KR102293038B1

Movatterモバイル変換

Info

Publication number: KR102293038B1
Application number: KR1020190118959A
Authority: KR
Inventors: 성우석
Original assignee: 주식회사 더메이크; 주식회사 콥틱
Priority date: 2019-09-26
Filing date: 2019-09-26
Publication date: 2021-08-26
Anticipated expiration: 2039-09-26
Also published as: KR20210036666A

Abstract

Translated fromKorean

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.The present invention is a technology for recommending glasses based on a face mesh generated by scanning a customer's face and sales data for each customer's face type. The glasses recommendation system according to an embodiment uses the face scan result to recommend the customer's face mesh. A face mesh generator for generating a face mesh, a feature data extractor for extracting feature data from the generated face mesh of the customer, a face type determiner for determining the face type of the customer based on the extracted feature data, for each face type A sales data extraction unit for extracting at least one or more sales data corresponding to the determined face type of the customer with reference to the database in which the sales data is recorded, and at least one or more recommendations by reflecting the customer's preference information in the extracted sales data It may include a recommended product determination unit for determining a product, and a recommendation processing unit for processing to provide the determined at least one or more recommended products to the customer.

Description

Translated fromKorean

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}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.The present invention is a technology for recommending glasses based on a face mesh generated by scanning a customer's face and sales data for each customer's face type. Sales data according to the size and shape of the face through cluster analysis and Bayesian analysis of data and recommends the optimal glasses design only by face recognition.

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.The iPhone released by Apple irradiates at least 30,000 infrared dots onto the user's face, then reads the coordinates of the irradiated infrared dots using an infrared sensing camera, and uses them to create a face mesh.

이렇게 생성된 페이스 메시는 사용자의 페이스 데이터를 근거로 등록된 사용자가 맞는지 확인하는 보안 용도로 사용되는 등 다양한 용도로 활용될 수 있다.The generated face mesh can be used for various purposes, such as being used for security purposes to verify that the registered user is correct based on the user's face data.

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.In particular, since the generated face mesh has absolute information on the face size and shape, it can be utilized for various purposes. Among them, it can be used for a technique of recommending glasses suitable for each individual by measuring a specific coordinate of a face and a distance, an angle, etc. between the coordinates.

한국공개특허 제2015-0180244호 "안경 온라인 판매 시스템의 안경 추천 방법"Korean Patent Application Laid-Open No. 2015-0180244 "Method for recommending glasses in an online sales system for glasses"미국등록특허 제9529213호 "Method and system to create custom, user-specific eyewear"US Patent No. 9529213 "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.An object of the present invention is to recommend an optimal glasses design only by recognizing the face by connecting it with sales data according to the size and shape of the face through cluster analysis and Bayesian analysis of data.

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.The present invention analyzes the customer's face through the Face Ruler function based on the face scan result in the iOS app, and based on this, receives a recommendation for the size and design of glasses according to the size and shape of the face, and analyzes big data in the future. The purpose is to improve the accuracy through

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.The glasses recommendation system according to an embodiment includes a face mesh generator for generating a customer's face mesh using a face scan result, a feature data extractor for extracting feature data from the generated customer's face mesh, and the extracted feature data a face type determining unit that determines the customer's face type based on , a recommended product determining unit that determines at least one recommended product by reflecting the customer's preference information in the extracted sales data, and a recommendation processing unit that processes to provide the determined at least one or more recommended products to the customer have.

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.The face mesh generator according to an embodiment may use a face scan result of the customer using a true depth camera supported through an iOS app as the face scan result.

일실시예에 따른 상기 페이스 타입 결정부는, 상기 추출된 특징 데이터 간의 비율, 거리, 깊이를 고려하여 상기 페이스 타입을 결정할 수 있다.The face type determiner according to an embodiment may determine the face type in consideration of a ratio, a distance, and a depth between the extracted feature data.

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.The face type determiner according to an embodiment may process a size analysis, a shape analysis, a shape ratio analysis, and a nose analysis in consideration of a ratio, a distance, and a depth between the extracted feature data, and use the results of the processed analysis Thus, the face type may be determined.

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.The face type determiner according to an embodiment may calculate at least one of a face width for the customer, a width between pupils, a width between the corners of the eye, a width between the corners of the eye, and a width of a nose column for the customer through the size analysis.

