KR20180089879A - 메이크업 자동 평가 시스템 및 그의 동작 방법 - Google Patents

Abstract

본 발명은 메이크업 자동 평가 시스템에 관한 것으로, 이미지를 서버로 전송하는 이동 단말기 및 기 저장된 메이크업 점수 데이터에 기초하여 이동 단말기로부터 수신된 이미지에 포함된 얼굴의 메이크업의 점수를 산출하는 서버를 포함할 수 있다.

Description

메이크업 자동 평가 시스템 및 그의 동작 방법{AUTOMATIC MAKE-UP EVALUATION SYSTEM AND OPERATING METHOD THEREOF}

본 발명은 메이크업 자동 평가 시스템 및 그의 동작 방법에 관한 것이다.

뷰티 산업(beauty industry)의 발전에 따라, 사용자의 화장품, 메이크업(make-up) 등에 대한 관심이 증가하고 있다. 이에 따라, 사용자의 화장품, 메이크업 등에 대한 욕구가 다양해지고 있는 추세이다. 예를 들어, 사용자 개인마다 피부 색상, 얼굴형, 이목구비의 생김새 등이 다양하기 때문에 개인에게 어울리는 메이크업이 다를 수 있다. 따라서, 사용자는 자신에게 어울리는 메이크업에 대한 선택의 어려움을 가질 수 있다. 또한, 사용자는 메이크업 후에 메이크업이 잘 된 것인지, 어떤 부분을 보완해야 하는지 궁금할 수 있다.

이러한 추세에 맞추어, 최근에는 사용자의 얼굴에 가상의 메이크업을 입혀주는 어플리케이션(application) 등이 개발되고 있다. 이 경우, 사용자의 호기심과 흥미를 유발할 수는 있으나, 어떤 메이크업이 사용자에게 어울리는지 개인이 판단해야 하는 한계가 있다. 즉, 현재 제공되는 뷰티 서비스의 경우에는 메이크업 전문가의 협업이 포함되지 않거나, 메이크업 전문가의 협업이 있다고 하더라도 한정적인 데이터에 기초하고 있다. 따라서, 사용자 개개인에 대한 맞춤형 서비스를 제공하기에는 어려움이 있다.

한편, 최근에는 기계 학습(Machine Learning, ML) 기술, 특히 딥러닝(Deep Learning, DL) 기술의 이용 분야가 확장되고 있다.

기계 학습 기술이란 많은 데이터를 통해 특징을 추출하고, 새로운 데이터가 입력되면 컴퓨터가 스스로 특징에 따라 분류할 수 있는 기술이다.

딥러닝 기술은 기계 학습 기술의 일부이다. 딥러닝 기술은 인공지능을 구성하기 위한 인공신경망 ANN(Artificial Neural Networks)을 기반으로, 빅데이터 속에서 패턴을 발견하여 인간이 사물을 구분하듯 컴퓨터가 데이터를 분류하는 기술을 말한다.

딥러닝 기술을 메이크업 서비스에 적용함으로써, 보다 객관적인 데이터를 바탕으로 사용자에게 맞춤형 메이크업을 제공할 수 있는 것으로 생각된다.

본 발명은 사진 속 메이크업을 분석하여, 메이크업의 우수성을 수치로 제공하는 메이크업 자동 평가 시스템 및 그의 동작 방법을 제공하고자 한다.

보다 구체적으로, 본 발명은 메이크업 전문가의 평가에 기초한 신뢰성 있는 점수 데이터를 통해 메이크업을 평가하는 자동 평가 시스템 및 그의 동작 방법을 제공하고자 한다.

본 발명은 기계학습 기술을 통해 메이크업을 자동으로 평가하는 데이터 베이스를 구축하고 있는 메이크업 자동 평가 시스템 및 그의 동작 방법을 제공하고자 한다.

본 발명의 일 실시 예에 따른 이동 단말기 및 메이크업 서버로 구성되는 메이크업 자동 평가 시스템은, 얼굴 이미지를 촬영하고, 촬영한 얼굴 이미지를 메이크업 서버로 전송하는 이동 단말기 및 메이크업 점수 데이터를 저장하고 있고, 이동 단말기로부터 얼굴 이미지를 수신하면 메이크업 점수 데이터에 기초하여 얼굴 이미지의 메이크업 점수를 산출하고, 산출된 메이크업 점수를 이동 단말기로 전송하는 메이크업 서버를 포함할 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기 및 메이크업 서버로 구성되는 메이크업 자동 평가 시스템에서, 이동 단말기는 얼굴 이미지와 함께 메이크업 주제를 메이크업 서버로 전송하고, 메이크업 서버는 수신된 메이크업 주제에 따라 얼굴 이미지의 메이크업 점수를 상이하게 산출할 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기 및 메이크업 서버로 구성되는 메이크업 자동 평가 시스템에서, 메이크업 서버는 메이크업 주제별로 적어도 하나 이상의 얼굴 이미지의 메이크업 점수를 산출하고, 이동 단말기는 산출된 적어도 하나 이상의 얼굴 이미지의 메이크업 점수 중 가장 높은 점수를 표시할 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기 및 메이크업 서버로 구성되는 메이크업 자동 평가 시스템에서, 메이크업 서버는 얼굴 이미지가 노메이크업(no-makeup) 이미지로 판단되면 얼굴 이미지의 메이크업 점수를 최저점으로 산출할 수 잇다.

본 발명의 일 실시 예에 따른 이동 단말기 및 메이크업 서버로 구성되는 메이크업 자동 평가 시스템에서, 메이크업 서버는 얼굴 이미지 및 산출된 메이크업 점수를 통해 메이크업 점수 산출 방법을 기계 학습하는 메이크업 점수 학습부를 포함할 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기는, 얼굴 이미지를 촬영하는 카메라, 촬영한 얼굴 이미지에 대응하는 메이크업 평가 요청 신호를 전송하는 제어부 및 요청에 따른 메이크업 점수를 표시하는 디스플레이부를 포함하고, 메이크업 점수는, 메이크업 전문가의 메이크업 평가를 위한 입력에 기초하여 생성된 메이크업 점수 데이터로부터 획득될 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기는, 메이크업 평가 요청 신호를 메이크업 서버로 전송하고, 메이크업 서버로부터 메이크업 점수를 수신하는 무선 통신부를 더 포함할 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기에서, 제어부는 메이크업 서버로부터 수신된 메이크업 점수가 복수개인 경우 복수개의 메이크업 점수 중 가장 높은 메이크업 점수를 획득하고, 디스플레이부는 획득된 가장 높은 메이크업 점수를 표시할 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기는, 얼굴 이미지에 대응하는 메이크업 주제를 선택하는 명령을 수신하는 입력부를 더 포함하고, 무선 통신부는 메이크업 주제를 포함하는 메이크업 평가 요청 신호를 메이크업 서버로 전송하고, 메이크업 주제에 따른 메이크업 점수를 메이크업 서버로부터 수신할 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기에서, 디스플레이부는 얼굴 이미지, 얼굴 이미지의 메이크업 종합 점수 및 얼굴 이미지의 얼굴 영역별 점수 중 적어도 하나 이상을 표시할 수 있다.

본 발명의 일 실시 예에 따른 메이크업 서버는, 메이크업 전문가의 메이크업 평가를 위한 입력에 기초하여 생성된 메이크업 점수 데이터를 저장하고 있는 메이크업 DB 관리부, 얼굴 이미지를 수신하는 무선 통신부 및 수신된 얼굴 이미지를 메이크업 점수 데이터에 기초하여 분석하고, 분석 결과에 기초하여 얼굴 이미지의 메이크업 점수를 산출하는 메이크업 평가부를 포함할 수 있다.

본 발명의 일 실시 예에 따른 메이크업 서버에 있어서, 메이크업 DB 관리부는 외부로부터 복수 개의 이미지 데이터를 수신하는 메이크업 이미지 획득부, 수신된 복수 개의 이미지 데이터 각각에 대응하는 얼굴 영역별 점수를 포함하는 메이크업 점수 데이터를 생성하는 점수 데이터 생성부 및 생성된 메이크업 점수 데이터를 저장하는 메이크업 평가 데이터 베이스를 포함할 수 있다.

본 발명의 일 실시 예에 따른 메이크업 서버에 있어서, 메이크업 평가부는 무선 통신부로부터 얼굴 이미지를 수신하는 얼굴 이미지 획득부, 얼굴 이미지와 메이크업 점수 데이터에 포함된 이미지 데이터를 비교하여 얼굴 이미지의 메이크업을 분석하는 메이크업 분석부 및 분석 결과에 기초하여 얼굴 이미지의 메이크업 점수를 획득하는 메이크업 점수 출력부를 포함할 수 있다.

본 발명의 일 실시 예에 따른 메이크업 서버에 있어서, 메이크업 분석부는 메이크업 점수 데이터에서 얼굴 이미지와 유사한 적어도 하나 이상의 이미지 데이터를 얼굴 영역별로 추출하고, 추출된 이미지 데이터의 점수 분포를 나타내는 메이크업 분석 그래프를 생성하여 메이크업을 분석할 수 있다.

본 발명의 일 실시 예에 따른 메이크업 서버에 있어서, 메이크업 DB 관리부는 기 저장되어 있는 메이크업 점수 데이터 및 메이크업 점수를 이용하여 메이크업 점수 산출 방법을 기계 학습하는 메이크업 점수 학습부를 더 포함할 수 있다.

본 발명의 일 실시 예에 따른 메이크업 서버에 있어서, 메이크업 점수 학습부는, 합성곱 신경망(CNN)을 이용하여 메이크업 점수 산출 방법을 기계 학습할 수 있다.

본 발명의 일 실시 예에 따른 메이크업 서버에 있어서, 점수 데이터 생성부는 복수 개의 얼굴 이미지가 촬영 각도 또는 조명이 상이하게 촬영된 경우 동일한 메이크업 점수를 산출하도록 상기 점수 데이터를 튜닝할 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기에서 실행되는 메이크업 평가 애플리케이션에 있어서, 얼굴 이미지를 촬영하는 기능, 촬영한 얼굴 이미지에 대응하는 메이크업 평가 요청 신호를 전송하는 기능, 메이크업 전문가의 메이크업 평가를 위한 입력에 기초하여 생성된 메이크업 점수 데이터를 통해 얼굴 이미지의 메이크업 점수를 산출하는 기능 및 산출된 메이크업 점수를 표시하는 기능을 실행시킬 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기에서 실행되는 메이크업 평가 애플리케이션에 있어서, 메이크업 점수를 표시하는 기능은 메이크업의 종합 점수를 표시하는 기능 및 얼굴 이미지의 영역별 메이크업 점수를 표시하는 기능을 포함할 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기에서 실행되는 메이크업 평가 애플리케이션에 있어서, 메이크업 평가 요청 신호를 전송하는 기능은 메이크업 주제 입력을 수신하는 기능 및 메이크업 주제에 따른 메이크업 평가 요청 신호를 전송하는 기능을 포함하고, 표시되는 메이크업 점수는 메이크업 주제에 따라 상이하게 산출될 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기에서 실행되는 메이크업 평가 애플리케이션에 있어서, 메이크업 점수를 산출하는 기능은 얼굴 이미지의 메이크업을 분석하는 기능 및 분석 결과 메이크업이 메이크업 주제를 벗어나는 것으로 판단되면 메이크업 점수를 0으로 산출하는 기능을 포함할 수 있다.

본 발명의 일 실시 예에 따른 이동 단말기에서 실행되는 메이크업 평가 애플리케이션에 있어서, 메이크업 점수를 산출하는 기능은 얼굴 이미지의 메이크업을 분석하는 기능 및 분석 결과 메이크업이 노메이크업으로 판단되면 메이크업 점수를 최저점으로 산출하는 기능을 포함할 수 있다.

본 발명의 실시 예에 따르면, 사용자에게 보다 신뢰성 있는 메이크업 평가 서비스를 제공할 수 있는 효과가 있다.

구체적으로, 본 발명의 실시 예에 따르면, 실제 메이크업 전문가의 평가와 유사한 메이크업 평가 서비스를 제공할 수 있는 효과가 있다.

도 1은 본 발명의 실시 예에 따른 메이크업 자동 평가 시스템의 구성을 도시한 블록도이다.
도 2는 본 발명과 관련된 이동 단말기를 설명하기 위한 블록도이다.
도 3은 본 발명과 관련된 메이크업 서버를 설명하기 위한 블록도이다.
도 4는 본 발명의 실시 예에 따른 메이크업 자동 평가 시스템의 동작 방법을 나타내는 래더 다이어그램이다.
도 5는 본 발명의 실시 예에 따른 메이크업 서버가 이미지 데이터를 수신하는 방법을 설명하기 위한 예시 도면이다.
도 6은 본 발명의 실시 예에 따른 메이크업 점수 데이터를 설명하기 위한 예시 도면이다.
도 7 내지 도 8은 본 발명의 실시 예에 따른 메이크업 점수 데이터를 튜닝하는 방법을 설명하기 위한 예시 도면이다.
도 9는 본 발명의 실시 예에 따라 생성된 메이크업 평가 데이터베이스를 설명하기 위한 도면이다.
도 10은 본 발명의 실시 예에 따른 메이크업 평가 요청 신호를 전송하기 위한 화면을 설명하기 위한 예시 도면이다.
도 11은 본 발명의 실시 예에 따른 메이크업 서버가 얼굴 이미지를 분석하는 방법을 설명하기 위한 예시 도면이다.
도 12는 본 발명의 실시 예에 따른 메이크업 분석부가 얼굴 이미지의 메이크업을 분석하는 방법을 설명하기 위한 예시 도면이다.
도 13은 본 발명의 실시 예에 따른 재 생성된 메이크업 평가 데이터 베이스를 설명하기 위한 예시 도면이다.
도 14a 내지 도 14b는 본 발명의 일 실시 예에 따른 메이크업 점수 화면을 설명하기 위한 예시 도면이다.
도 15는 본 발명의 일 실시 예에 따른 메이크업 주제가 메이크업 평가에 미치는 영향을 설명하기 위한 도면이다.
도 16은 본 발명의 일 실시 예에 따른 영역별 점수 윈도우를 설명하기 위한 도면이다.
도 17은 본 발명의 일 실시 예에 따른 메이크업의 발란스 평가를 설명하기 위한 도면이다.
도 18은 본 발명의 일 실시 예에 따른 노메이크업 평가 결과를 설명하기 위한 도면이다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다음으로, 도 1 내지 도 18을 참조하여 본 발명의 실시 예에 따른 메이크업(make-up) 자동 평가 시스템 및 그의 동작 방법을 설명한다.

먼저, 도 1은 본 발명의 실시 예에 따른 메이크업 자동 평가 시스템의 구성을 도시한 블록도이다.

도 1을 참조하면, 본 발명의 실시 예에 따른 메이크업 자동 평가 시스템은 이동 단말기(10), 어플리케이션 서버(200) 및 메이크업 서버(100)로 구성될 수 있다.

이동 단말기(10)는 메이크업 평가를 요청하기 위한 구성요소이다. 이동 단말기(10)는 적어도 하나의 메이크업 이미지와 관련하여 메이크업 평가를 요청하고, 메이크업 평가 결과를 표시할 수 있다.

어플리케이션 서버(200)는 메이크업 자동 평가를 위한 어플리케이션 작동에 이용되는 구성요소이다. 어플리케이션 서버(200)는 메이크업 자동 평가 어플리케이션에 필요한 정보를 저장하고 있을 수 있다.

어플리케이션 서버(200)는 메이크업 자동 평가 어플리케이션의 실행에 따라 이동 단말기(10) 및 메이크업 서버(100) 중 적어도 하나 이상과 신호를 송수신할 수 있다.

메이크업 서버(100)는 메이크업 평가에 필요한 데이터를 저장하고 있는 구성요소이다. 메이크업 서버(100)는 저장된 데이터에 기초하여 메이크업을 평가하거나, 메이크업 평가에 필요한 정보를 이동 단말기(10) 또는 어플리케이션 서버(200)로 전송할 수 있다.

이동 단말기(10)와 어플리케이션 서버(200) 및 메이크업 서버(100)는 상호간에 신호를 송수신할 수 있다. 구체적으로, 이동 단말기(10)는 어플리케이션 서버(200)로 메이크업 평가 요청 신호를 전송할 수 있다. 어플리케이션 서버(200)는 메이크업 평가 요청 신호를 수신하면, 수신된 메이크업 평가 요청 신호에 대응하는 메이크업 이미지를 메이크업 서버(100)로 전송할 수 있다. 메이크업 서버(100)는 저장된 데이터에 기초하여 수신된 메이크업 이미지를 평가하고, 평가 결과를 어플리케이션 서버(200)로 전송할 수 있다. 어플리케이션 서버(200)는 이동 단말기(10)로 평가 결과를 전송할 수 있다.

또는, 메이크업 서버(100)는 메이크업 평가 요청 신호를 수신하면 수신된 메이크업 평가 요청 신호와 관련된 데이터를 이동 단말기(10)로 전송한다. 이동 단말기(10)는 수신된 데이터에 기초하여 메이크업을 평가한다.

본 명세서에서 설명되는 이동 단말기(10)에는 휴대폰, 스마트 폰(smart phone), 컴퓨터(computer), 노트북 컴퓨터(notebook computer), 태블릿 PC(tablet PC), 웨어러블 디바이스(wearable device), 디지털 TV, 디지털 사이니지 등이 포함될 수 있다.

다음으로, 이동 단말기(10) 및 메이크업 서버(100)를 구성하는 각 구성요소를 도 2 내지 도 3을 통해 자세히 설명하기로 한다.

먼저, 도 2는 본 발명과 관련된 이동 단말기를 설명하기 위한 블록도이다.

이동 단말기(10)는 무선 통신부(11), 입력부(12), 카메라(13), 디스플레이부(14), 메모리(15), 전원 공급부(16) 및 제어부(17)를 포함할 수 있다. 이와 같이 도 2에 도시된 구성요소들은 본 발명에 따른 이동 단말기의 이해를 돕기 위해 예시로 든 구성요소로서, 이동 단말기는 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.

