JP2021009517A - 服装学習システム、服装評価システム、服装学習評価システム、電子ミラー、服装学習方法、服装評価方法、プログラム - Google Patents

Abstract

【課題】課題は、ユーザが自身に合った服装の学習を行える、服装学習システム、服装評価システム、服装学習評価システム、電子ミラー、服装学習方法、服装評価方法、及びプログラムを提供することである。【解決手段】服装学習システム（提示装置２０）は、ユーザの身体情報を取得する身体情報取得部（取得部Ｆ１１）と、身体情報取得部（取得部Ｆ１１）で取得された身体情報、及び、ユーザの服装の評価の結果の評価履歴Ｈ１２に基づいて生成される、ユーザに合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示部（提示部Ｆ１４）と、を備える。【選択図】 図２

Description

本開示は、服装学習システム、服装評価システム、服装学習評価システム、電子ミラー、服装学習方法、服装評価方法、及びプログラムに関する。特に、本開示は、服装に関する知識を習得可能とする服装学習システム、服装評価システム、服装学習評価システム、電子ミラー、服装学習方法、服装評価方法、及びプログラムに関する。

特許文献１は、服飾品購入支援システムを開示する。服飾品購入支援システムは、少なくともファッション系統情報が含まれる各服飾品の詳細データ及びイメージ生成用データを格納する服飾品データ記憶部と、服飾品の情報を掲載する情報媒体名と、該情報媒体に掲載されている服飾品のファッション系統とを関連付けて記憶する媒体情報記憶部と、を備える。服飾品購入支援システムは、ユーザ端末から、少なくとも情報媒体名を含む服飾品選択条件を受け付ける。服飾品購入支援システムは、前記選択された情報媒体名に対応するファッション系統に属する服飾品の中から、所定のカラーコーディネート規則に適合する服飾品データを抽出する。最後に、服飾品購入支援システムは、前記抽出した服飾品を組み合わせたコーディネート案を表したグラフィックイメージを生成し、ユーザ端末に対して送信する。

特許５００３３３４号公報

特許文献１では、ユーザは、自身の好みに基づいたコーディネート案を知ることはできる。しかしながら、ユーザにとって、コーディネート案が客観的に自身に合った服装となっているかどうかを判断することは難しい。

課題は、ユーザが自身に合った服装の学習を行える、服装学習システム、服装評価システム、服装学習評価システム、電子ミラー、服装学習方法、服装評価方法、及びプログラムを提供することである。

本開示の一態様の服装学習システムは、ユーザの身体情報を取得する身体情報取得部と、前記身体情報取得部で取得された前記身体情報、及び、前記ユーザの服装の評価の結果の評価履歴に基づいて生成される、前記ユーザに合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示部と、を備える。

本開示の一態様の服装評価システムは、ユーザの姿情報を取得する姿情報取得部と、前記姿情報取得部で取得された前記姿情報に基づいて行われる前記ユーザの服装の評価の結果を、前記ユーザに合う服装を学習するための学習コンテンツによる学習の学習履歴に基づく態様で提示する評価結果提示部と、を備える。

本開示の一態様の服装学習評価システムは、上記服装学習システムと、上記服装評価システムと、を備える。

本開示の一態様の電子ミラーは、上記服装学習システムの学習コンテンツ提示部と上記服装評価システムの評価結果提示部との少なくとも一方を備える。

本開示の一態様の服装学習方法は、ユーザの身体情報を取得する身体情報取得ステップと、前記身体情報取得ステップで取得された前記身体情報、及び、前記ユーザの服装の評価の結果の評価履歴に基づいて生成される、前記ユーザに合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示ステップと、を含む。

本開示の一態様の服装評価方法は、ユーザの姿情報を取得する姿情報取得ステップと、前記姿情報取得ステップで取得された前記姿情報に基づいて行われる前記ユーザの服装の評価の結果を、前記ユーザに合う服装を学習するための学習コンテンツによる学習の学習履歴に基づく態様で提示する評価結果提示ステップと、を備える。

本開示の一態様のプログラムは、１以上のプロセッサに、上記服装学習方法と上記服装評価方法との少なくとも一方を実行させるための、プログラムである。

本開示の態様によれば、ユーザが自身に合った服装の学習を行える、という効果を奏する。

図１は、一実施形態の服装学習評価システムの概略図である。 図２は、上記服装学習評価システムのブロック図である。 図３は、上記服装学習評価システムが提示する学習コンテンツの画面の一例を示す図である。 図４は、上記服装学習評価システムが提示する学習コンテンツの画面の一例を示す図である。 図５は、上記服装学習評価システムが提示する評価結果の画面の一例を示す図である。 図６は、上記服装学習評価システムにおける服装学習方法のフローチャートである。 図７は、上記服装学習評価システムにおける服装評価方法のフローチャートである。 図８は、上記服装学習評価システムの変形例１のブロック図である。 図９は、上記服装学習評価システムの変形例２の概略図である。 図１０は、上記服装学習評価システムの変形例２のブロック図である。

１．実施形態
１．１ 概要
図１は、一実施形態の服装学習評価システム１０を示す。服装学習評価システム１０は、提示装置２０を備える。提示装置２０は、服装学習システムとしての機能（服装学習機能）を有する。図２に示すように、提示装置２０は、取得部Ｆ１１と、提示部Ｆ１４とを備える。取得部Ｆ１１は、ユーザ１００（図１参照）の身体情報を取得する身体情報取得部として機能する。提示部Ｆ１４は、身体情報取得部（取得部Ｆ１１）で取得された身体情報、及び、ユーザ１００の服装の評価の結果の評価履歴Ｈ１２に基づいて生成される、ユーザに合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示部として機能する。提示装置２０が提示する学習コンテンツは、ユーザ１００の身体情報、及び、ユーザ１００の服装の評価の結果の評価履歴Ｈ１２に基づいて生成される。そのため、服装学習評価システム１０によれば、ユーザ１００が自身に合った服装の学習を行える。

また、提示装置２０は、服装評価システムとしての機能（服装評価機能）を有する。図２に示すように、提示装置２０は、取得部Ｆ１１と、提示部Ｆ１４とを備える。取得部Ｆ１１は、姿情報取得部として機能する。姿情報取得部は、ユーザ１００の姿情報を取得する。提示部Ｆ１４は、評価結果提示部として機能する。評価結果提示部は、姿情報取得部（取得部Ｆ１１）で取得された姿情報に基づいて行われるユーザ１００の服装の評価の結果を、ユーザ１００に合う服装を学習するための学習コンテンツによる学習の学習履歴Ｈ１１に基づく態様で提示する。提示装置２０が提示するユーザ１００の服装の評価の結果は、学習履歴Ｈ１１に基づく態様で提示される。そのため、服装学習評価システム１０によれば、ユーザ１００が自身に合った服装の学習を行える。

１．２ 詳細
以下、本実施形態の服装学習評価システム１０について、図１〜図７を参照して更に詳細に説明する。服装学習評価システム１０は、図１及び図２に示すように、提示装置２０と、入力システム３０と、サーバ４０とを備える。提示装置２０は、入力システム３０及びサーバ４０と通信ネットワーク５０を通じて通信可能である。通信ネットワーク５０は、インターネットを含み得る。通信ネットワーク５０は、単一の通信プロトコルに準拠したネットワークだけではなく、異なる通信プロトコルに準拠した複数のネットワークで構成され得る。通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。図２及び図３では簡略化されているが、通信ネットワーク５０は、リピータハブ、スイッチングハブ、ブリッジ、ゲートウェイ、ルータ等のデータ通信機器を含み得る。

入力システム３０は、図１及び図２に示すように、画像入力装置３１と、情報入力装置３２とを含む。画像入力装置３１及び情報入力装置３２はいずれもユーザ１００に関する情報を服装学習評価システム１０に入力するための装置である。

画像入力装置３１は、ユーザ１００に関する画像を服装学習評価システム１０に入力するための装置である。ユーザ１００に関する画像は、ユーザ１００自身の画像、及び、ユーザ１００の所有物の画像を含み得る。ユーザ１００自身の画像は、一例として、ユーザ１００の顔の画像等のユーザ１００の肌が写っている画像、及び、ユーザ１００の全身が写っている画像を含み得る。ユーザ１００の所有物の画像は、ユーザ１００の所有している服装（衣類、装身具等）の画像であってよい。画像入力装置３１は、一例としては、デジタルカメラであるが、これに限らず、ユーザ１００の画像（デジタル画像）を生成する機能を有する装置（スマートフォン、タブレット端末、ウェアラブル端末等の携帯端末、又はパーソナルコンピュータ）であってもよい。

情報入力装置３２は、ユーザ１００の画像以外の、ユーザ１００に関する情報を入力するための装置である。ユーザ１００の画像以外の情報の例としては、ユーザ１００の属性の情報がある。ユーザ１００の属性は、ユーザ１００の性別、年齢、身長、体重、肉づき、骨格、体型、服装の好み（服装の色、服装の模様、服装の形状、服装の種類等）を含み得る。情報入力装置３２は、一例としては、スマートフォンであるが、これに限らず、ユーザ１００の属性の入力が可能な装置（タブレット端末、ウェアラブル端末等の携帯端末、又はパーソナルコンピュータ）であってもよい。また、情報入力装置３２は、キーボード、マウス、トラックボール、タッチパッド、マイクロフォン、デジタルカメラを含み得る。

サーバ４０は、図２に示すように、通信部４１と、記憶部４２と、処理部４３とを備える。

通信部４１は、通信インターフェースである。本実施形態では、通信部４１は、通信ネットワーク５０に接続可能な通信インターフェースであり、通信ネットワーク５０を通じた通信を行う機能を有する。特に、通信部４１は、提示装置２０及び入力システム３０と通信ネットワーク５０を通じて通信可能である。なお、通信部４１の通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。

記憶部４２は、情報を記憶するための装置である。記憶部４２は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）等である。記憶部４２は、後述する、服装データベースＤ１１と、コンテンツデータベースＤ１２と、個人データベースＤ１３とを記憶するための領域を有する。なお、図３では、図面の簡略化の観点から、データベースを「ＤＢ」と短縮して表記している。

処理部４３は、サーバ４０の全体的な制御、すなわち、通信部４１、及び記憶部４２を制御するように構成される。処理部４３は、例えば、１以上のプロセッサ（マイクロプロセッサ）と１以上のメモリとを含むコンピュータシステムにより実現され得る。つまり、１以上のプロセッサが１以上のメモリに記憶された１以上のプログラム（アプリケーション）を実行することで、処理部４３として機能する。プログラムは、ここでは処理部４３のメモリに予め記録されているが、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。

提示装置２０は、本実施形態では、画像表示装置である。特に、提示装置２０は、電子ミラーとしての機能を有する。提示装置２０は、施設に設置される。施設は、本実施形態では、集合住宅である。なお、施設の例としては、オフィスビル、戸建て住宅、集合住宅（住戸、共用部）、店舗、ビル（ビル全体、フロア内）が挙げられる。また、施設は、建物だけではなく、建物とその建物が存在する敷地とを含んでいてもよく、例えば、工場や、公園、病院、商業施設等が挙げられる。

提示装置２０は、図１に示すように、表示画面２２１０に画像を表示する表示装置２２１と、表示画面２２１０に重ねて配置されるハーフミラー２２２とを有する。更に、提示装置２０は、図２に示すように、入力部２１と、出力部２２と、通信部２３と、記憶部２４と、処理部２５とを備える。

入力部２１は、提示装置２０に情報を入力するために用いられる。入力部２１により提示装置２０に入力する情報の例としては、ユーザ１００に関する情報、及び提示装置２０の操作のための情報を含み得る。入力部２１は、情報の入力のための１以上の入力装置を含む。１以上の入力装置は、キーボード、マウス、トラックボール、タッチパッド、マイクロフォン、デジタルカメラを含み得る。

出力部２２は、提示装置２０から情報を出力するために用いられる。出力部２２により提示装置２０から出力する情報の例としては、提示装置２０の操作のための情報、及び提示装置２０からユーザに通知する情報を含み得る。出力部２２は、情報の出力のための１以上の出力装置を含む。１以上の出力装置は、視覚的に情報を提示するための表示装置２２１、及び、聴覚的に情報を提示するためのスピーカを含み得る。

ここで、表示装置２２１は、画像を表示する表示画面２２１０を有している。上述したように、ハーフミラー２２２は、表示画面２２１０に重ねて配置される。ハーフミラー２２２は、ユーザ１００の像を映すために用いられる。表示装置２２１は、液晶ディスプレイや有機ＥＬディスプレイ等の薄型のディスプレイ装置である。本実施形態では、表示装置２２１の表示画面２２１０には、入力部２１のタッチパッドが配置されて、タッチパネルが構成されている。

通信部２３は、通信インターフェースである。本実施形態では、通信部２３は、通信ネットワーク５０に接続可能な通信インターフェースであり、通信ネットワーク５０を通じた通信を行う機能を有する。特に、通信部２３は、入力システム３０及びサーバ４０と通信ネットワーク５０を通じて通信可能である。なお、通信部２３の通信プロトコルは、周知の様々な有線及び無線通信規格から選択され得る。

記憶部２４は、情報を記憶するための装置である。記憶部２４は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）等である。記憶部２４は、後述する、学習履歴Ｈ１１と、評価履歴Ｈ１２とを記憶するための領域を有する。

処理部２５は、提示装置２０の全体的な制御、すなわち、入力部２１、出力部２２、通信部２３、及び記憶部２４を制御するように構成される。特に、本実施形態では、提示装置２０は、デジタルミラーである。一例として、処理部２５は、入力部２１のカメラにより得たユーザ１００の画像を、出力部２２の表示装置２２１に表示する機能を有する。処理部２５は、例えば、１以上のプロセッサ（マイクロプロセッサ）と１以上のメモリとを含むコンピュータシステムにより実現され得る。つまり、１以上のプロセッサが１以上のメモリに記憶された１以上のプログラム（アプリケーション）を実行することで、処理部２５として機能する。プログラムは、ここでは処理部２５のメモリに予め記録されているが、インターネット等の電気通信回線を通じて、又はメモリカード等の非一時的な記録媒体に記録されて提供されてもよい。

処理部２５は、図２に示すように、取得部Ｆ１１と、生成部Ｆ１２と、評価部Ｆ１３と、提示部Ｆ１４とを備える。図２において、取得部Ｆ１１、生成部Ｆ１２、評価部Ｆ１３、及び提示部Ｆ１４は実体のある構成を示しているわけではなく、処理部２５によって実現される機能を示している。

取得部Ｆ１１は、ユーザ１００の身体情報を取得するように構成される。つまり、取得部Ｆ１１は、ユーザの身体情報を取得する身体情報取得部として機能する。つまり、取得部Ｆ１１は、ユーザ１００の身体情報を取得する身体情報取得ステップを実行する。身体情報は、ユーザ１００の身体に関する情報である。本実施形態では、身体情報は、ユーザ１００の色に関する情報と、ユーザ１００の体格に関する情報とを含む。ユーザ１００の色に関する情報は、ユーザ１００の身体の特定部位の色の情報である。特定部位の色の例としては、肌の色、髪の色、瞳の色が挙げられる。本実施形態では、肌の色の情報が用いられる。ユーザ１００の体格に関する情報は、ユーザ１００の身長、体重、肉づき、骨格、及び体型の少なくとも一つに関する情報を含む。本実施形態では、ユーザ１００の身長と体重の情報が用いられる。

取得部Ｆ１１は、身体情報を入力システム３０から取得する。特に、取得部Ｆ１１は、ユーザ１００の色に関する情報を、画像入力装置３１から取得する。本実施形態では、ユーザ１００の色に関する情報は、ユーザ１００の肌が写っている画像であって、一例としては、ユーザ１００の顔の画像である。また、取得部Ｆ１１は、ユーザ１００の体格に関する情報を、情報入力装置３２から取得する。本実施形態では、ユーザ１００の体格に関する情報は、ユーザ１００の身長と体重の情報である。

また、取得部Ｆ１１は、ユーザ１００の姿情報を取得するように構成される。つまり、取得部Ｆ１１は、ユーザの姿情報を取得する姿情報取得部として機能する。つまり、取得部Ｆ１１は、ユーザ１００の姿情報を取得する姿情報取得ステップを実行する。姿情報は、ユーザ１００の姿に関する情報である。本実施形態では、姿情報は、ユーザ１００の姿に関する情報を含む。ユーザ１００の姿に関する情報は、ユーザ１００がどのような服装をしているかを示す情報である。つまり、ユーザ１００の姿に関する情報は、ユーザ１００の服装を特定することが可能な情報である。一例として、ユーザ１００の姿に関する情報は、ユーザ１００自身の画像であり得る。

取得部Ｆ１１は、姿情報を入力システム３０から取得する。特に、取得部Ｆ１１は、姿情報を、画像入力装置３１から取得する。本実施形態では、姿情報は、ユーザ１００が写っている画像であって、一例としては、ユーザ１００の全身の画像である。

生成部Ｆ１２は、ユーザ１００に合う服装を学習するための学習コンテンツを生成するように構成される。本実施形態では、生成部Ｆ１２は、身体情報に基づいて、ユーザ１００の色と体格との少なくとも一方に関する分析を行い、分析の結果に基づいてユーザ１００に合う服装を決定し、学習コンテンツを生成する。

生成部Ｆ１２は、ユーザ１００の身体情報に基づく分析を実行する。より詳細には、生成部Ｆ１２は、身体情報に基づいて、ユーザ１００の色と体格との少なくとも一方に関する分析を行う。本実施形態では、生成部Ｆ１２は、ユーザ１００の色と体格とに関する分析を行う。

ユーザ１００の色に関する分析は、ユーザ１００の肌の色に基づくユーザ１００の色の分類を含む。生成部Ｆ１２は、ユーザ１００の肌の色を、取得部Ｆ１１で取得されたユーザ１００の身体情報に含まれるユーザ１００の色に関する情報から取得する。よって、生成部Ｆ１２は、ユーザ１００の色に関する情報に基づいて、ユーザ１００の色の分類を行う。ユーザ１００の色は、４つの類型に分類され得る。一例として、４つの類型は、肌の色がイエローベースで明るい第１類型、肌の色がウォームベースで暗い第２類型、肌の色がブルーベース（クールタイプ）で明るい第３類型、肌の色がブルーベースで暗い第４類型である。なお、イエローベースは、黄みがかった肌色をいい、ウォームタイプともいわれる。ブルーベースは、青みがかった肌色をいい、クールタイプともいわれる。第１〜第４類型は、慣用的に、スプリング、サマー、オータム、及びウィンターともいわれる。ただし、本実施形態では、ユーザ１００の色の分類は、イエローベース（ウォームタイプ）とブルーベース（クールタイプ）との２類型である。

生成部Ｆ１２は、ユーザ１００の色に関する分析では、ユーザ１００の肌の色がイエローベースかブルーベースかを判定する。一例として、生成部Ｆ１２は、ユーザ１００の肌の色とイエローベースとの類似度と、ユーザ１００の肌の色とブルーベースと類似度との比較に基づいて、ユーザ１００の色の分類を実行してよい。色分析部Ｆ１２１は、ユーザ１００の肌の色を、取得部Ｆ１１で得たユーザ１００の顔の画像から取得可能である。なお、生成部Ｆ１２は、ユーザ１００の肌の色の入力に対してイエローベースかブルーベースかを出力する学習済みモデルを利用して、ユーザ１００の色の分類を実行してよい。生成部Ｆ１２は、ユーザ１００の色に関する分析の結果として、ユーザ１００の色がイエローベースかブルーベースかを提供する。

ユーザ１００の体格に関する分析は、ユーザ１００の身長、体重、肉づき、骨格、及び体型の少なくとも一つに基づくユーザ１００の体格の分類を含む。生成部Ｆ１２は、ユーザ１００の身長、体重、肉づき、骨格、及び体型の少なくとも一つの情報を、取得部Ｆ１１で取得されたユーザ１００の身体情報に含まれるユーザ１００の体格に関する情報から取得する。本実施形態では、身体情報は、ユーザ１００の身長と体重の情報を含む。よって、生成部Ｆ１２は、ユーザ１００の体格に関する情報（ユーザ１００の身長及び体重）に基づいて、ユーザ１００の体格の分類を行う。ユーザ１００の体格は、４つの類型に分類され得る。一例として、４つの類型は、身長高めかつ体重多めの第１類型、身長高めかつ体重少なめの第２類型、身長低めかつ体重多めの第３類型、身長低めかつ体重少なめの第４類型である。

生成部Ｆ１２は、ユーザ１００の体格に関する分析では、ユーザ１００の体格が第１類型〜第４類型のいずれであるかを判定する。一例として、生成部Ｆ１２は、ユーザ１００の身長が身長閾値以上であれば、ユーザ１００は身長高めと判断し、ユーザ１００の身長が身長閾値未満であれば、ユーザ１００は身長低めと判断する。身長閾値は、平均身長であってよい。平均身長は、性別、年齢等で変わり得る。ここでの平均身長は、ユーザ１００と同じ性別、同じ年代の人の平均身長であるとよい。なお、身長閾値は、平均身長以外の値であってよく、理想身長等、種々の数値を利用可能である。生成部Ｆ１２は、ユーザ１００の体重が体重閾値以上であれば、ユーザ１００は体重多めと判断し、ユーザ１００の体重が体重閾値未満であれば、ユーザ１００は体重少なめと判断する。体重閾値は、ユーザ１００がぽっちゃりかほっそり、又は、がっしりかきゃしゃかを判定するための値であってよい。体重閾値は、一例としては、理想体重であってよい。理想体重は、性別、年齢等で変わり得る。ここでの理想体重は、ユーザ１００と同じ性別、同じ年代の人の理想体重であるとよい。なお、体重閾値は、理想体重以外の値であってよく、平均体重等、種々の数値を利用可能である。よって、生成部Ｆ１２は、ユーザ１００の身長と身長閾値との比較の結果、及び、ユーザ１００の体重と体重閾値との比較に基づいて、ユーザ１００の体格の分類を実行してよい。なお、生成部Ｆ１２は、ユーザ１００の身長及び体重の入力に対してユーザ１００が第１類型〜第４類型のいずれであるかを出力する学習済みモデルを利用して、ユーザ１００の体格の分類を実行してよい。生成部Ｆ１２は、ユーザ１００の体格に関する分析の結果として、ユーザ１００の体格が第１類型〜第４類型のいずれであるかを提供する。

生成部Ｆ１２は、ユーザ１００の身体情報に基づく分析の結果（本実施形態では、ユーザ１００の色の分析の結果と体格の分析の結果）を、サーバ４０の記憶部４２の個人データベースＤ１３に登録するように構成される。したがって、ユーザ１００の身体情報に基づく分析の結果が得られれば、生成部Ｆ１２での分析を再度実行しなくても、服装学習評価システム１０は、個人データベースＤ１３からユーザ１００の身体情報に基づく分析の結果を利用することができる。ただし、ユーザ１００の身体情報に変更がある場合には、再度、生成部Ｆ１２による分析を実行することが好ましい。

生成部Ｆ１２は、ユーザ１００の身体情報に基づく分析の結果に基づいてユーザ１００に合う服装を決定し、学習コンテンツを生成する。

生成部Ｆ１２は、分析の結果に基づいてユーザ１００に合う服装を決定する場合に、サーバ４０の記憶部４２の服装データベースＤ１１を検索する。服装データベースＤ１１は、服装に関するデータベースである。服装データベースＤ１１は、複数の服装情報を保持している。服装情報は、服装の属性、及び、服装の画像を含み得る。服装の属性は、種類、色、柄、シルエットを含み得る。服装の種類は、ワンピース、シャツ、スカート、ジャケット、コート、ボトムス等の衣類の種類と、ネックレス、イヤリング等の装身具の種類等を含み得る。服装の色は、赤、青、白、黄色等を含み得る。服装の色は、服装の全体としての色の印象に基づいて定められる。つまり、服装の色が赤であるといっても、服装が赤の単色であることを意味しているわけではない。服装の柄は、無地、幾何学柄、花柄、ダマスク柄、アニマル柄を含み得る。幾何学柄の例としては、ストライプ、チェック、ボーダー、ドット（水玉）柄が挙げられる。ストライプの例としては、子持ちストライプ、レガッタストライプ、ロンドンストライプ、ブロックストライプ、チェックの例としては、ギンガムチェック、グラフチェック、千鳥格子が挙げられる。ドット柄は、更に、ドットの大きさ及びドットの並び方が異なる複数の柄を含み得る。花柄は、更に、花のリアルさ、花の大きさ、及び花の並び方が異なる複数の柄を含み得る。アニマル柄の例としては、ヒョウ柄など茶系のアニマル柄、モノトーンのアニマル柄が挙げられる。服装のシルエットは、メリハリ系、直線系、上重心系、下重心系、丸み系を含み得る。メリハリ系の例としては、Ｘラインシルエット、マーメイドシルエット、アワーグラスシルエットが挙げられる。直線系の例としては、ストレートシルエット、スリムシルエットが挙げられる。上重心系の例としては、Ｙライン、逆三角形が挙げられる。下重心系の例としては、Ａラインシルエット、エンパイアシルエット、フィット＆フレアシルエットが挙げられる。丸み系の例としては、バルーンシルエット、コクーンシルエット、バレルシルエットが挙げられる。

服装データベースＤ１１は、図２に示すように、所有服装データベースＤ１１１と、非所有服装データベースＤ１１２とを含み得る。所有服装データベースＤ１１１は、ユーザ１００が所有している服装に関するデータベースである。つまり、所有服装データベースＤ１１１に登録されている服装情報は、ユーザ１００が実際に所有している服装に関する情報である。ユーザ１００は、入力システム３０を用いて、ユーザ１００が所有している服装を所有服装データベースＤ１１１に登録することが可能である。一例として、ユーザ１００は、入力システム３０の画像入力装置３１で服装を撮影して、情報入力装置３２を用いて所有服装データベースＤ１１１に入力することが可能である。非所有服装データベースＤ１１２は、ユーザ１００が所有していない服装に関するデータベースである。つまり、非所有服装データベースＤ１１２に登録されている服装情報は、ユーザ１００が実際に所有していない服装に関する情報である。一例として、非所有服装データベースＤ１１２にはあらかじめ複数の服装情報が登録される。なお、非所有服装データベースＤ１１２には、インターネット上のウェブサイト（ショッピングサイト）等から取得された服装情報が新たに登録され得る。服装には流行があるため、非所有服装データベースＤ１１２は定期的に更新されることが好ましい。なお、ユーザ１００が新しく服装を購入した場合には、所有服装データベースＤ１１１には、これまで非所有服装データベースＤ１１２にだけ登録されている服装に関する情報が登録され得る。この観点から言えば、所有服装データベースＤ１１１は、ユーザ１００が自身で作成するデータベースであり、非所有服装データベースＤ１１２は、服装学習評価システム１０が機械的に作成するデータベースであるともいえる。

生成部Ｆ１２は、ユーザ１００の色の分析の結果と体格の分析の結果との組み合わせに基づいて、ユーザ１００に合う服装を決定する。生成部Ｆ１２は、ユーザ１００の色の分析の結果と体格の分析の結果との組み合わせに基づいて、ユーザ１００に合う服装を決定するための服装決定アルゴリズムを有している。服装決定アルゴリズムは、ユーザ１００の色の分析の結果と体格の分析の結果との組み合わせに対して、ユーザ１００に合う服装の属性の条件を出力する。一例として、ユーザ１００の色の分析の結果がウォームタイプで、ユーザ１００の体格の分析の結果が第３類型（身長低めかつ体重多め）である場合、服装決定アルゴリズムは、ユーザ１００に合う服装の属性に関して、色が明るくライトな赤色であるという条件を出力する。他の例として、ユーザ１００の色の分析の結果がウォームタイプで、ユーザ１００の体格の分析の結果が第３類型（身長低めかつ体重多め）又は第４類型（身長低めかつ体重少なめ）である場合、服装決定アルゴリズムは、ユーザ１００に合う服装の属性に関して、柄が小さい花がちりばめられた花柄であるという条件を出力する。他の例として、ユーザ１００の色の分析の結果がウォームタイプ又はクールタイプで、ユーザ１００の体格の分析の結果が第２類型（身長高めかつ体重少なめ）である場合、服装決定アルゴリズムは、ユーザ１００に合う服装の属性に関して、シルエットが直線系であるという条件を出力する。生成部Ｆ１２は、服装決定アルゴリズムで得た条件に合致する服装（つまり、ユーザ１００に合う服装）を、服装データベースＤ１１から検索して、ユーザ１００に合う服装を決定する。ここで、生成部Ｆ１２は、非所有服装データベースＤ１１２よりも先に所有服装データベースＤ１１１を検索する。つまり、生成部Ｆ１２は、所有服装データベースＤ１１１にユーザ１００に合う服装がない場合に、非所有服装データベースＤ１１２の検索を行う。なお、どのようなユーザ１００にどのような服装が合うかについては、従来周知のファッション理論等を利用できるから、詳細な説明は省略する。なお、服装決定アルゴリズムは、学習済みモデルであってもよい。つまり、生成部Ｆ１２は、ユーザ１００の色の分析の結果と体格の分析の結果との組み合わせとユーザ１００に合う服装との関係を学習した学習済みモデルを利用して、ユーザ１００に合う服装を決定してよい。

生成部Ｆ１２は、学習コンテンツを生成する場合に、サーバ４０の記憶部４２のコンテンツデータベースＤ１２を検索する。コンテンツデータベースＤ１２は、学習コンテンツに関するデータベースである。コンテンツデータベースＤ１２は、複数の学習コンテンツを保持している。例えば、コンテンツデータベースＤ１２では、複数のクラスのそれぞれに対して複数のカリキュラム（学習コンテンツ）が用意されている。表１は、コンテンツデータベースＤ１２の一例を示す。なお、表１では、見やすさの向上のために、学習コンテンツを、単に「コンテンツ」と略している。

クラスは、ユーザ１００の分類を示す。クラスは、ユーザ１００の色の分析の結果と体格の分析の結果との組み合わせに基づいて、決定される。上述したように、ユーザ１００の色に関する分析では、ユーザ１００の肌の色がイエローベースかブルーベースかを判定する。また、ユーザ１００の体格に関する分析では、ユーザ１００の体格が第１類型〜第４類型のいずれであるかを判定する。よって、本実施形態では、ユーザ１００は、８つのクラスに分類され得る。一例として、表１のクラスＡは、ユーザ１００の肌の色がイエローベースで、ユーザ１００の体格が第３類型であるクラスである。

カリキュラムは、学習コンテンツのジャンル及び難易度を示してよい。ジャンルは、服装の属性であってよい。つまり、学習コンテンツは、服装の種類、色、柄、シルエット毎に、出題可能である。表１においては、カリキュラム１、カリキュラム２、カリキュラム３、カリキュラム４の順に学習コンテンツの難易度が高くなる。クラスＡの場合、学習コンテンツＡ１、学習コンテンツＡ２、学習コンテンツＡ３、学習コンテンツＡ４の順に難易度が高い。このように難易度別の複数のカリキュラムを用意することで、ユーザ１００の学習コンテンツに対する習熟度に応じて、適切なカリキュラムの選択（学習コンテンツの選択）が可能となる。

各学習コンテンツは、ユーザ１００に合う服装に関する問題及び当該問題の解説を含み得る。本実施形態では、ユーザ１００に合う服装に関する問題は、多肢選択式問題である。多肢選択式問題は、設問文と複数の選択肢とを含む。設問文は、分析の結果を提示する文章を含む。設問文は、一例として、「クールタイプ、身長高めでぽっちゃり＆がっしりなあなたに似合う服装は？」という文章である。ここで、「クールタイプ、身長高めでぽっちゃり＆がっしりなあなた」という文章が、分析の結果を提示する文章である。これによって、ユーザ１００に分析の結果を通知することができる。ユーザ１００は、設問文を、正答肢の選択の参考にすることができる。複数の選択肢は、正解肢と１以上の誤答肢と含む。生成部Ｆ１２は、ユーザ１００に合う服装を正解肢とし、ユーザ１００に合う服装以外の服装を誤答肢に用いる。特に、誤答肢に用いる服装は、服装データベースＤ１１に登録されている、ユーザ１００に合う服装の属性の条件を満たさない服装から、選択されるとよい。ただし、誤答肢に用いる服装は、服装データベースＤ１１に登録されている服装からランダムに選択されてよい。また、複数の選択肢の各々は、服装の画像を含んでいる。

学習コンテンツでの学習の結果は、記憶部２４の学習履歴Ｈ１１に蓄積される。学習の結果は、ユーザ１００に合う服装に関する問題に正解したかどうかを含み得る。カリキュラムにおいて、正答率が一定値を超えれば、当該カリキュラムでの学習を達成したと判断してよい。よって、学習履歴Ｈ１１によればユーザ１００の学習コンテンツの習熟度を判定することが可能である。

評価部Ｆ１３は、取得部Ｆ１１で取得された姿情報に基づいてユーザ１００の服装の評価を行うように構成される。特に、評価部Ｆ１３は、姿情報に基づいてユーザ１００の服装を特定し、ユーザ１００の服装がユーザ１００に合う服装かどうかに基づいて、ユーザ１００の服装の評価を行う。

本実施形態では、姿情報は、ユーザ１００の全身の画像である。したがって、姿情報には、ユーザ１００の外観と、ユーザ１００が身に着けている服装とが含まれ得る。評価部Ｆ１３は、姿情報に含まれる、ユーザ１００の外観から、ユーザ１００の色と体格との少なくとも一方に関する分析を行ってよい。本実施形態では、評価部Ｆ１３は、ユーザ１００の色と体格とに関する分析を行う。なお、ユーザ１００の色と体格とに関する分析は、生成部Ｆ１２での分析と同様であってよい。また、生成部Ｆ１２で既に分析が完了している場合には、評価部Ｆ１３は、生成部Ｆ１２から分析の結果を取得してもよいし、サーバ４０の個人データベースＤ１３から分析の結果を取得してもよい。

また、評価部Ｆ１３は、姿情報に基づいてユーザ１００の服装を特定する。本実施形態では、評価部Ｆ１３は、姿情報が示すユーザの全身の画像からユーザ１００の服装を抽出し、抽出した服装から服装情報を取得する。つまり、評価部Ｆ１３は、姿情報に基づいて、ユーザ１００が身に着けている服装の服装情報を取得する。つまり、評価部Ｆ１３は、ユーザ１００が身に着けている服装の服装情報を取得することによって、ユーザ１００の服装を特定する。なお、ユーザの全身の画像からのユーザ１００の服装の抽出は、周知の画像処理によって実現可能である。

評価部Ｆ１３は、ユーザ１００の服装の評価では、ユーザ１００の色と体格とに関する分析の結果と、ユーザ１００が身に着けている服装の服装情報とに基づいて、ユーザ１００の服装がユーザに合う服装かどうかを判定する。一例として、評価部Ｆ１３は、ユーザ１００の服装がユーザに合う服装かどうかを、ユーザ１００が身に着けている服装の服装情報と、分析の結果により得られたユーザ１００に似合う服装の服装情報との一致度に基づいて判定する。評価部Ｆ１３は、一致度が高ければ、ユーザ１００の服装の評価を高く（評価を良く）し、一致度が低ければ、ユーザ１００の服装の評価を低く（評価を悪く）してよい。

評価部Ｆ１３での評価の結果は、記憶部２４の評価履歴Ｈ１２に蓄積される。評価の結果は、評価の対象と関連付けて評価履歴Ｈ１２に蓄積される。評価の対象は、姿情報、及び、姿情報から得られたユーザ１００が身に着けている服装の服装情報を含み得る。よって、評価履歴Ｈ１２によれば、ユーザがどのような服装についてどのような評価を受けたかという情報を取得することができる。

生成部Ｆ１２は、学習コンテンツの生成にあたっては、ユーザ１００の服装の評価の結果の評価履歴Ｈ１２を利用する。

生成部Ｆ１２は、ユーザ１００が学習コンテンツで未学習の服装に関して、評価履歴Ｈ１２に良い評価があれば、ユーザ１００が学習コンテンツで未学習の服装に関する学習コンテンツを生成する。これによって、ユーザ１００が既に良い評価をもらっている服装に関して、習熟度を深めることが可能となる。つまり、ユーザ１００の得意な分野の服装に関する知識を深めることが可能となる。例えば、クラスＡのユーザ１００について、カリキュラム２に含まれる服装に関して評価履歴Ｈ１２に良い評価があれば、生成部Ｆ１２は、学習コンテンツＡ２を選択してよい。一方、生成部Ｆ１２は、ユーザ１００が学習コンテンツで未学習の服装に関して、評価履歴Ｈ１２に高い評価がなければ、学習履歴Ｈ１１から得られる学習の習熟度に応じて、学習コンテンツを生成してよい。例えば、クラスＡのユーザ１００について、カリキュラム２まで終了していれば、生成部Ｆ１２は、カリキュラム３に対応する学習コンテンツＡ３を選択してよい。

また、生成部Ｆ１２は、ユーザ１００が学習コンテンツで学習済みの服装に関して、評価履歴Ｈ１２に悪い評価があれば、ユーザ１００が学習コンテンツで学習済みの服装に関する学習コンテンツを生成する。これによって、ユーザ１００が既に悪い評価をもらっている服装に関して、習熟度を深めることが可能となる。つまり、ユーザ１００の不得意な分野の服装に関する知識を補強することが可能となる。例えば、クラスＢのユーザ１００について、カリキュラム３に含まれる服装に関して評価履歴Ｈ１２に悪い評価があれば、生成部Ｆ１２は、学習コンテンツＢ３を選択してよい。一方、生成部Ｆ１２は、ユーザ１００が学習コンテンツで学習済みの服装に関して、評価履歴Ｈ１２に悪い評価がなければ、学習履歴Ｈ１１から得られる学習の習熟度に応じて、学習コンテンツを生成してよい。例えば、クラスＢのユーザ１００について、カリキュラム３まで終了していれば、生成部Ｆ１２は、カリキュラム４に対応する学習コンテンツＢ４を選択してよい。

また、生成部Ｆ１２は、ユーザ１００の服装の評価の結果の評価履歴Ｈ１２を利用して、学習コンテンツのユーザ１００に合う服装に関する問題に、学習コンテンツの補足情報を含めてよい。学習コンテンツの補足情報は、ユーザ１００の服装の評価の結果の評価履歴Ｈ１２に基づいて生成される。補足情報は、問題についてのヒントとなる文章であってよい。なお、補足情報は、必ずしも文章ではなく、ヒントになる画像であってもよい。例えば、生成部Ｆ１２は、評価履歴Ｈ１２から、問題の対象となっている服装に対応する服装情報についての評価の結果を抽出し、抽出した評価の結果に基づいて、補足情報を生成してよい。なお、生成部Ｆ１２は、評価履歴Ｈ１２に利用可能な評価の結果がない場合には、補足情報を生成しない。

図３及び図４は、学習コンテンツの一例を示す。ここでの学習コンテンツは、服装の色に関する多肢選択式問題である。図３は、多肢選択式問題を提示する問題提示画面Ｐ１１であり、図４は、問題の解答を提示する解答画面Ｐ１２である。問題提示画面Ｐ１１は、設問文領域Ｒ１１０と、複数（図４では３つ）の選択肢領域Ｒ１１１〜Ｒ１１３と、追加領域Ｒ１１４を含む。設問文領域Ｒ１１０は、設問文を表示する領域である。図３では、設問文は、「ウォームタイプ、身長低めでぽっちゃり＆がっしりなあなたに似合う赤色系の服は？」という文章である。ここで、「ウォームタイプ、身長低めでぽっちゃり＆がっしりなあなた」という文章が、生成部Ｆ１２での分析の結果を提示している。複数の選択肢領域Ｒ１１１〜Ｒ１１３のそれぞれは、選択肢を表示する領域である。図３から明らかなように、選択肢は、服装の画像を含んでいる。ここでは、選択肢領域Ｒ１１１が正解肢、残りの選択肢領域Ｒ１１２，Ｒ１１３が誤答肢である。追加領域Ｒ１１４は、補足情報を表示する領域である。図３では、追加領域Ｒ１１４は、第１領域Ｒ１１４ａと第２領域Ｒ１１４ｂとを含む。第１領域Ｒ１１４ａは、ユーザ１００の関心を学習コンテンツの補足情報に集めるために用いられている。図３の例では、「ヒント！」という文章が第１領域Ｒ１１４ａには表示されている。第２領域Ｒ１１４ｂは、学習コンテンツの補足情報の表示に用いられている。補足情報は、「××月××日に着ていた服に、何かアドバイスをもらった気がする・・！？」という文章である。この補足情報によって、ユーザ１００の過去の評価の結果に関する記憶を呼び起こして、ユーザ１００を正解肢に導くことが可能である。

解答画面Ｐ１２は、解答領域Ｒ１２０と、解説領域Ｒ１２１とを含む。解答領域Ｒ１２０は、多肢選択式問題の解答を表示する領域である。本例では、選択肢領域Ｒ１１１が正解肢であるから、解答領域Ｒ１２０は、選択肢領域Ｒ１１１と同じ内容である。解説領域Ｒ１２１は、多肢選択式問題の解説を表示する領域である。図４では、解説は、「ウォームタイプ、身長低めでぽっちゃり＆がっしりな方におすすめは明るく・ライトな赤色の服です。」という文章である。ここで、「ウォームタイプ、身長低めでぽっちゃり＆がっしりな方」という文章は、生成部Ｆ１２での分析の結果を提示している。したがって、ユーザ１００は、学習コンテンツの多肢選択式問題に挑戦することによって、ユーザ１００に合った服装の学習をすることが可能である。

提示部Ｆ１４は、取得部Ｆ１１で取得された身体情報、及び、ユーザの服装の評価の結果の評価履歴Ｈ１２に基づいて生成される、ユーザ１００に合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示部として機能する。つまり、提示部Ｆ１４は、取得部Ｆ１１で取得された身体情報、及び、ユーザの服装の評価の結果の評価履歴Ｈ１２に基づいて生成される、ユーザ１００に合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示ステップを実行する。本実施形態では、学習コンテンツは、生成部Ｆ１２で生成される。よって、提示部Ｆ１４は、生成部Ｆ１２で生成される学習コンテンツを提示する。特に、提示部Ｆ１４は、提示装置２０の表示装置２２１により学習コンテンツを提示する。より詳細には、提示部Ｆ１４は、表示装置２２１の表示画面２２１０の表示領域Ａ１０に、学習コンテンツを提示する。上述したように、学習コンテンツは、多肢選択式問題であり、ユーザ１００は、提示装置２０の入力部２１を利用して、多肢選択式問題に対する回答を入力することが可能である。したがって、ユーザ１００は、提示装置２０の表示画面２２１０を見ながら、ユーザ１００に合う服の学習が可能である。

また、提示部Ｆ１４は、取得部Ｆ１１で取得された姿情報に基づいて行われるユーザ１００の服装の評価の結果を、ユーザ１００に合う服装を学習するための学習コンテンツによる学習の学習履歴Ｈ１１に基づく態様で提示する評価結果提示部として機能する。つまり、提示部Ｆ１４は、取得部Ｆ１１で取得された姿情報に基づいて行われるユーザ１００の服装の評価の結果を、ユーザ１００に合う服装を学習するための学習コンテンツによる学習の学習履歴Ｈ１１に基づく態様で提示する評価結果提示ステップを実行する。本実施形態では、提示部Ｆ１４は、学習履歴Ｈ１１から得られる、評価部Ｆ１３で特定されたユーザ１００の服装に関するユーザ１００の学習の習熟度に基づいて、ユーザ１００の服装の評価の結果の提示の態様を決定する。

提示の態様は、評価の結果の伝え方の態様を含む。一例としては、提示部Ｆ１４は、学習履歴Ｈ１１から得られる、評価部Ｆ１３で特定されたユーザ１００の服装に関するユーザ１００の学習の習熟度に基づいて、評価の結果とともに提示する評価の結果の補足情報を決定する。

例えば、学習コンテンツにより学習済みの服装に関して、評価の結果が高ければ、学習したことが実践できていることが伝わるように、評価の結果を提示する。一例としては、評価の結果の補足情報として「○○の実践ができていますね」といった文章を、評価の結果と合わせて提示する。逆に、学習コンテンツにより学習済みの服装に関して、評価の結果が低ければ、学習したことが実践できていないことが伝わるように、評価の結果を提示する。一例としては、「○〇月〇〇日のクイズに××と書いていましたね」といった文章を、評価の結果と合わせて提示する。

また、学習履歴Ｈ１１では学習の習熟度が低い服装に関して、評価の結果が高ければ、学習の効果があったことが伝わるように、評価の結果を提示する。一例としては、評価の結果の補足情報として「あの時間違っていたけど、ちゃんとできていますね」といった文章を、評価の結果と合わせて提示する。逆に、学習履歴Ｈ１１では学習の習熟度が高い服装に関して、評価の結果が低ければ、学習したことが実践できていないことが伝わるように、評価の結果を提示する。特に、提示部Ｆ１４は、提示装置２０の表示装置２２１により評価の結果を提示する。より詳細には、提示部Ｆ１４は、表示装置２２１の表示画面２２１０の表示領域Ａ１０に、評価の結果を提示する。したがって、ユーザ１００は、提示装置２０の表示画面２２１０を見ながら、ユーザ１００に合う服の学習が可能である。

図５は、評価の結果の一例を示す。図５は、評価の結果を提示する評価結果提示画面Ｐ１３である。評価結果提示画面Ｐ１３は、姿情報提示領域Ｒ１３０と、服装情報提示領域Ｒ１３１と、評価結果提示領域Ｒ１３２と、補足領域Ｒ１３３とを含む。姿情報提示領域Ｒ１３０は、姿情報を提示する領域である。図５では、姿情報として、ユーザ１００の全身の画像が表示されている。つまり、姿情報提示領域Ｒ１３０は、ユーザ１００の服装の外観を表示するための領域である。服装情報提示領域Ｒ１３１は、姿情報から特定したユーザ１００の服装についての情報を提示する領域である。つまり、服装情報提示領域Ｒ１３１は、ユーザ１００の服装についての説明を表示するための領域である。評価結果提示領域Ｒ１３２は、ユーザ１００の服装の評価の結果を提示するための領域である。評価結果提示領域Ｒ１３２は、第１領域Ｒ１３２ａと第２領域Ｒ１３２ｂとを含む。第１領域Ｒ１３２ａは、ユーザ１００の関心を評価の結果に集めるために用いられている。図３の例では、「ひとこと」という文章が第１領域Ｒ１３２ａには表示されている。第２領域Ｒ１３２ｂは、評価の結果の表示に用いられている。補足領域Ｒ１３３は、評価の結果の補足情報を提示するための領域である。補足領域Ｒ１３３は、第１領域Ｒ１３３ａと第２領域Ｒ１３３ｂとを含む。第１領域Ｒ１３３ａは、ユーザ１００の関心を評価の結果の補足情報に集めるために用いられている。図５の例では、「ヒント！」という文章が第１領域Ｒ１３３ａには表示されている。第２領域Ｒ１３３ｂは、評価の結果の補足情報の表示に用いられている。補足情報は、「××月××日のクイズであなたに似合うスカート丈について学習したよ！」という文章である。この補足情報によって、ユーザ１００の過去の学習に関する記憶を呼び起こして、ユーザ１００に再学習を促すことが可能である。

１．３ 動作
１．３．１ 服装学習方法
次に、服装学習評価システム１０が実行する服装学習方法について図６のフローチャートを参照して簡単に説明する。まず、服装学習評価システム１０では、取得部Ｆ１１がユーザ１００の身体情報を取得する（Ｓ１１）。ここでは、取得部Ｆ１１が、ユーザ１００の身体情報を、入力システム３０から取得することができる。次に、生成部Ｆ１２は、ユーザ１００の色及び体格に関する分析を行う。これによって、ユーザ１００の色の分類の結果、及び、ユーザ１００の体格の分類の結果が得られる。そして、生成部Ｆ１２は、ユーザ１００の色の分類の結果及びユーザ１００の体格の分類の結果に基づいて、ユーザ１００に合う服装を決定する（Ｓ１２）。生成部Ｆ１２は、ユーザ１００についての評価履歴Ｈ１２を取得する（Ｓ１３）。更に、生成部Ｆ１２は、ユーザ１００に合う服装、及び、評価履歴Ｈ１２に基づいて、設問文、正解肢、誤答肢、解説、及び補足情報を生成する。これによって、生成部Ｆ１２は、学習コンテンツを生成する（Ｓ１４）。提示部Ｆ１４は、生成部Ｆ１３で生成された学習コンテンツを、表示装置２２１の表示画面２２１０に提示する（Ｓ１５）。これによって、ユーザ１００は自身に合う服装の学習が可能となる。なお、図６のフローチャートはあくまでも服装学習方法の一例であり、ステップＳ１３，Ｓ１４は同時に実行され得る。

１．３．２ 服装評価方法
次に、服装学習評価システム１０が実行する服装評価方法について図７のフローチャートを参照して簡単に説明する。まず、服装学習評価システム１０では、取得部Ｆ１１がユーザ１００の姿情報を取得する（Ｓ２１）。ここでは、取得部Ｆ１１が、ユーザ１００の姿情報を、入力システム３０から取得することができる。次に、評価部Ｆ１３は、ユーザ１００の色及び体格に関する分析を行う。これによって、ユーザ１００の色の分類の結果、及び、ユーザ１００の体格の分類の結果が得られる（Ｓ２２）。更に、評価部Ｆ１３は、ユーザの服装の評価を行う（Ｓ２３）。ここでは、評価部Ｆ１３は、姿情報に基づいてユーザ１００の服装を特定する。そして、評価部Ｆ１３は、ユーザ１００の色と体格とに関する分析の結果と、ユーザ１００が身に着けている服装の服装情報とに基づいて、ユーザ１００の服装がユーザに合う服装かどうかを判定する。提示部Ｆ１４は、ユーザ１００についての学習履歴Ｈ１１を取得する（Ｓ２４）。提示部Ｆ１４は、評価部Ｆ１３での評価の結果を、ユーザ１００に合う服装を学習するための学習コンテンツによる学習の学習履歴Ｈ１１に基づく態様で、表示装置２２１の表示画面２２１０に提示する（Ｓ２５）。これによって、ユーザ１００は自身に合う服装の学習が可能となる。なお、図７のフローチャートはあくまでも服装評価方法の一例であり、ステップＳ２２，Ｓ２３は同時に実行され得る。

１．４ まとめ
以上述べた服装学習評価システム１０は、図２に示すように、取得部Ｆ１１と、提示部Ｆ１４とを備える服装学習システム（提示装置２０）を含む。取得部Ｆ１１は、ユーザ１００（図１参照）の身体情報を取得する身体情報取得部として機能する。提示部Ｆ１４は、身体情報取得部（取得部Ｆ１１）で取得された身体情報、及び、ユーザ１００の服装の評価の結果の評価履歴Ｈ１２に基づいて生成される、ユーザに合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示部として機能する。このような服装学習システムによれば、ユーザ１００が自身に合った服装の学習を行える。

そして、服装学習評価システム１０は、上述したように服装学習方法を実行している。服装学習方法は、身体情報取得ステップＳ１１と、学習コンテンツ提示ステップＳ１５とを含む。身体情報取得ステップＳ１１は、ユーザ１００の身体情報を取得するステップである。学習コンテンツ提示ステップＳ１５は、身体情報取得ステップＳ１１で取得された身体情報、及び、ユーザ１００の服装の評価の結果の評価履歴Ｈ１２に基づいて生成される、ユーザ１００に合う服装を学習するための学習コンテンツを提示するステップである。このような服装学習方法によれば、服装学習システムと同様に、ユーザ１００が自身に合った服装の学習を行える。

ところで、服装学習評価システム１０は、１以上のプロセッサにより実現されている。つまり、服装学習システム（提示装置２０）は、１以上のプロセッサがプログラム（服装学習プログラム）を実行することにより実現される。このプログラムは、１以上のプロセッサに、服装学習方法を実行させるためのプログラム（コンピュータプログラム）である。このようなプログラムによれば、服装学習方法と同様に、ユーザが自身に合った服装の学習を行える。

また、以上述べた服装学習評価システム１０は、図２に示すように、取得部Ｆ１１と、提示部Ｆ１４とを備える服装評価システム（提示装置２０）を含む。取得部Ｆ１１は、ユーザ１００の姿情報を取得する姿情報取得部として機能する。提示部Ｆ１４は、姿情報取得部（取得部Ｆ１１）で取得された姿情報に基づいて行われるユーザ１００の服装の評価の結果を、ユーザ１００に合う服装を学習するための学習コンテンツによる学習の学習履歴Ｈ１１に基づく態様で提示する評価結果提示部として機能する。このような服装評価システムによれば、ユーザ１００が自身に合った服装の学習を行える。

そして、服装学習評価システム１０は、上述したように服装評価方法を実行している。服装評価方法は、姿情報取得ステップＳ２１と、評価結果提示ステップＳ２５とを含む。姿情報取得ステップＳ２１は、ユーザ１００の姿情報を取得するステップである。評価結果提示ステップＳ２５は、姿情報取得ステップＳ２１で取得された姿情報に基づいて行われるユーザ１００の服装の評価の結果を、ユーザ１００に合う服装を学習するための学習コンテンツによる学習の学習履歴Ｈ１１に基づく態様で提示するステップである。このような服装評価方法によれば、服装評価システムと同様に、ユーザ１００が自身に合った服装の学習を行える。

ところで、服装学習評価システム１０は、１以上のプロセッサにより実現されている。つまり、服装評価システム（提示装置２０）は、１以上のプロセッサがプログラム（服装評価プログラム）を実行することにより実現される。このプログラムは、１以上のプロセッサに、服装評価方法を実行させるためのプログラム（コンピュータプログラム）である。このようなプログラムによれば、服装評価方法と同様に、ユーザが自身に合った服装の学習を行える。

２．変形例
本開示の実施形態は、上記実施形態に限定されない。上記実施形態は、本開示の目的を達成できれば、設計等に応じて種々の変更が可能である。以下に、上記実施形態の変形例を列挙する。

２．１ 変形例１
図８は、変形例１の服装学習評価システム１０Ａを示す。服装学習評価システム１０Ａは、提示装置２０Ａと、入力システム３０と、サーバ４０Ａとを備える。提示装置２０Ａは、取得部Ｆ１１、生成部Ｆ１２、及び評価部Ｆ１３を備えていない点で、提示装置２０と相違する。逆に、サーバ４０Ａは、取得部Ｆ１１、生成部Ｆ１２、及び評価部Ｆ１３を備えている点で、サーバ４０と相違する。つまり、服装学習評価システム１０Ａでは、提示装置２０Ａではなくサーバ４０Ａが、服装学習システムとしての機能（服装学習機能）及び服装評価システムとしての機能（服装評価機能）を有する。変形例１によれば、提示装置２０Ａでの処理負荷の低減が図れる。

２．２ 変形例２
図９及び図１０は、変形例２の服装学習評価システム１０Ｂを示す。服装学習評価システム１０Ｂは、第１提示装置２０Ｂと、第２提示装置６０と、入力システム３０と、サーバ４０とを備える。

第１提示装置２０Ｂは、図９に示すように、表示画面２２１０に画像を表示する表示装置２２１と、表示画面２２１０に重ねて配置されるハーフミラー２２２とを有する。ここで、表示装置２２１は、洗面台の鏡として利用可能な大きさである。第１提示装置２０Ｂは、図１０に示すように、入力部２１と、出力部２２と、通信部２３と、記憶部２４Ｂと、処理部２５Ｂとを備える。記憶部２４Ｂは、学習履歴Ｈ１１を記憶するが、評価履歴Ｈ１２を記憶していない点で、記憶部２４と相違する。また、処理部２５Ｂは、身体情報取得部Ｆ１５と、生成部Ｆ１２と、学習コンテンツ提示部Ｆ１６とを備える。身体情報取得部Ｆ１５は、提示装置２０の取得部Ｆ１１の身体情報取得部としての機能と同じである。学習コンテンツ提示部Ｆ１６は、提示装置２０の提示部Ｆ１４の学習コンテンツ提示部としての機能と同じである。

第２提示装置６０は、図９に示すように、表示画面６２１０に画像を表示する表示装置６２１と、表示画面６２１０に重ねて配置されるハーフミラー６２２とを有する。ここで、表示装置６２１は、姿見として利用可能な大きさである。更に、第２提示装置６０は、図１０に示すように、入力部６１と、出力部６２と、通信部６３と、記憶部６４と、処理部６５とを備える。入力部６１と、出力部６２と、通信部６３と、記憶部６４とは、入力部２１と、出力部２２と、通信部２３と、記憶部２４と同様である。ただし、記憶部６４は、評価履歴Ｈ１２を記憶するが、学習履歴Ｈ１１を記憶していない。また、処理部６５Ｂは、姿情報取得部Ｆ１７と、評価部Ｆ１３と、評価結果提示部Ｆ１８とを備える。姿情報取得部Ｆ１７は、提示装置２０の取得部Ｆ１１の姿情報取得部としての機能と同じである。評価結果提示部Ｆ１８は、提示装置２０の提示部Ｆ１４の評価結果提示部としての機能と同じである。

つまり、服装学習評価システム１０Ｂでは、提示装置２０の機能が、第１提示装置２０Ｂと第２提示装置６０とに分けられている。より詳細には、提示装置２０の服装学習機能が第１提示装置２０Ｂにより実現され、提示装置２０の服装評価機能が第２提示装置６０により実現されている。よって、服装学習評価システム１０Ｂでは、第１提示装置２０Ｂが服装学習システムとして機能し、第２提示装置６０が服装評価システムとして機能する。このように、服装学習システムと服装評価システムとは異なる実行主体により実行され得る。

２．３ その他の変形例
一変形例では、入力システム３０は、１以上の画像入力装置３１及び１以上の情報入力装置３２を有していてよい。ただし、一変形例では、提示装置２０は、入力部２１により、ユーザ情報の入力を受け付けてよい。要するに、提示装置２０は、入力システム３０としても機能してよい。この場合、入力システム３０は必須ではない。

一変形例では、提示装置２０は、サーバ４０の記憶部４２と同様の記憶部を有し、服装データベースＤ１１、コンテンツデータベースＤ１２、及び個人データベースＤ１３を備えていてよい。つまり、提示装置２０は、サーバ４０としての機能を有していてもよい。この場合、サーバ４０は必須ではない。

一変形例では、提示装置２０は、必ずしも、デジタルミラーである必要はない。提示装置２０は、取得部Ｆ１１及び提示部Ｆ１４を備えることができればよい。提示装置２０は、スマートフォン、タブレット端末、ウェアラブル端末等の携帯端末、又はパーソナルコンピュータにより実現され得る。この点は、提示装置２０Ａ、第１提示装置２０Ｂ、及び第２提示装置６０についても同様である。

一変形例では、ユーザ１００の色に関する情報は、画像入力装置３１ではなく、情報入力装置３２により直接的に入力されてよい。また、一変形例では、ユーザ１００の体格に関する情報は、情報入力装置３２により入力された情報ではなく、画像入力装置３１で入力されたユーザ１００の全身の画像から取得されてもよい。

一変形例では、ユーザ１００の色に関する分析では、ユーザ１００の肌の色だけではなく、ユーザ１００の髪の色や瞳の色を利用可能である。なお、ユーザ１００の肌の色は生まれつきの色である必要はなく、化粧後や日焼け後の色であってもよい。同様に、ユーザ１００の髪の色は生まれつきの色である必要はなく、染色後の色や、ウィッグ等の色であってもよい。また、ユーザ１００の瞳の色は生まれつきの色である必要はなく、カラーコンタクトの色であってもよい。

一変形例では、ユーザ１００の体格に関する分析では、ユーザ１００の体型を判定してよい。ユーザの体型の例としては、カーヴィ体型、スレンダー体型、ナチュラルファット体型、オーバル体型、ストレート体型、マッスル体型、及びトライアングル体型が挙げられる。各体型には、よく見られる傾向があることが知られている。よって、ユーザ１００の身長、体重、肉づき、及び骨格の少なくとも一つの情報に基づいて、ユーザ１００の体型を判定することが可能である。そして、種々のファッション理論から、体型毎に、体型に合う服装のシルエットが決定可能である。

一変形例では、生成部Ｆ１２は、身体情報に基づいて、ユーザ１００の色と体格との少なくとも一方に関する分析を行えばよい。

一変形例では、生成部Ｆ１２は、学習コンテンツの生成にあたって、ユーザ１００の趣味・趣向に関する情報を利用してよい。ユーザ１００の趣味・趣向に関する情報は、ユーザ１００の服装の趣味・趣向（服装の色、服装の模様、服装の形状、服装の種類等）が挙げられる。この場合、生成部Ｆ１２は、ユーザ１００に合う服装の決定にあたって、ユーザ１００の趣味・趣向に関する情報に基づき、ユーザ１００の趣味・趣向に合う服装からユーザ１００に合う服装を選択してよい。

一変形例では、生成部Ｆ１２は、学習コンテンツの生成にあたって、トレンドに関する情報を利用してよい。この場合、生成部Ｆ１２は、ユーザ１００に合う服装の決定にあたって、トレンドに関する情報に基づき、トレンドに合う服装からユーザ１００に合う服装を選択してよい。

一変形例では、評価部Ｆ１３は、ユーザ１００の服装の評価にあたって、トレンドに関する情報を利用してよい。この場合、評価部Ｆ１３は、トレンドに関する情報に基づき、姿情報から特定したユーザ１００の服装がトレンドに合っているかを評価の指標としてよい。

上記実施形態では、ユーザ１００に合う服装に関する問題は、服装の属性をジャンルとして設定可能である。一変形例では、問題のジャンルをユーザ１００が選択可能であってよい。つまり、ユーザ１００は、学習したい服装のジャンルを入力することで、入力したジャンルに対応する学習コンテンツで服装の学習が可能となる。

上記実施形態では、ユーザ１００に合う服装に関する問題は、単純択一形式の多肢選択式問題であるが、これに限定されず、多真偽形式の多肢選択式問題であってもよい。一変形例では、ユーザ１００に合う服装に関する問題は、多肢選択式問題に限定されず、記述問題等の種々の設問形式を採用可能である。

上記実施形態では、服装学習評価システム１０は、ユーザ１００に合った服装、特に、衣服についての学習を可能とする。一変形例では、服装学習評価システム１０は、ユーザ１００に合った装身具についての学習を可能としてよい。よって、服装学習評価システム１０は、ユーザ１００に合った服装（衣服及び装身具）の組み合わせ（コーディネート）の学習を可能としてよい。

一変形例では、服装学習評価システム１０は、複数のコンピュータにより構成されていてもよい。例えば、提示装置２０及びサーバ４０の機能（特に、取得部Ｆ１１、生成部Ｆ１２、評価部Ｆ１３、及び提示部Ｆ１４）は、複数の装置に分散されていてもよい。更に、服装学習評価システム１０の機能の少なくとも一部が、例えば、クラウド（クラウドコンピューティング）によって実現されていてもよい。この点は、服装学習評価システム１０Ａ，１０Ｂについても同様である。

以上述べた服装学習システム、服装評価システム、及び服装学習評価システムの実行主体は、コンピュータシステムを含んでいる。コンピュータシステムは、ハードウェアとしてのプロセッサ及びメモリを有する。コンピュータシステムのメモリに記録されたプログラムをプロセッサが実行することによって、本開示における服装学習システム、服装評価システム、及び服装学習評価システムの実行主体としての機能が実現される。プログラムは、コンピュータシステムのメモリに予め記録されていてもよいが、電気通信回線を通じて提供されてもよい。また、プログラムは、コンピュータシステムで読み取り可能なメモリカード、光学ディスク、ハードディスクドライブ等の非一時的な記録媒体に記録されて提供されてもよい。コンピュータシステムのプロセッサは、半導体集積回路（ＩＣ）又は大規模集積回路（ＬＳＩ）を含む１乃至複数の電子回路で構成される。ＬＳＩの製造後にプログラムされる、フィールド・プログラマブル・ゲート・アレイ（ＦＧＰＡ）、ＡＳＩＣ（application specific integrated circuit）、又はＬＳＩ内部の接合関係の再構成又はＬＳＩ内部の回路区画のセットアップができる再構成可能な論理デバイスも同じ目的で使うことができる。複数の電子回路は、１つのチップに集約されていてもよいし、複数のチップに分散して設けられていてもよい。複数のチップは、１つの装置に集約されていてもよいし、複数の装置に分散して設けられていてもよい。

３．態様
上記実施形態及び変形例から明らかなように、本開示は、下記の態様を含む。以下では、実施形態との対応関係を明示するためだけに、符号を括弧付きで付している。

第１の態様は、服装学習システム（２０；４０Ａ；２０Ｂ）であって、ユーザ（１００）の身体情報を取得する身体情報取得部（Ｆ１１；Ｆ１５）と、前記身体情報取得部（Ｆ１１；Ｆ１５）で取得された前記身体情報、及び、前記ユーザ（１００）の服装の評価の結果の評価履歴（Ｈ１２）に基づいて生成される、前記ユーザ（１００）に合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示部（Ｆ１４；Ｆ１６）と、を備える。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。

第２の態様は、第１の態様に基づく服装学習システム（２０；４０Ａ；２０Ｂ）である。第２の態様では、前記服装学習システム（２０；４０Ａ；２０Ｂ）は、前記身体情報に基づいて、前記ユーザ（１００）の色と体格との少なくとも一方に関する分析を行い、前記分析の結果に基づいて前記ユーザ（１００）に合う服装を決定し、前記学習コンテンツを生成する生成部（Ｆ１２）を更に備える。この態様によれば、ユーザ（１００）に合う服装の決定の精度が高まる。

第３の態様は、第２の態様に基づく服装学習システム（２０；４０Ａ；２０Ｂ）である。第３の態様では、前記生成部（Ｆ１２）は、前記ユーザ（１００）が前記学習コンテンツで未学習の服装に関して、前記評価履歴（Ｈ１２）に良い評価があれば、前記ユーザ（１００）が前記学習コンテンツで未学習の服装に関する前記学習コンテンツを生成する。この態様によれば、ユーザ（１００）の学習の効果を高めることができる。

第４の態様は、第２又は第３の態様に基づく服装学習システム（２０；４０Ａ；２０Ｂ）である。第４の態様では、前記生成部（Ｆ１２）は、前記ユーザ（１００）が前記学習コンテンツで学習済みの服装に関して、前記評価履歴（Ｈ１２）に悪い評価があれば、前記ユーザ（１００）が前記学習コンテンツで学習済みの服装に関する前記学習コンテンツを生成する。この態様によれば、ユーザ（１００）の学習の効果を高めることができる。

第５の態様は、第１〜第４の態様のいずれか一つに基づく服装学習システム（２０；４０Ａ；２０Ｂ）である。第５の態様では、前記学習コンテンツは、前記ユーザ（１００）に合う服装に関する問題を含む。前記問題は、設問文と、前記ユーザ（１００）の服装の評価の結果の評価履歴（Ｈ１２）に基づいて生成される補足情報と、を含む。この態様によれば、ユーザ（１００）の学習の効果を高めることができる。

第６の態様は、服装評価システム（２０；４０Ａ；６０）であって、ユーザ（１００）の姿情報を取得する姿情報取得部（Ｆ１１；Ｆ１７）と、前記姿情報取得部（Ｆ１１；Ｆ１７）で取得された前記姿情報に基づいて行われる前記ユーザ（１００）の服装の評価の結果を、前記ユーザ（１００）に合う服装を学習するための学習コンテンツによる学習の学習履歴（Ｈ１１）に基づく態様で提示する評価結果提示部（Ｆ１４；Ｆ１８）と、を備える。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。

第７の態様は、第６の態様に基づく服装評価システム（２０；４０Ａ；６０）である。第７の態様では、前記服装評価システム（２０；４０Ａ；６０）は、前記姿情報に基づいて前記ユーザ（１００）の服装を特定し、前記ユーザ（１００）の服装が前記ユーザ（１００）に合う服装かどうかに基づいて、前記ユーザ（１００）の服装の評価を行う評価部（Ｆ１３）を更に備える。この態様によれば、ユーザ（１００）の服装の評価の精度が高まる。

第８の態様は、第７の態様に基づく服装評価システム（２０；４０Ａ；６０）である。第８の態様では、前記評価部（Ｆ１３）は、前記ユーザ（１００）の色と体格との少なくとも一方に関する分析の結果に基づいて、前記ユーザ（１００）の服装が前記ユーザ（１００）に合う服装かどうかを判定する。この態様によれば、ユーザ（１００）の服装の評価の精度が高まる。

第９の態様は、第７又は第８の態様に基づく服装評価システム（２０；４０Ａ；６０）である。第９の態様では、前記評価結果提示部（Ｆ１４；Ｆ１８）は、前記学習履歴（Ｈ１１）から得られる、前記評価部（Ｆ１３）で特定された前記ユーザ（１００）の服装に関する前記ユーザ（１００）の学習の習熟度に基づいて、前記ユーザ（１００）の服装の評価の結果の提示の態様を決定する。この態様によれば、ユーザ（１００）の学習の効果を高めることができる。

第１０の態様は、服装学習評価システム（１０；１０Ａ；１０Ｂ）であって、第１〜第５の態様のいずれか一つの服装学習システム（２０；４０Ａ；２０Ｂ）と、第６〜第９の態様のいずれか一つの服装評価システム（２０；４０Ａ；６０）と、を備える。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。

第１１の態様は、第１０の態様に基づく服装学習評価システム（１０；１０Ａ；１０Ｂ）である。第１１の態様では、前記服装学習システム（２０；４０Ａ；２０Ｂ）は、前記服装評価システム（２０；４０Ａ；６０）から前記評価履歴（Ｈ１２）を取得する。前記服装評価システム（２０；４０Ａ；６０）は、前記服装学習システム（２０；４０Ａ；２０Ｂ）から前記学習履歴（Ｈ１１）を取得する。この態様によれば、ユーザ（１００）の学習の効果を高めることができる。

第１２の態様は、電子ミラー（２０；２０ａ；２０ｂ，６０）であって、第１〜第５の態様のいずれか一つの服装学習システム（２０；４０Ａ；２０Ｂ）の学習コンテンツ提示部（Ｆ１４；Ｆ１６）と第６〜第９の態様のいずれか一つの服装評価システム（２０；４０Ａ；６０）の評価結果提示部（Ｆ１４；Ｆ１８）との少なくとも一方を備える。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。

第１３の態様は、服装学習方法であって、ユーザ（１００）の身体情報を取得する身体情報取得ステップ（Ｓ１１）と、前記身体情報取得ステップ（Ｓ１１）で取得された前記身体情報、及び、前記ユーザ（１００）の服装の評価の結果の評価履歴（Ｈ１２）に基づいて生成される、前記ユーザ（１００）に合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示ステップ（Ｓ１５）と、を含む。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。

第１４の態様は、服装評価方法であって、ユーザ（１００）の姿情報を取得する姿情報取得ステップ（Ｓ２１）と、前記姿情報取得ステップ（Ｓ２１）で取得された前記姿情報に基づいて行われる前記ユーザ（１００）の服装の評価の結果を、前記ユーザ（１００）に合う服装を学習するための学習コンテンツによる学習の学習履歴（Ｈ１１）に基づく態様で提示する評価結果提示ステップ（Ｓ２５）と、を含む。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。

第１５の態様は、プログラムであって、１以上のプロセッサに、第１３の態様の服装学習方法と第１４の態様の服装評価方法との少なくとも一方を実行させるためのプログラムである。この態様によれば、ユーザ（１００）が自身に合った服装の学習を行える。

１０，１０Ａ，１０Ｂ 服装学習評価システム
２０ 提示装置（電子ミラー、服装学習システム、服装評価システム）
４０Ａ サーバ（服装学習システム、服装評価システム）
２０Ｂ 第１提示装置（電子ミラー、服装学習システム）
６０ 第２提示装置（電子ミラー、服装評価システム）
Ｆ１１ 取得部（身体情報取得部、姿情報取得部）
Ｆ１２ 生成部
Ｆ１３ 評価部
Ｆ１４ 提示部（学習コンテンツ提示部、評価結果提示部）
Ｆ１５ 身体情報取得部
Ｆ１６ 学習コンテンツ提示部
Ｆ１７ 姿情報取得部
Ｆ１８評価結果提示部
Ｈ１１ 学習履歴
Ｈ１２ 評価履歴
Ｓ１１ 身体情報取得ステップ
Ｓ１５ 学習コンテンツ提示ステップ
Ｓ２１ 姿情報取得ステップ
Ｓ２５ 評価結果提示ステップ
１００ ユーザ

Claims (15)

1. ユーザの身体情報を取得する身体情報取得部と、
   前記身体情報取得部で取得された前記身体情報、及び、前記ユーザの服装の評価の結果の評価履歴に基づいて生成される、前記ユーザに合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示部と、
   を備える、
   服装学習システム。
2. 前記身体情報に基づいて、前記ユーザの色と体格との少なくとも一方に関する分析を行い、前記分析の結果に基づいて前記ユーザに合う服装を決定し、前記学習コンテンツを生成する生成部を更に備える、
   請求項１の服装学習システム。
3. 前記生成部は、前記ユーザが前記学習コンテンツで未学習の服装に関して、前記評価履歴に良い評価があれば、前記ユーザが前記学習コンテンツで未学習の服装に関する前記学習コンテンツを生成する、
   請求項２の服装学習システム。
4. 前記生成部は、前記ユーザが前記学習コンテンツで学習済みの服装に関して、前記評価履歴に悪い評価があれば、前記ユーザが前記学習コンテンツで学習済みの服装に関する前記学習コンテンツを生成する、
   請求項２又は３の服装学習システム。
5. 前記学習コンテンツは、前記ユーザに合う服装に関する問題を含み、
   前記問題は、設問文と、前記ユーザの服装の評価の結果の評価履歴に基づいて生成される補足情報と、を含む、
   請求項１〜４のいずれか一つの服装学習システム。
6. ユーザの姿情報を取得する姿情報取得部と、
   前記姿情報取得部で取得された前記姿情報に基づいて行われる前記ユーザの服装の評価の結果を、前記ユーザに合う服装を学習するための学習コンテンツによる学習の学習履歴に基づく態様で提示する評価結果提示部と、
   を備える、
   服装評価システム。
7. 前記姿情報に基づいて前記ユーザの服装を特定し、前記ユーザの服装が前記ユーザに合う服装かどうかに基づいて、前記ユーザの服装の評価を行う評価部を更に備える、
   請求項６の服装評価システム。
8. 前記評価部は、前記ユーザの色と体格との少なくとも一方に関する分析の結果に基づいて、前記ユーザの服装が前記ユーザに合う服装かどうかを判定する、
   請求項７の服装評価システム。
9. 前記評価結果提示部は、前記学習履歴から得られる、前記評価部で特定された前記ユーザの服装に関する前記ユーザの学習の習熟度に基づいて、前記ユーザの服装の評価の結果の提示の態様を決定する、
   請求項７又は８の服装評価システム。
10. 請求項１〜５のいずれか一つの服装学習システムと、
    請求項６〜９のいずれか一つの服装評価システムと、
    を備える、
    服装学習評価システム。
11. 前記服装学習システムは、前記服装評価システムから前記評価履歴を取得し、
    前記服装評価システムは、前記服装学習システムから前記学習履歴を取得する、
    請求項１０の服装学習評価システム。
12. 請求項１〜５のいずれか一つの服装学習システムの学習コンテンツ提示部と請求項６〜９のいずれか一つの服装評価システムの評価結果提示部との少なくとも一方を備える、
    電子ミラー。
13. ユーザの身体情報を取得する身体情報取得ステップと、
    前記身体情報取得ステップで取得された前記身体情報、及び、前記ユーザの服装の評価の結果の評価履歴に基づいて生成される、前記ユーザに合う服装を学習するための学習コンテンツを提示する学習コンテンツ提示ステップと、
    を含む、
    服装学習方法。
14. ユーザの姿情報を取得する姿情報取得ステップと、
    前記姿情報取得ステップで取得された前記姿情報に基づいて行われる前記ユーザの服装の評価の結果を、前記ユーザに合う服装を学習するための学習コンテンツによる学習の学習履歴に基づく態様で提示する評価結果提示ステップと、
    を含む、
    服装評価方法。
15. １以上のプロセッサに、請求項１３の服装学習方法と請求項１４の服装評価方法との少なくとも一方を実行させるための、
    プログラム。

Images