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.The face type determining unit according to an embodiment, through the shape analysis, at least one of a nose tip width, a cheekbone width, a mandible width, a vertical length, a forehead length, a forehead-nose tip length, and a nose tip-chin tip length for the customer. can be calculated.

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.The face type determiner according to an embodiment may calculate at least one of a vertical-horizontal ratio for the customer, a mandible-face width ratio, and a face width-clavicle ratio for the customer through the shape ratio analysis.

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.The face type determiner according to an embodiment may calculate at least one of a nose bridge height, a nose tip height, a nose length, and a nose angle for the customer through the nose analysis.

일실시예에 따른 상기 고객의 페이스 타입에 대응하는 상기 적어도 하나 이상의 판매 데이터는, 안경에 대한 디자인 정보 및 사이즈 정보를 포함할 수 있다.The at least one or more sales data corresponding to the face type of the customer according to an embodiment may include design information and size information about glasses.

일실시예에 따른 상기 선호도 정보는, 상기 고객의 회원가입시 상기 고객으로부터 입력된 정보들을 포함할 수 있다.The preference information according to an embodiment may include information input by the customer when the customer signs up for membership.

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.The recommended product determination unit according to an embodiment, at least one of data cluster analysis, user-based collaborative filtering, item-based collaborative filtering, and a naive Bayesian algorithm using the determined face type and the extracted sales data By applying the machine learning, it is possible to determine the recommended product by using the result of the machine learning.

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.The recommended product determining unit according to an embodiment may determine at least one recommended product by reflecting the customer's preference information in the extracted sales data, but if the customer does not select the recommended product, the recommended product is determined again and the recommendation processing unit may process to provide the re-determined recommendation product to the customer.

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.The recommended product determining unit according to an embodiment may determine at least one recommended product by reflecting the customer's preference information in the extracted sales data, but if the customer does not select the recommended product, the customer's face type It is possible to determine recommended products to be prioritized based on , and the recommendation processing unit may process to provide the determined recommended products to the customer.

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.The recommended product determining unit according to an embodiment may determine at least one recommended product by reflecting the customer's preference information in the extracted sales data, but when the customer does not select the recommended product, user-based collaboration A number of products selected through filtering are determined as recommended products, and from the next recommendation, recommended products related to the result of item-based collaborative filtering are determined, and the recommendation processing unit provides the determined recommended products to the customer. can be processed to do so.

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.A method of operating a glasses recommendation system according to an embodiment includes generating a customer's face mesh using a face scan result, extracting feature data from the generated customer's face mesh, and based on the extracted feature data Determining the face type of the customer; extracting at least one or more sales data corresponding to the determined face type of the customer with reference to a database in which sales data for each face type is recorded; It may include the steps of determining at least one or more recommended products by reflecting the preference information, and processing to provide the determined at least one or more recommended products to the customer.

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.The generating of the face mesh according to an embodiment may include using a face scan result of the customer as the face scan result using a true depth camera supported through an iOS app.

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.The determining of the customer's face type according to an embodiment may include determining the face type in consideration of a ratio, a distance, and a depth between the extracted feature data.

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.The step of determining the customer's face type according to an embodiment includes processing size analysis, shape analysis, shape ratio analysis, and nose analysis in consideration of the ratio, distance, and depth between the extracted feature data, and The results of the analyzes can be used to determine the face type.

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.The determining of the customer's face type according to an embodiment includes calculating at least one of a face width for the customer, a width between pupils, a width between the corners of the eye, a width between the corners of the eye, and a width of the nose column for the customer through the size analysis. may include the step of

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.The step of determining the customer's face type according to an embodiment may include, through the shape analysis, a nose tip width, a cheekbone width, a mandible width, a vertical length, a forehead length, a forehead-nose tip length, and a nose tip-chin tip for the customer. At least one of the lengths can be calculated.

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.The step of determining the customer's face type according to an embodiment includes calculating at least one of a vertical-horizontal ratio for the customer, a mandible-face width ratio, and a face width-to-bone ratio through the shape ratio analysis. may include steps.

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.The determining of the customer's face type according to an embodiment may include calculating at least one of a bridge of a nose, a tip height, a nose length, and a nose angle for the customer through the nose analysis. .

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.The determining of the at least one or more recommended products according to an embodiment may include data cluster analysis, user-based collaborative filtering, item-based collaborative filtering, naive bay using the determined face type and the extracted sales data. It may include performing machine learning by applying at least one of the cyan algorithms, and determining the recommended product by using the result of the machine learning.

일실시예에 따르면, 데이터의 군집분석 및 베이시안 분석을 통해 페이스의 크기 및 형태에 따라 판매데이터와 연결하여 페이스의 인식만으로 최적 안경 디자인을 추천할 수 있다.According to an embodiment, through cluster analysis and Bayesian analysis of data, it is possible to recommend an optimal glasses design only by recognizing the face by connecting to sales data according to the size and shape of the face.

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.According to an embodiment, the customer's face is analyzed through the Face Ruler function based on the face scan result in the iOS app, and based on this, the size and design of glasses are recommended according to the size and shape of the face, and the future big Accuracy can be improved through data analysis.

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.1 is a block diagram illustrating a system for recommending glasses according to an embodiment.
2A is a diagram illustrating a face mesh generated through face scan according to an exemplary embodiment.
2B is a view for explaining an embodiment of extracting feature data from a face mesh and utilizing the extracted feature data to determine a face type of a customer.
FIG. 2C is a view for explaining sales data including a design and sales volume of eyeglasses sold for each face type of a customer.
2D is a diagram for explaining an algorithm for recommending glasses using a customer's face type and sales data.
3 is a block diagram illustrating a method of operating a system for recommending glasses according to an exemplary embodiment.

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.Specific structural or functional descriptions of the embodiments according to the concept of the present invention disclosed herein are only exemplified for the purpose of explaining the embodiments according to the concept of the present invention, and the embodiment according to the concept of the present invention These may be embodied in various forms and are not limited to the embodiments described herein.

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.Since the embodiments according to the concept of the present invention may have various changes and may have various forms, the embodiments will be illustrated in the drawings and described in detail herein. However, this is not intended to limit the embodiments according to the concept of the present invention to specific disclosed forms, and includes changes, equivalents, or substitutes included in the spirit and scope of the present invention.

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.Terms such as first or second may be used to describe various elements, but the elements should not be limited by the terms. The above terms are used only for the purpose of distinguishing one element from another element, for example, without departing from the scope of rights according to the concept of the present invention, a first element may be named as a second element, Similarly, the second component may also be referred to as the first component.

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.When a component is referred to as being “connected” or “connected” to another component, it is understood that the other component may be directly connected or connected to the other component, but other components may exist in between. it should be On the other hand, when it is said that a certain element is "directly connected" or "directly connected" to another element, it should be understood that no other element is present in the middle. Expressions describing the relationship between elements, for example, “between” and “between” or “directly adjacent to”, etc. should be interpreted similarly.

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.The terminology used herein is used only to describe specific embodiments, and is not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In this specification, terms such as "comprise" or "have" are intended to designate that the described feature, number, step, operation, component, part, or combination thereof exists, and includes one or more other features or numbers, It should be understood that the possibility of the presence or addition of steps, operations, components, parts or combinations thereof is not precluded in advance.

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.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related art, and should not be interpreted in an ideal or excessively formal meaning unless explicitly defined in the present specification. does not

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.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. However, the scope of the patent application is not limited or limited by these examples. Like reference numerals in each figure indicate like elements.

도 1은 일실시예에 따른 안경 추천 시스템(100)을 설명하는 블록도이다.1 is a block diagram illustrating aglasses recommendation system 100 according to an embodiment.

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.According to an embodiment, through cluster analysis and Bayesian analysis of data, it is possible to recommend an optimal glasses design only by recognizing the face by connecting to sales data according to the size and shape of the face. In addition, the face of the customer is analyzed through the Face Ruler function based on the result of the face scan in the iOS app, and based on this, the size and design of glasses are recommended according to the size and shape of the face, and through future big data analysis, accuracy can be improved.

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.To this end, theglasses recommendation system 100 includes a face mesh generation unit 110 , a feature data extraction unit 120 , a face type determination unit 130 , a sales data extraction unit 140 , a recommended product determination unit 150 , and arecommendation processing unit 160 .

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.First, the face mesh generator 110 may generate a face mesh of the customer by using the face scan result. In particular, the face mesh generator 110 may use a face scan result of the customer using a true depth camera supported through the iOS app as the face scan result.

또한, 특징 데이터 추출부(120)는 상기 생성된 고객의 페이스 메시로부터 특징 데이터를 추출할 수 있다.Also, the feature data extraction unit 120 may extract feature data from the generated face mesh of the customer.

고객의 페이스 메시(Face Mesh)는 트루뎁스 카메라를 이용하여 생성될 수 있고,The customer's Face Mesh can be created using the TrueDepth camera,

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.The feature data may be interpreted as information calculated using a distance, an angle, and a depth between specific coordinates in the face mesh. As an example, the feature data may be feature data obtainable from the face mesh, such as a distance between the pupil and the pupil.

즉, 일실시예에 따른 특징 데이터 추출부(120)는 페이스 메시로부터 측정되는 특정 좌표들을 이용하여 특징 데이터를 추출할 수 있다.That is, the feature data extractor 120 according to an embodiment may extract feature data using specific coordinates measured from the face mesh.

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.As an example, feature data may be extracted using at least one of a distance, an angle, and a depth between specific coordinates measured from the face mesh. More specifically, the feature data extraction unit 120 measures the distance between the pupil and the pupil measured from the face mesh, the distance between the inner end points of the eye, the distance between the outer eye end points, the height of the nose, the height of the forehead and the pupil, the width of the face, the face Feature data may be extracted using length, inner folds of each ear, temporal bone, sphenoid bone, or cheekbone arch.

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.The feature data extractor 120 may directly generate the face mesh. For example, the feature data extraction unit 120 may collect at least 30,000 infrared dots by irradiating at least 30,000 infrared rays to the customer's face, and then controlling the TrueDepth camera in response to the irradiated infrared rays. Among the collected 30,000 infrared dots, 1200 significant coordinates may be used for extraction of feature data.

또한, 특징 데이터 추출부(120)는 수집된 적외선 도트에 대한 좌표에 기초하여 고객의 페이스 메시를 생성할 수 있다.Also, the feature data extractor 120 may generate a face mesh of the customer based on the coordinates of the collected infrared dots.

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.The face type determiner 130 may determine the face type of the customer based on the extracted feature data. In particular, the face type determiner 130 may determine the face type in consideration of the ratio, distance, and depth between the extracted feature data. For example, the face type determiner 130 may process a size analysis, a shape analysis, a shape ratio analysis, and a nose analysis in consideration of a ratio, a distance, and a depth between the extracted feature data. In addition, the face type may be determined using the results of the processed analyzes.

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.Also, the face type determiner 130 may calculate at least one of a face width for a customer, a width between pupils, a width between the corners of the eye, a width between the corners of the eye, and a width of the nose column for the customer through size analysis.

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.In addition, the face type determining unit 130 may calculate at least one of a nose tip width, a cheekbone width, a mandible width, a vertical length, a forehead length, a forehead-nose tip length, and a nose tip-chin tip length for the customer through shape analysis. can

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.Also, the face type determiner 130 may calculate at least one of a vertical-horizontal ratio, a mandible-face-width ratio, and a face-width-tooth bone ratio for the customer through shape ratio analysis.

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.In particular, the face type determiner 130 may calculate at least one of the height of the bridge of the nose, the height of the tip of the nose, the length of the nose, and the angle of the nose for the customer through nose analysis.

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.The sales data extraction unit 140 may extract at least one or more sales data corresponding to the determined face type of the customer with reference to a database in which sales data for each face type is recorded.

이를 위해, 안경 추천 시스템은 페이스 타입별 판매 데이터가 기록된 데이터베이스를 더 포함하거나, 데이터베이스와 연동할 수 있다.To this end, the glasses recommendation system may further include a database in which sales data for each face type is recorded, or may be linked with the database.

예를 들어, 고객의 페이스 타입에 대응하는 적어도 하나 이상의 판매 데이터는, 안경에 대한 디자인 정보 및 사이즈 정보를 포함할 수 있다.For example, the at least one or more sales data corresponding to the face type of the customer may include design information and size information about the glasses.

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.Meanwhile, the preference information may include information input by the customer when the customer signs up for membership. In addition, preference information may be extracted from information newly input from the customer after membership registration, or may be inferred based on the customer's behavioral pattern or profiling.

추천 상품 결정부(150)는 추출된 판매 데이터에 고객의 선호도 정보를 반영하여 적어도 하나 이상의 추천 상품을 결정할 수 있다.The recommended product determination unit 150 may determine at least one recommended product by reflecting customer preference information in the extracted sales data.

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.Specifically, the recommended product determination unit 150 uses the determined face type and the extracted sales data to perform data cluster analysis, users based collaborative filtering, and a naive Bayesian algorithm. At least one of the Baysian Algorithm) can be applied to perform machine learning. In addition, a recommended product can be determined using the results of machine learning.

일실시예에 따른 추천 처리부(160)는 결정된 적어도 하나 이상의 추천 상품을 고객에게 제공하도록 처리할 수 있다.Therecommendation processing unit 160 according to an embodiment may process to provide the determined at least one or more recommended products to the customer.

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.For example, a function of controlling a display to determine a priority for sorting the determined at least one or more recommended products, or to display recommended products sorted by the determined priority may be performed.

또한, 얼굴만을 기반으로 추천을 하는 경우라면, 대부분의 경우 처음 추천을 한 안경을 소비자가 바로 채택하지 않을 수 있다.In addition, if the recommendation is based on only the face, in most cases, the consumer may not immediately adopt the glasses recommended for the first time.

이런 상황에서는 추가 추천이 반드시 필요하다.In this situation, additional recommendations are absolutely necessary.

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.To this end, the recommended product determining unit 150 determines at least one recommended product by reflecting the customer's preference information in the extracted sales data, but when the customer does not select the recommended product, the recommended product may be determined again. .

또한, 추천 처리부(160)는 다시 결정된 추천 상품을 고객에게 제공하도록 처리할 수 있다.Also, therecommendation processing unit 160 may process the re-determined recommendation product to be provided to the customer.

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.For a specific example, when the customer does not select the recommended product, the recommended product determination unit 150 may determine the recommended products to be prioritized based on the customer's face type. At this time, therecommendation processing unit 160 may process to provide the determined recommended products to the customer.

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.On the other hand, according to the present invention, glasses of 1 to 5 orders are initially recommended through user-based collaborative filtering, and then, from the next recommendation, the first recommendation is made through item-based collaborative filtering, but there is an additional recommendation request. It can be recommended by linking related glasses (items) in .

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.To this end, the recommended product determination unit 150 determines at least one recommended product by reflecting the customer's preference information in the extracted sales data, but when the customer does not select the recommended product, user-based collaborative filtering It is possible to determine the selected number of products as recommended products. Also, the recommended product determination unit 150 may determine a recommended product as recommended products related to the result of the item-based collaborative filtering from the next recommendation.

이에 추천 처리부(160)는 결정된 추천 상품들을 고객에게 제공할 수 있다.Accordingly, therecommendation processing unit 160 may provide the determined recommended products to the customer.

이하 도 2a 내지 도 2d는 페이스 스캔 이후 추천 상품들을 제공하는 실시예를 보다 구체적으로 설명한다.Hereinafter, FIGS. 2A to 2D will more specifically describe an embodiment of providing recommended products after a face scan.

도 2a는 일실시예에 따른 페이스 스캔을 통해 생성되는 페이스 메시를 설명하는 도면이다.2A is a diagram illustrating a face mesh generated through face scan according to an exemplary embodiment.

일실시예에 따른 안경 추천 시스템은 고객의 안면에 적외선을 조사하여 안면 스캔할 수 있다(211).The glasses recommendation system according to an embodiment may scan the customer's face by irradiating infrared rays ( 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.In this process, the glasses recommendation system can collect at least 30,000 infrared dots by irradiating at least 30,000 infrared rays to the customer's face, and then controlling the TrueDepth camera in response to the irradiated infrared rays. In addition, the customer's face mesh may be generated based on the coordinates (x, y, z) of the collected infrared dots ( 212 ). Among the more than 30,000 infrared dots, 1200 significant infrared dots may be utilized as feature data. The feature data may be used to calculate numerical values, such as a ratio, a distance, a size, and a length, which are calculated to classify a face type.

도 2b는 페이스 메시로부터 특징 데이터를 추출하고, 고객의 페이스 타입을 결정하기 위해 추출한 특징 데이터를 활용하는 실시예(220)를 설명하는 도면이다.FIG. 2B is a diagram for explaining anembodiment 220 of extracting feature data from a face mesh and utilizing the extracted feature data to determine a face type of a customer.

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.Thesize analysis 221 , theshape analysis 222 , theshape ratio analysis 223 , and thenose analysis 224 are processed in consideration of the ratio, distance, and depth between the feature data, and the face type is performed using the results of the processed analysis. This can be determined.

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.The glasses recommendation system according to an embodiment may calculate at least one of a face width, a width between pupils, a width between the corners of the eye, a width between the corners of the eye, and a width of a nose column for the customer through thesize analysis 221 .

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.The glasses recommendation system according to an embodiment calculates at least one of a nose tip width, a cheek width, a mandible width, a vertical length, a forehead length, a forehead-nose tip length, and a nose tip-chin tip length for a customer through theshape analysis 222 . can do.

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.The glasses recommendation system may calculate at least one of a vertical-horizontal ratio for a customer, a mandible-face-width ratio, and a face-width-to-bullet ratio through theshape ratio analysis 223 .

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.The glasses recommendation system may calculate at least one of a nose bridge height, a nose tip height, a nose length, and a nose angle for the customer through thenose analysis 224 .

도면부호 225는 고객의 페이스 정면에서 바라보는 페이스 메시에서 전체의 적외선 도트들 중에서 특징 데이터로 추출된 적외선 도트가 구별된 형태를 나타낸다.Reference numeral 225 denotes a form in which infrared dots extracted as feature data are distinguished from among all infrared dots in the face mesh viewed from the front of the customer's face.

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.Meanwhile,reference numeral 226 denotes a form in which infrared dots extracted as feature data are distinguished from among all infrared dots in the face mesh viewed from the customer's face side. Analysis results 221 , 222 , 223 , and 224 may be calculated based on the feature data indicated byreference numerals 225 and 226 .

도 2c는 고객의 페이스 타입별 판매된 안경 디자인과 판매량을 포함하는 판매 데이터(230)를 설명하는 도면이다.FIG. 2C is a view for explaining thesales data 230 including the design and sales volume of eyeglasses sold for each face type of the customer.

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.In thesales data 230 according to an embodiment, the face type may be recorded through the 'customer's face type' field, and information on the purchased glasses design in association with the face type may be recorded through the 'Design in' field. have. In addition, the sales volume for each design may be recorded in the 'sales volume' field.

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.As can be seen from thesales data 230 , it can be seen that most of the customers with the 'B type' face type purchased the 'ROUND N' design glasses, and the sales volume for them was '89'.

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.On the other hand, in the case of a customer with a face type of 'A', they purchased 'ROUND N' and 'ROUND C' design glasses, and it can be seen that the sales for these were '23' and '12', respectively.

즉, 'A type'인 고객 중 65%의 비율은 'ROUND N'의 디자인을 선택했고, 나머지는 'ROUND C'의 디자인을 선택했음을 확인할 수 있다.In other words, it can be seen that 65% of the customers who are 'A type' chose the 'ROUND N' design, and the rest chose the 'ROUND C' design.

도 2d는 고객의 페이스 타입과 판매 데이터를 이용해서 안경을 추천하는 알고리즘을 설명하는 도면이다.2D is a diagram for explaining an algorithm for recommending glasses using a customer's face type and sales data.

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.The glasses recommendation system according to an embodiment may provide therecommendation information 240 using the face mesh corresponding to reference numeral 220 , feature data extracted therefrom, and thesales data 230 .

추천 정보(240)에는 추천하는 안경에 대한 디자인, 크기, 추천 순위 등이 표시될 수 있다.In therecommendation information 240 , a design, size, recommendation ranking, etc. of recommended glasses may be displayed.

예를 들어, 판매량을 고려하여 추천 순위가 정해질 수 있다.For example, the recommendation ranking may be determined in consideration of the sales volume.

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.In order to determine a recommended product, the glasses recommendation system according to an embodiment analyzes data clusters using the determined face type and the extracted sales data, among user-based collaborative filtering, item-based collaborative filtering, and naive Bayesian algorithm. Machine learning can be performed by applying at least one.

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.That is, by using the present invention, it is possible to recommend the optimal glasses design only by recognizing the face by connecting with the sales data according to the size and shape of the face through cluster analysis and Bayesian analysis of data through the Face Ruler.

도 3은 일실시예에 따른 안경 추천 시스템의 동작 방법을 설명하는 블록도이다.3 is a block diagram illustrating a method of operating a system for recommending glasses according to an exemplary embodiment.

일실시예에 따른 안경 추천 시스템의 동작 방법은 페이스 스캔 결과를 이용해서 고객의 페이스 메시를 생성할 수 있다(단계 310).In the method of operating the glasses recommendation system according to an embodiment, a face mesh of the customer may be generated using the face scan result (step 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.For example, in the method of operating the eyeglasses recommendation system to generate a face mesh, a face scan result of the customer may be used as a face scan result using a true depth camera supported through an iOS app.

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).In addition, the operating method of the glasses recommendation system may extract feature data from the generated face mesh of the customer (step 320), and determine the face type of the customer based on the extracted feature data (step 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.For example, in order to determine the face type of the customer, the operating method of the glasses recommendation system may include determining the face type in consideration of a ratio, a distance, and a depth between extracted feature data.

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.In particular, size analysis, shape analysis, shape ratio analysis, and nose analysis are processed in consideration of the ratio, distance, and depth between the extracted feature data to determine the face type of the customer, and the face type is obtained using the results of the processed analyzes. can be decided

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.In addition, through size analysis to determine the face type of the customer, at least one of a face width for the customer, a width between the pupils, a width between the corners of the eyes, a width between the corners of the eyes, and a width of the nose column may be calculated.

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.The operation method of the glasses recommendation system is through shape analysis to determine the face type of the customer, and among the width of the nose tip, the width of the cheekbones, the width of the mandible, the vertical length, the forehead length, the forehead-nose length, and the tip of the nose-chin length for the customer At least one can be calculated.

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.In addition, the operating method of the glasses recommendation system calculates at least one of a vertical-horizontal ratio, a mandibular-face width ratio, and a face width-optic bone ratio for the customer through shape ratio analysis to determine the customer's face type. can do.

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.The operating method of the glasses recommendation system may calculate at least one of a bridge of a nose, a tip height, a nose length, and a nose angle for the customer through nose analysis to determine the face type of the customer.

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).In the method of operating the glasses recommendation system, at least one or more sales data corresponding to the determined face type of the customer may be extracted with reference to a database in which sales data for each face type is recorded (step 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).Also, in the method of operating the glasses recommendation system, at least one recommended product may be determined by reflecting the customer's preference information in the extracted sales data (step 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.As an example, the operating method of the glasses recommendation system includes data cluster analysis, user-based collaborative filtering, item-based collaborative filtering, using the determined face type and the extracted sales data to determine at least one or more recommended products. Machine learning may be performed by applying at least one of the naive Bayesian algorithms. In addition, a recommended product can be determined using the results of machine learning.

뿐만 아니라, 안경 추천 시스템의 동작 방법은 결정된 적어도 하나 이상의 추천 상품을 고객에게 제공하도록 처리할 수 있다(단계 360).In addition, the operation method of the glasses recommendation system may process to provide the determined at least one or more recommended products to the customer (step 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.After all, if the present invention is used, it is possible to recommend the optimal glasses design only by recognizing the face by linking with the sales data according to the size and shape of the face through cluster analysis and Bayesian analysis of data. In addition, the Face Ruler function based on the results of the face scan in the iOS app analyzes the customer's face, and based on this, the size and design of glasses are recommended according to the size and shape of the face, and future big data analysis is performed. accuracy can be improved through

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.The device described above may be implemented as a hardware component, a software component, and/or a combination of the hardware component and the software component. For example, devices and components described in the embodiments may include, for example, a processor, a controller, an arithmetic logic unit (ALU), a digital signal processor, a microcomputer, a field programmable array (FPA), It may be implemented using one or more general purpose or special purpose computers, such as a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. The processing device may execute an operating system (OS) and one or more software applications running on the operating system. The processing device may also access, store, manipulate, process, and generate data in response to execution of the software. For convenience of understanding, although one processing device is sometimes described as being used, one of ordinary skill in the art will recognize that the processing device includes a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that can include For example, the processing device may include a plurality of processors or one processor and one controller. Other processing configurations are also possible, such as parallel processors.

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.The software may comprise a computer program, code, instructions, or a combination of one or more thereof, which configures a processing device to operate as desired or is independently or collectively processed You can command the device. The software and/or data may be any kind of machine, component, physical device, virtual equipment, computer storage medium or device, to be interpreted by or to provide instructions or data to the processing device. , or may be permanently or temporarily embody in a transmitted signal wave.

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 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. 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. 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 in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and available to those skilled in the art of computer software. Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks. - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.