지금 개발하고 있는 토리스케일은

체중계에 올라선 아이를 사진 찍으면 키와 몸무게를 측정할 수 있는 제품이다.

그 원리는

체중계에 그려진 가로와 세로 기준선을 '읽어' 내고

이를 통해 카메라와 체중계의 거리, 카메라의 기울기 등을 계산하는 것.

여기서 '읽어' 낸다는 것은

사진 속에서 기준선을 찾아내고

그것이 차지하는 픽셀의 수를 정확히 계산해낸다는 것을 의미한다.

머신러닝을 통해 일정한 패턴 이미지를 인식하는 것은

그것의 위치나 그것이 무엇 - 치와와인지 머핀인지 - 인지 인식하기엔 용이하지만

정교하게 대상의 크기를 재는 일은 어렵다.

그래서 택한 방식은 각 픽셀에 담긴 신호를 분석하는 것이었다.

이것이 촬영 시 찍은 사진이라면

기준선의 색 범위를 지정해 이런 이미지를 도출해낼 수 있다.

이렇게 얻어진 이미지는 숫자로도 표현되는데,

그 숫자의 변화들을 확인하여

기준선이 시작되는 지점과 점점 진해지는 부분, 완전하게 기준선이라고 인식해도 되는 부분 등을 구분한다.

그 숫자를 받아 엑셀 파일로 담으면

이런 숫자열이 나온다.

이 숫자들의 의미가 바로 기준선 혹은 기준선과 비슷한 색상의 강도와 밝기다.

여기서 어려움은

그 숫자의 크기가 촬영환경에 따라 달라진다는 점이다.

숫자의 크기가 지나치게 낮아지면 특이점을 찾을 수 없어 '측정오류'가 난다.

또한 한 픽셀을 더 읽는냐 아니냐에 따라 0.8cm 정도 차이가 나는데

그것 역시 정확한 측정을 어렵게 만드는 이유가 된다.

그래도 오랜 시험 끝에 일정한 성적을 확보하고 지난 번에 베타테스트를 했는데,

다양한 촬영 환경에서 측정오류나 오측정 사례들이 제법 나왔다.

약간 어두운 환경에서는 측정이 잘 되지만 그렇다고

소비자에게 집안의 다양한 장소에서 다양한 시간대에 측정하라고 하는 것은 확실히 염치없는 일이다.

그래서 지난 두 달간 주말을 반납한 채 개발자와 매주 밤을 새웠다.

보다 안정적으로 측정할 수 있는 범위과 조건을 잡기 위해서였다.

그리고 이 고생을 통해 확실한 개선 효과를 달성했다.

50%에 미치지 못하던 것을 71%로 높였기 때문이다.

측정이 되지 않는 사례는 9%에 불과하고

기준선이 엉뚱한 곳에 지정되어 수치가 달라진 것은 19%였다.

측정오류가 난 케이스는 팝업 안내를 통해, 기존 수치와의 차이를 보여주고 

다시 측정할 것을 안내하는 방식으로 유도할 수 있다.

기대하는 바는 가정에서는 일반적으로 거실 같은 특정 장소에서 

일관되게 측정을 할 것이기 때문에

같은 조건에서는 매번 같은 값으로 측정될 것이라는 점이다.

이번 보완 과정이 더욱 의미있었던 것은

빛의 세기와 밝기 문제를 집중적으로 분석하고 범위를 조정하면서

실내는 물론 심지어 야외에서도 찍은 데이터도 거의 오차 없이 측정했다는 점이다.

오늘 구굴 스토어에 등록을 하면 2주 간 심사를 거쳐

드디어 판매를 시작할 수 있을 듯하다!