KR102530527B1 - 건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템 - Google Patents

건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템 Download PDF

Info

Publication number
KR102530527B1
KR102530527B1 KR1020220186528A KR20220186528A KR102530527B1 KR 102530527 B1 KR102530527 B1 KR 102530527B1 KR 1020220186528 A KR1020220186528 A KR 1020220186528A KR 20220186528 A KR20220186528 A KR 20220186528A KR 102530527 B1 KR102530527 B1 KR 102530527B1
Authority
KR
South Korea
Prior art keywords
user
restaurant
food
restaurants
information
Prior art date
Application number
KR1020220186528A
Other languages
English (en)
Inventor
성창경
Original Assignee
주식회사 로보그램인공지능로봇연구소
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 로보그램인공지능로봇연구소 filed Critical 주식회사 로보그램인공지능로봇연구소
Priority to KR1020220186528A priority Critical patent/KR102530527B1/ko
Application granted granted Critical
Publication of KR102530527B1 publication Critical patent/KR102530527B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0007—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Epidemiology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Nutrition Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

일실시예에 따르면, 장치에 의해 수행되는, 건강 정보 기반 식당 추천 서비스 제공 방법에 있어서, 제1 매장 단말의 카메라를 이용하여 제1 사용자의 얼굴에 대한 촬영이 수행되면, 상기 제1 사용자의 얼굴을 촬영하여 생성된 제1 이미지를 획득하는 단계; 상기 제1 매장 단말에 미리 설정된 기간 동안 상기 제1 사용자가 섭취한 음식 내역이 입력되면, 상기 제1 사용자가 섭취한 음식 내역을 제1 식사 정보로 획득하는 단계; 상기 제1 이미지 및 상기 제1 식사 정보를 매칭하여, 상기 제1 사용자의 건강 정보를 생성하는 단계; 상기 제1 사용자의 건강 정보를 인공 신경망에 적용하여, 상기 인공 신경망의 출력을 기초로, 상기 제1 사용자의 추천 음식을 선정하는 단계; 상기 제1 사용자의 추천 음식으로 제1 음식이 선정되면, 상기 제1 음식을 판매하는 식당들을 제1 식당 그룹으로 분류하고, 상기 제1 식당 그룹으로 분류된 식당들의 리스트인 제1 식당 리스트를 생성하는 단계; 및 상기 제1 음식에 대한 상세 정보 및 상기 제1 식당 리스트를 상기 제1 매장 단말로 전송하는 단계를 포함하는, 건강 정보 기반 식당 추천 서비스 제공 방법이 제공된다.

Description

건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템 {METHOD, DEVICE AND SYSTEM FOR PROVIDING RESTAURANT RECOMMENDATION SERVICE BASED ON HEALTH INFORMATION}
아래 실시예들은 건강 정보를 기반으로 식당 추천 서비스를 제공하기 위한 기술에 관한 것이다.
음식을 판매하는 음식점에서 인건비에 대한 부담을 줄이기 위해 주문형 키오스크를 도입하고 있다.
키오스크는 입구에 세워놓는 대형 키오스크와 테이블마다 설치되는 탁상용 키오스크로 구분될 수 있다.
이러한 키오스크는 음식을 주문하고 결제하는 기능에만 국한되어 있어, 음식을 주문하고 나올 때까지 대기 시간 동안 고객이 이용할 수 있는 서비스의 제공이 필요하다.
특히, 음식점을 방문하는 고객들의 건강 상태에 따라, 고객에게 추천할만한 음식과 해당 음식을 판매하는 식당의 정보를 제공받고자 하는 요구가 증대되고 있으며, 이와 관련된 기술의 구현이 요구되고 있다.
한국공개특허 제10-2017-0049999호 한국공개특허 제10-2014-0148130호 한국공개특허 제10-2013-0102239호 한국공개특허 제10-2011-0137589호
일실시예에 따르면, 제1 매장 단말의 카메라를 이용하여 제1 사용자의 얼굴에 대한 촬영이 수행되면, 제1 사용자의 얼굴을 촬영하여 생성된 제1 이미지를 획득하고, 제1 매장 단말에 미리 설정된 기간 동안 제1 사용자가 섭취한 음식 내역이 입력되면, 제1 사용자가 섭취한 음식 내역을 제1 식사 정보로 획득하고, 제1 이미지 및 제1 식사 정보를 매칭하여, 제1 사용자의 건강 정보를 생성하고, 제1 사용자의 건강 정보를 인공 신경망에 적용하여, 인공 신경망의 출력을 기초로, 제1 사용자의 추천 음식을 선정하고, 제1 사용자의 추천 음식으로 제1 음식이 선정되면, 제1 음식을 판매하는 식당들을 제1 식당 그룹으로 분류하고, 제1 식당 그룹으로 분류된 식당들의 리스트인 제1 식당 리스트를 생성하고, 제1 음식에 대한 상세 정보 및 제1 식당 리스트를 제1 매장 단말로 전송하는, 건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템을 제공하기 위한 것을 그 목적으로 한다.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
일실시예에 따르면, 장치에 의해 수행되는, 건강 정보 기반 식당 추천 서비스 제공 방법에 있어서, 제1 매장 단말의 카메라를 이용하여 제1 사용자의 얼굴에 대한 촬영이 수행되면, 상기 제1 사용자의 얼굴을 촬영하여 생성된 제1 이미지를 획득하는 단계; 상기 제1 매장 단말에 미리 설정된 기간 동안 상기 제1 사용자가 섭취한 음식 내역이 입력되면, 상기 제1 사용자가 섭취한 음식 내역을 제1 식사 정보로 획득하는 단계; 상기 제1 이미지 및 상기 제1 식사 정보를 매칭하여, 상기 제1 사용자의 건강 정보를 생성하는 단계; 상기 제1 사용자의 건강 정보를 인공 신경망에 적용하여, 상기 인공 신경망의 출력을 기초로, 상기 제1 사용자의 추천 음식을 선정하는 단계; 상기 제1 사용자의 추천 음식으로 제1 음식이 선정되면, 상기 제1 음식을 판매하는 식당들을 제1 식당 그룹으로 분류하고, 상기 제1 식당 그룹으로 분류된 식당들의 리스트인 제1 식당 리스트를 생성하는 단계; 및 상기 제1 음식에 대한 상세 정보 및 상기 제1 식당 리스트를 상기 제1 매장 단말로 전송하는 단계를 포함하는, 건강 정보 기반 식당 추천 서비스 제공 방법이 제공된다.
상기 제1 사용자의 건강 정보를 생성하는 단계는, 상기 제1 이미지에 기초하여, 상기 제1 사용자의 표정을 인식하고, 상기 제1 사용자의 표정을 기반으로, 상기 제1 사용자의 기분 상태를 분석하는 단계; 상기 제1 식사 정보에 기초하여, 상기 제1 사용자가 섭취한 음식들 각각의 섭취 시간 및 성분을 확인하고, 상기 제1 사용자가 섭취한 음식들 각각의 섭취 시간 및 성분을 기반으로, 상기 제1 사용자의 영양 상태를 분석하는 단계; 및 상기 제1 사용자의 기분 상태를 분석한 결과와 상기 제1 사용자의 영양 상태를 분석한 결과를 매칭하여, 상기 제1 사용자의 건강 정보를 생성하는 단계를 포함할 수 있다.
상기 건강 정보 기반 식당 추천 서비스 제공 방법은, 상기 제1 음식에 대한 상세 정보 및 상기 제1 식당 리스트를 상기 제1 매장 단말로 전송하는 단계 이후, 상기 제1 매장 단말에 상기 제1 사용자의 연락처가 입력되면, 상기 제1 사용자의 연락처를 제1 사용자 단말의 식별 정보로 획득하는 단계; 상기 제1 사용자 단말의 식별 정보를 이용하여, 사용자 정보 제공에 대한 동의 요청을 상기 제1 사용자 단말로 전송하는 단계; 상기 제1 사용자 단말로부터 사용자 정보 제공에 대한 동의 수락이 수신되면, 상기 제1 사용자 단말에 로그인된 제1 사용자 계정을 확인하여, 제1 사용자 정보를 획득하는 단계; 상기 제1 사용자 정보를 기반으로, 상기 제1 사용자의 거주지를 확인하는 단계; 상기 제1 사용자의 거주지 위치와 상기 제1 식당 그룹으로 분류된 식당들 각각의 위치를 비교하여, 거리가 가까운 순으로 상기 제1 식당 그룹으로 분류된 식당들 각각의 거리 순위를 설정하는 단계; 상기 제1 사용자 정보를 기반으로, 상기 제1 사용자의 식당 방문 내역을 확인하는 단계; 상기 제1 사용자의 식당 방문 내역에 기초하여, 상기 제1 식당 그룹으로 분류된 식당들 중 상기 제1 사용자가 방문한 적이 있는 식당의 방문 횟수를 확인하여, 방문 횟수가 많은 순으로 상기 제1 식당 그룹으로 분류된 식당들 각각의 방문 순위를 설정하는 단계; 상기 제1 식당 그룹으로 분류된 식당들 각각의 음식 판매 내역을 획득하는 단계; 상기 제1 식당 그룹으로 분류된 식당들의 음식 판매 내역에 기초하여, 상기 제1 식당 그룹으로 분류된 식당들 중 상기 제1 음식을 판매한 적이 있는 식당의 판매 횟수를 확인하여, 판매 횟수가 많은 순으로 상기 제1 식당 그룹으로 분류된 식당들 각각의 판매 순위를 설정하는 단계; 상기 제1 식당 그룹으로 분류된 식당들 각각의 거리 순위, 방문 순위 및 판매 순위를 합산하여, 종합 순위를 설정하는 단계; 및 상기 제1 식당 그룹으로 분류된 식당들 각각에 설정된 종합 순위를 기준으로, 상기 제1 식당 리스트를 정렬하고, 상기 정렬된 제1 식당 리스트를 상기 제1 사용자 단말로 전송하는 단계를 더 포함할 수 있다.
일실시예에 따르면, 사용자의 건강 정보 제공으로 매장의 재방문을 유도할 수 있고, 건강 정보를 기반으로 다른 식당을 추천하여 마케팅 효과를 극대화할 수 있는 효과가 있다.
한편, 실시예들에 따른 효과들은 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 해당 기술 분야의 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 2는 일실시예에 따른 건강 정보를 기반으로 식당 추천 서비스를 제공하는 과정을 설명하기 위한 순서도이다.
도 3은 일실시예에 따른 사용자의 건강 정보를 생성하는 과정을 설명하기 위한 순서도이다.
도 4는 일실시예에 따른 거리 순위, 방문 순위 및 판매 순위를 설정하는 과정을 설명하기 위한 순서도이다.
도 5는 일실시예에 따른 종합 순위에 따라 정렬된 식당 리스트를 제공하는 과정을 설명하기 위한 순서도이다.
도 6은 일실시예에 따른 사용자의 거주지와 인접한 식당 리스트를 제공하는 과정을 설명하기 위한 순서도이다.
도 7은 일실시예에 따른 대체 음식에 대한 추천 정보를 제공하는 과정을 설명하기 위한 순서도이다.
도 8은 일실시예에 따른 제1 음식의 성분 리스트인 제1 성분 리스트를 획득하는 과정을 설명하기 위한 순서도이다.
도 9는 일실시예에 따른 제2 음식의 성분 리스트인 제2 성분 리스트를 획득하는 과정을 설명하기 위한 순서도이다.
도 10은 일실시예에 따른 알레르기 유발 성분을 선정하여 알림 메시지를 제공하는 과정을 설명하기 위한 순서도이다.
도 11은 일실시예에 따른 제1 음식의 섭취 이후 신체에 이상이 있는 경우, 정상으로 돌아오는 시간을 확인하는 과정을 설명하기 위한 순서도이다.
도 12는 일실시예에 따른 제3 음식의 섭취 이후 신체에 이상이 있는 경우, 정상으로 돌아오는 시간을 확인하는 과정을 설명하기 위한 순서도이다.
도 13은 일실시예에 따른 신체가 정상으로 돌아오는 시간을 통해 알레르기의 심각도를 분류하는 과정을 설명하기 위한 순서도이다.
도 14는 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
도 15는 일실시예에 따른 장치의 구성의 예시도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 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 실시예가 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.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
실시예에서 인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 규칙(Rule) 기반의 스마트 시스템과 달리 기계가 스스로 학습하고 판단하는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 판매자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 규칙 기반의 스마트 시스템은 점차 심층 학습(Deep Learning) 기반 인공지능 시스템으로 대체되고 있다.
인공지능 기술은 기계 학습 및 기계 학습을 활용한 요소기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 심층 학습 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
인공지능 기술이 응용되는 다양한 분야는 다음과 같다. 언어적 이해는 인간의 언어/문자를 인식하고 응용/처리하는 기술로서, 자연어 처리, 기계 번역, 대화시스템, 질의 응답, 음성 인식/합성 등을 포함한다. 시각적 이해는 사물을 인간의 시각처럼 인식하여 처리하는 기술로서, 객체 인식, 객체 추적, 영상 검색, 사람 인식, 장면 이해, 공간 이해, 영상 개선 등을 포함한다. 추론 예측은 정보를 판단하여 논리적으로 추론하고 예측하는 기술로서, 지식/확률 기반 추론, 최적화 예측, 선호 기반 계획, 추천 등을 포함한다. 지식 표현은 인간의 경험정보를 지식데이터로 자동화 처리하는 기술로서, 지식 구축(데이터 생성/분류), 지식 관리(데이터 활용) 등을 포함한다. 동작 제어는 차량의 자율 주행, 로봇의 움직임을 제어하는 기술로서, 움직임 제어(항법, 충돌, 주행), 조작 제어(행동 제어) 등을 포함한다.
일반적으로 기계 학습 알고리즘을 실생활에 적용하기 위해서는 기계 학습의 기본 방법론의 특성상 Trial and Error 방식으로 학습을 수행하게 된다. 특히, 심층 학습의 경우 수십만 번의 반복 실행을 필요로 한다. 이를 실제 물리적인 외부 환경에서 실행하기는 불가능하여 대신 실제 물리적인 외부 환경을 컴퓨터상에서 가상으로 구현하여 시뮬레이션을 통해 학습을 수행한다.
도 1은 일실시예에 따른 시스템의 구성을 개략적으로 나타낸 도면이다.
도 1을 참조하면, 일실시예에 따른 시스템은 통신망을 통해 서로 통신 가능한 복수의 매장 단말(100), 복수의 사용자 단말(200) 및 장치(300)를 포함할 수 있다.
먼저, 통신망은 유선 및 무선 등과 같이 그 통신 양태를 가리지 않고 구성될 수 있으며, 서버와 서버 간의 통신과 서버와 단말 간의 통신이 수행되도록 다양한 형태로 구현될 수 있다.
복수의 매장 단말(100) 각각과 복수의 사용자 단말(200) 각각은 통신 기능을 갖춘 연산 장치로 구현될 수 있으며, 예를 들면, 휴대전화기, 데스크톱 PC, 랩탑 PC, 태블릿 PC, 스마트폰, POS 단말 등으로 구현될 수 있으나, 이에 제한되지는 않으며, 외부 서버와 연결될 수 있는 다양한 형태의 통신 장치로 구현될 수도 있다.
복수의 매장 단말(100)은 매장 테이블에 설치되어 있는 단말로, 제1 테이블에 설치된 제1 매장 단말(110), 제2 테이블에 설치된 제2 매장 단말(120) 등을 포함할 수 있고, 복수의 사용자 단말(200)은 매장에 방문한 손님들이 사용하는 단말로, 제1 사용자가 사용하는 제1 사용자 단말(210), 제2 사용자가 사용하는 제2 사용자 단말(220) 등을 포함할 수 있다.
이하에서는 설명의 편의상, 제1 매장 단말(110) 및 제1 사용자 단말(210)의 동작을 위주로 설명하지만, 제2 매장 단말(120) 등의 다른 매장 단말에서 제1 매장 단말(110)의 동작을 대신 수행하고, 제2 사용자 단말(220) 등의 다른 사용자 단말에서 제1 사용자 단말(210)의 동작을 대신 수행할 수 있는 것은 물론이다.
복수의 매장 단말(100) 각각과 복수의 사용자 단말(200) 각각은 장치(300)에서 제공하는 웹 페이지, 애플리케이션 등을 통해 장치(300)로 접속할 수 있다. 이를 위해, 복수의 매장 단말(100) 각각과 복수의 사용자 단말(200) 각각은 건강 정보를 기반으로 식당 추천 서비스를 제공하는 애플리케이션이 설치될 수 있다. 해당 애플리케이션은 장치(300)와 연동하여 동작할 수 있다.
장치(300)는 장치(300)를 이용하여 서비스를 제공하는 자 내지 단체가 보유한 자체 서버일수도 있고, 클라우드 서버일 수도 있고, 분산된 노드(node)들의 p2p(peer-to-peer) 집합일 수도 있다. 장치(300)는 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다.
장치(300)는 복수의 매장 단말(100) 및 복수의 사용자 단말(200)과 유무선으로 통신하도록 구성될 수 있으며, 복수의 매장 단말(100) 및 복수의 사용자 단말(200) 각각의 동작을 제어하고, 복수의 매장 단말(100) 및 복수의 사용자 단말(200) 각각의 화면에 어느 정보를 표시할 것인지에 대해 제어할 수 있다.
장치(300)는 건강 정보를 기반으로 식당 추천 서비스를 제공하는 서버로 구현되어, 건강 정보를 기반으로 식당 추천 서비스가 제공되도록 플랫폼 서비스를 제공할 수 있다.
한편, 설명의 편의를 위해 도 1에서는 복수의 매장 단말(100) 중 제1 매장 단말(110) 및 제2 매장 단말(120)만을 도시하고, 복수의 사용자 단말(200) 중 제1 사용자 단말(210) 및 제2 사용자 단말(220)만을 도시하였으나, 단말들의 수는 실시예에 따라 얼마든지 달라질 수 있다. 장치(300)의 처리 용량이 허용하는 한, 단말들의 수는 특별한 제한이 없다.
일실시예에 따르면, 장치(300)는 사용자의 얼굴 이미지를 획득하여, 사용자의 얼굴 인식을 통해 사용자의 연령대, 성별 등을 인식할 수 있고, 사용자의 표정을 인식하고, 사용자의 표정에 따른 감정상태를 인지하여 대화가 가능하도록 서비스를 제공할 수 있다.
장치(300)는 사용자의 환경이 소음에 노출되는 영업장이라, 매장 단말의 화면에 텍스트 형태로 문답 서비스를 제공할 수 있고, 사용자에게는 카테고리 형태로 질문을 제공하고 사용자에게 화면의 텍스트 형태로 답변이 출력되도록 처리하고, 소음이 적은 경우 음성 형태로 답변이 출력되도록 처리할 수 있다.
장치(300)는 얼굴 이미지를 이용하여 사용자의 건강 상태를 체크할 수 있다. 구체적으로, 장치(300)는 사용자의 얼굴 이미지를 분석하여, 얼굴 표정에 따른 건강을 분석할 수 있으며, 이를 위해, 얼굴 이미지에 대한 데이터 확보가 필요할 수 있다. 장치(300)는 얼굴의 부위별 온도를 체크하여, 수집된 데이터를 기반으로, 건강 상태를 체크하여 사용자에게 실시간으로 분석 결과를 제공할 수 있다.
장치(300)는 미리 설정된 기간(예를 들면, 최근 3일간) 사용자가 섭취한 식사 정보를 바탕으로, 현재 사용자의 건강 상태 체크와 건강 관련 음식을 추천할 수 있다.
장치(300)는 복수의 매장 단말(100)에서 실행되는 키오스크용 주문 애플리케이션을 제공할 수 있으며, 키오스크용 주문 애플리케이션은 카드, 간편 결제, 현금, 더치페이, 상품별 등 다양한 방식으로 결제가 가능하도록 동작할 수 있으며, 메뉴판 디자인 커스터마이징, 대기 화면 광고 제공, 매출 관리, 기프티콘 연계 등의 다양한 기능을 제공할 수 있다.
건강 정보를 기반으로 식당 추천 서비스를 제공하는데 있어, 서비스 플로우는 다음과 같다.
매장을 방문한 사용자가 식탁에 앉아 테이블에 설치된 매장 단말을 통해 음식을 주문하고 애플리케이션과 연동하는 카드리더기를 사용하여 결제를 수행할 수 있으며, 주문한 음식이 나오면 매장 단말에 음식 완성을 안내하는 알림 메시지가 표시되어, 사용자가 직접 음식을 가져오도록 처리할 수 있다.
사용자들이 매장에서 음식을 주문하고 기다리는 동안, 매장 단말의 화면에 표시된 캐릭터가 얼굴 사진을 촬영할 수 있는지 물어보고, 사용자의 얼굴을 촬영한 후, 사용자에게 일정 기간 동안 사용자가 먹은 식사에 대한 정보를 기입하도록 요구한 후, 식사 정보에 대한 기입이 끝나면, 사용자의 얼굴 데이터와 식사 정보를 바탕으로, 사용자의 건강 상태에 대한 정보를 제공하고, 사용자에게 유용한 식사법과 건강 음식과 해당 음식을 판매하는 식당을 추천할 수 있다. 이와 관련된 자세한 설명은 도 2를 참조하여 후술하기로 한다.
일실시예에 따르면, 장치(300)는 인공지능을 기반으로 사용자의 추천 음식을 선정할 수 있다.
본 발명에서, 인공지능(Artificial Intelligence, AI)은 인간의 학습능력, 추론능력, 지각능력 등을 모방하고, 이를 컴퓨터로 구현하는 기술을 의미하고, 기계 학습, 심볼릭 로직(Symbolic Logic) 등의 개념을 포함할 수 있다. 기계 학습(Machine Learning, ML)은 입력 데이터들의 특징을 스스로 분류 또는 학습하는 알고리즘 기술이다. 인공지능의 기술은 기계 학습의 알고리즘으로써 입력 데이터를 분석하고, 그 분석의 결과를 학습하며, 그 학습의 결과에 기초하여 판단이나 예측을 할 수 있다. 또한, 기계 학습의 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술들 역시 인공지능의 범주로 이해될 수 있다. 예를 들어, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야가 포함될 수 있다.
기계 학습은 데이터를 처리한 경험을 이용해 신경망 모델을 훈련시키는 처리를 의미할 수 있다. 기계 학습을 통해 컴퓨터 소프트웨어는 스스로 데이터 처리 능력을 향상시키는 것을 의미할 수 있다. 신경망 모델은 데이터 사이의 상관 관계를 모델링하여 구축된 것으로서, 그 상관 관계는 복수의 파라미터에 의해 표현될 수 있다. 신경망 모델은 주어진 데이터로부터 특징들을 추출하고 분석하여 데이터 간의 상관 관계를 도출하는데, 이러한 과정을 반복하여 신경망 모델의 파라미터를 최적화해 나가는 것이 기계 학습이라고 할 수 있다. 예를 들어, 신경망 모델은 입출력 쌍으로 주어지는 데이터에 대하여, 입력과 출력 사이의 매핑(상관 관계)을 학습할 수 있다. 또는, 신경망 모델은 입력 데이터만 주어지는 경우에도 주어진 데이터 사이의 규칙성을 도출하여 그 관계를 학습할 수도 있다.
인공지능 학습모델 또는 신경망 모델은 인간의 뇌 구조를 컴퓨터 상에서 구현하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하며 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 뉴런이 시냅스(synapse)를 통하여 신호를 주고받는 뉴런의 시냅틱(synaptic) 활동을 모의하여, 서로 간의 연결 관계를 가질 수 있다. 인공지능 학습모델에서 복수의 네트워크 노드들은 서로 다른 깊이의 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 인공지능 학습모델은, 예를 들어, 인공 신경망 모델(Artificial Neural Network), 컨볼루션 신경망 모델(Convolution Neural Network: CNN) 등일 수 있다. 일 실시예로서, 인공지능 학습모델은, 지도학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 등의 방식에 따라 기계 학습될 수 있다. 기계 학습을 수행하기 위한 기계 학습 알고리즘에는, 의사결정트리(Decision Tree), 베이지안 망(Bayesian Network), 서포트 벡터 머신(Support Vector Machine), 인공 신경망(Artificial Neural Network), 에이다부스트(Ada-boost), 퍼셉트론(Perceptron), 유전자 프로그래밍(Genetic Programming), 군집화(Clustering) 등이 사용될 수 있다.
이중, CNN은 최소한의 전처리(preprocess)를 사용하도록 설계된 다계층 퍼셉트론(multilayer perceptrons)의 한 종류이다. CNN은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 이러한 구조 덕분에 CNN은 2차원 구조의 입력 데이터를 충분히 활용할 수 있다. 다른 딥러닝 구조들과 비교해서, CNN은 영상, 음성 분야 모두에서 좋은 성능을 보여준다. CNN은 또한 표준 역전달을 통해 훈련될 수 있다. CNN은 다른 피드포워드 인공신경망 기법들보다 쉽게 훈련되는 편이고 적은 수의 매개변수를 사용한다는 이점이 있다.
컨볼루션 네트워크는 묶인 파라미터들을 가지는 노드들의 집합들을 포함하는 신경 네트워크들이다. 사용 가능한 트레이닝 데이터의 크기 증가와 연산 능력의 가용성이, 구분적 선형 단위 및 드롭아웃 트레이닝과 같은 알고리즘 발전과 결합되어, 많은 컴퓨터 비전 작업들이 크게 개선되었다. 오늘날 많은 작업에 사용할 수 있는 데이터 세트들과 같은 엄청난 양의 데이터 세트에서는 초과 맞춤(outfitting)이 중요하지 않으며, 네트워크의 크기를 늘리면 테스트 정확도가 향상된다. 컴퓨팅 리소스들의 최적 사용은 제한 요소가 된다. 이를 위해, 심층 신경 네트워크들의 분산된, 확장 가능한 구현예가 사용될 수 있다.
도 2는 일실시예에 따른 건강 정보를 기반으로 식당 추천 서비스를 제공하는 과정을 설명하기 위한 순서도이다.
도 2를 참조하면, 먼저, S201 단계에서, 장치(300)는 제1 매장 단말(110)의 카메라를 이용하여 제1 사용자의 얼굴에 대한 촬영이 수행되면, 제1 사용자의 얼굴을 촬영하여 생성된 제1 이미지를 획득할 수 있다.
구체적으로, 제1 사용자가 제1 테이블에 착석한 후, 제1 매장 단말(110)을 통해 건강 정보 기반 식당 추천 메뉴를 선택하면, 제1 매장 단말(110)의 화면에는 건강 정보 생성을 위해 얼굴 사진 촬영이 필요한 것을 안내하는 알림 메시지가 표시될 수 있으며, 얼굴 사진 촬영에 대한 동의가 선택되면, 제1 매장 단말(110)은 카메라를 이용하여 제1 사용자의 얼굴에 대한 촬영을 수행하고, 제1 사용자의 얼굴을 촬영하여 생성된 이미지를 제1 이미지로 저장할 수 있으며, 장치(300)는 제1 매장 단말(110)로부터 제1 이미지를 수신하여, 제1 이미지를 획득할 수 있다.
S202 단계에서, 장치(300)는 제1 매장 단말(110)에 미리 설정된 기간 동안 제1 사용자가 섭취한 음식 내역이 입력되면, 제1 사용자가 섭취한 음식 내역을 제1 식사 정보로 획득할 수 있다.
구체적으로, 제1 사용자의 얼굴을 촬영한 후, 제1 매장 단말(110)의 화면에는 건강 정보 생성을 위해 식사 정보 입력이 필요한 것을 안내하는 알림 메시지가 표시될 수 있으며, 식사 정보 입력에 대한 동의가 선택되면, 제1 매장 단말(110)의 화면에는 미리 설정된 기간 동안 섭취한 음식 내역을 기입할 수 있도록 하는 인터페이스가 표시될 수 있으며, 해당 인터페이스를 통해 제1 사용자가 섭취한 음식 내역이 입력되면, 제1 매장 단말(110)은 제1 사용자가 섭취한 음식 내역을 제1 식사 정보로 저장할 수 있으며, 장치(300)는 제1 매장 단말(110)로부터 제1 식사 정보를 수신하여, 제1 식사 정보를 획득할 수 있다.
S203 단계에서, 장치(300)는 제1 이미지 및 제1 식사 정보를 매칭하여, 제1 사용자의 건강 정보를 생성할 수 있다. 여기서, 건강 정보는 얼굴 이미지와 미리 설정된 기간 동안의 식사 정보를 포함할 수 있으며, 이외에도, 사용자의 상태에 대한 정보를 더 포함할 수 있다. 이와 관련된 자세한 설명은 도 3을 참조하여 후술하기로 한다.
S204 단계에서, 장치(300)는 제1 사용자의 건강 정보를 인공 신경망에 적용할 수 있다. 여기서, 인공 신경망은 사용자의 건강 정보를 입력 받은 후, 사용자에게 추천할만한 음식을 분석하여 추천 음식에 대한 정보를 출력하는 알고리즘일 수 있다. 인공 신경망은 도 14를 참조하여 후술되는 방법을 통해 학습될 수 있다.
S205 단계에서, 장치(300)는 인공 신경망의 출력을 기초로, 제1 사용자의 추천 음식을 선정할 수 있다.
예를 들어, 장치(300)는 제1 사용자의 건강 정보를 인공 신경망에 적용하여, 인공 신경망의 출력을 확인한 결과, 출력값이 1로 확인되면, 제1 사용자의 추천 음식을 제1 음식으로 선정하고, 출력값이 2로 확인되면, 제1 사용자의 추천 음식을 제2 음식으로 선정할 수 있다.
일실시예에 따르면, 인공 신경망은 사용자의 건강 정보를 통해, 사용자에게 추천할만한 음식을 분석하도록 학습될 수 있다. 이를 통해, 인공 신경망은 사용자의 건강 상태를 고려하여, 사용자에게 추천할만한 음식을 분석하여 출력할 수 있다.
S206 단계에서, 장치(300)는 제1 사용자의 추천 음식으로 제1 음식이 선정되면, 제1 음식을 판매하는 식당들을 제1 식당 그룹으로 분류할 수 있다. 이를 위해, 장치(300)의 데이터베이스에는 각 식당에서 판매하는 음식 메뉴에 대한 정보가 식당 별로 구분되어 저장되어 있으며, 장치(300)는 데이터베이스에 저장된 음식 메뉴에 대한 정보를 조회하여, 제1 음식을 판매하는 식당들을 제1 식당 그룹으로 분류할 수 있다.
S207 단계에서, 장치(300)는 제1 식당 그룹으로 분류된 식당들의 리스트인 제1 식당 리스트를 생성할 수 있다.
예를 들어, 제1 식당, 제2 식당 및 제3 식당이 제1 식당 그룹으로 분류된 경우, 장치(300)는 제1 식당, 제2 식당 및 제3 식당을 포함하는 제1 식당 리스트를 생성할 수 있다.
S208 단계에서, 장치(300)는 제1 음식에 대한 상세 정보 및 제1 식당 리스트를 제1 매장 단말(110)로 전송할 수 있으며, 제1 매장 단말(110)의 화면에는 제1 사용자의 추천 음식으로 제1 음식이 선정된 것을 알려주는 알림 메시지와 제1 음식에 대한 상세 정보가 표시되면서, 제1 음식을 판매하는 식당의 리스트로 제1 식당 리스트가 표시될 수 있다. 여기서, 제1 음식에 대한 상세 정보는 제1 음식의 이름, 재료, 성분, 조리법, 맛 설명 등에 대한 정보를 포함할 수 있고, 제1 식당 리스트는 각 식당의 이름, 위치, 영업 시간, 제1 음식의 판매가격 등에 대한 정보를 포함할 수 있다.
도 3은 일실시예에 따른 사용자의 건강 정보를 생성하는 과정을 설명하기 위한 순서도이다.
도 3을 참조하면, 먼저, S301 단계에서, 장치(300)는 제1 이미지가 획득되면, 제1 이미지에 기초하여, 제1 사용자의 표정을 인식할 수 있다.
구체적으로, 장치(300)는 제1 이미지에서 제1 사용자의 얼굴을 인식한 후, 인식된 제1 사용자의 얼굴에서 눈, 코, 입, 턱 등의 각 부위를 인식한 후, 인식된 각 부위의 모양을 분석하여, 분석 결과를 통해 제1 사용자의 표정을 인식할 수 있다. 이때, 제1 사용자의 표정은 기쁨, 슬픔, 즐거움, 분노, 불안 등으로 구분되어 인식될 수 있다.
S302 단계에서, 장치(300)는 제1 사용자의 표정을 기반으로, 제1 사용자의 기분 상태를 분석할 수 있다.
예를 들어, 장치(300)는 제1 사용자의 표정이 기쁜 표정으로 인식되면, 제1 사용자의 기분 상태를 기쁨 상태로 분석할 수 있다.
S303 단계에서, 장치(300)는 제1 식사 정보가 획득되면, 제1 식사 정보에 기초하여, 제1 사용자가 섭취한 음식들 각각의 섭취 시간 및 성분을 확인할 수 있다.
구체적으로, 장치(300)는 제1 식사 정보에서 제1 사용자가 섭취한 음식 내역과 제1 사용자가 섭취한 음식들 각각의 섭취 시간을 확인할 수 있고, 제1 사용자가 섭취한 음식들 각각의 성분을 확인할 수 있다. 이를 위해, 장치(300)의 데이터베이스에는 각 음식에 포함되는 성분들의 리스트가 음식 별로 구분되어 저장되어 있으며, 장치(300)는 데이터베이스에 저장된 성분 리스트를 조회하여, 제1 사용자가 섭취한 음식들 각각의 성분을 확인할 수 있다.
S304 단계에서, 장치(300)는 제1 사용자가 섭취한 음식들 각각의 섭취 시간 및 성분을 기반으로, 제1 사용자의 영양 상태를 분석할 수 있다.
즉, 장치(300)는 제1 사용자가 섭취한 음식들 각각의 섭취 시간 및 성분을 기반으로, 제1 사용자가 언제 어느 음식을 섭취하였는지 확인하고, 제1 사용자가 섭취한 음식들에 어느 성분이 들어있는지를 확인한 후, 섭취 시간 및 성분을 기반으로, 제1 사용자의 영양 상태가 어느 상태인지 분석할 수 있다.
예를 들어, 장치(300)는 제1 사용자가 일정한 시간마다 좋은 성분이 포함되어 있는 음식을 계속해서 섭취해온 것으로 확인되면, 제1 사용자의 영양 상태를 양호 상태로 분석할 수 있다.
S305 단계에서, 장치(300)는 제1 사용자의 기분 상태를 분석한 결과와 제1 사용자의 영양 상태를 분석한 결과를 매칭하여, 제1 사용자의 건강 정보를 생성할 수 있다.
도 4는 일실시예에 따른 거리 순위, 방문 순위 및 판매 순위를 설정하는 과정을 설명하기 위한 순서도이다.
일실시예에 따르면, 도 4에 도시된 각 단계는 도 2에 도시된 각 단계가 수행된 이후에 수행될 수 있다.
도 4를 참조하면, 먼저, S401 단계에서, 장치(300)는 제1 매장 단말(110)에 제1 사용자의 연락처가 입력되면, 제1 사용자의 연락처를 통해 제1 사용자 단말(210)로 획득할 수 있다.
구체적으로, 제1 매장 단말(110)의 화면에는 제1 사용자의 연락처를 기입할 수 있도록 하는 인터페이스가 표시될 수 있으며, 해당 인터페이스를 통해 제1 사용자의 연락처가 입력되면, 제1 매장 단말(110)은 제1 사용자의 연락처를 제1 사용자 단말(210)의 식별 정보로 저장할 수 있으며, 장치(300)는 제1 매장 단말(110)로부터 제1 사용자 단말(210)의 식별 정보를 수신하여, 제1 사용자 단말(210)의 식별 정보를 획득할 수 있다.
S402 단계에서, 장치(300)는 제1 사용자 단말(210)의 식별 정보를 이용하여, 사용자 정보 제공에 대한 동의 요청을 제1 사용자 단말(210)로 전송할 수 있으며, 제1 사용자 단말(210)의 화면에는 사용자 정보 제공에 대한 동의를 요청하는 알림 메시지가 표시될 수 있다. 여기서, 사용자 정보는 거주지, 식당 방문 내역 등에 대한 내용을 포함할 수 있다.
S403 단계에서, 장치(300)는 제1 사용자 단말(210)로부터 사용자 정보 제공에 대한 동의 수락을 수신할 수 있다
구체적으로, 제1 사용자 단말(210)의 화면에 사용자 정보 제공에 대한 동의를 요청하는 알림 메시지가 표시된 후, 제1 사용자가 제1 사용자 단말(210)을 통해 사용자 제공에 대한 동의를 선택하면, 장치(300)는 제1 사용자 단말(210)로부터 사용자 정보 제공에 대한 동의 수락을 수신할 수 있다
S404 단계에서, 장치(300)는 제1 사용자 단말(210)에 로그인된 제1 사용자 계정을 확인하여, 제1 사용자 정보를 획득할 수 있다. 이때, 장치(300)는 제1 사용자 단말(210)에 로그인 되어 있는 제1 사용자 계정을 확인하고, 제1 사용자 계정을 통해 데이터베이스에 저장된 사용자 정보를 조회하여, 데이터베이스로부터 제1 사용자 정보를 획득할 수 있다. 여기서, 제1 사용자 정보는 제1 사용자에 대한 사용자 정보로, 제1 사용자의 거주지, 식당 방문 내역 등을 포함할 수 있다.
S405 단계에서, 장치(300)는 제1 사용자 정보를 기반으로, 제1 사용자의 거주지를 확인할 수 있다.
S406 단계에서, 장치(300)는 제1 사용자의 거주지 위치와 제1 식당 그룹으로 분류된 식당들 각각의 위치를 비교하여, 거리가 가까운 순으로 제1 식당 그룹으로 분류된 식당들 각각의 거리 순위를 설정할 수 있다.
예를 들어, 제1 식당, 제2 식당 및 제3 식당이 제1 식당 그룹으로 분류된 경우, 장치(300)는 제1 사용자의 거주지 위치와 제1 식당 위치 간의 거리인 제1 거리를 산출하고, 제1 사용자의 거주지 위치와 제2 식당 위치 간의 거리인 제2 거리를 산출하고, 제1 사용자의 거주지 위치와 제3 식당 위치 간의 거리인 제3 거리를 산출한 후, 제1 거리, 제2 거리 및 제3 거리를 비교하여, 제1 거리가 가장 짧은 것으로 확인되면, 제1 식당의 거리 순위를 1순위로 설정하고, 제1 거리 다음으로 제2 거리가 짧은 것으로 확인되면, 제2 식당의 거리 순위를 2순위로 설정하고, 제3 거리가 가장 긴 것으로 확인되면, 제3 식당의 거리 순위를 3순위로 설정할 수 있다.
S407 단계에서, 장치(300)는 제1 사용자 정보를 기반으로, 제1 사용자의 식당 방문 내역을 확인할 수 있다. 여기서, 식당 방문 내역은 제1 사용자가 어느 식당에 언제 방문하였는지 나타내는 리스트로 구성될 수 있다.
S408 단계에서, 장치(300)는 제1 사용자의 식당 방문 내역에 기초하여, 제1 식당 그룹으로 분류된 식당들 중 제1 사용자가 방문한 적이 있는 식당의 방문 횟수를 확인하여, 방문 횟수가 많은 순으로 제1 식당 그룹으로 분류된 식당들 각각의 방문 순위를 설정할 수 있다.
예를 들어, 제1 식당, 제2 식당 및 제3 식당이 제1 식당 그룹으로 분류된 경우, 장치(300)는 제1 사용자가 제1 식당을 방문한 적이 있는지 확인하여 제1 식당의 방문 횟수를 제1 방문 횟수로 확인하고, 제1 사용자가 제2 식당을 방문한 적이 있는지 확인하여 제2 식당의 방문 횟수를 제2 방문 횟수로 확인하고, 제1 사용자가 제3 식당을 방문한 적이 있는지 확인하여 제3 식당의 방문 횟수를 제3 방문 횟수로 확인한 후, 제1 방문 횟수, 제2 방문 횟수 및 제3 방문 횟수를 비교하여, 제1 방문 횟수가 가장 많은 것으로 확인되면, 제1 식당의 방문 순위를 1순위로 설정하고, 제1 방문 횟수 다음으로 제2 방문 횟수가 많은 것으로 확인되면, 제2 식당의 방문 순위를 2순위로 설정하고, 제3 방문 횟수가 가장 적은 것으로 확인되면, 제3 식당의 방문 순위를 3순위로 설정할 수 있다.
한편, S409 단계에서, 장치(300)는 제1 음식을 판매하는 식당들이 제1 식당 그룹으로 분류된 것을 확인할 수 있다.
S410 단계에서, 장치(300)는 제1 식당 그룹으로 분류된 식당들 각각의 음식 판매 내역을 획득할 수 있다. 이를 위해, 장치(300)의 데이터베이스에는 음식 판매 내역이 식당 별로 구분되어 저장되어 있으며, 장치(300)는 데이터베이스에 저장된 음식 판매 내역을 조회하여, 제1 식당 그룹으로 분류된 식당들 각각의 음식 판매 내역을 획득할 수 있다. 여기서, 음식 판매 내역은 식당에서 언제 어느 음식을 판매하였는지 나타내는 리스트로 구성될 수 있으며, 키오스크용 주문 애플리케이션을 통해 음식이 주문되면, 음식 판매 내역에 주문된 음식에 대한 정보가 추가되어 갱신될 수 있고, 음식 판매 내역에서 일정 기간이 지난 정보는 삭제될 수 있다.
S411 단계에서, 장치(300)는 제1 식당 그룹으로 분류된 식당들의 음식 판매 내역에 기초하여, 제1 식당 그룹으로 분류된 식당들 중 제1 음식을 판매한 적이 있는 식당의 판매 횟수를 확인하여, 판매 횟수가 많은 순으로 제1 식당 그룹으로 분류된 식당들 각각의 판매 순위를 설정할 수 있다.
예를 들어, 제1 식당, 제2 식당 및 제3 식당이 제1 식당 그룹으로 분류된 경우, 장치(300)는 제1 식당에서 제1 음식을 판매한 적이 있는지 확인하여 제1 식당의 판매 횟수를 제1 판매 횟수로 확인하고, 제2 식당에서 제1 음식을 판매한 적이 있는지 확인하여 제2 식당의 판매 횟수를 제2 판매 횟수로 확인하고, 제3 식당에서 제1 음식을 판매한 적이 있는지 확인하여 제3 식당의 판매 횟수를 판매 횟수로 확인한 후, 제1 판매 횟수, 제2 판매 횟수 및 제3 판매 횟수를 비교하여, 제1 판매 횟수가 가장 많은 것으로 확인되면, 제1 식당의 판매 순위를 1순위로 설정하고, 제1 판매 횟수 다음으로 제2 판매 횟수가 많은 것으로 확인되면, 제2 식당의 판매 순위를 2순위로 설정하고, 제3 판매 횟수가 가장 적은 것으로 확인되면, 제3 식당의 판매 순위를 3순위로 설정할 수 있다.
도 5는 일실시예에 따른 종합 순위에 따라 정렬된 식당 리스트를 제공하는 과정을 설명하기 위한 순서도이다.
일실시예에 따르면, 도 5에 도시된 각 단계는 도 4에 도시된 각 단계가 수행된 이후에 수행될 수 있다.
도 5를 참조하면, 먼저, S501 단계에서, 장치(300)는 제1 식당 그룹으로 분류된 식당들 각각의 거리 순위, 방문 순위 및 판매 순위를 합산하여, 종합 순위를 설정할 수 있다.
예를 들어, 제1 식당의 거리 순위가 1순위, 제1 식당의 방문 순위가 2순위, 제1 식당의 판매 순위가 1순위로 설정된 경우, 장치(300)는 1순위, 2순위 및 1순위를 합산한 4순위를 제1 식당의 종합 순위로 설정할 수 있다.
S502 단계에서, 장치(300)는 제1 식당 그룹으로 분류된 식당들 각각에 설정된 종합 순위를 기준으로, 제1 식당 리스트를 정렬할 수 있다.
예를 들어, 제1 식당의 종합 순위가 6순위, 제2 식당의 종합 순위가 7순위, 제3 식당의 종합 순위가 5순위로 설정된 경우, 장치(300)는 식당들의 종합 순위를 기준으로, 제3 식당, 제1 식당 및 제3 식당 순으로 정렬할 수 있다.
장치(300)는 식당들의 종합 순위가 동일한 경우, 거리 순위를 기준으로, 거리 순위가 높은 식당 순으로 정렬할 수 있다.
S503 단계에서, 장치(300)는 정렬된 제1 식당 리스트를 제1 사용자 단말(210)로 전송할 수 있으며, 제1 사용자 단말(210)의 화면에는 제1 식당 리스트가 표시될 수 있다.
도 6은 일실시예에 따른 사용자의 거주지와 인접한 식당 리스트를 제공하는 과정을 설명하기 위한 순서도이다.
일실시예에 따르면, 도 6에 도시된 각 단계는 도 5에 도시된 각 단계가 수행된 이후에 수행될 수 있다.
도 6을 참조하면, 먼저, S601 단계에서, 장치(300)는 제1 사용자의 거주지 위치를 제1 지점으로 확인할 수 있다. 여기서, 제1 사용자의 거주지 위치는 제1 사용자의 요청에 의해 설정될 수 있다.
예를 들어, 장치(300)는 제1 사용자 단말(210)에서 사용자 조작을 통해 특정 지점이 선택되거나 특정 주소가 입력된 경우, 선택된 지점이나 입력된 주소를 제1 사용자의 거주지 위치로 확인할 수 있다.
S602 단계에서, 장치(300)는 제1 사용자의 거주지 위치가 제1 지점으로 확인되면, 제1 지점을 중심으로 기준 거리 이내에 있는 영역을 기준 영역으로 설정할 수 있다. 여기서, 기준 거리는 실시예에 따라 상이하게 설정될 수 있다.
예를 들어, 기준 거리가 1km인 경우, 장치(300)는 제1 지점을 중심으로, 반경 1km 이내에 있는 영역을 기준 영역으로 설정할 수 있다.
S603 단계에서, 장치(300)는 제1 식당 그룹으로 분류된 식당들 각각의 위치를 기초로, 기준 영역 내에 있는 식당을 제2 식당 그룹으로 분류할 수 있다.
예를 들어, 제1 식당, 제2 식당 및 제3 식당이 제1 식당 그룹으로 분류되어 있는 경우, 장치(300)는 데이터베이스에 저장되어 있는 식당 정보를 통해, 제1 식당의 위치, 제2 식당의 위치 및 제3 식당의 위치를 확인할 수 있고, 기준 영역 내에 제1 식당의 위치 및 제2 식당의 위치가 포함되어 있는 것으로 확인되면, 제1 식당 및 제2 식당을 제2 식당 그룹으로 분류할 수 있다.
S604 단계에서, 장치(300)는 제2 식당 그룹으로 분류된 식당이 있는지 여부를 확인할 수 있다.
S604 단계에서 제2 식당 그룹으로 분류된 식당이 하나도 없는 것으로 확인되면, S701 단계가 수행될 수 있으며, 이와 관련된 자세한 설명은 도 7을 참조하여 후술하기로 한다.
S604 단계에서 제2 식당 그룹으로 분류된 식당이 하나 이상 있는 것으로 확인되면, S605 단계에서, 장치(300)는 제2 식당 그룹으로 분류된 식당의 리스트인 제2 식당 리스트를 생성할 수 있다.
장치(300)는 제2 식당 리스트에 포함된 식당이 복수인 경우, 미리 설정된 조건에 따라 제2 식당 리스트를 정렬하여, 제2 식당 리스트에 포함된 식당들의 노출 순서를 결정할 수 있다.
예를 들어, 장치(300)는 제2 식당 그룹으로 분류된 식당들 각각의 거리 순위, 방문 순위 및 판매 순위를 합산하여, 종합 순위를 설정한 후, 제2 식당 그룹으로 분류된 식당들 각각에 설정된 종합 순위를 기준으로, 제2 식당 리스트를 정렬할 수 있다.
S606 단계에서, 장치(300)는 제2 식당 리스트를 제1 사용자 단말(210)로 전송할 수 있다. 이때, 제1 사용자 단말(210)의 화면에는 제2 식당 리스트가 표시될 수 있다.
도 7은 일실시예에 따른 대체 음식에 대한 추천 정보를 제공하는 과정을 설명하기 위한 순서도이다.
도 7을 참조하면, 먼저, S701 단계에서, 장치(300)는 제2 식당 그룹으로 분류된 식당이 하나도 없는 것으로 확인되면, 장치(300)는 제1 음식의 성분을 분석하여, 제1 음식을 대체하여 먹을 수 있는 음식인 제2 음식을 확인할 수 있다.
즉, 장치(300)는 제1 사용자의 거주지 주변에 제1 음식을 판매하는 식당이 없는 것으로 확인되면, 제1 음식과 다름 음식들의 성분을 비교하여, 제1 음식의 성분과 제2 음식의 성분이 일정 이상 일치하는 것으로 확인되면, 제2 음식을 제1 음식의 대체 음식으로 확인할 수 있다.
S702 단계에서, 장치(300)는 제2 음식을 판매하는 식당들을 제3 식당 그룹으로 분류할 수 있다.
장치(300)는 복수의 식당들에 대한 정보를 기초로, 각 식당들이 판매하고 있는 음식의 종류를 파악할 수 있고, 이를 통해, 복수의 식당들 중 제2 음식을 판매하는 식당을 제3 식당 그룹으로 분류할 수 있다.
S703 단계에서, 장치(300)는 제3 식당 그룹으로 분류된 식당들 각각의 위치를 기초로, 기준 영역 내에 있는 식당을 제4 식당 그룹으로 분류할 수 있다.
S704 단계에서, 장치(300)는 제4 식당 그룹으로 분류된 식당이 있는지 여부를 확인할 수 있다.
S704 단계에서 제4 식당 그룹으로 분류된 식당이 하나 이상 있는 것으로 확인되면, S705 단계에서, 장치(300)는 제4 식당 그룹으로 분류된 식당의 리스트인 제3 식당 리스트를 생성할 수 있다.
S706 단계에서, 장치(300)는 제2 음식에 대한 상세 정보 및 제3 식당 리스트를 제1 사용자 단말(210)로 전송할 수 있으며, 제1 사용자 단말(210)의 화면에는 제1 사용자에게 추천된 제1 음식을 대체하는 음식으로 제2 음식이 추천된 것을 안내하는 알림 메시지와 제2 음식에 대한 상세 정보가 표시되면서, 제2 음식을 판매하는 주변의 식당 리스트로 제3 식당 리스트가 표시될 수 있다.
S704 단계에서 제4 식당 그룹으로 분류된 식당이 하나도 없는 것으로 확인되면, S707 단계에서, 장치(300)는 제1 사용자의 거주지 주변에 제1 사용자의 추천 음식을 판매하는 식당이 존재하지 않는 것을 알려주는 알림 메시지를 제1 사용자 단말(210)로 전송할 수 있다. 이때, 알림 메시지에는 제1 식당 그룹으로 분류된 식당들 중 제1 지점과 거리가 가장 가까운 식당 정보가 표시될 수 있다.
일실시예에 따르면, 식당 추천 서비스의 부가 서비스로 알레르기 관리 서비스가 제공될 수 있으며, 이하에서는 알레르기 관리 서비스를 제공하는 과정에 대해 자세히 설명하기로 한다.
알레르기 관리 서비스 제공을 위해, 복수의 웨어러블 기기가 사용될 수 있다.
복수의 웨어러블 기기와 장치(300)는 직접적으로 연결될 수 있고, 복수의 웨어러블 기기 각각이 복수의 사용자 단말(200)과 연결되고 복수의 사용자 단말(200)이 장치(300)와 연결되어, 복수의 웨어러블 기기와 장치(300)는 복수의 사용자 단말(200)을 통해 간접적으로 연결될 수도 있다. 이를 위해, 복수의 웨어러블 기기는 복수의 사용자 단말(200)과 대응 관계를 가질 수 있다. 예를 들어, 제1 웨어러블 기기는 제1 사용자 단말(210)과 연결되어 있는 상태에서, 제1 사용자 단말(210)은 장치(300)와 연결될 수 있다.
복수의 웨어러블 기기 각각은 안경, 시계, 반지 등과 같은 액세서리 형태나, 의복, 속옷과 같은 의류 형태로 구현될 수 있으나, 이에 제한되지 않으면, 실시예에 따라 다양한 형태의 기기로 구현될 수도 있다.
복수의 웨어러블 기기 각각은 알레르기 성분을 검사하고자 하는 사용자들이 착용하는 웨어러블 기기로, 제1 사용자가 착용한 제1 웨어러블 기기, 제2 사용자가 착용한 제2 웨어러블 기기 등을 포함할 수 있다.
복수의 웨어러블 기기 각각은 통상의 컴퓨터가 가지는 연산 기능, 저장/참조 기능, 입출력 기능 및 제어 기능을 전부 또는 일부 수행하도록 구성될 수 있다. 복수의 웨어러블 기기는 장치(300)와 무선으로 통신하도록 구성될 수 있다.
복수의 웨어러블 기기 각각은 사용자의 신체 변화를 실시간으로 수집하여 제공할 수 있으며, 이를 위해, 각종 센서가 탑재될 수 있다. 여기서, 센서는 카메라, PPG(PhotoPlethysmoGram) 센서, ECG(ElectroCardioGram) 센서 등을 포함할 수 있으며, 이외에도, 사용자의 생체 신호를 측정하기 위한 다양한 센서가 포함될 수 있다.
즉, 복수의 웨어러블 기기 각각은 사용자의 피부를 촬영하여 이미지를 생성하는 기능, 심박수를 측정하는 기능, 산소 포화도를 측정하는 기능, 혈압을 측정하는 기능 등을 전부 또는 일부 수행하도록 구성될 수 있다
장치(300)는 복수의 웨어러블 기기와 무선으로 통신하도록 구성될 수 있으며, 복수의 웨어러블 기기 각각의 동작을 제어할 수 있다.
일실시예에 따르면, 장치(300)는 복수의 웨어러블 기기에 탑재된 각종 센서를 이용하여 알레르기 유발 성분을 검출할 수 있다. 이를 위해, 사용자가 섭취한 음식에 대한 정보를 입력하면, 장치(300)는 음식에 대한 정보가 저장된 데이터베이스로부터 음식의 성분을 획득할 수 있고, 복수의 웨어러블 기기를 통해 사용자의 생체 정보를 주기적으로 획득하고, 생체 정보에 이상이 발생하면, 이상 발생 전 섭취한 음식의 성분을 확인할 수 있다. 여기서, 생체 정보에 이상이 발생한 것은 심박수 증가, 붉은 반점 포착, 산소 포화도 감소 등을 포함할 수 있다.
상술한 바와 같이, 생체 정보에 이상이 발생하여, 이상 발생 전 섭취한 음식의 성분을 확인하는 과정을 여러 번 반복하면, 사용자에게 알레르기를 유발하는 성분을 확인할 수 있다. 이하에서는 이와 관련된 내용에 대해 자세히 설명하기로 한다.
도 8은 일실시예에 따른 제1 음식의 성분 리스트인 제1 성분 리스트를 획득하는 과정을 설명하기 위한 순서도이다.
일실시예에 따르면, 도 8에 도시된 각 단계는 도 5에 도시된 각 단계가 수행된 이후에 수행될 수 있다.
먼저, 장치(300)는 제1 사용자의 알레르기 검사를 추천하는 알림 메시지가 제1 사용자 단말(210)의 화면에 표시되도록 제어할 수 있으며, 제1 사용자 단말(210)로부터 제1 사용자의 알레르기 검사 요청을 수신할 수 있다. 제1 사용자의 알레르기 검사 요청은 제1 사용자의 알레르기 검사를 추천하는 알림 메시지에 대한 응답으로, 제1 사용자의 알레르기를 검사하기 위해, 제1 사용자에 의해 요청될 수 있다.
S801 단계에서, 장치(300)는 제1 사용자 단말(210)로부터 제1 사용자의 알레르기 검사 요청이 수신되면, 제1 웨어러블 기기로부터 제1 사용자의 생체 정보를 주기적으로 수신할 수 있다. 여기서, 제1 웨어러블 기기는 제1 사용자의 신체에 착용된 상태이고, 제1 사용자의 피부를 촬영하여 이미지를 생성하거나, 심박수, 산소 포화도, 혈압 등을 측정하여 생체 정보를 생성할 수 있다.
즉, 장치(300)는 제1 사용자의 신체에 착용된 제1 웨어러블 기기로부터 미리 설정된 기간마다 제1 사용자의 생체 정보를 수신할 수 있다. 예를 들어, 장치(300)는 제1 웨어러블 기기로부터 10초에 한 번씩 제1 사용자의 생체 정보를 수신할 수 있다. 여기서, 생체 정보는 이미지, 심박수 측정값, 산소 포화도 측정값, 혈압 측정값 중 적어도 하나를 포함할 수 있다.
S802 단계에서, 장치(300)는 제1 시점에 제1 사용자가 섭취한 음식으로 제1 음식이 입력된 것을 확인할 수 있다.
구체적으로, 제1 사용자는 제1 시점에 제1 웨어러블 기기를 통해 제1 음식에 대한 정보를 입력할 수 있고, 제1 시점에 제1 웨어러블 기기와 연결되어 있는 제1 사용자 단말(210)을 통해 제1 음식에 대한 정보를 입력할 수 있으며, 장치(300)는 제1 웨어러블 기기 또는 제1 사용자 단말(210)로부터 제1 음식에 대한 정보를 수신하면, 제1 시점에 제1 사용자가 섭취한 음식으로 제1 음식이 입력된 것을 확인할 수 있다. 여기서, 제1 음식에 대한 정보는 제1 음식의 카테고리, 명칭, 제1 시점 등에 대한 정보를 포함할 수 있다.
S803 단계에서, 장치(300)는 제1 시점에 제1 사용자가 섭취한 음식으로 제1 음식이 입력되면, 제1 시점 이전인 제1-1 시점에 수신된 제1 사용자의 생체 정보를 제1 생체 정보로 구분할 수 있다.
즉, 장치(300)는 제1 웨어러블 기기로부터 제1 사용자의 생체 정보를 주기적으로 수신하고 있는 상태에서, 제1 시점에 제1 사용자가 섭취한 음식으로 제1 음식이 입력된 것이 확인되면, 제1 시점 이전인 제1-1 시점에 수신된 제1 사용자의 생체 정보를 제1 생체 정보로 구분할 수 있다.
S804 단계에서, 장치(300)는 제1 시점에 제1 사용자가 섭취한 음식으로 제1 음식이 입력되면, 제1 시점 이후인 제1-2 시점에 수신되는 제1 사용자의 생체 정보를 제2 생체 정보로 구분할 수 있다.
즉, 장치(300)는 제1 웨어러블 기기로부터 제1 사용자의 생체 정보를 주기적으로 수신하고 있는 상태에서, 제1 시점에 제1 사용자가 섭취한 음식으로 제1 음식이 입력된 것이 확인되면, 제1 시점 이후인 제1-2 시점에 수신되는 제1 사용자의 생체 정보를 제2 생체 정보로 구분할 수 있다.
S805 단계에서, 장치(300)는 제1 생체 정보 및 제2 생체 정보를 비교할 수 있다.
S806 단계에서, 장치(300)는 제1 생체 정보 및 제2 생체 정보를 비교한 결과, 제1 사용자의 신체에 이상이 있는지 여부를 판단할 수 있다. 이때, 장치(300)는 심박수 증가, 붉은 반점 포착, 산소 포화도 감소 등을 통해, 제1 사용자의 신체에 이상이 있는지 여부를 판단할 수 있다. 즉, 장치(300)는 생체 정보의 종류에 따라 상이한 방식으로 이상 여부를 판단할 수 있다.
S806 단계에서 제1 사용자의 신체에 이상이 없는 것으로 판단되면, S801 단계로 되돌아가, 장치(300)는 제1 웨어러블 기기로부터 제1 사용자의 생체 정보를 계속해서 주기적으로 수신할 수 있다.
S806 단계에서 제1 사용자의 신체에 이상이 있는 것으로 판단되면, S807 단계에서, 장치(300)는 제1 음식의 성분 리스트인 제1 성분 리스트를 획득할 수 있다
구체적으로, 장치(300)의 데이터베이스에는 각 음식에 포함되는 성분들의 리스트가 음식 별로 구분되어 저장되어 있으며, 장치(300)는 데이터베이스에 저장된 성분 리스트를 조회하여, 제1 음식의 성분 리스트인 제1 성분 리스트를 획득할 수 있다.
도 9는 일실시예에 따른 제2 음식의 성분 리스트인 제2 성분 리스트를 획득하는 과정을 설명하기 위한 순서도이다.
일실시예에 따르면, 도 9에 도시된 각 단계는 도 8에 도시된 각 단계가 수행된 이후에 수행될 수 있다.
도 9를 참조하면, 먼저, S901 단계에서, 장치(300)는 제1 성분 리스트를 획득한 이후, 제1 웨어러블 기기로부터 제1 사용자의 생체 정보를 계속해서 주기적으로 수신할 수 있다.
S902 단계에서, 장치(300)는 제2 시점에 제1 사용자가 섭취한 음식으로 제3 음식이 입력된 것을 확인할 수 있다.
구체적으로, 제1 사용자는 제2 시점에 제1 웨어러블 기기를 통해 제3 음식에 대한 정보를 입력할 수 있고, 제2 시점에 제1 웨어러블 기기와 연결되어 있는 제1 사용자 단말(210)을 통해 제3 음식에 대한 정보를 입력할 수 있으며, 장치(300)는 제1 웨어러블 기기 또는 제1 사용자 단말(210)로부터 제3 음식에 대한 정보를 수신하면, 제2 시점에 제1 사용자가 섭취한 음식으로 제3 음식이 입력된 것을 확인할 수 있다. 여기서, 제3 음식에 대한 정보는 제3 음식의 카테고리, 명칭, 제2 시점 등에 대한 정보를 포함할 수 있다.
S903 단계에서, 장치(300)는 제2 시점에 제1 사용자가 섭취한 음식으로 제3 음식이 입력되면, 제2 시점 이전인 제2-1 시점에 수신된 제1 사용자의 생체 정보를 제3 생체 정보로 구분할 수 있다.
즉, 장치(300)는 제1 웨어러블 기기로부터 제1 사용자의 생체 정보를 주기적으로 수신하고 있는 상태에서, 제2 시점에 제1 사용자가 섭취한 음식으로 제3 음식이 입력된 것이 확인되면, 제2 시점 이전인 제2-1 시점에 수신된 제1 사용자의 생체 정보를 제3 생체 정보로 구분할 수 있다.
S904 단계에서, 장치(300)는 제2 시점에 제1 사용자가 섭취한 음식으로 제3 음식이 입력되면, 제2 시점 이후인 제2-2 시점에 수신되는 제1 사용자의 생체 정보를 제4 생체 정보로 구분할 수 있다.
즉, 장치(300)는 제1 웨어러블 기기로부터 제1 사용자의 생체 정보를 주기적으로 수신하고 있는 상태에서, 제2 시점에 제1 사용자가 섭취한 음식으로 제3 음식이 입력된 것이 확인되면, 제2 시점 이후인 제2-2 시점에 수신되는 제1 사용자의 생체 정보를 제4 생체 정보로 구분할 수 있다.
S905 단계에서, 장치(300)는 제3 생체 정보 및 제4 생체 정보를 비교할 수 있다.
S906 단계에서, 장치(300)는 제3 생체 정보 및 제4 생체 정보를 비교한 결과, 제1 사용자의 신체에 이상이 있는지 여부를 판단할 수 있다. 이때, 장치(300)는 심박수 증가, 붉은 반점 포착, 산소 포화도 감소 등을 통해, 제1 사용자의 신체에 이상이 있는지 여부를 판단할 수 있다. 즉, 장치(300)는 생체 정보의 종류에 따라 상이한 방식으로 이상 여부를 판단할 수 있다.
S906 단계에서 제1 사용자의 신체에 이상이 없는 것으로 판단되면, S901 단계로 되돌아가, 장치(300)는 제1 웨어러블 기기로부터 제1 사용자의 생체 정보를 계속해서 주기적으로 수신할 수 있다.
S906 단계에서 제1 사용자의 신체에 이상이 있는 것으로 판단되면, S907 단계에서, 장치(300)는 제3 음식의 성분 리스트인 제2 성분 리스트를 획득할 수 있다
구체적으로, 장치(300)의 데이터베이스에는 각 음식에 포함되는 성분들의 리스트가 음식 별로 구분되어 저장되어 있으며, 장치(300)는 데이터베이스에 저장된 성분 리스트를 조회하여, 제3 음식의 성분 리스트인 제2 성분 리스트를 획득할 수 있다.
도 10은 일실시예에 따른 알레르기 유발 성분을 선정하여 알림 메시지를 제공하는 과정을 설명하기 위한 순서도이다.
도 10을 참조하면, 먼저, S1001 단계에서, 장치(300)는 제1 생체 정보 및 제2 생체 정보를 비교한 결과, 제1 사용자의 신체에 이상이 있는 것으로 판단되면, 제1 음식의 성분 리스트인 제1 성분 리스트를 획득할 수 있다.
S1002 단계에서, 장치(300)는 제3 생체 정보 및 제4 생체 정보를 비교한 결과, 제1 사용자의 신체에 이상이 있는 것으로 판단되면, 제3 음식의 성분 리스트인 제2 성분 리스트를 획득할 수 있다.
S1003 단계에서, 장치(300)는 제1 성분 리스트 및 제2 성분 리스트를 비교할 수 있다.
S1004 단계에서, 장치(300)는 제1 성분 리스트 및 제2 성분 리스트를 비교한 결과, 제1 성분 리스트 및 제2 성분 리스트 각각에 중복 포함되어 있는 성분이 있는지 여부를 확인할 수 있다.
S1004 단계에서 중복 포함되어 있는 성분이 없는 것으로 확인되면, S901 단계로 되돌아가, 장치(300)는 제1 웨어러블 기기로부터 제1 사용자의 생체 정보를 계속해서 주기적으로 수신할 수 있다.
S1004 단계에서 중복 포함되어 있는 성분이 있는 것으로 확인되고, 중복 포함되어 있는 성분이 제1 성분으로 확인되면, S1005 단계에서, 장치(300)는 제1 성분을 제1 사용자의 알레르기를 유발하는 성분으로 선정할 수 있다.
즉, 장치(300)는 제1 성분 리스트 및 제2 성분 리스트를 비교한 결과, 제1 성분이 중복 포함되어 있는 것으로 확인되면, 제1 성분을 제1 사용자의 알레르기를 유발하는 성분으로 선정할 수 있다.
S1006 단계에서, 장치(300)는 제1 성분에 대한 유의 알림 메시지를 제1 웨어러블 기기로 전송할 수 있다. 여기서, 제1 성분에 대한 유의 알림 메시지는 제1 사용자가 제1 성분이 들어간 음식을 섭취하는 경우 알레르기가 발생할 수 있어, 제1 성분이 들어간 음식의 섭취를 경고해주는 알림 메시지로, 제1 웨어러블 기기의 화면에 표시될 수 있다. 이때, 장치(300)는 제1 성분이 들어간 음식에 대한 안내 메시지를 제1 웨어러블 기기로 더 전송할 수도 있다.
도 11은 일실시예에 따른 제1 음식의 섭취 이후 신체에 이상이 있는 경우, 정상으로 돌아오는 시간을 확인하는 과정을 설명하기 위한 순서도이다.
도 11을 참조하면, S1101 단계에서, 장치(300)는 제1 생체 정보 및 제2 생체 정보를 비교한 결과, 제1 사용자의 신체에 이상이 있는 것으로 판단할 수 있다.
S1102 단계에서, 장치(300)는 제1-2 시점 이후인 제1-3 시점에 수신되는 제1 사용자의 생체 정보를 제5 생체 정보로 구분할 수 있다.
S1103 단계에서, 장치(300)는 제1 생체 정보 및 제5 생체 정보를 비교할 수 있다.
S1104 단계에서, 장치(300)는 제1 생체 정보 및 제5 생체 정보를 비교한 결과, 제1 사용자의 신체가 정상으로 돌아왔는지 여부를 판단할 수 있다. 이때, 장치(300)는 심박수 증가, 붉은 반점 포착, 산소 포화도 감소 등을 통해, 제1 사용자의 신체에 이상이 있는지 여부를 판단하여, 제1 사용자의 신체에 이상이 없는 것으로 판단되면, 제1 사용자의 신체가 정상으로 돌아온 것으로 판단할 수 있다.
S1104 단계에서 제1 사용자의 신체가 정상으로 돌아오지 않은 것으로 판단되면, S1102 단계로 되돌아가, 장치(300)는 제1 웨어러블 기기로부터 제1 사용자의 생체 정보를 계속해서 주기적으로 수신하고 있는 상태이므로, 제1-2 시점 이후인 제1-3 시점에 수신되는 제1 사용자의 생체 정보를 제5 생체 정보로 다시 구분할 수 있다.
즉, 장치(300)는 제1 생체 정보 및 제5 생체 정보를 비교한 결과, 제1 사용자의 신체가 정상으로 돌아온 것으로 판단될 때까지, S1102 단계 내지 S1104 단계를 반복하여 수행할 수 있다.
S1104 단계에서 제1 사용자의 신체가 정상으로 돌아온 것으로 판단되면, S1105 단계에서, 장치(300)는 제1-2 시점부터 제1-3 시점까지 시간을 제1 시간으로 설정할 수 있다.
도 12는 일실시예에 따른 제3 음식의 섭취 이후 신체에 이상이 있는 경우, 정상으로 돌아오는 시간을 확인하는 과정을 설명하기 위한 순서도이다.
도 12를 참조하면, S1201 단계에서, 장치(300)는 제3 생체 정보 및 제4 생체 정보를 비교한 결과, 제1 사용자의 신체에 이상이 있는 것으로 판단할 수 있다.
S1202 단계에서, 장치(300)는 제2-2 시점 이후인 제2-3 시점에 수신되는 제1 사용자의 생체 정보를 제6 생체 정보로 구분할 수 있다.
S1203 단계에서, 장치(300)는 제3 생체 정보 및 제6 생체 정보를 비교할 수 있다.
S1204 단계에서, 장치(300)는 제3 생체 정보 및 제6 생체 정보를 비교한 결과, 제1 사용자의 신체가 정상으로 돌아왔는지 여부를 판단할 수 있다. 이때, 장치(300)는 심박수 증가, 붉은 반점 포착, 산소 포화도 감소 등을 통해, 제1 사용자의 신체에 이상이 있는지 여부를 판단하여, 제1 사용자의 신체에 이상이 없는 것으로 판단되면, 제1 사용자의 신체가 정상으로 돌아온 것으로 판단할 수 있다.
S1204 단계에서 제1 사용자의 신체가 정상으로 돌아오지 않은 것으로 판단되면, S1202 단계로 되돌아가, 장치(300)는 제1 웨어러블 기기로부터 제1 사용자의 생체 정보를 계속해서 주기적으로 수신하고 있는 상태이므로, 제2-2 시점 이후인 제2-3 시점에 수신되는 제1 사용자의 생체 정보를 제6 생체 정보로 다시 구분할 수 있다.
즉, 장치(300)는 제3 생체 정보 및 제6 생체 정보를 비교한 결과, 제1 사용자의 신체가 정상으로 돌아온 것으로 판단될 때까지, S1202 단계 내지 S1204 단계를 반복하여 수행할 수 있다.
S1204 단계에서 제1 사용자의 신체가 정상으로 돌아온 것으로 판단되면, S1205 단계에서, 장치(300)는 제2-2 시점부터 제2-3 시점까지 시간을 제2 시간으로 설정할 수 있다.
도 13은 일실시예에 따른 신체가 정상으로 돌아오는 시간을 통해 알레르기의 심각도를 분류하는 과정을 설명하기 위한 순서도이다.
도 13을 참조하면, S1301 단계에서, 장치(300)는 제1 시간 및 제2 시간이 각각 설정되면, 제1 시간 및 제2 시간의 평균 시간을 제3 시간으로 산출할 수 있다.
예를 들어, 제1 시간이 10초로 설정되고, 제2 시간이 20초로 설정된 경우, 장치(300)는 제3 시간을 15초로 산출할 수 있다.
S1302 단계에서, 장치(300)는 제3 시간이 제1 기준 시간 보다 긴지 여부를 확인할 수 있다. 여기서, 제1 기준 시간은 실시예에 따라 상이하게 설정될 수 있다.
S1302 단계에서 제3 시간이 제1 기준 시간 보다 긴 것으로 확인되면, S1304 단계에서, 장치(300)는 제1 성분을 제1 사용자의 알레르기를 유발하는 성분 중에서 위험 성분으로 분류할 수 있다.
즉, 장치(300)는 제3 시간이 제1 기준 시간 보다 긴 것으로 확인되면, 제1 성분을 심각도가 가장 높은 등급인 위험 성분으로 분류할 수 있다.
S1302 단계에서 제3 시간이 제1 기준 시간 보다 짧은 것으로 확인되면, S1303 단계에서, 장치(300)는 제3 시간이 제2 기준 시간 보다 긴지 여부를 확인할 수 있다. 여기서, 제2 기준 시간은 제1 기준 시간 보다 작은 값으로 설정될 수 있다.
S1303 단계에서 제3 시간이 제2 기준 시간 보다 긴 것으로 확인되면, S1305 단계에서, 장치(300)는 제1 성분을 제1 사용자의 알레르기를 유발하는 성분 중에서 경고 성분으로 분류할 수 있다.
즉, 장치(300)는 제3 시간이 제1 기준 시간 보다 짧지만 제2 기준 시간 보다 긴 것으로 확인되면, 제1 성분을 심각도가 보통 등급인 경고 성분으로 분류할 수 있다.
S1303 단계에서 제3 시간이 제2 기준 시간 보다 짧은 것으로 확인되면, S1306 단계에서, 장치(300)는 제1 성분을 제1 사용자의 알레르기를 유발하는 성분 중에서 주의 성분으로 분류할 수 있다.
즉, 장치(300)는 제3 시간이 제2 기준 시간 보다 짧은 것으로 확인되면, 제1 성분을 심각도가 가장 낮은 등급인 주의 성분으로 분류할 수 있다.
장치(300)는 제1 성분이 위험 성분, 경고 성분 및 주의 성분 중 어느 하나로 분류되면, 분류된 결과를 제1 웨어러블 기기로 전송할 수 있다.
도 14는 일실시예에 따른 인공 신경망의 학습을 설명하기 위한 도면이다.
일실시예에 따르면, 인공 신경망은 사용자의 건강 정보를 입력 받은 후, 사용자에게 추천할만한 음식을 분석하여 추천 음식에 대한 정보를 출력하는 알고리즘일 수 있다.
인공 신경망의 학습이 이루어지는 학습 장치는 건강 정보 기반 식당 추천 서비스 제공 방법을 수행하는 장치(300)와 동일한 장치일 수도 있고, 별개의 장치일 수도 있다. 이하에서는 인공 신경망이 학습되는 과정을 설명한다.
먼저, S1401 단계에서, 장치(300)는 인공 신경망에 입력할 입력을 생성할 수 있다. 이때, 장치(300)는 인공 신경망에 입력하기 위해, 사용자의 건강 정보를 기초로 입력을 생성할 수 있다.
구체적으로, 장치(300)는 사용자의 건강 정보에 대해 전처리하는 과정을 수행할 수 있다. 전처리가 수행된 사용자의 건강 정보를 인공 신경망의 입력으로 그대로 사용하거나, 불필요한 정보를 제거하는 통상의 처리를 거쳐 인공 신경망의 입력을 생성할 수 있다.
S1402 단계에서, 장치(300)는 인공 신경망에 입력을 적용할 수 있다.
인공 신경망은 강화 학습(reinforcement learning)에 따라 학습되는 인공 신경망일 수 있다. 인공 신경망은 강화 학습을 통해 추상적 추론을 출력하는데 적합한 Q-Network, DQN(Depp Q-Network), 또는 관계형 네트워크(relation network, RL) 구조일 수 있다.
강화 학습에 따라 학습되는 인공 신경망은 다양한 보상에 평가를 반영하여 갱신 및 최적화될 수 있다. 예를 들어, 인공 신경망은 제1 내지 제2 보상을 통해 갱신 및 최적화될 수 있다.
예를 들어, 제1 보상은 사용자의 기분 상태에 따라 사용자의 기분과 어울리는 음식을 추천 음식으로 선정할수록 높아질 수 있으며, 제2 보상은 사용자의 영양 상태에 따라 사용자의 건강에 도움이 되는 음식을 추천 음식으로 선정할수록 높아질 수 있다.
S1403 단계에서, 장치(300)는 인공 신경망으로부터 출력을 획득할 수 있다.
인공 신경망의 출력은, 사용자에게 추천할만한 음식인 추천 음식에 대한 정보일 수 있다. 이때, 인공 신경망은 사용자의 건강 정보를 통해 사용자에게 추천할만한 음식을 선정하여 추천 음식에 대한 정보를 출력할 수 있다.
S1404 단계에서, 장치(300)는 인공 신경망의 출력을 평가하여 보상을 지급할 수 있다.
인공 신경망의 출력에 대한 평가는 제1 내지 제2 보상으로 나뉠 수 있다. 장치(300)는 사용자의 기분 상태에 따라 사용자의 기분과 어울리는 음식을 추천 음식으로 선정할수록 제1 보상을 많이 수여하고, 사용자의 영양 상태에 따라 사용자의 건강에 도움이 되는 음식을 추천 음식으로 선정할수록 제2 보상을 많이 수여할 수 있다.
S1405 단계에서, 장치(300)는 평가를 기초로 인공 신경망을 갱신할 수 있다.
장치(300)는 인공 신경망이, 사용자에게 추천할만한 음식을 선정하는 환경(environment)에서, 보상값(reward)들의 합의 기대값(expectation)이 최대화되도록, 특정한 상태(state)들에서 취할 행동(action)들을 결정하는 정책(policy)을 최적화하는 과정을 통해 인공 신경망을 갱신할 수 있다.
예를 들어, 장치(300)는 제1 사용자에게 추천할만한 음식으로 제1 음식을 선정한 것에 대해 문제가 있는 경우, 제1 음식을 선정한 것에 대해 문제가 있음을 나타내는 정보를 포함하는 제1 학습 데이터를 생성하고, 제1 학습 데이터를 인공 신경망에 적용하여, 제1 사용자와 유사한 건강 상태를 가지는 사용자에게 추천할만한 음식으로 제1 음식이 선정되지 않도록, 인공 신경망을 학습시키는 과정을 통해, 인공 신경망을 갱신할 수 있다.
한편, 정책을 최적화하는 과정은 보상들의 합의 기대값의 최대값 또는 Q-함수의 최대값을 추정하거나, Q-함수의 손실 함수(loss function)의 최소값을 추정하는 과정을 통해 이루어질 수 있다. 손실함수의 최소값의 추정은 확률적 경사하강법(stochastic gradient descent, SGD) 등을 통해 이루어질 수 있다. 정책을 최적화하는 과정은 이에 제한되는 것은 아니며, 강화 학습에서 사용하는 다양한 최적화 알고리즘들이 이용될 수 있다.
장치(300)는 상기와 같은 인공 신경망의 학습 과정을 반복함으로써, 인공 신경망을 점진적으로 갱신시킬 수 있다.
구체적으로, 장치(300)는 사용자에게 추천할만한 음식을 선정하는데 있어, 사용자의 건강 상태를 고려하여, 사용자에게 추천할만한 음식을 선정한 후, 선정된 추천 음식에 대한 정보를 출력하는 인공 신경망을 학습시킬 수 있다.
즉, 장치(300)는 사용자의 건강 정보를 통해, 사용자에게 추천할만한 음식을 분석할 때, 제1 내지 제2 보상 등을 통한 강화 학습을 반영하여, 분석 기준을 조정함으로써, 인공 신경망을 학습시킬 수 있다.
도 15는 일실시예에 따른 장치의 구성의 예시도이다.
일실시예에 따른 장치(300)는 프로세서(310) 및 메모리(320)를 포함한다. 프로세서(310)는 도 1 내지 도 14를 참조하여 전술된 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 14를 참조하여 전술된 적어도 하나의 방법을 수행할 수 있다. 장치(300)를 이용하는 자 또는 단체는 도 1 내지 도 14를 참조하여 전술된 방법들 일부 또는 전부와 관련된 서비스를 제공할 수 있다.
메모리(320)는 전술된 방법들과 관련된 정보를 저장하거나 후술되는 방법들이 구현된 프로그램을 저장할 수 있다. 메모리(320)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(310)는 프로그램을 실행하고, 장치(300)를 제어할 수 있다. 프로세서(310)에 의하여 실행되는 프로그램의 코드는 메모리(320)에 저장될 수 있다. 장치(300)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 유무선 통신을 통해 데이터를 교환할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (3)

  1. 장치에 의해 수행되는, 건강 정보 기반 식당 추천 서비스 제공 방법에 있어서,
    제1 매장 단말의 카메라를 이용하여 제1 사용자의 얼굴에 대한 촬영이 수행되면, 상기 제1 사용자의 얼굴을 촬영하여 생성된 제1 이미지를 획득하는 단계;
    상기 제1 매장 단말에 미리 설정된 기간 동안 상기 제1 사용자가 섭취한 음식 내역이 입력되면, 상기 제1 사용자가 섭취한 음식 내역을 제1 식사 정보로 획득하는 단계;
    상기 제1 이미지 및 상기 제1 식사 정보를 매칭하여, 상기 제1 사용자의 건강 정보를 생성하는 단계;
    상기 제1 사용자의 건강 정보를 인공 신경망에 적용하여, 상기 인공 신경망의 출력을 기초로, 상기 제1 사용자의 추천 음식을 선정하는 단계;
    상기 제1 사용자의 추천 음식으로 제1 음식이 선정되면, 상기 제1 음식을 판매하는 식당들을 제1 식당 그룹으로 분류하고, 상기 제1 식당 그룹으로 분류된 식당들의 리스트인 제1 식당 리스트를 생성하는 단계;
    상기 제1 음식에 대한 상세 정보 및 상기 제1 식당 리스트를 상기 제1 매장 단말로 전송하는 단계;
    상기 제1 매장 단말에 상기 제1 사용자의 연락처가 입력되면, 상기 제1 사용자의 연락처를 제1 사용자 단말의 식별 정보로 획득하는 단계;
    상기 제1 사용자 단말의 식별 정보를 이용하여, 사용자 정보 제공에 대한 동의 요청을 상기 제1 사용자 단말로 전송하는 단계;
    상기 제1 사용자 단말로부터 사용자 정보 제공에 대한 동의 수락이 수신되면, 상기 제1 사용자 단말에 로그인된 제1 사용자 계정을 확인하여, 제1 사용자 정보를 획득하는 단계;
    상기 제1 사용자 정보를 기반으로, 상기 제1 사용자의 거주지를 확인하는 단계;
    상기 제1 사용자의 거주지 위치와 상기 제1 식당 그룹으로 분류된 식당들 각각의 위치를 비교하여, 거리가 가까운 순으로 상기 제1 식당 그룹으로 분류된 식당들 각각의 거리 순위를 설정하는 단계;
    상기 제1 사용자 정보를 기반으로, 상기 제1 사용자의 식당 방문 내역을 확인하는 단계;
    상기 제1 사용자의 식당 방문 내역에 기초하여, 상기 제1 식당 그룹으로 분류된 식당들 중 상기 제1 사용자가 방문한 적이 있는 식당의 방문 횟수를 확인하여, 방문 횟수가 많은 순으로 상기 제1 식당 그룹으로 분류된 식당들 각각의 방문 순위를 설정하는 단계;
    상기 제1 식당 그룹으로 분류된 식당들 각각의 음식 판매 내역을 획득하는 단계;
    상기 제1 식당 그룹으로 분류된 식당들의 음식 판매 내역에 기초하여, 상기 제1 식당 그룹으로 분류된 식당들 중 상기 제1 음식을 판매한 적이 있는 식당의 판매 횟수를 확인하여, 판매 횟수가 많은 순으로 상기 제1 식당 그룹으로 분류된 식당들 각각의 판매 순위를 설정하는 단계;
    상기 제1 식당 그룹으로 분류된 식당들 각각의 거리 순위, 방문 순위 및 판매 순위를 합산하여, 종합 순위를 설정하는 단계;
    상기 제1 식당 그룹으로 분류된 식당들 각각에 설정된 종합 순위를 기준으로, 상기 제1 식당 리스트를 정렬하고, 상기 정렬된 제1 식당 리스트를 상기 제1 사용자 단말로 전송하는 단계;
    상기 제1 사용자의 거주지 위치가 제1 지점으로 확인되면, 상기 제1 지점을 중심으로 미리 설정된 기준 거리 이내에 있는 영역을 기준 영역으로 설정하는 단계;
    상기 제1 식당 그룹으로 분류된 식당들 각각의 위치를 기초로, 상기 기준 영역 내에 있는 식당을 제2 식당 그룹으로 분류하는 단계;
    상기 제2 식당 그룹으로 분류된 식당이 하나 이상 있는 것으로 확인되면, 상기 제2 식당 그룹으로 분류된 식당의 리스트인 제2 식당 리스트를 생성하고, 상기 제2 식당 리스트를 상기 제1 사용자 단말로 전송하는 단계;
    상기 제2 식당 그룹으로 분류된 식당이 하나도 없는 것으로 확인되면, 상기 제1 음식의 성분과 다른 음식들의 성분을 비교하여, 상기 제1 음식의 성분과 제2 음식의 성분이 일정 이상 일치하는 것으로 확인되면, 상기 제2 음식을 상기 제1 음식의 대체 음식으로 확인하는 단계;
    상기 제2 음식을 판매하는 식당들을 제3 식당 그룹으로 분류하는 단계;
    상기 제3 식당 그룹으로 분류된 식당들 각각의 위치를 기초로, 상기 기준 영역 내에 있는 식당을 제4 식당 그룹으로 분류하는 단계; 및
    상기 제4 식당 그룹으로 분류된 식당들의 리스트인 제3 식당 리스트를 생성하고, 상기 제3 식당 리스트를 상기 제1 사용자 단말로 전송하는 단계를 포함하는,
    건강 정보 기반 식당 추천 서비스 제공 방법.
  2. 제1항에 있어서,
    상기 제1 사용자의 건강 정보를 생성하는 단계는,
    상기 제1 이미지에 기초하여, 상기 제1 사용자의 표정을 인식하고, 상기 제1 사용자의 표정을 기반으로, 상기 제1 사용자의 표정이 제1 표정으로 인식되면, 상기 제1 표정과 대응하는 제1 상태를 상기 제1 사용자의 기분 상태로 분석하는 단계;
    상기 제1 식사 정보에 기초하여, 상기 제1 사용자가 섭취한 음식들 각각의 섭취 시간 및 성분을 확인하고, 상기 제1 사용자가 섭취한 음식들 각각의 섭취 시간 및 성분을 기반으로, 상기 제1 사용자의 영양 상태를 분석하는 단계; 및
    상기 제1 사용자의 기분 상태를 분석한 결과와 상기 제1 사용자의 영양 상태를 분석한 결과를 매칭하여, 상기 제1 사용자의 건강 정보를 생성하는 단계를 포함하는,
    건강 정보 기반 식당 추천 서비스 제공 방법.
  3. 삭제
KR1020220186528A 2022-12-28 2022-12-28 건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템 KR102530527B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220186528A KR102530527B1 (ko) 2022-12-28 2022-12-28 건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220186528A KR102530527B1 (ko) 2022-12-28 2022-12-28 건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템

Publications (1)

Publication Number Publication Date
KR102530527B1 true KR102530527B1 (ko) 2023-05-09

Family

ID=86408069

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220186528A KR102530527B1 (ko) 2022-12-28 2022-12-28 건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템

Country Status (1)

Country Link
KR (1) KR102530527B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102666547B1 (ko) * 2023-10-11 2024-05-17 김산 식사 약속 기반 일정 매칭, 관리 및 커뮤니케이션 소셜 네트워킹 플랫폼 제공 방법 및 시스템

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110137589A (ko) 2010-06-17 2011-12-23 숭실대학교산학협력단 맞춤형 건강식품 정보 제공 시스템
KR20130102239A (ko) 2012-03-07 2013-09-17 신양철 건강 식단정보 제공시스템
KR20140148130A (ko) 2013-06-21 2014-12-31 동아대학교 산학협력단 개인별 메뉴추천 시스템 및 방법
KR20170049999A (ko) 2015-10-29 2017-05-11 에스케이플래닛 주식회사 매장인식 및 허기측정을 통한 맞춤 음식 제공 웨어러블 디바이스 및 관리서버
KR20180010715A (ko) * 2016-07-22 2018-01-31 주식회사 케이티 음식 간편 입력 서비스 제공 방법 및 이를 위한 장치
KR20190114718A (ko) * 2018-11-02 2019-10-10 주식회사 커넥위드 선호 메뉴 기반 음식점 추천 방법 및 장치
KR20210014446A (ko) * 2019-07-30 2021-02-09 여성동 사용자의 sns와 실시간 표정 기반 음식 메뉴 추천 시스템 및 서비스
KR20220013484A (ko) * 2018-12-12 2022-02-04 주식회사 누비랩 급식관리 시스템
KR102383111B1 (ko) * 2021-06-08 2022-04-08 주식회사 유즈코어 쿡방 콘텐츠 기반 식당 예약 서비스 제공 방법, 장치 및 시스템
KR20220051860A (ko) * 2020-10-19 2022-04-27 동국대학교 산학협력단 주문 연계 개인 맞춤형 음식 추천 방법 및 이의 장치
KR20220090823A (ko) * 2020-12-23 2022-06-30 그로잉세일즈 주식회사 매장 통합 시스템 기반의 메뉴 추천 방법 및 이를 위한 장치

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110137589A (ko) 2010-06-17 2011-12-23 숭실대학교산학협력단 맞춤형 건강식품 정보 제공 시스템
KR20130102239A (ko) 2012-03-07 2013-09-17 신양철 건강 식단정보 제공시스템
KR20140148130A (ko) 2013-06-21 2014-12-31 동아대학교 산학협력단 개인별 메뉴추천 시스템 및 방법
KR20170049999A (ko) 2015-10-29 2017-05-11 에스케이플래닛 주식회사 매장인식 및 허기측정을 통한 맞춤 음식 제공 웨어러블 디바이스 및 관리서버
KR20180010715A (ko) * 2016-07-22 2018-01-31 주식회사 케이티 음식 간편 입력 서비스 제공 방법 및 이를 위한 장치
KR20190114718A (ko) * 2018-11-02 2019-10-10 주식회사 커넥위드 선호 메뉴 기반 음식점 추천 방법 및 장치
KR20220013484A (ko) * 2018-12-12 2022-02-04 주식회사 누비랩 급식관리 시스템
KR20210014446A (ko) * 2019-07-30 2021-02-09 여성동 사용자의 sns와 실시간 표정 기반 음식 메뉴 추천 시스템 및 서비스
KR20220051860A (ko) * 2020-10-19 2022-04-27 동국대학교 산학협력단 주문 연계 개인 맞춤형 음식 추천 방법 및 이의 장치
KR20220090823A (ko) * 2020-12-23 2022-06-30 그로잉세일즈 주식회사 매장 통합 시스템 기반의 메뉴 추천 방법 및 이를 위한 장치
KR102383111B1 (ko) * 2021-06-08 2022-04-08 주식회사 유즈코어 쿡방 콘텐츠 기반 식당 예약 서비스 제공 방법, 장치 및 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102666547B1 (ko) * 2023-10-11 2024-05-17 김산 식사 약속 기반 일정 매칭, 관리 및 커뮤니케이션 소셜 네트워킹 플랫폼 제공 방법 및 시스템

Similar Documents

Publication Publication Date Title
KR102404511B1 (ko) 인공지능 기반 사용자 맞춤형 상품 정보 추천 방법, 장치 및 시스템
KR102407595B1 (ko) 메타버스 기반 와이너리 체험 서비스 제공 방법, 장치 및 시스템
KR102533442B1 (ko) 인공지능 모델을 기반으로 온라인 판매를 위한 제품 기획 및 마케팅 전략 도출 방법, 장치 및 시스템
KR102546871B1 (ko) 인공지능 모델 기반 b2b 식자재 및 부자재의 유통의 주문 히스토리의 패턴 분석을 통한 주문 정보 추천 방법, 장치 및 시스템
KR102506472B1 (ko) 인공지능 기반 초개인화 맞춤형 식품 구매 추천 서비스 제공 방법, 장치 및 시스템
KR102553041B1 (ko) 인공지능 모델 기반 사용자 및 인테리어 공급자 매칭 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102508232B1 (ko) 인공지능 기반 마트 운영을 위한 재고의 유통관리 방법, 장치 및 시스템
KR102494380B1 (ko) 기저귀 대변 이미지를 활용한 아기 건강 진단 솔루션 제공 방법, 장치 및 시스템
KR102601446B1 (ko) 인공지능 모델을 활용한 인플루언서 기반 판매 제품매칭 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102564996B1 (ko) 인공지능 기반 사용자 맞춤형 건강기능식품 큐레이션 서비스 제공 방법, 장치 및 시스템
KR102552856B1 (ko) 커머스 연계 콘텐츠 제공 플랫폼 서비스를 위한 키워드 추출 및 콘텐츠 템플릿 생성 자동화 방법, 장치 및 시스템
KR102554580B1 (ko) 인공지능 모델 기반 식자재 및 부자재의 유통 주문 히스토리의 패턴 분석을 통한 물류 창고의 안전 재고량의 추정 및 주문 알람 서비스 제공 방법, 장치 및 시스템
KR102447426B1 (ko) 초개인화를 위한 퍼스널 컬러와 타임라인 기반 행동 데이터를 분석하여 라이프스타일 가이드 정보를 추천하는 방법, 장치 및 시스템
KR102463875B1 (ko) 빅데이터를 활용한 사용자 맞춤 심리 치료 콘텐츠 제공 방법, 장치 및 시스템
KR102530527B1 (ko) 건강 정보 기반 식당 추천 서비스 제공 방법, 장치 및 시스템
KR102474974B1 (ko) 인공지능 기반 브랜드 분석 방법, 장치 및 시스템
KR102563687B1 (ko) 보청기 사용자 및 보호자를 위한 보청기 관리 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102493777B1 (ko) 인공지능 기반 장례식 예약 및 주문 처리 방법, 장치 및 시스템
KR102615749B1 (ko) 인공지능 모델을 활용한 사용자 맞춤형 식단 관리 컨설팅 정보 생성의 자동화 처리 및 이를 이용한 식단 관리 서비스 및 멘탈 헬스 케어 서비스 제공 방법, 장치 및 시스템
KR102619389B1 (ko) 별자리 기반 메타버스 추모관 서비스의 인터페이스 제공 방법, 장치 및 시스템
KR102565229B1 (ko) 인공지능 모델을 활용한 사용자 맞춤형 영양 보충 식품 스케쥴링 및 주문 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102536360B1 (ko) 컨테이너의 센서 정보를 기초로 일상 소비 상품의 개인화된 자동 주문 서비스 제공 방법, 장치 및 시스템
KR102615747B1 (ko) 인공지능 모델을 활용한 음식의 칼로리 추정 및 사용자 맞춤형 신체 변화 정보 시각화 서비스 제공 방법, 장치 및 시스템
KR102621308B1 (ko) 별자리 기반 메타버스 추모관 플랫폼 서비스 제공 방법, 장치 및 시스템
KR102603914B1 (ko) 이미지 분석 기반 사용자 맞춤형 해부학을 활용한 요가 운동 가이드 및 커리큘럼 제공 방법, 장치 및 시스템

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant