KR102296764B1 - 상품을 판매 및 추천하는 온라인 플랫폼에 관한 서버 - Google Patents

Abstract

본 발명은 상품을 판매 및 추천하는 온라인 플랫폼에 관한 서버에 관한 것이다. 특히, 상품 플랫폼에 관한 제1 서버에 관한 것이다.

Description

상품을 판매 및 추천하는 온라인 플랫폼에 관한 서버{SERVER RELATED WITH ONLINE PLATFORM FOR SELLING AND RECOMMENDING PRODUCTS}

본 발명은 상품을 판매 및 추천하는 온라인 플랫폼에 관한 서버에 관한 것이다.

인터넷 기술의 급격한 발달과 함께, 점점 더 많은 서비스들이 인터넷을 통해 수행되고 있다. 예를 들어, 사용자는 인터넷 통신 단말기를 통해 웹사이트의 서비스에 액세스할 수 있다. 일반적으로, 서비스 제공자는 사업 대상(business objects)을 공표하고 단말기에 의해 제공된 사업 정보를 처리하기 위해 서버를 이용한다.

일반적으로, 서버는 사용자에게 제공된 서비스의 유형에 근거하여 사업을 다양한 카테고리로 나눈다. 게다가, 서버는 단말기 사용자에게 사업 카테고리 및 각 카테고리의 사업 대상들을 보여줄 수 있다. 따라서, 단말기 사용자는 사용자 ID 혹은 각 카테고리의 명칭을 이용하여 대응되는 카테고리를 선택하거나, 대응되는 카테고리로부터 원하는 사업 대상을 가려낼(identify) 수 있다. 이 경우에, 서버는 카테고리 안내를 수행하기 위해 단말기를 이용하고, 사업 대상을 단말기에 추천하며, 단말기 사용자에게 디스플레이하도록 한다. 또한, 서버는 단말기 사용자가 제공하는 키워드에 대응되는 카테고리 혹은 사업 대상을 검색하고, 검색 결과를 반환할 수 있다.

인터넷 등 네트워크 기술의 발달로, 의류 쇼핑 시 온라인 쇼핑몰을 이용하는 빈도가 증가하고 있다. 사용자는 온라인 쇼핑몰을 운영하는 업체의 온라인 쇼핑 메뉴에서 상품 목록을 검색한 후, 원하는 상품을 선택하고 결제할 수 있다.

한편 인공지능(Artificial Intelligence, AI) 시스템은, 기계 학습(딥러닝) 등을 기반으로 인간 수준의 지능을 구현하는 컴퓨터 시스템이다. 상술한 네트워크 기술의 발달과 인공지능 시스템의 발달을 접목하여, 온라인 의류 쇼핑 시 사용자의 편의를 제공하기 위한 시도가 계속되고 있다.

국내특허공보 제10-2015-0036128호에는 의류 제품 추천 방법 및 장치가 개시되어 있다.

상기 문헌은 의류 제품 추천 방법에 관한 것으로서, 서버에 의해 사용자 ID와 의류 제품을 포함하는 요청을 수신하는 단계와, 상기 의류 제품과 관련된 제 1 속성의 속성 특징들(attribute features)과 상기 사용자 ID 사이의 미리 설정된 대응관계(pre-established correspondence)에 근거하여, 상기 사용자 ID에 대응되는 속성 특징을 얻는 단계와, 상기 속성 특징에 근거하여 특정한 의류 제품을 가려내는 단계를 포함한다는 점을 개시한다.

이에 본 발명은 보다 개선된(enhanced) 상품을 판매 및 추천하는 온라인 플랫폼에 관한 서버를 제안하려고 한다.

국내특허공보 제10-2015-0036128호

본 발명의 일 실시예는 상품을 판매 및 추천하는 온라인 플랫폼에 관한 서버를 제공하는데 그 목적이 있다.

본 발명의 다양한 실시예들은, 온라인 쇼핑 시 네트워크 기술과 인공지능 시스템을 접목하여 사용자에게 편의를 제공하기 위한 방법 및 장치를 제공하고자 한다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 일 실시예에 따르면, 서버에 의하여 수행되는 상품 추천 방법이 제공된다. 상기 상품 추천 방법은, 장치(apparatus)로부터, 사용자에 의해 입력된, 상품에 관한 텍스트 정보를 수신하는 단계, 상기 텍스트 정보를 상기 서버의 데이터베이스에 저장된 AI 학습 모델(learning model)에 적용하여, 복수의 제1 추천 상품들을 포함하는 제1 추천 상품 세트를 결정하는 단계, 상기 제1 추천 상품 세트에 대한 정보를 상기 장치로 전송하는 단계, 상기 사용자가 상기 제1 추천 상품 세트에 포함된 상기 복수의 제1 추천 상품들 각각에 대한 채택(adoption)을 모두 거부한 경우, 상기 장치로부터, 상기 사용자의 상기 거부를 나타내는 채택 거부 메시지, 상기 제1 추천 상품들 중 상기 사용자에 의해 선택된(selected) 하나의 선택 상품에 대한 정보 및 상기 사용자에 의해 입력된, 상기 사용자의 관심 상품 이미지 정보를 수신하는 단계, 상기 텍스트 정보, 상기 선택 상품에 대한 정보 및 상기 관심 상품 이미지 정보를 상기 AI 학습 모델에 적용하여, 복수의 제2 추천 상품들을 포함하는 제2 추천 상품 세트를 결정하는 단계 및 상기 제2 추천 상품 세트에 대한 정보를 상기 장치로 전송하는 단계를 포함하는 것을 특징으로 한다.

일 실시예에서, 상기 AI 학습 모델은, 텍스트 및 이미지 중 적어도 하나에 관한 인공 신경망(artificial neural network)을 기반으로 할 수 있다.

일 실시예에 따른 상기 상품 추천 방법은, 상기 사용자가 상기 제1 추천 상품 세트에 포함된 상기 복수의 제1 추천 상품들 중 하나에 대한 채택을 승인한 경우, 상기 장치로부터 상기 사용자의 상기 승인을 나타내는 채택 승인 메시지를 수신하는 단계를 더 포함할 수 있다.

일 실시예에서, 상기 상품에 관한 상기 텍스트 정보는, 선호되는 상품 재질에 대한 텍스트 정보, 관심 상품 브랜드에 대한 텍스트 정보, 선호되는 상품 핏 스타일에 대한 텍스트 정보, 선호되는 상품 카테고리에 대한 텍스트 정보, 상품 가격 범위에 대한 텍스트 정보 및 상품 출시년도에 대한 텍스트 정보 중 적어도 하나를 포함할 수 있다.

일 실시예에서, 상기 선택 상품에 대한 정보는, 상기 선택 상품의 이미지에 대한 정보, 상기 선택 상품의 분류 코드에 대한 정보, 상기 선택 상품의 제품명에 대한 텍스트 정보 및 상기 선택 상품의 상품 카테고리에 대한 정보 중 적어도 하나를 포함할 수 있다.

일 실시예에서, 상기 사용자의 상기 관심 상품 이미지 정보는, 상기 장치에 의해 촬영된 촬영 이미지 정보, 상기 장치의 디스플레이 상에서 캡쳐된 캡쳐 이미지 정보 및 상기 장치의 데이터베이스에 저장된 이미지 파일 정보 중 적어도 하나를 포함할 수 있다.

일 실시예에서, 상기 텍스트 정보를 상기 AI 학습 모델에 적용하여 상기 제1 추천 상품 세트를 결정하는 상기 단계는, 상기 선호되는 상품 재질에 대한 텍스트 정보, 상기 관심 상품 브랜드에 대한 텍스트 정보, 상기 선호되는 상품 핏 스타일에 대한 텍스트 정보, 상기 선호되는 상품 카테고리에 대한 텍스트 정보, 상기 상품 가격 범위에 대한 텍스트 정보 및 상기 상품 출시년도에 대한 텍스트 정보를 상기 AI 학습 모델에 적용하여 상기 제1 추천 상품 세트를 결정하는 단계를 포함할 수 있다.

일 실시예에서, 상기 텍스트 정보, 상기 선택 상품에 대한 정보 및 상기 관심 상품 이미지 정보를 상기 AI 학습 모델에 적용하여 상기 제2 추천 상품 세트를 결정하는 상기 단계는, 상기 선호되는 상품 재질에 대한 텍스트 정보, 상기 관심 상품 브랜드에 대한 텍스트 정보, 상기 선호되는 상품 핏 스타일에 대한 텍스트 정보, 상기 선호되는 상품 카테고리에 대한 텍스트 정보, 상기 상품 가격 범위에 대한 텍스트 정보, 상기 상품 출시년도에 대한 텍스트 정보, 상기 선택 상품의 상기 이미지에 대한 정보, 상기 선택 상품의 상기 분류 코드에 대한 정보, 상기 선택 상품의 상기 제품명에 대한 텍스트 정보, 상기 선택 상품의 상품 카테고리에 대한 정보, 상기 촬영 이미지 정보, 상기 캡쳐 이미지 정보 및 상기 이미지 파일 정보를 상기 AI 학습 모델에 적용하여, 상기 제2 추천 상품 세트를 결정하는 단계를 포함할 수 있다.

본 발명의 일 실시예에 따르면, 상품 추천을 수행하는 서버가 제공된다. 상기 서버는, 데이터베이스(database), 장치(apparatus)와 통신을 수행하는 송수신부(transceiver) 및 상기 데이터베이스와 상기 송수신부를 제어하는 프로세서(processor)를 포함하되, 상기 프로세서는, 상기 장치로부터, 사용자에 의해 입력된, 상품에 관한 텍스트 정보를 수신하도록 상기 송수신부를 제어하고, 상기 텍스트 정보를 상기 데이터베이스에 저장된 AI 학습 모델(learning model)에 적용하여, 복수의 제1 추천 상품들을 포함하는 제1 추천 상품 세트를 결정하고, 상기 제1 추천 상품 세트에 대한 정보를 상기 장치로 전송하도록 상기 송수신부를 제어하고, 상기 사용자가 상기 제1 추천 상품 세트에 포함된 상기 복수의 제1 추천 상품들 각각에 대한 채택(adoption)을 모두 거부한 경우, 상기 장치로부터, 상기 사용자의 상기 거부를 나타내는 채택 거부 메시지, 상기 제1 추천 상품들 중 상기 사용자에 의해 선택된(selected) 하나의 선택 상품에 대한 정보 및 상기 사용자에 의해 입력된, 상기 사용자의 관심 상품 이미지 정보를 수신하도록 상기 송수신부를 제어하고, 상기 텍스트 정보, 상기 선택 상품에 대한 정보 및 상기 관심 상품 이미지 정보를 상기 AI 학습 모델에 적용하여, 복수의 제2 추천 상품들을 포함하는 제2 추천 상품 세트를 결정하고, 상기 제2 추천 상품 세트에 대한 정보를 상기 장치로 전송하도록 상기 송수신부를 제어하는 것을 특징으로 한다.

상기 프로세서는, 외부 카메라로부터 획득되는 영상에서 객체를 추출하고, 상기 추출된 객체와 관련되는 시간 정보를 획득하고, 상기 획득된 시간 정보와 소정의 시간 임계치를 고려하여 상기 제1 추천 상품 세트에 대한 정보 및 상기 제2 추천 상품 세트에 대한 정보를 결정하는 것을 특징으로 할 수 있다.

이와 같이 본 발명의 일 실시예는 개선된(enhanced) 온라인 플랫폼을 제공하는 서버를 제안한다는 측면에서 기술적인 효과를 갖는다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은 본 발명의 일 실시예에 따른 온라인 플랫폼을 제공하는 시스템을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 온라인 플랫폼을 운용하는 관리 서버를 나타내는 블록도이다.
도 3a 및 도 3b는 본 발명의 일 실시예에 따른 사용자 단말이 상품 추천 세트에 관한 이미지를 출력하는 일 예를 나타내는 도면이다.
도 4는 일 실시예에 따른 서버의 동작을 도시하는 흐름도이다.
도 5는 일 실시예에 따른 서버와 장치가, 사용자의 추천 채택 승인을 고려하여 데이터를 송수신하는 과정을 도시하는 흐름도이다.
도 6은 일 실시예에 따른 서버와 장치가, 사용자의 추천 채택 거부를 고려하여 데이터를 송수신하는 과정을 도시하는 흐름도이다.
도 7은 본 발명의 일 실시예에 따른 관리 서버의 제어 모듈을 나타내는 블록도이다.
도 8은 일 실시예에 따른 제어 모듈의 구성을 도시하는 블록도이다.
도 9는 본 발명의 일 실시예에 따른 방법을 나타내는 흐름도이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

실시예를 설명함에 있어서 본 발명이 속하는 기술 분야에 익히 알려져 있고 본 발명과 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 발명의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.

마찬가지 이유로 첨부 도면에 있어서 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.

또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.

이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.

본 발명의 실시예들을 구체적으로 설명함에 있어서, 특정 시스템의 예를 주된 대상으로 할 것이지만, 본 명세서에서 청구하고자 하는 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템 및 서비스에도 본 명세서에 개시된 범위를 크게 벗어나지 아니하는 범위에서 적용 가능하며, 이는 당해 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.

도 1은 본 발명의 일 실시예에 따른 온라인 플랫폼을 제공하는 시스템을 나타내는 도면이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 온라인 플랫폼을 제공하는 시스템은 관리 서버(management server)(110), 사용자 단말(120), 제1 네트워크 엔티티(network entity)(130), 제2 네트워크 엔티티(140), 제3 네트워크 엔티티(150), 및 제4 네트워크 엔티티(160)를 포함할 수 있다. 도 1의 경우, 총 4개의 네트워크 엔티티(130, 140, 150, 160)가 도시되어 있으나, 이는 도안화의 편의를 위해 일 예를 선택한 것에 불과하며, 본 발명의 시스템(100)에 포함되는 네트워크 엔티티의 개수는 이에 한정되지 아니하며, 본 발명의 시스템(100)은 관리 서버(110) 및 사용자 단말(120) 만을 포함할 수도 있다. 또한 관리 서버(110), 사용자 단말(120), 및 복수의 네트워크 엔티티(130, 140, 150, 160) 각각은 네트워크 노드(network node)로 호칭되거나 네트워크 장치(network apparatus)로 호칭될 수도 있다. 또한 도 1을 참조하면, 관리 서버(110)는 사용자 단말(120) 및 복수의 네트워크 엔티티(130, 140, 150, 160) 각각과 유무선 네트워크를 통해 연결될 수 있다. 또한 제1 네트워크 엔티티(130), 제2 네트워크 엔티티(140), 제3 네트워크 엔티티(150), 및 제4 네트워크 엔티티(160) 각각은 단말, 개인 컴퓨터, 및/또는 서버(예; 클라우드 서버, 웹 서버 등)를 포함할 수 있다. 여기서 단말은, 예를 들면, 스마트폰, 핸드폰, 스마트 TV, 셋톱박스(set-top box), 태블릿 PC, 디지털 카메라, 캠코더, 전자책 단말기, 디지털 방송용 단말기, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 착용형 기기(wearable device), 에어컨, 전자 레인지, 오디오, DVD 플레이어 등을 포함할 수 있다. 여기서 개인 컴퓨터는 노트북 컴퓨터(laptop computer), 데스크탑 등을 포함할 수 있다.

도 2는 본 발명의 일 실시예를 따른 관리 서버를 나타내는 블록도이다.

도 2를 참조하면, 관리 서버(110)는 제1 제어 모듈(210), 제1 통신 모듈(220), 제1 입력 모듈(230), 제1 출력 모듈(240), 및/또는 저장 모듈(250)을 포함할 수 있으며, 상기 관리 서버(110)는 본 발명의 온라인 플랫폼을 제공하거나 지원하는 웹사이트(및/또는 모바일앱)를 운용하는 서버일 수 있다. 또한 사용자 단말(120) 및 제1 네트워크 엔티티 내지 제4 네트워크 엔티티(130, 140, 150, 160) 각각은 제2 제어 모듈(260), 제2 통신 모듈(270), 제2 입력 모듈(280), 및/또는 제2 출력 모듈(290)을 포함할 수 있다.