이하, 이동 단말기(10)의 각 구성요소들을 보다 구체적으로 설명한다.

무선 통신부(11)는 이동 단말기(10)와 다른 이동 단말기(10) 사이, 또는 이동 단말기(100)와 외부 서버 사이의 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 구체적으로, 무선 통신부(11)는 방송 수신 모듈, 이동통신 모듈, 무선 인터넷 모듈, 근거리 통신 모듈, 위치정보 모듈 중 적어도 하나 이상을 포함할 수 있다.

따라서, 무선 통신부(11)는 다른 이동 단말기(10) 또는 외부 서버와 신호를 송수신할 수 있다. 예를 들어, 무선 통신부(11)는 어플리케이션 서버(200) 또는 메이크업 서버(100)와 신호를 송수신할 수 있다.

입력부(12)는 사용자로부터 데이터 또는 명령 등을 수신하기 위한 구성요소이다. 입력부는 푸시키(mechanical key), 터치키(touch key), 음성 인식 등을 통해 입력 신호를 수신할 수 있다. 입력부(12)를 통해 수신된 데이터 또는 명령은 제어명령으로 처리되어, 다른 구성요소로 전달될 수 있다.

카메라(13)는 영상 신호 입력을 수신할 수 있다. 영상 신호는 사진과 같은 정지 이미지, 동영상 등을 포함한다. 따라서, 카메라(13)는 사진, 동영상 촬영 등을 촬영함으로써 영상 신호 입력을 수신할 수 있다. 예를 들어, 카메라(13)는 사용자의 얼굴 이미지를 촬영할 수 있다.

디스플레이부(14)는 이동 단말기(10)에서 처리되는 정보를 표시(출력)한다. 예를 들어, 디스플레이부(14)는 사용자에게 제공하는 내용 또는 입력부(12)를 통해 입력된 내용 등을 화면에 표시하는 역할을 한다. 또한, 디스플레이부(14)는 이동 단말기(10)에서 구동되는 응용 프로그램의 화면 정보를 표시할 수 있다.

또는, 디스플레이부(14)는 카메라(13)를 통해 촬영 중이거나 촬영된 이미지를 표시할 수 있다. 예를 들어, 디스플레이부(14)는 카메라(13)를 통해 촬영된 얼굴 이미지를 표시할 수 있다. 또한, 디스플레이부(14)는 촬영된 얼굴 이미지에 기초하여 메이크업을 평가한 결과를 표시할 수 있다.

한편, 디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, 입력부(12)로써 기능함과 동시에, 이동 단말기(10)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.

메모리(15)는 이동 단말기(10)의 다양한 기능을 지원하는 데이터를 저장한다. 메모리(15)는 이동 단말기(10)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 이동 단말기(10)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다. 또는, 이러한 응용 프로그램 중 적어도 일부는, 이동 단말기(10)의 기본적인 기능(예를 들어, 전화 착신, 발신 기능, 메시지 수신, 발신 기능)을 위하여 출고 당시부터 이동 단말기(10)상에 존재할 수 있다.

한편, 이러한 응용 프로그램 중 적어도 하나는 메이크업 자동 평가를 위한 어플리케이션일 수 있다.

전원공급부(16)는 외부의 전원 또는 내부의 전원을 인가 받아 이동 단말기(10)에 포함된 각 구성요소들에 전원을 공급한다. 이러한 전원공급부(190)는 배터리를 포함하며, 상기 배터리는 내장형 배터리 또는 교체 가능한 형태의 배터리가 될 수 있다.

제어부(17)는 이동 단말기(10)의 전반적인 동작을 제어한다. 구체적으로, 제어부(17)는 이동 단말기(10)를 구성하는 각 구성요소들의 동작 또는 응용 프로그램과 관련된 동작을 제어할 수 있다. 제어부(17)는 위 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(15)에 저장된 응용 프로그램을 구동함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다. 제어부(17)는 위 구성요소들 중 적어도 일부를 제어하거나, 적어도 둘 이상을 서로 조합하여 동작시킬 수 있다.

도 2를 통해 설명한 위 구성요소들 중 적어도 일부는, 이하에서 설명되는 다양한 실시 예들에 따른 이동 단말기의 동작, 제어, 또는 제어방법을 구현하기 위하여 서로 협력하여 동작할 수 있다. 또한, 이동 단말기의 동작, 제어, 또는 제어방법은 메모리(15)에 저장된 적어도 하나의 응용 프로그램의 구동에 의하여 이동 단말기 상에서 구현될 수 있다.

다음으로, 도 3은 본 발명과 관련된 메이크업 서버를 설명하기 위한 블록도이다.

메이크업 서버(100)는 메이크업 DB 관리부(110), 메이크업 평가부(120), 제어부(130) 및 무선 통신부(140)로 구성될 수 있다.

먼저, 메이크업 DB 관리부(110)를 설명한다.

메이크업 DB 관리부(110)는 메이크업 주제 획득부(111), 메이크업 이미지 획득부(112), 점수 데이터 생성부(113), 메이크업 평가 DB(114) 및 메이크업 점수 학습부(115)로 구성될 수 있다.

메이크업 주제 획득부(111)는 데이터 분석 또는 사용자 입력을 통해 메이크업 주제를 결정한다. 메이크업은 전체적인 발란스(balance)가 중요하다. 또한, 시대의 흐름 등에 따라 유행하는 메이크업이 달라진다. 따라서, 메이크업 주제 획득부(111)는 온라인 상에 존재하는 데이터를 분석하여 메이크업 주제를 획득할 수 있다. 또는, 메이크업 주제 획득부(111)는 사용자로부터 메이크업 주제 입력을 수신하여 메이크업 주제를 획득할 수 있다.

메이크업 이미지 획득부(112)는 메이크업 평가의 기초가 되는 다수의 메이크업 이미지 데이터를 수신한다. 구체적으로, 메이크업 이미지 획득부(112)는 메이크업 주제에 따라 구분되는 복수의 메이크업 이미지 데이터를 수신할 수 있다. 또한, 메이크업 이미지 획득부(112)는 주제별 메이크업 이미지와 함께 노메이크업(no make-up) 이미지를 획득할 수 있다.

메이크업 이미지 획득부(112)를 통해 수신된 메이크업 이미지는 메이크업 평가 데이터 베이스(114)에 저장될 수 있다.

점수 데이터 생성부(113)는 메이크업 이미지 및 이에 대응하는 메이크업 점수를 포함하는 메이크업 점수 데이터를 생성한다. 메이크업 점수 데이터의 메이크업 이미지는 메이크업 이미지 획득부(112)를 통해 수신될 수 있다. 메이크업 점수 데이터의 메이크업 점수는 메이크업 전문가의 평가에 기초하여 형성될 수 있다. 구체적으로, 메이크업 점수 데이터는 메이크업 전문가의 메이크업 평가를 위한 입력에 기초하여 생성될 수 잇다. 예를 들어, 메이크업 점수는 얼굴 이미지별로 메이크업 전문가에 의해 입력될 수 있다. 또한, 메이크업 점수는 기계 학습에 의해 메이크업 서버(100) 스스로 산출한 점수를 포함할 수 있다.

또한, 점수 데이터 생성부(113)는 메이크업 자동 평가 시스템의 오차율을 낮추기 위해 메이크업 점수 데이터를 튜닝할 수 있다. 또한, 점수 데이터 생성부(113)는 메이크업 자동 평가 시스템의 객관성을 확보하기 위해 메이크업 점수 데이터의 신뢰도를 보정할 수 있다.

메이크업 평가 DB(114)는 점수 데이터 생성부(113)를 통해 생성된 메이크업 점수 데이터를 저장한다. 메이크업 점수 데이터는 튜닝되거나 신뢰도 보정될 수 있다.

또한, 메이크업 평가 DB(114)는 점수 데이터 생성부(113)를 통해 생성된 메이크업 점수 데이터와 함께, 새로운 이미지와 관련하여 산출한 점수 데이터를 함께 저장할 수 있다. 이와 같이 메이크업 점수 데이터를 저장하고 있는 메이크업 평가 DB(114)를 이용하여 메이크업 점수 학습부(115)는 메이크업 점수 산출 방법을 기계 학습할 수 있다.

메이크업 점수 학습부(115)는 메이크업 평가 DB(114)에 기초하여 메이크업 점수 산출 방법을 기계 학습한다. 구체적으로, 메이크업 점수 학습부(115)는 실제 메이크업 전문가가 평가하는 방법과 유사하게 메이크업 점수를 산출하는 방법을 기계 학습할 수 있다.

다음으로, 메이크업 평가부(120)를 구체적으로 설명한다.

메이크업 평가부(120)는 얼굴 이미지 획득부(121), 메이크업 분석부(122) 및 메이크업 점수 출력부(123)로 구성될 수 있다.

얼굴 이미지 획득부(121)는 메이크업 평가의 대상이 되는 얼굴 이미지를 수신한다. 구체적으로, 얼굴 이미지 획득부(121)는 무선 통신부(140)를 통해 메이크업 평가의 대상이 되는 얼굴 이미지를 전달받을 수 있다.

메이크업 분석부(122)는 얼굴 이미지 획득부(121)가 수신한 얼굴 이미지의 메이크업을 분석한다. 메이크업 분석부(122)는 얼굴 이미지에 포함된 얼굴 각 영역의 메이크업을 분석할 수 있다. 예를 들어, 메이크업 분석부(122)는 얼굴 이미지와 메이크업 점수 데이터에 포함된 이미지 데이터를 비교하는 방법을 통해 메이크업을 분석할 수 있다. 즉, 메이크업 분석부(122)는 메이크업 점수 데이터의 통계적인 수치를 통해 메이크업을 분석할 수 있다. 구체적은 방법은 후술하기로 한다.

메이크업 점수 출력부(123)는 메이크업 분석 결과에 기초하여 얼굴 이미지의 메이크업 점수를 산출한다. 메이크업 점수 출력부(123)는 메이크업 종합 점수와 얼굴 영역별 점수를 산출할 수 있다.

제어부(130)는 메이크업 서버(100)의 전반적인 동작을 제어한다. 구체적으로, 제어부(130)는 메이크업 DB 관리부(110), 메이크업 평가부(120) 및 무선 통신부(140)의 동작을 제어할 수 있다.

무선 통신부(140)는 외부와 데이터를 송수신할 수 있다. 예를 들어, 무선 통신부(140)는 이동 단말기(10) 또는 어플리케이션 서버(200)로부터 이미지 데이터를 수신할 수 있다. 무선 통신부(140)는 수신된 이미지 데이터를 메이크업 DB 관리부(110)로 전달하거나 메이크업 평가부(120)로 전달할 수 있다.

한편, 이하에서 설명하는 실시 예는 예를 들어, 소프트웨어, 하드웨어 또는 이들의 조합된 것을 이용하여 컴퓨터 또는 이와 유사한 장치로 읽을 수 있는 기록매체 내에서 구현될 수 있다.

다음으로 도 4를 참조하여 본 발명의 실시 예에 따른 메이크업 자동 평가 시스템의 동작 방법을 설명한다. 도 4는 본 발명의 실시 예에 따른 메이크업 자동 평가 시스템의 동작 방법을 나타내는 래더 다이어그램이다.

먼저, 메이크업 서버(100)의 메이크업 주제 획득부(111)는 메이크업의 주제를 결정할 수 있다(S101).

본 발명의 제1 실시 예에 따르면, 메이크업 주제 획득부(111)는 무선 통신을 통해 메이크업의 주제를 결정할 수 있다.

구체적으로, 메이크업 주제 획득부(111)는 온라인 상에서 뷰티 관련 데이터를 획득할 수 있다. 뷰티 관련 데이터는 메이크업 관련 검색어, 업로드된 메이크업 관련 컨텐츠, 메이크업 제품의 판매량 등을 포함할 수 있다. 메이크업 주제 획득부(111)는 획득된 뷰티 관련 데이터를 메이크업 주제별로 분석하여, 데이터의 양에 기초하여 메이크업의 주제를 결정할 수 있다. 예를 들어, 메이크업 주제 획득부(111)는 데이터의 양이 많은 순으로 3가지 메이크업 스타일을 획득하여, 획득된 3개의 메이크업 스타일을 메이크업 주제로 결정할 수 있다.

이와 같은 방법을 통해, 메이크업 주제 획득부(111)는 최근 유행하는 메이크업의 주제를 용이하게 획득할 수 있는 효과가 있다.

본 발명의 제2 실시 예에 따르면, 메이크업 주제 획득부(111)는 입력 신호를 수신함에 따라 메이크업 주제를 결정할 수 있다.

구체적으로, 사용자는 임의의 메이크업 주제를 메이크업 서버(100)에 입력할 수 있다. 메이크업 주제 획득부(111)는 입력된 데이터에 대응하는 메이크업 주제를 획득하여, 메이크업 주제를 결정할 수 있다.

이와 같은 방법을 통해, 오프라인 상에서 유행하는 메이크업의 주제를 메이크업 서버(100)에 반영시킬 수 있는 효과가 있다.

메이크업 주제 획득부(111)는 제1 또는 제2 실시 예를 통해 적어도 하나 이상의 메이크업 주제를 결정할 수 있다. 예를 들어, 메이크업 주제 획득부(111)는 A 메이크업, B 메이크업 및 C 메이크업을 결정할 수 있다. A 메이크업은 내추럴(natural) 메이크업, B 메이크업은 러블리(lovely) 메이크업, C 메이크업은 스모키(smoky) 메이크업일 수 있으나, 이는 예시적인 것에 불과하다.

메이크업 주제를 결정하기 위한 제1 내지 제2 실시 예는 예시적인 것으로, 메이크업 주제 획득부(111)는 다른 방법을 통해 메이크업 주제를 결정할 수도 있다.

한편, 메이크업 주제 획득부(111)는 메이크업 주제 획득시 메이크업 기준을 함께 획득할 수 있다. 메이크업 기준은 메이크업 주제별로 메이크업을 구분하는 적어도 하나 이상의 특징을 의미할 수 있다. 메이크업 기준은 이후 이미지 데이터 수신 단계 및 메이크업 분석 단계에서 가이드 라인(guide line)으로 이용될 수 있다.

다음으로, 메이크업 이미지 획득부(112)는 결정된 메이크업 주제에 대응하는 이미지 데이터를 수신할 수 있다(S103).

메이크업 이미지 획득부(112)는 외부로부터 메이크업 주제에 대응하는 이미지 데이터를 수신할 수 있다. 예를 들어, 메이크업 이미지 획득부(112)는 외부 저장매체, 이동 단말기 또는 외부 서버 등으로부터 메이크업 주제에 대응하는 이미지 데이터를 수신할 수 있다.

메이크업 이미지 획득부(112)는 메이크업 주제별로 복수 개의 메이크업 이미지 데이터를 수신할 수 있다. 예를 들어, 메이크업 이미지 획득부(112)는 A 메이크업에 대응하는 이미지 데이터, B 메이크업에 대응하는 이미지 데이터 및 C 메이크업에 대응하는 이미지 데이터를 수신할 수 있다.

한편, 메이크업 이미지 획득부(112)는 이미지 데이터를 그룹에 따라 분류하여 수신할 수도 있다. 즉, 메이크업 이미지 획득부(112)는 복수 개로 분류되는 각 그룹으로부터 메이크업 주제별 이미지 데이터를 수신할 수 있다.

다음으로, 도 5는 본 발명의 실시 예에 따른 메이크업 서버가 이미지 데이터를 수신하는 방법을 설명하기 위한 예시 도면이다.

도 5에 도시된 이미지 분류 표(500)는 메이크업 이미지 획득부(112)를 통해 수신된 이미지 데이터의 분포를 나타낸다. A1 내지 A5, B1 내지 B5, C1 내지 C5 및 D1 내지 D5는 수신된 이미지 데이터들의 집합을 의미한다.

특히, A1, A2, B1, B2, C1, C2, D1 및 D2는 제1 그룹에 대응하는 이미지 데이터들의 집합으로, 메이크업 평가 DB의 하위권(하, 중하)을 구성하기 위해 수신된 이미지 데이터들의 집합이다.

A3, A4, B3, B4, C3, C4, D3 및 D4는 제2 그룹에 대응하는 이미지 데이터들의 집합으로, 메이크업 평가 DB의 중위권(중, 중상)을 구성하기 위해 수신된 이미지 데이터들의 집합이다.

A5, B5, C5, D5는 제3 그룹에 대응하는 이미지 데이터들의 집합으로, 메이크업 평가 DB의 상위권(상)을 구성하기 위해 수신된 이미지 데이터들의 집합이다.

이와 같이, 메이크업 이미지 획득부(112)는 점수 대를 달리하는 제1 내지 제3 그룹에 포함된 사람들 각각의 A 메이크업 이미지, B 메이크업 이미지, C 메이크업 이미지 및 노 메이크업 이미지를 획득할 수 있다. A 메이크업 이미지, B 메이크업 이미지, C 메이크업 이미지는 각각 메이크업 주제별 평가의 기초가 되는 이미지 데이터이다. 노메이크업 이미지는 메이크업 분석 단계에서 최저점 처리에 이용되는 이미지 데이터일 수 있다.

제1 그룹은 일반인을 나타내고, 제2 그룹은 뷰티 관련 업계 사람을 나타내고, 제3 그룹은 메이크업 전문가를 나타낼 수 있으나, 이는 예시적인 것에 불과하다.

이와 같이, 이미지 데이터를 메이크업 주제별 및 그룹에 따라 분류하여 수신하는 경우 메이크업 분석을 보다 정확하게 할 수 있는 효과가 있다. 또한, 메이크업 분석에 영향을 미칠 수 있는 통제 변인인 사진 각도, 조명 등을 고려하여 정확하게 메이크업을 분석하여 평가할 수 있는 가이드 라인을 제공하는 효과가 있다.

한편, 메이크업 이미지 획득부(112)는 A 메이크업, B 메이크업 및 C 메이크업 이외의 메이크업 이미지를 수신할 수 있다. 즉, 메이크업 이미지 획득부(112)는 결정된 메이크업 주제와 상이한 주제의 메이크업 이미지를 획득할 수 있다. 이는, 메이크업의 완성도와 관계 없이 주제를 벗어나거나 발란스(balance)가 깨지는 메이크업을 0점 처리하기 위한 이미지 데이터이다.

다시 도 4를 설명한다.

점수 데이터 생성부(113)는 수신된 이미지 데이터에 기초하여 메이크업 점수 데이터를 생성할 수 있다(S105).

점수 데이터 생성부(113)는 수신된 이미지 데이터 및 각각의 이미지 데이터에 대응하는 점수를 포함한 점수 데이터를 생성할 수 있다. 즉, 점수 데이터 생성부(113)는 이미지 데이터를 점수 데이터화할 수 있다.

다음으로 도 6은 본 발명의 실시 예에 따른 메이크업 점수 데이터를 설명하기 위한 예시 도면이다.

도 6에 도시된 메이크업 점수 데이터(600)는 이미지 데이터 및 각각의 이미지 데이터에 대응하는 점수를 포함한다. 이미지 데이터에 대응하는 점수는 영역에 따라 세분화될 수 있다. 예를 들어, 도 6에 도시된 바와 같이, 각 이미지 데이터는 베이스(base) 영역, 아이브로우(eyebrow) 영역, 아이(eye) 영역, 립(lip) 영역, 블러셔 및 섀딩(blush & shading) 영역 별 점수를 포함할 수 있다. 그러나, 각 영역은 예시적인 것에 불과하다.

도 6에 도시된 메이크업 점수 데이터(600)는 A 메이크업에 대응하는 2개의 이미지 데이터 및 이에 대응하는 점수만이 도시되어 있으나, 점수 데이터 생성부(113)는 단계 S103에서 수신한 모든 이미지 데이터를 포함하는 점수 데이터를 생성한다.

점수 데이터 생성부(113)는 각 이미지 데이터에 대응하는 영역별 점수 입력을 수신함에 따라 점수 데이터를 생성할 수 있다. 예를 들어, 적어도 하나 이상의 메이크업 전문가는 이미지 데이터의 영역 별 점수를 메이크업 서버(100)에 입력할 수 있다. 점수 데이터 생성부(113)는 메이크업 서버(100)에 입력되는 점수 데이터에 기초하여 메이크업 점수 데이터를 생성할 수 있다. 도 6에 도시된 메이크업 점수 데이터는 5, 3.5, 4 등의 수치로 표시되었으나 이는 예시적인 것에 불과하며, 메이크업 점수 데이터는 상, 중상, 중, 중하, 하, 등으로 구분될 수도 있다.

메이크업 점수 데이터(600)는 메이크업 주제 별 메이크업의 특징을 나타낸다. 구체적으로, 메이크업 점수 데이터(600)는 동일한 메이크업 이미지일지라도 메이크업의 주제에 따라 상이한 점수를 나타낸다. 또한, 동일한 메이크업이 입혀진 경우라도 이미지에 포함된 얼굴형, 눈매 등에 따라 점수가 달라진다. 따라서, 메이크업 점수 데이터(600)는 복수 개의 메이크업 이미지 데이터를 포함하고, 메이크업 주제에 따라 구별되는 영역별 점수를 포함한다.

메이크업 점수 데이터(600)를 이용하면 메이크업 주제와 관련이 없는 메이크업 이미지 데이터의 경우 이에 대응하는 점수는 0점으로 산출될 수 있다.

이와 같이, 메이크업 이미지를 수신하여 점수 데이터화하면 전문가의 평가를 바탕으로 하는 점수 데이터를 생성할 수 있다. 이에 따라, 메이크업 평가에 대한 신뢰성이 높아진다. 또한, 메이크업 관련 빅데이터가 구축될 수 있다.

다시, 도 4를 설명한다.

점수 데이터 생성부(113)는 메이크업 점수 데이터를 튜닝할 수 있다(S107).

점수 데이터 생성부(113)는 생성된 메이크업 점수 데이터의 신뢰도를 향상시키기 위해 메이크업 점수 데이터를 튜닝할 수 있다. 구체적으로, 점수 데이터 생성부(113)는 복수 개의 얼굴 이미지가 촬영 각도 또는 조명이 상이하게 촬영된 경우 동일한 메이크업 점수를 산출하도록 점수 데이터를 튜닝할 수 있다. 메이크업 점수 데이터를 튜닝하는 방법은 아래와 같을 수 있다.

앞서 단계 S103에서 수신한 제1 이미지 데이터와 관련하여, 메이크업 이미지 획득부(112)는 제1 이미지 데이터에 대응하는 제2 이미지 데이터를 재수신할 수 있다. 제2 이미지 데이터는 제1 이미지 데이터와는 다른 이미지 데이터로, 새로 제작된 메이크업 이미지 및 새로 촬영된 노메이크업 이미지를 포함할 수 있다. 즉, 제2 이미지 데이터는 제1 이미지 데이터와 동일인이 수행한 메이크업인 점에서 동일하나, 촬영 각도 또는 조명 등에 의해 상이한 메이크업으로 인식될 수 있는 이미지 데이터를 의미할 수 있다.

따라서, 점수 데이터 생성부(113)는 제1 이미지 데이터에 의해 산출되는 점수와 제2 이미지 데이터에 의해 산출되는 점수가 동일하도록 메이크업 점수 데이터를 튜닝할 수 있다.

다음으로, 도 7 내지 도 8을 참조하여, 메이크업 점수 데이터를 튜닝하는 동작을 예로 들어 설명한다.

도 7 내지 도 8은 본 발명의 실시 예에 따른 메이크업 점수 데이터를 튜닝하는 방법을 설명하기 위한 예시 도면이다.

먼저, 도 7을 참조하면 제1 이미지 데이터(701)와 제2 이미지 데이터(702)는 동일하게 메이크업된 이미지이다. 그러나, 제1 이미지 데이터(701)와 제2 이미지 데이터(702)는 상이한 촬영 각도로 촬영된 경우이다. 점수 데이터 생성부(113)는 제1 이미지 데이터(701)에 의해 산출되는 점수와 제2 이미지 데이터(702)에 의해 산출되는 점수가 동일하도록 메이크업 점수 데이터를 튜닝할 수 있다.

예를 들어, 점수 데이터 생성부(113)는 제1 이미지 데이터(701)와 제2 이미지 데이터(702)를 하나의 그룹으로 형성하여, 동일 점수가 산출되도록 튜닝할 수 있다. 또는, 점수 데이터 생성부(113)는 이미지 데이터 튜닝을 통해 제1 이미지 데이터(701)에 의해 산출되는 점수와 제2 이미지 데이터(702)에 의해 산출되는 점수가 동일하도록 조절할 수 있다.

다음으로, 도 8을 참조하면 제1 이미지 데이터(801)는 메이크업 이미지 데이터이고, 제2 이미지 데이터(802)는 동일인의 노 메이크업 이미지 데이터이다. 이 경우, 점수 데이터 생성부(113)는 제2 이미지 데이터(802)에 대해 산출되는 점수가 최저점이 되도록 메이크업 점수 데이터를 튜닝할 수 있다.

구체적으로, 점수 데이터 생성부(113)는 제1 이미지 데이터(801)와 제2 이미지 데이터(802)의 메이크업을 각각 인식할 수 있다. 점수 데이터 생성부(113)는 제1 이미지 데이터(801)와 같이 메이크업이 인식되는 경우, 메이크업 점수 데이터(600)에 기초하여 인식된 메이크업의 점수를 산출할 수 있다. 반면에, 점수 데이터 생성부(113)는 제2 이미지 데이터(802)와 같이 메이크업이 인식되지 않는 경우, 최저점을 산출하도록 메이크업 점수 데이터를 튜닝할 수 있다.

이와 같이, 점수 데이터 생성부(113)가 이미지 데이터와 촬영 각도, 촬영 당시의 조명, 노 메이크업의 식별 등이 반영되도록 메이크업 점수 데이터를 튜닝함으로써, 메이크업 평가 시스템의 품질을 향상시킬 수 있는 효과가 있다.

다시 도 4를 설명한다.

점수 데이터 생성부(113)는 메이크업 점수 데이터의 신뢰도를 보정할 수 있다(S109).

제어부(130)는 메이크업 점수 데이터에 포함되지 않은 새로운 이미지 데이터를 수신할 수 있다. 점수 데이터 생성부(113)는 수신된 새로운 이미지 데이터에 대한 점수가 메이크업 점수 데이터에 기초하여 오류 없이 산출되는지 판단할 수 있다. 이하, 메이크업 점수 데이터의 신뢰도를 보정하는 구체적인 방법을 설명한다.

본 발명의 제1 실시 예에 따르면, 점수 데이터 생성부(113)는 새로운 이미지에 대응하는 메이크업 점수를 산출하고, 새로운 이미지와 유사한 이미지를 메이크업 점수 데이터에서 획득할 수 있다.

점수 데이터 생성부(113)는 새로운 이미지에 대응하는 점수가 메이크업 점수 데이터에 포함된 유사 이미지의 점수와 기 설정된 오차율 이내로 산출되는지 판단할 수 있다. 점수 데이터 생성부(113)는 판단 결과에 기초하여, 메이크업 점수 데이터에 포함된 관련 이미지 데이터의 점수를 보정할 수 있다.

또는, 본 발명의 제2 실시 예에 따르면, 점수 데이터 생성부(113)는 메이크업 점수 데이터에 기초하여 산출된 새로운 이미지에 대응하는 메이크업 점수인 제1 점수를 획득할 수 있다. 또한, 점수 데이터 생성부(113)는 메이크업 전문가의 메이크업 평가를 위한 입력에 기초한 새로운 이미지에 대응하는 메이크업 점수인 제2 점수를 획득할 수 있다.

점수 데이터 생성부(113)는 동일한 이미지와 관련하여 획득된 제1 점수와 제2 점수를 비교할 수 있다. 점수 데이터 생성부(113)는 비교 결과 제1 점수와 제2 점수가 기 설정된 범위 이상으로 상이한지 판단할 수 있다.

점수 데이터 생성부(113)는 제1 점수와 제2 점수와 기 설정된 범위 이상으로 상이한 경우 메이크업 전문가로부터 비교 결과에 대응하는 피드백을 수신할 수 있다.

피드백은 제1 점수와 제2 점수간의 격차 이유를 포함할 수 있다. 예를 들어, 피드백은 제1 점수 또는 제2 점수 수정하기 위한 정보, 이미지 인식 정보 또는 메이크업 전문가의 의견 정보를 포함할 수 있다.

점수 데이터 생성부(113)는 수신된 피드백에 기초하여 메이크업 점수 데이터에 포함된 이미지 데이터의 점수를 보정할 수 있다.

메이크업 점수의 신뢰도를 보정하기 위한 방법은 앞에서 예시로 든 제1 내지 제2 실시 예외에 다른 방법을 더 포함할 수 있다.

본 발명은 이와 같이 메이크업 점수를 보정함으로써 메이크업 점수 데이터의 오차율을 낮추고, 신뢰도를 향상시킬 수 있는 효과가 있다.

제어부(130)는 메이크업 점수 데이터를 저장할 수 있다(S111).

제어부(130)는 생성된 메이크업 점수 데이터를 저장할 수 있다. 또한, 튜닝되거나 신뢰도 보정된 메이크업 점수 데이터를 저장할 수 있다.

먼저, 본 발명의 제1 실시 예에 따른 메이크업 평가 데이터 베이스를 설명한다.

본 발명의 제1 실시 예에 따른 메이크업 평가 데이터 베이스는 도 6을 통해 설명한 바와 같이, 얼굴 이미지 별로 메이크업 점수 데이터를 저장할 수 있다. 이에 따라, 메이크업 평가 데이터 베이스는 메이크업 얼굴 이미지와 이에 대응하는 영역별 점수가 정렬되도록 형성될 수 있다.

다음으로 도 9를 참조하여 본 발명의 제2 실시 예에 따른 메이크업 평가 데이터 베이스를 설명한다.

본 발명의 제2 실시 예에 따른 메이크업 평가 데이터 베이스는 도 9에 도시된 바와 같이 얼굴 영역과 점수를 구분하여 부분 이미지가 정렬되도록 저장할 수 있다. 이에 따라, 메이크업 평가 데이터 베이스는 얼굴 영역을 구분하고, 얼굴 영역 별로 점수를 세분화하고, 세분화된 얼굴 영역의 점수에 부분 이미지들이 배열되도록 형성될 수 있다.

제1 및 제2 실시 예에 따른 메이크업 평가 데이터 베이스는 예시적인 것으로, 이와 다른 형태로 생성될 수 있다.

다시 도 4를 설명한다.

메이크업 서버(100)는 메이크업 평가 데이터 베이스를 생성함에 따라 메이크업 이미지를 평가할 수 있다.

먼저, 이동 단말기(10)는 어플리케이션 서버(200)로 얼굴 이미지를 전송하고(S113), 어플리케이션 서버(200)는 이동 단말기(10)로부터 수신된 얼굴 이미지를 메이크업 서버(100)로 전송할 수 있다(S113).

메이크업 서버(100)의 무선 통신부(140)는 어플리케이션 서버(200)로부터 얼굴 이미지를 수신할 수 있다.

이동 단말기(10)는 메이크업 평가 어플리케이션을 통해 어플리케이션 서버(200)로 메이크업 평가 요청 신호를 전송할 수 있다. 이동 단말기(10)는 메이크업 평가 요청 신호를 전송하기 위한 화면을 표시할 수 있다.

도 10은 본 발명의 실시 예에 따른 메이크업 평가 요청 신호를 전송하기 위한 화면을 설명하기 위한 예시 도면이다.

이동 단말기(10)의 디스플레이부(14)는 도 10에 도시된 바와 같은 메이크업 평가 요청 화면을 표시할 수 있다.

도 10을 참조하면, 메이크업 평가 요청 화면은 메이크업 주제 항목(1001), 얼굴 이미지 선택 아이콘(1002), 얼굴 이미지 윈도우(1003) 및 평가 아이콘(1004)을 포함할 수 있다.

메이크업 주제 항목(1001)은 메이크업 주제를 선택하기 위한 항목이다. 메이크업 평가는 메이크업 주제에 따라 달라질 수 있다. 따라서, 이동 단말기(10)의 제어부(17)는 메이크업 주제 항목(1001)을 통해 메이크업 주제를 설정할 수 있다.

얼굴 이미지 선택 아이콘(1002)은 메이크업 평가를 요청하고자 하는 얼굴 이미지를 선택하기 위한 항목이다. 본 발명의 일 실시 예에 따르면, 이동 단말기(10)의 제어부(17)는 얼굴 이미지 선택 아이콘(1002)을 선택하는 명령을 수신하면 카메라(13)를 이용한 촬영 화면을 표시하도록 디스플레이부(14)를 제어할 수 있다. 카메라(13)는 메이크업한 얼굴을 촬영할 수 있다. 제어부(17)는 촬영된 얼굴 이미지를 얼굴 이미지 윈도우(1003)에 표시할 수 있다.

본 발명의 다른 실시 예에 따르면, 이동 단말기(10)의 제어부(17)는 얼굴 이미지 선택 아이콘(1002)을 선택하는 명령을 수신하면 메모리(15)에 저장된 적어도 하나 이상의 정지 이미지를 표시할 수 있다. 또는, 제어부(17)는 메모리(15)에 저장된 정지 이미지에서 얼굴을 포함하는 이미지를 식별하여, 적어도 하나 이상의 얼굴을 포함하는 정지 이미지를 표시할 수 있다. 제어부(17)는 디스플레이부(14)에 표시된 적어도 하나 이상의 정지 이미지에서 어느 하나의 얼굴 이미지를 선택하는 명령을 수신할 수 있다. 제어부(17)는 선택된 얼굴 이미지를 얼굴 이미지 윈도우(1003)에 표시할 수 있다.

얼굴 이미지 윈도우(1003)는 메이크업 평가를 요청하고자 하는 얼굴 이미지를 미리 보여주는 윈도우이다. 카메라(13)를 통해 촬영되거나 메모리(15)에 저장된 어느 하나의 얼굴 이미지가 얼굴 이미지 윈도우(1003)에 표시될 수 있다. 사용자는 얼굴 이미지 윈도우(1003)를 통해 메이크업 평가를 요청하고자 하는 얼굴이 맞는지 확인할 수 있다.

평가 아이콘(1004)은 메이크업 평가 요청을 실행하기 위한 아이콘이다. 제어부(17)는 평가 아이콘(1004)을 선택하는 명령을 수신하면, 어플리케이션 서버(200)로 메이크업 평가 요청 신호를 전송할 수 있다. 즉, 제어부(17)는 얼굴 이미지를 포함하는 메이크업 평가 요청 신호를 어플리케이션 서버(200)로 전송하도록 무선 통신부(11)를 제어할 수 있다.

어플리케이션 서버(200)는 메이크업 서버(100)로 메이크업 평가 요청 신호를 전송할 수 있다. 이에 따라, 메이크업 서버(100)의 무선 통신부(140)는 얼굴 이미지를 포함한 메이크업 요청 신호를 어플리케이션 서버(200) 로부터 수신할 수 있다.

실시 예에 따라서, 이동 단말기(10)는 메이크업 서버(100)로 직접 메이크업 평가 요청 신호를 전송할 수도 있다.

메이크업 평가 요청 신호는 얼굴 이미지 외에 메이크업 주제, 사용자 정보 등을 더 포함할 수 있다.

다시 도 4를 설명한다.

메이크업 서버(100)의 메이크업 분석부(122)는 수신된 얼굴 이미지의 메이크업을 분석할 수 있다(S115).

얼굴 이미지 획득부(121)는 무선 통신부(140)로부터 얼굴 이미지를 수신할 수 있다. 메이크업 분석부(122)는 얼굴 이미지 획득부(121)가 수신한 얼굴 이미지의 메이크업을 분석할 수 있다.

다음으로 도 11은 본 발명의 실시 예에 따른 메이크업 서버가 얼굴 이미지를 분석하는 방법을 설명하기 위한 예시 도면이다.

메이크업 분석부(122)는 메이크업을 분석하기 위해 얼굴의 각 영역을 검출할 수 있다. 구체적으로, 본 발명의 일 실시 예에 따르면, 메이크업 분석부(122)는 수신된 얼굴 이미지를 전처리할 수 있다. 메이크업 분석부(122)는 전처리된 얼굴 이미지를 복수 개의 영역으로 분할하고, 분할된 각 영역들을 기 저장된 얼굴 영역 이미지와 비교하여 눈, 코, 입 등을 검출할 수 있다.

본 발명의 다른 실시 예에 따르면, 메이크업 분석부(122)는 pre-trained model(사전 훈련 모델)을 이용하여 얼굴의 각 영역을 인식할 수 있다. pre-trained model은 기존의 합성곱 신경망(Convolutional Neural Network, CNN) 모델의 일부를 활용한 것이다. pre-trained model을 얼굴 사진 학습에 이용하여 눈, 코, 입 등을 인식하도록 할 수 있다. pre-trained model을 이용하면, 분석에 쓸 데이터의 양이 적은 경우 생길 수 있는 과적합(overfitting)의 문제를 완화할 수 있다.

도 11에 도시된 바와 같이, 메이크업 분석부(122)는 얼굴 이미지(1100)의 눈 영역(1101, 1102), 코 영역(1103) 및 입 영역(1104, 1105)을 인식할 수 있다. 메이크업 분석부(122)는 인식된 눈 영역, 코 영역 및 입 영역에 기초하여 메이크업 평가 영역을 분석할 수 있다. 즉, 메이크업 분석부(122)는 얼굴 이미지(1100)의 베이스, 아이브로우, 아이, 립, 블러셔 및 섀딩 메이크업을 분석할 수 있다.

다음으로, 도 12는 본 발명의 실시 예에 따른 메이크업 분석부가 얼굴 이미지의 메이크업을 분석하는 방법을 설명하기 위한 예시 도면이다.

메이크업 분석부(122)는 이동 단말기(10)로부터 수신된 얼굴 이미지를 메이크업 평가 데이터베이스(114)에 포함된 복수 개의 이미지와 비교할 수 있다. 메이크업 분석부(122)는 수신된 얼굴 이미지와 유사한 이미지 데이터를 메이크업 평가 데이터베이스(114)에서 적어도 하나 이상을 추출할 수 있다.

특히, 메이크업 분석부(122)는 메이크업 영역별로 수신된 얼굴 이미지와 유사한 이미지 데이터를 추출할 수 있다. 구체적으로, 메이크업 분석부(122)는 얼굴 이미지의 베이스와 유사한 베이스를 포함하고 있는 적어도 하나 이상의 이미지 데이터를 추출하고, 얼굴 이미지의 아이브로우와 유사한 아이브로우를 포함하고 있는 적어도 하나 이상의 이미지 데이터를 추출한다.

메이크업 분석부(122)는 추출된 이미지 데이터에 대응하는 점수를 획득하여, 도 12에 도시된 바와 같은 메이크업 분석 그래프(1200)를 생성할 수 있다. 메이크업 분석 그래프(1200)는 추출된 이미지 데이터의 점수 분포를 나타낸다.

구체적으로, 메이크업 분석부(122)는 베이스가 유사한 것으로 추출된 적어도 하나 이상의 이미지 데이터와 관련하여, 획득된 점수를 베이스 영역(1201)의 점수 영역에 맵핑시킬 수 있다. 마찬가지로, 메이크업 분석부(122)는 아이브로우가 유사한 것으로 추출된 적어도 하나 이상의 이미지 데이터와 관련하여 획득된 점수를 아이브로우 영역(1202)의 점수 영역에 맵핑시킬 수 있다. 메이크업 분석부(122)는 아이 영역(1203), 립 영역(1204), 블러셔 및 섀딩 영역(1205) 모두에 점수를 맵핑시켜 메이크업 분석 그래프(1200)를 생성할 수 있다.

메이크업 분석부(122)는 이와 같이 메이크업 분석 그래프(1200)를 생성하여, 얼굴 이미지의 메이크업을 분석할 수 있다. 그러나, 이는 예시적인 것으로 메이크업 분석부(122)는 다른 방법을 통해 메이크업을 분석할 수도 있다.

다시, 도 4를 설명한다.

메이크업 서버(100)의 메이크업 점수 출력부(123)는 메이크업 분석 결과에 기초하여 얼굴 이미지의 메이크업 점수를 산출할 수 있다(S117).

메이크업 점수 출력부(123)는 메이크업 분석 그래프(1200)에 기초하여 얼굴 이미지의 메이크업 점수를 산출할 수 있다.

구체적으로, 메이크업 점수 출력부(123)는 메이크업 분석 그래프(1200)에서 각 영역별로 맵핑된 점수가 가장 많은 점수를 획득하여 산출할 수 있다.

예를 들어, 도 12를 참조하면, 메이크업 점수 출력부(123)는 베이스 영역(1201)의 점수를 5점, 아이브로우 영역(1202)의 점수를 9점, 아이 영역(1203)의 점수를 3점, 립 영역(1203)의 점수를 4.5점, 블러셔 및 섀딩 영역(1205)의 점수를 8점으로 획득하여, 산출할 수 있다.

메이크업 서버(100)의 메이크업 점수 학습부(115)는 얼굴 이미지 및 그에 대응하는 메이크업 점수를 학습할 수 있다(S119).

메이크업 점수 학습부(115)는 얼굴 이미지 및 그에 대응하는 메이크업 점수를 기계 학습할 수 있다. 특히, 메이크업 점수 학습부(115)는 딥러닝(Deep Learning) 기술을 이용하여 메이크업 점수 산출 방법을 학습할 수 있다.

딥러닝 기술은 기계 학습 기술의 일부로, 입력과 출력 사이에 있는 인공 뉴런들을 여러개 층층히 쌓고 연결한 인공신경망 기법을 이용한다.

즉, 메이크업 점수 학습부(115)는 기 저장되어 있는 메이크업 점수 데이터 및 산출된 메이크업 점수를 이용하여 메이크업 점수 산출 방법을 기계 학습할 수 있다.

특히, 메이크업 점수 학습부(115)는 합성곱 신경망(CNN)을 이용하여 얼굴 이미지 및 그에 대응하는 메이크업 점수를 학습할 수 있다. 합성곱 신경망은 하나 또는 여러 개의 합성곱 계층과 그 위에 올려진 일반적인 인공 신경망 계층들로 이루어져 있으며, 가중치와 통합 계층(pooling layer)들을 추가로 활용한다. 합성곱 신경망은 이러한 구조 덕분에 2차원 구조의 입력 데이터를 충분히 활용할 수 있다.

메이크업 점수 학습부(115)는 합성곱 신경망을 이용하여, 기존 메이크업 평가 데이터베이스(114)에 새로 인식된 얼굴 이미지의 특징을 추가하여 메이크업 점수 산출 방법을 기계 학습할 수 있다.

따라서, 메이크업 점수 학습부(115)는 기존 메이크업 전문가의 메이크업 평가를 위한 입력에 기초하여 생성된 메이크업 점수 데이터에 새로 산출한 얼굴 이미지의 점수를 추가하여, 메이크업 점수 산출 방법을 기계 학습할 수 있다.

이와 같이, 메이크업 점수 학습부(115)가 메이크업 점수를 학습하면, 새로운 메이크업 이미지가 주어졌을 때 실제 메이크업 전문가의 평가와 유사하게 평가할 수 있는 효과가 있다. 이를 통해, 사용자에게 보다 신뢰성 있는 메이크업 평가 서비스를 제공할 수 있는 효과가 있다.

메이크업 점수 학습부(115)는 학습한 메이크업 점수를 메이크업 평가 데이터 베이스에 저장하도록 제어할 수 있다.

다음으로 도 13은 본 발명의 실시 예에 따른 재 생성된 메이크업 평가 데이터 베이스를 설명하기 위한 예시 도면이다.

앞서 설명한 제1 실시 예에 따른 메이크업 평가 데이터베이스(114)를 이용하여 재 생성된 메이크업 평가 데이터 베이스를 설명한다.

도 13에 도시된 바와 같이, 메이크업 평가 데이터베이스(114)는 기존 메이크업 전문가의 평가에 기초한 데이터(1301)에 새로 산출된 얼굴 이미지 점수 데이터(1302)를 더 저장할 수 있다.

제어부(130)는 메이크업 평가 데이터베이스(114)에 새로 산출된 얼굴 이미지 점수 데이터를 추가시킴으로써, 보다 객관적인 메이크업 점수를 산출할 수 있다.

다시 도 4를 설명한다.

메이크업 서버(100)의 무선 통신부(140)는 산출된 메이크업 점수를 어플리케이션 서버(200)로 전송하고(S120), 어플리케이션 서버(200)는 수신된 메이크업 점수를 이동 단말기(10)로 전송할 수 있다(S121).

이동 단말기(10)의 무선 통신부(11)는 메이크업 점수를 어플리케이션 서버(200)로부터 수신할 수 있다. 실시 예에 따라서, 이동 단말기(10)는 메이크업 점수를 메이크업 서버(100)로부터 직접 수신할 수도 있다.

이동 단말기(10)의 디스플레이부(14)는 수신된 메이크업 점수를 표시할 수 있다.

다음으로 도 14a 내지 도 14b, 도 15 내지 도 18은 본 발명의 다양한 실시 예에 따른 메이크업 점수를 설명하기 위한 도면이다.

먼저, 도 14a 내지 도 14b는 본 발명의 일 실시 예에 따른 메이크업 점수 화면을 설명하기 위한 예시 도면이다.

디스플레이부(14)는 도 14a 내지 도 14b에 도시된 바와 같이 메이크업 자동 평가 결과 화면을 표시할 수 있다. 구체적으로, 도 14a에 도시된 메이크업 점수 화면은 사용자에 의해 선택된 메이크업 주제로 평가된 메이크업 점수를 나타내고, 도 14b에 도시된 메이크업 점수 화면은 최고 점수로 평가된 메이크업 주제에 따른 메이크업 점수를 나타낸다.

먼저, 메이크업 자동 평가 결과 화면을 구성하는 각각의 구성 요소를 설명한다.

메이크업 자동 평가 결과 화면은 얼굴 이미지 윈도우(1401), 메이크업 주제 윈도우(1402), 종합 점수 윈도우(1403), 영역별 점수 윈도우(1404) 및 메이크업 재평가 아이콘(1405)을 포함할 수 있다.

얼굴 이미지 윈도우(1401)는 메이크업 서버(100)에 의해 분석된 얼굴 이미지를 포함한다. 이를 통해, 사용자는 평가 받고자 의도하였던 얼굴 이미지가 제대로 평가 되었는지 재확인할 수 있다.

메이크업 주제 윈도우(1402)는 메이크업을 평가의 바탕이 된 메이크업 주제를 나타낸다. 메이크업 평가는 동일한 얼굴 이미지일지라도 메이크업 주제에 따라 달라질 수 있다. 따라서, 사용자가 메이크업 주제를 올바르게 선택하였는지 나타낸다.

종합 점수 윈도우(1403)는 얼굴 이미지의 메이크업 평가 결과를 종합한 점수를 나타낸다. 예를 들어, 종합 점수 윈도우(1403)는 얼굴 영역별 점수의 평균 값을 나타낼 수 있다. 이를 통해, 사용자는 자신의 메이크업 결과를 하나의 지표로 확인할 수 있다.

영역별 점수 윈도우(1404)는 얼굴 이미지를 영역 별로 구분하여 메이크업을 평가한 결과를 나타낸다. 이를 통해, 사용자는 어느 영역에 대한 메이크업을 보완해야 하는지 쉽게 알 수 있는 효과가 있다.

메이크업 재평가 아이콘(1405)은 새로운 얼굴 이미지를 이용하여 메이크업 평가를 받기 위한 아이콘이다. 제어부(17)는 메이크업 재평가 아이콘(1405)을 선택하는 명령을 수신함에 따라 도 10에 도시된 바와 같은 메이크업 평가 요청 화면을 표시할 수 있다.

이동 단말기(10)는 이와 같이 메이크업 자동 평가 결과 화면을 표시하여, 메이크업 전문가에 의한 평가와 유사한 평가 서비스를 제공할 수 있다.

본 발명의 제1 실시 예에 따르면, 도 14a에 도시된 바와 같이 이동 단말기(10)는 선택된 메이크업 주제로 평가한 메이크업 자동 평가 결과 화면을 표시할 수 있다.

구체적으로, 메이크업 서버(100)는 사용자에 의한 메이크업 주제 선택을 수신하면, 선택된 주제에 따라 얼굴 이미지의 메이크업 점수를 산출할 수 있다. 이 경우, 이동 단말기(10)는 메이크업 주제 윈도우(1402)에 사용자에 의해 선택된 메이크업 주제를 표시하고, 종합 점수 윈도우(1403) 및 영역별 점수 윈도우(1404)에 선택된 메이크업 주제에 따른 점수를 표시할 수 있다.

본 발명의 제2 실시 예에 따르면, 도 14b에 도시된 바와 같이 이동 단말기(10)는 최고 점수로 평가된 메이크업 주제에 메이크업 자동 평가 결과 화면을 표시할 수 있다.

구체적으로, 메이크업 서버(100)는 메이크업 주제별로 적어도 하나 이상의 얼굴 이미지의 메이크업 점수를 산출할 수 있다. 메이크업 서버(100)는 메이크업 주제별로 산출된 점수 중 최고 점수를 나타내는 메이크업 주제를 획득할 수 있다. 메이크업 서버(100)는 메이크업 주제별 메이크업 점수를 모두 이동 단말기(10)로 전송하거나 최고 점수 및 최고 점수에 대응하는 메이크업 주제만을 이동 단말기(10)로 전송할 수 있다.

이 경우, 이동 단말기(10)는 메이크업 주제 윈도우(1402)에 최고 점수로 평가된 메이크업 주제를 표시하고, 종합 점수 윈도우(1402) 및 영역별 점수 윈도우(1404)에 최고 점수로 평가된 메이크업 주제에 따른 점수를 표시할 수 있다.

본 발명의 제3 실시 예에 따르면, 이동 단말기(10)는 사용자에 의해 선택된 메이크업 주제에 따른 점수와, 최고 점수로 평가된 메이크업 주제에 따른 점수를 동시에 표시할 수도 있다.

다음으로 도 15는 본 발명의 일 실시 예에 따른 메이크업 평가에 메이크업 주제가 미치는 영향을 설명하기 위한 도면이다.

도 14a 내지 도 14b에서 설명한 바와 마찬가지로, 이동 단말기(10)의 디스플레이부(14)는 메이크업 자동 평가 결과 화면을 표시할 수 있다.

도 15의 메이크업 자동 평가 결과 화면은, 도 14a 내지 도 14b와 비교하여, 동일한 얼굴 이미지를 대상으로 하나, 메이크업 주제를 달리한 경우의 메이크업 평가 결과 화면이다. 즉, 도 14a 내지 도 14b와 비교하여, 얼굴 이미지 윈도우(1501)는 동일한 얼굴 이미지를 포함하나, 메이크업 주제가(1502)가 상이하다.

이에 따라, 메이크업 평가 결과가 상이함을 알 수 있다. 즉, 종합 점수 윈도우(1503)와 영역별 점수 윈도우(1404)가 도 14a 내지 도 14b와 비교하여 상이한 점수를 나타냄을 확인할 수 있다.

이를 통해, 사용자는 메이크업 스킬 뿐만 아니라, 메이크업 주제에 알맞은 메이크업을 배울 수 있는 효과가 예상된다.

다음으로 도 16은 본 발명의 일 실시 예에 따른 영역별 점수 윈도우를 설명하기 위한 도면이다.

영역별 점수 윈도우(1604)는 메이크업 주제에 기초한 각 영역별 점수를 나타낸다. 따라서, 영역별 점수 윈도우(1604)는 메이크업 영역에 따라 상이한 점수를 나타낼 수 있다. 특히, 어느 하나의 얼굴 영역과 관련하여, 메이크업 주제와 완전히 상이한 메이크업으로 판단되면 0점 처리되는 영역이 있을 수 있다.

이를 통해, 사용자에게 얼굴 영역 별 메이크업을 가이드할 수 있는 효과가 있다.

다음으로 도 17은 본 발명의 일 실시 예에 따른 메이크업의 발란스 평가를 설명하기 위한 도면이다.

도 17을 참조하면, 종합 점수(1703)는 0점을 나타내나, 영역별 점수 윈도우(1704)의 각 영역은 0점이 아님을 확인할 수 있다. 이는, 얼굴 전체의 메이크업 발란스(balance)가 맞지 않음을 나타낼 수 있다. 즉, 메이크업 자동 평가 시스템은 얼굴 영역별 메이크업을 평가할 뿐만 아니라 얼굴의 전체적인 메이크업 발란스까지 평가해줄 수 있다.

다음으로 도 18은 본 발명의 일 실시 예에 따른 노메이크업 평가 결과를 설명하기 위한 도면이다.

도 18을 참조하면, 종합 점수 윈도우(1803) 및 영역별 점수 윈도우(1804)는 모두 최저점을 나타낸다. 이는, 얼굴 이미지 윈도우(1801)의 얼굴이 노메이크업으로 판단된 경우이다. 이와 같이, 노메이크업의 얼굴에 대응하는 점수로 최저점을 산출함으로써, 메이크업 자동 평가 시스템의 신뢰도를 향상시킬 수 있다.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 상기 컴퓨터는 단말기의 제어부(180)를 포함할 수도 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims (2)

1. 이미지를 서버로 전송하는 이동 단말기; 및
   기 저장된 메이크업 점수 데이터에 기초하여 상기 이동 단말기로부터 수신된 이미지에 포함된 얼굴의 메이크업의 점수를 산출하는 서버를 포함하는,
   메이크업 자동 평가 시스템.
2. 카메라;
   상기 카메라에 의해 촬영된 이미지에 대응하는 메이크업 평가요청입력을 수신하는 입력부;
   상기 메이크업 평가요청입력에 따른 메이크업 평가요청신호를 서버로 전송하는 무선 통신부;
   상기 메이크업 평가요청신호에 따른 메이크업 점수를 수신하는 제어부; 및
   상기 메이크업 점수를 표시하는 디스플레이부를 포함하는,
   이동 단말기.

Images