CN101482919B - 人脸核对装置 - Google Patents

人脸核对装置 Download PDF

Info

Publication number
CN101482919B
CN101482919B CN2008101856733A CN200810185673A CN101482919B CN 101482919 B CN101482919 B CN 101482919B CN 2008101856733 A CN2008101856733 A CN 2008101856733A CN 200810185673 A CN200810185673 A CN 200810185673A CN 101482919 B CN101482919 B CN 101482919B
Authority
CN
China
Prior art keywords
people
face
checking
image
login
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.)
Expired - Fee Related
Application number
CN2008101856733A
Other languages
English (en)
Other versions
CN101482919A (zh
Inventor
日向匡史
湊善久
樱木美春
柳川由纪子
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Corp
Original Assignee
Omron Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Omron Corp filed Critical Omron Corp
Publication of CN101482919A publication Critical patent/CN101482919A/zh
Application granted granted Critical
Publication of CN101482919B publication Critical patent/CN101482919B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供一种在各种条件下都能够高效率地进行稳定的人脸核对装置。从图像输入部(10)输入图像。所输入的图像被存储在图像存储部(11)中，人脸检测部(12)从存储在图像存储部(11)中的图像检测人脸。然后，特征量提取部(13)从该检测的人脸提取特征量，分数计算部(14)计算该提取的特征量与存储在登录者信息存储部(15)中的登录者的特征量之间的类似度，作为分数。然后，分数调整部(16)使用分数调整参数调整该计算的分数，判定部(17)比较所调整的分数和预先设定的阈值，由此判定从图像输入部(10)输入的图像的人物是否是登录者。分数调整参数用于调整分数使他人引入率大致一定，而与登录条件和核对条件无关。

Description

人脸核对装置
技术领域
本发明涉及一种核对人脸图像的人脸核对装置。 
背景技术
人脸核对装置的核对精度大大依赖于登录者的登录条件和核对对象者的核对条件等。 
作为登录条件，例如有登录者的人数、该登录者的登录图像数量、拍摄登录图像的摄像装置的特性(S/N比、快门速度、曝光量、焦距、拍摄数量等)、登录图像中的人脸尺寸、照明环境、人脸器官的隐藏、人脸朝向等。 
作为核对条件，例如有自拍摄登录图像时起的经过时间、拍摄核对图像时的摄像装置的特性、核对图像的拍摄数量、核对图像中的人脸尺寸、照明环境、人脸器官的隐藏、人脸朝向、人脸检测的可信度、特征量的可信度等。 
具体地讲，在登录者以外的他人进行核对时，随着登录者的登录人数增多，多个登录者中与该他人相似的人物出现的概率提高。因此，登录者的登录人数越多，越能计算出平均值高的分数。在只设定一个用于判定核对对象者是否是登录者的阈值的情况下，由于这种分数的变动，导致他人的引入难易度(他人引入率)也变动。 
这样，他人引入率因条件而变动意味着装置的认证精度因条件而变动。为了以稳定的认证精度进行人脸核对，期望能够进行他人引入率不依赖于登录条件和核对条件的人脸核对的人脸核对装置。 
针对这种问题，以往每当设置装置时，进行求出对应于该装置的条件的分数的校正值，求出合适的阈值等的事前调整。 
但是，每当设置装置时进行调整，对于用户而言是大的负担，而且 不是很有效率。 
作为这种核对装置的示例，有专利文献1、2记载的发明。 
专利文献1：日本特开2000-163092号公报 
专利文献2：日本特开2001-101406号公报 
发明内容
本发明就是鉴于上述情况而提出的，其目的在于，提供一种能够进行稳定的人脸核对、而且不依赖于登录条件和核对条件的技术。 
为了达到上述目的，本发明采用以下结构。 
本发明涉及的第一人脸核对装置，具有：存储单元，其存储从登录者的登录图像提取的特征量的至少一人以上的特征量；特征量提取单元，其从核对对象者的核对图像提取特征量；分数计算单元，其计算表示所述登录者的特征量与所述核对对象者的特征量之间的类似度的分数；分数调整单元，其使用分数调整参数调整所述分数，以使表示核对时接受他人的概率的他人引入率、表示核对时放弃本人的概率的本人放弃率、或者作为他人引入率与本人放弃率相等的概率的相等错误率中的任一个一定，而与登录条件和/或核对条件无关；以及判定单元，其对所述调整的分数和预先设定的阈值进行比较，从而判定所述核对对象者是否是登录者。 
在本发明涉及的第一人脸核对装置中，使用分数调整参数调整由计算单元计算的分数。并且，进行该调整，使他人引入率、本人放弃率或等错误率中的任一个大致一定，而与登录条件和核对条件无关。 
虽然分数的调整怎么进行都可以，但列举一例如下，也可以对每个条件进行使用他人图像和本人图像的学习，计算分数调整参数，使用该计算出的分数调整参数调整分数。 
并且，分数调整参数只要能够赋予使他人引入率、本人放弃率或等错误率大致一定，而与登录条件和核对条件无关的效果，则可以是任何参数。即，只要登录条件和核对条件之差异导致的他人引入率等的差异，与调整前相比变小即可。如果能够进行这种转换，则可以进行登录条件 和核对条件导致的他人引入率等的变动小的人脸核对。即，根据该结构，可以减轻每当设置装置时进行调整的用户负担，可以进行高效且稳定的人脸检测。 
并且，本发明涉及的第二人脸核对装置，具有：存储单元，其存储从登录者的登录图像提取的特征量的至少一人以上的特征量；特征量提取单元，其从核对对象者的核对图像提取特征量；分数计算单元，其计算表示所述登录者的特征量与所述核对对象者的特征量之间的类似度的分数；阈值调整单元，其使用阈值调整参数调整用于判定所述核对对象者是否是登录者的预先设定的阈值，以使表示核对时接受他人的概率的他人引入率、表示核对时放弃本人的概率的本人放弃率、或者作为他人引入率与本人放弃率相等的概率的相等错误率中的任一个一定，而与登录条件和/或核对条件无关；以及判定单元，其对所述计算的分数和所述调整的阈值进行比较，从而判定所述核对对象者是否是登录者。 
在本发明涉及的第二人脸核对装置中，使用阈值调整参数调整预先设定的阈值。并且，进行该调整，使他人引入率、本人放弃率或等错误率大致一定，而与登录条件和核对条件无关。由此，可以获得与上述第一人脸核对装置获得的效果相同的效果。即，可以进行高效且稳定的人脸检测。 
优选所述登录条件至少包括：登录者的人数、该登录者的登录图像数量、拍摄所述登录图像的摄像装置的特性、或者所述登录图像中的人脸尺寸、照明环境、人脸器官的隐藏、人脸朝向或表情的变化。通过抑制这些条件中的至少任一条件导致的他人引入率等的变动，用户不需要进行有关该条件的调整，所以能够进行高效且稳定的人脸检测。 
 优选所述核对条件至少包括：自拍摄所述登录图像时起的经过时间、拍摄所述核对图像的摄像装置的特性、所述核对图像的拍摄数量、或者所述核对图像中的人脸尺寸、照明环境、人脸器官的隐藏、人脸朝向、表情的变化、人脸检测的可信度或特征量的可信度。与上述登录条件相同，通过抑制这些条件中的至少任一条件导致的他人引入率等的变动，用户不需要进行有关该条件的调整，所以能够进行高效且稳定的人脸检测。 
优选在把由分数计算单元计算的分数设为S，把调整后的分数设为S’，把登录人数设为N，把所述分数调整参数设为P时， 
S’＝S/P 
P＝f(N)＝A+B×logN 
其中，A、B：系数。 
优选在把由分数计算单元计算的分数设为S，把调整后的分数设为S’，把从登录图像检测的人脸的尺寸设为RX，把从核对图像检测的人脸的尺寸设为RX’，把所述分数调整参数设为P时， 
S’＝S/P 
P＝f(Rx，Rx’) 
其中，f(RX，RX’)在R1＜R2、R1’＜R2’、R1＝R1’、R2＝R2’时，f(R1，R2’)＝f(R2，R1’)＜f(R2，R2’)＜f(R1，R1’)。 
优选在把所述预先设定的阈值设为SL，把调整后的阈值设为SL’，把登录人数设为N，把所述阈值调整参数设为PL时， 
SL’＝SL×PL
PL＝f(N)＝A+B×logN 
其中，A、B：系数。 
优选在把所述预先设定的阈值设为SL，把调整后的阈值设为SL’，把从登录图像检测的人脸的尺寸设为RX，把从核对图像检测的人脸的尺寸设为RX’，把所述阈值调整参数设为PL时， 
SL’＝SL×PL
PL＝f(RX，RX’) 
其中，f(RX，RX’)在R1＜R2、R1’＜R2’、R1＝R1’、R2＝R2’时，f(R1，R2’)＝f(R2，R1’)＜f(R2，R2’)＜f(R1，R1’)。 
作为分数调整参数和阈值调整参数，使用上述算式，从而即使登录人数和从登录图像及核对图像检测的人脸尺寸不同时，也能够调整为使他人引入率大致一定。因此，用户在每当设置装置时不需要进行与这些条件对应的调整，所以能够进行高效且稳定的人脸核对。 
并且，本发明也可以构成为具有上述单元的至少一部分的人脸核对装置、包括上述处理的至少一部分的人脸核对方法、或者实现该方法的人脸核对程序和记录了该程序的记录介质。另外，也可以使上述单元和处理分别尽可能地相互组合来构成本发明。 
根据本发明，可以与登录条件和核对条件无关地进行稳定的人脸核对。 
附图说明
图1是表示第1实施方式涉及的人脸核对装置的功能结构的方框图。 
图2是表示第1实施方式涉及的人脸核对装置的处理流程的流程图。 
图3是表示分数调整参数的一例的图，图3(a)是表示把登录者的人数作为条件，使用多个他人图像时的分数计算结果的示意图，图3(b)是表示根据登录者的人数调整的分数的示意图。 
图4是表示分数调整参数的一例的图，图4(a)是表示把人脸尺寸作为条件，使用多个他人图像时的分数计算结果的示意图，图4(b)是表示根据人脸尺寸调整的分数的示意图。 
图5是表示根据各种登录条件和核对条件的具体示例、假定根据其条件差异产生的事项、用于与该事项对应的大致的分数调整方法的图。 
图6是表示他人引入率相对于阈值变化的变化的图。 
图7是表示他人引入率和本人放弃率相对于阈值变化的变化的图。 
图8是表示第2实施方式涉及的人脸核对装置的功能结构的方框图。 
图9是表示第2实施方式涉及的人脸核对装置的处理流程的流程图。 
图10是表示阈值调整参数的一例的图，图10(a)是表示把登录者的人数作为条件，使用多个他人图像时的分数计算结果的示意图，图10(b)是表示根据登录者的人数调整的阈值的示意图。 
图11是表示阈值调整参数的一例的图，图11(a)是表示把人脸尺寸作为条件，使用多个他人图像时的分数计算结果的示意图，图11(b)是表示根据人脸尺寸调整的阈值的示意图。 
符号说明 
10图像输入部；11图像存储部；12人脸检测部；13特征量提取部；14登录者信息存储部；15分数计算部；16分数调整部；17判定部；81阈值调整部。 
具体实施方式
以下，参照附图具体说明本发明的优选实施方式的示例。 
<第1实施方式> 
在第1实施方式中，说明为了进行高效且稳定的人脸核对，调整根据登录者的特征量和核对对象者的特征量计算的分数的结构。 
<装置结构> 
图1是表示本发明的第1实施方式涉及的人脸核对装置的功能结构的方框图。该人脸核对装置是使用人脸图像进行核对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和手机的安全装置、进行入侵者检测的监视装置、进行出入门管理和门的钥匙控制的装置等各种用途。 
第1实施方式涉及的人脸核对装置具有图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、特征量提取部13、登录者信息存储部14、分数计算部15、分数调整部16、判定部17。在本实施方式中，这些功能要素通过运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。但是，也可以利用专用的芯片构成这些功能要素。 
图像输入部10是向人脸核对装置输入登录者的人脸图像(登录图像)和核对对象者的人脸图像(核对图像)的接口，可以使用任何现有技术构成。例如，在通过网络输入登录图像和核对图像时，网络接口相当于图像输入部，在从数码照相机、扫描仪、计算机、存储装置等外部设备输入登录图像和核对图像时，通过有线或无线连接外部设备和人脸核对装置的通信接口相当于图像输入部，在从存储器、CD、DVD等记录介质输入登录图像和核对图像时，记录介质的读取器相当于图像输入部。 并且，人脸核对装置具备由CCD和CMOS传感器等构成的摄像装置，如果利用该摄像装置拍摄登录者和核对对象者，则摄像装置相当于图像输入部。 
图像存储部11是临时存储作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。 
人脸检测部12的功能是通过图像处理从图像检测人脸。人脸检测部12的人脸检测处理可以适用已有的人脸检测处理的任何技术。列举一例，有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，通过基于人脸的器官(眼、鼻、耳等)的模板匹配来检测人脸的方法，通过色度键处理来检测头部等顶点、并根据该顶点检测人脸的方法，检测接近肤色的区域并把该区域检测为人脸的方法，使用神经元网络进行基于教师信号的学习，把像人脸的区域的检测为人脸的方法等。 
特征量提取部13的功能是从由人脸检测部12检测的人脸提取特征量。特征量提取部13例如从由人脸检测部12检测的人脸检测特征点，从该特征点提取特征量。所说特征点，指嘴的两端、眼梢、大眼角、鼻尖等特征部位。特征量的类型可以采用任何类型，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，可以根据所期望的核对精度任意设定。在本实施方式中，把这些多个特征量的组合体称为向量或特征量向量。特征量提取部13的特征点检测处理可以适用已有的特征点检测处理等任何技术。列举一例可以使用以下已有的任何方法等，即，学习表示特征点的位置的模式，通过进行使用了该学习数据的匹配来检测特征点的方法，在所检测的人脸内侧通过模式匹配来检测特征点的方法等。 
登录者信息存储部14是存储从登录图像提取的特征量的存储装置。作为该存储装置，可以适用非易失性存储器和硬盘等任何具体技术。存储在登录者信息存储部14中的登录者的人数可以是一人，也可以是多人。 
另外，在登录图像和核对图像中，分别使用不同的图像输入部10、图像存储部11、人脸检测部12、特征量提取部13。 
分数计算部15的功能是比较存储在登录者信息存储部14中的登录 者的特征量和从核对图像提取的特征量，并计算分数。该分数表示登录者的特征量与核对对象者的特征量之间的类似度。 
虽然可以根据该类似度判定核对对象者是否是登录者，但根据登录条件和核对条件的不同，导致容易计算的分数的值也产生差异。因此，在核对时引入他人的概率(他人引入率)也因登录条件和核对条件而大幅变动，导致不能确保稳定的判定精度。在(后面叙述的)登录条件和核对条件可以根据装置的设置状况推测的情况下，可以根据该设置状况调整分数的校正值和用于判定核对对象者是否是登录者的阈值等，但是每当设置装置时进行这种调整的做法，并不是很有效率的。因此，在本实施方式中，通过设置以下叙述的分数调整部16来解决该问题。 
分数调整部16的功能是使用分数调整参数来调整分数。分数调整参数可以作为程序装配在该人脸核对装置中，也可以采用预先将分数调整参数存储在存储装置中，根据需要从该存储装置读出的结构。分数调整参数是可以调整分数以使他人引入率大致一定而与登录条件和核对条件无关的参数。具体地讲，分数调整参数可以设定为登录条件和核对条件等的函数。 
登录条件例如包括：登录者的人数、该登录者的登录图像数量、拍摄登录图像的摄像装置的特性、登录图像中的人脸尺寸、照明环境、人脸器官的隐藏、人脸朝向、表情的变化等。 
核对条件例如包括：自拍摄登录图像时起的经过时间、拍摄核对图像的摄像装置的特性、核对图像的拍摄数量、核对图像中的人脸尺寸、照明环境、人脸器官的隐藏、人脸朝向、表情的变化、人脸检测的可信度、特征量的可信度等。 
在本实施方式中，假设使用考虑了上述登录条件和核对条件中的任一个以上的分数调整参数。另外，关于分数调整参数将在后面使用一个示例进行具体说明。 
判定部17的功能是比较由分数调整部16调整的分数和预先设定的阈值，并判定核对对象者是否是登录者。 
<人脸核对功能> 
按照图2的流程图说明人脸核对功能的结构和处理流程。 
在起动人脸核对功能后，从图像输入部10输入核对图像(步骤S10)。所输入的核对图像被存储在图像存储部11中。 
然后，人脸检测部12从在步骤S10输入的核对图像检测人脸，确定人脸的位置和大小等(步骤S11)。 
并且，特征量提取部13从在步骤S11检测的人脸提取特征量(步骤S12)。 
然后，分数计算部15计算存储在登录者信息存储部14中的登录者的特征量、与在步骤S12提取的特征量之间的类似度(分数)(步骤S13)。 
并且，分数调整部16使用分数调整参数，调整在步骤S13计算的分数(步骤S14)。 
然后，判定部17比较在步骤S14调整的分数和预先设定的阈值，由此判定在步骤S10输入的核对图像的人物是否是登录者(步骤S15)。 
下面，说明分数调整参数的一例。 
<分数调整参数1> 
如上所述，分数调整参数用于调整由分数计算部15计算的分数。具体地讲，分数调整参数被设定为可以抑制因登录条件和核对条件的不同造成的他人引入率的变动。 
下面，说明把登录者的登录人数(1人、10人、100人)作为条件的情况。 
图3(a)是表示使用多个他人图像时的、分数计算部15的分数计算结果的示意图。图3(a)是把横轴设为“分数”、把纵轴设为“所计算的分数的概率密度”的曲线图(任一轴都根据定义方式使其值的可取范围变化。例如，在图3(a)中，进行了使分数的最大值为1的二值化)。即，图3(a)根据每个条件表示“在他人进行人脸核对时，何种程度的分数容易计算呢”。根据图3(a)的示例可知，随着登录人数的增多，容易计算的分数的值也上升。这意味着登录人数越多，登录者中与他人相似的人物出现的概率越高。 
在这种情况下，阈值1如图3(a)所示被设定为在登录人数为1人 时可以合理排除他人的值(分数)时，随着登录人数增多，在核对他人时，容易计算出比该阈值高的分数。即，导致容易把他人引入为登录者。因此，在本实施方式中，使用以下算式调整分数。 
在把由分数计算部12计算的分数设为S，把调整后的分数设为S’，把登录人数设为N，把分数调整参数设为P时， 
S’＝S/P 
P＝A+B×1ogN 
其中，A、B：系数。另外，在本实施方式中，设定系数A＝1、系数B＝0.5。 
如果使用上述分数调整参数，则可以将图3(a)所示的各个分布按照图3(b)所示调整为使彼此的分布接近。在图3(b)的示例中，可以利用阈值1，在全部条件下相同地排除他人。即，通过使用该分数调整参数，可以获得使他人引入率大致一定的效果。 
<分数调整参数2> 
下面，说明把人脸尺寸作为条件的情况。具体地讲，把登录者与核对对象者的、由人脸检测部12检测的人脸尺寸(人脸区域的像素数)之差作为条件。 
图4(a)是表示使用多个他人图像时的、分数计算部15的分数计算结果的示意图。图4(a)是把横轴设为“分数”、把纵轴设为“所计算的分数的概率密度”的曲线图。即，图4(a)根据每个条件表示“在他人进行人脸核对时，何种程度的分数容易计算呢”。 
如图4(a)所示，在登录者和核对对象者中所检测的人脸尺寸都大时，由于所检测的人脸的区域的像素数多，所以从任一方的人脸也能够提取正确的特征量。结果，能够计算合适的分数，进行精度良好的人脸核对。但是，在一方的人脸尺寸大、另一方的人脸尺寸小时，由于人脸小的区域的像素数少，所以不能从小的人脸提取正确的特征量。结果，在人脸尺寸大和小的图像中，特征量的类似度也变得低，所以计算出偏低的分数(图4(a))。并且，在人脸尺寸都小时，即使是不同人物的脸，也由于人脸的区域的像素数少，而导致不容易分辨，特征量的类似度提 高，导致计算出偏高的分数(图4(a))。 
在这种情况下，如果按照图4(a)所示将阈值2设定为在人脸尺寸都大时可以合理排除他人的值(分数)，则在人脸尺寸不同时以及都小时，都不能合理地排除他人。因此，在本实施方式中，使用以下算式调整分数。 
在把由分数计算部12计算的分数设为S，把调整后的分数设为S’，把从登录图像检测的人脸的尺寸(人脸区域的像素数)设为RX，把从核对图像检测的人脸的尺寸设为RX’，把分数调整参数设为P时， 
S’＝S/P 
P＝f(Rx，Rx’)。 
但是，与人脸尺寸都大时相比，在一方小时计算出偏低的分数，而在双方都小时计算出偏高的分数，所以设定为f(RX，RX’)在R1＜R2、R1’＜R2’、R1＝R1’、R2＝R2’时，f(R1，R2’)＝f(R2，R1’)＜f(R2，R2’)＜f(R1，R1’)。另外，在本实施方式中，设为R1＝R1’＝5万像素，R2＝R2’＝20万像素，f(R1，R2’)＝f(R2，R1’)＝0.5，f(R2，R2’)＝1，f(R1，R1’)＝2。 
如果使用上述分数调整参数，则可以将图4(a)所示的各个分布按照图4(b)所示调整为使彼此的分布接近。在图4(b)的示例中，可以利用阈值2，在全部条件下相同地排除他人。即，通过使用该分数调整参数，可以获得使他人引入率大致一定的效果。 
<其他条件的分数调整方法的具体示例> 
图5是表示根据各种登录条件和核对条件的具体示例、假定根据其条件差异产生的事项、与该事项对应的大致的分数调整方法的图。以下说明图5所示的各个条件。 
首先，说明把登录者的人数作为条件的情况。如(在分数调整参数1中)已经说明的那样，登录者的人数越多，登录者与他人相似的概率越高。因此，他人的分数被计算得偏高，导致容易引入他人。在这种情况下，作为分数调整参数，可以考虑登录者人数的越多、使分数变得更低的分数调整参数。 
下面，说明把该登录者的登录图像数量作为条件的情况。在该情况下，与把登录者的人数作为条件的情况相同，该登录者的登录图像数量越多，他人与该登录者类似的概率越高。因此，他人的分数被计算得偏高，导致容易引入他人。在这种情况下，作为分数调整参数，可以考虑在进行与登录图像数量越多的登录者的核对时使分数变得更低的分数调整参数。 
下面，说明把自拍摄登录图像时起的经过时间作为条件的情况。该经过时间指登录图像的拍摄日期时间与核对图像的拍摄日期时间之差。例如，在登录图像的拍摄日期时间与核对图像的拍摄日期时间相比非常早时，即使登录图像和核对图像是同一人物的图像，也使不大类似的概率变高(例如，在孩童时的脸与长成大人后的脸中，特征量不类似的情况居多)。因此，本人的分数被计算得偏低，导致容易放弃本人。在这种情况下，作为分数调整参数，可以考虑随着该经过时间变长而提高分数的分数调整参数。 
下面，说明把核对图像的拍摄数量作为条件的情况。该拍摄数量指核对对象者用于核对的图像的数量。例如，在输入了利用摄像机等拍摄的人脸图像时，作为人脸核对装置，采取核对对象者在该摄像机的摄像区域内的时间越长、输入越多的核对图像的结构。在该装置中，假设使用该多个输入图像中分数最高的输入图像进行核对，则所输入的图像数量越多，输入与登录者类似的人脸图像的概率越高。因此，他人的分数被计算得偏高，导致容易引入他人。在这种情况下，作为分数调整参数，可以考虑核对图像的拍摄数量越多、使分数变得更低的分数调整参数。 
下面，说明把拍摄登录图像使用的摄像装置与拍摄核对图像使用的摄像装置的S/N比作为条件的情况。与(在分数调整参数2中)已经说明的人脸尺寸相同，在任一方的图像都是利用S/N比高的摄像装置拍摄的情况下，计算出合适的分数，但在一方摄像装置的S/N比低时，计算出偏低的分数，而在双方都低时，计算出偏高的分数。因此，不能根据情况合理排除他人。在这种情况下，作为分数调整参数，可以考虑下述分数调整参数：在一方摄像装置的S/N比低时，根据S/N比之差来提高 分数，而在双方摄像装置的S/N比都低时，根据该S/N比来降低分数。 
下面，说明把拍摄登录图像使用的摄像装置与拍摄核对图像使用的摄像装置的快门速度作为条件的情况。在利用快门速度快的摄像装置拍摄时，成为暗的图像。在利用快门速度慢的摄像装置拍摄时，成为明亮的图像。因此，不能从这种图像中提取正确的特征量。即，在双方的图像均利用快门速度快(或慢)的摄像装置拍摄时，计算出偏高的分数，而在一方的图像是利用快门速度快(或慢)的摄像装置拍摄时，计算出偏低的分数。结果，不能根据情况合理排除他人。在这种情况下，作为分数调整参数，可以考虑下述分数调整参数：在一方的摄像装置的快门速度快(或慢)时，根据快门速度之差来提高分数，而在双方摄像装置的快门速度都快(或慢)时，根据该快门速度来降低分数。 
下面，说明把登录图像和核对图像的曝光度作为条件的情况。与把快门速度作为条件时相同，在曝光度低时成为暗的图像，而在曝光度高时成为明亮的图像。因此，不能从这些图像中提取正确的特征量。即，在双方的图像的曝光度都低(或高)时，计算出偏高的分数，但在一方的图像的曝光度低(或高)时，计算出偏低的分数。结果，不能根据情况合理排除他人。在这种情况下，作为分数调整参数，可以考虑下述分数调整参数：在一方的曝光度低(或高)时，根据曝光度之差来提高分数，而在双方的曝光度都低(或高)时，根据该曝光度来降低分数。 
下面，说明把焦距作为条件的情况。例如，把在登录图像和核对图像中，焦距相对于被摄体和透镜的距离是否合适作为条件。在焦距合适时，拍摄到清楚的图像，但在焦距不合适时，成为模糊的图像。因此，不能从在焦距不合适的状态下拍摄的图像中提取正确的特征量。即，在双方的图像都是在焦距不合适的状态下拍摄的图像时，计算出偏高的分数，而在一方的图像是在焦距不合适的状态下拍摄的图像时，计算出偏低的分数。结果，不能根据情况合理排除他人。在这种情况下，作为分数调整参数，可以考虑下述分数调整参数：在一方的图像是在焦距不合适的状态下拍摄的图像时，根据图像的模糊程度(模糊量)之差来提高分数，而在双方图像都是在焦距不合适的状态下拍摄的图像时，根据该 模糊量来降低分数。 
下面，说明把从登录图像和核对图像检测的人脸尺寸作为条件的情况。如(在分数调整参数2中)已经说明的那样，在双方的人脸尺寸都大的情况下，可以计算出合适的分数，但在一方的人脸尺寸小时计算出偏低的分数，而在双方都小时计算出偏高的分数。因此，不能根据情况合理排除他人。在这种情况下，作为分数调整参数，可以考虑下述分数调整参数：在一方的人脸尺寸小时，根据人脸尺寸之差来提高分数，而在双方的人脸尺寸都小时，根据该人脸尺寸来降低分数。 
下面，说明把从登录图像和核对图像检测的人脸的照明环境作为条件的情况。在照明环境为“暗淡”、“明亮”、“斜光状态”时，不能提取正确的特征量。因此，在“照明环境不是顺光状态”而且“彼此的照明环境相同”时，计算出偏高的分数。在“彼此的照明环境不同”时，计算出偏低的分数。结果，不能根据情况合理排除他人。在这种情况下，作为分数调整参数，可以考虑下述分数调整参数：在“彼此的照明环境不同”时，根据照明环境之差来提高分数，在“照明环境不是顺光状态”而且“彼此的照明环境相同”时，根据该照明环境来降低分数。 
下面，说明把从登录图像和核对图像检测的人脸的器官的隐藏(例如因头发、太阳镜、口罩等造成的人脸器官的隐藏)作为条件的情况。在所检测的人脸器官被隐藏时，不能从该器官提取正确的特征量。因此，在彼此的图像中产生相同器官的隐藏情况时，计算出偏高的分数。并且，在彼此的图像中产生不同器官的隐藏情况时，计算出偏低的分数。结果，不能根据情况合理排除他人。在这种情况下，作为分数调整参数，可以考虑下述分数调整参数：在不同器官产生隐藏时提高分数，而在相同器官产生隐藏时降低分数。另外，分数的调整量可以根据器官相对于整个人脸的隐藏比率等确定。 
下面，说明把从登录图像和核对图像检测的人脸的朝向作为条件的情况。在拍摄某一个人的人物的人脸图像并提取特征量时，该特征量因脸的朝向而不同。因此，在彼此的图像中人脸朝向相同时，可以计算出合适的分数(当然均为朝向正面的图像是理想的)，但在人脸朝向不同时， 计算出偏低的分数。因此，容易导致放弃本人。在这种情况下，作为分数调整参数，可以考虑人脸朝向的差异越大越提高分数的分数调整参数。 
下面，说明把从登录图像和核对图像检测的人脸的表情作为条件的情况。在拍摄某一个人的人脸图像并提取特征量时，该特征量因脸的表情而不同。因此，在彼此的图像中人脸表情相同时，可以计算出合适的分数(当然均为严肃的表情是理想的)，但在表情不同时，计算出偏低的分数。因此，容易导致放弃本人。在这种情况下，作为分数调整参数，可以考虑表情差异越大越提高分数的分数调整参数。 
下面，说明把从登录图像和核对图像检测的人物的身体特征(发型、身高、体型等)作为条件的情况。通过根据身体特征调整从人脸特征量(从人脸图像提取的特征量)计算的分数，可以设定为合适的值。具体地讲，在他人的人脸与登录者的人脸相似时，计算出偏高的分数。结果，不能根据情况合理排除他人。在这种情况下，作为分数调整参数，可以考虑发型、身高、体型等的差异越大越降低分数的分数调整参数。 
下面，说明把从登录图像和核对图像检测的人物的属性(性别、年龄等)作为条件的情况。通过根据属性调整从人脸特征量(从人脸图像提取的特征量)计算的分数，可以设定为合适的值。具体地讲，在他人的人脸与登录者的人脸相似时，计算出偏高的分数。结果，不能根据情况合理排除他人。在这种情况下，作为分数调整参数，可以考虑在性别、年龄等不同时降低分数的分数调整参数。另外，对于年龄，也可以为其差异越大越降低分数。 
下面，说明把从核对图像检测的人脸的可信度作为条件的情况。人脸检测的可信度例如表示所检测的人脸的人脸类似度为多少。在人脸检测的可信度高时，所检测的人脸是“人脸”的概率高。另一方面，在人脸检测的可信度低时，所检测的人脸是“非人脸”的概率高。因此，在从核对图像检测的人脸的可信度高时，可以计算出合适的分数，但在可信度低时，分数的可信度也变低。把分数的可信度低的核对对象者引入为登录者的做法，导致引入他人的概率的提高，因此这种核对对象者不应被引入。在这种情况下，作为分数调整参数，可以考虑人脸检测的可信度 越低越降低分数的分数调整参数。 
下面，说明把从核对对象者的人脸提取的特征量的可信度作为条件的情况。关于特征量的可信度，与把人脸检测的可信度作为条件时相同，在特征量的可信度高时，可以计算出合适的分数，但在可信度低时，分数的可信度也变低。把分数的可信度低的核对对象者引入为登录者的做法，导致引入他人的概率的提高，因此这种核对对象者不应被引入。在这种情况下，作为分数调整参数，可以考虑特征量的可信度越低越降低分数的分数调整参数。 
如果按照上面所述调整分数，则可以使他人引入率大致一定。用于进行这种调整的分数调整参数例如可以使用对应于各种条件的多个他人图像，预先求出(学习)“在该条件时，如果他人进行核对，则计算出多少分数呢”的情况，从而可以进行定义。并且，上述的各种条件可以分别组合，也可以与上述条件以外的条件组合。该情况时，“在组合条件下分数是如何变动的呢”的情况是非常重要的。 
另外，在本实施方式中，没有具体说明利用分数调整参数将分数调整到何种程度的情况，但只要基于条件差异的分数差异相比调整前减小，则分数的调整量可以调整到任何程度。至少通过这样调整，可以进行与调整前相比条件的影响小的稳定的人脸核对。 
另外，如果通过上述的学习等来确定分数调整参数，则可以使他人引入率更加稳定而与条件无关。例如，通过这种学习，可以根据每个条件生成图6所示的他人引入率相对于阈值的曲线图(在图6中只示例一个条件的曲线)。如图6所示，如果把阈值设为A，则他人引入率为B。关于其他条件，通过调整各个条件的分数，使在他人引入率为B时的阈值为A，则可以使他人引入率一定而与条件无关。 
另外，如果对登录者也按照各种条件进行学习，则可以获得图7所示的放弃本人的概率(本人放弃率)相对于阈值的曲线图。分数调整参数也可以是使本人放弃率大致相等而与条件无关的参数。并且，他人引入率与本人放弃率的曲线的交点被称为“等错误率”，该等错误率也是一般评价值。分数调整参数也可以是使等错误率大致相等而与条件无关的 参数。在此，所说使等错误率大致相等而与条件无关，指使等错误率时的阈值、或由等错误率和等错误率时的阈值构成的组大致相等而与条件无关。 
<第2实施方式> 
在第2实施方式中，说明为了进行高效且稳定的人脸核对，根据条件自动调整阈值的结构。 
<装置结构> 
图8是表示本发明的第2实施方式涉及的人脸核对装置的功能结构的方框图。第2实施方式涉及的人脸核对装置具有阈值调整部81，取代第1实施方式涉及的人脸核对装置所具有的分数调整部16。另外，对与在第1实施方式中说明的功能相同的功能，赋予相同符号并省略说明。 
阈值调整部81的功能是使用阈值调整参数调整预先设定的阈值。阈值调整参数可以作为程序装配在该人脸核对装置中，也可以采用将阈值调整参数预先存储在存储装置中并根据需要从该存储装置读出的结构。阈值调整参数是能够调整阈值使他人引入率大致一定而与登录条件和核对条件无关的参数。 
<人脸核对功能> 
按照图9的流程图说明人脸核对功能的结构和处理流程。 
步骤S20～S23的处理与图2中的步骤S10～S13的处理相同，所以省略说明。 
在步骤S23之后，阈值调整部81使用阈值调整参数调整预先设定的阈值(步骤S24)。 
步骤S25的处理与图2中的步骤S15的处理相同，所以省略说明。 
下面，说明阈值调整参数的一例。 
<阈值调整参数1> 
如上所述，阈值调整参数用于调整预先设定的阈值。具体地讲，阈值调整参数被设定为抑制因登录条件和核对条件的不同造成的他人引入率的变动。 
以下，说明把登录者的登录人数(1人、10人、100人)作为条件 时的情况。 
图10(a)与图3(a)相同，所以省略说明。 
在本实施方式中，使用以下算式调整阈值。 
在把预先设定的阈值设为SL，把调整后的阈值设为SL’，把登录人数设为N，把阈值调整参数设为PL时， 
SL’＝SL×PL
PL＝f(N)＝A+B×logN 
其中，A、B：系数。另外，在本实施方式中，系数A＝1，系数B＝0.5。 
如果使用上述阈值调整参数，则可以将图10(a)所示的阈值1调整为如图10(b)所示各个分布中的分布和阈值处于相同的关系的阈值。在图10(b)的示例中，将阈值调整为：在登录人数为1人时利用阈值1进行判定，在登录人数为10人时利用阈值101进行判定，在登录人数为100人时利用阈值102进行判定。由此，可以在全部条件下相同地排除他人。即，通过使用该阈值调整参数，可以获得使他人引入率大致一定的效果。 
<阈值调整参数2> 
下面，说明把登录者与核对对象者的、由人脸检测部12检测的人脸尺寸(人脸区域的像素数)之差作为条件的情况。 
图11(a)与图4(a)相同，所以省略说明。 
在本实施方式中，使用以下算式调整阈值。 
在把预先设定的阈值设为SL，把调整后的阈值设为SL’，把从登录图像检测的人脸的尺寸设为RX，把从核对图像检测的人脸的尺寸设为RX’，把阈值调整参数设为PL时， 
SL’＝SL×PL
PL＝f(RX，RX’)。 
但是，在本实施方式中，与图4的示例相同，与人脸尺寸都大时相比，在一方小时计算出偏低的分数，而在双方都小时计算出偏高的分数，因此设定为在R1＜R2、R1’＜R2’、R1＝R1’、R2＝R2’时，f(R1，R2’)＝f(R2，R1’)＜f(R2，R2’)＜f(R1，R1’)，R1＝R1’＝5万像素，R2＝R2’ ＝20万像素，f(R1，R2’)＝f(R2，R1’)＝0.5，f(R2，R2’)＝1，f(R1，R1’)＝2。 
如果使用上述阈值调整参数，则可以将图11(a)所示的阈值2调整为如图11(b)所示使各个分布中的分布和阈值处于相同的关系的阈值。在图11(b)的示例中，将阈值调整为：在人脸尺寸都大时利用阈值1进行判定，在一方的人脸图像小时利用阈值111进行判定，在双方的人脸图像都小时利用阈值112进行判定。即，通过使用该阈值调整参数，可以获得使他人引入率大致一定的效果。 
<其他条件的阈值调整方法的具体示例> 
根据上述阈值调整方法的具体示例可知，阈值的调整方法针对阈值进行与第1实施方式中的分数调整相反的处理。例如，在第1实施方式中进行减小分数的调整，而在本实施方式中进行增大阈值的调整。即，与在第1实施方式中使用图5说明的分数调整方法相反的处理就是阈值的调整方法。因此，阈值调整方法的具体示例可以参照在第1实施方式中叙述的图5的说明，所以省略说明。 
另外，阈值调整方法也与上述的分数调整方法相同，也可以使本人放弃率和等错误率一定。 

Claims (9)

1.一种人脸核对装置，该人脸核对装置具有：
存储单元，其存储从登录者的登录图像提取的特征量的至少一人以上的特征量；
特征量提取单元，其从核对对象者的核对图像提取特征量；
分数计算单元，其计算表示所述登录者的特征量与所述核对对象者的特征量之间的类似度的分数；
分数调整单元，其使用分数调整参数调整所述分数，以使表示核对时接受他人的概率的他人引入率、表示核对时放弃本人的概率的本人放弃率、或者作为他人引入率与本人放弃率相等的概率的相等错误率中的任一个一定，而与登录条件和/或核对条件无关；以及
判定单元，其对所述调整的分数和预先设定的阈值进行比较，从而判定所述核对对象者是否是登录者。
2.一种人脸核对装置，该人脸核对装置具有：
存储单元，其存储从登录者的登录图像提取的特征量的至少一人以上的特征量；
特征量提取单元，其从核对对象者的核对图像提取特征量；
分数计算单元，其计算表示所述登录者的特征量与所述核对对象者的特征量之间的类似度的分数；
阈值调整单元，其使用阈值调整参数调整用于判定所述核对对象者是否是登录者的预先设定的阈值，以使表示核对时接受他人的概率的他人引入率、表示核对时放弃本人的概率的本人放弃率、或者作为他人引入率与本人放弃率相等的概率的相等错误率中的任一个一定，而与登录条件和/或核对条件无关；以及
判定单元，其对所述计算的分数和所述调整的阈值进行比较，从而判定所述核对对象者是否是登录者。
3.根据权利要求1或2所述的人脸核对装置，其中，所述登录条件至少包括：登录者的人数、该登录者的登录图像数量、拍摄所述登录图 像的摄像装置的特性、或者所述登录图像中的人脸尺寸、照明环境、人脸器官的隐藏、人脸朝向或表情的变化。
4.根据权利要求1或2所述的人脸核对装置，其中，所述核对条件至少包括：自拍摄所述登录图像时起的经过时间、拍摄所述核对图像的摄像装置的特性、所述核对图像的拍摄数量、或者所述核对图像中的人脸尺寸、照明环境、人脸器官的隐藏、人脸朝向、表情的变化、人脸检测的可信度或特征量的可信度。
5.根据权利要求3所述的人脸核对装置，其中，所述核对条件至少包括：自拍摄所述登录图像时起的经过时间、拍摄所述核对图像的摄像装置的特性、所述核对图像的拍摄数量、或者所述核对图像中的人脸尺寸、照明环境、人脸器官的隐藏、人脸朝向、表情的变化、人脸检测的可信度或特征量的可信度。
6.根据权利要求1所述的人脸核对装置，其中，在把由分数计算单元计算的分数设为S，把调整后的分数设为S’，把登录人数设为N，把所述分数调整参数设为P时，
S’＝S/P
P＝f(N)＝A+B×logN
其中，A、B：系数。
7.根据权利要求2所述的人脸核对装置，其中，在把所述预先设定的阈值设为SL，把调整后的阈值设为SL’，把登录人数设为N，把所述阈值调整参数设为PL时，
SL’＝SL×PL
PL＝f(N)＝A+B×logN
其中，A、B：系数。
8.一种人脸核对方法，该人脸核对方法使计算机执行以下步骤：
将从登录者的登录图像提取的特征量的至少一人以上的特征量存储到存储单元；
从核对对象者的核对图像提取特征量；
计算表示所述登录者的特征量与所述核对对象者的特征量之间的类 似度的分数；
使用分数调整参数调整所述分数，以使表示核对时接受他人的概率的他人引入率、表示核对时放弃本人的概率的本人放弃率、或者作为他人引入率与本人放弃率相等的概率的相等错误率中的任一个一定，而与登录条件和/或核对条件无关；以及
对所述调整的分数和预先设定的阈值进行比较，从而判定所述核对对象者是否是登录者。
9.一种人脸核对方法，该人脸核对方法使计算机执行以下步骤：
将从登录者的登录图像提取的特征量的至少一人以上的特征量存储到存储单元；
从核对对象者的核对图像提取特征量；
计算表示所述登录者的特征量与所述核对对象者的特征量之间的类似度的分数；
使用阈值调整参数调整用于判定所述核对对象者是否是登录者的预先设定的阈值，以使表示核对时接受他人的概率的他人引入率、表示核对时放弃本人的概率的本人放弃率、或者作为他人引入率与本人放弃率相等的概率的相等错误率中的任一个一定，而与登录条件和/或核对条件无关；以及
对所述计算的分数和所述调整的阈值进行比较，从而判定所述核对对象者是否是登录者。 
CN2008101856733A 2008-01-08 2008-12-19 人脸核对装置 Expired - Fee Related CN101482919B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2008001350 2008-01-08
JP2008001350A JP2009163555A (ja) 2008-01-08 2008-01-08 顔照合装置
JP2008-001350 2008-01-08

Publications (2)

Publication Number Publication Date
CN101482919A CN101482919A (zh) 2009-07-15
CN101482919B true CN101482919B (zh) 2012-05-09

Family

ID=40548616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008101856733A Expired - Fee Related CN101482919B (zh) 2008-01-08 2008-12-19 人脸核对装置

Country Status (4)

Country Link
US (1) US8320642B2 (zh)
EP (1) EP2079039A3 (zh)
JP (1) JP2009163555A (zh)
CN (1) CN101482919B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875493A (zh) * 2017-10-12 2018-11-23 北京旷视科技有限公司 人脸识别中相似度阈值的确定方法以及确定装置

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102142087B (zh) * 2010-02-02 2015-09-09 腾讯数码（天津）有限公司 一种用户认证的方法及装置
JP5567853B2 (ja) * 2010-02-10 2014-08-06 キヤノン株式会社 画像認識装置および方法
JP5753966B2 (ja) * 2010-08-05 2015-07-22 パナソニックＩｐマネジメント株式会社 顔画像登録装置および方法
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
US9848106B2 (en) 2010-12-21 2017-12-19 Microsoft Technology Licensing, Llc Intelligent gameplay photo capture
US8996879B2 (en) 2010-12-23 2015-03-31 Intel Corporation User identity attestation in mobile commerce
JP5713821B2 (ja) 2011-06-30 2015-05-07 キヤノン株式会社 画像処理装置及び方法、並びに画像処理装置を有するカメラ
JP5829147B2 (ja) * 2012-03-01 2015-12-09 日立オムロンターミナルソリューションズ株式会社 生体認証装置および制御装置
JP6003124B2 (ja) * 2012-03-15 2016-10-05 オムロン株式会社 認証装置、認証装置の制御方法、制御プログラム、および記録媒体
JP6026119B2 (ja) * 2012-03-19 2016-11-16 株式会社東芝 生体情報処理装置
EP2645364B1 (en) * 2012-03-29 2019-05-08 Honda Research Institute Europe GmbH Spoken dialog system using prominence
JP6132490B2 (ja) * 2012-08-20 2017-05-24 キヤノン株式会社 認証装置、認証方法、およびプログラム
JP5787845B2 (ja) * 2012-08-24 2015-09-30 株式会社東芝 画像認識装置、方法、及びプログラム
US9465813B1 (en) * 2012-11-09 2016-10-11 Amazon Technologies, Inc. System and method for automatically generating albums
US10114936B2 (en) 2013-07-30 2018-10-30 Nec Corporation Information processing device, authentication system, authentication method, and program
US20150317511A1 (en) * 2013-11-07 2015-11-05 Orbeus, Inc. System, method and apparatus for performing facial recognition
JP2016009453A (ja) * 2014-06-26 2016-01-18 オムロン株式会社 顔認証装置および顔認証方法
JP6630999B2 (ja) * 2014-10-15 2020-01-15 日本電気株式会社 画像認識装置、画像認識方法、および、画像認識プログラム
JP6784261B2 (ja) * 2015-10-07 2020-11-11 日本電気株式会社 情報処理装置、画像処理システム、画像処理方法及びプログラム
CN105574500B (zh) * 2015-12-15 2019-09-27 北京眼神智能科技有限公司 提高人脸识别通过率的方法和装置
JP6700791B2 (ja) 2016-01-05 2020-05-27 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
CN106156727B (zh) * 2016-06-24 2019-07-09 厦门中控智慧信息技术有限公司 一种生物特征的识别方法和终端
KR102324468B1 (ko) 2017-03-28 2021-11-10 삼성전자주식회사 얼굴 인증을 위한 장치 및 방법
JP6849824B2 (ja) * 2017-05-31 2021-03-31 ザ プロクター アンド ギャンブル カンパニーＴｈｅ Ｐｒｏｃｔｅｒ ＆ Ｇａｍｂｌｅ Ｃｏｍｐａｎｙ セルフィーを撮影するためにユーザをガイドするためのシステム及び方法
US10210381B1 (en) * 2017-08-01 2019-02-19 Apple Inc. Multiple enrollments in facial recognition
JP6692045B2 (ja) * 2017-09-28 2020-05-13 パナソニックＩｐマネジメント株式会社 認証装置、認証システム、認証方法、及びプログラム
CN109872026A (zh) * 2018-12-14 2019-06-11 深圳壹账通智能科技有限公司 评测结果生成方法、装置、设备及计算机可读存储介质
JP7337541B2 (ja) * 2019-05-14 2023-09-04 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
CN110860007B (zh) * 2019-11-20 2021-07-02 常州市第一人民医院 一种用药核对装置及其使用方法
JP7512729B2 (ja) 2020-07-16 2024-07-09 株式会社Ｊｖｃケンウッド 画像認識装置および画像認識方法
CN112257491B (zh) * 2020-08-20 2021-12-24 江苏正赫通信息科技有限公司 自适应调度人脸识别和属性分析方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5842194A (en) * 1995-07-28 1998-11-24 Mitsubishi Denki Kabushiki Kaisha Method of recognizing images of faces or general images using fuzzy combination of multiple resolutions
CN101025788A (zh) * 2006-02-22 2007-08-29 欧姆龙株式会社 人脸对照装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1993012501A1 (en) * 1991-12-10 1993-06-24 Logitech, Inc. Apparatus and methods for automerging images
WO2002095534A2 (en) * 2001-05-18 2002-11-28 Biowulf Technologies, Llc Methods for feature selection in a learning machine
JP3422702B2 (ja) 1998-11-30 2003-06-30 株式会社エヌ・ティ・ティ・データ 話者照合方法及び装置
US6774917B1 (en) * 1999-03-11 2004-08-10 Fuji Xerox Co., Ltd. Methods and apparatuses for interactive similarity searching, retrieval, and browsing of video
JP2001101406A (ja) 1999-09-27 2001-04-13 Ntt Data Corp 一般的侵入者モデル作成方法及び装置、個人認証方法及び装置
JP4374759B2 (ja) * 2000-10-13 2009-12-02 オムロン株式会社 画像比較システムおよび画像比較装置
JP2004126812A (ja) * 2002-09-30 2004-04-22 Toshiba Corp 人物認識装置、人物認識方法および通行制御装置
JP2005182184A (ja) * 2003-12-16 2005-07-07 Toshiba Corp 人物認識装置、人物認識方法および通行制御装置
JP4140582B2 (ja) * 2004-08-19 2008-08-27 ソニー株式会社 認証装置および認証方法
US7519567B2 (en) * 2005-10-31 2009-04-14 Hewlett-Packard Development Company, L.P. Enhanced classification of marginal instances
JP2007140823A (ja) * 2005-11-17 2007-06-07 Omron Corp 顔照合装置、顔照合方法及びプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5842194A (en) * 1995-07-28 1998-11-24 Mitsubishi Denki Kabushiki Kaisha Method of recognizing images of faces or general images using fuzzy combination of multiple resolutions
CN101025788A (zh) * 2006-02-22 2007-08-29 欧姆龙株式会社 人脸对照装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JP特开2000-163092A 2000.06.16

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875493A (zh) * 2017-10-12 2018-11-23 北京旷视科技有限公司 人脸识别中相似度阈值的确定方法以及确定装置

Also Published As

Publication number Publication date
JP2009163555A (ja) 2009-07-23
US8320642B2 (en) 2012-11-27
US20090175512A1 (en) 2009-07-09
CN101482919A (zh) 2009-07-15
EP2079039A2 (en) 2009-07-15
EP2079039A3 (en) 2013-06-12

Similar Documents

Publication Publication Date Title
CN101482919B (zh) 人脸核对装置
US10430645B2 (en) Facial recognition operations based on pose
US10303866B1 (en) Automatic retries for facial recognition
US20200082157A1 (en) Periocular facial recognition switching
CN105426827B (zh) 活体验证方法、装置和***
CN105874473A (zh) 利用了脸部构成要素距离的虹膜识别用图像的取得装置和方法
US9147061B1 (en) Multi-level authentication
CN103514440A (zh) 面部识别
CN103514439A (zh) 面部识别
CN105426723A (zh) 基于声纹识别、人脸识别以及同步活体检测的身份认证方法及***
US20110169932A1 (en) Wireless Facial Recognition
CN106068514A (zh) 用于在不受约束的媒体中识别面孔的***和方法
CN103902958A (zh) 人脸识别的方法
KR102078249B1 (ko) 얼굴 인증 방법, 얼굴 인증 장치, 이를 위한 컴퓨터 프로그램
KR101700818B1 (ko) 얼굴 영상을 이용하여 나이 또는 성별을 추정하는 방법 및 장치
CN111008971B (zh) 一种合影图像的美学质量评价方法及实时拍摄指导***
CA3050456C (en) Facial modelling and matching systems and methods
CN112613471B (zh) 人脸活体检测方法、装置及计算机可读存储介质
CN110414376A (zh) 更新人脸识别模型的方法、人脸识别相机及服务器
CN107590485A (zh) 一种用于快递柜的身份验证方法、装置和取快递***
CN106255109A (zh) 路由器权限认证方法和***
AU2020100218A4 (en) Process for updating templates used in facial recognition
CN109815778A (zh) 一种基于眼部特征的身份识别电子***
CN109376662A (zh) 一种活体检测方法、***及存储介质
JP4859057B2 (ja) 画像処理装置、画像処理方法、プログラムおよび記録媒体

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120509

Termination date: 20211219

CF01 Termination of patent right due to non-payment of annual fee