KR20140132440A

KR20140132440A - 이미지를 이용한 혈액형 판별 방법과 ｓｎｓ를 이용한 혈액형별 인간관계 분석 방법 및 장치

Info

Publication number: KR20140132440A
Application number: KR1020130051439A
Authority: KR
Inventors: 이재우
Original assignee: 이재우
Priority date: 2013-05-07
Filing date: 2013-05-07
Publication date: 2014-11-18
Anticipated expiration: 2033-05-07
Also published as: KR101545226B1

Abstract

이미지를 이용한 혈액형 판별 방법과 ＳＮＳ를 이용한 혈액형별 인간관계 분석방법 및 장치를 개시한다.
본 실시예의 일 측면에 의하면, 입력이미지 및 SNS(Social Networking Service) 사용 데이터 중 적어도 어느 하나를 포함한 성격 정보를 송수신하는 단말기; 및 상기 단말기로부터 상기 성격 정보를 수신하고 상기 입력이미지와 기저장된 혈액형별 참조이미지를 비교하여 유사도를 측정하고, 가장 높은 유사도를 가진 측정 참조이미지를 산출하여 상기 측정 참조이미지에 해당하는 혈액형을 가상혈액형으로 판별하고, 상기 단말기에 SNS 서비스를 제공하며 상기 단말기와 타 단말기 사이의 상기 SNS 서비스 사용 빈도를 근거로 친밀도를 산출하여 상기 가상혈액형별로 친밀도 네트워크 트리도를 제공하는 가상혈액형 판단 및 SNS 제공 장치를 포함하는 것을 특징으로 하는 가상혈액형 판별 및 친밀도 네트워크 트리도 제공 시스템을 제공한다.

Description

이미지를 이용한 혈액형 판별 방법과 ＳＮＳ를 이용한 혈액형별 인간관계 분석 방법 및 장치{Method and Apparatus for Determining Blood Type by Using Image and Analyzing Human Relationship by Blood Type}

본 실시예는 이미지를 이용한 혈액형 판별과 ＳＮＳ(Social Networking Service)를 이용한 혈액형별 인간관계 분석 방법 및 장치에 관한 것이다. 더욱 상세하게는, 얼굴 이미지를 기반으로 혈액형을 파악하고 SNS 이용에 따른 혈액형별 인간관계를 쉽게 알아볼 수 있는 수단을 제공하는 이미지를 이용한 혈액형 판별 방법과 ＳＮＳ를 이용한 혈액형별 인간관계 분석 방법 및 장치에 관한 것이다.

이 부분에 기술된 내용은 단순히 본 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.

사람은 저마다 타고난 혈액형을 보유하고 있다. 1901년 란트 슈타이너 박사가 ABO식 혈액형을 발견하여 노벨상을 수상한 이래로 2013년 5월 현재까지 발견된 혈액형 종류는 32가지에 이른다. 우리나라의 경우 혈액형이 성격과 적성에 영향을 미친다는 응답에 과반수가 동의하는 여론조사 결과들이 많이 있다. 그러나 혈액형이 단순히 재미, 오락 위주로 취급하는 경향이 너무 만연해 있다. 단편적인 설문지나 흥미 위주 혈액형 성격 분류로 사람을 평가하는 방법이 대부분이다. 혈액형이 성격과 적성에 영향을 미친다는 의학적인 연구결과는 나와 있지만, 실질적으로 이를 뒷받침하는 실증적, 실험적인 검증은 거의 없다.

ABO식 혈액형은 적혈구에 붙어있는 당사슬에 의해 분류된다. 다시 말해서 혈액형은 적혈구에 붙어있는 당단백질종류(탄수화물+단백질)에 의해 구분된다.

탄수화물에 대한 기존의 인식은 탄수화물, 당분은 에너지원으로 쓰이고 비만의 원인으로 알려져 왔지만 최근 연구에 의해 인체 내부의 모든 세포 표면에 섬모-돌기-사슬 형태로 붙어서 세포간의 신호전달, 인지, 면역 등의 기능을 한다는 것이 밝혀졌다. 이때 인체의 세포에 부착된 것은 8가지 단당류이며, 건강한 세포 하나에 약 10만개의 당사슬이 부착되어 있다. 이 8가지 단당류 중에서 4가지만이 적혈구에 부착되어 당사슬(H chain)을 이루게 된다.

당사슬은 4가지 단당류가 결합되어 이루는 사슬의 조성 및 형태에 따라 O형, A형, B형 당사슬이 있다. A형의 당사슬만 존재하는 혈액은 A형이고 B형의 당사슬만이 존재하는 혈액형은 B형이다. A형과 B형 당사슬이 공존하면 AB형이 된다.

혈액형을 만들어 내는 유전자는 개인별로 조금씩 차이가 있으며 그것이 희귀 혈액형을 만들어내는 주된 이유가 된다. 예를 들어 A형은 A1, Aint, A2, A3, AX, Am, Ael, Aend 같은 식으로 나뉘어지며 B형은 B1, Bint, B2. . . . . . 등으로 나뉘어진다. 이때 뒤로 갈수록 적혈구 중에서 항원을 가지고 있는 적혈구의 숫자가 작아진다. 전체 A형 중에서 80%를 차지하는 가장 일반적인 A1형은 피 속의 적혈구 중에서 A형 항원을 가지고 있는 적혈구가 90%정도이고 O형 항원을 가지고 적혈구가 10%정도이다. 하지만 A3형 정도가 되면 A형 항원의 비율이 10%이하가 된다. Ael형이나 Aend형은 A형이라도 A형 항원이 너무나 적어서 거의 O형이나 다름없을 정도이다. 마찬가지로 B형도 이런 식으로 혈액 속 B형 항원의 비율에 따라 종류를 나누지만, B형 같은 경우에는 A형보다 더욱 경향이 약해서 가장 일반적인 B1형도 B형 항원을 가진 적혈구가 50%정도밖에 되지 않는다.

각각의 혈액형은 항원의 존재 여부에 따라 결정되지만, 같은 혈액형일 지라도 항원의 양이 다를 수 있기 때문에, ABO혈액형과 성격관계에 있어 4가지 혈액형을 통해 모든 사람의 성격을 설명하지는 않는다. A형 하나에도 여러 가지로 분류된다는 것은 충분히 성격관계를 규명하는데 있어 도움이 될 것이다.

아직도 대다수의 사람들이 A형은 A형뿐이라고 믿고 있으며 4가지 혈액형으로 어떻게 모든 사람의 성격을 설명할 수 있느냐고 혈액형 성격론을 비판한다. 지금까지 밝혀진 혈액형만으로도 지구상에 존재하는 인구보다 많은 경우의 수가 나온다는 사실을 안다면 상황은 반전될 것이다.

혈액형이 신체조직, 눈물, 침, 땀, 콧물, 손톱, 발톱, 머리카락, 정액, 귀지 등에서도 혈액형과 같은 당단백질 성분이 검출되어 혈액 속에만 혈액형이 존재한다는 기존 이론이 바뀌게 되었다.

다시 말해서 혈액형은 혈액 속에서 노출되지 않는 상태로, 때로는 외부로 눈물이나 콧물, 땀, 정액, 귀지로도 검출된다는 것이다. 이것을 근거로 외부에 노출되는 사람의 얼굴에도 혈액형이 표시될 수 있다는 가설을 세울 수 있는 것이다. 이 가설이 맞는다면 혈액형에 대한 확실한 개념정리가 필요할 것이고, 혈액형은 수혈에만 적용되는 것이 아니라 또 다른 기능을 한다는 점이 증명된다. 즉 슬플 때나 정말 기쁠 때 눈물이 나오고, 감기증상, 세균바이러스 접촉 시 콧물이 나오고, 몸살이 날 때 식은 땀이 나오고, 운동을 하면 땀이 배출되며, 사랑을 할 때 정액이 나오고, 긴장할 때 침이 나오는 것을 생리적 현상으로 당연하다고 생각할지 모르나 이것은 신체의 상태를 알려주는 신호이다. 그리고 콧물, 눈물, 머리카락, 손톱, 발톱, 침, 귀지 등은 신체의 가장 앞쪽에서 나오며 육안으로는 식별할 수 없는 단백질 물질이다. 얼굴의 앞쪽, 머리 맨 앞에서 새로운 당단백질로 구성된 혈액형물질이 존재하는 것은 당연한 일이 아닐 수 없다. 또한 세계 최초로 실험도구 없이 육안으로 판별이 가능한 혈액형물질이 된다는 것이다.

혈액형을 결정하는 당단백질이 외부에 표출하듯이 성격(기질)도 외부로 어떤 방식이던지 행동으로 표출하게 되는 것이다. 이런 행동은 긴장과 관련이 있다. 긴장을 조절하는 방식에 따라 낙관적, 비관적, 외향적, 내향적, 적극적, 소극적인 행동을 하게 된다. 사람은 누구나 자기가 잘하는 것은 적극적이고 외향적, 낙관적인 기질을 나타낸다. 반대로 못하는 일은 소극적, 내향적, 비관적인 기질을 표출한다.

이런 긴장을 통제하는 것은 뇌과학에서는 호르몬이 그런 역할을 한다는 과학적인 자료가 많이 나오고 있다. 즉 성격(기질; 마음을 움직이는 행동양식)을 결정하는 물질은 직접적으로 호르몬의 영향이 크고 간접적으로 유전자의 영향이 있다는 것이다. 이런 호르몬의 구성물질이 단백질인 것은 과학자들이 증명한 상태이다. 그러므로 당단백질의 역할이 세포(신경세포, 유전자 등)간의 의사전달, 인지, 인식, 면역기능, 호르몬의 항상성 등의 기능을 하며 외부에 행동으로 나타내는 성격처럼 얼굴(특히 관자놀이를 기점으로 전두엽 및 전전두엽을 둘러싸고 있는 두개골 형태)로도 혈액형을 외부에 표출한다는 것이다. .

정리하자면 당단백질이 신경세포와 유전자와 소통을 하며, 호르몬과 접촉을 하고, 인체에 징후를 나타내고 이런 메커니즘을 통해 외부로 행동이나 성격이 표출하며 이런 모든 과정이 상호작용을 한다는 것이다.

체질과 기질은 서로 같은 몸에서 나온 것이라고 모두 알고 있고 믿고 있다. 그런데 혈액형(체질; 몸의 에너지인 육체적인 면)과 성격(기질; 마음의 행동양식인 정신적인 면)은 서로 같은 몸에서 나오는 것이라고 하면서 둘 사이를 인정하지 않는 이유는 혈액형은 혈액 속에만 존재한다는 고정관념과 혈액과 뇌신경(성격유발)과는 전혀 관계가 없다 생각하며, 혈액형은 수혈에만 사용되며, 질병과 어느 정도 연관이 있다는 정도만 인식하고 있으며 혈액형성격론은 심리적요인(바넘효과, 피그말리온효과 등)에 의한 것이라고 과학적 분석 없이 단정하기 때문이다.

실제 바넘효과는 균일하게 나오는 것이며, 주로 혈액형 등을 속이고 검증하는 방식을 사용하고 있다. 혈액형에 대한 이해가 부족하고, 자신의 성격에 대해 올바르게 규정하지 못한 상황에서 이런 효과가 발생된다. ABO혈액형별 특성을 정확이 알고 서로 대립되는 상황에서는 바넘효과는 발생하지 않는다.

같은 혈액형이라고 해도 인체의 성질이 다르고, 성격이 모두가 똑같지만은 않다. 성격(기질; 마음의 행동양식)은 선천적으로 생기는 것과 교육, 환경 등의 영향으로 체질을 개선하듯이(혈액형도 바뀔 수가 있듯이) 후천적으로 바꿀 수도 있다.

혈액형과 성격관계(인간관계)를 제대로 확인, 관찰, 규명하는 일이 쉽지 않는 실정임에도 혈액형성격론의 잘못된 통념(성격의 단점만을 부각시켜 많은 오해와 문제를 초래하는 것)을 깨기 위해서 과학적인 방법과 데이터 등의 실증분석을 통해 수집, 관찰, 확인, 분석하여 규명하는 것이 현재까지 논란이 계속되고 있는 혈액형성격론을 정확히 파악하는 올바른 자세이다.

지금은 융합의 시대이다. 우리 몸도 융합의 종합체이다. 서로 상관없는 것은 없다.

혈액형도 몸에 있고 성격(기질; 마음의 행동양식)도 몸에 존재한다. 그래서 끊임없이 상호 작용을 하며 서로 영향을 주는 관계가 있다. 피는 못 속인다. 사람은 생긴대로 논다(행동한다)라는 우리 선조의 말을 다시 한번 실감하게 될 것이다.

가정과 학교, 사회 생활에서 폭력, 집단 따돌림, 이혼, 인간관계 단절 등의 원인이 성격과 관련된 경우가 많으므로 혈액형과 성격과의 상관관계를 자료의 수집 분석을 통해 명확히 한다면 혈액형을 통해 자신의 성격을 가늠하고 성

격에 적합한 서비스를 제공할 수 있으나 현재까지의 방법론으로는 혈액형별 성격을 신뢰하기 어렵다는 문제가 있다.

따라서 통계적으로 유의미한 성격과 혈액형의 상관관계를 분석할 수 있는 분석 시스템을 필요로 한다.

본 실시예는, 혈액 검사 없이 사람의 혈액형을 알아볼 수 없고, 혈액형별 인간관계를 쉽게 알아볼 수 없는 문제를 해결하여 이미지를 입력받아서 혈액형을 판별하고 SNS 사용 양태를 분석하여 혈액형별 인간관계를 분석하는 이미지를 이용한 혈액형 판별 방법과 ＳＮＳ를 이용한 혈액형별 인간관계 분석방법 및 시스템을 제공하는 데 주된 목적이 있다.

본 발명의 일 측면에 의하면, 입력이미지 및 SNS(Social Networking Service) 사용 데이터 중 적어도 어느 하나를 포함한 성격 정보를 송수신하는 단말기로부터 상기 성격정보를 수신하여, 상기 단말기로 가상혈액형 및 친밀도 네트워크 트리도를 제공하는 시스템에 있어서, 상기 단말기로부터 상기 성격 정보를 수신하고 상기 입력이미지와 기저장된 혈액형별 참조이미지를 비교하여 유사도를 측정하고, 가장 높은 유사도를 가진 측정 참조이미지를 산출하여 상기 측정 참조이미지에 해당하는 혈액형을 가상혈액형으로 판별하고, 상기 단말기에 SNS 서비스를 제공하며, 상기 단말기와 타 단말기 사이의 상기 SNS 서비스 사용 빈도를 근거로 친밀도를 산출하여 상기 가상혈액형별로 친밀도 네트워크 트리도를 제공하는 가상혈액형 판단 및 SNS 제공 장치를 제공한다.

또한, 본 발명의 다른 측면에 의하면, 입력이미지를 포함한 성격 정보를 수신하는 이미지 및 SNS 데이터 수신부; 혈액형별로 기저장된 하나 이상의 참조이미지와 상기 입력이미지를 비교하여 상기 참조이미지별로 유사도를 계산하고 상기 유사도 중 가장 높은 수치로 계산된 상기 참조이미지인 측정 참조이미지를 산출하여 상기 측정 참조이미지에 해당하는 혈액형을 가상 혈액형으로 출력하는 이미지 비교부; 상기 가상 혈액형을 송신하는 송신부; 및 혈액형별로 기저장된 상기 참조이미지를 저장하는 참조이미지 및 트리도 저장부를 포함하는 것을 특징으로 하는 혈액형 판별 장치를 제공한다.

상기 입력이미지 및 상기 참조이미지는 사람의 얼굴 이미지인 것을 특징으로 할 수 있다.

상기 이미지 비교부는, 상기 입력이미지에 나타난 얼굴 형상의 특징과 상기 참조이미지에 나타난 얼굴 형상의 특징을 비교하되, 상기 특징의 각도, 색 및 두께 중 적어도 어느 하나를 포함한 기준에 기반하여 유사도를 판단하는 것을 특징으로 할 수 있다.

상기 이미지 비교부는, 상기 입력이미지를 상기 참조이미지들과 비교하여 각각의 유사도를 계산하여, 상기 유사도 중 가장 높은 수치가 기설정된 임계치보다 높다면 상기 가장 높은 수치의 유사도를 가진 참조이미지에 해당하는 혈액형을 출력하고, 상기 가장 높은 수치가 기설정된 임계치보다 낮다면 입력받은 상기 입력이미지를 그대로 출력하는 것을 특징으로 할 수 있다.

상기 이미지 비교부의 출력 값이 상기 입력이미지일 때 상기 참조이미지를 업데이트하는 참조이미지 업데이트부를 더 포함하되, 상기 참조이미지 업데이트부는 상기 이미지 비교부의 출력 값이 상기 입력이미지인 경우, 상기 입력이미지에 해당하는 혈액형을 추가로 입력받아서 상기 입력이미지를 상기 참조이미지로서 상기 입력이미지의 혈액형에 업데이트 하는 것을 특징으로 할 수 있다.

상기 이미지 비교부는, 혈액형별로 동수의 상기 참조이미지들과 비교하여 유사도를 계산하고, 상기 유사도가 기설정된 임계치를 초과한 참조이미지의 숫자를 혈액형별로 계산하여 상기 숫자가 가장 높은 혈액형을 가상혈액형으로 결정하는 것을 특징으로 할 수 있다. 상기 입력이미지 및 상기 참조이미지는 사람의 두상 이미지인 것을 특징으로 할 수 있다.

상기 이미지 비교부는, 상기 입력이미지에 나타난 두상의 형태와 상기 참조이미지에 나타난 두상의 형태를 비교하여 전두골이 생성하는 상단 모서리 사이의 유사도를 판단하는 것을 특징으로 할 수 있다.

상기 참조이미지는, 혈액형별로 적어도 하나씩 구비하되, 전두골 상부의 형태가 A형은 이마 상부의 양단이 사선 모양이고, B형은 ㅡ모양이고, O형은 원호(⌒)의 모양이고, AB형은 한쪽은 A형의 특징이 있고, 다른쪽은 B형인 특징이 있는 것을 특징으로 할 수 있다.

상기 입력이미지 및 상기 참조이미지는 사람의 턱선 및 이마의 이미지인 것을 특징으로 할 수 있다.

상기 참조 이미지는, 혈액형별로 적어도 하나씩 구비하되, 상기 이마의 형태가 A형은 돌출부가 사선 형태이고 돌출부의 하단에 꺾인 점을 갖고, B형은 이마 전면부가 기설정된 높이보다 높고, 평평하며, 돌출부가 기 설정된 크기보다 낮은 곡률이고 O형은 이마의 형상이 둥근 모양이고, AB형은 한쪽은 A형의 특징이 있고, 다른쪽은 B형의 특징이 있는 것을 특징으로 할 수 있다.

상기 참조 이미지는, 혈액형별로 적어도 하나씩 구비하되, 상기 턱선의 형태가 A형은 뾰족하고, B형은 턱 아랫부분이 평평하고, O형은 둥글고, AB형은 한쪽은 A형의 특징이 있고, 다른 쪽은 B형의 특징이 있는 것을 특징으로 할 수 있다.

또한, 본 발명의 다른 측면에 의하면, 확인 단말기로부터 상기 확인 단말기의 계정을 확인하기 위한 계정 확인 정보, 상기 확인 단말기의 SNS의 대상이 되는 대상 단말기의 계정을 지정하기 위한 계정 지정 정보 및 전송 내용 정보를 수신하여 상기 대상 단말기로 상기 전송 내용 정보를 전송하는 SNS 제공 장치에 있어서, 계정 생성시 또는 이후에 상기 확인 단말기의 사용자 이미지를 입력받아 혈액형별로 기저장된 참조이미지들과 비교하여 가장 유사도가 높은 참조이미지에 해당하는 혈액형으로 가상혈액형을 지정하는 가상혈액형 지정부; 각 계정별 전송 빈도를 기반으로 계산된 친밀도를 상기 가상혈액형별로 계산하는 친밀도 계산부; 및 상기 친밀도를 상기 확인 단말기로 송신하는 송신부를 포함하는 것을 특징으로 하는 혈액형별 친밀도 제공 장치를 제공한다.

상기 친밀도가 기설정된 임계치를 넘은 1차 계정을 제1 노드(Node)로 삼아서 상기 확인 단말기의 계정과 연결하고, 상기 1차 계정과의 상기 친밀도가 상기 임계치를 넘은 2차 계정을 제2 노드로 삼아서 상기 1차 계정과 연결하는 방법으로 제N 노드(단, N은 1 이상의 자연수)까지의 친밀도 관계를 계산하여 친밀도 트리(Tree)를 그래픽 데이터로 생성하는 매핑부를 더 포함할 수 있다.

또한, 본 발명의 다른 측면에 의하면, 혈액형 판별 장치를 이용하여 혈액형을 판별하는 방법에 있어서, 단말기로부터 사용자의 입력이미지 및 상기 사용자의 혈액형을 포함한 데이터를 수신하는 통신과정; 상기 데이터에 포함된 상기 입력이미지와 기저장된 참조이미지를 비교하여 유사도를 산출하고 가장 높은 수치를 특정하는 비교 과정; 상기 가장 높은 수치가 기설정된 크기 이상인지 여부를 판단하는 판단 과정; 상기 가장 높은 수치가 기설정된 크기 이하인 경우 상기 입력이미지를 참조이미지로 업데이트하는 업데이트 과정; 상기 가장 높은 수치가 상기 기설정된 크기 이상인 경우 상기 가장 높은 수치를 지닌 참조이미지의 혈액형을 가상 혈액형으로 특정하는 가상 혈액형 특정 과정; 및 상기 가상 혈액형을 상기 단말기로 송신하는 송신 과정을 포함하는 것을 특징으로 하는 혈액형 판별 방법을 제공한다.

상기 가상 혈액형 특정 과정 이후에, 상기 사용자에게 SNS 서비스를 제공하는 SNS 제공 과정; 상기 사용자의 상기 SNS 서비스를 이용한 횟수를 대상 사용자별로 계산하는 카운팅 과정; 상기 횟수를 기반으로 친밀도를 산출하는 친밀도 산출 과정; 상기 친밀도를 트리도로 나타내는 매핑 과정; 및 상기 트리도를 상기 단말기로 송신하는 송신 과정을 더 포함하는 과정일 수 있다.

상기 매핑 과정은, 상기 친밀도가 기설정된 임계치를 넘은 대상 사용자의 계정인 1차 계정을 제1 노드(Node)로 삼아서 상기 사용자의 계정과 연결하고, 상기 1차 계정과의 상기 친밀도가 상기 임계치를 넘은 2차 계정을 제2 노드로 삼아서 상기 1차 계정과 연결하는 방법으로 제N 노드(단, N은 1 이상의 자연수)까지의 친밀도 관계를 계산하여 친밀도 트리(Tree)를 그래픽 데이터로 생성하는 과정일 수 있다.

상기 매핑 과정은, 상기 제N 노드(단 N은 1 이상의 자연수)의 상기 가상혈액형을 기재하되, 기설정된 내역에 따라 특정된 가상혈액형에 해당하는 상기 제N 노드를 제거하는 과정일 수 있다.

본 실시예에 의하면, 이미지를 기반으로 가상혈액형을 확인하고 SNS 사용 빈도를 기반으로 인간관계를 확인함으로써 얼굴 생김새에 따른 인간관계를 분석할 수 있다.

도 1은 일 실시예에 따른 가상혈액형 판단 및 SNS 제공 시스템을 나타낸 구성도이다.
도 2는 본 발명의 일 실시예에 따른 가상혈액형 판단 및 SNS 제공 장치의 구성도이다.
도 3은 본 발명의 일 실시예에 따른 참조이미지 및 트리도 저장부에 저장된 참조이미지의 저장형태를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 이미지 비교부의 유사도 산출 방법을 나타낸 비교도이다.
도 5는 전두골의 개념을 설명하기 위하여 도시한 두개골의 측면도이다.
도 6은 혈액형별 전형적인 전두골의 형상을 나타낸 사진과 두상참조이미지의 예시도이다.
도 7는 본 발명의 일 실시예에 따른 판단과 참조이미지 업데이트부의 동작을 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 매핑부에서 계정 간 친밀도를 나타낸 도면이다.
도 9은 본 발명의 일 실시예에 따른 매핑부가 생성한 계정별 친밀도 네트워크의 트리도이다.
도 10은 본 발명의 일 실시예에 따른 매핑부가 생성한 계정의 혈액형별 친밀도 네트워크의 트리도이다.
도 11는 본 발명의 일 실시예에 따른 가상혈액형을 산출하는 방법의 순서도이다.
도 12은 본 발명의 일 실시예에 따른 가상혈액형 또는 혈액형에 맞는 트리도를 산출하는 방법의 순서도이다.

이하, 첨부된 도면을 참조하여 상세하게 설명한다.

각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.

도 1은 일 실시예에 따른 가상혈액형 판단 및 SNS 제공 시스템을 나타낸 구성도이다.

본 실시예는 단말기(110), 통신망(120), 가상혈액형 판단 및 SNS 제공 장치(130) 및 다수의 대상 단말기를 포함한다. 도 1에서는 대상 단말기1(140)과 대상 단말기2(150)만을 예시적으로 도시하였다. 한편, 본 발명의 일 실시예에서는 단말기(110), 통신망(120), 가상혈액형 판단 및 SNS 제공 장치(130) 및 대상 단말기1(140), 대상 단말기2(150)만을 포함하는 것으로 기재하고 있으나, 이는 본 발명의 일 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명의 일 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 일 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 개인 정보 카드 제공 시스템에 포함되는 구성 요소에 대하여 다양하게 수정 및 변형하여 적용 가능할 것이다.

단말기(110) 및 대상 단말기(112)는 통신망(120)을 경유하여 가상혈액형 판단 및 SNS 제공 장치(130)에 접속하기 위한 브라우저와 프로그램을 저장하기 위한 메모리, 프로그램을 실행하여 연산 및 제어하기 위한 마이크로프로세서 등을 구비하고 있는 단말기를 의미한다. 즉, 단말기(110) 및 대상 단말기는 개인 PC인 것이 일반적이지만, 통신망(120)에 연결되어 가상혈액형 판단 및 SNS 제공 장치(130)와 서버-클라이언트 통신이 가능하다면 그 어떠한 단말기도 가능하며, 노트북 컴퓨터, 이동통신 단말기, PDA 등 여하한 통신 컴퓨팅 장치를 모두 포함하는 넓은 개념이다. 한편, 단말기(110) 및 대상 단말기는 터치 스크린을 구비한 형태로 제작되는 것이 바람직하나 반드시 이에 한정되는 것은 아니다. 또한, 단말기(110)는 이미지와 데이터를 통신망을 통해 전송할 수 있고 영상 데이터를 디스플레이할 수 있다.

여기서 이미지란 사진, 동영상 및 3D 형상을 포함하며, 얼굴의 형상을 나타낼 수 있는 시각적 정보의 통칭으로 사용한다. 또한, 두상 이미지란 전두골(Frontal Bone)의 형태가 드러난 이미지를 말한다.

통신망(120)은 인터넷망, 인트라넷망, 이동통신망, 위성 통신망 등 다양한 유무선 통신 기술을 이용하여 인터넷 프로토콜로 데이터를 송수신할 수 있는 망을 말한다. 또한, 통신망(120)은 가상혈액형 판단 및 SNS 제공 장치(130)와 결합하여 하드웨어, 소프트웨어 등의 컴퓨팅 자원을 저장하고, 클라이언트가 필요로 하는 컴퓨팅 자원을 해당 단말기(110)로 제공할 수 있는 클라우드 컴퓨팅망을 포함할 수 있다. 여기서, 클라우드 컴퓨팅이란 정보가 인터넷상의 서버에 영구적으로 저장되고, 데스크톱, 태블릿 컴퓨터, 노트북, 넷북, 스마트폰 등의 클라이언트 단말기에는 일시적으로 보관되는 컴퓨터 환경을 의미하며, 클라우드 컴퓨팅은 이용자의 모든 정보를 인터넷 상의 서버에 저장하고, 이 정보를 각종 IT 기기를 통하여 언제 어디서든 이용할 수 있도록 하는 컴퓨터 환경 접속망을 의미한다.

이러한 통신망(120)은 LAN(Local Area Network), WAN(Wide Area Network)등의 폐쇄형 네트워크, 인터넷(Internet)과 같은 개방형 네크워크뿐만 아니라, CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), GSM(Global System for Mobile Communications), LTE(Long Term Evolution), EPC(Evolved Packet Core) 등의 네트워크와 향후 구현될 차세대 네트워크 및 클라우드 컴퓨팅 네트워크를 통칭하는 개념이다.

가상혈액형 판단 및 SNS 제공 장치(130)는 단말기로부터 이미지 및 SNS(Social Network Service) 사용 데이터를 수신하여 기저장된 혈액형별 참조이미지와 유사도를 측정하고 가장 높은 유사도를 가진 참조이미지를 추출하고 상기 유사도가 기설정된 임계치보다 높은 상기 참조이미지의 혈액형을 가상혈액형으로 판별하고, 상기 단말기와 수신 단말기 사이에 SNS 서비스를 제공하며 각 상기 단말기와 상기 수신 단말기 사이의 통신 빈도를 근거로 가상혈액형별로 친밀도 네트워크 트리도를 추출하여 단말기로 제공한다.

본 실시예는 가상혈액형이라는 개념을 사용하고 있다. 혈액형은 사람의 인간관계뿐만 아니라 얼굴 형상 또는 두상에도 영향을 미친다고 할 때 사람의 얼굴 또는 두상의 이미지를 분석하여 혈액형을 특정할 수 있다. 이때 특정된 혈액형은 직접 혈액을 검사하여 확인한 것이 아니라 외모를 통해 유추된 값이므로 가상혈액형이라는 명칭을 쓴다.

본 실시예에서 이용한 기술은 유사한 생김새를 지닌 사람들의 유사군이 존재하며 각 유사군의 구성원들의 혈액형은 동일하다는 가정에 기반한다.

공지기술인 얼굴 형상의 유사도를 판별하는 방법을 활용하여 기저장된 유사군에 속한 이미지와 입력이미지의 유사도를 산출한다. 기존의 모든 유사군과 유사도가 상이한 입력 데이터는 새로운 유사군으로 설정할 수 있다는 점에 착안하여 본 실시예에서는 신규한 유사군을 지속적으로 참조이미지 및 트리도 저장부(220)에 업데이트하는 기법을 고안하여 적용하였다.

가상혈액형을 판단하는 방법을 살펴보면, 가상혈액형 판단 및 SNS 제공 장치(130)는 이미 혈액형을 알고 있는 다수의 사람의 이미지(이하 참조이미지)를 저장하고 본 장치의 사용자에게서 이미지를 입력받아 입력받은 이미지(이하 입력이미지)를 참조이미지와 비교하여 가장 유사도가 높은 이미지를 특정한다. 특정된 참조이미지와의 유사도가 기설정된 유사도보다 높은 경우 해당 이미지의 혈액형을 가상혈액형으로 판단하여 출력한다. 특정된 참조이미지와의 유사도가 기설정된 유사도보다 낮은 경우 입력받은 이미지 속 인물의 혈액형을 가상혈액형으로 출력하고 입력받은 이미지를 해당 혈액형의 참조이미지로 업데이트한다. 특정된 참조이미지와의 유사도가 기설정된 유사도보다 낮은 경우, 낮은 수준의 설정치보다 높은 유사도를 가진 참조이미지의 개수가 가장 큰 혈액형을 가상혈액형으로 판단하여 출력할 수 있다.

이때, 가상혈액형을 판단하는 이미지는, 꼭 얼굴 형상이 나타난 이미지일 필요는 없다. 두상, 특히 전두골이 드러난 두상 이미지를 기초로 기설정된 혈액형별 두상과의 유사도를 계산하여 혈액형을 특정할 수 있다. 전두골이 드러난 이미지는 모발이 없는 영상일 수 있으며, 3차원 입체 자료일 수 있다. 입력된 두상 이미지를 혈액형별 두상참조이미지와 비교하여 가장 유사도가 높은 혈액형별 두상참조이미지의 혈액형을 가상 혈액형으로 특정할 수 있다.

또한 가상혈액형 판단 및 SNS 제공 장치(130)는 각 계정에 대하여 소셜 네트워크 서비스를 제공하되 각 계정별 정보 교류 빈도를 카운트하여 계정 간 친밀도를 산출한 데이터를 생성하고 해당 데이터를 기반으로 계정별 친밀도 네트워크 트리도(Tree 圖)를 생성한다. 친밀도 네트워크 트리도에 표시된 계정의 가상혈액형을 기준으로 필터링하여 가상혈액형에 따른 인간관계를 쉽게 인식할 수 있는 자료를 단말기로 제공한다. 가상혈액형 판단 및 SNS 제공 장치(130)가 생성한 친밀도 네트워크 트리도는 계정을 노드(Node)로 삼고 친밀도 계산치가 기설정된 크기보다 큰 경우 노드 사이를 선으로 연결하는 것으로 표시한 트리도인 것을 특징으로 한다.

도 2는 본 발명의 일 실시예에 따른 가상혈액형 판단 및 SNS 제공 장치의 구성도이다.

가상혈액형 판단 및 SNS 제공 장치(130)는 이미지 및 SNS 데이터 수신부(210), 참조이미지 및 트리도 저장부(220), 이미지 비교부(230), 친밀도 계산부(260), 매핑부(270), 참조이미지 업데이트부(250), 유사여부 판단부(240) 및 송신부(280)를 포함한다. 또한, SNS를 제공하기 위하여 계정 관리부(미도시)를 더 포함할 수 있다. 이미지 비교부(230), 유사여부 판단부(240) 및 참조이미지 및 트리도 저장부(220)는 가상 혈액형을 판단하는 가상혈액형 지정부의 역할을 하며, 친밀도 계산부(260), 매핑부(270) 및 참조이미지 및 트리도 저장부(220)는 SNS 제공 과정에 축적되는 인간관계를 산출하는 역할을 한다. 따라서 가상혈액형을 판단하는 장치와 SNS 제공 및 인간관계를 산출하는 장치는 독립된 장치로서 구현될 수 있다.

이미지 및 SNS 데이터 수신부(210)는 통신망(120)과 연결되어 단말기(110)에서 송신한 신호를 수신한다. 구체적으로 단말기에서 송신한 신호는 계정 가입단계에서는 단말기가 제공하는 계정 사용자의 이미지 및 계정 사용자의 혈액형을 포함하며, SNS 이용단계에서는 단말기가 대상 단말기를 지정하는 신호 및 대상 단말기로 전달되기를 요청하는 데이터를 포함한다.

참조이미지 및 트리도 저장부(220)는 참조이미지를 저장하고 저장된 계정에 대한 정보와 계정 간 친밀도 및 친밀도를 나타낸 트리도를 저장한다.

여기서 참조이미지는 사람들의 혈액형별로 분류된 임의의 사람들의 이미지이다. 참조이미지는 얼굴의 형상이 표현된 이미지이며 각 참조이미지들은 서로 유사도가 낮은(상이하게 생긴) 이미지로 수집되는 것이 바람직하다. 혈액형별로 동수의 이미지인 것이 바람직하나 이에 한정되는 것은 아니다.

계정 간 친밀도는 SNS이용시에 계정 간 데이터를 주고 받은 빈도, 데이터의 종류 등을 기준으로 측정된 친밀한 정도를 말한다. 계정 간 친밀도를 바탕으로 계정별로 관리되는 대상 계정에 대한 친밀도를 수치로 나타낸 표의 형태로 참조이미지 및 트리도 저장부(220)에 저장될 수 있다. 또한, 친밀도를 나타낸 트리도는 계정을 점으로 나타내고 친밀도는 계정을 나타낸 점 사이를 잇는 선으로 나타낼 수 있다. 또한 친밀도의 크기는 계정을 나타낸 점 사이를 잇는 선의 굵기로 나타낼 수 있다. 이러한 방법으로 매핑부(270)에서 생성한 트리도를 참조이미지 및 트리도 저장부(220)에 저장할 수 있다.

이미지 비교부(230)는 이미지 및 SNS 데이터 수신부(210)로부터 이미지를 입력받고 참조이미지 및 트리도 저장부(220)로부터 기저장된 참조이미지를 입력받아 유사도를 측정한다. 유사도는 얼굴의 특징적인 형태, 각도, 크기, 비율 등을 기준으로 분석하여 측정한다. 본 실시예는 "유사한 용모의 사람은 동일한 혈액형을 가진다"는 전제를 기반으로 하고 있다. 따라서 "유사한 용모"인지 여부를 기설정한 기준에 따라 확정할 수 있고, 더 유사한 용모와 덜 유사한 용모를 판단할 수 있다면 어떠한 방법으로 "유사한 용모"를 판단하여도 본 실시예의 권리범위에 포함된다고 해석하여야 한다. 따라서 유사도를 수치로 계량할 수 있다면 어떠한 방법을 사용하여도 무방하다.

유사도는 참조이미지 및 트리도 저장부(220)에 저장될 수 있다. 이미지 비교부(230)는 해당 유사도가 가장 높은 수치일 때의 유사도 수치 및 유사도가 가장 높은 수치인 참조이미지에 해당하는 혈액형 값을 산출한다.

유사여부 판단부(240)는 이미지 비교부(230)로부터 유사도 수치 및 유사도가 가장 높은 수치인 참조이미지에 해당하는 혈액형을 입력받아 가상혈액형 값을 특정한다. 구체적으로 설명하면, 유사도 수치가 가장 높은 수치가 기설정된 수치 이상인 경우 입력받은 이미지가 해당 참조이미지의 유사군에 해당한다고 판단하고 해당 참조이미지가 속한 혈액형을 유사혈액형으로 판단하여 송신부(280)로 전송한다. 유사도 수치가 가장 높은 수치가 기설정된 수치 이하인 경우 참조이미지로 저장된 유사군 이외의 유사군이 발견된 것이므로 해당 계정의 혈액형 값을 유사혈액형으로 판단하고 해당 계정의 혈액형과 입력받은 이미지를 참조이미지 업데이트부(250)로 전송한다. 이때 유사도로서 기설정된 수치를 조정하는 방법으로 유사군의 숫자를 조절할 수 있다.

참조이미지 업데이트부(250)는 유사여부 판단부(240)로부터 혈액형과 이미지가 입력된 경우(유사도 수치가 가장 높은 수치가 기설정된 수치 이하인 경우) 참조이미지 및 트리도 저장부(220)의 참조이미지에서 해당 혈액형의 참조이미지에 입력받은 이미지를 추가한다. 이때 참조이미지 및 트리도 저장부(220)에서 설명한 바와 같이 각 혈액형별로 동일한 숫자의 참조이미지가 저장되는 편이 바람직하므로 각 혈액형에 업데이트된 이미지가 동일한 숫자일 때까지 이미지와 혈액형을 임시로 저장할 수 있다.

친밀도 계산부(260)는 이미지 및 SNS 데이터 수신부(210)로부터 SNS 사용 대상 단말기 정보를 입력받아서 정보 교류의 빈도 수 또는 데이터의 내용에 기반하여 친밀도를 산출한다. 친밀도 계산부(260)는 산출된 친밀도를 참조이미지 및 트리도 저장부(220)에 저장한다. 정보 교류 빈도는 계정별로 대상 단말기의 계정과의 친밀도가 저장된다. 정보 교류의 빈도 수에 기반한 친밀도 산출은 단순히 SNS의 정보교류 빈도를 친밀도로 산출하는 것을 포함하며, 데이터 내용에 기반하여 친밀도를 산출하는 것은 SNS 정보 중 문자 정보를 추출하여 형태소별로 분해하여 단어의 사용빈도별로 친밀도 가중치를 합산하는 방법을 포함한다.

매핑부(270)는 참조이미지 및 트리도 저장부(220)에 저장된 각 단말기별 대상 단말기와의 친밀도 정보를 기반으로 친밀도 네트워크를 트리도로 구현한다. 구체적으로 매핑부(270)는 특정 계정으로부터 매핑 명령 및 매핑 크기를 입력받으면 해당 계정과의 친밀도가 기설정된 크기 이상인 제1 노드 계정들을 검색한다. 해당 계정을 중심에 두고 제1 노드 계정들을 주변에 배치한 후 선으로 연결한다. 매핑 크기가 제1 노드보다 크다면 제1 노드 계정들과의 친밀도가 기설정된 크기 이상인 제2 노드 계정들을 검색한다. 제2 노드를 제1 노드와 해당 계정이 만든 연결선과 겹치지 않게 배치한 후 선으로 연결한다. 이런 방식을 반복하여 매핑 크기에 맞는 제N 노드까지의 친밀도 네트워크를 트리도로 나타낼 수 있다. 물론 트리도를 나타내는 방법은 이에 한정될 필요는 없다. 예컨대, 친밀함의 종류나 인간관계의 종류를 판별할 수 있다면 이를 다른 색이나 선으로 표현할 수 있으며, 선의 두께, 노드의 모양 등을 통해 혈액형 또는 연령 등을 표현할 수 있다.

송신부(280)는 이미지 및 SNS 데이터 수신부(210)로부터 전송받은 대상 단말기의 지정에 따라 SNS 이용 데이터를 대상 단말기로 전송하고 매핑이 완료된 트리도를 해당 단말기에 전송한다.

본 도면에서는 도시하지 않았으나 SNS를 제공하기 위하여 각 단말기별 계정을 확인하고 대상단말기를 지정하기 위하여 계정 정보를 관리하는 계정 관리부를 더 포함할 수 있다. 그러나 통상적인 SNS를 제공하는 방법은 공지기술이므로 상세한 설명은 생략한다.

도 3은 본 발명의 일 실시예에 따른 참조이미지 및 트리도 저장부에 저장된 참조이미지의 저장형태를 나타낸 도면이다.

참조이미지는 동일한 혈액형별로 구분된 이미지들의 모임이다. 참조이미지 및 트리도 저장부(220)에 각 참조이미지들은 인물의 혈액형에 따라 각각 구분하여 저장된다. 각 참조이미지들은 서로 상이한 얼굴형태를 지니므로 전체 사람들의 생김새를 유사군으로 나타내었을 때 각 이미지는 유사군의 대표값으로서 설정될 수 있다. 각 참조이미지(310)는 순서에 관계없이 저장되나 도 4에서 설명할 비교가 각 참조이미지(310)별로 1회씩만 이루어지도록 하기 위하여 순서를 지정하여 저장할 수 있다. 본 실시예에서는 ABO식 혈액형 분류법을 기반으로 참조이미지를 분류하였으나 이에 한정되는 것은 아니다. RH식 혈액형 분류법 등을 기반으로 분류하여도 가상혈액형을 설정할 수 있다. 각 혈액형별로 동수의 유사군이 포함되는 것이 바람직하므로 참조이미지의 개수가 동수인 것이 바람직하나 이에 한정되는 것은 아니다. 또한, 참조이미지의 개수가 동수인 경우 각 이미지간 유사도가 낮은 것이 바람직하나 이에 한정되는 것은 아니다.

이때, 참조이미지는 얼굴의 형상에 한정되는 것은 아니며, 두상의 윤곽이 도드라진 두상참조이미지일 수 있다.

도 4는 본 발명의 일 실시예에 따른 이미지 비교부의 유사도 산출 방법을 나타낸 비교도이다.

이미지 비교부(230)는 유사도를 산출하는 과정에서 입력이미지와 참조이미지를 1:1로 비교하여 유사도를 산출한다. 구체적으로 얼굴 형상에서 특징이 되는 눈썹(420), 눈(410), 코(440), 턱선(430) 등의 부분을 인식하여 대응되는 부분의 각도나 두께, 색깔 등을 비교하여 계산된 유사도를 합산하는 방법으로 유사도를 정량 분석한다. 그러나 유사도를 계산하는 방법은 상용화된 공지기술이 다양하게 존재하므로 본 실시예에서 활용한 유사도 산출 기법에 한정하여 구현되어야 하는 것은 아니다. 이미지 비교부(230)는 참조이미지 각각에 대하여 유사도를 산출하여 참조이미지 및 트리도 저장부(220)에 저장한다. 이미지 비교부(230)는 해당 유사도가 가장 높은 수치일 때의 유사도 수치, 입력이미지 및 유사도가 가장 높은 수치인 참조이미지의 혈액형 값을 산출하여 유사여부 판단부(240)로 전달한다.

도 5는 전두골의 개념을 설명하는 두개골의 측면도이다.

두개골은 여러 조각의 뼈로 구성되는데, 이마에 위치하는 전두골(510: Frontal Bone)과 머리의 윗부분에 위치하는 두정골(530: Parietal Bone)을 포함한다. 전두골은 두정골과 관상봉합(520: Coronal Suture)이라는 경계를 기준으로 나뉜다. 외부에서 관측하였을 때, 전두골에 굴곡이 나타난다. 따라서 전두골의 위쪽 경계의 모양을 특정할 수 있다. 혈액형별로 이 모양이 다르다는 점을 이용하여 가상 혈액형을 특정한다. 혈액형별 전두골의 전형적인 모양을 혈액형별로 두상참조이미지로서 설정하고 입력된 두상이미지를 두상참조이미지와 비교하여 유사도가 가장 큰 두상참조이미지에 해당하는 혈액형을 가상혈액형으로 특정할 수 있다.

도 6은 혈액형별 전형적인 전두골의 형상을 나타낸 두상참조이미지의 예시도이다.

(a)는 A형인 혈액형의 전두골의 형상을 나타낸 두상참조이미지와 전형적인 A형인 아기의 사진에서 전두골의 형상을 표시한 사진이다.

A형인 사람의 전두골은 눈썹의 말미의 상부에서 이마의 상단 방향으로 향하는 선이 앞쪽으로 돌출된다. 양쪽에서 이 돌출된 부분이 존재하므로 이마의 한가운데 부근에서 마주친다. 따라서 Λ모양이 된다.

(b)는 B형인 혈액형의 전두골의 형상을 나타낸 두상참조이미지와 전형적인 B형인 아기의 사진에서 전두골의 형상을 표시한 사진이다.

B형인 사람의 전두골은 눈썹의 말미의 상부에서 이마의 상단으로 향하는 선이 앞쪽으로 돌출된다. 위쪽으로 향하는 선의 끝부분이 양쪽에 존재하므로 평행한 한쌍의 선분이 된다. 이 선의 끝을 수평으로 연결한 모양으로 돌출선이 구성된다. 따라서 ㅡ 또는 П모양이 된다.

(c)는 O형인 혈액형의 전두골의 형상을 나타낸 두상참조이미지와 전형적인 O형인 아기의 사진에서 전두골의 형상을 표시한 사진이다.

O형인 사람의 전두골은 눈썹의 말미의 상부에서 이마의 상단 방향으로 부드러운 곡선을 그리는 형상이 돌출된다. 따라서 원호(⌒)의 모양이 된다.

(d)는 AB형인 혈액형의 전두골의 형상을 나타낸 두상참조이미지와 전형적인 AB형인 아기의 사진에서 전두골의 형상을 표시한 사진이다.

AB형인 사람의 전두골은 한쪽 눈썹의 말미의 상부에서 이마의 상단 방향으로 A형처럼 사선 형상으로 돌출되고, 다른 쪽 눈썹의 말미의 상부에서 이마의 상단 방향으로 부드러운 곡선을 그리는 형상이 돌출된다.

실제로 입력된 두상이미지와 비교되는 것은 도 6에 도시된 두상참조이미지의 전두골의 경계선이다. 따라서 비교의 편의를 위하여 두상이미지에서 전두골의 경계선을 추출하는 과정이나 장치를 포함하여 구성할 수 있다. 전두골의 경계선은 이미지상에 나타난 반사광을 기준으로 판단할 수 있다. 서로 다른 두개의 경계선 간의 유사도를 측정하는 방법은 길이나 선명도를 기준으로 하는 것과 같이 여러가지가 있을 수 있으나, 본 발명에서는 곡률과 각을 기준으로 판단할 수 있다. 즉 경계선의 곡률 반경이 일정한 정도와 곡률 반경이 크게 다른 특이점의 개수와 같은 점을 기준으로 어느 혈액형에 해당하는 모양인지 판단할 수 있다.

곡률 반경이 얼굴 크기를 기준으로 0.5배에서 2배 사이의 값으로 거의 일정하다면, O형에 해당하고, 곡률 반경이 상당히 큰 값을 갖지만 곡률 반경이 매우 작은 값을 갖는 지점이 점의 형태로 두 개가 발견될 경우 B형에 해당한다. 곡률 반경이 상당히 큰 값을 갖지만, 곡률 반경이 매우 작은 값을 갖는 지점이 점의 형태로 한 개 또는 세 개가 발견될 경우 A형에 해당하며, 곡률 반경이 상당히 큰 값과 상당히 작은 값이 둘 모두 영역의 형태로 발견된 경우 AB형에 해당한다.

곡률 반경과 특이점을 기준으로 유사도를 판단하는 것은 일 실시예에 불과하다. 권리범위를 해석함에 있어 이에 한정하여 해석하여서는 안 될 것이다. 기설정된 혈액형별 참조데이터가 있고 이를 기준으로 두상을 분석하여 혈액형을 판단하는 방법은 다양하다. 본 발명은 그 중 이미지를 기준으로 판별하는 방법을 제시하였다.

즉, 얼굴이 드러난 사진이나 두상이 드러난 사진 중 어느 하나로 가상혈액형을 특정하는 방법이 있으며, 두상의 경우, 기설정된 두상참조이미지를 통해서 비교하고 얼굴의 경우, 혈액형별 유사군의 대표값들과의 유사도 비교를 통하여 가상혈액형을 특정하는 방법을 제시하였다. 여기서 혈액형별 외모의 특징을 참조이미지로 정하고 입력이미지와 참조이미지의 유사도를 계산하여 입력이미지의 혈액형을 특정하는 방법은 어떠한 외모의 특징에 대하여도 적용이 가능하다. 도 7을 참조하여 혈액형별 이마와 턱선의 특징을 설명한다.

도 7은 혈액형별 전형적인 이마 및 턱선의 형상을 나타낸 이마 및 턱선참조이미지의 예시도이다.

이마는 눈썹부터 머리카락이 자라기 시작하는 위치까지의 얼굴부위를 말한다. 여기서 이마에 나타난 골격의 특성과 턱선의 특성에 기반하여 혈액형을 판별할 수 있다.

(a)는 A형인 사람의 턱선 및 이마 형상을 나타낸 턱선 및 이마참조이미지와 전형적인 A형인 아기의 사진에서 이마의 형상을 표시한 사진이다.

도 6에서 설명한 바와 같이, A형인 사람의 전두골은 눈썹의 말미의 상부에서 이마의 상단 방향으로 향하는 선이 앞쪽으로 돌출된다. 양쪽에, 이 돌출된 부분이 존재하므로 이마의 한가운데 부근에서 마주친다. 따라서 전두골 상부형상(715)은 Λ모양이 된다. 그러나 마주치는 부분(705)이 불분명하게 있을 수도 있다. 따라서 옆이마와 앞이마를 나누는 양쪽의 돌출부(710a)는 중앙에 공간을 둔 채 비스듬히 위치할 수 있다. 또한 돌출부(710a)의 눈썹쪽 말단에는 얼굴의 안쪽으로 향하는 꺾인 점(722)을 가질 수 있다. 돌출부(710a)는 옆이마와 앞이마 사이를 명확히 구분하기 때문에, 큰 곡률(작은 곡률반경)로 급격하게 꺾일 수 있다. 또한 턱선(720)은 이마의 돌출부(710a)와 상하 대칭되는 형상일 수 있다. 따라서 턱선(720)이 갸름한 형태일 수 있다.

다시 말해서, 좌우 관자놀이에서 이마쪽으로 깍이는 형상이며, 특히 이마 윗부분에서 좌우로 깍이는 형상이 나타나는 것이 특징이다. 이런 특징은 턱선에서도 나타나는 이미지이다.

(b)는 B형인 사람의 턱선 및 이마의 형상을 나타낸 턱선 및 이마참조이미지와 전형적인 B형인 아기의 사진에서 이마의 형상을 표시한 사진이다.

B형인 사람의 턱선 및 이마참조이미지는 앞이마(725)가 평평하며, 앞이마(725)와 옆이마의 경계인 경계부(710b)가 뭉툭하다. 다시 말해서 낮은 곡률(큰 곡률반경)로 앞이마(725)와 옆이마가 연결되어 있다. 경계부(710b)는 이마의 위쪽 경계로부터 수직으로 내려올 수 있으나, 눈 주변에서 서로 벌어진 형태로 있을 수도 있다. 다시 말해서, 앞 이마가 돌출이 되지 않고 평평하며 특히 정면에서 바라보았을 때 이마 윗부분이 완만하고 평평한 것이 특징이다. 또한 B형인 사람은 이마의 높이(h)가 높은 특징이 있다.

(c)는 O형인 사람의 턱선 및 이마의 형상을 나타낸 턱선 및 이마참조이미지와 전형적인 O형인 아기의 사진에서 이마의 형상을 표시한 사진이다.

O형인 사람은 이마의 상하 좌우 방향으로 곡률을 쟀을 때 비교적 일정한 곡률이 된다. 또한 턱선(755)도 그러하다. 따라서 다른 혈액형들과 달리, 기설정된 O형인 사람의 턱선(755) 및 이마참조이미지를 특정하여 유사도를 계산하기보다, 입력받은 입력이미지에 나타난 이마의 곡률의 편차를 기준으로 O형과의 유사도를 측정할 수 있다. 편차가 작을수록 O형과의 유사도가 높은 값으로 정한다. 다시 말해서, O형인 턱선 및 이마참조이미지는 대체로 이마 앞쪽(750)이 상하 좌우로 기울기가 둥글며 특히 앞머리와 뒷머리의 중간부분인 전두엽 윗부분이 둥근 기울기를 가지고 있다.

(d)는 AB형인 사람의 턱선 및 이마의 형상을 나타낸 턱선 및 이마참조 이미지와 전형적인 AB형인 아기의 사진에서 이마의 형상을 표시한 사진이다.

AB형은 도 6에서 설명한 바와 같다. 이마의 옆 관자놀이에서 위쪽으로 좌측은 A형의 특징인 각이 있는 기울기를 나타내고 우측은 B형 특징인 평평하거나 완만한 기울기를 나타낸다. 또한 입모양이 크게 변하지 않는 상태에서 턱선(760)의 좌우 기울기는 좌측은 A형의 기울기를 보이고 우측은 B형의 기울기를 보이는 특징이 있다.

도 6과 도 7에서 소개하는 혈액형에 따른 두상참조이미지와 턱선 및 이마 참조 이미지는 도 3과 도 4에서 소개한 혈액형별 참조 이미지의 모임을 이용한 혈액형 판별법과 다른 방법이다. 도 6과 도 7에서 소개하는 방법은 혈액형별 전형적인 두상과 턱선 및 이마의 모습을 기준으로 유사도가 높은 혈액형별 두상참조이미지와 턱선 및 이마참조이미지를 찾는 방법이다.

도 8은 본 발명의 일 실시예에 따른 유사여부 판단부와 참조이미지 업데이트부의 동작을 나타낸 도면이다.

유사여부 판단부(240)는 이미지 비교부(230)로부터 입력받은 입력이미지(820)와 입력받은 유사도를 기반으로 업데이트 여부를 판단한다. 유사도가 기설정된 수치 이하인 경우 입력이미지는 참조이미지로 저장된 이미지들 각각과 비교하여 신규한 유사군에 속한 이미지이므로 입력이미지를 참조이미지 업데이트부(250)로 전달하여 참조이미지를 업데이트한다. 참조이미지와 비교하는 방법은 도 4의 설명과 같이 1:1로만 가능하므로 각 혈액형별 참조이미지들 전체에서 하나의 참조이미지(310)를 뽑아서 비교하여 유사도를 저장하고 다음 참조이미지와 비교하는 과정을 반복한다. 참조이미지 업데이트부(250)가 참조이미지를 업데이트 하는 방법은 해당이미지와 함께 입력받은 혈액형에 해당하는 참조이미지 저장공간에 입력이미지(820)를 추가하는 것이다. 도 8에서 묘사한 실시예에서는 입력이미지(820)의 혈액형이 B형인 경우를 예로 들었기 때문에 B형 참조이미지가 모인 영역에 입력이미지(820)가 업데이트 되었다. 또한, 유사여부 판단부(240)는 가상혈액형을 출력하는데, 업데이트한 경우 이미지 및 SNS 데이터 수신부(210)에서 입력받은 혈액형을 송신부(280)를 통해 출력한다.

유사도가 기설정된 수치 이상인 경우 함께 입력받은 혈액형(유사도가 가장 높은 참조이미지의 혈액형)을 가상혈액형으로 송신부(280)를 통해 출력한다.

이렇게 참조이미지 및 트리도 저장부(220)의 참조이미지, 이미지 비교부(230) 및 유사여부 판단부(240)를 통해 입력이미지의 가상혈액형 값을 특정할 수 있으며 참조이미지로 수집된 유사군에 포함되지 않는 경우 참조이미지를 업데이트할 수 있다.

이하, SNS를 제공받은 계정들의 가상혈액형 또는 혈액형을 기반으로 트리도를 생성하는 방법을 설명한다. 따라서 각 계정은 SNS 가입과정 혹은 가입 후 가상혈액형 판별 요청에 의하여 가상혈액형이 특정되거나 가입과정에서 혈액형을 입력받은 상태에서 SNS를 사용하며 사용 과정에서 축적된 데이터를 기반으로 트리도를 생성한다.

트리도를 생성하는 대상은 본 실시예가 SNS 서비스를 제공하여 각 계정의 SNS 사용간 본 실시예가 축적한 각 계정별 관계이다. 따라서 본 실시예는 각 단말기에 해당하는 계정별로 대상 계정과의 데이터 교환빈도를 측정하여 친밀도를 계산하고 계정별 관계를 파악하여 트리도를 생성한다.

일 실시예로서 구체적인 구현방법을 알아보면, 친밀도 계산부(260)는 이미지 및 SNS 데이터 수신부(210)로부터 정보전달을 요구받았을 때 정보전달을 요구하는 단말기의 계정에 대한 정보와 대상 단말기의 계정에 대한 정보를 수신하고 이를 카운트 한다. 이렇게 한 단말기가 대상 단말기1 내지 대상 단말기4와의 사용 빈도를 측정한 결과물을 일 예로서 나타내면 [표 1]과 같이 나타낼 수 있다.

이때 저장되는 대상 단말기의 개수(본 표에서는 4)는 한 단말기가 SNS로 연결된 대상 단말기의 수에 따라 정해진다. 친밀도 계산부(260)는 한 단말기와 대상 단말기와의 데이터 전송 횟수를 측정하여 저장하고 이를 기간으로 나누어 빈도의 통계적인 수치를 산출할 수 있다. 그러나 친밀도를 계산하는 기법은 단순히 데이터를 전송빈도에 기반한 것에 한정되는 것은 아니다. 예컨대 송신 데이터의 문자 정보를 추출하여 이를 형태소로 분해하고 사용된 단어의 사용빈도를 단어별 친밀도 가중치에 맞게 곱하여 친밀도를 계산할 수도 있다. 후술할 친밀도 네트워크 트리도를 작성하기 위하여 친한 관계와 친하지 않은 관계로 대상 단말기를 구분할 수 있다. 이 경우 친밀도 또는 사용 횟수가 기설정된 수치보다 높을 경우 "친한 관계"로 정하고 기설정된 수치보다 낮을 경우 "친하지 않은 관계"로 정하여 참조이미지 및 트리도 저장부(220)에 저장할 수 있다. 친밀도 계산부(260)는 이렇게 계산된 친밀도를 참조이미지 및 트리도 저장부(220)에 저장한다.

도 9는 본 발명의 일 실시예에 따른 매핑부에서 계정 간 친밀도를 나타낸 도면이다.

매핑부(270)는 참조이미지 및 트리도 저장부(220)에 저장된 친밀도를 기반으로 트리도를 생성한다. 이미지 및 SNS 데이터 수신부(210)로부터 트리도를 생성하기를 바라는 단말기(110)를 지정받으면 참조이미지 및 트리도 저장부(220)에 저장된 친밀도에 따라 대상 단말기를 특정한다. 본 실시예에서 [표 1]을 기준으로 대상 단말기1(140), 대상 단말기2(150), 대상 단말기3 및 대상 단말기4를 표시하였다. 대상 단말기를 단말기(110)를 중심으로 환형으로 배치하고 저장된 친밀도에 따라 선(910)으로 연결한다. 이때 친밀도의 크기에 따라 선의 굵기와 색상을 선택하여 친밀도의 크기를 나타낼 수 있으며, 단순히 기설정된 크기의 친밀도 이상의 대상 단말기만을 선별하여 선으로 연결하고 나머지 대상 단말기를 삭제하는 방법으로 교류가 있는 대상 단말기를 표시할 수도 있다.

도 10은 본 발명의 일 실시예에 따른 매핑부가 생성한 계정별 친밀도 네트워크의 트리도이다.

트리도를 생성하기를 바라는 단말기(110)를 점으로 표시하고 이를 중심으로 친밀도가 기설정된 크기 이상의 대상 단말기1(140)과 대상 단말기2(150) 및 대상 단말기3을 역시 점으로 표시하여 단말기(110)를 나타낸 점 주위에 표시한다. 단말기(110)와 직접 친밀도가 존재하는 대상 단말기1(140), 대상 단말기2(150) 및 대상 단말기3을 제1 노드(140, 150, 1000)로 삼아 각각의 대상 단말기와 친밀도가 기설정된 크기 이상의 제2 노드(1010)를 검색하여 제1 노드와 겹치지 않도록 각 제1 노드의 주변에 배치하여 선으로 연결한다. 이때 각 단말기는 가상혈액형 또는 입력받은 혈액형이 참조이미지 및 트리도 저장부(220)에 저장되어 있으므로 도 9과 같이 각 노드에 표시될 수 있다.

도 11은 본 발명의 일 실시예에 따른 매핑부가 생성한 계정의 혈액형별 친밀도 네트워크의 트리도이다.

본 실시예의 주된 목적 중 하나는 혈액형 또는 생김새에 따른 인간관계를 쉽게 파악할 수 있는 도구를 구현하는 것이다. 따라서 도 10에서 생성한 트리도에서 혈액형에 따라 필터링한 결과를 통해 혈액형 또는 가상혈액형에 따른 인간관계를 확인할 수 있다. 도 11은 A형과 B형의 인간관계를 확인하기 위하여 해당 단말기를 중심으로 A형과 B형 이외의 노드를 선과 함께 제거하여 나타낸 트리도를 생성했다.

도 12는 본 발명의 일 실시예에 따른 가상혈액형을 산출하는 방법의 순서도이다.

이미지를 입력받는 과정에서 이미지 비교부(230)는 이미지 및 SNS 데이터 수신부(210)를 통해 단말기로부터 이미지와 혈액형을 입력받는다. 이때 가상혈액형을 특정하기를 원하는 계정이 등록과정에서 참조이미지 및 트리도 저장부(220)에 이미지와 혈액형을 이미 저장했다면 이미지 비교부(230)는 참조이미지 및 트리도 저장부(220)로부터 이미지와 혈액형을 전달받는다(S1210).

기 저장된 혈액형별 이미지와 유사도를 비교하여 가장 유사도가 높은 이미지를 특정하는 과정에서 이미지 비교부(230)는 참조이미지 및 트리도 저장부(220)에 저장되어 있는 혈액형별 참조이미지와 입력받은 입력이미지를 비교하여 가장 유사도가 높은 참조이미지를 특정하여 유사도와 해당 참조이미지의 혈액형을 산출한다(S1220).

유사여부 판단부(240)는 산출된 유사도가 기설정된 크기보다 큰지 여부를 판별한다(S1230).

만일 산출된 유사도가 기설정된 크기보다 작다면 참조이미지 업데이트부(250)에 입력된 이미지를 전달하여 참조이미지 및 트리도 저장부(220)에 저장된 참조이미지에 입력된 이미지를 입력된 혈액형에 맞추어 추가하는 방법으로 업데이트를 한다(S1240).

만일 산출된 유사도가 기설정된 크기보다 크다면 산출된 참조이미지의 혈액형을 가상혈액형으로 확정한다(S1250).

도 12에서는 단계 S1210 내지 단계 S1250을 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 발명의 일 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명의 일 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 일 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 12에 기재된 순서를 변경하여 실행하거나 단계 S1210 내지 단계 S1250 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 12는 시계열적인 순서로 한정되는 것은 아니다.

도 13은 본 발명의 일 실시예에 따른 가상혈액형 또는 혈액형에 맞는 트리도를 산출하는 방법의 순서도이다.

단말기별 계정을 설정하고 계정별 혈액형 또는 가상혈액형 정보를 수집한다. 이때 가상혈액형은 도 12에서 설명한 방법에 따라 특정할 수 있으며, 계정 생성단계 또는 계정 생성 후 가상혈액형 특정 요청을 통해 수집될 수 있다(S1310).

친밀도 계산부(260)는 각 계정에 제공된 SNS 서비스의 상대별 정보전달 빈도 또는 데이터를 수집한다. 이때 SNS 서비스는 각 계정이 다른 계정을 지정하여 문자 또는 데이터를 전달하는 방식의 서비스이다(S1320).

친밀도 계산부(260)는 단말기간 정보전달 빈도 및 정보전달 기간 등을 근거로 친밀도를 계산한다. 이때 친밀도를 정하는 방법은 반드시 정보전달 빈도에 한정되는 것은 아니다. 예를 들어 SNS에서 전송된 데이터 중 문자정보를 추출하여 형태소로 분석하고 단어의 사용 빈도를 수집하여 단어별 친밀도 가중치에 따라 계산하는 방법으로 친밀도를 계산할 수도 있다(S1330).

매핑부(270)는 단말기를 점으로 친밀도를 선으로 표현한 친밀도 영상을 생성한다. S1330 과정에서 계산한 친밀도를 바탕으로 친밀도 네트워크를 그림으로 표현한다. 친밀도를 알기를 원하는 계정의 단말기를 중심에 두고 주변에 기설정된 친밀도보다 높은 수치를 지닌 친밀도를 지닌 계정의 단말기를 배치하고 선으로 연결한다. 또한, 주변에 배치된 단말기를 중심으로 주변에 기설정된 친밀도보다 높은 수치를 지닌 친밀도를 지닌 계정의 단말기를 배치하고 선으로 연결한다. 이를 반복하여 원하는 크기의 트리도를 생성할 수 있다(S1340).

매핑부(270)는 사용자가 설정한 혈액형 또는 가상혈액형에 따라 친밀도 영상을 필터링한다. 본 실시예는 혈액형 또는 생김새에 따라 분류된 가상혈액형에 따라 인간관계를 분석하여 제공하는 것이므로 혈액형 또는 가상혈액형에 따라 S1340에 따라 생성된 트리도를 필터링한다. 이때 각 단말기에 배정된 계정의 혈액형 또는 가상혈액형은 이미 알고 있으므로 원하는 혈액형만을 선별적으로 제거하거나 남겨둘 수 있다(S1350).

송신부(280)는 필터링된 친밀도 영상을 제공한다. 이때 필터링은 필수적인 단계는 아니며, S1340 과정에서 생성된 트리도를 그대로 제공할 수 있다(S1360).

도 13에서는 단계 S1310 내지 단계 S1360을 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 발명의 일 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명의 일 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 일 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 13에 기재된 순서를 변경하여 실행하거나 단계 S1310 내지 단계 S1360 중 하나 이상의 단계를 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 13은 시계열적인 순서로 한정되는 것은 아니다.

또한, 서비스는 다음과 같은 형태로 제공될 수 있다.

혈액형(이미지포함)과 SNS(소셜네트워크서비스)가 융합되어 각종 단말기(모바일앱과 인터넷 웹, 기타)등을 통하여 친밀도, 접속횟수, 모임횟수, 접속거부횟수, 자료업다운횟수, 접속시간 등을 직업별, 성별, 연령별, 혈액형별, 인명별, 유명인사별, 지역별, 나라별 등으로 나눠 자신의 현재 위치와 상황을 알려주고 각 분야에서 개선해야할 방향을 제시해 주며 희귀혈액형 등의 새로운 발견에도 기여하며 혈액이 급하게 필요할 때 정보 제공할 수 있는 글로벌 서비스이다.

구체적인 방법은 손가락 5개의 이미지(가위바위보에서 보)에 엄지손가락은 AB형, 검지손가락은 O형, 중지는 B형, 약지는 A형, 새끼손가락은 기타로 분류하여 RH-와 같이 희귀하고 귀중한 혈액형을 표시한다.

먼저 자신과 가족, 지인, 동료 등의 혈액형과 이미지, 각종 프로필, 자신의 꿈 등을 먼저 입력하거나 SNS를 이용해 초대하거나 알려줌으로써 입력하게 된다. 이를 통해 자신의 포지션을 이미지와 도표 등으로 보여 준다.

그리고 이미지 정보를 이용하여 타인의 혈액형을 판단하고 SNS를 통해 타인의 포지션을 파악할 수 있는 서비스도 제공한다. 잘못 분류된 혈액형과 이미지를 자신이 파악을 할 수 있고 타인에 의해서도 파악될 수 있게 한다.

이미지 공개를 꺼리거나 혈액형 공개, 프로필 등의 정보공개를 꺼리는 분들은 주먹 이미지(가위바위보에서 바위)로 분류하여 별도 관리하여 혈액형 맞추기, 가위바위보 게임과 퀴즈게임 등을 이용하여 자연스럽게 공개를 하게끔 유도한다.

단말기간 정보전달 빈도를 수집하며 빈도, 기간 등을 근거로 친밀도를 정한다.

단말기를 점으로 친밀도를 선으로 표현한 친밀도 영상을 생성한다.

또한 인간관계의 폭이 넓고 다양할수록 손모양의 크기가 바뀌는 영상을 생성한다.

사용자가 설정한 혈액형에 따라 친밀도 영상을 필터링한다.

필터링된 친밀도 영상을 제공한다.

검증된 각종 사용자의 정보 등을 제공한다.

이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

110: 단말기 140: 대상 단말기1
150: 대상 단말기2 120: 통신망
130: 가상 혈액형 판단 및 SNS 제공장치
210: 이미지 및 SNS 데이터 수신부 220: 참조이미지 및 트리도 저장부
230: 이미지 비교부 240: 유사여부 판단부
250: 참조이미지 업데이트부 260: 친밀도 계산부
270: 매핑부 280: 송신부
310: 참조이미지 820: 입력이미지
910: 단말기 간 친밀도 1000: 제1 노드
1010: 제2 노드

Claims

입력이미지 및 SNS(Social Networking Service) 사용 데이터 중 적어도 어느 하나를 포함한 성격 정보를 송수신하는 단말기로부터 상기 성격정보를 수신하여, 상기 단말기로 가상혈액형 및 친밀도 네트워크 트리도를 제공하는 시스템에 있어서,
상기 단말기로부터 상기 성격 정보를 수신하고 상기 입력이미지와 기저장된 혈액형별 참조이미지를 비교하여 유사도를 측정하고, 가장 높은 유사도를 가진 측정 참조이미지를 산출하여 상기 측정 참조이미지에 해당하는 혈액형을 가상혈액형으로 판별하고, 상기 단말기에 SNS 서비스를 제공하며, 상기 단말기와 타 단말기 사이의 상기 SNS 서비스 사용 빈도를 근거로 친밀도를 산출하여 상기 가상혈액형별로 친밀도 네트워크 트리도를 제공하는 가상혈액형 판단 및 SNS 제공 장치.
입력이미지를 포함한 성격 정보를 수신하는 이미지 및 SNS 데이터 수신부;
혈액형별로 기저장된 하나 이상의 참조이미지와 상기 입력이미지를 비교하여 상기 참조이미지별로 유사도를 계산하고 상기 유사도 중 가장 높은 수치로 계산된 상기 참조이미지인 측정 참조이미지를 산출하여 상기 측정 참조이미지에 해당하는 혈액형을 가상 혈액형으로 출력하는 이미지 비교부;
상기 가상 혈액형을 송신하는 송신부; 및
혈액형별로 기저장된 상기 참조이미지를 저장하는 참조이미지 및 트리도 저장부
를 포함하는 것을 특징으로 하는 혈액형 판별 장치.
제2항에 있어서,
상기 입력이미지 및 상기 참조이미지는 사람의 얼굴 이미지인 것을 특징으로 하는 혈액형 판별 장치.
제3항에 있어서,
상기 이미지 비교부는,
상기 입력이미지에 나타난 얼굴 형상의 특징과 상기 참조이미지에 나타난 얼굴 형상의 특징을 비교하되,
상기 특징의 각도, 색 및 두께 중 적어도 어느 하나를 포함한 기준에 기반하여 유사도를 판단하는 것을 특징으로 하는 혈액형 판별 장치.
제3항에 있어서,
상기 이미지 비교부는,
상기 입력이미지를 상기 참조이미지들과 비교하여 각각의 유사도를 계산하여, 상기 유사도 중 가장 높은 수치가 기설정된 임계치보다 높다면 상기 가장 높은 수치의 유사도를 가진 참조이미지에 해당하는 혈액형을 출력하고, 상기 가장 높은 수치가 기설정된 임계치보다 낮다면 입력받은 상기 입력이미지를 그대로 출력하는 것을 특징으로 하는 혈액형 판별 장치.
제5항에 있어서,
상기 이미지 비교부의 출력 값이 상기 입력이미지일 때 상기 참조이미지를 업데이트하는 참조이미지 업데이트부를 더 포함하되,
상기 참조이미지 업데이트부는 상기 이미지 비교부의 출력 값이 상기 입력이미지인 경우, 상기 입력이미지에 해당하는 혈액형을 추가로 입력받아서 상기 입력이미지를 상기 참조이미지로서 상기 입력이미지의 혈액형에 업데이트 하는 것을 특징으로 하는 혈액형 판별 장치.
제3항에 있어서,
상기 이미지 비교부는,
혈액형별로 동수의 상기 참조이미지들과 비교하여 유사도를 계산하고, 상기 유사도가 기설정된 임계치를 초과한 참조이미지의 숫자를 혈액형별로 계산하여 상기 숫자가 가장 높은 혈액형을 가상혈액형으로 결정하는 것을 특징으로 하는 혈액형 판별 장치.
제2항에 있어서,
상기 입력이미지 및 상기 참조이미지는 사람의 두상 이미지인 것을 특징으로 하는 혈액형 판별 장치.
제8항에 있어서,
상기 이미지 비교부는,
상기 입력이미지에 나타난 두상의 형태와 상기 참조이미지에 나타난 두상의 형태를 비교하여 전두골이 생성하는 상단 모서리 사이의 유사도를 판단하는 것을 특징으로 하는 혈액형 판별 장치.
제9항에 있어서,
상기 참조이미지는,
혈액형별로 적어도 하나씩 구비하되,
전두골 상부의 형태가 A형은 이마 상부의 양단이 사선 모양이고, B형은 ㅡ모양이고, O형은 원호(⌒)의 모양이고, AB형은 한쪽은 A형의 특징이 있고, 다른쪽은 B형인 특징이 있는 것을 특징으로 하는 혈액형 판별 장치.
제2항에 있어서,
상기 입력이미지 및 상기 참조이미지는 사람의 턱선 및 이마의 이미지인 것을 특징으로 하는 혈액형 판별 장치.
제11항에 있어서,
상기 참조 이미지는,
혈액형별로 적어도 하나씩 구비하되,
상기 이마의 형태가 A형은 돌출부가 사선 형태이고 돌출부의 하단에 꺾인 점을 갖고, B형은 이마 전면부가 기설정된 높이보다 높고, 평평하며, 돌출부가 기 설정된 크기보다 낮은 곡률이고 O형은 이마의 형상이 둥근 모양이고, AB형은 한쪽은 A형의 특징이 있고, 다른쪽은 B형의 특징이 있는 것을 특징으로 하는 혈액형 판별 장치.
제11항에 있어서,
상기 참조 이미지는,
혈액형별로 적어도 하나씩 구비하되,
상기 턱선의 형태가 A형은 뾰족하고, B형은 턱 아랫부분이 평평하고, O형은 둥글고, AB형은 한쪽은 A형의 특징이 있고, 다른 쪽은 B형의 특징이 있는 것을 특징으로 하는 혈액형 판별 장치.
확인 단말기로부터 상기 확인 단말기의 계정을 확인하기 위한 계정 확인 정보, 상기 확인 단말기의 SNS의 대상이 되는 대상 단말기의 계정을 지정하기 위한 계정 지정 정보 및 전송 내용 정보를 수신하여 상기 대상 단말기로 상기 전송 내용 정보를 전송하는 SNS 제공 장치에 있어서,
계정 생성시 또는 이후에 상기 확인 단말기의 사용자 이미지를 입력받아 혈액형별로 기저장된 참조이미지들과 비교하여 가장 유사도가 높은 참조이미지에 해당하는 혈액형으로 가상혈액형을 지정하는 가상혈액형 지정부;
각 계정별 전송 빈도를 기반으로 계산된 친밀도를 상기 가상혈액형별로 계산하는 친밀도 계산부; 및
상기 친밀도를 상기 확인 단말기로 송신하는 송신부
를 포함하는 것을 특징으로 하는 혈액형별 친밀도 제공 장치.
제14항에 있어서,
상기 친밀도가 기설정된 임계치를 넘은 1차 계정을 제1 노드(Node)로 삼아서 상기 확인 단말기의 계정과 연결하고, 상기 1차 계정과의 상기 친밀도가 상기 임계치를 넘은 2차 계정을 제2 노드로 삼아서 상기 1차 계정과 연결하는 방법으로 제N 노드(단, N은 1 이상의 자연수)까지의 친밀도 관계를 계산하여 친밀도 트리(Tree)를 그래픽 데이터로 생성하는 매핑부
를 더 포함하는 것을 특징으로 하는 혈액형별 친밀도 제공 장치.
혈액형 판별 장치를 이용하여 혈액형을 판별하는 방법에 있어서,
단말기로부터 사용자의 입력이미지 및 상기 사용자의 혈액형을 포함한 데이터를 수신하는 통신과정;
상기 데이터에 포함된 상기 입력이미지와 기저장된 참조이미지를 비교하여 유사도를 산출하고 가장 높은 수치를 특정하는 비교 과정;
상기 가장 높은 수치가 기설정된 크기 이상인지 여부를 판단하는 판단 과정;
상기 가장 높은 수치가 기설정된 크기 이하인 경우 상기 입력이미지를 참조이미지로 업데이트하는 업데이트 과정;
상기 가장 높은 수치가 상기 기설정된 크기 이상인 경우 상기 가장 높은 수치를 지닌 참조이미지의 혈액형을 가상 혈액형으로 특정하는 가상 혈액형 특정 과정; 및
상기 가상 혈액형을 상기 단말기로 송신하는 송신 과정
을 포함하는 것을 특징으로 하는 혈액형 판별 방법.
제16항에 있어서,
상기 가상 혈액형 특정 과정 이후에,
상기 사용자에게 SNS 서비스를 제공하는 SNS 제공 과정;
상기 사용자의 상기 SNS 서비스를 이용한 횟수를 대상 사용자별로 계산하는 카운팅 과정;
상기 횟수를 기반으로 친밀도를 산출하는 친밀도 산출 과정;
상기 친밀도를 트리도로 나타내는 매핑 과정; 및
상기 트리도를 상기 단말기로 송신하는 송신 과정
을 더 포함하는 것을 특징으로 하는 혈액형 판별 방법.
제17항에 있어서,
상기 매핑 과정은,
상기 친밀도가 기설정된 임계치를 넘은 대상 사용자의 계정인 1차 계정을 제1 노드(Node)로 삼아서 상기 사용자의 계정과 연결하고, 상기 1차 계정과의 상기 친밀도가 상기 임계치를 넘은 2차 계정을 제2 노드로 삼아서 상기 1차 계정과 연결하는 방법으로 제N 노드(단, N은 1 이상의 자연수)까지의 친밀도 관계를 계산하여 친밀도 트리(Tree)를 그래픽 데이터로 생성하는 것을 특정으로 하는 혈액형 판별 방법.
제18항에 있어서,
상기 매핑 과정은,
상기 제N 노드(단 N은 1 이상의 자연수)의 상기 가상혈액형을 기재하되,
기설정된 내역에 따라 특정된 가상혈액형에 해당하는 상기 제N 노드를 제거하는 것을 특징으로 하는 혈액형 판별 방법.