KR101976494B1 - 개인 건강 분석 방법 및 유아용 스마트 변기 - Google Patents

개인 건강 분석 방법 및 유아용 스마트 변기 Download PDF

Info

Publication number
KR101976494B1
KR101976494B1 KR1020170118288A KR20170118288A KR101976494B1 KR 101976494 B1 KR101976494 B1 KR 101976494B1 KR 1020170118288 A KR1020170118288 A KR 1020170118288A KR 20170118288 A KR20170118288 A KR 20170118288A KR 101976494 B1 KR101976494 B1 KR 101976494B1
Authority
KR
South Korea
Prior art keywords
color
data
extracting
infant
edge
Prior art date
Application number
KR1020170118288A
Other languages
English (en)
Other versions
KR20190030822A (ko
Inventor
임대환
Original Assignee
임대환
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 임대환 filed Critical 임대환
Priority to KR1020170118288A priority Critical patent/KR101976494B1/ko
Publication of KR20190030822A publication Critical patent/KR20190030822A/ko
Application granted granted Critical
Publication of KR101976494B1 publication Critical patent/KR101976494B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • E—FIXED CONSTRUCTIONS
    • E03—WATER SUPPLY; SEWERAGE
    • E03D—WATER-CLOSETS OR URINALS WITH FLUSHING DEVICES; FLUSHING VALVES THEREFOR
    • E03D9/00—Sanitary or other accessories for lavatories ; Devices for cleaning or disinfecting the toilet room or the toilet bowl; Devices for eliminating smells
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Water Supply & Treatment (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

개인 건강 분석 방법 및 유아용 스마트 변기를 개시한다.
본 실시예는 유아의 대변 상태를 기반으로 유아의 건강 상태를 분석하고 분석된 유아의 건강 상태 정보를 외부 장치로 전송할 수 있으며, 추가적인 센싱으로 수집된 생체 신호를 기반으로 유아의 건강 상태를 분석하여 분석된 유아의 건강 상태에 대한 정보를 외부 장치로 전송할 수 있도록 하는 개인 건강 분석 방법 및 유아용 스마트 변기를 제공한다.

