KR20220128200A - Personal color diagnosis method - Google Patents
Personal color diagnosis method Download PDFInfo
- Publication number
- KR20220128200A KR20220128200A KR1020210032952A KR20210032952A KR20220128200A KR 20220128200 A KR20220128200 A KR 20220128200A KR 1020210032952 A KR1020210032952 A KR 1020210032952A KR 20210032952 A KR20210032952 A KR 20210032952A KR 20220128200 A KR20220128200 A KR 20220128200A
- Authority
- KR
- South Korea
- Prior art keywords
- color
- subject
- image
- terminal
- screen
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003745 diagnosis Methods 0.000 title claims description 29
- 239000003086 colorant Substances 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 239000004744 fabric Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000037308 hair color Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Dermatology (AREA)
- Eye Examination Apparatus (AREA)
- Spectrometry And Color Measurement (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
Abstract
Description
본 발명은 퍼스널 컬러 진단 방법에 관한 것으로, 보다 상세하게는 피진단자의 환경 정보를 기반으로 피진단자 자신에게 가장 어울리는 색채를 매칭시켜주는 퍼스널 컬러 진단 방법에 관한 것이다.The present invention relates to a personal color diagnosis method, and more particularly, to a personal color diagnosis method for matching a color most suitable for a subject himself/herself based on the subject's environmental information.
일반적으로, 퍼스널 컬러(Personal Color)란 인격적 색채와 신체적 특징으로 나타나는 피부, 머리카락, 눈동자의 색채 등, 각자 타고난 고유의 인체 색상을 의미한다.In general, a personal color refers to a color of the human body that is inherent to each person, such as the color of the skin, hair, and eyes, which appear as personal colors and physical characteristics.
또, 퍼스널 컬러 진단이란 퍼스널 컬러 이론에 근거해서 컬러를 분석하고, 자신에게 어울리는 색채를 진단해 주는 것이다. 이것은 색채의 조화와 부조화의 원리에 기초를 두고 분석한 실용색채 조화 이론으로 색에 대한 기본원리, 색채 분석, 색채 심리, 색채 응용 등 다양한 이론이 종합적으로 포함되어 있다.In addition, personal color diagnosis is to analyze a color based on personal color theory and diagnose a color that suits you. This is a practical color harmony theory analyzed based on the principles of color harmony and disharmony. It comprehensively includes various theories such as basic principles of color, color analysis, color psychology, and color application.
이러한 퍼스널 컬러 진단은 4계절 색(season color system)의 구조 안에서 개인적 신체 색상 특성과 유형에 따라 이미지를 연출하는 색채 분석방법이다.This personal color diagnosis is a color analysis method that produces images according to individual body color characteristics and types within the structure of the four season color system.
퍼스널 컬러의 개념은 1810년 괴테의 색채론에서 언급되는데, 그는 색채 현상의 빛과 어둠의 배경이 황색과 청색의 기본색임을 발견하게 된다. 1928년 독일의 종합 조형 학교인 바우하우스의 색채학자 요하네스 이텐(Johannes Itten)은 제자들을 가르치면서, 그들이 선호하는 색상이 자신의 색상, 즉 피부색, 머리카락색, 눈동자색 등과 같은 자신이 가진 고유한 색채와 관련이 있다는 것을 발견하고 외견과 주관적인 색채 관의 관계에 주목한 것이 컬러 분석의 시초로 알려지고 있다.The concept of personal color is mentioned in Goethe's Theory of Color in 1810, and he discovers that the background of light and darkness in color phenomena is the primary colors of yellow and blue. In 1928, Johannes Itten, a colorist at the Bauhaus, a comprehensive plastic school in Germany, taught his students that their preferred colors were their own colors, such as skin color, hair color, and eye color. It is known as the beginning of color analysis by discovering that it is related to color and paying attention to the relationship between appearance and subjective color perception.
이후, 세계적 권위의 색채 심리학자 파버 비렌(Faber Biren)은 색채이론에 입각한 색의 효용을 사회생활에 도입시킨 공적으로 높게 평가되고 있는데, 기존의 난색계통과 한색계통의 색 분류법이 아닌 다른 이론으로써 모든 색채는 각각의 색상에 난(따뜻한)색과 한(차가운)색이 있다고 정의했다.Since then, Faber Biren, a world-renowned color psychologist, has been highly evaluated for his achievements in introducing the utility of color based on color theory into social life. Color was defined as having a warm (warm) color and a cool (cold) color for each color.
미국의 색채학자 Robet Dorr(1905-1979)는 1928년 색채 조화의 원리 원칙을 발견한다. 사람의 피부색은 2가지의 기초(Tone), 즉 따뜻한 색과 차가운 색을 지니고 있다는 이론을 바탕으로 하는 "Color key system"을 발표한다.American colorist Robet Dorr (1905-1979) discovered the principle of color harmony in 1928. Announcing the "Color key system" based on the theory that human skin color has two basic tones, namely, a warm color and a cold color.
이 이론에서 블루언더톤(Blue Under Tone)과 엘로언더톤(Yellow Under Tone)으로 분류하여 같은 분류의 색 사이에서는 조화를 이룬다는 주장을 하였다. 이 이론은 1974년 아메리톤 페인트 코퍼레이션(Ameritone Paint Corporation)에서 사용된 "THE COLOR KEY PROGRAM"을 통해 일본으로 전해졌다.In this theory, it is classified into Blue Under Tone and Yellow Under Tone, and it is argued that there is harmony between colors of the same classification. This theory was brought to Japan through "THE COLOR KEY PROGRAM" used by Ameritone Paint Corporation in 1974.
또한, Bernice Kentner(1991)에 의하면, 약 2400년 전 히포크라테스(Hippocrates)는 사람들의 성격패턴(양식)을 우울한(겨울), 냉담한(여름), 쾌활한(봄), 그리고 성급한(가을) 것으로 분류했는데, 이것은 오늘날에 와서 심리분석에 활용되고 있다.Also, according to Bernice Kentner (1991), about 2400 years ago, Hippocrates classified people's personality patterns (styles) as melancholic (winter), cold-hearted (summer), cheerful (spring), and hasty (autumn). , which has come to this day and is being used in psychoanalysis.
사계절로 분류하여 퍼스널 컬러를 진단하는 보편화된 방법은 컬러 진단 천(섬유)을 이용한 진단 드레이핑(Draping)이다.A general method for diagnosing personal colors by classifying them into four seasons is diagnostic draping using color diagnostic fabrics (fibers).
이 진단 드레이핑 방법은 컬러 진단 천을 인체에 가까이하여 컬러 분석자(또는 컬러리스트)가 피진단자와 어울리는 색들을 찾고, 이 어울리는 색들로써 계절유형을 진단하는 것이다. 계절유형이 결정되면 이 계절유형에 해당되는 컬러 코디네이션, 액세서리, 헤어스타일, 그리고 피해야 할 색 등을 컨설팅한다.In this diagnostic draping method, a color diagnostic cloth is brought close to the human body, a color analyzer (or colorist) finds colors that match the subject, and diagnoses a seasonal type with these matching colors. Once the season type is decided, we consult with color coordination, accessories, hair style, and colors to avoid.
그런데, 컬러 진단 천을 이용하는 방법은 컬러 분석자가 컬러 진단 천이 피진단자에게 어느 정도로 어울리는지를 판단하여 진단하는 것으로, 컬러 분석자의 주관적인 판단에 의해 좌우되는 경향이 있다. 또한, 이러한 주관적인 판단에 의해 컬러 분석자마다 퍼스널 컬러 진단이 다르게 나타날 수 있는 문제점이 있다.However, in the method of using the color diagnosis cloth, the color analyzer judges to what extent the color diagnosis cloth is suitable for the subject, and it tends to be influenced by the color analyzer's subjective judgment. In addition, there is a problem in that personal color diagnosis may be different for each color analyzer due to such subjective judgment.
또한, 컬러 분석자는 피진단자의 인체 고유 색을 바탕으로 퍼스널 컬러를 진단하는데, 경우에 따라서는 화장 및 액세사리를 모두 제거한 상태로 진단받아야 하는 문제점이 있다.In addition, the color analyzer diagnoses the personal color based on the body color of the person to be diagnosed. In some cases, there is a problem in that the diagnosis has to be made with all makeup and accessories removed.
그리고, 컬러 진단 천을 이용하여 진단한 결과는 하나의 결과, 즉 선택된 하나의 계절만이 진단되는 것으로, 다른 계절과는 어느 정도의 연관성이 있는지 알 수 없다. 게다가 퍼스널 컬러를 진단받기 위해서는 반드시 컬러 분석자의 도움이 필요하기 때문에 피진단자 스스로가 자신의 인체 색을 통해 퍼스널 컬러를 진단받을 수 없다는 문제점도 상존하였다.In addition, as a result of diagnosis using the color diagnosis cloth, only one result, that is, only one selected season is diagnosed, and the degree of correlation with other seasons is unknown. In addition, since the help of a color analyzer is absolutely necessary in order to be diagnosed with a personal color, there has always been a problem in that a person cannot be diagnosed with a personal color based on the color of his or her body.
본 발명은 상술한 종래기술의 문제점을 해결하기 위하여 창안된 것으로, 본 발명의 목적은 컬러 분석자의 도움 없이도 피진단자 스스로가 객관적이며 일관성 있는 퍼스널 컬러를 진단받을 수 있고, 또한 진단받은 컬러를 통해 건강하고 아름답게 보이는 효과를 누릴 수 있도록 한 퍼스널 컬러 진단 방법을 제공함에 있다.The present invention was devised to solve the problems of the prior art described above, and an object of the present invention is that a subject can be diagnosed with an objective and consistent personal color without the help of a color analyzer, and also, through the diagnosed color, health and to provide a personal color diagnosis method that allows you to enjoy the effect of looking beautiful.
그러나, 본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 이하에서 설명한 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 기술적 과제를 포함할 수 있다. However, the technical problems to be achieved by the present invention are not limited to the technical problems mentioned above, and various technical problems may be included within the range that is obvious to those skilled in the art from the contents described below.
상기 목적을 달성하기 위한 본 발명의 퍼스널 컬러 진단 방법은,The personal color diagnosis method of the present invention for achieving the above object,
a) 어플리케이션 형태로 페이스보드(face board)가 설치된 단말기를 통해 피진단자의 얼굴을 실시간으로 촬영하여 업로드하거나 기 촬영된 이미지 파일을 업로드한 후 단말기의 화면상에 출력하는 단계;a) in the form of an application, photographing and uploading a face of a subject through a terminal installed with a face board in real time, or uploading a previously photographed image file and outputting it on the screen of the terminal;
b) 단말기의 화면상에 업로딩된 이미지가 출력되면 그 이미지에 사계절에 따른 4개의 필터를 각각 적용시켜 필터이미지들을 생성하고, 피진단자는 상기 필터이미지들에 순위를 정하여 해당 차등순위별로 정량화하는 단계;b) When the uploaded image is output on the screen of the terminal, filter images are generated by applying four filters according to the four seasons to the image, respectively, and the examinee ranks the filter images and quantifies them by the corresponding differential order ;
c) 미리 정의되어 있는 색채가 저장된 데이터베이스를 통해 상기 a)단계에서 업로딩된 이미지를 AI 알고리즘에 기반한 프로그램을 이용하여 색차를 산출하고, 그 산출된 색차를 퍼센테이지(%)로 정량화하는 단계;c) calculating a color difference from the image uploaded in step a) through a database in which predefined colors are stored using a program based on an AI algorithm, and quantifying the calculated color difference as a percentage (%);
d) 단말기에 구비된 연산 제어부가 상기 b)단계 및 c)단계에서 정량화된 결과를 토대로 최종 색채를 도출하는 단계; 및d) deriving a final color based on the results quantified in steps b) and c) by the operation control unit provided in the terminal; and
e) 상기 d)단계에서 도출된 최종 색채를 단말기의 화면상에 출력하는 단계;로 이루어진다.e) outputting the final color derived in step d) on the screen of the terminal;
일 실시예로써, 상기 a)단계에서 피진단자가 카메라 모듈을 이용하여 실시간 촬영할 경우, 단말기의 화면상에는 피진단자의 얼굴이 머리카락이나 장신구에 가려지지 않고, 적절한 조명이 비춰지는 곳에서 촬영할 수 있도록 제안하는 텍스트 또는 이미지가 표출되도록 구성할 수 있다.As an embodiment, when the subject is photographed in real time using the camera module in step a), the subject's face is not covered by hair or ornaments on the screen of the terminal, and it is suggested that the subject can be photographed in an appropriate light. It can be configured so that the text or image to be displayed is displayed.
한편, 본 발명에서 상기 a)단계와 b)단계 사이에는 실시간으로 촬영한 피진단자의 이미지 또는 기 촬영된 이미지를 크롭(crop)하여 편집하는 단계가 더 포함될 수 있다.Meanwhile, in the present invention, between steps a) and b), a step of cropping and editing an image of a subject photographed in real time or a previously photographed image may be further included.
일 실시예로써, 상기 c)단계의 데이터베이스는 머신러닝 모듈을 포함할 수 있고, 상기 머신러닝 모듈은 피진단자의 정보가 입력된 데이터를 CNN(Convolutional Neural Network) 모델을 이용하여 기 설정된 특징점 영역의 특징 값을 추출하고, 그 추출된 특징점 영역의 특징 값을 기반으로 기 저장된 이미지 유형과의 유사성을 비교하여 퍼센테이지(%)로 환산된 유사성 점수를 산출하며, 상기 이미지 유형 중에서 기 설정된 점수 이상의 유사성 점수를 받은 어느 하나 이상의 이미지 유형을 검출한다.As an embodiment, the database of step c) may include a machine learning module, and the machine learning module uses a convolutional neural network (CNN) model to convert data into which the patient's information is input. Extracting a feature value, comparing the similarity with a pre-stored image type based on the feature value of the extracted feature point region, calculating a similarity score converted into a percentage (%), and a similarity score higher than a preset score among the image types Detects any one or more image types that have received
또한, 본 발명에서 상기 c)단계의 프로그램은 피진단자의 피부에 해당하는 영역에서 RGB(red, green, blue) 값의 평균 값으로 피부 색채를 산출하고, RGB 값으로 이루어진 피부 색채를 LAB 도메인(Lab Domain)으로 변환시키도록 코딩된다.In addition, in the present invention, the program of step c) calculates the skin color as an average value of RGB (red, green, blue) values in the area corresponding to the skin of the subject, and converts the skin color composed of RGB values into the LAB domain ( Lab Domain).
일 실시예로써, 상기 d)단계의 제어부는 c)단계에서 정량화된 결과를 바탕으로 피부 색채 정보를 분석하여 그 피부 색채를 1번부터 4번까지 구분하고 해당 번호에 차등점수를 부여한 뒤, 상기 차등점수를 기반으로 하여 최상치의 점수에 해당하는 피부 색채를 최종 색채로 도출한다.As an embodiment, the control unit in step d) analyzes skin color information based on the result quantified in step c) to classify the skin color from No. 1 to No. 4, and gives a differential score to the corresponding number, and then Based on the differential score, the skin color corresponding to the highest score is derived as the final color.
본 발명의 퍼스널 컬러 진단 방법에 의하면, 컬러 분석자의 도움 없이도 피진단자 스스로가 객관적이며 일관성 있는 퍼스널 컬러를 진단받을 수 있고, 진단받은 컬러를 통해 건강하고 아름답게 보이는 효과를 누림으로써, 심리적 상승작용과 더불어 자신감 향상 그리고 긍정적인 사고를 배양할 수 있다.According to the personal color diagnosis method of the present invention, the subject himself can be diagnosed with an objective and consistent personal color without the help of a color analyzer, and by enjoying the effect of looking healthy and beautiful through the diagnosed color, psychological synergy and It can improve self-confidence and cultivate positive thinking.
도 1은 본 발명에 따른 퍼스널 컬러 진단 방법의 프로세스를 나타낸 흐름도,
도 2는 본 발명에 따른 퍼스널 컬러 진단 방법에서 필터를 적용한 이미지를 예시적으로 나타낸 사진,
도 3은 본 발명에 따른 퍼스널 컬러 진단 방법에서 최종 색채가 출력되는 페이지를 예시적으로 나타낸 사진,
도 4는 본 발명에 따른 퍼스널 컬러 진단 방법에서 RGB 값을 LAB 도메인으로 변환시키는 프로그램의 알고리즘을 일부 발췌한 사진.1 is a flow chart showing the process of a personal color diagnosis method according to the present invention;
2 is a photograph exemplarily showing an image to which a filter is applied in the personal color diagnosis method according to the present invention;
3 is a photograph exemplarily showing a page on which the final color is output in the personal color diagnosis method according to the present invention;
4 is a photo excerpted from a program algorithm for converting RGB values into LAB domains in the personal color diagnosis method according to the present invention.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예에 대하여 상세하게 설명한다. 하기에서 본 발명을 설명함에 있어서, 본 명세서에 기술된 다양한 장치 및 구성부는 하드웨어(예를 들어, CMOS 기반 로직 회로, 스마트폰, 태블릿PC, 데스크톱PC, 노트북 등), 펌웨어, 소프트웨어 또는 이들의 조합에 의해 구현될 수 있다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. In describing the present invention below, various devices and components described herein include hardware (eg, CMOS-based logic circuits, smart phones, tablet PCs, desktop PCs, notebooks, etc.), firmware, software, or combinations thereof. can be implemented by
예를 들어, 다양한 전기적 구조의 형태로 트랜지스터, 로직게이트 및 전자회로를 활용하여 구현될 수 있다.For example, it may be implemented using transistors, logic gates, and electronic circuits in the form of various electrical structures.
