KR102293038B1 - 페이스 타입 및 사이즈별 판매 데이터에 기초하여 안경을 추천하는 시스템 및 방법 - Google Patents

페이스 타입 및 사이즈별 판매 데이터에 기초하여 안경을 추천하는 시스템 및 방법 Download PDF

Info

Publication number
KR102293038B1
KR102293038B1 KR1020190118959A KR20190118959A KR102293038B1 KR 102293038 B1 KR102293038 B1 KR 102293038B1 KR 1020190118959 A KR1020190118959 A KR 1020190118959A KR 20190118959 A KR20190118959 A KR 20190118959A KR 102293038 B1 KR102293038 B1 KR 102293038B1
Authority
KR
South Korea
Prior art keywords
customer
face
face type
width
glasses
Prior art date
Application number
KR1020190118959A
Other languages
English (en)
Other versions
KR20210036666A (ko
Inventor
성우석
Original Assignee
주식회사 더메이크
주식회사 콥틱
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 더메이크, 주식회사 콥틱 filed Critical 주식회사 더메이크
Priority to KR1020190118959A priority Critical patent/KR102293038B1/ko
Publication of KR20210036666A publication Critical patent/KR20210036666A/ko
Application granted granted Critical
Publication of KR102293038B1 publication Critical patent/KR102293038B1/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
    • G06K9/00221—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 고객의 페이스를 스캔하여 생성한 페이스 메시와 고객의 페이스 타입별 판매 데이터에 기초하여 안경을 추천하는 기술로서, 일실시예에 따른 안경 추천 시스템은 페이스 스캔 결과를 이용해서 고객의 페이스 메시를 생성하는 페이스 메시 생성부, 상기 생성된 고객의 페이스 메시로부터 특징 데이터를 추출하는 특징 데이터 추출부, 상기 추출된 특징 데이터에 기초하여 상기 고객의 페이스 타입을 결정하는 페이스 타입 결정부, 페이스 타입별 판매 데이터가 기록된 데이터베이스를 참고하여, 상기 결정된 고객의 페이스 타입에 대응하는 적어도 하나 이상의 판매 데이터를 추출하는 판매 데이터 추출부, 상기 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하는 추천 상품 결정부, 및 상기 결정된 적어도 하나 이상의 추천 상품을 상기 고객에게 제공하도록 처리하는 추천 처리부를 포함할 수 있다.

Description

페이스 타입 및 사이즈별 판매 데이터에 기초하여 안경을 추천하는 시스템 및 방법{System and method for recommending eyewear based on sales data by face type and size}
본 발명은 고객의 페이스를 스캔하여 생성한 페이스 메시와 고객의 페이스 타입별 판매 데이터에 기초하여 안경을 추천하는 기술로서, 데이터의 군집분석 및 베이시안 분석을 통해 페이스의 크기 및 형태에 따라 판매데이터와 연결하여 페이스의 인식만으로 최적 안경 디자인을 추천한다.
애플사에서 출시하는 아이폰은 적어도 3만여개의 적외선 도트를 사용자의 페이스에 조사한 후 적외선 센싱 카메라를 이용하여 조사된 적외선 도트의 좌표를 읽어 들이고, 이를 사용하여 페이스 메시(Face Mesh)를 생성할 수 있다.
이렇게 생성된 페이스 메시는 사용자의 페이스 데이터를 근거로 등록된 사용자가 맞는지 확인하는 보안 용도로 사용되는 등 다양한 용도로 활용될 수 있다.
특히, 생성된 페이스 메시는 페이스 크기 및 형태에 대한 절대적 정보를 가지고 있기 때문에 다양한 용도로 활용될 수 있다. 이 중에서도, 페이스의 특정 좌표와 좌표간의 거리, 각도 등을 측정하여 개인별로 적합한 안경을 추천하는 기술 등에 활용될 수 있다.
한국공개특허 제2015-0180244호 "안경 온라인 판매 시스템의 안경 추천 방법" 미국등록특허 제9529213호 "Method and system to create custom, user-specific eyewear"
본 발명은 데이터의 군집분석 및 베이시안 분석을 통해 페이스의 크기 및 형태에 따라 판매데이터와 연결하여 페이스의 인식만으로 최적 안경 디자인을 추천하는 것을 목적으로 한다.
본 발명은 iOS 앱 내에 있는 페이스 스캔의 결과에 기반하는 Face Ruler 기능을 통해 고객의 페이스를 분석하고, 이를 기반으로 페이스의 크기 및 형태에 따라 안경의 사이즈와 디자인을 추천 받고, 향후 빅데이터 분석을 통해 정확도를 향상시키는 것을 목적으로 한다.
일실시예에 따른 안경 추천 시스템은 페이스 스캔 결과를 이용해서 고객의 페이스 메시를 생성하는 페이스 메시 생성부, 상기 생성된 고객의 페이스 메시로부터 특징 데이터를 추출하는 특징 데이터 추출부, 상기 추출된 특징 데이터에 기초하여 상기 고객의 페이스 타입을 결정하는 페이스 타입 결정부, 페이스 타입별 판매 데이터가 기록된 데이터베이스를 참고하여, 상기 결정된 고객의 페이스 타입에 대응하는 적어도 하나 이상의 판매 데이터를 추출하는 판매 데이터 추출부, 상기 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하는 추천 상품 결정부, 및 상기 결정된 적어도 하나 이상의 추천 상품을 상기 고객에게 제공하도록 처리하는 추천 처리부를 포함할 수 있다.
일실시예에 따른 상기 페이스 메시 생성부는, iOS 앱을 통해 지원되는 트루뎁스 카메라를 이용하여 상기 고객에 대한 페이스를 스캔한 결과를 상기 페이스 스캔 결과로서 이용할 수 있다.
일실시예에 따른 상기 페이스 타입 결정부는, 상기 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 상기 페이스 타입을 결정할 수 있다.
일실시예에 따른 상기 페이스 타입 결정부는, 상기 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 크기 분석, 모양 분석, 모양 비율 분석, 및 코 분석을 처리하고, 상기 처리한 분석들의 결과를 이용해서 상기 페이스 타입을 결정할 수 있다.
일실시예에 따른 상기 페이스 타입 결정부는, 상기 크기 분석을 통해, 상기 고객에 대한 페이스 너비, 눈동자 사이 너비, 눈초리 사이 너비, 눈구석 사이 너비, 및 코기둥 너비 중에서 적어도 하나를 산출할 수 있다.
일실시예에 따른 상기 페이스 타입 결정부는, 상기 모양 분석을 통해, 상기 고객에 대한 코끝 너비, 광대 너비, 하악 너비, 수직 길이, 이마 길이, 이마-코끝 길이, 및 코끝-턱끝 길이 중에서 적어도 하나를 산출할 수 있다.
일실시예에 따른 상기 페이스 타입 결정부는, 상기 모양 비율 분석을 통해, 상기 고객에 대한 수직-수평비율, 하악-페이스너비 비율, 및 페이스너비-광골 비율 중에서 적어도 하나를 산출할 수 있다.
일실시예에 따른 상기 페이스 타입 결정부는, 상기 코 분석을 통해, 상기 고객에 대한 콧등 높이, 코끝 높이, 코 길이, 및 코 각도 중에서 적어도 하나를 산출할 수 있다.
일실시예에 따른 상기 고객의 페이스 타입에 대응하는 상기 적어도 하나 이상의 판매 데이터는, 안경에 대한 디자인 정보 및 사이즈 정보를 포함할 수 있다.
일실시예에 따른 상기 선호도 정보는, 상기 고객의 회원가입시 상기 고객으로부터 입력된 정보들을 포함할 수 있다.
일실시예에 따른 상기 추천 상품 결정부는, 상기 결정된 페이스 타입 및 상기 추출된 판매 데이터를 이용해서 데이터 클러스터 분석, 유저 기반 콜라보레이티브 필터링, 아이템 기반 콜라보레이티브 필터링, 나이브 베이시안 알고리즘 중에서 적어도 하나를 적용하여 기계학습을 수행하고, 상기 기계학습의 결과를 이용해서 상기 추천 상품을 결정할 수 있다.
일실시예에 따른 상기 추천 상품 결정부는, 상기 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하되, 추천 상품에 대해 고객이 선택하지 않는 경우, 추천 상품을 다시 결정하고, 상기 추천 처리부는, 상기 다시 결정된 추천 상품을 상기 고객에게 제공하도록 처리할 수 있다.
일실시예에 따른 상기 추천 상품 결정부는, 상기 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하되, 추천 상품에 대해 고객이 선택하지 않는 경우, 상기 고객의 페이스 타입을 기준으로 우선순위가 부여되는 추천 상품들을 결정하고, 상기 추천 처리부는, 상기 결정된 추천 상품들을 상기 고객에게 제공하도록 처리할 수 있다.
일실시예에 따른 상기 추천 상품 결정부는, 상기 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하되, 추천 상품에 대해 고객이 선택하지 않는 경우, 유저 기반 콜라보레이티브 필터링을 통해 선정된 개수의 상품들을 추천 상품들로 결정하고, 다음 추천부터는 아이템 기반 콜라보레이티브 필터링의 결과와 관련 있는 추천 상품들을 결정하며, 상기 추천 처리부는, 상기 결정된 추천 상품들을 상기 고객에게 제공하도록 처리할 수 있다.
일실시예에 따른 안경 추천 시스템의 동작 방법은 페이스 스캔 결과를 이용해서 고객의 페이스 메시를 생성하는 단계, 상기 생성된 고객의 페이스 메시로부터 특징 데이터를 추출하는 단계, 상기 추출된 특징 데이터에 기초하여 상기 고객의 페이스 타입을 결정하는 단계, 페이스 타입별 판매 데이터가 기록된 데이터베이스를 참고하여, 상기 결정된 고객의 페이스 타입에 대응하는 적어도 하나 이상의 판매 데이터를 추출하는 단계, 상기 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하는 단계, 및 상기 결정된 적어도 하나 이상의 추천 상품을 상기 고객에게 제공하도록 처리하는 단계를 포함할 수 있다.
일실시예에 따른 상기 페이스 메시를 생성하는 단계는, iOS 앱을 통해 지원되는 트루뎁스 카메라를 이용하여 상기 고객에 대한 페이스를 스캔한 결과를 상기 페이스 스캔 결과로서 이용하는 단계를 포함할 수 있다.
일실시예에 따른 상기 고객의 페이스 타입을 결정하는 단계는, 상기 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 상기 페이스 타입을 결정하는 단계를 포함할 수 있다.
일실시예에 따른 상기 고객의 페이스 타입을 결정하는 단계는, 상기 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 크기 분석, 모양 분석, 모양 비율 분석, 및 코 분석을 처리하고, 상기 처리한 분석들의 결과를 이용해서 상기 페이스 타입을 결정할 수 있다.
일실시예에 따른 상기 고객의 페이스 타입을 결정하는 단계는, 상기 크기 분석을 통해, 상기 고객에 대한 페이스 너비, 눈동자 사이 너비, 눈초리 사이 너비, 눈구석 사이 너비, 및 코기둥 너비 중에서 적어도 하나를 산출하는 단계를 포함할 수 있다.
일실시예에 따른 상기 고객의 페이스 타입을 결정하는 단계는, 상기 모양 분석을 통해, 상기 고객에 대한 코끝 너비, 광대 너비, 하악 너비, 수직 길이, 이마 길이, 이마-코끝 길이, 및 코끝-턱끝 길이 중에서 적어도 하나를 산출할 수 있다.
일실시예에 따른 상기 고객의 페이스 타입을 결정하는 단계는, 상기 모양 비율 분석을 통해, 상기 고객에 대한 수직-수평비율, 하악-페이스너비 비율, 및 페이스너비-광골 비율 중에서 적어도 하나를 산출하는 단계를 포함할 수 있다.
일실시예에 따른 상기 고객의 페이스 타입을 결정하는 단계는, 상기 코 분석을 통해, 상기 고객에 대한 콧등 높이, 코끝 높이, 코 길이, 및 코 각도 중에서 적어도 하나를 산출하는 단계를 포함할 수 있다.
일실시예에 따른 상기 적어도 하나 이상의 추천 상품을 결정하는 단계는, 상기 결정된 페이스 타입 및 상기 추출된 판매 데이터를 이용해서 데이터 클러스터 분석, 유저 기반 콜라보레이티브 필터링, 아이템 기반 콜라보레이티브 필터링, 나이브 베이시안 알고리즘 중에서 적어도 하나를 적용하여 기계학습을 수행하는 단계, 및 상기 기계학습의 결과를 이용해서 상기 추천 상품을 결정하는 단계를 포함할 수 있다.
일실시예에 따르면, 데이터의 군집분석 및 베이시안 분석을 통해 페이스의 크기 및 형태에 따라 판매데이터와 연결하여 페이스의 인식만으로 최적 안경 디자인을 추천할 수 있다.
일실시예에 따르면, iOS 앱 내에 있는 페이스 스캔의 결과에 기반하는 Face Ruler 기능을 통해 고객의 페이스를 분석하고, 이를 기반으로 페이스의 크기 및 형태에 따라 안경의 사이즈와 디자인을 추천 받고, 향후 빅데이터 분석을 통해 정확도를 향상시킬 수 있다.
도 1은 일실시예에 따른 안경 추천 시스템을 설명하는 블록도이다.
도 2a는 일실시예에 따른 페이스 스캔을 통해 생성되는 페이스 메시를 설명하는 도면이다.
도 2b는 페이스 메시로부터 특징 데이터를 추출하고, 고객의 페이스 타입을 결정하기 위해 추출한 특징 데이터를 활용하는 실시예를 설명하는 도면이다.
도 2c는 고객의 페이스 타입별 판매된 안경 디자인과 판매량을 포함하는 판매 데이터를 설명하는 도면이다.
도 2d는 고객의 페이스 타입과 판매 데이터를 이용해서 안경을 추천하는 알고리즘을 설명하는 도면이다.
도 3은 일실시예에 따른 안경 추천 시스템의 동작 방법을 설명하는 블록도이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~사이에"와 "바로~사이에" 또는 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 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.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 안경 추천 시스템(100)을 설명하는 블록도이다.
일실시예에 따르면, 데이터의 군집분석 및 베이시안 분석을 통해 페이스의 크기 및 형태에 따라 판매데이터와 연결하여 페이스의 인식만으로 최적 안경 디자인을 추천할 수 있다. 또한, iOS 앱 내에 있는 페이스 스캔의 결과에 기반하는 Face Ruler 기능을 통해 고객의 페이스를 분석하고, 이를 기반으로 페이스의 크기 및 형태에 따라 안경의 사이즈와 디자인을 추천 받고, 향후 빅데이터 분석을 통해 정확도를 향상시킬 수 있다.
이를 위해, 안경 추천 시스템(100)은 페이스 메시 생성부(110), 특징 데이터 추출부(120), 페이스 타입 결정부(130), 판매 데이터 추출부(140), 추천 상품 결정부(150), 및 추천 처리부(160)를 포함할 수 있다.
먼저, 페이스 메시 생성부(110)는 페이스 스캔 결과를 이용해서 고객의 페이스 메시를 생성할 수 있다. 특히, 페이스 메시 생성부(110)는 iOS 앱을 통해 지원되는 트루뎁스 카메라를 이용하여 고객에 대한 페이스를 스캔한 결과를 상기 페이스 스캔 결과로서 이용할 수 있다.
또한, 특징 데이터 추출부(120)는 상기 생성된 고객의 페이스 메시로부터 특징 데이터를 추출할 수 있다.
고객의 페이스 메시(Face Mesh)는 트루뎁스 카메라를 이용하여 생성될 수 있고,
특징 데이터는 페이스 메시에서 특정 좌표들 간의 거리, 각도, 및 깊이 등을 이용해서 산출되는 정보로 해석될 수 있다. 일례로, 특징 데이터는 눈동자와 눈동자 사이 거리와 같이 페이스 메시로부터 획득 가능한 특징 있는 데이터일 수 있다.
즉, 일실시예에 따른 특징 데이터 추출부(120)는 페이스 메시로부터 측정되는 특정 좌표들을 이용하여 특징 데이터를 추출할 수 있다.
일례로, 페이스 메시로부터 측정되는 특정 좌표들 간의 거리, 각도, 및 깊이 중에서 적어도 하나를 이용하여 특징 데이터를 추출할 수 있다. 보다 구체적으로, 특징 데이터 추출부(120)는 페이스 메시로부터 측정되는 눈동자와 눈동자 사이 거리, 눈안쪽끝점간의 거리, 눈바깥쪽끝점간의 거리, 코의 높이, 미간과 눈동자의 높이, 얼굴 넓이, 얼굴 길이, 각 귀의 안쪽 주름, 측두골(temporal bone), 쐐기뼈(sphenoid bone), 또는 광대뼈 아치 등을 이용해서 특징 데이터를 추출할 수 있다.
특징 데이터 추출부(120)는 페이스 메시를 직접 생성할 수도 있다. 일례로, 특징 데이터 추출부(120)는 적어도 3만개 이상의 적외선을 고객의 안면에 조사한 후, 조사된 적외선에 대한 응답으로 트루뎁스 카메라를 제어하여 적어도 3만개 이상의 적외선 도트를 수집할 수 있다. 수집된 3만개의 적외선 도트들 중에서 유의미한 1200여개의 좌표들이 특징 데이터의 추출에 사용될 수 있다.
또한, 특징 데이터 추출부(120)는 수집된 적외선 도트에 대한 좌표에 기초하여 고객의 페이스 메시를 생성할 수 있다.
페이스 타입 결정부(130)는 추출된 특징 데이터에 기초하여 상기 고객의 페이스 타입을 결정할 수 있다. 특히, 페이스 타입 결정부(130)는 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 페이스 타입을 결정할 수 있다. 예를 들어, 페이스 타입 결정부(130)는 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 크기 분석, 모양 분석, 모양 비율 분석, 및 코 분석을 처리할 수 있다. 또한, 처리한 분석들의 결과를 이용해서 페이스 타입을 결정할 수 있다.
또한, 페이스 타입 결정부(130)는 크기 분석을 통해, 고객에 대한 페이스 너비, 눈동자 사이 너비, 눈초리 사이 너비, 눈구석 사이 너비, 및 코기둥 너비 중에서 적어도 하나를 산출할 수 있다.
뿐만 아니라, 페이스 타입 결정부(130)는 모양 분석을 통해, 고객에 대한 코끝 너비, 광대 너비, 하악 너비, 수직 길이, 이마 길이, 이마-코끝 길이, 및 코끝-턱끝 길이 중에서 적어도 하나를 산출할 수 있다.
또한, 페이스 타입 결정부(130)는 모양 비율 분석을 통해, 상기 고객에 대한 수직-수평비율, 하악-페이스너비 비율, 및 페이스너비-광골 비율 중에서 적어도 하나를 산출할 수 있다.
특히, 페이스 타입 결정부(130)는 코 분석을 통해, 고객에 대한 콧등 높이, 코끝 높이, 코 길이, 및 코 각도 중에서 적어도 하나를 산출할 수 있다.
판매 데이터 추출부(140)는 페이스 타입별 판매 데이터가 기록된 데이터베이스를 참고하여, 결정된 고객의 페이스 타입에 대응하는 적어도 하나 이상의 판매 데이터를 추출할 수 있다.
이를 위해, 안경 추천 시스템은 페이스 타입별 판매 데이터가 기록된 데이터베이스를 더 포함하거나, 데이터베이스와 연동할 수 있다.
예를 들어, 고객의 페이스 타입에 대응하는 적어도 하나 이상의 판매 데이터는, 안경에 대한 디자인 정보 및 사이즈 정보를 포함할 수 있다.
한편, 선호도 정보는 고객의 회원가입시 고객으로부터 입력된 정보들을 포함할 수 있다. 뿐만 아니라, 선호도 정보는 회원가입 이후에 고객으로부터 새로 입력되는 정보로부터 추출될 수도 있고, 고객의 행동 패턴이나 프로파일링에 기반하여 추론될 수도 있다.
추천 상품 결정부(150)는 추출된 판매 데이터에 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정할 수 있다.
구체적으로, 추천 상품 결정부(150)는 결정된 페이스 타입 및 추출된 판매 데이터를 이용해서 데이터 클러스터 분석(Data Cluster Analysis), 유저 기반 콜라보레이티브 필터링(Users based collaborative filtering), 나이브 베이시안 알고리즘(Naive Baysian Algorithm) 중에서 적어도 하나를 적용하여 기계학습을 수행할 수 있다. 또한, 기계학습의 결과를 이용해서 추천 상품을 결정할 수 있다.
일실시예에 따른 추천 처리부(160)는 결정된 적어도 하나 이상의 추천 상품을 고객에게 제공하도록 처리할 수 있다.
예를 들어, 결정된 적어도 하나 이상의 추천 상품들의 정렬하기 위한 우선순위를 결정하거나, 결정된 우선순위에 의해 정렬된 추천 상품들을 표시하기 위해 디스플레이를 제어하는 기능 등을 수행할 수 있다.
또한, 얼굴만을 기반으로 추천을 하는 경우라면, 대부분의 경우 처음 추천을 한 안경을 소비자가 바로 채택하지 않을 수 있다.
이런 상황에서는 추가 추천이 반드시 필요하다.
이를 위해, 추천 상품 결정부(150)는 추출된 판매 데이터에 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하되, 추천 상품에 대해 고객이 선택하지 않는 경우, 추천 상품을 다시 결정할 수 있다.
또한, 추천 처리부(160)는 다시 결정된 추천 상품을 고객에게 제공하도록 처리할 수 있다.
구체적인 예를 들면, 추천 상품 결정부(150)는 추천 상품에 대해 고객이 선택하지 않는 경우, 고객의 페이스 타입을 기준으로 우선순위가 부여되는 추천 상품들을 결정할 수 있다. 이때의 추천 처리부(160)는 결정된 추천 상품들을 고객에게 제공하도록 처리할 수 있다.
한편, 본 발명에 따르면 처음에는 유저 기반 콜라보레이티브 필터링을 통해 1~5순의의 안경을 추천한 다음 그 다음 추천부터는 아이템 기반 콜라보레이티브 필터링을 통해 처음 추천을 했는데 추가로 추천 요청이 있는 상태에서 관련 있는 안경(아이템)을 연동하여 추천할 수 있다.
이를 위해, 추천 상품 결정부(150)는 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하되, 추천 상품에 대해 고객이 선택하지 않는 경우, 유저 기반 콜라보레이티브 필터링을 통해 선정된 개수의 상품들을 추천 상품들로 결정할 수 있다. 또한 추천 상품 결정부(150)는 다음 번 추천부터는 아이템 기반 콜라보레이티브 필터링의 결과와 관련 있는 추천 상품들로 추천 상품을 결정할 수 있다.
이에 추천 처리부(160)는 결정된 추천 상품들을 고객에게 제공할 수 있다.
이하 도 2a 내지 도 2d는 페이스 스캔 이후 추천 상품들을 제공하는 실시예를 보다 구체적으로 설명한다.
도 2a는 일실시예에 따른 페이스 스캔을 통해 생성되는 페이스 메시를 설명하는 도면이다.
일실시예에 따른 안경 추천 시스템은 고객의 안면에 적외선을 조사하여 안면 스캔할 수 있다(211).
이 과정에서 안경 추천 시스템은 적어도 3만개 이상의 적외선을 고객의 안면에 조사한 후, 조사된 적외선에 대한 응답으로 트루뎁스 카메라를 제어하여 적어도 3만개 이상의 적외선 도트를 수집할 수 있다. 또한, 수집된 적외선 도트에 대한 좌표(x, y, z)에 기초하여 고객의 페이스 메시를 생성할 수 있다(212). 3만개 이상의 적외선 도트들 중에서 유의미한 적외선 도트 1200여개는 특징 데이터로 활용될 수 있다. 특징 데이터는 페이스의 타입을 구분하기 위해 산출되는 비율, 거리, 크기, 길이 등의 수치를 산출하는데 활용될 수 있다.
도 2b는 페이스 메시로부터 특징 데이터를 추출하고, 고객의 페이스 타입을 결정하기 위해 추출한 특징 데이터를 활용하는 실시예(220)를 설명하는 도면이다.
특징 데이터 간의 비율, 거리, 깊이를 고려하여 크기 분석(221), 모양 분석(222), 모양 비율 분석(223), 및 코 분석(224)을 처리하고, 처리한 분석들의 결과를 이용해서 페이스 타입이 결정될 수 있다.
일실시예에 따른 안경 추천 시스템은 크기 분석(221)을 통해, 고객에 대한 페이스 너비, 눈동자 사이 너비, 눈초리 사이 너비, 눈구석 사이 너비, 및 코기둥 너비 중에서 적어도 하나를 산출할 수 있다.
일실시예에 따른 안경 추천 시스템은 모양 분석(222)을 통해, 고객에 대한 코끝 너비, 광대 너비, 하악 너비, 수직 길이, 이마 길이, 이마-코끝 길이, 및 코끝-턱끝 길이 중에서 적어도 하나를 산출할 수 있다.
안경 추천 시스템은 모양 비율 분석(223)을 통해, 고객에 대한 수직-수평비율, 하악-페이스너비 비율, 및 페이스너비-광골 비율 중에서 적어도 하나를 산출할 수 있다.
안경 추천 시스템은 코 분석(224)을 통해, 고객에 대한 콧등 높이, 코끝 높이, 코 길이, 및 코 각도 중에서 적어도 하나를 산출할 수 있다.
도면부호 225는 고객의 페이스 정면에서 바라보는 페이스 메시에서 전체의 적외선 도트들 중에서 특징 데이터로 추출된 적외선 도트가 구별된 형태를 나타낸다.
한편, 도면부호 226은 고객의 페이스 측면에서 바라보는 페이스 메시에서 전체의 적외선 도트들 중에서 특징 데이터로 추출된 적외선 도트가 구별된 형태를 나타낸다. 도면부호 225와 도면부호 226에서 표시된 특징 데이터에 기초하여 분석 결과들(221, 222, 223, 224)이 산출될 수 있다.
도 2c는 고객의 페이스 타입별 판매된 안경 디자인과 판매량을 포함하는 판매 데이터(230)를 설명하는 도면이다.
일실시예에 따른 판매 데이터(230)에는 '고객의 얼굴형' 필드를 통해 페이스 타입이 기록될 수 있고, '디지인' 필드를 통해 페이스 타입과 연관지어 구매한 안경 디자인에 대한 정보가 기록될 수 있다. 또한, '판매량' 필드에는 각 디자인 별 판매량이 기록될 수 있다.
판매 데이터(230)에서 보는 바와 같이, 페이스 타입이 'B type'인 고객의 경우 대부분 'ROUND N' 디자인의 안경을 구매했고, 이에 대한 판매량이 '89'개임을 알 수 있다.
한편, 페이스 타입이 'A type'인 고객의 경우 'ROUND N'과 'ROUND C' 디자인의 안경을 구매했고, 이에 대한 판매량이 각각 '23'개와 '12'개임을 알 수 있다.
즉, 'A type'인 고객 중 65%의 비율은 'ROUND N'의 디자인을 선택했고, 나머지는 'ROUND C'의 디자인을 선택했음을 확인할 수 있다.
도 2d는 고객의 페이스 타입과 판매 데이터를 이용해서 안경을 추천하는 알고리즘을 설명하는 도면이다.
일실시예에 따른 안경 추천 시스템은 도면부호 220에 해당하는 페이스 메시와 이로부터 추출된 특징 데이터, 그리고 판매 데이터(230)를 이용해서 추천 정보(240)를 제공할 수 있다.
추천 정보(240)에는 추천하는 안경에 대한 디자인, 크기, 추천 순위 등이 표시될 수 있다.
예를 들어, 판매량을 고려하여 추천 순위가 정해질 수 있다.
일실시예에 따른 안경 추천 시스템은 추천 상품을 결정하기 위해, 결정된 페이스 타입 및 추출된 판매 데이터를 이용해서 데이터 클러스터 분석, 유저 기반 콜라보레이티브 필터링, 아이템 기반 콜라보레이티브 필터링, 나이브 베이시안 알고리즘 중에서 적어도 하나를 적용하여 기계학습을 수행할 수 있다.
즉, 본 발명을 이용하면 Face Ruler를 통해 데이터의 군집분석 및 베이시안 분석을 통해 얼굴의 크기 및 형태에 따라 판매데이터와 연결하여 얼굴의 인식만으로 최적 안경 디자인을 추천할 수 있다.
도 3은 일실시예에 따른 안경 추천 시스템의 동작 방법을 설명하는 블록도이다.
일실시예에 따른 안경 추천 시스템의 동작 방법은 페이스 스캔 결과를 이용해서 고객의 페이스 메시를 생성할 수 있다(단계 310).
일례로, 페이스 메시를 생성하기 위해 안경 추천 시스템의 동작 방법은 iOS 앱을 통해 지원되는 트루뎁스 카메라를 이용하여 상기 고객에 대한 페이스를 스캔한 결과를 페이스 스캔 결과로서 이용할 수 있다.
또한, 안경 추천 시스템의 동작 방법은 생성된 고객의 페이스 메시로부터 특징 데이터를 추출하고(단계 320), 추출된 특징 데이터에 기초하여 상기 고객의 페이스 타입을 결정할 수 있다(단계 330).
예를 들어, 고객의 페이스 타입을 결정하기 위해, 안경 추천 시스템의 동작 방법은 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 상기 페이스 타입을 결정하는 단계를 포함할 수 있다.
특히, 고객의 페이스 타입을 결정하기 위해 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 크기 분석, 모양 분석, 모양 비율 분석, 및 코 분석을 처리하고, 처리한 분석들의 결과를 이용해서 페이스 타입을 결정할 수 있다.
뿐만 아니라, 고객의 페이스 타입을 결정하기 위해 크기 분석을 통해, 고객에 대한 페이스 너비, 눈동자 사이 너비, 눈초리 사이 너비, 눈구석 사이 너비, 및 코기둥 너비 중에서 적어도 하나를 산출할 수 있다.
안경 추천 시스템의 동작 방법은 고객의 페이스 타입을 결정하기 위해 모양 분석을 통해, 상기 고객에 대한 코끝 너비, 광대 너비, 하악 너비, 수직 길이, 이마 길이, 이마-코끝 길이, 및 코끝-턱끝 길이 중에서 적어도 하나를 산출할 수 있다.
또한, 안경 추천 시스템의 동작 방법은 고객의 페이스 타입을 결정하기 위해, 모양 비율 분석을 통해, 상기 고객에 대한 수직-수평비율, 하악-페이스너비 비율, 및 페이스너비-광골 비율 중에서 적어도 하나를 산출할 수 있다.
안경 추천 시스템의 동작 방법은 고객의 페이스 타입을 결정하기 위해 코 분석을 통해, 상기 고객에 대한 콧등 높이, 코끝 높이, 코 길이, 및 코 각도 중에서 적어도 하나를 산출할 수 있다.
안경 추천 시스템의 동작 방법은 페이스 타입별 판매 데이터가 기록된 데이터베이스를 참고하여, 결정된 고객의 페이스 타입에 대응하는 적어도 하나 이상의 판매 데이터를 추출할 수 있다(단계 340).
또한, 안경 추천 시스템의 동작 방법은 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정할 수 있다(단계 350).
일례로, 안경 추천 시스템의 동작 방법은 적어도 하나 이상의 추천 상품을 결정하기 위해, 결정된 페이스 타입 및 상기 추출된 판매 데이터를 이용해서 데이터 클러스터 분석, 유저 기반 콜라보레이티브 필터링, 아이템 기반 콜라보레이티브 필터링, 나이브 베이시안 알고리즘 중에서 적어도 하나를 적용하여 기계학습을 수행할 수 있다. 또한, 기계학습의 결과를 이용해서 추천 상품을 결정할 수 있다.
뿐만 아니라, 안경 추천 시스템의 동작 방법은 결정된 적어도 하나 이상의 추천 상품을 고객에게 제공하도록 처리할 수 있다(단계 360).
결국, 본 발명을 이용하면 데이터의 군집분석 및 베이시안 분석을 통해 페이스의 크기 및 형태에 따라 판매데이터와 연결하여 페이스의 인식만으로 최적 안경 디자인을 추천할 수 있다. 뿐만 아니라, iOS 앱 내에 있는 페이스 스캔의 결과에 기반하는 Face Ruler 기능을 통해 고객의 페이스를 분석하고, 이를 기반으로 페이스의 크기 및 형태에 따라 안경의 사이즈와 디자인을 추천 받고, 향후 빅데이터 분석을 통해 정확도를 향상시킬 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable 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.
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.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 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.

Claims (23)

  1. 트루뎁스 카메라를 이용하여 적어도 3만개 이상의 적외선을 고객의 안면에 조사한 후, 상기 조사된 적어도 3만개 이상의 적외선에 대한 응답으로 상기 트루뎁스 카메라에서 적어도 3만개 이상의 적외선 도트를 수집하고, 상기 수집된 적어도 3만개 이상의 적외선 도트에 대한 좌표에 기초하여 고객의 페이스 메시를 생성하는 페이스 메시 생성부;
    상기 생성된 고객의 페이스 메시로부터 특징 데이터를 추출하는 특징 데이터 추출부;
    상기 추출된 특징 데이터에 기초하여 상기 고객의 페이스 타입을 결정하는 페이스 타입 결정부;
    페이스 타입별 판매 데이터가 기록된 데이터베이스를 참고하여, 상기 결정된 고객의 페이스 타입에 대응하는 적어도 하나 이상의 판매 데이터를 추출하는 판매 데이터 추출부;
    상기 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하는 추천 상품 결정부; 및
    상기 결정된 적어도 하나 이상의 추천 상품을 상기 고객에게 제공하도록 처리하는 추천 처리부
    를 포함하는 안경 추천 시스템.
  2. 제1항에 있어서,
    상기 페이스 메시 생성부는,
    iOS 앱을 통해 지원되는 트루뎁스 카메라를 이용하여 상기 고객에 대한 페이스를 스캔한 결과를 상기 페이스 스캔 결과로서 이용하는 안경 추천 시스템.
  3. 제1항에 있어서,
    상기 페이스 타입 결정부는,
    상기 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 상기 페이스 타입을 결정하는 안경 추천 시스템.
  4. 제3항에 있어서,
    상기 페이스 타입 결정부는,
    상기 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 크기 분석, 모양 분석, 모양 비율 분석, 및 코 분석을 처리하고, 상기 처리한 분석들의 결과를 이용해서 상기 페이스 타입을 결정하는 안경 추천 시스템.
  5. 제4항에 있어서,
    상기 페이스 타입 결정부는,
    상기 크기 분석을 통해, 상기 고객에 대한 페이스 너비, 눈동자 사이 너비, 눈초리 사이 너비, 눈구석 사이 너비, 및 코기둥 너비 중에서 적어도 하나를 산출하는 안경 추천 시스템.
  6. 제4항에 있어서,
    상기 페이스 타입 결정부는,
    상기 모양 분석을 통해, 상기 고객에 대한 코끝 너비, 광대 너비, 하악 너비, 수직 길이, 이마 길이, 이마-코끝 길이, 및 코끝-턱끝 길이 중에서 적어도 하나를 산출하는 안경 추천 시스템.
  7. 제4항에 있어서,
    상기 페이스 타입 결정부는,
    상기 모양 비율 분석을 통해, 상기 고객에 대한 수직-수평비율, 하악-페이스너비 비율, 및 페이스너비-광골 비율 중에서 적어도 하나를 산출하는 안경 추천 시스템.
  8. 제4항에 있어서,
    상기 페이스 타입 결정부는,
    상기 코 분석을 통해, 상기 고객에 대한 콧등 높이, 코끝 높이, 코 길이, 및 코 각도 중에서 적어도 하나를 산출하는 안경 추천 시스템.
  9. 제1항에 있어서,
    상기 고객의 페이스 타입에 대응하는 상기 적어도 하나 이상의 판매 데이터는,
    안경에 대한 디자인 정보 및 사이즈 정보를 포함하는 안경 추천 시스템.
  10. 제1항에 있어서,
    상기 선호도 정보는,
    상기 고객의 회원가입시 상기 고객으로부터 입력된 정보들을 포함하는 안경 추천 시스템.
  11. 제1항에 있어서,
    상기 추천 상품 결정부는,
    상기 결정된 페이스 타입 및 상기 추출된 판매 데이터를 이용해서 데이터 클러스터 분석(Data Cluster Analysis), 유저 기반 콜라보레이티브 필터링(Users based collaborative filtering), 나이브 베이시안 알고리즘(Naive Baysian Algorithm) 중에서 적어도 하나를 적용하여 기계학습을 수행하고, 상기 기계학습의 결과를 이용해서 상기 추천 상품을 결정하는 안경 추천 시스템.
  12. 제1항에 있어서,
    상기 추천 상품 결정부는,
    상기 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하되,
    추천 상품에 대해 고객이 선택하지 않는 경우, 추천 상품을 다시 결정하고,
    상기 추천 처리부는, 상기 다시 결정된 추천 상품을 상기 고객에게 제공하도록 처리하는 안경 추천 시스템.
  13. 제1항에 있어서,
    상기 추천 상품 결정부는,
    상기 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하되,
    추천 상품에 대해 고객이 선택하지 않는 경우, 상기 고객의 페이스 타입을 기준으로 우선순위가 부여되는 추천 상품들을 결정하고,
    상기 추천 처리부는, 상기 결정된 추천 상품들을 상기 고객에게 제공하도록 처리하는 안경 추천 시스템.
  14. 제1항에 있어서,
    상기 추천 상품 결정부는,
    상기 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하되,
    추천 상품에 대해 고객이 선택하지 않는 경우, 유저 기반 콜라보레이티브 필터링을 통해 선정된 개수의 상품들을 추천 상품들로 결정하고, 다음 추천부터는 아이템 기반 콜라보레이티브 필터링의 결과와 관련 있는 추천 상품들을 결정하며,
    상기 추천 처리부는, 상기 결정된 추천 상품들을 상기 고객에게 제공하도록 처리하는 안경 추천 시스템.
  15. 트루뎁스 카메라를 이용하여 적어도 3만개 이상의 적외선을 고객의 안면에 조사한 후, 상기 조사된 적어도 3만개 이상의 적외선에 대한 응답으로 상기 트루뎁스 카메라에서 적어도 3만개 이상의 적외선 도트를 수집하고, 상기 수집된 적어도 3만개 이상의 적외선 도트에 대한 좌표에 기초하여 고객의 페이스 메시를 생성하는 단계;
    상기 생성된 고객의 페이스 메시로부터 특징 데이터를 추출하는 단계;
    상기 추출된 특징 데이터에 기초하여 상기 고객의 페이스 타입을 결정하는 단계;
    페이스 타입별 판매 데이터가 기록된 데이터베이스를 참고하여, 상기 결정된 고객의 페이스 타입에 대응하는 적어도 하나 이상의 판매 데이터를 추출하는 단계;
    상기 추출된 판매 데이터에 상기 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정하는 단계; 및
    상기 결정된 적어도 하나 이상의 추천 상품을 상기 고객에게 제공하도록 처리하는 단계
    를 포함하는 안경 추천 시스템의 동작 방법.
  16. 제15항에 있어서,
    상기 페이스 메시를 생성하는 단계는,
    iOS 앱을 통해 지원되는 트루뎁스 카메라를 이용하여 상기 고객에 대한 페이스를 스캔한 결과를 상기 페이스 스캔 결과로서 이용하는 단계
    를 포함하는 안경 추천 시스템의 동작 방법.
  17. 제15항에 있어서,
    상기 고객의 페이스 타입을 결정하는 단계는,
    상기 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 상기 페이스 타입을 결정하는 단계
    를 포함하는 안경 추천 시스템의 동작 방법.
  18. 제17항에 있어서,
    상기 고객의 페이스 타입을 결정하는 단계는,
    상기 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 크기 분석, 모양 분석, 모양 비율 분석, 및 코 분석을 처리하고, 상기 처리한 분석들의 결과를 이용해서 상기 페이스 타입을 결정하는 안경 추천 시스템의 동작 방법.
  19. 제18항에 있어서,
    상기 고객의 페이스 타입을 결정하는 단계는,
    상기 크기 분석을 통해, 상기 고객에 대한 페이스 너비, 눈동자 사이 너비, 눈초리 사이 너비, 눈구석 사이 너비, 및 코기둥 너비 중에서 적어도 하나를 산출하는 단계
    를 포함하는 안경 추천 시스템의 동작 방법.
  20. 제18항에 있어서,
    상기 고객의 페이스 타입을 결정하는 단계는,
    상기 모양 분석을 통해, 상기 고객에 대한 코끝 너비, 광대 너비, 하악 너비, 수직 길이, 이마 길이, 이마-코끝 길이, 및 코끝-턱끝 길이 중에서 적어도 하나를 산출하는 안경 추천 시스템의 동작 방법.
  21. 제18항에 있어서,
    상기 고객의 페이스 타입을 결정하는 단계는,
    상기 모양 비율 분석을 통해, 상기 고객에 대한 수직-수평비율, 하악-페이스너비 비율, 및 페이스너비-광골 비율 중에서 적어도 하나를 산출하는 단계
    를 포함하는 안경 추천 시스템의 동작 방법.
  22. 제18항에 있어서,
    상기 고객의 페이스 타입을 결정하는 단계는,
    상기 코 분석을 통해, 상기 고객에 대한 콧등 높이, 코끝 높이, 코 길이, 및 코 각도 중에서 적어도 하나를 산출하는 단계
    를 포함하는 안경 추천 시스템의 동작 방법.
  23. 제15항에 있어서,
    상기 적어도 하나 이상의 추천 상품을 결정하는 단계는,
    상기 결정된 페이스 타입 및 상기 추출된 판매 데이터를 이용해서 데이터 클러스터 분석, 유저 기반 콜라보레이티브 필터링, 아이템 기반 콜라보레이티브 필터링, 나이브 베이시안 알고리즘 중에서 적어도 하나를 적용하여 기계학습을 수행하는 단계; 및
    상기 기계학습의 결과를 이용해서 상기 추천 상품을 결정하는 단계
    를 포함하는 안경 추천 시스템의 동작 방법.
KR1020190118959A 2019-09-26 2019-09-26 페이스 타입 및 사이즈별 판매 데이터에 기초하여 안경을 추천하는 시스템 및 방법 KR102293038B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190118959A KR102293038B1 (ko) 2019-09-26 2019-09-26 페이스 타입 및 사이즈별 판매 데이터에 기초하여 안경을 추천하는 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190118959A KR102293038B1 (ko) 2019-09-26 2019-09-26 페이스 타입 및 사이즈별 판매 데이터에 기초하여 안경을 추천하는 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20210036666A KR20210036666A (ko) 2021-04-05
KR102293038B1 true KR102293038B1 (ko) 2021-08-26

Family

ID=75461949

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190118959A KR102293038B1 (ko) 2019-09-26 2019-09-26 페이스 타입 및 사이즈별 판매 데이터에 기초하여 안경을 추천하는 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102293038B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101820503B1 (ko) * 2011-03-10 2018-01-22 에스케이플래닛 주식회사 얼굴 인식 추론 기반 서비스 시스템, 그의 얼굴 인식 추론 방법 및 기록 매체

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100523742B1 (ko) * 2002-03-26 2005-10-26 김소운 3차원 안경 시뮬레이션 시스템 및 방법
JP6099232B2 (ja) * 2013-08-22 2017-03-22 ビスポーク， インコーポレイテッド カスタム製品を創作するための方法及びシステム
KR102316527B1 (ko) * 2016-03-16 2021-10-25 전대연 맞춤형 안경 스마트 구매 앱 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101820503B1 (ko) * 2011-03-10 2018-01-22 에스케이플래닛 주식회사 얼굴 인식 추론 기반 서비스 시스템, 그의 얼굴 인식 추론 방법 및 기록 매체

Also Published As

Publication number Publication date
KR20210036666A (ko) 2021-04-05

Similar Documents

Publication Publication Date Title
JP7233927B2 (ja) バイオメトリック情報を交換するように構成された頭部搭載型ディスプレイシステム
CN109844729B (zh) 通过示例利用预测性粒度修改来合并
JP2020144944A (ja) 拡張現実識別検証
KR101571241B1 (ko) 안면 표현형 결정 장치 및 방법
CN103324287B (zh) 基于眼动和笔触数据的计算机辅助草图绘制的方法和***
US20190286229A1 (en) Eye tracking method, electronic device, and non-transitory computer readable storage medium
CN110705467A (zh) 一种人脸表情识别方法、***、装置和存储介质
Lunin et al. Systematic review of Kinect-based solutions for physical risk assessment in manual materials handling in industrial and laboratory environments
CN111444928A (zh) 关键点检测的方法、装置、电子设备及存储介质
KR102293038B1 (ko) 페이스 타입 및 사이즈별 판매 데이터에 기초하여 안경을 추천하는 시스템 및 방법
Yi et al. From 2d to 3d: Facilitating single-finger mid-air typing on qwerty keyboards with probabilistic touch modeling
US11475648B2 (en) System and method for providing eyewear try-on and recommendation services using truedepth camera
KR102566897B1 (ko) 의약품 및 의료소모품의 도소매 판매를 위한 온라인 전자상거래 서비스 제공 방법, 장치 및 시스템
US10699057B2 (en) System and method for controlling information presented to user referring to contents
KR102019752B1 (ko) 컴퓨터 수행 가능한 ui/ux 전략제공방법 및 이를 수행하는 ui/ux 전략제공장치
US20220188833A1 (en) Facilitating payments in an extended reality system based on behavioral biometrics
Maruyama et al. User authentication using leap motion
JP2019032591A (ja) 計算機システム
JP5897745B2 (ja) 加齢分析方法及び加齢分析装置
KR20220027621A (ko) 인체 포즈 분석 장치 및 그 방법
CN105931636B (zh) 多语系语音辨识装置及其方法
McFassel et al. Prototyping and evaluation of interactive and customized interface and control algorithms for robotic assistive devices using Kinect and infrared sensor
KR102548875B1 (ko) 주성분 평면을 이용한 얼굴 매칭 장치 및 방법
US11829571B2 (en) Systems and method for algorithmic rendering of graphical user interface elements
JP6355307B2 (ja) 顔照合装置、顔照合方法及び顔照合プログラム

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right