제어 모듈(210, 260)은 본 발명의 일 실시예에 따른 동작/단계/과정을 구현할 수 있도록 관리 서버(110) 및/또는 사용자 단말(120)을 직/간접적으로 제어할 수 있다. 또한 제어 모듈(210, 260)은 적어도 하나의 프로세서를 포함할 수 있으며, 프로세서는 적어도 하나의 중앙 처리 유닛(CPU) 및/또는 적어도 하나의 그래픽 처리 디바이스(GPU)를 포함할 수 있다.

또한 제어 모듈(210, 260)은 API(Application Programming Interface), IoT(Internet of Things), IIoT(Industrial Internet of Things), ICT(Information & Communication Technology) 기술에 기반하여 제어 정보(예; 명령어) 등을 생성하거나 및/또는 관리할 수 있다.

통신 모듈(220, 270)은 관리 서버(110), 사용자 단말(120), 및/또는 네트워크 엔티티(130, 140, 150, 160) 등과 각종 데이터, 신호, 정보를 송수신할 수 있다. 또한, 통신 모듈(220, 270)은 무선 통신 모듈(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 또한, 통신 모듈(220, 270)은 제1 네트워크(예: 블루투스, WiFi direct 또는 IrDA(Infrared Data Association) 같은 근거리 통신 네트워크) 또는 제2 네트워크(예: 셀룰러 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부 전자 장치와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성 요소(예: 단일 칩)으로 통합되거나, 또는 서로 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다.

입력 모듈(230, 280)은 관리 서버(110), 사용자 단말(120), 및/또는 네트워크 엔티티(130, 140, 150, 160)의 구성요소(예: 제어 모듈(210) 등)에 사용될 명령 또는 데이터를 관리 서버(110) 및/또는 사용자 단말(120)의 외부(예: 사용자(예; 제1 사용자, 제2 사용자 등), 관리 서버(110)의 관리자 등)로부터 수신할 수 있다. 또한, 입력 모듈(230, 280)은 관리 서버(110) 및/또는 사용자 단말(120)에 설치된 터치인식가능 디스플레이, 터치패드, 버튼형 인식 모듈, 음성인식센서, 마이크, 마우스, 또는 키보드 등을 포함할 수 있다. 여기서 터치인식가능 디스플레이, 터치패드, 버튼형 인식 모듈은 감압식 및/또는 정전식 방식을 통하여 사용자의 신체(예; 손가락)를 통한 터치를 인식할 수 있다.

출력 모듈(240, 290)은 관리 서버(110) 및/또는 사용자 단말(120)의 제어 모듈(210, 260)에 의해 생성되거나 통신 모듈(220, 270)을 통하여 획득된 신호(예; 음성 신호), 정보, 데이터, 이미지, 및/또는 각종 객체(object) 등을 표시하는 모듈이다. 예를 들면, 출력 모듈(240, 290)은 디스플레이, 스크린, 표시부(displaying unit), 스피커 및/또는 발광장치(예; LED 램프) 등을 포함할 수 있다.

저장 모듈(250)은 관리 서버(110) 및/또는 사용자 단말(120)의 동작을 위한 기본 프로그램, 응용 프로그램, 설정 정보 등의 데이터를 저장한다. 또한, 저장 모듈은 플래시 메모리 타입(Flash Memory Type), 하드 디스크 타입(Hard Disk Type), 멀티미디어 카드 마이크로 타입(Multimedia Card Micro Type), 카드 타입의 메모리(예를 들면, SD 또는 XD 메모리 등), 자기 메모리, 자기 디스크, 광디스크, 램(Random Access Memory, RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory, ROM), PROM(Programmable Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory) 중 적어도 하나의 저장매체를 포함할 수 있다.

또한, 저장 모듈(250)은 관리 서버(110) 및/또는 사용자 단말(120)을 사용하는 고객(제1 사용자)의 개인정보, 관리자(제2 사용자)의 개인정보 등을 저장할 수 있다. 여기서 개인정보는 이름, 아이디(ID; identifier), 패스워드, 주민등록번호, 도로명 주소, 전화 번호, 휴대폰 번호, 이메일 주소, 및/또는 관리 서버(110)에 의해 생성되는 리워드(reward)(예; 포인트 등)를 나타내는 정보 등을 포함할 수 있다. 또한, 제어 모듈(210, 260)은 상기 저장 모듈(250)에 저장된 각종 이미지, 프로그램, 컨텐츠, 데이터 등을 이용하여 다양한 동작을 수행할 수 있다.

도 3a 및 도 3b는 본 발명의 일 실시예에 따른 사용자 단말이 의류 추천 세트에 관한 이미지를 출력하는 일 예를 나타내는 도면이다.

본 발명에서 "서버(110)"는 네트워크를 통해 외부 장치(120, 130, 140, 150, 160)들과 통신하는 서버(server)의 일종으로서, 온라인 쇼핑몰을 운용하기 위한 서버를 나타낼 수 있다. 일 예시에서, 상기 서버(110)는, 일반적인 서버용 하드웨어에 도스, 윈도우, 리눅스, 유닉스, 매킨토시 등의 운영체제에 따라 다양하게 제공되고 있는 웹서버 프로그램을 이용하여 구현될 수 있다.

본 명세서에서 상기 장치(120)와 상기 서버(110)는, 통신망을 통해 통신할 수 있다. 상기 통신망은, 예를 들어 무선 통신망 또는 유선 통신망일 수 있다. 상기 무선 통신망은, 예를 들어 LTE (Long Term Evolution) RAT(Radio Access Technology), NR(New Radio) RAT, WiFi 등에 기반한 통신망일 수 있다.

본 명세서에서 "제1 추천 의류 세트"는 서버(110)가 장치로부터 수신한 의류 관련 정보를 기반으로 도출한 복수의 제1 추천 의류들의 집합을 나타낼 수 있다. 또한, 본 명세서에서 "제2 추천 의류 세트"는, 사용자가 상기 제1 추천 의류 세트 내 상기 복수의 추천 의류들 각각에 대한 채택을 모두 거부한 경우, 상기 서버(110)가 상기 의류 관련 정보(clothing related information) 및 상기 장치로부터 수신한 추가 의류 관련 정보(additional clothing related information)를 기반으로 도출한 제2 추천 의류들의 집합을 나타낼 수 있다.

사용자의 장치(120)는 서버(110)와 상호 통신을 수행할 수 있고, 사용자는 장치(120)가 서버(110)와의 통신을 기반으로 획득한 의류 추천 정보를 장치(120)의 디스플레이를 통해 확인할 수 있다.

일 실시예에 따른 서버(110)는, 일 실시예에 따른 장치(120)로부터 의류 관련 정보를 수신할 수 있다. 서버(110)는, 상기 수신한 의류 관련 정보를 상기 서버(110)의 데이터베이스에 저장된 적어도 하나의 프로그램에 기반한 AI(Artificial Intelligence) 학습 모델(learning model)에 적용하여, 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 결정할 수 있다.

서버(110)는, 상기 제1 추천 의류 세트에 대한 정보를 장치(120)로 전송할 수 있다. 장치(120)는, 사용자의 입력(input)을 기반으로, 사용자의 상기 제1 추천 의류 세트에 포함된 복수의 제1 추천 의류들 각각에 대한 채택 여부를 확인할 수 있다.

장치(120)는, 사용자가 제1 추천 의류 세트에 포함된 복수의 제1 추천 의류들 각각에 대한 채택을 모두 거부한 경우, 사용자의 상기 거부를 나타내는 채택 거부 메시지 및 추가 의류 관련 정보(additional clothing related information)를 서버(110)로 전송할 수 있다.

서버(110)는, 상기 의류 관련 정보 및 상기 추가 의류 관련 정보를 상기 서버(110)의 데이터베이스에 저장된 적어도 하나의 프로그램에 기반한 AI 학습 모델에 적용하여, 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트를 결정할 수 있다. 서버(110)는, 상기 제2 추천 의류 세트에 대한 정보를 장치(120)로 전송할 수 있다.

도 1은, 장치(120)가 상기 제2 추천 의류 세트에 대한 정보를 기반으로 제2 추천 의류들(310, 320)을 디스플레이 하는 예시를 나타내고 있다. 사용자는 상기 제2 추천 의류들(310, 320) 중 하나를 채택할 수도 있고, 도 1의 장치(120)의 스크린에 디스플레이 된 "채택 모두 거부하기(330)"를 탭하여 상기 제2 추천 의류들(310, 320)에 대한 채택을 거부할 수 있다. 상기 제2 추천 의류들(310, 320)에 대한 채택이 거부되는 경우, 상술된 원리와 마찬가지로 '또 다른 추가 의류 관련 정보'가 장치(120)에서 서버(110)로 전송되고, 서버(110)가 상기 의류 관련 정보, 상기 추가 의류 관련 정보 및 상기 또 다른 추가 의류 관련 정보를 상기 AI 학습 모델에 적용하여 제3 의류 추천 세트를 결정할 수 있음은 당해 기술 분야의 통상의 기술자에게 용이하게 이해될 것이다.

도 4의 흐름도에 개시된 동작들은, 본 발명의 다양한 실시예들과 결합하여 수행될 수 있다.

단계 S410에서, 일 실시예에 따른 서버(110)는, 장치(apparatus)(120)로부터, 사용자에 의해 입력된, 의류에 관한 텍스트 정보를 수신할 수 있다.

일 실시예에서, 상기 의류에 관한 상기 텍스트 정보는, 선호되는 의류 재질에 대한 텍스트 정보, 관심 의류 브랜드에 대한 텍스트 정보, 선호되는 의류 핏 스타일에 대한 텍스트 정보, 선호되는 의류 카테고리에 대한 텍스트 정보, 의류 가격 범위에 대한 텍스트 정보 및 의류 출시년도에 대한 텍스트 정보 중 적어도 하나를 포함할 수 있다.

상기 선호되는 의류 재질에 대한 텍스트 정보는, 예를 들어 부드러운 원단을 선호함을 나타내는 텍스트 정보, 영국에서 수입된 원단을 선호함을 나타내는 텍스트 정보, 이탈리아에서 수입된 원단을 선호함을 나타내는 텍스트 정보, 거친 느낌의 원단을 선호함을 나타내는 텍스트 정보, 광택이 나는 의류 재질을 선호함을 나타내는 텍스트 정보 등을 포함할 수 있다. 일 예시에서, 상기 부드러운 원단을 선호함을 나타내는 텍스트 정보는, "부드러운 원단 선호", "부드러운 원단", "I prefer soft fabric" 등으로 표현될 수 있다.

상기 관심 의류 브랜드에 대한 텍스트 정보는, 예를 들어 A 브랜드에 대한 관심을 나타내는 텍스트 정보, B 브랜드에 대한 관심을 나타내는 텍스트 정보 등을 포함할 수 있다. 일 예시에서, 상기 A 브랜드에 대한 관심을 나타내는 텍스트 정보는, "A브랜드 관심", "A브랜드", "I like A brand" 등으로 표현될 수 있다.

상기 선호되는 의류 핏 스타일에 대한 텍스트 정보는, 예를 들어 오버핏(over fit)을 선호함을 나타내는 텍스트 정보, 새미 오버핏(semi-over fit)을 선호함을 나타내는 텍스트 정보, 스키니(skinny) 핏을 선호함을 나타내는 텍스트 정보, 루즈 핏을 선호함을 나타내는 텍스트 정보 등을 포함할 수 있다. 일 예시에서, 상기 오버핏을 선호함을 나타내는 텍스트 정보는, "오버핏 선호", "오버핏", "I prefer over fit" 등으로 표현될 수 있다.

상기 선호되는 의류 카테고리에 대한 텍스트 정보는, 예를 들어 코트를 선호함을 나타내는 텍스트 정보, 패딩을 선호함을 나타내는 텍스트 정보, 가디건을 선호함을 나타내는 텍스트 정보, 청바지를 선호함을 나타내는 텍스트 정보 등을 포함할 수 있다. 일 예시에서, 상기 코트를 선호함을 나타내는 텍스트 정보는, "코트 선호", "코트", "I prefer coat" 등으로 표현될 수 있다.

상기 의류 가격 범위에 대한 텍스트 정보는, 예를 들어 100만원 이하를 요청하는 텍스트 정보, 50만원 이하를 요청하는 텍스트 정보 등을 포함할 수 있다.

상기 의류 출시년도에 대한 텍스트 정보는, 예를 들어 2016년에서 2018년에 출시된 의류를 선호함을 나타내는 정보, 2020년에 출시된 의류를 선호함을 나타내는 정보 등을 포함할 수 있다.

단계 S420에서, 일 실시예에 따른 서버는, 상기 텍스트 정보를 상기 서버의 데이터베이스에 저장된 AI(Artificial Intelligence) 학습 모델(learning model)에 적용하여, 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 결정할 수 있다.

일 실시예에서, 상기 AI 학습 모델은, 텍스트 및 이미지 중 적어도 하나에 관한 인공 신경망(artificial neural network)을 기반으로 할 수 있다.

상기 AI 학습 모델은, 기계 학습(딥러닝)을 통해 인공지능 시스템을 구현하는 과정에서 이용될 수 있다. 상기 기계 학습은, 입력 데이터들의 특징을 (장치 또는 장치 내 모듈이) 스스로 분류 및/또는 학습하는 알고리즘 기술을 의미한다. 상기 AI 학습 모델을 구현하기 위한 서버의 구성에 대하여는, 도 7 및 도 8에서 보다 구체적으로 설명하기로 한다.

일 실시예에서, 상기 서버는, 상기 선호되는 의류 재질에 대한 텍스트 정보, 상기 관심 의류 브랜드에 대한 텍스트 정보, 상기 선호되는 의류 핏 스타일에 대한 텍스트 정보, 상기 선호되는 의류 카테고리에 대한 텍스트 정보, 상기 의류 가격 범위에 대한 텍스트 정보 및 상기 의류 출시년도에 대한 텍스트 정보를 상기 AI 학습 모델에 적용하여 상기 제1 추천 의류 세트를 결정할 수 있다.

상기 단계 S420은, 예를 들어 상기 선호되는 의류 재질에 대한 텍스트 정보, 상기 관심 의류 브랜드에 대한 텍스트 정보, 상기 선호되는 의류 핏 스타일에 대한 텍스트 정보, 상기 선호되는 의류 카테고리에 대한 텍스트 정보, 상기 의류 가격 범위에 대한 텍스트 정보 및 상기 의류 출시년도에 대한 텍스트 정보를 상기 AI 학습 모델에 적용하여 상기 제1 추천 의류 세트를 결정하는 단계를 포함할 수 있다.

단계 S430에서, 일 실시예에 따른 서버는, 상기 제1 추천 의류 세트에 대한 정보를 상기 장치로 전송할 수 있다.

일 실시예에서, 상기 제1 추천 의류 세트에 대한 정보는, 상기 제1 추천 의류 세트에 포함된 제1 추천 의류들의 이미지에 대한 정보, 상기 제1 추천 의류들의 분류 코드에 대한 정보, 상기 제1 추천 의류들의 제품명에 대한 텍스트 정보 및 상기 제1 추천 의류들의 의류 카테고리에 대한 정보 중 적어도 하나를 포함할 수 있다.

단계 S440에서, 일 실시예에 따른 서버는, 상기 사용자가 상기 제1 추천 의류 세트에 포함된 상기 복수의 제1 추천 의류들 각각에 대한 채택(adoption)을 모두 거부한 경우, 상기 장치로부터, 상기 사용자의 상기 거부를 나타내는 채택 거부 메시지, 상기 제1 추천 의류들 중 상기 사용자에 의해 선택된(selected) 하나의 선택 의류에 대한 정보 및 상기 사용자에 의해 입력된, 상기 사용자의 관심 의류 이미지 정보를 수신할 수 있다.

상기 선택 의류는, 비록 사용자가 상기 제1 추천 의류 세트에 포함된 상기 복수의 제1 추천 의류들 각각에 대한 채택을 모두 거부하였지만, 제2 추천 의류 세트를 결정할 때 이용하기 위해 상기 복수의 제1 추천 의류들 중에서 상기 사용자에 의해 선택된 하나의 의류를 나타낸다. 상기 선택 의류는, 상기 서버가 상기 AI 학습 모델을 기반으로 제2 추천 의류 세트를 결정할 때 이용될 수 있다.

일 실시예에서, 상기 선택 의류에 대한 정보는, 상기 선택 의류의 이미지에 대한 정보, 상기 선택 의류의 분류 코드에 대한 정보, 상기 선택 의류의 제품명에 대한 텍스트 정보 및 상기 선택 의류의 의류 카테고리에 대한 정보 중 적어도 하나를 포함할 수 있다.

일 실시예에서, 상기 사용자의 상기 관심 의류 이미지 정보는, 상기 장치에 의해 촬영된 촬영 이미지 정보, 상기 장치의 디스플레이 상에서 캡쳐된 캡쳐 이미지 정보 및 상기 장치의 데이터베이스에 저장된 이미지 파일 정보 중 적어도 하나를 포함할 수 있다.

일 예시에서, 상기 촬영 이미지 정보는, 스마트폰에 의해 촬영된 이미지 정보를 나타낼 수 있다.

일 예시에서, 상기 캡쳐 이미지 정보는, PC 화면 내에서 캡쳐된 이미지 정보를 나타낼 수 있다.

일 예시에서, 상기 이미지 파일 정보는, PC의 데이터베이스에 저장된 jpg 파일을 나타낼 수 있다.

일 실시예에서, 상기 사용자가 상기 제1 추천 의류 세트에 포함된 상기 복수의 제1 추천 의류들 중 하나에 대한 채택을 승인한 경우, 상기 서버는 상기 장치로부터 상기 사용자의 상기 승인을 나타내는 채택 승인 메시지를 수신할 수 있다.

단계 S450에서, 일 실시예에 따른 서버는, 상기 텍스트 정보, 상기 선택 의류에 대한 정보 및 상기 관심 의류 이미지 정보를 상기 AI 학습 모델에 적용하여, 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트를 결정할 수 있다.

상기 단계 S450은, 예를 들어 상기 선호되는 의류 재질에 대한 텍스트 정보, 상기 관심 의류 브랜드에 대한 텍스트 정보, 상기 선호되는 의류 핏 스타일에 대한 텍스트 정보, 상기 선호되는 의류 카테고리에 대한 텍스트 정보, 상기 의류 가격 범위에 대한 텍스트 정보, 상기 의류 출시년도에 대한 텍스트 정보, 상기 선택 의류의 상기 이미지에 대한 정보, 상기 선택 의류의 상기 분류 코드에 대한 정보, 상기 선택 의류의 상기 제품명에 대한 텍스트 정보, 상기 선택 의류의 의류 카테고리에 대한 정보, 상기 촬영 이미지 정보, 상기 캡쳐 이미지 정보 및 상기 이미지 파일 정보를 상기 AI 학습 모델에 적용하여, 상기 제2 추천 의류 세트를 결정하는 단계를 포함할 수 있다.

단계 S460에서, 일 실시예에 따른 서버는, 상기 제2 추천 의류 세트에 대한 정보를 상기 장치로 전송할 수 있다.

일 실시예에서, 상기 제2 추천 의류 세트에 대한 정보는, 상기 제2 추천 의류 세트에 포함된 제2 추천 의류들의 이미지에 대한 정보, 상기 제2 추천 의류들의 분류 코드에 대한 정보, 상기 제2 추천 의류들의 제품명에 대한 텍스트 정보 및 상기 제2 추천 의류들의 의류 카테고리에 대한 정보 중 적어도 하나를 포함할 수 있다.

도 5는 일 실시예에 따른 서버와 장치가, 사용자의 추천 채택 승인을 고려하여 데이터를 송수신하는 과정을 도시하는 흐름도이다.

도 5에서는, 도 4에서 전술된 내용에 대한 설명을 생략하거나, 간단히 서술하기로 한다.

단계 S510에서, 일 실시예에 따른 장치(120)는 서버(110)로 의류에 관한 텍스트 정보를 전송할 수 있다.

단계 S520에서, 일 실시예에 따른 서버(110)는, 텍스트 정보를 데이터베이스에 저장된 AI 학습 모델에 적용하여, 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 결정할 수 있다.

단계 S530에서, 일 실시예에 따른 서버(110)는, 제1 추천 의류 세트에 대한 정보를 장치(120)로 전송할 수 있다.

단계 S540에서, 일 실시예에 따른 장치(120)는, 사용자로부터의 입력을 기반으로, 사용자가 제1 추천 의류 세트에 포함된 복수의 제1 추천 의류들 중 하나에 대한 채택을 승인하였음을 확인할 수 있다.

일 예시에서, 상기 장치(120)는 스마트폰일 수 있고, 상기 스마트폰은 사용자로부터 수신한 터치 입력을 기반으로, 사용자가 제1 추천 의류 세트에 포함된 복수의 제1 추천 의류들 중 하나에 대한 채택을 승인하였음을 확인할 수 있다. 사용자는 스마트폰에 디스플레이 되는 복수의 제1 추천 의류들 중 하나를 터치함으로써, 채택을 승인할 수 있다.

단계 S550에서, 일 실시예에 따른 장치(120)는, 상기 사용자가 상기 복수의 제1 추천 의류들 중 하나에 대한 채택을 승인하였음을 나타내는 채택 승인 메시지를 상기 서버(110)로 전송할 수 있다.

도 6은 일 실시예에 따른 서버와 장치가, 사용자의 추천 채택 거부를 고려하여 데이터를 송수신하는 과정을 도시하는 흐름도이다.

도 6에서는, 도 4 또는 도 5에서 전술된 내용에 대한 설명을 생략하거나, 간단히 서술하기로 한다.

단계 S610에서, 일 실시예에 따른 장치(120)는 서버(110)로 의류에 관한 텍스트 정보를 전송할 수 있다.

단계 S620에서, 일 실시예에 따른 서버(110)는, 텍스트 정보를 데이터베이스에 저장된 AI 학습 모델에 적용하여, 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 결정할 수 있다.

단계 S630에서, 일 실시예에 따른 서버(110)는, 제1 추천 의류 세트에 대한 정보를 장치(120)로 전송할 수 있다.

단계 S640에서, 일 실시예에 따른 장치(120)는, 사용자로부터의 입력을 기반으로, 사용자가 제1 추천 의류 세트에 포함된 복수의 제1 추천 의류들 각각에 대한 채택을 모두 거부하였음을 확인(또는 결정)할 수 있다.

일 예시에서, 상기 장치(120)는 스마트폰일 수 있고, 상기 스마트폰은 사용자로부터 수신한 터치 입력을 기반으로, 사용자가 제1 추천 의류 세트에 포함된 복수의 제1 추천 의류들 각각에 대한 채택을 모두 거부하였음을 확인할 수 있다. 사용자는 스마트폰에 디스플레이 되는 "모든 채택 거부" 텍스트 및/또는 아이콘을 터치함으로써, 채택을 거부할 수 있다.

단계 S650에서, 일 실시예에 따른 장치(120)는, 채택 거부 메시지, 선택 의류에 대한 정보 및 관심 의류 이미지 정보를 서버(110)로 전송할 수 있다.

단계 S660에서, 일 실시예에 따른 서버(110)는, 텍스트 정보, 선택 의류에 대한 정보 및 관심 의류 이미지 정보를 AI 학습 모델에 적용하여, 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트를 결정할 수 있다.

단계 S670에서, 일 실시예에 따른 서버(110)는, 제2 추천 의류 세트에 대한 정보를 장치(120)로 전송할 수 있다.

도 7은 본 발명의 일 실시예에 따른 관리 서버의 제어 모듈을 나타내는 블록도이다.

제어 모듈(210)은 서버(110)의 전반적인 동작을 제어할 수 있다. 일 예시에서, 제어 모듈(210)은 서버(110)의 데이터베이스(250)에 저장된 프로그램들을 실행함으로써, 데이터베이스(250) 및 송수신부(220) 등을 전반적으로 제어할 수 있다. 일 예시에서, 제어 모듈(210)은 서버(110)의 데이터베이스(250)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 4에서 전술된 서버(110)의 동작의 일부를 수행할 수 있다.

일 실시예에 따른 제어 모듈(210)은, 상기 장치로부터, 사용자에 의해 입력된, 의류에 관한 텍스트 정보를 수신하도록 상기 송수신부를 제어할 수 있다. 또한, 제어 모듈(210)은 상기 텍스트 정보를 상기 데이터베이스에 저장된 AI 학습 모델(learning model)에 적용하여, 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 결정할 수 있다. 또한, 제어 모듈(210)은 상기 제1 추천 의류 세트에 대한 정보를 상기 장치로 전송하도록 상기 송수신부를 제어할 수 있다. 또한, 제어 모듈(210)은 상기 사용자가 상기 제1 추천 의류 세트에 포함된 상기 복수의 제1 추천 의류들 각각에 대한 채택(adoption)을 모두 거부한 경우, 상기 장치로부터, 상기 사용자의 상기 거부를 나타내는 채택 거부 메시지, 상기 제1 추천 의류들 중 상기 사용자에 의해 선택된(selected) 하나의 선택 의류에 대한 정보 및 상기 사용자에 의해 입력된, 상기 사용자의 관심 의류 이미지 정보를 수신하도록 상기 송수신부를 제어할 수 있다. 또한, 제어 모듈(210)은 상기 텍스트 정보, 상기 선택 의류에 대한 정보 및 상기 관심 의류 이미지 정보를 상기 AI 학습 모델에 적용하여, 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트를 결정할 수 있다. 또한, 제어 모듈(210)은 상기 제2 추천 의류 세트에 대한 정보를 상기 장치로 전송하도록 상기 송수신부를 제어할 수 있다.

도 7은 본 발명의 일 실시예에 따른 관리 서버의 제어 모듈을 나타내는 블록도이다.

도 7을 참조하면, 관리 서버(110)의 제어 모듈(210)은 인공지능 모듈(700)을 포함할 수 있으며, 제어 모듈(210)에 대한 설명을 한 후에 인공지능 모듈(700)에 대한 설명을 기재한다.

제어 모듈(210)은 서버(110)의 전반적인 동작을 제어할 수 있다. 일 예시에서, 제어 모듈(210)은 서버(110)의 데이터베이스(250)에 저장된 프로그램들을 실행함으로써, 데이터베이스(250) 및 송수신부(220) 등을 전반적으로 제어할 수 있다. 일 예시에서, 제어 모듈(210)은 서버(110)의 데이터베이스(250)에 저장된 프로그램들을 실행함으로써, 도 3a 내지 도 6에서 전술된 서버(110)의 동작의 일부를 수행할 수 있다.

제어 모듈(210)은, 상기 장치(120)로부터, 사용자에 의해 입력된, 의류에 관한 텍스트 정보를 수신하도록 상기 송수신부(220)를 제어할 수 있다. 또한, 제어 모듈(210)은 상기 텍스트 정보를 상기 데이터베이스에 저장된 AI 학습 모델(learning model)에 적용하여, 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 결정할 수 있다. 또한, 제어 모듈(210)은 상기 제1 추천 의류 세트에 대한 정보를 상기 장치로 전송하도록 상기 송수신부(220)를 제어할 수 있다. 또한, 제어 모듈(210)은 상기 사용자가 상기 제1 추천 의류 세트에 포함된 상기 복수의 제1 추천 의류들 각각에 대한 채택(adoption)을 모두 거부한 경우, 상기 장치로부터, 상기 사용자의 상기 거부를 나타내는 채택 거부 메시지, 상기 제1 추천 의류들 중 상기 사용자에 의해 선택된(selected) 하나의 선택 의류에 대한 정보 및 상기 사용자에 의해 입력된, 상기 사용자의 관심 의류 이미지 정보를 수신하도록 상기 송수신부(220)를 제어할 수 있다. 또한, 제어 모듈(210)은 상기 텍스트 정보, 상기 선택 의류에 대한 정보 및 상기 관심 의류 이미지 정보를 상기 AI 학습 모델에 적용하여, 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트를 결정할 수 있다. 또한, 제어 모듈(210)은 상기 제2 추천 의류 세트에 대한 정보를 상기 장치로 전송하도록 상기 송수신부(220)를 제어할 수 있다.

인공지능 모듈(700)은 인공지능망에 기반하여 소정의 임계치(예; 제1 임계치, 제2 임계치)를 생성할 수 있다. 또한, 인공지능 모듈(700)은 저장 모듈(250)에 저장된 빅데이터(big data)에 기계 학습(machine learning)을 이용하여 상기 소정의 임계치를 설정할 수 있다.

또한, 인공지능 모듈(700)은 관리 서버(110)의 저장 모듈(250)에 저장된 빅데이터를 입력변수로 하여 인공지능망을 학습시키는데, 구체적으로는 머신러닝의 한 분야인 딥러닝(Deep Learning) 기법을 이용하여 정확한 상관 관계가 도출될 수 있도록 학습을 수행한다.

또한 인공지능 모듈(700)은 딥러닝을 통하여 상기 함수에서의 복수 개의 입력들의 가중치(weight)를 학습을 통하여 산출할 수 있다. 또한, 이러한 학습을 위하여 활용되는 인공지능망 모델로는 RNN(Recurrent Neural Network), DNN(Deep Neural Network) 및 DRNN(Dynamic Recurrent Neural Network) 등 다양한 모델들을 활용할 수 있을 것이다.

여기서 RNN은 현재의 데이터와 과거의 데이터를 동시에 고려하는 딥 러닝 기법으로서, 순환 신경망(RNN)은 인공 신경망을 구성하는 유닛 사이의 연결이 방향성 사이클(directed cycle)을 구성하는 신경망을 나타낸다. 나아가, 순환 신경망(RNN)을 구성할 수 있는 구조에는 다양한 방식이 사용될 수 있는데, 예컨대, 완전순환망(Fully Recurrent Network), 홉필드망(Hopfield Network), 엘만망(Elman Network), ESN(Echo state network), LSTM(Long short term memory network), 양방향(Bi-directional) RNN, CTRNN(Continuous-time RNN), 계층적 RNN, 2차 RNN 등이 대표적인 예이다. 또한, 순환 신경망(RNN)을 학습시키기 위한 방법으로서, 경사 하강법, Hessian Free Optimization, Global Optimization Method 등의 방식이 사용될 수 있다.

도 8은 일 실시예에 따른 제어 모듈의 구성을 도시하는 블록도이다.

도 8에 도시된 바와 같이, 일 실시예에 따른 인공지능 모듈(700)은 데이터획득부(810), 학습 데이터 선택부(820), 학습 모델 실행부(830) 및/또는 학습 결과 제공부(840)를 포함할 수 있다.

일 실시예에 따른 데이터 획득부(810)는, 사용자의 의도를 판단하고, 연관 정보를 제공하고, 대체 동작을 추천하기 위해 필요한 데이터를 획득할 수 있다. 또는, 데이터 획득부(810)는, 사용자의 의도를 판단하고, 연관 정보를 제공하고, 대체 동작을 추천하기 위한 학습을 위하여 필요한 데이터를 획득할 수 있다.

일 예시에서, 데이터 획득부(810)는, 예를 들어 사용자 음성, 이미지 정보, 소정의 컨텍스트 정보 중 적어도 하나를 획득할 수 있다. 일 예시에서, 데이터 획득부(810)는, 획득된 데이터를 기 정의된(pre-defined) 포맷으로 전환(convert)할 수 있다.

일 실시예에 따른 학습 데이터 선택부(820)는, 데이터 획득부(810)가 획득한 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 예를 들어, 학습 데이터 선택부(820)는 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위한 기 정의된 기준에 따라, 데이터 획득부(810)가 획득한 데이터 중에서 학습에 필요한 데이터를 선택할 수 있다. 또는, 학습 데이터 선택부(820)는 학습 모델 실행부(830)에 의한 학습을 기반으로 기 정의된 기준에 따라 데이터를 선택할 수도 있다.

일 실시예에 따른 학습 모델 실행부(830)는, 학습 데이터를 기반으로 사용자의 의도를 어떻게 판단하고, 연관 정보를 어떻게 결정하고, 대체 동작을 어떻게 추천할 지에 관한 기준을 학습할 수 있다. 또한, 학습 모델 실행부(830)는 사용자의 의도 판단, 연관 정보의 결정 및 대체 동작의 추천을 위하여 어떤 학습 데이터를 이용해야 하는 지에 대한 기준을 학습할 수도 있다.

또한, 학습 모델 실행부(830)는 사용자의 의도 판단, 연관 정보의 결정 및 대체 동작의 추천에 이용되는 AI 학습 모델을 학습 데이터를 이용하여 학습시킬 수 있다. 이 경우, AI 학습 모델은 미리 구축된 모델일 수 있다. 예를 들어, AI 학습 모델은 기본 학습 데이터(예를 들어, 샘플 데이터 등)을 입력 받아 미리 구축된 모델일 수 있다.

AI 학습 모델은, 학습 모델의 적용 분야, 학습의 목적 또는 장치의 컴퓨터 성능 등을 고려하여 구축될 수 있다. AI 학습 모델은, 예를 들어, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 AI 학습 모델로서 사용될 수 있으나, 실시예는 이에 한정되지 않는다.

일 실시예에 따른 학습 모델 실행부(830)는, 미리 구축된 AI 학습 모델이 복수 개가 존재하는 경우, 입력된 학습 데이터와 기본 학습 데이터의 관련성이 큰 AI 학습 모델을 학습할 AI 학습 모델로 결정할 수 있다. 이 경우, 기본 학습 데이터는 데이터의 타입 별로 기 분류되어 있을 수 있으며, AI 학습 모델은 데이터의 타입 별로 미리 구축되어 있을 수 있다. 예를 들어, 기본 학습 데이터는 학습 데이터가 생성된 지역, 학습 데이터가 생성된 시간, 학습 데이터의 크기, 학습 데이터의 장르, 학습 데이터의 생성자, 학습 데이터 내의 오브젝트의 종류 등과 같은 다양한 기준으로 기 분류되어 있을 수 있다.

일 실시예에 따른 학습 모델 실행부(830)는, 예를 들어, 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient descent)을 포함하는 학습 알고리즘 등을 이용하여 AI 학습 모델을 학습시킬 수 있다.

일 실시예에 따른 학습 모델 실행부(830)는, 예를 들어 학습 데이터를 입력 값으로 하는 지도 학습(supervised learning)을 통하여, AI 학습 모델을 학습시킬 수 있다. 또한, 학습 모델 실행부(830)는, 예를 들어 별다른 지도없이 사용자의 의도를 판단하고, 연관 정보를 제공하고, 대체 동작을 추천하기 위해 필요한 데이터의 종류를 스스로 학습함으로써, 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천을 위한 기준을 발견하는 비지도 학습(unsupervised learning)을 수행할 수 있다. 상기 비지도 학습을 통하여, 학습 모델 실행부(830)는 AI 학습 모델을 학습시킬 수 있다. 또한, 학습 모델 실행부(830)는, 예를 들어, 학습에 따른 사용자의 의도 판단, 연관 정보의 제공 및 대체 동작의 추천의 결과가 올바른 지에 대한 피드백을 이용하는 강화 학습(reinforcement learning)을 통하여, AI 학습 모델을 학습시킬 수 있다.

또한, AI 학습 모델이 학습되면, 학습 모델 실행부(830)는 학습된 AI 학습 모델을 저장할 수 있다. 이 경우, 학습 모델 실행부(830)는 학습된 AI 학습 모델을 서버(110)의 데이터베이스(250)에 저장할 수 있다. 또는, 학습 모델 실행부(830)는 학습된 AI 학습 모델을 서버(110)와 유선 또는 무선 네트워크로 연결되는 서버 또는 장치의 메모리 또는 데이터베이스에 저장할 수도 있다.

일 실시예에 따른 학습 모델 실행부(830)는, 사용자에 의해 입력된, 의류에 관한 텍스트 정보를 상기 서버(110)의 데이터베이스(250)에 저장된 AI(Artificial Intelligence) 학습 모델(learning model)에 적용하여, 복수의 제1 추천 의류들을 포함하는 제1 추천 의류 세트를 결정할 수 있다.

일 실시예에 따른 학습 모델 실행부(830)는, 도 4에서 전술된 상기 선호되는 의류 재질에 대한 텍스트 정보, 상기 관심 의류 브랜드에 대한 텍스트 정보, 상기 선호되는 의류 핏 스타일에 대한 텍스트 정보, 상기 선호되는 의류 카테고리에 대한 텍스트 정보, 상기 의류 가격 범위에 대한 텍스트 정보 및 상기 의류 출시년도에 대한 텍스트 정보를 상기 AI 학습 모델에 적용하여 상기 제1 추천 의류 세트를 결정할 수 있다.

일 실시예에 따른 학습 모델 실행부(830)는, 도 4에서 전술된 상기 텍스트 정보, 상기 선택 의류에 대한 정보 및 상기 관심 의류 이미지 정보를 상기 AI 학습 모델에 적용하여, 복수의 제2 추천 의류들을 포함하는 제2 추천 의류 세트를 결정할 수 있다.

일 실시예에 따른 학습 모델 실행부(830)는, 도 4에서 전술된 상기 선호되는 의류 재질에 대한 텍스트 정보, 상기 관심 의류 브랜드에 대한 텍스트 정보, 상기 선호되는 의류 핏 스타일에 대한 텍스트 정보, 상기 선호되는 의류 카테고리에 대한 텍스트 정보, 상기 의류 가격 범위에 대한 텍스트 정보, 상기 의류 출시년도에 대한 텍스트 정보, 상기 선택 의류의 상기 이미지에 대한 정보, 상기 선택 의류의 상기 분류 코드에 대한 정보, 상기 선택 의류의 상기 제품명에 대한 텍스트 정보, 상기 선택 의류의 의류 카테고리에 대한 정보, 상기 촬영 이미지 정보, 상기 캡쳐 이미지 정보 및 상기 이미지 파일 정보를 상기 AI 학습 모델에 적용하여, 상기 제2 추천 의류 세트를 결정할 수 있다.

일 실시예에 따른 학습 결과 제공부(840)는, 상기 학습 모델 실행부(830)에서 학습된 AI 학습 모델을 기반으로, (기계) 학습 결과를 도출 또는 획득할 수 있다. 학습 결과 제공부(840)는, 상기 (기계) 학습 결과를 데이터베이스(250) 또는 송수신부(220)로 제공할 수 있다.

도 9는 본 발명의 일 실시예에 따른 방법을 나타내는 흐름도이다.

본 발명은 제1 판매자가 입력하는 제1 저작권 정보와 제2 판매자가 입력하는 제2 저작권 정보에 기반하여 결정되는 추천 의류를 사용자에게 제공하는 방법을 제안할 수 있다.

도 9를 참조하면, 본 발명의 관리 서버(110)는 제1 판매자가 사용하는 제1 판매자 단말(140)로부터 제1 저작권 정보를 획득할 수 있다(S910).

여기서 제1 저작권 정보는 소설, 시, 논문, 강연, 각본, 음악, 연극, 무용, 회화, 서예, 도안, 조각, 공예, 건축물, 사진, 영상, 도형, 컴퓨터 프로그램, 작곡(악보), 영화, 춤, 그림, 및/또는 지도 등을 포함할 수 있다.

제1 판매자는 상기 제1 저작권 정보(또는 그에 대응하는 저작물)를 제작한 자일 수 있고, 상기 제1 판매자는 제1 판매자 단말(140)을 사용하거나 운용하는 자일 수 있다.

상기 웹사이트 및/또는 어플리케이션은, 제1 판매자가 자신이 제작한 저작물(예; 제1 저작권 정보)을 입력할 수 있는 웹페이지(예; 제1 저작권 정보 입력 페이지 등)를 표시할 수 있다. 이를 통해, 제1 판매자는 상기 제1 저작권 정보 입력 페이지를 통하여 자신이 제작한 저작물(예; 제1 저작권 정보)을 입력 또는 등록할 수 있다. 또한 관리 서버(110)는 제1 판매자가 상기 제1 저작권 정보 입력 페이지를 통하여 입력한 저작물(예; 제1 저작권 정보)을 관리 서버(110)의 저장 모듈(250)에 저장할 수 있다.

예를 들면, 제1 판매자는 제1 판매자 단말(140)의 입력 인터페이스(예; 터치패드, 키보드 등)을 통하여 제1 저작권 정보에 대응하는 저작물(예; 소설, 시, 논문, 강연 대본, 각본, 컴퓨터 프로그램에 대한 소스, 악보 등)을 직접 입력할 수 있다.

예를 들면, 제1 판매자는 제1 판매자 단말(140)의 입력 인터페이스(예; 카메라 등)을 통하여 제1 저작권 정보에 대응하는 저작물(예; 회화, 서예, 도안, 공예, 사진, 영상, 지도 등)을 촬영함으로써, 상기 제1 저작권 정보를 본 발명의 온라인 플랫폼에 입력할 수 있다.

또한 관리 서버(110)는 본 발명의 온라인 플랫폼을 제공하는 방법을 제공하는 웹사이트(및/또는 어플리케이션(모바일))은 복수의 카테고리(또는 카테고리 리스트)를 표시하는 웹페이지를 출력하고, 상기 복수의 카테고리(또는 카테고리 리스트)에 대한 선택 정보를 사용자로부터 사용자 단말을 통하여 획득하면, 상기 웹사이트 또는 어플리케이션은 상기 선택 정보에 대응하는 카테고리에 포함되는 적어도 하나의 제1 저작권 정보를 표시하는 웹페이지를 출력할 수 있다. 여기서 카테고리는, 일 예로, 가족, 개, 결혼, 귀여움, 그라데이션, 나무, 나뭇잎/꽃잎, 나비, 도시, 독수리, 동물, 로고, 로맨틱, 리본, 만화, 매끄러운 무늬, 무지개, 물, 배경 이미지, 배너 이미지, 벽지, 별, 복고풍 이미지, 봄, 불꽃, 빈티지, 사람, 섬유, 성장, 소용돌이, 식물, 실루엣, 아기, 안경, 액자/창틀, 어류, 얼룩무늬, 여자, 용, 음악, 자동차, 장미, 재미, 즐거움, 조류, 집/주택, 추상적인 이미지, 축구, 커피, 파도, 파티, 판타지풍, 패턴, 하트모양, 학교, 햇살/태양 등을 포함할 수 있다.

그리고, 본 발명의 관리 서버(110)는 기초 상품 정보를 제2 판매자 단말(150)로부터 획득할 수 있다(S920).

여기서 기초 상품 정보(또는 기초 의류 정보)는 의류(예; 상의, 셔츠, 블라우스, 티셔츠, 니트, 하의, 팬츠, 스커트, 레깅스, 데님, 원피스, 아우터, 카디건, 코트/자켓, 점퍼/베스트 등), 액세서리(예; 모자, 벨트, 귀금속 등), 신발, 가방, 이너웨어, 장갑, 양말, 스타킹, 굿즈(goods), 인형, 책, 앨범(예; CD, 테이프, 앨범 패키지 등), 및/또는 기타 프린팅이 가능한 상품 등을 포함할 수 있다.

예를 들면, 제2 판매자는 자신이 판매하려는 상품에 대한 상품 정보를 제2 판매자 단말(150)의 입력 인터페이스를 통하여 입력할 수 있으며, 이는 본 발명의 관리 서버(110)를 통해 상품 정보로서 획득될 수 있다.

예를 들면, 제2 판매자는 제2 판매자 단말(150)의 입력 인터페이스(예; 카메라 등)을 통하여 기초 상품 정보에 대응하는 상품(예; 의류, 액세서리, 신발, 가방 등)을 촬영함으로써, 상기 기초 상품 정보를 본 발명의 온라인 플랫폼에 입력할 수 있다.

그리고, 본 발명의 관리 서버(110)는 제1 저작권 정보에 대한 제1 선택 정보와 기초 상품 정보에 대한 제1 선택 정보를 사용자 단말(120)로부터 획득할 수 있다(S930).

관리 서버(110), 예를 들면, 전술한 제1 저작권 정보들에 대한 리스트와 기초 상품 정보(또는 기초 의류 정보)들에 대한 리스트를 출력할 수 있다. 예를 들면, 상기 관리 서버(110)에 연결된 사용자 단말(120)은 제1 웹페이지 및 제2 웹페이지를 하나의 화면에서 출력할 수 있으며, 상기 제1 웹페이지는 제1 저작권 정보에 대한 리스트를 출력하고 상기 제2 웹페이지는 상품 정보에 대한 리스트를 출력하여 사용자 단말(120)의 사용자(예; 본 발명의 온라인 쇼핑몰의 고객들)로 하여금 제1 저작권 정보들에 대한 리스트 중 어느 하나(예; 특정 회화, 사진, 도형 등)와 기초 상품 정보들에 대한 리스트 중 어느 하나(예; 특정 의류, 액세서리 등)가 나타내는 상품을 선택하도록 할 수 있다.

한편, 사용자의 제1 선택 정보와 제2 선택 정보는, 사용자 단말(120)의 입력 인터페이스(230), 예를 들면, 마우스, 키보드, 터치패드, 마이크, 음성입력장치 등을 통하여 입력될 수 있다.

그리고, 본 발명의 관리 서버(110)는 제1 선택 정보 및 제2 선택 정보에 기반하여 제2 저작권 정보를 생성할 수 있다(S940).

관리 서버(110)는, 예를 들면, 제1 선택 정보에 대응하는 제1 저작권 정보(또는 선택된 저작물)와 제2 선택 정보에 대응하는 기초 상품 정보(또는 선택된 상품)를 합성하여 제2 저작권 정보를 생성할 수 있다.

예를 들면, 제1 저작권 정보에 대응하는 이미지(또는 회화, 사진, 도형 등)가 기초 상품 정보에 대응하는 상품(예; 상의, 하의, 아우터 등)의 일 측면에 그려지는 형태로 제2 저작권 정보가 생성될 수 있다. 일 예로 제1 저작권 정보에 대응하는 이미지가 상품 정보에 대응하는 상품에 반복적으로 그려지는 형태로 제2 저작권 정보가 생성될 수 있다. 다른 예로 제1 저작권 정보에 대응하는 이미지가 상품 정보에 대응하는 상품의 중앙, 배변, 왼쪽 가슴 부분, 오른쪽 가슴 부분 등에 그려지는 형태로 제2 저작권 정보가 생성될 수 있다. 또 다른 예로 제1 저작권 정보에 대응하는 이미지에서 칼라(또는 RGB 색상)를 제외한 이미지(또는 테두리)가 상품 정보에 대응하는 상품에 그려지는 형태로 제2 저작권 정보가 생성될 수 있다.

그리고, 본 발명의 관리 서버(110)는 제2 저작권 정보를 출력할 수 있다(S950).

관리 서버(110)는, 예를 들면, 단말(예; 제1 판매자 단말(140), 제2 판매자 단말(150), 사용자 단말)을 통하여 상기 선택된 상품(즉, 제2 선택 정보에 대응하는 상품)에 상기 선택된 저작물(예; 제1 선택 정보에 대응하는 회화, 사진, 도형 등)이 합성된(또는 프린팅된) 결과물인 제2 저작권 정보를 출력할 수 있다.

관리 서버(110)는 복수의 제1 저작권 정보들 중에 조회수, 평점, 또는 선택 횟수가 높은 제1 저작권 정보와 복수의 상품 정보들 중에 조회수, 평점, 또는 선택 횟수가 높은 기초 상품 정보를 결합하여 추천 제2 저작권 정보(또는 복수의 후보 제2 저작권 정보)를 추천 상품으로써 제안 또는 출력할 수 있다. 즉, 다른 사용자들에 의해 많은 선택을 받은 저작물과 의류를 결합하여, 본 발명의 온라인 플랫폼을 제공하는 방법은 추천 상품을 사용자에게 제안할 수 있다는 점에서 그 의미가 있다.

또한 관리 서버(110)는 제2 저작권 정보에 새겨진 이미지(예; 제1 저작권 정보에 대응하는 이미지)의 카테고리 별로 상기 제2 저작권 정보를 출력할 수 있다. 여기서 카테고리는 가족, 개, 결혼, 귀여움, 그라데이션, 나무, 나뭇잎/꽃잎, 나비, 도시, 독수리, 동물, 로고, 로맨틱, 리본, 만화, 매끄러운 무늬, 무지개, 물, 배경 이미지, 배너 이미지, 벽지, 별, 복고풍 이미지, 봄, 불꽃, 빈티지, 사람, 섬유, 성장, 소용돌이, 식물, 실루엣, 아기, 안경, 액자/창틀, 어류, 얼룩무늬, 여자, 용, 음악, 자동차, 장미, 재미, 즐거움, 조류, 집/주택, 추상적인 이미지, 축구, 커피, 파도, 파티, 판타지풍, 패턴, 하트모양, 학교, 햇살/태양 등을 포함할 수 있다.

또한 관리 서버(110)는 제2 저작권 정보에 기반하여, 상품 정보에 대응하는 각종 의류에 상기 제1 저작권 정보에 대응하는 이미지를 인쇄할 수 있는 DTG(Direct to Garment) 방식의 디지털 나염 프린터 장치(미도시)를 통해 상기 제2 저작권 정보에 대응하는 상품을 제작할 수 있다.

또한 관리 서버(110)는 사용자의 주문에 따라 상기 제2 저작권 정보에 대응하는 상품을 제작하여 상기 주문한 사용자의 장소에 배달하는 서비스를 더 제공할 수 있으며, 상기 상품을 배달하는 직원(예; 택배 기사)의 실시간 위치를 사용자의 사용자 단말(120)을 통하여 더 출력할 수 있다.

그리고, 본 발명의 일 실시예에 따른 제1 판매자 단말(140) 및 관리 서버(110)는 제1 저작권 정보(예; 회화, 서예, 도안, 공예, 사진, 영상, 지도 등)를 획득하기 위해 스캐너 장치(미도시)와 연결될 수 있다(다시 말해, 본 발명의 일 실시예에 따른 시스템(100)은 상기 스캐너 장치를 더 포함할 수 있다). 또한 제어 모듈(210)은 상기 스캐너 장치를 통하여 획득된 제1 저작권 정보가 기존에 데이터베이스에 저장된 다른 제1 저작권 정보와의 유사 여부를 판단하는 서비스를 제공할 수 있다.

관리 서버(110)는, 예를 들면, 저장 모듈(250)은 기존에 입력된 적어도 하나의 제1 저작권 정보를 입력, 기록, 저장할 수 있다. 또한 제어 모듈(210)은 상기 스캐너 장치를 통한 스캔 과정에서 실시간으로 알람 정보를 생성할 수 있으며, 이는 새로 입력되는 제1 저작권 정보와 기존에 저장 모듈(250) 등에 저장되어 있던 적어도 하나의 제1 저작권 정보 사이의 유사도에 기반하여 이루어질 수 있다. 제어 모듈(210)은, 예를 들면, a) 상기 유사도가 임계치(예; 30% 유사, 50% 유사, 80% 유사, 유사도 0.6, 유사도 0.9 등)를 넘거나 b) 상기 유사도가 임계치를 넘는 제1 저작권 정보의 개수가 다른 임계치(예; n개)를 넘어서는 경우에 상기 알람 정보를 생성할 수 있다. 이를 통해 본 발명의 일 실시예에 따른 온라인 플랫폼을 제공하는 방법은 중복되는 이미지를 갖는 상품의 추천을 최대한 방지할 수 있다는 측면에서 그 의미가 있다.

본 발명의 일 실시예에 따른 관리 서버(110)는 이미지 분석 모듈(미도시)과 카메라 모듈(미도시)을 더 포함할 수 있다. 상기 이미지 분석 모듈은 상기 카메라 모듈을 통하여 획득되는 새로운 제1 저작권 정보(Info_new)와 저장 모듈(250)에 기 저장된 기존의 적어도 하나의 제1 저작권 정보(Info_saved)에서 중복되는 오브젝트를 추출할 수 있다. 그리고 추출된 오브젝트에서 파라미터를 추출해 파라미터를 변경하여 오브젝트의 크기를 변경하며 오브젝트 간 최적의 매칭의 유사도 값을 산출할 수 있다. 제어 모듈(210)은, 예를 들면, 상기 산출된 유사도 값이 임계치(예; 30% 유사, 50% 유사, 80% 유사, 유사도 0.6, 유사도 0.9 등)를 넘거나 상기 유사도 값이 임계치를 넘는 제1 저작권 정보의 개수가 다른 임계치(예; n개)를 넘어서는 경우에 상기 알람 정보를 생성하여 출력할 수 있다.

또한 관리 서버(110)는, 본 발명의 일 실시예에 따른 온라인 쇼핑몰에서 상품을 구매하려는 고객, 즉 사용자의 사용자 단말(120)의 잔류 전력에 기반하여 추천 상품에 대한 리스트의 개수를 제어하여 출력할 수 있다. 사용자 단말(120)은 상기 사용자 단말(120)의 잔류 전력을 나타내는 잔류 전력 정보를 상기 관리 서버(110)에게 전송할 수 있으며, 상기 관리 서버(110)의 네트워크 인터페이스(130)는 상기 사용자 단말(120)의 잔류 전력을 나타내는 잔류 전력 정보를 수신할 수 있다.

상기 관리 서버(110)는 잔류 전력에 대한 제1 임계값, 상기 제1 임계값보다 낮은 제2 임계값, 상기 제2 임계값보다 낮은 제3 임계값을 설정할 수 있다. 또한 상기 관리 서버(110)는 상기 사용자 단말(120)의 잔류 전력을 나타내는 잔류 전력 정보가 상기 제1 임계값보다 높은 전력을 나타내는 경우, 상기 사용자 단말(120)이 제1 동작 모드로써 동작하도록 제어하고, 추천 상품에 대한 리스트에 포함되는 상품들에 대한 정보(예; 요약 정보, 광고 등)에 대한 동적 이미지(또는 동영상)를 더 출력하도록 제어할 수 있다. 또한 상기 관리 서버(110)는 상기 사용자 단말(120)의 잔류 전력을 나타내는 잔류 전력 정보가 상기 제1 임계값 미만 상기 제2 임계값 이상인 전력을 나타내는 경우, 상기 사용자 단말(120)이 제2 동작 모드로써 동작하도록 제어하고, 소정의 기준(예; 판매 지수 n, 또는 판매량 n개 등)을 만족하는 상품만을 포함하는 추천 상품에 대한 리스트로써 출력하도록 제어할 수 있다. 이를 통해 관리 서버(110)는 더 적은 개수의 상품을 추천 상품으로써 출력하게 된다. 또한 상기 관리 서버(110)는 상기 사용자 단말(120)의 잔류 전력을 나타내는 잔류 전력 정보가 상기 제2 임계값보다 낮은 전력을 나타내는 경우, 상기 사용자 단말(120)이 제3 동작 모드로써 동작하도록 제어하고, 상기 사용자 단말(120)의 사용자와 동일한 사용자 개인정보를 갖는 기존 고객들에 의해 생성된 구매 이력이 존재하는 상품들 중에서 상기 소정의 기준을 만족하는 상품만을 추천 상품에 대한 리스트로써 출력하도록 제어할 수 있다. 여기서 사용자 개인정보는, 예를 들면, 사용자의 연령, 성별, 지역, 결혼 유무, 자녀 유무 중 적어도 하나일 수 있다. 다시 말해, 상기 제3 동작 모드는 기존의 고객들 중에서 사용자 단말(120)의 사용자와 관련성이 어느 정도 존재하는 고객에 의해 어느 정도 구매 이력이 존재하는 상품만을 추천 상품으로써 출력하기에, 전술한 동작 모드들 중에서 가장 적은 개수의 상품을 추천 상품으로써 출력하고, 이를 통해 상기 제3 동작 모드는 저전력 모드로써 구현될 수 있다.

또한, 본 발명의 일 실시예에 따른 온라인 플랫폼을 제공하는 방법은 사용자 단말(120)에 인접하는 적어도 하나의 인접 단말(140, 150)을 이용하여 구현될 수 있다. 여기서 적어도 하나의 인접 단말(140, 150)은 상기 사용자 단말(120)의 사용자가 아닌 다른 사용자들에 의해 사용되는 단말을 의미할 수 있으며, 상기 적어도 하나의 인접 단말(140, 150)은 상기 사용자 단말(120)과 단말 간 통신(D2D; device-to-device)을 통하여 소정의 정보 및/또는 신호를 상호간에 송수신할 수 있다. 여기서 단말 간 통신은 국제통신표준 기구 3GPP(3rd Generation Partnership Project)의 LTE 표준 내용(예; TS 36.300, 36.311 내지 36.214 등) 또는 5G 표준 내용(예; TS 38.300, 38.311 내지 38.214 등)에 기반하여 동작될 수 있다.

예를 들면, 상기 적어도 하나의 인접 단말(140, 150)은 상기 사용자 단말(120)에게 제1 동기 신호를 전송하고, 관리 서버(110)인 관리 서버에게 제2 동기 신호를 전송할 수 있다. 상기 사용자 단말(120)은 제1 동기 신호에 응답하여 상기 적어도 하나의 인접 단말(140, 150)에게 제1 응답 신호(예; ACK/NACK)를 회신할 수 있다. 여기서 ACK(acknowledge)은 상기 적어도 하나의 인접 단말(140, 150)과의 동기화를 허용하는 메시지를 나타낼 수 있고, NACK(non-acknowledge)은 상기 적어도 하나의 인접 단말(140, 150)과의 동기화를 허용하지 않는(또는 거절하는) 메시지를 나타낼 수 있다. 예를 들면, 상기 사용자 단말(120)은 i) 상기 사용자 단말(120)의 잔류 전력이 소정의 기준을 넘는지 여부, 또는 ii) 상기 적어도 하나의 인접 단말(140, 150) 중에 잔류 전력이 소정의 기준을 넘는 인접 단말(140, 150)이 존재하는지 여부, 또는 iii) 상기 적어도 하나의 인접 단말(140, 150)이 소정의 기간 동안 본 발명의 일 실시예에 따른 온라인 쇼핑몰을 이용한 이력(또는 구매 이력)이 있는지 여부, 또는 iv) 상기 사용자 단말(120)이 소정의 기간 동안 본 발명의 일 실시예에 따른 온라인 쇼핑몰을 이용한 이력(또는 구매 이력)이 있는지 여부에 기반하여 상기 응답 신호에 ACK을 포함시킬 지 또는 NACK을 포함시킬 지를 결정할 수 있다. 또한 관리 서버(110)는 상기 제2 동기 신호에 응답하여 상기 적어도 하나의 인접 단말(140, 150)에게 제2 응답 신호(예; ACK/NACK)를 회신할 수 있다. 예를 들면, 상기 관리 서버(110)는 i) 상기 관리 서버(110)의 잔류 전력이 소정의 기준을 넘는지 여부, 또는 ii) 상기 적어도 하나의 인접 단말(140, 150) 중에 잔류 전력이 소정의 기준을 넘는 인접 단말(140, 150)이 존재하는지 여부, 또는 iii) 상기 적어도 하나의 인접 단말(140, 150)이 소정의 기간 동안 본 발명의 일 실시예에 따른 온라인 쇼핑몰을 이용한 이력(또는 구매 이력)이 있는지 여부에 기반하여 상기 응답 신호에 ACK을 포함시킬 지 또는 NACK을 포함시킬 지를 결정할 수 있다.

상기 사용자 단말(120) 및/또는 관리 서버(110)로부터 ACK을 포함하는 적어도 하나의 인접 단말(140, 150)은 상기 사용자 단말(120) 및/또는 관리 서버(110)와 동기화 동작을 수행할 수 있다. 동기화된 적어도 하나의 인접 단말(140, 150)이 있는 경우, 관리 서버(110)는 상기 사용자 단말(120)에게 직접 추천 상품에 대한 정보를 전송하는 것이 아닌, 상기 적어도 하나의 인접 단말(140, 150)을 중계 장치(relay device)로써 활용할 수 있다. 다시 말해, 상기 관리 서버(110)가 상기 적어도 하나의 인접 단말(140, 150)에게 추천 상품에 대한 정보를 전송하면, 상기 적어도 하나의 인접 단말(140, 150)은 상기 수신된 추천 상품에 대한 정보를 상기 사용자 단말(120)에게 전달할 수 있다.

또는 추천 상품이 동기화된 적어도 하나의 인접 단말(140, 150)과 관련되는 검색 이력 및/또는 구매 이력에 기반하여 결정될 수 있다. 상기 적어도 하나의 인접 단말(140, 150)은 자신의 검색 이력 및/또는 구매 이력을 다른 적어도 하나의 인접 단말(140, 150) 및/또는 상기 사용자 단말(120)에게 단말 간 통신을 통하여 공유할 수 있으며, 이렇게 단말 간 통신을 통하여 공유된 검색 이력 및/또는 구매 이력에 기반하여 상기 추천 상품이 (관리 서버(110)가 아닌) 사용자 단말(120) 및/또는 적어도 하나의 인접 단말(140, 150) 스스로 선택(또는 결정)할 수 있다. 이를 통해 최근 고사양화되는 단말의 성능을 적극 활용할 수 있고, 경우에 따라 관리 서버(110)의 부하(load)를 줄일 수 있다는 측면에서 기술적인 의미가 있다.

또한 본 발명의 일 실시예는 단말 간 통신(D2D; device-to-device)에 의해 소정의 정보 및/또는 신호를 송수신할 수 있는 (적어도 하나의) 인접 단말(140, 150)과 동기화를 하고, 상기 (적어도 하나의) 인접 단말(140, 150)과 관련되는 검색 이력 및/또는 구매 이력에 기반하여 추천 상품을 결정하여 출력함으로써, 사용자 단말(120)의 사용자와 생활 반경(또는 생활 영역 또는 생활 패턴)이 유사한 고객의 정보를 참조할 수 있으므로, 보다 고객 맞춤형 서비스를 제공할 수 있다는 점에서 그 의미가 있다.

다만 전술한 단말 간 통신 기반의 추천 상품이 실제 사용자에게 적합하지 않는 경우를 대비하여, 사용자 단말(120)은 상기 추천 상품을 결정하기 위해 참조되는 (적어도 하나의) 인접 단말(140, 150)에 대한 검색 이력 및/또는 구매 이력에 대한 정보를 초기화시키는 버튼(또는 배너 또는 객체)을 디스플레이를 통하여 출력할 수 있도록, 상기 관리 서버(110)는 관련 명령어를 생성하여 상기 사용자 단말(120)에게 전송할 수 있다. 따라서, 사용자 단말(120)의 사용자는 상기 버튼(또는 배너 또는 객체)을 상기 사용자 단말(120)의 디스플레이(또는 터치 패드)를 통하여 선택함으로써 이전에 (적어도 하나의) 인접 단말(140, 150)에 대한 검색 이력 및/또는 구매 이력에 대한 정보를 삭제하고, 새로 수집되는 (적어도 하나의) 인접 단말(140, 150)에 대한 검색 이력 및/또는 구매 이력에 대한 정보에 기반하여 추천 상품(예; 상기 제1 추천 의류, 상기 제2 추천 의류(310, 320) 등)을 결정하거나 출력할 수 있다.

전술한 바와 같이, 본 발명의 일 실시예는 온라인 쇼핑몰을 제공하는 시스템에 있어서, 상기 온라인 쇼핑몰을 운용하는 프로세서를 포함하는 관리 서버; 및 상기 온라인 쇼핑몰을 이용하는 사용자의 사용자 단말(120); 을 포함할 수 있다.

상기 프로세서는, 비디오 정보 및 텍스트 정보 중 적어도 하나를 포함하는 외부 참조 정보를 소셜 네트워크 서비스(SNS; Social Network Service)를 운용하는 외부 서버로부터 수신하고, 상기 외부 참조 정보로부터 개인정보를 획득하고, 제1 판매자가 사용하는 제1 판매자 단말(140)과 연결되는 스캐너 장치(scanner device)를 통하여 복수의 제1 카피라이트 정보(copyright information)가 스캔(scan)되면, 상기 복수의 제1 카피라이트 정보를 상기 제1 판매자 단말(140)로부터 획득하고, 제2 판매자가 사용하는 제2 판매자 단말(150)의 카메라를 통하여 기초 의류 정보에 상응하는 복수의 기초 의류가 촬영되면, 촬영된 이미지 정보를 상기 기초 의류 정보로서 획득하고, 상기 복수의 제1 카피라이트 정보에 관한 제1 리스트를 제1 웹페이지를 통하여 출력하고, 상기 복수의 기초 의류에 관한 제2 리스트를 제2 웹페이지를 통하여 출력하고, 상기 복수의 제1 카피라이트 정보 중 어느 하나의 제1 카피라이트 정보에 상응하는 제1 선택을 나타내는 정보를 상기 제1 웹페이지를 통하여 획득하고, 상기 복수의 기초 의류 중 어느 하나의 기초 의류에 상응하는 제2 선택을 나타내는 정보를 상기 제2 웹페이지를 통하여 획득하고, 상기 어느 하나의 제1 카피라이트 정보에서 RGB(Red-Green-Blue) 색상을 제외한 이미지를, DTG(Direct to Garment) 방식의 디지털 나염 프린터 장치를 이용하여, 상기 어느 하나의 기초 의류에 반복적으로 프린팅(printing)한 상품을 나타내는 제2 카피라이트 정보를 생성하고, 상기 개인정보 및 상기 제2 카피라이트 정보에 기반하여 추천 상품(예; 상기 제1 추천 의류, 상기 제2 추천 의류(310, 320) 등)을 나타내는 정보를 생성하고, 상기 추천 상품을 상기 사용자 단말(120)을 통하여 제1 동작 모드, 제2 동작 모드, 또는 제3 동작 모드로 출력하도록 제어할 수 있다.

상기 프로세서는, 상기 스캐너 장치를 통하여 스캔되는 복수의 제1 카피라이트 정보에서 제1 오브젝트(object)를 추출하고, 상기 관리 서버의 데이터 베이스에 기 저장된 기존의 제1 카피라이트 정보에서 제2 오브젝트를 추출하고, 상기 제1 오브젝트 및 상기 제2 오브젝트 사이의 유사도 값을 산출하고, 상기 유사도 값이 유사도 임계치를 넘는 횟수가 횟수 임계치를 넘는 경우에는 알람 정보(alarm information)를 생성하여 상기 제1 판매자 단말(140)을 통하여 출력하도록 제어하고, 상기 제1 동작 모드는 상기 사용자 단말(120)의 잔류 전력이 제1 임계값보다 높은 경우에 수행되며, 상기 추천 상품에 대한 요약 및 광고를 나타내는 동적 이미지를 더 출력하는 모드이고, 상기 제2 동작 모드는 상기 사용자 단말(120)의 잔류 전력이 상기 제1 임계값 이하이고 제2 임계값 이상인 경우에 수행되며, 상기 추천 상품(예; 상기 제1 추천 의류, 상기 제2 추천 의류(310, 320) 등) 중 특정 판매 지수 및 특정 판매량을 만족하는 상품만을 출력하는 모드이고, 상기 제3 동작 모드는 상기 사용자 단말(120)의 잔류 전력이 상기 제2 임계값보다 낮은 경우에 수행되며, 상기 추천 상품 중에서 상기 사용자의 개인정보에 상응하는 개인정보를 갖는 기존 고객에 의해 구매된 이력이 존재하는 상품만을 출력하는 모드인 것을 특징으로 할 수 있다.

그리고, 본 발명의 일 실시예에 따른 관리 서버(110)는 제1 색상 정보 획득부와 객체 정보 획득부를 더 포함할 수 있다.

카메라 모듈은 카메라 장치와 연결되어, 상기 카메라 장치를 통하여 촬영되는 제1 이미지 정보를 획득하여 분석 및/또는 처리할 수 있다.

예를 들면, 상기 카메라 장치는 불특정 다수의 인구(예; 복수의 보행자)가 통행하는 거리, 버스 정류장, 지하철 출입구, 백화점 내부 등에 설치될 수 있다. 또한 상기 카메라 장치는 상기 카메라 장치가 설치된 장소에 통행하는 복수의 보행자를 촬영하는 각도로 설치될 수 있다.

상기 제1 이미지 정보는, 소정의 기간 동안 촬영된 복수의 사진(또는 정지 이미지)이거나 소정의 기간 동안 촬영된 동영상(또는 동적 이미지(예; gif))일 수 있다.

제1 색상 정보 획득부는 상기 카메라 모듈을 통하여 획득된 제1 이미지 정보로부터 제1 색상 정보를 추출 및/또는 획득할 수 있다.

한편, 제1 이미지 정보에는 보행자가 입고 있는 옷의 색상뿐만 아니라 배경 또는 보행자의 신체에 해당되는 부분이 포함되어 있어 이를 제외시킬 필요가 있다. 따라서 제1 색상 정보 획득부는, 예를 들면, 상기 제1 이미지 정보를 복수의 작은 이미지, 즉 복수의 제1 서브 이미지로 분할할 수 있으며, 상기 복수의 제1 서브 이미지들 중 소정의 기간(예; n분, n시간 등) 동안 색상에 변함이 없는 제1 서브 이미지를 제외시킬 수 있다. 다시 말해, 추천 상품(예; 상기 제1 추천 의류, 상기 제2 추천 의류(310, 320) 등)을 결정 및/또는 선택할 때는 상기 제외된 제1 서브 이미지 부분에 대한 정보는 고려하지 않을 수 있다.

한편, 제1 색상 정보 획득부는 복수의 제1 이미지 정보로부터 복수의 색상을 추출할 수 있으며, 그 중 가장 많은 결과로써 추출된 색상을 최종적으로 제1 색상 정보로써 생성, 추출, 및/또는 획득할 수 있다.

객체 정보 획득부는 상기 카메라 모듈을 통하여 획득된 제1 이미지 정보 내에 포함되는 객체를 추출하여 제1 객체 정보를 획득할 수 있다. 객체 정보 획득부는 HOG(Histogram of Oriented Gradient), Haar-like feature, Co-occurrence HOG, LBP(local binary pattern), FAST(features from accelerated segment test) 등과 같은 객체 특징 추출을 위한 다양한 알고리즘을 통하여, 상기 카메라 장치 및/또는 카메라 모듈을 통하여 획득된 영상(또는 제1 이미지 정보)에서 영상 내 객체의 윤곽선 또는 상기 객체에서 추출할 수 있는 글씨(또는 정보를 나타내는 윤곽선(또는 외형))를 획득할 수 있다. 또한, 제어 모듈(210) 및/또는 객체 정보 획득부는, 획득한 영상(또는 제1 이미지 정보)에서 객체를 영상 분석을 통해 인식(또는 식별)하고, 상기 인식된 객체에 대응되는 영역을 마스킹 처리하여 마스킹 영상 정보를 생성할 수 있다. 이때, 마스킹 처리 과정은, 예를 들면, 차분영상 방법, GMM(Gaussian Mixture Models)을 이용하는 MOG(Model of Gaussian) 알고리즘, 코드북(Codebook) 알고리즘 등과 같은 객체와 배경을 분리하기 위한 배경 모델링을 통해 객체에 해당하는 객체 후보 영역을 추출하는 방법을 이용함으로써 제1 객체 정보를 추출 및/또는 획득할 수 있다.

또한 제어 모듈(210)은 전술한 카메라 모듈, 제1 색상 정보 획득부, 객체 정보 획득부의 동작을 제어하는 명령어를 생성할 수 있다.

그리고 관리 서버(110)는 제2 색상 정보 획득부와 추천 상품 선정부를 더 포함할 수 있다.

통신 모듈(220)은 영상 처리 서버, 소셜 네트워크 서버, 및/또는 적어도 하나의 단말(120, 130, 140)과 유/무선으로 연결되어 소정의 정보 및/또는 신호를 송수신할 수 있다. 예를 들면, 통신 모듈(220)은, 영상 처리 서버로부터 제1 이미지 정보, 제1 색상 정보, 및/또는 제1 객체 정보 등을 수신할 수 있으며, 소셜 네트워크 서버로부터 소셜 네트워크에 업로드된 제2 이미지 정보 등을 수신할 수 있다.

상기 제2 이미지 정보는, 소셜 네트워크 서버에 의해 운용되는 소셜 네트워크에 업로드된 사진(또는 정지 이미지)이거나 동영상(또는 동적 이미지(예; gif))일 수 있다.

제2 색상 정보 획득부는 상기 수신된 제2 이미지 정보에서 제2 색상 정보를 추출 및/또는 획득할 수 있다.

또한 제어 모듈(210) 및/또는 제2 객체 정보 획득부는 상기 수신된 제2 이미지 정보 영역 내에 존재하는 의류에 대한 정보만 추출할 수 있으며, 제어 모듈(210) 및/또는 제2 객체 정보 획득부는 이를 위해 HOG(Histogram of Oriented Gradient), Haar-like feature, Co-occurrence HOG, LBP(local binary pattern), FAST(features from accelerated segment test) 등과 같은 객체 특징 추출을 위한 다양한 알고리즘을 이용할 수 있다. 제어 모듈(210)은 상기 제2 이미지 정보에서 이미지 내 객체의 윤곽선 또는 상기 객체에서 추출할 수 있는 글씨(또는 정보를 나타내는 윤곽선(또는 외형))를 획득할 수 있다. 또한, 제어 모듈(210) 및/또는 제2 객체 정보 획득부는 상기 제2 이미지 정보에서 객체를 영상 분석을 통해 인식(또는 식별)하고, 상기 인식된 객체에 대응되는 영역을 마스킹 처리하여 마스킹 영상 정보를 생성할 수 있다. 이때, 마스킹 처리 과정은, 예를 들면, 차분영상 방법, GMM(Gaussian Mixture Models)을 이용하는 MOG(Model of Gaussian) 알고리즘, 코드북(Codebook) 알고리즘 등과 같은 객체와 배경을 분리하기 위한 배경 모델링을 통해 객체에 해당하는 객체 후보 영역을 추출하는 방법을 이용할 수 있다.

또한 제2 색상 정보 획득부는 상기 제어 모듈(210) 및/또는 제2 객체 정보 획득부에 의해 추출된 (제2 이미지 정보 영역 내에 존재하는) 의류에 대한 정보만을 이용하여 제2 색상 정보를 추출 및/또는 획득할 수 있다.

한편, 제2 색상 정보 획득부는 복수의 제2 이미지 정보로부터 복수의 색상을 추출할 수 있으며, 그 중 가장 많은 결과로써 추출된 색상을 최종적으로 제2 색상 정보로써 생성, 추출, 및/또는 획득할 수 있다.

추천 상품 선정부는 제1 이미지 정보, 제2 이미지 정보, 제1 색상 정보, 및/또는 제2 색상 정보 중 적어도 어느 하나에 기반하여 추천 상품(예; 상기 제1 추천 의류, 상기 제2 추천 의류(310, 320) 등)을 결정 및/또는 선택할 수 있다.

추천 상품 선정부는, 예를 들면, 제1 색상 정보가 나타내는 색상 및/또는 제2 색상 정보가 나타내는 색상에 해당되는 의류 상품을 추천 상품(예; 상기 제1 추천 의류, 상기 제2 추천 의류(310, 320) 등)으로써 결정 및/또는 선택하여 출력할 수 있다. 한편, 상기 제1 색상 정보, 제2 색상 정보는 코드로써 특정 색상을 나타낼 수 있으며(예; XJ3Q7_27M2A, AB2Q101T5P, GZXSC_00194 등), 일 예로, 5글자의 알파벳과 5글자의 숫자로 이루어진 코드로 표시될 수 있다. 일 예로, 상기 제1 색상 정보가 나타내는 제1 색상 코드와 상기 제2 색상 정보가 나타내는 제2 색상 코드가 완전히 동일한 경우(즉, 5글자의 알파벳과 5글자의 숫자가 모두 동일한 경우), 상기 추천 상품 선정부는 제1 추천 모드로써 동작하며, 상기 제1 색상 코드(또는 제2 색상 코드)가 나타내는 색상에 대응되는 의류를 추천 상품(예; 상기 제1 추천 의류, 상기 제2 추천 의류(310, 320) 등)으로써 출력할 수 있다. 일 예로, 상기 제1 색상 정보가 나타내는 제1 색상 코드와 상기 제2 색상 정보가 나타내는 제2 색상 코드가 절반 이상 동일한 경우(즉, 5글자의 알파벳과 5글자의 숫자 중 절반 이상이 동일한 경우(예; XJ3Q7_27M2A와 XJ0A9_27M2A)), 상기 추천 상품 선정부는 제2 추천 모드로써 동작하며, 상기 제1 색상 코드가 나타내는 색상과 제2 색상 코드가 나타내는 색상 중간에 해당되는 색상(또는 평균에 해당되는 색상 또는 코드의 중간 값에 대응되는 색상)에 대응되는 의류를 추천 상품으로써 출력할 수 있다. 또 다른 예로, 상기 제1 색상 정보가 나타내는 제1 색상 코드와 상기 제2 색상 정보가 나타내는 제2 색상 코드가 완전히 다른 경우(즉, 5글자의 알파벳과 5글자의 숫자가 모두 상이한 경우), 상기 추천 상품 선정부는 제3 추천 모드로써 동작하며, 색상을 고려하지 않고 판매 순위(또는 판매량 또는 선호도 또는 후기의 개수)에 기반하여 특정 의류를 추천 상품(예; 상기 제1 추천 의류, 상기 제2 추천 의류(310, 320) 등)으로써 출력할 수 있다.

또한 제어 모듈(210)은 전술한 제2 색상 정보 획득부, 추천 상품 선정부, 통신 모듈(220)의 동작을 제어하는 명령어를 생성할 수 있다.

또한 통신 모듈(220)은 상기 제1 이미지 정보를 촬영한 카메라 장치의 위치 정보(예; 제1 위치 정보)에 대해서도 획득할 수 있다. 이를 위해 영상 처리 서버는 상기 제1 이미지 정보를 촬영한 복수의 카메라 장치 각각의 위치를 나타내는 정보(예; 복수의 제1 위치 정보)를 생성하여 관리 서버(110)에게 전달할 수 있다. 또한 관리 서버(110)는 적어도 하나의 단말(120, 130, 140)의 위치 정보(예; 적어도 하나의 제2 위치 정보)를 획득할 수 있다.

또한 관리 서버(110)는 본 발명의 온라인 플랫폼을 이용하는 적어도 하나의 단말(120, 130, 140)에 대한 적어도 하나의 제2 위치 정보와 소정의 거리 내에 위치하는 카메라 장치에 의해 획득된 제1 이미지 정보만을 이용하여 추천 상품(예; 상기 제1 추천 의류, 상기 제2 추천 의류(310, 320) 등)을 결정 및/또는 선택할 수 있다. 이를 통해, 본 발명은 온라인 플랫폼을 이용하는 사용자와 동일/유사한 생활권(생활 반경)에 있는 보행자의 의상을 참조한 추천 상품을 제공받을 수 있다. 이를 통해 본 발명의 온라인 플랫폼을 이용하는 사용자는 유행에 따른 추천 상품을 제공받아 상기 사용자도 유행에 따른 의류(의상)를 입도록 서비스해줄 수 있다.

또한 관리 서버(110)는 본 발명의 온라인 플랫폼을 이용하는 적어도 하나의 단말(120, 130, 140)과 카메라 장치 사이의 거리(예; 거리 정보)가 소정의 기준을 만족하는 경우에만, 상기 카메라 장치에 의해 획득되는 제1 이미지 정보 및/또는 제1 색상 정보를 이용하여 상기 추천 상품(예; 상기 제1 추천 의류, 상기 제2 추천 의류(310, 320) 등)을 결정하도록 동작할 수 있다. 일 예로, 상기 거리 정보는 적어도 하나의 단말(120, 130, 140)의 GPS 위치 정보와 상기 카메라 장치가 설치된 위치에 대한 정보 사이의 차이(예; 직선 거리 차이, 이동 경로 차이 등)일 수 있다. 다른 예로, 상기 거리 정보는 상기 적어도 하나의 단말(120, 130, 140)로부터 발송된 참조 신호(또는 방송 신호(broadcasting signal))가 상기 카메라 장치에 의해 기록된 송신 시간(참조 신호(또는 방송 신호)가 상기 적어도 하나의 단말(120, 130, 140)로부터 발송된 시간) 및 수신 시간(상기 적어도 하나의 단말(120, 130, 140)로부터 발송된 참조 신호(또는 방송 신호)가 카메라 장치에 수신된(또는 도착한) 시간) 사이의 차이를 나타내는 정보에 기반하여 결정될 수 있다.

전술한 바와 같이, 본 발명의 일 실시예는 온라인 플랫폼을 제공하는 시스템(100)에 있어서, 카메라 모듈 및 제1 프로세서를 포함하는 영상 처리 서버; 소셜 네트워크 서비스를 운용하는 소셜 네트워크 서버, 상기 온라인 플랫폼을 운용하는 제2 프로세서를 포함하는 플랫폼 서버, 및 상기 온라인 플랫폼을 이용하는 사용자의 사용자 단말(120)을 포함하는 시스템(100)을 제안한다.

상기 카메라 모듈은, 버스 정류장, 지하철 출입구, 및 백화점 내부 중 적어도 둘 이상에 설치되고 보행자를 촬영하는 각도로 설치되는 적어도 둘 이상의 카메라 장치를 통하여 복수의 정지 이미지 및 복수의 동적 이미지를 포함하는 제1 이미지 정보를 획득할 수 있다.

상기 제1 프로세서는, 상기 카메라 모듈을 통하여 상기 제1 이미지 정보를 획득하고, HOG(Histogram of Oriented Gradient), Haar-like feature, LBP(local binary pattern), 및 FAST(features from accelerated segment test) 중 적어도 둘 이상의 객체 추출 알고리즘을 통하여, 상기 제1 이미지 정보 내 복수의 정지 이미지 및 복수의 동적 이미지로부터 제1 색상 정보를 추출할 수 있다.

상기 제2 프로세서는, 상기 사용자의 개인 정보를 나타내는 신호와, 상기 사용자 단말(120)의 잔류 전력을 나타내는 정보를 상기 사용자 단말(120)로부터 수신하고, 상기 소셜 네트워크 서버로부터 제2 이미지 정보를 획득하고, 상기 제1 색상 정보를 상기 제1 프로세서로부터 수신하고, HOG, Haar-like feature, LBP, 및 FAST 중 적어도 둘 이상의 객체 추출 알고리즘을 통하여, 상기 제2 이미지 정보로부터 제2 색상 정보를 추출하고, 상기 제1 색상 정보 및 상기 제2 색상 정보에 기반하여 추천 상품을 결정하고, 상기 결정된 추천 상품을 나타내는 정보를 상기 사용자 단말(120)을 통하여 출력하는 것을 지시하는 명령어를 생성하여, 상기 사용자 단말(120)과 D2D(device-to-device) 통신을 수행할 수 있는 거리에 위치하는 인접 단말(140, 150)에게 전송하도록 제어할 수 있다.

상기 제1 색상 정보는, HOG, Haar-like feature, LBP, 및 FAST 중 적어도 둘 이상의 객체 추출 알고리즘을 통하여, 복수의 정지 이미지 및 복수의 동적 이미지로부터 추출되는 색상 중에 가장 많이 추출되는 데이터에 기반하여 결정되고, 5개의 알파벳(alphabet)과 5개의 아라비아 숫자(Arabic numeral)를 포함하는 6개의 코드로 이루어진 제1 색상 코드에 매칭되고, 상기 제2 색상 정보는, 5개의 알파벳과 5개의 아라비아 숫자를 포함하는 6개의 코드로 이루어진 제2 색상 코드에 매칭되고, 상기 제1 색상 코드 및 상기 제2 색상 코드 각각에 상응하는 5개의 알파벳과 5개의 아라비아 숫자는 상기 플랫폼 서버에 의해 임의로 설정되고, 상기 플랫폼 서버는 추천 상품 선정부를 포함하고, 상기 추천 상품 선정부는, 상기 제1 색상 코드 내의 10개 코드와 상기 제2 색상 코드 내의 10개 코드가 모두 동일한 경우에는, 상기 제1 색상 코드가 나타내는 제1 색상에 상응하는 의류를 상기 추천 상품으로 결정하는 제1 추천 모드로 동작하고, 상기 제1 색상 코드 내의 10개 코드와 상기 제2 색상 코드 내의 10개 코드가, 모두 동일하지는 않되, 절반 이상이 동일한 경우에는, 상기 제1 색상 코드가 나타내는 제1 색상과 상기 제2 색상 코드가 나타내는 제2 색상을 제외한 다른 제3 색상을 선택하여 상기 제3 색상에 기반하여 상기 추천 상품을 결정하는 제2 추천 모드로 동작하고, 상기 제1 색상 코드 내의 10개 코드와 상기 제2 색상 코드 내의 10개 코드가 모두 상이한 경우에는, 색상을 고려하지 않고 판매 순위, 판매량, 선호도, 및 후기의 개수에 기반하여 상기 추천 상품으로 결정하는 제3 추천 모드로 동작하는 것을 특징으로 할 수 있다.

상기 명령어는 제1 출력 모드, 제2 출력 모드 또는 제3 출력 모드에 상응하는 정보를 포함하고, 상기 제1 출력 모드는 상기 사용자 단말(120)의 잔류 전력이 제1 임계값보다 높은 경우에 수행되며, 상기 추천 상품에 대한 요약 및 광고를 나타내는 동적 이미지를 더 출력하는 모드이고, 상기 제2 출력 모드는 상기 사용자 단말(120)의 잔류 전력이 상기 제1 임계값 이하이고 제2 임계값 이상인 경우에 수행되며, 상기 추천 상품 중 특정 판매 지수 및 특정 판매량을 만족하는 상품만을 출력하는 모드이고, 상기 제3 출력 모드는 상기 사용자 단말(120)의 잔류 전력이 상기 제2 임계값보다 낮은 경우에 수행되며, 상기 추천 상품 중에서 상기 사용자의 개인정보에 상응하는 개인정보를 갖는 기존 고객에 의해 구매된 이력이 존재하는 상품만을 출력하는 모드인 것을 특징으로 할 수 있다.

상기 사용자 단말(120)은, 동기 신호(sync signal)를 상기 인접 단말(140, 150)로부터 수신하고, 상기 동기 신호에 응답하여, 상기 사용자 단말(120)과 상기 인접 단말(140, 150) 사이의 D2D 동기화를 허용함을 나타내는 ACK(acknowledge) 메시지 또는 상기 인접 단말(140, 150)과의 D2D 동기화를 허용하지 않음을 나타내는 NACK(non-acknowledge) 메시지를 포함하는 응답 신호(response signal)를 상기 인접 단말(140, 150)에게 송신하되, 상기 사용자 단말(120)의 잔류 전력이 제1 전력 임계치를 넘고, 상기 인접 단말(140, 150)의 잔류 전력이 제2 전력 임계치를 넘고, 상기 인접 단말(140, 150)이 상기 플랫폼 서버에서 운용하는 상기 온라인 플랫폼을 이용한 이력이 존재하고, 상기 사용자 단말(120)의 상기 사용자가 소정의 기간 동안 상기 온라인 플랫폼을 이용한 이력이 존재하는 경우에만, 상기 응답 신호에 상기 ACK 메시지가 포함되는 것을 특징으로 할 수 있다.

상기 인접 단말(140, 150)은, 상기 사용자 단말(120)로부터 수신한 상기 ACK 메시지를 포함하는 응답 신호에 응답하여, 상기 플랫폼 서버로부터 수신한 상기 추천 상품을 나타내는 정보를 상기 사용자 단말(120)에게 전달하고, 상기 사용자 단말(120)은, 상기 인접 단말(140, 150)로부터 수신한 상기 추천 상품을 나타내는 정보를 디스플레이를 통하여 출력할 수 있다.

그리고 본 발명의 일 실시예의 시스템(100)은, 예를 들면, 중앙 서버(110)를 포함할 수 있으며, 상기 중앙 서버(110)는 관리 서버의 형태로 구현될 수 있다. 또한 상기 시스템(100)은 사용자 단말(120)을 더 포함할 수 있다.

또한 상기 시스템(100)은 카메라 장치(예; CCTV, 감시 카메라, 관찰 카메라 등), 카메라 모듈, 중량 인식 센서, 의류광고 출력 디스플레이(예; 전광판, 광고판 등)를 더 포함할 수 있다. 또한 전술한 장치, 센서, 및 모듈은 상기 관리 서버(110) 및/또는 제어 모듈(210)에 의해 운용될 수 있다.

예를 들면, 관리 서버(110)가 출력하는 의류광고는 상기 의류광고 출력 디스플레이를 통하여 표시될 수 있으며, 상기 의류광고 출력 디스플레이 근처에 카메라 장치, 중량(weight) 인식 센서가 설치될 수 있다. 예를 들면, 상기 의류광고가 상기 의류광고 출력 디스플레이를 통하여 표시되는 동안 상기 카메라 장치는 상기 의류광고 출력 디스플레이를 바라보는 사람들이 위치하는 장소를 촬영하여 영상을 획득할 수 있으며, 상기 카메라 모듈은 상기 획득된 영상에서 상기 영상 내 사람들(예; 행인, 관찰 대상 등) 또는 상기 사람들의 얼굴, 눈(또는 눈동자)을 인식할 수 있다.

또한 카메라 모듈이 상기 영상 내 사람들 또는 상기 사람들의 눈(또는 눈동자)을 인식하는 것은, HOG(Histogram of Oriented Gradient), Haar-like feature, Co-occurrence HOG, LBP(local binary pattern), FAST(features from accelerated segment test) 등과 같은 객체 특징 추출을 위한 다양한 알고리즘을 이용하여 상기 영상 내 객체의 윤곽선(또는 상기 객체에서 추출할 수 있는 글씨 또는 정보를 나타내는 윤곽선(또는 외형))을 획득함으로써 수행될 수 있다. 또한, 카메라 모듈은 획득된 영상에서 객체를 영상 분석을 통해 인식(또는 식별)하고, 상기 인식된 객체에 대응되는 영역을 마스킹 처리하여 마스킹 영상 정보를 생성할 수 있다. 이때, 마스킹 처리 과정은, 예를 들면, 차분영상 방법, GMM(Gaussian Mixture Models)을 이용하는 MOG(Model of Gaussian) 알고리즘, 코드북(Codebook) 알고리즘 등과 같은 객체와 배경을 분리하기 위한 배경 모델링을 통해 객체에 해당하는 객체 후보 영역을 추출하는 방법을 이용할 수 있다.

제어 모듈(210)은, 예를 들면, 상기 획득된 영상에서 i) 상기 영상 내 사람들이 정지하거나 ii) 상기 사람들의 이동 속도가 감속되는 것을 인식하거나 iii) 상기 사람들의 얼굴, 눈(또는 눈동자 또는 시선)이 상기 의류광고 출력 디스플레이를 향하고 있음을 인식(또는 추적)할 수 있다. 또한 제어 모듈(210)은, 예를 들면, 상기 획득된 영상에서 i) 상기 영상 내 사람들이 정지(예; 이동 속도가 0인 경우)하는 제1 시간, ii) 상기 사람들의 이동 속도가 감속을 시작하여 최저 속도에 이르는데 걸리는 제2 시간, iii) 상기 사람들의 얼굴, 눈(또는 눈동자 또는 시선)이 상기 의류광고 출력 디스플레이를 향하고 있음이 인식되는 제3 시간을 획득할 수 있다.

여기서 제1 시간은 카메라 모듈에 의해 획득된 객체 인식 결과에 따라 판단될 수도 있으나, 상기 의류광고 출력 디스플레이가 설치된 벽면의 주변의 바닥에 구비된 적어도 하나의 중량(weight) 인식 센서에 기반하여 판단될 수도 있다. 예를 들면, 적어도 하나의 행인이 상기 의류광고 출력 디스플레이 주변을 걸으면서 복수의 중량 인식 센서를 순차적으로 밟을 수 있다. 이때 제어 모듈(210)은 상기 복수의 중량 인식 센서 각각이 밟히는 시간과 상기 복수의 중량 인식 센서들 사이의 간격, 거리 등에 기반하여 상기 적어도 하나의 행인의 걷는 속도를 인식하거나 상기 적어도 하나의 행인이 정지하는 것을 인식함으로써, 상기 제1 시간을 획득할 수 있다.

또한 제어 모듈(210) 및/또는 카메라 모듈은 상기 제1 시간, 제2 시간, 제3 시간을 획득할 때 촬영의 대상이 되는 행인에 대한 객체 인식을 기반으로, 상기 행인의 연령(나이) 및/또는 성별을 인식할 수 있다. 이때 제어 모듈(210)은 상기 연령 및/또는 성별과 상기 제1 시간, 제2 시간, 제3 시간을 매칭시켜 행인에 대한 정보로써 저장할 수 있다. 제어 모듈(210)은 상기 행인에 대한 정보를 더 고려하여 그룹 별 의류광고 리스트를 생성할 수 있다. 예를 들면, 제어 모듈(210) 및/또는 카메라 모듈에 의해 '20대', '여성'으로 인식된 행인이 의류광고 출력 디스플레이 주변에서 정지한 시간(즉, 제1 시간)이 기준 시간(예; 제1 기준 시간)보다 긴 경우, 상기 제1 시간 동안 상기 의류광고 출력 디스플레이를 통하여 출력된 의류광고를 '20대', '여성'에 대한 그룹 별 의류광고 리스트에 추가하도록 제어할 수 있다. 또한, 행인이 특정 직업을 나타내는 유니폼을 입고 있는 경우, 제어 모듈(210) 및/또는 카메라 모듈은 행인의 직업을 더 인식할 수 있다. 이때 제어 모듈(210) 및/또는 카메라 모듈은 제1 시간(또는 제2 시간 또는 제3 시간) 동안 상기 의류광고 출력 디스플레이를 통하여 출력된 의류광고를 '나이', '성별', '직업'에 매칭시켜 그룹 별 의류광고 리스트에 추가하도록 제어할 수도 있다.

또한 제어 모듈(210)은 상기 카메라 장치, 카메라 모듈, 중량 인식 센서에 의해 획득된 신호/정보들을 복합적으로 고려하여 상기 제1 시간, 제2 시간, 제3 시간 중 적어도 하나를 획득할 수 있다.

제어 모듈(210)은 상기 제1 시간, 제2 시간, 및 제3 시간 중 적어도 어느 하나 이상이 소정의 기준 시간(reference time)보다 긴 경우에 상기 의류광고 출력 디스플레이를 통하여 출력되는 적어도 하나의 의류광고를 사용자 그룹 별 의류광고 리스트로써 설정하거나 사용자 그룹 별 의류광고 리스트에 추가할 수 있다(제1 요건).

또한 의류광고 출력 디스플레이 주변에는 알람 장치(예; LED 램프, 조명, 스피커)가 추가적으로 설치되어 있을 수 있으며, 상기 제1 요건이 만족되는 경우 상기 알람 장치를 통하여 소정의 이벤트가 실행될 수 있다. 예를 들면, 이벤트는 상기 스피커의 음량이 소정의 음량보다 더 크게 설정되거나, 상기 LED 램프가 빛을 발광하거나, 상기 의류광고 출력 디스플레이의 화면 밝기가 더 높게 설정되는 이벤트를 포함할 수 있다. 이를 통해 많은 사람들이 관심을 갖는 의류광고가 출력되는 경우 더 많은 사람들이 관심을 가질 수 있도록 유도하는 방법을 제공할 수 있다.

또한 제어 모듈(210)은, 적어도 하나의 사용자에 의해 출력된 페이지에 포함된 의류광고 중 상기 적어도 하나의 사용자에 의해 출력된 페이지에 포함된 의류광고의 카테고리 별 비율이 미리 설정된 비율 이상을 차지하는 카테고리의 의류광고인지 여부(제2 요건), 상기 적어도 하나의 사용자에 의해 출력된 페이지 중 상기 적어도 하나의 사용자에 의해 출력되어 유지된 시간 및 상기 적어도 하나의 사용자가 상기 온라인 웹 페이지에 접속된 시간 간의 비율이 미리 설정된 비율 이상을 차지하는 페이지에 포함된 의류광고인지 여부(제3 요건), 상기 적어도 하나의 사용자에 의해 출력된 페이지 중 상기 적어도 하나의 사용자에 의해 출력된 페이지의 출력 횟수의 비율이 미리 설정된 비율 이상을 차지하는 페이지에 포함된 의류광고인지 여부(제4 요건) 중 적어도 하나의 요건을 더 고려하여 복수의 사용자 그룹들에 대한 사용자 그룹 별 의류광고 리스트를 생성하거나 상기 의류광고를 상기 사용자 그룹 별 의류광고 리스트에 추가하도록 제어할 수 있다.

예를 들면, 제어 모듈(210)은 상기 제1 요건 내지 상기 제4 요건을 모두 만족하는 의류광고 만을 상기 사용자 그룹 별 의류광고 리스트에 추가하거나 맞춤형 의류광고로써 추천될 수 있는 후보 의류광고로 설정할 수도 있다.

또한 제어 모듈(210)은, 예를 들면, 카메라 장치, 카메라 모듈, 및/또는 중량 인식 센서를 통하여 인식되는(또는 식별되는) 행인의 수가 더 많아질수록 상기 기준 시간(reference time)을 더 높은 값으로(및/또는 낮은 값으로) 재설정할 수도 있다. 이는 행인의 수가 지나치게 많은 경우에는 행인들의 이동 속도가 느린 것이 의류광고 출력 디스플레이를 통하여 출력되는 의류광고를 바라보기 위해 이동 속도를 줄인 것이 아닌 단순히 공간이 복잡하여(또는 북적거려) 이동 속도를 줄인 것일 수도 있음을 고려한 것이다.

또한 제어 모듈(210)은 상기 기준 시간을 설정함에 있어서 제1 시간에 대응하는 제1 기준 시간, 제2 시간에 대응하는 제2 기준 시간, 제3 시간에 대응하는 제3 기준 시간을 따로 설정할 수도 있다.

그리고 관리 서버(110)는 사용자 단말(120)의 사용자에 상응하는 사용자 그룹 별 의류광고 리스트에 포함되는 의류를 중에서 제1 추천 의류 및/또는 제2 추천 의류를 추천할 수 있다.

또한, 본 발명의 일 실시예에 따른 시스템(100)은 i) 사용자 단말(120) 및 ii) 상기 온라인 웹 페이지를 운용하고 신호를 상기 사용자 단말(120)과 송수신하는 관리 서버(110)를 포함할 수 있다. 상기 관리 서버(110)는, 상기 온라인 웹 페이지에 대한 정보 및 상기 온라인 웹 페이지를 출력한 복수의 관찰 대상에 대한 정보를 기반으로 그룹 별 의류광고 리스트를 생성하고, 상기 그룹 별 의류광고 리스트 중에서 상기 사용자 단말(120)의 사용자에 대한 사용자 정보에 대응하는 의류광고를 맞춤형 의류광고로써 설정하여 상기 사용자 단말(120)에게 전달할 수 있다.

상기 온라인 웹 페이지에 대한 정보는, 상기 복수의 관찰 대상에 의해 출력된 페이지에 포함된 의류광고의 카테고리에 대한 정보, 상기 복수의 관찰 대상에 의해 출력된 페이지가 유지된 시간에 대한 정보, 상기 복수의 관찰 대상에 의해 출력된 페이지의 출력 횟수에 대한 정보 및 상기 복수의 관찰 대상에 의해 출력된 페이지에 포함된 의류광고의 구매 여부에 대한 정보를 포함하고, 상기 사용자 정보는, 상기 사용자가 상기 온라인 웹 페이지에서 운영되는 사이트에 가입하는 과정에서 등록한 나이에 대한 정보, 성별에 대한 정보, 직업에 대한 정보를 포함하고, 상기 직업에 대한 정보는, 상기 온라인 웹 페이지에서 운영되는 사이트에서 회원의 직업을 구분하기 위해 미리 설정된 복수의 타입들의 직업 카테고리 중 상기 복수의 관찰 대상이 상기 온라인 웹 페이지에서 운영되는 사이트를 가입하는 과정에서 등록한 직업 카테고리인 것을 특징으로 할 수 있다.

또한 관리 서버(110)는, 상기 복수의 관찰 대상에 대한 연령, 성별 및 직업 별 그룹을 생성함으로써 복수의 그룹들을 생성하고, 상기 온라인 웹 페이지에 대한 정보를 기반으로 상기 복수의 그룹들에서 관심이 있는 것으로 판단되는 적어도 하나의 의류광고를 결정함으로써 상기 복수의 그룹들에 대한 상기 그룹 별 의류광고 리스트를 생성하도록 제어할 수 있다.

이에 기반하여 본 발명의 시스템은 온라인 웹 페이지를 기반으로 의류광고를 특정 사용자에게 제공하는 시스템에 있어서, 특정 장소에 설치되어 의류광고를 출력하는 의류광고 출력 디스플레이; 상기 특정 장소 내 행인을 촬영하는 위치에 설치되는 카메라 장치를 제어하고, 상기 카메라 장치로부터 획득되는 영상을 획득하고, 상기 획득된 영상에 HOG(Histogram of Oriented Gradient), Haar-like feature, LBP(local binary pattern), 및 FAST(features from accelerated segment test) 중 적어도 하나의 객체 추출 알고리즘을 이용하여 상기 행인에 상응하는 객체를 추출하되, 상기 적어도 하나의 객체 추출 알고리즘에 기반하여 상기 행인의 연령대, 성별, 및 직업을 추정하는 정보를 획득하되, 상기 직업을 추정하는 정보는 상기 행인의 유니폼에 기반하여 결정되는 것을 특징으로 하는 카메라 모듈; 상기 특정 장소에 설치되는 복수의 중량 인식 센서; 상기 특정 사용자가 운용하는 사용자 단말(120); 및 상기 온라인 웹 페이지를 운용하고, 신호를 상기 의류광고 출력 디스플레이, 상기 카메라 모듈, 상기 중량 인식 센서 및 상기 사용자 단말(120)과 송수신하는 관리 서버(110)를 포함하는 시스템을 제안한다.

상기 관리 서버(110)는, (a) 상기 온라인 웹 페이지로 접속된 복수의 사용자들에 의해 출력된 복수의 제1 페이지에 대한 정보를 모니터링 하되, 상기 제1 페이지에 대한 정보는 상기 복수의 제1 페이지에 포함된 의류광고들의 카테고리에 대한 정보, 상기 복수의 제1 페이지가 출력된 상태에서 유지된 시간에 대한 정보, 상기 복수의 제1 페이지의 출력 횟수에 대한 정보 및 상기 복수의 제1 페이지에 포함된 의류광고의 구매 여부에 대한 정보를 포함하고, (b) 상기 복수의 제1 페이지에 대한 정보 및 상기 복수의 사용자에 대한 정보를 기반으로, 상기 복수의 사용자를 복수의 사용자 그룹으로 나누어 설정하고, 상기 복수의 사용자 그룹의 각각에 대한 의류광고 리스트를 생성하되, 상기 복수의 사용자에 대한 정보는 상기 복수의 사용자가 상기 온라인 웹 페이지에서 운영되는 사이트에 가입하는 과정에서 등록한 연령대에 대한 정보, 성별에 대한 정보, 및 직업에 대한 정보를 포함하고, (c) 상기 복수의 사용자 그룹의 각각에 대한 의류광고 리스트를 기반으로 상기 온라인 웹 페이지로 접속된 상기 특정 사용자에게 추천하기 위한 의류광고를 결정하고, (d) 상기 결정된 의류광고에 대한 정보를 상기 특정 사용자의 장치에서 출력되는 페이지를 통해 출력함으로써 상기 특정 사용자에 대한 맞춤형 의류광고를 제공할 수 있다.

상기 관리 서버(110)는, 상기 영상, 상기 적어도 하나의 객체 추출 알고리즘, 및 상기 복수의 중량 인식 센서에 의해 획득되는 적어도 하나의 중량 인식 신호에 기반하여, 상기 행인이 정지하는 제1 시간과 상기 행인의 이동 속도가 감소하기 시작하여 최저 속도에 이르는데 걸리는 제2 시간을 획득하고, 상기 영상 및 상기 적어도 하나의 객체 추출 알고리즘에 기반하여, 상기 행인의 눈이 상기 의류광고 출력 디스플레이를 향하고 있음이 인식되는 제3 시간을 획득하고, 상기 제1 시간이 제1 기준시간(reference time)보다 길어지면 상기 의류광고 출력 디스플레이에 설치되는 LED 램프 및 스피커와 관련되는 이벤트를 출력하도록 제어하고, 상기 제1 시간이 상기 제1 기준시간보다 길고, 상기 제2 시간이 제2 기준시간보다 길고, 상기 제3 시간이 제3 기준시간보다 긴 것으로 판단되면, 상기 제1 시간 동안 상기 의류광고 출력 디스플레이를 통하여 출력된 의류광고를, 상기 행인의 연령대, 성별, 및 직업을 추정하는 정보에 상응하는 사용자 그룹에 대한 의류광고 리스트에 추가하고, 상기 제2 기준시간은 상기 영상 내에서 추출되는 행인들에 상응하는 객체량의 변화량에 기반하여 재설정되는 것을 특징으로 할 수 있다.

본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 즉 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명의 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한 상기 각각의 실시예는 필요에 따라 서로 조합되어 운용할 수 있다. 예컨대, 본 발명의 모든 실시예는 일부분들이 서로 조합되어 시스템(100), 관리 서버(110), 사용자 단말(120), 및/또는 네트워크 엔티티(130, 140, 150, 160) 등에 의해 구현될 수 있다.

또한, 본 발명에 따른 시스템(100), 관리 서버(110), 사용자 단말(120), 및/또는 네트워크 엔티티(130, 140, 150, 160) 등을 제어하는 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.

이와 같이, 본 발명의 다양한 실시예들은 특정 관점에서 컴퓨터 리드 가능 기록 매체(computer readable recording medium)에서 컴퓨터 리드 가능 코드(computer readable code)로서 구현될 수 있다. 컴퓨터 리드 가능 기록 매체는 컴퓨터 시스템에 의해 리드될 수 있는 데이터를 저장할 수 있는 임의의 데이터 저장 디바이스이다. 컴퓨터 리드 가능 기록 매체의 예들은 읽기 전용 메모리(read only memory: ROM)와, 랜덤-접속 메모리(random access memory: RAM)와, 컴팩트 디스크- 리드 온니 메모리(compact disk-read only memory: CD-ROM)들과, 마그네틱 테이프(magnetic tape)들과, 플로피 디스크(floppy disk)들과, 광 데이터 저장 디바이스들, 및 캐리어 웨이브(carrier wave)들(인터넷을 통한 데이터 송신 등)을 포함할 수 있다. 컴퓨터 리드 가능 기록 매체는 또한 네트워크 연결된 컴퓨터 시스템들을 통해 분산될 수 있고, 따라서 컴퓨터 리드 가능 코드는 분산 방식으로 저장 및 실행된다. 또한, 본 발명의 다양한 실시예들을 성취하기 위한 기능적 프로그램들, 코드, 및 코드 세그먼트(segment)들은 본 발명이 적용되는 분야에서 숙련된 프로그래머들에 의해 쉽게 해석될 수 있다.

또한 본 발명의 다양한 실시예들에 따른 장치 및 방법은 하드웨어, 소프트웨어 또는 하드웨어 및 소프트웨어의 조합의 형태로 실현 가능하다는 것을 알 수 있을 것이다. 이러한 소프트웨어는 예를 들어, 삭제 가능 또는 재기록 가능 여부와 상관없이, ROM 등의 저장 장치와 같은 휘발성 또는 비휘발성 저장 장치, 또는 예를 들어, RAM, 메모리 칩, 장치 또는 집적 회로와 같은 메모리, 또는 예를 들어 콤팩트 디스크(compact disk: CD), DVD, 자기 디스크 또는 자기 테이프 등과 같은 광학 또는 자기적으로 기록 가능함과 동시에 기계(예를 들어, 컴퓨터)로 읽을 수 있는 저장 매체에 저장될 수 있다. 본 발명의 다양한 실시예들에 따른 방법은 제어부(제어 모듈(210, 260)) 및 메모리를 포함하는 컴퓨터 또는 휴대 단말에 의해 구현될 수 있고, 이러한 메모리는 본 발명의 실시예들을 구현하는 명령들을 포함하는 프로그램 또는 프로그램들을 저장하기에 적합한 기계로 읽을 수 있는 저장 매체의 한 예임을 알 수 있을 것이다.

따라서, 본 발명은 본 명세서의 청구항에 기재된 장치 또는 방법을 구현하기 위한 코드를 포함하는 프로그램 및 이러한 프로그램을 저장하는 기계(컴퓨터 등)로 읽을 수 있는 저장 매체를 포함한다. 또한, 이러한 프로그램은 유선 또는 무선 연결을 통해 전달되는 통신 신호와 같은 임의의 매체를 통해 전자적으로 이송될 수 있고, 본 발명은 이와 균등한 것을 적절하게 포함한다.

본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고, 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 또한 앞서 설명된 본 발명에 따른 실시예들은 예시적인 것에 불과하며, 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 다음의 특허청구범위에 의해서 정해져야 할 것이다.

Claims (1)

1. 상품을 판매 및 추천하는 온라인 플랫폼에 관한 제1 서버에 있어서,
   데이터베이스(DB);
   고객의 장치와 통신을 수행하는 송수신부; 및
   상기 온라인 플랫폼을 지원하는 웹사이트 또는 모바일앱을 운용하고, 상기 데이터베이스와 상기 송수신부를 제어하는 프로세서(processor)를 포함하되,
   상기 프로세서는,
   상기 장치로부터, 사용자에 의해 입력된, 상품에 관한 텍스트 정보를 수신하도록 상기 송수신부를 제어하되, 상기 상품에 관한 상기 텍스트 정보는 상품 출시년도에 대한 텍스트 정보를 포함하고,
   상기 상품 출시년도에 대한 텍스트 정보에 RNN(Recurrent Neural Network), DNN(Deep Neural Network) 및 DRNN(Dynamic Recurrent Neural Network) 중 적어도 어느 하나를 포함하는 인공 신경망(artificial neural network)을 기반으로 하는 AI 학습 모델(learning model)에 적용하여, 복수의 제1 추천 상품들을 포함하는 제1 추천 상품 세트를 결정하고,
   상기 제1 추천 상품 세트에 대한 정보를 상기 장치로 전송하도록 제어하고,
   상기 사용자가 상기 제1 추천 상품 세트에 포함된 상기 복수의 제1 추천 상품들 각각에 대한 채택(adoption)을 모두 거부한 경우, 상기 사용자에 의해 상기 장치를 통하여 입력되는 상기 사용자의 관심 상품 이미지 정보를 상기 장치로부터 수신하도록 제어하고,
   상기 텍스트 정보 및 상기 관심 상품 이미지 정보를 상기 AI 학습 모델에 적용하여, 복수의 제2 추천 상품들을 포함하는 제2 추천 상품 세트를 결정하고,
   상기 제2 추천 상품 세트에 대한 정보를 상기 장치로 전송하도록 제어하는 것을 특징으로 하고,
   상기 제2 추천 상품 세트에 대한 정보는 상기 장치로부터 상기 장치에 인접하는 복수의 인접 단말들 중에서 특정 인접 단말에게만 공유되고, 상기 특정 인접 단말은 상기 복수의 인접 단말들 중에서 ACK(acknowledge)을 포함하는 응답 신호를 상기 장치로부터 수신한 인접 단말인 것을 특징으로 하고, 상기 응답 신호는 i) 상기 장치의 잔류 전력이 소정의 제1 기준을 넘고, ii) 상기 특정 인접 단말의 잔류 전력이 소정의 제2 기준을 넘고, iii) 상기 장치가 소정의 기간 동안에 상기 온라인 플랫폼을 이용한 이력이 존재하고, iv) 상기 특정 인접 단말이 상기 소정의 기간 동안에 상기 온라인 플랫폼을 이용한 이력이 존재하는 경우에만 상기 장치로부터 상기 특정 인접 단말에게 전송되는 것을 특징으로 하고,
   상기 장치의 상기 온라인 플랫폼에서의 제1 검색 이력 및 제1 구매 이력과 상기 특정 인접 단말의 상기 온라인 플랫폼에서의 제2 검색 이력 및 제2 구매 이력은, 상기 장치와 상기 특정 인접 단말 간에 공유되는 것을 특징으로 하고,
   상기 프로세서는,
   복수의 제1 정보를 제1 판매자 단말로부터 획득하고,
   상기 제1 판매자 단말로부터 획득되는 제1 정보와 상기 데이터베이스에 저장된 저작권 정보와의 유사도를 판단하고,
   상기 판단되는 유사도가 유사도 임계값을 넘는 횟수가 횟수 임계값을 넘는 경우에는 제2 알람 정보를 생성하는,
   제1 서버.

Images