Description

개인 건강 분석 방법 및 유아용 스마트 변기{Method And Potty for Analyzing Personal Health}
본 실시예는 개인 건강 분석 방법 및 유아용 스마트 변기에 관한 것이다.
이하에 기술되는 내용은 단순히 본 실시예와 관련되는 배경 정보만을 제공할 뿐 종래기술을 구성하는 것이 아니다.
일반적으로, 유아기는 아직 자신의 욕구나 불만 또는 고통 등의 감정을 적절하게 표현하기 어려운 시기이다. 유아기에 유아의 불만이나 고통이 빠르게 치유되지 않을 경우, 육체적 질병을 키우게 됨은 물론, 유아의 정신 건강을 크게 해치게 된다. 따라서, 유아의 건강한 성장을 위하여는 항상 세심한 보살핌이 필수적이다. 특히, 유아의 건강상태를 주기적으로 체크하여 이상현상의 발생시, 이상현상을 조기에 발견 및 치료하는 것이 중요하다.
아이가 태어나 영아 때에는 대소변을 가리지 못하여 기저귀를 착용하게 되고, 2~5세 사이의 유아는 대소변을 인지할 수는 있어 기저귀 없이 생활이 가능하다. 하지만, 2~5세 사이의 유아는 성인이 사용하는 변기를 함께 사용하기 어렵고, 용변 이후에 뒷처리가 어려워 유아 전용 변기(유아용 변기)가 개발되어 사용되고 있다.
유아용 변기는 통상적인 변기와 달리 요강과 같이 부수적으로 사용한다. 다시 말해, 유아가 유아용 변기에 대소변을 본 후에 성인이 대소변을 다시 변기에 버려야 한다. 성인이 유사의 대소변을 다시 변기에 버리는 과정에서 유아의 변의 상태와 색깔을 확인하기 때문에 유아의 건강을 항상 체크할 수 있다.
하지만, 유아의 변을 육안으로 관찰하여 건강을 체크할 경우에는 관찰자가 의학적인 지식이 부족하여 오진할 가능성이 많고, 판단 근거가 부정확하여 신뢰성이 저하되는 문제점이 있었다.
본 실시예는 유아의 대변 상태를 기반으로 유아의 건강 상태를 분석하고 분석된 유아의 건강 상태 정보를 외부 장치로 전송할 수 있으며, 추가적인 센싱으로 수집된 생체 신호를 기반으로 유아의 건강 상태를 분석하여 분석된 유아의 건강 상태에 대한 정보를 외부 장치로 전송할 수 있도록 하는 개인 건강 분석 방법 및 유아용 스마트 변기를 제공하는 데 목적이 있다.
본 실시예의 일 측면에 의하면, 촬영된 입력 영상을 그레이 스케일(Gray Scale) 이미지로 변환하는 그레이 스케일 변환 과정; 상기 그레이 스케일 이미지에서 특정 영역을 추출하는 특정 영역 추출 과정; 상기 특정 영역의 형태를 추출하는 형태 추출 과정; 상기 특정 영역의 개수를 추출하는 개수 추출 과정; 상기 입력 영상의 컬러값을 기 설정된 컬러 모델로 분류하는 컬러 모델 변환 과정; 상기 컬러 모델과 기 설정된 컬러 차트를 비교하여 색상 결과를 산출하는 색상 확인 과정; 및 상기 특정 영역의 형태, 상기 특정 영역의 개수 및 상기 색상 결과 중 적어도 하나 이상의 정보를 기반으로 상태 판단 결과를 산출하는 상태 판단 과정을 포함하는 것을 특징으로 하는 개인 건강 분석 방법을 제공한다.
상기 특정 영역 추출 과정은 상기 그레이 스케일 이미지에서 배경과 객체를 분리하며, 상기 그레이 스케일 이미지에서 엣지에 해당하는 부분과 특징이 없는 균일한 영역을 서로 구분하여 객체를 분할하여 복수 개의 상기 특정 영역을 추출한다.
상기 컬러 모델 변환 과정은 상기 입력 영상의 컬러값을 색도(Hue), 채도(Saturation), 명도(Value)로 구분된 컬러 모델로 각각 분류한다.
상기 색상 확인 과정은 상기 컬러 모델과 복수 개의 색깔에 따라 설정된 색도, 채도, 명도 각각의 조건값이 구분되어 있는 브리스톨 컬러 차트를 비교하여 상기 색상 결과를 산출한다.
상기 형태 추출 과정은 상기 그레이 스케일 이미지로부터 엣지(Edge)를 검출하는 과정; 상기 엣지를 이루는 포인트로부터 윤곽선을 추출하는 과정; 기 설정된 규칙에 따라 상기 엣지를 이루는 포인트를 제거하여 상기 윤곽선을 단순화하여 그룹화하는 과정; 상기 그룹에서 기 설정된 개수의 포인트를 랜덤하게 선택하는 과정; 기 설정된 개수의 포인트에 대한 타원 파라미터를 산출하는 과정; 및 상기 타원 파라미터를 검증하는 과정을 포함한다.
상기 엣지를 검출하는 과정은 상기 그레이 스케일 이미지의 구조적인 특성과 정보를 보존하고 상대적으로 불필요한 정보를 제거하여, 상기 그레이 스케일 이미지의 데이터 양을 줄이면서, 상기 엣지를 검출한다.
상기 그룹화하는 과정은 체인 코드를 이용하여 상기 엣지를 이루는 포인트들을 복수 개의 윤곽선으로 구분하며, 상기 윤곽선을 이루는 주된 픽셀들 이외에 중복되거나 불필요한 픽셀을 제거하여 상기 윤곽선을 단순화한 상기 그룹화로 인해 상기 특정 영역의 형태가 추출되도록 한다.
상기 타원 파라미터를 산출하는 과정은 타원 검출을 위해 상기 그룹에서 기 설정된 개수의 타원 변수를 랜덤으로 선택되면, 최적의 타원 파라미터 선택을 위해 선형 최소자승 근사법을 적용한다.
상기 그룹에서 기 설정된 개수의 포인트를 랜덤하게 선택하는 과정은 상기 타원 파라미터를 결정하는 최소한의 데이터를 랜덤으로 선택한다.
상기 타원 파라미터를 검증하는 과정은 상기 그레이 스케일 이미지의 모든 데이터에 대해 미리 결정해 놓은 허용량안에 해당하는 데이터의 수를 산출하는 과정; 및 전체 데이터에서 허용치에 들어가는 데이터의 비율이 일정수준 이상이 되면, 상기 전체 데이터에서 허용치에 들어가는 데이터를 이용하여 다시 모델 파라미터를 결정하여 최적의 파라미터를 산출하는 과정을 포함한다.
본 실시예의 다른 측면에 의하면, 촬영된 입력 영상을 그레이 스케일 이미지로 변환하는 그레이 스케일 변환부; 상기 그레이 스케일 이미지에서 특정 영역을 추출하는 특정 영역 추출부; 상기 특정 영역의 형태를 추출하는 형태 추출부; 상기 특정 영역의 개수를 추출하는 개수 추출부; 상기 입력 영상의 컬러값을 기 설정된 컬러 모델로 분류하는 컬러 모델 변환부; 상기 컬러 모델과 기 설정된 컬러 차트를 비교하여 색상 결과를 산출하는 색상 확인부; 및 상기 특정 영역의 형태, 상기 특정 영역의 개수 및 상기 색상 결과 중 적어도 하나 이상의 정보를 기반으로 상태 판단 결과를 산출하는 상태 판단부를 포함하는 것을 특징으로 하는 유아용 스마트 변기를 제공한다.
이상에서 설명한 바와 같이 본 실시예에 의하면, 유아의 대변 상태를 기반으로 유아의 건강 상태를 분석하고 분석된 유아의 건강 상태 정보를 외부 장치로 전송할 수 있으며, 추가적인 센싱으로 수집된 생체 신호를 기반으로 유아의 건강 상태를 분석하여 분석된 유아의 건강 상태에 대한 정보를 외부 장치로 전송할 수 있는 효과가 있다.
도 1a, 1b는 본 실시예에 따른 개인 건강 분석 시스템을 개략적으로 나타낸 블럭 구성도이다.
도 2는 본 실시예에 따른 유아 건강 상태 기록 모니터링 서비스를 나타낸 예시도이다.
도 3은 본 실시예에 따른 유아용 스마트 변기를 개략적으로 나타낸 블럭 구성도이다.
도 4는 본 실시예에 따른 개인 건강 분석 방법을 설명하기 위한 순서도이다.
도 5는 본 실시예에 따른 영역의 형태 추출 방법을 설명하기 위한 순서도이다.
도 6은 본 실시예에 따른 에지 검출 및 그룹화를 설명하기 위한 도면이다.
도 7은 본 실시예에 따른 영역의 형태 추출을 나타낸 예시도이다.
이하, 본 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1a, 1b는 본 실시예에 따른 개인 건강 분석 시스템을 개략적으로 나타낸 블럭 구성도이다.
본 실시예에 따른 개인 건강 분석 시스템은 유아용 스마트 변기(110), 네트워크(120) 및 외부 장치(130)를 포함한다. 개인 건강 분석 시스템에 포함된 구성요소는 반드시 이에 한정되는 것은 아니다.
유아용 스마트 변기(110)는 유아 용변시에 유아의 대변 상태(컬러, 온도, 횟수, 변화 추이)를 분석한다. 유아용 스마트 변기(110)는 유아의 대변 상태를 분석한 정보를 기초로 유아의 체온변화 및 장 관련 건강 상태를 파악하고 유아의 건강 상태를 지속적으로 모니터링하는 장치를 의미한다.
유아용 스마트 변기(110)는 취득한 기초정보 및 대변 상태정보를 네트워크(120)를 경유하여 분석서버 또는 단말기와 같은 외부 장치(130)로 전송한다. 외부 장치(130)는 대상 유아의 상태 정보로 축적하여 저장하고, 저장된 정보를 분석하여 개인 맞춤형 건강 관리 서비스를 제공한다.
유아용 스마트 변기(110) 또는 외부 장치(130)는 저장된 정보(예컨대, 체크된 결과)를 의료 기관 서버로 전송하여, 유아에 대한 진단시 참고 자료로서 사용될 수 있도록 한다.
유아용 스마트 변기(110)는 유아 변기 커버의 일측에 카메라부(112)와 온도 센서(114)를 구비한다. 카메라부(112)는 유아 변기 커버의 일측(예컨대, 상측 중앙부) 구현되며, 온도 센서(114)는 유아 변기 커버의 타측(예컨대, 좌우측부)에 구현된다. 온도 센서(114)는 유아의 허벅지의 온도를 센싱할 수 있도록 좌우측에 대칭되도록 구현되는 것이 바람직하다.
유아용 스마트 변기(110)는 유아의 대변으로 인한 대변 정보, 유아와 스마트 변기와 접촉을 기반으로 한 접촉 정보를 획득한다.
대변 정보는 유아가 유아용 스마트 변기(110)를 사용하여 대변을 볼 경우, 유아용 스마트 변기(110)에 구비된 카메라부(112)로 촬영된 이미지 또는 영상을 의미한다.
유아용 스마트 변기(110)는 구비된 카메라부(112)를 이용하여 촬영된 이미지 또는 영상을 분석하여 대변의 색깔, 모양 양, 출혈 유무뿐만 아니라, 미생물(예를 들어, 기생충) 등의 존재 여부에 대한 정보를 획득한다.
접촉 정보는 유아용 스마트 변기(110)와 접촉되는 사용자의 신체 일부(예를 들어, 허벅지, 엉덩이 부위 등)를 구비된 온도 센서(114)로 센싱한 센싱 정보를 의미한다.
유아용 스마트 변기(110)는 구비된 온도 센서(114)를 이용하여 센싱된 센싱 정보를 분석하여 유아의 건강 정보를 획득한다.
네트워크(120)는 인터넷망, 인트라넷망, 이동통신망, 위성 통신망 등 다양한 유무선 통신 기술을 이용하여 인터넷 프로토콜로 데이터를 송수신할 수 있는 망을 의미한다.
네트워크(120)는 유아용 스마트 변기(110)와 결합되어 하드웨어, 소프트웨어 등의 컴퓨팅 자원을 저장하고, 클라이언트가 필요로 하는 컴퓨팅 자원을 해당 외부 장치(130)로 제공할 수 있는 클라우드 컴퓨팅망을 포함할 수 있다.
클라우드 컴퓨팅은 정보가 인터넷 상의 서버에 저장되고, 데스크톱, 태블릿 컴퓨터, 노트북, 넷북, 스마트폰 등의 클라이언트 단말기에는 일시적으로 보관되는 컴퓨터 환경을 의미하며, 클라우드 컴퓨팅은 이용자의 모든 정보를 인터넷 상의 서버에 저장하고, 이 정보를 각종 IT 기기를 이용하여 언제 어디서든 이용할 수 있도록 하는 컴퓨터 환경 접속망을 의미한다.
외부 장치(130)는 서버 또는 단말기를 포함한다.
서버는 유아용 스마트 변기(110)의 작업수행 요청에 대응하는 작업 결과를 도출하여 제공하는 컴퓨터 시스템, 컴퓨터 소프트웨어(웹서버 프로그램)를 의미한다.
단말기는 스마트폰(Smart Phone), 태블릿(Tablet), 랩톱(Laptop), 개인용 컴퓨터(PC: Personal Computer), 개인 휴대 단말기(PDA: Personal Digital Assistant), 게임 콘솔, 휴대형 멀티미디어 플레이어(PMP: Portable Multimedia Player), 무선 통신 단말기(Wireless Communication Terminal), TV, 미디어 플레이어 등과 같은 전자 기기일 수 있다.
도 2는 본 실시예에 따른 유아 건강 상태 기록 모니터링 서비스를 나타낸 예시도이다.
도 2에 도시된 바와 같이, 유아용 스마트 변기(110)는 구비된 온도 센서(114)로 센싱한 센싱 정보를 분석하여 유아의 신체 온도를 분석한다. 유아용 스마트 변기(110)는 유아의 신체 온도를 정상, 미열, 고열로 디스플레이한다. 유아용 스마트 변기(110)는 사용자의 추가적인 요청에 따라 신체 온도에 따라 고열을 유발하는 질병들을 디스플레이할 수 있다.
유아용 스마트 변기(110)는 구비된 카메라부(112)로 촬영한 이미지 또는 영상을 분석하여 유아의 대변 정보를 분석한다. 유아용 스마트 변기(110)는 대변 색상, 형태에 의한 변비, 정상, 설사 상태를 디스플레이한다. 유아용 스마트 변기(110)는 사용자의 추가적인 요청에 따라 대변 정보에 해당하는 음식물 섭취, 장(腸)의 상태로 발생하는 질병들을 디스플레이할 수 있다.
유아용 스마트 변기(110)는 구비된 카메라부(112)로 촬영된 이미지 또는 영상을 기반으로 대변의 특성 정보(색깔, 모양)를 분석한다. 유아용 스마트 변기(110)는 대변 영상을 기반으로 출혈 유무, 변비 여부, 장운동 부족 여부, 건강 상태에 대한 정밀 분석한다.
예컨대, 유아용 스마트 변기(110)는 대변의 색깔을 적색, 어두운색 계열, 밝은 계열, 갈색 계열로 구분하여 사용자의 건강 상태를 분석한다. 유아용 스마트 변기(110)는 갈색 계열을 정상 범위로 분류하고, 복수의 색깔 범주(또는 색깔 스펙트럼)(예를 들어, 4가지 색깔 범주)로 구분하여 유아의 건강 상태에 대한 분석한다.
유아용 스마트 변기(110)는 유아의 대변이 갈색 그룹으로 분류하는 경우, 유아의 대변은 건강한 대변(healthy stool)으로 판단한다. 유아용 스마트 변기(110)는 영양분에 따라 색의 변화가 있으므로 섭취한 음식에 따른 색깔 스펙트럼의 조정 정보를 디스플레이한다.
유아용 스마트 변기(110)는 유아의 대변이 적색 그룹으로 분류하는 경우, 유아의 대변은 혈변(bloody stool)으로 판단한다. 유아용 스마트 변기(110)는 항문 부근(항문, 직장, 하부 대장)에서의 출혈, 대장암, 콜레라와 같은 질환에 의한 혈변 발생 원인 정보를 디스플레이한다.
유아용 스마트 변기(110)는 유아의 대변이 어두운 색 그룹으로 분류하는 경우, 사용자의 대변은 변비성 대변(constipation stool)으로 판단한다. 유아용 스마트 변기(110)는 장 속에 오래 머무는 경우, 대변의 색이 진해지는 경우, 소화성 궤양, 위염, 위암과 같이 내부 소화 장기의 상태가 좋지 않거나 출혈로 인해 대변의 색이 진해질 수 있는 변비성 대변 원인 정보를 디스플레이한다.
유아용 스마트 변기(110)는 유아의 대변이 밝은 색 그룹으로 분류하는 경우, 사용자의 대변은 영향 불균형 대변(inanition stool)으로 판단한다. 유아용 스마트 변기(110)는 영양분이 모자라는 경우 또는 담도 폐쇄 질환이 발생한 경우, 영향 불균형 대변 원인을 디스플레이한다.
유아용 스마트 변기(110)는 구비된 카메라부(112)로 촬영한 이미지 또는 영상을 분석하여 대소변 횟수를 분석한다. 유아용 스마트 변기(110)는 대소변 횟수를 일/주/월,시간대별 대소변 횟수를 분석하여 DB 축적하여 저장한다. 유아용 스마트 변기(110)는 사용자의 추가적인 요청에 따라 저장된 대소변 회수를 일/주/월,시간대별로 디스플레이할 수 있다.
도 3은 본 실시예에 따른 유아용 스마트 변기를 개략적으로 나타낸 블럭 구성도이다.
본 실시예에 따른 유아용 스마트 변기(110)는 그레이 스케일 변환부(310), 특정 영역 추출부(320), 형태 추출부(330), 개수 추출부(340), 컬러 모델 변환부(350), 색상 확인부(360), 상태 판단부(370)를 포함한다. 유아용 스마트 변기(110)에 포함된 구성요소는 반드시 이에 한정되는 것은 아니다.
유아용 스마트 변기(110)에 포함된 각 구성요소는 장치 내부의 소프트웨어적인 모듈 또는 하드웨어적인 모듈을 연결하는 통신 경로에 연결되어 상호 간에 유기적으로 동작할 수 있다. 이러한 구성요소는 하나 이상의 통신 버스 또는 신호선을 이용하여 통신한다.
도 2에 도시된 유아용 스마트 변기(110)의 각 구성요소는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 소프트웨어적인 모듈, 하드웨어적인 모듈 또는 소프트웨어와 하드웨어의 결합으로 구현될 수 있다.
유아용 스마트 변기(110)는 (ⅰ) 각종 기기 또는 유무선 네트워크와 통신을 수행하기 위한 통신 모뎀 등의 통신 장치, (ⅱ) 각종 프로그램과 데이터를 저장하기 위한 메모리, (ⅲ) 프로그램을 실행하여 연산 및 제어하기 위한 마이크로프로세서 등을 구비하는 다양한 장치이다. 적어도 일 실시예에 따르면, 메모리는 램(Random Access Memory: RAM), 롬(Read Only Memory: ROM), 플래시 메모리, 광 디스크, 자기 디스크, 솔리드 스테이트 디스크(Solid State Disk: SSD) 등의 컴퓨터로 판독 가능한 기록/저장매체일 수 있다. 적어도 일 실시예에 따르면, 마이크로프로세서는 명세서상에 기재된 동작과 기능을 하나 이상 선택적으로 수행하도록 프로그램될 수 있다. 적어도 일 실시예에 따르면, 마이크로프로세서는 전체 또는 부분적으로 특정한 구성의 주문형반도체(Application Specific Integrated Circuit: ASIC) 등의 하드웨어로써 구현될 수 있다. 유아용 스마트 변기(110)는 저장부를 추가로 포함하며, 구동에 필요한 각종 데이터를 저장하는 저장한다.
그레이 스케일 변환부(310)는 촬영된 입력 영상을 그레이 스케일 이미지로 변환한다.
특정 영역 추출부(320)는 그레이 스케일 이미지에서 특정 영역을 추출한다. 특정 영역 추출부(320)는 그레이 스케일 이미지에서 배경과 객체를 분리한다. 특정 영역 추출부(320)는 그레이 스케일 이미지에서 엣지에 해당하는 부분과 특징이 없는 균일한 영역을 서로 구분하여 객체를 분할하여 복수 개의 상기 특정 영역을 추출한다.
형태 추출부(330)는 그레이 스케일 이미지에서 추출된 특정 영역의 형태를 추출한다.
이하, 형태 추출부(330)의 구체적인 동작에 대해 설명한다. 형태 추출부(330)는 그레이 스케일 이미지로부터 엣지(Edge)를 검출한다. 형태 추출부(330)는 엣지를 이루는 포인트로부터 윤곽선을 추출한다. 형태 추출부(330)는 기 설정된 규칙에 따라 엣지를 이루는 포인트를 제거하여 윤곽선을 단순화하여 그룹화한다. 형태 추출부(330)는 윤곽선을 단순화한 그룹에서 기 설정된 개수의 포인트를 랜덤하게 선택한다. 형태 추출부(330)는 기 설정된 개수의 포인트에 대한 타원 파라미터를 산출한다. 형태 추출부(330)는 타원 파라미터를 검증한다.
이하, 형태 추출부(330)가 엣지를 검출하는 과정에 대해 설명한다. 형태 추출부(330)는 그레이 스케일 이미지의 구조적인 특성과 정보를 보존하고 상대적으로 불필요한 정보를 제거하여, 그레이 스케일 이미지의 데이터 양을 줄이면서, 엣지를 검출한다.
이하, 형태 추출부(330)가 그룹화하는 과정에 대해 설명한다. 형태 추출부(330)는 체인 코드를 이용하여 엣지를 이루는 포인트들을 복수 개의 윤곽선으로 구분한다. 형태 추출부(330)는 윤곽선을 이루는 주된 픽셀들 이외에 중복되거나 불필요한 픽셀을 제거하여 윤곽선을 단순화한 그룹화로 인해 특정 영역의 형태가 추출되도록 한다.
이하, 형태 추출부(330)가 타원 파라미터를 산출하는 과정에 대해 설명한다.
형태 추출부(330)는 타원 검출을 위해 윤곽선을 단순화한 그룹에서 기 설정된 개수(예컨대 5개)의 타원 변수를 랜덤으로 선택한다. 형태 추출부(330)는 최적의 타원 파라미터 선택을 위해 선형 최소자승 근사법을 적용한다.
형태 추출부(330)는 윤곽선을 단순화한 그룹에서 기 설정된 개수의 포인트를 랜덤하게 선택하기 위해, 타원 파라미터를 결정하는 최소한의 데이터를 랜덤으로 선택한다.
