KR20210110860A

KR20210110860A - 인체 측정 데이터 휴대용 획득 장치 및 인체 측정 데이터 수집 방법

Info

Publication number: KR20210110860A
Application number: KR1020217024387A
Authority: KR
Inventors: 에우제니오 알레산드로 카네파; 스테파노 파사나
Original assignee: 이-데알 에스.알.엘.
Priority date: 2018-12-31
Filing date: 2018-12-31
Publication date: 2021-09-09
Also published as: CN113544738B; BR112021013021A2; EP3906528A1; WO2020141565A1; CN113544738A; AU2018456044A1; US20220084208A1

Abstract

인체 측정 데이터 휴대용 획득 장치는 이미지 센서(7)와 처리 장치(5)를 포함한다. 처리 장치(5)는 이미지 센서(7)로부터 인물의 제1 이미지(IMG_B, IMG_S)를 수신하도록 구성된 획득 모듈(8), 에지 검출 절차를 적용함으로써 각각의 제1 이미지(IMG_B, IMG_S)로부터 제2 이미지(FIMG_B, FIMG_S)를 제공하도록 구성된 익명 이미지 프로세서(10), 제2 이미지(FIMG_B, FIMG_S)를 전송하도록 구성된 통신 모듈(11)을 포함한다.

Description

인체 측정 데이터 휴대용 획득 장치 및 인체 측정 데이터 수집 방법

본 발명은 인체 측정 데이터 휴대용 수집 장치 및 인체 측정 데이터 수집 방법에 관한 것이다.

알려진 바와 같이, 인체 측정에 대한 측정 값의 수집은 상업 분야에서 의료 분야에 이르기까지 많은 분야에서 관심을 가질 수 있다. 예를 들어, 의류를 다루는 전자 상거래 시스템은 관련 신체 측정을 포함한 개인 데이터 세트를 기반으로 사이즈 선택에 대한 제안을 제공함으로써 고객을 지원할 수 있다. 개인 데이터는 자동 분류 시스템에 제공될 수 있고, 사이즈는 일반적으로 가장 적합한 기준에 따라 선택될 수 있다. 이러한 종류의 서비스는 고객에게 편리할 뿐만 아니라 반품 비율을 획기적으로 줄일 수 있으므로 비용 절감 측면에서 공급자에게도 유리할 수 있다. 또 다른 예로서, 식이 요법에서 신체 측정의 모니터링은 환자에 대한 후속 조치와 반응에 근거하여 치료를 조정하는 데 도움이 될 수 있다.

충분하게 정확한 결과를 제공하기 위해 특별한 훈련이나 기술이 필요하지 않은 간단한 도구를 사용하여 고객이나 환자가 현장에서 데이터를 직접 수집할 수 있다면, 인체 측정 데이터 사용의 이점이 크게 증가할 수 있다. 인체 측정 데이터는 일반적으로 이미지 수집 및 분석을 통해 수집되고, 데이터 수집은 스마트 폰과 같은 다목적 장치의 광범위한 확산을 통해 이점을 얻을 수 있다. 이미지 캡처 도구는 매우 친숙 해져서 최종 사용자는 원하는 분석 절차를 수행하기에 충분한 품질의 이미지를 규격화(frame)하여 획득할 수 있을 것으로 예상할 수 있다.

오히려 이미지 획득 작업을 최종 사용자에게 위임하는 데 고려해야 할 다른 문제가 있다. 한편으로는, 이미지 처리는 자원이 요구되는 측면에서 그 자체로 까다롭지만, 일반적으로 조명, 배경과의 대비, 사용자의 자세 등과 같은 열악한 조건에 놓인 현장에서 획득된다는 사실에도 대응해야 한다. 이러한 조건은 일반적으로 계산 부하를 증가시키는 등 처리 기술을 개선하여 보상해야 한다. 충분한 처리 용량을 제공하기 위해 기본 캡처 기능만 사용자 단말 장치의 이미지 분석에 전념하고, 주요 분석 절차는 인터넷 연결을 통해 연결된 원격 사이트에서 수행된다. 반면에 원격 사이트와 이미지를 공유하면 민감한 정보가 관련되고 법률 요건이 점점 더 엄격 해지고 있기 때문에 개인 정보 보호 및 개인 데이터 보호에 대한 우려로 이어진다. 사실, 개인 정보는 최종 사용자의 통제를 벗어난다. 분명히, 정보 처리는 특히 의료 분야에서 중요하다.

따라서, 본 발명의 목적은 기재된 한계를 극복하거나 적어도 완화할 수 있는 인체 측정 데이터 휴대용 획득 장치 및 인체 측정 데이터 수집 방법을 제공하는 것이다.

본 발명에 따르면, 각각 청구항 1 및 19에 각각 정의된 인체 측정 데이터 휴대용 획득 장치 및 인체 측정 데이터 수집 방법이 제공된다.

본 발명은 이제 다음과 같은 일부 비 제한적인 실시예(non-limitative embodiments)를 예시하는 첨부 도면을 참조하여 설명될 것이다.
도 1은 인체 측정 데이터 획득 시스템의 단순화된 블록 다이어그램이다.
도 2는 본 발명의 실시예에 따라 만들어진 인체 측정 데이터 휴대용 획득 장치의 상세한 블록도이다.
도 3a 및 3b는 도 2의 장치에 사용된 획득 마스크의 예시를 나타내는 도면이다.
도 4는 본 발명의 실시예에 따른 방법의 단계의 흐름도이다.
도 5a 및 5b는 도 2의 장치에서 생성된 이미지의 예시를 나타내는 도면이다.
도 6은 도 4의 방법 단계의 일부에 대한 상세한 흐름도이다.
도 7은 도 2의 장치의 구성 요소의 상세한 블록도이다.
도 8은 도 1의 시스템의 구성 요소의 상세한 블록도이다.
도 9 내지 10은 도 8의 구성 요소에서 생성된 이미지의 예시를 나타내는 도면이다.

도 1에서, 인체 측정 데이터 획득 시스템은 전체로서 참조 번호 1로 표시되며, 본 발명의 실시예에 따른 하나 이상의 인체 측정 데이터 휴대용 수집 장치(2) 및 서버(3)를 포함할 수 있다. 휴대용 획득 장치(2) 및 서버(3)는 예를 들어, 광역 네트워크(4)(예를 들어, 인터넷)를 통해 통신으로 결합될 수 있다. 휴대용 획득 장치(2)는 개인의 이미지를 캡처하고 사전 이미지 처리 단계(프론트엔드 처리)를 수행하도록 구성되며, 그 후, 관련된 특징의 추출을 완료하기 위해(백엔드 처리) 서버로 전송된 데이터는 신원 정보가 삭제된다.

도 2에는 휴대용 획득 장치(2)의 하나의 예시가 도시되어 있고, 이하에 설명된다. 이는 다른 휴대용 획득 장치(2)가 동일한 구성 요소를 포함한다는 것으로 이해할 수 있다. 휴대용 획득 장치(2)는 프로세싱 유닛(5), 디스플레이(6) 및 이미지 센서(7)를 포함할 수 있다. 일 실시예에서, 휴대용 획득 장치(2)는 스마트폰, 태블릿 컴퓨터 또는 랩탑 컴퓨터에 통합될 수 있고, 유리하게는(advantageously) 디스플레이(6)로서의 통합 터치스크린 및 이미지 센서(7)로서의 포토 카메라와 함께 통합될 수 있다. 다만, 디스플레이(6)는 터치스크린에 한정되지 않는다.

프로세싱 유닛(5)은 획득 모듈(8), 이미지 프로세서(10) 및 통신 모듈(11)을 구현하도록 구성될 수 있다.

획득 모듈(8)은 획득하는 동안 라이브 뷰 모드에서 디스플레이(6)를 활성화하고 가상 또는 하드 버튼(도시되지 않음)을 포함할 수 있는 인터페이스를 통해 사용자에 의해 전송된 촬영 명령에 응답하여 이미지 센서(7)로부터 이미지를 캡처할 수 있다. 라이브 뷰 모드에서, 이미지 센서(7)의 출력 신호는 디스플레이(6)에 연속적으로 디스플레이 될 수 있다. 획득 모듈(8)은 정확한 획득을 돕기 위한 목적으로 사용자에게 시각화를 위해 디스플레이(6)에 정보를 전송할 수 있다.

획득 모듈(8)에 의해 캡쳐 된 이미지는 이미지 프로세서(10)에 공급될 수 있다. 획득 모듈(8)은 화이트 밸런스, 밝기 및 콘트라스트 조정 및 압축 포맷으로의 변환과 같은 기본적인 동작을 수행하기위한 일부 처리 능력을 제공받을 수 있다. 대안으로서, 원시 형식(raw format)의 이미지는 의도한(desired) 모든 처리 단계를 수행하는 이미지 프로세서(10)로 전송될 수 있다.

이미지 프로세서(10)는 수신된 이미지로부터 수정된 프론트엔드 이미지를 추출한다. 추출된 프론트엔드 이미지는 백엔드 처리를 위해 통신 모듈(11)을 통해 서버(3)로 전송되며, 따라서 상위 레벨 리소스에 의존할 수 있다.

이미지 획득은 획득 모듈(8)에 의해 지원될 수 있다. 획득 모듈(8)은 오퍼레이터가 후면 사진을 찍고 한쪽 방향 사진을 찍는 동안 프레임(frame) 내 인물이 허용 가능한 범위의 자세를 취하도록 유도하는 정보를 제공할 수 있다. 표준 자세(Standard posture)는 이미지 처리와 관련된 계산 부하(computational load)를 현저하게 줄일 수 있다. 보다 구체적으로(도 3a), 획득 모듈(8)은 라이브 뷰에서 디스플레이(6)에 표시된 이미지에 후면 마스크(13)를 중첩함으로써 후면 이미지의 획득을 시작할 수 있다. 따라서, 인물은 후면 마스크(13)에 맞는 자세를 취하도록 요구될 수 있다. 일 실시예에서 후면 마스크(13)에 맞는 자세는 다리를 벌리고 몸통으로부터 팔을 떨어뜨려 놓은 상태에서 서있는 자세를 의미할 수 있다. 자세가 정확하면 촬영 명령이 오퍼레이터에 의해 활성화되고 후면 이미지(IMG_B)(도 2)가 획득 모듈(8)에 의해 캡처 되어 이미지 프로세서(10)로 전송될 수 있다. 후면 이미지(IMG_B)는 획득 모듈(8) 또는 이미지 프로세서(10)에 통합된 메모리 유닛 또는 휴대용 획득 장치(2)의 범용 메모리 유닛에 일시적으로 저장될 수 있다.

후면 이미지(IMG_B)가 캡처 되어 저장되거나 이미지 프로세서(10)로 전송되면, 획득 모듈(8)은 측면 이미지의 획득을 시작하고 라이브 뷰에서 디스플레이(6)에 표시된 이미지에 사이드 마스크(14)(도 3b)를 중첩할 수 있다. 다시, 인물은 측면 마스크(13)에 맞는 자세를 취하도록 요구될 수 있다. 여기서, 측면 마스크에 맞는 자세는 몸통을 따라 팔을 놓은 상태에서 서있는 자세를 의미할 수 있다. 자세가 정확하면 오퍼레이터에 의해 촬영 명령이 활성화되고 측면 이미지(IMG_S)가 캡처 되어 이미지 프로세서(10)로 전송되거나 후면 이미지(IMG_B)와 같이 저장될 수 있다.

후면 이미지(IMG_B) 및 측면 이미지(IMG_S) 각각은 실질적으로 동일한 단계를 거쳐 에지 검출(edge detection) 및 윤곽 재구성(contour reconstruction)을 위해 이미지 프로세서(10)에서 처리될 수 있다. 간단한 참조를 위해서 후면 이미지(IMG_B)를 참조할 수 있다. 달리 명시되지 않는 한 측면 이미지(IMG_S)에도 동일하게 적용될 수 있다.

도 4를 참조하면, 측면 이미지 IMG_S가 처리에 적합한 포맷으로 수신된 후, 이미지 프로세서(10)는 후면 마스크(13)에 벗어난 위치에 있는 측면 이미지(IMG_S)의 부분을 삭제(clear)함으로써 노이즈를 감소시킬 수 있다(블록 100). 그 후, 에지 검출(블록 110) 및 윤곽 재구성(블록 120)이 수행될 수 있다. 신체 윤곽(body contour) 및 가능한 잔여 배경 잡음(possibly residual background noise)만을 포함하는 프론트엔드 후면 이미지(FIMG_B)가 획득되고 서버(3)로 전송될 수 있다. 프론트엔드 후면 이미지(FIMG_B) 및 프론트 엔드 측면 이미지(FIMG_S)의 예가 각각 도 5a 및 5b에 도시되어 있다. 에지 검출 단계 동안, 묘사된(portrayed) 인물의 식별 가능한 신체적 특징은 삭제(lost)된다.

에지 검출은 여러 가지 방식으로 수행될 수 있지만 일반적으로 윤곽 두께(contour thickness)가 상당히 일정한 것이 바람직하다. 윤곽 두께는 후속 백엔드 처리에서 중요한 매개 변수가 될 수 있기 때문이다. 이미지 프로세서(10)는 성능을 향상시키기 위해 서로 다른 에지 검출 절차를 결합하도록 구성될 수 있다.

일 실시예(도 6)에서, 이미지 프로세서(10)는 고주파 노이즈의 영향을 완화하기 위해 후방 이미지(IMG_B)에 노이즈 감소 프로세스를 사전에 적용할 수 있다(블록 112). 노이즈 감소 프로세스는 중간값 필터링 일 수 있다. 중간값 필터링 연산자에서 커널 크기가 15 픽셀인 경우, 후속 에지 감지의 정밀도에 영향을 주지 않고 허용 가능한 필터링 성능을 제공하는 것으로 알려져 있다.

그 다음, 후면 이미지(IMG_B)의 윤곽은 캐니 에지 검출기 프로세스(Canny edge detector process, Canny, J., "A Computational Approach To Edge Detection", IEEE Trans Pattern Analysis and Machine Intelligence, 8(6):679-698, 1986.)를 사용하여 추출될 수 있다(블록 114). 캐니 에지 검출기는 실제로 존재할 수 있는 낮은 콘트라스트의 이미지 영역에 매우 민감할 수 있다. 이는 현장에서 이미지를 획득할 때 적절한 대비를 제공하는 배경을 선택하는 것이 항상 가능하지는 않을 수 있으므로 중요한 경우가 있을 수 있다. 정보의 손실을 피하기 위해, 후면 이미지(IMG_B)의 윤곽은 다른 에지 검출기 프로세스를 사용하여 이미지 프로세서(10)에 의해 두 번째로 추출될 수 있다(블록 116). 두 번째 윤곽 추출의 결과는 도 4의 블록(120)에서의 캐니 에지 검출기에 의한 첫 번째 윤곽 추출의 결과와 결합될 수 있다. 일 실시예에서, 이미지 프로세서(10)는 에지 검출을 위해 구조화된 랜덤 포레스트(structured random forest)를 사용하는데, 이는 구조화된 에지 검출기(structured edge detector)라고도 지칭된다. 구조화된 에지 검출기는 콘트라스트가 낮은 로컬 영역에 덜 민감하고 캐니 에지 검출기보다 노이즈에 더 강해서 후자의 약점을 보완할 수 있다.

도 7은 도 4 및 6의 프로세스를 구현하는 이미지 프로세서(10)의 예시적인 구조를 도시한다. 여기에 예시된 실시예에서, 이미지 프로세서(10)는 후면 이미지(IMG_B)(및 측면 이미지(IMG_S))를 수신하는 노이즈 감소 필터(15)를 포함하고, 캐니 에지 검출기와 구조화된 에지 검출기를 병렬로 공급할 수 있다(여기서는 각각 16과 17로 표시됨). 캐니 에지 검출기(16)의 제1 출력(I₁) 및 구조화된 에지 검출기(17)의 제2 출력(I₂)은 제1 및 제2 윤곽 추출의 결과를 결합하고 프론트엔드 후면 이미지(FIMG_B) 및 프론트엔드 측면 이미지(FIMG_S)를 제공하는 윤곽 재구성 모듈(18)에서 결합된다.

일 실시예에서, 윤곽 재구성 모듈(18)은 캐니 에지 검출기(16)의 제1 출력(I₁)과 구조화된 에지 검출기(17)의 제2 출력(I₂)을 합산, 임계치 및 이진화에 의해 결합할 수 있다. 보다 정확하게는, 제1 출력(I₁) 및 제2 출력(I₂)의 밝기 값이 가산되고 그 결과는 이미지 센서(7)의 최대 응답의 일부(a fraction of the maximum response)로 선택될 수 있는 임계값 t와 비교될 수 있다(예: 10%). 결합된 출력은 프론트엔드 후면 이미지(FIMG_B)로 정의되고, 첫 번째 출력(I₁)과 두 번째 출력(I₂)의 합이 임계값 t를 초과하면 첫 번째 논리값(L₁)(예: 높음)이 할당되고, 그렇지 않으면 두 번째 논리값(L₂)(예: 낮음)가 할당될 수 있다.

마찬가지로 프론트엔드 측면 이미지(FIMG_S)는 다음과 같이 정의된다.

측면 이미지(IMG_S)가 캐니 에지 검출기(16) 및 구조화된 에지 검출기(17)에 공급될 때(그 출력은 각각 I₁' 및 I₂'로 표시됨).

다른 실시예에서, 사용자에 대해 수용 가능한 응답 지연을 갖도록 휴대용 획득 장치(2)에서 충분한 계산 능력이 이용 가능한 경우, 확률 모델을 활용할 수 있다.

에너지 함수 E(l)를 최소화하는 라벨

는 이미지 IMG_B(또는 IMG_S)의 각 위치에 할당된다. 에너지 함수에는 다음과 같이 첫 번째 구성 요소와 두 번째 구성 요소가 있다.

첫 번째 구성 요소 E_UNARY(l)은 각각 상대 확률 w₁ 및 w₂를 갖는 에지 검출기의 출력에 해당하는 값을 각 픽셀에 할당하는 경향이 있는 함수이다.

여기서,

w₁ 및 w₂는 캐니 에지 검출기(16) 및 구조화된 에지 검출기(17)가 결과에 영향을 미칠 정도를 결정하는 가중치 파라미터이다.

두 번째 구성 요소 E_PAIRWISE(l)는 인접 픽셀이 레이블에 일치하도록 하고, 불일치에 대한 지속적인 패널티를 추가한다. 이는 다음과 같이 정의된다.

여기서,

PAIRS(I)는 인접 이미지 포인트 모든 쌍을 포함한다. 가중치 매개 변수 w_P는 인접 픽셀 간의 일치의 강도를 결정합니다. 최적의 솔루션은 트리 반복적가중의 신뢰 전파 알고리즘(tree reweighted belief propagation algorithm)을 사용하여 근사화 된다.

이러한 방식으로, 프론트엔드 후면 이미지(FIMG_B) 및 프론트엔드 측면 이미지(FIMG_S)는 각각 후면 이미지(IMG_B) 및 측면 이미지(IMG_S)로부터 획득되고, 백엔드 처리를 위해 서버(3)로 전송된다. 프론트엔드 후면 이미지(FIMG_B) 및 프론트엔드 측면 이미지(FIMG_S)에는 프레임(frame) 내 인물의 완전하고 신뢰할 수 있는 신체 윤곽이 포함되고, 개인 신원 정보가 사용자의 통제를 벗어난 상태에서 전송되는 것을 방지할 수 있다. 개인 정보(예: 얼굴 특징)는 어떤 특별한 전용 처리 과정이 없이 에지 검출 및 윤곽 재구성 단계에서 삭제되어 신체 윤곽은 사실상 익명이다. 이미 언급한 바와 같이, 프론트엔드 후면 이미지(FIMG_B) 및 프론트엔드 측면 이미지(FIMG_S)의 예시가 각각도 5a 및 5b에 도시되어 있으며, 후면 마스크(13) 및 측면 마스크(14)도 이미지 획득 및 프론트엔드 처리가 수행되는 방식을 직관적으로 제안하기 위해 도시되어 있다. 그러나, 후면 마스크(13) 및 측면 마스크(14) 자체는 프론트엔드 후면 이미지(FIMG_B) 및 프론트엔드 측면 이미지(FIMG_S)의 일부일 필요는 없다.

도 8에 도시 된 바와 같이, 서버(3)는 프론트엔드 후면 이미지(FIMG_B) 및 프론트엔드 측면 이미지(FIMG_S)를 수신하는 통신 모듈(20) 및 포함하는 백엔드 프로세싱을 위한 구성 요소로서 키 포인트 검출기(21), 투영 측정 추출기(22) 및 3D 측정 예측기(23)를 포함한다.

키 포인트 검출기(21)는 윤곽선 두께에 기초하여 키 포인트를 식별하도록 구성된다. 프론트엔드 이미지는 노이즈, 즉 신체 윤곽에 대응하지 않는 포인트를 포함할 수 있기 때문이다. 보다 정확하게는 수평 라인(예: 왼쪽에서 오른쪽으로)에 의한 스캔이 먼저 프론트엔드 후면 이미지(FIMG_B)에서 수행되고 동일한 두께의 후속 선의 쌍(pairs of subsequent lines)이 각 신체 부분의 왼쪽 및 오른쪽 경계(borders)로 간주된다. 예를 들어, 수평 스캔에서 동일한 두께의 세 쌍의 후속 선이 표시되면 세 개의 신체 부분이 식별된다. 첫 번째 쌍의 경우 왼쪽 팔의 왼쪽 및 오른쪽 경계, 두 번째 쌍의 경우 몸통의 왼쪽 및 오른쪽 경계, 그리고 세 번째 쌍의 오른쪽 팔의 왼쪽 및 오른쪽 경계일 수 있다.

프론트엔드 후면 이미지(FIMG_B)의 스캔에 의해, 키 포인트 검출기(21)는 머리 끝, 발 뒤꿈치, 겨드랑이 및 가랑이를 식별할 수 있다. 그 후, 머리 끝과 발 뒤꿈치는 프론트엔드 측면 이미지(FIMG_S)의 두 번째 스캔에 의해 식별된다.

투영 측정 추출기(22)는 키 포인트 검출기(21)에 의해 결정된 겨드랑이 및 가랑이 위치에 기초하여 몸통에 속하는 윤곽 포인트를 식별하도록 구성된다(도 5a 및 5b의 30, 31). 이전 처리 단계에 발생될 수 있는 불균일성을 줄이기 위해, 투영 측정 추출기(22)는 다항식 함수(33, 도 10)에 의해 몸통 라인(32, 도 9)을 근사화 한다. 몸통 측면의 특성, 특히 예상되는 최대 및 최소 수를 고려할 때, 4 차 다항식이 적정함과 동시에 피팅에 복잡하지 않을 수 있다. 또한 윤곽에서 누락될 가능성이 있는 부분은 베지어 다항식(Bezier polynomials)과 같은 다항식 함수를 사용하여 투영 측정 추출기(22)에 의해 추정될 수 있다.

그 후, 투영 측정 추출기(22)는 이미지의 평면 또는 그에 수직인 평면상의 주요 신체 치수의 투영을 측정한다. 주요 신체 치수는 예를 들어 목, 가슴, 허리, 엉덩이, 가랑이를 포함할 수 있다. 가슴, 허리 및 엉덩이는 고정되고 수직 좌표(Y 좌표)가 미리 결정된 상태에서 측정될 수 있다. 예를 들면 다음과 같다.

여기서, CA는 가랑이와 겨드랑이 사이를 지칭할 수 있다.

다른 실시예에서, Ychest는 프론트엔드 측면 이미지(FIMG_S)에서 도출된 몸통의 상부 1/3 지점의 가장 넓은 부분에서 촬영된다. Ywaist는 프론트엔드 후면 이미지(FIMG_B)에서 도출된 몸통의 중앙 1/3 지점의 가장 작은 부분에서 촬영된다. Yhips는 프론트엔드 측면 이미지(FIMG_S)에서 도출된 몸통의 하단 1/3 지점의 가장 넓은 부분에서 촬영된다. 디자인의 선호에 따라 다른 측정이 추가될 수 있다.

3D 측정 예측기(23)는 투영 측정 추출기(22)에 의해 제공된 측정치로부터 개시하는 실제 신체 측정을 추정하거나 예측하도록 구성된다. 이를 위해, 3D 측정 예측기(23)는 선형 모델 또는 확률 모델, 예를 들어 가우스 프로세스 모델(Gaussian Process model)과 같은 단순화된 모델을 중 어느 하나를 사용할 수 있다. 선형 모델은 오류 측면에서 산업 표준에 따라 더 간단하고 광범위하게 만족스러운 결과를 산출하지만, 확률적 모델을 사용하면 불확실성을 측정하여 각 측정에 대한 예측을 보완할 수 있다. 불확실성을 사용하여 추정 오류를 예측하고 적절한 수정 조치를 요구함으로써 사용자에게 큰 차이로 인한 영향을 받는 잘못된 결과와 예측을 제공하지 않도록 할 수 있다.

가우스 프로세스(Gaussian Processes)는 노이즈를 효과적으로 처리할 수 있으며, 이는 특별한 훈련 없이 사용자가 현장에서 촬영한 이미지에서 데이터를 수집할 수 있도록 하기 위해 중요하다.

일반적으로 가우스 프로세스는 다음과 같이 표시될 수 있다.　

여기서,

는 예상값이고,

는　공분산 함수를 나타낸다.

가우스 프로세스에 의해 모델링 된 함수는 투영 측정 추출기(22)에 의해 제공되는 평면 투영의 길이에서 시작하여 3D 신체 측정을 예측하는 함수를 지칭한다. 공분산 함수를 사용하면 비선형 매핑을 얻고 허용되는 비선형성의 특정 형태의 유연성을 얻을 수 있다. 수학적 특성으로 인해 공분산 함수를 함께 결합하여 원하는 특성을 보여주는 새로운 함수를 얻을 수 있다. 일 실시예에서, 3 개의 서로 다른 공분산 함수의 합:

-다른 변수에 대해 0이 아닌 평균을 모델링하는 데 사용되는 상수 공분산 함수

-　선형 공분산 함수　

여기서　x와 x'는 두 개의 일반 점을 나타내고　인덱스　d는 입력 공간의 D 차원을 인덱싱한다.

-　비선형 매끄러운 매핑을 얻을 수 있는 제곱 지수 공분산 함수

여기서　x와 x'는 두 개의 일반 점을 나타내고　h는　스케일링 팩터로 작동하는　특징적인 길이 스케일이다.

그 출력에서, 3D 측정 예측기(23)는 프레임(frame) 내 인물의 신체의 관련 부분의 실제(3D) 크기의 추정을 포함하는 데이터 세트(DS)를 제공한다.

최종적으로는 첨부된 청구항의 보호 범위를 벗어나지 않고 설명되고 도시된 장치 및 방법에 대한 변경 및 차이가 있을 수 있음은 명백하다.

Claims

인체 측정 데이터 휴대용 획득 장치로서,
이미지 센서(7); 및
프로세싱 유닛(5)을 포함하고
상기 프로세싱 유닛은,
상기 이미지 센서(7)로부터 인물의 제1 이미지(IMG_B, IMG_S)를 수신하도록 구성된 획득 모듈(8);
에지 검출 절차를 적용하여 상기 제1 이미지(IMG_B, IMG_S) 각각으로부터 제2 이미지(FIMG_B, FIMG_S)를 제공하도록 구성된 이미지 프로세서(10); 및
상기 제2 이미지(FIMG_B, FIMG_S)를 전송하도록 구성된 통신 모듈(11);
을 포함하는, 인체 측정 데이터 휴대용 획득 장치.
제1항에 있어서,
라이브 뷰 모드에서 작동 가능한 디스플레이(6)를 포함하고,
상기 이미지 센서(7)의 출력 신호가 상기 디스플레이(6)에 연속적(continuously)으로 표시되고,
상기 획득 모듈(8)은 상기 인물이 허용 가능한 자세(acceptable postures) 범위에서 자세를 취하도록 유도하기 위해, 상기 디스플레이(7)의 라이브 뷰 이미지에 시각 정보를 중첩(superimpose)하도록 더 구성되는,
인체 측정 데이터 휴대용 획득 장치.
제2항에 있어서,
상기 시각 정보는 제1 마스크(13) 및 제2 마스크(14)를 포함하고,
상기 허용 가능한 자세의 범위는 상기 제1 마스크(13)에 맞는 상기 인물의 제1 자세 및 상기 제2 마스크(14)에 맞는 상기 인물의 제2 자세를 포함하고,
상기 제1 마스크(13)는 상기 인물이 다리를 벌리고 팔을 몸통에서 떨어뜨려 놓은 상태에서 서있는 자세를 취하도록 요구하고,
상기 제2 마스크(14)는 상기 인물이 몸통을 따라 팔을 놓은 상태에서 서있는 자세를 취하도록 요구하는,
인체 측정 데이터 휴대용 획득 장치.
제3항에 있어서,
상기 이미지 프로세서(10)는 상기 제1 마스크(13) 및 상기 제2 마스크(14) 중 어느 하나의 외부의 위치에 대응하는 상기 제1 이미지(IMG_B, IMG_S)의 일부를 삭제(clear)하도록 구성되는,
인체 측정 데이터 휴대용 획득 장치.
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 이미지 프로세서(10)는 제1 윤곽 추출을 수행하도록 구성된 제1 에지 검출기(edge detector)(16); 및
제2 윤곽 추출(contour extraction)을 수행하도록 구성된 제2 에지 검출기(17)를 포함하며,
상기 제1 이미지(IMG_B, IMG_S)는 상기 제1 에지 검출기(16) 및 상기 제2 에지 검출기(17)에 병렬로 공급되는,
인체 측정 데이터 휴대용 획득 장치.
제5항에 있어서,
상기 이미지 프로세서(10)는 상기 제1 에지 검출기(16)에 의해 수행되는 상기 제1 윤곽 추출의 결과와 상기 제2 에지 검출기(17)에 의해 수행된 상기 제2 윤곽 추출의 결과를 결합하도록 구성되는 윤곽 재구성 모듈(contour reconstruction module)(18)을 포함하는,
인체 측정 데이터 휴대용 획득 장치.
제5항 또는 제6항에 있어서,
상기 제1 에지 검출기(16)는 캐니 에지 검출기(Canny edge detector)인,
인체 측정 데이터 휴대용 획득 장치.
제5항 내지 제7항 중 어느 한 항에 있어서,
상기 제2 에지 검출기(17)는 구조화된 에지 검출기(structured edge detector)인,
인체 측정 데이터 휴대용 획득 장치.
제5항 내지 제8항 중 어느 한 항에 있어서,
상기 윤곽 재구성 모듈(18)은 상기 제1 에지 검출기(16)의 제1 출력(I₁, I₂')과 상기 제2 에지 검출기(17)의 제2 출력(I₂, I₂')을 덧셈, 임계값 및 이진화에 의해 결합하도록 구성되는,
인체 측정 데이터 휴대용 획득 장치.
제9항에 있어서,
상기 윤곽 재구성 모듈(18)은 상기 제1 출력(I₁, I₁') 및 상기 제2 출력(I₂, I₂')의 밝기 값의 합을 임계값(t)과 비교하고,
상기 제1 출력(I₁, I₁')과 상기 제2 출력(I₂, I₂')의 합이 상기 임계값(t)을 초과하는 경우, 제1 논리값(L₁)을 할당하여 상기 제2 이미지(FIMG_B, FIMG_S)를 정의하고,
그렇지 않은 경우, 제2 논리값(L₂)을 할당하여 상기 제2 이미지(FIMG_B, FIMG_S)를 정의(define)하도록 구성되는,
인체 측정 데이터 휴대용 획득 장치.
제5항 내지 제8항 중 어느 한 항에 있어서,
상기 윤곽 재구성 모듈(18)은 에너지 함수(E(l))를 최소화하는 라벨(l)을 상기 제1 이미지(IMG_B, IMG_S)의 각 위치에 할당하도록 구성되고,
상기 에너지 함수는 제1 구성 요소 E_UNARY(l)와 제2 구성요소 E_PAIRWISE(l)를 갖고, 하기 수학식과 같이 정의되며,

여기서,

w₁ 및 w₂는 가중치 파라미터이며,

여기서,

w_p는 가중치 파라미터인,
인체 측정 데이터 휴대용 획득 장치.
인체 측정 데이터 획득 시스템으로서,
서버(3); 및
상기 서버(3)와 통신하도록 연결된 제1항 내지 제11항 중 어느 한 항에 따른 적어도 하나의 인체 측정 데이터 휴대용 획득 장치(2)를 포함하는,
인체 측정 데이터 획득 시스템.
제12항에 있어서,
상기 서버(3)는,
상기 인체 측정 데이터 휴대용 획득 장치(2)로부터 상기 제2 이미지(FIMG_B, FIMG_S)를 수신하도록 구성된 통신 모듈(20); 및
상기 제2 이미지(FIMG_B, FIMG_S)의 키 포인트와 그 각각의 위치를 등고선 두께를 기준으로 식별하도록 구성된 키 포인트 검출기(21)를 포함하도록 구성되며,
상기 키 포인트는 머리 끝, 발 뒤꿈치, 겨드랑이, 가랑이를 포함하는,
인체 측정 데이터 획득 시스템.
제13항에 있어서,
상기 서버(3)는,
상기 키 포인트 검출기(21)에 의해 결정되는 겨드랑이 및 가랑이 위치에 기초하여 몸통에 속하는 신체 윤곽 포인트를 식별하도록 구성된 투영 측정 추출기(22)를 포함하는,
인체 측정 데이터 획득 시스템.
제14항에 있어서,
상기 투영 측정 추출기(22)는 다항식 함수에 의해 대략적인 몸통 라인을 도출하도록 구성되는,
인체 측정 데이터 획득 시스템.
제14항 또는 제15항에 있어서,
상기 투영 측정 추출기(22)는 이미지 평면 또는 그에 수직인 평면상에서 선택된 신체 치수의 투영을 측정하도록 더 구성되는,
인체 측정 데이터 획득 시스템.
제14항 또는 제15항에 있어서,
상기 투영 측정 추출기(22)는,
고정되고 미리 결정된 수직 좌표에서 가슴, 허리 및 엉덩이의 측정하거나,
몸통의 상부 1/3의 가장 넓은 부분의 가슴 치수, 몸통의 중앙 1/3의 가장 작은 부분의 허리 치수, 몸통의 하단 1/3의 가장 넓은 부분의 엉덩이 치수를 측정하도록 더 구성되는,
인체 측정 데이터 획득 시스템.
제13항 내지 제17항 중 어느 한 항에 있어서,
상기 서버(3)는 선형 모델 또는 확률 모델을 사용하여, 상기 투영 측정 추출기(22)에 의해 제공되는 측정으로부터 실제 신체 측정의 추정 또는 예측을 제공하도록 구성된 3D 측정 예측기(23)를 포함하는,
인체 측정 데이터 획득 시스템.
인체 측정 데이터 수집 방법으로서,
이미지 센서(7), 이미지 프로세서(10) 및 라이브 뷰 모드에서 작동 가능한 디스플레이(6)가 장착된 휴대용 장치(2)를 사용하여 인물의 제1 이미지(IMG_B, IMG_S)를 캡처하는 단계;
상기 휴대용 장치(2)에서 상기 제1 이미지(IMG_B, IMG_S)에 대한 국부적으로 제1 처리하여 상기 제1 이미지(IMG_B, IMG_S) 각각으로부터 제2 이미지(FIMG_B, FIMG_S)를 제공하는 단계; 및
상기 제2 이미지(FIMG_B, FIMG_S)를 원격 서버(3)로 전송하는 단계를 포함하고,
상기 제1 이미지(IMG_B, IMG_S)에 대한 제1 처리는 에지 검출 절차를 적용하는 단계를 포함하는,
인체 측정 데이터 수집 방법.
제19항에 있어서,
상기 제1 이미지(IMG_B, IMG_S)를 캡처하는 단계는, 시각 정보를 디스플레이(7)의 라이브 뷰 이미지에 중첩(superimposing)함으로써 허용 가능한 자세 범위의 자세를 취하도록 상기 인물을 유도하는 단계를 포함하는,
인체 측정 데이터 수집 방법.
제20항에 있어서,
상기 시각 정보는 제1 마스크(13) 및 제2 마스크(14)를 포함하고,
상기 허용되는 자세의 범위는 상기 제1 마스크(13)에 맞는 상기 인물의 제1 자세 및 상기 제2 마스크에 맞는 상기 인물의 제2 자세를 포함하고,
상기 제1 마스크(13)는 상기 인물이 다리를 벌리고 팔을 몸통에서 떨어뜨려 놓은 상태에서 서있는 자세를 취하도록 요구하고,
상기 제2 마스크(14)는 상기 인물이 몸통을 따라 팔을 놓은 상태에서 서있는 자세를 취하도록 요구하는,
인체 측정 데이터 수집 방법.
제21항에 있어서,
상기 제1 마스크(13) 및 상기 제2 마스크(14) 중 하나의 외부에 위치에 있는 상기 제1 이미지(IMG_B, IMG_S)의 일부를 삭제하는 단계를 포함하는,
인체 측정 데이터 수집 방법.
제19항 내지 제21항 중 어느 한 항에 있어서,
상기 제1 처리는 제1 에지 검출기(16)에 의해 상기 제1 이미지(IMG_B, IMG_S)로부터 제1 윤곽 추출을 수행하고, 제2 에지 검출기(17)에 의해 상기 제1 이미지(IMG_B, IMG_S)로부터 제2 윤곽 추출을 수행하는 단계를 포함하는,
인체 측정 데이터 수집 방법.
제23항에 있어서,
상기 제1 처리는 상기 제1 에지 검출기(16)에 의해 수행된 상기 제1 윤곽 추출 및 상기 제2 에지 검출기(17)에 의해 수행된 상기 제2 윤곽 추출의 결과를 결합하는 단계를 포함하는,
인체 측정 데이터 수집 방법.
제24항에 있어서,
상기 결과를 결합하는 단계는, 덧셈, 임계값 및 이진화에 의해 상기 제1 에지 검출기(16)의 제1 출력(I₁, I₁')과 상기 제2 에지 검출기(17)의 제2 출력(I₂, I₂')을 결합하는 단계를 포함하는,
인체 측정 데이터 수집 방법.
제24항에 있어서,
상기 결과를 결합하는 단계는,
상기 제1 출력(I₁, I₁') 및 상기 제2 출력(I₂, I₂')의 밝기값의 합을　임계값(t)과 비교하는 단계;　및
상기 제1 출력(I₁, I₁')과 상기 제2 출력(I₂, I₂')의 합이 상기 임계값(t)을 초과하는　경우,　제1 논리값(L₁)　할당하여 상기 제2 이미지(FIMG_B, FIMG_S)를 정의하고,　
그렇지 않은 경우,　제2 논리값(L₂)을 할당하여 상기 제2 이미지(FIMG_B, FIMG_S)를 정의하는 단계를 포함하는,
인체 측정 데이터 수집 방법.
제19항 내지 제26항 중 어느 한 항에 있어서,
상기 원격 서버(3)에서　상기 제2 이미지(FIMG_B, FIMG_S)를　원격으로 제2 처리하는 단계를 포함하는,
인체 측정 데이터 수집 방법.