METHOD AND SYSTEM FOR GENERATING ANIMAL-SHAPED AVATAR BY USING HUMAN FACE

이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.

본 발명의 실시예들에 따른 제어 방법은 이후 설명될 전자 디바이스와 같은 컴퓨터 장치를 통해 구현될 수 있다. 이때, 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 제어 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 상기 제어 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.

도 1은 본 발명의 일실시예에 따른 네트워크 환경의 예를 도시한 도면이다. 도 1의 네트워크 환경은 복수의 전자 디바이스들(110, 120, 130, 140), 복수의 서버들(150, 160) 및 네트워크(170)를 포함하는 예를 나타내고 있다. 이러한 도 1은 발명의 설명을 위한 일례로 전자 디바이스의 수나 서버의 수가 도 1과 같이 한정되는 것은 아니다.

복수의 전자 디바이스들(110, 120, 130, 140)은 컴퓨터 장치로 구현되는 고정형 단말이거나 이동형 단말일 수 있다. 복수의 전자 디바이스들(110, 120, 130, 140)의 예를 들면, 스마트폰(smart phone), 휴대폰, 네비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC 등이 있다. 일례로 도 1에서는 전자 디바이스 1(110)의 예로 스마트폰의 형상을 나타내고 있으나, 본 발명의 실시예들에서 전자 디바이스 1(110)은 실질적으로 무선 또는 유선 통신 방식을 이용하여 네트워크(170)를 통해 다른 전자 디바이스들(120, 130, 140) 및/또는 서버(150, 160)와 통신할 수 있는 다양한 물리적인 컴퓨터 장치들 중 하나를 의미할 수 있다.

통신 방식은 제한되지 않으며, 네트워크(170)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망)을 활용하는 통신 방식뿐만 아니라 디바이스들간의 근거리 무선 통신 역시 포함될 수 있다. 예를 들어, 네트워크(170)는, PAN(personal area network), LAN(local area network), CAN(campus area network), MAN(metropolitan area network), WAN(wide area network), BBN(broadband network), 인터넷 등의 네트워크 중 하나 이상의 임의의 네트워크를 포함할 수 있다. 또한, 네트워크(170)는 버스 네트워크, 스타 네트워크, 링 네트워크, 메쉬 네트워크, 스타-버스 네트워크, 트리 또는 계층적(hierarchical) 네트워크 등을 포함하는 네트워크 토폴로지 중 임의의 하나 이상을 포함할 수 있으나, 이에 제한되지 않는다.

서버(150, 160) 각각은 복수의 전자 디바이스들(110, 120, 130, 140)과 네트워크(170)를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 예를 들어, 서버(150)는 네트워크(170)를 통해 접속한 복수의 전자 디바이스들(110, 120, 130, 140)로 서비스(일례로, 컨텐츠 제공 서비스, 소셜 네트워크 서비스, 메시징 서비스, 검색 서비스, 메일 서비스 등)를 제공하는 시스템일 수 있다.

앞서 도 1에서는 서버와 클라이언트간의 통신 환경의 예를 설명하고 있으나, 이는 하나의 실시예로서 본 발명의 실시예들에 따른 제어 방법은 복수의 전자 디바이스들(110, 120, 130, 140) 각각에서 개별적으로 이루어질 수도 있다. 예를 들어, 도 1의 실시예에 따른 제어 방법은 전자 디바이스(110)가 서버(150)로부터 컨텐츠를 제공받아 미디어 플레이어를 통해 재생하는 경우에 대한 설명일 수 있다. 반면, 다른 실시예에서는 전자 디바이스(110)가 서버(150)와의 별도의 통신 없이 전자 디바이스(110)의 로컬 저장소에 저장된 컨텐츠들을 미디어 플레이어를 통해 재생하는 경우를 포함할 수 있다.

도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 앞서 설명한 복수의 전자 디바이스들(110, 120, 130, 140) 각각이나 서버들(150, 160) 각각은 도 2를 통해 도시된 컴퓨터 장치(200)에 의해 구현될 수 있다. 예를 들어, 컴퓨터 장치(200)에는 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치(200)는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 음원 재생 공유 방법을 수행할 수 있다.

이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리고 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(170)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.

프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 인터페이스(230)는 네트워크(170)를 통해 컴퓨터 장치(200)가 다른 장치(일례로, 앞서 설명한 저장 장치들)와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(170)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(170)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.

입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250)는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다.

또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.

도 3은 본 발명의 일실시예에 따른 아바타 생성 방법의 예를 도시한 흐름도이다. 도 3의 실시예에 따른 아바타 생성 방법은 사용자 단말(310), 프론트 서버(320) 및 분석 서버(330)에 의해 수행되는 전체 과정의 예를 나타내고 있다. 여기서, 사용자 단말(310)은 앞서 설명한 복수의 전자 디바이스들(110, 120, 130, 140) 중 어느 하나와 같이 아바타 생성 방법을 위한 컴퓨터 프로그램이 설치 및 구동되는 물리적인 장치에 대응될 수 있으며, 프론트 서버(320)와 분석 서버(330)는 앞서 설명한 서버(150, 160)에 대응할 수 있다. 이미 설명한 바와 같이 복수의 전자 디바이스들(110, 120, 130, 140) 각각과 서버(150, 160) 각각은 도 2를 통해 설명한 컴퓨터 장치(200)에 의해 구현될 수 있다. 실시예에 따라 프론트 서버(320)와 분석 서버(330)는 하나의 물리적인 장치에 의해 구현되거나 또는 프론트 서버(320) 및/또는 분석 서버(330)가 서로 연계된 둘 이상의 물리적인 장치들에 의해 구현될 수도 있다.

단계(S311)에서 사용자 단말(310)은 이미지를 생성 또는 선택할 수 있다. 예를 들어, 사용자 단말(310)은 사용자 단말(310)이 포함하는 카메라를 통해 이미지를 캡쳐하거나 또는 사용자 단말(310)이 포함하는 로컬 저장소에 저장된 이미지들 중 사용자에 의해 선택되는 이미지를 확인할 수 있다.

단계(S312)에서 사용자 단말(310)은 이미지를 업로드할 수 있다. 예를 들어, 사용자 단말(310)은 단계(S311)에서 생성 또는 선택된 이미지를 네트워크(170)를 통해 프론트 서버(320)로 전송할 수 있다.

보다 구체적인 예로 사용자 단말(310)은, 사용자 단말(310)에 설치 및 구동된 어플리케이션의 제어에 따라 카메라를 구동하여 이미지를 캡쳐하기 위한 기능 또는 사용자 단말(310)의 로컬 저장소에 저장된 이미지들 중 적어도 하나를 선택하기 위한 기능을 사용자에게 제공할 수 있으며, 이러한 기능을 통해 생성 또는 선택되는 이미지를 프론트 서버(320)로 업로드할 수 있다.

단계(S321)에서 프론트 서버(320)는 이미지를 수치화할 수 있다. 예를 들어, 프론트 서버(320)는 사용자 단말(310)로부터 수신되는 이미지를 분석하여 이미지가 포함하는 사람의 얼굴에 대한 얼굴 구성 요소들을 수치화할 수 있다. 수치화는 일례로, 얼굴 구성 요소로서 기 정의된 특징들 각각에 대해, 기 정의된 측정항목별 측정값들을 추출하는 형태로 구현될 수 있다. 보다 구체적인 예로, 얼굴 구성 요소로서 기 정의된 특징들은 눈, 코, 입, 얼굴 형상 등에서 선택될 수 있으며, 기 정의된 측정항목들은 면적, 비율, 각도, 길이 등에서 선택될 수 있다. 실시예에 따라 하나의 특징이 하나 이상의 세부 특징들로 구성될 수도 있다. 예를 들어, 특징 '눈'은 '왼쪽 눈'과 '오른쪽 눈'의 세부 특징들로 구성되거나 또는 '왼쪽 눈', '왼쪽 눈꼬리', '오른쪽 눈' 및 '오른쪽 눈꼬리'의 세부 특징들로 구성될 수 있다. 이때, 특징(또는 세부 특징)에 따라 요구되는 측정항목들은 면적, 비율 및 각도와 같이 모두 동일한 측정항목들을 포함할 수도 있으나, 실시예에 따라 요구되는 측정항목이 달라질 수도 있다. 예를 들어, 특징 '눈'에 대해서는 너비와 높이가, 세부 특징 '왼쪽 눈꼬리'에 대해서는 각도가 특징으로서 요구될 수 있다. 측정항목으로서 산출되는 측정값들은 실제 물리적인 단위의 값들보다는 기준에 따른 상대적인 값으로서 측정될 수 있다. 예를 들어, 눈의 너비나 눈과 눈 사이의 거리는 얼굴 너비에 대한 상대적인 값으로서 계산될 수 있고, 눈의 높이는 얼굴 높이에 대한 상대적인 값으로서 계산될 수 있다. 측정값들은 특징별/측정항목별로 추출된 다수의 값들의 집합(이하, '측정값 집합')을 형성할 수 있다.

단계(S322)에서 프론트 서버(320)는 측정값을 분석 서버(330)로 전달할 수 있다. 예를 들어, 프론트 서버(320)는 단계(S321)에서 이미지를 수치화함에 따라 추출되는 측정값 집합을 분석 서버(330)로 전송할 수 있다.

단계(S331)에서 분석 서버(330)는 동물 이미지를 수치화할 수 있다. 예를 들어, 분석 서버(330)는 앞서 단계(S321)에서 프론트 서버(320)가 이미지에 포함된 사람의 얼굴을 수치화하는 방식과 동일한 방식으로 이미지에 포함된 동물의 얼굴을 수치화할 수 있다. 예를 들어, 분석 서버(330)는 얼굴 구성 요소로서 기 정의된 동물 얼굴의 특징들 각각에 대해, 기 정의된 측정항목별 측정값들을 추출하여 측정값 집합을 생성하는 형태로 동물 이미지에 대한 수치화를 구현할 수 있다. 또한, 동물 이미지들이 포함하는 동물들의 종류를 분류하기 위해 딥러닝(deep learning)이 활용될 수 있다. 예를 들어, 분석 서버(330)는 입력되는 동물 이미지를 분석하여 동물 이미지에 포함된 동물의 종류를 분류하도록 학습된 CNN(Convolutional Neural Network)과 같은 딥러닝 모델을 이용하여 다수의 동물 이미지들 각각으로부터 도출되는 동물들에 대한 동물 분류를 생성할 수 있다.

단계(S332)에서 분석 서버(330)는 데이터베이스를 구축할 수 있다. 예를 들어, 분석 서버(330)는 앞서 설명한 딥러닝을 통해 동물 이미지가 포함하는 동물들을 분류하고, 동물 분류별로 추출된 측정값 집합들을 저장하도록 데이터베이스를 구축할 수 있다.

단계(S333)에서 분석 서버(330)는 분류된 동물별 기본 모델을 생성할 수 있다. 예를 들어, 개, 고양이, 토끼 등과 같이 각 동물별로 기본 모델이 생성될 수 있다. 동물의 분류가 보다 구체적으로 진행된 경우, 동일한 종의 동물이 세부 종으로 나뉠 수도 있다. 예를 들어, 개의 경우 개의 다양한 세부 종에 따라 세 분 분류가 진행된 경우, 각각의 세부 분류에 따라 기본 모델이 생성될 수 있다. 또한 강아지와 성견과 같은 세부 분류별로 기본 모델이 생성될 수도 있다. 일례로, 기본 모델은 데이터베이스에 저장된 측정값 집합에 기반하여 생성될 수 있다. 만약, 하나의 동물 분류와 연계되어 데이터베이스에 둘 이상의 측정값 집합이 저장된 경우에는 둘 이상의 측정값 집합들에서 서로 대응하는 요소들의 평균값을 계산하고, 계산된 평균값들의 집합을 통해 기본 모델이 생성될 수 있다.

이러한 단계(S331) 내지 단계(S333)는 앞서 설명한 단계들(S311, S312, S321, S322)과는 병렬적으로 수행될 수 있으며, 앞서 설명한 단계들(S311, S312, S321, S322)의 개시 이전에 데이터베이스가 미리 구축되고 기본 모델이 생성될 수 있다.

단계(S334)에서 분석 서버(330)는 기본 모델을 선택할 수 있다. 예를 들어, 분석 서버(330)는 프론트 서버(320)로부터 수신되는 측정값 집합을 데이터베이스에 저장된 측정값 집합들과 순차적으로 비교하여 가장 유사한 m(m은 자연수) 개의 측정값 집합을 결정할 수 있으며, 이러한 m 개의 측정값 집합에 대응하는 n(n은 m 이하의 자연수) 개의 동물 분류를 결정할 수 있다. 다시 말해, 분석 서버(330)는 사람의 얼굴을 수치화한 측정값 집합을 수신하고, 데이터베이스에 저장된 측정값 집합과 비교함으로써 사람의 얼굴에 대응하는 동물 분류를 결정할 수 있다. 만약, m 개의 측정값 집합 중에 동일한 동물 분류에 대응하는 둘 이상의 측정값 집합이 존재하는 경우, 해당 둘 이상의 측정값 집합에 대해 하나의 동물 분류가 결정되기 때문에 결정되는 동물 분류의 개수는 결정된 측정값 집합의 개수와 동일하거나 적어질 수 있다. 또한, 분석 서버(330)는 결정된 n 개의 동물 분류에 따라 대응하는 n 개의 기본 모델을 선택할 수 있다. 실시예에 따라 분석 서버(330)는 측정값 집합이 가장 유사한 하나의 측정값 집합을 통해 하나의 기본 모델만을 선택 및 제공할 수도 있고, n 개의 기본 모델을 선택 및 제공하여 프론트 서버(320)나 사용자 단말(310)에서 n 개의 기본 모델 중 하나를 선택하도록 할 수도 있으며, 이후 설명하는 실시예에서와 같이 n 개의 기본 모델을 합성하여 새로운 동물 모델을 생성할 수도 있다.

단계(S335)에서 분석 서버(330)는 기본 모델을 커스터마이징할 수 있다. 다시 말해, 분석 서버(330)는 사람의 얼굴에 대응하는 동물 형상의 아바타를 제공하기 위해 확인된 기본 모델을 사람의 얼굴에 대응하여 처리할 수 있다. 예를 들어, 분석 서버(330)는 프론트 서버(320)로부터 수신되는 측정값 집합에 따라 기본 모델의 얼굴 구성 요소들의 항목별 값을 조절함으로써, 기본 모델을 목표로 하는 사람의 얼굴에 알맞게 커스터마이징할 수 있다. 다시 말해, 목표로 하는 사람의 얼굴 특징을 기본 모델에 적용할 수 있다. 이때, 단계(S334)에서 선택된 n 개의 기본 모델 각각이 커스터마이징될 수 있으며, 커스터마이징된 n 개의 기본 모델들은 프론트 서버(320)로 전달될 수 있다.

또한, 실시예에 따라 커스터마이징은 프론트 서버(320)에서 수행될 수도 있다. 예를 들어, 단계(S334)에서 분석 서버(330)는 선택된 n 개의 기본 모델을 프론트 서버(320)로 전송할 수 있으며, 프론트 서버(320)가 n 개의 기본 모델 각각을 단계(S331)에서 계산된 수치에 따라 커스터마이징할 수 있다. 이 경우, 프론트 서버(320)는 사람의 얼굴을 수치화한 측정값 집합을 기초로 기본 모델에 해당하는 수치를 수정함으로써, 기본 모델을 사람의 얼굴에 따라 커스터마이징할 수 있다.

단계(S323)에서 프론트 서버(320)는 최종 모델을 생성할 수 있다. 일실시예로, 프론트 서버(320)는 커스터마이징된 n 개의 기본 모델을 서로 합성하여 전혀 새로운 동물 모델을 최종 모델로서 생성할 수 있다. 다른 실시예로, 프론트 서버(320)는 단순히 n 개의 기본 모델들 각각을 최종 모델로서 생성할 수도 있다. 한편, 커스터마이징된 n 개의 기본 모델은 최종 모델 생성에 사용될뿐만 아니라 그 측정값 집합과 함께 데이터베이스에 저장되어 추후 또 다른 아바타를 생성하는데 사용될 수 있다.

단계(S324)에서 프론트 서버(320)는 최종 모델을 공유할 수 있다. 예를 들어, 프론트 서버(320)는 최종 모델을 네트워크(170)를 통해 사용자 단말(310)로 전송하여 생성된 최종 모델을 공유할 수 있다. 다시 말해, 프론트 서버(320)는 사람의 얼굴에 대응하는 동물 형상의 아바타를 제공하기 위해 기본 모델 또는 기본 모델을 통해 생성되는 최종 모델을 사용자 단말(310)과 공유할 수 있다. 예를 들어, 커스터마이징이나 합성이 적용되지 않는 경우에는 기본 모델을 사용자 단말(310)로 제공할 수 있으며, 커스터마이징이나 합성이 적용되는 경우에는 커스터마이징이나 합성이 적용된 최종 모델을 사용자 단말(310)로 제공할 수 있다.

단계(S313)에서 사용자 단말(320)은 최종 모델을 렌더링할 수 있다. 예를 들어, 사용자 단말(320)은 프론트 서버(320)로부터 동물 모델을 수신할 수 있으며, 모델링된 동물 모델을 실제로 화면에 디스플레이하기 위한 작업을 처리할 수 있다. 다시 말해, 사용자 단말(320)은 모델링을 통해 최종적으로 생성된 그래픽 요소를 화면에 디스플레이함으로써 단계(S311)에서 생성 또는 선택된 이미지에 포함된 사용자의 얼굴에 대응하는 동물 아바타를 생성 및 표시할 수 있게 된다. 한편, 실시예에 따라 사용자 단말(320)은 렌더링 이전에 앞서 설명한 어플리케이션의 제어에 따라 최종 모델을 다시 커스터마이징할 수 있는 기능을 사용자에게 제공할 수도 있다. 이 경우, 사용자는 제공되는 지능을 통해 최종 모델의 이목구비 등을 사용자가 원하는 대로 수정할 수 있으며, 최종적으로 수정된 동물 모델이 사용자 단말(320)에 의해 렌더링되어 화면에 디스플레이될 수 있다.

이처럼, 본 실시예에 따른 아바타 생성 방법을 통해, 사람의 얼굴이 포함된 이미지를 분석하여 사람의 얼굴에 대응하는 동물 형상의 아바타는 자동으로 생성할 수 있다. 이때, 생성되는 동물 형상의 아바타는 단순히 이미 생성되어 있는 동물 아바타 템플릿에 사용자의 표정 등을 적용하는 것이 아니라, 사용자의 얼굴과 비슷한 동물을 찾아 해당 동물 형상을 갖는 아바타를 자동으로 생성할 수 있도록 서비스를 제공할 수 있다.

또한, 생성된 동물 아바타는 다양한 포즈나 표정, 다른 효과들과의 결합을 통해 복수의 스티커 이미지들을 포함하는 스티커 패키지를 생성하는데 이용될 수 있다. 한편, 사용자 단말(310)에서 하나의 이미지가 아닌 일례로, 카메라를 통해 입력되는 연속적인 프레임들이 프론트 서버(320)로 전달되는 경우, 프론트 서버(320)는 연속적인 프레임들 각각을 통해 추출되는 측정값 집합들을 최종 모델에 순차적으로 적용함으로써, 사용자의 얼굴 표정이나 행동이 실시간으로 동물 아바타에 적용되도록 서비스를 제공할 수도 있다. 이처럼, 자동으로 생성되는 동물 아바타는 다양한 서비스를 제공하는데 활용될 수 있다.

도 4 및 도 5는 본 발명의 일실시예에 따른 이미지 수치화의 예를 도시한 도면들이다.

도 4는 동물 이미지 수치화의 예로서, "토끼"의 얼굴이 포함된 제1 이미지(410), "고양이"의 얼굴이 포함된 제2 이미지(420) 및 "강아지"의 얼굴이 포함된 제3 이미지(430)에서 특징으로서 눈, 코, 입, 얼굴 형태 각각에 대해, 항목으로서 면적, 비율 및 회전(각도) 각각에 대한 값들을 포함하는 측정값 집합을 추출한 예를 나타내고 있다. 이러한 제1 이미지(410)에서 추출된 측정값 집합은 표 1(440)과 같이, 제2 이미지(420)에서 추출된 측정값 집합은 표 2(450)와 같이, 그리고 제3 이미지(430)에서 추출된 측정값 집합은 표 3(460)과 같이 나타날 수 있으며, 각각의 동물 분류와 연계되어 데이터베이스에 저장될 수 있다.

이러한 도 4에서는 하나의 동물에 대해 하나의 측정값 집합이 추출된 예를 나타내고 있으나, 앞서 설명한 바와 같이, 동일한 종에 대해서도 세부 종에 따라, 또는 강아지와 성견 등과 같은 성장 정도 등에 따라 세부 분류될 수 있으며, 각각의 동물 분류마다 복수 개의 측정값 집합들이 추출될 수 있다. 이를 위해, 분석 서버(330)는 다수의 동물 이미지들을 딥러닝을 통해 분석하여 동물 이미지들에 나타난 동물들을 분류할 수 있으며, 각각의 동물 분류마다 하나 이상의 측정값 집합을 해당 동물 분류와 연계하여 저장함으로써 동물 분류별 측정값 집합들에 대한 데이터베이스를 구축할 수 있다. 한편, 다른 실시예에서는 동일한 동물 분류와 연계되어 데이터베이스에 저장된 둘 이상의 측정값 집합들이 요소별 평균값에 의해 하나의 측정값 집합(이하, '평균 측정값 집합')의 형태로 저장될 수도 있다. 예를 들어, 면적, 비율, 회전에 대항 항목들이 존재하는 경우, 면적의 평균값, 비율의 평균값 및 회전의 평균값이 각각 계산되어 해당 동물 분류에 대해 저장될 수 있다.

또한, 분석 서버(330)는 각각의 동물 분류마다 기본 모델을 생성하여 관리할 수 있다. 도 4의 예에서는 "토끼"에 대응하는 기본 모델, "고양이"에 대응하는 기본 모델 및 "강아지"에 대응하는 기본 모델이 각각 생성 및 관리될 수 있다. 이러한 기본 모델은 앞서 설명한 바와 같이 대응하는 동물 분류의 측정값 집합 또는 평균 측정값 집합을 통해 생성될 수 있다.

도 5는 사람 이미지 수치화의 예로서, 사람의 얼굴이 포함된 제4 이미지(510)에서 특징으로서 눈, 코, 입, 얼굴 형태 각각에 대해, 항목으로서 면적, 비율 및 회전(각도) 각각에 대한 측정값들을 포함하는 측정값 집합을 추출한 예를 나타내고 있다. 이러한 측정값 집합은 표 4(520)와 같이 추출되어 데이터베이스에 저장된 측정값 집합들과 순차적으로 비교될 수 있다.

이때, 분석 서버(330)는 측정값 집합들간의 비교를 통해 제4 이미지에 포함된 사람의 얼굴과 가장 유사한 측정값 집합을 갖는 n 개의 동물 분류를 결정할 수 있으며, 결정된 n 개의 동물 분류에 대응하는 n 개의 기본 모델들을 선택할 수 있다. 선택된 n 개의 기본 모델들은 분석 서버(330)에서 또는 프론트 서버(320)에서 커스터마이징될 수 있다. 커스터마이징에는 앞서 설명한 표 4(520)의 측정값들이 활용될 수 있다. 앞서 설명한 바와 같이, 커스터마이징은 사용자의 선택에 따라 사용자 단말(310)에서 추가적으로 진행될 수도 있다.

기본 모델은 대응하는 동물 분류를 그래픽적으로 구현하기 위한 벡터일 수 있다. 앞서 설명한 바와 같이 프론트 서버(320)는 이러한 벡터들간의 가중합을 통해 n 개의 기본 모델들을 합성하여 최종 모델을 생성할 수 있다. 예를 들어, n이 2이고, "강아지" 기본 모델의 유사도가 80%, "고양이" 기본 모델의 유사도가 20%로 계산되었다고 가정한다. 이 경우, "강아지" 기본 모델에 대한 제1 벡터와 "고양이" 기본 모델에 대한 제2 벡터에 대해, 각각의 요소들간 가중합을 통해 최종 모델에 대한 제3 벡터가 생성될 수 있다. 예를 들어, 제1 벡터의 첫 번째 요소가 a이고, 제2 벡터의 첫 번째 요소가 b일 때, 제3 벡터의 첫 번째 요소는 (0.8a + 0.2b)로 계산될 수 있다. 이때, 0.8과 0.2는 유사도 80%와 유사도 20%에 의해 결정된 가중치일 수 있다.

실시예에 따라 단순히 가장 유사도가 높은 동물 분류의 기본 모델이 바로 최종 모델로 결정될 수도 있다. 예를 들어, 분석 서버(330)는 가장 도 5의 실시예에서 1순위로 선택된 "강아지"에 대한 기본 모델을 최종 모델로 결정하여 프론트 서버(320)로 전달할 수 있다. 또 다른 실시예에서 분석 서버(330)는 n 개의 기본 모델들 각각을 커스터마이징하여 프론트 서버(320)로 전달하고, 프론트 서버(320)가 사용자 단말(310)과 통신하여 사용자가 커스터마이징된 n 개의 기본 모델들 중 하나를 선택하도록 할 수도 있다.

도 6은 본 발명의 일실시예에 따른 모델 합성 과정의 예를 도시한 도면이다. 도 6은 도 4를 통해 설명한 "토끼" 기본 모델과 "고양이" 기본 모델이 추출됨에 따라 두 기본 모델을 합성하는 예를 설명한다. 기본 모델 "토끼"는 표 1(440)에 나타난 측정값 집합을 통해 구현될 수 있으며, 기본 모델 "고양이"는 표 2(450)에 나타난 측정값 집합을 통해 구현될 수 있다. 이때, 사용자의 얼굴에 대한 측정값 집합과 표 1(440)에 나타난 "토끼"에 대한 측정값 집합의 유사도가 80%이고 사용자의 얼굴에 대한 측정값 집합과 표 2(450)에 나타난 "고양이"에 대한 측정값 집합의 유사도가 20%라 가정한다. 이 경우, 합성 모델 "토끼+고양이"의 생성을 위한 측정값 집합은 도 6의 표 5(610)와 같이 계산될 수 있다. 이때, 프론트 서버(320)는 계산된 측정값 집합을 통해 합성 모델 "토끼+고양이"를 생성하여 최종 모델로서 사용자 단말(310)에 공유할 수 있다. 여기서 합성 모델 "토끼+고양이"은, 도 6의 표 5(610)에 계산된 값을 기초로 새롭게 생성된 모델일 수 있고, 가장 유사도가 높은 기본 모델 "토끼"를 기초로, 도 6의 표 5(610)에 계산된 값을 적용하여 변형이 된 모델일 수도 있다,

이처럼, 본 발명의 실시예들에 따르면, 사람의 얼굴이 포함된 이미지를 분석하여 사람의 얼굴에 대응하는 동물 형상의 아바타는 자동으로 생성할 수 있다.

이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 소프트웨어 구성요소 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, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 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 장치에 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 기록매체에 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 통상의 기술자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록매체(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. 이러한 기록매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있으며, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.