CN107148237A - 信息处理装置、信息处理方法和程序 - Google Patents

信息处理装置、信息处理方法和程序 Download PDF

Info

Publication number
CN107148237A
CN107148237A CN201580059922.2A CN201580059922A CN107148237A CN 107148237 A CN107148237 A CN 107148237A CN 201580059922 A CN201580059922 A CN 201580059922A CN 107148237 A CN107148237 A CN 107148237A
Authority
CN
China
Prior art keywords
skin
image
shooting image
shooting
information processor
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
CN201580059922.2A
Other languages
English (en)
Other versions
CN107148237B (zh
Inventor
伊神徹
中村雄介
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.)
Sony Corp
Original Assignee
Sony Corp
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 Sony Corp filed Critical Sony Corp
Publication of CN107148237A publication Critical patent/CN107148237A/zh
Application granted granted Critical
Publication of CN107148237B publication Critical patent/CN107148237B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • 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
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30088—Skin; Dermal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

提供一种信息处理装置，包括：确定单元，其被配置成至少确定拍摄图像是否是通过拍摄非皮肤区域而获得的非皮肤区域图像；以及输出单元，其被配置成在拍摄图像被确定为非皮肤区域图像的情况下，执行预定的第一输出。目的于拍摄非皮肤区域的情况下，期望输出非皮肤区域已被拍摄。

Description

信息处理装置、信息处理方法和程序
技术领域
本发明涉及一种信息处理装置、一种信息处理方法和一种程序。
背景技术
在某些情况下，在用相机拍摄诸如皮肤和头发的部位时，用户会拍摄不适合皮肤分析或由专家执行的诊断的图像。为了克服这些情况，已经公开了各种技术。作为第一技术，公开了一种技术，包括：为了定期拍摄患部，识别可以拍摄患部的相机的位置和构图；以及将对相机的位置和构图的反馈提供给用户(例如，参见专利文献1)。
作为第二技术，公开了一种技术，包括：当用户在用他/她手中的相机拍摄诸如皮肤和牙齿的部位时，检测到相机抖动的情况下，输出用于促使用户采取必要动作的警报显示(例如，参见专利文献2)。另外，作为第三技术，给出了一种技术，包括：根据通过流媒体拍摄缓冲的图像的清晰度来选择适当的图像(例如，参见专利文献3)。
引文列表
专利文献
专利文献1：JP 2012-254221A
专利文献2：JP 2008-118635A
专利文献3：JP 2010-88863A
发明内容
技术问题
然而，在拍摄非皮肤区域的情况下，需要输出非皮肤区域已被拍摄。
问题的解决方案
根据本公开，提供一种信息处理装置，包括：确定单元，其被配置成至少确定拍摄图像是否是通过拍摄非皮肤区域而获得的非皮肤区域图像；以及输出单元，其被配置成在拍摄图像被确定为非皮肤区域图像的情况下，执行预定的第一输出。
根据本公开，提供一种信息处理方法，包括：至少确定拍摄图像是否是通过拍摄非皮肤区域而获得的非皮肤区域图像；以及在拍摄图像被确定为非皮肤区域图像的情况下，通过处理器执行预定的第一输出。
根据本公开，提供一种用于使计算机充当信息处理装置的程序，所述信息处理装置包括：确定单元，其被配置成至少确定拍摄图像是否是通过拍摄非皮肤区域而获得的非皮肤区域图像；以及输出单元，其被配置成在拍摄图像被确定为非皮肤区域图像的情况下，执行预定的第一输出。
发明的有益效果
根据上述本公开，在拍摄非皮肤区域的情况下，有可能输出所拍摄到的非皮肤区域。应注意，上述效果不一定是限制性的。使用或代替上述效果，可以实现本说明书中描述的任何一种效果或者可以从本说明书中掌握的其他效果。
附图说明
图1是示出根据本公开的实施方案的皮肤分析系统的配置实例的图解。
图2是示出相机的配置实例的图解。
图3是示出照明单元的配置实例的图解。
图4是示出服务器的功能配置实例的方框图。
图5是示出确定单元的功能配置实例的方框图。
图6是示出抖动/模糊检测单元的功能配置实例的方框图。
图7是示出亮度图像被分成每个具有相同大小的六个块的实例的图解。
图8是示出非皮肤区域拍摄检测单元的功能配置实例的方框图。
图9是图示位置位移检测单元的功能的图解。
图10是图示连续拍摄多个图像的实例的图解。
图11是图示非接触式检测单元的功能的图解。
图12是示出在紫外光照射期间拍摄的拍摄图像的实例的图解。
图13是示出根据实施方案的信息处理装置的硬件配置实例的图解。
具体实施方式
在下文中，将参照附图详细描述本公开的一个或多个优选实施方案。在本说明书和附图中，具有大体上相同功能和结构的结构元件使用相同的附图标记表示，并且省略对这些结构元件的重复说明。
应注意，在本说明书和附图中，具有大体上相同功能和结构的结构元件有时在相同的附图标记之后使用不同的字母或数字彼此区分。然而，当不需要特别区分具有大体上相同功能和结构的结构元件时，仅附上相同的附图标记。
应注意，将按以下顺序给出描述。
1.实施方案的概述
2.皮肤分析系统的功能配置实例
3.信息处理装置的硬件配置实例
4.结论
<1.实施方案的概述>
首先，将描述本公开的实施方案的概述。图1是示出根据本公开的实施方案的皮肤分析系统的配置实例的图解。如图1中所示，根据本公开的实施方案的皮肤分析系统1包括服务器10、信息处理终端20和相机30。信息处理终端20可以是个人计算机(PC)、智能电话、移动电话、平板PC、个人数字助理(PDA)、HMD等。此外，如图1中所示，服务器10、信息处理终端20和相机30可以经由中继设备40彼此相互通信。例如，中继设备40可以是Wi-fi(注册商标)路由器等。
这里，将简要描述相机30的配置实例。图2是示出相机30的配置实例的图解。如图2中所示，相机30包括照明单元31、筒32、壳体33、透镜34和图像传感器35。透镜34和图像传感器35提供在壳体33的内部。此外，照明单元31提供在筒32的内部。
在图2中所示的实例中，从照明单元31发射的光到达皮肤表面Fa。此外，反射在皮肤表面Fa上的光穿过透镜34并到达图像传感器35。在这种情况下，在筒32与皮肤表面Fa接触的情况下，可以减少从照明单元31发射的光可能从相机30泄漏出来的可能性，并且也可以减少进入相机30的光可能到达图像传感器35的可能性。
将由图像传感器35拍摄的拍摄图像(静止图像)传输到服务器10，并且服务器10可以对拍摄图像执行皮肤分析处理。此外，将通过皮肤分析处理获得的皮肤分析结果传输到信息处理终端20，并且信息处理终端20可以将皮肤分析结果的反馈提供给用户。应注意，尽管在本公开的实施方案中将主要描述由服务器10执行皮肤分析处理的实例，但是皮肤分析处理也可以由稍后将描述的信息处理终端20执行。
随后，将描述照明单元31的配置实例。图3是示出照明单元31的配置实例的图解。例如，照明单元31可以包括多个照明光源。在图3中所示的实例中，尽管照明单元31包括作为多个照明光源的LED1、LED2、LEDi、...、LEDN，但是照明光源的类型不限于有机发光二极管(LED)。以这种方式，在照明单元31包括多个照明光源的情况下，多个照明光源可以发射具有彼此不同的拍摄条件(例如，波长和曝光时间段)的光束。
在本公开的实施方案中，假设是用户尝试使用相机30拍摄皮肤区域的场景。在这种场景中，在由相机30拍摄的拍摄图像不适合皮肤分析处理的情况下(或在拍摄情况不合适的情况下)，皮肤分析系统1输出该效果。根据这种配置，在由相机30拍摄的拍摄图像不适合皮肤分析处理的情况下(或在拍摄情况不合适的情况下)，输出该效果。
迄今为止，已经描述了本公开的实施方案的概述。
<2.皮肤分析系统的功能配置实例>
随后，将描述服务器(信息处理装置)10的功能配置实例。图4是示出服务器10的功能配置实例的方框图。如图4中所示，服务器10包括数据清理处理单元100。数据清理处理单元100包括确定单元105和输出单元160。确定单元105基于从相机30输入的拍摄图像确定从相机30输入的拍摄图像是否不适合皮肤分析处理(或拍摄情况是否是不合适的)。此外，输出单元160包括反馈单元170和元数据分配单元180。稍后将描述输出单元160的细节。
应注意，尽管本公开的描述将描述服务器10包括整个数据清理处理单元100的实例，但是一部分或整个数据清理处理单元100可以被包括在另一设备(例如，信息处理终端20或专用设备)中。此外，尽管本公开的描述将描述信息处理终端20包括用户界面单元50的实例，但是用户界面单元50可以被包括在另一设备(例如，专用终端)中。另外，尽管本公开的描述将描述服务器10包括皮肤分析处理单元60的实例，但是皮肤分析处理单元60可以被包括在另一设备(例如，信息处理终端20或专用设备)中。
随后，将描述确定单元105的功能配置实例。图5是示出确定单元105的功能配置实例的方框图。如图5中所示，确定单元105包括抖动/模糊检测单元110、非皮肤区域拍摄检测单元120、位置位移检测单元130、非接触式检测单元140和检测结果成形单元150。应注意，尽管本公开的描述将描述确定单元105包括所有那些块的实例，但是确定单元105不一定包括那些块中的一些。
例如，确定单元105可以包括抖动/模糊检测单元110、非皮肤区域拍摄检测单元120、位置位移检测单元130和非接触式检测单元140中的任何一个。或者，确定单元105可以包括那些块中的两个或三个的组合。接着，将依次描述抖动/模糊检测单元110、非皮肤区域拍摄检测单元120、位置位移检测单元130和非接触式检测单元140的功能。
图6是示出抖动/模糊检测单元110的功能配置实例的方框图。这里，在用户通过握持在他/她的手中的相机30拍摄皮肤的情况下，可能发生相机抖动。此外，在相机30对皮肤的按压不足或过度的情况下，可能发生散焦。抖动/模糊检测单元110可以确定在拍摄图像中是否发生模糊或抖动。如图6中所示，抖动/模糊检测单元110包括特征量提取单元111、分类器112和字典数据存储单元113。抖动/模糊检测单元110包括第一特征量提取单元111a、第二特征量提取单元111b和第三特征量提取单元111c。
这里，第一特征量提取单元111a提取用于检测整个拍摄图像中的模糊或抖动的第一特征量。更具体地说，第一特征量提取单元111a将在白光照射期间拍摄的拍摄图像转换为亮度图像。然后，第一特征量提取单元111a计算亮度图像的功率谱。随后，第一特征量提取单元111a对每个频带的功率谱的每个方向上的振幅进行积分。接着，第一特征量提取单元111a生成作为第一特征量的特征向量，该特征向量具有各个频带的积分结果作为分量。
此外，存在仅在拍摄图像的一个区域中发生散焦的情况，这是由相机30的一侧从皮肤分离而不与皮肤接触引起的。第二特征量提取单元111b提取用于检测这种散焦的第二特征量。更具体地说，第二特征量提取单元111b将在白光照射期间拍摄的拍摄图像转换为亮度图像。然后，第二特征量提取单元111b将亮度图像分成每个具有相同大小的六个块。图7是示出亮度图像被分成每个具有相同大小的六个块的实例的图解。
应注意，在使用与皮肤接触时执行拍摄的相机30的情况下，其特征在于仅在一个区域中的散焦可能发生在拍摄图像的四个角中的任意一个中。使用该特性，第二特征量提取单元111b可以将亮度图像分成四个角的块，每个块具有相同的大小。或者，第二特征量提取单元111b可以将亮度图像分成多个块，每个块具有相同的大小，包括四个角的块。
然后，第二特征量提取单元111b计算亮度图像的功率谱。随后，第二特征量提取单元111b对每个块执行对每个频带的功率谱的每个方向上的振幅进行积分处理。以这种方式，获得作为分量的每个具有各个频带的积分结果的特征向量，特征向量的数量与块的数量相同。接着，第二特征量提取单元111b生成作为第二特征量的特征向量，该特征向量具有与各个块的特征向量相同维度的分量的方差值作为新的分量。
此外，对于与上述第二特征量提取的相同目的，第三特征量提取单元111c提取用于检测散焦的第三特征量。更具体地说，第三特征量提取单元111c将在白光照射期间拍摄的拍摄图像转换为亮度图像。然后，第三特征量提取单元111c将亮度图像分成每个具有相同大小的六个块(参见图7)。
应注意，以与提取上述第二特征量的情况相同的方式，第三特征量提取单元111c也可以将亮度图像分成四个角的块，每个块具有相同的大小。或者，第三特征量提取单元111c可以将亮度图像分成多个块，每个块具有相同的大小，包括四个角的块。然后，第三特征量提取单元111c计算每个块的亮度平均值。随后，第三特征量提取单元111c生成作为第三特征量的特征向量，该特征向量具有各个块的亮度平均值之间的差值作为分量。
分类器112通过确定在白光照射期间拍摄的拍摄图像中是否发生模糊或抖动来获得确定结果。更具体地说，分类器112可以计算评估值(在下文中，也称为“拟合优度”)，其指示在拍摄图像中发生的模糊程度或抖动程度，并且可以基于评估值是否在预定范围内来确定在拍摄图像中是否发生模糊或抖动。
计算评估值的方法没有特别限制。例如，假设字典数据被预先登记在字典数据存储单元113中，基于从发生抖动或模糊的图像组提取的第一至第三特征量，使用学习功能获得字典数据。在这种情况下，可以基于存储在字典数据存储单元113中的字典数据来建构判别函数，并且分类器112可以通过将由特征量提取单元111提取的第一至第三特征量输入到判别函数来获得评估值。
应注意，在图6中所示的实例中，主要描述了将第一至第三特征量提取为用于创建字典数据的特征量和从拍摄图像提取的特征量的实例。然而，可能不一定使用所有第一至第三特征量。例如，在第一至第三特征量中，可以使用其中任何一个。或者，在第一至第三特征量中，可以组合使用其中任何两个，或也可以使用除了这里描述的第一至第三特征量之外的特征量。
例如，作为上述第一特征量和第二特征量中的每个，将使用亮度图像的功率谱的每个频带的振幅。然而，可以使用关于图像的频率(描述了频率空间中的图像的状态的特征量)的某种信息作为特征量。例如，通过包括在相机30中的图像信号处理器(ISP)将图像编码成联合摄影专家组(JPEG)形式时的离散余弦变换(DCT)系数可以用作特征量。
图8是示出非皮肤区域拍摄检测单元120的功能配置实例的方框图。这里，当用户尝试使用相机30拍摄皮肤区域时，存在非皮肤区域被拍摄的情况。例如，作为非皮肤区域被拍摄的情况，存在除了皮肤区域之外的区域(诸如空气、相机架、衣服或桌子)而不是皮肤区域被包括在拍摄区域中的情况。此外，作为非皮肤区域被拍摄的另一情况，存在包括在拍摄区域中的皮肤区域被头发或异物(诸如碎屑)隐藏的情况。
非皮肤区域拍摄检测单元120可以确定拍摄图像是否是通过拍摄非皮肤区域获得的非皮肤区域图像。非皮肤区域可以对应于除了用户的皮肤区域之外的区域。如图8中所示，非皮肤区域拍摄检测单元120包括特征量提取单元121、分类器122和字典数据存储单元123。非皮肤区域拍摄检测单元120包括第一特征量提取单元121a、第二特征量提取单元121b和第三特征量提取单元121c。
这里，第一特征量提取单元121a提取第一特征量。更具体地说，第一特征量提取单元121a将在白光照射期间拍摄的拍摄图像转换为HSV颜色空间(通过色相、饱和度和值的组合指定颜色的颜色空间)。然后，第一特征量提取单元121a生成每个色相和色度的平均值和方差值以及色相-色度空间中的协方差作为第一特征量。
此外，第二特征量提取单元121b提取第二特征量。具体来说，第二特征量提取单元121b将在白光照射期间拍摄的拍摄图像转换为HSV颜色空间。然后，第一特征量提取单元121a基于HSV颜色空间生成色相[0,360]-色度[0,1]空间中出现频率的映射图作为第二特征量。由第一特征量提取单元121a生成的映射图可以具有每一个单位的色相和色度。
此外，第三特征量提取单元121c提取第三特征量。更具体地说，第三特征量提取单元121c将在白光照射期间拍摄的拍摄图像转换为HSV颜色空间。然后，第三特征量提取单元121c生成色相[0,360]的直方图作为第三特征量。
分类器122通过确定在白光照射期间拍摄的拍摄图像中是否发生模糊或抖动来获得确定结果。更具体地说，分类器112可以计算指示拍摄图像的非皮肤区域图像可能性的评估值，并且可以基于评估值是否在预定范围内来确定拍摄图像是否是非皮肤区域图像。
计算评估值的方法没有特别限制。例如，假设字典数据被预先登记在字典数据存储单元123中，基于从非皮肤区域图像组提取的第一至第三特征量，使用学习功能获得字典数据。在这种情况下，可以基于存储在字典数据存储单元123中的字典数据来建构判别函数，并且分类器122可以通过将由特征量提取单元121提取的第一至第三特征量输入到判别函数来获得评估值。
应注意，在图8中所示的实例中，主要描述了将第一至第三特征量提取为用于创建字典数据的特征量和从拍摄图像提取的特征量的实例。然而，可能不一定使用所有第一至第三特征量。例如，在第一至第三特征量中，可以使用其中任何一个。或者，在第一至第三特征量中，可以组合使用其中任何两个，或也可以使用除了这里描述的第一至第三特征量之外的特征量。
例如，在上述描述中，用作特征量的是在白光照射期间拍摄的拍摄图像的色相的平均值或方差值。然而，关于色相的某种信息也可以用作特征量。
此外，在像素值之间的差超过阈值的区域的比例大于预定比例的情况下，像素值分别对应于两个拍摄图像，分别在具有不同波长的光束照射期间拍摄两个拍摄图像，分类器122可以确定拍摄图像是非皮肤区域图像。例如，可以使用红光和白光作为具有不同波长的光束。在这种情况下，对应于两个拍摄图像的像素值之间的差超过阈值的区域可以被视为头发存在的区域，并且区域的比例大于预定比例的状态可以被视为头发存在的区域的比例大于预定比例的状态。
图9是图示位置位移检测单元130的功能的图解。这里，假设相机30在改变诸如谱条件和曝光时间段的拍摄条件的同时连续拍摄多个图像。图10是图示连续拍摄多个图像的实例的图解。在这种情况下，随着拍摄时间段的增加，更有可能发生位置位移，这归因于用户引起的相机抖动。此外，随着拍摄时间段的增加，误认为拍摄完成的用户可能通过拍摄中途从拍摄部位释放相机30的可能性增加。
位置位移检测单元130可以确定在连续拍摄期间是否发生拍摄部分的位置位移。如图9中所示，位置位移检测单元130具有作为功能的图像131a之间差异的提取和使用阈值131b的确定。首先，特征量提取单元131将通过相机30在多个连续拍摄图像(在下文中也称为“位置位移检测目标间隔”)之前和之后拍摄的两个图像转换为亮度图像。然后，特征量提取单元131计算亮度图像之间的差距或相似度。
随后，分类器132基于亮度图像之间的差距或相似度来确定是否发生位置位移。具体来说，在亮度图像之间的差距超过作为字典数据预先存储在字典数据存储单元133中的阈值的情况下(在亮度图像之间的相似度小于阈值的情况下)，分类器132确定发生位置位移。另一方面，在亮度图像之间的差距小于阈值的情况下(在亮度图像之间的相似度超过阈值的情况下)，分类器132确定没有发生位置位移。
可以输出通过从差距减去阈值而获得的值(通过从阈值减去相似度而获得的值)作为拟合优度(位置位移度)。此外，亮度图像之间的差距可以是对应于各自的两个亮度图像的像素的平方误差之和，或者可以是从各自的两个亮度图像生成的亮度直方图之间的差距。
这里，在位置位移检测目标间隔之前和之后拍摄的两个图像可以是在相同拍摄条件下拍摄图像。图10示出在位置位移检测目标间隔之前和之后拍摄的两个图像是在白色非偏振光照射期间拍摄图像的实例。然而，在位置位移检测目标间隔之前和之后拍摄的两个图像可以是在不同拍摄条件(照明光的波长等)下拍摄图像。在这种情况下，由于不需要另外拍摄用于检测位置位移的图像，因此可以更容易地检测位置位移。
例如，通过仅提取在白光照射期间拍摄图像的G分量而获得的图像和通过仅提取在绿光照射期间拍摄图像的G分量而获得的图像可以用作在位置位移检测目标间隔之前和之后拍摄的两个图像。根据这种技术，分类器132可以通过与上述相同的程序来检测位置位移。
此外，在不同拍摄条件下拍摄的两个图像中都没有散焦的情况下，特征量提取单元131可以使用局部特征量来描述两个图像，并且可以计算局部特征量之间的差距或相似度。然后，在局部特征量之间的差距超过阈值的情况下(在局部特征量之间的相似度小于阈值的情况下)，分类器132可以确定发生位置位移。另一方面，在局部特征量之间的差距小于阈值的情况下(在局部特征量之间的相似度超过阈值的情况下)，分类器132可以确定没有发生位置位移。
应注意，定向梯度直方图(HOG)、尺度不变特征变换(SIFT)等可以用作局部特征量。
此外，分类器132可以使用除图像之外的数据来确定在连续拍摄期间是否发生拍摄部分的位置位移。例如，分类器132可以基于预定传感器数据的变化是否超过阈值来确定是否发生位置位移。例如，传感器数据的变化可以是传感器数据的每单位时间的变化量。
例如，当接触传感器提供在相机30与皮肤表面Fa接触的表面上时，在通过接触传感器获得的传感器数据的变化不超过阈值的情况下，分类器132可以确定相机30的位置在拍摄期间是稳定的并且没有发生位置位移。另一方面，在通过接触传感器获得的传感器数据的变化超过阈值的情况下，分类器132可以确定相机30的位置在拍摄期间是不稳定的并且发生位置位移。
图11是图示非接触式检测单元140的功能的图解。这里，在相机30的端部与皮肤表面Fa不接触的情况下，在外部光进入相机30内部的状态下执行拍摄。非接触式检测单元140可以确定拍摄图像是否在相机30的端部与皮肤表面Fa不接触的状态下被拍摄。如图11中所示，非接触式检测单元140具有作为功能的亮度141a的差的计算和使用阈值141b的确定。
首先，特征量提取单元141将在紫外光照射期间或在红外光照射期间拍摄的拍摄图像转换为HSV颜色空间。然后，特征量提取单元141生成整个拍摄图像的亮度直方图ha。亮度范围可以是[0,100]。此外，亮度直方图的组距不受限制，并且亮度直方图的组距可以是例如“1”。
另一方面，亮度直方图hb预先登记在字典数据存储单元143中，基于接触式图像组(包括在相机30的端部与皮肤接触的状态下拍摄的接触式图像)来生成亮度直方图hb。以相同的方式，亮度直方图hc预先登记在字典数据存储单元143中，基于非接触式图像组(包括在相机30的端部与皮肤不接触的状态下拍摄的非接触式图像)来生成亮度直方图hc。因此，特征量提取单元141使用下面的公式(1)和公式(2)来计算亮度直方图hb和亮度直方图ha之间的差距d1，以及亮度直方图hc和亮度直方图ha之间的差距d2。
d1＝dist(ha,hb) (1)
d2＝dist(ha,hc) (2)
应当注意，dist(x,y)表示相对于x和y的适当的差距函数。随后，分类器142基于亮度直方图ha确定拍摄图像是否在相机30的端部与皮肤接触的状态下被拍摄。更具体地说，分类器142基于亮度直方图ha和亮度直方图hc之间的差距与亮度直方图ha和亮度直方图hb之间的差距之差，确定拍摄图像是否在相机30的端部与皮肤接触的状态下被拍摄。更具体地说，分类器142使用下面的公式(3)计算得分s。
s＝d1-d2 (3)
然后，在得分s小于阈值的情况下，分类器142可以确定拍摄图像在相机30的端部与皮肤表面Fa不接触的状态下被拍摄。另一方面，在得分s大于或等于阈值的情况下，分类器142可以确定拍摄图像在相机30的端部与皮肤表面Fa接触的状态下被拍摄。通过从阈值减去得分s而获得的值可以输出为拟合优度(非接触度)。
应注意，与波长为400nm至900nm的光的量相比，常用房间照明包括波长小于或等于400nm的少量光(紫外光)和波长大于或等于900nm的光。基于这种倾向，通过使用在紫外光照射期间或在红外光照射期间拍摄的拍摄图像作为拍摄图像，相机30与皮肤表面Fa接触的时间与相机30与皮肤表面Fa不接触的时间之间的差值变得更加明显，如上所述。图12是示出在紫外光照射期间拍摄的拍摄图像的实例的图解。
如图12中所示，据了解，在紫外光照射期间在相机30的端部与皮肤表面Fa接触的状态下拍摄的拍摄图像在整个图像上具有大致均匀的亮度。另一方面，据了解，在紫外光照射期间在相机30的端部与皮肤表面Fa不接触的状态下拍摄的拍摄图像具有亮度变化。
应注意，尽管图12示出在紫外光照射期间拍摄的拍摄图像的实例，但是可以使用发射波长为650nm的光的红色LED或发射波长为450nm的光的蓝色LED来代替发射紫外光的LED。也在这种情况下，可以用与上述相同的技术来确定拍摄图像是否在相机30的端部与皮肤表面Fa接触的状态下被拍摄。
返回到图4和图5，将继续描述。在确定拍摄图像不适合皮肤分析处理(或拍摄情况是不合适的)的情况下，输出单元160执行预定输出。例如，在非皮肤区域拍摄检测单元120确定拍摄图像是非皮肤区域图像的情况下，输出单元160可以执行预定的第一输出。此外，在位置位移检测单元130确定发生位置位移的情况下，输出单元160可以执行预定的第二输出。
此外，在确定拍摄图像在相机30与皮肤表面Fa不接触的状态下被拍摄的情况下，输出单元160可以执行预定的第三输出。另外，在抖动/模糊检测单元110确定在拍摄图像中发生模糊或抖动的情况下，输出单元160可以执行预定的第四输出。可以用任何方式执行这些输出。例如，作为输出的实例，反馈单元170可以将向用户的预定反馈提供给用户界面单元50。预定反馈也没有特别限制。
例如，预定反馈可以是信息处理终端20的警报显示，可以是打开相机30的指示器LED，可以是激活相机30的振动器功能，或者可以是从提供给相机30或信息处理终端20的扬声器输出警报声。此外，第一至第四输出可以彼此相同或不同。如果第一至第四输出彼此不同，则由于对于拍摄图像不适合皮肤分析处理的每个原因(在下文中也可以简称为“原因”)执行不同的输出，因此用户可以掌握原因。
例如，反馈单元170可以使相机30的指示器LED执行与原因相关的彩色显影，或者可以使相机30的指示器LED执行与原因相关的闪光模式。此外，反馈单元170可以使信息处理终端20显示对应于原因的警报显示。例如，随着拟合优度的增加，反馈单元170可以增加要显示的警报的信息量。
此外，反馈单元170可以执行对应于拟合优度的反馈。以这种方式，用户可以掌握拍摄图像的拟合优度。例如，反馈单元170可以使信息处理终端20显示对应于拟合优度的警报显示，或者可以基于拟合优度来控制信息处理终端20上的警报的显示或不显示。例如，在拟合优度大于阈值的情况下，反馈单元170可以使警报被显示，并且在拟合优度小于阈值的情况下，反馈单元170可以使警报被隐藏。
此外，检测结果成形单元150可以分别输出从抖动/模糊检测单元110、非皮肤区域拍摄检测单元120、位置位移检测单元130和非接触式检测单元140输出的确定结果到输出单元160，或者可以成形确定结果，然后将成形的确定结果输出到输出单元160。例如，在由于多种原因确定拍摄图像不适合皮肤分析处理的情况下，检测结果成形单元150可以执行与第一至第四输出不同的输出。
更具体地说，假设抖动/模糊检测单元110确定在拍摄图像中发生模糊或抖动，并且非接触式检测单元140确定拍摄图像在相机30的端部与皮肤表面Fa不接触的状态下被拍摄的情况。在这种情况下，据推测，相机30从皮肤表面Fa释放，因此反馈单元170可以输出相机30从皮肤表面Fa释放。
此外，假设抖动/模糊检测单元110确定在拍摄图像中发生模糊或抖动，但非接触式检测单元140确定拍摄图像在相机30的端部与皮肤表面Fa接触的状态下被拍摄的情况。在这种情况下，据推测，相机30被过度压在皮肤表面Fa上，因此反馈单元170可以输出相机30被过度压在皮肤表面Fa上。
另外，反馈单元170可以执行对应于用户操作历史的反馈。例如，反馈单元170可以根据用户执行重新拍摄的次数来改变用于确定执行警报显示的阈值(范围)的严格性。更具体地说，在用户执行重新拍摄的次数超过上限的情况下，用于确定执行警报显示的拟合优度的范围可能变窄。因此，可以抑制给用户带来的麻烦。
或者，反馈单元170可能不必向具有指示用户拒绝过去的警报显示的历史的用户发出警报。因此，可以抑制给用户带来的麻烦。
此外，在确定单元105确定拍摄图像适合皮肤分析处理(或拍摄情况是合适的)，但用户输入拍摄图像不适合皮肤分析处理(或拍摄情况是不合适的)的情况下，反馈单元170可以扩大用于确定执行警报显示的拟合优度的范围。
另一方面，在确定单元105确定拍摄图像不适合皮肤分析处理(或拍摄情况是不合适的)，但用户输入拍摄图像适合皮肤分析处理(或拍摄情况是合适的)的情况下，反馈单元170可以缩小用于确定执行警报显示的拟合优度的范围。
例如，元数据分配单元180可以向分析拍摄图像的皮肤分析处理单元60输出拍摄图像不适合皮肤分析处理(或拍摄情况是不合适的)作为元数据。例如，对于每个原因，元数据分配单元180可以向皮肤分析处理单元60输出指示拍摄图像是否不适合皮肤分析处理的值(或指示拍摄情况是否是不合适的值)作为元数据。或者，元数据分配单元180可以输出适合每个原因的拟合优度作为元数据。
皮肤分析处理单元60可以基于元数据来控制用于皮肤分析处理的参数。作为实例，在确定在拍摄图像中发生模糊或抖动被输入作为元数据的情况下，皮肤分析处理单元60可以增加用于判断皮肤光滑度的得分。
或者，皮肤分析处理单元60可以基于元数据来控制在统计数据计算时对数据的加权。例如，皮肤分析处理单元60可能不一定使用已被确定为不适合用于统计数据计算的皮肤分析处理的拍摄图像。此外，皮肤分析处理单元60可以减少已被确定为不适合皮肤分析处理的拍摄图像的加权。
此外，在用户确定是否使用拍摄图像进行皮肤分析并且根据确定结果输入操作的情况下，元数据分配单元180可以使用户操作历史与图像相关联。这种用户操作历史也可以用于创建用于检测不适合皮肤分析的图像的字典数据的标签数据。
应注意，从元数据分配单元180输出的元数据可以被形成为可以由元数据分配单元180在皮肤分析处理单元60中处理的形式。应注意，如图4中所示，元数据分配单元180可以将图像id与元数据一起输出到皮肤分析处理单元60。或者，元数据分配单元180可以将用于皮肤分析的图像与元数据一起输出到皮肤分析处理单元60。
迄今为止，已经描述了根据本公开的实施方案的皮肤分析系统1的功能配置实例。
<3.信息处理装置的硬件配置实例>
随后，将描述根据本公开的实施方案的信息处理装置10的硬件配置实例。图13是示出根据本公开的实施方案的信息处理装置10的硬件配置实例的图解。然而，图13中所示的硬件配置实例仅仅示出信息处理装置10的硬件配置的实例。因此，信息处理装置10的硬件配置不限于图13中所示的实例。
如图13中所示，信息处理装置10包括中央处理单元(CPU)901、只读存储器(ROM)902、随机存取存储器(RAM)903、存储设备911、驱动器912和通信设备915。
CPU 901充当算术处理设备和控制设备，并且根据各种程序来控制信息处理装置10的整个操作。此外，CPU 901可以是微处理器。ROM 902存储由CPU901使用的程序、计算参数等。RAM 903临时存储CPU 901执行中使用的程序、执行期间适当变化的参数等。它们通过由CPU总线等配置的主机总线156彼此连接。
存储设备911是信息处理装置10的存储单元的实例，并且是用于存储数据的设备。存储设备911可以包括例如存储介质，用于在存储介质中记录数据的记录设备，用于从存储介质读出数据的读取设备，以及用于删除记录在存储介质中的数据的删除设备。存储设备911存储由CPU 901执行的程序和各种数据。
驱动器912是用于存储介质的读取器/写入器，并且内置或外部附接到信息处理装置10。驱动器912读出记录在安装到其上的可移动存储介质(诸如磁盘、光盘、磁光盘或半导体存储器)中的信息，并且将信息输出到RAM 903。此外，驱动器912也可以将信息写入可移动存储介质中。
通信设备915经由网络(或直接)与外部设备通信。通信设备915可以是无线电通信接口，并且可以包括例如通信天线、射频(RF)电路和基带处理器。无线电通信接口的具体实例包括通信单元，诸如支持诸如码分多址(CDMA)、宽带码分多址(W-CDMA)、长期演进(LTE)和无线保真(Wi-fi)(注册商标)的通信方案的调制解调器。
此外，通信设备915可以是有线通信接口，并且可以包括例如连接端子、传输线和用于通信处理的其他电路。CPU 901和通信设备915可以配置在一个芯片上，或者可以被提供为单独的设备。尽管在图13中未示出，但是信息处理装置10可以例如由诸如可再充电电池的电源提供的电力驱动，并且电源可以附接到信息处理装置10并从信息处理装置10拆卸。
迄今为止，已经描述了根据本公开的实施方案的信息处理装置10的硬件配置实例。
<4.结论>
如上所述，根据本公开的实施方案，提供信息处理装置10，包括确定单元105，其被配置成至少确定拍摄图像是否是通过拍摄非皮肤区域而获得的非皮肤区域图像；以及输出单元160，其被配置成在拍摄图像被确定为非皮肤区域图像的情况下，执行预定的第一输出。根据这种配置，在用户尝试使用相机30拍摄皮肤区域的场景下拍摄非皮肤区域的情况下，可以输出非皮肤区域已被拍摄。
在下文中，将详细描述专利文献中记载的技术与根据本公开的实施方案的技术之间的差异。首先，作为第一技术，公开了一种技术，为了定期拍摄患部，包括识别可以拍摄患部的相机的位置和构图；以及将对相机的位置和构图的反馈提供给用户(例如，参见专利文献1)。然而，专利文献1中记载的技术用于确定是否已经拍摄了相同的患部，并且不可能检测到包括抖动或模糊、非皮肤区域拍摄图像、位置位移等的图像，并且将检测结果的反馈提供给用户。
作为第二技术，公开了一种技术，包括在用户在用他/她的手中的相机拍摄诸如皮肤和牙齿的部位时，检测到相机抖动的情况下，输出用于促使用户采取必要动作的警报显示(例如，参见专利文献2)。然而，专利文献2中记载的技术不可能检测到非皮肤区域拍摄图像、位置位移、相机30与皮肤的非接触等。另外，专利文献2中记载的技术不可能考虑到拍摄图像的不适当性而向用户反馈。
此外，作为第三技术，给出了一种技术，包括根据通过流媒体拍摄缓冲的图像的清晰度来选择适当的图像(例如，参见专利文献3)。然而，专利文献3中记载的技术仅可以获取在与流媒体拍摄的拍摄条件相同的拍摄条件下拍摄的图像。因此，专利文献3不能应用于在改变光的波长、曝光时间段等的同时尝试连续拍摄的情况。另一方面，根据本公开的实施方案，在与流媒体拍摄的拍摄条件不同的拍摄条件下拍摄的图像可以用于皮肤分析。
此外，即使在获取与流媒体拍摄的拍摄条件相同的拍摄条件下拍摄的图像的情况下，专利文献3中记载的技术可能限制在与诸如图像分辨率的数据大小有关的部分，这是由于对存储器I/O、传输速率以及用于确定流媒体拍摄期间清晰度的数据吞吐量的限制造成的。
以上已经参照附图描述了本公开的优选实施方案，而本公开不限于上述实例。本领域技术人员可以发现在所附权利要求的范围内的各种改变和修改，并且应当理解，这些改变和修改将自然地落入本公开的技术范围内。
此外，也可能创建用于使内置在计算机中的诸如CPU、ROM和RAM的硬件表现出与上述信息处理装置10的各个功能大体上相同的功能的程序。此外，也提供上面记录有程序的计算机可读记录介质。
此外，本说明书中描述的效果仅仅是说明性或示例性的效果，并不是限制性的。即，使用或代替上述效果，根据本公开的技术可以实现本领域技术人员从本说明书的描述中清楚获知的其他效果。
另外，本技术也可以被配置如下。
(1)
一种信息处理装置，包括：
确定单元，其被配置成至少确定拍摄图像是否是通过拍摄非皮肤区域而获得的非皮肤区域图像；以及
输出单元，其被配置成在所述拍摄图像被确定为所述非皮肤区域图像的情况下，执行预定的第一输出。
(2)
根据(1)所述的信息处理装置，其中，
在所述拍摄图像被确定为所述非皮肤区域图像的情况下，所述输出单元包括反馈单元，其被配置成将预定反馈提供给用户。
(3)
根据(1)所述的信息处理装置，其中，
在所述拍摄图像被确定为所述非皮肤区域图像的情况下，所述输出单元包括元数据分配单元，其被配置成将所述拍摄图像作为所述非皮肤区域图像输出到被配置为分析所述拍摄图像的皮肤分析处理单元。
(4)
根据(1)至(3)中任一项所述的信息处理装置，其中
所述确定单元计算指示所述拍摄图像的非皮肤区域图像可能性的评估值，并且基于所述评估值是否在预定范围内来确定所述拍摄图像是否是所述非皮肤区域图像。
(5)
根据(4)所述的信息处理装置，其中
所述确定单元通过至少将关于从所述拍摄图像获得的色相的信息输入到预先生成的判别函数来获得所述评估值。
(6)
根据(1)至(3)中任一项所述的信息处理装置，其中在像素值之间的差超过阈值的区域的比例大于预定比例的情况下，所述确定单元确定所述拍摄图像是所述非皮肤区域图像，所述像素值分别对应于两个拍摄图像，所述两个拍摄图像是分别在具有不同波长的光束照射期间拍摄的。(7)
根据(1)至(6)中任一项所述的信息处理装置，其中
所述确定单元确定在连续拍摄期间是否发生拍摄部分的位置位移，以及
在确定发生所述位置位移的情况下，所述输出单元执行预定的第二输出。(8)
根据(7)所述的信息处理装置，其中
在多个连续拍摄图像之前和之后拍摄两个图像，所述确定单元基于各自所述两个图像的亮度图像之间的差距或相似度来确定是否发生所述位置位移。
(9)
根据(7)所述的信息处理装置，其中
所述确定单元基于预定传感器数据的变化是否超过阈值来确定是否发生所述位置位移。
(10)
根据(1)至(9)中任一项所述的信息处理装置，其中
所述确定单元进一步确定所述拍摄图像是否在相机与皮肤不接触的状态下被拍摄，以及
在确定所述拍摄图像在所述相机与所述皮肤不接触的状态下被拍摄的情况下，所述输出单元执行预定的第三输出。
(11)
根据(10)所述的信息处理装置，其中
所述确定单元基于从所述拍摄图像获得的亮度直方图，确定所述拍摄图像是否在所述相机与所述皮肤不接触的状态下被拍摄。
(12)
根据(11)所述的信息处理装置，其中
所述确定单元基于从所述拍摄图像获得的亮度直方图和预先登记的在所述相机与所述皮肤不接触时的亮度直方图之间的差距与从所述拍摄图像获得的所述亮度直方图和在所述相机与所述皮肤接触时的亮度直方图之间的差距之间的差，确定所述拍摄图像是否在所述相机与所述皮肤不接触的状态下被拍摄。
(13)
根据(1)至(12)中任一项所述的信息处理装置，其中
所述确定单元进一步确定在所述拍摄图像中是否发生模糊或抖动，以及
在确定在所述拍摄图像中发生所述模糊或所述抖动的情况下，所述输出单元执行预定的第四输出。
(14)
根据(13)所述的信息处理装置，其中
所述确定单元计算指示在所述拍摄图像中发生的所述模糊程度或所述抖动程度的评估值，并且基于所述评估值是否在预定范围内来确定在所述拍摄图像中是否发生所述模糊或所述抖动。
(15)
根据(14)所述的信息处理装置，其中
所述确定单元通过至少将从所述拍摄图像获得的频率的信息输入到预先生成的判别函数来获得所述评估值。
(16)
根据(14)所述的信息处理装置，其中
所述确定单元通过至少将从所述拍摄图像获得的各个块的亮度平均值之间的差输入到预先生成的判别函数来获得所述评估值。
(17)
根据(2)所述的信息处理装置，其中
所述确定单元计算指示所述拍摄图像的非皮肤区域图像可能性的评估值，并且基于所述评估值是否在预定范围内来确定所述拍摄图像是否是所述非皮肤区域图像，以及
所述反馈单元执行对应于所述评估值的反馈。
(18)
根据(3)所述的信息处理装置，其中
所述确定单元计算指示所述拍摄图像的非皮肤区域图像可能性的评估值，并且基于所述评估值是否在预定范围内来确定所述拍摄图像是否是所述非皮肤区域图像，以及
所述元数据分配单元将所述评估值或对应于所述评估值的数据输出到所述皮肤分析处理单元。
(19)
一种信息处理方法，包括：
至少确定拍摄图像是否是通过拍摄非皮肤区域而获得的非皮肤区域图像；以及
在所述拍摄图像被确定为所述非皮肤区域图像的情况下，通过处理器执行预定的第一输出。
(20)
一种用于使计算机充当信息处理装置的程序，所述信息处理装置包括：
确定单元，其被配置成至少确定拍摄图像是否是通过拍摄非皮肤区域而获得的非皮肤区域图像；以及
输出单元，其被配置成在所述拍摄图像被确定为所述非皮肤区域图像的情况下，执行预定的第一输出。
参考符号列表
1 皮肤分析系统
10 服务器(信息处理装置)
20 信息处理终端
30 相机
31 照明单元
32 筒
33 壳体
34 透镜
35 图像传感器
40 中继设备
50 用户界面单元
60 皮肤分析处理单元
100 数据清理处理单元
105 确定单元
110 抖动/模糊检测单元
111 特征量提取单元
111a 第一特征量提取单元
111b 第二特征量提取单元
111c 第三特征量提取单元
112 分类器
113 字典数据存储单元
120 非皮肤区域拍摄检测单元
121 特征量提取单元
121a 第一特征量提取单元
121b 第二特征量提取单元
121c 第三特征量提取单元
122 分类器
123 字典数据存储单元
130 位置位移检测单元
131 特征量提取单元
132 分类器
133 字典数据存储单元
140 非接触式检测单元
141 特征量提取单元
143 字典数据存储单元
142 分类器
150 检测结果成形单元
160 输出单元
170 反馈单元
180 元数据分配单元。

Claims (20)

1.一种信息处理装置，包含：
确定单元，其被配置成至少确定拍摄图像是否是通过拍摄非皮肤区域而获得的非皮肤区域图像；以及
输出单元，其被配置成在所述拍摄图像被确定为所述非皮肤区域图像的情况下，执行预定的第一输出。
2.根据权利要求1所述的信息处理装置，其中，
在所述拍摄图像被确定为所述非皮肤区域图像的情况下，所述输出单元包括反馈单元，其被配置成将预定反馈提供给用户。
3.根据权利要求1所述的信息处理装置，其中，
在所述拍摄图像被确定为所述非皮肤区域图像的情况下，所述输出单元包括元数据分配单元，其被配置成将所述拍摄图像作为所述非皮肤区域图像输出到被配置为分析所述拍摄图像的皮肤分析处理单元。
4.根据权利要求1所述的信息处理装置，其中
所述确定单元计算指示所述拍摄图像的非皮肤区域图像可能性的评估值，并且基于所述评估值是否在预定范围内来确定所述拍摄图像是否是所述非皮肤区域图像。
5.根据权利要求4所述的信息处理装置，其中
所述确定单元通过至少将关于从所述拍摄图像获得的色相的信息输入到预先生成的判别函数来获得所述评估值。
6.根据权利要求1所述的信息处理装置，其中
在像素值之间的差超过阈值的区域的比例大于预定比例的情况下，所述确定单元确定所述拍摄图像是所述非皮肤区域图像，所述像素值分别对应于两个拍摄图像，所述两个拍摄图像是分别在具有不同波长的光束照射期间拍摄的。
7.根据权利要求1所述的信息处理装置，其中
所述确定单元确定在连续拍摄期间是否发生拍摄部分的位置位移，以及
在确定发生所述位置位移的情况下，所述输出单元执行预定的第二输出。
8.根据权利要求7所述的信息处理装置，其中
在多个连续拍摄图像之前和之后拍摄两个图像，所述确定单元基于各自所述两个图像的亮度图像之间的差距或相似度来确定是否发生所述位置位移。
9.根据权利要求7所述的信息处理装置，其中
所述确定单元基于预定传感器数据的变化是否超过阈值来确定是否发生所述位置位移。
10.根据权利要求1所述的信息处理装置，其中
所述确定单元进一步确定所述拍摄图像是否在相机与皮肤不接触的状态下被拍摄，以及
在确定所述拍摄图像在所述相机与所述皮肤不接触的状态下被拍摄的情况下，所述输出单元执行预定的第三输出。
11.根据权利要求10所述的信息处理装置，其中
所述确定单元基于从所述拍摄图像获得的亮度直方图，确定所述拍摄图像是否在所述相机与所述皮肤不接触的状态下被拍摄。
12.根据权利要求11所述的信息处理装置，其中
所述确定单元基于从所述拍摄图像获得的亮度直方图和预先登记的在所述相机与所述皮肤不接触时的亮度直方图之间的差距与从所述拍摄图像获得的所述亮度直方图和在所述相机与所述皮肤接触时的亮度直方图之间的差距之间的差，确定所述拍摄图像是否在所述相机与所述皮肤不接触的状态下被拍摄。
13.根据权利要求1所述的信息处理装置，其中
所述确定单元进一步确定在所述拍摄图像中是否发生模糊或抖动，以及
在确定在所述拍摄图像中发生所述模糊或所述抖动的情况下，所述输出单元执行预定的第四输出。
14.根据权利要求13所述的信息处理装置，其中
所述确定单元计算指示在所述拍摄图像中发生的所述模糊程度或所述抖动程度的评估值，并且基于所述评估值是否在预定范围内来确定在所述拍摄图像中是否发生所述模糊或所述抖动。
15.根据权利要求14所述的信息处理装置，其中
所述确定单元通过至少将从所述拍摄图像获得的频率的信息输入到预先生成的判别函数来获得所述评估值。
16.根据权利要求14所述的信息处理装置，其中
所述确定单元通过至少将从所述拍摄图像获得的各个块的亮度平均值之间的差输入到预先生成的判别函数来获得所述评估值。
17.根据权利要求2所述的信息处理装置，其中
所述确定单元计算指示所述拍摄图像的非皮肤区域图像可能性的评估值，并且基于所述评估值是否在预定范围内来确定所述拍摄图像是否是所述非皮肤区域图像，以及
所述反馈单元执行对应于所述评估值的反馈。
18.根据权利要求3所述的信息处理装置，其中
所述确定单元计算指示所述拍摄图像的非皮肤区域图像可能性的评估值，并且基于所述评估值是否在预定范围内来确定所述拍摄图像是否是所述非皮肤区域图像，以及
所述元数据分配单元将所述评估值或对应于所述评估值的数据输出到所述皮肤分析处理单元。
19.一种信息处理方法，包含：
至少确定拍摄图像是否是通过拍摄非皮肤区域而获得的非皮肤区域图像；以及
在所述拍摄图像被确定为所述非皮肤区域图像的情况下，通过处理器执行预定的第一输出。
20.一种程序，其用于使计算机充当信息处理装置，所述信息处理装置包括：
确定单元，其被配置成至少确定拍摄图像是否是通过拍摄非皮肤区域而获得的非皮肤区域图像；以及
输出单元，其被配置成在所述拍摄图像被确定为所述非皮肤区域图像的情况下，执行预定的第一输出。
CN201580059922.2A 2014-11-12 2015-08-24 信息处理装置、信息处理方法和程序 Active CN107148237B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2014-229891 2014-11-12
JP2014229891 2014-11-12
PCT/JP2015/073751 WO2016075978A1 (ja) 2014-11-12 2015-08-24 情報処理装置、情報処理方法およびプログラム

Publications (2)

Publication Number Publication Date
CN107148237A true CN107148237A (zh) 2017-09-08
CN107148237B CN107148237B (zh) 2021-04-30

Family

ID=55954073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580059922.2A Active CN107148237B (zh) 2014-11-12 2015-08-24 信息处理装置、信息处理方法和程序

Country Status (5)

Country Link
US (1) US11189024B2 (zh)
KR (1) KR102503872B1 (zh)
CN (1) CN107148237B (zh)
TW (1) TWI680747B (zh)
WO (1) WO2016075978A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110393508A (zh) * 2019-08-06 2019-11-01 中南大学湘雅医院 皮瓣图像获取方法、装置、存储介质及电子设备
CN110831499A (zh) * 2017-11-07 2020-02-21 株式会社阿文蒂诺 头部图像评估装置和头部图像评估方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110547866B (zh) * 2018-06-01 2022-01-11 福美生技有限公司 反馈式能量释放系统及其操作方法
JP2022163244A (ja) * 2019-09-25 2022-10-26 株式会社ニコン 解析装置、解析方法、及びプログラム
KR20210075673A (ko) * 2019-12-13 2021-06-23 삼성전자주식회사 사용자의 피부 상태를 측정하는 전자 장치와 이의 동작 방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020085219A1 (en) * 2000-08-11 2002-07-04 Victor Ramamoorthy Method of and system for generating and viewing multi-dimensional images
US8175336B2 (en) * 2008-12-16 2012-05-08 JVC Kenwood Corporation Target tracker
US8659622B2 (en) * 2009-08-31 2014-02-25 Adobe Systems Incorporated Systems and methods for creating and editing seam carving masks
US20140089864A1 (en) * 2012-02-29 2014-03-27 Robert Bosch Gmbh Method of Fusing Multiple Information Sources in Image-based Gesture Recognition System
US20140267841A1 (en) * 2013-03-14 2014-09-18 Canon Kabushiki Kaisha Image processing apparatus that performs gradation correction of photographed image, method of controlling the same, and storage medium
US8879800B2 (en) * 2011-06-15 2014-11-04 Honeywell International Inc. Quality driven image processing for ocular recognition system

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3577439B2 (ja) 2000-03-21 2004-10-13 ヤーマン株式会社 レーザ光照射プローブ
JP3960223B2 (ja) 2002-12-27 2007-08-15 トヨタ自動車株式会社 物体認識装置および物体認識方法
JP4482021B2 (ja) 2004-01-23 2010-06-16 オリンパス株式会社 カメラ
US8154612B2 (en) * 2005-08-18 2012-04-10 Qualcomm Incorporated Systems, methods, and apparatus for image processing, for color classification, and for skin color detection
JP2007081682A (ja) * 2005-09-13 2007-03-29 Canon Inc 画像処理装置、画像処理方法、及び、情報処理装置が実行可能なプログラム
JP2007108941A (ja) * 2005-10-12 2007-04-26 Sharp Corp 機器制御装置、リモートコントローラ、機器、機器制御方法、機器制御プログラム、および機器制御プログラムを記録したコンピュータ読取り可能な記録媒体
JP2009015749A (ja) * 2007-07-09 2009-01-22 Seiko Epson Corp 画像表示装置、画像表示方法、およびプログラム
JP4683031B2 (ja) * 2007-10-17 2011-05-11 ソニー株式会社 電子機器、コンテンツ分類方法及びそのプログラム
US20090234716A1 (en) * 2008-03-17 2009-09-17 Photometria, Inc. Method of monetizing online personal beauty product selections
JP5077956B2 (ja) 2008-04-23 2012-11-21 Ｋｄｄｉ株式会社 情報端末装置
WO2010014067A1 (en) * 2008-07-31 2010-02-04 Hewlett-Packard Development Company, L.P. Perceptual segmentation of images
US8406482B1 (en) * 2008-08-28 2013-03-26 Adobe Systems Incorporated System and method for automatic skin tone detection in images
JP5216641B2 (ja) 2008-09-12 2013-06-19 株式会社モリテックス 拡大撮像装置及び撮像方法
JP5635770B2 (ja) 2009-12-24 2014-12-03 京セラ株式会社 障害物検出装置
US8406519B1 (en) * 2010-03-10 2013-03-26 Hewlett-Packard Development Company, L.P. Compositing head regions into target images
CN102741882B (zh) 2010-11-29 2015-11-25 松下电器（美国）知识产权公司 图像分类装置、图像分类方法、集成电路、模型制作装置
JP5822545B2 (ja) 2011-06-09 2015-11-24 キヤノン株式会社 画像処理装置、画像処理装置の制御方法、およびプログラム
JPWO2013035847A1 (ja) 2011-09-09 2015-03-23 株式会社ニコン 形状測定装置、構造物製造システム、形状測定方法、構造物製造方法、形状測定プログラム、コンピュータ読み取り可能な記録媒体
WO2015103388A1 (en) * 2014-01-02 2015-07-09 Metritrack, Inc. System and method for tracking completeness of co-registered medical image data
JP6433187B2 (ja) * 2014-08-07 2018-12-05 キヤノン株式会社 情報処理装置、その制御方法およびコンピュータプログラム
JP6664163B2 (ja) * 2015-08-05 2020-03-13 キヤノン株式会社 画像識別方法、画像識別装置及びプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020085219A1 (en) * 2000-08-11 2002-07-04 Victor Ramamoorthy Method of and system for generating and viewing multi-dimensional images
US8175336B2 (en) * 2008-12-16 2012-05-08 JVC Kenwood Corporation Target tracker
US8659622B2 (en) * 2009-08-31 2014-02-25 Adobe Systems Incorporated Systems and methods for creating and editing seam carving masks
US8879800B2 (en) * 2011-06-15 2014-11-04 Honeywell International Inc. Quality driven image processing for ocular recognition system
US20140089864A1 (en) * 2012-02-29 2014-03-27 Robert Bosch Gmbh Method of Fusing Multiple Information Sources in Image-based Gesture Recognition System
US20140267841A1 (en) * 2013-03-14 2014-09-18 Canon Kabushiki Kaisha Image processing apparatus that performs gradation correction of photographed image, method of controlling the same, and storage medium

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110831499A (zh) * 2017-11-07 2020-02-21 株式会社阿文蒂诺 头部图像评估装置和头部图像评估方法
CN110831499B (zh) * 2017-11-07 2022-06-28 株式会社阿文蒂诺 头部图像评估装置和头部图像评估方法
CN110393508A (zh) * 2019-08-06 2019-11-01 中南大学湘雅医院 皮瓣图像获取方法、装置、存储介质及电子设备
CN110393508B (zh) * 2019-08-06 2022-08-30 中南大学湘雅医院 皮瓣图像获取方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
US20170316564A1 (en) 2017-11-02
CN107148237B (zh) 2021-04-30
KR102503872B1 (ko) 2023-02-27
US11189024B2 (en) 2021-11-30
TW201617028A (zh) 2016-05-16
TWI680747B (zh) 2020-01-01
KR20170085494A (ko) 2017-07-24
WO2016075978A1 (ja) 2016-05-19

Similar Documents

Publication Publication Date Title
US10438076B2 (en) System and method for a biometric image sensor with spoofing detection
CN108108767B (zh) 一种谷物识别方法、装置和计算机存储介质
CN107438854B (zh) 使用移动设备捕获的图像执行基于指纹的用户认证的系统和方法
Ramlakhan et al. A mobile automated skin lesion classification system
CN107148237A (zh) 信息处理装置、信息处理方法和程序
JP5530503B2 (ja) 視線測定のための方法及び装置
US8325993B2 (en) Standoff and mobile fingerprint collection
CN112801057B (zh) 图像处理方法、装置、计算机设备和存储介质
CN107479801A (zh) 基于用户表情的终端显示方法、装置及终端
JP2004357277A (ja) デジタル画像処理方法
KR20210084449A (ko) 목표 대상 인식 시스템, 방법, 장치, 전자 디바이스 및 기록 매체
US11341348B2 (en) Hand biometrics system and method using digital fingerprints
JP2010211498A (ja) 画像処理プログラム及び画像処理システム
US7164440B2 (en) Dynamic image adaptation method for adjusting the quality of digital prints
KR102333500B1 (ko) 곡물 인식 방법, 장치 및 컴퓨터 판독 가능 저장 매체
CN106402717B (zh) 一种ar播放控制方法及智能台灯
JP6878826B2 (ja) 撮影装置
CN113297977A (zh) 活体检测方法、装置及电子设备
JP2007140723A (ja) 顔認証装置
WO2005093656A1 (ja) 特定部分姿勢推定装置、特定部分姿勢推定方法及び特定部分姿勢推定プログラム
CN111222481B (zh) 识别衣服颜色的方法和装置
Malarvezhi et al. Illumination map based image splicing detection
Uhlenbrock et al. Did You Note My Palette? Unveiling Synthetic Images Through Color Statistics
Sastry et al. Classification and Detection of Skin Tones Using Big Data Machine Learning Algorithms Under Rapidly Varying Illuminating Conditions
JP2023032776A (ja) 画像処理装置、画像処理方法、及びプログラム

Legal Events

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