KR20220106254A - System and method for measuring of pet obesity - Google Patents

System and method for measuring of pet obesity Download PDF

Info

Publication number
KR20220106254A
KR20220106254A KR1020210008598A KR20210008598A KR20220106254A KR 20220106254 A KR20220106254 A KR 20220106254A KR 1020210008598 A KR1020210008598 A KR 1020210008598A KR 20210008598 A KR20210008598 A KR 20210008598A KR 20220106254 A KR20220106254 A KR 20220106254A
Authority
KR
South Korea
Prior art keywords
image
companion animal
obesity
joint points
body fat
Prior art date
Application number
KR1020210008598A
Other languages
Korean (ko)
Other versions
KR102461875B1 (en
Inventor
이재환
이동구
김태정
Original Assignee
주식회사 아더하프
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 아더하프 filed Critical 주식회사 아더하프
Priority to KR1020210008598A priority Critical patent/KR102461875B1/en
Publication of KR20220106254A publication Critical patent/KR20220106254A/en
Application granted granted Critical
Publication of KR102461875B1 publication Critical patent/KR102461875B1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; CARE OF BIRDS, FISHES, INSECTS; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/40—Animals

Abstract

The present invention relates to a system and method for measuring pet obesity. According to one embodiment of the present invention, the method for measuring pet obesity includes: a step that image information including a color image and depth data of a pet is acquired through a mobile device; a step of extracting joint points from the image information; a step of connecting the extracted joint points to form a frame; a step of generating a 3D image based on the formed frame; a step of calculating a body fat rate of the pet from the 3D image; and a step of providing the calculated body fat rate.

Description

반려동물 비만도 측정 시스템 및 방법{SYSTEM AND METHOD FOR MEASURING OF PET OBESITY}Companion animal obesity measurement system and method {SYSTEM AND METHOD FOR MEASURING OF PET OBESITY}

본 발명은 반려동물의 비만도를 측정하는 시스템 및 방법에 관한 것이다. 보다 구체적으로 모바일 장치를 이용하여 촬영한 사진으로 반려동물의 비만도를 용이하게 측정할 수 있는 시스템 및 방법에 관한 것이다.The present invention relates to a system and method for measuring the degree of obesity in companion animals. More specifically, it relates to a system and method for easily measuring the degree of obesity of a companion animal with a picture taken using a mobile device.

많은 가정에서 반려동물들을 키우고 있으나 반려동물의 성장 단계나 체격에 따라 얼마의 사료를 급여해야 할지 정확히 판단하기 어렵다.Many families have companion animals, but it is difficult to determine exactly how much food to feed depending on the growth stage or physique of the companion animal.

이에 적정량보다 많은 사료를 줌으로써 반려동물이 비만이 되는 경우가 많아 이를 방지하기 위해 반려동물의 체지방 및 적정 급여 칼로리를 산출해주는 시스템이 개발되기도 하였다(일본 공개특허 제2009-072157호).Accordingly, companion animals often become obese by giving more feed than the appropriate amount, and in order to prevent this, a system for calculating the body fat of companion animals and calories fed appropriately has been developed (Japanese Patent Application Laid-Open No. 2009-072157).

하지만 이러한 시스템을 이용하기 위해서는 반려동물의 신체충실지수(BCS: Body Condition Scoring)를 입력해야 한다.However, in order to use such a system, the companion animal's Body Condition Scoring (BCS) must be entered.

BCS는 미국 동물병원협회가 반려동물의 영양 상태를 평가하기 위한 방법으로 인정하고 있는 반려동물의 비만도 측정 방식으로서 1~9점을 척도로 5점을 이상적인 체중의 기준으로 하여 1점에 가까울수록 야윈 상태, 9점에 가까울수록 비만을 나타낸다.BCS is a method for measuring the degree of obesity of companion animals recognized by the American Animal Hospital Association as a method for evaluating the nutritional status of companion animals. Status, the closer to 9, the more obese.

BCS를 측정하는 방법은 눈으로 보는 방법과 손으로 만지는 방법 두 가지로 평가하며, 실제 정량적인 데이터를 기반으로 하는 방식이 아닌 수의사의 지식과 경험에 의한 측정 방법으로 객관적이지 않으며, 비만 여부를 평가받기 위해 전문가를 방문해야 하는 문제점이 있다.The method of measuring BCS is evaluated in two ways: by looking at it and by touching it with the hand. It is a measurement method based on the knowledge and experience of a veterinarian rather than a method based on actual quantitative data. The problem is that you have to visit a professional to get it.

본 발명의 목적은 반려동물 비만도 측정 시스템 및 방법을 제공하는 것이다.An object of the present invention is to provide a system and method for measuring the degree of obesity in companion animals.

본 발명의 다른 목적은 모바일 디바이스를 이용하여 획득한 반려동물의 이미지 정보로 반려동물의 비만도를 용이하게 측정할 수 있는 시스템 및 방법을 제공하는 것이다.Another object of the present invention is to provide a system and method for easily measuring the degree of obesity of a companion animal using image information of the companion animal obtained using a mobile device.

본 발명의 또 다른 목적은 반려동물이 정자세를 촬영한 사진이 아니더라도 반려동물의 비만도를 용이하게 측정할 수 있는 시스템 및 방법을 제공하는 것이다.Another object of the present invention is to provide a system and method capable of easily measuring the degree of obesity of a companion animal even if it is not a photograph of the companion animal in a standing posture.

본 발명의 또 다른 목적은 전문가를 방문하지 않더라도 자신이 키우는 반려동물의 비만 정도(체지방률, BCS 등)를 용이하게 확인할 수 있는 시스템 및 방법을 제공하는 것이다.Another object of the present invention is to provide a system and method that can easily check the degree of obesity (% body fat, BCS, etc.) of companion animals raised by them without visiting an expert.

본 발명의 상기 및 기타 목적들은, 본 발명에 따른 반려동물 비만도 측정 시스템 및 방법에 의해 모두 달성될 수 있다.The above and other objects of the present invention can all be achieved by the companion animal obesity measurement system and method according to the present invention.

본 발명에 따른 반려동물 비만도 측정 방법은, 각 단계가 반려동물 비만도 측정 시스템에서 이루어지는 방법으로서, 모바일 디바이스를 통해 반려동물의 컬러영상과 깊이 데이터를 포함하는 이미지 정보가 획득되는 단계; 상기 이미지 정보로부터 관절 포인트를 추출하는 단계; 추출된 관절 포인트를 연결하여 뼈대를 형성하는 단계; 형성된 뼈대를 기반으로 3차원 영상을 생성하는 단계; 상기 3차원 영상으로부터 상기 반려 동물의 체지방률을 계산하는 단계; 및 계산된 체지방률을 제공하는 단계를 포함하는 것을 특징으로 한다.A companion animal obesity measurement method according to the present invention is a method in which each step is performed in a companion animal obesity measurement system, comprising: acquiring image information including a color image and depth data of a companion animal through a mobile device; extracting joint points from the image information; Forming a skeleton by connecting the extracted joint points; generating a 3D image based on the formed skeleton; calculating a body fat percentage of the companion animal from the 3D image; and providing the calculated body fat percentage.

상기 관절 포인트를 추출하는 단계는, 미리 구축된 딥러닝 알고리즘을 이용할 수 있다.The step of extracting the joint point may use a pre-built deep learning algorithm.

상기 관절 포인트를 추출하는 단계는, 관절 포인트로서 등, 허리, 뒷다리, 뒷무릎 및 뒷발을 추출할 수 있다.In the step of extracting the joint points, the back, waist, hind legs, hind knees and hind feet may be extracted as joint points.

상기 3차원 영상으로부터 상기 반려 동물의 체지방률을 계산하는 단계는, 상기 3차원 영상에서 등 포인트를 기준으로 반려 동물의 흉곽둘레(CL)를 측정하는 단계; 상기 3차원 영상에서 허리, 뒷다리, 뒷무릎 및 뒷발로 이어지는 다리길이(LL)를 측정하는 단계; 및 측정된 흉곽둘레(CL) 및 다리길이(LL)를 체지방률 계산식(체지방률=(CL/LL2)*100)에 대입하여 체지방률을 측정하는 단계를 포함할 수 있다.The calculating of the body fat percentage of the companion animal from the 3D image may include: measuring a chest circumference (CL) of the companion animal based on a back point in the 3D image; Measuring the leg length (LL) leading to the waist, hind legs, hind knees and hind feet in the three-dimensional image; and measuring the body fat percentage by substituting the measured chest circumference (CL) and leg length (LL) into a body fat percentage calculation formula (body fat percentage = (CL/LL 2 )*100).

상기 컬러영상으로부터 관절 포인트를 추출하는 단계는, 관절 포인트로서 주둥이, 머리, 목, 가슴, 앞다리, 앞발, 등, 허리, 뒷다리, 뒷무릎, 뒷발, 미근을 추출할 수 있다.In the step of extracting joint points from the color image, snout, head, neck, chest, forelimbs, forelimbs, back, waist, hind legs, hind knees, hind feet, and coccyx may be extracted as joint points.

상기 추출된 관절 포인트를 연결하여 뼈대를 형성하는 단계는, 추출된 관절 포인트를 연결하여 정자세의 뼈대를 형성할 수 있다.In the step of connecting the extracted joint points to form a skeleton, the extracted joint points may be connected to form a skeleton in an upright posture.

상기 형성된 뼈대를 기반으로 3차원 영상을 생성하는 단계는, 3D 포인트 데이터를 생성한 후 와이어 프레임으로 재구성하여 상기 3차원 영상을 생성할 수 있다.The generating of the 3D image based on the formed skeleton may include generating 3D point data and then reconstructing the 3D point data into a wire frame to generate the 3D image.

본 발명에 따른 반려동물 비만도 측정 방법은, 상기 3차원 영상을 이용하여 BCS(Body Condition Scoring)를 결정하는 단계; 및 결정된 BCS를 제공하는 단계를 더 포함할 수 있다.A companion animal obesity measurement method according to the present invention comprises the steps of: determining BCS (Body Condition Scoring) using the three-dimensional image; and providing the determined BCS.

상기 3차원 영상을 이용하여 BCS(Body Condition Scoring)를 결정하는 단계는 3차원 영상을 위에서 내려본 방향에서의 허리선, 허리뼈, 골반뼈 확인 가능 여부, 3차원 영상을 옆에서 본 방향에서의 갈비뼈, 골반뼈 확인 가능 여부를 기준으로 BCS(Body Condition Scoring)를 결정할 수 있다.The step of determining BCS (Body Condition Scoring) using the three-dimensional image is whether it is possible to check the waist line, lumbar bone, and pelvic bone in the direction viewed from the top of the three-dimensional image, and whether the three-dimensional image is viewed from the side. BCS (Body Condition Scoring) can be determined based on whether ribs and pelvic bones can be checked.

본 발명에 따른 컴퓨터 프로그램은 본 발명에 따른 반려동물 비만도 측정 방법의 단계들을 컴퓨터에 실행시키기 위해 컴퓨터로 읽을 수 있는 매체에 저장된 컴퓨터 프로그램일 수 있다.The computer program according to the present invention may be a computer program stored in a computer-readable medium in order to execute the steps of the method for measuring obesity in companion animals according to the present invention.

본 발명에 따른 반려동물 비만도 측정 시스템은, 모바일 디바이스를 통해 획득된 반려동물의 컬러영상과 깊이 데이터를 포함하는 이미지 정보를 수신하고, 상기 반려동물에 대한 비만도 정보를 전송하는 통신모듈; 상기 이미지 정보로부터 관절 포인트를 추출하고 추출된 관절 포인트를 연결하여 뼈대를 형성하며, 형성된 뼈대를 기반으로 3차원 영상을 생성하는 이미지 처리 모듈; 및 상기 3차원 영상으로부터 상기 반려동물의 체지방률을 계산하는 체지방률 측정 모듈을 포함하여 이루어질 수 있다.A companion animal obesity measurement system according to the present invention includes: a communication module for receiving image information including a color image and depth data of a companion animal obtained through a mobile device, and transmitting the obesity degree information on the companion animal; an image processing module for extracting joint points from the image information, connecting the extracted joint points to form a skeleton, and generating a three-dimensional image based on the formed skeleton; and a body fat percentage measurement module for calculating the body fat percentage of the companion animal from the 3D image.

본 발명은 모바일 디바이스를 이용하여 획득한 반려동물의 이미지 정보로 반려동물의 비만도를 용이하게 측정할 수 있는 효과를 제공한다. 또한 반려동물이 정자세를 촬영한 사진이 아니더라도 반려동물의 비만도를 용이하게 측정할 수 있으며, 전문가를 방문하지 않더라도 자신이 키우는 반려동물의 비만 정도(체지방률, BCS 등)를 용이하게 확인할 수 있는 효과를 제공한다.The present invention provides an effect of easily measuring the degree of obesity of a companion animal with image information of the companion animal obtained using a mobile device. In addition, you can easily measure the degree of obesity of your companion animal even if it is not a photograph of the companion animal standing upright. to provide.

제1도는 본 발명에 따른 반려동물 비만도 측정 방법이 수행되는 환경의 전체 시스템 구성도이다.
제2도는 본 발명에 따른 반려동물 비만도 측정 시스템의 구성도이다.
제3도는 본 발명에 따른 반려동물 비만도 측정 방법의 순서도이다.
제4도는 예시적인 컬러영상(A)과 깊이 데이터(B)를 보여주는 도면이다.
제5도는 예시적인 관절 포인트 및 뼈대를 보여주는 도면이다.
제6도는 예시적인 3차원 영상을 보여주는 도면이다.
제7도는 예시적인 3D 포인트 클라우드 영상과 3D 와이어 프레임을 보여주는 도면이다.
제8도는 반려 동물의 흉곽둘레(CL) 및 다리길이(LL)를 측정하는 예시적인 방법을 보여주는 도면이다.
제9도는 예시적인 BCS 결정 기준 이미지를 보여주는 도면이다.1 is an overall system configuration diagram of an environment in which a companion animal obesity measurement method according to the present invention is performed.
2 is a block diagram of a companion animal obesity measurement system according to the present invention.
3 is a flowchart of a method for measuring obesity in companion animals according to the present invention.
4 is a diagram showing an exemplary color image (A) and depth data (B).
5 is a diagram showing an exemplary joint point and skeleton.
6 is a diagram showing an exemplary 3D image.
7 is a diagram showing an exemplary 3D point cloud image and 3D wire frame.
8 is a view showing an exemplary method for measuring the chest circumference (CL) and leg length (LL) of a companion animal.
9 is a diagram illustrating an exemplary BCS determination reference image.

이하, 첨부된 도면들을 참조하여 본 발명에 따른 반려동물 비만도 측정 시스템 및 방법에 대해 상세히 설명하도록 한다.Hereinafter, the companion animal obesity measurement system and method according to the present invention will be described in detail with reference to the accompanying drawings.

하기의 설명에서는 본 발명의 실시예에 따른 반려동물 비만도 측정 시스템 및 방법을 이해하는데 필요한 부분만이 설명되며 그 이외 부분의 설명은 본 발명의 요지를 흩뜨리지 않도록 생략될 수 있다.In the following description, only the parts necessary for understanding the companion animal obesity measurement system and method according to the embodiment of the present invention will be described, and descriptions of other parts may be omitted so as not to obscure the gist of the present invention.

또한, 이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 본 발명을 가장 적절하게 표현할 수 있도록 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 한다.In addition, the terms or words used in the present specification and claims described below should not be construed as being limited to conventional or dictionary meanings, and meanings consistent with the technical spirit of the present invention so that the present invention can be most appropriately expressed. and should be interpreted as a concept.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "…부", "…기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.Throughout the specification, when a part "includes" a certain component, it means that other components may be further included, rather than excluding other components, unless otherwise stated. In addition, terms such as “…unit”, “…group”, and “module” described in the specification mean a unit that processes at least one function or operation, which may be implemented as hardware or software or a combination of hardware and software. have.

여러 실시예에 있어서, 동일한 구성을 가지는 구성요소에 대해서는 동일한 부호를 사용하여 대표적으로 일 실시예에서 설명하고, 그 외의 실시예에서는 일 실시예와 다른 구성에 대해서 설명하기로 한다.In various embodiments, components having the same configuration will be typically described in one embodiment using the same reference numerals, and configurations different from the one embodiment will be described in other embodiments.

도 1에 본 발명의 일 실시예에 따른 반려동물 비만도 측정 시스템 및 방법을 이용하여 반려동물의 비만도 정보를 얻기 위한 전체 구성도가 도시되어 있다.FIG. 1 is an overall configuration diagram for obtaining information on the degree of obesity of a companion animal using the system and method for measuring the degree of obesity in companion animals according to an embodiment of the present invention.

도 1에 도시된 바와 같이 사용자는 스마트폰과 같은 자신의 모바일 디바이스(1)로 반려동물의 사진을 촬영한 후 통신망을 통해 본 발명의 일 실시예에 따른 반려동물 비만도 측정 시스템(100)으로 이미지 정보를 전송하고, 본 발명의 일 실시예에 따른 반려동물 비만도 측정 시스템(100)으로부터 반려동물의 비만도 측정 결과(C)를 수신할 수 있다.As shown in FIG. 1 , a user takes a picture of a companion animal with his/her mobile device 1 such as a smartphone, and then sends an image to the companion animal obesity measurement system 100 according to an embodiment of the present invention through a communication network. The information may be transmitted, and the result (C) of the companion animal's obesity measurement may be received from the companion animal obesity measurement system 100 according to an embodiment of the present invention.

이때 사용자의 모바일 디바이스로부터 본 발명의 일 실시예에 따른 반려 동물 비만도 측정 시스템(100)으로 제공되는 이미지 정보는 반려동물을 촬영한 컬러 영상(A)과 깊이 데이터(B)를 포함할 수 있다.At this time, the image information provided from the user's mobile device to the companion animal obesity measurement system 100 according to an embodiment of the present invention may include a color image (A) of the companion animal and depth data (B).

컬러 영상(A)은 사용자 모바일 디바이스에 부착된 광원 혹은 망원 센서를 사용하여 획득될 수 있고, 깊이 데이터(B)는 사용자 모바일 디바이스에 부착된 센서인 Lidar, Rider, Tof(Time-of-flight)를 통해 획득될 수 있으며, 일반적인 스마트폰에는 이러한 센서들이 구비되어 있으므로 스마트폰을 사용하는 사용자는 자신의 스마트폰으로 손쉽게 본 발명의 일 실시예에 따른 반려 동물 비만도 측정 시스템(100)을 이용할 수 있다. 단, 사용자는 자신의 스마트폰에 본 발명의 일 실시예에 따른 반려 동물 비만도 측정 시스템(100)을 이용하기 위한 전용 어플리케이션을 설치해야할 수도 있다.The color image (A) may be obtained using a light source or a telephoto sensor attached to the user's mobile device, and the depth data (B) is a Lidar, Rider, Tof (Time-of-flight) sensor attached to the user's mobile device. can be obtained through, and since a general smart phone is equipped with such sensors, a user using a smart phone can easily use the companion animal obesity measurement system 100 according to an embodiment of the present invention with his/her smart phone. . However, the user may need to install a dedicated application for using the companion animal obesity measurement system 100 according to an embodiment of the present invention in his/her smartphone.

도 1에 도시된 바와 같이 본 발명의 일 실시예에 따른 반려 동물 비만도 측정 시스템(100)은 사용자의 모바일 디바이스(1)로부터 반려동물에 대한 이미지 정보를 획득한 다음 반려동물의 비만도를 측정하고 그 측정 결과(C)를 통신망을 통해 다시 사용자의 모바일 디바이스(1)로 제공할 수 있다. 이때 제공되는 측정 결과(C)는 반려 동물의 체지방률 및/또는 반려동물의 신체충실지수(BCS: Body Condition Scoring)일 수 있다.As shown in FIG. 1 , the companion animal obesity measurement system 100 according to an embodiment of the present invention obtains image information about the companion animal from the user's mobile device 1 , and then measures the obesity degree of the companion animal and the The measurement result C may be provided back to the user's mobile device 1 through the communication network. In this case, the measurement result (C) provided may be a body fat percentage of the companion animal and/or a body condition scoring (BCS) of the companion animal.

이를 위해 본 발명의 일 실시예에 따른 반려 동물 비만도 측정 시스템(100)은 도 2에 도시된 바와 같이 구성될 수 있다.To this end, the companion animal obesity measurement system 100 according to an embodiment of the present invention may be configured as shown in FIG. 2 .

본 발명의 일 실시예에 따른 반려 동물 비만도 측정 시스템(100)의 시스템 구성도를 도시하고 있는 도 2를 참조하면, 본 발명의 일 실시예에 따른 반려 동물 비만도 측정 시스템(100)은 통신모듈(10), 이미지 처리모듈(20), 체지방률 측정 모듈(30) 및 BCS 결정 모듈(40)을 포함하여 이루어질 수 있다.Referring to FIG. 2 showing a system configuration diagram of a companion animal obesity measurement system 100 according to an embodiment of the present invention, the companion animal obesity measurement system 100 according to an embodiment of the present invention includes a communication module ( 10), an image processing module 20, a body fat percentage measurement module 30, and a BCS determination module 40 may be included.

통신모듈(10)은 통신망을 통해 사용자의 모바일 디바이스(1)로부터 이미지 정보를 수신하고, 후술할 체지방률 측정 모듈(30) 및 BCS 결정 모듈(40)에 의한 반려동물 비만도 측정 결과를 다시 사용자 모바일 디바이스로 제공할 수 있는 모듈이다.The communication module 10 receives image information from the user's mobile device 1 through a communication network, and returns the companion animal obesity measurement result by the body fat percentage measurement module 30 and the BCS determination module 40, which will be described later, back to the user mobile device. It is a module that can be provided as

이미지 처리모듈(20)은 통신모듈(10)을 통해 획득된 이미지 정보를 이용하여 반려동물의 3D 이미지를 구성하는 모듈이다. The image processing module 20 is a module for constructing a 3D image of a companion animal by using image information obtained through the communication module 10 .

체지방률 측정 모듈(30)은 이미지 처리모듈에 의해 구성된 반려동물의 3D 이미지를 이용하여 반려동물의 체지방률을 측정하는 모듈이다.The body fat percentage measurement module 30 is a module for measuring the body fat percentage of the companion animal by using the 3D image of the companion animal configured by the image processing module.

BCS 결정 모듈(40)은 이미지 처리모듈에 의해 구성된 반려동물의 3D 이미지를 이용하여 반려동물의 BCS를 결정하는 모듈이다.The BCS determination module 40 is a module that determines the BCS of the companion animal using the 3D image of the companion animal configured by the image processing module.

이미지 처리모듈에 의한 3D 이미지 구성 방법, 제치방률 측정 모듈에 의한 체지방률 측정 방법, BCS 결정 모듈에 의한 BCS 결정 방법은 본 발명의 일 실시예에 따른 반려동물 비만도 측정 방법의 설명에서 자세히 후술하기로 한다.The 3D image construction method by the image processing module, the body fat percentage measurement method by the body fat percentage measurement module, and the BCS determination method by the BCS determination module will be described in detail later in the description of the companion animal obesity measurement method according to an embodiment of the present invention. .

도 3에 본 발명의 일 실시예에 따른 반려동물 비만도 측정 방법의 순서도가 도시되어 있다.3 is a flowchart of a method for measuring obesity in companion animals according to an embodiment of the present invention.

도 3에 도시된 바와 같이 본 발명의 일 실시예에 따른 반려동물 비만도 측정 방법은, 이미지 정보 획득 단계(S10), 관절 포인트 추출 단계(S20), 뼈대 형성 단계(S30), 3D 이미지 생성 단계(S40), 체지방률 계산 단계(S50), BCS 결정 단계(S60), 및 비만도 정보 제공 단계(S70)를 포함하여 이루어질 수 있다.As shown in FIG. 3 , the method for measuring obesity in companion animals according to an embodiment of the present invention includes an image information acquisition step (S10), a joint point extraction step (S20), a skeleton formation step (S30), and a 3D image generation step ( S40), a body fat percentage calculation step (S50), a BCS determination step (S60), and a obesity degree information provision step (S70) may be included.

이미지 정보 획득 단계(S10)는 사용자의 모바일 디바이스를 통해 반려동물의 이미지 정보가 획득되는 단계이다. 이때 이미지 정보는 예를 들어 도 4에 도시된 바와 같은 사용자의 모바일 디바이스에서 촬영된 컬러영상(A)과 깊이 데이터(B)를 포함할 수 있다. 또한 이미지 정보는 후술할 관절 포인트의 추출을 위해 적어도 반려동물의 앞발과 뒷발이 보이는 각도에서 촬영된 이미지 정보인 것이 바람직하다.The image information acquisition step S10 is a step in which the image information of the companion animal is acquired through the user's mobile device. In this case, the image information may include, for example, a color image (A) and depth data (B) captured by the user's mobile device as shown in FIG. 4 . In addition, it is preferable that the image information is image information photographed from at least an angle at which the front and rear feet of the companion animal are visible in order to extract joint points, which will be described later.

다음으로, 관절 포인트 추출 단계(S20)는 이미지 정보 획득 단계에서 획득된 컬러영상(A)으로부터 반려동물의 각 관절 포인트를 추출하는 단계이다.Next, the joint point extraction step ( S20 ) is a step of extracting each joint point of the companion animal from the color image (A) obtained in the image information acquisition step.

이때 추출될 수 있는 관절 포인트는 주둥이(P1), 머리(P2), 목(P3), 가슴(P4), 앞다리(P5), 앞발(P6), 등(P7), 허리(P8), 뒷다리(P9), 뒷무릎(P10), 뒷발(P11), 미근(P12) 등일 수 있다. At this time, the joint points that can be extracted are the snout (P1), head (P2), neck (P3), chest (P4), forelimbs (P5), forelimbs (P6), back (P7), waist (P8), hind legs ( P9), hind knee (P10), hind foot (P11), coccyx (P12), and the like.

특히 후술할 체지방률 계산을 위해 관절 포인트로서 등(P7), 허리(P8), 뒷다리(P9), 뒷무릎(P10) 및 뒷발(P11)을 추출하는 것이 바람직하다.In particular, it is preferable to extract the back (P7), waist (P8), hind leg (P9), hind knee (P10) and hind foot (P11) as joint points for calculating body fat percentage, which will be described later.

또한 관절 포인트 중 앞다리, 앞발, 허리, 뒷다리, 뒷무릎, 뒷발은 입력된 이미지 정보가 반려동물의 한쪽 측면만 보여주는 경우라도 반려동물의 자세와 대칭 관계를 고려하여 각각 2개의 포인트를 추출할 수도 있다.Also, among the joint points, two points can be extracted for each of the front legs, forelimbs, waist, hind legs, hind knees, and hind feet in consideration of the companion animal's posture and symmetry, even when the input image information shows only one side of the companion animal.

이러한 관절 포인트는 미리 결정된 기준에 따라 학습된 딥러닝 알고리즘에 의해 추출될 수 있다.These joint points may be extracted by a deep learning algorithm learned according to a predetermined criterion.

예를 들어, 주둥이(P1)는 머리로부터 가장 앞으로 돌출된 지점으로 추출한다.For example, the snout (P1) is extracted as the most protruding point from the head.

머리(P2)는 머리로 인식된 영역의 중심 지점으로 추출한다.The head P2 is extracted as the center point of the area recognized as the head.

목(P3)은 머리로부터 연장된 목 부분과 몸통의 연결 지점으로 추출한다.The neck (P3) is extracted as a connection point between the neck and the body extending from the head.

가슴(P4)은 양쪽 앞다리의 중심 지점 또는 측면에서 가장 앞으로 돌출된 지점으로 추출한다.The chest (P4) is extracted from the center point of both forelimbs or the most protruding point from the side.

앞다리(P5)는 앞다리와 몸통의 연결 지점으로 추출한다.The forelimb (P5) is extracted as a connection point between the forelimb and the body.

앞발(P6)은 지면과 맞닿는 앞다리의 끝 지점으로 추출한다.The forelimb (P6) is extracted as the end point of the forelimb in contact with the ground.

등(P7)은 몸통의 가장 두꺼운 부분 중 가장 높은 지점으로 추출한다.The back (P7) is extracted as the highest point among the thickest parts of the body.

허리(P8)는 몸통의 가장 가는 부분으로서 등과 뒷다리의 연결선 상의 지점으로 추출한다.The waist (P8) is the thinnest part of the body and is extracted as a point on the connecting line of the back and hind legs.

뒷다리(P9)는 뒷다리와 몸통의 연결 지점으로 추출한다.The hind leg (P9) is extracted as the connection point between the hind leg and the body.

뒷무릎(P10)은 뒷다리 중 각도가 꺾이는 지점으로 추출한다.The hind knee (P10) is extracted as the point where the angle is bent among the hind legs.

뒷발(P11)은 지면과 맞닿는 앞다리의 끝 지점으로 추출한다.The hind foot (P11) is extracted to the end point of the forelimb in contact with the ground.

미근(P12)은 몸통과 맞닿는 꼬리의 시작 지점으로 추출한다.The coccyx (P12) is extracted as the starting point of the tail, which is in contact with the body.

딥러닝 알고리즘은 위와 같이 미리 결정된 기준에 따라 사람이 직접 반려동물의 영상에서 관절 포인트를 추출하여 학습용 데이터를 만든 다음, 딥러닝 알고리즘으로 입력된 반려동물의 이미지 정보에서 관절 포인트를 추출하고, 학습용 데이터와 매칭하면서 에러를 줄여 가는 방법으로 학습을 진행하고 완성하며, 본 발명의 일 실시예에 따른 반려동물 비만도 측정 시스템 및 방법은 완성된 딥러닝 알고리즘을 이용하여 입력된 이미지 정보로부터 관절 포인트를 추출한다.The deep learning algorithm creates data for learning by directly extracting joint points from images of companion animals according to the predetermined criteria as above, and then extracts joint points from image information of companion animals inputted by the deep learning algorithm, and data for learning Learning is progressed and completed in a method of reducing errors while matching with, and the companion animal obesity measurement system and method according to an embodiment of the present invention uses the completed deep learning algorithm to extract joint points from input image information .

다음으로, 뼈대 형성 단계(S30)는 반려동물의 뼈대를 형성하는 단계로서 도 5에 도시된 바와 같이 관절 포인트 추출 단계에서 추출된 관절포인트들을 연결하여 하나의 뼈대를 형성한다.Next, the skeleton forming step ( S30 ) is a step of forming the skeleton of the companion animal, and as shown in FIG. 5 , a single skeleton is formed by connecting the joint points extracted in the joint point extraction step.

다음으로, 3D 이미지 생성 단계(S40)는 뼈대 형성 단계에서 형성된 뼈대를 기반으로 컬러 영상과 깊이 데이터를 매칭하여 3차원 영상을 생성하는 단계이다(도 6 참조).Next, the 3D image generating step ( S40 ) is a step of generating a 3D image by matching the color image and the depth data based on the skeleton formed in the skeleton forming step (see FIG. 6 ).

보다 구체적으로 뼈대를 기반으로 컬러 영상과 깊이 데이터를 매칭하여 도 7의 왼쪽 도면에 도시된 바와 같은 3D 포인트 클라우드 영상을 형성한 다음, 3D 포인트들을 연결하여 도 7의 오른쪽 도면에 도시된 바와 같은 3D 와이어 프레임으로 3차원 영상을 완성할 수 있다.More specifically, a 3D point cloud image as shown in the left figure of FIG. 7 is formed by matching the color image and the depth data based on the skeleton, and then the 3D points are connected by connecting the 3D points as shown in the right figure of FIG. A 3D image can be completed with a wire frame.

본 발명의 일 실시예에 따른 반려동물 비만도 측정 시스템 및 방법은 이와 같이 반려동물의 외부 형태뿐만 아니라 형태에 대한 깊이 값을 추가함으로써 비만도 측정에 있어서 정확도를 향상시킬 수 있다.The system and method for measuring the degree of obesity in companion animals according to an embodiment of the present invention can improve the accuracy in measuring obesity by adding depth values for not only the external shape of the companion animal, but also the shape.

특히 뼈대를 기반으로 3차원 영상을 생성함으로써 정자세(정면을 바라보고 바르게 서 있는 자세)로 반려동물의 영상이 촬영되지 않은 경우에도 뼈대를 대칭되는 정자세로 만들고 3차원 영상을 생성할 수 있어 후술할 체지방률 계산 단계 및 BCS 결정 단계에서 보다 정확한 계산 및 결정을 가능하게 한다.In particular, by creating a three-dimensional image based on the skeleton, even when the image of the companion animal is not taken in an upright posture (a posture facing the front and standing upright), the skeleton can be made in a symmetrical upright posture and a three-dimensional image can be generated, which will be described later. It enables more accurate calculation and determination in the body fat percentage calculation step and the BCS determination step.

다음으로, 체지방률 계산 단계(S50)는 3D 이미지 생성 단계에서 생성된 3차원 영상으로부터 반려동물의 체지방률을 계산하는 단계이다.Next, the body fat percentage calculation step ( S50 ) is a step of calculating the body fat percentage of the companion animal from the 3D image generated in the 3D image generation step.

구체적으로, 도 8에 도시된 바와 같이 3차원 영상에서 등(P7) 포인트를 기준으로 반려 동물의 흉곽둘레(CL)를 측정하고 허리, 허벅지, 뒷무릎 및 뒷발바닥으로 이어지는 다리길이(LL)를 측정한다.Specifically, as shown in FIG. 8, the chest circumference (CL) of the companion animal is measured based on the back (P7) point in the three-dimensional image, and the leg length (LL) leading to the waist, thigh, hind knee, and hind foot is measured. do.

그런 다음 아래 체지방률 계산식에 측정된 수치를 대입하여 체지방률을 계산한다.Then, the body fat percentage is calculated by substituting the measured values in the formula for calculating body fat percentage below.

체지방률=(CL/LL2)*100Body fat percentage = (CL/LL 2 )*100

위와 같은 체지방률 계산식은 흉곽둘레와 다리길이의 차이값을 이용한 종래 계산식이 체격차이가 적은 반려묘에서만 적용될 수 있는 한계를 갖는 것과 달리 반려견에도 적용할 수 있는 이점이 있다.The above formula for calculating body fat percentage has the advantage that it can be applied to dogs, unlike the conventional formula using the difference between chest circumference and leg length, which can only be applied to cats with small differences in physique.

다음으로, BCS 결정 단계(S60)는 3차원 영상을 이용하여 BCS(Body Condition Scoring)를 결정하는 단계이다.Next, the BCS determination step ( S60 ) is a step of determining BCS (Body Condition Scoring) using a 3D image.

이를 위해 본 발명의 일 실시예에 따른 반려동물 비만도 측정 시스템은 미리 결정된 기준에 따라 BCS를 결정하는 BCS 결정 알고리즘을 구비할 수 있다.To this end, the companion animal obesity measurement system according to an embodiment of the present invention may include a BCS determination algorithm for determining the BCS according to a predetermined criterion.

구체적으로 BCS 결정 알고리즘은 3D 이미지 생성 단계(S40)에서 생성된 3차원 영상을 위에서 내려본 방향에서 반려동물의 허리선, 허리뼈, 골반뼈가 확인 가능한지 여부 및/또는 3차원 영상을 옆에서 본 영상에서의 갈비뼈, 골반뼈가 확인 가능한지 여부 등을 기준으로 BCS를 결정할 수 있다.Specifically, the BCS determination algorithm determines whether the waist line, lumbar bone, and pelvic bone of the companion animal can be identified from the top-down direction of the 3D image generated in the 3D image generation step (S40) and/or whether the 3D image is viewed from the side BCS may be determined based on whether ribs and pelvic bones in the image can be identified.

보다 구체적으로, 도 9(A)에 도시된 바와 같이 갈비뼈, 허리뼈, 골반뼈가 확연히 드러나 보일 경우 BCS 1단계/2단계의 매우 마른 상태로 판단할 수 있다.More specifically, when the ribs, lumbar bones, and pelvic bones are clearly visible as shown in FIG.

또한 도 9(B)에 도시된 바와 같이 갈비뼈 뒤로 허리가 확실히 구분되며 허리와 골반 부분에 지방조직이 약간 있으면 BCS 3단계/4단계의 저체중 상태로 판단할 수 있다.In addition, as shown in FIG. 9(B), if the waist is clearly separated behind the ribs and there is some fat tissue in the waist and pelvis, it can be determined as a low-weight state of the BCS stage 3/4.

또한 도 9(C)에 도시된 바와 같이 갈비뼈가 보이지 않지만 허리를 확인할 수 있으면 BCS 4단계/5단계의 이상적인 체중 상태로 판단할 수 있다.In addition, as shown in FIG. 9(C), if the ribs are not visible but the waist can be checked, it can be determined as the ideal weight state of the BCS stage 4/5 stage.

또한 도 9(D)에 도시된 바와 같이 허리를 확인하기 어려우면 BCS 6단계/7단계의 과체중 상태로 판단할 수 있다.In addition, as shown in FIG. 9(D), if it is difficult to check the waist, it can be determined as an overweight state of the 6th/7th stage of the BCS.

또한 도 9(E)에 도시된 바와 같이 허리가 없는 상태면 BCS 8단계/9단계의 비만 상태로 판단할 수 있다.In addition, as shown in FIG. 9(E), if there is no waist, it can be determined that the BCS stage 8/9 obesity state is present.

또한 BCS 결정 알고리즘은 3차원 영상에서 허리, 골반, 갈비뼈 부분의 둘레 길이를 측정하여 BCS를 결정할 수도 있다.In addition, the BCS determination algorithm may determine the BCS by measuring the circumference of the waist, pelvis, and ribs in the 3D image.

다음으로, 비만도 정보 제공 단계(S70)는 반려동물의 이미지를 제공한 사용자에게 반려동물에 대한 비만도 정보를 제공하는 단계로서 체지방률 계산 단계에서 계산된 체지방률과 BCS 결정 단계에서 결정된 BCS 정보를 제공할 수 있다. 이때 도 9에 도시된 바와 같은 BCS 결정 기준 이미지를 함께 제공할 경우 사용자는 기준 이미지와 자신의 반려동물을 비교함으로써 비만도 정보의 신뢰성을 스스로 판단할 수 있도록 할 수도 있다.Next, the obesity information providing step (S70) is a step of providing obesity information about the companion animal to the user who provided the image of the companion animal. The body fat percentage calculated in the body fat percentage calculation step and the BCS information determined in the BCS determination step can be provided. have. In this case, if the BCS determination reference image as shown in FIG. 9 is provided together, the user may be able to determine the reliability of the obesity degree information by comparing the reference image with his/her companion animal.

지금까지 설명한 본 발명의 일 실시예에 따른 반려동물 비만도 측정 방법은 컴퓨터 프로그램 제품, 다시 말해 데이터 처리 장치에 의한 실행을 위하여 또는 그 동작을 제어하기 위하여 유형의 프로그램 매체상에 인코딩되는 컴퓨터 프로그램 명령에 관한 하나 이상이 모듈로서 구현될 수 있다. 유형의 프로그램 매체는 컴퓨터로 판독 가능한 매체일 수 있다. 컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조합 또는 이들 중 하나 이상이 조합일 수 있다.Companion animal obesity measurement method according to an embodiment of the present invention described so far is a computer program product, that is, a computer program instruction encoded on a tangible program medium for execution by a data processing device or to control the operation thereof. One or more of the above may be implemented as a module. The tangible program medium may be a computer-readable medium. The computer readable medium may be a machine readable storage device, a machine readable storage substrate, a memory device, a combination of materials that affect a machine readable radio wave signal, or a combination of one or more of these.

컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 어플리케이션, 스크립트 또는 코드로도 알려져 있음)은 컴파일되거나 해석된 언어나 선험적 또는 절차적 언어를 포함하는 프로그래밍 언어의 어떠한 형태로도 작성될 수 있으며, 독립형 프로그램이나 모듈, 컴포넌트, 서브루틴 또는 컴퓨터 환경에서 이용하기에 적합한 다른 유닛을 포함하여 어떠한 형태로도 전개될 수 있다. A computer program (also known as a program, software, software application, script or code) may be written in any form of any programming language, including compiled or interpreted language or a priori or procedural language, as a stand-alone program or module; It can be deployed in any form, including components, subroutines, or other units suitable for use in a computer environment.

컴퓨터 프로그램은 파일 장치의 파일에 반드시 대응하는 것은 아니다. 프로그램은 요청된 프로그램에 제공되는 단일 파일 내에, 또는 다중의 상호 작용하는 파일(예컨대, 하나 이상이 모듈, 하위 프로그램 또는 코드의 일부를 저장하는 파일) 내에, 또는 다른 프로그램이나 데이터를 보유하는 파일의 일부(예컨대, 마크업 언어 문서 내에 저장되는 하나 이상이 스크립트) 내에 저장될 수 있다. A computer program does not necessarily correspond to a file on a file device. A program may be in a single file provided to the requested program, or in multiple interacting files (eg, files that store one or more modules, subprograms, or portions of code), or in files holding other programs or data. It may be stored within some (eg, one or more scripts stored within a markup language document).

컴퓨터 프로그램은 하나의 사이트에 위치하거나 복수의 사이트에 걸쳐서 분산되어 통신 네트워크에 의해 상호 접속된 다중 컴퓨터나 하나의 컴퓨터 상에서 실행되도록 전개될 수 있다.A computer program may be deployed to be executed on a single computer or multiple computers located at one site or distributed over a plurality of sites and interconnected by a communication network.

부가적으로, 본 특허문헌에서 기술하는 논리 흐름과 구조적인 블록도는 개시된 구조적인 수단의 지원을 받는 대응하는 기능과 단계의 지원을 받는 대응하는 행위 및/또는 특정한 방법을 기술하는 것으로, 대응하는 소프트웨어 구조와 알고리즘과 그 등가물을 설정하는 데에도 사용 가능하다. Additionally, the logic flows and structural block diagrams described in this patent document describe corresponding acts and/or specific methods supported by corresponding functions and steps supported by the disclosed structural means, and corresponding It can also be used to establish software structures and algorithms and their equivalents.

본 명세서에서 기술하는 프로세스와 논리 흐름은 수신 데이터 상에서 동작하고 출력을 생성함으로써 기능을 수행하기 위하여 하나 이상이 컴퓨터 프로그램을 실행하는 하나 이상이 프로그래머블 프로세서에 의하여 수행 가능하다.The processes and logic flows described herein may be performed by one or more programmable processors executing one or more computer programs to perform functions by operating on received data and generating outputs.

컴퓨터 프로그램의 실행에 적합한 프로세서는, 예컨대 범용 및 특수 목적의 마이크로프로세서 양자 및 어떤 형태의 디지털 컴퓨터의 어떠한 하나 이상이 프로세서라도 포함한다. 일반적으로, 프로세서는 읽기 전용 메모리나 랜덤 액세스 메모리 또는 양자로부터 명령어와 데이터를 수신할 것이다. Processors suitable for the execution of computer programs include, for example, both general and special purpose microprocessors and any one or more processors of any form of digital computer. Typically, the processor will receive instructions and data from either read-only memory or random access memory or both.

컴퓨터의 핵심적인 요소는 명령어와 데이터를 저장하기 위한 하나 이상이 메모리 장치 및 명령을 수행하기 위한 프로세서이다. 또한, 컴퓨터는 일반적으로 예컨대 자기, 자기 광학 디스크나 광학 디스크와 같은 데이터를 저장하기 위한 하나 이상이 대량 저장 장치로부터 데이터를 수신하거나 그것으로 데이터를 전송하거나 또는 그러한 동작 둘 다를 수행하기 위하여 동작가능 하도록 결합되거나 이를 포함할 것이다. 그러나, 컴퓨터는 그러한 장치를 가질 필요가 없다.A key component of a computer is one or more memory devices for storing instructions and data and a processor for executing instructions. In addition, a computer is generally configured to be operable to receive data from, transmit data to, or perform both such operations on one or more mass storage devices for storing data, such as, for example, magnetic, magneto-optical disks or optical disks. combined or will include. However, the computer need not have such a device.

본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 당업자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다. The present description sets forth the best mode of the invention, and provides examples to illustrate the invention and to enable any person skilled in the art to make or use the invention. This written specification does not limit the present invention to the specific terms presented.

따라서, 지금까지 본 발명의 실시예에 따른 반려동물 비만도 측정 시스템 및 방법을 구체적인 실시예를 참고로 한정되게 설명하였다. 그러나 본 발명은 이러한 구체적인 실시예에 한정되지 않으며, 특허청구범위에 청구된 발명의 사상 및 그 영역을 이탈하지 않으면서 다양한 변화 및 변경이 있을 수 있음을 이해하여야 할 것이다.Therefore, the system and method for measuring the degree of obesity in companion animals according to embodiments of the present invention have been described with reference to specific examples. However, it should be understood that the present invention is not limited to these specific embodiments, and various changes and modifications may be made without departing from the spirit and scope of the invention as claimed in the claims.

1: 사용자 모바일 디바이스
10: 통신모듈
20: 이미지 처리 모듈
30: 체지방률 측정 모듈
40: BCS 결정 모듈
100: 본 발명의 일 실시예에 따른 반려동물 비만도 측정 시스템1: User mobile device
10: communication module
20: image processing module
30: body fat percentage measurement module
40: BCS decision module
100: Companion animal obesity measurement system according to an embodiment of the present invention

Claims (11)

각 단계가 반려동물 비만도 측정 시스템에서 이루어지는 방법으로서,
모바일 디바이스를 통해 반려동물의 컬러영상과 깊이 데이터를 포함하는 이미지 정보가 획득되는 단계;
상기 이미지 정보로부터 관절 포인트를 추출하는 단계;
추출된 관절 포인트를 연결하여 뼈대를 형성하는 단계;
형성된 뼈대를 기반으로 3차원 영상을 생성하는 단계;
상기 3차원 영상으로부터 상기 반려 동물의 체지방률을 계산하는 단계; 및
계산된 체지방률을 제공하는 단계;
를 포함하는 것을 특징으로 하는 반려동물 비만도 측정 방법.As a method in which each step is performed in a companion animal obesity measurement system,
acquiring image information including a color image and depth data of a companion animal through a mobile device;
extracting joint points from the image information;
Forming a skeleton by connecting the extracted joint points;
generating a 3D image based on the formed skeleton;
calculating a body fat percentage of the companion animal from the 3D image; and
providing a calculated body fat percentage;
Companion animal obesity measurement method comprising a. 제1항에 있어서,
상기 관절 포인트를 추출하는 단계는, 미리 구축된 딥러닝 알고리즘을 이용하는 것을 특징으로 하는 반려동물 비만도 측정 방법.According to claim 1,
The step of extracting the joint points, Companion animal obesity measurement method, characterized in that using a pre-built deep learning algorithm. 제1항에 있어서,
상기 관절 포인트를 추출하는 단계는, 관절 포인트로서 등, 허리, 뒷다리, 뒷무릎 및 뒷발을 추출하는 것을 특징으로 하는 반려동물 비만도 측정 방법.According to claim 1,
The step of extracting the joint points is a method for measuring obesity in companion animals, characterized in that the back, waist, hind legs, hind knees and hind feet are extracted as joint points. 제3항에 있어서,
상기 3차원 영상으로부터 상기 반려 동물의 체지방률을 계산하는 단계는,
상기 3차원 영상에서 등 포인트를 기준으로 반려 동물의 흉곽둘레(CL)를 측정하는 단계;
상기 3차원 영상에서 허리, 뒷다리, 뒷무릎 및 뒷발로 이어지는 다리길이(LL)를 측정하는 단계; 및
측정된 흉곽둘레(CL) 및 다리길이(LL)를 체지방률 계산식(체지방률=(CL/LL2)*100)에 대입하여 체지방률을 측정하는 단계;
를 포함하는 것을 특징으로 하는 반려동물 비만도 측정 방법.4. The method of claim 3,
Calculating the body fat percentage of the companion animal from the 3D image includes:
measuring the chest circumference (CL) of the companion animal based on the back point in the three-dimensional image;
Measuring the leg length (LL) leading to the waist, hind legs, hind knees and hind feet in the three-dimensional image; and
measuring the body fat percentage by substituting the measured chest circumference (CL) and leg length (LL) into a body fat percentage calculation formula (body fat percentage = (CL/LL 2 )*100);
Companion animal obesity measurement method comprising a. 제1항에 있어서,
상기 컬러영상으로부터 관절 포인트를 추출하는 단계는, 관절 포인트로서 주둥이, 머리, 목, 가슴, 앞다리, 앞발, 등, 허리, 뒷다리, 뒷무릎, 뒷발, 미근을 추출하는 것을 특징으로 하는 반려동물 비만도 측정 방법. According to claim 1,
In the step of extracting joint points from the color image, the snout, head, neck, chest, forelimbs, front feet, back, waist, hind legs, hind knees, hind feet, and coccyx are extracted as joint points. . 제5항에 있어서,
추출된 관절 포인트를 연결하여 뼈대를 형성하는 단계는,
추출된 관절 포인트를 연결하여 정자세의 뼈대를 형성하는 것을 특징으로 하는 반려동물 비만도 측정 방법.6. The method of claim 5,
The step of forming a skeleton by connecting the extracted joint points is,
A method for measuring obesity in companion animals, characterized in that the extracted joint points are connected to form a skeleton of a straight posture. 제6항에 있어서,
상기 형성된 뼈대를 기반으로 3차원 영상을 생성하는 단계는, 3D 포인트 데이터를 생성한 후 와이어 프레임으로 재구성하여 상기 3차원 영상을 생성하는 것을 특징으로 하는 반려동물 비만도 측정 방법.7. The method of claim 6,
The generating of the 3D image based on the formed skeleton comprises generating the 3D point data and then reconstructing it as a wire frame to generate the 3D image. 제7항에 있어서,
상기 3차원 영상을 이용하여 BCS(Body Condition Scoring)를 결정하는 단계; 및
결정된 BCS를 제공하는 단계;
를 더 포함하는 것을 특징으로 하는 반려동물 비만도 측정 방법.8. The method of claim 7,
determining Body Condition Scoring (BCS) using the 3D image; and
providing the determined BCS;
Companion animal obesity measurement method, characterized in that it further comprises. 제8항에 있어서,
상기 3차원 영상을 이용하여 BCS(Body Condition Scoring)를 결정하는 단계는 3차원 영상을 위에서 내려본 방향에서의 허리선, 허리뼈, 골반뼈 확인 가능 여부, 3차원 영상을 옆에서 본 방향에서의 갈비뼈, 골반뼈 확인 가능 여부를 기준으로 BCS(Body Condition Scoring)를 결정하는 것을 특징으로 하는 반려동물 비만도 측정 방법.9. The method of claim 8,
The step of determining BCS (Body Condition Scoring) using the three-dimensional image is whether it is possible to check the waist line, lumbar bone, and pelvic bone in the direction viewed from the top of the three-dimensional image, and whether the three-dimensional image is viewed from the side. A method for measuring obesity in companion animals, characterized in that BCS (Body Condition Scoring) is determined based on whether ribs and pelvic bones can be checked. 컴퓨터에 제1항 내지 제9항 중 어느 한 항에 따른 방법의 단계들을 실행시키기 위해 컴퓨터로 읽을 수 있는 매체에 저장된 컴퓨터 프로그램.A computer program stored on a computer readable medium for executing the steps of the method according to any one of claims 1 to 9 on a computer. 모바일 디바이스를 통해 획득된 반려동물의 컬러영상과 깊이 데이터를 포함하는 이미지 정보를 수신하고, 상기 반려동물에 대한 비만도 정보를 전송하는 통신모듈;
상기 이미지 정보로부터 관절 포인트를 추출하고 추출된 관절 포인트를 연결하여 뼈대를 형성하며, 형성된 뼈대를 기반으로 3차원 영상을 생성하는 이미지 처리 모듈; 및
상기 3차원 영상으로부터 상기 반려동물의 체지방률을 계산하는 체지방률 측정 모듈;
을 포함하는 것을 특징으로 하는 반려동물 비만도 측정 시스템.a communication module for receiving image information including a color image and depth data of a companion animal obtained through a mobile device, and transmitting obesity degree information about the companion animal;
an image processing module for extracting joint points from the image information, connecting the extracted joint points to form a skeleton, and generating a three-dimensional image based on the formed skeleton; and
a body fat percentage measurement module for calculating the body fat percentage of the companion animal from the three-dimensional image;
Companion animal obesity measurement system comprising a.
KR1020210008598A 2021-01-21 2021-01-21 System and method for measuring of pet obesity KR102461875B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210008598A KR102461875B1 (en) 2021-01-21 2021-01-21 System and method for measuring of pet obesity

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210008598A KR102461875B1 (en) 2021-01-21 2021-01-21 System and method for measuring of pet obesity

Publications (2)

Publication Number Publication Date
KR20220106254A true KR20220106254A (en) 2022-07-29
KR102461875B1 KR102461875B1 (en) 2022-11-02

Family

ID=82606510

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210008598A KR102461875B1 (en) 2021-01-21 2021-01-21 System and method for measuring of pet obesity

Country Status (1)

Country Link
KR (1) KR102461875B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024063324A1 (en) * 2022-09-22 2024-03-28 최문정 Method and device for providing customized diet management service for pets

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013516706A (en) * 2010-01-06 2013-05-13 ヒルズ・ペット・ニュートリシャン・インコーポレーテッド How to manage weight status in animals
KR20160110070A (en) * 2015-03-11 2016-09-21 삼성전자주식회사 Electronic apparatus, and control method therof
KR101759203B1 (en) * 2016-10-27 2017-07-18 장승운 Normalized BCS(Body Condition Score) Based Decision Support System for Healthier Companion Dog
KR20200078258A (en) * 2018-12-21 2020-07-01 주식회사 알체라 Apparatus for fitting of articulated model and method for the same

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013516706A (en) * 2010-01-06 2013-05-13 ヒルズ・ペット・ニュートリシャン・インコーポレーテッド How to manage weight status in animals
KR20160110070A (en) * 2015-03-11 2016-09-21 삼성전자주식회사 Electronic apparatus, and control method therof
KR101759203B1 (en) * 2016-10-27 2017-07-18 장승운 Normalized BCS(Body Condition Score) Based Decision Support System for Healthier Companion Dog
KR20200078258A (en) * 2018-12-21 2020-07-01 주식회사 알체라 Apparatus for fitting of articulated model and method for the same

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024063324A1 (en) * 2022-09-22 2024-03-28 최문정 Method and device for providing customized diet management service for pets

Also Published As

Publication number Publication date
KR102461875B1 (en) 2022-11-02

Similar Documents

Publication Publication Date Title
US10331850B2 (en) Estimating body surface models of patients
CN103338225B (en) Method for medical image data sharing based on cloud platform, and cloud platform and system for medical image data sharing
Ceseracciu et al. Comparison of markerless and marker-based motion capture technologies through simultaneous data collection during gait: proof of concept
US11718035B2 (en) Customized, wearable 3D printed articles and methods of manufacturing same
Viazzi et al. Comparison of a three-dimensional and two-dimensional camera system for automated measurement of back posture in dairy cows
US8755570B2 (en) Apparatus and method for estimation of livestock weight
Guo et al. LSSA_CAU: An interactive 3d point clouds analysis software for body measurement of livestock with similar forms of cows or pigs
JP2021517470A (en) Systems and methods for estimating livestock weight
CN112509119B (en) Spatial data processing and positioning method and device for temporal bone and electronic equipment
KR102461875B1 (en) System and method for measuring of pet obesity
KR101538019B1 (en) device and method for 3D coordinate system construction
KR102063294B1 (en) Method and apparatus for converting ultrasound image into real image
JP2018206321A (en) Image processing device, image processing method and image processing program
WO2015013195A2 (en) Determining and validating a posture of an animal
CN110706791B (en) Medical image processing method and device
JP6942764B2 (en) System, client terminal, its control method
CN105103164A (en) View classification-based model initialization
JP6340315B2 (en) Image processing method
KR102597931B1 (en) Method for image analyzing about luxating patella
JP6966038B2 (en) Animal behavior estimation device, animal behavior estimation method and program
Byström et al. Lateral movement of the saddle relative to the equine spine in rising and sitting trot on a treadmill
Matsuura et al. Body measurement of riding horses with a versatile tablet-type 3D scanning device
Burke et al. An analysis of the feasibility of using image processing to estimate the live weight of sheep
KR102297317B1 (en) Livestock weighing device and method through 3D image processing
JP7270453B2 (en) Image processing device, image processing method and program

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant