JP3792286B2 - ヘアカラーチャートの作成方法及びヘアカラーチャート作成装置 - Google Patents
ヘアカラーチャートの作成方法及びヘアカラーチャート作成装置 Download PDFInfo
- Publication number
- JP3792286B2 JP3792286B2 JP01336096A JP1336096A JP3792286B2 JP 3792286 B2 JP3792286 B2 JP 3792286B2 JP 01336096 A JP01336096 A JP 01336096A JP 1336096 A JP1336096 A JP 1336096A JP 3792286 B2 JP3792286 B2 JP 3792286B2
- Authority
- JP
- Japan
- Prior art keywords
- hair
- color
- hair color
- quality
- dyed
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Spectrometry And Color Measurement (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明はヘアカラーチャートの作成方法及びヘアカラーチャート作成装置に係り、特に染まり上がり後の色をヘアカラー施術前に的確に把握しうるヘアカラーチャートの作成方法及びヘアカラーチャート作成装置に関する。
【０００２】
【従来の技術】
近年、ヘアカラーを用いて髪を明るく染め髪の色を変える、いわゆる“おしゃれ染め”が流行している。この“おしゃれ染め”は、特に女性の間では既にヘアスタイルの一部と認識されている。これに伴い、ヘアカラーの施術率は５年ほど前から急速に伸びており、９４年秋には４人にひとりがヘアカラーをしているほど施術率は増加している。
【０００３】
しかし、その染まり上がりの色は髪質によって大きく変化し、希望する色にならないことがある。例えば、太くてダメージなしの髪と、細くてダメージの有る髪では、同一のヘアカラーを使用しても染まり上がりは明るさの変化が異なり、違うヘアカラーで染めたほどの差が現れる。
【０００４】
そこで美容室では、専門の美容師が染毛を行おうとする人（以下、顧客という）の髪質を感覚的に捉え、それに経験的知識を関連させて希望する色へと近づけることが行われている。しかるに、色を言葉で伝えるコミュニケーションは抽象的であるため、顧客が希望する色が美容師に伝わりにくく、よって顧客にするとイメージどおりの染まり上がりになるかどうか不安を感じてしまうという実情がある。
【０００５】
また、顧客が直接ヘアカラーを購入する場合も、商品の染まり上がりの色がパッケージに示してあるものの、髪質による染まり上がりの色の違いについての情報は示されていないため、顧客の髪質に合うヘアカラーが選びにくくなっている。これを改善するために、現在では染まり上がりの色を伝えるために毛束見本を置いてある販売店もある。この毛束見本は、色番別に染まり上がりを染色したナイロン毛により構成されているが、部分的な表現であるため髪全体をイメージし難く、更に毛束見本の場合も髪質状態の情報は考慮していない。
【０００６】
このため顧客個人それぞれの髪質に応じた色選びが可能で、染まり上がりの状態を簡単にイメージでき、またカウンセリング時においては美容師と顧客の各々が共通の認識を得られる染毛見本の開発が望まれている。このような染毛見本は、モニターテストを実施し、顧客の髪質及び染毛の施術前後の染まり上がりの色をデータを収集し解析することにより作成することができる。
【０００７】
【発明が解決しようとする課題】
しかるに、ヘアカラーは顧客のニーズの多様化から種々の商品があり、また各商品毎に多数の色（色番）が設定されており、更に顧客の髪質も種々ある。よって、各髪質毎に全ての商品及び色番に対しモニターテストを実施すると、このテストに費やす人数，金額及び時間は膨大なものとなってしまう。
【０００８】
また、モニターテストにおいて髪質の判断を行う際、この判断は専門技術者によって行われる。専門技術者は五感によって直感的に色や髪質を把握するが、これは専門技術者の長年の経験に基づくものである。このため、専門技術者による顧客の髪質を客観的にテストデータとして評価することが難しいという問題点があった。
【０００９】
本発明は上記の点に鑑みてなされたものであり、髪質に応じて染まり上がりの色を的確に表示したヘアカラーチャートの作成方法及びヘアカラーチャート作成装置を提供することを目的とする。
【００１０】
【課題を解決するための手段】
上記の課題は、下記の手段を講じることにより解決することができる。
請求項１記載の発明方法では、
ヘアカラーの施術前において顧客の髪質を判定することにより得られる髪質データと、髪質判定処理の終了後に前記顧客の髪に対しヘアカラーを施術し染毛を行った後に染毛された髪の髪色を判定することにより得られる髪色データとを入力する入力手段と、
設定されたルールに基づき、該入力手段から入力された髪質データと髪色データとから得られる施術後の染まり上がり色、トーン、および髪質項目から学習パターンを生成し、該学習パターンをニューラルネットワークに入力して学習させると共に、該学習結果に基づき入力された髪質に対応した染まり上がりの色を連想する髪色連想手段と、
前記入力手段から入力された髪質データと、前記髪色連想処理により連想された当該髪質に対応した染まり上がりの色とを関連させたヘアカラーチャートを出力するヘアカラーチャート出力手段と
を有することを特徴とするものである。
【００１３】
上記の手段は次のように作用する。
請求項１記載の発明によれば、まず、ヘアカラーの施術前において顧客の髪質を判定し、続いて顧客の髪質を判定し、続いて顧客の髪に対しヘアカラーを施術し染毛を行った後に染毛された髪の髪色を判定する。また、判定された髪質と髪色はニューラルネットワークにより解析されたその結果が学習される。よって、この学習結果は髪質と施術後の髪の色とを相関させた学習データとなる。
【００１４】
従って、この学習データに基づき、髪質を入力することにより染まり上がりの髪色を推定することが可能となる。即ち、ニューラルネットワークとは、人間の脳をモデルにした情報処理の考え方であり、その特徴は学習能力と連想能力である。
【００１５】
学習能力とはデータの因果関係をそのデータの特徴を生かして、記憶できることであり、ここでは髪質と染まり上がりの色の関係を判定者の経験と知識を組み込み直感的評価を客観的に表現し、経験的に得られた知識を含めた解析が可能になる。一方、連想能力とは少ないデータから類推して最適な答えを導くことである。
【００１６】
これにより髪質（例えば，太さ，硬さ等の種々の項目がある）と施術後の髪色とに関する全てのデータが得られなくても、髪質を入力することにより、学習された上記学習データに基づき染まり上がりの髪色を連想することが可能となる。よって、少ない入力データ（規模の小さいモニターテスト）で施術後の染まり上がりの評価が可能になり、モニター人数が削減されモニターテストの効率化及び費用の低減を図ることができる。
【００１７】
また、ヘアカラーチャートは、上記のようにして求められた髪質と染まり上がりの色とは関連させて表示するため、顧客に対して染まり上がりの状態が分かりやすい表示となる。
また、請求項２記載の発明によれば、髪質判定処理を複数の判定者により行うと共にニューラルネットワークを前記判定者の人数分用意し、髪色連想処理において各判定者が判定した髪質と染毛された髪の髪色とに基づき解析された結果を学習する構成としたことにより、これにより各判定者毎の個人差をばらつかせることができ、精度の高い学習データを生成することが可能となる。
【００１８】
【発明の実施の形態】
次に本発明の実施の形態について図面と共に説明する。
図１は本発明の一実施例であるヘアカラーチャートの作成方法を示す工程図を示している。同図に示されるように、本実施例に係るヘアカラーチャートの作成方法は、ヘアカラーの施術前において顧客の髪質を判定し髪質データを作成する髪質判定処理（ステップ１，図中ではＳ１と示す）と、髪質判定処理の終了後に顧客の髪に対しヘアカラーを施術し染毛を行う染毛処理（ステップ２）と、染毛処理において染毛された髪の髪色を判定し髪色データを作成する髪色判定処理（ステップ３）と、上記髪質判定処理で判定された髪質と上記髪色判定処理で判定された髪色とを解析する解析処理（ステップ４）と、この解析処理に基づきヘアカラーチャートを作成し出力するチャート作成処理（ステップ５）とを有している。
【００１９】
本実施例では、解析処理において、髪質判定処理で判定された髪質と髪色判定処理で判定された髪色とをニューラルネットワークにより解析してその結果を学習すると共に、この学習結果に基づき入力された髪質に対応した染まり上がりの色を前記ニューラルネットワークにより連想することを特徴とするものである（以下、ステップ４の処理を髪色連想処理という）。
【００２０】
また図８は、上記のヘアカラーチャートの作成方法を行うヘアカラーチャート作成装置１の一実施例を示している。ヘアカラーチャート作成装置１は、パーソナルコンピュータ２，ディスプレイ装置３，プリンタ４及びインターフェース装置５等により構成されている。
【００２１】
パーソナルコンピュータ２は、上記したステップ１で作成される髪質データ及びステップ３で作成される髪色データを入力するキーボード６（入力手段として機能する）が設けられている。また、上記のステップ４で実施される髪色連想処理は、パーソナルコンピュータ２の記憶装置に格納されると共に演算処理装置で実行されるソフトウエアーとして構成されている。
【００２２】
この意味において、パーソナルコンピュータ２はキーボード６（入力手段）から入力された髪質データと髪色データとをニューラルネットワークにより解析してその結果を学習すると共に、この学習結果に基づき入力された髪質に対応した染まり上がりの色を連想する髪色連想手段として機能する。
【００２３】
更に、ディスプレイ装置３及びプリンタ４は、入力手段から入力された髪質データと連想された当該髪質に対応した染まり上がりの色とを関連させたヘアカラーチャートを出力する。ディスプレイ装置３に出力された場合には画像情報として出力され、プリンタ４に出力した場合には紙面として出力される。
【００２４】
続いて、上記構成とされたヘアカラーチャート作成装置１を用いて、実際に発明者が行ったヘアカラーチャートの作成方法について以下説明する。
上記したように、ヘアカラーチャートを作成するには、先ずヘアカラーの施術前において顧客の髪質を判定し髪質データを作成する髪質判定処理を実施する。髪質のデータ収集は、以下のように行った。
【００２５】
・判定者 ：ヘアカラーの施術を行う専門技術者５名
・パネル（顧客） ：ヘアダイ・パーマの有無からの組合せで各１５名ずつ６０名
また、本実施例では、染まり上がりの色を髪質のみの影響の変化として捉えるため、髪質に対する判定事項を次のように設定した。
〔髪質項目〕
・ 太さ （太い、やや太い、ふつう、やや細い、細い）
・ 硬さ （硬い、やや硬い、ふつう、やや柔らかい、柔らかい）
・ ダメージ（ダメージあり、ややダメージあり、ダメージなし）
・ ヘアダイ（あり、なし）
・ パーマ （あり、なし）
以上の各項目に対する判定は、判定者の視感と触感による官能評価で行った。
また、判定の結果は図２に示されるようなヘアカラーチェック用紙７を用い、各判定結果は髪の太さの判定を例に挙げれば、細い１，やや細い２，ふつう３…のように数値として表現し、パーソナルコンピュータ２に入力する構成とした。
【００２６】
上記のようにヘアカラー施術前において行われる髪質を判定する髪質判定処理が終了すると、続いてヘアカラーを施術し染毛を行う染毛処理を実施する。染毛処理の条件は以下の通りである。
・ 使用色 ：酸化染毛剤（商品名：ゾートスエルージュ７Ｙ）
・ 施術方法 ：通常のヘアカラーと同様
・ 放置時間 ：色判定部位塗布終了から、２０分
・ 環境条件 ：温度，湿度などの環境は一定
尚、使用色のゾートスエルージュは、一番色が豊富な商品であること、７Ｙの色番は人気が高いということ、またおしゃれ染めの色分類中でほぼ中間に位置していることから選択した。
【００２７】
上記のように染毛処理が終了すると、続いて染毛された髪の髪色を判定する髪色判定処理が実施される。髪色の判定は、色調と明るさとを判定することにより行った。具体的には、髪色の判定項目は下記の通りである。
〔色調〕
髪の色味を示し、ここではカラーと呼び、本実施例では以下の８色を用いることとした。
【００２８】
・ Wine（Ｗ) やや青みのある赤み
・ Red （Ｒ） 赤み
・ Orange(Or) やや黄みがかった赤み
・ Normal(Nm) ＲにもOrにも属さない自然な色
・ Yellow（Ｙ） 黄み
・ Gleen(Gr) 緑み
・ BlueGreen(Bg) やや青みがかった緑
・ Blue(Bl) 青み
〔明るさ〕
髪の色の明るさの度合いを示し、ここではトーンと呼び、最も暗いトーン１から最も明るいトーン９まで用いる。
【００２９】
尚、色の判定には、セミロングで、やや左を向いた女性の首から上の写真をコンピュータグラフィックスで、色を明るさを変化させたビジュアル表現によるツールを用いた。これを基に各色、トーンごとに加工した写真を作成したツールによって髪の色の判定を行う。
【００３０】
本実施例においては、上記の８色の色相に髪の色に変化させたツール（カラーマップ）を１枚、同一色相内で明るさを変化させたツール（トーンマップ）を各色分（８枚）を作成し、このカラーマップ及びトーンマップを用いて髪色判定を行った。
【００３１】
上記のように髪色判定処理が終了することにより、髪質に対応した染まり上がり後の髪色が判明する。この髪質データ及び髪質に対応した髪色データは、オペレータが図２に示されるヘアカラーチェック用紙７を見ながらキーボード６を操作してパーソナルコンピュータ２に入力処理する。
【００３２】
上記のように髪質データ及び髪質に対応した髪色データの入力処理が終了すると、パーソナルコンピュータ２は入力されたデータについて解析処理を行う。
ところで、今回用いた髪質項目を各評価段階の組み合わせで考えると３００通りになり、実際に行うモニターテストで全てのデータを得ようとすると、少なくとも必要とするパネル（顧客）数は３００人となり、またヘアカラーの色の種類を考慮するとその組み合わせ数は更に増大し、莫大な人数，費用，時間が必要となってしまう。また、仮に全てのデータが得られたとしても、各判定者の癖が含まれているため、これを考慮に入れた上で評価を行う必要が生じる。
【００３３】
そこで本実施例では、上記のように少ないデータ量（上記した６０名のデータ）で全ての組み合わせの解析を可能とする解析方法として、ニューラルネットワークを用いた解析方法を採用したことを特徴とする。これにより、モニターテストの大幅な効率化が図れ、また人間の経験や知識をノウハウとして組み込むことが可能となる。
【００３４】
ここでニューラルネットワークについて説明する。ニューラルネットワークとは、人間の脳をモデルにした情報処理の考え方であり、本実施例では図３に示されるような階層型のニューラルネットワークを採用している。また、ニューラルネットワークの特徴は、図４に示されるように学習能力と連想能力である。
【００３５】
学習能力とは、データの因果関係をそのデータの特徴を生かして記憶できることである。本実施例におけるデータの特徴としては、機械的手法を用いず判定者が判定した判定結果に基づき髪質と染まり上がりの色との関係付けを行っているため、判定者の経験及び知識を含めた解析が可能になっている点が挙げられる。
【００３６】
具体的な学習処理としては、例えば髪質として“太さ→細い”，“ダメージ→あり”，“パーマ→なし”の場合において、髪色が“カラー→レッド”，“トーン→９”であった場合には、この髪質データと髪色データは対応付けられて学習パターンとして記憶される。
【００３７】
一方、連想能力とは少ないデータから類推して最適な答えを導くことである。これにより髪質項目の組み合わせのすべてが得られなくても、現存するデータ（６０人分のデータ）から全ての組み合わせ（３００人分）のデータが類推（連想）でき、規模の小さいモニターテストを実施するだけで全ての組み合わせに対する評価が可能になり、モニター人数が削減及び解析処理の効率化を図ることができる。
【００３８】
具体的な連想処理としては、髪質として“太さ→ふつう”，“ダメージ→あり”，“パーマ→なし”が入力された場合、これに一致する髪色データが無かったとしても、ニューラルネットワークを用いた場合には“太さ”の項目において差は見られるもののその影響は小さいものとし、髪色データとして“カラー→レッド”，“トーン→９”を連想して出力する。
【００３９】
図５は、上記した事項に基づきパーソナルコンピュータ２が実行する髪色連想処理のフローチャートを示している。
同図に示される分析処理が起動すると、ステップ１０（図ではステップをＳと略称する）において、キーボード６から入力される髪質データ及び髪色データの各項目について判定処理を行う。この判定処理は、髪質データ及び髪色データの各項目毎に行われる。尚、髪色データにおいてカラーはワイン：１，レッド：２…ブルー８のように数値化されている。
【００４０】
また、ステップ１０では、髪質データと髪色データとの関連付けを行う処理も行われ、図示される例では“太さ→１（細い）”，“硬さ→４（やや柔らかい）”，“ダメージ→２（ややダメージ）”，“ヘヤダイ→１（あり）”，“パーマ→１（あり）”である髪質データが、“カラー→２（レッド）”，“トーン→８”である髪色データと学習パターンとして関連付けられる。学習パターンを生成するためのルールとして、本実施例では下記の項目を設定している。
【００４１】
(1)髪質データを施術後の染まり上がり色，トーン毎にまとめる
(2)同じ染まり上がり色，トーン分類の中に、髪質項目の内容が全て同一である髪質データが複数存在する場合、そのひとつのみを用いて学習パターンを生成する
(3)他の染まり上がり色，トーンの分類でも上記(２)の処理を行う
(4)異なる染まり上がり色,トーンの分類の間に、髪質項目の内容が全て同一である髪質データが複数存在する場合、そのひとつのみを用いて学習パターンを生成する
上記のように学習パターンを生成するためのルールを設定することにより、髪質データの内容により生成される学習パターンはまとめられ、学習パターンの数はモニターの人数（本実施例では６０人）より少なくなることがある。
【００４２】
このようにステップ１０において関連付け処理が行われた学習パターンは、ステップ１２においてニューラルネットワークに入力されて学習が行われる。本実施例においては、この学習にはバックプロパゲーション法を用いている。
続くステップ１４では、判定者毎（本実施例では５名）毎に前記したステップ１０及びステップ１２の処理を繰り返し実施する。また、ステップ１６では各判定者毎にネットワークを構成し、ステップ１８ではステップ１６で構築された各ネットワークに３００種類全ての髪質項目を入力する（尚、髪質項目の内、モニターテストを実施した髪質項目を、本明細書では特に髪質データというものとする）。
【００４３】
続くステップ２０では、各ネットワークの毎に出力される学習パターンを統合する。この際、ステップ１８において学習パターンとして記憶されていない髪質項目も入力されるが、この場合には前記したニューラルネットワークの連想能力により、入力された髪質項目よりこれに最も適合した髪色が連想される。従って、ステップ２０で各ネットワークから出力される学習パターンは、全ての（３００種類の）髪質項目に対して出力される。
【００４４】
続くステップ２２では、ステップ２０で統合された結果に基づき分類結果が出力される。上記した説明から明らかなように、本実施例に係るニューラルネットワークに髪質項目を入力すると、染まり上がりの色（髪色）が出力される。よって、考えられる全ての髪質項目（３００種類）を入力することにより、その出力が髪質と髪色を対応させた分類結果となる。
【００４５】
上記のように本実施例では、髪質判定処理を複数の判定者により行うと共にニューラルネットワークを前記判定者の人数分用意し、髪色連想処理において各判定者が判定した髪質と染毛された髪の髪色とに基づき解析された結果を学習パターンとして記憶する構成としている。これにより各判定者毎の経験及び知識を学習パターンに反映させた上で各判定者毎の個人差をばらつかせることができ、精度の高い学習データを生成することが可能となる。
【００４６】
上記のように髪色連想処理が終了すると、続いてヘアカラーチャートを作成するチャート作成処理が実施される。
本実施例においては、ヘアカラーチャートの作成に際し、太さと硬さは相関があるため太さに硬さも含まれるとし、太さ、ダメージ、ヘアダイ，パーマの有無の４項目から分類したヘアカラーチャートを作成した。尚、へアダイ・パーマのいずれかが「あり」の組み合わせでは、「ダメージがない」とは考えにくいので除外した。
【００４７】
図６は、ヘアカラーチャートの第１の活用例を示しており、色番ごとにヘアカラーチャートを作成した例である。同図に示されるヘアカラーチャートは、色番毎にその髪質の染まり上がりを表現したもので、髪質による染まり上がりの変化を捉えることができる。これにより、サロンにおいての基礎データの資料や新人の教育用に、また店頭での教育資料としてこのヘアカラーチャートを活用することができる。
【００４８】
また、図７はヘアカラーチャートの第２の活用例を示しており、これは髪質別にヘアカラーチャートを作成した例である。同図に示されるヘアカラーチャートは、髪質ごとに色番別の染まり上がりを表現したもので、顧客が染まり上がりのイメージから商品を選ぶことができる。これにより、店頭での顧客とのカウンセリングツールとして、またセルフ販売用のカタログとしてこのヘアカラーチャートを活用することができる。
【００４９】
尚、上記した図６及び図７に示すヘアカラーチャートは、カラープリンタ４（図８参照）から出力されるものであるが、ヘアカラーチャートの出力形態はプリンタ４からの出力に限定されるものではなく、ディスプレイ装置３を用いて画像として出力してもよい。
【００５０】
続いて、上記のように作成されたヘアカラーチャートと、実際にヘアカラーを施術した結果の髪色との比較を行った結果を以下述べる。
この比較処理において、実際の染まり上がりの髪色と作成されたヘアカラーチャートに印画された髪色との比較に際し、次の場合を両者の髪色が一致したものとした。即ち、前記したカラー８分類、トーン９分類において、
・両者が完全に一致した場合
・カラーが一致し、トーンが違う場合（ひとつ暗い、ひとつ明るい）
・トーンが一致し、カラーが違う場合（ひとつ赤み、ひとつ黄み）
に両者の髪色が一致したものとした。また、判定は前記した専門技術者５名により行った。
【００５１】
その結果、ヘアカラーチャートに印画された髪色の７０％において実際の染まり上がりの髪色との一致がみられた。これは専門家ではない顧客にすると９０％の一致が得られたことと等価であり、よってヘアカラーチャートの有効性は高いと考えられ十分な一致度ということができる。
【００５２】
【発明の効果】
上述の如く本発明によれば、顧客に対してヘアカラーの色選びに安心感を与え毛束見本よりも高い満足度を持たせることが可能になると共に、売る側と顧客様及び美容師と顧客との間で染まり上がりの髪色に対し共通の認識を持つことができる等の特徴を有する。
【図面の簡単な説明】
【図１】本発明の一実施例であるヘアカラーチャートの作成方法の原理図である。
【図２】ヘアカラーチャートの作成方法に用いるヘアカラーチェック用紙の一例を示す図である。
【図３】ニューラルネットワークモデルの一例を示す図である。
【図４】ニューラルネットワークの学習能力と連想能力を説明するための図である。
【図５】パーソナルコンピュータが実行する髪色連想処理のフローチャートを示す図である。
【図６】ヘアカラーチャートの第１の活用例を示す図である。
【図７】ヘアカラーチャートの第２の活用例を示す図である。
【図８】本発明の一実施例であるヘアカラーチャート作成装置の構成図である。
【符号の説明】
１ ヘアカラーチャート作成装置
２ パーソナルコンピュータ
３ ディスプレイ装置
４ プリンター
５ インターフェース装置
６ キーボード
７ ヘアカラーチェック用紙
【発明の属する技術分野】
本発明はヘアカラーチャートの作成方法及びヘアカラーチャート作成装置に係り、特に染まり上がり後の色をヘアカラー施術前に的確に把握しうるヘアカラーチャートの作成方法及びヘアカラーチャート作成装置に関する。
【０００２】
【従来の技術】
近年、ヘアカラーを用いて髪を明るく染め髪の色を変える、いわゆる“おしゃれ染め”が流行している。この“おしゃれ染め”は、特に女性の間では既にヘアスタイルの一部と認識されている。これに伴い、ヘアカラーの施術率は５年ほど前から急速に伸びており、９４年秋には４人にひとりがヘアカラーをしているほど施術率は増加している。
【０００３】
しかし、その染まり上がりの色は髪質によって大きく変化し、希望する色にならないことがある。例えば、太くてダメージなしの髪と、細くてダメージの有る髪では、同一のヘアカラーを使用しても染まり上がりは明るさの変化が異なり、違うヘアカラーで染めたほどの差が現れる。
【０００４】
そこで美容室では、専門の美容師が染毛を行おうとする人（以下、顧客という）の髪質を感覚的に捉え、それに経験的知識を関連させて希望する色へと近づけることが行われている。しかるに、色を言葉で伝えるコミュニケーションは抽象的であるため、顧客が希望する色が美容師に伝わりにくく、よって顧客にするとイメージどおりの染まり上がりになるかどうか不安を感じてしまうという実情がある。
【０００５】
また、顧客が直接ヘアカラーを購入する場合も、商品の染まり上がりの色がパッケージに示してあるものの、髪質による染まり上がりの色の違いについての情報は示されていないため、顧客の髪質に合うヘアカラーが選びにくくなっている。これを改善するために、現在では染まり上がりの色を伝えるために毛束見本を置いてある販売店もある。この毛束見本は、色番別に染まり上がりを染色したナイロン毛により構成されているが、部分的な表現であるため髪全体をイメージし難く、更に毛束見本の場合も髪質状態の情報は考慮していない。
【０００６】
このため顧客個人それぞれの髪質に応じた色選びが可能で、染まり上がりの状態を簡単にイメージでき、またカウンセリング時においては美容師と顧客の各々が共通の認識を得られる染毛見本の開発が望まれている。このような染毛見本は、モニターテストを実施し、顧客の髪質及び染毛の施術前後の染まり上がりの色をデータを収集し解析することにより作成することができる。
【０００７】
【発明が解決しようとする課題】
しかるに、ヘアカラーは顧客のニーズの多様化から種々の商品があり、また各商品毎に多数の色（色番）が設定されており、更に顧客の髪質も種々ある。よって、各髪質毎に全ての商品及び色番に対しモニターテストを実施すると、このテストに費やす人数，金額及び時間は膨大なものとなってしまう。
【０００８】
また、モニターテストにおいて髪質の判断を行う際、この判断は専門技術者によって行われる。専門技術者は五感によって直感的に色や髪質を把握するが、これは専門技術者の長年の経験に基づくものである。このため、専門技術者による顧客の髪質を客観的にテストデータとして評価することが難しいという問題点があった。
【０００９】
本発明は上記の点に鑑みてなされたものであり、髪質に応じて染まり上がりの色を的確に表示したヘアカラーチャートの作成方法及びヘアカラーチャート作成装置を提供することを目的とする。
【００１０】
【課題を解決するための手段】
上記の課題は、下記の手段を講じることにより解決することができる。
請求項１記載の発明方法では、
ヘアカラーの施術前において顧客の髪質を判定することにより得られる髪質データと、髪質判定処理の終了後に前記顧客の髪に対しヘアカラーを施術し染毛を行った後に染毛された髪の髪色を判定することにより得られる髪色データとを入力する入力手段と、
設定されたルールに基づき、該入力手段から入力された髪質データと髪色データとから得られる施術後の染まり上がり色、トーン、および髪質項目から学習パターンを生成し、該学習パターンをニューラルネットワークに入力して学習させると共に、該学習結果に基づき入力された髪質に対応した染まり上がりの色を連想する髪色連想手段と、
前記入力手段から入力された髪質データと、前記髪色連想処理により連想された当該髪質に対応した染まり上がりの色とを関連させたヘアカラーチャートを出力するヘアカラーチャート出力手段と
を有することを特徴とするものである。
【００１３】
上記の手段は次のように作用する。
請求項１記載の発明によれば、まず、ヘアカラーの施術前において顧客の髪質を判定し、続いて顧客の髪質を判定し、続いて顧客の髪に対しヘアカラーを施術し染毛を行った後に染毛された髪の髪色を判定する。また、判定された髪質と髪色はニューラルネットワークにより解析されたその結果が学習される。よって、この学習結果は髪質と施術後の髪の色とを相関させた学習データとなる。
【００１４】
従って、この学習データに基づき、髪質を入力することにより染まり上がりの髪色を推定することが可能となる。即ち、ニューラルネットワークとは、人間の脳をモデルにした情報処理の考え方であり、その特徴は学習能力と連想能力である。
【００１５】
学習能力とはデータの因果関係をそのデータの特徴を生かして、記憶できることであり、ここでは髪質と染まり上がりの色の関係を判定者の経験と知識を組み込み直感的評価を客観的に表現し、経験的に得られた知識を含めた解析が可能になる。一方、連想能力とは少ないデータから類推して最適な答えを導くことである。
【００１６】
これにより髪質（例えば，太さ，硬さ等の種々の項目がある）と施術後の髪色とに関する全てのデータが得られなくても、髪質を入力することにより、学習された上記学習データに基づき染まり上がりの髪色を連想することが可能となる。よって、少ない入力データ（規模の小さいモニターテスト）で施術後の染まり上がりの評価が可能になり、モニター人数が削減されモニターテストの効率化及び費用の低減を図ることができる。
【００１７】
また、ヘアカラーチャートは、上記のようにして求められた髪質と染まり上がりの色とは関連させて表示するため、顧客に対して染まり上がりの状態が分かりやすい表示となる。
また、請求項２記載の発明によれば、髪質判定処理を複数の判定者により行うと共にニューラルネットワークを前記判定者の人数分用意し、髪色連想処理において各判定者が判定した髪質と染毛された髪の髪色とに基づき解析された結果を学習する構成としたことにより、これにより各判定者毎の個人差をばらつかせることができ、精度の高い学習データを生成することが可能となる。
【００１８】
【発明の実施の形態】
次に本発明の実施の形態について図面と共に説明する。
図１は本発明の一実施例であるヘアカラーチャートの作成方法を示す工程図を示している。同図に示されるように、本実施例に係るヘアカラーチャートの作成方法は、ヘアカラーの施術前において顧客の髪質を判定し髪質データを作成する髪質判定処理（ステップ１，図中ではＳ１と示す）と、髪質判定処理の終了後に顧客の髪に対しヘアカラーを施術し染毛を行う染毛処理（ステップ２）と、染毛処理において染毛された髪の髪色を判定し髪色データを作成する髪色判定処理（ステップ３）と、上記髪質判定処理で判定された髪質と上記髪色判定処理で判定された髪色とを解析する解析処理（ステップ４）と、この解析処理に基づきヘアカラーチャートを作成し出力するチャート作成処理（ステップ５）とを有している。
【００１９】
本実施例では、解析処理において、髪質判定処理で判定された髪質と髪色判定処理で判定された髪色とをニューラルネットワークにより解析してその結果を学習すると共に、この学習結果に基づき入力された髪質に対応した染まり上がりの色を前記ニューラルネットワークにより連想することを特徴とするものである（以下、ステップ４の処理を髪色連想処理という）。
【００２０】
また図８は、上記のヘアカラーチャートの作成方法を行うヘアカラーチャート作成装置１の一実施例を示している。ヘアカラーチャート作成装置１は、パーソナルコンピュータ２，ディスプレイ装置３，プリンタ４及びインターフェース装置５等により構成されている。
【００２１】
パーソナルコンピュータ２は、上記したステップ１で作成される髪質データ及びステップ３で作成される髪色データを入力するキーボード６（入力手段として機能する）が設けられている。また、上記のステップ４で実施される髪色連想処理は、パーソナルコンピュータ２の記憶装置に格納されると共に演算処理装置で実行されるソフトウエアーとして構成されている。
【００２２】
この意味において、パーソナルコンピュータ２はキーボード６（入力手段）から入力された髪質データと髪色データとをニューラルネットワークにより解析してその結果を学習すると共に、この学習結果に基づき入力された髪質に対応した染まり上がりの色を連想する髪色連想手段として機能する。
【００２３】
更に、ディスプレイ装置３及びプリンタ４は、入力手段から入力された髪質データと連想された当該髪質に対応した染まり上がりの色とを関連させたヘアカラーチャートを出力する。ディスプレイ装置３に出力された場合には画像情報として出力され、プリンタ４に出力した場合には紙面として出力される。
【００２４】
続いて、上記構成とされたヘアカラーチャート作成装置１を用いて、実際に発明者が行ったヘアカラーチャートの作成方法について以下説明する。
上記したように、ヘアカラーチャートを作成するには、先ずヘアカラーの施術前において顧客の髪質を判定し髪質データを作成する髪質判定処理を実施する。髪質のデータ収集は、以下のように行った。
【００２５】
・判定者 ：ヘアカラーの施術を行う専門技術者５名
・パネル（顧客） ：ヘアダイ・パーマの有無からの組合せで各１５名ずつ６０名
また、本実施例では、染まり上がりの色を髪質のみの影響の変化として捉えるため、髪質に対する判定事項を次のように設定した。
〔髪質項目〕
・ 太さ （太い、やや太い、ふつう、やや細い、細い）
・ 硬さ （硬い、やや硬い、ふつう、やや柔らかい、柔らかい）
・ ダメージ（ダメージあり、ややダメージあり、ダメージなし）
・ ヘアダイ（あり、なし）
・ パーマ （あり、なし）
以上の各項目に対する判定は、判定者の視感と触感による官能評価で行った。
また、判定の結果は図２に示されるようなヘアカラーチェック用紙７を用い、各判定結果は髪の太さの判定を例に挙げれば、細い１，やや細い２，ふつう３…のように数値として表現し、パーソナルコンピュータ２に入力する構成とした。
【００２６】
上記のようにヘアカラー施術前において行われる髪質を判定する髪質判定処理が終了すると、続いてヘアカラーを施術し染毛を行う染毛処理を実施する。染毛処理の条件は以下の通りである。
・ 使用色 ：酸化染毛剤（商品名：ゾートスエルージュ７Ｙ）
・ 施術方法 ：通常のヘアカラーと同様
・ 放置時間 ：色判定部位塗布終了から、２０分
・ 環境条件 ：温度，湿度などの環境は一定
尚、使用色のゾートスエルージュは、一番色が豊富な商品であること、７Ｙの色番は人気が高いということ、またおしゃれ染めの色分類中でほぼ中間に位置していることから選択した。
【００２７】
上記のように染毛処理が終了すると、続いて染毛された髪の髪色を判定する髪色判定処理が実施される。髪色の判定は、色調と明るさとを判定することにより行った。具体的には、髪色の判定項目は下記の通りである。
〔色調〕
髪の色味を示し、ここではカラーと呼び、本実施例では以下の８色を用いることとした。
【００２８】
・ Wine（Ｗ) やや青みのある赤み
・ Red （Ｒ） 赤み
・ Orange(Or) やや黄みがかった赤み
・ Normal(Nm) ＲにもOrにも属さない自然な色
・ Yellow（Ｙ） 黄み
・ Gleen(Gr) 緑み
・ BlueGreen(Bg) やや青みがかった緑
・ Blue(Bl) 青み
〔明るさ〕
髪の色の明るさの度合いを示し、ここではトーンと呼び、最も暗いトーン１から最も明るいトーン９まで用いる。
【００２９】
尚、色の判定には、セミロングで、やや左を向いた女性の首から上の写真をコンピュータグラフィックスで、色を明るさを変化させたビジュアル表現によるツールを用いた。これを基に各色、トーンごとに加工した写真を作成したツールによって髪の色の判定を行う。
【００３０】
本実施例においては、上記の８色の色相に髪の色に変化させたツール（カラーマップ）を１枚、同一色相内で明るさを変化させたツール（トーンマップ）を各色分（８枚）を作成し、このカラーマップ及びトーンマップを用いて髪色判定を行った。
【００３１】
上記のように髪色判定処理が終了することにより、髪質に対応した染まり上がり後の髪色が判明する。この髪質データ及び髪質に対応した髪色データは、オペレータが図２に示されるヘアカラーチェック用紙７を見ながらキーボード６を操作してパーソナルコンピュータ２に入力処理する。
【００３２】
上記のように髪質データ及び髪質に対応した髪色データの入力処理が終了すると、パーソナルコンピュータ２は入力されたデータについて解析処理を行う。
ところで、今回用いた髪質項目を各評価段階の組み合わせで考えると３００通りになり、実際に行うモニターテストで全てのデータを得ようとすると、少なくとも必要とするパネル（顧客）数は３００人となり、またヘアカラーの色の種類を考慮するとその組み合わせ数は更に増大し、莫大な人数，費用，時間が必要となってしまう。また、仮に全てのデータが得られたとしても、各判定者の癖が含まれているため、これを考慮に入れた上で評価を行う必要が生じる。
【００３３】
そこで本実施例では、上記のように少ないデータ量（上記した６０名のデータ）で全ての組み合わせの解析を可能とする解析方法として、ニューラルネットワークを用いた解析方法を採用したことを特徴とする。これにより、モニターテストの大幅な効率化が図れ、また人間の経験や知識をノウハウとして組み込むことが可能となる。
【００３４】
ここでニューラルネットワークについて説明する。ニューラルネットワークとは、人間の脳をモデルにした情報処理の考え方であり、本実施例では図３に示されるような階層型のニューラルネットワークを採用している。また、ニューラルネットワークの特徴は、図４に示されるように学習能力と連想能力である。
【００３５】
学習能力とは、データの因果関係をそのデータの特徴を生かして記憶できることである。本実施例におけるデータの特徴としては、機械的手法を用いず判定者が判定した判定結果に基づき髪質と染まり上がりの色との関係付けを行っているため、判定者の経験及び知識を含めた解析が可能になっている点が挙げられる。
【００３６】
具体的な学習処理としては、例えば髪質として“太さ→細い”，“ダメージ→あり”，“パーマ→なし”の場合において、髪色が“カラー→レッド”，“トーン→９”であった場合には、この髪質データと髪色データは対応付けられて学習パターンとして記憶される。
【００３７】
一方、連想能力とは少ないデータから類推して最適な答えを導くことである。これにより髪質項目の組み合わせのすべてが得られなくても、現存するデータ（６０人分のデータ）から全ての組み合わせ（３００人分）のデータが類推（連想）でき、規模の小さいモニターテストを実施するだけで全ての組み合わせに対する評価が可能になり、モニター人数が削減及び解析処理の効率化を図ることができる。
【００３８】
具体的な連想処理としては、髪質として“太さ→ふつう”，“ダメージ→あり”，“パーマ→なし”が入力された場合、これに一致する髪色データが無かったとしても、ニューラルネットワークを用いた場合には“太さ”の項目において差は見られるもののその影響は小さいものとし、髪色データとして“カラー→レッド”，“トーン→９”を連想して出力する。
【００３９】
図５は、上記した事項に基づきパーソナルコンピュータ２が実行する髪色連想処理のフローチャートを示している。
同図に示される分析処理が起動すると、ステップ１０（図ではステップをＳと略称する）において、キーボード６から入力される髪質データ及び髪色データの各項目について判定処理を行う。この判定処理は、髪質データ及び髪色データの各項目毎に行われる。尚、髪色データにおいてカラーはワイン：１，レッド：２…ブルー８のように数値化されている。
【００４０】
また、ステップ１０では、髪質データと髪色データとの関連付けを行う処理も行われ、図示される例では“太さ→１（細い）”，“硬さ→４（やや柔らかい）”，“ダメージ→２（ややダメージ）”，“ヘヤダイ→１（あり）”，“パーマ→１（あり）”である髪質データが、“カラー→２（レッド）”，“トーン→８”である髪色データと学習パターンとして関連付けられる。学習パターンを生成するためのルールとして、本実施例では下記の項目を設定している。
【００４１】
(1)髪質データを施術後の染まり上がり色，トーン毎にまとめる
(2)同じ染まり上がり色，トーン分類の中に、髪質項目の内容が全て同一である髪質データが複数存在する場合、そのひとつのみを用いて学習パターンを生成する
(3)他の染まり上がり色，トーンの分類でも上記(２)の処理を行う
(4)異なる染まり上がり色,トーンの分類の間に、髪質項目の内容が全て同一である髪質データが複数存在する場合、そのひとつのみを用いて学習パターンを生成する
上記のように学習パターンを生成するためのルールを設定することにより、髪質データの内容により生成される学習パターンはまとめられ、学習パターンの数はモニターの人数（本実施例では６０人）より少なくなることがある。
【００４２】
このようにステップ１０において関連付け処理が行われた学習パターンは、ステップ１２においてニューラルネットワークに入力されて学習が行われる。本実施例においては、この学習にはバックプロパゲーション法を用いている。
続くステップ１４では、判定者毎（本実施例では５名）毎に前記したステップ１０及びステップ１２の処理を繰り返し実施する。また、ステップ１６では各判定者毎にネットワークを構成し、ステップ１８ではステップ１６で構築された各ネットワークに３００種類全ての髪質項目を入力する（尚、髪質項目の内、モニターテストを実施した髪質項目を、本明細書では特に髪質データというものとする）。
【００４３】
続くステップ２０では、各ネットワークの毎に出力される学習パターンを統合する。この際、ステップ１８において学習パターンとして記憶されていない髪質項目も入力されるが、この場合には前記したニューラルネットワークの連想能力により、入力された髪質項目よりこれに最も適合した髪色が連想される。従って、ステップ２０で各ネットワークから出力される学習パターンは、全ての（３００種類の）髪質項目に対して出力される。
【００４４】
続くステップ２２では、ステップ２０で統合された結果に基づき分類結果が出力される。上記した説明から明らかなように、本実施例に係るニューラルネットワークに髪質項目を入力すると、染まり上がりの色（髪色）が出力される。よって、考えられる全ての髪質項目（３００種類）を入力することにより、その出力が髪質と髪色を対応させた分類結果となる。
【００４５】
上記のように本実施例では、髪質判定処理を複数の判定者により行うと共にニューラルネットワークを前記判定者の人数分用意し、髪色連想処理において各判定者が判定した髪質と染毛された髪の髪色とに基づき解析された結果を学習パターンとして記憶する構成としている。これにより各判定者毎の経験及び知識を学習パターンに反映させた上で各判定者毎の個人差をばらつかせることができ、精度の高い学習データを生成することが可能となる。
【００４６】
上記のように髪色連想処理が終了すると、続いてヘアカラーチャートを作成するチャート作成処理が実施される。
本実施例においては、ヘアカラーチャートの作成に際し、太さと硬さは相関があるため太さに硬さも含まれるとし、太さ、ダメージ、ヘアダイ，パーマの有無の４項目から分類したヘアカラーチャートを作成した。尚、へアダイ・パーマのいずれかが「あり」の組み合わせでは、「ダメージがない」とは考えにくいので除外した。
【００４７】
図６は、ヘアカラーチャートの第１の活用例を示しており、色番ごとにヘアカラーチャートを作成した例である。同図に示されるヘアカラーチャートは、色番毎にその髪質の染まり上がりを表現したもので、髪質による染まり上がりの変化を捉えることができる。これにより、サロンにおいての基礎データの資料や新人の教育用に、また店頭での教育資料としてこのヘアカラーチャートを活用することができる。
【００４８】
また、図７はヘアカラーチャートの第２の活用例を示しており、これは髪質別にヘアカラーチャートを作成した例である。同図に示されるヘアカラーチャートは、髪質ごとに色番別の染まり上がりを表現したもので、顧客が染まり上がりのイメージから商品を選ぶことができる。これにより、店頭での顧客とのカウンセリングツールとして、またセルフ販売用のカタログとしてこのヘアカラーチャートを活用することができる。
【００４９】
尚、上記した図６及び図７に示すヘアカラーチャートは、カラープリンタ４（図８参照）から出力されるものであるが、ヘアカラーチャートの出力形態はプリンタ４からの出力に限定されるものではなく、ディスプレイ装置３を用いて画像として出力してもよい。
【００５０】
続いて、上記のように作成されたヘアカラーチャートと、実際にヘアカラーを施術した結果の髪色との比較を行った結果を以下述べる。
この比較処理において、実際の染まり上がりの髪色と作成されたヘアカラーチャートに印画された髪色との比較に際し、次の場合を両者の髪色が一致したものとした。即ち、前記したカラー８分類、トーン９分類において、
・両者が完全に一致した場合
・カラーが一致し、トーンが違う場合（ひとつ暗い、ひとつ明るい）
・トーンが一致し、カラーが違う場合（ひとつ赤み、ひとつ黄み）
に両者の髪色が一致したものとした。また、判定は前記した専門技術者５名により行った。
【００５１】
その結果、ヘアカラーチャートに印画された髪色の７０％において実際の染まり上がりの髪色との一致がみられた。これは専門家ではない顧客にすると９０％の一致が得られたことと等価であり、よってヘアカラーチャートの有効性は高いと考えられ十分な一致度ということができる。
【００５２】
【発明の効果】
上述の如く本発明によれば、顧客に対してヘアカラーの色選びに安心感を与え毛束見本よりも高い満足度を持たせることが可能になると共に、売る側と顧客様及び美容師と顧客との間で染まり上がりの髪色に対し共通の認識を持つことができる等の特徴を有する。
【図面の簡単な説明】
【図１】本発明の一実施例であるヘアカラーチャートの作成方法の原理図である。
【図２】ヘアカラーチャートの作成方法に用いるヘアカラーチェック用紙の一例を示す図である。
【図３】ニューラルネットワークモデルの一例を示す図である。
【図４】ニューラルネットワークの学習能力と連想能力を説明するための図である。
【図５】パーソナルコンピュータが実行する髪色連想処理のフローチャートを示す図である。
【図６】ヘアカラーチャートの第１の活用例を示す図である。
【図７】ヘアカラーチャートの第２の活用例を示す図である。
【図８】本発明の一実施例であるヘアカラーチャート作成装置の構成図である。
【符号の説明】
１ ヘアカラーチャート作成装置
２ パーソナルコンピュータ
３ ディスプレイ装置
４ プリンター
５ インターフェース装置
６ キーボード
７ ヘアカラーチェック用紙
Claims (1)
- ヘアカラーの施術前において顧客の髪質を判定することにより得られる髪質データと、髪質判定処理の終了後に前記顧客の髪に対しヘアカラーを施術し染毛を行った後に染毛された髪の髪色を判定することにより得られる髪色データとを入力する入力手段と、
設定されたルールに基づき、該入力手段から入力された髪質データと髪色データとから得られる施術後の染まり上がり色、トーン、および髪質項目から学習パターンを生成し、該学習パターンをニューラルネットワークに入力して学習させると共に、該学習結果に基づき入力された髪質に対応した染まり上がりの色を連想する髪色連想手段と、
前記入力手段から入力された髪質データと、前記髪色連想処理により連想された当該髪質に対応した染まり上がりの色とを関連させたヘアカラーチャートを出力するヘアカラーチャート出力手段と
を具備することを特徴とするヘアカラーチャート作成装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP01336096A JP3792286B2 (ja) | 1996-01-29 | 1996-01-29 | ヘアカラーチャートの作成方法及びヘアカラーチャート作成装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP01336096A JP3792286B2 (ja) | 1996-01-29 | 1996-01-29 | ヘアカラーチャートの作成方法及びヘアカラーチャート作成装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09204138A JPH09204138A (ja) | 1997-08-05 |
| JP3792286B2 true JP3792286B2 (ja) | 2006-07-05 |
Family
ID=11830941
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP01336096A Expired - Fee Related JP3792286B2 (ja) | 1996-01-29 | 1996-01-29 | ヘアカラーチャートの作成方法及びヘアカラーチャート作成装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3792286B2 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1297807C (zh) * | 2000-05-12 | 2007-01-31 | 宝洁公司 | 分析头发并预测可获得的染发最终颜色的方法 |
| JP3857648B2 (ja) | 2000-12-26 | 2006-12-13 | 株式会社資生堂 | マスカラの選定システム |
| JP2005274928A (ja) | 2004-03-24 | 2005-10-06 | Wella Ag | ヘアカラーリング用カラーシミュレーションシステム |
| DE102017211596A1 (de) | 2017-07-07 | 2019-01-10 | Henkel Ag & Co. Kgaa | System zum Verwalten von Haarzustandsinformation und Verfahren zum Optimieren eines kosmetischen Beratungssystems |
| JP6473842B1 (ja) * | 2018-06-22 | 2019-02-20 | 有限会社ナップヘアー | コンピュータプログラム、処理方法および情報処理装置 |
| JP6936494B2 (ja) * | 2018-10-25 | 2021-09-15 | 株式会社ソフトブレイン | ヘアカラーのネットオーダーシステム |
| JP2022104555A (ja) * | 2020-12-28 | 2022-07-08 | 株式会社ソフトブレイン | 染髪方法及びヘアカラーリング剤特定システム |
-
1996
- 1996-01-29 JP JP01336096A patent/JP3792286B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH09204138A (ja) | 1997-08-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5324031B2 (ja) | 美容シミュレーションシステム | |
| WO2001032051A1 (fr) | Systeme de conseil pour colorant capillaire | |
| EP0528599A2 (en) | Process control and operator-machine interfaces | |
| CN108431561B (zh) | 计算机辅助确定毛发颜色性能的方法和数据处理装置 | |
| MXPA02011157A (es) | Metodo para analizar cabello y predecir colores finales despues de la tincion del cabello. | |
| US20180374140A1 (en) | Computerized, personal beauty product analysis system | |
| JP3792286B2 (ja) | ヘアカラーチャートの作成方法及びヘアカラーチャート作成装置 | |
| JP3390558B2 (ja) | リップカラーアドバイスシステム及び方法 | |
| US20170140252A1 (en) | Computerized, personal-scent analysis sytem | |
| JP2005530589A (ja) | 着色結果を予測するための方法及び装置 | |
| KR100767133B1 (ko) | 메이크업 칼라 이미지 분류법 및 메이크업 칼라 이미지 맵 | |
| Wu et al. | A computer-aided coloring method for virtual agents based on personality impression, color harmony, and designer preference | |
| JP2002150307A (ja) | ヘアカラー商品提示方法及びヘアカラー商品検索装置 | |
| JP2006024203A (ja) | コーディネート支援システム | |
| JP2013178789A (ja) | 美容シミュレーションシステム | |
| JP2005143655A (ja) | ヘアカラーアドバイスツール、ヘアカラーアドバイスツール作成方法及びヘアカラーアドバイスツール作成装置 | |
| KR102425873B1 (ko) | 머신러닝 및 증강현실 기반의 퍼스널 컬러 진단 방법 및 시스템 | |
| KR102090370B1 (ko) | 색채심리 기반 퍼스널 컬러 코칭 시스템 | |
| Miura et al. | A Color Scheme Explorer Based on a Practical Color Design Framework | |
| JP4508739B2 (ja) | 染毛剤の表示方法及び宣伝媒体 | |
| JP3365407B2 (ja) | データ処理装置及び方法 | |
| WO2023120534A1 (ja) | 髪色関連情報の抽出方法 | |
| WO2023120525A1 (ja) | 印象変更支援方法 | |
| Tsuda et al. | materialmodifier: An R package of photo editing effects for material perception research | |
| JP4767436B2 (ja) | カラーコーディネートシステム、カラーコーディネート支援方法、カラーコーディネート用カード |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040921 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041117 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050419 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050620 |
|
| A911 | Transfer of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20050714 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060404 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060405 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090414 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100414 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100414 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110414 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110414 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120414 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130414 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140414 Year of fee payment: 8 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |