KR102121334B1 - Apparatus and method of prediction for body shape changing - Google Patents

Apparatus and method of prediction for body shape changing Download PDF

Info

Publication number
KR102121334B1
KR102121334B1 KR1020180043460A KR20180043460A KR102121334B1 KR 102121334 B1 KR102121334 B1 KR 102121334B1 KR 1020180043460 A KR1020180043460 A KR 1020180043460A KR 20180043460 A KR20180043460 A KR 20180043460A KR 102121334 B1 KR102121334 B1 KR 102121334B1
Authority
KR
South Korea
Prior art keywords
volume
change
subject
body shape
coefficients
Prior art date
Application number
KR1020180043460A
Other languages
Korean (ko)
Other versions
KR20190119916A (en
Inventor
최재영
조민석
Original Assignee
최재영
조민석
주식회사 인바디
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 최재영, 조민석, 주식회사 인바디 filed Critical 최재영
Priority to KR1020180043460A priority Critical patent/KR102121334B1/en
Publication of KR20190119916A publication Critical patent/KR20190119916A/en
Application granted granted Critical
Publication of KR102121334B1 publication Critical patent/KR102121334B1/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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0064—Body surface scanning
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Image Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

피검체를 스캔하고, 상기 스캔된 피검체의 체형에 상응하는 3차원 모델을 생성하는 모델 생성부, 각각의 신체 부위 별로 설정된 복수의 제1 체적 계수 및 복수의 제2 체적 계수를 저장하는 메모리 및 상기 피검체에 대한 체성분 측정 결과를 이용하여 상기 피검체의 체성분 변화에 따른 체형 변화를 예측하고, 상기 예측된 체형 변화에 상응하는 3차원 모델을 출력하는 분석부를 포함하는 체형 변화 예측 장치가 제공된다.A model generator that scans a subject and generates a three-dimensional model corresponding to the body shape of the scanned subject; a memory for storing a plurality of first volume coefficients and a plurality of second volume coefficients set for each body part, and A body shape change prediction apparatus is provided that includes an analysis unit for predicting a body shape change according to a change in body composition of the subject using a body composition measurement result for the subject, and outputting a 3D model corresponding to the predicted body shape change. .

Description

체형 변화 예측 장치 및 방법{APPARATUS AND METHOD OF PREDICTION FOR BODY SHAPE CHANGING}Apparatus and method for predicting body shape change{APPARATUS AND METHOD OF PREDICTION FOR BODY SHAPE CHANGING}

체형 변화 예측 장치 및 방법에 연관되며, 보다 구체적으로 피검체의 체성분 변화에 따른 체형 변화를 예측하고, 예측된 체형 변화에 상응하는 3차원 모델을 출력하는 장치 및 방법에 연관된다.Related to the apparatus and method for predicting body shape change, and more specifically, to an apparatus and method for predicting a body shape change according to a change in body composition of a subject and outputting a 3D model corresponding to the predicted body shape change.

오늘날 성형이나 미용과 같은 서비스 분야에 대해 사람들의 관심이 높아지면서, 이와 접목된 헬스케어 서비스나 웨어러블 디바이스(wearable device)의 상용화 역시도 널리 확산되고 있는 추세이다.Today, as people's interest in service fields such as plastic surgery and beauty increases, commercialization of grafted healthcare services and wearable devices is also spreading.

다이어트(diet)나 체중 감량을 수행하는 사용자들은 현재의 체성분 측정값에 기초하여 목표 기간 및 목표 변화량을 설정한다. 또한, 다이어트가 실행되는 중에도 소정 시간 간격으로 사용자의 체성분이 얼마나 변화했는지 파악하기 위해 체성분 측정을 수행한다. 그러나 이러한 체성분 측정의 결과값을 반영하여, 직관적으로 체형과 몸매가 어떻게 변화하게 될 지 사용자에게 출력해주는 시스템에 대한 필요성 또한 증가하고 있는 실정이다.Users performing a diet or weight loss set a target period and a target change amount based on current body composition measurement values. In addition, body weight measurement is performed to determine how much the user's body composition has changed at predetermined time intervals while the diet is running. However, there is an increasing need for a system that outputs to the user how the body shape and body will change intuitively by reflecting the results of these body composition measurements.

대한민국 등록특허 제10-1563617호는 사용자의 인체모형을 이용한 시뮬레이션 서비스 제공 방법에 관한 발명이다. 대상 발명은 사용자의 얼굴을 포함하는 사용자 영상과 신체 치수를 포함하는 신체 정보를 이용하여 가상 인체모형을 생성하고, 생성된 가상 인체모형을 이용하여 패션, 성형 또는 미용 상품이 적용된 시뮬레이션 결과를 제공하는 장치를 제공한다.Republic of Korea Patent Registration No. 10-1563617 is an invention related to a method for providing a simulation service using a user's human body model. The object invention is to generate a virtual human body model using a user image including a user's face and body information including body dimensions, and to provide a simulation result to which a fashion, cosmetic, or beauty product is applied using the generated virtual human body model. Provide a device.

일측에 따르면, 피검체를 스캔하고, 상기 스캔된 피검체의 체형에 상응하는 3차원 모델을 생성하는 모델 생성부, 각각의 신체 부위 별로 설정된 복수의 제1 체적 계수 및 복수의 제2 체적 계수를 저장하는 메모리 및 상기 피검체에 대한 체성분 측정 결과를 이용하여 상기 피검체의 체성분 변화에 따른 체형 변화를 예측하고, 상기 예측된 체형 변화에 상응하는 3차원 모델을 출력하는 분석부를 포함하는 체형 변화 예측 장치가 제공된다. 상기 제1 체적 계수는 체지방 변화량에 대응하고, 상기 제2 체적 계수는 근육 변화량에 대응할 수 있다.According to one side, a model generating unit that scans a subject and generates a three-dimensional model corresponding to the body shape of the scanned subject, a plurality of first volume coefficients and a plurality of second volume coefficients set for each body part Body shape change prediction including an analysis unit for predicting a body shape change according to a change in body composition of the subject using a memory stored and a body composition measurement result for the subject, and outputting a 3D model corresponding to the predicted body shape change Device is provided. The first volume coefficient may correspond to a change in body fat, and the second volume coefficient may correspond to a change in muscle.

일실시예에 따르면, 상기 모델 생성부는 상기 지정된 피검체를 소정 시간 주기에 따라 회전시키는 턴 테이블 및 상기 소정 시간 주기에 따라 상기 피검체를 스캔하여 상기 피검체에 대한 복수의 3차원 공간 좌표들을 획득하는 깊이 카메라를 포함할 수 있다.According to one embodiment, the model generation unit acquires a plurality of three-dimensional spatial coordinates for the subject by scanning a turn table for rotating the designated subject according to a predetermined time period and the subject according to the predetermined time period. Can include a depth camera.

다른 일실시예에 따르면, 상기 모델 생성부는 상기 획득된 복수의 3차원 공간 좌표들을 합성하여 상기 스캔된 피검체의 체형에 상응하는 3차원 모델을 생성할 수 있다.According to another embodiment, the model generator may generate a 3D model corresponding to the body shape of the scanned subject by synthesizing the obtained plurality of 3D spatial coordinates.

또 다른 일실시예에 따르면, 상기 메모리는 복수의 사용자들에 대한 빅데이터를 이용하여 체지방 변화량에 따른 신체 부위별 부피 변화량 각각을 상기 복수의 제1 체적 계수로서 저장하고, 근육 변화량에 따른 신체 부위별 부피 변화량 각각을 상기 복수의 제2 체적 계수로서 저장할 수 있다.According to another embodiment, the memory stores each volume change amount of each body part according to a change in body fat as the plurality of first volume coefficients by using big data for a plurality of users, and a body part according to a change in muscle Each volume change amount may be stored as the plurality of second volume coefficients.

또 다른 일실시예에 따르면, 상기 분석부는 상기 각각의 신체 부위 별로 설정된 상기 복수의 제1 체적 계수 및 상기 복수의 제2 체적 계수를 이용하여 체성분 변화에 따른 각각의 신체 부위별 체적 변화량을 계산할 수 있다.According to another embodiment, the analysis unit may calculate a volume change amount for each body part according to a change in body composition using the plurality of first volume coefficients and the plurality of second volume coefficients set for each body part. have.

또 다른 일실시예에 따르면, 상기 분석부는 상기 각각의 신체 부위별 체적 변화량을 합성하여, 전신의 체형 변화를 나타내는 3차원 모델을 출력할 수 있다.According to another embodiment, the analysis unit may synthesize a volume change amount for each body part and output a 3D model representing a change in body shape of the whole body.

또 다른 일실시예에 따르면, 상기 분석부는 상기 체성분 측정 결과에 포함되는 현재 체지방량 및 현재 근육량과 상기 스캔된 피검체의 체형에 상응하는 각각의 신체 부위의 체적(volume)을 비교하여 상기 복수의 제1 체적 계수 및 상기 복수의 제2 체적 계수 각각을 상기 피검체에 대응하도록 조정(customizing)할 수 있다.According to another embodiment, the analysis unit compares the current body fat amount and the current muscle mass included in the body composition measurement result with the volume of each body part corresponding to the body shape of the scanned subject, thereby comparing the plurality of agents. One volume coefficient and each of the plurality of second volume coefficients may be customized to correspond to the subject.

다른 일측에 따르면, 피검체의 체형에 상응하는 3차원 모델을 생성하는 단계, 지정된 기기로부터 상기 피검체에 대한 체성분 측정 결과를 수신하는 단계, 각각의 신체 부위 별로 설정된 복수의 제1 체적 계수 및 복수의 제2 체적 계수와 상기 체성분 측정 결과를 이용하여 상기 피검체의 체성분 변화에 따른 체형 변화를 예측하는 단계 및 상기 예측된 체형 변화에 상응하는 3차원 모델을 출력하는 단계를 포함하는 체형 변화 예측 방법이 제공된다. 구체적으로, 상기 제1 체적 계수는 체지방 변화량에 대응하고, 상기 제2 체적 계수는 근육 변화량에 대응할 수 있다.According to another aspect, generating a three-dimensional model corresponding to the body shape of the subject, receiving a body composition measurement result for the subject from a specified device, a plurality of first volume coefficients and a plurality of sets set for each body part A method for predicting a body shape change comprising the step of predicting a body shape change according to the body composition change of the subject using the second volume coefficient of the body and the result of the body composition measurement, and outputting a three-dimensional model corresponding to the predicted body shape change. Is provided. Specifically, the first volume coefficient may correspond to a change in body fat, and the second volume coefficient may correspond to a change in muscle.

일실시예에 따르면, 상기 3차원 모델을 생성하는 단계는 상기 피검체에 대한 복수의 3차원 공간 좌표들을 합성하여 상기 피검체의 체형에 상응하는 3차원 모델을 생성하는 단계를 포함할 수 있다.According to an embodiment, the generating of the 3D model may include generating a 3D model corresponding to the body shape of the subject by synthesizing a plurality of 3D spatial coordinates for the subject.

다른 일실시예에 따르면, 상기 3차원 모델을 출력하는 단계는 각각의 신체 부위별 체적 변화량을 합성하여, 전신의 체형 변화를 나타내는 3차원 모델을 출력하는 단계를 포함할 수 있다.According to another embodiment, the step of outputting the 3D model may include synthesizing a volume change amount for each body part, and outputting a 3D model representing a change in body shape of the whole body.

또 다른 일실시예에 따르면, 상기 체형 변화 예측 방법은 복수의 사용자들에 대한 빅데이터를 이용하여 체지방 변화량에 따른 신체 부위별 부피 변화량 각각을 상기 복수의 제1 체적 계수로서 저장하고, 근육 변화량에 따른 신체 부위별 부피 변화량 각각을 상기 복수의 제2 체적 계수로서 저장하는 단계를 더 포함할 수 있다.According to another embodiment, the body shape change prediction method stores each volume change amount of each body part according to the body fat change amount as the plurality of first volume coefficients by using big data for a plurality of users, and the muscle change amount The method may further include storing each volume change amount according to each body part as the plurality of second volume coefficients.

또 다른 일실시예에 따르면, 상기 체형 변화 예측 방법은 상기 체성분 측정 결과에 포함되는 현재 체지방량 및 현재 근육량과 상기 스캔된 피검체의 체형에 상응하는 각각의 신체 부위의 부피를 비교하여 상기 복수의 제1 체적 계수 및 상기 복수의 제2 체적 계수 각각을 상기 피검체에 대응하도록 조정(customizing)하는 단계를 포함할 수 있다.According to another embodiment, the body shape change prediction method compares the current body fat amount and the current muscle mass included in the body composition measurement result with the volume of each body part corresponding to the body shape of the scanned subject. And customizing each volume coefficient and each of the plurality of second volume coefficients to correspond to the subject.

도 1은 일실시예에 따른 체형 변화 예측 장치의 블록도이다.
도 2는 일실시예에 따른 모델 생성부의 예시도이다.
도 3a 및 도 3b는 도 2에서 설명된 모델 생성부에 의해 생성된 3차원 모델의 예시적 화면이다.
도 4는 일실시예에 따른 체형 변화 예측 방법의 흐름도이다.
도 5a 및 도 5b는 피검체의 체성분 변화에 따라 예측된 체형 변화를 나타내는 3차원 모델의 예시적 화면이다.1 is a block diagram of an apparatus for predicting body shape change according to an embodiment.
2 is an exemplary view of a model generation unit according to an embodiment.
3A and 3B are exemplary screens of a 3D model generated by the model generation unit illustrated in FIG. 2.
4 is a flowchart of a method for predicting body shape change according to an embodiment.
5A and 5B are exemplary screens of a 3D model showing a predicted body shape change according to a change in body composition of a subject.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.Specific structural or functional descriptions of the embodiments are disclosed for illustrative purposes only, and may be implemented in various forms. Accordingly, the embodiments are not limited to the specific disclosure form, and the scope of the present specification includes modifications, equivalents, or substitutes included in the technical spirit.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first or second may be used to describe various components, but these terms should be interpreted only for the purpose of distinguishing one component from other components. For example, the first component may be referred to as the second component, and similarly, the second component may also be referred to as the first component.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.When an element is said to be "connected" to another element, it should be understood that other elements may be present, either directly connected to or connected to the other element.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Singular expressions include plural expressions unless the context clearly indicates otherwise. In this specification, the terms "include" or "have" are intended to designate the presence of a feature, number, step, action, component, part, or combination thereof as described, one or more other features or numbers, It should be understood that the existence or addition possibilities of steps, actions, components, parts or combinations thereof are not excluded in advance.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person skilled in the art. Terms such as those defined in a commonly used dictionary should be interpreted as having meanings consistent with meanings in the context of related technologies, and should not be interpreted as ideal or excessively formal meanings unless explicitly defined herein. Does not.

이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. In the description with reference to the accompanying drawings, the same reference numerals are assigned to the same components regardless of reference numerals, and redundant descriptions thereof will be omitted.

도 1은 일실시예에 따른 체형 변화 예측 장치의 블록도이다. 도 1을 참조하면, 체형 변화 예측 장치(100)는 모델 생성부(110), 메모리(120) 및 분석부(130)를 포함할 수 있다. 모델 생성부(110)는 피검체를 스캔할 수 있다. 또한, 모델 생성부(110)는 스캔된 피검체의 체형(body shape)에 상응하는 3차원 모델을 생성할 수 있다. 예시적으로, 3차원 모델은 상기 피검체에 대한 3차원 공간 좌표로 정의될 수 있다. 이하에서 추가될 다른 도면과 함께 모델 생성부(110)가 구현되기 위한 예시적 구조에 대해 자세히 설명될 것이다.1 is a block diagram of an apparatus for predicting body shape change according to an embodiment. Referring to FIG. 1, the body change prediction apparatus 100 may include a model generator 110, a memory 120, and an analysis unit 130. The model generator 110 may scan the subject. In addition, the model generator 110 may generate a 3D model corresponding to the body shape of the scanned subject. For example, the 3D model may be defined as 3D spatial coordinates for the subject. Hereinafter, an exemplary structure for implementing the model generation unit 110 together with other drawings to be added will be described in detail.

메모리(120)는 각각의 신체 부위 별로 설정된 복수의 제1 체적 계수 및 복수의 제2 체적 계수를 저장할 수 있다. 보다 구체적으로, 제1 체적 계수는 체지방 변화량에 대응하는 체적 변화량을 나타낼 수 있다. 또한, 제2 체적 계수는 근육 변화량에 대응하는 체적 변화량을 나타낼 수 있다. 상기 제1 체적 계수 및 상기 제2 체적 계수 모두는 단위 무게 변화량(Δkg)에 대한 단위 체적 변화량(Δcm3)으로 정의될 수 있다. 상기 제1 체적 계수 및 상기 제2 체적 계수를 정의하기 위해 이용된 단위(kg 또는 cm3)들은 이해를 돕기 위한 예시적 수치일 뿐 다른 실시예들(이를 테면 g 또는 m3 등)에 대한 적용을 배제하는 것은 아니다.The memory 120 may store a plurality of first volume coefficients and a plurality of second volume coefficients set for each body part. More specifically, the first volume coefficient may represent a volume change amount corresponding to the body fat change amount. Also, the second volume coefficient may indicate a volume change amount corresponding to the muscle change amount. Both the first volume coefficient and the second volume coefficient may be defined as a unit volume change (Δcm 3 ) with respect to a unit weight change (Δkg). The units (kg or cm 3 ) used to define the first volume coefficient and the second volume coefficient are exemplary values for ease of understanding and application to other embodiments (eg g or m 3, etc.) It does not exclude.

메모리(120)는 사용자들의 신체 부위 각각에 대응하는 복수의 제1 체적 계수 및 복수의 제2 체적 계수를 저장할 수 있다. 예시적으로, 메모리(120)는 사용자의 허리에 대응하는 제1 체적 계수 및 제2 체적 계수, 가슴에 대응하는 제1 체적 계수 및 제2 체적 계수, 목에 대응하는 제1 체적 계수 및 제2 체적 계수 및 엉덩이에 대응하는 제1 체적 계수 및 제2 체적 계수 각각을 저장할 수 있다. 위에서 설명한 신체 부위(이를 테면, 허리, 가슴, 목, 엉덩이)는 이해를 돕기 위한 예시적 기재일 뿐, 다른 실시예(이를 테면, 윗팔, 손목, 넙적 다리 등)를 제한하거나 한정하는 것으로 해석되어서는 안될 것이다.The memory 120 may store a plurality of first volume coefficients and a plurality of second volume coefficients corresponding to each body part of the users. For example, the memory 120 may include a first volume coefficient and a second volume coefficient corresponding to a user's waist, a first volume coefficient and a second volume coefficient corresponding to a chest, and a first volume coefficient and a second volume corresponding to a neck. Each of the first volume coefficient and the second volume coefficient corresponding to the volume coefficient and the hip may be stored. The body parts described above (such as the waist, chest, neck, and hips) are illustrative examples only to aid understanding, and are interpreted as limiting or limiting other embodiments (such as the upper arm, wrist, thighs, etc.) Will not.

분석부(130)는 피검체에 대한 체성분 측정 결과를 이용하여 피검체의 체성분 변화에 따른 체형 변화를 예측할 수 있다. 또한, 분석부(130)는 예측된 체형 변화에 상응하는 3차원 모델을 출력할 수 있다.The analysis unit 130 may predict the change in body shape according to the change in the body composition of the subject using the result of measuring the body composition for the subject. Also, the analysis unit 130 may output a 3D model corresponding to the predicted body shape change.

분석부(130)는 피검체에 대한 사용자 단말(UE: user equipment)과 데이터 통신을 수행하기 위한 통신 인터페이스를 더 포함할 수 있다. 분석부(130)는 상기 통신 인터페이스를 통하여 상기 사용자 단말과 페어링되며, 상기 사용자 단말로부터 상기 피검체에 대한 체성분 측정 결과를 수신할 수 있다. 상기 통신 인터페이스는 WLAN(Wireless LAN), WiFi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), Wibro(Wireless broadband), Wimax(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access) 등의 무선 인터넷 인터페이스와 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication) 등의 근거리 통신 인터페이스를 포함할 수 있다.The analysis unit 130 may further include a communication interface for performing data communication with a user equipment (UE) for the subject. The analysis unit 130 may be paired with the user terminal through the communication interface, and receive a body composition measurement result for the subject from the user terminal. The communication interface includes WLAN (Wireless LAN), WiFi (Wireless Fidelity) Direct, DLNA (Digital Living Network Alliance), Wibro (Wireless broadband), Wimax (World Interoperability for Microwave Access), HSDPA (High Speed Downlink Packet Access), etc. It may include a wireless Internet interface and short-range communication interfaces such as Bluetooth™, Radio Frequency Identification (RFID), Infrared Data Association (IrDA), Ultra Wideband (UWB), ZigBee, and Near Field Communication (NFC). have.

도 2는 일실시예에 따른 모델 생성부의 예시도이다. 도 2를 참조하면, 모델 생성부는 턴 테이블(220) 및 깊이 카메라(230)를 포함할 수 있다. 턴 테이블(220)는 피검체(210)가 접촉되는 제1 면을 포함할 수 있다. 예시적으로, 피검체(210)는 턴 테이블(220)의 상면에 배치될 수 있다. 또한, 턴 테이블(220)은 지정된 피검체(210)를 소정 시간 주기에 따라 회전시킬 수 있다. 보다 구체적으로, 턴 테이블(220)은 본체 내부에 장착된 구동 모터에 의해 미리 지정된 시간 주기에 따라 피검체(210)를 회전시킬 수 있다. 예시적으로, 그러나 한정되지 않게, 턴 테이블(220)은 소정 시간 주기에 따라 피검체(210)를 90도만큼 회전시킬 수 있다. 이에 따라, 깊이 카메라(230)는 피검체(210)의 정면(0도)를 중심으로 90도, 180도, 270도 각각에 상응하는 복수의 3차원 공간 좌표들을 획득할 수 있다. 위에서 설명된 턴 테이블(220)의 회전각(이를 테면, 90도, 180도, 270도 등)들은 발명의 이해를 돕기 위한 예시적 기재일 뿐, 다른 실시예들(45도, 135도 등)을 제한하거나 한정하는 것으로 해석되어서는 안될 것이다.2 is an exemplary view of a model generation unit according to an embodiment. Referring to FIG. 2, the model generation unit may include a turn table 220 and a depth camera 230. The turn table 220 may include a first surface to which the subject 210 is contacted. For example, the subject 210 may be disposed on the top surface of the turn table 220. Also, the turn table 220 may rotate the designated subject 210 according to a predetermined time period. More specifically, the turn table 220 may rotate the subject 210 according to a predetermined period of time by a drive motor mounted inside the body. By way of example, but not limitation, the turn table 220 may rotate the subject 210 by 90 degrees according to a predetermined time period. Accordingly, the depth camera 230 may acquire a plurality of three-dimensional spatial coordinates corresponding to each of 90 degrees, 180 degrees, and 270 degrees around the front side (0 degree) of the subject 210. The rotation angles of the turn table 220 described above (eg, 90 degrees, 180 degrees, 270 degrees, etc.) are merely exemplary descriptions to help understanding of the invention, and other embodiments (45 degrees, 135 degrees, etc.) Should not be construed as limiting or limiting.

깊이 카메라(230)(depth camera)는 소정 시간 주기에 따라 피검체(210)를 스캔할 수 있다. 깊이 카메라(230)는 스캔 결과에 따라 피검체(210)에 대한 복수의 3차원 공간 좌표들을 획득할 수 있다. 깊이 카메라(230)에는 적외선의 반사 시간 차이를 이용한 ToF(Time of Flight) 카메라 또는 구조화된 광선 패턴(structured light pattern)을 이용한 스테레오 카메라 등과 같이 오늘날 기술 분야에서 깊이 정보(depth information)를 생성하는데 이용되는 다양한 실시예들이 적용될 수 있을 것이다.The depth camera 230 (depth camera) may scan the subject 210 according to a predetermined time period. The depth camera 230 may acquire a plurality of three-dimensional spatial coordinates for the subject 210 according to the scan result. The depth camera 230 is used to generate depth information in today's technical field, such as a time of flight (ToF) camera using a difference in infrared reflection time or a stereo camera using a structured light pattern. Various embodiments may be applied.

모델 생성부에 포함되는 프로세서는 깊이 카메라(230)에 의해 획득된 3차원 공간 좌표들을 합성하여, 스캔된 피검체의 체형에 상응하는 3차원 모델을 생성할 수 있다. 상기 3차원 모델은 전방위(omnidirectional)에서의 피검체(210)에 대한 체형 정보를 포함하는 3차원 모델을 나타낼 수 있다. 구체적으로, 프로세서는 턴 테이블(220)의 회전 주기를 이용하여 획득된 3차원 공간 좌표들을 합성하여 피검체(210)에 대한 체형 정보를 포함하는 3차원 모델을 생성할 수 있다.The processor included in the model generation unit may synthesize 3D spatial coordinates obtained by the depth camera 230 to generate a 3D model corresponding to the body shape of the scanned subject. The 3D model may represent a 3D model including body shape information about the subject 210 in omnidirectional direction. Specifically, the processor may generate 3D models including body shape information about the subject 210 by synthesizing 3D spatial coordinates obtained using the rotation cycle of the turn table 220.

도 3a 및 도 3b는 도 2에서 설명된 모델 생성부에 의해 생성된 3차원 모델의 예시적 화면이다. 도 3a를 참조하면, 피검체에 대해 생성된 3차원 모델의 예시적 화면이 도시된다. 예시적으로, 3차원 모델은 복수의 신체 부위 각각에 대한 체적값 또는 둘레값의 집합으로 정의될 수 있다.3A and 3B are exemplary screens of a 3D model generated by the model generation unit illustrated in FIG. 2. Referring to FIG. 3A, an exemplary screen of a 3D model generated for a subject is shown. For example, the 3D model may be defined as a set of volume values or circumference values for each of a plurality of body parts.

예시적으로, 도 3a의 실시예에서는 윗팔 둘레값(311), 가슴 둘레값(312), 허리 둘레값(313), 골반 둘레값(314), 허벅지 둘레값(315) 및 종아리 둘레값(316)을 3차원 모델에 반영하는 방식으로 피검체에 대한 3차원 모델이 생성될 수 있다.For example, in the embodiment of FIG. 3A, the upper arm circumference value 311, the chest circumference value 312, the waist circumference value 313, the pelvic circumference value 314, the thigh circumference value 315, and the calf circumference value 316 ) Can be generated in a 3D model by reflecting the 3D model.

구체적으로, 모델 생성부는 피검체의 신장 정보(height information)에 대응하는 3차원 모델을 생성하고, 생성된 3차원 모델 내에서 신체 부위 각각의 둘레값(311, 312, 313, 314, 315, 316)을 반영하여 상기 피검체에 대응하는 3차원 모델을 업데이트할 수 있다. 이를테면, 도 3a의 실시예에서 모델 생성부는 3차원 모델에 대해 윗팔 둘레값(311)으로 35cm가 적용된 팔 두께를 생성하고, 가슴 둘레값(312)으로 105cm가 적용된 가슴 두께를 생성하고, 허리 둘레값(313)으로 100cm가 적용된 허리 두께를 생성하고, 이와 동일한 원리로 골반 둘레값(314), 허벅지 둘레값(315) 및 종아리 둘레값(316)을 3차원 모델에 적용하여 피검체에 맞는 3차원 모델을 생성할 수 있다.Specifically, the model generating unit generates a 3D model corresponding to height information of the subject, and the perimeter values 311, 312, 313, 314, 315, and 316 of each body part in the generated 3D model. ) To update the 3D model corresponding to the subject. For example, in the embodiment of FIG. 3A, the model generating unit generates an arm thickness with 35 cm applied as an upper arm circumference value 311 for a 3D model, and a chest thickness with 105 cm applied as a chest circumference value 312, and a waist circumference. A waist thickness of 100 cm is applied as a value 313, and the same principle is used to apply the pelvic circumference 314, thigh circumference 315, and calf circumference 316 to the 3D model to fit the subject 3 You can create a dimensional model.

도 3b에는 도 3a의 과정을 거쳐 생성된 피검체의 3차원 모델(320)이 도시된다. 구체적으로, 3차원 모델(320)은 함께 매핑된 체성분 측정 결과, 측정 날짜(ex. 2017-12-21), 체형 타입(ex. 하체발달형 등), 피검체의 키 및 몸무게 정보를 함께 포함할 수 있다.3B shows a three-dimensional model 320 of a subject generated through the process of FIG. 3A. Specifically, the 3D model 320 includes body composition measurement results mapped together, measurement date (ex. 2017-12-21), body type (ex. lower body development type, etc.), height and weight information of the subject together. can do.

체형 변화 예측 장치 내의 메모리는 날짜 또는 체성분 측정 결과에 대응하여 하나의 피검체에 대한 복수의 3차원 모델들을 저장할 수 있다. 복수의 3차원 모델 각각에는 체성분 측정 결과 또는 체성분 예측 결과에 대응한 신체 부위 각각의 둘레값이 적용될 수 있다.The memory in the body shape change prediction apparatus may store a plurality of 3D models of one subject in response to a date or body composition measurement result. A circumference value of each body part corresponding to a body composition measurement result or a body composition prediction result may be applied to each of the plurality of 3D models.

체형 변화 예측 장치의 모델 생성부는 피검체에 대한 스캔 결과를 이용하여 스캔된 피검체의 체형에 상응하는 3차원 모델을 생성할 수 있다. 또한, 체형 변화 예측 장치의 분석부는 피검체의 실제 체성분 변화 또는 미래의 체성분 변화 예측에 대응하는 3차원 모델을 새롭게 업데이트할 수 있다. 3차원 모델이 업데이트 되는 과정에서는 체지방 변화량에 대응하는 제1 체적 계수 및 근육 변화량에 대응하는 제2 체적 계수가 이용될 수 있다. 이하에서는, 제1 체적 계수 및 제2 체적 계수를 이용하여 피검체의 3차원 모델이 업데이트되고, 예측된 체형 변화에 상응하는 3차원 모델이 출력되는 과정에 대해 보다 자세하게 설명될 것이다.The model generation unit of the body shape change prediction apparatus may generate a 3D model corresponding to the body shape of the scanned subject using the scan result of the subject. Also, the analysis unit of the body shape change prediction apparatus may newly update the 3D model corresponding to the prediction of the actual body composition change or future body composition change of the subject. In the process of updating the 3D model, a first volume coefficient corresponding to a change in body fat and a second volume coefficient corresponding to a change in muscle may be used. Hereinafter, the process of updating the 3D model of the subject using the first volume coefficient and the second volume coefficient and outputting the 3D model corresponding to the predicted body shape change will be described in more detail.

도 4는 일실시예에 따른 체형 변화 예측 방법의 흐름도이다. 도 4를 참조하면, 체형 변화 예측 방법은 피검체의 체형에 상응하는 3차원 모델을 생성하는 단계(410), 지정된 기기로부터 피검체에 대한 체성분 측정 결과를 수신하는 단계(420), 복수의 제1 체적 계수, 복수의 제2 체적 계수 및 체성분 측정 결과를 이용하여 피검체의 체성분 변화에 따른 체형 변화를 예측하는 단계(430) 및 예측된 체형 변화에 상응하는 3차원 모델을 출력하는 단계(440)를 포함할 수 있다.4 is a flowchart of a method for predicting body shape change according to an embodiment. Referring to FIG. 4, the method for predicting body shape change includes: generating (410) a three-dimensional model corresponding to the body shape of the subject, receiving (420) a body component measurement result for the subject from a designated device, and a plurality of agents Predicting a change in body shape according to a change in body composition of the subject using a volume coefficient, a plurality of second volume coefficients, and a body composition measurement result (430) and outputting a 3D model corresponding to the predicted body shape change (440) ).

단계(410)에서 체형 변화 예측 장치는 피검체의 체형에 상응하는 3차원 모델을 생성할 수 있다. 구체적으로, 단계(410)에서 체형 변화 예측 장치는 피검체를 스캔한 결과를 이용하여 피검체의 체형에 상응하는 3차원 모델을 생성할 수 있다. 3차원 모델은 피검체에 대응하는 전방위의 3차원 공간 좌표들의 집합으로 정의될 수 있다. 단계(410)에서 생성된 3차원 모델은 실제 피검체의 현재 체형을 나타낼 수 있다.In step 410, the body shape change prediction apparatus may generate a 3D model corresponding to the body shape of the subject. Specifically, in step 410, the apparatus for predicting body shape change may generate a 3D model corresponding to the body shape of the subject using the result of scanning the subject. The 3D model may be defined as a set of omnidirectional 3D spatial coordinates corresponding to the subject. The 3D model generated in step 410 may represent the current body shape of the actual subject.

단계(420)에서 체형 변화 예측 장치는 지정된 기기로부터 피검체에 대한 체성분 측정 결과를 수신할 수 있다. 예시적으로, 체성분 측정 결과는 피검체에 대한 체중, 체수분량, 세포 내 수분량, 세포 외 수분량, 체질량 지수, 체지방량, 근육량 및 골격근량 중 적어도 하나를 포함할 수 있다. 상기 지정된 기기는 체형 변화 예측 장치와 페어링된 사용자 단말 또는 체성분 측정 장비를 나타낼 수 있다.In step 420, the apparatus for predicting body shape change may receive a body composition measurement result of the subject from a designated device. Illustratively, the body composition measurement result may include at least one of weight, body water content, intracellular water content, extracellular water content, body mass index, body fat mass, muscle mass, and skeletal muscle mass for the subject. The designated device may indicate a user terminal or body composition measurement equipment paired with a body shape change prediction device.

단계(430)에서 체형 변화 예측 장치는 복수의 제1 체적 계수, 복수의 제2 체적 계수 및 체성분 측정 결과를 이용하여 피검체의 체성분 변화에 따른 체형 변화를 예측할 수 있다. 보다 구체적으로, 제1 체적 계수는 체지방 변화량에 대응하는 체적 변화량 및 제2 체적 계수는 근육 변화량에 대응하는 체적 변화량을 나타낼 수 있다.In step 430, the apparatus for predicting body shape change may predict a body shape change according to a change in body composition of a subject using a plurality of first volume coefficients, a plurality of second volume coefficients, and body composition measurement results. More specifically, the first volume coefficient may represent a volume change amount corresponding to the body fat change amount and the second volume coefficient may indicate a volume change amount corresponding to the muscle change amount.

체형 변화 예측 장치 내의 메모리는 복수의 사용자들의 체성분 변화에 따른 체형 변화값을 빅데이터로서 저장할 수 있다. 체형 변화 예측 장치는 복수의 사용자들에 대한 빅데이터를 이용하여 체지방 변화량에 따른 신체 부위별 체적 변화량 각각을 복수의 제1 체적 계수로서 저장하고, 근육 변화량에 따른 신체 부위별 체적 변화량 각각을 복수의 제2 체적 계수로서 저장할 수 있다.The memory in the body shape change prediction device may store body shape change values according to body composition changes of a plurality of users as big data. The body shape change prediction device stores each volume change amount of each body part according to the body fat change amount as a plurality of first volume coefficients by using big data for a plurality of users, and stores a plurality of volume change amounts of each body part according to the muscle change amount It can be stored as a second volume coefficient.

예시적으로, 그러나 한정되지 않게 체형 변화 예측 장치 내의 메모리는 아래의 표 1과 같이 복수의 제1 체적 계수 및 복수의 제2 체적 계수를 저장할 수 있다.Exemplarily, but not limited to, the memory in the apparatus for predicting body shape change may store a plurality of first volume coefficients and a plurality of second volume coefficients as shown in Table 1 below.

허리waist 가슴chest 목neck 엉덩이hip 윗팔Upper arm 손목wrist 허벅지Thigh 제1 체적 계수(mm/kg)1st volume coefficient (mm/kg) 0.50.5 0.30.3 0.30.3 0.30.3 0.20.2 0.10.1 0.30.3 제2 체적 계수(mm/kg)2nd volume coefficient (mm/kg) 0.50.5 0.70.7 0.70.7 0.70.7 0.80.8 0.90.9 0.70.7

메모리는 허리, 가슴, 목, 엉덩이 등과 같은 각각의 신체 부위 별 제1 체적 계수 및 제2 체적 계수를 저장할 수 있다. 예시적으로, 상기 제1 체적 계수 및 상기 제2 체적 계수들은 각각의 신체 부위별 둘레 변화량(mm)을 체성분 변화량(kg)으로 나눈 값으로 정의될 수 있다. 구체적으로, 상기 제1 체적 계수 및 상기 제2 체적 계수 각각은 mm/kg을 단위로 정의될 수 있다. 위에서 설명된 제1 체적 계수 및 제2 체적 계수의 단위는 이해를 돕기 위한 예시적 기재일 뿐, 체성분 변화에 따른 체적 변화량을 나타내는 mm3/kg 또는 체성분 변화에 따른 표면적 변화량을 나타내는 mm2/kg과 같이 통상 기술자의 선택에 따라 다양한 변화가 가능할 것이다.The memory may store a first volume coefficient and a second volume coefficient for each body part, such as a waist, chest, neck, and hip. For example, the first volume coefficient and the second volume coefficients may be defined as a value obtained by dividing the amount of change in circumference (mm) for each body part by the amount of change in body composition (kg). Specifically, each of the first volume coefficient and the second volume coefficient may be defined in units of mm/kg. The units of the first volume coefficient and the second volume coefficient described above are merely exemplary descriptions for ease of understanding, mm 3 /kg indicating a volume change according to a change in body composition, or mm 2 /kg indicating a surface area change according to a change in body composition. As described above, various changes may be possible according to the choice of a skilled person.

표 1에 같이, 메모리에는 빅데이터를 이용하여 복수의 사용자들의 평균값으로서 설정된 제1 체적 계수 및 제2 체적 계수가 저장될 수 있다. 다른 일실시예로서, 메모리에는 사용자 분류에 따라 특정 피검체의 성별 및 나이에 따라 다르게 설정된 제1 체적 계수 및 제2 체적 계수가 저장될 수 있다. 체형 변화 예측 장치의 분석부는 피검체의 인적 정보(identification information)을 식별하고, 식별된 인적 정보(성별 및 나이 등)에 대응하는 복수의 제1 체적 계수 및 복수의 제2 체적 계수 각각을 선택할 수 있다. 또한, 분석부는 선택된 복수의 제1 체적 계수 및 복수의 제2 체적 계수를 이용하여 피검체의 체성분 변화에 따른 체형 변화를 예측할 수 있다.As shown in Table 1, the first volume coefficient and the second volume coefficient, which are set as an average value of a plurality of users, may be stored in the memory. In another embodiment, the first volume coefficient and the second volume coefficient, which are differently set according to gender and age of a specific subject according to user classification, may be stored in the memory. The analysis unit of the body shape change prediction device identifies identification information of the subject and selects a plurality of first volume coefficients and a plurality of second volume coefficients respectively corresponding to the identified personal information (gender and age, etc.). have. In addition, the analysis unit may predict a body shape change according to a change in body composition of the subject using the plurality of first volume coefficients and the plurality of second volume coefficients.

또 다른 일실시예로서, 체형 변화 예측 장치의 분석부는 체성분 측정 결과에 포함되는 현재 체지방량 및 현재 근육량과 스캔된 피검체의 현재 체형에 상응하는 각각의 신체 부위의 체적을 비교하여 복수의 제1 체적 계수 및 복수의 제2 체적 계수 각각이 피검체에 대응하도록 조정할 수 있다. 이를테면, 사용자의 타고난 체형에 따라 실제의 체지방 변화량 및 근육 변화량 보다 겉보기 변화량이 크거나 작게 나타나는 경우가 존재할 수 있다. 구체적으로, 원래부터 기골이 장대하게 태어난 통뼈인 사용자의 경우에는 적은 근육량 증가에도 실제 증가한 근육량 이상의 벌크업이 겉보기로 드러날 수 있다. 이 경우에, 본 실시예에 따른 체형 변화 예측 장치는 현재 체지방량 및 현재 근육량과 상기 스캔된 피검체의 체형에 상응하는 각각의 신체 부위의 부피를 이용하여 해당 피검체의 기본 체형을 판단할 수 있다. 또한, 체형 변화 예측 장치는 판단된 피검체의 기본 체형에 따라 복수의 제1 체적 계수 및 복수의 제2 체적 계수 각각을 조정(customizing)함으로써 보다 현실적인 3차원 모델을 생성할 수 있다. 예시적으로, 그러나 한정되지 않게 제1 피검체가 통뼈형으로 기본 체형이 판단된 경우, 체형 변화 예측 장치는 상기 제1 피검체의 윗팔에 대한 제1 체적 계수 및 제2 체적 계수를 0.2 및 0.8에서 0.15 및 0.85로 보정함으로써 통상의 사용자 보다 벌크업 효과가 더욱 드러나도록 설정할 수 있다. 이러한 커스터마이징 과정에 의해, 사용자의 기본 체형에 따른 체형 변화를 예측할 수 있어 더욱 현실감 있는 3차원 모델을 구현하는 과정을 기대할 수 있다.As another embodiment, the analysis unit of the body shape change prediction device compares the current body fat amount and the current muscle mass included in the body composition measurement result with the volume of each body part corresponding to the current body shape of the scanned subject, thereby comparing a plurality of first volumes The coefficient and each of the plurality of second volume coefficients can be adjusted to correspond to the subject. For example, there may be cases in which the apparent change amount is larger or smaller than the actual change in body fat and the change in muscle, depending on the user's innate body shape. Specifically, in the case of a user who is a full-bodied bone born from the original, a bulk-up more than the actually increased muscle mass may be apparently displayed even with a small increase in muscle mass. In this case, the apparatus for predicting body shape change according to the present embodiment may determine the basic body shape of the subject using the current body fat amount and the current muscle mass and the volume of each body part corresponding to the body shape of the scanned subject. . Also, the apparatus for predicting body shape change may generate a more realistic 3D model by customizing each of the plurality of first volume coefficients and the plurality of second volume coefficients according to the determined basic body shape of the subject. Exemplarily, but not limited to, when the primary body shape is determined to be a bone shape, the apparatus for predicting body shape change may determine the first volume coefficient and the second volume coefficient for the upper arm of the first subject by 0.2 and 0.8. At 0.15 and 0.85, the bulk-up effect can be set to be more visible than the normal user. Through this customizing process, a change in body shape according to a user's basic body shape can be predicted, and a process of implementing a more realistic 3D model can be expected.

단계(440)에서 체형 변화 예측 장치는 예측된 체형 변화에 상응하는 3차원 모델을 출력할 수 있다. 구체적으로, 체형 변화 예측 장치는 각각의 신체 부위별 체적 변화량을 합성하여, 전신의 체형 변화를 나타내는 3차원 모델을 출력할 수 있다.In step 440, the body shape change prediction device may output a 3D model corresponding to the predicted body shape change. Specifically, the apparatus for predicting body shape change may synthesize a volume change amount for each body part, and output a 3D model representing the body shape change of the whole body.

도 5a 및 도 5b는 피검체의 체성분 변화에 따라 예측된 체형 변화를 나타내는 3차원 모델의 예시적 화면이다. 도 5a를 참조하면, 피검체에 대한 제1 3차원 모델이 도시된다. 예시적으로, 제1 3차원 모델은 피검체에 대한 제1 시점의 체성분 측정값(510, 520)에 기반하여 생성된 3차원 모델을 나타낼 수 있다. 이를테면, 제1 시점의 피검체의 체지방량(510)은 35.4kg이고, 피검체의 근육량(520)은 35.7kg일 수 있다. 체형 변화 예측 장치는 피검체를 스캔하고, 스캔한 결과에 따라 피검체의 윗팔(531), 가슴(532), 허리(533), 골반(534), 허벅지(535) 및 종아리(536)에 상응하는 둘레값을 반영한 3차원 모델을 생성할 수 있다.5A and 5B are exemplary screens of a 3D model showing a predicted body shape change according to a change in body composition of a subject. Referring to Figure 5a, a first three-dimensional model of the subject is shown. For example, the first 3D model may represent a 3D model generated based on body composition measurement values 510 and 520 at a first time point for the subject. For example, the body fat mass 510 of the subject at the first time point may be 35.4 kg, and the muscle mass 520 of the subject may be 35.7 kg. The body shape change prediction device scans the subject and corresponds to the upper arm 531, chest 532, waist 533, pelvis 534, thigh 535, and calf 536 of the subject according to the scanned result It is possible to generate a three-dimensional model reflecting the perimeter value.

도 5b를 참조하면, 피검체에 대한 제2 시점의 체성분 측정값(530, 540)에 기반하여 생성된 제2 3차원 모델이 도시된다. 체형 변화 생성 장치는 제1 시점의 체성분 측정값(510, 520)과 제2 시점의 체성분 측정값(530, 540)을 비교하여 피검체의 체성분 변화량을 계산할 수 있다. 본 실시예에서, 피검체는 제1 시점에서 제2 시점동안 체지방량은 8kg 감소하였고, 근육량은 1kg 감소하였다. 체형 변화 예측 장치는 각각의 신체 부위 별로 설정된 상기 복수의 제1 체적 계수 및 상기 복수의 제2 체적 계수를 이용하여 체성분 변화에 따른 각각의 신체 부위별 체적 변화량을 계산할 수 있다. 구체적으로, 체형 변화 예측 장치는 윗팔(551), 가슴(552), 허리(553), 골반(554), 허벅지(555) 및 종아리(556)에 상응하는 체적 변화량을 계산하고, 계산된 체적 변화량이 반영된 제2 3차원 모델을 생성할 수 있다. 구체적으로, 제2 시점의 체성분 측정값(530, 540)은 제2 시점에 실제로 측정된 체성분 측정 결과일 수도 있고, 피검체가 지정된 운동 스케쥴과 식단 관리를 수행한 경우에 얻게 될 체성분 변화 예측값을 나타낼 수 있다. 이에 따라, 본 실시예의 체형 변화 예측 장치는 피검체의 운동 및 식단 조절에 따른 체형 변화를 반영한 3차원 모델을 현실감 있게 생성함으로써, 사용자들로 하여금 식단 조절이나 운동 계획에 대한 동기 부여를 높이고 목표를 설정하는데 도움을 주는 효과를 제공한다.Referring to FIG. 5B, a second 3D model generated based on body composition measurement values 530 and 540 at a second time point for a subject is illustrated. The body shape change generating device may calculate body composition change amount of the subject by comparing body composition measurement values 510 and 520 at the first time point and body composition measurement values 530 and 540 at the second time point. In the present embodiment, the subject had a body weight loss of 8 kg and a muscle weight loss of 1 kg during the first to second time points. The body shape change prediction apparatus may calculate a volume change amount for each body part according to a change in body composition by using the plurality of first volume coefficients and the plurality of second volume coefficients set for each body part. Specifically, the apparatus for predicting body shape change calculates a volume change amount corresponding to the upper arm 551, chest 552, waist 553, pelvis 554, thigh 555, and calf 556, and the calculated volume change amount A second 3D model reflecting this may be generated. Specifically, the body composition measurement values 530 and 540 at the second time point may be results of body composition measurement actually measured at the second time point, and the body composition change prediction value to be obtained when the subject performs a specified exercise schedule and diet management. Can be represented. Accordingly, the apparatus for predicting body shape change according to the present embodiment realistically generates a three-dimensional model reflecting body shape change according to exercise and diet control of the subject, thereby increasing users' motivation for diet control or exercise planning and aiming. It provides an effect to help you set up.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented as hardware components, software components, and/or combinations of hardware components and software components. For example, the devices, methods, and components described in the embodiments include, for example, processors, controllers, arithmetic logic units (ALUs), digital signal processors (micro signal processors), microcomputers, and field programmable gates (FPGAs). It can be implemented using one or more general purpose computers or special purpose computers, such as arrays, programmable logic units (PLUs), microprocessors, or any other device capable of executing and responding to instructions. The processing device may run an operating system (OS) and one or more software applications running on the operating system. In addition, the processing device may access, store, manipulate, process, and generate data in response to the execution of the software. For convenience of understanding, a processing device may be described as one being used, but a person having ordinary skill in the art, the processing device may include a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that may include. For example, the processing device may include a plurality of processors or a processor and a controller. In addition, other processing configurations, such as parallel processors, are possible.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instruction, or a combination of one or more of these, and configure the processing device to operate as desired, or process independently or collectively You can command the device. Software and/or data may be interpreted by a processing device, or to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. , Or may be permanently or temporarily embodied in the transmitted signal wave. The software may be distributed over networked computer systems, and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. Computer-readable media may include program instructions, data files, data structures, or the like alone or in combination. The program instructions recorded on the computer-readable medium may be specially designed and configured for the embodiments, or may be known and usable by those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs, DVDs, and magnetic media such as floptical disks. Includes hardware devices specifically configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include high-level language code that can be executed by a computer using an interpreter, etc., as well as machine language codes produced by a compiler. The hardware device described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with limited drawings, those skilled in the art can apply various technical modifications and variations based on the above. For example, the described techniques are performed in a different order than the described method, and/or the components of the described system, structure, device, circuit, etc. are combined or combined in a different form from the described method, or other components Alternatively, even if substituted or substituted by equivalents, appropriate results can be achieved.

Claims (12)

피검체를 스캔하고, 상기 스캔된 피검체의 체형에 상응하는 3차원 모델을 생성하는 모델 생성부;
각각의 신체 부위 별로 설정된 복수의 제1 체적 계수 및 복수의 제2 체적 계수를 저장하는 메모리; 및
지정된 기기로부터 수신된 상기 피검체에 대한 체성분 측정 결과 및 상기 복수의 제1 체적 계수와 상기 복수의 제2 체적 계수를 이용하여 체성분 변화에 따른 각각의 신체 부위별 체적 변화량을 계산하고, 상기 각각의 신체 부위별 체적 변화량을 합성하여 전신의 체형 변화를 나타내는 3차원 모델을 출력하는 분석부
를 포함하고,
상기 제1 체적 계수는 체지방 변화량에 대응하고, 상기 제2 체적 계수는 근육 변화량에 대응하는 체형 변화 예측 장치.
A model generator that scans a subject and generates a three-dimensional model corresponding to the body shape of the scanned subject;
A memory for storing a plurality of first volume coefficients and a plurality of second volume coefficients set for each body part; And
The body composition measurement result for the subject received from the designated device and the plurality of first volume coefficients and the plurality of second volume coefficients are used to calculate a volume change amount for each body part according to a change in body composition, and the respective An analysis unit that synthesizes volume changes for each body part and outputs a three-dimensional model representing changes in body shape
Including,
The apparatus for predicting body shape change, wherein the first volume coefficient corresponds to a change in body fat, and the second volume coefficient corresponds to a change in muscle.
제1항에 있어서,
상기 모델 생성부는,
상기 피검체를 소정 시간 주기에 따라 회전시키는 턴 테이블; 및
상기 소정 시간 주기에 따라 상기 피검체를 스캔하여 상기 피검체에 대한 복수의 3차원 공간 좌표들을 획득하는 깊이 카메라
를 포함하는 체형 변화 예측 장치.
According to claim 1,
The model generation unit,
A turn table for rotating the subject according to a predetermined time period; And
A depth camera that acquires a plurality of three-dimensional spatial coordinates for the subject by scanning the subject according to the predetermined period of time
Body shape change prediction device comprising a.
제2항에 있어서,
상기 모델 생성부는,
상기 획득된 복수의 3차원 공간 좌표들을 합성하여 상기 스캔된 피검체의 체형에 상응하는 3차원 모델을 생성하는 체형 변화 예측 장치.
According to claim 2,
The model generation unit,
An apparatus for predicting body shape change by synthesizing the obtained plurality of 3D spatial coordinates to generate a 3D model corresponding to the body shape of the scanned subject.
제1항에 있어서,
상기 메모리는,
복수의 사용자들에 대한 빅데이터를 이용하여 체지방 변화량에 따른 신체 부위별 부피 변화량 각각을 상기 복수의 제1 체적 계수로서 저장하고, 근육 변화량에 따른 신체 부위별 부피 변화량 각각을 상기 복수의 제2 체적 계수로서 저장하는 체형 변화 예측 장치.
According to claim 1,
The memory,
Using the big data for a plurality of users, each volume change amount of each body part according to the change in body fat is stored as the plurality of first volume coefficients, and each volume change amount of each body part according to the amount of muscle change is the plurality of second volumes An apparatus for predicting body shape change that is stored as a coefficient.
삭제delete 삭제delete 제1항에 있어서,
상기 분석부는,
상기 체성분 측정 결과에 포함되는 현재 체지방량 및 현재 근육량과 상기 스캔된 피검체의 체형에 상응하는 각각의 신체 부위의 부피를 비교하여 상기 복수의 제1 체적 계수 및 상기 복수의 제2 체적 계수 각각을 상기 피검체에 대응하도록 조정(customizing)하는 체형 변화 예측 장치.
According to claim 1,
The analysis unit,
The plurality of first volume coefficients and each of the plurality of second volume coefficients are compared by comparing the current body fat amount and the current muscle mass included in the body composition measurement result with the volume of each body part corresponding to the body shape of the scanned subject. An apparatus for predicting body shape change customizing to correspond to a subject.
체형 변화 예측 장치의 프로세서에서 수행되는 체형 변화 예측 방법에 있어서,
피검체의 체형에 상응하는 3차원 모델을 생성하는 단계;
지정된 기기로부터 상기 피검체에 대한 체성분 측정 결과를 수신하는 단계;
각각의 신체 부위 별로 설정된 복수의 제1 체적 계수 및 복수의 제2 체적 계수와 상기 체성분 측정 결과를 이용하여 체성분 변화에 따른 각각의 신체 부위별 체적 변화량을 계산하는 단계; 및
상기 각각의 신체 부위별 체적 변화량을 합성하여 전신의 체형 변화를 나타내는 3차원 모델을 출력하는 단계
를 포함하고,
상기 제1 체적 계수는 체지방 변화량에 대응하고, 상기 제2 체적 계수는 근육 변화량에 대응하는 체형 변화 예측 방법.
In the body change prediction method performed in the processor of the body change prediction apparatus,
Generating a 3D model corresponding to the body shape of the subject;
Receiving a result of measuring body composition for the subject from a designated device;
Calculating a volume change amount for each body part according to a change in body composition by using a plurality of first volume coefficients and a plurality of second volume coefficients set for each body part and the body composition measurement result; And
Synthesizing the volume change amount for each body part and outputting a three-dimensional model representing a change in body shape of the whole body
Including,
The first volume coefficient corresponds to a change in body fat, and the second volume coefficient corresponds to a change in muscle.
제8항에 있어서,
상기 3차원 모델을 생성하는 단계는,
상기 피검체에 대한 복수의 3차원 공간 좌표들을 합성하여 상기 피검체의 체형에 상응하는 3차원 모델을 생성하는 단계
를 포함하는 체형 변화 예측 방법.
The method of claim 8,
The step of generating the three-dimensional model,
Synthesizing a plurality of 3D spatial coordinates for the subject to generate a 3D model corresponding to the body shape of the subject
Body shape change prediction method comprising a.
삭제delete 제8항에 있어서,
복수의 사용자들에 대한 빅데이터를 이용하여 체지방 변화량에 따른 신체 부위별 체적 변화량 각각을 상기 복수의 제1 체적 계수로서 저장하고, 근육 변화량에 따른 신체 부위별 체적 변화량 각각을 상기 복수의 제2 체적 계수로서 저장하는 단계
를 더 포함하는 체형 변화 예측 방법.
The method of claim 8,
Using the big data for a plurality of users, each volume change amount for each body part according to the change in body fat is stored as the plurality of first volume coefficients, and each volume change amount for each body part according to the amount of muscle change is the plurality of second volumes Saving as a coefficient
Body shape change prediction method further comprising a.
제11항에 있어서,
상기 체성분 측정 결과에 포함되는 현재 체지방량 및 현재 근육량과 상기 피검체의 체형에 상응하는 각각의 신체 부위의 부피를 비교하여 상기 복수의 제1 체적 계수 및 상기 복수의 제2 체적 계수 각각을 상기 피검체에 대응하도록 조정(customizing)하는 단계
를 더 포함하는 체형 변화 예측 방법.The method of claim 11,
The plurality of first volume coefficients and each of the plurality of second volume coefficients are compared to each other by comparing the current body fat amount and the current muscle mass included in the body composition measurement result with the volume of each body part corresponding to the body type of the subject. Customizing to respond to
Body shape change prediction method further comprising a.
KR1020180043460A 2018-04-13 2018-04-13 Apparatus and method of prediction for body shape changing KR102121334B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180043460A KR102121334B1 (en) 2018-04-13 2018-04-13 Apparatus and method of prediction for body shape changing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180043460A KR102121334B1 (en) 2018-04-13 2018-04-13 Apparatus and method of prediction for body shape changing

Publications (2)

Publication Number Publication Date
KR20190119916A KR20190119916A (en) 2019-10-23
KR102121334B1 true KR102121334B1 (en) 2020-06-11

Family

ID=68461109

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180043460A KR102121334B1 (en) 2018-04-13 2018-04-13 Apparatus and method of prediction for body shape changing

Country Status (1)

Country Link
KR (1) KR102121334B1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102279799B1 (en) 2019-03-25 2021-07-19 가천대학교 산학협력단 Bio-impedance Based Real Time Body Weight Estimation Method, Apparatus and Computer-readable Medium
KR102435869B1 (en) * 2020-09-25 2022-08-25 배재대학교 산학협력단 Skin beauty system and method based on anthropometric data

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016123589A (en) * 2014-12-26 2016-07-11 オムロン株式会社 Apparatus and method for acquiring body information

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101563617B1 (en) 2013-11-16 2015-10-27 최이호 Simulation service providing method using cyber user model
KR20170108461A (en) * 2016-03-17 2017-09-27 경희대학교 산학협력단 Apparatus and method for measuring body-fat
KR20180023236A (en) * 2016-08-25 2018-03-07 삼성전자주식회사 Apparatus and method for health management

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016123589A (en) * 2014-12-26 2016-07-11 オムロン株式会社 Apparatus and method for acquiring body information

Also Published As

Publication number Publication date
KR20190119916A (en) 2019-10-23

Similar Documents

Publication Publication Date Title
JP6013669B1 (en) Human body model providing system, human body model transformation method, and computer program
TWI535423B (en) Method for simulating thoracic 4dct
CN106164978B (en) The method and system of personalized materialization is constructed using deformable mesh is parameterized
KR101911133B1 (en) Avatar construction using depth camera
KR20210011984A (en) Image processing method and apparatus, image device, and storage medium
US11813040B2 (en) System, method and kit for 3D body imaging
CN107392984A (en) A kind of method and computing device based on Face image synthesis animation
KR102121334B1 (en) Apparatus and method of prediction for body shape changing
Zhang et al. Customization and topology optimization of compression casts/braces on two-manifold surfaces
US20230293242A1 (en) Method and apparatus for judging implant orientation data
US20220301214A1 (en) Estimating a surface area and/or volume of a body or a body part of a subject
JP2017176803A (en) Human body model providing system, human body model deforming method, and computer program
US20140015833A1 (en) Method and apparatus for creating model of patient specified target organ
Romero et al. Modeling and estimation of nonlinear skin mechanics for animated avatars
Zong et al. An exploratory study of integrative approach between 3D body scanning technology and motion capture systems in the apparel industry
CN112116971A (en) Data processing method and device, electronic equipment and storage medium
CN111861822A (en) Patient model construction method, equipment and medical education system
Zhang et al. Soft tissue deformation modelling through neural dynamics-based reaction-diffusion mechanics
KR102510048B1 (en) Control method of electronic device to output augmented reality data according to the exercise motion
WO2024039741A1 (en) Left atrial appendage closure pre-procedure system and methods
KR102593279B1 (en) Method and system for posture estimation and motion analysis
US20240001151A1 (en) Methods, systems and computer readable mediums for determining a region-of-interest in surface-guided monitoring
WO2017167593A1 (en) Biomechanical model generation for human or animal torsi
WO2023100679A1 (en) Determination method, determination device, and determination system
Han et al. Body scan alignment reducing body posture variations for fit evaluation

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right