[发明专利]用于确定角蛋白表面的特性的方法和系统以及用于处理所述角蛋白表面的方法和系统在审
申请号: | 201980061174.X | 申请日: | 2019-07-15 |
公开(公告)号: | CN112740266A | 公开(公告)日: | 2021-04-30 |
发明(设计)人: | M·佩罗特;E·马勒布;T·瓦塞尔曼;J·沙尔贝;P·博卡里斯 | 申请(专利权)人: | 莱雅公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00 |
代理公司: | 中国专利代理(香港)有限公司 72001 | 代理人: | 郭慧;林毅斌 |
地址: | 法国*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 确定 角蛋白 表面 特性 方法 系统 以及 处理 | ||
1.一种用于确定使用者的角蛋白表面的至少一个物理和/或化学特性的方法,所述方法包括以下步骤:
-接收与所述角蛋白表面的至少一个图像相对应的数据,
-通过对所述图像应用至少一个机器学习模型来处理所述图像,
-返回与所述角蛋白表面的要确定的特性的评分等级相对应的至少一个数值。
2.根据权利要求1所述的方法,其特征在于,所述方法包括预处理分割步骤,即,将所述机器学习模型应用于至少一个识别出的分段。
3.根据权利要求2所述的方法,其特征在于,所述分割步骤通过对比分析来执行。
4.根据权利要求2所述的方法,其特征在于,通过将机器学习模型应用于所述图像来执行所述分割步骤。
5.根据权利要求1至5中任一项所述的方法,其特征在于,所述图像是RGB图像。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述图像是多光谱图像,所述多光谱图像包括选自380nm至700nm的可见光谱带、300nm至380nm的UV带和700nm至1500nm的IR带的至少一个光谱带。
7.根据权利要求1至5中任一项所述的方法,其特征在于,所述图像是红外图像。
8.根据权利要求1至7中任一项所述的方法,其特征在于,重复所述方法以确定所述角蛋白表面的第二特性,优选地使用相同的图像数据重复所述方法。
9.根据权利要求1至8中任一项所述的方法,其特征在于,所述方法包括基于至少一些实值特性来推荐化妆品产品的后续步骤。
10.根据权利要求1至8中任一项所述的方法,其特征在于,所述方法包括基于至少一些实值特性来确定推荐的化妆品产品组合物的后续步骤。
11.根据权利要求10所述的方法,其特征在于,所述方法包括根据所推荐的组合物来制作和分配化妆品产品的后续步骤。
12.根据权利要求1至11中任一项所述的方法,其特征在于,所述图像中图示的所述角蛋白表面是使用者的皮肤区域。
13.根据权利要求12所述的方法,其特征在于,所述图像中图示的所述皮肤区域是所述使用者的脸部区域、优选地是所述使用者的脸颊和/或前额的区域。
14.根据权利要求12所述的方法,其特征在于,所述图像中图示的所述皮肤区域是所述使用者的头皮区域。
15.根据权利要求12至14中任一项所述的方法,其特征在于,所述图像中图示的所述皮肤区域包括头发。
16.根据权利要求15所述的方法,其特征在于,所述图像中图示的所述区域是所述使用者的发根区。
17.根据权利要求1至16中任一项所述的方法,其特征在于,所述要确定的特性选自:头发色调、头发直径、头发密度、白发百分比、长度颜色、根部颜色、头发光泽、头皮干燥度、头皮屑程度、头发比色、头发光谱、真黑色素水平、类黑色素水平、人造染料水平、湿度、磺基丙氨酸水平、损伤水平、竖起水平,已经对所述机器学习模型进行了相应的训练以评估所述特性。
18.根据权利要求1至17中任一项所述的方法,其特征在于,所述机器学习模型是预训练的卷积神经网络。
19.一种存储有计算机可用指令的非暂态计算机存储介质,所述计算机可用指令在被计算设备使用时使所述计算设备执行根据权利要求1至18中任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于莱雅公司,未经莱雅公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201980061174.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:固体摄像装置
- 下一篇:激光装置及激光波形控制方法