JP6375557B2 - 面の色及びスペクトルを測定しカテゴリ分類するためのシステム及び方法 - Google Patents

Description

発明の分野

本発明は、物体と皮膚などの材料とのスペクトル、並びに色、半透明性、光沢、及び他の特性などの他の光学特性を測定することに関し、より詳細には、皮膚又は他の半透明若しくは不透明な物体のスペクトル及び他の光学特性を測定し、測定された皮膚又は他の物体に一致させるか、又は所望の方法（例えば、明るくする、暗くする、より均一にするなど）で皮膚又は他の物体を変容させるために製品又は製品配合に関連するカテゴリに測定値をカテゴリ分類するためのデバイス及び方法に関する。

発明の背景

皮膚、髪、歯、及び他の物体のスペクトル、色、又は他の光学特性を測定するためのデバイス及び方法に対する、並びにそのような測定された光学特性に基づいて化粧品（ファンデーションなど）、色調製、回復、又は他のプロセスを予測するか又はさもなければ決定することに対する必要性が認識されている。

受容性の程度が異なる様々な異なる器具で、皮膚、歯、髪、及び身体の他の部分を測定する試みがなされている。色の測定及びカテゴリ分類において克服されなければならない１つのかなり大きい問題は、柔軟で適応性のあるシステムで多数の測定値を迅速に効率的にカテゴリ分類することが現行システムではできないことである。例えば、先行技術によるシステムは、商業的に望ましい方法で歯を測定し色調整合させるために使用されている。

皮膚を測定し、多数の測定値を適応性のある方法で分類する他の試みはそれほど成功しておらず、皮膚を測定し、そのような測定値に由来するデータを処理して、色値を計算し、及び／又は色調若しくは化粧製品を予測し、そのような測定値に由来するデータを外部コンピューティング及び／若しくは記憶リソースに通信するシステム及び方法の必要性が残っている。

先行技術に基づいて、例えば、皮膚、髪、及び身体の他の部分のスペクトル測定を可能にする、光学的性質を測定するためのシステム及び方法が提供される。そのようなシステム及び方法は、小売り環境におけることを含めて、複数の所望の場所（例えば、額、ほお、及び首区域）を好都合に及び容易に測定できるようにする手持ち式デバイスを用いてスペクトル測定値を提供することが望ましい。好ましい実施形態によれば、手持ち式デバイスは、スペクトル測定値に由来するデータを処理して、色値（例えば、Ｌ^＊、ａ^＊、ｂ^＊値又はＬ^＊、Ｃ^＊、ｈ^＊値）を計算し、そのようなデータ及び／又はそのような計算値に基づいて、１つ又は複数の化粧製品（例えば、ファンデーション）を選択することができる。そのような選択は、人間の観察者が、測定されている皮膚に対する良好な整合又はさもなければ好適な選択であると断言する化粧製品の予測を行う予測アルゴリズムに基づいて決定されることが好ましい。いくつかの好ましい実施形態によれば、予測アルゴリズムは、化粧製品の選択のために臨床研究から取得されたデータを評価する分類器モデルに基づく。予測アルゴリズムは、現場又は商業環境で使用されるようにデバイスの追加データの収集に基づいて順応することが好ましい。デバイスは、スペクトル測定を行いかつ直観的で使いやすい方法で製品又は他の予測を提供するようにユーザ（例えば、非科学的な方法で訓練されたユーザ）を案内するユーザインタフェースに従って動作することがさらに好ましい。好ましい実施形態によれば、デバイスは、有線（例えば、ＵＳＢ）接続によるものとすることもできるが、好ましくはワイヤレス（ＷｉＦｉ、Ｂｌｕｅｔｏｏｔｈ（商標）など）である外部コンピュータネットワークを用いて通信することが好ましい。好ましい実施形態では、デバイスは、外部ネットワークに、及びさらにスマートフォン、タブレット、ノートブックコンピュータ、又は他のコンピューティングデバイスなどのコンパニオンデバイスにワイヤレスで通信する。

それ故に、本発明の目的は、皮膚、髪、又は身体の他の部分のスペクトル又は他の光学的性質を測定するためのシステム及び方法を提供することである。

本発明の別の目的は、そのような測定値に由来するデータ、又はそのような結果として生じるデータに基づいた予測的な若しくは他の評価を、有線若しくは好ましくはワイヤレスデータ接続を介して外部ネットワークに通信するためのデバイスに一体化されたディスプレイを介して通信するためのシステム及び方法を提供することである。

本発明のさらなる別の目的は、例えば、測定された皮膚に整合するか又は望むらくは対応するファンデーション又は他の化粧製品（又は測定された髪の場合には髪製品など）を予測するための分類器モデルを実装する中央処理装置を提供することである。

さらに、本発明の目的は、スペクトル測定値の取得と、測定データ又はそれに基づく予測的な又は他のデータの出力又は通信との際に、非科学的な方法で訓練されたユーザを含むユーザを案内するための直観的で使いやすいインタフェースを提供することである。

最後に、本発明の目的は、そのようなデータを処理し、そのようなデータをリモート集中型ネットワーク（例えば、記憶、さらなる処理、将来予測のための更新された表の生成などのための「クラウド」）に通信するためのシステム及び方法を提供することである。

本発明の上述の目的及び他の利点は、添付図面を参照して本発明の好ましい実施形態を詳細に説明することによってより明白になるであろう。
図１は、本発明のシステムによる、手持ち式デバイスのいくつかの好ましい実施形態のハードウェア及び物理的設計態様を示す図である。 図２は、本発明のシステムによる、手持ち式デバイスのいくつかの好ましい実施形態のハードウェア及び物理的設計態様を示す図である。 図２Ａは、本発明のシステムによる、手持ち式デバイスのいくつかの好ましい実施形態のハードウェア及び物理的設計態様を示す図である。 図３は、本発明のシステムによる、手持ち式デバイスのいくつかの好ましい実施形態の電子構成要素及び／又は回路機能を示すブロック図である。 図４Ａは、本発明のいくつかの好ましい実施形態による、例示的な較正、規格化、及び測定方法を示す図である。 図４Ｂは、本発明のいくつかの好ましい実施形態による、例示的な較正、規格化、及び測定方法を示す図である。 図４Ｃは、本発明のいくつかの好ましい実施形態による、例示的な較正、規格化、及び測定方法を示す図である。 図５は、本発明によるシステムの機能概略図である。 図６Ａは、本発明のいくつかの実施形態による、分類器ベース方法の原理及び態様を示す図である。 図６Ｂは、本発明のいくつかの実施形態による、分類器ベース方法の原理及び態様を示す図である。 図６Ｃは、本発明のいくつかの実施形態による、分類器ベース方法の原理及び態様を示す図である。 図６Ｄは、本発明のいくつかの実施形態による、分類器ベース方法の原理及び態様を示す図である。 図６Ｅは、本発明のいくつかの実施形態による、分類器ベース方法の原理及び態様を示す図である。 図６Ｆは、本発明のいくつかの実施形態による、分類器ベース方法の原理及び態様を示す図である。 図７Ａは、本発明のいくつかの好ましい実施形態による、分類器ベース方法の原理及び態様を示す図である。 図７Ｂは、本発明のいくつかの好ましい実施形態による、分類器ベース方法の原理及び態様を示す図である。 図８Ａは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｂは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｃは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｄは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｅは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｆは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｇは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｈは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｉは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｊは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｋは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｌは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｍは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｎは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｏは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｐは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｑは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｒは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｓは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｔは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｕは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｖは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｗは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｘは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｙは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８Ｚは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＡＡは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＢＢは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＣＣは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＤＤは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＥＥは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＦＦは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＧＧは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＨＨは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＩＩは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＪＪは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＫＫは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＬＬは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＭＭは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＮＮは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＯＯは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＰＰは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。 図８ＱＱは、本発明のいくつかの好ましい実施形態により表示され利用される例示的なスクリーンを示す図である。

好ましい実施形態の詳細な説明

いくつかの好ましい及び代替の実施形態を参照しながら本発明をさらに詳細に説明する。以下で説明するように、様々な実施形態の洗練及び置換えが、本明細書の原理及び教示に基づいて可能である。

図１は、本発明の１つの実施形態による、手持ち式分光光度機器の好ましい実施形態の分解図を示す。しかしながら、熟練した読者なら正しく理解するであろうように、他の光学式色測定デバイスも、本発明のシステムで使用することができる。そのような光学式色測定デバイスの非限定例は、三刺激測色計（tristimulus colorimeter）である。そのような好ましい実施形態によれば、機器は、手持ち式であり、一般に、ハンドピース上部５及びハンドピース底部３によって密閉される。明澄な、透明な、又は半透明なＬＣＤカバー１０は、その下に位置づけられた液晶ディスプレイ（ＬＣＤ）を見るための実質的に密封された窓を備えることが好ましい。好ましい実施形態では、ＬＣＤディスプレイを囲み、ＬＣＤカバーの下の触覚ボタンを押し下げられるようにするとともに、機器のために、固定され、好ましくは塵及び湿気防止封止された筐体として維持されるように、可撓性で好ましくは重合体のＬＣＤハウジング／ボタン器具１１が設けられる。好ましい実施形態では、ディスプレイプリント回路基盤（ＰＣＢ）１４は、図示のように、ＣＰＵ ＰＣＢ１３に機械的に及び電気的に付着されるが、代替の実施形態では、機器の電子機器回路は、単一のＰＣＢ又は２つを超えるＰＣＢに含まれる。重要なことは、本明細書の他のところでより完全に説明されるように機能及び動作を行うために電子機器回路が機器に設けられることである。

好ましい実施形態では、１０ｎｍ可視帯分光光度計が、正確なスペクトル測定値を提供するために用意されるが、他の実施形態では、他のスペクトル分解能が用意される。図示の実施形態によれば、発光ダイオード（ＬＥＤ）ドーム８に位置づけられた好ましくは金属フェルールからなる終端端部を有する中心センサバンドルからなることが好ましい光学前端部が設けられる。ＬＥＤドーム８は、複数のＬＥＤからの光が供給される光空洞（optical cavity：オプティカルキャビティ）を備えるプラスチックなどの白色又はほとんど白色の材料であることが好ましい。ＬＥＤドーム８は、ＬＥＤが位置づけられる開口を含むことが好ましく、ＬＥＤは、中央制御装置（ＣＰＵ）ＰＣＢ１３の中又は上に含まれるプロセッサの制御の下で選択的に作動される。さらに、好ましい実施形態では、光学前端部は複数のＬＥＤ追随ファイババンドルを含み、複数のＬＥＤ追随ファイババンドルは、実質的に共軸配列でＬＥＤドーム８に嵌合するＬＥＤ追随アレイ９によって保持されることが好ましい。ハンドピース先端部６は、内部構成要素を図示のように実質的に密閉するために、ハンドピース上部５及びハンドピース底部３に嵌合する。

さらに図１に示されるように、他の内部構成要素は、バッテリ１２、バッテリカバー７、及びハンドピース突起部４を含むことが好ましい。ハンドピース突起部により、有利には、機器に内部構造が設けられ、加えて、内部構成要素の組み立てが容易になる。好ましい実施形態では、分光光度計は、４０個までのチャネルを含み、そのチャネルは、ＣＰＵ ＰＣＢ１３に装着された光センサを含むこともでき、光センサは、好ましくは帯域通過干渉フィルタが位置づけられる空洞又は他の開口を含む、好ましくは重合体の「矩形格子」又はアレイ固定具１の壁によって囲まれる。ファイババンドルマニホルド２が設けられ、主要センサファイババンドル及びＬＥＤ追随ファイババンドルの終端端部がファイババンドルマニホルド２に確実に付着される。当業者なら正しく理解するであろうように、図１に示した構成要素は、アセンブリをねじなどで固定することもできるようにする細部を含み、その結果、ファイババンドルマニホルド２、フィルタをもつアレイ固定具１、及びＣＰＵ ＰＣＢ１３が、適切な方法で付着される。説明のために、ＣＰＵ ＰＣＢ１３とディスプレイＰＣＢ１４との間のケーブル布線、及びＬＥＤドーム８を照明するＬＥＤに電力を供給するための電線の接続などの追加の細部は示されていないが、当業者なら理解されるであろう。

さらに図１に示されるように、ＣＰＵ ＰＣＢ１３は、対応するベースユニット（図２を参照）の充電回路の対応するピンと電気的に係合するために好ましくはハンドピース底部３を通って延びる充電ブレード又はピン１３Ａを有することが好ましい。さらに、磁石６ＡＡが図１に示されており、磁石６ＡＡは、全部で３つあり、ハンドピース先端部６の中に及びハンドピース先端部６の一部として配列されることが好ましい。図２に関連してより完全に説明されるように、磁石６ＡＡは、光学的基準の面（図２の較正ディスク４Ａを参照）にハンドピース先端部６の端部部分を持って来るのに役立ち、光学的基準の面は、好ましい実施形態では、少なくともいくつかの測定の前に機器を規格化するために使用される。

図２を参照すると、例示的なベースユニットの分解図が示されており、例示的なベースユニットは、好ましい実施形態では、規格化基準器具（normalization reference implement）と、機器のための充電システムとを提供するのに使用されることが望ましい。例示的なベースユニットは、主要本体１Ａ、底部カバー７Ａ、図１の充電ブレード１３Ａに電気的に係合する充電ブレード又はピンをもつ充電基盤を含む。図示されておらず、ベースユニットの外部にある変圧器、ＤＣ電源などからのもののような電力の供給源は、電力をベースユニットに供給し、機器のハンドピースを充電するために電流を供給する。

本明細書の他のところで論じるように、いくつかの好ましい実施形態では、較正又は規格化基準（calibration or normalization reference）は、スペクトルを測定するために機器を使用する前にハンドピース先端部６（図１を参照）に近づけられる。そのような規格化プロセスは、ＬＥＤから出力された光の変化、及び／又は測定システムの光学的性質の他の変化を吸収できることが望ましい。正確なスペクトル測定のためには、ハンドピース先端部６は、較正又は規格化基準と同じ高さに信頼性高く位置づけられることが重要である。好ましい実施形態では、そのような規格化のために器具及び方法の改善が行われる。

好ましい実施形態では、ベースユニットは、ベース内側先端部３Ａ、保持ディスク６Ａ、装着ねじ８Ａ、ばね２Ａ、及びプランジャ５Ａを含む。これらの要素及び図２に示される他の要素は、可動ベースを較正ディスク４Ａに与え、ベースユニットの内側でハンドピース先端部６の位置決めに適合するように移動し、較正ディスク４Ａを基準にして実質的に中心にあり同じ高さにある位置にハンドピース先端部６を信頼性高く持っていく。さらに、いくつかの好ましい実施形態では、較正ディスク４Ａは、金属基板上の、焼成磁器又はセラミック材料などの白色又は実質的に白色の被膜からなる。金属基板は、強磁性材料（例えば、鋼鉄）を含むか、又は強磁性材料（例えば、鋼鉄）からなることが好ましい。好ましい実施形態では、セラミック材料は、粉末被覆され焼成されて、光学的に安定であり、浄化され得る極めて不活性で丈夫な面を生成する。三角形構成の３つの磁石であることが望ましいハンドピース先端部６の磁石６ＡＡの配列が、較正ディスク４Ａの磁性基板に引き寄せられることが好ましい。それにより、ユーザがハンドピースをベースユニットに位置づけることに応答して、ハンドピース先端部６は、較正ディスク４Ａを基準にして同じ高さの位置にされる。同時に、ハンドピースの充電ブレード１３Ａが、ベースユニットの充電ブレードに電気的に接触する。

図２Ａは、皮膚、髪、及び人体の他の部分を測定することに適用できることが望ましい分光光度計システム１の好ましい実施形態の全体図を示す。ハンドピース３はベースユニット５に置かれ、ベースユニット５は、一般に、ハンドピース３の充電接触部がベースユニット５の対応する充電接触部に電気的に接触するようにハンドピース３の形状に一致する。追加として、ハンドピース３の先端部は、ベースユニット５（本明細書の他のところで説明するように磁気支援位置決めによって援助され得る）の形状によって、ベースユニット５に含まれる規格化基準と同じ高さの信頼性のある位置に持っていかれる（すべて、本明細書の他のところでより詳細に説明する）。図示のように、ハンドピース３はディスプレイ７を含むことが好ましく、ボタン９は、上部隣接位置及び下部隣接位置に位置づけられることが好ましい。ボタン９の他の配列が代替の実施形態では使用されるが、図示の実施形態では、上部ボタン９は、電力オン／オフを行う（例えば、２秒などの所定の第１の時間間隔の間押し下げてデバイスをオンにし、そして、オン状態にあるとき、５秒又は１０秒などの所定の第２の時間間隔の間押し下げてデバイスをオフにする）こともできることが望ましく、それは、さらに、作動（例えば、測定値を取る）機能として使用することもできる。右、左、及び中央の下部ボタン９を使用して、例えば、右／左スクロールタイプ機能を行い、中央下部ボタン９は、例えば、選択機能を行うこともできる。本明細書の他のところで説明するように、ボタン９のうちの特別なものに隣接してディスプレイ７に表示される情報は、デバイスの動作のポイント状態における特別なボタンの機能をユーザに示すこともできる。好ましい実施形態では、異なる動作モードは、ボタン９が、異なる機能をユーザに示すこともできるようにし、さらなる他の好ましい実施形態では、ボタン９及びディスプレイ７の動作は、そのような好ましい実施形態に利用されるフィールドプログラマブルゲートアレイ（ＦＰＧＡ）コードの内容に基づいて異なる時点には異なる方法で動作することもできる。

好ましい実施形態によれば、分光光度計の物理的形状は、測定されている皮膚の部分に開口が向けられているハンドピースの先端部の平面が、長手方向に実質的に垂直であるように長手方向に沿って湾曲した全体的形状を有する。物理的形状は、ハンドピースの先端部だけが、測定されている皮膚の部分に接触するように配列される。

次に図３を参照して、いくつかの好ましい実施形態に含まれる例示的な電子機器回路が次に説明される。

本明細書の他のところで説明するように、本発明のいくつかの好ましい実施形態によるシステム及び方法は、皮膚、髪、歯、塗料、インク、布地、食物、植物、宝石などとすることもできる光学的に特性評価されるべき表面又は材料に光を制御可能に供給し、表面材料から戻る光を好ましくは複数のセンサで感知する。光源は、白色ＬＥＤ及び好適なタイプの電球などの広帯域光源であることが好ましい。複数のセンサは、好ましくは干渉フィルタからなる帯域通過フィルタを通過した後の光を受け取る光−周波数変換器（ＬＦＣ）（カウンタなどの追加の回路と、デジタル値を出力するような制御回路とを含むこともできる）をセンサ内に含むことが好ましい。

図３に示されるように、照明は、例示的な好ましい実施形態では、ＬＥＤ２２及び２４によって提供される。照明の他の光源が本発明の範囲内にあるが、ＬＥＤ２２は市販の白色ＬＥＤである。したがって、ＬＥＤは、一般に、短い波長では非常に低い強度であり、好ましい実施形態では、紫外線（ＵＶ）ＬＥＤ２４が、オプションとして、短い波長の照明強度を増加させるために設けられる。ＬＥＤ２２及び２４は、ＦＰＧＡ３４によって制御され、特に、ＬＥＤ減光コントローラ４４を備えるように論理的に構成されたＦＰＧＡ３４内の回路によって制御される。当業者なら正しく理解するであろうように、ＬＥＤ２２及び２４は、減光コントローラ４４の制御の下で、測定されるべき面又は材料（図３の測定面２６によって表されるような皮膚など）に、所望の強度及び所望の期間の照明を供給するように制御される。

面２６の特性に基づいて、光は、図３に台形として概略的に示されているが、光ファイバのバンドルとして理解されるべきである光ファイババンドル２８（図１の主要センサバンドルをさらに参照）によって受け取られる。光ファイババンドル２８は、好ましい実施形態に設けられている光空洞内に受信器を備え、好ましくは、干渉フィルタを介してＬＦＣセンサアレイ３０の個別のセンサに光を結合する役目をする複数の出力部を備える。図示の実施形態は４０個の個別のＬＦＣセンサを含むが、好ましい実施形態では、４０個の「チャネル」のうちの３０個が光ファイババンドル２８の脚部に結合され、それぞれの個別のフィルタは、中心間がほぼ１０ｎｍの間隔で、例えば４１０ｎｍ〜７００ｎｍまで存在する。例示的な好ましい実施形態では、残りの１０個のチャネルのうちの７つは、ＬＥＤ２２及び２４によって提供された照明をモニタ又は追跡するために使用され、それにより、プロセッサ３６と、プロセッサ３６で動作するソフトウェアとによって照明のスペクトル及び全体的強度を追跡できるようになる。照明のそのような多チャネル追跡及びモニタリングにより、プロセッサ３６及びソフトウェアは、照明ドリフトを検出し、機器を再規格化するように動作に警報を出し、及び／又はいくつかの実施形態では照明ドリフトを考慮して測定値を補償することもできるようになる。

好ましい実施形態では、各センサが所望の最小レベルで計数を確実に出力しているようにするために、光バイアスがＬＦＣセンサの一部又はすべてに与えられる。図３に示した実施形態では、バイアス照明が、ソフトウェア制御の下で、プロセッサ３６及びＬＥＤ減光コントローラ４４を介して赤外線（ＩＲ）ＬＥＤ３２により制御可能に与えられる。図３から理解されるように、ＬＦＣアレイ４０の所望のセンサ（例えば、スペクトル測定で使用されているセンサのみとすることもできる）が所望の最小レベルでパルスを出力するように、ＩＲ ＬＥＤはパルス幅変調により出力を増加させるように選択的に歩を進めることもできる。１つの好ましい実施形態では、ＩＲ ＬＥＤ３２によって供給されるバイアスの量は所定の量だけ増加され、最小レベルが達成されているかどうかを決定するためにセンサが測定し、達成されていなければ、最小レベルが所望のＬＦＣセンサで達成されたと決定されるまで、バイアスの量が段階的に増加される。このようにして、望ましいバイアスレベルを自動的に達成することもできる。いくつかの好ましい実施形態では、この自動バイアス設定操作は、機器起動の際に実施され、他の実施形態では各使用の前の規格化プロセスの一部として実施される。さらに、ＩＲ ＬＥＤの使用は例示であり、ＣＰＵ ＰＣＢ（図１）の裏側に位置づけられることが望ましいハロゲン又は他の白熱タイプ電球などの他の照明光源が、例えばＬＦＣセンサの真下のＰＣＢに位置づけられた孔によって、ＬＦＣセンサが受け取ることもできる照明を供給することを理解されたい。バイアス照明を供給するそのような代替の方法は、本発明の範囲内にある。

さらに図３に示されるように、ＦＰＧＡ３４は、機器の制御のためにコンピューティングシステムの他の要素を含むことが好ましく、他の要素には、例えば、ＳＤＲＡＭコントローラ４０（ＳＤＲＡＭ５２が結合できる）、フラッシュコントローラ４２（例えば、シリアルフラッシュメモリとすることもできるフラッシュメモリ５４が結合できる）、キーパッド周辺機器ＩＯ（２つ、３つ、４つなど任意の所望の数とすることもでき、当技術分野で知られている静電容量又は他のタイプのスイッチとすることもできるが、触覚フィードバックをユーザに与えることが好ましい押しボタン５６が結合できる）本明細書でより詳細に開示するような、外部デバイスとのデータ通信のための汎用非同期受信器／送信器（ＵＡＲＴ）５０（ＷｉＦｉ無線５８などの、しかし、Ｂｌｕｅｔｏｏｔｈ（商標）又は他の標準若しくはカスタム有線若しくはワイヤレス通信プロトコルとすることもできるワイヤレスモジュールが結合できる）、及びＬＣＤディスプレイコントローラ４６（ＬＣＤ６０又は他の好適なディスプレイデバイスが結合することもできる）が含まれる。他の実施形態は、ユニバーサルシリアルバスＵＳＢ（２．０、３．０、１．１など）などのデータ通信モジュールを含む。重要なものはそのＦＰＧＡであり、そのＦＰＧＡは、機器のための所望の回路機能を含むように構成されている、例として、アルテラサイクロンＩＩＩ（Ａｌｔｅｒａ Ｃｙｃｌｏｎｅ ＩＩＩ）（商標）ＦＰＧＡとすることもできる。他の実施形態は、ＣＰＵ、メモリコントローラ、ディスプレイコントローラなどのような個別の回路を含むが、好ましい実施形態では、ＦＰＧＡ３４が使用され、ＦＰＧＡ３４により、機器のハードウェアは、様々な用途、更新された化粧品／予測表及びデータのために容易に再構成されること、生産ラインを化粧品／予測表に付け加えることなどが可能になる。

次に、図４Ａから４Ｃを参照すると、次に、手持ち式分光光度計４１０の例示的なデバイス動作がさらに説明される。

図４Ａの動作１００は、本発明の好ましい実施形態で使用される例示的な「工場較正」動作を示す。ステップ１０２に示されるように、個別の機器は、複数の、好ましくは全部で少なくとも４つの較正標準を測定する。そのような測定の結果は、さらなる処理のために記憶される。ステップ１０４に示されるように、スペクトル帯を線形化するための係数が、ステップ１０２の測定からの記憶されたデータに基づいて計算され、記憶される。好ましい実施形態のそのような係数は、Ｓｌｏａｎ Ｗ． Ｗ．、Ｃｏｌｏｒ Ｒｅｓｅａｒｃｈ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ、「Ｃｏｒｒｅｃｔｉｏｎ ｏｆ ｓｉｎｇｌｅ−ｂｅａｍ ｓａｍｐｌｅ ａｂｓｏｒｐｔｉｏｎ ｅｒｒｏｒ ｉｎ ａ ｈｅｍｉｓｐｈｅｒｉｃａｌ ４５°／Ｏ° ｓｐｅｃｔｒｏｐｈｏｔｏｍｅｔｅｒ ｍｅａｓｕｒｅｍｅｎｔ ｃａｖｉｔｙ」、１５２０−６３７８、ＤＯＩ：１０．１００２／ｃｏｌ．２１８２４に述べられているような空洞モデル係数である。ステップ１０６に示されるように、機器に付随しており、機器を較正又は規格化するために使用されることになる較正／規格化標準（calibration/normalization standard）（すなわち、図２のディスク４Ａなどの光学較正ディスク）が測定され、結果が記憶される。デバイス内に、好ましい空洞モデル係数と、機器に付随する較正／規格化参照標準（calibration/normalization standard）の反射スペクトルとが記憶される。そのようなデータの発生及び記憶が、好ましい実施形態に従って工場較正で使用される。さらに、好ましい実施形態によれば、ハンドピース及びベースユニット（図１、２、及び２Ａを参照）は、シリアル番号が振られる（例えば、ハンドピースが工場較正された特別なベースユニットに一致するか又はさもなければその特別なベースユニットに対応するハンドピースのシリアル番号を有する）。

図４Ｂの動作１０８は、本発明の好ましい実施形態に使用される規格化／較正動作を示す。工場較正の間に測定される較正／規格化参照標準は、ベースユニット５に位置づけられる（図２の較正ディスク４Ａを参照）。測定を行う前に、較正／規格化動作が、工場較正の間使用された同じ較正／規格化基準を使用して実行され（ステップ１１０）（図７Ｂ及び関連する説明を含む本明細書の他のところの説明を参照）、この較正／規格化測定からの結果が、同じ較正／規格化基準の記憶されているスペクトルデータと比較される（ステップ１１２）。この比較に基づいて、利得因子又は利得係数が計算され、機器に記憶され（ステップ１１４）、機器によって後続の測定で使用される（次の較正／規格化まで）。そのような較正／規格化は、光源照明の変化、空洞、ファイババンドル、フィルタの光学的性質の変化などを含む工場較正以後の機器の光学的性能に変化を補償するのに役立つ。

図４Ｃの動作１１６は、本発明の好ましい実施形態で使用される測定動作を示す。ステップ１１８において、本明細書の他のところで参照されるような皮膚、髪、又は他の物体若しくは材料とすることもできるサンプルが測定される。ステップ１２０において、規格化利得因子／係数がステップ１１８における測定からのスペクトルデータに適用されて、規格化スペクトルが生成される。ステップ１２２において、ステップ１２０からの規格化スペクトルデータが、好ましい実施形態では空洞モデル係数である線形化係数を使用して調節される。ステップ１２２は、一般に、規格化され線形化されたスペクトルをもたらす。それに基づいて、ステップ１２４において、三刺激値が計算される。そのような値は、本明細書の他のところで説明されるものなどの分類及びカテゴリ分類アルゴリズムで使用することもできる。

好ましい実施形態によれば、光空洞は、評価中の皮膚又は他の物体若しくは材料に向けられる。光空洞は、タイプ当たり１つ又は複数のＬＥＤのうちの各タイプのＬＥＤをもつ照明光源からの、好ましい実施形態では１つ又は複数のタイプのＬＥＤからの広帯域光を受け取り反射することが好ましい。光空洞の開口により、評価中の面に光が入射できるようになる。この光の一部分は、本明細書の他のところでより詳細に説明するように、帯域通過フィルタを介して光をセンサアレイに伝搬及び結合させる受信器ファイババンドルあることが好ましい受信器によって受け取られる。

しかしながら、評価中の面から戻された光の一部分は、受信器／センサバンドルによって直接受け取られるのではなく、代わりに、光空洞の一部分に入射し、光空洞の一部分は、この光が評価中の面に再入射するようにこの光を１又は複数回反射することがある。本明細書では、この光学効果は、サンプル置換誤差、サンプル吸収誤差などと呼び、それは、Ｓｌｏａｎ Ｗ． Ｗ．、Ｃｏｌｏｒ Ｒｅｓｅａｒｃｈ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ、「Ｃｏｒｒｅｃｔｉｏｎ ｏｆ ｓｉｎｇｌｅ−ｂｅａｍ ｓａｍｐｌｅ ａｂｓｏｒｐｔｉｏｎ ｅｒｒｏｒ ｉｎ ａ ｈｅｍｉｓｐｈｅｒｉｃａｌ ４５°／０° ｓｐｅｃｔｒｏｐｈｏｔｏｍｅｔｅｒ ｍｅａｓｕｒｅｍｅｎｔ ｃａｖｉｔｙ」、１５２０−６３７８、ＤＯＩ：１０．１００２／ｃｏｌ．２１８２４で開示されている方法などの知られている方法を使用して定量化及び修正することもできる。

本発明の好ましい実施形態では、本発明による手持ち式分光光度計は、測定関連データ又は他のデータを入力するためのユーザインタフェース手段をさらに備える。次に、測定関連データ又は他のデータは、特別な組の測定値に付け加えられたメタデータとして組み込むこともできる。そのようなメタデータの非限定例は、測定がなされている対象の年代、性別、又は民族とすることもできる。測定データにタグを付けるために使用できるメタデータの他の例は、以下で説明するように、色のカテゴリ分類が望まれる特別な範囲の化粧品である。他のメタデータは、さらに、測定データに自動的にタグを付けるために使用することもできる。例えば、本発明のシステム内で使用するための手持ち式分光光度計又は他の光学式色測定デバイスは、タイムスタンプ、又は局所的に発生した地理的な若しくは小売りの場所情報を含むタグを自動的に付けることもできる。

次に図５を参照して、本発明の１つの実施形態によるシステムが次に説明される。システム５００は、複数の異なる地理的場所（例えば、化粧タイプの製品が販売されているか、又はさもなければそのような製品のユーザに供給されている小売り又は他の場所とすることもできる）に位置している複数の手持ち式分光光度計５１０と、手持ち式分光光度計の各々から遠く離れて配置された中央データ処理ユニット５０１とを備える。

図５に示されるように、手持ち式分光光度計５１０のベース、及び／又は測定器具自体は、有線接続を介して通信ハブ５１３に接続することもでき、通信ハブ５１３自体は、インターネットなどのより大きいネットワーク５０８に接続されたコンピュータ５１２に接続される。それに加えて、手持ち式分光光度計５１０のベース、及び／又は測定器具自体は、ＩＥＥＥ８０２．１５．１（Ｂｌｕｅｔｏｏｔｈ（商標）、ＩＥＥＥ８０２．１１（ＷｉＦｉ）、又は任意の他の好適なワイヤレス技術を介してタブレットコンピュータ５１１などにワイヤレスで接続することもできる。タブレットコンピュータ５１１は、ＩＥＥＥ８０２．１１（ＷｉＦｉ）又は任意の他の好適なワイヤレス技術を介してワイヤレスアクセスポイント５０９に接続することもでき、ワイヤレスアクセスポイント５０９自体は、インターネットなどのより大きいネットワーク５０８に接続することもできる。図５にさらに示されるように、手持ち式分光光度計５１０のベース、及び／又は測定器具自体は、ＩＥＥＥ８０２．１１（ＷｉＦｉ）、又は任意の他の好適なワイヤレス技術を介してワイヤレスアクセスポイント５０９に直接接続することもできる。

中央データ処理ユニット５０１は、ファイアウォール５１４及びサーバ５１５を介してネットワーク５０８に接続される。サーバ５１５は、以下で説明するように、測定値及びメタデータ、並びに手持ち式分光光度計５１０からの確認証明を受け取るように設けられている。サーバ５１５は、さらに、手持ち式分光光度計５１０に証明請求、並びにオプションのソフトウェア及びファームウェア更新を送るように構成される。

サーバ５１５は、中央データ処理ユニット５０１に接続される。特に、中央データ処理ユニット５０１のマッピングモジュール５０２は、サーバ５１５を介して、特定の手持ち式分光光度計５１０からの測定値及びメタデータ情報を受け取るように構成される。マッピングモジュールは、図７Ｂを参照しながら以下で説明するように、受け取った測定値を色空間上にマッピングする。次に、マッピングされた測定値は、図７Ｂを参照しながら以下でさらに説明するように、メタデータを使用していくつかの分類器ラベルセット５０４−１、５０４−２、５０４−３、及び５０４−Ｎのうちの１つを選択するように設けられた事前分類モジュール５０３に送られる。

ひとたびマッピングされた測定値を分類器が分類すると（すなわち、ひとたびマッピングされた測定値が、少なくとも１つのラベルセットの少なくとも１つのラベルでタグを付けられたら）、マッピングされた測定値は、測定値メタデータ及びラベルタグとともに、確認のために確認モジュール５０５に渡される。確認モジュール５０５は、サーバ５１５を介して特定の手持ち式分光光度計５１０のうちの１つ又は複数に確認請求を送り戻すように設けられる。カテゴリ分類が確認された場合、確認モジュールは、マッピングされた測定値を、タグを付けられたラベルとともにメモリ記憶ユニット５０６に記憶する。メモリ記憶ユニット５０６のデータは、コンピュータ５０７を経由してアクセスし、分析し、扱うこともできる。システム５００のより詳細な動作が、図７Ｂを参照して以下で説明される。

機械学習及び統計では、「分類」は、事前定義されたカテゴリに物体を割り当てるための方法論である。分類を実施するアルゴリズムは、「分類器」として知られており、データの部分母集団（「クラス」）のための１組のカテゴリを識別することによって、１組の訓練データ（training data：トレーニングデータ）から開発される。各クラスは、「説明変数」又は「特徴」と呼ばれる１つ又は複数の定量化可能な性質によって定義される。分類器は、追加のデータ入力を使用して、説明変数を調節し、データ分類の正確さを改善する新しい発見法を開発することもできるという点で学習システムである。

図６Ａは、分類器を開発し更新するための一般化された流れ図である。データが収集され（６００）、特徴（説明変数）がデータから抽出され（６０２）クラスラベル予測（６０４）のために使用される。訓練データの多くの形態及び供給源は、本発明の範囲内にあるとみなされる。そのようなデータの非限定例は、専門家のユーザによって、又は他のタイプの分光光度計若しくは同様のデバイスによってカテゴリ分類された一連の測定値である。追加のデータが、収集され分類され（６０６）、説明変数を調節するか又は追加の発見法を付け加えることによって分類器を再教育する（６０８）ために使用され得る。次に、学習済み分類器モデル（６１０）が、クラスラベル予測のために使用される。

図６Ｂは、色調推薦のために分類器を開発し更新するための流れ図である。フィールドデータが、スペクトル測定値の形態で収集され（６１２）、特徴が、明度、色度、及び色相（Ｌ^＊、Ｃ^＊、及びｈ^＊）に対して三刺激計算の形態で抽出される（６１４）。特徴は、クラスラベル予測のために使用される（６１６）。追加のデータが、収集され分類され（６１８）、説明変数を調節するか又は追加の発見法を付け加えることによって分類器を再教育する（６２０）ために使用され得る。次に、学習済みモデル（６２２）が、クラスラベル予測のために使用される。

代替の好ましい実施形態では、特徴は、他の三刺激計算（例えば、ＣＩＥＬＡＢ）の形態のフィールドデータスペクトルから抽出される。次に、これらの特徴は、クラスラベル予測のために使用される。さらなる別の交替の好ましい実施形態では、注目する特別な波長依存スペクトル反射率測定値が、クラスラベル予測のために直接使用される。この実施形態では、注目する測定値は、オプションとして、手動で、又は主成分分析などの適切な特徴抽出の自動化方法により決定される。

さらなる別の好ましい実施形態において、特別な特徴が、目標測定基材の顔料組成物（複数可）に基づいて、関連すると分かっている測定値にスペクトルを変換することによって、フィールドデータスペクトルから抽出される。皮膚測定の場合には、特別な発色団、すなわち、オキシヘモグロビン、デオキシエモグロビン、及びメラニンが、皮膚分光法の文献において、皮膚の色の見えに主として関与することが分かっている。反射スペクトルは、吸収スペクトルに変換され、これらの発色団の相対濃度が、文献からの式を使用して決定される（Ｓｔａｍａｔａｓ， Ｇ． Ｎ．、Ｚｍｕｄｚｋａ， Ｂ． Ｚ．、Ｋｏｌｌｉａｓ， Ｎ．、及びＢｅｅｒ， Ｊ． Ｚ．（２００８）、Ｉｎ ｖｉｖｏ ｍｅａｓｕｒｅｍｅｎｔ ｏｆ ｓｋｉｎ ｅｒｙｔｈｅｍａ ａｎｄ ｐｉｇｍｅｎｔａｔｉｏｎ：ｎｅｗ ｍｅａｎｓ ｏｆ ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ ｄｉｆｆｕｓｅ ｒｅｆｌｅｃｔａｎｃｅ ｓｐｅｃｔｒｏｓｃｏｐｙ ｗｉｔｈ ａ ｃｏｍｍｅｒｃｉａｌ ｉｎｓｔｒｕｍｅｎｔ、Ｂｒｉｔｉｓｈ Ｊｏｕｒｎａｌ ｏｆ Ｄｅｒｍａｔｏｌｏｇｙ、１５９（３）、６８３〜６９０を参照）。これらの発色団濃度変量は、クラスラベル予測のための特徴として使用される。代替の好ましい実施形態では、スペクトルから抽出された以前に説明した特徴の組合せがクラスラベル予測のために使用される。

図６Ｄは、範囲ベース分類器の一般化された流れ図である。分類モデル（６５０）は、訓練データ（６４４）から抽出された特徴（６４８）と、訓練データラベル（６４６）とから開発される（学習される）。クラスごとに分類モデルを構築する（学習する）ために、以下の計算が、訓練データからの特徴ごとに実行される。
・平均値（６５２）
・最小値（６５４）
・最大値（６５６）
・回帰から重み付け係数を計算する（６５８）（オプション）
・発見法から重み付け係数を計算する（６６０）（オプション）

図６Ｅは、本開示の範囲ベース分類器のための学習モデルの流れ図である。訓練データが、訓練対象の額、ほお、及び下顎輪郭の全反射スペクトルを測定することによって収集される（６６２）。１８個の特徴が、訓練データから以下のように抽出される（６６６）。
・額、ほお、及び下顎輪郭に対して三刺激値（Ｌ^＊、Ｃ^＊、ｈ^＊）を計算する（６６８）。
・三刺激値（Ｌ^＊、Ｃ^＊、ｈ^＊）ごとに、色差を計算する（６７０）。
○ほお−下顎輪郭
○ほお−額
○下顎輪郭−額

分類モデル（６７２）は、クラス（ファンデーションメーキャップ色調）の各々について、特徴の各々の範囲及び平均を計算することによって開発される（学習される）。
・訓練データからの１８個の特徴の各々に対して平均値を計算する（６７４）。
・訓練データからの１８個の特徴の各々に対して最小値を計算する（６７６）。
・訓練データからの１８個の特徴の各々に対して最大値を計算する（６７８）。
・（オプション）回帰に基づいて各特徴の重み付けを計算する（６８０）。
・（オプション）発見法に基づいて各特徴の重み付けを計算する（６８２）。

図６Ｃは、６Ｄで説明した分類器に基づく顧客色調推薦／カテゴリ分類の流れ図である。フィールドデータは、対象の額、ほお、及び下顎輪郭の全反射スペクトルを測定することによって収集される（６２４）。次に、１８個の特徴が、フィールドデータから以下のように抽出される（６２６）。
・額、ほお、及び下顎輪郭に対して三刺激値（Ｌ^＊、Ｃ^＊、ｈ^＊）を計算する（６２８）。
・三刺激値（Ｌ^＊、Ｃ^＊、ｈ^＊）ごとに、色差を計算する（６３０）。
○ほお−下顎輪郭
○ほお−額
○下顎輪郭−額

学習済み分類モデル（６４２）は、クラスの各々の範囲及び平均と対象の特徴を比較することによって、対象をクラス（ファンデーションメーキャップ色調）に割り当てるのに使用される（６３２）。各クラスは、１８個の特徴の各々に対してそれ自体の最小値、最大値、及び平均値を有する。
・１８個の特徴の各々に対して、フィールドデータが範囲内にある場合、その特徴のスコアを計算する。スコアは、クラスの平均値からのフィールドデータの距離によって決まり、平均値での１から、減少して範囲の最小値でのゼロまで、又は最高値にわたる（６３４）。
・学習済みモデル（６４２）は、特徴の各々について重み付け係数を有する。特徴の重み付け係数をその特徴のスコアに掛ける。すべての特徴の総計重み付けスコアを計算する。これは、クラスの総計スコアである（６３６）。
・クラスの各々の総計スコアを比較する。最も高いスコアが、測定された対象の予測されたクラスである（６３７）。

対象フィードバックが、予測されたクラス（ファンデーションメーキャップ色調）の色調整合に対して肯定的である場合、上述のように、フィールドデータに予測されたクラス（６３８）のラベルを付ける（オプション）。
・捕捉されたフィールドデータ（６４０）を付け加えることによって分類器を再教育する。

図６Ｆは、分類器モデルの線形実施形態のための一般化された流れ図であり、流れ図は、分類問題の定式化（６８４）、訓練データ及び訓練ラベルの収集（６８６）、オプションとして、訓練データを前処理し、そのデータを使用して学習モデルを訓練すること（６８８、６９０）、オプションとして、訓練データと同じ方法で試験データを収集し前処理すること（６９２、６９４）、学習モデルを試験し、結果が望ましいかどうかを決定すること（６９６、６９８）、及びオプションとして、訓練データと同じ方法でフィールドデータを収集して試験すること（６９９、６９７、及び６９５）を示している。分類器のこの線形実施形態は、フィールドデータが獲得され処理されるので、学習モデルの連続的調節を必要としない。

図７Ａ及び７Ｂは、本発明による分類モデルの好ましい実施形態を表す一般化された流れ図であり、分類モデルは、色調カテゴリ分類のための最近傍ベースパターン分類アルゴリズムに基づく。

分類モデルは、訓練データから抽出された特徴と、対応する訓練データラベルとから開発される（学習される）。クラスごとの分類モデルを構築する（学習する）ために、図７Ａに示す方法の以下のステップ（７５０から７５４、及びオプションとして、７５５）が、観察ごとに訓練データで実行される。

以下のモデルは、クラスの平均及び分散が未知である場合に少量の訓練データの場合にアルゴリズムを使用できるようにする基礎的なパラメータ表示を仮定していない（すなわち、確率分布がいかなるクラスにも仮定されていない）ことに留意し得る。このようにして、アルゴリズムは、教師付きパターン分類における「コールドスタート問題」に関連する困難をある程度緩和することもできる（すなわち、パラメータ化された学習ベースモデルで使用する初期データがないとき）。

ステップ７５０において、訓練データが、上述のように、試験対象の額、ほお、及び下顎輪郭の全反射スペクトルを測定することによって収集される。次に、ステップ７５１において、９つの特徴が、額、ほお、及び下顎輪郭に対する三刺激値（明度Ｌ^＊、色度Ｃ^＊、及び色相ｈ^＊）を計算することによって、訓練データから抽出される。次に、ステップ７５２において、これらの三刺激値が９次元特徴空間にマッピングされ、これらの９つの値は、各観察（対象）を訓練データセットで９次元特徴ベクトルとして完全に記述する。正しく理解されるように、スペクトル測定値を色空間にマッピングする他の形態が、代替の色空間とともに、さらに本発明に関連して使用され得る。

訓練データセットを完成させるために、少なくとも１つのクラスラベルが、ステップ７５３において観察ごとに獲得される。多重分類方式が望ましいことがあり、例えば、分類のための特徴空間の量子化の程度（例えば、所与のメーキャップ生産ラインの色調の数によって制御される）に応じて、１０グループのうちの１つに又は２０グループのうちの１つに新しい観察を分類することが最終的に望ましいことがある。クラスラベルセットは、本明細書では、所与の分類のために（例えば、所与の生産ラインのために）同じ特徴空間における複数のクラスラベルとして定義される。それ故に、多数のクラスラベル（すなわち、多くのクラスラベルセットの各々からの単一のクラスラベル）が、多重分類ルーチン（例えば多数の生産ラインのための、又は多数の地理的場所から受け取った測定値のカテゴリ分類のための）において後で使用するために１つの観察（試験対象）に対して獲得され得る。

追加として、多数のクラスラベル（すなわち、単一のクラスラベルセットから選択された多数のクラスラベル）が、１つの分類ルーチンでの使用に対しても１つの観察に割り当てられ得る。この状況において、１つを超えるカテゴリ分類を、その観察に対して受け入れ可能とすることもでき、この追加情報は、分類モデルを洗練する際に使用することもできる。ステップ７５４において、これ以上の訓練データが利用可能でなくなるまで、ステップ７５０から７５３が繰り返される。

入来観察が訓練データセットに含まれていない、例えば、新規ユーザが色調カテゴリ分類を望む場合、フィールドデータが、ステップ７５６において、対象の額、ほお、及び下顎輪郭の全反射スペクトルを測定することによって収集される。次に、これらの測定値は、ステップ７５７において、所望の色空間にマッピングされる。好ましい実施形態では、９つの特徴が、測定ゾーンの各々に対して三刺激値（明度Ｌ^＊、色度Ｃ^＊、及び色相ｈ^＊）を計算することによって、入来データから抽出される。次に、ステップ７５８において、色空間測定値が、９次元特徴空間にマッピングされる。

学習モデルが効果的に働くために、測定値ゾーンは、訓練データセットを発生させるのに使用された測定値ゾーンにできるだけ近くなければならない。これは、例えば、顔の図のアニメーションを使用して測定器具配置に関してユーザを案内するために、分光光度計にグラフィカルユーザインターフェース（ＧＵＩ）を備えることによって達成することもできる。ユーザのための測定値ベクトルは、９次元特徴ベクトルとすべきである。訓練データセットは、１組の９Ｄ（９次元）ベクトルを含み、観察（対象）ごとに１つのセットを含む。

ひとたび新しいデータがクラスラベル付き訓練データと同じ方法でフォーマットされると、使用されるべき分類モデルは、ｋ−最近傍（ｋＮＮ）アルゴリズムのモデルである。高水準では、このパターン分類アルゴリズムは、１組のクラスラベル付き訓練データ、訓練データと同様にフォーマットされた新しい観察、観察間の距離を比較するために使用される距離メトリックの選択、及び分類で考慮されるべき近傍観察（ｋ）の数の選択を必要とする。

非限定例では、ｋは１に設定され、距離関数はユークリッド距離（Ｌ２ノルム）に設定される。次に、アルゴリズムは、ステップ７６０において、新しいマッピングされた測定値と、データセットのすべての観察との間のペアワイズユークリッド距離を計算することに進む。新しい観察に最も近いデータセットの観察が、ステップ７６１において、この最近接観察のクラスラベルとともに識別される（ステップ７６２）。最後に、このクラスラベルが、ステップ７６３において、新しい観察のための予測されたクラスとして戻される。

ｋＮＮアルゴリズムにおいて、変数ｋは、経験的に最適化することもできる一定の整数値に設定され、分類に使用されるべき「近傍」の数を表すｋの値が１よりも大きい場合、観察重み付け又は投票方式が、同順位（ｔｉｅ）の場合には必要とされる。異なるクラスラベルをもつ多数の近傍の場合は、新しい観察のための最終の最良クラスを選ぶためにいくつかのさらなる発見法を必要とすることになる。より信頼できるデータが収集され、訓練データセットに組み込まれるとき、ｋの値を調節して分類精度を改善することもできる。ユークリッド距離が、好ましい距離関数として用意されているが、このアルゴリズムに多数の他の距離関数を使用することが可能である。

好ましい実施形態では、近傍の数ｋは１に設定され、使用される距離関数は、９Ｄ（９次元）の標準化されたユークリッド距離関数（standardized Euclidean distance function）である（すべての訓練データ及びフォーマットされた新しい観察が９Ｄ（９次元）であるので）。訓練データ及び入来の新しい観察は、次に説明するように、９つの変数の不均一尺度構成のために、標準化される。

訓練データの各変数の標準偏差が、最初に、ステップ７５５において計算される。例えば、額の明度Ｌ^＊の標準偏差が、訓練セットのすべての観察にわたって計算される。分類に先立って、新しい観察及び訓練データの両方の９Ｄ（９次元）ベクトルのすべての要素が、ステップ７５９に示されるように、対応する変数に対して計算された標準偏差値で割られる。この好ましい実施形態において、標準偏差値及び標準化された訓練データは、より少ないオンライン計算のために事前計算される。訓練データセットのサイズが大きくなるにつれて、網羅的なペアワイズ距離計算は、あまりにも遅くかつより複雑になり、そのような探索のために設計され、当業者に知られている代替のデータ構造が、分類を加速し、距離計算の数を減少させるために実施され得る。

別の好ましい実施形態では、近傍の数ｋは１に設定され、使用される距離関数は、カスタム重み付け標準化されたユークリッド距離関数である。測定値自体に応じて、観察ごとにペアワイズ距離を測定するのに使用される９つの変数の重み付け（相対的重要度）は異なる。例えば、ほおの明度は、ある民族のユーザにとって額の明度よりも重要性をもつことがある。

この好ましい実施形態では、３つの主要クラスの測定値が、最初に、明るい、中間、及び暗いという皮膚の色合い（skin tone：スキントーン）のグループに対応して識別される。明るいグループは、Ｌ^＊＞５４の明度（額、ほお、首にわたる平均）の値によって定義され、中間のグループは、５４≧Ｌ^＊≧４０の明度の値として定義され、暗いグループは、４０＞Ｌ^＊の明度の値として定義される。次に、グループごとに、９つの変数の各々について距離関数の重み付け値は、すべての重みの合計が１に等しくなるように設定される。皮膚の色合いのグループごとの最適重み付け値は、訓練データを使用する実験を通して決定することもできる。この手法によって、新しい観察ポイントと訓練データポイントとの間のペアワイズ距離が、異なることになり、皮膚の色合いの範囲ごとに新しいデータのクラスを予測するのにより良く適することになる。この手法の追加の利益は、３つの皮膚の色合いのサブグループのうちの１つへの第１の分類に基づき、ペアワイズ距離計算の要求がより少ないことである。

本発明のシステムによって実行される全方法が、図５及び７Ｂを参照して次に説明される。

ステップ７０１において、一連の測定値が、手持ち式分光光度計５１０を使用して取られる。これらの測定値は、対象の額、ほお、及び下顎輪郭の全反射スペクトルを含む。ひとたび手持ち式分光光度計５１０のローカルメモリに保存されると、ステップ７０２において、測定データは、例えば、時間／日付スタンプ、及び／又は手持ち式分光光度計５１０に関連する地理的な又は小売りの場所情報などのメタデータでタグを付けることもできる。ステップ７０３において、手持ち式分光光度計５１０は、カテゴリ分類のために、測定値を任意のメタデータとともに中央処理装置５０１に送る。上述のように、これは、ネットワーク５０８、ファイアウォール５１５、及びサーバ５１５を介して行われる。

ステップ７０４として、中央処理装置５０１のマッピングモジュール５０２は、測定値を好ましい色空間にマッピングし、次に、ステップ７０５において、図７Ａを参照して上述で詳細に説明したように、９次元特徴空間にマッピングする。熟練した読者なら正しく理解するであろうように、マッピングモジュール５０２は、代替として、手持ち式分光光度計５１０に実装することもできる。次に、マッピングされた測定値は事前分類モジュール５０３に渡されて、マッピングされた測定値をカテゴリ分類するためにどのラベルセット（複数可）（５０４−１、５０４−２、５０３−３、…、５０４−Ｎ）が使用されるべきかが決定される。

分類器ラベルセット（複数可）の選択は、図７Ａのステップ７６２においてクラスラベル（複数可）を決定するのにラベルのどのセット（複数可）が使用されることになるかを決定することになる。ラベルセットの非限定の例は、様々な市場で利用可能な生産ラインの色調を含むこともできる。各ラベルセットは、特徴空間の様々な程度の量子化を含むこともできる。それにより、第１の生産ラインでは、第１のラベルセットを１０個の異なるラベル（色調）に分割することもでき、一方、第２の生産ラインでは、第２のラベルセットを１０個の異なるラベル（色調）に分割することもできる。その上、各ラベルセットの特徴空間は、量子化されないことさえあり、そのため、特徴空間のより大きい及びより小さい区間を範囲に含む「より大きい」及び「より小さい」ラベルを含むことがある。

本質的に、異なるラベルセットの選択は、一般に、異なるラベルの適用に結びつき、それによって、異なるカテゴリ分類をもたらすことになる。したがって、異なるラベルセットを使用する分類器は、一般に、異なる結果に結びつくので、異なる分類器とみなすこともできる。

ステップ７０６において、事前分類器モジュール５０３は、手持ち式分光光度計５１０から受け取ったメタデータを使用して、マッピングされた測定値を分類するのにどのラベルセット（複数可）が使用されるべきかを選択する。これの一例として、メタデータが地理的及び小売り場所を含む場合、事前分類モジュール５０３は、地理的及び小売り場所を特別な生産ラインに一致させることもできる。ひとたび特別な生産ラインが識別されると、その関連するラベルセットを分類に使用することもできる。代替として、事前分類モジュール５０３は、測定値が取られた特別な小売店（すなわち、所与の国又は州の所与のブランド店）において、１つを超える生産ラインが利用可能であると決定することもできる。そのような場合には、事前分類モジュール５０３は、２つの異なるラベルセット、すなわち、生産ラインごとに１つを選択することもできる。

ステップ７０７において、分類器５０４−１、５０４−２、５０４−３、…、５０４−Ｎ（すなわち、異なるラベルセットを使用する分類器）のうちの少なくとも１つを使用して、マッピングされた測定値に関連した少なくとも１つのカテゴリラベルを識別する。これらの分類の各々は、上述のように実行され、メモリ記憶ユニット５０６に記憶されているデータセットへのアクセスを必要とする。

ひとたびマッピングされた測定値が少なくとも１つのカテゴリラベルに関連づけられると、マッピングされた測定値は、関連する少なくとも１つのカテゴリラベルと一緒に確認モジュールに送られる。ステップ７０８において、確認モジュールは、ユーザに示される測定値及びカテゴリ（すなわち、関連する色調）を取るために使用された手持ち式分光光度計５１０に少なくとも１つのカテゴリラベルを送り返す。次に、供給されたカテゴリ分類を受け入れるか、拒絶するか、又は無視するようにユーザに促すこともできる。

ユーザがカテゴリ分類を受け入れる場合、手持ち式分光光度計は確認指標を確認モジュールに送り返す。一方、ユーザがカテゴリ分類を拒絶する場合、手持ち式分光光度計は代替のカテゴリ分類を選択するようにユーザを促す。ひとたび選択されると、さらなる処理のために代替のカテゴリ分類を確認モジュールに送ることもできる。

ステップ７０９において、カテゴリの確認が受け取られたかどうかに関して決定がなされる。これは、特定の期間の後に実行することもできる。確認が受け取られている場合、マッピングされた測定値及びカテゴリラベルが、ステップ７１３において、関連データセットに付け加えられる。しかしながら、確認が受け取られていない場合、代替のカテゴリラベルに関連する代替の製品が示唆されたかどうかに関する決定がなされる。示唆されている場合、マッピングされた測定値が、ステップ７１２において、代替のカテゴリラベルに割り当てられ、両方ともステップ７１３において関連データセットに付け加えられる。最後に、確認が受け取られておらず、代替の製品が示唆されていない場合、マッピングされた測定値は、ステップ７１１において、単に廃棄することもできる。

本発明のいくつかの実施形態では、ステップ７０１から７０８は、手持ち式分光光度計デバイス５１０自体によって実行され、マッピングされた測定値及びラベルは、中央処理装置５０１への周期的アップロードのために局所的に記憶される。これらの実施形態において、分類は、局所的に記憶されたデータセットを用いるけれども、上述の方法を使用して実行される。そのような実施形態では、中央処理装置は、確認されたマッピングされた測定値を受け取り、確認されたマッピングされた測定値をラベル付けしてメモリ記憶ユニット５０６の適切なデータセットに付け加える。

周期的に、中央処理装置は、データセット更新を各手持ち式分光光度計デバイス５１０に強いることもでき、各手持ち式分光光度計デバイス５１０は、手持ち式分光光度計デバイスごとに、局所的に記憶されているデータセットを記憶ユニット５０６の包括的又はシステム全体のデータセットと取り替える。データセット更新を手持ち式デバイスに自動的に強いることと組み合わせてこの包括的又はシステム全体の測定値を蓄積することにより、システムにおける各分光光度計デバイス５１０は、システム５００におけるすべての（又は一部の）他の分光光度計デバイス５１０によってもたらされるカテゴリ分類から利益を得ることもできるようになる。

本明細書の他のところで説明するように、本発明の好ましい実施形態は、直観的で強力なユーザインタフェースを備えるためにグラフィック、テキスト、及び数値の情報をユーザに好都合に提供するためのディスプレイ、好ましくはＬＣＤを含むことが望ましい。上部ボタン９と、好ましくは３つの下部ボタン９（例えば、図２Ａを参照）の好ましい配列と組み合わせたそのようなディスプレイにより、好ましい実施形態は、そのような直観的で強力なユーザインタフェースを備えることもできるようになる。

次に図８Ａ以下を参照して、表示される例示的なスクリーンショットが次に説明される。本明細書で図示及び説明する例示的なスクリーンショットに基づいて、本発明の洗練、変形、及び改変は本発明の範囲内にあることが当業者には理解されよう。

図８Ａに示されるように、導入のスクリーンが表示されることが望ましい。このスクリーンは、例えば、会社又は製品の識別名、及び望ましいタイプのグラフィックスなどを提供することもできる。開始インジケータがボタン９のうちの１つ（例えば、下部中央ボタン９）の近くに表示され、動作の開始が、適切なボタン９を押すことによって起動されることが好ましい。

図８Ｂに示されるように、好ましい実施形態では、較正開始スクリーンが表示される。較正開始インジケータが、ボタン９のうちの１つ（例えば、下部中央ボタン９）の近くに表示され、較正の開始が、適切なボタン９を押すことによって起動されることが好ましい。

図８Ｃに示されるように、好ましい実施形態では、較正スクリーンが表示され、較正スクリーンは、較正プロセスが進行中であることをユーザに示すことが望ましい。

図８Ｄに示されるように、好ましい実施形態では、開始スクリーンが表示され、開始スクリーンは較正プロセスが首尾よく完了したことを示す。較正を失敗した場合には、較正を起動する（又は再起動する）ようにユーザに促すスクリーンが表示されることが望ましい。代替の好ましい実施形態では、較正シーケンスは、ユーザが較正を再起動するように促される前に複数回起動され、さらなる代替として、電源切断、技能者保守点検、クリーニング、又は較正基準の他の保守の催促などの追加メッセージを表示することもできる。開始走査インジケータがボタン９のうちの１つ（例えば、下部中央ボタン９）の近くに表示され、さらなる処理の開始が適切なボタン９を押すことによって起動されることが好ましい。

図８Ｅに示されるように、好ましい実施形態において、走査ゾーン１のスクリーンが表示される。ゾーン１走査を開始するインジケータがボタン９のうちの１つ（例えば、下部中央ボタン９）の近くに表示され、走査の開始が適切なボタン９を押すことによって起動されることが好ましい。好ましい実施形態において、図示のように、ゾーン１走査の概略の場所にユーザを案内するグラフィックが表示される。好ましい実施形態では、走査の開始は、単一の作動によって複数の測定、例えば３つの測定などを起動することに留意されたい。そのような実施形態のうちのいくつかでは、スペクトル帯ごとに３つの測定値の平均が取られる。他の実施形態では、Ｌ^＊、ａ^＊、ｂ^＊、又はＬ^＊、Ｃ^＊、ｈ^＊値が計算され平均化される。重要なことは、そのような実施形態では、データ完全性及び信頼性を向上させるために、複数の測定値を使用し平均化することもできることである。

図８Ｆに示されるように、好ましい実施形態では、ユーザがゾーン１を再走査するか又は次のステップに進むこともできるようにするスクリーンが表示される。再走査及び次へのインジケータが、ボタン９のうちの対応する１つ（例えば、下部左及び右ボタン９）の近くに表示され、再走査又は次のステップへの進行が、適切なボタン９を押すことによって選択されることが好ましい。

図８Ｇは図８Ｆと同様であるが、図８Ｆでは、次へのインジケータが強調表示されており、一方、図８Ｇでは、再走査インジケータが強調表示されている。好ましい実施形態では、ひとたび選択が強調表示されると、選択されたアクションの作動が、ボタン９のうちの所定の１つ（例えば、下部中央ボタン９）によって起動される。

図８Ｈに示されるように、好ましい実施形態では、走査ゾーン２のスクリーンが表示される。ゾーン２走査を開始するインジケータがボタン９のうちの１つ（例えば、下部中央ボタン９）の近くに表示され、走査の開始が適切なボタン９を押すことによって起動されることが好ましい。好ましい実施形態では、図示のように、ゾーン２走査の概略の場所にユーザを案内するグラフィックが表示される。

図８Ｉに示されるように、好ましい実施形態では、ユーザがゾーン２を再走査するか又は次のステップに進むこともできるようにするスクリーンが表示される。このスクリーン及び関連するボタンは、図８Ｆ及び８Ｇに関連して説明されたものと同様に表示され動作することが好ましい。

図８Ｊに示されるように、好ましい実施形態では、走査ゾーン３のスクリーンが表示される。ゾーン３走査を開始するインジケータがボタン９のうちの１つ（例えば、下部中央ボタン９）の近くに表示され、走査の開始が適切なボタン９を押すことによって起動されることが好ましい。好ましい実施形態では、図示のように、ゾーン３走査の概略の場所にユーザを案内するグラフィックが表示される。

図８Ｋに示されるように、好ましい実施形態では、ユーザがゾーン３を再走査するか又は次のステップに進むこともできるようにするスクリーンが表示される。このスクリーン及び関連するボタンは、図８Ｆ及び８Ｇに関連して説明されたものと同様に表示され動作することが好ましい。

図８Ｌに示されるように、好ましい実施形態では、ユーザが、走査プロセスを最初からやり直す（代替の好ましい実施形態では、最初からやり直すプロセスは、較正を起動するステップに、又は代替としてゾーン１を走査するステップに戻る）か、又は次のステップに進むこともできるようにするスクリーンが表示される。最初からやり直し及び次へのインジケータが、ボタン９のうちの対応する１つ（例えば、下部左及び右ボタン９）の近くに表示され、最初からやり直し又は次のステップへの進行が、適切なボタン９を押すことによって選択されることが好ましい。

図８Ｍは図８Ｌと同様であるが、図８Ｌでは、最初からやり直しインジケータが強調表示されており、一方、図８Ｍでは、次へのインジケータが強調表示されている。好ましい実施形態では、ひとたび選択が強調表示されると、選択されたアクションの作動が、ボタン９のうちの所定の１つ（例えば、下部中央ボタン９）によって起動される。

図８Ｎに示されるように、好ましい実施形態では、第１の製品選択スクリーンが、図示されているように表示される。このタイプの製品選択スクリーンにより、例えば、ユーザ（ビューティアドバイザなど）が、以前のステップで取得された分光光度データ（又は分光光度データから計算されたか又はさもなければ決定されたデータ）に基づいて選択又は整合を行うために製品タイプを選択できるようになることが好ましい（製品選択又は整合は本明細書の他のところでより詳細に説明される）。図８Ｎの例示的なスクリーンは、好ましくは製品ボトル若しくは他の容器又は美容液タイプ製品の識別名のグラフィックを用いて、左側にＬＡＮＣＯＭＥの美容液タイプ製品（例えば、ＤｒｅａｍＴｏｎｅ美容液；ＤｒｅａｍＴｏｎｅはＬＡＮＣＯＭＥの商標である）を示す。図８Ｎの例示的なスクリーンは、好ましくは製品ボトル若しくは他の容器又は美容液タイプ製品の識別名のグラフィックを用いて、左側にＬＡＮＣＯＭＥの美容液タイプ製品（例えば、ＤｒｅａｍＴｏｎｅ美容液；ＤｒｅａｍＴｏｎｅはＬＡＮＣＯＭＥの商標である）を示す。図８Ｎの例示的なスクリーンは、好ましくは製品ボトル若しくは他の容器又はファンデーションタイプ製品の識別名のグラフィックを用いて、右側にＬＡＮＣＯＭＥのファンデーションタイプ製品（例えば、Ｔｅｉｎｔ Ｍｉｒａｃｌｅファンデーション；Ｔｅｉｎｔ ＭｉｒａｃｌｅはＬＡＮＣＯＭＥの商標である）をさらに示す。好ましい実施形態によれば、以前のステップで取得された分光光度データは、第１の予測アルゴリズムに従って第１の製品タイプのうちの目標又は整合製品を選択するのに使用することもでき、一方、そのような分光光度データは、第２の予測アルゴリズムに従って、第１の製品タイプと異なる第２の製品タイプの目標又は整合製品（例えば、美容液対ファンデーション）を選択するのに使用することもできる。そのような生産ライン及び予測アルゴリズムは、グラフィック画像案内を用いて直観的に容易に選択され得る。本明細書の説明に基づいて当業者なら正しく理解するであろうように、そのような予測アルゴリズムは、生産ライン及び生産ラインタイプの特別な特性に基づいて最適化することもできる。

図８Ｏ及び８Ｑに示されるように、好ましい実施形態では、製品タイプスクリーンは、ユーザ（例えば、ビューティアドバイザ）による選択の後に表示される。図８Ｎは図８Ｐと同様であるが、図８Ｎでは、美容液タイプ製品インジケータが強調表示されており、一方、図８Ｐでは、ファンデーションタイプ製品インジケータが強調表示されている。好ましい実施形態では、ひとたび選択が強調表示されると、選択されたアクションの作動が、ボタン９のうちの所定の１つ（例えば、下部中央ボタン９）によって起動される。

図８Ｑを再び参照すると、第１のファンデーションタイプ製品（例えば、Ｔｅｉｎｔ Ｍｉｒａｃｌｅファンデーション製品）が、好ましくはグラフィック（図示された例示的な製品ボトル）を介して示され、ユーザが他のファンデーションタイプ製品にさらに進んでもよいことを示すインジケータも提供される。図８Ｒにおいて、スクロールタイプボタンを押した後、第２のファンデーションタイプ製品（例えば、Ｔｅｉｎｔ Ｉｄｏｌｅ Ｕｌｔｒａ；Ｔｅｉｎｔ Ｉｄｏｌｅ ＵｌｔｒａはＬＡＮＣＯＭＥの商標である）が、好ましくはグラフィック（図示された例示的な製品ボトル）を介して示され、ユーザが１つ又は２つの方向で他のファンデーションタイプ製品に進むこともできることを示す１つ又は複数のインジケータも提供される（一方向スクロールリング及び２方向スクローリングは両方とも本発明の範囲内にある）。図８Ｔにおいて、スクロールタイプボタンを押した後、第３のファンデーションタイプ製品（例えば、Ｔｅｉｎｔ Ｖｉｓｉｏｎｎａｉｒｅ；Ｔｅｉｎｔ ＶｉｓｉｏｎｎａｉｒｅはＬＡＮＣＯＭＥの商標である）が、好ましくはグラフィック（図示された例示的な製品ボトル）を介して示される。好ましい実施形態では、ひとたびファンデーションタイプ選択が選択されると、選択の作動が、ボタン９のうちの所定の１つ（例えば、下部中央ボタン９）によって起動され、ファンデーションタイプ製品が選択される（例えば、図８Ｓを参照）。

図８Ｓに示されるように、本明細書の他のところで説明するような選択若しくは整合アルゴリズムを起動するか、又は本明細書の他のところで説明するような選択若しくは整合アルゴリズムの出力を起動するファンデーションタイプ製品を選択することもできる。好ましい実施形態では、選択又は整合アルゴリズムは、製品タイプ及びラインの一部又はすべてについて自動的に起動され、その結果、生産ラインの選択の後により速やかに結果を表示することもできる。他の実施形態では、アルゴリズムは、製品タイプ及び特定の生産ラインが選択された後、起動される。

図８Ｕに示されるように、好ましい実施形態では、選択されたか又は整合する製品が表示され、選択又は整合の好ましくはグラフィック及び英数字の表示が提供される。図８Ｕでは、Ｔｅｉｎｔ Ｖｉｓｉｏｎｎａｉｒｅファンデーションが選択された生産ラインであり、２２０ Ｂｕｆｆ Ｃが、最も良好又は最適な選択又は整合であると決定された特別なファンデーション製品である。最も良好又は最適な選択又は整合は、製品が達成できる最終結果に基づいて所望の選択に対して予測される予測の視覚的整合又は製品選択を示すこともできることを理解されたい。さらに、図８Ｕに示されるように、ユーザがボタン押しを介してファンデーション選択若しくは整合を編集することもでき、又は代替としてボタン押しを介して選択を確認することもできるようなインジケータ（確認選択インジケータが、図８Ｕに示されている）が提供されることが好ましい。選択又は整合が確認された（ビューティアドバイザ、又はファンデーションを適用し、満足できる結果を確認する最終顧客などによって）場合、選択をグラフィック的に確認し、ボタン押しによって（新しい顧客などによる、及びシーケンスが較正ステップ又は走査開始ステップなどで再び開始できるような場合に）新しい走査を開始するために選択を行うこともできるというインジケータを提供する図８Ｗに示されているものなどのスクリーンが表示されることが好ましい。

ユーザがボタン押しを介してファンデーション選択を編集するように選択した場合、図８Ｖに示されているものなどのスクリーンが表示されることが好ましい。他の代替が本発明の範囲内にあるが、図８Ｖは、チェック印を介した機器の用意した選択の指標、及び影付けによる現在の選択を提供する。図８Ｘ及び８Ｙに示されるように、ボタン押し（例えば、左／右下部ボタン９）を使用して、選択された生産ラインの製品のスクローリングを達成することもできる。好ましい実施形態では、生産ラインの製品は、光学特性（値などの、又は値、色相などによる）によって仕分けされ順序づけられることが望ましく、スクローリングは、所望及び所定の順序で製品を通って進む。ボタン押し（例えば、中央下部ボタン９）は、ユーザが代替の選択に入るのに使用することもでき、それにより、強調表示された選択が図８Ｚ（以前に説明したような図８Ｗに類似している）におけるように表示されることになる。図８Ｗ及び８Ｚは、選択された製品と、新しい走査（図８ＡＡに示された表示、又は図８Ｂの較正スクリーンなどをもたらすこともできる）を開始するための選択肢との指標を提供する。

次に図８ＢＢから図８ＥＥを参照すると、コンパニオンタブレットアプリケーション及びＷｉＦｉネットワークへの機器の接続のための例示的なスクリーンが示される。以前の説明から理解されるように、ボタン９を使用して、スクロールし（例えば、上方／下方のための左／右下部ボタン９など）、選択を行う（例えば、選択のための中央下部ボタン９）こともできる。コンパニオンデバイス（例えば、タブレット、コンピュータ、スマートフォン、売り場専用端末、キオスクなど）への接続は、図８ＢＢ及び８ＣＣにおけるものなどのスクリーンを介して行うこともできる。ＷｉＦｉネットワークへの接続の選択は、図８ＤＤ及び８ＥＥなどのスクリーンを介して行うこともできる。

図８ＦＦは、検出されたネットワークの表示リストからのネットワークの選択を示し（ネットワーク検出は、好ましい実施形態に含まれているもののようなＷｉＦｉモジュールによって行うこともできる）、図８ＧＧは、ネットワークセキュリティのパスワードエントリを示す（本明細書の他のところの説明から理解されるように、一例として、英数字文字を表示し、スクロールし、ボタン９を介して選択することもできる）。図８ＨＨは、機器がＷｉＦｉネットワークへの接続のプロセス中であることをユーザに示す例示的なスクリーンを示す。図８ＩＩは、選択されたネットワークに機器が接続されていることをユーザに示す例示的なスクリーンを示す。コンパニオンデバイス及びＷｉＦｉネットワークへの接続のためのそのようなスクリーンの代替は、本発明の範囲内にある。

図８ＪＪから８ＭＭは、好ましい実施形態において、バッテリレベル及び充電状態（バッテリ充電レベルのアニメーションによるなどの）、コンパニオンデバイス（タブレット又はスマートフォンなど）の接続状態、及びＷｉＦｉネットワークへの接続状態などの例示的な状態アイコンの提供として理解される。そのような状態アイコンは本発明の範囲内にある。

図８ＮＮから８ＱＱは、好ましい実施形態において、地理的領域（図８ＮＮ）、サブ領域（図８ＯＯ）、及び国（図８ＰＰ）などの場所情報を選択するための例示的なスクリーンの提供として理解される。加えて、図８ＱＱは、国のプロファイルの設定を示す。本明細書の他の説明から理解されるように、ボタン９により、そのような地理情報のスクローリング及び選択ができるようになることが望ましい。都市、店舗の名前、店舗内の場所などの他の場所情報も本発明の範囲内にある。

好ましくは、及び例示的な表示スクリーンを介したユーザ動作に応答して、分光光度データ、並びにＬ^＊、ａ^＊、ｂ^＊及びＬ^＊、Ｃ^＊、ｈ^＊などの三刺激色値が取得され、機器に記憶される。本明細書の他のところで説明するものなどの選択／整合アルゴリズムを介した機器選択を示すデータと、選択編集が上述のようにユーザによって行われた場合に、編集された選択及び編集された選択を示すデータとが、やはり、機器に記憶されることが好ましい。好ましい実施形態では、機器は、ウェブ接続されたデータベースなどの集中型リソースに機器からのデータを接続することもできる持続的又は断続的ネットワーク接続を有する。機器に備えられるＨＴＭＬサービス（例えば、図３のＦＰＧＡ３４の構成内に含まれる機能がＨＴＭＬサービスなどを含むことが好ましい）を介して直接行うこともできる集中型ウェブ又はネットワークリソースへのデータ接続を経由して、又は中間コンピュータ、タブレット、若しくはスマートフォンを介して、そのようなデータが、データ接続を介して集中型リソースに送信されることが好ましい。Ｂｌｕｅｔｏｏｔｈ若しくはＷｉＦｉ接続などのワイヤレスデータ接続、及び／又はＵＳＢ若しくはＬＡＮなどの有線データ接続は、本発明の範囲内にある。

本発明の実施形態によれば、データは集中型リソース内に記憶され、加えて、後続のデータ処理は、集中型リソースを介して実行され、それは、上述のように、集中型リソースにより直接的に、又は集中型リソースに記憶された若しくは集中型リソースを介して記憶されたデータにアクセスできる１つ又は複数のコンピュータ若しくはサーバを介して遠隔操作で、行うこともできる。そのような処理は、例えば、本明細書の他のところで説明するように、改善された選択若しくは整合アルゴリズム、及び／又は予測アルゴリズムを実行するために機器で使用される表若しくは他のデータ構造への更新を行うこともできる。さらに、以下のもののうちの一部又はすべてを集中型リソースに伝達することは、本発明の範囲内にある。機器を識別する情報（経由ＭＡＣアドレス、又はデバイスシリアル番号などの他の識別子など）、店舗、又は機器の他の商用場所などの機器の地理的場所を示す情報、例えばＦＰＧＡ構成のソフトウェア若しくはファームウェアバージョン、又は非ＦＰＧＡ実施形態の場合の他のソフトウェアを示す情報、図８Ｂを介して起動された較正プロセスを介して取得されたものなどの規格化又は較正データ、初期規格化データ、又は初期規格化基準のための識別名とすることもできる、機器で使用される規格化又は較正基準を示す情報、及び別個のモジュールとしての若しくはＷｉＦｉモジュール中の実時間クロック機能を介して、又はネットワーク接続によって随時更新されるクロックを介して供給され得る測定のための日付及びタイムスタンプ（他の実施形態では、タイムスタンプは、単に、集中型リソースによって受け取られる日付及び時間である）。機器におけるそのようなデータ発生及び／又は記憶、及び１つ又は複数のリモートリソース及び／又は集中型リソース（例えばデータベース、クラウドベースデータ記憶又はウェブサービス）への送信は、本発明の範囲内にある。加えて、本明細書の他のところで説明するように、構成データ、ソフトウェア、予測アルゴリズム、予測データ構造への更新も本発明の範囲内にあり、１つ又は複数の集中型リソースが、本明細書に意図されるような機器へのそのような更新データを供給することが望ましい（これは、同じ又は異なる集中型リソースとすることもできるが、いかなる場合も、そのような更新は、機器によって集中型リソースまで以前に送信されたデータに基づいて機器へと下方に供給される）。

説明及び図面は、単に、本発明の原理を示している。したがって、本明細書において明確には説明及び示されていないが、本発明の原理を具現し、本発明の範囲内に含まれる様々な構成配置を当業者が考案できるであろうことを正しく理解されるであろう。

その上、本発明の原理、態様、及び実施形態、並びに本発明の具体的な例を挙げる本明細書のすべての記述は、本発明の均等物を包含するように意図される。例えば、「モジュール」としてラベル付けされた任意の機能ブロックを含む、図に示された様々な要素の機能は、専用ハードウェア、並びに適切なソフトウェアに関連してソフトウェアを実行することもできるハードウェアを使用することによって実現され得る。

その上に、「中央データ処理ユニット」という用語の明確な使用は、ソフトウェアを実行することもできるハードウェアを排他的に指すと解釈されるべきでなく、限定はしないが、デジタル信号プロセッサ（ＤＳＰ）ハードウェア、ネットワークプロセッサ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、ソフトウェアを記憶するための読取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、及び不揮発性記憶装置を暗黙に含むこともできる。従来の及び／又はカスタムの他のハードウェアも含まれ得る。

様々な上述の方法のステップは、プログラムされたコンピュータによって実行され得ることを当業者は容易に認識するであろう。本明細書において、いくつかの実施形態は、さらに、機械若しくはコンピュータ可読であり、非一時的機械実行可能な又はコンピュータ実行可能な命令のプログラムを符号化するプログラム記憶デバイス、例えば、デジタルデータ記憶媒体を対象として含むように意図されており、上記命令は、上述の方法のステップの一部又はすべてを実行する。

プログラム記憶デバイスは、例えばデジタルメモリ、磁気ディスク及び磁気テープなどの磁気記憶媒体、ハードドライブ、又は光学的に読取り可能なデジタルデータ記憶媒体とすることもできる。実施形態は、さらに、上述の方法の上記ステップを実行するようにプログラムされたコンピュータを対象に含むように意図されている。本明細書におけるいかなるブロック図も、本発明の原理を具現する例証の回路の概念図を表すことを当業者は正しく理解されたい。
［発明の項目］
［項目１］
色カテゴリ分類方法であって、
色又はスペクトル測定デバイスを使用して、面の色の少なくとも１つの色又はスペクトル測定値を取るステップと、
前記少なくとも１つの色又はスペクトル測定値を多次元特徴空間にマッピングするステップと、
少なくとも１つの分類器を使用して、前記マッピングされた少なくとも１つのスペクトル測定値を色カテゴリに分類するステップと、
を含む色カテゴリ分類方法。
［項目２］
前記マッピングされた少なくとも１つのスペクトル測定値及び色カテゴリを前記分類器によって使用される訓練データに付け加えるステップをさらに含む、項目１に記載の色カテゴリ分類方法。
［項目３］
前記色又はスペクトル測定デバイスのユーザへの確認請求を発生するステップであり、前記確認請求が、分類する前記ステップで決定された前記色カテゴリを確認するための請求を含む、発生するステップと、
前記色又はスペクトル測定デバイスの前記ユーザが前記色カテゴリを確認した場合にのみ、前記マッピングされた少なくとも１つのスペクトル測定値及び色カテゴリを前記分類器によって使用される訓練データに付け加えるステップと、
をさらに含む、項目１に記載の色カテゴリ分類方法。
［項目４］
前記色又はスペクトル測定デバイスがスペクトル測定デバイスであり、前記色又はスペクトル測定値がスペクトル測定値であり、前記方法が、
前記少なくとも１つのスペクトル測定値を多次元特徴空間にマッピングする前に、前記少なくとも１つのスペクトル測定値を色空間にマッピングするステップ
をさらに含む、項目１〜３のいずれか一項に記載の色カテゴリ分類方法。
［項目５］
前記色空間が、三刺激、明度、色度、及び色相、ＬＣｈ色空間である、項目４に記載の色カテゴリ分類方法。
［項目６］
前記面が、皮膚、髪、指の爪、又は人体の他の部分の面を含む、項目５に記載の色カテゴリ分類方法。
［項目７］
前記面が前記皮膚の前記面であり、
スペクトル測定デバイスを使用して、面の色の少なくとも１つのスペクトル測定値を取る前記ステップが、対象の額の３つのスペクトル測定値、前記対象のほおの３つのスペクトル測定値、及び前記対象の首の３つのスペクトル測定値を取るステップを含み、
前記少なくとも１つのスペクトル測定値を多次元特徴空間にマッピングする前記ステップが、前記少なくとも１つのスペクトル測定値を９次元特徴空間にマッピングするステップを含む、項目６に記載の色カテゴリ分類方法。
［項目８］
前記分類器が、前記訓練データにｋ−最近傍アルゴリズムを使用して、複数のカテゴリラベルセットのうちの少なくとも１つを使用することによってカテゴリ分類する、項目７に記載の色カテゴリ分類方法。
［項目９］
前記ｋ−最近傍アルゴリズムの距離関数は、ユークリッド距離関数である、項目８に記載の色カテゴリ分類方法。
［項目１０］
ｋ＝１である、項目９に記載の色カテゴリ分類方法。
［項目１１］
前記ｋ−最近傍アルゴリズムの距離関数は、標準化されたユークリッド距離関数であり、前記訓練データが、各新しいマッピングされた測定値及び前記訓練データを、対応する変数に対して計算された標準偏差値で割ることによって標準化される、項目８〜１０のいずれか一項に記載の色カテゴリ分類方法。
［項目１２］
前記ｋ−最近傍アルゴリズムの前記距離関数は、カスタム重み付け距離関数であり、該カスタム重み付け距離関数において、各測定に対しペアワイズ距離を測定するために使用される９つの変数の重み付けが、異なる、項目８〜１１のいずれか一項に記載の色カテゴリ分類方法。
［項目１３］
当該方法は、
前記少なくとも１つのスペクトル測定値に関連するメタデータを収集するステップと、
前記メタデータに基づいて、分類する前記ステップで使用されるべき少なくとも１つのラベルセットを少なくとも部分的に選択するステップと、
をさらに含む、項目８〜１２のいずれか一項に記載の色カテゴリ分類方法。
［項目１４］
前記メタデータは、前記測定値が取られた時間を表すタイムスタンプ、前記対象の識別に関連する情報、前記対象の地理的な又は小売りの場所のうちの少なくとも１つを含む、項目１３に記載の色カテゴリ分類方法。
［項目１５］
各カテゴリラベルセットが、化粧製品の色調に関連する複数のラベルを含む、項目８〜１４のいずれか一項に記載の色カテゴリ分類方法。
［項目１６］
前記カテゴリラベルセットが、異なる化粧製品ラインに関連する、項目１５に記載の色カテゴリ分類方法。
［項目１７］
前記カテゴリラベルセットが、前記対象の前記地理的な又は小売りの場所において利用可能な異なる化粧製品ラインに関連する、項目１５に記載の色カテゴリ分類方法。
［項目１８］
プロセッサに項目１〜１７のいずれか一項に記載の方法ステップを実行させるための命令を記憶した非一時的有形コンピュータ可読媒体。
［項目１９］
色カテゴリ分類システムであって、
面の色の少なくとも１つの色又はスペクトル測定値を取るように設けられた少なくとも１つの色又はスペクトル測定デバイスであり、前記少なくとも１つのスペクトル測定値をデータ処理ユニットにデータ通信ネットワークを通じて通信するようにさらに設けられている、少なくとも１つの色又はスペクトル測定デバイスと、
中央処理装置であり、
前記少なくとも１つの色又はスペクトル測定値を受け取り、
前記少なくとも１つの色又はスペクトル測定値を多次元特徴空間にマッピングし、
少なくとも１つの分類器を使用して、前記マッピングされた少なくとも１つのスペクトル測定値をカテゴリに分類し、
前記少なくとも１つの色又はスペクトル測定デバイスに前記カテゴリの指標を送る
ように設けられた中央処理装置と、
を備える色カテゴリ分類システム。
［項目２０］
前記中央処理装置が、
確認請求を発生し、
前記確認請求を前記少なくとも１つの色又はスペクトル測定デバイスに送る
ようにさらに設けられ、
前記少なくとも１つの色又はスペクトル測定デバイスが、
前記色又はスペクトル測定デバイスのユーザに前記確認請求を表示し、
前記色又はスペクトル測定デバイスの前記ユーザからの確認応答を受け入れ、
前記確認応答を前記中央処理装置に送る
ようにさらに設けられている、項目１９に記載の色カテゴリ分類システム。
［項目２１］
中央処理装置は、前記少なくとも１つのスペクトル測定デバイスから受け取った確認応答が肯定的である場合、前記マッピングされた少なくとも１つのスペクトル測定値及び色カテゴリを前記分類器によって使用される訓練データに付け加えるようにさらに設けられている、項目２０に記載の色カテゴリ分類システム。
［項目２２］
少なくとも１つの色又はスペクトル測定デバイスであり、
面の色の少なくとも１つの色又はスペクトル測定値を取り、
前記少なくとも１つの色又はスペクトル測定値を多次元特徴空間にマッピングし、
少なくとも１つの分類器を使用して、前記マッピングされた少なくとも１つの色又はスペクトル測定値を色カテゴリに分類する
ように設けられた、少なくとも１つの色又はスペクトル測定デバイスと、
色カテゴリと、前記分類されたマッピングされた少なくとも１つの色又はスペクトル測定値とを受け取るように設けられた中央処理装置と、
を備える色カテゴリ分類システム。
［項目２３］
前記中央処理装置が、
前記マッピングされた少なくとも１つのスペクトル測定値及び色カテゴリを前記分類器によって使用される訓練データに付け加え、
前記少なくとも１つの色又はスペクトル測定デバイスに前記訓練データを周期的に送る
ようにさらに設けられている、項目２２に記載の色カテゴリ分類システム。
［項目２４］
前記少なくとも１つの色又はスペクトル測定デバイスが、
確認請求を発生し、
前記色又はスペクトル測定デバイスのユーザに前記確認請求を表示し、
前記色又はスペクトル測定デバイスの前記ユーザからの確認応答を受け入れ、
前記確認応答を前記中央処理装置に送る
ようにさらに設けられ、
前記中央処理装置が、
前記色又はスペクトル測定デバイスからの前記確認応答を受け取り、前記確認応答が肯定的である場合、前記マッピングされた少なくとも１つのスペクトル測定値及び色カテゴリを前記分類器によって使用される訓練データに付け加える
ようにさらに設けられている、項目２２に記載の色カテゴリ分類システム。
［項目２５］
前記少なくとも１つのスペクトル測定デバイスが、皮膚、髪、指の爪、又は人体の他の部分の面の色又はスペクトル測定値を取るように設けられている、項目１９〜２４のいずれか一項に記載の色カテゴリ分類システム。
［項目２６］
前記少なくとも１つのスペクトル測定デバイスが、
前記皮膚の前記面の色又はスペクトル測定値を取り、
対象の額の３つの色又はスペクトル測定値、前記対象のほおの３つの色又はスペクトル測定値、及び前記対象の首の３つの色又はスペクトル測定値を取る
ように設けられている、項目１９〜２５のいずれか一項に記載の色カテゴリ分類システム。
［項目２７］
前記分類器が、前記訓練データにｋ−最近傍アルゴリズムを使用することによって、及び、複数のカテゴリラベルセットのうちの少なくとも１つを使用することによってカテゴリ分類するように設けられている、項目１９〜２６のいずれか一項に記載の色カテゴリ分類システム。
［項目２８］
前記少なくとも１つのスペクトル測定値に関連するメタデータを収集するように設けられたメタデータ収集手段と、
前記メタデータに基づいて、前記分類器によって使用されるべき少なくとも１つのラベルセットを少なくとも部分的に選択するように設けられた選択手段と
をさらに含む、項目１９〜２７のいずれか一項に記載の色カテゴリ分類システム。
［項目２９］
前記メタデータは、前記測定値が取られた時間を表すタイムスタンプ、前記対象の識別に関連する情報、前記対象の地理的な又は小売りの場所のうちの少なくとも１つを含む、項目２８に記載の色カテゴリ分類システム。
［項目３０］
各カテゴリラベルセットが、化粧製品の色調に関連する複数のラベルを含む、項目２７〜２９のいずれか一項に記載の色カテゴリ分類システム。
［項目３１］
前記カテゴリラベルセットが、異なる化粧製品ラインに関連する、項目３０に記載の色カテゴリ分類方法。
［項目３２］
前記カテゴリラベルセットが、前記対象の前記地理的な又は小売りの場所において利用可能な異なる化粧製品ラインに関連する、項目３０に記載の色カテゴリ分類方法。

Claims (27)

1. 色カテゴリ分類方法であって、
   色又はスペクトル測定デバイスを使用して、面の色の少なくとも１つの色又はスペクトル測定値を取るステップ（７０１）と、
   多次元特徴ベクトルを生成するために前記少なくとも１つの色又はスペクトル測定値を多次元特徴空間にマッピングするステップ（７０５）と、
   生成された前記多次元特徴ベクトル及び少なくとも１つの分類器を使用して、前記マッピングされた少なくとも１つの色又はスペクトル測定値を色カテゴリに分類するステップ（７０７）と、
   前記色又はスペクトル測定デバイスのユーザへの確認請求を発生するステップ（７０８）であり、前記確認請求が、分類する前記ステップで決定された前記色カテゴリを確認するための請求を含む、発生するステップと、
   前記色又はスペクトル測定デバイスの前記ユーザが前記色カテゴリを確認した場合（７０９）にのみ、前記マッピングされた少なくとも１つの色又はスペクトル測定値及び色カテゴリを前記分類器によって使用される訓練データに付け加えるステップ（７１３）と、
   を含む色カテゴリ分類方法。
2. 前記色又はスペクトル測定デバイスがスペクトル測定デバイスであり、前記色又はスペクトル測定値がスペクトル測定値であり、前記方法が、
   前記少なくとも１つのスペクトル測定値を多次元特徴空間にマッピングするステップ（７０５）前に、前記少なくとも１つのスペクトル測定値を色空間にマッピングするステップ（７０４）
   をさらに含む、請求項１に記載の色カテゴリ分類方法。
3. 前記色空間が、三刺激、明度、色度、及び色相、ＬＣｈ色空間である、請求項２に記載の色カテゴリ分類方法。
4. 前記面が、皮膚、髪、指の爪、又は人体の他の部分の面を含む、請求項３に記載の色カテゴリ分類方法。
5. 前記面が前記皮膚の前記面であり、
   スペクトル測定デバイスを使用して、面の色の少なくとも１つのスペクトル測定値を取る前記ステップ（７０１）が、対象の額の３つのスペクトル測定値、前記対象のほおの３つのスペクトル測定値、及び前記対象の首の３つのスペクトル測定値を取るステップを含み、
   前記少なくとも１つのスペクトル測定値を多次元特徴空間にマッピングする前記ステップ（７０５）が、前記少なくとも１つのスペクトル測定値を９次元特徴空間にマッピングするステップを含む、請求項４に記載の色カテゴリ分類方法。
6. 前記分類器が、前記訓練データにｋ−最近傍アルゴリズムを使用して、複数のカテゴリラベルセットのうちの少なくとも１つを使用することによってカテゴリ分類する、請求項５に記載の色カテゴリ分類方法。
7. 前記ｋ−最近傍アルゴリズムの距離関数は、ユークリッド距離関数である、請求項６に記載の色カテゴリ分類方法。
8. ｋ＝１である、請求項７に記載の色カテゴリ分類方法。
9. 前記ｋ−最近傍アルゴリズムの前記距離関数は、標準化されたユークリッド距離関数であり、前記訓練データが、各新しいマッピングされた測定値及び前記訓練データを、対応する変数に対して計算された標準偏差値で割ることによって標準化される、請求項６〜８のいずれか一項に記載の色カテゴリ分類方法。
10. 前記ｋ−最近傍アルゴリズムの前記距離関数は、カスタム重み付け距離関数であり、該カスタム重み付け距離関数において、各測定に対しペアワイズ距離を測定するために使用される９つの変数の重み付けが、異なる、請求項６〜９のいずれか一項に記載の色カテゴリ分類方法。
11. 当該方法は、
    前記少なくとも１つのスペクトル測定値に関連するメタデータを収集するステップ（７０６）と、
    前記メタデータに基づいて、分類する前記ステップで使用されるべき少なくとも１つのラベルセットを少なくとも部分的に選択するステップ（７０７）と、
    をさらに含む、請求項６〜１０のいずれか一項に記載の色カテゴリ分類方法。
12. 前記メタデータは、前記測定値が取られた時間を表すタイムスタンプ、前記対象の識別に関連する情報、前記対象の地理的な又は小売りの場所のうちの少なくとも１つを含む、請求項１１に記載の色カテゴリ分類方法。
13. 各カテゴリラベルセットが、化粧製品の色調に関連する複数のラベルを含む、請求項６〜１２のいずれか一項に記載の色カテゴリ分類方法。
14. 前記カテゴリラベルセットが、異なる化粧製品ラインに関連する、請求項１３に記載の色カテゴリ分類方法。
15. 前記カテゴリラベルセットが、前記対象の前記地理的な又は小売りの場所において利用可能な異なる化粧製品ラインに関連する、請求項１３に記載の色カテゴリ分類方法。
16. プロセッサに請求項１〜１５のいずれか一項に記載の方法ステップを実行させるための命令を記憶した非一時的有形コンピュータ可読媒体。
17. 色カテゴリ分類システムであって、
    面の色の少なくとも１つの色又はスペクトル測定値を取るように設けられた少なくとも１つの色又はスペクトル測定デバイス（５１０）であり、前記少なくとも１つの色又はスペクトル測定値をデータ処理ユニットにデータ通信ネットワークを通じて通信するようにさらに設けられている、少なくとも１つの色又はスペクトル測定デバイスと、
    中央処理装置（５０１）であり、
    前記少なくとも１つの色又はスペクトル測定値を受け取り、
    多次元特徴ベクトルを生成するために前記少なくとも１つの色又はスペクトル測定値を多次元特徴空間にマッピングし、
    生成された前記多次元特徴ベクトル及び少なくとも１つの分類器を使用して、前記マッピングされた少なくとも１つの色又はスペクトル測定値をカテゴリに分類し、
    前記少なくとも１つの色又はスペクトル測定デバイスに前記カテゴリの指標を送り、
    確認請求を発生し、
    前記確認請求を前記少なくとも１つの色又はスペクトル測定デバイスに送る
    ように設けられた中央処理装置と、
    を備えており、
    前記少なくとも１つの色又はスペクトル測定デバイスが、
    前記色又はスペクトル測定デバイスのユーザに前記確認請求を表示し、
    前記色又はスペクトル測定デバイスの前記ユーザからの確認応答を受け入れ、
    前記確認応答を前記中央処理装置に送る
    ようにさらに設けられており、
    前記中央処理装置（５０１）は、前記少なくとも１つのスペクトル測定デバイス（５１０）から受け取った確認応答が肯定的である場合、前記マッピングされた少なくとも１つの色又はスペクトル測定値及び色カテゴリを前記分類器によって使用される訓練データに付け加えるようにさらに設けられている、色カテゴリ分類システム。
18. 少なくとも１つの色又はスペクトル測定デバイスであり、
    面の色の少なくとも１つの色又はスペクトル測定値を取り、
    多次元特徴ベクトルを生成するために前記少なくとも１つの色又はスペクトル測定値を多次元特徴空間にマッピングし、
    生成された前記多次元特徴ベクトル及び少なくとも１つの分類器を使用して、前記マッピングされた少なくとも１つの色又はスペクトル測定値を色カテゴリに分類する
    ように設けられた、少なくとも１つの色又はスペクトル測定デバイスと、
    色カテゴリと、前記分類されたマッピングされた少なくとも１つの色又はスペクトル測定値とを受け取るように設けられた中央処理装置と、
    を備えており、
    前記少なくとも１つの色又はスペクトル測定デバイスが、
    確認請求を発生し、
    前記色又はスペクトル測定デバイスのユーザに前記確認請求を表示し、
    前記色又はスペクトル測定デバイスの前記ユーザからの確認応答を受け入れ、
    前記確認応答を前記中央処理装置に送る
    ようにさらに設けられており、
    前記中央処理装置が、
    前記色又はスペクトル測定デバイスからの前記確認応答を受け取り、前記確認応答が肯定的である場合、前記マッピングされた少なくとも１つのスペクトル測定値及び色カテゴリを前記分類器によって使用される訓練データに付け加える
    ようにさらに設けられている、色カテゴリ分類システム。
19. 前記中央処理装置が、
    前記少なくとも１つの色又はスペクトル測定デバイスに前記訓練データを周期的に送る
    ようにさらに設けられている、請求項１８に記載の色カテゴリ分類システム。
20. 前記少なくとも１つの色又はスペクトル測定デバイスが、皮膚、髪、指の爪、又は人体の他の部分の面の色又はスペクトル測定値を取るように設けられている、請求項１７〜１９のいずれか一項に記載の色カテゴリ分類システム。
21. 前記少なくとも１つのスペクトル測定デバイスが、
    前記皮膚の前記面の色又はスペクトル測定値を取り、
    対象の額の３つの色又はスペクトル測定値、前記対象のほおの３つの色又はスペクトル測定値、及び前記対象の首の３つの色又はスペクトル測定値を取る
    ように設けられている、請求項１７〜２０のいずれか一項に記載の色カテゴリ分類システム。
22. 前記分類器が、前記訓練データにｋ−最近傍アルゴリズムを使用することによって、及び、複数のカテゴリラベルセットのうちの少なくとも１つを使用することによってカテゴリ分類するように設けられている、請求項１７〜２１のいずれか一項に記載の色カテゴリ分類システム。
23. 前記少なくとも１つの色又はスペクトル測定値に関連するメタデータを収集するように設けられたメタデータ収集手段と、
    前記メタデータに基づいて、前記分類器によって使用されるべき少なくとも１つのラベルセットを少なくとも部分的に選択するように設けられた選択手段と
    をさらに含む、請求項１７〜２２のいずれか一項に記載の色カテゴリ分類システム。
24. 前記メタデータは、前記測定値が取られた時間を表すタイムスタンプ、前記対象の識別に関連する情報、前記対象の地理的な又は小売りの場所のうちの少なくとも１つを含む、請求項２３に記載の色カテゴリ分類システム。
25. 各カテゴリラベルセットが、化粧製品の色調に関連する複数のラベルを含む、請求項２２〜２４のいずれか一項に記載の色カテゴリ分類システム。
26. 前記カテゴリラベルセットが、異なる化粧製品ラインに関連する、請求項２５に記載の色カテゴリ分類方法。
27. 前記カテゴリラベルセットが、前記対象の前記地理的な又は小売りの場所において利用可能な異なる化粧製品ラインに関連する、請求項２５に記載の色カテゴリ分類方法。

Images