JP2003024306A

JP2003024306A - 皮膚のはり評価システム

Info

Publication number: JP2003024306A
Application number: JP2001213903A
Authority: JP
Inventors: Tomohiro Kuwabara; 智裕桑原; Mototsugu Takahashi; 元次高橋; Shinji Ozawa; 慎治小沢; Hideo Saito; 英雄斎藤
Original assignee: Shiseido Co Ltd
Current assignee: Shiseido Co Ltd
Priority date: 2001-07-13
Filing date: 2001-07-13
Publication date: 2003-01-28

Abstract

(57)【要約】【課題】皮膚のはりの程度を再現性よくかつ簡易、迅
速に評価することができる皮膚のはり評価システムを提
供する。【解決手段】画像（Ｓ１）から抽出された特徴量（Ｓ
２）は正規化（Ｓ３）された後、ニューラルネットワー
ク（Ｓ４）に取り込まれる。ニューラルネットワーク
（Ｓ４）では、美容技師等が複数の被験者について皮膚
表面を目視観察して得たはりの程度についての官能評価
データを教師信号として用いて、その複数の被験者につ
いて撮像し、処理した処理データを学習して（Ｓ５）得
られる学習済みネットワーク（Ｓ６）に基づいて、評価
用画像（Ｓ７）について、はりの程度を評価する（Ｓ
８）。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、皮膚のはり評価シ
ステムに関する。

【０００２】

【従来の技術】皮膚のはりは、皮膚が引き締まって力強
いことをいい、この皮膚のはりの程度は、一般的に、老
化の程度を判断する指標とされる。また、皮膚のはりの
程度は、例えば、化粧品の分野においては、皮膚の表面
状態を表す多くの指標のなかでも重要な指標であり、こ
の皮膚のはりの程度を的確に評価することは、化粧品使
用者の皮膚のはりの程度に応じた適切な化粧品を開発す
る際や化粧品使用者ひとりひとりの皮膚のはりの程度に
応じた好適な化粧品を化粧品使用者に提供する際の有力
な道具となる。

【０００３】通常、皮膚の表面状態を評価する方法とし
て、美容技師等の経験豊富な専門家が皮膚表面、例えば
顔全体あるいは頬等の部分を目視観察して行う官能評価
に依ることが多い。

【０００４】しかしながら、上記官能評価は、評価の難
しさや煩雑さ等を避けられない。このため、これらの不
具合を軽減することを目的として、皮膚表面を撮像し、
得られた画像データを処理、解析して評価データを得る
方法も種々検討されており、そのための測定機器も実用
化されている。

【０００５】上記の測定機器は、画像処理方法を工夫す
ることにより、画像の鮮明化等を図り、これにより、処
理後の画像を見て皮膚の表面状態を評価するものが大半
である。これらの測定機器は、いわば皮膚表面観察装置
というべきものであり、自動的に評価までを行うシステ
ムではない。

【０００６】一方、例えば、特開平６−４６０１号公報
に記載された顕微鏡画像評価システムによれば、染色し
た生物標本について細胞の重なり度合い、配列の程度等
を評価するために、顕微鏡およびＣＣＤカメラを用いて
撮像して得られた処理画像データについて、所定の画像
前処理を施した後、生物標本を評価するための評価値を
教師信号として、処理された画像データを学習するニュ
ーラルネットワークを有するコンピュータを用いて評価
することが行われている。そして、このシステムを用い
ることにより、常に評価精度を維持でき、また、作業者
の負担を軽減することができるとされている。

【０００７】

【発明が解決しようとする課題】しかしながら、上記し
たように、従来の皮膚表面観察装置は、画像を観察し
て、皮膚のくすみ、きめの細かさ、しみ・そばかす、肌
荒れ等を判断するものであり、皮膚のはりの程度を的確
に評価するのに適した装置は得られていない。

【０００８】また、特開平６−４６０１号公報記載のも
のは、上記のように生物標本について細胞の状態を評価
するものであり、皮膚のはりを含めた皮膚の表面状態を
測定する技術とはかけ離れたものである。

【０００９】本発明は、上記の課題に鑑みてなされたも
のであり、皮膚のはりの程度を再現性よくかつ簡易、迅
速に評価することができ、これにより、化粧品研究開発
に寄与し、また、店頭販売等において各人に好適な化粧
品を化粧品使用者に提供することができる皮膚のはり評
価システムを提供することを目的とする。

【００１０】

【課題を解決するための手段】本発明に係る皮膚のはり
評価システムは、皮膚表面を撮像して皮膚表面画像デー
タを得る撮像手段と、得られた該皮膚表面画像データに
対して処理を施して処理データを得る画像処理手段と、
複数の被験者について皮膚表面を目視観察して得たはり
の程度についての官能評価データを教師信号として用い
て、該複数の被験者について撮像し、処理した該処理デ
ータを学習した学習結果に基づいて、評価対象の被験者
についてはりの程度を評価するはり評価手段とを有する
ことを特徴とする。

【００１１】これにより、皮膚のはりの程度を再現性よ
くかつ簡易、迅速に評価することができ、化粧品研究開
発に寄与し、また、店頭販売等において各人に好適な化
粧品を化粧品使用者に提供することができる。

【００１２】この場合、前記撮像手段は、皮膚表面を拡
大する拡大手段を備えたＣＣＤカメラを有すると、好適
である。

【００１３】また、この場合、前記画像処理手段は、前
記皮膚表面画像データから皮膚のはりに関するものとし
て予め設定した複数の特徴量について値を抽出する特徴
量抽出部を有すると、より的確な評価結果を得ることが
できる。

【００１４】ここで、特徴量の量とは、秤、さらに言い
かえれば指標をいう。

【００１５】このとき、前記特徴量として、少なくとも
きめおよびくすみに関する指標のうちのいずれか１つま
たは双方の指標を含むと、少ない数の特徴量を用いて有
用な評価結果を得ることができ、あるいは、これらの特
徴量を含まない場合に比べてより的確な評価結果を得る
ことができる。

【００１６】また、この場合、前記はり評価手段はコン
ピュータであり、入力層、中間層および出力層からなる
階層型ニューラルネットワークを有し、学習により各層
間の重み付けを変えて、はりの程度を評価すると、好適
である。

【００１７】このとき、前記出力層は、はりの評価デー
タを含むとともに、はり以外の他の皮膚状態の評価デー
タをさらに含むと、好適である。

【００１８】また、このとき、前記階層型ニューラルネ
ットワークにおいて、バックプロバゲーション学習則に
基づいて学習すると、好適である。

【００１９】

【発明の実施の形態】本発明に係る皮膚のはり評価シス
テムの好適な実施の形態（以下、本実施の形態例とい
う。）について、図を参照して、以下に説明する。

【００２０】本実施の形態例に係る皮膚のはり評価シス
テム（以下、単に評価システムという。）１０は、図１
に示すように、撮像装置（撮像手段）１２と、コンピュ
ータ１４とで略構成される。

【００２１】撮像装置１２は、例えば後述する１０．４
インチモニタ上で倍率３２倍に拡大される、ｆ１１．７
ｍｍ、Ｆ＝５．６のレンズ（拡大手段）１６を備えたＣ
ＣＤカメラ１８を有する。また、陰の出にくい撮像を可
能とする適宜の照明手段を備える（図示せず。）。

【００２２】ＣＣＤカメラ１８は、図示しない１／３イ
ンチＣＣＤカラーイメージセンサを有し、この１／３イ
ンチＣＣＤカラーイメージセンサで得られる有効画素
は、水平５１０、垂直４９２である。所定の撮像条件で
例えば約６．５ｍｍ×５．０ｍｍの範囲の皮膚表面がＣ
ＣＤカメラ１８により撮像される。

【００２３】コンピュータ１４は、画像処理手段２０お
よびはり評価手段２２を有する。

【００２４】画像処理手段２０は、特徴量抽出部２４を
有する。また、はり評価手段２２は、ニューラルネット
ワーク２６を有する。また、出力装置として、例えば１
０．４型液晶カラーテレビ２８を有する。

【００２５】コンピュータ１４は、例えば、Pentium I
II （６５０ＭＨｚ）のものを用いる。

【００２６】特徴量抽出部２４は、皮膚表面画像につい
て後述する皮膚のはりの程度の官能評価と相関が高いと
考えられる画像特徴量（以下、特徴量あるいは指標とい
うことがある。）を設定し、皮膚表面画像データからそ
の画像特徴量の値（処理データ）を抽出する。

【００２７】この場合、上記した皮膚表面のカラー画像
は、撮像環境の影響によって得られる画像の周辺明度値
が低くなってしまうため、画像特徴量を抽出する範囲は
中心の２５６×２５６画素とする。

【００２８】ここで、皮膚のはりについて、その特徴
と、美容技師等による皮膚のはりの程度の評価方法を説
明する。

【００２９】加齢によって生じる皮膚のはりの低下は、
皮膚の弛みの増加という言葉で置きかえることができ
る。

【００３０】この皮膚の弛みは、４０歳前後から特に
顎、瞼、頬、側腹などに生じる。発生原因は、しわと同
様、真皮の弾性力の低下や皮下脂肪組織の支持力の低
下、さらには皮膚を支える筋力の低下などが挙げられ
る。

【００３１】この皮膚の弛みは、皮膚のミクロな形態変
化としては、皮膚表面の凹凸が浅くなり皮溝、皮丘が不
鮮明となる現象として現われる。また、このとき、皮溝
の放射状の均一性は失われ一方向に流れるようになる。
さらに、皮溝は、長さが増加し、幅が狭くなる。一方、
毛孔は、大きくなる傾向を示す。

【００３２】美容技師等は、このような皮膚の弛みの状
態、言いかえれば、皮膚のはりの程度を、目視による官
能評価（視感評価）によって判断する。この場合、顔全
体を見て判断することもあれば、撮像装置を用いて得た
皮膚表面の特定箇所の拡大画像を見て判断することもあ
り、両者を併用することもある。

【００３３】官能評価は、皮膚のはりを非常に感じると
判定するものから皮膚のはりを感じないと判定するもの
までの下記６段階で行い、数値化したものである。

【００３４】６非常に感じる５かなり感じる４感じる３やや感じる２わずかに感じる１感じない本実施の形態例の評価システム１０において、前記した
ＣＣＤカメラ１８の画像データは画像処理手段２０に出
力される。

【００３５】画像処理手段２０の特徴量抽出部２４は、
皮膚状態についての従来の豊富な知見から経験的に予測
して図２に示す５３の画像特徴量を選択、設定したもの
である。これらの画像特徴量を選択したことの妥当性を
検証した結果については後述する。

【００３６】各画像特長量について説明する。

【００３７】各画像特長量は、画像解析における一般的
な画像特徴量と合わせて上記した皮膚表面の差異を的確
に捉えるように工夫して設定し画像特徴量で構成されて
いる。例えば、番号５２の鏡面反射成分の割合は、物体
色と光源色との線形結合成分で表される物体を観察した
ときの色のうちの光源色に対応するものであり、これ
は、皮膚のつや、透明感に対応する。

【００３８】特徴量抽出部２４において抽出された上記
５３個の画像特徴量のデータは、はり評価手段２２に出
力される。

【００３９】はり評価手段２２について、図３を参照し
て説明する。

【００４０】画像（皮膚表面画像データ図３中Ｓ１）
から抽出された特徴量（図３中Ｓ２）は正規化(図３中
Ｓ３)された後、ニューラルネットワーク（図３中Ｓ
４）に取り込まれる。ニューラルネットワークＳ４で
は、上記した美容技師等が複数の被験者について皮膚表
面を目視観察して得たはりの程度についての官能評価
（視感評価）データを教師信号として用いて、その複数
の被験者について撮像し、処理した処理データを学習し
て（図３中Ｓ５）得られる学習結果（学習済みネットワ
ーク図３中Ｓ６）に基づいて、評価対象の被験者（評
価用画像図３中Ｓ７）について、はりの程度を評価す
る（図３中Ｓ８）。

【００４１】ここで、被験者として１２０人を評価対象
とし、そのうち８０人については学習データとして用
い、残り４０人については、本評価システムの妥当性を
評価するための未学習データとして用いた。

【００４２】つぎに、ニューラルネットワーク２６（Ｓ
４）の構成についてさらに説明する。

【００４３】ニューラルネットワーク２６は、図４に示
す階層型であり、５３個の入力層Ｓ１０および１１個の
出力層Ｓ１１とともに、これらの層間に設けられた２０
〜４０個の中間層Ｓ１２とで構成される。

【００４４】階層型のニューラルネットワーク２６は、
入力層Ｓ１０の特徴量データ信号が結合の重みによって
変換されながら出力層Ｓ１１の１１個の評価項目の値と
して出力される。この１１個の評価項目は、はり、透明
感、つや、黒さ、白さ、毛穴の目立ち、くすみ、きめの
細かさ、しみ・そばかす、色むら及び肌荒れであり、前
記した美容技師等が用いる官能評価項目と対応するもの
である。

【００４５】ニューラルネットワーク２６における学習
過程と認識過程について説明する。これらの過程は、先
に説明した図３と対応するものである。

【００４６】学習過程では、まず、ニューラルネットワ
ーク２６によって５３個の特徴量についての８０組の入
力パターン（学習データ）から１１個の評価項目につい
て８０組の出力パターンを得る。そして、バックプロバ
ゲーション（誤差逆伝送法）を用いて、その出力パター
ンと官能評価データから得られる望ましい出力パターン
（教師信号）との誤差を計算し、それを学習信号として
入力層のほうへ伝播させながら結合の重みを改善してい
く。これにより、学習の結果としてのニューラルネット
ワーク２６が再構築される。

【００４７】認識過程では、この再構築されたニューラ
ルネットワーク２６を用いて、学習に使用していない４
０組の入力パターンから４０組の出力パターンを得る。

【００４８】この出力パターンとして自動的に出力され
る評価データの妥当性は、例えば官能評価データとの相
関関係を調べることにより検証することができる。

【００４９】図５に、評価データ（評価項目）としての
はりの評価について、美容技師の官能評価データとの相
関関係を示す。なお、評価値は全体を正規化したもので
ある。

【００５０】相関係数は、０．７５であり、有意な相関
があることがわかる。

【００５１】以上説明した評価結果は、出力層として、
はりの項目を含む１１個の評価データ（項目）を設定し
て行ったものであるが、ここで、出力層として１１個の
評価項目に代えてはりのみの１個の評価データを設定し
て、同様のデータ処理を行ない、両者を比較した。この
結果を美容技師の官能評価データとの相関関係の差とし
て示すと、出力層が１１個の場合の相関係数が上記のよ
うに０．７５であったのに対して、出力層がはりの評価
データのみの１個の場合、相関係数は０．５４であっ
た。したがって、出力層として、単にはりの評価データ
のみを設定するのではなく、はりの状態と密接な関係に
ある皮膚表面の他の評価データを組み込むことにより、
はりの評価精度が向上することがわかる。

【００５２】ここで、さらに、入力層としての各特徴量
がはりの評価に寄与する程度を調べた結果を示す。

【００５３】この結果は、皮膚状態についての従来の豊
富な知見から経験的に予測して５３の画像特徴量を選
択、設定し、それらの画像特徴量を本実施の形態例に係
る装置の詳細を後述するニューラルネットワークを用い
て学習させたものについて、学習後のニューラルネット
ワークの入力層に、（１，０，０，０，…０）、（０，
１，０，０，…０）、…（０，０，０，０，…１）の５
３個のデータセットを入力し、それにより出力層として
の評価値の変化量を求めることで得られる。

【００５４】図６に、はりの評価に対する各特徴量の寄
与を出力層の変化量でみた結果を示す。横軸の画像特徴
量番号は、出力層の変化量の大きいものから小さいもの
の順に並べ替えている。

【００５５】寄与率の大きい画像特徴量は、大きいもの
から順に、ウエーブレット変換明度高周波の横縦分散
（番号４０）、明度尖度（番号１４）、彩度歪度（番号
９）、明度濃度共起行列２次モーメント（番号４２）で
ある。これらのうちで、ウエーブレット変換明度高周波
の横縦分散および明度濃度共起行列２次モーメントは、
皮膚のきめの状態を表す指標であると考えられ、また、
明度尖度および彩度歪度は皮膚のくすみを表す指標であ
ると考えられる。はりについてこれらきめやくすみが密
接に関係していることは経験的にも理解でき、はりの評
価においてこれらの画像特徴量の寄与率が大きいことが
わかった。また、はりの評価には略１３個の画像特徴量
が寄与していること、言いかえれば、５３個全ての画像
特徴量を用いなくても略略１３個の画像特徴量を用いれ
ば、はりの評価を行うことができることがわかった。

【００５６】

【発明の効果】本発明に係る皮膚のはり評価システムに
よれば、皮膚表面を撮像して皮膚表面画像データを得る
撮像手段と、得られた皮膚表面画像データに対して処理
を施して処理データを得る画像処理手段と、複数の被験
者について皮膚表面を目視観察して得たはりの程度につ
いての官能評価データを教師信号として用いて、複数の
被験者について撮像し、処理した処理データを学習した
学習結果に基づいて、評価対象の被験者についてはりの
程度を評価するはり評価手段とを有するため、皮膚のは
りの程度を再現性よくかつ簡易、迅速に評価することが
でき、化粧品研究開発に寄与し、また、店頭販売等にお
いて各人に好適な化粧品を化粧品使用者に提供すること
ができる。

【００５７】また、本発明に係る皮膚のはり評価システ
ムによれば、画像処理手段は、皮膚表面画像データから
皮膚のはりに関するものとして予め設定した複数の特徴
量について値を抽出する特徴量抽出部を有するため、は
りの程度を好適に評価することができる。

【００５８】また、本発明に係る皮膚のはり評価システ
ムによれば、はり評価手段はコンピュータであり、入力
層、中間層および出力層からなる階層型ニューラルネッ
トワークを有し、学習により各層間の重み付けを変え
て、はりの程度を評価するため、好適である。

【００５９】このとき、前記出力層は、はりの評価デー
タを含むとともに、はり以外の他の皮膚状態の評価デー
タをさらに含むと、好適である。

【図面の簡単な説明】

【図１】本実施の形態例に係る皮膚のはり評価システム
の概略構成を示すブロック図である。

【図２】特徴量抽出部で用いる画像特徴量のリストを示
す表図である。

【図３】はり評価手段によるはり評価手順を説明するた
めのフロー図である。

【図４】ニューラルネットワークの構成を説明するため
の図である。

【図５】本評価システムおよび美容技師による官能評価
による評価値の相関関係を示すグラフ図である。

【図６】はりの評価に対する各画像特徴量の寄与を出力
層の変化量でみた結果を示すグラフ図である。

【符号の説明】

１０はり評価システム１２撮像装置１４コンピュータ１６レンズ１８ＣＣＤカメラ２０画像処理手段２２はり評価手段２４特徴量抽出部２６、Ｓ４ニューラルネットワークＳ１０入力層Ｓ１１出力層Ｓ１２中間層

───────────────────────────────────────────────────── フロントページの続き (72)発明者高橋元次神奈川県横浜市都筑区早渕２−２−１株式会社資生堂リサーチセンター（新横浜) 内 (72)発明者小沢慎治神奈川県横浜市港北区日吉３−14−１慶應義塾大学内 (72)発明者斎藤英雄神奈川県横浜市港北区日吉３−14−１慶應義塾大学内Ｆターム(参考） 4C038 VA03 VA04 VB22 VC05 5B057 BA11 CA01 CA16 CB01 CB20 CH01 DA04 DA12 DA17 DB06 DC01 DC36 5L096 AA02 BA03 CA14 DA02 FA15 FA81 GA57 GA59 JA01 JA11

Claims

【特許請求の範囲】

【請求項１】皮膚表面を撮像して皮膚表面画像データ
を得る撮像手段と、得られた該皮膚表面画像データに対して処理を施して処
理データを得る画像処理手段と、複数の被験者について皮膚表面を目視観察して得たはり
の程度についての官能評価データを教師信号として用い
て、該複数の被験者について撮像し、処理した該処理デ
ータを学習した学習結果に基づいて、評価対象の被験者
についてはりの程度を評価するはり評価手段とを有する
ことを特徴とする皮膚のはり評価システム。
【請求項２】前記撮像手段は、皮膚表面を拡大する拡
大手段を備えたＣＣＤカメラを有することを特徴とする
請求項１記載の皮膚のはり評価システム。
【請求項３】前記画像処理手段は、前記皮膚表面画像
データから皮膚のはりに関するものとして予め設定した
複数の特徴量について値を抽出する特徴量抽出部を有す
ることを特徴とする請求項１記載の皮膚のはり評価シス
テム。
【請求項４】前記特徴量として、少なくともきめおよ
びくすみに関する指標のうちのいずれか１つまたは双方
の指標を含むことを特徴とする請求項３記載の皮膚のは
り評価システム。
【請求項５】前記はり評価手段はコンピュータであ
り、入力層、中間層および出力層からなる階層型ニューラル
ネットワークを有し、学習により各層間の重み付けを変えて、はりの程度を評
価することを特徴とする請求項１〜４のいずれか１項に
記載の皮膚のはり評価システム。
【請求項６】前記出力層は、はりの評価データを含む
とともに、はり以外の他の皮膚状態の評価データをさら
に含むことを特徴とする請求項５記載の皮膚のはり評価
システム。
【請求項７】前記階層型ニューラルネットワークにお
いて、バックプロバゲーション学習則に基づいて学習す
ることを特徴とする請求項５または６記載の皮膚のはり
評価システム。