CN107315987A - 评估面部表观年龄、面部衰老程度的方法及其应用 - Google Patents
评估面部表观年龄、面部衰老程度的方法及其应用 Download PDFInfo
- Publication number
- CN107315987A CN107315987A CN201610270307.2A CN201610270307A CN107315987A CN 107315987 A CN107315987 A CN 107315987A CN 201610270307 A CN201610270307 A CN 201610270307A CN 107315987 A CN107315987 A CN 107315987A
- Authority
- CN
- China
- Prior art keywords
- lines
- facial
- age
- face
- interviewee
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 113
- 230000001815 facial effect Effects 0.000 title claims abstract description 96
- 230000032683 aging Effects 0.000 title claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 210000001364 upper extremity Anatomy 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims description 30
- 238000007689 inspection Methods 0.000 claims description 25
- 210000000216 zygoma Anatomy 0.000 claims description 19
- 238000007427 paired t-test Methods 0.000 claims description 16
- 210000000744 eyelid Anatomy 0.000 claims description 13
- 210000001847 jaw Anatomy 0.000 claims description 13
- 210000000577 adipose tissue Anatomy 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 12
- 210000002050 maxilla Anatomy 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- 238000010191 image analysis Methods 0.000 claims description 9
- 239000002537 cosmetic Substances 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000003760 hair shine Effects 0.000 claims 2
- 230000010287 polarization Effects 0.000 claims 2
- 238000010998 test method Methods 0.000 claims 2
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 description 13
- 238000000540 analysis of variance Methods 0.000 description 5
- 239000006071 cream Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 208000008589 Obesity Diseases 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 230000003750 conditioning effect Effects 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 235000020824 obesity Nutrition 0.000 description 3
- 231100000241 scar Toxicity 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 240000006694 Stellaria media Species 0.000 description 2
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000031748 disorder of facial skeleton Diseases 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 230000035935 pregnancy Effects 0.000 description 2
- 230000003716 rejuvenation Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 208000023275 Autoimmune disease Diseases 0.000 description 1
- 206010012442 Dermatitis contact Diseases 0.000 description 1
- 235000009967 Erodium cicutarium Nutrition 0.000 description 1
- 206010063560 Excessive granulation tissue Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010024452 Ligament laxity Diseases 0.000 description 1
- 208000002029 allergic contact dermatitis Diseases 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 210000003467 cheek Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 208000003669 immune deficiency disease Diseases 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000001543 one-way ANOVA Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
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
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric 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
- G06V40/168—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
- G06V40/172—Classification, e.g. identification
-
- 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)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了评估面部表观年龄、面部衰老程度的方法及其应用。该方法包括步骤:(1)采集多个受访者的面部照片;(2)对照片进行长度校准和分析,得到x1和x3值、或x2和x4值、或x3和x4值、或x1和x2值、或x1、x2、x3和x4值;其中,x1为起点到下眼睑上缘的距离;x2为线条3和线条4的交点到唇中线的距离;x3为线条1和线条2间的夹角度数;x4为线条3和线条4间的夹角度数;(3)根据受访者的实际年龄y’和所得x1、x2、x3和/或x4值进行回归模型分析;(4)根据所得回归方程计算被评估者的面部表观年龄y。该方法可定量评估各地区人尤其是亚洲人的面部表观年龄和衰老程度,且可靠性好。
Description
技术领域
本发明涉及评估面部表观年龄、面部衰老程度的方法及其应用。
背景技术
衰老容颜是在面部衰老过程中逐渐形成的整体改变,随着面部韧带松弛和软组织下移出现了眶周增大、鼻唇沟加深、颊部“赘肉”等现象,使面部轮廓曲线发生变化。现有技术中通常采用面部皱纹、睑袋、鼻唇沟等一个或多个点进行面部衰老的评估。然而,这些评估方法因研究的区域太小而太过局限性,因此研发一种从面部整体区域对面部衰老进行研究的方法成为必须。
2000年,Little William提出了青春曲线(youthful curve),一条从侧面观察到像字母“S”的面中部曲线,用于评估西方人整容前后的面中部视感,通过整容手段改变面部轮廓,减小“S”形曲线曲率半径,使面部轮廓更有层次感,进而恢复面部活力(WilliamLittle,M.D.,“Volumetric Perceptions in Midfacial Aging with AlteredPriorities for Rejuvenation”,REJUVENATION PRIORITIES FOR THE MIDFACE,2000,Vol.105,No.1:252-266)。然而,该文章中并没有提出这条“S”形曲线的具体研究方法,且未定量给出该条曲线的起始点和研究位点,使得很难对面部状态进行定量分析。而且,文章中对于这条青春曲线的研究是针对欧美人的,而亚洲人的面中部扁平,与欧美人相比曲率半径大,上述曲线在亚洲人的面部缺乏立体感,不能很好地用于亚洲人的面部评估,具体可参见说明书附图1的该条曲线应用于西方人和中国人的面部评估的对照图。因此,研发一种可定量评估各地区人脸面部状态的方法就变得非常重要。
发明内容
本发明所解决的技术问题在于克服现有技术不存在定量评估人面部状态的方法,以及现有的青春曲线只能定性评估欧美人面部、不适合评估亚洲人面部的缺陷,提供了评估面部表观年龄、面部衰老程度的方法及其应用。
本发明提出了定量评估面部表观年龄、面部衰老程度的方法,并重新定义了一条从正面或者侧面(以面部鼻梁为中心线,与中心线所在垂直平面呈0~45°角)观察到的青春曲线,该青春曲线与Little William提出的青春曲线相比,起始点明确,研究位点清晰,适用于评估各地区人,尤其是亚洲人的面部表观年龄,并且对于合理选择面部的清洁护理产品及改善面部肌肤具有重要的指导作用。
本发明提供了一种评估面部表观年龄的方法(下文称为方法I),所述方法包括如下步骤:
(1)采集多个受访者的面部照片,所述采集的角度为以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0~45°角;
(2)对采集的照片的图像进行长度校准,然后再对图像进行分析,得到x1和x3值;
所述x1为起点到下眼睑上缘的距离,单位mm;
所述x3为线条1和线条2之间的夹角度数,单位°;
其中,所述起点为眼中线下方的眼睑与颊的交界点;
所述线条1为自所述起点沿颧骨上缘的凸面到达上颌骨额突连成的线条;
所述线条2为自鼻翼与颧骨的交界点至鼻漕沟连成的线条;
(3)根据多个受访者的实际年龄y’和所得x1、x3值,对y’与x1和x3进行回归模型分析,得到回归方程式I:y’=b+a1x1+a3x3;
(4)测量一被评估者的x1和x3值,根据所述的回归方程式I,计算所述被评估者的面部表观年龄y,y=b+a1x1+a3x3。
本发明还提供了一种评估面部表观年龄的方法(下文称为方法II),所述方法包括如下步骤:
(1)采集多个受访者的面部照片,所述采集的角度为以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0~45°角;
(2)对采集的照片的图像进行长度校准,然后再对图像进行分析,得到x2和x4值;
所述x2为线条3和线条4的交点到唇中线的距离,单位mm;
所述x4为线条3和线条4之间的夹角度数,单位°;
其中,所述线条3为自鼻漕沟沿颊脂肪垫下缘凸面、向脸外侧至上嘴唇平齐点连成的线条;
所述线条4为自所述线条3的终点起、过咬合平面,并沿着颚部上边缘至下颌骨与颏部的交叉点连成的线条;
(3)根据多个受访者的实际年龄y’和所得x2、x4值,对y’与x2和x4进行回归模型分析,得到回归方程式II:y’=b+a2x2+a4x4;
(4)测量一被评估者的x2和x4值,根据所述的回归方程式II,计算所述被评估者的面部表观年龄y,y=b+a2x2+a4x4。
本发明还提供了一种评估面部表观年龄的方法(下文称为方法III),所述方法包括如下步骤:
(1)采集多个受访者的面部照片,所述采集的角度为以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0~45°角;
(2)对采集的照片的图像进行长度校准,然后再对图像进行分析,得到x3和x4值;
所述x3为线条1和线条2之间的夹角度数,单位°;
所述x4为线条3和线条4之间的夹角度数,单位°;
其中,所述线条1为自起点沿颧骨上缘的凸面到达上颌骨额突连成的线条,所述起点为眼中线下方的眼睑与颊的交界点;
所述线条2为自鼻翼与颧骨的交界点至鼻漕沟连成的线条;
所述线条3为自鼻漕沟沿颊脂肪垫下缘凸面、向脸外侧至上嘴唇平齐点连成的线条;
所述线条4为自所述线条3的终点起、过咬合平面,并沿着颚部上边缘至下颌骨与颏部的交叉点连成的线条;
(3)根据多个受访者的实际年龄y’和所得x3、x4值,对y’与x3和x4进行回归模型分析,得到回归方程式III:y’=b+a3x3+a4x4;
(4)测量一被评估者的x3和x4值,根据所述的回归方程式III,计算所述被评估者的面部表观年龄y,y=b+a3x3+a4x4。
本发明还提供了一种评估面部表观年龄的方法(下文称为方法IV),所述方法包括如下步骤:
(1)采集多个受访者的面部照片,所述采集的角度为以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0~45°角;
(2)对采集的照片的图像进行长度校准,然后再对图像进行分析,得到x1和x2值;
所述x1为起点到下眼睑上缘的距离,单位mm;
所述x2为线条3和线条4的交点到唇中线的距离,单位mm;
其中,所述起点为眼中线下方的眼睑与颊的交界点;
所述线条3为自鼻漕沟沿颊脂肪垫下缘凸面、向脸外侧至上嘴唇平齐点连成的线条;
所述线条4为自所述线条3的终点起、过咬合平面,并沿着颚部上边缘至下颌骨与颏部的交叉点连成的线条;
(3)根据多个受访者的实际年龄y’和所得x1、x2值,对y’与x1和x2进行回归模型分析,得到回归方程式IV:y’=b+a1x1+a2x2;
(4)测量一被评估者的x1和x2值,根据所述的回归方程式IV,计算所述被评估者的面部表观年龄y,y=b+a1x1+a2x2。
本发明还提供了一种评估面部表观年龄的方法(下文称为方法V),所述方法包括如下步骤:
(1)采集多个受访者的面部照片,所述采集的角度为以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0~45°角;
(2)对采集的照片的图像进行长度校准,然后再对图像进行分析,得到x1、x2、x3和x4值;
所述x1为起点到下眼睑上缘的距离,单位mm;
所述x2为线条3和线条4的交点到唇中线的距离,单位mm;
所述x3为线条1和线条2之间的夹角度数,单位°;
所述x4为线条3和线条4之间的夹角度数,单位°;
其中,所述起点为眼中线下方的眼睑与颊的交界点;
所述线条1为自所述起点沿颧骨上缘的凸面到达上颌骨额突连成的线条;
所述线条2为自鼻翼与颧骨的交界点至鼻漕沟连成的线条;
所述线条3为自鼻漕沟沿颊脂肪垫下缘凸面、向脸外侧至上嘴唇平齐点连成的线条;
所述线条4为自所述线条3的终点起、过咬合平面,并沿着颚部上边缘至下颌骨与颏部的交叉点连成的线条;
(3)根据多个受访者的实际年龄y’和所得x1、x2、x3和x4值,对y’与x1、x2、x3和x4进行回归模型分析,得到回归方程式V:y’=b+a1x1+a2x2+a3x3+a4x4;
(4)测量一被评估者的x1、x2、x3和x4值,根据所述的回归方程式V,计算所述被评估者的面部表观年龄y,y=b+a1x1+a2x2+a3x3+a4x4。
所述方法I~V的步骤(1)中,所述面部照片的采集设备可为本领域常规使用的面部照片采集设备,例如单反、卡片机等,只要其能够清晰采集受访者的人脸面部特征即可。其中,为采集得到清晰的人脸面部照片,本领域技术人员可根据实际情况常规选择使用闪光灯或恒定光源。本领域技术人员均知晓在同一系列人脸面部研究过程中应采用同一采集设备或者采用同一采集模式进行人脸面部同一角度(以鼻梁为中心线,与该中心线所在垂直平面呈0~45°角范围内)的照片采集。
较佳地,所述面部照片采集设备为美国Canfield Scientific,Inc.公司提供的Visia-CR面部图像分析仪。所述Visia-CR面部图像分析仪在采集受访者的面部正面照片时较佳地采用parallel-polarization模式进行,以更好地显出人脸面部的凹凸特征。
所述方法I~V的步骤(1)中,在采集所述面部正面照片时,较佳地采用设备内置的比例尺矫正照片的像素与长度之间的关系。
所述方法I~V的步骤(1)中,所述受访者的样本个数本领域技术人员可根据常规建立回归模型分析的样本个数进行选择,一般为4人以上,较佳地为24人以上,以符合临床对受访者正态分布的要求,按照本领域技术人员对于建立回归模型理解,个数越多越好,因而可不设上限。
所述方法I~V的步骤(1)中,所述受访者可为全球任意地区的人,只要其面部无疾病、疤痕,未做过面部手术,或非过度肥胖即可,较佳地为同一地域、同一人种、同一性别的人,更佳地为亚洲地区黄种人群女性,最佳地为中国地区黄种人群女性。本领域技术人员根据公知常识及本发明实际内容均知晓步骤(4)中的被评估者与步骤(1)中的受访者属于同一地域、同一人种、同一性别的人群,但两者可为不同的个体。其中,所述的地域按照本领域常规一般上限可设为按照现行国家区划,以国家为单位;所述的人种本领域技术人员均知晓是指一般从生物学角度以本质主义方式(即以体质特征为标准)将全世界的现代人类划分的四大人种:欧罗巴人种(又称白色人种或高加索人种或欧亚人种)、蒙古人种(又称黄色人种或亚美人种)、尼格罗人种(又称黑色人种或赤道人种)和澳大利亚人种(又称大洋洲人种或棕色人种),俗称白种人、黄种人、黑种人和棕种人;所述的性别包括男性和女性。
所述方法I~V的步骤(2)中,所述长度校准的方式可采用图像分析软件,所述图像分析软件可为本领域常规使用的图像分析软件,只要其具有图像长度的校准功能和线与线之间的夹角计算功能即可。较佳地,所述图像分析软件为美国Media Cybernetics,Inc.公司提供的Image-Pro Plus 7.0图像分析软件。
所述方法I~V的步骤(3)中,所述回归模型分析的方法为本领域常规使用的模型分析方法,用以确定因变量与自变量之间的变化关系。本领域技术人员均知晓如何根据本发明的因变量y’与自变量x1、x2、x3和/或x4建立回归模型。
所述方法I~V的步骤(3)中,所述回归方程式的建立方法为本领域常规方法,本领域技术人员均知晓如何计算获取回归方程式,并且知晓最终获取的回归方程中各自变量前的系数和截距常量可以在回归模型分析的合理误差范围内。较佳地,所述回归方程式可采用SPSS Statistics 20.0数据分析软件获得。
所述方法I~V的步骤(3)中,还可包括对所建立的各回归模型进行检验的步骤,所述检验可根据本领域常规方法进行,例如判定系数检验法(R检验)、回归方程显著性检验(F检验)和回归系数显著性检验(t检验)。
所述方法I~V的步骤(4)中,所述面部表观年龄的计算公式中,各自变量前的系数及截距常量会根据采集人群的数量、地域、人种、性别等因素有所不同,但本领域技术人员均知晓在同一系列人脸面部研究过程中应选用同一人群,即同一地域、同一人种、同一性别的人群,对于不同人群本领域技术人员均知晓根据本发明所描述的方法能够清楚地确定各人群面部表观年龄计算公式中自变量前的系数及截距常量。
所述方法I中,所述受访者为中国女性时,所述受访者的面部表观年龄可根据方程y=45.251+15.157x1-0.374x3计算获得,其中方程中各自变量前的系数和截距常量可以在回归模型分析的合理误差范围内,例如±30%范围内。
所述方法II中,所述受访者为中国女性时,所述受访者的面部表观年龄可根据方程y=62.410-12.029x2+0.165x4计算获得,其中方程中各自变量前的系数和截距常量可以在回归模型分析的合理误差范围内,例如±30%范围内。
所述方法III中,所述受访者为中国女性时,所述受访者的面部表观年龄可根据方程y=38.804-0.341x3+0.160x4计算获得,其中方程中各自变量前的系数和截距常量可以在回归模型分析的合理误差范围内,例如±30%范围内。
所述方法IV中,所述受访者为中国女性时,所述受访者的面部表观年龄可根据方程y=70.854+15.021x1-12.898x2计算获得,其中方程中各自变量前的系数和截距常量可以在回归模型分析的合理误差范围内,例如±30%范围内。
所述方法V中,所述受访者为中国女性时,所述受访者的面部表观年龄可根据方程y=55.622+9.873x1-6.623x2-0.242x3+0.093x4计算获得,其中方程中各自变量前的系数和截距常量可以在回归模型分析的合理误差范围内,例如±30%范围内。
本发明中,所述的眼睑、颊、颧骨、上颌骨额突、鼻翼、鼻漕沟、颊脂肪垫、嘴唇、咬合平面、颚部、下颌骨、颏部均为本领域技术术语,本领域技术人员均知晓从生物学角度确定上述部位的具***点,并根据本发明的上述描述能够清楚地确定本发明所述的青春曲线。
本发明中,所述x1和x2表示的距离及x3和x4表示的角度本领域技术人员根据本发明的描述及公知常识均能够清楚地确定,其中x1、x2、x3和x4的位点也可参见附图2的示意图。
本发明中,为便于指代,将由上述起点、线条1、线条2、线条3、线条4和终点连成的曲线定义为青春曲线,其中,所述起点为眼中线下方的眼睑与颊的交界点;所述线条1为自所述起点沿颧骨上缘的凸面到达上颌骨额突连成的线条;所述线条2为自鼻翼与颧骨的交界点至鼻漕沟连成的线条;所述线条3为自鼻漕沟沿颊脂肪垫下缘凸面、向脸外侧至上嘴唇平齐点连成的线条;所述线条4为自所述线条3的终点起、过咬合平面,并沿着颚部上边缘至下颌骨与颏部的交叉点连成的线条;所述终点为下颌骨与颏部的交叉点。所述青春曲线可参见附图3示例。
本发明还提供了一种评估面部衰老程度的方法,包括如下步骤:
(1)采用所述评估面部表观年龄的方法I、方法II、方法III、方法IV或方法V对样本人群进行评估,所述样本人群含有多个被评估者,获得各被评估者的表观年龄;
(2)将某一被评估者所得表观年龄与其实际年龄进行配对t检验,得到显著性分析的p值,若p<0.05,则判定所得面部表观年龄显著性大于实际年龄;若p≥0.05,则判定所述被评估者的面部表观年龄无显著性大于实际年龄。
步骤(2)中,所述配对t检验可根据本领域常规方法进行,较佳地可使用美国IBM公司提供的SPSS Statistics 20.0数据分析软件进行。
本发明还提供了所述评估面部表观年龄的方法和所述评估面部衰老程度的方法在评价化妆品作用于面部肌肤的功效中的应用。
其中,所述化妆品作用于面部肌肤进行评价的操作可按照本领域的常规方法和条件进行。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:
(1)本发明的青春曲线与Little William提出的青春曲线相比,起始点明确,研究位点清晰,适用于评估各地区人,尤其是亚洲女性的面部衰老状态。
(2)本发明在评估面部表观年龄时除分析青春曲线线条1和线条2之间的夹角与线条3和线条4之间的夹角得到曲率变化趋势,以及分析起始点与线条3和线条4之间的位移得到曲线在面部位移的趋势外,还可以研究青春曲线穿过的其它区域(例如鼻唇沟、泪漕沟和嘴角沟)的影响。
(3)本发明评估面部表观年龄的方法具有普遍性,且可靠性好。
(4)本发明评估面部表观年龄的方法对于评价化妆品作用于改善面部肌肤测试的功效具有重要的指导作用。
附图说明
图1为Little William提出的青春曲线应用于西方人和中国人的面部评估的对照图,其中左图为青春曲线应用于西方人侧面的图,右图为青春曲线应用于中国人侧面的图。
图2为本发明x1、x2、x3和x4位点的示意图,其中1表示起点到下眼睑上缘的距离,2表示线条3和线条4的交点到唇中线的距离,3表示线条1和线条2之间的夹角,4表示线条3和线条4之间的夹角。
图3为本发明提出的青春曲线示意图。
图4为实施例4改善面部肌肤测试应用中的两组混合线性模型检验的显著性分析结果比较图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。下列实施例中未注明具体条件的实验方法,按照常规方法和条件,或按照商品说明书选择。
下述实施例中,所用面部照片采集设备Visia-CR由美国Canfield Scientific,Inc.公司提供;所用图像分析软件Image-Pro Plus 7.0由美国Media Cybernetics,Inc.公司提供;所用数据分析软件SPSS Statistics 20.0由美国IBM公司提供。
实施例1
本实施例提供了评估面部表观年龄的五种方法,即方法I~方法V,具体包括如下步骤:
(1)受访者选取身体健康、发育正常、五官端正的中国女性,排除存在面部疾病、疤痕、面部手术、过度肥胖或其它可能干扰研究的人;受访者按照每10岁一个年龄段进行分组(20~29岁、30~39岁、40~49岁和50~60岁),每组人数大于60人,共计267个受访者;受访者在充分了解研究的性质、目的和研究内容后,填写知情同意书;采集照片前,每个受访者需先充分清洁面部,在条件设定为温度22±2℃和相对湿度50-60%的房间内休息15分钟;
然后使用面部照片采集设备Visia-CR的parallel-polarization模式分别采集各受访者的面部正面照片(即以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0°角),拍摄时采用设备内置的比例尺;
(2)使用Image-Pro Plus 7.0图像分析软件分别对采集的照片的图像进行长度校准,使图像像素与长度进行关联,然后对图像进行青春曲线的夹角分析和长度分析,得到x1、x2、x3和x4值,具体如下表1所示;
其中,青春曲线如附图3所示,其为起点、线条1、线条2、线条3、线条4和终点连成的曲线;
其中,起点为眼中线下方的眼睑与颊的交界点;
线条1为自起点沿颧骨上缘的凸面到达上颌骨额突连成的线条;
线条2为自鼻翼与颧骨的交界点至鼻漕沟连成的线条;
线条3为自鼻漕沟沿颊脂肪垫下缘凸面、向脸外侧至上嘴唇平齐点连成的线条;
线条4为自线条3的终点起、过咬合平面,并沿着颚部上边缘至下颌骨与颏部的交叉点连成的线条;
终点为下颌骨与颏部的交叉点;
其中,x1为起点到下眼睑上缘的距离,单位mm;x2为线条3和线条4的交点到唇中线的距离,单位mm;x3为线条1和线条2之间的夹角度数,单位°;x4为线条3和线条4之间的夹角度数,单位°;
表1各年龄段受访者的x1、x2、x3和x4值
(3)根据各受访者的实际年龄y’和所得x1、x2、x3、x4值,按照下述5种方式进行回归模型分析,并对所建立的回归模型进行R检验、F检验和t检验,得到了回归方程式:
方式I、对y’与x1和x3进行回归模型分析,得到y’与x1和x3为线性回归,相关系数R值为0.810,说明y’的变化大部分由回归方程解释,拟合度较好,其中,R值越接近1,回归方程越好;采用方差分析法(ANOVA)对上述回归模型进行F检验,模型的F值为251.667,p<0.001,说明y’与x1和x3之间用上述模型进行回归具有统计学意义,表明本发明在y’与x1和x3间建立的回归方程具有普遍性,且有效性好;对上述回归模型进行t检验,p值<0.001,说明这2个因素均具有显著作用,并得到回归方程式I:y=45.251+15.157x1-0.374x3;
方式II,对y’与x2和x4进行回归模型分析,得到y’与x2和x4为线性回归,相关系数R值为0.778,说明y’的变化大部分由回归方程解释,拟合度较好,其中,R值越接近1,回归方程越好;采用方差分析法(ANOVA)对上述回归模型进行F检验,模型的F值为202.999,p<0.001,说明y’与x2和x4之间用上述模型进行回归具有统计学意义,表明本发明在y’与x1和x3间建立的回归方程具有普遍性,且有效性好;对上述回归模型进行t检验,p值<0.001,说明这2个因素均具有显著作用,并得到回归方程式II:y=62.410-12.029x2+0.165x4;
方式III,对y’与x3和x4进行回归模型分析,得到y’与x3和x4为线性回归,相关系数R值为0.796,说明y’的变化大部分由回归方程解释,拟合度较好,其中,R值越接近1,回归方程越好;采用方差分析法(ANOVA)对上述回归模型进行F检验,模型的F值为228.520,p<0.001,说明y’与x1和x2之间用上述模型进行回归具有统计学意义,表明本发明在y’与x1和x2间建立的回归方程具有普遍性,且有效性好;对上述回归模型进行t检验,p值<0.001,说明这2个因素均具有显著作用,并得到回归方程式IV:y=38.804-0.341x3+0.160x4;
方式IV中,对y’与x1和x2进行回归模型分析,得到y’与x1和x2为线性回归,相关系数R值为0.777,说明y’的变化大部分由回归方程解释,拟合度较好,其中,R值越接近1,回归方程越好;采用方差分析法(ANOVA)对上述回归模型进行F检验,模型的F值为201.646,p<0.001,说明y’与x1和x2之间用上述模型进行回归具有统计学意义,表明本发明在y’与x1和x2间建立的回归方程具有普遍性,且有效性好;对上述回归模型进行t检验,p值<0.001,说明这2个因素均具有显著作用,并得到回归方程式III:y=70.854+15.021x1-12.898x2;
方式V中,对y’与x1、x2、x3和x4进行回归模型分析,得到y’与x1、x2、x3和x4为线性回归,相关系数R值为0.874,说明y’的变化大部分由回归方程解释,拟合度较好,其中,R值越接近1,回归方程越好;采用方差分析法(ANOVA)对上述回归模型进行F检验,模型的F值为211.657,p<0.001,说明y’与x1、x2、x3和x4之间用上述模型进行回归具有统计学意义,表明本发明在y’与x1、x2、x3和x4间建立的回归方程具有普遍性,且有效性好;对上述回归模型进行t检验,p值<0.001,说明这四个因素均具有显著作用,并得到回归方程式V:y=55.622+9.873x1-6.623x2-0.242x3+0.093x4;
(4)根据上述所得的5个回归方程,分别按照如下公式来计算评估中国女性的表观年龄y,
公式I、y=45.251+15.157x1-0.374x3;
公式II、y=62.410-12.029x2+0.165x4;
公式III、y=38.804-0.341x3+0.160x4;
公式IV、y=70.854+15.021x1-12.898x2;
公式V、y=55.622+9.873x1-6.623x2-0.242x3+0.093x4。
实施例2
本实施例提供了评估面部表观年龄的五种方法,包括方法I~方法V,具体步骤如下:
(1)被评估者选自身体健康、发育正常、五官端正的中国女性,排除存在面部疾病、疤痕、面部手术、过度肥胖或其它可能干扰研究的人,共选取16个受访者;被评估者在充分了解研究的性质、目的和研究内容后,填写知情同意书;采集照片前,每个被评估者需先充分清洁面部,在条件设定为温度22±2℃和相对湿度50-60%的房间内休息15分钟;
然后使用面部照片采集设备Visia-CR的parallel-polarization模式分别采集各受访者的面部正面照片(即以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0°角),拍摄时采用设备内置的比例尺;
(2)使用Image-Pro Plus 7.0图像分析软件分别对采集的照片的图像进行长度校准,使图像像素与长度进行关联,然后对图像进行青春曲线的夹角分析和长度分析,得到x1、x2、x3和x4值,具体如下表2所示;
其中,青春曲线如附图3所示,其为起点、线条1、线条2、线条3、线条4和终点连成的曲线;
其中,起点为眼中线下方的眼睑与颊的交界点;
线条1为自起点沿颧骨上缘的凸面到达上颌骨额突连成的线条;
线条2为自鼻翼与颧骨的交界点至鼻漕沟连成的线条;
线条3为自鼻漕沟沿颊脂肪垫下缘凸面、向脸外侧至上嘴唇平齐点连成的线条;
线条4为自线条3的终点起、过咬合平面,并沿着颚部上边缘至下颌骨与颏部的交叉点连成的线条;
终点为下颌骨与颏部的交叉点;
其中,x1为起点到下眼睑上缘的距离,单位mm;x2为线条3和线条4的交点到唇中线的距离,单位mm;x3为线条1和线条2之间的夹角度数,单位°;x4为线条3和线条4之间的夹角度数,单位°;
(3)根据实施例1所得的5个回归方程,分别按照下述5个公式计算得到各被评估者的表观年龄y;
公式I、y=45.251+15.157x1-0.374x3;
公式II、y=62.410-12.029x2+0.165x4;
公式III、y=38.804-0.341x3+0.160x4;
公式IV、y=70.854+15.021x1-12.898x2;
公式V、y=55.622+9.873x1-6.623x2-0.242x3+0.093x4,具体结果如下表2所示。
表2各被评估者的面部表观年龄评估结果
实施例3
本实施例提供了评估面部衰老程度的方法,具体步骤如下:
(1)使用数据分析软件SPSS Statistics 20.0对实施例1中中国女性的实际年龄和评估所得的表观年龄进行配对t检验,得到显著性分析的p值;
(2)若p<0.05,则该组的表观年龄与实际年龄差别有显著意义,判定被评估者的面部表观年龄显著性大于实际年龄;若p≥0.05,则该组的表观年龄与实际年龄差别无显著意义,判定被评估者的面部表观年龄无显著性大于实际年龄;其中,表观年龄和实际年龄的配对t检验结果如下表3所示。
表3表观年龄和实际年龄的配对t检验结果
上表中,公式I计算的表观年龄与实际年龄配对t检验结果p<0.001,说明按实施例1方式I获取的表观年龄显著大于实际年龄;公式II计算的表观年龄与实际年龄配对t检验结果p=0.395,说明按实施例1方式II获取的表观年龄与实际年龄无显著性差异;公式III计算的表观年龄与实际年龄配对t检验结果p=0.698,说明按实施例1方式IV获取的表观年龄显著与实际年龄无显著性差异,青春曲线形状没有发生扭曲性改变;公式IV计算的表观年龄与实际年龄配对t检验结果p<0.001,说明按实施例1方式III获取的表观年龄显著大于实际年龄,青春曲线位点的位置开始移动;公式V计算的表观年龄与实际年龄配对t检验结果p<0.001,说明按实施例1方式V获取的表观年龄显著大于实际年龄,青春曲线整体上有所衰老。
实施例4
一种评估面部表观年龄的方法在改善面部肌肤测试中的应用,具体为:
实验设计:选择58名符合条件的亚洲女性志愿者,将其随机分为2组,每组29名。其中,志愿者应符合下述条件:
(1)年龄在25~55岁的中国女性;
(2)面部皮肤干燥、松弛者;
(3)眼角皱纹级别为2~4级(0~6分制)者;
(4)测试时身体健康者;
(5)没有皮肤科大夫认为不适合参与的其他原因;
(6)能保证测试期间不进行日光浴,并且能保证不进行长时间的室外活动者;
(7)能按要求完成测试方案者。
对符合下列任一项者的志愿者应当排除:
(1)患有严重***疾病、免疫缺陷或自身免疫性疾病者;
(2)患有过敏性疾病或最近1~2年有过化妆品过敏者;
(3)计划怀孕或妊娠或哺乳期以及产后六个月内的妇女;
(4)现在或最近一个月受试部位参加其它测试者;
(5)测试区域患有皮肤科疾病或正在接受药物治疗者。
本实施例中2组志愿者选用的是实施例1中的2组受访者,2组志愿者分别使用2组测试产品,第一组:洁面霜+调理液+肌活霜(一)+眼霜(一);第二组:洁面霜+调理液+肌活霜(二)+眼霜(二),具体如下表4所示。
表4两组志愿者使用的测试产品
该两组测试产品均具有改善肌肤状态的功能。测试期间志愿者在洁面后,眼周区域只使用眼霜,全脸使用调理液和肌活霜(避开眼周),早晚各使用1次,连续使用8周。测试期间志愿者不可使用除测试产品外的其他任何产品。在使用产品前,使用产品4周、8周后使用面部照片采集设备Visia-CR的parallel-polarization模式采集受访者面部正面照片(即以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0°角),拍摄时采用设备内置的比例尺。
测试环境:测试温度为22±1℃,相对湿度为50±5%。
结果分析及统计:使用Image-Pro Plus 7.0图像分析软件分别对采集的照片的图像进行长度校准,使图像像素与长度进行关联,然后对图像进行青春曲线的夹角分析和长度分析;采用回归方程y=55.622+9.873x1-6.623x2-0.242x3+0.093x4(y:表观年龄;x1:青春曲线起点到下眼睑上缘的距离;x2:青春曲线的线条3和线条4的交点到唇中线的距离;x3:青春曲线的线条1和线条2之间的夹角度数;x4:青春曲线的线条3和线条4之间的夹角度数)进行表观年龄拟合;应用数据分析软件SPSS Statistics 20.0对数据进行单因素方差分析;对实际年龄和表观年龄进行配对t检验比较;组间表观年龄改善比较采用混合线性模型。其中,测试结果如下表5所示。
表5面部肌肤测试中表观年龄的改善结果表
由上表可知,两组志愿者在使用测试产品8周后面部表观年龄均有显著性改善。该结果也可参见附图4,其中附图4中“***”表示p<0.001,“**”表示p<0.01,“*”表示p<0.05,“n.d.”表示p≥0.05。由图4可以看出,这两组志愿者的表观年龄均有显著性改善。虽然两组混合线性模型检验无显著性差异,但从两组表观年龄拟合曲线看,第一组拟合曲线的斜率大于第二组拟合曲线的斜率。
效果实施例1
本效果实施例对本发明评估面部表观年龄的方法的可靠性进行了验证,具体为将实施例2采用方法I~方法V五种方法对被评估者面部表观年龄进行评估的结果与本领域专家评估结果进行对照。
其中,专家评估方法具体为对实施例2中的16个被评估者的面部5个部位进行表观年龄评估,该5个部位相应于实施例2中五种方法的面部评估位点,包括区域1:眼下至鼻翼以上区域,区域2:鼻翼至下颌区域,区域3:眼下至下颌轮廓改变,区域4:眼下区域+嘴角区域和区域5:整个面中部区域。评估前,同样先将每个被评估者的面部充分清洁,并在条件设定为温度22±2℃和相对湿度50-60%的房间内休息15分钟。具体评估结果对照如下表6所示。
表6实施例2各被评估者面部表观年龄评估结果与专家评估结果对照表
观察上表数据可知,采用本发明实施例2方法评估得到的表观年龄与专家评估结果基本一致,初步判断本发明评估面部表观年龄的方法可靠性较好。为进一步定量验证本发明评估方法的可靠性,本效果实施例对采用实施例2方法计算得到的表观年龄(公式I、公式II、公式III、公式IV、公式V)与专家评估得到的表观年龄(区域1、区域2、区域3、区域4、区域5)进行了配对t检验,得到显著性分析的p值。若p<0.05,则判定本发明计算的表观年龄与专家评估的表观年龄有显著性差异,两者评估结果不一致;若p≥0.05,则判定本发明计算的表观年龄与专家评估的表观年龄无显著性差异,两者评估结果一致。下表7列出了两种方式评估的表观年龄和实际年龄的配对t检验结果。
表7两种方式评估的表观年龄和实际年龄的配对t检验结果
上表中,本发明方法计算的表观年龄(公式I、公式II、公式III、公式IV、公式V)与专家评估的表观年龄(区域1、区域2、区域3、区域4、区域5)配对t检验所得p值≥0.05,说明本发明计算的表观年龄与专家评估的表观年龄无显著性差异,两者评估结果一致,证明使用本发明方法评估被评估者的面部表观年龄或面部衰老程度是可行的,且可靠性好。
Claims (10)
1.一种评估面部表观年龄的方法,其特征在于,所述方法包括如下步骤:
(1)采集多个受访者的面部照片,所述采集的角度为以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0~45°角;
(2)对采集的照片的图像进行长度校准,然后再对图像进行分析,得到x1和x3值;
所述x1为起点到下眼睑上缘的距离,单位mm;
所述x3为线条1和线条2之间的夹角度数,单位°;
其中,所述起点为眼中线下方的眼睑与颊的交界点;
所述线条1为自所述起点沿颧骨上缘的凸面到达上颌骨额突连成的线条;
所述线条2为自鼻翼与颧骨的交界点至鼻漕沟连成的线条;
(3)根据多个受访者的实际年龄y’和所得x1、x3值,对y’与x1和x3进行回归模型分析,得到回归方程式I:y’=b+a1x1+a3x3;
(4)测量一被评估者的x1和x3值,根据所述的回归方程式I,计算所述被评估者的面部表观年龄y,y=b+a1x1+a3x3。
2.如权利要求1所述的评估面部表观年龄的方法,其特征在于,步骤(1)中,所述面部照片的采集设备为Visia-CR面部图像分析仪;所述Visia-CR面部图像分析仪在采集受访者的面部照片时采用parallel-polarization模式进行;
和/或,步骤(1)中,在采集所述面部照片时,采用设备内置的比例尺矫正照片的像素与长度之间的关系;
和/或,步骤(1)中,所述受访者为同一地域、同一人种、同一性别的人,较佳地为亚洲地区黄种人群女性,更佳地为中国地区黄种人群女性;
和/或,步骤(1)中,所述受访者的样本个数为4人以上,较佳地为24人以上;
和/或,步骤(2)中,所述长度校准为采用图像分析软件进行,所述图像分析软件为Image-Pro Plus 7.0图像分析软件;
和/或,步骤(3)中,所述回归方程式为采用SPSS Statistics 20.0数据分析软件获得;
和/或,步骤(3)中,还包括对所建立的回归模型进行检验的步骤,所述检验的方法包括判定系数检验法、回归方程显著性检验和回归系数显著性检验;
和/或,步骤(4)中,所述被评估者为中国地区黄种人群女性时,所述被评估者的面部表观年龄根据方程y=45.251+15.157x1-0.374x3计算获得。
3.一种评估面部表观年龄的方法,其特征在于,所述方法包括如下步骤:
(1)采集多个受访者的面部照片,所述采集的角度为以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0~45°角;
(2)对采集的照片的图像进行长度校准,然后再对图像进行分析,得到x2和x4值;
所述x2为线条3和线条4的交点到唇中线的距离,单位mm;
所述x4为线条3和线条4之间的夹角度数,单位°;
其中,所述线条3为自鼻漕沟沿颊脂肪垫下缘凸面、向脸外侧至上嘴唇平齐点连成的线条;
所述线条4为自所述线条3的终点起、过咬合平面,并沿着颚部上边缘至下颌骨与颏部的交叉点连成的线条;
(3)根据多个受访者的实际年龄y’和所得x2、x4值,对y’与x2和x4进行回归模型分析,得到回归方程式II:y’=b+a2x2+a4x4;
(4)测量一被评估者的x2和x4值,根据所述的回归方程式II,计算所述被评估者的面部表观年龄y,y=b+a2x2+a4x4。
4.如权利要求3所述的评估面部表观年龄的方法,其特征在于,步骤(1)中,所述面部照片的采集设备为Visia-CR面部图像分析仪;所述Visia-CR面部图像分析仪在采集受访者的面部照片时采用parallel-polarization模式进行;
和/或,步骤(1)中,在采集所述面部照片时,采用设备内置的比例尺矫正照片的像素与长度之间的关系;
和/或,步骤(1)中,所述受访者为同一地域、同一人种、同一性别的人,较佳地为亚洲地区黄种人群女性,更佳地为中国地区黄种人群女性;
和/或,步骤(1)中,所述受访者的样本个数为4人以上,较佳地为24人以上;
和/或,步骤(2)中,所述长度校准为采用图像分析软件进行,所述图像分析软件为Image-Pro Plus 7.0图像分析软件;
和/或,步骤(3)中,所述回归方程式为采用SPSS Statistics 20.0数据分析软件获得;
和/或,步骤(3)中,还包括对所建立的回归模型进行检验的步骤,所述检验的方法包括判定系数检验法、回归方程显著性检验和回归系数显著性检验;
和/或,步骤(4)中,所述被评估者为中国地区黄种人群女性时,所述被评估者的面部表观年龄根据方程y=62.410-12.029x2+0.165x4计算获得。
5.一种评估面部表观年龄的方法,其特征在于,所述方法包括如下步骤:
(1)采集多个受访者的面部照片,所述采集的角度为以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0~45°角;
(2)对采集的照片的图像进行长度校准,然后再对图像进行分析,得到x3和x4值;
所述x3为线条1和线条2之间的夹角度数,单位°;
所述x4为线条3和线条4之间的夹角度数,单位°;
其中,所述线条1为自起点沿颧骨上缘的凸面到达上颌骨额突连成的线条,所述起点为眼中线下方的眼睑与颊的交界点;
所述线条2为自鼻翼与颧骨的交界点至鼻漕沟连成的线条;
所述线条3为自鼻漕沟沿颊脂肪垫下缘凸面、向脸外侧至上嘴唇平齐点连成的线条;
所述线条4为自所述线条3的终点起、过咬合平面,并沿着颚部上边缘至下颌骨与颏部的交叉点连成的线条;
(3)根据多个受访者的实际年龄y’和所得x3、x4值,对y’与x3和x4进行回归模型分析,得到回归方程式III:y’=b+a3x3+a4x4;
(4)测量一被评估者的x3和x4值,根据所述的回归方程式III,计算所述被评估者的面部表观年龄y,y=b+a3x3+a4x4。
6.如权利要求5所述的评估面部表观年龄的方法,其特征在于,步骤(1)中,所述面部正面照片的采集设备为Visia-CR面部图像分析仪;所述Visia-CR面部图像分析仪在采集受访者的面部照片时采用parallel-polarization模式进行;
和/或,步骤(1)中,在采集所述面部照片时,采用设备内置的比例尺矫正照片的像素与长度之间的关系;
和/或,步骤(1)中,所述受访者为同一地域、同一人种、同一性别的人,较佳地为亚洲地区黄种人群女性,更佳地为中国地区黄种人群女性;
和/或,步骤(1)中,所述受访者的样本个数为4人以上,较佳地为24人以上;
和/或,步骤(2)中,所述长度校准为采用图像分析软件进行,所述图像分析软件为Image-Pro Plus 7.0图像分析软件;
和/或,步骤(3)中,所述回归方程式为采用SPSS Statistics 20.0数据分析软件获得;
和/或,步骤(3)中,还包括对所建立的回归模型进行检验的步骤,所述检验的方法包括判定系数检验法、回归方程显著性检验和回归系数显著性检验;
和/或,步骤(4)中,所述被评估者为中国地区黄种人群女性时,所述被评估者的面部表观年龄根据方程y=38.804-0.341x3+0.160x4计算获得。
7.一种评估面部表观年龄的方法,其特征在于,所述方法包括如下步骤:
(1)采集多个受访者的面部照片,所述采集的角度为以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0~45°角;较佳地,所述面部照片的采集设备为Visia-CR面部图像分析仪;所述Visia-CR面部图像分析仪在采集受访者的面部照片时采用parallel-polarization模式进行;较佳地,在采集所述面部照片时,采用设备内置的比例尺矫正照片的像素与长度之间的关系;较佳地,所述受访者为同一地域、同一人种、同一性别的人,更佳地为亚洲地区黄种人群女性,最佳地为中国地区黄种人群女性;较佳地,所述受访者的样本个数为4人以上,更佳地为24人以上;
(2)对采集的照片的图像进行长度校准,较佳地,所述长度校准为采用图像分析软件进行,所述图像分析软件为Image-Pro Plus 7.0图像分析软件,然后再对图像进行分析,得到x1和x2值;
所述x1为起点到下眼睑上缘的距离,单位mm;
所述x2为线条3和线条4的交点到唇中线的距离,单位mm;
其中,所述起点为眼中线下方的眼睑与颊的交界点;
所述线条3为自鼻漕沟沿颊脂肪垫下缘凸面、向脸外侧至上嘴唇平齐点连成的线条;
所述线条4为自所述线条3的终点起、过咬合平面,并沿着颚部上边缘至下颌骨与颏部的交叉点连成的线条;
(3)根据多个受访者的实际年龄y’和所得x1、x2值,对y’与x1和x2进行回归模型分析,得到回归方程式IV:y’=b+a1x1+a2x2;较佳地,所述回归方程式为采用SPSS Statistics 20.0数据分析软件获得;较佳地,该步骤还包括对所建立的回归模型进行检验的步骤,所述检验的方法包括判定系数检验法、回归方程显著性检验和回归系数显著性检验;
(4)测量一被评估者的x1和x2值,根据所述的回归方程式IV,计算所述被评估者的面部表观年龄y,y=b+a1x1+a2x2;较佳地,所述被评估者为中国地区黄种人群女性时,所述被评估者的面部表观年龄根据方程y=70.854+15.021x1-12.898x2计算获得。
8.一种评估面部表观年龄的方法,其特征在于,所述方法包括如下步骤:
(1)采集多个受访者的面部照片,所述采集的角度为以受访者的面部鼻梁为中心线,与该中心线所在垂直平面呈0~45°角;较佳地,所述面部照片的采集设备为Visia-CR面部图像分析仪;所述Visia-CR面部图像分析仪在采集受访者的面部照片时采用parallel-polarization模式进行;较佳地,在采集所述面部照片时,采用设备内置的比例尺矫正照片的像素与长度之间的关系;较佳地,所述受访者为同一地域、同一人种、同一性别的人,更佳地为亚洲地区黄种人群女性,最佳地为中国地区黄种人群女性;较佳地,所述受访者的样本个数为4人以上,更佳地为24人以上;
(2)对采集的照片的图像进行长度校准,较佳地,所述长度校准为采用图像分析软件进行,所述图像分析软件为Image-Pro Plus 7.0图像分析软件,然后再对图像进行分析,得到x1、x2、x3和x4值;
所述x1为起点到下眼睑上缘的距离,单位mm;
所述x2为线条3和线条4的交点到唇中线的距离,单位mm;
所述x3为线条1和线条2之间的夹角度数,单位°;
所述x4为线条3和线条4之间的夹角度数,单位°;
其中,所述起点为眼中线下方的眼睑与颊的交界点;
所述线条1为自所述起点沿颧骨上缘的凸面到达上颌骨额突连成的线条;
所述线条2为自鼻翼与颧骨的交界点至鼻漕沟连成的线条;
所述线条3为自鼻漕沟沿颊脂肪垫下缘凸面、向脸外侧至上嘴唇平齐点连成的线条;
所述线条4为自所述线条3的终点起、过咬合平面,并沿着颚部上边缘至下颌骨与颏部的交叉点连成的线条;
(3)根据多个受访者的实际年龄y’和所得x1、x2、x3和x4值,对y’与x1、x2、x3和x4进行回归模型分析,得到回归方程式V:y’=b+a1x1+a2x2+a3x3+a4x4;较佳地,所述回归方程式为采用SPSS Statistics 20.0数据分析软件获得;较佳地,该步骤还包括对所建立的回归模型进行检验的步骤,所述检验的方法包括判定系数检验法、回归方程显著性检验和回归系数显著性检验;
(4)测量一被评估者的x1、x2、x3和x4值,根据所述的回归方程式V,计算所述被评估者的面部表观年龄y,y=b+a1x1+a2x2+a3x3+a4x4,较佳地,所述被评估者为中国地区黄种人群女性时,所述被评估者的面部表观年龄根据方程y=55.622+9.873x1-6.623x2-0.242x3+0.093x4计算获得。
9.一种评估面部衰老程度的方法,其特征在于,包括如下步骤:
(1)采用如权利要求1~8任一项评估面部表观年龄的方法对样本人群进行评估,所述样本人群含有多个被评估者,获得各被评估者的表观年龄;
(2)将某一被评估者所得表观年龄与其实际年龄进行配对t检验,得到显著性分析的p值,若p<0.05,则判定所得面部表观年龄显著性大于实际年龄;若p≥0.05,则判定所得面部表观年龄无显著性大于实际年龄;较佳地,所述配对t检验可采用SPSS Statistics 20.0数据分析软件进行。
10.一种如权利要求1~9任一项所述方法在评价化妆品作用于面部肌肤的功效中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610270307.2A CN107315987B (zh) | 2016-04-27 | 2016-04-27 | 评估面部表观年龄、面部衰老程度的方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610270307.2A CN107315987B (zh) | 2016-04-27 | 2016-04-27 | 评估面部表观年龄、面部衰老程度的方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107315987A true CN107315987A (zh) | 2017-11-03 |
CN107315987B CN107315987B (zh) | 2021-11-09 |
Family
ID=60185068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610270307.2A Active CN107315987B (zh) | 2016-04-27 | 2016-04-27 | 评估面部表观年龄、面部衰老程度的方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107315987B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832738A (zh) * | 2017-11-28 | 2018-03-23 | 北京工商大学 | 一种确定皮肤pH值变化的年龄拐点的方法 |
CN107958709A (zh) * | 2017-11-28 | 2018-04-24 | 北京工商大学 | 一种确定皮肤肤色变化的年龄拐点的方法 |
CN109255328A (zh) * | 2018-09-07 | 2019-01-22 | 北京相貌空间科技有限公司 | 用户气质确定方法及装置 |
CN110096936A (zh) * | 2018-01-31 | 2019-08-06 | 伽蓝(集团)股份有限公司 | 评估眼部表观年龄、眼部衰老程度的方法及其应用 |
CN112155554A (zh) * | 2020-09-29 | 2021-01-01 | 北京昊泽管理咨询有限公司 | 一种基于儿童青少年颅部表面形态学发育特征确定个体发育年龄的方法、装置及设备 |
WO2021244352A1 (zh) * | 2020-06-05 | 2021-12-09 | 中国科学院上海营养与健康研究所 | 用于确定影响面部衰老程度的局部区域的方法和装置 |
CN113796826A (zh) * | 2020-06-11 | 2021-12-17 | 懿奈(上海)生物科技有限公司 | 一种用于检测华人人脸皮肤年龄的方法 |
CN114052666A (zh) * | 2021-11-25 | 2022-02-18 | 上海林清轩生物科技有限公司 | 评估脸部皮肤年龄的方法及在化妆品功效测试中的应用 |
TWI777126B (zh) * | 2020-01-22 | 2022-09-11 | 中國醫藥大學 | 臉部特徵角度量測方法及其裝置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002360544A (ja) * | 2001-06-06 | 2002-12-17 | Pola Chem Ind Inc | 顔形状の加齢変化の推定法 |
US20120148119A1 (en) * | 2010-12-14 | 2012-06-14 | Dayan Steven H | Method and system for estimating the perceived age of an individual |
CN102870136A (zh) * | 2010-06-21 | 2013-01-09 | 宝丽化学工业有限公司 | 年龄估计方法和性别确定方法 |
CN104598871A (zh) * | 2014-12-06 | 2015-05-06 | 电子科技大学 | 一种基于相关回归的面部年龄计算方法 |
CN104661585A (zh) * | 2012-09-26 | 2015-05-27 | Lvmh研究公司 | 表征皮肤体积的方法 |
CN105469064A (zh) * | 2015-12-03 | 2016-04-06 | 广州市皓品信息科技有限公司 | 一种皮肤老化趋势的获取方法及装置 |
-
2016
- 2016-04-27 CN CN201610270307.2A patent/CN107315987B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002360544A (ja) * | 2001-06-06 | 2002-12-17 | Pola Chem Ind Inc | 顔形状の加齢変化の推定法 |
CN102870136A (zh) * | 2010-06-21 | 2013-01-09 | 宝丽化学工业有限公司 | 年龄估计方法和性别确定方法 |
US20130089245A1 (en) * | 2010-06-21 | 2013-04-11 | Pola Chemical Industries, Inc. | Age estimation method and sex determination method |
US20120148119A1 (en) * | 2010-12-14 | 2012-06-14 | Dayan Steven H | Method and system for estimating the perceived age of an individual |
CN104661585A (zh) * | 2012-09-26 | 2015-05-27 | Lvmh研究公司 | 表征皮肤体积的方法 |
CN104598871A (zh) * | 2014-12-06 | 2015-05-06 | 电子科技大学 | 一种基于相关回归的面部年龄计算方法 |
CN105469064A (zh) * | 2015-12-03 | 2016-04-06 | 广州市皓品信息科技有限公司 | 一种皮肤老化趋势的获取方法及装置 |
Non-Patent Citations (4)
Title |
---|
孔朝莉等: "《概率统计》", 30 April 2015 * |
胡春龙: "基于人脸图像的头部姿态估计与年龄估计方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
赵小敏等: "图像分析法在化妆品功效评价中的应用", 《日用化学品科学》 * |
马华强: "基于分层加权支持向量机模型的自动人脸年龄估计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832738A (zh) * | 2017-11-28 | 2018-03-23 | 北京工商大学 | 一种确定皮肤pH值变化的年龄拐点的方法 |
CN107958709A (zh) * | 2017-11-28 | 2018-04-24 | 北京工商大学 | 一种确定皮肤肤色变化的年龄拐点的方法 |
CN110096936A (zh) * | 2018-01-31 | 2019-08-06 | 伽蓝(集团)股份有限公司 | 评估眼部表观年龄、眼部衰老程度的方法及其应用 |
CN110096936B (zh) * | 2018-01-31 | 2023-03-03 | 伽蓝(集团)股份有限公司 | 评估眼部表观年龄、眼部衰老程度的方法及其应用 |
CN109255328A (zh) * | 2018-09-07 | 2019-01-22 | 北京相貌空间科技有限公司 | 用户气质确定方法及装置 |
TWI777126B (zh) * | 2020-01-22 | 2022-09-11 | 中國醫藥大學 | 臉部特徵角度量測方法及其裝置 |
WO2021244352A1 (zh) * | 2020-06-05 | 2021-12-09 | 中国科学院上海营养与健康研究所 | 用于确定影响面部衰老程度的局部区域的方法和装置 |
CN113796826A (zh) * | 2020-06-11 | 2021-12-17 | 懿奈(上海)生物科技有限公司 | 一种用于检测华人人脸皮肤年龄的方法 |
CN112155554A (zh) * | 2020-09-29 | 2021-01-01 | 北京昊泽管理咨询有限公司 | 一种基于儿童青少年颅部表面形态学发育特征确定个体发育年龄的方法、装置及设备 |
CN112155554B (zh) * | 2020-09-29 | 2021-05-18 | 北京昊泽管理咨询有限公司 | 一种基于儿童青少年颅部表面形态学发育特征确定个体发育年龄的方法、装置及设备 |
CN114052666A (zh) * | 2021-11-25 | 2022-02-18 | 上海林清轩生物科技有限公司 | 评估脸部皮肤年龄的方法及在化妆品功效测试中的应用 |
Also Published As
Publication number | Publication date |
---|---|
CN107315987B (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107315987A (zh) | 评估面部表观年龄、面部衰老程度的方法及其应用 | |
Tashjian et al. | Determining the minimal clinically important difference for the American Shoulder and Elbow Surgeons score, Simple Shoulder Test, and visual analog scale (VAS) measuring pain after shoulder arthroplasty | |
Wolffsohn et al. | TFOS DEWS II diagnostic methodology report | |
Dixson et al. | The role of mating context and fecundability in women’s preferences for men’s facial masculinity and beardedness | |
Bayer et al. | Validity of a new disk grading scale for estimating glaucomatous damage: correlation with visual field damage | |
CN106971147A (zh) | 一种基于人脸区域分割的中医面诊***及面诊方法 | |
Gharibzadeh et al. | Standardization as a tool for causal inference in medical research | |
CN106250680A (zh) | 心脏健康指数检测***及模型构建方法 | |
Goh et al. | Hyporeflective cores within drusen: association with progression of age-related macular degeneration and impact on visual sensitivity | |
CN113490987A (zh) | 用于评估肌肉相关病症的方法 | |
Tafeit et al. | Differences of subcutaneous adipose tissue topography in type‐2 diabetic (NIDDM) women and healthy controls | |
Ghodasra et al. | The rate of change in retinal vessel width and tortuosity in eyes at risk for retinopathy of prematurity | |
Greenwood et al. | Statistical issues in a metaregression analysis of randomized trials: impact on the dietary sodium intake and blood pressure relationship | |
Sun et al. | A fully automatic postoperative appearance prediction system for blepharoptosis surgery with image-based deep learning | |
CN110096936A (zh) | 评估眼部表观年龄、眼部衰老程度的方法及其应用 | |
CN116077030A (zh) | 一种基于皮肤成分体积含量的肤质评价方法 | |
Rossini-Venturini et al. | Association between classic and specific bioimpedance vector analysis and sarcopenia in older adults: a cross-sectional study | |
Lindsey et al. | Predictive accuracy of the Nelson equation via BodPod compared to commonly used equations to estimate resting metabolic rate in adults | |
Maraki et al. | Validity of predictive equations for resting energy expenditure in Greek adults | |
TWI826573B (zh) | 開發用於手背的填充劑之方法 | |
Hall et al. | Age-related macular degeneration and optic disk cupping: the Beaver Dam Eye Study | |
Yates | Using criteria to establish nutrient intake values (NIVs) | |
Aktan et al. | Quantification of female pattern hair loss: a study in a Turkish population | |
KR20110024917A (ko) | 사상체질 판별 방법 | |
Reighard et al. | Glaucoma-associated visual task performance and vision-related quality of life in South India |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: 201403 Shanghai City, Fengxian District Lifenglu No. 12 Patentee after: Shanghai Natural Hall Group Co.,Ltd. Country or region after: China Address before: 201403 Shanghai City, Fengxian District Lifenglu No. 12 Patentee before: JALA Group Co. Country or region before: China |
|
CP03 | Change of name, title or address |