CN110072433B - 用于眼袋的三维分析的系统、装置和方法 - Google Patents

用于眼袋的三维分析的系统、装置和方法 Download PDF

Info

Publication number
CN110072433B
CN110072433B CN201780063191.8A CN201780063191A CN110072433B CN 110072433 B CN110072433 B CN 110072433B CN 201780063191 A CN201780063191 A CN 201780063191A CN 110072433 B CN110072433 B CN 110072433B
Authority
CN
China
Prior art keywords
scan data
determining
model
facial
face
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.)
Active
Application number
CN201780063191.8A
Other languages
English (en)
Other versions
CN110072433A (zh
Inventor
特蕾莎·法姆杜
凯尔西·诺伍德
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.)
LOreal SA
Original Assignee
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 LOreal SA filed Critical LOreal SA
Publication of CN110072433A publication Critical patent/CN110072433A/zh
Application granted granted Critical
Publication of CN110072433B publication Critical patent/CN110072433B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/442—Evaluating skin mechanical properties, e.g. elasticity, hardness, texture, wrinkle assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/754—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries involving a deformation of the sample pattern or of the reference pattern; Elastic matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/12—Acquisition of 3D measurements of objects
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships

Landscapes

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

Abstract

在本发明的一些实施方式中，提供了一种用于处理三维面部扫描数据的系统。三维扫描仪产生包括感兴趣区域的面部的图像，该感兴趣区域包括眼袋区域。眼袋区域的轮廓由系统确定。在一些实施方式中，基于眼袋区域中心处的竖向切片确定轮廓。可以比较多组扫描数据的轮廓来确定眼袋轮廓之间的定量差异。这些差异可用于定量比较扫描之间施加到眼袋区域的产品的效果。这些差异也可用于预测性地生成三维模型，以说明产品在脸上的使用的预测效果。

Description

用于眼袋的三维分析的系统、装置和方法
发明内容
在一些实施方式中，提供了一种处理三维面部扫描数据的计算机实施的方法。一种面部分析装置接收表示面部的三维扫描的第一面部扫描数据。该面部分析装置确定第一面部扫描数据的眼袋区域的第一模型。该面部分析装置基于第一模型确定第一分数，并将第一分数存储在扫描数据存储器中。
在一些实施方式中，提供了一种用于处理三维面部扫描数据的系统。该系统包括三维扫描仪和通信地联接到扫描仪的面部分析装置。面部分析装置被配置用于执行动作，该动作包括以下：从三维扫描仪接收表示面部的三维扫描的第一面部扫描数据；确定第一面部扫描数据的眼袋区域的第一模型；基于第一模型确定第一分数；并将第一分数存储在扫描数据存储器中。
在一些实施方式中，提供了一种用于处理三维面部扫描数据的系统。该系统包括用于接收表示面部的三维扫描的第一面部扫描数据的电路；用于确定第一面部扫描数据的眼袋区域的第一模型的电路；用于基于第一模型确定第一分数的电路；和用于将第一分数存储在扫描数据存储器中的电路。
提供该发明内容是为了以简化的形式介绍概念的选择，这些概念将在下面的具体实施方式中进一步描述。该发明内容不旨在标识所要求保护的主题的关键特征，也不旨在用于帮助确定所要求保护的主题的范围。
附图说明
通过参考以下详细描述并结合附图，本发明的前述方面和许多附带优点将变得更容易理解，其中：
图1是示出根据本发明的各个方面的用于分析眼袋的系统的示例性实施方式的部件的示意图；
图2A-2B是示出根据本发明的各个方面的构建和分析面部模型的方法的示例性实施方式的流程图；
图3是示出根据本发明的各个方面的所比较的二维眼袋模型的示例的图表；
图4是示出基于扫描数据的三维表示的所比较的眼袋模型的示例的图表；
图5是示出根据本发明的各个方面的曲线下绝对面积分数的确定的图表；
图6是示出根据本发明的各个方面的最大/最小值分数的确定的图表；
图7是示出根据本发明的各个方面的斜率分数的确定的图表；
图8是示出根据本发明的各个方面的弧长分数的确定的图表；和
图9是示出适合用作本发明的计算装置的示例性计算装置的方面的框图。
具体实施方式
在化妆品行业中，三维分析工具的使用为产品功效和产品利益与消费者的交互的技术测量提供了新的途径。然而，尚不存在体内测量用来以定量方式描述或评价眼袋区域。所需要的是提供眼袋区域的三维扫描的自动分析并且能够向可用于评价的终端用户(例如消费者、临床医生、科学家或其他类型的用户)生成输出的系统和方法。
三维成像技术的使用对于眼袋的定量测量是新颖的，眼袋是在文献中缺乏几何信息的物理面部特征。除了定量测量之外，眼袋模型还可用于确定产品在眼袋区域上的作用机制。
通过非接触式成像技术实现三维测量，其提供关于体内眼袋形状的准确信息，并且与受过训练的临床医生的主观视觉分级相比是有利的。此外，三维扫描装置为分析提供非常精细的数据，因此可以允许多次扫描的详细比较。然后，可以使用该详细比较来跟踪随着随时间用户脸上的眼袋区域的形状，例如在施加用于改变该形状的产品之前和之后，从而减少眼袋的外观以便定量测试产品功效。此外，还可以使用单独的测量来评价眼袋的严重程度，以进行诊断评价。在本发明的一些实施方式中，利用三维成像装置捕获面部表面结构，这产生可以显示在显示装置上以聚焦在眼袋区域上的存储的三维扫描。在一些实施方式中，对于每个三维扫描，可以在几何形状的最高z点和最低z点之间绘制中平面。可以将该平面上方和下方的测量点的扩展可以显示在显示装置上以聚焦在眼袋区域上作为单个度量计算，例如直方图的标准偏差。对于用户，可以将单个度量表示为对眼袋的当前“平坦度”状态的诊断。可替代地，可以比较后续度量以表征眼袋所经历的“扁平化”的量以跟踪进展或产品效果。在一些实施方式中，对于每个三维扫描，在眼袋的中间进行竖向切割。分析可以使用来自不同时间点的数据采集。基于这些曲线的扫描特征(例如，曲线下面积、眼袋高度、泪槽深度、弧长、斜率等)，可以评价产品效果。对于用户，其可以作为跟踪度量来呈现。
图1是示出根据本发明的各个方面的用于分析眼袋的系统的示例性实施方式的部件的示意图。如图所示，系统100包括三维扫描仪102，面部分析装置104和显示器16。三维扫描仪102是能够生成诸如面部这样的对象的三维表示的任何合适的装置。三维扫描仪102可以使用条纹投影、立体摄影测量术或用于生成三维表示的任何其他合适的技术。适合用作三维扫描仪102的一个示例装置是EOTECH SA生产的DermaTOP。适合用作三维扫描仪102的另一示例装置是Canfield Scientific，Inc.生产的VECTRA M3。适合用作三维扫描仪102的另一示例装置是用于智能手机的附接装置，其能够由相机图像或其他数据源生成三维模型。这些示例不应视为限制，因为可以使用具有类似功能的任何其他装置。
面部分析装置104是通信地联接到三维扫描仪102的计算装置。在一些实施方式中，面部分析装置104的一些或全部功能由结合到三维扫描仪102中的计算装置提供。在一些实施方式中，面部分析装置104的一些或全部功能由单独的计算装置(例如，台式计算装置、膝上型计算装置、平板计算装置、智能电话、云服务装置和/或任何其他类型的计算装置)提供。
面部分析装置包括扫描分析引擎108和扫描数据存储器110。在一些实施方式中，扫描分析引擎108被配置用于：从三维扫描仪102接收扫描数据、基于扫描数据生成眼袋模型、比较眼袋模型来确定差异并以各种方式使用计算的差异。在一些实施方式中，扫描数据存储器被配置用于存储扫描数据、模型数据和差异数据中的一个或多个。下面提供扫描分析引擎108和扫描数据存储器110的配置的进一步细节。
通常，这里使用的术语“引擎(engine)”指的是在可以用编程语言编写的硬件指令或软件指令体现中的逻辑，该编程语言例如是C、C++、COBOL、JAVATM、PHP、Perl、HTML、CSS、JavaScript、VBScript、ASPX、Microsoft.NETTM(例如C#)语言，应用程序特定语言(例如Matlab)和/或类似语言。引擎可以编译成可执行程序或用解释型编程语言编写。引擎可以从其他引擎或自身来调用。通常，这里描述的引擎是指可以与其他引擎或应用程序合并的逻辑模块，或者可以分成子引擎。引擎可以存储在任何类型的计算机可读介质或计算机存储装置中，并且可以存储在一个或多个通用计算机上并由其执行，从而创建配置成提供引擎的专用计算机。因此，这里示出的装置和系统包括被配置为提供所示引擎的一个或多个计算装置，然而为了清楚起见，未在每种情况下示出计算装置本身。
如本领域普通技术人员所理解的，如本文所述的“数据存储器”可以由被配置为存储数据以供计算装置访问的任何合适的装置提供。数据存储器的一个示例是在一个或多个计算装置上执行并且可在本地或通过高速网络访问的高度可靠的、高速的关系数据库管理系统(RDBMS)。然而，可以使用能够响应于查询而快速且可靠地提供存储的数据的任何其他合适的存储技术和/或装置，例如键值存储器、对象数据库和/或类似物。提供数据存储器的计算装置可以本地访问而不是通过网络访问，或者可以作为基于云的服务来提供。数据存储器还可以包括以有组织的方式存储在计算机可读存储介质上的如下面进一步描述的数据。数据存储器的另一示例是文件系统或数据库管理系统，其将数据存储在例如闪存、随机存取存储器(RAM)、硬盘驱动器和/或类似物的计算机可读介质上的文件(或记录)中。本领域普通技术人员将认识到，在不脱离本发明的范围的条件下，可以将本文描述的分开的数据存储器组合成单个数据存储器，和/或可以将本文描述的单个数据存储器分成多个数据存储器。
显示器106通信地联接到面部分析装置104。任何类型的显示装置可以用作显示器106，例如LCD监视器、CRT监视器、投影仪、触摸屏装置、智能电话和/或类似物。在一些实施方式中，显示器106与面部分析装置104分离。在一些实施方式中，显示器106与面部分析装置104和/或三维扫描仪102组合。
在一些实施方式中，系统100提供用于管理用户帐户和历史信息的附加界面。例如，面部分析装置104可以存储用户账户信息，并且用户90可以使用用户名和密码来访问面部分析装置104上的账户，该账户存储关于用户90的信息，例如过去的扫描数据、人口统计信息、购买历史、以前使用的产品和/或类似信息。在一些实施方式中，扫描数据存储器110可以由服务器或云服务提供，并且面部扫描数据、人口统计信息、个人认证信息和/或与用户90相关的任何其他信息可以在传输到扫描数据存储器110之前由面部分析装置104加密和/或匿名化。
图2A-2B是示出根据本发明的各个方面的构建和分析面部模型的方法的示例性实施方式的流程图。从起始框开始，方法200进行到框202，其中三维扫描仪102执行面部的第一扫描并将第一扫描数据提供给面部分析装置104。第一扫描数据是如通过三维扫描仪102所获得面部的三维表示。在一些实施方式中，第一扫描数据可以包括保存在.ply或.stl文件中的表面几何形状，而在一些实施方式中，可以使用其他合适的数据格式。接下来，在框204处，面部分析装置104将第一扫描数据存储在扫描数据存储器110中。在一些实施方式中，从三维扫描仪102接收的整个扫描数据存储在扫描数据存储器110中。在一些实施方式中，扫描数据中的感兴趣区域存储在扫描数据存储器110中，并且丢弃剩余的扫描数据。在一些实施方式中，可以生成模型(如下所述)，并且代替全部扫描数据可以将模型存储在扫描数据存储器110中。在一些实施方式中，可以生成模型分数(如下所述)，并且代替整个扫描数据或模型可以将模型分数存储在扫描数据存储器110中。
在框206处，三维扫描仪102执行面部的第二扫描并将第二扫描数据提供给面部分析装置104，并且在框208处，面部分析装置104将第二扫描数据存储在扫描数据存储器110中。在框206和208处执行的动作类似于在框202和204处执行的动作，但是在时间上较晚。在一些实施方式中，可以在经过一段时间之后执行第二扫描，在此期间可以将产品施加到面部90。以这种方式，可以执行第二扫描以通过将其与第一扫描进行比较来确定产品在面部90上的效果。在一些实施方式(例如其中进行单个扫描并且不执行模型或模型分数之间的比较的实施方式)中，仅执行第一扫描并且仅存储第一扫描数据。
