JP6138696B2 - 皮脂量の推定方法 - Google Patents

Description

本発明は、肌診断などで利用される皮脂量の推定方法、皮脂量の推定装置、及び皮脂量の推定プログラムに関するものである。より具体的には、皮膚の毛穴の視覚的特徴量及び年齢を用いた、皮脂量の推定方法、皮脂量の推定装置、及び皮脂量の推定プログラムに関するものである。

美容の分野において、顧客（対象者）の肌の状態を診断し、その結果を基に化粧料やエステティック施術等の種々の美容的手段を提案することが行われている。
このような肌の状態の診断（肌診断）において、重要な診断項目の一つに、皮脂量の測定がある。皮脂量は、メークアップの仕上がり、化粧崩れ、ニキビ等の症状などに大きく関係するためである。
皮脂量の測定方法としては、遠赤外光を皮膚に照射し、皮脂からの反射光を測定する装置を用いて皮脂量を測定する方法等が知られている（特許文献１）。また、簡易的な皮脂量測定のための器具も開発されている（特許文献２）。他方で、問診により皮脂量を推定する方法も一般的に行われている。

特開平０７−０４７０５号公報 特開平０９−２３８９０７号公報

特許文献１に記載されるような装置を用いた皮脂量の測定は、安定して測定ができるという利点がある一方で、コストや場所の問題から、化粧料を販売する店頭やエステティックサロンに設置しにくいという問題がある。また、特許文献２に記載されるような器具を用いた皮脂量の測定では、器具を肌に接触させる必要があり、少なからず対象者に負担をかける問題がある。一方、問診により皮脂量を推定する方法も、対象者に自己評価させるという点で、負担をかける問題がある。

そこで、本発明は、皮脂量を推定する新規な技術を提供することを課題とする。特に、本発明は、皮脂量を簡便に推定する技術を提供することを課題とする。

本発明者らは、皮脂量の推定を簡便に行う技術を求めて鋭意研究努力を重ねた結果、年齢と皮脂量との間に相関関係があること、及び皮脂量に関して年齢からは説明しきれない部分を、毛穴の視覚的特徴量によって説明できることを見出した。また、本発明者らは更に研究を重ねた結果、毛穴の視覚的特徴量、及び年齢は、それぞれが皮脂量を説明するのに独立して寄与していることを見出した。
そして、本発明者らはこの知見から、毛穴の視覚的特徴量、及び年齢の両者を利用することで、皮脂量を簡便に推定できることを見出した。
即ち、本発明は、以下のとおりである。

上記課題を解決する本発明は、毛穴の視覚的特徴量及び年齢と、皮脂量との相関関係に基づいて、対象者の毛穴の視覚的特徴量及び年齢から該対象者の皮脂量を推定することを含む、皮脂量の推定方法である。
このような推定方法を用いることで、毛穴の視覚的特徴量と、対象者の年齢という、取得するのが比較的簡単なデータを用いて、対象者の肌の皮脂量を推定することができる。

本発明の好ましい形態では、前記毛穴の視覚的特徴量は、毛穴の目立ちやすさの目視評価値である。
視覚的特徴量として、毛穴の目立ちやすさの目視評価値を用いることで、簡便に対象者の肌の皮脂量を推定することができる。

本発明の好ましい形態では、前記毛穴の視覚的特徴量は、毛穴の大きさの測定値、毛穴の数の測定値、及び毛穴の形の測定値から選ばれる。
視覚的特徴量として、上記の測定値を用いることにより、簡便に対象者の肌の皮脂量を推定することができる。

本発明の好ましい形態では、前記相関関係は式又はモデルにより示され、前記対象者の毛穴の視覚的特徴量、及び対象者の年齢を、前記式又はモデルに適用することにより該対象者の皮脂量を推定する。
相関関係を式又はモデルで示し、これを用いて皮脂量を推定することにより、例えばコンピュータを用いた処理により、効率よく対象者の皮脂量を推定することができる。

具体的には、皮脂量の推定方法は、以下の工程を含む。
予め用意した、毛穴の画像データから得られる毛穴の視覚的特徴量、及び年齢と、皮脂量との相関関係を示す式又はモデルに、毛穴の視覚的特徴量、及び対象者の年齢を適用して、前記対象者の推定皮脂量を算出する工程。

本発明の好ましい形態では、前記式は、ＰＬＳ、ＭＬＲ、ＰＣＲ、又はロジスティックより得られた予測式又は予測モデルである。

また、本発明は、毛穴の視覚的特徴量、及び年齢と、皮脂量との相関関係を示す皮脂量相関データを記憶する記憶手段と、
対象者の毛穴の視覚的特徴量、及び対象者の年齢を、前記記憶手段に記憶された皮脂量相関データと照合して、前記対象者の推定皮脂量を算出する皮脂量算出手段と、を備える、皮脂量推定装置にも関する。
このような皮脂量推定装置は、対象者の毛穴の視覚的特徴量と年齢に基づいて、皮脂量を算出することができるものである。

本発明の一つの好ましい形態では、皮脂量推定装置は、さらに、対象者の毛穴の画像データより毛穴の視覚的特徴量を算出する特徴量算出手段を備え、前記皮脂量算出手段は、該特徴量算出手段により算出された視覚的特徴量を記憶手段に記憶された皮脂量相関データと照合する。
このような皮脂量推定装置は、対象者の皮膚の画像データと年齢を入力するのみで、皮脂量を算出することができるものである。

本発明はまた、コンピュータを、毛穴の視覚的特徴量、及び年齢と、皮脂量との相関関係を示す皮脂量相関データを記憶する記憶手段、
対象者の毛穴の視覚的特徴量、及び対象者の年齢を、前記記憶手段に記憶された皮脂量相関データと照合して、前記対象者の推定皮脂量を算出する皮脂量算出手段、
として機能させるための、皮脂量推定プログラムに関する。

本発明の好ましい形態では、前記皮脂量推定プログラムは、さらに、コンピュータを、対象者の毛穴の画像データより毛穴の視覚的特徴量を算出する特徴量算出手段として機能させるものである。

本発明によれば、毛穴の視覚的特徴量、及び年齢を用いて、皮脂量を簡便に推定することができる。すなわち、本発明によれば、対象者の肌を目視評価すること、もしくは毛穴画像を取得することにより毛穴の視覚的特徴量を取得し、併せて年齢情報を取得するだけで、皮脂量を推定することができるので、肌診断などの場面における対象者の負担を軽減することにつながる。特に、問診を簡素化したり、なくしたりすることが可能となる。
また、本発明の皮脂量の推定技術を用いれば、肌の状態の診断、化粧料の選択・提案、メークアップやエステティックの効果の評価、化粧料素材の評価等を簡便に行うことができる。

本発明の皮脂量の推定方法の一実施形態を示す工程図である。 本発明の皮脂量の推定装置の一実施形態を示すハードウェアブロック図である。 実施例１で評価に用いた基準写真である。 実施例１で分析した、測定皮脂量と、本発明の方法により得られた推定皮脂量との相関関係を示す図（検量線）である。 実施例２で評価に用いた基準写真である。 実施例２で分析した、測定皮脂量と、本発明の方法により得られた推定皮脂量との相関関係を示す図（検量線）である。 実施例３で分析した、測定皮脂量と、本発明の方法により得られた推定皮脂量との相関関係を示す図（検量線）である。

本発明は、毛穴の視覚的特徴量及び年齢と、皮脂量との相関関係に基づいて、対象者の毛穴の視覚的特徴量及び年齢から該対象者の皮脂量を推定することを含む、皮脂量の推定方法である。上記相関関係は、好ましくは式又はモデルで示される。
式又はモデルとしては、回帰式又は回帰モデルが好ましく挙げられ、さらに好ましくは重回帰式又は予測式が挙げられる。

本発明にいう「毛穴の視覚的特徴量」とは、視覚的に認識し得る毛穴の特徴を表す定量値である。
このような定量値として、毛穴の目立ちやすさの目視評価値、毛穴の大きさの目視評価値や測定値、毛穴の数の目視評価値や測定値、毛穴の形の目視評価値や測定値が挙げられる。
毛穴の大きさの測定値としては、毛穴の面積、毛穴の周囲長などの測定値を用いることができる。
また、毛穴の形の測定値としては、毛穴の円形度係数や毛穴の短軸／長軸比を用いることができる。
また、毛穴の大きさの測定値、及び毛穴の数を示す特徴量として、毛穴の総面積を用いることもできる。
その他、以下の視覚的特徴量も用いることができる。
円相当径、絶対最大長、幅、フェレ径、最大弦長、長短軸長さ、主軸方向、フェレ径Ｘ／Ｙ比、最大弦長Ｘ／Ｙ比、平均濃度、包絡面積、包絡周囲長、収縮率、流体直径、凹凸度、線形度、対角幅、針状比
また、目視評価値や測定値から、平均値、代表値、標準偏差を算出し、これを用いることが好ましい。
また、上記測定値、これらの平均値、代表値、標準偏差を複数組み合わせて用いることがより好ましい。例えば、毛穴の数、毛穴の面積の平均値及び標準偏差、毛穴の周囲長の平均値及び標準偏差、毛穴の円形度の係数の平均値及び標準偏差、毛穴の短軸／長軸比の平均値及び標準偏差、毛穴の総面積から選ばれる２以上を組み合わせて用いることが好ましい。

毛穴の視覚的特徴量は、毛穴の画像から得ることができる。
毛穴の画像として、顔の部位の画像を用いることができる。特に、鼻、頬、額等の画像を用いることが好ましい。この際に、毛穴を認識出来る程度に拡大した、拡大画像を用いることも好ましい。拡大画像としては、例えば、５〜５０倍（以下、拡大画像の倍率は１４インチモニタ上での表示サイズの倍率）程度のものを用いることができる。

この場合の該画像は、毛穴の視覚的特徴量を取得するのに必要な解像度を考慮すると、１×１ｃｍ〜１０×１０ｃｍ程度の範囲で撮影すればよく、該画像は、３００×３００画素以上の画像であることが好ましい。

また、本発明において、毛穴の画像データとしては、モノクロ画像データ（輝度データ）であってもカラー画像データであってもよい。

毛穴の画像データの取得は、定法に従い行うことができる。例えば、正面から頬などの顔の部位を撮像し、これを、スキャナー等を利用してデジタル情報としてパソコンに取り込む、或いはデジタルカメラで顔を撮影し、パソコンに取り込めばよい。
なお、毛穴の目立ちやすさの目視評価値を取得するためには、対象者の肌を撮像して得た画像を用いて評価を行っても良いし、対象者の毛穴を含む肌を直接視認して評価を行ってもよい。

本発明では、上述した方法によって、皮脂量を推定すべき対象者の毛穴の視覚的特徴量と、対象者の年齢から、予め分析しておいた毛穴の視覚的特徴量及び年齢と、皮脂量との相関関係に基づいて、該対象者の肌の皮脂量を推定する。
なお、本発明における皮脂量の推定方法は、毛穴の視覚的特徴量と年齢から必然的に皮脂量の推定値を得る方法であり、特定の疾患等について判断する工程（診断行為）は含まないものである。その点で、本発明において、「皮脂量の推定方法」は、「皮脂量の測定方法」と言い換えることも可能である。

以下、毛穴の視覚的特徴量として、毛穴の目立ちやすさの目視評価値を用いる場合を例にとって、詳細に説明する。
毛穴の視覚的特徴量として毛穴の目立ち易やすさの目視評価値を用いる場合には、対象者の毛穴の画像、又は対象者の皮膚を観察し、一定の基準に従って付したスコアを、毛穴の視覚的特徴量として用いることができる。
目視評価においては、予め毛穴の目立ちやすさ毎にスコア付けした基準写真を用い、これと比較してスコア付けを行うことが、安定的な評価のために好ましい。

毛穴の目立ちやすさの目視評価値、及び年齢と、皮脂量との相関関係は、回帰分析等の多変量解析により予め求めておく。

（１）皮脂量の測定
毛穴の目立ちやすさ、及び年齢と、皮脂量との相関関係を示す式又はモデルを得るために、複数の人物について、油分計などの皮脂量測定装置を用いて、皮脂量を測定する。
また、従来用いられてきた問診の結果が対象者自身の評価や感覚を反映したものであることを考慮し、問診の結果をスコア化したもの（皮脂量の評価値）を皮脂量として定義することもできる。
皮脂量を測定する人物の数としては、少なくとも５０以上、好ましくは１００以上、より好ましくは５００以上である。また、各年代別に同程度の人数分布であることが好ましい。

（２）毛穴の目立ちやすさの評価
次に、前記複数の人物の肌から取得された毛穴の画像データ又は人物の肌を観察することにより毛穴の目立ちやすさを評価する。毛穴の目立ちやすさの評価方法については、上述した通りである。

（３）年齢の記録
次に、上記の人物の年齢情報を、アンケートなどにより取得する。

（４）データベース（ＤＢ）の作成
前記相関関係を求めるために、人物毎に毛穴の目立ちやすさのスコア、年齢、及び皮脂量を関連付けたデータベース（ＤＢ）を作成する。
ＤＢの人数としては、少なくとも５０以上、好ましくは１００以上、より好ましくは５００以上である。ＤＢの構造としては、例えば行列形式（マトリックス）であれば、行に人物を、列に算出された皮脂量、前記毛穴の目立ちやすさのスコア、及び年齢を入力することができる。
このＤＢは、新規に取得した対象者の皮脂量を推定した後、毛穴の目立ちやすさのスコア、対象者の年齢、及び皮脂量の推定値を追加することで、更新してもよい。後述するように、必要に応じて、更新したＤＢに対し多変量解析を行って、式又はモデルを更新することもできる。該更新によって推定精度が向上する所以による。

（５）式又はモデルの作成
皮脂量と、毛穴の目立ちやすさのスコア及び年齢との相関関係を示す、式又はモデルを作成するためには、前記ＤＢを利用し、皮脂量と、毛穴の目立ちやすさのスコア及び年齢を多変量解析すればよい。該多変量解析としては、目的変数（従属変数）と説明変数（独立変数）との関係を利用できるものが好ましく、判別分析、回帰分析（ＭＬＲ、ＰＬＳ、ＰＣＲ、ロジスティック）を好ましく例示することができる。これらの内、特に好ましいのは重回帰分析（ＭＬＲ）、非線形回帰分析（ＰＬＳ：Ｐａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅｓ）である。例えば、毛穴の目立ちやすさのスコア及び年齢を説明変数として、皮脂量を目的変数として重回帰分析を行なえば重回帰式を得ることができる。また、同様にＰＬＳを行えば予測式（予測モデル）を得ることができる。

また、精度良い式又はモデルを得るために、主成分分析、因子分析、数量化理論一類、数量化理論二類、数量化理論三類、多次元尺度法、教師ありクラスタリング、ニューラルネットワーク、アンサンブル学習法、等の多変量解析を適宜用いることができる。中でも好ましいのは、ニューラルネットワーク、判別分析及び数量化理論一類である。
これらの多変量解析は、フリーソフトや市販されているものを用いて行うことができる。

（６）皮脂量の推定
皮脂量の推定は、対象者の毛穴の画像データの毛穴の目立ちやすさのスコアと年齢を、上述した方法などで得られた目立ちやすさのスコア及び年齢と、皮脂量との相関関係を示す式又はモデルに適用することにより行う。式又はモデルに適用することは、数値を式に代入することのほか、数値をモデルに照合することを含む。
これにより、皮脂量の推定値を得ることができる。

毛穴の目立ちやすさの目視評価値と年齢を用いた、皮脂量の推定方法の工程を図１に示す。即ち、皮脂量を推定すべき対象者の毛穴の目立ちやすさの目視評価値を入力する（評価値入力工程）。この評価値と対象者の年齢を予め作成した、「皮脂量と、毛穴の目立ちやすさ及び年齢との関係」を示す式（回帰式等）又はモデル（予測式）に、代入することで、推定皮脂量を算出する（皮脂量算出工程）。算出された推定皮脂量は、ディスプレイなどに表示することができる（皮脂量表示工程）。また、皮脂量算出工程で算出した推定皮脂量を毛穴の目立ちやすさの目視評価値及び対象者の年齢と共にＤＢに追加し（フィードバック）、上記式又はモデルを更新してもよい。該更新によって推定精度が向上する所以による。

以上、毛穴の視覚的特徴量として、毛穴の目立ちやすさの目視評価値を用いた場合の推定方法について詳細に説明したが、他の視覚的特徴量を用いる場合には、毛穴の目立ちやすさの目視評価値に代えて当該視覚的特徴量を用いればよく、同様に皮脂量を推定することができる。
また、年齢をそのまま独立変数としても良いが、年齢を１．１乗〜２．０乗、好ましくは１．３乗〜１．７乗した値を独立変数として用いることもできる。これにより推定精度を向上させることができる。

本発明の推定装置は、毛穴の視覚的特徴量、及び年齢と、皮脂量との相関関係を示す皮脂量相関データを記憶する記憶手段と、対象者の毛穴の視覚的特徴量、及び対象者の年齢を、前記記憶手段に記憶された皮脂量相関データと照合して、前記対象者の推定皮脂量を算出する皮脂量算出手段と、を備える。
また、本発明の推定装置の一実施形態では、皮膚の画像データから毛穴の視覚的特徴量を算出する特徴量算出手段を備える。

本発明の推定装置は、例えば、以下のように構成することができる。以下の構成は例示であり、本発明は実施形態の構成に限定されない。図２は、皮膚の画像データから毛穴の視覚的特徴量を算出し、この算出値及び年齢を用いて、皮脂量を推定する推定装置のハードウェアブロック図であり、入力部１、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）３、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）４、記録部５、操作部６及び表示部７を有している。これらは、相互にバスを介して接続されている。
前記特徴量算出手段及び前記皮脂量算出手段は、ＣＰＵ２によって実現されている。また、前記記憶手段は、ＲＯＭ３によって実現されている。

入力部１は、デジタルカメラ、デジタル式マイクロスコープ、デジタルビデオ或いはスキャナー等の毛穴の画像データを入力するための装置である。ＣＰＵ２は、ＲＯＭ３に記憶されているプログラムに従って、皮脂量と、毛穴の視覚的特徴量及び年齢との関係を示す式又はモデルを用いた推定皮脂量の算出等の処理を実行する。ＲＯＭ３には、本発明の皮脂量推定装置が機能する上で必要なプログラム、及び、皮脂量推定に必要な各種の式又はモデルが記憶されている。ここには、式又はモデルを作成するのに必要なデータベースがさらに記憶されていてもよい。ＲＡＭ４には、ＣＰＵ２に実行させるＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）プログラムや各種アプリケーションプログラムが一時的に格納される。記録部５は、磁気ディスク装置等を含み、ＲＡＭ４の外部記憶として用いられる。操作部６は、所定のコマンドや式又はモデル等の必要なデータを入力するとき等に操作される。表示部７は、皮脂量の推定結果等を表示できるものであればよく、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｕ）や液晶ディスプレイ等による表示装置、スピーカー等の音声出力装置或いはプリンタ等が挙げられる。

本発明の推定プログラムは、コンピュータ、その他の装置、機械等を、毛穴の視覚的特徴量、及び年齢と、皮脂量との相関関係を示す皮脂量相関データを記憶する記憶手段、対象者の毛穴の視覚的特徴量、及び対象者の年齢を、前記記憶手段に記憶された皮脂量相関データと照合して、前記対象者の推定皮脂量を算出する皮脂量算出手段、として機能させる。また、本発明はこのようなプログラムをコンピュータ等が読み取り可能な記録媒体に記録したものでもよい。
また、本発明の推定プログラムの一実施形態は、コンピュータ、その他の装置、機械等を、皮膚の画像データから毛穴の視覚的特徴量を算出する特徴量算出手段として機能させる。

以下に実施例を挙げて、本発明について更に詳細に説明を加えるが、本発明がこれら実施例にのみ限定されないことは言うまでもない。

＜１＞毛穴の目視評価値による皮脂量の推定
（１）ＤＢの作成
８８名の女性（２０〜６９歳、平均年齢４４．３±１５．６歳）の頬を対象に、専門評価者が毛穴の目立ちやすさを評価し、毛穴の目立ちやすさを５段階でスコア付けした。スコアは、図３に示す基準写真と比較しながら、以下の基準にて評点を付することにより付し、目視評価値として用いた。
評点１：肌が非常になめらかで、毛穴ひとつひとつがほとんど目立たない。
評点２：肌はなめらかだが、部分的にやや毛穴が目立つ。
評点３：広い範囲に毛穴が目立つ。
評点４：毛穴がやや大きく、目立つ。
評点５：毛穴が大きく、広範囲に目立つ。

一方、上記女性を対象として、ＣＫ社製のＳｅｂｕｍｅｔｅｒ（登録商標）を用いて、頬の部分の皮脂量を測定し、記録した。併せて、年齢についても記録した。かようにして、人物毎に、皮脂量、目視評価値、及び年齢を関連付けたＤＢを作成した。

（２）統計分析
前記ＤＢを対象に、エス・ピー・エス・エス社製のＰＡＳＷ（登録商標）Ｓｔａｔｉｓｔｉｃｓ１７．０．３を用い、ステップワイズ法による重回帰分析を行った。
皮脂量の測定値を従属変数、毛穴の目視評価値、及び年齢を独立変数とした。
結果を表１に示す。分析の結果、重相関係数Ｒは０．７１６であった。Ｓｅｂｕｍｅｔｅｒ（登録商標）により測定した皮脂量（測定皮脂量）と、上記で得た重回帰式から得られた皮脂量推定値（推定皮脂量）との相関関係を図４に示す。

＜２＞拡大画像を用いた目視評価値による皮脂量の推定
（１）ＤＢの作成
実施例１の被験者と同じ８８名の女性の頬の部分のカラー画像を３０倍に拡大し、毛穴の目立ちやすさを１２段階でスコア付けした。評点は、図５に示す基準写真と比較することにより付した。
このスコアを、毛穴の目立ちやすさの目視評価値として、実施例１で作成したＤＢの列に追加した。
なお、画像の取得には、以下の撮像装置を用いた。
カメラ USB-2 No.1 KT10341 0232 (株)モリテックス製
レンズ 30XPCV4397 （30倍）
視野範囲 約 9.5mm×7mm
撮影条件 PL Mode 640×480、AE on
撮影ソフト… USB-2用ビュワー （株)モリテックス製
また、目視評価用の画像として、頬部拡大画像（30倍）をA5サイズにカラー印刷したものを用いた。

（２）統計分析
前記ＤＢにおいて、皮脂量の測定値を従属変数とし、上記で得た目視評価値、及び年齢を独立変数として、エス・ピー・エス・エス社製のＰＡＳＷ（登録商標）Ｓｔａｔｉｓｔｉｃｓ１７．０．３を用い、強制投入法による重回帰分析を行った。
結果を表２に示す。分析の結果、重相関係数Ｒは０．７０１であった。Ｓｅｂｕｍｅｔｅｒ（登録商標）により測定した皮脂量（測定皮脂量）と、上記で得た重回帰式から得られた推定皮脂量との相関関係を図６に示す。

＜３＞画像解析による皮脂量の推定
（１）ＤＢの作成
実施例２で取得した８８名の女性の夏の頬の部分のカラー画像（６４０×４８０画素の２４ビットＢＭＰ）に対し、画像処理解析ソフト「Nano Hunter NS2K-Pro」（登録商標、ナノシステム(株)製）を用いて、表３に示す各種特徴量を算出した。カラー画像を２値化したのちに、特徴量の算出を行った。
各種特徴量を、実施例１で作成したＤＢの列に追加した。

（２）統計分析
前記ＤＢにおいて、皮脂量の測定値を従属変数とし、上記で得た各種特徴量、及び年齢を独立変数として、エス・ピー・エス・エス社製のＰＡＳＷ（登録商標）Ｓｔａｔｉｓｔｉｃｓ１７．０．３を用い、強制投入法による重回帰分析を行った。
結果を表４に示す。分析の結果、重相関係数Ｒは０．６７９であった。Ｓｅｂｕｍｅｔｅｒ（登録商標）により測定した皮脂量（測定皮脂量）と、上記で得た重回帰式から得られた推定皮脂量との相関関係を図７に示す。

以上の結果から、頬部を直接目視することによる毛穴の目視評価値から皮脂量を推定する方法が最も推定精度が高いことが分かった。これにより、対象者の毛穴の目立ちやすさや大きさを視覚的に評価するだけで、対象者の皮脂量が推定できることが分かった。

本発明の皮脂量推定技術は、肌診断、エステティック、スキンケア、メークアップ、健康食品乃至は美容整形等の効果の評価において利用できる。

Claims (8)

1. 毛穴の視覚的特徴量及び年齢と、皮脂量との相関関係に基づいて、対象者の毛穴の視覚的特徴量及び年齢から該対象者の皮脂量を推定することを含み、
   前記毛穴の視覚的特徴量が、毛穴の目立ちやすさの目視評価値、又は、毛穴の数、毛穴の面積の平均値及び標準偏差、毛穴の周囲長の平均値及び標準偏差、毛穴の円形度の係数の平均値及び標準偏差、毛穴の短軸／長軸比の平均値及び標準偏差、毛穴の総面積から選ばれる２以上の測定値である、皮脂量の推定方法。
2. 前記相関関係は式又はモデルにより示され、前記対象者の毛穴の視覚的特徴量、及び対象者の年齢を、前記式又はモデルに適用することにより該対象者の皮脂量を推定することを含む、請求項１に記載の皮脂量の推定方法。
3. 以下の工程を含む、請求項２に記載の皮脂量の推定方法：
   対象者の毛穴の画像データを取得する工程、
   取得された毛穴の画像データより毛穴の視覚的特徴量を評価又は算出する工程、
   予め用意した、毛穴の画像データから得られる毛穴の視覚的特徴量、及び年齢と、皮脂量との相関関係を示す式又はモデルに、前記算出した毛穴の視覚的特徴量、及び対象者の年齢を適用して、前記対象者の推定皮脂量を算出する工程。
4. 前記式が、ＰＬＳ、ＭＬＲ、ＰＣＲ、又はロジスティックより得られた予測式又は予測モデルであることを特徴とする、請求項２又は３に記載の皮脂量の推定方法。
5. 毛穴の視覚的特徴量、及び年齢と、皮脂量との相関関係を示す皮脂量相関データを記憶する記憶手段と、
   対象者の毛穴の視覚的特徴量、及び対象者の年齢を、前記記憶手段に記憶された皮脂量相関データと照合して、前記対象者の推定皮脂量を算出する皮脂量算出手段と、を備える、皮脂量推定装置であって、
   前記毛穴の視覚的特徴量が、毛穴の目立ちやすさの目視評価値、又は、毛穴の数、毛穴の面積の平均値及び標準偏差、毛穴の周囲長の平均値及び標準偏差、毛穴の円形度の係数の平均値及び標準偏差、毛穴の短軸／長軸比の平均値及び標準偏差、毛穴の総面積から選ばれる２以上の測定値である、皮脂量推定装置。
6. さらに、対象者の毛穴の画像データより毛穴の視覚的特徴量を算出する特徴量算出手段を備え、前記皮脂量算出手段は、該特徴量算出手段により算出された視覚的特徴量を記憶手段に記憶された皮脂量相関データと照合する、請求項５に記載の皮脂量推定装置。
7. コンピュータを、毛穴の視覚的特徴量、及び年齢と、皮脂量との相関関係を示す皮脂量相関データを記憶する記憶手段、
   対象者の毛穴の視覚的特徴量、及び対象者の年齢を、前記記憶手段に記憶された皮脂量相関データと照合して、前記対象者の推定皮脂量を算出する皮脂量算出手段、
   として機能させるための、皮脂量推定プログラムであって、
   前記毛穴の視覚的特徴量が、毛穴の目立ちやすさの目視評価値、又は、毛穴の数、毛穴の面積の平均値及び標準偏差、毛穴の周囲長の平均値及び標準偏差、毛穴の円形度の係数の平均値及び標準偏差、毛穴の短軸／長軸比の平均値及び標準偏差、毛穴の総面積から選ばれる２以上の測定値である、皮脂量推定プログラム。
8. さらに、コンピュータを、対象者の毛穴の画像データより毛穴の視覚的特徴量を算出する特徴量算出手段として機能させるための、請求項７に記載の皮脂量推定プログラム。