KR20150072463A - 안면 영상을 이용하는 건강 상태 판단 장치 및 건강 상태 판단 방법 - Google Patents

안면 영상을 이용하는 건강 상태 판단 장치 및 건강 상태 판단 방법 Download PDF

Info

Publication number
KR20150072463A
KR20150072463A KR1020130153847A KR20130153847A KR20150072463A KR 20150072463 A KR20150072463 A KR 20150072463A KR 1020130153847 A KR1020130153847 A KR 1020130153847A KR 20130153847 A KR20130153847 A KR 20130153847A KR 20150072463 A KR20150072463 A KR 20150072463A
Authority
KR
South Korea
Prior art keywords
user
image
health
health state
determining
Prior art date
Application number
KR1020130153847A
Other languages
English (en)
Inventor
도준형
장준수
김종열
Original Assignee
한국 한의학 연구원
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 한국 한의학 연구원 filed Critical 한국 한의학 연구원
Priority to KR1020130153847A priority Critical patent/KR20150072463A/ko
Priority to US14/549,376 priority patent/US20150157243A1/en
Priority to EP14197125.9A priority patent/EP2884414A1/en
Publication of KR20150072463A publication Critical patent/KR20150072463A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/117—Identification of persons
    • A61B5/1171—Identification of persons based on the shapes or appearances of their bodies or parts thereof
    • A61B5/1176—Recognition of faces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/1032—Determining colour for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Computer Security & Cryptography (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Child & Adolescent Psychology (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Software Systems (AREA)

Abstract

건강 상태 판단 방법이 개시된다. 일 실시 예에 의한 건강 상태 방법은, 사용자 안면 영상을 입력받는 단계, 상기 사용자 안면 영상에 대응하는 적어도 하나의 사용자 DB 영상을 독출하는 단계 및 상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 비교하여, 사용자의 건강 상태를 판단하는 단계를 포함한다.

Description

안면 영상을 이용하는 건강 상태 판단 장치 및 건강 상태 판단 방법 {HEALTH STATE DETERMINING METHOD AND HEALTH STATE DETERMINING APPARATUS USING IMAGE OF FACE}
본 개시는 안면 영상을 이용하여 건강 상태를 판단하는 건강 상태 판단 방법 및 건강 상태 판단 장치에 관한 것이다.
현대 사회는 건강에 대한 관심이 나날이 증가하고 있다. 이러한 시대적인 관심과 더불어, 실시간 데이터 수집에 의한 데이터 분석 방식 및 툴(tool)이 고도화되는 등 기술이 비약적으로 발전함에 따라서, 건강 상태를 모니터링하고 개인화된 건강관리 서비스를 제공받는 것이 가능하게 되었다.
또한, 소비자의 의식 변화에 따른 고객 요구의 다양화와 기대수준의 향상으로 건강 서비스 및 관련 시스템 이용의 편리성 및 맞춤화가 강화되고 있는 추세이며, 축적된 개인의 건강 데이터를 바탕으로 생활 습관병 예방이나 체중관리 등의 개인화(personalized) 건강관리 사업이 급속도로 성장하고 있다.
이는 과거 건강관리 서비스가 환자를 대상으로 병원이나 의료기관에서 이루어지는 질병 치료에만 국한되는 헬스 케어(Healthcare) 중심으로 이루어졌다면, 최근 소비자들의 건강관리 니즈(needs)는 건강한 사람을 대상으로 하는 질병의 사전예방 및 건강유지로 선회되고 있음을 반증하는 결과이다.
즉, 생활수준의 향상과 함께 삶의 질(Quality of Life)과 웰빙/wellness에 대한 관심이 증대하면서 소비자들은 차츰 건강상태 측정, 적정 운동량 관리 등의 사전 예방적인 건강관리에 대한 선호도가 높아지고 있다.
본 개시는 상술한 산업 동향에 응답하여 안출된 것으로, 촬영된 안면 영상을 미리 저장한 사용자 DB 영상과 비교하여 건강 상태를 판단하는 건강 상태 판단 방법 및 건강 상태 판단 장치를 제공한다.
일 실시 예에 의한 건강 상태 판단 방법은, 사용자 안면 영상을 입력받는 단계, 상기 사용자 안면 영상에 대응하는 적어도 하나의 사용자 DB 영상을 독출하는 단계 및 상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 비교하여, 사용자의 건강 상태를 판단하는 단계를 포함한다.
다른 실시 예에 의한 건강 상태 판단 방법은, 사용자 인증을 수행하는 단계를 더 포함하고, 여기에서 상기 적어도 하나의 사용자 DB 영상을 독출하는 단계는, 상기 사용자 인증 정보에 대응하는 적어도 하나의 사용자 DB 영상을 독출할 수 있다.
한편, 상기 사용자 인증을 수행하는 단계는, 상기 입력받은 사용자 안면 영상에 대하여 안면인식 알고리즘을 적용하는 단계 및 상기 적용 결과에 기초하여 사용자 인증을 수행하는 단계를 포함할 수 있다.
아울러, 상기 사용자 인증을 수행하는 단계는, 상기 사용자의 인증 정보를 입력받는 단계; 및 상기 입력된 인증 정보를 기설정된 인증 정보와 비교하여 사용자 인증을 수행하는 단계를 포함할 수도 있다.
또한, 상기 적어도 하나의 사용자 DB 영상은, 사용자가 건강한 상태에 대응하는 안면 영상, 사용자가 반건강을 가지는 상태에 대응하는 안면 영상 및 사용자가 병증을 가지는 상태에 대응하는 안면 연상 중 적어도 하나를 포함할 수 있다.
또한, 건강 상태 판단 방법은, 상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 각각 색좌표 변환하여 안색 정보를 생성하는 단계를 더 포함할 수 있다.
한편, 상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 비교하여, 사용자의 건강 상태를 판단하는 단계는, 변환된 색좌표 값에 기초하여, 상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상 각각과의 유사도를 판단하는 단계; 및 유사도가 가장 큰 사용자 DB 영상에 대응하는 건강 상태를 사용자의 건강 상태로 결정하는 단계를 포함할 수 있다.
아울러, 상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 비교하여, 사용자의 건강 상태를 판단하는 단계는, 상기 사용자 안면 영상의 전체 영역과 상기 적어도 하나의 사용자 DB 영상 각각의 전체 영역의 유사도에 기초하여 사용자의 일반 건강 상태를 결정하거나 또는 상기 사용자 안면 영상의 부분 영역과 상기 적어도 하나의 사용자 DB 영상 각각의 부분 영역의 유사도에 기초하여 사용자의 장기별 건강 상태를 결정할 수 있다.
또한, 상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 비교하여, 사용자의 건강 상태를 판단하는 단계는, 상기 적어도 하나의 사용자 DB 영상 중 건강한 상태에 대응하는 안면 영상의 적어도 하나의 부분 영역과 상기 사용자 안면 영상의 적어도 하나의 부분 영역과의 차이도를 판단하는 단계, 상기 차이도가 기설정된 임계치를 초과하는 부분 영역에 대응하는 장기의 건강 상태가 악화된 것으로 판단하는 단계를 포함할 수 있다.
한편, 다른 실시 예에 의한 건강 상태 판단 방법은 상기 적어도 하나의 사용자 DB 영상을 저장하는 단계를 더 포함할 수도 있다.
이 경우, 상기 적어도 하나의 사용자 DB 영상을 저장하는 단계는, 적어도 하나의 사용자 안면 영상을 입력받는 단계, 상기 적어도 하나의 사용자 안면 영상을 보정하는 단계, 상기 적어도 하나의 사용자 안면 영상에 대응하는 건강 상태를 입력받는 단계 및 상기 보정된 사용자 안면 영상 및 대응하는 건강 상태를 상기 적어도 하나의 사용자 DB 영상으로 저장하는 단계를 포함할 수 있다.
또는, 상기 적어도 하나의 사용자 DB 영상을 저장하는 단계는, 복수 개의 시계열적인 사용자 안면 영상을 입력받는 단계, 상기 입력된 복수 개의 시계열적인 사용자 안면 영상에 학습모델을 적용하는 단계 및 상기 학습모델 적용 결과에 기초하여 사용자 DB 영상을 저장하는 단계를 포함할 수 있다.
또한, 상기 적어도 하나의 사용자 DB 영상을 저장하는 단계는, 시계열적인 적어도 하나의 사용자 DB 영상을 저장하는 단계, 상기 적어도 하나의 사용자 DB 영상 및 대응하는 건강 상태를 함께 저장하는 단계 및 사용자의 건강 상태에 대한 시계열적인 변화 정보를 출력하는 단계를 포함할 수 있다.
다른 측면에 의한 건강 상태 판단 장치는, 사용자 안면 영상을 촬영하는 촬영부, 상기 사용자 안면 영상에 대응하는 적어도 하나의 사용자 DB 영상을 저장하는 사용자 데이터베이스, 상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 비교하여, 사용자의 건강 상태를 판단하는 건강 상태 판단부를 포함할 수 있다.
다른 실시 예에 의한 건강 상태 판단 장치는, 사용자 인증을 수행하는 인증부를 더 포함하고, 상기 건강 상태 판단부는, 상기 사용자 인증 정보에 대응하는 적어도 하나의 사용자 DB 영상을 독출하여 상기 사용자 안면 영상과 비교할 수 있다.
여기에서, 상기 인증부는, 입력받은 사용자 안면 영상에 대하여 안면인식 알고리즘을 적용하고, 상기 적용 결과에 기초하여 사용자 인증을 수행할 수 있다.
또는, 건강 상태 판단 장치는 사용자의 인증 정보를 입력받는 입력부를 더 포함하고, 상기 인증부는, 상기 입력된 인증 정보를 기설정된 인증 정보와 비교하여 사용자 인증을 수행할 수도 있다.
한편, 건강 상태 측정 장치는, 상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 각각 색좌표 변환하여 안색 정보를 생성하는 안색 정보 생성부를 더 포함할 수 있다.
또한, 상기 건강 상태 판단부는, 변환된 색좌표 값에 기초하여, 상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상 각각과의 유사도를 판단하고, 유사도가 가장 큰 사용자 DB 영상에 대응하는 건강 상태를 사용자의 건강 상태로 결정할 수 있다.
아울러, 상기 건강 상태 판단부는, 상기 적어도 하나의 사용자 DB 영상 중 건강한 상태에 대응하는 안면 영상의 적어도 하나의 부분 영역과 상기 사용자 안면 영상의 적어도 하나의 부분 영역과의 차이도를 판단하고, 상기 차이도가 기설정된 임계치를 초과하는 부분 영역에 대응하는 장기의 건강 상태가 악화된 것으로 판단할 수도 있다.
다양한 실시 예들에 의하여, 촬영된 안면 영상을 미리 저장한 사용자 DB 영상과 비교하여 건강 상태를 판단하는 건강 상태 판단 방법 및 건강 상태 판단 장치가 제공될 수 있다.
도 1은 일 실시 예에 의한 건강 상태 판단 장치의 블록도이다.
도 2는 일 실시 예에 따른 사용자의 건강 상태를 판단하는 건강 상태 판단 방법의 전체 알고리즘을 나타내는 도면이다.
도 3은 일 실시 예에 의한 사용자 데이터베이스에 사용자 DB 영상 저장 과정을 설명하는 블록도이다.
도 4a 내지 4c는 다양한 실시 예에 따른 건강 상태 판단 방법의 흐름도이다.
도 5는 일 실시 예에 의한 사용자 DB 영상 저장 과정을 설명하기 위한 흐름도이다.
도 6은 색상이 보정된 안면 영상에서 사용자의 특징점을 추출한 화면이다.
도 7은 안면 영역이 구분된 안면 영상이다.
도 8은 사용자 데이터베이스 저장 과정을 설명하기 위한 흐름도이다.
도 9는 일 실시 예에 의한 건강 상태 판단 방법의 흐름도이다.
도 10a 및 10b는 다양한 실시 예에 따른 건강 회복 정도의 그래프들이다.
이하에서, 일부 실시예들을, 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 관례, 새로운 기술의 출현 등에 따라 달라질 수 있다.
또한 특정한 경우는 이해를 돕거나 및/또는 설명의 편의를 위해 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세한 그 의미를 기재할 것이다. 따라서 아래 설명에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가지는 의미와 명세서 전반에 걸친 내용을 토대로 이해되어야 한다.
도 1은 일 실시 예에 의한 건강 상태 판단 장치의 블록도이다.
도 1에 도시된 바와 같이, 건강 상태 판단 장치는, 촬영부(110), 인증부(120), 사용자 데이터베이스(130), 안색 정보 생성부(140) 및 건강 상태 판단부(150)를 포함할 수 있다.
촬영부(110)는 사용자의 안면 영상을 촬영할 수 있다. 촬영부(110)는 중앙연산장치의 제어에 따라서 정지이미지 또는 동영상을 촬영할 수 있다. 촬영부(110)는 촬영에 필요한 광량을 제공하는 보조 광원(예, 플래시(도시되지 아니함))를 포함할 수도 있다. 촬영부(110)는 CCD 또는 포토다이오드 등의 다양한 촬영 소자로 구현될 수 있다. 촬영부(110)는 건강 상태 판단 장치에 물리적으로 포함될 수도 있다. 또는 촬영부(110)는 디지털 카메라 또는 캠코더와 같이 건강 상태 판단 장치와 물리적으로는 독립적이면서, 전기적으로 연결되도록 구현될 수도 있다.
한편, 도시되지는 않았지만, 보정부(미도시)는 촬영된 영상에 대하여 보정을 수행할 수 있다. 예를 들어, 보정부(미도시)는 아티팩트 제거, 반사광에 의한 색 변조 보정 등을 수행할 수 있다. 특히, 보정부(미도시)는 입력된 영상의 색상을 보정할 수 있다.
인증부(120)는 사용자 인증을 수행할 수 있다.
일 실시 예에 의한 인증부(120)는 촬영부(110)로부터 사용자 안면 영상을 입력받아, 입력된 사용자 안면 영상에 기초하여 사용자 인증을 수행할 수 있다. 예를 들어, 인증부(120)는 입력된 사용자 안면 영상에 안면인식프로그램을 적용할 수 있다. 인증부(120)는 PCA(Principal Component Analysis), LDA(Linear Discriminate Analysis), Elastic Bunch Graph Matching, Hidden Markov model, Multilinear Subspace Learning, neuronal motivated dynamic link matching 등과 같은 다양한 안면인식프로그램을 적용할 수 있으며, 안면인식프로그램의 종류에는 제한이 없음을 당업자는 용이하게 이해할 수 있을 것이다. 인증부(120)는 인식 결과에 기초하여 입력된 안면 영상에 대응하는 사용자를 확인할 수 있다. 인증부(120)는 확인된 사용자 계정으로 인증을 수행할 수 있다. 한편, 인증부(120)가 안면인식프로그램 적용 결과에 기초하여 사용자 인증을 수행하는 것은 단순히 예시적인 것으로, 인증부(120)는 안면 영상을 이용하는 사용자 식별 방법, 예를 들어 홍채 인식 방법 등을 이용하여 사용자 확인 및 인증 절차를 수행할 수도 있음은 자명할 것이다.
다른 실시 예에 의한 인증부(120)는 사용자로부터 인증 정보를 입력받을 수도 있다. 예를 들어, 건강 상태 판단 장치는 입력부(미도시)를 더 포함할 수도 있다. 입력부(미도시)는 예를 들어 키 패드 또는 소프트 키를 포함하는 터치스크린 등으로 구현될 수 있으며, 사용자로부터 인증 정보를 수신하여 인증부(120)로 전달할 수 있다. 여기에서, 인증 정보는 예를 들어 사용자 식별자 및 패스워드 중 적어도 하나를 포함할 수 있다. 인증부(120)는 입력된 인증 정보를 기저장된 인증 정보와 대응하여 사용자 인증을 수행할 수 있다.
사용자 데이터베이스(130)는 사용자 DB 영상을 사용자별로 저장할 수 있다. 또한, 사용자 데이터베이스(130)는 사용자별로 복수 개의 상이한 건강 상태에 대한 사용자 DB 영상을 포함할 수 있다. 예를 들어, 사용자 데이터베이스(130)는 하기 표 1과 같이 분류된 적어도 하나의 사용자 DB 영상을 포함할 수 있다.
제1사용자
 건강한 경우 제 1 영상
반건강을 가지는 경우 제 2 영상
병증을 가지는 경우 제 3 영상

제2사용자
 건강한 경우 제 4 영상
반건강을 가지는 경우 제 5 영상
병증을 가지는 경우 제 6 영상

제3사용자
 건강한 경우 제 7 영상
반건강을 가지는 경우 제 8 영상
병증을 가지는 경우 제 9 영상
상기의 표 1과 같이 사용자 데이터베이스(130)는 제1사용자의 건강한 경우에 대응하는 제1영상, 제1사용자의 반건강을 가지는 경우에 대응하는 제2영상, 제1사용자의 병증을 가지는 경우에 대응하는 제3영상을 저장할 수 있다. 아울러, 사용자 데이터베이스(130)는 제2사용자의 건강한 경우에 대응하는 제4영상, 제2사용자의 반건강을 가지는 경우에 대응하는 제5영상, 제2사용자의 병증을 가지는 경우에 대응하는 제6영상을 저장할 수 있다. 또한, 사용자 데이터베이스(130)는 제3사용자의 건강한 경우에 대응하는 제7영상, 제3사용자의 반건강을 가지는 경우에 대응하는 제8영상, 제3사용자의 병증을 가지는 경우에 대응하는 제9영상을 저장할 수 있다. 한편, 표 1의 건강한 경우, 반건강을 가지는 경우, 병증을 가지는 경우 등의 분류 기준은 단순히 예시적인 것으로 다양한 변경 실시가 가능함을 당업자는 용이하게 이해할 수 있을 것이다. 뿐만 아니라, 상술한 설명에서는 사용자 데이터베이스(130)는 제1영상 내지 제9영상과 같이 영상 자체를 포함하는 것과 같이 설명되었지만 이 또한 단순히 예시적인 것이다. 사용자 데이터베이스(130)는 상술한 영상 자체의 그래픽 데이터를 저장할 수도 있으나, 각각의 영상의 컬러 정보만을 포함할 수도 있다. 예를 들어, 사용자 데이터베이스(130)는 제1영상 내지 제9영상 자체가 아닌 제1영상의 색좌표 데이터 내지 제9영상의 색좌표 데이터를 포함할 수도 있다. 이 경우, 색좌표 데이터는 각각의 영상 전체의 색좌표 정보, 또는 통계 처리된 색좌표 정보일 수 있다. 또는 색좌표 데이터는 안면을 적어도 하나의 부분 영역에 대한 색좌표 정보를 포함할 수도 있다.
한편, 표 1과 같이 특정한 영상이 건강한 경우, 반건강을 가지는 경우, 병증을 가지는 경우 등으로 분류되어 저장되는 것은, 사용자 DB 영상 저장 시에 분류 기준을 입력받아 수행될 수 있다. 예를 들어, 특정 영상을 촬영하여 사용자 데이터베이스(130)에 저장하는 경우, 추가적으로 해당 영상이 어떠한 분류 기준에 속하는지를 더 입력받을 수 있으며, 이에 따라 표 1과 같은 사용자 DB 영상이 분류 기준에 따라 저장될 수 있다.
또 다른 실시 예에서, 특정한 영상이 입력되는 경우에 기설정된 기준에 의하여 자동 분류되어 저장될 수 있다. 예를 들어, 건강 상태 판단 장치는 건강 분류 함수에 입력 영상을 적용할 수 있으며, 그 결과에 기초하여 입력 영상을 분류 저장할 수 있다. 이에 대하여서는 더욱 상세하게 후술하도록 한다.
한편, 사용자 데이터베이스(130)에 저장된 사용자 DB 영상은 신규 영상이 입력되어 업데이트될 수도 있다. 또는, 학습부(미도시)는 시계열적으로 입력되는 사용자 DB 영상에 대하여 학습모델을 적용하여 보다 정확한 사용자 DB 영상을 저장할 수도 있다.
학습부(미도시)는 입력되는 복수 개의 사용자 DB 영상을 서로 비교하여 개선된 사용자 DB 영상을 저장할 수 있다. 예를 들어, 학습부(미도시)는 복수 개의 사용자 DB 영상 후보를 입력받을 수 있다. 학습부(미도시)는 사용자 DB 영상 후보를 비교할 수 있다. 학습부(미도시)는 비교 결과에 기초하여 개선된 사용자 DB 영상을 검출하여, 사용자 DB 영상으로 저장할 수 있다. 학습부(미도시)는 복수 개의 사용자 DB 영상 후보 중 학습모델에 가장 부합하는 사용자 DB 영상 후보를 사용자 DB 영상으로 저장할 수 있다.
안색 정보 생성부(140)는 촬영부(110)로부터 입력되는 안면 영상으로부터 안색 정보를 생성할 수 있다. 예를 들어, 안색 정보 생성부(140)는 입력된 안면 연상을 색좌표 변환할 수 있으며, 이에 따라 픽셀 별 변환된 색좌표 정보를 생성할 수 있다. 또는, 안색 정보 생서부(140)는 안면의 적어도 하나의 부분 영역 각각에 대응하는 색좌표 정보를 생성할 수도 있다. 안색 정보 생성부(140)는 YCrCb, RGB, HSV, HSL, 정규화된 RGB, CIE-XYZ, CIE-Lab, CIE-Luv 등과 같은 다양한 색좌표에 기초하여 안색 정보를 생성할 수 있으며, 색좌표의 종류에는 제한이 없다.
건강 상태 판단부(150)는 촬영부(110)에서 촬영된 안면 영상과 기저장된 사용자 DB 영상을 비교하고, 그 비교 결과에 기초하여 건강 상태를 판단할 수 있다. 건강 상태 판단부(150)는 사용자 데이터베이스(130)로부터 인증된 사용자에 대응하는 사용자 DB 영상을 로드할 수 있다. 예를 들어, 사용자 데이터베이스(130)는 표 1과 같은 사용자 DB 영상을 포함하고, 제2사용자가 인증을 수행한 경우를 상정하도록 한다. 이러한 경우에는, 건강 상태 판단부(150)는 사용자 데이터베이스(130)로부터 인증된 사용자인 제2사용자에 대응하는 제4영상 내지 제6영상을 로드할 수 있다.
건강 상태 판단부(150)는 촬영된 안면 영상을 사용자 데이터베이스(130)로부터 로드한 사용자 DB 영상과 비교할 수 있다. 예를 들어, 건강 상태 판단부(150)는 촬영된 안면 영상을 제4영상 내지 제6영상과 비교할 수 있다. 건강 상태 판단부(150)는 영상 대 영상으로 직접 비교를 수행할 수 있으며, 또는 안색 정보 생성부(140)에서 생성된 안색 정보에 기초하여 비교를 수행할 수도 있다.
일 실시 예에서, 건강 상태 판단부(150)는 촬영된 안면 영상 및 대응하는 적어도 하나의 사용자 DB 영상을 비교하여 유사도를 획득할 수 있다. 예를 들어, 건강 상태 판단부(150)는 촬영된 안면 영상을 제4영상 내지 제6영상 각각과 비교하여 각각에 대한 유사도를 획득할 수 있다. 건강 상태 판단부(150)는 예를 들어 두 비교 대상에 대한 상관함수에 기초하여 유사도를 획득할 수 있으나, 유사도를 측정하는 방법에는 제한이 없다. 건강 상태 판단부(150)는 예를 들어 하기 표 2와 같은 유사도를 획득할 수 있다.
제4영상과의 유사도 제5영상과의 유사도 제6영상과의 유사도
유사도 0.3 0.9 0.7
표 2의 예시에서, 건강 상태 판단부(150)는 유사도가 가장 높은 경우에 대응하는 건강 상태를 현재 사용자의 전반적인 건강 상태로 판단할 수 있다. 예를 들어, 표 2에서는 제5영상과의 유사도가 가장 높은 것을 확인할 수 있으며, 건강 상태 판단부(150)는 사용자의 전반적인 건강 상태는 반건강을 가진 상태로 판단할 수 있으며, 판단 결과를 출력할 수 있다. 한편, 표 2는 유사도 판단을 안면 전체 영역에서 수행한 결과이며, 다른 실시 예에서 건강 상태 판단부(150)는 유사도 판단을 안면의 부분 영역별로 수행할 수도 있다. 표 3은 다른 실시 예에 의한 유사도이다.
제4영상과의 유사도 제5영상과의 유사도 제6영상과의 유사도
이마 영역 유사도 0.8 0.2 0.1
뺨 영역 유사도 0.2 0.9 0.8
코 영역 유사도 0.1 0.9 0.7
건강 상태 판단부(150)는 도 3과 같은 유사도를 획득하고, 보다 세부적인 건강 상태를 판단할 수 있다. 건강 상태 판단부(150)는 각 부분 영역별로 유사도가 가장 높은 경우에 대응하는 건강 상태를 현재 사용자의 장기별 건강 상태로 판단할 수 있다. 예를 들어, 이마 영역 유사도는 제4영상과의 유사도가 가장 높으며, 건강 상태 판단부(150)는 이마 영역에 대응하는 제1장기는 건강한 것으로 판단할 수 있다. 아울러, 뺨 영역 유사도는 제5영상과의 유사도가 가장 높으며, 건강 상태 판단부(150)는 뺨 영역에 대응하는 제2장기는 반건강을 가지는 것으로 판단할 수 있다. 또한, 코 영역 유사도는 제5영상과의 유사도가 가장 높으며, 건강 상태 판단부(150)는 코 영역에 대응하는 제3장기는 반건강을 가지는 것으로 판단할 수 있다.
상술한 바와 같이, 건강 상태 판단부(150)는 촬영된 안면 영상 및 사용자 DB 영상 사이의 유사도에 기초하여 사용자의 전반적인 건강상태 또는 장기별 건강상태를 판단할 수 있다.
한편, 다른 실시 예에서 건강 상태 판단부(150)는 입력된 안면 영상을 건강한 상태에 대응하는 사용자 DB 영상과 비교하여, 비교 결과에 따라 건강 상태를 판단할 수 있다. 건강 상태 판단부(150)는 입력된 안면 영상 및 건강한 상태에 대응하는 사용자 DB 영상과 비교하여 차이도를 판단할 수 있다. 예를 들어, 건강 상태 판단부(150)는 입력된 안면 영상의 색좌표 정보 및 건강한 상태에 대응하는 사용자 DB 영상의 색좌표 정보의 차이에 기초하여 차이도를 판단할 수 있다. 건강 상태 판단부(150)는 판단된 차이도가 기설정된 임계치를 초과하면 사용자의 전반적인 건강 상태가 악화된 것으로 판단할 수 있다. 한편, 건강 상태 판단부(150)는 차이도 판단을 안면 전체 영역에 대하여 수행할 수 있으며, 또는 안면의 부분 영역별로 수행할 수도 있다. 이에 따라, 건강 상태 판단부(150)는 안면의 부분 영역 각각에 대응하는 장기별 건강 상태를 판단할 수도 있다.
한편, 건강 상태 판단부(150)는 상술한 장기별 건강 상태 판단을 체질별로 수행할 수 있다. 예를 들어, 건강 상태 판단부(150)는 차이도에 대응하는 건강 상태를 태양인/태음인/소양인/소음인 별로 상이하게 설정할 수 있다. 이에 따라, 동일한 차이도가 검출된 경우에도, 태양인의 해당 장기는 건강 상태가 양호한 것으로 판단될 수 있으나 태음인의 해당 장기는 건강 상태가 악화된 것으로 판단될 수도 있다. 차이도에 대응하는 건강 상태는 체질별로 기설정될 수 있다.
도 2는 일 실시 예에 따른 사용자의 건강 상태를 판단하는 건강 상태 판단 방법의 전체 알고리즘을 나타내는 도면이다. 도 2는, 예를 들어 도 1의 사용자 데이터베이스(215)에 저장되는 사용자 DB 영상의 분류가 자동으로 수행되는 경우에 적용되는 건강 분류 함수를 설명하기 위한 것이다.
도 2를 참조하면, 일 실시 예에 따른 건강 상태 판단 방법은 사용자의 건강 상태를 판단하기 위하여 사용자에 대한 물리량 정보(200), 신상 정보(210) 및 사용자의 체질 정보(220)를 입력받을 수 있다.
신상 정보(210)는 사용자의 나이, 성별, 키, 몸무게, BMI(체질량 지수), 직업, 교육 수준 등 사용자의 신상에 대한 정보를 포함할 수 있다.
사용자에 대한 물리량 정보(200)는 사용자의 건강을 판단하기 위한 변수로서 사용자의 물리적 요소에 대한 측정값을 나타낸다. 예를 들어, 사용자에 대한 물리량 정보(200)는 사용자의 음성과 연관된 음성 정보(201), 사용자의 맥파(脈波)와 연관된 맥파 정보(202), 사용자의 안면의 색과 연관된 안색 정보(203), 사용자의 피부와 연관된 피부 정보(204) 및 사용자가 건강과 관련하여 작성한 설문에 대한 설문 정보(205)를 포함할 수 있다. 사용자에 대한 복수 개의 물리량 정보(200)는 사용자의 건강을 판단하기 위한 건강 분류 함수(230)의 변수로서 건강 분류 함수(230)에 입력될 수 있다.
건강 분류 함수(230)는 사용자의 건강을 판단하기 위한 함수로서, 사용자에 대한 물리량 정보(200), 신상 정보(210) 및 체질 정보(220)를 입력 받아 사용자의 건강 상태에 대한 정보를 산출할 수 있는 함수일 수 있다.
건강 분류 함수(230)는 복수 개의 임상 데이터를 이용하여 생성될 수 있다. 예를 들어, 건강 상태 판단 방법은 복수 개의 임상 데이터를 분류 모델에 입력하여 함수식을 산출할 수 있고, 이 때 산출된 함수식이 건강 분류 함수(230)로 사용될 수 있다. 분류 모델은 로지스틱 회귀 분석(Logistic Regression Analysis), 뉴럴 네트워크 분석(Neural Network), 서포트 벡터 머신(Support Vector machine) 분석, 의사 결정 트리(Decision Tree) 분석 및 선형 판별 분석(LDA) 중 적어도 하나가 될 수 있다.
실시예에 따라서는, 건강 분류 함수(230)는 사용자의 체질 별로 별개로 구현될 수 있다. 즉, 태음인(221)에 대한 건강 분류 함수, 소음인(222)에 대한 건강 분류 함수, 소양인(223)에 대한 건강 분류 함수 및 태양인(224)에 대한 건강 분류 함수는 별개로 구현될 수 있다. 이때, 건강 상태 판단 방법은 사용자의 체질 정보(220)를 입력받음으로써, 사용자의 체질에 따른 건강 분류 함수를 선택하고, 선택된 건강 분류 함수를 이용하여 사용자 데이터베이스에 분류 기준에 따른 영상 저장이 수행될 수 있다.
일 실시 예에 따른 건강 상태 판단 방법은 입력받은 정보에 기반하여 사용자의 건강 상태(240)를 건강(241), 반건강(242) 및 병증(243)로 분류할 수 있다. 건강 상태 판단 방법은, 분류에 따라서 사용자 DB 영상을 사용자 데이터베이스(215)에 저장할 수 있다.
도 3은 일 실시 예에 의한 사용자 데이터베이스에 사용자 DB 영상 저장 과정을 설명하는 블록도이다.
촬영부(310)는 사용자 DB 영상 생성을 위한 영상을 촬영할 수 있다.
보정부(320)는 촬영된 영상된 영상에 대하여 보정을 수행할 수 있다. 예를 들어, 보정부(320)는 아티팩트 제거, 반사광에 의한 색 변조 보정 등을 수행할 수 있다.
사용자 데이터베이스(330)는 보정된 사용자 DB 영상을 분류 기준별로 저장할 수 있다.
도 4a 내지 4c는 다양한 실시 예에 따른 건강 상태 판단 방법의 흐름도이다.
우선, 도 4a를 참조하면, 단계 410에서 건강 상태 판단 방법은 안면 영상을 촬영할 수 있다. 건강 상태 판단 방법은 예를 들어 촬영 수단을 직접 포함하여 안면 영상을 촬영할 수 있다. 또는, 건강 상태 판단 방법은 안면 영상을 획득할 수도 있다. 예를 들어, 건강 상태 판단 방법은 물리적으로 분리된 촬영 수단으로부터 안면 영상을 입력받을 수 있다. 또는, 건강 상태 판단 방법은 기저장된 안면 영상을 로드하여 획득할 수도 있다. 또는, 건강 상태 판단 방법은 통신이 가능한 외부 소스로부터 안면 영상을 로드하여 획득할 수도 있다.
단계 420에서, 건강 상태 판단 방법은 사용자 인증을 수행할 수 있다. 상술한 바와 같이, 일 실시 예에 따른 건강 상태 판단 방법은 획득된 안면 영상에 기초하여 사용자 인증을 수행할 수 있다. 또는 건강 상태 판단 방법은 인증 정보를 더 입력받을 수도 있으며, 입력된 인증 정보에 기초하여 사용자 인증을 수행할 수도 있다.
단계 430에서, 건강 상태 판단 방법은 인증된 사용자에 대응하는 기저장된 사용자 DB 영상을 로드할 수 있다. 사용자 DB 영상은, 예를 들어 사용자가 건강한 경우, 반건강을 가지는 경우. 병증을 가지는 경우에 대응하는 안면 영상을 포함할 수 있다.
단계 440에서, 건강 상태 판단 방법은 획득된 안면 영상 및 사용자 DB 영상을 비교할 수 있다. 단계 450에서, 건강 상태 판단 방법은 비교 결과에 기초하여 건강 상태를 판단할 수 있다.
도 4b 및 4c는 다양한 실시 예에 기초한 획득된 안면 영상 및 사용자 DB 영상의 비교 방법에 대한 흐름도들이다.
도 4b를 참조하면, 단계 441에서 건강 상태 판단 방법은 획득 영상 및 사용자 DB 영상을 비교할 수 있다.
단계 442에서, 건강 상태 판단 방법은 사용자 DB 영상 각각에 대한 유사도를 판단할 수 있다.
단계 443에서, 건강 상태 판단 방법은 최고 유사도 대응 건강 상태를 현 건강 상태로 판단할 수 있다.
상술한 바와 같이, 건강 상태 판단 방법은 상기 비교를 영상 전체 영역에서 수행할 수 있거나 또는 영상 부분 영역별로 수행할 수도 있다.
도 4c를 참조하면, 단계 444에서 건강 상태 판단 방법은 획득 영상 및 사용자 DB 영상을 비교할 수 있다. 여기에서, 사용자 DB 영상은 사용자가 건강한 상태에 대응하는 사용자 DB 영상일 수 있다.
단계 445에서, 건강 상태 판단 방법은 안면 부분 영역 중 차이도가 임계치를 초과하는 부분 영역을 검출할 수 있다.
단계 446에서, 건강 상태 판단 방법은 해당 부분에 대응하는 기관의 건강도 변화 정보를 출력할 수 있다. 예를 들어, 건강 상태 판단 방법은 차이도가 임계치를 초과하는 부분 영역에 대응하는 기관의 건강이 악화된 것으로 판단할 수 있다. 또는, 건강 상태 판단 방법은 임계치를 복수 개 설정할 수도 있으며, 세부 건강 상태를 설정할 수도 있다.
도 5는 일 실시 예에 의한 사용자 DB 영상 저장 과정을 설명하기 위한 흐름도이다.
단계 510에서, 건강 상태 판단 방법은 사용자의 안면을 포함하는 안면 영상을 획득할 수 있다.
단계 520에서, 건강 상태 판단 방법은 안면 영상의 색상을 보정할 수 있다. 또는 건강 상태 판단 방법은 안면 영상의 아티팩트 등의 보정을 더 수행할 수도 있다.
단계 530에서, 건강 상태 판단 방법은 안면 영상에 대응하는 건강 상태를 입력받을 수도 있다. 예를 들어, 획득된 안면 영상이 건강한 상태, 반건강을 가지는 상태, 병증을 가지는 상태 등의 분류 기준 중 어느 분류 기준에 속하는지를 더 입력받을 수 있다.
단계 540에서, 건강 상태 판단 방법은 안면 영상을 입력된 분류 기준에 따라서 사용자 데이터베이스에 저장할 수 있다.
도 6은 색상이 보정된 안면 영상(600')에서 사용자의 특징점(●)을 추출한 화면이다. 특징점은 안면 영상 내에 포함된 픽셀들의 각 픽셀값을 확인하여 경계선 및 윤곽선을 추출하는 방식을 이용하여 검출될 수 있다.
특징점이 검출될 경우, 이마의 가운데 특징점과 입술 중앙의 특징점을 연결한 얼굴 중심선(C1), 눈 가장 자리의 특징점을 연결한 제1 얼굴 구분선(C2), 귀볼 끝의 특징점과 콧망울의 특징점을 연결한 제2 얼굴 구분선(C3)과, 입술 가장자리의 특징점을 연결한 제3 얼굴 구분선(C4)을 안면 영상(600')에 형성할 수 있다. 얼굴 중심선(C1) 과 제1 내지 제3 얼굴 구분선(C2~C4)은 안면(얼굴)에 포함된 다수의 안면 영역을 구분하는데 이용된다.
도 7은 안면 영역이 구분된 안면 영상(600')이다. 도 6을 참조하면, 안면에서 얼굴 중심선(C1)을 기준으로 안면이 좌측과 우측으로 구분되고, 제1 내지 제3 얼굴 구분선(C2~C4)를 기준으로 안면 영역인 이마, 상부 뺨, 하부, 뺨, 코, 턱이 구분될 수 있다. 따라서, 안면 영상(600')은 좌측 이마 영역(1), 우측 이마 영역(2), 전체 이마 영역(1+2), 좌측 상부 뺨 영역(3), 좌측 하부 뺨 영역(6), 좌측 전체 뺨 영역(3+4), 우측 상부 뺨 영역(5), 우측 하부 뺨 영역(6), 우측 전체 뺨 영역(5+6), 좌측 코 영역(7), 우측 코 영역(8), 전체 코 영역(7+8), 좌측 턱 영역(9), 우측 턱 영역(10), 전체 턱 영역(9+10), 좌측 눈 영역(11), 우측 눈 영역(12), 양쪽 눈 영역(11+12), 좌측 눈 아래 영역(15), 우측 눈 아래 영역(16), 좌측 입술 영역(13), 우측 입술 영역(14) 및 전체 입술 영역(13+14) 중 적어도 어느 하나가 될 수 있다.
도 7에 도시된 각 안색 영역(600')에서 픽셀들에 대한 색 성분을 검출하고, 색 성분에 대한 평균, 표준편차, 히스토그램에서 최빈값 및CV값 중 적어도 하나를 산출하여 각 안색 영역에서 대한 안색 성분을 생성할 수 있다.
이렇게 생성된 안색 성분을 취합/결합하여 안면(얼굴) 전체에 대한 안색 정보를 생성할 수 있다.
도 8은 사용자 데이터베이스 저장 과정을 설명하기 위한 흐름도이다.
도 8을 참조하면, 단계 810에서, 건강 상태 판단 방법은 사용자의 체질에 대한 체질 정보를 입력받는다. 단계 820에서, 사용자의 안색에 대한 안색 정보를 입력 받으며, 단계 830에서 사용자의 신상에 대한 신상 정보를 입력받는다.
이후, 단계 840에서 건강 상태 판단 방법은 체질 정보에 대응하는 건강 분류 함수를 호출한다.
840 단계를 실행함에 있어서, 먼저, 건강 분류 함수를 체질별로 생성한다. 구체적으로, 복수 개의 안색 성분을 포함하는 참조 안색 정보를 복수 개 입력받고, 복수 개의 참조 안색 정보 각각에 대응하는 복수 개의 임상 데이터를 입력받는다. 복수 개의 안색 성분은 안색의 밝기 성분, 붉은색 성분, 푸른색 성분 등과 같이 안색 특성을 나타내는 요소가 될 수 있다. 또한, 임상 데이터는 임상 시험 대상자의 체질에 대한 체질 정보, 대상자의 신상에 대한 신상 정보 및 대상자의 건강 상태에 대한 건강 상태 정보 중 적어도 하나를 포함할 수 있다.
이후, 복수 개의 참조 안색 정보 및 복수 개의 임상 데이터를 체질 별로 분류한다. 이는 태음인, 소음인, 소양인, 태양인에 따라 공통적으로 나타나는 참조 안색 정보 및 임상 데이터를 확인하기 위한 것이다.
다음, 체질 별로 분류된 참조 안색 정보 및 임상 데이터와 분류 모델을 이용하여 복수 개의 안색 성분과 건강 상태 사이의 상관 관계를 체질별로 연산한다. 복수 개의 안색 성분과 건강 상태 사이의 상관 관계란, 소정의 체질을 갖는 사용자가 어떤 안색 성분을 갖는 경우 건강할 확률이 높은지, 또는 건강할 확률이 낮은지를 나타내는 지표이다. 상관 관계 연산에 이용되는 분류 모델은 로지스틱 회귀 분석(Logistic Regression Analysis), 뉴럴 네트워크 분석(Neural Network), 서포트 벡터 머신(Support Vector machine) 분석, 의사 결정 트리(Decision Tree) 분석 및 선형 판별 분석(LDA) 중 적어도 하나가 될 수 있다.
체질별로 분류된 참조 안색 정보 및 임상 데이터와 분류 모델을 이용하여 복수 개의 안색 성분으로부터 적어도 하나의 주요 안색 성분을 체질별로 추출한다. 이 과정을 통해 각 체질별로 건강 상태를 용이하게 나타낼 수 있는 주요 안색 성분을 추출할 수 있다.
이후, 추출된 적어도 하나의 주요 안색 성분 및 연산된 상관 관계를 이용하여 건강 분류 함수를 체질별로 생성한다. 이 같이 체질별로 생성된 건강 분류 함수 중에서 810 단계를 통해 입력된 체질 정보에 대응하는 건강 분류 함수를 호출할 수 있다.
단계 850에서, 건강 상태 판단 방법은 호출된 건강 분류 함수에, 안색 정보 및 신상 정보를 입력하여 사용자의 건강 상태를 판단하고, 사용자 데이터베이스에 분류 기준별로 저장할 수 있다.
도 9는 일 실시 예에 의한 건강 상태 판단 방법의 흐름도이다.
단계 910에서, 건강 상태 판단 방법은 사용자 데이터베이스 정보를 시계열적으로 저장할 수 있다. 예를 들어, 건강 상태 판단 방법 시계열적인 사용자 전반 건강 상태를 저장하거나 또는 시계열적인 사용자 기관별 건강 상태를 저장할 수 있다.
단계 920에서, 건강 상태 판단 방법은 시계열적 사용자 건강 추이를 도출할 수 있다.
단계 930에서, 건강 상태 판단 방법은, 건강 회복 정도를 시계열적으로 표시할 수 있으며, 이에 따라 사용자는 건강 회복 또는 악화의 시계열적 변화를 용이하게 파악할 수 있다. 아울러, 건강 상태 판단 방법은 시계열적인 건강 상태 변경에 기초하여, 건강 회복 정도를 도출할 수도 있으며, 도출된 건강 회복 정도를 더 표시할 수도 있다.
도 10a는 일 실시 예에 따른 건강 회복 정도의 그래프이다.
건강 상태 판단 방법은 시계열적 사용자 데이터베이스 정보의 그래프를 출력할 수 있다. 도 10a의 실시 예는 사용자 건강 전반의 상태에 대한 시계열적 정보이다. 이에 따라, 사용자는 자신의 건강 전반이 어떠한 추이를 가지고 진행되었는지를 확인할 수 있다.
도 10b는 다른 실시 예에 따른 건강 회복 정도의 그래프이다.
건강 상태 판단 방법은 시계열적 사용자 데이터베이스 정보의 그래프를 출력할 수 있다. 도 10b의 실시 예는 사용자 기관별 건강 상태에 대한 시계열적 정보이다. 예를 들어, 도 10b에서는 심장 기관과 폐 기관 각각이 다른 그래프로 표시될 수 있으며, 이에 따라 사용자는 기관별 건강이 어떠한 추이를 가지고 진행되었는지를 확인할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable 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.
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.
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.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 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, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

Claims (20)

  1. 사용자 안면 영상을 입력받는 단계;
    상기 사용자 안면 영상에 대응하는 적어도 하나의 사용자 DB 영상을 독출하는 단계; 및
    상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 비교하여, 사용자의 건강 상태를 판단하는 단계
    를 포함하는 건강 상태 판단 방법.
  2. 제 1 항에 있어서,
    사용자 인증을 수행하는 단계를 더 포함하고,
    상기 적어도 하나의 사용자 DB 영상을 독출하는 단계는, 상기 사용자 인증 정보에 대응하는 적어도 하나의 사용자 DB 영상을 독출하는 건강 상태 판단 방법.
  3. 제 2 항에 있어서,
    상기 사용자 인증을 수행하는 단계는,
    상기 입력받은 사용자 안면 영상에 대하여 안면인식 알고리즘을 적용하는 단계; 및
    상기 적용 결과에 기초하여 사용자 인증을 수행하는 단계
    를 포함하는 건강 상태 판단 방법.
  4. 제 2 항에 있어서,
    상기 사용자 인증을 수행하는 단계는,
    상기 사용자의 인증 정보를 입력받는 단계; 및
    상기 입력된 인증 정보를 기설정된 인증 정보와 비교하여 사용자 인증을 수행하는 단계
    를 포함하는 건강 상태 판단 방법.
  5. 제 1 항에 있어서,
    상기 적어도 하나의 사용자 DB 영상은, 사용자가 건강한 상태에 대응하는 안면 영상, 사용자가 반건강을 가지는 상태에 대응하는 안면 영상 및 사용자가 병증을 가지는 상태에 대응하는 안면 연상 중 적어도 하나를 포함하는 건강 상태 판단 방법.
  6. 제 1 항에 있어서,
    상기 입력된 사용자 안면 영상의 색상을 보정하는 단계
    를 더 포함하는 건강 상태 판단 방법.
  7. 제 1 항에 있어서,
    상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 각각 색좌표 변환하여 안색 정보를 생성하는 단계를 더 포함하는 건강 상태 판단 방법.
  8. 제 7 항에 있어서,
    상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 비교하여, 사용자의 건강 상태를 판단하는 단계는,
    변환된 색좌표 값에 기초하여, 상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상 각각과의 유사도를 판단하는 단계; 및
    유사도가 가장 큰 사용자 DB 영상에 대응하는 건강 상태를 사용자의 건강 상태로 결정하는 단계
    를 포함하는 건강 상태 판단 방법.
  9. 제 8 항에 있어서,
    상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 비교하여, 사용자의 건강 상태를 판단하는 단계는,
    상기 사용자 안면 영상의 전체 영역과 상기 적어도 하나의 사용자 DB 영상 각각의 전체 영역의 유사도에 기초하여 사용자의 일반 건강 상태를 결정하거나 또는 상기 사용자 안면 영상의 부분 영역과 상기 적어도 하나의 사용자 DB 영상 각각의 부분 영역의 유사도에 기초하여 사용자의 장기별 건강 상태를 결정하는 건강 상태 판단 방법.
  10. 제 7 항에 있어서,
    상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 비교하여, 사용자의 건강 상태를 판단하는 단계는,
    상기 적어도 하나의 사용자 DB 영상 중 건강한 상태에 대응하는 안면 영상의 적어도 하나의 부분 영역과 상기 사용자 안면 영상의 적어도 하나의 부분 영역과의 차이도를 판단하는 단계; 및
    상기 차이도가 기설정된 임계치를 초과하는 부분 영역에 대응하는 장기의 건강 상태가 악화된 것으로 판단하는 단계
    를 포함하는 건강 상태 판단 방법.
  11. 제 10 항에 있어서,
    상기 차이도가 기설정된 임계치를 초과하는 부분 영역에 대응하는 장기의 건강 상태가 악화된 것으로 판단하는 단계는,
    체질별로 설정된 임계치 및 상기 차이도를 비교하여 건강 상태 악화 여부를 판단하는 건강 상태 판단 방법.
  12. 제 1 항에 있어서,
    상기 적어도 하나의 사용자 DB 영상을 저장하는 단계
    를 더 포함하는 건강 상태 판단 방법.
  13. 제 12 항에 있어서,
    상기 적어도 하나의 사용자 DB 영상을 저장하는 단계는,
    적어도 하나의 사용자 안면 영상을 입력받는 단계;
    상기 적어도 하나의 사용자 안면 영상을 보정하는 단계;
    상기 적어도 하나의 사용자 안면 영상에 대응하는 건강 상태를 입력받는 단계; 및
    상기 보정된 사용자 안면 영상 및 대응하는 건강 상태를 상기 적어도 하나의 사용자 DB 영상으로 저장하는 단계
    를 포함하는 건강 상태 판단 방법.
  14. 제 12 항에 있어서,
    상기 적어도 하나의 사용자 DB 영상을 저장하는 단계는,
    복수 개의 사용자 안면 영상을 입력받는 단계;
    상기 입력된 복수 개의 사용자 안면 영상에 학습모델을 적용하는 단계; 및
    상기 학습모델 적용 결과에 기초하여 사용자 DB 영상을 저장하는 단계를 포함하는 건강 상태 판단 방법.
  15. 제 12 항에 있어서,
    상기 적어도 하나의 사용자 DB 영상을 저장하는 단계는,
    시계열적인 적어도 하나의 사용자 DB 영상을 저장하는 단계;
    상기 적어도 하나의 사용자 DB 영상 및 대응하는 건강 상태를 함께 저장하는 단계;
    시계열적인 사용자 건강 상태 변경에 대하여 표시하는 단계; 및
    상기 시계열적인 사용자 건강 상태 변경에 기초하여 건강 회복 정도를 표시하는 단계
    를 포함하는 건강 상태 판단 방법.
  16. 제 12 항에 있어서,
    상기 적어도 하나의 사용자 DB 영상을 저장하는 단계는,
    적어도 하나의 사용자 안면 영상을 입력받는 단계;
    상기 적어도 하나의 사용자 안면 영상에 건강 분류 함수를 적용하는 단계; 및
    상기 건강 분류 함수 적용 결과에 대응하는 건강 상태를 상기 적어도 하나의 사용자 DB 영상으로 저장하는 단계
    를 포함하는 건강 상태 판단 방법.
  17. 제 16 항에 있어서,
    상기 적어도 하나의 사용자 안면 영상에 건강 분류 함수를 적용하는 단계는,
    사용자의 체질에 대응하는 건강 분류 함수를 상기 적어도 하나의 사용자 안면 영상에 적용하는 건강 상태 판단 방법.
  18. 사용자 안면 영상을 촬영하는 촬영부;
    상기 사용자 안면 영상에 대응하는 적어도 하나의 사용자 DB 영상을 저장하는 사용자 데이터베이스; 및
    상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 비교하여, 사용자의 건강 상태를 판단하는 건강 상태 판단부
    를 포함하는 건강 상태 판단 장치.
  19. 제 18 항에 있어서,
    사용자 인증을 수행하는 인증부를 더 포함하고,
    상기 건강 상태 판단부는, 상기 사용자 인증 정보에 대응하는 적어도 하나의 사용자 DB 영상을 독출하여 상기 사용자 안면 영상과 비교하는 건강 상태 판단 장치.
  20. 제 18 항에 있어서,
    상기 사용자 안면 영상 및 상기 적어도 하나의 사용자 DB 영상을 각각 색좌표 변환하여 안색 정보를 생성하는 안색 정보 생성부
    를 더 포함하는 건강 상태 판단 장치.


KR1020130153847A 2013-12-11 2013-12-11 안면 영상을 이용하는 건강 상태 판단 장치 및 건강 상태 판단 방법 KR20150072463A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020130153847A KR20150072463A (ko) 2013-12-11 2013-12-11 안면 영상을 이용하는 건강 상태 판단 장치 및 건강 상태 판단 방법
US14/549,376 US20150157243A1 (en) 2013-12-11 2014-11-20 Health state determining method and apparatus using facial image
EP14197125.9A EP2884414A1 (en) 2013-12-11 2014-12-10 Health state determining method and apparatus using facial image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130153847A KR20150072463A (ko) 2013-12-11 2013-12-11 안면 영상을 이용하는 건강 상태 판단 장치 및 건강 상태 판단 방법

Publications (1)

Publication Number Publication Date
KR20150072463A true KR20150072463A (ko) 2015-06-30

Family

ID=52021067

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130153847A KR20150072463A (ko) 2013-12-11 2013-12-11 안면 영상을 이용하는 건강 상태 판단 장치 및 건강 상태 판단 방법

Country Status (3)

Country Link
US (1) US20150157243A1 (ko)
EP (1) EP2884414A1 (ko)
KR (1) KR20150072463A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101972757B1 (ko) * 2018-09-04 2019-04-29 김성수 귀 형태 및 골상과 귀의 반사운동으로 체질을 감별하는 사상체질 감별 서비스 제공 방법
KR20190073034A (ko) * 2017-12-18 2019-06-26 재단법인대구경북과학기술원 안면 홍조 인식 시스템 및 방법
KR101983558B1 (ko) * 2018-05-14 2019-09-03 김창호 보험금 청구 하는 방법 및 장치
KR20190107932A (ko) * 2018-03-13 2019-09-23 주식회사 네패스 홍채를 이용한 건강 관리 예측 시스템

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9536046B2 (en) * 2010-01-12 2017-01-03 Microsoft Technology Licensing, Llc Automated acquisition of facial images
US10366487B2 (en) * 2014-03-14 2019-07-30 Samsung Electronics Co., Ltd. Electronic apparatus for providing health status information, method of controlling the same, and computer-readable storage medium
CN109508581A (zh) * 2017-09-15 2019-03-22 丽宝大数据股份有限公司 身体信息分析装置及其腮红分析方法
KR102042902B1 (ko) * 2017-12-18 2019-11-08 한국 한의학 연구원 3차원 안면 진단 장치의 동작 방법
CN108281196A (zh) * 2018-01-23 2018-07-13 广州莱德璞检测技术有限公司 基于云端的皮肤检测方法、装置、计算机设备和存储介质
EP3534296A1 (en) 2018-02-28 2019-09-04 Chanel Parfums Beauté A method for building a computer-implemented tool for assessment of qualitative features from face images
CN108509905B (zh) * 2018-03-30 2020-06-19 百度在线网络技术（北京）有限公司 状态评估装置、电子设备及存储介质
CN109377384A (zh) * 2018-09-03 2019-02-22 阿里巴巴集团控股有限公司 健康险的确定方法、装置和服务器
CN111354463B (zh) * 2018-12-24 2023-11-14 有品国际科技(深圳)有限责任公司 人体健康测量方法、装置、计算机设备及存储介质
US11443424B2 (en) 2020-04-01 2022-09-13 Kpn Innovations, Llc. Artificial intelligence methods and systems for analyzing imagery
CN111951954A (zh) * 2020-08-10 2020-11-17 中国平安人寿保险股份有限公司 身体健康状态检测方法、装置、可读存储介质及终端设备

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4794846B2 (ja) * 2004-10-27 2011-10-19 キヤノン株式会社 推定装置、及び推定方法
JP2008242963A (ja) * 2007-03-28 2008-10-09 Fujifilm Corp 健康分析表示方法及び健康分析表示装置
US8831299B2 (en) * 2007-05-22 2014-09-09 Intellectual Ventures Fund 83 Llc Capturing data for individual physiological monitoring
JP5435250B2 (ja) * 2007-08-24 2014-03-05 日本電気株式会社 画像表示装置
JP2009172181A (ja) * 2008-01-25 2009-08-06 Seiko Epson Corp 健康診断方法、および健康診断装置
CN102599885A (zh) * 2011-01-25 2012-07-25 富泰华工业（深圳）有限公司 具有健康提示功能的电子装置及其健康提示方法
JP5571633B2 (ja) * 2011-08-31 2014-08-13 東芝テック株式会社 健康度報知装置、プログラム及び健康度報知方法
TW201434008A (zh) * 2013-02-27 2014-09-01 萬國商業機器公司 健康狀態的個人化地視覺化呈現
WO2014143697A1 (en) * 2013-03-15 2014-09-18 Stephanie Littell Evaluating electromagnetic imagery by comparing to other individual's imagery
JP2014180305A (ja) * 2013-03-18 2014-09-29 Funai Electric Co Ltd 情報端末装置
US10366487B2 (en) * 2014-03-14 2019-07-30 Samsung Electronics Co., Ltd. Electronic apparatus for providing health status information, method of controlling the same, and computer-readable storage medium

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190073034A (ko) * 2017-12-18 2019-06-26 재단법인대구경북과학기술원 안면 홍조 인식 시스템 및 방법
KR20190107932A (ko) * 2018-03-13 2019-09-23 주식회사 네패스 홍채를 이용한 건강 관리 예측 시스템
KR101983558B1 (ko) * 2018-05-14 2019-09-03 김창호 보험금 청구 하는 방법 및 장치
KR101972757B1 (ko) * 2018-09-04 2019-04-29 김성수 귀 형태 및 골상과 귀의 반사운동으로 체질을 감별하는 사상체질 감별 서비스 제공 방법

Also Published As

Publication number Publication date
US20150157243A1 (en) 2015-06-11
EP2884414A1 (en) 2015-06-17

Similar Documents

Publication Publication Date Title
KR20150072463A (ko) 안면 영상을 이용하는 건강 상태 판단 장치 및 건강 상태 판단 방법
KR101301821B1 (ko) 안색 정보 생성 장치 및 그 방법, 안색 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법
KR102339915B1 (ko) 셀피를 촬영하도록 사용자를 안내하기 위한 시스템 및 방법
EP3249562B1 (en) Method for obtaining care information, method for sharing care information, and electronic apparatus therefor
US8819015B2 (en) Object identification apparatus and method for identifying object
WO2019100282A1 (zh) 一种人脸肤色识别方法、装置和智能终端
CN108024719B (zh) 肌肤的光泽评价装置、光泽评价方法及记录介质
KR100931752B1 (ko) 눈동자 색 보정 장치 및 프로그램이 기록된 기록 매체
JP6957929B2 (ja) 脈波検出装置、脈波検出方法、及びプログラム
KR101197863B1 (ko) 피부 진단을 위한 단말 및 이를 위한 방법이 기록된 컴퓨터 판독 가능한 기록매체
CN109919030B (zh) 黑眼圈类型识别方法、装置、计算机设备和存储介质
US20220164852A1 (en) Digital Imaging and Learning Systems and Methods for Analyzing Pixel Data of an Image of a Hair Region of a User's Head to Generate One or More User-Specific Recommendations
JP2020178964A (ja) 生体情報検出装置、生体情報検出方法および生体情報検出プログラム
US10984281B2 (en) System and method for correcting color of digital image based on the human sclera and pupil
JP2008228238A (ja) 瞳色補正装置およびプログラム
KR20180125756A (ko) 감정인식 인터페이스 장치
Khan et al. Segmentation of acne lesion using fuzzy C-means technique with intelligent selection of the desired cluster
JP7234086B2 (ja) 生体情報取得装置およびプログラム
CN107847136B (zh) 弹力感评价装置、弹力感评价方法以及弹力感评价程序
US11436832B2 (en) Living skin tissue tracking in video stream
KR100915922B1 (ko) 영상인식을 통한 얼굴 특징 추출과 사상체질 판별 방법 및시스템
CN112837304A (zh) 一种皮肤检测方法、计算机存储介质及计算设备
Hsu et al. Extraction of visual facial features for health management
EP4349268A1 (en) Determination device, determination method, and program
US12039768B2 (en) Method and system for anonymizing facial images

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
E801 Decision on dismissal of amendment
J201 Request for trial against refusal decision
J301 Trial decision

Free format text: TRIAL NUMBER: 2015101004677; TRIAL DECISION FOR APPEAL AGAINST DECISION TO DECLINE REFUSAL REQUESTED 20150813

Effective date: 20160909