在一些实施方式中，由于在每次扫描期间面部90相对于三维扫描仪102的不完美的重新定位，在多个时间点拍摄的相同面部90的图像会发生未对准。因此，可能期望的是，扫描数据的表面几何形状的自动重新对准。在框210和212中描述了计算机化对准的一个非限制性示例。在框210处，面部分析装置104的扫描分析引擎108进行粗调以使第一扫描数据和第二扫描数据对准。在一些实施方式中，可以执行成对的粗调。在这样的实施方式中，在约束分数重叠参数和误差容限(拟合自由度)参数的引导下，第一扫描数据与第二“锚”扫描数据对准。迭代可能重叠的排列直到面部标志(例如鼻子和眼睛等)对准。方法200然后进行框212，其中扫描分析引擎108进行精调以使扫描数据存储器110中的面部的所有扫描数据对准。在一些实施方式中，精调可以简单地对准第一扫描数据和第二扫描数据。在一些实施方式中，存储在扫描数据存储器110中的面部90的附加扫描也可以彼此对准。在一些实施方式中，每个扫描数据被重新对准，直到误差容限在0.001单位内。通常，精细对准处理序列的十次迭代可以用于全局对准所有扫描数据，但是在一些实施方式中，可以使用更多或更少的迭代。
方法200随后进行到继续终端(“终端A”)，并且从终端A(图2B)到框214，其中扫描分析引擎108生成第一扫描数据的第一眼袋模型和第二扫描数据的第二眼袋模型。眼袋区域是从面部到面部变化的复杂的表面区域，因此眼袋区域的可量化比较的表示的确定是期望的。在一些实施方式中，眼袋模型是基于扫描数据的二维横截面。这种眼袋模型是基于在每个眼袋相对于每只眼睛的角部的中间处获取的竖向横截面，从而允许眼袋特征的可量化分析的标准化。这种基于竖向眼袋轮廓的眼袋模型提供了有关剧烈变化的有用信息，因为松散的眼袋皮肤提供了用于测量的变形距离的最大范围。在一些实施方式中，眼袋模型是基于扫描数据的三维表示。可以通过确定扫描数据内的参考平面并且为扫描数据的每个像素或体素确定距参考平面的距离来生成这样的眼袋模型。参考平面的一个非限制性示例是位于扫描数据的最靠前的点和扫描数据的最靠后的点之间的中点处的中平面或竖向平面。在这种情况下，眼袋模型可以是所确定的距参考平面的距离的直方图。
图3是示出根据本发明的各个方面的比较的二维眼袋模型的示例的图表。第一眼袋模型302作为在将产品施加到眼袋区域之前从面部的第一扫描获得的竖向横截面的“S”形状示出。一组随后的眼袋模型304示出了在将产品施加到眼袋区域之后竖向横截面随时间的变化。该图表还示出了基于第一扫描的眼袋模型的斜率306和基于后续扫描的眼袋模型的斜率308。
图4是示出基于扫描数据的三维表示的比较眼袋模型的示例的图表。第一眼袋模型402作为扫描数据中的像素或体素到扫描数据的参考平面的距离的直方图示出。还示出了第二眼袋模型404。为了确定这种模型的分数，可以确定直方图的标准偏差，并且可以将确定的标准偏差用作分数。较低的分数表明改善的眼袋外观，因为这意味着更多的眼袋区域位于参考平面附近，因此该区域的形状变得更光滑或更规则。在一些实施方式中，其他技术可以用来确定分数，例如确定直方图的最大值、确定直方图X轴上的位置，和/或其他合适的技术。
回到图2B，在框216处，扫描分析引擎108生成第一眼袋模型和第二眼袋模型之间的差异。可以执行许多合适形式的定量眼袋模型测量。可以为每个眼袋模型分别计算一些分数或度量，并且可以比较计算的分数。在其他情况下，可以将度量计算为所选眼袋模型之间的差异。一旦获得眼袋模型，可以使用任何合适的工具(包括但不限于Matlab、定制独立软件和/或其他类似工具)计算分数或度量。在一些实施方式中，代替生成多个模型之间的差异，可以确定并存储单个模型的分数。
图5-8示出了基于眼袋区域的竖向横截面为眼袋轮廓确定的各种度量或分数。图5是示出根据本发明的各个方面的曲线下绝对面积分数的确定的图表。对于该度量，相对于基线眼袋模型的眼袋模型的曲线下面积表示眼袋的减少量。面积差异越大，在基线面部扫描和之后的面部扫描之间施加的任何产品的效果越强。
图6是示出根据本发明的各个方面的最大/最小值分数的确定的图表。对于该度量，可以计算通过测量眼袋模型的眼袋部分的高度和/或眼袋模型的泪槽部分的深度来确定的分数，并且可以在眼袋模型之间比较以确定眼袋减少的程度。最大值之间的差异越大表示在基线面部扫描和之后的面部扫描之间施加的任何产品的效果越强。在一些实施方式中，可以仅比较眼袋部分的高度。在一些实施方式中，可以仅比较泪槽部分的深度。在一些实施方式中，眼袋部分的高度之间的差异与泪槽部分的深度之间的差异可以组合以产生组合度量。
图7是示出根据本发明的各个方面的斜率分数的确定的图表。对于该度量，确定从眼袋模型的起点到眼袋模型的终点的斜率，且越接近零的数值表示眼袋区域的外观的改善。
图8是示出根据本发明的各个方面的弧长分数的确定的图表。眼袋模型的弧长与眼袋的松弛度和由眼袋皮肤上的产品所产生的收缩应力有关。内应力越大，弧长越小，因此眼袋的外观得到更大的改善。
回到图2B，方法200随后进行到框218，其中扫描分析引擎108将第一眼袋模型和第二眼袋模型之间的差异存储在扫描数据存储器中。存储的差异具有多种用途。例如，在一些实施方式中，存储的差异可以用于定量地比较眼袋形状随时间的变化，例如在将产品应用到眼袋区域之前以及在一个或多个时间段之后将产品施加到眼袋区域之后。在本发明之前，这种定量比较是不可能的。作为另一示例，在一些实施方式中，存储的差异可以用于生成预测模型，如下面在可选框220-224中所描述的。差异可以作为随变化百分比的绝对差异或任何其他合适的形式存储。如上所述，在一些实施方式中，处理单个眼袋模型，并且代替(或除了)多个模型或多个分数之间的差异存储单个眼袋模型的分数。
在可选框220处，三维扫描仪102执行新面部的扫描并向面部分析装置104提供新的扫描数据。在可选框222处，扫描分析引擎108使用第一眼袋模型和第二眼袋模型之间的存储的差异以基于新扫描数据生成预测扫描数据。例如，存储的差异可以指示眼袋高度减少40％并且泪槽深度减少60％，因此扫描分析引擎108将生成预测的扫描数据，其中新扫描数据的眼袋高度减小了40％并且新扫描数据的泪槽深度减少了60％。在一些实施方式中，可以组合多个存储的差异(代替仅一个第一眼袋模型和第二眼袋模型之间的差异)并用于生成预测的扫描数据。
接下来，在可选框224处，面部分析装置104在显示器106上呈现预测的扫描数据。预测的扫描数据将表示新面部在应用产品之后可能看起来的样子，该产品在第一眼袋模型和第二眼袋模型的生成之间使用。这样的呈现可以帮助影响是否使用产品的决定，或帮助在多个产品之间进行选择。框220-224被示为可选的，因为一些实施方式仅仅将差异信息用于定量比较而不是用于生成预测的扫描数据。而且，在一些实施方式中，可能执行单个扫描，并且可以基于单个眼袋模型生成分数作为诊断分数而不是比较差异分数。方法200随后进行到结束框并终止。
图9是示出适合用作本发明的计算装置的示例性计算装置900的各方面的框图。虽然上面讨论了多种不同类型的计算装置，但是示例性计算装置900描述了许多不同类型的计算装置所共有的各种元件。虽然参考实施为网络上的装置的计算装置来描述图9，但是以下描述适用于服务器、个人计算机、移动电话、智能电话、平板计算机、嵌入式计算装置和可能的用于实现本发明的实施方式的各部分的其他装置。此外，本领域普通技术人员和其他技术人员将认识到计算装置900可以是任何数量的当前可用或尚未开发的装置中的任何一个。
在其最基本的配置中，计算装置900包括通过通信总线906连接的至少一个处理器902和系统存储器904。根据装置的确切配置和类型，系统存储器904可以是易失性或非易失性存储器，例如作为只读存储器(“ROM”)、随机存取存储器(“RAM”)、EEPROM、闪存或类似的存储器技术。本领域普通技术人员和其他技术人员将认识到系统存储器904通常存储可由处理器902立即访问和/或当前正在操作的数据和/或程序模块。在这方面，通过支持指令的执行，处理器902可以用作计算装置900的计算中心。
如图9中进一步所示，计算装置900可以包括网络接口910，网络接口910包括用于通过网络与其他装置通信的一个或多个部件。本发明的实施方式可以访问利用网络接口910以使用公共网络协议来执行通信的基本服务。网络接口910还可以包括无线网络接口，其被配置为经由一个或多个无线通信协议(例如WiFi、2G、3G、LTE、WiMAX、蓝牙、低功耗蓝牙和/或类似通信协议)进行通信。如本领域普通技术人员将理解的，图9中示出的网络接口910可以表示以上关于系统100的特定部件描述和示出的一个或多个无线接口或物理通信接口。
在图9所示的示例性实施方式中，计算装置900还包括存储介质908。然而，可以使用不包括用于将数据保持到本地存储介质的工具的计算装置来访问服务。因此，图9中描绘的存储介质908用虚线表示，以指示存储介质908是可选的。在任何情况下，存储介质908可以是易失性的或非易失性的，可移动的或不可移动的，使用能够存储信息的任何技术实现，例如但不限于硬盘驱动器、固态驱动器、CD ROM、DVD或其他盘存储器、磁带盒、磁带、磁盘存储器和/或类似存储器。
如本文所使用的，术语“计算机可读介质”包括在能够存储信息(例如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性介质以及可移动和不可移动介质。在这方面，图9中描绘的系统存储器904和存储介质908仅仅是计算机可读介质的示例。
包括处理器902、系统存储器904、通信总线906、存储介质908和网络接口910的计算装置的合适实施方式是已知的并且是可商购的。为了便于说明并且因为对于理解所要求保护的主题并不重要，图9未示出许多计算装置的一些常用部件。在这方面，计算装置900可以包括输入装置，例如键盘、小键盘、鼠标、麦克风、触摸输入装置、触摸屏、平板和/或类似输入装置。这些输入装置可以通过有线连接或无线连接(包括RF、红外、串行、并行、蓝牙、蓝牙低功耗、USB、或使用无线或物理连接的其他合适的连接协议)而联接到计算装置900。类似地，计算装置900还可以包括输出装置，例如显示器、扬声器、打印机等。由于这些装置在本领域中是充分已知的，因此这里不再示出或描述它们。
本文公开的某些实施方式利用电路来实现功能，可操作地联接到或多个部件，生成信息，确定操作条件等。可以使用任何类型的电路。在一些实施方式中，电路尤其包括一个或多个计算装置，例如处理器(例如，微处理器)、中央处理单元(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等，或它们的任意组合，并且可包括离散的数字或模拟电路元件或电子器件，或它们的任意组合。在一些实施方式中，电路包括具有多个预定义逻辑部件的一个或多个ASIC。在一些实施方式中，电路包括具有多个可编程逻辑部件的一个或多个FPGA。
虽然已经说明和描述了说明性实施方式，但是应当理解，在不脱离本发明的精神和范围的情况下，可以在其中进行各种变化。

