CN113711277A - 用于确定美容皮肤属性的设备和方法 - Google Patents
用于确定美容皮肤属性的设备和方法 Download PDFInfo
- Publication number
- CN113711277A CN113711277A CN202080029889.XA CN202080029889A CN113711277A CN 113711277 A CN113711277 A CN 113711277A CN 202080029889 A CN202080029889 A CN 202080029889A CN 113711277 A CN113711277 A CN 113711277A
- Authority
- CN
- China
- Prior art keywords
- skin
- image
- entropy
- color channel
- cosmetic
- 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.)
- Pending
Links
- 239000002537 cosmetic Substances 0.000 title claims abstract description 187
- 238000000034 method Methods 0.000 title claims abstract description 150
- 230000001815 facial effect Effects 0.000 claims description 16
- 208000012641 Pigmentation disease Diseases 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 11
- 201000004624 Dermatitis Diseases 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000037303 wrinkles Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 238000012876 topography Methods 0.000 claims description 8
- 239000011148 porous material Substances 0.000 claims description 6
- 238000007665 sagging Methods 0.000 claims description 6
- 210000002374 sebum Anatomy 0.000 claims description 6
- 238000013145 classification model Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 4
- 230000037394 skin elasticity Effects 0.000 claims description 4
- 208000002874 Acne Vulgaris Diseases 0.000 claims description 3
- 206010000496 acne Diseases 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000008591 skin barrier function Effects 0.000 claims description 3
- 230000037067 skin hydration Effects 0.000 claims description 3
- 210000001061 forehead Anatomy 0.000 claims description 2
- 238000007637 random forest analysis Methods 0.000 claims description 2
- 210000003491 skin Anatomy 0.000 description 335
- 238000005192 partition Methods 0.000 description 57
- XUMBMVFBXHLACL-UHFFFAOYSA-N Melanin Chemical compound O=C1C(=O)C(C2=CNC3=C(C(C(=O)C4=C32)=O)C)=C2C4=CNC2=C1C XUMBMVFBXHLACL-UHFFFAOYSA-N 0.000 description 30
- 230000008569 process Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 20
- 239000000047 product Substances 0.000 description 18
- 230000007547 defect Effects 0.000 description 12
- 102000001554 Hemoglobins Human genes 0.000 description 11
- 108010054147 Hemoglobins Proteins 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 7
- 230000008447 perception Effects 0.000 description 7
- 230000032683 aging Effects 0.000 description 6
- 238000005286 illumination Methods 0.000 description 6
- 230000016776 visual perception Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 210000004207 dermis Anatomy 0.000 description 4
- 230000002500 effect on skin Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 239000012535 impurity Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009759 skin aging Effects 0.000 description 4
- 230000035882 stress Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- LUTSRLYCMSCGCS-BWOMAWGNSA-N [(3s,8r,9s,10r,13s)-10,13-dimethyl-17-oxo-1,2,3,4,7,8,9,11,12,16-decahydrocyclopenta[a]phenanthren-3-yl] acetate Chemical compound C([C@@H]12)C[C@]3(C)C(=O)CC=C3[C@@H]1CC=C1[C@]2(C)CC[C@H](OC(=O)C)C1 LUTSRLYCMSCGCS-BWOMAWGNSA-N 0.000 description 2
- 230000003796 beauty Effects 0.000 description 2
- 238000002845 discoloration Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000037368 penetrate the skin Effects 0.000 description 2
- 230000019612 pigmentation Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000036548 skin texture Effects 0.000 description 2
- 210000000434 stratum corneum Anatomy 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000003810 hyperpigmentation Effects 0.000 description 1
- 208000000069 hyperpigmentation Diseases 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000002510 keratinocyte Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 210000001732 sebaceous gland Anatomy 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008786 sensory perception of smell Effects 0.000 description 1
- 230000037075 skin appearance Effects 0.000 description 1
- 230000005808 skin problem Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- A61B5/0059—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
- A61B5/103—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
-
- 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
-
- 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
-
- 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
- A61B5/443—Evaluating skin constituents, e.g. elastin, melanin, water
-
- 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
- A61B5/444—Evaluating skin marks, e.g. mole, nevi, tumour, scar
-
- 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
- A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/7435—Displaying user selection data, e.g. icons in a graphical user interface
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
- A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
- G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/235—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on user input or interaction
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- A45D2044/007—Devices for determining the condition of hair or skin or for selecting the appropriate cosmetic or hair treatment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/12—Healthy persons not otherwise provided for, e.g. subjects of a marketing survey
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Abstract
本发明公开了一种确定人的美容皮肤属性的方法。该方法包括以下步骤:a)获得包括人的皮肤的至少一部分的至少一个色彩通道图像;b)使用熵统计数据来分析至少一个色彩通道图像以获得熵值;以及c)基于熵值而确定人的皮肤的至少一部分的美容皮肤属性。
Description
技术领域
本发明涉及用于确定美容皮肤属性的设备和方法。
背景技术
已经广泛地使用皮肤成像方法来研究皮肤老化的不同表型。已经在文献中提出众多图像分析技术和算法来表征老化皮肤,尤其关注于老化表型,诸如皱纹、斑点和松垂。已知皮肤老化相关表型的出现是随时间推移的连续过程。例如,不均匀的色素沉着可首先导致视觉上不可感知的斑点,该斑点最终可随时间而变得可见。因此,较年轻的消费者(例如,小于30岁)一般不具有经典的可见的皮肤老化相关表型,并因此具有这样的印象:没有预防、延缓和/或减轻此类视觉上不可感知的老化表型的迫切需要,有此需要时已太晚。
美国公布号2010/0284610A1(“‘610公布”)涉及一种用于从包括面部区的输入图像来评估肤色的肤色评估方法。‘610公布描述了根据由预先设置的至少25个区域形成的第一特征点和通过使用该第一特征点设置的第二特征点将图像的面部区划分成预定区。‘610公布还描述了通过以下操作来执行肤色分布评估:使用L*a*b*色彩系统的L*、a*、b*、Cab*和hab、XYZ色彩系统的三刺激值X、Y、Z以及RGB、色调H、明度V、色度C、黑色素量和血红蛋白量中的至少一者基于平均值而生成肤色分布,之后基于关于被划分的区的所测得的结果来执行评估,并且将所测得的结果或评估结果显示在屏幕上。然而,‘610公布集中在可见肤色分布,并且其无法描述皮肤老化相关表型,并且因此未描述用于评估在视觉上不可感知的皮肤老化相关表型的任何方法。
因此,需要一种用于确定人的美容皮肤属性以便能够在早期实现积极主动的护肤治疗的方法。
发明内容
本发明涉及一种确定人的美容皮肤属性的方法,该方法包括以下步骤:
a)获得包括该人的皮肤的至少一部分的至少一个色彩通道图像;
b)使用熵统计数据来分析该至少一个色彩通道图像以获得熵值;以及
c)基于该熵值而确定该人的皮肤的该至少一部分的该美容皮肤属性。
附图说明
图1是示出根据本发明的经由网络确定美容皮肤属性的示例性系统的图示;
图2是示出根据本发明的用于确定美容皮肤属性的替代性示例性系统的图示;
图3是示出根据本发明的用于确定美容皮肤属性的示例性设备的部件的框图;
图4是示出根据本发明的用于确定美容皮肤属性的方法的框图;
图5是示出根据本发明的用于确定用于确定美容皮肤属性的方法的方法的流程图;
图6A至图6C是示出根据本发明的用于确定美容皮肤属性的方法的一系列过程流程图;
图7是示出根据本发明的用于确定美容皮肤属性的方法的流程图。
图8A和图8B是示出根据本发明的将数字图像中的受试者的面部的至少一部分的至少一个美容皮肤属性的熵值可视化的方法的过程流程图;
图9是示出根据本发明的将数字图像中的受试者的面部的至少一部分的至少一个美容皮肤属性的熵值可视化的方法的流程图;
图10A至图10C是示出在根据本发明的确定美容皮肤属性的方法中获得第一数字图像的步骤的细节的一系列过程流程图;
图11是示出获得第一数字图像的步骤的流程图;
图12是示出在根据本发明的确定美容皮肤属性的方法中限定多个图块的步骤的图片;
图13是示出限定多个图块的步骤的流程图;
图14A至图14C是示出根据本发明的显示多个图块的过程的过程流程图;
图15是示出根据本发明的显示多个图块的过程的流程图;
图16A至图16D是示出根据本发明的将至少一个美容皮肤属性的熵值可视化的方法的过程流程图;
图17是示出根据本发明的将至少一个美容皮肤属性的熵值可视化的方法的流程图;
图18是示出根据本发明的将至少一个美容皮肤属性的熵值可视化的替代性方法的流程图;
图19A至图19E是各自示出了根据本发明的用于将至少一个美容皮肤属性的熵值可视化的示例性用户界面的截屏;
图20是示出了根据本发明的包括热图作为用于将至少一个美容皮肤属性可视化的图像描述的示例的示例性用户界面的截屏;
图21是示出了用于在图19的用户界面中将至少一个美容皮肤属性可视化的图像描述的替代性变化的截屏;并且
图22是示出了根据本发明的用于将至少一个美容皮肤属性可视化的示例性用户界面的截屏。
具体实施方式
众所周知,当皮肤经受压力(由UV因素、老化因素、精神因素、环境因素导致)时,皮肤将受到各种级别的损伤,包括DNA级别、细胞级别和组织级别。此类对皮肤的损伤可导致皮肤缺陷。这些皮肤缺陷的存在显著影响皮肤的光学性质,诸如在以下示例中所描述:
·如果角质层是干燥的(冬天/空气状况),则光将从表面更多地反射(表面反射),从而增强皮肤微纹理,这导致皮肤上的线条
·如果真皮受损(UV),则较少的光将在真皮处散射(也称为真皮散射),并且光将穿透皮肤(较少的表面下反射)。当存在较少的真皮散射时,并且皮肤因此显得较暗。
·如果皮肤暴露于长期UV,则皮肤产生更多的黑色素。黑色素吸收光,从而减少表面下反射,并且因此皮肤显得较暗。
以上皮肤缺陷表现为对于消费者眼睛而言在视觉上不可感知的较差皮肤质量的信号。消费者可能会将这些缺陷视为潜意识层次下的杂质,但由于缺乏有意识的知识,无法采取行动来改善缺陷。如果皮肤经受长期压力和/或未经治疗,则这些在视觉上不可感知的杂质可最终导致可见的和可感知的表型(色素斑点、皱纹、松垂)。
本发明涉及一种用于确定受试者的至少一个美容皮肤属性的方法、设备和系统以及一种图形用户界面。该方法包括以下步骤:(a)获得包括人的皮肤的至少一部分的至少一个色彩通道图像;(b)使用熵统计数据来分析该至少一个色彩通道图像以获得熵值;以及(c)基于该熵值而确定该人的皮肤的该至少一部分的美容皮肤属性。
已经惊讶地发现,通过分析包括人的皮肤的至少一部分的色彩通道图像而获得的熵值可用于确定在视觉上可感知的美容皮肤属性以及在视觉上不可感知的美容皮肤属性。
如下文阐释,如果可基于通过使用熵统计数据分析包括人的皮肤的至少一部分的色彩通道图像而获得的熵值来确定人的美容皮肤属性,则可推断出有用的信息(例如,美容皮肤属性的条件),使得该人可寻求积极主动的护肤治疗来改善美容皮肤属性的条件。具体地,如在下文描述,具有人的皮肤的至少一部分的色彩通道图像可具有皮肤的该至少一部分上的相对于其他关注区具有较低熵值的关注区。该关注区中的较低熵值展示较少的强度变化,这指示较好的美容皮肤属性条件。相应地,其他关注区中的较高熵值展示较多的强度变化,这指示较差的美容皮肤属性条件。另一优势在于,可使积极主动的护肤治疗针对于特定关注区。
在详细描述本发明之前,定义了以下术语,并且未定义的术语应被赋予相关领域的技术人员所理解的它们的普通含义。
本文使用的“熵”是指离散随机分布(p(x))的香农熵(E)并且由以下等式限定:
其中p(x)是灰度级的分布
E(p)表示数字图像中的信息的量或在将数字图像转换为色彩系统中的色彩通道图像之后的该色彩通道图像中的信息的量。本文使用的“熵统计数据”是指使用熵作为描述性统计数据以用于分析数字图像或色彩通道图像的统计方法。在数字图像是RGB图像的非限制性示例中,可单独地计算每个R(红色)通道、G(绿色)通道和B(蓝色)通道的熵(熵值)。可通过在每个像素位置(i,j)处计算以(i,j)为中心的2维区内的像素值的熵值来计算图像的熵值。该2维区可以是色彩通道图像的部分。可使用诸如Python的编程软件包来计算熵值。
本文使用的“美容皮肤属性”包括提供人体区域上的视觉/美学效果或影响皮肤外观和/或感觉的所有皮肤属性。美容皮肤属性的一些非限制性示例可包括皮肤纯度、皮肤年龄、皮肤形貌、皮肤色调、皮肤色素沉着、皮肤毛孔、皮肤炎症、皮肤水合、皮肤皮脂水平、痤疮、痣、皮肤发光率、皮肤光泽、皮肤暗淡、不均匀色调或皮肤屏障。技术人员应当了解,以上美容皮肤属性是标准术语,并且可在以下发布的参考文献中找到美容皮肤属性的对应定义,即,“美容科学和技术手册,第三版,编辑Andre O.Barel、Marc Paye、HowardI.Maiback,CRC出版社,2009(Handbook of cosmetic science and technology,3rdedition,editors Andre O.Barel,Marc Paye,Howard I.Maiback,CRC Press,2009)”、“美容科学和技术-理论原理和应用,编辑Kazutami Sakamoto Robert Y.Lochhead、HowardI.Maibach、Yuji Yamashita,Elsavier,2017(Cosmetic Science and Technology-Theoretical Principles and Applications,editors Kazutami Sakamoto RobertY.Lochhead,Howard I.Maibach,Yuji Yamashita,Elsavier,2017)”、“美容皮肤学:产品和手术,编辑:Zoe Diana Draelos,Blackwell出版有限公司,2010(Cosmetic Dermatology:Products and Procedures,Editor(s):Zoe Diana Draelos,Blackwell Publishing Ltd,2010)”。美容皮肤属性不包括与医疗状况或基础医疗状况相关的皮肤属性。
本文使用的“不可感知的美容皮肤属性”是指无法由感知者感知或感知者感知不到的美容皮肤属性,该感知者即为人、用户或人类受试者。感知(Perceive)源自词语“感知(Perception)”,该词是指组织、识别和解译感官信息以便表示和理解所呈现的信息或环境。所有感知涉及穿过神经系统的信号,该信号又是由对感官系统的物理或化学刺激引起。例如,视觉涉及照射在眼睛的视网膜上的光,嗅觉是由气味分子介导,并且听觉涉及压力波。感知不仅是这些信号的被动接收,而且还通过接收方的学习、记忆、预期和关注而成形。感知可分为两个过程,即,过程(1),其涉及处理感官输入,该过程将这些低级信息变换为更高级的信息(例如,提取用于对象辨识的形状),以及过程(2),其涉及与人的概念和预期(或知识)、影响感知的恢复性和选择性机制(诸如注意力)相联系的处理。例如,感知者可在过程(1)中看到对象,但不具有在过程(2)中感知和辨识该对象表示/意味什么的知识,并且因此可将该对象视为在视觉上不可感知的。
本文使用的“在视觉上不可感知的美容皮肤属性”包括不能够由无协助的眼睛检测到的所有美容皮肤属性或消费者能够在视觉上检测到的美容皮肤属性但该消费者理解不了该美容皮肤属性,并且因此被视为不可感知的美容皮肤属性。不能够由无协助的眼睛在视觉上检测到的在视觉上不可感知的美容皮肤属性的一些非限制性示例包括美容皮肤炎症、皮肤皮脂水平或任何基础美容皮肤属性。
本文使用的“无协助”是指没有来自诊断装备的辅助。
本文使用的“图块”包括形成数字图像的部分的单元,诸如像素,并且因此“图块”形成整个数字图像。
本文使用的“数字图像数据”包括从图像获得装置获得的图像数据,该图像获得装置包括(但不限于)数码相机、照片扫描仪、能够存储数字图像的计算机可读存储介质以及包括图片拍摄能力的任何电子装置。数字图像数据还可包括从RGB图像转换为色彩系统中的色彩通道图像的色彩通道图像。
本文使用的“单度标记”包括所有电子视觉表示,包括(但不限于)图形符号、数值、色码、照明技术以及它们的组合。
本文使用的“皮肤属性指数”是指可基于数学公式或从统计方法和数据导出的模型或查找表(信息阵列)而计算的得分。可将皮肤属性指数生成为指示相对于限定人群的人的皮肤的至少一部分的美容皮肤属性的状况的概率值,优选地,将皮肤属性指数生成为由F(熵值)限定的熵值的函数,其中该函数是由在训练数据集之上建立的模型而确定,其中该训练数据集包括:(i)限定人群的多个色彩通道图像,其中该多个色彩通道图像中的每个色彩通道图像包括该限定人群中的人的面部皮肤,其中该面部皮肤包括美容皮肤属性;(ii)基于美容皮肤属性的相关联的类别定义。
本文使用的“L*a*b*”是指由国际照明委员会(“CIE”)指定的普遍公认的色彩空间。三个坐标表示(i)色彩的明度(即,L*=0产生黑色并且L*=100指示漫射白色);(ii)色彩在洋红色与绿色之间的位置(即,负a*值指示绿色,而正a*值指示洋红色);以及(iii)色彩在黄色与蓝色之间的位置(即,负b*值指示蓝色并且正b*值指示黄色)。
本文使用的“发色团映射”是指用于黑色素和血红蛋白映射并且确定黑色素或血红蛋白浓度的普遍公认的发色团空间,该黑色素或血红蛋白浓度可以用作整体肤色的指示符。可根据发色团映射数据计算出平均黑色素或血红蛋白。另外,可通过黑色素或血红蛋白均匀度(例如,标准偏差)确定皮肤色调均匀度,该黑色素或血红蛋白均匀度也可根据发色团映射数据来计算。
本文使用的“皮肤纯度”是指在人的皮肤的至少部分中不存在皮肤缺陷的外观。该皮肤缺陷包括影响不规则或非均匀的光谱性质的美容皮肤属性,该不规则或非均匀的光谱性质由皮肤形貌形态的表面反射和/或诸如黑色素、血红蛋白和/或角化细胞的皮肤发色团和纤维母细胞定向的细胞代谢物的子表面反射组成,并且该美容皮肤属性包括(但不限于)皮肤发光率、皮肤色调等。
本文使用的“皮肤年龄”是指表观年龄,其是指基于物理外观,优选地基于人的面部,优选地基于人的面部的至少一部分,更优选地基于人的面部的至少一部分的至少一个关注区(ROI)与标准年龄皮肤外观相比在视觉上估计或感知到的人的皮肤的年龄,更优选地,该至少一个ROI选自由以下各项组成的组:眼睛周围的皮肤区(“眼睛区”)、面颊周围的皮肤区(“面颊区”)、口腔周围的皮肤区(“口腔区”)以及它们的组合。
本文使用的“皮肤色调”一般是指基础肤色或色彩均匀度的整体外观。皮肤色调通常在皮肤的较大区域上表征。该区域可多于100mm2,但设想更大的区域,诸如整个面部皮肤或其他人体皮肤表面(例如,手臂、腿、背、手、颈部)。
本文使用的“皮肤皱纹”一般是指皮肤中的褶皱、脊或折痕,并且包括(但不限于)细线、超细线、细纹、超细纹、皱纹、线条。可在(例如)密度和/或长度方面测量皮肤皱纹。
本文使用的“皮肤发光率”一般是指皮肤反射的光的量,并且可称为皮肤光泽。
本文使用的“皮肤纹理”一般是指皮肤表面的形貌或粗糙度。
本文使用的“皮肤张力”通常是指皮肤的紧致度或弹性。
本文使用的“皮肤皮脂水平”一般是指作为由皮肤中的皮脂腺分泌的油性或蜡质物质的皮脂的量。
本文使用的“皮肤斑点”一般是指皮肤的变色或不均匀的色素沉着(例如,色素沉着过度、斑点)。可依据例如变色的密度、大小和/或程度评估皮肤斑点。
本文使用的“皮肤护理产品”是指包含皮肤护理活性物质并且调节和/或改善皮肤状况的产品。
本文使用的“数字图像”是指由成像系统中的像素(包括(但不限于)标准RGB等)并且在不同照明条件和/或模式下获得的图像下形成的数字图像。数字图像的非限制性示例包括彩色图像(RGB)、单色图像、视频、多光谱图像、高光谱图像等。非限制性光条件包括白光、蓝光、UV光、IR光、处于特定波长的光,诸如发射100nm至1000nm、300nm至700nm、400nm至700nm或上述上限和下限的不同组合或以上列出的范围内的任何整数的组合的光的光源。可从图像获得装置获得该数字图像,该图像获得装置包括(但不限于)数码相机、照片扫描仪、能够存储数字图像的计算机可读存储介质以及包括图片拍摄能力的任何电子装置。
在以下描述中,所描述的方法是用于确定美容皮肤属性的方法。相应地,所描述的设备是用于确定美容皮肤属性的设备。该设备还可被配置为生成受试者的面部的至少一部分的数字图像数据的熵统计数据以用于在显示器上显示,并且所描述的图形用户界面是用于显示该受试者的面部的至少一部分的数字图像数据的熵统计数据的图形用户界面。所描述的系统是用于确定美容皮肤属性的基于熵的系统。在一个示例性实施方案中,该系统是位于零售化妆品柜台处的用于分析和推荐美容和皮肤护理产品的独立成像系统(在图2中示出)。然而,预期该系统和该方法可被配置为通过包括图像获得单元/装置和显示器的电子便携式装置在任何地方使用,诸如如图1中所示,其中该电子便携式装置通过网络连接至用于生成美容皮肤属性的可视化熵值的图形用户界面以用于在显示器上显示的设备。
图1是示出根据本发明的用于将美容皮肤属性可视化的系统10的示意图。系统10可包括网络100,该网络可体现为广域网(诸如移动电话网络、公共交换电话网络、卫星网络、互联网等)、局域网(诸如无线保真度、Wi-Max、ZigBeeTM、BluetoothTM等)和/或其它形式的联网功能。便携式电子装置12和用于生成用于将美容皮肤属性可视化的图形用户界面以用于在显示器上显示的设备14耦合到网络100。设备14远程定位并且通过网络100连接至便携式电子装置。便携式电子装置12可以是移动电话、平板计算机、膝上型计算机、个人数字助理和/或被配置为捕获、存储和/或传递诸如数字照片的数字图像的其他计算装置。因此,便携式电子装置12可包括用于接收用户输入的输入装置12a、用于获得图像的图像获得装置18,诸如数码相机,以及用于显示该图像的输出装置12b。便携式电子装置12还可被配置为经由网络100与其他计算装置通信。便携式电子装置12还可包括图像处理装置(未示出),该图像处理装置与该图像获得装置18耦合,以用于使用熵统计数据来分析获得的至少一个色彩通道图像以获得熵值,并且基于该熵值而确定人的皮肤的至少一部分的美容皮肤属性。该图像处理装置优选地包括具有计算机可执行指令的处理器。便携式电子装置12还可包括显示生成单元(未示出,诸如电子LED/LCD显示器),用于生成用以显示描述确定的美容皮肤属性的内容数据的显示。
设备14可包括非暂时性计算机可读存储介质14a(在下文称为“存储介质”),该非暂时性计算机可读存储介质存储图像获得逻辑144a、图像分析逻辑144a和图形用户界面(在下文称为“GUI”)逻辑144c。存储介质14a可包括随机存取存储器(诸如SRAM、DRAM等)、只读存储器(ROM)、寄存器和/或其他形式的计算存储硬件。图像获得逻辑144a、图像分析逻辑144b和GUI逻辑144c限定计算机可执行指令。处理器14b耦合到存储介质14a,其中处理器14b被配置为用于基于计算机可执行指令而实施在下文关于图4的框图和图5的流程图所描述的根据本发明的用于确定受试者的美容皮肤属性的方法90。美容皮肤属性可以是在视觉上不可感知的美容皮肤属性,其中该在视觉上不可感知的美容皮肤属性是不能够由无协助的眼睛检测到的美容皮肤属性,或能够由消费者在视觉上检测到的美容皮肤属性但该消费者理解不了该美容皮肤属性。确定在视觉上不可感知的美容皮肤属性的优势是使消费者能够作出明智的决策并且采取积极主动的行动来改善在视觉上不可感知的美容皮肤属性的状况。
确定方法
参考图4和图5,当起动处理器14b时,处理器14b致使例如经由将数字图像转换为色彩系统中的色彩通道图像而在步骤91中获得包括人的皮肤的至少一部分的至少一个色彩通道图像60L,这将在下文参考图6A、图6B、图6C和图7进行描述。在步骤92中使用熵统计数据来分析至少一个色彩通道图像60L以获得分析输出80,其中该分析输出80包括熵值。在步骤93中,基于熵值而确定人的皮肤的至少一部分的美容皮肤属性。至少一个色彩通道图像可以是选自由以下各项组成的组的色彩系统中的图像:L*a*b*色彩系统、RGB色彩系统、HSL/HSV色彩系统和CMYK色彩系统。
下表1列出了每个熵值,其中将要基于该熵值而确定对应的色彩通道图像和对应的美容皮肤属性。在表1中描述的色彩通道图像是L*a*b*色彩系统中的选自由以下各项组成的组的图像:L通道图像、a通道图像、b通道图像、c通道图像以及它们的组合。
表1
确定美容皮肤属性可包括生成皮肤属性指数作为指示相对于限定人群的人的皮肤的至少一部分的美容皮肤属性的状况的概率值。具体地,在视觉感知研究中,可要求消费者基于预定尺度针对美容皮肤属性对限定人群的数字图像(例如,照片)进行排名。可存储经过排名的数字图像作为数据库以便根据方法90进行分析,以确定与美容皮肤属性具有最高相关性的熵值。
可替代地,可依据由函数F(熵值)限定的熵值来生成皮肤属性指数,其中该函数是由在训练数据集上建立的模型确定。该训练数据集可包括:(i)限定人群的多个色彩通道图像,其中该多个色彩通道图像中的每个色彩通道图像包括该限定人群中的人的面部皮肤,其中该面部皮肤包括美容皮肤属性;(ii)基于美容皮肤属性的相关联的类别定义。图像处理方法领域的技术人员已知用于构建训练数据集的技术,并且将不进一步描述。
该模型可以是回归模型或分类模型,优选为线性回归模型,更优选为机器学习线性回归模型,最优选为机器学习支持向量回归(SVR)模型。该SVR模型是支持向量机(SVM)模型的特定示例。机器学习模型还可以是支持向量分类模型或随机森林回归模型。
使用SVR模型实现了以下优势:该方法在被实施为便携式电子装置上的本机应用程序时的执行方面的准确性、再现性和速度。具体地,SVR模型的权重允许本机应用程序具有更小的硬件占用面积,并且因此根据本发明的方法可容易地部署在诸如具有移动电话操作系统(OS)的移动电话的便携式电子装置中,该移动电话操作系统包括(但不限于)用于AppleTM电话的iOS或用于Android电话的Android OS。
可使用分类模型将消费者分类为多个组,每个组具有相同美容皮肤属性的状况的不同程度,优选分类为两个组,更优选分类为三个组,以便基于皮肤属性指数的数值来限定相关联的类别定义。例如,该方法可显示热图,该热图被配置为基于指派给该组中的每个组的阈值而将皮肤的区分类为高水平的美容皮肤属性状况或低水平的美容皮肤属性状况。
至少一个色彩通道图像是L*a*b*色彩系统中的选自由以下各项组成的组的图像:L色彩通道图像、a通道图像、b通道图像以及来自RGB色彩系统的c通道图像以及它们的组合;其中熵值选自由以下各项组成的组:L熵值、a熵值、b熵值、c熵值以及它们的组合;并且其中函数具有以下公式:
皮肤属性指数=A+B×(L熵值)+C×(a熵值)+D×(b熵值)+E×(c熵),
其中A、B、C、D和E是常数;其中B、C、D和E中的至少一者不是0。
应当了解,常数A、B、C、D和E可基于训练数据集的大小和内容而变,并且可以是由模型基于训练数据集而生成的任何数值。
具体地,以上熵值中的每一个熵值可单独使用或与熵值中的另一熵值组合使用。例如,使用单个熵值可导致更快的计算速度,这使得能够使用具有非常基本的硬件的小装置,进而导致更高效和更具成本效益的产品。
至少一个色彩通道图像可以是L通道图像;其中熵值是L熵值;其中C、D、E各自具有为0的值;并且其中生成的皮肤属性指数指示皮肤纯度、皮肤色调或皮肤发光率。
众所周知,当皮肤经受压力(由UV因素、老化因素、精神因素、环境因素导致)时,皮肤将受到各种级别的损伤,包括DNA级别、细胞级别和组织级别。此类对皮肤的损伤可导致皮肤缺陷。这些皮肤缺陷的存在显著影响皮肤的光学性质,诸如在以下示例中所描述:
·如果角质层是干燥的(冬天/空气状况),则光将从表面更多地反射(表面反射),从而增强皮肤微纹理,这导致皮肤上的线条
·如果真皮受损(UV),则较少的光将在真皮处散射(也称为真皮散射),并且光将穿透皮肤(较少的表面下反射)。当存在较少的真皮散射时,并且因此皮肤显得较暗。
·如果皮肤暴露于长期UV,则皮肤产生更多的黑色素。黑色素吸收光,从而减少表面下反射,并且因此皮肤显得较暗。
以上皮肤缺陷表现为对于消费者眼睛而言不可感知的皮肤质量的信号。消费者可能会将这些缺陷视为杂质,但由于缺乏知识而无法采取行动来改善缺陷。如果皮肤经受长期压力和/或未经治疗,则这些不可感知的杂质可最终导致可见的和可感知的表型(色素斑点、皱纹、松垂)。
已经惊讶地发现,L色彩通道图像的L熵值具有与皮肤纯度的最高的相关性。
针对分析步骤选择L通道图像作为至少一个色彩通道图像以按照根据本发明的方法获得L熵值并且基于该L熵值而确定皮肤纯度的技术效果是因为基于分析色彩通道图像,L熵值相对于其他熵值具有与皮肤纯度的最高的相关性(r=0.89)。以下是基于与来自视觉感知研究的结果的相关性而生成的数据,该视觉感知研究使用了利用皮尔森相关系数(r)的统计分析。下文在下表2中示出了相关性结果。
表2
熵值 | 与视觉感知研究的结果的皮尔森相关系数(r) |
L熵值 | 0.89 |
a熵值 | 0.55 |
b熵值 | 0.7 |
c熵值 | 0.76 |
较高的皮尔森相关系数(r)意味着熵值是对在视觉感知研究中研究的美容皮肤属性的状况影响更大的因数。具体地,基于专门小组成员的预定数目=302、专门小组成员的年龄=20-50来进行视觉感知研究。要求该专门小组成员在1至5的尺度上针对皮肤纯度(作为美容皮肤属性的示例)对人的照片进行排名。基于视觉感知研究结果和以上相关性结果,已经发现,经过滤波的图像(通过频率滤波器)的L通道熵值具有与皮肤纯度属性最高的相关性。因此,使用L通道的L熵值来确定数字图像中的人的皮肤的至少一部分的皮肤纯度可用于将皮肤纯度从在视觉上不可感知的美容皮肤属性变换为能够通过消费者相关方式向消费者解释的美容皮肤属性。
至少一个色彩通道图像可以是a通道图像;其中熵值是a熵值;其中B、D、E各自具有为0的值;并且其中生成的皮肤属性指数指示皮肤炎症。
至少一个色彩通道图像可以是b通道图像;其中熵值是b熵值;其中B、C、E各自具有为0的值;并且其中生成的皮肤属性指数指示皮肤色素沉着或皮肤暗淡。
至少一个色彩通道图像可以是c通道图像;其中熵值是c熵值;其中B、C、D各自具有为0的值;并且其中生成的皮肤属性指数指示皮肤形貌,该皮肤形貌优选地选自由以下各项组成的组:毛孔、细线、皱纹、松垂、皮肤弹性以及它们的组合。
获得色彩通道图像
如在下文参考图5A、图5B、图5C和图6所描述,可从数字图像51获得色彩通道图像60a、60b、60c。参考图1,可使用网络100从便携式电子装置12获取数字图像,并且将该数字图像传输至设备14以在根据本发明的用于确定美容皮肤属性的方法200中使用。输入装置12a可耦合到便携式电子装置12或与该便携式电子装置成一体,以用于接收用于起动处理器14b的用户输入。便携式电子装置12可包括用于显示多个图块的输出装置12b,每个图块具有唯一地指派的单度标记。输入装置12a可包括(但不限于)鼠标、触摸屏显示器等。
参考图1、图5A和图6,当起动处理器14b时,处理器14b致使在步骤202中例如经由图像获得逻辑144a获得受试者的面部的至少一部分的数字图像51。获得的数字图像51可以是RGB XP数字图像或RGB光泽数字图像。RGB系统中的数字图像51被从RGB图像转换为数字图像数据,诸如不同色彩系统中的色彩通道图像。处理器14b进一步致使在步骤204中例如经由图像分析逻辑144b从获得的数字图像51提取至少一个色彩通道图像60a、60b、60c。该至少一个色彩通道可以是通过基于(例如)0.1R+0.2G+0.7B的等式进一步处理RGB色彩通道而获得的色彩通道图像。该至少一个色彩通道图像60a、60b、60c可选自色彩系统中的色彩通道60a、60b、60c中的任一个色彩通道。在步骤206中,使用频率滤波器对所提取的至少一个色彩通道图像60a、60b、60c进行滤波。在步骤208中使用熵统计数据来分析经过滤波的至少一个色彩通道图像61a、61b、61c以确定人的美容皮肤属性。在步骤206中使用频率滤波器会从所提取的至少一个色彩通道图像60a移除噪声,这增加了步骤208中的分析的灵敏度,进而导致相对于分析未经过滤波的色彩通道图像的从步骤208输出的分析上的更高的准确度。然而,分析未经过滤波的色彩通道图像可有利于减少计算硬件的使用,诸如在仅非常小的和基本的硬件可用于实施根据本发明的方法的情况下减小硬件占用面积、数据存储空间或处理能力。
任选地,方法200还可包括向经过滤波的色彩通道施加图像校正因子,以用于在分析该经过滤波的色彩通道之前优化该经过滤波的色彩通道中的参数。该参数可包括照明校正、模糊校正、旋转校正等。
使用根据本发明的方法90、200确定至少一个皮肤属性的技术效果在于,这提供对美容皮肤属性的快速和准确分析。下表3描述了与通常使用的成像端点的年龄相关性,并且熵统计数据的相关性相对于其他成像端点具有更好的相关性(0.81)。还可将成像端点描述为用于分析皮肤特征的成像方法。
表3
端点 | 相关性 |
纹理面积分数 | 0.43 |
斑点面积分数 | 0.55 |
褶皱面积分数 | 0.57 |
L | -0.52 |
a | 0.39 |
b | 0.54 |
L标准偏差 | 0.02 |
a标准偏差 | 0.28 |
b标准偏差 | 0.35 |
Haralick对比度 | 0.65 |
熵统计数据 | 0.81 |
可在不到5秒内执行方法90、200,优选地在0.01秒至5秒内,更优选地在0.5秒至1秒内,或上述上限和下限的不同组合或以上列出的范围内的任何整数的组合。当可在不到1秒内执行方法90、200时,方法200可实施在诸如便携式手持式电子装置的市售硬件中,该便携式手持式电子装置包括(但不限于)移动电话,移动电话由于其对较广的消费者网络的可缩放性而在商业上是有利的。
该色彩系统可以是L*a*b色彩系统,并且该至少一个色彩通道图像可以是对应于图5B中所示的纹理通道的红色色彩通道60a、黄色色彩通道60b或蓝色色彩通道60c。图5C示出了经过滤波的色彩通道图像61a、61b、61c,对每个经过滤波的色彩通道图像进行分析以获得描述被分析的色彩通道图像的熵值。可将经过滤波的红色色彩通道61a的熵值限定为a熵,可将经过滤波的黄色色彩通道61b的熵值限定为b熵,并且可将经过滤波的蓝色色彩通道61c的熵值限定为c熵。
该色彩系统可以是在上文描述的发色团映射空间,并且该至少一个色彩通道图像可以是血红蛋白通道图像或黑色素通道图像。
频率滤波器可以是快速傅里叶变换滤波器、小波变换滤波器或高斯差(DoG)滤波器。更优选地,该频率滤波器是DoG滤波器。该DoG滤波器具有高斯滤波器1和高斯滤波器2。高斯滤波器1可包括以下标准偏差:1至200、5至50、10至20、上述上限和下限的不同组合或以上列出的范围内的任何整数的组合。高斯滤波器2可包括以下标准偏差:1至200、5至100、20至60、上述上限和下限的不同组合或以上列出的范围内的任何整数的组合。DoG滤波器的高斯滤波器1和高斯滤波器2的组合的非限制性示例在下表4中描述。
表4
高斯滤波器1标准偏差 | 高斯滤波器2标准偏差 |
1至200 | 1至200 |
5至50 | 5至100 |
10至20 | 20至60 |
输出装置12b可包括(但不限于)触摸屏显示器、非触摸屏显示器、打印机、用于投影多个图块的投影仪,每个图块具有诸如镜的显示表面上的唯一指派的单度标记,如在下文关于图2所描述。
图2是被配置为独立成像系统的系统10的透视图,该系统位于零售化妆品柜台处,用于将至少一个美容皮肤属性可视化,并且基于该可视化的至少一个美容皮肤属性而推荐美容和皮肤护理产品。图3是图2的系统10的框图。参考图2和图3,系统10包括用于图1的设备14的外壳11,该设备连接至用于获取受试者的数字图像以便将至少一个美容皮肤属性可视化的图像获得装置18。参考图2,系统10可包括镜16,并且可将图像获得装置18在外壳11内安装在镜16后方,使得可从视野隐藏图像获得装置18。图像获得装置18可以是数码相机、连接至数字化电路的模拟相机、扫描仪、摄像机等。系统10可包括诸如LED灯的灯30,该灯布置在外壳11周围以形成用于辅助生成受试者的数字图像的LED照明系统。系统10具有用于接收用户输入的输入装置112a。系统10还可包括诸如投影仪的输出装置112b,该输出装置被配置为接收面部图30并且投影该面部图以用于显示在镜16上。在图2中未示出该投影仪,因为该投影仪可以是与外壳11分离但耦合到设备14以形成系统10的外围部件。系统10还可包括诸如一个或多个扬声器的第二输出装置112c,该第二输出装置任选地耦合到放大器,用于生成音频指导输出以补充和/或增强整体消费者体验。
优选地,获得至少一个色彩通道可包括获得至少两个色彩通道,更优选地,获得三个色彩通道。具体地,可如下描述红色色彩通道、黄色色彩通道和蓝色色彩通道。当红色色彩通道处于L*a*b*色彩系统中时,a熵是经过滤波的红色色彩通道的熵值。当黄色色彩通道处于L*a*b*色彩系统中时,b熵是经过滤波的黄色色彩通道的熵值。当蓝色色彩通道对应于纹理通道时,c熵是蓝色色彩通道的熵值。
方法200还可包括以下步骤:将至少一个美容属性与预定义数据集进行比较以指派指数。可将该指数描述为被分析的在视觉上不可感知的消费者皮肤属性的皮肤属性指数,其中向每个图块唯一地指派单度标记是基于所指派的指数。各自具有唯一指派的指数的该多个图块可在比较步骤之后的另一步骤中显示。
将熵统计数据可视化的方法
本发明还涉及将数字图像中的受试者的面部的至少一部分的至少一个美容皮肤属性的熵统计数据或熵值可视化的方法。该方法是参考作为说明如何将熵值可视化的一系列过程流程图的图8A和图8B来描述,并且图9是将数字图像中的受试者的面部的至少一部分的至少一个美容皮肤属性的熵统计数据或熵值可视化的方法300的流程图。
在图8A中示出了面部的至少一部分的数字图像51。数字图像51包括由边界线52限定的面部1的至少一部分的区域,并且包括跨数字图像51的多个图块54,该多个图块54中的每个图块具有使用熵统计数据而分析的至少一个美容皮肤属性。外周边53包围围绕第一数字图像51的边界线52。第一数字图像51是由总数个像素形成,例如,第一数字图像51可具有限定第一数字图像51的总图像大小的数目个像素。例如,如果将图块大小设置成40乘40像素至70乘70像素,相应地,将通过使总图像大小除以指定图块大小来获得形成跨第一数字图像51的多个图块54的图块54的数目。应当了解,可通过水平侧上的像素的数目(图块宽度,W)和垂直侧上的像素的数目(图块高度,H)来限定图块54的大小。每个图块可包括以下图块大小:不大于100乘100像素、1乘1像素至100乘100像素、2乘2像素至100乘100像素、5乘5像素至90像素乘90像素、40乘40像素至70乘70像素,或上述上限和下限的不同组合或以上列出的范围内的任何整数的组合。具有以上范围内的图块大小的技术效果在于,这实现分析图像数据的较短的处理时间,并且因此实现在较短时间量内将至少一个美容皮肤属性可视化的显示。
参考图9,方法300包括在步骤302中接收数字图像51,并且在步骤304中,基于被分析的至少一个美容皮肤属性而向所限定的多个图块中的每个图块54唯一地指派单度标记40。在步骤306中显示各自具有唯一指派的单度标记的多个图块中的至少一些图块,以将至少一个美容皮肤属性的熵值可视化,如图8B中所示。
为了阐释系统10和方法90、200、300根据本发明来确定和可视化至少一个美容皮肤属性所采取的方式,理解以下操作是有帮助的:在步骤202中如何获得受试者的面部的数字图像、在步骤204中如何从获得的数字图像提取色彩通道图像、在步骤206中如何对所提取的至少一个色彩通道图像进行滤波、在步骤304中如何向每个图块唯一地指派单度标记,以及在步骤306中如何显示图块。因此,在下文描述根据本发明的方法200的步骤202、204、206、208和方法300的步骤302、304和306作为用于执行每个步骤的单独过程。还可将每个过程描述为子例程,即,按照根据本发明的方法200、300执行对应步骤的一连串程序指令。
获得数字图像
参考作为说明如何从数字图像获得数字图像数据的一系列过程流程图的图10A、图10B和图10C来描述按照根据本发明的方法200获得数字图像的步骤202,并且图11是获得与步骤202相对应的数字图像数据的过程400的流程图。
在图10A中示出了面部1的输入图像50a。可由用户例如在如图11中所示的过程400的步骤402中使用相机18捕获输入图像50a。图10B示出了步骤404:裁剪输入图像50a以获得包括该面部的至少一部分的经过编辑的图像数据50b。可通过以下操作来裁剪输入图像50a:识别面部的锚特征1a,包括(但不限于)诸如眼睛、鼻子、鼻孔、嘴角等的面部特征;以及相应地进行裁剪。虽然如图10B中所示将眼睛描绘为锚特征1a,但应当了解,这仅仅是示例,并且任何突出的或可检测的面部特征可以是锚特征。所编辑的图像数据50b可以是在步骤404中获得的第一数字图像51。可替代地,如图10C中所示,可通过裁剪来进一步处理所编辑的图像数据50b以移除输入图像50a的一个或多个不想要的部分,进而在步骤408中获得包括由边界线52限定的面部1的至少一部分的第一数字图像数据51。获得的第一数字图像51可包括由边界线52限定的面部1的至少一部分的至少一个关注区(ROI)2。ROI 2可以是面部1的整个部分,优选为面部的至少一部分,更优选为限定面部1的至少部分的一个或多个皮肤区。在下文参考图14A至图14C和图15的流程图来描述如何限定皮肤区的细节。
任选地,过程400可包括步骤406,其中ROI 2可选自由以下各项组成的组:眼睛周围的皮肤区(“眼睛区2a”)、脸颊周围的皮肤区(“脸颊区2b”)、嘴周围的皮肤区(“嘴区2c”)以及它们的组合,优选地,ROI 2是受试者的面部1的至少一部分的部分,更优选地,获得的第一数字图像数据限定面部1的左侧或右侧。ROI 2可包括获得的第一数字图像的至少5%、10%至100%、25%至90%的区域。
限定图块
图12是示出第一数字图像数据51上的多个图块54的图片。图13是示出限定第一数字图像数据51上的多个图块54的过程500的流程图。参考图12,第一数字图像51包括由边界线52限定的面部1的至少一部分,如在上文参考图10C所描述。参考图13,过程500包括限定外周边53,该外周边包围围绕获得的第一数字图像的边界线52(步骤502)。获得的第一数字图像51是由总数个像素形成,例如,获得的第一数字图像51可具有在步骤404或步骤406处确定的像素数目,这取决于在裁剪输入图像50a之后的图像大小。因此,可在步骤504中限定基于获得的第一数字图像51的总图像大小。例如,如果将图块大小设置成40乘40像素70乘70像素,相应地,将通过使总图像大小除以指定图块大小来获得在步骤506中形成跨获得的第一数字图像51的多个图块54的图块54的数目。
显示
根据本发明的方法还可包括以下步骤:生成与在上文针对将美容皮肤状况可视化所描述的生成的皮肤属性指数相对应的图像描述。该图像描述可包括热图(诸如图8B、图21中所示)、总得分(诸如在图19D中的第四区域194、图22中的特征934中示出的皮肤年龄)以及它们的组合。可基于在上文描述的生成的皮肤属性指数而计算出该总得分。
图14A至图14C是示出根据本发明的方法300的步骤306显示多个图块的过程的细节的过程流程图。图15是示出显示多个图块的过程600的流程图。图14A是示出插入在第一数字图像数据51上的第二数字图像60的图片。第二数字图像60包括具有所显示的多个图块54的受试者的面部的至少一部分,每个图块具有唯一指派的单度标记40。图14B示出了基于各自具有唯一指派的单度标记的多个图块54而在获得的第一数字图像上显示的三个分区:第一分区110、第二分区120、第三分区130。每个分区110、120、130识别在上文参考图9A至图9C和图10所描述的受试者的面部1上的相应的关注区(ROI)2。图14C与图14B的不同之处在于,边界线52和外周边53显示在图14B的第二数字图像数据60中,但未显示在图14C的第二数字图像60中。第一分区110可包括具有第一分区色彩110a的第一分区线,第二分区120可包括具有第二分区色彩120a的第二分区线,并且第三分区130可包括具有第三分区色彩130a的第三分区线。基于每个分区中的图块54的被分析的图像数据,每个分区线的色彩可以是不同的,以更好地在视觉上区分将相对于受试者的其他分区可能处于正常、美丽或脆弱状况的美容皮肤属性可视化的图块,诸如在图19D的示例性用户界面中所示出。
图15是示出在根据本发明的方法300的步骤306中显示多个图块的过程600的流程图。过程600可开始于步骤602,其中处理器读取每个图块54的被分析的图像数据,并且基于图块54的被分析的至少一个视觉美容皮肤属性而向该多个图块中的每个图块54唯一地指派单度标记(步骤604)。当该单度标记是照明时,可在步骤606中转换该图块中的每个图块的被分析的图像数据以反映每个图块处的照明的对应程度的亮度。在示例性示例中,相对于分区120内的图块中的每个图块处的照明程度,分区110可具有分区110内的图块中的每个图块处的较低程度的照明。此外,在步骤608中,可限定分区,使得第一分区110可对应于眼睛分区,第二分区120可对应于脸颊分区并且第三分区130对应于嘴分区。可计算出每个分区的图块的平均指数,以根据相应的分区而生成与所显示的美容皮肤属性相关的皮肤状况的诊断,以便向该分区指派产品推荐项目来处理该分区中的所显示的美容皮肤属性。具体地,方法300还可包括显示至少一个产品推荐项目以处理所显示的美容皮肤属性。
图16A至图16D是示出根据本发明的将至少一个美容皮肤属性可视化的方法的过程流程图。图17是示出根据本发明的将至少一个美容皮肤属性可视化的方法700的流程图。图16A是示出在图17的方法700的步骤702中显示的受试者的面部的至少一部分的第一数字图像的彩色图片。图16B是示出受试者的面部的至少一部分的第二数字图像和各自具有唯一指派的单度标记的多个图块的彩色图片,其中在步骤704中,将第二数字图像插入在第一数字图像上。任选地,可如图16C中所示将第一数字图像转换为灰度等级,以提供在各自具有唯一指派的单度标记的多个图块与第一数字图像之间的更好的对比度。在步骤706中,基于各自具有唯一指派的单度标记的多个图块而在第二数字图像上显示三个分区。
图18是示出如图17中示出的将至少一个美容皮肤属性可视化的方法700的变化的流程图。在图17的方法700的步骤706之后,在步骤708中显示至少一个产品推荐项目。在步骤710中,向用户提示选择结束方法700,并且在用户选择是的情况下方法700终止于步骤712。如果用户选择否,则执行图6的方法200的步骤,并且方法700返回到步骤708。
人机用户界面
本发明还涉及用于提供产品推荐以处理至少一个美容皮肤属性的人机用户界面(在下文称为“用户界面”)。该用户界面可以是包括触摸屏显示器/具有输入装置和图像获得装置的显示器的便携式电子设备上的图形用户界面。该用户界面可包括显示从图像获得装置获得的受试者的面部的至少一部分的第一数字图像和插入在该第一数字图像上的第二数字图像的触摸屏显示器的第一区域,该第二数字图像具有该受试者的面部的至少一部分和各自具有唯一指派的单度标记的该显示的多个图块。该用户界面还可包括不同于该第一区域的触摸屏显示器的第二区域,该第二区域显示用于接收用户输入的可选择图标,其中如果用户激活该可选择图标,则在触摸屏显示器上显示用以处理所显示的美容皮肤属性的至少一个产品推荐项目的图像。
图19A至图19E是截屏,每个截屏示出了彼此配合以用于根据本发明将美容皮肤属性可视化的示例性用户界面。虽然将图19A至图19E描述为响应于前述用户界面以连续方式提供的一系列用户界面,但应当了解,可通过多个方式编程图19A至图19E的用户界面以限定如在上文描述按照根据本发明的方法用于将至少一个美容皮肤属性可视化的整体用户界面。优选地,图19A至图19E的所有用户界面都限定根据本发明的用于将美容皮肤属性可视化的示例性用户界面。
图19A描绘了用于接收第一用户输入的用户界面160,优选地,该第一用户输入是用户的年龄。用户界面160可包括用于接收第一用户输入的第一区域162。第一区域162可包括用于接收第一用户输入的一个或多个用户输入特征164。用户输入特征164可以是诸如与诸如在图19A中所示的用户年龄的预定用户特征相对应的可选择输入图标。用户界面160还可包括第二区域166,该第二区域包括对用户的用于提供第一用户输入的对应指令。第二区域166可设置在第一区域162上方以便提供更加用户友好的界面。用户界面160可以是用于开始根据本发明的方法200的启动选项的部分。
图19B描绘了用于接收第二用户输入的用户界面170,优选地,该第二用户输入是引起用户注意的美容皮肤属性。可将该美容皮肤属性描述为用户的皮肤问题。可响应于从图19A的用户输入特征164选择第一用户输入而提供用户界面170。用户界面170可包括用于接收第二用户输入的第一区域172。第一区域172可包括用于接收第二用户输入的一个或多个用户输入特征174。用户输入特征174可以是诸如与预定皮肤问题相对应的可选择输入图标。第一区域172还可包括与一个或多个输入特征174相对应的解释区域173,其中解释区域173包括对美容皮肤属性或皮肤问题的简要描述。用户界面170还可包括第二区域176,该第二区域包括对于用户的用于提供用户输入的对应指令。第二区域176可设置在第一区域172上方以便提供更加用户友好的界面。
图19C描绘了用于获得用户的输入图像的用户界面180。用户界面180可包括第一区域182,该第一区域具有用于对准锚特征(诸如眼睛)以便根据在图11中描述的过程400获得第一数字图像数据的指令。可响应于通过图19B的一个或多个用户输入特征174选择第二用户输入而提供用户界面180。
图19D描绘用于显示至少一个美容皮肤属性的用户界面190。可于在图19C的用户界面180中获得用户输入图像之后提供用户界面190。如图19D中所示,人的皮肤的至少一部分是面部皮肤;其中该面部皮肤包括至少一个关注区(ROI),该至少一个关注区优选地选自由以下各项组成的组:脸颊区/分区、眼睛区/分区、前额区/分区、鼻子区/分区以及它们的组合;并且其中图像描述将对至少一个ROI中的改善的需求或在第一ROI与第二ROI之间的美容皮肤属性的差异可视化。
用户界面190可包括第一区域191,该第一区域显示各自具有唯一指派的单度标记的多个图块,以根据本发明的方法将至少一个美容皮肤属性可视化。第一区域191可显示如图18D中所示的类似特征,但差别仅在于限定多个图块的线可拐弯和/或被设置成不可见的层。第一区域191可包括与用户的面部的至少一部分的眼睛分区相对应的第一分区110、与用户的面部的至少一部分的脸颊分区相对应的第二分区120,和与用户的面部的至少一部分的嘴分区相对应的第三分区130。如图19D中所示,可在第三区域193中显示分区结果,借此,该分区结果包括可基于用户的面部的至少一部分内的分区的指数的相对比较而针对每个分区生成的指数。在一个示例性实施方案中,依据该分区结果,可将第一分区110描述为正常/美丽/脆弱分区,可将第二分区120描述为正常/美丽/脆弱分区,并且可将第三分区130描述为正常/美丽/脆弱分区。优选地,每个分区可具有基于分区结果中的相对差异的不同描述。用户界面190还包括用于接收第三用户输入的第二区域192。第二区域192可包括用于接收第三用户输入的一个或多个用户输入特征1921。用户输入特征1921可以是诸如用于继续进行根据本发明的方法的下一步骤的可选择输入图标。任选地,用户界面190可包括用于根据基于用户的面部的至少一部分的获得的第一数字图像数据的多个图块中的每个图块的被分析的至少一个美容皮肤属性而显示用户的皮肤年龄的第四区域194。
图19E描绘了包括用于显示产品推荐项目210的第一区域801的用户界面800。可响应于来自图19D的用户界面190的对用户输入特征1921的选择而提供用户界面800。任选地,用户界面800可包括用于提供产品推荐项目210的细节的第二区域802。优选地,用户界面800可包括用于接收第四用户输入的第三区域803,该第四用户输入诸如来自产品顾问的针对询问和/或购买产品推荐项目210的援助请求。第三区域803可包括用于接收第四用户输入的一个或多个用户输入特征2031。用户输入特征2031可以是诸如用于继续进行根据本发明的方法的下一步骤的可选择输入图标。
图20描绘了包括覆盖在数字图像51上的图像描述901以用于根据本发明将至少一个美容皮肤属性可视化的示例性用户界面900的局部视图。图像描述902包括基于从在上文描述的方法90输出的熵值而生成的热图。该热图包括基于对应于较好的美容皮肤属性状况的低熵值的第一热图区段906。该热图904还包括基于对应于较差的美容皮肤属性状况的高熵值的第二热图区段908。第一热图区段906是由第一多个图块形成,该第一多个图块在视觉上不同于第二热图区段908中的第二多个图块。例如,该第一多个图块经过转换以显示与第二多个图块的色彩不同的色彩。未显示的热图区段910(在下文称为“非显示的热图区段910”)对应于高熵值与低熵值之间的熵值。可如下配置热图区段以显示与美容皮肤属性状况和皮肤属性指数相关的熵信息,如在下表5中概述。
表5
图21描绘了用于在图19的用户界面900中将至少一个美容皮肤属性可视化的图像描述920的替代性变化。图像描述920与图19的图像描述902的不同之处在于,图像描述920包括所显示的关注区(ROI)922,其中所显示的ROI 922经过转换以显示一种色彩来相对于与较好的美容皮肤属性状况相对应的其他非显示的关注区(ROI)924指示较差的美容皮肤属性状况。仅显示单个热图区段(参看图20)或ROI的优势在于,不会让观看用户界面的消费者负担太多的视觉信息。
图22是截屏,该截屏示出了根据本发明的用于将至少一个美容皮肤属性可视化的示例性用户界面930,其中该至少一个美容皮肤属性是皮肤纯度。用户界面930与图19的用户界面902的不同之处在于,用户界面930包括替代性文本932,该替代性文本描述了美容皮肤属性和基于生成的皮肤属性指数的总得分934。用户界面930还可包括计量器936和用于沿着计量器936以0至100的尺度表示总得分的计量器记号938。计量器936是将总得分934可视化的不同方式,并且可以是任选的。计量器936的色彩可被配置为示出表示第一热图区段904和第二热图区段906的色彩梯度。
在上文描述的根据本发明的用于确定美容皮肤状况的方法还可包括以下步骤:在预定时期内跟踪美容皮肤属性。例如,在图21中示出的用户界面930可包括第一可选择图标940,在选择该第一可选择图标时致使处理器接收指令并且由该处理器执行步骤,从而生成日历或时间表以产生美容皮肤属性日记来跟踪美容皮肤属性的改善。例如,当消费者在第1天使用它时,记录日期和面部分析并且将日期和面部分析保存在存储器中。随后,每当消费者在将来(在预定周期、1周、1个月、6个月之后)使用根据本发明的方法时,再次分析消费者的面部皮肤,并且消费者可在相对于第1天的预定周期之后比较他的/她的面部皮肤在那时看起来如何。根据本发明的方法可被配置为:可下载软件应用程序,该可下载软件应用程序作为本机应用程序存储在便携式电子装置上;或网络应用程序,可通过消费者特有的登录账户访问该网络应用程序,使得消费者可基于根据本发明的方法而执行自我皮肤分析,并且观看和/或监测在一段时期内的改善(具有较差的美容皮肤属性状况的ROI的减少)。
用户界面930还可包括第二可选择图标942,在选择该第二可选择图标时使得能够重复根据本发明的用于确定美容皮肤属性的方法。例如,可重复在上文描述的方法90。
可如以下段落中所陈述来描述上文描述的本公开的代表性实施方案:
A.一种确定人的在视觉上不可感知的美容皮肤属性的方法,该方法包括以下步骤:
a)获得人的数字图像,其中该数字图像包括色彩通道;
b)从获得的数字图像提取至少一个色彩通道以提供所提取的色彩通道图像;
c)对所提取的色彩通道图像进行滤波;以及
d)使用熵统计数据来分析经过滤波的色彩通道图像以确定人的在视觉上不可感知的美容皮肤属性。
B.根据段落A所述的方法,其中在步骤(b)中使用频率滤波器对色彩通道图像进行滤波,优选地,该频率滤波器选自由以下各项组成的组:傅里叶变换滤波器、小波变换、高斯差(DoG)滤波器、更优选地,该频率滤波器是DoG滤波器,更优选地,该DoG滤波器包括具有1至200、优选5至50、更优选10至20的标准偏差的高斯滤波器1,和具有1至200、优选5至100、更优选20至60的标准偏差的高斯滤波器2。
C.根据段落A或B所述的方法,其中在视觉上不可感知的美容皮肤属性选自由以下各项组成的组:皮肤形貌、皮肤弹性、皮肤色调、皮肤色素沉着、皮肤纹理、皮肤毛孔、美容皮肤炎症、皮肤水合、皮肤皮脂水平、痤疮、痣、皮肤发光率、皮肤光泽、皮肤暗淡、不均匀色调或皮肤屏障。
D.根据段落A至C中任一段落所述的方法,其中至少一个色彩通道是以下各项之一:红色色彩通道、黄色色彩通道和蓝色色彩通道,优选至少两个色彩通道,更优选三个色彩通道;其中,
红色色彩通道处于L*a*b*色彩空间中,其中a熵是经过滤波的红色色彩通道的熵值;
黄色色彩通道处于L*a*b*色彩系统中,其中b熵是经过滤波的黄色色彩通道的熵值;
蓝色色彩通道对应于纹理通道,其中c熵是蓝色色彩通道的熵值。
E.根据段落D所述的方法,其中至少一个色彩通道图像是红色色彩通道,优选地,其中在视觉上不可感知的属性美容皮肤属性是皮肤炎症,并且与皮肤炎症相关联的皮肤属性指数是基于红色通道的a熵。
F.根据段落D所述的方法,其中至少一个色彩通道是黄色色彩通道,优选地,其中在视觉上不可感知的美容皮肤属性是皮肤色素沉着/暗淡,并且与皮肤色素沉着/暗淡相关联的皮肤属性指数是基于黄色色彩通道的b熵。
G.根据段落D所述的方法,其中至少一个色彩通道是纹理通道,
优选地,在视觉上不可感知的美容皮肤属性是皮肤形貌,更优选地,皮肤形貌选自由以下各项组成的组:毛孔、细线、皱纹、松垂、皮肤弹性,并且与皮肤形貌相关联的皮肤属性指数是基于蓝色色彩通道的c熵。
H.根据段落A至D中任一段落所述的方法,其中至少一个色彩通道是黑色素通道或血红蛋白通道,优选至少两个色彩通道;其中,血红蛋白通道处于发色团映射空间中,并且具有熵值;
黑色素通道处于发色团映射空间中,并且具有熵值;
I.根据段落H所述的方法,其中至少一个色彩通道图像是血红蛋白通道,优选地,其中在视觉上不可感知的属性美容皮肤属性是皮肤炎症,并且与皮肤炎症相关联的皮肤属性指数是基于血红蛋白通道的熵。
J.根据段落H所述的方法,其中至少一个色彩通道是黑色素通道,优选地,其中在视觉上不可感知的美容皮肤属性是皮肤色素沉着/暗淡,并且与皮肤色素沉着/暗淡相关联的皮肤属性指数是基于黑色素通道的熵。
K.根据段落A至J中任一段落所述的方法,该方法还包括在分析图像数据之前向经过滤波的色彩通道图像应用图像校正因子。
L.根据段落A至K中任一段落所述的方法,其中在不到5秒内,优选在0.01秒至5秒内,更优选在0.5秒至1秒内执行该方法。
M.根据A至L所述的方法,其中获得的图像数据包括受试者的面部的至少一部分的至少一个关注区(ROI),优选一个ROI至三个ROI,更优选获得的图像数据上的三个ROI,其中每个ROI是由包括在获得的图像数据上显示的分区线的分区限定。
N.根据段落M所述的方法,其中获得的图像数据包括三个ROI,该方法还包括以下步骤:
a)相对于三个ROI中的另一ROI的第二对分区三个ROI中的一个ROI的第一分区中的人的确定的在视觉上不可感知的美容皮肤属性的皮肤属性指数进行评分;以及
b)向显示器输出皮肤属性指数以将人的在视觉上不可感知的美容皮肤属性的熵统计数据可视化。
O.根据段落A至N中任一段落所述的方法,该方法还包括以下步骤:
a)相对于限定群体的在视觉上不可感知的美容皮肤属性对人的确定的在视觉上不可感知的美容皮肤属性的皮肤属性指数进行评分;以及
b)向显示器输出皮肤属性指数以将人的在视觉上不可感知的美容皮肤属性的熵统计数据可视化。
P.根据段落O所述的方法,其中该人和该限定人群的平均年龄是18岁至40岁,优选20岁至40岁,更优选25岁至35岁,更优选28岁至32岁。
Q.根据段落A至P中任一段落所述的方法,该方法还包括显示至少一个产品推荐项目。
R.一种用于确定人的在视觉上不可感知的美容皮肤属性的设备,该设备包括:
非暂时性计算机可读存储介质,该非暂时性计算机可读存储介质被配置为存储人的数字图像和计算机可执行指令,其中该数字图像包括色彩通道;和
处理器,该处理器耦合到该存储介质,该处理器被配置为基于计算机可执行指令而进行以下操作:
a)获得数字图像;
b)从获得的数字图像提取至少一个色彩通道以提供色彩通道图像,其中该色彩通道图像包括美容皮肤属性,
c)对色彩通道图像进行滤波;以及
d)使用熵统计数据来分析经过滤波的色彩通道图像以确定在视觉上不可感知的美容皮肤属性。
S.根据段落R所述的设备,其中该处理器被配置为基于计算机可执行指令而进行以下操作:
相对于预定熵值基于经过滤波的色彩通道图像的熵值而对在视觉上不可感知的美容皮肤属性的皮肤属性指数进行评分,其中该预定熵值与人群相关联;以及
输出皮肤属性指数。
T.一种用于确定在视觉上不可感知的美容皮肤属性的系统,其中该系统包括根据段落R或S所述的设备和用于显示包括皮肤属性指数的人的面部图像的显示器,优选地,将该皮肤属性指数显示为以下各项之一:数字、图形符号、尺度或它们的组合。
U.一种确定人的美容皮肤属性的方法,该方法包括以下步骤:
a)接收用户输入,其中该用户输入包括美容皮肤属性;
b)获得人的数字图像,其中该数字图像包括色彩通道;
c)从获得的数字图像提取至少一个色彩通道以提供所提取的色彩通道图像;
d)对所提取的色彩通道图像进行滤波;
e)使用熵统计数据来分析经过滤波的色彩通道图像以确定人的美容皮肤属性。
V.一种确定人的美容皮肤属性的方法,该方法包括以下步骤:
a)使用面部辨识来检测人的面部的至少一部分;
b)获得人的数字图像,其中该数字图像包括色彩通道;
c)从获得的数字图像提取至少一个色彩通道以提供所提取的色彩通道图像;
d)对所提取的色彩通道图像进行滤波;以及
e)使用熵统计数据来分析经过滤波的色彩通道图像以确定人的美容皮肤属性。
W.一种将数字图像中的受试者的面部的至少一部分的至少一个美容皮肤属性的熵值可视化的方法,该方法包括:
a)接收受试者的面部的至少一部分的数字图像数据,其中该数字图像数据包括多个图块,该多个图块中的每个图块具有使用熵统计数据而分析的至少一个美容皮肤属性;
b)基于被分析的至少一个美容皮肤属性而向多个图块中的每个图块唯一地指派单度标记;以及
c)显示各自具有唯一指派的单度标记的多个图块中的至少一些图块,以将至少一个美容皮肤属性的熵值可视化。
X.一种用于确定至少一个在视觉上不可感知的美容皮肤属性的图形用户界面,该图形用户界面是在包括触摸屏显示器/具有输入装置和图像获得装置的显示器的便携式电子设备上,该图形用户界面包括:
该显示器的第一区域,该第一区域显示描述美容皮肤属性的内容数据;和
该显示器的第二区域,该第二区域不同于第一区域,该第二区域显示用于接收用户输入的可选择图标,其中在用户激活该可选择图标的情况下,由与该设备数字通信的处理器发起根据段落A至W中任一段落所述的方法。
除非明确排除或以其他方式限制,否则在本文引用的每一篇文献,包括任何交叉引用或相关专利或专利申请以及本申请对其要求优先权或其有益效果的任何专利申请或专利,均据此全文以引用方式并入本文。对任何文献的引用并非认可该文献相对于本文所公开或要求保护的任何发明而言是现有技术,或认可该文献单独地或与任何其他参考文献的任何组合教导、暗示或公开任何此类发明。此外,当此文献中的术语的任何含义或定义与以引用方式并入的文献中的同一术语的任何含义或定义矛盾时,应以在此文献中赋予该术语的含义或定义为准。
虽然已说明并描述了本发明的特定实施方案,但本领域技术人员将明白,在不脱离本发明的实质和范围的情况下,可作出各种其他变化和修改。因此,期望在所附权利要求中涵盖属于本发明范围内的所有此类变化和修改。
Claims (16)
1.一种确定人的美容皮肤属性的方法,所述方法包括以下步骤:
a)获得包括所述人的皮肤的至少一部分的至少一个色彩通道图像;
b)使用熵统计数据来分析所述至少一个色彩通道图像以获得熵值;以及
c)基于所述熵值而确定所述人的皮肤的所述至少一部分的所述美容皮肤属性。
2.根据权利要求1所述的方法,其中所述至少一个色彩通道图像是选自由以下各项组成的组的色彩系统中的图像:L*a*b*色彩系统、RGB色彩系统、HSL/HSV色彩系统和CMYK色彩系统。
3.根据权利要求1所述的方法,其中将皮肤属性指数生成为指示相对于限定人群的所述人的皮肤的所述至少一部分的所述美容皮肤属性的状况的概率值,优选地,将所述皮肤属性指数生成为由F(熵值)限定的所述熵值的函数,其中所述函数是由在训练数据集之上建立的模型而确定,其中所述训练数据集包括:(i)所述限定人群的多个色彩通道图像,其中所述多个色彩通道图像中的每个色彩通道图像包括所述限定人群中的人的面部皮肤,其中所述面部皮肤包括所述美容皮肤属性;(ii)基于所述美容皮肤属性的相关联的类别定义。
4.根据权利要求3所述的方法,其中所述模型是回归模型或分类模型;其中所述模型优选为线性回归模型,更优选为机器学习线性回归模型,最优选为机器学习支持向量回归模型或随机森林回归模型。
5.根据权利要求3所述的方法,其中所述至少一个色彩通道图像是所述L*a*b*色彩系统中的选自由以下各项组成的组的图像:L色彩通道图像、a通道图像、b通道图像以及来自RGB色彩系统的c通道图像和它们的组合;其中所述熵值选自由以下各项组成的组:L熵值、a熵值、b熵值、c熵值以及它们的组合;并且其中所述函数具有以下公式:
皮肤属性指数=A+B×(L熵值)+C×(a熵值)+D×(b熵值)+E×(c熵),
其中A、B、C、D和E是常数;其中B、C、D和E中的至少一者不是0。
6.根据权利要求5所述的方法,其中所述至少一个色彩通道图像是L通道图像;其中所述熵值是L熵值;其中C、D、E各自具有为0的值;并且其中所述生成的皮肤属性指数指示皮肤纯度、皮肤色调或皮肤发光率。
7.根据权利要求5所述的方法,其中所述至少一个色彩通道图像是a通道图像;其中所述熵值是a熵值;其中B、D、E各自具有为0的值;并且其中所述生成的皮肤属性指数指示皮肤炎症。
8.根据权利要求5所述的方法,其中所述至少一个色彩通道图像是b通道图像;其中所述熵值是b熵值;其中B、C、E各自具有为0的值;并且其中所述生成的皮肤属性指数指示皮肤色素沉着或皮肤暗淡。
9.根据权利要求5所述的方法,其中所述至少一个色彩通道图像是c通道图像;其中所述熵值是c熵值;其中B、C、D各自具有为0的值;并且其中所述生成的皮肤属性指数指示皮肤形貌,所述皮肤形貌优选地选自由以下各项组成的组:毛孔、细线、皱纹、松垂、皮肤弹性以及它们的组合。
10.根据权利要求3所述的方法,所述方法还包括步骤(d):生成与所述生成的皮肤属性指数相对应的图像描述。
11.根据权利要求10所述的方法,其中所述人的皮肤的所述至少一部分是面部皮肤;其中所述面部皮肤包括至少一个关注区(ROI),所述至少一个关注区优选地选自由以下各项组成的组:脸颊区、眼睛区、前额区、鼻子区以及它们的组合;并且其中所述图像描述将对所述至少一个ROI中的改善的需求或在第一ROI与第二ROI之间的所述美容皮肤属性的差异可视化。
12.根据权利要求1所述的方法,其中所述美容皮肤属性选自由以下各项组成的组:皮肤纯度、皮肤年龄、皮肤形貌、皮肤色调、皮肤色素沉着、皮肤毛孔、皮肤炎症、皮肤水合、皮肤皮脂水平、痤疮、痣、皮肤发光率、皮肤光泽、皮肤暗淡和皮肤屏障。
13.根据权利要求1所述的方法,其中所述美容皮肤属性是在视觉上不可感知的美容皮肤属性,其中所述在视觉上不可感知的美容皮肤属性是不能够由无协助的眼睛检测到的美容皮肤属性,或能够由消费者在视觉上检测到的美容皮肤属性但所述消费者理解不了所述美容皮肤属性。
14.根据权利要求1所述的方法,其中在分析之前,通过使用频率滤波器对所述至少一个色彩通道图像进行滤波,优选地,所述频率滤波器选自由以下各项组成的组:傅里叶变换滤波器、小波变换和高斯差(DoG)滤波器;更优选地,所述频率滤波器是DoG滤波器;最优选地,所述DoG滤波器包括具有1至200、优选5至50、更优选10至20的标准偏差的第一高斯滤波器,和具有1至200、优选5至100、更优选20至60的标准偏差的第二高斯滤波器。
15.一种用于确定人的美容皮肤属性的设备,所述设备包括:
图像获得装置,所述图像获得装置用于获得包括所述人的皮肤的至少一部分的至少一个色彩通道图像,其中优选地,所述图像获得装置包括被配置为存储所述获得的至少一个色彩通道图像的非暂时性计算机可读存储介质;
图像处理装置,所述图像处理装置与所述图像获得装置耦合,用于使用熵统计数据来分析所述获得的至少一个色彩通道图像以获得熵值,并且基于所述熵值而确定所述人的皮肤的所述至少一部分的所述美容皮肤属性,其中所述图像处理装置优选地包括具有计算机可执行指令的处理器;
显示生成单元,所述显示生成单元用于生成用以显示描述所述确定的美容皮肤属性的内容数据的显示。
16.一种用于确定人的美容皮肤属性的图形用户界面,所述图形用户界面是在包括触摸屏显示器/具有输入装置和图像获得装置的显示器的便携式电子设备上,所述图像获得装置用于获得包括所述人的皮肤的至少一部分的至少一个色彩通道图像;
其中所述图形用户界面包括:
所述显示器的第一区域,所述第一区域显示描述所述人的皮肤的所述至少一部分的美容皮肤属性的内容数据;和
所述显示器的第二区域,所述第二区域不同于所述第一区域,所述第二区域显示用于接收用户输入的可选择图标;
和网络接口,所述网络接口将所述设备数字耦合到熵分析单元,所述熵分析单元被配置为基于存储在所述熵分析单元中的计算机可执行指令而进行以下操作:
使用熵统计数据来分析所述至少一个色彩通道图像以获得熵值;以及
在所述用户激活所述可选择图标的情况下基于所述熵值而确定所述人的皮肤的所述至少一部分的所述美容皮肤属性。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962837207P | 2019-04-23 | 2019-04-23 | |
US62/837,207 | 2019-04-23 | ||
PCT/US2020/029423 WO2020219613A1 (en) | 2019-04-23 | 2020-04-23 | Apparatus and method for determining cosmetic skin attributes |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113711277A true CN113711277A (zh) | 2021-11-26 |
Family
ID=70614683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080029889.XA Pending CN113711277A (zh) | 2019-04-23 | 2020-04-23 | 用于确定美容皮肤属性的设备和方法 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11348366B2 (zh) |
EP (1) | EP3959651A1 (zh) |
JP (2) | JP7248820B2 (zh) |
KR (1) | KR102653079B1 (zh) |
CN (1) | CN113711277A (zh) |
WO (1) | WO2020219613A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
USD944402S1 (en) * | 2019-04-23 | 2022-02-22 | The Procter & Gamble Company | Skin age identifier |
CN113767439A (zh) | 2019-04-23 | 2021-12-07 | 宝洁公司 | 用于将美容皮肤属性可视化的设备和方法 |
US11348366B2 (en) | 2019-04-23 | 2022-05-31 | The Procter And Gamble Company | Apparatus and method for determining cosmetic skin attributes |
USD968441S1 (en) | 2020-04-30 | 2022-11-01 | The Procter & Gamble Company | Display screen with graphical user interface |
USD962256S1 (en) | 2020-05-14 | 2022-08-30 | The Procter & Gamble Company | Display screen with graphical user interface |
USD963178S1 (en) * | 2021-03-18 | 2022-09-06 | Shenzhen Moreme Smart Tech Co., Ltd | Full face skin detector |
WO2022232627A1 (en) * | 2021-04-30 | 2022-11-03 | L'oreal | Predicting aging treatment outcomes based on a skin ageotype |
KR102436130B1 (ko) * | 2022-04-25 | 2022-08-26 | 주식회사 룰루랩 | 피부 분석 영상에 대한 적합도를 판단하는 방법 및 장치 |
US11638553B1 (en) * | 2022-04-29 | 2023-05-02 | Lululab Inc. | Skin condition analyzing and skin disease diagnosis device |
FR3135556A1 (fr) * | 2022-05-10 | 2023-11-17 | L'oreal | Détection et visualisation de signes cutanés au moyen d’une carte thermique |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090080727A1 (en) * | 2007-09-20 | 2009-03-26 | Astron Clinica Limited | Methods and apparatus for quantifying photo-damage |
JP2009082338A (ja) * | 2007-09-28 | 2009-04-23 | Masahiro Nakagawa | エントロピーを用いた肌の鑑別方法 |
US20120300050A1 (en) * | 2011-05-27 | 2012-11-29 | Lvmh Recherche | Method for characterizing the tone of the skin and integuments |
US8837832B2 (en) * | 2010-05-18 | 2014-09-16 | Skin Of Mine Dot Com, Llc | Systems and methods for monitoring the condition of the skin |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002521752A (ja) * | 1998-07-24 | 2002-07-16 | ジャーグ コーポレーション | オブジェクト検索を実行するための分散コンピュータ・データベースシステム及びその方法 |
AU5233099A (en) | 1998-07-24 | 2000-02-14 | Jarg Corporation | Search system and method based on multiple ontologies |
KR100408829B1 (ko) | 1998-12-29 | 2004-01-24 | 주식회사 대우일렉트로닉스 | 모델 기반 부호화 시스템에서의 얼굴 영상 세그멘테이션 방법 |
US6571003B1 (en) | 1999-06-14 | 2003-05-27 | The Procter & Gamble Company | Skin imaging and analysis systems and methods |
JP2003024306A (ja) | 2001-07-13 | 2003-01-28 | Shiseido Co Ltd | 皮膚のはり評価システム |
US7039222B2 (en) * | 2003-02-28 | 2006-05-02 | Eastman Kodak Company | Method and system for enhancing portrait images that are processed in a batch mode |
US8472682B2 (en) * | 2005-09-12 | 2013-06-25 | Dvp Technologies Ltd. | Medical image processing |
US7558416B2 (en) * | 2006-10-02 | 2009-07-07 | Johnson & Johnson Consumer Companies, Inc. | Apparatus and method for measuring photodamage to skin |
US20090245603A1 (en) * | 2007-01-05 | 2009-10-01 | Djuro Koruga | System and method for analysis of light-matter interaction based on spectral convolution |
WO2010093503A2 (en) * | 2007-01-05 | 2010-08-19 | Myskin, Inc. | Skin analysis methods |
BRPI0905668A2 (pt) | 2008-01-07 | 2015-07-07 | Myskin Inc | Sistema e método para análise da interação matéria-luz baseada na convulação espectral |
JP5290585B2 (ja) | 2008-01-17 | 2013-09-18 | 株式会社 資生堂 | 肌色評価方法、肌色評価装置、肌色評価プログラム、及び該プログラムが記録された記録媒体 |
JP4831259B1 (ja) | 2011-03-10 | 2011-12-07 | オムロン株式会社 | 画像処理装置、画像処理方法、および制御プログラム |
JP2013212177A (ja) | 2012-03-30 | 2013-10-17 | Shiseido Co Ltd | 画像解析方法、画像解析装置、及び画像解析プログラム |
EP2781191A1 (en) | 2013-03-19 | 2014-09-24 | Schnidar, Harald | Methods for assessing erythema |
US20140378810A1 (en) * | 2013-04-18 | 2014-12-25 | Digimarc Corporation | Physiologic data acquisition and analysis |
JP6131732B2 (ja) | 2013-06-18 | 2017-05-24 | 沖電気工業株式会社 | 人物属性提示装置及び人物属性提示方法 |
CN105338887B (zh) | 2013-06-28 | 2019-10-25 | 松下电器(美国)知识产权公司 | 肌肤的感官评价装置以及肌肤的评价方法 |
WO2015048222A1 (en) | 2013-09-25 | 2015-04-02 | The Procter & Gamble Company | Method and system for skin care consultation |
US20150099947A1 (en) * | 2013-10-04 | 2015-04-09 | Access Business Group International Llc | Skin youthfulness index, methods and applications thereof |
CN104156947B (zh) | 2014-07-23 | 2018-03-16 | 小米科技有限责任公司 | 图像分割方法、装置及设备 |
KR101701210B1 (ko) | 2014-10-02 | 2017-02-01 | 주식회사 엘지유플러스 | 피부 분석 결과 출력 방법, 이를 위한 장치 및 어플리케이션 |
CN104299011A (zh) | 2014-10-13 | 2015-01-21 | 吴亮 | 一种基于人脸图像识别的肤质与皮肤问题识别检测方法 |
CA2958010C (en) | 2016-02-19 | 2021-09-07 | Covidien Lp | System and methods for video-based monitoring of vital signs |
US11055762B2 (en) | 2016-03-21 | 2021-07-06 | The Procter & Gamble Company | Systems and methods for providing customized product recommendations |
US10531825B2 (en) | 2016-10-14 | 2020-01-14 | Stoecker & Associates, LLC | Thresholding methods for lesion segmentation in dermoscopy images |
US10818007B2 (en) | 2017-05-31 | 2020-10-27 | The Procter & Gamble Company | Systems and methods for determining apparent skin age |
US10719729B2 (en) * | 2018-06-06 | 2020-07-21 | Perfect Corp. | Systems and methods for generating skin tone profiles |
WO2020113326A1 (en) * | 2018-12-04 | 2020-06-11 | Jiang Ruowei | Automatic image-based skin diagnostics using deep learning |
US11348366B2 (en) | 2019-04-23 | 2022-05-31 | The Procter And Gamble Company | Apparatus and method for determining cosmetic skin attributes |
CN113767439A (zh) * | 2019-04-23 | 2021-12-07 | 宝洁公司 | 用于将美容皮肤属性可视化的设备和方法 |
-
2020
- 2020-04-23 US US16/856,336 patent/US11348366B2/en active Active
- 2020-04-23 WO PCT/US2020/029423 patent/WO2020219613A1/en unknown
- 2020-04-23 JP JP2021561968A patent/JP7248820B2/ja active Active
- 2020-04-23 EP EP20724713.1A patent/EP3959651A1/en active Pending
- 2020-04-23 CN CN202080029889.XA patent/CN113711277A/zh active Pending
- 2020-04-23 KR KR1020217032298A patent/KR102653079B1/ko active IP Right Grant
-
2022
- 2022-04-21 US US17/726,131 patent/US11605243B2/en active Active
-
2023
- 2023-02-02 JP JP2023014549A patent/JP2023052849A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090080727A1 (en) * | 2007-09-20 | 2009-03-26 | Astron Clinica Limited | Methods and apparatus for quantifying photo-damage |
JP2009082338A (ja) * | 2007-09-28 | 2009-04-23 | Masahiro Nakagawa | エントロピーを用いた肌の鑑別方法 |
US8837832B2 (en) * | 2010-05-18 | 2014-09-16 | Skin Of Mine Dot Com, Llc | Systems and methods for monitoring the condition of the skin |
US20120300050A1 (en) * | 2011-05-27 | 2012-11-29 | Lvmh Recherche | Method for characterizing the tone of the skin and integuments |
Also Published As
Publication number | Publication date |
---|---|
US11605243B2 (en) | 2023-03-14 |
KR102653079B1 (ko) | 2024-04-01 |
US20200342213A1 (en) | 2020-10-29 |
US11348366B2 (en) | 2022-05-31 |
JP7248820B2 (ja) | 2023-03-29 |
JP2022529676A (ja) | 2022-06-23 |
EP3959651A1 (en) | 2022-03-02 |
WO2020219613A1 (en) | 2020-10-29 |
KR20210135580A (ko) | 2021-11-15 |
JP2023052849A (ja) | 2023-04-12 |
US20220254189A1 (en) | 2022-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11605243B2 (en) | Apparatus and method for determining cosmetic skin attributes | |
JP7235895B2 (ja) | 美容的皮膚特性を視覚化するための装置及び方法 | |
CA2751549C (en) | Method and apparatus for simulation of facial skin aging and de-aging | |
US10796455B2 (en) | Image processing apparatus and image processing method | |
US20080304736A1 (en) | Method of estimating a visual evaluation value of skin beauty | |
EP1189536A1 (en) | Skin imaging and analysis systems and methods | |
JP7108127B2 (ja) | 毛穴の色を特定する方法 | |
US20200146622A1 (en) | System and method for determining the effectiveness of a cosmetic skin treatment | |
JP5399874B2 (ja) | 画像処理装置および画像処理方法 | |
CN117425517A (zh) | 护肤设备 | |
JP6730051B2 (ja) | 肌状態評価方法 | |
Leta et al. | A study of the facial aging-a multidisciplinary approach | |
FR3135556A1 (fr) | Détection et visualisation de signes cutanés au moyen d’une carte thermique | |
CN117440849A (zh) | 护肤设备 | |
CN117480570A (zh) | 护肤设备 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40060373 Country of ref document: HK |