此应用程序的某些内容目前无法使用。
如果这种情况持续存在,请联系我们反馈与联系
1. (KR1020130024065) APPARATUS FOR DETECTING COMPLEXION AND A METHOD THEREOF, AN APPARATUS FOR EVALUATING HEALTH STATUS USING INFORMATION ABOUT THE COMPLEXION AND A METHOD THEREOF, AND AN APPARATUS FOR GENERATING A HEALTH STATUS CLASSIFICATION FUNCTION WITH A HIGH ACCURACY AND A METHOD THEREOF
注:相关文本通过自动光符识别流程生成。凡涉及法律问题,请以 PDF 版本为准
명 세 서
안색 정보 생성 장치 및 그 방법, 안색 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법{APPARATUS AND METHOD FOR DETECTING COMPLEXION, APPARATUS AND METHOD FOR DETERMINIG HEALTH USING COMPLEXION, APPARATUS AND METHOD FOR GENERATING HEALTH SORT FUNCTION}
기 술 분 야
 본 발명은 사용자의 안색 정보를 생성하는 안색 정보 생성 장치 및 그 방법, 안색 정보를 이용한 건강 상태 판단 장치 및 그 방법, 건강 분류 함수 생성 장치 및 그 방법에 관한 것이다.
배 경 기 술
 현대 사회는 건강에 대한 관심이 나날이 증가하고 있다. 이러한 시대적인 관심과 더불어, 실시간 데이터 수집에 의한 데이터 분석 방식 및 툴(tool)이 고도화되는 등 기술이 비약적으로 발전함에 따라서, 건강 상태를 모니터링하고 개인화된 건강관리 서비스를 제공받는 것이 가능하게 되었다.
 또한, 소비자의 의식 변화에 따른 고객 요구의 다양화와 기대수준의 향상으로 건강 서비스 및 관련 시스템 이용의 편리성 및 맞춤화가 강화되고 있는 추세이며, 축적된 개인의 건강 데이터를 바탕으로 생활 습관병 예방이나 체중관리 등의 개인화(personalized) 건강관리 사업이 급속도로 성장하고 있다.
 이는 과거 건강관리 서비스가 환자를 대상으로 병원이나 의료기관에서 이루어지는 질병 치료에만 국한되는 헬스케어(Healthcare) 중심으로 이루어졌다면, 최근 소비자들의 건강관리 니즈(needs)는 건강한 사람을 대상으로 하는 질병의 사전예방 및 건강유지로 선회되고 있음을 반증하는 결과이다.
 즉, 생활수준의 향상과 함께 삶의 질(Quality of Life)과 웰빙/wellness에 대한 관심이 증대하면서 소비자들은 차츰 건강상태 측정, 적정 운동량 관리 등의 사전 예방적인 건강관리에 대한 선호도가 높아지고 있다.
발명의 내용
   해결하려는 과제
 본 발명은 상술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은 사용자의 안면을 촬영하여 안면 영상을 획득하고, 안면 영상으로부터 안색 정보를 생성할 수 있는 안색 정보 생성 장치 및 그의 안색 정보 생성 방법을 제공하기 위한 것이다.
 또한, 본 발명의 다른 목적은, 사용자의 신상 정보, 체질 정보 및 안색 정보를 이용하여 사용자의 건강 상태를 판단하는 건강 상태 판단 장치 및 그 방법을 제공하기 위한 것이다.
 또한, 본 발명의 다른 목적은, 사용자의 체질 정보를 기반으로 하고, 사용자의 안색 성분과 건강 상태 사이의 상관 관계를 이용하여 건강 분류 함수를 체질 별로 생성하는 건강 분류 함수 생성 장치 및 그 방법을 제공하기 위한 것이다.
   과제의 해결 수단
 이상과 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 안색 정보 생성 방법은 기준 색상 차트와 함께 사용자의 안면을 촬영하여 안면 영상을 획득하는 단계, 상기 기준 색상 차트에 대응하는 픽셀 정보를 기반으로 상기 획득된 안면 영상의 색상을 보정하는 단계, 상기 보정된 안면 영상에서 상기 사용자의 특징점을 추출하는 단계, 상기 검출된 특징점을 이용하여 적어도 하나 이상의 안색 영역을 추출하는 단계 및 상기 추출된 안색 영역에 포함된 픽셀들에 대한 각 픽셀값을 이용하여 상기 사용자에 대한 안색 정보를 생성하는 단계를 포함한다.
 본 발명의 일 실시예에 따른 건강 상태 판단 방법은 사용자의 체질에 대한 체질 정보를 입력받는 단계, 상기 사용자의 안색에 대한 안색 정보를 입력받는 단계, 상기 체질 정보에 대응하는 건강 분류 함수를 호출하는 단계 및 상기 안색 정보 및 상기 호출된 건강 분류 함수를 이용하여 상기 사용자의 건강 상태를 판단하는 단계를 포함한다.
 본 발명의 일 실시예에 따른, 사용자의 건강 상태를 판단하기 위한 건강 분류 함수를 생성하는 건강 분류 함수 생성 방법은 복수 개의 안색 성분에 대한 참조 안색 정보를 복수 개 입력 받고, 상기 복수 개의 참조 안색 정보 각각에 대응하는 복수 개의 임상 데이터를 입력 받는 단계, 상기 복수 개의 참조 안색 정보 및 상기 복수 개의 임상 데이터를 체질 별로 분류하는 단계, 상기 체질 별로 분류된 참조 안색 정보 및 임상 데이터와 분류 모델을 이용하여 상기 복수 개의 안색 특징과 상기 건강 상태 사이의 상관 관계를 상기 체질 별로 연산하는 단계, 상기 체질 별로 분류된 참조 안색 정보 및 임상 데이터와 상기 분류 모델을 이용하여 상기 복수 개의 안색 성분으로부터 적어도 하나의 주요 안색 성분을 상기 체질 별로 추출하는 단계 및 상기 적어도 하나의 주요 안색 성분 및 상기 연산된 상관 관계를 이용하여, 상기 건강 분류 함수를 상기 체질 별로 생성하는 단계를 포함한다.
 본 발명의 일 실시예에 따른 안색 정보 생성 장치는 기준 색상 차트와 함께 사용자의 안면을 촬영하여 안면 영상을 획득하는 안면 영상 촬영부, 상기 기준 색상 차트에 대응하는 픽셀 정보를 기반으로 상기 획득된 안면 영상의 색상을 보정하는 색상 보정부, 상기 보정된 안면 영상에서 상기 사용자의 특징점을 추출하는 특징점 추출부, 상기 검출된 특징점을 이용하여 적어도 하나 이상의 안색 영역을 추출하는 안색 영역 추출부 및 상기 추출된 안색 영역에 포함된 픽셀들에 대한 적어도 하나 이상의 색상 성분을 검출하여 상기 사용자에 대한 안색 정보를 생성하는 안색 정보 생성부를 포함한다.
 본 발명의 일 실시예에 따른 건강 상태 판단 장치는 사용자의 안색에 대한 안색 정보 및 상기 사용자의 체질에 대한 체질 정보를 입력 받는 입력부, 상기 체질 정보에 대응하는 건강 분류 함수를 호출하는 처리부 및 상기 안색 정보 및 상기 호출된 건강 분류 함수를 이용하여, 상기 사용자의 건강 상태를 판단하는 판단부를 포함한다.
 본 발명의 일 실시예에 따른, 사용자의 건강 상태를 판단하기 위한 건강 분류 함수를 생성하는 건강 분류 함수 생성 장치는 복수 개의 안색 성분에 대한 참조 안색 정보를 복수 개 입력 받고, 상기 복수 개의 참조 안색 정보 각각에 대응하는 복수 개의 임상 데이터를 입력 받는 입력부, 상기 복수 개의 참조 안색 정보 및 상기 복수 개의 임상 데이터를 체질 별로 분류하는 처리부, 상기 체질 별로 분류된 참조 안색 정보 및 임상 데이터와 분류 모델을 이용하여 상기 복수 개의 안색 성분과 상기 건강 상태 사이의 상관 관계를 상기 체질 별로 연산하는 연산부, 상기 체질 별로 분류된 참조 안색 정보 및 임상 데이터와 상기 분류 모델을 이용하여 상기 복수 개의 안색 성분으로부터 적어도 하나의 주요 안색 성분을 상기 체질 별로 추출하는 추출부 및 상기 적어도 하나의 주요 안색 성분 및 상기 연산된 상관 관계를 이용하여, 상기 건강 분류 함수를 상기 체질 별로 생성하는 생성부를 포함한다.
   발명의 효과
 본 발명에서 제공하는 안색 정보 생성 장치 및 그 방법은 사용자의 안색 정보를 용이하게 생성할 수 있다.
 또한, 본 발명에서 제공하는 건강 상태 판단 장치 및 그 방법은 사용자의 신상 정보, 체질 정보 및 안색 정보를 이용하여 사용자의 건강 상태를 간편하게 측정할 수 있어 사전 예방적인 건강관리를 가능하게 한다.
 또한, 본 발명에서 제공하는 건강 분류 함수 생성 장치 및 그 방법은 사용자의 신상 정보, 체질 정보 및 안색 정보를 이용함으로써 정확도가 높은 건강 분류 함수를 생성할 수 있다.
도면의 간단한 설명
 도 1은 본 발명의 일 실시예에 따른 사용자의 건강 상태를 판단하는 건강 상태 판단 방법의 전체 알고리즘을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 안색 정보 생성 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 안색 정보 생성 방법을 설명하기 위한 흐름도이다.
도 4 내지 도 6은 본 발명의 일 실시예에 따른 안색 정보 생성 과정을 설명하기 위한 사진이다.
도 7은 본 발명의 일 실시예에 따른 건강 상태 판단 장치의 구성을 나타내는 블록도이다.
도 8은 본 발명의 일 실시예에 따른 건강 상태 판단 방법을 설명하기 위한 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 건강 분류 함수 생성 장치의 구성을 나타내는 블록도이다.
도 10은 복수 개의 안색 성분으로부터 주요 안색 성분을 체질 별로 추출하는 과정을 나타내는 도면이다.
도 11은 본 발명의 일 실시예에 따른 건강 분류 함수 생성 방법을 설명하기 위한 흐름도이다.
발명을 실시하기 위한 구체적인 내용
 이하에서, 본 발명에 따른 실시예를 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
 도 1은 본 발명의 일실시예에 따른 사용자의 건강 상태를 판단하는 건강 상태 판단 방법의 전체 알고리즘을 나타내는 도면이다.
 도 1을 참조하면, 본 발명의 일실시예에 따른 건강 상태 판단 방법은 사용자의 건강 상태를 판단하기 위하여 사용자에 대한 물리량 정보(100), 신상 정보(110) 및 사용자의 체질 정보(120)를 입력 받을 수 있다.
 신상 정보(110)는 사용자의 나이, 성별, 키, 몸무게, BMI(체질량 지수), 직업, 교육 수준 등 사용자의 신상에 대한 정보를 포함할 수 있다.
 사용자에 대한 물리량 정보(100)는 사용자의 건강을 판단하기 위한 변수로서 사용자의 물리적 요소에 대한 측정값을 나타낸다. 예를 들어, 사용자에 대한 물리량 정보(100)는 사용자의 음성과 연관된 음성 정보(101), 사용자의 맥파(脈波)와 연관된 맥파 정보(102), 사용자의 안면의 색과 연관된 안색 정보(103), 사용자의 피부와 연관된 피부 정보(104) 및 사용자가 건강과 관련하여 작성한 설문에 대한 설문 정보(105)를 포함할 수 있다. 사용자에 대한 복수 개의 물리량 정보(100)는 사용자의 건강을 판단하기 위한 건강 분류 함수(130)의 변수로서 건강 분류 함수(130)에 입력될 수 있다.
 건강 분류 함수(130)는 사용자의 건강을 판단하기 위한 함수로서, 사용자에 대한 물리량 정보(100), 신상 정보(110) 및 체질 정보(120)를 입력 받아 사용자의 건강 상태에 대한 정보를 산출할 수 있는 함수일 수 있다.
 건강 분류 함수(130)는 복수 개의 임상 데이터를 이용하여 생성될 수 있다. 예를 들어, 건강 상태 판단 방법은 복수 개의 임상 데이터를 분류 모델에 입력하여 함수식을 산출할 수 있고, 이 때 산출된 함수식이 건강 분류 함수(130)로 사용될 수 있다. 분류 모델은 로지스틱 회귀 분석(Logistic Regression Analysis), 뉴럴 네트워크 분석(Neural Network), 서포트 벡터 머신(Support Vector machine) 분석, 의사 결정 트리(Decision Tree) 분석 및 선형 판별 분석(LDA) 중 적어도 하나가 될 수 있다.
 실시예에 따라서는, 건강 분류 함수(130)는 사용자의 체질 별로 별개로 구현될 수 있다. 즉, 태음인(121)에 대한 건강 분류 함수, 소음인(122)에 대한 건강 분류 함수, 소양인(123)에 대한 건강 분류 함수 및 태양인(124)에 대한 건강 분류 함수는 별개로 구현될 수 있다. 이 때, 건강 상태 판단 방법은 사용자의 체질 정보(120)를 입력 받음으로써, 사용자의 체질에 따른 건강 분류 함수를 선택하고, 선택된 건강 분류 함수를 이용하여 사용자의 건강 상태(140)를 판단할 수 있다.
 일 실시예에 따른 건강 상태 판단 방법은 입력 받은 정보에 기반하여 사용자의 건강 상태(140)를 건강(141), 반건강(142) 및 질병(143)로 분류할 수 있다.
 상술한 것과 같이, 건강 상태 판단 방법은 사용자에 대한 복수 개의 물리량 정보(100)에 기반하여 사용자의 건강 상태(140)를 판단할 수 있고, 본 명세서에서는 복수 개의 물리량 정보(100) 중에서도 특히 안색 정보를 이용하여 사용자의 건강 상태를 판단하는 새로운 장치 및 방법에 대해서 제안한다.
 
 도 2는 본 발명의 일 실시예에 따른 안색 정보 생성 장치의 구성을 나타내는 블록도이다.
 도 2를 참조하면, 본 발명의 일실시예에 따른 안색 정보 생성 장치(200)는 안면 영상 촬영부(210), 색상 보정부(220), 특징점 검출부(230), 안색 영역 추출부(240) 및 안색 정보 생성부(250)를 포함한다.
 안면 영상 촬영부(210)는 기준 색상 차트와 함께 사용자의 안면을 촬영하여 안면 영상을 획득한다. 안면 영상 촬영부(210)는 촬영 소자로, 안색 정보 생성 장치(200)에 포함될 수 있으며, 디지털 카메라 또는 캠코더와 같이 별도의 촬영 장치가 안색 정보 생성 장치(200)에 물리적으로 연결된 구성이 될 수도 있다.
 기준 색상 차트란, 안면 영상에 포함된 픽셀들의 각 픽셀값을 이용하여 안색 정보를 생성함에 있어서 다양한 색 성분에 대하여 기준이 되는 색상을 일정 크기로 포함하고 있는 표지판이 될 수 있다. 예를 들어, 기준 색상 차트는 다양한 살구색 성분에 대하여 기준이 되는 살구 색상을 포함하고 있을 수 있다. 이 외에도 다양한 색 성분에 대하여 기준이 되는 색상을 포함하고 있을 수 있다.
 안면 촬영시, 기준 색상 차트에 의해 사용자의 안면이 가려지지 않도록 사용자의 안면을 벗어나 기준 색상 차트를 위치시키는 것이 바람직하다.
 색상 보정부(220)는 안면 영상에서 기준 색상 차트에 대응하는 픽셀 정보를 기반으로 안면 영상의 색상을 보정한다.
 색상 보정부(220)는 추출부(221), 픽셀 정보 생성부(222), 영상 보정 모델 생성부(223) 및 영상 보정부(224)를 포함한다.
 추출부(221)는 안면 영상 내에서 기준 색상 차트 영역을 추출한다.
 추출부(221)는 안면 영상 내에 포함된 픽셀들의 각 픽셀값을 확인하고, 이를 기초로 하여 안면 영상 내에서 경계선을 추출한다. 그리고, 이 경계선을 이용하여 기준 색상 차트 영역에 대응되는 형태 및 크기를 갖는 영역을 검색하여 기준 색상 차트 영역을 추출할 수 있다. 또는, 추출부(221)는 안면 영상 내에 포함된 픽셀들의 각 픽셀값을 확인하여 일정 크기로 다양한 픽셀값들이 연속적으로 나타나는 영역을 검색하여 기준 색상 차트 영역을 추출할 수 있다.
 픽셀 정보 생성부(222)는 추출된 기준 색상 차트 영역에 포함된 각 픽셀값들에 대한 픽셀 정보를 생성한다. 픽셀 정보는 기준 색상 차트가 안면 영상 내에서 어떤 픽셀값을 갖는지, 다시 말해, 실제 기준 색상 차트가 영상 촬영을 통해서는 어떤 픽셀값을 갖는지는 나타낸다.
 영상 보정 모델 생성부(223)는 기준 색상 차트 영역에 대응하여 기 저장된 기준 픽셀 정보와 픽셀 정보 생성부(222)를 통해 생성된 생성된 픽셀 정보를 비교하여 안면 영상에 포함된 각 픽셀들에 대한 영상 보정 모델을 생성한다.
 기준 픽셀 정보는 기준 색상 차트에 포함된 다양한 색 성분들에 대한 위치와, 각 색 성분들에 대한 표준 픽셀값을 포함한다. 즉, 기준 픽셀 정보는 각 색 성분에 대하여 조명, 날씨 등에 영향을 받지 않은 상태의 고유 픽셀값이 될 수 있다. 이 같은 기준 픽셀 정보는 안면 정보 생성 장치(200)의 메모리에 저장될 수 있다.
 영상 보정 모델 생성부(223)는 기준 픽셀 정보와 픽셀 정보에서 서로 대응하는 픽셀값을 비교한다. 서로 대응하는 픽셀값에 차이가 있다면, 픽셀 정보에 포함된 픽셀값이 촬영시에 조명, 날씨 등에 영향을 받아 변경된 것이므로, 이를 보정하는 것이 필요하다. 따라서, 서로 대응하는 픽셀값을 차이를 이용하여 영상 보정 모델을 생성한다.
 영상 보정부(224)는 생성된 영상 보정 모델을 이용하여 안면 영상에 포함된 각 픽셀값을 보정한다. 구체적으로, 영상 보정부(224)는 안면 영상의 각 픽셀값 중 상기 픽셀 정보와 일치하는 픽셀값을 확인하고, 해당 픽셀값에 대한 영상 보정 모델을 반영하여 안면 영상을 보정한다.
 특징점 추출부(230)는 보정된 안면 영상에서 사용자의 특징점을 추출한다. 안면(얼굴)을 구성하는 특징점, 예를 들어, 눈썹 중심, 눈의 양 가장자리, 입가, 입술 중앙점 등이 될 수 있다. 특징점 추출부(230)는 경계선 추출 방식을 이용하여 안면 윤곽선과, 눈썹, 눈, 코, 입, 귀 등의 윤곽선을 추출하고, 각 윤곽선 내에서 각 픽셀의 픽셀값을 확인하여 특징점을 추출할 수 있다.
 안색 영역 추출부(240)는 특징점 추출부(230)에서 검출된 특징점을 이용하여 적어도 하나 이상의 안색 영역을 추출한다. 안색 영역이란, 얼굴서 구분될 수 있는 영역을 나눈 영역으로, 안면을 구성하는 영역이 될 수 있다. 구체적으로, 안색 영역은 얼굴 영역에서 얼굴 중심선을 기준으로 좌측 이마 영역, 우측 이마 영역, 전체 이마 영역, 좌측 눈 영역, 우측 눈 영역, 양쪽 눈 영역, 좌측 눈 아래 영역, 우측 눈 아래 영역, 좌측 상부 뺨 영역, 좌측 하부 뺨 영역, 좌측 전체 뺨 영역, 우측 상부 뺨 영역, 우측 하부 뺨 영역, 우측 전체 뺨 영역, 좌측 코 영역, 우측 코 영역, 전체 코 영역, 좌측 입술 영역, 우측 입술 영역, 전체 입술 영역, 좌측 턱 영역, 우측 턱 영역 및 전체 턱 영역 중 적어도 어느 하나가 될 수 있다.
 안색 정보 생성부(250)는 안색 영역 추출부(240)에서 추출된 안색 영역에 포함된 픽셀들에 대한 적어도 하나 이상의 색상 성분을 검출하여 사용자에 대한 안색 정보를 생성한다.
 안색 영역은 YCrCb, RGB, HSV, HSL, 정규화된 RGB, CIE-XYZ, CIE-Lab, CIE-Luv 중 적어도 하나의 색상 공간을 갖는 것으로, 안색 정보 생성부(250)는 안색 영역에서 각 픽셀들에 대한 색 성분을 검출한다. 그리고, 검출된 색 성분에 대한 평균, 표준편차, 히스토그램에서 최빈값 및CV값 중 적어도 하나를 산출하여 적어도 하나 이상의 안색 영역에 대한 안색 성분을 생성한다. 그리고, 적어도 하나 이상의 안색 영역에 대한 안색 성분을 취합하여 사용자에 대한 안색 정보를 생성한다. 즉, 앞서 언급한 다수의 안색 영역에 대한 안색 성분을 생성하고, 각 안색 영역에 대응하는 안색 성분을 포함하는 안색 정보를 생성한다.
 도 2에 도시된 안면 정보 생성 장치(200)에 따르면 사용자의 안면을 촬영하고, 각 구성을 통해 안면 정보를 생성하는 것으로 안면 정보 생성이 용이하다.
 도 3은 본 발명의 일 실시예에 따른 안색 정보 생성 방법을 설명하기 위한 흐름도이다.
 도 3을 참조하면, 본 발명의 일 실시예에 따른 안색 정보 생성 방법은 기준 색상 차트와 함께 사용자의 안면을 촬영하여 안면 영상을 획득한다(310 단계).
 이후, 안색 정보 생성 방법은 기준 색상 차트에 대응하는 픽셀 정보를 기반으로, 310 단계에서 획득된 안면 영상의 색상을 보정한다(320 단계).
 320 단계를 실행함에 있어서, 먼저, 안면 영상 내에서 기준 색상 차트 영역을 추출하고, 추출된 기준 색상 차트 영역에 포함된 각 픽셀값들에 대한 픽셀 정보를 생성한다. 그리고, 기준 색상 차트 영역에 대응하여 기 저장된 기준 픽셀 정보와 생성된 픽셀 정보를 비교하여 안면 영상에 포함된 각 픽셀들에 대한 영상 보정 모델을 생성한다. 이렇게 생성된 영상 보정 모델을 이용하여 안면 영상에 포함된 각 픽셀값을 보정할 수 있다.
 다음, 안색 정보 생성 방법은 보정된 안면 영상에서 사용자의 특징점을 추출하고(330), 검출된 특징점을 이용하여 적어도 하나 이상의 안색 영역을 추출한다(340 단계).
 안색 정보 생성 방법은 추출된 안색 영역에 포함된 픽셀들에 대한 각 픽셀값을 이용하여 사용자에 대한 안색 정보를 생성한다(350 단계).
 350 단계를 실행함에 있어서, 안색 영역에서 픽셀들에 대한 색 성분을 검출한다. 안색 영역은 YCrCb, RGB, HSV, HSL, 정규화된 RGB, CIE-XYZ, CIE-Lab, CIE-Luv로 구성된 색상 공간을 가질 수 있다. 이 색상 공간을 갖는 안색 영역에서 픽셀들에 대한 색 성분을 검출할 수 있다. 예를 들어, 안색 영역이 YCrCb 색상 공간을 갖는 경우, 안색 영역 내에서 픽셀들의 Y값(밝기 성분값), Cr값(붉은 색 성분값), Cb값(푸른색 성분값)을 검출한다.
 그리고, 검출된 색 성분에 대한 평균, 표준편차, 히스토그램에서 최빈값 및CV값 중 적어도 하나를 산출하여 적어도 하나 이상의 안색 영역에 대한 안색 성분을 생성할 수 있다. 예를 들어, 안색 영역 중 좌측 뺨 전체 영역의 밝기 성분, 우측 뺨 전체 영역의 밝기 성분 등과 같이 각 안색 영역에 대한 안색 성분을 생성할 수 있다.
 그리고, 적어도 하나 이상의 안색 영역에 대한 안색 성분을 취합하여 사용자에 대한 안색 정보를 생성할 수 있다. 예를 들어, 이마 영역, 뺨 영역, 코 영역, 턱 영역 등에 대한 안색 성분을 취합/결합하여 안면(얼굴) 전체에 대한 안색 정보를 생성할 수 있다.
 도 4 내지 도 6은 본 발명의 일 실시예에 따른 안색 정보 생성 과정을 설명하기 위한 사진이다.
 도 4는 도 2에 도시된 안면 영상 촬영부(210)에 의해 획득된 사용자에 대한 안면 영상(400)이다. 안면 영상(400)에는 사용자의 안면과 기준 색상 차트가 촬영되어 있다.
 도 4에 도시된 안면 영상(400)의 색상을 보정하여 안면 영상(400')을 형성한다. 색상 보정은 안면 영상(400)에 포함된 기준 색상 차트를 이용하여 실행될 수 있다. 구체적으로, 기준 영상 차트 영역을 검출하고, 기준 영상 차트 영역에 포함된 각 픽셀들에 대한 픽셀 정보를 생성하고, 이를 기준 영상 차트에 대응하는 기준 픽셀 정보와 비교함으로써 영상 보정 모델을 생성한다. 이 영상 보정 모델을 안면 영상(400)들에 포함된 각 픽셀들에 반영하여 보정된 안면 영상(400')을 생성할 수 있다.
 도 5는 색상이 보정된 안면 영상(400')에서 사용자의 특징점(●)을 추출한다. 특징점은 안면 영상 내에 포함된 픽셀들의 각 픽셀값을 확인하여 경계선 및 윤곽선을 추출하는 방식을 이용하여 검출될 수 있다.
 특징점이 검출될 경우, 이마의 가운데 특징점과 입술 중앙의 특징점을 연결한 얼굴 중심선(C1), 눈 가장 자리의 특징점을 연결한 제1 얼굴 구분선(C2), 귀볼 끝의 특징점과 콧망울의 특징점을 연결한 제2 얼굴 구분선(C3)과, 입술 가장자리의 특징점을 연결한 제3 얼굴 구분선(C4)을 안면 영상(400')에 형성할 수 있다. 얼굴 중심선(C1)과 제1 내지 제3 얼굴 구분선(C2~C4)은 안면(얼굴)에 포함된 다수의 안면 영역을 구분하는데 이용된다.
 도 6은 안면 영역이 구분된 안면 영상(400')이다. 도 6을 참조하면, 안면에서 얼굴 중심선(C1)을 기준으로 안면이 좌측과 우측으로 구분되고, 제1 내지 제3 얼굴 구분선(C2~C4)를 기준으로 안면 영역인 이마, 상부 뺨, 하부 뺨, 코, 턱이 구분될 수 있다. 따라서, 안면 영상(400')은 좌측 이마 영역(1), 우측 이마 영역(2), 전체 이마 영역(1+2), 좌측 상부 뺨 영역(3), 좌측 하부 뺨 영역(4), 좌측 전체 뺨 영역(3+4), 우측 상부 뺨 영역(5), 우측 하부 뺨 영역(6), 우측 전체 뺨 영역(5+6), 좌측 코 영역(7), 우측 코 영역(8), 전체 코 영역(7+8), 좌측 턱 영역(9), 우측 턱 영역(10), 전체 턱 영역(9+10), 좌측 눈 영역(11), 우측 눈 영역(12), 양쪽 눈 영역(11+12), 좌측 눈 아래 영역(15), 우측 눈 아래 영역(16), 좌측 입술 영역(13), 우측 입술 영역(14) 및 전체 입술 영역(13+14) 중 적어도 어느 하나가 될 수 있다.
 도 6에 도시된 각 안색 영역(400')에서 픽셀들에 대한 색 성분을 검출하고, 색 성분에 대한 평균, 표준편차, 히스토그램에서 최빈값 및CV값 중 적어도 하나를 산출하여 각 안색 영역에서 대한 안색 성분을 생성할 수 있다. 이렇게 생성된 안색 성분을 취합/결합하여 안면(얼굴) 전체에 대한 안색 정보를 생성할 수 있다.
 도 7은 본 발명의 일 실시예에 따른 건강 상태 판단 장치의 구성을 나타내는 블록도이다. 도 7에 도시된 건강 상태 판단 장치(530)는 사용자의 건강 상태를 판단하기 위한 사용자에 대한 물리량 정보로써, 안면 정보(500)를 이용한다.
  도 7을 참조하면, 본 발명의 일 실시예에 따른 건상 상태 판단 장치(530)는 입력부(531), 처리부(532) 및 판단부(533)를 포함한다.
 안면 정보(500)는 별도의 안면 정보 생성 장치에 의해 생성되어 입력부(531)로 입력될 수 있다. 예를 들어, 안면 정보(500)는 이마 영역, 뺨 영역, 코 영역, 턱 영역 등과 같은 안색 영역에 대한 안색 성분을 취합/결합한 것으로, 사용자의 안색과 연관된 복수 개의 안색 성분에 대하여 센싱된 값을 포함한다.
 신상 정보(510)는 사용자의 나이, 성별, 키, 몸무게, BMI(체질량 지수), 직업, 교육 수준 등 사용자의 신상에 대한 정보를 포함할 수 있다.
 체질 정보(520)는 태음인(521), 소음인(522), 소양인(523) 및 태양인(524)을 포함함할 수 있다.
 입력부(531)는 사용자의 안색에 대한 안색 정보(500), 사용자의 신상에 대한 신상 정보(510) 및 사용자의 체질에 대한 체질 정보(520)를 입력 받는다.
 처리부(532)는 건강 분류 함수를 생성 및 호출하는 구성이다.
 처리부(532)는 입력부(531)에 입력된 체질 정보(520)에 대응하는 건강 분류 함수를 호출한다. 건강 분류 함수를 호출하기 위하여 처리부(532)는 먼저, 건강 분류 함수를 체질 정보(520)에 대응하는 체질 별로 생성하고, 체질 별로 생성된 건강 분류 함수 중에서 입력된 체질 정보(520)에 대응하는 건강 분류 함수를 호출한다.
 판단부(533)는 처리부(532)를 통해 호출된 건강 분류 함수를 이용하여 사용자의 건강 상태를 판단한다.
 구체적으로, 판단부(533)는 호출된 건강 분류 함수에, 안색 정보(500), 신상 정보(510) 및 체질 정보(520)를 입력하여 사용자의 건강 상태(230)에 대한 점수를 연산한다. 그리고, 건강 상태(230)와 연관된 기준값과 점수를 비교하여, 사용자의 건강 상태(230)를 건강(231), 반건강(232) 및 질병(233) 중 어느 하나로 판단한다.
 도 8은 본 발명의 일 실시예에 따른 건강 상태 판단 방법을 설명하기 위한 흐름도이다.
 도 8을 참조하면, 본 발명의 일 실시예에 따른 건강 상태 판단 방법은 사용자의 체질에 대한 체질 정보를 입력 받고(610 단계), 사용자의 안색에 대한 안색 정보를 입력 받으며(620 단계), 사용자의 신상에 대한 신상 정보를 입력 받는다(630 단계).
 이후, 건강 상태 판단 방법은 체질 정보에 대응하는 건강 분류 함수를 호출한다(640 단계).
 640 단계를 실행함에 있어서, 먼저, 건강 분류 함수를 체질 별로 생성한다. 구체적으로, 복수 개의 안색 성분을 포함하는 참조 안색 정보를 복수 개 입력 받고, 복수 개의 참조 안색 정보 각각에 대응하는 복수 개의 임상 데이터를 입력 받는다. 복수 개의 안색 성분은 안색의 밝기 성분, 붉은색 성분, 푸른색 성분 등과 같이 안색 특성을 나타내는 요소가 될 수 있다. 또한, 임상 데이터는 임상 시험 대상자의 체질에 대한 체질 정보, 대상자의 신상에 대한 신상 정보 및 대상자의 건강 상태에 대한 건강 상태 정보 중 적어도 하나를 포함할 수 있다.
 이후, 복수 개의 참조 안색 정보 및 복수 개의 임상 데이터를 체질 별로 분류한다. 이는 태음인, 소음인, 소양인, 태양인에 따라 공통적으로 나타나는 참조 안색 정보 및 임상 데이터를 확인하기 위한 것이다.
 다음, 체질 별로 분류된 참조 안색 정보 및 임상 데이터와 분류 모델을 이용하여 복수 개의 안색 성분과 건강 상태 사이의 상관 관계를 체질 별로 연산한다. 복수 개의 안색 성분과 건강 상태 사이의 상관 관계란, 소정의 체질을 갖는 사용자가 어떤 안색 성분을 갖는 경우 건강할 확률이 높은지, 또는 건강할 확률이 낮은지를 나타내는 지표이다. 상관 관계 연산에 이용되는 분류 모델은 로지스틱 회귀 분석(Logistic Regression Analysis), 뉴럴 네트워크 분석(Neural Network), 서포트 벡터 머신(Support Vector machine) 분석, 의사 결정 트리(Decision Tree) 분석 및 선형 판별 분석(LDA) 중 적어도 하나가 될 수 있다.
 체질 별로 분류된 참조 안색 정보 및 임상 데이터와 분류 모델을 이용하여 복수 개의 안색 성분으로부터 적어도 하나의 주요 안색 성분을 체질 별로 추출한다. 이 과정을 통해 각 체질 별로 건강 상태를 용이하게 나타낼 수 있는 주요 안색 성분을 추출할 수 있다.
 이후, 추출된 적어도 하나의 주요 안색 성분 및 연산된 상관 관계를 이용하여 건강 분류 함수를 체질 별로 생성한다. 이 같이 체질 별로 생성된 건강 분류 함수 중에서 610 단계를 통해 입력된 체질 정보에 대응하는 건강 분류 함수를 호출할 수 있다.
 건강 상태 판단 방법은 호출된 건강 분류 함수에, 안색 정보 및 신상 정보를 입력하여 사용자의 건강 상태를 판단한다(650 단계).
 도 9는 본 발명의 일 실시예에 따른 건강 분류 함수 생성 장치의 구성을 나타내는 블록도이다. 건강 분류 함수는 사용자의 건강 상태를 판단하기 위한 것으로, 건강 분류 함수 생성 장치(700)에 의해 체질 별로 생성될 수 있다.
 도 9를 참조하면, 본 발명의 일 실시예에 따른 건강 분류 함수 생성 장치(700)는 입력부(710), 처리부(720), 연산부(730), 추출부(740) 및 생성부(750)를 포함한다.
 입력부(710)는 복수 개의 안색 성분을 포함하는 참조 안색 정보 1 내지 참조 안색 정보 N을 복수 개 입력받고, 참조 안색 정보 1 내지 참조 안색 정보 N 각각에 대응하는 임상 데이터1 내지 임상 데이터 N을 입력 받는다.
 참조 안색 정보 1 내지 참조 안색 정보 N과, 임상 데이터1 내지 임상 데이터 N은 N명의 임상 시험 대상자들로부터 얻어진 정보가 될 수 있다.
 즉, 참조 안색 정보 1 내지 참조 안색 정보 N은 N명의 대상자들에 대한 안면 영상로부터 복수 개의 안색 성분을 포함하는 안색 정보를 생성한 것으로, 건강 분류 함수를 생성하는데 이용될 수 있다.
 또한, 임상 데이터 1 내지 임상 데이터 N은 N명의 대상자들의 체질에 대한 체질 정보, 신상 정보 및 건강 상태 정보 중 적어도 하나를 포함할 수 있다. 따라서, 참조 안색 정보 1 내지 참조 안색 정보 N과, 임상 데이터1 내지 임상 데이터 N을 이용하여 체질 별로 안색 정보를 이용하여 따른 건강 상태를 판단할 수 있게 된다.
 처리부(720)는 참조 안색 정보 1 내지 참조 안색 정보 N 및 임상 데이터1 내지 임상 데이터 N을 체질 별로 분류한다.
 연산부(730)는 체질 별로 분류된 참조 안색 정보 1 내지 참조 안색 정보 N 및 임상 데이터1 내지 임상 데이터 N과 분류 모델을 이용하여 복수 개의 안색 성분과 건강 상태 사이의 상관 관계를 상기 체질 별로 연산한다.
 추출부(740)는 체질 별로 분류된 참조 안색 정보 1 내지 참조 안색 정보 N 및 임상 데이터1 내지 임상 데이터 N과 분류 모델을 이용하여 복수 개의 안색 성분으로부터 적어도 하나의 주요 안색 성분을 체질 별로 추출한다.
 생성부(750)는 적어도 하나의 주요 안색 성분 및 연산된 상관 관계를 이용하여 건강 분류 함수를 체질 별로 생성한다. 일 예로, 생성부(750)는 소정의 체질에 대하여 아래의 수학식 1로 표현되는 건강 분류 함수를 생성할 수 있다.
 
수학식 1
 수학식 1에서, p는 건강/반건강/질병을 구분하는 확률(또는 건강 수준을 나타내는 척도), x i는 i번째 안색 성분, B i는 i번째 안색 성분의 상관 정보를 나타내는 계수, y j는 j번째 보정 변수(예를 들어, 사용자의 신상 정보), C j는 j번째 보정 변수의 계수를 나타낸다.
 도 10은 복수 개의 안색 성분과 체질 별 상관관계를 분석하여 도시화한 도면이다.
 도 10에 도시된 바와 같이, 본 발명에 따르면, 소음인(820)에 대해서는 상관관계(B)가 있는 안면 성분이 없다.
 소양인(830)에 대해서는 좌측 아래 뺨 밝기 성분(812)에 대한 상관관계(B)는 -12.07이고, 우측 아래 뺨 밝기 성분(813)에 대한 상관관계(B)는 16.91로 분석될 수 있다.
 태음인(840)에 대해서는 좌측 아래 뺨 밝기 성분(812)에 대한 상관관계(B)는 12.26이고, 우측 아래 뺨 밝기 성분(813)에 대한 상관관계(B)는 -11.82, 우측 뺨 전체 푸른색 성분(815)에 대한 상관관계(B)는 -9.03으로 분석될 수 있다.
 즉, 분석된 표본에 따르면, 소양인(830)의 경우에 좌측 아래 뺨 밝기 성분(812) 및 우측 아래 뺨 밝기 성분(813)의 안색 성분이 주요 안색 성분으로 작용함을 확인할 수 있다.
 또한, 분석된 표본에 따르면, 태음인(840)의 경우에 좌측 아래 뺨 밝기 성분(812), 우측 아래 뺨 밝기 성분(813) 및 우측 뺨 전체 푸른색 성분(815)의 안색 성분이 주요 안색 성분으로 작용함을 확인할 수 있다.
 도 11은 본 발명의 일 실시예에 따른 건강 분류 함수 생성 방법을 설명하기 위한 흐름도이다.
 도 11을 참조하면, 본 발명의 일 실시예에 따른 건강 분류 함수 생성 방법은 복수 개의 안색 성분에 대한 참조 안색 정보를 복수 개 입력 받고, 복수 개의 참조 안색 정보 각각에 대응하는 복수 개의 임상 데이터를 입력 받는다(910 단계).
 건강 분류 함수 생성 방법은 복수 개의 참조 안색 정보 및 복수 개의 임상 데이터를 체질 별로 분류한다(920 단계).
 건강 분류 함수 생성 방법은 체질 별로 분류된 참조 안색 정보 및 임상 데이터와 분류 모델을 이용하여 복수 개의 안색 특징과 건강 상태 사이의 상관 관계를 체질 별로 연산한다(930 단계).
 건강 분류 함수 생성 방법은 체질 별로 분류된 참조 안색 정보 및 임상 데이터와 분류 모델을 이용하여 복수 개의 안색 성분으로부터 적어도 하나의 주요 안색 성분을 체질 별로 추출한다(940 단계).
 건강 분류 함수 생성 방법은 적어도 하나의 주요 안색 성분 및 연산된 상관 관계를 이용하여 건강 분류 함수를 체질 별로 생성한다(950 단계).
 본 발명에 따른 실시예들은 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 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드디스크, 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 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
 이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
 그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
부호의 설명
 100: 물리량 정보 110, 510: 신상 정보
120, 520: 체질 정보 130: 건강 분류 함수
140, 540: 건강 상태 210: 안면 영상 촬영부
220: 색상 보정부 230: 특징점 추출부
240: 안색 영역 추출부 250: 안색 정보 생성부