KR20200123504A - 딥러닝 기반 족부 분석 방법 및 그 장치 - Google Patents

Abstract

딥러닝을 이용하여 족부를 분석하는 방법 및 그 장치에 대한 기술이 제공 된다. 본 발명의 일 실시예에 따른 컴퓨팅 장치에 의하여 수행되는 방법에 있어서, 족부 이미지를 획득하는 단계, 상기 족부 이미지에서, 족부 형태와 배경을 분리하는 제1 신경망에 상기 족부 이미지를 입력하는 단계 및 상기 족부 형태를 분류하는 제2 신경망에 상기 제1 신경망의 결과 데이터를 입력하는 단계를 포함한다.

Description

딥러닝 기반 족부 분석 방법 및 그 장치{DEEP LEARNING-BASED FOOT ANALYSIS METHOD AND APPARATUS}

본 발명은 딥러닝을 이용하여 족부를 분석하는 방법 및 그 장치에 관한 것이다. 보다 자세하게는, 딥러닝을 이용한 족부 분석을 통해 사용자의 족부의 형태를 분류하는 방법 및 그 장치에 관한 것이다.

사람의 족부 모양에 맞추어 사용자에게 커스터 마이징 된 신발을 제작하는 방법은 종래 오프라인에서 사람에 의해 직접 수행되었다. 사용자의 족부 분석은 통상적으로 사용자 각각의 족부에 대해 사람이 직접 족본을 뜨는 방법으로 수행되기 때문에 온라인으로 수행될 수 없다는 한계가 존재한다. 이를 해결하기 위해 3D 스캐너와 같은 고가의 정밀 기기를 이용하여 온라인 족부 분석이 수행되는 방법도 존재하나, 기기의 비용 측면에서 그 효용성이 크지 않다.

따라서 온라인 족부 분석에 소요되는 많은 시간과 비용을 줄이기 위한 기술의 제공이 요구된다.

한국공개특허 2007-0008500 (2007.01.17)

본 발명이 해결하고자 하는 기술적 과제는, 정밀하게 측정된 사용자의 족부 분석 자료 없이 온라인으로 사람의 족부 분석을 효율적으로 수행하는 방법 및 그 장치를 제공하는 것이다.

본 발명의 해결하고자 하는 다른 기술적 과제는, 사용자의 족부를 지정된 분류기준에 따라 분류함으로써 사용자에게 최적화된 족부 관련 서비스를 제공하는 방법 및 그 장치를 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해 될 수 있을 것이다.

상기 기술적 과제를 해결하기 위한, 본 발명의 일 실시예에 따른 족부 분석 방법은 족부 이미지를 획득하는 단계, 상기 족부 이미지에서, 족부 형태와 배경을 분리하는 제1 신경망에 상기 족부 이미지를 입력하는 단계 및 상기 족부 형태를 분류하는 제2 신경망에 상기 제1 신경망의 결과 데이터를 입력하는 단계를 포함할 수 있다.

상기 기술적 과제를 해결하기 위한, 본 발명의 다른 실시예에 따른 족부 분석 방법은 족부 형태가 포함된 족부 이미지를 획득하는 단계, 딥러닝(deep learning)을 이용하여, 상기 족부 이미지에서 족부 형태만 추출된 족부 형태 이미지를 획득하고 상기 추출된 족부 형태 이미지를 분석하여 족부 정보를 추출하는 단계, 상기 추출된 족부 정보를 이용하여 기 지정된 기준에 따라 상기 족부를 분류하는 단계를 포함할 수 있다.

일 실시예에 따른 상기 족부를 분류하는 단계는, 상기 추출된 족부 정보를 이용하여 발 아치의 형태 및 발 볼의 너비 중 하나 이상을 기초로 기 지정된 기준에 따라 족부 형태를 분류하는 단계를 포함할 수 있다.

도 1은 본 발명의 일 실시예에 따른 딥러닝을 이용한 사람의 족부 분석 방법에 대한 개념도이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.

이하, 도면들을 참조하여 본 발명의 몇몇 실시예들을 설명한다.

종래 사용자의 족부에 커스터 마이징 된 서비스를 제공하기 위하여는, 직접 사람의 족부의 형태를 측정하거나, 3D 스캐너와 같은 고가의 정밀 장비를 이용해 족본을 뜨는 방법으로 사람의 족부를 분석하였다.

하지만, 본 발명의 일 실시예에 따른 딥러닝을 이용한 족부 분석을 이용하면 사용자가 업로드한 족부 이미지를 통해 족부의 형태를 분류할 수 있다. 사람의 족부 형태를 기 지정된 기준에 따라 그룹화만 해도, 사람의 족부의 전체 평균값을 이용한 기성 서비스보다 훨씬 사용자에게 커스터 마이징 된 족부 관련 서비스가 가능하다.

상기 족부 관련 서비스란 사람의 족부의 형태를 이용하여 사람에 따라 다른 결과 데이터를 추출해내는 서비스로, 예를 들어 맞춤화 제작, 깔창 제작 및 기성 제품 분석을 통한 맞춤화 된 기성 제품 추천 등의 서비스가 있다.

이하 도 1을 참조하여 본 발명의 일 실시예에 따른 딥러닝을 이용한 사람의 족부 분석 방법에 대하여 상세히 설명한다.

먼저, 사람의 족부 형태가 포함 된 족부 이미지가 획득될 수 있다.

상기 족부 이미지는 사용자가 직접 업로드한 이미지로, 외부 서버를 통해 획득될 수 있다.

이후, 신경망을 이용하여 족부 이미지에서 족부 형태만 추출될 수 있다. 상기 추출된 족부 형태를 이용하여 중요 정보를 기준으로 기 지정된 분류군에 맞추어 분류(classification)과정이 수행될 수 있다.

일 실시예에 따른 상기 신경망은 족부 이미지에서 족부 배경과 족부 형태를 분리(segmentation)하는 학습이 수행될 수 있다.

또한 다른 실시예에 따라 족부 이미지에서 족부 배경과 족부 형태를 분리하는 신경망과 상기 족부 형태를 분류하는 신경망은 동일한 신경망일 수 있고, 복수개의 신경망으로 구성된 네트워크에 의해 동일한 태스크(task)에서 한번에 수행될 수도 있다.

또한, 분리된 족부 형태를 분석하여 상기 족부 형태를 기 지정된 분류군에 맞춰 분류하는 학습이 수행될 수 있다.

상기 족부 형태는 족부의 중요 정보를 이용하여 상기 중요 정보에 기 지정된 가중치를 부여하여 분석될 수 있다. 족부의 중요 정보란 발 볼의 크기, 발 사이즈 대비 발의 길이, 발 아치의 시작점, 발 아치의 크기 또는 발 아치의 깊이일 수 있다.

일 실시예에 따라 상기 족부 형태는 기 지정된 분류군으로 분류될 수 있다. 상기 분류군을 나누는 분류 기준은 바람직하게는 발 아치의 형태 및 발 볼의 너비 중 하나 이상을 기초로 지정될 수 있다.

본 실시예에 따라 족부의 형태는 발 아치의 형태를 기준으로 아치의 깊이가 지정된 수치보다 얕은 경우, 아치의 깊이가 지정된 수치로부터 오차 범위 내인 경우 및 아치의 깊이가 지정된 수치보다 깊은 경우 중 하나로 분류될 수 있다.

또한 상기 동일한 족부의 형태에 대하여 발 볼의 너비를 기준으로 발 볼의 너비가 지정된 수치보다 넓은 경우, 발 볼의 너비가 지정된 수치로부터 오차 범위 내인 경우 및 발 볼의 너비가 지정된 수치보다 얕은 경우 중 하나로 분류될 수 있다.

상기 분류군의 분류 기준은 하나의 기준으로만 분류되지 않으며 복수의 기준을 조합하여 정해진 것 일 수 있다. 따라서, 발 아치의 깊이가 얕고 발 볼의 너비가 넓은 족부 형태와 발 아치의 깊이가 얕고 발 볼의 너비가 좁은 족부 형태는 각각 상이한 분류군으로 분류될 수 있다.

예를 들어 족부 형태가 발 볼의 너비와 발 아치의 깊이를 조합한 분류 기준에 따라 분류되는 경우, 상기 족부 형태는 발 볼의 너비에 따른 3가지 분류 기준 및 발 아치의 깊이에 따른 3가지 분류 기준을 조합한 9가지 분류군에 따라 분류될 수 있다.

다만 이는 본 발명의 일 실시예를 용이하게 설명하기 위한 예시일 뿐, 본 실시예에 따른 족부 형태의 분류 기준 및 분류군이 이에 한정되지 않음에 유의한다.

전술한 바와 같이 족부 형태를 분류함으로써 상기 분류군에 따른 족부 관련 서비스가 수행될 수 있다. 따라서 족부 관련 서비스 제공자 및 사용자는 적은 비용으로 사용자 맞춤형 족부 분석 서비스를 이용할 수 있다.

지금까지 설명된 본 발명의 실시예에 따른 방법들은 컴퓨터가 읽을 수 있는 코드로 구현된 컴퓨터프로그램의 실행에 의하여 수행될 수 있다. 상기 컴퓨터프로그램은 인터넷 등의 네트워크를 통하여 제1 컴퓨팅 장치로부터 제2 컴퓨팅 장치에 전송되어 상기 제2 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 제2 컴퓨팅 장치에서 사용될 수 있다. 상기 제1 컴퓨팅 장치 및 상기 제2 컴퓨팅 장치는, 서버 장치, 클라우드 서비스를 위한 서버 풀에 속한 물리 서버, 데스크탑 피씨와 같은 고정식 컴퓨팅 장치를 모두 포함한다.

상기 컴퓨터프로그램은 DVD-ROM, 플래시 메모리 장치 등의 기록매체에 저장된 것일 수도 있다.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다.

Claims (3)

1. 컴퓨팅 장치에 의하여 수행되는 방법에 있어서,
   족부 이미지를 획득하는 단계;
   상기 족부 이미지에서, 족부 형태와 배경을 분리하는 제1 신경망에 상기 족부 이미지를 입력하는 단계; 및
   상기 족부 형태를 분류하는 제2 신경망에 상기 제1 신경망의 결과 데이터를 입력하는 단계를 포함하는,
   족부 분석 방법.
2. 컴퓨팅 장치에 의하여 수행되는 방법에 있어서,
   족부 형태가 포함된 족부 이미지를 획득하는 단계;
   신경망을 이용하여, 상기 족부 이미지에서 족부 형태만 추출된 족부 형태 이미지를 획득하는 것과 상기 추출된 족부 형태 이미지를 분석하여 족부 정보를 추출하는 것을 수행하는 단계; 및
   상기 추출된 족부 정보를 이용하여 기 지정된 기준에 따라 상기 족부를 분류하는 단계를 포함하는,
   족부 분석 방법.
3. 제2 항에 있어서,
   상기 족부를 분류하는 단계는,
   상기 추출된 족부 정보를 이용하여 발 아치의 형태 및 발 볼의 너비 중 하나 이상을 기초로 지정된 기준에 따라 상기 족부 형태를 분류하는 단계를 포함하는,
   족부 분석 방법.

Images