KR20040038617A - 인물 인식 장치, 인물 인식 방법 및 통행 제어 장치 - Google Patents

인물 인식 장치, 인물 인식 방법 및 통행 제어 장치 Download PDF

Info

Publication number
KR20040038617A
KR20040038617A KR1020030057898A KR20030057898A KR20040038617A KR 20040038617 A KR20040038617 A KR 20040038617A KR 1020030057898 A KR1020030057898 A KR 1020030057898A KR 20030057898 A KR20030057898 A KR 20030057898A KR 20040038617 A KR20040038617 A KR 20040038617A
Authority
KR
South Korea
Prior art keywords
registration information
information
similarity
person
biometric
Prior art date
Application number
KR1020030057898A
Other languages
English (en)
Other versions
KR100550739B1 (ko
Inventor
스케가와히로시
Original Assignee
가부시끼가이샤 도시바
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 가부시끼가이샤 도시바 filed Critical 가부시끼가이샤 도시바
Publication of KR20040038617A publication Critical patent/KR20040038617A/ko
Application granted granted Critical
Publication of KR100550739B1 publication Critical patent/KR100550739B1/ko

Links

Classifications

    • 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
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Collating Specific Patterns (AREA)
  • Time Recorders, Dirve Recorders, Access Control (AREA)
  • Image Processing (AREA)
  • Alarm Systems (AREA)
  • Image Analysis (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

인물 인식 장치는 인식 대상이 되는 인물의 얼굴 이미지를 카메라를 통해서 입력하고 이렇게 입력된 얼굴 이미지와 인식 인물들의 얼굴 이미지를 미리 저장하고 있는 등록 정보 메모리에 저장되어 있는 등록 정보와의 유사성을 인식기에 의해 그것들을 대조함으로써 획득한다. 그리하여, 획득된 유사성에 기초하여 상기 인물을 인식하는 이러한 인물 인식 장치에 있어서, 등록 정보 갱신 유닛은 인식기에 의해 획득된 유사성이 소정의 갱신 범위 내에 있는지의 여부를 판단하고, 유사성이 소정의 갱신 범위에 있다는 판단에 기초하여, 등록 정보 메모리에 저장되어 있는 등록 정보를 카메라에 의해 입력된 얼굴 이미지에 기초하여 갱신한다.

Description

인물 인식 장치, 인물 인식 방법 및 통행 제어 장치{PERSON RECOGNIZING APPARATUS, PERSON RECOGNIZING METHOD AND PASSAGE CONTROLLER}
본 출원은 이전의 일본 특허 출원 제 2002-320156 호(2002년 11월 1일에 출원)에 기초하며 그것으로부터의 우선권의 이익을 주장하고, 그것의 모든 내용은 참조에 의해서 본 출원에 통합되었다.
본 발명은 예를 들면 보안 관리에서 적어도 얼굴(이후, 얼굴 이미지라 칭함), 지문 이미지, 홍채 정보, 손 형상 이미지, 손가락 이미지, 목소리 정보를 포함하는 이미지와 같은 생체측정 정보(biometric information)를 이용하여 해당인물을 인식하기 위한 인물 인식 장치 및 인물 인식 방법에 관한 것이다.
추가로, 본 발명은 통행인(예를 들면, 앞에서 언급한 인식 장치를 이용하는 보안 설비로/를 진입하는/나가는)의 통행을 제어하기 위한 통행 제어기와 관련된다.
일반적으로, 이러한 종류의 인물 인식 장치는 인식 대상이 되는 인물의 생체측정 정보를 획득한다. 인식 대상이 되는 인물의 생체측정 정보는 등록 정보 메모리에 등록 정보로서 미리 저장된다. 인물로부터 획득한 생체측정 정보는 등록 정보 메모리에 저장되어 있는 등록 정보와 대조된다. 양쪽의 생물학적 데이터의 유사성이 이러한 대조에 의해 획득되고, 해당 인물은 이 유사성에 기초하여 인식된다.
그러나, 그러한 인물 인식 장치에서, 나이 때문에 생기는 얼굴 특징의 변화, 인물의 자세 또는 얼굴 방향 때문에 얼굴 이미지를 대조할 때 종종 인물은 잘못 인식 될 수 있다. 이러한 인식 오류를 줄이기 위한 대책으로서, 인물의 특징에 대한 생체측정 정보를 등록 정보로서 미리 기록하는 딕셔너리(dictionary)(수단을 보유하고 있는 등록 정보)를 자동적으로 갱신하는 기술이 제안되었다.
예를 들면, 일본 특허 출원 제 1999-1678632 호는 인식 임계값보다 더 높은 재등록 임계값을 인식 임계값과는 별도로 미리 설정하며, 대조에서 획득한 유사성이 재등록 임계값보다 높은 경우 등록 정보(딕셔너리)를 갱신하는 기술을 개시한다.
추가로, 일본 특허 출원 제 1998-312462 호는 ID 코드 또는 개인 식별 번호의 입력과 결합하여 인식된 임계값을 줄이며, 인식된 임계값을 줄이지 않고 대조가 성공했을 때 등록 정보(딕셔너리)를 갱신하는 구조를 갖는 기술을 개시한다.
그러나, 일본 특허 출원 제 1999-167632 호 및 제 1998-312462 호에 개시되어 있는 기술에서, 등록 정보(딕셔너리)는 인식된 인물이 완전히 승인할 때에만 갱신된다. 그러므로, 기억된 내용에 근접한 데이터만이 기억되며, 등록 정보는 자동적으로 갱신된다.
추가로, 등록 인물의 인식 오류를 줄이는데 효과적인 정보는 인증 임계값에 대한 충분한 우선순위를 갖는 부분이 아니라, 인증 임계값에 가까운 점들의 숫자가 되는 데이터이다. 그러므로, 전술한 일본 특허 출원 제 1999-167632 호 및 제 1998-312462 호에 따른 자동 갱신 방법은 덜 효과적이다. 추가로, 시스템으로 하여금 이 방법을 사용하여 인증 임계값에 가까운 점들의 숫자를 인식하도록 시도할 때, 또다른 인물이 잘못 인식될 수 있는데 이는 그 인물이 정말로 인식된 인물인가가 확증되지 않기 때문이다.
본 발명의 목적은 인물의 세속적인 변화, 인증에 있어서의 입력 정보의 변이에 대해 인식 오류율을 감소시킬 수 있는 인물 인식 장치, 인물 인식 방법 및 통행 제어 장치를 제공하는 것이다.
추가로, 본 발명의 또다른 목적은 인식된 인물에 가해지는 부담을 증가시키지 않고 효과적인 등록 정보(딕셔너리)를 기억할 수 있는 인물 인식 장치, 인물 인식 방법 및 통행 제어 장치를 제공하는 것이다.
본 발명에 따르면, 인물 인식 장치가 제공된다. 이 장치는 인식 대상이 되는 인물의 생체측정 정보를 입력하기 위한 생체측정 정보 입력 유닛; 인식 대상이 되는 인물의 생체측정 정보를 등록 정보로서 미리 저장하기 위한 등록 정보 메모리; 생체측정 정보 유닛에 의해 입력된 생체측정 정보 입력과 등록 정보 메모리에 저장되어 있는 등록 정보 사이의 유사성을 둘을 대조함으로써 획득하고, 획득된 유사성에 기초하여 인물을 인식하는 인식기; 및 인식기에 의해 획득된 유사성이 소정의 갱신 범위 내에 있는 지의 여부를 판단하여, 유사성이 소정의 범위 내에 있다는 판단에 기초하여 상기 등록 정보 메모리에 저장되어 있는 등록 정보를 생체측정 정보 입력 유닛에 의해 입력된 생체측정 정보를 이용함으로써 갱신하는 등록 정보 갱신 유닛을 포함한다.
추가로, 본 발명에 따르면, 인물 인식 방법이 제공된다. 이 방법은 인식 대상이 되는 인물의 생체측정 정보를 입력하는 단계; 인식 대상이 되는 인물의 생체측정 정보로서 등록 정보 메모리에 미리 저장되어 있는 등록 정보와 입력된 생체측정 정보 사이의 유사성을 둘을 대조함으로써 획득하는 단계; 획득된 유사성에 기초하여 인물을 인식하는 단계; 획득된 유사성이 소정의 갱신 범위 내에 있는 지의 여부를 판단하는 단계; 및 상기 유사성이 소정의 갱신 범위 내에 있다는 판단에 기초하여 상기 등록 정보 메모리에 저장되어 있는 등록 정보를 상기 입력 단계에서 입력된 상기 생체측정 정보를 이용함으로써 갱신하는 단계를 포함한다.
