WO2013005447A1

WO2013005447A1 - 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

Info

Publication number: WO2013005447A1
Application number: PCT/JP2012/004404
Authority: WO
Inventors: 健雄今井
Original assignee: 花王株式会社
Priority date: 2011-07-07
Filing date: 2012-07-06
Publication date: 2013-01-10
Also published as: JP5231685B1; CN103649987B; JPWO2013005447A1; US9330298B2; US20140226896A1; EP2731072A4; CN103649987A; EP2731072A1

Abstract

　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）を備えている。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。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、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。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。顔印象決定部（６０）は、記憶部（７０）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。

Description

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

　本発明は、顔印象分析方法、これを用いた美容カウンセリング方法、顔画像生成方法、顔印象分析方法を実現する顔印象分析装置および顔印象分析システムに関する。

　従来の美容カウンセリング方法の一例として、年代別の平均的な顔と顧客である被験者の顔との比較検討結果を指標として、エイジング（加齢）に伴う被験者の顔立ちの変化を定性的に把握することが行われていた。しかしながら、このような指標は定量的なものではなく、エイジングに伴う被験者の顔立ちがどの程度変化したかという定量的な判断はカウンセリング担当者の主観に大きく委ねられていた。

　中高年女性をはじめとする多くの被験者にとっての「見られたい印象」として、まず「若く見られること」を挙げることができる。女性のみならず男性に関しても、特に中高年者の場合には、「見掛け年齢を若く維持する」ことへの関心は高い。

　このことから、被験者の顔（顔立ち）においてエイジングを印象づける因子を定量化することは極めて有用と考えられる。被験者の顔の造作から印象づけられる見掛け年齢が実年齢よりも若いか否かを定量化することにより、仕上がりの満足度の高いメイクアップや美容マッサージ等の美容施術を提供することができると考えられるからである。

　また、若い女性にとっての「若く見られること」以外の「見られたい印象」としては、「小顔」や「大人顔」などを挙げることができる。大人顔(adult face)は童顔(baby face)の対語であり、顔立ちが大人びて見える程度をいう。大人顔の程度と見掛け年齢とは異なる概念である。見掛け年齢は被験者が何歳に見えるかを示す指標である。大人顔の程度は、見掛け年齢によらず、被験者の顔立ちが大人っぽいかまたは子供っぽいかを示す指標である。

　特許文献１には、被験者の二次元顔画像から被験者の顔の加齢変化を予測する方法が記載されている。特許文献１には、年代ごとの平均顔を多数の二次元画像より生成し、顔形、上瞼、口角、鼻唇溝、下顎などの寸法や位置を因子として、平均顔と被験者の顔とを対比することが記載されている。

　特許文献２には、顔を含む頭部の三次元形状情報を装置で計測して、顔の各点における曲面の曲率の分布を算出して顔形状を評価することが記載されている。

　特許文献３には、人間の頭部の三次元形状モデル同士でデータ点数（節点数）およびトポロジーを統一した相同モデルを生成して、比較的少ないデータ量で主成分分析などの多変量解析を実行可能とする演算方法が記載されている。すなわち、特許文献３は相同モデルの生成方法に関する。

　特許文献４には、被験者の正面の二次元顔画像の形状特徴ベクトルを主成分分析して第１主成分を求め、この第１主成分の固有値を変化させて画像を再構成することが記載されている。これにより、被験者の顔画像の見掛け年齢や表情、体型等を変化させることが可能であるとされている。

特開２００１－３３１７９１号公報特開２００９－０５４０６０号公報特開２００８－１７１０７４号公報特開２００４－１０２３５９号公報

　本発明の顔印象分析方法は、顔形状情報と、一または複数の特徴量と、から被験者の顔における上記特徴量の発現量を算出し、上記発現量に基づいて上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。上記顔形状情報は、被験者の顔表面の形状を表す情報である。上記特徴量は、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ものである。

　本発明の第一の美容カウンセリング方法は、上記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、算出された上記発現量が所定以上である上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。

　本発明の第二の美容カウンセリング方法は、上記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、上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上記母集団を複数の上記群に分類するとともに、上記被験者の上記発現量に基づいて上記被験者が属する上記群を求め、上記被験者が属する上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。

　本発明の顔画像生成方法は、顔形状情報と、一または複数の特徴量と、から被験者の顔における上記特徴量の発現量を算出し、上記顔形状情報における上記発現量を変更し、変更された上記顔形状情報に基づいて上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。上記顔形状情報は、上記被験者の顔表面の形状を表す情報である。上記特徴量は、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ものである。

　本発明の顔印象分析装置は、顔形状取得手段、記憶手段、顔成分解析手段および顔印象決定手段を備える。顔形状取得手段は、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。記憶手段は、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、および上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手段である。顔成分解析手段は、上記顔形状情報と上記特徴量とから上記被験者の顔における上記特徴量の発現量を算出する手段である。顔印象決定手段は、上記記憶手段を参照して、上記特徴量および上記発現量に基づいて上記印象傾向またはその度合いを取得する手段である。

　本発明の顔印象分析システムは、受信手段、記憶手段、顔成分解析手段、顔印象決定手段および送信手段を備える。受信手段は、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手段である。記憶手段は、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、および上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手段である。顔成分解析手段は、上記顔形状情報と上記特徴量とから上記被験者の顔における上記特徴量の発現量を算出する手段である。顔印象決定手段は、上記記憶手段を参照して、上記特徴量および上記発現量に基づいて上記印象傾向またはその度合いを取得する手段である。送信手段は、取得した上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手段である。

　上記発明において、顔の造作の印象傾向とは、顔の全体または部分の三次元形状に起因して受ける、顔の見た目に関する属性である。顔の造作の印象傾向の度合いとは、当該属性の顕著性の高低をいう。

　上述した目的、およびその他の目的、特徴および利点は、以下に述べる好適な実施の形態、およびそれに付随する以下の図面によってさらに明らかになる。

本発明の第一実施形態にかかる顔印象分析装置を示す機能ブロック図である。第一実施形態にかかる顔印象分析方法のフローチャートである。第一実施形態および実施例１にかかる母集団解析モデルに関する主成分分析結果を表すテーブルである。図３の分析結果に対応する１次から１５次までの主成分が帰属する形状変化の特徴を表すテーブルである。図３の分析結果による傾向情報のテーブルの例である。本発明の第二実施形態にかかる顔印象分析装置を含む顔印象分析システムを示す機能ブロック図である。第二実施形態の顔印象分析システムを用いておこなう顔印象分析方法のフローチャートである。美容情報を表すテーブルである。（ａ）は被験者の頭部全体の三次元光学データであり、（ｂ）は１３点の特徴点を示す図であり、（ｃ）はジェネリックモデルを示す図である。相同モデルを示す斜視図である。（ａ）から（ｅ）は、２０代から６０代の各年代の被験者の平均顔形状をそれぞれ示す図である。（ａ）は２０代と３０代の被験者の平均顔形状を示す図であり、（ｂ）は２０代から６０代の全年代の被験者の平均顔形状を示す図であり、（ｃ）は５０代と６０代の被験者の平均顔形状を示す図である。（ａ）は第１主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第１主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第２主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第２主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第３主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第３主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第４主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第４主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第５主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第５主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第６主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第６主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第７主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第７主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第８主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第８主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第９主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第９主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第１０主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第１０主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第１１主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第１１主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第１２主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第１２主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第１３主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第１３主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第１４主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第１４主成分のみを＋３σとした顔形状の斜視図である。（ａ）は第１５主成分のみを－３σとした仮想形状の斜視図、（ｂ）は全体平均顔の斜視図、（ｃ）は第１５主成分のみを＋３σとした顔形状の斜視図である。基底次数ごとの重み係数と見掛け年齢との相関係数を示すテーブルである。ｔ検定結果を示す表である。基底次数ごとの重み係数と実年齢との相関関係を示すテーブルである。（ａ）から（ｆ）は、９次の基底ベクトルに関して＋１σから＋３σまでおよび－１σから－３σまで基底ベクトルの重み係数を変化させた６枚の画像である。エイジング印象因子を変化させたときの仮想形態の年齢印象の変化を表すグラフである。（ａ）から（ｄ）は、エイジング印象軸を複数組みあわせた相同モデルの斜視図である。２０代から６０代の各年代１０名の母集団の被験者が保有するエイジング印象軸の数を示すテーブルである。エイジング傾向の群を示すテーブルの一例である。実施例２にかかる母集団解析モデルに関する主成分分析結果を表すテーブルである。図３６の分析結果に対応する１次から２０次までの主成分が帰属する形状変化の特徴を表すテーブルである。実施例２にかかる基底次数ごとの重み係数と見掛け年齢との相関係数を示すテーブルである。（ａ）はＩ型の若年層、（ｂ）はＩ型の高齢層の各平均顔形状の正面図である。（ｃ）はＩＩ型の若年層、（ｄ）はＩＩ型の高齢層の各平均顔形状の正面図である。（ｅ）はＩＩＩ型の若年層、（ｆ）はＩＩＩ型の高齢層の各平均顔形状の正面図である。（ｇ）はＩＶ型の若年層、（ｈ）はＩＶ型の高齢層の各平均顔形状の正面図である。（ａ）から（ｄ）はＩ型からＩＶ型の被験者に関する加齢因子ごとの主成分得点の平均を示すテーブルである。（ａ）から（ｄ）はＩ型からＩＶ型の被験者に関する有意な加齢因子ごとの偏回帰係数および定数項を示すテーブルである。（ａ）はＩ型に属する全被験者の平均顔形状モデルの斜視図であり、（ｂ）は（ａ）を３０歳まで若化した状態の斜視図であり、（ｃ）は（ａ）を６０歳まで加齢した状態の斜視図である。（ａ）はＩ型の若齢層に属する２０人の平均顔の正面図であり、（ｂ）はＩ型の高齢層に属する１９人の平均顔の正面図である。（ａ）はＩＩ型に属する全被験者の平均顔形状モデルの斜視図であり、（ｂ）は（ａ）を３０歳まで若化した状態の斜視図であり、（ｃ）は（ａ）を６０歳まで加齢した状態の斜視図である。（ａ）はＩＩＩ型に属する全被験者の平均顔形状モデルの斜視図であり、（ｂ）は（ａ）を３０歳まで若化した状態の斜視図であり、（ｃ）は（ａ）を６０歳まで加齢した状態の斜視図である。（ａ）はＩＶ型に属する全被験者の平均顔形状モデルの斜視図であり、（ｂ）は（ａ）を３０歳まで若化した状態の斜視図であり、（ｃ）は（ａ）を６０歳まで加齢した状態の斜視図である。実施例３にかかる基底次数ごとの重み係数と大人顔の程度との相関係数を示すテーブルである。（ａ）は母集団全員のうちもっとも大人顔であった１０人の被験者の平均顔である。（ｂ）は母集団全員のうちもっとも童顔であった１０人の被験者の平均顔である。実施例３にかかるクラスター分類結果を示すテーブルである。実施例３に関し、（ａ）はクラスター１に属する被験者の平均顔である。（ｂ）はクラスター２に属する被験者の平均顔である。（ｃ）はクラスター３に属する被験者の平均顔である。（ｄ）はクラスター４に属する被験者の平均顔である。実施例４にかかる基底次数ごとの重み係数と小顔印象の程度との相関係数を示すテーブルである。（ａ）は母集団全員のうちもっとも小顔印象が弱かった１０人の被験者の平均顔である。（ｂ）は母集団全員のうちもっとも小顔印象が強かった１０人の被験者の平均顔である。実施例４にかかるクラスター分類結果を示すテーブルである。実施例４に関し、（ａ）はクラスター１に属する被験者の平均顔である。（ｂ）はクラスター２に属する被験者の平均顔である。（ｃ）はクラスター３に属する被験者の平均顔である。（ｄ）はクラスター４に属する被験者の平均顔である。実施例５にかかる基底次数ごとの重み係数と目の大きさ印象の程度との相関係数を示すテーブルである。（ａ）は母集団全員のうちもっとも目が大きい印象であった１０人の被験者の平均顔である。（ｂ）は母集団全員のうちもっとも目が小さい印象であった１０人の被験者の平均顔である。実施例５にかかるクラスター分類結果を示すテーブルである。実施例５に関し、（ａ）はクラスター１に属する被験者の平均顔である。（ｂ）はクラスター２に属する被験者の平均顔である。（ｃ）はクラスター３に属する被験者の平均顔である。（ｄ）はクラスター４に属する被験者の平均顔である。

　以下、本発明の実施形態を図面に基づいて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。

　はじめに、以下に説明する本発明の概要を説明する。

　上記の特許文献１に記載された方法は、被験者の顔における特定の部位の形態に基づいて、その顔が加齢により将来的にどのように変化していくかを予測するものであるため予測精度に欠ける。なぜならば、被験者ごとに顔形状は微妙に異なるため、特定の部位の形態に基づいて普遍的に加齢予測をすることは困難だからである。特許文献２の方法でも、被験者の顔全体の印象を正確に定量化することは困難であった。

　また、顔形状のベクトルデータの第１主成分は形状に与える寄与率が大きいことから、特許文献４に記載された方法のように第１主成分の固有値を変化させると被験者の顔形状を種々に変化させることができる。しかしながら、特許文献４の方法は分析精度が低く、第１主成分以外の高次の主成分は見掛け年齢や表情、体型等との相関が見られなかったとされている。

　本発明の実施形態によれば、顔の形状変化にかかわる被験者の顔の見た目の印象を客観評価して、メイクアップアドバイス等のカウンセリングを正確に行うための有効な情報を得る方法が提供される。

　本発明者は、複数人の母集団の顔表面の三次元形状を取得して母集団顔情報を生成し、この母集団顔情報に対して統計的な解析手法である多変量解析を用いて基底ベクトルを抽出した。そして本発明者は、幾つかの次数の特徴量（基底ベクトル）は顔の造作の印象傾向と高い相関があることを見出した。これにより本発明者は、被験者の顔形状情報において、当該次数の特徴量がどの程度発現しているかを定量的に算出することで、その被験者の印象傾向を客観化することが可能であることに想到した。

　本発明の実施形態にかかる顔印象分析方法および顔印象分析装置によれば、被験者の顔の見た目の印象を客観評価して、メイクアップアドバイス等のカウンセリングを正確に行うための有効な情報を得ることができる。したがって、かかる顔印象分析方法を用いた美容カウンセリング方法によれば、美容に関する被験者ごとの客観化された情報が提供される。また、本発明の実施形態にかかる顔印象分析システムによれば、被験者は、ネットワークを通じて顔形状情報を送信することで、自身の顔の見た目の印象に関する客観評価を受信して取得することができる。

　以下の実施形態を通じて本発明の顔印象分析方法および美容カウンセリング方法を説明するにあたり、複数の工程を順番に記載する場合があるが、その記載の順番は必ずしも各工程を実行する順番やタイミングを限定するものではない。本発明の顔印象分析方法および美容カウンセリング方法を実施するときには、その複数の工程の順番は、技術的に支障のない範囲で変更することができ、また複数の工程の実行タイミングの一部または全部が互いに重複していてもよい。

　本発明の顔印象分析装置および顔印象分析システムを実現するための各種の構成要素は、それらの機能を実現するものであるかぎり、具体的なハードウェア構成は特に限定されない。たとえば、所定の機能を発揮する専用のハードウェア、所定の機能がコンピュータプログラムにより付与されたデータ処理装置、コンピュータプログラムによりデータ処理装置に実現された所定の機能、これらの任意の組み合わせ、等により本発明の各種の構成要素を実現することができる。より具体的には、コンピュータプログラムを読み取って対応する処理動作を実行できるように、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、Ｉ／Ｆ（Interface）ユニット、等の汎用デバイスで構築されたハードウェア、所定の処理動作を実行するように構築された専用の論理回路、これらの組み合わせ、等を用いて本発明を実施することができる。

　本発明の構成要素がデータを記憶するとは、本発明を実現する装置がデータを記憶する機能を有していることを意味しており、当該データが当該装置に現に格納されていることを必ずしも要しない。

＜第一実施形態＞
　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。

　はじめに、本実施形態の概要について説明する。
　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。

　以下、本実施形態の顔印象分析装置１００およびこれを用いておこなう顔印象分析方法（以下、第一方法という場合がある）を詳細に説明する。

　第一方法は、被験者の顔の造作の見た目から受ける印象の傾向を分析する方法である。第一方法では、被験者の顔形状情報と、統計的に求められる基底ベクトルとから、被験者の顔の造作の印象傾向の度合いを求める。顔形状情報は被験者の顔表面の形状を表す情報であり、具体的には顧客たる被験者の顔表面の三次元形状の座標情報である。基底ベクトルとは、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特徴量（固有ベクトル）である。この特徴量は、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、被験者の顔の造作の印象傾向と相関の高い二次以上の高次の基底ベクトルの少なくとも一つを含む。
　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。

　図２は第一方法のフローチャートである。図１および図２を用いて、顔印象分析装置１００および第一方法について詳細に説明する。

　顔印象分析装置１００は、上記の顔形状取得部１０、顔成分解析部５０、顔印象決定部６０および記憶部７０に加え、規格化部２０、条件入力部３０、モデル記憶部４０および美容情報出力部８０を更に備えている。これらはバス９５で互いに接続されている。

　本実施形態の顔印象分析装置１００は、化粧品の販売店や美容カウンセリングのサービス店等に設置される。顔印象分析装置１００は、顔形状取得部１０により、顧客たる被験者の顔表面の三次元形状の座標情報を顔形状取得部１０で取得する（図２：ステップＳ１０）。

　顔形状取得部１０は、具体的には接触式計測部１２と、非接触式計測部１４とを含んで構成されている。接触式計測部１２としては、プローブ針を頭皮に接触させて頭皮表面の任意位置の三次元座標を取得する接触式三次元デジタイザが例示される。非接触式計測部１４としては三次元レーザースキャナが例示される。その他の非接触式計測としては、レンズ焦点法やステレオ法等も用いることができる。これらの非接触式の計測装置は市販されている。ただし、後述する第二実施形態で説明するように、顔形状取得部１０として、複数枚の二次元画像から三次元座標値を算出する演算装置を用いてもよい。

　すなわち、本実施形態の顔形状取得部１０は、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顔形状情報として取得する。より具体的には、顔形状取得部１０は、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、被験者の頭部の表面の他の点の三次元座標値を取得する。頭髪の影響を受けずに頭皮表面の三次元座標を正確に計測する観点からは、頭髪が生えている前頭から後頭までの三次元座標は、接触式計測部１２で計測することが好ましい。頭髪の影響のない額以下の顔表面の三次元座標は、計測時間の短さから非接触式計測部１４を用いるとよい。非接触式計測部１４による三次元座標の計測時には、頭髪の影響を低減するため、被験者の頭髪にネットキャップ等の保護部材を被覆しておこなってもよい。この場合は、三次元レーザースキャナなどの光学式の計測装置のみで頭皮表面の三次元座標を測定することができる。非接触式計測部１４を使用することで、被験者の頭部表面から、一例として十万点を超える多数点の三次元座標を計測することができる。さらに、被験者の顔表面の幾つかの特徴点に関しては接触式計測部１２を用いて高精度でその三次元座標を計測するとよい。かかる特徴点としては、頭蓋骨表面の特徴点（解剖学的特徴点）および皮膚表面の特徴点を挙げることができる。解剖学的特徴点としては、眼窩下点、眼窩上縁中央、眼窩内縁点、外耳道上縁点、鼻根点または頬骨弓点を例示することができる。皮膚表面の特徴点としては、目頭点、目尻点、耳珠上縁点、上耳底点、下耳底点、鼻下点、鼻尖点、口角点、口点または顎角点を例示することができる。なお、ここでいう被験者とは、本実施形態の顔印象分析方法の対象者たる顧客と、母集団顔情報を生成するための三次元座標値を提供するデータ提供者と、を含む。本実施形態の顔印象分析方法を複数の顧客に対して順に実施することにより、過去に顧客から取得した顔形状情報が、以降の顧客に供される母集団顔情報に追加される。また、多数の被験者に対して共通の特徴点の三次元座標を計測することで、互いの三次元形状モデルを規格化して相同モデル化することができる。このように、非接触式の計測装置と接触式の計測装置とを併用することで、頭皮表面の三次元座標を高精度で取得することができる。ただし、非接触式または接触式の計測装置のいずれか一方のみを用いて顔を含む頭部の表面の三次元座標を取得してもよい。

　顔印象分析装置１００は、被験者の顔表面の三次元形状モデル（顔形状情報）を顔形状取得部１０（接触式計測部１２、非接触式計測部１４）で計測する。
　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。

　モデル記憶部４０は、多変量解析に用いられる母集団の人間の母集団顔情報を記憶する手段である。モデル記憶部４０は、顔形状取得部１０で取得した被験者の顔形状情報も記憶する。以下、被験者の顔を含む頭部の表面形状を表す三次元形状モデルを被験者解析モデルという。モデル記憶部４０には、性別、年代または出身地域などの属性ごとに母集団解析モデルが記憶されているとよい。

　条件入力部３０は、被験者または顔印象分析装置１００の操作者から各種の入力を受け付ける手段である。たとえば、被験者の年齢や性別などの属性や、被験者が分析を希望する印象傾向のパターンの指定を受け付ける（図２：ステップＳ３０）。顔印象分析装置１００は、こられの被験者解析モデルおよび母集団解析モデルに共通する基底ベクトルの次数および重み係数（固有値）に基づいて、被験者の顔の造作の印象傾向の度合いを求める（図２：ステップＳ４００）。

　顔成分解析部５０は、条件入力部３０で受け付けた条件にしたがって母集団を選択して、被験者解析モデルの多変量解析を行う。たとえば被験者が女性である場合、顔成分解析部５０はモデル記憶部４０より性別分類が女性である相同モデルを抽出して母集団解析モデルを生成する。これにより、女性全体を母集団とする中での被験者の顔の造作の印象傾向の度合いを分析することができる。また、母集団をより特定範囲で分析する場合、被験者の性別に加え同年代（たとえば、被験者の年齢±５歳）の被験者の相同モデルのみを抽出して母集団解析モデルを生成してもよい。この場合には、被験者と同年代の女性を母集団とする中での被験者の顔の造作の印象傾向の度合いを分析することができる。

　被験者の顔形状情報から基底ベクトルの次数および重み係数を算出する方法は複数例示される。本実施形態では、母集団顔情報および被験者の顔形状情報が共通の相同モデルであることを利用して、被験者の顔形状情報を含む母集団顔情報を多変量解析して当該被験者にかかる特徴量（基底ベクトル）を算出する方法を挙げる。この場合、母集団には、顔形状のサンプル提供者と、第一方法が提供される被験者とが含まれる。なお、その他の方法としては、第二実施形態で後述するように、被験者を含まない母集団を対象として予め多変量解析により基底ベクトルを算出したうえで、被験者の顔形状情報を、この基底ベクトルで再現することで、その重み係数を求めてもよい。

　顔成分解析部５０が実行する多変量解析では、被験者を含む母集団の相同モデル（母集団解析モデル）を統計処理して複数次の基底ベクトルを抽出する。具体的な多変量解析の一例として主成分分析（ＰＣＡ：principal component analysis）を挙げる。顔成分解析部５０は、母集団解析モデルの顔形状に関して主成分分析をおこない、複数次の基底ベクトルe_i（ｉは次数を表す自然数。以下同様。）を算出する（図２：ステップＳ４０）。基底ベクトルe_iは、母集団解析モデルの共分散行列の固有ベクトル解析により求められる。各次の基底ベクトルは互いに直交している。基底ベクトルの最高次数ｎは特に限定されないが、所定以上の寄与率（たとえば、０．１％以上）の基底ベクトルが総て抽出されるか、または一次主成分以下の累積寄与率が所定以上（たとえば、９５％以上）となるように最高次数ｎを設定するとよい。

　図３は、２０代から６０代の各年代１０名、合計５０名の日本人女性を母集団とする母集団解析モデルに関する主成分分析結果の一例を表すテーブルである。図３は、寄与率１％以上の基底ベクトルが１次（pca01）から１５次（pca15）まで１５個存在した場合を示している。すなわち、日本人の２０代から６０代の女性（以下、日本人成人女性）の頭部形態が１５軸によってほぼ説明できることとなる。これらの基底ベクトルおよび寄与率は基底記憶部７２に記憶される。
　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。

　被験者解析モデルは、母集団解析モデルから求められた基底ベクトルにより式（１）のように分解される。b_iは、基底ベクトルe_iの次数ごとの重み係数である。平均顔形状は、母集団解析モデルの顔形状を平均化した三次元形状である。

（数１）
　　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＋・・・＋b_k＊第ｋ基底ベクトルe_k＋・・・＋b_n＊第ｎ基底ベクトルe_n　　　（１）

　顔成分解析部５０は、被験者解析モデルを、多数の母集団解析モデルに共通な基底ベクトル（主成分）の線形和に分解する（図２：ステップＳ４１）。被験者解析モデルの次数ごとの重み係数b_iは、基底記憶部７２に格納される。また、本実施形態の顔成分解析部５０は、任意の重み係数b_iを変化させた被験者解析モデルを再現することができる。言い換えると、任意の次数の重み係数b_iを変えて基底ベクトルe_iとの積和演算をおこなうことで、被験者の自然な顔形状を維持したまま、当該基底ベクトルe_iの影響を増減させることができる。

　図４は、図３の分析結果に対応する１次から１５次までの主成分が帰属する形状変化の特徴を表すテーブルである。各次の主成分の具体的な説明は実施例にて後述する。

　図５は、傾向情報記憶部７４が記憶する傾向情報ＰＩのテーブルの例を表している。傾向情報ＰＩは、一または複数の印象傾向のパターンと、その印象傾向に対する相関が高い基底次数と、を対応付けた情報である。本実施形態の傾向情報ＰＩはパターン１から４の少なくとも４つを含む。傾向情報ＰＩは、顔の造作の印象傾向を支配する印象因子を表す情報である。

　図５では、印象因子として、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が例示されている。

　パターン１は、被験者の見掛け年齢の高低と相関の高い基底次数（加齢因子）が２次、７次、９次および１１次であることを示している。後記に詳述するように、本発明者の検討により、これらの次数の基底ベクトルの重み係数を増加または減少させることで、被験者の見掛け年齢が増加することが明らかとなっている。

　パターン２は、被験者の実年齢の高低が、２次、７次、９次および１１次の基底ベクトルの重み係数と高い相関を有することを示している。すなわち、パターン１と２は、見掛け年齢の傾向と実年齢の傾向が共通する次数の基底ベクトルと相関していることを表している。
　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。

　被験者の見掛け年齢を分析する場合は、被験者またはユーザは条件入力部３０を操作してパターン１を選択入力する。条件入力部３０はパターン１の選択入力を受け付ける。このほか、第一方法では、被験者またはユーザから任意の印象傾向のパターンの指定を受け付けるのではなく、傾向情報記憶部７４にプリセットされた全パターンのうちから被験者の顔が属する一以上の印象傾向を抽出することとしてもよい。また、図２では条件取得ステップＳ３０を主成分分析ステップＳ４０の前に図示しているが本発明はこれに限られない。たとえば、基底算出ステップＳ４１と印象傾向判定ステップＳ４２との間に条件取得ステップＳ３０を実行してもよい。

　傾向情報ＰＩには、各パターンの基底次数ごとにプラス１σ値が対応づけて記憶されている。図５では、具体的な数値の図示は省略している。プラス１σ値とは、当該基底次数の重み係数の正負つきスコアを、そのパターンの傾向（たとえば見掛け年齢の増加）がより顕著に見える順に順位づけしたときの、母集団における上位順位のスコアをいう。
　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、傾向情報記憶部７４を参照して、被験者解析モデルにおける基底ベクトルの次数およびその重み係数（発現量）に基づいて、被験者の顔の印象傾向のパターン、およびその発現度合いを求める。この発現度合いは、被験者解析モデルに関して基底記憶部７２に記憶された重み係数と、傾向情報記憶部７４の傾向情報ＰＩに設定されているプラス１σ値と、を対比することで求められる。具体的には、顔印象決定部６０は、傾向情報記憶部７４を参照して、傾向情報ＰＩでパターン１に対応づけられた基底次数（２次、７次、９次および１１次）と、各基底次数のプラス１σ値を呼び出す。また、顔印象決定部６０は、基底記憶部７２を参照して、被験者解析モデルに関する上記基底次数の重み係数を呼び出す。顔印象決定部６０は、被験者解析モデルにかかる各基底次数の重み係数を、対応するプラス１σ値で除して、当該次数の基底ベクトルの発現度合いを求める。
　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。

　このほかステップＳ４２において、顔印象決定部６０は、パターンに対応づけられた基底次数ごとにプラス１σ値で除した発現度合いの総和をもって当該パターンの印象傾向の度合いとしてもよい。

　美容情報出力部８０は、顔印象決定部６０が求めた結果を被験者に出力する手段である。一例として、表示ディスプレイやプリンタを挙げる。本実施形態の美容情報出力部８０は、被験者の顔の造作の印象傾向が属するパターンと、当該パターンの印象傾向の定量的な度合いを出力する。

　印象変化画像生成部９０は、被験者解析モデルにおける重み係数b_iを変化させて印象変化画像を生成する手段である。印象変化画像生成部９０は傾向情報記憶部７４を参照して傾向情報ＰＩから一または複数の印象因子を抽出する。一方、条件入力部３０を通じて、印象傾向の度合い（たとえば見掛け年齢）の変化方向および変化幅を表す加齢幅情報を被験者から受け付ける。加齢幅情報は、具体的には、マイナス（若化方向に）５歳、またはプラス（加齢方向に）１０歳などである。

　顔印象分析装置１００は、実施例１にて後述するように、加齢因子ごとの加齢係数を傾向情報記憶部７４に記憶している。印象変化画像生成部９０は、傾向情報記憶部７４を参照して加齢因子と加齢係数を読み出し、条件入力部３０から入力された加齢幅情報に対応する変化量だけ加齢因子の重み係数を増減調整する。印象変化画像生成部９０は、かかる重み係数と基底ベクトルとで再構築される被験者解析モデルを印象変化画像として生成する（図２：ステップＳ４５）。

＜第二実施形態＞
　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。

　はじめに、顔印象分析システム１０００の概要を説明する。
　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。

　顔印象分析装置１００は、顔形状取得部１０、規格化部２０、モデル記憶部４０、顔成分解析部５０、顔印象決定部６０、記憶部７０および美容情報送信部８２を備えている。

　記憶部７０は基底記憶部７２と傾向情報記憶部７４を含む。基底記憶部７２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（母集団解析モデル）を多変量解析して求められた一または複数の特徴量を記憶している。基底記憶部７２には、性別や年代別に抽出した母集団ごとの特徴量を記憶しておくとよい。傾向情報記憶部７４は、これらの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ＰＩ（図５を参照）を記憶している。

　モデル記憶部４０には、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の相同モデルが任意で蓄積されている。ただし、顔成分解析部５０により母集団の相同モデルを多変量解析して基底ベクトルを算出した後は、相同モデルのデータはモデル記憶部４０から削除してもよい。

　本実施形態の顔形状取得部１０は、受信部１６と三次元形状推定部１８とで構成されている点で第一実施形態と相違する。受信部１６は、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手段である。受信部１６は、被験者の顔を含む頭部について撮影された、被写体の撮影アングルが異なる複数の二次元画像を被験者端末１１０から受信する。第二方法における被写体は、顔面を含むユーザの頭部である。被験者は、被験者端末１１０のカメラ機能を用いて、正面方向および左右斜め方向から被験者の頭部画像を撮影する。

　受信部１６は、ネットワークを通じて被験者端末１１０から二次元画像を受信する（図７：ステップＳ１１）。かかる受信処理と併せて、受信部１６は、被験者端末１１０から各種の入力を受け付ける。受信部１６は、たとえば、被験者の年齢や性別などの属性や、被験者が分析を希望する印象傾向のパターンの指定を被験者端末１１０から受け付ける（図７：ステップＳ３０）。

　三次元形状推定部１８は、受信部１６が受信した、被写体（被験者の頭部）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、被験者の頭部の三次元座標値を算出する手段である。すなわち第二方法は、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被験者が撮影し、かつ顔形状取得部１０がこれらの二次元画像に基づいて頭部の表面の三次元座標値を顔形状情報として算出する点で第一方法と相違する。三次元形状推定部１８は、複数枚の二次元画像に共通して現れている顔表面の特徴点の位置合わせを含む座標演算により、被験者の顔表面を含む頭部の三次元座標値を算出する（図７：ステップＳ１２）。所定以上の精度で被験者の頭部の三次元座標値が算出できなかった場合には、顔形状取得部１０は被験者端末１１０に対して、撮影アングルを指定する情報とともに、頭部の二次元画像の追加撮影および追加送信を促すメッセージを送信してもよい。

　規格化部２０は、三次元形状推定部１８が生成した三次元の顔形状情報を相同モデルに変換する（図７：ステップＳ２０）。

　第二方法は、被験者の顔形状情報（被験者解析モデル）を含まない母集団顔情報（母集団解析モデル）を多変量解析する点で第一方法と相違する。第二方法では、まず、被験者解析モデルを含まない母集団解析モデル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る。つぎに、上記の式（１）を用いて、これらの特徴量およびその重み係数の積和演算で被験者の顔形状情報を再現する。そして、被験者解析モデルを構成する重み係数を、印象傾向の発現量として算出する。

　これにより、第二方法では、被験者解析モデルを生成してから多変量解析（主成分分析）を実行する必要がない。このため、被験者に対して分析結果を迅速に回答することができる。母集団の人数が十分に多い場合には、被験者を含まない母集団解析モデルの多変量解析から算出された基底ベクトルを用いたとしても、式（１）により被験者解析モデルを高い精度で再現することができる。

　顔成分解析部５０は、被験者の顔形状情報（被験者解析モデル）と、母集団顔情報（母集団解析モデル）の特徴量とから被験者の顔における特徴量の発現量を算出する（図７：ステップＳ４１０）。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、印象傾向またはその度合いを取得する。そして、美容情報送信部８２（送信部）は、取得した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被験者端末１１０に送信する。

　条件取得ステップＳ３０では印象傾向の選択を被験者から受け付けてもよい。具体的には、受信部１６は印象傾向に関する被験者の選択を被験者端末１１０から受け付けてもよい。このとき、顔成分解析部５０は、記憶部７０を参照して、被験者に選択された印象傾向と対応づけられた特徴量を抽出する。そして顔成分解析部５０は、抽出された特徴量が被験者解析モデルにおいて発現している度合い（発現量）を算出する。顔印象決定部６０は、選択された印象傾向と対応づけられた特徴量の度合いを取得する。

　より具体的に説明する。顔成分解析部５０は、まず基底記憶部７２を参照して基底ベクトルを読み出して固有ベクトル行列を生成する（図７：ステップＳ４３）。つぎに顔印象決定部６０は、この固有ベクトル行列と、モデル記憶部４０に記憶されている被験者解析モデルと、を行列演算して、基底次数ごとの重み係数を算出する。これにより、基底ベクトルの発現量が算出される。被験者解析モデルは基底ベクトルと重み係数により再現される（図７：ステップＳ４４）。

　つぎに、顔印象決定部６０は、傾向情報記憶部７４を参照して、傾向情報ＰＩ（図５を参照）より被験者に選択された一部または全部の印象傾向のパターンと対応づけられた基底次数ごとのプラス１σ値を取得する。顔印象決定部６０は、プラス１σ値と、ステップＳ４４で算出された重み係数と、を用いて、第一方法と同様に被験者の顔の造作の印象傾向の度合いを決定する（図７：ステップＳ４２）。

　美容情報出力ステップＳ５０では、上記で決定された被験者の顔の造作の印象傾向のパターンおよびその度合いを美容情報送信部８２から被験者端末１１０に送信する。

　上記実施形態は各種の変形を許容する。第一および第二実施形態では、被験者および母集団の顔形状情報を規格化部２０が三次元の相同モデルに変換する場合を例示した。これにより、少ない座標点数の母集団解析モデルを多変量解析することが可能である。母集団解析モデルから抽出した基底ベクトルの線形和で被験者解析モデルを高い精度で再現することができる。ただし、本発明は被験者解析モデルとして三次元の相同モデルを用いる場合に限定されない。

　たとえば、顔成分解析部５０は、顔形状取得部１０（接触式計測部１２、非接触式計測部１４）で計測した被験者の高解像度の顔形状情報から基底ベクトルの発現量を求めてもよい。具体的には、まず被験者の顔形状情報の頭部サイズを母集団の平均顔形状の頭部サイズで正規化する。そして、母集団に関する所定次数（たとえば１５次）までの基底ベクトルの線形和が被験者の顔形状情報をもっともよく近似するように基底ベクトルの重み係数を第１基底から順に決定するとよい。
　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＋・・・＋b_k-1＊第ｋ－１基底ベクトルe_k-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b_k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。

　また、第二実施形態の顔印象分析システム１０００では、受信部１６が受信した複数の二次元画像から三次元形状推定部１８は被験者の頭部表面の三次元座標値を算出する。ただし本発明はこれに代えて、基底ベクトルの特徴を示す基底次数ごとの二次元画像（基底画像）を用いた画像処理により重み係数を算出してもよい。具体的には、母集団解析モデルの多変量解析により抽出された基底ベクトルを平均顔形状に個別に加算して仮想顔形状モデルを生成する。仮想顔形状モデルは基底次数ごとに個別に生成する。平均顔形状に加算する基底ベクトルの重み係数は、たとえばプラス１σ値（図５を参照）とする。このようにして生成した仮想顔形状モデルを、正面方向および左右斜め方向から二次元画像化（以下、基底画像という）しておく。
　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。

　以上、第一および第二実施形態では、被験者の顔表面の三次元形状の座標情報である顔形状情報と、母集団顔情報を多変量解析して求められた基底ベクトル（特徴量）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顔印象分析方法を説明した。本発明においては、この顔印象分析方法で求められる印象傾向の度合いを画像上で変化させることを通じて被験者の顔印象を分析してもよい。すなわち本発明は、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顔画像生成方法を更に提供するものである。

　この顔画像生成方法は、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、から被験者の顔における特徴量の発現量を算出し、顔形状情報における発現量を変更し、変更された顔形状情報に基づいて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。

　具体的には、印象傾向として見掛け年齢を例示すると、被験者解析モデルにおける所定次数の基底ベクトルの重み係数を大小に変化させて、被験者の見掛け年齢を加齢または若化した印象変化画像を生成するとよい。変化させる重み係数の次数は、印象傾向（見掛け年齢）と相関の高い特徴量（基底ベクトル）の少なくとも一つである。具体的には、図５に加齢因子として挙げられた基底次数（２次、７次、９次、１１次）の一部または全部である。言い換えると、母集団顔情報を多変量解析して求めた特徴量は、印象傾向と相関の高い二次以上の高次の基底ベクトルの少なくとも一つを含む。本実施形態では、印象傾向の度合いである見掛け年齢がプラス（加齢方向）またはマイナス（若化方向）に所定量だけ変化するように、被験者解析モデルにおける当該基底次数の重み係数を変化させる。これにより、被験者の顔形状情報における発現量を変更され、加齢時または若化時の被験者の顔形状を示す画像が生成される。被験者は、その印象因子の発現量を増減変化させることで加齢または若化が進行することを視覚的に把握できる。そして、その印象因子の発現量を美容的に増減変化させることが見掛け年齢の若化に有効であることを実感できる。

　この印象変化画像は被験者解析モデルの静止画または動画である。印象変化画像は、被験者の顔表面の三次元形状を表す顔形状情報をもつ。印象変化画像には、肌の質感を表すテクスチャデータを合成してもよい。このとき、被験者の現在の肌の質感を表すテクスチャを印象変化画像に合成しても良いが、印象変化後の見掛け年齢の人物の典型的な肌の質感を表す他のテクスチャデータを合成しても良い。

　印象変化画像を生成するにあたり、印象変化画像生成部９０は、傾向情報記憶部７４を参照して加齢因子ごとの加齢係数を取得し、これと見掛け年齢の変化幅である加齢幅情報とに基づいて加齢因子ごとの重み係数の変化量を算出する（図１を参照）。印象変化画像生成部９０が変化させる加齢因子は、傾向情報ＰＩ（図５を参照）にパターン１として定義されたすべての加齢因子（２次、７次、９次および１１次）でもよく、または被験者解析モデルが顕著に有する一部の加齢因子のみでもよい。被験者ごとにいずれの加齢因子の重み係数を変化させるかを決定するにあたり、母集団を複数の群に分類し、被験者が属する群に共通して印象傾向と相関が高い基底ベクトルを選択して、その重み係数を変化させてもよい。具体的には、印象傾向（見掛け年齢）と相関の高い複数次の基底ベクトルである印象因子（上記実施形態では、２次、７次、９次および１１次）にかかる重み係数の傾向の一致度に基づいて母集団を複数の群に分類するとよい。そして、被験者解析モデルに顕著に発現している印象因子に基づいて当該被験者が属する群を選択するとよい。より具体的な顔画像生成方法は、実施例２を用いて後述する。

＜美容カウンセリング方法＞
　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。

　この美容カウンセリング方法（以下、本方法という）は、上記第一実施形態または第二実施形態の顔印象分析方法を用いて、算出された発現量が所定以上である特徴量に予め対応付けられた美容情報を出力するものである。

　本方法で用いる美容情報は、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。図８は、美容情報を表すテーブルである。このほか、美容情報としては、美容手段の選択肢のみならず、化粧料の使用量または使用方法でもよい。美容情報は加齢因子ごとに対応づけられて傾向情報記憶部７４に記憶されている。

　本方法では、被験者の顔が属すると分析された印象傾向を緩和または促進するための美容施術方法や化粧料（あわせて、美容手段という）をテキストメッセージなどで被験者に伝える。当該印象傾向が被験者にとって好ましいものでない場合には、これを緩和するための美容手段を被験者に伝える。これにより、顔印象分析装置１００によれば、被験者の顔の造形の印象傾向のみならず、これを改善する方法が被験者に提供される。図８に示された美容施術方法の内容は以下の実施例で詳細に説明する。

＜実施例１＞
　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。

　被験者（サンプル提供者）は、２０代から６０代の各年代３０名、合計１５０名の日本人女性である。
　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１０は、被験者ごとの高解像度データの節点数とトポロジーを相同化した相同モデルを示す斜視図である。高解像度データにおける１３点の特徴点の座標値と、ジェネリックモデルの特徴点の座標値とを位置合わせした状態で、高解像度データの表面にジェネリックモデルの他の座標を貼り付けることで、対象者の相同モデルは作成される。相同モデルは、節点数とトポロジーが共通化されているので、多数の被験者を集めることで多変量解析をすることができる。相同モデルは、各年代より１０名ずつ、合計５０名について作成した。

　図１１（ａ）は２０代の被験者の相同モデルの平均顔形状（平均顔形状モデル）を示す図である。図１１（ｂ）は３０代の被験者の相同モデルの平均顔形状モデルを示す図である。図１１（ｃ）は４０代の被験者の相同モデルの平均顔形状モデルを示す図である。図１１（ｄ）は５０代の被験者の相同モデルの平均顔形状モデルを示す図である。図１１（ｅ）は６０代の被験者の相同モデルの平均顔形状モデルを示す図である。相同モデルでは三次元座標が抽出され、テクスチャは捨象されている。そして、この相同モデルを座標平均することで、被験者の顔の個体差の影響が排除される。このため、各年代の平均顔形状には、年代の進行によって遷移していく顔形状の特徴が現れる。

　図１２（ａ）は２０代と３０代の合計２０名の若年女性の被験者の相同モデルの平均顔である。図１２（ｂ）は２０代から６０代の合計５０名の全年代の女性の被験者の相同モデルの平均顔（以下、全体平均顔という場合がある）である。図１２（ｃ）は５０代と６０代の合計２０名の高齢女性の被験者の相同モデルの平均顔である。

　図１１（ａ）と（ｅ）、および図１２（ａ）と（ｃ）をそれぞれ対比すると、年齢の進行により、法令線が深くなり、また頬が緩んで膨化していることが分かる。かかる特徴は相同モデルの主成分分析により客観化および定量化される。

　２０代～６０代の被験者５０名を母集団とする母集団解析モデルの主成分分析により抽出された基底ベクトル（主成分）とその寄与率は、図３として前掲した。母集団の被験者およびその人数を変えることで、抽出される基底ベクトルとその寄与率は変化する（後述する実施例２を参照）。

　発明者は、母集団解析モデルを主成分分析し、平均顔から主成分を低次基底より個別に変化させて顔印象の変化を調べた。すると、特定の主成分はエイジング（老化）と相関性が高いことが分かった。また、他の特定の主成分は大人顔または子供顔を印象づけ、また小顔印象に寄与することが分かった。

　図１３（ａ）～（ｃ）乃至図２７（ａ）～（ｃ）は、第１主成分（pca01）から第１５主成分（pca15）をそれぞれ個別に変化させた仮想形状の斜視図である。
　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～b_n）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～b_n）をゼロとした場合の仮想形状の斜視図である。

　図１４（ｃ）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～b_n）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～b_n）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。

　各主成分が帰属する形状変化の特徴の説明は図４に前掲した。以下、図１３（ａ）～（ｃ）乃至図２７（ａ）～（ｃ）および図４を用いて各主成分の特徴を説明する。

　実施例１で抽出された第１主成分は、顔部の全体の大きさに寄与する因子であった。図１３（ｃ）と図１３（ａ）とを対比して分かるように、第１主成分の重み係数がプラス方向に大きくなると顔部は全体に細くかつ小さくなる。被験者の顔において第１主成分の重み係数が大きいか小さいかということは、被験者の顔を目視したときに比較的容易に判断することができる。

　一方、実施例１の場合、二次以上の高次の基底は顔の局所的な部分の形状に寄与する主成分であった。このため、被験者の顔を目視しただけでは高次基底の重み係数の大小を容易に判断することは困難である。これに対し、本実施例のように被験者解析モデルを主成分分析して各次の重み係数を定量化することで、被験者の顔における特徴量（主成分）の発現量が正確に客観化される。

　第２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因子であった。図１４（ｃ）と図１４（ａ）とを対比して分かるように、第２主成分の重み係数がプラス方向に大きくなると顔は引き締まり、法令線は薄くなる。後述するように、第２主成分がマイナス方向に大きくなると、見掛け年齢および実年齢が加齢方向に進行する。

　第３主成分は、オトガイ高に寄与する因子であった。図１５（ｃ）と図１５（ａ）とを対比して分かるように、第３主成分の重み係数がプラス方向に大きくなると顎関節が発達して大人っぽい顔つきになる。すなわち大人顔の印象が進行する。逆に第３主成分の重み係数がマイナス方向に大きくなると童顔になる。そして、第３主成分がマイナス方向に進行すると、小顔印象が進行する。

　第４主成分は、後頭の伸び、および眼窩幅に寄与する因子であった。図１６（ｃ）と図１６（ａ）とを対比して分かるように、第４主成分の重み係数がプラス方向に大きくなると後頭部は小さくなり、両眼の間隔が近づく。すなわち寄り目の傾向が進行する。

　第５主成分は、前頭部の前突、および口部の前突に寄与する因子であった。図１７（ｃ）と図１７（ａ）とを対比して分かるように、第５主成分の重み係数がプラス方向に大きくなると前頭部および口部が前方に突き出す。

　第６主成分は、全頭の高さに寄与する因子であった。図１８（ｃ）と図１８（ａ）とを対比して分かるように、第６主成分の重み係数がプラス方向に大きくなると目より上の長さが縮まる。逆に第６主成分の重み係数がマイナス方向に大きくなると額の長さが大きくなる。

　第７主成分は、眼窩外側の前後位置、および鼻より下の伸びに寄与する因子であった。図１９（ｃ）と図１９（ａ）とを対比して分かるように、第７主成分の重み係数がプラス方向に大きくなると目尻が前進して目の立体感が減少し、鼻の下が伸びて法令線が深くなる。このため、第７主成分がプラス方向に大きくなると、顔が全体にしぼんだような印象を与えるため、見掛け年齢および実年齢が加齢方向に進行する。逆に、第７主成分がマイナス方向に進行すると、見掛け年齢および実年齢が若年齢方向に進行する。

　第８主成分は、眼窩幅に寄与する因子であった。図２０（ｃ）と図２０（ａ）とを対比して分かるように、第８主成分の重み係数がプラス方向に大きくなると眼窩の外側同士の間隔が近づく。これにより、寄り目の傾向が進行する。

　第９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因子であった。図２１（ｃ）と図２１（ａ）とを対比して分かるように、第９主成分の重み係数がマイナス方向に大きくなると目尻が顔の内側下方に垂れ下がり、口角が後方に移動して法令線が深くなる。このため、見掛け年齢および実年齢が加齢方向に進行する。逆に、第９主成分の重み係数がプラス方向に大きくなると目尻は吊り上がり、口角は浅くなって若々しい印象となる。すなわち見掛け年齢および実年齢が若年齢方向に進行する。

　第１０主成分は、顔のゆがみに寄与する因子であった。図２２（ｃ）と図２２（ａ）とを対比して分かるように、第１０主成分は顔の上部の左右方向のねじれに寄与している。

　第１１主成分は、口の中央部の前突、および頬骨下部の扁平化に寄与する因子であった。図２３（ｃ）と図２３（ａ）とを対比して分かるように、第１１主成分の重み係数がマイナス方向に大きくなると頬が痩せて口の中央部が前方に突出し、口角がくぼむ。これにより、見掛け年齢および実年齢が加齢方向に進行する。また、第１１主成分の重み係数がマイナス方向に大きくなると、いわゆる「アヒル口」の印象傾向が進行する。

　第１２主成分は、下顎のふくれに寄与する因子であった。図２４（ｃ）と図２４（ａ）とを対比して分かるように、第１２主成分の重み係数がマイナス方向に大きくなると下顎周辺が引き締まり小顔印象が進行する。

　第１３主成分は、耳下および顎下の膨らみに寄与する因子であった。図２５（ｃ）と図２５（ａ）とを対比して分かるように、第１３主成分の重み係数がマイナス方向に大きくなると耳下および顎下に脂肪がついたように膨らみが大きくなる。

　第１４主成分は、頭のゆがみに寄与する因子であった。図２６（ｃ）と図２６（ａ）とを対比して分かるように、第１４主成分は顔の下部の左右非対称性に寄与している。

　第１５主成分は、顔部のゆがみに寄与する因子であった。図２７（ｃ）と図２７（ａ）とを対比して分かるように、第１５主成分は顔の下部の左右方向のねじれによる顔部のゆがみに寄与している。

　以上より、本実施例において被験者の見掛け年齢または実年齢の判定（以下、あわせてエイジング判定という）をおこなう場合には、被験者解析モデルにおける２次、７次、９次、１１次のうちの一部または全部の次数の主成分の発現量を評価対象とするとよい。具体的には、これらの次数の基底ベクトルの重み係数が、所定量（たとえば、エイジングの進行方向へのプラス１σ値）以上であるか否かを調べればよい。また、小学生から中高生の大人顔または童顔の度合いを判定する場合には、第３主成分の発現量を同様に評価するとよい。そして、小顔印象の度合いを判定する場合には、第３、第１２主成分の発現量を同様に評価するとよい。
　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。

　以下、本実施例のエイジング判定に関して更に詳細に説明する。エイジング判定における印象傾向の度合いは、被験者の見掛け年齢または実年齢である。発現量を判定する特徴量は、上述のように印象傾向（エイジング）と相関の高い基底ベクトルの少なくとも一つである。ここで、印象傾向と相関が高い基底ベクトルとは、当該印象傾向との相関係数が高いことが統計的に求められている基底ベクトルである。たとえば、母集団の標本数での５％有意水準の限界値よりも大きい基底ベクトルである。

　第一実施形態で説明したように、２０代から６０代の各年代１０名、合計５０名の日本人女性を母集団とする被験者の相同モデルを主成分分析した。母集団から寄与率１％以上の１５次までの基底ベクトルを求めた（図３を参照）。そして、被験者ごとに、第１から第１５基底の各次の重み係数（固有値）を算出した。

　美容専門家５名が被験者の写真を見て各被験者の年齢を推定し、５名の推定年齢の平均値を「見掛け年齢」として算出した。また、各被験者の「実年齢」も調査した。

　被験者の第１から第１５基底の重み係数（固有値）と見掛け年齢との関係を求めた。図２８は、基底次数ごとの重み係数と見掛け年齢との相関係数を示すテーブルである。
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。

　ここで、母集団の標本数（Ｎ）が５０の場合の５％有意水準の限界値は０．２７９である。したがって、７次および９次の絶対値は、いずれも５％有意水準の限界値よりも大きい。すなわち、７次および９次の特徴量は寄与率１％以上の基底ベクトル（主成分）であり、かつ印象傾向との相関係数が母集団の標本数での５％有意水準の限界値よりも大きい。したがって、７次および９次の基底ベクトルを用いてエイジングを判定することは統計的に確からしいといえる。

　母集団を実年齢で二つの群に分け、基底次数ごとの重み係数と見掛け年齢との関係に有意差があるかどうかを検定した。具体的には、２０歳から４０歳の２０名と、４１歳から６９歳の３０名とに母集団を二つの群を分けてｔ検定をおこなった。図２９は、その結果を示す表である。本明細書では、ｔ検定値が０．０５未満である場合を有意と判定する。具体的には、７次と９次のｔ検定値が０．０５未満となり、他の基底次数のｔ検定結果は０．０５以上となった。よって、７次および９次の主成分に関しては年齢による有意差が出ることが分かった。また、２次と１１次もｔ検定値は０．２未満と比較的小さな値であり、年齢による差異が僅かに現れていることが分かった。

　なお、図３０は、母集団全体に関する基底次数ごとの重み係数と実年齢との相関関係を示すテーブルである。図２８と図３０とを比較すると、実年齢に関しても２次、７次、９次および１１次の４つの基底次数と高い相関があることが分かった。また、見掛け年齢と同様に、実年齢が進行すると、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。母集団を実年齢で二つの群に分け、基底次数ごとの重み係数と実年齢との関係に有意差があるかどうかをｔ検定したところ、図２９に示した結果とほぼ同様の傾向がみられた（図示省略）。

　以上より、エイジング判定に関しては、被験者の見掛け年齢と実年齢を同様に扱うことができることが分かった。すなわち、本発明を用いて被験者の見掛け年齢を判定することができるとともに、年齢不明の被験者の実年齢の推定をすることもできることがわかった。美容に関しては、実年齢よりも、本人または他人から見た見掛け年齢の高低が重要であるため、実施例１および後述する実施例２では印象傾向の度合いとして被験者の見掛け年齢を用いるものとする。

　つぎに、２次、７次、９次および１１次の主成分に関して、母集団全体の平均顔（全体平均顔）の形状から、主成分ごとに個別に±３σまで基底ベクトルの重み係数を段階的に変化させた場合の相同モデルに対する見掛け年齢の官能値を求めた。見掛け年齢の推定は、美容専門家４名による年齢推定結果の平均値を採用した。例として、９次の基底ベクトルに関して±３σまで１σずつ基底ベクトルの重み係数を変化させた６枚の画像を図３１（ａ）から（ｆ）に示す。図３１（ａ）は全体平均顔形状から、９次の基底ベクトルの重み係数を、エイジング進行方向（エイジング傾向が進む方向）を正として＋１σとした図である。上述のように９次の主成分はマイナス方向に進行するほどエイジング傾向が進行する。したがって、９次の基底ベクトルの重み係数を－１σだけ変化させることにより、顔形状はエイジング進行方向に＋１σだけ変化する。
　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。

　図３２は、エイジング印象因子（加齢因子）を変化させたときの仮想形態の年齢印象の変化を表すグラフである。２次、７次、９次、１１次の基底ベクトルの重み係数をそれぞれエイジング傾向に＋１σから＋３σまで変化させた場合には、いずれも見掛け年齢の官能値が直線的に増大した。逆に、－１σから－３σまで変化させた場合には、７次と９次はほぼ直線的に若化した。しかし、２次と１１次は若化の傾向は見られなかった。すなわち、本実施例では、７次基底および９次基底は、加齢方向および若化方向の両方向の加齢因子として機能し、２次基底および１１次基底は加齢方向のみの加齢因子として機能することがわかった。図３２のグラフの傾きは、加齢因子の基底ベクトルの重み係数を所定量（たとえば１σ）だけ変化させた場合の見掛け年齢の変化量を表している。この傾きを加齢係数という。顔印象分析装置１００では、加齢係数は加齢因子の次数ごとに対応づけて傾向情報記憶部７４に記憶されている。

　以上より、エイジングの進行方向に関しては、２次、７次、９次、１１次の主成分（エイジング印象軸）とも、基底ベクトルの重み係数と見掛け年齢の進行とがリニアに変化することがわかった。また、７次と９次に関しては、基底ベクトルの重み係数をエイジング傾向と反対符号とすることで見掛け年齢を若化させることもできることがわかった。

　エイジング印象軸ごとに、エイジング傾向を緩和する美容施術方法の例を説明する。
　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。

　また、７次の主成分は、顔が全体にしぼんだような印象を与えることから、(i)全体に明るめのメイクにする、(ii)上唇を厚く塗る、などの美容施術方法が有効である。
　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。

　上記実施形態の美容カウンセリング方法で出力される美容情報として、上記の美容施術方法を出力するとよい。このほか、被験者が保有するエイジング印象軸ごと適切な毛髪化粧料やメイク化粧料の種類や製品名、またはこれらの使用方法や使用量などを美容情報として出力してもよい。

　また、条件入力部３０（図１を参照）で被験者の実年齢の入力を受け付けたうえで、顔印象決定部６０が算出した被験者の見掛け年齢と、上記で受け付けた実年齢との差分を美容情報出力部８０で出力してもよい。

　図３３（ａ）から（ｄ）は、エイジング印象軸を複数組みあわせた相同モデルの斜視図である。これらの図より、エイジング印象軸を複数組みあわせた場合にエイジング傾向が更に顕著に進行することがわかった。図３３（ａ）は、２次と９次の重み係数を、ともにエイジング傾向に＋３σとしたものである。図３３（ｂ）は、７次と９次の重み係数を、ともにエイジング傾向に＋３σとしたものである。図３３（ｃ）は、２次と１１次の重み係数を、ともにエイジング傾向に＋３σとしたものである。そして、図３３（ｄ）は、２次、７次、９次および１１次の重み係数を、いずれもエイジング傾向に＋３σとしたものである。図３３（ａ）から（ｃ）は、図１４（ａ）、図１９（ｃ）、図２１（ａ）および図２３（ａ）よりも見掛け年齢が高かった。さらに、図３３（ｄ）は図３３（ａ）から（ｃ）よりも見掛け年齢が高かった。これにより、被験者がエイジング印象軸を複数有している場合にはエイジング傾向が高いと判定することが適当であることがわかった。

　図３４は、２０代から６０代の各年代１０名の母集団の被験者が保有するエイジング印象軸の数を示すテーブルである。図３４は、各年代の被験者が２次、７次、９次、１１次の主成分（エイジング印象軸）を幾つ有しているかを表している。
　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。

　図３４に示すように、４０代から６０代の被験者が発現していた因子の延べ数を比較すると、年代と因子数の延べ数とが正の相関をもつことがわかった。この相関は２０代および３０代の被験者にもみられた。言い換えると因子の延べ数が加齢により単調に増加する傾向にあることがわかった。したがって、被験者のエイジング判定として、エイジング印象軸の数を用いることが有効であることがわかった。

　さらに、図３４のうち、４０代以上の被験者が保有しているエイジング印象軸の次数に基づいてクラスター分析をおこなった。分析にはウォード法を用いた。図３５は、エイジング傾向の群を示すテーブルの一例である。顔印象分析装置１００においては、かかるテーブルを傾向情報記憶部７４に記憶しておくとよい（図１および図６を参照）。顔印象決定部６０は、顔成分解析部５０が算出した特徴量ごとの発現量に基づいて、被験者が属するエイジング傾向の群を判定する。そして、この判定結果を美容情報出力部８０で出力するとよい。

　すなわち、上記実施形態の美容カウンセリング方法で出力される美容情報として、特徴量（基底ベクトル）の寄与率の大きさに基づいて選択された、被験者が属する印象傾向の群を表す情報を用いてもよい。

　図３５では、エイジング傾向の群としてＩ型からＩＶ型の４つを挙げた。Ｉ型は、２次以外のエイジング印象軸が１σ以上発現した被験者が分類される群である。言い換えると、７次、９次、１１次の主成分のいずれか一以上のみがエイジング傾向に１σ以上発現した被験者がＩ型に分類される。ＩＩ型は、２次と９次のいずれかまたは両方のみがエイジング傾向に１σ以上発現した被験者が分類される群である。ＩＩＩ型は、２次または７次のいずれかまたは両方のみがエイジング傾向に１σ以上発現した被験者が分類される群である。ＩＶ型は、２次または１１次のいずれかまたは両方のみがエイジング傾向に１σ以上発現した被験者が分類される群である。

＜実施例２＞
　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。

　母集団解析モデルの平均顔形状において、第１主成分以下、個々の重み係数を変化させて、各主成分が帰属する形状変化の特徴を調べた。１次から３６次（一部省略）の主成分が帰属する顔形状を図３７に示す。

　美容専門家５名が１４８人の被験者の写真を見て各被験者の年齢を推定し、５名の推定年齢の平均値を「見掛け年齢」として算出した。被験者の第１から第２０基底の重み係数（固有値）と見掛け年齢との関係を求めた。図３８は、基底次数ごとの重み係数と見掛け年齢との単相関係数を示すテーブルである。単相関係数の絶対値が０．２以上である基底を有意な加齢因子と判定した。実施例２では、１次、９次、１０次、１２次および２０次の５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、９次および１０次は相関係数が負であり、１次、１２次および２０次は相関係数が正であった。これにより、被験者のエイジングが進行すると、９次および１０次主成分はマイナス方向に進行し、１次、１２次および２０次主成分はプラス方向に進行することが分かった。
　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。

　加齢因子である１次、９次、１０次、１２次および２０次主成分の重み係数を加齢方向または若化方向に変化させることにより、被験者解析モデルや平均顔モデルにおける顔の造作の印象傾向を変化させた印象変化画像を生成した。

　実施例２では、顔の印象傾向に基づいて母集団を複数の群に分類するとともに、５つの加齢因子の発現量（重み係数）の傾向に基づいて被験者が属する群を求めた。具体的には、加齢因子にかかる重み係数の傾向の一致度に基づいて母集団を複数の群に分類した。群に分類する具体的な方法は特に限定されない。一例として、ウォード法などのクラスター分析法を用いて、５つの加齢因子の主成分得点を距離関数として所定の群数に分類することができる。

　本実施例では、Ｉ型からＩＶ型の４群に分類した。
　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。

　同じく、図３９（ｃ）はＩＩ型の２２歳以上４６歳未満の２０人（若齢層）、図３９（ｄ）はＩＩ型の４６歳以上６８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（ａ）から（ｄ）はＩ型からＩＶ型の被験者に関する加齢因子ごとの主成分得点の平均を示すテーブルである。図４０（ａ）は、Ｉ型に属する若齢層および高齢層の合計３９人全員（ａｌｌ）における５つの加齢因子の主成分得点の平均と、若齢層に関する主成分得点の平均値と、高齢層に関する主成分得点の平均値とを表すテーブルである。この結果、Ｉ型の被験者の若齢層は９次と１２次の主成分得点が高く、高齢層は１２次の主成分得点が顕著に高いことが分かった。Ｉ型の若齢層と高齢層の二つの集団に関してＦ検定を行ったところ、９次と１２次の検定結果は０．０５よりも大きかった。よってこれらの加齢因子の主成分得点の分散は統計的に等分散とみることができる。その前提で若齢層と高齢層の二つの集団に関してｔ検定を行ったところ、９次の検定結果は０．０１未満であり、若齢層と高齢層との間に有意差があることが分かった。一方、１２次の検定結果は０．０１以上であり有意差は認められなかった。

　図４０（ａ）の欄外の正（＋）または負（－）の符号は、若齢層から高齢層に向かう加齢方向を示す符号である。たとえば加齢因子の一つである９次に関して言えば、主成分得点の平均に負符号を乗じることで、若齢層から高齢層に向かう加齢方向が表現されることとなる。これらの結果から、Ｉ型に属する被験者は全年代に亘って１２次主成分を共通して保有し、かつ若齢から高齢に向かう加齢変化により、負符号を付した９次の主成分得点が小さな値（－０．７０８）から中程度の値（＋０．２０６）に変化することが分かった。ここで、主成分得点が小さな値であるとは、負の値で絶対値が０．２５以上であることをいう。同様に、主成分得点が中程度の値であるとは、絶対値が０．２５未満であることをいう。そして、主成分得点が大きな値であるとは、正の値で絶対値が０．２５以上であることをいう。

　同様に、図４０（ｂ）の結果から、ＩＩ型に属する被験者は１０次と２０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１０次の主成分得点は小さな値（－１．２００）から中程度の値（－０．１６９）に変化し、正符号を付した２０次の主成分得点は大きな値（＋０．４０６）から更に大きな値（＋１．４７８）に変化することが分かった。
　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。

　以上の分析結果から、任意の被験者が属する群をＩ型からＩＶ型より選択し、その群を母集団とする被験者が平均的に示す加齢変化の上記傾向を被験者解析モデルに適用することで、被験者が加齢した場合の顔形状または被験者を若化させた（過去の）顔形状をシミュレートすることができる。このシミュレーションは、多数のサンプル提供者の顔形状を統計的に分析した結果に基づくものであり、被験者の実際の加齢変化を模擬する蓋然性が高い演算といえる。

　図４１（ａ）は、Ｉ型の被験者に関する有意な加齢因子（以下、有意加齢因子）ごとの偏回帰係数および定数項を示すテーブルである。Ｉ型の被験者の有意加齢因子は９次および１２次主成分である。同じく図４１（ｂ）から（ｄ）は、ＩＩ型からＩＶ型に関する有意加齢因子ごとの偏回帰係数と定数項を示すテーブルである。本実施例において、ＩＶ型の被験者の有意加齢因子は９次のみであったが、本明細書では（単）回帰係数と偏回帰係数とを特に区別しない。偏回帰係数の有効数字の桁数は母集団の人数等の条件に応じて適宜設定するとよい。有意加齢因子の主成分得点を説明変数として、これらの偏回帰係数および定数項を用いた重回帰式によって、目的変数である見掛け年齢を表すことができる。

　図１に戻り、顔印象分析装置１００においては、これらのテーブルに示された数値（加齢演算係数）を有意加齢因子と対応づけて傾向情報記憶部７４に記憶しておくとよい。印象変化画像生成部９０は、被験者解析モデルから抽出された５つの加齢因子の発現量に対応する主成分得点を距離関数として、この距離関数が最小となる群をＩ型からＩＶ型より選択する。つぎに、印象変化画像生成部９０は、この群に対応する有意加齢因子の加齢演算係数を傾向情報記憶部７４から取得する。そして、印象変化画像生成部９０は、条件入力部３０を介して、加齢幅情報の入力をユーザから受け付ける。この加齢幅情報は、被験者の見掛け年齢を、現在の見掛け年齢から増減させる年齢変化幅を示す情報である。加齢幅情報は、見掛け年齢を加齢する場合は正の値をとり、若化する場合は負の値をとる。

　印象変化画像生成部９０は、被験者の見掛け年齢に加齢幅情報を加算して、加齢変化後の年齢（変化後年齢）を算出する。印象変化画像生成部９０は、加齢演算係数で表される（重）回帰式に基づいて、この変化後年齢に対応する説明変数（有意加齢因子）を求める。ここで、被験者が分類されるＩ型からＩＶ型までの群ごとに有意加齢因子またはその組み合わせは異なる。上述のようにＩ型の有意加齢因子は９次と１２次であり、ＩＩ型では１０次と２０次であり、ＩＩＩ型では９次と１０次であり、ＩＶ型では９次のみである。
　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b_i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b_i（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b_i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（ａ）は、Ｉ型の全被験者（見掛け年齢の平均は：４４．７歳）の平均顔形状モデルの斜視図である。言い換えると、図４２（ａ）は、９次および１２次主成分をともに顕著に有する印象傾向の被験者のおおよそ４５歳時点の見掛け年齢の平均的な顔形状を表している。
　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４２（ｂ）と図４２（ｃ）を対比すると、実施例２に基づく加齢傾向の演算結果が把握される。具体的には、若化した画像である図４２（ｂ）の顔形状では、法令線および口角が浅い。これに対し、加齢した画像である図４２（ｃ）の顔形状では、法令線および口角が深く、頬の下部が膨らみ、また目尻が垂れ下がっていることが分かる。

　図４３（ａ）は、Ｉ型の若齢層に属する２０人の平均顔の正面図である。図３９（ａ）に示した平均顔モデルに対応する合成実写画像である。図４３（ｂ）は、Ｉ型の高齢層に属する１９人の平均顔の正面図である。図３９（ｂ）に示した平均顔モデルに対応する合成実写画像である。若齢層の見掛けの平均年齢は３０歳であり、高齢層の見掛けの平均年齢は５７歳であった。図４３（ａ）は実在の若齢の被験者の平均的な顔形状を表し、図４３（ｂ）は実在の高齢の被験者の平均的な顔形状を表しているといえる。そして、図４２（ｂ）と図４３（ａ）、および図４２（ｃ）と図４３（ｂ）をそれぞれ対比すると、平均顔形状モデルに現れていた加齢傾向が実在の被験者にも現れていることが分かる。具体的には、図４３（ａ）に示す若齢の被験者の法令線および口角は浅く、図４３（ｂ）に示す高齢の被験者の法令線および口角は深く、頬の下部の膨らみと目尻の下垂が確認できた。

　図４４（ａ）は、ＩＩ型の全被験者（見掛け年齢の平均は：４２．９歳）の平均顔形状モデルの斜視図である。言い換えると、図４４（ａ）は、１０次および２０次主成分をともに顕著に有する印象傾向の被験者の上記平均年齢相当時点での平均的な顔形状を表している。
　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（ａ）は、ＩＩＩ型の全被験者（見掛け年齢の平均は：４６．３歳）の平均顔形状モデルの斜視図である。言い換えると、図４５（ａ）は、９次および１０次主成分をともに顕著に有する印象傾向の被験者の上記平均年齢相当時点での平均的な顔形状を表している。
　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（ａ）は、ＩＶ型の全被験者（見掛け年齢の平均は：４３．６歳）の平均顔形状モデルの斜視図である。言い換えると、図４６（ａ）は、加齢因子のうち９次主成分のみを顕著に有する印象傾向の被験者の上記平均年齢相当時点での平均的な顔形状を表している。
　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。

　ＩＩ型からＩＶ型に関しても、図４３（ａ）、（ｂ）と同様に実在の若齢層および高齢層の被験者の平均顔（図示省略）と対比することで、加齢因子の発現量の傾向が群ごとによく模擬されていることが確認された。以上より、実施例２による顔画像生成方法によれば、実在の被験者の加齢や若化を高い精度で模擬する印象変化画像が生成できることが分かった。また、実施例２では印象傾向として見掛け年齢を用いたが、これに代えて被験者の実年齢を用いても同様の結果となることが確認された（図示省略）。

　なお、生成された印象変化画像は、美容情報出力部８０（図１を参照）により表示出力されて被験者に提示されるとよい。

　実施例２の結果をまとめると、以下の顔画像生成方法の有効性が確認された。まず、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、この年齢に基づいて、母集団を、被験者を含む第一の集団（たとえば若齢層）と被験者を含まない第二の集団（たとえば高齢層）とに分ける。そして、第一の集団または第二の集団の一方に偏って発現している加齢因子（Ｉ型の場合は９次の基底ベクトル）に第一の重率を付与し、第一の集団および第二の集団の両方に発現している加齢因子（Ｉ型の場合は、１次、１０次および２０次の基底ベクトル）に第一の重率よりも小さな第二の重率を付与して主成分得点（重み係数）を変化させる。

　ここで、第一および第二の重率の大小は、図４１（ａ）のテーブルに示した偏回帰係数の絶対値と図３６に示した寄与率との積の大小に対応している。すなわち、Ｉ型からＩＶ型の群を更に若齢層と高齢層とに分け、両年齢層の一方に顕著に発現している因子が、当該群における支配的な加齢因子であると推定して、当該加齢因子に大きな重率を設定して印象変化画像を生成する。これにより、被験者の加齢または若化を高い蓋然性で模擬した印象変化画像を得ることができる。したがって、被験者の顔形状を年齢変化させるにあたっては、若齢層と高齢層の平均年齢の間の範囲でこれを行うことが好ましい。言い換えると、所定量の変化後の見掛け年齢または実年齢が、第一の集団（たとえば若齢層）の平均年齢と第二の集団（たとえば高齢層）の平均年齢との間であることが好ましい。これにより、所定の加齢幅で年齢変化させた後の加齢因子の主成分得点を、第一の集団の平均値と第二の集団の平均値との内挿演算に基づいて求めることができる。

　実施例２では、被験者の母集団をＩ型からＩＶ型の群に分類したうえで、更に若齢層と高齢層とに分けて加齢因子の発現量の偏りを分析したが、本発明はこれに限られない。Ｉ型からＩＶ型等の群に分類することなく、母集団全体を若齢層と高齢層とに分けて加齢因子の発現量の偏りを分析して、支配的な加齢因子を特定してもよい。

　また、被験者の母集団を複数の群に分類する方法として、上記実施例では加齢因子の一致度に基づくクラスター分析を用いたが、本発明はこれに限られない。被験者の顔形状における特定部位の寸法や相対位置などの測定可能な形状的特徴に基づいて母集団を複数の群に分類してもよい。

　母集団に属する一部の被験者は、第一の集団と第二の集団の両方に属していてもよい。すなわち、実施例２では４６歳を境にして被験者を若齢層と高齢層に漏れおよび重複無く分類したが、本発明はこれに限られない。たとえば、第一の集団を２４歳以上５０歳以下とし、第二の集団を４０歳以上６０歳以下としてもよい。一部の被験者が両方の集団に属したとしても、各群の平均顔形状における特徴量の発現傾向から加齢傾向を分析する本発明の手法は妥当性を失わない。また、母集団を若齢層、中間層、高齢層等の三以上の集団に分けてもよい。そして、加齢因子のうち、若齢層から中間層、さらに中間層から高齢層に向かって発現量が漸増する因子を、支配的な加齢因子として特定して、かかる因子の発現を抑制する美容施術方法や化粧料を被験者に提供してもよい。または、若齢層と中間層には発現せず、高齢層にのみ発現する加齢因子を特定して、かかる因子の発現を抑制する美容施術方法や化粧料を被験者に提供してもよい。

　また、実施例２では顔印象分析方法にあたって被験者の母集団を複数の群に分類したが、実施例１のように被験者の顔の造作の印象傾向の度合いに基づいて美容施術方法などの美容情報を出力する美容カウンセリング方法においても同様に母集団を複数の群に分類してもよい。すなわち、複数人の被験者の母集団を複数の群に分類するとともに、被験者の顔における特徴量の発現量に基づいて、当該被験者が属する群を求めるとよい。具体的には、印象傾向と相関の高い複数次の基底ベクトル（加齢因子）にかかる複数の重み係数の傾向の一致度に基づいて母集団を複数の群に分類するとよい。

　美容カウンセリング方法を提供するにあたっては、印象傾向（見掛け年齢）と相関の高い複数次の基底ベクトル（加齢因子）にかかる複数の重み係数の傾向の一致度に基づいて母集団を複数の群に分類するとともに、被験者の顔における特徴量の発現量に基づいて被験者が属する群を求めるとよい。そして、被験者が属する群に予め対応付けられた美容情報を出力するとよい。実施例１では加齢因子ごとに美容施術方法を予め対応づけてテーブル（図８を参照）として記憶しておくことを説明したが、これに代えて、加齢因子の発現量の傾向に基づいて分類された群ごとに美容施術方法を予め対応づけてテーブル（図示せず）として記憶してもよい。

　具体的には、Ｉ型からＩＶ型の被験者の加齢傾向を改善する美容情報として、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をＩ型からＩＶ型の群ごとに対応づけて傾向情報記憶部７４に記憶しておくとよい。顔印象決定部６０は、被験者解析モデルがもつ加齢因子の重み係数に基づいて被験者が属する群を決定し、さらに傾向情報記憶部７４を参照して、この決定された群に対応づけられた美容情報を取得して美容情報出力部８０で出力するとよい。これにより、被験者が属する群に適した美容情報が提供される。この群に属する被験者たちの加齢因子の発現傾向は共通しているため、その加齢因子を抑制する美容施術方法や化粧料は、これらの被験者たちに共通して美容効果が高いと推測される。したがって、かかる美容カウンセリング方法によれば、被験者ごとに有効な美容施術方法や化粧料が提案されることとなる。

　図４２（ａ）、図４４（ａ）、図４５（ａ）、図４６（ａ）を対比すると、群ごとの平均年齢に近い４５歳時点の顔形状には大きな差が無いことが分かった。これは、加齢因子の発現量の傾向の一致度に従って分類されたＩ型からＩＶ型に関して、現時点における平均的な顔形状に大きな差が見られない程度に各群の被験者が十分に等分散であることを意味している。これに対し、上記各図（ｂ）の若化画像同士を比較すると顔形状に差異が現れる。さらに、上記各図（ｃ）の加齢画像同士を比較すると、顔形状の差異が顕著に見られる。
　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。

　Ｉ型とＩＩＩ型は、頬の下垂という顔の輪郭全体の形状が加齢変形する傾向が共通している。かかる加齢印象を抑制するためにはメイクアップ化粧料よりもベースメイク化粧料が有効である点で共通する。一方、ＩＩ型とＩＶ型は、目尻の下垂という顔のパーツ（部分要素）の形状が顕著に加齢変形する傾向が共通している。かかる加齢印象を抑制するためにはベースメイク化粧料よりもメイクアップ化粧料が有効である点で共通する。

　したがって、顔印象分析装置１００においては、顔の輪郭全体の形状が加齢変形する傾向が顕著に発現する群に対してベースメイク化粧料を対応づけ、顔の部分要素の形状が加齢変形する傾向が顕著に発現する群に対してメイクアップ化粧料を対応づけて記憶しておくとよい。

　実施例２では、年齢に基づいて母集団を第一の集団と第二の集団とに分けたが、本発明はこれに限られない。他の例として、出身地域によって、被験者が属する第一の集団と、被験者が属さない第二の集団とに母集団を分けてもよい。これにより、出身地域に起因する顔の造作の印象傾向を支配する特徴量（基底ベクトル）を特定することができる。そして、被験者解析モデルにおける当該特徴量の発現量を変更した印象変化画像を生成することで、被験者の子孫の顔形状を推定することができる。

＜実施例３＞
　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４７は、基底次数ごとの重み係数と大人顔の程度との単相関係数を示すテーブルである。５％有意水準の限界値よりも大きな重み係数の基底次数に「＊」を付し、さらに１％有意水準の限界値よりも大きな重み係数の基底次数に「＊＊」を付してある。これにより、７次、８次および１０次の基底次数の発現量が大人顔または童顔の程度に対して有意に相関することが分かった。以下、７次、８次および１０次の基底次数を「大人顔因子」という。

　図４８（ａ）は母集団全員のうち、大人顔の評価値がもっとも高かった１０人の被験者の平均顔である。図４８（ｂ）は母集団全員のうち大人顔の評価値がもっとも低かった、すなわちもっとも童顔と評価された１０人の被験者の平均顔である。図４８（ａ）と（ｂ）とを対比すると、目の位置が高く、顎が長く、かつ面長である顔ほど大人顔の印象を強く受けることが分かった。

　つぎに、大人顔因子の発現パターンの類似度に基づいて母集団全員をクラスター分析して複数の群に分類した。具体的には４つの群（クラスター）に分類した。図４９は、クラスター１から４に分類された被験者の見掛け年齢の平均と、大人顔の程度（評価値）と、大人顔因子の各次数の主成分得点の平均値と、の対比表である。

　図５０（ａ）は、母集団のうちクラスター１に属する約３０％の被験者の平均顔である。クラスター１の平均顔は、丸顔であって、目の位置は全体平均顔と同等であった。大人顔の程度は普通と評価された。
　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。

　本実施例によれば、大人顔因子の発現量を定量化することにより、顔の印象傾向の度合いとして大人顔または童顔の程度を定量分析できることが分かった。そして、本実施例のように、大人顔因子の発現量に基づいて母集団を複数のクラスターに分類し、任意の被験者が属するクラスターを求めるとよい。これにより、大人顔の傾向を強めるか、または弱める（童顔の傾向を強める）ための美容情報を被験者が属するクラスターに応じて提示するといった美容カウンセリング方法が実現される。美容情報の一例としては、チークの色の選択や塗布方法に関する情報を挙げることができる。

　図４９に示すように、大人顔因子のうち、特に８次基底は、大人顔の程度が比較的強いクラスター２と３に共通して主成分得点が高かった。したがって、複数の大人顔因子のうちの一部の高次因子（具体的には８次基底）に高い重率を付与し、他の因子にこれよりも低い重率を付与して大人顔と童顔の程度を定量評価してもよい。

　本実施例では被験者を含む母集団を印象傾向の発現パターンに応じて複数のクラスターに分類することを説明した。さらに、被験者の顔画像における大人顔因子の発現量（重み係数）を変化させて印象変化画像を生成してもよい。本実施例により提供される顔画像生成方法では、印象傾向の度合いに基づいて、母集団を、被験者を含む第一の集団（クラスター）と被験者を含まない第二の集団（他のクラスター）とに分ける。そして、第一の集団または第二の集団の一方に偏って発現している基底ベクトルに第一の重率を付与し、これら第一の集団および第二の集団の両方に発現している基底ベクトルに第一の重率よりも小さな第二の重率を付与して基底ベクトルの重み係数を変化させてもよい。本実施例では、８次基底の重み係数に比較的大きな第一の重率を乗じ、７次基底および１０次基底に比較的小さな第二の重率を乗じて印象変化画像を生成してもよい。

＜実施例４＞
　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５１は、基底次数ごとの重み係数と大顔印象の程度との単相関係数を示すテーブルである。５％有意水準の限界値よりも大きな重み係数の基底次数に「＊」を付し、さらに１％有意水準の限界値よりも大きな重み係数の基底次数に「＊＊」を付してある。これにより、１次、１１次および１６次の基底次数の発現量が大顔印象または小顔印象に対して有意に相関することが分かった。以下、１次、１１次および１６次の基底次数を「小顔因子」という。

　図５２（ａ）は母集団全員のうち、大顔印象の評価値がもっとも高かった１０人の被験者の平均顔である。図５２（ｂ）は母集団全員のうち大顔印象の評価値がもっとも低かった、すなわちもっとも小顔と評価された１０人の被験者の平均顔である。図５２（ａ）の大顔印象の平均顔と比較すると、図５２（ｂ）の小顔印象の平均顔は、顎が細く、下頬の膨らみが小さく、顔が最大幅となる高さ位置が目と同等であった。逆に、図５２（ａ）の大顔印象の平均顔は、顎が大きく、下頬が膨れており、顔が最大幅となる高さ位置が目よりも低かった。

　つぎに、小顔因子の発現パターンの類似度に基づいて母集団全員をクラスター分析して複数の群に分類した。具体的には４つの群（クラスター）に分類した。図５３は、クラスター１から４に分類された被験者の見掛け年齢の平均と、大顔印象の程度（評価値）と、小顔因子の各次数の主成分得点の平均値と、の対比表である。

　図５４（ａ）は、母集団のうちクラスター１に属する約３０％の被験者の平均顔である。クラスター１の平均顔の大きさは全体平均顔と同等であった。大顔印象は普通と評価された。
　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。

　本実施例によれば、小顔因子の発現量を定量化することにより、顔の印象傾向の度合いとして大顔印象または小顔印象の程度を定量分析できることが分かった。そして、本実施例のように、小顔因子の発現量に基づいて母集団を複数のクラスターに分類し、任意の被験者が属するクラスターを求めるとよい。これにより、小顔印象を強めるための美容情報を被験者が属するクラスターに応じて提示するといった美容カウンセリング方法が実現される。美容情報の一例としては、顎のラインをシャープに見せて小顔印象を強めるために頬や顎に施す濃色のメイク化粧料および化粧方法に関する情報を挙げることができる。

＜実施例５＞
　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５５は、基底次数ごとの重み係数と目の大きさ印象の程度との単相関係数を示すテーブルである。５％有意水準の限界値よりも大きな重み係数の基底次数に「＊」を付し、さらに１％有意水準の限界値よりも大きな重み係数の基底次数に「＊＊」を付してある。これにより、１２次、２６次および３６次の基底次数の発現量が目の大きさ印象の程度に対して有意に相関することが分かった。以下、１２次、２６次および３６次の基底次数を「目の大きさ因子」という。

　図５６（ａ）は母集団全員のうち、目の大きさの評価値がもっとも高かった１０人の被験者の平均顔である。図５６（ｂ）は母集団全員のうち目の大きさの評価値がもっとも低かった１０人の被験者の平均顔である。図５６（ａ）と（ｂ）とを対比すると、目が大きいと評価された図５６（ａ）の平均顔は、単に目が大きいだけでなく、顔の最大幅の位置から目尻までの幅寸法が小さいことが分かった。

　つぎに、目の大きさ因子の発現パターンの類似度に基づいて母集団全員をクラスター分析して複数の群に分類した。具体的には４つの群（クラスター）に分類した。図５７は、クラスター１から４に分類された被験者の見掛け年齢の平均と、目が大きいとの印象（評価値）と、目の大きさ因子の各次数の主成分得点の平均値と、の対比表である。

　図５８（ａ）は、母集団のうちクラスター１に属する約３０％の被験者の平均顔である。クラスター１の平均顔は、丸顔であって、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（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。

　本実施例によれば、目の大きさ因子の発現量を定量化することにより、顔の印象傾向の度合いとして目が大きいとの印象を受ける程度を定量分析できることが分かった。そして、本実施例のように、目の大きさ因子の発現量に基づいて母集団を複数のクラスターに分類し、任意の被験者が属するクラスターを求めるとよい。これにより、目が大きいとの印象を与えるための美容情報を被験者が属するクラスターに応じて提示するといった美容カウンセリング方法が実現される。美容情報の一例としては、アイシャドーやインナーラインの色の選択や塗布方法に関する情報を挙げることができる。

　上記各実施例に代えて、顔の造作に関する種々の印象傾向の度合いを定量評価してもよい。たとえば実施例３の変形例として、丸顔または面長の程度を評価してもよい。そのほか、「男性的または女性的な顔立ちの度合い」、「東洋的または西洋的な顔立ちの度合い」、「鼻筋が通っているとの印象の度合い」、などを評価してもよい。また、「健康的に見える顔形状の度合い」、「魅力的に見える顔形状の度合い」、「見た目の印象が良い顔形状の度合い」、など顔の造作に関する官能的な印象傾向の度合いを定量評価してもよい。これらの印象傾向ごとに対応づけられた一または複数の特徴量（基底次数）を傾向情報ＰＩ（図５）として傾向情報記憶部７４（図１）に記憶しておく。このとき、たとえば「魅力的に見える顔形状の度合い」は、小顔印象の程度が強く、かつ目が大きいとの印象を強く受ける顔において高くなることが本発明者の検討により明らかとなっている。したがって、複数の印象傾向に共通する特徴量（基底次数）の発現量（重み係数）に基づいて、他の印象傾向の度合いを定量評価してもよい。

　上記実施例およびその変形例により提供される美容カウンセリング方法は、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。そして、被験者が属する群（クラスター）と、被験者が属さない他の群と、に予め対応付けられた美容情報を出力する。美容情報は、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。

　実施例２の加齢因子、実施例３の大人顔因子、実施例４の小顔因子、実施例５の目の大きさ因子は、それぞれ複数の基底ベクトルで構成されている。それぞれの因子を構成する少なくとも一つの基底ベクトルは互いに異なっている。具体的には、加齢因子における９次および２０次基底、大人顔因子における７次および８次基底、小顔因子における１１次および１６次基底、目の大きさ因子における２６次および３６次基底は、他の因子に含まれていないユニークな基底ベクトルである。

　上記実施例およびその変形例により提供される美容カウンセリング方法においては、被験者の印象変化画像を被験者に対して表示出力することを含んでもよい。このとき、被験者の現在の顔画像と印象変化画像とを対比して表示出力してもよい。さらに、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て、この美容シミュレーション画像と印象変化画像とを対比して表示出力してもよい。これにより、美容施術方法を施すことによる印象変化が、被験者の顔形状を変化させることによる印象変化を模したものであることを被験者に示すことができる。言い換えると、被験者の顔形状を大人顔や小顔に変形させることと略同等に印象傾向を変化させるヘアメイク方法や化粧メイク方法を、被験者は目視的に確認することができる。

　上記実施例およびその変形例では、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をそれぞれ評価した。これらのうち複数の印象傾向を評価してもよい。すなわち、上記実施例により提供される顔印象分析方法および美容カウンセリング方法で対象とする印象傾向の度合いは、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以上であってもよい。そして、これらの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特徴量同士が、互いに異なる次数の基底ベクトルを含んでいてもよい。

　実施例３の大人顔因子、実施例４の小顔因子、実施例５の目の大きさ因子の３つの印象傾向に関しては、これらを構成する基底ベクトルは完全不一致である。したがって、上記実施例により提供される顔印象分析方法および美容カウンセリング方法は、２以上の印象傾向を分析するものであって、かつ少なくとも２つの印象傾向のそれぞれに対応する一または複数の特徴量同士が、互いに異なる次数の基底ベクトルのみで構成されていてもよい。

　上記実施形態および実施例は、以下の顔印象分析方法、美容カウンセリング方法および顔印象分析システムの技術思想を開示するものである。
＜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。

　また、上記実施形態および実施例は、以下の顔印象分析方法、美容カウンセリング方法および顔印象分析システムの技術思想を開示するものである。
＜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。

　また、上記実施形態および実施例は、以下の顔印象分析方法、美容カウンセリング方法および顔印象分析システムの技術思想を開示するものである。
＜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。

＜８ｂ＞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＜２３ａ＞に記載の顔印象分析装置；
＜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

　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。