Claims (26)

1.一种处理三维面部扫描数据的计算机实施的方法，所述方法包括：
面部分析装置在面部的眼袋区域施加治疗之后接收表示面部的三维扫描的第一面部扫描数据；
所述面部分析装置确定所述第一面部扫描数据的眼袋区域的第一模型；
所述面部分析装置基于所述第一模型确定第一分数；
所述面部分析装置将所述第一分数存储在扫描数据存储器中；
所述面部分析装置将所述第一模型与表示所述面部的先前三维扫描的先前面部扫描数据的至少一个存储模型进行比较，以确定所述模型之间的差异；和
所述面部分析装置为了评价所述治疗而呈现确定的差异。
2.根据权利要求1所述的方法，还包括：
所述面部分析装置将确定的差异存储在所述扫描数据存储器中。
3.根据权利要求2所述的方法，还包括：
所述面部分析装置接收表示新面部的三维扫描的新面部扫描数据；
所述面部分析装置确定所述新面部扫描数据的眼袋区域的新模型；
所述面部分析装置使用所述新模型和存储在所述扫描数据存储器中的所述确定的差异来确定预测的面部扫描数据；和
所述面部分析装置在显示器上呈现所述预测的面部扫描数据。
4.根据权利要求1-3中任一项所述的方法，其中，确定所述第一面部扫描数据的眼袋区域的第一模型包括：在所述眼袋区域相对于相关眼睛的角部的中间处确定所述眼袋区域的竖向横截面。
5.根据权利要求4所述的方法，其中，基于所述第一模型确定第一分数包括以下中的至少一项：
确定所述第一模型的曲线下绝对面积(AUC)；
确定所述第一模型的最大值或最小值；
确定所述第一模型的曲线端点之间的斜率；和
确定所述第一模型的弧长。
6.根据权利要求1-3中任一项所述的方法，其中，确定所述第一面部扫描数据的眼袋区域的第一模型包括：
确定所述第一面部扫描数据的参考平面；
确定从所述第一面部扫描数据内的每个体素到所述参考平面的距离；和
确定所述距离的直方图；并且
其中，基于所述第一模型确定第一分数包括确定所述直方图的标准偏差。
7.根据权利要求1-3中任一项所述的方法，还包括通过以下将所述第一面部扫描数据与先前面部扫描数据对准：
执行成对粗调以将所述第一面部扫描数据与第二面部扫描数据对准；和
执行全局精调以迭代地重新对准所有面部扫描数据，直到误差容限在预定阈值内。
8.根据权利要求7所述的方法，其中，执行成对粗调以将所述第一面部扫描数据与第二面部扫描数据对准包括：在约束分数重叠参数和误差容限参数的指导下将所述第一面部扫描数据与所述第二面部扫描数据迭代地对准，直到面部标志对准。
9.一种用于处理三维面部扫描数据的系统，所述系统包括：
三维扫描仪；和
面部分析装置，其通信地联接到所述扫描仪并且被配置用于执行动作，所述动作包括：
在面部的眼袋区域施加治疗之后从所述三维扫描仪接收表示面部的三维扫描的第一面部扫描数据；
确定所述第一面部扫描数据的眼袋区域的第一模型；
基于所述第一模型确定第一分数；
将所述第一分数存储在扫描数据存储器中；
将所述第一模型与表示所述面部的先前三维扫描的先前面部扫描数据的至少一个存储模型进行比较，以确定所述模型之间的差异；和
为了评价所述治疗而呈现确定的差异。
10.根据权利要求9所述的系统，其中，所述动作还包括：
将确定的差异存储在所述扫描数据存储器中。
11.根据权利要求10所述的系统，还包括显示器，并且其中，所述动作还包括：
从所述扫描仪接收表示新面部的三维扫描的新面部扫描数据；
确定所述新面部扫描数据的眼袋区域的新模型；
使用所述新模型和存储在所述扫描数据存储器中的所述确定的差异，确定预测的面部扫描数据；和
在所述显示器上呈现所述预测的面部扫描数据。
12.根据权利要求9-11中任一项所述的系统，其中，确定所述第一面部扫描数据的眼袋区域的第一模型包括：在所述眼袋区域相对于相关眼睛的角部的中间处确定所述眼袋区域的竖向横截面。
13.根据权利要求12所述的系统，其中，基于所述第一模型确定第一分数包括以下中的至少一项：
确定所述第一模型的曲线下绝对面积(AUC)；
确定所述第一模型的最大值或最小值；
确定所述第一模型的曲线端点之间的斜率；和
确定所述第一模型的弧长。
14.根据权利要求9-11中任一项所述的系统，其中，确定所述第一面部扫描数据的眼袋区域的第一模型包括：
确定所述第一面部扫描数据的参考平面；
确定从所述第一面部扫描数据内的每个体素到所述参考平面的距离；和
确定所述距离的直方图；并且
其中，基于所述第一模型确定第一分数包括确定所述直方图的标准偏差。
15.根据权利要求9-11中任一项所述的系统，其中，所述动作还包括通过以下将所述第一面部扫描数据与先前面部扫描数据对准：
执行成对粗调以将所述第一面部扫描数据与第二面部扫描数据对准；和
执行全局精调以迭代地重新对准所有面部扫描数据，直到误差容限在预定阈值内。
16.根据权利要求15所述的系统，其中，执行成对粗调以将所述第一面部扫描数据与第二面部扫描数据对准包括：在约束分数重叠参数和误差容限参数的指导下将所述第一面部扫描数据与所述第二面部扫描数据迭代地对准，直到面部标志对准。
17.一种用于处理三维面部扫描数据的系统，所述系统包括：
用于在面部的眼袋区域施加治疗之后接收表示面部的三维扫描的第一面部扫描数据的电路；
用于确定所述第一面部扫描数据的眼袋区域的第一模型的电路；
用于基于所述第一模型确定第一分数的电路；
用于将所述第一分数存储在扫描数据存储器中的电路；
用于将所述第一模型与表示所述面部的先前三维扫描的先前面部扫描数据的至少一个存储模型进行比较，以确定所述模型之间的差异的电路；和
用于为了评价所述治疗而呈现确定的差异的电路。
18.根据权利要求17所述的系统，还包括：
用于将确定的差异存储在所述扫描数据存储器中的电路。
19.根据权利要求18所述的系统，还包括：
用于接收表示新面部的三维扫描的新面部扫描数据的电路；
用于确定所述新面部扫描数据的眼袋区域的新模型的电路；
用于使用所述新模型和存储在所述扫描数据存储器中的所述确定的差异确定预测的面部扫描数据的电路；和
用于在显示器上呈现所述预测的面部扫描数据的电路。
20.根据权利要求17-19中任一项所述的系统，其中，确定所述第一面部扫描数据的眼袋区域的第一模型包括：在所述眼袋区域相对于相关眼睛的角部的中间处确定所述眼袋区域的竖向横截面。
21.根据权利要求20所述的系统，其中，基于所述第一模型确定第一分数包括以下中的至少一项：
确定所述第一模型的曲线下绝对面积(AUC)；
确定所述第一模型的最大值或最小值；
确定所述第一模型的曲线端点之间的斜率；和
确定所述第一模型的弧长。
22.根据权利要求17-19中任一项所述的系统，其中，确定所述第一面部扫描数据的眼袋区域的第一模型包括：
确定所述第一面部扫描数据的参考平面；
确定从所述第一面部扫描数据内的每个体素到所述参考平面的距离；和
确定所述距离的直方图；并且
其中，基于所述第一模型确定第一分数包括确定所述直方图的标准偏差。
23.根据权利要求17-19中任一项所述的系统，还包括用于通过以下将所述第一面部扫描数据与先前面部扫描数据对准的电路：
执行成对粗调以将所述第一面部扫描数据与第二面部扫描数据对准；和
执行全局精调以迭代地重新对准所有面部扫描数据，直到误差容限在预定阈值内。
24.根据权利要求23所述的系统，其中，执行成对粗调以将所述第一面部扫描数据与第二面部扫描数据对准包括：在约束分数重叠参数和误差容限参数的指导下将所述第一面部扫描数据与所述第二面部扫描数据迭代地对准，直到面部标志对准。
25.一种非暂时性计算机可读介质，其具有存储在其上的计算机可执行指令，所述计算机可执行指令响应于计算装置的一个或多个处理器的执行，使所述计算装置执行根据权利要求1-8中任一项所述的处理三维面部扫描数据的方法。
26.一种面部分析装置，其配置用于执行根据权利要求1-8中任一项所述的处理三维面部扫描数据的方法。
CN201780063191.8A 2016-09-19 2017-09-05 用于眼袋的三维分析的系统、装置和方法 Active CN110072433B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/269,246 US10395099B2 (en) 2016-09-19 2016-09-19 Systems, devices, and methods for three-dimensional analysis of eyebags
US15/269,246 2016-09-19
PCT/US2017/050051 WO2018052755A1 (en) 2016-09-19 2017-09-05 Systems, devices, and methods for three-dimensional analysis of eyebags

Publications (2)

Publication Number Publication Date
CN110072433A CN110072433A (zh) 2019-07-30
CN110072433B true CN110072433B (zh) 2022-04-05

Family

ID=59901591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780063191.8A Active CN110072433B (zh) 2016-09-19 2017-09-05 用于眼袋的三维分析的系统、装置和方法

Country Status (6)

Country Link
US (1) US10395099B2 (zh)
EP (1) EP3531893A1 (zh)
JP (1) JP6936852B2 (zh)
KR (1) KR102220035B1 (zh)
CN (1) CN110072433B (zh)
WO (1) WO2018052755A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7164333B2 (ja) * 2018-06-27 2022-11-01 株式会社日立製作所 個人情報分析システム
JP6983831B2 (ja) * 2019-03-26 2021-12-17 富士フイルム株式会社 弛み評価方法、弛み評価装置、及び弛み評価プログラム
CN111938655B (zh) * 2020-07-09 2021-09-03 上海交通大学 基于关键点信息的眼眶软组织形态评价方法、系统及设备
US11900556B2 (en) 2021-06-30 2024-02-13 L'oreal Generation of digital 3D models of body surfaces with automatic feature identification

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101347332A (zh) * 2008-08-22 2009-01-21 深圳先进技术研究院 一种人脸三维面形数字化测量系统的测量方法及设备
CN101861118A (zh) * 2007-11-16 2010-10-13 视瑞尔技术公司 用于发现和跟踪双眼的方法和装置
JP2011150595A (ja) * 2010-01-22 2011-08-04 Shiseido Co Ltd 顔形状評価装置、顔形状評価方法、及び顔形状評価プログラム
EP1833004A3 (en) * 2006-03-07 2012-01-18 Kabushiki Kaisha Toshiba Apparatus for detecting feature point and method of detecting feature point
CN102429727A (zh) * 2011-08-10 2012-05-02 四川华肤生物科技有限责任公司 一种用于人体面部皮肤无创测量重复定位的方法
WO2015017687A3 (en) * 2013-07-31 2015-03-26 Cosmesys Inc. Systems and methods for producing predictive images
CN104661585A (zh) * 2012-09-26 2015-05-27 Lvmh研究公司 表征皮肤体积的方法

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6571003B1 (en) * 1999-06-14 2003-05-27 The Procter & Gamble Company Skin imaging and analysis systems and methods
JP2002042115A (ja) * 2000-07-26 2002-02-08 Fujitsu Ltd 疲労緩和システム、疲労緩和方法及び記録媒体
GB2408615B (en) * 2003-10-09 2006-12-13 Univ York Image recognition
US20060274071A1 (en) * 2004-09-29 2006-12-07 L'oreal Method of predicting the appearance of at least a portion of an individual's body
JP4761924B2 (ja) * 2004-10-22 2011-08-31 株式会社 資生堂 肌状態診断システムおよび美容のためのカウンセリングシステム
SG123618A1 (en) * 2004-12-15 2006-07-26 Chee Khin George Loo A method and system for verifying the identity of a user
US20060206724A1 (en) * 2005-02-16 2006-09-14 David Schaufele Biometric-based systems and methods for identity verification
JP2006223608A (ja) * 2005-02-18 2006-08-31 Hatsue Eguchi 下顔カバー付きアイマスク
US20080136814A1 (en) 2006-09-17 2008-06-12 Chang Woo Chu System and method for generating 3-d facial model and animation using one video camera
FR2915390B1 (fr) * 2007-04-24 2010-01-01 Ballot Flurin Apiculteurs Procede de traitement de la propolis
JP2009054060A (ja) * 2007-08-29 2009-03-12 Kao Corp 顔の形状評価方法
CN107066862B (zh) * 2007-09-24 2022-11-25 苹果公司 电子设备中的嵌入式验证系统
CN103369391B (zh) * 2007-11-21 2016-12-28 高通股份有限公司 基于媒体偏好控制电子设备的方法和系统
US8180112B2 (en) * 2008-01-21 2012-05-15 Eastman Kodak Company Enabling persistent recognition of individuals in images
JP4569670B2 (ja) * 2008-06-11 2010-10-27 ソニー株式会社 画像処理装置、画像処理方法およびプログラム
KR101021027B1 (ko) * 2008-07-01 2011-03-09 경원대학교 산학협력단 피부 주름 평가를 위한 입체영상 측정 시스템 및 방법
TW201106919A (en) * 2009-08-21 2011-03-01 Jian-Han Chen Method for measuring and identifying dark cycles under eyes
FR2967348B1 (fr) * 2010-11-17 2013-05-10 Oreal Composition cosmetique pour le contour des yeux
EP2689396A4 (en) 2011-03-21 2015-06-03 Intel Corp PROCESS FOR ADVANCED CHANGES WITH 3D FACE MODELING AND MARKING ALIGNMENT
US8593634B1 (en) * 2012-06-15 2013-11-26 Larry Y Igarashi Custom cosmetic blending machine
US9342735B2 (en) * 2011-12-01 2016-05-17 Finding Rover, Inc. Facial recognition lost pet identifying system
US20130286161A1 (en) * 2012-04-25 2013-10-31 Futurewei Technologies, Inc. Three-dimensional face recognition for mobile devices
US20140266604A1 (en) * 2013-03-13 2014-09-18 Sololnsight, Inc. Apparatus, methods and systems for integrated workforce management and access control
KR102121592B1 (ko) * 2013-05-31 2020-06-10 삼성전자주식회사 시력 보호 방법 및 장치
JP6209417B2 (ja) 2013-10-21 2017-10-04 日本メナード化粧品株式会社 目元印象評価装置および目元印象評価方法
US20150126907A1 (en) * 2013-10-30 2015-05-07 Living Proof, Inc. Scale and associated metric for treatment of facial wrinkles and related conditions
US9361510B2 (en) * 2013-12-13 2016-06-07 Intel Corporation Efficient facial landmark tracking using online shape regression method
AU2014368997B2 (en) * 2013-12-19 2020-02-27 Motorola Solutions, Inc. System and method for identifying faces in unconstrained media
US9846522B2 (en) * 2014-07-23 2017-12-19 Microsoft Technology Licensing, Llc Alignable user interface
CN204395236U (zh) * 2014-10-29 2015-06-17 刘东光 一种用于面部的3d综合美容仪
CN204521532U (zh) * 2015-02-10 2015-08-05 刘东光 眼面部美容保健仪

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1833004A3 (en) * 2006-03-07 2012-01-18 Kabushiki Kaisha Toshiba Apparatus for detecting feature point and method of detecting feature point
CN101861118A (zh) * 2007-11-16 2010-10-13 视瑞尔技术公司 用于发现和跟踪双眼的方法和装置
CN101347332A (zh) * 2008-08-22 2009-01-21 深圳先进技术研究院 一种人脸三维面形数字化测量系统的测量方法及设备
JP2011150595A (ja) * 2010-01-22 2011-08-04 Shiseido Co Ltd 顔形状評価装置、顔形状評価方法、及び顔形状評価プログラム
CN102429727A (zh) * 2011-08-10 2012-05-02 四川华肤生物科技有限责任公司 一种用于人体面部皮肤无创测量重复定位的方法
CN104661585A (zh) * 2012-09-26 2015-05-27 Lvmh研究公司 表征皮肤体积的方法
WO2015017687A3 (en) * 2013-07-31 2015-03-26 Cosmesys Inc. Systems and methods for producing predictive images

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A new method to evaluate lower eyelid sag using three-dimensional image analysis;Fukuda Y, Fujimura T, Moriwaki S, Kitahara T;《Int J Cosmet Sci》;20051031;第284页第2栏、第285-287页 *
Fukuda Y, Fujimura T, Moriwaki S, Kitahara T.A new method to evaluate lower eyelid sag using three-dimensional image analysis.《Int J Cosmet Sci》.2005, *

Also Published As

Publication number Publication date
KR20190096933A (ko) 2019-08-20
US10395099B2 (en) 2019-08-27
JP2019536496A (ja) 2019-12-19
JP6936852B2 (ja) 2021-09-22
CN110072433A (zh) 2019-07-30
WO2018052755A1 (en) 2018-03-22
KR102220035B1 (ko) 2021-02-24
US20180082108A1 (en) 2018-03-22
EP3531893A1 (en) 2019-09-04

Similar Documents

Publication Publication Date Title
CN110072433B (zh) 用于眼袋的三维分析的系统、装置和方法
EP3674852B1 (en) Method and apparatus with gaze estimation
US9684817B2 (en) Method and system for automatically optimizing quality of point cloud data
Huang et al. Edge-aware point set resampling
US11688105B2 (en) Facial expression image processing method and apparatus
US10650525B2 (en) Interactive image segmenting apparatus and method
US10290095B2 (en) Image processing apparatus for measuring a length of a subject and method therefor
US10607342B2 (en) Atlas-based contouring of organs at risk for radiation therapy
US9058650B2 (en) Methods, apparatuses, and computer program products for identifying a region of interest within a mammogram image
US10395380B2 (en) Image processing apparatus, image processing method, and storage medium
US20160310107A1 (en) Method and System for Automatic Estimation of Shear Modulus and Viscosity from Shear Wave Imaging
US10751017B2 (en) Modular automated scoring system for TBI assessment
US20160189382A1 (en) System and method for registration of brain images
US10970655B2 (en) Surgery planning based on predicted results
Pineda et al. Robust automated reading of the skin prick test via 3D imaging and parametric surface fitting
US9538920B2 (en) Standalone annotations of axial-view spine images
Heckel et al. On the evaluation of segmentation editing tools
Ghrenassia et al. Interactive segmentation of tongue contours in ultrasound video sequences using quality maps
JP7276978B2 (ja) 画像処理装置、画像処理方法、及びプログラム
JP7346027B2 (ja) 画像処理装置、画像処理方法、及びプログラム
JP7294702B2 (ja) 画像処理装置、画像処理方法、及びプログラム
US10147183B2 (en) Methods and systems for stochastic growth assessment
US20200242394A1 (en) Display control method and display control apparatus
US20220313075A1 (en) Apparatus and method for imaging structure in a transparent medium
Campatelli et al. Development of an artificial vision system for the automatic evaluation of the cutting angles of worn tools

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