JPH0973544A - 形状認識装置及びその方法 - Google Patents
形状認識装置及びその方法Info
- Publication number
- JPH0973544A JPH0973544A JP7230257A JP23025795A JPH0973544A JP H0973544 A JPH0973544 A JP H0973544A JP 7230257 A JP7230257 A JP 7230257A JP 23025795 A JP23025795 A JP 23025795A JP H0973544 A JPH0973544 A JP H0973544A
- Authority
- JP
- Japan
- Prior art keywords
- image
- model
- shape
- mask
- parameter
- 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.)
- Granted
Links
Classifications
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
ズ、外乱に弱いという問題を解決し、よりロバストにす
るために、エッジ点の間の類似度を利用した評価を採り
入れた方法を提案し、分離度を用いて安定した形状検出
を可能にすることを目的とする。 【解決手段】 形状認識装置100は、画像を入力する
画像入力部101、明度画像、彩度画像、色相画像とい
った入力された画像の加工を行う画像前処理部102、
そして複数箇所の特徴量の組合せによって、形状抽出の
評価度合を決定することにより形状抽出を行う形状抽出
部103から構成される。
Description
形状認識装置及びその方法に関する。
法としては次のようなものがある。
画像としてモデルを記述し、モデルと対象画像の間の類
似度を判定することによって対象認識を行う。このテン
プレートマッチングには、モデルの記述として画像の明
度分布をそのまま用いるものと、二値画像を用いてモデ
ルの形状をエッジ点の集合として表現するものがある。
前者は明度分布の類似度を測ることによって形状認識を
行う。後者は、まず画像の明度分布に基づいてエッジの
強度画像を作り、そのエッジ強度画像を二値化すること
によって二値画像を作る。そして、二値画像の点集合と
モデルの点集合の類似度を計算するというものである。
ng the Hough transform to detectarbitary shapes" P
attern Recognition.13,111-122(1981)) は、モデルを
輪郭線上の点のリストとして記述し、その平行移動、回
転、拡大縮小の表すパラメータが使われる。この変換
は、パラメータ空間への”投票”によって、パターンが
表すもっとも適切なパラメータの位置に局所的なピーク
を形成するように変換される。このハフ変換は、部分的
にデータが欠けているような場合でもうまく照合が行え
るといった利点がある。
る目的関数(エネルギ)によって測られ、その関数の値
の最小化などによってモデルの照合が行われるものがあ
る。例えば最近では、スネーク(M.Kass,A.Witkin,D.Te
rzopouls,"Snakes:Active Contour Models",In Proc.1s
t Int.Conf.on Computer Vision,pp.259-268(1987))な
どがある。
ータをそのまま用いるもの、または対象のもつ他の特
徴、例えばエッジ強調フィルタや線強調フィルタといっ
た低レベルの画像処理を行った画像データを使うものも
ある。
ズ、外乱に強い安定した形状認識について考える。その
ためにまず、物体輪郭や物体内部の構造を反映したエッ
ジ情報を抽出する手法について挙げる。
基づく方法とエッジ近傍領域の情報に基づく方法があ
る。画像の明度勾配に基づく方法は、明度勾配が急激に
変化する位置をエッジとして抽出するもので、1次微分
型のRoberts、Prowitt、Sobel や2次微分型のLaplacian
などの方法がある。エッジ近傍領域の情報に基づく方法
としては、エッジモデルの当てはめを局所領域に対して
行うHueckel の方法などがある。
ッジを抽出できないといった問題や色相画像など他のエ
ッジ強度に拡張し難いといった問題がある。明度勾配エ
ッジ抽出を用いた、従来法の対象認識についての問題点
をまとめる。
対して、画像データにわずかな変動があった場合に弱い
という特徴を持つ。一般化ハフ変換については、エッジ
点の数に投票数が影響を受ける。エッジ点の有無のみが
問題となり、エッジ抽出の性能の影響を非常に受ける。
スネークモデルは、制御点同士を結び付ける弾性エネル
ギ関数による関連づけによって、柔軟でノイズに強いと
いう性質を持つ。しかし、なお局所的なエネルギーの最
小値に落ち込むという欠点がある。
傍領域の情報に基づく方法を用いることが考えられる。
エッジを画像の明度だけでなく、色、テクスチャの異な
る領域間の境界としてとらえ、エッジ強度をこれら領域
間の特徴量から計算する方法として、“領域間の分離度
に基づくエッジ抽出、情報処理学会コンピュータビジョ
ン研究会資料87-1(1994)”が提案されている。
部分集合に分割した場合に、それぞれの部分集合がどの
程度分離されているかを表す量である。これは、集合全
体のデータの特徴に対する部分集合のデータの特徴の割
合で表され、その値は0.0〜1.0の値をとる。
上記の2つの集合と考えた場合、分離度が大きい程、領
域の境界に、強いエッジが存在することになる。つま
り、ある画素を境とする2つの領域について考えると、
その画素における分離度が大きければ、その画素には強
いエッジが存在するということができる。
ものの、逆に、分離度は画像抽出量の差に依存したもの
ではないため、対象物のエッジを抽出するためには分離
度をそのまま用いるには不十分であるとの観点から、重
みつき分離度(特願平7−7499号)も提案されてい
る。重みつき分離度は、対象物の存在位置、色情報、テ
クスチャ情報などを利用して選択的に対象物のエッジを
抽出することを目的として、位置に関する重み付けと画
像特徴の重み付けを分離度の式に組込んだ形をとる。
て適当な大きさ、形状のマスクを設定し、画像に適用
し、従来法に効果的なエッジ強度画像を生成することが
できる。しかし、このような単純な使い方では不十分で
ある。
ける、緩やかなエッジで構成されている対象の物体認識
について考える。
てエッジ強度を図3(b)に示す。エッジの強度につい
て考えると、対象を構成しているエッジ強度が図3
(c)のように単調に変化している場合や撮影時のボケ
による影響により弱くなっている場合、二値化によりエ
ッジ画像を作ると、閾値の設定方法によってはエッジ点
として抽出されないこともある。
続した弱いエッジを持つ場合は物体として認識されなけ
ればならない。
瞳などがある。
た瞳の形状抽出を行おうとする場合、図8において、
〜で示すような問題が挙げられる。
てしまうため推定が不安定である(図8ア)。
エッジが画像中にできてしまう(図8イ)。
おり、弱いエッジで構成されている(図8ウ)。
点の幾何学的配置についての考慮はなされているが、隣
接するエッジ点同士の関係としてのエッジの方向性とエ
ッジ強度の類似性には着目していない。
同士の関係は、エッジ点の集合として表される幾何学的
配置関係のみである。
び付ける弾性エネルギ関数による関連づけや、最適化の
ための制御点同士の情報交換等があるが、積極的に関係
情報を利用したものではない。また、楕円等の形状をパ
ラメータ表現できる場合、楕円を構成するエッジ点を抽
出し、最小自乗法等によって楕円のパラメータを求める
ことによって、検出を行っていた。しかし、最小自乗法
による楕円の当てはめには、最小自乗法に偏差があるこ
とが知られていることや楕円の一部が隠されてしまうこ
とによって、推定が不安定になるという問題がある。こ
のように従来の形状抽出はノイズや外乱に弱かった。
外乱に強く、安定した形状認識が行えるものを提供す
る。
は、認識対象物を擬似的に表したモデルを画像に当ては
めて、その画像中に写っている前記認識対象物の形状を
認識する装置であって、画像を入力する画像入力手段
と、前記認識対象物を擬似的に表したモデルを一つまた
は複数記憶する記憶手段と、この記憶手段に記憶したモ
デルの中で認識したい形状に類似した一つのモデルを選
択するモデル選択手段と、このモデル選択手段によって
選択した選択モデルに一つまたは複数のマスク領域を設
定するマスク領域構成手段と、前記モデル選択手段によ
って選択した選択モデルを画像に当てはめるために、そ
の選択モデルの画像中における位置、姿勢または大きさ
を決定するパラメータを設定するパラメータ設定手段
と、前記マスク領域構成手段でマスク領域を設定した選
択モデルを、前記パラメータ設定手段によって設定され
たパラメータに基づいて画像に当てはめる画像当てはめ
手段と、この画像当てはめ手段によって画像に当てはめ
た選択モデルの一つまたは複数のマスク領域における特
徴量を、前記画像入力手段によって入力された画像から
求める特徴量抽出手段と、この特徴量抽出手段によって
得られた選択モデルの一つまたは複数のマスク領域の特
徴量に基づいて、認識したい形状に前記選択モデルが最
も適合するパラメータを決定するパラメータ決定手段と
よりなる。
高いと判断されたパラメータに基づいて、モデルを画像
に当てはめると、そのモデルの位置、姿勢、大きさで決
定される箇所に、目的の形状が存在する。
く、安定した形状認識が行える。
る実施例を説明する。
形状認識を行うという状況での一実施例について説明す
る。CCDカラーカメラを用いて取得した顔画像では、
図7のように、瞳の形状が楕円として撮影される。この
瞳の形状を楕円として近似しその楕円パラメータを求め
ることについて考える。
示す。
入力変換手段と画像蓄積部からなる画像入力部101、
取得した画像の前処理するための画像前処理部102、
そして形状抽出を行う形状抽出部103から構成され
る。
1、ビデオボード2、画像を蓄積するメモリ3からな
る。なお、画像入力部101は、CCDカメラ1からの
入力に限らずビデオ等の映像出力機器やX線撮影装置等
で得られた画像をビデオボードの端子から入力すること
もできる。
画像、色相画像、彩度画像といった画像に変換する演算
装置4と、これら変換した画像を保存する画像蓄積部5
からなる。
画像はR、G、Bの3枚の画像からなる。演算装置4
は、画像中のある一点(x,y)のそれぞれのR,G,
B画像の値を、(R,G,B)として、このRGBカラ
ー空間における色表現をHSVカラー空間(Computer Gr
aphics 2nd edition(Addison Wesley)pages 592-593)や
GHLSカラー空間(GLHS:A generalized Lightness,Hu
e,and Saturation ColorModel,Haim Levkowitz and Gab
or T.Herman, CVGIP Graphical Models and Image Proc
essing(GMIP)Volume 55,Number 4,July 1993)での色表
現に変換する。画像蓄積部5のメモリから、(x,y)
の位置に対応するR,G,B値を読みとり、上記した変
換アルゴリズムによって(R,G,B)→(H,S,
V)に変換し、その(H,S,V)の値を画像蓄積部5
のメモリに記憶させる。
画像前処理部102とを別の構成にしたが、これに限ら
ず、両者を一体として画像入力部としてもよい。
マスクを構成するマスク構成部6、各マスク内の特徴量
を抽出する特徴量抽出部7、各マスクで得られた特徴量
を組み合わせて、形状抽出の評価値を計算する組合せ評
価値計算部8からなる。
離度」を用いて説明する。
る分離度を、以下で説明する「組合せ分離度」と区別す
るために「単純分離度」と呼ぶ。
度のマスクを、エッジ方向と幾何学的位置関係を考慮し
て、複数個配置し、それらを関係づける評価関数によっ
て求められる。
ためのマスクを配置する。これを部分マスクと呼ぶ。楕
円の接線方向に垂直な直線上(エッジ方向)に部分マス
クを配置する。そして、各部分マスクについて、各分離
度の計算を行う。組合せ分離度C(0.0≦C≦1.
0)を次式のように定義する。
とり、その差が小さいときによい評価を与えるという、
複数あるマスク間の幾何学的配置とエッジの類似度を評
価する関数である。
度をS(Mi)で表す。各部分マスク間の差の絶対値を
取り、1.0から引いた値を各マスク間の「類似度」と
して定義し、これより次式で表される。
体のエッジ強度を表す。
ように、正規化を行う。
って決定する。一般には、α=0.5、β=0.5とし
て評価する。例えば、α=1、β=0として、エッジ間
の類似度のみを評価するようにすることも可能である。
これは、あらかじめ物体の存在する位置等がわかってお
り、非常にエッジ間の類似度が高い場合に利用される。
た値を掛け合わせることによって評価しており、全体の
エッジ強度とエッジ間の類似度のバランスに敏感な評価
関数となる。
合の形状抽出部103についての機能、動作の説明を行
う。
算部10、組合せマスク構成部11からなる(図10参
照)。
は、抽出したい形状(モデル)が格納されている。すな
わち、モデルはエッジのサンプル点(n個)と、その点
におけるエッジの方向の情報が図11のモデル記述テー
ブルに格納されている。
y0)、半径(長軸の長さの1/2)r、長軸と短軸の
比b(0.0<b≦1.0)、長軸と座標系のX軸との
なす角θによって決定される。これらの楕円パラメータ
を決定し、そのサンプル点(xi,yi)を与え、楕円
上の点(xi,yi)におけるエッジ方向については、
中心と点(xi,yi)を結ぶ直線がX軸となす角度を
θpとすると、エッジ方向は、
では、エッジの方向が矢印のように求められる。このエ
ッジ方向をモデル記述テーブルに記述する。
計算部10について説明する。
は平行移動、回転、拡大縮小されている場合がある。モ
デルにアフィン変換を施し、そのモデルの当てはめを行
うことで変換に対応した検出を行う。
(xi,yi)に関して、アフィン変換マトリクスA
は、
動、Rは回転変換、Zは相似変換の行列を表す。
また、このアフィン変換の回転成分Rをそれぞれのエッ
ジ方向に足し合わせて、同様に一時保管テーブルに登録
する。
にあるかという探索範囲やどのくらいの抽出精度が必要
かに応じて、変換パラメータの変動範囲を決定する。ア
フィン変換の平行移動成分、回転成分、拡大縮小成分に
おいてそれぞれ、可変範囲と刻みを決定し、その範囲で
の変換パラメータから変換マトリクスを生成し、一時保
管テーブルに登録する。
ク構成部11について説明する。
保管テーブルに基づいて、計算を行うマスクを設定す
る。例えば、分離度を用いた場合、分離度マスクは図2
のようなマスクを構成する。このときマスクの方向が図
9のように、楕円のパラメータ(x,y,r,b,θ)
によって計算される楕円上にエッジ方向と平行となるよ
うなマスクを構成する。マスクの大きさ、形状について
は取得する画像抽出量に応じて定める。なお、本実施例
では、矩形のマスク領域を用いて説明する。
装置13、特徴量蓄積部14からなる。
像前処理部102で計算された画像を転送し保持する役
割をもつ。
マスク構成部11において構成されたマスクにしたがっ
て、画像メモリ12中に蓄えられている画像の輝度、色
相といった値を読みとり、マスクで定義されている特徴
量を算出する。
存される。この説明では特徴量として分離度を用いてい
るので、各部分マスクについて明度画像を用いて、それ
ぞれの式(1)の分離度を計算し、それぞれの分離度が
格納される。式(1)における画像抽出量Piは、本実
施例では分離度を算出するための明度となる。
他の特徴量も利用でき、これについては変形例で述べ
る。
価記憶部16、結果記憶部17とよりなる(図14参
照)。
(3)で定義される組合せ分離度Cを求める。組合せ分
離度Cは、式(2)(3)のどちらか一方から演算した
値を使用する。
登録する。この評価値記憶部16では、各組合せ分離度
Cと式(7)の変換のパラメータAを対にして記憶す
る。そして、一番高い組合せ分離度C(最も1に近い組
合せ分離度C)を持つときのパラメータAが結果記憶部
17に送られる。
示したものである。
記述記憶部9、アフィン変換計算部10によって楕円の
パラメータが計算される。
1によって、マスク生成が行われる。
り、部分マスクの計算が行われる。ステップ54では、
組合せ分離度Cの計算が、組合せ評価値計算部15でな
され、そして、評価値記憶部16では、組合せ分離度C
の大きい順にデータをソートする。
離度Cの更新が行われる。
化させながら、組合せ分離度Cの計算を行うが、探索範
囲を全て終了したかどうかを判断し、終了の場合、一番
高い組合せ分離度Cを持つとき(最も1に近い組合せ分
離度C)の楕円パラメータAを結果記憶部17に送り、
ステップ57において、その時の楕円パラメータAを持
つ検出楕円とする。終了していない場合、ステップ51
に戻り、楕円パラメータの更新を行い、処理を繰り返
す。
メモリが各部分に点在するが、これを一つにまとめた構
成とし、各演算装置がそのメモリをアクセスできるよう
に構成を変更してもよい。
く、MRI画像やX線CT画像、超音波画像、SPEC
T画像等の入力でも可能である。たとえば、人間の肝臓
部分の輪郭抽出等に有効と考えられる。
でなく、平滑化等のフィルタリング等の画像の変換を行
うように変形できる。
か挙げる。
たが、楕円形状だけに限らず、図12のように、テーブ
ルの構成内容により、様々な形状に対応可能である。
る。
される特徴量から評価値を算出するだけでなく、予め決
められた形状をした一つのマスクを用いて特徴量を算出
し、それを評価値として用いる。この一つのマスクの形
状はモデルを参考にして決定する。
った、2つの領域の分離度を計算し、それを評価関数と
する。
は、図18のように、一時保管テーブルに基づいて楕円
の輪郭に沿って、2つの領域を設定する。各領域の面積
などについては、画像抽出量に応じて定める。
一つだけ用いた方法の場合の組合せ評価値計算部の変形
例として、評価値Cの計算方法を (数2)についてα,β=1,n=1,G=0 (数3)についてn=1,G=1 として、計算する。
計算できるため、複雑なテクスチャ中の形状認識等も可
能となる。また、本実施例のように明度画像のみを用い
るのではなく、他の画像前処理部で得られる色相画像等
を用いた、様々な分離度を計算できる。
な形に変形できる。
なくなるが、値の大きなものを形状として抽出すること
ができる。このように、様々に評価関数を設定でき、組
合せた特徴量のもっとも高い値を持つときの形状パラメ
ータを求めることができる。
徴量も利用できる。例えば、Sobelフィルタによるエッ
ジ抽出によってエッジ強度を計算し、特徴量として利用
する。この場合もエッジの強度の類似度を計算する。し
かし、Sobel フィルタでは、分離度とは異なりマスク形
状の方向性はない。そこで、計算されたエッジの方向に
おける隣接したエッジ点の同士の類似度を計算する式を
次のように定義し、隣接した2つのエッジ点のエッジ方
向の角度をθ1、θ2とする。θ1、θ2が直交すると
き最小となる角度間の評価関数を
する。
用いる場合、特徴量を計算するマスクが必要のない場合
も存在する。マスク構成部を除いた構成に変形しても良
い。
うに、繰り返し計算による探索だけではない。別の例と
して、図16のように、予め数種類のエッジ方向のマス
クを画像に適用しておき、多数のエッジ強度画像を作成
しておく。そして、パラメータ空間を用意しておき、す
べてのエッジ強度画像から得られた特徴量をパラメータ
空間に投票を行う。そしてパラメータ空間のピークの位
置を検出するといった、ハフ変換に似たアルゴリズムを
用いる変形例がある。
明したが、先に示したように、その他の形状抽出も可能
であると述べた。この時並列に異なる形状テーブルのも
のを探索することによって、複数形状を同時に抽出でき
るように拡張が可能である。具体的な応用としては、口
形状を抽出する場合に有効である。図17(a)(b)
(c)(d)のように、口の開け方(大きさ)に応じた
いくつかの口形状モデルを用意する。そしてそれぞれに
対して、図17(d)のように、分離度マスクを設定し
抽出を行う。
数の存在し、同時に複数個選択したい場合、評価値記憶
部16に記録されている候補から複数結果を出力するよ
うに、評価値記憶部17と結果記憶部18を変形でき
る。
で種々変形して実施することが可能である。
されたパラメータに基づいて、モデルを画像に当てはめ
ると、そのモデルの位置、姿勢、大きさで決定される箇
所に、目的の形状が存在する。したがって、ロバストな
形状認識が行え、さまざまな画像処理装置で応用が可能
である。
ある。(a)は、弱いエッジで構成される物体の図であ
る。(b)は、エッジ強度を示すテーブルである。
(c)は、明度分布のグラフである。
(a)は、目の正面図である。(b)は、明度分布のグ
ラフである。
係を示す図である。
Claims (5)
- 【請求項1】認識対象物を擬似的に表したモデルを画像
に当てはめて、その画像中に写っている前記認識対象物
の形状を認識する装置であって、 画像を入力する画像入力手段と、 前記認識対象物を擬似的に表したモデルを一つまたは複
数記憶する記憶手段と、 この記憶手段に記憶したモデルの中で認識したい形状に
類似した一つのモデルを選択するモデル選択手段と、 このモデル選択手段によって選択した選択モデルに一つ
または複数のマスク領域を設定するマスク領域構成手段
と、 前記モデル選択手段によって選択した選択モデルを画像
に当てはめるために、その選択モデルの画像中における
位置、姿勢または大きさを決定するパラメータを設定す
るパラメータ設定手段と、 前記マスク領域構成手段でマスク領域を設定した選択モ
デルを、前記パラメータ設定手段によって設定されたパ
ラメータに基づいて画像に当てはめる画像当てはめ手段
と、 この画像当てはめ手段によって画像に当てはめた選択モ
デルの一つまたは複数のマスク領域における特徴量を、
前記画像入力手段によって入力された画像から求める特
徴量抽出手段と、 この特徴量抽出手段によって得られた選択モデルの一つ
または複数のマスク領域の特徴量に基づいて、認識した
い形状に前記選択モデルが最も適合するパラメータを決
定するパラメータ決定手段とよりなることを特徴とする
形状認識装置。 - 【請求項2】前記パラメータ決定手段は、 前記選択モデルにマスク領域が複数設定された場合に、
前記複数のマスク領域で得られる特徴量の組合せ結果に
基づいて、認識したい形状に前記選択モデルが最も適合
するパラメータを決定することを特徴とする形状認識装
置。 - 【請求項3】前記パラメータ決定手段は、 前記選択モデルにマスク領域が複数設定された場合に、
前記各パラメータ毎に、前記選択モデルの各マスク領域
における特徴量の総和、及び、隣接関係にある特徴量間
の類似度を用いて評価値を算出し、 この算出した評価値の中で最も高い評価値を有するパラ
メータを、認識したい形状に前記選択モデルが最も適合
するパラメータとすることを特徴とする請求項1記載の
形状認識装置。 - 【請求項4】前記マスク領域構成手段は、 一つまたは複数のマスク領域を前記選択モデルの輪郭に
合わせて設定し、 前記特徴量抽出手段は、 前記マスク領域内における画像抽出量の分離度を用いて
特徴量を求めることを特徴とする請求項1記載の形状認
識装置。 - 【請求項5】認識対象物を擬似的に表したモデルを画像
に当てはめて、その画像中に写っている前記認識対象物
の形状を認識する方法であって、 画像を入力し、 予め設けた前記認識対象物を擬似的に表した一つまたは
複数のモデルの中から認識したい形状に類似した一つの
モデルを選択し、 この選択した選択モデルに一つまたは複数のマスク領域
を設定し、 前記選択した選択モデルを画像に当てはめるために、そ
の選択モデルの画像中における位置、姿勢または大きさ
を決定するパラメータを設定し、 前記マスク領域を設定した選択モデルを、前記設定され
たパラメータに基づいて画像に当てはめ、 この画像に当てはめた選択モデルの一つまたは複数のマ
スク領域における特徴量を、前記入力された画像から求
め、 この得られた選択モデルの一つまたは複数のマスク領域
の特徴量に基づいて、認識したい形状に前記選択モデル
が最も適合するパラメータを決定することを特徴とする
形状認識方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP23025795A JP3797686B2 (ja) | 1995-09-07 | 1995-09-07 | 形状認識装置及びその方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP23025795A JP3797686B2 (ja) | 1995-09-07 | 1995-09-07 | 形状認識装置及びその方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005272970A Division JP4185083B2 (ja) | 2005-09-20 | 2005-09-20 | 形状認識装置及びその方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0973544A true JPH0973544A (ja) | 1997-03-18 |
JP3797686B2 JP3797686B2 (ja) | 2006-07-19 |
Family
ID=16904975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP23025795A Expired - Lifetime JP3797686B2 (ja) | 1995-09-07 | 1995-09-07 | 形状認識装置及びその方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3797686B2 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001222719A (ja) * | 1999-12-01 | 2001-08-17 | Matsushita Electric Ind Co Ltd | 顔抽出装置及び顔抽出方法並びに顔抽出プログラムの記録媒体 |
JP2003512112A (ja) * | 1999-10-21 | 2003-04-02 | アーチ・デベロップメント・コーポレーション | 弾性的照合を用いる対側性および時間的な減法画像のコンピュータ化処理のための方法、システムおよびコンピュータ可読媒体 |
US6697503B2 (en) | 1999-12-01 | 2004-02-24 | Matsushita Electric Industrial Co., Ltd. | Device and method for face image extraction, and recording medium having recorded program for the method |
US7123754B2 (en) | 2001-05-22 | 2006-10-17 | Matsushita Electric Industrial Co., Ltd. | Face detection device, face pose detection device, partial image extraction device, and methods for said devices |
US7403641B2 (en) | 2004-05-28 | 2008-07-22 | Matsushita Electric Works, Ltd. | Object recognition system |
JP2008538425A (ja) * | 2005-01-26 | 2008-10-23 | ハネウェル・インターナショナル・インコーポレーテッド | 距離虹彩認識システム |
JP2011192109A (ja) * | 2010-03-16 | 2011-09-29 | Dainippon Printing Co Ltd | 画像処理装置、画像処理方法、プログラムおよび記憶媒体 |
JP2020526759A (ja) * | 2017-07-11 | 2020-08-31 | シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッドSiemens Healthcare Diagnostics Inc. | 複数の候補を用いた画像ベースの管頭部円検出 |
CN115116147A (zh) * | 2022-06-06 | 2022-09-27 | 马上消费金融股份有限公司 | 图像识别、模型训练、活体检测方法及相关装置 |
CN114930338B (zh) * | 2020-01-08 | 2024-03-01 | 株式会社科学计算综合研究所 | 信息处理***、信息处理方法及记录介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5478928B2 (ja) * | 2009-03-31 | 2014-04-23 | 綜合警備保障株式会社 | 人物同定装置、人物同定方法、及び人物同定プログラム |
-
1995
- 1995-09-07 JP JP23025795A patent/JP3797686B2/ja not_active Expired - Lifetime
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003512112A (ja) * | 1999-10-21 | 2003-04-02 | アーチ・デベロップメント・コーポレーション | 弾性的照合を用いる対側性および時間的な減法画像のコンピュータ化処理のための方法、システムおよびコンピュータ可読媒体 |
JP2001222719A (ja) * | 1999-12-01 | 2001-08-17 | Matsushita Electric Ind Co Ltd | 顔抽出装置及び顔抽出方法並びに顔抽出プログラムの記録媒体 |
US6697503B2 (en) | 1999-12-01 | 2004-02-24 | Matsushita Electric Industrial Co., Ltd. | Device and method for face image extraction, and recording medium having recorded program for the method |
US7123754B2 (en) | 2001-05-22 | 2006-10-17 | Matsushita Electric Industrial Co., Ltd. | Face detection device, face pose detection device, partial image extraction device, and methods for said devices |
US7403641B2 (en) | 2004-05-28 | 2008-07-22 | Matsushita Electric Works, Ltd. | Object recognition system |
JP2008538425A (ja) * | 2005-01-26 | 2008-10-23 | ハネウェル・インターナショナル・インコーポレーテッド | 距離虹彩認識システム |
JP4767971B2 (ja) * | 2005-01-26 | 2011-09-07 | ハネウェル・インターナショナル・インコーポレーテッド | 距離虹彩認識システム |
JP2011192109A (ja) * | 2010-03-16 | 2011-09-29 | Dainippon Printing Co Ltd | 画像処理装置、画像処理方法、プログラムおよび記憶媒体 |
JP2020526759A (ja) * | 2017-07-11 | 2020-08-31 | シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッドSiemens Healthcare Diagnostics Inc. | 複数の候補を用いた画像ベースの管頭部円検出 |
CN114930338B (zh) * | 2020-01-08 | 2024-03-01 | 株式会社科学计算综合研究所 | 信息处理***、信息处理方法及记录介质 |
CN115116147A (zh) * | 2022-06-06 | 2022-09-27 | 马上消费金融股份有限公司 | 图像识别、模型训练、活体检测方法及相关装置 |
CN115116147B (zh) * | 2022-06-06 | 2023-08-08 | 马上消费金融股份有限公司 | 图像识别、模型训练、活体检测方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
JP3797686B2 (ja) | 2006-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7149692B2 (ja) | 画像処理装置、画像処理方法 | |
US7035461B2 (en) | Method for detecting objects in digital images | |
Ennesser et al. | Finding Waldo, or focus of attention using local color information | |
Fisher et al. | Dictionary of computer vision and image processing | |
Mortensen et al. | A SIFT descriptor with global context | |
Yow et al. | Feature-based human face detection | |
JP5214533B2 (ja) | 人物追跡方法、人物追跡装置および人物追跡プログラム | |
WO2008091281A2 (en) | Artificial intelligence systems for identifying objects | |
JP2003323622A (ja) | 画像認識システム及びその認識方法並びにプログラム | |
JP2006006359A (ja) | 画像生成装置、画像生成装置方法、およびそのプログラム | |
JP2006325937A (ja) | 画像判定装置、画像判定方法およびそのプログラム | |
JP7077046B2 (ja) | 情報処理装置、被写体の判別方法及びコンピュータプログラム | |
JPH0973544A (ja) | 形状認識装置及びその方法 | |
Van Ginneken et al. | A non-linear gray-level appearance model improves active shape model segmentation | |
Adoram et al. | IRUS: image retrieval using shape | |
Pollicelli et al. | RoI detection and segmentation algorithms for marine mammals photo-identification | |
Xu et al. | Automatic segmentation of cervical vertebrae in X-ray images | |
JP3577908B2 (ja) | 顔画像認識システム | |
Ballerini et al. | Multiple genetic snakes for bone segmentation | |
US7231086B2 (en) | Knowledge-based hierarchical method for detecting regions of interest | |
JP4185083B2 (ja) | 形状認識装置及びその方法 | |
Silveira et al. | Automatic segmentation of the lungs using multiple active contours and outlier model | |
Hoogenboom et al. | Face detection using local maxima | |
JPH11110542A (ja) | パターン抽出方法および装置、そのプログラムを記録した媒体 | |
Faizi | Robust face detection using template matching algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050715 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050726 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050921 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060117 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060313 |
|
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: 20060411 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060418 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100428 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100428 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110428 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130428 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140428 Year of fee payment: 8 |
|
EXPY | Cancellation because of completion of term |