JP2008501172A - 画像比較方法 - Google Patents
画像比較方法 Download PDFInfo
- Publication number
- JP2008501172A JP2008501172A JP2007514104A JP2007514104A JP2008501172A JP 2008501172 A JP2008501172 A JP 2008501172A JP 2007514104 A JP2007514104 A JP 2007514104A JP 2007514104 A JP2007514104 A JP 2007514104A JP 2008501172 A JP2008501172 A JP 2008501172A
- Authority
- JP
- Japan
- Prior art keywords
- image
- face
- inspection
- images
- comparison method
- 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.)
- Pending
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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- 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
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Accessory Devices And Overall Control Thereof (AREA)
Abstract
Description
1.同じ目位置を有するように正規化された顔の画像のセット300の各顔を、小さいブロックに一様にサンプリングする。
2.各ブロックの属性を算出する。
3.属性を、異なる値の処理しやすい数に量子化する。
4.次に、量子化属性を、そのブロック位置に関して1つの量子化値を生成するために組み合わせる。
5.そして、1つの量子化値を、エントリとしてヒストグラム、ヒストグラムに記録する。全てのトレーニング画像の全てのブロック位置に関する累積されたヒストグラム情報320は、顔の特徴の数学的モデルの基礎を形成する。
6.ウィンドウを、一連のブロックのように一様にサンプリングし、そして、各ブロックに関する属性を算出して、上述のステップ1〜4のように量子化する。
7.各ブロック位置の量子化属性値の対応する「確率(probability)」を、対応するヒストグラムから調べる。すなわち、各ブロック位置のそれぞれの量子化属性を生成し、そのブロック位置に関して予め生成されたヒストグラム(異なる角度を表す複数のトレーニング用の組がある場合には、複数のヒストグラム)と比較する。ヒストグラムが「確率」データを高める方法については後述する。
8.得られる全ての確率を互いに乗算して、ウィンドウを「顔」又は「顔でない」に分類するために、閾値と比較する最終の確率を形成する。「顔」又は「顔でない」の検出結果は絶対検出よりもむしろ確率ベースの方法であることは、言うまでもない。顔を含んでいない画像を間違って「顔」として検出(所謂誤検出(false positive))してしまうことがある。また、顔を含んでいる画像を間違って「顔でない」として検出(所謂見逃し検出(false negative))してしまうこともある。あらゆる顔検出システムの目標は、誤検出の割合及び見逃し検出の割合を減らすことであるが、現在の技術では、これらの割合をゼロに減らすことは、不可能ではないとしても困難である。
顔追跡アルゴリズムについて説明する。追跡アルゴリズムは、画像シーケンスにおいて顔検出性能を向上させることを意図している。
・顔の数。
・各顔の「顔写真(Mugshot)」(個人の顔の画像を表す口語的な言葉、警察にファイルされている写真を照会する用語からきている)。
・各顔が最初に出現するフレーム番号。
・各顔が最後に出現するフレーム番号。
・各顔の識別(前のシーンで見られた顔に一致するか、顔のデータベースに一致したもの)−顔の識別には、顔の認識も必要とされる。
顔追跡法は、以下のような3つの主な利点を有する。
・顔検出結果が得られないフレームにおいて、カルマンフィルタリング及び肌色追跡を用いることにより、見逃された顔を埋める(fill in)ことができる。これにより、画像シーケンス間に亘って、真の許容率を高めることができる。
・顔を連続的に追跡することにより、顔のリンクを提供できる。アルゴリズムは、将来のフレームにおいて検出された顔が同じ個人の顔であるか、他の個人の顔であるかを自動的に知ることができる。したがって、このアルゴリズムから、シーン内の顔の数やこれらの顔が存在するフレームに関する情報を含むシーンメタデータを容易に作成することができ、各顔の代表的な顔写真を作成することもできる。
・顔の誤検出は、画像間で連続することは希であるため、顔の誤検出率を低くすることができる。
顔スタンプの組を生成及び維持するために、追跡処理において一時的にリンクされた複数の顔スタンプから所定数(n)のスタンプが選択される。選択の基準は、以下の通りである。
1.スタンプは、色追跡又はカルマン追跡からではなく、顔検出から直接生成されている必要がある。更に、スタンプは、「正面」の顔トレーニングセットから生成されたヒストグラムデータを用いて検出された場合にのみ選択される。
2.一旦、(例えば、顔追跡を構成する画像の時間順に)最初のn個のスタンプが集められると、既存の顔スタンプの組と、(時間順の)追跡から得られる新たな各スタンプとの類似性(以下参照)が測定される。追跡された各顔スタンプと、スタンプの組内の残りのスタンプとの類似性も測定され、保存される。新たに得られた顔スタンプが顔スタンプの組の既存の要素より類似性が低い場合、その既存の要素は、無視され、新たな顔スタンプが顔スタンプの組に含まれる。このようにしてスタンプを選択することにより、選択処理の終わりには、顔スタンプの組内に、入手可能な最大限の変化が含まれる。これにより、顔スタンプの組は、特定の個人をより明確に代表するようになる。
2つの顔追跡結果が同じ個人を表しているか否かを判定するためにこれらを比較する際に用いる、新たに遭遇した個人の顔スタンプの組(セットB)と、以前に遭遇した個人の顔スタンプ(セットA)との間の類似性の基準は、セットAの顔スタンプからセットBの顔のスタンプがどれ程良好に再構築できるかに基づいて定められる。セットAの顔スタンプからセットBの顔スタンプが良好に再構築できる場合、セットAとセットBの両方の顔スタンプは、同じ個人のものである可能性が高いと考えられ、したがって、新たに遭遇した個人は、以前、検出された個人と同一人物であると判定できる。
オブジェクト追跡により、個人がシーンから姿を消さない限り、ビデオフレームのシーケンス中において、その個人の同一性が維持される。顔類似コンポーネントの目的は、個人が一時的にシーンから消え、又はカメラから顔を背け、或いは異なるカメラによってシーンが捕捉された場合においても個人の同一が維持されるように追跡をリンクさせることである。
ここで、上付き文字jは、先に集められた顔スタンプの組jとの比較を表している。
・ID1は、合計234フレームに出現している(但し、これらは連続していない場合もある)。ID1は、ID2又はID3と同時にショット内に現れたことは一度もなく、したがって、これらの個人は、将来、併合される可能性がある。ID1は、87フレームに亘ってID4と共存しており、したがって、この個人と併合されることはない。また、ID1は、5フレームに亘ってID5と共存している。このフレーム数は、閾値フレーム数より少なく、したがって、これらの2つIDは、併合される可能性を残している。
・ID2は、合計54フレームに出現している(但し、これらは連続していない場合もある)。ID2は、ID3のみと共存しており、したがって、この個人と併合されることはない。また、ID2は、良好に一致すれば、ID1、ID4、ID5の何れかと将来併合される可能性がある。
・ID3は、合計43フレームに出現している(但し、これらは連続していない場合もある)。ID3は、ID2のみと共存しており、したがって、この個人と併合されることはない。また、ID2は、良好に一致すれば、ID1、ID4、ID5の何れかと将来併合される可能性がある。
・ID4は、合計102フレームに出現している(但し、これらは連続していない場合もある)。ID4は、ID2又はID3と同時にショット内に現れたことは一度もなく、したがって、これらの個人は、将来、併合される可能性がある。ID4は、87フレームに亘ってID1と共存しており、したがって、この個人と併合されることはない。また、ID4は、5フレームに亘ってID5と共存している。このフレーム数は、閾値フレーム数より少なく、したがって、これらの2つIDは、併合される可能性を残している。
・ID5は、合計5フレームに出現している(但し、これらは連続していない場合もある)。ID5は、全てのフレームについて、ID1及びID4と共存したが、このフレーム数は閾値フレーム数より少ないので、ID5は、ID1及びID4の何れか一方と併合される可能性がある。また、ID5は、ID2及びID3と共存していないので、ID2又はID3と併合される可能性がある。
・ID1は、他の更なる既存の人とも併合することはできない。
・この具体例では、2つのIDが併合された後は、小さい方のID番号を維持するとの規約がある。
・IDがピクチャ内に存在している間は、IDを併合することは許可されない。
照明変化に対するロバスト性を向上させる方法には、次のような方法がある。
(a)広範囲に亘る照明変化を含む付加的なサンプルを用いた追加的なトレーニング。
(b)急峻な影の影響を減少させるためのコントラストの調整。
異なる照明条件に対処するためにトレーニングセットに更なる顔のサンプルを追加してもよい。これらの顔のサンプルは、好ましくは、元から用いていたトレーニングセット内の顔のサンプルより多くの照明の変化を含んでいるとよい。図12に示すように、拡張された(結合された)トレーニングセット(曲線B)は、小さいトレーニングセット(曲線A)のみを用いた場合に比べて、僅かに性能が向上している。
正面のポーズに関するヒストグラムを用いた検出のための適切な閾値は、正面以外のポーズに関するヒストグラムを用いた場合に比べて僅かに低くすることが好ましいことが見出されている。このため、各ポーズの確率マップを結合する前に、正面のポーズの確率マップにバイアスを加える必要がある。顔検出システムのヒストグラムトレーニング機能を変更する際には、この正面のバイアスを経験的に決定する必要があった。
急峻な影が存在する顔画像は、検出が難しいことが観察された。このため、影の影響を低減するための前処理を考案した。この前処理では、(検査中の画像全体より小さい)ウィンドウを入力画像内の各画素の周りにセンタリングし、ウィンドウ内の最小の画素値によって、ウィンドウの中心の画素値を平均化する。これにより、出力画像の各画素の値(Ioutput)は、以下の式の通りとなる。
ここで、Wは、画素xにセンタリングされたウィンドウを表す。
この技術は、例えば、店舗内等の厳しい照明環境下で、例えば顔等のオブジェクトを検出する必要がある場合に特に有用であり、したがって、所謂「電子看板(デジタルサイネージ)」に適用し、広告マテリアルを表示する画面を見ている個人の顔を検出するために用いてもよい。この場合、顔の存在、顔の滞在時間、及び/又は顔の数を用いて、広告画面上に表示するマテリアルを変更することができる。
ここに提案した幾つかのサンプル画像に関する修正を行った後の顔検出システムの性能を図13a及び図13bに示す。左側及び右側の画像は、それぞれ修正前及び修正後の顔検出の結果を示している。このように、上述した修正により、厳しい照明条件下でも、正面の顔及び正面以外の向きの顔の両方の検出が成功している。
検出ベースの位置合わせアルゴリズム
検出ベースの顔位置合わせアルゴリズムでは、より正確な位置特定のために、スケール、回転及びトランスレーション(平行移動)を変更しながら、顔検出アルゴリズムを繰り返し実行する。元の顔検出アルゴリズムから出力される顔ピクチャスタンプは、再び実行される顔検出アルゴリズムに入力される。
顔位置合わせのための固有目ベースの手法では、目の周りの顔領域についてトレーニングされた一組の固有ブロックを用いる。これらの固有ブロックは、固有目と呼ばれる。固有目は、顔検出アルゴリズムからの出力である顔ピクチャスタンプにおいて、目を探索するために使用される。この検索法は、「B. Moghaddam & A Pentland, "Probabilistic visual learning for object detection", Proceedings of the Fifth International Conference on Computer Vision, 20-23 June 1995, pp786-793」に開示されている固有顔ベースの顔検出法に用いられた技術と同様の技術を用いる。以下、この手法について詳細に説明する。
所謂顔写真画像(mugshot image)及び所謂検査画像(test image)の2組のデータを用いて顔位置合わせアルゴリズムを検査した。メインの顔位置合わせ検査は、顔写真画像について実行した。これらは、制御された環境で捕捉された一組の静止画像である。
以下、上述した位置合わせ技術を利用する代替の顔類似検出技術について説明する。
2組の顔スタンプの組間の類似距離を計算するために、顔スタンプに対応する属性間の平均二乗誤差を算出することによって、顔スタンプの一方の組を他方の組の顔スタンプのそれぞれと比較する。各組には、8個の顔スタンプがあるので、64個の平均二乗誤差の値が得られる。2つの顔スタンプの組間の類似距離は、算出された64個の値のうち、最小の平均二乗誤差値である。
顔スタンプの組を生成及び維持するために、追跡処理において一時的にリンクされた複数の顔スタンプから8つの顔スタンプが選択される。選択の基準は、以下の通りである。
1.スタンプは、色追跡又はカルマン追跡からではなく、顔検出から直接生成されている必要がある。更に、スタンプは、「正面」の顔トレーニングセットから生成されたヒストグラムデータを用いて検出された場合にのみ選択される。
2.一旦、最初の8個のスタンプが集められると、上述のように、既存の顔スタンプの組と、追跡から得られる新たな各スタンプとの間の平均二乗誤差が算出される。追跡された各顔スタンプと、スタンプの組内の残りのスタンプとの平均二乗誤差も測定され、保存される。新たに得られた顔スタンプが顔スタンプの組の既存の要素より類似性が低い場合、その既存の要素は、無視され、新たな顔スタンプが顔スタンプの組に含まれる。このようにしてスタンプを選択することにより、選択処理の終わりには、顔スタンプの組内に、入手可能な最大限の変化が含まれる。これにより、顔スタンプの組は、特定の個人をより明確に代表するようになる。
1.エイチ・シュナイダーマン(H. Schneiderman)及びティー・カナデ(T. Kanade)著、「顔及び車に適用される3Dオブジェクト検出のための統計モデル(A statistical model for 3D object detection applied to faces and cars)」、コンピュータビジョン及びパーターン検出に関するIEEEコンファレンス2000(IEEE Conference on Computer Vision and Pattern Detection, 2000)
2.エイチ・シュナイダーマン(H. Schneiderman)及びティー・カナデ(T. Kanade)著、「オブジェクト検出のための局所的外観及び空間的関係の確率的モデリング(Probabilistic modelling of local appearance and spatial relationships for object detection)」、コンピュータビジョン及びパーターン検出に関するIEEEコンファレンス1998(IEEE Conference on Computer Vision and Pattern Detection, 1998)
3.エイチ・シュナイダーマン(H. Schneiderman)著、「顔及び車に適用される3Dオブジェクト検出のための統計的手法」、カーネギーメロン大学(Carnegie Mellon University)ロボティクス研究科(Robotics Institute)博士論文、2000年
4.ビー・モガダム(B. Moghaddam)及びエー・ペントランド(A Pentland)著、「オブジェクト検出のための確率的視覚学習(Probabilistic visual learning for object detection)」、1995年6月20〜23日、コンピュータビジョンに関する第五回国際会議報告書pp786〜793(Proceedings of the Fifth International Conference on Computer Vision, 20-23 June 1995, pp786-793)
Claims (35)
- 検査画像と、2つ以上の基準画像を含む一組の基準画像とを比較する画像比較方法において、
上記検査画像を1つ以上の検査領域に分割するステップと、
上記各検査領域について、該検査領域と、上記1つ以上の基準画像における1つ以上の基準領域とを比較し、該検査領域に最も類似する基準領域を特定するステップと、
上記検査領域と、該検査領域に対応して特定された基準領域との比較から比較値を生成するステップとを有する画像比較方法。 - 上記比較値は、上記検査画像が上記基準画像の組に類似しているか否かを判定するために用いられることを特徴とする請求項1記載の画像比較方法。
- 上記検査領域は、各基準画像内に対応する探索領域を有し、該基準画像について、
上記検査領域と比較される上記基準画像からの各基準領域は、該検査領域に対応する探索領域を超えない範囲を有し、
上記検査領域は、上記基準画像において、上記検査画像の位置と同じ位置に位置した場合、対応する探索領域を超えない範囲を有することを特徴とする請求項1又は2記載の画像比較方法。 - 上記探索領域は、基準画像全体より小さいことを特徴とする請求項3記載の画像比較方法。
- 上記探索領域は、検査領域より大きいことを特徴とする請求項3又は4記載の画像比較方法。
- 上記検査領域及び基準領域の形状は、実質的に長方形又は正方形であることを特徴とする請求項1乃至5何れか1項記載の画像比較方法。
- 上記検査領域に対応する基準領域は、該検査領域と同じ大きさ及び形状を有することを特徴とする請求項1乃至6何れか1項記載の画像比較方法。
- 上記検査領域を基準領域と比較するステップは、該検査領域と基準領域との間の平均二乗誤差を算出するステップを有することを特徴とする請求項1乃至7何れか1項記載の画像比較方法。
- 上記基準領域は、上記検査領域と比較された全ての基準領域のうちで最小の平均二乗誤差を有する場合、該検査領域に最も類似すると判定されることを特徴とする請求項8記載の画像比較方法。
- 上記各検査領域及び各基準領域を一組の固有ブロックと結合し、固有ブロック重みのそれぞれの組を生成する結合ステップと、
上記検査画像及び各基準画像について得られた固有ブロック重みを比較し、それぞれの比較値を生成するステップとを更に有する請求項1乃至9何れか1項記載の画像比較方法。 - 上記各検査領域及び各基準領域を一組の固有ブロックと結合するステップは、該各検査領域及び各基準領域を固有ブロックの組で畳み込むステップを有することを特徴とする請求項10記載の画像比較方法。
- 上記検査領域に対応する基準領域の幾何学的特性を変更し、変更された基準領域を生成するステップと、
上記検査領域を1つ以上の基準領域と比較するステップにおいて、上記元の基準領域に加えて、上記変更された基準領域を用いるステップとを更に有する請求項1乃至11何れか1項記載の画像比較方法。 - 上記基準領域の幾何学的特性を変更するステップは、
上記基準領域を回転させるステップと、上記基準領域のサイズを変更するステップとのうちの少なくとも1つを含むことを特徴とする請求項12記載の画像比較方法。 - 上記基準画像の幾何学的特性を変更し、変更された基準画像を生成するステップと、
上記変更された基準画像を上記基準画像の組に含ませるステップとを更に有する請求項1乃至13何れか1項記載の画像比較方法。 - 上記基準画像の幾何学的特性を変更するステップは、
上記基準画像を回転させるステップと、上記基準画像のサイズを変更するステップとのうちの少なくとも1つを含むことを特徴とする請求項14記載の画像比較方法。 - 上記検査画像及び各基準画像を正規化するステップを更に有することを特徴とする請求項1乃至15何れか1項記載の画像比較方法。
- 上記検査画像及び基準画像は、それぞれ、平均ゼロ、分散1を有するように正規化されることを特徴とする請求項16記載の画像比較方法。
- 動き推定を実行し、上記基準画像内のどの基準領域が、上記検査領域に最も類似するかを判定するステップを更に有する請求項1乃至17何れか1項記載の画像比較方法。
- 上記動き推定パラメータは、保存され、後の画像比較において再計算する必要がないことを特徴とする請求項18記載の画像比較方法。
- 上記動き推定を実行するステップは、
ロバストカーネルを用いるステップと、メジアン減算を実行するステップとのうちの少なくとも1つを含むことを特徴とする請求項18又は19記載の画像比較方法。 - 上記検査画像及び基準画像は、オブジェクトの画像であることを特徴とする請求項1乃至請求項20何れか1項記載の画像比較方法。
- オブジェクト追跡アルゴリズムを用いて上記画像のビデオシーケンスから基準画像を選択するステップを更に有し、該オブジェクト追跡アルゴリズムが、
(a)少なくとも、真である所定の確率でオブジェクトの存在を検出し、
(b)検出されたオブジェクトが適切な向きを向いていると判定した場合に、基準画像を選択することを特徴とする請求項21記載の画像比較方法。 - 上記オブジェクトは、顔であることを特徴とする請求項21又は22記載の画像比較方法。
- オブジェクト位置、オブジェクトサイズ及びオブジェクトの向きの少なくとも1つに関して上記比較処理を正規化するステップを更に有する請求項21乃至23何れか1項記載の画像比較方法。
- 上記正規化するステップは、上記検査画像及び基準画像の少なくとも1つにおけるオブジェクト位置、オブジェクトサイズ及びオブジェクトの向きのうちの少なくとも一方を、他方の検査画像及び基準画像の各プロパティにより近付けるように調整することを特徴とする請求項24記載の画像比較方法。
- 上記基準画像を縦軸に関して反転させ、反転された基準画像を生成するステップと、
上記反転された基準画像を上記基準画像の組に含ませるステップとを更に有する請求項1乃至25何れか1項記載の画像比較方法。 - 検査画像を2枚以上の基準画像を含む2組以上の基準画像の組と比較する画像比較方法において、
請求項1乃至26何れか1項記載の画像比較方法に基づいて、上記検査画像を上記基準画像の各組と比較し、各基準画像の組について、上記検査画像が該基準画像の組に類似するか否かを示す対応する比較値を判定するステップと、
上記検査画像が上記基準画像の2つ以上の組に類似すると判定された場合、該基準画像の組に対応する上記比較値を比較し、該基準画像の組のうち、何れの組が該検査画像に最も類似するかを判定するステップとを有する画像比較方法。 - 2つ以上の検査画像及び2つ以上の基準画像について、該基準画像の組と、該検査画像の組とを比較する画像比較方法において、
請求項1乃至27何れか1項記載の画像比較方法に基づいて、上記各検査画像を比較する上記基準画像の組と比較し、各検査画像について対応する比較値を算出するステップと、
上記比較値を結合して類似値を生成するステップとを有する画像比較方法。 - 上記類似値を用いて、上記検査画像の組が上記基準画像の組に類似するか否かを判定するステップを更に有する請求項28記載の画像比較方法。
- 2つ以上の第1の画像の組を2つ以上の第2の画像の組と比較する画像比較方法において、
請求項28記載の画像比較方法に基づき、上記第1の画像の組を検査画像の組として用い、上記第2の画像の組を基準画像の組として用いて、該第1の画像の組と該第2の画像の組とを比較し、第1の類似値を算出するステップと、
請求項28記載の画像比較方法に基づき、上記第1の画像の組を基準画像の組として用い、上記第2の画像の組を検査画像の組として用いて、該第1の画像の組と該第2の画像の組とを比較し、第2の類似値を算出するステップと、
上記第1の類似値及び第2の類似値を用いて、上記第1の画像の組及び第2の画像の組が類似しているかを判定するステップとを有する画像比較方法。 - 検査画像と、2つ以上の基準画像を含む一組の基準画像とを比較する画像比較装置において、
上記検査画像を1つ以上の検査領域に分割する分割器と、
上記検査領域と、上記1つ以上の基準画像における1つ以上の基準領域とを比較し、該検査領域に最も類似する基準領域を特定する特定器と、
上記検査領域と、該検査領域に対応して特定された基準領域との比較から比較値を生成する生成器とを備える画像比較装置。 - コンピュータに請求項1乃至30何れか1項記載の画像比較方法を実行させるためのログラムコードを有するコンピュータソフトウェア。
- 請求項32記載のコンピュータソフトウェアを格納した提供媒体。
- 当該提供媒体は、記録媒体であることを特徴とする請求項33記載の提供媒体。
- 当該提供媒体は、伝送媒体であることを特徴とする請求項33記載の提供媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB0412037A GB2414616A (en) | 2004-05-28 | 2004-05-28 | Comparing test image with a set of reference images |
PCT/GB2005/002104 WO2005116910A2 (en) | 2004-05-28 | 2005-05-27 | Image comparison |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008501172A true JP2008501172A (ja) | 2008-01-17 |
Family
ID=32671285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007514104A Pending JP2008501172A (ja) | 2004-05-28 | 2005-05-27 | 画像比較方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20080013837A1 (ja) |
JP (1) | JP2008501172A (ja) |
CN (1) | CN101095149B (ja) |
GB (1) | GB2414616A (ja) |
WO (1) | WO2005116910A2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010146522A (ja) * | 2008-12-22 | 2010-07-01 | Nec Software Kyushu Ltd | 顔画像追跡装置及び顔画像追跡方法並びにプログラム |
KR101521136B1 (ko) * | 2013-12-16 | 2015-05-20 | 경북대학교 산학협력단 | 얼굴 인식 방법 및 얼굴 인식 장치 |
WO2024150267A1 (ja) * | 2023-01-10 | 2024-07-18 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び、記録媒体 |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2430736A (en) | 2005-09-30 | 2007-04-04 | Sony Uk Ltd | Image processing |
GB2431793B (en) | 2005-10-31 | 2011-04-27 | Sony Uk Ltd | Image processing |
WO2009052574A1 (en) * | 2007-10-25 | 2009-04-30 | Andrew James Mathers | Improvements in oudoor advertising metrics |
US8194933B2 (en) | 2007-12-12 | 2012-06-05 | 3M Innovative Properties Company | Identification and verification of an unknown document according to an eigen image process |
US8540158B2 (en) * | 2007-12-12 | 2013-09-24 | Yiwu Lei | Document verification using dynamic document identification framework |
US20090151773A1 (en) * | 2007-12-14 | 2009-06-18 | E. I. Du Pont De Nemours And Company | Acid Terpolymer Films or Sheets and Articles Comprising the Same |
JP5453717B2 (ja) | 2008-01-10 | 2014-03-26 | 株式会社ニコン | 情報表示装置 |
US20090290791A1 (en) * | 2008-05-20 | 2009-11-26 | Holub Alex David | Automatic tracking of people and bodies in video |
CN102033727A (zh) * | 2009-09-29 | 2011-04-27 | 鸿富锦精密工业(深圳)有限公司 | 电子设备界面控制***及方法 |
TWI506592B (zh) * | 2011-01-05 | 2015-11-01 | Hon Hai Prec Ind Co Ltd | 電子裝置及其圖像相似度比較的方法 |
KR101381439B1 (ko) * | 2011-09-15 | 2014-04-04 | 가부시끼가이샤 도시바 | 얼굴 인식 장치 및 얼굴 인식 방법 |
KR101289087B1 (ko) * | 2011-11-03 | 2013-08-07 | 인텔 코오퍼레이션 | 얼굴 검출 방법, 장치, 및 이 방법을 실행하기 위한 컴퓨터 판독 가능한 기록 매체 |
WO2013113974A1 (en) * | 2012-01-30 | 2013-08-08 | Nokia Corporation | A method, an apparatus and a computer program for promoting the apparatus |
US9047376B2 (en) * | 2012-05-01 | 2015-06-02 | Hulu, LLC | Augmenting video with facial recognition |
US9813666B2 (en) * | 2012-05-29 | 2017-11-07 | Qualcomm Incorporated | Video transmission and reconstruction |
US9830567B2 (en) | 2013-10-25 | 2017-11-28 | Location Labs, Inc. | Task management system and method |
CN104573534B (zh) * | 2014-12-24 | 2018-01-16 | 北京奇虎科技有限公司 | 一种在移动设备中处理隐私数据的方法和装置 |
US20170237986A1 (en) * | 2016-02-11 | 2017-08-17 | Samsung Electronics Co., Ltd. | Video encoding method and electronic device adapted thereto |
US10306315B2 (en) * | 2016-03-29 | 2019-05-28 | International Business Machines Corporation | Video streaming augmenting |
CN108596911B (zh) * | 2018-03-15 | 2022-02-25 | 西安电子科技大学 | 一种基于pca重构误差水平集的图像分割方法 |
DE102018121997A1 (de) * | 2018-09-10 | 2020-03-12 | Pöttinger Landtechnik Gmbh | Verfahren und Vorrichtung zur Verschleißerkennung eines Bauteils für landwirtschaftliche Geräte |
CN112889068A (zh) | 2018-10-26 | 2021-06-01 | 英特尔公司 | 用于图像处理的神经网络对象识别的方法和*** |
CN112465717B (zh) * | 2020-11-25 | 2024-05-31 | 北京字跳网络技术有限公司 | 脸部图像处理模型训练方法、装置、电子设备和介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07306939A (ja) * | 1994-05-09 | 1995-11-21 | Loral Aerospace Corp | 連結性を利用するクラッター排除方法 |
JPH0935067A (ja) * | 1995-07-21 | 1997-02-07 | Video Res:Kk | テレビ視聴者識別方法およびその装置 |
JPH1115945A (ja) * | 1997-06-19 | 1999-01-22 | N T T Data:Kk | 画像処理装置及び方法、及び、危険物検出システム及び方法 |
JPH11306325A (ja) * | 1998-04-24 | 1999-11-05 | Toshiba Tec Corp | 対象物検出装置及び対象物検出方法 |
JP2000187733A (ja) * | 1998-12-22 | 2000-07-04 | Canon Inc | 画像処理装置及び方法並びに記憶媒体 |
JP2000306095A (ja) * | 1999-04-16 | 2000-11-02 | Fujitsu Ltd | 画像照合・検索システム |
WO2002007096A1 (fr) * | 2000-07-17 | 2002-01-24 | Mitsubishi Denki Kabushiki Kaisha | Dispositif de recherche d'un point caracteristique sur un visage |
JP2003108981A (ja) * | 2001-09-20 | 2003-04-11 | Eastman Kodak Co | 顔の特徴を位置確認するための方法及びコンピュータープログラム製品 |
JP2003281548A (ja) * | 2002-03-26 | 2003-10-03 | Toshiba Corp | 映像編集方法及びプログラム |
JP2003346149A (ja) * | 2002-05-24 | 2003-12-05 | Omron Corp | 顔照合装置および生体情報照合装置 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5291563A (en) * | 1990-12-17 | 1994-03-01 | Nippon Telegraph And Telephone Corporation | Method and apparatus for detection of target object with improved robustness |
US6023530A (en) * | 1995-11-13 | 2000-02-08 | Applied Intelligent Systems, Inc. | Vector correlation system for automatically locating patterns in an image |
US6185314B1 (en) * | 1997-06-19 | 2001-02-06 | Ncr Corporation | System and method for matching image information to object model information |
US6115140A (en) * | 1998-07-28 | 2000-09-05 | Shira Computers Ltd. | Method and system for half tone color conversion |
US20030059124A1 (en) * | 1999-04-16 | 2003-03-27 | Viisage Technology, Inc. | Real-time facial recognition and verification system |
US6501857B1 (en) * | 1999-07-20 | 2002-12-31 | Craig Gotsman | Method and system for detecting and classifying objects in an image |
JP3603737B2 (ja) * | 2000-03-30 | 2004-12-22 | 日本電気株式会社 | 移動体追尾方法及びその装置 |
US6836554B1 (en) * | 2000-06-16 | 2004-12-28 | International Business Machines Corporation | System and method for distorting a biometric for transactions with enhanced security and privacy |
JP3780830B2 (ja) * | 2000-07-28 | 2006-05-31 | 日本電気株式会社 | 指紋識別方法及び装置 |
EP1229486A1 (en) * | 2001-01-31 | 2002-08-07 | GRETAG IMAGING Trading AG | Automatic image pattern detection |
US7327866B2 (en) * | 2001-04-09 | 2008-02-05 | Bae Kyongtae T | Method and apparatus for compressing computed tomography raw projection data |
EP1293925A1 (en) * | 2001-09-18 | 2003-03-19 | Agfa-Gevaert | Radiographic scoring method |
JP2003219225A (ja) * | 2002-01-25 | 2003-07-31 | Nippon Micro Systems Kk | 動体画像監視装置 |
KR100455294B1 (ko) * | 2002-12-06 | 2004-11-06 | 삼성전자주식회사 | 감시 시스템에서의 사용자 검출 방법, 움직임 검출 방법및 사용자 검출 장치 |
US7194110B2 (en) * | 2002-12-18 | 2007-03-20 | Intel Corporation | Method and apparatus for tracking features in a video sequence |
US7127127B2 (en) * | 2003-03-04 | 2006-10-24 | Microsoft Corporation | System and method for adaptive video fast forward using scene generative models |
US7184602B2 (en) * | 2003-05-02 | 2007-02-27 | Microsoft Corp. | System and method for low bandwidth video streaming for face-to-face teleconferencing |
-
2004
- 2004-05-28 GB GB0412037A patent/GB2414616A/en not_active Withdrawn
-
2005
- 2005-05-27 WO PCT/GB2005/002104 patent/WO2005116910A2/en active Application Filing
- 2005-05-27 CN CN2005800171593A patent/CN101095149B/zh not_active Expired - Fee Related
- 2005-05-27 JP JP2007514104A patent/JP2008501172A/ja active Pending
- 2005-05-27 US US11/587,388 patent/US20080013837A1/en not_active Abandoned
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07306939A (ja) * | 1994-05-09 | 1995-11-21 | Loral Aerospace Corp | 連結性を利用するクラッター排除方法 |
JPH0935067A (ja) * | 1995-07-21 | 1997-02-07 | Video Res:Kk | テレビ視聴者識別方法およびその装置 |
JPH1115945A (ja) * | 1997-06-19 | 1999-01-22 | N T T Data:Kk | 画像処理装置及び方法、及び、危険物検出システム及び方法 |
JPH11306325A (ja) * | 1998-04-24 | 1999-11-05 | Toshiba Tec Corp | 対象物検出装置及び対象物検出方法 |
JP2000187733A (ja) * | 1998-12-22 | 2000-07-04 | Canon Inc | 画像処理装置及び方法並びに記憶媒体 |
JP2000306095A (ja) * | 1999-04-16 | 2000-11-02 | Fujitsu Ltd | 画像照合・検索システム |
WO2002007096A1 (fr) * | 2000-07-17 | 2002-01-24 | Mitsubishi Denki Kabushiki Kaisha | Dispositif de recherche d'un point caracteristique sur un visage |
JP2003108981A (ja) * | 2001-09-20 | 2003-04-11 | Eastman Kodak Co | 顔の特徴を位置確認するための方法及びコンピュータープログラム製品 |
JP2003281548A (ja) * | 2002-03-26 | 2003-10-03 | Toshiba Corp | 映像編集方法及びプログラム |
JP2003346149A (ja) * | 2002-05-24 | 2003-12-05 | Omron Corp | 顔照合装置および生体情報照合装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010146522A (ja) * | 2008-12-22 | 2010-07-01 | Nec Software Kyushu Ltd | 顔画像追跡装置及び顔画像追跡方法並びにプログラム |
KR101521136B1 (ko) * | 2013-12-16 | 2015-05-20 | 경북대학교 산학협력단 | 얼굴 인식 방법 및 얼굴 인식 장치 |
WO2024150267A1 (ja) * | 2023-01-10 | 2024-07-18 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び、記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
CN101095149A (zh) | 2007-12-26 |
GB0412037D0 (en) | 2004-06-30 |
US20080013837A1 (en) | 2008-01-17 |
CN101095149B (zh) | 2010-06-23 |
WO2005116910A3 (en) | 2007-04-05 |
GB2414616A (en) | 2005-11-30 |
WO2005116910A2 (en) | 2005-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4616702B2 (ja) | 画像処理 | |
JP2008501172A (ja) | 画像比較方法 | |
JP4381310B2 (ja) | メディア処理システム | |
US7636453B2 (en) | Object detection | |
JP2006508461A (ja) | 顔検出及び顔追跡 | |
JP2006508601A (ja) | ビデオカメラ | |
JP2006508463A (ja) | 顔検出 | |
JP2006508601A5 (ja) | ||
US7489803B2 (en) | Object detection | |
JP4939968B2 (ja) | 監視画像処理方法、監視システム及び監視画像処理プログラム | |
US8270806B2 (en) | Information processing apparatus and method of controlling same | |
US7421149B2 (en) | Object detection | |
JP2006508462A (ja) | 顔検出 | |
US7522772B2 (en) | Object detection | |
JP2004192637A (ja) | 顔検出 | |
JP2004199669A (ja) | 顔検出 | |
US20050129277A1 (en) | Object detection | |
US20050128306A1 (en) | Object detection | |
CN116824641B (zh) | 姿态分类方法、装置、设备和计算机存储介质 | |
CN110830734B (zh) | 一种突变和渐变镜头切换识别方法及*** | |
JP2005176339A (ja) | 動画像処理方法、動画像処理装置、動画像処理プログラム及びそのプログラムを記録した記録媒体 | |
GB2414613A (en) | Modifying pixels in dependence on surrounding test region |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20080325 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20080418 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080422 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100511 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100811 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100820 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100913 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101012 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110112 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20110222 |