JP2007323104A - 目の状態判別方法および装置ならびにプログラム - Google Patents
目の状態判別方法および装置ならびにプログラム Download PDFInfo
- Publication number
- JP2007323104A JP2007323104A JP2006149201A JP2006149201A JP2007323104A JP 2007323104 A JP2007323104 A JP 2007323104A JP 2006149201 A JP2006149201 A JP 2006149201A JP 2006149201 A JP2006149201 A JP 2006149201A JP 2007323104 A JP2007323104 A JP 2007323104A
- Authority
- JP
- Japan
- Prior art keywords
- eye
- image
- open
- face
- detected
- 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.)
- Withdrawn
Links
Images
Landscapes
- Image Processing (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
【課題】画像内の顔の検出について誤検出率を低く保ちつつ高速化を図る。
【解決手段】全体画像Pから顔画像FPが検出され、この顔画像FPから目が存在すべき存在領域ERが抽出される。その後、抽出した存在領域ER内に開いた目が存在するか否かが判断され、存在する場合には目が開いている状態であると判別され、存在しない場合には目が閉じている状態であると判別される。
【選択図】図1
【解決手段】全体画像Pから顔画像FPが検出され、この顔画像FPから目が存在すべき存在領域ERが抽出される。その後、抽出した存在領域ER内に開いた目が存在するか否かが判断され、存在する場合には目が開いている状態であると判別され、存在しない場合には目が閉じている状態であると判別される。
【選択図】図1
Description
本発明は、顔画像の目が開いている状態であるか閉じている状態であるかを判別する目の状態判別方法および装置ならびにプログラムに関するものである。
現在、デジタルカメラにより取得された画像から目の状態を検出し、目が閉じている場合には撮影をやり直すことができるように、デジタルカメラのモニタを介して撮影者にアドバイスし、もしくは閉じた目の部分を開いた目に合成する等を行うことが提案されている。このとき、画像から顔を検出する方法もしくは顔の中から目を検出する方法として、ニューラルネットワークを用いた検出方法の他にブースティング(Boosting)アルゴリズムによる検出方法が用いられる(特許文献1,2参照)。
このブースティングアルゴリズムは複数の弱い判別器(弱判別器)を結合することにより1つの強い判別器を形成する2クラス判別器の学習方法であって、無数のパターンの中から検出すべき1つの対象物を選択するものである。
米国特許出願公開2002/102024号明細書
米国特許出願公開2005/13479号明細書
しかし、特許文献1、2に示すようなブースティングアルゴリズムは、対象物であるか否かを判断するものであって、対象物Aであるか対象物Bであるかを分類することは前提としていない。具体的には、ブースティングアルゴリズムを用いて目が開いているか閉じているかの判別を行う場合、開いた目である画像であるかそれ以外の画像であるかという分類が行われる。つまり、開いた目以外の画像は、たとえば閉じた目と目尻のシワのように種類が違うものであっても「開いた目ではない」という同じカテゴリーに分類されてしまい、閉じた目の判別が困難になってしまうという問題がある。同様に、閉じた目であるか否かを判別した場合にも開いた目の判別が困難になってしまうという問題がある。
さらに、上記ブースティングアルゴリズムに限らず、閉じた目はほぼ線状の形状を有し目尻のシワと形状が似ているため検出が難しいという問題がある。
そこで、本発明は、目が開いた状態なのか閉じた状態なのかを精度良く判別することができる目の状態判別方法および装置ならびにプログラムを提供することを目的とするものである。
本発明の目の状態判別方法は、全体画像に含まれる顔画像を検出し、検出した顔画像の輪郭から目が存在すべき存在領域を抽出し、抽出した存在領域内に開いた目が存在するか否かを検出し、存在領域内から開いた目が検出されたときに目が開いている状態であると判別し、検出されなかったときに目が閉じている状態であると判別することを特徴とするものである。
本発明の目の状態判別装置は、全体画像に含まれる顔画像を検出する顔検出手段と、顔検出手段により検出された顔画像から目が存在すべき存在領域を抽出する領域抽出手段と、領域抽出手段により抽出された存在領域内に開いた目が存在するか否かを検出する目検出手段と、目検出手段において開いた目が存在領域内から検出されたとき目が開いている状態であると判別し、検出されなかったとき目が閉じている状態であると判別する状態判別手段とを備えたことを特徴とするものである。
本発明の目の状態判別プログラムは、コンピュータに、全体画像に含まれる顔画像を検出し、検出した顔画像の輪郭から目が存在すべき存在領域を抽出し、抽出した存在領域内に開いた目が存在するか否かを検出し、存在領域内から開いた目が検出されたとき目が開いている状態であると判別し、検出されなかったとき目が閉じている状態であると判別するように機能させることを特徴とするものである。
ここで、領域抽出手段は、顔画像から目が存在すると予想される存在領域を抽出するものであればその方法を問わず、たとえば抽出された顔画像の輪郭、大きさ等から目が配置されている確率の高い存在領域を抽出するようにしてもよい。
なお、目検出手段は、開いた目が存在するか否かを検出するものであればどのような手法であってもよい。たとえば、目検出手段は、パターンマッチングを用いて開いた目を検出するものであってもよいし、複数の弱判別器による複数の判別結果から最終的な判別を行う判別器を備えたものであり、判別器は、正解サンプル画像として開いた目の画像を用い、不正解サンプル画像として閉じた目の画像を用いて学習されたものであってもよい。このとき、判別器は不正解サンプル画像として閉じた目の画像の他に目の周辺画像を用いて学習されたものであることが好ましい。
本発明の目の状態判別方法および装置ならびにプログラムによれば、全体画像に含まれる顔画像を検出し、検出した顔画像から目が存在すべき存在領域を抽出し、抽出した存在領域内に開いた目が存在するか否かを検出し、存在領域内から開いた目が検出されたとき目が開いている状態であると判別し、検出されなかったとき目が閉じている状態であると判別することにより、顔における目の位置が既知であることおよび開いた目は閉じた目に比べて構造的特徴が多く判別しやすいことに着目し、目の存在領域内において判別しやすい開いた目のみを検出すれば同時に閉じた目を検出することになるため、結果として目の開いた状態もしくは閉じた状態を精度良く判別することができる。
特に、目検出手段が、複数の弱判別器による複数の判別結果から最終的な判別を行う判別器を備えたものであり、判別器が、正解サンプル画像として開いた目の画像を用い、不正解サンプル画像として閉じた目の画像を用いて学習されたものであれば、判別器による開いた目の判別を精度良く行うことができるため、閉じた目も精度良く判別を行うことになり、結果として目の状態判別を精度良く行うことができる。
以下、図面を参照して本発明の目の状態判別装置の実施の形態を詳細に説明する。なお、図1のような目の状態判別装置1の構成は、補助記憶装置に読み込まれた目の状態判別プログラムをコンピュータ(たとえばパーソナルコンピュータ等)上で実行することにより実現される。また、この目の状態判別プログラムは、CD−ROM等の情報記憶媒体に記憶され、もしくはインターネット等のネットワークを介して配布され、コンピュータにインストールされることになる。
目の状態判別装置1は、全体画像に含まれる顔画像FPを検出する顔検出手段10と、顔画像FPから目が存在すべき存在領域を抽出する領域抽出手段15と、存在領域内に開いた目が存在するか否かを検出する目検出手段20と、開いた目が領域内から検出されたときに目が開いていると判別し、検出されなかったときに目が閉じていると判別する状態判別手段30とを備えている。
顔検出手段10は、たとえばデジタルカメラ等において取得された全体画像の中から顔を判別し、判別した顔を顔画像FPとして検出する機能を有している。顔検出手段10は、全体画像P上にサブウィンドウWを走査させることにより部分画像PPを生成する部分画像生成手段11と、部分画像生成手段11により生成された複数の部分画像PPにおいて、顔である部分画像を検出する顔判別器12とを有している。
なお、部分画像生成手段11に入力される全体画像Pは前処理手段10aにより前処理が施されている。前処理手段10aは、全体画像Pに対し図2(A)〜(D)に示すように、全体画像Pを多重解像度化して解像度の異なる複数の全体画像P2、P3、P4を生成する機能を有している。さらに、前処理手段10aは、生成した複数の全体画像Pに対して、局所的な領域におけるコントラストのばらつきを抑制し全体画像Pの全領域においてコントラストを所定レベルに揃える正規化(以下、局所正規化という)を施す機能を有している。
部分画像生成手段11は、図2(A)に示すように、設定された画素数(たとえば32画素×32画素)を有するサブウィンドウWを全体画像P内において走査させ、サブウィンドウWにより囲まれた領域を切り出すことにより設定画素数からなる部分画像PPを生成するようになっている。なお、部分画像生成手段11は、図2(B)〜(D)に示すように、生成された低解像度画像上においてサブウィンドウWを走査させたときの部分画像PPをも生成するようになっている。このように、低解像度画像からも部分画像PPを生成することにより、全体画像PにおいてサブウィンドウW内に顔もしくは顔が収まらなかった場合であっても、低解像度画像上においてはサブウィンドウW内に収めることが可能となり、検出を確実に行うことができる。
図1の顔判別器12は、部分画像PPが顔であるか非顔かの2値判別を行う機能を有し、アダブーストアルゴリズム(Adaboost Algorithm)により学習されたものであって、複数の弱判別器CF1〜CFM(M:弱判別器の個数)を有している。各弱判別器CF1〜CFMはそれぞれ部分画像PPから特徴量xを抽出し、この特徴量xを用いて部分画像PPが顔であるか否かの判別を行う機能を備える。そして、顔判別器22は弱判別器CF1〜CFMおける判別結果を用いて顔であるか否かの最終的な判別を行うようになっている。
具体的には、各弱判別器CF1〜CFMは図3に示すように部分画像PP内の設定された座標P1a、P1b、P1cにおける輝度値等を抽出する。さらに、部分画像PPの低解像度画像PP2内の設定された座標位置P2a、P2b、低解像度画像PP3内の設定された座標位置P3a、P3bにおける輝度値等をそれぞれ抽出する。その後、上述した7個の座標P1a〜P3bの2つをペアとして組み合わせ、この組み合わせた輝度の差分を特徴量xとする。各弱判別器CF1〜CFM毎にそれぞれ異なる特徴量が用いられるものであり、たとえば弱判別器CF1では座標P1a、P1cにおける輝度の差分を特徴量として用い、弱判別器CF2では座標P2a、P2bにおける輝度の差分を特徴量として用いるようになっている。
なお、各弱判別器CF1〜CFMがそれぞれ特徴量xを抽出する場合について例示しているが、複数の部分画像PPについて上述した特徴量xを予め抽出しておき、各弱判別器CF1〜CFMに入力するようにしてもよい。さらに、輝度値を用いた場合について例示しているが、コントラスト、エッジ等の情報を用いるようにしても良い。
各弱判別器CF1〜CFMは図4に示すようなヒストグラムを有しており、このヒストグラムに基づいて特徴量xの値に応じたスコアf1(x)〜fM(x)を出力する。さらに、各弱判別器CF1〜CFMは判別性能を示す信頼度β1〜βMを有している。各弱判別器CF1〜CFMは、スコアf1(x)〜fM(x)と信頼度β1〜βMとを用いて判定スコアβm・fm(x)を算出するようになっている。そして、各弱判別器CFmの判定スコアβm・fm(x)自体が設定しきい値Sref以上であるか否かを判断し、設定しきい値以上であるときに顔であると判別する(βm・fm(x)≧Sref)。
また、顔判別器12の各弱判別器CF1〜CFMはカスケード構造を有しており、各弱判別器CF1〜CFMのすべてが顔であると判別した部分画像PPのみを顔画像FPとして出力するようになっている。つまり、弱判別器CFmにおいて顔であると判別した部分画像PPのみ下流側の弱判別器CFm+1による判別を行い、弱判別器CFmで非顔であると判別された部分画像PPは下流側の弱判別器CFm+1による判別は行わない。これにより、下流側の弱判別器において判別すべき部分画像PPの量を減らすことができるため、判別作業の高速化を図ることができる。なお、カスケード構造を有する判別器の詳細は、Shihong LAO等、「高速全方向顔検出」、画像の認識・理解シンポジウム(MIRU2004)、2004年7月に開示されている。
なお、各弱判別器CF1〜CFMから出力された判定スコアS1〜SMをそれぞれ個別に判定スコアしきい値Sref以上であるか否かを判断するのではなく、弱判別器CFmにおいて判別を行う際、弱判別器CFmの上流側の弱判別器CF1〜CFm−1での判定スコアの和Σr=1 mβr・frが判定スコアしきい値S1ref以上であるか否かにより判別を行うようにしても良い(Σr=1 mβr・fr(x)≧S1ref)。これにより、上流側の弱判別器による判定スコアを考慮した判定を行うことができるため、判定精度の向上を図ることができる。
図1の領域抽出手段15は顔検出手段10により抽出された顔画像FPにおいて目が存在すべき存在領域ERを抽出するものであって、一般的に顔の輪郭(顔画像FPの大きさ)から目が存在する位置が含まれるような領域を存在領域ERとして抽出する。具体的には図5に示すように、顔の向きが頭が上、あごが下にあるとき、顔画像FPの下端から所定量L1refだけ上側であって、左右端から所定量L10ref離れた領域を特定するようになっている。この所定量L1ref、L10refは統計的に一般人の顔の輪郭から目の位置までの距離として予め定められている。
図1の目検出手段20は存在領域ER内に開いた目が存在するか否かを検出するものであって、領域抽出手段15により特定された領域から複数の周辺画像SCPを生成する周辺画像生成手段21と、周辺画像生成手段21により生成された複数の周辺画像SCPの目の状態を判別する目判別器22とを有している。周辺画像生成手段21は、図6に示すように、存在領域ER内を設定画素数(たとえば32画素×32画素)からなるウィンドウ枠を走査し、ウィンドウ枠W10に囲まれた画像を周辺画像SCPとして生成するようになっている。
図1の目判別器22は、上述した顔判別器12と同様にアダブーストアルゴリズムにより学習されたものであって、周辺画像SCPが開いた目であるか否かを判別する機能を有している。具体的には、目判別器22は、複数の弱判別器CF10〜CFN(N:弱判別器の個数)を有している。各弱判別器CF10〜CFNはそれぞれ周辺画像PPから特徴量xを抽出し、この特徴量xを用いて部分画像PPが顔であるか否かの判別を行う機能を備える。そして、目判別器22は弱判別器CF10〜CFNおける判別結果を用いて周辺画像SCPが開いた目であるか否か最終的な判別を行うようになっている。ここで、目判別器22が開いた目を判別することができるために、目判別器22の学習には正解サンプルとして開いた目の画像が用いられ、不正解サンプルとして閉じた目の画像および目の周辺画像が用いられている。
状態判別手段30は、目検出手段20における開いた目の判別結果に基づいて目の状態を判別するものであって、開いた目が存在領域ER内から検出されたときに目が開いている状態であると判別する。一方、開いた目が検出されなかったとき、目が存在すべき存在領域ERに開いた目が存在しなかったものであるから、目が閉じている状態であると判別する。
図7は本発明の目の状態判別方法の好ましい実施の形態を示すフローチャートであり、図1から図7を参照して目の状態判別方法の一例について説明する。まず、顔検出手段10において全体画像Pに前処理が施された後(ステップST1、図2参照)、全体画像P上をウィンドウ枠が走査することにより部分画像PPが生成される(ステップST2)。その後、部分画像PPに対し顔判別器12による判別が行われ、顔画像FPが検出される(ステップST3)。
次に、領域抽出手段15により検出された顔画像FPから目が存在すべき存在領域ERが抽出される(ステップST4、図5参照)。周辺画像生成手段21において抽出した存在領域ER内からウィンドウ枠を走査することにより周辺画像SCPが生成される(ステップST5、図6参照)。そして目判別器22によりこの周辺画像SCPが開いた目であるか否かが判別される(ステップST6)。その後、状態判別手段30において、存在領域ERから生成された複数の周辺画像SCPに開いた目が存在したときには、目が開いていると判断され、複数の周辺画像SCPに開いた目がなかったときには、目が閉じていると判断される(ステップST7)。
このように、目が存在すべき存在領域ER内において開いた目の判別を行うことにより、目が開いているか閉じているかの2つの状態を精度良く判別することができる。まず、開いた目と閉じた目とを比較した場合、開いた目は横長の明るい(白い)楕円の中に、暗い円構造を含んでいるという多くの特徴的構造を有している。一方、閉じた目は主として直線状の構造からなっており特徴的構造が少なく、目の周辺画像として取り込まれる目尻のシワ等と構造が似ている。よって、開いた目を正解サンプルとして学習させた判別器と、閉じた目を正解サンプルとして学習させた判別器とを比較した場合、開いた目を正解サンプルとして学習させた判別器の方が誤検出率を低くすることができる。このように、開いた目の方が閉じた目よりも構造的特徴が多いことを利用し、開いた目の判別を精度良く行うことができるようになっている。
一方、顔において目が存在する領域は個人差があるものの既知であり、検出された顔画像FPから目が存在すべき存在領域ERを検出することができる。これを利用し、検出された顔画像FPの輪郭から予め目が存在する存在領域ERを抽出し、この存在領域ER内において開いた目の判別を行う。目が必ず存在する存在領域ERに開いた目がないとき、それは存在領域ERの目は閉じていることを意味する。このように、存在領域ER内に開いた目を判別することにより、開いた目であるか否か(対象物か非対象物であるか)といった判別しかできないブースティングアルゴリズムを用いて、開いた目であるか閉じた目であるか(対象物Aであるか対象物Bであるか)という2つの状態を精度良く判別することができる。
上記実施の形態によれば、顔における目の位置が既知であることおよび開いた目は閉じた目に比べて構造的特徴が多く判別しやすいことに着目し、目の存在領域内において判別しやすい開いた目のみを検出すれば同時に閉じた目を検出することになるため、結果として目の開いた状態もしくは閉じた状態を精度良く判別することができる。
特に、目検出手段20が、複数の弱判別器CF10〜CFNによる複数の判別結果から最終的な判別を行う判別器22を備えたものであり、判別器22が、正解サンプル画像として開いた目の画像を用い、不正解サンプル画像として閉じた目の画像を用いて学習されたものであれば、判別器22による開いた目の判別を精度良く行うことができるため、閉じた目も精度良く判別を行うことになり、結果として目の状態判別を精度良く行うことができる。
なお、本発明の実施の形態は上記実施の形態に限定されない。たとえば、上記実施の形態において、正面顔の場合について例示しているが、横顔もしくは斜め顔にも適用することができる。また、顔判別器12(目判別器22)にアダブーストアルゴリズムを用いた場合について例示しているが、公知のニューラルネットワーク技術等を用いて顔もしくは目の判別を行うようにしても良い。この場合であっても、存在領域ERから開いた目の検出が行われる。
1 目の状態判別装置
10 顔検出手段
15 領域抽出手段
20 目検出手段
21 周辺画像生成手段
21 判別器
22 目判別器
30 状態判別手段
ER 存在領域
P 全体画像
FP 顔画像
10 顔検出手段
15 領域抽出手段
20 目検出手段
21 周辺画像生成手段
21 判別器
22 目判別器
30 状態判別手段
ER 存在領域
P 全体画像
FP 顔画像
Claims (4)
- 全体画像の中から顔画像を検出し、
検出した前記顔画像から目が存在すべき存在領域を抽出し、
抽出した前記存在領域内に開いた目が存在するか否かを検出し、
前記存在領域内から前記開いた目が検出されたとき目が開いている状態であると判別し、検出されなかったとき目が閉じている状態であると判別する
ことを特徴とする目の状態判別方法。 - 全体画像の中から顔画像を検出する顔検出手段と、
該顔検出手段により検出された前記顔画像から目が存在すべき存在領域を抽出する領域抽出手段と、
該領域抽出手段により抽出された前記存在領域内に開いた目が存在するか否かを検出する目検出手段と、
該目検出手段において開いた目が前記存在領域内から検出されたときに目が開いている状態であると判別し、検出されなかったとき目が閉じている状態であると判別する状態判別手段と
を備えたことを特徴とする目の状態判別装置。 - 前記目検出手段が、複数の弱判別器による複数の判別結果から最終的な判別を行う判別器を備えたものであり、該判別器が、正解サンプル画像として開いた目の画像を用い、不正解サンプル画像として閉じた目の画像を用いて学習されたものであることを特徴とする請求項2記載の目の状態判別装置。
- コンピュータに、
全体画像に含まれる顔画像を検出し、
検出した前記顔画像から目が存在すべき存在領域を抽出し、
抽出した前記存在領域内に開いた目が存在するか否かを検出し、
前記存在領域内から前記開いた目が検出されたとき目が開いている状態であると判別し、検出されなかったとき目が閉じている状態であると判別する
ことを実行させるための目の状態判別プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006149201A JP2007323104A (ja) | 2006-05-30 | 2006-05-30 | 目の状態判別方法および装置ならびにプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006149201A JP2007323104A (ja) | 2006-05-30 | 2006-05-30 | 目の状態判別方法および装置ならびにプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007323104A true JP2007323104A (ja) | 2007-12-13 |
Family
ID=38855893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006149201A Withdrawn JP2007323104A (ja) | 2006-05-30 | 2006-05-30 | 目の状態判別方法および装置ならびにプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007323104A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015041307A (ja) * | 2013-08-23 | 2015-03-02 | 日本電気株式会社 | 照合装置及び照合方法、照合システム、並びにコンピュータ・プログラム |
JP2018018401A (ja) * | 2016-07-29 | 2018-02-01 | 東芝アルパイン・オートモティブテクノロジー株式会社 | 瞼開閉検出装置および瞼開閉検出方法 |
-
2006
- 2006-05-30 JP JP2006149201A patent/JP2007323104A/ja not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015041307A (ja) * | 2013-08-23 | 2015-03-02 | 日本電気株式会社 | 照合装置及び照合方法、照合システム、並びにコンピュータ・プログラム |
JP2018018401A (ja) * | 2016-07-29 | 2018-02-01 | 東芝アルパイン・オートモティブテクノロジー株式会社 | 瞼開閉検出装置および瞼開閉検出方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6630999B2 (ja) | 画像認識装置、画像認識方法、および、画像認識プログラム | |
JP4156430B2 (ja) | データベース自動更新方法を用いた顔検証方法及びそのシステム | |
JP2007305030A (ja) | 赤目処理方法および装置ならびにプログラム | |
US8463049B2 (en) | Image processing apparatus and image processing method | |
JP4657934B2 (ja) | 顔検出方法および装置並びにプログラム | |
JP2007265367A (ja) | 視線検出方法および装置ならびにプログラム | |
US7869632B2 (en) | Automatic trimming method, apparatus and program | |
JP4806101B2 (ja) | 物体検出装置及び物体検出方法 | |
Boehnen et al. | A fast multi-modal approach to facial feature detection | |
JP2007094633A (ja) | 顔検出装置ならびにプログラム | |
US20160078319A1 (en) | Method, Apparatus and Computer Readable Recording Medium for Detecting a Location of a Face Feature Point Using an Adaboost Learning Algorithm | |
JP5755046B2 (ja) | 画像認識装置、画像認識方法及びプログラム | |
JP2021103538A (ja) | 情報処理装置、情報処理方法、および、情報処理プログラム | |
JP4749884B2 (ja) | 顔判別装置の学習方法、顔判別方法および装置並びにプログラム | |
JP4749879B2 (ja) | 顔判別方法および装置並びにプログラム | |
JP2007323104A (ja) | 目の状態判別方法および装置ならびにプログラム | |
JP2006244385A (ja) | 顔判別装置およびプログラム並びに顔判別装置の学習方法 | |
Gul et al. | A machine learning approach to detect occluded faces in unconstrained crowd scene | |
JP2007304675A (ja) | 画像合成方法および装置ならびにプログラム | |
Suma | Dense feature based face recognition from surveillance video using convolutional neural network | |
JP5283267B2 (ja) | コンテンツ識別方法及び装置 | |
Uhl et al. | Fusion of iris segmentation results | |
CN115116147B (zh) | 图像识别、模型训练、活体检测方法及相关装置 | |
KR102579610B1 (ko) | Atm 이상행동감지 장치 및 그 장치의 구동방법 | |
Fritz et al. | Entropy based saliency maps for object recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20090804 |