JP4543423B2 - 対象物自動認識照合方法および装置 - Google Patents
対象物自動認識照合方法および装置 Download PDFInfo
- Publication number
- JP4543423B2 JP4543423B2 JP2004331172A JP2004331172A JP4543423B2 JP 4543423 B2 JP4543423 B2 JP 4543423B2 JP 2004331172 A JP2004331172 A JP 2004331172A JP 2004331172 A JP2004331172 A JP 2004331172A JP 4543423 B2 JP4543423 B2 JP 4543423B2
- Authority
- JP
- Japan
- Prior art keywords
- recognition
- interest
- class
- automatic
- face
- 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
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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/84—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using probabilistic graphical models from image or video features, e.g. Markov models or Bayesian networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
本発明の一つの特徴によれば、そのシステムは、様々な照明、表情およびポーズにわたっているモデルに対して単一のビューを生成することができる。システムは、非常に多数の個人の顔からなるトレーニングセットを通じて、ひとりの人の顔の外観におけるばらつきに対して相対的に、人々の間の分離を最大化する特徴について学習する。その特徴は、各特徴の寄与がその識別能力に依存するように加法的ガウスモデルに組み込むことができる。加法的ガウスモデル(AGM)は、システムに外観におけるクラス内およびクラス間ばらつき(変動)の両方をモデル化させ、たった一つあるいは少数の実例から、種々のポーズ、表情および照明を有している各個人に関するモデルを作り出すために用いられる。認識のためにAGMを用いることは、各顔の一つの実例しか用いない認識にたいしてもパワフルな方法であり、一方多数の実例を原理に則ってより正確な顔モデルに組み込んでもよい。このモデルは頑健(robust)で正面および非正面の顔の両方に対して適用出来る。
本発明に従って加法的ガウスモデルを明らかにするために、幾つかのクラスからの実例を有する訓練(トレーニング)データセットを考えてみる。顔認識の背景には各クラスはひとりの人に対応し、そのクラスにおける各実例はその人の顔の或るビューである。本発明の一実施例においては、クラス間およびクラス内変動(それぞれ異なる人における外観の差および同一人における異なるビューに対応する)に対するモデルを学習しながら、トレーニング用の実例から識別力のある特徴のセットを抽出し、そしてこれらのモデルを以前には見たことのない人々の実例と組み合わせる。このようにして、このシステムは人のたった一つの実例からさえ、その人の外観における変動(ばらつき)の範囲にわたってのモデルを生成することが出来る。
多クラス認識問題を考えてみよう。そこでは画像処理ユニット30に入力された新規な実例は、M既存クラス(たとえば、各々異なる人に対応する)の一つに割り当てられる必要がある。各クラスに対して確率分布P(x|class)として表されるモデルがあるとされる。それからその新実例xを分類するために、類似性判定ユニットが尤度P(x|class1),…,P(x|classM)を計算する。各クラスiは単位(unit)分散と既知の平均yi,を有する正規分布によってモデル化されると仮定すると、尤度は P(x|classi) = N(x(yi, 1)となる。どのクラスにその実例が属するかを決定するために、類似性判定ユニット39は単純に最も高い尤度を有するクラスを選択する。
二つの実例のクラスター(clusters)(各クラスターにおいて全ての実例は同じ人についてであるような)を考えてみる。目標はその二つのクラスターが実際に同じ人物の実例を有しているかどうかを決定することである。
今までは実例xは、x = y + zここでP(y)=N(y|0,σ2)andP(z)−N(0,1)として表される仮定されてきた。このような表現は一般性を失うことにはならない、なぜならそのデータは必要に応じてyおよびzがゼロ平均を持つようにシフトされ、そしてそのデータはzが単一の分散を持つように調整される(scaled)からである。しかしながらこれを行うためには各実例xは、x = y + z,となるように、クラス変数yとビュー変数zに分離されなければならない。
実際には、顔や他の対象物は一つより多い数字によって表現されるだろう。今までの解析は一変量の場合を取り扱ってきたが、多次元に一般化される必要がある。この問題は変数独立(variable independence)を仮定することによって著しく単純化される。換言すれば各実例はフォーム(x(1)…x(D))を有し、ここでDは次元の数で、x(j) = y(j) + z(j),j = 1...D,であり、(y(1) ... y(D))はそのクラス(individual)を表し、(z(1)…z(D))はそのクラス内における対象物のビューを表し、全てのy(j)とz(j)は互いに独立である。これらの変数は分布
今まで述べてきた加法的ガウスモデルにおいては、データは固定した数の独立したおよび略ガウシアンの変数によって表現されることが前提とされてきた。以下のセクションではそのような表現が顔に関して如何に導き出されるかが説明される。この手法は画像処理ユニット30の各要素に対するトレーニング手順(sequence)を示す図6のフローダイアグラムを参照して説明される。
画像処理ユニット30は個々の顔の特徴というよりは、顔全体画像を解析できる。それゆえ二つの顔を比較するに当たり、正規化ユニット36は、画像中において略同じ位置を占めている二つの顔上の対応する点に関して、それらが同一のサイズとなるように正規化する。最初に、図6のフローダイアグラムを参照するに、画像が入力され(ステップS302)顔検出ユニット34がそれら画像から顔を抽出する(ステップS304A)。そして正規化ユニット36が孤立分離された顔を受け取り(ステップS306)、各顔に対して、たとえば学習訓練された(trained)検出器を用いて、顔の特徴点(たとえば目や口の角や中心)を検出する(ステップS308A)。この正規化ユニット36は、検出された特徴点を出来るだけその標準の位置に近づけて図示する類似性変換を計算し(ステップS312)正規化された顔を出力する(ステップS314)。このような変換(ワープ、“warping“)を各顔に適用することは、顔を正規化するとともにその画像中における対応する画素が同様の顔の特徴点に対応することを確実にする。
P(feature non-eye)
特徴の独立を仮定して(この仮定は事実上は正しくないが、無視し得る)顔検出ユニット34は全てのDWT基準の特徴を計算し、対応する尤度比を調べ、そしてそれらを一緒に掛け合わせることによって、各候補画像パッチに対して目らしさの程度を計算する。パッチは、結果としてのスコアー(score)が十分高ければ、そのパッチは目であると判断され、また、目サーチが実行された領域においてこのスコアーの最大値が選択される(すなわち、最も高スコアーの位置を選択することによるローカライズがされる)。これはS. Ioffe, Automatic Red-Eye Reduction, In Proc. Int. Conf. Image Processing, 2003,(参照による援用(incorporated by reference)がされる)に記載されている顔検出方法に似ている。
上述してきた多次元加法的ガウスモデルは変数独立を仮定していて、その特性は過完全DWTには欠けている。それゆえ、モデル(1)を適用するまえに、システムは独立な特徴を抽出すべきであり、更にはこれらの特徴はクラス間の識別力において出来るだけ良好であるべきである。C. Bishop, Neural networks for pattern recognition, Oxford University Press, 1995,に記載されているような、フィッシャー線形判別(FLD)がこの目的のために用いられる。高いクラス間分散と低いクラス内分散を有する特徴の一次結合が、クラス間およびクラス内共分散マトリックスSbおよびSwを計算し、一般化固有値問題Sbv = λSwvを解くことによって、見出される。特徴の最適射影は最も高い固有値に対応する固有値ベクトルによって与えられる。
上述してきた手法は、たとえば許可されていないのにアクセスしようとする詐欺師を防ぐ方法として、顔照合にも使用できる。人がその人の身分(identity)を述べ提示する時、画像処理装置はその人の顔を身分証明のためギャラリーに保存記憶されている映像と比較し、その人がその人が申し立てている人自身かどうかの決定がなされる。応用次第で、このシステムは偽陽性(誤った承認)あるいは偽陰性(誤った拒否)を許容するようになる。それゆえ照合性能を表す最良の方法は、ROC曲線を持って偽陽性および偽陰性両方の割合を示すことである。その曲線にそって動いて、一致スコアー(match score)(方程式(3))が比較されるところの閾値が変化する。顔照合は図8に概念的に図示されている。図8に示されるように、画像処理ユニット30は、与えられた実例x1およびx2が同一人物に属する可能性の方が高いか(図8(a))あるいは異なる人物に属する可能性のほうが高いか(図8(b))を決定することによって、顔照合を実行する。このことが抽出された特徴の各々に対して独立に決定される。
本発明の更なる特徴と利点は、添付の図面に沿った以下の詳細な記載を読めば明らかになる。
Claims (32)
- デジタル画像における対象物を自動的に認識又は照合する対象物自動識別照合方法であって、
関心ある対象物を有するデジタル画像データにアクセスするステップと、
前記デジタル画像中の関心ある対象物を検出するステップと、
前記関心ある対象物を正規化して正規化された対象物表現を生成するステップと、
前記正規化された対象物表現から複数の特徴を抽出するステップと、
抽出された特徴の各々を予め決められた加法的確率モデルに適用して前記関心ある対象物が既存のクラスに属する尤度を決定するステップと、
を有し、
前記予め決められた加法的確率モデルは、対象物の外観をクラスに対応する成分とビューに対応する成分との加算により表す確率モデルである、
ことを特徴とする対象物自動認識照合方法。 - 前記予め決められた加法的確率モデルは加法的ガウスモデルである、
ことを特徴とする請求項1記載の対象物自動認識照合方法。 - 前記尤度に基づいて前記関心ある対象物に対する既存クラスを選択するステップと、
加法的確率モデルを前記選択されたクラスに対して前記関心ある対象物の特徴量を用いて再計算するステップと、を更に有する、
ことを特徴とする請求項1記載の対象物自動認識照合方法。 - 前記関心ある対象物は顔であり、
前記対象物自動認識照合方法は顔認識を実行する、
ことを特徴とする請求項1記載の対象物自動認識照合方法。 - 前記関心ある対象物は顔であり、
前記対象物自動認識照合方法は前記尤度に基づいて顔照合を実行する、
ことを特徴とする請求項1記載の対象物自動認識照合方法。 - 前記関心ある対象物は顔であり、
前記関心ある対象物を検出するステップは前記デジタル画像データにおける顔の特徴を検出する、
ことを特徴とする請求項1記載の対象物自動認識照合方法。 - 前記関心ある対象物を検出するステップは画像領域が顔の特徴には対応してないことを決定する早期棄却を利用する、
ことを特徴とする請求項6記載の対象物自動認識照合方法。 - 前記関心ある対象物はデジタル写真における顔である、
ことを特徴とする請求項1記載の対象物自動認識照合方法。 - 前記クラスに属する対象物についての特徴量に基づいて複数のクラスの各々に対して加法的確率モデルを生成するステップを更に有する、
ことを特徴とする請求項1記載の対象物自動認識照合方法。 - 前記特定のクラスに対して加法的確率モデルを生成するステップは、検出された関心ある対象物が前記対応するクラスに加えられる度に繰り返される、
ことを特徴とする請求項9記載の対象物自動認識照合方法。 - 前記加法的確率モデルを生成するステップは、多数の加法的確率モデルを各クラスアイデンティティに対して生成できるように、単一のクラスに属する実例をクラスター化する、
ことを特徴とする請求項9記載の対象物自動認識照合方法。 - 前記加法的確率モデルを生成するステップは、少なくとも一つの実例特徴量から特徴量平均に対する事後分布を計算する、
ことを特徴とする請求項9記載の対象物自動認識照合方法。 - 前記加法的確率モデルは前記特徴量平均の分散を作成する、
ことを特徴とする請求項12記載の対象物自動認識照合方法。 - 前記特徴量平均の前記分散は、より多くの実例が前記対応するクラスに関連付けられるに従ってゼロに近づく、
ことを特徴とする請求項13記載の対象物自動認識照合方法。 - クラス間を区別する独立した特徴のセットを識別する訓練段階を実行するステップを更に有する、
ことを特徴とする請求項1記載の対象物自動認識照合方法。 - 前記デジタル画像データはデジタル写真を表している、
ことを特徴とする請求項1記載の対象物自動認識照合方法。 - デジタル画像における対象物を自動的に認識あるいは照合する装置であって、
関心ある対象物を有するデジタル画像データにアクセスするためのデジタル画像データ入力部と、
前記デジタル画像データ中の関心ある対象物を検出するための対象物検出器と、
前記関心ある対象物を正規化して正規化された対象物表現を生成するための正規化ユニットと、
前記正規化された対象物表現から複数の特徴を抽出するための特徴抽出ユニットと、
抽出された特徴の各々を予め決められた加法的確率モデルに適用して前記関心ある対象物が既存のクラスに属する尤度を決定するための尤度決定ユニットと、
を有し、
前記予め決められた加法的確率モデルは、対象物の外観をクラスに対応する成分とビューに対応する成分との加算により表す確率モデルである、
ことを特徴とする対象物自動認識照合装置。 - 前記予め決められた加法的確率モデルは加法的ガウスモデルである、
ことを特徴とする請求項17記載の対象物自動認識照合装置。 - 前記尤度決定ユニットは、前記尤度に基づいて前記関心ある対象物に対する既存クラスを選択し、および加法的確率モデルを前記選択されたクラスに対して前記分類された関心ある対象物の特徴量を用いて再計算する、
ことを特徴とする請求項17記載の対象物自動認識照合装置。 - 前記関心ある対象物は顔であり、前記対象物自動認識照合装置は顔認識を実行することであることを特徴とする請求項17記載の対象物自動認識照合装置。
- 前記関心ある対象物は顔であり、前記対象物自動認識照合装置は前記尤度に基づいて顔照合を実行することであることを特徴とする請求項17記載の対象物自動認識照合装置。
- 前記関心ある対象物は顔であり、前記対象物検出器は前記デジタル画像データにおける顔の特徴を検出する、
ことを特徴とする請求項17記載の対象物自動認識照合装置。 - 前記対象物検出器は、画像領域が顔の特徴には対応してないことを決定する早期棄却を利用して関心ある対象物を検出する、
ことを特徴とする請求項22記載の対象物自動認識照合装置。 - 前記関心ある対象物はデジタル写真における顔である、
ことを特徴とする請求項17記載の対象物自動認識照合装置。 - 前記対象物自動認識照合装置は、前記クラスに属する対象物についての特徴量に基づいて複数のクラスの各々に対して加法的確率モデルを生成する、
ことを特徴とする請求項17記載の対象物自動認識照合装置。 - 前記対象物自動認識照合装置は、検出された関心ある対象物が前記対応するクラスに加えられる度に特定のクラスに対して加法的確率モデルの生成を繰り返す、
ことを特徴とする請求項25記載の対象物自動認識照合装置。 - 前記対象物自動認識照合装置は、多数の加法的確率モデルを各クラスアイデンティティに対して生成できるように、単一のクラスに属する実例をクラスター化することによって加法的確率モデルを生成する、
ことを特徴とする請求項25記載の対象物自動認識照合装置。 - 前記対象物自動認識照合装置は、少なくとも一つの実例特徴量から特徴量平均に対する事後分布を計算することによって加法的確率モデルを生成する、
ことを特徴とする請求項25記載の対象物自動認識照合装置。 - 前記加法的確率モデルは前記特徴量平均の分散を作成する、
ことを特徴とする請求項28記載の対象物自動認識照合装置。 - 前記特徴量平均の前記分散は、より多くの実例が前記対応するクラスに関連付けられるに従ってゼロに近づく、
ことを特徴とする請求項29記載の対象物自動認識照合装置。 - 前記装置は、クラス間を区別する独立した特徴のセットを識別する訓練段階を実行する、
ことを特徴とする請求項17記載の対象物自動認識照合装置。 - 前記デジタル画像データはデジタル写真を表している、
ことを特徴とする請求項17記載の対象物自動認識照合装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US51963903P | 2003-11-14 | 2003-11-14 | |
US10/734,258 US7596247B2 (en) | 2003-11-14 | 2003-12-15 | Method and apparatus for object recognition using probability models |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2005149506A JP2005149506A (ja) | 2005-06-09 |
JP4543423B2 true JP4543423B2 (ja) | 2010-09-15 |
Family
ID=34576863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004331172A Expired - Fee Related JP4543423B2 (ja) | 2003-11-14 | 2004-11-15 | 対象物自動認識照合方法および装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US7596247B2 (ja) |
JP (1) | JP4543423B2 (ja) |
Families Citing this family (94)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7471846B2 (en) | 2003-06-26 | 2008-12-30 | Fotonation Vision Limited | Perfecting the effect of flash within an image acquisition devices using face detection |
US8948468B2 (en) | 2003-06-26 | 2015-02-03 | Fotonation Limited | Modification of viewing parameters for digital images using face detection information |
US7440593B1 (en) | 2003-06-26 | 2008-10-21 | Fotonation Vision Limited | Method of improving orientation and color balance of digital images using face detection information |
US8498452B2 (en) | 2003-06-26 | 2013-07-30 | DigitalOptics Corporation Europe Limited | Digital image processing using face detection information |
US8494286B2 (en) | 2008-02-05 | 2013-07-23 | DigitalOptics Corporation Europe Limited | Face detection in mid-shot digital images |
US8989453B2 (en) | 2003-06-26 | 2015-03-24 | Fotonation Limited | Digital image processing using face detection information |
US7269292B2 (en) | 2003-06-26 | 2007-09-11 | Fotonation Vision Limited | Digital image adjustable compression and resolution using face detection information |
US7620218B2 (en) * | 2006-08-11 | 2009-11-17 | Fotonation Ireland Limited | Real-time face tracking with reference images |
US7565030B2 (en) * | 2003-06-26 | 2009-07-21 | Fotonation Vision Limited | Detecting orientation of digital images using face detection information |
US8330831B2 (en) | 2003-08-05 | 2012-12-11 | DigitalOptics Corporation Europe Limited | Method of gathering visual meta data using a reference image |
US8593542B2 (en) | 2005-12-27 | 2013-11-26 | DigitalOptics Corporation Europe Limited | Foreground/background separation using reference images |
US7574016B2 (en) | 2003-06-26 | 2009-08-11 | Fotonation Vision Limited | Digital image processing using face detection information |
US7844076B2 (en) | 2003-06-26 | 2010-11-30 | Fotonation Vision Limited | Digital image processing using face detection and skin tone information |
US8682097B2 (en) | 2006-02-14 | 2014-03-25 | DigitalOptics Corporation Europe Limited | Digital image enhancement with reference images |
US7792970B2 (en) | 2005-06-17 | 2010-09-07 | Fotonation Vision Limited | Method for establishing a paired connection between media devices |
US9692964B2 (en) | 2003-06-26 | 2017-06-27 | Fotonation Limited | Modification of post-viewing parameters for digital images using image region or feature information |
US8155397B2 (en) | 2007-09-26 | 2012-04-10 | DigitalOptics Corporation Europe Limited | Face tracking in a camera processor |
US8896725B2 (en) | 2007-06-21 | 2014-11-25 | Fotonation Limited | Image capture device with contemporaneous reference image capture mechanism |
US9129381B2 (en) | 2003-06-26 | 2015-09-08 | Fotonation Limited | Modification of post-viewing parameters for digital images using image region or feature information |
US7526193B2 (en) * | 2003-07-15 | 2009-04-28 | Omron Corporation | Object determining device and imaging apparatus |
GB2409027A (en) * | 2003-12-11 | 2005-06-15 | Sony Uk Ltd | Face detection |
US7460737B2 (en) | 2004-02-12 | 2008-12-02 | Hoshiko Llc | Method and apparatus for photograph finding |
JP2005346806A (ja) * | 2004-06-02 | 2005-12-15 | Funai Electric Co Ltd | Dvdレコーダおよび記録再生装置 |
JP5002811B2 (ja) * | 2004-10-26 | 2012-08-15 | 国立大学法人横浜国立大学 | 多変数モデル解析システム、方法、プログラム、およびプログラム媒体 |
US8320641B2 (en) | 2004-10-28 | 2012-11-27 | DigitalOptics Corporation Europe Limited | Method and apparatus for red-eye detection using preview or other reference images |
US7315631B1 (en) * | 2006-08-11 | 2008-01-01 | Fotonation Vision Limited | Real-time face tracking in a digital image acquisition device |
US8503800B2 (en) | 2007-03-05 | 2013-08-06 | DigitalOptics Corporation Europe Limited | Illumination detection using classifier chains |
JP2006293783A (ja) * | 2005-04-12 | 2006-10-26 | Fuji Photo Film Co Ltd | 画像処理装置及び画像処理プログラム |
US20070009159A1 (en) * | 2005-06-24 | 2007-01-11 | Nokia Corporation | Image recognition system and method using holistic Harr-like feature matching |
JP4539494B2 (ja) * | 2005-08-23 | 2010-09-08 | コニカミノルタホールディングス株式会社 | 認証装置、認証方法及びプログラム |
US8326775B2 (en) * | 2005-10-26 | 2012-12-04 | Cortica Ltd. | Signature generation for multimedia deep-content-classification by a large-scale matching system and method thereof |
JP4756589B2 (ja) * | 2005-12-07 | 2011-08-24 | ソニー株式会社 | 画像処理装置および方法、プログラム、並びに記録媒体 |
US7657086B2 (en) * | 2006-01-31 | 2010-02-02 | Fujifilm Corporation | Method and apparatus for automatic eyeglasses detection using a nose ridge mask |
US7653221B2 (en) * | 2006-01-31 | 2010-01-26 | Fujifilm Corporation | Method and apparatus for automatic eyeglasses detection and removal |
US7957555B2 (en) * | 2006-02-08 | 2011-06-07 | Fujifilm Corporation | Method and apparatus for localizing an object part in digital image data by updating an initial position estimate based on a displacement of the object part |
US7684594B2 (en) * | 2006-02-08 | 2010-03-23 | Fujifilm Corporation | Method and apparatus for estimating object part location in digital image data using feature value analysis |
WO2007122554A2 (en) * | 2006-04-21 | 2007-11-01 | Koninklijke Philips Electronics N.V. | Picture enhancing increasing precision smooth profiles |
EP2033142B1 (en) | 2006-06-12 | 2011-01-26 | Tessera Technologies Ireland Limited | Advances in extending the aam techniques from grayscale to color images |
US8467570B2 (en) * | 2006-06-14 | 2013-06-18 | Honeywell International Inc. | Tracking system with fused motion and object detection |
US7684595B2 (en) * | 2006-06-23 | 2010-03-23 | The United States Of America As Represented By The Secretary Of The Navy | Method of facial recognition |
US7403643B2 (en) | 2006-08-11 | 2008-07-22 | Fotonation Vision Limited | Real-time face tracking in a digital image acquisition device |
US7916897B2 (en) | 2006-08-11 | 2011-03-29 | Tessera Technologies Ireland Limited | Face tracking for controlling imaging parameters |
GB0616293D0 (en) * | 2006-08-16 | 2006-09-27 | Imp Innovations Ltd | Method of image processing |
US8031914B2 (en) * | 2006-10-11 | 2011-10-04 | Hewlett-Packard Development Company, L.P. | Face-based image clustering |
US8315463B2 (en) * | 2006-11-14 | 2012-11-20 | Eastman Kodak Company | User interface for face recognition |
US8055067B2 (en) | 2007-01-18 | 2011-11-08 | DigitalOptics Corporation Europe Limited | Color segmentation |
JP2008191816A (ja) * | 2007-02-02 | 2008-08-21 | Sony Corp | 画像処理装置、および画像処理方法、並びにコンピュータ・プログラム |
ATE472140T1 (de) | 2007-02-28 | 2010-07-15 | Fotonation Vision Ltd | Trennung der direktionalen beleuchtungsvariabilität in der statistischen gesichtsmodellierung auf basis von texturraumzerlegungen |
KR101247147B1 (ko) | 2007-03-05 | 2013-03-29 | 디지털옵틱스 코포레이션 유럽 리미티드 | 디지털 영상 획득 장치에서의 얼굴 탐색 및 검출 |
US8478055B2 (en) * | 2007-04-09 | 2013-07-02 | Nec Corporation | Object recognition system, object recognition method and object recognition program which are not susceptible to partial concealment of an object |
KR100876786B1 (ko) * | 2007-05-09 | 2009-01-09 | 삼성전자주식회사 | 조명 마스크를 이용하는 사용자 얼굴 검증 시스템 및 방법 |
US7916971B2 (en) | 2007-05-24 | 2011-03-29 | Tessera Technologies Ireland Limited | Image processing method and apparatus |
US8031970B2 (en) * | 2007-08-27 | 2011-10-04 | Arcsoft, Inc. | Method of restoring closed-eye portrait photo |
JP5231827B2 (ja) * | 2008-02-04 | 2013-07-10 | 富士フイルム株式会社 | 画像表示装置、表示制御方法及び表示制御プログラム |
US7855737B2 (en) | 2008-03-26 | 2010-12-21 | Fotonation Ireland Limited | Method of making a digital camera image of a scene including the camera user |
WO2009148731A1 (en) * | 2008-06-02 | 2009-12-10 | Massachusetts Institute Of Technology | Fast pattern classification based on a sparse transform |
JP5127583B2 (ja) * | 2008-06-20 | 2013-01-23 | 株式会社豊田中央研究所 | 対象物判定装置及びプログラム |
US8189930B2 (en) * | 2008-07-17 | 2012-05-29 | Xerox Corporation | Categorizer with user-controllable calibration |
CN106919911A (zh) | 2008-07-30 | 2017-07-04 | 快图有限公司 | 使用脸部检测的自动脸部和皮肤修饰 |
US9202137B2 (en) | 2008-11-13 | 2015-12-01 | Google Inc. | Foreground object detection from multiple images |
TWI382354B (zh) * | 2008-12-02 | 2013-01-11 | Nat Univ Tsing Hua | 臉部辨識方法 |
US8213691B2 (en) * | 2008-12-30 | 2012-07-03 | Mitsubishi Electric Research Laboratories, Inc. | Method for identifying faces in images with improved accuracy using compressed feature vectors |
US8121358B2 (en) * | 2009-03-06 | 2012-02-21 | Cyberlink Corp. | Method of grouping images by face |
US8531478B2 (en) * | 2009-03-19 | 2013-09-10 | Cyberlink Corp. | Method of browsing photos based on people |
US8379917B2 (en) | 2009-10-02 | 2013-02-19 | DigitalOptics Corporation Europe Limited | Face recognition performance using additional image features |
US8170332B2 (en) * | 2009-10-07 | 2012-05-01 | Seiko Epson Corporation | Automatic red-eye object classification in digital images using a boosting-based framework |
US8798373B2 (en) | 2009-11-20 | 2014-08-05 | Nec Corporation | Image restoration system, image restoration method, and image restoration program |
US9502073B2 (en) | 2010-03-08 | 2016-11-22 | Magisto Ltd. | System and method for semi-automatic video editing |
US9554111B2 (en) | 2010-03-08 | 2017-01-24 | Magisto Ltd. | System and method for semi-automatic video editing |
US8948515B2 (en) * | 2010-03-08 | 2015-02-03 | Sightera Technologies Ltd. | Method and system for classifying one or more images |
US9189137B2 (en) * | 2010-03-08 | 2015-11-17 | Magisto Ltd. | Method and system for browsing, searching and sharing of personal video by a non-parametric approach |
US8311337B2 (en) | 2010-06-15 | 2012-11-13 | Cyberlink Corp. | Systems and methods for organizing and accessing feature vectors in digital images |
WO2012175785A1 (en) | 2011-06-20 | 2012-12-27 | Nokia Corporation | Methods, apparatuses and computer program products for performing accurate pose estimation of objects |
US9858501B2 (en) | 2012-02-16 | 2018-01-02 | Nec Corporation | Reliability acquiring apparatus, reliability acquiring method, and reliability acquiring program |
TWI479435B (zh) * | 2012-04-03 | 2015-04-01 | Univ Chung Hua | 人臉辨識方法 |
US8655029B2 (en) * | 2012-04-10 | 2014-02-18 | Seiko Epson Corporation | Hash-based face recognition system |
US8942468B1 (en) | 2012-04-17 | 2015-01-27 | Google Inc. | Object recognition |
US9158970B2 (en) * | 2012-11-16 | 2015-10-13 | Canon Kabushiki Kaisha | Devices, systems, and methods for visual-attribute refinement |
JP5880454B2 (ja) | 2013-01-11 | 2016-03-09 | 富士ゼロックス株式会社 | 画像識別装置及びプログラム |
US9530052B1 (en) * | 2013-03-13 | 2016-12-27 | University Of Maryland | System and method for sensor adaptation in iris biometrics |
WO2014159943A2 (en) * | 2013-03-14 | 2014-10-02 | Bitvore Corp. | Dynamically loaded plugin architecture |
CN104636707B (zh) | 2013-11-07 | 2018-03-23 | 同方威视技术股份有限公司 | 自动检测香烟的方法 |
CN104951769B (zh) * | 2015-07-02 | 2018-11-30 | 京东方科技集团股份有限公司 | 活体识别装置、活体识别方法和活体认证*** |
CN106874921B (zh) * | 2015-12-11 | 2020-12-04 | 清华大学 | 图像分类方法和装置 |
US10311290B1 (en) * | 2015-12-29 | 2019-06-04 | Rogue Capital LLC | System and method for generating a facial model |
US9971847B2 (en) | 2016-01-07 | 2018-05-15 | International Business Machines Corporation | Automating browser tab groupings based on the similarity of facial features in images |
US10043058B2 (en) * | 2016-03-09 | 2018-08-07 | International Business Machines Corporation | Face detection, representation, and recognition |
US20170323149A1 (en) * | 2016-05-05 | 2017-11-09 | International Business Machines Corporation | Rotation invariant object detection |
CN106407912B (zh) * | 2016-08-31 | 2019-04-02 | 腾讯科技(深圳)有限公司 | 一种人脸验证的方法及装置 |
US10198626B2 (en) | 2016-10-19 | 2019-02-05 | Snap Inc. | Neural networks for facial modeling |
CN106682613B (zh) * | 2016-12-27 | 2020-01-03 | 北京航空航天大学 | 一种基于人脸显著性的图像压缩方法 |
US11275819B2 (en) | 2018-12-05 | 2022-03-15 | Bank Of America Corporation | Generative adversarial network training and feature extraction for biometric authentication |
US10963675B2 (en) * | 2019-01-30 | 2021-03-30 | Realnetworks, Inc. | Method for selecting images in video of faces in the wild |
CN111709344B (zh) * | 2020-06-09 | 2023-10-17 | 上海海事大学 | 一种基于高斯混合模型的epll图像去光照识别处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10149192A (ja) * | 1996-09-20 | 1998-06-02 | Nippon Telegr & Teleph Corp <Ntt> | パターン認識方法、装置およびその記憶媒体 |
JP2001331799A (ja) * | 2000-03-16 | 2001-11-30 | Toshiba Corp | 画像処理装置および画像処理方法 |
JP2001357404A (ja) * | 2000-06-14 | 2001-12-26 | Minolta Co Ltd | 画像抽出装置 |
US20020122596A1 (en) * | 2001-01-02 | 2002-09-05 | Bradshaw David Benedict | Hierarchical, probabilistic, localized, semantic image classifier |
US20040264780A1 (en) * | 2003-06-30 | 2004-12-30 | Lei Zhang | Face annotation for photo management |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003280516A1 (en) * | 2002-07-01 | 2004-01-19 | The Regents Of The University Of California | Digital processing of video images |
-
2003
- 2003-12-15 US US10/734,258 patent/US7596247B2/en not_active Expired - Fee Related
-
2004
- 2004-11-15 JP JP2004331172A patent/JP4543423B2/ja not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10149192A (ja) * | 1996-09-20 | 1998-06-02 | Nippon Telegr & Teleph Corp <Ntt> | パターン認識方法、装置およびその記憶媒体 |
JP2001331799A (ja) * | 2000-03-16 | 2001-11-30 | Toshiba Corp | 画像処理装置および画像処理方法 |
JP2001357404A (ja) * | 2000-06-14 | 2001-12-26 | Minolta Co Ltd | 画像抽出装置 |
US20020122596A1 (en) * | 2001-01-02 | 2002-09-05 | Bradshaw David Benedict | Hierarchical, probabilistic, localized, semantic image classifier |
US20040264780A1 (en) * | 2003-06-30 | 2004-12-30 | Lei Zhang | Face annotation for photo management |
Also Published As
Publication number | Publication date |
---|---|
US20050105780A1 (en) | 2005-05-19 |
US7596247B2 (en) | 2009-09-29 |
JP2005149506A (ja) | 2005-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4543423B2 (ja) | 対象物自動認識照合方法および装置 | |
Sung et al. | Example-based learning for view-based human face detection | |
US7912246B1 (en) | Method and system for determining the age category of people based on facial images | |
US7869657B2 (en) | System and method for comparing images using an edit distance | |
Barnouti et al. | Face recognition: A literature review | |
Mady et al. | Face recognition and detection using Random forest and combination of LBP and HOG features | |
Rath et al. | A survey on face detection and recognition techniques in different application domain | |
Sahbi et al. | Coarse to fine face detection based on skin color adaption | |
Mohamed et al. | Automated face recogntion system: Multi-input databases | |
Agrawal et al. | An efficient approach for face recognition in uncontrolled environment | |
Sidibe et al. | A simple and efficient eye detection method in color images | |
Jagadeesh et al. | DBC based Face Recognition using DWT | |
WO2009047561A1 (en) | Value determination | |
Fritz et al. | Rapid object recognition from discriminative regions of interest | |
KR100711223B1 (ko) | 저니키(Zernike)/선형 판별 분석(LDA)을 이용한얼굴 인식 방법 및 그 방법을 기록한 기록매체 | |
Salah et al. | Hidden Markov Model-based face recognition using selective attention | |
Ozkaya et al. | Intelligent face border generation system from fingerprints | |
Dubey et al. | A review of face recognition using SIFT feature extraction | |
Salah | Machine learning for biometrics | |
Shah et al. | Biometric authentication based on detection and recognition of multiple faces in image | |
Fondje | Bridging Domain Gaps for Cross-Spectrum and Long-range Face Recognition Using Domain Adaptive Machine Learning | |
Nimpa Fondje | Bridging Domain Gaps for Cross-Spectrum and Long-range Face Recognition Using Domain Adaptive Machine Learning | |
GAHARWAR et al. | FACE DETECTION AND REAL TIME SYSTEM USING DRLBP | |
Boom | Face recognition's grand challenge: uncontrolled conditions under control | |
Mohamed | Product of likelihood ratio scores fusion of dynamic face and on-line signature based biometrics verification application systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20070214 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070628 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100104 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100304 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100607 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100620 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130709 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |