KR102551815B1 - 머신 러닝 모델을 이용하는 두피 분석에 필요한 데이터를 생성하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 - Google Patents

Abstract

본 발명의 일 태양에 따르면, 머신 러닝 모델을 이용하는 두피 분석에 필요한 데이터를 생성하는 방법으로서, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터 및 상기 이미지 데이터의 위치 데이터를 획득하는 단계, 상기 피측정자의 두피로부터 측정되는 적어도 한 종류의 센싱 데이터를 획득하는 단계, 및 상기 이미지 데이터, 상기 위치 데이터 및 상기 센싱 데이터를 참조하여, 상기 피측정자의 두피 분석을 위한 두피 측정 데이터를 생성하는 단계를 포함하는 방법이 제공된다.

Description

머신 러닝 모델을 이용하는 두피 분석에 필요한 데이터를 생성하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체{METHOD, DEVICE AND NON-TRANSITORY COMPUTER-READABLE RECORDING MEDIUM FOR GENERATING DATA FOR SCALP ANALYSIS MODEL WITH MACHINE-LEARNING}

본 발명은 머신 러닝 모델을 이용하는 두피 분석에 필요한 데이터를 생성하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체에 관한 것이다.

현대사회의 환경오염 및 스트레스의 영향으로 사람들의 두피 건강이 악화되는 추세이다. 이러한 사정으로 인하여, 두피 건강 및 분석에 대한 사람들의 관심이 크게 증가하고 있다. 이와 함께, 두피 분석 모델에 대한 다양한 연구가 진행되고 있다.

근래에는, 근접(고배율) 카메라를 이용하여 촬영한 피측정자의 두피 이미지를 분석하여 피측정자의 두피 상태를 분석하는 기술이 소개되고 있다. 하지만, 종래 기술에 따르면, 두피 이미지로부터 피측정자의 두피 상태를 정확하게 분석하는 솔루션을 개발하기 어렵다는 한계가 존재했고, 그 분석의 정확성을 신뢰하기 어렵다는 문제점도 존재했다.

최근에는, 인공지능 기술을 이용하여 두피 분석의 효율성과 정확도를 높이고자 하는 시도가 이루어지고 있지만, 두피 이미지로부터 얻을 수 있는 시각적 정보에는 한계가 있고, 어떤 사람의 두피 상태가 반드시 시각적 요소에 의하여만 특정되는 것은 아니기 때문에, 이미지 분석용 인공지능 기술을 단순히 적용하는 것만으로는 만족스러운 성능을 달성하기 어렵다는 기술적 한계가 여전히 존재한다.

또한, 머신 러닝 기술을 적용한 두피 분석 모델의 학습데이터를 생성하는 기술에 대한 필요성도 대두되고 있다.

종래 기술의 일 예로서, 한국등록특허공보 제10-2047237호의 영상 데이터를 분석하는 인공 지능을 이용한 질병 진단 방법 및 진단 시스템에 관한 기술을 예로 들 수 있다. 하지만, 위의 종래 기술은 두피 영역별로 서로 다른 신경망 모델을 구축하는 것에 불과하여, 머신 러닝 기술을 적용한 두피 분석 모델에 효과적으로 적용되기 어렵다는 한계가 존재한다.

이에 본 발명자(들)은 머신 러닝 모델을 이용한 두피 분석에 요구되는 측정 데이터를 생성하는 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체에 관한 신규하고도 진보된 기술을 제안하는 바이다.

본 발명은 전술한 종래 기술의 문제점을 모두 해결하는 것을 그 목적으로 한다.

또한, 본 발명은, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터 및 그 이미지 데이터의 위치 데이터를 획득하는 단계, 피측정자의 두피로부터 측정되는 적어도 한 종류의 센싱 데이터를 획득하는 단계, 및 이미지 데이터, 위치 데이터 및 센싱 데이터를 참조하여, 피측정자의 두피 분석을 위한 두피 측정 데이터를 생성하는 단계를 포함하는 방법을 제공하는 것을 다른 목적으로 한다.

또한, 본 발명은, 촬영 및 측정 디바이스를 조작하는 사용자가 그 촬영 및 측정 위치를 타겟 위치에 정확하게 대응시킬 수 있도록 돕는 피드백을 제공함으로써, 디바이스의 조작자가 두피에 관한 이미지 데이터 및 센싱 데이터를 정확하게 측정할 수 있도록 하는 것을 또 다른 목적으로 한다.

상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.

본 발명의 일 태양에 따르면, 머신 러닝 모델을 이용하는 두피 분석에 필요한 데이터를 생성하는 방법으로서, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터 및 상기 이미지 데이터의 위치 데이터를 획득하는 단계, 상기 피측정자의 두피로부터 측정되는 적어도 한 종류의 센싱 데이터를 획득하는 단계, 및 상기 이미지 데이터, 상기 위치 데이터 및 상기 센싱 데이터를 참조하여, 상기 피측정자의 두피 분석을 위한 두피 측정 데이터를 생성하는 단계를 포함하는 방법이 제공된다.

또한, 본 발명의 다른 태양에 따르면, 머신 러닝 모델을 이용하는 두피 분석에 필요한 데이터를 생성하는 디바이스로서, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득하고, 상기 이미지 데이터의 위치 데이터를 획득하는 제1 데이터 획득부, 상기 피측정자의 두피로부터 측정되는 적어도 한 종류의 센싱 데이터를 획득하는 제2 데이터 획득부, 및 상기 이미지 데이터, 상기 위치 데이터 및 상기 센싱 데이터를 참조하여, 상기 피측정자의 두피 분석을 위한 두피 측정 데이터를 생성하는 두피 측정 데이터 생성부를 포함하는 디바이스가 제공된다.

이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 디바이스 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능한 기록 매체가 더 제공된다.

본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.

또한, 본 발명에 의하면, 머신 러닝 모델을 이용한 두피 분석에 요구되는 피측정자의 두피 영역에 관한 이미지 데이터, 위치 데이터 및 센싱 데이터를 정합된 상태로 획득할 수 있게 되는 효과가 달성된다.

또한, 본 발명에 의하면, 촬영 및 측정 디바이스를 조작하는 사용자가 그 촬영 및 측정 위치를 타겟 위치에 정확하게 대응시킬 수 있도록 돕는 피드백을 제공할 수 있으므로, 디바이스의 조작자가 두피에 관한 이미지 데이터 및 센싱 데이터를 정확하게 측정할 수 있게 되는 효과가 달성된다.

나아가, 본 발명의 의하면, 피측정자의 두피 분석을 위한 두피 측정 데이터를 생성할 수 있게 되는 효과가 달성된다.

마지막으로, 본 발명에 의하면, 피측정자의 두피 이미지에서 발생할 수 있는 왜곡을 고려하여 두피 분석 모델을 보완할 수 있게 되는 효과가 달성된다.

도 1은 본 발명의 일 실시예에 따른 두피 분석을 위한 두피 측정 데이터를 생성하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 두피 분석 모델의 학습 데이터 생성 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 3은 본 발명의 일 실시예에 따른 두피 분석 시스템의 내부 구성을 예시적으로 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 두피 분석 모델을 위한 두피 측정 데이터 생성 디바이스의 내부 구성을 상세하게 도시하는 도면이다.
도 5는 본 발명의 일 실시예에 따른 두피 분석 시스템의 내부 구성을 예시적으로 나타내는 도면이다.
도 6 및 도 7은 본 발명의 일 실시예에 따라 두피를 분석하는 경우를 예시적으로 나타내는 도면이다.
도 8은 본 발명의 일 실시예에 따른 두피 측정 데이터 생성 디바이스의 내부 구성을 상세하게 도시하는 도면이다.

후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.

이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.

전체 시스템의 구성

도 1은 본 발명의 일 실시예에 따른 두피 분석을 위한 두피 측정 데이터를 생성하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.

도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은 통신망(100), 학습 데이터 생성 시스템(200), 두피 분석 시스템(300) 및 두피 측정 데이터 생성 디바이스(400)를 포함할 수 있다.

먼저, 본 발명의 일 실시예에 따른 통신망(100)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 명세서에서 말하는 통신망(100)은 공지의 인터넷 또는 월드 와이드 웹(WWW; World Wide Web)일 수 있다. 그러나, 통신망(100)은, 굳이 이에 국한될 필요 없이, 공지의 유무선 데이터 통신망, 공지의 전화망 또는 공지의 유무선 텔레비전 통신망을 그 적어도 일부에 있어서 포함할 수도 있다.

예를 들면, 통신망(100)은 무선 데이터 통신망으로서, 무선주파수(RF; Radio Frequency) 통신, 와이파이(WiFi) 통신, 셀룰러(LTE 등) 통신, 블루투스 통신(더 구체적으로는, 저전력 블루투스(BLE; Bluetooth Low Energy)), 적외선 통신, 초음파 통신 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다.

다음으로, 본 발명의 일 실시예에 따른 학습 데이터 생성 시스템(200)은, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득하는 단계, 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 참조하여 적어도 하나의 이미지 데이터를 가공함으로써 제1 가공 데이터를 생성하는 단계, 및 제1 가공 데이터를 참조하여 두피 분석 모델의 학습 데이터를 생성하는 단계를 포함하는 방법으로 구성되며, 머신 러닝 모델을 이용한 두피 분석 모델의 학습 데이터를 생성하는 기능을 수행할 수 있고, 두피 이상 증상에 맞게 가공된 두피 분석 모델을 생성함으로써 두피 모델을 다양화하는 기능을 수행할 수 있다.

본 발명의 일 실시예에 따른 학습 데이터 생성 시스템(200)의 구성과 기능에 관하여는 이하의 상세한 설명을 통하여 자세하게 알아보기로 한다.

다음으로, 본 발명의 일 실시예에 따른 두피 분석 시스템(300)은, 적어도 하나의 두피 이미지에 관한 학습 데이터에 기초하여 학습되는 머신 러닝 기반 분석 모델을 이용하여 피측정자의 두피 이미지를 분석함으로써 피측정자의 두피에 대한 제1 분석 데이터를 생성하고, 피측정자의 두피로부터 측정되는 적어도 한 종류의 센싱 데이터 및 피측정자로부터 수집되는 적어도 한 항목의 문진 데이터 중 적어도 하나를 참조하여 피측정자의 두피에 대한 제2 분석 데이터를 생성하고, 제1 분석 데이터 및 제2 분석 데이터를 참조하여 피측정자의 두피에 대한 제3 분석 데이터를 생성할 수 있다.

다음으로, 본 발명의 일 실시예에 따른 두피 측정 데이터 생성 디바이스(400)는, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터 및 그 이미지 데이터의 위치 데이터를 생성하는 단계, 피측정자의 두피로부터 측정되는 적어도 한 종류의 센싱 데이터를 생성하는 단계, 및 이미지 데이터, 위치 데이터 및 센싱 데이터를 참조하여, 피측정자의 두피 분석을 위한 두피 측정 데이터를 생성하는 단계를 포함하는 방법으로 구성되며, 머신 러닝 모델을 이용한 두피 분석을 지원하는 기능을 수행할 수 있다.

마지막으로, 본 발명의 일 실시예에 따른 디바이스(500)는 두피 측정 데이터 생성 디바이스(400)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기로서, 스마트폰, 태블릿, 스마트 워치, 스마트 밴드, 스마트 글래스, 데스크탑 컴퓨터, 노트북 컴퓨터, 워크스테이션, PDA, 웹 패드, 이동 전화기 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 디바이스(500)로서 채택될 수 있다.

한편, 본 발명의 일 실시예에 따른 디바이스(500)는, 두피 측정 데이터 생성 디바이스(400)로부터 본 발명에 따른 서비스를 제공받을 수 있도록 지원하는 애플리케이션(미도시됨)을 포함할 수 있다. 이와 같은 애플리케이션은 두피 측정 데이터 생성 디바이스(400) 또는 외부의 애플리케이션 배포 서버(미도시됨)로부터 다운로드된 것일 수 있다. 한편, 이러한 애플리케이션의 성격은 후술할 바와 같은 두피 측정 데이터 생성 디바이스(400)의 제1 데이터 획득부(410), 제2 데이터 획득부(420), 두피 측정 데이터 생성부(430), 통신부(440) 및 제어부(450)와 전반적으로 유사할 수 있다. 여기서, 애플리케이션은 그 적어도 일부가 필요에 따라 그것과 실질적으로 동일하거나 균등한 기능을 수행할 수 있는 하드웨어 장치나 펌웨어 장치로 치환될 수도 있다.

다음으로, 본 발명의 일 실시예에 따르면, 디바이스(500)는 통신망(100)을 통해 두피 측정 데이터 생성 디바이스(400)에 접속한 후 통신할 수 있도록 하는 기능을 포함하는 디지털 기기로서, 스마트폰, 태블릿 PC 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 휴대 가능한 디지털 기기라면 얼마든지 본 발명에 따른 디바이스(500)로서 채택될 수 있다.

학습 데이터 생성 시스템의 구성

이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 학습 데이터 생성 시스템(200)의 내부 구성과 각 구성요소의 기능에 대하여 살펴보기로 한다.

도 2는 본 발명의 일 실시예에 따른 두피 분석 모델의 학습 데이터 생성 시스템(200)의 내부 구성을 상세하게 도시하는 도면이다.

도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 학습 데이터 생성 시스템(200)은, 이미지 데이터 획득부(210), 제1 가공 데이터 생성부(220), 학습 데이터 생성부(230), 통신부(240) 및 제어부(250)를 포함할 수 있다. 본 발명의 일 실시예에 따르면, 학습 데이터 생성 시스템(200)의 이미지 데이터 획득부(210), 제1 가공 데이터 생성부(220), 학습 데이터 생성부(230), 통신부(240) 및 제어부(250)는 그 중 적어도 일부가 외부의 시스템(미도시됨)과 통신하는 프로그램 모듈일 수 있다. 이러한 프로그램 모듈은 운영 시스템, 응용 프로그램 모듈 또는 기타 프로그램 모듈의 형태로 학습 데이터 생성 시스템(200)에 포함될 수 있고, 물리적으로는 여러 가지 공지의 기억 장치에 저장될 수 있다. 또한, 이러한 프로그램 모듈은 학습 데이터 생성 시스템(200)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.

한편, 학습 데이터 생성 시스템(200)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 학습 데이터 생성 시스템(200)의 구성요소 또는 기능 중 적어도 일부가 필요에 따라 두피 분석 시스템(300), 두피 측정 데이터 생성 디바이스(400), 디바이스(500) 또는 외부 서버(미도시됨) 내에서 실현되거나 두피 분석 시스템(300), 두피 측정 데이터 생성 디바이스(400), 디바이스(500) 또는 외부 서버(미도시됨) 내에 포함될 수도 있음은 당업자에게 자명하다.

먼저, 본 발명의 일 실시예에 따른 이미지 데이터 획득부(210)는, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득함으로써, 학습 데이터 생성을 위한 이미지 데이터의 획득을 수행할 수 있다.

예를 들어, 피측정자의 복수의 두피 영역 중 적어도 하나의 두피 영역에 대하여 소정의 촬영 장치 또는 이미지 획득 장치를 통하여 이미지 데이터를 획득할 수 있다.

구체적으로, 본 발명의 일 실시예에 따른 이미지 데이터 획득부(210)에 의하여 획득되는 이미지 데이터에는 두피 영역별 이미지, 두피 영역 좌표별 이미지 및 두피 부위별 이미지 등이 포함될 수 있다. 또한, 본 발명의 일 실시예에 따른 이미지 데이터 획득부(210)의 이미지 데이터 획득 장치는 두피 카메라를 포함한 소정의 촬영 장치 또는 두피 현미경, 두피 확대 촬영 장치를 포함한 소정의 이미지 획득 장치를 포함할 수 있다. 다만, 이미지 획득 장치로 결정되는 다양한 유형의 장치는 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 유형의 영역이 포함될 수 있다.

다음으로, 도 3 및 도 4는 본 발명의 일 실시예에 따른 두피 분석 모델의 학습 데이터 생성을 예시적으로 나타내는 도면이다.

먼저, 도 3은 제1 가공 데이터 생성부(220)에서 이미지 데이터(211)가 피측정자의 두피 영역의 위치에 따라 가공되는 과정을 예시적으로 보여준다.

본 발명의 일 실시예에 따른 제1 가공 데이터 생성부(220)는, 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 참조하여 상기 적어도 하나의 이미지 데이터를 가공함으로써 제1 가공 데이터를 생성할 수 있다.

구체적으로, 본 발명의 일 실시예에 따른 제1 가공 데이터 생성부(220)에서, 적어도 하나의 이미지 데이터에 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 라벨링함으로써, 상기 제1 가공 데이터를 생성할 수 있다. 위의 이미지 데이터는 이미지 데이터 획득부(210)로부터 획득된 이미지를 포함할 수 있다. 한편, 라벨링은 피측정자의 두피 영역을 복수의 위치로 구획하고 적어도 하나의 영역에 하나 이상의 라벨을 부여하여 구별하는 것을 포함한다. 다만, 피측정자의 두피 영역에 포함되는 복수의 영역은 반드시 상호 일정한 크기일 필요가 없음을 밝혀 둔다. 또한, 제1 가공 데이터 생성부(220)의 두피 영역 위치의 라벨링 대상이 되는 다양한 유형의 라벨은 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.

또한, 본 발명의 일 실시예에 따른 제1 가공 데이터 생성부(220)에서, 적어도 하나의 이미지 데이터에 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치에 따라 적어도 하나의 이미지 데이터를 두피 영역 기준 좌표계상 적어도 하나의 좌표에 대응시킴으로써, 제1 가공 데이터를 생성할 수 있다. 구체적으로, 위의 좌표계는 두피 영역을 직선 또는 곡선으로 구획하고 소정의 공간 내의 임의의 지점을 표시하기 위하여 도입될 수 있으며, 직각 좌표계 또는 곡선 좌표계를 포함할 수 있다. 한편, 제1 가공 데이터 생성부(220)의 두피 영역 기준 좌표계에 포함될 수 있는 다양한 유형의 좌표계는 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.

또한, 본 발명의 일 실시예에 따른 제1 가공 데이터 생성부(220)에서, 적어도 하나의 이미지 데이터에 적어도 하나의 이미지 데이터와 연관되는 두피 영역의 위치를 적어도 하나의 영역 데이터로 지정하고 적어도 하나의 영역 데이터의 영역 정보에 따라 제1 가공 데이터를 생성할 수 있다. 구체적으로, 영역 데이터의 영역 정보에는 피측정자의 두피 영역의 위치 데이터를 포함할 수 있다. 한편, 제1 가공 데이터 생성부(220)의 영역 데이터의 영역 정보에 포함될 수 있는 다양한 유형의 데이터는 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.

다음으로, 도 4는 이미지 데이터(211), 제1 가공 데이터(221) 및 제2 가공 데이터(222)를 이용하여 학습 데이터(231)가 생성되는 과정을 예시적으로 보여준다.

본 발명의 일 실시예에 따른 제1 가공 데이터 생성부(220)에서 생성된 제1 가공 데이터(221)를 두피 영역에 관한 문맥 정보에 맞게 적응적으로 가공하여 제2 가공 데이터(222)를 생성할 수 있다. 구체적으로, 제2 가공 데이터(222)는 제1 가공 데이터(221)에 기초하여 두피 영역의 소정의 정보에 따라 가공 및 수정된 것을 포함할 수 있다.

한편, 두피 영역에 관한 문맥 정보에는 피측정자의 두피 크기, 두피 형상, 두피 온도, 두피 영역의 위치 정보 및 두피 이상 증상 중 적어도 하나가 포함될 수 있다. 한편, 피측정자의 두피 영역을 복수의 위치로 구획하는 경우에, 피측정자의 두피 면적에 따라 구획된 개별 영역의 면적 또는 크기가 결정될 수 있고, 피측정자의 두피 곡률에 따라 구획된 개별 영역의 곡률 또는 크기가 결정될 수 있다. 다만, 두피 영역에 관한 문맥정보에 포함될 수 있는 다양한 유형의 정보는 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.

그리고, 위의 두피 이상 증상에는, 탈모 두피, 건성 두피, 지성 두피, 각질 두피, 민감 두피 및 염증 두피 중 적어도 하나가 포함될 수 있다. 한편, 피측정자의 두피 영역을 복수의 위치로 구획하는 경우에, 위의 두피 이상 증상의 유무 따라 두피 영역을 구획할 수 있고, 두피 이상 증상의 종류에 따라 두피 영역을 구획할 수 있고, 두피 이상 증상의 형태에 따라 두피 영역을 구획할 수 있음을 밝혀 둔다. 다만, 두피 이상 증상에 포함될 수 있는 다양한 유형의 이상 증상은 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.

또한, 본 발명의 일 실시예에 따른 학습 데이터 생성부(230)에서 생성된 학습 데이터(231)는 인공지능 기반 두피 분석 모델의 데이터로서 활용될 수 있다. 구체적으로, 피측정자의 두피를 분석하는 모델은 머신 러닝 모델을 이용할 수 있다. 보다 더 구체적으로, 인공지능 기반 모델은 머신 러닝(Machine-learning), 딥러닝(Deep-learning), 비지도학습, 강화학습, 및 인공 신경망 등을 포함할 수 있다. 예를 들면, 인공 신경망은 그 적어도 일부가 합성곱 신경망(Convolutional Neural Network; CNN), 순환 신경망(Recurrent Neural Network; RNN) 등으로 이루어질 수 있다. 또 다른 예를 들면, 머신 러닝 기반 분석 모델을 이용하여 피측정자의 두피 이미지 데이터를 분석한 결과, 피지 유무, 각질 유무, 두피톤, 모공 상태, 염증 및 모밀도 중 적어도 하나에 대한 결과가 산출될 수 있다.

다만, 본 발명에서 머신 러닝 기반 분석 모델을 구현하고 학습시키는 데에 이용될 수 있는 기술이 반드시 상기 열거된 것에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 얼마든지 변경될 수 있음을 밝혀 둔다. 또한, 두피 분석 모델에 포함될 수 있는 다양한 유형의 인공지능 기반 모델은 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.

다음으로, 본 발명의 일 실시예에 따른 통신부(240)는 이미지 데이터 획득부(210), 제1 가공 데이터 생성부(220) 및 학습 데이터 생성부(230)로부터의/로의 데이터 송수신이 가능하도록 하는 기능을 수행할 수 있다.

마지막으로, 본 발명의 일 실시예에 따른 제어부(250)는 이미지 데이터 획득부(210), 제1 가공 데이터 생성부(220), 학습 데이터 생성부(230) 및 통신부(240) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명에 따른 제어부(250)는 학습 데이터 생성 시스템(200)의 외부로부터의/로의 데이터 흐름 또는 학습 데이터 생성 시스템(200)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 이미지 데이터 획득부(210), 제1 가공 데이터 생성부(220), 학습 데이터 생성부(230) 및 통신부(240)에서 각각 고유 기능을 수행하도록 제어할 수 있다.

두피 분석 시스템의 구성

이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 두피 분석 시스템(300)의 내부 구성 및 각 구성요소의 기능에 대하여 살펴보기로 한다.

도 5는 본 발명의 일 실시예에 따른 두피 분석 시스템의 내부 구성을 예시적으로 나타내는 도면이다.

도 5를 참조하면, 본 발명의 일 실시예에 따른 두피 분석 시스템(300)은, 제1 분석 관리부(310), 제2 분석 관리부(320), 제3 분석 관리부(330), 통신부(340) 및 제어부(350)를 포함할 수 있다. 본 발명의 일 실시예에 따르면, 제1 분석 관리부(310), 제2 분석 관리부(320), 제3 분석 관리부(330), 통신부(340) 및 제어부(350)는 그 중 적어도 일부가 외부 시스템(미도시됨)과 통신하는 프로그램 모듈들일 수 있다. 이러한 프로그램 모듈들은 운영 시스템, 응용 프로그램 모듈 및 기타 프로그램 모듈의 형태로 두피 분석 시스템(300)에 포함될 수 있으며, 물리적으로는 여러 가지 공지의 기억 장치 상에 저장될 수 있다. 또한, 이러한 프로그램 모듈들은 두피 분석 시스템(300)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈들은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.

한편, 두피 분석 시스템(300)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 두피 분석 시스템(300)의 구성요소 또는 기능 중 적어도 일부가 필요에 따라 학습 데이터 생성 시스템(200), 두피 측정 데이터 생성 시스템(400), 디바이스(500) 또는 외부 서버(미도시됨) 내에서 실현되거나 학습 데이터 생성 시스템(200), 두피 측정 데이터 생성 시스템(400), 디바이스(500) 또는 외부 서버(미도시됨) 내에 포함될 수도 있음은 당업자에게 자명하다.

먼저, 본 발명의 일 실시예에 따르면, 제1 분석 관리부(310)는 적어도 하나의 두피 이미지에 관한 학습 데이터에 기초하여 학습되는 머신 러닝 기반 분석 모델을 이용하여 피측정자의 두피 이미지를 분석함으로써, 피측정자의 두피에 대한 제1 분석 데이터를 생성할 수 있다.

본 발명의 일 실시예에 따르면, 머신 러닝 기반 분석 모델에 대한 학습을 위해 준비되는 학습 데이터에는, 적어도 하나의 두피 이미지에 대하여 부여되는 라벨링 정보가 포함될 수 있다. 보다 더 구체적으로, 본 발명의 일 실시예에 따르면, 라벨링 정보는 전문가 또는 의료진의 입력에 기초하여 임의로 생성될 수 있고, 라벨링을 수행하는 별도의 알고리즘 또는 머신 러닝 기반 모델에 의하여 자동으로 생성될 수도 있다.

예를 들면, 적어도 하나의 두피 이미지 각각에 대하여 피지 유무, 각질 유무, 두피톤, 민감도, 모공 상태, 염증 및 모밀도 중 적어도 하나의 판단 요소에 대한 스코어가 라벨링될 수 있고, 이러한 스코어는 확률 값, 벡터, 배열 등 다양한 형식으로 정의될 수 있다.

계속해서 예를 들면, '피지 유무'라는 판단 요소에 대한 스코어는 피지량, 번들거림, 끈적거림, 청결도 등에 근거하여 결정될 수 있고, '각질 유무'라는 판단 요소에 대한 스코어는 피지 산화물, 청결도 등에 근거하여 결정될 수 있고, '두피톤'이라는 판단 요소에 대한 스코어는 색상, 모세혈관 유무, 예민도, 홍반도 등에 근거하여 결정될 수 있고, '모공 상태'라는 판단 요소에 대한 스코어는 모공 속 각질, 피지 상태, 청결도, 빈 모공 등에 근거하여 결정될 수 있고, '염증'이라는 판단 요소에 대한 스코어는 트러블 정도 등에 근거하여 결정될 수 있고, '모밀도'라는 판단 요소에 대한 스코어는 모발 분포도, 모발 굵기, 신생모 유무 등에 근거하여 결정될 수 있다.

본 발명에 있어서, 판단 요소 및 각 판단 요소에 대한 스코어의 결정 근거가 반드시 상기 열거된 내용에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 얼마든지 변경될 수 있음을 밝혀 둔다.

한편, 본 발명의 일 실시예에 따르면, 머신 러닝 기반 분석 모델은 인공 신경망을 포함하여 구현될 수 있다. 본 발명의 일 실시예에 따르면, 인공 신경망은 입력층, 은닉층 및 출력층이 순차적으로 결합되는 구조로 구현될 수 있고, 두피 이미지 및 두피 이미지에 대한 라벨링 데이터(즉, 적어도 하나의 판단 요소에 대한 스코어)가 학습 데이터로서 인공 신경망의 입력층에 입력될 수 있고, 인공 신경망의 출력층으로부터 피측정자의 두피 상태에 대한 정확한 분석 데이터가 출력되도록 하는 방향으로 인공 신경망이 학습될 수 있다.

예를 들면, 인공 신경망은 그 적어도 일부가 합성곱 신경망(Convolutional Neural Network; CNN), 순환 신경망(Recurrent Neural Network; RNN) 등으로 이루어질 수 있다.

다만, 본 발명에서 머신 러닝 기반 분석 모델을 구현하고 학습시키는 데에 이용될 수 있는 기술이 반드시 상기 열거된 것에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 얼마든지 변경될 수 있음을 밝혀 둔다.

다음으로, 본 발명의 일 실시예에 따르면, 제2 분석 관리부(320)는 피측정자의 두피로부터 측정되는 적어도 한 종류의 센싱 데이터 및 피측정자로부터 수집되는 적어도 한 항목의 문진 데이터 중 적어도 하나를 참조하여, 피측정자의 두피에 대한 제2 분석 데이터를 생성할 수 있다.

구체적으로, 본 발명의 일 실시예에 따르면, 피측정자의 두피로부터 측정되는 적어도 한 종류의 센싱 데이터로부터 적어도 하나의 센싱 요소에 대한 스코어가 결정될 수 있고, 이러한 센싱 요소에는 두피열, 냄새, 모근 임계 항복점 및 정전기 중 적어도 하나가 포함될 수 있다. 보다 더 구체적으로, 본 발명의 일 실시예에 따르면, 적어도 하나의 센싱 요소에 대한 스코어는 전문가 또는 의료진의 입력에 기초하여 임의로 결정될 수 있고, 별도의 알고리즘 또는 머신 러닝 기반 모델에 의하여 자동으로 결정될 수도 있다.

예를 들면, '모발 경직도'라는 센싱 요소에 대한 스코어는 두피 탄력 상태 등에 대한 센싱 데이터에 근거하여 결정될 수 있고, '두피열'이라는 센싱 요소에 대한 스코어는 온도, 발열 현상 등에 대한 센싱 데이터에 근거하여 결정될 수 있고, '냄새'라는 센싱 요소에 대한 스코어는 피지 산화에 관한 화학적 센싱 데이터, 정수리 부근 냄새 등에 대한 센싱 데이터에 근거하여 결정될 수 있고, '모근 임계 항복점'이라는 센싱 요소에 대한 스코어는 모근의 임계 고착력 등에 대한 센싱 데이터에 근거하여 결정될 수 있고, '정진기'라는 센싱 요소에 대한 스코어는 모발 대전성 등에 대한 센싱 데이터에 근거하여 결정될 수 있다.

본 발명에 있어서, 센싱 요소 및 각 센싱 요소에 대한 스코어의 결정 근거가 반드시 상기 열거된 내용에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 얼마든지 변경될 수 있음을 밝혀 둔다.

또한, 본 발명의 일 실시예에 따르면, 피측정자로부터 수집되는 적어도 한 항목의 문진 데이터로부터 적어도 하나의 문진 요소에 대한 스코어가 결정될 수 있고, 이러한 문진 요소에는 기본 정보, 관리 경험, 생활 습관, 건강 상태 및 탈모 상태 중 적어도 하나가 포함될 수 있다. 보다 더 구체적으로, 본 발명의 일 실시예에 따르면, 적어도 하나의 문진 요소에 대한 스코어는 전문가 또는 의료진의 입력에 기초하여 임의로 결정될 수 있고, 별도의 알고리즘 또는 머신 러닝 기반 모델에 의하여 자동으로 결정될 수도 있다.

예를 들면, '기본 정보'라는 문진 요소에 대한 스코어는 인구통계학적 정보 등에 대한 문진 데이터에 기초하여 예상되는 두피 상태에 근거하여 결정될 수 있고, '관리 경험'이라는 문진 요소에 대한 스코어는 관리 경험에 따른 두피 상태 등에 대한 문진 데이터에 기초하여 예상되는 두피 상태에 근거하여 결정될 수 있고, '생활 습관'이라는 문진 요소에 대한 스코어는 식습관, 생활습관 등에 대한 문진 데이터에 기초하여 예상되는 두피 상태에 근거하여 결정될 수 있고, '건강 상태'라는 문진 요소에 대한 스코어는 질병, 질병 관리 방법, 질병 관리 기간 등에 대한 문진 데이터에 기초하여 예상되는 두피 상태에 근거하여 결정될 수 있고, '탈모 상태'라는 문진 요소에 대한 스코어는 탈모 발생 기간, 유전 여부 등에 대한 문진 데이터에 기초하여 예상되는 두피 상태에 근거하여 결정될 수 있다.

한편, 본 발명에 따른 이상에서 열거된 문진 요소 및 각 문진 요소에 대한 스코어의 결정 근거가 반드시 상기 열거된 내용에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 얼마든지 변경될 수 있음을 밝혀 둔다.

다음으로, 본 발명의 일 실시예에 따르면, 제3 분석 관리부(330)는 제1 분석 데이터 및 제2 분석 데이터를 참조하여 피측정자의 두피에 대한 제3 분석 데이터를 생성할 수 있다.

구체적으로, 본 발명의 일 실시예에 따른 제3 분석 관리부(330)는, 제2 분석 데이터를 참조하여 제1 분석 데이터를 보정함으로써 제3 분석 데이터를 생성할 수 있다.

보다 더 구체적으로, 본 발명의 일 실시예에 따른 제3 분석 관리부(330)는, 제2 분석 데이터에 포함된 적어도 하나의 센싱 요소 또는 문진 요소에 대한 스코어에 근거하여 제1 분석 데이터에 포함된 적어도 하나의 판단 요소에 대한 스코어를 보정할 수 있다. 본 발명의 일 실시예에 따르면, 제1 분석 데이터에 포함되는 적어도 하나의 판단 요소와 제2 분석 데이터에 포함되는 적어도 하나의 센싱 요소 또는 적어도 하나의 문진 요소 사이에는 연관 관계가 존재할 수 있으며, 특정 판단 요소에 대한 스코어는 특정 판단 요소와 연관되는 적어도 하나의 센싱 요소 또는 문진 요소에 대한 스코어에 기초하여 보정될 수 있다. 여기서, 본 발명의 일 실시예에 따르면, 판단 요소와 센싱 요소 또는 문진 요소 사이의 연관 관계는 전문가 또는 의료진의 판단에 기초하여 임의로 생성될 수 있고, 별도의 알고리즘 또는 머신 러닝 기반 모델에 의하여 자동으로 생성될 수도 있다.

예를 들면, 제1 분석 데이터로서 '염증'이라는 판단 요소에 대한 스코어가 0.9로 산출된 경우에 피측정자의 두피에 염증이 존재할 가능성이 높다고 판단될 수 있다. 그런데, 제2 분석 데이터로서 '염증'이라는 판단 요소와 연관되는 '냄새'라는 센싱 요소에 대한 스코어가 0.1로 낮게 산출되고, '생활 습관' 및 '건강 상태'라는 문진 요소에 대하는 '염증'이라는 판단 요소와는 거리가 먼 스코어가 산출된 경우에는, 피측정자의 두피에 염증이 존재할 가능성이 높지 않다는 점이 강조될 수 있으며, 이에 따라 '염증'이라는 판단 요소에 대한 스코어를 0.9에서 0.7로 낮추는 보정이 행해질 수 있다.

또한, 본 발명의 일 실시예에 따르면, 제3 분석 관리부(330)는 위와 같이 보정되는 적어도 하나의 판단 요소에 대한 스코어를 참조하여 피측정자의 두피 유형을 결정할 수 있다. 예를 들면, 본 발명의 일 실시예에 따른 제3 분석 관리부(330)는, 피측정자에 대하여 결정되는 적어도 하나의 판단 요소에 대한 보정된 스코어를 참조하여, 피측정자의 두피가 '지성', '건성', '각질', '민감', '트러블(염증)', '탈모' 및 '정상' 중 적어도 하나의 유형에 해당하는지를 결정할 수 있다.

구체적으로, 본 발명의 일 실시예에 따르면, 적어도 하나의 판단 요소와 적어도 하나의 두피 유형 사이에는 연관 관계가 존재할 수 있으며, 피측정자의 두피가 특정 두피 유형에 해당하는지는 특정 두피 유형과 연관되는 적어도 하나의 판단 요소에 대한 보정된 스코어에 기초하여 결정될 수 있다. 여기서, 본 발명의 일 실시예에 따르면, 두피 유형과 판단 요소 사이의 연관 관계는 전문가 또는 의료진의 판단에 기초하여 임의로 생성될 수 있고, 별도의 알고리즘 또는 머신 러닝 기반 모델에 의하여 자동으로 생성될 수도 있다.

도 6 및 도 7는 본 발명의 일 실시예에 따라 두피를 분석하는 경우를 예시적으로 나타내는 도면이다.

먼저, 도 6을 참조하면, 머신 러닝 기반 분석 모델을 이용하여 두피 이미지(301)를 분석한 결과, 피지 유무(P1), 각질 유무(P2), 두피톤(P3), 모공 상태(P4) 및 염증(P5)이라는 5가지 판단 요소 각각에 대한 스코어가 산출될 수 있다. 그리고, 본 발명의 일 실시예에 따르면, 위의 5가지 판단 요소 각각에 대한 스코어는 그와 연관되는 센싱 요소(S1, S2, S3 및 S5 중 적어도 하나) 또는 문진 요소(C1, C2, C3 및 C4 중 적어도 하나)에 대한 분석 결과에 기초하여 보정될 수 있다. 예를 들면, 도 6에 도시된 바와 같이, 피지 유무(P1)에 대한 스코어는 냄새(S3), 기본 정보(C1), 생활 습관(C3) 및 건강 상태(C4)에 대한 스코어에 기초하여 보정될 수 있다.

계속하여, 도 6을 참조하면, 본 발명의 일 실시예에 따른 두피 분석 시스템(300)은, 피지 유무(P1) 및 각질 유무(P2)에 대한 보정된 스코어가 소정 수준 이상으로 산출된 것을 참조하여 피측정자의 두피 유형이 '지성' 유형에 해당하는 것으로 판단할 수 있다.

다음으로, 도 7을 참조하면, 머신 러닝 기반 분석 모델을 이용하여 두피 이미지를 분석한 결과, 피지 유무(P1), 각질 유무(P2), 두피톤(P3), 모공 상태(P4), 염증(P5) 및 모밀도(P6)라는 6가지 판단 요소 각각에 대한 스코어가 산출될 수 있다. 그리고, 본 발명의 일 실시예에 따르면, 위의 6가지 판단 요소 각각에 대한 스코어는 그와 연관되는 센싱 요소(S1, S2, S3, S4 및 S5 중 적어도 하나) 또는 문진 요소(C1, C2, C3, C4 및 C5 중 적어도 하나)에 대한 분석 결과에 기초하여 보정될 수 있다. 예를 들면, 도 4에 도시된 바와 같이, 모밀도(P6)에 대한 스코어는 모근 임계 항복점(S4), 생활 습관(C3), 건강 상태(C4) 및 탈모 상태(C5)에 대한 스코어에 기초하여 보정될 수 있다.

계속하여, 도 7을 참조하면, 본 발명의 일 실시예에 따른 두피 분석 시스템(300)은, 모밀도(P6)에 대한 보정된 스코어가 소정 수준 미만으로 산출된 것을 참조하여 피측정자의 두피 유형이 '탈모' 유형에 해당하는 것으로 판단할 수 있다.

한편, 본 발명의 따른 제1 분석, 제2 분석, 제3 분석, 스코어 보정 또는 두피 유형 판단에 관한 방식이 반드시 상기 실시예에서 언급한 내용에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 얼마든지 변경될 수 있음을 밝혀 둔다.

다음으로, 본 발명의 일 실시예에 따른 통신부(340)는 제1 분석 관리부(310), 제2 분석 관리부(320) 및 제3 분석 관리부(330)로부터의/로의 데이터 송수신이 가능하도록 하는 기능을 수행할 수 있다.

마지막으로, 본 발명의 일 실시예에 따른 제어부(350)는 제1 분석 관리부(310), 제2 분석 관리부(320), 제3 분석 관리부(330) 및 통신부(340) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명에 따른 제어부(350)는 두피 분석 시스템(300)의 외부로부터의/로의 데이터 흐름 또는 두피 분석 시스템(300)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 제1 분석 관리부(310), 제2 분석 관리부(320), 제3 분석 관리부(330) 및 통신부(340)에서 각각 고유 기능을 수행하도록 제어할 수 있다.

두피 측정 데이터 생성 디바이스의 구성

이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 두피 측정 데이터 생성 디바이스(400)의 내부 구성과 각 구성요소의 기능에 대하여 살펴보기로 한다.

도 8은 본 발명의 일 실시예에 따른 두피 측정 데이터 생성 디바이스의 내부 구성을 상세하게 도시하는 도면이다.

도 8에 도시된 바와 같이, 본 발명의 일 실시예에 따른 두피 측정 데이터 생성 디바이스(400)은, 제1 데이터 획득부(410), 제2 데이터 획득부(420), 두피 측정 데이터 생성부(430), 통신부(440) 및 제어부(450)를 포함할 수 있다. 본 발명의 일 실시예에 따르면, 두피 측정 데이터 생성 디바이스(400)의 제1 데이터 획득부(410), 제2 데이터 획득부(420), 두피 측정 데이터 생성부(430), 통신부(440) 및 제어부(450)는 그 중 적어도 일부가 외부의 시스템(미도시됨)과 통신하는 프로그램 모듈일 수 있다. 이러한 프로그램 모듈은 운영 시스템, 응용 프로그램 모듈 또는 기타 프로그램 모듈의 형태로 두피 측정 데이터 생성 디바이스(400)에 포함될 수 있고, 물리적으로는 여러 가지 공지의 기억 장치에 저장될 수 있다. 또한, 이러한 프로그램 모듈은 두피 측정 데이터 생성 디바이스(400)와 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.

한편, 두피 측정 데이터 생성 디바이스(400)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 두피 측정 데이터 생성 디바이스(400)의 구성요소 또는 기능 중 적어도 일부가 필요에 따라 학습 데이터 생성 시스템(200), 두피 분석 시스템(300), 디바이스(500) 또는 외부 서버(미도시됨) 내에서 실현되거나 학습 데이터 생성 시스템(200), 두피 분석 시스템(300), 디바이스(500) 또는 외부 서버(미도시됨) 내에 포함될 수도 있음은 당업자에게 자명하다.

먼저, 본 발명의 일 실시예에 따른 제1 데이터 획득부(410)는, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득함으로써, 두피 측정 데이터 생성을 위한 이미지 데이터의 획득을 수행할 수 있다.

예를 들어, 피측정자의 복수의 두피 영역 중 적어도 하나의 두피 영역에 대하여 소정의 촬영 장치 또는 이미지 획득 장치를 통하여 이미지 데이터를 획득할 수 있다.

구체적으로, 본 발명의 일 실시예에 따른 제1 데이터 획득부(410)에 의하여 획득되는 이미지 데이터에는 두피 영역별 이미지, 두피 영역 좌표별 이미지 및 두피 부위별 이미지 등이 포함될 수 있다. 또한, 본 발명의 일 실시예에 따른 제1 데이터 획득부(410)와 연동하는 카메라 모듈은 고배율 카메라, 현미경 등을 포함하는 다양한 촬영 장치일 수 있다. 다만, 카메라 모듈의 종류가 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 촬영 장치가 포함될 수 있다.

또한, 본 발명의 일 실시예에 따른 제1 데이터 획득부(410)는, 위와 같이 획득되는 이미지 데이터의 위치 데이터를 획득할 수 있다.

본 발명의 일 실시예에 따르면, 이미지 데이터의 위치 데이터는 3축 좌표계, 극 좌표계, 구면 좌표계 등에 대응하는 가속도 센서 또는 GPS 모듈을 포함하는 위치 측정 수단에 의하여 측정될 수 있고, 이러한 위치 측정 수단은 이미지 데이터를 촬영하는 카메라 모듈과 물리적으로 연관되는 위치에 배치될 수 있다.

또한, 본 발명의 일 실시예에 따르면, 이미지 데이터의 위치 데이터는 수백 마이크로미터 내지 수 밀리미터 수준의 높은 해상도를 가지는 위치 센서에 의하여 측정될 수 있으며, 이에 따라 피측정자의 두피를 촬영한 이미지 데이터에 대한 정밀한 위치 데이터를 얻을 수 있다.

특히, 본 발명의 일 실시예에 따르면, 이미지 데이터의 위치 데이터는 AR(Augmented Reality) 또는 VR(Virtual Reality) 환경에 적용될 수 있는 위치 센서에 의하여 측정될 수 있으며, 구체적으로는 구조화광(Structured Light), 편광(Polarization), TOF(Time of Flight), 레이더, 라이다(LiDAR), 초음파, 무선신호 감지 등 다양한 포지셔닝 기술이 적용된 센서를 이용하여 이미지 데이터의 위치 데이터를 측정할 수 있다.

예를 들어, 위치 데이터는 적어도 하나의 두피 영역을 촬영하여 상기 이미지 데이터를 생성하는 적어도 하나의 영상 센서와 물리적으로 연관되는 위치 정보에 기초하여 결정될 수 있다. 또한, 위치 데이터는 두피 이미지 데이터와 연관되는 두피 영역의 위치에 따라 적어도 하나의 이미지 데이터를 두피 영역 기준 좌표계상 적어도 하나의 좌표에 대응시킴으로써 생성될 수 있다. 구체적으로, 위의 좌표계는 두피 영역을 직선 또는 곡선으로 구획하고 소정의 공간 내의 임의의 지점을 표시하기 위하여 도입될 수 있으며, 직각 좌표계 또는 곡선 좌표계를 포함할 수 있다. 한편, 두피 영역 기준 좌표계에 포함될 수 있는 다양한 유형의 좌표계는 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.

한편, 본 발명의 일 실시예에 따르면, 제1 데이터 획득부(410)는 이미지 데이터를 획득하기 위한 카메라 모듈의 촬영 위치가 피측정자에 대하여 특정되는 적어도 하나의 위치에 대응하는지 여부를 판단할 수 있고, 그 판단 결과에 기초하여 카메라 모듈의 조작자에게 제공할 피드백을 결정할 수 있다.

즉, 본 발명의 일 실시예에 따른 제1 데이터 획득부(410)는, 카메라 모듈의 촬영 위치가 촬영이 필요한 위치에 제대로 대응하는지 여부를 판단할 수 있고, 제대로 대응하지 않는 경우에 카메라 모듈의 조작자에게 이를 알리는 피드백(시각, 청각, 촉각 등을 통해 인지할 수 있는 피드백)을 제공할 수 있다. 예를 들면, 카메라 모듈의 촬영 위치가 타겟 위치에 대응하지 않는 경우에, 시각적 피드백(화살표 등 그래픽 요소 표시), 청각적 요소(안내 음성 재생), 촉각적 피드백(진동 발생) 등 다양한 피드백을 제공할 수 있고, 카메라 모듈의 조작자는 위와 같은 피드백의 도움을 받아서 타겟 위치를 정확하게 촬영할 수 있게 된다.

본 발명의 일 실시예에 따르면, 피측정자와 연관되는 증상(염증 등)에 관한 위치 데이터가 미리 저장되어 있고, 해당 증상이 개선되었는지를 확인하기 위하여 해당 증상이 발생한 위치를 시술 전후에 걸쳐서 동일한 조건(위치)에서 촬영해야 하는 경우를 가정할 수 있다.

위와 같은 경우에, 본 발명의 일 실시예에 따른 제1 데이터 획득부(410)는, 시술 전에 촬영된 염증 A의 위치를 참조하여, 시술 후에 촬영하고 있는 카메라 모듈의 촬영 위치가 염증 A의 위치에 대응하는지 여부를 판단할 수 있다. 나아가, 본 발명의 일 실시예에 따른 제1 데이터 획득부(410)는, 카메라 모듈의 촬영 위치가 염증 A의 위치에 대응한다고 판단되면 조작자에게 긍정적인 의미를 갖는 피드백이 제공되도록 결정할 수 있고, 반대로 카메라 모듈의 촬영 위치가 염증 A의 위치에 대응하지 않는다고 판단되면 조작자에게 부정적인 의미를 갖는 피드백이 제공되도록 결정할 수 있다.

또한, 위와 같은 경우에, 본 발명의 일 실시예에 따른 제1 데이터 획득부(410)는, 카메라 모듈을 통해 촬영되고 있는 이미지로부터 검출되는 특징을 참조하여, 현재 카메라 모듈을 통해 촬영되고 있는 이미지에 타겟 위치가 포함되어 있는지 여부를 판단할 수 있다. 여기서, 특징에는 피측정자의 두피에 존재하는 점, 모발, 증상 등의 패턴이 포함될 수 있다. 나아가, 본 발명의 일 실시예에 따른 제1 데이터 획득부(410)는, 카메라 모듈의 촬영 위치가 타겟 위치에 대응한다고 판단되면 조작자에게 긍정적인 의미를 갖는 피드백이 제공되도록 결정할 수 있고, 반대로 카메라 모듈의 촬영 위치가 타겟 위치에 대응하지 않는다고 판단되면 조작자에게 부정적인 의미를 갖는 피드백이 제공되도록 결정할 수 있다.

또한, 위와 같은 경우에, 본 발명의 일 실시예에 따른 제1 데이터 획득부(410)는, 카메라 모듈이 기준 위치(예를 들면, 양쪽 눈썹 사이의 중점 등)로부터 이동한 거리 및 방향을 참조하여, 현재 카메라 모듈을 통해 촬영되고 있는 이미지에 타겟 위치가 포함되어 있는지 여부를 판단할 수 있다. 나아가, 본 발명의 일 실시예에 따른 제1 데이터 획득부(410)는, 카메라 모듈의 촬영 위치가 타겟 위치에 대응한다고 판단되면 조작자에게 긍정적인 의미를 갖는 피드백이 제공되도록 결정할 수 있고, 반대로 카메라 모듈의 촬영 위치가 타겟 위치에 대응하지 않는다고 판단되면 조작자에게 부정적인 의미를 갖는 피드백이 제공되도록 결정할 수 있다.

다음으로, 본 발명의 일 실시예에 따른 제2 데이터 획득부(420)는, 피측정자의 두피로부터 측정되는 적어도 한 종류의 센싱 데이터를 생성할 수 있다.

본 발명의 일 실시예에 따르면, 적어도 한 종류의 센싱 데이터는 냄새 센서, 온도 센서, 정전기 센서, 두피 경직도 센서, 모근 임계 항복점 센서 등 다양한 센싱 수단에 의하여 측정될 수 있고, 이러한 센싱 수단은 이미지 데이터를 촬영하는 카메라 모듈과 물리적으로 연관되는 위치에 배치될 수 있다.

구체적으로, 본 발명의 일 실시예에 따른 제2 데이터 획득부(420)에서, 센싱 데이터는 상기 적어도 하나의 두피 영역을 촬영하여 상기 이미지 데이터를 생성하는 적어도 하나의 영상 센서와 물리적으로 연관되는 위치에 배치되는 적어도 하나의 센서를 이용하여 생성될 수 있다. 보다 더 구체적으로, 피측정자의 두피로부터 측정되는 적어도 한 종류의 센싱 데이터로부터 적어도 하나의 센싱 요소에 대한 스코어가 결정될 수 있고, 이러한 센싱 요소에는 두피열, 냄새, 모근 임계 항복점 및 정전기 중 적어도 하나가 포함될 수 있다. 또한, 본 발명의 일 실시예에 따르면, 적어도 하나의 센싱 요소에 대한 스코어는 전문가 또는 의료진의 입력에 기초하여 임의로 결정될 수 있고, 별도의 알고리즘 또는 머신 러닝 기반 모델에 의하여 자동으로 결정될 수도 있다.

예를 들면, '모발 경직도'라는 센싱 요소에 대한 스코어는 두피 탄력 상태 등에 대한 센싱 데이터에 근거하여 결정될 수 있고, '두피열'이라는 센싱 요소에 대한 스코어는 온도, 발열 현상 등에 대한 센싱 데이터에 근거하여 결정될 수 있고, '냄새'라는 센싱 요소에 대한 스코어는 피지 산화에 관한 화학적 센싱 데이터, 정수리 부근 냄새 등에 대한 센싱 데이터에 근거하여 결정될 수 있고, '모근 임계 항복점'이라는 센싱 요소에 대한 스코어는 모근의 임계 고착력 등에 대한 센싱 데이터에 근거하여 결정될 수 있고, '정진기'라는 센싱 요소에 대한 스코어는 모발 대전성 등에 대한 센싱 데이터에 근거하여 결정될 수 있다.

본 발명에 있어서, 센싱 데이터에 포함되는 센싱 요소 및 각 센싱 요소에 대한 스코어의 결정 근거가 반드시 상기 열거된 내용에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 얼마든지 변경될 수 있음을 밝혀 둔다.

한편, 본 발명의 일 실시예에 따르면, 제2 데이터 획득부(420)는 센싱 데이터를 획득하기 위한 센서의 측정 위치가 피측정자에 대하여 특정되는 적어도 하나의 위치에 대응하는지 여부를 판단할 수 있고, 그 판단 결과에 기초하여 센서의 조작자에게 제공할 피드백을 결정할 수 있다.

즉, 본 발명의 일 실시예에 따른 제2 데이터 획득부(420)는, 센서의 측정 위치가 측정이 필요한 위치에 제대로 대응하는지 여부를 판단할 수 있고, 제대로 대응하지 않는 경우에 센서의 조작자에게 이를 알리는 피드백(시각, 청각, 촉각 등을 통해 인지할 수 있는 피드백)을 제공할 수 있다.

측정 위치가 타겟 위치에 대응하는지 여부를 판단하는 구성과 피드백을 제공하는 구성은 앞서 제1 데이터 획득부(410)와 관련하여 충분히 자세하게 설명되었으며, 제1 데이터 획득부(410)의 촬영 위치 판단 및 피드백 제공에 관한 구성의 구체적인 내용은 제2 데이터 획득부(420)의 측정 위치 판단 및 피드백 제공에 관한 구성에도 마찬가지 방식으로 적용될 수 있음을 밝혀 둔다.

다음으로, 본 발명의 일 실시예에 따른 두피 측정 데이터 생성부(430)는, 이미지 데이터, 위치 데이터 및 센싱 데이터를 참조하여, 피측정자의 두피 분석을 위한 두피 측정 데이터를 생성할 수 있다.

본 발명의 일 실시예에 따른 두피 측정 데이터는, 피측정자의 두피 이미지 데이터, 두피 이미지의 위치 데이터 및 센싱 데이터가 서로 연관된 상태로 조합된 데이터 세트일 수 있다. 본 발명의 일 실시예에 따르면, 두피 측정 데이터는, 전술한 학습 데이터 생성 시스템(200)에서 학습 데이터를 생성하기 위한 기초 데이터로서 활용되거나, 전술한 두피 분석 시스템(300)에서 두피를 분석하기 위한 기초 데이터로서 활용될 수 있다.

구체적으로, 본 발명의 일 실시예에 따르면, 피측정자의 두피 분석을 위한 두피 측정 데이터는 인공지능 기반 두피 분석 모델을 학습시키기 위한 학습 데이터로서 활용될 수 있다. 보다 더 구체적으로, 인공지능 기반 모델은 머신 러닝(Machine-learning), 딥러닝(Deep-learning), 비지도학습, 강화학습, 및 인공 신경망 등을 포함할 수 있다. 예를 들면, 인공 신경망은 그 적어도 일부가 합성곱 신경망(Convolutional Neural Network; CNN), 순환 신경망(Recurrent Neural Network; RNN) 등으로 이루어질 수 있다. 또 다른 예를 들면, 머신 러닝 기반 분석 모델을 이용하여 피측정자의 두피 이미지 데이터를 분석한 결과, 피지 유무, 각질 유무, 두피톤, 모공 상태, 염증 및 모밀도 중 적어도 하나에 대한 결과가 산출될 수 있다.

다만, 본 발명에서 머신 러닝 기반 분석 모델을 구현하고 학습시키는 데에 이용될 수 있는 기술이 반드시 상기 열거된 것에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 얼마든지 변경될 수 있음을 밝혀 둔다.

본 발명의 일 실시예에 따른 두피 측정 데이터 생성 디바이스(400)는 인체로부터 두피 이미지 또는 다양한 센싱 데이터를 획득하기 위한 센싱 수단(예를 들면, 영상 촬영 장치, 냄새 센서, 온도 센서, 정전기 센서, 두피 경직도 센서, 모근 임계 항복점 센서 등)을 포함할 수 있다.

또한, 본 발명의 일 실시예에 따른 디바이스(미도시됨)는 두피 측정 데이터 생성 디바이스(400)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기를 포함하며, 구체적인 예시는 위에서 언급한 것과 같다.

예를 들어, 디바이스(미도시됨)는 피측정자의 두피 측정을 위한 가속도 센서가 포함되는 센싱 디바이스를 포함할 수 있다. 피측정자의 두피 분석을 위한 이미지 데이터 획득 시, 피측정자의 두피 이미지의 위치를 측정하거나 국소 좌표를 정의할 수 있는 구성을 장착할 수 있다.

한편, 디바이스(미도시됨)에 포함될 수 있는 다양한 유형의 디바이스는 반드시 위의 열거된 예시에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양한 영역이 포함될 수 있다.

다음으로, 본 발명의 일 실시예에 따른 통신부(440)는 이미지 데이터 획득부(410), 위치 데이터 획득부(420), 제2 데이터 획득부(420) 및 두피 측정 데이터 생성부(430)로부터의/로의 데이터 송수신이 가능하도록 하는 기능을 수행할 수 있다.

마지막으로, 본 발명의 일 실시예에 따른 제어부(450)는 이미지 데이터 획득부(410), 위치 데이터 획득부(420), 제2 데이터 획득부(420), 두피 측정 데이터 생성부(430) 및 통신부(440) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명에 따른 제어부(450)는 두피 측정 데이터 생성 디바이스(400)의 외부로부터의/로의 데이터 흐름 또는 두피 측정 데이터 생성 디바이스(400)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 이미지 데이터 획득부(410), 위치 데이터 획득부(420), 제2 데이터 획득부(420), 두피 측정 데이터 생성부(430) 및 통신부(440)에서 각각 고유 기능을 수행하도록 제어할 수 있다.

이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.

이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

100: 통신망
200: 학습 데이터 생성 시스템
210: 이미지 데이터 획득부
220: 제1 가공 데이터 생성부
230: 학습 데이터 생성부
240: 통신부
250: 제어부
300: 두피 분석 시스템
310: 제1 분석 관리부
320: 제2 분석 관리부
330: 제3 분석 관리부
340: 통신부
350: 제어부
400: 두피 측정 데이터 생성 디바이스
410: 제1 데이터 획득부
420: 제2 데이터 획득부
430: 두피 측정 데이터 생성부
440: 통신부
450: 제어부
500: 디바이스

Claims (19)

1. 머신 러닝 모델을 이용하는 두피 분석에 필요한 데이터를 생성하는 디바이스에 의해 구현되는 방법으로서 - 상기 디바이스는 제1 데이터 획득부, 제2 데이터 획득부, 두피 측정 데이터 생성부, 제1 분석 관리부, 제2 분석 관리부 및 제3 분석 관리부를 포함함 - ,
   상기 제1 데이터 획득부가, 피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터 및 상기 이미지 데이터의 위치 데이터를 획득하는 단계,
   상기 제2 데이터 획득부가, 상기 피측정자의 두피로부터 측정되는 적어도 한 종류의 센싱 데이터를 획득하는 단계,
   상기 두피 측정 데이터 생성부가, 상기 이미지 데이터, 상기 위치 데이터 및 상기 센싱 데이터를 참조하여, 상기 피측정자의 두피 분석을 위한 두피 측정 데이터를 생성하는 단계,
   상기 제1 분석 관리부가, 적어도 하나의 두피 이미지에 관한 학습 데이터에 기초하여 학습되는 머신 러닝 기반 분석 모델을 이용하여 상기 이미지 데이터 및 상기 위치 데이터를 분석함으로써, 상기 피측정자의 두피에 대한 제1 분석 데이터를 생성하는 단계,
   상기 제2 분석 관리부가, 상기 적어도 한 종류의 센싱 데이터를 참조하여, 상기 피측정자의 두피에 대한 제2 분석 데이터를 생성하는 단계, 및
   상기 제3 분석 관리부가, 상기 제2 분석 데이터를 참조하여 상기 제1 분석 데이터에 포함된 적어도 하나의 판단 요소에 대한 스코어를 보정함으로써, 상기 피측정자의 두피에 대한 제3 분석 데이터를 생성하는 단계를 포함하는
   방법.
2. 제1항에 있어서,
   상기 위치 데이터는 상기 적어도 하나의 두피 영역을 촬영하여 상기 이미지 데이터를 획득하는 적어도 하나의 영상 센서와 물리적으로 연관되는 위치 정보에 기초하여 결정되는
   방법.
3. 제1항에 있어서,
   상기 위치 데이터는 수백 마이크로미터 내지 수 밀리리터 단위의 해상도를 가지는 위치 센서에 의하여 측정되는
   방법.
4. 제1항에 있어서,
   상기 위치 데이터는 구조화광(Structured Light), 편광(Polarization), TOF(Time of Flight), 레이더, 라이다(LiDAR), 초음파 및 무선신호 증 적어도 하나를 이용하는 위치 측정 기술이 적용된 위치 센서에 의하여 측정되는
   방법.
5. 제1항에 있어서,
   상기 센싱 데이터는 상기 적어도 하나의 두피 영역을 촬영하여 상기 이미지 데이터를 획득하는 적어도 하나의 영상 센서와 물리적으로 연관되는 위치에 배치되는 적어도 하나의 센서를 이용하여 획득되는
   방법.
6. 제1항에 있어서,
   상기 이미지 데이터 및 상기 위치 데이터 획득 단계에서, 상기 제1 데이터 획득부가, 상기 이미지 데이터를 획득하기 위한 카메라 모듈의 촬영 위치가 상기 피측정자에 대하여 특정되는 적어도 하나의 위치에 대응하는지 여부를 판단하고, 상기 판단 결과에 기초하여 상기 카메라 모듈의 조작자에게 제공할 피드백을 결정하는
   방법.
7. 제6항에 있어서,
   상기 이미지 데이터 및 상기 위치 데이터 획득 단계에서, 상기 제1 데이터 획득부가, 상기 피측정자와 연관되는 증상에 관한 위치 데이터를 참조하여, 상기 카메라 모듈의 촬영 위치가 상기 증상에 관한 위치에 대응하는지 여부를 판단하는
   방법.
8. 제6항에 있어서,
   상기 이미지 데이터 및 상기 위치 데이터 획득 단계에서, 상기 제1 데이터 획득부가, 상기 카메라 모듈을 통해 촬영되고 있는 이미지로부터 검출되는 특징을 참조하여, 상기 카메라 모듈의 촬영 위치가 상기 피측정자에 대하여 특정되는 적어도 하나의 위치에 대응하는지 여부를 판단하는
   방법.
9. 제6항에 있어서,
   상기 이미지 데이터 및 상기 위치 데이터 획득 단계에서, 상기 제1 데이터 획득부가, 상기 카메라 모듈이 기준 위치로부터 이동한 거리 및 방향을 참조하여, 상기 카메라 모듈의 촬영 위치가 상기 피측정자에 대하여 특정되는 적어도 하나의 위치에 대응하는지 여부를 판단하는
   방법.
10. 제1항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능 기록 매체.
11. 머신 러닝 모델을 이용하는 두피 분석에 필요한 데이터를 생성하는 디바이스로서,
    피측정자의 적어도 하나의 두피 영역에 관한 이미지 데이터를 획득하고, 상기 이미지 데이터의 위치 데이터를 획득하는 제1 데이터 획득부,
    상기 피측정자의 두피로부터 측정되는 적어도 한 종류의 센싱 데이터를 획득하는 제2 데이터 획득부,
    상기 이미지 데이터, 상기 위치 데이터 및 상기 센싱 데이터를 참조하여, 상기 피측정자의 두피 분석을 위한 두피 측정 데이터를 생성하는 두피 측정 데이터 생성부, 및
    적어도 하나의 두피 이미지에 관한 학습 데이터에 기초하여 학습되는 머신 러닝 기반 분석 모델을 이용하여 상기 이미지 데이터 및 상기 위치 데이터를 분석함으로써, 상기 피측정자의 두피에 대한 제1 분석 데이터를 생성하는 제1 분석 관리부,
    상기 적어도 한 종류의 센싱 데이터를 참조하여, 상기 피측정자의 두피에 대한 제2 분석 데이터를 생성하는 제2 분석 관리부, 및
    상기 제2 분석 데이터를 참조하여 상기 제1 분석 데이터에 포함된 적어도 하나의 판단 요소에 대한 스코어를 보정함으로써, 상기 피측정자의 두피에 대한 제3 분석 데이터를 생성하는 제3 분석 관리부를 포함하는
    디바이스.
12. 제11항에 있어서,
    상기 위치 데이터는 상기 적어도 하나의 두피 영역을 촬영하여 상기 이미지 데이터를 획득하는 적어도 하나의 영상 센서와 물리적으로 연관되는 위치 정보에 기초하여 결정되는
    디바이스.
13. 제11항에 있어서,
    상기 위치 데이터는 수백 마이크로미터 내지 수 밀리리터 단위의 해상도를 가지는 위치 센서에 의하여 측정되는
    디바이스.
14. 제11항에 있어서,
    상기 위치 데이터는 구조화광(Structured Light), 편광(Polarization), TOF(Time of Flight), 레이더, 라이다(LiDAR), 초음파 및 무선신호 증 적어도 하나를 이용하는 위치 측정 기술이 적용된 위치 센서에 의하여 측정되는
    디바이스.
15. 제11항에 있어서,
    상기 센싱 데이터는 상기 적어도 하나의 두피 영역을 촬영하여 상기 이미지 데이터를 획득하는 적어도 하나의 영상 센서와 물리적으로 연관되는 위치에 배치되는 적어도 하나의 센서를 이용하여 획득되는
    디바이스.
16. 제11항에 있어서,
    상기 제1 데이터 획득부는, 상기 이미지 데이터를 획득하기 위한 카메라 모듈의 촬영 위치가 상기 피측정자에 대하여 특정되는 적어도 하나의 위치에 대응하는지 여부를 판단하고, 상기 판단 결과에 기초하여 상기 카메라 모듈의 조작자에게 제공할 피드백을 결정하는
    디바이스.
17. 제16항에 있어서,
    상기 제1 데이터 획득부는, 상기 피측정자와 연관되는 증상에 관한 위치 데이터를 참조하여, 상기 카메라 모듈의 촬영 위치가 상기 증상에 관한 위치에 대응하는지 여부를 판단하는
    디바이스.
18. 제16항에 있어서,
    상기 제1 데이터 획득부는, 상기 카메라 모듈을 통해 촬영되고 있는 이미지로부터 검출되는 특징을 참조하여, 상기 카메라 모듈의 촬영 위치가 상기 피측정자에 대하여 특정되는 적어도 하나의 위치에 대응하는지 여부를 판단하는
    디바이스.
19. 제16항에 있어서,
    상기 제1 데이터 획득부는, 상기 카메라 모듈이 기준 위치로부터 이동한 거리 및 방향을 참조하여, 상기 카메라 모듈의 촬영 위치가 상기 피측정자에 대하여 특정되는 적어도 하나의 위치에 대응하는지 여부를 판단하는
    디바이스.

Images