用于对个性化护肤产品制定配方的系统和方法与流程

相关申请

本申请要求于2018年1月29日提交且名称为“systemsandmethodsforformulatingpersonalizedskincareproducts”的美国临时专利申请no.62/623,207的权益，该美国临时专利申请的整个内容以其整体通过引用并入本文。

本申请总体上涉及用于对护肤产品制定配方的系统、方法和装置，包括计算机程序和算法。更具体地，本申请涉及用于对个性化护肤产品制定配方且基于用户专用数据推荐个性化护肤产品例程的系统和方法。

背景技术：

许多或大多数护肤产品现今目标为大片消费者，但当针对大众市场对护肤产品制定配方时，发生若干问题。一个问题是如何针对所作出的任何给定产品权利要求而适应最大可能数目的多样皮肤类型。这可以解释市场中的皮肤“类型”产品（这可以包括例如油腻的、干燥的、组合、易有粉刺的、对日光敏感的、敏感的、经过过敏测试的、差的纹理、或者大毛孔）的激增。当目标为大众市场时，制造商必须在对于他们而言相对于市场中可用的产品的数量而在经济上可行的内容与他们可从市场吸引的客户的数目之间取得平衡。

若干公司现今正在创建针对客户的“定制化”产品。这些公司所采用的方法一般落入两个组中：（1）使用与皮肤担忧（concern）有关的自报告的答案以推荐现有产品；或者（2）使用与皮肤担忧有关的自报告的答案以设计定制化护肤配方。全部两个途径的一个问题是：自报告的数据可能是不可靠的，例如因为客户极少客观地知道他们的皮肤的情况。第一途径还遭受潜在产品的有限集合的约束，所有潜在产品典型地已经针对大众市场而创建。第二途径已经遭受结果的有限有效性。

技术实现要素：

相应地，本发明提供了一种新框架，包括计算系统以及关联的计算方法、算法和模块，用于：（1）在一个或多个时间点处确定皮肤健康和/或问题；以及（2）在定制化、持续存在（例如，迭代）的基础上将唯一护肤产品推荐、配方参数推荐和/或产品例程提供给个体用户。因此，本发明实现了个人护肤产品和养生法创建、推荐和随时间的改善。

在一些实施例中，本发明可以被实现在位于零售位置（例如，由售货员进行或者由消费者在没有帮助的情况下自我指导）、温泉疗养地或办公室（例如，由美容师、皮肤科医师或皮肤科医生进行或者由客户在没有帮助的情况下自我指导）或者位于家里（例如，由消费者在没有进一步帮助的情况下进行）的一个或多个计算机化系统上。在一些实施例中，本发明包括：收集专用于个体用户的数据，例如，客观真皮数据、视觉皮肤数据、人口统计数据、环境数据、遗传数据、饮食数据、偏好数据和其他数据。在一些实施例中，计算机实现机器学习算法使用被提供以指定唯一护肤产品配方、现有产品和具体配料推荐的数据。在一些实施例中，本发明推荐生活方式、饮食和/或整体健康状态贴士以实现期望的皮肤结果。

在使用（一个或多个）所推荐的现有产品、（一个或多个）个性化护肤产品或者实现生活方式或饮食改变之后，用户可以提供对（一个或多个）产品的功效的反馈并更新上面概述的他或她的皮肤数据点。接着，可以基于由（一个或多个）算法生成的推荐来改善（一个或多个）产品配方。这些重新制定配方可以由于例如季节改变、位置或环境改变、用户的皮肤中的所观察到的改变和用户的皮肤中的所预期的改变而发生。在一些实施例中，推荐、使用、反馈和修订的反馈循环帮助本发明的成功。在一些实施例中，本发明使用在先反馈和/或汇总皮肤数据和模式以作出新的或经修订的推荐。

本发明通过提供基于个体的唯一皮肤数据而设计的定制化产品来克服在针对大众市场对皮肤产品制定配方方面的在先限制。因此，定制化产品被创建以解决个体的唯一皮肤担忧和/或适合个体的偏好，且可以基于环境、生活方式以及个体的皮肤如何随时间改变而改变。在一些实施例中，来自多个用户的汇总皮肤数据允许预测性分析学和机器学习被用于基于用户的个体皮肤来推荐被发现为对于他或她而言最安全且最奏效的配料，并基于个体响应和偏好来改善推荐。在一些实施例中，从用户接收到的反馈被反馈到一个或多个算法中，以进一步改善推荐并推荐对每一个用户定做的更准确且有效的配料。

在一些实施例中，本发明在利用一个或多个计算机化（例如，机器学习或深度学习）算法以在持续存在的基础上作出独特、个人护肤产品、其他健康状态产品和个性化推荐的系统和方法（例如，针对亲身设置的一个过程和针对家庭设置的另一个过程）中使用专用于用户的数据（例如，真皮数据、视觉皮肤数据、人口统计数据、环境数据、遗传数据、饮食数据、偏好数据和其他数据）。在一些实施例中，创建推荐、使用、后果和修订的反馈回路有助于确保每一个产品给用户提供益处，且确保针对每一个用户的护肤产品、健康状态产品和个性化推荐随着他或她的担忧、环境和皮肤随时间的改变而演化。

在下表中列出了可能的但不限制的数据收集技术和关联的皮肤特性的示例：

在一个方面中，本发明以一种针对用户对护肤产品制定配方的计算机化方法为特征。所述方法包括：由计算设备接收数据输入，所述数据输入包括用户的皮肤的一个或多个水化水平测量结果、用户的皮肤的一个或多个油水平测量结果和反映皮肤担忧集合的用户的皮肤的照片。所述方法还包括：由所述计算设备基于所述一个或多个水化水平测量结果来确定归一化水化指数得分。所述方法还包括：由所述计算设备基于所述一个或多个油水平测量结果来确定归一化油指数得分。所述方法还包括：由所述计算设备基于用户的皮肤的照片来确定与用户的皮肤担忧集合相对应的归一化严重性得分集合。所述方法还包括：由所述计算设备生成第一皮肤健康数据集，所述第一皮肤健康数据集包括所述归一化水化指数得分、所述归一化油指数得分和所述归一化严重性得分集合。所述方法还包括：由所述计算设备将所述第一皮肤健康数据集存储在与所述计算设备电子通信的第一存储器中。所述方法还包括：由所述计算设备基于所述第一皮肤健康数据集来确定第一皮肤健康度量。所述方法还包括：由所述计算设备将所述第一皮肤健康度量存储在与所述计算设备电子通信的第二存储器中。所述方法还包括：由所述计算设备使用在所述计算设备上操作的机器学习框架、基于所述第一皮肤健康度量和所述第一皮肤健康数据集来确定一个或多个第一护肤产品配方。所述方法还包括：由所述计算设备将所述一个或多个第一护肤产品配方存储在与所述计算设备电子通信的第三存储器中。

在一些实施例中，所述方法包括：由所述计算设备接收反映在由用户使用所述一个或多个第一护肤产品配方之后水化水平测量结果、油水平测量结果或皮肤担忧中的至少一个的改变的一个或多个附加数据输入；和/或，由所述计算设备通过下述操作、基于所述一个或多个附加数据输入来生成第二皮肤健康数据集：（i）由所述计算设备计算水化水平测量结果、油水平测量结果和所述归一化严重性得分的百分比改变（或者该数据的前兆，例如原始数据或经预处理的数据，诸如下面进一步详细描述的黑白比）；以及（ii）由所述计算设备基于所述第一皮肤健康数据集和所述百分比改变来计算所述第二皮肤健康数据集；和/或，由所述计算设备使用在所述计算设备上操作的机器学习框架、基于所述第二皮肤健康数据集来确定一个或多个第二护肤产品配方。

在一些实施例中，所述数据输入进一步包括用户年龄、性别、种族或职业中的至少一个。在一些实施例中，所述照片是利用可见光或紫外光中的至少一个拍摄的。在一些实施例中，所述一个或多个数据输入包括反映用户的位置的温度、湿度或环境紫外线指数中的至少一个的信息。在一些实施例中，所述一个或多个数据输入包括反映用户遗传学、医学历史、饮食、水摄入、吸烟习惯、已知过敏、酒精习惯、睡眠质量、压力水平、在电子屏幕前面耗费的时间或日光曝晒中的至少一个的信息。在一些实施例中，所述一个或多个数据输入包括反映用户报告的皮肤健康评估、护肤产品使用率、过去护肤产品使用率、过去皮肤反应、护肤目标、护肤担忧、护肤、吸收或纹理偏好中的至少一个的信息。在一些实施例中，所述一个或多个数据输入包括用户的皮肤的弹性测量结果、用户的皮肤的皱纹测量结果或用户的皮肤的表面ph水平中的至少一个。在一些实施例中，所述第一皮肤健康数据集包括反映用户的皱纹、暗斑、暗圈、纹理、粉刺、日光损害、毛孔大小、红肿或其他皮肤损害中的至少一个的信息。在一些实施例中，所述第一护肤产品配方包括反映活性配料、防腐剂、剂量和/或唯一用户皮肤标识符的信息。

在一些实施例中，所述方法进一步包括：由所述计算设备基于所述第一皮肤健康数据集来生成用于由配方专家或机器制造第一护肤产品的第一配方指令。在一些实施例中，所述方法进一步包括：由所述计算设备基于所述第一皮肤健康数据集来生成用于对用户的生活方式、饮食或整体健康状态的调整的一个或多个推荐，以实现期望的皮肤结果。在一些实施例中，所述方法进一步包括：由所述计算设备基于所述第一皮肤健康数据集来生成个性化护肤例程，所述个性化护肤例程包括针对清洁剂、精华液、面油、保湿霜、膳食补充剂或防晒霜中的至少一个的推荐。在一些实施例中，所述方法进一步包括：（i）由所述计算设备生成用户显示数据集，以供与所述计算设备电子通信的用户计算设备解释和显示；和/或（ii）将所述用户显示数据集发送到所述用户计算设备。在一些实施例中，所述方法进一步包括：在将所述第一护肤产品配方存储在存储器中之前，由所述计算设备接收所述第一护肤产品配方的用户证明。

在另一方面中，本发明以一种针对用户制造护肤产品的方法为特征。所述方法包括：由制造系统接收具有针对所述用户的唯一皮肤标识符且基于所述用户的唯一皮肤健康数据集的产品配方。在一些实施例中，所述产品配方包括至少一个配料。所述方法还包括：由所述制造系统根据所述产品配方来合成定制化护肤产品。所述方法还包括：由所述制造系统将所述定制化护肤产品瓶装在容器中。所述方法还包括：由所述制造系统利用显示所述至少一个配料的标签给所述容器加标签。

在另一方面中，本发明以一种用于针对用户对护肤产品制定配方的计算系统为特征。所述系统包括被配置成执行以下功能的计算设备：（i）接收数据输入，所述数据输入包括用户的皮肤的一个或多个水化水平测量结果、用户的皮肤的一个或多个油水平测量结果和反映皮肤担忧集合的用户的皮肤的照片；（ii）基于所述一个或多个水化水平测量结果来确定归一化水化指数得分；（iii）基于所述一个或多个油水平测量结果来确定归一化油指数得分；（iv）基于用户的皮肤的照片来确定与用户的皮肤担忧集合相对应的归一化严重性得分集合；（v）生成第一皮肤健康数据集，所述第一皮肤健康数据集包括所述归一化水化指数得分、所述归一化油指数得分和所述归一化严重性得分集合；（vi）将所述第一皮肤健康数据集存储在与所述计算设备电子通信的第一存储器中；（vii）基于所述第一皮肤健康数据集来确定第一皮肤健康度量；（viii）将所述第一皮肤健康度量存储在与所述计算设备电子通信的第二存储器中；（ix）使用在所述计算设备上操作的机器学习框架、基于所述第一皮肤健康度量和所述第一皮肤健康数据集来确定一个或多个第一护肤产品配方；以及（x）将所述一个或多个第一护肤产品配方存储在与所述计算设备电子通信的第三存储器中。在一些实施例中，所述系统包括与所述计算设备电子通信的用户计算设备，所述用户计算设备用于采集所述数据输入并将所述数据输入提供给所述计算设备。在一些实施例中，第一储存器和第二储存器被包括在与所述计算设备电子通信的数据库中。

在另一方面中，本发明以一种针对用户对第一和第二护肤产品制定配方的计算机化方法为特征。所述方法包括：由计算设备接收反映所述用户的真皮信息的一个或多个第一数据输入。所述方法还包括：由所述计算设备基于所述一个或多个第一数据输入来生成针对所述用户的第一皮肤健康数据集，所述第一皮肤健康数据集包括反映所述一个或多个第一数据输入的一个或多个归一化得分。所述方法还包括：由所述计算设备将所述第一皮肤健康数据集存储在与所述计算设备电子通信的第一储存器中。所述方法还包括：由所述计算设备基于所述第一皮肤健康数据集来确定第一护肤产品配方。所述方法还包括：由所述计算设备将所述第一护肤产品配方存储在与所述计算设备电子通信的第二储存器中。所述方法还包括：由所述计算设备接收反映在基于所述第一护肤产品配方使用第一护肤产品之后所述第一数据输入的改变的一个或多个第二数据输入。所述方法还包括：由所述计算设备基于所述一个或多个第一数据输入和所述一个或多个第二数据输入来生成针对所述用户的第二皮肤健康数据集。所述方法还包括：由所述计算设备将所述第二皮肤健康数据集存储在与所述计算设备电子通信的第三储存器中。所述方法还包括：由所述计算设备基于所述第二皮肤健康数据集来确定第二护肤产品配方。所述方法还包括：由所述计算设备将所述第二护肤产品配方存储在与所述计算设备电子通信的第四储存器中。

在另一方面中，本发明以一种训练机器学习框架以生成一个或多个护肤产品配方的计算机化方法为特征。所述方法包括：由计算设备针对多个用户接收第一数据输入，所述第一数据输入包括每一个用户的皮肤的一个或多个水化水平测量结果、每一个用户的皮肤的一个或多个油水平测量结果和反映皮肤担忧集合的每一个用户的皮肤的照片。所述方法还包括：由所述计算设备基于所述第一数据输入来针对每一个用户确定对应的第一皮肤健康数据集和对应的第一皮肤健康度量。所述方法还包括：由所述计算设备基于所述第一皮肤健康度量和/或所述第一皮肤健康数据集来针对每一个用户确定一个或多个所推荐的第一护肤产品配方。所述方法还包括：由所述计算设备接收反映在基于所述第一护肤产品配方使用第一护肤产品之后所述第一数据输入的改变的一个或多个第二数据输入。所述方法还包括：由所述计算设备将所述一个或多个第二数据输入与所述第一数据输入和所述第一皮肤健康数据集进行组合，以创建训练数据集。所述方法还包括：由所述计算设备基于所述一个或多个第二数据输入来计算第二皮肤健康度量。所述方法还包括：由所述计算设备使用所述第二健康数据集和机器学习框架来确定机器学习模型。所述方法还包括：由所述计算设备针对每一个用户确定针对所述用户的数据输入与针对所述用户的一个或多个第一护肤产品配方之间的一个或多个关联，每一个关联基于针对每一个用户的对应第一皮肤健康数据集和对应第一皮肤健康度量。所述方法还包括：由所述计算设备将该模型存储在与所述计算设备电子通信的存储器中。在一些实施例中，可以经由算法来测量、输入、变换、如上关于本发明其他方面描述的那样计算和/或操控其他数据输入。

附图说明

上面描述的本发明优势与进一步优势一起可以通过参考结合附图进行的以下描述而更好地理解。附图不必按比例绘制；取而代之，重点一般在于图示本发明原理。

图1是根据本发明说明性实施例的用于针对用户对护肤产品制定配方的计算系统的示意图。

图2是图示了根据本发明说明性实施例的针对用户对护肤产品制定配方的方法的流程图。

图3是图示了根据本发明说明性实施例的针对用户的皮肤计算归一化水化指数得分的计算机化方法的流程图。

图4是图示了根据本发明说明性实施例的针对用户的皮肤计算归一化油指数得分的计算机化方法的流程图。

图5是图示了根据本发明说明性实施例的针对用户的皮肤计算归一化严重性得分集合的计算机化方法的流程图。

图6是图示了根据本发明说明性实施例的皮肤健康数据集的示例性分量的示意图。

图7是图示了根据本发明说明性实施例的计算机化护肤配方设计过程的示意图。

图8是图示了根据本发明说明性实施例的针对用户制造个性化护肤产品的方法的示意图。

图9a-9c是根据本发明说明性实施例的引出某个真皮数据的用户问卷调查的屏幕截图。

图10是根据本发明说明性实施例的护肤产品推荐的屏幕截图。

图11是根据本发明说明性实施例的针对用户对护肤产品制定配方的计算机化方法的流程图。

图12是根据本发明说明性实施例的针对用户制造护肤产品的方法的流程图。

图13是根据本发明说明性实施例的针对用户对第一和第二护肤产品制定配方的计算机化方法的流程图。

具体实施方式

图1是根据本发明说明性实施例的针对用户对护肤产品制定配方的计算系统100的示意图。计算系统100包括服务器计算设备104（或不同的后端计算设备）和与服务器计算设备104电子通信（例如，经由因特网）的用户计算设备108（例如，移动电话、平板或不同的前端计算设备）。在操作期间，用户计算设备108捕获反映用户的真皮信息（例如，与系统100可使用的皮肤特性相关的信息）的数据输入112，例如经由在用户计算设备108上安装的应用。在一些实施例中，数据输入112包括一个或多个真皮测量结果（例如，用户的皮肤的一个或多个水化水平测量结果和/或用户的皮肤的一个或多个油水平测量结果）和反映皮肤担忧集合（例如，皱纹、暗斑、暗圈、粉刺、日光损害、红肿或其他皮肤损害）的一个或多个其他数据输入（例如，使用用户的智能电话相机或另一摄像设备、利用可见光和/或紫外光拍摄的用户的皮肤的一个或多个照片）。在一些实施例中，数据输入112包括其他变量，诸如用户年龄、性别、种族或职业中的至少一个。在一些实施例中，数据输入112包括反映用户的位置的温度、湿度或环境紫外线指数中的至少一个的信息。在一些实施例中，数据输入112包括反映下面在图6中更详细示出和描述的附加变量中的至少一个的信息。在一些实施例中，经由用户界面（诸如，下面在图9中示出和描述的用户界面）来捕获数据输入112中的一些。

在数据输入112被捕获之后，经由电子通信（例如，在电子传输介质上）将它们发送到服务器计算设备104。服务器计算设备104接收数据输入112，并基于数据输入112来确定（例如，计算）一个或多个经变换的皮肤健康变量，例如归一化水化得分、归一化油指数得分和/或针对用户的皮肤的皮肤担忧集合的归一化严重性得分集合。所使用的具体算法可以如下面在图3-5中更详细示出的那样。服务器计算设备104然后生成包括所计算的得分的第一皮肤健康数据集（以及潜在地生成例如下面在图6中示出的类型的其他信息），并将它们存储在与服务器计算设备104电子通信的第一存储器116a中。服务器计算设备104然后使用在服务器计算设备104上操作的机器学习（例如，深度学习）框架、基于第一皮肤健康数据集来确定一个或多个第一护肤产品配方（和/或护肤例程）。在一些实施例中，机器学习框架包括gru或lstm递归神经网络和优化算法的全体。服务器计算设备104然后将该一个或多个第一护肤产品配方（和/或护肤例程）存储在与服务器计算设备104电子通信的第二存储器116b中。

在执行上面的计算之后，服务器计算设备104将所计算的第一皮肤健康数据集、所推荐的护肤产品配方和/或所推荐的护肤例程发送到用户计算设备108，以用于以推荐的形式显示给用户。推荐包括供用户利用（例如，在临时或永久的基础上）的具体例程中的一个或多个个性化护肤产品。产品可以具有专用于用户且被优化以帮助用户实现他或她的最大皮肤健康的配料和其他方面。在一些实施例中，经由用户计算设备108的用户界面（例如，以下面在图10中更详细示出和描述的形式）针对用户显示推荐。

在用户已经采用推荐达一段时间之后，所期望的是，在先数据输入112的一个或多个方面可以响应于用户采用推荐而改变。计算系统100可以接收反映在先数据输入的改变的经更新的数据输入并随时间生成进一步的皮肤健康数据集，且因而迭代地更好地定义针对用户的最优护肤推荐。在一些实施例中，服务器计算设备104可以接收反映在由用户使用该一个或多个第一护肤产品配方之后水化水平测量结果、油水平测量结果或反映皮肤担忧的皮肤照相术中的至少一个的改变的一个或多个附加数据输入。在一些实施例中，服务器计算设备104可以基于该一个或多个附加数据输入来生成第二皮肤健康数据集，例如通过下述操作：（i）由计算设备计算水化水平测量结果、油水平测量结果和归一化严重性得分的百分比改变；以及（ii）由计算设备基于第一皮肤健康数据集和百分比改变来计算第二皮肤健康数据集。在一些实施例中，服务器计算设备104可以使用在服务器计算设备104上操作的机器学习框架、基于第二皮肤健康数据集来确定一个或多个第二护肤产品配方。可以使附加存储器（例如第三存储器、第四存储器等等，对应于元件116c、116d等等）可用且与服务器计算设备104电子通信，以用于存储由服务器计算设备104生成和/或接收到的进一步信息。存储器部件116a、116b、116c、116d等可以被存储在与服务器计算设备104电子通信的单个数据库116中。

图2是图示了根据本发明说明性实施例的针对用户对护肤产品制定配方的更详细方法的流程图200。这些方法步骤可以是使用上面在图1中示出和描述的计算系统100来实现的。在第一步骤201中，用户给移动设备应用提供对摄入调查问题的答案、用户的皮肤的一个或多个照片和经由用户设备提供的一个或多个测量结果的集合。在第二步骤202中，计算设备创建皮肤健康数据集，例如，如上所描述。在第三步骤203中，计算设备计算皮肤健康度量。皮肤健康度量可以基于具有与皮肤健康度量的每一个分量相关联的点的得分卡数据集。例如，考虑下述情况：其中，得分卡中的四个数据点是吸烟习惯、严重性得分、水化指数和油指数。例如，如果一人从不吸烟，则这可以等同于100点；如果该人不非常频繁地吸烟，则这可以等同于0点。类似地，严重性得分、水化指数和油指数被转译成0-100的标度，其中0表示最不健康并且100表示最健康。因此，由于从不吸烟的人具有带有严重性得分50以及水化指数和油指数各60的一个皮肤问题（例如，褪色），因此他或她的皮肤健康度量将等于270。在第四步骤204中，计算设备确定一个或多个配料-剂量组合（参见204a），其将是有效的且合适的（例如，最有效且合适）以在给定用户的输入数据的情况下改进用户的皮肤健康，和/或计算设备确定饮食和生活方式改变，其将是有效的以在给定用户的输入数据的情况下改进用户的皮肤健康（参见204b）。在第五步骤205中，计算设备识别与先前确定的配料-剂量组合相对应的产品类型。在第六步骤206中，计算设备使产品-配料-剂量组合变窄到补集，例如，所推荐的例程。在第七步骤207中，计算设备显示针对用户的推荐，例如例程、饮食和生活方式改变。

图3是图示了根据本发明说明性实施例的针对用户的皮肤计算归一化水化指数得分的计算机化方法的流程图300。该方法可以被实现在计算设备（例如，上面在图1中示出和描述的服务器计算设备104）上。在第一步骤301中，在用户的皮肤上的一个或多个位置处（例如，在区域a、b等中，如所示的那样）取得水化测量结果。测量结果可以是通过进行角质细胞测试来采集的，该角质细胞测试使用医用粘合剂来测量皮肤的外层的皮肤“脱皮”或脱落。用户可以拍摄医用粘合剂上的所完成的测试的图片。在角质细胞测试结果的数据集上训练的计算机视觉算法可以估计皮肤的水化水平测量结果水平（例如，百分比水化）。每一个水化水平测量结果可以被变换成水化测量结果编号。在一些实施例中，还可以使用生物阻抗电气分析工具以收集输入测量结果。在第二步骤302中，对水化测量结果编号求平均。可以基于相对重要性数据集来对来自用户的面部和身体的若干部分的水化测量结果编号进行加权（例如，对于面部产品配方，面部可以具有比脖子更高的权重）。在第三步骤303中，将平均值与针对参考用户集合（例如，针对可比较的区域或皮肤位置）采集的平均水化水平的数据集进行比较，并且生成归一化水化指数得分（例如，1-9或另一适当数值标度）。在第四步骤304中，将该归一化水化指数得分用作到针对用户的皮肤健康数据集（例如，第一皮肤健康数据集）中的输入，和/或记录针对用户的皮肤健康数据集的分量。

图4是图示了根据本发明说明性实施例的针对用户的皮肤计算归一化油指数得分的计算机化方法的流程图400。该方法可以被实现在计算设备（例如，上面在图1中示出和描述的服务器计算设备104）上。在第一步骤401中，在用户的皮肤上的一个或多个位置处（例如，在区域a、b等中，区域a、b等可能对应于上面示出和描述的相同区域a、b等）取得油测量结果。测量结果可以是通过进行皮脂测试来采集的。皮脂测试可以在黑色背景上面使用吸油膜——例如，来自皮肤的油或皮脂使顶层上的膜在接触时透明，因此黑色梯度出现（梯度图案越暗，则皮肤越油腻）。用户拍摄所完成的测试的图片。在皮脂测试结果的数据集上训练的计算机视觉算法估计皮肤的原始油测量结果水平（例如，百分比油）。每一个油水平测量结果可以被变换成油测量结果编号。在一些实施例中，还可以使用光度传感器和/或生物阻抗电气分析工具以采集输入测量结果。在第二步骤402中，对油测量结果编号求平均。可以基于相对重要性数据集来对来自用户的面部和身体的多个部分的原始油测量结果进行加权（例如，如在上面描述的应用中那样，面部可以被加权得比脖子更高）。在第三步骤403中，将平均值与针对参考用户集合（例如，针对可比较的区域或皮肤位置）采集的平均油水平的数据集进行比较，并且生成归一化油指数得分（例如，1-9或另一适当数值标度）。在第四步骤404中，将该归一化油指数得分用作到针对用户的皮肤健康数据集中的输入，和/或记录针对用户的皮肤健康数据集的分量。

图5是图示了根据本发明说明性实施例的针对用户的皮肤计算归一化严重性得分集合的计算机化方法的流程图500。该方法可以是使用在计算设备（例如，上面在图1中示出和描述的服务器计算设备104）上实现的计算机视觉图来实现的。在第一步骤501中，拍摄用户的皮肤的照片，例如，在用户计算设备上或在物理存储位置中。在第二步骤502中，计算机视觉引擎确定用户的任何皮肤问题。在一个实施例中，计算机视觉引擎首先基于全局照明的二次模型来作出照明调整。其次，创建经照明调整的照片的多个拷贝，例如针对每一个皮肤问题一个拷贝。可以使用不同计算机算法以评估每一个皮肤问题。例如，为了评估用户是否具有皱纹，可以使用贾伯（gabor）或黑森（hessian）过滤器和/或图像形态学来变换图像拷贝之一。算法可以在转换成灰度之后计算图像中的白色与黑色的比率。如果比率在预设阈值以上，则算法确定用户具有皱纹。

在第三步骤503中，将照片划分成多个区域，例如区域a、区域b等。皮肤的具体区域可以被选择以测量皮肤问题的严重性（例如左脸颊、右脸颊、前额、眼睛下等）。可以在照片顶上覆盖区域地图。使用照片的经变换的拷贝，算法可以使用区域地图以将每一个经变换的图像拷贝划分成区域。在第四步骤504中，可以对于针对在步骤502中识别的每一个皮肤问题而在步骤503中识别的每一个区域指派严重性得分（例如，对于被划分成m个区域的具有n个皮肤问题的皮肤照片，严重性得分可以占据n×m矩阵）。可以针对每一个皮肤问题使用不同计算机算法以评估严重性。例如，对于具有褪色的用户，可以将图像变换到hsv色彩空间中。使用线拟合阈值方法，色素沉着显现为灰度中的白色。算法计算白色与黑色的比率。在与其他用户的数据集进行比较之后，将比率归一化到指数。在第五步骤505中，针对每一个皮肤问题计算平均严重性得分，例如，生成表示针对所识别的n个皮肤问题中的每一个的平均严重性得分集合的维度n的向量。在第六步骤506中，将该向量用作到针对用户的皮肤健康数据集中的输入，和/或记录针对用户的皮肤健康数据集的分量。

在一些实施例中，计算机视觉算法基于全局照明的二次模型来作出照明调整。计算机视觉算法分析用户的皮肤的区域（例如，面部），以确定用户是否具有皮肤问题（例如，二元确定“是”或“否”），诸如皱纹、阻塞的毛孔、皮疹（breakout）、红肿或褪色。计算机视觉算法可以基于经训练的机器学习模型，例如，异常检测模型或卷积神经网络。可以针对每一个皮肤问题使用不同的计算机算法以评估问题的严重性。作为示例，为了评估用户的皱纹，可以使用贾伯或黑森过滤器与图像形态学来变换皮肤图像的一个区域。算法然后可以在转换成灰度之后计算白色到黑色的梯度。然后，可以在与其他用户的数据集进行比较之后将梯度得分归一化到指数。作为另一示例，为了评估用户的皮肤褪色，可以将皮肤图像的一个区域变换到hsv色彩空间中。可以使用线拟合阈值方法来提取灰度中的色素沉着。算法在转换成灰度之后计算白色到黑色的梯度。在将梯度得分与其他用户的数据集进行比较之后，将梯度得分归一化到指数。

图6是图示了根据本发明说明性实施例的皮肤健康数据集的示例性分量的示意图600。皮肤健康数据集可以包括图6中包括的分量中的一个或多个。本领域技术人员将容易领会，皮肤健康和/或皮肤产品推荐之间的关联也可以使用其他变量而绘制，且会将图6中所示的示例性数据集视为显著的但不穷举所有可能皮肤变量。在一些实施例中，皮肤健康数据集包括可被细归类到下述分组中的变量：（i）体内；（ii）视觉；（ii）环境；（iv）个人历史；（v）生活方式；以及（vi）皮肤历史。变量中的每一个可以被存储在单个数据库中或被存储在分离的存储器中，例如在excel电子表格中、在纯文本文件中或者以html形式。这些变量中的每一个可以表示或提供输入的基础（例如，如上面在图1中示出和描述的112）。

在与天气和uv相关的一个示例中，计算机程序将用户的邮政编码输入到公用在线天气数据库中，并在临时数据集中存储最后三十天中的每一天的温度（华氏）值、湿度值（百分比）和uv指数。计算机算法计算这些变量中的每一个的平均值和方差。由计算机算法计算的这些数据输入中的每一个的平均值和方差被存储在第一皮肤健康数据集中。对于个人历史（例如，遗传学）和/或生活方式（例如，遗传学）数据输入中的若干数据输入，计算机算法可以将数据输入值与具有变量的预定桶（bucket）的数据表进行比较。可以进而将桶值和原始数据输入存储在第一皮肤健康数据集中。对于皮肤历史数据输入（例如，所使用的产品）中的若干数据输入，可以将用户输入匹配到官方数据库（例如，可以通过搜遍护肤产品数据库，通过手动或通过条形码将所使用的当前护肤产品匹配到官方产品名称）。在涉及用户偏好的示例中，基于对偏好指示符问题或样本配料试验的响应，可以将用户指派给偏好简档。在一个实施例中，可以使用与对简档的响应相关的数据集和计算机匹配算法以确定用户的偏好简档。在另一实施例中，使用在产品的评级和用户对护肤产品的评级上训练的协作过滤模型以将用户指派给偏好简档。

图7是图示了根据本发明说明性实施例的计算机化护肤配方设计过程的示意图700。该方法可以被实现在计算设备（例如，上面在图1中示出和描述的服务器计算设备104）上。在第一步骤701中，使用皮肤健康数据集以将用户指派给偏好简档并计算皮肤健康度量。在第二步骤702中，将皮肤健康度量和皮肤健康数据集提供给机器学习模型（例如，gru或lstm递归神经网络和优化算法的全体），并且将皮肤健康度量和皮肤健康数据集与配料-剂量组合数据集702a交叉参考。在第三步骤703中，机器学习模型输出一个或多个所预测的配料-剂量组合，例如，将导致皮肤健康度量中的最高的或最高之一的增大的组合。在第四步骤704中，参考皮肤健康数据集和具有过去可能已造成反应的潜在配料的字段，计算设备消除具有那些配料的潜在配料-剂量组合。在第五步骤705中，计算设备采用匹配算法，与偏好简档-配料组合数据集705a交叉参考。在第六步骤706中，计算设备采用匹配算法，与产品类型-配料-剂量组合数据集706a交叉参考。在第七步骤707中，计算设备生成一个或多个产品-配料-剂量组合以用于提供给用户。

图8是图示了根据本发明说明性实施例的针对用户制造个性化护肤产品的方法的示意图800。数据库801给制造系统802提供具有针对用户的唯一皮肤标识符且基于用户的唯一皮肤健康数据集的产品配方。在第一制造系统步骤803中，制造系统802根据产品配方来合成定制化护肤产品。在第二制造系统步骤804中，制造系统802瓶装定制化护肤产品。在第三制造系统步骤805中，制造系统802利用显示该至少一个配料的标签给容器加标签。然后将产品提供给用户806以用于使用。在一些实施例中，如上所描述，用户806可以提供对产品的反馈以用于重新制定配方。

图9a-9c是根据本发明说明性实施例的引出某个真皮数据的用户问卷调查的屏幕截图901、902、903。如所示的那样，屏幕截图901引出与用户的目标（例如，“关于我的皮肤学习更多”；“跟踪我的皮肤进展”；“实现我的皮肤目标”；以及“个性化配方”）和皮肤担忧（例如，“粉刺”、“阻塞/黑头”、“褪色/斑”、“干燥”、“红肿/激怒”、“日光损害”和“皱纹/细线”）有关的信息。屏幕截图902引出与用户的最重要皮肤担忧、当前产品、最喜爱产品和不喜爱产品有关的信息。屏幕截图903引出与用户的皮肤敏感度、对日光的皮肤敏感度和关于用户的皮肤的总体幸福感有关的信息。这些变量可以处于皮肤健康数据集中，且可以作为要计及的因素而并入到机器学习算法中，该机器学习算法预测什么配料-剂量将在增大用户的皮肤健康度量方面最有效。

图10是根据本发明说明性实施例的护肤产品推荐的屏幕截图1000。屏幕截图1000示出了具有希蒙得木（jojoba）的载体以及金盏花（calendula）和蓝蓟花（echium）的活性配料的护肤产品。屏幕截图1000还显示了配方的更详细分解图，例如，针对给用户示出载体或活性配料可与哪个状况或目标相关联的用户参考和标记声明了希蒙得木、金盏花和蓝蓟花的特性。该屏幕通过突出显示用户的具体皮肤状况和皮肤担忧的组合的优点，来帮助用户理解所采集的皮肤健康数据如何与他们推荐的产品-配料-剂量组合相关。

在一些实施例中，可以经由在用户计算设备上安装的另一应用或插件来自动地确定一个或多个用户输入变量并将该一个或多个用户输入变量输入到本文描述的算法中。例如，可以通过与在设备上安装的另一应用集成来提供涉及遗传学、饮食、睡眠质量、压力水平和/或在电子屏幕前面发送的时间的数据。例如，可以从dna分析服务采集遗传数据。可以通过手动输入或者从已经使用的饮食跟踪应用采集用户的当前饮食（包括膳食过敏）和饮食的改变。可以从用户已经使用的可穿戴技术采集睡眠习惯和质量。所捕获的数据可以包括睡眠质量、睡眠小时数和/或在睡眠时的静息心率。计算机算法可以计算来自在先三十天的这些数据点中的每一个的平均值和方差水平。可以从相同可穿戴技术捕获压力水平，并且所捕获的数据可以包括心率。计算机算法可以计算来自例如在先三十天的平均值和方差。

在另一示例中，屏幕前的时间可以由用户的蜂窝设备捕获。匹配算法可以将过去三十天内的每一天耗费的平均小时数归类到桶中，例如高、中和低。在一些实施例中，使用护肤产品数据库（例如，通过手动或条形码）将所使用的当前护肤产品的用户输入匹配到官方产品名称。在一些实施例中，将分析过程中的样本配料的用户选择匹配到吸收和感觉偏好简档。在任何情况下，可以经由用户自报告的对摄入调查问题的答案来在最低限度上查明许多变量（例如，落在如图6中所示的“个人历史”、“生活方式”和/或“皮肤历史”分组下的那些变量）。所有这些数据点可以被包括在第一皮肤健康数据集中，且是机器学习模型（例如，深度学习框架）使用以预测哪些配料-剂量组合将在增大用户的（一个或多个）皮肤健康度量方面最有效的因素。

在一些实施例中，计算用于由配方专家或机器制造第一护肤产品的配方指令包括：基于从皮肤图像分析、严重性得分、油和水分指数发现的问题来计算下述各项：（i）基于经训练的逻辑回归模型和分离的得分卡数据集（例如，类似于fico针对一个人的信用得分所做的内容）的皮肤健康度量；以及（ii）使用经训练的机器学习模型将皮肤健康度量与在先输入进行比较，以预测最佳产品-配料-剂量组合。训练数据集可以包括一个或多个皮肤健康度量、个体皮肤问题确定、严重性得分、油和水分指数、产品-配料-剂量推荐和/或综合得分的改变的纵向数据集。在这种数据集中，计算机可以计算综合得分的改变是否表示统计上显著的改进（例如，通过作出二元决策）。可能的计算模式包括但不限于：时间序列、逻辑模型；用于预测互补产品-配料-剂量组合的协作过滤模型；具有回路的神经网络。

在其中数据输入进一步包括反映用户的位置的温度、湿度或环境紫外线指数中的至少一个的信息的一些实施例中，用户可以在摄入过程期间输入他或她的邮政编码，并且计算设备可以将该邮政编码输入到天气数据库中并在临时数据集中存储例如过去三十天中的每一天的温度值、湿度值和uv指数。计算机算法然后可以计算这些变量中的每一个的平均值和方差。这些数字然后可以被存储在第一皮肤健康数据集中。

在其中该一个或多个数据输入包括反映皮肤健康的用户报告的评估中的至少一个的信息的一些实施例中，用户可以提供皮肤健康的自报告的评估（例如，在1至5的标度上）。在用户输入包括护理产品使用率的情况下，在摄入过程中，用户可以扫描或键入他们已使用的产品，并且计算设备可以将产品与分离的产品数据库中的完整产品名称相匹配。用户可以在摄入过程中识别一周多少天他或她使用每一个产品。用户可以从预定列表中选择他或她的具体皮肤担忧。用户可以键入他或她已对其有反应的产品或配料的名称，并且，可以将该名称与分离的产品数据库中的完整产品名称相匹配。计算机算法可以从用户对其有反应的产品中识别主要活性、防腐或潜在地有害的配料。在一些实施例中，用户识别过去使用的最喜爱产品并提供与吸收和纹理偏好有关的数据。当前使用的产品、使用频率、最喜爱过去产品、吸收和纹理偏好、以及可能已造成在先反应的潜在配料可以被存储在第一皮肤健康数据集中。

在其中该一个或多个数据输入包括用户的皮肤的至少一个弹性测量结果的一些实施例中，可以使用弹性测量设备（例如，频率振荡传感器和/或吸入压力测量设备）。用户可以取得契约值测量结果（例如，以牛顿为单位）。可以对这些契约值求平均且归一化以产生归一化弹性指数。在数据输入包括皮肤的ph的情况下，可以使用石蕊试纸和/或活化液来测量ph。可以将归一化弹性指数和ph值输入到第一皮肤健康数据集中。

在一些实施例中，参考皮肤健康数据集和具有过去可能已造成反应的潜在配料的字段，计算机算法创建不将那些配料包括在产品配方中的规则。并入该规则，计算机算法预测将导致用户的皮肤健康度量中的最高增大的配料-剂量组合。在一些实施例中，利用第一皮肤健康数据集以及饮食和生活方式改变的数据集的输入，计算机算法推荐将增大用户的皮肤健康度量的具体饮食和生活方式习惯。计算机算法利用已在包括饮食、生活方式习惯、皮肤担忧、严重性得分和皮肤健康度量的纵向数据集上训练的机器学习模型。在其中生成包括针对清洁剂、精华液、面油、保湿霜、膳食补充剂或防晒霜中的至少一个的推荐的个性化护肤例程的一些实施例中，将所推荐的配料-剂量组合的输入和配料-剂量的产品数据集匹配到产品类型，并且计算机算法将针对用户的所推荐的配料-剂量组合进行比较，并从产品数据集拉动适于所推荐的配料-剂量组合的关联产品类型。

在一些实施例中，本发明可以被实现在多个设置中，例如在物理位置中或者在家里。在物理位置中，过程可以被引导通过信息亭或位置中设备，且遵循如上所描述的相同过程。另外，用户可以在与完成分析相同的访问中接收他们的个性化产品和个性化例程。在家里设置中，用户可以在完成分析之后经由邮件来接收（一个或多个）个性化护肤产品。

示例实现方式

主体a

环境+背景数据

女，27岁，亚裔，5英尺5英寸，135磅，位于波士顿，马萨诸塞州

无已知过敏，无对护肤产品的先前反应，每日使用防晒霜，定期经历干燥和瘙痒皮肤，无近期粉刺经历

旅行常客，非吸烟者，一天饮用6杯水，素食者，高压力水平，一周锻炼2次

第一次诊断（秋季）发生在十月这个月期间

原始视觉+物理皮肤数据

技术测量

可见光成像识别前额和下巴上的皮肤的干燥、与皮肤的干燥色斑相关的前额上的褪色、前额上的红肿、在前额上和在嘴周围识别的皱纹、皮疹，不构成担忧

油测量结果前额-15%、鼻子-18%、脸颊-21%

水分测量结果前额-12%、鼻子-15%、脸颊-17%

吸收偏好将“非油性”识别为偏好，选择“快速吸收”

经变换的皮肤健康变量

油分类4指数得分，不油腻（小于35%阈值的15%、18%、21%的平均值）

水分分类3指数得分，脱水（小于30%阈值的12%、15%、17%的平均值）

褪色得分40/100

红肿得分50/100

皱纹得分60/100

皮肤健康度量：皮疹（100）+褪色（40）+红肿（50）+皱纹（50）+非吸烟（100）+水摄入（50）+高压力（25）+旅行常客（20）+素食者（70）+锻炼（40）=545

偏好简档：“非油性”匹配到简档3（“非重度、适中基础”）

配料-剂量匹配

潜在配料：

潜在基础：水剂（水）、玫瑰水、芦荟水、月见草、角鲨烷

潜在活性配料：透明质酸、抗坏血酸（维生素c）、抗坏血酸葡糖苷

（维生素c衍生物）烟酰胺、视黄醇

潜在冲突（消除全部两者的使用）：烟酰胺和抗坏血酸（被一起使用以在红肿和发红的副作用的情况下创建烟酸）

所推荐的配料-剂量组合：

配方（a-1）：水剂（水）+抗坏血酸葡糖苷8%

配方（a-2）：角鲨烷+透明质酸

偏好简档匹配：

配方（a-1）：与偏好简档3（“非重度、适中”）兼容

配方（a-2）：与偏好简档3（“非重度、适中”）兼容

产品-配料-剂量匹配：

用于解决用户的褪色、红肿、干燥的所推荐的产品：晨间精华液（a-1）、夜间精华液（a-2）

用户选择：

配方（a-1）：用户不改变所推荐的配方和产品推荐。

图11是根据本发明说明性实施例的针对用户对护肤产品制定配方的计算机化方法的流程图1100。所示出的步骤可以由计算设备（例如，上面在图1中示出和描述的计算设备104）实施。在第一步骤1101中，接收数据输入，其包括用户的皮肤的一个或多个水化水平测量结果、用户的皮肤的一个或多个油水平测量结果和反映皮肤担忧集合的用户的皮肤的照片。在第二步骤1102中，基于该一个或多个水化水平测量结果来确定归一化水化指数得分。在第三步骤1103中，基于该一个或多个油水平测量结果来确定归一化油指数得分。在第四步骤1104中，基于用户的皮肤的照片来确定与用户的皮肤担忧集合相对应的归一化严重性得分集合。在第五步骤1105中，生成第一皮肤健康数据集，其包括归一化水化指数得分、归一化油指数得分和归一化严重性得分集合。在第六步骤1106中，将第一皮肤健康数据集存储在与计算设备电子通信的第一存储器中。在第七步骤1107中，基于第一皮肤健康数据集来确定第一皮肤健康度量。在第八步骤1108中，将第一皮肤健康度量存储在与计算设备电子通信的第二存储器中。在第九步骤1109中，使用在计算设备上操作的机器学习框架、基于第一皮肤健康度量和第一皮肤健康数据集来确定一个或多个第一护肤产品配方。在第十步骤1110中，将该一个或多个第一护肤产品配方存储在与计算设备电子通信的第三存储器中。

图12是根据本发明说明性实施例的针对用户制造护肤产品的方法的流程图1200。所示的步骤可以由制造系统（例如，室内制造设施或另一设施）实施。在第一步骤1201中，制造系统接收具有针对用户的唯一皮肤标识符且基于用户的唯一皮肤健康数据集的产品配方（例如，如根据本文描述的一个或多个方法而生成），产品配方。在第二步骤1202中，制造系统根据产品配方来合成定制化护肤产品。在第三步骤1203中，制造系统将定制化护肤产品瓶装在容器中。在第四步骤1204中，制造系统利用显示配料的标签给容器加标签。

图13是根据本发明说明性实施例的针对用户对第一和第二护肤产品制定配方的计算机化方法的流程图1300。所示的步骤可以由计算设备（例如，上面在图1中示出和描述的计算设备104）实施。在第一步骤1301中，接收反映用户的真皮信息的一个或多个第一数据输入。在第二步骤1302中，基于该一个或多个第一数据输入来针对用户生成第一皮肤健康数据集，该第一皮肤健康数据集包括反映该一个或多个第一数据输入的一个或多个归一化得分。在第三步骤1303中，将第一皮肤健康数据集存储在与计算设备电子通信的第一储存器中。在第四步骤1304中，基于第一皮肤健康数据集来确定第一护肤产品配方。在第五步骤1305中，将第一护肤产品配方存储在与计算设备电子通信的第二储存器中。在第六步骤1306中，接收反映在基于第一护肤产品配方使用第一护肤产品之后第一数据输入的改变的一个或多个第二数据输入。在第七步骤1307中，基于该一个或多个第一数据输入和一个或多个第二数据输入来生成针对用户的第二皮肤健康数据集。在第八步骤1308中，将第二皮肤健康数据集存储在与计算设备电子通信的第三储存器中。在第九步骤1309中，基于第二皮肤健康数据集来确定第二护肤产品配方。在第十步骤1310中，将第二护肤产品配方存储在与计算设备电子通信的第四储存器中。

上面描述的技术可以被实现在数字和/或模拟电子电路中、或者被实现在计算机硬件、固件、软件中、或者被实现在它们的组合中。该实现方式可以作为计算机程序产品（即，以机器可读储存介质有形地体现的计算机程序），以供数据处理装置（例如，可编程处理器、计算机和/或多个计算机）执行或者以便控制该数据处理装置的操作。计算机程序可以被部署在云计算环境（例如amazon®aws、googlecloudplatform、microsoft®azure等）中。方法步骤可以由执行下述计算机程序的一个或多个处理器执行：该计算机程序通过在输入数据上操作和/或生成输出数据来执行本发明的功能。

为了提供与用户的交互，可以在与显示设备（例如，用于将信息显示给用户的等离子体或lcd（液晶显示器）监视器或移动计算设备显示器或屏幕）以及用户可借以提供输入到计算机（例如，与用户界面元件交互）的键盘和指点设备（例如鼠标、触摸板或运动传感器）通信的计算设备上实现上面描述的技术。也可以使用其他种类的设备以提供与用户的交互；例如，给用户提供的反馈可以是任何形式的感官反馈，例如视觉反馈、听觉反馈或触觉反馈；并且来自用户的输入可以以任何形式接收，该形式包括声学、话音和/或触觉输入。

上面描述的技术可以被实现在包括后端部件的分布式计算系统中。后端部件可以例如是数据服务器、中间件部件和/或应用服务器。上面描述的技术可以被实现在包括前端部件的分布式计算系统中。前端部件可以例如是客户端计算机，其具有图形用户界面、用户可借以与示例实现方式交互的网页浏览器和/或针对传输设备的其他图形用户界面。上面描述的技术可以被实现在包括这种后端、中间件或前端部件的任何组合的分布式计算系统中。

计算系统的部件可以通过传输介质而互连，该传输介质可以包括数字或模拟数据通信的任何形式或介质（例如，通信网络）。传输介质可以包括以任何配置存在的一个或多个基于分组的网络和/或一个或多个基于电路的网络。基于分组的网络可以包括例如因特网、运营商因特网协议（ip）网络（例如，局域网（lan）、广域网（wan）、校园网（can）、城域网（man）、家域网（han））、专用ip网络、ip专用分支交换机（ipbx）、无线网络（例如，无线电接入网（ran）、蓝牙、近场通信（nfc）网络、wi-fi、wimax、通用分组无线电服务（gprs）网络、hiperlan）和/或其他基于分组的网络。基于电路的网络可以包括例如公用交换电话网（pstn）、传统专用分支交换机（pbx）、无线网络（例如，ran、码分多址（cdma）网络、时分多址（tdma）网络、全球移动通信系统（gsm）网络）和/或其他基于电路的网络。

传输介质上的信息传送可以基于一个或多个通信协议。通信协议可以包括例如以太网协议、因特网协议（ip）、ip语音（voip）、对等（p2p）协议、超文本传送协议（http）、会话发起协议（sip）、h.323、媒体网关控制协议（mgcp）、信令系统#7（ss7）、全球移动通信系统（gsm）协议、一键通话（ptt）协议、蜂窝ptt（poc）协议、通用移动电信系统（umts）、3gpp长期演进（lte）和/或其他通信协议。

计算系统的设备可以包括例如计算机、具有浏览器设备的计算机、电话、ip电话、移动计算设备（例如，蜂窝电话、个人数字助理（pda）设备、智能电话、平板、膝上型计算机、电子邮件设备）和/或其他通信设备。浏览器设备包括例如具有万维网浏览器（例如，来自google,inc.的chrome™、从microsoftcorporation可用的microsoft®internetexplorer®和/或从mozillacorporation可用的mozilla®firefox）的计算机（例如，台式计算机和/或膝上型计算机）。移动计算设备包括例如来自researchinmotion的blackberry®、来自applecorporation的iphone®和/或基于android™的设备。ip电话包括例如从ciscosystem,inc.可用的cisco®unifiedipphone7985g和/或cisco®unifiedwirelessphone7920。

还应当理解，可以以各种方式组合本发明的各种方面和实施例。基于本说明书的教导，本领域技术人员可以容易地确定如何组合这些各种实施例。另外，本领域技术人员在阅读本说明书时可以想到修改。