KR102425831B1 - 사용자의 신발 제작을 위해 라스트 또는 신발의 수치 정보를 사용자에게 제공하는 장치, 방법 및 프로그램 - Google Patents

Abstract

본 발명의 실시예에 따르면, 사용자의 신발 제작을 위해 라스트 또는 제품의 수치 정보를 사용자에게 제공하는 장치가 개시된다. 상기 장치는, 스캐닝 장치로부터 사용자의 발에 대한 복수의 제1 치수들을 포함하는 발 치수 정보를 수신하는 치수 정보 수신부; 및 상기 제1 치수들 사이의 비율에 기초하여 복수의 제1 메인비율들 및 복수의 제1 서브비율들을 산출하고, 데이터베이스에서 복수의 라스트들 각각과 미리 매칭된 라스트 치수 정보를 검색하며, 상기 라스트 치수 정보에 포함된 라스트에 대한 복수의 제2 치수들 사이의 비율에 기초하여 복수의 제2 메인비율들 및 복수의 제2 서브비율들을 산출하고, 상기 제1 메인비율들, 상기 제1 서브비율들, 상기 제2 메인비율들 및 상기 제2 서브비율들에 기초하여 상기 라스트들 각각과 대응하는 제1 비율적합도를 산출하며, 복수의 라스트들 중 상기 제1 비율적합도가 가장 높은 라스트를 사용자 라스트로 결정하는, 라스트 매칭부를 포함한다.

Description

사용자의 신발 제작을 위해 라스트 또는 신발의 수치 정보를 사용자에게 제공하는 장치, 방법 및 프로그램{APPARATUS, METHOD AND PROGRAM FOR PROVIDING THE USER WITH NUMERICAL INFORMATION OF THE LAST OR SHOE FOR MAKING THE USER'S SHOE}

본 발명은 사용자의 신발 제작을 위해 라스트 또는 신발의 수치 정보를 사용자에게 제공하는 장치, 방법 및 프로그램에 관한 것이다.

본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.

구두와 같은 종류의 신발은 주로 수제작되며, 신발의 족형을 결정하는 라스트(Last)에 갑피를 씌우고 중창과 저부를 붙이는 공정을 통해 제작된다. 따라서, 라스트의 형상에 따라 신발의 형상이 결정될 수 있다.

대량으로 생산되기 위해서는 동일한 형상의 라스트를 이용해 동일한 신발을 생산하는데, 발의 형상은 사람들마다 상이하므로 발의 형상이 라스트와 맞지 않는 사람이 신발을 구매하는 경우 불편한 착용감을 느끼는 경우가 종종 발생된다.

반면에, 특정인의 발의 형상을 측정하고 측정된 발의 형상에 맞춰 신발이 제작되기도 하는데, 이러한 방식은 특정인이 신발을 주문한 후에 제작이 이루어지므로, 대량으로 판매하기 어려운 문제가 있었다. 또한, 신발을 주문하는 특정인의 입장에서도, 미리 완성된 신발을 보고 주문하는 것이 아니기 때문에 완성된 신발의 형상이 특정인이 기대했던 것과 다를 수 있는 문제가 있었다.

본 발명은, 사용자의 발 치수에 기초하여 사용자의 신발을 제작하는데 사용될 라스트를 결정하는 장치, 방법 및 프로그램을 제공하는 것을 일 목적으로 한다.

또한, 본 발명은, 사용자의 발 치수에 기초하여 사용자에게 추천될 신발을 결정하는 장치, 방법 및 프로그램을 제공하는 것을 다른 목적으로 한다.

또한, 본 발명은, 신발의 치수 및 라스트의 치수에 기초하여 신발의 제작에 사용될 라스트와 신발을 매칭하고, 사용자의 발 치수와 적합한 라스트로 제작이 이루어지는 신발들을 사용자에게 추천될 신발로 결정하는 장치, 방법 및 프로그램을 제공하는 것을 또 다른 목적으로 한다.

상기 목적을 달성하기 위한 본 발명의 일 측면은, 사용자의 신발 제작을 위해 라스트 또는 제품의 수치 정보를 사용자에게 제공하는 장치가 제공된다.

상기 장치는, 스캐닝 장치로부터 사용자의 발에 대한 복수의 제1 치수들을 포함하는 발 치수 정보를 수신하는 치수 정보 수신부; 및 상기 제1 치수들 사이의 비율에 기초하여 복수의 제1 메인비율들 및 복수의 제1 서브비율들을 산출하고, 데이터베이스에서 복수의 라스트들 각각과 미리 매칭된 라스트 치수 정보를 검색하며, 상기 라스트 치수 정보에 포함된 라스트에 대한 복수의 제2 치수들 사이의 비율에 기초하여 복수의 제2 메인비율들 및 복수의 제2 서브비율들을 산출하고, 상기 제1 메인비율들, 상기 제1 서브비율들, 상기 제2 메인비율들 및 상기 제2 서브비율들에 기초하여 상기 라스트들 각각과 대응하는 제1 비율적합도를 산출하며, 복수의 라스트들 중 상기 제1 비율적합도가 가장 높은 라스트를 사용자 라스트로 결정하는, 라스트 매칭부를 포함할 수 있다.

또한, 상기 라스트 매칭부는, 각각의 상기 제1 메인비율들과 각각의 상기 제2 메인비율들 사이의 차이값인 복수의 제1 메인차이값들을 산출하고, 각각의 상기 제1 서브비율들과 각각의 상기 제2 서브비율들 사이의 차이값인 복수의 제1 서브차이값들을 산출하며, 상기 제1 메인차이값들 및 상기 제1 서브차이값들에 기초하여 상기 제1 비율적합도를 산출하고, 상기 제1 메인차이값들을 모두 더한 값에 제1 가중치를 곱한 값 및 상기 제1 서브차이값들을 모두 더한 값에 제2 가중치를 곱한 값의 합이 작을수록 상기 제1 비율적합도를 높게 산출하며, 상기 제1 메인차이값들을 모두 더한 값에 제1 가중치를 곱한 값 및 상기 제1 서브차이값들을 모두 더한 값에 제2 가중치를 곱한 값의 합이 클수록 상기 제1 비율적합도를 작게 산출할 수 있다.

또한, 상기 제1 가중치는 상기 제2 가중치보다 작은 값일 수 있다.

또한, 상기 장치는, 상기 데이터베이스에서 복수의 제품들 각각과 미리 매칭된 제품 치수 정보를 검색하고, 검색된 제품 치수 정보에 포함된 제품에 대한 복수의 제3 치수들 사이의 비율에 기초하여 복수의 제3 메인비율들 및 복수의 제3 서브비율들을 산출하며, 상기 제1 메인비율들, 상기 제1 서브비율들, 상기 제3 메인비율들 및 상기 제3 서브비율들에 기초하여 상기 제품들 각각과 대응하는 추천도를 산출하고, 상기 제품들 중 상기 추천도가 기 설정된 기준 이상인 제품을 추천제품으로 결정하는 추천제품 결정부를 더 포함할 수 있다.

또한, 상기 추천제품 결정부는, 각각의 상기 제1 메인비율들과 각각의 상기 제3 메인비율들 사이의 차이값인 복수의 제2 메인차이값들을 산출하고, 각각의 상기 제1 서브비율들과 각각의 상기 제3 서브비율들 사이의 차이값인 복수의 제2 서브차이값들을 산출하며, 상기 제2 메인차이값들 및 상기 제2 서브차이값들에 기초하여 제2 비율적합도를 산출하고, 상기 제2 메인차이값들을 모두 더한 값에 제1 가중치를 곱한 값 및 상기 제2 서브차이값들을 모두 더한 값에 제2 가중치를 곱한 값의 합이 작을수록 상기 제2 비율적합도를 높게 산출하며, 상기 제2 메인차이값들을 모두 더한 값에 상기 제1 가중치를 곱한 값 및 상기 제2 서브차이값들을 모두 더한 값에 상기 제2 가중치를 곱한 값의 합이 클수록 상기 제2 비율적합도를 작게 산출할 수 있다.

또한, 상기 추천제품 결정부는, 상기 제2 메인차이값들 및 상기 제2 서브차이값들을 기 학습된 기계학습모델에 입력 값으로 입력하고, 상기 기계학습모델로부터 예상만족도를 획득하며, 상기 제2 비율적합도 및 상기 예상만족도 중 적어도 하나가 클수록 상기 추천도를 크게 결정하고, 상기 제2 비율적합도 및 상기 예상만족도 중 적어도 하나가 작을수록 상기 추천도를 작게 결정할 수 있다.

또한, 상기 추천제품 결정부는, 상기 제품들 중 어느 하나를 기준 제품으로 결정하고, 상기 기준 제품의 상기 제2 메인비율들 및 상기 제2 서브비율들과 상기 라스트들 각각의 상기 제3 메인비율들 및 상기 제3 서브비율들에 기초하여 상기 라스트들 각각과 대응하는 매칭도를 산출하고, 상기 라스트들 중 매칭도가 가장 높은 라스트와 상기 기준 제품을 매칭하여 상기 데이터베이스에 저장하며, 상기 데이터베이스에서 상기 사용자 라스트와 매칭된 상기 기준 제품을 검색하고, 검색된 상기 기준 제품을 추천 제품으로 결정할 수 있다.

또한, 상기 추천제품 결정부는, 각각의 상기 제2 메인비율들과 각각의 상기 제3 메인비율들 사이의 오차인 복수의 제3 메인차이값들을 산출하고, 각각의 상기 제2 서브비율들과 각각의 상기 제3 서브비율들 사이의 오차인 복수의 제3 서브차이값들을 산출하며, 상기 제3 메인차이값들과 상기 제3 서브차이값들에 기초하여 상기 라스트들 각각과 대응하는 제3 비율적합도를 산출하고, 상기 데이터베이스에서 상기 제품 치수 정보와 미리 매칭된 제품의 제1 포인트클라우드를 검색하며, 상기 데이터베이스에서 상기 라스트 치수 정보와 미리 매칭된 상기 라스트들 각각의 제2 포인트클라우드를 검색하고, 상기 제1 포인트클라우드 및 상기 제2 포인트클라우드에 기초하여 상기 라스트들 각각과 대응하는 증가부피 및 감소부피를 산출하며, 상기 제3 비율적합도, 상기 증가부피 및 상기 감소부피에 기초하여 상기 라스트들 각각과 대응하는 상기 매칭도를 산출할 수 있다.

본 발명의 일 실시예에 따르면, 사용자의 발의 형상과와 적합한 라스트가 결정되며, 결정된 라스트를 이용해 사용자의 발의 형상과 적합한 신발이 제작될 수 있다.

본 발명의 다른 실시예에 따르면, 신발의 기본 형상이 사용자의 발의 형상과 적합하여 사용자에게 발의 형상에 맞게 제작시 외관의 변화가 적고 사용자의 예상만족도가 높은 신발이 사용자에게 추천될 수 있다.

본 발명의 또 다른 실시예에 따르면, 사용자의 발의 형상과 적합한 라스트로 제작될 수 있는 신발들이 사용자에게 추천될 수 있다.

도 1은 본 발명의 일 실시예에 따라 라스트 또는 신발의 수치 정보를 사용자에게 제공하는 시스템에 대한 개요도이다.
도 2는 도 1에 따른 스캐닝 장치 및 분석 서버의 기능적 모듈을 예시적으로 나타낸 블록도이다.
도 3은 도 1에 따른 스캐닝 장치의 스캔 정보에 포함된 포인트클라우드를 예시적으로 나타내는 좌표이다.
도 4는 도 3의 포인트클라우드가 보정된 상태를 예시적으로 나타내는 좌표이다.
도 5는 도 2에 따른 치수 정보 생성부가 생성한 발 치수 정보를 예시적으로 나타내는 도면이다.
도 6은 도 2에 따른 추천제품 결정부가 사용자의 발 치수 정보에 기초하여 추천제품을 결정하는 과정을 나타내는 흐름도이다.
도 7은 도 2에 따른 라스트 매칭부가 제품의 제품 치수 정보와 라스트의 라스트 치수 정보에 기초하여 제품 생성에 가장 적합한 라스트를 결정하는 과정을 나타내는 흐름도이다.
도 8은 도 2에 따른 라스트 매칭부 및 추천제품 결정부가 사용자의 발 치수 정보에 기초하여 추천제품을 결정하는 과정을 나타내는 흐름도이다.
도 9는 도 1에 따른 분석 서버의 하드웨어 구성을 예시적으로 나타낸 도면이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

예를 들어, 아래에서 사용되는 "제1 메인비율, 제2 메인비율, 제3 메인비율", "제1 서브비율, 제2 서브비율, 제3 서브비율", "제1 메인차이값, 제2 메인차이값, 제3 메인차이값", "제1 서브차이값, 제2 서브차이값, 제3 서브차이값", "제1 비율적합도, 제2 비율적합도, 제3 비율적합도"에 사용되는 제1, 제2 및 제3은 서로를 구별하기 위한 목적으로만 사용되었다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

도 1은 본 발명의 일 실시예에 따라 라스트 또는 신발의 수치 정보를 사용자에게 제공하는 시스템에 대한 개요도이다.

도 1을 참조하면, 라스트 또는 신발의 수치 정보를 사용자에게 제공하는 시스템은, 분석 서버(100)(또는 분석 장치), 스캐닝 장치(200) 및 공방 단말(300)을 포함한다.

스캐닝 장치(200)는, 사용자의 양 발을 지지하도록 회전판으로부터 상측으로 돌출되는 한 쌍의 발 지지부를 포함한다. 한 쌍의 발 지지부는 서로 이격되어 배치된다.

또한, 스캐닝 장치(200)는, 베이스부와 베이스부의 상측에 배치되고, 베이스부에 대해 360。 회전 가능하도록 베이스부와 결합되는 회전판을 포함한다. 회전판의 상측으로 한 쌍의 발 지지부가 돌출된다.

또한, 한 쌍의 발 지지부의 상측면에는 보형물이 탈착 가능하게 결합될 수 있다. 사용자가 굽이 높은 신발의 구매를 위해 발을 스캐닝하는 경우, 한 쌍의 발 지지부의 상측면에는 굽의 높이와 대응하는 보형물이 결합될 수 있다.

또한, 스캐닝 장치(200)는, 베이스부의 외주면과 연결되고, 베이스부의 외주면에서 상측을 향하여 연장 형성되는 스캐닝부를 포함한다. 스캐닝부는 한 쌍의 발 지지부을 밟고 서 있는 사용자의 한 쌍의 발을 스캐닝할 수 있도록 구성된다. 회전부가 회전됨에 따라, 스캐닝부는 사용자의 한 쌍의 발을 모든 방향에서 스캐닝할 수 있다. 회전판을 향하는 스캐닝부의 일측 면에는 사용자의 발을 스캐닝하기 위한 레이저 프로젝터 및 카메라 중 적어도 하나가 구비될 수 있다. 또한, 스캐닝부는 스캐닝 장치(200)가 감지한 스캔 정보에 기초하여 생성된 사용자의 발 치수 정보 및 사용자의 3차원 발 형상을 사용자에게 제공하는 출력 인터페이스 장치를 포함할 수 있다. 스캔 정보는 사용자의 발 형상과 대응하는 형상을 구성하는 복수의 좌표들인 포인트클라우드 좌표를 포함할 수 있다.

일 실시예에서, 회전판의 상측면에는 스캔 정보의 3차원 기준좌표 설정을 위한 복수의 표식들이 구비될 수 있다.

일 실시예에서, 스캐닝 장치(200)는, 스캔 정보에 포함된 포인트클라우드 좌표를 3차원 기준좌표에 기초하여 보정하여 왜곡 정도에 대한 정보를 생성하고, 왜곡 정도에 기초하여 사용자의 포인트클라우드 좌표를 보정할 수 있다.

일 실시예에서, 스캐닝 장치(200)는, 스캔 정보에서 포인트클라우드 좌표 및 3차원 기준좌표를 획득하기 위해 스캔 정보에 대한 정합 과정을 통해 스캔 정보를 3차원 포맷으로 변환하고, 3차원 포맷의 스캔 정보를 기 설정된 형식으로 크롭 처리할 수 있다.

공방 단말(300)은, 분석 서버(100) 또는 스캐닝 장치(200)로부터 신발 제작 주문을 수신하여 신발을 제작하는 기술자의 단말로서, 기술자의 기술자 정보를 분석 서버(100) 또는 스캐닝 장치(200)에 등록할 수 있다.

일 실시예에서, 공방 단말(300)은, 분석 서버(100) 또는 스캐닝 장치(200)로부터 사용자의 발 치수 정보, 사용자의 발 치수 정보와 매칭되는 라스트의 라스트 치수 정보를 수신할 수 있다. 또한, 공방 단말(300)은, 분석 서버(100) 또는 스캐닝 장치(200)로부터 사용자가 선택한 제품에 대한 정보를 수신할 수 있다. 제품에 대한 정보는, 제품의 이미지 및 제품에 사용되는 재료를 포함할 수 있다.

일 실시예에서, 공방 단말(300)은, 분석 서버(100) 또는 스캐닝 장치(200)로부터 사용자의 발 치수 정보, 사용자의 발 치수 정보와 매칭되는 라스트의 라스트 치수 정보, 사용자가 선택한 제품의 제품 치수 정보를 수신할 수 있다. 또한, 공방 단말(300)은, 분석 서버(100) 또는 스캐닝 장치(200)로부터 사용자가 선택한 제품의 이미지 및 제품에 사용되는 재료에 대한 정보를 수신할 수 있다.

공방 단말(300)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.

구체적으로, 분석 서버(100)는, 스캐닝 장치(200)로부터 사용자의 발 치수 정보, 라스트의 라스트 치수 정보 및 제품의 제품 치수 정보 중 적어도 하나를 수신할 수 있다. 또한, 분석 서버(100)는, 분석 서버(100)에 구비된 입력 인터페이스 장치를 통해 사용자의 발 치수 정보, 라스트의 라스트 치수 정보 및 제품의 제품 치수 정보 중 적어도 하나를 수신할 수 있다.

또한, 분석 서버(100)는, 사용자의 발 치수 정보와 복수의 제품들 각각의 제품 치수 정보를 비교하고, 비교 결과에 기초하여 사용자에게 추천할 제품을 결정할 수 있다.

또한, 분석 서버(100)는, 제품의 제품 치수 정보와 복수의 라스트들 각각의 라스트 치수 정보를 비교하고, 비교 결과에 기초하여 제품의 제작에 사용될 라스트를 결정할 수 있다.

또한, 분석 서버(100)는, 사용자의 발 치수 정보와 복수의 라스트들 각각의 라스트 치수 정보를 비교하고, 비교 결과에 기초하여 사용자의 신발 제작에 사용될 라스트를 결정할 수 있다. 또한, 분석 서버(100)는, 결정된 라스트와 매칭된 제품들을 사용자에게 추천할 제품들로 결정할 수 있다.

도 2는 도 1에 따른 스캐닝 장치(200) 및 분석 서버(100)의 기능적 모듈을 예시적으로 나타낸 블록도이다.

도 2를 참조하면, 스캐닝 장치(200)는 치수 정보 생성부(201)를 포함한다.

치수 정보 생성부(201)는, 포인트클라우드 좌표를 보정한다.

도 3은 도 1에 따른 스캐닝 장치(200)의 스캔 정보에 포함된 포인트클라우드를 예시적으로 나타내는 좌표이다. 도 4는 도 3의 포인트클라우드가 보정된 상태를 예시적으로 나타내는 좌표이다.

치수 정보 생성부(201)는, 보정되기 전 포인트클라우드 좌표(P1)를 보정된 클라우드 좌표(P)로 변환한다.

도 3을 참조하면, a0, b0, c0 및 d0 좌표를 포함하는 제1 평면을 설정하고 제1 평면과 수직한 축을 z축으로 설정한다. 또한, 점 a, b, c, d를 포함하는 제2 평면을 설정한다. P1에서 z축을 따라 제1 평면을 향하는 가상선인 P1P3와 제2 평면이 만나는 좌표를 P2로 설정한다. 또한, P2에서 선 ab 또는 선 cd에 최단거리로 도달하는 좌표인 Py와 선 ad 또는 선 bc에 최단거리로 도달하는 좌표인 Px를 설정한다.

좌표 보정은 아래의 수학식 1, 2 및 3에 의해 수행될 수 있다.

치수 정보 생성부(201)는, 수학식 1, 2 및 3에 의해 산출된 x, y, z값에 기초하여 보정되기 전 포인트클라우드 좌표(P1)를 보정 후 포인트클라우드 좌표(P)로 변환할 수 있다.

이를 통해, 치수 정보 생성부(201)는, 포인트클라우드에 포함된 좌표들 각각을 보정할 수 있다.

또한, 치수 정보 생성부(201)는, 보정된 포인트클라우드에 기초하여 사용자의 발에 대한 3차원 이미지를 생성할 수 있으며, 생성된 3차원 이미지를 스캐닝 장치(200)에 포함된 출력 인터페이스 장치를 통해 사용자에게 제공할 수 있다.

또한, 치수 정보 생성부(201)는, 보정된 포인트클라우드에 기초하여 사용자의 발 치수 정보를 생성할 수 있다.

도 5는 도 2에 따른 치수 정보 생성부(201)가 생성한 발 치수 정보를 예시적으로 나타내는 도면이다.

치수 정보 생성부(201)는, 보정된 포인트클라우드에 포함된 좌표들을 이용하여 기 설정된 복수의 수치들을 산출할 수 있다.

도 5를 참조하면, 치수 정보 생성부(201)는, 발 길이, 발 너비, 발볼 거리, 발볼 높이, 발볼 둘레, 발등 높이, 발등 둘레, 엄지 높이, 뒤꿈치 높이, 뒤꿈치 너비, 내측 복사 높이, 외측 복사 높이, 발목 높이, 발목 수평 둘레, 발목 앞뒤 두께, 발목 좌우 두께, 뒤꿈치와 내측발볼 사이거리, 뒤꿈치와 외측발볼 사이거리, 뒤꿈치와 발목 사이거리, 뒤꿈치와 발목 사이둘레, 뒤꿈치와 발등 사이둘레, 엄지 발가락 각도, 아치 높이 등의 치수들을 생성할 수 있다.

일 실시예에서, 치수 정보 생성부(201)는, 보정된 포인트클라우드에서 발의 길이를 결정할 수 있는 두 개의 좌표를 결정한 후, 결정된 두 개의 좌표 사이의 거리를 발의 길이로 결정할 수 있다.

일 실시예에서, 치수 정보 생성부(201), 보정된 포인트클라우드에서 외측 발볼과 대응하는 좌표와 내측 발볼과 대응하는 좌표 사이의 거리를 발볼 거리로 결정할 수 있다.

일 실시예에서, 치수 정보 생성부(201)는, 보정된 포인트클라우드에서 뒤꿈치와 대응하는 좌표와 발등과 대응하는 좌표를 포함하는 가상의 평면을 설정하고, 보정된 포인트클라우드의 좌표들 중 설정된 가상의 평면에 포함되는 좌표들의 이용하여 뒤꿈치와 발등 사이둘레를 결정할 수 있다.

일 실시예에서, 치수 정보 생성부(201)는, 보정된 포인트클라우드에서 뒤꿈치와 대응하는 좌표와 발목과 대응하는 좌표를 포함하는 가상의 평면을 설정하고, 보정된 포인트클라우드의 좌표들 중 설정된 가상의 평면에 포함되는 좌표들의 이용하여 뒤꿈치와 발목 사이둘레를 결정할 수 있다.

일 실시예에서, 치수 정보 생성부(201)는, 보정된 포인트클라우드에서 뒤꿈치와 대응하는 좌표와 외측 발볼과 대응하는 좌표 사이의 거리를 뒤꿈치와 외측발볼 사이거리로 결정할 수 있다.

이처럼, 보정된 포인트클라우드에 포함된 좌표들 중 일부 좌표들이 기 설정된 치수들을 산출하기 위하여 기 설정되며, 차수 정보 생성부(201)는, 기 설정된 좌표들에 기초하여 기 설정된 치수들을 산출할 수 있다.

다시 도 2를 참조하면, 분석 서버(100)는, 치수 정보 수신부(101)를 포함한다.

치수 정부 수신부(101)는, 스캐닝 장치(200) 또는 입력 인터페이스 장치를 통해 사용자의 발 치수 정보, 라스트의 라스트 치수 정보 및 제품의 제품 치수 정보 중 적어도 하나를 수신할 수 있다.

다시 도 2를 참조하면, 분석 서버(100)는 추천제품 결정부(102)를 포함한다.

도 6은 도 2에 따른 추천제품 결정부(102)가 사용자의 발 치수 정보에 기초하여 추천제품을 결정하는 과정을 나타내는 흐름도이다.

추천제품 결정부(102)는, 사용자의 발 치수 정보와 복수의 제품들 각각의 제품 치수 정보를 비교하고, 비교 결과에 기초하여 제품들 중 사용자에게 추천될 추천제품을 결정한다.

먼저, 추천제품 결정부(102)는, 제품들 각각의 제품 치수 정보에 기초하여 제품들 각각과 대응하는 복수의 제1 메인비율들 및 복수의 제1 서브비율들을 산출한다(S110).

분석 서버(100)의 데이터베이스에는 복수의 제품들 각각, 복수의 제품들 각각의 제품 치수 정보, 복수의 제품들 각각의 제품이미지, 복수의 제품들 각각의 재료정보 등이 미리 매칭되어 저장될 수 있다.

추천제품 결정부(102)는, 데이터베이스에서 복수의 제품들 각각의 제품 치수 정보를 검색하고, 검색된 제품 치수 정보에 기초하여 복수의 제1 메인비율들 및 복수의 제1 서브비율들을 산출할 수 있다.

제품 치수 정보에 포함된 어느 하나의 치수 대비 다른 하나의 치수의 비율이 제1 메인비율로 설정될 수 있다.

기 설정된 복수의 제1 메인비율들과 상이한, 제품 치수 정보에 포함된 어느 하나의 치수 대비 다른 하나의 치수의 비율이 제1 서브비율로 설정될 수 있다.

또한, 추천제품 결정부(102)는, 발 치수 정보에 기초하여 복수의 제2 메인비율들 및 복수의 제2 서브비율들을 산출한다(S120).

일 실시예에서, 제2 메인비율은 제품의 전체 미관에 상대적으로 많은 영향을 미치는 비율로서, 제2 메인비율은 기 설정될 수 있다. 일 실시예에서, 발 길이 대비 발볼 거리의 비율, 발 길이 대비 뒤꿈치와 내측발볼 사이거리의 비율, 발볼 거리 대비 발 너비의 비율, 발 길이 대비 뒤꿈치와 외측발볼 사이거리의 비율, 발꿈치와 발등 사이둘레 대비 발꿈치와 발목 사이둘레의 비율 등이 복수의 제2 메인비율들로 기 설정될 수 있다. 다만, 이에 한정되는 것은 아니며 다양한 치수들의 비율이 제2 메인비율로 설정될 수 있다.

일 실시예에서, 제2 서브비율은 제품의 전체 미관에 상대적으로 적은 영향을 미치는 비율로서, 제2 서브비율은 기 설정될 수 있다. 일 실시예에서, 발등 둘레 대비 발등 높이의 비율, 발볼 높이 대비 엄지 높이의 비율, 내측 복사 높이 대비 외측 복사 높이의 비율, 발목 앞뒤 두께 대비 발목 좌우 두께의 비율 등이 복수의 제2 서브비율들로 설정될 수 있다. 다만, 이에 한정되는 것은 아니며 다양한 치수들의 비율이 제2 서브비율로 설정될 수 있다.

제1 메인비율은 제2 메인비율과 대응하도록 설정된다. 예를 들어, 발 길이 대비 발볼 거리의 비율과 대응하는 제2 메인비율은, 제품의 가장 앞 부분에 위치된 포인트와 가장 뒷 부분에 위치된 포인트 사이의 거리 대비 제품의 가장 좌측에 위치된 포인트와 가장 우측에 위치된 포인트 사이의 거리의 비율일 수 있다. 즉, 발 치수 정보에 포함된 치수들을 산출하는데 사용되는 제2 좌표들이 기 설정되며, 제품 치수 정보에 포함된 치수들을 산출하는데 사용되는 제1 좌표들은 제2 좌표들과 대응하는 위치의 포인트들로 기 설정된다. 이를 통해 발 치수 정보에 포함된 치수들과 제품 치수 정보에 포함된 치수들이 서로 대응될 수 있다. 예를 들어, 발 치수 정보에 포함된 발볼 거리와 제품 치수 정보에 포함된 제품의 가장 좌측에 위치된 포인트와 가장 우측에 위치된 포인트 사이의 거리가 서로 대응될 수 있다.

또한, 추천제품 결정부(102)는, 각각의 제1 메인비율들과 각각의 제2 메인비율들 사이의 차이값인 복수의 제1 메인차이값들을 산출한다(S130).

제1 메인비율들 및 제2 메인비율들이 산출되면, 추천제품 결정부(102)는, 제1 메인비율과 제2 메인비율 사이의 차이값인 제1 메인차이값을 산출한다. 각각의 제1 메인비율들과 각각의 제2 메인비율들은 1:1 매칭되며, 추천제품 결정부(102)는, 서로 매칭되는 제1 메인비율과 제2 메인비율 사이의 차이값 값을 제1 메인차이값으로 결정한다. 이를 통해, 제1 메인비율들 및 제2 메인비율들의 개수와 동일한 개수의 제1 메인차이값들이 산출될 수 있다.

또한, 추천제품 결정부(102)는, 각각의 제1 서브비율들과 각각의 제2 서브비율들 사이의 차이값인 복수의 제1 서브차이값들을 산출한다(S140).

제1 서브비율들 및 제2 서브비율들이 산출되면, 추천제품 결정부(102)는, 제1 서브비율과 제2 서브비율 사이의 차이값인 제1 서브차이값을 산출한다. 각각의 제1 서브비율들과 각각의 제2 서브비율들은 1:1 매칭되며, 추천제품 결정부(102)는, 서로 매칭되는 제1 서브비율과 제2 서브비율 사이의 차이값 값을 제1 서브차이값으로 결정한다. 이를 통해, 제1 서브비율들 및 제2 서브비율들의 개수와 동일한 개수의 제1 서브차이값들이 산출될 수 있다.

또한, 추천제품 결정부(102)는, 제1 메인차이값들과 제1 서브차이값들에 기초하여 제품들 각각과 대응하는 제1 비율적합도를 산출한다(S150).

제품의 제1 메인비율들 및 제1 서브비율들과 사용자 발의 제2 메인비율들 및 제2 서브비율들의 차이가 상대적으로 큰 경우, 제품과 사용자의 발은 비율의 일치도가 상대적으로 낮은 것으로 결정할 수 있다. 제품의 제1 메인비율들 및 제1 서브비율들과 사용자 발의 제2 메인비율들 및 제2 서브비율들의 차이가 상대적으로 작은 경우, 제품과 사용자의 발은 비율의 일치도가 상대적으로 큰 것으로 결정할 수 있다.

추천제품 결정부(102)는, 제1 메인차이값들을 모두 더한 값에 제1 가중치를 곱한 값과 제1 서브차이값들을 모두 더한 값에 제2 가중치를 곱한 값의 합이 작을수록 제1 비율적합도를 높게 산출할 수 있다. 제1 가중치는 제2 가중치보다 작은 값으로 결정된다.

또한, 추천제품 결정부(102)는, 제1 메인차이값들을 모두 더한 값에 제1 가중치를 곱한 값과 제1 서브차이값들을 모두 더한 값에 제2 가중치를 곱한 값의 합이 클수록 제1 비율적합도를 낮게 산출할 수 있다. 제1 가중치는 제2 가중치보다 작은 값으로 결정된다.

또한, 추천제품 결정부(102)는, 제품들 각각과 대응하는 제1 메인차이값들 및 제1 서브차이값들에 기초하여 제품들 각각과 대응하는 예상만족도를 획득한다(S160).

사용자가 특정한 제품을 선택하고 선택한 제품을 사용자의 발 치수에 맞추어 제작하는 경우, 제작된 제품의 외관이 사용자가 최초에 선택한 제품과 상이해질 수 있으며, 이를 통해, 사용자의 만족도가 저하될 수 있다.

추천제품 결정부(102)는, 제1 메인차이값들 및 제1 서브차이값들에 기초하여 사용자의 만족도를 예측할 수 있다.

추천제품 결정부(102)는, 기 학습된 기계학습모델에 제1 메인차이값들 및 제1 서브차이값들을 입력 값으로 입력하고, 기계학습모델로부터 예상만족도를 획득할 수 있다. 일 실시예에서, 기계학습모델은, 제1 메인차이값들 및 제1 서브차이값들에 사용자의 만족도를 라벨링하여 생성된 학습데이터를 이용한 기계학습을 통해 생성될 수 있다. 일 실시예에서, Random forest, Xgboost, 다중회귀분석 등이 기계학습모델의 학습에 사용될 수 있다. 다만, 이에 한정되는 것은 아니다.

또한, 추천제품 결정부(102)는, 제1 비율적합도 및 예상만족도에 기초하여 제품들 각각과 대응하는 추천도를 결정한다(S170).

일 실시예에서, 추천제품 결정부(102)는, 제1 비율적합도가 상대적으로 클수록 추천도를 상대적으로 크게 결정할 수 있다. 추천제품 결정부(102)는, 제1 비율적합도가 상대적으로 작을수록 추천도를 상대적으로 작게 결정할 수 있다.

일 실시예에서, 추천제품 결정부(102)는, 예상만족도가 상대적으로 클수록 추천도를 상대적으로 크게 결정할 수 있다. 추천제품 결정부(102)는, 예상만족도가 상대적으로 작을수록 추천도를 상대적으로 작게 결정할 수 있다.

또한, 추천제품 결정부(102)는, 제품들 중 추천도가 기 설정된 기준추천도 이상인 제품을 추천제품으로 결정한다(S180). 일 실시예에서, 기준추천도는, 산출될 수 있는 추천도의 수치범위의 중간 값보다 큰 값으로 설정될 수 있다.

추천제품 결정부(102)는, 데이터베이스에서 추천제품과 미리 매칭된 제품이미지, 재료 및 가격 등을 검색하고, 검색된 제품이미지, 재료 및 가격 등을 출력 인터페이스 장치를 통해 사용자에게 제공할 수 있다.

또한, 추천제품 결정부(102)는, 검색된 제품이미지, 재료 및 가격 등을 스캐닝 장치(200)로 전송할 수 있다. 스캐닝 장치(200)는 스캐닝 장치(200)에 포함된 출력 인터페이스 장치를 통해 수신한 제품 이미지, 재료 및 가격 등을 사용자에게 제공할 수 있다.

다시 도 2를 참조하면, 분석 서버(100)는 라스트 매칭부(103)를 포함한다.

도 7은 도 2에 따른 라스트 매칭부(103)가 제품의 제품 치수 정보와 라스트의 라스트 치수 정보에 기초하여 제품 생성에 가장 적합한 라스트를 결정하는 과정을 나타내는 흐름도이다.

먼저, 치수 정보 수신부(101)가 제품의 제품 치수 정보를 수신한다(S210).

제품의 제품 치수 정보가 수신되면, 라스트 매칭부(103)는, 데이터베이스에 제품 치수 정보와 미리 매칭된 라스트 치수 정보가 존재하는지 검색한다(S220).

제품 치수 정보와 미리 매칭된 라스트 치수 정보가 검색되지 않는 경우, 치수 정보 수신부(101)는, 제품의 치수 정보에 기초하여 제품과 대응하는 복수의 제1 메인비율들 및 복수의 제1 서브비율들을 산출한다(S230).

제품 치수 정보에 포함된 어느 하나의 치수 대비 다른 하나의 치수의 비율이 제1 메인비율로 설정될 수 있다.

기 설정된 복수의 제1 메인비율들과 상이한, 제품 치수 정보에 포함된 어느 하나의 치수 대비 다른 하나의 치수의 비율이 제1 서브비율로 설정될 수 있다.

또한, 라스트 매칭부(103)는, 복수의 라스트들 각각의 라스트 치수 정보에 기초하여 라스트들 각각과 대응하는 복수의 제3 메인비율들 및 복수의 제3 서브비율들을 산출한다(S240).

분석 서버(100)의 데이터베이스에는 라스트들 각각과 라스트 치수 정보가 미리 매칭되어 저장된다.

라스트 치수 정보에 포함된 어느 하나의 치수 대비 다른 하나의 치수의 비율이 제3 메인비율로 설정될 수 있다.

기 설정된 복수의 제3 메인비율들과 상이한, 라스트 치수 정보에 포함된 어느 하나의 치수 대비 다른 하나의 치수의 비율이 제3서브비율로 설정될 수 있다.

제3 메인비율은 제2 메인비율과 대응하도록 설정된다. 예를 들어, 발 길이 대비 발볼 거리의 비율과 대응하는 제2 메인비율은, 라스트의 가장 앞 부분에 위치된 포인트와 가장 뒷 부분에 위치된 포인트 사이의 거리 대비 라스트의 가장 좌측에 위치된 포인트와 가장 우측에 위치된 포인트 사이의 거리의 비율일 수 있다. 즉, 발 치수 정보에 포함된 치수들을 산출하는데 사용되는 제2 좌표들이 기 설정되며, 라스트 치수 정보에 포함된 치수들을 산출하는데 사용되는 제3 좌표들은 제2 좌표들과 대응하는 위치의 포인트들로 기 설정된다. 이를 통해 발 치수 정보에 포함된 치수들과 라스트 치수 정보에 포함된 치수들이 서로 대응될 수 있다. 예를 들어, 발 치수 정보에 포함된 발볼 거리와 라스트 치수 정보에 포함된 라스트의 가장 좌측에 위치된 포인트와 가장 우측에 위치된 포인트 사이의 거리가 서로 대응될 수 있다.

또한, 라스트 매칭부(103)는, 각각의 제1 메인비율들과 각각의 제3 메인비율들 사이의 차이값인 복수의 제2 메인차이값들을 산출한다(S250).

제1 메인비율들 및 제3 메인비율들이 산출되면, 라스트 매칭부(103)는, 제1 메인비율과 제3 메인비율 사이의 차이값인 제2 메인차이값을 산출한다. 각각의 제1 메인비율들과 각각의 제3 메인비율들은 1:1 매칭되며, 라스트 매칭부(103)는, 서로 매칭되는 제1 메인비율과 제3 메인비율 사이의 차이값 값을 제2 메인차이값으로 결정한다. 이를 통해, 제1 메인비율들 및 제3 메인비율들의 개수와 동일한 개수의 제2 메인차이값들이 산출될 수 있다.

또한, 라스트 매칭부(103)는, 각각의 제1 서브비율들과 각각의 제3 서브비율들 사이의 차이값인 복수의 제2 서브차이값들을 산출한다(S260).

제1 서브비율들 및 제3 서브비율들이 산출되면, 라스트 매칭부(103)는, 제1 서브비율과 제3 서브비율 사이의 차이값인 제2 서브차이값을 산출한다. 각각의 제1 서브비율들과 각각의 제3 서브비율들은 1:1 매칭되며, 라스트 매칭부(103)는, 서로 매칭되는 제1 서브비율과 제3 서브비율 사이의 차이값 값을 제2 서브차이값으로 결정한다. 이를 통해, 제1 서브비율들 및 제3 서브비율들의 개수와 동일한 개수의 제2 서브차이값들이 산출될 수 있다.

또한, 라스트 매칭부(103)는, 제2 메인차이값들과 제2 서브차이값들에 기초하여 라스트들 각각과 대응하는 제2 비율적합도를 산출한다(S270).

제품의 제1 메인비율들 및 제1 서브비율들과 라스트의 제3 메인비율들 및 제3 서브비율들의 차이가 상대적으로 큰 경우, 제품과 라스트의 비율의 일치도가 상대적으로 낮은 것으로 결정할 수 있다. 제품의 제1 메인비율들 및 제1 서브비율들과 라스트의 제3 메인비율들 및 제3 서브비율들의 차이가 상대적으로 작은 경우, 제품과 라스트의 비율의 일치도가 상대적으로 큰 것으로 결정할 수 있다.

라스트 매칭부(103)는, 제2 메인차이값들을 모두 더한 값에 제1 가중치를 곱한 값과 제2 서브차이값들을 모두 더한 값에 제2 가중치를 곱한 값의 합이 작을수록 제2 비율적합도를 높게 산출할 수 있다. 제1 가중치는 제2 가중치보다 작은 값으로 결정된다.

또한, 라스트 매칭부(103)는, 제2 메인차이값들을 모두 더한 값에 제1 가중치를 곱한 값과 제2 서브차이값들을 모두 더한 값에 제2 가중치를 곱한 값의 합이 클수록 제2 비율적합도를 낮게 산출할 수 있다. 제1 가중치는 제2 가중치보다 작은 값으로 결정된다.

또한, 라스트 매칭부(103)는, 제품의 포인트클라우드 및 라스트의 포인트클라우드에 기초하여 라스트들 각각과 대응하는 증가부피 및 감소부피를 산출한다(S280).

치수 정보 수신부(101)는, 스캐닝 장치(200)가 생성한 제품의 포인트클라우드를 수신한다. 또한, 분석 서버(100)의 데이터베이스에는 라스트들 각각의 포인트클라우드가 미리 저장된다.

라스트 매칭부(103)는, 제품의 포인트클라우드와 라스트의 포인트클라우드를 배치시키고, 제품의 포인트클라우드가 형성하는 표면의 내측에 위치되고 라스트의 포인트클라우드가 형성하는 표면의 외측에 위치되는 공간의 부피인 증가부피를 산출한다.

라스트 매칭부(103)는, 제품의 포인트클라우드가 형성하는 표면의 외측에 위치되고 라스트의 포인트클라우드가 형성하는 표면의 내측에 위치되는 공간의 부피인 감소부피를 산출한다.

또한, 라스트 매칭부(103)는, 제2 비율적합도, 증가부피 및 감소부피에 기초하여 라스트들 각각과 대응하는 매칭도를 산출한다(S294).

일 실시예에서, 라스트 매칭부(103)는, 제2 비율적합도가 상대적으로 클수록 매칭도를 상대적으로 크게 결정할 수 있다. 추천제품 결정부(102)는, 제2 비율적합도가 상대적으로 작을수록 매칭도를 상대적으로 작게 결정할 수 있다.

일 실시예에서, 라스트 매칭부(103)는, 증가부피에 제3 가중치를 곱한 값과 감소부피에 제4 가중치를 곱한 값의 합이 상대적으로 작을수록 매칭도를 상대적으로 크게 결정할 수 있다. 라스트 매칭부(103)는, 증가부피에 제3 가중치를 곱한 값과 감소부피에 제4 가중치를 곱한 값의 합이 상대적으로 클수록 매칭도를 상대적으로 작게 결정할 수 있다. 제3 가중치는 제4 가중치보다 작게 설정된다.

또한, 라스트 매칭부(103)는, 라스트들 중 매칭도가 가장 높은 라스트와 제품을 매칭하여 데이터베이스에 저장한다(S298).

도 8은 도 2에 따른 라스트 매칭부(103) 및 추천제품 결정부(102)가 사용자의 발 치수 정보에 기초하여 추천제품을 결정하는 과정을 나타내는 흐름도이다.

먼저, 라스트 매칭부(103)는, 발 치수 정보에 기초하여 복수의 제2 메인비율들 및 복수의 제2 서브비율들을 산출한다(S310).

또한, 라스트 매칭부(103)는, 라스트들 각각의 라스트 치수 정보에 기초하여 라스트들 각각과 대응하는 복수의 제3 메인비율들 및 복수의 제3 서브비율들을 산출한다(S320).

또한, 라스트 매칭부(103)는, 각각의 제2 메인비율들과 각각의 제3 메인비율들 사이의 차이값인 복수의 제3 메인차이값들을 산출한다(S330).

제2 메인비율들 및 제3 메인비율들이 산출되면, 라스트 매칭부(103)는, 제2 메인비율과 제3 메인비율 사이의 차이값인 제2 메인차이값을 산출한다. 각각의 제2 메인비율들과 각각의 제3 메인비율들은 1:1 매칭되며, 라스트 매칭부(103)는, 서로 매칭되는 제2 메인비율과 제3 메인비율 사이의 차이값 값을 제3 메인차이값으로 결정한다. 이를 통해, 제2 메인비율들 및 제3 메인비율들의 개수와 동일한 개수의 제3 메인차이값들이 산출될 수 있다.

또한, 라스트 매칭부(103)는, 각각의 제2 서브비율들과 각각의 제3 서브비율들 사이의 차이값인 복수의 제3 서브차이값들을 산출한다(S340).

제2 서브비율들 및 제3 서브비율들이 산출되면, 라스트 매칭부(103)는, 제2 서브비율과 제3 서브비율 사이의 차이값인 제3 서브차이값을 산출한다. 각각의 제2 서브비율들과 각각의 제3 서브비율들은 1:1 매칭되며, 라스트 매칭부(103)는, 서로 매칭되는 제2 서브비율과 제3 서브비율 사이의 차이값 값을 제3 서브차이값으로 결정한다. 이를 통해, 제2 서브비율들 및 제3 서브비율들의 개수와 동일한 개수의 제3 서브차이값들이 산출될 수 있다.

또한, 라스트 매칭부(103)는, 제3 메인차이값들과 제3 서브차이값들에 기초하여 라스트들 각각과 대응하는 제3 비율적합도를 산출한다(S350).

사용자의 발의 제2 메인비율들 및 제2 서브비율들과 라스트의 제3 메인비율들 및 제3 서브비율들의 차이가 상대적으로 큰 경우, 사용자의 발과 라스트의 비율의 일치도가 상대적으로 낮은 것으로 결정할 수 있다. 사용자의 발의 제2 메인비율들 및 제2 서브비율들과 라스트의 제3 메인비율들 및 제3 서브비율들의 차이가 상대적으로 작은 경우, 사용자의 발과 라스트의 비율의 일치도가 상대적으로 큰 것으로 결정할 수 있다.

라스트 매칭부(103)는, 제3 메인차이값들을 모두 더한 값에 제1 가중치를 곱한 값과 제3 서브차이값들을 모두 더한 값에 제2 가중치를 곱한 값의 합이 작을수록 제3 비율적합도를 높게 산출할 수 있다. 제1 가중치는 제2 가중치보다 작은 값으로 결정된다.

또한, 라스트 매칭부(103)는, 제3 메인차이값들을 모두 더한 값에 제1 가중치를 곱한 값과 제3 서브차이값들을 모두 더한 값에 제2 가중치를 곱한 값의 합이 클수록 제3 비율적합도를 낮게 산출할 수 있다. 제1 가중치는 제2 가중치보다 작은 값으로 결정된다.

또한, 라스트 매칭부(103)는, 라스트들 중 제3 비율적합도가 가장 높은 라스트를 사용자 라스트로 결정한다(S360).

라스트 매칭부(103)는, 사용자 라스트를 사용자의 발과 미리 매칭하여 분석 서버(100)의 데이터베이스에 저장한다.

또한, 추천제품 결정부(102)는, 제품들 중 사용자 라스트와 미리 매칭된 제품을 추천제품으로 결정한다(S380).

복수의 제품들이 사용자 라스트와 매칭되어 저장된 경우, 사용자 라스트와 미리 매칭된 복수의 제품들이 추천제품들로 결정된다.

추천제품 결정부(102)는, 데이터베이스에서 추천제품과 미리 매칭된 제품이미지, 재료 및 가격 등을 검색하고, 검색된 제품이미지, 재료 및 가격 등을 출력 인터페이스 장치를 통해 사용자에게 제공할 수 있다.

또한, 추천제품 결정부(102)는, 검색된 제품이미지, 재료 및 가격 등을 스캐닝 장치(200)로 전송할 수 있다. 스캐닝 장치(200)는 스캐닝 장치(200)에 포함된 출력 인터페이스 장치를 통해 수신한 제품 이미지, 재료 및 가격 등을 사용자에게 제공할 수 있다.

도 9는 도 1에 따른 분석 서버(100)의 하드웨어 구성을 예시적으로 나타낸 도면이다.

도 9를 참조하면, 분석 서버(100)는, 적어도 하나의 프로세서(110) 및 상기 적어도 하나의 프로세서(110)가 적어도 하나의 동작(operation)을 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.

상기 적어도 하나의 동작은 전술한 분석 서버(100)의 구성부들(101~103)이나 기타 기능 또는 동작 방법을 포함할 수 있다.

여기서 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다.

예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있고, 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.

또한, 분석 서버(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 분석 서버(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 분석 서버(100)에 포함된 각각의 구성 요소들은 버스(bus, 170)에 의해 연결되어 서로 통신을 수행할 수 있다.

분석 서버(100)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.

본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (5)

1. 사용자의 신발 제작을 위해 라스트 또는 제품의 수치 정보를 사용자에게 제공하는 장치로서,
   적어도 하나의 프로세서(processor); 및
   상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,
   상기 적어도 하나의 단계는,
   데이터베이스에서 복수의 제품들 각각과 미리 매칭된 제품 치수 정보를 검색하고, 상기 제품 치수 정보에 포함된 복수의 제1 치수들 사이의 비율에 기초하여 복수의 제1 메인비율들 및 복수의 제1 서브비율들을 산출하는 단계;
   상기 데이터베이스에서 복수의 라스트들 각각과 미리 매칭된 라스트 치수 정보를 검색하고, 상기 라스트 치수 정보에 포함된 복수의 제2 치수들 사이의 비율에 기초하여 복수의 제2 메인비율들 및 복수의 제2 서브비율들을 산출하는 단계;
   각각의 상기 제1 메인비율들과 각각의 상기 제2 메인비율들 사이의 차이값인 복수의 제1 메인차이값들을 산출하고, 각각의 상기 제1 서브비율들과 각각의 상기 제2 서브비율들 사이의 차이값인 복수의 제1 서브차이값들을 산출하는 단계;
   상기 제1 메인차이값들을 모두 더한 값에 제1 가중치를 곱한 제1 값과 상기 제1 서브차이값들을 모두 더한 값에 상기 제1 가중치보다 큰 제2 가중치를 곱한 제2 값의 합을 이용하여 상기 라스트들 각각과 대응하는 제1 비율적합도를 결정하는 단계;
   상기 제품 치수 정보 및 상기 라스트 치수 정보를 이용하여 상기 라스트들 각각과 대응하는 증가부피 및 감소부피를 산출하는 단계;
   상기 제1 비율적합도, 상기 증가부피 및 상기 감소부피를 이용해 상기 라스트들 각각과 대응하는 매칭도를 결정하는 단계;
   상기 라스트들 중 상기 매칭도가 가장 큰 상기 라스트를 상기 제품과 매칭하여 상기 데이터베이스에 저장하는 단계;
   스캐닝 장치로부터 사용자의 발에 대한 복수의 제3 치수들을 포함하는 발 치수 정보를 수신하는 단계;
   상기 제3 치수들 사이의 비율에 기초하여 복수의 제3 메인비율들 및 복수의 제3 서브비율들을 산출하는 단계;
   각각의 상기 제2 메인비율들과 각각의 상기 제3 메인비율들 사이의 차이값인 복수의 제2 메인차이값들을 산출하고, 각각의 상기 제2 서브비율들과 각각의 상기 제3 서브비율들 사이의 차이값인 복수의 제2 서브차이값들을 산출하는 단계;
   상기 제2 메인차이값들을 모두 더한 값에 상기 제1 가중치를 곱한 제3 값과 상기 제2 서브차이값들을 모두 더한 값에 상기 제1 가중치보다 큰 제2 가중치를 곱한 제4 값의 합을 이용하여 상기 라스트들 각각과 대응하는 제2 비율적합도를 결정하는 단계;
   상기 라스트들 중 상기 제2 비율적합도가 가장 큰 상기 라스트를 사용자 라스트로 결정하는 단계;
   상기 데이터베이스에서 상기 사용자 라스트와 미리 매칭된 상기 제품을 선택하고, 선택된 상기 제품을 추천 제품으로 결정하는 단계;
   각각의 상기 제1 메인비율들과 각각의 상기 제3 메인비율들 사이의 차이값인 복수의 제3 메인차이값들을 산출하고, 각각의 상기 제1 서브비율들과 각각의 상기 제3 서브비율들 사이의 차이값인 복수의 제3 서브차이값들을 산출하는 단계;
   상기 제3 메인차이값들을 모두 더한 값에 상기 제1 가중치를 곱한 제5 값과 상기 제3 서브차이값들을 모두 더한 값에 상기 제2 가중치를 곱한 제6 값의 합을 이용해 제3 비율적합도를 결정하는 단계;
   상기 제3 메인차이값들 및 상기 제3 서브차이값들을 기 학습된 기계학습모델에 입력 값으로 입력하고, 상기 기계학습모델로부터 예상만족도를 획득하는 단계;
   상기 제3 비율적합도 및 상기 예상만족도를 이용해 상기 제품들 각각과 대응하는 추천도를 결정하는 단계; 및
   상기 추천도가 미리 설정된 기준 이상인 상기 제품들을 추천제품들로 결정하는 단계를 포함하고,
   상기 제1 값 및 상기 제2 값의 합이 클수록 상기 제1 비율적합도를 작게 결정하고, 상기 제1 값 및 상기 제2 값의 합이 작을수록 상기 제1 비율적합도를 크게 결정하며,
   상기 제3 값 및 상기 제4 값의 합이 클수록 상기 제2 비율적합도를 작게 결정하고, 상기 제3 값 및 상기 제4 값의 합이 작을수록 상기 제2 비율적합도를 크게 결정하며,
   상기 제5 값 및 상기 제6 값의 합이 클수록 상기 제3 비율적합도를 작게 결정하고, 상기 제5 값 및 상기 제6 값의 합이 작을수록 상기 제3 비율적합도를 크게 결정하며,
   상기 제1 비율적합도가 클수록 상기 매칭도를 상대적으로 크게 결정하고, 상기 제1 비율적합도가 작을수록 상기 매칭도를 상대적으로 작게 결정하며,
   상기 증가부피에 상기 제1 가중치를 곱한 제7 값과 상기 감소부피에 상기 제2 가중치를 곱한 제8 값의 합이 상대적으로 작을수록 상기 매칭도를 상대적으로 크게 결정하고, 상기 증가부피에 상기 제1 가중치를 곱한 제7 값과 상기 감소부피에 상기 제2 가중치를 곱한 제8 값의 합이 상대적으로 클수록 상기 매칭도를 상대적으로 작게 결정하며,
   상기 제3 비율적합도 및 상기 예상만족도 중 적어도 하나가 클수록 상기 추천도를 크게 결정하고, 상기 제3 비율적합도 및 상기 예상만족도 중 적어도 하나가 작을수록 상기 추천도를 작게 결정하는,
   장치.
2. 삭제
3. 삭제
4. 삭제
5. 삭제

Images