CN110832522B

CN110832522B - 用于测量毛发运动特性的方法

Info

Publication number: CN110832522B
Application number: CN201880041824.XA
Authority: CN
Inventors: F·I·贝尔; L·G·格里菲斯; E·G·马赫斯; J·M·罗伯茨; G·J·克利弗; A·M·斯塔西克
Original assignee: Unilever IP Holdings BV
Current assignee: Unilever IP Holdings BV
Priority date: 2017-06-23
Filing date: 2018-06-20
Publication date: 2023-06-16
Anticipated expiration: 2038-06-20
Also published as: CN110832522A; JP2020524563A; WO2018234412A1; US20210137448A1; BR112019027084A2; US11559249B2; MX2019015618A; EP3642780A1

Abstract

一种用于测量毛发运动特性的变化以预测消费者反应的方法，该方法包括以下步骤：i)提供用于测量毛发的运动特性的装置；ii)使用该装置测量毛发的运动特性；iii)对所述毛发应用处理或攻击；iv)测量步骤iii)得到的毛发的运动特性；v)比较步骤iv)产生的运动特性和步骤ii)产生的运动特性；和vi)评估由于应用处理或攻击而发生的运动变化。

Description

用于测量毛发运动特性的方法

技术领域

本发明涉及一种用于测量毛发的运动特性的方法，特别是用不同的毛发产品和处理进行处理的毛发的运动，其预测消费者的反应。

背景技术

长期以来，毛发运动的方式一直是消费者以及毛发产品制造商的兴趣点。通常，希望的是毛发的自然运动或弹跳(bounce)。越来越多地，诸如洗发水、护发素、毛发处理和定型产品的毛发产品在销售时声称它们实现毛发运动和/或弹跳的改善。

但是，与其他毛发参数(例如，厚度或光泽)不同，对运动或弹跳的确定迄今为止通常依赖于对运动的定性分析，其是基于消费者的感知而不是技术数据。

随着毛发的运动属性对消费者变得越来越重要，并且尽管存在着现有技术，仍需要提供用于评估这些毛发运动特性的改进方法，该方法可以可靠地挑选出用不同毛发产品和处理进行处理的毛发的运动之间的差异，使得消费者可以做出明智的产品选择。

发明内容

因此，本发明提供一种测量毛发运动特性的变化的方法，该方法包括以下步骤：

i)提供用于测量毛发的运动特性的装置；

ii)使用该装置测量毛发的运动特性；

iii)对毛发应用处理或攻击(assault)；

iv)测量步骤iii)得到的毛发的运动特性；

v)比较步骤iv)产生的运动特性和步骤ii)产生的运动特性；和

vi)评估由于应用处理或攻击而发生的运动的变化。

优选地，重复步骤(iii)至(vi)。步骤(iii)至(vi)可以多次重复以评估重复或长期暴露于处理或攻击对毛发运动特性的影响。例如，2至20次，优选2至8次。

因此，向消费者阐明日常处理和攻击对其毛发的运动的影响是可能的。消费者因此可以评估可应用于改变其毛发的运动特性的处理的有效性。然后使消费者能够选择特别适合他/她的毛发的产品。

毛发的运动可以包括毛发的一种或多种不同的属性，其优选地选自弹跳、流体运动、运动过程中的柔韧性；运动过程中形状/样式/对齐的保持；运动过程中的较小“压重(weighed down)”，及生动的运动。

这样的属性可能适用于许多不同的国家(例如，英国、美国、中国、日本、印度尼西亚、印度、泰国和巴西)。当然，多种属性可能在所有国家同样有用。

一些其他属性可能特别适用于特定国家的消费者。例如，厚重(weighty)(泰国)；Sa-Luay(泰国)；优美/自然地流动(泰国)；充满活力地运动(印度尼西亚)，以及沙拉沙拉(sarasara)的感觉(日本)。

这些属性是关于毛发运动通常使用的术语，并且是消费者在描述毛发运动特性时使用的常见术语。

可以通过与标准或基准标记(优选标尺)比较来评估运动特性。优选地，标尺包括指标，例如数字或字母，其中所述指标对应于运动特性的增量水平，例如，如对于健康毛发到受损毛发或飘散的卷曲毛发典型的。在另一优选实施方案中，标尺包括插图，如照片或CAD图像，其阐明递增的运动水平。指标和插图两者可以一起使用。

本发明的方法可用于定义个人的毛发需求。

本发明的方法可以用在教育工具中，在与出版社、媒体或贸易的通信中，在销售点，在诸如沙龙的专业环境中，以及在商业资料、广告资料和促销资料中。

装置

优选地，该装置包括毛发可安装在其上的装具(rig)，该装具可操作地对毛发施加强制振动；照相机，其用于在施加强制振荡期间和之后在毛发样品的移动过程中捕获毛发的图像；可通信地连接到照相机的计算机，该计算机包括处理器；使得计算机能够在处理器中处理捕获的图像；并且毛发的定量测量可以从捕获的图像提取。

该方法可以进一步包括以下步骤：在计算机的输入处接收基于使用该发束进行的消费者研究的消费者建模数据。接收的消费者建模数据优选地是消费者感知值，d撇号(d’)，其通过将Thurstonian模型应用于两个或更多个发束之间的相对差异的消费者感知计算。

在接收到消费者建模数据时，处理器可以生成交叉验证模型，其将来自捕获图像的发束的定量测量与消费者建模数据相结合。任选地，交叉验证模型是偏最小二乘模型，其将来自捕获图像的定量测量与从消费者建模数据提取的消费者感知值(d’)相关联。

该方法可以进一步包括将基于交叉验证模型的预测模型应用于从新的发束组获取的定量测量的步骤，该预测模型基于交叉验证模型来预测消费者对新的发束组的反应。

毛发

本发明的方法在一束毛发纤维上，优选地在发束上进行。

毛发优选是人的毛发。

处理或攻击

攻击

许多攻击发生在日常生活中，或者是正常毛发护理方案(regimes)或消费者习惯的部分。

攻击优选地选自机械攻击、化学攻击、环境攻击及其混合。

优选的机械攻击是梳理、刷涂、使用热烫进行卷发、拉直或定型以及吹干。

优选的化学攻击是包含修饰毛发的化学物质的处理，例如染发处理、漂白、拉直处理、膨松处理和表面活性剂的使用，例如洗发剂的使用。

优选的环境攻击包括例如湿度、污染、硬水、盐水、紫外线、风和极端温度。

有益的处理和方案

优选的处理和方案是减少或减轻攻击对毛发的影响的那些。有效的处理和方案在攻击后恢复毛发的所需运动特性。

优选的毛发处理(步骤vi)是洗去型和免洗型产品。优选的毛发处理组合物选自洗发剂、洗去型护发素、发膜、免洗型护发素组合物和预处理组合物，更优选选自洗去型护发素、发膜、免洗型护发素组合物和预处理组合物，例如焗油处理，且最优选选自洗去型护发素、发膜和免洗型护发素组合物。

用于本发明的洗去型护发素是通常在洗去之前留在湿发上1-2分钟的护发素。

用于本发明的发膜是在洗去之前通常在毛发上留3至10分钟，优选3至5分钟，更优选4至5分钟的处理。

用于本发明的免洗型护发素通常应用于毛发上并留在毛发上超过10分钟，并且优选在洗涤后应用于毛发上，且不洗掉直到下一次洗涤。

用于本发明方法的处理组合物优选包含调理剂。调理剂优选选自阳离子表面活性剂，其可单独或混合使用。

可用于本发明方法中使用的组合物中的阳离子表面活性剂含有氨基或季铵亲水性部分，其在溶于含水组合物中时带正电。

合适的阳离子表面活性剂的实例是对应于下式的那些

[N(R₁)(R₂)(R₃)(R₄)]⁺(X)^-

其中R₁、R₂、R₃和R₄独立地选自(a)1至22个碳原子的脂族基团，或(b)具有至多22个碳原子的芳族基团、烷氧基、聚氧化烯基、烷基酰胺基、羟烷基、芳基或烷芳基；和X是成盐阴离子，如选自卤素(例如氯离子、溴离子)、乙酸根、柠檬酸根、乳酸根、乙醇酸根、磷酸根、硝酸根、硫酸根和烷基硫酸根的那些。

除了碳和氢原子以外，脂族基团还可包含醚键和其他基团，如氨基。较长链的脂族基团，例如约12个碳或更高的那些，可以是饱和或不饱和的。

对于用于本发明方法中的组合物最优选的阳离子表面活性剂是其中烷基长度为C₈至C₁₄的单烷基季铵化合物。

这种材料的合适实例对应于下式

[N(R₅)(R₆)(R₇)(R₈)]⁺(X)^-

其中R₅是具有8至14个碳原子的烃链或具有8至14个碳原子并且含有作为取代基或作为基团链中的键存在的醚、酯、酰胺基或氨基部分的官能化烃基链，且R₆、R₇和R₈独立地选自(a)1至约4个碳原子的烃基链，或(b)具有1至约4个碳原子并且包含一个或多个作为取代基或作为基团链中的键存在的芳族、醚、酯、酰胺或氨基部分的官能化烃基链，并且X是成盐阴离子，如选自卤素(例如氯离子、溴离子)、乙酸根、柠檬酸根、乳酸根、乙醇酸根、磷酸根、硝酸根、硫酸根和烷基硫酸根的那些。

官能化的烃基链(b)可以适当地包含一个或多个选自烷氧基(优选C₁-C₃烷氧基)、聚氧化烯、烷基酯及其组合的亲水性部分。

优选地，烃链R₁具有12至14个碳原子，最优选地12个碳原子。它们可以衍生自含有大量具有所需烃基链长度的脂肪酸的原料油。例如，来自棕榈仁油或椰子油的脂肪酸可用作C₈至C₁₂烃基链的来源。

用于本发明方法中使用的组合物中的上述通式的典型单烷基季铵化合物包括：

(i)月桂基三甲基氯化铵(从Akzo作为Arquad C35商购)；椰油二甲基苄基氯化铵(从Akzo作为Arquad DMCB-80商购)

(ii)下式的化合物：

[N(R₁)(R₂)((CH₂CH₂O)_xH)((CH₂CH₂O)_yH]⁺(X)^-

其中：

x+y是2到20的整数；

R₁是具有8至14个，优选12至14个，最优选12个碳原子并且含有作为取代基或作为基团链中的键存在的醚、酯、酰胺基或氨基部分的烃基链；

R₂为C₁-C₃烷基或苄基，优选甲基，并且

X是成盐阴离子，如选自卤素(例如氯离子、溴离子)、乙酸根、柠檬酸根、乳酸根、乙醇酸根、磷酸根、硝酸根、硫酸根、甲基硫酸根和烷基硫酸根的那些。

合适的例子是PEG-n月桂基氯化铵(其中n是PEG链长度)，如PEG-2椰油基甲基氯化铵(从Akzo Nobel作为Ethoquad C12商购)；PEG-2椰油基苄基氯化铵(从Akzo Nobel作为Ethoquad CB12商购)；PEG-5椰油基甲基铵甲基硫酸盐(从Rewo作为Rewoquat CPEM商购)；PEG-15椰油基甲基氯化铵(从Akzo以Ethoquad C/25商购)。

(xiii)下式的化合物：

[N(R₁)(R₂)(R₃)((CH₂)_nOH)]⁺(X)^-

其中：

n为1-4的整数，优选为2；

R₁是具有8至14个，优选12至14个，最优选12个碳原子的烃基链；

R₂和R₃独立地选自C₁-C₃烷基，并且优选为甲基，和

X-是成盐阴离子，如选自卤素(例如氯离子、溴离子)、乙酸根、柠檬酸根、乳酸根、乙醇酸根、磷酸根、硝酸根、硫酸根、烷基硫酸根的那些。

合适的例子是月桂基二甲基羟乙基氯化铵(从Clariant作为Prapagen HY商购)。

任何前述阳离子表面活性剂化合物的混合物也可能是合适的。

用于本发明方法中使用的毛发组合物中的合适阳离子表面活性剂的实例包括十六烷基三甲基氯化铵、山嵛基三甲基氯化铵、十六烷基氯化吡啶、四甲基氯化铵、四乙基氯化铵、辛基三甲基氯化铵、十二烷基三甲基氯化铵、十六烷基三甲基氯化铵、辛基二甲基苄基氯化铵、癸基二甲基苄基氯化铵、硬脂基二甲基苄基氯化铵、双十二烷基二甲基氯化铵、双十八烷基二甲基氯化铵、牛脂基三甲基氯化铵、椰油基三甲基氯化铵及其相应的氢氧化物。其它合适的阳离子表面活性剂包括具有CTFA名称Quaternium-5、Quaternium-31、Quaternium-98和Quaternium-18的那些材料。任何上述材料的混合物也可能是合适的。特别有用的阳离子表面活性剂是十六烷基三甲基氯化铵，例如，可作为DEHYQUART从Henkel购得。

阳离子表面活性剂的水平优选为总组合物的0.01至10wt.％，更优选0.05至5wt.％，最优选0.1至2wt.％。

优选的护发素包含调理凝胶相。这样的护发素及其制备方法描述于WO2014/016354、WO2014/016353、WO2012/016352和WO2014/016351中。

调理组合物还可以包含其他任选的成分。这样的成分包括，但不限于，脂肪材料、沉积聚合物和另外的调理剂。

护发素组合物优选另外包含脂肪材料。据信脂肪材料和阳离子表面活性剂在护发组合物中的组合使用尤为有利，因为这导致结构化片层或液晶相(阳离子表面活性剂分散于其中)的形成。