이하, 형태 추출부(330)가 타원 파라미터를 검증하는 과정에 대해 설명한다. 형태 추출부(330)는 그레이 스케일 이미지의 모든 데이터에 대해 미리 결정해 놓은 허용량안에 해당하는 데이터의 수를 산출한다. 형태 추출부(330)는 전체 데이터에서 허용치에 들어가는 데이터의 비율이 일정수준 이상이 되면, 전체 데이터에서 허용치에 들어가는 데이터를 이용하여 다시 모델 파라미터를 결정하여 최적의 파라미터를 산출한다.
개수 추출부(340)는 그레이 스케일 이미지에서 추출된 특정 영역의 개수를 추출한다.
컬러 모델 변환부(350)는 입력 영상의 컬러값을 기 설정된 컬러 모델로 분류한다. 컬러 모델 변환부(350)는 입력 영상의 컬러값을 색도(Hue), 채도(Saturation), 명도(Value)로 구분된 컬러 모델로 각각 분류한다.
색상 확인부(360)는 컬러 모델과 기 설정된 컬러 차트를 비교하여 색상 결과를 산출한다. 색상 확인부(360)는 컬러 모델과 복수 개의 색깔에 따라 설정된 색도, 채도, 명도 각각의 조건값이 구분되어 있는 브리스톨 컬러 차트를 비교하여 색상 결과를 산출한다.
상태 판단부(370)는 특정 영역의 형태, 특정 영역의 개수 및 색상 결과 중 적어도 하나 이상의 정보를 기반으로 상태 판단 결과를 산출한다.
도 4는 본 실시예에 따른 개인 건강 분석 방법을 설명하기 위한 순서도이다.
유아용 스마트 변기(110)는 구비된 카메라부(112)를 이용하여 유아의 대변을 촬영한 입력 영상을 그레이 스케일(Gray Scale) 이미지로 변환한다(S410). 단계 S410에서, 유아용 스마트 변기(110)는 입력 영상을 그레이 스케일 이미지로 변환하는 이미지 전처리 과정을 수행한다. 유아용 스마트 변기(110)는 입력 영상의 데이터량을 줄이기 위해 입력 영상을 그레이 스케일 이미지로 변환한다.
유아용 스마트 변기(110)는 그레이 스케일 이미지에서 특정 영역을 추출한다(S420). 단계 S420에서, 유아용 스마트 변기(110)는 그레이 스케일 이미지에서 배경과 객체를 분리하며, 그레이 스케일 이미지에서 엣지에 해당하는 부분과 특징이 없는 균일한 영역을 서로 구분하여 객체를 분할하여 복수 개의 상기 특정 영역을 추출한다.
유아용 스마트 변기(110)는 특정 영역(변)을 추출하기 위해 Grabcut, watershed 알고리즘을 이용하여 이미지를 분할한다.
유아용 스마트 변기(110)는 Grabcut 알고리즘을 이용하여 특정 제한 조건이 있는 경우 그레이 스케일 이미지에서 배경과 개체를 분리한다. 유아용 스마트 변기(110)는 Grabcut 알고리즘을 수행할 때 [수학식 1]을 이용한다.
Figure 112017089673735-pat00001
유아용 스마트 변기(110)는 Watershed 알고리즘을 이용하여 그레이 스케일 이미지를 여러구역으로 나눈다. 유아용 스마트 변기(110)는 Watershed 알고리즘을 이용하여 엣지에 해당하는 부분을 ‘산등성이’로 보고 특징이 없는 균일한 영역을 ‘계곡’으로 생각하여 객체로 분할한다.
유아용 스마트 변기(110)는 그레이 스케일 이미지에서 추출한 특정 영역의 형태를 추출한다(S430). 단계 S430에서, 유아용 스마트 변기(110)는 변의 형태를 확인하기 위해 원(변비), 타원, 그 이외를 판단하며, RANSAC 알고리즘을 이용한다. 그레이 스케일 이미지에서 추출한 특정 영역의 형태는 도 7과 같다.
유아용 스마트 변기(110)는 그레이 스케일 이미지에서 추출한 특정 영역의 개수를 추출한다(S440). 단계 S440에서, 유아용 스마트 변기(110)는 변의 양을 확인하기 위한 작업으로 형태를 기반으로 개수를 확인한다.
유아용 스마트 변기(110)는 입력 영상의 컬러값을 기 설정된 컬러 모델로 분류한다(S450). 단계 S450에서, 유아용 스마트 변기(110)는 입력 영상의 컬러값을 기 설정된 컬러 모델로 분류하는 이미지 전처리 과정을 수행한다. 유아용 스마트 변기(110)는 변의 색상을 확인하기 위한 작업으로 HSV 모델을 이용한다. 유아용 스마트 변기(110)는 입력 영상의 컬러값을 색도(Hue), 채도(Saturation), 명도(Value)로 구분된 컬러 모델로 각각 분류한다.
유아용 스마트 변기(110)는 컬러 모델과 기 설정된 컬러 차트를 비교하여 색상 결과를 산출한다(S460). 단계 S460에서, 유아용 스마트 변기(110)는 브리스톨 컬러 차트와 HSV 변환 이미지를 비교한다. 유아용 스마트 변기(110)는 컬러 모델과 복수 개의 색깔에 따라 설정된 색도, 채도, 명도 각각의 조건값이 구분되어 있는 브리스톨 컬러 차트를 비교하여 색상 결과를 산출한다.
유아용 스마트 변기(110)는 특정 영역의 형태(단계 S440의 결과), 특정 영역의 개수(단계 S450의 결과) 및 색상 결과(단계 S460의 결과) 중 적어도 하나 이상의 정보를 기반으로 상태 판단 결과를 산출한다(S470).
도 4에서는 단계 S410 내지 단계 S470을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 4에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 4는 시계열적인 순서로 한정되는 것은 아니다.
전술한 바와 같이 도 4에 기재된 본 실시예에 따른 개인 건강 분석 방법은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 개인 건강 분석 방법을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
도 5는 본 실시예에 따른 영역의 형태 추출 방법을 설명하기 위한 순서도이다.
유아용 스마트 변기(110)는 그레이 스케일 이미지에서 추출한 특정 영역의 형태를 추출하기 위해, 그레이 스케일 이미지로부터 엣지(Edge)를 검출(LoG Edge Detection)한다(S510).
단계 S510에서, 유아용 스마트 변기(110)는 도 6의 (a), (b)에 도시된 바와 같이, 에지를 검출한다. 유아용 스마트 변기(110)는 그레이 스케일 이미지의 구조적인 특성과 정보를 보존하고 상대적으로 불필요한 정보를 제거하여, 그레이 스케일 이미지의 데이터 양을 줄이면서, 엣지를 검출한다.
유아용 스마트 변기(110)는 Marr-Hildreth(LoG) Edge detection 알고리즘을 이용하여 에지를 검출한다. 유아용 스마트 변기(110)는 Marr-Hildreth(LoG) Edge detection 알고리즘을 수행할 때 [수학식 2]를 이용한다.
Figure 112017089673735-pat00002
유아용 스마트 변기(110)는 엣지를 이루는 포인트로부터 윤곽선을 추출(Extract Contour from edge point)한다(S520).
유아용 스마트 변기(110)는 기 설정된 규칙에 따라 엣지를 이루는 포인트를 제거하여 윤곽선을 단순화(Simplify Contours to reduce point)하여 그룹화한다(S530).
단계 S530에서, 유아용 스마트 변기(110)는 도 6의 (b), (c)에 도시된 바와 같이, 그룹화를 수행한다. 유아용 스마트 변기(110)는 에지 검출 후 픽셀들을 일정한 규칙에 따라 그룹으로 나눈다. 유아용 스마트 변기(110)는 체인 코드를 사용하여 에지맵의 수많은 포인트들을 여러 개의 윤곽선으로 나눈다.
유아용 스마트 변기(110)는 그룹화를 위해 도 6의 (d)에 도시된 바와 같이, 세선화(Line Simplification)를 수행한다. 유아용 스마트 변기(110)는 윤곽선을 이루는 주된 픽셀들 외에 중복되거나 불필요한 픽셀을 제거한다.
유아용 스마트 변기(110)는 체인 코드를 이용하여 엣지를 이루는 포인트들을 복수 개의 윤곽선으로 구분한다. 유아용 스마트 변기(110)는 윤곽선을 이루는 주된 픽셀들 이외에 중복되거나 불필요한 픽셀을 제거하여 윤곽선을 단순화한 그룹화로 인해 특정 영역의 형태가 추출되도록 한다.
유아용 스마트 변기(110)는 윤곽선을 단순화한 그룹에서 기 설정된 개수의 포인트를 랜덤하게 선택(Select five points randomly)한다(S540). 단계 S540에서, 유아용 스마트 변기(110)는 타원 파라미터를 결정하는 최소한의 데이터를 랜덤으로 선택한다.
유아용 스마트 변기(110)는 기 설정된 개수의 포인트에 대한 타원 파라미터를 산출(Solve conic parameters)한다(S550). 단계 S550에서, 유아용 스마트 변기(110)는 타원 검출을 위해 윤곽선을 단순화한 그룹에서 기 설정된 개수(예컨대 5개)의 타원 변수를 랜덤으로 선택되면, 최적의 타원 파라미터 선택을 위해 선형 최소자승 근사법을 적용한다.
유아용 스마트 변기(110)는 타원 파라미터 구하기 위해 기 설정된 개수(예컨대, 5개)의 타원 변수를 랜덤으로 선택한다. 이후, 유아용 스마트 변기(110)는 최적의 타원 파라미터 선택을 위해 선형 최소자승 근사법을 적용한다. 유아용 스마트 변기(110) 타원 파라미터를 구할 때 이용하는 원뿔 곡선의 기본 방정식(원뿔 곡선의 대표적 예:타원)은 [수학식3]과 같다.
Figure 112017089673735-pat00003
[수학식 3]의 다항식을 벡터로 표현하면 [수학식4]와 같다.
Figure 112017089673735-pat00004
[수학식 4]에 선형최소 자승근법을 적용하면 [수학식5]와 같다.
Figure 112017089673735-pat00005
원뿔곡선의 파라미터는 ||Da→||2값이 최소가 되는 a→의 성분이 되며, 이는 [수학식6]과 같다.
Figure 112017089673735-pat00006
이후, 유아용 스마트 변기(110)는 최소 자승법에 의해 선택된 타원이 원 영상에서 존재하는 영상인지 검증한다.
유아용 스마트 변기(110)는 타원 파라미터를 검증(Detect Ellipse using RANSAC)한다(S560). 단계 S560에서, 유아용 스마트 변기(110)는 타원 파라미터를 검증을 휘해 그레이 스케일 이미지의 모든 데이터에 대해 미리 결정해 놓은 허용량안에 해당하는 데이터의 수를 산출한다. 유아용 스마트 변기(110)는 전체 데이터에서 허용치에 들어가는 데이터의 비율이 일정수준 이상이 되면, 전체 데이터에서 허용치에 들어가는 데이터를 이용하여 다시 모델 파라미터를 결정하여 최적의 파라미터를 산출한다.
유아용 스마트 변기(110)는 타원 파라미터를 검증하기 위해 RANSAC 알고리즘을 이용한다. 유아용 스마트 변기(110)는 RANSAC 알고리즘을 이용하여 최소한의 데이터를 랜덤하게 선택하여 샘플링한 후 최적의 해를 찾는다.
① 유아용 스마트 변기(110)는 RANSAC 알고리즘을 이용하여 모델 파라미터를 결정하는 최소한의 데이터를 랜덤하게 선택한다.
② 유아용 스마트 변기(110)는 RANSAC 알고리즘을 이용하여 모델에 대한 파라미터를 구한다.
③ 유아용 스마트 변기(110)는 RANSAC 알고리즘을 이용하여 이미지의 모든 데이터에 대해 미리 결정해 놓은 허용량안에 해당하는 데이터의 수를 구한다.
④ 유아용 스마트 변기(110)는 RANSAC 알고리즘을 이용하여 전체 데이터에서 허용치에 들어가는 데이터의 비율이 일정수준 이상이 되면 이를 가지고 다시 모델 파라미터를 결정하여 최적의 파라미터를 구한다.
⑤ 유아용 스마트 변기(110)는 RANSAC 알고리즘을 이용하여 전체 데이터에서 허용치에 들어가는 데이터의 비율이 일정수준 보다 작으면 앞의 ①~④과정을 반복한다.
유아용 스마트 변기(110)는 타원 파라미터를 검증하기 위해 거리 에러값(distance error)을 확인한다. 유아용 스마트 변기(110)는 RANSAC 알고리즘을 이용한 반복과정에서 타원과의 거리 에러값를 [수학식7]을 이용하여 구할 수 있다.
Figure 112017089673735-pat00007
도 5에서는 단계 S510 내지 단계 S560을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 5에 기재된 단계를 변경하여 실행하거나 하나 이상의 단계를 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 5는 시계열적인 순서로 한정되는 것은 아니다.
전술한 바와 같이 도 5에 기재된 본 실시예에 따른 영역의 형태 추출 방법은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 본 실시예에 따른 영역의 형태 추출 방법을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다.
이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
110: 유아용 스마트 변기 120: 네트워크
130: 외부 장치 112: 카메라부
114: 온도 센서
310: 그레이 스케일 변환부 320: 특정 영역 추출부
330: 형태 추출부 340: 개수 추출부
350: 컬러 모델 변환부 360: 색상 확인부
370: 상태 판단부

Claims (11)

  1. 촬영된 입력 영상을 그레이 스케일(Gray Scale) 이미지로 변환하는 그레이 스케일 변환 과정;
    상기 그레이 스케일 이미지에서 특정 영역을 추출하는 특정 영역 추출 과정;
    상기 특정 영역의 형태를 추출하는 형태 추출 과정;
    상기 특정 영역의 개수를 추출하는 개수 추출 과정;
    상기 입력 영상의 컬러값을 기 설정된 컬러 모델로 분류하는 컬러 모델 변환 과정;
    상기 컬러 모델과 기 설정된 컬러 차트를 비교하여 색상 결과를 산출하는 색상 확인 과정; 및
    상기 특정 영역의 형태, 상기 특정 영역의 개수 및 상기 색상 결과 중 적어도 하나 이상의 정보를 기반으로 상태 판단 결과를 산출하는 상태 판단 과정
    을 포함하되,
    상기 형태 추출 과정은,
    상기 그레이 스케일 이미지로부터 엣지(Edge)를 검출하는 과정;
    상기 엣지를 이루는 포인트로부터 윤곽선을 추출하는 과정;
    기 설정된 규칙에 따라 상기 엣지를 이루는 포인트를 제거하여 상기 윤곽선을 단순화하여 그룹화하는 과정;
    상기 그룹에서 기 설정된 개수의 포인트를 랜덤하게 선택하는 과정;
    기 설정된 개수의 포인트에 대한 타원 파라미터를 산출하는 과정; 및
    상기 타원 파라미터를 검증하는 과정
    을 포함하고,
    상기 타원 파라미터를 검증하는 과정은,
    상기 그레이 스케일 이미지의 모든 데이터에 대해 미리 결정해 놓은 허용량안에 해당하는 데이터의 수를 산출하는 과정; 및
    전체 데이터에서 허용치에 들어가는 데이터의 비율이 일정수준 이상이 되면, 상기 전체 데이터에서 허용치에 들어가는 데이터를 이용하여 다시 모델 파라미터를 결정하여 최적의 파라미터를 산출하는 과정
    을 포함하는 것을 특징으로 하는 개인 건강 분석 방법.
  2. 제 1 항에 있어서,
    상기 특정 영역 추출 과정은,
    상기 그레이 스케일 이미지에서 배경과 객체를 분리하며, 상기 그레이 스케일 이미지에서 엣지에 해당하는 부분과 특징이 없는 균일한 영역을 서로 구분하여 객체를 분할하여 복수 개의 상기 특정 영역을 추출하는 것을 특징으로 하는 개인 건강 분석 방법.
  3. 제 1 항에 있어서,
    상기 컬러 모델 변환 과정은,
    상기 입력 영상의 컬러값을 색도(Hue), 채도(Saturation), 명도(Value)로 구분된 컬러 모델로 각각 분류하는 것을 특징으로 하는 개인 건강 분석 방법.
  4. 제 3 항에 있어서,
    상기 색상 확인 과정은,
    상기 컬러 모델과 복수 개의 색깔에 따라 설정된 색도, 채도, 명도 각각의 조건값이 구분되어 있는 브리스톨 컬러 차트를 비교하여 상기 색상 결과를 산출하는 것을 특징으로 하는 개인 건강 분석 방법.
  5. 삭제
  6. 제 1 항에 있어서,
    상기 엣지를 검출하는 과정은,
    상기 그레이 스케일 이미지에서 체인코드를 이용하여 엣지를 이루는 포인트들을 복수개의 윤곽선으로 구분하고, 상기 윤곽선을 이루는 주된 픽셀을 이외에 중복되거나 상기 윤곽선을 벗어난 픽셀을 제거하여 단순화한 그룹화로 인해 상기 그레이 스케일 이미지의 데이터 양을 줄이면서, 상기 엣지를 검출하는 것을 특징으로 하는 개인 건강 분석 방법.
  7. 제 1 항에 있어서,
    상기 그룹화하는 과정은,
    체인 코드를 이용하여 상기 엣지를 이루는 포인트들을 복수 개의 윤곽선으로 구분하며, 상기 윤곽선을 이루는 주된 픽셀들 이외에 중복되거나 불필요한 픽셀을 제거하여 상기 윤곽선을 단순화한 상기 그룹화로 인해 상기 특정 영역의 형태가 추출되도록 하는 것을 특징으로 하는 개인 건강 분석 방법.
  8. 제 1 항에 있어서,
    상기 타원 파라미터를 산출하는 과정은,
    타원 검출을 위해 상기 그룹에서 기 설정된 개수의 타원 변수를 랜덤으로 선택되면, 최적의 타원 파라미터 선택을 위해 선형 최소자승 근사법을 적용하는 것을 특징으로 하는 개인 건강 분석 방법.
  9. 제 1 항에 있어서,
    상기 그룹에서 기 설정된 개수의 포인트를 랜덤하게 선택하는 과정은,
    상기 타원 파라미터를 결정하는 최소한의 데이터를 랜덤으로 선택하는 과정인 것을 특징으로 하는 개인 건강 분석 방법.
  10. 삭제
  11. 촬영된 입력 영상을 그레이 스케일 이미지로 변환하는 그레이 스케일 변환부;
    상기 그레이 스케일 이미지에서 특정 영역을 추출하는 특정 영역 추출부;
    상기 특정 영역의 형태를 추출하는 형태 추출부;
    상기 특정 영역의 개수를 추출하는 개수 추출부;
    상기 입력 영상의 컬러값을 기 설정된 컬러 모델로 분류하는 컬러 모델 변환부;
    상기 컬러 모델과 기 설정된 컬러 차트를 비교하여 색상 결과를 산출하는 색상 확인부; 및
    상기 특정 영역의 형태, 상기 특정 영역의 개수 및 상기 색상 결과 중 적어도 하나 이상의 정보를 기반으로 상태 판단 결과를 산출하는 상태 판단부;를 포함하되,
    상기 형태 추출부는 상기 그레이 스케일 이미지로부터 엣지(Edge)를 검출한 후에 상기 엣지를 이루는 포인트로부터 윤곽선을 추출하고, 기 설정된 규칙에 따라 상기 엣지를 이루는 포인트를 제거하여 상기 윤곽선을 단순화하여 그룹화하며, 상기 그룹에서 기 설정된 개수의 포인트를 랜덤하게 선택한 후에 기 설정된 개수의 포인트에 대한 타원 파라미터를 산출하고, 상기 타원 파라미터를 검증하며,
    상기 타원 파라미터를 검증함에 있어, 상기 그레이 스케일 이미지의 모든 데이터에 대해 미리 결정해 놓은 허용량안에 해당하는 데이터의 수를 산출하고, 전체 데이터에서 허용치에 들어가는 데이터의 비율이 일정수준 이상이 되면, 상기 전체 데이터에서 허용치에 들어가는 데이터를 이용하여 다시 모델 파라미터를 결정하여 최적의 파라미터를 산출하는 것을 특징으로 하는 유아용 스마트 변기.
KR1020170118288A 2017-09-15 2017-09-15 개인 건강 분석 방법 및 유아용 스마트 변기 KR101976494B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170118288A KR101976494B1 (ko) 2017-09-15 2017-09-15 개인 건강 분석 방법 및 유아용 스마트 변기

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170118288A KR101976494B1 (ko) 2017-09-15 2017-09-15 개인 건강 분석 방법 및 유아용 스마트 변기

Publications (2)

Publication Number Publication Date
KR20190030822A KR20190030822A (ko) 2019-03-25
KR101976494B1 true KR101976494B1 (ko) 2019-05-10

Family

ID=65907900

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170118288A KR101976494B1 (ko) 2017-09-15 2017-09-15 개인 건강 분석 방법 및 유아용 스마트 변기

Country Status (1)

Country Link
KR (1) KR101976494B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021261096A1 (ja) * 2020-06-26 2021-12-30 パナソニック株式会社 出力装置、方法、プログラム、及び表示装置
KR102526901B1 (ko) 2021-01-15 2023-05-02 주식회사 쉬즈엠 헬스케어 시스템
CN116664960A (zh) * 2023-07-28 2023-08-29 深圳弗瑞奇科技有限公司 一种基于图像处理的猫便识别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002216138A (ja) * 2001-01-18 2002-08-02 Kawasaki Heavy Ind Ltd 形状認識方法及び装置
JP2007252805A (ja) 2006-03-24 2007-10-04 Konica Minolta Holdings Inc データ検出装置及びデータ検出方法
JP2008054835A (ja) * 2006-08-30 2008-03-13 Toshiba Corp 健康状態診断システム
KR101595434B1 (ko) 2014-10-13 2016-02-19 한국생산기술연구원 배설물형상측정장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002216138A (ja) * 2001-01-18 2002-08-02 Kawasaki Heavy Ind Ltd 形状認識方法及び装置
JP2007252805A (ja) 2006-03-24 2007-10-04 Konica Minolta Holdings Inc データ検出装置及びデータ検出方法
JP2008054835A (ja) * 2006-08-30 2008-03-13 Toshiba Corp 健康状態診断システム
KR101595434B1 (ko) 2014-10-13 2016-02-19 한국생산기술연구원 배설물형상측정장치 및 방법

Also Published As

Publication number Publication date
KR20190030822A (ko) 2019-03-25

Similar Documents

Publication Publication Date Title
Franklin et al. Diagnosis of diabetic retinopathy by employing image processing technique to detect exudates in retinal images
KR101977174B1 (ko) 영상 분석 방법, 장치 및 컴퓨터 프로그램
Hasan et al. SmartHeLP: Smartphone-based hemoglobin level prediction using an artificial neural network
KR101976494B1 (ko) 개인 건강 분석 방법 및 유아용 스마트 변기
CN102525381B (zh) 图像处理装置、图像处理方法及计算机可读取的记录装置
US11461599B2 (en) Classification of images based on convolution neural networks
CN113011485A (zh) 多模态多病种长尾分布眼科疾病分类模型训练方法和装置
Chen et al. Examining palpebral conjunctiva for anemia assessment with image processing methods
CN108664843B (zh) 活体对象识别方法、设备和计算机可读存储介质
Kao et al. Automated detection of fovea in fundus images based on vessel-free zone and adaptive Gaussian template
KR20200110878A (ko) 충치 조기진단을 위한 딥러닝 기반 진단 방법 및 시스템
CN106682473A (zh) 一种用户身份信息的识别方法及其装置
JP6625504B2 (ja) 情報処理装置、情報処理システム及びプログラム
CN104812288A (zh) 图像处理装置、图像处理方法和图像处理程序
WO2023273297A1 (zh) 基于多模态的活体检测方法、装置、电子设备及存储介质
Sharma et al. Machine learning approach for detection of diabetic retinopathy with improved pre-processing
Liu et al. Simple model for encoding natural images by retinal ganglion cells with nonlinear spatial integration
Remeseiro et al. Automatic classification of retinal blood vessels based on multilevel thresholding and graph propagation
Zuñiga et al. Grape maturity estimation based on seed images and neural networks
CN117274278B (zh) 基于模拟感受野的视网膜图像病灶部位分割方法及系统
CN112507916B (zh) 一种基于面部神态的人脸检测方法和系统
CN112263220A (zh) 一种内分泌疾病智能诊断系统
CN111325241A (zh) 果蔬分类方法、装置、智能传感器及计算机存储介质
CN111272669A (zh) 基于粪便信息检测的健康评估方法及相关设备
WO2019092723A1 (en) System and method for determining pathological status of a laryngopharyngeal area in a patient

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