ระบบแนะนำการแต่งหน้าตามโทนสีผิวด้วยเทคโนโลยีการประมวลผลภาพ

Last modified: June 21, 2019
You are here:
Estimated reading time: 1 min
หัวข้อปริญญานิพนธ์:
Project Title:
ระบบแนะนำการแต่งหน้าตามโทนสีผิวด้วยเทคโนโลยีการประมวลผลภาพ
Make Up Recommendation by Skin Tone with Image Processing
ชื่อนักศึกษา:
Author:
นางสาวฐิตา แสนสุข 5804800046, นางสาาวพลอย เสียงสกุล 5804800052
Miss Tita Sansuk 5804800046, Miss Ploy Siengsakul 5804800052
อาจารย์ที่ปรึกษา:
Advisor:
อาจารย์จรรยา แหยมเจริญ
Miss Janya Yamcharoen
ระดับการศึกษา:
Degree:
วิทยาศาสตรบัณฑิต (วท.บ.)
Bachelor of Science
ภาควิชา:
Major:
วิทยาการคอมพิวเตอร์
Computer Science
คณะ:
Faculty:
วิทยาศาสตร์
Science
ภาคการศึกษา/ปีการศึกษา:
Semester / Academic year:
2/2561
2/2018

การอ้างอิง/citation

ฐิตา แสนสุข และ พลอย เสียงสกุล. (2561). ระบบแนะนำการแต่งหน้าตามโทนสีผิวด้วยเทคโนโลยีการประมวลผลภาพ. (โครงงาน). กรุงเทพฯ: คณะวิทยาศาสตร์ มหาวิทยาลัยสยาม.


บทคัดย่อ

วัตถุประสงค์ในการจัดทำปริญญานิพนธ์เพื่อพัฒนาระบบแนะนำการแต่งหน้าตามโทนสีผิวด้วยเทคโนโลยีการประมวลผลภาพที่ทำงานบนครอสแพลตฟอร์มโดยมุ่งเน้นการแนะนำเครื่องสำอางให้เหมาะกับบุคคลแต่ละบุคคล โดยวิเคราะห์จากสีผิวบนใบหน้าของแต่ละบุคคล โดยศึกษาจากข้อมูลทดสอบ (Training Data Set) ที่รวบรวมมาจากสีของรองพื้น ของทั้ง 7 แบรนด์ ซึ่งประกอบด้วย 1. L’OREAL 2. MAC 3. Maybelline 4. NARS 5. NYX 6. Revlon และ 7. Wet n Wild เพื่อพัฒนาระบบวิเคราะห์สีผิวบนใบหน้า โดยใช้เทคนิคการตรวจจับใบหน้า, การแบ่งส่วนผิว, การสกัดสีที่โดดเด่น และการจัดกลุ่มแบบเคมีน(K-Mean) ทั้งนี้สินค้าภายในแบรนด์ทั้ง 7 ตามที่กล่าวมา ใช้ในการพัฒนาระบบแนะนำเครื่องสำอางในแต่ละลุคการแต่งหน้า ระบบโดยรวมทั้งหมดแบ่งการทำงานออกเป็น 3 ส่วน ประกอบด้วย ส่วนที่ 1 การวิเคราะห์โทนสีผิวบนใบหน้าด้วยอัลกอริทึมการจัดกลุ่ม K-Mean และอัลกอริทึมหาค่าความเหมือน (Similarity) ด้วยระยะห่าง (Euclidean Distance) ส่วนที่ 2 เป็นเว็บแอปพลิเคชั่น สำหรับผู้ดูแลระบบในการจัดการข้อมูลหลักที่ใช้ใน ส่วนที่ 3 เป็นไฮบริดโมบายแอปพลิเคชั่นสำหรับผู้ใช้ โดยสามารถกำหนดข้อมูล โดยใช้รูปภาพใบหน้าของผู้ใช้เพื่อใช้ในการวิเคราะห์เพื่อหาเครื่องสำอางค์ที่ตรงตามสีผิวบนใบหน้าของผู้ใช้ เช่น รองพื้น และ แป้งผสมรองพื้น ในการพัฒนาระบบแบ่งเป็น 2 ส่วน คือ  1. Backend System พัฒนาโดยใช้ภาษาไทป์สคริปต์ และ ไพทอน สร้างฟังก์ชั่นรองรับการทำงานของฝั่งโมบายแอปพลิเคชั่น และจัดการฐานข้อมูลด้วย MySql และ 2. Frontend System เป็นโมบายแอปพลิเคชั่นที่ทำงานบน ครอสแพลตฟอร์ม พัฒนาด้วย Ionic Framework ผ่านโปรแกรม Visual Studio Code

 

คำสำคัญ: โทนสีผิว, การตรวจจับใบหน้า, การจัดกลุ่มแบบเคมีน, เครื่องสำอาง


Abstract

The objective of the project is to develop Make Up Recommendation by Skin Tone with Image Processing Technology which runs on Cross platform for introducing the cosmetic to the individual. The personalized recommendation is based on the face skin color by the study from training data set is included from foundation color by seven brands as follows 1. L’OREAL 2. MAC 3. Maybelline 4. NARS 5. NYX 6. Revlon and 7. Wet n Wild to develop the face skin color system with face detection, skin segmentation, dominant color extraction and K-Mean Clustering. And products from seven brands on upper to develop the makeup look recommendation system. The system consists of two parts: Part one is a web application for administrator to manage the master data, Part two is a Hybrid mobile application for users to define their data by their face photographs for analysis to find the right cosmetic such as foundation and foundation powder. The development of the system is divided into three parts: 1.The tone of face color analysis by clustering with Euclidean distance algorithm 2. Backend System developed by using TypeScript and Python to create functions for mobile applications and use MySql to be database management system and 3. Frontend System is a mobile application on the Cross platform developed with Ionic Framework.

 

Keywords: face skin color, face detection, K-Mean Clustering, cosmetic


   ระบบแนะนำการแต่งหน้าตามโทนสีผิวด้วยเทคโนโลยีการประมวลผลภาพ / Make Up Recommendation by Skin Tone with Image Processing   

คณะวิทยาศาสตร์ มหาวิทยาลัยสยาม  |  Faculty of Science, Siam University, ฺBangkok, Thailand

Tags:
Was this article helpful? บทความนี้เป็นประโยชน์หรือไม่?
ไม่ / Dislike 0
Views: 1607
Facebook
Twitter
LinkedIn
WhatsApp
Email
Print

QR code for article

QR Code