1 |
1
사용자의 손톱을 포함하는 손 말단을 촬영하는 촬영부;촬영된 이미지로부터 상기 사용자의 손톱 영역의 이미지를 추출하고,상기 추출된 손톱 이미지로부터 상기 손톱의 색상에 관한 정보, 상기 손톱의 굴곡 패턴에 관한 정보 및 상기 손톱의 윤기에 관한 정보를 추출하고, 상기 손톱의 색상에 관한 정보에 대응하는 제 1 데이터, 상기 손톱의 굴곡 패턴에 관한 정보에 대응하는 제 2 데이터 및 상기 손톱의 윤기에 관한 정보에 대응하는 제 3 데이터를 생성하는 이미지 처리부; 및상기 제 1 데이터, 상기 제 2 데이터 및 상기 제 3 데이터를 학습된 소정의 기계 학습 모델에 입력하여 출력 데이터를 생성하고, 상기 생성된 출력 데이터에 기초하여 상기 사용자의 건강 컨디션을 측정하는 프로세서를 포함하는, 사용자의 건강 상태 측정 장치
|
2 |
2
제 1항에 있어서,상기 이미지 처리부는 상기 촬영된 이미지를 상기 사용자의 건강 측정에 사용될 수 있는 영역과 아닌 영역을 구분하여 처리하되, 상기 추출된 손톱 이미지는 상기 사용자의 건강 측정에 사용될 수 있는 영역에 해당하는, 사용자의 건강 상태 측정 장치
|
3 |
3
제 2항에 있어서,상기 생성된 출력 데이터는 상기 사용자의 영양 상태 레벨에 대한 정보를 포함하는, 사용자의 건강 상태 측정 장치
|
4 |
4
제 3항에 있어서,상기 소정의 기계 학습 모델은 CNN(Convolutional Neural Network) 분류기를 이용하여 상기 사용자의 영양 상태를 상기 영양 상태 레벨로 출력하도록 구성되는, 사용자 건강 측정 장치
|
5 |
5
제 2항에 있어서,상기 이미지 처리부는 상기 촬영된 이미지에서 상기 사용자의 손 말단이 아닌 배경은 구분하여 처리하는, 사용자의 건강 상태 측정 장치
|
6 |
6
제 3항에 있어서,상기 생성된 출력 데이터는 상기 사용자의 특정 질병 위험 레벨에 대한 정보를 더 포함하는, 사용자의 건강 상태 측정 장치
|
7 |
7
제 6항에 있어서,상기 생성된 출력 데이터는 상기 사용자의 비타민 부족 레벨에 대한 정보를 더 포함하는, 사용자의 건강 상태 측정 장치
|
8 |
8
제 1항에 있어서,상기 손톱의 굴곡 패턴에 관한 정보는 손톱에서의 세로줄들의 패턴에 대한 정보 및 상기 손톱에서의 세로줄들의 간격 정보를 포함하는, 사용자의 건강 상태 측정 장치
|
9 |
9
제 8항에 있어서,상기 이미지 처리부는 상기 손톱에서의 세로줄들의 패턴 및 상기 손톱에서의 세로줄들의 간격을 추출하는, 사용자의 건강 상태 측정 장치
|
10 |
10
제 9항에 있어서,상기 이미지 처리부는 상기 제 2 데이터를 상기 추출된 세로줄들의 패턴 및 상기 손톱에서의 세로줄들의 간격에 기초하여 생성하는, 사용자의 건강 상태 측정 장치
|
11 |
11
제 1항에 있어서, 상기 손톱의 윤기에 관한 정보는 상기 촬영된 이미지에서 상기 손톱의 큐티클(cuticle) 층에 기초한 것인, 사용자의 건강 상태 측정 장치
|
12 |
12
사용자의 손톱을 포함하는 손 말단을 촬영하는 단계;촬영된 이미지로부터 상기 사용자의 손톱 영역의 이미지를 추출하는 단계;상기 추출된 손톱 이미지로부터 상기 손톱의 색상에 관한 정보, 상기 손톱의 굴곡 패턴에 관한 정보 및 상기 손톱의 윤기에 관한 정보를 추출하는 단계; 상기 손톱의 색상에 관한 정보에 대응하는 제 1 데이터, 상기 손톱의 굴곡 패턴에 관한 정보에 대응하는 제 2 데이터 및 상기 손톱의 윤기에 관한 정보에 대응하는 제 3 데이터를 생성하는 단계;상기 제 1 데이터, 상기 제 2 데이터 및 상기 제 3 데이터를 학습된 소정의 기계 학습 모델에 입력하여 출력 데이터를 생성하는 단계; 및 상기 생성된 출력 데이터에 기초하여 상기 사용자의 건강 컨디션을 측정하는 단계를 포함하는, 사용자의 건강 상태 측정 방법
|
13 |
13
제 12항에 있어서,상기 손톱 영역의 이미지를 추출하는 단계는 상기 촬영된 이미지를 상기 사용자의 건강 측정에 사용될 수 있는 영역과 아닌 영역을 구분하여 처리하는 단계를 포함하고, 상기 추출된 손톱 이미지는 상기 사용자의 건강 측정에 사용될 수 있는 영역에 해당하는, 사용자의 건강 상태 측정 방법
|
14 |
14
제 12항에 있어서,상기 생성된 출력 데이터는 상기 사용자의 영양 상태 레벨에 대한 정보를 포함하는, 사용자의 건강 상태 측정 방법
|
15 |
15
제 14항에 있어서,상기 소정의 기계 학습 모델은 CNN(Convolutional Neural Network) 분류기를 이용하여 상기 사용자의 영양 상태를 상기 영양 상태 레벨로 출력하도록 구성된, 사용자의 건강 상태 측정 방법
|
16 |
16
제 13항에 있어서,상기 손톱 영역의 이미지를 추출하는 단계는 상기 촬영된 이미지에서 상기 사용자의 손 말단이 아닌 배경은 구분하여 처리하는 단계를 더 포함하는, 사용자의 건강 상태 측정 방법
|
17 |
17
제 14항에 있어서,상기 생성된 출력 데이터는 상기 사용자의 특정 질병 위험 레벨에 대한 정보를 더 포함하는, 사용자의 건강 상태 측정 방법
|
18 |
18
제 17항에 있어서,상기 생성된 출력 데이터는 상기 사용자의 비타민 부족 레벨에 대한 정보를 더 포함하는, 사용자의 건강 상태 측정 방법
|
19 |
19
제 12항에 있어서,상기 손톱의 윤기에 관한 정보는 상기 촬영된 이미지에서 상기 손톱의 큐티클(cuticle) 층에 기초한 것인, 사용자의 건강 상태 측정 방법
|
20 |
20
제 12항에 있어서,상기 손톱의 굴곡 패턴에 관한 정보는 손톱에서의 세로줄들의 패턴에 대한 정보 및 상기 손톱에서의 세로줄들의 간격 정보를 포함하는, 사용자의 건강 상태 측정 방법
|
21 |
21
제 20항에 있어서,상기 손톱의 굴곡 패턴에 관한 정보를 추출하는 단계는 상기 손톱에서의 세로줄들의 패턴 및 상기 손톱에서의 세로줄들의 간격을 추출하는 단계를 포함하는, 사용자의 건강 상태 측정 방법
|
22 |
22
제 21항에 있어서,상기 제 2 데이터를 생성하는 단계는 상기 제 2 데이터를 상기 추출된 세로줄들의 패턴 및 상기 손톱에서의 세로줄들의 간격에 기초하여 생성하는 단계를 포함하는, 사용자의 건강 상태 측정 방법
|
23 |
23
제 12항 내지 제 22항 중 어느 한 항에 기재된 사용자의 건강 상태 측정 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|