KR20190084915A - 의류 처리 장치 및 의류 처리 장치의 동작 방법 - Google Patents

의류 처리 장치 및 의류 처리 장치의 동작 방법 Download PDF

Info

Publication number
KR20190084915A
KR20190084915A KR1020190078029A KR20190078029A KR20190084915A KR 20190084915 A KR20190084915 A KR 20190084915A KR 1020190078029 A KR1020190078029 A KR 1020190078029A KR 20190078029 A KR20190078029 A KR 20190078029A KR 20190084915 A KR20190084915 A KR 20190084915A
Authority
KR
South Korea
Prior art keywords
clothes
garment
processing apparatus
user
image
Prior art date
Application number
KR1020190078029A
Other languages
English (en)
Inventor
김미래
김상오
윤준상
Original Assignee
엘지전자 주식회사
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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190078029A priority Critical patent/KR20190084915A/ko
Publication of KR20190084915A publication Critical patent/KR20190084915A/ko
Priority to US16/698,313 priority patent/US11460817B2/en

Links

Images

Classifications

    • D06F58/28—
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
    • D06F34/14—Arrangements for detecting or measuring specific parameters
    • D06F34/18—Condition of the laundry, e.g. nature or weight
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F33/00—Control of operations performed in washing machines or washer-dryers 
    • D06F33/02—
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F33/00—Control of operations performed in washing machines or washer-dryers 
    • D06F33/30—Control of washing machines characterised by the purpose or target of the control 
    • D06F33/32—Control of operational steps, e.g. optimisation or improvement of operational steps depending on the condition of the laundry
    • D06F39/003—
    • D06F39/005—
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F58/00—Domestic laundry dryers
    • D06F58/30—Drying processes 
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F58/00—Domestic laundry dryers
    • D06F58/32—Control of operations performed in domestic laundry dryers 
    • D06F58/34—Control of operations performed in domestic laundry dryers  characterised by the purpose or target of the control
    • D06F58/36—Control of operational steps, e.g. for optimisation or improvement of operational steps depending on the condition of the laundry
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F73/00—Apparatus for smoothing or removing creases from garments or other textile articles by formers, cores, stretchers, or internal frames, with the application of heat or steam 
    • D06F73/02—Apparatus for smoothing or removing creases from garments or other textile articles by formers, cores, stretchers, or internal frames, with the application of heat or steam  having one or more treatment chambers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06V40/168—Feature extraction; Face representation
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F2103/00—Parameters monitored or detected for the control of domestic laundry washing machines, washer-dryers or laundry dryers
    • D06F2103/02—Characteristics of laundry or load
    • D06F2210/00—
    • D06F2212/02—
    • D06F2216/00—
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
    • D06F34/04—Signal transfer or data transmission arrangements
    • D06F34/05—Signal transfer or data transmission arrangements for wireless communication between components, e.g. for remote monitoring or control
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
    • D06F34/28—Arrangements for program selection, e.g. control panels therefor; Arrangements for indicating program parameters, e.g. the selected program or its progress
    • D06F34/32—Arrangements for program selection, e.g. control panels therefor; Arrangements for indicating program parameters, e.g. the selected program or its progress characterised by graphical features, e.g. touchscreens
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
    • D06F58/00—Domestic laundry dryers
    • D06F58/10—Drying cabinets or drying chambers having heating or ventilating means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/272—Means for inserting a foreground image in a background image, i.e. inlay, outlay
    • H04N2005/2726—Means for inserting a foreground image in a background image, i.e. inlay, outlay for simulating a person's appearance, e.g. hair style, glasses, clothes

Abstract

사물 인터넷을 위해 연결된 5G 환경에서 인공지능(artificial intelligence, AI) 알고리즘 및/또는 기계학습(machine learning) 알고리즘을 실행하여 의류 처리 장치를 동작시키는 의류 처리 장치 및 의류 처리 장치의 구동 방법이 개시된다. 본 발명의 일 실시 예에 따른 의류 처리 장치의 동작 방법은, 의류 처리 장치의 전면에 배치된 미러 디스플레이 앞에서 의류를 착용하고 서 있는 사용자를 카메라로 촬영함으로써 의류 촬영 영상을 획득하는 단계와, 의류 촬영 영상을 분석하는 단계와, 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치의 동작모드를 설정하는 단계와, 설정한 동작모드에 따라 의류 처리 장치가 동작하도록 제어하는 단계를 포함 포함할 수 있다.
본 발명에 의하면, 의류 촬영 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시킴으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.

Description

의류 처리 장치 및 의류 처리 장치의 동작 방법{APPARATUS FOR MANAGING FABRIC AND METHOD FOR OPERATING THE APPARATUS}
본 발명은 의류 처리 장치 및 의류 처리 장치의 동작 방법에 관한 것으로, 보다 상세하게는 의류 촬영 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시키는 의류 처리 장치 및 의류 처리 장치의 동작 방법에 관한 것이다.
의류 처리 장치는 의류가 수용된 처리실 내로 물을 가하여 의류에 뭍은 오염을 제거하거나, 건조 공기를 가하여 젖은 의류를 건조시키거나, 공기를 송풍하거나 증기를 가하여 의류를 재생(refresh, 예를 들어, 주름이나 냄새 제거)하는 장치를 통칭할 수 있다.
특히 의류 처리 장치에 의류를 수납하여 의류를 처리하는 기술이 선행기술 1 및 선행기술 2에 의해 개시되어 있다.
선행기술 1에는 내부에 보관되는 의류에 스팀과 건조 및 무빙행어를 제공하여 의류를 간편하고 효율적으로 건조, 살균, 구김 방지 등을 동시에 수행하는 의류 세정 관리 장치에 대한 기술이 개시되어 있으나, 의류 세정 관리 장치를 동작 시키기 위해 사용자가 직접 동작모드를 설정하고, 동작 개시 버튼을 입력해야만 비로소 의류 처리 장치가 동작하는 불편한 문제점이 있다.
선행기술 2에는 의류를 건조시킬 때 고온 다습한 열풍을 부여하여 주름을 제거하는 한편, 살균 및 탈취 효과 등을 얻을 수 있는 동시에 필요 시 옷장으로도 사용할 수 있는 다목적 의류 건조기에 대한 기술이 개시되어 있으나, 의류 건조기를 동작시키기 위해 사용자가 직접 동작모드를 설정하고, 동작 개시 버튼을 입력해야만 비로소 의류 처리 장치가 동작하는 불편한 문제점이 있다.
전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
국내 등록특허공보 제10-1954032호(2019.02.25 등록) 국내 등록특허공보 제10-0370363호(2003.01.16 등록)
본 발명의 실시 예의 일 과제는, 의류 처리 장치를 동작 시키기 위해 사용자가 직접 동작모드를 설정하고, 동작 개시 버튼을 입력해야만 했던 종래 기술의 문제점을 해결하는 것이다.
본 발명의 실시 예의 일 과제는, 의류 촬영 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시켜 사용자의 편리함을 향상시키는데 있다.
본 발명의 실시 예의 일 과제는, 사용자의 얼굴 및 체형 정보를 기반으로 하여 사용자에게 의류를 추천해 주어 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시키는데 있다.
본 발명의 실시 예의 일 과제는, 사용자의 얼굴 및 체형 정보와, 날씨 정보를 기반으로 하여 사용자에게 의류를 추천해 주어 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시키는데 있다.
본 발명의 실시 예의 일 과제는, 의류 처리 장치와 네트워크를 통하여 연동되는 세탁기 및 의류 건조기의 동작모드를 자동으로 설정하고 동작시켜 사용자의 편리함을 향상시키는데 있다.
본 발명의 실시 예의 일 과제는, 의류 처리 장치를 동작 시키기 위해 사용자가 직접 동작모드를 설정하고, 동작 개시 버튼을 입력해야만 했던 종래 기술의 문제점을 최적의 프로세서 자원을 사용하면서 해결하는 것이다.
본 발명의 목적은 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.
본 발명의 일 실시 예에 의류 처리 장치의 동작 방법은, 의류 촬영 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시키는 단계를 포함할 수 있다.
구체적으로 본 발명의 일 실시 예에 따른 의류 처리 장치의 동작 방법은, 의류 처리 장치의 전면에 배치된 미러 디스플레이 앞에서 의류를 착용하고 서 있는 사용자를 카메라로 촬영함으로써 의류 촬영 영상을 획득하는 단계와, 의류 촬영 영상을 분석하는 단계와, 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치의 동작모드를 설정하는 단계와, 설정한 동작모드에 따라 의류 처리 장치가 동작하도록 제어하는 단계를 포함할 수 있다.
본 발명의 일 실시 예에 따른 의류 처리 장치의 동작 방법을 통하여, 의류 촬영 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시킴으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
또한, 획득하는 단계는, 미러 디스플레이 앞에서 사용자가 의류 처리 장치를 향하고 있는지 판단하는 단계와, 미러 디스플레이 앞에서 사용자가 일정 시간 이상 의류 처리 장치를 향하고 있는 것이 감지되는 경우 사용자를 촬영하는 단계를 포함할 수 있다.
또한, 판단하는 단계는, 사용자의 얼굴을 기준으로 사용자가 의류 처리 장치를 향하고 있는지 판단하는 단계를 포함할 수 있다.
본 실시 예에 따른 획득하는 단계 및 판단하는 단계를 통하여 의류 처리 장치 내부 및 외부에서 촬영한 영상을 획득하여 의류 처리 장치의 동작을 보다 정교하게 제어할 수 있다.
또한, 분석하는 단계는, 의류 촬영 영상으로부터 의류의 종류를 분석하는 단계를 더 포함하고, 설정하는 단계는, 의류의 종류를 분석한 결과에 대응하여 의류 처리 장치의 동작모드를 설정하는 단계를 포함하고, 의류의 종류를 분석하는 단계는 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 종류를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 이루어지도록 할 수 있다.
또한 분석하는 단계는, 의류 촬영 영상으로부터 의류의 소재를 분석하는 단계를 더 포함하고, 설정하는 단계는, 의류의 소재를 분석한 결과에 대응하여 의류 처리 장치의 동작모드를 설정하는 단계를 포함하고, 의류의 소재를 분석하는 단계는 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 소재를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 이루어지도록 할 수 있다.
또한, 분석하는 단계는, 의류 촬영 영상으로부터 의류의 오염 정도를 분석하는 단계를 더 포함하고, 설정하는 단계는, 의류의 오염 정도를 분석한 결과에 대응하여 의류 처리 장치의 동작모드를 설정하는 단계를 포함하고, 의류의 오염 정도를 분석하는 단계는 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 오염 정도를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 이루어지도록 할 수 있다.
본 실시 예에 따른 분석하는 단계 및 설정하는 단계를 통하여 의류 촬영 영상으로부터 의류의 종류, 의류의 소재, 의류의 오염 정도에 따라 의류 처리 장치의 동작 모드를 보다 정교하게 설정하여, 만족할 만한 의류 처리 결과물을 획득할 수 있다.
또한 설정하는 단계는, 의류 촬영 영상의 분석 결과에 대응하여, 의류 처리 장치와 연동되고, 의류를 세탁할 세탁기의 세탁모드를 설정하는 단계를 더 포함할 수 있다.
또한 설정하는 단계는, 의류 촬영 영상의 분석 결과에 대응하여, 의류 처리 장치 및 세탁기와 연동되고, 세탁기에서 추출한 의류를 건조할 건조기의 건조모드를 설정하는 단계를 더 포함할 수 있다.
본 실시 예에 따른 설정하는 단계를 통하여 의류 처리 장치가 세탁기 및/또는 건조기의 세탁모드 및/또는 건조모드를 자동으로 설정하므로, 사용자는 의류를 세탁기 및/또는 건조기에 넣기만 하면, 세탁기 및/또는 건조기가 자동으로 세탁 및/또는 건조를 수행하므로 사용자의 편리함을 향상시킬 수 있다.
또한 의류 처리 장치의 동작 방법은, 사용자의 얼굴 및 체형 영상을 획득하는 단계와, 사용자의 얼굴 및 체형 영상을 분석하는 단계와, 사용자의 얼굴 및 체형 영상을 분석한 결과를 기반으로 사용자 맞춤형 의류를 추천하는 단계를 더 포함할 수 있다.
본 실시 예에 따른 의류 처리 장치의 동작 방법을 통하여, 사용자의 얼굴 및 체형 정보를 기반으로 하여 사용자에게 의류를 추천해줌으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
또한 의류 처리 장치 동작 방법은 기상 정보를 수집하는 단계를 더 포함하고, 추천하는 단계는, 사용자의 얼굴 및 체형 영상을 분석한 결과와, 기상 정보를 기반으로 사용자 맞춤형 의류를 추천하는 단계를 포함할 수 있다.
본 실시 예에 따른 의류 처리 장치의 동작 방법을 통하여, 사용자의 얼굴 및 체형 정보와, 기상 정보를 기반으로 하여 사용자에게 의류를 추천해줌으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
본 발명의 일 실시 예에 따른 의류 처리 장치는, 의류 처리 장치의 전면에 배치되는 미러 디스플레이와, 미러 디스플레이 앞에서 의류를 착용하고 서 있는 사용자를 카메라로 촬영함으로써 의류 촬영 영상을 획득하는 제1 획득부와, 의류 촬영 영상을 분석하는 제1 분석부와, 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치의 동작모드를 설정하는 설정부와, 설정한 동작모드에 따라 의류 처리 장치가 동작하도록 제어하는 동작 제어부를 포함할 수 있다.
본 발명의 일 실시 예에 따른 의류 처리 장치를 통하여, 의류 촬영 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시킴으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
또한, 제1 획득부는, 미러 디스플레이 앞에서 사용자가 의류 처리 장치를 향하고 있는지 판단하고, 미러 디스플레이 앞에서 사용자가 일정 시간 이상 의류 처리 장치를 향하고 있는 것이 감지되는 경우 사용자를 촬영하도록 구성될 수 있고, 의류 처리 장치를 향하고 있는지 판단하는 동작은 사용자의 얼굴을 기준으로 사용자가 의류 처리 장치를 향하고 있는지 판단할 수 있다.
본 실시 예에 따른 제1 획득부를 통하여 의류 처리 장치 내부 및 외부에서 촬영한 영상을 획득하여 의류 처리 장치의 동작을 보다 정교하게 제어할 수 있다.
또한, 제1 분석부는, 의류 촬영 영상으로부터 의류의 종류를 분석하고, 설정부는, 의류의 종류를 분석한 결과에 대응하여 의류 처리 장치의 동작모드를 설정하며, 의류의 종류를 분석하는 동작은 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 종류를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 이루어지도록 할 수 있다.
또한, 제1 분석부는, 의류 촬영 영상으로부터 의류의 소재를 분석하고, 설정부는, 의류의 소재를 분석한 결과에 대응하여 의류 처리 장치의 동작모드를 설정하며, 의류의 소재를 분석하는 동작은 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 소재를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 이루어지도록 할 수 있다.
또한, 제1 분석부는, 의류 촬영 영상으로부터 의류의 오염 정도를 분석하고, 설정부는, 의류의 오염 정도를 분석한 결과에 대응하여 의류 처리 장치의 동작모드를 설정하며, 의류의 오염 정도를 분석하는 동작은 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 오염 정도를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 이루어지도록 할 수 있다.
본 실시 예에 따른 제1 분석부 및 설정부를 통하여 의류 촬영 영상으로부터 의류의 종류, 의류의 소재, 의류의 오염 정도에 따라 의류 처리 장치의 동작 모드를 보다 정교하게 설정하여, 만족할 만한 의류 처리 결과물을 획득할 수 있다.
또한, 설정부는, 의류 촬영 영상의 분석 결과에 대응하여, 의류 처리 장치와 연동되고, 의류를 세탁할 세탁기의 세탁모드를 설정할 수 있다.
또한, 설정부는, 의류 촬영 영상의 분석 결과에 대응하여, 의류 처리 장치 및 세탁기와 연동되고, 세탁기에서 추출한 의류를 건조할 건조기의 건조모드를 설정할 수 있다.
본 실시 예에 따른 설정부를 통하여 의류 처리 장치가 세탁기 및/또는 건조기의 세탁모드 및/또는 건조모드를 자동으로 설정하므로, 사용자는 의류를 세탁기 및/또는 건조기에 넣기만 하면, 세탁기 및/또는 건조기가 자동으로 세탁 및/또는 건조를 수행하므로 사용자의 편리함을 향상시킬 수 있다.
또한, 의류 처리 장치는 사용자의 얼굴 및 체형 영상을 획득하는 제2 획득부와, 사용자의 얼굴 및 체형 영상을 분석하는 제2 분석부와, 사용자의 얼굴 및 체형 영상을 분석한 결과를 기반으로 사용자 맞춤형 의류를 추천하는 추천부를 더 포함할 수 있다.
본 실시 예에 따른 의류 처리 장치를 통하여, 사용자의 얼굴 및 체형 정보를 기반으로 하여 사용자에게 의류를 추천해줌으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
또한, 의류 처리 장치는 기상 정보를 수집하는 수집부를 더 포함하고, 추천부는, 사용자의 얼굴 및 체형 영상을 분석한 결과와, 기상 정보를 기반으로 사용자 맞춤형 의류를 추천할 수 있다.
본 실시 예에 따른 의류 처리 장치를 통하여, 사용자의 얼굴 및 체형 정보와, 기상 정보를 기반으로 하여 사용자에게 의류를 추천해줌으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 더 제공될 수 있다.
전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.
본 발명의 실시 예에 의하면, 의류 촬영 영상 정보를 기반으로 하여 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시킴으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
또한, 사용자의 얼굴 및 체형 정보를 기반으로 하여 사용자에게 의류를 추천해줌으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
또한, 사용자의 얼굴 및 체형 정보와, 날씨 정보를 기반으로 하여 사용자에게 의류를 추천해줌으로써 의류 처리 장치에 대한 사용자의 이용 만족도를 향상시킬 수 있다.
또한, 의류 처리 장치와 네트워크를 통하여 연동되는 세탁기 및 의류 건조기의 동작모드를 자동으로 설정하고 동작시켜 사용자의 편리함을 향상시킬 수 있다.
또한, 의류 처리 장치 자체는 대량 생산된 획일적인 제품이지만, 사용자는 의류 처리 장치를 개인화된 장치로 인식하므로 사용자 맞춤형 제품의 효과를 낼 수 있다.
또한 최적의 프로세서 자원만을 사용하여 의류 촬영 영상 정보에 따라 의류 처리 장치의 동작모드를 자동으로 설정하고 동작시킴으로써 의류 처리 장치의 전력 효율을 향상시킬 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시 예에 따른 의류 처리 장치, 사용자 단말기, 서버 및 이들을 서로 연결하는 네트워크를 포함하는 의류 처리 환경의 예시도이다.
도 2는 본 발명의 일 실시 예에 따른 의류 처리 장치의 도어가 열린 상태를 정면에서 도시한 도면이다.
도 3은 본 발명의 일 실시 예에 따른 의류 처리 장치를 모식적으로 도시한 도면이다.
도 4는 본 발명의 일 실시 예에 따른 의류 처리 장치의 개략적인 블록도이다.
도 5는 도 4의 의류 처리 장치 중 표시부에 표시되는 동작모드 컨트롤 패널을 도시한 예시도 이다.
도 6은 도 4의 의류 처리 장치 중 처리부의 개략적인 블록도이다.
도 7 내지 도 9는 의류 처리 장치의 동작을 설명하기 위한 예시도이다.
도 10은 본 발명의 다른 실시 예에 따른 의류 처리 장치, 사용자 단말기, 서버, 세탁기, 건조기 및 이들을 서로 연결하는 네트워크를 포함하는 의류 처리 환경의 예시도이다.
도 11 및 도 12는 본 발명의 일 실시 예에 따른 의류 처리 장치의 동작 방법을 도시한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 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. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 의류 처리 장치, 사용자 단말기, 서버 및 이들을 서로 연결하는 네트워크를 포함하는 의류 처리 환경의 예시도이다. 도 1을 참조하면, 의류 처리 환경(1)은 의류 처리 장치(100), 사용자 단말기(200), 서버(300) 및 네트워크(400)를 포함할 수 있다.
의류 처리 장치(100)는 의류가 수용된 처리실(도 2의 103) 내로 물을 가하여 의류에 뭍은 오염을 제거하거나, 건조 공기를 가하여 젖은 의류를 건조시키거나, 공기를 송풍하거나 증기를 가하여 의류를 재생(refresh, 예를 들어, 주름이나 냄새 제거)할 수 있다.
의류 처리 장치(100)는 처리실 내로 건조 공기를 가할 수 있도록 구성되어, 처리실로부터 배출된 공기를 처리실의 외부에 형성된 순환 유로를 따라 순환시킨 후, 다시 처리실 내로 공급하는 공기 순환 시스템(미도시)을 구비할 수 있다. 또한, 이러한 의류 처리 장치(100)는 순환 유로 상에 히트펌프를 구비하고, 선택된 운전 코스에 따라, 히트펌프에 의해 순환 공기가 가열, 냉각 또는 제습된 후, 처리실로 공급될 수 있다.
또한, 의류 처리 장치(100)는 건조 기능을 활용하여 처리실을 제습하는 기능을 제공할 수 있는데, 도어를 개방한 상태에서 건조 기능이 실시되도록 함으로써, 실내 공기가 처리실을 통해 순환 유로로 유입되어 히트펌프에 의해 제습되고, 이렇게 제습된 공기가 처리실을 거쳐 다시 실내로 토출되도록 할 수 있다.
본 실시 예에서 의류 처리 장치(100)는, 의류 처리 장치(100) 전면에 배치되는 미러 디스플레이 앞에서 의류를 착용하고 서 있는 사용자를 촬영함으로써 의류 촬영 영상을 획득하고 분석하며, 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치의 동작모드를 자동으로 설정하고, 설정한 동작모드에 따라 동작하도록 제어할 수 있다.
의류 처리 장치(100)는 동작 모드를 설정하기 위해, 의류의 종류를 분석하는 동작은 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 종류를 판단하도록 미리 훈련된 심층신경망 모델, 의류의 소재를 분석하는 동작은 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 소재를 판단하도록 미리 훈련된 심층신경망 모델 및 의류의 오염 정도를 분석하는 동작은 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 오염 정도를 판단하도록 미리 훈련된 심층신경망 모델 중 하나 이상을 이용할 수 있다.
또한, 의류 처리 장치(100)는 사용자의 얼굴 및 체형 영상을 획득하고 분석하며, 사용자의 얼굴 및 체형 영상을 분석한 결과를 기반으로 사용자 맞춤형 의류를 추천할 수 있다. 여기서 사용자 맞춤형 의류는 메모리(도 4의 170)에 저장된 의류 촬영 영상을 바탕으로 분석을 통하여 추천할 수 있다. 선택적 실시 예로, 의류 처리 장치(100)는 기상 정보를 기반으로 하여 사용자 맞춤형 의류를 추천할 수 있다. 이를 위해 의류 처리 장치(100)는 기상 정보를 제공하는 기상서버(미도시)로부터 기상 정보를 수집할 수 있고, 의류 처리 장치(100)는 기상서버와 네트워크(400)를 통하여 통신할 수 있다.
사용자 단말기(200)는 의류 처리 장치 구동 어플리케이션 또는 의류 처리 장치 구동 사이트에 접속한 후 인증 과정을 통하여 의류 처리 장치(100)의 구동 또는 제어를 위한 서비스를 제공받을 수 있다. 본 실시 예에서 인증 과정을 마친 사용자 단말기(200)는 의류 처리 장치(100)를 구동하고, 의류 처리 장치(100)의 동작을 제어할 수 있다.
본 실시 예에서 사용자 단말기(200)는 사용자가 조작하는 데스크 탑 컴퓨터, 스마트폰, 노트북, 태블릿 PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 사용자 단말기(200)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기 일 수 있다. 사용자 단말기(200)는 상술한 내용에 제한되지 아니하며, 웹 브라우징이 가능한 단말기는 제한 없이 차용될 수 있다.
서버(300)는 각종 인공지능 알고리즘을 적용하는데 필요한 빅데이터 및 의류 처리 장치(100)를 동작시키는 데이터를 제공하는 데이터베이스 서버일 수 있다. 그 밖에 서버(300)는 사용자 단말기(200)에 설치된 의류 처리 장치 구동 어플리케이션 또는 의류 처리 장치 구동 웹 브라우저를 이용하여 의류 처리 장치(100)의 동작을 원격에서 제어할 수 있도록 하는 웹 서버 또는 애플리케이션 서버를 포함할 수 있다.
여기서 인공 지능(artificial intelligence, AI)은, 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미할 수 있다.
또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
머신 러닝(machine learning)은 인공지능의 한 분야로, 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야를 포함할 수 있다. 구체적으로 머신 러닝은, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다. 머신 러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령들을 수행하는 것이라기보다, 입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취할 수 있다.
서버(300)는 의류 처리 장치(100)로부터 미러 디스플레이 앞에서 의류를 착용하고 서 있는 사용자를 촬영함으로써 의류 촬영 영상을 수신하여 분석하고, 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치(100)의 동작모드를 자동으로 설정하고, 설정한 동작모드에 따라 동작하도록 제어신호를 의류 처리 장치(100)로 전송할 수 있다.
또한 서버(300)는 의류 처리 장치(100)로부터 사용자의 얼굴 및 체형 영상을 수신하여 분석하고, 사용자의 얼굴 및 체형 영상을 분석한 결과를 기반으로 사용자 맞춤형 의류를 추천하여 의류 처리 장치(100)로 전송할 수 있다.
서버(300)는 의류 처리 장치(100)의 동작 모드를 설정하기 위해, 의류의 종류를 분석하는 동작은 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 종류를 판단하도록 미리 훈련된 심층신경망 모델, 의류의 소재를 분석하는 동작은 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 소재를 판단하도록 미리 훈련된 심층신경망 모델 및 의류의 오염 정도를 분석하는 동작은 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 오염 정도를 판단하도록 미리 훈련된 심층신경망 모델 중 하나 이상을 이용할 수 있다.
네트워크(400)는 의류 처리 장치(100)와, 사용자 단말기(200)와, 서버(300)를 연결하는 역할을 수행할 수 있다. 이러한 네트워크(400)는 예컨대 LANs(local area networks), WANs(wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, 블루투스, 위성 통신 등의 무선 네트워크를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 또한 네트워크(400)는 근거리 통신 및/또는 원거리 통신을 이용하여 정보를 송수신할 수 있다. 여기서 근거리 통신은 블루투스(bluetooth), RFID(radio frequency identification), 적외선 통신(IrDA, infrared data association), UWB(ultra-wideband), ZigBee, Wi-Fi (wireless fidelity) 기술을 포함할 수 있고, 원거리 통신은 CDMA(code division multiple access), FDMA(frequency division multiple access), TDMA(time division multiple access), OFDMA(orthogonal frequency division multiple access), SC-FDMA(single carrier frequency division multiple access) 기술을 포함할 수 있다.
네트워크(400)는 허브, 브리지, 라우터, 스위치 및 게이트웨이와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(400)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(400)에의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(400)는 사물 등 분산된 구성 요소들 간에 정보를 주고 받아 처리하는 IoT(Internet of Things, 사물인터넷) 망 및/또는 5G 통신을 지원할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 의류 처리 장치의 도어가 열린 상태를 정면에서 도시한 도면이고, 도 3은 본 발명의 일 실시 예에 따른 의류 처리 장치를 모식적으로 도시한 도면이다.
도 1 내지 도 3을 참조하면, 의류 처리 장치(100)는 의류가 수용되는 처리실(110)을 형성하는 캐비닛(101)과, 캐비닛(101)에 회전 가능하게 결합되어 처리실(110)을 여닫는 도어(102)를 포함할 수 있다. 처리실(110)은 내측으로 의류가 투입될 수 있도록 전면이 개방될 수 있다. 캐비닛(101)의 전면에 개구부(미도시)가 형성되고, 개구부로부터 후방으로 함몰된 공간에 의해 처리실(110)이 형성될 수 있다.
도어(102)는 캐비닛(101)의 일측에 회전 가능하게 결합되며, 처리실(110)의 개방된 전면을 여닫을 수 있다. 도어(102)가 닫힌 상태에서, 도어(102)의 배면이 캐비닛(101)의 전면(즉, 개구부 둘레 부분)과 밀착되고, 처리실(110)의 기밀이 유지될 수 있다. 실시 예에 따라, 처리실(110)을 기밀하는 실러가 도어(102)와 캐비닛(101) 사이에 개재될 수 있다.
처리실(110) 내에는 옷걸이봉(112)이 구비될 수 있다. 의류가 끼워진 옷걸이(미도시)가 옷걸이봉(112)에 걸릴 수 있다. 옷걸이봉(112)은 좌우로 왕복 운동이 가능하도록 구성될 수 있다. 기 프로그래밍된 구동 알고리즘에 따라 자동으로 옷걸이봉(112)을 좌우로 왕복 운동시키기 위한 전동식 구동 기구(미도시)가 더 구비될 수 있다. 여기서 전동식 구동 기구는 전동모터(미도시)와, 모터의 구동력을 전환시켜 옷걸이봉(112)을 왕복 운동시키는 동력 전달 기구(미도시)를 포함할 수 있다. 여기서 동력 전달기구는 크랭크, 랙과 피니언, 캠 등을 포함하여 다양하게 구성될 수 있다.
처리실(110)은 캐비닛(101)의 내측면에 의해 한정된 공간으로 정의될 수 있다. 캐비닛(101)의 내측면에는 기류 유입구(113)와, 기류 토출구(114)와, 증기 토출구(115)가 형성될 수 있다. 실시 예에서는 캐비닛(101)의 내측면이 상면(111U), 하면(111B), 좌측면(111L), 우측면(111R) 및 배면(111RE)을 포함하고, 하면(111B)은 처리실(110)의 입구로부터 후방으로 수평하게 연장되는 수평면(111H)과, 수평면(111H)으로부터 후방으로 상향 경사져서 후면(111B)과 연결되는 경사면(111I)을 포함하여 구성될 수 있다. 그러나 실시 예에 따라 캐비닛(101)의 내측면은 다양한 형태로 구성될 수 있다.
처리실(110)의 하측에는 기계실(120)이 형성될 수 있으며, 기계실(120) 내에는 히트펌프(121), 송풍팬(122), 스팀 생성기(123) 등이 배치될 수 있다. 히트펌프(121)는 처리실(110)로부터 기류 유입구(113)를 통해 유입된 공기를 제습하여, 기류 토출구(114)를 통해 다시 처리실(110)로 도출할 수 있다. 그러나 이에 한정하지 않고 히트펌프(121)는 후술하는 압축기()를 적절한 방법으로 제어하여 처리실(110) 내의 의류 건조를 위해 고온의 건조 공기를 공급하는 기능을 겸할 수 있다.
순환 유로(124)는 기류 유입구(113)를 통해 유입된 공기를 기류 토출구(114)로 안내하도록 구성될 수 있다. 송풍팬(122)에 의해 송풍되어 기류 토출구(114)를 통해 처리실(110) 내부로 토출될 수 있다.
도어(102)가 닫힌 상태에서, 처리실(110)은 외기와 분리된 공간을 형성하기 때문에, 처리실(110) 내의 공기가 순환 유로(124)를 따라 순화될 수 있다. 그러나 도어(102)가 열린 상태에서, 외기가 처리실(110) 내로 유입되어 기류 유입구(113)로 유입된 후, 순환 유로(124)를 따라 이송되고, 기류 토출구(114)를 통해 토출되고, 토출된 공기 중 일부분은 처리실(110)의 개방된 전면을 통해 외부로 배출될 수 있다.
히트펌프(121)는 냉매가 순환되는 과정에서 처리실(110)로부터 기류 유입구(113)를 통해 순환 유로(124)로 유입된 공기로부터 열을 흡수하고, 흡수된 열을 이용하여 기류 토출구(114)를 통해 토출되기 전의 공기를 가열할 수 있다. 히트펌프(121)는 작동 유체인 냉매가 순환되는 냉매 배관(125)을 통해 연결된 증발기(126), 압축기(127), 팽창밸브(128) 및 응축기(129)를 포함할 수 있다.
증발기(126)는 냉매 배관(125)과 연결된 미세 직경의 튜브와, 튜브와의 사이에 열 전달이 이루어지는 열전도성의 열전달판들을 포함하여 구성되는 열교환기를 포함할 수 있다. 증발기(126)는 순환 유로(124) 상에 구비되어, 순환 기류로부터 열을 흡수할 수 있다. 증발기(126)는 처리실(110)로부터 토출된 기류(즉, 기류 유입구(113)를 통해 순환 유로(124) 내로 유입된 공기)로부터 열을 흡수하며, 이렇게 흡수된 열이 튜브 내의 냉매에 전달됨으로써, 냉매의 증발이 이루어 질 수 있다.
이때 공기 중의 습기는 증발기(126)를 지나면서 응축이 이루어 질 수 있다. 순환 유로(124)로부터 응측수를 배출하기 위한 응축수 배출 펌프(130)가 구비될 수 있다. 응축수 배출 펌프(130)를 통해 배출된 응축수는 배수통(116)에 모일 수 있다.
압축기(127)는 증발기(126)를 통과한 냉매를 압축할 수 있다. 압축기(127)는 회전수(또는 압축용량) 변경이 가능한 인버터 압축기(inverter compressor)일 수 있으나, 반드시 이에 한정되는 것은 아니다. 인버터 압축기는 회전 수 제어를 통해 압축 용량을 가변할 수 있고, 따라서 응축기(129)의 발열량이 제어될 수 있다. 인버터 압축기는 DC 전원을 동력원으로 사용하며, 이를 위해, AC 전원을 DC 전원으로 변환하여 목표한 주파수로 변환하는 드라이버(미도시)가 더 구비될 수 있다.
응축기(129)는 실질적으로 증발기(126)와 동일한 구성으로 이루어질 수 있으나, 증발기(126)와는 반대로 냉매를 응축시키는 작용을 할 수 있다. 즉, 압축기(127)에 의해 압축된 냉매가 응축기(129)를 통과하면서 응축되며, 이 과정에서 주변으로 열이 방출될 수 있다. 응축기(129)는 순환 유로(124) 상에서 증발기(126)보다 하류측에 위치할 수 있다. 증발기(126)를 지나면서 습도가 낮아진 공기가 응축기(129)를 지나면서 이번에는 가열될 수 있다. 응축기(129)가 순환 공기를 가열하는 히터로서 작용할 수 있다. 응축기(129)를 통과하면서 순환 공기에 열을 빼앗긴 냉매가 팽창 밸브9128)를 통과하면서 패창되고, 다시 증발기(126)로 유입됨으로써 냉매의 순환회로가 구성될 수 있다.
배수통(116)은 응축수 처리를 용이하게 할 수 있도록, 캐비닛(101)에 분리 가능하게 설치될 수 있다. 사용자는 배수통(116)을 캐비닛(101)으롤부터 분리한 후, 그 안에 모인 응축수를 버릴 수 있다. 급수통(117)은 스팀을 생성하기 위해 필요한 물이 담길 수 있다. 급수통(117)의 물이 스팀 생성기(123)로 공급되어 스팀을 생성하는데 이용될 수 있다. 물 보충이 용이하도록, 급수통(117)은 캐비닛(101)에 분리 가능하게 설치될 수 있다. 사용자는 급수통(117)을 분리하여 그 안에 물을 채울 수 있다.
도어(102)의 개폐 여부를 감지하는 도어 센서(131)가 더 구비될 수 있다. 제어부(190)는 도어 센서(131)의 출력값을 바탕으로 도어(102)의 개폐 여부를 판단할 수 있다. 도어 센서(131)는 캐비닛(101) 또는 도어(102) 중 어느 하나에 구비되는 리드 스위치(lead switch)와, 캐비닛(101) 또는 도어(102) 중 다른 하나에 구비되는 자석을 포함할 수 있다. 도어(102)의 위치에 따라, 자석에 의해 리드 스위치에 작용하는 자기력의 크기가 달라지며, 그에 따라 리드 스위치에 연결된 회로가 개방 또는 단락될 수 있다. 예를 들어, 도어(102)가 닫힌 상태에서는 자석과 리드 스위치 간의 거리가 가깝기 때문에, 자기력에 의해 리드 스위치가 접점 되고, 그에 리드 스위치와 연결된 회로를 통해 제어부(도 4의 190)에 신호가 인가되고, 제어부(190)는 도어(102)가 닫힌 상태라고 판단할 수 있다. 반대로, 도어(102)가 열린 상태에서는 제어부(190)로 인가되던 신호가 차단되기 때문에, 도어(102)가 개방된 상태인 것을 판단할 수 있다.
다만, 이에 한정되지 않고, 도어 센서(131)는 다양한 실시가 가능할 수 있다. 예를 들어, 도어(102)에 래치(latch, 미도시)가 구비되고, 캐비닛(101)에는 도어(102)가 닫혀진 상태에서, 래치가 걸림되어 도어(102)가 잠기도록 하는 도어 락(lock)(미도시)이 구비될 수 있고, 도어 락에는 래치에 의해 접점되는 스위치(미도시)가 구비될 수 있다. 이 경우, 스위치가 도어(102)의 개폐를 감지하는 도어 센서(131)가 될 수 있다.
도 4는 본 발명의 일 실시 예에 따른 의류 처리 장치의 개략적인 블록도이다. 이하의 설명에서 도 1 내지 도 3에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 4를 참조하면, 의류 처리 장치(100)는 통신부(140), 디스플레이부(150), 영상센서(160), 메모리(170), 처리부(180) 및 제어부(190)를 포함할 수 있다.
통신부(140)는 네트워크(400)와 연동하여 의류 처리 장치(100), 사용자 단말기(200) 및/또는 서버(300) 간의 송수신 신호를 패킷 데이터 형태로 제공하는데 필요한 통신 인터페이스를 제공할 수 있다. 또한, 통신부(140)는 각종 사물 지능 통신(IoT(internet of things), IoE(internet of everything), IoST(internet of small things) 등)을 지원할 수 있으며, M2M(machine to machine) 통신, V2X(vehicle to everything communication) 통신, D2D(device to device) 통신 등을 지원할 수 있다.
디스플레이부(150)는 제어부(190)의 제어 하에 의류 처리 장치(100)의 작동 상태를 표시할 수 있다. 본 실시 예에서 디스플레이부(150)는 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치(100)의 동작모드 설정 결과를 표시할 수 있다. 도 5에는 디스플레이부(150)에 표시되는 동작모드 컨트롤 패널(151)의 일 예가 도시되어 있다. 도 5를 참조하면, 동작모드 컨트롤 패널(151)은 전원의 온/오프를 설정하는 전원 설정부(152)와, 각종 코스를 선택할 수 있는 코스 설정부(153)와, 선택한 코스에 따라 동작을 실시/정지를 선택할 수 있는 실시/정지 선택부(154)와, 의류 처리 장치(100)의 작동 상태를 표시하는 상태 표시부(155)를 포함할 수 있다. 본 실시 예에서 동작모드 컨트롤 패널(151)은 의류 촬영 영상의 분석 결과에 대응하여 자동으로 설정 및 동작될 수 있다.
또한 디스플레이부(150)는 도어(102) 전체가 미러와 같은 역할을 수행하도록 미러 디스플레이로 형성될 수 있다. 디스플레이부(150)가 도어(102) 상에 미러 디스플레이 형태로 배치되어 있는 경우, 사용자는 미러 디스플레이를 이용하여 자신이 착용하고 있는 의류를 비춰보고 확인할 수 있다.
또한 디스플레이부(150)는 의류 처리 장치(100)와 연동된 세탁기(500) 및/또는 건조기(600)의 동작모드 설정 결과를 표시할 수 있다. 선택적 실시 예로 디스플레이부(150)는 사용자의 얼굴 및 체형 영상을 분석한 결과를 기반으로 사용자 맞춤형 의류를 추천 결과를 표시할 수 있고, 사용자 맞춤형 의류 추천 시에 기상 정보를 함께 표시할 수 있다. 더 나아가 디스플레이부(150)는 쇼핑몰 정보를 표시하고, 사용자의 선택에 의해 쇼핑몰에 연결하여 쇼핑할 수 있도록 하는 일련의 정보를 표시할 수 있다.
본 실시 예에서 디스플레이부(150)는 각종 정보를 표시하는 기능 이외에 의류 처리 장치(100)의 동작 전반을 사용자가 제어할 수 있도록, 소정의 제어 명령을 입력 받는 입력부의 기능을 수행할 수 있다. 이를 위해 디스플레이부(150)는 터치 인식 디스플레이 제어기 또는 이외의 다양한 입출력 제어기로 구성될 수 있다. 일 예로, 터치 인식 디스플레이 제어기는 장치와 사용자 사이에 출력 인터페이스 및 입력 인터페이스를 제공할 수 있다. 터치 인식 디스플레이 제어기는 전기 신호를 제어부(190)와 송수신할 수 있다. 또한, 터치 인식 디스플레이 제어기는 사용자에게 시각적인 출력을 표시하며, 시각적 출력은 텍스트, 그래픽, 이미지, 비디오와 이들의 조합을 포함할 수 있다. 이와 같은 디스플레이부(150)는 예를 들어 터치 인식이 가능한 OLED(organic light emitting display) 또는 LCD(liquid crystal display) 또는 LED(light emitting display)와 같은 소정의 디스플레이 부재일 수 있다.
선택적 실시 예로 디스플레이부(150)는 표시되는 모든 정보를 오디오 신호로 출력하는 오디오 출력부(미도시)를 더 포함할 수 있다. 오디오 출력부는 제어부(190)의 제어에 따라 경고음, 동작모드, 동작상태, 에러상태 등의 알림 메시지와, 사용자의 음성 명령에 대응하는 정보, 사용자의 음성 명령에 대응하는 처리 결과 등을 오디오로 출력할 수 있다. 오디오 출력부는 제어부(190)로부터의 전기 신호를 오디오 신호로 변환하여 출력할 수 있다. 이를 위해, 스피커(미도시) 등을 구비할 수 있다. 또한 본 실시 예에서 의류 처리 장치(100)는 오디오 입력부(미도시)를 더 포함할 수 있다. 오디오 입력부(예를 들어, 마이크)는 제어부(190)의 제어 하에, 의류 처리 장치(100)를 향하여 사용자가 발화한 발화 음성을 입력 받을 수 있다. 또한 사용자의 발화 음성을 더 정확하게 수신하기 위해 복수의 마이크를 구비할 수 있다. 여기서, 복수의 마이크 각각은 서로 다른 위치에 이격되어 배치될 수 있고, 수신한 사용자의 발화 음성을 전기적인 신호로 처리할 수 있다.
영상센서(160)는 제1 영상센서(161) 및 제2 영상센서(162)를 포함하여 의류 처리 장치(100) 주변 및 내부를 촬영할 수 있는 카메라(미도시)로 구성될 수 있으며, 촬영 효율을 위해 3개 이상 설치될 수 있다. 여기서 영상센서(160)는, 예컨대 COMS(complementary metal-oxide semiconductor) 모듈(미도시) 또는 CCD(charge coupled device) 모듈(미도시) 등을 이용하여 촬영영역 내의 피사체를 촬영하는 카메라를 의미하는 것으로, 입력되는 영상 프레임은 렌즈(미도시)를 통해 COMS 모듈 또는 CCD 모듈로 제공되고, COMS 모듈 또는 CCD 모듈은 렌즈를 통과한 피사체의 광신호를 전기적 신호로 변환하여 출력할 수 있다. 또한, 카메라는 팬(pan)/틸트(tilt)/줌(zoom) 기능을 구비한 PTZ 카메라 일 수 있다. 이와 같은 카메라 내부에는 영상 신호 처리부(미도시)가 구비되어 있어서, 촬영한 영상 프레임에 대하여 노이즈를 저감하고, 감마 보정(gamma correction), 색필터 배열보간(color filter array interpolation), 색 매트릭스(color matrix), 색보정(color correction), 색 향상(color enhancement) 등의 화질 개선을 위한 영상 신호 처리를 수행할 수 있다. 또한, 영상 신호 처리부는 기능적으로 색채 처리, 블러 처리, 에지 강조 처리, 영상 해석 처리, 영상 인식 처리, 영상 이펙트 처리 등도 수행할 수 있다. 영상 인식 처리로 얼굴 인식, 장면 인식 처리 등을 행할 수 있다. 예를 들어, 휘도 레벨 조정, 색 보정, 콘트라스트 조정, 윤곽 강조 조정, 화면 분할 처리, 캐릭터 영상 등 생성 및 영상의 합성 처리 등을 수행할 수 있다.
본 실시 예에서 제1 영상센서(161)는 디스플레이부(150)와 함께 도어(102)의 전면 상부에 구비되어 의류 처리 장치(100) 주변을 촬영할 수 있다. 예를 들어, 제1 영상센서(161)는 의류 처리 장치(100)에 투입할 의류를 들고 있는 사용자를 촬영할 수 있고, 사용자의 얼굴 및 체형정보를 촬영할 수 있다. 또한 제1 영상센서(161)는 평상 시에(예를 들어, 출근 전, 외출 전, 사용자가 의도하는 때는 언제나) 사용자가 착용하고 있는 의류를 비춰볼 때마다 의류를 착용하고 있는 사용자를 촬영할 수 있다. 이는 디스플레이부(150)를 포함하여 도어(102)의 전면부 전체가 거울과 같은 재질로 형성되어 있기 때문이다. 또한, 제1 영상센서(161)는 사용자의 발화 음성(예를 들어, 사진 촬영해)을 수신한 제어부(190)의 촬영 제어신호에 의해 영상을 촬영할 수 있고, 의류 처리 장치(100) 앞에서 소정 시간(예를 들어 2초) 이상 서 있을 경우, 이를 감지한 제어부(190)의 촬영 제어신호에 의해 영상을 촬영할 수 있다. 한편, 제1 영상센서(161)가 촬영한 영상은 메모리(170)에 저장될 수 있다.
제2 영상센서(162)는 캐비닛(101)의 내부 좌측면(111L) 상부에 구비되어 의류 처리 장치(100) 내부를 촬영할 수 있다. 제2 영상센서(162)는 의류 처리 장치(100) 내부를 촬영할 수 있는 경우 위치에 상관없이 구비될 수 있다. 본 실시 예에서 제1 영상센서(161)는 디스플레이부(150)와 함께 도어(102)의 전면 상부에 구비되어 의류 처리 장치(100) 주변을 촬영할 수 있다. 예를 들어, 제2 영상센서(162)는 의류 처리 장치(100)에 투입된 의류들에 대하여 처리 전 영상 및 처리 후 영상을 촬영할 수 있다. 한편, 제2 영상센서(162)가 촬영한 영상은 메모리(170)에 저장될 수 있다.
선택적 실시 예로 의류 처리 장치(100)는 각종 센서(미도시)를 포함할 수 있다. 이러한 센서는 의류 처리 장치(100) 내의 정보, 의류 처리 장치(100)를 둘러싼 주변 환경 정보 및 사용자 정보 중 적어도 하나를 센싱할 수 있다. 예를 들어, 센서는 장애물 센서(예를 들어, 근접센서(proximity sensor), 라이다 센서((Lidar sensor) 등), 무게 감지 센서, 조도 센서(illumination sensor), 터치 센서(touch sensor), 가속도 센서(acceleration sensor), 자기 센서(magnetic sensor), 중력 센서(G-sensor), 자이로스코프 센서(gyroscope sensor), 모션 센서(motion sensor), RGB 센서, 적외선 센서(IR 센서: infrared sensor), 지문인식 센서(finger scan sensor), 초음파 센서(ultrasonic sensor), 광 센서(optical sensor), 배터리 게이지(battery gauge), 환경 센서(예를 들어, 기압계, 습도계, 온도계, 방사능 감지 센서, 열 감지 센서, 가스 감지 센서 등), 화학 센서(예를 들어, 전자 코, 헬스케어 센서, 생체 인식 센서 등) 중 적어도 하나를 포함할 수 있다. 한편, 본 실시 예에서 의류 처리 장치(100)는 이러한 센서들 중 적어도 둘 이상의 센서에서 센싱되는 정보들을 조합하여 활용할 수 있다.
메모리(170)는 의류 처리 장치(100)의 다양한 기능을 지원하는 정보를 저장할 수 있다. 메모리(170)는 의류 처리 장치(100)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 의류 처리 장치(100)의 동작을 위한 정보들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다. 또한, 메모리(170)는 의류 처리 장치(100)와 인터랙션을 수행하려는 한 명 이상의 사용자 정보를 저장할 수 있다. 이러한 사용자 정보는 인식된 사용자가 누구인지 식별하는데 사용될 수 있는 얼굴 정보 및 체형 정보(제1 영상센서(161)에 의해 촬영)를 포함할 수 있다. 또한 메모리(170)는 제1 영상센서(161) 및 제2 영상센서(162)가 촬영한 의류 촬영 영상을 저장할 수 있다. 또한 메모리(170)는 의류 처리 장치(100)와 연동된 세탁기(500) 및 건조기(600)를 제어할 수 있는 명령어(제어코드)들을 저장할 수 있다.
또한 메모리(170)에는 의류 촬영 영상의 분석에 이용할 수 있는 다양한 기준값이 저장될 수 있다. 예를 들어, 티셔츠, 블라우스, 난방, 와이셔츠, 긴바지, 반바지, 원피스, 수영복 등과 같은 의류의 종류를 분석할 수 있는 의류 종류에 대한 다양한 영상 정보(외형, 디자인 등)를 디지털화 한 제1 기준값이 저장될 수 있다. 또한 모직, 면, 폴리에스테르, 아사, 캐시미어 등과 같은 의류의 소재를 분석할 수 있는 의류의 소재에 대한 다양한 영상 정보(예를 들어, 소재에 따른 실의 모양을 알 수 있는 영상 정보)와 성분 정보를 디지털화한 제2 기준값이 저장될 수 있다. 또한 커피, 김치국물, 먼지 등과 같은 의류를 오염시키는 물질과 정도를 분석할 수 있는 오염물질에 대한 영상 정보와 성분 정보를 디지털화한 제3 기준값이 저장될 수 있다.
본 실시 예에서 메모리(170)는 제어부(190)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 여기서, 메모리(170)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 이러한 메모리(170)는 내장 메모리 및/또는 외장 메모리를 포함할 수 있으며, DRAM, SRAM, 또는 SDRAM 등과 같은 휘발성 메모리, OTPROM(one time programmable ROM), PROM, EPROM, EEPROM, mask ROM, flash ROM, NAND 플래시 메모리, 또는 NOR 플래시 메모리 등과 같은 비휘발성 메모리, SSD. CF(compact flash) 카드, SD 카드, Micro-SD 카드, Mini-SD 카드, Xd 카드, 또는 메모리 스틱(memory stick) 등과 같은 플래시 드라이브, 또는 HDD와 같은 저장 장치를 포함할 수 있다.
처리부(180)는 도어(102)에 배치되는 미러 디스플레이 앞에서 의류를 착용하고 서 있는 사용자를 촬영함으로써 의류 촬영 영상을 획득하고 분석하며, 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치의 동작모드를 자동으로 설정하고, 설정한 동작모드에 따라 동작하도록 제어할 수 있다. 또한, 처리부(180)는 의류 촬영 영상의 분석 결과에 대응하여, 의류 처리 장치(100)와 연동된 세탁기(도 8의 500)의 세탁모드를 자동으로 설정할 수 있다. 또한, 처리부(180)는 의류 처리 장치(100) 및 세탁기(500)와 연동된 건조기(도 8의 600)의 건조모드를 자동으로 설정할 수 있다. 또한, 처리부(180)는 사용자의 얼굴 및 체형 영상을 획득하고 분석하며, 사용자의 얼굴 및 체형 영상을 분석한 결과를 기반으로 사용자 맞춤형 의류를 추천할 수 있다.
본 실시 예에서 처리부(180)는 도 4에 도시된 바와 같이 제어부(190) 외부에 구비될 수도 있고, 제어부(190) 내부에 구비되어 제어부(190)처럼 동작할 수도 있고, 도 1의 서버(300) 내부에 구비될 수도 있다. 이하 처리부(180)의 상세한 동작은 도 6을 참조하여 설명하기로 한다.
제어부(190)는 일종의 중앙처리장치로서 메모리(170)에 탑재된 제어 소프트웨어를 구동하여 의류 처리 장치(100) 전체의 동작을 제어할 수 있다. 본 실시 예에서 제어부(190)는 의류 촬영 영상을 획득하고 분석하며, 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치의 동작모드를 자동으로 설정하고, 설정한 동작모드에 따라 동작하도록 제어할 수 있다. 제어부(190)는 설정한 동작모드에 따라 송풍팬(122), 스팀 생성기(123), 압축기(127), 응축수 배출 펌프(130) 및 도어 센서(131) 중 하나 이상을 제어할 수 있다.
또한, 제어부(190)는 의류 촬영 영상의 분석 결과에 대응하여, 의류 처리 장치(100)와 연동된 세탁기(500) 및/또는 건조기(600)의 동작모드를 자동으로 설정하고, 설정한 동작모드에 따라 동작하도록 제어할 수 있다. 또한, 제어부(190)는 사용자의 얼굴 및 체형 영상을 획득하고 분석하며, 사용자의 얼굴 및 체형 영상을 분석한 결과를 기반으로 사용자 맞춤형 의류를 추천할 수 있다. 또한 제어부(190)는 사용자의 얼굴 및 체형 영상을 분석한 결과와 기상 정보를 기반으로 하여 사용자 맞춤형 의류를 추천할 수 있다.
또한 제어부(190)는 사용자의 발화 음성으로 의류 처리 장치(100)의 동작을 제어할 수 있도록 음성 인식부(미도시)를 더 포함할 수 있다. 이를 위해 메모리(170)에는 음성 인식 알고리즘이 저장될 수 있고, 의류 처리 장치(100)를 구동시킬 수 있는 기동어가 저장되어 있어서, 사용자가 기동어를 발화하면 제어부(190)가 음성 인식부를 동작시키고, 음성 인식부가 이를 인식하여 비활성화 상태였던 의류 처리 장치(100)를 활성화 상태로 변경할 수 있다. 의류 처리 장치(100)가 활성화 상태로 변경된 후, 제어부(190)는 오디오 입력부를 통하여 사용자로부터 음성 명령을 인식하고, 음성 명령에 대응하여 의류 처리 장치(100)의 동작을 제어할 수 있다. 본 실시 예에서 음성 인식부는 처리부(180) 내부에 포함될 수도 있고, 제어부(190) 외부에 독립적으로 구비될 수도 있다.
여기서, 제어부(190)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
본 실시 예에서 제어부(190)는 의류 촬영 영상 분석(의류의 종류, 의류의 소재, 의류의 오염 정도 등)과, 동작모드 설정과, 사용자 맞춤 의상 추천에 대하여 딥러닝(Deep Learning) 등 머신 러닝(machine learning)을 수행할 수 있고, 메모리(170)는, 머신 러닝에 사용되는 데이터, 결과 데이터 등을 저장할 수 있다.
머신 러닝의 일종인 딥러닝(deep learning) 기술은 데이터를 기반으로 다단계로 깊은 수준까지 내려가 학습할 수 있다. 딥러닝은 단계를 높여갈수록 복수의 데이터들로부터 핵심적인 데이터를 추출하는 머신 러닝 알고리즘의 집합을 나타낼 수 있다.
딥러닝 구조는 인공신경망(ANN)을 포함할 수 있으며, 예를 들어 딥러닝 구조는 CNN(convolutional neural network), RNN(recurrent neural network), DBN(deep belief network) 등 심층신경망(DNN)으로 구성될 수 있다. 본 실시 예에 따른 딥러닝 구조는 공지된 다양한 구조를 이용할 수 있다. 예를 들어, 본 발명에 따른 딥러닝 구조는 CNN, RNN, DBN 등을 포함할 수 있다. RNN은, 자연어 처리 등에 많이 이용되고 있으며, 시간의 흐름에 따라 변하는 시계열 데이터(time-series data) 처리에 효과적인 구조로 매 순간마다 레이어를 쌓아올려 인공신경망 구조를 구성할 수 있다. DBN은 딥러닝 기법인 RBM(restricted boltzman machine)을 다층으로 쌓아 구성되는 딥러닝 구조를 포함할 수 있다. RBM 학습을 반복하여, 일정 수의 레이어가 되면 해당 개수의 레이어를 가지는 DBN을 구성할 수 있다. CNN은 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출한 다음 뇌 속에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정을 기반으로 만들어진 사람의 뇌 기능을 모사한 모델을 포함할 수 있다.
한편, 인공신경망의 학습은 주어진 입력에 대하여 원하는 출력이 나오도록 노드간 연결선의 웨이트(weight)를 조정(필요한 경우 바이어스(bias) 값도 조정)함으로써 이루어질 수 있다. 또한, 인공신경망은 학습에 의해 웨이트(weight) 값을 지속적으로 업데이트시킬 수 있다. 또한, 인공신경망의 학습에는 역전파(back propagation) 등의 방법이 사용될 수 있다.
제어부(190)는 인공신경망, 예를 들어, CNN, RNN, DBN 등 심층신경망(deep neural network: DNN)을 포함될 수 있고, 의류 촬영 영상 분석과, 동작모드 설정과, 사용자 맞춤 의상 추천을 위해 심층신경망을 학습할 수 있다. 이러한 인공신경망의 머신 러닝 방법으로는 자율학습(unsupervised learning)과 지도학습(supervised learning)이 모두 사용될 수 있다. 제어부(190)는 설정에 따라 학습 후 인공신경망 구조를 업데이트시키도록 제어할 수 있다.
도 6은 도 4의 의류 처리 장치 중 처리부의 개략적인 블록도이다. 이하의 설명에서 도 1 내지 도 5에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 6을 참조하면, 처리부(180)는 제1 획득부(181), 제1 분석부(182), 설정부(183), 동작 제어부(184), 제2 획득부(185), 제2 분석부(186), 추천부(187), 수집부(188) 및 제공부(189)를 포함할 수 있다.
제1 획득부(181)는 도어(102)에 배치되는 미러 디스플레이 앞에서 의류를 착용하고 서 있는 사용자를 제1 영상 센서(161)가 촬영함으로써 의류 촬영 영상을 획득할 수 있다. 여기서, 의류 촬영 영상은 제1 영상센서(161)가 사용자가 의류를 들고 있는 모습을 촬영한 제1-1 의류 촬영 영상 또는 사용자가 의류를 피팅한 모습을 촬영한 제1-2 의류 촬영 영상을 포함할 수 있다. 도 7에는 사용자가 의류 처리 장치(100)에 의류를 넣기 위해, 즉, 의류 처리 장치(100)의 처리 대상으로서, 의류 처리 장치(100) 전면에서 옷걸이에 걸린 의류를 들고 있고, 제1 영상센서(161)가 이를 촬영하여 제1-1 의류 촬영 영상이 생성되는 예를 도시하고 있다. 본 실시 예에서 제1-2 의류 촬영 영상 또한 의류 처리 장치(100)의 처리 대상이 될 수 있다. 또한 의류 촬영 영상은 제2 영상센서(162)가 옷걸이봉(112)에 걸려있으면서 처리 전 의류를 촬영한 제2-1 의류 촬영 영상 및 옷걸이봉(112)에 걸려있으면서 처리 후 의류를 촬영한 제2-2 의류 영상을 포함할 수 있다.
제1 획득부(181)는 미러 디스플레이 앞에서 사용자가 의류 처리 장치(100)를 향하고 있는지 판단하고, 미러 디스플레이 앞에서 사용자가 일정 시간 이상 의류 처리 장치를 향하고 있는 것이 감지되는 경우 제1 영상센서(161)가 촬영한 영상을 촬영함으로써 의류 촬영 영상을 획득할 수 있다. 여기서, 의류 처리 장치(100)를 향하고 있는지 판단하는 동작은 사용자의 얼굴을 기준으로 사용자가 의류 처리 장치(100)를 향하고 있는지 여부로 판단할 수 있다.
제1 분석부(182)는 제1 획득부(181)가 획득한 의류 촬영 영상을 분석할 수 있다. 제1 분석부(182)는 제1-1 의류 촬영 영상 및 제1-2 의류 촬영 영상으로부터 기저장된 사용자의 신체 정보를 이용하여 사람(사용자)을 추출하고, 공지된 객체 인식(object recognition) 방법을 객체로서의 의류를 추출할 수 있다.
또한 제1 분석부(182)는 영상 비교를 통하여 제2-1 의류 촬영 영상이 제1-1 의류 촬영 영상과 동일한지 분석할 수 있고, 영상 비교를 통하여 제2-2 의류 촬영 영상이 제2-1 의류 촬영 영상보다 더 깨끗해 졌는지 분석할 수 있다. 여기서 제2-1 의류 촬영 영상 및 제2-2 의류 촬영 영상은 촬영 시간이 다르기 때문에 분류할 수 있다. 여기서, 제1 분석부(182)의 분석 결과, 제2-1 의류 촬영 영상과 제1-1 의류 촬영 영상이 동일한 경우, 이후에 동작 제어부(184)가 의류 처리 장치(100)의 동작을 개시하는 제어 신호로 이용될 수 있다. 즉, 제1 분석부(182)는 시간 순서대로 획득한 제1-1 의류 촬영 영상과, 소정 시간(예를 들어, 5초)이 경과한 후 획득한 제2-1 의류 촬영 영상이 동일하고, 다시 소정의 시간(예를 들어, 10초)이 경과하면, 동작 제어부(184)로 분석 결과를 전송하고, 동작 제어부(184)는 의류 처리 장치(100)의 동작을 개시할 수 있다.
본 실시 예에서, 제1 분석부(182)는 제1 의류 촬영 영상으로부터 인식한 의류(객체)의 종류와, 의류의 소재와, 의류의 오염 정도 중 하나 이상을 분석할 수 있다. 제1 분석부(182)는 제1 의류 촬영 영상으로부터 인식한 객체로서의 의류를 디지털화한 값과 제1 기준값을 비교하여, 예를 들어, 티셔츠, 블라우스, 난방, 와이셔츠, 긴바지, 반바지, 원피스, 수영복 등과 같은 의류의 종류를 분석할 수 있다. 이는 의류의 종류에 따라 각기 다른 동작모드(코스)를 설정해야 함에 기인한 것이다. 선택적 실시 예로 제1 분석부(182)는 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 종류를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 의류의 종류를 판단할 수 있다.
또한 제1 분석부(182)는 제1 의류 촬영 영상으로부터 인식한 의류를 고배율로 확대 처리한 결과로서의 실의 모양을 디지털화한 값과 제2 기준값을 비교하여, 예를 들어, 모직, 면, 폴리에스테르, 아사, 캐시미어 등과 같은 의류의 소재를 분석할 수 있으며, 메모리(170)에 저장된 소재에 따른 성분 정보를 검색할 수 있다. 이는 의류의 소재 및 성분에 따라 각기 다른 동작모드(코스)를 설정해야 함에 기인한 것이다. 선택적 실시 예로 제1 분석부(182)는 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 소재를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 의류의 소재를 판단할 수 있다.
또한 제1 분석부(182)는 제1 의류 촬영 영상으로부터 인식한 의류를 고배율로 확대 처리한 결과로서의 확대 의류 영상 내에서, 색상이나 패턴이 다른 부분을 디지털화한 값과 제3 기준값을 비교하여, 예를 들어, 커피, 김치국물, 먼지 등과 같은 의류를 오염시키는 물질과 정도를 분석할 수 있으며, 메모리(170)에 저장된 오염 물질에 따른 성분 정보를 검색할 수 있다. 이는 의류의 오염 성분 및 정도에 따라 각기 다른 동작모드(코스)를 설정해야 함에 기인한 것이다. 선택적 실시 예로 제1 분석부(182)는 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 오염 정도를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 의류의 오염 정도를 판단할 수 있다.
설정부(183)는 제1 분석부(182)의 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치의 동작모드를 설정할 수 있다. 종래의 경우 디스플레이부(150)에 표시된 동작모드 컨트롤 패널(151) 상에서 사용자가 수동으로 동작모드를 설정해야 했으나, 본 실시 예에서는 설정부(183)가 의류 촬영 영상의 분석 결과에 대응하여 동작모드 컨트롤 패널(151) 상에서 자동으로 동작모드를 설정해 사용자에게 편리함을 줄 수 있다.
설정부(183)는 분석부(182)가 분석한 제1 의류 촬영 영상에 대한 의류의 종류와, 의류의 소재와, 의류의 오염 정도 중 하나 이상의 분석 결과를 기반으로 자동으로 수행할 동작모드를 설정할 수 있다. 예를 들어, 제1 의류 촬영 영상의 분석결과 먼지가 낀 폴리에스테르 와이셔츠의 경우, 설정부(183)는 강력 스팀, 미세먼지 및 자동건조를 포함하는 동작모드를 설정할 수 있다.
동작 제어부(184)는 설정부(183)가 설정한 동작 모드에 따라 의류 처리 장치(100)가 동작하도록 제어할 수 있다. 예를 들어, 설정부(183)가 강력 스팀, 미세먼지 및 자동건조를 포함하는 동작모드를 설정한 경우, 동작 제어부(184)는 강력 스팀 및 미세먼지 동작 모드에 따라 스팀 생성기(123)가 기설정된 시간 동안 스팀을 생성하도록 제어하고, 옷걸이봉(112)이 기설정된 시간 동안 기설정된 회수만큼 좌우로 왕복 운동하도록 제어하며, 송풍팬(122)을 기설정된 시간 동안 동작하도록 제어할 수 있다. 여기서 동작 제어부(184)가 의류 처리 장치(100)의 동작을 개시하는 시점은 제2-1 의류 촬영 영상과 제1-1 의류 촬영 영상이 동일하고, 소정의 시간(예를 들어 10초)가 경과한 후를 포함할 수 있다. 도 8에는 동작모드 컨트롤 패널(151) 상에 설정부(183)가 설정한 강력 스팀, 미세먼지 및 자동건조를 포함하는 동작모드가 표시되고, 동작 제어부(184)가 설정한 동작 모드에 따라 의류 처리 장치(100)의 동작을 제어하고 있는 예를 도시하고 있다.
이와 같은 동작으로 사용자는 의류 처리 장치(100)에 넣을 의류를 옷걸이에 건 상태로 의류 처리 장치(100) 전면부에서 잠깐 멈추고(제1 영상센서(161)가 의류 촬영 영상을 생성할 시간 만큼), 의류가 걸린 옷걸이를 의류 처리 장치(100)에 넣기만 하면, 의류 처리 장치(100)가 자동으로 동작모드를 설정하고 동작시킴으로써, 의류 처리 장치(100)에 대한 별다른 지식이 없더라도 최적의 동작모드로 의류를 깨끗하게 처리할 수 있다. 여기서 사용자가 의류 처리 장치(100)에 넣을 의류를 옷걸이에 건 상태로 의류 처리 장치(100) 전면부에서 잠깐 멈추면, 제어부(190)가 이를 감지하고, 제1 영상센서(161)가 동작하도록 제어하여 영상을 촬영하도록 제어함과 동시에, 이를 사용자가 인지할 수 있도록 디스플레이부(150)를 통하여 출력(오디오 신호 포함)할 수 있다.
제2 획득부(185)는 제1 영상센서(161)가 촬영한 사용자의 얼굴 및 체형 영상을 획득할 수 있다. 제2 획득부(185)는 디스플레이부(150)에 표시된 사용자 맞춤형 의류 추천 메뉴 선택에 대응하여, 사용자의 얼굴 영상 촬영 및 체형 영상 촬영을 요청할 수 있다. 사용자는 촬영 준비가 완료되면, 촬영 준비가 완료되었음을 음성 명령어로 발화하고, 이를 수신한 제어부(190)는 제1 영상센서(161)를 제어하여 사용자의 얼굴 영상(전면 영상 및 측면 영상) 및 체형 영상(전면 영상 및 측면 영상)을 촬영하도록 할 수 있고, 제2 획득부(185)는 제1 영상센서(161)가 촬영한 사용자의 얼굴 및 체형 영상을 획득할 수 있다.
제2 분석부(186)는 제2 획득부(185)가 획득한 사용자의 얼굴 및 체형 영상을 기준값과 비교하여 사용자의 얼굴 형과 체형을 분석할 수 있다. 여기서 기준값이라 함은, 얼굴형 기준값을 포함할 수 있는데, 달갈형 기준값 둥근형 기준값, 각진형 기준값, 긴형 기준값, 역삼각형 기준값을 포함할 수 있다. 각 얼굴형 기준값은 임의의 얼굴형을 가진 일반 사용자들의 평균값으로 계산되어 메모리(170)에 저장될 수 있다. 또한 기준값이라 함은, 체형 기준값을 포함할 수 있는데, 균형잡힌(rectangular) 체형의 기준값, 원통형(barrel) 체형의 기준값, 상자(box) 체형의 기준값 또는 서양배(pear) 체형의 기준값을 포함할 수 있다. 각 체형 기준값은 임의의 체형을 가진 일반 사용자들의 평균값으로 계산되어 메모리(170)에 저장될 수 있다. 제2 분석부(186)는 제2 획득부(185)가 획득한 사용자의 얼굴 영상을 얼굴형 기준값과 비교하여 사용자의 얼굴형이 무엇인지 분석할 수 있고, 사용자의 체형 영상을 체형 기준값과 비교하여 사용자의 체형이 무엇인지 분석할 수 있다.
추천부(187)는 제2 분석부(186)로부터 사용자의 얼굴 및 체형 영상 분석 결과를 수신하여 사용자 맞춤형 의류를 추천할 수 있다. 사용자 맞춤형 의류 추천 시에 추천부(187)는 메모리(170)에 저장된 하나 이상의 의류 영상들을 조합하여 추천할 수 있다. 메모리(170)에 저장되는 제1 의류 촬영 영상이 사용자 맞춤형 의류 후보가 될 수 있고, 사용자가 맞춤형 의류 추천을 위해 임의의 의류를 등록할 수도 있다. 의류 등록 방법은 사용자가 들고 있거나, 피팅한 의류를 제1 영상센서(161)로 촬영한 경우를 포함할 수 있다. 또한 의류 등록 방법으로, 임의의 사이트 또는 SNS, 블로그 등에서 검색하여 사용자가 캡쳐하여 사용자 단말기(200)에 저장되었다가 네트워크(400)를 통하여 의류 처리 장치(100)로 전송한 의류 영상을 포함할 수 있다.
추천부(187)는 예를 들어, 사용자가 자주 입는 의류를 학습하여 사용자가 좋아하는 의류 스타일을 생성할 수 있으며, 사용자가 좋아하는 의류 스타일에 따라 메모리(170)에 저장된 의류 영상을 조합하여 사용자 맞춤형 의류를 추천할 수 있다. 또한 추천부(187)는 사용자 얼굴 정보 및 체형 정보에 따라, 사용자의 얼굴 및 체형을 보완해 줄 수 있는 의류 영상을 메모리(170)에서 추출하거나, 네트워크(400)를 통해 임의의 사이트 또는 SNS, 블로그 등으로부터 수집하여 사용자 맞춤형 의류로 추천할 수 있다. 또한 추천부(187)는 사용자 맞춤형 의류와 함께, 소품(예를 들어, 신발, 가방, 액세서리, 화장품 등)과 관련한 정보도 함께 추천할 수 있다.
선택적 실시 예로, 추천부(187)는 사용자의 음성 명령에 대응하는 의류를 추천해 줄 수 있다. 예를 들어, 사용자로부터 현재 피팅하고 있는 하의와 어울리는 상의를 추천해달라는 발화 음성을 수신한 제어부(190)가 추천부(187)에 지령을 내리고, 추천부(187)는 하의와 어울리는 상의를 디스플레이부(150)에 추천해 줄 수 있다. 또한, 사용자로부터 현재 피팅하고 있는 의류와 어울리는 소품을 추천해 달라는 발화 음성을 수신한 제어부(190)가 추천부(187)에 지령을 내리고, 추천부(187)는 현재 피팅하고 있는 의류와 어울리는 소품을 디스플레이부(150)에 추천해 줄 수 있다. 여기서 디스플레이부(150)에 표시하는 추천 의류 및/또는 추천 소품은 우선적으로 메모리(170)에 저장되어 있는 사용자가 가지고 있는 의류 및/또는 소품 중 하나 이상일 수 있고, 차선책으로 메모리(170)에 저장되어 있는 사용자가 캡쳐한 의류 및/또는 소품 중 하나 이상일 수 있으며, 차차선책으로 사용자 얼굴 정보 및 체형 정보에 따라, 사용자의 얼굴 및 체형을 보완해 줄 수 있는 의류 및/또는 소품을 네트워크(400)를 통해 임의의 사이트 또는 SNS, 블로그 등으로부터 수집하여 추천해 줄 수 있다.
또한 추천부(187)는 디스플레이부(150)에 표시된 사용자 맞춤형 의류에 대하여 사용자의 피드백(예를 들어, 좋아요, 구매)을 수신할 수 있고, 이는 제어부(190)의 학습에 이용될 수 있다. 또한 이러한 피드백 정보는 메모리(170)에 저장된 의류에 대한 피팅률로 저장되어 피팅률이 높은 의류를 사용자 맞춤형 의류 추천 시에 우선적으로 이용할 수 있다. 또한 추천부(187)가 추천한 사용자 맞춤형 의류는 사용자의 요청에 의해 가상 피팅되어 디스플레이부(150)에 출력될 수 있다. 이는 사용자의 사용자 얼굴 정보 및 체형 정보가 기설정되어 있음에 기인한 것이다.
수집부(188)는 기상 정보를 제공하는 기상서버로부터 기상 정보를 수집할 수 있다. 일 실시 예로, 수집부(1800)는, 기상서버로부터 수집한 기상 정보를 저장하고 있는 서버(300)에 접속하여 기상 정보를 수집할 수 있다. 여기서 기상 정보라 함은, 과거, 현재, 미래에 대한 날씨(예를 들어, 흐림, 맑음, 비, 눈 등)와 기온(최저기온, 최고기온, 평균 기온 등), 계절 정보(봄, 여름, 가을, 겨울), 미세먼지 지수, 자외선 지수, 습도 지수, 건조 지수 등을 포함할 수 있다.
추천부(187)는 제2 분석부(186)로부터 사용자의 얼굴 및 체형 영상 분석 결과와 수집부(188)가 수집한 기상 정보를 기반으로 사용자 맞춤형 의류를 추천할 수 있다. 도 9에는 추천부(187)가 디스플레이부(150)에 추천하는 사용자 맞춤형 의류를 도시하고 있다. 여기서 디스플레이부(150)는 제1 표시 영역 내지 제3 표시 영역을 포함할 수 있다. 제1 표시 영역에는 오늘의 기상 정보가 표시될 수 있고, 제2 표시 영역에는 소정 개수의 추천 의류들과, 기상 정보와 가장 잘 어울리는 베스트 추천 의류를 표시할 수 있고, 제3 영역에는 의류를 구매할 수 있는 쇼핑몰 정보가 표시될 수 있다.
제공부(189)는 사용자의 선택에 의해 쇼핑몰에 접속하여 쇼핑몰 정보가 디스플레이부(150)에 표시되도록 제공하고, 사용자가 구매하고자 선택한 물품에 대한 구매 및 배송과 관련한 정보를 제공할 수 있다. 또한 제공부(189)는 제1 표시 영역 내지 제3 표시 영역 중 하나 이상에 건강/뷰티 정보와, 음악, 뉴스, 교통상황 정보를 제공할 수 있다. 또한 제공부(189)는 메신저 알림, 또는 유투브 재생, 또는 사용자가 좋아하는 음악이 재생되도록 소정의 정보를 제공할 수도 있고, 사용자의 발화 음성 예를 들어, 오늘 날씨는 어때와 같은 발화 음성에 대응하여 오늘의 날씨를 제공해 줄 수 있다.
도 10은 본 발명의 다른 실시 예에 따른 의류 처리 장치, 사용자 단말기, 서버, 세탁기, 건조기 및 이들을 서로 연결하는 네트워크를 포함하는 의류 처리 환경의 예시도이다. 이하의 설명에서 도 1 내지 도 9에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다. 도 10을 참조하면, 의류 처리 환경(2)은 의류 처리 장치(100), 사용자 단말기(200), 서버(300), 네트워크(400), 세탁기(500) 및 건조기(600)를 포함할 수 있다.
의류 처리 장치(100)는 의류 촬영 영상을 획득하고 분석하며, 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치의 동작모드를 자동으로 설정하고, 설정한 동작모드에 따라 동작하도록 제어할 수 있다.
의류 처리 장치(100)는 의류 촬영 영상의 분석 결과에 대응하여, 의류 처리 장치(100)와 연동된 세탁기(500)의 세탁모드를 자동으로 설정하고, 설정한 세탁모드에 따라 동작하도록 제어할 수 있다. 또한, 의류 처리 장치(100)는 의류 처리 장치(100) 및 세탁기(500)와 연동된 건조기(600)의 건조모드를 자동으로 설정하고, 설정된 건조모드에 따라 동작하도록 제어할 수 있다.
여기서 세탁기(500) 및/또는 건조기(600)가 의류 처리 장치(100)와 연동되었다 함은, 동일한 네트워크(400)로 서로 통신 가능하고, 의류 처리 장치(100)가 세탁기(500) 및/또는 건조기(600)의 제어 코드를 저장하고 있어서, 세탁기(500) 및/또는 건조기(600)의 동작을 제어할 수 있다는 것을 포함할 수 있다.
의류 처리 장치(100)는 의류 촬영 영상의 분석 결과로부터 의류 처리 장치(100)를 이용하여 의류를 처리하더라도, 의류가 깨끗하게 처리되지 않을 경우, 세탁기(500) 및/또는 건조기(600)를 세탁모드 및/또는 건조모드로 설정하고, 사용자로 하여금 세탁기(500) 및/또는 건조기(600)를 이용할 것을 권유할 수 있다. 의류 처리 장치(100)가 세탁기(500) 및/또는 건조기(600)의 세탁모드 및/또는 건조모드를 자동으로 설정하였으므로, 사용자는 의류를 세탁기(500) 및/또는 건조기(600)에 넣기만 하면, 세탁기(500) 및/또는 건조기(600)가 자동으로 세탁 및/또는 건조를 수행하므로 사용자의 편리함을 향상시킬 수 있다.
사용자 단말기(200)는 의류 처리 장치 구동 어플리케이션 또는 의류 처리 장치 구동 사이트에 접속한 후 인증 과정을 통하여 의류 처리 장치(100)의 구동 또는 제어를 위한 서비스를 제공받을 수 있다. 본 실시 예에서 인증 과정을 마친 사용자 단말기(200)는 의류 처리 장치(100)를 구동하고, 의류 처리 장치(100)의 동작을 제어할 수 있으며, 더 나아가 의류 처리 장치(100)와 연동되어 있는 세탁기(500) 및/또는 건조기(600)를 구동하고 그들의 동작을 제어할 수 있다.
서버(300)는 의류 촬영 영상을 수신하여 분석하고, 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치(100)와 연동된 세탁기(500)의 세탁모드를 자동으로 설정하고, 설정한 세탁모드에 따라 동작하도록 제어신호를 의류 처리 장치(100) 및/또는 세탁기(500)로 전송할 수 있다. 또한 서버(300)는 의류 촬영 영상을 수신하여 분석하고, 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치(100) 및 세탁기(500)와 연동된 건조기(600)의 건조모드를 자동으로 설정하고, 설정한 건조모드에 따라 동작하도록 제어신호를 의류 처리 장치(100) 및/또는 세탁기(500) 및/또는 건조기(600)로 전송할 수 있다.
도 11은 본 발명의 일 실시 예에 따른 의류 처리 장치의 동작 방법을 도시한 흐름도이다. 이하의 설명에서 도 1 내지 도 10에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 11을 참조하면, S1110단계에서, 의류 처리 장치(100)는 의류 촬영 영상을 획득한다. 의류 처리 장치(100)는 의류 처리 장치(100)의 전면(도어(102))에 배치되는 미러 디스플레이 앞에서 의류를 착용하고 서 있는 사용자를 제1 영상센서(161)가 촬영함으로써 의류 촬영 영상을 획득할 수 있다. 의류 처리 장치(100)는 제1 영상센서(161)가 사용자가 의류를 들고 있는 모습을 촬영한 제1-1 의류 촬영 영상 또는 사용자가 의류를 피팅한 모습을 촬영한 제1-2 의류 촬영 영상을 획득할 수 있다. 또한 의류 처리 장치(100)는 제2 영상센서(162)가 옷걸이봉(112)에 걸려있으면서 처리 전 의류를 촬영한 제2-1 의류 촬영 영상 및 옷걸이봉(112)에 걸려있으면서 처리 후 의류를 촬영한 제2-2 의류 영상을 획득할 수 있다. 의류 처리 장치(100)는 미러 디스플레이 앞에서 사용자가 의류 처리 장치(100)를 향하고 있는지 판단하고, 미러 디스플레이 앞에서 사용자가 일정 시간 이상 의류 처리 장치를 향하고 있는 것이 감지되는 경우 제1 영상센서(161)가 촬영한 영상을 촬영함으로써 의류 촬영 영상을 획득할 수 있다. 여기서, 의류 처리 장치(100)를 향하고 있는지 판단하는 동작은 사용자의 얼굴을 기준으로 사용자가 의류 처리 장치(100)를 향하고 있는지 여부로 판단할 수 있다.
S1120단계에서, 의류 처리 장치(100)는 획득한 의류 촬영 영상을 분석한다. 의류 처리 장치(100)는 제1-1 의류 촬영 영상 및 제1-2 의류 촬영 영상으로부터 기저장된 사용자의 신체 정보를 이용하여 사람(사용자)을 추출하고, 공지된 객체 인식(object recognition) 방법을 객체로서의 의류를 추출할 수 있다. 의류 처리 장치(100)는 제1 의류 촬영 영상으로부터 인식한 의류(객체)의 종류와, 의류의 소재와, 의류의 오염 정도 중 하나 이상을 분석할 수 있다. 의류 처리 장치(100)는 제1 의류 촬영 영상으로부터 인식한 객체로서의 의류를 디지털화한 값과 제1 기준값을 비교하여, 예를 들어, 티셔츠, 블라우스, 난방, 와이셔츠, 긴바지, 반바지, 원피스, 수영복 등과 같은 의류의 종류를 분석할 수 있다. 이는 의류의 종류에 따라 각기 다른 동작모드(코스)를 설정해야 함에 기인한 것이다. 선택적 실시 예로 의류 처리 장치(100)는 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 종류를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 의류의 종류를 판단할 수 있다. 또한 의류 처리 장치(100)는 제1 의류 촬영 영상으로부터 인식한 의류를 고배율로 확대 처리한 결과로서의 실의 모양을 디지털화한 값과 제2 기준값을 비교하여, 예를 들어, 모직, 면, 폴리에스테르, 아사, 캐시미어 등과 같은 의류의 소재를 분석할 수 있으며, 메모리(170)에 저장된 소재에 따른 성분 정보를 검색할 수 있다. 이는 의류의 소재 및 성분에 따라 각기 다른 동작모드(코스)를 설정해야 함에 기인한 것이다. 선택적 실시 예로 의류 처리 장치(100)는 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 소재를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 의류의 소재를 판단할 수 있다. 또한 의류 처리 장치(100)는 제1 의류 촬영 영상으로부터 인식한 의류를 고배율로 확대 처리한 결과로서의 확대 의류 영상 내에서, 색상이나 패턴이 다른 부분을 디지털화한 값과 제3 기준값을 비교하여, 예를 들어, 커피, 김치국물, 먼지 등과 같은 의류를 오염시키는 물질과 정도를 분석할 수 있으며, 메모리(170)에 저장된 오염 물질에 따른 성분 정보를 검색할 수 있다. 이는 의류의 오염 성분 및 정도에 따라 각기 다른 동작모드(코스)를 설정해야 함에 기인한 것이다. 선택적 실시 예로 의류 처리 장치(100)는 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 오염 정도를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 의류의 오염 정도를 판단할 수 있다.
S1130단계에서, 의류 처리 장치(100)는 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치의 동작모드를 자동으로 설정한다. 의류 처리 장치(100)는 분석한 제1 의류 촬영 영상에 대한 의류의 종류와, 의류의 소재와, 의류의 오염 정도 중 하나 이상의 분석 결과를 기반으로 자동으로 수행할 동작모드를 설정할 수 있다. 예를 들어, 제1 의류 촬영 영상의 분석결과 먼지가 낀 폴리에스테르 와이셔츠의 경우, 의류 처리 장치(100)는 강력 스팀, 미세먼지 및 자동건조를 포함하는 동작모드를 설정할 수 있다.
S11340단계에서, 의류 처리 장치(100)는 설정한 동작모드에 따라 동작을 제어한다. 예를 들어, 의류 처리 장치(100)가 강력 스팀, 미세먼지 및 자동건조를 포함하는 동작모드를 설정한 경우, 강력 스팀 및 미세먼제 동작 모드에 따라 스팀 생성기(123)가 기설정된 시간 동안 스팀을 생성하도록 제어하고, 옷걸이봉(112)이 기설정된 시간 동안 기설정된 회수만큼 좌우로 왕복 운동하도록 제어하며, 송풍팬(122)을 기설정된 시간 동안 동작하도록 제어할 수 있다.
선택적 실시 예로, 의류 처리 장치(100)는 의류 촬영 영상의 분석 결과에 대응하여, 의류 처리 장치(100)와 연동된 세탁기(500)의 세탁모드를 자동으로 설정하고, 설정한 세탁모드에 따라 동작하도록 제어할 수 있다. 또한, 의류 처리 장치(100)는 의류 처리 장치(100) 및 세탁기(500)와 연동된 건조기(600)의 건조모드를 자동으로 설정하고, 설정된 건조모드에 따라 동작하도록 제어할 수 있다.
도 12는 본 발명의 다른 실시 예에 따른 의류 처리 장치의 동작 방법을 도시한 흐름도이다. 이하의 설명에서 도 1 내지 도 11에 대한 설명과 중복되는 부분은 그 설명을 생략하기로 한다.
도 12를 참조하면, S1210단계에서, 의류 처리 장치(100)는 제1 영상센서(161)가 촬영한 사용자의 얼굴 및 체형 영상을 획득한다. 의류 처리 장치(100)는 디스플레이부(150)에 표시된 사용자 맞춤형 의류 추천 메뉴 선택에 대응하여, 사용자의 얼굴 영상 촬영 및 체형 영상 촬영을 요청할 수 있다. 사용자는 촬영 준비가 완료되면, 촬영 준비가 완료되었음을 음성 명령어로 발화하고, 제1 영상센서(161)를 제어하여 사용자의 얼굴 영상(전면 영상 및 측면 영상) 및 체형 영상(전면 영상 및 측면 영상)을 촬영하도록 할 수 있고, 의류 처리 장치(100)는 제1 영상센서(161)가 촬영한 사용자의 얼굴 및 체형 영상을 획득할 수 있다.
S1210단계에서, 의류 처리 장치(100)는 획득한 사용자의 얼굴 및 체형 영상을 기준값과 비교하여 사용자의 얼굴 형과 체형을 분석한다. 여기서 기준값이라 함은, 얼굴형 기준값을 포함할 수 있는데, 달갈형 기준값 둥근형 기준값, 각진형 기준값, 긴형 기준값, 역삼각형 기준값을 포함할 수 있다. 각 얼굴형 기준값은 임의의 얼굴형을 가진 일반 사용자들의 평균값으로 계산되어 메모리(170)에 저장될 수 있다. 또한 기준값이라 함은, 체형 기준값을 포함할 수 있는데, 균형잡힌(rectangular) 체형의 기준값, 원통형(barrel) 체형의 기준값, 상자(box) 체형의 기준값 또는 서양배(pear) 체형의 기준값을 포함할 수 있다. 각 체형 기준값은 임의의 체형을 가진 일반 사용자들의 평균값으로 계산되어 메모리(170)에 저장될 수 있다. 의류 처리 장치(100)는 제2 획득부(185)가 획득한 사용자의 얼굴 영상을 얼굴형 기준값과 비교하여 사용자의 얼굴형이 무엇인지 분석할 수 있고, 사용자의 체형 영상을 체형 기준값과 비교하여 사용자의 체형이 무엇인지 분석할 수 있다.
S1230단계에서, 의류 처리 장치(100)는 기상정보가 수집되었는지 판단한다. 의류 처리 장치(100)는 기상 정보를 제공하는 기상서버로부터 기상 정보를 수집하거나, 기상서버로부터 수집한 기상 정보를 저장하고 있는 서버(300)에 접속하여 기상 정보를 수집할 수 있다. 여기서 기상정보는, 과거, 현재, 미래에 대한 날씨(예를 들어, 흐림, 맑음, 비, 눈 등)와 기온(최저기온, 최고기온, 평균 기온 등), 계절 정보(봄, 여름, 가을, 겨울), 미세먼지 지수, 자외선 지수, 습도 지수, 건조 지수 등을 포함할 수 있다.
S1240단계에서, 의류 처리 장치(100)는 기상정보를 수집하지 못한 경우, 사용자의 얼굴 및 체형 영상 분석 결과를 수신하여 사용자 맞춤형 의류를 추천한다. 또한 의류 처리 장치(100)는 사용자 맞춤형 의류와 함께, 소품(예를 들어, 신발, 가방, 액세서리, 화장품 등)과 관련한 정보도 함께 추천할 수 있다.
S12450단계에서, 의류 처리 장치(100)는 기상정보를 수집한 경우, 사용자의 얼굴 및 체형 영상 분석 결과 및 기상 정보를 기반으로 사용자 맞춤형 의류를 추천한다.
이상 설명된 본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.
본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 의류 처리 장치
200: 사용자 단말기
300: 서버
400: 네트워크
500: 세탁기
600: 건조기

Claims (20)

  1. 의류 처리 장치를 동작하는 방법으로서,
    의류 처리 장치의 전면에 배치된 미러 디스플레이 앞에서 의류를 착용하고 서 있는 사용자를 카메라로 촬영함으로써 의류 촬영 영상을 획득하는 단계;
    상기 의류 촬영 영상을 분석하는 단계;
    상기 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치의 동작모드를 설정하는 단계; 및
    설정한 동작모드에 따라 상기 의류 처리 장치가 동작하도록 제어하는 단계를 포함하는,
    의류 처리 장치의 동작 방법.
  2. 제 1항에 있어서,
    상기 획득하는 단계는,
    상기 미러 디스플레이 앞에서 사용자가 상기 의류 처리 장치를 향하고 있는지 판단하는 단계; 및
    상기 미러 디스플레이 앞에서 사용자가 일정 시간 이상 상기 의류 처리 장치를 향하고 있는 것이 감지되는 경우 상기 사용자를 촬영하는 단계를 포함하는,
    의류 처리 장치의 동작 방법.
  3. 제 2 항에 있어서,
    상기 판단하는 단계는,
    상기 사용자의 얼굴을 기준으로 상기 사용자가 상기 의류 처리 장치를 향하고 있는지 판단하는 단계를 포함하는,
    의류 처리 장치의 동작 방법.
  4. 제 1 항에 있어서,
    상기 분석하는 단계는,
    상기 의류 촬영 영상으로부터 의류의 종류를 분석하는 단계를 더 포함하고,
    상기 설정하는 단계는,
    상기 의류의 종류를 분석한 결과에 대응하여 의류 처리 장치의 동작모드를 설정하는 단계를 포함하고,
    상기 의류의 종류를 분석하는 단계는 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 종류를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 이루어지는,
    의류 처리 장치의 동작 방법.
  5. 제 1 항에 있어서,
    상기 분석하는 단계는,
    상기 의류 촬영 영상으로부터 의류의 소재를 분석하는 단계를 더 포함하고,
    상기 설정하는 단계는,
    상기 의류의 소재를 분석한 결과에 대응하여 의류 처리 장치의 동작모드를 설정하는 단계를 포함하고,
    상기 의류의 소재를 분석하는 단계는 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 소재를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 이루어지는,
    의류 처리 장치의 동작 방법.
  6. 제 1 항에 있어서,
    상기 분석하는 단계는,
    상기 의류 촬영 영상으로부터 의류의 오염 정도를 분석하는 단계를 더 포함하고,
    상기 설정하는 단계는,
    상기 의류의 오염 정도를 분석한 결과에 대응하여 의류 처리 장치의 동작모드를 설정하는 단계를 포함하고,
    상기 의류의 오염 정도를 분석하는 단계는 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 오염 정도를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 이루어지는,
    의류 처리 장치의 동작 방법.
  7. 제 1 항에 있어서,
    상기 설정하는 단계는,
    상기 의류 촬영 영상의 분석 결과에 대응하여, 상기 의류 처리 장치와 연동되고, 상기 의류를 세탁할 세탁기의 세탁모드를 설정하는 단계를 더 포함하는,
    의류 처리 장치의 동작 방법.
  8. 제 7 항에 있어서,
    상기 설정하는 단계는,
    상기 의류 촬영 영상의 분석 결과에 대응하여, 상기 의류 처리 장치 및 상기 세탁기와 연동되고, 상기 세탁기에서 추출한 상기 의류를 건조할 건조기의 건조모드를 설정하는 단계를 더 포함하는,
    의류 처리 장치의 동작 방법.
  9. 제 1 항에 있어서,
    사용자의 얼굴 및 체형 영상을 획득하는 단계;
    상기 사용자의 얼굴 및 체형 영상을 분석하는 단계; 및
    상기 사용자의 얼굴 및 체형 영상을 분석한 결과를 기반으로 사용자 맞춤형 의류를 추천하는 단계를 더 포함하는,
    의류 처리 장치의 동작 방법.
  10. 제 9 항에 있어서,
    상기 기상 정보를 수집하는 단계;를 더 포함하고,
    상기 추천하는 단계는,
    상기 사용자의 얼굴 및 체형 영상을 분석한 결과와, 상기 기상 정보를 기반으로 사용자 맞춤형 의류를 추천하는 단계를 포함하는,
    의류 처리 장치의 동작 방법.
  11. 의류 처리 장치로서,
    의류 처리 장치의 전면에 배치되는 미러 디스플레이;
    상기 미러 디스플레이 앞에서 의류를 착용하고 서 있는 사용자를 카메라로 촬영함으로써 의류 촬영 영상을 획득하는 제1 획득부;
    상기 의류 촬영 영상을 분석하는 제1 분석부;
    상기 의류 촬영 영상의 분석 결과에 대응하여 의류 처리 장치의 동작모드를 설정하는 설정부; 및
    설정한 동작모드에 따라 상기 의류 처리 장치가 동작하도록 제어하는 동작 제어부를 포함하는,
    의류 처리 장치.
  12. 제 11항에 있어서,
    상기 제1 획득부는,
    상기 미러 디스플레이 앞에서 사용자가 상기 의류 처리 장치를 향하고 있는지 판단하고, 상기 미러 디스플레이 앞에서 사용자가 일정 시간 이상 상기 의류 처리 장치를 향하고 있는 것이 감지되는 경우 상기 사용자를 촬영하도록 구성되는,
    의류 처리 장치.
  13. 제 12 항에 있어서,
    상기 의류 처리 장치를 향하고 있는지 판단하는 동작은 상기 사용자의 얼굴을 기준으로 상기 사용자가 상기 의류 처리 장치를 향하고 있는지 판단하는,
    의류 처리 장치.
  14. 제 11 항에 있어서,
    상기 제1 분석부는,
    상기 의류 촬영 영상으로부터 의류의 종류를 분석하고,
    상기 설정부는,
    상기 의류의 종류를 분석한 결과에 대응하여 의류 처리 장치의 동작모드를 설정하며,
    상기 의류의 종류를 분석하는 동작은 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 종류를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 이루어지는,
    의류 처리 장치.
  15. 제 11 항에 있어서,
    상기 제1 분석부는,
    상기 의류 촬영 영상으로부터 의류의 소재를 분석하고,
    상기 설정부는,
    상기 의류의 소재를 분석한 결과에 대응하여 의류 처리 장치의 동작모드를 설정하며,
    상기 의류의 소재를 분석하는 동작은 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 소재를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 이루어지는,
    의류 처리 장치.
  16. 제 11 항에 있어서,
    상기 제1 분석부는,
    상기 의류 촬영 영상으로부터 의류의 오염 정도를 분석하고,
    상기 설정부는,
    상기 의류의 오염 정도를 분석한 결과에 대응하여 의류 처리 장치의 동작모드를 설정하며,
    상기 의류의 오염 정도를 분석하는 동작은 의류가 촬영된 영상으로부터 의류를 식별하고 의류의 오염 정도를 판단하도록 미리 훈련된 심층신경망 모델을 이용하여 이루어지는,
    의류 처리 장치.
  17. 제 11 항에 있어서, 상기 설정부는,
    상기 의류 촬영 영상의 분석 결과에 대응하여, 상기 의류 처리 장치와 연동되고, 상기 의류를 세탁할 세탁기의 세탁모드를 설정하는,
    의류 처리 장치.
  18. 제 17 항에 있어서, 상기 설정부는,
    상기 의류 촬영 영상의 분석 결과에 대응하여, 상기 의류 처리 장치 및 상기 세탁기와 연동되고, 상기 세탁기에서 추출한 상기 의류를 건조할 건조기의 건조모드를 설정하는,
    의류 처리 장치.
  19. 제 11 항에 있어서,
    사용자의 얼굴 및 체형 영상을 획득하는 제2 획득부;
    상기 사용자의 얼굴 및 체형 영상을 분석하는 제2 분석부; 및
    상기 사용자의 얼굴 및 체형 영상을 분석한 결과를 기반으로 사용자 맞춤형 의류를 추천하는 추천부를 더 포함하는,
    의류 처리 장치.
  20. 제 19 항에 있어서,
    기상 정보를 수집하는 수집부;를 더 포함하고,
    상기 추천부는,
    상기 사용자의 얼굴 및 체형 영상을 분석한 결과와, 상기 기상 정보를 기반으로 사용자 맞춤형 의류를 추천하는,
    의류 처리 장치.
KR1020190078029A 2019-06-28 2019-06-28 의류 처리 장치 및 의류 처리 장치의 동작 방법 KR20190084915A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190078029A KR20190084915A (ko) 2019-06-28 2019-06-28 의류 처리 장치 및 의류 처리 장치의 동작 방법
US16/698,313 US11460817B2 (en) 2019-06-28 2019-11-27 Apparatus for managing fabric and method for operating the apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190078029A KR20190084915A (ko) 2019-06-28 2019-06-28 의류 처리 장치 및 의류 처리 장치의 동작 방법

Publications (1)

Publication Number Publication Date
KR20190084915A true KR20190084915A (ko) 2019-07-17

Family

ID=67513008

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190078029A KR20190084915A (ko) 2019-06-28 2019-06-28 의류 처리 장치 및 의류 처리 장치의 동작 방법

Country Status (2)

Country Link
US (1) US11460817B2 (ko)
KR (1) KR20190084915A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112458695A (zh) * 2019-09-06 2021-03-09 青岛海尔洗衣机有限公司 洗涤方法、装置、电子设备及可读存储介质
CN112831982A (zh) * 2019-11-22 2021-05-25 重庆海尔洗衣机有限公司 衣物颜色识别的处理方法、装置、设备及存储介质
WO2022039367A1 (ko) * 2020-08-18 2022-02-24 삼성전자주식회사 의류 관리 시스템 및 의류 관리 기기
KR20220040946A (ko) * 2020-09-24 2022-03-31 주식회사 스마트름뱅이 신발세척시스템
KR20230043480A (ko) * 2021-09-24 2023-03-31 인하대학교 산학협력단 신발 살균, 건조, 탈취를 위한 제어 방법 및 장치
KR20230140039A (ko) * 2022-03-29 2023-10-06 주식회사 무경 공기정화가 가능한 살균소독기

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200082999A (ko) * 2018-12-31 2020-07-08 삼성전자주식회사 의류 관리 장치 및 그 제어 방법
CN110399954B (zh) * 2019-07-29 2023-06-20 青岛海尔科技有限公司 操作信息的确定方法及装置、存储介质、电子装置
CN113584842B (zh) * 2020-04-30 2023-12-12 云米互联科技(广东)有限公司 风扇控制方法、控制终端及计算机可读存储介质
CN112709057A (zh) * 2020-12-21 2021-04-27 青岛海尔空调器有限总公司 空调干衣除皱方法、空调及可读存储介质
CN112962266B (zh) * 2021-01-28 2022-08-05 青岛海尔科技有限公司 洗涤护理装置及方法、存储介质
US20220298722A1 (en) * 2021-03-16 2022-09-22 Haier Us Appliance Solutions, Inc. Laundry folding appliance including a closet inventory management system
US11939720B2 (en) 2021-03-16 2024-03-26 Haier Us Appliance Solutions, Inc. Laundry folding appliance and automated methods of operating the same

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100370363B1 (en) 2002-01-31 2003-01-30 Min Suk Han Clothes drying machine having wrinkles removing function
KR101954032B1 (ko) 2018-09-28 2019-03-06 와이.엘산업주식회사 의류 세정관리 장치

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016054450A (ja) * 2014-09-04 2016-04-14 株式会社東芝 画像処理装置、画像処理システム、画像処理方法及びプログラム
KR102602847B1 (ko) * 2016-06-03 2023-11-16 엘지전자 주식회사 의류처리장치
CN108866934B (zh) * 2018-08-13 2021-04-23 济南大学 一种基于人工智能的洗衣模式控制系统及方法
KR102613495B1 (ko) * 2018-08-14 2023-12-13 삼성전자주식회사 의류 처리 장치, 전자 장치 및 이의 제어 방법
EP3572573B1 (en) * 2018-09-05 2022-06-01 Lg Electronics Inc. Artificial intelligence-based clothing managing apparatus
CN110924052A (zh) * 2018-09-20 2020-03-27 格力电器（武汉）有限公司 洗衣机控制方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100370363B1 (en) 2002-01-31 2003-01-30 Min Suk Han Clothes drying machine having wrinkles removing function
KR101954032B1 (ko) 2018-09-28 2019-03-06 와이.엘산업주식회사 의류 세정관리 장치

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112458695A (zh) * 2019-09-06 2021-03-09 青岛海尔洗衣机有限公司 洗涤方法、装置、电子设备及可读存储介质
CN112458695B (zh) * 2019-09-06 2024-03-12 青岛海尔洗衣机有限公司 洗涤方法、装置、电子设备及可读存储介质
CN112831982A (zh) * 2019-11-22 2021-05-25 重庆海尔洗衣机有限公司 衣物颜色识别的处理方法、装置、设备及存储介质
WO2022039367A1 (ko) * 2020-08-18 2022-02-24 삼성전자주식회사 의류 관리 시스템 및 의류 관리 기기
KR20220040946A (ko) * 2020-09-24 2022-03-31 주식회사 스마트름뱅이 신발세척시스템
KR20230043480A (ko) * 2021-09-24 2023-03-31 인하대학교 산학협력단 신발 살균, 건조, 탈취를 위한 제어 방법 및 장치
KR20230140039A (ko) * 2022-03-29 2023-10-06 주식회사 무경 공기정화가 가능한 살균소독기

Also Published As

Publication number Publication date
US20200096954A1 (en) 2020-03-26
US11460817B2 (en) 2022-10-04

Similar Documents

Publication Publication Date Title
KR20190084915A (ko) 의류 처리 장치 및 의류 처리 장치의 동작 방법
US11655576B2 (en) Operating mode determining method and operating mode determining device
CN107460702B (zh) 衣物处理装置
US10969162B2 (en) Refrigerator and method for operating the refrigerator
CN107460708B (zh) 衣物处理装置
KR20190103098A (ko) 의류 코디 정보 추천 방법 및 장치
JP2021535822A (ja) 衣類処理装置及びそれを含むオンラインシステム
KR102019132B1 (ko) 인공지능 의류관리기
CN106884278A (zh) 一种多功能智能衣物护理机
KR20190094297A (ko) 인공 지능 세탁물 처리 기기 및 그의 동작 방법
KR102506531B1 (ko) 의류처리장치
CN106444415A (zh) 智能家居控制方法及系统
US20120319814A1 (en) Opening management through gait detection
US20230183906A1 (en) Clothing treatment system and clothing treatment device
KR102000450B1 (ko) 인공지능 의류관리기
US11655995B2 (en) Method of controlling operation of air conditioner by analyzing user's behavior pattern and air conditioner
US20190390392A1 (en) Apparatus for treating laundry and method for operating the same
KR20210096072A (ko) 세탁물 처리 장치 및 그의 세탁 코스 결정 방법
KR20190106924A (ko) 의류 포질에 따라 의류 처리 코스를 제어하는 방법, 장치 및 시스템
CN109800355B (zh) 筛选展示方法、机器人及计算机可读存储介质
US11718943B2 (en) Clothing management apparatus and method for controlling thereof
CN114855416B (zh) 洗涤程序的推荐方法及装置、存储介质及电子装置
KR20200030999A (ko) 전자 장치 및 전자 장치의 제어 방법
KR20180122216A (ko) 로봇 청소기 및 이를 위한 도킹 스테이션을 포함하는 침대
KR20240033368A (ko) 건조기 및 그의 동작 방법

Legal Events

Date Code Title Description
A201 Request for examination