特許 7535672 パーソナルカラー認識方法、パーソナルカラー基盤のアイテム推奨方法、これらを実行する装置、およびコンピュータプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-08-07

(45)【発行日】2024-08-16

(54)【発明の名称】パーソナルカラー認識方法、パーソナルカラー基盤のアイテム推奨方法、これらを実行する装置、およびコンピュータプログラム

(51)【国際特許分類】

   A45D 44/00 20060101AFI20240808BHJP

   G06Q 30/0601 20230101ALI20240808BHJP

   G06F 3/0481 20220101ALI20240808BHJP

【ＦＩ】

A45D44/00 A

G06Q30/0601 330

G06F3/0481

【請求項の数】 11

(21)【出願番号】P 2023568465

(86)(22)【出願日】2022-10-12

(65)【公表番号】

(43)【公表日】2024-05-28

(86)【国際出願番号】 KR2022015378

(87)【国際公開番号】W WO2023068634

(87)【国際公開日】2023-04-27

【審査請求日】2023-11-06

(31)【優先権主張番号】10-2021-0138754

(32)【優先日】2021-10-18

(33)【優先権主張国・地域又は機関】KR

(31)【優先権主張番号】10-2021-0138755

(32)【優先日】2021-10-18

(33)【優先権主張国・地域又は機関】KR

(31)【優先権主張番号】10-2021-0138756

(32)【優先日】2021-10-18

(33)【優先権主張国・地域又は機関】KR

(31)【優先権主張番号】10-2022-0120194

(32)【優先日】2022-09-22

(33)【優先権主張国・地域又は機関】KR

【早期審査対象出願】

(73)【特許権者】

【識別番号】522123946

【氏名又は名称】ザックダン カンパニー

【氏名又は名称原語表記】ＺＡＣＫＤＡＮＧ ＣＯＭＰＡＮＹ

【住所又は居所原語表記】１４０７，１７ Ｓｅｏｃｈｏ－ｄａｅｒｏ ７７－ｇｉｌ， Ｓｅｏｃｈｏ－ｇｕ， Ｓｅｏｕｌ ０６６１４， Ｒｅｐｕｂｌｉｃ ｏｆ Ｋｏｒｅａ

(74)【代理人】

【識別番号】110002262

【氏名又は名称】ＴＲＹ国際弁理士法人

(72)【発明者】

【氏名】キム，ジェ ヒョン

(72)【発明者】

【氏名】ユン ジョンハ

【審査官】伊知地 和之

(56)【参考文献】

【文献】韓国公開特許第２０２１－００８５４３３（ＫＲ，Ａ）

【文献】韓国公開特許第２０１０－００７４４１２（ＫＲ，Ａ）

【文献】韓国公開特許第２０１８－００７２０２１（ＫＲ，Ａ）

【文献】韓国登録特許第２１９０８９９（ＫＲ，Ｂ１）

【文献】韓国登録特許第２２５３７５０（ＫＲ，Ｂ１）

【文献】韓国登録特許第２２２２７１１（ＫＲ，Ｂ１）

【文献】韓国登録特許第１９４４１９８（ＫＲ，Ｂ１）

【文献】特開２００６－０８９８８３（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ４５Ｄ ８／００ － ８／４０

Ａ４５Ｄ ２４／００ － ３１／００

Ａ４５Ｄ ４２／００ － ９７／００

Ｇ０６Ｆ ３／０１

Ｇ０６Ｆ ３／０４８ － ３／０４８９

Ｇ０６Ｑ ３０／００ － ３０／０８

Ｇ０６Ｔ ７／００ － ７／９０

Ｇ０６Ｖ １０／００ － ２０／９０

Ｇ０６Ｖ ３０／４１８

Ｇ０６Ｖ ４０／１６

Ｇ０６Ｖ ４０／２０

ＣＳＤＢ（日本国特許庁）

(57)【特許請求の範囲】

【請求項1】

パーソナルカラーの認識対象である使用者の顔を含む対象イメージに基づいて、前記対象イメージの予め設定された領域に予め設定された少なくとも１つのカラーを表示し、前記予め設定された領域に表示された少なくとも１つのカラーに基づいて前記使用者によって選択された情報に基づいて前記使用者のパーソナルカラーを認識する段階と、
前記使用者のパーソナルカラーに基づいて前記使用者に対応する推奨アイテムを取得する段階と、
前記推奨アイテムに基づいて推奨アイテム情報を表示する段階と
を含み、
前記パーソナルカラー認識段階は、
前記対象イメージに基づいて、ウォーム／クールテストを実行して前記ウォーム／クールテストの実行結果に基づいて、前記使用者がウォームトーンであるかクールトーンであるかを認識するウォーム／クール認識段階と、
前記対象イメージ、および前記ウォーム／クール認識段階の結果に基づいて、季節テストを実行して前記季節テストの実行結果に基づいて前記使用者に該当する季節を認識する季節認識段階と、
前記対象イメージ、前記ウォーム／クール認識段階の結果、および前記季節認識段階の結果に基づいて、詳細タイプテストを行い、前記詳細タイプテストの実行結果に基づいて前記使用者に該当する詳細タイプを認識する詳細タイプ認識段階と、
前記ウォーム／クール認識段階の結果、前記季節認識段階の結果、および前記詳細タイプ認識段階の結果に基づいて、前記使用者のパーソナルカラーを認識する段階と
を含む、パーソナルカラー基盤のアイテム推奨方法。

【請求項2】

前記推奨アイテムは、
推奨化粧品、前記推奨化粧品のカラー、および前記推奨化粧品に関連する動画を含む、
請求項１に記載のパーソナルカラー基盤のアイテム推奨方法。

【請求項3】

前記推奨アイテム収得段階は、
前記使用者のパーソナルカラーに基づいて候補アイテムを取得し、前記使用者の遺伝子情報と前記候補アイテムに基づいて前記推奨アイテムを取得することからなる、
請求項２に記載のパーソナルカラー基盤のアイテム推奨方法。

【請求項4】

前記推奨アイテム収得段階は、
パーソナルカラー別にアイテムが保存されているパーソナルカラーアイテムＤＢを用いて、前記使用者のパーソナルカラーに基づいて前記候補アイテムを収得することからなる、
請求項３に記載のパーソナルカラー基盤のアイテム推奨方法。

【請求項5】

前記推奨アイテム収得段階は、
予め学習されて構築されたディープラーニング基盤のアイテム推奨ネットワークを用いて、前記使用者のパーソナルカラーに基づいて前記候補アイテムを取得することからなる、
請求項３に記載のパーソナルカラー基盤のアイテム推奨方法。

【請求項6】

前記推奨アイテム収得段階は、
前記使用者のパーソナルカラーを前記ディープラーニング基盤のアイテム推奨ネットワークに入力し、前記ディープラーニング基盤のアイテム推奨ネットワークの出力に基づいて前記候補アイテムを取得することからなる、
請求項５に記載のパーソナルカラー基盤のアイテム推奨方法。

【請求項7】

前記ディープラーニング基盤のアイテム推奨ネットワークは、
パーソナルカラーを含むカラー情報、および前記カラー情報に対応する専門家推奨アイテム情報を含む学習データを用いて、前記カラー情報を入力値とし、前記専門家推奨アイテム情報を正解ラベルとして学習される、
請求項６に記載のパーソナルカラー基盤のアイテム推奨方法。

【請求項8】

前記推奨アイテム収得段階は、
遺伝子タイプ別にアイテムが保存されている遺伝子アイテムＤＢを用いて、前記使用者の遺伝子情報と前記候補アイテムに基づいて前記推奨アイテムを収得することからなる、
請求項３に記載のパーソナルカラー基盤のアイテム推奨方法。

【請求項9】

前記推奨アイテム収得段階は、
前記遺伝子アイテムＤＢから前記遺伝子情報にマッチングするアイテムを取得し、取得したアイテムを前記候補アイテムから除去して残ったアイテムを前記推奨アイテムとして取得することからなる、
請求項８に記載のパーソナルカラー基盤のアイテム推奨方法。

【請求項10】

前記推奨アイテム収得段階は、
前記使用者の過去の購入アイテム情報に基づいて取得されたアイテムを前記推奨アイテムから除去して残ったアイテムを前記推奨アイテムとして取得することからなる、
請求項２に記載のパーソナルカラー基盤のアイテム推奨方法。

【請求項11】

請求項１に記載のパーソナルカラー基盤のアイテム推奨方法を用いて、使用者のパーソナルカラーを認識し、パーソナルカラーに基づいて使用者にアイテムを推奨する装置であって、
使用者のパーソナルカラーを認識し、パーソナルカラーに基づいて使用者にアイテムを推奨するための１つ以上のプログラムを保存するメモリと、
前記メモリに保存された前記１つ以上のプログラムに従って使用者のパーソナルカラーを認識し、パーソナルカラーに基づいて使用者にアイテムを推奨するための動作を実行する１つ以上のプロセッサと
を含み、
前記プロセッサは、
パーソナルカラーの認識対象である使用者の顔を含む対象イメージに基づいて、前記対象イメージの予め設定された領域に予め設定された少なくとも１つのカラーを表示し、前記予め設定された領域に表示された少なくとも１つのカラーに基づいて前記使用者によって選択された情報に基づいて、前記使用者のパーソナルカラーを認識し、
前記使用者のパーソナルカラーに基づいて前記使用者に対応する推奨アイテムを収得し、
前記推奨アイテムに基づいて推奨アイテム情報を表示する、
パーソナルカラー基盤のアイテム推奨装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、パーソナルカラー認識方法、パーソナルカラー基盤のアイテム推奨方法、これらを実行する装置、およびコンピュータプログラムに関し、より詳しくは、使用者のパーソナルカラーを認識し、パーソナルカラーに基づいて使用者に適したアイテムを推奨する方法、装置、およびコンピュータプログラムに関する。

【背景技術】

【0002】

パーソナルカラーとは、使用者の肌のトーンに最も合うカラーをいう。パーソナルカラーの診断は主にオフラインにて行われており、時間的かつ空間的な側面で多くの制約を持つ。

【発明の概要】

【発明が解決しようとする課題】

【0003】

本発明が達成しようとする目的は、使用者の繰り返しのカラー選択によって使用者のパーソナルカラーを認識するパーソナルカラー認識方法、パーソナルカラー基盤のアイテム推奨方法、これらを実行する装置、およびコンピュータプログラムを提供することにある。

【0004】

また、本発明が達成しようとする目的は、周辺環境（明るい環境、暗い環境など）別に使用者の繰り返しのカラー選択により使用者のパーソナルカラーを認識する、パーソナルカラー認識方法、パーソナルカラー基盤のアイテム推奨方法、これらを実行する装置、およびコンピュータプログラムを提供することにある。

【0005】

また、本発明が達成しようとする目的は、使用者のパーソナルカラーに基づいて使用者に適したアイテムを推奨する、パーソナルカラー認識方法、パーソナルカラー基盤のアイテム推奨方法、これらを実行する装置、およびコンピュータプログラムを提供することにある。

【0006】

本発明の明示されていない他の目的は、以下の詳細な説明およびその効果から容易に推論できる範囲内でさらに考慮することができる。

【課題を解決するための手段】

【0007】

前記の技術的な課題を達成するための本発明の好ましい実施形態によるパーソナルカラー基盤のアイテム推奨方法は、パーソナルカラーの認識対象である使用者の顔を含む対象イメージに基づいて、前記対象イメージの予め設定された領域に予め設定された少なくとも１つのカラーを表示し、前記予め設定された領域に表示された少なくとも１つのカラーに基づいて、前記使用者によって選択された情報に基づいて前記使用者のパーソナルカラーを認識する段階と、前記使用者のパーソナルカラーに基づいて前記使用者に対応する推奨アイテムを取得する段階と、前記推奨アイテムに基づいて推奨アイテム情報を表示する段階と、を含む。

【0008】

ここで、前記推奨アイテムは、推奨化粧品、前記推奨化粧品のカラー、および前記推奨化粧品に関連する動画を含んでもよい。

【0009】

ここで、前記推奨アイテム取得段階は、前記使用者のパーソナルカラーに基づいて候補アイテムを取得し、前記使用者の遺伝子情報と前記候補アイテムに基づいて前記推奨アイテムを取得することからなってもよい。

【0010】

ここで、前記推奨アイテム取得段階は、パーソナルカラー別にアイテムが保存されているパーソナルカラーアイテムＤＢを用いて、前記使用者のパーソナルカラーに基づいて前記候補アイテムを取得することからなってもよい。

【0011】

ここで、前記推奨アイテム取得段階は、予め学習して構築されたディープラーニング基盤のアイテム推奨ネットワークを用いて、前記使用者のパーソナルカラーに基づいて前記候補アイテムを取得することからなってもよい。

【0012】

ここで、前記推奨アイテム取得段階は、前記使用者のパーソナルカラーを前記ディープラーニング基盤のアイテム推奨ネットワークに入力し、前記ディープラーニング基盤のアイテム推奨ネットワークの出力に基づいて前記候補アイテムを取得することからなってもよい。

【0013】

ここで、前記ディープラーニング基盤のアイテム推奨ネットワークは、パーソナルカラーを含むカラー情報、および前記カラー情報に対応する専門家推奨アイテム情報を含む学習データを用いて、前記カラー情報を入力値とし、前記専門家推奨アイテム情報を正解ラベルとして学習されることができる。

【0014】

ここで、前記推奨アイテム取得段階は、遺伝子タイプ別にアイテムが保存されている遺伝子アイテムＤＢを用いて、前記使用者の遺伝子情報と前記候補アイテムとに基づいて前記推奨アイテムを取得することからなってもよい。

【0015】

ここで、前記推奨アイテム取得段階は、前記遺伝子アイテムＤＢにおいて前記遺伝子情報にマッチングするアイテムを取得し、取得されたアイテムを前記候補アイテムから除去して残ったアイテムを前記推奨アイテムとして取得することからなってもよい。

【0016】

ここで、前記推奨アイテム取得段階は、前記使用者の過去の購入アイテム情報に基づいて取得されたアイテムを前記推奨アイテムから除去して残ったアイテムを前記推奨アイテムとして取得することからなってもよい。

【0017】

ここで、前記パーソナルカラー認識段階は、前記対象イメージに基づいて異なる明るさを有する複数の変形イメージを取得し、複数の前記変形イメージのそれぞれに基づいて、前記変形イメージに対する前記使用者のパーソナルカラーを認識することからなり、前記推奨アイテム取得段階は、複数の前記変形イメージのそれぞれに対する前記使用者のパーソナルカラーに基づいて複数の前記変形イメージのそれぞれに対する前記推奨アイテムを取得することからなり、前記推奨アイテム情報表示段階は、複数の前記変形イメージのそれぞれに対する前記推奨アイテムに基づいて前記推奨アイテム情報を表示することからなってもよい。

【0018】

前記の技術的課題を達成するための本発明の好ましい実施形態によるパーソナルカラー基盤のアイテム推奨装置は、使用者のパーソナルカラーを認識し、パーソナルカラーに基づいて使用者にアイテムを推奨する装置であって、使用者のパーソナルカラーを認識し、パーソナルカラーに基づいて使用者にアイテムを推奨するための１つ以上のプログラムを保存するメモリと、前記メモリに保存された前記１つ以上のプログラムに従って使用者のパーソナルカラーを認識し、パーソナルカラーに基づいて使用者にアイテムを推奨するための動作を実行する１つ以上のプロセッサとを含み、前記プロセッサは、パーソナルカラーの認識対象である使用者の顔を含む対象イメージに基づいて、前記対象イメージの予め設定された領域に予め設定された少なくとも１つのカラーを表示し、前記予め設定された領域に表示された少なくとも１つのカラーに基づいて前記使用者によって選択された情報に基づいて前記使用者のパーソナルカラーを認識し、前記使用者のパーソナルカラーに基づいて前記使用者に対応する推奨アイテムを取得し、前記推奨アイテムに基づいて推奨アイテム情報を表示することができる。

【発明の効果】

【0019】

本発明の好ましい実施形態によるパーソナルカラー認識方法、パーソナルカラー基盤のアイテム推奨方法、これらを実行する装置、およびコンピュータプログラムによれば、使用者の繰り返しのカラー選択によって使用者のパーソナルカラーを認識することにより、使用者のパーソナルカラーをより便利かつ正確に検出することができる。

【0020】

また、本発明の好ましい実施形態によるパーソナルカラー認識方法、パーソナルカラー基盤のアイテム推奨方法、これらを実行する装置、およびコンピュータプログラムによれば、周辺環境（明るい環境、暗い環境など）別に使用者の繰り返しのカラー選択により使用者のパーソナルカラーを認識することにより、周辺環境別に適切な使用者のパーソナルカラーを検出することができる。

【0021】

また、本発明の好ましい実施形態によるパーソナルカラー認識方法、パーソナルカラー基盤のアイテム推奨方法、これらを実行する装置、およびコンピュータプログラムによれば、使用者のパーソナルカラーに基づいて使用者に適したアイテムを推奨することにより、推奨満足度を向上することができる。

【0022】

本発明の効果は、以上で言及した効果に制限されず、言及されていない他の効果は以下の記載から通常の技術者に明確に理解されるであろう。

【図面の簡単な説明】

【0023】

【図1】本発明の好ましい実施形態によるパーソナルカラー基盤のアイテム推奨装置を説明するためのブロック図である。

【図2】本発明の一実施形態によるパーソナルカラー認識方法を説明するためのフローチャートである。

【図3】本発明の一実施形態によるパーソナルカラーの認識過程を説明するための図である。

【図4】本発明の一実施形態によるウォーム／クールテストの実行過程を説明するための図である。

【図5】本発明の一実施形態によるウォーム／クールテストの実行結果を説明するための図である。

【図6】本発明の一実施形態による季節テストの実行過程を説明するための図である。

【図7】本発明の一実施形態による季節テストの実行結果を説明するための図である。

【図8】本発明の一実施形態による季節テストの実行結果を説明するための図である。

【図9】本発明の一実施形態による季節テストの実行の一例を示す図である。

【図10】本発明の一実施形態による詳細タイプテストの実行過程を説明するための図である。

【図11】本発明の一実施形態による詳細タイプテストの実行結果を説明するための図である。

【図12】本発明の一実施形態による詳細タイプテストの実行結果を表示する一例を説明するための図であり、図１２の（ａ）は詳細タイプ表示形式の一例を示し、図１２の（ｂ）は第Ａカラーセット詳細タイプの場合の表示一例を示し、図１２の（ｃ）は第Ｂカラーセット詳細タイプの場合の表示一例を示し、図１２の（ｄ）は第Ｃカラーセット詳細タイプ時の表示一例を示す。

【図13】本発明の一実施形態による詳細タイプテストの実行の一例を示す図である。

【図14】本発明の一実施形態によるパーソナルカラー情報の表示一例を示す図である。

【図15】本発明の他の実施形態によるパーソナルカラー認識方法を説明するためのフローチャートである。

【図16】本発明の他の実施形態による複数の変形イメージ取得処理を説明するための図である。

【図17】本発明の他の実施形態によるディープラーニング基盤のイメージ変換ネットワークを用いた複数の変形イメージ取得過程を説明するための図である。

【図18】図１７に示すディープラーニング基盤のイメージ変換ネットワークの学習過程を説明するための図である。

【図19】本発明の他の実施形態によるパーソナルカーの認識過程を説明するための図である。

【図20】本発明の他の実施形態によるパーソナルカラー情報の表示一例を示す図である。

【図21】本発明の一実施形態によるパーソナルカラー基盤のアイテム推奨方法を説明するためのフローチャートである。

【図22】本発明の一実施形態による推奨アイテム収得過程を説明するための図である。

【図23】図２２に示す候補アイテム取得処理の一例を説明するための図である。

【図24】図２２に示す候補アイテム取得処理の他の例を説明するための図である。

【図25】図２４に示すディープラーニング基盤のアイテム推奨ネットワークの学習過程を説明するための図である。

【図26】図２２に示す推奨アイテムの取得過程をより詳細に説明するための図である。

【図27】本発明の一実施形態による推奨アイテム情報の表示一例を示す図である。

【図28】本発明の他の実施形態によるパーソナルカラー基盤のアイテム推奨方法を説明するためのフローチャートである。

【図29】本発明の他の実施形態による推奨アイテム情報の表示一例を示す図である。

【発明を実施するための形態】

【0024】

以下、添付の図面を参照して本発明の実施形態を詳細に説明する。本発明の利点および特徴、およびそれらを達成する方法は、添付の図面と共に詳細に後述される実施形態を参照すれば明らかになる。しかしながら、本発明は以下に開示される実施形態に限定されるものではなく、様々な形態で具現することができ、本実施形態は本発明の開示が完全になるようにし、本発明が属する技術分野において通常の知識を有する者に発明の範囲を完全に知らせるために提供されるものであり、本発明は請求項の範囲によって定義されるだけである。明細書全体にわたって同じ参照番号は同じ構成要素を指す。

【0025】

他の定義がなければ、本明細書で使用されるすべての用語（技術的および科学的用語を含む）は、本発明が属する技術分野で通常の知識を有する者に共通に理解され得る意味として使用され得る。また、一般的に使用される辞書で定義されている用語は、明確に特別に定義されていない限り、理想的または過度に解釈されない。

【0026】

本明細書における「第１」、「第２」などの用語は、ある構成要素を他の構成要素から区別するためのものであり、これらの用語によって権利範囲が限定されるべきではない。例えば、第１の構成要素を第２の構成要素と命名することができ、同様に第２の構成要素も第１の構成要素と命名することができる。

【0027】

本明細書における各段階において識別符号（例えば、ａ、ｂ、ｃなど）は説明の便宜のために使用されるものであり、識別符号は各段階の順序を説明するものではなく、各段階は文脈上明らかに特定の順序を記載しない限り、明記された順序とは異なって発生することもあり得る。すなわち、各段階は、明記された順序と同様に行われてもよく、実質的に同時に実行されてもよく、逆の順序で実行されてもよい。

【0028】

本明細書において、「有する」、「有してもい」、「含む」または「含んでもよい」などの表現は、該当特徴（例えば、数値、機能、動作、または部品などの構成要素）の存在を指し、追加の特徴の存在を排除しない。

【0029】

以下、添付の図面を参照して、本発明に係るパーソナルカラー認識方法、パーソナルカラー基盤のアイテム推奨方法、それらを実行する装置、およびコンピュータプログラムの好ましい実施形態について詳細に説明する。

【0030】

まず、図１を参照して、本発明の好ましい実施形態によるパーソナルカラー基盤のアイテム推奨装置について説明する。

【0031】

図１は、本発明の好ましい実施形態によるパーソナルカラー基盤のアイテム推奨装置を説明するためのブロック図である。

【0032】

図１を参照すると、本発明の好ましい実施形態によるパーソナルカラー基盤アイテム推奨装置１００は、使用者の繰り返しのカラー選択によって使用者のパーソナルカラーを認識することができる。ここで、パーソナルカラーとは、使用者の肌のトーンに最も合うカラーをいう。これにより、本発明は、使用者のパーソナルカラーをより便利かつ正確に検出することができる。

【0033】

また、パーソナルカラー基盤アイテム推奨装置１００は、周辺環境（明るい環境、暗い環境など）別に使用者の繰り返しのカラー選択によって使用者のパーソナルカラーを認識することができる。これにより、本発明は、周囲環境別に適した使用者のパーソナルカラーを検出することができる。

【0034】

また、パーソナルカラー基盤アイテム推奨装置１００は、使用者のパーソナルカラーに基づいて使用者に適したアイテムを推奨することができる。これにより、本発明は推奨満足度を向上させることができる。

【0035】

このために、パーソナルカラー基盤のアイテム推奨１００は、１つ以上のプロセッサ１１０、コンピュータ可読保存媒体１３０、および通信バス１５０を含んでもよい。

【0036】

プロセッサ１１０は、パーソナルカラー基盤のアイテム装置１００が動作するように制御することができる。例えば、プロセッサ１１０は、コンピュータ可読保存媒体１３０に保存された１つ以上のプログラム１３１を実行することができる。１つ以上のプログラム１３１は、１つ以上のコンピュータ実行可能命令語を含んでもよく、コンピュータ実行可能命令語は、プロセッサ１１０によって実行される場合、パーソナルカラー基盤のアイテム装置１００に使用者のパーソナルカラーを認識させ、パーソナルカラーに基づいて使用者にアイテムを推奨するための動作を実行するように構成されることができる。

【0037】

コンピュータ可読保存媒体１３０は、使用者のパーソナルカラーを認識し、パーソナルカラーに基づいて使用者にアイテムを推奨するためのコンピュータ実行可能命令語ないしプログラムコード、プログラムデータ、および／または他の適切な形態の情報を保存するように構成される。コンピュータ可読保存媒体１３０に保存されたプログラム１３１は、プロセッサ１１０によって実行可能な命令語の集合を含む。一実施形態において、コンピュータ可読保存媒体１３０は、メモリ（ランダムアクセスメモリなどの揮発性メモリ、不揮発性メモリ、またはそれらの適切な組み合わせ）、１つ以上の磁気ディスク保存デバイス、光学ディスク保存デバイス、フラッシュメモリデバイス、その他のパーソナルカラー基盤のアイテム装置１００によってアクセスされ、所望の情報を保存することができる他の形態の保存媒体、またはそれらの適切な組み合わせであり得る。

【0038】

通信バス１５０は、プロセッサ１１０、コンピュータ可読保存媒体１３０を含み、パーソナルカラー基盤のアイテム装置１００の他の様々なコンポーネントを相互連結する。

【0039】

パーソナルカラー基盤のアイテム装置１００はまた、１つ以上の入出力装置のためのインターフェースを提供する１つ以上の入出力インターフェース１７０および１つ以上の通信インターフェース１９０を含んでもよい。入出力インターフェース１７０および通信インターフェース１９０は通信バス１５０に連結される。入出力装置（図示せず）は、入出力インターフェース１７０を介してパーソナルカラー基盤のアイテム装置１００の他のコンポーネントに接続されてもよい。

【0040】

次に、図２～図１４を参照して、本発明の一実施形態によるパーソナルカラー認識方法について説明する。

【0041】

図２は本発明の一実施形態によるパーソナルカラー認識方法を説明するためのフローチャートであり、図３は本発明の一実施形態によるパーソナルカラーの認識過程を説明するための図であり、図４は本発明一実施形態によるウォーム／クールテストの実行過程を説明するための図であり、図５は本発明の一実施形態によるウォーム／クールテストの実行結果を説明するための図であり、図６は本発明の一実施形態による季節テストの実行過程を説明するための図であり、図７および図８は、本発明の一実施形態による季節テストの実行結果を説明するための図であり、図９は本発明の一実施形態による季節テストの実施一例を示す図であり、図１０は本発明の一実施形態による詳細タイプテストの実行過程を説明するための図であり、図１１は本発明の一実施形態による詳細タイプテストの実行結果を説明するための図であり、図１２は、本発明の一実施形態による詳細タイプテストの実行結果を表示する一例を説明するための図であり、図１２（ａ）は詳細タイプ表示形式の一例を示し、図１２（ｂ）は第Ａカラーセット詳細タイプのときの表示一例を示し、図１２（ｃ）は第Ｂカラーセット詳細タイプのときの表示一例を示し、図１２（ｄ）は第Ｃカラーセット詳細タイプのときの表示一例を示し、図１３は本発明の一実施形態による詳細タイプテストの実行一例を示す図であり、図１４は本発明の一実施形態によるパーソナルカラー情報の表示一例を示す図である。

【0042】

図２を参照すると、パーソナルカラー基盤アイテム推奨装置１００のプロセッサ１１０は、パーソナルカラーの認識対象である使用者の顔を含む対象イメージを取得することができる（Ｓ１１０）。

【0043】

ここで、パーソナルカラーは、ウォーム－春－トゥルー（Ｗａｒｍ－Ｓｐｒｉｎｇ－Ｔｒｕｅ、ＷＳＴ）、ウォーム－春－ライト（Ｗａｒｍ－Ｓｐｒｉｎｇ－Ｌｉｇｈｔ、ＷＳＬ）、ウォーム－春－ブライト（Ｗａｒｍ－Ｓｐｒｉｎｇ－Ｂｒｉｇｈｔ、ＷＳＢ）、ウォーム－秋－トゥルー（Ｗａｒｍ－Ａｕｔｕｍｎ－Ｔｒｕｅ、ＷＡＴ）、ウォーム－秋－ミュート（Ｗａｒｍ－Ａｕｔｕｍｎ－Ｍｕｔｅ、ＷＡＭ）、ウォーム－秋－ディープ（Ｗａｒｍ－Ａｕｔｕｍｎ－Ｄｅｅｐ、ＷＡＤ）、クール－夏－トゥルー（Ｃｏｏｌ－Ｓｕｍｍｅｒ－Ｔｒｕｅ、ＣＳＴ）、クール－夏－ライト（Ｃｏｏｌ－Ｓｕｍｍｅｒ－Ｌｉｇｈｔ、ＣＳＬ）、クール－夏－ミュート（Ｃｏｏｌ－Ｓｕｍｍｅｒ－Ｍｕｔｅ、ＣＳＭ）、クール－冬－トゥルー（Ｃｏｏｌ－Ｗｉｎｔｅｒ－Ｔｒｕｅ、ＣＷＴ）、クール－冬－ブライト（Ｃｏｏｌ－Ｗｉｎｔｅｒ－Ｂｒｉｇｈｔ、ＣＷＢ）、およびクール－冬－ディープ（Ｃｏｏｌ－Ｗｉｎｔｅｒ－Ｄｅｅｐ、ＣＷＤ）のいずれかであり得る。

【0044】

次に、プロセッサ１１０は、対象イメージに基づいて、対象イメージの予め設定された領域に予め設定された少なくとも１つのカラーを表示し、予め設定された領域に表示された少なくとも１つのカラーに基づいて使用者によって選択された情報に基づき使用者のパーソナルカラーを認識することができる（Ｓ１２０）。

【0045】

ここで、予め設定された領域は、対象イメージの複数のサブ領域の中から使用者によって選択された少なくとも１つの領域であってもよい。すなわち、プロセッサ１１０は、カラーを表示する領域として、対象イメージから取得された「唇」、「頬」、「目」、「髪の毛」などの複数のサブ領域の中から使用者が選択した１つ以上の領域を設定することができる。例えば、使用者は、自分のパーソナルカラーを確認するために使用される領域として「唇」を選択することができる。また、使用者は、自分のパーソナルカラーを確認するために使用される領域として「唇」と「髪の毛」を同時に選択することもできる。この際、使用者によって特定の領域が選択されない場合、プロセッサ１１０は、カラーを表示する領域として「唇」などの予め設定されたデフォルト領域を設定することができる。

【0046】

すなわち、プロセッサ１１０は、パーソナルカラー別にテストカラーが保存されているパーソナルカラーＤＢを用いて、図３に示すように、階層的に行われるテストである「１次ウォーム／クールテスト→２次季節テスト→３次詳細タイプテスト」を通じて、使用者のパーソナルカラーを認識することができる。

【0047】

－１次テスト：ウォーム／クール認識段階
プロセッサ１１０は、対象イメージに基づいて、ウォーム／クールテストを実行し、ウォーム／クールテストの実行結果に基づいて、使用者がウォームトンであるかクールトンであるかを認識することができる。

【0048】

すなわち、プロセッサ１１０は、予め設定されたカラーペアに基づいて予め設定された領域に２つのカラーを表示し、予め設定された領域に表示された２つのカラーの中から使用者によって選択された情報に基づいてウォーム／クールテストを行うことができる。

【0049】

例えば、プロセッサ１１０は、図４に示すように、画面ＳＣＲに対象イメージを表示し、「カラー１（Ｃ＿１）」と「カラー２（Ｃ＿２）」を表示することができる。その後、プロセッサ１１０は、使用者によって「カラー１（Ｃ＿１）」が選択されると、該当カラー１（Ｃ＿１）を予め設定された領域に表示され、使用者によって「カラー２（Ｃ＿２）」が選択されると、該当カラー２（Ｃ＿２）を予め設定された領域に表示することができる。すると、使用者は、自分に合うカラーが表示された状態で「選択する（Ｂ＿Ｓ）」を選択して、２つのカラーのうち１つを選択することができる。

【0050】

より詳細に説明すると、プロセッサ１１０は、第１のカラーペアおよび第２のカラーペアに基づいて、異なるカラーからなる８つの第１のカラーペアに基づいて８回の反復的なウォーム／クールテストを実行し、異なるカラーからなる７つの第２のカラーペアに基づいて７回のウォーム／クールテストを行い、計１５回のウォーム／クールテスト（第１のカラーペアを用いて８回のウォーム／クールテスト＋第２のカラーペアを用いて７回のウォーム／クールテスト）の実行結果に基づいて、使用者がウォームトンであるかクールトンであるかを認識することができる。

【0051】

ここで、第１のカラーペアは、ウォーム－春－トゥルー（ＷＳＴ）に属するカラーとクール－夏－トゥルー（ＣＳＴ）に属するカラーとが対になってもよい。そして、第２のカラーペアは、ウォーム－秋－トゥルー（ＷＡＴ）に属するカラーとクール－冬－トゥルー（ＣＷＴ）に属するカラーとが対になってもよい。

【0052】

そして、プロセッサ１１０は、各カラーペア別の使用者の選択値（選択時＋１点）をカウントして、図５に示すようなウォーム／クールテストの実行結果を取得することができる。

【0053】

そして、プロセッサ１１０は、ウォーム／クールテストの実行結果に基づいて、使用者がウォームトーンであるかクールトーンであるかを認識し、該当トーン（ウォームトーンまたはクールトーン）に属する確率値を取得することができる。例えば、使用者が第１のカラーペアに基づくウォーム／クールテストで「ウォーム－春－トゥルー（ＷＳＴ）」を「６回」選択し、第２のカラーペアに基づくウォーム／クールテストで「ウォーム－秋－トゥルー（ＷＡＴ）を「５回」選択した場合、プロセッサ１１０は「ウォーム－春－トゥルー（ＷＳＴ）とウォーム－秋－トゥルー（ＷＡＴ）の和」が「１１」であるため、該当使用者を「ウォームトーン（Ｗ）」として認識し、ウォームトーン（Ｗ）に属する確率値として「７０％」を取得することができる。一方、使用者が第１のカラーペアに基づくウォーム／クールテストで「ウォーム－春－トゥルー（ＷＳＴ）」を「２回」選択し、第２のカラーペアに基づくウォーム／クールテストで「ウォーム－秋－トゥルー（ＷＡＴ）を「３回」選択した場合、プロセッサ１１０は「ウォーム－春－トゥルー（ＷＳＴ）とウォーム－秋－トゥルー（ＷＡＴ）の和」が「５」であるため、該当使用者を「クールトン（Ｃ）」として認識し、クールトン（Ｃ）に属する確率値として「６３％」を収得することができる。

【0054】

－２次テスト：季節認識段階
プロセッサ１１０は、対象イメージ、およびウォーム／クール認識段階の結果に基づいて、季節テストを実行して季節テストの実行結果に基づいて使用者に該当する季節を認識することができる。

【0055】

すなわち、プロセッサ１１０は、ウォーム／クール認識段階の結果に基づいて選択されたカラーセットに基づいて予め設定された領域に１つのカラーを表示し、予め設定された領域に表示された１つのカラーについて使用者によって選択された情報に基づいて季節テストを行うことができる。

【0056】

例えば、プロセッサ１１０は、図６に示すように、画面ＳＣＲに対象イメージを表示し、「カラーＣ」を表示することができる。その後、プロセッサ１１０は、使用者によって「カラーＣ」が選択されると、該当カラーＣを予め設定された領域に表示することができる。その後、使用者は、該当カラーＣが自分と合っていれば「似合う（Ｂ＿Ｙ）」を選択し、該当カラー（Ｃ）が自分と合わない場合は「似合わない（Ｂ＿Ｎ）」を選択することができる。

【0057】

より詳細に説明すると、プロセッサ１１０は、第Ａカラーセットおよび第Ｂカラーセットに基づいて、異なるカラーからなる７つの第Ａカラーセットに基づいて７回の繰り返しの季節テストを実行し、異なるカラーからなる８つの第Ｂカラーセットに基づいて８回の繰り返し季節テストを行い、計１５回の季節テスト（第Ａカラーセットを用いて７回の季節テスト＋第Ｂカラーセットを用いて８回の季節テスト）の実行結果に基づいて、使用者に該当する季節を認識することができる。この際、プロセッサ１１０は、第Ａカラーセットと第Ｂカラーセットとが交互に露出された計１５回の季節テスト（第Ａカラーセット基盤の季節テスト→第Ｂカラーセット基盤の季節テスト→第Ａカラーセット基盤の季節テスト→第Ｂカラーセット基盤の季節テスト→…）を実行することができる。

【0058】

ここで、ウォーム／クール認識段階の結果がウォームトーンであれば、第Ａカラーセットはウォーム－春－トゥルー（ＷＳＴ）に属するカラーからなり、第Ｂカラーセットはウォーム－秋－トゥルー（ＷＡＴ）に属するカラーからなってもよい。一方、ウォーム／クール認識段階の結果がクールトーンであれば、第Ａカラーセットはクール－夏－トゥルー（ＣＳＴ）に属するカラーからなり、第Ｂカラーセットはクール－冬－トゥルー（ＣＷＴ）に属するカラーからなってもよい。

【0059】

そして、プロセッサ１１０は、各カラーセット別の使用者の選択値（似合う（Ｇｏｏｄ）選択時＋１点／似合わない（Ｂａｄ）選択時－１点）をカウントし、図７および図８に示すような季節テストの実行結果を収得することができる。

【0060】

そして、プロセッサ１１０は、季節テストの実行結果に基づいて使用者の季節を認識し、当該季節に属する確率値を取得することができる。例えば、プロセッサ１１０は、季節テストの最終スコアである「第Ａカラーセットに対するスコア－第Ｂカラーセットに対するスコア」が「＋」であれば、第Ａ季節（春または夏）と判断し、季節テストの最終スコアである「第Ａカラーセットに対するスコア－第Ｂカラーセットに対するスコア」が「－」であれば、第Ｂ季節（秋または冬）と判断することができる。例えば、使用者が第Ａカラーセットに基づく季節テストで「似合う（Ｇｏｏｄ）」を「６回」選択し、第Ｂカラーセットに基づく季節テストで「似合う（Ｇｏｏｄ）」を「１回」選択した場合、プロセッサ１１０は、「第Ａカラーセットに対するスコア」である「５点」と、「第Ｂカラーセットに対するスコア」である「－６点」に基づいて収得した最終スコアが「１１点＝５点－（－６点）」であるため、当該使用者の季節を「春または夏」と認識し、「春または夏」に属する確率値として「８１％」を収得することができる。

【0061】

すなわち、プロセッサ１１０は、図９に示すように、１次ウォーム／クールテストの実行結果が「ウォームトーン（Ｗ）」である使用者に対する２次季節テストの実行結果に基づいて当該使用者の季節を判断することができる。第Ａカラーセットに対するスコアが「－５点」であり、第Ｂカラーセットに対するスコアが「－６点」であると、プロセッサ１１０は、最終スコアが「１点」であるため、「春（Ｓ）」を該当使用者の季節と判断することができる。第Ａカラーセットに対するスコアが「－７点」であり、第Ｂカラーセットに対するスコアが「－６点」であると、プロセッサ１１０は、最終スコアが「－１点」であるため、「秋（Ａ）」を該当使用者の季節と判断できる。第Ａカラーセットに対するスコアが「７点」であり、第Ｂカラーセットに対するスコアが「８点」であると、プロセッサ１１０は最終スコアが「－１点」であるため、「秋（Ａ）」を該当使用者の季節と判断することができる。

【0062】

－３次テスト：詳細タイプ認識段階
プロセッサ１１０は、対象イメージ、ウォーム／クール認識段階の結果、および季節認識段階の結果に基づいて、詳細タイプテストを実行して、詳細タイプテストの実行結果に基づいて使用者に該当する詳細タイプを認識することができる。

【0063】

すなわち、プロセッサ１１０は、ウォーム／クール認識段階の結果、および季節認識段階の結果に基づいて選択されたカラーセットに基づいて予め設定された領域に３つのカラーを表示し、予め設定された領域に表示された３つのカラーのうち、使用者によって選択された情報に基づいて詳細タイプテストを実行することができる。

【0064】

例えば、プロセッサ１１０は、図１０に示すように、画面ＳＣＲに対象イメージを表示し、「カラー１（Ｃ＿１）」、「カラー２（Ｃ＿２）」、および「カラー３（Ｃ＿３）」を表示することができる。その後、プロセッサ１１０は、使用者によって「カラー１（Ｃ＿１）」が選択されると、該当カラー１（Ｃ＿１）を予め設定された領域に表示し、使用者によって「カラー２（Ｃ＿２）」が選択されると、該当カラー２（Ｃ＿２）を予め設定された領域に表示し、使用者によって「カラー３（Ｃ＿３）」が選択されると、該当カラー３（Ｃ＿３）を予め設定された領域に表示することができる。すると、使用者は、自分に合うカラーが表示された状態で「選択する（Ｂ＿Ｓ）」を選択して、３つのカラーのうち１つを選択することができる。

【0065】

より詳細に説明すると、プロセッサ１１０は、第Ａカラーセット、第Ｂカラーセット、および第Ｃカラーセットに基づいて、異なるカラーペアからなる４つのカラーペアに基づいて４回の繰り返しの詳細タイプテストを実行して、計４回の詳細タイプテストの実行結果に基づいて、使用者に該当する詳細タイプを認識することができる。

【0066】

ここで、カラーペアは、第Ａカラーセットからランダムに選択されたカラー、第Ｂカラーセットからランダムに選択されたカラー、および第Ｃカラーセットからランダムに選択されたカラーからなる計３つのカラーが対になることができる。

【0067】

この際、ウォーム／クール認識段階の結果がウォームトーンであり、季節認識段階の結果が春トンであると、第Ａカラーセットはウォーム－春－トゥルー（ＷＳＴ）に属するカラーからなり、第Ｂカラーセットはウォーム－春－ライト（ＷＳＬ）に属するカラーからなり、第Ｃカラーセットは、ウォーム－春－ブライト（ＷＳＢ）に属するカラーからなることができる。そして、ウォーム／クール認識段階の結果がウォームトーンであり、季節認識段階の結果が秋トーンであれば、第Ａカラーセットはウォーム－秋－トゥルー（ＷＡＴ）に属するカラーからなり、第Ｂカラーセットはウォーム－秋－ミュート（ＷＡＭ）に属するカラーからなり、第Ｃカラーセットは、ウォーム－秋－ディープ（ＷＡＤ）に属するカラーからなってもよい。そして、ウォーム／クール認識段階の結果がクールトーンであり、季節認識段階の結果が夏トンであると、第Ａカラーセットはクール－夏－トゥルー（ＣＳＴ）に属するカラーからなり、第Ｂカラーセットはクール－夏－ライト（ＣＳＬ）に属するカラーからなり、第Ｃカラーセットは、クール－夏－ミュート（ＣＳＭ）に属するカラーからなってもよい。そして、ウォーム／クール認識段階の結果がクールトーンであり、季節認識段階の結果が冬トンであると、第Ａカラーセットはクール－冬－トゥルー（ＣＷＴ）に属するカラーからなり、第Ｂカラーセットはクール－冬－ブライト（ＣＷＢ）に属するカラーからなり、第Ｃカラーセットはクール－冬－ディープ（ＣＷＤ）に属するカラーからなってもよい。

【0068】

そして、プロセッサ１１０は、各カラーペア別の使用者の選択値（選択時＋１点）をカウントして、図１１に示すような詳細タイプテストの実行結果を取得することができる。

【0069】

そして、プロセッサ１１０は、詳細タイプテストの実行結果に基づいて使用者の詳細タイプを認識し、該当詳細タイプに属する確率値を取得することができる。この際、プロセッサ１１０は、２回以上選択されたカラーセットを該当使用者の詳細タイプと判断することができる。また、選択された回数が同じカラーセットが複数存在する場合、プロセッサ１１０は、予め設定された優先順位（第Ａカラーセット＞第Ｂカラーセット＞第Ｃカラーセット）に従って詳細タイプを判断することができる。

【0070】

そして、プロセッサ１１０は、使用者の詳細タイプを表示する場合、図１２（ａ）に示すように、優先順位が最も高い第Ａカラーセットに対応する詳細タイプを中央に表示し、第Ｂカラーセットに対応する詳細タイプは左側に表示し、第Ｃカラーセットに対応する詳細タイプは右側に表示することができる。この際、プロセッサ１１０は、使用者の詳細タイプが「第Ａカラーセットに対応する詳細タイプ」である場合、それに該当する確率値にかかわらず、中央に詳細タイプを表示することができる。例えば、使用者の詳細タイプが「第Ａカラーセットに対応する詳細タイプ」であると、プロセッサ１１０は、該当確率値（６８％、７９％、９０％）に関係なく、図１２（ｂ）に示されたように、中央に詳細タイプを表示することができる。一方、プロセッサ１１０は、使用者の詳細タイプが「第Ｂカラーセットに対応する詳細タイプまたは第Ｃカラーセットに対応する詳細タイプ」である場合、それに該当する確率値に基づいて詳細タイプを表示することができる。例えば、使用者の詳細タイプが「第Ｂカラーセットに対応する詳細タイプ」であり、該当確率値が「７９％」であると、プロセッサ１１０は、図１２（ｃ）に示すように、左側の中央に詳細タイプを表示することができる。そして、使用者の詳細タイプが「第Ｃカラーセットに対応する詳細タイプ」であり、該当確率値が「９０％」であると、プロセッサ１１０は、図１２（ｄ）に示すように、右側の右に詳細タイプを表示することができる。

【0071】

すなわち、プロセッサ１１０は、図１３に示すように、１次ウォーム／クールテストの実行結果が「ウォームトーン（Ｗ）」であり、２次季節テストの実行結果が「春トン（Ｓ）」である使用者に対する３次詳細タイプテストの実行結果に基づいて、該当使用者の詳細タイプを判断することができる。第Ａカラーセットに対する選択値が「１」であり、第Ｂカラーセットに対する選択値が「１」であり、第Ｃカラーセットに対する選択値が「２」であると、プロセッサ１１０は「ユーザー１」の詳細タイプを「ブライト（Ｂ）」と認識し、ブライト（Ｂ）に属する確率値として「６８％」を取得することができる。第Ａカラーセットに対する選択値が「２」であり、第Ｂカラーセットに対する選択値が「２」であり、第Ｃカラーセットに対する選択値が「０」であると、プロセッサ１１０は「ユーザー２」の「詳細タイプ」を「トゥルー（Ｔ）」と認識し、トゥルー（Ｔ）に属する確率値として「６８％」を取得することができる。第Ａカラーセットに対する選択値が「０」であり、第Ｂカラーセットに対する選択値が「２」であり、第Ｃカラーセットに対する選択値が「２」であると、プロセッサ１１０は「ユーザー３」の詳細タイプを「ライト（Ｌ）」と認識し、ライト（Ｌ）に属する確率値として「６８％」を取得することができる。第Ａカラーセットに対する選択値が「１」であり、第Ｂカラーセットに対する選択値が「０」であり、第Ｃカラーセットに対する選択値が「３」であると、プロセッサ１１０は「ユーザー４」の詳細タイプを「ブライト（Ｂ）」と認識し、ブライト（Ｂ）に属する確率値として「７９％」と判断することができる。第Ａカラーセットに対する選択値が「４」であり、第Ｂカラーセットに対する選択値が「０」であり、第Ｃカラーセットに対する選択値が「０」であると、プロセッサ１１０は「ユーザー５」の詳細タイプを「トゥルー（Ｔ）」と認識し、トゥルー（Ｔ）に属する確率値として「９０％」と判断することができる。

【0072】

－パーソナルカラー認識段階
プロセッサ１１０は、ウォーム／クール認識段階の結果、季節認識段階の結果、および詳細タイプ認識段階の結果に基づいて、使用者のパーソナルカラーを認識することができる。

【0073】

以降、プロセッサ１１０は、使用者のパーソナルカラーに基づいてパーソナルカラー情報を表示することができる（Ｓ１３０）。

【0074】

例えば、プロセッサ１１０は、図１４に示すように、画面ＳＣＲに該当使用者のパーソナルカラー情報（ＰＣＩ）を表示することができる。

【0075】

次に、図１５～図２０を参照して、本発明の他の実施形態によるパーソナルカラー認識方法について説明する。

【0076】

図１５は、本発明の他の実施形態によるパーソナルカラー認識方法を説明するためのフローチャートであり、図１６は、本発明の他の実施形態による複数の変形イメージ取得過程を説明するための図であり、図１７は、本発明の他の実施形態によるディープラーニング基盤イメージ変換ネットワークを用いた複数の変形イメージ取得過程を説明するための図であり、図１８は、図１７に示すディープラーニング基盤イメージ変換ネットワークの学習過程を説明するための図であり、図１９は、本発明の他の実施形態によるパーソナルカラーの認識過程を説明するための図であり、図２０は、本発明の他の実施形態によるパーソナルカラー情報の表示一例を示す図である。

【0077】

本実施形態によるパーソナルカラー認識方法は、先述の実施形態によるパーソナルカラー認識方法と実質的に同じであるため、相違点についてのみ説明する。

【0078】

図１５を参照すると、パーソナルカラー基盤アイテム推奨装置１００のプロセッサ１１０は、パーソナルカラーの認識対象である使用者の顔を含む対象イメージを取得することができる（Ｓ２１０）。

【0079】

その後、プロセッサ１１０は、対象イメージに基づいて、異なる明るさを有する複数の変形イメージを取得することができる（Ｓ２２０）。

【0080】

すなわち、プロセッサ１１０は、図１６に示すように、対象イメージに基づいて、明るい環境で撮影されたイメージに対応する第１の変形イメージ、および暗い環境で撮影されたイメージに対応する第２の変形イメージを収得することができる。

【0081】

この際、プロセッサ１１０は、図１７に示すように、予め学習されて構築されたディープラーニング基盤のイメージ変換ネットワークを用いて、対象イメージに基づいて第１の変形イメージと第２の変形イメージを取得することができる。すなわち、プロセッサ１１０は、対象イメージをディープラーニング基盤のイメージ変換ネットワークに入力し、ディープラーニング基盤のイメージ変換ネットワークの出力に基づいて第１の変形イメージと第２の変形イメージを取得することができる。ここで、ディープラーニング基盤のイメージ変換ネットワークは、図１８に示すように、顔を含む基本イメージ、基本イメージに対応する明るい環境イメージ、および基本イメージに対応する暗い環境イメージを含む学習データを用いて、基本イメージを入力値とし、明るい環境イメージと暗い環境イメージを正解ラベルとして予め学習して構築することができる。

【0082】

また、プロセッサ１１０は、対象イメージの明るさ値に基づいて、対象イメージが明るい環境で撮影されたイメージであるか暗い環境で撮影されたイメージであるかを検出することができる。そして、対象イメージが明るい環境で撮影されたイメージであると検出されれば、プロセッサ１１０は、対象イメージを第１の変形イメージとして取得し、予め学習して構築された第１のディープラーニング基盤のイメージ変換ネットワークに対象イメージを入力し、第１のディープラーニング基盤のイメージ変換ネットワークの出力に基づいて、暗い環境に対応する第２の変形イメージを取得することができる。一方、対象イメージが暗い環境で撮影されたイメージであると検出されれば、プロセッサ１１０は、対象イメージを第２の変形イメージとして取得し、予め学習され構築された第２のディープラーニング基盤のイメージ変換ネットワークに対象イメージを入力し、第２のディープラーニング基盤のイメージ変換ネットワークの出力に基づいて、明るい環境に対応する第１の変形イメージを取得することができる。すなわち、明るい環境イメージを入力とし、暗い環境イメージを出力とする第１のディープラーニング基盤イメージ変換ネットワーク、および暗い環境イメージを入力とし、明るい環境イメージを出力とする第２のディープラーニング基盤のイメージ変換ネットワークのそれぞれを、学習データを用いて予め学習して構築した状態で、プロセッサ１１０は、対象イメージが明るい環境イメージであるか暗い環境イメージであるかを検出し、検出結果に基づいて変形イメージを取得するために用いられるディープラーニング基盤のイメージ変換ネットワーク（第１のディープラーニング基盤のイメージ変換ネットワークまたは第２のディープラーニング基盤のイメージ変換ネットワーク）を選択することができる。

【0083】

そのあと、プロセッサ１１０は、複数の変形イメージのそれぞれに基づいて、変形イメージの予め設定された領域に予め設定された少なくとも１つのカラーを表示し、予め設定された領域に表示された少なくとも１つのカラーに基づいて使用者によって選択された情報に基づいて、変形イメージに対する使用者のパーソナルカラーを認識することができる（Ｓ２３０）。

【0084】

ここで、予め設定された領域は、変形イメージごとに互いに異なるように設定されてもよい。例えば、第１の変形イメージは、カラーを表示する領域として使用者の選択によって「唇」が設定されることができ、第２の変形イメージは、カラーを表示する領域として使用者の選択によって「頬」が設定されてもよい。この際、使用者によって特定領域が選択されないと、プロセッサ１１０は、変形イメージ別に予め設定されたデフォルト領域（第１の変形イメージは「唇」／第２の変形イメージは「髪の毛」）を、カラーを表示する領域として設定できる。もちろん、予め設定された領域は、変形イメージに関係なく同じ領域に設定されてもよい。

【0085】

すなわち、プロセッサ１１０は、図１９に示すように、パーソナルカラーＤＢを用いて、第１の変形イメージおよび第２の変形イメージのそれぞれについて、階層的に行われるテストである「１次ウォーム／クールテスト→２次季節テスト→３次詳細タイプテスト」を通じて使用者のパーソナルカラーを認識することができる。

【0086】

－一次テスト：ウォーム／クール認識段階
プロセッサ１１０は、変形イメージに基づいて、ウォーム／クールテストを実行してウォーム／クールテストの実行結果に基づいて、変形イメージに対して使用者がウォームトンであるかクールトンであるかを認識することができる。

【0087】

－２次テスト：季節認識段階
プロセッサ１１０は、変形イメージおよびウォーム／クール認識段階の結果に基づいて、季節テストを実行して季節テストの実行結果に基づいて変形イメージに対して使用者に該当する季節を認識することができる。

【0088】

－３次テスト：詳細タイプ認識段階
プロセッサ１１０は、変形イメージ、ウォーム／クール認識段階の結果、および季節認識段階の結果に基づいて、詳細タイプテストを実行して詳細タイプテストの実行結果に基づいて、変形イメージについて使用者に該当する詳細タイプを認識することができる。

【0089】

－パーソナルカラー認識段階
プロセッサ１１０は、ウォーム／クール認識段階の結果、季節認識段階の結果、および詳細タイプ認識段階の結果に基づいて、変形イメージに対する使用者のパーソナルカラーを認識することができる。

【0090】

その後、プロセッサ１１０は、複数の変形イメージのそれぞれに対する使用者のパーソナルカラーに基づいてパーソナルカラー情報を表示することができる（Ｓ２４０）。

【0091】

例えば、プロセッサ１１０は、図２０に示すように、第１の変形イメージと第１の変形イメージに対する該当使用者のパーソナルカラー、および第２の変形イメージおよび第２の変形イメージに対する該当使用者のパーソナルカラーを含む、該当使用者のパーソナルカラー情報（ＰＣＩ）を画面（ＳＣＲ）に表示することができる。

【0092】

次に、図２１～図２７を参照して、本発明の一実施形態によるパーソナルカラー基盤のアイテム推奨方法について説明する。

【0093】

本実施形態によるパーソナルカラー認識方法は、先述の実施形態によるパーソナルカラー認識方法（図２に示すパーソナルカラー認識方法および図１５に示すパーソナルカラー認識方法）と実質的に同じであるため、相違する部分についてのみ以下で説明する。

【0094】

図２１は、本発明の一実施形態によるパーソナルカラー基盤アイテム推奨方法を説明するためのフローチャートであり、図２２は、本発明の一実施形態による推奨アイテム収得過程を説明するための図であり、図２３は、図２２に示す候補アイテム収得過程の一例を説明するための図であり、図２４は図２２に示す候補アイテム収得過程の他の例を説明するための図であり、図２５は図２４に示すディープラーニング基盤アイテム推奨ネットワークの学習過程を説明するための図であり、図２６は、図２２に示す推奨アイテムの収得過程をより詳細に説明するための図であり、図２７は、本発明の一実施形態による推奨アイテム情報の表示一例を示す図である。

【0095】

図２１を参照すると、パーソナルカラー基盤アイテム推奨装置１００のプロセッサ１１０は、パーソナルカラーの認識対象である使用者の顔を含む対象イメージに基づいて使用者のパーソナルカラーを認識することができる（Ｓ３１０）。

【0096】

すなわち、プロセッサ１１０は、対象イメージに基づいて、対象イメージの予め設定された領域に予め設定された少なくとも１つのカラーを表示し、予め設定された領域に表示された少なくとも１つのカラーに基づいて使用者によって選択された情報に基づいて使用者のパーソナルカラーを認識することができる。

【0097】

その後、プロセッサ１１０は、使用者のパーソナルカラーに基づいて使用者に対応する推奨アイテムを取得することができる（Ｓ３２０）。

【0098】

ここで、推奨アイテムは、推奨化粧品、推奨化粧品のカラー、および推奨化粧品に関連する動画を含んでもよい。例えば、推奨化粧品が「口紅」であると、推奨アイテムは、口紅の写真、製造社、名称などの推奨化粧品に関する情報、使用者のパーソナルカラーに基づいて推奨される口紅カラーなどの推奨化粧品カラーに関する情報、およびインフルエンサーなどの映像コンテンツ提供者によって生成された口紅使用映像などの推奨化粧品関連動画などを含んでもよい。

【0099】

より詳細に説明すると、プロセッサ１１０は、図２２に示すように、使用者のパーソナルカラーに基づいて候補アイテムを取得することができる。

【0100】

この際、プロセッサ１１０は、図２３に示すように、パーソナルカラー別にアイテムが保存されているパーソナルカラーアイテムＤＢを用いて、使用者のパーソナルカラーに基づいて候補アイテムを取得することができる。例えば、パーソナルカラーアイテムＤＢは、以下の［表１］のように予め構築されていてもよい。プロセッサ１１０は、パーソナルカラーアイテムＤＢで使用者のパーソナルカラーにマッチングするアイテムを取得し、取得したアイテムを候補アイテムとして取得することができる。

【表1】

【0101】

さらに、プロセッサ１１０は、予め学習されて構築されたディープラーニング基盤のアイテム推奨ネットワークを使用して、使用者のパーソナルカラーに基づいて候補アイテムを取得することができる。すなわち、プロセッサ１１０は、図２４に示すように、使用者のパーソナルカラーをディープラーニング基盤のアイテム推奨ネットワークに入力し、ディープラーニング基盤のアイテム推奨ネットワークの出力に基づいて候補アイテムを取得することができる。ここで、ディープラーニング基盤のアイテム推奨ネットワークは、図２５に示すように、パーソナルカラーを含むカラー情報、およびカラー情報に対応する専門家推奨アイテム情報を含む学習データを用いて、カラー情報を入力値とし、専門家推奨アイテム情報を正解ラベルとして予め学習して構築されることができる。そして、プロセッサ１１０は、図２２に示すように、使用者の遺伝子情報と候補アイテムに基づいて推奨アイテムを取得することができる。

【0102】

すなわち、プロセッサ１１０は、図２６に示すように、遺伝子タイプ別にアイテムが保存されている遺伝子アイテムＤＢを用いて、使用者の遺伝子情報と候補アイテムに基づいて推奨アイテムを取得することができる。この際、プロセッサ１１０は、遺伝子アイテムＤＢから遺伝子情報にマッチングするアイテムを収得し、収得したアイテムを候補アイテムから除去して残ったアイテムを推奨アイテムとして収得することができる。例えば、遺伝子アイテムＤＢは、以下の［表２］のように予め構築されていてもよい。プロセッサ１１０は、使用者の遺伝子情報に基づいて該当する遺伝子タイプを取得し、取得した遺伝子タイプにマッチングするアイテム（すなわち、当該遺伝子タイプに推奨されないアイテム）を遺伝子アイテムＤＢから取得し、取得したアイテムが推奨アイテムに含まれていれば該当アイテムを削除することができる。

【表2】

【0103】

そして、プロセッサ１１０は、図２６に示すように、使用者の過去の購入アイテム情報に基づいて取得されたアイテムを推奨アイテムから除去して残ったアイテムを推奨アイテムとして取得することができる。例えば、プロセッサ１１０は、使用者の過去の購入アイテム情報に基づいて取得されたアイテムが推奨アイテムに含まれていれば、該当アイテムを削除することができる。

【0104】

その後、プロセッサ１１０は、推奨アイテムに基づいて推奨アイテム情報を表示することができる（Ｓ３３０）。

【0105】

例えば、プロセッサ１１０は、図２７に示すように、画面ＳＣＲに当該使用者に提供する推奨アイテム情報ＲＩを表示することができる。

【0106】

次に、図２８および図２９を参照して、本発明の他の実施形態によるパーソナルカラー基盤のアイテム推奨方法について説明する。

【0107】

本実施形態によるパーソナルカラー基盤アイテム推奨方法は、先述の実施形態によるパーソナルカラー基盤アイテム推奨方法と実質的に同じであるため、相違する部分についてのみ以下に説明する。

【0108】

図２８は、本発明の他の実施形態によるパーソナルカラー基盤アイテム推奨方法を説明するためのフローチャートであり、図２９は、本発明の他の実施形態による推奨アイテム情報の表示一例を示す図である。

【0109】

パーソナルカラー基盤アイテム推奨装置１００のプロセッサ１１０は、対象イメージに基づいて異なる明るさを有する複数の変形イメージを取得し、複数の変形イメージのそれぞれに基づいて変形イメージに対する使用者のパーソナルカラーを認識することができる。

【0110】

すなわち、プロセッサ１１０は、パーソナルカラーＤＢを用いて、明るい環境で撮影されたイメージに対応する第１の変形イメージおよび暗い環境で撮影されたイメージに対応する第２の変形イメージのそれぞれについて、階層的に実行されるテストである「１次ウォーム／クールテスト→２次季節テスト→３次詳細タイプテスト」により、使用者のパーソナルカラーを認識することができる。

【0111】

その後、プロセッサ１１０は、複数の変形イメージのそれぞれに対する使用者のパーソナルカラーに基づいて複数の変形イメージのそれぞれに対する推奨アイテムを取得することができる。

【0112】

すなわち、プロセッサ１１０は、図２８に示すように、第１の変形イメージに対する使用者のパーソナルカラーに基づいて第１の変形イメージに対する推奨アイテムを取得し、第２の変形イメージに対する使用者のパーソナルカラーに基づいて第２の変形イメージの推奨アイテムを収得することができる。

【0113】

その後、プロセッサ１１０は、複数の変形イメージのそれぞれに対する推奨アイテムに基づいて推奨アイテム情報を表示することができる。

【0114】

例えば、プロセッサ１１０は、図２９に示すように、第１の変形イメージに対する推奨アイテム、および第２の変形イメージに対する推奨アイテムを含む推奨アイテム情報ＲＩを画面ＳＣＲに表示することができる。

【0115】

本実施形態による動作は、様々なコンピュータ手段を介して実行することができるプログラム命令の形態で具現され、コンピュータ可読保存媒体に記録されることができる。コンピュータ可読保存媒体は、実行のためにプロセッサに命令語を提供するのに関与した任意の媒体を表す。コンピュータ可読保存媒体は、プログラム命令、データファイル、データ構造、またはそれらの組み合わせを含んでもよい。例えば、磁気媒体、光記録媒体、メモリなどがあり得る。コンピュータプログラムは、ネットワークで接続されたコンピュータシステム上に分散され、分散方式としてコンピュータが読み取り可能なコードが保存されて実行されてもよい。本実施形態を具現するための機能的な（Ｆｕｎｃｔｉｏｎａｌ）プログラム、コード、およびコードセグメントは、本実施形態が属する技術分野のプログラマーによって容易に推論され得る。

【0116】

本実施形態は、本実施形態の技術思想を説明するためのものであり、このような実施形態によって本実施形態の技術思想の範囲が限定されるものではない。本実施形態の保護範囲は、以下の特許請求の範囲によって解釈されるべきであり、それと同等の範囲内にあるすべての技術思想は、本実施形態の権利範囲に含まれるものと解釈されるべきである。

【符号の説明】

【0117】

１００ ・・・パーソナルカラー基盤のアイテム推奨装置
１１０ ・・・プロセッサ
１３０ ・・・コンピュータ可読保存媒体
１３１ ・・・プログラム
１５０ ・・・通信バス
１７０ ・・・入出力インターフェース、
１９０ ・・・通信インターフェース

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】

【図24】

【図25】

【図26】

【図27】

【図28】

【図29】