또한, 본 발명에서 "퍼스널 컬러"는 색을 RGB로 표현하고, RGB로 표현된 각각의 색을 축으로 하는 3차원 공간에 일반적으로 정의된 모델 색과 피진단자의 색을 표시한 가상의 공간으로 정의한다.Also, in the present invention, "personal color" is a virtual space in which a color is expressed in RGB, and the model color and the color of the subject are generally defined in a three-dimensional space with each color expressed in RGB as an axis. define.
도 1에 나타낸 바와 같이, 본 발명에 따른 퍼스널 컬러 진단 방법은, a) 어플리케이션(application) 형태로 페이스보드(face board)가 설치된 단말기를 통해 피진단자의 얼굴을 실시간으로 촬영하여 업로드하거나 기 촬영된 이미지 파일(image file)을 업로드한 후 단말기의 화면상에 출력하는 단계; b) 단말기의 화면상에 업로딩된 이미지가 출력되면 그 이미지에 사계절(봄, 여름, 가을, 겨울)에 따른 4개의 필터를 각각 적용시켜 필터이미지(filter image)들을 생성하고, 피진단자는 상기 필터이미지들에 순위를 정하여 해당 차등순위별로 정량화하는 단계; c) 미리 정의되어 있는 색채가 저장된 데이터베이스를 통해 상기 a)단계에서 업로딩된 이미지를 AI 알고리즘(AI algorism)에 기반한 프로그램을 이용하여 색차를 산출하고, 그 산출된 색차를 퍼센테이지(%)로 정량화하는 단계; d) 단말기에 구비된 연산 제어부가 상기 b)단계 및 c)단계에서 정량화된 결과를 토대로 최종 색채를 도출하는 단계; 및 e) 상기 d)단계에서 도출된 최종 색채를 단말기의 화면상에 출력하는 단계;로 이루어진다.As shown in FIG. 1 , the personal color diagnosis method according to the present invention includes: a) a face board installed in the form of an application in real time and uploaded or previously photographed through a terminal installed with a face board After uploading the image file (image file) output on the screen of the terminal; b) When the uploaded image is output on the screen of the terminal, four filters according to the four seasons (spring, summer, autumn, winter) are applied to the image respectively to generate filter images, and the examinee generates filter images. ranking the images and quantifying them by corresponding differential rankings; c) Using a program based on an AI algorithm for the image uploaded in step a) through a database in which predefined colors are stored, the color difference is calculated, and the calculated color difference is quantified as a percentage (%) step; d) deriving a final color based on the results quantified in steps b) and c) by the operation control unit provided in the terminal; and e) outputting the final color derived in step d) on the screen of the terminal.
본 발명의 a)단계는 어플리케이션 형태로 페이스보드(face board)가 설치된 단말기를 통해 피진단자의 얼굴을 실시간으로 촬영하여 업로드하거나 기 촬영된 이미지 파일을 업로드한 후 단말기의 화면상에 출력하는 단계이다.Step a) of the present invention is a step of photographing and uploading the face of the subject in real time through a terminal on which a face board is installed in the form of an application, or uploading a previously photographed image file and outputting it on the screen of the terminal. .
본 발명의 실시예에 따르면, 상기 a)단계에서 피진단자가 카메라 모듈을 이용하여 실시간으로 촬영할 경우, 단말기의 화면상에는 피진단자의 얼굴이 머리카락이나 장신구 등에 의해서 가려지지 않고, 적절한 조명이 비춰지는 곳에서 촬영할 수 있도록 제안하는 텍스트(text) 또는 이미지(image)가 표출되게 할 수 있다.According to an embodiment of the present invention, when the subject is photographed in real time using the camera module in step a), the subject's face is not covered by hair or ornaments on the screen of the terminal, but is lit with appropriate lighting It is possible to display text or image that is suggested to be photographed in .
즉, 카메라 모듈을 이용하여 피진단자를 촬영할 경우에는 피진단자에게 일종의 가이드 라인을 제시할 수 있다. 예를 들어, 피진단자 촬영 시에는 조도와 같은 주변 환경에 따른 색상 변화, 카메라 모듈의 성능에 따른 색상 변화가 발생할 수 있으므로, 자연광에서 촬영할 것, 피부 톤이 최대한 잘 드러나는 장소에서 촬영할 것, 가장 자연스러운 모습으로 촬영할 것, 그리고 촬영에 방해가 될 수 있는 요소인 머리카락이나 장신구 등을 제거 후 촬영할 것을 권장할 수 있는 것이다.That is, when the subject is photographed using the camera module, a kind of guideline may be presented to the subject. For example, when photographing a subject, color change depending on the surrounding environment such as illumination and color change depending on the performance of the camera module may occur. It can be recommended to take a picture in the form of a picture, and to take pictures after removing hair and accessories that may interfere with the shooting.
본 발명의 실시예에 따르면, 카메라 모듈을 이용하여 피진단자의 이미지 정보를 입력받도록 하는 것은 인터넷(Internet)을 통한 온라인(Online) 환경에서도 구현할 수 있다. According to an embodiment of the present invention, receiving image information of a subject using a camera module may be implemented in an online environment through the Internet.
일 예로, 피진단자를 촬영한 이미지가 저장된 서버로부터 온라인으로 전송받고, 전송받은 이미지를 단말기의 화면상에 디스플레이하여 퍼스널 컬러 진단한 다음, 그 진단결과를 재차 온라인 서버를 통해 통지하는 구성으로 이루어질 수 있다.As an example, it may consist of a configuration in which an image photographed of the subject is transmitted online from a server in which it is stored, the received image is displayed on the screen of the terminal for personal color diagnosis, and the diagnosis result is notified again through the online server. have.
본 발명의 b)단계는 단말기의 화면상에 업로딩된 이미지가 출력되면 그 이미지에 사계절에 따른 4개의 필터를 각각 적용시켜 필터이미지들을 생성(도 2 참조)하고, 피진단자는 상기 필터이미지들에 본인에게 잘 맞을 것으로 예상되는 필터이미지들의 순위를 정하여 해당 차등순위별로 정량화하는 단계이다. 예컨대, 본인에게 잘 맞는 페이스보드란 붉은기, 노란기가 상대적으로 적으며, 명도가 밝고 채도가 투명한 것일 수 있다.In step b) of the present invention, when the uploaded image is output on the screen of the terminal, four filters according to the four seasons are applied to the image, respectively, to generate filter images (refer to FIG. 2 ), and the examinee applies the filter images to the filter images. This is the step of ranking the filter images that are expected to be a good fit for you and quantifying them by the corresponding differential rankings. For example, a face board that suits you well may be one that has relatively little red and yellow, and has a bright brightness and a transparent color saturation.
본 발명의 실시예에 따르면, 상기 a)단계와 b)단계 사이에는 실시간으로 촬영한 피진단자의 이미지 또는 기 촬영된 이미지를 크롭(crop)하여 편집하는 단계가 더 포함될 수 있다.According to an embodiment of the present invention, a step of cropping and editing an image of a subject photographed in real time or a previously photographed image may be further included between steps a) and b).
상기 크롭은 피진단자 이미지의 바깥(외곽) 부분을 제거하는 작업으로써, 피진단자의 이미지를 돋보이게 하거나 윤곽을 개선하도록 하는 것이다.The cropping is an operation of removing the outer (outer) portion of the image of the subject to make the image of the subject stand out or to improve the outline.
본 발명의 c)단계는 미리 정의되어 있는 색채가 저장된 데이터베이스를 통해 상기 a)단계에서 업로딩된 이미지를 AI 알고리즘에 기반한 프로그램을 이용하여 색차를 산출하고, 그 산출된 색차를 퍼센테이지(%)로 정량화하는 단계이다.In step c) of the present invention, a color difference is calculated using a program based on an AI algorithm from the image uploaded in step a) through a database in which predefined colors are stored, and the calculated color difference is quantified as a percentage (%). is a step to
여기서, 상기 데이터베이스는 머신러닝 모듈(Machine Learning Module)을 포함할 수 있으며, 상기 머신러닝 모듈은 피진단자의 정보가 입력된 데이터를 CNN(Convolutional Neural Network) 모델, DBN(Deep Belief Network) 모델, RNN(Recurrent Neural Network) 모델 중에서 선택된 어느 하나를 이용하여 기 설정된 특징점 영역의 특징 값을 추출할 수 있다.Here, the database may include a machine learning module, and the machine learning module converts the data into which the information of the subject is input to a Convolutional Neural Network (CNN) model, a Deep Belief Network (DBN) model, and an RNN. A feature value of a preset feature point region may be extracted using any one selected from a (recurrent neural network) model.
그리하여 추출된 특징점 영역의 특징 값을 기반으로 기 저장된 이미지 유형과의 유사성을 비교하여 퍼센테이지(%)로 환산된 유사성 점수를 산출하며, 상기 이미지 유형 중에서 기 설정된 점수 이상의 유사성 점수를 받은 어느 하나의 이미지 유형을 검출할 수 있게 된다.Thus, based on the feature value of the extracted feature point region, similarity with a pre-stored image type is compared to calculate a similarity score converted into a percentage (%), and any one image that has received a similarity score greater than or equal to a preset score among the image types type can be detected.
또한, 상기 c)단계의 프로그램은 피진단자의 피부에 해당하는 영역에서 RGB(red, green, blue) 값의 평균 값으로 피부 색채를 산출하고, RGB 값으로 이루어진 피부 색채를 LAB 도메인(Lab Domain)으로 변환시키도록 코딩(coding)된다. 도 4에 RGB 값을 LAB 도메인으로 변환시키는 프로그램의 일부 알고리즘을 나타내었다.In addition, the program of step c) calculates the skin color as an average value of RGB (red, green, blue) values in the area corresponding to the skin of the subject, and sets the skin color composed of RGB values in the LAB domain (Lab Domain) It is coded to convert to . 4 shows some algorithms of a program for converting RGB values into LAB domains.
참고로, 상기 RGB는 빨강색(Red), 녹색(Green) 및 파란색(Blue)의 약자로 표시되는 색 표현방법으로, 주로 스크린 디스플레이에 사용되며 각각 10진수의 숫자 0 - 255의 범위 내에서 선택될 수 있다. 이를 16진수로 나타내면 00 - FF로 이루어진 숫자와 문자로 표현될 수 있다.For reference, the RGB is an abbreviation of red, green, and blue, and is mainly used in screen displays and is selected within the range of 0 - 255 of decimal numbers, respectively. can be If it is expressed in hexadecimal, it can be expressed as numbers and letters consisting of 00 - FF.
또한, 상기 LAB는 CIE(Commission Internationale d' Eclairage)라는 국제조명위원회에서 발표한 것으로, L은 밝기인 명도(Luminosity)를 말하며, a와 b는 수학 그래프에서의 x, y축처럼 이름지어진 것으로, a와 b는 각각 -128 부터 127까지의 값을 갖는다. Lab은 RGB와 CMYK간의 색상 차이로 인해 서로 겹쳐지지 않는 부분의 색을 한 가지 색상 체계에서 표현하도록 하기 위한 것이며, 보통 RGB를 CMYK로 변환할 때 중간단계로도 이용된다.In addition, the LAB is announced by the International Lighting Commission called CIE (Commission Internationale d'Eclairage), L refers to the brightness (Luminosity), and a and b are named like the x and y axes in the mathematical graph, a and b have values from -128 to 127, respectively. Lab is to express the colors of parts that do not overlap each other due to the color difference between RGB and CMYK in one color system, and is usually used as an intermediate step when converting RGB to CMYK.
한편, 상기 c)단계의 데이터베이스는 각 유형별로 미리 정의된 모델 색이 저장되는 것으로, 이미 알려진 색들이 훈련집합의 형태로 저장된다.Meanwhile, the database of step c) stores predefined model colors for each type, and known colors are stored in the form of a training set.
일 예로, 상기 모델 색은 다수의 컬러 분석자가 일반인의 인체 톤(tone)을 통해 계절 유형을 판단하여 분류한 자료를 바탕으로 구축될 수 있다. 즉, 다수의 컬러 분석자가 다수의 일반인을 모델로 하여 상기 모델의 인체 톤을 기반으로 유형을 분류하고, 상기 분류된 계절유형으로 모델 색이 구축된다. 이 과정에서 다수의 컬러 분석자가 하나의 대상, 즉 한 명의 일반인을 상대로 동일한 결과로 진단된 자료는 배제될 수 있다. 따라서, 다수의 컬러 분석자가 다수의 일반인을 상대로 동일하게 판단된 유형의 인체 톤을 바탕으로 모델 색이 구축될 수 있는 것이다.For example, the model color may be constructed based on data classified by a plurality of color analyzers by judging a season type based on human body tones. That is, a plurality of color analyzers classify a type based on the human body tone of the model using a plurality of ordinary people as a model, and a model color is constructed using the classified seasonal type. In this process, data in which multiple color analyzers have been diagnosed with the same result for one subject, that is, one general public, may be excluded. Accordingly, a model color can be constructed based on the type of human body tone that a plurality of color analyzers have determined to be the same for a plurality of ordinary people.
상기와 같이 구축된 모델 색은 각 유형별로 분류되어 데이터베이스에 저장된다. 상기 데이터베이스에 저장된 유형으로 정의된 모델 색은 최근접 이웃 알고리즘(nearest neighbor algorithm)을 이용한 비파라메터적 예측(non parametric estimation)방식을 이용하는 것이 바람직하다. 비파라메터적 예측방식과 유사한 방법으로 결정 트리 모델링(decission tree modeling) 방식이 있으나, 비파라메터적 예측방식은 결정 트리 모델링 방식보다 범용성이 우수하다는 장점이 있다.The model colors constructed as described above are classified for each type and stored in a database. The model color defined as the type stored in the database preferably uses a non-parametric estimation method using a nearest neighbor algorithm. There is a decision tree modeling method as a method similar to the non-parametric prediction method, but the non-parametric prediction method has the advantage of being superior in versatility than the decision tree modeling method.
상기 최근접 이웃 알고리즘(nearest neighbor algorithm: NN 알고리즘)은 새로운 개체의 속성 값을 예측하기 위하여, 이미 저장하고 있는 개체 중에서 유사한 것을 선택하여 그 값을 예측하는 것이다.The nearest neighbor algorithm (NN algorithm) predicts a value of a new entity by selecting a similar one from among previously stored entities in order to predict the attribute value of the new entity.
즉, 이미 알려진 개체들을 훈련집합의 형태로 메모리에 저장한 다음, 저장된 개체들 중 유사한 개체를 선택하여 그 선택된 개체의 값에 따라 새로운 개체의 값을 예측하는 방식의 분류 알고리즘이다. 상기한 바와 같은 알고리즘은 여러 분야에 걸쳐 그 유용성을 검증받았으며, 최근에 와서는 기계 학습 분야에도 널리 사용되어지고 있다.That is, it is a classification algorithm that stores known objects in the memory in the form of a training set, then selects similar objects from among the stored objects and predicts the value of a new object according to the value of the selected object. The algorithm as described above has been verified for its usefulness in various fields, and has recently been widely used in the field of machine learning.
본 발명의 d)단계는 단말기에 구비된 연산 제어부가 상기 b)단계 및 c)단계에서 정량화된 결과를 토대로 최종 색채를 도출하는 단계이다.Step d) of the present invention is a step in which the operation control unit provided in the terminal derives the final color based on the results quantified in steps b) and c).
본 발명의 실시예에 따르면, 상기 연산 제어부는 c)단계에서 정량화된 결과를 바탕으로 피부 색채 정보를 분석하여 그 피부 색채를 1번부터 4번까지 구분하고 해당 번호에 차등점수를 부여한 뒤, 상기 차등점수를 기반으로 하여 최상치의 점수에 해당하는 피부 색채를 최종 색채로 도출하도록 구성된다.According to an embodiment of the present invention, the operation control unit analyzes skin color information based on the result quantified in step c), classifies the skin color from No. 1 to No. 4, and assigns a differential score to the corresponding number, and then Based on the differential score, it is configured to derive the skin color corresponding to the highest score as the final color.
본 발명의 e)단계는 상기 d)단계에서 도출된 최종 색채를 도 3에 나타낸 바와 같은 페이지를 생성하며 단말기의 화면상에 출력하는 단계이다.Step e) of the present invention is a step of generating the final color derived in step d) as shown in FIG. 3 and outputting it on the screen of the terminal.
최종 도출된 색채, 즉 퍼스널 컬러는 다양한 영역에서 활용이 가능하다. 예를 들어, 퍼스널 컬러 진단 방법에 의해서 결정된 최적 색채를 기초로 의상이나 색조 화장의 색상 뿐만 아니라, 신체 부위 중 어느 하나에 착용되는 액세서리(accessory), 모자, 선그라스(sunglasses) 등과 같은 다양한 착용품에 대하여 피진단자와 어울리는 색상을 결정하도록 지원할 수 있다.The finally derived color, that is, personal color, can be used in various areas. For example, on the basis of the optimal color determined by the personal color diagnosis method, not only the color of clothes or make-up, but also various wearable items such as accessories, hats, sunglasses, etc. worn on any one of the body parts. It can be supported to determine a color that matches the test subject.
또한, 퍼스널 컬러 도출 결과에 따른 아이템과 함께 해당 아이템을 구매할 수 있는 쇼핑몰 정보 등을 제공할 수도 있다. 이때, 쇼핑몰 정보는 해당 아이템을 판매하고 있는 인터넷 쇼핑몰의 주소가 포함된 링크 정보일 수 있다.In addition, information about a shopping mall for purchasing the corresponding item may be provided together with the item according to the personal color derivation result. In this case, the shopping mall information may be link information including an address of an internet shopping mall selling the corresponding item.
한편, 본 발명에 따른 퍼스널 컬러 진단 방법은 스마트폰, 태블릿PC 등과 같은 단말기는 물론, MAC OS, WINDOWS 운영체제 기반의 데스크톱PC 또는 노트북에서 구동시킬 수 있는 코드로써 구현하는 것이 가능하다. 상기 MAC OS, WINDOWS 운영체제 기반의 데스크톱 PC 또는 노트북에서 구현되도록 하는 프로그램을 구성하는 코드 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있음은 물론이다.On the other hand, the personal color diagnosis method according to the present invention can be implemented as a code that can be run in a terminal such as a smart phone or a tablet PC, as well as a desktop PC or a notebook computer based on the MAC OS and WINDOWS operating system. Of course, codes and code segments constituting a program to be implemented in a desktop PC or notebook computer based on the MAC OS and Windows operating system can be easily inferred by a computer programmer in the art.
이상과 같이 본 발명에 따른 퍼스널 컬러 진단 방법에 대한 실시예를 첨부도면과 함께 설명하였지만, 이는 본 발명의 바람직한 실시예를 예시적으로 설명한 것이지 본 발명을 한정하는 것은 아니다. 또한, 이 기술분야의 통상의 지식을 가진 자라면 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양한 변형 및 모방이 가능함은 자명하다.As described above, the embodiment of the method for diagnosing personal color according to the present invention has been described along with the accompanying drawings, but the preferred embodiment of the present invention is exemplarily described and does not limit the present invention. In addition, it is apparent that various modifications and imitations are possible within the scope of the present invention for those of ordinary skill in the art.
Claims (6)
b) 단말기의 화면상에 업로딩된 이미지가 출력되면 그 이미지에 사계절에 따른 4개의 필터를 각각 적용시켜 필터이미지들을 생성하고, 피진단자는 상기 필터이미지들에 순위를 정하여 해당 차등순위별로 정량화하는 단계;
c) 미리 정의되어 있는 색채가 저장된 데이터베이스를 통해 상기 a)단계에서 업로딩된 이미지를 AI 알고리즘에 기반한 프로그램을 이용하여 색차를 산출하고, 그 산출된 색차를 퍼센테이지(%)로 정량화하는 단계;
d) 단말기에 구비된 연산 제어부가 상기 b)단계 및 c)단계에서 정량화된 결과를 토대로 최종 색채를 도출하는 단계; 및
e) 상기 d)단계에서 도출된 최종 색채를 단말기의 화면상에 출력하는 단계;로 이루어지는 것을 특징으로 하는 퍼스널 컬러 진단 방법.a) in the form of an application, photographing and uploading a face of a subject through a terminal installed with a face board in real time, or uploading a previously photographed image file and outputting it on the screen of the terminal;
b) When the uploaded image is output on the screen of the terminal, filter images are generated by applying four filters according to the four seasons to the image, respectively, and the examinee ranks the filter images and quantifies them by the corresponding differential order ;
c) calculating a color difference from the image uploaded in step a) through a database in which predefined colors are stored using a program based on an AI algorithm, and quantifying the calculated color difference as a percentage (%);
d) deriving a final color based on the results quantified in steps b) and c) by the operation control unit provided in the terminal; and
e) outputting the final color derived in step d) on the screen of the terminal;
상기 a)단계와 b)단계 사이에는, 실시간으로 촬영한 피진단자의 이미지 또는 기 촬영된 이미지를 크롭(crop)하여 편집하는 단계가 더 포함되는 것을 특징으로 하는 퍼스널 컬러 진단 방법.The method of claim 1,
The personal color diagnosis method according to claim 1, wherein between steps a) and b), the step of cropping and editing an image of a subject photographed in real time or a previously photographed image is further included.
상기 c)단계의 데이터베이스는 머신러닝 모듈을 포함하고, 상기 머신러닝 모듈은 피진단자의 정보가 입력된 데이터를 CNN(Convolutional Neural Network) 모델을 이용하여 기 설정된 특징점 영역의 특징 값을 추출하고, 그 추출된 특징점 영역의 특징 값을 기반으로 기 저장된 이미지 유형과의 유사성을 비교하여 퍼센테이지(%)로 환산된 유사성 점수를 산출하며, 상기 이미지 유형 중에서 기 설정된 점수 이상의 유사성 점수를 받은 어느 하나 이상의 이미지 유형을 검출하는 것을 특징으로 하는 퍼스널 컬러 진단 방법.The method of claim 1,
The database of step c) includes a machine learning module, and the machine learning module extracts a feature value of a preset feature point region using a Convolutional Neural Network (CNN) model from data inputted with the subject's information, and the A similarity score converted to a percentage (%) is calculated by comparing the similarity with a pre-stored image type based on the feature value of the extracted feature point region, and any one or more image types that have received a similarity score greater than or equal to a preset score among the image types A personal color diagnosis method comprising detecting
상기 c)단계의 프로그램은, 피진단자의 피부에 해당하는 영역에서 RGB(red, green, blue) 값의 평균 값으로 피부 색채를 산출하고, RGB 값으로 이루어진 피부 색채를 LAB 도메인(Lab Domain)으로 변환시키도록 코딩된 것을 특징으로 하는 퍼스널 컬러 진단 방법.The method of claim 1,
The program of step c) calculates the skin color as an average value of RGB (red, green, blue) values in the area corresponding to the skin of the subject, and converts the skin color composed of RGB values into the LAB domain (Lab Domain). Personal color diagnosis method, characterized in that it is coded to transform.
상기 a)단계에서 피진단자가 카메라 모듈을 이용하여 실시간 촬영할 경우, 단말기의 화면상에는 피진단자의 얼굴이 머리카락이나 장신구에 가려지지 않고, 적절한 조명이 비춰지는 곳에서 촬영할 수 있도록 제안하는 텍스트 또는 이미지가 표출되는 것을 특징으로 하는 퍼스널 컬러 진단 방법.The method of claim 1,
In step a), when the subject is shooting in real time using the camera module, there is a text or image on the screen of the terminal that suggests that the subject's face is not covered by hair or ornaments, and that the subject can be photographed in a place with appropriate lighting. Personal color diagnosis method, characterized in that it is expressed.
상기 d)단계의 연산 제어부는, c)단계에서 정량화된 결과를 바탕으로 피부 색채 정보를 분석하여 그 피부 색채를 1번부터 4번까지 구분하고 해당 번호에 차등점수를 부여한 뒤, 상기 차등점수를 기반으로 하여 최상치의 점수에 해당하는 피부 색채를 최종 색채로 도출하는 것을 특징으로 하는 퍼스널 컬러 진단 방법.
The method of claim 1,
The operation control unit of step d) analyzes skin color information based on the result quantified in step c), classifies the skin color from No. A personal color diagnosis method, characterized in that the skin color corresponding to the best score is derived as the final color based on the result.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210032952A KR20220128200A (en) | 2021-03-12 | 2021-03-12 | Personal color diagnosis method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210032952A KR20220128200A (en) | 2021-03-12 | 2021-03-12 | Personal color diagnosis method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220128200A true KR20220128200A (en) | 2022-09-20 |
Family
ID=83446514
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210032952A KR20220128200A (en) | 2021-03-12 | 2021-03-12 | Personal color diagnosis method |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220128200A (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200113853A (en) | 2019-03-26 | 2020-10-07 | 부경대학교 산학협력단 | System and Method for Determining Personal Color Analysis using Face Image Processing |
| KR20210004596A (en) | 2019-07-05 | 2021-01-13 | 전재원 | Personalized color app recommendations by artificial intelligence |
| KR20210006069A (en) | 2019-07-08 | 2021-01-18 | 민율미 | Apparatus and method for diagnosing personal color |
-
2021
- 2021-03-12 KR KR1020210032952A patent/KR20220128200A/en not_active Application Discontinuation
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200113853A (en) | 2019-03-26 | 2020-10-07 | 부경대학교 산학협력단 | System and Method for Determining Personal Color Analysis using Face Image Processing |
| KR20210004596A (en) | 2019-07-05 | 2021-01-13 | 전재원 | Personalized color app recommendations by artificial intelligence |
| KR20210006069A (en) | 2019-07-08 | 2021-01-18 | 민율미 | Apparatus and method for diagnosing personal color |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10395300B2 (en) | Method system and medium for personalized expert cosmetics recommendation using hyperspectral imaging | |
| Smithson | Sensory, computational and cognitive components of human colour constancy | |
| KR100993875B1 (en) | A fuzzy based personal color diagnosis system and method | |
| CN110399849A (en) | Image processing method and device, processor, electronic equipment and storage medium | |
| WO2018012136A1 (en) | Makeup assistance device and makeup assistance method | |
| US11010894B1 (en) | Deriving a skin profile from an image | |
| KR20200044198A (en) | Method for evaluating fashion style using deep learning technology and system therefor | |
| KR20210004596A (en) | Personalized color app recommendations by artificial intelligence | |
| EP3933851A1 (en) | Digital imaging systems and methods of analyzing pixel data of an image of a skin area of a user for determining skin laxity | |
| WO2020064676A1 (en) | Method for simulating the rendering of a make-up product on a body area | |
| KR20180070293A (en) | Apparatus and method for matching personal color | |
| JP2016081075A (en) | Method and device for improving impression | |
| JP2019114251A (en) | Method for face feature analysis and transmission of personal advice and system | |
| KR20220128200A (en) | Personal color diagnosis method | |
| JP5782540B2 (en) | Beauty counseling method | |
| KR102208685B1 (en) | Apparatus and method for developing space analysis model based on data augmentation | |
| JP7335110B2 (en) | EYE MAKEUP PRODUCT RECOMMENDATION PROGRAM, METHOD, APPARATUS AND SYSTEM | |
| KR20030091419A (en) | Makeup Simulation System Based On Facial Affection Type | |
| JP2022058165A (en) | System and method for determining skin tone | |
| KR20240092367A (en) | Method for self-diagnosing personal image | |
| Øvervoll et al. | Filtered beauty in Oslo and Tokyo: A spatial frequency analysis of facial attractiveness | |
| CN114402349A (en) | Computing device, method and apparatus for recommending at least one of a cosmetic palette or a hair coloring scheme | |
| KR102429863B1 (en) | Method for servicing personal styling | |
| KR20210020201A (en) | Fuzzy-based Personal Color Diagnostic Kit and Method | |
| Choudhary et al. | Indexing facial attractiveness and well beings using machine learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |