JP4956967B2 - 認証システム、認証方法およびプログラム - Google Patents

認証システム、認証方法およびプログラム Download PDF

Info

Publication number
JP4956967B2
JP4956967B2 JP2005333235A JP2005333235A JP4956967B2 JP 4956967 B2 JP4956967 B2 JP 4956967B2 JP 2005333235 A JP2005333235 A JP 2005333235A JP 2005333235 A JP2005333235 A JP 2005333235A JP 4956967 B2 JP4956967 B2 JP 4956967B2
Authority
JP
Japan
Prior art keywords
authentication
posture
person
specific person
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
JP2005333235A
Other languages
English (en)
Other versions
JP2007140868A (ja
Inventor
宏 大和
寿夫 糊田
雄一 川上
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.)
Konica Minolta Inc
Original Assignee
Konica Minolta Inc
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 Konica Minolta Inc filed Critical Konica Minolta Inc
Priority to JP2005333235A priority Critical patent/JP4956967B2/ja
Publication of JP2007140868A publication Critical patent/JP2007140868A/ja
Application granted granted Critical
Publication of JP4956967B2 publication Critical patent/JP4956967B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Collating Specific Patterns (AREA)

Description

本発明は、顔認証技術に関する。
近年、ネットワーク技術等の発展によって電子化された様々なサービスが普及し、人に頼らない非対面での本人認証技術の必要性が高まっている。これに伴い、人物の生体特徴によって自動的に個人の識別を行うバイオメトリクス認証技術（生体認証技術）の研究が盛んに行われている。バイオメトリクス認証技術の一つである顔認証技術は、非接触型の認証方法であり、監視カメラによるセキュリティ或いは顔をキーとした画像データベース検索等、様々な分野での応用が期待されている。
このような認証技術においては、予め登録された登録画像と認証対象物を撮影した撮影画像とを比較することによって、登録画像内の人物と撮影画像内の人物とが同一人物であるか否かを判定することが行われる（例えば、特許文献１参照）。
特開２００２−５６３８８号公報
ところで、上記特許文献１等の従来の顔認証技術においては、正面を向いた顔（正面顔）の画像を用いて、顔認証が行われる。
しかしながら、各個人を特定するための特徴項目（例えば、鼻の高さや向き、あるいは目の大きさ等）のうち、正面顔で十分に表現され得る特徴項目は限られている。そのため、正面顔での判別に適さない特徴項目に特徴を有する個人を正面顔で認証する際には、その認証精度が十分ではないという問題がある。
そこで、この発明の課題は、或る個人に関する認証において、正面顔に現れる特徴に拘束されることなく当該個人に関する適宜の特徴を利用して、さらに正確に認証を行うことが可能な認証技術を提供することにある。
上記課題を解決すべく、請求項１の発明は、認証対象者が特定人物であるか否かを認証する認証システムであって、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する姿勢決定手段と、前記認証用姿勢による前記特定人物の画像を認証用画像として登録する登録手段とを備え、前記姿勢決定手段は、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定することを特徴とする。
請求項２の発明は、認証対象者が特定人物であるか否かを認証する認証システムであって、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する姿勢決定手段と、前記認証用姿勢に関する情報を含む認証用情報を登録する登録手段とを備え、前記姿勢決定手段は、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定することを特徴とする。
請求項３の発明は、請求項２の発明に係る認証システムにおいて、前記認証用情報は、前記認証用姿勢による前記特定人物の画像から抽出された特徴情報を含むことを特徴とする。
請求項４の発明は、請求項１から請求項３のいずれかの発明に係る認証システムにおいて、前記姿勢決定手段は、前記複数の特徴項目のそれぞれと、当該複数の特徴項目のそれぞれを判別しやすい姿勢との関係を規定したデータテーブルに基づいて、前記所定の特徴項目に対応する姿勢を前記認証用姿勢として決定することを特徴とする。
請求項５の発明は、請求項１から請求項４のいずれかの発明に係る認証システムにおいて、前記姿勢決定手段は、前記複数の特徴項目のそれぞれについて、前記特定人物に関する特徴点の３次元位置から算出される３次元形状情報と前記標準データにおける対応特徴点の３次元位置から算出される３次元形状情報とを比較して、前記ずれ度合いを前記複数の特徴項目についてそれぞれ求め、前記複数の特徴項目の中から前記所定の特徴項目を決定することを特徴とする。
請求項６の発明は、認証対象者が特定人物であるか否かを認証する認証システムであって、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する姿勢決定手段と、前記認証用姿勢による前記特定人物の画像を認証用画像として登録する登録手段とを備え、前記姿勢決定手段は、前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定することを特徴とする。
請求項７の発明は、認証対象者が特定人物であるか否かを認証する認証システムであって、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する姿勢決定手段と、前記認証用姿勢に関する情報を含む認証用情報を登録する登録手段とを備え、前記姿勢決定手段は、前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定することを特徴とする。
請求項８の発明は、請求項７に記載の認証システムにおいて、前記認証用情報は、前記認証用姿勢による前記特定人物の画像から抽出された特徴情報を含むことを特徴とする。
請求項９の発明は、認証対象者が特定人物であるか否かを認証する認証システムであって、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する姿勢決定手段と、前記認証用姿勢による画像を用いて前記認証対象者が前記特定人物であるか否かを判定する判定手段とを備え、前記姿勢決定手段は、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定することを特徴とする。
請求項１０の発明は、請求項９の発明に係る認証システムにおいて、前記姿勢決定手段は、前記複数の特徴項目のそれぞれと、当該複数の特徴項目のそれぞれを判別しやすい姿勢との関係を規定したデータテーブルに基づいて、前記所定の特徴項目に対応する姿勢を前記認証用姿勢として決定することを特徴とする。
請求項１１の発明は、請求項９または請求項１０の発明に係る認証システムにおいて、前記姿勢決定手段は、前記複数の特徴項目のそれぞれについて、前記特定人物に関する特徴点の３次元位置から算出される３次元形状情報と前記標準データにおける対応特徴点の３次元位置から算出される３次元形状情報とを比較して、前記ずれ度合いを前記複数の特徴項目についてそれぞれ求め、前記複数の特徴項目の中から前記所定の特徴項目を決定することを特徴とする。
請求項１２の発明は、認証対象者が特定人物であるか否かを認証する認証システムであって、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する姿勢決定手段と、前記認証用姿勢による画像を用いて前記認証対象者が前記特定人物であるか否かを判定する判定手段とを備え、前記姿勢決定手段は、前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定することを特徴とする。
請求項１３の発明は、請求項９から請求項１２のいずれかに記載の認証システムにおいて、前記認証用姿勢による前記特定人物に関する画像を前記特定人物に関する登録画像として登録する登録手段をさらに備え、前記判定手段は、前記登録画像を用いて前記認証対象者が前記特定人物であるか否かを判定することを特徴とする。
請求項１４の発明は、請求項９から請求項１３のいずれかの発明に係る認証システムにおいて、前記判定手段は、前記認証用姿勢による前記特定人物に関する画像と前記認証用姿勢による前記認証対象者に関する画像である比較用画像とを用いて、前記認証対象者が前記特定人物であるか否かを判定することを特徴とする。
請求項１５の発明は、請求項１４の発明に係る認証システムにおいて、人物の標準的な立体モデルである標準モデルに基づいて、前記認証対象者に関する立体モデルを生成する手段、をさらに備え、前記判定手段は、前記認証用姿勢と同じ姿勢による前記認証対象者の画像を、前記認証対象者に関する立体モデルを用いて前記比較用画像として生成することを特徴とする。
請求項１６の発明は、請求項１４の発明に係る認証システムにおいて、前記判定手段は、前記認証対象者に関する撮影画像の中から、前記認証用姿勢と同じ姿勢を有する撮影画像を前記比較用画像として選択することを特徴とする。
請求項１７の発明は、請求項１４から請求項１６のいずれかの発明に係る認証システムにおいて、前記認証対象者に関する撮影画像は、複数の時刻において撮影され、前記判定手段は、その撮影画像における前記認証対象者の姿勢が前記認証用姿勢と同一であると判定されることを条件として、その撮影画像を前記比較用画像として用いて当該比較用画像と前記認証用姿勢による前記特定人物に関する画像とに関する比較処理を開始することを特徴とする。
請求項１８の発明は、認証対象者が特定人物であるか否かを認証する認証方法であって、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する工程と、前記認証用姿勢による前記特定人物の画像を認証用画像として登録する工程とを備え、前記認証用姿勢を決定する工程において、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定することを特徴とする。
請求項１９の発明は、認証対象者が特定人物であるか否かを認証する認証方法であって、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する工程と、前記認証用姿勢による前記特定人物の画像を認証用画像として登録する工程とを備え、前記認証用姿勢を決定する工程において、前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定することを特徴とする。
請求項２０の発明は、認証対象者が特定人物であるか否かを認証する認証方法であって、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する工程と、前記認証用姿勢に関する情報を含む認証用情報を登録する工程とを備え、前記認証用姿勢を決定する工程において、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定することを特徴とする。
請求項２１の発明は、認証対象者が特定人物であるか否かを認証する認証方法であって、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する工程と、前記認証用姿勢に関する情報を含む認証用情報を登録する工程とを備え、前記認証用姿勢を決定する工程において、前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定することを特徴とする。
請求項２２の発明は、認証対象者が特定人物であるか否かを認証する認証方法であって、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する工程と、前記認証用姿勢による画像を用いて前記認証対象者が前記特定人物であるか否かを判定する工程とを備え、前記認証用姿勢を決定する工程において、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定することを特徴とする。
請求項２３の発明は、認証対象者が特定人物であるか否かを認証する認証方法であって、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する工程と、前記認証用姿勢による画像を用いて前記認証対象者が前記特定人物であるか否かを判定する工程とを備え、前記認証用姿勢を決定する工程において、前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定することを特徴とする。
請求項２４の発明は、コンピュータに、認証対象者が特定人物であるか否かを認証する認証方法を実行させるためのプログラムであって、当該コンピュータに、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する手順と、前記認証用姿勢による前記特定人物の画像を認証用画像として登録する手順とを実行させ、前記認証用姿勢を決定する手順において、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定する手順を実行させるためのプログラムであることを特徴とする。
請求項２５の発明は、コンピュータに、認証対象者が特定人物であるか否かを認証する認証方法を実行させるためのプログラムであって、当該コンピュータに、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する手順と、前記認証用姿勢による前記特定人物の画像を認証用画像として登録する手順とを実行させ、前記認証用姿勢を決定する手順において、前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定する手順を実行させるためのプログラムであることを特徴とする。
請求項２６の発明は、コンピュータに、認証対象者が特定人物であるか否かを認証する認証方法を実行させるためのプログラムであって、当該コンピュータに、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する手順と、前記認証用姿勢に関する情報を含む認証用情報を登録する手順とを実行させ、前記認証用姿勢を決定する手順において、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定する手順を実行させるためのプログラムであることを特徴とする。
請求項２７の発明は、コンピュータに、認証対象者が特定人物であるか否かを認証する認証方法を実行させるためのプログラムであって、当該コンピュータに、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する手順と、前記認証用姿勢に関する情報を含む認証用情報を登録する手順とを実行させ、前記認証用姿勢を決定する手順において、前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定する手順を実行させるためのプログラムであることを特徴とする。
請求項２８の発明は、コンピュータに、認証対象者が特定人物であるか否かを認証する認証方法を実行させるためのプログラムであって、当該コンピュータに、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する手順と、前記認証用姿勢による画像を用いて前記認証対象者が前記特定人物であるか否かを判定する手順とを実行させ、前記認証用姿勢を決定する手順において、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定する手順を実行させるためのプログラムであることを特徴とする。
請求項２９の発明は、コンピュータに、認証対象者が特定人物であるか否かを認証する認証方法を実行させるためのプログラムであって、当該コンピュータに、前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する手順と、前記認証用姿勢による画像を用いて前記認証対象者が前記特定人物であるか否かを判定する手順とを実行させ、前記認証用姿勢を決定する手順において、前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定する手順を実行させるためのプログラムであることを特徴とする。
請求項１から請求項８、請求項１８から請求項２１、および請求項２４から請求項２７に記載の発明によれば、特定人物の特徴を把握に適している認証用姿勢に関する情報または認証用画像が登録されるので、認証対象者が特定人物であるか否かをより高精度に認証することが可能になる。
また、請求項９から請求項１７、請求項２２、請求項２３、請求項２８、および請求項２９に記載の発明によれば、特定人物の特徴を把握に適している認証用姿勢による画像を用いて、認証対象者が特定人物であるか否かが判定されるので、より高精度の認証を行うことが可能である。
特に、請求項１４に記載の発明によれば、認証用姿勢による特定人物に関する画像と、認証用姿勢による認証対象者に関する画像である比較用画像とが比較され、同じ姿勢による両画像の比較によって認証対象者が特定人物であるか否かが判定されるので、より高精度の認証を行うことが可能である。
また特に、請求項１５に記載の発明によれば、認証用姿勢と同じ姿勢による認証対象者の画像が、認証対象者に関する立体モデルを用いて比較用画像として生成されるので、認証用姿勢と同じ姿勢による撮影画像が撮影されない場合であっても、比較認証が可能になる。
また特に、請求項１６に記載の発明によれば、実際に撮影された撮影画像が比較用画像として用いられるので、より高精度の認証を行うことが可能である。
また特に、請求項１７に記載の発明によれば、効率的な処理を行うことができる。
以下、本発明の実施形態を図面に基づいて説明する。
＜Ａ．第１実施形態＞
＜Ａ１．概要＞
図１および図２は、この実施形態に係る顔認証システム（認証システム）１の概要を示す概念図である。この顔認証システム１は、認証対象者ＨＭｂが特定人物ＨＭａであるか否かを認証する認証システムである。図１は、特定人物（登録対象者とも称する）ＨＭａに関する登録動作を中心に示す図であり、図２は特定人物ＨＭａと認証対象者ＨＭｂとの比較動作（認証動作）を中心に示す図である。
この第１実施形態においては、図１に示すように、まず、登録段階において、異なる撮影視点から特定人物ＨＭａを撮影（詳細にはステレオ視により撮影）して、特定人物ＨＭａが異なる姿勢で撮影された複数組のステレオ画像を取得する。つぎに、これらの各ステレオ画像に基づいて当該特定人物ＨＭａの顔における特徴点の３次元位置を導出することなどによって、特定人物ＨＭａに関する立体モデルである「個別モデル」（ＭＤａ）を作成する。そして、人物の顔に関する標準的な立体モデル（換言すれば標準的な人物（標準人物）に関する立体モデル）である「標準モデル」（ＭＤｓ）と、特定人物ＨＭａに関する個別モデルＭＤａとを比較する。「標準モデル」は、人物の顔に関する標準的なデータ（標準データ）として用いられる。さらに、標準モデルＭＤｓの形状データと個別モデルＭＤａの形状データとの比較結果（両モデル相互間における対応形状データのずれ度合い等）に基づいて、特定人物ＨＭａの特徴の把握に適している姿勢（ないし視点）を「認証用姿勢」（後述）として決定する。そして、当該認証用姿勢を有する特定人物ＨＭａに関する画像を、特定人物ＨＭａに関する登録画像Ｇregとして登録する。
詳細には、人物に関する複数の特徴項目（例えば、鼻の高さ、目の大きさ等）のうち、特定人物ＨＭａの識別に大きく寄与する特徴項目（例えば鼻の高さ）を特定人物ＨＭａ認証用の特徴項目として決定する。より具体的には、複数の特徴項目のそれぞれについて、個別モデルＭＤａの特徴点の３次元位置から算出される３次元形状情報と、標準モデルＭＤｓの対応特徴点の３次元位置から算出される３次元形状情報とを比較することによって、両モデル相互間での各特徴項目に関する「ずれ度合い」を求め、当該複数の特徴項目の中から、特定人物ＨＭａに固有の特徴が表れる特徴項目（認証用の特徴項目）を決定する。そして、この認証用の特徴項目の判別に適した姿勢（例えば横向き）をデータテーブルＴＢＬ（後述）に基づいて認証用姿勢（後述）として決定し、この姿勢に対応する画像（例えば横顔の画像）を特定人物ＨＭａに関する登録画像Ｇregとして登録する。
また、図２に示すように、認証動作においては、この登録画像Ｇregと、認証対象者ＨＭｂに関する画像Ｇｂとを比較することによって、認証対象者ＨＭｂが特定人物ＨＭａであるか否かが判定される。登録画像Ｇregとの比較処理に用いられる画像（「比較用画像」とも称する）Ｇｂとしては、特定人物ＨＭａの特徴の把握に適していると判定される姿勢と同じ姿勢（視点）による画像（例えば横顔の画像）が用いられる。この実施形態においては、比較用画像Ｇｂは、認証対象者ＨＭｂに関する個別モデルＭＤｂを用いて生成される。
この実施形態に係る顔認証システム１によれば、特定人物ＨＭａの特徴を把握しやすい姿勢による登録画像Ｇregを用いて、認証対象者ＨＭｂが特定人物ＨＭａであるか否かが判定されるので、より高精度の認証を行うことが可能である。なお、特定人物ＨＭａの特徴の把握に適する姿勢は、認証用の姿勢として用いられることから、同姿勢を「認証用姿勢」とも称するものとする。同様に、特定人物ＨＭａの特徴の把握に適する視点を、「認証用視点」とも称するものとする。また、登録画像Ｇregは、認証に用いられる画像であることから、当該登録画像Ｇregを「認証用画像」とも称するものとする。
以下では、顔認証システム１を入退室管理システムとして用いる場合を想定し、当該顔認証システム１についてさらに詳細に説明する。
＜Ａ２．構成＞
図３は、顔認証システム１を示す構成図である。図３に示すように顔認証システム１は、コントローラ１０と２台の画像撮影カメラ（以下、単に「カメラ」とも称する）ＣＡ１，ＣＡ２とを備えている。カメラＣＡ１とカメラＣＡ２とは、それぞれ異なる位置から撮影対象者（登録対象者ＨＭａまたは認証対象者ＨＭｂ）の顔を撮影できるように配置されている。また、撮影対象者が顔の向きを変更することによって、様々な視点からの撮影画像（様々な姿勢を有する撮影対象者の画像）が撮影され得る。
カメラＣＡ１とカメラＣＡ２とによって撮影対象者の顔画像が撮影されると、当該撮影により得られる撮影対象者の外観情報すなわち２枚の顔画像Ｇ１，Ｇ２がコントローラ１０に通信線を介して送信される。なお、各カメラとコントローラ１０との間での画像データの通信方式は有線方式に限定されず、無線方式であってもよい。
図４は、コントローラ１０の構成概要を示す図である。図４に示されるように、コントローラ１０は、ＣＰＵ２と、記憶部３と、メディアドライブ４と、液晶ディスプレイなどの表示部５と、キーボード６ａ及びポインティングデバイスであるマウス６ｂなどの入力部６と、ネットワークカードなどの通信部７とを備えたパーソナルコンピュータなどの一般的なコンピュータで構成される。記憶部３は、ハードディスクドライブ（ＨＤＤ）３ａと、ＨＤＤ３ａよりも高速処理可能なＲＡＭ（半導体メモリ）３ｂとを有している。また、メディアドライブ４は、ＣＤ−ＲＯＭ、ＤＶＤ（Digital Versatile Disk）、フレキシブルディスク、メモリカードなどの可搬性の記録媒体８からその中に記録されている情報を読み出すことができる。なお、このコントローラ１０に対して供給される情報は、記録媒体８を介して供給される場合に限定されず、ＬＡＮ及びインターネットなどのネットワークを介して供給されてもよい。
次に、コントローラ１０の機能について、図５および図６を参照して説明する。
図５は、コントローラ１０の各種機能構成を示すブロック図である。また、図６は、そのうちの一部（具体的には、主に個人認証部３０）の詳細な機能構成を示すブロック図である。
コントローラ１０の各種機能構成は、コントローラ１０内のＣＰＵ等の各種ハードウェアを用いて所定のソフトウェアプログラム（以下、単に「プログラム」とも称する）を実行することによって、実現される機能を概念的に示すものである。
図５に示されるように、コントローラ１０は、画像入力部１１と個別モデル作成部１９と登録処理部２０と個人認証部３０と出力部４９とを備える。また、コントローラ１０は、カメラパラメータ記憶部４１と３次元モデルデータベース４２と人物データベース４３と基底ベクトルデータベース４４（図６）とをさらに備える。
画像入力部１１は、カメラＣＡ１及びＣＡ２によって撮影された２枚の画像（ステレオ画像）をコントローラ１０に入力する機能を有している。また、画像入力部１１は、登録対象者ＨＭａを撮影する際、および認証対象者ＨＭｂを撮影する際の双方に用いられる。
個別モデル作成部１９は、画像入力部１１によって入力された画像と、３次元モデルデータベース４２に格納されている、人物の顔の標準的な立体モデル（「標準立体モデル」あるいは「標準モデル」とも称する）とに基づいて、固有の人物に関する「個別モデル」を生成する機能を有している。個別モデル作成部１９は、登録対象者ＨＭａの個別モデルＭＤａを作成する際、および認証対象者ＨＭｂの個別モデルＭＤｂを作成する際の双方に用いられる。
この個別モデル作成部１９は、顔領域検索部１２と顔部位検出部１３と３次元再構成部１４と最適化部１５とを有している。
顔領域検索部１２は、入力された顔画像から顔領域を特定する機能を有している。顔部位検出部１３は、特定した顔領域から顔の特徴的な部位（例えば、目、眉、鼻、口等）の位置を検出する機能を有している。３次元再構成部１４は、入力画像から得られる顔の特徴的な部位の座標から各部位の３次元における座標を算出する機能を有している。この３次元座標算出機能は、カメラパラメータ記憶部４１に格納されているカメラ情報等を用いて実現される。最適化部１５は、算出された３次元座標を用いて３次元モデルデータベース４２に格納されている顔の標準モデルから、固有の人物に関する個別モデルを生成する機能を有している。
これらの各処理部１２，１３，１４，１５によって、登録対象者ＨＭａおよび認証対象者ＨＭｂに関する情報はそれぞれ標準化（正規化）される。また、各処理部の機能によって作成された個別モデルは、人物の顔に関する３次元情報と２次元情報との双方を含むものとして形成される。「３次元情報」は、代表点の３次元座標値（３次元形状情報）等の立体的構成に関連する情報であり、「２次元情報」は、表面情報（テクスチャ情報）および／または代表点の平面的な位置情報（２次元形状情報）等の平面的構成に関連する情報である。また、個別モデルは、人物の顔に関する形状情報（３次元形状情報および２次元形状情報）とテクスチャ情報との双方を含むものとも表現される。
また、登録処理部２０は、特定人物ＨＭａに関する登録動作を行う処理部であり、主要特徴項目決定部２１と姿勢決定部（視点決定部とも称する）２２と登録部２３とを備える。
主要特徴項目決定部２１は、人物に関する複数の特徴項目（例えば、鼻の高さ、目の大きさ等）のうち、特定人物ＨＭａの識別に大きく寄与する特徴項目（例えば鼻の高さ）を特定人物ＨＭａ認証用の特徴項目として決定する機能を有している。姿勢決定部２２は、認証用の特徴項目の判別に適した姿勢（例えば横向き）をデータテーブルＴＢＬ（後述）に基づいて決定する機能を有している。登録部２３は、この姿勢に対応する画像（例えば横顔の画像）を、特定人物ＨＭａに関する登録画像Ｇregとして人物データベース（格納部）４３に登録する機能を有している。
さらに、個人認証部３０は、顔の認証を主たる目的として構成され、各個人を顔画像で認証する機能を有している。この個人認証部３０の詳細については、次述する。
また、出力部４９は、個人認証部で得られた認証結果を出力する機能を有している。
次に、個人認証部３０の詳細構成について図６を用いて説明する。
個人認証部３０は、認証対象者ＨＭｂが特定人物ＨＭａであるか否かを認証する機能を有しており、図６に示すように、姿勢特定部（視点特定部とも称する）３１と特徴抽出部３２と情報圧縮部３３と比較部３４とを有している。
具体的には、認証対象者ＨＭｂが自分が誰であるかを示すコード（記号番号）を認証対象者コード入力部１８を用いて入力すると、個人認証部３０の姿勢特定部３１は、当該入力コードに対応する特定人物ＨＭａの情報を人物データベース４３の中から検索し、当該特定人物ＨＭａを認証するのに適した姿勢（視点）および当該姿勢（視点）による登録画像Ｇregを特定する。また、姿勢特定部３１は、認証対象者ＨＭｂに関する画像として、特定人物ＨＭａを認証するのに適した姿勢（視点）と同じ姿勢（視点）による画像を取得する機能をも有している。このように、姿勢特定部３１は、顔認証動作に用いられる姿勢等を特定する機能を有している。なお、認証対象者コード入力部１８は、例えば、この認証システム１によって入退室が管理される部屋の入口に設けられた番号入力ボタンなどによって構成される。
特徴抽出部３２は、処理対象画像（登録画像Ｇreg、画像Ｇｂ等）から形状情報とテクスチャ情報とを抽出する特徴抽出機能を有している。
情報圧縮部３３は、特徴抽出部３２で抽出された形状情報とテクスチャ情報とをそれぞれ、顔認証用の適切な顔特徴量に変換することによって、顔認証に用いる形状情報とテクスチャ情報とをそれぞれ圧縮する機能を有している。この情報圧縮機能は、基底ベクトルデータベース４４に格納された情報等を用いて実現される。
特徴抽出部３２および情報圧縮部３３は、それぞれ、特定人物ＨＭａに関する登録画像Ｇregと認証対象者ＨＭｂに関する画像Ｇｂとの双方に対して同様の処理を行う。これによって、特定人物ＨＭａに関する顔特徴量と、認証対象者ＨＭｂに関する顔特徴量との双方が、それぞれ圧縮された状態で取得される。
比較部３４は、特定人物ＨＭａの顔特徴量と認証対象者ＨＭｂの顔特徴量との類似度を計算し、顔の認証を行う機能を有している。
＜Ａ３．動作＞
＜動作概要＞
次に、顔認証システム１における顔認証動作についてより詳細に説明する。以下では、当該顔認証動作を、（１）登録対象者（特定人物）ＨＭａに関する登録画像Ｇreg等の登録動作、および（２）認証対象者ＨＭｂに関する画像Ｇｂと特定人物ＨＭａに関する登録画像Ｇregとを用いた認証動作、に大きく分けて、この順序で説明する。
なお、図７は、登録動作を示すフローチャートであり、図８は、認証動作を示すフローチャートである。また、図９は図８の一部の処理を示すフローチャートである。さらに、図１０は、顔画像における特徴的な部位の特徴点を示す図であり、図１１は、２次元画像中の特徴点から三角測量の原理を用いて３次元座標を算出する様子を示す模式図である。図１１における画像Ｇ１、Ｇ２中の点Ｑ２０は、図１０における口の右端に相当する。
＜登録対象者ＨＭａに関する登録動作＞
まず、ステップＳＰ１（図７）において、カメラＣＡ１及びＣＡ２によって撮影された登録対象者ＨＭａの顔画像が、通信線を介しコントローラ１０に入力される。顔画像を撮影するカメラＣＡ１及びカメラＣＡ２は、それぞれ、２次元画像を撮影可能な一般的な撮影装置で構成される。また、当該各カメラＣＡｉの位置姿勢等を示すカメラパラメータＢｉ（ｉ＝１，...，Ｎ）は既知であり、予めカメラパラメータ記憶部４１（図５）に記憶されている。ここで、Ｎはカメラの台数を示している。本実施形態ではＮ＝２の場合を例示しているが、Ｎ≧３としてもよい（３台以上のカメラを用いてもよい）。カメラパラメータＢｉについては後述する。
次に、ステップＳＰ２において、カメラＣＡ１及びＣＡ２より入力された２枚の画像（すなわちステレオ画像）Ｇ１，Ｇ２のそれぞれにおいて、顔の存在する領域が検出される。顔領域検出手法としては、例えば、予め用意された標準の顔画像を用いたテンプレートマッチングにより、２枚の画像Ｇ１，Ｇ２のそれぞれから顔領域を検出する手法を採用することができる。
次に、ステップＳＰ３において、ステップＳＰ２で検出された顔領域画像の中から、顔の特徴的な部位の位置が検出される。例えば、顔の特徴的な部位としては、目、眉、鼻又は口等が考えられ、ステップＳＰ３においては、図１０に示されるような上記各部位の特徴点Ｑ１〜Ｑ２３の座標が算出される。特徴部位は、例えば、特徴部位の標準的なテンプレートを用いて行うテンプレートマッチングにより検出することができる。また、算出される特徴点の座標は、カメラより入力された画像Ｇ１、Ｇ２上の座標として表される。例えば、図１０における口の右端に相当する特徴点Ｑ２０に関して、図１１中に示すように、２枚の画像Ｇ１，Ｇ２のそれぞれにおける２次元座標値が求められる。具体的には、画像Ｇ１の左上の端点を原点Ｏとして、特徴点Ｑ２０の画像Ｇ１上の座標（ｘ１，ｙ１）が算出される。画像Ｇ２においても同様に特徴点Ｑ２０の画像Ｇ２上の座標（ｘ２，ｙ２）が算出される。
また、入力された画像における各特徴点を頂点とする領域内の各画素の輝度値が、当該領域の有する情報（以下、「テクスチャ情報」とも称する）として取得される。各領域におけるテクスチャ情報は、後述のステップＳＰ５等において、個別モデルに貼り付けられる。なお、本実施形態の場合、入力される画像は２枚以上であるので、各画像の対応する領域内の対応する画素における平均の輝度値を当該領域のテクスチャ情報として用いるものとする。
次のステップＳＰ４では、３次元再構成処理が行われる。具体的には、ステップＳＰ３において検出された各特徴点Ｑｊの各画像Ｇｉ（ｉ＝１，...，Ｎ）における２次元座標Ｕｉ(j)と、各画像Ｇｉを撮影したカメラのカメラパラメータＢｉとに基づいて、各特徴点Ｑｊの３次元座標Ｍ(j)（ｊ＝１・・・ｍ）が算出される。端的に言えば、三角測量の原理に基づいて各特徴点の３次元位置が算出される。なお、ｍは特徴点の数を示している。
３次元座標Ｍ(j)の算出について具体的に説明する。
各特徴点Ｑｊの３次元座標Ｍ(j)と各特徴点Ｑｊの２次元座標Ｕｉ(j)とカメラパラメータＢｉとの関係は式（１）のように表される。
なお、μｉは、スケールの変動分を示す媒介変数である。また、カメラパラメータ行列Ｂｉは、予め３次元座標が既知の物体を撮影することにより求められる各カメラ固有の値であり、３×４の射影行列で表される。
例えば、上記式（１）を用いて３次元座標を算出する具体的な例として、特徴点Ｑ２０の３次元座標Ｍ(20)を算出する場合を図１１を用いて考える。式（２）は画像Ｇ１上の特徴点Ｑ２０の座標（ｘ１，ｙ１）と特徴点Ｑ２０を３次元空間で表したときの３次元座標（ｘ，ｙ，ｚ）との関係を示している。同様に、式（３）は、画像Ｇ２上の特徴点Ｑ２０の座標（ｘ２，ｙ２）と特徴点Ｑ２０を３次元空間で表したときの３次元座標（ｘ，ｙ，ｚ）との関係を示している。
上記式（２）及び式（３）中の未知数は、２つの媒介変数μ１、μ２と３次元座標Ｍ(20)の３つの成分値ｘ，ｙ，ｚとの合計５つである。一方、式（２）及び式（３）に含まれる等式の数は６であるため、各未知数つまり特徴点Ｑ２０の３次元座標（ｘ，ｙ，ｚ）を算出することができる。
また、同様にして、全ての特徴点Ｑｊについての３次元座標Ｍ(j)を取得することができる。
次のステップＳＰ５では、モデルフィッテングが行われる。この「モデルフィッティング」は、予め準備された一般的（標準的）な顔のモデルである「（顔の）標準モデル」を、特定人物（ここでは登録対象者ＨＭａ）に関する情報を用いて変形することによって、当該特定人物の顔に関する入力情報が反映された「個別モデル」を生成する処理である。具体的には、算出された３次元座標Ｍ(j)を用いて標準モデルの３次元情報を変更する処理と、上記のテクスチャ情報を用いて標準モデルの２次元情報を変更する処理とが行われる。
図１２は、３次元の顔の標準モデルを示している。
図１２に示されるように、顔の標準モデルは、頂点データとポリゴンデータとで構成され、３次元モデルデータベース４２（図５）として記憶部３等に保存されている。頂点データは、標準モデルにおける特徴部位の頂点（以下、「標準制御点」とも称する）ＣＯｊの座標の集合であり、ステップＳＰ４において算出される各特徴点Ｑｊの３次元座標と１対１に対応している。ポリゴンデータは、標準モデルの表面を微小な多角形（例えば、三角形）のポリゴンに分割し、ポリゴンを数値データとして表現したものである。なお、図１２では、各ポリゴンの頂点が標準制御点ＣＯｊ以外の中間点によっても構成される場合を例示しており、中間点の座標は標準制御点ＣＯｊの座標値を用いた適宜の補完手法によって得ることが可能である。
ここで、標準モデルから個別モデルを構成するモデルフィッティングについて詳述する。
まず、標準モデルの各特徴部位の頂点（標準制御点ＣＯｊ）を、ステップＳＰ４において算出された各特徴点に移動させる。具体的には、各特徴点Ｑｊの３次元座標値を、対応する標準制御点ＣＯｊの３次元座標値として代入し、移動後の標準制御点（以下、「個別制御点」とも称する）Ｃｊを得る。これにより、標準モデルを３次元座標Ｍ(j)で表した個別モデルに変形することができる。なお、個別モデルにおける個別制御点Ｃｊ以外の中間点の座標は、個別制御点Ｃｊの座標値を用いた適宜の補間手法によって得ることが可能である。
また、この変形（移動）による各頂点の移動量から、後述のステップＳＰ６において用いられる、標準モデルを基準にした場合の個別モデルのスケール、傾き及び位置を求めることができる。具体的には、標準モデルにおける所定の基準位置と、変形後の個別モデルにおける対応基準位置との間のずれ量によって、個別モデルの標準モデルに対する位置変化を求めることができる。また、標準モデルにおける所定の２点を結ぶ基準ベクトルと、変形後の個別モデルにおける当該所定の２点の対応点を結ぶ基準ベクトルとの間のずれ量によって、個別モデルの標準モデルに対する傾きの変化及びスケール変化を求めることができる。たとえば、右目の目頭の特徴点Ｑ１と左目の目頭の特徴点Ｑ２との中点ＱＭの座標と標準モデルにおいて中点ＱＭに相当する点の座標とを比較することによって個別モデルの位置を求めることができ、さらに、中点ＱＭと他の特徴点とを比較することによって個別モデルのスケール及び傾きを算出することができる。
次の式（４）は、標準モデルと個別モデルとの間の対応関係を表現する変換パラメータ（ベクトル）ｖｔを示している。式（４）に示すように、この変換パラメータ（ベクトル）ｖｔは、両者のスケール変換指数ｓｚと、直交３軸方向における並進変位を示す変換パラメータ（ｔｘ，ｔｙ，ｔｚ）と、回転変位（傾き）を示す変換パラメータ（φ，θ，ψ）とをその要素とするベクトルである。
上述のようにして、登録対象者ＨＭａに関する３次元座標Ｍ(j)を用いて標準モデルの３次元情報を変更する処理が行われる。
ステップＳＰ５においては、３次元情報に関する位置（アライメント）補正がさらに実行される。
アライメント（顔向き）補正は、３次元情報に関する位置および姿勢等の補正処理である。アライメント補正は、標準モデルを基準にした際の個別モデルのスケール、傾き及び位置に基づいて行われる。より詳細には、標準モデルを基準にした際の標準モデルと個別モデルとの関係を示す変換パラメータｖｔ（式（４）参照）を用いて個別モデルを座標変換することによって、標準モデルの姿勢と同じ姿勢を有する個別モデルを作成することができる。すなわち、このアライメント補正によって、登録対象者ＨＭａに関する３次元情報を適切に正規化することができる。
さらに、ステップＳＰ５においては、テクスチャ情報を用いて、標準モデルの２次元情報を変更する処理も行われる。具体的には、入力画像Ｇ１，Ｇ２における各領域のテクスチャ情報が、３次元の個別モデル上の対応する領域（ポリゴン）に貼り付けられる（マッピングされる）。なお、立体モデル（個別モデル等）上でテクスチャ情報が貼り付けられる各領域（ポリゴン）は、「パッチ」とも称せられる。
以上のようにして、モデルフィッティング処理（ステップＳＰ５）が行われる。これによって、登録対象者ＨＭａに関する情報は、登録対象者ＨＭａに関する形状情報とテクスチャ情報との双方を含む「個別モデル」（ＭＤａ）として生成される。また、生成された個別モデルは、上記のアライメント補正によって、標準モデルの姿勢と同じ姿勢を有している。
なお、上記の各処理は、様々な撮影視点から特定人物ＨＭａを撮影した複数組のステレオ画像、換言すれば、様々な姿勢の特定人物ＨＭａに関する複数組のステレオ画像に対して行われることが好ましい。たとえば、２台のカメラで撮影された各動画像におけるフレーム画像（微小時間間隔で撮影されたフレーム画像）に関して、上記のような処理を施すことによって、個別モデルＭＤａを作成することができる。これによれば、様々な撮影視点から撮影された、より正確な情報を含む個別モデルＭＤａを作成することができる。
次のステップＳＰ６〜ＳＰ９においては、人物の顔に関する標準的な立体モデルである標準モデルＭＤｓと特定人物ＨＭａに関する個別モデルＭＤａとを比較するとともに、さらに、その比較結果に基づいて特定人物ＨＭａの特徴の把握に適する姿勢（認証用姿勢）を判定し、当該認証用姿勢を有する特定人物ＨＭａに関する画像を、特定人物ＨＭａに関する登録画像Ｇregとして登録する。
詳細には、複数の特徴項目に関する両モデル相互間での比較を行い（ステップＳＰ６）、人物の顔に関する複数の特徴項目の中から主要特徴項目を決定し（ステップＳＰ７）、当該主要特徴項目の判別に適した姿勢を認証用姿勢として決定し（ステップＳＰ８）、当該認証用姿勢に対応する登録画像Ｇregを登録する（ステップＳＰ９）。
そのため、まず、ステップＳＰ６において、標準モデルＭＤｓと個別モデルＭＤａとの比較処理が行われる。この比較処理は、人物に関する複数の特徴項目（例えば、鼻の高さ、目の大きさ等）に分類して行われる。また、当該比較処理は、各特徴項目に関する３次元形状情報に基づいて行われる。
図１３および図１４は、これらの特徴項目の例を示す図である。具体的には、図１３には、鼻に関する特徴項目（詳細には鼻の幅Ｎｗ、鼻の代表３点の上下間隔Ｎｒ）が示されており、図１４には、目に関する特徴項目（詳細には目の上下方向の高さＥｈ、目の左右方向の長さＥｗ）が示されている。また、図１６および図１７には、鼻に関する特徴項目に関する他の例として、鼻の高さＮｈが示されている。
これら複数の特徴項目のそれぞれについて、標準モデルと個別モデルとの比較処理が行われ、各特徴項目に関する両モデル相互間の「ずれ度合い」が、当該比較結果を表す指標値として求められる。
例えば、鼻の幅Ｎｗに関しては、個別モデルＭＤａおよび標準モデルＭＤｓのそれぞれに関する値Ｎｗ（Ｎｗａ，Ｎｗｓ）の差（たとえば差分絶対値｜Ｎｗａ−Ｎｗｓ｜）がその比較結果を表す指標値として算出される。ここで、標準モデルＭＤｓにおける鼻の幅Ｎｗ（Ｎｗｓ）は、標準モデルＭＤｓにおける鼻の特徴点Ｑ１７および特徴点Ｑ１８の間の距離として求められる。また、個別モデルＭＤａにおける鼻の幅Ｎｗ（Ｎｗａ）は、個別モデルＭＤａにおける鼻の特徴点Ｑ１７および特徴点Ｑ１８の間の距離として求められる。
同様に、鼻の高さＮｈ（図１６，図１７参照）に関しては、個別モデルＭＤａおよび標準モデルＭＤｓのそれぞれに関する値Ｎｈａ，Ｎｈｓの差（たとえば差分絶対値｜Ｎｈａ−Ｎｈｓ｜）がその比較結果を表す指標値として算出される。ここで、標準モデルＭＤｓにおける鼻の高さＮｈ（Ｎｈｓ）は、標準モデルＭＤｓにおける鼻の頂点Ｑ１９の３次元位置と所定の基準面ＰＬ１との距離として求められ、個別モデルＭＤａにおける鼻の高さＮｈ（Ｎｈａ）は、個別モデルＭＤａにおける鼻の頂点Ｑ１９の３次元位置と所定の基準面ＰＬ１との距離として求められる。なお、基準面ＰＬ１は、鼻の高さを算出する際の基準となる面である。基準面ＰＬ１は、例えば、各モデルにおいて、頭頂部に対して顔の前側に所定量シフトした位置に設けられる仮想的な鉛直平面であって、その法線方向が顔の正面方向となる平面として設定される。
また、鼻の上下間隔Ｎｒに関しては、個別モデルＭＤａおよび標準モデルＭＤｓのそれぞれに関する値Ｎｒ（Ｎｒａ，Ｎｒｓ）の差（たとえば差分絶対値｜Ｎｒａ−Ｎｒｓ｜）がその比較結果を表す指標値として算出される。ここで、各モデルにおける鼻の上下間隔Ｎｒ（Ｎｒａ，Ｎｒｓ）は、それぞれ、各モデルにおける鼻の特徴点Ｑ１７および特徴点Ｑ１８を通り且つ上記基準面ＰＬ１に垂直な平面ＰＬ２（図１６等参照）と特徴点Ｑ１９との距離である。
また、目に関する各特徴項目およびその他の部位に関する各特徴項目についても、同様にして、標準モデルＭＤｓと個別モデルＭＤａとの比較結果を得ることができる。なお、ここでの各距離は、各特徴点の３次元位置に基づいて、３次元空間におけるユークリッド距離として算出される。
以上のようにして、複数の特徴項目のそれぞれについて、特定人物ＨＭａに関する個別モデルＭＤａの特徴点の３次元位置から算出される３次元形状情報（Ｎｈ，Ｎｗ，Ｎｒ,Ｅｈ，Ｅｗ等）と標準モデルＭＤｓにおける対応特徴点の３次元位置から算出される３次元形状情報とを比較することによって、各特徴項目に関する両モデル相互間の「ずれ度合い」が求められる。
そして、ステップＳＰ７において、複数の特徴項目の中から登録対象者ＨＭａの特徴をより適切に表す特徴項目（以下、「主要特徴項目」とも称する）が、上記「ずれ度合い」の大小関係に基づいて決定される。具体的には、両モデルＭＤｓ，ＭＤａ相互間の差異（すなわち上記の指標値）が最も大きな特徴点に対応する特徴項目が、主要特徴項目として選択される。たとえば、上記の各種パラメータのうち、特徴項目Ｂ１に関する指標値（｜Ｎｈａ−Ｎｈｓ｜等）が最も大きい場合には、この特徴項目Ｂ１すなわち「鼻の高さ」が主要特徴項目として選択される。換言すれば、複数の特徴項目のうち「鼻の高さ」が特定人物ＨＭａ認証用の特徴項目として決定される。なお、「主要特徴項目」は、特定人物ＨＭａの識別に大きく寄与する特徴項目であるとも表現される。
さらに、ステップＳＰ８において、登録画像Ｇregにおける登録対象者ＨＭａの姿勢、すなわち認証用姿勢が決定される。
図１５は、各特徴項目と当該各特徴項目の撮影に適する姿勢（換言すれば、各特徴項目を判別しやすい姿勢）との関係を示すデータテーブルＴＢＬを示す図である。データテーブルＴＢＬにおいては、各特徴項目Ｂ１，Ｂ２，Ｂ３，...とその各特徴項目の撮影に適する姿勢α１，α２，α３，...とが対応付けて記憶されている。具体的には、各姿勢（例えば姿勢α１）を表現する値の組（例えば、ロール角、ピッチ角、ヨー角）がデータテーブルＴＢＬ内に格納されている。なお、これに限定されず、姿勢を表す情報として、撮影対象者に対する視点情報を表す値を用いるようにしてもよい。
このステップＳＰ８においては、このデータテーブルＴＢＬに基づいて、特徴項目の選択結果に対応する姿勢が、登録対象者ＨＭａの特徴の把握に適する姿勢（認証用姿勢）として決定される。
例えば、複数の特徴項目のうち「鼻の高さ」Ｂ１が登録対象者ＨＭａの主要特徴項目としてステップＳＰ７で選択されている場合を想定する。この場合には、データテーブルＴＢＬに基づいて、「Ｂ１：鼻の高さ」に対応する姿勢、すなわち横向きの姿勢（図１６および図１７参照）α１が、登録対象者ＨＭａの特徴の把握に適する姿勢として決定される。なお、詳細には、姿勢α１を表現する値の組（ロール角、ピッチ角、ヨー角）がデータテーブルＴＢＬ内に格納されている。また、図１６は、標準モデルＭＤｓの横向き画像を示す図であり、図１７は、登録対象者ＨＭａに関する個別モデルＭＤａの横向き画像を示す図である。
そして、ステップＳＰ９において、この姿勢による画像（すなわち、その特徴把握に最も適した姿勢を有する登録対象者ＨＭａの画像）が登録画像Ｇregとして人物データベース４３に登録（格納）される。
詳細には、個別モデルＭＤａを姿勢α１に変換した状態の２次元画像が、登録画像Ｇregとして登録される。たとえば、鼻の高さが主要特徴項目として選択されている場合には、当該主要特徴項目「鼻の高さ」の判別に適した横向きの姿勢に対応する横顔の画像が、特定人物ＨＭａに関する登録画像Ｇregとして登録される（図１参照）。
また、ステップＳＰ９においては、姿勢情報α（例えば、姿勢α１を表す情報）も登録画像Ｇregとともに登録される。
なお、登録画像Ｇregおよび姿勢情報αは、後述の比較処理（ステップＳＰ４０）における認証動作に用いられる情報であることから、認証用の情報（「認証用情報」とも称する）とも称せられる。
以上のようにして、認証用姿勢αに関する情報（姿勢情報）と認証用画像（登録画像）Ｇregとの双方が、特定人物ＨＭａについての「認証用情報」として登録される。
＜認証対象者ＨＭｂに関する情報収集＞
上述のような処理によって特定人物ＨＭａに関する登録画像Ｇreg等が登録されると、当該特定人物ＨＭａであると自称する認証対象者ＨＭｂが本当に当該特定人物ＨＭａであるか否かを判定することが可能になる。以下では、認証対象者ＨＭｂが、自分が特定人物ＨＭａであることを示すコード（記号番号）を認証対象者コード入力部１８を用いて入力したときに行われる認証動作について、図８を参照しながら説明する。
まず、認証対象者ＨＭｂに関する「比較用画像」の取得動作（ステップＳＰ３１〜ＳＰ３６）について説明する。
ステップＳＰ３１〜ＳＰ３５の各処理は、それぞれ、対応するステップＳＰ１〜ＳＰ５の各処理と同様の処理であり、その処理対象人物が登録対象者ＨＭａではなく認証対象者ＨＭｂである点で相違する。これらの処理によって、認証対象者ＨＭｂに関する個別モデルＭＤｂが作成される。具体的には、様々な視点からの複数組のステレオ画像に基づいて個別モデルＭＤｂが作成される。
つぎに、ステップＳＰ３６の処理について説明する。
ステップＳＰ３６においては、まず、認証対象者コード入力部１８を介して入力された入力コードで表現される特定人物ＨＭａの情報が人物データベース４３の中から検索される。これによって、特定人物ＨＭａの認証に適した登録画像Ｇregと、当該登録画像Ｇregに付随して登録されている認証用姿勢αとが、人物データベース４３に格納された様々な人物に関するデータの中から検索されて特定される。
そして、ステップＳＰ３１〜ＳＰ３５で作成された個別モデルＭＤｂの姿勢を認証用姿勢αに変換し、当該変換後の姿勢を有する認証対象者ＨＭｂの画像（２次元画像）を生成する。
たとえば、図２に示すように、特定人物ＨＭａの認証用姿勢αが値α１（横向きの姿勢）であるときには、当該認証用姿勢α１に対応する横顔の画像が、個別モデルＭＤｂを用いて、認証対象者ＨＭｂに関する比較用画像Ｇｂとして生成される。詳細には、個別モデルＭＤｂを認証用姿勢α（例えば横向きの姿勢）を有する状態に変換し、当該認証用姿勢αを有する個別モデルＭＤｂを基準位置から見た２次元画像を比較用画像Ｇｂとして生成する。
このように、認証用姿勢αと同じ姿勢による認証対象者ＨＭｂに関する比較用画像Ｇｂが、認証対象者ＨＭｂに関する個別モデルＭＤｂを用いて生成される。これによれば、認証用姿勢αと同じ姿勢による撮影画像が仮に撮影されない場合であっても、比較認証が可能になる。
＜比較処理＞
次に、ステップＳＰ４０の比較処理について、図９を参照しながら詳細に説明する。
ステップＳＰ４０の比較処理は、特定人物ＨＭａに関する登録画像Ｇregと認証対象者に関する比較用画像Ｇｂとを用いて行われる。ここでは、両画像Ｇreg，Ｇｂからそれぞれ２次元形状情報とテクスチャ情報とを抽出し、当該抽出情報を用いて両人物ＨＭａ，ＨＭｂの同一性を判定する場合を例示する。すなわち、２次元形状情報のみならずテクスチャ情報をも用いて比較処理を行う場合を例示する。
以下では、まず特定人物ＨＭａの特徴情報の抽出について説明する。
具体的には、まず、ステップＳＰ４１において、画像Ｇregから２次元形状情報とテクスチャ情報とを抽出する。
２次元形状情報としては、個別モデルＭＤｂにおけるｍ個の特徴点Ｑｊの２次元座標が抽出される。具体的には、式（５）に示されるように、ｍ個の特徴点Ｑｊ（ｊ＝１，...，ｍ）の２次元座標（Ｘｊ，Ｙｊ）を要素とするベクトルｈSが２次元形状情報として抽出される。
なお、姿勢によっては全ての特徴点Ｑｊを利用できない場合も存在する。ただし、そのような場合であっても、認証用姿勢αによれば主要特徴項目に関する特徴点Ｑｊを確実に捉えることができ、しかも主要特徴項目に関する特徴を把握しやすいという利点を得ることができる。
また、テクスチャ情報としては、各特徴点付近のパッチ又はパッチのグループ（局所領域）のテクスチャ（輝度）情報（以下、「局所テクスチャ情報」とも称する）が抽出される。
局所テクスチャ情報は、例えば、特徴的な部位の個別制御点を示す図１８中のグループＧＲ（個別制御点Ｃ２０、Ｃ２２及びＣ２３を頂点とするパッチＲ１と個別制御点Ｃ２１、Ｃ２２及びＣ２３を頂点とするパッチＲ２）から構成される領域、又は、単に一つのパッチからなる領域等の各局所領域が有する各画素の輝度情報として構成される。局所テクスチャ情報ｈ(k)（ｋ＝１，...，Ｌ；Ｌは局所領域数）は、それぞれ、当該局所領域内の画素数をｎ、各画素の輝度値をＢＲ１，...，ＢＲｎとすると、式（６）のようなベクトル形式で表される。また、局所テクスチャ情報ｈ(k)をＬ個の局所領域について集めた情報は、総合的なテクスチャ情報であるとも表現される。
なお、図１８においては、正面から見た２次元画像を想定し、且つ、口の周辺の局所テクスチャ情報を取得する場合を示している。正面以外の視点からの画像（例えば、横顔の画像）を比較用画像Ｇｂとして用いる場合等においては、当該比較用画像Ｇｂ（例えば、横顔の画像）において見える部分（すなわち正面以外の当該視点から見える部分（例えば、鼻の周辺部分））についてのテクスチャ情報を取得するようにすればよい。
以上のように、ステップＳＰ４１においては、個別モデルＭＤａの特徴を表す情報として、２次元形状情報とテクスチャ情報とが抽出される。
抽出された情報は後述の認証動作（ステップＳＰ４３，ＳＰ４４）に用いられる。当該認証動作においては、式（６）で得られる情報をそのまま用いて認証動作を行うようにしてもよいが、その場合、局所領域内の画素数が多いとき等には、認証動作での計算量が非常に大きくなってしまう。そこで、この実施形態では、計算量を低減して効率的に認証動作を行うことを企図して、式（６）で得られる情報を更に圧縮し圧縮後の情報を用いて認証動作を行うものとする。
そのため、次のステップＳＰ４２においては、ステップＳＰ４１で抽出された情報を、認証に適した状態に変換する次述の情報圧縮処理を行う。
情報圧縮処理は、２次元形状情報ｈS及び各局所テクスチャ情報ｈ(k)のそれぞれに対して同様の手法を用いて行われ得るが、ここでは、局所テクスチャ情報ｈ(k)に対して情報圧縮処理を施す場合について詳細に説明する。
局所テクスチャ情報ｈ(k)は、複数のサンプル顔画像から予め取得される当該局所領域の平均情報（ベクトル）ｈave(k)と、複数のサンプル顔画像をＫＬ展開することによって予め算出される当該局所領域の固有ベクトルのセットで表現される行列Ｐ(k)（次述）とを用いて式（７）のように基底分解された形式で表すことができる。この結果、局所テクスチャ顔情報量（ベクトル）ｃ(k)が、局所テクスチャ情報ｈ(k)についての圧縮情報として取得される。
上述のように式（７）中の行列Ｐ(k)は、複数のサンプル顔画像から算出される。具体的には、行列Ｐ(k)は、複数のサンプル顔画像をＫＬ展開することによって求められる複数の固有ベクトルのうち、固有値の大きい数個の固有ベクトル（基底ベクトル）のセットとして求められる。これらの基底ベクトルは、基底ベクトルデータベース４４（図６）に記憶されている。顔画像についてのより大きな特徴を示す固有ベクトルを基底ベクトルとしてその顔画像を表現することによれば、顔画像の特徴を効率的に表現することが可能となる。
例えば、図１８に示されているグループＧＲからなる局所領域の局所テクスチャ情報ｈ(GR)を基底分解された形式で表現する場合を考える。当該局所領域の固有ベクトルのセットＰが、３つの固有ベクトルＰ１、Ｐ２及びＰ３によってＰ＝（Ｐ１，Ｐ２，Ｐ３）と表現されているとすると、局所テクスチャ情報ｈ(GR)は、当該局所領域の平均情報ｈave(GR)と固有ベクトルのセットＰ１，Ｐ２，Ｐ３とを用いて式（８）のように表される。平均情報ｈave(GR)は、様々なサンプル顔画像についての複数の局所テクスチャ情報（ベクトル）を対応要素ごとに平均して得られるベクトルである。なお、複数のサンプル顔画像は、適度なばらつきを有する標準的な複数の顔画像を用いればよい。
また、上記式（８）は、顔情報量ｃ(GR)＝（ｃ１，ｃ２，ｃ３）Tによって元の局所テクスチャ情報を再現することが可能であることを示している。すなわち、顔情報量ｃ(GR)は、グループＧＲからなる局所領域の局所テクスチャ情報ｈ(GR)を圧縮した情報といえる。
上記のようにして取得された局所テクスチャ顔情報量ｃ(GR)をそのまま認証動作に用いてもよいが、この実施形態ではさらなる情報圧縮を行う。具体的には、局所テクスチャ顔情報量ｃ(GR)が表す特徴空間を個人間の分離を大きくするような部分空間へと変換する処理を更に行う。より詳細には、式（９）に表されるようベクトルサイズｆの局所テクスチャ顔情報量ｃ(GR)をベクトルサイズｇの局所テクスチャ特徴量ｄ(GR)に低減させる変換行列Ａを考える。これにより、局所テクスチャ顔情報量ｃ(GR)で表される特徴空間を局所テクスチャ特徴量ｄ(GR)で表される部分空間に変換することができ、個人間の情報の相違が顕著になる。
ここで、変換行列Ａはｆ×ｇのサイズを有する行列である。重判別分析（ＭＤＡ：Multiple Discriminant Analysis）法を用いて、特徴空間から級内分散と級間分散との比率（Ｆ比）の大きい主成分をｇ個選び出すことによって、変換行列Ａを決定することができる。
また、上述した局所テクスチャ情報ｈ(GR)について行った情報圧縮処理と同様の処理を他の全ての局所領域にも実行することによって、各局所領域についての局所テクスチャ顔特徴量ｄ(k)を取得することができる。また、２次元形状情報ｈSに対しても同様の手法を適用することにより形状顔特徴量ｄSを取得することができる。
上記ステップＳＰ４２を経て取得される形状顔特徴量ｄSと局所テクスチャ顔特徴量ｄ(k)とを組み合わせた顔特徴量ｄは、ベクトル形式で式（１０）のように表すことができる。
以上のようにして、特定人物ＨＭａの顔特徴量ｄ（Ａｄ）が取得される。
また、認証対象者ＨＭｂについても同様の処理が行われ、認証対象者ＨＭｂの顔特徴量ｄ（Ｂｄ）が取得される。具体的には、ステップＳＰ４１において画像Ｇｂから２次元形状情報とテクスチャ情報とが抽出され、ステップＳＰ４２において情報圧縮処理が行われる。これによって、認証対象者ＨＭｂの顔特徴量ｄ（Ｂｄ）が取得される。
特定人物ＨＭａの顔特徴量ｄ（Ａｄ）と認証対象者ＨＭｂの顔特徴量ｄ（Ｂｄ）とは、次のステップＳＰ４３，ＳＰ４４の処理において用いられる。
ステップＳＰ４３，ＳＰ４４においては、上述の２つの顔特徴量Ａｄ，Ｂｄを用いて顔認証が行われる。
具体的には、認証対象者（認証対象物）と比較対象者（比較対象物）との類似度である総合類似度Ｒｅが算出され（ステップＳＰ４３）、その後、この総合類似度Ｒｅに基づく認証対象者と比較対象者との比較動作等（ステップＳＰ４４）が行われる。総合類似度Ｒｅは、形状顔特徴量ｄSから算出される形状類似度ＲｅSと、局所テクスチャ顔特徴量ｄ(k)から算出される局所テクスチャ類似度Ｒｅ(k)とに加えて、形状類似度ＲｅSと局所テクスチャ類似度Ｒｅ(k)との重みを規定する適宜の重み付け係数（以下、単に「重み係数」とも称する）ＷＴ，ＷＳ（式（１１）参照）を用いて算出される。
ステップＳＰ４３では、特定人物ＨＭａの顔特徴量ｄ（Ａｄ）と、認証対象者ＨＭｂの顔特徴量ｄ（Ｂｄ）との類似性の評価が行われる。具体的には、登録されている顔特徴量（比較特徴量）（ＲｅSM及びＲｅ(k)M）と認証対象者の顔特徴量（ＲｅSI及びＲｅ(k)I）との間で類似度計算が実行され、形状類似度ＲｅSと局所テクスチャ類似度Ｒｅ(k)とが算出される。
さて、認証対象者と比較対象者との形状類似度ＲｅSは、式（１２）に示されるように対応するベクトル同士のユークリッド距離ＲｅSを求めることによって取得される。
また、局所テクスチャの類似度Ｒｅ(k)は、式（１３）に示されるように対応する局所領域同士における特徴量の各ベクトル成分ごとのユークリッド距離Ｒｅ(k)を求めることによって取得される。
そして、式（１４）に示されるように、形状類似度ＲｅSと局所テクスチャの類似度Ｒｅ(k)とを、所定の重み係数ＷＴ，ＷＳを用いて合成し、認証対象者（認証対象物）と比較対象者（比較対象物）との類似度である総合類似度Ｒｅを取得することができる。
次に、ステップＳＰ４４においては、総合類似度Ｒｅに基づいて認証判定が行われる。具体的には、認証対象者ＨＭｂの顔特徴量と特定の登録者（比較対象者）ＨＭａの顔特徴量との類似度Ｒｅを一定の閾値ＴＨ１と比較することによって、認証対象者ＨＭｂと比較対象者ＨＭａとの同一性が判定される。詳細には、類似度Ｒｅが一定の閾値ＴＨ１よりも小さいときに認証対象者が比較対象者と同一人物であると判定される。
以上のようにして、比較処理（ステップＳＰ４０）が行われる。なお、上記実施形態においては、式（１４）に示すように、テクスチャ情報だけでなく形状情報をも用いて認証対象者ＨＭｂと登録者ＨＭａとの同一性を判定する場合を例示しているが、これに限定されず、２次元形状情報のみを用いて認証対象者ＨＭｂと登録者ＨＭａとの同一性を判定するようにしてもよい。
このように、特定人物ＨＭａの特徴を把握に適している認証用姿勢による登録画像Ｇregを用いて、認証対象者ＨＭｂが特定人物ＨＭａであるか否かが判定されるので、より高精度の認証を簡易に行うことが可能である。
＜Ｂ．第２実施形態＞
上記第１実施形態においては、認証対象者ＨＭｂに関する個別モデルＭＤｂを用いて比較用画像Ｇｂを生成する場合（図２参照）を例示したが、これに限定されない。たとえば、図１９に示すように、認証対象者ＨＭｂに関する複数の撮影画像Ｇｂｉ（Ｇｂ１，Ｇｂ２，...）の中から、登録対象者ＨＭａに関する認証用姿勢αと同じ姿勢で撮影された認証対象者に関する撮影画像Ｇｂｑを選択し、選択した撮影画像Ｇｂｑを比較用画像Ｇｂとして用いるようにしてもよい。この第２実施形態はこのような変形例について例示する。なお、図１９は、この第２実施形態における認証対象者ＨＭｂに関する撮影画像の選択動作および比較動作を示す概念図である。第２実施形態においては、第１実施形態における図２に示す動作に代わって、図１９のような動作が実行される。以下では、第１実施形態との相違点を中心に説明する。
また、図２０は、第２実施形態の認証動作の詳細を示すフローチャートである。第２実施形態においては、図８に示すような第１実施形態の認証動作に代わって、図２０に示すような認証動作が行われる。以下では、図８との相違点を中心に説明する。
まず、図８と同様に、ステップＳＰ３１，ＳＰ３２，ＳＰ３３の動作が行われる。
次のステップＳＰ３８においては、認証対象者ＨＭｂに関する撮影画像Ｇｂｉの撮影姿勢が認証用姿勢（指定値）と同じであるか否かが判定される。なお、撮影画像における認証対象者ＨＭｂの姿勢が所定の認証用姿勢に対して所定の許容誤差範囲内に収まっている場合、認証用姿勢と同一であるとみなすものとする。
また、ここでは、撮影画像Ｇｂｉだけでなく当該撮影画像Ｇｂｉに対応する画像をもあわせてステレオ画像として撮影される場合を想定する。具体的には、２台のカメラＣＡ１，ＣＡ２のうちの一方のカメラで撮影された画像を撮影画像Ｇｂｉとして採用し、他方のカメラで撮影された画像を撮影画像Ｇｂｉに対応する画像として採用する。そして、撮影画像Ｇｂｉと当該撮影画像Ｇｂｉに対応する画像とで構成されるステレオ画像に基づいて、三角測量の原理を用いて、撮影画像Ｇｂｉにおける撮影対象者ＨＭｂの撮影姿勢を算出するものとする。詳細には、代表的な数点（例えば３点）の特徴点の３次元位置を求め、その３次元位置に基づいて基準姿勢からのずれ角度を求めることができる。
そして、撮影画像Ｇｂｉにおける撮影姿勢が認証用姿勢と同一であると判定されない場合には、再びステップＳＰ３１に戻り、同様の動作を繰り返す。
一方、撮影画像Ｇｂｉにおける撮影姿勢が認証用姿勢と同一であると判定される場合には、ステップＳＰ３９に進み、当該撮影画像Ｇｂｉが比較用画像Ｇｂとして採用され、さらにステップＳＰ４０に進む。その後、ステップＳＰ４０において、認証対象者ＨＭｂに関する当該撮影画像（比較用画像）Ｇｂと人物ＨＭａに関する登録画像Ｇregとに基づいて、第１実施形態と同様の比較処理が行われる。
このように、複数の撮影画像を異なる時刻において順次に撮影しつつ、被写体である認証対象者ＨＭａの姿勢が認証用姿勢と同一であると判定されることを条件として、撮影画像（比較用画像）Ｇｂと登録画像Ｇregとを比較して認証対象者ＨＭｂと特定人物ＨＭａとの同一性を判定する判定処理（ステップＳＰ４０）を開始するようにしてもよい。
このような動作によれば、上記第１実施形態と同様の効果を得ることができる。また、比較用画像Ｇｂとして実際の撮影画像Ｇｂｉが用いられるので、より高精度の認証を行うことが可能である。また、被写体である認証対象者ＨＭａの姿勢が認証用姿勢と同一であると判定されることを条件として判定処理（ステップＳＰ４０）が開始されるので、効率的な処理を行うことができる。
＜Ｃ．第３実施形態＞
上記第１および第２実施形態においては、特定人物に関するデータと標準データとの差異を３次元位置の相違として検出することなどによって、特定人物の特徴把握に適する認証用姿勢を決定する場合を例示した。
この第３実施形態においては、登録手法の変形例について、詳細には、特定人物と標準データとの差異を２次元位置の相違として検出することなどによって、特定人物の特徴把握に適する認証用姿勢（および当該認証用姿勢に対応する登録画像）を決定する場合について説明する。以下では、第１実施形態および第２実施形態との相違点を中心に説明する。
図２１は、第３実施形態における登録画像の決定動作等を示す概念図である。この第３実施形態においては、図２１に示すように、まず、特定人物ＨＭａに関する異なる撮影姿勢による複数の撮影画像Ｇａｉ（Ｇａ１，Ｇａ２，...）のそれぞれについて、各撮影画像Ｇａｉ（Ｇａ１，Ｇａ２，...）に関する撮影姿勢を求めるとともに、標準モデルＭＤｓに基づいて、当該撮影姿勢を有する当該標準モデルＭＤｓの２次元画像を参照画像Ｇｓｉとして生成する。
そして、特定人物ＨＭａに関する複数の撮影画像Ｇａｉ（Ｇａ１，Ｇａ２，...）のうち、各撮影画像Ｇａｉ（Ｇａ１，Ｇａ２，...）とその姿勢に対応する参照画像（標準画像とも称する）Ｇｓｉ（Ｇｓ１，Ｇｓ２，...）とを比較して、当該画像（２次元画像）上での差異が最も大きな画像（Ｇａｑ）を、登録画像Ｇregとして決定する。ここで、各参照画像（標準画像）Ｇｓｉは、各撮影画像Ｇａｉにおける姿勢と同一姿勢を有する標準人物の画像であって、標準データ（標準モデルＭＤｓ）に基づいて生成される画像である。
図２１においては、正面向きの画像Ｇａ１に対して正面向きの画像Ｇｓ１が生成され、若干上向きの画像Ｇａ２に対して若干上向きの画像Ｇｓ２が生成され、横向きの画像Ｇａｑに対して横向きの画像Ｇｓｑが生成され、若干下向きの画像Ｇａ９に対して若干下向きの画像Ｇｓ９が生成されている様子が示されている。
図２２は、第３実施形態における登録動作の詳細を示すフローチャートである。第３実施形態においては、図７に示すような第１実施形態の登録動作に代わって、図２２に示すような登録動作が行われる。以下では、図７との相違点を中心に説明する。
ここでは、撮影画像Ｇａｉだけでなく当該撮影画像Ｇａｉに対応する画像をもあわせてステレオ画像として撮影される場合を想定する。具体的には、２台のカメラＣＡ１，ＣＡ２のうちの一方のカメラで撮影された画像を撮影画像Ｇａｉとして採用し、他方のカメラで撮影された画像を撮影画像Ｇａｉに対応する画像として採用する。そして、撮影画像Ｇａｉと当該撮影画像Ｇａｉに対応する画像（不図示）とを含むステレオ画像に基づいて、三角測量の原理を用いて、撮影画像Ｇａｉにおける人物ＨＭａの撮影姿勢を算出するものとする。
そのため、まず、図７と同様に、ステップＳＰ１〜ＳＰ３の処理によって代表的な数点（例えば３点）の特徴点の画像内での２次元位置を求める。次に、ステップＳＰ１４において、各特徴点のステレオ画像における２次元位置と三角測量の原理とに基づいてステップＳＰ４と同様にして各特徴点の３次元位置を求める。また、ステップＳＰ１４においては、さらにその３次元位置に基づいて、撮影画像内人物ＨＭａの姿勢の基準姿勢からのずれ角度（換言すれば登録対象者ＨＭａの撮影姿勢）を求める。具体的には、代表的な数点（例えば３点）の特徴点の３次元位置を求め、式（４）と同様の関係式を用いることによって、その３次元位置に基づいて基準姿勢からのずれ角度を求めることができる。
その後、ステップＳＰ１５において、各撮影画像Ｇａｉの姿勢と同じ姿勢を有する人物ＨＭａの参照画像Ｇｓｉが、標準データ（標準モデルＭＤｓ）に基づいて生成される。各参照画像Ｇｓｉは、標準人物の姿勢が対応撮影画像Ｇａｉにおける人物ＨＭａの姿勢と同じになるような撮影視点から標準モデルＭＤｓを見たときの画像であるとも表現される。例えば、正面向きの人物ＨＭａを撮影した撮影画像Ｇａｉ（Ｇａ１）に対しては、標準モデルＭＤｓを正面から見た画像が参照画像Ｇｓ１として生成される。また、横向きの人物ＨＭａを撮影した撮影画像Ｇａｑに対しては、標準モデルＭＤｓを真横から見た画像が参照画像Ｇｓｑとして生成される。
次に、ステップＳＰ１６において、各画像Ｇａｉと当該各画像Ｇａｉに対応する画像Ｇｓｉとを比較する処理が行われる。具体的には、画像Ｇａｉにおける特徴量と画像Ｇｓｉにおける特徴量との比較処理が行われる。この比較処理においては、画像Ｇａｉにおける各特徴点Ｑｊの２次元座標と、参照画像Ｇｓｉにおける各特徴点Ｑｊの２次元座標とが比較される。より詳細には、その画像Ｇａｉ，Ｇｓｉに現れる特徴点相互間の距離（２次元画像上での距離）を、比較処理における指標値として求める。このように、この第３実施形態においては、特定人物と標準人物とは、両人物を表す２次元画像上で比較される。
そして、ステップＳＰ１８において、この比較結果に基づいて、画像Ｇａｉと参照画像Ｇｓｉとの差異を表す指標値が最も大きな画像Ｇａｑを、登録画像Ｇregとして決定する。例えば、或る人物の特徴が「鼻の高さ」に在るときには、横顔画像にその特徴が現れやすいため、或る人物の横顔画像Ｇａｑと標準人物の横顔画像（参照画像）Ｇｓｑとの差異が最も大きくなる。したがって、当該差異が最も大きな姿勢（この場合は横向き）に対応する横顔画像が登録画像Ｇregとして決定される。
そして、ステップＳＰ１９において、この姿勢を有する人物ＨＭａの画像が登録画像Ｇregとして人物データベース４３に登録（格納）される。また、画像Ｇａｉの姿勢情報（姿勢α１）も登録画像Ｇregとともに登録される。
以上のようにして、その特徴把握に最も適した姿勢を有する登録対象者ＨＭａの画像が登録画像Ｇregとして登録される。
このような動作によれば、上記第１実施形態と同様の効果を得ることができる。
＜Ｄ．変形例など＞
上記第１実施形態においては、１つの特徴項目を主要特徴項目として選択することなどによって、１つの撮影姿勢を認証用姿勢として決定する場合（図７、ステップＳＰ７〜ＳＰ９）を例示しているが、これに限定されない。例えば、標準モデルＭＤｓの形状データと個別モデルＭＤａの形状データとのずれ度合いが所定の基準（閾値）よりも大きい複数の特徴項目にそれぞれ対応する複数の撮影姿勢を認証用姿勢として決定するようにしてもよい。
また、上記第２および第３実施形態においては、２次元画像における人物の姿勢を、当該２次元画像を含むステレオ画像を用い、三角測量の原理に基づいて取得していたが、これに限定されず、１枚の２次元画像に基づいて当該２次元画像における人物の姿勢を求めるようにしてもよい。このような技術としては様々な手法を用いることが可能である。たとえば、図２３に示すように、人物の左右方向の向き（姿勢）を、当該１枚の２次元画像における当該人物の左右の目の大きさの相違に基づいて検出することなどが可能である。すなわち、斜めから見た顔画像（図２３（ａ）参照）においては、正面からの顔画像（図２３（ｂ）参照）に比べて、左目の左右方向の長さ（幅）Ｅｄ１と右目の左右方向の長さ（幅）Ｅｄ２とが異なっており、この両者Ｅｄ１，Ｅｄ２の大小関係および比率等に基づいて、その人物の鉛直軸まわりの回転姿勢（角度）を特定することなどが可能である。
また、上記各実施形態においては、認証対象者ＨＭｂに関する認証動作（ステップＳＰ４０）に先立って、特定人物ＨＭａについての認証用情報として、認証用画像（登録画像）Ｇregと認証用姿勢αに関する情報とを予め登録（ステップＳＰ９）しておく場合を例示したが、これに限定されない。
例えば、認証用画像（登録画像）Ｇregに代えて（あるいは当該画像Ｇregとともに）、認証用画像Ｇregから抽出された特徴情報（ｄ（Ａｄ），ｃ，ｈS，ｈ(k)等）を、認証用情報として登録しておくようにしてもよい。詳細には、ステップＳＰ９において、認証用姿勢αに関する情報と認証用画像（登録画像）Ｇregとを登録するのではなく、認証用姿勢αに関する情報と認証用画像Ｇregから抽出された特徴情報（ｄ（Ａｄ）等）とを認証処理（比較処理）に先立って人物データベース４３に登録しておけばよい。
あるいは、認証用画像（登録画像）Ｇregのみを登録しておくようにしてもよい。具体的には、登録時においては認証用姿勢αに関する情報を登録することなく認証用画像（登録画像）Ｇregのみを登録しておく。この場合、認証時において、認証用画像における人物の姿勢に関する情報を、認証用画像としての１枚の画像（または１組のステレオ画像）に基づいて算出し、算出された姿勢を認証用姿勢とすればよい。
また、上記各実施形態においては、２台のカメラにより入力されるステレオ画像（多眼視画像）を用いて人物の特徴点に関する３次元情報を取得しているがこれに限定されず、より多数台のカメラにより入力される３枚以上の画像（多眼視画像）を用いて人物の特徴点に関する３次元情報を取得するようにしてもよい。
また、上記各実施形態においては、複数台のカメラより入力される複数の画像を用いて、認証対象者の顔の３次元情報を取得しているがこれに限定されない。具体的には、図２４に示されるようなレーザ光出射部Ｌ１とカメラＬＣＡとから構成される３次元形状測定器を用いてレーザ光出射部Ｌ１の照射するレーザの反射光をカメラＬＣＡによって計測することにより、認証対象者の顔の３次元情報を取得してもよい。すなわち、光切断法によって３次元情報を取得するようにしてもよい。但し、上記実施形態のように２台のカメラを含む入力装置を用いて３次元の形状情報を取得する手法によれば、レーザ光を用いる入力装置に比べて、比較的簡易な構成で３次元の形状情報を取得することができる。
第１実施形態に係る顔認証システムを示す概念図である。 顔認証システムにおける比較動作を中心に示す概念図である。 顔認証システムを示す構成図である。 コントローラの構成概要を示す図である。 コントローラの各種機能構成を示すブロック図である。 個人認証部の詳細な機能構成を示すブロック図である。 登録動作を示すフローチャートである。 認証動作を示すフローチャートである。 図８の一部の処理を示すフローチャートである。 顔画像における特徴的な部位の特徴点を示す図である。 ２次元画像中の特徴点から三角測量の原理を用いて３次元座標を算出する様子を示す模式図である。 ３次元の顔の標準モデルを示す図である。 鼻に関する特徴項目を示す図である。 目に関する特徴項目を示す図である。 各特徴項目と当該各特徴項目の撮影に適する姿勢との関係を示すデータテーブルを示す図である。 標準モデルの横向き画像を示す図である。 登録対象者に関する個別モデルの横向き画像を示す図である。 特徴的な部位の個別制御点を示す図である。 第２実施形態における認証対象者に関する撮影画像の選択動作等を示す概念図である。 第２実施形態における認証動作の詳細を示すフローチャートである。 第３実施形態における登録対象者に関する撮影画像の選択動作等を示す概念図である。 第３実施形態における登録動作の詳細を示すフローチャートである。 画像中の人物の姿勢を求める手法を説明する図である。 光切断法を用いた３次元形状測定器を示す図である。
符号の説明
１ 顔認証システム
１０ コントローラ
２０ 登録処理部
３０ 個人認証部
α 認証用姿勢
Ｇreg 認証用画像（登録画像）
Ｇｂ 比較用画像
Ｇｓｉ 参照画像
ＨＭａ 特定人物（登録対象者）
ＨＭｂ 認証対象者
ＭＤａ，ＭＤｂ 個別モデル
ＭＤｓ 標準モデル
ＴＢＬ データテーブル

Claims (29)

  1. 認証対象者が特定人物であるか否かを認証する認証システムであって、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する姿勢決定手段と、
    前記認証用姿勢による前記特定人物の画像を認証用画像として登録する登録手段と、
    を備え、
    前記姿勢決定手段は、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定することを特徴とする認証システム。
  2. 認証対象者が特定人物であるか否かを認証する認証システムであって、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する姿勢決定手段と、
    前記認証用姿勢に関する情報を含む認証用情報を登録する登録手段と、
    を備え、
    前記姿勢決定手段は、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定することを特徴とする認証システム。
  3. 請求項２に記載の認証システムにおいて、
    前記認証用情報は、前記認証用姿勢による前記特定人物の画像から抽出された特徴情報を含むことを特徴とする認証システム。
  4. 請求項１から請求項３のいずれかに記載の認証システムにおいて、
    前記姿勢決定手段は、前記複数の特徴項目のそれぞれと、当該複数の特徴項目のそれぞれを判別しやすい姿勢との関係を規定したデータテーブルに基づいて、前記所定の特徴項目に対応する姿勢を前記認証用姿勢として決定することを特徴とする認証システム。
  5. 請求項１から請求項４のいずれかに記載の認証システムにおいて、
    前記姿勢決定手段は、前記複数の特徴項目のそれぞれについて、前記特定人物に関する特徴点の３次元位置から算出される３次元形状情報と前記標準データにおける対応特徴点の３次元位置から算出される３次元形状情報とを比較して、前記ずれ度合いを前記複数の特徴項目についてそれぞれ求め、前記複数の特徴項目の中から前記所定の特徴項目を決定することを特徴とする認証システム。
  6. 認証対象者が特定人物であるか否かを認証する認証システムであって、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する姿勢決定手段と、
    前記認証用姿勢による前記特定人物の画像を認証用画像として登録する登録手段と、
    を備え、
    前記姿勢決定手段は、
    前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、
    前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定することを特徴とする認証システム。
  7. 認証対象者が特定人物であるか否かを認証する認証システムであって、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する姿勢決定手段と、
    前記認証用姿勢に関する情報を含む認証用情報を登録する登録手段と、
    を備え、
    前記姿勢決定手段は、
    前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、
    前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定することを特徴とする認証システム。
  8. 請求項７に記載の認証システムにおいて、
    前記認証用情報は、前記認証用姿勢による前記特定人物の画像から抽出された特徴情報を含むことを特徴とする認証システム。
  9. 認証対象者が特定人物であるか否かを認証する認証システムであって、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する姿勢決定手段と、
    前記認証用姿勢による画像を用いて前記認証対象者が前記特定人物であるか否かを判定する判定手段と、
    を備え、
    前記姿勢決定手段は、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定することを特徴とする認証システム。
  10. 請求項９に記載の認証システムにおいて、
    前記姿勢決定手段は、前記複数の特徴項目のそれぞれと、当該複数の特徴項目のそれぞれを判別しやすい姿勢との関係を規定したデータテーブルに基づいて、前記所定の特徴項目に対応する姿勢を前記認証用姿勢として決定することを特徴とする認証システム。
  11. 請求項９または請求項１０に記載の認証システムにおいて、
    前記姿勢決定手段は、前記複数の特徴項目のそれぞれについて、前記特定人物に関する特徴点の３次元位置から算出される３次元形状情報と前記標準データにおける対応特徴点の３次元位置から算出される３次元形状情報とを比較して、前記ずれ度合いを前記複数の特徴項目についてそれぞれ求め、前記複数の特徴項目の中から前記所定の特徴項目を決定することを特徴とする認証システム。
  12. 認証対象者が特定人物であるか否かを認証する認証システムであって、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する姿勢決定手段と、
    前記認証用姿勢による画像を用いて前記認証対象者が前記特定人物であるか否かを判定する判定手段と、
    を備え、
    前記姿勢決定手段は、
    前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、
    前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定することを特徴とする認証システム。
  13. 請求項９から請求項１２のいずれかに記載の認証システムにおいて、
    前記認証用姿勢による前記特定人物に関する画像を前記特定人物に関する登録画像として登録する登録手段、
    をさらに備え、
    前記判定手段は、前記登録画像を用いて前記認証対象者が前記特定人物であるか否かを判定することを特徴とする認証システム。
  14. 請求項９から請求項１３のいずれかに記載の認証システムにおいて、
    前記判定手段は、前記認証用姿勢による前記特定人物に関する画像と前記認証用姿勢による前記認証対象者に関する画像である比較用画像とを用いて、前記認証対象者が前記特定人物であるか否かを判定することを特徴とする認証システム。
  15. 請求項１４に記載の認証システムにおいて、
    人物の標準的な立体モデルである標準モデルに基づいて、前記認証対象者に関する立体モデルを生成する手段、
    をさらに備え、
    前記判定手段は、前記認証用姿勢と同じ姿勢による前記認証対象者の画像を、前記認証対象者に関する立体モデルを用いて前記比較用画像として生成することを特徴とする認証システム。
  16. 請求項１４に記載の認証システムにおいて、
    前記判定手段は、前記認証対象者に関する撮影画像の中から、前記認証用姿勢と同じ姿勢を有する撮影画像を前記比較用画像として選択することを特徴とする認証システム。
  17. 請求項１４から請求項１６のいずれかに記載の認証システムにおいて、
    前記認証対象者に関する撮影画像は、複数の時刻において撮影され、
    前記判定手段は、その撮影画像における前記認証対象者の姿勢が前記認証用姿勢と同一であると判定されることを条件として、その撮影画像を前記比較用画像として用いて当該比較用画像と前記認証用姿勢による前記特定人物に関する画像とに関する比較処理を開始することを特徴とする認証システム。
  18. 認証対象者が特定人物であるか否かを認証する認証方法であって、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する工程と、
    前記認証用姿勢による前記特定人物の画像を認証用画像として登録する工程と、
    を備え、
    前記認証用姿勢を決定する工程において、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定することを特徴とする認証方法。
  19. 認証対象者が特定人物であるか否かを認証する認証方法であって、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する工程と、
    前記認証用姿勢による前記特定人物の画像を認証用画像として登録する工程と、
    を備え、
    前記認証用姿勢を決定する工程において、
    前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、
    前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定することを特徴とする認証方法。
  20. 認証対象者が特定人物であるか否かを認証する認証方法であって、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する工程と、
    前記認証用姿勢に関する情報を含む認証用情報を登録する工程と、
    を備え、
    前記認証用姿勢を決定する工程において、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定することを特徴とする認証方法。
  21. 認証対象者が特定人物であるか否かを認証する認証方法であって、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する工程と、
    前記認証用姿勢に関する情報を含む認証用情報を登録する工程と、
    を備え、
    前記認証用姿勢を決定する工程において、
    前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、
    前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定することを特徴とする認証方法。
  22. 認証対象者が特定人物であるか否かを認証する認証方法であって、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する工程と、
    前記認証用姿勢による画像を用いて前記認証対象者が前記特定人物であるか否かを判定する工程と、
    を備え、
    前記認証用姿勢を決定する工程において、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定することを特徴とする認証方法。
  23. 認証対象者が特定人物であるか否かを認証する認証方法であって、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する工程と、
    前記認証用姿勢による画像を用いて前記認証対象者が前記特定人物であるか否かを判定する工程と、
    を備え、
    前記認証用姿勢を決定する工程において、
    前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、
    前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定することを特徴とする認証方法。
  24. コンピュータに、認証対象者が特定人物であるか否かを認証する認証方法を実行させるためのプログラムであって、当該コンピュータに、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する手順と、
    前記認証用姿勢による前記特定人物の画像を認証用画像として登録する手順と、
    を実行させ、
    前記認証用姿勢を決定する手順において、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定する手順を実行させるためのプログラム。
  25. コンピュータに、認証対象者が特定人物であるか否かを認証する認証方法を実行させるためのプログラムであって、当該コンピュータに、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する手順と、
    前記認証用姿勢による前記特定人物の画像を認証用画像として登録する手順と、
    を実行させ、
    前記認証用姿勢を決定する手順において、
    前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、
    前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定する手順を実行させるためのプログラム。
  26. コンピュータに、認証対象者が特定人物であるか否かを認証する認証方法を実行させるためのプログラムであって、当該コンピュータに、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する手順と、
    前記認証用姿勢に関する情報を含む認証用情報を登録する手順と、
    を実行させ、
    前記認証用姿勢を決定する手順において、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定する手順を実行させるためのプログラム。
  27. コンピュータに、認証対象者が特定人物であるか否かを認証する認証方法を実行させるためのプログラムであって、当該コンピュータに、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する手順と、
    前記認証用姿勢に関する情報を含む認証用情報を登録する手順と、
    を実行させ、
    前記認証用姿勢を決定する手順において、
    前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、
    前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定する手順を実行させるためのプログラム。
  28. コンピュータに、認証対象者が特定人物であるか否かを認証する認証方法を実行させるためのプログラムであって、当該コンピュータに、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する手順と、
    前記認証用姿勢による画像を用いて前記認証対象者が前記特定人物であるか否かを判定する手順と、
    を実行させ、
    前記認証用姿勢を決定する手順において、人物の顔に関する複数の特徴項目の中から、前記特定人物に関するデータと前記標準データとのずれ度合いの大小関係に基づいて、前記特定人物に固有の特徴が表れる所定の特徴項目を選択し、当該所定の特徴項目の判別に適した姿勢を前記認証用姿勢として決定する手順を実行させるためのプログラム。
  29. コンピュータに、認証対象者が特定人物であるか否かを認証する認証方法を実行させるためのプログラムであって、当該コンピュータに、
    前記特定人物に関する異なる姿勢による画像から得られる各データと人物の顔に関する標準的なデータである標準データとの比較結果に基づいて、前記特定人物に関する様々な姿勢のうち前記特定人物の特徴の把握に適している姿勢である認証用姿勢を決定する手順と、
    前記認証用姿勢による画像を用いて前記認証対象者が前記特定人物であるか否かを判定する手順と、
    を実行させ、
    前記認証用姿勢を決定する手順において、
    前記特定人物に関する異なる撮影姿勢による複数の撮影画像のそれぞれについて、各撮影画像に関する撮影姿勢を求め、人物の標準的な立体モデルである標準モデルに基づいて、当該撮影姿勢を有する当該標準モデルの２次元画像を参照画像として生成するとともに、
    前記各撮影画像と当該各撮影画像に対応する前記参照画像との比較結果に基づいて前記認証用姿勢を決定する手順を実行させるためのプログラム。
JP2005333235A 2005-11-17 2005-11-17 認証システム、認証方法およびプログラム Expired - Fee Related JP4956967B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2005333235A JP4956967B2 (ja) 2005-11-17 2005-11-17 認証システム、認証方法およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2005333235A JP4956967B2 (ja) 2005-11-17 2005-11-17 認証システム、認証方法およびプログラム

Publications (2)

Publication Number Publication Date
JP2007140868A JP2007140868A (ja) 2007-06-07
JP4956967B2 true JP4956967B2 (ja) 2012-06-20

Family

ID=38203649

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2005333235A Expired - Fee Related JP4956967B2 (ja) 2005-11-17 2005-11-17 認証システム、認証方法およびプログラム

Country Status (1)

Country Link
JP (1) JP4956967B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5088612B2 (ja) * 2007-08-03 2012-12-05 カシオ計算機株式会社 撮像装置、撮像装置の処理実行方法及びそのプログラム

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3454726B2 (ja) * 1998-09-24 2003-10-06 三洋電機株式会社 顔向き検出方法及びその装置
JP4521086B2 (ja) * 2000-03-13 2010-08-11 株式会社東芝 顔画像認識装置及び顔画像認識方法
JP4611575B2 (ja) * 2001-06-20 2011-01-12 セコム株式会社 本人認証用の顔画像照合装置
JP4573085B2 (ja) * 2001-08-10 2010-11-04 日本電気株式会社 位置姿勢認識装置とその位置姿勢認識方法、及び位置姿勢認識プログラム
JP2004128715A (ja) * 2002-09-30 2004-04-22 Sanyo Electric Co Ltd ビデオデータの記憶制御方法およびシステム、プログラム、記録媒体、ビデオカメラ
JP2004185386A (ja) * 2002-12-04 2004-07-02 Matsushita Electric Ind Co Ltd 画像照合装置
JP2005275605A (ja) * 2004-03-23 2005-10-06 Sanyo Electric Co Ltd 個人認証装置および個人認証方法
JP2004288222A (ja) * 2004-07-13 2004-10-14 Nec Corp 画像照合装置及びその画像照合方法並びにその制御プログラムを記録した記録媒体

Also Published As

Publication number Publication date
JP2007140868A (ja) 2007-06-07

Similar Documents

Publication Publication Date Title
JP4645411B2 (ja) 認証システム、登録システム及びプログラム
JP4696778B2 (ja) 認証装置、認証方法及びプログラム
JP4752433B2 (ja) モデリングシステム、モデリング方法およびプログラム
JP4653606B2 (ja) 画像認識装置、方法およびプログラム
JP2007058397A (ja) 認証システム、登録システム及び証明用媒体
JP4992289B2 (ja) 認証システム、認証方法、及びプログラム
JP5812599B2 (ja) 情報処理方法及びその装置
JP5771413B2 (ja) 姿勢推定装置、姿勢推定システム、および姿勢推定方法
JP4780198B2 (ja) 認証システム及び認証方法
JP4284664B2 (ja) 三次元形状推定システム及び画像生成システム
JP4539494B2 (ja) 認証装置、認証方法及びプログラム
TWI394093B (zh) 一種影像合成方法
KR101647803B1 (ko) 3차원 얼굴모델 투영을 통한 얼굴 인식 방법 및 시스템
JP4539519B2 (ja) 立体モデル生成装置および立体モデル生成方法
JP2009020761A (ja) 画像処理装置及びその方法
JP5170094B2 (ja) なりすまし検知システム、なりすまし検知方法およびなりすまし検知用プログラム
JP4379459B2 (ja) 物体照合方法，物体照合装置，およびそのプログラムを記録した記録媒体
Angladon et al. The toulouse vanishing points dataset
CN111652018B (zh) 一种人脸注册方法和认证方法
JP4956983B2 (ja) 認証システム、認証方法およびプログラム
JP4525523B2 (ja) 認証システム、認証方法およびプログラム
CN112990047A (zh) 一种结合面部角度信息的多姿态人脸验证方法
CN112801038A (zh) 一种多视点的人脸活体检测方法及***
JP4816874B2 (ja) パラメータ学習装置、パラメータ学習方法、およびプログラム
JP4956967B2 (ja) 認証システム、認証方法およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20081029

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20091020

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20111028

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20111115

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20120112

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: 20120221

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: 20120305

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150330

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

LAPS Cancellation because of no payment of annual fees