KR20220143569A - 안경 추천 방법 및 안경 추천 서버 - Google Patents

안경 추천 방법 및 안경 추천 서버 Download PDF

Info

Publication number
KR20220143569A
KR20220143569A KR1020220035203A KR20220035203A KR20220143569A KR 20220143569 A KR20220143569 A KR 20220143569A KR 1020220035203 A KR1020220035203 A KR 1020220035203A KR 20220035203 A KR20220035203 A KR 20220035203A KR 20220143569 A KR20220143569 A KR 20220143569A
Authority
KR
South Korea
Prior art keywords
user
glasses
image
model
category
Prior art date
Application number
KR1020220035203A
Other languages
English (en)
Inventor
이현종
김평록
Original Assignee
주식회사 빅스터
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 빅스터 filed Critical 주식회사 빅스터
Publication of KR20220143569A publication Critical patent/KR20220143569A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

인공지능을 이용하여 사용자와 유사한 얼굴 특징을 가지는 모델을 검색하며, 검색된 모델이 안경을 착용한 이미지를 사용자에게 제공함으로써 사용자에게 적합한 안경을 추천하는 안경 추천 장치 및 방법이 개시된다. 일 실시예에 따른 안경 추천 서버에 의한 안경 추천 방법은 사용자의 얼굴 이미지가 포함된 사용자 이미지 파일을 기초로 검색된 하나 이상의 모델 이미지를 전송하는 단계; 사용자 단말로부터 검색된 하나 이상의 모델 이미지 중 어느 하나를 선택하는 입력을 수신하는 단계; 및 선택된 모델 이미지에 포함된 안경에 대한 상품 정보를 사용자 단말로 전송하는 단계를 포함할 수 있다.

Description

안경 추천 방법 및 안경 추천 서버{METHOD AND SERVER FOR RECOMMENDING GLASSES}
안경 추천을 위한 기술로서 특히, 인공지능을 이용하여 사용자와 유사한 얼굴 특징을 가지는 모델을 검색하며, 검색된 모델이 안경을 착용한 이미지를 사용자에게 제공함으로써 사용자에게 적합한 안경을 추천하는 안경 추천 방법 및 안경 추천 서버에 관한 것이다.
최근 인공지능을 이용하여 이미지를 합성하는 기술에 대한 연구가 활발히 이루어지고 있으며, 이를 통한 다양한 서비스가 제공되고 있다. 그 중 하나로써 사용자의 얼굴 이미지에 안경 이미지를 합성하여 가상 피팅 이미지를 제공하는 서비스가 있다. 등록특허 제10-2174053호의 경우, 스마트 거울을 이용한 안경 피팅 시스템에 대한 기술을 개시하고 있다.
그러나, 종래의 가상 피팅 방식의 경우, 하나의 사용자 이미지에 안경 이미지를 합성한 것으로써 스타일 변화에 따른 다양한 안경 착용 모습을 보는데 한계가 있으며, 실제 착용 모습과 차이가 발생할 수 있다. 이러한 문제를 해결하기 위하여, 본 발명에서는 인공지능을 이용하여 사용자와 유사한 얼굴 특징을 가지는 모델 이미지를 검색하고, 모델이 실제 착용한 안경 정보를 제공함으로써 사용자가 보다 용이하게 자신에게 어울리는 안경을 찾을 수 있는 방법을 제공한다.
한국 등록특허 제10-2174053호 "스마트 거울을 이용한 안경 피팅 시스템의 운영방법" 한국 공개특허공보 제10-2020-0034028호 "인공지능 기반의 가상 피팅 시스템 및 방법" 일본 특허공보 특허 제 6857638호 "사용자의 신체적 특징에 근거한 추천 시스템" 한국 공개특허공보 제10-2012-0046652호 "얼굴 인식 기반의 헤어 추천 시스템 및 그 방법" 한국 공개특허공보 제10-2020-0098713호 "자동화된 아바타 생성" 일본 공개특허공보 특개2007-052733호 "얼굴 화상 판정 장치 및 화상 판정 방법"
인공지능을 이용하여 사용자와 유사한 얼굴 특징을 가지는 모델을 검색하며, 검색된 모델이 안경을 착용한 이미지를 사용자에게 제공함으로써 사용자에게 적합한 안경을 추천하는 안경 추천 장치 및 방법을 제공하는데 목적이 있다.
아울러, 사용자에게 선택의 폭을 넓혀주면서 사용자 맞춤형으로 얼굴형 분석 결과를 제시하는 기술을 제공하고자 한다.
또한 안경 추천 시 안경 가맹점의 재고 정보를 반영하여 불필요한 상품 추천을 미연에 방지하고 재고 없는 상품 추천으로 인한 마찰을 줄이고자 한다.
본 발명의 일 태양에 따른 안경 추천 서버에 의한 안경 추천 방법은: 사용자의 얼굴 이미지가 포함된 사용자 이미지 파일을 기초로 검색된 하나 이상의 모델 이미지를 사용자 단말로 전송하는 단계; 상기 사용자 단말로부터 상기 검색된 하나 이상의 모델 이미지 중 어느 하나를 선택하는 입력을 수신하는 단계; 및 상기 선택된 모델 이미지에 포함된 안경에 대한 상품 정보를 상기 사용자 단말로 전송하는 단계를 포함할 수 있다. 이 때, 상기 하나 이상의 모델 이미지를 사용자 단말로 전송하는 단계는, 사용자 이미지 파일로부터 복수의 랜드마크 포인트를 검출하는 단계; 상기 복수의 랜드마크 포인트를 기초로 사용자 얼굴에 대한 특징 정보를 생성하는 단계; 및 상기 특징 정보를 기초로 모델 이미지를 검색하는 단계를 포함할 수 있고, 상기 특징 정보는, 특정 고유 번호의 랜드마크 포인트 간 거리 및 상기 거리를 기초로 생성된 거리 간 비율 중 적어도 하나를 기초로 분류한 사용자 이미지에 포함된 하나 이상의 구성요소에 대한 카테고리 정보이고, 상기 구성요소는 안면 윤곽, 눈썹, 눈, 코 및 미간 중 적어도 하나일 수 있다. 그리고 상기 모델 이미지를 검색하는 단계는, 상기 사용자 이미지의 구성요소 별 카테고리와 하나 이상의 모델 이미지의 구성요소 별 카테고리의 유사도를 계산하여, 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 검색할 수 있다.
여기서, 상기 카테고리는, 안면 윤곽의 경우 계란형, 둥근형, 사각형, 삼각형 및 마름모형 중 적어도 하나를 포함하며, 눈썹의 경우 일자 눈썹, 둥근 눈썹, 날렵한 눈썹 및 쳐진 눈썹 중 적어도 하나를 포함하며, 눈의 경우 큰 눈, 작은 눈 및 얇은 눈 중 적어도 하나를 포함하며, 코의 경우 긴 콧대, 보통 콧대 및 짧은 콧대 중 적어도 하나를 포함하며, 미간의 경우 넓음, 보통 및 좁음 중 적어도 하나를 포함할 수 있다.
또한, 상기 하나 이상의 모델 이미지를 사용자 단말로 전송하는 단계는, 상기 사용자 단말에 사용자 이미지의 각 구성요소 별로 카테고리를 조절할 수 있게 하는 이퀄라이저 기능을 제공하는 단계; 상기 사용자로부터 특정 구성요소에 대한 카테고리의 선택을 수신하는 단계; 및 상기 사용자가 선택한 카테고리에 맞춰 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 검색하는 단계를 더 포함할 수 있다.
여기서, 상기 이퀄라이저 기능을 제공하는 단계는, 상기 사용자로부터 특정 구성요소에 대한 카테고리의 선택을 수신하는 단계 이전에, 상기 사용자의 얼굴 이미지가 포함된 사용자 이미지 파일을 기초로 상기 구성요소 별로 해당하는 카테고리를 상기 사용자 단말에 표시해주는 단계를 더 포함할 수 있다.
그리고, 상기 이퀄라이저 기능을 제공하는 단계는, 각 구성요소 별 카테고리를 연속적으로 가변시킬 수 있는 형태로 제공할 수 있다.
상기 모델 이미지를 검색하는 단계는, 각 구성요소 별로 가중치를 상이하게 설정하여 사용자 이미지와 하나 이상의 모델 이미지 간의 유사도를 계산할 수도 있다.
또한, 상기 상품 정보는 상품 이미지, 상품명, 상품 가격 중 적어도 하나를 포함할 수 있다.
상기 하나 이상의 모델 이미지를 사용자 단말로 전송하는 단계는 상기 하나 이상의 모델 이미지에 안경 판매 가맹점의 상품별 재고 정보를 반영하여 전송할 수 있다.
이 때, 상기 안경 추천 방법은, 사용자의 위치 정보를 수집하는 단계; 및 상기 사용자의 위치 정보에 기초하여 사용자의 위치로부터 일정 거리 이내에 있는 안경 판매 가맹점의 상품별 재고 정보를 제공받는 단계를 더 포함할 수 있다.
그리고, 상기 하나 이상의 모델 이미지를 사용자 단말로 전송하는 단계는 재고가 없는 상품을 착용한 모델 이미지는 제외하고 하나 이상의 모델 이미지를 전송할 수 있다.
본 발명의 일 양상에 따른 안경 추천 장치는: 하나 이상의 프로세서; 및 상기 하나 이상의 프로세서에 의해 상술한 안경 추천 방법이 실행되도록 구성되는 하나 이상의 프로그램을 저장하는 메모리를 포함할 수 있다.
사용자와 유사한 얼굴 특징을 가지는 모델이 실제 안경을 착용한 이미지를 제공함으로써 사용자에게 보다 자연스러우며 다양한 스타일의 안경 피팅 이미지를 제공할 수 있다.
또한 사용자에게 사용자 이미지의 얼굴 각 구성요소 별로 카테고리를 조절할 수 있게 함으로써, 사용자가 분석 결과를 자신이 원하는 대로 조절할 수 있다. 그 결과 사용자에게 사용자 맞춤형으로 정확한 분석 결과를 제시할 수 있고, 사용자에게 보다 다양한 안경을 추천하여 선택의 폭을 넓혀줄 수 있는 효과가 있다. 결과적으로 사용자에게 확장된 추천 안경 상품들을 제시할 수 있다.
그리고 안경 추천 시 안경 가맹점의 재고 정보를 반영하여 불필요한 상품 추천을 미연에 방지하고 재고 없는 상품 추천으로 인한 마찰을 줄일 수 있다.
도 1은 본 발명의 일 실시예에 따른 안경 추천 방법을 도시한 흐름도이다.
도 2는 일 예에 따른 사용자 얼굴 이미지에 대한 특징 정보를 생성하는 방법을 설명하기 위한 예시도이다.
도 3 및 도 4는 일 예에 따른 모델 이미지를 설명하기 위한 예시도이다.
도 5은 일 예에 따른 모델 이미지 데이터를 설명하기 위한 예시도이다.
도 6은 본 발명의 또 다른 실시예에 따른 안경 추천 방법에 의해 안경 추천이 이루어진 사용자 단말의 화면의 일 예를 예시한다.
도 7은 본 발명의 또 다른 실시예에 따른 안경 추천 방법에 의해 안경 추천이 이루어진 사용자 단말의 화면의 다른 예를 예시한다.
도 8은 본 발명의 일 실시예에 따른 안경 추천 서버의 구성도이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시예를 상세하게 설명한다. 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로, 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하, 안경 추천 장치 및 방법의 실시예들을 도면들을 참고하여 자세히 설명한다.
도 1은 일 실시예에 따른 안경 추천 서버에 의한 안경 추천 방법을 도시한 흐름도이다.
일 실시예에 따르면, 안경 추천 서버는 사용자의 얼굴 이미지가 포함된 사용자 이미지 파일을 기초로 검색된 하나 이상의 모델 이미지를 사용자 단말로 전송할 수 있다(110). 사용자 단말은 안경 추천 서버로부터 수신한 하나 이상의 모델 이미지를 화면에 출력할 수 있다.
일 실시예에 따르면, 안경 추천 서버는 하나 이상의 모델 이미지를 전송하기 위하여 사용자 이미지 파일로부터 복수의 랜드마크 포인트를 검출할 수 있다.
도 2(a)를 참조하면, 안경 추천 서버는 사용자 단말로부터 사용자의 얼굴 이미지가 포함된 사용자 이미지 파일을 수신하여 사용자 이미지 파일에 포함된 얼굴을 인식할 수 있다. 일 예로, 안경 추천 서버는 CNN(Convolutional Neural Network) 기반의 이미지 딥러닝을 통해 사용자 이미지 속의 얼굴의 위치를 검출할 수 있다.
일 실시예에 따르면, 안경 추천 서버는 사용자 단말로 하나 이상의 모델 이미지를 전송하기 위하여 복수의 랜드마크 포인트를 기초로 사용자 얼굴에 대한 특징 정보를 생성할 수 있다.
도 2(b)를 참조하면, 안경 추천 서버는 인식된 얼굴 이미지를 기초로 사용자 얼굴의 소정 위치에 랜드마크 포인트를 검출할 수 있다. 일 예로, 안경 추천 서버는 인식된 얼굴 이미지로부터 눈썹, 눈, 코, 입 및 안면 윤곽 중 적어도 하나의 랜드마크에 해당하는 특정 부분의 위치를 포인트로 표시할 수 있다. 예를 들어, 안경 추천 장치는 68개의 포인트 이용하여 랜드마크의 위치를 표시할 수 있다. 일 예로, 랜드마크 포인트는 안면 윤곽에 대한 포인트 17개, 눈썹에 대한 포인트 10개, 눈에 대한 포인트 12개, 콧대에 대한 포인트 4개, 콧볼에 대한 포인트 5개 및 입술에 대한 포인트 20개를 포함할 수 있다.
일 예에 따르면, 복수의 랜드마크 포인트는 위치에 따른 고유 번호가 부여될 수 있다. 일 예로, 도 2(c)에서와 같이 랜드마크 포인트는 안면 윤곽 위치에 따라 1~17번의 고유 번호를 가지며, 눈썹 위치에 따라 18~27번의 고유 번호를 가질 수 있다. 추가적으로, 눈은 37~48번, 콧대는 28~31, 콧볼은 32~36번의 고유 번호를 가질 수 있다.
일 실시예에 따르면, 안경 추천 서버는 사용자 단말로 하나 이상의 모델 이미지를 전송하기 위하여 특징 정보를 기초로 모델 이미지를 검색할 수 있다.
일 실시예에 따르면, 특징 정보는 특정 고유 번호의 랜드마크 포인트 간 거리 정보 및 거리 정보를 기초로 생성된 거리 간 비율 정보 중 적어도 하나를 포함할 수 있다.
일 예에 따르면, 특징 정보는 특정 고유 번호의 랜드마크 포인트 간 거리 정보일 수 있다. 일 예로, 도 2(c)를 참조하면, 특정 정보는 랜드마크 포인트 1 및 17의 거리, 3 및 15의 거리, 7 및 11의 거리 및 9 및 22의 거리 중 적어도 하나의 거리 정보를 포함할 수 있다.
일 예에 따르면, 특정 정보는 거리 정보를 기초로 생성된 거리 간 비율 정보일 수 있다. 일 예로, 특정 정보는 랜드마크 포인트 1 및 17의 거리, 3 및 15의 거리, 7 및 11의 거리 및 9 및 22의 거리 중 어느 둘 이상의 거리 간 비율 정보를 포함할 수 있다.
일 실시예에 따르면, 특징 정보는 특정 고유 번호의 랜드마크 포인트 간 거리 및 거리를 기초로 생성된 거리 간 비율 중 적어도 하나를 기초로 분류한 사용자 이미지에 포함된 하나 이상의 구성요소에 대한 카테고리 정보일 수 있다.
일 예에 따르면, 구성요소는 안면 윤곽, 눈썹, 눈, 코 및 미간 중 적어도 하나일 수 있다.
일 예로, 안면 윤곽에 대한 카테고리는 계란형, 둥근형, 사각형, 삼각형 및 마름모형 중 적어도 하나를 포함할 수 있다. 일 예로, 눈썹에 대한 카테고리는 일자 눈썹, 둥근 눈썹, 날렵한 눈썹 및 쳐진 눈썹 중 적어도 하나를 포함할 수 있다. 일 예로, 눈에 대한 카테고리는 큰 눈, 작은 눈 및 얇은 눈 중 적어도 하나를 포함할 수 있다. 일 예로, 코에 대한 카테고리는 긴 콧대, 보통 콧대 및 짧은 콧대 중 적어도 하나를 포함할 수 있다. 일 예로, 미간에 대한 카테고리는 넓음, 보통 및 좁음 중 적어도 하나를 포함할 수 있다.
일 예에 따르면, 안경 추천 서버는 안면 윤곽에 대한 랜드마크 포인트와 눈썹에 대한 랜드마크 포인트를 기초로 얼굴에 대한 카테고리를 분류할 수 있다. 도 2(c)를 참조하면, 안경 추천 서버는 랜드마크 포인트 1 및 17의 거리 A, 3 및 15의 거리 B, 7 및 11의 거리 C 및 9 및 22의 거리 D의 비율, 다시 말해 A:B:C:D의 비율에 따라 안면 윤곽을 계란형, 둥근형, 사각형, 삼각형 및 마름모형 중 어느 하나의 카테고리로 결정할 수 있다.
일 실시예에 따르면, 안경 추천 서버는 사용자 이미지의 카테고리와 동일한 카테고리에 해당하는 하나 이상의 모델 이미지를 검색할 수 있다.
일 예를 들어, 안경 추천 서버는 사용자 이미지를 수신하여 사용자 이미지에 포함된 하나 이상의 구성요소에 대한 카테고리를 결정할 수 있다. 예를 들어, 안경 추천 서버는 사용자 1에 대하여 안면 윤곽 = 계란형, 눈썹 = 일자 눈썹, 눈 = 큰 눈, 코 = 긴 콧대, 미간 = 넓음과 같이 각 구성요소에 대한 카테고리를 결정할 수 있다. 이후, 안경 추천 서버는 동일한 카테고리를 가지는 하나 이상의 모델 이미지를 검색할 수 있다.
일 예에 따르면, 안경 추천 서버는 하나 이상의 모델에 대한 모델 이미지를 입력 받아 각 모델 이미지에 대한 카테고리를 미리 결정하여 모델 이미지에 대한 카테고리 정보를 저장하고 있을 수 있다. 안경 추천 서버는 분석된 사용자 이미지에 대한 카테고리와 저장되어 있는 하나 이상의 모델 이미지에 대한 카테고리 정보를 기초로 동일한 카테고리로 분류된 하나 이상의 모델 이미지를 검색할 수 있다.
일 예를 들어, 안경 추천 서버는 사용자 1의 카테고리 안면 윤곽 = 계란형, 눈썹 = 일자 눈썹, 눈 = 큰 눈, 코 = 긴 콧대, 미간 = 넓음와 동일한 카테고리로 분류된 하나 이상의 모델 이미지를 검색할 수 있다.
일 실시예에 따르면, 안경 추천 서버는 모델 이미지를 검색하기 위하여 사용자 이미지의 구성요소 별 카테고리와 하나 이상의 모델 이미지의 구성요소 별 카테고리의 유사도를 계산하며, 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 검색할 수 있다.
일 예에 따르면, 안경 추천 서버는 사용자 이미지의 구성요소 별 카테고리와 하나 이상의 모델 이미지의 구성요소 별 카테고리의 유사도를 계산할 수 있다.
일 예로, 각 카테고리 별 유사도는 소정의 규칙에 따라 미리 설정될 수 있다. 예를 들어, 눈에 대한 카테고리 별 유사도는 아래 표 1와 같이 미리 설정될 수 있다.
모델
사용자		 큰 눈 작은 눈 얇은 눈
큰 눈 1 0.9 0.8
작은 눈 0.9 1 0.9
얇은 눈 0.8 0.9 1
일 예에 따르면, 안경 추천 서버는 각 구성요소 별 카테고리 유사도를 계산할 수 있으며, 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 검색할 수 있다. 일 예로, 안경 추천 서버는 유사도 0.9 이상의 모델 이미지를 검색할 수 있다. 일 예를 들어, 안경 추천 서버는 사용자 이미지와 동일한 카테고리를 가지는 유사도 = 1의 모델 이미지 뿐만 아니라, 일부 카테고리가 다른 모델 이미지도 검색할 수 있다. 예를 들어, 안경 추천 서버는 각 구성요소 카테고리 별 유사도가 안면 윤곽 = 1, 눈썹 = 1, 눈 = 1, 코 = 1, 미간 = 0.9인 평균 유사도 0.98의 모델 이미지도 검색할 수 있다.
일 예에 따르면, 안경 추천 서버는 각 구성요소 별로 가중치를 상이하게 설정하여 유사도를 계산할 수 있다. 예를 들어, 가중치는 안면 윤곽 = 1.2, 눈썹 = 0.9, 눈 = 1, 코 = 1.1, 미간 = 0.9과 같이 설정될 수 있으며, 안경 추천 장치는 각 구성요소 별 카테고리 유사도에 가중치를 곱하여 유사도를 결정할 수 있다.
일 실시예에 따르면, 안경 추천 서버는 사용자 이미지의 거리 정보 및 거리 간 비율 정보 중 적어도 하나와 하나 이상의 모델 이미지의 거리 정보 및 거리 간 비율 정보 중 적어도 하나의 유사도를 계산하며, 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 검색할 수 있다.
일 예에 따르면, 안경 추천 서버는 사용자 이미지의 거리 정보 및 거리 간 비율 정보 중 적어도 하나와 하나 이상의 모델 이미지의 거리 정보 및 거리 간 비율 정보 중 적어도 하나의 유사도를 계산할 수 있다.
일 예로, 안경 추천 서버는 사용자 이미지의 거리 정보와 하나 이상의 모델 이미지의 거리 정보를 기초로 유사도를 계산할 수 있다. 예를 들어, 안경 추천 서버는 랜드마크 포인트 1 및 17의 거리 A, 3 및 15의 거리 B, 7 및 11의 거리 C 및 9 및 22의 거리 D와 대응되는 하나 이상의 모델 이미지 각각의 거리 정보 A', B', C', D'를 비교하여 거리 차를 계산할 수 있으며, 거리 차의 가중합을 이용하여 유사도를 계산할 수 있다. 이때, 가중합을 위한 가중치는 A, B, C, D 마다 상이하게 설정될 수 있다. 예를 들어, 가중치는 A = 1, B = 0.9, C = 0.8, D = 1.1 과 같이 미리 설정될 수 있다.
일 예에 따르면, 안경 추천 서버는 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 검색할 수 있다. 일 예로, 소정 기준은 거리 차가 될 수 있으며, 거리 차에 반비례하여 유사도가 결정될 수 있다. 이에 따라, 랜드마크 포인트 간 거리의 차이가 소정 값 이하인 경우, 소정 기준 이상의 유사도를 가지는 모델 이미지로 검색될 수 있다.
일 예로, 안경 추천 서버는 사용자 이미지의 거리 간 비율 정보와 하나 이상의 모델 이미지의 거리 간 비율 정보를 기초로 유사도를 계산할 수 있다. 예를 들어, 안경 추천 서버는 랜드마크 포인트 1 및 17의 거리 A, 3 및 15의 거리 B, 7 및 11의 거리 C 및 9 및 22의 거리 D의 비율, 다시 말해 A:B:C:D의 비율과 대응되는 하나 이상의 모델 이미지 각각의 거리 간 비율 정보 A':B':C':D'를 비교하여 유사도를 계산할 수 있다. 예를 들어, 유사도는 각 항 별 차이의 가중합으로 계산될 수 있다. 이때, 각 가중치는 A, B, C, D 마다 상이하게 설정될 수 있다. 예를 들어, 가중치는 A = 1, B = 0.9, C = 0.8, D = 1.1 과 같이 미리 설정될 수 있다.
또 다른 예에 따르면, 상술한 가중치는 사용자가 선택하도록 구성될 수 있다. 예컨대, 안경 추천 서버는 사용자 단말에 각 구성요소마다 가중치를 조절할 수 있는 기능을 제공할 수 있다. 사용자 단말로부터 각 구성요소에 대한 가중치를 전송받으면 안경 추천 서버는 전송받은 가중치들을 적용하여 가중합에 기초한 유사도를 계산할 수 있다. 사용자는 각 구성요소 별 가중치를 수정한 후 수정된 가중치에 따른 추천 모델 이미지들을 다시 제공받을 수 있다. 이에 의해 사용자 맞춤형으로 확장된 추천이 가능해진다.
일 예에 따르면, 안경 추천 서버는 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 검색할 수 있다. 소정 기준은 비율 차가 될 수 있으며, 비율 차에 반비례하여 유사도가 결정될 수 있다. 이에 따라, 랜드마크 포인트 간 비율 차가 소정 값 이하인 경우, 소정 기준 이상의 유사도를 가지는 모델 이미지로 검색될 수 있다.
일 실시예에 따르면, 안경 추천 서버는 사용자 단말로부터 검색된 하나 이상의 모델 이미지 중 어느 하나를 선택하는 입력을 수신할 수 있다(120).
도 3을 참조하면, 안경 추천 서버는 소정 기준 이상의 유사도를 가지는 모델 이미지를 검색하여 사용자 단말에 전송할 수 있다. 예를 들어, 안경 추천 서버는 한 명 이상의 모델의 이미지를 전송할 수 있으며, 한 명에 대한 복수 개의 이미지를 전송할 수 있다. 예를 들어, 안경 추천 서버는 모델 1의 경우 3개의 이미지, 모델 2 및 모델 3의 경우 1개의 이미지를 전송할 수 있다.
일 예에 따르면, 안경 추천 서버는 사용자 단말로부터 전송된 하나 이상의 모델 이미지 중 어느 하나를 선택하는 입력을 수신할 수 있다. 이후, 안경 추천 서버는 선택된 모델 이미지에 포함된 안경에 대한 상품 정보를 사용자 단말에 전송할 수 있다(130). 이 때 사용자 단말은 수신한 상품 정보를 화면에 출력할 수 있다.
도 4를 참조하면, 안경 추천 서버는 상품 이미지, 상품명, 상품 가격 중 적어도 하나를 포함하는 상품 정보를 전송할 수 있다. 예를 들어, 사용자가 도 3에서 모델 1의 첫번째 모델 이미지를 선택한 경우, 안경 추천 서버는 해당 이미지에 대응하는 상품 정보를 도 4와 같이 사용자 단말에 전송할 수 있다.
일 예에 따르면, 안경 추천 서버는 하나 이상의 모델의 이미지에 대한 메타 정보를 가지고 있을 수 있다. 예를 들어, 메타 정보는 모델의 성별, 연령, 피부톤, 국가, 인지도 및 얼굴형 중 적어도 하나일 수 있다. 또한, 메타 정보는 모델 이미지에 포함된 상품의 정보를 포함할 수 있다.
일 예에 따르면, 안경 추천 서버는 하나 이상의 모델 이미지를 메타 정보를 기초로 분류하여 저장할 수 있다. 예를 들어, 도 5에서와 같이, 안경 추천 서버는 '성별 = 여성, 연령 = 20대, 피부톤 = 쿨톤, 국가 = 한국, 인지도 = 6(1~10), 얼굴형 = 계란형'의 메타 정보를 가진 모델 이미지를 분류하여 저장할 수 있다.
도 6 및 도 7은 본 발명의 또 다른 실시예에 따른 안경 추천 방법에 의해 안경 추천이 이루어진 사용자 단말의 화면의 예들을 예시한다.
도 3에 예시된 실시예는 안경을 착용한 모델 이미지들을 검색하여 출력하고 그에 대한 사용자 선택을 수신하는 방식으로 진행되는 반면, 도 6 및 도 7은 안경을 착용하지 않은 모델 이미지들을 검색하여 사용자 이미지와 유사한 모델 이미지들을 사용자에게 출력하는 방식으로 진행되는 또 다른 실시예를 제시한다. 이 경우, 사용자가 출력된 모델 이미지들 중 원하는 모델 이미지를 선택하면, 해당 모델 이미지에 대응하는 모델이 안경을 착용한 상태의 이미지들(즉, 안경 착용 모델 이미지들)을 사용자 단말에 전송할 수 있다. 사용자는 안경 착용 모델 이미지들 중 관심이 있는 하나의 이미지를 선택할 것이고, 이 때 선택된 안경 착용 모델 이미지에 포함된 안경에 대한 상품 정보가 사용자 단말에 출력될 수 있다.
여기서, 모델 이미지는 연예인 또는 일반인의 이미지일 수도 있고, 초상권 문제가 없는 가상 인물의 이미지일 수도 있다. 만약 모델 이미지가 가상 인물의 이미지인 경우, 각각의 가상 인물에 각 안경 상품의 이미지를 결합한 이미지들의 세트가 안경 추천 서버의 데이터베이스에 저장되어 있을 수 있다. 종래 기술에 따라 사용자 이미지에 안경 이미지를 합성하는 경우에는 사용자 이미지와 안경 이미지 간의 약간의 크기, 방향, 위치 차이로 인해 자연스러운 착용 이미지를 구현하는데 한계가 있었으나, 안경 상품이 결합된 가상 인물의 이미지는 훨씬 더 자연스러운 착용 이미지를 구현할 수 있다는 이점이 있다.
도 6 및 도 7에 도시된 바와 같이 본 발명의 일 실시예에 따르면, 상기 하나 이상의 모델 이미지를 사용자 단말로 전송하는 단계는, 사용자에게 사용자 이미지의 각 구성요소 별로 카테고리를 조절할 수 있게 하는 이퀄라이저 기능을 제공하는 단계, 상기 사용자로부터 특정 구성요소에 대한 카테고리의 선택을 수신하는 단계, 그리고 상기 사용자가 선택한 카테고리에 맞춰 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 검색하는 단계를 더 포함할 수 있다.
여기서, 상기 이퀄라이저 기능을 제공하는 단계는, 상기 사용자로부터 특정 구성요소에 대한 카테고리의 선택을 수신하는 단계 이전에, 상기 사용자의 얼굴 이미지가 포함된 사용자 이미지 파일을 기초로 상기 구성요소 별로 해당하는 카테고리를 표시해주는 단계를 더 포함할 수 있다.
예컨대, 도 6은 사용자 이미지 파일을 기초로 분석한 후, 분석 결과로서 사용자의 각 구성요소 별 카테고리가 이하와 같이 분석되었음을 사용자 단말에 표시해준다: 얼굴형 = 계란형, 미간 = 넓은, 눈모양 = 가는, 눈크기 = 작은, 눈각도 = 일직선). 아울러, 상기 분석 결과에 따라 사용자 이미지와 소정 기준 이상의 유사도를 가지는 추천 모델 이미지들이 사용자 단말의 화면에 출력될 수 있다.
도 6 및 도 7에 도시된 바와 같이, 사용자에게 사용자 맞춤형으로 확장된 모델 이미지들을 추천하기 위한 목적으로 사용자로 하여금 사용자 이미지의 각 구성요소 별 카테고리를 조절할 수 있게 하는 이퀄라이저 기능이 제공될 수 있다. 사용자는 각 구성요소 별 카테고리를 수정한 후 수정된 카테고리에 따른 추천 모델 이미지들을 다시 제공받을 수 있다.
도 6에 도시된 예에 따르면 사용자는 각 구성요소 별 정해진 카테고리들 중 어느 하나를 선택하는 방식으로 카테고리를 변경할 수 있다.
이와 달리 도 7에 도시된 예에 따르면, 이퀄라이저 기능은 각 구성요소 별 카테고리를 연속적으로 가변시킬 수 있는 형태로 제공될 수 있다. 예컨대, 사용자는 안면 윤곽을 계란형과 둥근형 사이로 선택할 수 있고, 눈썹 모양을 일자 눈썹과 둥근 눈썹 사이로 선택할 수 있다. 이와 같이 이퀄라이저 기능이 각 구성요소 별 카테고리를 연속적으로 가변시킬 수 있는 형태로 제공되는 경우, 사용자는 좀더 섬세하게 얼굴 분석 결과를 조정할 수 있고, 그 결과 더 정확한 추천 모델 이미지를 제공받을 수 있다는 이점이 있다. 도 7에는 이퀄라이저 기능이 복수 개의 카테고리를 일렬로 배열한 띠 형태로 제공되는 것으로 예시되어 있지만, 이러한 형태는 단지 예에 불과할 뿐 사각형의 형태 또는 원형의 형태 등 여러 가지 형태로 제공될 수 있다.
한편, 본 발명의 일 실시예에 따른 안경 추천 방법은 안경 가맹점의 재고 정보를 바탕으로 추천 모델 이미지를 제공할 수 있다. 이를 위하여 본 발명의 일 실시예에 따른 안경 추천 방법은 사용자의 위치 정보를 수집하는 단계 및 안경 추천 서버로부터 상기 사용자의 위치 정보에 기초하여 사용자의 위치로부터 일정 거리 이내에 있는 안경 판매 가맹점의 상품별 재고 정보를 제공받는 단계를 더 포함할 수 있다. 이 경우, 안경 추천 방법은 상품별 재고 정보를 반영하여 하나 이상의 추천 모델 이미지를 출력할 수 있다. 구체적으로, 재고가 없는 상품을 착용한 모델 이미지는 흐릿한 이미지로 후순위로 제공되거나, 재고가 없는 상품을 착용한 모델 이미지는 아예 제외하고 추천 모델 이미지가 출력될 수도 있다. 또는 추천 모델 이미지에 재고 정보를 함께 표시하여 제공될 수도 있다.
여기서, 상품별 재고 정보를 제공받는 안경 판매 가맹점의 거리는 사용자 선택에 의해 조절될 수 있다. 예컨대, 사용자 위치로부터 3 km 반경 내의 안경 판매 가맹점들의 재고 정보를 반영한 추천 모델 이미지들보다 확장된 추천 이미지를 받고 싶은 경우, 사용자는 안경 판매 가맹점과의 거리를 5 km 반경으로 확장시킬 수 있다.
또 다른 예에 따르면, 안경 추천 방법은 사용자로부터 선호 지역을 입력 받은 후, 입력된 선호 지역 내 안경 판매 가맹점의 상품별 재고 정보를 제공받아 추천 모델 이미지 전송에 반영할 수 있다.
이와 같이 재고 정보가 반영된 모델 이미지가 추천됨으로서 불필요한 상품 추천을 미연에 방지할 수 있고 재고가 없는 상품을 추천하여 생길 수 있는 마찰을 줄일 수 있다.
도 8은 일 실시예에 따른 안경 추천 서버의 구성도이다. 예컨대, 안경 추천 서버는 사용자 단말들과 안경 판매 가맹점들과 접속될 수 있다.
일 실시예에 따르면, 안경 추천 서버(800)는 사용자 단말로부터 사용자의 얼굴 이미지가 포함된 사용자 이미지 파일을 수신하는 사용자 이미지 파일 수신부(810), 사용자 단말로부터 수신한 사용자 이미지 파일을 기초로 구성요소별 카테고리의 유사도를 계산하여 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 검색하는 판단부(820), 상기 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 사용자 단말로 전송하는 모델 이미지 전송부(830), 및 사용자 단말로부터 전송된 하나 이상의 모델 이미지 중 어느 하나의 선택을 수신하면, 선택된 모델 이미지에 포함된 안경에 대한 상품 정보를 사용자 단말로 전송하는 상품 정보 전송부(840)를 포함할 수 있다. 또한 안경 추천 서버(800)는 사용자 단말에 사용자 이미지의 각 구성요소 별로 카테고리를 조절할 수 있게 하는 이퀄라이저 기능을 제공하는 이퀄라이저 제공부를 더 포함할 수도 있다. 그 외 안경 추천 서버(800)의 구체적인 구성은 안경 추천 방법과 관련하여 상술한 설명을 참고한다.
이제까지 본 발명에 대하여 그 바람직한 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 범위는 전술한 실시 예에 한정되지 않고 특허 청구범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.
800: 안경 추천 서버
810: 사용자 이미지 파일 수신부
820: 판단부
830: 모델 이미지 전송부
840: 상품 정보 전송부

Claims (11)

  1. 안경 추천 서버에 의한 안경 추천 방법으로서,
    사용자의 얼굴 이미지가 포함된 사용자 이미지 파일을 기초로 검색된 하나 이상의 모델 이미지를 사용자 단말로 전송하는 단계;
    상기 사용자 단말로부터 상기 검색된 하나 이상의 모델 이미지 중 어느 하나를 선택하는 입력을 수신하는 단계; 및
    상기 선택된 모델 이미지에 포함된 안경에 대한 상품 정보를 상기 사용자 단말로 전송하는 단계
    를 포함하고,
    상기 하나 이상의 모델 이미지를 사용자 단말로 전송하는 단계는,
    사용자 이미지 파일로부터 복수의 랜드마크 포인트를 검출하는 단계;
    상기 복수의 랜드마크 포인트를 기초로 사용자 얼굴에 대한 특징 정보를 생성하는 단계; 및
    상기 특징 정보를 기초로 모델 이미지를 검색하는 단계
    를 포함하며,
    상기 특징 정보는, 특정 고유 번호의 랜드마크 포인트 간 거리 및 상기 거리를 기초로 생성된 거리 간 비율 중 적어도 하나를 기초로 분류한 사용자 이미지에 포함된 하나 이상의 구성요소에 대한 카테고리 정보이고,
    상기 구성요소는 안면 윤곽, 눈썹, 눈, 코 및 미간 중 적어도 하나이며,
    상기 모델 이미지를 검색하는 단계는,
    상기 사용자 이미지의 구성요소 별 카테고리와 하나 이상의 모델 이미지의 구성요소 별 카테고리의 유사도를 계산하여, 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 검색하는,
    안경 추천 방법.
  2. 제1항에 있어서,
    상기 카테고리는,
    안면 윤곽의 경우 계란형, 둥근형, 사각형, 삼각형 및 마름모형 중 적어도 하나를 포함하며,
    눈썹의 경우 일자 눈썹, 둥근 눈썹, 날렵한 눈썹 및 쳐진 눈썹 중 적어도 하나를 포함하며,
    눈의 경우 큰 눈, 작은 눈 및 얇은 눈 중 적어도 하나를 포함하며,
    코의 경우 긴 콧대, 보통 콧대 및 짧은 콧대 중 적어도 하나를 포함하며,
    미간의 경우 넓음, 보통 및 좁음 중 적어도 하나를 포함하는,
    안경 추천 방법.
  3. 제1항에 있어서,
    상기 하나 이상의 모델 이미지를 사용자 단말로 전송하는 단계는,
    상기 사용자 단말에 사용자 이미지의 각 구성요소 별로 카테고리를 조절할 수 있게 하는 이퀄라이저 기능을 제공하는 단계;
    상기 사용자로부터 특정 구성요소에 대한 카테고리의 선택을 수신하는 단계; 및
    상기 사용자가 선택한 카테고리에 맞춰 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 검색하는 단계
    를 더 포함하는
    안경 추천 방법.
  4. 제3항에 있어서,
    상기 이퀄라이저 기능을 제공하는 단계는,
    상기 사용자로부터 특정 구성요소에 대한 카테고리의 선택을 수신하는 단계 이전에, 상기 사용자의 얼굴 이미지가 포함된 사용자 이미지 파일을 기초로 상기 구성요소 별로 해당하는 카테고리를 상기 사용자 단말에 표시해주는 단계
    를 더 포함하는
    안경 추천 방법.
  5. 제4항에 있어서,
    상기 이퀄라이저 기능을 제공하는 단계는, 각 구성요소 별 카테고리를 연속적으로 가변시킬 수 있는 형태로 제공하는
    안경 추천 방법.
  6. 제1항에 있어서,
    상기 모델 이미지를 검색하는 단계는,
    각 구성요소 별로 가중치를 상이하게 설정하여 사용자 이미지와 하나 이상의 모델 이미지 간의 유사도를 계산하는
    안경 추천 방법.
  7. 제1항에 있어서,
    상기 상품 정보는 상품 이미지, 상품명, 상품 가격 중 적어도 하나를 포함하는
    안경 추천 방법.
  8. 제1항에 있어서,
    상기 하나 이상의 모델 이미지를 사용자 단말로 전송하는 단계는 상기 하나 이상의 모델 이미지에 안경 판매 가맹점의 상품별 재고 정보를 반영하여 전송하는
    안경 추천 방법.
  9. 제8항에 있어서,
    상기 안경 추천 방법은,
    사용자의 위치 정보를 수집하는 단계; 및
    상기 사용자의 위치 정보에 기초하여 사용자의 위치로부터 일정 거리 이내에 있는 안경 판매 가맹점의 상품별 재고 정보를 제공받는 단계
    를 더 포함하는
    안경 추천 방법.
  10. 제8항에 있어서,
    상기 하나 이상의 모델 이미지를 사용자 단말로 전송하는 단계는 재고가 없는 상품을 착용한 모델 이미지는 제외하고 전송하는
    안경 추천 방법.
  11. 청구항 제1항 내지 제10항 중 어느 하나의 항에 따른 안경 추천 방법이 실행되도록 구성되는 안경 추천 서버로서,
    사용자 단말로부터 사용자의 얼굴 이미지가 포함된 사용자 이미지 파일을 수신하는 사용자 이미지 파일 수신부;
    사용자 단말로부터 수신한 사용자 이미지 파일을 기초로 구성요소별 카테고리의 유사도를 계산하여 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 검색하는 판단부;
    상기 소정 기준 이상의 유사도를 가지는 하나 이상의 모델 이미지를 사용자 단말로 전송하는 모델 이미지 전송부; 및
    사용자 단말로부터 상기 전송된 하나 이상의 모델 이미지 중 어느 하나의 선택을 수신하면, 선택된 모델 이미지에 포함된 안경에 대한 상품 정보를 사용자 단말로 전송하는 상품 정보 전송부
    를 포함하는
    안경 추천 서버.
KR1020220035203A 2021-04-16 2022-03-22 안경 추천 방법 및 안경 추천 서버 KR20220143569A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210049884 2021-04-16
KR1020210049884 2021-04-16

Publications (1)

Publication Number Publication Date
KR20220143569A true KR20220143569A (ko) 2022-10-25

Family

ID=83804041

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220035203A KR20220143569A (ko) 2021-04-16 2022-03-22 안경 추천 방법 및 안경 추천 서버

Country Status (1)

Country Link
KR (1) KR20220143569A (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007052733A (ja) 2005-08-19 2007-03-01 Glory Ltd 顔画像判定装置および顔画像判定方法
KR20120046652A (ko) 2010-11-02 2012-05-10 에스케이플래닛 주식회사 얼굴 인식 기반의 헤어 추천 시스템 및 그 방법
KR20200034028A (ko) 2018-09-13 2020-03-31 정형록 인공지능 기반 가상 피팅 시스템 및 방법
KR20200098713A (ko) 2016-03-31 2020-08-20 스냅 인코포레이티드 자동화된 아바타 생성
KR102174053B1 (ko) 2017-10-24 2020-11-13 노택규 스마트 거울을 이용한 안경 피팅 시스템의 운영방법
JP6857638B2 (ja) 2017-11-29 2021-04-14 ディット・テクノロジーズ・インコーポレーテッドＤｉｔｔｏ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｉｎｃｏｒｐｏｒａｔｅｄ ユーザの身体的特徴に基づいた推薦システム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007052733A (ja) 2005-08-19 2007-03-01 Glory Ltd 顔画像判定装置および顔画像判定方法
KR20120046652A (ko) 2010-11-02 2012-05-10 에스케이플래닛 주식회사 얼굴 인식 기반의 헤어 추천 시스템 및 그 방법
KR20200098713A (ko) 2016-03-31 2020-08-20 스냅 인코포레이티드 자동화된 아바타 생성
KR102174053B1 (ko) 2017-10-24 2020-11-13 노택규 스마트 거울을 이용한 안경 피팅 시스템의 운영방법
JP6857638B2 (ja) 2017-11-29 2021-04-14 ディット・テクノロジーズ・インコーポレーテッドＤｉｔｔｏ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｉｎｃｏｒｐｏｒａｔｅｄ ユーザの身体的特徴に基づいた推薦システム
KR20200034028A (ko) 2018-09-13 2020-03-31 정형록 인공지능 기반 가상 피팅 시스템 및 방법

Similar Documents

Publication Publication Date Title
US11914226B2 (en) Method and system to create custom, user-specific eyewear
US11157985B2 (en) Recommendation system, method and computer program product based on a user's physical features
KR20220049600A (ko) 안경용 가상 피팅 시스템 및 방법
US10057637B2 (en) Real-time content filtering and replacement
US20150331240A1 (en) Assisted Viewing Of Web-Based Resources
US20210209676A1 (en) Method and system of an augmented/virtual reality platform
CN104637035A (zh) 生成卡通人脸图片的方法、装置及系统
KR20170071967A (ko) 안경 온라인 판매 시스템의 안경 추천 방법
KR20180077959A (ko) 컨텐츠를 추천하는 방법 및 장치
US20170358135A1 (en) Augmenting the Half-Mirror to Display Additional Information in Retail Environments
KR20210017287A (ko) 인플루언서와의 정보 공유를 통해 화장품 색상을 추천하는 시스템 및 방법
US10019489B1 (en) Indirect feedback systems and methods
KR20220143569A (ko) 안경 추천 방법 및 안경 추천 서버
JP2021077384A (ja) Ａｒプラットフォームシステム、方法およびプログラム
KR20220079274A (ko) 인공 신경망을 이용한 안경 추천 기능이 포함된 안경 착용 시뮬레이션 방법
US10922579B2 (en) Frame recognition system and method
KR102534394B1 (ko) 온라인 안경 쇼핑 시스템
US20220198825A1 (en) Systems and methods for matching facial images to reference images
Nakano et al. Personalized Augmented Reality Content Delivery Using Computer Vision
JP2020166555A (ja) Ａｒプラットフォームシステム、方法およびプログラム
KR20230050027A (ko) 온라인 쇼핑몰 상품 설명페이지 방문자 시선 및 감정 분석 시스템 및 그 방법
JP2021002047A (ja) 画像処理装置、画像処理システム、ユーザ端末、画像処理方法及びプログラム
TW202314735A (zh) 訊息處理、顯示方法、裝置及終端
CN114326146A (zh) 一种基于互联网的远程配镜方法
CN116932861A (zh) 一种信息推荐方法、装置及车辆

Legal Events

Date Code Title Description
E902 Notification of reason for refusal