KR102530461B1

KR102530461B1 - ３ｄ 아바타를 이용한 시착 서비스 제공 시스템

Info

Publication number: KR102530461B1
Application number: KR1020210041313A
Authority: KR
Inventors: 장철호
Original assignee: 장철호
Priority date: 2021-03-30
Filing date: 2021-03-30
Publication date: 2023-05-08
Also published as: KR20220135526A

Abstract

3D 아바타를 이용한 시착 서비스 제공 시스템이 제공되며, 인체의 적어도 하나의 부위의 사이즈를 포함하는 신체정보를 업로드하고, 얼굴정보가 포함된 사진을 업로드한 후, 신체정보 및 얼굴정보에 기반하여 생성된 3D 아바타를 출력하고, 3D 아바타 상에 신체정보에 대응하는 사이즈를 가지는 의류를 추출하여 시착한 결과를 출력하는 사용자 단말 및 적어도 하나의 카테고리의 의류의 의류 데이터에 사이즈 및 재질을 태깅하여 저장하는 저장부, 의류 데이터 내 이미지 및 사이즈에 기반하여 3D 모델링을 진행하여 3D 데이터로 변환하는 변환부, 사용자 단말에서 신체정보 및 얼굴정보를 입력하는 경우, 신체정보 및 얼굴정보에 기반하여 3D 아바타를 생성하는 생성부, 3D 아바타 상 신체정보에 대응하는 사이즈를 가지는 의류의 3D 데이터를 추출하여 시착시키는 시착부, 시착한 결과를 사용자 단말로 전송하는 전송부를 포함하는 시착 서비스 제공 서버를 포함한다.

Description

３Ｄ 아바타를 이용한 시착 서비스 제공 시스템{SYSTEM FOR PROVIDING VIRTUAL CLOTH FITTING SERVICE USING THREE-DIMENSIONAL AVATAR}

본 발명은 3D 아바타를 이용한 시착 서비스 제공 시스템에 관한 것으로, 신체정보 및 얼굴정보를 이용하여 3D 아바타를 생성한 후 의상을 시착해보는 시뮬레이션을 할 수 있는 플랫폼을 제공한다.

최근 그래픽 기술의 발달로 인해 가상착의는 의류 산업 등의 다양한 분야에서 광범위하게 활용되고 있으며, 이러한 3차 원 가상 피팅 기술은 대량생산체제에서 개별 고객의 사이즈와 취향 등을 반영하여 개별 고객 맞춤 서비스를 제공할 수 있는 핵심 기술이 되고 있다. 현재 사용되고 있는 3차원 가상 피팅 프로그램의 종류로는 3D Runway Designer, CLO 3D, i-Designer, 3D-Fit, Narcis, V-Stitcher, DC-suit 등이 있으며, 이 중 CLO 3D와 DC-Suit는 3차원 패션쇼가 가능하며, 국내에서는 패턴 캐드 프로그램 YUKA와 연동이 가능한 CLO 3D에 대한 선호도가 높아지고 있다. 또한 3차원 가상 피팅 프로그램의 사용 예로 최근 패션 스타트업 플랫폼 이파로는 CLO 3D를 이용해 상반기, 하반기 마다 단체 패션쇼를 진행해왔다.

이때, 고객의 신체정보 및 얼굴정보를 이용하여 3차원 아바타를 생성하고 시착해보는 방법이 연구 및 개발되었는데, 이와 관련하여, 선행기술인 한국공개특허 제2020-0064582호(2020년06월08일 공개) 및 한국공개특허 제2020-0025291호(2020년03월10일 공개)에는, 신체정보를 기초로 신체아바타를 생성하기 위하여, 사용자의 체중, 키 및 족압 중에서 적어도 하나의 신체정보를 수신하고, 신체정보를 기초로 사용자의 현재 신체상태를 산출하며, 사용자의 현재 신체상태를 기초로 사용자의 신체아바타를 생성하는 구성과, 사용자의 얼굴을 촬영하는 얼굴 이미지를 획득하고, 얼굴 이미지로부터 얼굴형태, 피부색, 피부질감, 헤어스타일과 같은 특징을 추출한 후 활성화된 3D 아바타에 사용자 얼굴 이미지와 입력된 신체정보를 기반으로 가상 3D 아바타를 생성하며, 사용자의 얼굴 컬러에 기반하여 매칭되는 컬러를 진단 및 추천하고, 추천된 컬러를 가지는 의류를 3D 아바타에 피팅하여 출력하며, 피팅된 의류를 구매할 수 있도록 구매 및 결제 프로세스를 진행하는 구성이 각각 개시되어 있다.

다만, 상술한 구성은 3D 스캐너로 고객의 신체를 360도로 돌아가면서 촬영해야 하는데 3D 스캐너와 같이 고가의 장비를 갖추는 것은 비용이 많이 들 뿐만 아니라 만약 구비한다고 할지라도 3D 스캐너와 인접성이 떨어지는 지역에 사는 고객들은 이를 이용하는데 접근의 한계가 있다. 또, 시착 프로그램을 이용한다고 할지라도 실제로 자신이 입어보는 것이 아니기 때문에 그 느낌이나 무겁거나 가벼운 정도 어느 정도 여유가 있는지 또 어느 정도 죄어오는지를 알 수 없다. 이에, 3D 스캐너가 없더라도 신체정보만을 가지고 3D 아바타를 생성하고, 의류를 착용했을 때 각종 물리력을 고려하여 실제 입어보는 것과 같은 효과를 낼 수 있는 플랫폼의 연구 및 개발이 요구된다.

본 발명의 일 실시예는, 사용자의 신체정보를 이용하여 3D 아바타를 생성하고, 적어도 하나의 의류 및 패션의 상세정보가 포함된 태그를 이용하여 재질 및 사이즈를 데이터베이스화한 후, 3D 모델링으로 3D 의류 데이터를 생성하며, 3D 아바타에 맞는 사이즈의 의류를 고르면서 사용자의 취향을 고려하고, 나아가 의류의 재질에 따라 늘어나는 정도인 장력, 중력, 탄성력과 같은 물리력을 고려함으로써 동일한 사이즈라도 늘어나는 재질인 경우에는 타이트한 핏으로 입을 수 있음에도 적용하지 못하거나, 전혀 탄성이 없는 재질이어서 조금이라도 여유가 없는 경우 단추 사이가 벌어지거나 맞지 않는 경우와 같이 실제 입어봐야 알 수 있는 정보를 함께 제공해줄 수 있는, 3D 아바타를 이용한 시착 서비스 제공 방법을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 인체의 적어도 하나의 부위의 사이즈를 포함하는 신체정보를 업로드하고, 얼굴정보가 포함된 사진을 업로드한 후, 신체정보 및 얼굴정보에 기반하여 생성된 3D 아바타를 출력하고, 3D 아바타 상에 신체정보에 대응하는 사이즈를 가지는 의류를 추출하여 시착한 결과를 출력하는 사용자 단말 및 적어도 하나의 카테고리의 의류의 의류 데이터에 사이즈 및 재질을 태깅하여 저장하는 저장부, 의류 데이터 내 이미지 및 사이즈에 기반하여 3D 모델링을 진행하여 3D 데이터로 변환하는 변환부, 사용자 단말에서 신체정보 및 얼굴정보를 입력하는 경우, 신체정보 및 얼굴정보에 기반하여 3D 아바타를 생성하는 생성부, 3D 아바타 상 신체정보에 대응하는 사이즈를 가지는 의류의 3D 데이터를 추출하여 시착시키는 시착부, 시착한 결과를 사용자 단말로 전송하는 전송부를 포함하는 시착 서비스 제공 서버를 포함한다.

전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 사용자의 신체정보를 이용하여 3D 아바타를 생성하고, 적어도 하나의 의류 및 패션의 상세정보가 포함된 태그를 이용하여 재질 및 사이즈를 데이터베이스화한 후, 3D 모델링으로 3D 의류 데이터를 생성하며, 3D 아바타에 맞는 사이즈의 의류를 고르면서 사용자의 취향을 고려하고, 나아가 의류의 재질에 따라 늘어나는 정도인 장력, 중력, 탄성력과 같은 물리력을 고려함으로써 동일한 사이즈라도 늘어나는 재질인 경우에는 타이트한 핏으로 입을 수 있음에도 적용하지 못하거나, 전혀 탄성이 없는 재질이어서 조금이라도 여유가 없는 경우 단추 사이가 벌어지거나 맞지 않는 경우와 같이 실제 입어봐야 알 수 있는 정보를 함께 제공해줄 수 있다.

도 1은 본 발명의 일 실시예에 따른 3D 아바타를 이용한 시착 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 시착 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 3D 아바타를 이용한 시착 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 3D 아바타를 이용한 시착 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 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.

명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.

본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체 지향 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 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.

본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.

도 1은 본 발명의 일 실시예에 따른 3D 아바타를 이용한 시착 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 3D 아바타를 이용한 시착 서비스 제공 시스템(1)은, 적어도 하나의 사용자 단말(100), 시착 서비스 제공 서버(300), 적어도 하나의 쇼핑몰 서버(400)를 포함할 수 있다. 다만, 이러한 도 1의 3D 아바타를 이용한 시착 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.

이때, 도 1의 각 구성요소들은 일반적으로 네트워크(Network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 사용자 단말(100)은 네트워크(200)를 통하여 시착 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 시착 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100), 적어도 하나의 쇼핑몰 서버(400)와 연결될 수 있다. 또한, 적어도 하나의 쇼핑몰 서버(400)는, 네트워크(200)를 통하여 시착 서비스 제공 서버(300)와 연결될 수 있다.

여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.

적어도 하나의 사용자 단말(100)은, 3D 아바타를 이용한 시착 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 신체정보 및 얼굴정보를 입력하여 3D 아바타를 생성하고, 3D 아바타 상에 자신의 사이즈에 맞는 의류를 시착한 결과를 출력하는 단말일 수 있다.

여기서, 적어도 하나의 사용자 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 사용자 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 사용자 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

시착 서비스 제공 서버(300)는, 3D 아바타를 이용한 시착 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 시착 서비스 제공 서버(300)는, 적어도 하나의 쇼핑몰 서버(400)로부터 수집된 각 의류 데이터를 사이즈 및 재질 등에 기반하여 태깅함으로써 데이터베이스를 구축하는 서버일 수 있다. 또한, 시착 서비스 제공 서버(300)는, 적어도 하나의 의류 데이터를 2D 데이터에서 3D 데이터로 모델링하는 서버일 수 있다. 그리고, 시착 서비스 제공 서버(300)는 사용자의 사이즈에 맞는 의류가 있는 카테고리만 활성화시켜 표시하는 서버일 수 있다. 또한, 시착 서비스 제공 서버(300)는 사용자 단말(100)에서 촉감 수트(Haptic Suit)와 연동된 경우, 촉감 수트를 통하여 의류를 사용자가 입었을 때 어느 정도 당기는지, 조이는지, 넉넉한지, 여유분은 있는지, 재질의 느낌은 어떠한지를 파악할 수 있도록 촉감 엔진 라이브러리를 구축하는 서버일 수 있다.

여기서, 시착 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.

적어도 하나의 쇼핑몰 서버(400)는, 3D 아바타를 이용한 시착 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하는 쇼핑몰의 서버일 수 있다. 이때, 쇼핑몰 서버(400)는, 시착 서비스 제공 서버(300)에서 사용자 단말(100)의 구매 및 결제 이벤트가 발생하는 경우, 시착 서비스 제공 서버(300)로 수수료를 정산하는 서버일 수 있다. 또한, 쇼핑몰 서버(400)는, 시착 서비스 제공 서버(300)에서 데이터베이스를 구축할 수 있도록 각 의류의 이미지, 상세정보 등을 제공하거나 데이터베이스로의 엑세스를 허가하는 서버일 수 있다.

여기서, 적어도 하나의 쇼핑몰 서버(400)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 쇼핑몰 서버(400)는, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 쇼핑몰 서버(400)는, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.

도 2는 도 1의 시스템에 포함된 시착 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3 및 도 4는 본 발명의 일 실시예에 따른 3D 아바타를 이용한 시착 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.

도 2를 참조하면, 시착 서비스 제공 서버(300)는, 저장부(310), 변환부(311), 생성부(313), 시착부(315), 전송부(317), 아바타사이징부(320), 얼굴생성부(330), 쇼핑안내부(340), 개인화부(350), 코디부(360), 선호도저장부(370), 해외쇼핑부(380), 해외직구부(390) 및 무료수거부(391)를 포함할 수 있다.

본 발명의 일 실시예에 따른 시착 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 사용자 단말(100) 및 적어도 하나의 쇼핑몰 서버(400)로 3D 아바타를 이용한 시착 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100) 및 적어도 하나의 쇼핑몰 서버(400)는, 3D 아바타를 이용한 시착 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 사용자 단말(100) 및 적어도 하나의 쇼핑몰 서버(400)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: World Wide Web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(Hyper Text Mark-up Language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(Chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(Application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(App)을 포함한다.

도 2를 참조하면, 저장부(310)는, 적어도 하나의 카테고리의 의류의 의류 데이터에 사이즈 및 재질을 태깅하여 저장할 수 있다. 이때, 각 의류에는 소위 택 이라고 불리우는 태그(Tag)가 달려있다. 여기에는 각종 직물 혼합률, 세탁방법, 직물종류, 사이즈 등이 기재되어 있는데 이를 이용하여 사이즈 및 재질을 태깅할 수 있다. 이때, 각 브랜드별로, 각 성별에 따라 각종 동일한 M 사이즈라고 할지라도 실제수치가 다르기 때문에 M 사이즈와 같은 M을 기록하는 것보다는 실제 수치인 xx cm로 기록된 데이터를 저장할 수 있다.

변환부(320)는, 의류 데이터 내 이미지 및 사이즈에 기반하여 3D 모델링을 진행하여 3D 데이터로 변환할 수 있다. 최근 의류를 생산할 때 대부분 캐드나 3D MAX를 사용하는 경우가 있는데 이 경우 캐드 자체 또는 3D MAX 파일 자체를 받는 경우에는 3D 데이터로 변환할 필요없이 그 자체로 사용할 수 있다. 다만, 실제 캐드로 작업하지 않고 패턴만 떠서 공장에서 대량생산하는 경우, 또는 타인이 제작한 것을 물건만 가져와 파는 위탁판매의 경우에는 실제 의류생산 파일이 없다. 이에 따라, 쇼핑몰에 게재된 사진과 사이즈 정보로부터 3D 모델링을 수행해야 하는데 그 과정은 이하와 같다.

<세그멘테이션>

2D 이미지에서 3차원 데이터로 변환하기 위한 첫번째 단계로 세그멘테이션 과정을 거치게 된다. 세그멘테이션(Segmentation)은 제품사진에서 얻은 2D 이미지에서 3D 모델로 변환 시 2D 이미지의 객체 영역을 찾아 그것을 이미지 배경 부분과 전경 부분을 분리하는 것이다. 단순한 모형의 전경과 배경의 분리는 비교적 단순한 방법에 의하여 분리가 가능하다. 하지만 다소 복잡한 외곽선을 갖는 도형은 전경과 배경 분리 작업 시 다소 복잡한 연산이 필요하다. 전경과 배경을 분리하는 방법은 매우 다양한 방법이 있는데, 피사체가 패턴이므로, 이에 강건하도록 에지를 검출하고 Waterfront 알고리즘을 이용하여 객체(피사체) 영역을 검출하도록 한다.

이때, 3D 모델링 제작을 위해 사용하는 2D 이미지는 전경 이미지 분리를 비교적 쉽게 하기 위하여 중심 도형의 외부에 여백이 있는 이미지를 이용할 수 있다. 만일 여백이 없는 경우에는 임의로 여백을 만들어 전경과 배경을 분리한다. 이런 가정 하에 배경 부분에는 정보가 없음으로 에지(Edge)를 검출하여 경계 영역을 검출할 수 있다. 에지 탐지(Edge Detection) 기법은 데이터 크기를 줄이며, 의미없는 자료를 없애주고, 영상의 구조적 정보 보존 측면에 영상처리에 많이 사용되는 기법이다. 대부분의 에지추출 마스크는 잡음에 대해 민감하므로, 작은 잡음이라도 그것을 에지로 간주하여 추출하는 경우가 많다. 이러한 부분의 단점을 보완하기 위한 방법이 캐니 마스크를 이용한 에지추출기법으로 실제로 잡음에 민감하지 않게 하며 효과적인 에지추출을 할 수 있다.

Waterfront 알고리즘은 배경 이미지를 바다로 표현한다면 전경 이미지는 섬으로 간주될 수 있으며 바다와 섬 사이의 경계 부분을 검출하는 알고리즘이다. 예를 들어, 바닷물이 가로축과 세로축으로만 흐른다는 가정 하에 최상단에서 부터 수평 오른쪽 방향과 수직 아래쪽 방향으로만 물이 흐를 때 에지(Edge)를 만나는 부분에서 물의 흐름이 멈추게 된다. 이때 물이 지나가는 자리는 배경으로 분류한다. 다음은 배경이 아닌 최하단 위치를 찾아 수평 왼쪽 방향과 수직 방향으로 물이 흐를 때 에지를 만날 때까지 배경으로 분류한다. 여기까지를 한 사이클(Cycle)이라고 하고 더 이상 배경이 검출되지 않는 사이클이 되면 알고리즘이 종료된다. 한 사이클 연산에 대부분의 배경이 분류되며 일부 영역만 아직 전경으로 분류된 경우에는 여러 사이클을 거치는 동안 전경과 배경이 정확히 분류될 수 있다.

<전경영역 세그먼테이션>

Waterfront 알고리즘을 이용하여 배경과 분리된 전경 영역은 전경영역 세그멘테이션 방법에 의해 라벨링을 한다. 이는 복잡한 도형을 3D 모델로 만들기 위해서는 비교적 단순한 모델의 조합에 의해 전체 3D 모델을 구성하기 위함이다. 전경영역 세그멘테이션은 Waterfront 알고리즘과 유사하다. 라벨링이 적용되지 않은 부분의 최상단 수평 우측 방향과 수직 우측 방향으로 이동 시 배경영역과 접점까지의 영역이 같은 라벨링 영역이 된다.

그 다음으로 버텍스(Vertex) 분배인데, 같은 라벨별로 3D 모델을 각각 따로 작성하고 최종 모델은 이들을 조합하여 전체를 구성하게 된다. 이런 방법을 이용하면 복잡한 도형의 모델도 구성할 수 있다. 버텍스의 분배는 라벨링 영역을 일정한 구획으로 세분화를 하는데, 예를 들어, 수평축을 기준으로 같은 수평 축에는 같은 개수의 버텍스를 할당한다. 영역이 작으면 버텍스의 간격이 작아지고 영역이 넓어지면 버텍스 간격도 벌이지게 된다. 같은 수평축에 할당되는 버텍스 수가 많아질수록 고해상도의 3D 모델이 된다. 물론, 이렇게 3D 모델을 완성하고 나서도 사람의 개입으로 3D 모델을 변경하거나 변형하는 과정이 더 필요할 수도 있다. 자연스럽지 않거나 변형이 필요한 부분에 대하여 각 담당자가 수동으로 작업을 더 진행할 수도 있다.

생성부(313)는, 사용자 단말(100)에서 신체정보 및 얼굴정보를 입력하는 경우, 신체정보 및 얼굴정보에 기반하여 3D 아바타를 생성할 수 있다. 사용자 단말(100)은, 인체의 적어도 하나의 부위의 사이즈를 포함하는 신체정보를 업로드하고, 얼굴정보가 포함된 사진을 업로드한 후, 신체정보 및 얼굴정보에 기반하여 생성된 3D 아바타를 출력할 수 있다.

시착부(315)는, 3D 아바타 상 신체정보에 대응하는 사이즈를 가지는 의류의 3D 데이터를 추출하여 시착시킬 수 있다. 사용자 단말(100)은, 3D 아바타 상에 신체정보에 대응하는 사이즈를 가지는 의류를 추출하여 시착한 결과를 출력할 수 있다. 가상 피팅 시뮬레이션의 중요한 요소는 사용자의 정확한 3D 인체 데이터와 의류의 자연스런 결합이 중요하고, 의류와 인체와의 결합을 생성하기 위해서는 의류의 기하학적 구조와 물리적 특성 모델링과 3D 인체 데이터와 의복과의 충돌 검사 및 반응 처리 기술이 필요하다.

예를 들어, 옷감의 물리적인 탄성률을 반영하거나, 의복 영상의 장력 구조 모델을 개선하는 방법, 착의 과정에 의류의 물리적인 성질이 반영함으로써 실제 착의 결과와 모습이 유사하도록 도출하는 방법이 이용될 수 있다. 의복의 패턴을 인체 데이터에 착의, 즉 피팅시키기 위해서는 대상 의류를 패턴으로 분해한 후, 분해된 패턴 영상을 인체 데이터 위에 입히게 되어 복잡한 형태의 의류 착의 결과를 잘 보여줄 수 있는데, 이를 위해서는, 패턴 제작을 한 후 온라인상에 업로드용 데이터로 가공하여 적용시키는 방법을 이용할 수 있다.

또는, 가상 피팅용으로 디지털 의류 영상을 별도로 이용할 수도 있는데, 의류의 실제 길이와 크기를 이용하여, 의류와 앞, 뒷면의 의류 사진영상에서 배경분리로 추출하는 방법을 이용할 수 있다. 이때, 추출된 앞, 뒤 의류 영상에 물리적 성질을 부여하여 인체 데이터에 입히는 경우, 실제 인체에 입힌 경우와 유사한 결과를 얻을 수 있다. 상술한 바와 같이 의류 영상의 추출은 윤곽선 추출(Edge Detection) 방식으로 배경을 분리하여 추출할 수 있으며, 의류의 적어도 하나의 특징점을 기준점으로 설정할 수 있다.

이때, 의류 영상을 구성하는 삼각 폴리곤의 꼭지점을 질량점으로 설정하고, 선분을 스프링으로 하는 질량 스프링 모델을 이용하는 경우, 모델링된 의류 입자에 작용하는 힘은, 입자 사이의 거리에 비례하는 스프링 힘과 입자의 상대속도에 저항하는 댐핑(Damping) 힘으로 정의될 수 있다. 3축의 좌표계에서 입자의 위치벡터, 속력벡터, 스프링상수, 스프링의 댐핑 상수, 입자사이의 실제 길이, 및 스프링의 장력벡터를 이용하면, 실제 의류가 가상으로 피팅되더라도 실제로 입어보는 것과 같이 얼마나 늘어지게 되는지, 또는 늘어나게 되는지 등의 효과를 줄 수 있게 된다. 물론, 상술한 방법에 한정되는 것은 아니고 실재감을 줄 수 있는 다양한 방법이 이용될 수 있음은 자명하다 할 것이다.

전송부(317)는, 시착한 결과를 사용자 단말(100)로 전송할 수 있다. 아바타에 입혀보는 것은 스타일, 디자인 및 컬러 등 비주얼적인 면인데, 문제는 의류는 몸에 가장 가깝게 닿는 것이기 때문에 아무리 스타일이나 디자인 또 컬러가 매칭이 되었다고 할지라도 입는 사람이 불편하게 느끼는 경우 잘 입지 않게 되거나 반품을 하게 된다. 이때, 전송부(317)는, 사용자가 실제 옷을 착용하였을 때의 정확한 착용감이나 핏(Fit)을 실감할 수 있도록 햅틱 수트(Haptic Suit)를 더 적용할 수 있다. 최근 비대면 및 비접촉을 위하여 온라인 쇼핑을 많이 하지만, 정작 오프라인에서 옷을 사는 경우에도 사람들이 실제로 다른 사람이 만졌거나 입어봤던 옷을 피팅해보는 것을 꺼리는 경우가 많다. 이에 따라, 온라인으로 쇼핑하는 경우는 물론 오프라인에서 쇼핑을 하는 경우에도 햅틱 수트를 착용하고 실제 착용감을 가늠해본 후 원하는 사이즈를 찾아 입어보거나 살 수 있도록 하는 경우 타인이 만졌던 물건을 만지는 횟수를 최소화할 수 있고, 최소한의 접촉이 이루어질 수 있다.

햅틱수트의 가장 중요한 요소는 무게 및 부피이다. 현재 실용화된 시스템들은 모두 합성된 이미지를 통한 시각적인 가상피팅을 제공하고 있으므로, 이러한 방법과 비교하여 햅틱 상의를 착용하는 것이 무겁고 불편하다면 실용성이 떨어진다. 특히 신체에 밀착되는 의류의 경우에는 착용자 체형 및 옷감의 특성에 따라 착용감이 크게 다를 수 있다. 이에 따라, 케이블 방식의 햅틱수트를 이용하여 케이블의 길이로 사이즈를 조절하며, 케이블을 구동하는 모터의 탄성도(Stiffness)를 제어하여 옷 소재의 신축성 및 움직일 때의 편안함을 경험할 수 있도록 할 수 있다. 케이블을 이용한 햅틱장치는 Phantom을 비롯하여 힘궤환 기능을 갖는 상용화된 기기들이 다수 있으며, 가장 큰 장점은 원격 동력 전달의 편리성과 모터 등 엑츄에이터를 원하는 곳에 위치시킬 수 있다는 점이다.

예를 들어, 사용자가 자신만의 햅틱수트를 가지고 있다면, 코로나로 다른 사람이 만졌거나 기침을 해서 코로나 바이러스가 남아있을지도 모르는 매장에 걸려있는 옷을 입어봐야만 하는 위험부담이나, 온라인에서 사용자가 직접 옷을 입어보지 않고도 어느 정도의 당김과 신축성이 있는지를 확인해볼 수 있다. 의류는 착용감 때문에도 환불이나 반품이 많은데, 아바타 시뮬레이션으로 어느 정도 길이가 되는지, 자신의 얼굴색과는 맞는지 등의 비주얼적인 면을 확인했다면, 햅틱수트를 이용하여 신축성은 있는지, 어느 정도 당김이 있는지, 어느 정도 압박이 있는지에 대한 착용감적인 면을 확인할 수 있다. 이는 크게 세 가지 방법으로 이용될 수 있다. ① 하나는 옷의 사이즈와 옷감의 탄성도를 재현하기 위해 케이블의 장력을 이용한 햅틱수트를 이용하는 방법이고, ② 다른 하나는 공압(Pneumatic)을 이용하여, 즉 도 4의 (d)와 같이 장의 융털과 같은 형상의 돌기를 에어백 형식으로 내부에 넣고, 그 돌기에 수축 및 팽창은, 대기, 유입, 유지 및 배기의 4 단계에 따라 공압밸브가 개별로 제어되도록 함으로써, 어느 부분에 압박감이 있는지 어느 부분이 당기는지를 확인할 수 있도록 하는 것이다. ③ 또 다른 하나는, 진동촉감(Vibrotactile), 전기촉감(Electrotactile), 공기촉감(Pneumatictactile)을 이용할 수 있는데, 진동촉감의 경우에는 진동모터를 햅틱수트에 메쉬형(MeshType)으로 삽입한뒤 배열함으로써 값싸고 쉽게 구성할 수 있다.

<햅틱수트>

상의(Upper Garment)의 경우, 가슴과 허리부분은 둘레 치수가 중요하며 상체의 움직임에 대한 신축성이 주 관심 대상이다. 위팔을 들어 올리거나 앞으로 뻗을 때 가장 중요한 요소는 옷의 진공(Armhole) 치수이다. 착용하고자 하는 상의가 몸에 밀착하는 옷의 예를 들면, 이러한 옷을 입었을 때 옷의 사이즈와 옷감의 탄력성을 느끼게 하기 위하여 높이에 따른 둘레 길이와 탄력성을 케이블을 사용하여 실감할 수 있도록 하는 것이 목적이다. 이를 위하여 높이에 따른 케이블의 길이를 실제 옷의 사이즈와 동일하게, 또한 옷감의 탄력성에 따라 장력을 조절할 필요가 있다. 실제 옷을 착용한 경우의 둘레 방향의 케이블과 양쪽 진공의 치수를 구현하는 케이블을 표시하였다. 가장 이상적인 방법은 상의 전체를 매우 많은 케이블을 사용하여 마치 옷을 만들 듯이 케이블로 옷을 직조하는 것이나 이는 많은 수의 케이블과 각 케이블을 제어하는 모터 및 제어기가 필요하므로 비현실적이다.

예를 들어, 풀리가 부착된 1 개의 카트가 레일을 따라 상하로 고속으로 이동하며 순차적으로 각 부분의 사이즈와 탄력성을 느낄 수 있는 구조를 설계할 수 있고, 양쪽 진공 부분에는 독립된 모터를 사용할 수 있다. 가슴부분의 좌우에 레일이 각각 하나씩 고정되며 이를 따라 상하로 카트가 움직이며 상의의 우측(착용자 기준 방향) 카트에는 풀리가 고정되고 허리의 모터축에 고정된 풀리에 감긴 케이블은 우측 카트의 풀리를 거쳐 좌측의 레일을 따라 상하로 움직이는 카트에 고정된다. 햅틱 상의의 무게를 줄이기 위하여 카트이동용 모터 2개와 케이블 제어용 모터는 모두 허리벨트에 고정할 수 있다. 양쪽 진공 부분에는 각각의 모터가 진공 사이즈에 따라 케이블의 길이와 장력을 제어한다. 레일상의 카트의 상하 위치를 제어하는 2개의 모터, 케이블을 제어하는 모터, 양 쪽 진공부분의 케이블을 제어하는 2개의 모터를 사용하여 총 5개의 모터를 사용할 수 있다.

상의는 중앙 부분을 절개하여 다양한 옷 사이즈를 구현하도록 하고, 절개된 부분을 케이블로 연결하여 케이블의 길이로써 착용한 옷의 사이즈가 결정되고 케이블이 연결된 모터의 Stiffness를 제어하여 옷감의 탄력성을 느낄 수 있도록 설계할 수 있다. 진공부분은 상의의 외부를 케이블로 감아, 이 케이블의 길이와 장력을 제어하는 구조이다. 벨트에 부착된 양쪽 2개의 모터는 각 카트의 상하 이동을 제어하며 중앙의 모터는 케이블 장력을 제어한다. 가슴 부분 좌우측의 레일에는 카트가 상하로 움직이며 햅틱 상의 착용을 쉽게 하기 위하여 케이블 끝은 고리로 좌측 카트에 연결될 수 있다.

또는, 햅틱수트는 의복 전체에 고르게 부착되어 있는 신경근육 전기 자극(Neuro-Muscular Electrical Stimulation) 시스템을 통해 착용자에게 다양한 촉감을 전달해줄 수도 있다. 따라서 햅틱수트를 입은 사용자들은 촉각 시스템을 통해 다양한 감각을 가상현실 속에서 느낄 수 있다. 신경근육을 자극하는 전기 시스템으로는 복근 단련을 위한 훈련용 벨트에 사용하는 전기근육자극(EMS)이나, 진통을 완화해주는 전기 치료 등에 쓰이는 경피신경자극(TENS) 같은 방법이 적용될 수 있다. 이때, 촉각 엔진 라이브러리(Haptic Engine Library)를 이용하여 사용자가 원하는 환경을 직접 구축할 수 있다.

아바타사이징부(320)는, 인종, 성별, 나이 및 체형별 인체모델을 데이터베이스로 구축한 후, 사용자 단말(100)에서 입력한 입력한 인종, 성별, 나이 및 신체정보에 기반하여 사용자의체형을 추출하고, 사용자의 체형과 가장 유사한 인체모델을 선택하여 인체모델을 신체정보의 사이즈 정보에 맞게 변형할 수 있다. 개인 캐릭터인 아바타를 용이하게 구성하기 위해서는 어느 정도 다양한 인체 모델을 데이터베이스로 구축한 다음 단계에서 개인 체형에 가까운 모델을 선택하여 인체 모델을 개인 체형의 사이즈에 맞게 변형하는 것이 바람직하다. 이때, 개인의 체형과 취향에 알맞은 의류를 자유롭게 선택하기 위해서는 인체 모델 데이터베이스와 의복 모델 데이스터베이스의 용이한 구축과 확장성 속도가 빠른 시스템이 요구된다. 이러한 시스템은 개인체형에 유사한 캐릭터를 구성하고, 개인캐릭터에 다양한 의류를 가상현실 또는 증강현실 기반에서 패션 피팅을 연출하는 것이다.

표준모델과 의류 모델 데이터베이스의 제작, 의류 코디네이션을 위한 모델의 전처리, 개인 캐릭터의 구성, 의류모델의 피팅 과정으로 구분되는 단계에서 아바타사이징부(320)는 개인체형 데이터를 참조하여 표준모델 데이터베이스 중에서 가장 유사한 체형의 모델을 선택하고, 선택된 모델을 변형하여 개인 캐릭터를 구성하는 방법을 이용할 수 있다. 개인 캐릭터에 선택된 의복모델을 맞춤으로써 가상 핏 예측 서비스가 가능하다. 첫 단계로는 성별, 체형별로 나누어서, 한국인의 개성에 맞는 모델을 제작하여 데이터베이스로 구축한 후, 개인 체형과 유사한 체형의 인체모델을 데이터베이스로부터 선택하고, 체형의 크기에 따라 선택된 모델의 높이, 너비, 두께, 둘레를 변형하여, 개인 캐릭터인 아바타를 구성한다. 그리고 나서, 인체변형의 전처리과정으로서, 부위별로 그룹을 설정하고, 변형방법은 인체모델의 부위별로 선형변형을 사용할 수 있는데, 이 방법은 전처리과정을 설정함으로써, 성별, 체형별에 따라 기하학적인 구조가 다양한 인체모델을 효과적으로 변형할 수가 있다. 다양한 의류모델의 생성은 3D 모델링 제작툴을 이용할 수 있으나 그 제작툴은 어느 하나의 툴로 한정하지는 않는다. 이때, 다른 목적으로 이미 제작된 인체모델도 활용할 수가 있기 때문에 인체모델의 데이터베이스 구축이 용이하다. 또한, 기하학적인 선형변형을 주로 채택하고 있어서 속도가 빠르기 때문에 개인 감성과 체형에 어울리는 피팅이 가능할 수 있다.

예를 들어, 체형은, 남녀를 마른형, 보통형, 비만형으로 분류하고, 상체 비만형인지, 하체 비만형인지를 나누어 지방분포를 고려한 다음, 동일한 키에 너비, 두께, 둘레의 차이나 밑위 길이, 발에서 무릎까지의 비율과 무릎에서 허벅지까지의 비율 등을 더 고려할 수 있다. 즉, 높이, 너비, 두께, 둘레의 항목이 평균치인 것을 보통형으로, 평균키에 너비, 두께, 둘레의 항목이 백분위수의 10%에 해당하는 치수를 마른형으로, 90%에 해당하는 치수를 비만형으로 할 수 있지만 이에 한정되지는 않는다. 한국인의 다양한 체형에 대한 3D 모델을 데이터베이스로 구축하는 것은, 개인캐릭터를 간단한 방법으로 좀 더 현실감 있게 구성하기 위함이다. 보통형을 변형하여 모든 체형의 아바타를 구성하는 것 보다는, 개인체형에 유사한 모델을 데이터베이스에서 선택한 후, 선택된 모델을 다소 변형하는 편이 현실감 있는 아바타를 용이하게 구성할 수 있다. 예를 들면, 마른 체형에대해서는 보통형 보다는 마른형을 선택하여 다소 변형하면, 좀 더 현실감 있는 개인캐릭터를 구성할 수 있다.

얼굴생성부(330)는, 사용자 단말(100)로부터 사진을 입력받는 경우, 사진 내 포함된 피사체 중 얼굴을 식별하여 추출하고, 추출된 2D 얼굴 데이터로부터 3D 얼굴 데이터를 3D 모델링하여 생성할 수 있다. 이때 2D 얼굴 데이터만 가지고 3D를 만드는 경우 정면만 있는 사진으로는 깊이감을 추정할 수가 없기 때문에 양옆, 뒷면 등 다양한 사진이 요구될 수 있다.

얼굴을 이루는 적어도 하나의 선을 3D 라인으로 표시할 때, 얼굴의 형태를 구성하는 점, 선 및 면의 집합으로 메쉬(Mesh)를 제작하는 3D 폴리곤 모델(Polygon Model)을 이용하여 3D 라인으로 표시할 수 있다. 이때, 본 발명의 일 실시예에서는, 두 단계의 메쉬 워핑(Mesh Warping) 방법을 이용하여 추출된 특징점을 기반으로 직관적인 메쉬를 자동으로 구성할 수 있도록 하고, 영역기반의 변형으로 주위 정점(Vertex)이 자연스럽게 배치될 수 있도록 구성할 수 있다. 텍스쳐 매핑을 하기 위하여 입력 영상을 기반으로 텍스쳐 맵을 구성하게 되는데, 이 과정에서 소요되는 시간이 얼굴 모델링에서 많은 부분을 차지한다. 이에 따라, 본 발명의 일 실시예에서는, 이러한 처리과정을 얼굴 변형시 일반 모델의 UV 좌표도 두 단계 메쉬 워핑을 통해 변형함으로써 별도의 텍스쳐 맵을 구성할 필요가 없도록 할 수도 있다.

<Candidate-3 Face Model & MPEG-4 FDP>

3D 일반 얼굴 모델로 Candidate-3 모델을 이용할 수 있다. Candidate-3 얼굴 모델은 MPEG-4에서 정의한 얼굴 특징점을 기반으로 모델링되었기 때문에 비교적 적은 수의 정점으로 얼굴 모델링이 가능하지만, 적은 수의 정점으로 인하여 정교하고 세밀한 얼굴 모델링은 어려울 수 있다. 이에 따라, 세밀하고 정교한 모델링을 원하는 경우, Candidate-3 얼굴 모델을 기반으로 정점들을 세분화하여 M 개의 정점과 N 개의 삼각형 폴리곤(Triangle Polygon)으로 구성된 얼굴 모델을 사용할 수 있다.

<얼굴 특징점 추출>

다음으로 입력 얼굴 영상에서 얼굴의 특징 정보를 추출해야 한다. 이때, 얼굴 특징점을 추출하는 알고리즘으로는, ASM(Active Shape Model) 알고리즘, AAM(Active Appearance Model), ACM(Active Contour Model), 점 분포 모델(Point Distribution Model)을 기반하는 AdaBoost 얼굴 검출 알고리즘 등이 존재한다. ASM과 AAM에서는 공통적으로 주성분분석(Principal Component Analysis) 기반의 특징 모델링과 최적화를 적용하여 얼굴 모형을 매개 변수화 하여 통계적으로 접근한다. 두 모델링 기법에서의 차이점으로, AAM은 모형 매개변수의 최적화 과정에서 전역 외곽(Global Appearance) 모델을 적용하는 반면에, ASM에서는 초기 레이블이 주어지고 모든 레이블 위치에서 새로운 위치를 찾아가는 지역 영역(Local Region) 기반으로 동작한다. ASM이 모형 지역화(Shape localization)에서 AAM 보다 성능적으로 뛰어나며, 조명 영향에 보다 강인한 것으로 나타나고 있다. 다만, ASM은 질감 특징 모델링을 위한 프로파일을 1 차원 배열로 사용하며, 영역 검색 과정에서 지역 영역의 특징점을 구분하기 어려운 단점이 있다.

AAM을 기반으로 얼굴 특징점을 추출하기 위해서는, 통계적인 모델링 방법으로 객체의 형상과 텍스쳐 정보인 통계적 모델을 입력된 영상에서 검출하는 알고리즘이다. AAM은 모델링 단계와 검출(Fitting) 단계로 이루어지는데, 전자인 모델링 단계는 형상 모델(Shape Model)을 이용한다. 형상 모델은 학습 영상에 대해 사용자가 직접 특징점을 지정하여 구축하는 모델이다. 얼굴 형상 모델 S는 평균 형상 (bar)X와 고유값(Eigen Value) 중 큰 값에 대응되는 n 개의 형상 고유벡터(Eigen Vector)인 Φi(i=1,...,n)를 선형 결합하여 이하 수학식 1과 같이 나타낼 수 있다.

텍스쳐 모델(Texture Model)은 추출하고자 하는 특징 영역에 대한 영상에서 픽셀 명도값을 말한다. 평균형상 내부 공간의 화소 집합을 이용하여 모델링하는 과정은 형상 차이에서 발생하는 텍스쳐 변화율을 줄여준다. 정규화 과정을 거친 텍스쳐 데이터에 대하여 형상 모델과 동일한 PCA 과정을 통해 선형적인 모델을 이하 수학식 2와 같이 구한다.

정규화된 평균 그레이 레벨(Gray Level) 벡터 (bar)g와 텍스쳐 고유벡터 T, 텍스쳐 파라미터 c의 선형 결합으로 텍스쳐 모델 g를 구할 수 있다.

<결합 모델>

그리고 나서, 형상 파라미터 bs와 텍스쳐 파라미터 bg를 조절하면 다양한 얼굴의 모양과 생김새를 표현할 수 있다. 이 두 가지 파라미터를 열벡터로 결합(Combined)하여 형상과 텍스쳐 파라미터가 합쳐진 형태의 외모 파라미터 c를 조절하면 형상 모델 S'와 텍스쳐 모델 g'를 동시에 제어할 수 있다.

검출(Fitting)은 학습된 형상 모델과 텍스쳐 모델에 기반하여 입력된 영상에서 특징을 검출하는 과정이다. 수학식 3으로 모델링된 얼굴 이미지의 텍스쳐와 입력된 검출 대상 이미지를 평균 형상 (bar)X로 워핑(Warping)한 텍스쳐와의 에러의 제곱을 최소화하는 외모 파라미터 c를 찾고, 이때의 c를 가지고 수학식 3으로 표현되는 형상 모델을 찾고자 하는 얼굴 특징점들로 판정한다. 모델과 입력 데이터의 에러 제곱을 최소화하는 외모 파라미터 c를 찾는 방법은 최적화의 문제이다.

<메쉬 워핑을 통한 3D 얼굴 및 UV 변형>

AAM을 통해 얼굴의 특징 정보가 추출되면, 이를 통해 3D 일반 얼굴 모델링과 UV 정보를 추출된 특징점을 바탕으로 변형한다. 이를 위해 대응 관계가 명확하고 처리 시간을 단축시킬 수 있는 두 단계 메쉬 워핑을 사용할 수 있다. 메쉬 워핑은 소스 영상과 목적 영상에 서로 대응되는 제어점을 지정하여 메쉬를 구성하고 소스 영상의 화소값이 목적 영상의 메쉬 영역에 맞게 매핑하는 것이다. 두 단계 메쉬 워핑을 하기 위해서는, 소스 영상의 제어점과 목적 영상의 제어점을 기반으로 소스 메쉬와 목적 메쉬를 구성한다. 목적 메쉬는 입력 영상에서 AAM을 통해 추출된 얼굴 특징점을 구성하고, 소스 메쉬는 특징점에 해당하는 3D 일반 모델 정점의 (x,y) 좌표로 구성된다. 자연스러운 워핑을 위해 얼굴 형태와 얼굴 구성요소(눈, 코, 입)을 독립적으로 워핑할 수 있다. 얼굴형 워핑 시 메쉬의 구성은 얼굴 외곽의 특징점들을 포함하도록 구성하고, 얼굴 구성요소 워핑 시에는 눈, 코, 입의 특징점을 포함하는 메쉬로 구성한다. 메쉬가 구성되면 워핑은 이 메쉬를 기준으로 두 단계의 처리 과정을 거쳐 수행된다.

첫 번째 단계는 수직 스플라인(Vertical Spline)에 대한 처리로 소스 메쉬 제어점의 x 좌표가 목적 메쉬의 x 좌표로 이동한다. 제어점들의 x 좌표값들에 대해 보간 함수를 적용시키고, 리샘플링(Resampling) 방법을 사용하여 재추출함으로써 새로운 값들로 행 내의 각 화소들이 보간된다. 보간법은 간단한 선형 보간법에서부터 복잡한 스플라인 함수까지 다양하다. 두 번째 단계에서는, 수평 스플라인(Horizontal Spline)에 대한 처리로, x 좌표에 대해 이루어졌던 처리가 y 좌표에 대해 반복되며 출력영상의 각 열은 중간 영상으로부터 재추출된다. 각 단계에서 변형되는 해당 위치를 계산할 때 3D 모델 정점 값들의 위치이면 변형되는 대응 좌표를 버퍼에 저장하게 되고, 그 좌표로 3D 얼굴 모델의 정점 값들을 정렬하게 된다. 결과적으로, AAM으로 추출된 소수의 특징점 좌표에 기반하여 3D 모델 정점을 부드럽게 변형시키게 된다.

<명도 변화 기반의 깊이 값 추출>

마지막으로, 3D 얼굴의 깊이 정보 유도를 위해 이미지나 촬영 화면 내에서 명도 값 변화를 통하여 깊이 값(Depth Value)를 추출한다. 이 방법은 고정된 조명 조건 하에서 수행되어야 한다는 단점이 잇지만 일련의 이미지를 입력받아야 하고 복잡한 처리과정을 거치는 Shape-From-X 알고리즘보다 간단하고 처리속도가 빠르다는 장점이 있다. 이때, 조명 추정과 그림자 생성 기법을 기반으로 조명 위치를 정해진 곳에 배치하고 가상 조명을 이를 기반으로 유사한 위치에 배치하도록 한다. 조명은 그림자로 깊이 값의 크기를 구분하기 쉽도록 조명을 얼굴보다 위쪽에 배치한다. 랜더링한 2D 영상의 각 샘플 포인트에서 명도 분포가 입력 영상의 샘플 포인트에서의 얼굴 명도 분포와 유사한 값을 갖도록 사용자가 3D 공간상의 조명을 조절할 수 있도록 한다. 이는 깊이 값을 조절하기 전에 인접한 샘플 포인트의 밝기 차이가 보편적인 인간의 얼굴 영역에서 들어간 부분과 나온 부분의 명도 값 차이를 나타낼 수 있도록 그 값을 임계값을 두어 제한함으로써 깊이 값을 변형할 때 오류 확률을 적게하는 작업을 하는 것이다.

두 영상의 얼굴 영역에서 유사한 밝기 분포를 갖게 되면, 미리 지정한 특징점들의 상대적 밝기를 비교하여 얼굴 모델의 특징 정점들의 깊이 값을 조절한다. 렌더링된 얼굴 모델 영상에서 조명의 영향을 많이 받는 영역, 예를 들어, 코, 이마, 입, 턱 등에 대한 각 샘플 포인트들의 명도값(Mn(n=1,...,9))은 주위 일정 영역의 평균 명도값을 취하고, 마찬가지로 입력 영상에서 해당 영역에 대한 평균 명도값을 In(n=1,...,9)이라 할 때, 이하 수학식 4를 적용하여 각 샘플 포인트에 해당하는 정점의 깊이 값 vn(z)을 구한다.

A는 이미지 내 인접 샘플 포인트 간의 밝기 값의 차이를, B는 렌더링된 모델의 인접 샘플 포인트 간의 밝기 값의 차이를 나타낸다. 해당 정점의 깊이 값이 구해지면, 해당 정점과 연결된 인접 정점들을 추출하여 인접 샘플 포인트까지 총 step인 totalstep으로 각 정점들을 구분한다. 각 step에 이하 수학식 5를 통해 구한 가중치 α로 정점들의 깊이 값을 조정한다.

물론, 상술한 방법 이외에도, 3D 라인을 표시하고 UV 매핑을 하는 방법은 다양할 수 있으므로 상술한 방법에 한정하지 않는다.

쇼핑안내부(340)는, 사용자 단말(100)에서 입력한 신체정보에 대응하는 사이즈를 가지는 의류를 카테고리별로 추출하여 쇼핑목록을 생성할 수 있다. 한국은 사이즈가 다양하지 않아 다양성 문제가 오래전부터 제기되고는 있으나, 재고관리라는 이유로 업계 관계자들은 재고를 남기지 않기 위해 가장 보편적인 사이즈를 생산해 판매한다. 반면 해외 브랜드들은 다양한 사이즈의 의류를 판매하지 않는 것은 평등권 침해라는 이유로 32, 34, 36, 38, 40, 42, 44, 46, 48, 50 등 최대 10가지의 사이즈가 존재한다. 패스트 패션계에서도 평균적으로 XS, S, M ,L, XL, XXL 등 6단 사이즈 제도를 운영하고 있지만, 한국은 단 3 가지 밖에 없다. 이에 키가 크거나 뚱뚱하거나 키가 작거나 너무 마른 사람들은 평균적인 체형이 아니라는 이유로 맞는 옷이나 신발 등을 사기가 너무나 어렵다. 이에, 이러한 사용자들은 예쁜 옷을 보아도 막상 해당 사이트에 들어가서 상세 페이지를 보면, 자신의 사이즈가 없어서 다시 옷을 고르고, 또 사이즈를 보는 과정이 반복된다. 이에 따라, 본 발명의 일 실시예에서는 사용자가 살 수 없는 의류나 신발이 있는 카테고리나 메뉴 자체를 삭제(비활성화)함으로써 사용자가 자신이 살 수 없거나 자신에게 맞지 않는 옷을 보고 또 상세 페이지를 검토하는 시간을 줄여줄 수 있다.

개인화부(350)는, 적어도 하나의 카테고리를 출력할 때, 사용자 단말(100)에서 입력한 신체정보에 대응하는 사이즈를 가지는 의류가 존재하는 카테고리만 활성화를 유지하고, 사용자 단말(100)에서 입력한 신체정보에 대응하는 사이즈를 가지는 의류가 존재하지 않는 카테고리는 비활성화시켜 적어도 하나의 카테고리를 개인화할 수 있다.

코디부(360)는, IBL(Instance Based Learning) 기반으로 현재 시착한 의류에 어울리는 의류를 추천해줄 수 있다. IBL은 전문가의 지능을 인스턴스화하여 트레이닝 데이터로 준비하며, 실제 현재 입어본 상의 또는 하의에 어울리는 하의 또는 상의를 추천받기 위해서는 트레이닝 데이터를 참고하게 된다. 인스턴스 기반의 매칭처리에서 유사의류검색 기능을 두 번 이상 이용할 수 있다. 이 방법은 전문가가 인스턴스를 대상으로 직접 트레이닝을 해야 하는 단점이 있다. 트레이닝 데이터가 많을수록, 전문가의 지능을 더욱 정밀하게 표현할 수 있겠지만, 매칭 카운트가 급속이 증가하므로 트레이닝 데이터가 안정화될 때까지는 상당한 노력이 필요할 수도 있다. 하나의 의류가 선택되면, 속성별로 의류 데이터를 분해한 후, 전문가의 속성값 메트릭스를 사용하여 각각의 속성값과 가장 어울림 정도가 좋은 속성들의 값을 구하게 된다. 속성별로 가장 좋은 어울림을 가지는 속성들이 선택되면, 이 속성들과 가장 근접하는 의류를 상품 데이터에서 검색하여 자동 매칭을 해주는 방식이다.

의류의 속성은 소재, 색상, 문양, 라인 등으로 나누어진다. 또한 개인의 신체적 특성은, 신장, 체중, 허리 사이즈, 얼굴의 크기/형태와 색깔, 목의 길이, 팔 길이와 굵기, 다리 길이와 굵기, 가슴 둘레, 엉덩이 둘레, 상체와 하체의 비율 등으로 나뉘어진다. 이와 같은 특성들 간의 관계를 코디 전문가에 의해 일반화하여 개인의 신체적 특성에 맞는 의류를 추천하는데 이용할 수 있다. 즉, 의류의 속성과 개인의 신체적 특성 사이의 관계를 잘 설정하게 되면, 개인에게 맞는 맞춤형 의류를 추천할 수 있는 시스템을 만들 수 있다. 이때, 의류의 속성 분류는 선행 연구의 분류를 따를 수 있다. 우선, 모든 여성복의 공통속성으로 소재와 문양, 색상을 정의할 수 있다. 그 후, 상의(자켓, 블라우스, 셔츠)와, 하의(팬츠, 스커트)에 대한 각각의 속성은 따로 분류하고, 상의의 공통속성은 전체라인, 네크라인, 소매의 길이, 옷깃(칼라), 버튼수로 구분하고, 재킷과 블라우스는 포켓과 소매모양을 추가적인 속성으로 정의할 수 있다. 하의의 경우는 기장과 라인을 공통속성으로 정의할 수 있고, 팬츠의 추가속성으로 무릎 윗부분과 바지통, 무릎 아랫부분과 바지통, 돌출형 포켓 등을 정의할 수 있다. 그리고, 스커트의 추가속성에는 주름모양과 전체모양(디자인)을 들 수 있다.

선호도저장부(370)는, 사용자 단말(100)로부터 기 보유한 적어도 하나의 의류의 식별코드를 수집하고, 식별코드를 기준으로 의류를 검색한 후 의류의 스타일, 브랜드 및 사이즈를 사용자 선호 데이터로 저장할 수 있다. 예를 들어, 사용자 A는 B 브랜드의 옷을 다량다종으로 보유하고 있다면, 사용자 A는 B 브랜드의 옷을 선호한다고 할 수 있다. 그리고, 사용자 A가 보유하거나 구매한 사이즈를 보면, B 브랜드에서 C 사이즈를 선호한다고 할 수 있다. 각각의 브랜드별로 사이즈가 서로 상이하고, 각 브랜드별로 사용자가 선호하는 핏이 다를 수 있다. 예를 들어, B 브랜드는 요가나 스포츠복이어서 딱 맞는 핏을 선호하는데, C 브랜드는 후드티나 반팔티와 같은 일상복이나 편한 옷을 파는 브랜드여서 루즈 핏을 선호한다고 가정하면, [B 브랜드 - 핏 종류(슬림핏)], [C 브랜드- 핏 종류(루즈핏)]와 같이 저장할 수 있다.

해외쇼핑부(380)는, 3D 아바타 상에 신체정보에 대응하는 사이즈를 가지는 의류 및 사용자 선호 데이터의 브랜드를 모두 만족하는 의류가 국내의 쇼핑몰에 존재하지 않는 경우, 국외의 쇼핑몰을 검색하여 사이즈 및 브랜드를 만족하는 의류를 추출하고, 배송대행지를 이용함에 따른 배송가격과 관세를 합한 금액을 사용자 단말(100)로 전송할 수 있다. 상술한 바와 같이 한국은 사이즈의 다양성이 적기 때문에, 맞는 옷을 사려면 해외직구도 마다할 수 없다. 또, 한국은 수입브랜드의 가격이 4 배 내지 5 배 이상 비싸기 때문에 해외배송비와 관세를 포함한다고 할지라도 한국보다는 싼 가격에 살 수 있다. 무엇보다 사이즈가 다양하고, 바지의 경우 허리둘레 뿐만 아니라 기장 사이즈까지 서로 다르게 나왔기 때문에, 바지를 잘르는 수선을 할 필요도 없다. 예를 들어, 남성 바지의 경우, Regular, Big, Tall로 나뉘고, 다시 Regular는 허리 사이즈가 26W부터 42W까지, 길이 사이즈가 28L부터 34L까지 존재한다. 바지를 살 때 허리 사이즈만 기준으로 사는 것이 아니고 다리 길이도 고려하여 살 수 있다. 이에 따라, 사용자가 원하는 브랜드의 옷이 한국에 없다면 이를 파는 해외 사이트를 검색하여 관세와 배송비를 모두 합한 금액을 알려줄 수 있다. 각 나라별로 관세부가정책이 다르나 미국의 경우 옷은 200불(배송비를 합한 금액)까지는 관세가 붙지 않으므로 200불 미만으로 살 것을 권유할 수도 있다.

해외직구부(390)는, 3D 아바타 상에 신체정보에 대응하는 사이즈를 가지는 의류 및 사용자 선호 데이터의 브랜드를 모두 만족하는 의류가 국내의 쇼핑몰에 존재하나, 동일한 의류를 판매하는 국외의 쇼핑몰에서의 의류가격, 배송비 및 관세를 합한 금액이 국내의 쇼핑몰의 가격보다 낮은 경우, 국외의 쇼핑몰의 URL을 사용자 단말(100)로 전송할 수 있다.

무료수거부(391)는, 사용자 단말(100)에서 의류를 주문 및 결제하여 배송을 요청하고, 사용자가 직접 시착 후 반품이나 교환을 요청하는 경우, 사용자 단말(100)로부터 반품이나 교환을 요청한 이유를 선택받고 무료로 수거할 수 있다. 상술한 바와 같이, 아바타 시뮬레이션을 통하여 비주얼적인 면을 확인하고, 햅틱 수트를 이용하여 착용감까지 보았어도, 실제로 입어보는 것을 대체할 수는 없다. 이에 따라, 무료수거부(391)는, 주문 및 결제하여 배송한 후 사용자가 입어봤지만 재질이나 다른 사항이 마음에 들지 않는 경우 무료반품이나 교환을 할 수 있도록 한다. 또는, 사이즈 때문에 교환하는 일이 없도록, 만약 M 사이즈를 주문했다면, S나 L 즉 그 아래나 위 사이즈를 함께 보내줌으로써 맞는 사이즈만 구매하고 나머지는 무료로 수거해갈 수 있도록 할 수도 있다.

이하, 상술한 도 2의 시착 서비스 제공 서버의 구성에 따른 동작 과정을 도 3 및 도 4를 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.

도 3을 참조하면, (a) 시착 서비스 제공 서버(300)는 사용자 단말(100)로부터 신체정보 및 얼굴정보를 수집한 후, 신체정보로부터 가장 유사한 인체모델을 선택한 후, (b) 신체정보에 맞게 인체모델을 조절하여 3D 아바타를 생성하고, (c) 그 얼굴은 얼굴정보, 즉 사진으로부터 추출한 2D 얼굴 데이터로부터 3D 얼굴 데이터를 생성하고 이를 인체모델에 합성한다. 이렇게 (d)를 통하여 얼굴 및 신체가 완성되었다면, 도 4의 (a)와 같이 사용자의 신체정보에 대응하는 사이즈를 보유한 의류의 카테고리만을 활성화시켜 출력한다. 그리고, (b) 국내 쇼핑몰에 맞는 사이즈가 없거나 해외 쇼핑몰이 더 싼 경우 이에 대한 정보를 안내하고, (c) 3D 아바타에 의류 데이터를 출력하여 비주얼을 확인하도록 하며, (d) 햅틱수트가 있다면 착용감도 느껴볼 수 있도록 한다.

이와 같은 도 2 내지 도 4의 3D 아바타를 이용한 시착 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 3D 아바타를 이용한 시착 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5는 본 발명의 일 실시예에 따른 도 1의 3D 아바타를 이용한 시착 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 5를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 5에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.

도 5를 참조하면, 시착 서비스 제공 서버는, 적어도 하나의 카테고리의 의류의 의류 데이터에 사이즈 및 재질을 태깅하여 저장한다(S5100).

그리고, 시착 서비스 제공 서버는, 의류 데이터 내 이미지 및 사이즈에 기반하여 3D 모델링을 진행하여 3D 데이터로 변환하고(S5200), 사용자 단말에서 신체정보 및 얼굴정보를 입력하는 경우, 신체정보 및 얼굴정보에 기반하여 3D 아바타를 생성한다(S5300).

또, 시착 서비스 제공 서버는, 3D 아바타 상 신체정보에 대응하는 사이즈를 가지는 의류의 3D 데이터를 추출하여 시착시키고(S5400), 시착한 결과를 사용자 단말로 전송한다(S5500).

상술한 단계들(S5100~S5500)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S5100~S5500)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.

이와 같은 도 5의 3D 아바타를 이용한 시착 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 3D 아바타를 이용한 시착 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.

도 5를 통해 설명된 일 실시예에 따른 3D 아바타를 이용한 시착 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.

전술한 본 발명의 일 실시예에 따른 3D 아바타를 이용한 시착 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 3D 아바타를 이용한 시착 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims

인체의 적어도 하나의 부위의 사이즈를 포함하는 신체정보를 업로드하고, 얼굴정보가 포함된 사진을 업로드한 후, 신체정보 및 얼굴정보에 기반하여 생성된 3D 아바타를 출력하고, 상기 3D 아바타 상에 상기 신체정보에 대응하는 사이즈를 가지는 의류를 추출하여 시착한 결과를 출력하는 사용자 단말; 및
적어도 하나의 카테고리의 의류의 의류 데이터에 사이즈 및 재질을 태깅하여 저장하는 저장부, 상기 의류 데이터 내 이미지 및 사이즈에 기반하여 3D 모델링을 진행하여 3D 데이터로 변환하는 변환부, 상기 사용자 단말에서 상기 신체정보 및 얼굴정보를 입력하는 경우, 상기 신체정보 및 얼굴정보에 기반하여 3D 아바타를 생성하는 생성부, 상기 3D 아바타 상 상기 신체정보에 대응하는 사이즈를 가지는 의류의 3D 데이터를 추출하여 시착시키는 시착부, 상기 시착한 결과를 상기 사용자 단말로 전송하는 전송부, 적어도 하나의 카테고리를 출력할 때, 상기 사용자 단말에서 입력한 신체정보에 대응하는 사이즈를 가지는 의류가 존재하는 카테고리만 활성화를 유지하고, 상기 사용자 단말에서 입력한 신체정보에 대응하는 사이즈를 가지는 의류가 존재하지 않는 카테고리는 비활성화시켜 상기 적어도 하나의 카테고리를 개인화하는 개인화부를 포함하는 시착 서비스 제공 서버;
를 포함하는 3D 아바타를 이용한 시착 서비스 제공 시스템.
제 1 항에 있어서,
상기 시착 서비스 제공 서버는,
인종, 성별, 나이 및 체형별 인체모델을 데이터베이스로 구축한 후, 상기 사용자 단말에서 입력한 입력한 인종, 성별, 나이 및 신체정보에 기반하여 사용자의체형을 추출하고, 상기 사용자의 체형과 가장 유사한 인체모델을 선택하여 상기 인체모델을 상기 신체정보의 사이즈 정보에 맞게 변형하는 아바타사이징부;
를 더 포함하는 것을 특징으로 하는 3D 아바타를 이용한 시착 서비스 제공 시스템.
제 1 항에 있어서,
상기 시착 서비스 제공 서버는,
상기 사용자 단말로부터 사진을 입력받는 경우, 상기 사진 내 포함된 피사체 중 얼굴을 식별하여 추출하고, 추출된 2D 얼굴 데이터로부터 3D 얼굴 데이터를 3D 모델링하여 생성하는 얼굴생성부;
를 더 포함하는 것을 특징으로 하는 3D 아바타를 이용한 시착 서비스 제공 시스템.
제 1 항에 있어서,
상기 시착 서비스 제공 서버는,
상기 사용자 단말에서 입력한 신체정보에 대응하는 사이즈를 가지는 의류를 카테고리별로 추출하여 쇼핑목록을 생성하는 쇼핑안내부;
를 더 포함하는 것을 특징으로 하는 3D 아바타를 이용한 시착 서비스 제공 시스템.
삭제
제 1 항에 있어서,
상기 시착 서비스 제공 서버는,
IBL(Instance Based Learning) 기반으로 현재 시착한 의류에 어울리는 의류를 추천해주는 코디부;
를 더 포함하는 것을 특징으로 하는 3D 아바타를 이용한 시착 서비스 제공 시스템.
제 1 항에 있어서,
상기 시착 서비스 제공 서버는,
상기 사용자 단말로부터 기 보유한 적어도 하나의 의류의 식별코드를 수집하고, 상기 식별코드를 기준으로 의류를 검색한 후 의류의 스타일, 브랜드 및 사이즈를 사용자 선호 데이터로 저장하는 선호도저장부;
를 더 포함하는 것을 특징으로 하는 3D 아바타를 이용한 시착 서비스 제공 시스템.
제 7 항에 있어서,
상기 시착 서비스 제공 서버는,
상기 3D 아바타 상에 상기 신체정보에 대응하는 사이즈를 가지는 의류 및 상기 사용자 선호 데이터의 브랜드를 모두 만족하는 의류가 국내의 쇼핑몰에 존재하지 않는 경우, 국외의 쇼핑몰을 검색하여 사이즈 및 브랜드를 만족하는 의류를 추출하고, 배송대행지를 이용함에 따른 배송가격과 관세를 합한 금액을 상기 사용자 단말로 전송하는 해외쇼핑부;
를 더 포함하는 것을 특징으로 하는 3D 아바타를 이용한 시착 서비스 제공 시스템.
제 7 항에 있어서,
상기 시착 서비스 제공 서버는,
상기 3D 아바타 상에 상기 신체정보에 대응하는 사이즈를 가지는 의류 및 상기 사용자 선호 데이터의 브랜드를 모두 만족하는 의류가 국내의 쇼핑몰에 존재하나, 동일한 의류를 판매하는 국외의 쇼핑몰에서의 의류가격, 배송비 및 관세를 합한 금액이 국내의 쇼핑몰의 가격보다 낮은 경우, 상기 국외의 쇼핑몰의 URL을 상기 사용자 단말로 전송하는 해외직구부;
를 더 포함하는 것을 특징으로 하는 3D 아바타를 이용한 시착 서비스 제공 시스템.
제 1 항에 있어서,
상기 시착 서비스 제공 서버는,
상기 사용자 단말에서 의류를 주문 및 결제하여 배송을 요청하고, 사용자가 직접 시착 후 반품이나 교환을 요청하는 경우, 상기 사용자 단말로부터 반품이나 교환을 요청한 이유를 선택받고 무료로 수거하는 무료수거부;
를 더 포함하는 것을 특징으로 하는 3D 아바타를 이용한 시착 서비스 제공 시스템.