KR102521592B1 - 그림 데이터의 색채 분석에 따른 결과 데이터로서 색채 사용 정도, 색채 특성 분포도 및 워드클라우드를 생성하는 방법 - Google Patents

Abstract

본 발명은 종래의 색채추출 방법의 문제점을 개선하기 위해 안출된 것으로서, 본 발명의 목적은 온/오프라인상에서 입력되는 사용자인 아동이 그린 그림 데이터의 객체에 적용된 색채를 학습된 인공지능 알고리즘이 탑재된 인공지능 서버에서 분석하며, 그림 데이터의 색채 분석에 따른 결과 데이터로서 색채 사용 정도, 색채 특성 분포도 및 워드클라우드를 생성할 수 있는 그림 색채 분석 방법 및 시스템을 제공함에 있다.

Description

그림 데이터의 색채 분석에 따른 결과 데이터로서 색채 사용 정도, 색채 특성 분포도 및 워드클라우드를 생성하는 방법 {How to generate color usage degree, color characteristic distribution map and word cloud as result data according to color analysis of picture data}

본 발명은 그림 색채 분석 방법 및 시스템에 관한 것으로, 보다 상세하게는 온/오프라인상에서 입력되는 사용자인 아동이 그린 그림 데이터의 객체에 적용된 색채를 분석할 수 있는 그림 색채 분석 방법 및 시스템에 관한 것이다.

색은 그림의 가장 기본적인 요소로서 그림 속 대상과 분위기를 표현하는 효과적인 방법 중 하나이다. 또한, 그 단위의 특성상 이산적(discrete)이지 않고 연속적(continuous)이기 때문에, 정밀하고 연속적이며 다채로운 표현을 가능하게 한다.

종래에는 색채를 자동으로 추출하는 방법이 대한민국 등록특허공보 제10-1353758호(발명의 명칭: 표준컬러체커를 이용한 디지털 색채보정 및 색채추출 프로그램이 저장된 저장매체 및 그를 이용한 색채 보정 및 색채추출 방법)와 대한민국 등록특허공보 제10-1580034호(발명의 명칭: 모바일 단말기를 이용한 색채추출 및 저장방법)이 개시된 바 있다.

그러나 선행문헌들은 기준 색상을 미리 정의해두고, 이미지(그림 또는 사진)에 적용된 색채(컬러)를 기준 색상으로 보정한 후 해당 색에 가까운 색들의 비율을 구하는 방법으로 색채를 추출하고 있다. 이러한 선행문헌들의 방법도 색채의 분석에 유리할 수 있으나, 이미지에 드러난 색의 다양성을 놓치게 됨과 동시에 색의 표현을 획일화 해버리는 문제점이 있다.

대한민국 등록특허공보 제10-1353758호 대한민국 등록특허공보 제10-1580034호

본 발명은 종래의 색채추출 방법의 문제점을 개선하기 위해 안출된 것으로서, 본 발명의 목적은 온/오프라인상에서 입력되는 사용자인 아동이 그린 그림 데이터의 객체에 적용된 색채를 학습된 인공지능 알고리즘이 탑재된 인공지능 서버에서 분석하며, 그림 데이터의 색채 분석에 따른 결과 데이터로서 색채 사용 정도, 색채 특성 분포도 및 워드클라우드를 생성할 수 있는 그림 색채 분석 방법 및 시스템을 제공함에 있다.

또한, 본 발명은 관리자 및 학부모가 시각 피드백의 형태로 출력되는 결과 데이터에 기반하여 아동의 성격, 그림 데이터를 생성하는데 있어 주로 사용한 색에 대한 정보 및 그림 데이터의 특성을 객관적으로 판단할 수 있는 그림 색채 분석 방법 및 시스템을 제공함에 있다.

다만, 본 발명에서 이루고자 하는 기술적 과제는 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.

상기와 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 그림 색채 분석 방법은, a) 아동인 사용자가 입력 모듈을 이용하여 그림 데이터를 입력하는 단계; b) 분석 모듈의 데이터 서버가 상기 입력 모듈에 입력된 그림 데이터를 인공지능 서버로 전송하며, 상기 인공지능 서버가 상기 그림 데이터 내 배경 이미지를 제거하는 단계; c) 상기 인공지능 서버가 그림 데이터의 분석을 통해 상기 그림 데이터로부터 색채를 추출하여 결과 데이터를 생성하는 단계; d) 피드백 생성 모듈이 상기 인공지능 서버에서 생성된 결과 데이터를 피드백 대시보드에 출력하여 관리자에게 상기 결과 데이터를 제공하는 단계; 및 e) 상기 피드백 생성 모듈이 상기 피드백 대시보드에 출력된 결과 데이터를 상기 사용자의 학부모가 구비한 단말로 전송하며, 상기 단말이 상기 결과 데이터를 시각 피드백의 형태로 출력하여 상기 학부모에게 제공하는 단계;를 포함할 수 있다.

또한, 본 발명의 일 실시예에 따른 그림 색채 분석 방법을 수행하기 위한 그림 색채 분석 시스템은, 아동인 사용자가 그림 데이터를 입력하기 위한 입력 모듈; 상기 입력 모듈에 입력된 그림 데이터를 전송받는 데이터 서버와, 상기 데이터 서버로부터 전송받은 그림 데이터 내 배경 이미지를 제거한 후에 상기 그림 데이터의 분석을 통해 상기 그림 데이터로부터 색채를 추출하여 결과 데이터를 생성하는 인공지능 서버로 구성된 분석 모듈; 상기 인공지능 서버에서 생성된 결과 데이터를 피드백 대시보드에 출력하여 관리자에게 상기 결과 데이터를 제공하며, 상기 피드백 대시보드에 출력된 결과 데이터를 상기 사용자의 학부모가 구비한 단말로 전송하는 피드백 생성 모듈; 및 상기 결과 데이터를 시각 피드백의 형태로 출력하여 상기 학부모에게 제공하는 상기 단말;을 포함할 수 있다.

그리고 본 발명의 일 실시예에 따른 그림 색채 분석 방법 및 시스템에서 결과 데이터는, 상기 인공지능 서버가 학습된 인공지능 알고리즘을 통해 생성하는 색채 사용 정도, 색채 특성 분포도 및 워드클라우드일 수 있다.

본 발명은 관리자 및 학부모가 워드클라우드에 기반하여 그림 데이터를 생성한 사용자인 아동의 성격을 객관적으로 판단할 수 있다.

또한, 본 발명은 관리자 및 학부모가 색채 사용 정도를 통해 사용자인 아동이 그림 데이터를 생성하는데 있어, 그림 데이터를 생성하는데 주로 사용한 색에 대한 정보를 객관적으로 판단할 수 있다.

그리고 본 발명은 관리자 및 학부모가 색채 특성 분포도를 통해 사용자인 아동이 생성한 그림 데이터의 특성을 객관적으로 판단할 수 있다.

다만, 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.

도 1은 본 발명의 일 실시예에 따른 그림 색채 분석 시스템을 나타내는 도면이다.
도 2는 도 1에 도시된 입력 모듈을 설명하기 위한 도면이다.
도 3은 도 2에 도시된 온라인 입력장치 및 오프라인 입력장치를 통해 데이터 서버로 전송되는 그림 데이터의 일례를 나타내는 도면이다.
도 4는 도 1에 도시된 인공지능 서버에 구성된 인공지능 알고리즘의 일례를 나타내는 도면이다.
도 5는 도 1에 도시된 피드백 생성 모듈을 통해 출력되는 색채 사용 정도의 일례를 나타내는 도면이다.
도 6은 도 1에 도시된 피드백 생성 모듈을 통해 출력되는 색채 특성 분포도의 일례를 나타내는 도면이다.
도 7은 도 1에 도시된 피드백 생성 모듈을 통해 출력되는 워드클라우드의 일례를 나타내는 도면이다.
도 8은 본 발명의 일 실시예에 따른 그림 색채 분석 방법의 과정을 나타내는 도면이다.
도 9는 본 발명의 일 실시예에 따른 인공지능 서버의 그림 데이터 분석 및 생성 단계의 세부 과정을 나타내는 도면이다.
도 10은 도 9에 도시된 색채 사용 정도 분석 및 생성 단계의 세부 과정을 나타내는 도면이다.
도 11은 도 9에 도시된 색채 특성 분포도 분석 및 생성 단계의 세부 과정을 나타내는 도면이다.
도 12는 도 9에 도시된 워드클라우드 생성 단계의 세부 과정을 나타내는 도면이다.

이하에서는, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.

본 발명에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.

"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.

그림 색채 분석 시스템

이하에서는, 본 발명의 일 실시예에 따른 그림 색채 분석 시스템(10)에 대해 자세히 설명하도록 하겠다.

도 1은 본 발명의 일 실시예에 따른 그림 색채 분석 시스템을 나타내는 도면이다.

도 1을 참조하면, 그림 색채 분석 시스템(10)은 그림 데이터(105)의 색채를 분석하기 위한 시스템으로서, 입력 모듈(100), 분석 모듈(200), 피드백 생성 모듈(300) 및 단말(400)을 포함한다.

입력 모듈(100)은 사용자인 아동이 그린 그림 데이터(105)를 분석 모듈(200)의 데이터 서버(200)로 전송하기 위해 그림 색채 분석 시스템(10)에 구비된다.

일 실시예에서, 사용자는 학부모의 관리가 필요한 만 4세~13세의 연령대에 속하는 아동으로 한정하여 설명하겠으나, 바람직하게는 연령대와 상관없이 입력 모듈(100)을 구비한 객체일 수 있다.

일 실시예에서, 입력 모듈(100)은 그림 데이터(105)를 온/오프라인상에서 입력하기 위한 입력장치가 도 2에 도시된 바와 같이 구비될 수 있다.

도 2는 도 1에 도시된 입력 모듈을 설명하기 위한 도면이다.

도 2를 참조하면, 입력 모듈(100)은 온라인 입력장치(110) 및 오프라인 입력장치(120)가 구비된다.

온라인 입력장치(110)는 사용자가 온라인(on-line)상에서 그린 그림 데이터(105)를 데이터 서버(210)로 전송한다.

일 실시예에서, 온라인 입력장치(110)는 드로잉 툴(drawing tool)을 이용하여 그림 데이터(105)를 그릴 수 있는 앱(app)이 기저장(또는 탑재)되며, 사용자가 앱의 드로잉 툴을 이용하여 그림 데이터(105)를 그린 후 그림 데이터(105)를 데이터베이스(미도시)에 저장하면, 앱은 그림 데이터(105)를 데이터 서버(210)로 실시간으로 전송할 수 있다.

일 실시예에서, 온라인 입력장치(110)는 데이터베이스 저장된 그림 데이터(105)를 데이터 서버(210)로 전송하기 위해 데이터 서버(210)와 네트워크를 통해 연결될 수 있다.

일 실시예에서, 온라인 입력장치(110)는 앱의 기저장이 가능한 수단이면 한정하지 아니하며, 이러한 수단은 일례로 스마트폰, 컴퓨터, 태블릿 중 적어도 하나일 수 있다.

오프라인 입력장치(120)는 사용자가 직접 즉, 오프라인(off-line)상에서 도구(예: 붓, 펜 등)을 이용하여 직접 그린 그림 데이터(105)를 데이터 서버(210)로 전송한다.

일 실시예에서, 오프라인 입력장치(120)는 오프라인상에서 그려진 그림 데이터(105)를 데이터 서버(210)로 전송하는 것이 가능한 수단이면 한정하지 아니하며, 이러한 수단은 일례로 스캐너일 수 있다.

그림 데이터(105)는 온라인 입력장치(110) 및 오프라인 입력장치(120) 중 적어도 하나를 통해 분석 모듈(200)의 데이터 서버(210)로 전송되는데, 도 3에 도시된 바와 같이 객체(1050)를 적어도 포함하는 것이 바람직하다.

도 3은 도 2에 도시된 온라인 입력장치 및 오프라인 입력장치를 통해 데이터 서버로 전송되는 그림 데이터의 일례를 나타내는 도면이다.

도 3의 (a) 내지 (c)를 참조하면, 그림 데이터(105)는 동일한 수업 과정에서도 각 사용자가 서로 다른 제1 그림 데이터(105a), 제2 그림 데이터(105b), 제3 그림 데이터(105c)를 그릴 수 있으며, 각 그림 데이터(105a, 105b, 105c)는 객체(1050) 및 배경 이미지로 구성된다.

일 실시예에서, 객체(1050)는 종류를 한정하지 아니하나, 사용자의 심리상태를 분석하는 HTP 검사를 기준으로 집, 나무 및 사람 중 적어도 하나일 수 있으며, 객체(1050)를 제외한 나머지는 배경 이미지일 수 있다.

다시 도 1을 참조하면, 분석 모듈(200)은 입력 모듈(100)에서 전송된 그림 데이터(105)의 색채를 분석하며, 색채 분석 결과인 결과 데이터를 생성하기 위해 그림 색채 분석 시스템(10)에 구비된다.

일 실시예에서, 분석 모듈(200)은 데이터 서버(210) 및 인공지능 서버(220)를 포함한다.

데이터 서버(210)는 그림 데이터(105)를 저장하기 위한 데이터베이스 서버의 역할을 수행하기 위해, 온라인 입력장치(110) 및 오프라인 입력장치(120) 중 적어도 하나로부터 그림 데이터(105)를 전송받게 되면, 전송받은 그림 데이터(105)를 저장한다.

일 실시예에서, 데이터 서버(210)는 온라인 입력장치(110) 및 오프라인 입력장치(120)와 네트워크를 통해 연결되어 그림 데이터(105)를 전송받을 수 있다.

인공지능 서버(220)는 데이터 서버(210)로부터 그림 데이터(105)를 전송받기 위해 데이터 서버(210)와 네트워크를 통해 연결될 수 있으며, 데이터 서버(210)로부터 그림 데이터(105)를 전송받게 될 때, 그림 데이터(105)의 색채를 분석하여 결과 데이터를 생성하는데, 결과 데이터의 생성을 위해 도 4에 도시된 바와 같이 학습된 인공지능 알고리즘(225)이 탑재(또는 구성)된다.

도 4는 도 1에 도시된 인공지능 서버에 구성된 인공지능 알고리즘의 일례를 나타내는 도면이다.

도 4 (a)를 참조하면, 인공지능 알고리즘(225)은 그림 데이터(105)의 색채 분석이 가능한 하나의 AI 모델로 구성될 수 있으나 이를 한정하는 것은 아니며, 일 실시예에서는 도 4의 (b)에 도시된 바와 같이 그림 데이터(105)의 색채 분석이 가능한 복수개의 AI 모델로 구성될 수 있다.

도 4의 (b)를 참조하면, 인공지능 알고리즘(225)은 일 실시예에서 이미지 추출 알고리즘(225a), K-means 알고리즘(225b), K-medoids 알고리즘(225c) 및 샘플링 알고리즘(225d)를 포함하는 복수개의 AI 모델로 구성될 수 있으며, 이외에도 다른 AI 모델이 추가 구성될 수도 있다.

이미지 추출 알고리즘(225a)은 픽셀별(pixel-by-pixel) 채널기반 차이 추출 기술을 기반으로 이미지에서 배경이 아닌 전경에 해당하는 이미지를 추출해 내는 방법이다.

인공지능 서버(220)는 학습된 이미지 추출 알고리즘(225a)을 통해 데이터 서버(210)로부터 전송받은 그림 데이터(105) 내 배경 이미지가 아닌 그림 데이터의 객체(1050)를 추출함으로써, 그림 데이터(105)로부터 배경 이미지를 제거한다.

K-means 알고리즘(225b) 및 K-medoids 알고리즘(225c)은 머신러닝 비지도학습에 속하며, 군집 수를 사전에 설정한 후에 데이터를 K개의 군집(Cluster)으로 묶는(Clusting) 알고리즘이다.

일 실시예에서, 인공지능 알고리즘(225)에는 데이터의 군집이 가능한 K-means 알고리즘(225b) 및 K-medoids 알고리즘(225c)가 각각 구성될 수 있다. 다만, 그림 색채 분석 시스템(10)의 비용 축소 및 규모 최소화를 위해, K-means 알고리즘(225b) 및 K-medoids 알고리즘(225c) 중 적어도 하나의 AI 모델만 구성될 수도 있다.

인공지능 서버(220)는 학습된 K-means 알고리즘(225b) 및 K-medoids 알고리즘(225c) 중 적어도 하나를 통해 기설정된 개수로 군집 수를 설정한 후, 배경 이미지가 제거된 그림 데이터(105)의 객체(105)에 적용된 색채를 유사한 색채별로 클러스터링시켜 기설정된 개수의 군집을 형성한다.

또한, 인공지능 서버(220)는 색채별로 클러스터링된 기설정된 개수의 군집이 형성되는 경우, 학습된 K-means 알고리즘(225b) 및 K-medoids 알고리즘(225c) 중 적어도 하나를 통해 각 군집의 크기를 분석하며, 군집의 크기가 큰 순으로 기설정된 개수의 군집을 정렬한다.

일 실시예에서, 군집의 기설정된 개수는 피드백 생성 모듈(300)의 피드백 대시보드에서 출력될 색채 사용 정도(310)를 구성하기 위한 브러쉬(311~315)의 개수와 동일할 수 있다.

구체적인 일례로, 군집의 기설정된 개수는 서로 다른 색채의 브러쉬(311~315)가 색채 사용 정도(310)상에서 5개로 출력될 경우 5개로 설정될 수 있으며, 이와 달리 서로 다른 색채의 브러쉬(311~315)가 색채 사용 정도(310)상에서 6개로 출력될 경우 6개로 설정될 수 있다.

그리고 인공지능 서버(220)는 군집의 정렬 후, 정렬된 군집을 이용하여 피드백 생성 모듈(300)에서 출력될 색채 사용 정도(310) 및 색채 특성 분포도(320)를 생성한다.

샘플링 알고리즘(225d)은 색채이미지 형용사를 추출하기 위한 가중 랜덤 샘플링(weighted random sampling) 기반의 AI 모델일 수 있다.

여기서, 색채이미지 형용사는 색채이미지 스케일 내 색채 영역(321~325)의 위치에 따라 색채 영역(321~325)의 색으로부터 유추되는 성향에 대해 형용사의 형태로 추출되는 텍스트(text)를 의미한다.

인공지능 서버(220)는 색채 특성 분포도(320)가 생성되는 경우, 학습된 샘플링 알고리즘(225d)을 통해 색채 특성 분포도(320)를 구성하는 색채 영역(321~325)의 색과 관련된 색채이미지 형용사를 하나 이상 추출한다.

또한, 인공지능 서버(220)는 색채이미지 형용사가 하나 이상 추출되면, 색채이미지 형용사에 대한 텍스트 말뭉치(text corpus)를 형성하며, 텍스트 말뭉치 내 각 색채이미지 형용사의 크기를 색채 영역(321~325)의 크기에 따라 조절함으로써, 피드백 생성 모듈(300)에서 출력될 워드클라우드(330)를 생성한다.

여기서, 텍스트 말뭉치는 자연언어 연구를 위해 특정한 목적을 가지고 언어의 표본을 추출한 집합을 의미한다.

즉, 인공지능 서버(220)는 일 실시예에서 그림 데이터(105)의 분석을 통해 색채 사용 정도(310), 색채 특성 분포도(320) 및 워드클라우드(330)를 결과 데이터로 생성하게 된다.

일 실시예에서, 인공지능 서버(220)는 데이터 서버(210)로 전송된 그림 데이터(105)와 결과 데이터인 색채 사용 정도(310), 색채 특성 분포도(320) 및 워드클라우드(330)를 페어링시켜 페어링 데이터를 생성할 수 있다.

일 실시예에서, 인공지능 서버(220)는 페어링 데이터를 피드백 생성 모듈(300)로 페어링 데이터를 전송할 수 있으나 이를 한정하는 것은 아니며, 피드백 생성 모듈(300)에 결과 데이터만을 전송할 수도 있다.

다시 도 1을 참조하면, 피드백 생성 모듈(300)은 인공지능 서버(220)와 네트워크를 통해 연결되며, 인공지능 서버(220)로부터 전송받은 결과 데이터 또는 페어링 데이터를 피드백 대시보드(미도시)에 출력함으로써, 관리자에게 결과 데이터 또는 페어링 데이터를 제공한다.

일 실시예에서, 관리자는 사용자에게 그림 데이터(105)의 생성을 위한 수업을 진행하는 교사이거나, 그림 분석 시스템(10)을 관리 및 운영하는 운영자일 수 있으며, 교사이면서 운영자일 수도 있다.

일 실시예에서, 피드백 생성 모듈(300)은 결과 데이터인 색채 사용 정도(310), 색채 특성 분포도(320) 및 워드클라우드(330)를 도 5 내지 도 7에 도시된 바와 같이 피드백 대시보드에 출력하여 관리자에게 제공할 수 있다.

도 5는 도 1에 도시된 피드백 생성 모듈을 통해 출력되는 색채 사용 정도의 일례를 나타내는 도면이며, 도 6은 도 1에 도시된 피드백 생성 모듈을 통해 출력되는 색채 특성 분포도의 일례를 나타내는 도면이고, 도 7은 도 1에 도시된 피드백 생성 모듈을 통해 출력되는 워드클라우드의 일례를 나타내는 도면이다.

도 5를 참조하면, 색채 사용 정도(310)는 일 실시예에서 인공지능 서버(220)가 크기순으로 정렬한 각각의 군집을 구성하는 색채와 동일한 색채로 구성된 브러쉬를 하나 이상 포함한다.

일 실시예에서, 색채 사용 정도(310)의 브러쉬를 구성하기 위한 군집은 '에메랄드색'의 군집, '초록색'의 군집, '회색'의 군집, '노랑색'의 군집, '빨강색'의 군집으로 구성될 수 있다.

이에 따라, 색채 사용 정도(310)의 브러쉬는 일 실시예에서 '에메랄드색'의 제1 브러쉬(311), '초록색'의 제2 브러쉬(312), '회색'의 제3 브러쉬(313), '노랑색'의 제4 브러쉬(314) 및 '빨강색'의 제5 브러쉬(315)로 구성될 수 있다.

일 실시예에서, 색채 사용 정도(310)는 제1 내지 제5 브러쉬(311~315)와 연결된 형태의 붓터치를 하나 이상 포함한다.

일 실시예에서, 색채 사용 정도(310)의 붓터치는 제1 브러쉬(311)와 연결된 형태의 제1 붓터치(311a), 제2 브러쉬(312)와 연결된 제2 붓터치(312a), 제3 브러쉬(313)와 연결된 제3 붓터치(313a), 제4 브러쉬(314)와 연결된 제4 붓터치(314a) 및 제5 브러쉬(315)와 연결된 제5 붓터치(315a)로 구성될 수 있다.

일 실시예에서, 제1 내지 제5 붓터치(311a~315a)는 인공지능 서버(220)로부터 정렬된 각 군집의 크기에 따라 길이에 차이가 발생되는데, 제1 붓터치(311a)로부터 제5 붓터치(315a)로 갈수록 길이가 짧아질 수 있다.

즉, 일 실시예에서 군집은 제1 붓터치(311a)의 색채와 동일한 군집인 '에메랄드색'의 군집의 크기가 가장 클 수 있으며, 제5 붓터치(315a)의 색채와 동일한 군집인 '빨강색'의 군집의 크기가 가장 작을 수 있다.

도 6을 참조하면, 색채 특성 분포도(320)는 인공지능 서버(220)가 생성한 일 실시예에서 색채이미지 스케일과, 각각의 군집을 구성하는 색채와 동일한 색채로 구성되며 각 군집의 크기 비율에 따라 크기가 조절된 색채 영역을 하나 이상 포함한다.

일 실시예에서, 색채 이미지 스케일은 X축이 '따뜻함(warm)'과 '차가움(cool)', Y축이 '부드러운(soft)'과 '딱딱한(hard)'으로 특성 요인이 구성될 수 있다.

일 실시예에서, 색채 특성 분포도(320)의 색채 영역은 각각의 군집을 구성하는 색채와 동일한 색채로 구성되도록, '에메랄드색'의 제1 색채 영역(321), '초록색'의 제2 색채 영역(322), '회색'의 제3 색채 영역(323), '노랑색'의 제4 색채 영역(324) 및 '빨강색'의 제5 색채 영역(325)으로 구성될 수 있다.

일 실시예에서, 제1 내지 제5 색채 영역(321~325)은 색채이미지 스케일상에 원형으로 표시될 수 있으나, 다른 도형(예: 삼각형, 사각형, 오각형 등)의 형태로 표시될 수도 있다.

일 실시예에서, 제1 내지 제5 색채 영역(321~325)은 군집이 상기와 같이 '에메랄드색'의 군집의 크기가 가장 크며, '빨강색'의 군집의 크기가 가장 작기 때문에, 도 6에 도시된 바와 같이 제1 색채 영역(321)으로부터 제5 색채 영역(325)으로 갈수록 크기(직경)가 작아질 수 있다.

도 7을 참조하면, 워드클라우드(330)는 색채 특성 분포도(320)를 구성하는 색채 영역의 색과 관련된 색채이미지 형용사의 집합이며, 인공지능 서버(220)에 의해 각 색채이미지 형용사는 색채 영역(321~325)의 크기에 따라 크기가 조절된 상태로 피드백 대시보드에서 출력된다.

일 실시예에서, 워드클라우드(330)는 복수개의 색채이미지 형용사로 이루어지는데, 각 색채이미지 형용사는 색채 영역(321~325)의 크기에 따라 크기가 서로 다르게 출력되며, 크기가 동일한 색채 영역(321~325)의 색과 관련된 색채이미지 형용사는 크기가 동일할 수 있다.

일 실시예에서, 워드클라우드(330)의 각 색채이미지 형용사는 관리자 및 단말(400)을 구비한 학부모가 그림 데이터(105)를 그린 사용자의 성격을 객관적으로 판단할 수 있도록 하기 위한 사용자의 성격과 관련된 텍스트일 수 있다.

일 실시예에서, 피드백 생성 모듈(300)은 관리자가 피드백 대시보드에 출력된 결과 데이터 또는 페어링 데이터를 확인한 후, 관리자에 의한 제어를 통해 결과 데이터 또는 페어링 데이터를 학부모가 구비한 단말(400)로 전송한다.

다시 도 1을 참조하면, 단말(400)은 피드백 생성 모듈(300)로부터 전송받은 결과 데이터 또는 페어링 데이터를 시각 피드백의 형태로 출력하여 학부모에게 제공하며, 학부모는 단말(400)에 출력된 결과 데이터 또는 페어링 데이터를 이용하여 사용자인 아동의 수업방향에 대해 관리자와 상담을 진행할 수 있다.

일 실시예에서, 단말(400)은 피드백 생성 모듈(300)로부터 결과 데이터 또는 피드백 데이터를 전송받기 위해 피드백 생성 모듈(300)과 네트워크를 통해 연결되며, 전송받은 결과 데이터 또는 피드백 데이터를 화면에 출력하기 위한 앱이 기저장되는 스마트폰, 컴퓨터, 태블릿 등의 수단일 수 있다.

일 실시예에서, 단말(400)은 피드백 생성 모듈(300)로부터 결과 데이터를 전송받는 경우에 색채 사용 정도(310), 색채 특성 분포도(320) 및 워크클라우드(330)를 한 화면상에 출력할 수 있다.

일 실시예에서, 단말(400)은 피드백 생성 모듈(300)로부터 페어링 데이터를 전송받는 경우에 데이터 서버(210)로 전송된 그림 데이터(105)와, 색채 사용 정도(310), 색채 특성 분포도(320) 및 워크클라우드(330)를 한 화면상에 출력할 수 있다.

상기 그림 객체 분석 시스템(10)은 워드클라우드(330)에 기반하여 그림 데이터(105)를 생성한 사용자인 아동의 성격을 객관적으로 판단할 수 있다.

상기 그림 객체 분석 시스템(10)은 색채 사용 정도(310)를 통해 사용자인 아동이 그림 데이터를 생성하는데 있어, 그림 데이터(105)를 생성하는데 주로 사용한 색에 대한 정보를 객관적으로 판단할 수 있다.

상기 그림 객체 분석 시스템(10)은 색채 특성 분포도(310)를 통해 사용자인 아동이 생성한 그림 데이터의 특성을 객관적으로 판단할 수 있다.

그림 색채 분석 방법

이하에서는, 학부모가 구비한 단말(400)에 전송되는 데이터가 결과 데이터인 것을 기준으로 하여, 상기 그림 객체 분석 시스템(10)에 의해 수행되는 그림 색채 분석 방법(10)에 대해 자세히 설명하도록 하겠다.

도 8은 본 발명의 일 실시예에 따른 그림 색채 분석 방법의 과정을 나타내는 도면이다.

도 8을 참조하면, 그림 색채 분석 방법(S10)은 그림 데이터 입력 단계(S11), 그림 데이터 전송 단계(S12), 배경 이미지 제거 단계(S13), 결과 데이터 생성 단계(S14), 결과 데이터 출력 단계(S15), 결과 데이터 확인 여부 판단 단계(S16) 및 결과 데이터 전송 단계(S17)를 포함한다.

먼저, 아동인 사용자가 입력 모듈(100)인 온라인 입력장치(110) 및 오프라인 입력장치(120) 중 적어도 하나를 이용하여 그림 데이터(105)를 입력할 수 있다(S11).

그 후, 데이터 서버(210)는 온라인 입력장치(110) 및 오프라인 입력장치(120) 중 적어도 하나로부터 전달받은 그림 데이터(105)를 인공지능 서버(220)로 전송할 수 있다(S12).

그 후, 인공지능 서버(220)는 학습된 이미지 추출 알고리즘(225a)을 통해 데이터 서버(210)로부터 전송받은 그림 데이터(105) 내 배경 이미지를 제거할 수 있다(S13).

그 후, 인공지능 서버(220)는 그림 데이터(105)의 색채를 추출하여 결과 데이터인 색채 사용 정도(310), 색채 특성 분포도(320) 및 워드클라우드(330)를 생성할 수 있다(S14).

피드백 생성 모듈(300)은 인공지능 서버(220)로부터 전송받은 결과 데이터를 피드백 대시보드에 출력할 수 있다(S15).

그 후, 관리자는 피드백 대시보드를 통해 인공지능 서버(220)가 그림 데이터(105)를 분석함으로써 생성한 결과 데이터를 확인할 수 있다(S16).

이때 만약, 관리자가 피드백 대시보드를 통해 결과 데이터를 확인하지 않는 경우(S16-NO), 피드백 대시보드는 결과 데이터를 출력한 상태로 유지될 수 있다.

이와 달리 만약, 관리자가 피드백 대시보드를 통해 결과 데이터를 확인하는 경우(S16-YES), 피드백 생성 모듈(300)은 관리자에 의해 피드백 대시보드에 출력된 결과 데이터를 학부모가 구비한 단말(400)로 전송할 수 있다(S17).

상기 그림 색채 분석 방법(10)에서, 학부모는 단말(400)의 화면에 출력되는 결과 데이터를 통해 사용자인 아동의 성격, 그림 데이터(105)에 주로 사용한 색에 대한 정보 및 그림 데이터(105)의 특성을 객관적으로 판단할 수 있다.

결과 데이터 생성 단계

이하에서는, 인공지능 서버(220)가 그림 데이터(105)와 결과 데이터인 색채 사용 정도(310), 색채 특성 분포도(320) 및 워드클라우드(330)를 페어링하는 것을 기준으로 하여, 결과 데이터 생성 단계(S14)의 세부 과정에 대해 자세히 설명하도록 하겠다.

도 9는 본 발명의 일 실시예에 따른 인공지능 서버의 그림 데이터 분석 및 생성 단계의 세부 과정을 나타내는 도면이다.

도 9를 참조하면, 인공지능 서버(220)는 학습된 K-means 알고리즘(225b) 및 K-medoids 알고리즘(225c) 중 적어도 하나를 이용하여 그림 데이터(105)를 분석함으로써, 색채 사용 정도(310)를 생성할 수 있다(S141).

색채 사용 정도 생성 단계(S141)와 동시 또는 그 후, 인공지능 서버(220)는 그림 데이터(105)의 분석을 통해 색채 특성 분포도(320)를 생성할 수 있다(S142).

그 후, 인공지능 서버(220)는 학습된 샘플링 알고리즘(225d)을 이용하여 워드클라우드(330)를 생성할 수 있다(S143).

그 후, 인공지능 서버(220)는 데이터 서버(210)에 입력된 그림 데이터(105)와 결과 데이터인 색채 사용 정도(310), 색채 특성 분포도(320) 및 워드클라우드(330)를 페어링하며(S144), 그림 데이터(105)와 결과 데이터의 페어링을 통해 생성된 페어링 데이터를 피드백 생성 모듈(300)로 전송할 수 있다(S145).

색채 사용 정도 생성 방법

이하에서는, 인공지능 서버(220)가 그림 데이터(105)의 분석을 통해 생성하여 피드백 생성 모듈(300)에서 출력될 색채 사용 정도(310)를 생성하는 색새 사용 정도 생성 단계(S141)의 세부 과정에 대해 자세히 설명하도록 하겠다.

도 10은 도 9에 도시된 색채 사용 정도 분석 및 생성 단계의 세부 과정을 나타내는 도면이다.

도 10을 참조하면, 인공지능 서버(220)는 학습된 K-means 알고리즘(225b) 및 K-medoids 알고리즘(225c) 중 적어도 하나인 인공지능 알고리즘(225)을 통해 기설정된 개수로 군집 수를 설정할 수 있다(S1410).

그 후, 인공지능 알고리즘(225)은 배경 이미지가 제거된 그림 데이터(105)의 객체에 적용된 색채를 유사한 색채별로 클러스터링시켜 상기 기설정된 개수의 군집을 형성할 수 있다(S1411).

그 후, 인공지능 알고리즘(225)은 군집의 크기를 분석하여 군집의 크기가 큰 순으로 군집을 정렬할 수 있다(S1412).

그 후, 인공지능 서버(220)는 각각의 군집을 구성하는 색채에 대한 브러쉬(311~315)를 하나 이상 생성할 수 있다(S1413).

그 후, 인공지능 서버(220)는 각 군집의 크기에 따라 브러쉬(311~315)와 연결된 붓터치(311a~315a)의 길이에 차이를 두는 색채 사용 정도(310)를 생성할 수 있다(S1414).

색채 특성 분포도 생성 방법

이하에서는, 인공지능 서버(220)가 그림 데이터(105)의 분석을 통해 생성하여 피드백 생성 모듈(300)에서 출력될 색채 특성 분포도(320)를 생성하는 색채 특성 분포도 생성 단계(S142)의 세부 과정에 대해 자세히 설명하도록 하겠다.

도 11은 도 9에 도시된 색채 특성 분포도 분석 및 생성 단계의 세부 과정을 나타내는 도면이다.

도 11을 참조하면, 인공지능 서버(220)는 학습된 K-means 알고리즘(225b) 및 K-medoids 알고리즘(225c) 중 적어도 하나인 인공지능 알고리즘(225)을 통해 기설정된 개수로 군집 수를 설정할 수 있다(S1420).

그 후, 인공지능 알고리즘(225)은 배경 이미지가 제거된 그림 데이터(105)의 객체에 적용된 색채를 유사한 색채별로 클러스터링시켜 상기 기설정된 개수의 군집을 형성할 수 있다(S1421).

그 후, 인공지능 알고리즘(225)은 군집의 크기를 분석하여 군집의 크기가 큰 순으로 군집을 정렬할 수 있다(S1422).

그 후, 인공지능 서버(220)는 색채이미지 스케일을 생성하며(S1423), 각각의 군집을 이루는 색채 영역(321~325)을 색채이미지 스케일상에 하나 이상 표시한 후, 각 군집의 크기 비율에 따라 색채 영역(321~325)의 크기를 조절하여 색채 특성 분포도(320)를 생성할 수 있다(S1424).

워드클라우드 생성 방법

이하에서는, 인공지능 서버(220)가 그림 데이터(105)의 분석을 통해 생성하여 피드백 생성 모듈(300)에서 출력될 워드클라우드(330)를 생성하는 워드클라우드 생성 단계(S143)의 세부 과정에 대해 자세히 설명하도록 하겠다.

도 12는 도 9에 도시된 워드클라우드 생성 단계의 세부 과정을 나타내는 도면이다.

도 12를 참조하면, 인공지능 서버(220)는 색채 영역(321~325)의 크기를 퍼센테이지(percentage) 단위로 환산할 수 있다(S1430).

그 후, 인공지능 서버(220)는 학습된 샘플링 알고리즘(225d)을 통해 % 단위로 환산된 색채 영역의 색과 관련된 색채이미지 형용사를 하나 이상 추출할 수 있다(S1431).

그 후, 인공지능 서버(220)는 색채이미지 형용사에 대한 텍스트 말뭉치를 형성할 수 있다(S1432).

그 후, 인공지능 서버(220)는 텍스트 말뭉치 내 각 색채이미지 형용사의 크기를 색채 영역(321~325)의 크기에 따라 조절한 워드클라우드(330)를 생성할 수 있다(S1433).

상술한 바와 같이 개시된 본 발명의 바람직한 실시예들에 대한 상세한 설명은 당업자가 본 발명을 구현하고 실시할 수 있도록 제공되었다. 상기에서는 본 발명의 바람직한 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 본 발명의 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 예를 들어, 당업자는 상술한 실시예들에 기재된 각 구성을 서로 조합하는 방식으로 이용할 수 있다. 따라서, 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다.

본 발명은 본 발명의 기술적 사상 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다. 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.

10: 그림 색채 분석 시스템, 100: 입력 모듈,
105: 그림 데이터, 1050: 객체,
110: 온라인 입력장치, 120: 오프라인 입력장치,
200: 분석 모듈, 210: 데이터 서버,
220: 인공지능 서버, 225: 인공지능 알고리즘,
300: 피드백 생성 모듈, 310: 색채 사용 정도,
311~315: 브러쉬, 311a~315a: 붓터치,
320: 색채 특성 분포도, 321~325: 색채 영역,
330: 워드클라우드, 400: 단말.

Claims (1)

1. a) 아동인 사용자가 입력 모듈을 이용하여 그림 데이터를 입력하는 단계;
   b) 분석 모듈의 데이터 서버가 상기 입력 모듈에 입력된 그림 데이터를 인공지능 서버로 전송하며, 상기 인공지능 서버가 상기 그림 데이터 내 배경 이미지를 제거하는 단계;
   c) 상기 인공지능 서버가 그림 데이터의 분석을 통해 상기 그림 데이터로부터 색채를 추출하여 결과 데이터를 생성하는 단계;
   d) 피드백 생성 모듈이 상기 인공지능 서버에서 생성된 결과 데이터를 피드백 대시보드에 출력하여 관리자에게 상기 결과 데이터를 제공하는 단계; 및
   e) 상기 피드백 생성 모듈이 상기 피드백 대시보드에 출력된 결과 데이터를 상기 사용자의 학부모가 구비한 단말로 전송하며, 상기 단말이 상기 결과 데이터를 시각 피드백의 형태로 출력하여 상기 학부모에게 제공하는 단계;를 포함하고,
   상기 결과 데이터는,
   상기 인공지능 서버가 학습된 인공지능 알고리즘을 통해 생성하는 색채 사용 정도, 색채 특성 분포도 및 워드클라우드이며,
   
   상기 c) 단계는,
   c-1) 상기 인공지능 서버가 학습된 인공지능 알고리즘을 통해 배경 이미지가 제거된 그림 데이터의 색채를 클러스터링하는 것을 기반으로 색채 사용 정도를 생성하는 단계;
   c-2) 상기 인공지능 서버가 학습된 인공지능 알고리즘을 통해 배경 이미지가 제거된 그림 데이터의 색채를 클러스터링하는 것을 기반으로 색채 특성 분포도를 생성하는 단계;
   c-3) 상기 인공지능 서버가 상기 색채 특성 분포도를 통해 추출되는 색채 영역과 관련된 색채이미지 형용사 기반의 워드클라우드를 생성하는 단계;
   c-4) 상기 인공지능 서버가 상기 그림 데이터와 결과 데이터인 색채 사용 정도, 색채 특성 분포도 및 워드클라우드를 페어링시켜 페어링 데이터를 생성하는 단계; 및
   c-5) 상기 인공지능 서버가 상기 페어링 데이터를 상기 피드백 생성 모듈로 전송하는 단계;를 포함하고,
   
   상기 c-3) 단계는,
   c-3-1) 상기 인공지능 서버가 상기 색채 영역의 크기를 퍼센테이지(percentage) 단위로 환산하는 단계;
   c-3-2) 상기 인공지능 서버가 학습된 인공지능 알고리즘을 통해 상기 % 단위로 환산된 색채 영역의 색과 관련된 색채이미지 형용사를 하나 이상 추출하는 단계;
   c-3-3) 상기 인공지능 서버가 상기 색채이미지 형용사에 대한 텍스트 말뭉치(text corpus)를 형성하는 단계; 및
   c-3-4) 상기 인공지능 서버가 상기 텍스트 말뭉치 내 각 색채이미지 형용사의 크기를 상기 색채 영역의 크기에 따라 조절한 워드클라우드를 생성하는 단계;를 포함하며,
   
   상기 인공지능 알고리즘은,
   상기 색채이미지 형용사를 추출하기 위한 가중 랜덤 샘플링(weighted random sampling) 기반의 AI 모델인 것을 특징으로 하는 그림 색채 분석 방법.

Images