CN100487720C - 人脸对照装置 - Google Patents
人脸对照装置 Download PDFInfo
- Publication number
- CN100487720C CN100487720C CNB2007100065985A CN200710006598A CN100487720C CN 100487720 C CN100487720 C CN 100487720C CN B2007100065985 A CNB2007100065985 A CN B2007100065985A CN 200710006598 A CN200710006598 A CN 200710006598A CN 100487720 C CN100487720 C CN 100487720C
- Authority
- CN
- China
- Prior art keywords
- people
- face
- characteristic quantity
- vector
- facial image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了人脸对照装置。本发明的课题是提供一种可以利用少量图像进行高可靠性的人脸登录的技术。作为解决手段,人脸特征量向量提取部(14)从新登录者的登录图像中提取特征量,生成人脸特征量向量。虚拟人脸特征量向量生成部(15)使用进行特征量空间内的坐标变换的特征量变换器,变换人脸特征量向量。并且,登录信息生成部(16)根据原始的人脸特征量向量和变换后的虚拟人脸特征量向量,生成新登录者的人脸定义信息,登录到登录信息存储部(19)中。
Description
技术领域
本发明涉及人脸对照装置,特别涉及用于向人脸对照装置登录人脸的技术。
背景技术
在应用了人脸识别技术的人脸对照装置中,在人脸的登录(训练)和对照中使用图像。因此,在登录和对照中使用的图像的拍摄条件(照明、人脸的朝向、表情、年龄等)的不同将对照精度带来很大影响。为了确保对于这些拍摄条件的差异的鲁棒性,一般期望使用在各种条件下拍摄的多个图像来进行图像的登录。
但是,由于各种条件下的拍摄给进行人脸登录的用户带来很大负担,所以不是优选方式,而且多数情况下营造所期望的拍摄条件本身就很困难。另一方面,也有使用少量图像(例如粘贴在执照和护照等上的证明照片)轻松地进行人脸登录的需要。
作为鉴于上述课题的现有技术提出了以下方法(参照专利文献1):根据输入人脸图像和平均人脸立体形状模型估计人脸的表面反射率,把该表面反射率用于人脸对照,或者根据表面反射率生成任意照明条件的图像。该方法使用作为不受照明条件影响的参数的表面反射率来消除照明条件的变动。但是,该方法只能应对照明条件的变动,在人脸对照中使用的特征量限定于表面反射率等,所以缺乏通用性。并且,由于使用人脸立体形状模型进行基于图像的变换处理,所以具有存储容量和计算成本很大的缺点。
作为其他方法提出了以下方法(参照专利文献2、非专利文献1):在基于局部空间法的人脸图像识别中,对在某个照明条件下得到的登录图像的自相关矩阵R,附加作为照明条件的变动要素模型的照明基准空间协方差矩阵C,虚拟地生成在其他照明条件下得到的图像的自相关矩阵R’。但是,该方法是特定于使用局部空间法的图像识别技术的方法,缺乏通用性。并且,由于固有值问题在维数1(即,一个登录图像)下无法解决,所以需要多个登录图像(例如,在非专利文献1中使用50个图像)。即使照明条件可以是一种,但要是必须拍摄几十张图像,人脸登录的作业负担依旧不能解决,存储容量和计算成本还是很大。
专利文献1 日本特开2002—24830号公报
专利文献2 日本特开2005—202673号公报
非专利文献1松尾贤治等三人,“仮想部分空間による照明変動を抑制した顏画像認識(基于虚拟局部空间的抑制照明变动的人脸图像识别)”,信学技报,社团法人电子信息通信学会,2004年6月18日,vol.104.No.125.p.25-30
发明内容
本发明就是鉴于上述情况而提出的,其目的在于,提供一种可以利用少量图像进行高可靠性的人脸登录的技术。
并且,本发明的其他目的在于,提供一种能够以较少的存储容量和计算成本、利用少量图像进行高可靠性的人脸登录的、通用性良好的技术。
为了达到上述目的,本发明采用以下构成。
本发明的人脸对照装置具有:存储单元,其可以存储定义登录者的脸的人脸定义信息;对照单元,其将从对照对象者的人脸图像中提取的特征量与所述存储单元内的人脸定义信息进行比较,从而进行所述对照对象者的人脸对照;登录单元,其生成新登录者的人脸定义信息,并登录在所述存储单元中。
可以登录在存储单元中的登录者(人脸定义信息)的数量可以是一个,也可以是多个。并且,对照单元的人脸对照可以是确认对照对象者是否是本人的本人认证(一对一的对照),也可以是识别对照对象者是谁的个人识别(一对多的对照)。
在上述人脸对照装置中,所述登录单元具有:特征量提取单元,其从新登录者的人脸图像中提取特征量;特征量变换单元,其使用进行特征量空间内的坐标变换的变换器,对由所述提取的特征量构成的向量进行变换;人脸定义信息生成单元,其根据所述提取的特征量和构成变换后的向量的特征量,生成所述新登录者的人脸定义信息。
该登录单元除了使用从一个人脸图像直接提取的特征量,还使用由该提取的特征量变换而得的变换后特征量,来生成人脸定义信息,所以与只根据直接提取的特征量生成人脸定义信息时相比,可以提高人脸定义信息的精度。因此,本发明(使用多个登录图像时当然不在话下)可以利用一个或几个少量的登录图像进行高可靠性的人脸登录。
其中,所说“特征量”指可以从图像中提取的表示人脸特征的参数。选择哪种特征量及使用几个特征量可以任意设定。所说“特征量空间”指以各个特征量的各个维为轴形成的多维空间。从人脸图像中提取的特征量(的组)成为该特征量空间上的点(维)。在本说明书中,为了方便把该特征量的组称为“向量”或“人脸特征量向量”。“变换器”用于进行特征量空间内的坐标变换。坐标变换例如有向量的放大、缩小、旋转、移动,这些坐标变换可以表现为几何变换矩阵。
所述变换器可以把由第1条件下拍摄的人脸图像得到的特征量向量变换为由不同于所述第1条件的第2条件下拍摄的同一人物的人脸图像得到的特征量向量。
其中,作为“条件”,可以选择给从图像提取的特征量带来影响的各种条件,例如照明(明亮度)、人脸的朝向、表情、年龄、化装方法、有无佩戴物(眼镜、口罩等)、发型、图像的分辨率等。
根据这种结构,仅通过在第1条件下拍摄新登录者,即可从该人脸图像获得第1条件下的特征量、以及在第2条件下拍摄时能得到的特征量。即,可以从一个登录图像获得多个拍摄条件下的特征量。从这些多个拍摄条件下的特征量生成人脸定义信息,从而可以提高对于拍摄条件差异的鲁棒性,可以进行高可靠性的人脸对照。
并且,在本发明中,通过向量的坐标变换这种简单的处理实现拍摄条件的变动。因此,与以往基于图像的变换处理相比,可以大幅削减存储容量和计算成本。而且,向量的坐标变换这种处理不取决于特征量的种类和人脸登录及人脸对照的方法(算法),所以认为可以通用地应用于使用特征量的所有人脸对照技术。
所述变换器在设原始的向量为V1、变换后的向量为V2时,例如由下式表示。只要设定了系数矩阵A、B,即可应对各种坐标变换(也可以称为拍摄条件的变换)。
式1
V2=A·V1+B
A、B:系数矩阵
系数矩阵A、B的设定方法没有限定。可以由人输入系数矩阵的各个值,也可以通过计算机仿真计算因条件变化造成的特征量的变化。并且,优选对于多个人实际准备第1条件、第2条件的各个人脸图像,使用统计方法从这些多个人脸图像计算系数矩阵。
例如,所述系数矩阵A、B是使用统计方法根据N人的人脸图像计算的,
设根据第i人的第1条件下拍摄的人脸图像得到的特征量向量为Vai,根据第i人的第2条件下拍摄的人脸图像得到的特征量向量为Vbi时,可以如下计算:
式2
A=E
其中,E:单位矩阵
N、i:满足1≤i≤N的整数。
或者,也可以计算如下:
式3
B=Vb-Va
其中,N、i:满足1≤i≤N的整数。
所述特征量变换单元把原始的向量变换为多个向量,所述人脸定义信息生成单元根据所述提取的特征量和构成变换后的多个向量的特征量,生成所述新登录者的人脸定义信息。由此,可以更加准确地定义新登录者的脸。
本发明也可以适用为具有上述单元中的至少一部分的人脸对照装置,还可以适用为向人脸对照装置登录人脸的人脸登录装置。并且,本发明也可以适用为包括上述处理中的至少一部分的人脸登录方法、或者用于实现这种方法的程序和记录了该程序的记录介质。另外,本发明还可以适用为用于生成在人脸登录装置和人脸登录方法中使用的变换器的变换器生成装置和变换器生成方法。此外,上述各个单元和处理可以尽可能地相互组合而构成本发明。
例如,作为本发明的一个方式的人脸登录方法,用于向人脸对照装置登录新登录者的脸,该人脸对照装置具有可以存储用于定义登录者的脸的人脸定义信息的存储单元,通过将从对照对象者的人脸图像提取的特征量与所述存储单元内的人脸定义信息进行比较,进行所述对照对象者的人脸对照,信息处理装置从新登录者的人脸图像中提取特征量,使用进行特征量空间内的坐标变换的变换器,变换由所述提取的特征量构成的向量,根据所述提取的特征量和构成变换后的向量的特征量,生成所述新登录者的人脸定义信息,将所述生成的人脸定义信息登录在所述人脸对照装置的存储单元中。
并且,作为本发明的一个方式的程序,用于向人脸对照装置登录新登录者的脸,该人脸对照装置具有可以存储定义登录者的脸的人脸定义信息的存储单元,通过将从对照对象者的人脸图像提取的特征量与所述存储单元内的人脸定义信息进行比较,进行所述对照对象者的人脸对照,该程序使信息处理装置执行以下处理:从新登录者的人脸图像中提取特征量的处理;使用进行特征量空间内的坐标变换的变换器,对由所述提取的特征量构成的向量进行变换的处理;根据所述提取的特征量和构成变换后的向量的特征量,生成所述新登录者的人脸定义信息的处理;将所述生成的人脸定义信息登录在所述人脸对照装置的存储单元中的处理。
根据本发明,可以利用少量图像进行高可靠性的人脸登录。而且,本发明的方法能够利用较少的存储容量和计算成本实现,并且通用性良好,所以能够适用于各种人脸对照装置。
附图说明
图1是表示人脸对照装置的功能结构的方框图。
图2是表示对照功能的处理流程的流程图。
图3是表示登录功能的处理流程的流程图。
图4(a)是表示只根据原始向量生成人脸定义信息时的错误判定的图,图4(b)是表示根据原始向量和虚拟向量生成人脸定义信息时的准确判定的图。
符号说明
10图像输入部;11图像存储部;12人脸检测部;13特征点检测部;14人脸特征量向量提取部;15虚拟人脸特征量向量生成部;16登录信息生成部;17对照部;18特征量变换器存储部;19登录信息存储部。
具体实施方式
以下,参照附图详细说明本发明的优选实施方式的示例。
图1是表示本发明的实施方式的人脸对照装置的功能结构的方框图。该人脸对照装置是使用人脸图像进行对照对象者的本人认证或个人识别的装置,例如可以应用于带照相机的计算机或便携电话的安全装置、进行侵入者检测的监视装置、进行出入门管理或门的上锁控制的装置等各种用途。
人脸对照装置具有图1所示的多个功能要素,即图像输入部10、图像存储部11、人脸检测部12、特征点检测部13、人脸特征量向量提取部14、虚拟人脸特征量向量生成部15、登录信息生成部16、对照部17、特征量变换器存储部18、登录信息存储部19。在本实施方式中,这些功能要素是通过计算处理装置执行软件(程序),并根据需要控制存储装置、摄像装置、输入装置等硬件资源来实现的。但是,也可以利用专用芯片构成这些功能要素。人脸对照装置通过适当组合这些功能要素,实现“对照功能”和“登录功能”这两种主要功能。以下详细地说明各个主要功能。
<对照功能>
对照功能是通过将从对照对象者的人脸图像提取的特征量与预先登录的登录者的人脸定义信息进行比较来进行对照对象者的人脸对照的功能。在本实施方式中,对照功能由图像输入部10、图像存储部11、人脸检测部12、特征点检测部13、人脸特征量向量提取部14、对照部17、登录信息存储部19构成。
按照图2所示的流程图说明对照功能的构成和处理流程。
在对照功能起动后,从图像输入部10输入对照对象者的人脸图像(以下称为“对照图像”)(步骤S10)。所输入的对照图像存储在图像存储部11中。
图像输入部10是向人脸对照装置输入图像用的接口,可以使用任何现有技术构成。例如,在通过网络输入图像时,网络接口即对应于图像输入部,在从数字照相机、扫描仪、计算机、存储装置等外部设备输入图像时,通过有线或无线的方式连接外部设备和人脸对照装置的通信接口对应于图像输入部,在从存储器、CD、DVD等记录介质输入图像时,记录介质的读取器对应于图像输入部。并且,人脸对照装置具备由CCD或CMOS传感器等构成的摄像装置,如果利用该摄像装置拍摄对象者,则摄像装置对应于图像输入部。
图像存储部11是暂时存储成为处理对象的图像的存储装置。作为该存储装置,可以适用易失性存储器和非易失性存储器等任何具体技术。
然后,人脸检测部12从对照图像检测人的脸,确定人脸的位置和大小等(步骤S11)。
人脸检测部12的人脸检测处理可以应用已有的任何技术。列举一个示例有以下方法,(1)通过使用了对应于人脸整体轮廓的基准模板的模板匹配来检测人脸的方法,(2)通过基于人脸器官(眼睛、鼻子、耳朵等)的模板匹配来检测人脸的方法,(3)通过色键处理检测头部等的顶点,根据该顶点检测人脸的方法,(4)检测接近肤色的区域,检测出该区域作为人脸的方法,(5)使用神经网络进行基于训练信号的学习,检测出类似人脸的区域作为人脸的方法,等等。也可以不自动检测人脸,而由人指定人脸的位置和大小。另外,在从图像中检测多个人的脸的情况下,可以根据人脸的大小、朝向、位置等的预定基准确定成为处理对象的人脸。
然后,特征点检测部13从通过人脸检测部12检测出的人脸中检测多个特征点(步骤S12)。特征点是指成为特征量的提取基准的点,预先确定把人脸中的哪个点选择为特征点。例如,把眼睛的中心、鼻子的顶点、嘴的端点等多个部位选择为特征点。
特征点检测部13的特征点检测处理可以应用已有的任何技术。列举一例有以下方法,(1)预先学习表示特征点的位置的图形,通过进行使用了该学习数据的匹配来检测特征点的方法,(2)通过在所检测出的人脸内侧进行边缘检测和图形匹配,检测人脸的器官的端点,把其作为基准来检测特征点的方法等。也可以不自动检测特征点,而由人指定人脸器官或特征点的位置。
然后,人脸特征量向量提取部14以所检测出的特征点为基础提取特征量(步骤S13)。特征量的种类可以采用任何类型。例如,可以把特征点附近的浓淡值及其周期性和方向性、特征点的位置关系等用作特征量。关于特征量的数量,可以根据期望的对照精度任意设定。一般提取几十~几百个特征量。这样从图像中提取的特征量的组被称为人脸特征量向量。可以说人脸特征量向量是把人脸特征数值化后的产物。与人脸特征因人而异相同,人脸特征量向量的倾向(朝向、大小)也因人而异。
对照部17将从对照图像得到的人脸特征量向量与登录在登录信息存储部19中的登录者的人脸定义信息进行比较,进行人脸对照,输出其判定结果(步骤S14)。另外,在登录信息存储部19中预先登录有一个或多个登录者的人脸定义信息。人脸定义信息是定义登录者的脸(即从登录者的脸提取的人脸特征量向量的倾向)的信息。
关于对照部17的人脸对照处理也可以应用已有的任何技术。例如,在本人认证的情况下,可以计算对照图像的人脸特征量向量和登录者(本人)的人脸定义信息之间的类似度,在该类似度大于规定阈值时判定为本人。在个人识别的情况下,可以对多个登录者分别计算类似度,根据类似度的大小判定对照对象者对应于哪个登录者。
该对照部17的人脸对照的精度在很大程度上受人脸定义信息的精度(可靠性)的影响。下面,说明负责人脸定义信息的生成及登录的登录功能。
<登录功能>
登录功能是生成新登录者的人脸定义信息并登录到装置中的功能。在本实施方式中,登录功能由图像输入部10、图像存储部11、人脸检测部12、特征点检测部13、人脸特征量向量提取部14、虚拟人脸特征量向量生成部15、登录信息生成部16、特征量变换器存储部18构成。
按照图3所示的流程图说明登录功能的构成和处理流程。
在登录功能起动后,从图像输入部10输入新登录者的人脸图像(以下称为“登录图像”)(步骤S20)。所输入的登录图像存储在图像存储部11中。
然后,入脸检测部12从登录图像中检测人的脸,特征点检测部13检测特征点,人脸特征量向量提取部14计算新登录者的人脸特征量向量(步骤S21~S23)。关于从人脸图像中提取特征量的一系列处理与人脸对照时的处理相同。
然后,虚拟人脸特征量向量生成部15从特征量变换器存储部18读出对应的特征量变换器(步骤S24),使用该特征量变换器变换在步骤S23中得到的人脸特征量向量(步骤S25)。
特征量变换器用于进行特征量空间内的坐标变换。在根据对同一人进行拍摄得到的两个人脸图像分别计算出入脸特征量向量后,如果两个图像的拍摄条件相同,则人脸特征量向量的倾向(朝向、大小)也大致相同。但是,如果拍摄条件(例如照明、人脸的朝向、表情、年龄、化妆方法、有无佩戴物、发型、图像的分辨率等)不同,则对应于该条件差异的倾向差异也反映于人脸特征量向量中。特征量变换器的坐标变换用于虚拟地求出因这种拍摄条件差异造成的人脸特征量向量的变化。换言之,可以说特征量变换器是用于把根据某个条件下拍摄的人脸图像得到的人脸特征量向量变换为根据其他条件下拍摄的同一人物的人脸图像得到的人脸特征量向量。以下,把变换前的条件称为“原始条件”,把变换后的条件称为“虚拟条件”,把变换前的人脸特征量向量称为“原始向量”,把变换后的入脸特征量向量称为“虚拟向量”。
特征量变换器的变换特性由原始条件和虚拟条件的组合确定。但是,由于拍摄条件被假设为无数个,所以想要全部包罗原始条件和虚拟条件的组合是不现实的。因此,在本实施方式中,选择多个原始条件和虚拟条件的代表性组合,预先对各种组合生成特征量变换器(具体的生成方法在后面叙述),并存储在特征量变换器存储部18中。在步骤S24中,虚拟人脸特征量向量生成部15从特征量变换器存储部18中的多个特征量变换器中,选择具有与登录图像的拍摄条件相同的原始条件的变换器,生成虚拟向量。
另外,也可以考虑确定登录图像的拍摄条件的各种方法。例如,对照明条件提示“室内/室外”“明亮/昏暗”,对人脸的朝向提示“正面/斜向/横向”,如此提示多个条件候选,使用户输入条件。或者,也可以根据从登录图像得到的特征量自动判断拍摄条件。
通过上述处理根据原始向量生成一个或多个虚拟向量后,登录信息生成部16根据原始向量和虚拟向量(即,根据从登录图像直接提取的特征量和变换后的特征量),生成新登录者的人脸定义信息,并登录在登录信息存储部19中(步骤S26)。
这样生成的人脸定义信息不仅考虑了登录图像的拍摄条件(原始条件),也考虑了其他拍摄条件(虚拟条件)。因此,与只根据原始向量生成人脸定义信息时相比,可以提高人脸定义信息的精度,进而可以提高人脸对照的判定精度。
图4表示(a)只根据原始向量生成人脸定义信息时与(b)根据原始向量和虚拟向量生成人脸定义信息时的精度比较。图4示例了使用在条件1下拍摄的登录图像进行了A先生和B先生的人脸登录后,在其他条件下进行A先生的人脸对照的情况。图中,PA表示根据A先生的登录图像得到的原始向量,PAx表示根据原始向量PA生成的虚拟向量,FA表示A先生的人脸定义信息。并且,PB表示根据B先生的登录图像得到的原始向量,PBx表示从原始向量PB生成的虚拟向量,FB表示B先生的人脸定义信息。S表示根据A先生的对照图像得到的人脸特征量向量。此处,为了方便说明,示出由X、Y这两个特征量构成的二维特征量空间,但在实际的装置中可以使用几十~几百维的特征量空间。
从登录图像得到的原始向量PA、PB只不过是特征量空间上的一点,所以很难仅根据原始向量PA、PB准确地确定人脸定义信息FA、FB的外延。因此,想要使用在与登录图像不同的条件下拍摄的对照图像进行人脸对照时,如图4(a)所示,尽管是A先生的对照图像,但也有可能错误判定为是B先生的脸。
对此,如图4(b)所示,根据条件1的原始向量PA、PB生成其他条件2、3、4的虚拟向量PA2~PA4、PB2~PB4,根据这些多个条件的人脸特征量向量生成人脸定义信息FA、FB,从而可以确定更加准确的外延。由此,可以提高针对拍摄条件差异的鲁棒性。即使使用与登录图像不同的条件下的对照图像,也能够准确地进行判定。
在本实施方式的方法中,通过人脸特征量向量的坐标变换这种简单的处理实现拍摄条件的变动(即,基于特征量的变换处理)。因此,与以往基于图像的变换处理相比,可以大幅削减存储容量和计算成本。而且,人脸特征量向量的坐标变换这种处理不依赖于特征量的种类和人脸登录及人脸对照的方法(算法),所以被认为可以通用地适用于使用特征量的所有人脸对照技术。
<特征量变换器>
设原始的人脸特征量向量为V1、变换后的人脸特征量向量为V2时,特征量变换器由下式表示。
式4
V2=A·V1+B
A、B:系数矩阵
只要设定了系数矩阵A、B就可以应对各种坐标变换。系数矩阵A、B的计算方法没有限定,但是,此处示例了使用统计方法根据不同条件下准备的N人的人脸图像计算系数矩阵A、B的两种方法。以下,把原始条件称为“第1条件”,把变换后的条件称为“第2条件”。
(方法1)
方法1是使用起因于条件变化的人脸特征量向量移动量的平均求出系数矩阵的方法。
首先,对于N人的样本,分别准备在第1条件下拍摄的人脸图像、和在第2条件下拍摄的人脸图像。从这些人脸图像求出人脸特征量向量。人脸特征量向量的计算方法与图2和图3所示方法相同。
设根据第i人的第1条件下拍摄的人脸图像得到的特征量向量为Vai,根据第i人的第2条件下拍摄的人脸图像得到的特征量向量为Vbi时,系数矩阵A、B可以计算如下:
式5
A=E
其中,E:单位矩阵
N、i:满足1≤i≤N的整数。
(方法2)
方法2是使用一元回归分析求出系数矩阵的方法。与方法1相同,使用所求出的N入的人脸特征量向量Vai、Vbi,按照以下所示计算系数矩阵A、B。
式6
B=Vb-Va
其中,N、i:满足1≤i≤N的整数。
另外,作为统计分析方法,不限于一元回归分析,也可以采用多元回归分析、典型相关分析等其他方法。
进行特征量变换器的生成的变换器生成功能可以安装在人脸对照装置上,也可以是独立于人脸对照装置的构成。在安装于人脸对照装置上时,变换器生成功能可以利用图像输入部10、图像存储部11、人脸检测部12、特征点检测部13、人脸特征量向量提取部14等构成要素。
在上述实施方式中,为了根据原始向量生成对应多个条件的多个虚拟向量,使用变换特性不同的多个特征量变换器。但是,也可以通过变更特征量变换器的参数来改变变换特性,使用单一的特征量变换器生成多个虚拟向量。
Claims (9)
1.一种人脸对照装置,其具有:
存储单元,其可以存储定义登录者的脸的人脸定义信息;
对照单元,其将从对照对象者的人脸图像中提取的特征量与所述存储单元内的人脸定义信息进行比较,从而进行所述对照对象者的人脸对照;
登录单元,其生成新登录者的人脸定义信息并登录到所述存储单元中,
所述登录单元具有:
特征量提取单元,其从新登录者的人脸图像中提取特征量;
特征量变换单元,其使用进行特征量空间内的坐标变换的变换器,对由所述提取的特征量构成的向量进行变换;
人脸定义信息生成单元,其根据所述提取的特征量和构成变换后的向量的特征量,生成所述新登录者的人脸定义信息。
2.根据权利要求1所述的人脸对照装置,其中,所述变换器把根据第1条件下拍摄的人脸图像得到的特征量向量变换为根据不同于所述第1条件的第2条件下拍摄的同一人物的人脸图像得到的特征量向量。
3.根据权利要求1所述的人脸对照装置,其中,设原始的向量为V1、变换后的向量为V2时,所述变换器为:
V2=A·V1+B
A、B:系数矩阵。
4.根据权利要求3所述的人脸对照装置,其中,所述系数矩阵是使用统计方法根据多个人的人脸图像计算出的。
5.根据权利要求3所述的人脸对照装置,其中,所述系数矩阵A、B是使用统计方法根据N个人的人脸图像计算出的,
设根据第i人的第1条件下拍摄的人脸图像得到的特征量向量为Vai,根据第i人的第2条件下拍摄的人脸图像得到的特征量向量为Vbi时,如下计算:
A=E
其中,E:单位矩阵
N、i:满足1≤i≤N的整数。
6.根据权利要求3所述的人脸对照装置,其中,所述系数矩阵A、B是使用统计方法根据N人的人脸图像计算出的,
设根据第i人的第1条件下拍摄的人脸图像得到的特征量向量为Vai,根据第i人的第2条件下拍摄的人脸图像得到的特征量向量为Vbi时,如下计算:
B=Vb-Va
其中,N、i:满足1≤i≤N的整数
7.根据权利要求1所述的人脸对照装置,其中,所述特征量变换单元把原始的向量变换为多个向量,
所述人脸定义信息生成单元根据所述提取的特征量和构成变换后的多个向量的特征量,生成所述新登录者的人脸定义信息。
8.一种人脸登录方法,用于向人脸对照装置登录新登录者的脸,该人脸对照装置具有可以存储定义登录者的脸的人脸定义信息的存储单元,通过将从对照对象者的人脸图像提取的特征量与所述存储单元内的人脸定义信息进行比较,进行所述对照对象者的人脸对照,
该人脸登录方法包括如下步骤:
从新登录者的人脸图像中提取特征量,
使用进行特征量空间内的坐标变换的变换器,对由所述提取的特征量构成的向量进行变换,
根据所述提取的特征量和构成变换后的向量的特征量,生成所述新登录者的人脸定义信息,以及
将所述生成的人脸定义信息登录到所述人脸对照装置的存储单元中。
9.根据权利要求8所述的人脸登录方法,其中,所述变换器把根据第1条件下拍摄的人脸图像得到的特征量向量变换为根据不同于所述第1条件的第2条件下拍摄的同一人物的人脸图像得到的特征量向量。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006045723A JP4951995B2 (ja) | 2006-02-22 | 2006-02-22 | 顔照合装置 |
JP2006045723 | 2006-02-22 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101025788A CN101025788A (zh) | 2007-08-29 |
CN100487720C true CN100487720C (zh) | 2009-05-13 |
Family
ID=38110061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2007100065985A Active CN100487720C (zh) | 2006-02-22 | 2007-02-05 | 人脸对照装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US7853052B2 (zh) |
EP (1) | EP1826706A3 (zh) |
JP (1) | JP4951995B2 (zh) |
CN (1) | CN100487720C (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4951995B2 (ja) * | 2006-02-22 | 2012-06-13 | オムロン株式会社 | 顔照合装置 |
JP2009163555A (ja) * | 2008-01-08 | 2009-07-23 | Omron Corp | 顔照合装置 |
US20110227923A1 (en) * | 2008-04-14 | 2011-09-22 | Xid Technologies Pte Ltd | Image synthesis method |
US9405995B2 (en) * | 2008-07-14 | 2016-08-02 | Lockheed Martin Corporation | Method and apparatus for facial identification |
JP5371083B2 (ja) | 2008-09-16 | 2013-12-18 | Kddi株式会社 | 顔識別特徴量登録装置、顔識別特徴量登録方法、顔識別特徴量登録プログラム及び記録媒体 |
CN101365102B (zh) * | 2008-10-14 | 2012-12-05 | 北京中星微电子有限公司 | 基于视频内容识别的收视率统计的方法和*** |
JP5434708B2 (ja) | 2010-03-15 | 2014-03-05 | オムロン株式会社 | 照合装置、デジタル画像処理システム、照合装置制御プログラム、コンピュータ読み取り可能な記録媒体、および照合装置の制御方法 |
JP2012058954A (ja) * | 2010-09-08 | 2012-03-22 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
JP5214762B2 (ja) * | 2011-03-25 | 2013-06-19 | 株式会社東芝 | 認識装置、方法及びプログラム |
JP6225460B2 (ja) * | 2013-04-08 | 2017-11-08 | オムロン株式会社 | 画像処理装置、画像処理方法、制御プログラムおよび記録媒体 |
CN103345599A (zh) * | 2013-06-19 | 2013-10-09 | 天津汉柏信息技术有限公司 | 基于人脸识别技术的虚拟桌面登录方法 |
JP6268960B2 (ja) * | 2013-11-15 | 2018-01-31 | オムロン株式会社 | 画像認識装置及び画像認識装置に対するデータ登録方法 |
JP6264008B2 (ja) * | 2013-12-12 | 2018-01-24 | オムロン株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
US20160314290A1 (en) * | 2013-12-23 | 2016-10-27 | Intel Corporation | Computing device authentication based on user's hair follicle pattern |
CN104408746B (zh) * | 2014-11-21 | 2017-07-14 | 安徽清新互联信息科技有限公司 | 一种基于深度信息的客流统计*** |
CN105844267A (zh) * | 2016-06-14 | 2016-08-10 | 皖西学院 | 一种人脸面部识别算法 |
US10181073B2 (en) * | 2016-06-29 | 2019-01-15 | Intel Corporation | Technologies for efficient identity recognition based on skin features |
JP6765884B2 (ja) * | 2016-07-15 | 2020-10-07 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
US10762665B2 (en) * | 2018-05-23 | 2020-09-01 | Perfect Corp. | Systems and methods for performing virtual application of makeup effects based on a source image |
US11176597B2 (en) * | 2018-10-30 | 2021-11-16 | Ncr Corporation | Associating shoppers together |
JP7034452B2 (ja) * | 2019-05-30 | 2022-03-14 | playground株式会社 | チケット発券システム、検札装置、およびプログラム |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3163185B2 (ja) * | 1992-11-27 | 2001-05-08 | 株式会社東芝 | パターン認識装置およびパターン認識方法 |
JP3848749B2 (ja) * | 1997-08-13 | 2006-11-22 | 松下電器産業株式会社 | 画像検索装置 |
US6480841B1 (en) * | 1997-09-22 | 2002-11-12 | Minolta Co., Ltd. | Information processing apparatus capable of automatically setting degree of relevance between keywords, keyword attaching method and keyword auto-attaching apparatus |
EP0944018B1 (en) * | 1998-03-19 | 2011-08-24 | Panasonic Corporation | Method and apparatus for recognizing image pattern, method and apparatus for judging identity of image patterns, recording medium for recording the pattern recognizing method and recording medium for recording the pattern identity judging method |
JP2002024830A (ja) | 2000-07-05 | 2002-01-25 | Nec Corp | 画像照合装置、方法及びコンピュータ読み取り可能な記憶媒体 |
JP2002342758A (ja) * | 2001-05-15 | 2002-11-29 | Osamu Hasegawa | 視覚認識システム |
KR100456619B1 (ko) * | 2001-12-05 | 2004-11-10 | 한국전자통신연구원 | 에스.브이.엠(svm)을 이용한 얼굴 등록/인증 시스템 및방법 |
JP3903783B2 (ja) * | 2001-12-14 | 2007-04-11 | 日本電気株式会社 | 顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置 |
KR100571826B1 (ko) * | 2003-12-02 | 2006-04-17 | 삼성전자주식회사 | 대용량 얼굴 인식 장치 및 방법 |
JP4222558B2 (ja) | 2004-01-15 | 2009-02-12 | Kddi株式会社 | 画像認識装置 |
JP4951995B2 (ja) * | 2006-02-22 | 2012-06-13 | オムロン株式会社 | 顔照合装置 |
KR100819027B1 (ko) * | 2006-04-26 | 2008-04-02 | 한국전자통신연구원 | 얼굴 영상을 이용한 사용자 인증 방법 및 장치 |
-
2006
- 2006-02-22 JP JP2006045723A patent/JP4951995B2/ja not_active Expired - Fee Related
-
2007
- 2007-01-04 EP EP07250019A patent/EP1826706A3/en not_active Withdrawn
- 2007-02-05 CN CNB2007100065985A patent/CN100487720C/zh active Active
- 2007-02-20 US US11/708,024 patent/US7853052B2/en not_active Expired - Fee Related
Non-Patent Citations (1)
Title |
---|
JP2000-222572A 2000.08.11 * |
Also Published As
Publication number | Publication date |
---|---|
EP1826706A2 (en) | 2007-08-29 |
JP4951995B2 (ja) | 2012-06-13 |
US20070196001A1 (en) | 2007-08-23 |
JP2007226441A (ja) | 2007-09-06 |
US7853052B2 (en) | 2010-12-14 |
CN101025788A (zh) | 2007-08-29 |
EP1826706A3 (en) | 2010-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100487720C (zh) | 人脸对照装置 | |
CN105022835B (zh) | 一种群智感知大数据公共安全识别方法及*** | |
CN103116763B (zh) | 一种基于hsv颜色空间统计特征的活体人脸检测方法 | |
CN104732601B (zh) | 一种基于人脸识别技术的高识别率自动考勤装置及方法 | |
Alnajar et al. | Learning-based encoding with soft assignment for age estimation under unconstrained imaging conditions | |
CN105740808B (zh) | 人脸识别方法和装置 | |
CN106295591A (zh) | 基于人脸图像的性别识别方法及装置 | |
CN103605972A (zh) | 一种基于分块深度神经网络的非限制环境人脸验证方法 | |
CN106960176B (zh) | 一种基于超限学习机和颜色特征融合的行人性别识别方法 | |
CN103839042A (zh) | 人脸识别方法和人脸识别*** | |
CN102867191A (zh) | 一种基于流形子空间学习的降维方法 | |
US10423817B2 (en) | Latent fingerprint ridge flow map improvement | |
CN104077590A (zh) | 一种视频指纹提取方法及*** | |
CN108875907A (zh) | 一种基于深度学习的指纹识别方法和装置 | |
Yang et al. | Recognizing clothes patterns for blind people by confidence margin based feature combination | |
CN105893952A (zh) | 基于pca方法的手写签名识别方法 | |
CN104050628A (zh) | 图像处理方法和图像处理装置 | |
CN113886792A (zh) | 一种声纹识别和人脸识别相结合的印控仪应用方法和*** | |
CN105844204B (zh) | 人体行为识别方法和装置 | |
CN107944363A (zh) | 人脸图像处理方法、***及服务器 | |
CN102129557A (zh) | 一种基于lda子空间学习的人脸识别方法 | |
CN109492573A (zh) | 一种指针读取方法及装置 | |
CN112329698A (zh) | 一种基于智慧黑板的人脸识别方法和*** | |
CN108596068B (zh) | 一种动作识别的方法和装置 | |
Liu | Fingerprint analysis and singular point definition by deep neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |