KR20160120238A - 의류 추천 시스템 - Google Patents

의류 추천 시스템 Download PDF

Info

Publication number
KR20160120238A
KR20160120238A KR1020160042307A KR20160042307A KR20160120238A KR 20160120238 A KR20160120238 A KR 20160120238A KR 1020160042307 A KR1020160042307 A KR 1020160042307A KR 20160042307 A KR20160042307 A KR 20160042307A KR 20160120238 A KR20160120238 A KR 20160120238A
Authority
KR
South Korea
Prior art keywords
image file
garment
tag information
information
image
Prior art date
Application number
KR1020160042307A
Other languages
English (en)
Inventor
정권진
Original Assignee
주식회사 컴퍼니원헌드레드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 컴퍼니원헌드레드 filed Critical 주식회사 컴퍼니원헌드레드
Publication of KR20160120238A publication Critical patent/KR20160120238A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0257—User requested
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 사용자가 입력한 이미지 파일에 근거하여 의류를 추천해주는 의류추천 시스템으로서, 제1 이미지 파일로부터 의류를 인식하고 상기 제1 이미지 파일에 사람의 신체부위가 표시된 정도를 판단하여 의류 영역 정보를 생성하는 분리부;
상기 의류 영역 정보로부터 상기 의류의 특징 벡터를 포함하는 제1 태그 정보를 추출하는 추출부; 데이터베이스로부터 상기 제1 태그 정보와 매칭되는 제2 태그 정보를 검색하고 상기 제2 태그 정보를 갖는 제2 이미지 파일을 선택하여 제시하는 추천부; 를 포함한다.

Description

의류 추천 시스템{CLOTHES RECOMMENDATION SYSTEM}
본 발명은 추천 시스템에 관한 것으로서, 보다 상세하게는 이미지 파일을 분석하여 사용자에게 어울리는 의류를 추천하는 의류 추천 시스템에 관한 것이다.
영상 기술의 발전에 따라, 다양한 산업 분야에 다양한 형태로 이미지를 이용하는 서비스가 이용되고 있다.
이러한 이미지 기반 서비스의 일례로 이미지에 기반한 추천 시스템 중, 의류의 추천에 사용되는 의류 추천 시스템이 제시될 수 있다.
상기한 의류 추천 시스템은 선택한 이미지로부터 태그 정보를 추출하고, 추출된 태그 정보를 분류하며, 매치되는 태그 정보를 갖는 상품을 검색하는 것이 요구된다.
종래의 의류 추천 시스템은 선택된 이미지에 부합하는 상품을 검색하려는 경우 이미지에 대한 색상, 무늬, 종류 등의 태그 정보의 입력이 필요하다. 그러나 태그 정보는 검색자가 선택한 이미지를 시각적으로 인식하여 직접 이미지에 대한 태그 정보를 수작업으로 입력해야 한다. 그러므로, 종래의 의류 추천 시스템은 이미지에 대한 시각적 인식과 태그 정보의 입력등 상당히 번거로운 과정을 요구하는 문제가 있다.
일례로, 온라인 의류 쇼핑몰과 같이 사용자가 입력한 의류가 표시된 이미지 파일과 매칭되는 의류를 의류 쇼핑몰 서버로부터 추천 받는 의류 추천 시스템 이미지 기반 의류 추천 시스템의 경우, 사용자가 선택한 이미지에 대하여 시각적 인식이 요구되고, 선택한 이미지의 태그 정보를 사용자가 직접 입력해야 하는 문제점이 있었다.
또한, 상기 문제점을 해결하기 위하여 사용자가 이미지 자체를 서버에 전송하는 경우, 전송 과정에서 네트워크 트래픽이 과도하게 발생할 수 있다. 특히, 다수의 클라이언트가 동시에 서버에 액세스 하여 태그 정보의 추출을 요구하는 경우, 과도한 네트워크 트래픽과 서버의 연산량 폭주가 발생할 수 있으며, 이 경우 서버가 모든 요청에 제대로 응답하기 힘든 문제점이 있다.
또한, 사용자가 이미지 자체를 서버에 전송하는 경우, 사용자가 제시한 이미지 파일은 의류만 표시된 것이 아니고 의류를 착용하고 있는 사람이나 배경 등 사용자가 찾고자 하는 결과와 관계 없는 이미지들이 포함되어 있어 정확한 결과를 얻기 힘들다는 문제점이 있다.
본 발명이 해결하고자 하는 과제는 사용자가 입력한 이미지 파일에 부합하는 의류를 추천 받고자 하는 경우 입력한 이미지 파일에 대한 태그 정보의 추출과 검색결과를 출력하는 일련의 절차가 간편하게 진행될 수 있는 의류 추천 시스템을 제공하는 것에 있다.
또한, 본 발명이 해결하고자 하는 다른 과제는 추천받고자 하는 의류를 위하여 선택한 이미지 파일을 전처리하는 기능 등을 서버와 클라이언트가 분담함으로써 트래픽 삼소, 서버 부담 경감, 비용 절감 및 시스템 효율화를 추구할 수 있는 의류 추천 시스템을 제공하는 것에 있다.
상기한 과제를 해결하기 위해 본 발명에 다른 의류 추천 시스템은 제1 이미지 파일로부터 의류를 인식하고 상기 제1 이미지 파일에 사람의 신체부위가 표시된 정도를 판단하여 의류 영역 정보를 생성하는 분리부; 상기 의류 영역 정보로부터 상기 의류의 특징 벡터를 포함하는 제1 태그 정보를 추출하는 추출부; 데이터베이스로부터 상기 제1 태그 정보와 매칭되는 제2 태그 정보를 검색하고 상기 제2 태그 정보를 갖는 제2 이미지 파일을 선택하여 제시하는 추천부; 를 포함한다.
본 발명에 따른 의류 추천 시스템을 통하여 이미지 파일로부터 태그 정보를 추출하고 추출된 태그 정보를 통해 사용자에게 의류를 추천하는 일련의 과정으로 인하여 태그 정보의 입력 시간과 그에 따른 비용을 절감할 수 있고, 서버에 대한 네트워크 트래픽 증가와 연산량 증가를 완화시킬 수 있다.
도 1은 본 발명의 의류 추천 시스템에 따른 일 실시예를 나타내는 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명한다. 본 명세서 및 특허청구범위에 사용된 용어는 통상적이거나 사전적 의미로 한정되어 해석되지 아니하며, 본 발명의 기술적 사항에 부합하는 의미와 개념으로 해석되어야 한다.
본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 바람직한 실시예이며, 본 발명의 기술적 사상을 모두 대변하는 것이 아니므로, 본 출원 시점에서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있다.
도 1은 본 발명의 의류 추천 시스템에 따른 일 실시예를 나타낸 블록도이다.
도 1을 참조하면, 본 발명은 분리부(100), 추출부(200), 추천부(300)를 포함한다.
분리부(100)는 일부에 의류가 표시된 제1 이미지 파일로부터 이미지 파일의 의류를 착용한 사람의 신체 부위 표시 정도를 판단하고 의류가 표시된 영역을 분리하여 의류 영역 정보를 생성한다. 즉, 분리부(100)는 제1 이미지 파일로부터 의류를 인식하고 제1 이미지 파일에 사람의 신체부위가 표시된 정도를 판단하여 의류 영역 정보를 생성하는 것으로 볼 수 있다.
여기서 의류는 사람이 몸에 걸치는 여러 가지 옷을 총칭하는 것으로서 다양한 재질로 구성된 상의, 하의뿐 아니라 모자, 장갑, 신 등 신체에 착용하는 일체의 것을 의미한다.
이미지 파일은 화면을 통해 디스플레이 될 때 상기한 의류가 표시되는 다양한 이미지 포맷의 파일로서, 의류 또는 의류를 착용한 모델이 촬영된 사진이 전자 장치를 통해 디스플레이 될 수 있도록 저장된 것을 의미한다. 이미지 파일에서 표시되는 의류는 다양한 형태로 표시될 수 있는데, 의류만 표시되거나 해당 의류를 착용하고 있는 사람이 같이 표시될 수 있다. 의류를 착용하고 있는 사람이 같이 표시되는 경우, 해당 의류를 착용한 사람의 전신이 표시되거나 일부만 표시될 수 있다. 본 발명에서 제1 이미지 파일은 사용자가 클라이언트의 단말을 통해 의류 추천 시스템으로부터 의류를 추천 받기 위하여 입력하는 이미지 파일로 볼 수 있다. 또한, 제2 이미지 파일은 서버의 데이터베이스(400)에 저장된 이미지 파일로서, 후술할 추천부(300)에 의하여 선택되어 사용자에게 제시될 수 있다.
분리부(100)는 입력된 제1 이미지 파일의 의류를 착용하고 있는 사람의 전신 표시 여부를 판단하고, 제1 이미지 파일에서 의류가 표시되는 위치나 의류의 종류에 대한 의류 영역 정보를 제공한다.
분리부(100)가 제1 이미지 파일을 수신하면, 해당 제1 이미지 파일이 의류만 표시된 파일인지, 의류를 착용하고 있는 사람이 같이 표시되는 파일인지 판단한다. 의류를 착용하고 있는 사람이 같이 표시되는 걸로 판단된다면 해당 사람의 전신이 모두 표시 된 것인지 일부만 표시된 것인지 판단한다. 분리부(100)가 제1 이미지 파일에서 표시되는 사람의 신체 부위의 표시 정도를 판단하기 위해선 다양한 이미지 처리 알고리즘이 제시될 수 있다.
분리부(100)는 각 경우에 따라 서로 다른 알고리즘을 적용할 수 있다. 즉, 분리부(100)는 제1 이미지 파일에서 의류가 표시되는 영역 만을 분리하기 위해 이미지 파일의 의류를 착용한 사람의 신체 부위 표시 정도에 따라 사용하는 알고리즘을 달리할 수 있다.
분리부(100)가 제1 이미지 파일에 의류를 착용한 사람의 전신이 모두 표시된 것으로 판단하는 경우, 분리부(100)는 자세 측정(Pose Estimation) 방법을 이용하여 의류를 착용한 사람의 신체 부위를 식별함으로써 제1 이미지 파일로부터 의류 영역 정보를 생성할 수 있다.
자세 측정 방법은 머신 러닝 알고리즘을 통해 의류를 착용한 사람의 신체 부위가 상기 제1 이미지 파일 상의 특정 위치에서 존재할 확률에 대한 확률 분포를 계산함으로써 상기 의류를 착용한 사람의 자세를 확정하는 방법일 수 있다.
보다 구체적으로, 자세 측정 방법의 단계를 설명하면 다음과 같다. 분리부(100)는 우선 제1 이미지 파일 상의 임의의 지점에 대해 해당 지점이 머리, 손, 발, 무릎, 팔꿈치 등의 신체 부위에 해당하는 지점일 확률을 구한다. 이후, 분리부(100)는 특정 신체 부위에 대해 다른 신체부위가 존재할 상대적 확률 분포를 적용하여, 제1 이미지 파일 상의 의류를 착용한 사람이 취하고 있는 자세를 확정한다. 분리부(100)는 확정된 자세를 기초로 하여 의류를 착용하고 있는 사람의 어느 부위에 어떤 의류가 착용될지 알 수 있고, 해당 정보를 기초로 하여 의류 영역 정보를 생성한다.
예를 들어, 분리부(100)는 의류를 착용한 사람의 신체부위 중 머리에 대해 목은 상대적으로 아래 쪽에 위치할 확률이 높으며, 팔꿈치에 대해 손은 일정거리 이내에 위치할 확률이 높다는 정보로부터 상대적인 확률 분포를 적용할 수 있다. 상대적인 확률 분포의 적용을 위한 정보는 머신 러닝으로 입력된 정보를 바탕으로 사전에 준비되어있을 수 있다.
분리부(100)가 제1 이미지 파일에 의류를 착용한 사람의 전신 중 일부만 표시된 것으로 판단하는 경우, 분리부(100)는 객체 인식(Object Recognition) 방법을 이용하여 제1 이미지 파일로부터 의류 영역 정보를 생성할 수 있다.
객체 인식 방법은 제1 이미지 파일 상의 물체가 어떤 종류의 물체인지를 식별하는 방법으로서, 본 발명에서는 머신 러닝 알고리즘 중 나선형 신경망(Convolutional Neural Network) 알고리즘을 사용한 객체 인식 방법을 예시한다.
나선형 신경망은 사물 인식을 위한 인공 신경망(Artificial Neural Network)의 일종으로서, 컴퓨터 비전 분야에 사용되는 나선(Convolution) 연산을 수행할 수 있다. 나선형 신경망 알고리즘을 이용한 객체 인식 방법은 제1 이미지 파일에 다양한 필터링을 통해 이미지에서 특징을 추출하여 물체를 식별하는 방식으로 동작한다.
분리부(100)가 제1 이미지 파일에 의류를 착용한 사람의 전신이나 일부가 표시된 것으로 판단하는 경우, 제1 이미지 파일을 특징이 매칭되는 복수의 세그먼트로 분할하는 과정이 요구된다.
보다 구체적으로, 분리부(100)가 제1 이미지 파일을 분할하여 복수의 세그먼트를 생성하는 과정은 다음과 같다.
분리부(100)는 제1 이미지 파일을 픽셀들의 집합인 슈퍼 픽셀로 분할하고, 색상 히스토그램과 LBP(Local Binary Patterns) 히스토그램을 통해 슈퍼 픽셀을 클러스터링한 세그먼트를 생성한다.
보다 상세하게, 분리부(100)는 제1 이미지 파일의 각 픽셀을 분석하여 인접하고 색상이나 배치가 유사하여 매칭된 픽셀들을 하나의 그룹으로 묶은 슈퍼 픽셀을 생성한다. 따라서, 분리부(100)에 의하여 제1 이미지 파일은 총 픽셀의 수 보다 적은 수의 슈퍼 픽셀로 분할된다.
이후, 분리부(100)는 인접한 슈퍼 픽셀 중 색상 히스토그램과 LBP(Local Binary Patterns) 히스토그램을 통해 매칭되는 특징을 가진 상기 슈퍼 픽셀을 선택하고, 분리부(100)는 선택된 상기 슈퍼 픽셀을 AGM(Approximated Gaussian Mixture) 알고리즘을 이용해 클러스터링하여 세그먼트를 생성 할 수 있다.
여기서 색상 히스토그램은 이미지 상의 각 픽셀들의 색상을 몇 개의 그룹으로 나누어 각 그룹에 해당하는 픽셀의 수를 구한 히스토그램을 의미한다. 분리부(100)는 제1 이미지 파일을 분석하여 복수의 그룹으로 나누며, 각각의 그룹에 대하여 후술할 태그 정보로 사용할 수 있도록 정규화(normalize) 한다.
LBP 히스토그램은 이미지 상의 각 픽셀을 중심으로 인접한 픽셀이 더 밝은지 어두운지를 판단하여 픽셀의 특성을 표현하는 것을 의미한다. 예를 들어, 하나의 픽셀을 중심으로 인접한 8 방향의 8픽셀을 밝기를 분석할 경우 256 종류의 값이 나올 수 있고 이들 중 패턴을 알아내는데 중요한 일부의 값이 대한 픽셀의 수를 세어 히스토그램을 구할 수 있다.
AGM 알고리즘은 정보를 분류하는 방법으로 쓰이는 GM(Gaussian Mixture) 알고리즘의 일종으로서, 클러스터링에 사용되는 알고리즘이다. GM 알고리즘은 분류하고자 하는 데이터들이 여러 개의 가우시안 분포의 합으로 이루어져 있다고 가정한 후, 각 분포의 평균과 공분산(covariance)를 구하는 알고리즘이다. 일반적인 GM 알고리즘은 소수의 가우시안 분포가 존재하는지 여부를 결정한 후 이에 대한 파라미터를 결정하기 때문에 클러스터링에 사용되긴 어렵지만, AGM 알고리즘은 특정 가우시안 분포들이 충분히 가까울 경우 이를 병합하는 과정을 추가하여 클러스터링 사용될 수 있도록 변형된 알고리즘이다.
상기한 과정을 통하여 세그먼트가 형성되면, 분리부(100)는 자세 측정 방법이나 객체 인식 방법을 통해 인식된 이미지 파일에서 어떠한 세그먼트가 의류가 표시된 의류 세그먼트인지 판단할 수 있다. 또한, 분리부(100)는 의류 세그먼트가 표시하는 의류의 종류를 머신 러닝 알고리즘을 통해 어떤 종류의 의류인지 판단할 수 있다. 분리부(100)는 제1 이미지 파일에서 의류 세그먼트가 표시되는 영역과 의류 세그먼트에 표시된 의류의 종류에 대한 정보를 의류 영역 정보로 생성하여 후술할 추출부(200)로 제공할 수 있다.
반면, 분리부(100)가 제1 이미지 파일에 의류만 표시된 것으로 판단한 경우, 분리부(100)는 이미지 분할(Image Segmentation) 방법을 이용하여 상기 제1 이미지 파일로부터 상기 의류가 표시된 영역에 대한 상기 의류 영역 정보를 생성하고, 이미지 분할 방법은 그래프 컷(Graph Cut) 알고리즘을 사용할 수 있다.
그래프 컷 알고리즘은 이미지를 명확히 구분된 경계로 분리하기 위해, 해당 이미지를 그래프 형태로 변환한 후, 이를 최소한의 비용으로 분할하는 문제로 변환하여 해결하는 알고리즘이다. 보다 상세하게, 그래프 컷 알고리즘은 각 픽셀들을 그래프 상의 정점(Vertex)으로 간주하고 인접한 칙셀들을 간선(Edge)으로 연결한 그래프를 구성한 후, 픽셀 간의 색상 유사도를 바탕으로 유사할수록 해당 픽셀을 연결하는 간선에 큰 가중치를 부여한다. 그래프 컷 알고리즘은 이러한 방식으로 가중치가 부여된 간선으로 구성된 그래프의 간선들을 제거하여 그래프를 둘로 나누며, 이 때 제거되는 간선의 가중치 합이 가능한한 작아지도록 간선을 선택하여 제거한다.
보다 상세하게, 분리부(100)가 이미지 분할 방법을 이용하여 의류 영역 정보를 생성하는 과정은 다음과 같다.
분리부(100)는 제1 이미지 파일로부터 상기한 나선형 신경망 기반의 객체 인식(Object recognition) 방법을 활용하여 의류의 종류와 위치를 찾아낸다. 이러한 객체 인식 방법을 통하여 분리부(100)는 제1 이미지 파일에서 의류에 해당하는 영역을 제한하여 이미지 분할 방법의 효율을 높일 수 있다.
이후, 분리부(100)는 그래프 컷 알고리즘을 이용해 의류가 표시된 영역을 확정하고, 해당 의류의 색상이나 패턴을 상기한 색상 히스토그램이나 LBP 히스토그램을 이용해 확인하는 것으로 의류 영역 정보를 생성할 수 있다.
추출부(200)는 분리부(100)로부터 의류 영역 정보를 수신하여 의류의 태그 정보를 추출한다.
태그 정보란 의류에 대한 정보를 검색할 때 사용하기 위해 부여되는 단어 혹은 키워드이다. 본 발명에서 태그 정보는 의류 영역 정보에 표시된 의류를 분류하기 위한 여러 범주 중에 하나로서, 종류나 색상, 패턴 등에 대한 특징 벡터(Feature Vector)를 가질 수 있다. 후술할 추천부(300)는 제1 이미지 파일과 해당 제1 이미지 파일에 매칭되는 태그 정보를 이용하여 의류에 대한 검색을 계층적으로 할 수 있다.
태그 정보는 의류의 종류를 의미하는 종류 벡터, 의류의 색상을 의미하는 색상 벡터, 의류의 패턴을 의미하는 패턴 벡터로 구분되는 특징 벡터를 포함할 수 있고, 태그 정보는 상기한 특징 벡터 중 적어도 하나 이상을 포함할 수 있다.
제1 태그 정보는 사용자가 클라이언트의 단말을 통해 입력한 제1 이미지 파일의 특징 벡터에 대한 태그 정보이고, 제2 태그 정보는 데이터베이스(400)에 저장된 제2 이미지 파일의 특징 벡터에 대한 태그 정보를 의미할 수 있다. 태그 정보는 해당 이미지 파일을 검색하기 위한 범주를 제공하는 것이므로, 서로 다른 이미지 파일이더라도 모든 특징 벡터가 매치되는 태그 정보를 가질 수 있고, 모든 특징 벡터가 매치되지 않더라도 일부의 특징 벡터가 서로 매칭될 수 있다. 따라서 하나의 태그 정보라도 해당 태그 정보를 가지는 서로 다른 하나 이상의 이미지 파일이 데이터베이스(400)에 저장되어 있을 수 있다.
보다 상세하게, 종류 벡터는 해당 의류가 착용된 위치나 형태 등을 고려하여 정해진 의류의 종류에 대한 값을 의미한다. 예를 들어, 상의, 하의, 원피스 등과 같이 의류의 종류와 관련된 값이 종류 벡터의 값으로 저장될 수 있다. 색상 벡터는 해당 의류가 가지는 색상 중 제일 큰 비율로 표시되는 색상에 대한 값을 의미한다. 예를 들어, 노란색, 빨간색 등과 같이 의류의 색상과 관련된 값이 색상 벡터의 값으로 저장될 수 있다. 패턴 벡터는 해당 의류에서 반복되거나 일정한 색상의 배치를 고려하여 비중이 높은 패턴에 대한 값을 의미한다. 예를 들어, 체크 무늬, 스트라이프 무늬, 민무늬 등의 패턴과 관련된 값이 패턴 벡터의 값으로 저장될 수 있다.
상기한 벡터들 중, 종류 벡터의 경우 분리부(100)에서 제공된 의류 영역 정보에 포함된 정보를 이용하여 생성될 수 있다.
상기한 분리부(100)와 추출부(200)를 통해 제1 이미지 파일에서 제1 태그 정보가 추출되는 과정은 다음과 같다.
예를 들어, 제1 이미지 파일이 임의의 모델이 빨간색 체크무늬 원피스를 입고 있는 경우, 분리부(100)는 해당 제1 이미지 파일에서 모델의 전신이 표시되어있는지 판단하여 의류가 표시되는 영역을 확인하고, 제1 이미지 파일로부터 분리한다. 이후 분리부(100)는 해당 영역에 대한 의류 영역 정보를 생성하여 추출부(200)에 제공한다.
추출부(200)는 분리부(100)로부터 의류 영역 정보를 수신하고, 의류 영역 정보가 표시하는 의류인 원피스로부터 태그 정보를 추출한다. 이러한 경우, 제1 태그 정보는 '원피스' 종류 벡터, '빨간색' 색상 벡터, '체크 무늬' 패턴 벡터로 구성될 수 있다.
분리부(100) 및 추출부(200)는 제1 이미지 파일을 입력하는 클라이언트의 단말을 이용하여 기능을 수행할 수 있다. 보다 구체적으로, 분리부(100)는 제1 이미지 파일을 입력하는 클라이언트의 단말을 이용하여 의류 영역 정보를 생성하고, 추출부(200)는 클라이언트의 단말을 이용하여 제1 태그 정보를 추출할 수 있다. 또는 의류 추천 시스템의 환경에 따라 분리부(100)만 클라이언트의 단말을 이용하여 기능을 수행될 수 도 있다.
즉, 제1 이미지 파일은 분리부(100)와 추출부(200)를 거쳐 제1 태그 정보로 가공되는데, 이러한 과정에서 요구되는 이미지 처리 작업을 제1 이미지 파일이 입력되는 클라이언트의 단말에서 처리하고, 처리된 결과인 제1 태그 정보만 서버가 포함하는 추천부(300)에 전송할 수 있다. 만약 분리부(100)만 클라이언트의 단말을 이용하는 경우, 분리부(100)에 의해 생성된 의류 영역 정보가 서버가 포함하는 추출부(200)로 전송될 수 있다.
클라이언트의 단말에서 제1 이미지 파일에 대한 분리 및 추출 과정을 처리하게 함으로써, 제2 이미지 파일을 선택하여 제시하는 서버의 이미지 처리에 따른 연산량 및 제1 이미지 파일 업로드에 따른 네트워크 트래픽을 절감할 수 있고, 결과적으로 다수의 클라이언트를 통한 의류 추천 요구에 대하여 서버가 더 빠르게 응답할 수 있는 환경을 제공할 수 있다.
추천부(300)는 제1 태그 정보와 매칭되는 제2 태그 정보를 검색하고 제2 태그 정보를 갖는 제2 이미지 파일을 선택하여 제시할 수 있다.
이 때, 추천부(300)는 제1 태그 정보와 제2 태그 정보의 특징 벡터가 기 설정된 벡터 거리 이내로 일치하는 경우 매칭되는 것으로 판단할 수 있다.
보다 구체적으로 추천부(300)는 추출부(200)로부터 수신한 제1 태그 정보가 포함하는 각 특징 벡터를 수치로 표현한 벡터 값과 제2 태그 정보가 포함하는 각 특징 벡터를 수치로 표현한 벡터 값을 비교하여 각 벡터 간의 벡터 거리를 구할 수 있다. 추천부(300)는 벡터 거리가 사전에 설정된 범위 이내의 벡터 거리를 갖는 제2 태그 정보를 매칭되는 것으로 판단할 수 있고, 해당하는 제2 태그 정보를 이용하여 데이터베이스(400)로부터 해당 제2 태그 정보와 매칭되는 하나 이상의 제2 이미지 파일을 검색하여 사용자에게 제시할 수 있다. 이 때, 추천부(300)는 벡터 거리가 제일 가까운 제2 태그 정보를 갖는 제2 이미지 파일부터 선택하여 사용자에게 제시함으로써 의류 추천의 정확도를 향상시킬 수 있다. 벡터 거리는 추천부(300)가 운영되는 서버의 운영자 또는 관리자가 환경이나 필요에 따라 임의로 설정할 수 있다.
사용자는 추천부(300)로부터 제시되는 제2 이미지 파일로부터 사용자가 클라이언트의 단말을 통해 입력한 제1 이미지 파일과 특징이 유사한 의류를 추천받을 수 있다.
데이터베이스(400)는 사전에 저장된 제2 이미지 파일과 해당 제2 이미지 파일의 추출부(200)로부터 추출된 태그 정보 및 해당 제2 태그 정보가 추출된 의류 영역 정보 및 해당 의류 영역 정보를 포함하는 제2 이미지 파일을 매치하여 저장할 수 있다.

Claims (11)

  1. 제1 이미지 파일로부터 의류를 인식하고 상기 제1 이미지 파일에 사람의 신체부위가 표시된 정도를 판단하여 의류 영역 정보를 생성하는 분리부;
    상기 의류 영역 정보로부터 상기 의류의 특징 벡터를 포함하는 제1 태그 정보를 추출하는 추출부; 및
    데이터베이스로부터 상기 제1 태그 정보와 매칭되는 제2 태그 정보를 검색하고 상기 제2 태그 정보를 갖는 제2 이미지 파일을 선택하여 제시하는 추천부; 를 포함하는 의류 추천 시스템.
  2. 제1 항에 있어서, 상기 분리부는
    상기 제1 이미지 파일에 상기 사람의 신체부위가 모두 표시된 것으로 인식된 경우, 자세 측정 방법을 이용하여 상기 사람의 신체부위를 식별함으로써 상기 의류 영역 정보를 생성하는 의류 추천 시스템.
  3. 제2 항에 있어서, 상기 자세 측정 방법은
    머신 러닝 알고리즘을 통해 상기 사람의 신체 부위가 상기 제1 이미지 파일 상의 특정 위치에서 존재할 확률에 대한 확률 분포를 계산함으로써 상기 사람의 자세를 확정하는 방법인 의류 추천 시스템.
  4. 제3 항에 있어서, 상기 분리부는
    상기 제1 이미지 파일을 픽셀들의 집합인 슈퍼 픽셀로 분할하고, 인접한 상기 슈퍼 픽셀 중 색상 히스토그램과 LBP(Local Binary Patterns) 히스토그램을 통해 매칭되는 특징을 가진 상기 슈퍼 픽셀을 선택하며, 선택된 상기 슈퍼 픽셀을 AGM(Approximated Gaussian Mixture) 알고리즘을 이용해 클러스터링함으로써 세그먼트를 생성하고, 상기 세그먼트와 상기 자세 측정 방법을 이용하여 의류 영역 정보를 생성하는 의류 추천 시스템.
  5. 제1 항에 있어서, 상기 분리부는
    상기 제1 이미지 파일에 상기 사람의 신체부위 중 일부만 표시된 것으로 인식된 경우, 객체 인식 방법을 이용하여 상기 제1 이미지 파일로부터 상기 의류 영역 정보를 생성하는 의류 추천 시스템.
  6. 제5 항에 있어서, 상기 분리부는
    상기 제1 이미지 파일을 픽셀들의 집합인 슈퍼 픽셀로 분할하고, 인접한 상기 슈퍼 픽셀 중 색상 히스토그램과 LBP(Local Binary Patterns) 히스토그램을 통해 매칭되는 특징을 가진 상기 슈퍼 픽셀을 선택하며, 선택된 상기 슈퍼 픽셀을 AGM(Approximated Gaussian Mixture) 알고리즘을 이용해 클러스터링함으로써 세그먼트를 생성하고, 상기 세그먼트와 상기 객체 인식 방법을 이용하여 의류 영역 정보를 생성하는 의류 추천 시스템.
  7. 제1 항에 있어서, 상기 분리부는
    상기 제1 이미지 파일에 상기 의류만 표시된 것으로 인식된 경우, 이미지 분할 방법을 이용하여 상기 제1 이미지 파일로부터 상기 의류가 표시된 영역에 대한 상기 의류 영역 정보를 생성하고,
    상기 이미지 분할 방법은 그래프 컷 알고리즘을 사용하는 의류 추천 시스템.
  8. 제1 항에 있어서, 상기 분리부는
    상기 제1 이미지 파일을 입력하는 클라이언트의 단말을 이용하여 상기 의류 영역 정보를 생성하는 의류 추천 시스템.
  9. 제8 항에 있어서, 상기 추출부는
    상기 클라이언트의 단말을 이용하여 상기 제1 태그 정보를 추출하는 의류 추천 시스템.
  10. 제1 항에 있어서, 상기 제1 및 제2 태그 정보는
    상기 의류에 대한 상기 특징 벡터로서, 종류를 의미하는 종류 벡터, 상기 의류의 색상을 의미하는 색상 벡터, 상기 의류의 패턴을 의미하는 패턴 벡터 중 적어도 하나 이상을 포함하는 의류 추천 시스템.
  11. 제1 항에 있어서, 상기 추천부는
    상기 제1 태그 정보와 상기 제2 태그 정보의 상기 특징 벡터가 기 설정된 벡터 거리 이내로 일치하는 경우 매칭되는 것으로 판단하는 의류 추천 시스템.
KR1020160042307A 2015-04-07 2016-04-06 의류 추천 시스템 KR20160120238A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20150049026 2015-04-07
KR1020150049026 2015-04-07

Publications (1)

Publication Number Publication Date
KR20160120238A true KR20160120238A (ko) 2016-10-17

Family

ID=57250345

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160042307A KR20160120238A (ko) 2015-04-07 2016-04-06 의류 추천 시스템

Country Status (1)

Country Link
KR (1) KR20160120238A (ko)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033149A (zh) * 2018-06-12 2018-12-18 北京奇艺世纪科技有限公司 信息推荐方法、装置、服务器及存储介质
KR20190028893A (ko) * 2017-09-11 2019-03-20 주식회사 비투엔 이미지 분석을 통한 객체정보 제공시스템
KR20190114703A (ko) * 2018-03-29 2019-10-10 네이버 주식회사 상품 추천 방법 및 이를 이용하는 서버
KR20200023700A (ko) * 2018-08-21 2020-03-06 카페24 주식회사 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법 및 장치
KR20200024404A (ko) 2018-08-28 2020-03-09 이광제 의류 데이터와 딥러닝 기술을 이용한 사용자 소유 의상에 대한 의류 추천 방법 및 시스템
KR102093087B1 (ko) 2020-01-13 2020-03-24 최정훈 의류 추천 서비스 제공 방법 및 이를 위한 장치
KR102138306B1 (ko) 2020-03-04 2020-07-27 홍자민 온라인 쇼핑몰에서 상품을 구매하는 방법 및 이를 위한 장치
KR102140151B1 (ko) 2020-02-14 2020-07-31 정덕헌 온라인 의류 쇼핑몰에서의 의류 구입 방법 및 이를 위한 장치
KR102140159B1 (ko) 2020-02-14 2020-07-31 주식회사 내셔널비 온라인 의류 쇼핑몰에서의 의류 구입 방법 및 이를 위한 장치
KR102145170B1 (ko) 2020-03-04 2020-08-18 홍자민 피어 그룹 매칭에 기반하여 개인화된 상품을 추천하는 방법 및 이를 위한 장치
KR102178492B1 (ko) 2020-03-11 2020-11-16 이혜진 온라인 쇼핑몰에서 속옷을 구매하는 방법 및 이를 위한 장치
KR20210016593A (ko) * 2018-01-19 2021-02-16 네이버 주식회사 인공지능 기반 상품 추천 방법 및 그 시스템
KR20210030239A (ko) * 2019-09-09 2021-03-17 주식회사 웨얼리 관절 좌표를 이용한 패션 아이템 속성정보 추출 방법, 장치 및 컴퓨터프로그램
KR20210125454A (ko) * 2019-01-22 2021-10-18 주식회사 마이셀럽스 유행 색상 정보를 이용한 의류 정보 제공 방법 및 장치
CN113848736A (zh) * 2021-09-13 2021-12-28 青岛海尔科技有限公司 基于智能衣柜的衣物信息处理方法及设备

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190028893A (ko) * 2017-09-11 2019-03-20 주식회사 비투엔 이미지 분석을 통한 객체정보 제공시스템
KR20210016593A (ko) * 2018-01-19 2021-02-16 네이버 주식회사 인공지능 기반 상품 추천 방법 및 그 시스템
KR20190114703A (ko) * 2018-03-29 2019-10-10 네이버 주식회사 상품 추천 방법 및 이를 이용하는 서버
CN109033149A (zh) * 2018-06-12 2018-12-18 北京奇艺世纪科技有限公司 信息推荐方法、装置、服务器及存储介质
KR20200023700A (ko) * 2018-08-21 2020-03-06 카페24 주식회사 기준 패턴을 기반으로 추가 패턴을 자동 제공하는 방법 및 장치
KR20200024404A (ko) 2018-08-28 2020-03-09 이광제 의류 데이터와 딥러닝 기술을 이용한 사용자 소유 의상에 대한 의류 추천 방법 및 시스템
KR20210125454A (ko) * 2019-01-22 2021-10-18 주식회사 마이셀럽스 유행 색상 정보를 이용한 의류 정보 제공 방법 및 장치
KR20210030239A (ko) * 2019-09-09 2021-03-17 주식회사 웨얼리 관절 좌표를 이용한 패션 아이템 속성정보 추출 방법, 장치 및 컴퓨터프로그램
KR102093087B1 (ko) 2020-01-13 2020-03-24 최정훈 의류 추천 서비스 제공 방법 및 이를 위한 장치
KR102140159B1 (ko) 2020-02-14 2020-07-31 주식회사 내셔널비 온라인 의류 쇼핑몰에서의 의류 구입 방법 및 이를 위한 장치
KR102140151B1 (ko) 2020-02-14 2020-07-31 정덕헌 온라인 의류 쇼핑몰에서의 의류 구입 방법 및 이를 위한 장치
KR102145170B1 (ko) 2020-03-04 2020-08-18 홍자민 피어 그룹 매칭에 기반하여 개인화된 상품을 추천하는 방법 및 이를 위한 장치
KR102138306B1 (ko) 2020-03-04 2020-07-27 홍자민 온라인 쇼핑몰에서 상품을 구매하는 방법 및 이를 위한 장치
KR20210112221A (ko) 2020-03-04 2021-09-14 홍자민 5 클릭 이하의 최단거리 온라인 구매 동선을 제공하는 장치
KR20210112222A (ko) 2020-03-04 2021-09-14 홍자민 드래그 또는 터치 기술 적용을 통한 장바구니 간편 담기 기능을 제공하는 방법 및 그 시스템
KR102178492B1 (ko) 2020-03-11 2020-11-16 이혜진 온라인 쇼핑몰에서 속옷을 구매하는 방법 및 이를 위한 장치
KR20210114849A (ko) 2020-03-11 2021-09-24 이혜진 속옷 사이즈에 대한 비교 정보를 사용자에게 제공하는 온라인 판매 플랫폼을 위한 서버
CN113848736A (zh) * 2021-09-13 2021-12-28 青岛海尔科技有限公司 基于智能衣柜的衣物信息处理方法及设备

Similar Documents

Publication Publication Date Title
KR20160120238A (ko) 의류 추천 시스템
KR20160120674A (ko) 그래픽 처리 장치를 이용한 의류 추천 시스템
JP7375101B2 (ja) 情報処理装置、情報処理方法及びプログラム
US10846554B2 (en) Hash-based appearance search
JP6825141B2 (ja) 服飾コーディネーションの推薦方法および装置、電子デバイス、記憶媒体
US9460518B2 (en) Visual clothing retrieval
JP7132387B2 (ja) 画像処理装置、画像処理方法およびプログラム
US8380711B2 (en) Hierarchical ranking of facial attributes
CN107111629B (zh) 用于检测感兴趣的对象的方法和系统
JP6254836B2 (ja) 画像検索装置、画像検索装置の制御方法およびプログラム
Abate et al. BIRD: Watershed based iris detection for mobile devices
WO2017114237A1 (zh) 一种图像查询方法和装置
KR20150058663A (ko) 정합 쌍을 이용한 신발 영상 검색 장치 및 방법
US9959480B1 (en) Pixel-structural reference image feature extraction
CN107533547B (zh) 产品索引编排方法及其系统
JP2010262425A (ja) 衣服を認識および分類するためのコンピュータ実行方法
JP2011060024A (ja) 画像認識処理に適用する特徴情報選択装置及び画像認識処理装置
Roychowdhury Classification of large-scale fundus image data sets: a cloud-computing framework
US10474919B2 (en) Method for determining and displaying products on an electronic display device
CN113392741A (zh) 视频片段提取方法、装置、电子设备及存储介质
JP2017084078A (ja) スタイル検索装置、方法、及びプログラム
US9785835B2 (en) Methods for assisting with object recognition in image sequences and devices thereof
Lezoray et al. A color object recognition scheme: application to cellular sorting
US20170278265A1 (en) Video processing apparatus and control method
CN111429207A (zh) 用于衣物推荐的方法及装置、设备

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application