KR20200121692A - 피부 나이 추정 방법 및 장치 - Google Patents

피부 나이 추정 방법 및 장치 Download PDF

Info

Publication number
KR20200121692A
KR20200121692A KR1020190044571A KR20190044571A KR20200121692A KR 20200121692 A KR20200121692 A KR 20200121692A KR 1020190044571 A KR1020190044571 A KR 1020190044571A KR 20190044571 A KR20190044571 A KR 20190044571A KR 20200121692 A KR20200121692 A KR 20200121692A
Authority
KR
South Korea
Prior art keywords
skin
age
value
estimating
equation
Prior art date
Application number
KR1020190044571A
Other languages
English (en)
Other versions
KR102228569B1 (ko
Inventor
조창희
하재현
이은영
Original Assignee
아이이씨코리아 주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 아이이씨코리아 주식회사 filed Critical 아이이씨코리아 주식회사
Priority to KR1020190044571A priority Critical patent/KR102228569B1/ko
Publication of KR20200121692A publication Critical patent/KR20200121692A/ko
Application granted granted Critical
Publication of KR102228569B1 publication Critical patent/KR102228569B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/442—Evaluating skin mechanical properties, e.g. elasticity, hardness, texture, wrinkle assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/1032—Determining colour for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/443—Evaluating skin constituents, e.g. elastin, melanin, water

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Dermatology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명의 일 실시예에 따른 피부 나이 추정 방법은, 사용자의 피부의 복수의 인자 각각에 대한 파라미터 값을 획득하는 단계와, 회귀분석 수학식 또는 복수의 인간의 피부와 관련하여 기획득된 상기 복수의 인자 각각에 대한 파라미터 값을 포함하는 데이터베이스를 이용하여 학습된 기계학습 알고리즘에 기초하여, 상기 획득된 파라미터 값으로부터 상기 사용자의 피부 나이, 피부 주름 나이, 피부 색 나이 중 적어도 하나를 추정하는 단계를 포함하고, 상기 복수의 인자는 피부 주름, 피부 탄력, 피부 수분량, 피부 밝기 및 피부 색소를 포함할 수 있다.

Description

피부 나이 추정 방법 및 장치 {METHOD AND APPARATUS FOR ESTIMATING AGE OF SKIN}
본 발명은 피부 나이를 추정하는 방법 및 장치에 관한 발명이다. 보다 구체적으로, 본 발명은 기계학습 알고리즘 또는 회귀분석 수학식에 기초하여 피부 나이를 추정하는 방법 및 장치에 관한 것이다.
인간의 피부는 세월의 흐름에 의해 그리고 환경적 요인에 의해 노화를 겪는다. 이러한 인간의 피부 노화는 개인별 편차를 가지고 진행되기 때문에, 생물학적 나이가 동일한 사람이라 하더라도 피부 노화 정도는 상이할 수 있다.
이러한 피부 노화 정도를 반영하여, 피부 나이를 추정하게 된다. 현재까지는 피부과 의사와 같은 피부 전문가들의 주관적 판단에 의존하여 피부 나이를 추정하곤 했다. 즉, 피부 나이를 판별하기 위한 객관적인 기준이 없어, 전문가의 주관적 판단에 의존하기 때문에, 피부 나이에 대한 신뢰성 또는 정확성이 확보되지 않았다.
이와 관련하여, 최근 미용 분야의 관심이 높아짐에 따라 피부 나이를 측정하고자 하는 연구가 세계적으로 증가하고 있는 추세이다. 이러한 관점에서, 보다 객관적인 기준에 기초하여 피부 나이를 측정하는, 즉 신뢰성과 정확성이 확보된 피부 나이 측정 기술이 요구된다.
한국등록특허 제10-1543178호 (2015년 08월 03일 등록)
본 발명이 해결하고자 하는 과제는, 노화에 따른 얼굴 피부의 전체적인 특징을 반영한 기계학습 알고리즘 또는 회귀분석과 같은 객관적인 기준에 기초하여 사용자의 피부 나이를 추정함으로써 보다 신뢰성 및 정확성이 확보된 피부 나이 추정 방법 및 장치를 제공하는 것이다.
다만, 본 발명이 해결하고자 하는 과제는 이상에서 언급한 바로 제한되지 않으며, 언급되지는 않았으나 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있는 목적을 포함할 수 있다.
본 발명의 일 실시예에 따른 피부 나이 추정 장치에 의해 수행되는 피부 나이 추정 방법은, 사용자의 피부의 복수의 인자 각각에 대한 파라미터 값을 획득하는 단계와, 복수의 인간의 피부와 관련하여 기획득된 상기 복수의 인자 각각에 대한 파라미터 값을 포함하는 데이터베이스를 이용하여 학습된 기계학습 알고리즘 또는 회귀분석에 기초하여, 상기 획득된 파라미터 값으로부터 상기 사용자의 피부 나이, 피부 주름 나이, 피부 색 나이 중 적어도 하나를 추정하는 단계를 포함하고, 상기 복수의 인자는 피부 주름, 피부 탄력, 피부 수분량, 피부 밝기 및 피부 색소 중 하나 이상을 포함할 수 있다.
또한, 상기 피부 주름의 파라미터는, 주름의 산술평균거칠기(arithmetic average roughness) 및 주름의 총피부거칠기(total skin roughness)를 포함하고, 상기 피부 탄력의 파라미터는, 피부의 복원력 및 피부의 탄성을 포함하고, 상기 피부 수분량의 파라미터는, 피부의 표피층의 커패시턴스(capacitance) 를 포함하고, 상기 피부 밝기의 파라미터는, 피부의 명도(L*) 및 피부의 ITA(individual typology angle)를 포함하고, 상기 피부 색소는, UV 스팟 지수 및 색소 침착(pigmented spot) 지수를 포함할 수 있다.
또한, 상기 복수의 인자는, 피부 색소, 피부 주름, 피부 수분량, 피부 밝기, 피부색, 피부 윤기, 피부 피지량, 피부 투명도, 피부 탄력 및 경피수분손실량 각각과 기지정된 나이 값에 대한 피어슨 상관계수(pearson coefficient)에 기초하여 선택되고, 상기 파라미터 각각은, 상기 복수의 인자 각각과 관련된 복수의 파라미터 중 기지정된 나이 값에 대한 피어슨 상관계수에 기초하여 선택될 수 있다.
또한, 상기 기계 학습 알고리즘은 R 언어의 CARET(classification and regression training) 패키지 기반의 svmRadial 모델 또는 cforest 모델을 포함할 수 있다.
또한, 상기 추정하는 단계는, 상기 피부 주름 나이를 선택하는 사용자 입력을 수신하면, 상기 획득된 파라미터 값 중 상기 피부 주름에 대한 파라미터 값, 상기 피부 탄력에 대한 파라미터 값 및 상기 피부 수분량에 대한 파라미터 값에 상기 기계학습 알고리즘에 적용하여, 상기 피부 주름 나이를 추정하는 단계를 포함할 수 있다.
또한, 상기 추정하는 단계는, 상기 피부 색 나이를 선택하는 사용자 입력을 수신하면, 상기 획득된 파라미터 값 중 상기 피부 밝기에 대한 파라미터 값 및 상기 피부 색소에 대한 파라미터 값을 상기 기계학습 알고리즘에 적용하여, 상기 피부 색 나이를 추정하는 단계를 포함할 수 있다
또한, 상기 추정하는 단계는, 상기 피부 나이를 선택하는 사용자 입력을 수신하면, 상기 획득된 파라미터 값을 상기 기계학습 알고리즘에 적용하여, 상기 피부 나이를 추정하는 단계를 포함할 수 있다.
또한, 상기 회귀분석은, 상기 피부 나이를 추정하는 제1 수학식, 상기 피부 주름 나이를 추정하는 제2 수학식 및 상기 피부 색 나이를 추정하는 제3 수학식을 이용하고, 상기 추정하는 단계는, 상기 피부 나이, 상기 피부 주름 나이 및 상기 피부 색 나이 중 적어도 하나를 선택하는 사용자 입력을 수신하면, 상기 수신된 사용자 입력과 관련된 수학식을 이용하여 상기 선택된 적어도 하나를 추정하는 단계를 포함할 수 있다.
또한, 상기 제1 수학식은,
Figure pat00001
(상기 A1은 상기 피부 나이, 상기 R2는 상기 피부의 복원력의 값, 상기 R7은 상기 피부의 탄성의 값, 상기 Ra는 상기 산술평균거칠기의 값, Rt는 상기 총피부거칠기 값, 상기 C는 상기 커패시턴스의 값, 상기 L*는 상기 피부의 명도, 상기 P는 상기 색소 침착 지수의 값, 상기 U는 상기 UV 스팟 지수의 값)을 만족하고, 상기 제2 수학식은,
Figure pat00002
(상기 A2는 상기 피부 주름 나이)를 만족하고, 상기 제3 수학식은,
Figure pat00003
(A3은 상기 피부 색 나이)를 만족할 수 있다.
본 발명의 일 실시예에 따른 피부 나이 추정 장치는, 사용자의 피부의 복수의 인자 각각에 대한 파라미터 값을 획득하는 정보 획득부와, 복수의 인간의 피부와 관련하여 기획득된 상기 복수의 인자 각각에 대한 파라미터 값을 포함하는 데이터베이스를 이용하여 학습된 기계학습 알고리즘 또는 회귀분석에 기초하여, 상기 획득된 파라미터 값으로부터 상기 사용자의 피부 나이, 피부 주름 나이, 피부 색 나이 중 적어도 하나를 추정하는 나이 추정부를 포함하고, 상기 복수의 인자는 피부 주름, 피부 탄력, 피부 수분량, 피부 밝기 및 피부 색소를 포함할 수 있다.
또한, 상기 피부 주름의 파라미터는, 주름의 산술평균거칠기(arithmetic average roughness) 및 주름의 총피부거칠기(total skin roughness)를 포함하고, 상기 피부 탄력의 파라미터는, 피부의 복원력 및 피부의 탄성을 포함하고, 상기 피부 수분량의 파라미터는, 피부의 표피층의 커패시턴스를 포함하고, 상기 피부 밝기의 파라미터는, 피부의 명도 L* 및 피부의 ITA(individual typology angle)를 포함하고, 상기 피부 색소는, UV 스팟 지수 및 색소 침착(pigmented spot) 지수를 포함할 수 있다.
또한, 상기 복수의 인자는, 피부 색소, 피부 주름, 피부 수분량, 피부 밝기, 피부 색, 피부 윤기, 피부 피지량, 피부 투명도, 피부 탄력 및 경피수분손실량 각각과 기지정된 나이 값에 대한 피어슨 상관계수(pearson coefficient)에 기초하여 선택되고, 상기 파라미터 각각은, 상기 복수의 인자 각각과 관련된 복수의 파라미터 중 기지정된 나이 값에 대한 피어슨 상관계수에 기초하여 선택될 수 있다.
또한, 상기 기계학습 알고리즘은, R 언어의 CARET(classification and regression training) 패키지 기반의 svmRadial 모델 또는 cforest 모델을 포함할 수 있다.
또한, 상기 추정하는 단계는, 상기 피부 주름 나이를 선택하는 사용자 입력을 수신하면, 상기 획득된 파라미터 값 중 상기 피부 주름에 대한 파라미터 값, 상기 피부 탄력에 대한 파라미터 값 및 상기 피부 수분량에 대한 파라미터 값에 상기 기계학습 알고리즘에 적용하여, 상기 피부 주름 나이를 추정할 수 있다.
또한, 상기 나이 추정부는, 상기 피부 색 나이를 선택하는 사용자 입력을 수신하면, 상기 획득된 파라미터 값 중 상기 피부 밝기에 대한 파라미터 값 및 상기 피부 색소에 대한 파라미터 값을 상기 기계학습 알고리즘에 적용하여, 상기 피부 색 나이를 추정할 수 있다.
또한, 상기 나이 추정부는, 상기 피부 나이를 선택하는 사용자 입력을 수신하면, 상기 획득된 파라미터 값을 상기 기계학습 알고리즘에 적용하여, 상기 피부 나이를 추정할 수 있다.
또한, 상기 회귀분석은, 상기 피부 나이를 추정하는 제1 수학식, 상기 피부 주름 나이를 추정하는 제2 수학식 및 상기 피부 색 나이를 추정하는 제3 수학식을 이용하고, 상기 나이 추정부는, 상기 피부 나이, 상기 피부 주름 나이 및 상기 피부 색 나이 중 적어도 하나를 선택하는 사용자 입력을 수신하면, 상기 수신된 사용자 입력과 관련된 수학식을 이용하여 상기 선택된 적어도 하나를 추정할 수 있다.
또한, 상기 제1 수학식은,
Figure pat00004
(상기 A1은 상기 피부 나이, 상기 R2는 상기 피부의 복원력의 값, 상기 R7은 상기 피부의 탄성의 값, 상기 Ra는 상기 산술평균거칠기의 값, Rt는 상기 총피부거칠기 값, 상기 C는 상기 커패시턴스의 값, 상기 L*는 상기 피부의 명도, 상기 P는 상기 색소 침착 지수의 값, 상기 U는 상기 UV 스팟 지수의 값)을 만족하고, 상기 제2 수학식은,
Figure pat00005
(상기 A2는 상기 피부 주름 나이)를 만족하고, 상기 제3 수학식은,
Figure pat00006
(A3은 상기 피부 색 나이)를 만족할 수 있다.
본 발명의 실시예에 따라 노화에 따른 얼굴 피부의 전체적인 특징을 반영한 피부 나이 추정 방법 및 장치는 피부와 관련하여 측정가능한 인자에 기초하여 사용자의 피부 나이를 추정함으로써 보다 정확하게 피부 나이를 추정할 수 있다.
또한, 본 발명의 실시예에 따른 이용하여 피부 나이뿐만 아니라 피부 주름 나이 또는 피부 색 나이를 추정함으로써 사용자에게 보다 다양한 정보를 제공할 수 있다.
다만, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 피부 나이 추정 방법의 개념도를 도시한다.
도 2는 본 발명의 일 실시예에 따른 피부 나이 추정 방법에서 복수의 인자와 관련된 피부의 측정 부위 및 측정 기기의 예를 도시한다.
도 3a 및 3b는 본 발명의 일 실시예에 따른 피부 나이 추정 방법에서 이용되는 복수의 인자를 피어슨 상관 계수와 관련하여 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 피부 나이 추정 장치의 기능 블록도를 도시한다.
도 5는 본 발명의 일 실시예에 따른 피부 나이 추정 방법의 각 단계의 흐름을 도시한다.
도 6은 본 발명의 일 실시예에 따른 피부 나이 추정 방법에 의해 획득된 결과의 예를 도시한다.
도 7은 본 발명의 일 실시예에 따른 피부 나이 추정 방법에 의해 획득된 결과의 다른 예를 도시한다.
도 8은 본 발명의 일 실시예에 따른 피부 나이 추정 방법에서 이용되는 svmRadial 모델 또는 cforest 모델의 결정 방법을 설명하기 위한 예를 도시한다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명의 범주는 청구항에 의해 정의될 뿐이다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명은 본 발명의 실시예들을 설명함에 있어 실제로 필요한 경우 외에는 생략될 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예들을 포함할 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로서 이해되어야 한다.
제 1, 제 2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 해당 구성요소들은 이와 같은 용어들에 의해 한정되지는 않는다. 이 용어들은 하나의 구성요소들을 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 피부 나이 추정 방법의 개념도를 도시한다.
도 1을 참조하면, 사용자의 피부와 관련하여 획득되는 복수의 인자(10)가 나이 추정을 위한 나이 추정부(20)에 의해 분석됨으로써 나이(30)가 추정될 수 있다. 보다 구체적으로, 복수의 인자(10) 각각에 대한 파라미터 값이 획득되면, 기계학습 알고리즘(21) 또는 회귀분석 수학식(23)에 기초하여 복수의 인자(10)가 분석되어, 피부 나이(31), 피부 주름 나이(33), 또는 피부 색 나이(35)가 추정될 수 있다.
복수의 인자(10)는 피부 주름(11), 피부 탄력(13), 피부 수분량(15), 피부 밝기(17), 피부 색소(19)를 포함할 수 있다. 복수의 인자(10) 각각과 관련하여서는 파라미터가 매핑되어 있을 수 있다. 구체적으로, 피부 주름(11)의 파라미터는 주름의 산술평균거칠기(arithmetic average roughness)(Ra) 및 주름의 총피부거칠기(total skin roughness)(Rt)를 포함할 수 있다. 피부 탄력(13)의 파라미터는 피부의 복원력(R2) 및 피부의 탄성(R7)을 포함할 수 있다. 피부 수분량(15)의 파라미터는 피부의 커패시턴스를 포함할 수 있다. 피부 밝기(17)의 파라미터는 피부의 명도(L*) 및 피부의 ITA(individual typology angle)를 포함할 수 있다. 피부 색소(19)는 UV 스팟 지수(UV spot) 및 색소 침착(pigmented spot) 지수를 포함할 수 있다.
복수의 인자(10) 각각의 파라미터는 파라미터의 측정을 위한 특정한 기기를 통해 측정되는 값으로서, 이와 관련된 보다 구체적인 예는 도 2를 참조할 수 있다.
한편, 복수의 인자(10) 각각은 상술한 것 이외의 파라미터를 포함할 수 있는데. 상술한 복수의 인자(10) 각각의 파라미터는 복수의 인자(10)와 관련된 다양한 파라미터 중 기결정된 것일 수 있다. 파라미터의 결정은 피어슨 상관계수의 값에 기초하여 결정된 것일 수 있다. 예를 들어, 복수의 인자(10) 각각의 파라미터는 피어슨 상관계수가 소정 값 이상인 파라미터 또는 상위 기지정된 개수(예: 상위 2개)의 파라미터로 결정된 것일 수 있다.
복수의 인자(10) 중 적어도 일부의 파라미터 값은 기계학습 알고리즘(21) 또는 회귀분석 수학식(23)에 입력될 수 있다. 이에 따라 복수의 인자(10)가 분석되어 피부 나이(31), 피부 주름 나이(33), 또는 피부 색 나이(35)가 추정될 수 있다.
기계학습 알고리즘(21)은 R 언어의 CARET(classification and regression training) 패키지 기반의 모델일 수 있다. CARET 패키지 기반의 모델은, 예를 들어, rpart, ctree, gbm, blackboost, glmboost, gamboost, rf, cforest, nnet, svmRadial, svmPoly, gaussprRadial, gaussprPoly, earth, bagEarth, enet, lasso, rvmRadial 중 적어도 하나를 포함할 수 있다.
기계학습 알고리즘(21)은 복수의 인간의 피부와 관련하여 기획득된 상기 복수의 인자 각각에 대한 파라미터 값을 포함하는 데이터베이스를 이용하여 기학습된 알고리즘일 수 있다.
구체적으로 예를 들면, 기계학습 알고리즘(21)은 피부 주름(11), 피부 탄력(13), 피부 수분량(15), 피부 밝기(17) 및 피부 색소(19) 각각의 파라미터 값을 이용하여 피부 나이를 추정할 수 있다. 기계학습 알고리즘(21)은 피부 주름에 대한 파라미터 값, 피부 탄력에 대한 파라미터 값 및 피부 수분량에 대한 파라미터 값을 이용하여 피부 주름 나이(33)를 추정할 수 있다. 기계학습 알고리즘(21)은 피부 밝기에 대한 파라미터 값 및 피부 색소에 대한 파라미터 값을 이용하여, 피부 색 나이를 추정할 수 있다.
후술하겠으나, 회귀분석 수학식(23)은 제1 수학식, 제2 수학식, 제3 수학식을 포함할 수 있다. 제1 수학식은 피부 나이를 추정하는 수학식이고, 제2 수학식은 피부 주름 나이를 추정하는 수학식이며, 제3 수학식은 피부 색 나이를 추정하는 수학식일 수 있다.
이러한 경우, 복수의 인자(10) 중 적어도 일부의 파라미터 값이 회귀분석 수학식(23) 중 어느 하나에 입력되면, 피부 나이(31), 피부 주름 나이(33), 또는 피부 색 나이(35)가 추정될 수 있다. 수학식에 대한 구체적인 설명은 후술하겠다.
구체적으로, 피부 주름(11), 피부 탄력(13), 피부 수분량(15), 피부 밝기(17) 및 피부 색소(19) 각각의 파라미터 값이 제1 수학식에 입력되면 피부 나이(31)가 추정될 수 있다. 만약, 피부 주름(11)에 대한 파라미터 값, 피부 탄력(13)에 대한 파라미터 값 및 피부 수분량(15)에 대한 파라미터 값이 제2 수학식에 입력되면 피부 주름 나이(33)가 추정될 수 있다. 또한, 피부 밝기(17)에 대한 파라미터 값 및 피부 색소(19)에 대한 파라미터 값이 제3 수학식에 입력되면, 피부 색 나이(35)가 추정될 수 있다.
도 2는 본 발명의 일 실시예에 따른 피부 나이 추정 방법에서 복수의 인자와 관련된 피부의 측정 부위 및 측정 기기의 예를 도시한다.
도 2를 참조하면, 측정 항목은 피부와 관련된 다양한 인자를 나타내고, 측정 부위는 해당 인자를 측정하기 위해 측정되는 피부의 부위를 구체적으로 나타낸다. 측정 기기는 해당 측정 항목을 측정하기 위해 이용가능한 기기를 나타낸다. 각각의 기기와 관련하여서는 통상의 기술자에게 용이한바 구체적인 설명은 생략하겠다.
복수의 인자(10)는 이러한 측정 항목 중 실제 나이와 상관 관계가 높은 인자일 수 있다. 이러한 상관 관계는 피어슨 상관계수를 이용하여 도출될 수 있다.
구체적으로, 복수의 인간에 대해 각 측정 항목별로 인자에 대한 측정을 수행하여 인자 별 파라미터에 대한 값을 획득할 수 있다. 예를 들어, 복수의 인간에 대해 얼굴을 미온수로 세안한 후, 항온항습실(온도 22±2℃, 습도 50±10%)에서 피부 안정을 취하여 동일한 조건을 가지도록 한 후, 측정 항목이 나타내는 인자 각각에 대해 측정을 수행하여 파라미터 값을 획득할 수 있다.
예를 들어, 인지 나이 육안 평가 항목과 관련하여서는, 복수의 인간 각각에 대해 연구원이 육안으로 얼굴 전체를 식별하여 육안 나이를 추정할 수 있다. 피부 색소 항목과 관련하여서는, VISIA Complexion Analysis 기기를 이용하여 주근깨, 여드름 흉터, 하이퍼 색소 침착 및 혈관 병변에 의해 갈색 또는 붉은 피부 병변으로 나타나는 스팟(spot)의 개수 또는 착색 정도를 측정하여 스팟 지수를 산출하고, 자외선에 의해 생성된 UV 스팟(spot)의 개수 또는 착색 정도를 측정하여 UV 스팟 지수를 산출할 수 있다. 또한, 색소 침착의 개수, 착색 정도를 측정하여 색소 침착 지수를 산출하고, 주근깨, 흑자 및 기미 등의 피부 병변과 관련된 갈색 반점의 개수, 착색 정도를 측정하여 갈색 반점 지수를 산출하여 각각을 파라미터 값으로 획득할 수 있다.
피부 주름 항목과 관련하여서는, DermaTOP 기기를 이용하여 주름의 길이, 주름의 평균거칠기, 주름의 산술평균거칠기, 주름의 총피부거칠기를 측정하여 파라미터 값으로 획득할 수 있다.
피부 수분량 항목과 관련하여서는, Corneometer CM825 기기를 이용하여 피부의 표피층의 커패시턴스(또는 전기용량)(capacitance)와 피부 진피층의 커패시턴스 각각을 측정하여 파라미터 값으로 획득할 수 있다.
피부 색 항목과 관련하여서는, Spectrophotometer CM-2600d 기기를 이용하여 피부의 명도, 피부의 BLUEISH-YELLOWISH COLOR, ITA를 측정하여 각각을 파라미터 값으로 획득할 수 있다.
피부 탄력과 관련하여서는, Cutometer MPA580 기기를 이용하여 400mb의 압력으로 2초간 흡입하고 2초간 환원하였을 때 피부의 변형 정도를 나타내는 그래프에 나타나는 다양한 값들을 각각 파라미터 값으로 획득할 수 있다. 다양한 값들 각각은 예를 들면, 피부에 대해 변형이 최대로 일어난 지점, 피부 표면(영점)에서 프로브(Probe) 팁이 도달하는 최심부, 피부의 변형과 관련하여 운동 에너지의 감소 속도, 영점을 기준으로 한 진폭(곡선 아래)의 크기로 방출된 에너지 등을 포함할 수 있다. 한편, 피부 탄력과 관련하여서는 CutometerMPA580의 기기에 의해 획득되는 다양한 측정 값을 포함할 수 있으며, 이는 통상의 기술자에게 용이한 바 자세한 설명을 생략하겠다.
한편, 피부와 관련된 인자는 도시된 예에 제한되지 않고, 다양한 방법을 통해 측정가능한 인자를 포함할 수 있다. 또한, 인자 각각과 관련하여 소정의 값으로 도출되는 파라미터들도 상술된 예에 제한되지 않으며 인자를 나타내는 다양한 파라미터, 예를 들면 경피수분손실량 등을 포함할 수 있다.
구체적으로 도시하지는 않았으나, 이와 같은 인자들 중 일부가 본 발명의 피부 나이 추정을 위해 이용될 수 있다. 피부 나이 추정을 위해 이용될 인자는 복수의 인간의 실제 나이와 측정한 인자 각각의 피어슨 상관계수에 기초하여 결정된 것일 수 있다. 예를 들어, 인자들과 관련하여 측정된 파라미터 값 각각별로 측정 대상인 복수의 인간의 실제 나이와의 피어슨 상관 계수를 산출하고, 피어슨 상관 계수의 절대값이 소정 값 이상인 파라미터 값을 결정할 수 있다. 결정된 파라미터 값을 포함하는 인자가 최종적으로 피부 나이 추정을 위해 이용될 인자로 결정될 수 있다.
피부 나이 추정을 위해 이용될 인자, 즉 복수의 인자(10)가 결정되면, 복수의 인간과 관련된 복수의 인자(10)는 데이터베이스로 저장될 수 있으며, 기계학습 알고리즘(21)의 학습을 위해 이용될 수 있다. 즉, 기계학습 알고리즘(21)은 복수의 인자(10)를 입력받으면 입력된 인자와 관련된 사용자의 실제 나이를 보다 정확하게 추정하도록 학습될 수 있다.
도 3a 및 3b는 본 발명의 일 실시예에 따른 피부 나이 추정 방법에서 이용되는 복수의 인자를 피어슨 상관 계수와 관련하여 설명하기 위한 도면이다. 구체적으로, 도 3a는 피부 나이 추정을 위해 이용될 인자를 결정하기 위해 다양한 인자 별로 도출한 피어슨 상관계수의 예를 도시한다. 도 3b는 도 3a에 도시된 다양한 인자에 대하여 도 2에서 상술한 피어슨 상관계수를 이용한 인자 결정 방법으로 결정된 복수의 인자 별 파라미터의 피어슨 상관계수의 예를 도시한다.
보다 구체적으로, 도 3b는 최종 결정된 인자에 대해 추가적인 모집단을 선별하여 재산정한 피어슨 상관계수를 나타낼 수 있다. 이에 따르면, 새로운 모집단을 구성하여 피어슨 상관계수를 구했음에도 유사한 크기의 피어슨 상관계수가 도출됨에 기초하여 적절하게 인자가 선별되었음을 알 수 있다.
도 3b를 참조하면, 피부 나이 추정을 위해 최종적으로 결정된 복수의 인자는 피부 탄력, 피부 수분량, 피부 주름, 피부 밝기 및 피부 색소를 포함할 수 있다. 이러한 인자는 상술한 바와 같이 도 3a에 도시된 피어슨 상관계수의 값의 절대값 크기에 기초하여 결정된 것일 수 있다.
구체적으로 설명하면, 복수의 인자의 파라미터는 피부와 관련된 다양한 파라미터 중 피어슨 상관계수의 값이 소정 값 이상인 인자가 선택됨에 기초하여 결정된 것일 수 있다. 예를 들어, 복수의 인자 각각의 파라미터 값은 실제 나이와의 피어슨 상관계수의 절대값이 0.4 이상인 것들로 선택된 것일 수 있다.
경우에 따라, 복수의 인자의 파라미터는 다양한 인자(도 2의 측정 항목에 해당하는 인자 또는 도 3a에 도시된 인자)들 각각의 파라미터 중 중 상위 특정 개수, 예를 들어 상위 9개의 파라미터가 선택된 것일 수도 있다.
일반적으로 실제 나이와 피부 나이는 비례하기 때문에, 피어슨 상관계수의 절대값이 1에 가까울수록 실제 나이와 유사하며, 정확하게 나이를 나타내는 것으로 볼 수 있기 때문에, 이러한 기준에 의해 선택된 인자를 이용하면, 피부 나이 추정과 관련하여 보다 유의미한 결과를 얻을 수 있다.
도 4는 본 발명의 일 실시예에 따른 피부 나이 추정 장치의 기능 블록도를 도시한다. 이하 사용되는 '…부'등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는, 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 이하 도 4의 설명에서는 도 1 내지 도 3과 중복되는 내용은 생략될 수 있다.
도 4를 참조하면, 피부 나이 추정 장치(100)는 정보 획득부(110), 나이 추정부(120), 입력 수신부(130)를 포함할 수 있다.
정보 획득부(110)는 마이크로프로세서(microprocessor)를 포함하는 연산 장치에 의해 구현될 수 있으며, 이는 후술할 나이 추정부(120), 입력 수신부(130)에 있어서도 같다.
정보 획득부(110)는 사용자의 피부의 복수의 인자(10) 각각에 대한 파라미터 값을 획득할 수 있다. 복수의 인자(10)는 피부 주름(11), 피부 탄력(13), 피부 수분량(15), 피부 밝기(17) 및 피부 색소(19)를 포함할 수 있다. 여기서, 복수의 인자(10)는 피부와 관련된 다양한 인자(예: 피부 주름(11), 피부 탄력(13), 피부 수분량(15), 피부 밝기(17), 피부 색소(19), 피부 색, 피부 피지량, 피부 투명도, 및 경피수분손실량) 각각과 기지정된 나이 값에 대한 피어슨 상관계수에 기초하여 선택된 것일 수 있다.
복수의 인자(10)의 선택은, 예를 들어, 피부와 관련된 다양한 인자 각각의 파라미터들에 대해 복수의 인간 각각으로부터 파라미터들을 측정하고, 복수의 인간 각각의 실제나이와 파라미터들의 피어슨 상관계수를 산출하여 상관관계가 높게 나타난 소정 개수의 파라미터들을 결정하고, 결정된 파라미터를 포함하는 인자를 복수의 인자(10)로 선택할 수 있다.
경우에 따라, 복수의 인자(10) 각각에 대한 파라미터 값은 기지정된 기기를 통해 획득될 수 있다. 기지정된 기기는 피부 나이 추정 장치(100)와 무선 또는 유선으로 연결되어, 획득된 파라미터 값을 피부 나이 추정 장치(100)에게 전달할 수 있다. 이에 따라, 피부 나이 추정 장치(100)는 복수의 인자(10) 각각에 대한 파라미터 값을 획득할 수 있다. 다만, 이에 제한되는 것은 아니고, 피부 나이 추정 장치(100)는 다양한 방법으로 복수의 인자(10) 각각에 대한 파라미터 값을 획득할 수 있다.
나이 추정부(120)는 도 1의 나이 추정부(20)를 포함할 수 있으며, 기계학습 알고리즘(21) 또는 회귀분석 수학식(23)을 이용하여 정보 획득부(110)를 통해 획득된 파라미터 값으로부터 사용자의 피부 나이(31), 피부 주름 나이(35), 피부 색 나이(37) 중 적어도 하나를 추정할 수 있다.
기계학습 알고리즘(21)은 R 언어의 CARET 패키지 기반한 알고리즘의 기선택된 모델을 포함할 수 있다. 예를 들어, 기계학습 알고리즘(21)은 CARET 패키지의 svmRadial(support vector machines) 모델 또는 cforest(random forests) 모델을 포함할 수 있다. 그러나, 이에 제한되는 것은 아니며, 다양한 종류의 기계학습 알고리즘, 예를 들어 PARTY 패키지에 기반한 알고리즘의 모델(예: cforest 모델)을 포함할 수도 있다.
기계학습 알고리즘(21)은, 복수의 인간으로부터 기획득된 복수의 인자(10) 각각의 파라미터 값을 포함하는 데이터베이스에 기초하여 기학습된 것일 수 있다. 구체적으로 기계학습 알고리즘(21)은 복수의 인간으로부터 기획득된 복수의 인자(10) 각각의 파라미터 값을 입력하여 복수의 인간 각각의 실제 나이가 보다 정확하게 도출되도록 학습이 수행된 것일 수 있다.
회귀분석 수학식은, 제1 수학식, 제2 수학식, 제3 수학식을 포함할 수 있고, 각각의 수학식을 이용하여 피부 나이(31), 피부 주름 나이(33), 피부 색 나이(35)를 추정할 수 있다. 구체적으로, 제1 수학식을 이용하여 피부 나이를 추정하고, 제2 수학식을 이용하여 피부 주름 나이를 추정하고 제3 수학식을 이용하여 피부 색 나이를 추정할 수 있다.
구체적으로, 제1 수학식은 하기와 같이 정의할 수 있다.
Figure pat00007
수학식 1에서, A1은 피부 나이, R2는 피부의 복원력의 값, R7은 피부의 탄성의 값, Ra는 주름의 산술평균거칠기의 값, Rt는 주름의 총피부거칠기 값, C는 피부 표피층의 커패시턴스의 값, L*는 피부의 명도, P는 색소 침착 지수의 값, U는 UV 스팟 지수의 값을 포함할 수 있다. 수학식 1에 대해 상술한 각 값들이 입력되면 피부 나이(31)가 추정될 수 있다.
제2 수학식은 하기와 같이 정의할 수 있다.
Figure pat00008
수학식 2에서, A2는 피부 주름 나이(33)일 수 있다. 수학식 2에 나타난 바와 같이, 피부 주름(11)에 대한 파라미터 값인 R2와 R7, 피부 탄력(13)에 대한 파라미터 값인 Ra와 Rt, 그리고 피부 수분량(15)에 대한 파라미터 값인 C 각각에 파라미터 값이 입력되면 피부 주름 나이(33)가 추정될 수 있다.
제3 수학식은 하기와 같이 정의할 수 있다.
Figure pat00009
수학식 3에서 A3은 피부 색 나이(35)일 수 있다. 수학식 3에 나타난 바와 같이, 피부 밝기(17)에 대한 파라미터 값 L*와 ITA, 피부 색소(17)에 대한 파라미터 값인 P와 U가 입력되면, 피부 색 나이(35)가 추정될 수 있다. 보다 구체적으로, 피부 밝기(17)에 대한 파라미터 값인 L* 과 ITA는 서로 다른 계산 방식을 이용하여 획득될 뿐 동일한 항목, 즉, 피부 밝기를 나타내는 인자일 수 있다.
입력 수신부(130)는 상술한 복수의 인자(10)의 파라미터 값들을 입력받을 수 있다. 경우에 따라, 입력 수신부(130)는 나이(30) 중 구체적으로 추정하고자 하는 대상에 대한 입력을 수신할 수도 있다. 예를 들어, 입력 수신부(130)는 피부 나이(31)를 선택하는 입력, 피부 주름 나이(33)를 선택하는 입력, 피부 색 나이(35)를 선택하는 입력을 수신할 수 있다. 이러한 경우, 입력 수신부(130)에 의해 수신된 입력이 지칭하는 바에 따라, 추정하고자 하는 대상과 관련된 파라미터 값이 기계학습 알고리즘(21) 또는 회귀분석 수학식(23)에 입력되어, 피부 나이(31), 피부 주름 나이(33), 또는 피부 색 나이(35)가 추정될 수 있다.
도 5는 본 발명의 일 실시예에 따른 피부 나이 추정 방법의 각 단계의 흐름을 도시한다. 도 5에 도시된 방법의 각 단계는 경우에 따라 도면에 도시된 바와 그 순서를 달리하여 수행될 수 있음은 물론이다.
도 5를 참조하면, 정보 획득부(110)는 사용자의 피부의 복수의 인자(10) 각각에 대한 파라미터 값을 획득할 수 있다(S110). 복수의 인자(10)는 피부 주름(11), 피부 탄력(13), 피부 수분량(15), 피부 밝기(17) 및 피부 색소(19)를 포함할 수 있다. 정보 획득부(110)는 피부 주름(11), 피부 탄력(13), 피부 수분량(15), 피부 밝기(17) 및 피부 색소(19) 각각에 대한 파라미터 값을 획득할 수 있다.
이 때 복수의 인자(10) 별 획득되는 파라미터의 종류는 기지정된 것일 수 있다. 구체적으로, 복수의 인자(10) 별 획득되는 파라미터의 종류는, 복수의 인간 각각의 피부와 관련된 다양한 파라미터마다 실제 나이와의 피어슨 상관계수를 획득하고, 획득된 피어슨 상관계수의 값에 기초하여 선택된 것일 수 있다. 예를 들어, 선택된 파라미터는 피어슨 상관계수의 절대값이 소정 값(예: 0.4) 이상인 파라미터일 수 있다. 다른 예를 들어, 선택된 파라미터는 피어슨 상관계수의 절대값의 크기가 큰 상위 특정 개수(예: 9개)인 파라미터일 수 있다. 복수의 인자(10)는 이처럼 선택된 파라미터가 속하는 인자일 수 있다.
나이 추정부(120)는 사용자의 피부 나이(31), 피부 주름 나이(33), 피부 색 나이(35) 중 적어도 하나를 추정할 수 있다(S120). 보다 구체적으로, 나이 추정부(120)는 기계학습 알고리즘(21) 또는 회귀분석 수학식(23)에 기초하여 사용자의 피부 나이(31), 피부 주름 나이(33), 피부 색 나이(35) 중 적어도 하나를 추정할 수 있다.
예를 들어, 나이 추정부(120)는 획득된 파라미터 값 모두를 기계학습 알고리즘(21) 또는 회귀분석 수학식(23)에 입력하여 피부 나이(31)를 추정할 수 있다. 다른 예를 들면, 나이 추정부(120)는 피부 주름(11)에 대한 파라미터 값, 피부 탄력(13)에 대한 파라미터 값 및 피부 수분량(15)에 대한 파라미터 값을 기계학습 알고리즘(21) 또는 회귀분석 수학식(23)에 입력하여 피부 주름 나이(33)를 추정할 수 있다. 또 다른 예를 들면, 나이 추정부(120)는 피부 밝기(17)에 대한 파라미터 값 및 피부 색소(19)에 대한 파라미터 값을 기계학습 알고리즘(21) 또는 회귀분석 수학식(23)에 입력하여 피부 색 나이(35)를 추정할 수 있다.
여기서, 기계학습 알고리즘(21)은 R 언어의 CARET 패키지 기반의 알고리즘일 수 있으며, CARET 패키지의 다양한 모델(또는 함수) 중 보다 정확도가 높은 모델로 구현될 수 있다. 예를 들어, CARET 패키지의 svmRadial 모델 또는 cforest 모델로 구현될 수 있다. 이러한 모델은 예를 들어, RMSE(root mean square error), R2값(coefficient of determination) 및 최대에러값 중 적어도 하나를 고려하여 CARET 패키지의 다양한 모델 중 에러가 가장 낮은, 즉, 보다 정확도를 가지는 모델로 기선택된 것일 수 있다.
경우에 따라, 기계학습 알고리즘(21)은 상술한 svmRadial 모델 또는 cforest 모델이 아니더라도, random forests에 기반하여 학습되는 모델 또는 support vector machines로 학습되는 모델로 구현될 수도 있다.
기계학습 알고리즘(21)은 복수의 인간의 피부의 복수의 인자(10) 각각에 대해 기획득된 파라미터 값을 이용하여 학습이 수행된 것일 수 있다. 구체적으로 학습에 이용되는 파라미터 값은 상술한 바와 같이 피어슨 상관계수 값에 기초하여 기선택된 파라미터의 값일 수 있다.
기계학습 알고리즘(21)의 학습과 관련하여, 획득된 파라미터 값 자체를 이용할 수도 있지만, 경우에 따라, 각 파라미터 값의 스케일차이로 인한 영향을 없애기 위해 각 파라미터 값에 대해 표준화를 수행하고, 표준화된 값을 이용할 수도 있다.
또한, 경우에 따라, 파라미터 별로 구분하여 각 파라미터 별 값을 선형변환한 후 서로 독립적인 값을 추출하여 기계학습 알고리즘(21)의 학습에 이용할 수도 있다. 이러한 경우, 서로 다른 종류의 파라미터 간에 상관도가 높은 경우 일어날 수 있는 다중공선성의 영향을 최소화할 수 있다. 다중공선성과 관련하여서는 통상의 기술자에게 용이한 바 자세한 설명은 생략하겠다.
도 6 및 도 7은 본 발명의 일 실시예에 따른 피부 나이 추정 방법에 의해 획득된 결과의 예를 도시한다. 구체적으로, 도 6은 회귀분석 수학식(23)에 의해 추정된 피부 나이(31), 피부 주름 나이(33), 피부 색 나이(35)를 나타내며, 도 7은 기계분석 알고리즘(21)에 의해 추정된 피부 나이(31)를 나타낸다.
도 6은, 300명(N 값)의 사용자를 대상으로 회귀분석 수학식(23)에 기초하여 분석된 나이를 나타낸다. 도 6을 통해, 실제 나이 평균와 관련하여서는 나이의 평균(MEAN), 실제 최소 나이와 관련하여서는 최소 나이값(MIN), 실제 최대 나이와 관련하여서는 최대 나이값(MAX) 등 다양한 측면에서 추정된 나이의 정확도를 비교해볼 수 있다. 여기서, 실제 최소 나이는 사용자 중 가장 어린 사용자의 나이, 실제 최대 나이는 사용자 중 가장 연로한 사용자의 나이일 수 있다. 결과적으로, 회귀분석 수학식(23)을 이용하여 실제 나이와 피부 나이, 피부 주름 나이, 피부 색 나이가 유사하게 도출되었음을 확인할 수 있다.
도 7은, 도 6과 동일한 사용자를 대상으로 기계학습 알고리즘(21)에 기초하여 추정된 피부 나이(31)를 나타낸다. 도 7도 도 6과 마찬가지로 다양한 측면에서 추정된 나이를 분석할 수 있는 정보를 제공한다. 도 7에 따르면, R 언어 기반의 CARET 모델(R CARET 모델)에 포함되는 다양한 모델 모두 피부 나이(31)의 평균(MEAN)이 실제 나이 평균인 44.10과 근접하게 추정됨을 확인할 수 있으며, 실제 최소 나이와 최소 나이값(MIN), 실제 최대 나이와 최대 나이값(MAX)도 모두 근접하게 예측됨을 확인할 수 있다.
도 8은 본 발명의 일 실시예에 따른 피부 나이 추정 방법에서 이용되는 svmRadial 모델 또는 cforest 모델의 결정 방법을 설명하기 위한 예를 도시한다. 구체적으로, 도 8은 다양한 기계학습 모델 중 피부 나이 추정을 위해 svmRadial 모델 또는 cforest 모델을 이용하기로 결정한 과정에서 이용된 R2와 RMSE 값에 대한 데이터 예를 나타낸다.
참조번호 1a는 R2(coefficient of determination)의 값의 예를 나타내며, 참조번호 1b는 RMSE(root mean square error)의 값의 예를 나타낸다. R2 값은 클수록 정확도가 높으며, 값 범위는 0이상 1이하일 수 있다. RMSE 값은 작을수록(또는 0에 가까울수록) 정확도가 높을 수 있다.
피부 나이 추정 방법에서 이용되는 모델은 R2의 값이 소정값 이상이고 RMSE 값이 소정값 이하인 모델로 결정된 것일 수 있다. 경우에 따라, 피부 나이 추정 방법에서 이용되는 모델은 R2의 값이 소정값 이상이고 RMSE 값이 소정값 이하인 상위 일부 모델을 피부 나이 추정을 위한 모델로 선택할 수 있다. 예를 들어, R2 값이 가장 높고, RMSE 값이 가장 낮은 모델(예: cforest 모델)이 피부 나이 추정을 위한 모델로 선택될 수 있다. 다른 예를 들면, R2 값이 높은 상위 2개의 모델(예: cforest 모델과 smvRadial 모델) 또는 RMSE 값이 낮은 하위 2개 모델이 피부 나이 추정을 위한 모델로 선택될 수 있다. 다만 이에 제한되는 것은 아니며, R2 와 RMSE를 이용하여 다양한 방식으로 모델을 선택할 수도 있다.
본 발명의 피부 나이 추정 방법에 의하면, 피부에 대한 다양한 인자 중 피부의 노화를 반영하는 것으로 선별된 복수의 인자를 복합적으로 분석하여 보다 정확하게 피부 나이가 예측되도록 할 수 있다.
또한, 본 발명의 피부 나이 추정 방법에 의하면, 피부 나이 추정을 위해 획득되는 파라미터 값을 기기를 통해 획득하고 기계학습 알고리즘(21) 또는 회귀분석 수학식(23)과 같은 객관적인 기준으로 분석함으로써, 신뢰성 있는 정보를 제공할 수 있다.
본 명세서에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 명세서에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 피부 나이 추정 장치
110: 정보 획득부
120: 나이 추정부
130: 입력 수신부

Claims (18)

  1. 피부 나이 추정 장치에 의해 수행되는 피부 나이 추정 방법으로서,
    사용자의 피부의 복수의 인자 각각에 대한 파라미터 값을 획득하는 단계와,
    복수의 인간의 피부와 관련하여 기획득된 상기 복수의 인자 각각에 대한 파라미터 값을 포함하는 데이터베이스를 이용하여 학습된 기계학습 알고리즘 또는 회귀분석에 기초하여, 상기 획득된 파라미터 값으로부터 상기 사용자의 피부 나이, 피부 주름 나이, 피부 색 나이 중 적어도 하나를 추정하는 단계를 포함하고,
    상기 복수의 인자는 피부 주름, 피부 탄력, 피부 수분량, 피부 밝기 및 피부 색소 중 하나 이상을 포함하는
    피부 나이 추정 방법.
  2. 제1항에 있어서,
    상기 피부 주름의 파라미터는, 주름의 산술평균거칠기(arithmetic average roughness) 및 주름의 총피부거칠기(total skin roughness)를 포함하고,
    상기 피부 탄력의 파라미터는, 피부의 복원력 및 피부의 탄성을 포함하고,
    상기 피부 수분량의 파라미터는, 피부의 표피층의 커패시턴스를 포함하고,
    상기 피부 밝기의 파라미터는, 피부의 명도 및 피부의 ITA(individual typology angle)를 포함하고,
    상기 피부 색소는, UV 스팟 지수 및 색소 침착(pigmented spot) 지수를 포함하는
    피부 나이 추정 방법.
  3. 제2항에 있어서,
    상기 복수의 인자는,
    피부 색소, 피부 주름, 피부 수분량, 피부 밝기, 피부 색, 피부 윤기, 피부 피지량, 피부 투명도, 피부 탄력 및 경피수분손실량 각각과 기지정된 나이 값에 대한 피어슨 상관계수(pearson coefficient)에 기초하여 선택되고,
    상기 파라미터 각각은,
    상기 복수의 인자 각각과 관련된 복수의 파라미터 중 기지정된 나이 값에 대한 피어슨 상관계수에 기초하여 선택되는
    피부 나이 추정 방법.
  4. 제1항에 있어서,
    상기 기계학습 알고리즘은,
    R 언어의 CARET(classification and regression training) 패키지 기반의 svmRadial 모델 또는 cforest 모델을 포함하는
    피부 나이 추정 방법.
  5. 제1항에 있어서,
    상기 추정하는 단계는,
    상기 피부 주름 나이를 선택하는 사용자 입력을 수신하면, 상기 획득된 파라미터 값 중 상기 피부 주름에 대한 파라미터 값, 상기 피부 탄력에 대한 파라미터 값 및 상기 피부 수분량에 대한 파라미터 값에 상기 기계학습 알고리즘에 적용하여, 상기 피부 주름 나이를 추정하는 단계를 포함하는
    피부 나이 추정 방법.
  6. 제1항에 있어서,
    상기 추정하는 단계는,
    상기 피부 색 나이를 선택하는 사용자 입력을 수신하면, 상기 획득된 파라미터 값 중 상기 피부 밝기에 대한 파라미터 값 및 상기 피부 색소에 대한 파라미터 값을 상기 기계학습 알고리즘에 적용하여, 상기 피부 색 나이를 추정하는 단계를 포함하는
    피부 나이 추정 방법.
  7. 제1항에 있어서,
    상기 추정하는 단계는,
    상기 피부 나이를 선택하는 사용자 입력을 수신하면, 상기 획득된 파라미터 값을 상기 기계학습 알고리즘에 적용하여, 상기 피부 나이를 추정하는 단계를 포함하는
    피부 나이 추정 방법.
  8. 제1항에 있어서,
    상기 회귀분석은, 상기 피부 나이를 추정하는 제1 수학식, 상기 피부 주름 나이를 추정하는 제2 수학식 및 상기 피부 색 나이를 추정하는 제3 수학식을 이용하고,
    상기 추정하는 단계는,
    상기 피부 나이, 상기 피부 주름 나이 및 상기 피부 색 나이 중 적어도 하나를 선택하는 사용자 입력을 수신하면, 상기 수신된 사용자 입력과 관련된 수학식을 이용하여 상기 선택된 적어도 하나를 추정하는 단계를 포함하는
    피부 나이 추정 방법.
  9. 제8항에 있어서,
    상기 제1 수학식은,
    Figure pat00010

    (상기 A1은 상기 피부 나이, 상기 R2는 상기 피부의 복원력의 값, 상기 R7은 상기 피부의 탄성의 값, 상기 Ra는 상기 산술평균거칠기의 값, Rt는 상기 총피부거칠기 값, 상기 C는 상기 커패시턴스의 값, 상기 L*는 상기 피부의 명도, 상기 P는 상기 색소 침착 지수의 값, 상기 U는 상기 UV 스팟 지수의 값)를 만족하고,
    상기 제2 수학식은,
    Figure pat00011

    (상기 A2는 상기 피부 주름 나이)를 만족하고,
    상기 제3 수학식은,
    Figure pat00012

    (A3은 상기 피부 색 나이)를 만족하는
    피부 나이 추정 방법.
  10. 사용자의 피부의 복수의 인자 각각에 대한 파라미터 값을 획득하는 정보 획득부와,
    복수의 인간의 피부와 관련하여 기획득된 상기 복수의 인자 각각에 대한 파라미터 값을 포함하는 데이터베이스를 이용하여 학습된 기계학습 알고리즘 또는 회귀분석에 기초하여, 상기 획득된 파라미터 값으로부터 상기 사용자의 피부 나이, 피부 주름 나이, 피부 색 나이 중 적어도 하나를 추정하는 나이 추정부를 포함하고,
    상기 복수의 인자는 피부 주름, 피부 탄력, 피부 수분량, 피부 밝기 및 피부 색소 중 하나 이상을 포함하는
    피부 나이 추정 장치.
  11. 제10항에 있어서,
    상기 피부 주름의 파라미터는, 주름의 산술평균거칠기(arithmetic average roughness) 및 주름의 총피부거칠기(total skin roughness)를 포함하고,
    상기 피부 탄력의 파라미터는, 피부의 복원력 및 피부의 탄성을 포함하고,
    상기 피부 수분량의 파라미터는, 피부의 표피층의 커패시턴스를 포함하고,
    상기 피부 밝기의 파라미터는, 피부의 명도 및 피부의 ITA(individual typology angle)를 포함하고,
    상기 피부 색소는, UV 스팟 지수 및 색소 침착(pigmented spot) 지수를 포함하는
    피부 나이 추정 장치.
  12. 제11항에 있어서,
    상기 복수의 인자는,
    피부 색소, 피부 주름, 피부 수분량, 피부 밝기, 피부 색, 피부 윤기, 피부 피지량, 피부 투명도, 피부 탄력 및 경피수분손실량 각각과 기지정된 나이 값에 대한 피어슨 상관계수(pearson coefficient)에 기초하여 선택되고,
    상기 파라미터 각각은,
    상기 복수의 인자 각각과 관련된 복수의 파라미터 중 기지정된 나이 값에 대한 피어슨 상관계수에 기초하여 선택된
    피부 나이 추정 장치.
  13. 제10항에 있어서,
    상기 기계학습 알고리즘은,
    R 언어의 CARET(classification and regression training) 패키지 기반의 svmRadial 모델 또는 cforest 모델을 포함하는
    피부 나이 추정 장치.
  14. 제10항에 있어서,
    상기 추정하는 단계는,
    상기 피부 주름 나이를 선택하는 사용자 입력을 수신하면, 상기 획득된 파라미터 값 중 상기 피부 주름에 대한 파라미터 값, 상기 피부 탄력에 대한 파라미터 값 및 상기 피부 수분량에 대한 파라미터 값에 상기 기계학습 알고리즘에 적용하여, 상기 피부 주름 나이를 추정하는
    피부 나이 추정 장치.
  15. 제10항에 있어서,
    상기 나이 추정부는,
    상기 피부 색 나이를 선택하는 사용자 입력을 수신하면, 상기 획득된 파라미터 값 중 상기 피부 밝기에 대한 파라미터 값 및 상기 피부 색소에 대한 파라미터 값을 상기 기계학습 알고리즘에 적용하여, 상기 피부 색 나이를 추정하는
    피부 나이 추정 장치.
  16. 제10항에 있어서,
    상기 나이 추정부는,
    상기 피부 나이를 선택하는 사용자 입력을 수신하면, 상기 획득된 파라미터 값을 상기 기계학습 알고리즘에 적용하여, 상기 피부 나이를 추정하는
    피부 나이 추정 장치.
  17. 제10항에 있어서,
    상기 회귀분석은, 상기 피부 나이를 추정하는 제1 수학식, 상기 피부 주름 나이를 추정하는 제2 수학식 및 상기 피부 색 나이를 추정하는 제3 수학식을 이용하고,
    상기 나이 추정부는,
    상기 피부 나이, 상기 피부 주름 나이 및 상기 피부 색 나이 중 적어도 하나를 선택하는 사용자 입력을 수신하면, 상기 수신된 사용자 입력과 관련된 수학식을 이용하여 상기 선택된 적어도 하나를 추정하는
    피부 나이 추정 장치.
  18. 제17항에 있어서,
    상기 제1 수학식은,
    Figure pat00013

    (상기 A1은 상기 피부 나이, 상기 R2는 상기 피부의 복원력의 값, 상기 R7은 상기 피부의 탄성의 값, 상기 Ra는 상기 산술평균거칠기의 값, Rt는 상기 총피부거칠기 값, 상기 C는 상기 커패시턴스의 값, 상기 L*는 상기 피부의 명도, 상기 P는 상기 색소 침착 지수의 값, 상기 U는 상기 UV 스팟 지수의 값)을 만족하고,
    상기 제2 수학식은,
    Figure pat00014

    (상기 A2는 상기 피부 주름 나이)을 만족하고,
    상기 제3 수학식은,
    Figure pat00015

    (A3은 상기 피부 색 나이)을 만족하는
    피부 나이 추정 장치.
KR1020190044571A 2019-04-16 2019-04-16 피부 나이 추정 방법 및 장치 KR102228569B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190044571A KR102228569B1 (ko) 2019-04-16 2019-04-16 피부 나이 추정 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190044571A KR102228569B1 (ko) 2019-04-16 2019-04-16 피부 나이 추정 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20200121692A true KR20200121692A (ko) 2020-10-26
KR102228569B1 KR102228569B1 (ko) 2021-03-16

Family

ID=73006287

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190044571A KR102228569B1 (ko) 2019-04-16 2019-04-16 피부 나이 추정 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102228569B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230033922A (ko) 2021-09-02 2023-03-09 (주)아모레퍼시픽 마이크로바이옴을 이용한 피부 나이 예측 방법
WO2023043145A1 (ko) * 2021-09-16 2023-03-23 주식회사 엘지생활건강 인지 나이 예측 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100093431A (ko) * 2009-02-16 2010-08-25 고려대학교 산학협력단 피부 나이 추론 방법
KR20110083615A (ko) * 2008-09-04 2011-07-20 이엘씨 매니지먼트 엘엘씨 겉보기 연령의 객관적 모델, 방법 및 용도
KR20150059394A (ko) * 2013-11-22 2015-06-01 (주)아모레퍼시픽 계량화 수단을 이용한 피부 나이 예측 장치 및 방법
KR101543178B1 (ko) 2014-09-18 2015-08-07 (주)아모레퍼시픽 민감성 피부 진단용 바이오 마커 및 이를 이용한 진단 키트

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110083615A (ko) * 2008-09-04 2011-07-20 이엘씨 매니지먼트 엘엘씨 겉보기 연령의 객관적 모델, 방법 및 용도
KR20100093431A (ko) * 2009-02-16 2010-08-25 고려대학교 산학협력단 피부 나이 추론 방법
KR20150059394A (ko) * 2013-11-22 2015-06-01 (주)아모레퍼시픽 계량화 수단을 이용한 피부 나이 예측 장치 및 방법
KR101543178B1 (ko) 2014-09-18 2015-08-07 (주)아모레퍼시픽 민감성 피부 진단용 바이오 마커 및 이를 이용한 진단 키트

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230033922A (ko) 2021-09-02 2023-03-09 (주)아모레퍼시픽 마이크로바이옴을 이용한 피부 나이 예측 방법
WO2023043145A1 (ko) * 2021-09-16 2023-03-23 주식회사 엘지생활건강 인지 나이 예측 장치

Also Published As

Publication number Publication date
KR102228569B1 (ko) 2021-03-16

Similar Documents

Publication Publication Date Title
US11617523B2 (en) Apparatus and method for estimating biological component
Holzleitner et al. Comparing theory-driven and data-driven attractiveness models using images of real women’s faces.
KR102151710B1 (ko) 이미지 분석 결과 및 학습된 피부 인식기에 기초하여 피부의 상태를 평가하는 방법 및 프로그램
RU2628648C2 (ru) Устройство и способ получения и обработки показаний измерений живых существ
EP1976410B1 (en) Method for analyzing hair
KR102228569B1 (ko) 피부 나이 추정 방법 및 장치
TWI452998B (zh) System and method for establishing and analyzing skin parameters using digital image multi-area analysis
US20110286644A1 (en) Image calibration and analysis
CN111048209A (zh) 基于活体人脸识别的健康评估方法、装置及其存储介质
WO2008003146A2 (en) Method for determination of the type of skin of the face of a person and method for the determination of the aging of the skin of person' s face.
JPWO2019039466A1 (ja) 化粧料の使用触感を評価する方法、及び化粧料の使用触感を評価する装置
JP4822146B2 (ja) 状態評価装置、及び状態評価プログラム
Oliveira et al. An accurate and interpretable model for BCCT. core
KR20200045679A (ko) 노화방지 및 피부상태 측정과 미용케어를 위한 통합 플랫폼 관리시스템
KR20150098130A (ko) 사용자 피부 정보 기반 화장품 추천 장치 및 방법
JP2009232990A (ja) 状態評価装置、及び、状態評価プログラム
WO2018065351A1 (en) Method for characterizing human skin relief
Shim et al. Difference in voice parameters of MDVP and Praat programs according to severity of voice disorders in vocal nodule
KR102239575B1 (ko) 피부 진단 장치 및 방법
JP2020201528A (ja) 美容判定方法、官能評価方法、及びシステム
JP2015032013A (ja) 数値データ解析装置及びプログラム
KR102189865B1 (ko) 피부 상태 평가 방법 및 프로그램
da Costa et al. Evaluation of fingerprint deformation using optical coherence tomography
KR20190036401A (ko) 피부 상태 평가 방법 및 프로그램
EP4341944A1 (en) Artificial intelligence based systems and methods for analyzing user-specific skin or hair data to predict user-specific skin or hair conditions

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant