CN105683724A - 对表面的颜色和光谱进行测量及分类的系统和方法 - Google Patents

对表面的颜色和光谱进行测量及分类的系统和方法 Download PDF

Info

Publication number
CN105683724A
CN105683724A CN201480051990.XA CN201480051990A CN105683724A CN 105683724 A CN105683724 A CN 105683724A CN 201480051990 A CN201480051990 A CN 201480051990A CN 105683724 A CN105683724 A CN 105683724A
Authority
CN
China
Prior art keywords
color
spectral measurement
measurement device
spectral
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201480051990.XA
Other languages
English (en)
Other versions
CN105683724B (zh
Inventor
克洛伊·A·勒让德
盖芙·巴洛赫
克里斯多夫·A·罗格
沃尔特·W·斯隆
帕雷什·帕特尔
艾伦·R·劳德米尔克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SPECTRAL SENSORS Inc
LOreal SA
Original Assignee
SPECTRAL SENSORS Inc
LOreal SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SPECTRAL SENSORS Inc, LOreal SA filed Critical SPECTRAL SENSORS Inc
Publication of CN105683724A publication Critical patent/CN105683724A/zh
Application granted granted Critical
Publication of CN105683724B publication Critical patent/CN105683724B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
    • A—HUMAN NECESSITIES
    • A45—HAND OR TRAVELLING ARTICLES
    • A45D—HAIRDRESSING OR SHAVING EQUIPMENT; EQUIPMENT FOR COSMETICS OR COSMETIC TREATMENTS, e.g. FOR MANICURING OR PEDICURING
    • A45D44/00—Other cosmetic or toiletry articles, e.g. for hairdressers' rooms
    • A45D44/005—Other cosmetic or toiletry articles, e.g. for hairdressers' rooms for selecting or displaying personal cosmetic colours or hairstyle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/1032—Determining colour for diagnostic purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
    • G01J3/0254—Spectrometers, other than colorimeters, making use of an integrating sphere
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/0272—Handheld
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/463—Colour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/52—Measurement of colour; Colour measuring devices, e.g. colorimeters using colour charts
    • G01J3/524—Calibration of colorimeters
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J2003/466—Coded colour; Recognition of predetermined colour; Determining proximity to predetermined colour
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/465—Measurement of colour; Colour measuring devices, e.g. colorimeters taking into account the colour perception of the eye; using tristimulus detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/06—Illumination; Optics
    • G01N2201/062—LED's
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/08—Optical fibres; light guides
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/125—Digital circuitry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/127—Calibration; base line adjustment; drift compensation

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Dentistry (AREA)
  • Fuzzy Systems (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种颜色分类系统和方法。所述方法包括以下步骤：通过使用颜色或者光谱测量装置对表面的颜色进行至少一次颜色或者光谱测量，将所述至少一次颜色或者光谱测量映射到多维特征空间，以及通过使用至少一个分类器来将所述映射的至少一次光谱测量分类为颜色类别。

Description

对表面的颜色和光谱进行测量及分类的系统和方法
技术领域
本发明涉及测量物体和材料(诸如，皮肤)的光谱和其它光学特性，诸如，颜色、半透明性、光泽度、和其它特性，并且更具体地，涉及用于测量皮肤或者其它半透明的或者不透明的物体的光谱和其它光学特性并且用于将测量分类为与产品或者产品配方相关的类别，以匹配被测皮肤或者其它物体或者按照期望的方式(例如，使其变亮、使其变暗、使其更加均匀等)来改变皮肤或者其它物体的装置和方法。
背景技术
已经认识到，存在对用于测量皮肤、头发、牙齿和其它物体的光谱、颜色或者其它光学特性，并且用于基于测得的光学特性预测或者确定化妆品(诸如，粉底)、颜色制剂、修复或者其它过程的装置和方法的需求。
已经尝试过利用具有不同接受度的多种不同手段来测量人体的皮肤、牙齿、头发和其它部位。在颜色的测量和分类中必须克服的一个非常重要的问题是：现在的系统无法在灵活且自适应的系统中快速并且有效地对大量测量进行分类。例如，已经将根据现有技术的系统用于按照商业上期望的方式来测量和比色牙齿。
测量皮肤并且按照自适应的方式对大量的测量进行分类的其它尝试不太成功，并且仍然需要一种系统和方法，其可测量皮肤，并处理由这种测量产生的数据以计算颜色值并且/或者预测颜色深浅(shade)或者化妆品，并且将由这种测量产生的数据传送至外部计算和/或存储资源。
发明内容
基于现有技术，提供了用于测量光学特性的系统和方法，能够对人体的皮肤、头发和其它部位进行，例如，光谱测量。这种系统和方法利用手持装置来如期望地提供光谱测量，能够方便并且容易地测量多个期望的位置(例如，前额区、脸颊区和颈部区)，包括在零售环境中。根据优选实施例，手持装置处理由于光谱测量所产生的数据以计算颜色值(例如，L*、a*、b*值或者L*、C*、h*值)，并且可以基于这类数据和/或这类计算得到的值来选择一种或者多种化妆品(例如，粉底)。优选地，基于预测算法来确定这种选择，该预测算法提供对化妆品的预测，观察员将会确定该化妆品对于正被测量的皮肤而言是良好的匹配或者适合的选择。根据一些优选实施例，预测算法基于分类器模型，该分类器模型评估通过临床研究获得的数据以选择化妆品。优选地，预测算法基于从现场或商业环境中使用的装置收集来额外数据调整。更优选地，装置根据用户界面来操作，该用户界面引导用户(例如，未经系统训练的用户)进行光谱测量并且以直观且易于实现的方式提供产品或者其它预测。根据优选实施例，装置优选地与外部计算机网络通信，这可以通过有线(例如，USB)连接来实现，但是优选地通过无线(WiFi、BluetoothTM等)来实现。在优选实施例中，装置无线连接至外部网络，并且还无线连接至配套装置，诸如，智能电话、平板电脑、笔记本电脑或者其它计算装置。
因此，本发明的目的是提供用于测量人体的皮肤、头发或者其它部位的光谱或者其它光学特性的系统和方法。
本发明的另一目的是提供系统和方法，该系统和方法用于：经由集成到装置中的显示器，传送由这种测量产生的数据、或者基于这种产生的数据进行的预测或者其它评估，以经由有线数据连接或者优选地经由无线数据连接而传送至外部网络。
本发明的又一目的是提供一种中央处理单元，该中央处理单元使分类器模型用于预测，例如，与被测皮肤匹配或者如期望地相对应的粉底或者其它化妆品(或者，在被测头发的情况下，为护发产品等)。
进一步地，本发明的目的是提供一种直观并且易于使用的用户界面，以在进行光谱测量和测量数据、基于测量数据的预测数据或其他数据的输出或者传送过程中引导用户，包括未经系统训练的用户。
最后，本发明的目的是提供用于处理这种数据并且将这种数据传送至远程集中式网络(例如，用于存储、进一步处理、生成用于未来预测的更新表等的“云”)的系统和方法。
附图说明
通过参照附图详细描述本发明的优选实施例，本发明的上述目的和其它优点将变得更加显而易见。
图1、图2和图2A图示了根据本发明的系统的手持装置的某些优选实施例的硬件和物理设计方面；
图3是图示了根据本发明的系统的手持装置的某些优选实施例的电子组件和/或电路功能的框图；
图4A、图4B和图4C图示了根据本发明的某些优选实施例的示例性校准、归一化和测量方法；
图5图示了根据本发明的系统的功能示意图；
图6A、图6B、图6C、图6D、图6E和图6F图示了根据本发明的某些实施例的基于分类器的方法的原理和方面；
图7A和图7B图示了根据本发明的某些优选实施例的基于分类器的方法的原理和方面；以及
图8A、图8B、图8C、图8D、图8E、图8F、图8G、图8H、图8I、图8J、图8K、图8L、图8M、图8N、图8O、图8P、图8Q、图8R、图8S、图8T、图8U、图8V、图8W、图8X、图8Y、图8Z、图8AA、图8BB、图8CC、图8DD、图8EE、图8FF、图8GG、图8HH、图8II、图8JJ、图8K、图8LL、图8MM、图8N、图8OO、图8PP和图8QQ图示了根据本发明的某些优选实施例的显示用的示例性屏幕。
具体实施方式
将参照某些优选实施例和替代实施例详细描述本发明。正如下面所描述的，基于本文中的原理和教导，对各种实施例的润饰和替换都是可能的。
图1图示了根据本发明的一个实施例的手持分光光度仪器的优选实施例的分解图。然而，熟知本领域技术的读者要理解的是，在本发明的系统中也可以使用其它光学颜色测量装置。这种光学颜色测量装置的一个非限制性示例为三刺激值色度计(TristimulusColorimeter)。根据这种优选实施例，该仪器是手持的并且大体上由手持件顶部5和手持件底部3围成。优选地，清晰的，透明或者半透明的LCD盖10提供了大体上密封的窗口，以观察位于其下的液晶显示器(LiquidCrystalDisplay，LCD)。在优选实施例中，提供了弹性的并且优选为聚合体的LCD壳体/按钮工具11，以包围LCD显示器并且使在其下的触觉按钮能够被按下，同时被维持为用于仪器的固定，并且优选防尘和防潮的密封外壳。虽然在替代实施例中，仪器的电子器件包括在单个PCB或者两个以上的PCB上，但是在优选实施例中，如图所示，显示器印刷电路板(PrintedCircuitBoard，PCB)14机械地并且电气地贴附至CPUPCB13。重要的是，在仪器中提供了电子器件，以提供如在本文中的别处更加充分地描述的功能和操作。
虽然在其它实施例中提供了其它光谱解决方案，但是在优选实施例中，提供了10nm可见频带分光光度计以提供精确的光谱测量。根据所图示的实施例，提供了优选地由具有终止端的中心传感器束组成的光学前端，该终止端优选地由位于发光二极管(LightEmittingDiode，LED)圆顶8中的金属套圈组成。LED圆顶8优选地是白色的或者近白色的材料，诸如，塑料，其提供光学腔，在该光学腔中提供有来自多个LED的光。LED圆顶8优选地包括开口，LED位于开口中，这些LED在包含在中央处理单元(CPU)PCB13中或者在CPUPCB13上的处理器的控制下被选择性地激活。同样，在优选实施例中，光学前端包括多个LED追踪光纤束，该多个LED追踪光纤束优选地由LED追踪阵列9固定，该LED追踪阵列9以大体上同轴的布置与LED圆顶8适配。手持件末端6与手持件顶部5和手持件底部3适配以大体上围绕内部组件，如图所示。
同样如图1所示，其它内部组件优选地包括电池12、电池盖7和手持件脊4。手持件脊利于为仪器提供内部构造，并且使内部组件易于组装。在优选实施例中，分光光度计包括多达四十个通道，这些通道可以包括安装在CPUPCB13上的光学传感器，并且由优选为聚合体的“蛋格箱”或者阵列固定装置1的壁包围，该固定装置1包括空腔或者其它开口，带通干涉滤光片(filters)优选地位于该空腔或者其它开口中。设置有光纤束歧管(Fiberbundlemanifold)2，主传感器和LED追踪光纤束的终止端固定贴附在该光纤束歧管2中。本领域的技术人员可以理解的是，图1中所示的组成包括使组件固定，从而使光纤束歧管2、具有滤光片的阵列固定装置1和CPUPCB13以适当的方式贴附在彼此上的细节，诸如，使用螺钉。为了进行阐释，虽然未图示另外的零件，诸如，CPUPCB13与显示器PCB14之间的布线、以及用于对照亮LED圆顶8的LED上电的连接线，但上述内容是本领域的技术人员可以理解的。
同样，如图1所示，CPUPCB13优选地具有充电叶片或者销13A，该充电叶片或者销13A优选地延伸通过手持件底部3以与对应底座单元(参见图2)中的充电电路相应销电啮合。在图1中还示出了磁铁6AA，这些磁铁6AA的数量优选为三个，并且作为手持件末端6的一部分设置在该手持件末端6中。如结合图2更加充分地阐释的，磁铁6AA有助于为手持件末端6的端部提供光学基准的表面(参见图2的校准盘4A)，在优选实施例中，该光学基准的表面用于在至少某些测量之前使仪器归一化。
参照图2，图示了示例性底座单元的分解图，在优选实施例中，该示例性底座单元用于如期望地提供归一化参照工具和用于仪器的充电系统。示例性底座单元包括主体1A、底盖7A、以及具有充电叶片或者销的充电板，该充电叶片或者销与图1的充电叶片13A电啮合。未图示的在底座单元之外的电力源(诸如，来自变压器、DC电源等)向底座单元提供电力并且提供为仪器的手持件充电的电流。
如在本文中的别处所讨论的，在某些优选实施例中，在使用仪器进行光谱测量之前，将校准或者归一化参照放置邻近手持件末端6(参见图1)。这种归一化过程可以如期望地适应从LED输出的光的变化和/或测量系统的光学特征的其它变化。为了进行精确的光谱测量，重要的是，将手持件末端6可靠地定位为与校准或者归一化参照齐平。优选实施例为这种归一化提供了改进型工具和方法。
在优选实施例中，底座单元包括底座内部末端3A、保持盘6A、安装螺钉8A、弹簧2A和柱塞5A。这些元件和图2中所示的其它元件为校准盘4A提供了可移动底座，该可移动底座移动以适应将手持件末端6定位在底座单元内，并且使手持件末端6可靠地进入相对于校准盘4A大体上居中和齐平的位置。同样，在某些优选实施例中，校准盘4A由在金属基板上的白色或者大体上白色的涂层(诸如，烤瓷或者陶瓷材料)组成。优选地，金属基板包括或由铁磁材料(例如，钢)组成。在优选实施例中，对陶瓷材料进行粉末喷涂和焙烧以产生高惰性的和耐用的表面，该高惰性的和耐用的表面是光学稳定的并且可以清洗。优选地，对手持件末端6中的磁铁6AA进行设置，如期望地，将三角形配置的三个磁铁设置为附接至校准盘4A的金属基板。由此，响应于用户将手持件定位在底座单元中，使手持件末端6进入相对于校准盘4A的齐平位置。同时，使手持件的充电叶片13A与底座单元的充电叶片电接触。
图2A图示了分光光度计系统1的优选实施例的全貌图，该分光光度计系统1可以如期望地应用于测量人体的皮肤、头发和其它部位。手持件3安置在大体上符合手持件3的形状的底座单元5中，从而使手持件3的充电触点与底座单元5中的相应充电触点电接触。另外，通过底座单元5的形状(可以通过在本文中的别处所描述的磁辅助定位的帮助)，使手持件3的末端进入可靠的、与包括在底座单元5中的归一化参照齐平的位置(所有内容均如在本文中的别处有更详细的描述)。如图所示，手持件3优选地包括显示器7，该显示器7具有优选地定位在靠近上部的位置和靠近下部位置的按钮9。虽然在替代实施例中使用了按钮9的其它设置，但是在所示实施例中，上按钮9可以如期望地提供通电功能/断电功能(例如，按压预定的第一时间间隔，诸如2秒，以打开装置，并且当处于开机状态时，按压预定的第二时间间隔，诸如5或者10秒，以关闭装置)，该通电功能/断电功能可以用作激活(例如，进行测量)功能。例如，可以使用右下按钮、左下按钮和中心下按钮9，来提供右/左滚动功能，其中，中心下按钮9提供，例如选择功能。如在本文中的别处所描述的，在邻近按钮9中的一个特定按钮的显示器7上显示的信息可以向用户指示在装置的当前操作状态下该特定按钮的功能。在优选实施例中，不同的操作模式使按钮9能够向用户指示不同的功能，并且，在其它优选实施例中，可以基于在这种优选实施例中利用的现场可编程门阵列(FPGA)代码的内容，在不同的时间点中以不同的方式及时进行按钮9和显示器7的操作。
根据优选实施例，分光光度计的物理形状具有沿长度方向总体弯曲的形状，从而使手持件的末端的平面表面大体上垂直于长度方向，在该平面表面中，向正在被测量的皮肤部分呈现出开口。对该物理形状进行设置，从而仅仅使手持件的末端与正被测量的皮肤部分接触。现在将参照图3描述包括在某些优选实施例中的示例性电子器件。
如在本文中的别处所描述的，根据本发明的某些实施例的系统和方法受控地向待进行光学表征的表面或者材料提供光，并且优选地利用多个传感器来感知从表面材料返回的光，该待进行光学表征的表面或者材料可以是皮肤、头发、牙齿、涂料、墨水、织物、食物、植物、宝石等。优选地，光源为宽带光源，诸如，白色LED和合适类型的灯泡。多个传感器优选包括在传感器中的光频转换器(LFCs，LighttoFrequencyConverters)(其可以包括另外的电路系统，诸如，计数器和控制电路系统，以便输出数字值)，其接收通过带通滤光片的光，该带通滤光片优选地由干涉滤光片组成。
如图3所示，在示例性优选实施例中，通过LED22和24来提供照明。LED22是商用白色LED，然而其它照明源也在本发明的范围内。由于这种LED在较短波长处通常提供较低强度，所以，在优选实施例中，可选地提供紫外(UV)LED24以增加在较短波长处的照明强度。LED22和24由FPGA34控制，并且具体地，由在FPGA34内部的电路系统控制，其逻辑上配置为提供LED调光控制器44。本领域的技术人员要理解的是，对LED22和24进行控制以在调光控制器44的控制下向待测量表面或者材料(皮肤等，由图3中的测量表面26表示)提供期望强度和期望持续时间的照明。
基于表面26的特性，通过光纤束28(也参见图1的主传感器束)来接收光，在图3中，将该光纤束28示意性地图示为梯形，但是应该理解为光纤的束。光纤束28在优选实施例提供的光学腔内部形成接收器，并且优选地提供多个输出，其用于经由干涉滤光片将光耦合至LFC传感器阵列30的每一个传感器。虽然所示的实施例包括40个独立的LFC传感器，但是在优选实施例中，40个“通道”中的30个“通道”耦合至光纤束28的支腿，与其相应的每个滤光片的中心彼此相距约10nm，例如，410nm至700nm。在示例性优选实施例中，将剩余的10个通道中的7个通道用于监测或者追踪LED22和24所提供的照明，从而使处理器36和在其上运行的软件能够追踪照明的光谱和总体强度。对照明进行的这种多通道追踪和监测使处理器36和软件能够检测照明漂移，或者对操作发出警告以重新使仪器归一化，并且/或者在某些实施例中，鉴于照明漂移对测量进行补偿。
在优选实施例中，向LFC传感器中的一些或者全部提供光偏振，以确保每个传感器即时输出期望的最低水平的计数。在图3所示的实施例中，通过红外(IR)LED32，在通过处理器36和LED调光控制器44的软件控制下，可控地提供偏置照明。如将通过图3所理解的，IRLED可以通过脉宽调制来选择性地步进以增加其输出，从而使LFC阵列40的期望传感器(其可以，例如，仅仅是用于光谱测量的传感器)输出期望的最低水平的脉冲。在一个优选实施例中，使IRLED32所提供的偏置量增加预定量，并且测量传感器以确定是否实现了最低水平，并且，如果没有实现最低水平，那么逐步地使偏置量增加，直到确定针对期望的LFC传感器实现了最低水平。按照这种方式，可以通过自动的方式来实现期望的偏置水平。在某些优选实施例中，在仪器启动时进行自动偏置设置操作，并且在其它实施例中，该自动偏置设置操作是每次使用之前的归一化过程的部分。同样，应该理解，使用IRLED是示例性的，并且，其它照明源，诸如卤素或者其它白炽型灯泡，它们如期望地定位在CPUPCB(图1)的背面上并且提供可以被LFC传感器，例如，被定位在LFC传感器下面的PCB中的孔接收的照明。提供偏置照明的这种替代方法在本发明的范围内。
同样，如图3所示，FPGA34优选地包括用于控制仪器的计算系统的其它元件，包括，例如，SDRAM控制器40(SDRAM52可以耦合至该SDRAM控制器40)、闪存控制器42(闪速存储器54可以耦合至该闪存控制器42，该闪速存储器54可以为，例如，串联闪速存储器)、键盘外设IO(按钮56可以耦合至该键盘外设IO，该按钮56可以是任何期望的数量，诸如，两个、三个、四个等，并且可以是本领域已知的电容式开关或者其它类型的开关，但是优选地向用户提供触觉反馈)、在本文中更详细地描述的用于与外部装置进行数据通信的通用异步接收器/发送器(UART)50(无线模块，诸如WiFi电台58可以耦合至该UART50，但是该UART50还可以是BluetoothTM或者其它标准或者自定义的有线或者无线通信协议)、以及LCD显示器控制器46(LCD60或者其它适合的显示装置可以耦合至该LCD显示器控制器46)。其它实施例包括数据通信模块，诸如，通用串行总线USB(2.0、3.0、1.1等)。重要的是，FPGA可以选自例如AlteraCycloneIIITMFPGA，能配置为包括针对仪器的期望电路功能。虽然其它实施例包括独立的电路，诸如，CPU、存储器控制器、显示器控制器等，但是在优选实施例中，使用了FPGA34，并且该FPGA34能够容易地为不同的应用、更新的化妆品/预测表和数据重新配置仪器的硬件，将产品系列添加至化妆品/预测表格，等等。
现在参照图4A至4C，将进一步描述手持分光光度计410的示例性装置操作。
图4A的操作100图示了在本发明的优选实施例中使用的示例性“工厂校准”操作。如在步骤102中所示的，一个独立的仪器测量多个校准标准，数量上优选为至少四个。存储这种测量的结果以用于进一步处理。如在步骤104中所示的，基于来自步骤102中存储的测量数据，计算用于使光谱频带线性化的系数，并且存储这些系数。在优选实施例中，这种系数为腔模系数，如在SloanW.W.所提出的颜色研究和应用(ColorResearchandApplication)“半球形45°/0°分光光度计测量腔中的单光束样品吸收误差”(“Correctionofsingle-beamsampleabsorptionerrorinahemispherical45°/0°spectrophotometermeasurementcavity”)，1520-6378,DOI:10.1002/col.21824中所描述的。如在步骤106中所示的，测量校准/归一化标准(即，光学校准盘，诸如，图2的盘4A)并且存储测量结果，该校准/归一化标准附于仪器并且用于校准该仪器或者使其归一化。将优选的腔模系数和附于仪器的校准/归一化参照标准的反射光谱存储在装置内。根据优选实施例，这些数据的生成和存储被使用于工厂校准中。同样，根据优选实施例，使手持件和底座单元(参见图1、图2和图2A)序列化(例如，对与具体底座单元匹配或者对应的手持件设置序列号，该底座单元进行过工厂校准)。
图4B的操作108图示了在本发明的优选实施例中使用的示例性归一化/校准操作。将在工厂校准期间测量的校准/归一化参照标准定位在底座单元5(参见图2的校准盘4A)中。在进行测量之前，通过使用曾在工厂校准期间使用的相同的校准/归一化参照来执行校准/归一化操作(参见在本文中别处的描述，包括图7B以及有关描述)(步骤110)，并且将本次校准/归一化测量的结果与已存储的相同的校准/归一化参照的光谱数据相比较(步骤112)。基于该比较，计算增益因数或者系数并且将其存储在仪器中(步骤114)，并且该增益因数或者系数用于使用该仪器进行的后续测量(直到对该仪器进行下一次的校准/归一化)。这种校准/归一化旨在补偿在进行了工厂校准之后的仪器的光学性能的变化，包括光源照明的变化、腔、光纤束、滤光片等的光学特征的变化。
图4C的操作116图示了在本发明的优选实施例中使用的测量操作。在步骤118处，测量样品，其可以为皮肤、头发、或者其它物体或者材料，如在本文中的别处所提及的。在步骤120处，将归一化增益因数/系数应用于来自在步骤118处的测量的光谱数据以产生归一化光谱。在步骤122处，通过使用线性化系数来调整来自步骤120的归一化光谱数据，在优选实施例中，该线性化系数为腔模系数。步骤122通常产生归一化、线性化光谱。基于此，在步骤124处，计算三色刺激值。这类值可以用于分类(classification)算法和分类/归类(categorization)算法，诸如在本文的别处所描述的。
根据优选实施例，将光学腔呈现给接受评估的皮肤或者其它物体。光学腔优选接收并且反射来自照明源的宽带光，在优选实施例中，该照明源为一个或者多个类型的LED，其中，每个类型的LED指的是每个类型具有一个或者多个LED。光学腔中的开口允许光射入接受评估的表面。通过接收器来接收一部分该光，该接收器优选为使光传播并且经由带通滤光片将光耦合至传感器阵列的接收器光纤束，如在本文中的别处更详细地描述的。
然而，从接受评估的表面返回的一部分光并不是通过接收器/传感器束来直接接收，而是射入光学腔的一部分，并且该光学腔可以反射该光一次或者多次，从而使其重新射入接受评估的表面。在本文中，将这种光学效果称为样品替换误差、样品吸收误差等，可以通过使用已知方法，诸如，在SloanW.W.所提出的颜色研究和应用“半球形45°/0°分光光度计测量腔中的单光束样品吸收误差”(“Correctionofsingle-beamsampleabsorptionerrorinahemispherical45°/0°spectrophotometermeasurementcavity”)1520-6378,DOI:10.1002/col.21824中所公开的方法，来量化并且纠正该样品替换误差、样品吸收误差等。
在本发明的优选实施例中，根据本发明的手持分光光度计(handheldspectrophotometer)提供用于输入测量相关的数据或者其它数据的进一步的用户交流方式。然后可以将该测量相关的数据或者其它数据合并作为附属于某一具体的测量集的元数据。这种元数据的非限制性示例可以为测量对象的年龄、性别或者种族。可以用于标记测量数据的元数据的其它示例为期望对颜色归类的某一具体范围的化妆品，这将在下面进行描述。还可以将其它元数据用于自动标记测量数据标记。例如，手持分光光度计或者在本发明的系统中使用的其它光学颜色测量装置可以自动使用标记，该标记包括时间戳、或者本地生成的地理或者零售位置信息。
现在将参照图5描述根据本发明的一个实施例的系统。系统500包括：多个手持分光光度计510，该多个手持分光光度计510位于多个不同的地理位置(其可以为，例如，售卖化妆类产品或向这种产品的用户提供该类产品的零售位置或其他位置)；以及中央数据处理单元501，该中央数据处理单元501定位在远离每个手持分光光度计的地方。
如图5所示，手持分光光度计510的底座和/或测量仪器自己可以通过有线连接来连接至通信集线器513，该通信集线器513自己连接至计算机512，该计算机512连接至较大的网络508，诸如，因特网。此外，手持分光光度计510的底座和/或测量仪器自己可以通过IEEE802.15.1(BluetoothTM)、IEEE802.11(WiFi)或者其它任何合适的无线技术无线连接至平板电脑511等。平板电脑511可以通过IEEE802.11(WiFi)或者其它任何合适的无线技术连接至无线接入点509，该无线接入点509自己可以连接至较大的网络508，诸如，因特网。又如图5所示，手持分光光度计510的底座和/或测量仪器自己可以通过IEEE802.11(WiFi)或者任何其它合适的无线技术直接连接至无线接入点509。
中央数据处理单元501经由防火墙514和服务器515连接至网络508。服务器515设置为接收测量和元数据，以及来自手持分光光度计510的验证确认，如下面所描述的。服务器515还配置为不仅向手持分光光度计510发送确认请求，还向其发送可选的软件更新和固件更新。
服务器515连接至中央数据处理单元501。具体地，中央数据处理单元501的映射模块502适于经由服务器515接收来自具体手持分光光度计510的测量和元数据信息。映射模块将接收到的测量映射至颜色空间，如参照图7B在下面所描述的。然后，将映射的测量发送至预分类模块503，该预分类模块503设置为使用元数据来选择多个分类器标签集504-1、504-2、504-3和504-N中的一个，又如参照图7B在下面所描述的。
一旦分类器已经对映射的测量进行了分类(即，一旦已经给映射的测量加上了至少一个标签集中的至少一个标签)，那么就将映射的测量连同测量元数据和标签标记传递至验证模块505用于验证。验证模块505设置为经由服务器515将验证请求发送回至具体手持分光光度计510中的一个或者多个。如果对分类进行了验证，那么验证模块将映射的测量和其加标记的标签存储在存储器存储单元506中。可以通过计算机507来访问、分析并且操纵存储器存储单元506中的数据。将参照图7B在下面描述系统500的更详细的操作。
在机器学习和统计学中，“分类”(“classification”)是用于将对象分配给预定类别的方法学。将实施分类的算法称为“分类器”并且该算法通过识别数据的子总体(“类”)的类别集来由训练数据集发展而成。每类由称为“示例性变量”或者“特征”的一个或者多个可计量的属性定义。分类器为学习系统，在该学习系统中，可以将额外的数据输入用来调整示例性变量，并且用来生成能够提高数据分类的精确度的新的启发法(Heuristics)。
图6A为开发并且更新分类器的广义流程图。收集数据(600)并且从数据中提取特征(示例性变量)(602)，该特征(示例性变量)用于对类标签预测(604)。许多形式和来源的训练数据都落入在本发明的范围内。这种数据的非限制性示例为已被专家用户，或者由其它类型的分光光度计或者类似的装置分类的一系列测量。可以对另外的数据进行收集并且分类(606)，并且可以将该另外的数据用于通过调整示例性变量或者添加另外的启发(heuristics)的方式来再训练分类器(608)。然后将学习的分类器模型(610)用于类标签预测。
图6B为开发并且更新用于颜色推荐的分类器的流程图。以光谱测量的形式收集现场数据(612)，并且以针对颜色浅淡(Lightness)、色度(Chroma)和色调(hue)(L*、C*、和h*)的三色刺激计算的形式提取特征(614)。将这些特征用于类标签预测(616)。可以对另外的数据进行收集并且分类(618)，并且可以将该另外的数据用于通过调整示例性变量或者添加另外的启发的方式来再训练分类器(620)。然后将学习的模型(622)用于类标签预测。
在替代的优选实施例中，以其它三色刺激计算(例如，CIELAB)的形式从现场数据光谱提取特征。然后将这些特征用于类标签预测。在另一替代的优选实施例中，将特定的依赖波长的光谱反射率的感兴趣的测量直接用于类标签预测。在该实施例中，手动地或者通过有关特征提取的自动方法，诸如主要成分分析，来可选地确定感兴趣的测量。
在另一优选实施例中，基于目标测量基底的色素成分，通过将光谱转变为已知相关的测量来从现场数据光谱提取具体特征。对于皮肤测量的情况，具体的色基：氧合血红蛋白、氧血红蛋白和黑色素，主要负责皮肤的外观颜色，这在皮肤光谱学文献中是已知的。将反射率光谱转换为吸收光谱，并且通过使用来自文献(Stamatas,G.N.,Zmudzka,B.Z.,Kollias,N.,&Beer,J.Z.(2008).提出的：“皮肤红斑和色素沉着的体内测量：利用商用仪器实施漫反射分光光谱分析的新方式”(“Invivomeasurementofskinerythemaandpigmentation:newmeansofimplementationofdiffusereflectancespectroscopywithacommercialinstrument.BritishJournalofDermatology”)159(3),683-690)的公式来确定这些色基的相对浓度。这些色基浓度变量用作针对类标签预测的特征。在替代的优选实施例中，将先前描述的从光谱提取的特征的组合用于类标签预测。
图6D为基于范围(Range-Based)的分类器的广义流程图。通过从训练数据(644)和训练数据标签(646)提取的特征(648)来开发(学习)分类模型(650)。为了建立(学习)针对每类的分类模型，为来自训练数据的每个特征执行以下计算：
·平均值(652)
·最小值(654)
·最大值(656)
·通过回归来计算加权因数(658)(可选的)
·通过启发法来计算加权因数(660)(可选的)
图6E为用于在本公开中的基于范围的分类器的学习模型的流程图。通过测量训练对象的前额、脸颊和下颌的全反射光谱来收集训练数据(662)。从训练数据提取十八个特征(666)，如下：
·计算针对前额、脸颊和下颌的三色刺激值(L*、C*、h*)(668)。
·针对每个三色刺激值(L*、C*、h*)，计算色差(670)。
o脸颊-下颌
o脸颊-前额
o下颌-前额
通过计算每个特征的范围和平均值来为每个类(粉底化妆品颜色深浅)开发(学习)分类模型(672)。
·计算来自训练数据的18个特征中的每个特征的平均值(674)。
·计算来自训练数据的18个特征中的每个特征的最小值(676)。
·计算来自训练数据的18个特征中的每个特征的最大值(678)。
·(可选的)基于回归计算每个特征的加权(680)。
·(可选的)基于启发法计算每个特征的加权(682)。
图6C为基于6D中所描述的分类器的用于客户颜色深浅推荐/分类的流程图。通过测量训练对象的前额、脸颊和下颌的全反射光谱来收集现场数据(624)。然后从训练数据提取十八个特征(626)，如下：
·计算针对前额、脸颊和下颌的三色刺激值(L*、C*、h*)(628)。
·针对每个三色刺激值(L*、C*、h*)，计算色差(630)。
o脸颊-下颌
o脸颊-前额
o下颌-前额
经过学习的分类模型(642)用于通过将对象特征与类的每一个范围和平均值相比较来将对象分配给类(粉底化妆品颜色深浅)(632)。每个类针对18个特征的每个特征具有其自己的最小值、最大值和平均值。
·对于18个特征中的每个特征，如果现场数据在范围内，那么计算该特征的分数。该分数依赖于其与类的平均值之间的距离，范围从平均值处的一减小到在范围的最小值或者最大值处的零。(634)
·经过学习的模型(642)具有针对每个特征的加权因数。将特征的加权因数乘以该特征的分数。计算所有特征的总加权分数。这是类的总分数。(636)·比较每个类的总分数。最高分数是测量的对象的预测类。(637)
如果对象反馈相对于预测类(粉底化妆品颜色深浅)的颜色深浅匹配是肯定的，如上面所描述，那么给现场数据标上预测的类。(638)(可选的)通过添加所捕获的现场数据来再训练分类器(640)。
图6F为分类器模型的线性实施例的广义流程图，示出了分类问题的制定(684)、收集训练数据和训练标签(686)、可选地预处理训练数据并且使用该数据来训练学习模型(688、690)、以与训练数据相同的方式来可选地收集并且预处理测试数据(692、694)、测试学习模型并且确定结果是否是期望的(696、698)、以及以与训练数据相同的方式来可选地收集并且测试现场数据(699、697和695)。在现场数据的获取以及处理时，分类器的线性实施例不会要求继续调整学习模型。
图7A和图7B是表示根据本发明的分类模型的优选实施例的流程图，该分类模型以基于最近邻的模式分类算法为基础对颜色深浅进行分类。
通过从训练数据和相应的训练数据标签提取的特征来开发(学习)分类模型。为了建立(学习)针对每类的分类模型，为训练数据中的每次观察执行在图7A中所示的方法的以下步骤(750至754、以及可选地755)。
可以注意到，以下模型不会假设以参数化为基础(即，不会为任何类假设概率分布)，这样，在少量训练数据的情况下，在类的平均和方差是未知数时，可以使用该算法。通过这种方式，算法能够缓解在有监督的模式分类中的与“冷启动问题”相关的一些困难(即，当没有初始数据用于基于参数化学习的模型时)。
在步骤750处，通过测量测试对象的前额、脸颊和下颌的全反射光谱来收集训练数据，如在下面所描述的。然后，在步骤751中，通过计算针对前额、脸颊和下颌的三色刺激值(亮度L*、色度C*以及色调h*)来从训练数据中提取九个特征。然后，在步骤752处，将这些三色刺激值映射到九维特征空间，这九个值将训练数据集的每次观察(对象)完全描述为九维特征向量。如将要了解的，其它形式的将光谱测量映射到颜色空间和替代颜色空间还可以结合本发明一起使用。
为了使训练数据集完整，在步骤753中的每次观察都需要至少一个类标签。多个分类机制可能是理想的，例如，最终可能需要根据用于分类的特征空间的量化程度(例如，由在给定化妆品系列中的颜色深浅数量控制)来将新的观察分类为十组中的一组、或者二十组中的一组。在本文中，将类标签集定义为用于给定分类(例如，用于给定产品系列)的在相同的特征空间中的多个类标签。因此，一次观察(测试对象)可能需要多个类标签(即，来自众多类标签集中的每个类标签集的单个类标签)以供稍后在多个分类程序中使用(例如，用于多个产品系列，或者用于对从多个地理位置接收到的测量进行分类)。
另外，可以将多个类标签(即，选自单个类标签集的多个类标签)分配给一次观察，甚至在一次分类程序中使用。在这种情况下，对于这次观察而言，可能接受不只一次的分类，并且可以将该额外的信息用来改善分类模型。在步骤754处，重复步骤750至步骤753直到没有更多可获得的训练数据。
对于没有包括在训练数据集内的正在进入的观察，例如，新用户需要颜色深浅分类，通过在步骤756处测量对象的前额、脸颊和下颌的全反射光谱来收集现场数据。然后，在步骤757处，将这些测量映射到期望的颜色空间中。在优选实施例中，通过计算针对测量区的每个区的三色刺激值(亮度L*、色度C*以及色调h*)来从输入数据中提取九个特征。然后，在步骤758处，将颜色空间测量映射到九维特征空间。
为了使学习模型有效地工作，必须使测量区尽可能接近用于生成训练数据集的测量区。这可以通过，例如，在分光光度计上提供图形用户界面(GUI)以通过使用面部图的动画按照测量布局来引导用户。用户的测量向量应该是九维特征向量。训练数据集包括9D向量集，一个集用于每次观察(对象)。
一旦以与类标签训练数据相同的方式使新数据格式化，待使用的分类模型就为k最近邻(kNN，k-NearestNeighbors)算法的分类模型。作为高标准，该模式分类算法需要标识了类标签的训练数据集、与训练数据一致地格式化的新观察、用于比较观察之间的距离的距离测度的选择、以及在分类中待考虑的相邻观察(k)的数量的选择。
在非限制性示例中，将k设置为1，并且将距离函数设置为欧几里得距离(L2范数，L2-norm)。然后，在步骤760处，继续执行算法以计算新的映射的测量与数据集内每次观察之间的成对的欧几里得距离。在步骤761处，识别在数据集内的与新的观察最接近的观察和该最接近的观察的类标签(步骤762)。最后，返回该类标签作为在步骤763中的新的观察的预测类。
在kNN算法中，将变量k设定在根据经验性地优化的常数整数值，表示将要在分类中使用的“近邻”的数量。如果k的值大于1，那么在得分相同的情况下需要观察加权或者投票机制。在多个近邻具有不同类标签的情况下，将需要更进一步的启发，以用于为新的观察选择最后的最好的类。当收集到更多可靠的数据并且将其并入训练数据集中时，可以调整k的值以改善分类精确度。提供欧几里得距离作为优选距离函数，虽然在该算法中可以使用多个其它距离函数。
在优选实施例中，将近邻的数量k设置为1，并且所使用的距离函数为9-D的归一化欧几里得距离函数(当所有训练数据和格式化新观察为9-D时)。由于9个变量的不均匀的缩放比例，将训练数据和输入的新的观察归一化，如现在将描述的。
在步骤755处，首先计算训练数据的每个变量的标准偏差。例如，跨越训练集的所有观察来计算前额的亮度L*的偏差。在分类之前，新的观察和训练数据的9-D向量的所有元素除以为相应变量计算的标准偏差值，如在步骤759中所示的。在本优选实施例中预先计算标准偏差值和归一化训练数据以减少在线计算。随着训练数据集的规模的增长，彻底的成对距离计算也可能变得太慢和更复杂，可以实施本领域的技术人员熟知的为这种搜索设计的替代数据结构以使分类加速并且减小距离计算量。
在另一优选实施例中，将近邻的数量k设置为1，并且所使用的距离函数为自定义加权的归一化欧几里得距离函数。根据测量本身，用于测量每次观察(observation)的成对距离的九个变量的加权(相对重要性)不同。例如，对于某一种族的用户来说，脸颊的亮度可能比前额的亮度拥有更高的重要度。
在本优选实施例中，首先识别与亮皮肤色调组、中间皮肤色调组以及暗皮肤色调组对应的三个主要类的测量。亮组由亮度值(跨越前额、脸颊、颈部的平均值)，L*>54定义，中间组由亮度值，54>L*>40定义，并且暗组由亮度值，40>L*定义。然后，对于每个组，设置九个变量中的每个变量的距离函数加权值，使所有加权的总和等于1。可以使用训练数据通过实验来确定每个皮肤色调组的最优加权值。采用这种方法，新的观察与训练数据点之间的成对距离将是不同的并且更适合预测每个皮肤色调范围中的新数据的类。该方案的另外的优势为：基于首次分类为三个皮肤色调子组中的一个子组，从而需要较少的成对距离计算。
现在将参照图5和图7B描述本发明的系统所执行的总体方法。
在步骤701处，通过使用手持分光光度计510来进行一系列测量。这些测量包括对象的前额、脸颊和下颌的全反射光谱。在步骤702处，一旦保存到手持分光光度计510上的本地存储器，就可以利用元数据，诸如，例如，时间/日期戳、和/或与手持分光光度计510相关联的地理或者零售位置信息来给测量数据加上标记。在步骤703处，手持分光光度计510向中央处理器501发送该测量和任何元数据以用于分类。如在上面所描述的，这是经由网络508、防火墙515和服务器515来完成的。
在步骤704处，中央处理器501的映射模块502将测量映射到优选颜色空间，并且然后，在步骤705处，将颜色空间映射到九维特征空间，如参照图7A在上面详细描述的。本领域的读者可以理解的是，可以在手持分光光度计510中可替代地实施映射模块502。然后将映射的测量传递至预分类模块503以确定将哪个标签集(504-1、504-2、503-3、……504-N)用来分类映射的测量。
分类器标签集的选取将确定将使用哪个标签集来确定在图7A的步骤762中的类标签。标签集的非限制性示例可以包括可用于不同市场的产品系列的颜色深浅。每个标签集可以包括不同的特征空间的量化度。由此，对于第一产品系列，可以将第一标签集分为10个不同的标签(颜色深浅)，然而，对于第二产品系列，可以将第二标签集分为十个不同的标签(颜色深浅)。此外，可以不使每个标签集的特征空间均匀量化，并且该特征空间可以因此包括覆盖特征空间的较大和较小部分的“较大”和“较小”标签。
本质上，选取不同的标签集通常将导致应用不同的标签，从而引起不同的分类。正因如此，可以将使用不同的标签集的分类器视为不同的分类器，因为它们通常将导致不同的结果。
在步骤706处，预分类器模块503使用从手持分光光度计510接收到的元数据来选择将哪个标签集用于对映射的测量进行分类。作为此的示例，如果元数据包括地理和零售位置，那么预分类模块503可以将地理和零售位置与具体产品系列匹配。一旦识别了具体产品系列，其关联的标签集就可以用于分类。可替代地，预分类模块503可能确定，在进行测量的具体零售机构(即，在指定国家或者州中的指定品牌商店)中，可获得多于一个产品系列。在这种情况下，预分类模块503可以选择两个不同的标签集，每个产品系列使用一个。
在步骤707处，将至少一个分类器504-1、504-2、504-3、504-N(即，使用不同的标签集的分类器)用来识别与映射的测量相关联的至少一个分类标签。每个分类根据如上所述的方式来执行，并且需要访问在存储器存储单元506中存储的数据集。
一旦映射的测量与至少一个分类标签相关联，就向验证模块发送它们和与它们关联的至少一个分类标签。在步骤708处，验证模块将至少一个分类标签发送回至曾经用于进行测量的手持分光光度计510，并且向用户示出分类(即，其相关颜色深浅)。然后，可以促使用户接受、拒绝或者忽略所提供的分类。
如果用户接受分类，那么手持分光光度计将验证指示发送回至验证模块。另一方面，如果用户拒绝分类，那么手持分光光度计提示用户选择替代的分类。一旦选择，就可以将替代的分类发送至验证模块以做进一步处理。
在步骤709处，确定是否已经接收到分类的验证。这可以在一段特定的时间之后执行。如果接收到验证，那么在步骤713处，将映射的测量和分类标签添加到相关数据集。然而，如果没有接收到验证，那么确定是否建议与替代的分类标签相关联的替代的产品。如果是，在步骤712中，将替代的分类标签分配给映射的测量，并且，在步骤713中，将二者都添加到相关数据集。最后，如果没有接收到验证，并且没有建议替代的产品，那么在步骤711处，可以简单地丢弃映射的测量。
在本发明的一些实施例中，步骤701至708通过手持分光光度计510本身来执行，并且映射的测量和标签存储在本地以周期地上传至中央处理器501。在这些实施例中，虽然支持本地存储的数据集，仍可以通过使用上述方法来执行分类。在这种实施例中，中央处理器接收验证的映射的测量和标签，并且将其添加到存储器存储单元506中的适当的数据集。
周期性地，中央处理器可以向每个手持分光光度计装置510推动数据集更新，在每个手持分光光度计装置中，利用存储单元506的全球或者全系统的数据集来替代本地存储的数据集。该全球或者全系统的测量累积，连同向手持装置自动推动数据集更新一起，允许系统中的每个分光光度计510受益于由系统500中的所有(或者一些)其它分光光度计装置510完成的分类。
如在本文中的别处所描述的，本发明的优选实施例如期望地包括显示器，优选LCD，用于向用户方便地提供图形、文本和数值信息以提供直观的和强大的用户界面。这种显示器与上按钮9和优选三个下按钮9(参见，例如，图2A)的优选布置的结合以使优选实施例能够提供这种直观的和强大的用户界面。
现在将参照图8A以及下列等等描述显示的示例性屏幕截图。基于在本文中所示和所描述的示例性屏幕截图，本领域的技术人员将理解的是，其改进、变化和变更在本发明的范围内。
如图8A所示，如期望地显示介绍性的屏幕。该屏幕，例如，可以提供公司或者产品标识和期望类型的图形等。优选地，在按钮9中的一个按钮(例如，下部中心按钮9)附近显示开始指示，并且通过按下合适的按钮9来开始操作。
如图8B所示，在优选实施例中，显示开始校准屏幕。优选地，在按钮9中的一个按钮(例如，下部中心按钮9)附近显示开始校准指示，并且通过按下合适的按钮9来发起开始校准。
如图8C所示，在优选实施例中，显示正在校准屏幕，这如期望地向用户指示了校准过程在进行中。
如图8D所示，在优选实施例中，显示开始屏幕，这表明已经成功完成了校准过程。在校准失败的情况下，需要显示屏幕以提示用户发起(或者重新发起)校准。在替代的优选实施例中，在提示用户重新发起校准之前多次发起校准循环(CalibrationSequence)，并且仍然可以可替代地显示另外的消息，诸如，提示关机、技术人员维修、清洁或者涉及校准参考的其它维护等。优选地，在按钮9中的一个按钮(例如，下部中心按钮9)附近显示开始扫描标志，并且通过按下合适的按钮9来发起开始进一步的处理。
如图8E所示，在优选实施例中，显示扫描区1显示屏。优选地，在按钮9中的一个按钮(例如，下部中心按钮9)的附近显示开始区1扫描的标志，并且通过按下合适的按钮9来发起开始扫描。在优选实施例中，如图所示，显示图形以引导用户到区1扫描的大概位置。应该注意，在优选实施例中，在一次启动的扫描中发起了多次测量，诸如，三次测量。在这种实施例的某些实施例中，针对逐个光谱频带，对三次测量进行平均。在其它实施例中，计算L*、a*、b*、或者L*、C*、h*值和平均值。重要的是，在这种实施例中，可以使用多次测量，并且使其平均化以提高数据完整性和可靠性。
如图8F所示，在优选实施例中，显示屏幕以使用户能够重新扫描区1或者继续进行下一个步骤。优选地，在与按钮9(例如，下部左和右按钮9)中的一个按钮相对应的附近显示重新扫描(rescan)标志和下一个(next)标志，并且通过按下合适的按钮9来选择重新扫描或者继续进行下一个步骤。
图8G与图8F相似，但是在图8F中，高亮显示下一个标志，然而在图8G中，高亮显示重新扫描标志。在优选实施例中，一旦选择被高亮显示，通过按钮9中的一个预定按钮(例如，下部中心按钮9)来发起激活该选择动作。
如图8H所示，在优选实施例中，显示扫描区2显示屏。优选地，在按钮9中的一个按钮(例如，下部中心按钮9)附近显示开始区2扫描的标志，并且通过按下合适的按钮9来发起开始扫描。在优选实施例中，如图所示，显示图形以引导用户到区2扫描的大概位置。
如图8I所示，在优选实施例中，显示屏幕以使用户能够重新扫描区2或者继续进行下一个步骤。优选类似于结合图8F和8G所描述的来显示和操作该屏幕和相关联的按钮。
如图8J所示，在优选实施例中，显示扫描区3显示屏。优选地，在按钮9中的一个按钮(例如，下部中心按钮9)附近显示开始区3扫描的标志，并且通过按下合适的按钮9来发起开始扫描。在优选实施例中，如图所示，显示图形以引导用户到区3扫描的大概位置。
如图8K所示，在优选实施例中，显示屏幕以使用户能够重新扫描区3或者继续进行下一个步骤。优选类似于结合图8F和8G所描述的内容来显示和操作该平屏幕和相关联的按钮。
如图8L所示，在优选实施例中，显示屏幕以使用户能够重新开始扫描过程(在替代优选实施例中，重新开始过程回到发起校准步骤或者可替代地回到扫描区1步骤)或者继续进行下一个步骤。优选地，在与按钮9中的一个按钮(例如，下部左和右按钮9)对应的附近显示重新开始标志和下一个标志，并且通过按下合适的按钮9来选择重新开始或者继续进行下一个步骤。
图8M与图8L相似，但是在图8L中，高亮显示重新开始标志，然而在图8M中，高亮显示下一个标志。在优选实施例中，一旦选择被高亮显示，通过按钮9中的一个预定按钮(例如，下部中心按钮9)来发起激活选择动作。
如图8N所示，在优选实施例中，显示，图示第一产品选择屏幕。优选地，该类型的产品选择屏幕使，例如，用户(诸如，美容顾问)能够基于在先前的步骤(在本文中的别处更详细地描述产品选择或者匹配)中获得的分光光度数据(或者通过其计算得到或者确定的数据)来选择产品类型用于选择或者匹配。图8N的示例性屏幕在左侧图示了LANCOME的精华型产品(例如，DreamTone精华露，DreamTone为LANCOME的商标)，对于精华类产品，优选产品瓶或者其它容器或者标识符的图形。图8N的示例性屏幕在左侧图示了LANCOME的精华类产品(例如，DreamTone精华露，DreamTone为LANCOME的商标)，对于精华类产品，优选产品瓶或者其它容器或者标识符的图形。图8N的示例性屏幕在右侧图示了LANCOME的粉底类产品(例如，TeintMiracle粉底，TeintMiracle为LANCOME的商标)，对于粉底类产品，优选产品瓶或者其它容器或者标识符的图形。根据优选实施例，可以将在先前的步骤中获得的分光光度数据用来根据第一预测算法选择第一产品类型的目标或者匹配产品，同时，可以将这种分光光度数据用来根据第二预测算法选择与第一产品类型不同的(例如，精华相对于粉底)第二产品类型的目标或者匹配产品。可以利用图形图像导引来直观地并且容易地选择这种产品系列和预测算法。如本领域的技术人员基于本文中的描述要了解的，可以基于产品系列和产品系列类型的具体特性优化这种预测算法。
如图8O和图8Q所示，在优选实施例中，在用户(例如，美容顾问)选择之后，显示产品类型屏幕。图8N与图8P相似，但是在图8N中，高亮显示精华类产品标志，然而在图8P中，高亮显示粉底类产品标志。在优选实施例中，一旦选择被高亮显示，通过按钮9(例如，下部中心按钮9)中的一个预定按钮来发起激活选择动作。
再次参照图8Q，通过图形(所示的示例性产品瓶)的方式来优选指示第一粉底类产品(例如，TeintMiracle粉底产品)，并且还提供了标志以示出用户还可以逐个浏览其它粉底类产品。在图8R中，在推动滚动型按钮之后，通过图形(所示的示例性产品瓶)的方式来优选指示第二粉底类产品(例如，TeintIdoleUltra；TeintIdoleUltra为LANCOME的商标)，并且还可以提供一个或者多个标志以示出用户可以在一个或者两个方向上浏览其它粉底类产品(一个方向滚动和两个方向滚动都在本发明的范围内)。在图8T中，在推动滚动型按钮之后，通过图形(所示的示例性产品瓶)的方式来优选指示第三粉底类产品(例如，TeintVisionnaire；TeintVisionnaire为LANCOME的商标)。在优选实施例中，一旦选定了粉底类选择，就通过按钮9中的一个预定按钮(例如，下部中心按钮9)来发起激活选择，并且选定粉底类产品(参见，例如，图8S)。
如图8S所示，可以选择粉底类产品，这会发起在本文中的别处所描述的选择或者匹配算法或者发起在本文中的别处所描述的选择或者匹配算法的输出。在优选实施例中，为产品类型和系列中的一些或者全部自动发起选择或者匹配算法，从而在选择产品系列之后可以更迅速地显示结果。在其它实施例中，在选择产品类型和具体产品系列之后发起算法。
如图8U所示，在优选实施例中，显示选择的或者匹配产品，以提供该选择或者匹配的优选图形和字母数字显示。在图8U中，TeintVisionnaire粉底为被选择的产品系列，并且220BuffC是确定为最好或者最优的选择或者匹配的具体粉底产品。应该理解，最好或者最优的选择或者匹配可以指示预测的视觉匹配或者基于产品实现的最终结果预测为期望选择的产品选择。同样，如图8U所示，优选提供了标志，从而使用户可以经由按钮推动来编辑粉底选择或者匹配，或者可替代地，可以经由按钮推动来确认选择(在图8U中示出了确认选择标志)。如果确认了选择或者匹配(诸如，通过美容顾问或者应用粉底并且确定可接受的结果的终端客户)，那么优选显示诸如图8W所示的显示屏，这图形化地确认了选择，并且提供标志指示可以作出选择，以利用按钮推动来开始新的扫描(诸如，新的客户，并且在这种情况下程序会在校准步骤或者扫描开始步骤等再次开始)。
如果用户经由按钮推动来选择编辑粉底选择，那么优选诸如8V所示的显示屏幕。虽然其它替代选择在本发明的范围内，但是图8V通过打钩和在当前选择上覆盖阴影提供了仪器提供选择的指示。如图8X和图8Y所示，使用按钮推动(例如，左/右下按钮9)，可以浏览所选择的产品系列的产品。在优选实施例中，如期望地将产品系列的产品通过光学特性(诸如，值或者通过值和色调等)分类或者排序，按照期望和预定顺序滚动浏览产品。按钮推动(例如，中心下按钮9)可以用于使用户进入替代选择，这导致了如在图8Z(其与图8W类似，如先前所描述的)中显示的高亮选择。图8W和8Z提供了被选择产品和开始新的扫描的指示(这可能导致图8AA中所示的显示、或者图8B的校准屏幕等)。
现在参照图8BB至图8EE，图示了示例性屏幕，用于将仪器连接至配套平板电脑应用和WiFi网络。如将通过先前描述所理解的，按钮9可以用于滚动(例如，左/右下按钮9用于向上/向下等)并且作出选择(例如，中心下按钮9用于选择)。可以经由图8BB和图8CC中的屏幕完成与配套装置(例如，平板电脑、计算机、智能手机、终端出售点、售货亭等)的连接。可以经由诸如图8DD和8EE中的屏幕，来选择至WiFi网络的连接。
图8FF图示了从检测到的网络的显示列表中选择网络(在优选实施例中包括的WiFi模块可以进行网络检测)，并且图8GG图示了用于网络安全性的密码输入(作为一个示例，字母数字字符被显示，并通过按钮9滚动及选择，如将通过在文章的别处的描述所理解到的)。图8HH图示了向用户指示仪器正在连接至WiFi网络的示例性屏幕。图8ll图示了向用户指示仪器连接至所选择的网络的示例性屏幕。对用于连接至配套装置和WiFi网络的这种屏幕的替代在本发明的范围内。
将图8JJ至图8MM理解为在优选实施例中提供示例性状态图标，诸如，其用于电池电量和充电状态(诸如，具有电池充电水平的动画)、针对配套装置(诸如，平板电脑或者智能手机)的连接状态、以及至WiFi网络的连接状态。这类状态图标在本发明的范围内。
将图8NN至图8QQ理解为在优选实施例中提供用于选择位置信息的示例性屏幕，诸如，地理区(图8NN)、子区(图8OO)以及国家(图8PP)。另外，图8QQ图示了设置国家概况。如将通过本文中其它的描述所理解的，按钮9能够如期望地滚动并且选择这种图形信息。其它位置信息，诸如，城市、商店名称、商店内的位置等也在本发明的范围内。
优选地，响应于经由示例性显示屏幕的用户操作，不仅获得分光光度计数据并且将其存储在仪器中，而且获得三色刺激值，诸如，L*、a*、b*和L*、C*、h*等并且将其存储在仪器中。将经由在本文中的别处所描述的选择/匹配算法的表明仪器选择的数据、并且在如上面所描述已经通过用户作出选择编辑的情况下，被编辑的选择和被表明被编辑的选择的数据优选存储在仪器中。在优选实施例中，仪器具有持久或者间歇式的网络连接，可以通过该持久或者间歇式的网络连接将来自仪器的数据连接至集中式资源，诸如，联网数据库。通过与集中式网或者网络资源的数据连接的方式，该数据优选经由该数据连接发送至集中式资源，该方式直接通过在仪器中提供的HTML服务(例如，在图3的FPGA34的配置内的功能，优选地包括HTML服务等)或者通过中间计算机、平板电脑或者智能手机来完成。在本发明的范围内，该数据连接为无线数据连接，诸如，蓝牙(Bluetooth)或者WiFi连接、和/或有线数据连接，诸如，USB或者LAN。
根据本发明的实施例，如上所述，将数据存储在集中式资源内，并且另外，经由集中式资源执行后续数据处理，这可以直接利用集中式的一个或多个计算机或者服务器，或者远程地利用一个或多个计算机或者服务器，该一个或多个计算机或者服务器可以访问或通过集中式资源访问其存储的数据。例如，这种处理可以提供在仪器中用来执行如在本文中的别处所描述的预测算法的改进的选择或者匹配算法和/或平板电脑或者其它数据结构的更新。同样，在本发明的范围内，将以下信息中的一些或者全部发送给集中式资源：识别仪器(诸如，经由MAC地址或者其它标识符，诸如，装置序列号)的信息；指示仪器的地理位置，诸如，仪器所在的商店或者其它商业位置的信息；指示软件或固件版本的信息，例如FPGA的配置或者在非FPGA实施例的情况下的其它软件；经由从图8B中开始的校准过程获得的归一化或者校准数据；指示在仪器中使用的归一化或者校准参考的信息，可能是初始归一化数据或者用于初始归一化参照的标识符；以及用于测量的日期和时间戳，其可以经由作为独立模块或者在WiFi模块中的实时时钟函数来提供，或者经由不时通过网络连接进行更新的时钟来提供，(在其它实施例中，时间戳仅仅是通过集中式资源接收到的日期和时间)。仪器中的这种数据生成和/或存储以及至一个或者多个远程和/或集中式资源(例如，数据库、基于云的数据存储或者网络服务)的传输在本发明的范围内。另外，如在本文中的别处所描述的，对配置数据、软件、预测算法、预测数据结构的更新同样在本发明的范围内，并且一个或者多个集中式资源如期望地向仪器提供在本文中所计划的这种更新数据(这可以是相同的或者不同的集中式资源，但是在任何情况下，基于先前由达到集中式资源的仪器发送的数据将这种更新向下提供给仪器)。
描述和附图仅仅图示了本发明的原理。由此，要了解，本领域的技术人员能够设想各种布置，虽然在本文中没有明确地描述或者示出，但是这些布置体现了本发明的原理并且包括在其范围内。
此外，本文中详述本发明的原理、方面和实施例的全部陈述以及其具体示例旨在囊括其等效物。例如，可以通过使用专用硬件以及结合合适的软件能够执行软件的硬件，来提供在图中所示的各种元件的功能，包括标记为“模块”的任何功能框。
此外，不应该将术语“中央数据处理单元”的明确使用解释为指的是排他地能够执行软件的硬件，并且可以暗示包括，但不限于，数据信号处理器(DSP)硬件、网络处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、用于存储软件的只读存储器(ROM)、随机存取存储器(RAM)以及非易失性存储器。还可以包括其它硬件、常规和/或自定义。
本领域的技术人员将容易地认识到，可以通过编程计算机来执行各种上面所描述的方法的步骤。在本文中，一些实施例还旨在涵盖程序存储装置，例如，数字数据存储介质，该程序存储装置是机器或者计算机可读的并且对指令的非暂时性机器可执行或者计算机可执行的程序进行编码，其中，所述指令执行所述上面描述的方法的步骤中的一些或者全部。
程序存储装置可以是，例如，数字存储器、磁存储介质(诸如，磁盘和磁带)、硬盘驱动器、或者光学可读的数字数据存储介质。实施例还旨在涵盖编程以执行上面所描述的方法的所述步骤的计算机。本领域的技术人员应该了解，本文中的任何框图表示体现了本发明的原理的说明性电路系统的构思图。

Claims (32)

1.一种颜色分类方法，其包括以下步骤：
使用颜色或者光谱测量装置对表面的颜色进行至少一次颜色或者光谱测量；
将所述至少一次颜色或者光谱测量映射到多维特征空间；以及
使用至少一个分类器将所述映射的至少一次光谱测量分类为颜色类别。
2.根据权利要求1所述的颜色分类方法，其进一步包括以下步骤：
将所述映射的至少一次光谱测量和颜色类别添加至所述分类器所使用的训练数据。
3.根据权利要求1所述的颜色分类方法，其进一步包括以下步骤：
为所述颜色或者光谱测量装置的用户生成验证请求，所述验证请求包括对在所述分类步骤中确定的所述颜色类别进行验证的请求；以及
只有在所述颜色或者光谱测量装置的所述用户验证了所述颜色类别时，方将所述映射的至少一次光谱测量和颜色类别添加至所述分类器所使用的训练数据。
4.根据权利要求1至3中任一项所述的颜色分类方法，其中，所述颜色或者光谱测量装置为光谱测量装置，并且所述颜色或者光谱测量为光谱测量，所述方法进一步包括以下步骤：
在将所述至少一次光谱测量映射到多维特征空间之前，将所述至少一次光谱测量映射到颜色空间。
5.根据权利要求4所述的颜色分类方法，其中，所述颜色空间为三色刺激的亮度、色度以及色调，LCh颜色空间。
6.根据权利要求5所述的颜色分类方法，其中，所述表面包括人体的皮肤、头发、指甲、或者其它部位的表面。
7.根据权利要求6所述的颜色分类方法，其中，
所述表面为所述皮肤的表面；
通过使用光谱测量装置对表面的颜色进行至少一次光谱测量的步骤包括：对对象的前额进行三次光谱测量、对所述对象的脸颊进行三次光谱测量、以及对所述对象的颈部进行三次光谱测量；并且
将所述至少一次光谱测量映射到多维特征空间的步骤包括：将所述至少一次光谱测量映射到九维特征空间的步骤。
8.根据权利要求7所述的颜色分类方法，其中，所述分类器通过使用多个类别标签集中的至少一个类别标签集在所述训练数据中使用k最近邻算法来进行分类。
9.根据权利要求8所述的颜色分类方法，其中，所述k最近邻算法的距离函数为欧几里得距离函数。
10.根据权利要求9所述的颜色分类方法，其中，k＝1。
11.根据权利要求8至10所述的颜色分类方法，其中，所述k最近邻算法的距离函数为归一化的欧几里得距离函数，并且通过将每次新映射的测量和所述训练数据除以为相应变量计算的标准偏差值来使所述训练数据归一化。
12.根据权利要求8至11中任一项所述的颜色分类方法，其中，所述k最近邻算法的距离函数为自定义加权距离函数，在所述自定义加权距离函数中，用于测量每次测量的成对距离的九个变量的加权不同。
13.根据权利要求8至12中任一项所述的颜色分类方法，其中，所述方法进一步包括以下步骤：
收集与所述至少一次光谱测量相关的元数据；以及
至少部分地基于所述元数据，选择至少一个在所述分类步骤中待使用的标签集。
14.根据权利要求13所述的颜色分类方法，其中，所述元数据包括以下中的至少一个：表示进行所述测量的时间的时间戳、有关所述对象的身份的细节、所述对象的地理位置或者零售位置。
15.根据权利要求8至14中任一项所述的颜色分类方法，其中，每个类别标签集包括与化妆品的颜色深浅关联的多个标签。
16.根据权利要求15所述的颜色分类方法，其中，所述类别标签集与不同的化妆品系列关联。
17.根据权利要求15所述的颜色分类方法，其中，所述类别标签集与在所述对象的地理位置或者零售位置中可获得的不同的化妆品系列关联。
18.一种非暂时性有形计算机可读介质，其具有存储在其上的用于使处理器执行权利要求1至17中任一项所述的方法步骤的指令。
19.一种颜色分类系统，其包括：
至少一个颜色或者光谱测量装置，所述至少一个颜色或者光谱测量装置设置为对表面的颜色进行至少一次颜色或者光谱测量，所述至少一个颜色或者光谱测量装置进一步设置为通过数据通信网络将所述至少一次光谱测量传送至数据处理单元；以及
中央处理单元，所述中央处理单元设置为：
接收所述至少一次颜色或者光谱测量；
将所述至少一次颜色或者光谱测量映射到多维特征空间；
使用至少一个分类器将所述映射的至少一次光谱测量分类为类别；以及
将所述类别的指示发送给所述至少一个颜色或者光谱测量装置。
20.根据权利要求19所述的颜色分类系统，其中，所述中央处理单元进一步设置为：
生成验证请求；以及
将所述验证请求发送给所述至少一个颜色或者光谱测量装置；
所述至少一个颜色或者光谱测量装置进一步设置为：
向所述颜色或者光谱测量装置的用户显示所述验证请求；
接受来自所述颜色或者光谱测量装置的用户的验证响应；
将所述验证响应发送到所述中央处理单元。
21.根据权利要求20所述的颜色分类系统，其中，中央处理单元进一步设置为：如果从所述至少一个光谱测量装置接收到的验证响应是肯定的，则将所述映射的至少一次光谱测量和颜色类别添加至所述分类器所使用的训练数据。
22.一种颜色分类系统，其包括：
至少一个颜色或者光谱测量装置，所述至少一个颜色或者光谱测量装置设置为：
对表面的颜色进行至少一次颜色或者光谱测量；
将所述至少一次颜色或者光谱测量映射到多维特征空间；以及
使用至少一个分类器将映射的至少一次颜色或者光谱测量分类为颜色类别；以及
中央处理单元，所述中央处理单元设置为接收颜色类别和分类的映射的至少一次颜色或者光谱测量。
23.根据权利要求22所述的颜色分类系统，其中，所述中央处理单元进一步设置为：将所述映射的至少一次光谱测量和颜色类别添加至所述分类器所使用的训练数据；以及
将所述训练数据周期性地发送给所述至少一个颜色或者光谱测量装置。
24.根据权利要求22所述的颜色分类系统，其中，所述至少一个颜色或者光谱测量装置进一步设置为：
生成验证请求；
向所述颜色或者光谱测量装置的用户显示所述验证请求；
接受来自所述颜色或者光谱测量装置的用户的验证响应；以及
将所述验证响应发送到所述中央处理单元，并且
所述中央处理单元进一步设置为：
接收来自所述颜色或者光谱测量装置的所述验证响应，以及，如果所述验证响应是肯定的，则将所述映射的至少一次光谱测量和颜色类别添加至所述分类器所使用的训练数据。
25.根据权利要求19至24中任一项所述的颜色分类系统，其中，所述至少一个光谱测量装置设置为对人体的皮肤、头发、指甲、或者其它部位的表面进行颜色或者光谱测量。
26.根据权利要求19至25中任一项所述的颜色分类系统，其中，所述至少一个光谱测量装置设置为：
对皮肤的表面进行颜色或者光谱测量；
对对象的前额进行三次颜色或者光谱测量、对所述对象的脸颊进行三次颜色或者光谱测量、以及对所述对象的颈部进行三次颜色或者光谱测量。
27.根据权利要求19至26中任一项所述的颜色分类系统，其中，所述分类器设置为通过使用多个类别标签集中的至少一个类别标签集在所述训练数据中使用k最近邻算法来分类。
28.根据权利要求19至27中任一项所述的颜色分类系统，其中，所述系统进一步包括：
元数据收集部件，所述元数据收集部件设置为收集与所述至少一次光谱测量相关的元数据；以及
选择部件，所述选择部件设置为至少部分地基于所述元数据选择所述分类器待使用的至少一个标签集。
29.根据权利要求28所述的颜色分类系统，其中，所述元数据包括以下中的至少一个：表示进行所述测量的时间的时间戳、有关所述对象的身份的细节、所述对象的地理位置或者零售位置。
30.根据权利要求27至29中任一项所述的颜色分类系统，其中，每个类别标签集包括与化妆品的颜色深浅关联的多个标签。
31.根据权利要求30所述的颜色分类方法，其中，所述类别标签集与不同的化妆品系列关联。
32.根据权利要求30所述的颜色分类方法，其中，所述类别标签集与在所述对象的地理位置或者零售位置中可获得的不同的化妆品系列关联。
CN201480051990.XA 2013-09-19 2014-09-18 对表面的颜色和光谱进行测量及分类的系统和方法 Active CN105683724B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361880157P 2013-09-19 2013-09-19
US61/880,157 2013-09-19
PCT/EP2014/069888 WO2015040110A1 (en) 2013-09-19 2014-09-18 Systems and methods for measuring and categorizing colors and spectra of surfaces

Publications (2)

Publication Number Publication Date
CN105683724A true CN105683724A (zh) 2016-06-15
CN105683724B CN105683724B (zh) 2018-09-14

Family

ID=51619155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480051990.XA Active CN105683724B (zh) 2013-09-19 2014-09-18 对表面的颜色和光谱进行测量及分类的系统和方法

Country Status (6)

Country Link
US (2) US9364071B2 (zh)
EP (1) EP3047244B1 (zh)
JP (1) JP6375557B2 (zh)
KR (1) KR102242460B1 (zh)
CN (1) CN105683724B (zh)
WO (1) WO2015040110A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110507335A (zh) * 2019-08-23 2019-11-29 山东大学 基于多模态信息的服刑人员心理健康状态评估方法及系统
CN110631704A (zh) * 2019-09-05 2019-12-31 杭州市农业科学研究院 一种基于Lab色彩模式的绿壳鸡蛋壳色分类色卡
CN111096815A (zh) * 2018-10-25 2020-05-05 伊沃克拉尔维瓦登特股份公司 用于确定牙色的方法
CN112214598A (zh) * 2020-09-27 2021-01-12 中润普达(十堰)大数据中心有限公司 一种基于头发状况的认知系统
CN113490450A (zh) * 2019-02-27 2021-10-08 莱雅公司 用于检查头发样本的设备和方法
CN113557716A (zh) * 2019-03-13 2021-10-26 莱雅公司 用于将包括毛发颜色变化的数字内容投影到用户的头部，面部或身体上的系统，设备和方法

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2972155B1 (en) 2013-03-15 2023-08-23 Shiseido Company, Limited Systems and methods for specifying and formulating customized topical agents
KR101660582B1 (ko) * 2014-06-19 2016-09-29 황규천 엘이디등 및 이를 포함하는 경화기
CN115568818A (zh) 2016-04-22 2023-01-06 菲特斯津公司 使用电子设备进行皮肤分析的系统和方法
WO2018059744A1 (de) * 2016-09-27 2018-04-05 Siemens Aktiengesellschaft Endoskop und verfahren zum betreiben eines endoskops
WO2018090142A1 (en) * 2016-11-18 2018-05-24 Andrzej Barwicz Method and system for data processing for distributed spectrophotometric analyzers
DE102017209860B4 (de) * 2017-06-12 2019-07-11 Henkel Ag & Co. Kgaa Verfahren und Vorrichtung zum Ermitteln eines Körperbereichzustands
DE102017211067A1 (de) * 2017-06-29 2019-01-03 Byk-Gardner Gmbh Aufnahmevorrichtung für ein Oberflächenmessgerät
USD846415S1 (en) * 2017-07-12 2019-04-23 Byk-Gardner Gmbh Colorimeter
USD846416S1 (en) * 2017-07-12 2019-04-23 Byk-Gardner Gmbh Colorimeter
USD846417S1 (en) * 2017-07-12 2019-04-23 Byk-Gardner Gmbh Colorimeter
US20210106910A1 (en) 2018-02-20 2021-04-15 International Flavors & Fragrances Inc. Device and Method for Integrating Scent into Virtual Reality Environment
WO2020014695A1 (en) 2018-07-13 2020-01-16 Shiseido Americas Corporation System and method for adjusting custom topical agents
JP7187983B2 (ja) * 2018-10-30 2022-12-13 コニカミノルタ株式会社 分光測色装置
US20200167669A1 (en) * 2018-11-27 2020-05-28 Oracle International Corporation Extensible Software Tool with Customizable Machine Prediction
JP7539917B2 (ja) 2019-04-09 2024-08-26 株式会社 資生堂 画像取り込みが改善された局所用剤を作成するためのシステムおよび方法
USD949032S1 (en) * 2019-11-27 2022-04-19 Byk-Gardner Gmbh Color appearance measurement instrument
USD949713S1 (en) 2019-11-27 2022-04-26 Byk-Gardner Gmbh Appearance measurement instrument
JP2022077587A (ja) * 2020-11-12 2022-05-24 セイコーエプソン株式会社 測色装置
EP4001865A1 (en) 2020-11-12 2022-05-25 Seiko Epson Corporation Color measurement apparatus
JP2022077753A (ja) 2020-11-12 2022-05-24 セイコーエプソン株式会社 測色装置
JP2022077600A (ja) 2020-11-12 2022-05-24 セイコーエプソン株式会社 測色装置
JP2022134944A (ja) 2021-03-04 2022-09-15 セイコーエプソン株式会社 測色装置
TWI839658B (zh) * 2021-11-17 2024-04-21 國立中正大學 色度量測方法及裝置
US11869015B1 (en) 2022-12-09 2024-01-09 Northern Trust Corporation Computing technologies for benchmarking
CN117783012B (zh) * 2024-02-26 2024-05-14 珠海天祥粤澳质量技术服务有限公司 一种化妆品色素快速测定方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5311293A (en) * 1983-07-18 1994-05-10 Chromatics Color Sciences International, Inc. Method and instrument for selecting personal compatible colors
US6603550B1 (en) * 2001-06-12 2003-08-05 Fd Management, Inc. Device, kit and method for selecting personalized color cosmetics
US20070076013A1 (en) * 2005-10-03 2007-04-05 Campbell Gary L Computerized, personal-color analysis system
US20070091106A1 (en) * 2005-10-25 2007-04-26 Moroney Nathan M Adaptive lexical classification system

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4654794A (en) * 1984-02-18 1987-03-31 Colorgen, Inc. Methods for determining the proper coloring for a tooth replica
US5268749A (en) * 1991-07-26 1993-12-07 Kollmorgen Corporation Apparatus and method for providing uniform illumination of a sample plane
JP3014216B2 (ja) * 1992-05-15 2000-02-28 松下電器産業株式会社 分光放射束測定装置および全光束測定装置
US5781342A (en) * 1995-01-06 1998-07-14 W.L. Gore & Associates, Inc. High light diffusive and low light absorbent material and method for making and using same
US6560352B2 (en) * 1999-10-08 2003-05-06 Lumidigm, Inc. Apparatus and method of biometric identification or verification of individuals using optical spectroscopy
JP3555400B2 (ja) * 1997-08-28 2004-08-18 ミノルタ株式会社 反射特性測定装置
US5923039A (en) * 1997-09-16 1999-07-13 Labsphere, Inc. Ultraviolet transmittance analyzing method and instrument
JP3887486B2 (ja) * 1998-05-26 2007-02-28 浜松ホトニクス株式会社 散乱吸収体の内部特性分布の計測方法及び装置
JPH11332835A (ja) * 1998-05-28 1999-12-07 Noevir Co Ltd 肌状態評価方法
DE19850350C1 (de) * 1998-11-02 2000-09-28 Jena Optronik Gmbh Verfahren und Vorrichtung zur Erzeugung von Daten für die Diagnose des Schädigungsgrades von Hautgewebe eines Patienten
JP3367489B2 (ja) * 1999-05-11 2003-01-14 花王株式会社 肌色情報表示方法
JP2006271385A (ja) * 2001-03-14 2006-10-12 Dna Chip Research Inc 大腸癌の予測方法
WO2002072828A1 (fr) * 2001-03-14 2002-09-19 Dna Chip Research Inc. Procede permettant de prevoir un cancer
WO2004048910A2 (en) * 2002-11-21 2004-06-10 The Sherwin-Williams Company Method of color matching wood stains
EP1649408B1 (en) * 2003-06-30 2012-01-04 Honda Motor Co., Ltd. Systems and methods for training component-based object identification systems
WO2005001750A2 (en) * 2003-06-30 2005-01-06 Honda Motor Co., Ltd. System and method for face recognition
GB0504279D0 (en) * 2005-03-02 2005-04-06 Carroll Charles C Skin colour matching system and method
US7719675B2 (en) * 2006-02-28 2010-05-18 Applied Extrusion Technologies, Inc. Method for optical characterization and evaluation of optically variable devices and media
US7736905B2 (en) * 2006-03-31 2010-06-15 Biodesix, Inc. Method and system for determining whether a drug will be effective on a patient with a disease
JP4961161B2 (ja) * 2006-04-27 2012-06-27 株式会社日立ハイテクノロジーズ 検査装置
US7830568B2 (en) * 2007-03-29 2010-11-09 Canon Kabushiki Kaisha Color processing apparatus and color processing method
US7711747B2 (en) * 2007-04-06 2010-05-04 Xerox Corporation Interactive cleaning for automatic document clustering and categorization
EP2194847A1 (en) * 2007-09-14 2010-06-16 Corventis, Inc. Adherent device with multiple physiological sensors
CA2711519A1 (en) * 2008-01-07 2009-07-16 Myskin, Inc. System and method for analysis of light-matter interaction based on spectral convolution
KR20100002742A (ko) * 2008-06-30 2010-01-07 서강대학교산학협력단 세포 또는 생체 조직의 라만 신호 영상화 방법 및 장치
IL195795A0 (en) * 2008-12-08 2009-09-01 Viramedics Ltd System and method for non-invasive diagnosis of melanoma
US8417649B2 (en) * 2009-07-13 2013-04-09 International Business Machines Corporation Providing a seamless conversation service between interacting environments
KR101091791B1 (ko) * 2009-12-01 2011-12-08 한국표준과학연구원 적분구 광도계 및 그 측정 방법
WO2011089884A1 (ja) * 2010-01-25 2011-07-28 パナソニック株式会社 画像分類装置、方法、プログラム、プログラムを記録する記録媒体及び集積回路
JP5608919B2 (ja) * 2010-02-24 2014-10-22 大塚電子株式会社 光学測定装置
US8591413B2 (en) * 2010-02-26 2013-11-26 Empire Technology Development Llc Echogram detection of skin conditions
EP2585811A4 (en) * 2010-06-25 2017-12-20 Cireca Theranostics, LLC Method for analyzing biological specimens by spectral imaging
TWI556116B (zh) * 2012-02-15 2016-11-01 Hitachi Maxell Skin condition analysis and analysis information management system, skin condition analysis and analysis information management method, and data management server
US9064279B1 (en) * 2013-05-22 2015-06-23 Sephora USA, Inc. System for cosmetics matching based on skin tone

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5311293A (en) * 1983-07-18 1994-05-10 Chromatics Color Sciences International, Inc. Method and instrument for selecting personal compatible colors
US6603550B1 (en) * 2001-06-12 2003-08-05 Fd Management, Inc. Device, kit and method for selecting personalized color cosmetics
US20070076013A1 (en) * 2005-10-03 2007-04-05 Campbell Gary L Computerized, personal-color analysis system
US20070091106A1 (en) * 2005-10-25 2007-04-26 Moroney Nathan M Adaptive lexical classification system

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111096815A (zh) * 2018-10-25 2020-05-05 伊沃克拉尔维瓦登特股份公司 用于确定牙色的方法
CN111096815B (zh) * 2018-10-25 2022-10-14 伊沃克拉尔维瓦登特股份公司 用于确定牙色的方法
CN113490450A (zh) * 2019-02-27 2021-10-08 莱雅公司 用于检查头发样本的设备和方法
CN113557716A (zh) * 2019-03-13 2021-10-26 莱雅公司 用于将包括毛发颜色变化的数字内容投影到用户的头部，面部或身体上的系统，设备和方法
CN113557716B (zh) * 2019-03-13 2023-11-10 莱雅公司 用于将包括毛发颜色变化的数字内容投影到用户的头部，面部或身体上的系统，设备和方法
CN110507335A (zh) * 2019-08-23 2019-11-29 山东大学 基于多模态信息的服刑人员心理健康状态评估方法及系统
CN110507335B (zh) * 2019-08-23 2021-01-01 山东大学 基于多模态信息的服刑人员心理健康状态评估方法及系统
CN110631704A (zh) * 2019-09-05 2019-12-31 杭州市农业科学研究院 一种基于Lab色彩模式的绿壳鸡蛋壳色分类色卡
CN112214598A (zh) * 2020-09-27 2021-01-12 中润普达(十堰)大数据中心有限公司 一种基于头发状况的认知系统

Also Published As

Publication number Publication date
EP3047244C0 (en) 2024-04-03
EP3047244B1 (en) 2024-04-03
US9924778B2 (en) 2018-03-27
KR20160071371A (ko) 2016-06-21
JP6375557B2 (ja) 2018-08-22
EP3047244A1 (en) 2016-07-27
CN105683724B (zh) 2018-09-14
JP2016538567A (ja) 2016-12-08
US20150092191A1 (en) 2015-04-02
KR102242460B1 (ko) 2021-04-21
US9364071B2 (en) 2016-06-14
US20150085279A1 (en) 2015-03-26
WO2015040110A1 (en) 2015-03-26

Similar Documents

Publication Publication Date Title
CN105683724A (zh) 对表面的颜色和光谱进行测量及分类的系统和方法
RU2653733C2 (ru) Контролирующая система для контроля тепловой обработки
US8509495B2 (en) Subcutaneous vein pattern detection via multi-spectral IR imaging in an identity verification system
CN105592792B (zh) 表面状态测定分析信息管理系统及表面状态测定分析信息管理方法
US10352867B2 (en) Surface property indexing apparatus, surface property indexing method, and program
CN107860473A (zh) 一种基于云数据的智能手持光谱仪
CN105359516A (zh) 视觉命令处理
CN105136742A (zh) 基于云端光谱数据库的微型光谱仪及光谱检测方法
CN104914069B (zh) 可迁移计算的肉类品质近红外检测方法及装置
US11813074B2 (en) Hair condition determining device and method for providing hair condition information
US20150160128A1 (en) Selection of spectral bands or filters for material classification under multiplexed illumination
US20160109295A1 (en) Portable electronic apparatus, spectrometer combined therewith, and method for detecting quality of test object by using the same
JP6981618B2 (ja) 色柄判別プローブ、色柄判別装置
CN108896494A (zh) 一种基于光谱和深度学习的物体识别仪
CN103278467A (zh) 一种植物叶片氮素丰缺快速无损高准确率的鉴别方法
CN113679355A (zh) 一种用于强脉冲光干眼治疗的皮肤肤色测量装置及方法
CN106814042A (zh) 光谱采集和分析系统及其控制方法
US20230148269A1 (en) System for skin and hair measurement and analysis
KR20210037908A (ko) 사용자 맞춤형 화장품 관리 시스템
US20170138792A1 (en) Portable Color Measurement Device and System and Dye Determination System
CN109155147A (zh) 增强移动设备的功能的外壳和补充电路
CN114235723B (zh) 一种水果内在品质的无损测量方法及终端
IT202100002888A1 (it) Dispositivo portatile per l’analisi di matrici vegetali sul campo e relativo sistema e metodo
CN116660206A (zh) 一种作物产量预估方法及系统
WO2023081457A1 (en) System and method for assessing product

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant