KR0158038B1 - 개인식별장치 - Google Patents

Abstract

얼굴화상을 화상입력부에서 입력하여 입력된 얼굴화상으로 부터 눈, 코, 입 등의 특징점을 추출하여 추출한 특징점을 이용하여 얼굴화상을 다수의 패치로 일정한 규칙으로 분할하고, 패치의 집합으로서 얼굴화상을 기술한다. 그리고, 각 패치마다의 특징량을 추출하여 특징량의 집합으로서 얼굴화상을 표현하여 본인을 동정(同定) 한다.

Description

[발명의 명칭]

개인식별장치

[기술분야]

본 발명은 입실 (入室) 관리등 얼굴화상에 의하여 본인인지 아닌지의 식별을 한다거나 입력 얼굴화상에 가까운 인물을 데이터 파일에서 순차 검색출력하는 개인식별장치에 관한 것이다.

[배경기술]

종래의 얼굴화상에 의한 개인식별에 있어서는, 예컨대 일본국 특허 공개 소 63-177273 호 공보에 기재된 것이 있었다. 다음에 그 구성을 설명한다.

제15도는 종래의 얼굴화상에 의한 개인식별장치의 한 구성을 나타낸 블럭도이다. 도면중 (21) 은 얼굴화상을 입력하는 화상입력부, (22) 는 A/D 변환기, 중앙처리장치, 메모리 등으로 구성되는 특징점 추출부, (23) 은 본인의 얼굴화상의 특징점을 카아드등에 기록한 개인 데이터 베이스부, (24) 는 특징점 추출부 (22) 및 개인 데이터 베이스부 (23) 로 부터의 특징점 정보를 이용하여 그 차분을 검출하여 수득한 차분이 있는 역치 () : threshold value) 보다 큰지 아닌지로 본인인지 아닌지를 개인식별처리하는 판정부이다.

상기의 종래 기술에 있어서, 개인식별을 할 경우에는 화상입력부 (21) 에서 입력된 얼굴화상의 특징점을 특징점 추출부 (22) 에서 추출하고, 그 특징점과 개인 데이터 베이스부 (23) 에 등록되어 있는 얼굴화상의 특징점의 상이함을 판정부 (24) 에 의하여 검출하고, 2 차분의 크기에 따라서 본인인지 아닌지의 개인식별처리를 하고 있다. 그 경우, 양 얼굴화상 사이에서 화상의 크기, 촬영각도의 상이함이 있으면, 특징점 사이의 차분이 커지게 되어 동일인물이였어도 개인이라고 간주되는 경우가 있었다. 또, 이와 같은 사태를 방지하기 위하여는 화상 입력부와 피촬영자와의 거리를 고정으로 하여 정면을 향하여 화상을 입력하여 받을 필요가 있었다. 그러나, 이와 같은 입력방법에서는 피촬영자에 대한 부담으로 되고, 또 여하히 정면을 향하고 있어도 약간 얼굴이 회전한다거나 기울어진다거나 하므로 정확히 정면을 향한 화상을 촬영하는 것은 어렵다고 하는 문제가 있었다.

본 발명은 높은 식별력을 지닌 개인식별장치를 제공하는 것을 기본적인 목적으로 한다.

또한, 본 발명은 촬영조건 (조명조건, 얼굴의 방향 등등) 의 다소의 변동에 대하여도 판정을 정확하게 할 수 있는 개인식별장치를 제공하는 것을 목적으로 하고 있다.

[발명의 상세한 설명]

상기 목적을 달성하기 위하여 본 발명은 입력된 얼굴 화상으로 부터 눈, 코, 입 등의 얼굴부품의 특징점을 추출한 다음, 추출한 특징점을 이용하여 얼굴화상을 3 각형등의 작은 패치 (patch) 로 분할하고, 이 패치의 집합으로서 얼굴화상을 기술한다. 그리고, 특징량은 각 패치마다에 추출하고, 추출한 특징량의 집합으로 개인의 얼굴화상을 특정한다. 특징량으로서는 각 패치의 평균 명도 (明渡) 를 이용할 수 있다. 이 경우에는 모노크로매틱 (monochromatic) 화상으로서 다루어지므로 처리가 비교적 간단화할 수 있으나, 얻을 수 있는 농담의 패치로 형성되는 화상은 얼굴의 특징을 충분히 반영한 것으로 되어 요철 (凹凸) 이나 평탄도, 만곡도 등을 간접적이기는 하나 표현할 수 있다. 따라서, 이러한 특징량을 사용함에 따라 개인의 식별을 정확하게 실행할 수 있게 된다. 더욱이, 특징량으로서는 평균명도의 외에 인접하는 패치 사이의 명도차를 이용할 수 있다.

실제적인 방법으로서 기준으로 하는 얼굴화상을 패치의 집합으로서 기술한 기준구조모델을 사용하여 입력된 얼굴화상의 특징점이 추출되면, 기준구조모델의 특징점과 비교하여 기준구조모델을 추출된 특징점 정보에 기초하여 변형정합하여 입력된 얼굴화상에 대응한 정합 (整合) 구조 모델을 얻는다. 이와 같이 하여 구한 정합 구조모델은 전술한 바와 같이 패치의 집합으로서 표현되어 각 패치의 특징량을 추출한다.

추출된 특징량은 미리 준비하고 있는 개인 데이터 베이스의 각자의 특징량과 비교되어 양 특징량 사이의 거리를 계산함으로써 일치정도를 검출한다. 본인 확인의 경우에는 데이터 베이스중의 본인의 데이터와 비교하는 것이 좋고, 인물 검색의 경우에는 개인 데이터 베이스에 격납되어 있는 데이터와 순차로 비교하여 일치정도의 뛰어난 얼굴화상을 추출한다.

기준구조모델은 2 차원이였어도 좋으나, 3 차원이였어도 좋다. 3 차원인 경우에는 각 패치의 법선 (法線) 벡터를 명도 (明渡) 와 함께 특징량으로서 추출하도록 하면, 얼굴의 요철을 보다 명확하게 표현할 수 있어, 명도 분포에서 광원의 위치를 추정할 수 있고, 광원의 위치에 대응한 보정을 하는 것이 가능하게 된다. 또, 카메라에 대하여 다소 얼굴이 기울어져 있었을 경우에도 명도 분포를 좌우 대칭으로 하도록 한 보정을 함에 따라서 기울기에 의한 판정오차를 방지할 수 있다.

[도면의 간단한 설명]

본 발명의 목적과 특징은 첨부 도면에 나타낸 본 발명의 바람직한 실시예에 관련한 다음의 기술로 부터 명백하게 될 것이다.

제1도는 본 발명에 관한 개인식별장치의 시스템 구성도이다.

제2도는 본 발명에 관한 개인식별장치의 실시예를 나타낸 블록도이다.

제3도는 얼굴의 특징점을 나타낸 설명도이다.

제4도, 제5도, 제6도 및 제7도는 각기 눈썹, 눈, 코, 입의 특징점의 위치를 나타낸 확대 설명도이다.

제8도는 추출된 특징점의 분포를 나타낸 도면이다.

제9도는 기준 구조모델의 프레임 구조를 나타낸 도면이다.

제10도는 추출된 특징점에 따라서 제9도의 기준구조모델을 변형 정합한 결과의 프레임 구조를 나타낸 도면이다.

제11도는 본 발명에 관한 개인식별장치의 시스템 도포를 나타낸 도면이다.

제12도는 특징점 추출의 순서도이다.

제13도는 정점의 선형 보간방식을 설명하는 설명도이다.

제14도는 본 발명에 관한 개인식별장치의 또 하나의 실시예를 나타낸 블록도이다.

제15도는 종래의 개인식별장치의 구성을 나타낸 블록도이다.

[발명을 실시하기 위한 가장 좋은 형태]

다음에 본 발명의 실시예를 상세히 설명한다.

[시스템 구성]

본 발명에 관한 개인식별장치의 하드웨어 (hard ware) 는 제1도에 나타낸 바와 같이 식별대상의 개인의 얼굴부분을 촬영하기 위한 텔레비젼 카메라 (1) 로 된 화상입력부 (2) 와, 텔레비젼 카메라 (1) 로 촬영된 얼굴화상 데이터가 입력되는 마이크로 컴퓨터 (3) 로 된 화상처리부 (4) 로 기본적으로 구성되어 있다.

이 화상처리부 (4) 는 마이크로 컴퓨터 (3) 본체에 가하여 필요한 정보를 표시하는 디스플레이 (5), 필요한 정보를 기록하는 프린터 (6), 마이크로 컴퓨터 (3) 를 조작하기 위한 건반 (key board) (7) 이나, 마우스 (mouse) (도면에 없음) 에 의하여 구성되는 조작수단 (8) 을 구비하고 있다.

[기능블럭구성]

제2도는 본 발명의 제1실시예를 나타낸 것으로 마이크로 컴퓨터 (3) 가 입력된 얼굴화상에 대하여 실행하는 화상처리의 내용을 기능으로 하여 추출하고 블록도로서 표시한 것이다.

화상입력부 (2) 에서 입력된 얼굴화상 데이터는 먼저 화상기억부 (12) 에 격납되어 특징점 추출부 (13) 는 다음에 설명하는 바와 같이 격납된 얼굴화상에서 특징점을 추출한다. 여기에서 특징점이 되는 용어는 제3도에서 흑점으로 예시한 바와 같이 얼굴화상을 구성하는 낱낱의 요소, 예컨대 눈, 코, 입, 머리, 빰 등을 특정하기 위하여 미리 정한 점을 의미한다. 따라서, 특징점의 추출이라 함은 에컨대 눈동자의 중심을 나타낸 특징점이 입력된 얼굴화상위의 어느 위치에 있는가를 검출하는 것을 의미하며, 낱낱의 특징점의 위치정보를 검출함에 따라서 개인의 얼굴의 특징을 기술하게 된다. 제4도, 제5도, 제6도, 제7도에는 눈썹, 눈, 코, 입의 특징점을 각기 상세히 나타내었다. 특징점의 추출방법에 대하여는 나중에 설명할 것이지만 제8도에는 추출된 특징점을 예시하였다.

특징점 추출부 (13) 에 의하여 그 위치가 특정된 특징점은 구조모델 정합부 (15) 에서 미리 정하여 두어 얼굴의 기준구조모델의 특징점과 낱낱이 비교되어 기준 구조모델의 낱낱의 특징점이 추출된 대응하는 특징점에 일치하도록 기준구조모델이 변형 정합된다.

기준구조모델은 기준와이어 프레임이라고도 일컬어지고 제9도에 예시한 바와 같이 기준으로 하는 얼굴화상을 다수의 작은 패치로 분할하여 패치의 집합으로서 근사적으로 표현한 것이다. 이 패치는 임의의 다각형 (polygon) 이여서 좋으나, 처리의 용이함에서 제5도와 같이 3 각형을 사용하는 것이 바람직하다. 구체적인 정합 방법에 대하여는 나중에 설명하겠지만 제9도의 기준구조모델을 제8도에 나타낸 추출 특징점을 사용하여 정합한 결과를 제10도에 나타내었다. 다음에서는 정합한 다음의 구조모델을 정합구조모델이라 한다.

재차 제2도에 되돌아와서 특징량 추출부 (16) 는 구조모델 정합부 (15) 에 의하여 얻어진 정합구조모델에 기초하여 화상기억부 (12) 에 격납된 얼굴화상을 낱낱의 패치마다 잘라내어 패치 마다의 특징량을 추출한다. 특징량으로서는 예컨대, 피치내의 평균명도를 이용할 수 있다. 특징량으로서 명도를 이용하면 일정한 조명조건하에서는 얼굴 표면의 명도 분포는 얼굴의 입체 형상을 비교적 충실하게 반영한다. 또, 명도 분포는 촬영시, 다소 얼굴이 옆을 향하고 있었다 하여도 영향을 받기 어려운 이점이 있다. 특징량은 각 패치의 명도 (평균 명도) 에 한정되는 것은 아니고, 인접하는 패치 사이의 명도의 차분을 이용할 수도 있다.

이와 같이 하여 정합구조모델의 특징량이 추출되면, 판정부 (18) 는 추출된 특징량을 개인 데이터 베이스부 (17) 에 미리 준비되어 있는 개인, 개인의 특징량과 순번을 비교하여 거리 연산에 따라 일치도를 판정하여 그 결과를 출력한다 (인물검색).

본인 확인의 경우, 즉 입력된 얼굴화상이 확실히 본인인지 아닌지를 확인하는 경우, 판정부 (18) 는 추출된 특징량과 개인 데이터 베이스부 (17) 에 격납된 본인의 특징량과의 거리 (차의 절대값) 를 연산하여 거리의 총합이 미리 정한 역치 (threshold value) 보다 작을 때에는 본인이라고 인지 (identify) 한다.

상기 거리연산은 예컨대, 입력얼굴화상에 대하여 얻은 정합구조 모델의 특징량을 Xn(n=1~380), 미리 개인데이터 베이스에 격납된 각 개인의 특징량을 Mn(n=1~380)이라 하면, 거리 (S) 는로 구한다.

제11도는 이상의 개인식별처리를 도식화한 것이며, 처리의 차례가 명료하게 이해될 것이다.

다음에 낱낱의 처리에 대하여 구체적으로 설명한다.

[특징점 추출]

다음에 설명하는 특징점 추출은 본원 발명의 특징으로 하는 바는 아니나, 본원 발명은 특징점 추출을 그 전제로 하고 있다. 그리고, 이 전제가 되는 특징점 추출방식에 대하여는 본원출원인이 일본국 특허 출원 평 4-9753 호로서 출원하여 일본국 특허 공개 평 5-197793 호로서 공개된 공개공보에 기재되어 있으나, 그 기본원리를 제12도의 순서도를 이용하여 설명한다.

특징점 추출은 전술한 바와 같이 특징점 추출부 (13) 에서 실행된다.

먼저, 스텝 (S1) 에서 화상기억부 (12) 에 기억된 얼굴화상을 입력하고, 스텝 (S2) 에서 휘도변환하여 모노그로매틱 (monochromatic) 의 농담화상을 생성한 다음, 스텝 (S3) 이 에지 (edge) 화상을 생성한다. 이 경우, 예컨대, Sobe1 연산자 [D.H. 발라아드 (Ballard). C. M. 브라운 (Brown) 저 후타무라고오오번역 「컴퓨우터비전」, 일본 컴퓨터 협회, 1987, P98] 와 같은 에지의 크기 뿐만 아니라 방향의 얻을 수 있는 연산자 (operator) 를 사용하여 에지를 추출한다. 이와 같이 하여 얻을 수 있는 에지는 크기와 방향을 요소로 하고 있으므로 에지벡터라 일컬어지고 있다. 실제로 도면에는 없으나 에지를 추출함으로써 얻을 수 있는 에지화상은 디스플레이 (5) 상에서는 좌우방향의 에지는 가장자리에서 상하방향의 에지는 적색으로 표시하고, 색의 농담에 따라서 에지의 세기를 표시한다.

다음에 스텝 (S4) 에서 눈이나 코라고 하는 얼굴부품이 어디에 있는가를 나타낸 탐색영역을 결정한다. 이 탐색영역은 눈썹영역, 홍채영역, 코영역, 좌우 빰영역, 입영역의 계 6 영역으로 하고 우선 최초에 얼굴화상의 상하방향의 중앙부에 있는 홍채의 탐색영역으로 부터 좌우 홍채위치를 결정한다. 좌우 홍채의 위치가 검출되면, 홍채 사이의 거리 및 기울기로 부터 얼굴전체의 크기를 추측할 수 있게 된다. 그 밖의 계 5 영역은 이미 얻은 홍채의 위치를 사용하여 순차 결정한다.

각 탐색영역이 결정되면, 스텝 (S5) 에서 각 탐색영역의 에지화상을 0 아니면 1 로 2 치화 (値化) 한다. 통상, 추출된 에지는 각기 크기를 갖고 있으며, 잡음을 포함하고 있다. 2 치화는 잡음제거를 목적으로 하고, 소정의 역치를 판정에 사용한다. 이 최소한계치는 탐색영역중의 면적비 20 % 의 에지 화소가 1, 나머지가 0 이 되도록한 값을 사용한다.

다음에 스텝 (S6) 에서 2 치화된 에지 화상에 대하여 형상 템플레이트 (template) 를 사용하여 형상 매칭을 하여 일치정도를 판정하여 후보영역을 도출한다. 이 일치도 (ø) 는 에지와 형상 템플레이트의 각 부품의 형상 데이터의 어느 것이나 벡터로 표현되고 있으므로, 예컨대 2 개의 벡터의 내적 (內積) 을 채택함으로써 계산할 수 있다.

더욱 구체적으로는 에지의 화상중의 에지 벡터를

ui, j = (u_i,_j= (u_x, u_y) (i, j : 화상의 x, y 좌표, u_x ²+ u_y ²= 1 또는 0) 이라 하여, 형상 데이터를

요소 데이터 p_k= (l_k, m_k) (l_k, m_k: 요소의 x, y 좌표)

슬롭 (slope) 벡터 v_k= (v_x, v_y) (v_x ²+ v_y ²= 1)

단 1≤k≤n (n 은 요소수) 이라 할 때, 에지 화상속의 좌표 (i, j) 에 있어서의 형상 데이터와의 일치도 (ø) 는

ø= (ΣU_i+lk,_j+mkㆍv_k)/n (1≤k≤n)

단, u_i+1k,_j+mkㆍv_k= u_x×v_x+ u_y× v_y으로 된다.

이와 같이 하여 탐색영역의 각 좌표에 대한 형상 데이터와의 일치도가 산출된다. 이 중에서 일치도 (ø) 의 큰 복수의 좌표지 (座標地) 를 얼굴부품의 후보영역으로 한다.

실제에는 예컨대 눈의 템플레이트인 경우, 에지 화상중 양쪽 홍채, 눈썹, 빰과 귀 사이의 머리털 부분, 코구멍 등이 높은 일치도를 지닌 부분으로서 들 수 있다. 즉, 결정된 홍채 탐색영역내에 있어서, 홍채의 형상 템플레이트를 사용한 일치도 판정을 하면, 상기와 같은 각 부분이 홍채의 후보영역으로서 도출하게 된다.

다음의 스텝 (S7) 에서는 상기와 같이 하여 얻은 후보영역의 각 에지 화상에 대하여 매칭 (일치도) 을 판정한다. 변형의 방법은 각 부품의 형상 템플레이트의 요소를 조금 차이지게 하여 각 에치 화상과의 일치도를 계산하여 일치도가 향상하도록 형상 템플레이트의 형상을 변형한다 (스텝 S7). 가장 뛰어난 일치도를 얻게 되면 (스텝 S8), 그때의 형상 템플레이트의 형상으로 부터 특징점을 스텝(S9) 에서 추출한다.

특징점의 추출은, 예컨대 눈썹에 대하여 말하면 제4도에 나타낸 약속에 따라서 한다. 즉, 매칭한 (일치도가 가장 뛰어난) 눈썹형상에 대하여 좌우의 단점 (端点) 을 특징점으로 하고, 양 단점 사이를 3 등분하는 각 3 분등분선과의 상하의 교점, 계 4 점을 다시금 특징점으로 한다. 따라서, 하나의 눈썹에 대하여 합계 6 개의 특징점이 추출된 것으로 된다. 마찬가지로 눈에 대하여 제5도에 나타낸 바와 같이 눈의 상하 좌우의 4 점 및 홍채의 중심점의 계 5 점을 특징점으로서 추출한다. 코, 입에 대하여도 제6도, 제7도에 각기 나타내고 있는 방법으로 특징점의 추출을 하게 된다.

실제의 특징점의 추출은 제12도의 순서도에는 명시되어 있지 않으나, 다음의 순서에 따라 한다.

우선, 홍채를 추출한다. 위에서 설명한 바와 같이 양쪽 홍채의 위치를 구함에 따라서 얼굴 전체의 크기나 기울기를 추측할 수 있다. 양쪽 홍채의 기울기 (특징점을 맺은 선분의 기울기) 를 알면, 입력된 얼굴화상의 기울기를 알 수 있기 때문에 먼저 홍채의 특징점을 스텝 (S9) 에서 추출하였을 때에는 기울기를 수정하는 아핀 변화 (affine transformation) 을 스텝 (S10) 에서 에지 화상에 대하여 실행한다.

아핀변환후는 눈의 윤곽에 대하여 특징점 추출을 한다. 눈이 추출되면, 눈썹의 위치도 추측할 수 있으므로 눈썹에 대한 특징점 추출을 한다. 또한, 입을 추출함으로써 코, 턱의 위치의 추측을 할 수 있으므로 이러한 부품의 특징점을 추출하여 최후에 머리의 정점과 빰의 윤곽에 대한 특징점 추출을 한다. 특징점의 추출은 반드시 상기한 순서로 할 필요는 없으나, 상기한 순서에 따르면 특징점의 추출을 원활하게 할 수 있는 잇점이 있다. 이와 같이 하여 전체 특징점의 추출을 하여 특징점 추출 루우틴을 종료한다.

[구조모델 정합처리 루우틴]

특징점 추출부 (13) 에서 합계 49 개의 특징점 (제3도 참조) 이 추출되면, 이것들 49 개의 특징점을 사용하여 기준구조모델 (제9도) 의 변형 정합을 한다. 이 변형 정합은 구조모델 정합부 (15) 에 의하여 실행한다.

기준구조모델은 제9도에 나타낸 바와 같이 205 점의 정점 데이터와 이것들 정점을 연결하여 할 수 있는 385 개의 3 각 패치에 의하여 구성되어 있다. 변형 정합함에 있어서 연결구조 자체는 불변하므로 추출된 특징점에 따라서 정점 데이터를 정합시킴에 따라 정합구조모델을 얻을 수 있다. 이 정합은 다음의 규칙에 따라서 실시한다.

(a) 구하는 정점이 대응하는 특징점 그 자체인 경우 (예컨대, 홍채의 중심, 눈초리, 입의 양단 등), 추출된 특징점의 좌표를 그대로 사용한다.

(b) 구하는 정점이 특징점 그 자체가 아닌 경우 일정한 규칙에 따라 특징점을 3 개 선정하여 이것들 3 개의 특징점의 좌표를 사용하여 다음의 요령에 따라 선형 보간 (補間) 을 한다.

선형보간의 방법을 제13도를 참조하면서 설명한다.

제13도에 있어서, 좌측의 3 각형 (P₀P₁P₂) 은 기준구조모델상의 정점 (q) 을 둘러싸는 3 개의 특징점 (P₀, P₁, P₂) 으로 형성되는 3 각형이며, 우측의 △P₀' P₁' P₂' 는 기준구조모델의 특징점 (P₀, P₁, P₂) 에 대응하여 추출된 특징점 (P₀', P₁', P₂') 으로 형성되는 3 각형이다. 점 (q') 은 기준구조모델상의 상기 정점 (q) 을 선형보간하였을 때에 얻을 수 있는 정점이다. 지금, 특징점 (P₀, P₁, P₂) 의 좌표를 (x₀, y₀), (x₁, y₁), (x₂, y₂) 라 하고, 정점 (q) 의 좌표를 (x, y) 라 하면, 정점 (q) 에 대한 특징점 (P₀, P₁, P₂) 의 무게의 비를m₀, m₁, m₂라 하면 m₀, m₁, m₂는 다음 3 개의 식을 풀이함에 따라서 구할 수 있다.

다음에, 변형후의 구조모델, 즉 정합구조모델의 대응하는 특징점 (P₀', P₁', P₂') 의 좌표를 (x₀', y₀'), (x₁', y₁'), (x₂', y₂') 라 하면, 목적의 정점좌표 (q') (x', y') 는 위에서 구한 무게의 비 m₀, m₁, m₂를 사용하여 다음과 같이 구할 수 있다.

특징점의 선정규칙은 다음과 같다.

규칙 1. 3 개의 특징점의 3 각형이 만들어질 것.

규칙 2. 변형전후에서의 위상 변화하지 않을 것. 즉 시계회전방향의 순서가 바뀌지 않을 것 (P₀→ P₁→ P₂: P₀' → P₁' → P₂' ).

규칙 3. 3 각형의 내부에 정점 (q) 이 존재할 것.

규칙 4. P₀, P₁, P₂가 가능한한 정점 (q) 의 가까이에 존재할 것.

이 선형보간은 205 점전부의 정점에 대하여 실행하고, 이에 따라서 제10도에 나타낸 바와 같은 정합구조모델을 얻을 수 있다. 더욱이, 기준구조모델의 외주부분은 모두 특징점일 필요가 있기 때문에 구조모델 정합부 (15) 에서 머리의 주위, 턱의 주위 등은 2 차 함수등의 함수로 근사하다.

[명도보정]

이 명도보정은 촬영시의 광원위치의 상이등에 의한 잘못된 판정을 방지하기 위하여 한다.

제14도에 나타낸 바와 같이 특징량 추출부 (16) 의 후단에 얼굴화상의 명도를 보정하는 명도보정부 (19) 를 설치한다. 이 경우, 기준구조모델부 (14) 에는 각 패치의 법선 벡터를 데이터로 하여 격납하여 둔다. 즉, 기준구조모델을 입체화하여 각 패치의 법선 벡터를 미리 부여하여 둔다. 그리고, 특징량 추출부 (16) 는 구조모델 정합부 (15) 에서 얻은 정합구조모델에 대하여 각 패치의 명도와 법선 벡터를 추출한다. 이들 추출된 각 패치의 명도와 법선 벡터로부터 광원의 위치를 추정한다. 예컨대, 얼굴화상을 상하 좌우로 4 분할 하였을 때에 각 부분에서의 명도 분포를 보면 광원이 촬영되는 얼굴에 대하여 어느 방향에 있는지는 추정할 수 있다. 추정된 광원의 위치와 개인 데이터 베이스부(17) 내의 개인특징량 작성시의 광원의 위치등이 다른 경우, 어느 한편의 광원에 맞도록 명도를 보정한다. 즉, 오래된 광원방향의 법선에 가까운 패치는 명도를 높인다. 이와 같은 명도보정을 가하면 상이한 조명조건하에서도 잘못된 판정을 유호하게 방지할 수 있다.

이상, 본 발명의 실시예에 대하여 상세히 설명하였으나, 본 발명은 상기 실시예에 한정되는 것은 아니고, 그 직업인에게 있어서 자명한 변경이나 수정은 청구의 범위에 기재된 기술적 사상의 범위내에서 당연히 포함된다.

[산업상의 이용가능성]

본 발명은 구성에 의하면 다수의 소구획으로 부터 추출한 특징량을 사용함에 따라 정밀도가 뛰어난 개인식별, 본인확인을 할 수 있다.

Claims (6)

1. 식별하여야 할 인물이 얼굴화상을 입력하는 화상입력부와, 화상입력부에서 입력된 얼굴화상정보를 격납하는 화상기억부와, 화상기억부에 격납된 얼굴화상으로 부터 특징점을 추출하는 특징점 추출부와, 추출된 특징점에 기초하여 얼굴화상을 일정한 규칙에 따라 소구획으로 세분하여 소구획의 집합으로서 기술함과 함께, 소구획 마다의 특징량을 추출하는 특징량 추출부와, 특징량 추출부에 의하여 추출된 특징량과 미리 구하여 둔 본인의 얼굴화상의 특징량과의 거리를 계산하여 본인인지 아닌지의 식별을 하는 판정부로 된 것을 특징으로 하는 개인식별장치.
2. 제1항에 있어서, 특징량 추출부는 기준으로 하는 얼굴의 구조를 소구획의 집합으로 기술한 기준구조모델부와, 특징점 추출부에서 추출된 특징점에 기초하여, 기준구조모델을 변형하여 입력된 얼굴화상에 정합시키는 구조모델 정합부로 된 것을 특징으로 하는 개인식별장치.
3. 제1항에 있어서, 특징량으로서 각 소구획에 있어서의 평균명도를 사용하는 것을 특징으로 하는 개인식별장치.
4. 제1항에 있어서, 특징량으로서 소구획 사이의 평균명도의 차분을 사용하는 것을 특징으로 하는 개인식별장치.
5. 제3항에 있어서, 소구획의 평균명도의 분포로 부터 광원의 위치를 추정하여, 추정된 광원의 위치에 따라서 소구획의 평균명도를 보정하는 것을 특징으로 하는 개인식별장치.
6. 제5항에 있어서, 기준구조모델이 소구획과 그 법선벡터로 정의된 입체모델이며, 소구획 마다의 법선벡터가 평균명도와 함께 검출되어 법선벡터 및 평균명도로 부터 광원의 위치를 추정하는 것을 특징으로 하는 개인식별장치.