TWI716344B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- TWI716344B TWI716344B TW104105733A TW104105733A TWI716344B TW I716344 B TWI716344 B TW I716344B TW 104105733 A TW104105733 A TW 104105733A TW 104105733 A TW104105733 A TW 104105733A TW I716344 B TWI716344 B TW I716344B
- Authority
- TW
- Taiwan
- Prior art keywords
- factor
- aging
- group
- age
- mentioned
- Prior art date
Links
Images
Classifications
-
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本發明之增齡分析方法包含如下步驟:取得關於與年齡具有關聯之複數個形狀特徵種之被試驗者之特徵量群;使用對關於複數個人之母集團之特徵量群之集合進行因子分析而抽選出之複數個增齡共通因子、及被試驗者之特徵量群,而決定被試驗者之表示該等複數個增齡共通因子之表現狀況之因子表現圖案;及基於被試驗者之因子表現圖案而取得被試驗者之增齡資訊。
Description
本發明係關於一種增齡分析技術。
增齡(衰老)修護或增齡防止不僅為女性關心之事項,亦為男性關心之事項,流通有化妝品或食品等專用於此方面之各種商品。注意外表年齡或各部位之增齡情況等自身之增齡狀況之人較多。於專利文獻1中,提出有如下方法:以自二維面部圖像所獲得之(1)面部形狀之變化方向、(2)上眼瞼之凹陷情況、(3)嘴角部之皺紋之情況、(4)鼻唇溝之情況、(5)下顎之形狀之5個特徵為指標,鑑別面部之增齡圖案。又,於專利文獻2中,提出有如下手法:使用對面部表面之三維形狀資訊進行多變量分析而獲得之基底向量,算出關於被試驗者之面部之基底向量之加權係數,基於該加權係數而求出被試驗者之面部之長相之印象傾向的程度。
專利文獻1:日本專利特開2001-331791號公報
專利文獻2:日本專利5231685號公報
第1態樣之增齡分析方法包含如下步驟:取得關於與年齡具有關
聯之複數個形狀特徵種之被試驗者之特徵量群;使用對關於複數個人之母集團之特徵量群之集合進行因子分析而抽選出之複數個增齡共通因子、及被試驗者之特徵量群,而決定被試驗者之表示該等複數個增齡共通因子之表現狀況之因子表現圖案;及基於被試驗者之因子表現圖案而取得被試驗者之增齡資訊。
第2態樣之增齡分析裝置具有:取得機構,其取得關於與年齡具有關聯之複數個形狀特徵種之被試驗者之特徵量群;決定機構,其使用對關於複數個人之母集團之特徵量群之集合進行因子分析而抽選出之複數個增齡共通因子、及被試驗者之特徵量群,而決定被試驗者之表示該等複數個增齡共通因子之表現狀況之因子表現圖案;及輸出機構,其基於被試驗者之因子表現圖案而輸出被試驗者之增齡資訊。
再者,作為本發明之另一態樣,可存在包含上述第1態樣之增齡分析方法之衰老修護之輔助方法、使至少1台電腦執行上述第1態樣之增齡分析方法之程式、或記錄有此種程式之電腦可讀取之記憶媒體。該記錄媒體包含非暫時性之有形之媒體。
10:增齡分析裝置
11:CPU
12:記憶體
13:輸入輸出介面(I/F)
14:通信單元
15:顯示裝置
16:輸入裝置
21:取得部
22:決定部
23:輸出處理部
30:分析裝置
31:取得部
32:決定部
33:輸出處理部
34:算出部
35:選擇部
37:分析處理部
S11~S75:步驟
上述目的、及其他目的、特徵及優點係根據以下所述之較佳之實施形態、及隨附於此之以下之圖式而進一步明確。
圖1係表示第1實施形態中之增齡分析方法之圖。
圖2係概念性地表示第1實施形態中之增齡分析裝置之硬體構成例之圖。
圖3係概念性地表示第1實施形態中之增齡分析裝置之處理構成例之圖。
圖4係表示第2實施形態中之外表年齡分析方法(分析方法)之一例(第1圖案決定手法)之圖。
圖5係概念性地表示第2實施形態中之外表年齡分析裝置(分析裝
置)之處理構成例之圖。
圖6係表示第2實施形態中之外表年齡分析裝置(分析裝置)之另一處理構成例之圖。
圖7係表示第3實施形態中之外表年齡分析方法(分析方法)之一例(第2圖案決定手法)之圖。
圖8係表示變化例中之外表年齡分析方法(分析方法)之圖。
圖9係表示變化例中之外表年齡分析裝置(分析裝置)之處理構成例之圖。
圖10A係表示形狀特徵種及增齡共通因子之例之圖。
圖10B係說明圖10A中所例示之形狀特徵種之圖。
圖10C係表示圖10A所示之各因子與外表年齡之關聯之圖。
圖11係表示形狀特徵種及增齡共通因子之其他例之圖。
圖12係表示用於自特徵量群獲得因子得分之複回歸公式之例之圖。
圖13係表示自圖12所示之複回歸公式所獲得之各被試驗者之因子得分與增齡共通因子之表現狀況之圖。
圖14係表示藉由對包含被試驗者之母集團(497名)之特徵量群之集合進行因子分析而獲得之各被試驗者之因子得分與增齡共通因子之表現狀況之圖。
圖15係表示本實施例中之因子表現狀況之決定手法之圖。
圖16係表示針對外表年齡之每個年代之個別樣本之分類狀況的圖。
圖17係表示因子表現圖案之分類例之圖。
圖18係表示基於因子表現圖案之分類之增齡資訊之例之圖。
以下,對本發明之實施形態進行說明。再者,以下所列舉之各
實施形態分別為例示,本發明並不限定於以下之各實施形態之構成。
圖1係表示第1實施形態中之增齡分析方法之圖。如圖1所示,第1實施形態之增齡分析方法包含如下步驟:取得關於與年齡具有關聯之複數個形狀特徵種之被試驗者之特徵量群(S11);使用該被試驗者之特徵量群,而決定藉由對關於該等複數個形狀特徵種之母集團之特徵量群之集合進行因子分析而抽選出之複數個增齡共通因子之表示上述被試驗者之表現狀況之因子表現圖案(S13);及基於該被試驗者之該因子表現圖案而取得該被試驗者之增齡資訊(S15)。
上述年齡係指外表年齡或實際年齡。利用(S11)所取得之特徵量群中所含之各特徵量為關於與此種年齡具有關聯之身體之一部分之形狀的資訊。即,利用(S11)所取得之特徵量群為身體之複數個部位之形狀資訊。
「特徵量」及「形狀特徵種」係以如下方式區分使用。「形狀特徵種」係表示人類之某一特定部位之形狀之各個體共通之資訊,「特徵量」係反映出該形狀特徵種中之各個體之特徵之物理量。例如「形狀特徵種」為鼻下之長度、眼睛相對於臉頰寬度之相對大小、上下方向之眼睛之傾斜度(角度),表示該「形狀特徵種」之「特徵量」為如20mm(毫米)、0.32、2度般之各個體之計測值。此種「形狀特徵種」只要為與年齡具有關聯之形狀之資訊,則並不限定於具有該形狀之身體之部位。例如該「形狀特徵種」為面部及除面部以外之頭部(包含頸部)中之一部分之形狀。又,該「形狀特徵種」亦可為除頭部以外之腹部、手背、腳等之形狀。又,各特徵量可利用長度、角度、曲面或曲線之曲率、比率等各種單位表示。此處,所謂頭部意指人體之頸部及較頸部更靠上之部位。
於(S13)中,利用對關於複數個人之母集團之特徵量群之集合進
行因子分析而獲得之複數個共通因子。該共通因子被記為增齡共通因子。而且,該特徵量群之集合中所含之各個別樣本(各個體)之特徵量群對應於與(S11)中所獲得之被試驗者之特徵量群相同之複數個形狀特徵種。於(S13)中,使用在(S11)中所獲得之被試驗者之特徵量群,關於被試驗者決定表示該等複數個增齡共通因子之表現狀況之因子表現圖案。例如因子表現圖案可關於各增齡共通因子分別表示有無表現。然而,因子表現圖案之體現手法並未被限定。因子表現圖案既可關於各增齡共通因子分別表示表現之程度,亦可僅表示表現之增齡共通因子或未表現之增齡共通因子。
於(S15)中,基於在(S13)中所決定之被試驗者之因子表現圖案,而取得被試驗者之增齡資訊。所取得之增齡資訊既可表示被試驗者之年齡印象(外表年齡),亦可表示特徵量群所表示之形狀特徵綜合而言對應於幾歲程度之類之增齡程度(以下,亦有記為形狀年齡之情形)。此處,(S15)中之增齡資訊之取得可以各種態樣執行。例如可針對每個因子表現圖案預先分配增齡資訊。因子表現圖案可存在相當於增齡共通因子之組合數之量。此情形時,可取得對被試驗者之因子表現圖案分配之增齡資訊。又,(S15)亦包含使被試驗者之增齡資訊成為可被人掌握之狀態。例如(S15)亦可以將表示針對所取得之每個因子表現圖案之增齡資訊之表格與在(S13)中決定之被試驗者之因子表現圖案一併提供之態樣實現。此情形時,人可將被試驗者之因子表現圖案與該表格加以比較,而掌握被試驗者之增齡資訊。再者,(S15)中之增齡資訊之取得之具體態樣係於下文敍述。
第1實施形態中之增齡分析方法可於以下所說明之增齡分析裝置般之至少1台電腦中執行。然而,於上述增齡分析方法中,亦可包含至少一部分由人實施之步驟。例如於(S13)中,亦可利用電腦執行中間處理,基於利用電腦所算出之資訊,而由人進行僅最終之因子表現
圖案之決定。又,於(S15)中,亦可如人將被試驗者之因子表現圖案與該表加以比較,而掌握被試驗者之增齡資訊般,僅最終之被試驗者之增齡資訊之取得(掌握)由人來執行。關於第1實施形態中之增齡分析方法係反覆且持續地實現如下一定效果之方法,即,使用年齡與人之形狀特徵種之間之相關性、及形狀特徵種間之共通因子與年齡之間之相關性,不用實際地比較多個其他人之資訊或不用實際地問詢多個判定者,便可容易且客觀地取得被試驗者之增齡資訊。因此,例如即便包含由人實施之步驟,第1實施形態中之增齡分析方法亦可謂整體上利用自然定律之技術性思想之創作。
圖2係概念性地表示第1實施形態中之增齡分析裝置10之硬體構成例之圖。增齡分析裝置10為所謂之電腦,例如具有利用匯流排而相互連接之CPU(Central Processing Unit,中央處理單元)11、記憶體12、輸入輸出介面(I/F)13、及通信單元14等。記憶體12為RAM(Random Access Memory,隨機存取記憶體)、ROM(Read Only Memory,唯讀記憶體)、及硬碟等。通信單元14係與其他電腦或機器進行信號之交換。於通信單元14,亦可連接有可攜型記錄媒體等。
輸入輸出I/F13可與顯示裝置15、輸入裝置16等用戶介面裝置連接。顯示裝置15係如LCD(Liquid Crystal Display,液晶顯示器)或CRT(Cathode Ray Tube,陰極射線管)顯示器般之顯示與利用CPU11或GPU(Graphics Processing Unit,圖形處理單元)(未圖示)等進行處理之繪圖資料對應之畫面的裝置。輸入裝置16係如鍵盤、滑鼠等受理用戶操作之輸入之裝置。顯示裝置15及輸入裝置16亦可一體化,以觸控面板之形式實現。增齡分析裝置10之硬體構成並無限制。
圖3係概念性地表示第1實施形態中之增齡分析裝置10之處理構成例之圖。如圖3所示,增齡分析裝置10具有:取得部21,其取得關於與年齡具有關聯之複數個形狀特徵種之被試驗者之特徵量群;決定
部22,其使用被試驗者之特徵量群,決定藉由對關於該等複數個形狀特徵種之母集團之特徵量群之集合進行因子分析而抽選出之複數個增齡共通因子之表示被試驗者之表現狀況之因子表現圖案;以及輸出處理部23,其基於被試驗者之因子表現圖案而輸出被試驗者之增齡資訊。該等各處理部係例如藉由利用CPU11執行儲存於記憶體12之程式而實現。又,該程式例如亦可自如CD(Compact Disc,光碟)、記憶卡等可攜型記錄媒體或經由輸入輸出I/F13或通信單元14而自網路上之其他電腦進行安裝,並儲存於記憶體12。
取得部21執行上述(S11)。取得部21既可自藉由用戶基於輸入畫面等操作輸入裝置16而輸入之資訊取得被試驗者之特徵量群,亦可自可攜型記錄媒體、其他電腦等經由通信單元14或輸入輸出I/F13而取得被試驗者之特徵量群。
又,取得部21亦可自與被試驗者有關之資訊,自行產生被試驗者之特徵量群。例如增齡分析裝置10可進而具有接觸式計測部及非接觸式計測部(兩者均未圖示)之至少一者,取得部21可自根據該等計測部所獲得之被試驗者之特定部位之三維座標資訊中自動算出關於該等複數個形狀特徵種之被試驗者之特徵量群。作為接觸式計測部,例示有接觸式三維座標讀取裝置(digitizer)。作為非接觸式計測部,例示三維雷射掃描儀或距離圖像感測器等。又,取得部21既可自被試驗者所拍攝之二維圖像直接取得特徵量群,亦可根據自不同方向對被試驗者進行拍攝而獲得之複數個二維圖像,利用周知之手法而算出被試驗者之特定部位之三維座標資訊,使用該三維座標資訊而自動算出被試驗者之特徵量群。於根據三維座標資訊之特徵量群之算出中,亦可使用基於相同模型之標準化。
為了自二維圖像直接取得特徵量群,只要利用如利用各像素之周邊之亮度分佈之方法或利用面部部分之配置之方法等周知之手法便
可。藉由使用此種周知之手法,可根據二維圖像近似地自動算出被試驗者之特徵量群。根據形狀特徵種,可能有難以檢測出特徵點之情形。於此情形時,可根據自母集團自動取得之各特徵點之平均值而預測該特徵點。
例如於下述參考文獻中提出有如下方法:於顎臉部骨骼形狀之特徵點計測中,對於未知之個體之無法直接計測之點之座標,根據該點之周圍之可計測之點之座標與多個已知之形狀計測值之統計性平均之對應關係而進行推斷(插補)。於該方法中,根據周圍之可計測之點(25點)之座標、及樣本之母集團之座標平均而推斷軟組織上之形態特徵點之座標(6點)。
參考文獻:青木義滿等人,Medical Imaging Technology,22(5),250-258(2004).
如此,於本實施形態中,利用取得部21之被試驗者之特徵量群之取得手法並無限制。
決定部22執行上述(S13)。
輸出處理部23執行上述(S15),並輸出所取得之增齡資訊。然而,利用輸出處理部23之增齡資訊之輸出態樣並無限制。輸出處理部23產生表示增齡資訊之輸出資料,經由輸入輸出I/F13而將該輸出資料輸出至顯示裝置15、或印刷裝置等其他輸出裝置。又,輸出處理部23既可將該輸出資料經由通信單元14發送至其他裝置,亦可將該輸出資料記錄於可攜型記錄媒體。
(第1實施形態之作用及效果)
如上述專利文獻1中所提出之手法般,基於頭部之每個部位之形狀變化而判定增齡狀況之手法大多直接使用根據每個部位之形狀資訊所獲得之值而判定增齡傾向。其結果,可能有無法確切地分析各個體之增齡狀況之情形。其原因在於:各個體之原始之形狀特徵直接反映
於增齡傾向。進而,就該等手法而言,無法判定各人之年齡印象(外表年齡)。
本發明者等人係自人所具有之全部形狀特徵種中篩選與年齡具有關聯之複數個形狀特徵種,並自關於所篩選出之形狀特徵種之特徵量群找到複數個共通因子(增齡共通因子),驗證了該等各共通因子分別與年齡具有關聯。進而,本發明者等人係對以如上之方式抽選出之增齡共通因子之各個體之表現圖案與增齡之關係進行調查,發現因子表現圖案體現增齡傾向。
藉此,根據第1實施形態,可根據被試驗者之特徵量群而決定因子表現圖案,結果,可獲得被試驗者之增齡資訊。此處,因子表現圖案不僅可根據特定部位各自之特徵量而決定,亦可根據關於複數個形狀特徵種之被試驗者之特徵量群而決定,故而自該因子表現圖案所獲得之增齡資訊不易受到來自各個體之天生之形狀特徵之影響。進而,根據第1實施形態,亦可獲得被試驗者之外表年齡之資訊。如此,根據第1實施形態,可使用被試驗者之形狀之特徵量,而客觀地分析被試驗者之增齡狀況。
又,本發明者等人係藉由基於增齡共通因子之因子負載量,針對依存度較強之每個增齡共通因子,將複數個形狀特徵種加以分類,發現各增齡共通因子分別與人之部位建立對應,且各部位之特定之變動對年齡造成較大之影響。因此,根據該因子表現圖案,可獲得針對被試驗者之每個部位之增齡資訊。
以下,進而詳細地說明上述第1實施形態。以下,作為詳細實施形態,例示第2實施形態中之外表年齡分析方法(以下,亦有簡稱為分析方法之情形)及外表年齡分析裝置(以下,亦有簡稱為分析裝置之情形)。即,於以下之第2實施形態中,可取得外表年齡之資訊作為增齡資訊。然而,於以下之第2實施形態中,亦可與上述第1實施形態同樣
地,取得形狀年齡之資訊作為增齡資訊。以下,以與上述第1實施形態不同之內容為中心進行說明,適當省略與上述第1實施形態相同之內容。
於第2實施形態中之分析方法中,亦包含與圖1所示之第1實施形態中之增齡分析方法相同之步驟。於第2實施形態中,進一步詳細地說明各步驟。以下,使用圖1及圖4對第2實施形態中之分析方法進行說明。
於(S11)中所取得之特徵量群為關於與外表年齡具有關聯之複數個形狀特徵種之被試驗者之個人之資訊。作為此種形狀特徵種,例如可列舉鼻下之長度及唇之厚薄之至少一者、眼睛之大小、眼睛之傾斜度、眉毛之傾斜度、及下顎之鼓出,尤其是包含其中之至少2種。該等形狀特徵種為根據本發明者等人之研究而抽選出之表示與外表年齡具有較大相關性之頭部之各部位之形狀資訊。然而,於本實施形態中,只要為與外表年齡具有關聯之複數個形狀特徵種,則體現該等形狀特徵種之身體之部位並無限制。
此處,與被試驗者之特徵量群、及母集團中所含之各個別樣本之特徵量群對應之該等複數個形狀特徵種係以如下方式自人之頭部表面之多個形狀特徵種中篩選出。即,與年齡具有關聯之該等複數個形狀特徵種係基於藉由將與該等多個形狀特徵種有關之特徵量群設為說明變數群且將年齡設為目標變數之複回歸分析而獲得之針對每個形狀特徵種之複相關係數來進行篩選。例如篩選出針對每個形狀特徵種之複相關係數較相對於該複回歸分析之母集團之樣本數之顯著水準之極限值高之形狀特徵種。再者,於本實施形態中,上述年齡係利用外表年齡。
該等複數個增齡共通因子係藉由對以此方式篩選出之複數個形
狀特徵種相關之母集團之特徵量群的集合進行因子分析而抽選出。於因子分析中所使用之因子數例如可根據所篩選出之形狀特徵種而決定。進而,較理想為於所抽選出之各增齡共通因子中,因子分析之母集團中所含之個別樣本之該增齡共通因子之因子得分(例如平均)與年齡之相關係數分別大於母集團之樣本數之1%顯著水準之極限值。然而,相關係數之大小之基準並不僅限於該基準,可適當設定。
(S13)中之決定被試驗者之因子表現圖案之手法包含使用因子得分之手法(以下,記為第1圖案決定手法)、及不使用因子得分之手法(以下,記為第2圖案決定手法)。關於第2圖案決定手法係於第3實施形態中進行說明。
圖4係表示第2實施形態中之分析方法之一例(第1圖案決定手法)之圖。於使用第1圖案決定手法之情形時,第2實施形態中之分析方法係如圖4所示般,代替第1實施形態中之(S13)而包含(S41)、(S43)及(S45)。即,於第2實施形態中,決定被試驗者之因子表現圖案之步驟(S13)被詳細化為(S41)、(S43)及(S45)。
(S41)係使用在(S11)中所取得之被試驗者之特徵量群,分別算出關於複數個增齡共通因子之各者之被試驗者之因子得分。
(S43)係藉由將表示母集團之因子得分分佈中之特定位置之閾值與被試驗者之因子得分關於複數個增齡共通因子分別加以比較,而決定被試驗者之增齡共通因子之表現狀況。
(S45)係對被試驗者決定表示在(S43)中作為表現狀況而被決定為表現之至少1個增齡共通因子的因子表現圖案。
於(S41)中之算出被試驗者之因子得分之手法中,亦具有各種手法。第一,有使用複回歸分析,根據被試驗者之特徵量群而推斷被試驗者之每個增齡共通因子之因子得分之手法。具體而言,藉由將被試驗者之特徵量群分別應用至各複回歸公式,此可算出被試驗者之每個
增齡共通因子之因子得分,上述各複回歸公式係藉由對關於該母集團之特徵量群之集合,應用將與該等複數個形狀特徵種有關之特徵量群設為說明變數群且將因子得分設為目標變數的針對每個增齡共通因子之複回歸分析而分別獲得。該手法被記為第1因子得分算出手法。
於抽選增齡共通因子之因子分析中,關於對應於各特徵量之各形狀特徵種,分別算出每個增齡共通因子之因子負載量。進而,關於被用作因子分析之樣本之該母集團之各個別樣本,分別算出每個增齡共通因子之因子得分。作為因子分析之成果之每個增齡共通因子之因子負載量、及關於母集團之各個別樣本之每個增齡共通因子之因子得分係與該母集團中之特徵量群之集合一併儲存於電腦中。
於第1因子得分算出手法中,藉由使用關於該母集團之各個別樣本之每個增齡共通因子之因子得分及特徵量群之複回歸分析,而預先獲得針對每個增齡共通因子之複回歸公式,進而將該複回歸公式儲存於下述分析裝置30等之電腦中。各複回歸公式係根據個人之特徵量群,分別說明個人之各增齡共通因子之因子得分之公式。第1因子得分算出手法係藉由將被試驗者之特徵量群分別代入至儲存於電腦之各複回歸公式中,而分別算出關於複數個增齡共通因子之各者之被試驗者之因子得分。如此,第1因子得分算出手法可藉由使用利用對不包含被試驗者之母集團之特徵量群之集合之複回歸分析而預先獲得之複回歸公式,而快速地算出被試驗者之因子得分。
進而,亦可於利用第1因子得分算出手法以如上之方式算出被試驗者之因子得分之後,對將該被試驗者之特徵量群添加至原本之母集團之特徵量群之集合而獲得之新特徵量群之集合,重新應用針對每個增齡共通因子之複回歸分析,並利用所獲得之各複回歸公式,置換(更新)自原本之母集團獲得之原本之各複回歸公式。如此,每次被試驗者之數量增加時,母集團之數量亦增加,從而可提高儲存於電腦之
複回歸公式之精度。
作為算出被試驗者之因子得分之其他手法,亦有將被試驗者添加至該母集團,並對該新母集團應用因子分析之手法。根據該手法,於加入有被試驗者之特徵量群之狀態下,分別算出每個增齡共通因子之因子負載量,對於該母集團中所含之作為一個人之個別樣本之被試驗者,可算出每個增齡共通因子之因子得分。於該手法中,亦可使用關於包含被試驗者之新母集團之特徵量群之集合(矩陣A)、複數個形狀特徵種間之相關係數群(矩陣B)、及藉由因子分析而新獲得之因子負載量群(矩陣C),藉由矩陣A、矩陣B之逆矩陣與矩陣C之乘法,而算出關於母集團中所含之被試驗者之各增齡共通因子之因子得分。根據該手法,可算出被試驗者之因子得分。
於(S43)中所使用之表示母集團之因子得分分佈中之特定位置之閾值係針對每個增齡共通因子分別決定。每個增齡共通因子之閾值既可設定為一個,亦可設定為複數個。例如對於該閾值,既可利用該因子得分分佈之平均值,亦可利用對平均值加上或減去某個值所獲得之值。(S43)可關於各增齡共通因子分別決定有無表現,而作為表現狀況。例如於被試驗者之某個增齡共通因子之因子得分大於該增齡共通因子用之閾值之情形時,可決定被試驗者表現出該增齡共通因子,於為該閾值以下之情形時,可決定被試驗者未表現出該增齡共通因子。又,(S43)亦可關於各增齡共通因子分別決定表示表現之程度之表現分數。例如亦可於被試驗者之某個增齡共通因子之因子得分大於該增齡共通因子用之第1閾值之情形時,將被試驗者之該增齡共通因子之表現分數設為+1,於該因子得分小於第2閾值之情形時,將該表現分數設為-1,於該因子得分為第1閾值以下且第2閾值以上之情形時,將該表現分數決定為0。
於(S45)中,根據於(S43)中所決定之表現狀況而決定被試驗者之
因子表現圖案。於第2實施形態中,因子表現圖案係以表示被決定為表現之至少1個增齡共通因子之態樣呈現。此情形時,因子表現圖案之總圖案數量與增齡共通因子之總組合數量(使增齡共通因子數分反覆乘2所獲得之值)相等。再者,如上所述,因子表現圖案之呈現態樣並無限制。
於第2實施形態中,(S15)係基於在(S45)中所決定之被試驗者之因子表現圖案而取得被試驗者之外表年齡資訊。此處,外表年齡資訊可針對每個因子表現圖案而預先決定。例如藉由專家之官能評估,而對母集團之各個別樣本分別評估外表年齡。繼而,藉由與上述相同之手法,預先對該母集團之各個別樣本分別求出因子表現圖案,利用因子表現圖案而將該母集團分類,針對各因子表現圖案,分別算出外表年齡之平均。若如此,可針對每個因子表現圖案預先準備外表年齡之平均。此情形時,(S15)係取得被試驗者之因子表現圖案之外表年齡之平均作為外表年齡資訊。然而,外表年齡資訊之取得手法並不限定於此種示例。
作為其他示例,亦可預先根據增齡資訊(外表年齡資訊)之共通性,將所有因子表現圖案分類為複數個群組,且對各群組分別分配增齡資訊(外表年齡資訊)。例如可基於具有同一因子表現圖案之各個別樣本之實際年齡或外表年齡、因子得分、及因子表現數之至少一者,而將所有因子表現圖案分類為複數個群組。
根據本發明者等人之研究,概括而言發現有如下傾向:增齡共通因子之表現數越少,外表年齡越低,增齡共通因子之表現數越多,外表年齡越高。因此,例如若根據增齡共通因子之表現數,將所有因子表現圖案分類為複數個群組,則可對各群組分配外貌之年齡層。具體而言,僅表現出1個增齡共通因子之因子表現圖案,可分類至該等複數個群組中之年齡最小之群組,表現出全部之增齡共通因子之因子
表現圖案及數量較全部之增齡共通因子少一個之增齡共通因子之因子表現圖案,可分類至複數個群組中之年齡最大之群組。
於如此將因子表現圖案預先分類之情形時,(S15)可自該等複數個群組中選擇與被試驗者之因子表現圖案對應之群組,從而可取得被分配至該所選擇之群組之外表年齡資訊。然而,因子表現圖案之分類並不僅限於基於增齡共通因子之表現數之分類。例如亦可如上所述,藉由基於屬於群組之各個別樣本之因子得分之群集分析,而將利用基於增齡共通因子之表現數之分類而獲得之各群組分類成子群組。根據該進一步之分類,可根據因子得分之傾向,而將被分類至同年齡層之因子表現圖案群進而進行群組分配,從而不僅可獲得外表之年齡層,亦可獲得對應於因子得分之傾向之外表年齡資訊。
(裝置構成)
其次,關於第2實施形態中之分析裝置,以與第1實施形態不同之內容為中心進行說明。關於與第1實施形態相同之內容係適當省略。第2實施形態中之分析裝置具有與圖2所示之第1實施形態中之增齡分析裝置10相同之硬體構成,使用此種硬體構成及下述處理構成,而執行上述第2實施形態中之分析方法。關於第2實施形態中之分析方法之上述內容亦被沿用至第2實施形態中之分析裝置。
圖5係概念性地表示第2實施形態中之分析裝置30之處理構成例之圖。如圖5所示,分析裝置30具有取得部31、決定部32、及輸出處理部33等。決定部32包含算出部34。取得部31、決定部32及輸出處理部33分別對應於第1實施形態中之取得部21、決定部22及輸出處理部23。該等各處理部係藉由與第1實施形態中之各處理部同樣地,利用CPU11執行儲存於記憶體12之程式而實現。
取得部31執行(S11)。進而,取得部31亦可視需要而取得與母集團有關之特徵量群之集合、複數個形狀特徵種間之相關係數群、藉由
因子分析而獲得之因子負載量群、母集團中所含之各個別樣本之因子得分群等。分析裝置30既可自行保持該等資訊,亦可自可攜型記錄媒體、其他電腦等取得。
如上所述,決定部32包含算出部34,且基於利用算出部34而算出之被試驗者之每個增齡共通因子之因子得分,而決定被試驗者之上述因子表現圖案,上述算出部34係使用利用取得部31而取得之被試驗者之特徵量群,分別算出關於該等複數個增齡共通因子之各者之被試驗者之因子得分。即,決定部32執行(S41)、(S43)及(S45)。該等中之(S41)係利用算出部34而執行。
如上所述,算出部34可利用各種手法算出被試驗者之因子得分。例如算出部34可使用上述第1因子得分算出手法。此情形時,算出部34藉由將被試驗者之特徵量群分別應用至各複回歸公式,可算出被試驗者之每個增齡共通因子之因子得分,上述各複回歸公式係藉由對關於母集團之特徵量群之集合,應用將與該等複數個形狀特徵種有關之特徵量群設為說明變數群且將因子得分設為目標變數的複回歸分析而分別獲得。
算出部34既可利用預先保持之各增齡共通因子之複回歸公式,亦可利用自其他裝置取得之該複回歸公式。進而,算出部34亦可對關於母集團之特徵量群之集合及被試驗者之特徵量群應用針對每個增齡共通因子之複回歸分析,並利用藉此而分別獲得之各複回歸公式,置換自原本之母集團獲得之原本之各複回歸公式。
算出部34亦可藉由將被試驗者添加至原本之母集團,並對該新母集團重新執行因子分析,而算出被試驗者之每個增齡共通因子之因子得分。於該因子分析中,算出部34係將因子負載量群更新,進而,關於該新母集團之各個別樣本(包含被試驗者)分別算出每個增齡共通因子之因子得分。此情形時,算出部34亦可藉由基於利用取得機構所
取得之特徵量群之集合、相關係數群及因子負載量群之上述矩陣之乘法,而算出關於母集團中所含之被試驗者之每個增齡共通因子之因子得分。
決定部32係藉由將表示母集團之因子得分分佈中之特定位置之閾值與被試驗者之因子得分關於複數個增齡共通因子分別加以比較,而決定被試驗者所表現出之增齡共通因子,對被試驗者決定表示被決定為表現之至少1個增齡共通因子之因子表現圖案。決定部32既可預先保持每個增齡共通因子之上述閾值,亦可自其他電腦取得。關於具體之因子表現圖案之決定手法係如上所述。
輸出處理部33係執行(S15),進而將所取得之被試驗者之外表年齡資訊輸出作為增齡資訊。例如輸出處理部33係輸出對複數個增齡共通因子之各者賦予之名稱及表示被試驗者之因子表現圖案之增齡資訊。各增齡共通因子之名稱例如可以體現各增齡共通因子之因子負載量較大之形狀特徵種之共通之特徵傾向之方式賦予。結果,根據所輸出之增齡資訊,可體現有外表年齡有關之被試驗者之特徵傾向。進而,輸出處理部33亦可使以如上之方式預先準備之每個因子表現圖案之外表年齡之平均包含於該外表年齡資訊。再者,利用輸出處理部33之輸出態樣與輸出處理部23相同。
又,輸出處理部33亦可輸出對根據被試驗者之因子表現圖案而選擇之群組賦予之增齡資訊。此情形時,如上所述,所有因子表現圖案被基於具有同一因子表現圖案之各個別樣本之年齡、因子得分及因子表現數之至少1者而分類為複數個群組,對於各群組,預先賦予相應於分類手法之與外表年齡有關之增齡傾向資訊。輸出處理部33係藉由取得因子表現圖案之群組分配資訊及對各群組賦予之外表年齡資訊(增齡資訊),而輸出與被試驗者有關之外表年齡資訊。因子表現圖案之群組分配資訊及對各群組賦予之外表年齡資訊既可藉由下述選擇部
35而預先保持,亦可自其他電腦取得。
於如此將因子表現圖案分類之情形時,如圖6所示,分析裝置30除具有圖5所示之構成以外,進而具有選擇部35。
圖6係表示第2實施形態中之分析裝置30之另一處理構成例之圖。
選擇部35係自根據增齡之共通性將與各增齡共通因子之表現狀況之全部組合對應之所有因子表現圖案加以分類而得之複數個群組中,選擇對應於被試驗者之因子表現圖案之群組。輸出處理部33係輸出被賦予至由選擇部35所選擇出之群組之外表年齡資訊作為被試驗者之增齡資訊。
(第2實施形態之作用及效果)
如上所述,於第2實施形態中,使用被試驗者之特徵量群,分別算出關於複數個增齡共通因子之各者之被試驗者之因子得分,基於所算出之因子得分而決定被試驗者之因子表現圖案。此處,被試驗者之各因子得分分別表示被試驗者之對應之增齡共通因子之表現程度,各增齡共通因子由於分別與外表年齡具有較大關聯,故而認為根據因子得分而求出之被試驗者之因子表現圖案係表示被試驗者之對外表年齡造成影響之某些主要原因之產生情況。由此,根據基於此種因子表現圖案而獲得被試驗者之外表年齡資訊之第2實施形態,可高精度地分析被試驗者之外表年齡。
於作為算出被試驗者之因子得分之手法之一之第1因子得分算出手法中,藉由對預先獲得之複回歸公式代入被試驗者之特徵量群,可快速地獲得被試驗者之因子得分。而且,根據被試驗者之該因子得分與表示母集團之因子得分分佈中之特定位置之閾值之比較,而決定被試驗者之增齡共通因子之表現狀況,根據該表現狀況而決定被試驗者之因子表現圖案。如此,加入母集團之因子得分分佈而決定被試驗者
之增齡共通因子之表現狀況,藉此可提高被試驗者之因子表現圖案之客觀性,進而,可提高自該因子表現圖案所獲得之增齡資訊(外表年齡資訊)之客觀性及可靠性。
又,於第2實施形態中,基於具有同一因子表現圖案之各個別樣本之年齡、因子得分及因子表現數之至少1者而將各因子表現圖案分類為複數個群組,並選擇對應於被試驗者之因子表現圖案之群組。而且,取得對該所選擇之群組賦予之外表年齡資訊作為被試驗者之資訊。如此,可取得被作為外表年齡資訊賦予至各群組之外表年齡層或因子表現傾向等來作為被試驗者之外表年齡資訊。
於上述第2實施形態中,基於被試驗者之每個增齡共通因子之因子得分,而決定被試驗者之因子表現圖案(第1圖案決定手法)。於第3實施形態中,不使用被試驗者之因子得分,而基於被試驗者之特徵量群來決定被試驗者之因子表現圖案(第2圖案決定手法)。以下,關於第3實施形態,以與上述各實施形態不同之內容為中心進行說明,關於同一內容係適當省略。
於第3實施形態中之分析方法中,亦包含與圖1所示之第1實施形態中之增齡分析方法相同之步驟。於第3實施形態中,進一步詳細地說明各步驟。以下,使用圖7對第3實施形態中之分析方法進行說明。
圖7係表示第3實施形態中之分析方法之一例(第2圖案決定手法)之圖。於使用第2圖案決定手法之情形時,第3實施形態中之分析方法係如圖7所示,代替第1實施形態中之(S13)而包含(S71)、(S73)及(S75)。即,於第3實施形態中,決定被試驗者之因子表現圖案之步驟(S13)被詳細化為(S71)、(S73)及(S75)。
(S71)係分別取得關於複數個因子表現圖案之各者之特徵量群之代表值。於第3實施形態中,對於母集團之各個別樣本,根據個別樣
本之每個增齡共通因子之因子得分,而分別決定因子表現圖案,且關於所有因子表現圖案之各者,分別決定具有同一因子表現圖案之各個別樣本之特徵量群之代表值。各因子表現圖案之代表值係根據具有同一因子表現圖案之各個別樣本之特徵量群而決定之表示特徵量空間中之代表性之位置之資料(具有與特徵量群相同數量之要素之向量),例如為表示該等特徵量群之重心之資料。然而,該代表值並不限定於重心。
(S73)係分別算出於(S11)中所取得之被試驗者之特徵量群與於(S71)中所取得之各因子表現圖案之代表值之距離。代表值係如上所述,為具有與特徵量群相同數量之要素之向量,於(S73)中,算出Euclid(歐幾里得)距離。
(S75)係基於(S73)中所算出之各因子表現圖案之代表值與被試驗者之特徵量群之距離,而決定被試驗者之上述因子表現圖案。具體而言,表示最小距離之因子表現圖案被決定作為被試驗者之上述因子表現圖案。
(裝置構成)
其次,關於第3實施形態中之分析裝置,以與第1實施形態不同之內容為中心進行說明。關於與第1實施形態相同之內容係適當省略。第3實施形態中之分析裝置具有與圖2所示之第1實施形態中之增齡分析裝置10相同之硬體構成,使用此種硬體構成及下述處理構成,執行上述第3實施形態中之分析方法。與第3實施形態中之分析方法有關之上述內容亦沿用至第3實施形態中之分析裝置。
第3實施形態中之分析裝置30具有與圖5或圖6所示之第2實施形態相同之處理構成。然而,以下之各處理部執行與第2實施形態不同之處理。
取得部31除執行(S11)以外,進而執行上述(S71)。取得部31既可
自行保持各因子表現圖案之特徵量群之代表值,亦可自可攜型記錄媒體、其他電腦等取得。
算出部34執行上述(S73)。
決定部32執行上述(S75)。
(第3實施形態中之作用及效果)
如上所述,於第3實施形態中,算出被試驗者之特徵量群與預先算出之各因子表現圖案之特徵量群之代表值之距離,基於該距離而決定被試驗者之因子表現圖案。因此,根據第3實施形態,可不算出被試驗者之因子得分,而僅藉由距離計算,快速地決定被試驗者之因子表現圖案。
基於上述增齡共通因子之因子分析自身既可利用上述第1實施形態中之增齡分析裝置10及第2實施形態及第3實施形態之分析裝置30而執行,亦可利用其他電腦而執行。又,因子分析之母集團亦可藉由逐次取入成為增齡分析裝置10及分析裝置30之分析對象之被試驗者而進行更新。此情形時,如圖8所示,重新執行(S17)、(S18)及(S19)。再者,圖8係表示對圖4所示之第2實施形態中之分析方法追加新處理步驟之例,但亦可將該新處理步驟追加至圖1所示之第1實施形態中之增齡分析方法或圖7所示之第3實施形態中之分析方法。
圖8係表示變化例中之分析方法之圖。該分析方法進而包含(S19),該(S19)係取得與複數個形狀特徵種有關之母集團中所不含之新個別樣本之特徵量群,對新個別樣本之特徵量群及原本之母集團之特徵量群之集合執行使用上述增齡共通因子之數量之因子分析(S17),使用藉由(S17)之因子分析而重新獲得之因子負載量群,重新分別算出與對原本之母集團添加該新個別樣本而得之新母集團之各個別樣本有關之每個增齡共通因子之因子得分(S18),利用重新獲得之
因子負載量群及關於新母集團之各個別樣本之因子得分,而更新自原本之母集團所獲得之原本之資訊。於圖8中,將被試驗者之特徵量群用作新個別樣本之特徵量群(S11)。然而,新個別樣本亦可不包含被試驗者。
圖9係表示變化例中之分析裝置30之處理構成例之圖。此情形時,分析裝置30進而具有分析處理部37,該分析處理部37係對與上述複數個形狀特徵種有關之複數個個別樣本之特徵量群進行使用上述增齡共通因子之數量之因子分析。取得部31進而取得與上述複數個形狀特徵種有關之原本之母集團中所不含之新個別樣本之特徵量群。分析處理部37係對該新個別樣本之特徵量群及原本之母集團之特徵量群之集合執行因子分析,使用藉由該因子分析而重新獲得之因子負載量群,重新分別算出與對原本之母集團添加新個別樣本而得之新母集團之各個別樣本有關之每個增齡共通因子之因子得分,根據重新獲得之因子負載量群及關於新母集團之各個別樣本之因子得分,而更新自原本之母集團所獲得之原本之資訊。自原本之母集團及新母集團所獲得之因子負載量群及因子得分群既可由分析裝置30保持,亦可由其他電腦保持。又,取得部31亦可將被試驗者之特徵量群用作新個別樣本之特徵量群。
根據該變化例,將原本之母集團中所不含之新的人(包含被試驗者)之特徵量群添加至原本之母集團之特徵量群之集合,重新執行因子分析,利用重新獲得之因子負載量群及因子得分群而更新原本之資訊,故而每當獲得新的人之特徵量群時,可推進學習,且提高分析精度。
以下,列舉實施例,更詳細地說明上述各實施形態。本發明不受以下實施例任何限定。
圖10A係表示形狀特徵種及增齡共通因子之例之圖。圖10A係表示藉由對497名實際年齡為20代至60代之日本女性之母集團中之13個形狀特徵種之特徵量進行因子分析而抽選出之5個共通因子之例。於圖10A中,將5個共通因子記為因子1至因子5。又,13個形狀特徵種係以1至13之數字表示。圖10A中之下標y意指上下方向(與地面正交之方向)之成分。例如「(眉梢-眉頭)y」意指自眉梢至眉頭之上下方向之落差(垂直距離)。
圖10B係說明圖10A中所例示之形狀特徵種之圖。
眼睛之縱寬y係表示眼睛之上下方向之最長部之長度,眼睛之面積為眼睛之黏膜部之露出面積。臉頰寬度係與頰弓寬度不同,為通過前視狀態下之人之左右之外眼角之與地面垂直之平面、和該被試驗者之面部之表面之交線上之較外眼角更靠下方之頰骨位置之寬度。
吊眼程度係連結內眼角(眼角)與外眼角(眼稍)之直線和自內眼角相對於地面水平地延伸之直線所成之角度。外表吊眼程度係連結外表眼稍點與內眼角(眼角)之直線和自內眼角相對於地面水平地延伸之直線所成之角度。所謂外表眼稍點意指外貌上之眼稍點,例如相當於較外眼角更下垂之上眼瞼之外眼角側之端。
(眉梢-眉峰)y係表示自眉梢至眉峰之上下方向之落差(垂直距離),(眉梢-眉頭)y係表示自眉梢至眉頭之上下方向之落差(垂直距離)。
魚眼程度係表示連結內眼角與外眼角之直線之前後方向之傾斜度。魚眼程度亦可謂眼稍之後退程度。
「耳珠點(tragion)-下顎角點/下顎角點-顎尖點」係將自耳珠點至下顎角點為止之距離除以自下顎角點至顎尖點為止之距離所得之值。
下顎角點寬度為左右之下顎角點附近之再突出部間之寬度。
(唇上端[左右]-下端)y/口裂寬度係表示唇之縱橫比,具體而言,
表示將自唇之上端至唇之下端之上下方向之落差(垂直距離)除以口裂寬度所得之值。(鼻下點-唇上端[左右]/鼻下點-顎下)y係表示鼻之下方之長度,具體而言,表示將自鼻下點至唇之上端之上下方向之落差除以自鼻下點至顎下之上下方向之落差所得之值。
雖然於圖10B中未表示,但左頰部角度係連結左耳珠點與左臉頰寬度點之直線和連結左臉頰寬度點與左鼻翼點之直線所成之角。左頰部最小曲率係自鼻下通過前視狀態之人之左右之外眼角之與地面垂直之平面和該被試驗者之面部之表面之交線上的通過較外眼角更靠下方之頰骨位置之曲線之最小曲率。換言之,左頰部最小曲率係通過左臉頰寬度點、鼻下點及右臉頰寬度點之3點之顱骨面部剖面之頰部之最小曲率。
本發明者等人係以如下方式抽選出此種13個形狀特徵種。本發明者等人係基於與外表年齡具有關聯之特徵點之變化量之分析及造形專家之解讀特徵點之連動關係之見解等,使用相同模型中之4000以上之資料點(特徵點),導出被推測為與外表年齡相關之60個特徵點間之關係(形狀特徵種)。於該過程中,以不具有關聯較大之複數個形狀特徵種之方式將形狀特徵種除外。而且,本發明者等人係統計性地對60個形狀特徵種之特徵量與外表年齡之關係進行分析,抽選出與外表年齡具有較大關聯(複相關係數大於0.200)之如上所述之13個形狀特徵種。作為該統計性之分析,使用將與60個形狀特徵種有關之特徵量群設為說明變數群且將外表年齡設為目標變數之複回歸分析。
圖10C係表示圖10A所示之各因子之與外表年齡之相關之圖。進而,本發明者等人係關於各共通因子,分別算出上述母集團中所含之個別樣本之因子得分與外表年齡之相關係數,確認了各共通因子之相關係數係如圖10C所示,分別大於母集團之樣本數之1%顯著水準之極限值。如此,發現如圖10A之例般之與外表年齡有關之增齡共通因
子。
另一方面,若關於各共通因子分別將每個形狀特徵種之因子負載量加以比較,則如圖10A所示,可根據受到較大之影響之增齡共通因子而將13個形狀特徵種分類。具體而言,形狀特徵種1至3(吊眼程度、外表吊眼程度及魚眼程度)較大程度地依存於因子1,形狀特徵種4及5較大程度地依存於因子2,形狀特徵種6及7較大程度地依存於因子3,形狀特徵種8及9較大程度地依存於因子4,形狀特徵種10及11較大程度地依存於因子5。根據該關係,認為因子1為對應於眼睛之傾斜度之因子,因子2為對應於眉毛之傾斜度之因子,因子3為對應於眼睛之大小之因子,因子4為對應於下顎之鼓出之因子,因子5為對應於鼻下之長度及唇之厚薄之因子。
然而,增齡共通因子之數量及形狀特徵種並不限定於圖10A所示者。例如關於與外表年齡具有關聯之複數個形狀特徵種之特徵量群只要包含如下特徵量便可,即:(a)表示鼻下之長度及唇之厚薄之複數個特徵量、(b)表示眼睛相對於臉頰寬度之相對大小之複數個特徵量、(c)表示上下方向及前後方向之眼睛之傾斜度之複數個特徵量、(d)表示相對於臉頰寬度之眉毛之下垂狀態之複數個特徵量、及(e)表示下顎角寬度相對於臉頰寬度之大小、及顎尖、耳與下顎角之位置關係之複數個特徵量。
圖11係表示形狀特徵種及增齡共通因子之其他例之圖。於圖11之例中,表示利用與圖10A不同之12個形狀特徵種抽選出5個增齡共通因子之例。於圖11之例中,亦可確認各增齡共通因子與外表年齡之相關係數分別大於母集團之樣本數之1%顯著水準之極限值。
其次,說明藉由對針對每個增齡共通因子之複回歸公式分別應用被試驗者之特徵量群,而算出被試驗者之每個增齡共通因子之因子得分之手法(參照第2實施形態)之具體例。於本具體例中,說明取得
複回歸公式之例及利用該複回歸公式所獲得之被試驗者之因子得分之評估。此處,利用圖10A所示之形狀特徵種及增齡共通因子。
於本具體例中,首先,自上述實際年齡為20代至60代之日本女性497人之母集團,針對各年代隨機分別抽選出5人作為被試驗者,對除該被試驗者以外之472人之暫定母集團之特徵量群之集合進行因子分析。藉此,分別算出關於13個形狀特徵種之各者之每個增齡共通因子之因子負載量,且關於該暫定母集團之各個別樣本,分別算出每個增齡共通因子之因子得分。其次,藉由使用與該暫定母集團之各個別樣本有關之每個增齡共通因子之因子得分、及特徵量群之複回歸分析,而算出圖12所示之針對每個增齡共通因子之複回歸公式。
圖12係表示用以自特徵量群獲得因子得分之複回歸公式之例之圖。於圖12中,關於各增齡共通因子(因子1至因子5),分別表示針對每個形狀特徵種之偏回歸係數。
圖13係表示自圖12所示之複回歸公式所獲得之各被試驗者之因子得分與增齡共通因子之表現狀況之圖。於圖13中,分別表示25人之各被試驗者之每個增齡共通因子之因子得分。又,各增齡共通因子之表現狀況係由-1、0及+1之表現分數表示,表現分數成為-1或+1之因子得分係利用陰影表示。於圖13之最左側之行中,以年代(20'S等)之形式表示被試驗者年齡,於左起第2行中,表示被試驗者之編號,於最右側之行中,表示表現分數成為-1或+1之增齡共通因子之編號。
圖14係表示藉由對包含被試驗者之母集團(497名)之特徵量群之集合進行因子分析而獲得之各被試驗者之因子得分與增齡共通因子之表現狀況之圖。於圖14中,表示出藉由對包含被試驗者之母集團進行因子分析而獲得之因子得分,故而圖14所示之各被試驗者之因子得分與增齡共通因子之表現狀況為原本便應求出之狀況(正解)。因此,當利用圖13與圖14將各增齡共通因子之表現狀況加以比較時,於圖13與
圖14中僅被試驗者(309)之因子1之表現狀況不同。利用圖13所推斷出之被試驗者(309)之因子1之表現分數為+1,相對於此,圖14所示之正解之表現分數成為0。然而,由於關於其他24名被試驗者之增齡共通因子之表現狀況一致,故而,結果可驗證利用圖13之手法所推斷出之因子得分表示25分之24之較高之精度。
進而,本發明者等人對248人之母集團中之9個形狀特徵種之特徵量群之集合進行將共通因子數設為4之因子分析,決定出該母集團之各個別樣本之因子表現圖案。另一方面,本發明者等人係利用因子表現圖案(16個)將各個別樣本進行分類,針對每個因子表現圖案算出特徵量空間(9維)中之重心,關於各個別樣本,分別算出距離每個因子表現圖案之重心之距離,將該距離最小之因子表現圖案決定為各個別樣本之因子表現圖案。結果,確認使用該距離而決定之因子表現圖案與藉由因子分析而決定之因子表現圖案以81.1%之比率一致。
圖15係表示本實施例中之因子表現狀況之決定手法之圖。於本實施例中,用以根據因子得分獲得因子表現狀況之閾值係利用對該增齡共通因子之因子得分之平均加上0.25σ(σ為標準偏差)所獲得之第1閾值(+0.25σ)、及自該平均減去0.25σ而獲得之第2閾值(-0.25σ)。標準偏差σ係關於各增齡共通因子分別算出,故而第1閾值及第2閾值係針對每個增齡共通因子而分別設置。於本實施例中,於被試驗者之某個增齡共通因子之因子得分大於該增齡共通因子用之第1閾值之情形時,將被試驗者之該增齡共通因子之表現分數設為+1,於該因子得分小於第2閾值之情形時,將該表現分數設為-1,於該因子得分為第1閾值以下且第2閾值以上之情形時,將該表現分數決定為0。
進而,為了驗證增齡共通因子之表現狀況與外表年齡之相關關係,本發明者等人係基於增齡共通因子之表現分數,而將藉由對上述母集團(497名)之因子分析而獲得之各個別樣本分類為如下4種類型(S
群、N群、X群、Y群)。S群係+1之表現分數較-1之表現分數多2個以上之類型,N群係+1之表現分數為1個以下,且-1之表現分數為1個以下,且+1之表現分數之數量與-1之表現分數之數量之差為1個以下之類型,X群係+1之表現分數為2個以上,且-1之表現分數為2個以上,且+1之表現分數之數量與-1之表現分數之數量之差為1個以下之類型,Y群係-1之表現分數較+1之表現分數多2個以上之類型。
本發明者等人係針對外表年齡之每個年代將個別樣本之分類狀況匯總,如圖16所示,證實了增齡共通因子之表現狀況與外表年齡具有關聯。圖16係表示外表年齡之每個年代之個別樣本之分類狀況之圖。根據圖16,外表年齡越高,屬於S群之個別樣本之比率越增加,外表年齡越低,屬於Y群之個別樣本之比率越增加。藉此,證明了增齡共通因子之表現狀況與外表年齡具有關聯,增齡共通因子表現得越多之人,外表年齡越高。
圖17係表示因子表現圖案之分類例之圖。本發明者等人係使用圖10A之例中所決定之各個別樣本之因子表現圖案,針對每個因子表現圖案,算出具有該因子表現圖案之個別樣本之外表年齡之平均,藉由使用該平均年齡,而將因子表現圖案分類為3個群組(記為區域1、區域2及區域3)。於圖17中,帶圈數字表示被決定為表現之增齡共通因子之編號,包圍至少1個帶圈數字之四方形表示1個因子表現圖案,置於該四方形之下方之帶括號之數字表示平均年齡,該帶括號之數字之右側之數字表示屬於該因子表現圖案之個別樣本之數量。
如圖17所示,可知各群組對應於30代、40代、50代之外表年齡層。進而,僅表現出1個增齡共通因子之因子表現圖案被分類為複數個群組中之年齡最小之群組,表現出全部之增齡共通因子(5個)之因子表現圖案及表現出較全部之增齡共通因子少1個之數量(4個)之增齡共通因子之因子表現圖案被分類為複數個群組中之年齡最大之群組。
本發明者等人係藉由對屬於被記為區域2及區域3之各群組之因子表現圖案,進一步使用各個別樣本之因子得分進行群集分析,而將該等因子表現圖案分類成進而詳細之群組。於圖17中,被圈包圍之因子表現圖案表示屬於同一群組。
圖18係表示基於因子表現圖案之分類之增齡資訊之例之圖。對藉由如上所述之因子表現圖案之分類而產生之各群組,分別標註名稱、因子表現圖案、增齡共通因子之表現數、外表年齡之平均值及人數。可藉由將此種表與關於被試驗者所決定之因子表現圖案一併向被試驗者提示,而對被試驗者提供增齡狀況資訊。例如對於僅表現出1個增齡共通因子之被試驗者,可提示於與該表現出之增齡共通因子對應之部位(眼睛、眉毛、下顎、鼻下及唇等)存在使外表年齡增加之主要原因等之分析結果。如此,只要可特定出使外表年齡增加之主要原因之部位,則亦可提出應對該被特定出之部位之美容手術。又,亦可提示賦予至對應之群組之外表年齡之平均來作為被試驗者之外表年齡。
如此,可將上述各實施形態中之方法及裝置用於衰老修護之輔助。此情形時,只要針對每個因子表現圖案或將因子表現圖案分類而得之每個群組,預先使對應之美容手術之資訊建立關聯,則可與被試驗者之增齡資訊一併提供該美容手術資訊。
再者,於上述說明中所使用之複數個流程圖中,依序記載有複數個步驟(處理),但各實施形態中所執行之步驟之執行順序並不限定於該記載之順序。於各實施形態中,可於內容上無影響之範圍內將圖示之步驟之順序變更。又,上述各實施形態及各變化例可於不違背內容之範圍內組合。
上述各實施形態及各變化例之一部分或全部亦可如下述般特定出。然而,上述各實施形態及各變化例並不限定於以下之記載。
<1>一種增齡分析方法,其包含如下步驟:取得關於與年齡具有關聯之複數個形狀特徵種之被試驗者之特徵量群;使用對關於複數個人之母集團之特徵量群之集合進行因子分析而抽選出之複數個增齡共通因子、及上述被試驗者之特徵量群,而決定上述被試驗者之表示該等複數個增齡共通因子之表現狀況之因子表現圖案;及基於上述被試驗者之上述因子表現圖案而取得上述被試驗者之增齡資訊。
<2>如<1>之增齡分析方法,其中上述因子表現圖案之決定包含使用上述被試驗者之上述特徵量群,分別算出關於上述複數個增齡共通因子之各者之上述被試驗者之因子得分,且基於上述被試驗者之每個上述各增齡共通因子之上述因子得分,而決定上述被試驗者之上述因子表現圖案。
<3>
如<2>之增齡分析方法,其中上述因子表現圖案之決定包含:藉由將表示上述母集團之因子得分分佈中之特定位置之閾值與上述被試驗者或上述母集團中所含之個別樣本之因子得分關於上述複數個增齡共通因子分別加以比較,而決定上述被試驗者或上述個別樣本之增齡共通因子之表現狀況,對於上述被試驗者或上述個別樣本決定表示被決定為以上述表現狀況而表現之至少1個增齡共通因子之上述因子表現圖案。
<4>
如<2>或<3>之增齡分析方法,其中
上述被試驗者之因子得分之算出係將上述被試驗者之上述特徵量群分別應用至各複回歸公式,上述各複回歸公式係藉由對關於上述母集團之上述特徵量群之集合,應用將與上述複數個形狀特徵種有關之特徵量群設為說明變數群且將因子得分設為目標變數的每個上述各增齡共通因子之複回歸分析而分別獲得。
<5>
如<4>之增齡分析方法,其中上述母集團不包含上述被試驗者,上述增齡分析方法進而包含:對關於上述母集團之上述特徵量群之集合及上述被試驗者之上述特徵量群應用每個上述各增齡共通因子之複回歸分析,利用藉由每個上述各增齡共通因子之複回歸分析而分別獲得之各複回歸公式,置換自上述母集團獲得之原本之各複回歸公式。
<6>
如<2>或<3>之增齡分析方法,其中上述母集團包含上述被試驗者,上述被試驗者之因子得分之算出係使用對關於上述母集團之上述特徵量群之集合、上述複數個形狀特徵種間之相關係數群、及藉由上述因子分析而獲得之因子負載量群,分別算出關於上述母集團之各個別樣本之各增齡共通因子之因子得分。
<7>
如<1>之增齡分析方法,其中對於上述母集團之各個別樣本,根據該個別樣本之每個上述各增齡共通因子之因子得分,而分別決定因子表現圖案,上述因子表現圖案之決定包含:
對於關於上述母集團所決定之複數個因子表現圖案之各者,分別取得具有同一因子表現圖案之個別樣本之特徵量群之代表值,分別算出上述被試驗者之上述特徵量群與上述各因子表現圖案之上述代表值之距離,且基於上述距離而決定上述被試驗者之上述因子表現圖案。
<8>
如<1>至<7>中任一項之增齡分析方法,其中與上述各增齡共通因子有關之上述母集團中所含之個別樣本之因子得分與年齡之相關係數分別大於上述母集團之樣本數之1%顯著水準之極限值。
<9>
如<1>至<8>中任一項之增齡分析方法,其中上述增齡資訊之取得包含:自根據增齡資訊之共通性將對應於上述各增齡共通因子之表現狀況之全部組合之所有因子表現圖案加以分類而得之複數個群組中,選擇對應於上述被試驗者之因子表現圖案之群組。
<10>
如<9>之增齡分析方法,其中對於上述母集團之各個別樣本,根據該個別樣本之每個上述各增齡共通因子之因子得分,而分別決定因子表現圖案,上述所有因子表現圖案係基於具有同一因子表現圖案之各個別樣本之年齡、因子得分及因子表現數之至少1者,而被分類至上述複數個群組。
<11>
如<9>或<10>之增齡分析方法,其中上述複數個群組係根據年齡層而形成,未表現出增齡共通因子或僅表現出1個增齡共通因子之因子表現
圖案被分類至上述複數個群組中之年齡最小之群組,表現出全部之增齡共通因子之因子表現圖案及表現出數量較全部之增齡共通因子少一個之增齡共通因子的因子表現圖案被分類至上述複數個群組中之年齡最大之群組。
<12>
如<9>至<11>中任一項之增齡分析方法,其中上述增齡資訊之取得進而包含取得對根據上述被試驗者之因子表現圖案而選擇之群組賦予之增齡資訊。
<13>
如<1>至<12>中任一項之增齡分析方法,其進而包含:取得關於上述複數個形狀特徵種之上述母集團中所不含之新個別樣本之特徵量群,對上述新個別樣本之特徵量群及上述母集團之特徵量群之集合執行使用上述增齡共通因子之數量之因子分析,使用利用上述因子分析而重新獲得之因子負載量群,重新分別算出關於對上述母集團添加上述新個別樣本而得之新母集團之各個別樣本之每個增齡共通因子之因子得分,根據上述重新獲得之因子負載量群及關於上述新母集團之各個別樣本之因子得分,而更新自上述母集團獲得之原本之資訊。
<14>
如<1>至<13>中任一項之增齡分析方法,其中與年齡具有關聯之上述複數個形狀特徵種包含鼻下之長度及唇之厚薄之至少一者、眼睛之大小、眼睛之傾斜度、眉毛之傾斜度及下顎之鼓出中之至少2者。
<15>
如<1>至<14>中任一項之增齡分析方法,其中
上述年齡為外表年齡,上述增齡共通因子之數量為5個,關於與上述外表年齡具有關聯之上述複數個形狀特徵種之上述特徵量群包含表示鼻下之長度及唇之厚薄之複數個特徵量、表示眼睛相對於臉頰寬度之相對大小之複數個特徵量、表示上下方向及前後方向之眼睛之傾斜度之複數個特徵量、表示相對於臉頰寬度之眉毛之下垂狀態之複數個特徵量、及表示相對於臉頰寬度之下顎角寬度之大小、及顎尖、耳與下顎角之位置關係之複數個特徵量。
<16>
如<1>至<15>中任一項之增齡分析方法,其中與年齡具有關聯之上述複數個形狀特徵種係基於藉由將與該等多個形狀特徵種有關之特徵量群設為說明變數群且將年齡設為目標變數之複回歸分析而獲得之針對每個形狀特徵種之複相關係數,而自人之頭部表面之多個形狀特徵種中篩選出。
<17>
一種增齡分析裝置,其具備:取得機構,其取得關於與年齡具有關聯之複數個形狀特徵種之被試驗者之特徵量群;決定機構,其使用對關於複數個人之母集團之特徵量群之集合進行因子分析而抽選出之複數個增齡共通因子、及上述被試驗者之特徵量群,而決定上述被試驗者之表示該等複數個增齡共通因子之表現狀況之因子表現圖案;及輸出機構,其基於上述被試驗者之上述因子表現圖案而輸出上述被試驗者之增齡資訊。
<18>
如<17>之增齡分析裝置,其中
上述決定機構係包含算出機構,該算出機構係使用上述被試驗者之上述特徵量群,分別算出關於上述複數個增齡共通因子之各者之上述被試驗者之因子得分之,且基於上述被試驗者之每個上述各增齡共通因子之上述因子得分,而決定上述被試驗者之上述因子表現圖案。
<19>
如<18>之增齡分析裝置,其中上述決定機構係將表示上述母集團之因子得分分佈中之特定位置之閾值與上述被試驗者之因子得分關於上述複數個增齡共通因子分別加以比較,藉此決定上述被試驗者所表現出之增齡共通因子,對上述被試驗者決定表示被決定為表現之至少1個增齡共通因子之上述因子表現圖案。
<20>
如<18>或<19>之增齡分析裝置,其中上述算出機構係將上述被試驗者之上述特徵量群分別應用至各複回歸公式,上述各複回歸公式係藉由對關於上述母集團之上述特徵量群之集合,應用將與上述複數個形狀特徵種有關之特徵量群設為說明變數群且將因子得分設為目標變數的每個上述各增齡共通因子之複回歸分析而分別獲得。
<21>
如<20>之增齡分析裝置,其中上述母集團不包含上述被試驗者,上述取得機構進而取得關於上述母集團之上述特徵量群之集合,
上述算出機構係對關於上述母集團之上述特徵量群之集合及上述被試驗者之上述特徵量群應用每個上述各增齡共通因子之複回歸分析,利用藉由每個上述各增齡共通因子之複回歸分析而分別獲得之各複回歸公式,置換自上述母集團獲得之原本之各複回歸公式。
<22>
如<18>或<19>之增齡分析裝置,其中上述母集團包含上述被試驗者,上述取得機構係進而取得關於上述母集團之上述特徵量群之集合、上述複數個形狀特徵種間之相關係數群、及藉由上述因子分析而獲得之因子負載量群,上述算出機構係使用藉由上述取得機構而取得之上述特徵量群之集合、上述相關係數群及上述因子負載量群,分別算出關於上述母集團之各個別樣本之各增齡共通因子之因子得分。
<23>
如<17>之增齡分析裝置,其中對於上述母集團之各個別樣本,根據該個別樣本之每個上述各增齡共通因子之因子得分,而分別決定因子表現圖案,上述取得機構係對於關於上述母集團所決定之複數個因子表現圖案之各者,分別進而取得具有同一因子表現圖案之個別樣本之特徵量群之代表值,上述決定機構係包含算出機構,該算出機構分別算出上述被試驗者之上述特徵量群與上述各因子表現圖案之上述代表值之距離,且基於上述距離而決定上述被試驗者之上述因子表現圖案。
<24>
如<17>至<23>中任一項之增齡分析裝置,其中與上述各增齡共通因子有關之上述母集團中所含之個別樣本之因子得分與年齡之相關係數分別大於上述母集團之樣本數之1%顯著水準之極限值。
<25>
如<17>至<24>中任一項之增齡分析裝置,其中上述輸出機構係輸出對上述複數個增齡共通因子之各者賦予之名稱及表示上述被試驗者之因子表現圖案之上述增齡資訊。
<26>
如<17>至<25>中任一項之增齡分析裝置,其進而具備選擇機構,該選擇機構係自根據增齡之共通性將與上述各增齡共通因子之表現狀況之全部組合對應之所有因子表現圖案加以分類而得之複數個群組中,選擇對應於上述被試驗者之因子表現圖案之群組。
<27>
如<26>之增齡分析裝置,其中對於上述母集團之各個別樣本,根據該個別樣本之每個上述各增齡共通因子之因子得分,而分別決定因子表現圖案,上述所有因子表現圖案係基於具有同一因子表現圖案之各個別樣本之年齡、因子得分及因子表現數之至少1者而分類成上述複數個群組。
<28>
如<26>或<27>之增齡分析裝置,其中上述複數個群組係根據年齡層而形成,未表現出增齡共通因子或僅表現出1個增齡共通因子之因子表現圖案,被分類至上述複數個群組中之年齡最小之群組,表現出全部之增齡共通因子之因子表現圖案及表現出數量較全部之增齡共通因子少
一個之增齡共通因子的因子表現圖案,被分類至上述複數個群組中之年齡最大之群組。
<29>
如<26>至<28>中任一項之增齡分析裝置,其中上述輸出機構係輸出對根據上述被試驗者之因子表現圖案而選擇之群組賦予之上述增齡資訊。
<30>
如<17>至<29>中任一項之增齡分析裝置,其進而具備分析處理機構,該分析處理機構係對關於上述複數個形狀特徵種之複數個個別樣本之特徵量群進行使用上述增齡共通因子之數量之因子分析,上述取得機構進而取得與上述複數個形狀特徵種有關之上述母集團中所不含之新個別樣本之特徵量群,上述分析處理機構係對上述新個別樣本之特徵量群及上述母集團之特徵量群之集合執行上述因子分析,使用利用上述因子分析而重新獲得之因子負載量群,重新分別算出關於對上述母集團添加上述新個別樣本而得之新母集團之各個別樣本之每個增齡共通因子之因子得分,根據上述重新獲得之因子負載量群及關於上述新母集團之各個別樣本之因子得分,而更新自上述母集團獲得之原本之資訊。
<31>
如<17>至<30>中任一項之增齡分析裝置,其中與年齡具有關聯之上述複數個形狀特徵種包含鼻下之長度及唇之厚薄之至少一者、眼睛之大小、眼睛之傾斜度、眉毛之傾斜度及下顎之鼓出中之至少2者。
<32>
如<17>至<31>中任一項之增齡分析裝置,其中上述年齡為外表年齡,上述增齡共通因子之數量為5個,且包含表示鼻下之長度及唇之厚薄之複數個特徵量、表示眼睛相對於臉頰寬度之相對大小之複數個特徵量、表示上下方向及前後方向之眼睛之傾斜度之複數個特徵量、表示相對於臉頰寬度之眉毛之下垂狀態之複數個特徵量、及表示相對於臉頰寬度之下顎角寬度之大小、及顎尖、耳與下顎角之位置關係之複數個特徵量。
<33>
如<17>至<32>中任一項之增齡分析裝置,其中與年齡具有關聯之上述複數個形狀特徵種係基於藉由將與該等多個形狀特徵種有關之特徵量群設為說明變數群且將外表年齡設為目標變數之複回歸分析而獲得之每個形狀特徵種之複相關係數,而自人之頭部表面之多個形狀特徵種中篩選出。
<34>
一種衰老修護之輔助方法,其包含如<1>至<16>中任一項之增齡分析方法。
<35>
一種程式,其使至少1台電腦執行如<1>至<16>中任一項之增齡分析方法。
本申請案係主張以2014年2月24日提出申請之日本申請案特願2014-033374號為基礎之優先權,且將其全部揭示引入本文。
S11、S13、S15:步驟
Claims (21)
- 一種增齡分析方法,其包含如下步驟:取得關於與年齡具有關聯之複數個形狀特徵種之被試驗者之特徵量群;使用對關於複數個人之母集團之特徵量群之集合進行因子分析而抽選出之複數個增齡共通因子、及上述被試驗者之特徵量群,而決定上述被試驗者之表示該等複數個增齡共通因子之表現狀況之因子表現圖案;及基於上述被試驗者之上述因子表現圖案而取得上述被試驗者之增齡資訊。
- 如請求項1之增齡分析方法,其中上述因子表現圖案之決定包含使用上述被試驗者之上述特徵量群,分別算出關於上述複數個增齡共通因子之各者之上述被試驗者之因子得分,且基於上述被試驗者之每個上述各增齡共通因子之上述因子得分,而決定上述被試驗者之上述因子表現圖案。
- 如請求項2之增齡分析方法,其中上述因子表現圖案之決定包含:藉由將表示上述母集團之因子得分分佈中之特定位置之閾值與上述被試驗者或上述母集團中所含之個別樣本之因子得分針對上述複數個增齡共通因子分別加以比較,而決定上述被試驗者或上述個別樣本之增齡共通因子之表現狀況,對於上述被試驗者或上述個別樣本,決定表示被決定為以上述表現狀況而表現之至少1個增齡共通因子之上述因子表現圖案。
- 如請求項2之增齡分析方法,其中上述被試驗者之因子得分之算出係將上述被試驗者之上述特徵量群分別應用至各複回歸公式,上述各複回歸公式係藉由對關於上述母集團之上述特徵量群之集合,應用將與上述複數個形狀特徵種有關之特徵量群設為說明變數群且將因子得分設為目標變數的每個上述各增齡共通因子之複回歸分析而分別獲得。
- 如請求項4之增齡分析方法,其中上述母集團不包含上述被試驗者,上述增齡分析方法進而包含:對關於上述母集團之上述特徵量群之集合及上述被試驗者之上述特徵量群,應用每個上述各增齡共通因子之複回歸分析,利用藉由每個上述各增齡共通因子之複回歸分析而分別獲得之各複回歸公式,置換自上述母集團獲得之原本之各複回歸公式。
- 如請求項2之增齡分析方法,其中上述母集團包含上述被試驗者,上述被試驗者之因子得分之算出係使用對關於上述母集團之上述特徵量群之集合、上述複數個形狀特徵種間之相關係數群、及藉由上述因子分析而獲得之因子負載量群,分別算出關於上述母集團之各個別樣本之各增齡共通因子之因子得分。
- 如請求項1之增齡分析方法,其中對於上述母集團之各個別樣本,根據該個別樣本之每個上述各增齡共通因子之因子得分,而分別決定因子表現圖案,上述因子表現圖案之決定包含:對於關於上述母集團所決定之複數個因子表現圖案之各者, 分別取得具有同一因子表現圖案之個別樣本之特徵量群之代表值,分別算出上述被試驗者之上述特徵量群與上述各因子表現圖案之上述代表值之距離,且基於上述距離而決定上述被試驗者之上述因子表現圖案。
- 如請求項1至7中任一項之增齡分析方法,其中與上述各增齡共通因子有關之上述母集團中所含之個別樣本之因子得分與年齡之相關係數,分別大於上述母集團之樣本數之1%顯著水準之極限值。
- 如請求項1之增齡分析方法,其中上述增齡資訊之取得包含:自根據增齡資訊之共通性將對應於上述各增齡共通因子之表現狀況之全部組合之所有因子表現圖案加以分類而得之複數個群組中,選擇對應於上述被試驗者之因子表現圖案之群組。
- 如請求項9之增齡分析方法,其中對於上述母集團之各個別樣本,根據該個別樣本之上述各增齡共通因子之因子得分,而分別決定因子表現圖案,上述所有因子表現圖案係基於具有同一因子表現圖案之各個別樣本之年齡、因子得分及因子表現數之至少1者,而被分類至上述複數個群組。
- 如請求項9之增齡分析方法,其中上述複數個群組係根據年齡層而形成,未表現出增齡共通因子或僅表現出1個增齡共通因子之因子表現圖案被分類至上述複數個群組中之年齡最小之群組,表現出全部之增齡共通因子之因子表現圖案及表現出數量較全部之增齡共通因子少一個之增齡共通因子的因子表現圖案被分類至上 述複數個群組中之年齡最大之群組。
- 如請求項9之增齡分析方法,其中上述增齡資訊之取得進而包含取得對根據上述被試驗者之因子表現圖案而選擇之群組賦予之增齡資訊。
- 如請求項1至7及9至12中任一項之增齡分析方法,其中與年齡具有關聯之上述複數個形狀特徵種包含鼻下之長度及唇之厚薄之至少一者、眼睛之大小、眼睛之傾斜度、眉毛之傾斜度及下顎之鼓出中之至少2者。
- 如請求項1至7及9至12中任一項之增齡分析方法,其中上述年齡為外表年齡,上述增齡共通因子之數量為5個,關於與上述外表年齡具有關聯之上述複數個形狀特徵種之上述特徵量群包含表示鼻下之長度及唇之厚薄之複數個特徵量、表示眼睛相對於臉頰寬度之相對大小之複數個特徵量、表示上下方向及前後方向之眼睛之傾斜度之複數個特徵量、表示相對於臉頰寬度之眉毛之下垂狀態之複數個特徵量、及表示相對於臉頰寬度之下顎角寬度之大小、及顎尖、耳與下顎角之位置關係之複數個特徵量。
- 如請求項1至7及9至12中任一項之增齡分析方法,其中與年齡具有關聯之上述複數個形狀特徵種係基於藉由將與該等多個形狀特徵種有關之特徵量群設為說明變數群且將年齡設為目標變數之複回歸分析而獲得之每個形狀特徵種之複相關係數,而自人之頭部表面之多個形狀特徵種中篩選出。
- 一種使用增齡分析方法之衰老修護之輔助方法,其使用如請求項1至7及9至12中任一項之增齡分析方法,且包含:針對每個上述因子表現圖案或將上述因子表現圖案分類而得 之每個群組,預先使對應之美容手術之資訊建立關聯;及基於藉由上述加齡分析方法而關於上述被試驗者所決定之上述因子表現圖案,提供上述對應之美容手術之資訊。
- 一種增齡分析裝置,其具備:取得機構,其取得關於與年齡具有關聯之複數個形狀特徵種之被試驗者之特徵量群;決定機構,其使用對關於複數個人之母集團之特徵量群之集合進行因子分析而抽選出之複數個增齡共通因子、及上述被試驗者之特徵量群,而決定上述被試驗者之表示該等複數個增齡共通因子之表現狀況之因子表現圖案;及輸出機構,其基於上述被試驗者之上述因子表現圖案而輸出上述被試驗者之增齡資訊。
- 如請求項17之增齡分析裝置,其中上述輸出機構係輸出對上述複數個增齡共通因子之各者賦予之名稱及表示上述被試驗者之因子表現圖案之上述增齡資訊。
- 如請求項17之增齡分析裝置,其中上述輸出機構係輸出對根據上述被試驗者之因子表現圖案而選擇之群組賦予之上述增齡資訊。
- 如請求項17至19中任一項之增齡分析裝置,其進而具備分析處理機構,該分析處理機構係對關於上述複數個形狀特徵種之複數個個別樣本之特徵量群使用上述增齡共通因子之數量進行因子分析,上述取得機構進而取得與上述複數個形狀特徵種有關之上述母集團中所不含之新個別樣本之特徵量群,上述分析處理機構係對上述新個別樣本之特徵量群及上述母集團之特徵量群之集 合執行上述因子分析,使用利用上述因子分析而重新獲得之因子負載量群,重新分別算出關於對上述母集團添加上述新個別樣本而得之新母集團之各個別樣本之每個增齡共通因子之因子得分,根據上述重新獲得之因子負載量群及關於上述新母集團之各個別樣本之因子得分,而更新自上述母集團獲得之原本之資訊。
- 一種電腦可讀取之記錄媒體,其記錄使至少1台電腦執行如請求項1至7及9至12中任一項之增齡分析方法之程式。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014-033374 | 2014-02-24 | ||
JP2014033374 | 2014-02-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201535320A TW201535320A (zh) | 2015-09-16 |
TWI716344B true TWI716344B (zh) | 2021-01-21 |
Family
ID=53878261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104105733A TWI716344B (zh) | 2014-02-24 | 2015-02-17 | 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 |
Country Status (5)
Country | Link |
---|---|
JP (1) | JP5897745B2 (zh) |
CN (1) | CN106030659B (zh) |
SG (1) | SG11201606083TA (zh) |
TW (1) | TWI716344B (zh) |
WO (1) | WO2015125759A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7074422B2 (ja) * | 2016-11-02 | 2022-05-24 | 花王株式会社 | 加齢分析方法 |
JP7393654B2 (ja) * | 2020-05-15 | 2023-12-07 | 花王株式会社 | 唇年齢又は唇印象による唇の評価方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009294958A (ja) * | 2008-06-05 | 2009-12-17 | Kao Corp | 顔画像の合成方法 |
CN101615248A (zh) * | 2009-04-21 | 2009-12-30 | 华为技术有限公司 | 年龄估计方法、设备和人脸识别系统 |
WO2011096010A1 (ja) * | 2010-02-02 | 2011-08-11 | 株式会社 東芝 | パターン認識装置 |
CN102567719A (zh) * | 2011-12-26 | 2012-07-11 | 东南大学 | 基于后验概率神经网络的人类年龄自动估计方法 |
WO2013005447A1 (ja) * | 2011-07-07 | 2013-01-10 | 花王株式会社 | 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 |
TW201305923A (zh) * | 2011-04-11 | 2013-02-01 | Intel Corp | 偵測臉部屬性的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556701A (zh) * | 2009-05-15 | 2009-10-14 | 陕西盛世辉煌智能科技有限公司 | 基于平均脸和衰老比例图的人脸图像年龄变换方法 |
-
2015
- 2015-02-17 WO PCT/JP2015/054213 patent/WO2015125759A1/ja active Application Filing
- 2015-02-17 TW TW104105733A patent/TWI716344B/zh active
- 2015-02-17 CN CN201580010241.7A patent/CN106030659B/zh active Active
- 2015-02-17 SG SG11201606083TA patent/SG11201606083TA/en unknown
- 2015-02-23 JP JP2015032943A patent/JP5897745B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009294958A (ja) * | 2008-06-05 | 2009-12-17 | Kao Corp | 顔画像の合成方法 |
CN101615248A (zh) * | 2009-04-21 | 2009-12-30 | 华为技术有限公司 | 年龄估计方法、设备和人脸识别系统 |
WO2011096010A1 (ja) * | 2010-02-02 | 2011-08-11 | 株式会社 東芝 | パターン認識装置 |
TW201305923A (zh) * | 2011-04-11 | 2013-02-01 | Intel Corp | 偵測臉部屬性的方法 |
WO2013005447A1 (ja) * | 2011-07-07 | 2013-01-10 | 花王株式会社 | 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 |
CN102567719A (zh) * | 2011-12-26 | 2012-07-11 | 东南大学 | 基于后验概率神经网络的人类年龄自动估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106030659A (zh) | 2016-10-12 |
CN106030659B (zh) | 2019-01-22 |
SG11201606083TA (en) | 2016-08-30 |
JP2015172935A (ja) | 2015-10-01 |
WO2015125759A1 (ja) | 2015-08-27 |
JP5897745B2 (ja) | 2016-03-30 |
TW201535320A (zh) | 2015-09-16 |
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 | |
Niziol et al. | Is there an ideal outcome scoring system for facial reanimation surgery? A review of current methods and suggestions for future publications | |
Gilani et al. | Geometric facial gender scoring: objectivity of perception | |
Lee et al. | Atlas-based shape analysis and classification of retinal optical coherence tomography images using the functional shape (fshape) framework | |
JP4280699B2 (ja) | 皮膚の分析システム及び方法 | |
TWI452998B (zh) | System and method for establishing and analyzing skin parameters using digital image multi-area analysis | |
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 | |
US20150164402A1 (en) | Device to determine visuo-spatial ability | |
CN112819818B (zh) | 图像识别模块训练方法和装置 | |
TWI716344B (zh) | 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 | |
JP2013171409A (ja) | 化粧顔画像評価装置及び化粧顔画像評価方法 | |
Hayes | A geometric morphometric evaluation of the Belanglo ‘Angel’facial approximation | |
Wu et al. | Learning to rank the severity of unrepaired cleft lip nasal deformity on 3d mesh data | |
Gaber et al. | Comprehensive assessment of facial paralysis based on facial animation units | |
Wilson et al. | The prevalence of lip vermilion morphological traits in a 15‐year‐old population | |
Chen et al. | Virtual reality improves clinical assessment of the optic nerve | |
Hontscharuk et al. | Primary orbital fracture repair: development and validation of tools for morphologic and functional analysis | |
JP2022078936A (ja) | 肌画像分析方法 | |
Comunello et al. | A computational method for the semi-automated quantitative analysis of tympanic membrane perforations and tympanosclerosis | |
JP2018073273A (ja) | 加齢分析方法 | |
JP6209417B2 (ja) | 目元印象評価装置および目元印象評価方法 | |
WO2021241475A1 (ja) | たるみ評価方法、装置、プログラム、およびシステム | |
ES2963861T3 (es) | Método y sistema para seleccionar parámetros de un elemento de diseño o seguridad de billetes basado en neuroanálisis | |
JP5959920B2 (ja) | 目の大きさの印象判定方法及びその装置 | |
Leta et al. | A study of the facial aging-a multidisciplinary approach |