JPWO2013005447A1 - 顔印象分析方法、美容カウンセリング方法および顔画像生成方法 - Google Patents
顔印象分析方法、美容カウンセリング方法および顔画像生成方法 Download PDFInfo
- Publication number
- JPWO2013005447A1 JPWO2013005447A1 JP2012558097A JP2012558097A JPWO2013005447A1 JP WO2013005447 A1 JPWO2013005447 A1 JP WO2013005447A1 JP 2012558097 A JP2012558097 A JP 2012558097A JP 2012558097 A JP2012558097 A JP 2012558097A JP WO2013005447 A1 JPWO2013005447 A1 JP WO2013005447A1
- Authority
- JP
- Japan
- Prior art keywords
- face
- impression
- subject
- population
- tendency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 237
- 238000000034 method Methods 0.000 title claims description 185
- 230000003796 beauty Effects 0.000 title claims description 142
- 230000001815 facial effect Effects 0.000 title claims description 70
- 238000009223 counseling Methods 0.000 title claims description 53
- 238000000491 multivariate analysis Methods 0.000 claims abstract description 49
- 239000013598 vector Substances 0.000 claims description 162
- 239000002537 cosmetic Substances 0.000 claims description 45
- 208000029152 Small face Diseases 0.000 claims description 44
- 230000000875 corresponding effect Effects 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 26
- 238000011282 treatment Methods 0.000 claims description 25
- 210000004209 hair Anatomy 0.000 claims description 23
- 230000002596 correlated effect Effects 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 6
- 238000000465 moulding Methods 0.000 claims description 6
- 230000032683 aging Effects 0.000 description 193
- 210000003128 head Anatomy 0.000 description 53
- 238000012360 testing method Methods 0.000 description 31
- 230000003716 rejuvenation Effects 0.000 description 25
- 238000000513 principal component analysis Methods 0.000 description 21
- 238000011156 evaluation Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 16
- 230000001965 increasing effect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000036961 partial effect Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 210000000887 face Anatomy 0.000 description 7
- 238000010606 normalization Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 210000004761 scalp Anatomy 0.000 description 7
- 238000012353 t test Methods 0.000 description 7
- 238000000692 Student's t-test Methods 0.000 description 6
- 230000008961 swelling Effects 0.000 description 6
- 239000000523 sample Substances 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 4
- 210000004709 eyebrow Anatomy 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 210000001061 forehead Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000001953 sensory effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000037237 body shape Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003889 eye drop Substances 0.000 description 2
- 229940012356 eye drops Drugs 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 239000003925 fat Substances 0.000 description 2
- 238000007665 sagging Methods 0.000 description 2
- 230000036548 skin texture Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 210000000216 zygoma Anatomy 0.000 description 2
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 241000746998 Tragus Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 210000000613 ear canal Anatomy 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 210000000744 eyelid Anatomy 0.000 description 1
- 210000001097 facial muscle Anatomy 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000003676 hair preparation Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 210000001738 temporomandibular joint Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Processing Or Creating Images (AREA)
Abstract
Description
図1は、本発明の第一実施形態にかかる顔印象分析装置100を示す機能ブロック図である。
顔印象分析装置100は、顔形状取得部10、顔成分解析部50、顔印象決定部60および記憶部70を備える。
顔形状取得部10は、被験者の顔表面の形状を表す顔形状情報を取得する手段である。
記憶部70は、複数人の母集団の顔表面の三次元形状を表す母集団顔情報を多変量解析して求められた一または複数の特徴量(基底ベクトル)、および特徴量と対応づけられた顔の造作の印象傾向を表す傾向情報を記憶する。本実施形態の記憶部70は基底記憶部72および傾向情報記憶部74を含む。基底記憶部72は、母集団顔情報から抽出された一または複数の特徴量および各次の重み係数(固有値)を記憶する手段である。傾向情報記憶部74は、顔の造作の印象傾向を表す傾向情報を記憶する手段である。
顔成分解析部50は、被験者の顔形状情報と、母集団顔情報から抽出された特徴量とから、被験者の顔における当該特徴量の発現量を算出する手段である。
顔印象決定部60は、記憶部70(傾向情報記憶部74)を参照して、被験者の顔における特徴量およびその発現量に基づいて、被験者の顔の印象傾向またはその度合いを取得する手段である。
第一方法では、被験者の顔形状情報と一または複数の基底ベクトルとから、被験者の顔における基底ベクトルの発現量を算出し、この発現量に基づいて印象傾向の度合いを求める。
規格化部20は、接触式計測部12および非接触式計測部14で取得した高解像度の多数点の三次元形状モデルを、より少ない点数で構成された相同モデルに変換するための演算部である。相同モデルの具体的な生成方法は特許文献3に記載されている。第一方法の実施に先だって、多数の被験者の顔表面を含む頭部の形状を表す三次元形状モデルを顔形状取得部10で計測しておく。規格化部20は、これらの顔形状情報を、互いにデータ点数(節点数)およびトポロジーが統一された相同モデルに変換することにより母集団顔情報を生成する(図2:ステップS20)。生成された相同モデルである母集団顔情報(母集団解析モデル)は、モデル記憶部40に格納しておく。規格化部20は被験者の顔形状情報を母集団解析モデルと同じデータ点数(節点数)およびトポロジーの相同モデルに変換する。
なお、80歳代またはそれ以上の年代になると、一般に頭部の骨自体が痩せてくる傾向があるといわれており顔印象が変わりやすい。また、10代前半までは一般的に骨格の成長時期にあたるので、顔印象も変わりやすい。このような骨の変化による顔印象の変化は、頭部表面の三次元形状の主成分分析では現れにくいため、本実施形態ではこれを排除する。このため、母集団は20代から60代までとした。これにより、筋肉や脂肪の影響によるエイジングの進行が統計的に精度良く抽出される。
被験者解析モデル=平均顔形状+b1*第1基底ベクトルe1+b2*第2基底ベクトルe2+b3*第3基底ベクトルe3+・・・+bk*第k基底ベクトルek+・・・+bn*第n基底ベクトルen (1)
パターン3は、被験者の顔が大人びて見える(大人顔)か、または子供っぽく見える(童顔)か、という印象傾向が3次の基底ベクトルの重み係数と相関することを表している。
パターン4は、被験者の顔が小さく見える(小顔)という印象傾向が3次および12次の基底ベクトルの重み係数と相関することを表している。
たとえば、加齢因子のうち、7次の基底ベクトルの重み係数は、そのスコアが正で絶対値が大きいほど見掛け年齢が高くなる傾向にあることが本発明者により明らかとなっている(詳細は後述)。言い換えると、7次基底の重み係数と見掛け年齢とは正の相関をもつ。7次基底は、その重み係数を正方向に増加させることで、顔形状が加齢方向に変化する。したがって、パターン1における7次基底に関するプラス1σ値には、母集団における7次基底の重み係数のスコア分布から求まる平均値+1σ(標準偏差)の正のスコアが設定されている。平均値+1σのスコアは、正のスコアを上位、負のスコアを下位とした場合の、上位約1/3(正確には上位31.7パーセント)の順位に相当する。
一方で、加齢因子のうち、2次の基底ベクトルの重み係数は、そのスコアが負で絶対値が大きいほど見掛け年齢が高くなる傾向にあることも明らかとなっている(詳細は後述)。つまり、2次基底の重み係数と見掛け年齢とは負の相関をもつ。2次基底は、その重み係数を負方向に減少させることで、顔形状が加齢方向に変化する。したがって、パターン1における2次基底に関するプラス1σ値には、母集団における2次基底の重み係数のスコア分布から求まる平均値−1σ(標準偏差)の負のスコアが設定されている。平均値−1σのスコアは、正のスコアを上位、負のスコアを下位とした場合の、下位約1/3(正確には下位31.7パーセント)の順位に相当する。
顔印象決定部60は、この発現度合いを所定の正の閾値(たとえば、+1.0)と大小比較する。発現度合いがこの閾値以上である場合には、当該基底次数の傾向を被験者解析モデルが保有していると判定する。
パターン1に対応づけられた2次、7次、9次および11次のうち被験者解析モデルが保有している基底次数の数や、発現度合いの数値の大きさ等を勘案して、顔印象決定部60は被験者の顔の造作の印象傾向の度合いを決定する(図2:ステップS42)。具体的には、簡易な決定方法として、パターンに対応づけられた基底次数の個数(パターン1であれば4個)に対する、被験者解析モデルが傾向を保有している基底次数の数(0〜4個)の比率をもって、当該パターンの印象傾向の度合いとすることができる。
図6は、本発明の第二実施形態にかかる顔印象分析装置100を含む顔印象分析システム1000を示す機能ブロック図である。図7は本実施形態の顔印象分析システム1000を用いておこなう顔印象分析方法(以下、第二方法という場合がある)のフローチャートである。以下、図6および図7を用いて本実施形態を説明する。第一実施形態と重複する説明は適宜省略する。
顔印象分析システム1000は、ネットワークを通じて互いに接続された顔印象分析装置100と被験者端末110とで構成されている。顔印象分析装置100はWEBサーバである。被験者端末110は被験者(ユーザ)が操作する携帯端末である。ネットワークはインターネットでもローカルエリアネットワーク(LAN)でもよく、無線ネットワークでも有線ネットワークでもよい。本実施形態では携帯電話ネットワークを例示する。顔印象分析装置100は、被験者端末110からの接続要求に基づいて、被験者端末110の表示ディスプレイにWEBアプリケーションサイトを表示させる。
より具体的には、被験者の顔形状情報を構成する計測点のうち、母集団の平均顔形状の節点にもっとも近接する点の三次元座標値を算出する。以下、この計測点を「相同モデル対応点」とする。平均顔形状の各節点と相同モデル対応点との距離の総和を「モデル間距離」とする。そして、第1基底の重み係数b1を正または負に変化させて、モデル間距離が極小となる重み係数b1を算出する。
第2基底も同様である。具体的には、平均顔形状+b1*第1基底ベクトルe1を上記の平均顔形状と読み替えて、被験者の顔形状情報を構成する計測点のうち、この新たな平均顔形状の節点にもっとも近接する点の三次元座標値を算出する。これらの点が、新たな相同モデル対応点となる。そして、この新たな平均顔形状の各節点と相同モデル対応点とのモデル間距離が極小となる第2基底の重み係数b2を算出する。以降同様に、平均顔形状+b1*第1基底ベクトルe1+・・・+bk-1*第k−1基底ベクトルek-1を新たな平均顔形状として、第k基底ベクトルの重み係数bkを算出していく。
これにより、被験者の顔形状情報を上記の式(1)のごとく第1基底ベクトルから第n基底ベクトルの線形和で再現することができる。
つぎに、顔成分解析部50は、上記の各次の基底画像の重みつきの合成によって、受信部16が受信した被験者の頭部画像が近似されるよう、基底画像の重み係数を決定する。具体的には、まず被験者の頭部画像を正規化し、テクスチャを捨象する。そして、顔成分解析部50は、各次の基底画像の画素値に乗じる重み係数を変化させて、被験者の頭部画像(正規化画像)の画素値との差分の二乗和が極小となるように重み係数を基底次数ごとに決定する。
第一方法および第二方法では、被験者の顔の造作の印象傾向の度合いを決定することに加えて、顔印象決定部60が算出した結果を用いた美容カウンセリングを提供してもよい。
以下、実施例を通じて本発明を具体的に説明する。実施例1は、顧客である被験者の頭部の三次元データを分析することによって、本人の加齢ポイントおよび加齢傾向を明らかにするものである。さらに、加齢傾向に応じた美容施術方法を出力することで、客観的かつ有効な美容カウンセリング情報が提供される。これにより、メイクアップ部位の優先順位等も明らかになるため、顧客自信のメイクアップによって的確に「若々しい」印象を与えることができるようになる。
図9(a)は、被験者の顔を含む頭部を非接触式の三次元レーザースキャナで計測した頭部全体の三次元光学データ(高解像度データ)である。計測点は約18万点である。この高解像度データは、被験者ごとに節点数とトポロジーが異なる。
図9(b)は、被験者の顔および頭皮部の13点の特徴点を示す図である。これらの点の三次元座標を、接触式三次元デジタイザで計測した。
図9(c)は、ジェネリックモデルを示す図である。ジェネリックモデルは、目元と口元の節点の配置密度が大きく、頭皮部の節点の配置密度が小さいモデルである。節点数は4703点である。
図13(b)、図14(b)、・・・、図27(b)は、20代から60代の全年代の相同モデルの平均顔(全体平均顔)の形状を示す斜視図であり、いずれも図12(b)と同じ図である。
図13(c)は、上記の式(1)の第1基底ベクトルの重み係数(b1)を母集団の標準偏差の+3倍(+3σ)とし、他の基底ベクトルの重み係数(b2〜bn)をゼロとした場合の仮想形状の斜視図である。
図13(a)は、第1基底ベクトルの重み係数(b1)を母集団の標準偏差の−3倍(−3σ)とし、他の基底ベクトルの重み係数(b2〜bn)をゼロとした場合の仮想形状の斜視図である。
図15(c)、図16(c)、・・・、図27(c)は、それぞれ順に、第3基底ベクトルから第15基底ベクトルの重み係数を母集団の標準偏差の+3倍(+3σ)とし、他の基底ベクトルの重み係数をゼロとした場合の仮想形状の斜視図である。
図14(a)は第2基底ベクトルの重み係数(b2)を母集団の標準偏差の−3倍(−3σ)とし、他の基底ベクトルの重み係数(b1, b3〜bn)をゼロとした場合の仮想形状の斜視図である。
図15(a)、図16(a)、・・・、図27(a)は、それぞれ順に、第3基底ベクトルから第15基底ベクトルの重み係数を母集団の標準偏差の−3倍(−3σ)とし、他の基底ベクトルの重み係数をゼロとした場合の仮想形状の斜視図である。
これらの印象傾向と基底次数との関係を示すテーブルが、図5に示した傾向情報PIである。ただし、後述する実施例2のように母集団の被験者の人数や属性を変化させた場合には、見掛け年齢または実年齢に関する印象傾向が相関する基底次数は2次、7次、9次および11次から変化する。この場合は、印象傾向(エイジング)と相関の高い基底次数を予め官能的に求めておくとよい。そして、被験者モデルにおける当該基底次数の主成分の発現量に基づいて、印象傾向の度合いを判定すればよい。
2次、7次、9次および11次の4つの基底次数に関して、見掛け年齢と高い相関がみられた。また、2次、9次および11次は相関係数が負であり、7次は相関係数が正であった。
これにより、エイジングが進行すると2次、9次および11次は主成分がマイナス方向に進行し、7次は主成分がプラス方向に進行することが分かった。
図31(b)は9次の基底ベクトルの重み係数をエイジング進行方向に+2σとした図である。図31(c)は同じく+3σとした図であり、図21(a)と同じ図である。図31(d)は同じく−1σとした図である。図31(e)は同じく−2σとした図である。図31(f)は同じく−3σとした図であり、図21(c)と同じ図である。
2次の主成分は、顔の下膨れ具合、鼻両脇の膨らみ、および鼻の下の垂れ下がりに寄与することから、頬を持ち上げた印象とすることが有効である。このため、美容マッサージで実際に頬を持ち上げるほか、顔の上部を目立たせる化粧メイクや、髪をアップにまとめるなどのヘアメイクによって頬が持ち上がった印象とすることが好適である。また、コンシーラーなどを用いて法令線を隠すことも有効である。したがって、図8に前掲したように、2次基底によるエイジング傾向の緩和方法として、(i)頬上部をハイライトする、(ii)頬にチークをさす、(iii)法令線を隠す、(iv)ヘアのトップのボリュームを上げる、(v)顔面運動で頬を持ち上げる、の5つの美容施術方法が例示されている。
9次の主成分は、目尻上方部の内下垂、および口角の引け具合に寄与することから、(i)目尻を上げるメイク、(ii)法令線を隠す、などの美容施術方法が有効である。
11次の主成分は、口角のくぼみを緩和するため、(i)口角の凹みを隠す、(ii)唇の輪郭をくっきり描く、(iii)顔面運動で表情筋を引き締める、などの美容施術方法が有効である。
20代の被験者のうち3名が、エイジング印象軸(因子)を各1つのみ保有していた。2因子以上を保有する者はいなかった。
30代の被験者のうち2名が、エイジング印象軸(因子)を各1つのみ保有していた。また、2因子を保有する者が1名存在した。
40代の被験者のうち2名が、エイジング印象軸(因子)を各1つのみ保有していた。また、2因子を保有する者が2名存在した。
50代の被験者のうち7名が、エイジング印象軸(因子)を各1つのみ保有していた。また、2因子を保有する者が1名存在した。
60代の被験者のうち3名が、エイジング印象軸(因子)を各1つのみ保有していた。また、2因子を保有する者が6名存在した。
母集団の50人のうち、3因子以上を保有する者はいなかった。
実施例1よりも相同モデルの数を増加させた点を除き同様に母集団解析モデルの主成分分析を行った。被験者の母集団はいずれも日本人の女性とし、20代と30代を各29名、40代、50代および60代を各30名の合計148人とした。主成分分析により147次までの基底ベクトルを求めた。図36は、このうち20次基底まで(一部省略)の寄与率と累積寄与率を表すテーブルである。20次基底までの主成分の累積寄与率は80%を超え、具体的には87.3%であった。また、20次以下(具体的には18次以下)の各主成分の寄与率はそれぞれ1%未満であった。
より具体的には、1次主成分がプラス方向に進行すると顔が下膨れする、すなわち頬の下部が膨出する傾向が見られた。9次主成分がマイナス方向に進行すると口角が後方に引け、鼻幅が広くなり、目尻が垂れ下がる傾向が見られた。10次主成分がマイナス方向に進行すると眼窩幅および頬幅が狭くなり、下顎が突き出す傾向が見られた。また、他の加齢因子と比べて、10次主成分を変化させても法令線はあまり深化しなかった。12次主成分がプラス方向に進行すると口角が下方に引け、鼻が低くなり、顎下がたるむ傾向が見られた。20次主成分がプラス方向に進行すると鼻の下が伸びて上唇結節が下がり、目尻が垂れ下がる傾向が見られた。これらは、いずれも日本人女性のエイジングが進行した場合の顔の印象傾向の変化である。
I型には母集団148人中の39人(26%)の被験者が含まれ、見掛け年齢の平均は44.7歳であった。I型の被験者は9次および12次主成分をともに多く有することが特徴であった。図39(a)はI型の24歳以上46歳未満の20人(若齢層)の平均顔形状モデルの正面図である。図39(b)はI型の46歳以上65歳未満の19人(高齢層)の平均顔形状モデルの正面図である。
図39(e)はIII型の21歳以上47歳未満の20人(若齢層)、図39(f)はIII型の47歳以上63歳未満の19人(高齢層)の平均顔形状モデルの正面図である。
図39(g)はIV型の23歳以上46歳未満の20人(若齢層)、図39(h)はIV型の46歳以上65歳未満の19人(高齢層)の平均顔形状モデルの正面図である。
図40(c)の結果から、III型に属する被験者は9次と10次の主成分得点が有意に大きいことが分かった。そして、加齢変化により、負符号を付した9次の主成分得点は小さな値(−1.004)から中程度の値(−0.151)に変化し、負符号を付した10次の主成分得点は大きな値(+0.456)から更に大きな値(+1.208)に変化することが分かった。
図40(d)の結果から、IV型に属する被験者は9次の主成分得点が有意に大きいことが分かった。加齢変化により、負符号を付した9次の主成分得点は、やや大きな値(+0.440)から更に大きな値(+1.335)に変化することが分かった。
印象変化画像生成部90は、被験者が属する群に対応する有意加齢因子(たとえば、I型では9次と12次の2つ)の主成分得点を説明変数とする重回帰式において、解が上記所望の変化後年齢となる各説明変数を算出する。具体的には、説明変数を、各有意加齢因子の重み係数biの標準偏差の倍数として算出するとよい。
印象変化画像生成部90は、被験者解析モデルに対して、有意加齢因子について上記で求まった新たな重み係数bi(たとえば、I型の場合はi=9、12:上式(1)を参照)を適用して再構築することで、印象変化画像を生成する。
なお、上記では、I型からIV型ごとの1つまたは2つ有意加齢因子のみを説明変数とする重回帰式に基づいて、当該有意加齢因子の主成分得点を変化させることで所望の変化後年齢の重み係数biを算出することを説明した。しかし本発明はこれに限られない。有意加齢因子を含むすべての加齢因子(実施例2では、1次、9次、10次、12次、20次の5つ)を説明変数とする重回帰式に基づいて、変化後年齢を解とする主成分得点および重み係数をそれぞれ算出してもよい。そして、加齢因子にかかる重み係数を変更して被験者解析モデルを再構築することで、被験者の顔形状を所望に加齢(または若化)した印象変化画像を生成することができる。ここで、実施例2のように有意加齢因子に関する重み係数のみを変化させることで、被験者の固有かつ自然な顔形状をより残した印象変化画像を生成することができ好適である。
図42(b)は、図42(a)の平均顔形状モデルを見掛け年齢が約30歳となるまで若化した状態を示す斜視図である。図42(c)は、図42(a)の平均顔形状モデルを見掛け年齢が約60歳となるまで加齢した状態を示す斜視図である。
図44(b)は、II型の被験者の平均顔形状モデルを見掛け年齢が約30歳になるまで若化した状態を示す斜視図である。図44(c)は、II型の被験者の平均顔形状モデルを見掛け年齢が約60歳になるまで加齢した状態を示す斜視図である。
図45(b)は、III型の被験者の平均顔形状モデルを見掛け年齢が約30歳になるまで若化した状態を示す斜視図である。図45(c)は、III型の被験者の平均顔形状モデルを見掛け年齢が約60歳になるまで加齢した状態を示す斜視図である。
図46(b)は、IV型の被験者の平均顔形状モデルを見掛け年齢が約30歳になるまで若化した状態を示す斜視図である。図46(c)は、IV型の被験者の平均顔形状モデルを見掛け年齢が約60歳になるまで加齢した状態を示す斜視図である。
具体的には、図42(c)のI型の加齢画像は、頬の下部が膨出して下膨れ状態に加齢し、また口角が後方に引けることが分かる。したがって、I型に対しては、口元の上部にあたる頬に明度の高いハイライトを施したり、口角が引き締まって見えるように彩度の高いリップライナーを塗布したりするなど、顔の中間部から下部に対する美容情報を対応づけて記憶しておくとよい。
図44(c)のII型の加齢画像は、目尻が下垂し、上唇結節が下垂する傾向が見られる。このため、II型に対しては、眉尻を上げるようにアイブローを施すなど目の近傍に対する美容情報と、リップライナーなどの唇近傍に対する美容情報を対応づけである記憶しておくとよい。
図45(c)のIII型の加齢画像は、法令線は浅いものの、つり目になる傾向が見られる。このため、III型に対しては、頬へのハイライトなど顔の中間部に対する美容情報を対応づけて記憶しておくとよい。
図46(c)のIV型の加齢画像は、口角が下がり、法令線が深く、目尻が下垂する傾向が見られる。このため、IV型に対しては、リップライナーなどの唇近傍に対する美容情報、法令線を隠すコンシーラー、眉尻を上げるアイブローなど、顔の全体に対する美容情報を対応づけて記憶しておくとよい。
実施例2と共通の母集団解析モデルおよび主成分分析結果を用いて、エイジング以外の顔の造作の印象傾向の度合いを分析した。
美容専門家5名が148人の被験者の写真を見て、大人顔から童顔の程度を0〜6の7段階で評価した。大人顔の程度が強いほど高い評価値とし、童顔の程度が強いほど低い評価値とした。
図50(b)は、母集団のうちクラスター2に属する約20%の被験者の平均顔である。クラスター2の平均顔は、面長であって、目の位置は全体平均顔よりも上方であった。クラスター2の平均顔は、もっとも大人顔の程度が強いと評価された。
図50(c)は、母集団のうちクラスター3に属する約24%の被験者の平均顔である。クラスター3の平均顔は、面長であって、目の位置は中間的であった。大人顔の程度がやや強いと評価された。
図50(d)は、母集団のうちクラスター4に属する約16%の被験者の平均顔である。クラスター4の平均顔は、丸顔であって、目の位置は全体平均顔よりも下方であった。クラスター4の平均顔は、もっとも大人顔の程度が弱い、すなわち童顔であると評価された。
実施例2および実施例3と共通の母集団解析モデルおよび主成分分析結果を用いて、エイジング以外の顔の造作の印象傾向の度合いを分析した。
美容専門家5名が148人の被験者の写真を見て、大顔印象から小顔印象の程度を0〜6の7段階で評価した。大顔印象が強いほど高い評価値とし、小顔印象が強いほど低い評価値とした。
図54(b)は、母集団のうちクラスター2に属する約26%の被験者の平均顔である。クラスター2の平均顔は全体平均顔よりも下頬がやや膨れていた。クラスター2の平均顔は、大顔印象がやや強いと評価された。
図54(c)は、母集団のうちクラスター3に属する約24%の被験者の平均顔である。クラスター3の平均顔は全体平均顔よりも顎が小さく、下頬の膨らみも小さかった。クラスター2の平均顔は小顔印象が強いと評価された。
図54(d)は、母集団のうちクラスター4に属する約20%の被験者の平均顔である。クラスター4の平均顔は全体平均顔よりも下頬が膨れていた。クラスター4の平均顔は、もっとも大顔印象が強いと評価された。
実施例2から実施例4と共通の母集団解析モデルおよび主成分分析結果を用いて、エイジング以外の顔の造作の印象傾向の度合いを分析した。
美容専門家5名が148人の被験者の写真を見て、目の大きさを0〜6の7段階で評価した。目が大きいとの印象を受けるほど高い評価値とし、目が小さいとの印象を受けるほど低い評価値とした。
図58(b)は、母集団のうちクラスター2に属する約28%の被験者の平均顔である。クラスター2の平均顔は、面長であって、全体平均顔よりも目が大きいとの印象を受ける顔であった。
図58(c)は、母集団のうちクラスター3に属する約22%の被験者の平均顔である。クラスター3の平均顔は、面長であって、全体平均顔よりも目が小さいとの印象を受ける顔であった。
図58(d)は、母集団のうちクラスター4に属する約20%の被験者の平均顔である。クラスター4の平均顔は、小顔であって、全体平均顔よりも目が大きいとの印象を受ける顔であった。
<1>被験者の顔表面の形状を表す顔形状情報と、複数人の母集団の顔表面の三次元形状を表す母集団顔情報を多変量解析して求められた高次の特徴量と、から前記被験者の顔における前記特徴量の発現量を算出し、前記発現量に基づいて前記被験者の顔の造作の印象傾向の度合いを求めることを特徴とする顔印象分析方法;
<2>前記母集団顔情報は、互いにデータ点数およびトポロジーが統一された相同モデルである上記<1>に記載の顔印象分析方法;
<3>被験者の前記顔形状情報がさらに前記相同モデルであり、前記顔形状情報を含む前記母集団顔情報を多変量解析して前記被験者にかかる前記特徴量を算出する上記<2>に記載の顔印象分析方法;
<4>被験者の前記顔形状情報を含まない前記母集団顔情報を多変量解析して一次から所定次までの連続する複数の特徴量を求め、前記特徴量およびその重み係数の積和演算で前記被験者の前記顔形状情報を再現することにより前記重み係数を前記発現量として算出する上記<1>または<2>に記載の顔印象分析方法;
<5>前記印象傾向の度合いが、被験者の見掛け年齢、実年齢、大人顔もしくは童顔の程度、または小顔印象の程度である上記<1>から<4>のいずれか一項に記載の顔印象分析方法;
<6>前記印象傾向の度合いが被験者の見掛け年齢または実年齢であり、前記特徴量が前記印象傾向と相関の高い基底ベクトルの少なくとも一つを含む上記<5>に記載の顔印象分析方法;
<7>前記特徴量が、寄与率1%以上の基底ベクトルであり、かつ前記印象傾向との相関係数が前記母集団の標本数での5%有意水準の限界値よりも大きいことを特徴とする上記<1>から<6>のいずれか一項に記載の顔印象分析方法;
<8>接触式の三次元デジタイザを用いて被験者の顔を含む頭部の表面の三次元座標値を前記顔形状情報として取得する上記<1>から<7>のいずれか一項に記載の顔印象分析方法;
<9>接触式の三次元デジタイザを用いて頭部の表面の複数の特徴点に関する三次元座標値を取得し、かつ非接触式の三次元計測装置を用いて前記頭部の表面の他の点の三次元座標値を取得する上記<8>に記載の顔印象分析方法;
<10>撮影アングルが異なる複数の二次元画像を被験者の顔を含む頭部について撮影し、前記二次元画像に基づいて前記頭部の表面の三次元座標値を前記顔形状情報として算出する上記<1>から<7>のいずれか一項に記載の顔印象分析方法;
<11>前記印象傾向の選択を前記被験者から受け付ける上記<1>から<10>のいずれか一項に記載の顔印象分析方法;
<12>上記<1>から<11>のいずれか一項に記載の顔印象分析方法を用いた美容カウンセリング方法であって、算出された前記発現量が所定以上である前記特徴量に予め対応付けられた美容情報を出力することを特徴とする美容カウンセリング方法;
<13>前記美容情報が、美容成形方法、美容マッサージ方法、ヘアメイク方法、化粧メイク方法のいずれかを含む美容施術方法、毛髪化粧料またはメイク化粧料を表す情報である上記<12>に記載の美容カウンセリング方法;
<14>前記美容情報が、前記特徴量の寄与率の大きさに基づいて選択された、前記被験者が属する前記印象傾向の群を表す情報である上記<12>または<13>に記載の美容カウンセリング方法;
<15>被験者の顔表面の形状を表す顔形状情報を取得する顔形状取得手段と、複数人の母集団の顔表面の三次元形状を表す母集団顔情報を多変量解析して求められた高次の特徴量、および前記特徴量と対応づけられた顔の造作の印象傾向を表す傾向情報を記憶する記憶手段と、前記顔形状情報と前記特徴量とから前記被験者の顔における前記特徴量の発現量を算出する顔成分解析手段と、前記記憶手段を参照して、前記特徴量および前記発現量に基づいて前記印象傾向またはその度合いを取得する顔印象決定手段と、を備える顔印象分析装置;
<16>被験者の顔表面の形状を表す顔形状情報をネットワークを通じて受信する受信手段と、複数人の母集団の顔表面の三次元形状を表す母集団顔情報を多変量解析して求められた高次の特徴量、および前記特徴量と対応づけられた顔の造作の印象傾向を表す傾向情報を記憶する記憶手段と、前記顔形状情報と前記特徴量とから前記被験者の顔における前記特徴量の発現量を算出する顔成分解析手段と、前記記憶手段を参照して、前記特徴量および前記発現量に基づいて前記印象傾向またはその度合いを取得する顔印象決定手段と、取得した前記印象傾向またはその度合いを示す出力情報をネットワークを通じて送信する送信手段と、を備える顔印象分析システム;
<17>被写体の撮影アングルが互いに異なる複数の二次元画像に基づいて前記被写体の三次元座標値を算出する三次元形状推定手段をさらに備え、前記受信手段は、被験者の顔を含む頭部について撮影された撮影アングルが異なる複数の二次元画像を被験者端末から受信し、前記三次元形状推定手段は、前記受信手段が受信した前記二次元画像に基づいて被験者の頭部の表面の三次元座標値を前記顔形状情報として算出し、前記顔成分解析手段は、算出された前記顔形状情報に基づいて前記発現量を算出し、前記送信手段は、前記出力情報を前記被験者端末に送信する上記<16>に記載の顔印象分析システム;
<18>前記受信手段は、前記印象傾向の選択を前記被験者端末から受け付け、前記顔成分解析手段は、前記記憶手段を参照して選択された前記印象傾向と対応づけられた前記特徴量を抽出するとともに、抽出された前記特徴量の前記発現量を算出し、前記顔印象決定手段は、選択された前記印象傾向と対応づけられた前記特徴量の度合いを取得することを特徴とする上記<17>に記載の顔印象分析システム。
<1a>被験者の顔表面の形状を表す顔形状情報と、複数人の母集団の顔表面の三次元形状を表す母集団顔情報を多変量解析して求められた一または複数の特徴量と、から前記被験者の顔における前記特徴量の発現量を算出し、前記発現量に基づいて前記被験者の顔の造作の印象傾向の度合いを求めることを特徴とする顔印象分析方法;
<2a>前記母集団顔情報は、互いにデータ点数およびトポロジーが統一された相同モデルである上記<1a>に記載の顔印象分析方法;
<3a>前記母集団を複数の群に分類するとともに、前記被験者の前記発現量に基づいて前記被験者が属する前記群を求める上記<1a>または<2a>に記載の顔印象分析方法;
<4a>前記印象傾向と相関の高い複数次の基底ベクトルにかかる複数の重み係数の傾向の一致度に基づいて前記母集団を複数の前記群に分類する上記<3a>に記載の顔印象分析方法;
<5a>前記印象傾向の度合いが、被験者の見掛け年齢、実年齢、大人顔もしくは童顔の程度、または小顔印象の程度である上記<1a>から<4a>のいずれか一項に記載の顔印象分析方法;
<6a>前記印象傾向の度合いが被験者の見掛け年齢または実年齢であり、前記特徴量が前記印象傾向と相関の高い基底ベクトルの少なくとも一つを含む上記<4a>に記載の顔印象分析方法;
<7a>前記特徴量と前記印象傾向との相関係数が前記母集団の標本数での5%有意水準の限界値よりも大きいことを特徴とする上記<1a>から<6a>のいずれか一項に記載の顔印象分析方法;
<8a>接触式の三次元デジタイザを用いて被験者の顔を含む頭部の表面の三次元座標値を前記顔形状情報として取得する上記<1a>から<7a>のいずれか一項に記載の顔印象分析方法;
<9a>接触式の三次元デジタイザを用いて頭部の表面の複数の特徴点に関する三次元座標値を取得し、かつ非接触式の三次元計測装置を用いて前記頭部の表面の他の点の三次元座標値を取得する上記<8a>に記載の顔印象分析方法;
<10a>撮影アングルが異なる複数の二次元画像を被験者の顔を含む頭部について撮影し、前記二次元画像に基づいて前記頭部の表面の三次元座標値を前記顔形状情報として算出する上記<1a>から<9a>のいずれか一項に記載の顔印象分析方法;
<11a>被験者の前記顔形状情報がさらに前記相同モデルであり、前記顔形状情報を含む前記母集団顔情報を多変量解析して前記被験者にかかる前記特徴量を算出する上記<2a>に記載の顔印象分析方法;
<12a>被験者の前記顔形状情報を含まない前記母集団顔情報を多変量解析して一次から所定次までの連続する複数の特徴量を求め、前記特徴量およびその重み係数の積和演算で前記被験者の前記顔形状情報を再現することにより前記重み係数を前記発現量として算出する上記<1a>から<10a>のいずれか一項に記載の顔印象分析方法;
<13a>前記印象傾向の選択を前記被験者から受け付ける上記<1a>から<12a>のいずれか一項に記載の顔印象分析方法;
<14a>上記<1a>から<13a>のいずれか一項に記載の顔印象分析方法を用いた美容カウンセリング方法であって、算出された前記発現量が所定以上である前記特徴量に予め対応付けられた美容情報を出力することを特徴とする美容カウンセリング方法;
<15a>前記美容情報が、前記特徴量の寄与率の大きさに基づいて選択された、前記被験者が属する前記印象傾向の群を表す情報である上記<14a>に記載の美容カウンセリング方法;
<16a>上記<1a>から<13a>のいずれか一項に記載の顔印象分析方法を用いた美容カウンセリング方法であって、前記印象傾向と相関の高い複数次の基底ベクトルにかかる複数の重み係数の傾向の一致度に基づいて前記母集団を複数の群に分類するとともに、前記被験者の前記発現量に基づいて前記被験者が属する前記群を求め、前記被験者が属する前記群に予め対応付けられた美容情報を出力することを特徴とする美容カウンセリング方法;
<17a>前記美容情報が、美容成形方法、美容マッサージ方法、ヘアメイク方法、化粧メイク方法のいずれかを含む美容施術方法、毛髪化粧料またはメイク化粧料を表す情報である上記<14a>から<16a>のいずれか一項に記載の美容カウンセリング方法;
<18a>被験者の顔表面の形状を表す顔形状情報と、複数人の母集団の顔表面の三次元形状を表す母集団顔情報を多変量解析して求められた一または複数の特徴量と、から前記被験者の顔における前記特徴量の発現量を算出し、前記顔形状情報における前記発現量を変更し、変更された前記顔形状情報に基づいて前記被験者の顔の造作の印象傾向を変化させた印象変化画像を生成することを特徴とする顔画像生成方法;
<19a>前記特徴量が、前記印象傾向と相関の高い基底ベクトルの少なくとも一つを含み、前記印象傾向の度合いが所定量だけ変化するよう前記基底ベクトルの重み係数を変化させることにより前記顔形状情報における前記発現量を変更する上記<18a>に記載の顔画像生成方法;
<20a>前記印象傾向の度合いが被験者の見掛けまたは実際の年齢であって、前記年齢に基づいて、前記母集団を、前記被験者を含む第一の集団と前記被験者を含まない第二の集団とに分け、前記第一の集団または前記第二の集団の一方に偏って発現している前記基底ベクトルに第一の重率を付与し、前記第一の集団および前記第二の集団の両方に発現している前記基底ベクトルに前記第一の重率よりも小さな第二の重率を付与して前記重み係数を変化させることを特徴とする上記<19a>に記載の顔画像生成方法;
<21a>前記所定量だけ変化させた後の前記年齢が、前記第一の集団の平均年齢と前記第二の集団の平均年齢との間の値である上記<20a>に記載の顔画像生成方法;
<22a>前記印象傾向と相関の高い複数次の基底ベクトルにかかる複数の重み係数の傾向の一致度に基づいて前記母集団を複数の群に分類するとともに、前記被験者の前記発現量に基づいて前記被験者が属する前記群を求め、前記被験者が属する前記群において前記印象傾向と相関の高い前記基底ベクトルの重み係数を変化させる上記<19a>から<21a>のいずれか一項に記載の顔画像生成方法;
<23a>被験者の顔表面の形状を表す顔形状情報を取得する顔形状取得手段と、複数人の母集団の顔表面の三次元形状を表す母集団顔情報を多変量解析して求められた一または複数の特徴量、および前記特徴量と対応づけられた顔の造作の印象傾向を表す傾向情報を記憶する記憶手段と、前記顔形状情報と前記特徴量とから前記被験者の顔における前記特徴量の発現量を算出する顔成分解析手段と、前記記憶手段を参照して、前記特徴量および前記発現量に基づいて前記印象傾向またはその度合いを取得する顔印象決定手段と、を備える顔印象分析装置;
<24a>被験者の顔表面の形状を表す顔形状情報をネットワークを通じて受信する受信手段と、複数人の母集団の顔表面の三次元形状を表す母集団顔情報を多変量解析して求められた一または複数の特徴量、および前記特徴量と対応づけられた顔の造作の印象傾向を表す傾向情報を記憶する記憶手段と、前記顔形状情報と前記特徴量とから前記被験者の顔における前記特徴量の発現量を算出する顔成分解析手段と、前記記憶手段を参照して、前記特徴量および前記発現量に基づいて前記印象傾向またはその度合いを取得する顔印象決定手段と、取得した前記印象傾向またはその度合いを示す出力情報をネットワークを通じて送信する送信手段と、を備える顔印象分析システム;
<25a>被写体の撮影アングルが互いに異なる複数の二次元画像に基づいて前記被写体の三次元座標値を算出する三次元形状推定手段をさらに備え、前記受信手段は、被験者の顔を含む頭部について撮影された撮影アングルが異なる複数の二次元画像を被験者端末から受信し、前記三次元形状推定手段は、前記受信手段が受信した前記二次元画像に基づいて被験者の頭部の表面の三次元座標値を前記顔形状情報として算出し、前記顔成分解析手段は、算出された前記顔形状情報に基づいて前記発現量を算出し、前記送信手段は、前記出力情報を前記被験者端末に送信する上記<24a>に記載の顔印象分析システム;
<26a>前記受信手段は、前記印象傾向の選択を前記被験者端末から受け付け、前記顔成分解析手段は、前記記憶手段を参照して選択された前記印象傾向と対応づけられた前記特徴量を抽出するとともに、抽出された前記特徴量の前記発現量を算出し、前記顔印象決定手段は、選択された前記印象傾向と対応づけられた前記特徴量の度合いを取得することを特徴とする上記<25a>に記載の顔印象分析システム。
<1b>前記特徴量が、前記印象傾向と相関の高い二次以上の基底ベクトルの少なくとも一つを含む上記<1a>に記載の顔印象分析方法;
<2b>前記印象傾向の度合いが、被験者の見掛け年齢または実年齢の高低である上記<1a>から<4a>または<1b>のいずれか一項に記載の顔印象分析方法;
<3b>前記印象傾向の度合いが、被験者の大人顔もしくは童顔の程度、小顔印象の程度、丸顔もしくは面長の程度、または目の大きさの印象の程度である上記<1a>から<4a>または<1b>のいずれか一項に記載の顔印象分析方法;
<4b>前記印象傾向の度合いが、被験者の見掛け年齢もしくは実年齢の高低、大人顔もしくは童顔の程度、小顔印象の程度、丸顔もしくは面長の程度、および目の大きさの印象の程度、より選ばれるいずれか2以上であり、前記2以上の印象傾向のそれぞれに対応する一または複数の前記特徴量同士が、互いに異なる次数の基底ベクトルを含む上記<1b>に記載の顔印象分析方法;
<5b>少なくとも2つの前記印象傾向のそれぞれに対応する一または複数の前記特徴量同士が、互いに異なる次数の基底ベクトルのみで構成されている上記<4b>に記載の顔印象分析方法;
<6b>前記印象傾向の度合いが、被験者の大人顔もしくは童顔の程度、小顔印象の程度、丸顔もしくは面長の程度、または目の大きさの印象の程度であって、前記被験者が属する前記群と、前記被験者が属さない他の前記群と、に予め対応付けられた美容情報を出力することを特徴とする上記<15a>または<16a>に記載の美容カウンセリング方法;
<7b>前記特徴量が、前記多変量解析で求められた複数の基底ベクトルより抽出された、前記印象傾向と相関の高い二次以上の基底ベクトルの少なくとも一つを含み、前記印象傾向の度合いが所定量だけ変化するよう前記基底ベクトルの重み係数を変化させることにより前記顔形状情報における前記発現量を変更する上記<18a>に記載の顔画像生成方法。
<9b>前記特徴量が、前記多変量解析で求められた複数の基底ベクトルより抽出された、前記印象傾向と相関の高い二次以上の基底ベクトルの少なくとも一つを含み、前記印象傾向の度合いが所定量だけ変化するよう前記基底ベクトルの重み係数を変化させることにより前記顔形状情報における前記発現量を変更する上記<24a>から<26a>のいずれか一項に記載の顔印象分析システム;
<10b>前記印象傾向の度合いが、被験者の大人顔もしくは童顔の程度、小顔印象の程度、丸顔もしくは面長の程度、または目の大きさの印象の程度である上記<18a>から<22a>または<7b>のいずれか一項に記載の顔画像生成方法;
<11b>前記印象傾向の度合いが、被験者の見掛け年齢もしくは実年齢の高低、大人顔もしくは童顔の程度、小顔印象の程度、丸顔もしくは面長の程度、および目の大きさの印象の程度、より選ばれるいずれか2以上であり、前記2以上の印象傾向のそれぞれに対応する一または複数の前記特徴量同士が、互いに異なる次数の基底ベクトルを含む上記<7b>に記載の顔画像生成方法;
<12b>少なくとも2つの前記印象傾向のそれぞれに対応する一または複数の前記特徴量同士が、互いに異なる次数の基底ベクトルのみで構成されている上記<11b>に記載の顔画像生成方法;
<13b>前記母集団顔情報は、互いにデータ点数およびトポロジーが統一された相同モデルである上記<23a>に記載の顔印象分析装置;
<14b>前記記憶手段は前記母集団を複数の群に分類して記憶しており、前記顔印象決定手段は前記被験者の前記発現量に基づいて前記被験者が属する前記群を決定する上記<23a>または<13b>に記載の顔印象分析装置;
<15b>前記記憶手段は、前記印象傾向と相関の高い複数次の基底ベクトルにかかる複数の重み係数の傾向の一致度に基づいて分類された複数の前記群を記憶している上記<14b>に記載の顔印象分析装置;
<16b>前記印象傾向の度合いが、被験者の見掛け年齢または実年齢の高低である上記<23a>または<13b>から<15b>のいずれか一項に記載の顔印象分析装置;
<17b>前記印象傾向の度合いが、被験者の大人顔もしくは童顔の程度、小顔印象の程度、丸顔もしくは面長の程度、または目の大きさの印象の程度である上記<23a>または<13b>から<15b>のいずれか一項に記載の顔印象分析装置;
<18b>前記印象傾向の度合いが、被験者の見掛け年齢もしくは実年齢の高低、大人顔もしくは童顔の程度、小顔印象の程度、丸顔もしくは面長の程度、および目の大きさの印象の程度、より選ばれるいずれか2以上であり、前記2以上の印象傾向のそれぞれに対応する一または複数の前記特徴量同士が、互いに異なる次数の基底ベクトルを含む上記<8b>に記載の顔印象分析装置;
<19b>少なくとも2つの前記印象傾向のそれぞれに対応する一または複数の前記特徴量同士が、互いに異なる次数の基底ベクトルのみで構成されている上記<18b>に記載の顔印象分析装置;
<20b>前記顔印象決定手段は、前記印象傾向との相関係数が前記母集団の標本数での5%有意水準の限界値よりも大きい前記特徴量に基づいて前記印象傾向またはその度合いを取得する上記<23a>または<13b>から<19b>のいずれか一項に記載の顔印象分析装置;
<21b>被験者の顔を含む頭部の表面の複数の特徴点の三次元座標値を前記顔形状情報として取得する接触式の三次元デジタイザを更に含む上記<23a>または<13b>から<20b>のいずれか一項に記載の顔印象分析装置;
<22b>前記頭部の表面の他の点の三次元座標値を取得する非接触式の三次元計測装置を更に含む上記<21b>に記載の顔印象分析装置;
<23b>被験者の顔を含む頭部について撮影された、撮影アングルが互いに異なる複数の二次元画像に基づいて、前記頭部の表面の三次元座標値を前記顔形状情報として算出する三次元形状推定手段を更に含む上記<23a>または<13b>から<22b>のいずれか一項に記載の顔印象分析装置;
<24b>被験者の前記顔形状情報がさらに前記相同モデルであり、前記顔成分解析手段は、前記顔形状情報を含む前記母集団顔情報を多変量解析して前記被験者にかかる前記特徴量を算出する上記<13b>に記載の顔印象分析装置;
<25b>前記顔成分解析手段は、被験者の前記顔形状情報を含まない前記母集団顔情報を多変量解析して一次から所定次までの連続する複数の特徴量を求め、前記特徴量およびその重み係数の積和演算で前記被験者の前記顔形状情報を再現することにより前記重み係数を前記発現量として算出する上記<23a>または<13b>から<23b>のいずれか一項に記載の顔印象分析装置;
<26b>前記印象傾向の選択を前記被験者から受け付ける条件入力手段を更に備える上記<23a>または<13b>から<25b>のいずれか一項に記載の顔印象分析装置。
<27b>前記印象傾向の度合いに基づいて、前記母集団を、前記被験者を含む第一の集団と前記被験者を含まない第二の集団とに分け、前記第一の集団または前記第二の集団の一方に偏って発現している前記基底ベクトルに第一の重率を付与し、前記第一の集団および前記第二の集団の両方に発現している前記基底ベクトルに前記第一の重率よりも小さな第二の重率を付与して前記重み係数を変化させることを特徴とする上記<10b>から<12b>のいずれか一項に記載の顔画像生成方法;
<28b>被験者の顔画像と前記印象変化画像とを対比して表示出力する上記<18a>から<22a>、<7b>または<10b>から<12b>のいずれか一項に記載の顔画像生成方法;
<29b>上記<28b>に記載の顔画像生成方法を用いた美容カウンセリング方法であって、ヘアメイク方法もしくは化粧メイク方法を含み被験者の顔表面の形状を変化させない美容施術方法を被験者の顔に適用した状態を模した美容シミュレーション画像を生成し、前記美容シミュレーション画像と前記印象変化画像とを対比して表示出力する美容カウンセリング方法。
Claims (30)
- 被験者の顔表面の形状を表す顔形状情報と、複数人の母集団の顔表面の三次元形状を表す母集団顔情報を多変量解析して求められた一または複数の特徴量と、から前記被験者の顔における前記特徴量の発現量を算出し、前記発現量に基づいて前記被験者の顔の造作の印象傾向の度合いを求めることを特徴とする顔印象分析方法。
- 前記母集団顔情報は、互いにデータ点数およびトポロジーが統一された相同モデルである請求項1に記載の顔印象分析方法。
- 前記母集団を複数の群に分類するとともに、前記被験者の前記発現量に基づいて前記被験者が属する前記群を求める請求項1または2に記載の顔印象分析方法。
- 前記印象傾向と相関の高い複数次の基底ベクトルにかかる複数の重み係数の傾向の一致度に基づいて前記母集団を複数の前記群に分類する請求項3に記載の顔印象分析方法。
- 前記特徴量が、前記多変量解析で求められた複数の基底ベクトルより抽出された、前記印象傾向と相関の高い二次以上の基底ベクトルの少なくとも一つを含む請求項1から4のいずれか一項に記載の顔印象分析方法。
- 前記印象傾向の度合いが、被験者の見掛け年齢または実年齢の高低である請求項1から5のいずれか一項に記載の顔印象分析方法。
- 前記印象傾向の度合いが、被験者の大人顔もしくは童顔の程度、小顔印象の程度、丸顔もしくは面長の程度、または目の大きさの印象の程度である請求項1から5のいずれか一項に記載の顔印象分析方法。
- 前記印象傾向の度合いが、被験者の見掛け年齢もしくは実年齢の高低、大人顔もしくは童顔の程度、小顔印象の程度、丸顔もしくは面長の程度、および目の大きさの印象の程度、より選ばれるいずれか2以上であり、
前記2以上の印象傾向のそれぞれに対応する一または複数の前記特徴量同士が、互いに異なる次数の基底ベクトルを含む請求項5に記載の顔印象分析方法。 - 少なくとも2つの前記印象傾向のそれぞれに対応する一または複数の前記特徴量同士が、互いに異なる次数の基底ベクトルのみで構成されている請求項8に記載の顔印象分析方法。
- 前記特徴量と前記印象傾向との相関係数が前記母集団の標本数での5%有意水準の限界値よりも大きいことを特徴とする請求項1から9のいずれか一項に記載の顔印象分析方法。
- 接触式の三次元デジタイザを用いて被験者の顔を含む頭部の表面の三次元座標値を前記顔形状情報として取得する請求項1から10のいずれか一項に記載の顔印象分析方法。
- 前記接触式の三次元デジタイザを用いて頭部の表面の複数の特徴点に関する三次元座標値を取得し、かつ非接触式の三次元計測装置を用いて前記頭部の表面の他の点の三次元座標値を取得する請求項11に記載の顔印象分析方法。
- 撮影アングルが異なる複数の二次元画像を被験者の顔を含む頭部について撮影し、前記二次元画像に基づいて前記頭部の表面の三次元座標値を前記顔形状情報として算出する請求項1から12のいずれか一項に記載の顔印象分析方法。
- 被験者の前記顔形状情報がさらに前記相同モデルであり、前記顔形状情報を含む前記母集団顔情報を多変量解析して前記被験者にかかる前記特徴量を算出する請求項2に記載の顔印象分析方法。
- 被験者の前記顔形状情報を含まない前記母集団顔情報を多変量解析して一次から所定次までの連続する複数の特徴量を求め、前記特徴量およびその重み係数の積和演算で前記被験者の前記顔形状情報を再現することにより前記重み係数を前記発現量として算出する請求項1から13のいずれか一項に記載の顔印象分析方法。
- 前記印象傾向の選択を前記被験者から受け付ける請求項1から15のいずれか一項に記載の顔印象分析方法。
- 請求項1から16のいずれか一項に記載の顔印象分析方法を用いた美容カウンセリング方法であって、
算出された前記発現量が所定以上である前記特徴量に予め対応付けられた美容情報を出力することを特徴とする美容カウンセリング方法。 - 前記美容情報が、前記特徴量の寄与率の大きさに基づいて選択された、前記被験者が属する前記印象傾向の群を表す情報である請求項17に記載の美容カウンセリング方法。
- 請求項1から16のいずれか一項に記載の顔印象分析方法を用いた美容カウンセリング方法であって、
前記印象傾向と相関の高い複数次の基底ベクトルにかかる複数の重み係数の傾向の一致度に基づいて前記母集団を複数の群に分類するとともに、前記被験者の前記発現量に基づいて前記被験者が属する前記群を求め、
前記被験者が属する前記群に予め対応付けられた美容情報を出力することを特徴とする美容カウンセリング方法。 - 前記印象傾向の度合いが、被験者の大人顔もしくは童顔の程度、小顔印象の程度、丸顔もしくは面長の程度、または目の大きさの印象の程度であって、
前記被験者が属する前記群と、前記被験者が属さない他の前記群と、に予め対応付けられた美容情報を出力することを特徴とする請求項18または19に記載の美容カウンセリング方法。 - 前記美容情報が、美容成形方法、美容マッサージ方法、ヘアメイク方法、化粧メイク方法のいずれかを含む美容施術方法、毛髪化粧料またはメイク化粧料を表す情報である請求項17から20のいずれか一項に記載の美容カウンセリング方法。
- 被験者の顔表面の形状を表す顔形状情報と、複数人の母集団の顔表面の三次元形状を表す母集団顔情報を多変量解析して求められた一または複数の特徴量と、から前記被験者の顔における前記特徴量の発現量を算出し、前記顔形状情報における前記発現量を変更し、変更された前記顔形状情報に基づいて前記被験者の顔の造作の印象傾向を変化させた印象変化画像を生成することを特徴とする顔画像生成方法。
- 前記特徴量が、前記多変量解析で求められた複数の基底ベクトルより抽出された、前記印象傾向と相関の高い二次以上の基底ベクトルの少なくとも一つを含み、
前記印象傾向の度合いが所定量だけ変化するよう前記基底ベクトルの重み係数を変化させることにより前記顔形状情報における前記発現量を変更する請求項22に記載の顔画像生成方法。 - 前記印象傾向の度合いが被験者の見掛けまたは実際の年齢であって、
前記年齢に基づいて、前記母集団を、前記被験者を含む第一の集団と前記被験者を含まない第二の集団とに分け、
前記第一の集団または前記第二の集団の一方に偏って発現している前記基底ベクトルに第一の重率を付与し、前記第一の集団および前記第二の集団の両方に発現している前記基底ベクトルに前記第一の重率よりも小さな第二の重率を付与して前記重み係数を変化させることを特徴とする請求項23に記載の顔画像生成方法。 - 前記所定量だけ変化させた後の前記年齢が、前記第一の集団の平均年齢と前記第二の集団の平均年齢との間の値である請求項24に記載の顔画像生成方法。
- 前記印象傾向と相関の高い複数次の基底ベクトルにかかる複数の重み係数の傾向の一致度に基づいて前記母集団を複数の群に分類するとともに、前記被験者の前記発現量に基づいて前記被験者が属する前記群を求め、
前記被験者が属する前記群において前記印象傾向と相関の高い前記基底ベクトルの重み係数を変化させる請求項23から25のいずれか一項に記載の顔画像生成方法。 - 被験者の顔表面の形状を表す顔形状情報を取得する顔形状取得手段と、
複数人の母集団の顔表面の三次元形状を表す母集団顔情報を多変量解析して求められた一または複数の特徴量、および前記特徴量と対応づけられた顔の造作の印象傾向を表す傾向情報を記憶する記憶手段と、
前記顔形状情報と前記特徴量とから前記被験者の顔における前記特徴量の発現量を算出する顔成分解析手段と、
前記記憶手段を参照して、前記特徴量および前記発現量に基づいて前記印象傾向またはその度合いを取得する顔印象決定手段と、を備える顔印象分析装置。 - 被験者の顔表面の形状を表す顔形状情報をネットワークを通じて受信する受信手段と、
複数人の母集団の顔表面の三次元形状を表す母集団顔情報を多変量解析して求められた一または複数の特徴量、および前記特徴量と対応づけられた顔の造作の印象傾向を表す傾向情報を記憶する記憶手段と、
前記顔形状情報と前記特徴量とから前記被験者の顔における前記特徴量の発現量を算出する顔成分解析手段と、
前記記憶手段を参照して、前記特徴量および前記発現量に基づいて前記印象傾向またはその度合いを取得する顔印象決定手段と、
取得した前記印象傾向またはその度合いを示す出力情報をネットワークを通じて送信する送信手段と、を備える顔印象分析システム。 - 被写体の撮影アングルが互いに異なる複数の二次元画像に基づいて前記被写体の三次元座標値を算出する三次元形状推定手段をさらに備え、
前記受信手段は、被験者の顔を含む頭部について撮影された撮影アングルが異なる複数の二次元画像を被験者端末から受信し、
前記三次元形状推定手段は、前記受信手段が受信した前記二次元画像に基づいて被験者の頭部の表面の三次元座標値を前記顔形状情報として算出し、
前記顔成分解析手段は、算出された前記顔形状情報に基づいて前記発現量を算出し、
前記送信手段は、前記出力情報を前記被験者端末に送信する請求項28に記載の顔印象分析システム。 - 前記受信手段は、前記印象傾向の選択を前記被験者端末から受け付け、
前記顔成分解析手段は、前記記憶手段を参照して選択された前記印象傾向と対応づけられた前記特徴量を抽出するとともに、抽出された前記特徴量の前記発現量を算出し、
前記顔印象決定手段は、選択された前記印象傾向と対応づけられた前記特徴量の度合いを取得することを特徴とする請求項29に記載の顔印象分析システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012558097A JP5231685B1 (ja) | 2011-07-07 | 2012-07-06 | 顔印象分析方法、美容カウンセリング方法および顔画像生成方法 |
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011151289 | 2011-07-07 | ||
JP2011151289 | 2011-07-07 | ||
JP2012019529 | 2012-02-01 | ||
JP2012019529 | 2012-02-01 | ||
JP2012558097A JP5231685B1 (ja) | 2011-07-07 | 2012-07-06 | 顔印象分析方法、美容カウンセリング方法および顔画像生成方法 |
PCT/JP2012/004404 WO2013005447A1 (ja) | 2011-07-07 | 2012-07-06 | 顔印象分析方法、美容カウンセリング方法および顔画像生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP5231685B1 JP5231685B1 (ja) | 2013-07-10 |
JPWO2013005447A1 true JPWO2013005447A1 (ja) | 2015-02-23 |
Family
ID=47436809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012558097A Active JP5231685B1 (ja) | 2011-07-07 | 2012-07-06 | 顔印象分析方法、美容カウンセリング方法および顔画像生成方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9330298B2 (ja) |
EP (1) | EP2731072A4 (ja) |
JP (1) | JP5231685B1 (ja) |
CN (1) | CN103649987B (ja) |
WO (1) | WO2013005447A1 (ja) |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014118842A1 (ja) | 2013-02-01 | 2014-08-07 | パナソニック株式会社 | 美容支援装置、美容支援システム、美容支援方法、並びに美容支援プログラム |
GB201302194D0 (en) * | 2013-02-07 | 2013-03-27 | Crisalix Sa | 3D platform for aesthetic simulation |
WO2014144275A2 (en) | 2013-03-15 | 2014-09-18 | Skin Republic, Inc. | Systems and methods for specifying and formulating customized topical agents |
US9477330B2 (en) * | 2013-11-05 | 2016-10-25 | Microsoft Technology Licensing, Llc | Stylus tilt tracking with a digitizer |
WO2015122195A1 (ja) * | 2014-02-17 | 2015-08-20 | Necソリューションイノベータ株式会社 | 印象分析装置、ゲーム装置、健康管理装置、広告支援装置、印象分析システム、印象分析方法、プログラム、及びプログラム記録媒体 |
TWI716344B (zh) * | 2014-02-24 | 2021-01-21 | 日商花王股份有限公司 | 增齡分析方法、使用增齡分析方法之衰老修護之輔助方法、增齡分析裝置及電腦可讀取之記錄媒體 |
KR102294927B1 (ko) * | 2014-03-31 | 2021-08-30 | 트라이큐빅스 인크. | 가상 성형 sns 서비스 방법 및 장치 |
CN104408417A (zh) * | 2014-11-25 | 2015-03-11 | 苏州福丰科技有限公司 | 基于三维人脸局部特征匹配的超市预付费支付方法 |
JP6675384B2 (ja) * | 2015-03-27 | 2020-04-01 | 株式会社メガチップス | 化粧支援システム、計測装置、携帯端末装置およびプログラム |
JP6886773B2 (ja) * | 2015-03-31 | 2021-06-16 | ポーラ化成工業株式会社 | 顔の見た目印象の決定部位の抽出方法、顔の見た目印象の決定因子の抽出方法、顔の見た目印象の鑑別方法 |
JP6934632B2 (ja) * | 2016-01-22 | 2021-09-15 | パナソニックIpマネジメント株式会社 | メイクトレンド分析装置、メイクトレンド分析方法、およびメイクトレンド分析プログラム |
JP6722866B2 (ja) * | 2016-02-29 | 2020-07-15 | パナソニックIpマネジメント株式会社 | 画像処理装置および画像処理方法 |
US11055762B2 (en) | 2016-03-21 | 2021-07-06 | The Procter & Gamble Company | Systems and methods for providing customized product recommendations |
US10398389B1 (en) | 2016-04-11 | 2019-09-03 | Pricewaterhousecoopers Llp | System and method for physiological health simulation |
CA2933799A1 (en) * | 2016-06-21 | 2017-12-21 | John G. Robertson | System and method for automatically generating a facial remediation design and application protocol to address observable facial deviations |
JP7074422B2 (ja) * | 2016-11-02 | 2022-05-24 | 花王株式会社 | 加齢分析方法 |
US10621771B2 (en) | 2017-03-21 | 2020-04-14 | The Procter & Gamble Company | Methods for age appearance simulation |
US10614623B2 (en) | 2017-03-21 | 2020-04-07 | Canfield Scientific, Incorporated | Methods and apparatuses for age appearance simulation |
US10818007B2 (en) | 2017-05-31 | 2020-10-27 | The Procter & Gamble Company | Systems and methods for determining apparent skin age |
CN110678875B (zh) | 2017-05-31 | 2023-07-11 | 宝洁公司 | 用于引导用户拍摄自拍照的系统和方法 |
CN108399379B (zh) * | 2017-08-11 | 2021-02-12 | 北京市商汤科技开发有限公司 | 用于识别面部年龄的方法、装置和电子设备 |
CN107578625B (zh) * | 2017-08-22 | 2020-11-10 | 青海省交通科学研究院 | 一种基于多维矢量相关性的车型分类方法及装置 |
CN107580251B (zh) * | 2017-09-15 | 2018-09-21 | 南京陶特思软件科技有限公司 | 信息输入方式自适应选择系统 |
CN110096936B (zh) * | 2018-01-31 | 2023-03-03 | 伽蓝(集团)股份有限公司 | 评估眼部表观年龄、眼部衰老程度的方法及其应用 |
US10395436B1 (en) | 2018-03-13 | 2019-08-27 | Perfect Corp. | Systems and methods for virtual application of makeup effects with adjustable orientation view |
JP7453956B2 (ja) | 2018-07-13 | 2024-03-21 | 株式会社 資生堂 | カスタム外用薬を調整するためのシステムおよび方法 |
JP2020091662A (ja) * | 2018-12-05 | 2020-06-11 | 富士ゼロックス株式会社 | 情報処理装置及びプログラム |
CN110599639B (zh) * | 2019-08-13 | 2021-05-07 | 深圳市天彦通信股份有限公司 | 身份验证方法及相关产品 |
TW202122040A (zh) * | 2019-12-09 | 2021-06-16 | 麗寶大數據股份有限公司 | 臉部肌肉狀態分析與評價方法 |
CN111008971B (zh) * | 2019-12-24 | 2023-06-13 | 天津工业大学 | 一种合影图像的美学质量评价方法及实时拍摄指导系统 |
CN113850708A (zh) * | 2020-06-28 | 2021-12-28 | 华为技术有限公司 | 交互方法、交互装置、智能镜子 |
JP7495292B2 (ja) | 2020-07-28 | 2024-06-04 | 花王株式会社 | 顔経時変化予測方法 |
CN113377020A (zh) * | 2021-05-10 | 2021-09-10 | 深圳数联天下智能科技有限公司 | 设备控制方法、装置、设备及存储介质 |
WO2023210341A1 (ja) * | 2022-04-25 | 2023-11-02 | 株式会社資生堂 | 顔分類方法、装置、およびプログラム |
CN117745036B (zh) * | 2024-02-18 | 2024-04-30 | 四川金投科技股份有限公司 | 一种基于特征识别及近场通信的牲畜信息管理方法及系统 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0641993B1 (en) | 1993-09-03 | 1999-06-30 | Canon Kabushiki Kaisha | Shape measuring apparatus |
JP3054301B2 (ja) * | 1993-11-30 | 2000-06-19 | キヤノン株式会社 | 画像処理方法及び装置 |
JP4349720B2 (ja) | 2000-05-23 | 2009-10-21 | ポーラ化成工業株式会社 | 加齢パターンの鑑別方法 |
JP3920747B2 (ja) | 2002-09-04 | 2007-05-30 | 株式会社国際電気通信基礎技術研究所 | 画像処理装置 |
WO2006022977A2 (en) * | 2004-07-23 | 2006-03-02 | Digimarc Corporation | Facial database methods and systems |
JP4481142B2 (ja) * | 2004-10-22 | 2010-06-16 | 花王株式会社 | 顔形状分類方法および顔形状評価方法および顔形状評価装置 |
JP4795718B2 (ja) | 2005-05-16 | 2011-10-19 | 富士フイルム株式会社 | 画像処理装置および方法並びにプログラム |
JP4682373B2 (ja) * | 2005-11-01 | 2011-05-11 | 株式会社国際電気通信基礎技術研究所 | 顔画像合成装置、顔画像合成方法および顔画像合成プログラム |
JP2008171074A (ja) | 2007-01-09 | 2008-07-24 | National Institute Of Advanced Industrial & Technology | 三次元形状モデル生成装置、三次元形状モデル生成方法、コンピュータプログラム、及び三次元形状モデル生成システム |
JP2009054060A (ja) | 2007-08-29 | 2009-03-12 | Kao Corp | 顔の形状評価方法 |
CN101751551B (zh) * | 2008-12-05 | 2013-03-20 | 比亚迪股份有限公司 | 一种基于图像的人脸识别方法、装置、系统及设备 |
US8670597B2 (en) * | 2009-08-07 | 2014-03-11 | Google Inc. | Facial recognition with social network aiding |
JP5905702B2 (ja) | 2011-10-18 | 2016-04-20 | 花王株式会社 | 顔印象判定チャート |
-
2012
- 2012-07-06 CN CN201280033752.7A patent/CN103649987B/zh active Active
- 2012-07-06 US US14/131,374 patent/US9330298B2/en active Active
- 2012-07-06 WO PCT/JP2012/004404 patent/WO2013005447A1/ja active Application Filing
- 2012-07-06 EP EP12806872.3A patent/EP2731072A4/en not_active Ceased
- 2012-07-06 JP JP2012558097A patent/JP5231685B1/ja active Active
Also Published As
Publication number | Publication date |
---|---|
US9330298B2 (en) | 2016-05-03 |
WO2013005447A1 (ja) | 2013-01-10 |
US20140226896A1 (en) | 2014-08-14 |
EP2731072A1 (en) | 2014-05-14 |
EP2731072A4 (en) | 2015-03-25 |
JP5231685B1 (ja) | 2013-07-10 |
CN103649987B (zh) | 2018-05-25 |
CN103649987A (zh) | 2014-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5231685B1 (ja) | 顔印象分析方法、美容カウンセリング方法および顔画像生成方法 | |
JP6985403B2 (ja) | 年齢容姿シミュレーションのための方法 | |
US10614623B2 (en) | Methods and apparatuses for age appearance simulation | |
Laurentini et al. | Computer analysis of face beauty: A survey | |
WO2007063878A1 (ja) | 顔分類方法、顔分類装置、分類マップ、顔分類プログラム、及び該プログラムが記録された記録媒体 | |
JP2001346627A (ja) | 化粧アドバイスシステム | |
JP2007175384A (ja) | チークメーキャップのための顔分類方法、顔分類装置、分類見極めマップ、顔分類プログラム、及び該プログラムが記録された記録媒体 | |
JP5651385B2 (ja) | 顔評価方法 | |
Dantcheva et al. | Female facial aesthetics based on soft biometrics and photo-quality | |
JP2004102359A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
Bottino et al. | The analysis of facial beauty: an emerging area of research in pattern analysis | |
JP2017120595A (ja) | 化粧料の塗布状態の評価方法 | |
JP5905702B2 (ja) | 顔印象判定チャート | |
JP5095182B2 (ja) | 顔分類装置、顔分類プログラム、及び該プログラムが記録された記録媒体 | |
Bastanfard et al. | Toward E-appearance of human face and hair by age, expression and rejuvenation | |
KR20190042493A (ko) | 식별가능한 얼굴 편차를 처리하기 위한 얼굴 교정 디자인 및 애플리케이션 프로토콜을 자동으로 생성하는 시스템 및 방법 | |
JP4893968B2 (ja) | 顔画像の合成方法 | |
CN106030659B (zh) | 增龄分析方法及增龄分析装置 | |
JP2022078936A (ja) | 肌画像分析方法 | |
JP5650012B2 (ja) | 顔画像処理方法、美容カウンセリング方法および顔画像処理装置 | |
JP2018073273A (ja) | 加齢分析方法 | |
WO2022243498A1 (en) | Computer-based body part analysis methods and systems | |
JP2021129977A (ja) | いきいきとした顔の度合い推定方法、いきいきとした顔の度合い推定装置、及びいきいきとした顔の度合い推定プログラム | |
JP2023067024A (ja) | 組み合わせ皮膚生理パラメータ解析法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130312 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160329 Year of fee payment: 3 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5231685 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |