KR20180015858A - 체형 분석 서버, 체형 분석 방법 및 사용자 단말 - Google Patents

체형 분석 서버, 체형 분석 방법 및 사용자 단말 Download PDF

Info

Publication number
KR20180015858A
KR20180015858A KR1020160099389A KR20160099389A KR20180015858A KR 20180015858 A KR20180015858 A KR 20180015858A KR 1020160099389 A KR1020160099389 A KR 1020160099389A KR 20160099389 A KR20160099389 A KR 20160099389A KR 20180015858 A KR20180015858 A KR 20180015858A
Authority
KR
South Korea
Prior art keywords
user
gravity
center
point
feature point
Prior art date
Application number
KR1020160099389A
Other languages
English (en)
Inventor
전은솜
Original Assignee
주식회사 케이티
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 케이티 filed Critical 주식회사 케이티
Priority to KR1020160099389A priority Critical patent/KR20180015858A/ko
Publication of KR20180015858A publication Critical patent/KR20180015858A/ko

Links

Images

Classifications

    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • 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
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1077—Measuring of profiles
    • G06K9/00295—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Business, Economics & Management (AREA)
  • Dentistry (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

사용자의 체형을 분석하는 체형 분석 서버는 사용자 단말로부터 신체 촬영 영상을 수신하는 수신부, 상기 신체 촬영 영상으로부터 상기 사용자의 신체 영역을 검출하는 신체 영역 검출부, 상기 검출된 사용자의 신체 영역으로부터 복수의 특징 포인트를 추출하는 추출부, 상기 사용자의 신체 영역의 무게 중심으로부터 상기 복수의 특징 포인트까지의 거리에 기초하여 상기 사용자의 체형을 결정하는 체형 결정부를 포함한다.

Description

체형 분석 서버, 체형 분석 방법 및 사용자 단말{SERVER AND METHOD FOR ANALYZING BODY TYPE AND USER DEVICE}
본 발명은 체형 분석 서버, 체형 분석 방법 및 사용자 단말에 관한 것이다.
체형 분석기란 카메라를 이용하여 촬영된 체형 및 자세의 이미지 등 사용자의 신체 외형에 대한 이미지를 이용하여 체형을 분석하고, 운동이 가능한 범위를 분석하는 기기를 말한다. 체형 분석기는 개인마다 다른 신체의 특성을 고려하여 사용자의 현재 체형 상태를 파악하고, 분석된 사용자의 체형 상태에 따라 개인별 맞춤 운동법을 제안할 수 있다는 장점을 가지고 있다.
이러한 체형 분석기와 관련하여, 선행기술인 한국공개특허 제 2010-0011714호는 웹 카메라를 이용한 체형 분석기기 및 체형 분석방법을 개시하고 있다.
종래의 체형 분석기는 웹 카메라를 상하로 움직일 수 있도록 하는 기기 등의 여러 장치들이 필요하므로, 공간을 많이 차지하며, 휴대성이 낮다는 불편함이 있었다. 또한, 개인의 신체적 특성의 분석에 오차가 발생할 수 있다는 단점을 가지고 있다.
사용자 단말에서 촬영한 신체 촬영 영상을 이용하여, 사용자의 신체를 분석하는 체형 분석 서버, 체형 분석 방법 및 사용자 단말을 제공하고자 한다. 개인별 신체적 특성을 고려하여 맞춤형 운동을 추천하고, 사용자의 체형을 관리하도록 헬스 케어 서비스를 제공하는 체형 분석 서버, 체형 분석 방법 및 사용자 단말을 제공하고자 한다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명의 일 실시예는, 사용자 단말로부터 신체 촬영 영상을 수신하는 수신부, 상기 신체 촬영 영상으로부터 상기 사용자의 신체 영역을 검출하는 신체 영역 검출부, 상기 검출된 사용자의 신체 영역으로부터 복수의 특징 포인트를 추출하는 추출부, 상기 사용자의 신체 영역의 무게 중심으로부터 상기 복수의 특징 포인트까지의 거리에 기초하여 상기 사용자의 체형을 결정하는 체형 결정부를 포함하는 체형 분석 서버를 제공할 수 있다.
본 발명의 다른 실시예는, 사용자에 대한 신체 촬영 영상을 촬영하는 촬영부, 상기 신체 촬영 영상을 체형 분석 서버로 전송하는 전송부 및 상기 신체 촬영 영상에 기초하여 결정된 상기 사용자의 체형 정보를 수신하는 수신부를 포함하고, 상기 사용자의 체형 정보는 상기 사용자의 신체 영역의 무게 중심으로부터 복수의 특징 포인트까지의 거리에 기초하여 결정되고, 상기 복수의 특징 포인트는 상기 사용자의 신체 촬영 영상으로부터 검출된 상기 사용자의 신체 영역으로부터 추출된 것인 사용자 단말을 제공할 수 있다.
본 발명의 또 다른 실시예는, 사용자 단말로부터 신체 촬영 영상을 수신하는 단계, 상기 신체 촬영 영상으로부터 상기 사용자의 신체 영역을 검출하는 단계, 상기 검출된 사용자의 신체 영역으로부터 복수의 특징 포인트를 추출하는 단계 및 상기 사용자의 신체 영역의 무게 중심으로부터 상기 복수의 특징 포인트까지의 거리에 기초하여 상기 사용자의 체형을 결정하는 단계를 포함하는 체형 분석 방법을 제공할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 사용자 단말에서 촬영한 신체 촬영 영상을 이용하여, 사용자의 신체를 분석하는 체형 분석 서버, 체형 분석 방법 및 사용자 단말을 제공할 수 있다. 개인별 신체적 특성을 고려하여 맞춤형 운동을 추천하고, 사용자의 체형을 관리하도록 헬스 케어 서비스를 제공하는 체형 분석 서버, 체형 분석 방법 및 사용자 단말을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 체형 분석 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 사용자 단말의 구성도이다.
도 3은 본 발명의 일 실시예에 따른 사용자 단말에서 체형 분석 서비스를 제공받는 방법의 순서도이다.
도 4는 본 발명의 일 실시예에 따른 체형 분석 서버의 구성도이다.
도 5는 본 발명의 일 실시예에 따른 사용자의 신체 영역의 복수의 특징 포인트까지의 거리에 따라 사용자의 체형을 결정하는 과정을 설명하기 위한 예시적인 도면이다.
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 사용자의 신체 영역 및 얼굴 영역을 도시한 예시적인 도면이다.
도 7a 내지 도 7c는 본 발명의 일 실시예에 따른 사용자의 신체 영역을 검출하는 과정을 설명하기 위한 예시적인 도면이다.
도 8a 내지 도 8d는 본 발명의 일 실시예에 따른 복수의 볼록 껍질 포인트를 추출하는 과정을 설명하기 위한 예시적인 도면이다.
도 9a 및 도 9b는 본 발명의 일 실시예에 따른 사용자의 신체 영역으로부터 추출된 복수의 특징 포인트를 도시한 예시적인 도면이다.
도 10은 본 발명의 일 실시예에 따른 사용자의 신체를 다양한 히스토그램으로 도식화한 예시적인 도면이다.
도 11은 본 발명의 일 실시예에 따른 체형 분석 서버에서 사용자의 체형을 분석하는 방법의 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 체형 분석 시스템의 구성도이다. 도 1을 참조하면, 체형 분석 시스템(1)은 사용자 단말(110) 및 체형 분석 서버(120)를 포함할 수 있다. 도 1에 도시된 사용자 단말(110) 및 체형 분석 서버(120)는 체형 분석 시스템(1)에 의하여 제어될 수 있는 구성요소들을 예시적으로 도시한 것이다.
도 1의 체형 분석 시스템(1)의 각 구성요소들은 일반적으로 네트워크(network)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 체형 분석 서버(120)는 사용자 단말(110)과 동시에 또는 시간 간격을 두고 연결될 수 있다.
네트워크는 단말들 및 서버들과 같은 각각의 노드 상호간에 정보교환이 가능한 연결구조를 의미하는 것으로, 이러한 네트워크의 일예는, 3G, 4G, 5G, Wi-Fi, 블루투스(Bluetooth), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network) 등이 포함되나 이에 한정되지는 않는다.
사용자 단말(110)은 사용자에 대한 신체 촬영 영상을 촬영하여 신체 촬영 영상을 체형 분석 서버(120)로 전송할 수 있다. 또한, 사용자 단말(110)은 사용자에 대한 얼굴 촬영 영상을 촬영하여 얼굴 촬영 영상을 체형 분석 서버(120)로 전송할 수 있다. 사용자 단말(110)은 신체 촬영 영상 및 얼굴 촬영 영상을 하나의 촬영 영상으로 체형 분석 서버(120)에 전송할 수 있으며, 각각 전송할 수도 있다.
사용자 단말(110)은 체형 분석 서버(120)로부터 신체 촬영 영상에 기초하여 결정된 사용자의 체형 정보를 수신할 수 있다. 예를 들어, 사용자 단말(110)은 내배엽, 중배엽, 외배엽 중 어느 하나에 해당하는 체형 정보를 수신할 수 있다.
사용자 단말(110)은 체형 분석 서버(120)로부터 얼굴 촬영 영상에 기초하여 추출된 얼굴 특징값에 기초하여 분석된 사용자의 나이 및 성별 정보를 수신할 수 있다.
사용자 단말(110)은 체형 분석 서버(120)로부터 사용자의 체형, 나이, 성별 등에 기초하여 맞춤형 운동을 추천 받을 수 있다.
체형 분석 서버(120)는 사용자 단말(110)로부터 신체 촬영 영상을 수신할 수 있다. 또한, 체형 분석 서버(120)는 사용자 단말(110)로부터 얼굴 촬영 영상을 수신할 수 있다. 이 때, 체형 분석 서버(120)는 신체 촬영 영상 및 얼굴 촬영 영상을 포함하는 하나의 촬영 영상으로 수신할 수 있으며, 각각 수신할 수도 있다.
체형 분석 서버(120)는 신체 촬영 영상으로부터 사용자의 신체 영역을 검출할 수 있다. 체형 분석 서버(120)는 검출된 사용자의 신체 영역으로부터 외곽선을 추출할 수 있다.
체형 분석 서버(120)는 검출된 사용자의 신체 영역으로부터 복수의 특징 포인트를 추출할 수 있다. 이를 위해, 체형 분석 서버(120)는 추출된 외곽선의 좌표를 이용하여 적어도 하나 이상의 볼록 껍질 포인트(convex hull point)를 추출함으로써, 무게 중심으로부터 추출된 볼록 껍질 포인트까지의 거리에 기초하여 복수의 특징 포인트를 추출할 수 있다.
예를 들어, 체형 분석 서버(120)는 볼록 껍질 포인트 중 무게 중심의 상부에서 기설정된 범위 내에 위치하고, 무게 중심으로부터 가장 먼 거리에 위치한 볼록 껍질 포인트를 제 1 특징 포인트 및 제 2 특징 포인트로 추출하고, 무게 중심의 하부에서 기설정된 범위에 위치하고, 무게 중심으로부터 가장 가까운 거리에 위치한 볼록 껍질 포인트를 제 3 특징 포인트 및 제 4 특징 포인트로 추출할 수 있다.
기설정된 범위 내에 볼록 껍질 포인트가 없는 경우, 체형 분석 서버(120)는 기설정된 범위 내에 위치하는 결함 포인트를 이용하여 특징 포인트를 추출할 수 있다. 예를 들어, 체형 분석 서버(120)는 볼록 껍질 포인트 중 근접하는 두 개의 볼록 껍질 포인트를 연결하는 직선과 외곽선 간의 거리가 가장 긴 경우에 해당하는 외곽선의 좌표를 결함 포인트(defect point)로 추출하고, 무게 중심으로부터 추출된 볼록 껍질 포인트 및 결함 포인트까지의 거리에 기초하여 복수의 특징 포인트를 추출할 수 있다.
체형 분석 서버(120)는 사용자의 신체 영역의 무게 중심으로부터 복수의 특징 포인트까지의 거리에 기초하여 사용자의 체형을 결정할 수 있다.
예를 들어, 체형 분석 서버(120)는 사용자의 신체 영역의 무게 중심으로부터 제 1 특징 포인트 내지 제 4 특징 포인트까지의 거리의 합이 제 1 거리 임계값 보다 크고, 사용자의 신체 영역에 대한 가로 대 세로의 비율이 제 1 비율 임계값보다 작은 경우, 사용자의 체형을 내배엽으로 결정할 수 있다. 이 때, 체형 분석 서버(120)는 무게 중심으로부터 제 1 특징 포인트 및 제 2 특징 포인트의 거리의 합이 무게 중심으로부터 제 3 특징 포인트 및 제 4 특징 포인트의 거리의 합보다 큰 지의 여부에 따라 사용자의 체형을 내배엽 중 상체 비만 또는 내배엽 중 하체 비만으로 결정할 수 있다.
다른 예를 들어, 체형 분석 서버(120)는 사용자의 신체 영역의 무게 중심으로부터 제 1 특징 포인트 내지 제 4 특징 포인트까지의 거리의 합이 제 1 거리 임계값 보다 작고 제 2 거리 임계값 보다 크고, 무게 중심으로부터 제 1 특징 포인트 및 제 2 특징 포인트의 거리의 합이 무게 중심으로부터 제 3 특징 포인트 및 제 4 특징 포인트의 거리의 합보다 큰 경우, 사용자의 체형을 중배엽으로 결정할 수 있다. 체형 분석 서버(120)는 무게 중심으로부터 최하단까지의 길이 대 최상단까지의 길이의 비가 임계값보다 큰 지의 여부에 따라 사용자의 체형을 중배엽 중 상체 긴 편 또는 중배엽 중 하체 긴 편으로 결정할 수 있다.
또 다른 예를 들어, 체형 분석 서버(120)는 사용자의 신체 영역의 무게 중심으로부터 제 1 특징 포인트 내지 제 4 특징 포인트까지의 거리의 합이 제 2 거리 임계값 보다 작고, 무게 중심으로부터 제 1 특징 포인트 및 제 2 특징 포인트의 거리의 합이 무게 중심으로부터 제 3 특징 포인트 및 제 4 특징 포인트의 거리의 합보다 작은 경우, 사용자의 체형을 외배엽으로 결정할 수 있다. 이 때, 체형 분석 서버(120)는 사용자의 신체 영역에 대한 가로 대 세로의 비율이 제 2 거리 임계값 보다 큰 지의 여부에 따라 사용자의 체형을 외배엽 중 마른편 또는 외배엽 중 하체비만으로 결정할 수 있다.
체형 분석 서버(120)는 사용자 단말(110)로부터 수신한 얼굴 촬영 영상으로부터 사용자의 얼굴 영역을 검출하고, 검출된 사용자의 얼굴 영역으로부터 얼굴 특징값을 추출하고, 추출된 얼굴 특징값에 기초하여 사용자의 나이 및 성별을 분석할 수 있다. 체형 분석 서버(120)는 추출된 얼굴 특징값과 기저장된 사용자의 얼굴 특징값을 비교하여 등록된 사용자인지의 여부를 판단할 수 있다.
체형 분석 서버(120)는 사용자의 체형, 나이 및 성별 중 적어도 하나에 기초하여 맞춤형 운동을 사용자 단말(110)로 추천할 수 있다.
도 2는 본 발명의 일 실시예에 따른 사용자 단말의 구성도이다. 도 2를 참조하면, 사용자 단말(110)은 촬영부(210), 전송부(220) 및 수신부(230)를 포함할 수 있다.
촬영부(210)는 사용자에 대한 신체 촬영 영상을 촬영할 수 있다. 또한, 촬영부(210)는 사용자에 대한 얼굴 촬영 영상을 촬영할 수 있다. 촬영부(210)는 신체 촬영 영상과 얼굴 촬영 영상을 함께 촬영할 수 있으며, 각각 촬영할 수도 있다.
전송부(220)는 신체 촬영 영상을 체형 분석 서버(120)로 전송할 수 있다. 또한, 전송부(220)는 얼굴 촬영 영상을 체형 분석 서버(120)로 전송할 수 있다. 전송부(220)는 신체 촬영 영상 및 얼굴 촬영 영상을 포함하는 하나의 촬영 영상으로 체형 분석 서버(120)로 전송할 수 있으며, 신체 촬영 영상과 얼굴 촬영 영상을 각각 전송할 수도 있다.
수신부(230)는 신체 촬영 영상에 기초하여 결정된 사용자의 체형 정보를 수신할 수 있다. 사용자의 체형 정보는 예를 들어, 내배엽, 중배엽 및 외배엽을 포함할 수 있으며, 구체적으로, 내배엽 상체/하체 비만, 중배엽 상체/하체 긴 편, 외배엽 마른편 또는 외배엽 하체 비만을 포함할 수 있다.
수신부(230)는 체형 분석 서버(120)로부터 얼굴 촬영 영상에 기초하여 추출된 얼굴 특징값에 기초하여 분석된 사용자의 나이 및 성별 정보를 수신할 수 있다. 예를 들어, 수신부(230)는 사용자의 얼굴 특징값에 기초하여 '나이: 25', '성별: 남'과 같이 사용자의 나이 및 성별 정보를 수신할 수 있다.
수신부(230)는 체형 분석 서버(120)로부터 사용자의 체형, 나이 및 성별 중 적어도 하나에 기초하여 맞춤형 운동을 수신할 수 있다. 맞춤형 운동은 나이가 어릴수록, 성별이 남자일수록 운동의 강도가 높을 수 있다.
도 3은 본 발명의 일 실시예에 따른 사용자 단말에서 체형 분석 서비스를 제공받는 방법의 순서도이다. 도 3에 도시된 실시예에 따른 사용자 단말(110)에 의해 수행되는 체형 분석 서비스를 제공받는 방법은 도 1 및 도 2에 도시된 실시예에 따른 체형 분석 시스템(1)에서 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 및 도 2에 도시된 실시예에 따른 사용자 단말(110)에 의해 수행되는 체형 분석 서비스를 제공받는 방법에도 적용된다.
단계 S310에서 사용자 단말(110)은 사용자에 대한 신체 촬영 영상을 촬영할 수 있다.
단계 S320에서 사용자 단말(110)은 신체 촬영 영상을 체형 분석 서버(120)로 전송할 수 있다.
단계 S330에서 사용자 단말(110)은 신체 촬영 영상에 기초하여 결정된 사용자의 체형 정보를 수신할 수 있다. 사용자의 체형 정보는 사용자의 신체 영역의 무게 중심으로부터 복수의 특징 포인트까지의 거리에 기초하여 결정되고, 복수의 특징 포인트는 사용자의 신체 촬영 영상으로부터 검출된 사용자의 신체 영역으로부터 추출된 것일 수 있다.
상술한 설명에서, 단계 S310 내지 S330은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
도 4는 본 발명의 일 실시예에 따른 체형 분석 서버의 구성도이다. 도 4를 참조하면, 체형 분석 서버(120)는 수신부(410), 얼굴 인식부(420), 신체 영역 검출부(430), 추출부(440), 체형 결정부(450) 및 운동 추천부(460)를 포함할 수 있다.
수신부(410)는 사용자 단말(110)로부터 신체 촬영 영상을 수신할 수 있다. 또한, 수신부(410)는 사용자 단말(110)로부터 얼굴 촬영 영상을 수신할 수 있다. 수신부(410)는 신체 촬영 영상 및 얼굴 촬영 영상을 포함하는 하나의 촬영 영상을 수신할 수도 있으며, 신체 촬영 영상 및 얼굴 촬영 영상 각각을 수신할 수도 있다.
얼굴 인식부(420)는 사용자 단말(110)로부터 수신한 얼굴 촬영 영상으로부터 사용자의 얼굴을 인식할 수 있다. 얼굴 인식부(420)는 인식된 사용자의 얼굴로부터 사용자의 얼굴 영역을 검출할 수 있다. 예를 들어, 얼굴 인식부(420)는 검출된 사용자의 얼굴 영역 중 미간, 양쪽 눈 밑, 양쪽 뺨에 해당하는 5가지의 영역을 관심 영역으로 설정하고, 해당 관심 영역에 가보 필터(gabor filter)를 적용할 수 있다. 가보 필터는 엣지(edge)를 검출하기 위해 이용되며, 검출된 엣지의 수는 주름의 수와 비례할 수 있다.
얼굴 인식부(420)는 검출된 사용자의 얼굴 영역으로부터 얼굴 특징값을 추출할 수 있다. 얼굴 인식부(420)는 사용자의 얼굴 특징값을 추출하기 위해 MCT(Modified Census Transform), LBP(Local Binary Pattern), PCA(Principal Component analysis) 등의 알고리즘을 이용할 수 있다. 사람의 얼굴에는 주름의 수에 따라 가보 필터로부터 추출된 특징 벡터의 값이 다르게 나타날 수 있으며, 얼굴 인식부(420)는 다음의 수학식 1을 이용하여 표준화된 얼굴 특징값을 추출할 수 있다.
Figure pat00001
얼굴 인식부(420)는 각 관심 영역에 대한 특징 벡터 값(
Figure pat00002
)을 추출하고, 특징 벡터 값들의 평균값(
Figure pat00003
)과 표준 편차 값(
Figure pat00004
)을 활용하여 수학식 1을 통해 표준화된 벡터값(
Figure pat00005
)를 도출할 수 있다.
얼굴 인식부(420)는 추출된 얼굴 특징값에 기초하여 사용자의 나이 및 성별을 분석할 수 있다. 이를 위해, 얼굴 인식부(420)는 Adaboost cascade 방식의 검출기및 MCT, LBP, mLBP, HOG, bHOG 등의 알고리즘을 이용하여 사용자의 성별을 분석할 수 있다. 또한, 얼굴 인식부(420)는 wavelet, edge 등의 분석 기법을 이용하여, 신경망 학습을 통해 추출된 가중치의 값을 활용하고, 회귀 분석을 통해 사용자의 나이를 분석할 수 있다.
연령 표준화 이전 미간 왼쪽 눈 밑 오른쪽 눈 밑 왼쪽 뺨 오른쪽 뺨
10대 평균값 173.95 139.3 150.02 152.67 143.2
표준 편차 6.46 7.02 9.13 11.16 9.05
50대 평균값 140.96 130.69 132.75 130.75 133.31
표준 편차 10.14 10.77 12.71 13.68 14.76
표 1은 10대와 50대의 표준화 이전의 얼굴 특징값의 평균값과 표준 편차를 도출한 결과이다. 표 1을 참조하면, 노년이 청년보다 평균값이 낮고, 표준 편차가 큰 것을 알 수 있다.
연령 표준화 미간 왼쪽 눈 밑 오른쪽 눈 밑 왼쪽 뺨 오른쪽 뺨
10대 평균값 240.06 146.58 177.37 170.26 161.26
표준 편차 16.00 18.88 24.64 37.48 30.08
50대 평균값 187.50 143.60 184.01 111.92 160.23
표준 편차 29.97 41.13 34.29 58.93 46.46
표 2는 10대와 50대의 표준화된 얼굴 특징값의 평균값과 표준 편차를 도출한 결과이다. 표 2를 참조하면, 노년과 청년의 평균값과 표준편차의 차이 값이 커지게 된 것을 알 수 있다. 얼굴 인식부(420)는 표준화한 벡터값들을 지지 벡터 회귀(SVR, Support Vector Regression)의 입력 값으로 지정하여, 최종 출력값으로 해당 얼굴의 실제 나이에 근접하도록 다수의 영상을 활용하여 학습할 수 있다.
얼굴 인식부(420)는 추출된 얼굴 특징값과 기저장된 사용자의 얼굴 특징값을 비교하여 등록된 사용자인지의 여부를 판단할 수 있다. 예를 들어, 얼굴 인식부(420)는 얼굴 특징값과 기저장된 사용자의 얼굴 특징값과의 유사성이 일정 임계치보다 높으면, 등록된 사용자로 판단할 수 있다.
신체 영역 검출부(430)는 신체 촬영 영상으로부터 사용자의 신체 영역을 검출할 수 있다. 신체 영역 검출부(430)는 사용자의 신체 영역을 검출하기 위해 Adaboost cascade 방식의 검출기를 이용할 수 있으며, MCT, LBP, mLBP, HOG, bHOG 등의 알고리즘을 이용할 수 있다.
신체 영역 검출부(430)는 검출된 사용자의 신체 영역으로부터 외곽선을 추출할 수 있다. 예를 들어, 신체 영역 검출부(430)는 검출된 사용자의 신체 영역으로부터 전경부 이미지를 추출하고, 전경부 이미지로부터 외곽선을 추출할 수 있다. 신체 영역 검출부(430)는 엣지(edge) 등의 특성 또는 배경 분리 기술(Background Subtraction) 등의 기술을 이용하여 전경부 이미지를 추출할 수 있으며, 사용자의 신체 영역의 윤곽(contour), 실루엣(silhouette), 골격(skeleton) 등을 이용하여 외곽선을 추출할 수 있다.
추출부(440)는 검출된 사용자의 신체 영역으로부터 복수의 특징 포인트를 추출할 수 있다. 복수의 특징 포인트는 복수의 볼록 껍질 포인트 중 무게 중심으로부터 가깝고, 곡선의 기울기 변화가 두드러지는 점일 수 있다. 이를 위해, 추출부(440)는 신체 영역 검출부(430)에서 검출된 외곽선의 좌표를 이용하여 적어도 하나 이상의 볼록 껍질 포인트(convex hull point)를 추출할 수 있다. 예를 들어, 추출부(440)는 외곽선의 좌표 및 볼록 껍질 알고리즘(convex hull algorithm)을 이용하여 특징이 될만한 볼록 껍질 포인트의 좌표를 탐색할 수 있다. 추출부(440)는 가로 길이로 설정된 x좌표의 범위 내에서 추출된 좌표만을 활용할 수 있다. 예를 들어, 추출부(440)는 볼록 껍질 알고리즘을 무게 중심을 기준으로 상단부 및 하단부에 각각 적용하여 볼록 껍질 포인트를 추출할 수 있다.
추출부(440)는 무게 중심으로부터 추출된 볼록 껍질 포인트까지의 거리에 기초하여 복수의 특징 포인트를 추출할 수 있다. 예를 들어, 추출부(440)는 볼록 껍질 포인트 중 무게 중심의 상부에서 기설정된 범위 내에 위치하고, 무게 중심으로부터 가장 먼 거리에 위치한 볼록 껍질 포인트를 제 1 특징 포인트 및 제 2 특징 포인트로 추출하고, 무게 중심의 하부에서 기설정된 범위에 위치하고, 무게 중심으로부터 가장 가까운 거리에 위치한 볼록 껍질 포인트를 제 3 특징 포인트 및 제 4 특징 포인트로 추출할 수 있다. 무게 중심의 상부에서 기설정된 범위는 예를 들어, 무게 중심으로부터 상부의 세로축 1/4 범위 내에서 무게 중심과의 각이 양수 범위(0~90, 90~180)로 설정될 수 있으며, 무게 중심의 하부에서 기설정된 범위는 무게 중심과 볼록 껍질 포인트 사이의 각이 음수 범위(예를 들어, -180~-90, -90~0)로 설정될 수 있다.
추출부(440)는 무게 중심으로부터 추출된 볼록 껍질 포인트 및 결함 포인트까지의 거리에 기초하여 복수의 특징 포인트를 추출할 수 있다. 예를 들어, 추출부(440)는 볼록 껍질 포인트 중 근접하는 두 개의 볼록 껍질 포인트를 연결하는 직선과 외곽선 간의 거리가 가장 긴 경우에 해당하는 외곽선의 좌표를 결함 포인트(defect point)로 추출할 수 있다. 추출부(440)는 기설정된 범위 내에 볼록 껍질 포인트가 없는 경우, 기설정된 범위 내에 위치하는 결함 포인트를 이용하여 특징 포인트를 추출할 수 있다.
체형 결정부(450)는 사용자의 신체 영역의 무게 중심으로부터 복수의 특징 포인트까지의 거리에 기초하여 사용자의 체형을 결정할 수 있다. 이와 관련하여, 도 5를 통해 상세히 설명하도록 하겠다.
도 5는 본 발명의 일 실시예에 따른 사용자의 신체 영역의 복수의 특징 포인트까지의 거리에 따라 사용자의 체형을 결정하는 과정을 설명하기 위한 예시적인 도면이다. 도 5를 참조하면, 체형 결정부(450)는 사용자의 신체 영역의 복수의 특징 포인트까지의 거리에 설정된 조건(520)에 기초하여 사용자의 체형(500)을 내배엽(530), 중배엽(540) 및 외배엽(550) 중 어느 하나로 결정할 수 있다.
체형 결정부(450)는 사용자의 신체 영역의 무게 중심으로부터 제 1 특징 포인트 내지 제 4 특징 포인트까지의 거리의 합이 제 1 거리 임계값 보다 크고(M1+M2+M3+M4 > Mth1), 사용자의 신체 영역에 대한 가로 대 세로의 비율이 제 1 비율 임계값보다 작은 경우(H/W<Th1), 사용자의 체형을 내배엽(530)으로 결정할 수 있다. 체형 결정부(450)는 무게 중심으로부터 제 1 특징 포인트 및 제 2 특징 포인트의 거리의 합이 무게 중심으로부터 제 3 특징 포인트 및 제 4 특징 포인트의 거리의 합보다 큰지 또는 작은 지(M1+M2>M3+M4 또는 M1+M2<M3+M4)에 따라 사용자의 체형을 내배엽 중 상체 비만(531) 또는 내배엽 중 하체 비만(532)으로 결정할 수 있다.
예를 들어, 제 1 특징 포인트 및 제 2 특징 포인트의 거리의 합이 무게 중심으로부터 제 3 특징 포인트 및 제 4 특징 포인트의 거리의 합보다 큰 경우, 체형 결정부(450)는 사용자의 체형을 내배엽 중 상체 비만(531)으로 결정할 수 있다. 내배엽 중 상체 비만(530)의 측정값을 예로 들면 무게 중심으로부터의 각 특징 특징 포인트의 거리(magnitude)는 55.36, 54.12, 53.35, 54.08, 각도는 16.81, 163.91, -162.58, -18.10로 계산 될 수 있고, 가로대 세로비는 2.26로 계산될 수 있다. 이 경우, 상단 두 특징 포인트의 거리(magnitude)인 55.36과 54.12가 하단 두 특징 포인트의 거리 53.35, 54.08보다 크고, 가로대 세로의 크기가 2.30으로 측정될 수 있다.
다른 예를 들어, 제 1 특징 포인트 및 제 2 특징 포인트의 거리의 합이 무게 중심으로부터 제 3 특징 포인트 및 제 4 특징 포인트의 거리의 합보다 작은 경우, 체형 결정부(450)는 사용자의 체형을 내배엽 중 하체 비만(532)으로 결정할 수 있다. 내배엽 중 하체 비만(531)의 측정값을 예로 들면 무게 중심으로부터의 각 특징 특징 포인트의 거리(magnitude)는 52.50, 51.87, 56.65, 57.94, 각도는 17.74, 160.86, -159.32, -21.25로 계산 될 수 있고, 가로대 세로비는 2.27로 계산될 수 있다.
체형 결정부(450)는 사용자의 신체 영역의 무게 중심으로부터 제 1 특징 포인트 내지 제 4 특징 포인트까지의 거리의 합이 제 1 거리 임계값 보다 작고 제 2 거리 임계값 보다 크고(Mth2<M1+M2+M3+M4<Mth1), 무게 중심으로부터 제 1 특징 포인트 및 제 2 특징 포인트의 거리의 합이 무게 중심으로부터 제 3 특징 포인트 및 제 4 특징 포인트의 거리의 합보다 큰 경우(M1+M2>M3+M4), 사용자의 체형을 중배엽(540)으로 결정할 수 있다. 이 때, 체형 결정부(450)는 무게 중심으로부터 최하단까지의 길이 대 최상단까지의 길이의 비가 임계값보다 큰지 또는 작은지 (D1/D2>Thd 또는 D1/D2<Thd)에 따라 사용자의 체형을 중배엽 중 상체 긴 편(541) 또는 중배엽 중 하체 긴 편(542)으로 결정할 수 있다.
예를 들어, 무게 중심으로부터 최하단까지의 길이 대 최상단까지의 길이의 비가 임계값보다 큰 경우, 체형 결정부(450)는 사용자의 체형을 중배엽 중 상체 긴 편(541)으로 결정할 수 있다. 상체가 긴 중배엽의 체형의 경우, 무게 중심으로부터 각 특징 포인트의 길이 값과 가로대 세로비가 내배엽, 외배엽의 중간 범위에 해당하며 상단의 두 특징 포인트의 길이가 하단의 두 특징 포인트의 길이보다 클 수 있다. 무게 중심으로부터 최하단까지의 길이 대 최상단점까지의 길이는 평균값에 비해 크게 측정될 수 있다. 중배엽 중 상체 긴 편(541)의 측정값을 예로 들면 무게 중심으로부터의 각 특징 특징 포인트의 거리(magnitude)는 44.55, 41.73, 39.81, 40.71, 각도는 45.90, 134.03, -154.72, -27.83로 계산 될 수 있고, 가로대 세로비는 3.2로 계산될 수 있다.
다른 예를 들어, 무게 중심으로부터 최하단까지의 길이 대 최상단까지의 길이의 비가 임계값보다 작은 경우, 체형 결정부(450)는 사용자의 체형을 중배엽 중 하체 긴 편(542)으로 결정할 수 있다. 중배엽 중 하체 긴편(542)의 측정값을 예로 들면 무게 중심으로부터의 각 특징 특징 포인트의 거리(magnitude)는 34.44, 34.93, 48.08, 51.62이며 각도는 25.82, 156.37, -135, -45.78로 계산될 수 있고, 가로대 세로비는 3.25로 계산될 수 있다.
체형 결정부(450)는 사용자의 신체 영역의 무게 중심으로부터 제 1 특징 포인트 내지 제 4 특징 포인트까지의 거리의 합이 제 2 거리 임계값 보다 작고(M1+M2+M3+M4<Mth2), 무게 중심으로부터 제 1 특징 포인트 및 제 2 특징 포인트의 거리의 합이 무게 중심으로부터 제 3 특징 포인트 및 제 4 특징 포인트의 거리의 합보다 작은 경우(M1+M2<M3+M4), 사용자의 체형을 외배엽으로 결정할 수 있다. 이 때, 체형 결정부(450)는 사용자의 신체 영역에 대한 가로 대 세로의 비율이 제 2 거리 임계값 보다 큰 지 또는 작은지(Th2<H/W 또는 Th1<H/W<Th2)에 따라 사용자의 체형을 외배엽 중 마른편(551) 또는 외배엽 중 하체비만(552)으로 결정할 수 있다.
예를 들어, 사용자의 신체 영역에 대한 가로 대 세로의 비율이 제 2 거리 임계값 보다 큰 경우, 체형 결정부(450)는 사용자의 체형을 외배엽 중 마른편(551)으로 결정할 수 있다. 외배엽 마른편의 사람은 무게 중심으로부터 각 특징 포인트에 대한 길이가 모두 다른 체형에 비해 평균값이 작고 각 값의 편차가 작으며, 무게 중심으로부터 상단의 두 특징 포인트의 길이가 하단의 두 특징 포인트의 길이보다 작을 수 있다. 가로대 세로비는 크게 측정된다. 외배엽 중 마른편(551)의 측정값을 예로 들면 무게 중심으로부터의 각 특징 특징 포인트의 거리(magnitude)는 30.41, 31.38, 33.62, 33.29, 각도는 27.40, 149.34, -149.62, -32.74로 계산 될 수 있고, 가로대 세로비는 3.85로 계산될 수 있다.
다른 예를 들어, 사용자의 신체 영역에 대한 가로 대 세로의 비율이 제 2 거리 임계값 보다 작고 제 1 거리 임계값 보다 큰 경우, 체형 결정부(450)는 사용자의 체형을 외배엽 중 하체 비만(552)으로 결정할 수 있다. 중배엽 중 하체 긴편(542)의 측정값을 예로 들면 무게 중심으로부터의 각 특징 특징 포인트의 거리(magnitude)는 31.38, 32.76, 38.59, 40.82, 각도는 30.65, 148.74, -148.78, -30.96로 계산 될 수 있고, 가로대 세로비는 3.4로 계산될 수 있다.
운동 추천부(460)는 사용자의 체형, 나이 및 성별 중 적어도 하나에 기초하여 맞춤형 운동을 사용자 단말(110)로 추천할 수 있다. 운동 추천부(460)는 노년보다는 청년에게, 여성보다는 남성에게 더 강도가 높은 운동을 추천할 수 있다. 예를 들어, 운동 추천부(460)는 체형에 따른 부위 별 운동을 추천할 수 있으며, 사용자가 내배엽 상체 비만인 경우, 신체 체형상 복부 운동 및 체지방을 감소시킬 수 있는 운동을 추천할 수 있다.
구체적으로, 운동 추천부(460)는 내배엽 상체 비만인 20대 여성에게는 상체 운동 랫 풀 다운 12개 3회, 크런치 20회 3세트, 하체 운동 와이드 스쿼트 20개 3회를 추천하고, 내배엽 상체 비만인 20대 남성에게는 상체 운동 랫 풀 다운 와이드 그립 12개 5회, 무릎대고 푸쉬업 5개 3회, 하체 운동 스쿼트 10개 5회, 조깅 8km/h 15분을 추천할 수 있다. 또한, 운동 추천부(460)는 내배엽 상체 비만인 40대 여성에게는 상체 운동 재활 밴드 당기기 10개 15회, 무릎 대고 푸쉬업 5개 3회, 하체 운동 스쿼트 정지 상태 힘주기를 추천하고, 내배엽 상체 비만인 40대 남성에게는 상체 운동 인버티드로우 10개 3회, 하체운동 레그프레스 10개 3회, 속보 5.5km/h 15분을 추천할 수 있다. 또한, 운동 추천부(460)는 내배엽 상체 비만인 60대 여성에게는 상체 운동 허리 들어 올리기 운동 10회 3세트, 플랭크 30초, 하체 운동 다리 힘주기를 추천하고, 내배엽 상체 비만인 60대 남성에게는 상체 운동 재활 밴드 당기기 10개 5회, 하체 운동 레그컬 10개 3회, 걷기 3.5km/h 15분을 추천할 수 있다.
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 사용자의 신체 영역 및 얼굴 영역을 도시한 예시적인 도면이다.
도 6a는 사용자 단말로부터 수신한 촬영 영상으로부터 검출한 사용자의 얼굴 영역 및 신체 영역을 도시한 예시적인 도면이다. 도 6a를 참조하면, 체형 분석 서버(120)는 사용자 단말(110)로부터 수신한 촬영 영상으로부터 사용자의 신체 영역(610) 및 얼굴 영역(620)을 검출할 수 있다.
도 6b는 체형 분석 서버에서 분석된 사용자의 나이 및 성별을 도시한 예시적인 도면이다. 도 6b를 참조하면, 체형 분석 서버(120)는 사용자의 얼굴 영역이 검출되면, 사용자의 얼굴 영역 중 미간, 양쪽 눈 밑, 양쪽 뺨에 해당하는 5가지 영역을 관심 영역으로 설정하고, 사용자의 얼굴 영역 중 관심 영역에 대한 얼굴 특징값을 추출할 수 있다. 체형 분석 서버(120)는 추출된 얼굴 특징값에 기초하여 사용자의 나이는 '30'이고, 사용자의 성별은 '남성(M)'으로 분석할 수 있다.
도 7a 내지 도 7c는 본 발명의 일 실시예에 따른 사용자의 신체 영역을 검출하는 과정을 설명하기 위한 예시적인 도면이다.
도 7a는 사용자의 신체 영역으로부터 추출한 사용자의 전경부 이미지를 도시한 예시적인 도면이다. 도 7a를 참조하면, 체형 분석 서버(120)는 사람이 없는 배경 영상으로부터 사용자를 촬영한 신체 촬영 영상 간의 차 영상을 추출함으로써, 전경부 이미지(710)를 추출할 수 있다. 이 때, 체형 분석 서버(120)는 검출된 얼굴 영역의 중심 좌표와 검출된 얼굴 영역의 사이즈를 참조하여, 전경부 이미지의 범위를 지정함으로써, 차 영상을 추출할 수 있다. 예를 들어, 체형 분석 서버(120)는 검출된 얼굴 영역의 가로 사이즈의 5배, 세로 사이즈의 9배 영역의 범위를 지정할 수 있다. 지정된 범위는 예를 들어, 얼굴 중심의 y축 좌표를 기준으로 상단과 하단의 범위의 비가 1:4이며, x축 좌표를 기준으로 좌측과 우측의 범위의 비가 1:1비로 설정될 수 있다. 체형 분석 서버(120)는 전경부 이미지(710)를 추출하기 위해 배경 분리(Background Subtraction) 기술을 이용할 수 있다. 예를 들어, 체형 분석 서버(120)는 색상 채널 별로 차이값이 임계치 이상이면 '0', 임계치 이하이면 255로 나타내어 이진화 영상을 생성한 후, OR 연산으로 합함으로써 전경부 이미지(710)를 추출할 수 있다.
도 7b는 사용자의 전경부 이미지로부터 추출된 외곽선을 도시한 예시적인 도면이다. 도 7b를 참조하면, 체형 분석 서버(120)는 추출된 전경부 이미지로부터 엣지 추출 필터를 이용하여 외곽선(720)을 추출할 수 있다.
예를 들어, 체형 분석 서버(120)는 추출된 사용자의 전경부 이미지에 캐니 엣지 필터(canny edge filter)를 적용하여 외곽선(720)을 추출할 수 있다. 이 때, 체형 분석 서버(120)는 각 점의 좌표를 활용하여 무게중심을 도출할 수 있다.
도 7c는 사용자의 신체의 무게 중심에 기초하여 추출된 신체의 가로 길이를 도시한 예시적인 도면이다. 도 7c를 참조하면, 체형 분석 서버(120)는 히스토그램 프로젝션(Histogram Projection) 방법을 이용하여 신체의 가로 길이(w)를 추출할 수 있다. 예를 들어, 체형 분석 서버(120)는 히스토그램 프로젝션 방법을 통해 위에서 아래로 스캔하는 방식으로 픽셀 수를 계산하여, 픽셀 수가 임계치 미만인 부분을 제외함으로써, 신체의 가로 길이를 추출할 수 있다.
도 8a 내지 도 8d는 본 발명의 일 실시예에 따른 복수의 볼록 껍질 포인트를 추출하는 과정을 설명하기 위한 예시적인 도면이다.
도 8a를 참조하면, 체형 분석 서버(120)는, 예를 들어, graham scan 방식을 이용하여 볼록 껍질 포인트를 추출할 수 있다. 예를 들어, 체형 분석 서버(120)는 제 1 포인트(810)에서 복수의 다른 포인트까지의 각도를 계산할 수 있다. 이 때, 체형 분석 서버(120)는 제 1 포인트(810)로부터 가장 각도가 작은 순서대로 정렬하여 초기 볼록 껍질로 추가할 수 있다.
도 8b를 참조하면, 체형 분석 서버(120)는 제 1 포인트(810)로부터 다음 포인트가 우측에 위치한 경우, 제 1 포인트(810)를 볼록 껍질에서 제외시키고, 제 2 포인트(820)를 현재 기준점으로 변경하여 재판별할 수 있다. 또한, 체형 분석 서버(120)는 제 2 포인트(820)로부터 다음 포인트가 우측에 위치한 경우, 제 2 포인트(820)를 블록 껍질에서 제외시키고, 제 3 포인트(830)를 현재 기준점으로 변경하여 재판별할 수 있다.
도 8c를 참조하면, 체형 분석 서버(120)는 제 3 포인트(830)로부터 다음 포인트가 우측에 위치한 경우, 제 3 포인트(830)를 블록 껍질에서 제외시키고, 제 4 포인트(840)를 현재 기준점으로 변경하여 재판별할 수 있다. 체형 분석 서버(120)는 제 4 포인트(840)와 제 5 포인트(850)가 연결된 직선보다 제 1 포인트(810)가 오른쪽에 위치하였으므로, 제 5 포인트(850)를 볼록 껍질에서 제외시키고, 제 1 포인트(810)를 현재 기준점으로 변경하여 재판별할 수 있다.
체형 분석 서버(120)는 현재 직선보다 다음 포인트가 좌측에 위치한 경우, 현재의 포인트를 볼록 껍질에 추가할 수 있다. 예를 들어, 제 4 포인트(840)와 제 1 포인트(810)가 연결된 직선보다 제 2 포인트(820)가 좌측에 위치한 경우, 체형 분석 서버(120)는 제 1 포인트(810)를 볼록 껍질에 추가할 수 있다.
도 8d를 참조하면, 체형 분석 서버(120)는 결함 포인트를 추출할 수 있다. 예를 들어, 체형 분석 서버(120)는 검출된 볼록 껍질 포인트 중 무게 중심으로부터 세로축으로 1/4 범위 내에서 검출된 볼록 껍질 포인트가 없으면, 결함 포인트를 추출할 수 있다. 체형 분석 서버(120)는 제 1 볼록 껍질 포인트(860)와 제 2 볼록 껍질 포인트(870)을 잇는 직선과 윤곽선에 해당하는 좌표 간에 거리가 가장 긴 경우, 해당 좌표를 이용하여 결점 포인트(880)를 선정할 수 있다. 이 때, 체형 분석 서버(120)는 검출된 볼록 껍질 포인트 중 무게 중심과 가까운 볼록 껍질 포인트 2개를 기준점으로 선정할 수 있다.
도 9a 및 도 9b는 본 발명의 일 실시예에 따른 사용자의 신체 영역으로부터 추출된 복수의 특징 포인트를 도시한 예시적인 도면이다.
도 9a는 보통 체중의 사용자의 신체 영역으로부터 추출된 복수의 특징 포인트를 도시한 예시적인 도면이다.
도 9b는 과체중의 사용자의 신체 영역으로부터 추출된 복수의 특징 포인트를 도시한 예시적인 도면이다.
도 9a 및 도 9b를 참조하면, 체형 분석 서버(120)는 사용자의 신체 영역의 무게 중심의 주변부로부터 복수의 볼록 껍질 포인트를 추출할 수 있다. 무게 중심의 주변부는 예를 들어, 무게 중심으로부터 상단부 세로축을 기준으로 1/3 범위, 하단부를 기준으로 1/2 범위로 설정될 수 있다. 또한, 체형 분석 서버(120)는 복수의 볼록 껍질 포인트에 기초하여 결정 포인트를 추출할 수도 있다.
체형 분석 서버(120)는 복수의 볼록 껍질 포인트 및 결점 포인트에 기초하여 복수의 특징 포인트를 추출할 수 있다. 이 때, 체형 분석 서버(120)는 무게 중심과 복수의 특징 포인트 좌표 간의 거리를 계산할 수 있다. 예를 들어, 체형 분석 서버(120)는 무게 중심과 결점 포인트 사이의 각이 양수 범위(예를 들어, 0~90, 90~180)이면서, 거리가 최소인 특징 포인트를 제 1 특징 포인트(m1) 및 제 2 특징 포인트(m2)로 결정할 수 있다. 또한, 체형 분석 서버(120)는 무게 중심과 볼록 껍질 포인트 사이의 각이 음수 범위(예를 들어, -180~-90, -90~0) 내에 존재하면서, 거리가 최소인 특징 포인트를 제 3 특징 포인트(m3) 및 제 4 특징 포인트(m4)로 결정할 수 있다.
보통 체중의 사용자와 과체중의 사용자는 각 사용자의 신체 영역으로부터 추출된 무게 중심의 위치가 서로 다르며, 보통 체중의 사용자와 과체중의 사용자의 신체 영역으로부터 추출된 복수의 특징 포인트는 각기 다른 위치에 위치한 것을 알 수 있다. 이를 통해, 사용자의 신체적 특성에 따라 무게 중심으로부터 복수의 특징 포인트까지의 거리가 달라지는 것을 알 수 있다.
도 10은 본 발명의 일 실시예에 따른 사용자의 신체를 다양한 히스토그램으로 도식화한 예시적인 도면이다. 도 10을 참조하면, 체형 분석 서버(120)는 다양한 히스토그램을 이용하여 사용자 신체적 특성을 도식화할 수 있다. 예를 들어, 체형 분석 서버(120)는 무게 중심으로부터 최하단(D2) 및 최상단(D1)을 표시하여 높이(H)와 각 높이와 대응되는 픽셀 수에 해당하는 값(Value)을 좌표축으로 하는 히스토그램(1001), 신체 영역의 가로 길이(W)와 각 가로 길이와 대응되는 픽셀 수에 해당하는 값(Value)을 좌표축으로 하는 히스토그램(1002) 및 무게 중심으로부터 각 특징 포인트(m1, m2, m3 및 m4)까지의 거리(Magnitude)와 각도(Angle)를 좌표축으로 하는 히스토그램(1003) 등을 통해 사용자의 신체적 특성을 표현할 수 있다.
도 11은 본 발명의 일 실시예에 따른 체형 분석 서버에서 사용자의 체형을 분석하는 방법의 순서도이다. 도 11에 도시된 실시예에 따른 체형 분석 서버(120)에 의해 수행되는 사용자의 체형을 분석하는 방법은 도 1 내지 도 10에 도시된 실시예에 따른 체형 분석 시스템(1)에서 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 10에 도시된 실시예에 따른 체형 분석 서버(120)에 의해 수행되는 사용자의 체형을 분석하는 방법에도 적용된다.
단계 S1110에서 체형 분석 서버(120)는 사용자 단말(110)로부터 신체 촬영 영상을 수신할 수 있다.
단계 S1120에서 체형 분석 서버(120)는 신체 촬영 영상으로부터 사용자의 신체 영역을 검출할 수 있다.
단계 S1130에서 체형 분석 서버(120)는 검출된 사용자의 신체 영역으로부터 복수의 특징 포인트를 추출할 수 있다.
단계 S1140에서 체형 분석 서버(120)는 사용자의 신체 영역의 무게 중심으로부터 복수의 특징 포인트까지의 거리에 기초하여 사용자의 체형을 결정할 수 있다.
도 11에서는 도시되지 않았으나, 체형 분석 서버(120)는 검출된 사용자의 신체 영역으로부터 외곽선을 추출하는 단계, 추출된 외곽선의 좌표를 이용하여 적어도 하나 이상의 볼록 껍질 포인트(convex hull point)를 추출하는 단계 및 무게 중심으로부터 추출된 볼록 껍질 포인트까지의 거리에 기초하여 복수의 특징 포인트를 추출하는 단계를 더 포함할 수 있다.
상술한 설명에서, 단계 S1110 내지 S1140은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
도 1 내지 도 11을 통해 설명된 사용자 단말(110)에서 체형 분석 서비스를 제공받는 방법 및 체형 분석 서버(120)에서 사용자의 체형을 분석하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램 또는 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 또한, 도 1 내지 도 11을 통해 설명된 사용자 단말(110)에서 체형 분석 서비스를 제공받는 방법 및 체형 분석 서버(120)에서 사용자의 체형을 분석하는 방법은 컴퓨터에 의해 실행되는 매체에 저장된 컴퓨터 프로그램의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
110: 사용자 단말
120: 체형 분석 서버
210: 촬영부
220: 전송부
230: 수신부
410: 수신부
420: 얼굴 인식부
430: 신체 영역 검출부
440: 추출부
450: 체형 결정부
460: 운동 추천부

Claims (20)

  1. 사용자의 체형을 분석하는 체형 분석 서버에 있어서,
    사용자 단말로부터 신체 촬영 영상을 수신하는 수신부;
    상기 신체 촬영 영상으로부터 상기 사용자의 신체 영역을 검출하는 신체 영역 검출부;
    상기 검출된 사용자의 신체 영역으로부터 복수의 특징 포인트를 추출하는 추출부;
    상기 사용자의 신체 영역의 무게 중심으로부터 상기 복수의 특징 포인트까지의 거리에 기초하여 상기 사용자의 체형을 결정하는 체형 결정부
    를 포함하는 것인, 체형 분석 서버.
  2. 제 1 항에 있어서,
    상기 신체 영역 검출부는 상기 검출된 상기 사용자의 신체 영역으로부터 외곽선을 추출하고,
    상기 추출부는 상기 추출된 외곽선의 좌표를 이용하여 적어도 하나 이상의 볼록 껍질 포인트(convex hull point)를 추출하고,
    상기 무게 중심으로부터 상기 추출된 볼록 껍질 포인트까지의 거리에 기초하여 복수의 특징 포인트를 추출하는 것인, 체형 분석 서버.
  3. 제 2 항에 있어서,
    상기 추출부는 상기 볼록 껍질 포인트 중 상기 무게 중심의 상부에서 기설정된 범위 내에 위치하고, 상기 무게 중심으로부터 가장 먼 거리에 위치한 볼록 껍질 포인트를 제 1 특징 포인트 및 제 2 특징 포인트로 추출하고,
    상기 무게 중심의 하부에서 기설정된 범위에 위치하고, 상기 무게 중심으로부터 가장 가까운 거리에 위치한 볼록 껍질 포인트를 제 3 특징 포인트 및 제 4 특징 포인트로 추출하는 것인, 체형 분석 서버,
  4. 제 3 항에 있어서,
    상기 추출부는 상기 볼록 껍질 포인트 중 근접하는 두 개의 볼록 껍질 포인트를 연결하는 직선과 상기 외곽선 간의 거리가 가장 긴 경우에 해당하는 상기 외곽선의 좌표를 결함 포인트(defect point)로 추출하고,
    상기 무게 중심으로부터 상기 추출된 볼록 껍질 포인트 및 결함 포인트까지의 거리에 기초하여 복수의 특징 포인트를 추출하는 것인, 체형 분석 서버.
  5. 제 4 항에 있어서,
    상기 추출부는 상기 기설정된 범위 내에 볼록 껍질 포인트가 없는 경우 상기 기설정된 범위 내에 위치하는 결함 포인트를 이용하여 특징 포인트를 추출하는 것인, 체형 분석 서버.
  6. 제 3 항에 있어서,
    상기 체형 결정부는 상기 사용자의 신체 영역의 무게 중심으로부터 상기 제 1 특징 포인트 내지 상기 제 4 포인트까지의 거리의 합이 제 1 거리 임계값 보다 크고, 상기 사용자의 신체 영역에 대한 가로 대 세로의 비율이 제 1 비율 임계값보다 작은 경우, 상기 사용자의 체형을 내배엽으로 결정하는 것인, 체형 분석 서버.
  7. 제 6 항에 있어서,
    상기 체형 결정부는 상기 무게 중심으로부터 상기 제 1 특징 포인트 및 상기 제 2 특징 포인트의 거리의 합이 상기 무게 중심으로부터 상기 제 3 특징 포인트 및 상기 제 4 특징 포인트의 거리의 합보다 큰지 여부에 따라 상기 사용자의 체형을 상기 내배엽 중 상체 비만 또는 상기 내배엽 중 하체 비만으로 결정하는 것인, 체형 분석 서버.
  8. 제 3 항에 있어서,
    상기 체형 결정부는 상기 사용자의 신체 영역의 무게 중심으로부터 상기 제 1 특징 포인트 내지 상기 제 4 포인트까지의 거리의 합이 제 1 거리 임계값 보다 작고 제 2 거리 임계값 보다 크고, 상기 무게 중심으로부터 상기 제 1 특징 포인트 및 상기 제 2 특징 포인트의 거리의 합이 상기 무게 중심으로부터 상기 제 3 특징 포인트 및 상기 제 4 특징 포인트의 거리의 합 보다 큰 경우, 상기 사용자의 체형을 중배엽으로 결정하는 것인, 체형 분석 서버.
  9. 제 8 항에 있어서,
    상기 체형 결정부는 상기 무게 중심으로부터 최하단까지의 길이 대 최상단까지의 길이의 비가 임계값보다 큰지 여부에 따라 상기 사용자의 체형을 상기 중배엽 중 상체 긴편 또는 상기 중배엽 중 하체 긴편으로 결정하는 것인, 체형 분석 서버.
  10. 제 3 항에 있어서,
    상기 체형 결정부는 상기 사용자의 신체 영역의 무게 중심으로부터 상기 제 1 특징 포인트 내지 상기 제 4 포인트까지의 거리의 합이 제 2 거리 임계값 보다 작고, 상기 무게 중심으로부터 상기 제 1 특징 포인트 및 상기 제 2 특징 포인트의 거리의 합이 상기 무게 중심으로부터 상기 제 3 특징 포인트 및 상기 제 4 특징 포인트의 거리의 합보다 작은 경우, 상기 사용자의 체형을 외배엽으로 결정하는 것인, 체형 분석 서버.
  11. 제 10 항에 있어서,
    상기 체형 결정부는 상기 사용자의 신체 영역에 대한 가로 대 세로의 비율이 제 2 거리 임계값 보다 큰지 여부에 따라 상기 사용자의 체형을 상기 외배엽 중 마른편 또는 상기 외배엽 중 하체비만으로 결정하는 것인, 체형 분석 서버.
  12. 제 1 항에 있어서,
    상기 사용자 단말로부터 수신한 얼굴 촬영 영상으로부터 상기 사용자의 얼굴 영역을 검출하고,
    상기 검출된 사용자의 얼굴 영역으로부터 얼굴 특징값을 추출하고,
    상기 추출된 얼굴 특징값에 기초하여 상기 사용자의 나이 및 성별을 분석하는 얼굴 인식부를 더 포함하는, 체형 분석 서버.
  13. 제 12 항에 있어서,
    상기 얼굴 인식부는 상기 추출된 얼굴 특징값과 기저장된 상기 사용자의 얼굴 특징값을 비교하여 등록된 사용자인지 여부를 판단하는 것인, 체형 분석 서버.
  14. 제 12 항에 있어서,
    상기 사용자의 체형, 나이 및 성별 중 적어도 하나에 기초하여 맞춤형 운동을 상기 사용자 단말로 추천하는 운동 추천부를 더 포함하는, 체형 분석 서버.
  15. 체형 분석 서비스를 제공받는 사용자 단말에 있어서,
    사용자에 대한 신체 촬영 영상을 촬영하는 촬영부;
    상기 신체 촬영 영상을 체형 분석 서버로 전송하는 전송부; 및
    상기 신체 촬영 영상에 기초하여 결정된 상기 사용자의 체형 정보를 수신하는 수신부를 포함하고,
    상기 사용자의 체형 정보는 상기 사용자의 신체 영역의 무게 중심으로부터 복수의 특징 포인트까지의 거리에 기초하여 결정되고,
    상기 복수의 특징 포인트는 상기 사용자의 신체 촬영 영상으로부터 검출된 상기 사용자의 신체 영역으로부터 추출된 것인, 사용자 단말.
  16. 제 15 항에 있어서,
    상기 복수의 특징 포인트는 상기 무게 중심의 상부에서 위치한 제 1 특징 포인트 및 제 2 특징 포인트, 상기 무게 중심의 하부에서 위치한 제 3 특징 포인트 및 제 4 특징 포인트를 포함하고,
    상기 사용자의 체형은, 상기 사용자의 신체 영역의 무게 중심으로부터 상기 제 1 특징 포인트 내지 상기 제 4 포인트까지의 거리의 합이 제 1 거리 임계값 보다 크고, 상기 사용자의 신체 영역에 대한 가로 대 세로의 비율이 제 1 비율 임계값보다 작은 경우, 내배엽으로 결정되는 것인, 사용자 단말.
  17. 제 15 항에 있어서,
    상기 복수의 특징 포인트는 상기 무게 중심의 상부에서 위치한 제 1 특징 포인트 및 제 2 특징 포인트, 상기 무게 중심의 하부에서 위치한 제 3 특징 포인트 및 제 4 특징 포인트를 포함하고,
    상기 사용자의 체형은, 상기 사용자의 신체 영역의 무게 중심으로부터 상기 제 1 특징 포인트 내지 상기 제 4 포인트까지의 거리의 합이 제 1 거리 임계값 보다 작고 제 2 거리 임계값 보다 크고, 상기 무게 중심으로부터 상기 제 1 특징 포인트 및 상기 제 2 특징 포인트의 거리의 합이 상기 무게 중심으로부터 상기 제 3 특징 포인트 및 상기 제 4 특징 포인트의 거리의 합 보다 큰 경우, 중배엽으로 결정되는 것인, 사용자 단말.
  18. 제 15 항에 있어서,
    상기 복수의 특징 포인트는 상기 무게 중심의 상부에서 위치한 제 1 특징 포인트 및 제 2 특징 포인트, 상기 무게 중심의 하부에서 위치한 제 3 특징 포인트 및 제 4 특징 포인트를 포함하고,
    상기 사용자의 체형은, 상기 사용자의 신체 영역의 무게 중심으로부터 상기 제 1 특징 포인트 내지 상기 제 4 포인트까지의 거리의 합이 제 2 거리 임계값 보다 작고, 상기 무게 중심으로부터 상기 제 1 특징 포인트 및 상기 제 2 특징 포인트의 거리의 합이 상기 무게 중심으로부터 상기 제 3 특징 포인트 및 상기 제 4 특징 포인트의 거리의 합보다 작은 경우, 외배엽으로 결정되는 것인, 사용자 단말.
  19. 사용자의 체형을 분석하는 체형 분석 방법에 있어서,
    사용자 단말로부터 신체 촬영 영상을 수신하는 단계;
    상기 신체 촬영 영상으로부터 상기 사용자의 신체 영역을 검출하는 단계;
    상기 검출된 사용자의 신체 영역으로부터 복수의 특징 포인트를 추출하는 단계; 및
    상기 사용자의 신체 영역의 무게 중심으로부터 상기 복수의 특징 포인트까지의 거리에 기초하여 상기 사용자의 체형을 결정하는 단계
    를 포함하는 것인, 체형 분석 방법.
  20. 제 19 항에 있어서,
    상기 신체 영역을 검출하는 단계는 상기 검출된 상기 사용자의 신체 영역으로부터 외곽선을 추출하는 것이고,
    상기 복수의 특징 포인트를 추출하는 단계는
    상기 추출된 외곽선의 좌표를 이용하여 적어도 하나 이상의 볼록 껍질 포인트(convex hull point)를 추출하는 단계; 및
    상기 무게 중심으로부터 상기 추출된 볼록 껍질 포인트까지의 거리에 기초하여 복수의 특징 포인트를 추출하는 단계
    를 포함하는 것인, 체형 분석 방법.
KR1020160099389A 2016-08-04 2016-08-04 체형 분석 서버, 체형 분석 방법 및 사용자 단말 KR20180015858A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160099389A KR20180015858A (ko) 2016-08-04 2016-08-04 체형 분석 서버, 체형 분석 방법 및 사용자 단말

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160099389A KR20180015858A (ko) 2016-08-04 2016-08-04 체형 분석 서버, 체형 분석 방법 및 사용자 단말

Publications (1)

Publication Number Publication Date
KR20180015858A true KR20180015858A (ko) 2018-02-14

Family

ID=61229642

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160099389A KR20180015858A (ko) 2016-08-04 2016-08-04 체형 분석 서버, 체형 분석 방법 및 사용자 단말

Country Status (1)

Country Link
KR (1) KR20180015858A (ko)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101976080B1 (ko) * 2018-02-27 2019-05-09 정연아 안면 및 신체 비율을 이용한 이미지 컨설팅 방법 및 이를 위한 장치
KR20190113265A (ko) * 2018-03-28 2019-10-08 주식회사 스탠스 헬스케어를 위한 증강현실 디스플레이 장치 및 이를 이용한 헬스케어 시스템
KR20200046637A (ko) 2018-10-25 2020-05-07 박재현 체형 분석 방법 및 장치
KR20200066955A (ko) * 2018-12-03 2020-06-11 박상순 사상 체질 판단 방법 및 그 방법을 이용한 프로그램
KR20210148493A (ko) 2020-05-28 2021-12-08 (주)에이치엠솔루션 체형정보를 이용한 단체 맞춤형 컨텐츠 제공시스템
KR20220023030A (ko) * 2020-08-20 2022-03-02 (주) 아키드로우 가상 공간 콘텐츠 데이터 기반 현실적 장면 이미지를 이용한 인테리어 디자인 선주문 마켓 플랫폼 서비스 제공 방법 및 그 장치
KR20220103859A (ko) 2021-01-15 2022-07-25 주식회사 쉬즈엠 헬스케어 시스템
KR20220119557A (ko) * 2019-11-25 2022-08-30 뉴턴1665 주식회사 신체상태 모니터링 서비스 제공방법
KR102553842B1 (ko) 2022-05-03 2023-07-10 부야 주식회사 사상 체질 판단 시스템
WO2023146097A1 (ko) * 2022-01-28 2023-08-03 주식회사 모그 체형 및 체성분 산출 방법 및 이를 이용한 건강 개선 프로그램 제공 방법
KR102667748B1 (ko) * 2023-01-09 2024-05-21 (주)케이힐리 개인별 체형에 따른 맞춤형 건강 관리 서비스 제공 시스템, 방법, 프로그램, 컴퓨터 판독 가능한 기록매체

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101976080B1 (ko) * 2018-02-27 2019-05-09 정연아 안면 및 신체 비율을 이용한 이미지 컨설팅 방법 및 이를 위한 장치
KR20190113265A (ko) * 2018-03-28 2019-10-08 주식회사 스탠스 헬스케어를 위한 증강현실 디스플레이 장치 및 이를 이용한 헬스케어 시스템
KR20200046637A (ko) 2018-10-25 2020-05-07 박재현 체형 분석 방법 및 장치
KR20200066955A (ko) * 2018-12-03 2020-06-11 박상순 사상 체질 판단 방법 및 그 방법을 이용한 프로그램
KR20220119557A (ko) * 2019-11-25 2022-08-30 뉴턴1665 주식회사 신체상태 모니터링 서비스 제공방법
KR20210148493A (ko) 2020-05-28 2021-12-08 (주)에이치엠솔루션 체형정보를 이용한 단체 맞춤형 컨텐츠 제공시스템
KR20220023030A (ko) * 2020-08-20 2022-03-02 (주) 아키드로우 가상 공간 콘텐츠 데이터 기반 현실적 장면 이미지를 이용한 인테리어 디자인 선주문 마켓 플랫폼 서비스 제공 방법 및 그 장치
KR20220103859A (ko) 2021-01-15 2022-07-25 주식회사 쉬즈엠 헬스케어 시스템
WO2023146097A1 (ko) * 2022-01-28 2023-08-03 주식회사 모그 체형 및 체성분 산출 방법 및 이를 이용한 건강 개선 프로그램 제공 방법
KR102553842B1 (ko) 2022-05-03 2023-07-10 부야 주식회사 사상 체질 판단 시스템
KR102667748B1 (ko) * 2023-01-09 2024-05-21 (주)케이힐리 개인별 체형에 따른 맞춤형 건강 관리 서비스 제공 시스템, 방법, 프로그램, 컴퓨터 판독 가능한 기록매체

Similar Documents

Publication Publication Date Title
KR20180015858A (ko) 체형 분석 서버, 체형 분석 방법 및 사용자 단말
Andreu et al. Wize Mirror-a smart, multisensory cardio-metabolic risk monitoring system
KR101738278B1 (ko) 영상을 이용한 감정 인식 방법
Wang et al. Automatic evaluation of the degree of facial nerve paralysis
US20170112382A1 (en) Pulse-wave detection method, pulse-wave detection device, and computer-readable recording medium
CN107798279B (zh) 一种人脸活体检测方法及装置
JP6521845B2 (ja) 心拍に連動する周期的変動の計測装置及び計測方法
Yang et al. Estimating heart rate and rhythm via 3D motion tracking in depth video
CN107666853A (zh) 根据视频序列确定搏动信号
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
KR101752560B1 (ko) 영상을 이용한 산소포화도 측정 방법 및 영상을 이용한 산소포화도 측정 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체
US10872268B2 (en) Information processing device, information processing program, and information processing method
KR102347551B1 (ko) 얼굴 이미지 분석에 기반한 얼굴 상태 정보 제공 방법, 장치 및 시스템
Khan et al. Iris recognition using machine learning from smartphone captured images in visible light
JP2023060172A (ja) 血圧測定装置、モデル設定装置、および血圧測定方法
Porcu et al. Towards the prediction of the quality of experience from facial expression and gaze direction
US10706967B2 (en) Apparatus and system for processing diagnostic data on the basis of medical interview data and camera data
CN117503099A (zh) 人体成分分析仪、测量方法、装置、设备及存储介质
Kwasniewska et al. Evaluating accuracy of respiratory rate estimation from super resolved thermal imagery
KR102359656B1 (ko) 이미지 기반의 체성분 분석장치, 체성분 분석방법 및 이를 이용한 스마트 기기
KR20230018321A (ko) 고객피부데이터를 이용한 화장품추천시스템
CN111222374A (zh) 测谎数据处理方法、装置、计算机设备和存储介质
JP2019040592A (ja) 情報処理装置、情報処理プログラム、及び、情報処理方法
Vaish et al. Smartphone based automatic organ validation in ultrasound video
Malasinghe et al. Remote heart rate extraction using microsoft kinecttm V2. 0