JP7444240B2 - 画像処理システム、撮像システム、画像処理方法および画像処理プログラム - Google Patents
画像処理システム、撮像システム、画像処理方法および画像処理プログラム Download PDFInfo
- Publication number
- JP7444240B2 JP7444240B2 JP2022510393A JP2022510393A JP7444240B2 JP 7444240 B2 JP7444240 B2 JP 7444240B2 JP 2022510393 A JP2022510393 A JP 2022510393A JP 2022510393 A JP2022510393 A JP 2022510393A JP 7444240 B2 JP7444240 B2 JP 7444240B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- eye
- area
- evaluation value
- unit
- 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.)
- Active
Links
- 238000003384 imaging method Methods 0.000 title claims description 89
- 238000003672 processing method Methods 0.000 title claims description 11
- 238000011156 evaluation Methods 0.000 claims description 220
- 238000000605 extraction Methods 0.000 claims description 82
- 238000001514 detection method Methods 0.000 claims description 46
- 239000000284 extract Substances 0.000 claims description 17
- 238000013210 evaluation model Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 8
- 238000000034 method Methods 0.000 description 45
- 230000008569 process Effects 0.000 description 37
- 238000010586 diagram Methods 0.000 description 28
- 238000004364 calculation method Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 19
- 238000013527 convolutional neural network Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 210000001747 pupil Anatomy 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Description
まず図1~2を用いて、この開示の実施形態1について説明する。図1は、実施形態1にかかる画像処理システム10の構成を示すブロック図である。画像処理システム10は、検出部102と、特定部104と、特徴抽出部107とを備える。
検出部102は、対象者が撮像された第1画像から、第1評価値に基づいて、候補領域を検出する。ここで第1評価値は、眼であることの確からしさを示し、第1画像に基づいて設定される画像領域に対して算出される。また候補領域は、対象者の眼を表すと推定される画像領域である。
特定部104は、検出された候補領域から、第2評価値に基づいて、眼を表す画像領域である眼領域を特定する。ここで第2評価値は、眼であることの確からしさを示し、検出された候補領域に基づいて設定される画像領域に対して算出される。また眼領域は、眼を表す画像領域である。
特徴抽出部107は、特定された眼領域の特徴量を抽出する。
次にステップS10において、検出部102は、第1評価値に基づいて、対象者が撮像された第1画像から候補領域を検出する。
次にステップS12において、特定部104は、第2評価値に基づいて、検出された候補領域から眼領域を特定する。
そしてステップS14において、特徴抽出部107は、特定された眼領域の特徴量を抽出する。
次に、図3~6を用いて、この開示の実施形態2について説明する。図3は、実施形態2にかかる撮像システム2の概略構成図である。撮像システム2は、生体認証を行うコンピュータシステムであり、対象者Pの眼を含む注視領域を撮像し、撮像された画像に含まれる生体認証情報である特徴量を抽出し、抽出した特徴量を登録する。ここで生体認証は、本実施形態2では虹彩認証である。撮像システム2は、撮像装置20と、画像処理システム(以下、画像処理装置と呼ぶ)12と、データベース30とを備える。
撮像器200は、キャプチャボリューム内に位置する対象者Pの眼を含む注視領域を好適に撮像可能なように設置されている。
ここで本図に示すように、撮像器200により生成された第1画像I1は、対象者Pの眼を含む身体の少なくとも一部が撮像される。たとえば対象者Pと撮像器200との距離が長い、撮像器200の視野が広い、または対象者Pが移動するなどの条件下で撮影した場合、第1画像I1は、眼に加えてまたは代えて、眼以外の部位を表す画像領域を含む場合がある。一例として髪を表す画像領域は、眼の黒目部分と類似する画素値を有する。また鼻の穴を表す画素領域においては、黒目部分と類似する画素値の画素が黒目部分と類似する略円形状を形成している。したがって、画像処理装置12が第1画像I1から眼領域を検出する場合、これらの部位を表す画像領域も眼を表すと推定され、誤検出される場合がある。
そして特定部124は、このような第2評価値に基づいて1または複数の候補領域から眼領域を特定する。特定部124は、特定された眼領域にかかる情報を特徴抽出部127に供給する。
登録処理部128は、データベース30に接続され、眼領域の特徴量にかかる情報をデータベース30に登録する処理を行う。
まずステップS20において、撮像システム2の撮像装置20の制御部206は、撮像器200を制御し、撮像器200に対象者Pの眼を含む身体の少なくとも一部を撮像する動作を実行させる。撮像器200は撮像画像である第1画像I1を生成し、第1画像I1を制御部206に供給する。そして制御部206は、第1画像I1を画像処理装置12に送信する。
まずステップS30において、画像処理装置12の第1画像取得部120は、撮像装置20の制御部206から第1画像I1を取得する。第1画像取得部120は、第1画像I1を検出部122に供給する。
たとえば検出部122は、第1画像I1に対して二値化処理等を行い、第1画像I1に含まれる画素を、画素値が所定閾値以上である画素と、それ以外の画素に分類する。そして検出部122は、各第1評価対象領域について、所定閾値以上の画素値を有する画素に対して細線化処理およびハフ変換等を行い、所定閾値以上の画素値を有する画素が形成する形状と所定の略円形形状との間の一致度を算出する。所定の略円形形状は、人物の黒目、特に瞳孔の形状に従って定められてよい。
たとえば検出部122は、各第1評価対象領域について、所定の略円形形状の画素値分布を有するテンプレートとの間の一致度を算出する。
たとえば検出部122は、第1画像I1に対して所定サイズの探索窓を走査させ、探索窓内の明暗差の組み合わせ、輝度分布の組み合わせまたは輝度の勾配方向の分布の組み合わせ等に基づいて、第1評価値を算出する。この場合、第1画像I1上において探索窓と重なり合う画像領域が第1評価対象領域となる。そして第1評価値は、このような第1評価対象領域におけるHaar-Like特徴量、Local Binary Pattern(LBP)特徴量またはHistogram of Oriented Gradients(HOG)特徴量等に基づくものであってよい。
たとえば検出部122は、第1画像I1または上述の第1画像I1の変換画像を入力とする学習済の畳み込みニューラルネットワーク(CNN)を用いて、第1評価対象領域に対する特徴量を予測する。ここでこのCNNは、Single Shot Multibox Detector(SSD)を含んでよい。この場合第1評価対象領域は、入力画像に設定されるデフォルトボックスに相当する。
たとえば実施形態2で特定部124は、上述のステップS31に示す第1評価値算出手法1~4のうち、ステップS31において検出部122が第1評価値算出処理に採用しなかった手法を用いて第2評価値を算出してよい。ただしこのとき「検出部122」を「特定部124」に、「第1画像I1」および「第1評価対象領域」を「第2評価対象領域」に、「第1評価値」を「第2評価値」に読み替える。
また、特定部124は、第2評価対象領域の各々について、ステップS31~33において検出部122が検出した人物の黒目、特に瞳孔部分に相当する画像領域のピントがどの程度合っているかを第2評価値として算出してもよい。具体的には、特定部124は、第2評価対象領域の各々について、輝度レベルに対して高速フーリエ変換を用いて周波数スペクトル分布を算出し、所定周波数域のスペクトル強度に基づいて第2評価値を算出してよい。また特定部124は、第2評価対象領域の各々について、輝度値をラプラシアン微分して得られた値に基づいて第2評価値を算出してもよい。
次に図7~8を用いて、この開示の実施形態3について説明する。実施形態3は、候補領域または第2評価対象領域を表示部に表示させることに特徴を有する。実施形態3の撮像システム2は、実施形態2の撮像システム2と同様の構成および機能を有し、実施形態3の画像処理装置12は、実施形態2の画像処理装置12と同様の構成および機能を有するコンピュータ等である。ただし実施形態3の画像処理装置12は、登録処理において候補領域または第2評価対象領域を表示する表示部をさらに備える点で実施形態2と相違する。
図7~8は、実施形態3にかかる画像処理装置12の登録処理における表示の一例を説明するための図である。
次に図9~11を用いて、この開示の実施形態4について説明する。実施形態4は、第2評価値の算出に、候補領域に応じた抽出領域に基づいて生成された第2画像が用いられることに特徴を有する。
図9は、実施形態4にかかる撮像システム3の構成を示すブロック図である。実施形態4にかかる撮像システム3は、実施形態2~3にかかる撮像システム2と基本的に同様の構成および機能を有する。ただし撮像システム3は、画像処理装置12に代えて画像処理装置13を備える。
特定部134は、特定部124と基本的に同様の機能を有するが、抽出画像生成部135と、評価部136とを含む。
評価部136は、第2画像I2を入力データとする学習済の眼評価モデルを用いて、第2評価値を算出する。本実施形態4で学習済の眼評価モデルは、第2画像I2から第2評価値を出力する学習済のCNNを含む。評価部136は、算出した第2評価値に基づいて1または複数の候補領域から眼領域を特定する。そして評価部136は、特定された眼領域にかかる情報を特徴抽出部127に供給する。
次に図12~17を用いて、この開示の実施形態5について説明する。実施形態5は、対象者Pに照射した光の照射パターンに基づいて第2評価値を算出することに特徴を有する。
図12は、実施形態5にかかる撮像システム4の概略構成図である。実施形態5の撮像システム4は、実施形態4の撮像システム3と基本的には同様の構成および機能を有する。ただし実施形態5の撮像システム4は、撮像装置20に代えて撮像装置24を、画像処理装置13に代えて画像処理装置14を備える。
特定部144は、抽出画像生成部145と、評価部146とを含む。
評価部146は、光源アレイ244の光が対象者Pに照射されたことに応じて候補領域に形成された反射パターンに基づいて、第2評価値を算出する。
図16および図17に示すように、候補領域が眼領域である場合には、反射パターンRは角膜反射により照射パターンの非対称形状に応じた非対称形状を有する。なお候補領域が眼領域以外である場合には、照射した光が散乱するため、このような反射パターンRは得られない。
またこの場合の照射パターンは、単一の光源の光に対してフィルタ等によりスポット形状を非対称に成形することで形成されてよい。このとき光源アレイ244は複数の光源に代えて、単一の光源であってもよい。
次に図18~20を用いて、この開示の実施形態6について説明する。実施形態6は、対象者Pの全体撮像画像に基づいて撮像器および光源アレイが制御されることに特徴を有する。
撮像装置26は、撮像装置24と基本的に同様の構成および機能を有するが、撮像器200および制御部246に代えて、複数の個別撮像器260と全体撮像器262と制御部266とを有する。
プロセッサ1010は、ROM1020や記憶装置1200等の各種記憶部に記憶されたプログラムに従って、各種の情報処理や制御を行う。
ROM1020は、プロセッサ1010が各種制御や演算を行うための各種プログラムやデータが予め格納されたリードオンリーメモリである。
この記憶装置1200に使用される記憶媒体は、主としてハードディスク等が使用されるが、後述の記憶媒体駆動装置1300で使用される非一時的なコンピュータ可読媒体を使用するようにしてもよい。
記憶装置1200は、データ格納部1210、プログラム格納部1220および図示しないその他の格納部(例えば、この記憶装置1200内に格納されているプログラムやデータ等をバックアップするための格納部)等を有している。プログラム格納部1220には、本実施形態1~6における各種処理を実現するためのプログラムが格納されている。データ格納部1210には、本実施形態1~6にかかる各種データベースの各種データを格納する。
ここで、外部記憶媒体とは、コンピュータプログラムやデータ等が記憶される非一時的なコンピュータ可読媒体をいう。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体(tangible storage medium)を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体(例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ)、光磁気記録媒体(例えば光磁気ディスク)、CD-ROM(Read Only Memory)、CD-R、CD-R/W、半導体メモリ(例えば、マスクROM、PROM(Programmable ROM)、EPROM(Erasable PROM)、フラッシュROM、RAM(random access memory))を含む。また各種プログラムは、様々なタイプの一時的なコンピュータ可読媒体(transitory computer readable medium)によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路並びに記憶媒体駆動装置1300を介して、各種プログラムをコンピュータ1900に供給できる。
(付記1)
対象者が撮像された第1画像から、第1評価値に基づいて、前記対象者の眼を表すと推定される画像領域である候補領域を検出する検出部と、
検出された前記候補領域から、第2評価値に基づいて、前記眼を表す画像領域である眼領域を特定する特定部と、
特定された前記眼領域の特徴量を抽出する特徴抽出部と、
を備え、
前記第1評価値は、前記眼であることの確からしさを示し、前記第1画像に基づいて設定される画像領域に対して算出され、
前記第2評価値は、前記眼であることの確からしさを示し、検出された前記候補領域に基づいて設定される画像領域に対して算出される、
画像処理システム。
(付記2)
前記特定部は、予め定められた照射パターンを有する光が前記対象者に照射されたことに応じて前記候補領域に形成された反射パターンに基づいて、前記第2評価値を算出する評価部を有する、
付記1に記載の画像処理システム。
(付記3)
前記照射パターンは、非対称形状を有する
付記2に記載の画像処理システム。
(付記4)
前記特定部は、
前記第1画像から前記候補領域に応じた抽出領域を切り出し、切り出された前記抽出領域に基づいて第2画像を生成する抽出画像生成部と、
前記第2画像を入力データとする学習済の眼評価モデルを用いて、前記第2評価値を算出する評価部と
を有する、
付記1から3のいずれか一項に記載の画像処理システム。
(付記5)
対象者を撮像し、第1画像を生成する撮像装置と、
前記第1画像から、第1評価値に基づいて、前記対象者の眼を表すと推定される画像領域である候補領域を検出する検出部と、検出された前記候補領域から、第2評価値に基づいて、前記眼を表す画像領域である眼領域を特定する特定部と、特定された前記眼領域の特徴量を抽出する特徴抽出部と、を有する画像処理装置と、
を備え、
前記第1評価値は、前記眼であることの確からしさを示し、前記第1画像に基づいて設定される画像領域に対して算出され、
前記第2評価値は、前記眼であることの確からしさを示し、検出された前記候補領域に基づいて設定される画像領域に対して算出される、
撮像システム。
(付記6)
前記対象者に対して予め定められた照射パターンを有する光を照射する光源アレイをさらに備える
付記5に記載の撮像システム。
(付記7)
前記照射パターンは、非対称形状を有する
付記6に記載の撮像システム。
(付記8)
前記撮像装置は、
同じ視野範囲で互いに異なる位置に配置される複数の個別撮像器と、
前記個別撮像器の視野範囲より広い視野範囲で撮像する全体撮像器と、
をさらに有する、
付記5から7のいずれか一項に記載の撮像システム。
(付記9)
対象者が撮像された第1画像から、第1評価値に基づいて、前記対象者の眼を表すと推定される画像領域である候補領域を検出する検出ステップと、
検出された前記候補領域から、第2評価値に基づいて、前記眼を表す画像領域である眼領域を特定する特定ステップと、
特定された前記眼領域の特徴量を抽出する特徴抽出ステップと、
を備え、
前記第1評価値は、前記眼であることの確からしさを示し、前記第1画像に基づいて設定される画像領域に対して算出され、
前記第2評価値は、前記眼であることの確からしさを示し、検出された前記候補領域に基づいて設定される画像領域に対して算出される、
画像処理方法。
(付記10)
対象者が撮像された第1画像から、第1評価値に基づいて、前記対象者の眼を表すと推定される画像領域である候補領域を検出する検出ステップと、
検出された前記候補領域から、第2評価値に基づいて、前記眼を表す画像領域である眼領域を特定する特定ステップと、
特定された前記眼領域の特徴量を抽出する特徴抽出ステップと、
を備え、
前記第1評価値は、前記眼であることの確からしさを示し、前記第1画像に基づいて設定される画像領域に対して算出され、
前記第2評価値は、前記眼であることの確からしさを示し、検出された前記候補領域に基づいて設定される画像領域に対して算出される、
画像処理方法をコンピュータに実行させる画像処理プログラムが格納された、
非一時的なコンピュータ可読媒体。
10 画像処理システム
12,13,14 画像処理装置
20,24,26 撮像装置
30 データベース
102,122 検出部
120 第1画像取得部
104,124,134,144 特定部
107,127 特徴抽出部
128 登録処理部
135,145 抽出画像生成部
136,146 評価部
200 撮像器
206,246,266 制御部
244 光源アレイ
260 個別撮像器
262 全体撮像器
P 対象者
I1 第1画像
I2 第2画像
C1~5 候補領域
E1 抽出領域
S 第2評価値
1000 制御処理部
1010 プロセッサ
1020 ROM
1030 RAM
1050 入力装置
1100 表示装置
1200 記憶装置
1210 データ格納部
1220 プログラム格納部
1300 記憶媒体駆動装置
1400 通信制御装置
1500 入出力I/F
1900 コンピュータ
Claims (10)
- 対象者が撮像された第1画像から、第1評価値に基づいて、前記対象者の眼を表すと推定される画像領域である候補領域を検出する検出部と、
検出された前記候補領域から、第2評価値に基づいて、前記眼を表す画像領域である眼領域を特定する特定部と、
特定された前記眼領域の特徴量を抽出する特徴抽出部と、
を備え、
前記第1評価値は、前記眼であることの確からしさを示し、前記第1画像に基づいて設定される画像領域に対して算出され、
前記第2評価値は、前記眼であることの確からしさを示し、検出された前記候補領域に基づいて設定される画像領域に対して算出され、
前記特定部は、予め定められた照射パターンを有する光が前記対象者に照射されたことに応じて前記候補領域に形成された反射パターンに基づいて、前記第2評価値を算出する評価部を有し、
前記照射パターンは、非対称形状を有する
画像処理システム。 - 前記特定部は、
前記第1画像から前記候補領域に応じた抽出領域を切り出し、切り出された前記抽出領域に基づいて第2画像を生成する抽出画像生成部と、
前記第2画像を入力データとする学習済の眼評価モデルを用いて、前記第2評価値を算出する評価部と
を有する、
請求項1に記載の画像処理システム。 - 対象者を撮像し、第1画像を生成する撮像装置と、
前記第1画像から、第1評価値に基づいて、前記対象者の眼を表すと推定される画像領域である候補領域を検出する検出部と、検出された前記候補領域から、第2評価値に基づいて、前記眼を表す画像領域である眼領域を特定する特定部と、特定された前記眼領域の特徴量を抽出する特徴抽出部と、を有する画像処理装置と、
を備え、
前記第1評価値は、前記眼であることの確からしさを示し、前記第1画像に基づいて設定される画像領域に対して算出され、
前記第2評価値は、前記眼であることの確からしさを示し、検出された前記候補領域に基づいて設定される画像領域に対して算出され、
前記対象者に対して予め定められた照射パターンを有する光を照射する光源アレイをさらに備え、
前記照射パターンは、非対称形状を有する
撮像システム。 - 前記撮像装置は、
同じ視野範囲で互いに異なる位置に配置される複数の個別撮像器と、
前記個別撮像器の視野範囲より広い視野範囲で撮像する全体撮像器と、
をさらに有する、
請求項3に記載の撮像システム。 - 対象者が撮像された第1画像から、第1評価値に基づいて、前記対象者の眼を表すと推定される画像領域である候補領域を検出する検出ステップと、
検出された前記候補領域から、第2評価値に基づいて、前記眼を表す画像領域である眼領域を特定する特定ステップと、
特定された前記眼領域の特徴量を抽出する特徴抽出ステップと、
を備え、
前記第1評価値は、前記眼であることの確からしさを示し、前記第1画像に基づいて設定される画像領域に対して算出され、
前記第2評価値は、前記眼であることの確からしさを示し、検出された前記候補領域に基づいて設定される画像領域に対して算出され、
前記特定ステップは、予め定められた照射パターンを有する光が前記対象者に照射されたことに応じて前記候補領域に形成された反射パターンに基づいて、前記第2評価値を算出する評価ステップを有し、
前記照射パターンは、非対称形状を有する
画像処理方法。 - 対象者が撮像された第1画像から、第1評価値に基づいて、前記対象者の眼を表すと推定される画像領域である候補領域を検出する検出ステップと、
検出された前記候補領域から、第2評価値に基づいて、前記眼を表す画像領域である眼領域を特定する特定ステップと、
特定された前記眼領域の特徴量を抽出する特徴抽出ステップと、
を備え、
前記第1評価値は、前記眼であることの確からしさを示し、前記第1画像に基づいて設定される画像領域に対して算出され、
前記第2評価値は、前記眼であることの確からしさを示し、検出された前記候補領域に基づいて設定される画像領域に対して算出され、
前記特定ステップは、予め定められた照射パターンを有する光が前記対象者に照射されたことに応じて前記候補領域に形成された反射パターンに基づいて、前記第2評価値を算出する評価ステップを有し、
前記照射パターンは、非対称形状を有する
画像処理方法をコンピュータに実行させる画像処理プログラム。 - 対象者が撮像された第1画像から、第1評価値に基づいて、前記対象者の眼を表すと推定される画像領域である候補領域を検出する検出部と、
検出された前記候補領域から、第2評価値に基づいて、前記眼を表す画像領域である眼領域を特定する特定部と、
特定された前記眼領域の特徴量を抽出する特徴抽出部と、
を備え、
前記第1評価値は、前記眼であることの確からしさを示し、前記第1画像に基づいて設定される画像領域に対して算出され、
前記第2評価値は、前記眼であることの確からしさを示し、検出された前記候補領域に基づいて設定される画像領域に対して算出され、
前記特定部は、
前記第1画像から前記候補領域に応じた抽出領域を切り出し、切り出された前記抽出領域に基づいて第2画像を生成する抽出画像生成部と、
前記第2画像を入力データとする学習済の眼評価モデルを用いて、前記第2評価値を算出する評価部と
を有し、
前記抽出画像生成部は、
前記候補領域を中心とし、予め定められた画像サイズにリサイズされた第2画像を生成する
画像処理システム。 - 対象者を撮像し、第1画像を生成する撮像装置と、
前記第1画像から、第1評価値に基づいて、前記対象者の眼を表すと推定される画像領域である候補領域を検出する検出部と、検出された前記候補領域から、第2評価値に基づいて、前記眼を表す画像領域である眼領域を特定する特定部と、特定された前記眼領域の特徴量を抽出する特徴抽出部と、を有する画像処理装置と、
を備え、
前記第1評価値は、前記眼であることの確からしさを示し、前記第1画像に基づいて設定される画像領域に対して算出され、
前記第2評価値は、前記眼であることの確からしさを示し、検出された前記候補領域に基づいて設定される画像領域に対して算出され、
前記特定部は、
前記第1画像から前記候補領域に応じた抽出領域を切り出し、切り出された前記抽出領域に基づいて第2画像を生成する抽出画像生成部と、
前記第2画像を入力データとする学習済の眼評価モデルを用いて、前記第2評価値を算出する評価部と
を有し、
前記抽出画像生成部は、
前記候補領域を中心とし、予め定められた画像サイズにリサイズされた第2画像を生成する
撮像システム。 - 対象者が撮像された第1画像から、第1評価値に基づいて、前記対象者の眼を表すと推定される画像領域である候補領域を検出する検出ステップと、
検出された前記候補領域から、第2評価値に基づいて、前記眼を表す画像領域である眼領域を特定する特定ステップと、
特定された前記眼領域の特徴量を抽出する特徴抽出ステップと、
を備え、
前記第1評価値は、前記眼であることの確からしさを示し、前記第1画像に基づいて設定される画像領域に対して算出され、
前記第2評価値は、前記眼であることの確からしさを示し、検出された前記候補領域に基づいて設定される画像領域に対して算出され、
前記特定ステップは、
前記第1画像から前記候補領域に応じた抽出領域を切り出し、切り出された前記抽出領域に基づいて第2画像を生成する抽出画像生成ステップと、
前記第2画像を入力データとする学習済の眼評価モデルを用いて、前記第2評価値を算出する評価ステップと
を有し、
前記抽出画像生成ステップは、
前記候補領域を中心とし、予め定められた画像サイズにリサイズされた第2画像を生成する
画像処理方法。 - 対象者が撮像された第1画像から、第1評価値に基づいて、前記対象者の眼を表すと推定される画像領域である候補領域を検出する検出ステップと、
検出された前記候補領域から、第2評価値に基づいて、前記眼を表す画像領域である眼領域を特定する特定ステップと、
特定された前記眼領域の特徴量を抽出する特徴抽出ステップと、
を備え、
前記第1評価値は、前記眼であることの確からしさを示し、前記第1画像に基づいて設定される画像領域に対して算出され、
前記第2評価値は、前記眼であることの確からしさを示し、検出された前記候補領域に基づいて設定される画像領域に対して算出され、
前記特定ステップは、
前記第1画像から前記候補領域に応じた抽出領域を切り出し、切り出された前記抽出領域に基づいて第2画像を生成する抽出画像生成ステップと、
前記第2画像を入力データとする学習済の眼評価モデルを用いて、前記第2評価値を算出する評価ステップと
を有し、
前記抽出画像生成ステップは、
前記候補領域を中心とし、予め定められた画像サイズにリサイズされた第2画像を生成する
画像処理方法をコンピュータに実行させる画像処理プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/014282 WO2021192295A1 (ja) | 2020-03-27 | 2020-03-27 | 画像処理システム、撮像システム、画像処理方法および非一時的なコンピュータ可読媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021192295A1 JPWO2021192295A1 (ja) | 2021-09-30 |
JPWO2021192295A5 JPWO2021192295A5 (ja) | 2022-09-29 |
JP7444240B2 true JP7444240B2 (ja) | 2024-03-06 |
Family
ID=77891583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022510393A Active JP7444240B2 (ja) | 2020-03-27 | 2020-03-27 | 画像処理システム、撮像システム、画像処理方法および画像処理プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230147924A1 (ja) |
JP (1) | JP7444240B2 (ja) |
WO (1) | WO2021192295A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024134821A1 (ja) * | 2022-12-22 | 2024-06-27 | 日本電気株式会社 | 情報処理システム、情報処理装置、情報処理方法及び記録媒体 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005334402A (ja) | 2004-05-28 | 2005-12-08 | Sanyo Electric Co Ltd | 認証方法および認証装置 |
JP2008006149A (ja) | 2006-06-30 | 2008-01-17 | Matsushita Electric Ind Co Ltd | 瞳孔検出装置、及び虹彩認証装置、並びに瞳孔検出方法 |
WO2009016846A1 (ja) | 2007-08-02 | 2009-02-05 | Panasonic Corporation | 虹彩認証装置および虹彩認証システム |
JP2017202038A (ja) | 2016-05-10 | 2017-11-16 | 富士通株式会社 | 判別装置、判別方法、および判別プログラム |
-
2020
- 2020-03-27 WO PCT/JP2020/014282 patent/WO2021192295A1/ja active Application Filing
- 2020-03-27 US US17/910,056 patent/US20230147924A1/en active Pending
- 2020-03-27 JP JP2022510393A patent/JP7444240B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005334402A (ja) | 2004-05-28 | 2005-12-08 | Sanyo Electric Co Ltd | 認証方法および認証装置 |
JP2008006149A (ja) | 2006-06-30 | 2008-01-17 | Matsushita Electric Ind Co Ltd | 瞳孔検出装置、及び虹彩認証装置、並びに瞳孔検出方法 |
WO2009016846A1 (ja) | 2007-08-02 | 2009-02-05 | Panasonic Corporation | 虹彩認証装置および虹彩認証システム |
JP2017202038A (ja) | 2016-05-10 | 2017-11-16 | 富士通株式会社 | 判別装置、判別方法、および判別プログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2021192295A1 (ja) | 2021-09-30 |
JPWO2021192295A1 (ja) | 2021-09-30 |
US20230147924A1 (en) | 2023-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852160B (zh) | 以图像为基准的生物识别***及计算机实施方法 | |
JP4317465B2 (ja) | 顔識別装置、顔識別方法及び顔識別プログラム | |
JP6303332B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
JP6554169B2 (ja) | 物体認識装置及び物体認識システム | |
JP3143819B2 (ja) | まぶたの開度検出装置 | |
US10846866B2 (en) | Irradiation system, irradiation method, and program storage medium | |
JP2008521122A (ja) | 虹彩識別のためのマルチスケール可変領域分解方法及びシステム | |
JP6639523B2 (ja) | 学習画像自動選別装置、学習画像自動選別方法および学習画像自動選別プログラム | |
JP2008234208A (ja) | 顔部位検出装置及びプログラム | |
EP1774466A1 (en) | Image processing method and apparatus, image sensing apparatus, and program | |
JP2011141622A (ja) | 検出装置およびその方法 | |
JP6048844B2 (ja) | 眼球回旋測定装置、眼球回旋測定方法、及び、眼球回旋測定プログラム | |
JP5290227B2 (ja) | 対象物検知装置及びその学習装置 | |
JP2006066478A (ja) | パターンマッチング装置及びそれを用いた走査型電子顕微鏡 | |
JP6104198B2 (ja) | 物体認識装置 | |
JP7444240B2 (ja) | 画像処理システム、撮像システム、画像処理方法および画像処理プログラム | |
CN114360039A (zh) | 一种智能眼睑检测方法及*** | |
CN110211021B (zh) | 图像处理装置、图像处理方法和存储介质 | |
JP2006130212A (ja) | 異常陰影候補検出方法、および装置、ならびにプログラム | |
JP2011002882A (ja) | 撮像装置、画像処理プログラム、および撮像方法 | |
WO2024125447A1 (zh) | 消除激光分层的图像处理方法、***及装置 | |
CN111080553A (zh) | 图片优化处理方法、装置、设备及可读存储介质 | |
JP5014593B2 (ja) | 眼科測定装置 | |
JP7392368B2 (ja) | 画像処理装置,システム,プログラム | |
CN112288697A (zh) | 用于量化异常程度的方法、装置、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220805 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220805 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231101 |
|
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: 20240123 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240205 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7444240 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |