CN117241722A - 用于检测人类受试者的皮肤状况的计算设备、方法和装置 - Google Patents
用于检测人类受试者的皮肤状况的计算设备、方法和装置 Download PDFInfo
- Publication number
- CN117241722A CN117241722A CN202180097549.5A CN202180097549A CN117241722A CN 117241722 A CN117241722 A CN 117241722A CN 202180097549 A CN202180097549 A CN 202180097549A CN 117241722 A CN117241722 A CN 117241722A
- Authority
- CN
- China
- Prior art keywords
- data
- skin
- normalized
- representing
- wrinkle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 239000000203 mixture Substances 0.000 claims abstract description 24
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 206010000496 acne Diseases 0.000 claims description 191
- 208000002874 Acne Vulgaris Diseases 0.000 claims description 95
- 230000037303 wrinkles Effects 0.000 claims description 92
- 235000002673 Dioscorea communis Nutrition 0.000 claims description 67
- 241000544230 Dioscorea communis Species 0.000 claims description 67
- 208000035753 Periorbital contusion Diseases 0.000 claims description 67
- 239000011148 porous material Substances 0.000 claims description 63
- 230000035945 sensitivity Effects 0.000 claims description 50
- 230000037393 skin firmness Effects 0.000 claims description 37
- 230000035515 penetration Effects 0.000 claims description 13
- 230000035807 sensation Effects 0.000 claims description 11
- 238000007665 sagging Methods 0.000 claims description 10
- 230000036548 skin texture Effects 0.000 claims description 10
- 210000003491 skin Anatomy 0.000 description 343
- 238000004422 calculation algorithm Methods 0.000 description 39
- 230000008859 change Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000005808 skin problem Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 210000002615 epidermis Anatomy 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 239000002537 cosmetic Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 102000016942 Elastin Human genes 0.000 description 1
- 108010014258 Elastin Proteins 0.000 description 1
- 206010050637 Skin tightness Diseases 0.000 description 1
- 206010040954 Skin wrinkling Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000002939 deleterious effect Effects 0.000 description 1
- 210000004207 dermis Anatomy 0.000 description 1
- 229920002549 elastin Polymers 0.000 description 1
- -1 electrodes Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000002752 melanocyte Anatomy 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 206010033675 panniculitis Diseases 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000019612 pigmentation Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000009759 skin aging Effects 0.000 description 1
- 230000036559 skin health Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 210000004304 subcutaneous tissue Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
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
-
- 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
- A61B5/444—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
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Dermatology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本公开涉及一种用于检测人类受试者的皮肤状况的计算设备,该计算设备包括:显著对象或外表单元,其包括被配置为从人类受试者的皮肤区域的一个或多个数字图像提取显著对象或外表数据的计算电路;归一化单元,其包括被配置为基于从皮肤区域的一个或多个数字图像提取的显著对象或外表数据来生成归一化皮肤特征数据的计算电路;以及皮肤预测单元,其包括被配置为基于归一化皮肤特征数据的混合来预测皮肤状况数据的计算电路。本公开还涉及一种用于检测人类受试者的皮肤状况的方法,该方法包括:从人类受试者的皮肤区域的一个或多个数字图像提取显著对象或外表数据;基于从皮肤区域的一个或多个数字图像提取的显著对象或外表数据来生成归一化皮肤特征数据;以及基于归一化皮肤特征数据的混合来预测皮肤状况数据。
Description
技术领域
本公开涉及化妆品领域。更具体地,本公开涉及用于检测人类受试者的皮肤状况的计算设备、方法和装置。
背景技术
皮肤是人体最大的器官,也是最重要的器官之一。在皮肤的多种功能中,皮肤提供保护屏障来抵御有害物质、紫外线辐射的有害影响以及机械、热和物理伤害。皮肤还充当感觉器官,它帮助感知温度、触觉等。保持皮肤健康通常需要了解多种皮肤状况的状态和状况。在现有技术中,通常使用毛孔、皱纹、皮肤匀净度、斑点和黑头的存在与否来衡量用户的皮肤状况。虽然现有技术公开了检测用户的皮肤状况的技术方案,但这些现有技术在皮肤检测的检测维度上并不完整,而且也不准确。
因此,需要对用户的皮肤状况以及用户皮肤状况的变化进行检测、量化和分类,以便为用户的皮肤提供更完整且更准确的检测结果。
发明内容
提供本发明内容来以简化的形式介绍一些概念,这些概念将在下文的具体实施方式中进一步描述。本发明内容并非旨在确认所要求保护的主题的关键特征或基本特征,也不意图用于限制所要求保护的主题的范围。
下文将进一步详细地描述本公开的各个方面和特征。
根据本公开的第一方面,提供了:显著(significant)对象或外表单元,其包括被配置为从人类受试者的皮肤区域的一个或多个数字图像提取显著对象或外表数据的计算电路;归一化单元,其包括被配置为基于从所述皮肤区域的一个或多个数字图像提取的所述显著对象或外表数据来生成归一化皮肤特征数据的计算电路;以及皮肤预测单元,其包括被配置为基于所述归一化皮肤特征数据的混合来预测皮肤状况数据的计算电路。
在一个实施例中,所述显著对象或外表数据包括痤疮数据、黑头数据、黑眼圈数据、毛孔数据、皮肤敏感性数据、斑点数据、皱纹数据、紧致度数据、年龄数据、色调数据(tone data)、油性数据(reflection data)或皮肤匀净度数据等。
在一个实施例中,所述显著对象或外表数据包括毛孔数据的存在、不存在或严重程度,皱纹数据的存在、不存在或严重程度,黑头数据的存在、不存在或严重程度,痤疮数据的存在、不存在或严重程度等。
在一个实施例中,所述显著对象或外表数据包括油性数据的变化、色调数据的变化、皱纹数据的变化、斑点数据的变化、黑眼圈数据的变化等。
在一个实施例中,所述皮肤状况数据包括皮肤平滑度(texture)数据、皮肤匀净度数据、皮肤紧致度数据、皮肤通透感数据等。
在一个实施例中,预测的皮肤状况数据包括预测的皮肤敏感性、预测的皮肤平滑度、预测的皮肤匀净度、预测的皮肤紧致度、预测的皮肤通透感等。
在一个实施例中,预测的皮肤状况数据包括皮肤匀净度数据的变化、皮肤通透感数据的变化、皮肤平滑度数据的变化、皮肤紧致度数据的变化等。
在一个实施例中,预测的皮肤状况数据包括指示与皮肤匀净度、皮肤通透感、皮肤平滑度、皮肤紧致度等相关联的状况的存在、不存在、严重程度或变化的数据。
在一个实施例中,归一化数据包括归一化皮肤对象或外表数据、归一化皮肤特征数据等。
在一个实施例中,归一化数据包括归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化毛孔数据、归一化皮肤敏感性数据、归一化斑点数据、归一化皱纹数据、归一化紧致度数据、归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据等。
在一个实施例中,所述计算设备还包括皮肤状况显示器,其包括被配置为在图形用户界面上显示提取的所述显著对象或外表数据、所述归一化皮肤特征数据或预测的所述皮肤状况数据的一个或多个实例的计算电路。在一个实施例中,所述归一化皮肤特征数据诸如是归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化毛孔数据、归一化皮肤敏感性数据、归一化斑点数据、归一化皱纹数据、归一化紧致度数据、归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据等。
在一个实施例中,所述皮肤预测单元包括被配置为基于归一化油性数据、归一化色调数据、归一化皱纹数据、归一化斑点数据和归一化黑眼圈数据的加权混合来预测皮肤通透感数据的计算电路。
更具体地,所述皮肤预测单元包括被配置为基于Pn_reflection、Pn_hue、Pn_wrinkle、Pn_spot和Pn_dark circle的加权混合来预测皮肤通透感数据的计算电路,
其中,Pskin translucency=W1×Pn_reflection+W2×Pn_hue+W3×Pn_wrinkle+W4×Pn_spot+W5×Pn_dark circle (公式1),
其中,Pskintranslucency表示皮肤通透感数据;
Pn_reflection表示归一化油性数据;
Pn_hue表示归一化色调数据;
Pn_wrinkle表示归一化皱纹数据;
Pn_spot表示归一化斑点数据;
Pn_darkcircle表示归一化黑眼圈数据;
其中,W1、W2、W3、W4和W5为预定义的权重;以及
其中,W1+W2+W3+W4+W5=1。
在一个实施例中,所述皮肤预测单元包括被配置为基于归一化毛孔数据、归一化皱纹数据、归一化黑头数据和归一化痤疮数据的加权混合来预测皮肤平滑度数据的计算电路。
更具体地,所述皮肤预测单元包括被配置为基于Pn_pore、Pn_wrinkle、Pn_blackhead和Pn_acne的加权混合来预测皮肤平滑度数据的计算电路;
其中,Pskin texture=W6×Pn_pore+W7×Pn_wrinkle+W8×Pn_blackhead+W9×Pn_acne (公式2),
其中,Pskintexture表示皮肤平滑度数据;
Pn_pore表示归一化毛孔数据;
Pn_wrinkle表示归一化皱纹数据;
Pn_blackhead表示归一化黑头数据;
Pn_acne表示归一化痤疮数据;
其中,W6、W7、W8和W9是预定义的权重;以及
其中,W6+W7+W8+W9=1。
在一个实施例中,所述皮肤预测单元包括被配置为基于归一化皮肤匀净度数据、归一化斑点数据、归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化敏感性数据的加权混合来预测皮肤匀净度数据的计算电路。
更具体地,所述皮肤预测单元包括被配置为基于Pn_skintone、Pn_spot、Pn_blackhead、Pn_darkcircle、Pn_sensitivity、Pn_acne的加权混合来预测皮肤匀净度数据的计算电路;
Pskintone=W10×Pn_skintone+W11×Pn_spot+W12×Pn_blackhead+W13×Pn_darkcircle+W14×Pn_sensitivity+W15×Pn_acne (公式3),
其中,Pskintone表示皮肤匀净度的均匀度数据;
Pn_skintone表示归一化皮肤颜色数据;
Pn_spot表示归一化斑点数据;
Pn_blackhead表示归一化黑头数据;
Pn_darkcircle表示归一化黑眼圈数据;
Pn_sensitivity表示归一化敏感性数据;
Pn_acne表示归一化痤疮数据;以及
其中,W10、W11、W12、W13、W14和W15是预定义的权重;以及
其中,W10+W11+W12+W13+W14+W15=1。
要注意的是,在整个说明书中,提出了一个新参数“皮肤匀净度”,并且该新术语“皮肤匀净度”指的是皮肤匀净度的均匀度。表皮中的黑色素细胞是决定皮肤颜色的主要因素。皮肤老化、痤疮或其他问题可能会加重面部的色素沉着,并影响皮肤颜色和均匀度。眼睛下方的黑眼圈和炎症性痤疮也会改变皮肤匀净度。
还要注意的是,在整个说明书中,术语“归一化皮肤匀净度”指的是归一化皮肤颜色。
在一个实施例中,所述皮肤预测单元包括被配置为基于归一化年龄数据、紧致度数据和皱纹数据的加权混合来预测皮肤紧致度数据的计算电路。
更具体地,所述皮肤预测单元包括被配置为基于Pn_age、Pn_tonicity和Pn_wrinkle的加权混合来预测皮肤紧致度数据的计算电路;
Pskintonicity=W16×Pn_age+W17×Pn_tonicity+W18×Pn_wrinkle (公式4),
其中,Pskintonicity表示人类皮肤的紧度(tightness)数据;
Pn_age表示归一化年龄数据;
Pn_tonicity表示面部计数器上的归一化皮肤松垂数据;
Pn_wrinkle表示归一化皱纹数据;以及
其中,W16、W17和W18是预定义的权重;以及
其中,W16+W17+W18=1。
要注意的是,在整个说明书中,提出了一个新参数“皮肤紧致度”,并且该新术语“皮肤紧致度”指的是人类皮肤的紧度数据。随着皮肤的老化,真皮层中的弹性蛋白和胶原质流失、皮下组织的变化、以及重力都会导致面部皮肤松弛,表现为面颊、下颌和颈部的皮肤松垂、鼻唇沟和眼袋等。
还要注意的是,在整个说明书中,术语“紧致度”指的是面部计数器(facialcounter)上的皮肤松垂。
根据本公开的第二个方面,提供了一种用于检测人类受试者的皮肤状况的方法,该方法包括:从人类受试者的皮肤区域的一个或多个数字图像提取显著对象或外表数据;基于从所述皮肤区域的一个或多个数字图像提取的所述显著对象或外表数据来生成归一化皮肤特征数据;以及基于所述归一化皮肤特征数据的混合来预测皮肤状况数据。
在一个实施例中,所述方法还包括:从所述皮肤区域的一个或多个数字图像提取痤疮数据、黑头数据、黑眼圈数据、毛孔数据、皮肤敏感性数据、斑点数据、皱纹数据、紧致度数据、年龄数据、色调数据、油性数据或皮肤匀净度数据。
在一个实施例中,所述方法还包括生成归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化毛孔数据、归一化皮肤敏感性数据、归一化斑点数据、归一化皱纹数据、归一化紧致度数据、归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据。
在一个实施例中,所述方法还包括从所述皮肤区域的一个或多个数字图像提取指示皮肤状况的存在、不存在或严重程度的数据。
在一个实施例中,所述显著对象或外表数据包括痤疮数据、黑头数据、黑眼圈数据、毛孔数据、皮肤敏感性数据、斑点数据、皱纹数据、紧致度数据、年龄数据、色调数据、油性数据或皮肤匀净度数据等。
在一个实施例中,所述显著对象或外表数据包括毛孔数据的存在、不存在或严重程度,皱纹数据的存在、不存在或严重程度,黑头数据的存在、不存在或严重程度,痤疮数据的存在、不存在或严重程度等。
在一个实施例中,所述显著对象或外表数据包括油性数据的变化、色调数据的变化、皱纹数据的变化、斑点数据的变化、黑眼圈数据的变化等。
在一个实施例中,所述皮肤状况数据包括皮肤平滑度数据、皮肤匀净度数据、皮肤紧致度数据、皮肤通透感数据等。
在一个实施例中,预测的皮肤状况数据包括预测的皮肤敏感性、预测的皮肤平滑度、预测的皮肤匀净度、预测的皮肤紧致度、预测的皮肤通透感等。
在一个实施例中,预测的皮肤状况数据包括皮肤匀净度数据的变化、皮肤通透感数据的变化、皮肤平滑度数据的变化、皮肤紧致度数据的变化等。
在一个实施例中,预测的皮肤状况数据包括指示与皮肤匀净度、皮肤通透感、皮肤平滑度、皮肤紧致度等相关联的状况的存在、不存在、严重程度或变化的数据。
在一个实施例中,归一化皮肤特征数据包括归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化毛孔数据、归一化皮肤敏感性数据、归一化斑点数据、归一化皱纹数据、归一化紧致度数据、归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据等。
在一个实施例中,所述方法还包括在图形用户界面上显示提取的所述显著对象或外表数据、所述归一化皮肤特征数据或预测的所述皮肤状况数据的一个或多个实例。在一个实施例中,所述皮肤通透感数据是基于归一化油性数据、归一化色调数据、归一化皱纹数据、归一化斑点数据和归一化黑眼圈数据的加权混合来预测的。在一个实施例中,皮肤平滑度数据是基于归一化毛孔数据、归一化皱纹数据、归一化黑头数据和归一化痤疮数据的加权混合来预测的。在一个实施例中,皮肤匀净度数据是基于归一化皮肤匀净度数据、归一化斑点数据、归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化敏感性数据的加权混合来预测的。在一个实施例中,皮肤紧致度数据是基于归一化年龄数据、归一化紧致度数据和归一化皱纹数据的加权混合来预测的。
更具体地,所述皮肤通透感数据通过上述公式1来预测,所述皮肤平滑度数据通过上述公式2来预测,所述皮肤匀净度数据通过上述公式3来预测,且所述皮肤紧致度数据通过上述公式4来预测。
根据本公开的第三方面,提供了一种计算机可读介质,所述计算机可读介质上存储有指令,当所述指令被执行时促使计算设备执行上述方法。
根据本公开的第四个方面,提供了一种检测用户皮肤的状况的装置,所述装置包括用于执行上述方法的构件。
根据本公开,通过使用具体的四个新参数,即皮肤平滑度、皮肤匀净度、皮肤通透感和皮肤紧致度,可以准确且完整地测量用户皮肤的状况。
附图说明
通过参考附图进行以下详细描述,本公开的各种实施例的上述及其他方面、特征和优点将通过示例变得更加明显,附图中的参考数字或字母被用来指定相同或等同的元素。图示出附图是为了便于更好地理解本公开的实施例,并且附图不一定按比例绘制,其中:
图1图示根据本公开的第一方面的计算设备的框图;
图2图示根据本公开的第二方面的检测人类受试者的皮肤状况的方法的流程图;
图3图示根据本公开的第二方面的第一实施例的预测人类受试者的皮肤通透感数据的方法的流程图;
图4图示根据本公开的第二方面的第二实施例的预测人类受试者的皮肤平滑度数据的方法的流程图;
图5图示根据本公开的第二方面的第三实施例的预测人类受试者的皮肤匀净度数据的方法的流程图;以及
图6图示根据本公开的第二方面的第四实施例的预测人类受试者的皮肤紧致度数据的方法的流程图。
具体实施方式
下文将参考示出有本文中的实施例的附图来详细描述这些实施例。然而,本文中的这些实施例可以以多种不同的形式体现,并且不应该被理解为仅限于本文所阐述的实施例。附图中的元素并不一定彼此成比例。相同的数字在本文中始终指相同的元素。
本文所使用的术语仅用于描述特定的实施例,而且不意图具有限制性的目的。如在本文中所使用的,单数形式“一”、“一个”和“该”也意图包括复数形式,除非上下文另有明确说明。应进一步理解的是,本文中使用的术语“包括”、“包括有”、“包含”和/或“包含有”指明了所述特征、整数、步骤、操作、元素和/或组件的存在,但并不排除存在或增加一个或多个其它特征、整数、步骤、操作、元素、组件和/或其组。
除非另有定义,本文中使用的所有术语(包括技术和科学术语)均与通常理解的含义相同。应进一步理解的是,本文中使用的术语的含义应该被解释为与其在本说明书的上下文中和相关技术中的含义一致,并且除非本文中明确定义,否则不应该被解释为理想化或过于形式化的含义。
下面将参考根据本实施例的方法、装置(系统)和/或计算机程序产品的框图和/或流程图说明来描述本发明技术。要理解的是,框图和/或流程图说明的框以及框图和/或流程图说明中框的组合可以通过计算机程序指令来实现。这些计算机程序指令可以被提供给通用计算机、专用计算机和/或其他可编程数据处理装置的处理器、控制器或控制单元,以产生机器,从而使得通过计算机和/或其他可编程数据处理装置的处理器执行的指令创建实现框图和/或一个或多个流程图框中指定的功能/动作的手段。
因此,本技术可以通过硬件和/或软件(包括固件、常驻软件、微代码等)来体现。此外,本技术还可以采用计算机可用或计算机可读存储介质上的计算机程序产品的形式,其中该计算机可用或计算机可读存储介质具有在该介质上体现的计算机可用或计算机可读程序代码,供指令执行系统使用或与指令执行系统相关联。在本文档的上下文中,计算机可用或计算机可读介质可以是能够包含、存储、传达、传播或传输程序的任何介质,供指令执行系统、装置或设备使用或与它们相关联。
下面将参考附图对本文中的实施例进行描述。
本公开的创造性概念是基于用户感知解码统计模型提出了与皮肤状况有关的四个新参数,这四个新参数是皮肤平滑度、皮肤匀净度、皮肤通透感和皮肤紧致度,它们被称为4T。通过使用这样的4T参数,可以准确且完整地测量用户的皮肤状况。
图1图示根据本公开的第一方面的计算设备100的框图。
在一个实施例中,计算设备100包括显著对象或外表单元101、归一化单元102和皮肤预测单元103。显著对象或外表单元101用于从人类受试者的皮肤区域的一个或多个数字图像提取显著对象或外表数据。显著对象或外表单元101诸如可以是能够发射五种光谱以实现五种光谱成像的光谱仪、移动设备、便携式设备等等。例如,这样的显著对象或外表单元101包括计算电路,该计算电路被配置为从表皮向真实皮肤发射五种光源,以执行五光谱成像技术,从而发现潜在的皮肤问题。更具体地,显著对象或外表单元101通过扫描用户的皮肤或给用户的皮肤拍照来捕获用户皮肤的图像。作为备选方案,可以事先保存用户皮肤的图像。此外,用户的皮肤可以是用户身体上的任何皮肤,包括但不限于脸、颈部、手、脚等。
在一个示例中,显著对象或外表单元101从皮肤区域的一个或多个数字图像提取显著对象或外表数据,诸如痤疮数据、黑头数据、黑眼圈数据、毛孔数据、皮肤敏感性数据、斑点数据、皱纹数据、紧致度数据、年龄数据、色调数据、油性数据或皮肤匀净度数据。要注意的是,如上所述,这里的皮肤匀净度数据指的是皮肤颜色数据,且紧致度数据指的是面部计数器上的皮肤松垂数据。
归一化单元102包括被配置为基于从皮肤区域的一个或多个数字图像提取的显著对象或外表数据来生成归一化皮肤特征数据的计算电路。在一个示例中,归一化皮肤特征数据诸如是归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化毛孔数据、归一化皮肤敏感性数据、归一化斑点数据、归一化皱纹数据、归一化紧致度数据、归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据。
皮肤预测单元103包括被配置为基于归一化皮肤特征数据的混合来预测皮肤状况数据的计算电路。在一个示例中,皮肤状况数据包括预测的皮肤敏感性、预测的皮肤平滑度、预测的皮肤匀净度、预测的皮肤紧致度、预测的皮肤通透感等。要注意的是,如上所述,这里的预测的皮肤匀净度指的是皮肤匀净(skin stone)的预测均匀度,预测的皮肤紧致度指的是人类皮肤的预测紧度,且归一化皮肤匀净度指的是归一化皮肤颜色。
通过使用人工智能(AI)、机器学习、深度学习等辅助的检测、识别或分类技术,可以快速或更准确地识别出存在皮肤问题的区域。根据这些所识别的区域的图像,可以在本地或云服务器获得多个皮肤状况参数数据。在本地的情况下,通过与存储在计算设备中的不同皮肤状况参数相对应的已知算法来处理图像,以获得多个皮肤状况参数数据。在云服务器的情况下,图像被传输到云服务器。然后,通过与存储在云服务器中的不同皮肤状况参数相对应的已知算法来处理图像,以获得多个皮肤状况参数数据。多个皮肤状况参数诸如是归一化油性数据、归一化色调数据、皱纹数据、斑点数据、黑眼圈数据、毛孔数据、黑头数据、痤疮数据、归一化皮肤匀净度数据、敏感性数据、归一化年龄数据和紧致度数据。然后,将多个皮肤状况参数归一化,以生成归一化皮肤状况参数。
在现有技术中,诸如毛孔、皱纹、皮肤匀净度、斑点和黑头的这些因素被用来测量用户的皮肤状况。然而,事实证明,针对皮肤状况的这种测量结果并不准确和完整。在本公开中,训练了独特的统计模型,以基于定量水平的图像分析和消费者感知将客观测量结果和主观感受联系起来。更具体地,考虑了多个归一化皮肤状况因素的具体组合,该归一化皮肤状况因素诸如归一化油性、归一化色调、归一化皱纹、归一化斑点、归一化黑眼圈、归一化毛孔、归一化黑头、归一化痤疮、归一化皮肤匀净度、归一化敏感性、归一化年龄、归一化紧致度。
在一个示例中,获得第一组数据,该第一组数据包括归一化油性数据、归一化色调数据、归一化皱纹数据、归一化斑点数据和归一化黑眼圈数据;获得第二组数据,该第二组数据包括归一化毛孔数据、归一化皱纹数据、归一化黑头数据和归一化痤疮数据;获得第三组数据,该第三组数据包括归一化皮肤匀净度数据、归一化斑点数据、归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据和归一化敏感性数据;获得第四组数据,该第四组数据包括归一化年龄数据、归一化紧致度数据和归一化皱纹数据。
所述归一化油性数据可以基于捕获的图像通过与归一化油性相对应的已知算法来获得。所述归一化色调数据可以基于捕获的图像通过与归一化色调相对应的已知算法来获得。所述皱纹数据可以基于捕获的图像通过与皱纹相对应的已知算法来获得。所述斑点数据可以基于捕获的图像通过与斑点相对应的已知算法来获得。所述黑眼圈数据可以基于捕获的图像通过与黑眼圈相对应的已知算法来获得。所述毛孔数据可以基于捕获的图像通过与毛孔相对应的已知算法来获得。所述黑头数据可以基于捕获的图像通过与黑头相对应的已知算法来获得。所述痤疮数据可以基于捕获的图像通过与痤疮相对应的已知算法来获得。所述归一化皮肤匀净度数据可以基于捕获的图像通过与归一化皮肤匀净度相对应的已知算法来获得。所述敏感性数据可以基于捕获的图像通过与敏感性相对应的已知算法来获得。所述归一化年龄数据可以基于捕获的图像通过与归一化年龄相对应的已知算法来获得。所述紧致度数据可以基于捕获的图像通过与紧致度相对应的已知算法来获得。然后,进一步对这些数据进行归一化,以生成归一化数据。
在一个实施例中,皮肤预测单元103包括计算电路,该计算电路被配置为还基于第一组数据预测皮肤通透感数据、基于第二组数据预测皮肤平滑度数据、基于第三组数据预测皮肤匀净度数据和基于第四组数据预测皮肤紧致度数据中的至少一个。
在一个优选实施例中,皮肤预测单元103包括被配置为通过对第一组数据进行加权来预测皮肤通透感数据的计算电路。更具体地,皮肤通透感数据由下面的公式来确定:
Pskin translucency=W1×Pn_reflection+W2×Pn_hue+W3×Pn_wrinkle+W4×Pn_spot+W5×Pn_dark circle (公式1),
其中,Pskintranslucency表示皮肤通透感数据;
Pn_reflection表示归一化油性数据;
Pn_hue表示归一化色调数据;
Pn_wrinkle表示归一化皱纹数据;
Pn_spot表示归一化斑点数据;
Pn_darkcircle表示归一化黑眼圈数据;以及
W1、W2、W3、W4和W5为预定义的权重,且W1+W2+W3+W4+W5=1。
权重W1、W2、W3、W4和W5是基于经验和研究数据预先计算的。权重可以根据用户对皮肤维度的感知和研究成果的需要进行调整,并且在应用服务器上实时更新经调整的各维度的权重。在一个示例中,W1为28%-45%;W2为28%-45%;W3为5%-20%;W4为2%-15%;且W5为2%-15%。然而,根据本公开,W1、W2、W3、W4和W5并不限于这些值范围。
在一个优选实施例中,皮肤预测单元103包括被配置为还通过对第二组数据进行加权来预测皮肤平滑度数据的计算电路。更具体地,皮肤预测单元103还通过下面的公式来预测皮肤平滑度数据:
Pskintexture=W6×Pn_pore+W7×Pn_wrinkle+W8×Pn_blackhead+W9×Pn_acne (公式2),
其中,Pskintexture表示皮肤平滑度数据;
Pn_pore表示归一化毛孔数据;
Pn_wrinkle表示归一化皱纹数据;
Pn_blackhead表示归一化黑头数据;
Pn_acne表示归一化痤疮数据;以及
W6、W7、W8和W9是预定义的权重,且W6+W7+W8+W9=1。
权重W6、W7、W8和W9是基于经验和研究数据预先计算的。权重可以根据用户对皮肤维度的感知和研究成果的需要进行调整,并且在应用服务器上实时更新经调整的各维度的权重。在一个示例中,W6为15%-50%;W7为15%-50%;W8为12%-35%;且W9为12%-30%。然而,根据本公开,W6、W7、W8和W9并不限于这些值范围。
在一个优选实施例中,皮肤预测单元103包括被配置为还通过对第三组数据进行加权来预测皮肤匀净度数据的计算电路。更具体地,皮肤预测单元103还通过下面的公式确定皮肤匀净度数据:
Pskintone=W10×Pn_skintone+W11×Pn_spot+W12×Pn_blackhead+W13×Pn_darkcircle+W14×Pn_sensitivity+W15×Pn_acne (公式3),
其中,Pskintone表示皮肤匀净度的均匀度数据;
Pn_skintone表示归一化皮肤颜色数据;
Pn_spot表示归一化斑点数据;
Pn_blackhead表示归一化黑头数据;
Pn_darkcircle表示归一化黑眼圈数据;
Pn_sensitivity表示归一化敏感性数据;
Pn_acne表示归一化痤疮数据;以及
W10、W11、W12、W13、W14和W15是预定义的权重,且W10+W11+W12+W13+W14+W15=1。
权重W10、W11、W12、W13、W14和W15是基于经验和研究数据预先计算的。权重可以根据用户对皮肤维度的感知和研究成果的需要进行调整,并且在应用服务器上实时更新经调整的各维度的权重。在一个示例中,W10为22%-50%;W11为8%-35%;W12为3%-20%;W13为3%-20%;W14为3%-20%;且W15为3%-20%。然而,根据本公开,W10、W11、W12、W13、W14和W15并不限于这些值范围。
在一个优选实施例中,皮肤预测单元103包括被配置为还通过对第四组数据进行加权来预测皮肤紧致度数据的计算电路。更具体地,皮肤预测单元103还通过下面的公式预测皮肤紧致度:
Pskintonicity=W16×Pn_age+W17×Pn_tonicity+W18×Pn_wrinkle (公式4)
其中,Pskintonicity表示人类皮肤的紧度数据;
Pn_age表示归一化年龄数据;
Pn_tonicity表示面部计数器上的归一化皮肤松垂数据;
Pn_wrinkle表示归一化皱纹数据;以及
W16、W17和W18是预定义的权重,且W16+W17+W18=1。
权重W16、W17和W18是基于经验和研究数据预先计算的。权重可以根据用户对皮肤维度的感知和研究成果的需要进行调整,并且在应用服务器上实时更新经调整的各维度的权重。在一个示例中,W16为25%-65%;W17为20%-50%;W18为20%-50%。然而,根据本公开,W16、W17和W18并不限于这些值范围。
在一个实施例中,计算设备100还包括皮肤状况显示器,该皮肤状况显示器包括被配置为在图形用户界面上显示预测的皮肤状况数据的一个或多个实例的计算电路。在一个示例中,可以在图形用户界面上以数值或视觉形式来指示预测的皮肤状况数据,诸如皮肤通透感、皮肤平滑度、皮肤匀净度和皮肤紧致度。
在一个实施例中,计算设备100还包括皮肤状况显示器,该皮肤状况显示器包括被配置为在图形用户界面上显示提取的显著对象和归一化皮肤特征的一个或多个实例的计算电路,该归一化皮肤特征诸如归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化毛孔数据、归一化皮肤敏感性数据、归一化斑点数据、归一化皱纹数据、归一化紧致度数据、归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据。在一个示例中,可以在图形用户界面上以数值或视觉形式来指示提取的显著对象和归一化皮肤特征,诸如归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化毛孔数据、归一化皮肤敏感性数据、归一化斑点数据、归一化皱纹数据、归一化紧致度数据、归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据。
在一个实施例中,计算设备100还包括显著对象或外表单元,该显著对象或外表单元包括被配置为从皮肤区域的一个或多个数字图像中获得指示皮肤状况的存在、不存在或严重程度的数据的计算电路。
计算设备100例如可以是服务供应商的服务器、与客户端相关联的设备(例如客户端设备)、片上系统和/或任何其他合适的计算设备或计算系统。在各种实施方案中,计算设备100可以采用各种不同的配置。例如,计算设备100可以被实现为类似计算机的设备,包括个人计算机、台式计算机、多屏计算机、笔记本电脑、上网本等。计算设备100还可以被实现为类似移动设备的设备,包括移动设备(诸如移动电话)、便携式音乐播放器、便携式游戏设备、平板电脑、多屏计算机等。计算设备100还可以被实现为类似电视机的设备,包括在休闲观看环境中具有通常较大屏幕或连接到通常较大屏幕的设备。这些设备包括电视机、机顶盒、游戏机等。
在一个实施例中,除了别的之外,计算电路还包括一个或多个计算设备,诸如处理器(例如微处理器、量子处理器、量子比特处理器等)、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,并且可以包括分立数字或模拟电路元件或电子元件、或它们的组合。在一个实施例中,计算电路包括一个或多个具有多个预定义的逻辑组件的ASIC。在一个实施例中,计算电路包括一个或多个FPGA,每个FPGA都具有多个可编程逻辑组件。
在一个实施例中,计算电路包括一个或多个电子电路、印刷电路、柔性电路、电导体、电极、空腔谐振器、导电迹线、陶瓷图案电极、机电组件、换能器等。
在一个实施例中,计算电路包括一个或多个彼此可操作耦合(例如,通信耦合、电磁耦合、磁耦合、超声耦合、光学耦合、电感耦合、电气耦合、电容耦合、无线耦合等)的组件。在一个实施例中,电路包括一个或多个远程定位组件。在一个实施例中,远程定位组件例如通过无线通信可操作地耦合。在一个实施例中,远程定位组件例如通过一个或多个通信模块、接收器、发射器、收发器等可操作地耦合。
在一个实施例中,计算电路包括例如存储指令或信息的存储器。存储器的非限制性示例包括易失性存储器(例如,随机存取存储器(RAM)、动态随机存取存储器(DRAM)等)、非易失性存储器(例如,只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)等)、持久性存储器等。存储器的其他非限制性示例包括可擦除可编程只读存储器(EPROM)、快闪存储器等。在一个实施例中,存储器通过一个或多个指令、信息或电源总线耦合到例如一个或多个计算设备。在一个实施例中,计算电路包括存储在存储器中的一个或多个数据库。在一个实施例中,计算电路包括存储在存储器中的一个或多个查找表。
在一个实施例中,计算电路包括:一个或多个计算机可读媒体驱动器、接口插座、通用串行总线(USB)端口、存储卡插槽等;以及一个或多个输入/输出组件,例如诸如图形用户界面、显示器、键盘、小键盘、轨迹球、操纵杆、触摸屏、鼠标、开关、刻度盘等;以及任何其他外围设备。在一个实施例中,计算电路包括一个或多个用户输入/输出组件,这些组件可操作地耦合到至少一个计算设备,该计算设备被配置为响应于检测到开启电压中的移位(shift)来控制(电气地、机电地、软件实现地、固件实现地或其他控制、或它们的组合)与例如确定一个或多个组织热特性相关联的至少一个参数。
在一个实施例中,计算电路包括:形成由计算机程序配置的通用计算设备的电气电路(例如,由至少部分地执行本文所述的过程和/或设备的计算机程序配置的通用计算机、或由至少部分地执行本文所述的过程和/或设备的计算机程序配置的微处理器);形成存储器设备的电气电路(例如、存储器的形式(例如随机存取、快闪、只读等));形成通信设备(例如调制解调器、通信交换机、光电设备等)的电气电路;和/或其任何非电气类似物,例如光学或其他类似物。
根据本公开的第一方面的计算设备100可以提供准确且完整的皮肤状况测量结果。
图2图示根据本公开的第二方面的预测人类受试者的皮肤状况的方法200的流程图。
利用方法200,能够克服传统方法中的上述缺陷和其他潜在缺陷。方法200从框201开始。在框201处,显著对象或外表单元从人类受试者的皮肤区域的一个或多个数字图像提取显著对象或外表数据。显著对象或外表单元可以是能够发射五种光谱以实现五种光谱成像的光谱仪、移动设备、便携式设备等。这样的显著对象或外表单元可以从表皮向真实皮肤发射五种光源,以实现五光谱成像技术,从而发现潜在的皮肤问题。更具体地,显著对象或外表单元通过扫描用户的皮肤或给用户的皮肤拍照来捕获用户皮肤的图像。作为备选方案,可以事先保存用户皮肤的图像。此外,用户的皮肤可以是用户身体上的任何皮肤,包括但不限于脸、颈部、手、脚等。
在一个示例中,显著对象或外表单元101从皮肤区域的一个或多个数字图像提取显著对象或外表数据,诸如痤疮数据、黑头数据、黑眼圈数据、毛孔数据、皮肤敏感性数据、斑点数据、皱纹数据、紧致度数据、年龄数据、色调数据、油性数据或皮肤匀净度数据。要注意的是,如上所述,这里的皮肤匀净度数据指的是皮肤颜色数据,且紧致度数据指的是面部计数器上的皮肤松垂数据。
在框202处,基于从皮肤区域的一个或多个数字图像提取的显著对象或外表数据来生成归一化皮肤特征数据。在一个示例中,归一化皮肤特征数据诸如是归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化毛孔数据、归一化皮肤敏感性数据、归一化斑点数据、归一化皱纹数据、归一化紧致度数据、归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据。
在框203处,基于归一化皮肤特征数据的混合来预测皮肤状况数据。在一个示例中,皮肤状况数据包括皮肤敏感性、皮肤平滑度、皮肤匀净度、皮肤紧致度、皮肤通透感等。要注意的是,如上所述,这里的预测的皮肤匀净度指的是皮肤匀净的预测均匀度,且预测的皮肤紧致度指的是人类皮肤的预测紧度。
如上所述,在现有技术中,诸如毛孔、皱纹、皮肤匀净度、斑点和黑头这些因素被用来测量用户的皮肤状况。然而,事实证明,针对皮肤状况的这种测量结果并不准确和完整。在本公开中,考虑了多个皮肤状况因素(诸如油性、色调、皱纹、斑点、黑眼圈、毛孔、黑头、痤疮、皮肤匀净度、敏感性、年龄、紧致度)的特定组合。为此,在一个示例中,从皮肤区域的一个或多个数字图像提取痤疮数据、黑头数据、黑眼圈数据、毛孔数据、皮肤敏感性数据、斑点数据、皱纹数据、紧致度数据、年龄数据、色调数据、油性数据或皮肤匀净度数据。
要注意的是,提取油性数据、色调数据、皱纹数据、斑点数据、黑眼圈数据、毛孔数据、黑头数据、痤疮数据、皮肤匀净度数据、敏感性数据、年龄数据和紧致度数据的顺序可以互换或同时进行。
然后,生成归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化毛孔数据、归一化皮肤敏感性数据、归一化斑点数据、归一化皱纹数据、归一化紧致度数据、归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据。
所述油性数据可以基于捕获的图像通过与油性相对应的已知算法来获得。所述色调数据可以基于捕获的图像通过与色调相对应的已知算法来获得。所述皱纹数据可以基于捕获的图像通过与皱纹相对应的已知算法来获得。所述斑点数据可以基于捕获的图像通过与斑点相对应的已知算法来获得。所述黑眼圈数据可以基于捕获的图像通过与黑眼圈相对应的已知算法来获得。所述毛孔数据可以基于捕获的图像通过与毛孔相对应的已知算法来获得。所述黑头数据可以基于捕获的图像通过与黑头相对应的已知算法来获得。所述痤疮数据可以基于捕获的图像通过与痤疮相对应的已知算法来获得。所述皮肤匀净度数据可以基于捕获的图像通过与皮肤匀净度相对应的已知算法来获得。所述敏感性数据可以基于捕获的图像通过与敏感性相对应的已知算法来获得。所述年龄数据可以基于捕获的图像通过与年龄相对应的已知算法来获得。所述紧致度数据可以基于捕获的图像通过与紧致度相对应的已知算法来获得。然后,对这些数据进行归一化,以生成归一化数据。
此外,在一个示例中,我们可以定义第一组数据、第二组数据、第三组数据和第四组数据。第一组数据包括归一化油性数据、归一化色调数据、归一化皱纹数据、归一化斑点数据和归一化黑眼圈数据;第二组数据包括归一化毛孔数据、归一化皱纹数据、归一化黑头数据和归一化痤疮数据;第三组数据包括归一化皮肤匀净度数据、归一化斑点数据、归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据和归一化敏感性数据;且第四组数据包括归一化年龄数据、归一化紧致度数据和归一化皱纹数据。
根据方法200,可以完整且准确地检测用户的皮肤状况,即皮肤通透感数据、皮肤光滑度数据、皮肤匀净度数据和皮肤紧致度数据中的至少一个。
下面将描述有关如何确定皮肤通透感数据、皮肤光滑度数据、皮肤匀净度数据和皮肤紧致度数据中的至少一个的细节。
图3图示根据本公开的第二方面的第一实施例的确定皮肤通透感数据的方法300的流程图。
方法300从框301开始。框301与图2中的框201类似。在框301处,显著对象或外表单元101从皮肤区域的一个或多个数字图像提取显著对象或外表数据。在一个示例中,显著对象或外表数据是油性数据、色调数据、皱纹数据、斑点数据和黑眼圈数据。
在框302处,基于提取的油性数据、提取的色调数据、提取的皱纹数据、提取的斑点数据和提取的黑眼圈数据,来生成归一化油性数据、归一化色调数据、归一化皱纹数据、归一化斑点数据和归一化黑眼圈数据。更具体地,油性数据、色调数据、皱纹数据、斑点数据和黑眼圈数据可以基于捕获的用户皮肤的图像根据针对油性、色调、皱纹、斑点和黑眼圈的对应算法来获得。框301、302可以在本地或云服务器中执行。更具体地,通过存储在本地设备中的对应算法,对捕获的图像进行处理来获得油性数据、色调数据、皱纹数据、斑点数据和黑眼圈数据,并对这些数据进行归一化。作为备选方案,将捕获的图像传输到云服务器;然后通过存储在云服务器中的对应算法,对捕获的图像进行处理来获得油性数据、色调数据、皱纹数据、斑点数据和黑眼圈数据,然后对这些数据进行归一化;最后,将归一化油性数据、归一化色调数据、归一化皱纹数据、归一化斑点数据和归一化黑眼圈数据传输回到用户的设备。
在框303处,通过上述公式(1)来预测皮肤通透感数据。
Pskintranslucency=W1×Pn_reflection+W2×Pn_hue+W3×Pn_wrinkle+W4×Pn_spot+W5×Pn_darkcircle
其中,Pskintranslucency表示皮肤通透感数据;
Pn_reflection表示归一化油性数据;
Pn_hue表示归一化色调数据;
Pn_wrinkle表示归一化皱纹数据;
Pn_spot表示归一化斑点数据;
Pn_darkcircle表示归一化黑眼圈数据;以及
W1、W2、W3、W4和W5为预定义的权重,且W1+W2+W3+W4+W5=1。
在一个示例中,W1为28%-45%;W2为28%-45%;W3为5%-20%;W4为2%-15%;且W5为2%-15%。然而,根据本公开,W1、W2、W3、W4和W5并不限于这些值范围。
通过方法300,可以准确且完整地确定用户的皮肤通透感数据。
图4图示根据本公开的第二方面的第二实施例的预测皮肤平滑度数据的方法400的流程图。
方法400从框401开始。在框401处,显著对象或外表单元101从皮肤区域的一个或多个数字图像提取显著对象或外表数据。在一个示例中,显著对象或外表数据是毛孔数据、皱纹数据、黑头数据和痤疮数据。在框402处,生成归一化毛孔数据、归一化皱纹数据、归一化黑头数据和归一化痤疮数据。更具体地,毛孔数据、皱纹数据、黑头数据和痤疮数据可以基于捕获的用户皮肤的图像根据针对毛孔、皱纹、黑头和痤疮的对应算法来获得。框402、403可以在本地或云服务器中执行。更具体地,通过本地设备中存储的对应算法,对捕获的图像进行处理来获得毛孔数据、皱纹数据、黑头数据和痤疮数据。作为备选方案,将捕获的图像传输到云服务器;然后通过云设备中存储的对应算法,对捕获的图像进行处理来获得毛孔数据、皱纹数据、黑头数据和痤疮数据,然后对这些数据进行归一化;最后,将归一化毛孔数据、归一化皱纹数据、归一化黑头数据和归一化痤疮数据传输回到用户的设备。
在框403处,通过上述公式(2)来预测皮肤平滑度数据:
Pskintexture=W6×Pn_pore+W7×Pn_wrinkle+W8×Pn_blackhead+W9×Pn_acne
其中,Pskintexture表示皮肤平滑度数据;
Pn_pore表示归一化毛孔数据;
Pn_wrinkle表示归一化皱纹数据;
Pn_blackhead表示归一化黑头数据;
Pn_acne表示归一化痤疮数据;以及
W6、W7、W8和W9是预定义的权重,且W6+W7+W8+W9=1。
在一个示例中,W6为15%-50%;W7为15%-50%;W8为12%-35%;且W9为12%-30%。然而,根据本公开,W6、W7、W8和W9并不限于这些值范围。
通过方法400,可以准确且完整地确定用户的皮肤平滑度数据。
图5图示根据本公开的第二方面的第三实施例的确定皮肤匀净度数据的方法500的流程图。要注意的是,如上所述,这里的皮肤匀净度数据指的是皮肤匀净的均匀度数据。
方法500从框501开始。框501与图2中的框201类似。在框501处,显著对象或外表单元101从皮肤区域的一个或多个数字图像提取显著对象或外表数据。在一个示例中,显著对象或外表数据是皮肤匀净度数据、斑点数据、痤疮数据、黑头数据、黑眼圈数据和敏感性数据。
在框502处,基于皮肤匀净度数据、斑点数据、痤疮数据、黑头数据、黑眼圈数据和敏感性数据来生成归一化皮肤匀净度数据、归一化斑点数据、归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据和归一化敏感性数据。要注意的是,如上所述,这里的归一化皮肤匀净度数据指的是归一化皮肤颜色数据。更具体地,皮肤匀净度数据、斑点数据、痤疮数据、黑头数据、黑眼圈数据和敏感性数据可以基于捕获的用户皮肤的图像根据针对皮肤匀净度、斑点、痤疮、黑头、黑眼圈数据和敏感性的对应算法来获得。框502、503可以在本地或云服务器中执行。更具体地,通过本地设备中存储的对应算法,对捕获的图像进行处理来获得皮肤匀净度数据、斑点数据、痤疮数据、黑头数据、黑眼圈数据和敏感性数据,且然后对这些数据进行归一化。作为备选方案,将捕获的图像传输到云服务器;然后通过云服务器中存储的对应算法,对捕获的图像进行处理来获得皮肤匀净度数据、斑点数据、痤疮数据、黑头数据和敏感性数据,然后对这些数据进行归一化;最后,将归一化皮肤匀净度数据、归一化斑点数据、归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据和归一化敏感性数据传输回到用户的设备。
在框503处,通过上述公式(3)来预测皮肤匀净度数据:
Pskintone=W10×Pn_skintone+W11×Pn_spot+W12×Pn_blackhead+W13×Pn_darkcircle+W14×Pn_sensitivity+W15×Pn_acne,
其中,Pskintone表示皮肤匀净度的均匀度数据;
Pn_skintone表示归一化皮肤颜色数据;
Pn_spot表示归一化斑点数据;
Pn_blackhead表示归一化黑头数据;
Pn_darkcircle表示归一化黑眼圈数据;
Pn_sensitivity表示归一化敏感性数据;
Pn_acne表示归一化痤疮数据;以及
W10、W11、W12、W13、W14和W15是预定义的权重,且W10+W11+W12+W13+W14+W15=1。
在一个示例中,W10为22%-50%;W11为8%-35%;W12为3%-20%;W13为3%-20%;W14为3%-20%;且W15为3%-20%。然而,根据本公开,W10、W11、W12、W13、W14和W15并不限于这些值范围。
通过方法500,可以准确且完整地确定皮肤匀净度数据。
图6图示根据本公开的第二方面的第四实施例的预测皮肤匀净度数据的方法600的流程图。要注意的是,如上所述,这里的皮肤紧致度数据指的是人类皮肤的紧度数据。
方法600从框601开始。框601与图2中的框201类似。在框601处,显著对象或外表单元101从皮肤区域的一个或多个数字图像提取显著对象或外表数据。在一个示例中,显著对象或外表数据是年龄数据、紧致度数据和皱纹数据。要注意的是,如上所述,这里的紧致度数据指的是面部计数器上的皮肤松垂。
在框602处,基于提取的年龄数据、提取的紧致度数据和提取的皱纹数据来生成归一化年龄数据、归一化紧致度数据和归一化皱纹数据。更具体地,年龄数据、紧致度数据和皱纹数据可以基于捕获的用户皮肤的图像根据针对年龄、紧致度、皱纹的对应算法来获得。框602、603可以在本地或云服务器中执行。更具体地,通过本地设备中存储的对应算法,对捕获的图像进行处理来获得年龄数据、紧致度数据和皱纹数据,且然后对这些数据进行归一化。作为备选方案,将捕获的图像传输到云服务器;然后通过存储在云服务器中的对应算法对捕获的图像进行处理,来获得归一化年龄数据、紧致度数据和皱纹数据,然后对这些数据进行归一化;最后,将归一化年龄数据、归一化紧致度数据和归一化皱纹数据传输回到用户的设备。
在框603处,通过上述公式(4)来预测皮肤紧致度:
Pskintonicity=W16×Pn_age+W17×Pn_tonicity+W18×Pn_wrinkle
其中,Pskintonicity表示人类皮肤的紧度数据;
Pn_age表示归一化年龄数据;
Pn_tonicity表示面部计数器上的归一化皮肤松垂数据;
Pn_wrinkle表示归一化皱纹数据;以及
W16、W17和W18是预定义的权重,且W16+W17+W18=1。
在一个示例中,W16为25%-65%;W17为20%-50%;且W18为20%-50%。然而,根据本公开,W16、W17和W18并不限于这些值范围。
通过方法600,可以准确且完整地确定皮肤紧致度。
在一个实施例中,方法200、方法300、方法400、方法500、方法600中的每一种还包括在图形用户界面上显示预测的皮肤状况数据的一个或多个实例。在一个示例中,可以在图形用户界面上以数值或视觉形式来指示预测的皮肤状况数据,诸如皮肤通透感、皮肤平滑度、皮肤匀净度和皮肤紧致度。
在一个实施例中,方法200、方法300、方法400、方法500、方法600中的每个方法还包括在图形用户界面上显示提取的显著对象或外表数据、或归一化皮肤特征(诸如归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据)、或预测的皮肤状况数据的一个或多个实例。在一个示例中,可以在图形用户界面上以数值或视觉形式指示提取的显著对象、归一化皮肤特征(诸如归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据)或预测的皮肤状况数据。
要注意的是,方法200、300、400、500、600中使用的相同参数可以共享。例如,方法300中的皱纹数据和归一化皱纹数据可以用于方法400、600中;方法300中的斑点数据和归一化斑点数据可以用于方法500中;方法300中的黑眼圈数据和归一化黑眼圈数据可以用于方法500中;方法400中的痤疮数据和归一化痤疮数据可以用于方法500中;方法400中的黑头数据和归一化黑头数据可以用于方法500中。
根据本公开的另一个方面,用户可以获得四个具体参数,即皮肤平滑度、皮肤匀净度、皮肤通透感和皮肤紧致度,它们可以以准确且全面地方式来最好地测量用户皮肤的状况。然后,4T参数可以以更易附接且更易懂的描述形式显示到用户的设备。最后,基于确定的四个具体参数(即皮肤平滑度、皮肤匀净度、皮肤通透感和皮肤紧致度)向用户推荐美容方案,以便解决用户的具体皮肤问题。
根据本公开的另一个方面,为了提高检测四个具体参数(即皮肤平滑度、皮肤匀净度、皮肤通透感和皮肤紧致度)的速度和准确性,引入了一种机器学习算法来建立4T模型。
本公开的一个实施例可以是一种制造品,其中非瞬时机器可读介质(诸如微电子存储器)上存储有指令(例如计算机代码),这些指令对一个或多个数据处理组件(这里通称为“处理器”)进行编程,以执行上述操作。在其他实施例中,这些操作中的一些可以由包含硬连线逻辑(例如专用数字滤波器块和状态机)的特定硬件组件来执行。这些操作备选地可能由编程的数据处理组件和固定的硬连线电路组件的任意组合来执行。
虽然本文对实施例进行了说明和描述,但本领域技术人员可以理解,在不脱离本技术真正范围的前提下,可以进行各种更改和修改,也可以用等同物来代替其元件。此外,在不偏离本技术核心范围的情况下,还可以做出许多修改,以适应特定情况和本技术的教导。因此,本实施例旨在并不限于作为实施本技术所预期的最佳模式而公开的特定实施例,而是本实施例包括落入所附权利要求范围内的所有实施例。
Claims (36)
1.一种用于检测人类受试者的皮肤状况的计算设备,所述计算设备包括:
显著对象或外表单元,其包括被配置为从所述人类受试者的皮肤区域的一个或多个数字图像提取显著对象或外表数据的计算电路;
归一化单元,其包括被配置为基于从所述皮肤区域的一个或多个数字图像提取的所述显著对象或外表数据来生成归一化皮肤特征数据的计算电路;以及
皮肤预测单元,其包括被配置为基于所述归一化皮肤特征数据的混合来预测皮肤状况数据的计算电路。
2.根据权利要求1所述的用于检测人类受试者的皮肤状况的计算设备,还包括:
皮肤状况显示器,其包括被配置为在图形用户界面上显示提取的所述显著对象或外表数据、所述归一化皮肤特征数据或预测的所述皮肤状况数据的一个或多个实例的计算电路。
3.根据权利要求1-2中的一个所述的用于检测人类受试者的皮肤状况的计算设备,其中,所述显著对象或外表单元包括被配置为从所述皮肤区域的一个或多个数字图像提取痤疮数据、黑头数据、黑眼圈数据、毛孔数据、皮肤敏感性数据、斑点数据、皱纹数据、紧致度数据、年龄数据、色调数据、油性数据或皮肤匀净度数据的计算电路。
4.根据权利要求1-3中的一个所述的用于检测人类受试者的皮肤状况的计算设备,其中,所述归一化单元包括被配置为生成归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化毛孔数据、归一化皮肤敏感性数据、归一化斑点数据、归一化皱纹数据、归一化紧致度数据、归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据的计算电路。
5.根据权利要求1-4中的一个所述的用于检测人类受试者的皮肤状况的计算设备,其中,所述显著对象或外表单元包括被配置为从所述皮肤区域的一个或多个数字图像获得指示皮肤状况的存在、不存在或严重程度的数据的计算电路。
6.根据权利要求4所述的用于检测人类受试者的皮肤状况的计算设备,其中,所述皮肤预测单元包括被配置为基于归一化油性数据、归一化色调数据、归一化皱纹数据、归一化斑点数据和归一化黑眼圈数据的加权混合来预测皮肤通透感数据的计算电路。
7.根据权利要求4所述的用于检测人类受试者的皮肤状况的计算设备,其中,所述皮肤预测单元包括被配置为基于Pn_reflection、Pn_hue、Pn_wrinkle、Pn_spot和Pn_dark circle的加权混合来预测皮肤通透感数据的计算电路,
其中,Pskin translucency=W1×Pn_reflection+W2×Pn_hue+W3×Pn_wrinkle+W4×Pn_spot+W5×Pn_dark circle,
其中,Pskin translucency表示所述皮肤通透感数据;
Pn_reflection表示所述归一化油性数据;
Pn_hue表示所述归一化色调数据;
Pn_wrinkle表示所述归一化皱纹数据;
Pn_spot表示所述归一化斑点数据;
Pn_dark circle表示所述归一化黑眼圈数据;
其中,W1、W2、W3、W4和W5为预定义的权重;以及
其中,W1+W2+W3+W4+W5=1。
8.根据权利要求7所述的用于检测人类受试者的皮肤状况的计算设备,其中,W1为28%-45%;W2为28%-45%;W3为5%-20%;W4为2%-15%;且W5为2%-15%。
9.根据权利要求4所述的用于检测人类受试者的皮肤状况的计算设备,其中,所述皮肤预测单元包括被配置为基于归一化毛孔数据、归一化皱纹数据、归一化黑头数据和归一化痤疮数据的加权混合来预测皮肤平滑度数据的计算电路。
10.根据权利要求4所述的用于检测人类受试者的皮肤状况的计算设备,其中,所述皮肤预测单元包括被配置为基于Pn_pore、Pn_wrinkle、Pn_blackhead和Pn_acne的加权混合来预测皮肤平滑度数据的计算电路;
其中,Pskin texture=W6×Pn_pore+W7×Pn_wrinkle+W8×Pn_blackhead+W9×Pn_acne,
其中,Pskin texture表示所述皮肤平滑度数据;
Pn_pore表示所述归一化毛孔数据;
Pn_wrinkle表示所述归一化皱纹数据;
Pn_blackhead表示所述归一化黑头数据;
Pn_acne表示所述归一化痤疮数据;
其中,W6、W7、W8和W9是预定义的权重;以及
其中,W6+W7+W8+W9=1。
11.根据权利要求10所述的用于检测人类受试者的皮肤状况的计算设备,其中,W6为15%-50%;W7为15%-50%;W8为12%-35%;且W9为12%-30%。
12.根据权利要求4所述的用于检测人类受试者的皮肤状况的计算设备,其中,所述皮肤预测单元包括被配置为基于归一化皮肤匀净度数据、归一化斑点数据、归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据和归一化敏感性数据的加权混合来预测皮肤匀净度数据的计算电路。
13.根据权利要求4所述的用于检测人类受试者的皮肤状况的计算设备,其中,所述皮肤预测单元包括被配置为基于Pn_skintone、Pn_spot、Pn_blackhead、Pn_darkcircle、Pn_sensitivity、Pn_acne的加权混合来预测皮肤匀净度数据的计算电路;
Pskin tone=W10×Pn_skin tone+W11×Pn_spot+W12×Pn_blackhead+W13×Pn_dark circle+W14×Pn_sensitivity+W15×Pn_acne,
其中,Pskin tone表示皮肤匀净度的均匀度数据;
Pn_skin tone表示归一化皮肤颜色数据;
Pn_spot表示所述归一化斑点数据;
Pn_blackhead表示所述归一化黑头数据;
Pn_dark circle表示所述归一化黑眼圈数据;
Pn_sensitivity表示所述归一化敏感性数据;
Pn_acne表示所述归一化痤疮数据;以及
其中,W10、W11、W12、W13、W14和W15是预定义的权重;以及
其中,W10+W11+W12+W13+W14+W15=1。
14.根据权利要求13所述的用于检测人类受试者的皮肤状况的计算设备,其中,W10为22%-50%;W11为8%-35%;W12为3%-20%;W13为3%-20%;W14为3%-20%;且W15为3%-20%。
15.根据权利要求4所述的用于检测人类受试者的皮肤状况的计算设备,其中,所述皮肤预测单元包括被配置为基于归一化年龄数据、归一化紧致度数据和归一化皱纹数据的加权混合来预测皮肤紧致度数据的计算电路。
16.根据权利要求4所述的用于检测人类受试者的皮肤状况的计算设备,其中,所述皮肤预测单元包括被配置为基于Pn_age、Pn_tonicity和
Pn_wrinkle的加权混合来预测皮肤紧致度数据的计算电路;
Pskin tonicity=W16×Pn_age+W17×Pn_tonicity+W18×Pn_wrinkle,
其中,Pskin tonicity表示人类皮肤的紧度数据;
Pn_age表示所述归一化年龄数据;
Pn_tonicity表示面部计数器上的归一化皮肤松垂数据;
Pn_wrinkle表示所述归一化皱纹数据;以及
其中,W16、W17和W18是预定义的权重;以及
其中,W16+W17+W18=1。
17.根据权利要求16所述的用于检测人类受试者的皮肤状况的计算设备,其中,W16为25%-65%;W17为20%-50%;且W18为20%-50%。
18.一种用于检测人类受试者的皮肤状况的方法,所述方法包括:
从所述人类受试者的皮肤区域的一个或多个数字图像提取显著对象或外表数据;
基于从所述皮肤区域的一个或多个数字图像提取的所述显著对象或外表数据来生成归一化皮肤特征数据;以及
基于所述归一化皮肤特征数据的混合来预测皮肤状况数据。
19.根据权利要求18所述的用于检测人类受试者的皮肤状况的方法,还包括:
在图形用户界面上显示提取的所述显著对象或外表数据、所述归一化皮肤特征数据或预测的所述皮肤状况数据的一个或多个实例。
20.根据权利要求18-19中的一个所述的用于检测人类受试者的皮肤状况的方法,还包括:
从所述皮肤区域的一个或多个数字图像提取痤疮数据、黑头数据、黑眼圈数据、毛孔数据、皮肤敏感性数据、斑点数据、皱纹数据、紧致度数据、年龄数据、色调数据、油性数据或皮肤匀净度数据。
21.根据权利要求18-20中的一个所述的用于检测人类受试者的皮肤状况的方法,还包括:生成归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化毛孔数据、归一化皮肤敏感性数据、归一化斑点数据、归一化皱纹数据、归一化紧致度数据、归一化年龄数据、归一化色调数据、归一化油性数据或归一化皮肤匀净度数据。
22.根据权利要求18-21中的一个所述的用于检测人类受试者的皮肤状况的方法,还包括:从所述皮肤区域的一个或多个数字图像获得指示皮肤状况的存在、不存在或严重程度的数据。
23.根据权利要求21所述的用于检测人类受试者的皮肤状况的方法,还包括:
基于归一化油性数据、归一化色调数据、归一化皱纹数据、归一化斑点数据和归一化黑眼圈数据的加权混合,来预测皮肤通透感数据。
24.根据权利要求21所述的用于检测人类受试者的皮肤状况的方法,还包括:
基于Pn_reflection、Pn_hue、Pn_wrinkle、Pn_spot和Pn_dark circle的加权混合来预测皮肤通透感数据;
其中,Pskin translucency=W1×Pn_reflection+W2×Pn_hue+W3×Pn_wrinkle+W4×Pn_spot+W5×Pn_dark circle,
其中,Pskin translucency表示所述皮肤通透感数据;
Pn_reflection表示所述归一化油性数据;
Pn_hue表示所述归一化色调数据;
Pn_wrinkle表示所述归一化皱纹数据;
Pn_spot表示所述归一化斑点数据;
Pn_dark circle表示所述归一化黑眼圈数据;
其中,W1、W2、W3、W4和W5为预定义的权重;以及
其中,W1+W2+W3+W4+W5=1。
25.根据权利要求24所述的用于检测人类受试者的皮肤状况的方法,其中,W1为28%-45%;W2为28%-45%;W3为5%-20%;W4为2%-15%;且W5为2%-15%。
26.根据权利要求21所述的用于检测人类受试者的皮肤状况的方法,还包括:基于归一化毛孔数据、归一化皱纹数据、归一化黑头数据和归一化痤疮数据的加权混合来预测皮肤平滑度数据。
27.根据权利要求21所述的用于检测人类受试者的皮肤状况的方法,还包括:基于Pn_pore、Pn_wrinkle、Pn_blackhead和Pn_acne的加权混合来预测皮肤平滑度数据;
其中,Pskin texture=W6×Pn_pore+W7×Pn_wrinkle+W8×Pn_blackhead+W9×Pn_acne,
其中,Pskin texture表示所述皮肤平滑度数据;
Pn_pore表示所述归一化毛孔数据;
Pn_wrinkle表示所述归一化皱纹数据;
Pn_blackhead表示所述归一化黑头数据;
Pn_acne表示所述归一化痤疮数据;
其中,W6、W7、W8和W9是预定义的权重;以及
其中,W6+W7+W8+W9=1。
28.根据权利要求27所述的用于检测人类受试者的皮肤状况的方法,其中,W6为15%-50%;W7为15%-50%;W8为12%-35%;且W9为12%-30%。
29.根据权利要求21所述的用于检测人类受试者的皮肤状况的方法,还包括:
基于归一化皮肤匀净度数据、归一化斑点数据、归一化痤疮数据、归一化黑头数据、归一化黑眼圈数据、归一化敏感性数据的加权混合来预测皮肤匀净度数据。
30.根据权利要求21所述的用于检测人类受试者的皮肤状况的方法,还包括:
基于Pn_skintone、Pn_spot、Pn_blackhead、Pn_dark circle、Pn_sensitivity、Pn_acne的加权混合来预测皮肤匀净度数据;
Pskin tone=W10×Pn_skin tone+W11×Pn_spot+W12×Pn_blackhead+W13×Pn_dark circle+W14×Pn_sensitivity+W15×Pn_acne,
其中,Pskin tone表示皮肤匀净度的均匀度数据;
Pn_skin tone表示归一化皮肤颜色数据;
Pn_spot表示所述归一化斑点数据;
Pn_blackhead表示所述归一化黑头数据;
Pn_dark circle表示所述归一化黑眼圈数据;
Pn_sensitivity表示所述归一化敏感性数据;
Pn_acne表示所述归一化痤疮数据;以及
其中,W10、W11、W12、W13、W14和W15是预定义的权重;以及
其中,W10+W11+W12+W13+W14+W15=1。
31.根据权利要求30所述的用于检测人类受试者的皮肤状况的方法,其中,W10为22%-50%;W11为8%-35%;W12为3%-20%;W13为3%-20%;W14为3%-20%;且W15为3%-20%。
32.根据权利要求21所述的用于检测人类受试者的皮肤状况的方法,还包括:
基于归一化年龄数据、归一化紧致度数据和归一化皱纹数据的加权混合来预测皮肤紧致度数据。
33.根据权利要求21所述的用于检测人类受试者的皮肤状况的方法,还包括:
基于Pn_age、Pn_tonicity和Pn_wrinkle的加权混合来预测皮肤紧致度数据;
Pskin tonicity=W16×Pn_age+W17×Pn_tonicity+W18×Pn_wrinkle,
其中,Pskin tonicity表示人类皮肤的紧度数据;
Pn_age表示所述归一化年龄数据;
Pn_tonicity表示面部计数器上的归一化皮肤松垂数据;
Pn_wrinkle表示所述归一化皱纹数据;以及
其中,W16、W17和W18是预定义的权重;以及
其中,W16+W17+W18=1。
34.根据权利要求33所述的用于检测人类受试者的皮肤状况的方法,其中,W16为25%-65%;W17为20%-50%;且W18为20%-50%。
35.一种计算机可读介质,其上存储有指令,当执行所述指令时促使计算设备执行根据权利要求18-34中的一个所述的方法。
36.一种检测用户皮肤的状况的装置,所述装置包括用于执行根据权利要求18-34中的一个所述方法的构件。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/089954 WO2022226728A1 (en) | 2021-04-26 | 2021-04-26 | Computing device, method and apparatus for detecting skin conditions of human subject |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117241722A true CN117241722A (zh) | 2023-12-15 |
Family
ID=83723830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180097549.5A Pending CN117241722A (zh) | 2021-04-26 | 2021-04-26 | 用于检测人类受试者的皮肤状况的计算设备、方法和装置 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN117241722A (zh) |
FR (1) | FR3122076B1 (zh) |
WO (1) | WO2022226728A1 (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2897768B1 (fr) * | 2006-02-24 | 2008-05-09 | Oreal | Procede d'evaluation de l'eclat du teint. |
US20120288168A1 (en) * | 2011-05-09 | 2012-11-15 | Telibrahma Convergent Communications Pvt. Ltd. | System and a method for enhancing appeareance of a face |
FR2983328B1 (fr) * | 2011-11-29 | 2022-07-29 | Developpement Industrialisation Et Promotion De Tech Avancees | Procede de fabrication et/ou de selection de produits cosmetiques adaptes a un client particulier et programme d'ordinateur mettant en oeuvre ledit procede |
WO2014208067A1 (ja) * | 2013-06-28 | 2014-12-31 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 肌の官能評価装置および肌の評価方法 |
US20150099947A1 (en) * | 2013-10-04 | 2015-04-09 | Access Business Group International Llc | Skin youthfulness index, methods and applications thereof |
US10255484B2 (en) * | 2016-03-21 | 2019-04-09 | The Procter & Gamble Company | Method and system for assessing facial skin health from a mobile selfie image |
CN111814520A (zh) * | 2019-04-12 | 2020-10-23 | 虹软科技股份有限公司 | 肤质检测方法、肤质等级分类方法及肤质检测装置 |
-
2021
- 2021-04-26 WO PCT/CN2021/089954 patent/WO2022226728A1/en active Application Filing
- 2021-04-26 CN CN202180097549.5A patent/CN117241722A/zh active Pending
- 2021-06-14 FR FR2106235A patent/FR3122076B1/fr active Active
Also Published As
Publication number | Publication date |
---|---|
FR3122076B1 (fr) | 2024-02-02 |
WO2022226728A1 (en) | 2022-11-03 |
FR3122076A1 (fr) | 2022-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3000386B1 (en) | Skin function evaluation device and skin evaluation method | |
KR101799174B1 (ko) | 피부 진단 및 화상 처리 시스템, 장치 및 물품 | |
Glaister et al. | MSIM: Multistage illumination modeling of dermatological photographs for illumination-corrected skin lesion analysis | |
JP7248820B2 (ja) | 美容的皮膚属性を決定するための機器及び方法 | |
JP7235895B2 (ja) | 美容的皮膚特性を視覚化するための装置及び方法 | |
US8878922B2 (en) | Video image information processing apparatus and video image information processing method | |
TWI471117B (zh) | 可用於行動裝置之人臉膚質評估演算介面裝置 | |
US20150099947A1 (en) | Skin youthfulness index, methods and applications thereof | |
JP5146667B2 (ja) | 肌のなめらかさの評価方法 | |
EP3602501A1 (en) | Methods and apparatuses for age appearance simulation | |
EP3602526A1 (en) | Methods for age appearance simulation | |
JP6473401B2 (ja) | 肌の光沢評価装置、光沢評価方法および光沢評価プログラム | |
KR20150141988A (ko) | 피부 진단 및 화상 처리 방법 | |
CN102903135A (zh) | 用于皱纹老化和去老化逼真模拟的方法和装置 | |
EP2917894B1 (en) | Skin image analysis | |
Chang et al. | Automatic facial skin defect detection system | |
Nader et al. | Just noticeable distortion profile for flat-shaded 3D mesh surfaces | |
KR101949152B1 (ko) | 피부상태 진단 방법 및 장치와 이를 이용한 피부상태 적합 화장정보 제공 방법 | |
JP2010119431A (ja) | シワ評価方法、シワ評価装置、シワ評価プログラム、及び該プログラムが記録された記録媒体 | |
CN117241722A (zh) | 用于检测人类受试者的皮肤状况的计算设备、方法和装置 | |
Bae et al. | Robust skin-roughness estimation based on co-occurrence matrix | |
CN107847136B (zh) | 弹力感评价装置、弹力感评价方法以及弹力感评价程序 | |
JP2022078936A (ja) | 肌画像分析方法 | |
JP2005034424A (ja) | 皮膚表面状態評価方法並びにその装置 | |
WO2021120152A1 (en) | Computing device, method and apparatus for noninvasively diagnosing a hair |
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 |