduction) 기법을 활용할 수도 있다. 동시에, 체형 분석 장치(100)는 상기 체형 특징 벡터에 대해, 각 체질별 평균 벡터 μk를 생성할 수 있다.
여기서, 아래 첨자의 1은, 체질 '태음'을 나타내고, 첨자 2, 3, 4 각각은 '소음', '소양', '태양'을 나타낸다.
또한, 체형 분석 장치(100)는 작성된 체형 특징 벡터
Figure 112014095160493-pat00029
의 차원수를 줄이는 매트릭스
Figure 112014095160493-pat00030
를, PCA 방법을 이용하여 구할 수 있다.
즉, 체형 분석 장치(100)는 체형 특징 벡터
Figure 112014095160493-pat00031
에서 체질별 평균 벡터 μk를 차감하고, 차원수를 줄이는 매트릭스
Figure 112014095160493-pat00032
를 곱셈하여 상기 복수의 체질별 체형 특징 벡터를 생성할 수 있다.
이때,
Figure 112014095160493-pat00033
의 열(column) 개수는 체형 특징 벡터
Figure 112014095160493-pat00034
의 행(row) 개수인 N(차원수) 이다. 또한,
Figure 112014095160493-pat00035
의 행 개수 r은 줄어든 차원수로서 사용자가 설정할 수 있다. 여기서, r과 N 과의 관계는 'r < N'를 만족한다.
체형 분석 장치(100)는 체형 특징 벡터
Figure 112014095160493-pat00036
의 N 차원수를, 줄어든 r 차원수로 변환하고, 또한 체형 특징 벡터
Figure 112014095160493-pat00037
에 대해서 총 4개(태음, 소음, 소양, 태양)의 체형 특징 벡터 Vk 를 새롭게 가공, 생성할 수 있다.
즉, 체형 분석 장치(100)는, 태음, 소음, 소양, 태양 중 어느 하나와 관련한 상기 복수의 체질별 체형 특징 벡터를 생성할 수 있다.
체형 분석 장치(100)는 상기 4개의 체형 특징 벡터 Vk 를 이용하여, 체형 모델과의 비교를 통해, 각각의 체질 유사도
Figure 112014095160493-pat00038
를 계산할 수 있다.
상기 체질 유사도
Figure 112014095160493-pat00039
의 계산에 있어, 체형 분석 장치(100)는 기본적으로 체형 특징 벡터 Vk 의 원소값들에 반비례하여 체형 유사도를 산출할 수 있다.
또한, 체형 분석 장치(100)는 유클리디언 거리 혹은 Mahalanobis 거리 등에 반비례하는 형태로 체형 유사도를 계산할 수 있다.
예컨대, 체형 분석 장치(100)는 유클리디언 거리를 활용하여, 벡터 놈(norm)값에 반비례 하는 형태로 체형 유사도를 계산할 수 있다.
체형 분석 장치(100)는 태음, 소음, 소양, 태양 각각에 대해 계산된, 4개의 체질 유사도
Figure 112014095160493-pat00040
중에서 가장 유사도가 높은 것을 해당 체질로 판단할 수 있다.
실시예에 따라, 체형 분석 장치(100)는 각 체질에 속할 확률값 Pk 형태로 결과를 줄 수도 있다.
이러한, 본 발명의 체형 분석 장치(100)에 따르면, 사용자의 전신영상 정보로부터 시작 위치와 끝 위치 사이 구간에서 체형 특징 벡터를 추출하여 체형을 비교하는 방법을 제시 함으로써, 시작과 끝의 구간이 정해지면 그 사이에서 정확한 기준 위치들을 결정할 필요 없이, 보다 정확하게 사용자의 체형을 분류할 수 있다.
또한, 본 발명에 따르면, 체형 특징 벡터를 생성할 구간 범위를, 사용자가 능동적으로 설정하도록 지원 함으로써, 특정 신체부위를 대상으로 한 세밀한 체형분석을 가능하게 할 수 있다.
다른 실시예에서, 체형 분석 장치(100)는 체형 특징 벡터를 이용하여 사용자 개인을 식별할 수도 있다.
체형 분석 장치(100)는 상기 생성된 체형 특징 벡터를, 체형 모델과 비교하여 사용자 유사도를 계산한다. 즉, 체형 분석 장치(100)는 사전에 작성된 표준의 사용자 모델과, 새로 생성된 체형 특징 벡터와의 유사 정도를 산출하는 역할을 할 수 있다.
이후, 체형 분석 장치(100)는 상기 사용자 유사도에 기초하여, 상기 전신영상 정보와 연관된 사용자를 식별할 수 있다.
본 발명의 체형 분석 장치에 의해서는, 전신영상 정보에서 얻은 체형 특징 벡터를 통해 사용자의 체형 뿐만 아니라, 사용자 자신을 식별하는 다양한 활용법을 지원할 수 있다.
본 발명의 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100 : 체형 분석 장치
110 : 생성부
120 : 계산부
130 : 처리부
140 : 데이터베이스

Claims (16)

  1. 사용자의 전신을 촬상하여 얻어지는 전신영상 정보를 이용하여, 체형 특징 벡터를 생성하는 단계;
    상기 체형 특징 벡터에 대해, 체질별로 벡터의 차원수(dimension)를 변화시켜 복수의 체질별 체형 특징 벡터를 생성하는 단계;
    상기 체질별 체형 특징 벡터 각각을, 체질에 상응하는 체형 모델과 비교하고, 상기 체질별 체형 특징 벡터 별로, 상기 비교에 따른 체형 유사도를 계산하는 단계; 및
    상기 체형 유사도에 기초하여, 상기 사용자에 대한 사상체질을 분류하는 단계
    를 포함하는 체형 분석 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 복수의 체질별 체형 특징 벡터를 생성하는 단계는,
    상기 체형 특징 벡터에서 체질별 평균 벡터 μ를 차감하고, 벡터의 차원수를 줄이는 매트릭스 M을 곱셈하여 상기 복수의 체질별 체형 특징 벡터를 생성하는 단계
    를 포함하는 체형 분석 방법.
  4. 제1항에 있어서,
    상기 복수의 체질별 체형 특징 벡터를 생성하는 단계는,
    태음, 소음, 소양, 및 태양 중 어느 하나와 관련한 상기 복수의 체질별 체형 특징 벡터를 생성하는 단계
    를 포함하는 체형 분석 방법.
  5. 제1항에 있어서,
    상기 체형 유사도를 계산하는 단계는,
    상기 체질별 체형 특징 벡터 내 원소값에 기초하여 상기 체형 유사도를 계산하는 단계
    를 포함하는 체형 분석 방법.
  6. 제1항에 있어서,
    상기 체형 특징 벡터를, 상기 체형 모델과 비교하여 사용자 유사도를 계산하는 단계; 및
    상기 사용자 유사도에 기초하여, 상기 사용자를 식별하는 단계
    를 더 포함하는 체형 분석 방법.
  7. 제1항에 있어서,
    상기 체형 특징 벡터를 생성하는 단계는,
    상기 전신영상 정보 상에 설정된 장축을 따라, 신체 위치별 특징값을 획득하는 단계; 및
    상기 신체 위치별 특징값을 적어도 포함하여 상기 체형 특징 벡터를 생성하는 단계
    를 포함하는 체형 분석 방법.
  8. 제7항에 있어서,
    상기 신체 위치별 특징값을 획득하는 단계는,
    상기 전신영상 정보가 3차원 카메라로부터 입력되면, 상기 신체 위치별 특징값으로서, 단면적 또는 둘레를 획득하는 단계; 또는
    상기 전신영상 정보가 2차원 카메라로부터 입력되면, 상기 신체 위치별 특징값으로서, 너비를 획득하는 단계
    를 포함하는 체형 분석 방법.
  9. 제7항에 있어서,
    상기 신체 위치별 특징값을 획득하는 단계는,
    신체 위치가 '팔'을 포함하는 위치이면, 상기 '팔'과 관련한 특징값을 제외하고, 상기 신체 위치별 특징값을 획득하는 단계; 또는
    신체 위치가 '다리'를 포함하는 위치이면, 상기 '다리'와 관련된 특징값과, 상기 '다리'와 쌍을 이루는 '다른 다리'와 관련한 특징값을 합산하여, 상기 신체 위치별 특징값을 획득하는 단계
    를 포함하는 체형 분석 방법.
  10. 사용자의 전신을 촬상하여 얻어지는 전신영상 정보를 이용하여, 체형 특징 벡터를 생성하고, 상기 체형 특징 벡터에 대해, 체질별로 벡터의 차원수를 변화시켜 복수의 체질별 체형 특징 벡터를 생성하는 생성부;
    상기 체질별 체형 특징 벡터 각각을, 체질에 상응하는 체형 모델과 비교하고, 상기 체질별 체형 특징 벡터 별로, 상기 비교에 따른 체형 유사도를 계산하는 계산부; 및
    상기 체형 유사도에 기초하여, 상기 사용자에 대한 사상체질을 분류하는 처리부
    를 포함하는 체형 분석 장치.
  11. 삭제
  12. 제10항에 있어서,
    상기 계산부는,
    상기 체질별 체형 특징 벡터 내 원소값에 기초하여 상기 체형 유사도를 계산하는
    체형 분석 장치.
  13. 제10항에 있어서,
    상기 계산부는,
    상기 체형 특징 벡터를, 상기 체형 모델과 비교하여 사용자 유사도를 계산하고,
    상기 처리부는,
    상기 사용자 유사도에 기초하여, 상기 사용자를 식별하는
    체형 분석 장치.
  14. 제10항에 있어서,
    상기 생성부는,
    상기 전신영상 정보 상에 설정된 장축을 따라, 신체 위치별 특징값을 획득하고, 상기 신체 위치별 특징값을 적어도 포함하여 상기 체형 특징 벡터를 생성하는
    체형 분석 장치.
  15. 제14항에 있어서,
    상기 생성부는,
    상기 전신영상 정보가 3차원 카메라로부터 입력되면, 상기 신체 위치별 특징값으로서, 단면적 또는 둘레를 획득하고,
    상기 전신영상 정보가 2차원 카메라로부터 입력되면, 상기 신체 위치별 특징값으로서, 너비를 획득하는
    체형 분석 장치.
  16. 제14항에 있어서,
    상기 생성부는,
    신체 위치가 '팔'을 포함하는 위치이면, 상기 '팔'과 관련한 특징값을 제외하고, 상기 신체 위치별 특징값을 획득하고,
    신체 위치가 '다리'를 포함하는 위치이면, 상기 '다리'와 관련된 특징값과, 상기 '다리'와 쌍을 이루는 '다른 다리'와 관련한 특징값을 합산하여, 상기 신체 위치별 특징값을 획득하는
    체형 분석 장치.
KR1020140134390A 2014-10-06 2014-10-06 체형 분석 장치 및 방법 KR101679125B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140134390A KR101679125B1 (ko) 2014-10-06 2014-10-06 체형 분석 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140134390A KR101679125B1 (ko) 2014-10-06 2014-10-06 체형 분석 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20160040893A KR20160040893A (ko) 2016-04-15
KR101679125B1 true KR101679125B1 (ko) 2016-11-23

Family

ID=55801727

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140134390A KR101679125B1 (ko) 2014-10-06 2014-10-06 체형 분석 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101679125B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102191649B1 (ko) * 2020-05-21 2020-12-16 박준경 인공신경망을 이용한 음료 추천 장치 및 방법

Citations (2)

* 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
KR101397846B1 (ko) 2012-09-24 2014-05-20 한국 한의학 연구원 사상체질 구분과 사용자 식별을 위한 음성처리 방법 및 장치

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101141398B1 (ko) * 2004-05-17 2012-05-03 엘지전자 주식회사 휴대단말기를 이용한 사상의학 체질 운용장치 및 방법

Patent Citations (2)

* 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
KR101397846B1 (ko) 2012-09-24 2014-05-20 한국 한의학 연구원 사상체질 구분과 사용자 식별을 위한 음성처리 방법 및 장치

Also Published As

Publication number Publication date
KR20160040893A (ko) 2016-04-15

Similar Documents

Publication Publication Date Title
Hemanth et al. A modified deep convolutional neural network for abnormal brain image classification
Jalal et al. A wrist worn acceleration based human motion analysis and classification for ambient smart home system
CN103366171B (zh) 物体检测方法和物体检测装置
CN105718873B (zh) 基于双目视觉的人流分析方法
CN107666853A (zh) 根据视频序列确定搏动信号
Lozano-Monasor et al. Facial expression recognition from webcam based on active shape models and support vector machines
Le et al. Robust hand detection in vehicles
JP2019109709A (ja) 画像処理装置、画像処理方法およびプログラム
Świtoński et al. Human identification based on gait paths
WO2021068781A1 (zh) 一种疲劳状态识别方法、装置和设备
CN105608710B (zh) 一种非刚性人脸检测和追踪定位方法
KR20130024065A (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
CN111829661A (zh) 一种基于人脸解析的额温测量方法及系统
JP4511850B2 (ja) 人物属性識別方法およびそのシステム
CN110718301B (zh) 基于动态脑功能网络的阿尔茨海默病辅助诊断装置及方法
CN105844204B (zh) 人体行为识别方法和装置
Lucio et al. Simultaneous iris and periocular region detection using coarse annotations
KR101679125B1 (ko) 체형 분석 장치 및 방법
Sabir et al. Human gait identification using Kinect sensor
JP6579353B1 (ja) 情報処理装置、情報処理方法、寸法データ算出装置、及び製品製造装置
Gong et al. A novel computer vision based gait analysis technique for normal and Parkinson’s gaits classification
US20230230277A1 (en) Object position estimation device, object position estimation method, and recording medium
Nguyen et al. Human emotion estimation using wavelet transform and t-ROIs for fusion of visible images and thermal image sequences
CN106446837B (zh) 一种基于运动历史图像的挥手检测方法
CN106156775A (zh) 基于视频的人体特征提取方法、人体识别方法和装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190926

Year of fee payment: 4