최근 다양한 영상처리 방법을 통해 사용자의 건강 상태를 측정하는 기법이 활발히 연구되고 있다. 특히, 의공학이나 생체정보공학 분야에서는 인체의 특정 부분을 분석하여 의학적 진단에 활용하는 사례가 증가하고 있다. 인간의 피부를 분석하는 연구는 피부노화분석, 진단, 예방에 활용할 수 있으며 더 나아가 지문 인식, 영상 인덱싱 등에서 효과적으로 응용할 수 있다. 

  인간의 피부는 노화가 진행됨에 따라 피부 탄력도, 단위면적에 포함된 주름 길이 등과 같은 피부 특징들이 줄어들며, 주름 너비 같은 특징들은 점차 커지게 된다. 본 연구실은 디지털 현미경 이미지를 영상적으로 분석하여 피부 상태 및 노화와 관련 있는 특징들을 추출, 분석하였다. 추출된 특징들을 이용하여 사용자의 전반적인 피부 상태 및 피부 나이를 도출하여 주었으며, 편의성에 기반을 둔 피부 상태 진단 애플리케이션 시스템을 개발하였다. 

  다양한 연령대와 성별을 가진 다수의 피험자로부터 수집한 영상 데이터를 활용하여, 피부 상태와 노화를 유추할 수 있는 영상적인 특징을 추출한다. 다양한 Machine learning 방법과 Statistic 방법을 이용하여 객관적인 피부 상태 분석 모델을 만든 후, 이를 응용하여 피부 나이를 도출할 수 있다. 주름 길이, 주름 너비, 주름 깊이 등의 영상 특징을 활용하여 Machine learning에 적극적으로 활용하였다. 

  피부 영상을 자세히 관찰하면, 주름에 의해 만들어지는 다각형이 존재함을 알 수 있다. 사람의 피부 주름이 만들어 내는 다각형은 나이가 듦에 따라 그 개수는 줄어들고, 그의 면적은 상대로 넓어진다. 본 연구에서는 이 다각형은 셀(Cell)이라고 지칭하며, 이러한 셀을 추출하는 Polygon Mesh Detection Algorithm(PMDA)을 개발하였다. 

● 셀의 넓이와 개수 추출

- PMDA는 뼈대 이미지의 랜덤한 점에서 출발하여 4방향으로 이웃을 탐색하는 재귀적 연결 요소 탐색 기법을 이용하여 이미지를 스캔한다. 만약 주름을 나타내는 경계선을 만나게 되면 프로세스를 종료하게 되며, PMDA는 셀의 넓이와 개수를 추출하여 연령 관련 특성으로써 저장한다. 

● 피부의 거칠기 판별

- PMDA를 응용하여 연령대별로 정량적이고 수치적인 결과를 토출하기 위해 피부의 거칠기를 판별하는 방법을 연구하였다. PMDA에서 병합처리 된 셀들을 순차적으로 라벨링을 한 후, 라벨링 된 피부 셀 영역의 최대 지름 선을 검출하여 이를 피부 거칠기 변화량으로 계산하여 특징 추출 및 결과 도출을 수행하였다.

● 피부 상태에 적합한 화장품 추천

- 분석된 피부 상태를 기반으로 하여, 사용자의 피부 상태에 유용한 제품 추천 기능을 제공하는 연구를 수행하였다. 임상학적 기준에 따라, 피부 상태를 정량적으로 분석하고 사용자의 피부 상태를 최상으로 유지할 수 있도록 피부 케어 제품들을 매칭하여 추천하는 기능을 개발하였다. 연구 수행 결과, 경제성과 편의성을 갖춘 피부 상태 분석 및 제품 추천 프로토타입 애플리케이션을 개발하였으며, 이를 확장하여 다양한 관련 연구 및 시장에 적용 시킬 수 있을 것으로 기대된다.

그림 1 피부 상태 분석 시스템

그림 2 피부 상태 분석 및 화장품 추천 애플리케이션