“脂肪材料”表示脂肪醇、烷氧基化脂肪醇、脂肪酸或其混合物。

优选地，脂肪材料的烷基链是完全饱和的。

代表性的脂肪材料包含8至22个碳原子，更优选16至22个。合适的脂肪醇的实例包括鲸蜡醇、硬脂醇及其混合物。这些材料的使用也是有利的，因为它们有助于组合物的整体调理特性。

在烷基链中具有约12至约18个碳原子的烷氧基化(例如，乙氧基化或丙氧基化)脂肪醇可以替代脂肪醇自身来使用，或在脂肪醇自身以外再使用。合适的实例包括乙二醇十六烷基醚、聚氧乙烯(2)十八烷基醚、聚氧乙烯(4)十六烷基醚及其混合物。

护发素中脂肪材料的含量合适地为总组合物重量的0.01至15％，优选0.1至10％，且更优选0.1至5％。阳离子表面活性剂与脂肪醇的重量比合适地为10:1至1:10，优选为4:1至1:8，最优选为1:1至1:7，例如1:3。

其他调理成分包括脂肪醇和脂肪酸的酯，如棕榈酸鲸蜡酯。

用于本发明中的调理组合物可以优选包含胶束(miscellar)结构化液体。

包含本发明组合物的护发素的pH优选为3-5。更优选，组合物的pH为4.5-5.5。

在组合物具有低于3.10的pH的情况中，优选的是其为用于加强处理的调理发膜的形式。

其他调理成分包括调理油，优选选自椰子油和橄榄油。

进一步优选的有益的毛发处理组合物是定型组合物，其通常采取喷雾剂、摩丝、凝胶、蜡、精华液或洗液的形式。此类组合物可用于改变毛发的运动性质。

摩丝、凝胶、蜡、精华液和洗液通常通过首先分配到手上和然后从手转移到毛发上而应用于毛发。这种应用使得能够将产品靶向沉积到使用者希望改变运动特性的毛发部分上。发泡产品如定型摩丝是流行的产品形式。

造型组合物优选包含毛发定型聚合物。

毛发定型聚合物是对毛发提供造型元素(例如保持、总体形状确定、形状保持、定型拉直、卷曲等)的聚合物或树脂，其通常包括在凝胶、摩丝、精华液和发胶中。

一些定型聚合物被归类为成膜聚合物，其通常是定型产品(例如发用凝胶和发胶)中“保持”的来源。这些聚合物沉积到毛发的表面上，和然后干燥以形成透明的膜，该膜加强和将毛发保持在一起直到膜通过洗涤除去或膜由于在毛发上的机械力(梳理)而破裂。

实例特别地包括PVP(聚N-乙烯基-2-吡咯烷酮)、PVA(聚乙酸乙烯酯)和PVP/VA共聚物。

用于软定型产品(例如摩丝)中的其他定型聚合物基于丙烯酸酯的，例如特别是聚丙烯酸酯(例如聚丙烯酸酯-32、聚丙烯酸酯-14)、丙烯酸酯交联聚合物(例如丙烯酸酯交联聚合物-3、聚丙烯酸酯-2交联聚合物)和AMO-丙烯酸酯/烯丙基甲基丙烯酸酯共聚物。

定型聚合物的其他实例包括聚季铵化合物、聚乙烯基己内酰胺共聚物和PVM/MA的酯(甲基乙烯基醚和马来酸酐)。

其他优选的有益处理是如抗毛躁(anti-frizz)或平滑处理的处理。还优选的是包含用于平滑和减少飞散的油的组合物。

现在将阐述本发明的任选特征。这些可以单独应用或与本发明的任何方面以任何组合应用。

本发明的方法可以使用单束纤维进行。在优选的方法中，两个或更多个发束可安装到移动装具上，其中相同的强制振荡同时施加到该两个或更多个发束上。

通过这种方式，每个单独的发束的定量测量以及两个或更多个发束之间的比较测量(定量和定性两者)是可能的。在进行测量之前，可以用不同的毛发产品处理两个或更多个发束中的每个发束。因此，该装置能够定量比较由于使用的毛发产品引起的对发束的弹跳和运动的影响。例如，应用于发束的毛发产品可以包括以下一种或多种：洗发剂、护发素、毛发处理和毛发定型产品。

对单个或多个发束的定量测量可以包括以下一项或多项：x振幅；y振幅；发束的顶部和底部之间的相对相位；衰减时间；自然频率；发束的2D面积；在运动之前和运动之后发束的2D面积的变化。还对发束的2D面积，以及它在运动的稳态过程中如何变化进行定量测量。例如，可以在稳态运动期间测量发束的最小、最大和平均体量(volume)。

