KR102286795B1 - 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법 - Google Patents

사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법 Download PDF

Info

Publication number
KR102286795B1
KR102286795B1 KR1020200071436A KR20200071436A KR102286795B1 KR 102286795 B1 KR102286795 B1 KR 102286795B1 KR 1020200071436 A KR1020200071436 A KR 1020200071436A KR 20200071436 A KR20200071436 A KR 20200071436A KR 102286795 B1 KR102286795 B1 KR 102286795B1
Authority
KR
South Korea
Prior art keywords
hair
data
user
hair style
hairstyle
Prior art date
Application number
KR1020200071436A
Other languages
English (en)
Inventor
김동분
Original Assignee
김동분
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 김동분 filed Critical 김동분
Priority to KR1020200071436A priority Critical patent/KR102286795B1/ko
Application granted granted Critical
Publication of KR102286795B1 publication Critical patent/KR102286795B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • A—HUMAN NECESSITIES
    • A45—HAND OR TRAVELLING ARTICLES
    • A45D—HAIRDRESSING OR SHAVING EQUIPMENT; EQUIPMENT FOR COSMETICS OR COSMETIC TREATMENTS, e.g. FOR MANICURING OR PEDICURING
    • A45D44/00—Other cosmetic or toiletry articles, e.g. for hairdressers' rooms
    • A45D44/002—Masks for cosmetic treatment of the face
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Computer Graphics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 사용자에게 헤어 스타일을 제안하고, 원하는 헤어샵을 통해 헤어 스타일을 시술할 수 있는 헤어 관리 방법에 관한 것이다.
본 발명은 헤어 데이터와 모델링 데이터를 이용하여 사용자에게 최적의 헤어 스타일을 판단하기 위한 다양한 데이터를 제공할 수 있다. 빅데이터와 인공신경망 학습을 통해 객관적인 데이터에 기반하면서도 소셜 네트워크 투표로 주관적인 심미감을 반영하여 사용자에게 최적의 헤어 스타일을 추천할 수 있다.

Description

사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법{HAIR MANAGEMENT METHOD USING USER MODELING CREATION AND SOCIAL NETWORK}
본 발명은 사용자에게 헤어 스타일을 제안하고, 원하는 헤어샵을 통해 헤어 스타일을 시술할 수 있는 헤어 관리 방법에 관한 것이다.
헤어 스타일이 인상에 큰 영향을 준다는 사실은 이미 널리 알려져 있다. 특히, 헤어 스타일은 첫 인상에 중요한 영향을 미친다는 여러 조사나 연구 결과도 있을 정도이다. 같은 얼굴이라고 하더라도 헤어 스타일에 따라서 더 좋은 인상을 줄 수도 있고, 더 나쁜 인상을 줄 수도 있다. 따라서 좋은 이미지를 위해 자신에게 잘 어울리는 헤어 스타일을 선택하는 것은 매우 중요하다.
헤어 스타일이 중요하다는 것은 누구나 알고 있지만, 자신에게 잘 어울리는 헤어 스타일이 어떤 스타일인지 알기는 매우 어렵다. 너무나도 다양한 헤어 스타일 중에서 자신에게 잘 어울리는 헤어 스타일을 찾기 위해서는 수많은 시행착오가 있어야 하기 때문이다. 그러나 한 사람이 경험해볼 수 있는 헤어 스타일에는 현실적으로 한계가 있다. 더욱이, 헤어 스타일을 바꾸는데 심리적 저항감이 있는 사람이라면 특히나 기존과 다른 헤어 스타일을 경험하기가 어렵다. 이처럼 기존의 헤어 스타일에서 벗어난 새로운 헤어 스타일에 도전하는 것은 현실적인 한계가 있어, 자신에게 잘 어울리는 헤어 스타일을 아는 것은 더더욱 어려울 수밖에 없다.
또한, 사람마다 헤어의 색, 굵기, 및 탄력 등은 서로 너무나 다양하므로 헤어의 상태에 따라 그 사람에게 잘 어울리는 헤어 스타일이 달라질 수 있다. 그러나 헤어 상태에 따라 잘 어울리는 헤어 스타일은 오로지 주관적인 경험에 의해 판단되어, 전문 스타일리스트가 아닌 사람이 판단하기는 매우 어려웠다. 더군다나, 전문 스타일리스트 또한 개인적인 경험에 의존하여 판단할 수밖에 없었다. 이처럼 스타일리스트마다 서로 다른 주관적인 판단으로 인해 어떤 헤어 스타일이 자신에게 잘 어울리는지 객관적으로 알 수가 없어 헤어 스타일에 대한 혼란만 가중되고 있는 상황이다.
대한민국 등록특허공보 제10-1435156호 '헤어 관리 서비스 시스템'
본 발명의 목적은 사용자가 직접 헤어샵에서 헤어 스타일 시술을 받지 않고도 보다 직접적으로 다양한 헤어 스타일을 경험해볼 수 있는 사용자 경험을 제공하는 것이다.
또한, 본 발명의 목적은 사용자의 객관적인 데이터에 기반하면서도 주관적인 심미감을 고려하여 사용자에게 최적의 헤어 스타일을 제안하는 것이다.
본 발명에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법은,
(1) 사용자의 헤어 샘플로부터 헤어 데이터를 생성하는 단계;
(2) 사용자의 얼굴에 대한 얼굴 심도 데이터를 생성하는 단계;
(3) 헤어 데이터와 얼굴 심도 데이터를 이용하여 모델링 데이터를 생성하는 단계;
(4) 모델링 데이터를 이용하여 사용자로부터 설정되는 커스텀 헤어 스타일, 유사군을 이용하여 설정되는 유사군 헤어 스타일, 및 스타일리스트로부터 설정되는 스타일리스트 헤어 스타일의 설정값에 따라 개별적으로 렌더링된 복수의 렌더링 데이터를 생성하는 단계;
(5) 각각의 렌더링 데이터로부터 각각의 헤어 스타일 이미지 데이터를 생성하는 단계;
(6) 각각의 헤어 스타일 이미지 데이터를 소셜 네트워크에 공유하고 투표를 진행하는 단계;
(7) 단계 (6)의 투표에서 선정되는 헤어 스타일 이미지 데이터의 렌더링 데이터에 설정된 헤어 스타일을 특정하는 단계; 및
(8) 단계 (7)에서 특정되는 헤어 스타일을 시술할 수 있는 헤어샵을 매칭하는 단계를 포함한다.
본 발명은 사용자가 직접 헤어샵에서 헤어 스타일 시술을 받지 않고도 보다 직접적으로 다양한 헤어 스타일을 경험해볼 수 있는 사용자 경험을 제공할 수 있다. 따라서 자신에게 잘 어울리는 헤어 스타일이 무엇인지 사용자 스스로 여러가지 헤어 스타일을 시도해보며 경험해볼 수 있다.
또한, 본 발명은 헤어 데이터와 모델링 데이터를 이용하여 사용자에게 최적의 헤어 스타일을 판단하기 위한 다양한 데이터를 제공할 수 있다. 빅데이터와 인공신경망 학습을 통해 객관적인 데이터에 기반하면서도 소셜 네트워크 투표로 주관적인 심미감을 반영하여 사용자에게 최적의 헤어 스타일을 제안할 수 있다.
여기에 직접적으로 기재되지 않은 효과라고 하더라도, 발명의 설명에 의해 예상되거나 기대되는 효과는 발명의 효과에 기재된 것으로 이해되어야 한다.
도 1은 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 데이터를 송수신하는 구성을 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법의 구성을 나타낸 도면이다.
도 3은 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 소셜 네트워크를 통해 투표를 진행하는 모습을 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 데이터를 송수신하는 모습을 나타낸 도면이다.
도 5는 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 사용자 디바이스에 표시되는 화면을 나타낸 도면이다.
도 6은 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 소셜 네트워크를 통해 이미지를 공유하는 모습을 나타낸 도면이다.
도 7은 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 최적의 헤어 스타일을 추정하는 알고리즘을 나타낸 도면이다.
도 8은 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법의 단계 S400의 구성을 나타낸 도면이다.
도 9는 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 유사군 헤어 스타일 모델을 모델링하는 모습을 나타낸 도면이다.
본 발명은 이하에서 개시되는 실시예에 한정되는 것이 아니라 서로 다른 형태로 다양하게 구현될 수 있다. 실시예는 본 발명의 개시가 완전하도록 하고, 이 분야의 기술자에게 발명의 범주를 알려주기 위해 제공되는 것이다.
발명의 설명에서 사용하는 용어는 실시예를 설명하기 위해 사용하는 것으로, 본 발명을 한정하려는 의도로 사용하는 것이 아니다. 발명의 설명에서 '포함하다'의 용어는 기재된 특징이 조합된 구성이 존재함을 지정하려는 것이다. 그러므로 하나 또는 그 이상의 다른 특징이나 이들을 조합한 구성의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해되어야 한다.
이하에서는 이 분야의 기술자에게 자명한 사항으로서 본 발명의 특징을 불필요하게 흐릴 수 있다고 판단되는 경우, 공지된 구성이나 기능에 대한 그 상세한 설명을 생략한다.
본 발명은 사용자에게 최적의 헤어 스타일을 제안하고, 원하는 헤어샵에서 헤어 스타일 시술을 받을 수 있는 헤어 관리 서비스를 제공하는 방법에 관한 것이다. 종래의 헤어 스타일 추천 방법은 사람의 주관적인 경험에 의해 판단될 수밖에 없었다. 그러나 본 발명은 사용자의 객관적인 데이터에 기반하면서도 사람의 주관적인 심미감을 반영하여 헤어 스타일을 제안할 수 있다. 본 발명은 수많은 사용자의 데이터를 활용하여 헤어 스타일 추천 모델을 모델링하고, 기계 학습을 통해 데이터에 기반한 객관적인 헤어 스타일 제안이 가능하다. 다만, 본 발명은 인공지능으로 학습된 모델을 통해서만 기계적으로 헤어 스타일을 제안하는 것이 아니라, 데이터만으로 표현할 수 없는 사람의 심미감 또한 반영할 수 있다.
본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법은 하나 이상의 컴퓨팅 디바이스(Computing Device)에서 수행될 수 있다. 다시 말해, 본 발명의 실시예에서 각각의 단계는 컴퓨팅 디바이스의 프로세서(Processor)에 의해 실행되는 하나 이상의 명령어들로 구현될 수 있다. 여기서, 컴퓨팅 디바이스는 컴퓨팅 기능이 구비된 모든 종류의 디바이스를 포함한다. 컴퓨팅 디바이스는 데이터를 처리하고, 네트워크를 통해 데이터를 송수신할 수 있다. 실시예에 따라서, 컴퓨팅 디바이스는 서버(Server)와 클라이언트(Client)로서 사용자가 요청한 작업을 수행할 수 있다.
이하에서는 설명의 편의상 각각의 단계에서 주어가 생략될 수 있다. 주어가 생략되는 경우, 각각의 단계는 컴퓨팅 디바이스에 의해 수행되는 것으로 이해될 수 있다.
도 1은 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 데이터를 송수신하는 구성을 나타낸 도면이다. 도 1을 참조하면, 서버(100), 사용자 디바이스(200), 및 헤어샵 디바이스(300)는 네트워크를 통해 데이터를 송수신한다.
서버(100)는 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법을 수행하여 사용자에게 헤어 관리 서비스를 제공한다. 구체적으로, 서버(100)는 사용자 디바이스(200) 및 헤어샵 디바이스(300)와 네트워크를 통해 데이터를 송수신하고 데이터를 처리하여 헤어 관리 서비스를 제공한다. 사용자 디바이스(200)는 헤어 관리 서비스를 이용하려는 사용자가 사용하는 디바이스이다. 헤어샵 디바이스(300)는 헤어샵에서 사용하는 디바이스이다. 도 1의 예시에서는 한 명의 사용자와 복수의 헤어샵을 가정한다. 따라서 사용자 디바이스(200)는 하나이고, 헤어샵 디바이스(300)는 복수로 구성된다. 서버(100)는 사용자 디바이스(200)와 헤어샵 디바이스(300)에게 데이터를 요청하거나 요청받아 처리할 수 있다. 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법은 사용자에게는 헤어 관리 서비스를 제공하고, 헤어샵에게는 매칭 서비스를 제공할 수 있다.
도 2는 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법의 구성을 나타낸 도면이다. 도 2를 참조하면, 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법은 (1) 사용자의 헤어 샘플로부터 헤어 데이터를 생성하는 단계(S100), (2) 사용자의 얼굴에 대한 얼굴 심도 데이터를 생성하는 단계(S200), (3) 헤어 데이터와 얼굴 심도 데이터를 이용하여 모델링 데이터를 생성하는 단계(S300), (4) 모델링 데이터를 이용하여 사용자로부터 설정되는 커스텀 헤어 스타일, 유사군을 이용하여 설정되는 유사군 헤어 스타일, 및 스타일리스트로부터 설정되는 스타일리스트 헤어 스타일의 설정값에 따라 개별적으로 렌더링된 복수의 렌더링 데이터를 생성하는 단계(S400), (5) 각각의 렌더링 데이터로부터 각각의 헤어 스타일 이미지 데이터를 생성하는 단계(S500), (6) 각각의 헤어 스타일 이미지 데이터를 소셜 네트워크에 공유하고 투표를 진행하는 단계(S600), (7) 단계 (6)의 투표에서 선정되는 헤어 스타일 이미지 데이터의 렌더링 데이터에 설정된 헤어 스타일을 특정하는 단계(S700), 및 (8) 단계 (7)에서 특정되는 헤어 스타일을 시술할 수 있는 헤어샵을 매칭하는 단계(S800)를 포함한다.
단계 S100에서는 사용자의 헤어 샘플로부터 헤어 데이터를 생성한다. 헤어 데이터는 헤어의 색, 굵기, 및 탄력을 포함한다. 헤어의 색은 범주형 변수(Categorical Variables)이나, 헥스 코드를 통해 10진수 또는 16진수로 표현될 수 있다. 헤어 데이터에서 헤어의 색 외의 다른 범주형 변수 또한 가변수화를 통해 수치형 변수(Numerical Variables)로 변환시킬 수 있다. 범주형 변수를 수치형 변수로 변환하는 경우, 기계 학습에서 분류 모델에 한정되지 않고 다양한 모델을 활용할 수 있다. 굵기는 마이크로미터(Micrometer) 그리고 탄력은 여러 척도를 활용하여 숫자로 표현될 수 있다. 예를 들어, 탄력은 헤어가 중력에 의해 수평면으로부터 기울어지는 각도 및 수평면으로부터의 수직 거리를 이용하여 숫자로 표현될 수 있다. 실시예에 따라서는, 별도의 주체가 사용자의 헤어 샘플로부터 헤어 데이터를 생성한 후, 헤어 데이터를 서버(100)에 송신할 수 있다.
단계 S200에서는 사용자의 얼굴에 대한 얼굴 심도 데이터를 생성한다. 단계 S200에서는 얼굴 심도 데이터를 생성하기 위해 3D 카메라를 이용할 수 있다. 3D 카메라를 이용하면 사용자의 얼굴에 대한 심도 데이터를 쉽게 획득할 수 있다. 실시예에 따라서는, 사용자 디바이스(200)에 포함된 3D 카메라 모듈을 이용하여 심도 데이터를 획득한 후, 심도 데이터를 서버(100)에 송신할 수 있다. 심도 데이터는 사용자의 얼굴 윤곽을 모델링하는데 사용되는 데이터로서, 심도 데이터를 통해 보다 쉽고 정확하게 사용자의 얼굴 윤곽을 모델링할 수 있다.
단계 S200에서는 일정 주기로 얼굴 심도 데이터를 업데이트할 수 있다. 얼굴도 시간이 지나면 그 윤곽이 다소 변할 수 있다. 따라서 단계 S200에서는 사용자의 얼굴에 대한 얼굴 심도 데이터를 일정 주기로 업데이트하여 사용자의 현재 상태에 가장 가깝게 얼굴을 모델링할 수 있도록 한다. 일정 주기는 사용자에 따라 임의의 주기로 설정될 수 있다.
단계 S300에서는 헤어 데이터와 얼굴 심도 데이터를 이용하여 모델링 데이터를 생성한다. 모델링 데이터는 헤어 데이터와 얼굴 심도 데이터를 이용하여 사용자의 얼굴과 헤어의 모형을 구현한 데이터이다. 이때, 모델링 데이터는 입력받는 값에 따라 헤어의 색, 굵기, 탄력, 및 길이가 역학적으로 구현될 수 있도록 모델링된다. 모델링 데이터에서 사용자의 얼굴 모형은 고정되어 있으므로, 얼굴 심도 데이터를 이용하여 모델링한 후 일정 기간 동안은 데이터가 변경되지 않을 수 있다. 그러나 사용자의 헤어 모형은 입력값에 따라 헤어의 색, 굵기, 탄력, 및 길이와 같은 속성이 변경되어야 한다. 따라서 단계 S300에서는 모델링 데이터 생성 과정에서 헤어의 변수와 그 변수의 변경될 수 있는 속성을 미리 고려하여 모델링 데이터를 생성할 수 있다.
단계 S400에서는 모델링 데이터를 이용하여 커스텀 헤어 스타일, 유사군 헤어 스타일, 및 스타일리스트 헤어 스타일의 설정값에 따라 개별적으로 렌더링된 복수의 렌더링 데이터를 생성한다. 단계 S400에서는 모델링을 통해 구현한 모형에 재질과 광원 등을 설정하여 실제 사용자의 얼굴과 비슷한 질감으로 보이도록 구현한다. 이때, 렌더링 데이터는 커스텀 헤어 스타일, 유사군 헤어 스타일, 및 스타일리스트 헤어 스타일의 설정값에 따라 각각 생성된다. 따라서 단계 S400에서는 총 3개의 렌더링 데이터가 생성된다.
커스텀 헤어 스타일은 사용자로부터 설정되는 설정값을 이용한 헤어 스타일이다. 유사군 헤어 스타일은 유사군을 이용하여 자동적으로 설정되는 헤어 스타일이다. 유사군 헤어 스타일이 설정되는 구체적인 방법은 후술하여 설명한다. 그리고 스타일리스트 헤어 스타일은 스타일리스트로부터 설정되는 설정값을 이용한 헤어 스타일이다. 스타일리스트 헤어 스타일은 요청을 받은 스타일리스트로부터 설정되는 설정값을 이용할 수 있다.
단계 S400에서 커스텀 헤어 스타일, 유사군 헤어 스타일, 및 스타일리스트 헤어 스타일 각각의 렌더링 데이터를 생성하는 것은 사용자에게 최적의 헤어 스타일을 제시하기 위한 옵션을 제공하기 위함이다. 사용자 개인의 취향을 반영한 헤어 스타일인 커스텀 헤어 스타일, 객관적인 데이터에 근거해 기계 학습에 의해 제안되는 유사군 헤어 스타일, 그리고 전문 스타일리스트에 의해 추천되는 스타일리스트 헤어 스타일을 통해 사용자는 자신에게 어떠한 헤어 스타일이 어울리는지 비교해볼 수 있다. 즉, 단계 S400에서는 사용자의 니즈, 객관성, 및 주관성을 모두 고려하여 사용자에게 어울리는 헤어 스타일 후보를 생성한다.
단계 S500에서는 각각의 렌더링 데이터로부터 각각의 헤어 스타일 이미지 데이터를 생성한다. 렌더링 데이터는 일반 사용자가 쉽게 확인하기 어렵다. 따라서 특정 디바이스에 종속되지 않고 헤어 스타일을 쉽게 확인할 수 있는 호환성을 확보하기 위해 렌더링 데이터로부터 일반적인 이미지 데이터를 생성하는 것이 바람직하다. 단계 S400에서는 총 3개의 렌더링 데이터가 생성되므로, 단계 S500에서도 총 3개의 헤어 스타일 이미지 데이터를 생성한다.
도 3은 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 소셜 네트워크를 통해 투표를 진행하는 모습을 나타낸 도면이다. 도 3을 참조하면, 단계 S600에서는 각각의 헤어 스타일 이미지 데이터를 소셜 네트워크에 공유하고 투표를 진행한다. 단계 S600에서 진행하는 투표는 미감을 느끼는 사람의 주관적인 심미감을 반영하기 위한 단계이다. 커스텀 헤어 스타일과 스타일리스트 헤어 스타일은 사람이 주관적으로 판단한 헤어 스타일이며, 유사군 헤어 스타일은 기계 학습에 의해 기계적으로 판단한 헤어 스타일이다. 따라서 본 발명의 알고리즘은 3개의 헤어 스타일 중에서 사용자에게 가장 잘 어울리는 헤어 스타일이 무엇인지 투표를 통해 다수결로 결정한다. 투표는 소셜 네트워크를 통해 사람이 참여하는 것이므로, 본질적으로 사람의 주관적인 심미감이 반영되어 있다. 따라서 주관적 및 객관적으로 헤어 스타일 후보를 생성하고, 그 중에서 투표에서 선정되는 헤어 스타일이 그 사용자에게 가장 잘 어울리는 헤어 스타일이라고 판단할 수 있다. 투표 결과는 사용자가 확인할 수 있으므로, 투표에서 선정되지 않은 헤어 스타일이라도 사람들이 어떻게 판단하는지 확인할 수 있다. 실시예에 따라서는, 소셜 네트워크에서 각각의 헤어 스타일 이미지 데이터별로 다른 사용자가 의견을 남길 수 있도록 설정될 수 있다.
단계 S700에서는 단계 S600의 투표에서 선정되는 헤어 스타일 이미지 데이터의 렌더링 데이터에 설정된 헤어 스타일을 특정한다. 단계 S600의 투표에서 선정되는 헤어 스타일 이미지 데이터는 단순한 이미지 데이터에 해당하므로, 먼저 헤어 스타일 이미지 데이터가 생성된 원래의 렌더링 데이터를 특정한다. 렌더링 데이터에 설정된 설정값은 모델링 및 렌더링 데이터에 설정된 수치화된 값이므로, 설정값만으로는 연출하려는 헤어 스타일을 쉽게 설명하기 어렵다. 즉, 헤어샵 등에 연출하려는 헤어 스타일을 쉽게 설명하기 위해서는 수치화된 설정값 보다는 언어로 헤어 스타일을 특정하는 것이 바람직하다. 또한, 헤어샵의 헤어 스타일 시술 가능 여부를 쉽게 필터링하기 위해서도 모델링 및 렌더링 데이터에 설정된 헤어 스타일을 특정하는 단계가 필요하다.
단계 S800에서는 단계 S700에서 특정되는 헤어 스타일을 시술할 수 있는 헤어샵을 매칭한다. 실시예에 따라서, 헤어샵의 시술 가능 헤어 스타일 변수에 포함된 헤어 스타일 값이 단계 S700에서 특정되는 헤어 스타일과 매칭되는 경우, 그 특정 헤어 스타일을 시술할 수 있는 헤어샵으로 판단할 수 있다. 또는, 헤어 스타일을 계층적으로 분류하여 단계 S700에서 특정되는 헤어 스타일이 하위 계층에 포함되는 경우, 그 특정 헤어 스타일을 시술할 수 있는 헤어샵으로 판단할 수 있다. 단계 S800에서 헤어샵을 매칭하는 구체적인 방법은 전술한 실시예로 한정되지 않으며, 헤어샵을 매칭하기 위한 다양한 방법이 적용될 수 있다.
단계 S800에서는 임의로 설정되는 위치 또는 사용자 디바이스로(200)부터 특정되는 위치로부터 일정 반경 이내의 헤어샵을 매칭할 수 있다. 즉, 위치 정보를 이용하여 헤어샵을 필터링하고, 필터링된 헤어샵 내에서 매칭이 이루어질 수 있다. 단순히 사용자 디바이스(200)를 기준으로 일정 반경 이내의 헤어샵을 매칭하는 경우, 사용자가 원하는 위치에서 헤어샵 매칭이 이루어지지 않을 수 있다. 따라서 단계 S800에서는 사용자가 임의로 설정하는 위치에서도 헤어샵 매칭이 이루어질 수 있도록 설정할 수 있다.
단계 S800에서는 단계 S600의 투표에서 선정되는 헤어 스타일 이미지 데이터의 렌더링 데이터에 설정된 헤어 스타일에 대한 시술 평가가 최대값에 해당하는 헤어샵을 매칭할 수 있다. 즉, 단계 S800에서는 투표에서 선정된 헤어 스타일을 가장 잘 시술할 수 있는 헤어샵을 시술 평가에 따라 자동적으로 매칭할 수 있다. 사용자에 따라서는 헤어샵의 위치보다 시술을 얼마나 잘 할 수 있는 헤어샵인지 여부를 더 중요하다고 판단할 수 있기 때문이다.
도 4는 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 데이터를 송수신하는 모습을 나타낸 도면이다. 도 4를 참조하면, 단계 S900에서는 단계 S800에서 매칭되는 헤어샵의 헤어샵 디바이스(300)에 단계 S600의 투표에서 선정되는 헤어 스타일 이미지 데이터의 렌더링 데이터를 송신한다. 헤어샵 디바이스(300)에는 렌더링 데이터를 확인할 수 있는 소프트웨어가 설치된다. 따라서 헤어샵의 스타일리스트는 헤어샵 디바이스(300)가 수신한 렌더링 데이터를 확인하고, 시술하고자 하는 헤어 스타일과 시술 난이도를 미리 시각적으로 판단할 수 있다.
특히 여성의 경우, 현재의 헤어 상태에 따라 시술 난이도가 달라져 시술 견적에 차이가 발생하는 경우가 많다. 실시예에 따라서, 렌더링 데이터는 현재 사용자의 헤어 상태에 대한 정보를 포함할 수 있다. 따라서 헤어샵에서는 현재 사용자의 헤어 상태를 참조하여, 시술하고자 하는 헤어 스타일과 시술 난이도를 고려하여 보다 정확하게 시술 견적을 산정할 수 있다.
단계 S1000에서는 헤어샵 디바이스로(300)부터 시술 견적 데이터를 수신한다. 헤어샵에서는 렌더링 데이터에 의해 사용자를 직접 확인하지 않고도, 시술하고자 하는 헤어 스타일과 그에 따른 시술 난이도를 미리 판단할 수 있다. 따라서 헤어샵에서는 사용자에게 보다 정확하게 헤어 스타일 시술을 위한 견적을 제공할 수 있다. 본 발명의 실시예에 따르면, 시술 견적의 정확성이 올라감에 따라 결과적으로 사용자와 헤어샵의 불필요한 분쟁을 감소시킬 수 있다. 그리고 불필요한 분쟁의 감소는 사용자 및 헤어샵의 만족도 상승으로 직접적으로 이어진다.
도 5는 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 사용자 디바이스에 표시되는 화면을 나타낸 도면이다. 도 5를 참조하면, 사용자는 여러 헤어샵에 일일이 직접 문의하지 않고도 시술하고자 하는 헤어 스타일의 시술 견적을 보다 정확하게 확인할 수 있다. 또한, 실시예에 따라서는 헤어 스타일의 시술 평점을 통해 시술하고자 하는 헤어 스타일에 대한 시술 만족도가 어땠는지 한눈에 확인할 수 있다. 따라서 사용자는 헤어 스타일을 시술하는 헤어샵에 대한 정확한 정보를 활용하여 헤어샵을 선택할 수 있다. 그리고 헤어샵 또한 사용자가 원하는 헤어 스타일을 정확하게 시술해줄 수 있으며, 비용으로 인한 사용자와의 불필요한 분쟁을 사전에 방지할 수 있다.
단계 S1100에서는 시술 견적 데이터를 송신한 헤어샵 중 특정 헤어샵 디바이스에 예약 요청 데이터를 송신한다. 서버(100)는 사용자 디바이스(200)에 헤어샵 디바이스(300)로부터 수신한 시술 견적 데이터를 송신한다. 그리고 사용자 디바이스(200)로부터 선택된 특정 헤어샵의 헤어샵 디바이스(300)에 예약 요청 데이터를 송신한다. 예약 요청 데이터는 시술 일자, 시간, 시술하고자 하는 헤어 스타일, 및 견적 정보를 포함한다. 실시예에 따라서 예약 요청 데이터는 헤어 스타일을 시술하는 스타일리스트 정보를 더 포함할 수 있다.
단계 S1200에서는 특정 헤어샵 디바이스(300)로부터 예약 확인 데이터를 수신한다. 예약 확인 데이터는 예약 요청 데이터에서 확정된 예약 정보에 대한 데이터를 포함한다. 예를 들어, 예약 요청 데이터에서 특정된 시간에 시술이 불가능한 경우, 예약 확인 데이터에는 다른 시간 데이터가 포함될 수 있다. 따라서 사용자 디바이스(200)에 예약 확인 데이터를 송신하고, 승인 데이터를 헤어샵 디바이스(300)에 송신하여 사용자와 헤어샵 간의 예약을 확정할 수 있다.
단계 S1300에서는 특정 헤어샵 디바이스로부터 시술 이미지 데이터를 수신한다. 시술 이미지 데이터는 실제 헤어 스타일 시술이 완료된 후, 촬영된 이미지 데이터이다. 따라서 시술 이미지 데이터를 통해 실제 헤어샵에서 어떻게 헤어 스타일이 시술되었는지 확인할 수 있다.
도 6은 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 소셜 네트워크를 통해 이미지를 공유하는 모습을 나타낸 도면이다. 도 4 및 도 6을 참조하면, 단계 S1400에서는 단계 S600의 투표에서 선정되는 헤어 스타일 이미지 데이터 및 시술 이미지 데이터를 이용하여 소셜 네트워크에 공유한다. 단계 S1400을 통해 사용자는 렌더링 데이터를 통해 예상한 헤어 스타일과 실제 시술된 헤어 스타일을 비교할 수 있다. 또한, 헤어샵은 시술한 헤어 스타일에 대한 소개나 광고를 직접 작성할 필요 없이 소셜 네트워크를 통해 쉽게 홍보할 수 있다. 실시예에 따라서는, 사용자가 개인 정보 보호를 위해 소셜 네트워크에 공유를 원하지 않는 경우, 헤어 스타일 이미지 데이터 및/또는 시술 이미지 데이터를 소셜 네트워크에 공유하지 않을 수 있다.
본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법은 유사군을 이용하여 객관적인 데이터에 기반해 헤어 스타일을 제안한다. 여기서 유사군은 사용자의 나이, 성별, 얼굴형, 현재 헤어 스타일, 및 현재 헤어 스타일의 시술 횟수를 포함하는 사용자 정보를 이용하여 설정되는 개인 유사군을 포함한다.
도 7은 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 최적의 헤어 스타일을 추정하는 알고리즘을 나타낸 도면이다. 도 7의 (A)를 참조하면, 사용자 정보 및 헤어 데이터로부터 그 사용자에게 가장 잘 어울리는 최적의 헤어 스타일을 추정하고자 한다. 그러나 아무런 학습 데이터 없이 사용자 정보 및 헤어 데이터로부터 최적의 헤어 스타일을 추정하는 모델을 모델링하기는 매우 어렵다. 도 7의 (B)를 참조하면, 본 발명에서는 사용자 정보 및 헤어 데이터로부터 최적의 헤어 스타일을 추정하기 위한 알고리즘으로 개인 유사군이라는 분류 개념을 이용한다. 이러한 알고리즘은 어떠한 사용자가 특정 헤어 스타일을 오래 유지하고 있다는 것은 그 사용자에게 그 헤어 스타일이 가장 잘 어울리기 때문이라는 가정에서 출발한다. 그리고 그 사용자와 헤어 데이터가 유사한 다른 사용자 또한 그 헤어 스타일이 가장 잘 어울릴 가능성이 높다고 가정한다.
이러한 알고리즘에 따르면, 본 발명에서는 사용자 정보로부터 공통되는 특징을 가진 개인 유사군을 분류한다. 개인 유사군에는 최소한 하나 이상의 공통적인 특징을 가진 사용자들의 사용자 정보가 포함되어 있다. 개인 유사군 내에서 오래 유지되는 헤어 스타일을 특정하면, 그 특정 헤어 스타일을 오래 유지하는 사용자의 헤어 데이터를 필터링할 수 있다. 반대로, 그 특정 헤어 스타일을 오래 유지하는 사용자의 헤어 데이터와 유사한 헤어 데이터의 사용자라면, 그 특정 헤어 스타일이 가장 잘 어울릴 가능성이 높다. 위와 같은 개인 유사군 분류를 이용한 알고리즘에 따르면, 사용자 정보 및 헤어 데이터를 모두 활용하여 사용자에게 최적의 헤어 스타일을 추정할 수 있게 된다. 즉, 도 7의 (A)에서 추정하려는 최적의 헤어 스타일은 도 7의 (B)에 나타낸 알고리즘으로 추정할 수 있다.
도 8은 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법의 단계 S400의 구성을 나타낸 도면이다. 도 8을 참조하면, 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법은 (4-1) 모드 헤어 스타일을 특정하는 단계(S410), (4-2) 모드 헤어 데이터를 필터링하는 단계(S420), (4-3) 모드 헤어 스타일과 모드 헤어 데이터를 이용하여 유사군 헤어 스타일 모델을 학습하는 단계(S430), (4-4) 사용자의 헤어 데이터로부터 유사군 헤어 스타일을 예측하는 단계(S440), 및 (4-5) 렌더링 데이터를 생성하는 단계(S450)를 포함한다.
단계 S410에서는 모드 헤어 스타일을 특정한다. 모드 헤어 스타일(Mode Hair Style)은 개인 유사군 내에서 현재 헤어 스타일의 최빈값(Mode)에 해당하는 헤어 스타일이다. 개인 유사군에는 최소한 하나 이상의 공통적인 특징을 가진 사용자들의 사용자 정보가 포함되어 있다. 따라서 모드 헤어 스타일은 사용자와 공통적인 특징을 가진 개인 유사군 내에서 가장 많이 시술된 헤어 스타일에 해당한다. 개인 유사군 내에서 가장 많이 시술된 헤어 스타일이라면, 개인 유사군에 포함된 사용자에게도 모드 헤어 스타일이 잘 어울릴 가능성이 높다.
단계 S420에서는 모드 헤어 데이터를 필터링한다. 모드 헤어 데이터(Mode Hair Data)는 모드 헤어 스타일의 시술 횟수가 기준값 이상인 사용자의 헤어 데이터이다. 따라서 모드 헤어 스타일의 시술 횟수가 기준값 이상인 경우, 그 사용자는 모드 헤어 스타일이 잘 어울릴 가능성이 높다. 이러한 사용자의 헤어 데이터를 필터링하여 모드 헤어 스타일이 잘 어울린다고 판단되는 헤어 데이터를 필터링한다. 필터링에는 사용자 정보에 포함된 현재 헤어 스타일 및 현재 헤어 스타일의 시술 횟수 데이터를 활용할 수 있다. 모드 헤어 스타일과 모드 헤어 데이터는 사용자에게 최적의 헤어 스타일을 추정하기 위한 유사군 헤어 스타일 모델의 지도 학습 데이터로 사용될 수 있다. 기준값은 유사군 헤어 스타일 모델의 학습에 따라 다양하게 설정될 수 있다.
단계 S430에서는 유사군 헤어 스타일 모델을 학습한다. 유사군 헤어 스타일 모델은 모드 헤어 스타일과 모드 헤어 데이터를 학습 데이터로 이용하여 학습한다. 학습 데이터에서 입력값인 모드 헤어 데이터는 여러 사용자의 다양한 헤어 데이터를 포함하지만, 출력값은 모드 헤어 스타일로 고정되어 있다. 따라서 모드 헤어 데이터와 모드 헤어 스타일 간의 상관 관계를 학습할 수 있다. 개인 유사군을 다양한 기준에 따라 분류하고, 그에 따른 모드 헤어 스타일과 모드 헤어 데이터를 필터링하면 유사군 헤어 스타일 모델을 다양하게 학습시킬 수 있다.
도 9는 본 발명의 실시예에 따른 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법에서 유사군 헤어 스타일 모델을 모델링하는 모습을 나타낸 도면이다. 도 9를 참조하면, 유사군 헤어 스타일 모델은 헤어 데이터를 입력 받아 헤어 스타일을 출력하는 모델이다. 유사군 헤어 스타일 모델은 기계 학습에 의한 분류 모델로 모델링할 수 있다. 학습 데이터의 양이 많아질수록 유사군 헤어 스타일 모델에서 출력하는 헤어 스타일의 정확도는 높아지게 된다. 도 9에 도시된 예시에서는 기계 학습 모델로서 인공신경망을 활용하여 유사군 헤어 스타일 모델을 모델링한다. 도 9의 예시에서는 헤어 데이터에 색, 굵기, 및 탄력을 예시하였으나, 실시예에 따라서 헤어 데이터에는 더 많은 변수가 포함될 수 있다.
단계 S440에서는 유사군 헤어 스타일 모델을 이용하여 사용자의 헤어 데이터로부터 유사군 헤어 스타일을 예측한다. 분류 모델로 모델링되고 학습되는 유사군 헤어 스타일 모델에 어떤 사용자의 헤어 데이터를 입력하면, 그 사용자에게 잘 어울린다고 추정되는 헤어 스타일이 출력될 수 있다. 유사군 헤어 스타일 모델에서 출력되는 헤어 스타일은 유사군 헤어 스타일 모델에 입력한 헤어 데이터와 가장 강한 관계를 가지는 헤어 스타일이다. 따라서 단계 S440에서는 사용자의 헤어 데이터에 기반하여 객관적으로 유사군 헤어 스타일을 예측할 수 있다.
단계 S450에서는 단계 S440에서 예측하는 유사군 헤어 스타일에 따라 렌더링 데이터를 생성한다. 분류 모델인 유사군 헤어 스타일 모델에서 출력하는 헤어 스타일은 렌더링 데이터에 곧바로 적용할 수 있는 설정값에 대한 데이터가 아니다. 따라서 단계 S450에서는 유사군 헤어 스타일 모델에서 출력하는 헤어 스타일에 따라 설정값을 산출하고, 렌더링 데이터를 생성한다. 설정값은 헤어 스타일에 따라 미리 정해진 값일 수 있으나, 설정값 또는 설정값의 범위 또한 기계 학습을 통해 학습될 수 있다. 단계 S450에서 생성되는 렌더링 데이터는 유사군 헤어 스타일의 설정값에 따라 렌더링 되는 렌더링 데이터에 해당한다.
본 발명은 빅데이터와 기계 학습을 결합하여 객관적인 데이터에 기반해 높은 정확도로 헤어 스타일을 추천할 수 있다. 그리고 소셜 네트워크로 투표를 진행하여 사람의 주관적인 심미감을 반영할 수 있다. 따라서 사용자 스스로가 원하는 헤어 스타일, 객관적으로 제안되는 헤어 스타일, 및 주관적으로 추천되는 헤어 스타일 모두를 고려하여 사용자에게 가장 잘 어울리는 헤어 스타일을 선정할 수 있다. 그리고 선정되는 헤어 스타일을 시술할 수 있는 헤어샵을 매칭하고 예약까지 진행할 수 있다. 본 발명은 위의 모든 과정을 하나의 유기적으로 통합된 서비스로 제공하며, 사용자에게 종합적인 헤어 관리 서비스를 제공할 수 있다.
발명의 설명에 기재된 내용은 예시에 불과하며, 본 발명은 이 분야의 기술자에 의하여 다양하게 변형되어 실시될 수 있다. 따라서 본 발명의 보호범위는 개시된 실시예의 기재와 표현으로 제한되지 않는다.
100 : 서버
200 : 사용자 디바이스
300 : 헤어샵 디바이스

Claims (11)

  1. 컴퓨팅 디바이스를 이용하여 헤어 관리 서비스를 제공하는 방법으로서:
    (1) 사용자의 헤어 샘플로부터 헤어 데이터를 생성하는 단계;
    (2) 사용자의 얼굴에 대한 얼굴 심도 데이터를 생성하는 단계;
    (3) 상기 헤어 데이터와 상기 얼굴 심도 데이터를 이용하여 모델링 데이터를 생성하는 단계;
    (4) 상기 모델링 데이터를 이용하여 사용자로부터 설정되는 커스텀 헤어 스타일, 유사군을 이용하여 설정되는 유사군 헤어 스타일, 및 스타일리스트로부터 설정되는 스타일리스트 헤어 스타일의 설정값에 따라 개별적으로 렌더링된 복수의 렌더링 데이터를 생성하는 단계;
    (5) 각각의 렌더링 데이터로부터 각각의 헤어 스타일 이미지 데이터를 생성하는 단계;
    (6) 상기 각각의 헤어 스타일 이미지 데이터를 소셜 네트워크에 공유하고 투표를 진행하는 단계;
    (7) 상기 단계 (6)의 투표에서 선정되는 헤어 스타일 이미지 데이터의 렌더링 데이터에 설정된 헤어 스타일을 특정하는 단계;
    (8) 상기 단계 (7)에서 특정되는 헤어 스타일을 시술할 수 있는 헤어샵을 매칭하는 단계;
    (9) 상기 단계 (8)에서 매칭되는 헤어샵의 헤어샵 디바이스에 상기 단계 (6)의 투표에서 선정되는 헤어 스타일 이미지 데이터의 렌더링 데이터를 송신하는 단계;
    (10) 상기 헤어샵 디바이스로부터 시술 견적 데이터를 수신하는 단계;
    (11) 상기 시술 견적 데이터를 송신한 헤어샵 디바이스 중 특정 헤어샵 디바이스에 예약 요청 데이터를 송신하는 단계; 및
    (12) 상기 특정 헤어샵 디바이스로부터 예약 확인 데이터를 수신하는 단계;
    (13) 상기 특정 헤어샵 디바이스로부터 시술 이미지 데이터를 수신하는 단계; 및
    (14) 상기 단계 (6)의 투표에서 선정되는 헤어 스타일 이미지 데이터 및 상기 시술 이미지 데이터를 이용하여 소셜 네트워크에 공유하는 단계를 포함하고,
    상기 유사군은,
    사용자의 나이, 성별, 얼굴형, 현재 헤어 스타일, 및 현재 헤어 스타일의 시술 횟수를 포함하는 사용자 정보를 이용하여 설정되는 개인 유사군을 포함하며,
    상기 단계 (4)는,
    (4-1) 상기 개인 유사군 내에서 상기 현재 헤어 스타일의 최빈값에 해당하는 모드 헤어 스타일을 특정하는 단계;
    (4-2) 상기 모드 헤어 스타일의 시술 횟수가 기준값 이상인 사용자의 헤어 데이터에 해당하는 모드 헤어 데이터를 필터링하는 단계;
    (4-3) 상기 모드 헤어 스타일과 상기 모드 헤어 데이터를 이용하여 유사군 헤어 스타일 모델을 학습하는 단계;
    (4-4) 상기 (4-3) 단계에서 학습하는 유사군 헤어 스타일 모델을 이용하여 사용자의 헤어 데이터로부터 유사군 헤어 스타일을 예측하는 단계; 및
    (4-5) 상기 (4-4) 단계에서 예측하는 상기 유사군 헤어 스타일에 따라 렌더링 데이터를 생성하는 단계를 포함하고,
    상기 유사군 헤어 스타일 모델은,
    헤어 데이터를 입력 받아 헤어 스타일을 출력하는 모델이며,
    상기 유사군 헤어 스타일 모델은,
    기계 학습에 의한 분류 모델이고,
    상기 단계 (2)는,
    일정 주기로 상기 얼굴 심도 데이터를 업데이트하며,
    상기 단계 (8)은,
    임의로 설정되는 위치 또는 사용자 디바이스로부터 특정되는 위치로부터 일정 반경 이내의 헤어샵을 매칭하고,
    상기 단계 (8)은,
    상기 단계 (6)의 투표에서 선정되는 헤어 스타일 이미지 데이터의 렌더링 데이터에 설정된 헤어 스타일에 대한 시술 평가가 최대값에 해당하는 헤어샵을 매칭하는 것을 특징으로 하는, 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
  11. 삭제
KR1020200071436A 2020-06-12 2020-06-12 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법 KR102286795B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200071436A KR102286795B1 (ko) 2020-06-12 2020-06-12 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200071436A KR102286795B1 (ko) 2020-06-12 2020-06-12 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법

Publications (1)

Publication Number Publication Date
KR102286795B1 true KR102286795B1 (ko) 2021-08-05

Family

ID=77316722

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200071436A KR102286795B1 (ko) 2020-06-12 2020-06-12 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법

Country Status (1)

Country Link
KR (1) KR102286795B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005327111A (ja) * 2004-05-14 2005-11-24 Pioneer Electronic Corp ヘアスタイル表示システム及び方法、並びにコンピュータプログラム
KR20120103259A (ko) * 2011-03-10 2012-09-19 진혜성 헤어스타일 검색 장치 및 그 방법
KR101435156B1 (ko) 2013-04-29 2014-09-23 주식회사 블리스뷰티 헤어 관리 서비스 시스템
KR20160110801A (ko) * 2015-03-12 2016-09-22 주식회사 세현씨앤티 뷰티 견적 및 예약 서비스 제공 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005327111A (ja) * 2004-05-14 2005-11-24 Pioneer Electronic Corp ヘアスタイル表示システム及び方法、並びにコンピュータプログラム
KR20120103259A (ko) * 2011-03-10 2012-09-19 진혜성 헤어스타일 검색 장치 및 그 방법
KR101435156B1 (ko) 2013-04-29 2014-09-23 주식회사 블리스뷰티 헤어 관리 서비스 시스템
KR20160110801A (ko) * 2015-03-12 2016-09-22 주식회사 세현씨앤티 뷰티 견적 및 예약 서비스 제공 장치 및 방법

Similar Documents

Publication Publication Date Title
Hildebrand et al. When social media can be bad for you: Community feedback stifles consumer creativity and reduces satisfaction with self-designed products
JP3582458B2 (ja) 化粧アドバイスシステム
KR20190097815A (ko) 토탈 뷰티 스타일 추천 방법
US7437344B2 (en) Use of artificial intelligence in providing beauty advice
US20030065525A1 (en) Systems and methods for providing beauty guidance
US20030065578A1 (en) Methods and systems involving simulated application of beauty products
US20030120534A1 (en) Cosmetic affinity indexing
US20220207331A1 (en) Apparatus for machine learning-based visual equipment selection
JP2011511681A (ja) 美容分析および美容治療診断のシステムおよび方法
KR20200067369A (ko) 개인 맞춤형 화장품 정보 제공 시스템 및 방법
JP2022087689A (ja) コーディネート用評価サーバ装置、コーディネート用評価サーバ装置の制御方法、およびそれに用いるプログラムおよび記録媒体
CN115803673A (zh) 用于选择眼镜架的方法和设备
JPWO2018029963A1 (ja) メイクアップ支援装置およびメイクアップ支援方法
JP2002324126A (ja) メイクアップアドバイス情報供給システム
Lower Style speaks: Clothing judgments, gender stereotypes, and expectancy violations of professional women
KR102286795B1 (ko) 사용자 모델링 생성 및 소셜 네트워크를 이용한 헤어 관리 방법
JP2017120595A (ja) 化粧料の塗布状態の評価方法
JP7349125B2 (ja) 美容判定方法、官能評価方法、及びシステム
Soulliere How hairstyling gets done in the hair salon
JP7099836B2 (ja) フェイシャルエステ提供システムおよびフェイシャルエステ提供方法
Gómez-Sirvent et al. Vrproe toolbox for virtual pre-occupancy evaluation: Proof of concept on a BIM model of a conservatory classroom
KR102090370B1 (ko) 색채심리 기반 퍼스널 컬러 코칭 시스템
JP2022093001A (ja) 情報処理装置、情報処理方法および情報処理プログラム
US20170039618A1 (en) Automated Personalized Product Specification
JP7253325B2 (ja) 情報処理装置、プログラム、及び、情報処理方法

Legal Events

Date Code Title Description
GRNT Written decision to grant