X振幅的测量是对发束沿水平X轴移动多远的量度。

Y振幅的测量是对发束沿垂直Y轴移动多远的量度。

相对相位是对给定发束的顶部和底部之间的运动差异的量度。

衰减时间是指在强制振荡停止后，发束恢复静止所需的时间。

自然频率是在通过强制振荡的激励停止后，发束运动(沿x和/或y方向)的速度的量度。

通过照相机观察的发束的2D面积(即图像平面中的总体量)。

在运动之前和之后发束的2D面积的变化也可以称为发束体量的变化。换句话说，可以测量在运动之前和之后通过照相机观察到的发束的体量的差异。

通常，发束可以作为毛发的主体移动。但是，杂散的毛发或小发束可能从毛发主体上脱离。可以确定离开发束主体的这种杂散毛发或小发束(另外也称为“飞散”)的存在。本发明可以配置成应用过滤器以通过忽略这种脱离的杂散毛发或小毛束发而从进一步的分析中排除它们，从而在相关发束的进一步分析中排除飞散。换句话说，过滤器可以应用于捕获的图像以在进行图像的后续分析之前排除检测到的任何杂散毛发。过滤器对图像进行操作以定位发束的轮廓，其中该轮廓至少部分地排除位置远离发束主体的杂散纤维(“飞散”)。以这种方式忽略飞散可以改善发脊(hair spine)位置。

过滤器可以采取最小长度比的形式。最小长度比可以是半径的长度与发束长度的比率的最小值。通过排除超过这样的最小长度比的毛发，有可能排除与发束主体宽泛分离的毛发(即飞散)。在图像中检测到的位于此最小长度比之外的任何毛发都可以被认为是杂散的，并且在随后的分析(其可能包括确定上述任何一种或多种定量测量)中被忽略。

过滤器的第二选项可以是图像中的强度阈值。杂散纤维在图像中通常可能具有较低的强度，因此通过应用强度阈值(在该阈值以下的图像的部分被忽略)，有可能实现杂散纤维过滤。

过滤器可以包括强度阈值组件和最小长度比组件。

在一些实施方案中，计算机包括用于接收基于使用发束进行的消费者研究的消费者建模数据的输入。

接收的这种消费者建模数据通常可以采取消费者感知值“d撇号”(d')的形式，该消费者感知值通过将Thurstonian模型或其他潜变量模型应用于消费者对两个或更多个发束之间针对特定毛发属性的相对差异的感知来计算。Thurstonian模型是潜变量模型，其将消费者印象(来自消费者研究)，例如消费者关于哪种毛发样品具有最佳“弹跳”的印象，映射到离散的有序反应类别上。已知Thurstonian模型为感觉辨别任务提供了一种机制。

从消费者组获得的原始数据可以涉及毛发的一种或多种不同属性，优选地为弹跳、轻量运动(lightweight movement)、流体运动和受控运动。

这些属性是关于毛发运动通常使用的术语，并且是消费者在描述毛发运动特性时使用的常见术语。在进行消费者研究时，没有向消费者提供这些属性的正式定义。应当理解，通过考虑较大的消费者群体，个体对给定属性的理解和评价的差异被减少。

如下所述，根据基于与该相同属性有关的消费者数据创建的模型，对于给定属性生成预测属性值。例如，“弹跳”属性的预测性能基于在创建过程中具有与“弹跳”相关的消费者建模数据的“弹跳”模型。在一些实施方案中，在接收到对发束的定量测量时，处理器应用交叉验证模型，该模型将在模型生成中使用的发束的定量测量与消费者建模数据(其来自用于交叉验证模型生成的相同发束的消费者研究)相结合。

交叉验证模型提供了一组发束的定量测量与同一组发束的消费者感知值之间的相关性。应当理解，许多建模方法可以适合于对这种相关性进行建模。交叉验证模型的一个实例是局部最小二乘(PLS)模型，其将从捕获的图像得到的定量测量与从消费者建模数据提取的消费者感知值(d')相关联。

特定的交叉验证模型可以包括多个属性模型。对于单个特定运动属性，每个属性模型本身可以是交叉验证模型。例如，特定的交叉验证模型可以包括用于弹跳、轻量运动、流体运动和受控运动中每一个的属性模型。

在一些实施方案中，处理器还配置为将预测模型应用于新的发束(即，未在交叉验证模型生成中使用的发束)。预测模型可以基于交叉验证模型。预测模型可用于分析新数据的实验室测量(即新发束的定量测量)，并根据预测模型预测消费者的反应，而预测模型是基于交叉验证模型。

以此方式，该装置使用交叉验证模型形式的基于实验室的数据来预测消费者反应，从而能够实现消费者研究的益处而无需建立并进行昂贵且耗时的消费者研究。换句话说，用于产生交叉验证模型的较早消费者研究用作校准工具，从而可以预测消费者对于以后在移动装具上进行的发束的测量的反应。

本发明的其他任选特征在下面阐述。

附图说明

现在将参考附图通过示例的方式描述本发明的实施方案，其中：

图1示出了用于本发明方法中的装置的示意图。

图2更详细地描绘了装置的移动装具和照相机。

图3描绘了运动中的发束的捕获的屏幕截图图像，该捕获的图像进行分析以获得发束的定量测量。

图4示出了使用测量装具获得定量测量的方法的概述。

具体实施方式

详细描述和本发明的任选特征

本发明的方法中使用的装置优选地配置为测量一个或多个发束的运动特性，如下面参考图1、2和3更详细地描述的。这些特征(也称为“运动参数”)可以包括以下的定量测量：x振幅；y振幅；发束的顶部和底部之间的相对相位；衰减时间；频率；发束的2D面积；以及在运动之前和之后2D面积的变化。

本发明的方法中使用的装置还可配置成应用过滤器以通过忽略位置远离发束主体的杂散纤维而从进一步分析排除它们。测量的运动特性又可以用于推导毛发运动的属性，如：一个或多个发束10、10a、10b的弹跳和流体运动。还可以定义毛发运动的多种其他属性。例如，运动过程中的柔韧性；运动过程中形状/样式/对齐的保持；运动过程中的较小“压重”；轻量运动和生动的运动。

这样的属性可能适用于许多不同的国家(例如，英国、美国、中国、日本、印度尼西亚、印度、泰国和巴西)。当然，属性在所有国家同样有用。

其他一些属性可能特别适用于特定国家的消费者。例如，厚重(泰国)；Sa-Luay(泰国)；优美/自然流动(泰国)；充满活力的运动(印度尼西亚)以及沙拉沙拉的感觉(日本)。

装置1包括发束可安装在其上的运动装具2。通常，它包括条棒(在图2中不可见)，其包括多个发束保持器，每个发束保持器用于接合相应发束的顶部。运动装具包括用于沿水平轴向条棒施加振荡力(强制振荡)的马达，从而使其经历沿表示为“x”的方向的振荡运动。

应当理解，振荡频率可以采取适当范围的值。例如，合适的范围可以是0.8至1.3Hz。可能存在下限频率，在该频率以下不诱导发束的振荡运动，而是整个发束随着强制振荡而刚性地运动。可能存在上限频率，高于该频率则诱导发束的不希望的运动(例如，扭曲运动)。条棒的优选振荡频率可以是1.0Hz。同样，振荡频率可以是不同的合适的值。应当理解，多种因素对于确定强制振荡频率是重要的，对于强制振荡频率可能没有严格的限制。通过将所有发束连接至单个条棒，条棒的任何移动导致相同的运动力施加到每个安装的发束10a，10b上。

在对交叉验证模型生成中使用的发束进行定量测量时所使用的强制振荡频率可以与用于用作相应预测模型的输入的发束的定量测量的强制振荡频率相同。

在图2所示的实施方案中，条棒位于灯箱21前方。照相机3，特别是具有视频能力的摄像机，被安装在距灯箱21固定距离处用于捕获毛发样品的图像(通过视频帧)，不仅在初始激发过程中和在条棒正在振荡(以及其中安装的发束因此经历稳态运动)的时间内，而且在条棒完成振荡后的一段时间内(其中安装的发束发生运动衰减)。通过这种方式，照相机能够捕获强制振荡过程中毛发运动的图像；以及强制振荡停止施加后运动衰减的图像。

图像可以从使用摄像机录制的视频中获取。图像从视频中提取。每个图像可以对应于视频的帧。来自特定视频的图像的重新分析也是可能的，而不是必须从视频中重新提取图像。换句话说，图像可以只从视频提取一次，和然后储存。储存的图像可以之后用于分析而不是必须重复从视频提取图像的步骤。

在通过照相机3开始记录与通过运动装具2开始强制振荡运动之间可以施加延迟。例如，该延迟可以具有1秒或更大的大小。其中条棒被振荡的运动运行时间可持续7秒或更长的持续时间；且强制振荡停止(通过停止条棒的运动)与照相机停止捕获图像的时间之间的延迟可具有6秒或更大的值。应理解，这些时间段仅是示例。

装置1还包括计算机4，其可通信地连接至照相机3，该计算机包括用于处理由照相机3捕获的图像和/或视频，并且用于从捕获的图像提取发束的定量测量的处理器。

计算机4、照相机3和运动装具2可以经由接口5(如无线网络)来连接。以这种方式，计算机上运行的程序也可以用于控制运动装置和照相机，特别是开始和停止时间。

处理器运行的用于处理图像和提取测量值的测量和分析软件可以在任何合适的平台上编写，例如Exelis IDL版本8.3或更高版本，重要的特征是包括如IDL函数IDLffVideoRead的功能，其将获得的视频文件转换为图像。用于图像分析功能的专用软件(例如Exelis IDL版本8.4中的IMF_ImageAnalysis库)的存在也可能是有利的。

合适的照相机包括但不限于尼康D90、尼康D5000和尼康D3200照相机。据发现如D3200的照相机是特别有利的，因为它们使得用户能够在手动视频模式中设置快门速度。测试了1/500s和1/1000s的快门速度，两者均表现良好，其中1/1000s的快门速度表现特别好。如D90和D5000的照相机(其在拍摄视频时不允许可变的快门速度)可能导致运动模糊，这使得发束轮廓更加模糊且随后获得的测量也不太准确。应理解的是，这些照相机仅仅是示例，并且许多其他照相机可能能够具有本文详述的技术性能。

D3200的最大视频帧速率为每秒25帧逐行扫描(25p)，图像尺寸为1920x1080。仅在较低空间分辨率隔行视频模式如50i下的较高帧速率应当避免，因为它们由交错在一起的两个单独的曝光组成，且曝光之间的运动可能产生双重图像。

和单个发束的测量和分析一样，也可以通过软件对多个发束10a，10b进行测量和分析，这些发束同时安装在运动装具上。在多个发束的情况下，发束的数量可以构成软件的输入，并且软件尝试在图像中找到输入到软件中的发束数量。如果在照相机的视场内无法识别指定的发束数量，则该装置可能配置错误。

该装置还包括位于照相机视场内的校准盘(未示出)。校准盘具有已知的尺寸，从而提供用于将捕获的图像的像素校准为真实空间测量值的机制。

图3中示出了发束的捕获图像的示例，该捕获的图像被分析以获得发束的定量测量。最初，对于图像中的每个发束，软件提取发束轮廓11和发束的脊(spine)12。然后软件沿着发束的长度在多个等同间隔的半径13a，13b…13n处分析运动参数。在所示实例中，相邻半径之间的间距为10mm。

用于分析特定发束的运动的公式在下面对于稳态(强制振荡)(公式(1))和衰减时间(公式(2)))(在强制振荡后)列出。

稳态:

衰减态:

其中：

x是脊与特定半径的交叉点的水平位置，以mm计；

A是以mm计的振幅；

t是以秒计的时间；

T2是强制运动停止时的时间，以秒计；

λ是以秒计的波长；

是相位角，以度计；

τ是运动衰减时间常数，以秒计；

B是以mm计的偏移量。

在x方向上运动的建模数学形式是正弦的(如上所述)。上述正弦运动的均方根(RMS)值为RMS＝A/sqrt(2)。RMS等于x值的标准偏差，这意味着振幅A＝sqrt(2)*标准偏差(x_位置值)。

对于y方向上的运动，y方向运动的振幅计算为A_y＝sqrt(2)*标准偏差(y_位置值)。

下面参考图4至9更详细地描述由在计算机的处理器上运行的软件所执行的测量和分析步骤。

图4示出了使用测量装具获得定量测量的方法示例的概述。

在初始仪器设置步骤s4a中，如以上关于图1和图2所描述的提供了装置。更详细地，进行以下子步骤中的一个或多个。

在测量期间使用的参数由软件加载或定义。这些参数可以包括：运动速度、运动幅度、运动开始时间、运动结束时间、运动衰减时间、视频帧速率、视频宽度和高度、视频快门速度和镜头光圈、发束数量、在稳态区开始前忽略的强制振荡周期数、发束测量径向间隔(mm)、最大半径(mm)和/或校准盘尺寸(mm)。

仪器设置包括设置照相机焦距，以使其聚焦在待分析的一个或多个发束中的每一个上。

捕获背景的短视频并转换为单个图像，通常标记为“背景”，并且捕获校准盘的短视频和转换为单个图像，通常标记为“校准”。

在随后的步骤s4b中，开始研究。这包括输入发束详细信息，例如发束数量。还可以注明每个发束的类型和施加于每个发束的处理。一个或多个发束的视频捕获在开始时间T0开始；记录T0。

条棒的强制振荡运动开始，记录相对于T0的振荡运动开始的时间TS。

条棒的强制振荡运动停止，并记录相对于T0的停止时间TE。

在自TE的给定时间段(其选择为捕获发束的运动衰减)后，停止视频记录。

在随后的步骤s4c和s4d中，对捕获的图像进行背景分析、裁剪和校准。这包括：将背景的视频文件转换为单个背景图像，将校准盘的视频文件转换为单个校准盘图像，以及从发束运动的视频文件提取一系列图像用于分析。

通过确定裁剪坐标(其对应于灯箱区域)来识别背景图像中的灯箱区域s4c。

为了从校准盘图像校准像素大小s4d，在校准盘图像中识别校准盘。校准盘的已知大小用于计算现实世界中的像素大小。

在随后的步骤中，测量所需发束强制运动和衰减的图像序列。裁剪/校准的图像可以被储存。

在随后的步骤s4f中，储存获得的运动数据。

然后对运动数据进行分析s4g，包括以下分析步骤：

·使用发束顶部运动数据与TS和TE一起确定运动开始时间T1；

·使用发束顶部运动数据与TS和TE一起确定运动结束时间T2；

·将正弦波拟合于发束顶部数据，返回A₀、λ₀、

和B₀；

·使用运动开始时间、拟合和Nc确定稳态区的开始，其中Nc是在稳态区开始之前被忽略的强制振荡开始时的振荡周期数。

·确定稳态区的结束和衰减区的开始，与T2相对应；

·将正弦波拟合于T1和T2之间的每个半径发束数据，并返回Ai、λi、

和Bi；拟合的每个点对应于脊和相应半径的交叉点；

·将衰减正弦波拟合于T2和TE之间的每个半径发束数据，并返回运动分析参数Ai、λi、

τi和Bi；拟合的每个点对应于脊和相应半径的交叉点；

在后续步骤中，将运动分析参数保存s4h。

如果需要，可以使用结果图像文件建立结果视频。

该软件可以为用户提供以下不同选项：

·捕获发束运动并对于孤立视频测量该运动，或者

·捕获多个发束视频，然后分析之后的视频。

Claims

1.一种测量预测消费者反应的毛发运动特性的变化的方法，该方法包括以下步骤：

i)提供用于测量毛发的运动特性的装置；

ii)使用该装置测量毛发的所述运动特性；

iii)对所述毛发应用处理或攻击；

iv)测量步骤iii)得到的所述毛发的所述运动特性；

v)比较步骤iv)产生的所述运动特性和步骤ii)产生的所述运动特性；和

vi)评估由于所述处理或攻击的应用而发生的运动变化；

其中所述装置包括装具和具有视频能力的照相机，所述装具包括所述毛发可安装在其上的条棒，所述装具包括用于沿水平轴向所述条棒施加强制振荡的马达，所述条棒位于灯箱前方；所述照相机安装在距所述灯箱固定距离处用于捕获强制运动过程中所述毛发的图像，以及所述强制振荡停止施加后运动衰减的图像。

2.根据权利要求1所述的方法，其中重复步骤(iii)至(vi)。

3.根据权利要求2所述的方法，其中将步骤(iii)至(vi)重复2至20次。

4.根据权利要求2所述的方法，其中将步骤(iii)至(vi)重复2至8次。

5.根据权利要求1-4中任一项所述的方法，其中所述运动特性选自弹跳、流体运动、运动过程中的柔韧性；运动过程中形状/样式/对齐的保持；运动过程中的较小“压重”以及生动的运动。

6.根据权利要求1-4中任一项所述的方法，其中通过与标准进行比较来评估所述运动特性。

7.根据权利要求6所述的方法，其中所述标准是标尺。

8.根据权利要求7所述的方法，其中所述标尺包括与运动特性的递增水平相对应的指标。

9.根据权利要求1-4中任一项所述的方法，其中所述装置包括可通信地连接到所述照相机的计算机，该计算机包括处理器；使得所述计算机能够在所述处理器中处理捕获的图像；并且可以从所述捕获的图像提取所述毛发的定量测量。

10.根据权利要求9所述的方法，其中所述装置还包括过滤器，所述过滤器应用于所述捕获的图像以在进行图像的后续分析之前去除检测到的任何杂散毛发。

11.根据权利要求9所述的方法，其还包括以下步骤：在所述计算机的输入处接收基于使用所述毛发进行的消费者研究的消费者建模数据。

12.根据权利要求11所述的方法，其中在接收到消费者建模数据时，所述处理器应用交叉验证模型，所述交叉验证模型将来自所述捕获的图像的所述毛发的定量测量与所述消费者建模数据相结合。

13.根据权利要求12所述的方法，其中所述交叉验证模型是偏最小二乘模型，其将来自所述捕获的图像的所述定量测量与从所述消费者建模数据提取的消费者感知值(d’)相关联。

14.根据权利要求12所述的方法，其还包括以下步骤：

将基于所述交叉验证模型的预测模型应用于从新的发束组获得的定量测量，所述预测模型基于所述交叉验证模型预测消费者对所述新的发束组的反应。