추가로, 본 발명에 따르면, 통행인을 인식함으로써 인물의 통행을 제어하는 통행 제어 장치가 제공된다. 이 제어 장치는 통행인의 생체측정 정보를 입력하기위한 생체측정 정보 입력 유닛; 예비적으로 인식 대상이 되는 통행인의 생체측정 정보를 저장하기 위한 등록 정보 메모리; 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보와 상기 생체측정 정보 입력 유닛에 의해 입력된 생체측정 정보 사이의 유사성을 둘을 대조함으로써 획득하는 인식기; 인식기에 의해 획득된 유사성이 소정의 갱신 범위 내에 있는 지의 여부를 판단하여, 유사성이 소정의 범위 내에 있다는 판단에 기초하여 상기 등록 정보 메모리에 저장되어 있는 등록 정보를 생체측정 정보 입력 유닛에 의해 입력된 생체측정 정보를 이용함으로써 갱신하는 등록 정보 갱신 유닛; 및 상기 인식기의 인식 결과에 따라 통행인의 통행을 제어하는 통행 제어 장치를 포함한다.
도 1은 제 1 실시예와 관련된 인물 인식 장치의 구조를 도식적으로 도시하는 블록도;
도 2는 얼굴 검출기의 처리를 설명하는 도식도;
도 3은 특징량 추출 유닛의 처리를 설명하는 도식도;
도 4의 (a)~(c)는 등록 시점에서의 상태로부터의 상태 변화를 설명하는 도식도;
도 5는 등록 정보의 자동 갱신의 범위를 설명하는 순서도;
도 6은 등록 정보의 자동 갱신에 대한 처리 흐름을 설명하는 순서도;
도 7은 제 2 실시예와 관련된 인물 인식 장치의 등록 정보 갱신 방법에 대한 판단의 기준을 설명하는 순서도;
도 8은 제 3 실시예와 관련된 인물 인식 장치의 등록 정보 갱신을 설명하는 순서도;
도 9의 (a), (b)는 제 3 실시예와 관련된, 또다른 인물이 인식된 인물보다 더 높은 유사성을 가지는 경우의 순서도;
도 10은 제 4 실시예와 관련된 인물 인식 장치에서 등록 정보 갱신 처리의흐름을 설명하는 순서도;
도 11은 제 5 실시예와 관련된, 등록 정보 갱신 판단 방법을 설명하는 순서도;
도 12는 제 5 실시예와 관련된 인물 인식 장치에서 등록 정보의 시각적 검사와 갱신을 설명하는 도식도;
도 13은 제 6 실시예와 관련된 인물 인식 장치에서 등록 정보 갱신 처리의 흐름을 설명하는 순서도;
도 14는 제 6 실시예와 관련된 인물 인식 장치에서 등록 정보 갱신 판단 조건을 설명하는 차트; 및
도 15는 제 7 실시예와 관련된 통행 제어 장치의 구조를 도식적으로 도시하는 블록도이다.
본 발명의 바람직한 실시예가 첨부된 도면을 참조하면서 아래에서 설명될 것이다.
추가로, 아래의 설명에서, 얼굴 이미지를 인물의 생체측정 정보로서 이용하는 경우가 설명된다; 그러나, 얼굴 이미지이외의 생체측정 정보, 즉 지문 이미지, 홍채 이미지, 손 형상 이미지, 손가락 이미지, 목소리 정보가 이용될 때 조차도 본 발명은 또한 유사하게 적용가능하다.
우선, 본 발명의 제 1 실시예가 설명될 것이다.
도 1은 제 1 실시예와 관련된 인물 인식 장치의 구조를 도식적으로 도시하고 있다. 이러한 인물 인식 장치는 카메라(101), 디스플레이(102), 입력 유닛(103), 처리기(104)를 포함한다.
카메라(101)는 인식된 인물(100)의 얼굴 이미지(적어도 얼굴을 포함하는)를 찍어서 그것을 상기 장치로 입력하는 이미지 입력 수단으로 기능한다.
디스플레이(102)는 인식된 인물(100)에 대해 입력된 얼굴 이미지를 표시하고, 다양한 종류의 안내문을 표시하는 디스플레이로서 기능한다.
입력 유닛(103)은 인식된 인물(100)을 특정하는 ID 번호/개인 식별 번호와 같은 기술된 정보를 입력하는 기술된 정보 입력 수단으로 기능한다.
처리기(104)는 카메라(101)로부터 입력된 얼굴 이미지를 처리하고 얼굴 이미지 인식 처리를 수행한다.
추가로, 비록 예시되지는 않았지만, 적어도 등록된 인물(100)의 얼굴을 향하는 빛을 고정된 강도로 비추기 위해 필요한 조명 수단이 카메라(101) 근처(예를 들면, 상우측이나 좌측)에 제공된다.
추가로, 아래의 설명에서, 이미지 입력 데이터, 추출된 특징량, 서브스페이스, 서브스페이스를 형성하는 고유벡터(eigenvector), 상관 매트릭스(correlative matrix), 등록 시간, 날짜 및 장소, 개인 식별 번호와 ID 코드와 같은 개인 정보 등이 나타날 것이다. 인식된 데이터는 서브스페이스 또는 서브스페이스를 형성하는 고유벡터를 포함하고, 등록 정보는 이미지 입력 데이터, 추출된 특징량, 서브스페이스, 서브스페이스를 형성하는 고유벡터, 상관 매트릭스, 상태, 개인 정보를 포함한다. 그러므로, 인식된 데이터는 등록 정보 내에 포함된다.
카메라(101)는 인식된 인물(100)의 얼굴 이미지를 아래쪽에서 특정한 각도로 촬영하며, 그것을 생체측정 정보로서 입력한다. 카메라(101)는 예를 들면, CCD 센서와 같은 이미지 픽업 장치를 이용하는 TV 카메라로 구성된다.
디스플레이(102)는 카메라(101)에 의해 찍혀진 인식된 인물(100)의 얼굴 이미지, 다양한 안내문, 처리 결과 등을 표시하는 모니터이다. 디스플레이(102)는 예를 들면, 카메라(101) 위쪽에, 인식된 인물(100)의 얼굴 부분에 해당하는 위치에 제공된다.
입력 유닛(103)은 인물이 인식된 인물(100)임을 확증하기 위해 사용되는 개인 식별 번호을 입력하거나 또는 등록된 생체측정 정보로부터의 생체측정 정보를 특정하기 위한 식별 정보를 입력하는데 사용된다. 예를 들면, 확실히 이러한 입력 유닛(103)은 10키, 터치 패널, 또는 IC카드, 마그네틱 카드 혹은 무선 카드를 읽기 위한 카드 판독기일 수 있다.
처리기(104)는 이미지 입력 유닛(105), 일굴 검출기(106), 특징량 추출 유닛(107), 등록 정보 메모리(딕셔너리)(108), 인식기(109), 이력 정보 메모리(110), 이력 정보 갱신 유닛(111), 디스플레이 제어기(112), 입력 제어기(113)로 구성된다.
이미지 입력 유닛(105)은 카메라(101)로부터 얼굴 이미지를 입력한다.
얼굴 검출기(106)는 이미지 입력 유닛(105)으로부터 획득한 인물의 얼굴 이미지를 이용하여, 미리 준비된 패턴 딕셔너리와 대조함으로써, 얼굴의 위치를 검출하고 눈, 코와 같은 부분을 검출하는 수단이다.
특징량 추출 유닛(107)은 얼굴 검출기(106)의 출력에 기초하여 예를 들면, 서브스페이스 정보 또는 명암과 같은 얼굴의 특징량을 추출하는 수단이다.
등록 정보 메모리(딕셔너리)(108)는 개인 정보를 등록할 때, 특징량 추출 유닛(107)에 의해 추출된 얼굴의 특징량을 인식된 데이터(인식된 정보)로서 저장하는 등록 정보 저장 수단이다.
인식기(109)는 특징량 추출 유닛(107)에 의해 추출된 얼굴의 특징량을 등록 정보 메모리(108) 내에 등록되어 있는 인식된 데이터(인식된 정보)와 대조함으로써 인식된 인물(100)의 얼굴을 인식하는 인식 수단이다.
이력 정보 메모리(110)는 이미지 입력 유닛(105)으로부터 입력된 이미지와, 특징량 추출 유닛(107)에 의해 추출된 얼굴 특징량을 기록하는 이력 정보 저장 수단이다.
등록 정보 갱신 유닛(111)은 등록 정보를 갱신 범위를 설정함으로써 갱신해야하는 지의 여부를 판단하고, 등록 정보 메모리(108)에 저장되어 있는 등록 정보를 갱신하는 등록 정보 갱신 수단이다.
디스플레이 제어기(112)는 디스플레이(102)를 제어한다.
입력 제어기(113)는 입력 유닛(103)을 제어한다.
이미지 입력 유닛(105)은 카메라(101)로부터의 얼굴 이미지를 입력하고, A/D 변환을 디지털화하며, 이후 얼굴 검출기(106)로 전송한다.
얼굴 검출기(106)는 우선, 인식된 인물(100)의 얼굴 영역을 이미지 입력 유닛(105)으로부터 입력된 얼굴 이미지로부터 검출한다. 예를 들면, 미리 준비된 템플리트(template)를 얼굴 이미지 내로 이동시키는 동안, 상관값(correlative values)이 얻어지며 가장 큰 상관값을 갖는 영역이 얼굴 영역으로 결정된다. 추가로, 고유공간(eigenspace) 방법이나 서브스페이스 방법을 사용하는 얼굴 영역 추출 방법과 같은 얼굴 검출 방법이 이용가능하다.
얼굴 검출기(106)는 이후, 검출된 얼굴 영역으로부터 눈, 코, 입과 같이 얼굴을 구성하는 부분의 위치를 검출한다. 예를 들면, 문헌(후쿠이 가즈히로, 야마구치 오사무: "형상 추출과 패턴 매칭의 결합에 기초한 얼굴 특징점 추출 방법", 전자공학, 정보통신 엔지니어 협회 소사이어티 페이퍼(D), vol. J80-D-II, No. 8, pp.2170-2177, 1997)에 개시된 방법이 검출 방법으로 사용될 수 있다.
여기서, 얼굴 템플리트를 이용하여 얼굴을 검출하고, 눈, 코 등과 같이 얼굴을 구성하는 부분들에 대한 검출된 좌표의 상관 위치에 따라 얼굴의 방향을 검사하는 것이 가능해 진다. 예를 들면, 도 2에 도시된 바와 같이, 얼굴의 검출된 결과의 중심 좌표가 중심 좌표 (fx, fy)로 가정되고, 얼굴 크기가 (fw, fh)로, 좌측 및 우측 눈, 코의 검출된 결과가 (EyeLx, EyeLy), (EyeRx, EyeRy), (NoseLx, NoseLy), (NoseRx, NoseRy)로 각각 가정될 때, 얼굴 방향을 나타내는 좌표는 다음의 공식으로 얻어진다:
얼굴 방향(X 방향) = ((EyeRx + EyeLx)/2-fx/fw
얼굴 방향(Y 방향) = ((EyeRy + EyeLy)/2-fy)/fh
이들 좌표의 원점이 스크린의 좌상측에 있을 때, 수치는 얼굴이 우하측을 지향할 때 커지게 된다.
특징량 추출 유닛(107)은 얼굴 검출기(106)에 의해 검출된 얼굴을 구성하는 부분들의 위치에 기초하여 고정된 크기와 모양으로 얼굴 영역을 잘라내어 그것의명암 정보를 얼굴의 특징량으로서 추출한다. 여기서, 예를 들면, m 픽셀 × n 픽셀의 영역의 명암값이 정보로 직접 이용되며, m ×n 차원의 정보가 특징 벡터(feature vector)로 이용된다.
도 3은 특징량 추출 유닛(107)에 의한 입력 이미지를 처리함으로써 얻어진 얼굴 이미지 데이터를 도시한다. 이들 데이터는 연속적인 시간 상으로 얻어진 데이터이다. 서브스페이스는 특징 벡터와 잘 알려진 K-L 전개(K-L expansion)에 의한 정직교 벡터(regular orthogonal vector)의 상관 매트릭스를 얻음으로써 계산된다. 서브스페이스는 K-L 전개에 의한 상관 매트릭스(또는 특징 벡터 및 이후, 정직교 벡터(고유벡터)의 공분산 매트릭스)를 얻음으로써 계산된다. 서브스페이스는 크기의 차수에서 특징 벡터에 상응하는 k개의 고유벡터의 번호를 선택하고, 고유벡터들의 집합을 이용함으로써 표현된다.
이 실시예에서, 상관 매트릭스 Cd는 특징 벡터로부터 얻어지고, 상관 매트릭스를 대각행렬화함으로써 고유벡터의 Φ가 얻어진다.
Cd = Φd Ad Φd T
이 서브스페이스는 인물의 검증을 위한 인식 딕셔너리로 사용된다. 이 정보 미리 등록될 때, 그것은 딕셔너리로서 등록된다.
추가로, 서브스페이스 그 자체는 아래에서 설명되는 바대로 인식을 실행하기 위한 입력 데이터로서 사용가능하다. 그러므로, 서브스페이스의 계산된 결과는 인식기(109)와 등록 정보 메모리(108)로 전송된다.
등록 정보 메모리(108)는 재등록된 인물(100)의 검증을 위한 서브스페이스(또는 상관 매트릭스)를, 인식된 인물(100)의 검증을 위한 ID 번호와 같은 상응하는 구별 정보와 같이 저장한다. 추가로, 등록될 때의 시간, 날짜, 장소 및 다른 상태 정보가 저장될 수 있다. 추가로, 서브스페이스에 한정되지 않고 입력된 얼굴 이미지와 추출된 얼굴의 특징량이 저장될 수 있다.
인식기(109)는 카메라(101)에 의해 촬영된 인물을 등록된 인물(100)으로부터 인식하거나, 특징량 추출 유닛(107)에 의해 얻어진 특징량(명암 정보 또는 서브스페이스 정보)을 등록 정보 메모리(108)에 저장되어 있는 인식된 데이터와 대조(비교)함으로써 그 인물이 해당 인물인지의 여부를 검증한다. 인물을 인식하기 위해서는, 카메라(101)에 의해 촬영된 인물의 데이터에 가장 유사한 데이터를 갖는 인물을 획득하는 것이 단지 필요하며, 가장 유사한 데이터에 해당하는 인물이 인식된 인물로서 결정될 수 있다.
추가로, ID 번호, 개인 식별 번호와 같은 개인 식별 정보를 이용하여 얼굴 이미지에 따라 인물들이 식별될 때, 각 인물의 식별 정보에 상응하는 인식된 데이터와의 유사성이 계산된다. 이 유사성은 설정된 인증 임계값과 대조되고, 인증 임계값이 초과될 때 그 인물은 해당 인물로 검증된다.
ID 번호, 개인 식별 번호와 같은 이러한 개인 식별 정보와 키(keys)는 입력 유닛(103)을 이용하여 입력될 수 있다.
특징량 추출 유닛(107)의 정보가 사용될 때, 서브스페이스 방법 또는 다중 유사성 방법이 인식 방법으로 사용될 수 있다. 이 실시예에서, 예를 들면, 문헌(마에다 게니치, 와타나베 사다카주: "로컬 구조를 갖는 패턴 매칭 방법", 전자정보통신 소사이어티 페이퍼(D), vol. J68-D, No. 3, pp.345-352, 1985)에 개시되어 있는 잘 알려진 인식 방법인 상호 서브스페이스 방법이 사용된다.
이러한 상호 서브스페이스 방법에서, 미리 저장된 등록 정보에 있는 인식된 데이터와 입력 데이터는 서브스페이스들로서 표현되고, 2개의 서브스페이스에 의해 형성되는 "각도"는 유사성으로서 정의된다. 서브스페이스 입력은 여기서 입력 서브스페이스라 불린다. 상관 매트릭스 Cin은 입력 데이터 매트릭스에 대해서 유사하게 얻어지며 아래에 나타낸 바와 같이 대각행렬화되며:
Cin = Φin Ain Φin T
그리고, 고유벡터 Φ가 얻어진다. 2개의 Φin 과 Φd 에 의해 표현되는 서브스페이스의 유사성(0.0에서 1.0까지)이 얻어지며 그것을 인식하기 위한 유사성으로서 사용된다.
추가로, 등록된 생체측정 정보와의 일치를 위해서, "유사성"을 이용하는 예가 이 실시예에서 사용되지만, 상관값이나 유클리드 거리가 사용될 수 있다.
인식기(109)에 의해 인물을 인식할 때, 등록 정보 메모리(108)에 저장되어 있는 모든 서브스페이스 정보(등록 정보)와 함께 유사성이 우선 획득된다. 획득된 유사성 중에서 가장 높은 값을 가지는 인물의 유사성이 소정의 인증 임계값 이상이 될 때, 그 인물은 상기 인물로 인식된다. 가장 높은 유사성이 인증 임계값보다 작을 때, 인물은 이전에 등록된 인물이 아닌 것으로 판단될 수 있다. 이러한 인식 방법은 "1:N 대조"라고 정의되며, 이하의 설명에서 반복적으로 사용된다.
반면에, ID 번호 등이 인물을 식별하는 정보로서 입력 유닛(103)을 통해 입력될 때, 그 식별 정보에 상응하는 서브스페이스와의 유사성만이 계산된다. 계산된 유사성이 소정의 인증 임계값보다 높게 될 때, 그 인물은 상기 인물로 인식된다. 이러한 인식 방법은 본 발명에서 "1:1 대조"라고 정의되며, 이하의 설명에서 반복적으로 사용된다.
추가로, "1:1 대조"와 "1:N 대조" 사이의 "1:n 대조"에 대한 것인데, 이 경우는 전체 등록된 인물들에서 복수의 인물에 공통적으로 적용가능한 식별 정보가 가정되는 경우이다. 이 식별 정보가 입력될 때, 식별 정보에 상응하는 하나 혹은 복수의 등록된 인물과의 유사성이 계산된다. 계산된 유사성 중에서 가장 높은 유사성이 인증 임계값보다 높을 때, 그 식별 정보에 해당하는 등록된 인물이 도착한 것으로 간주된다.
예들 들면, "1:n 대조"는 복수의 인물에 공통인 그룹 번호가 식별 정보로서 입력되고 인물이 그 그룹에 속하는지의 여부를 결정하는 경우에 사용된다. 기본적으로, 등록된 모든 인물과의 유사성이 계산되지는 않으며, 등록된 모든 인물 중 복수의 인물과의 대조가 수행된다. 그러므로, 전체 동작은 "1:N 대조"의 동작과 공통적이며, 그리하여, "1:n 대조"는 이 실시예에서 "1:N 대조"의 설명에 포함됨으로써 설명될 것이다.
이력 정보 메모리(110)는 인식기(109)에 의해 얻어진 인식 결과, 수행된 인식의 시간 및 장소, 이미지 입력 유닛(105)을 통해 입력된 입력 식별 정보 및 이미지 자체, 특징량 추출 유닛(107)으로부터 얻어진 얼굴 특징 정보를 이력 정보로서 저장한다.
전술된 방법은 인물을 인식할 수 있을 뿐만 아니라 인식 결과에 따라서 인물의 통행과 액세스를 제어하는데 적용될 수 있다. 그러나, 얼굴 이미지를 이용하는 인물 인식 장치의 경우, 인식률은 도 4의 (a)~(c)에 도시된 바와 같이, 인물의 자세나 서 있는 위치의 세속적 또는 시간의 변화 때문에 낮아질 수 있다. 도 4의 (a)~(c)에서, 점선으로 표시된 프레임은 등록되었을 때의 얼굴 크기를 도시한다.
예를 들면, 도 4의 (a)에 도시된 바와 같이, 등록되었을 때와 동일한 상태로 인식시(대조될 때)에 이미지가 존재하는 얼굴이 있을 때, 특징 정보는 등록되었을 때의 그것에 근접한 상태로 추출될 수 있으며, 그리하여, 등록 정보(딕셔너리)와의 유성은 높아지는 경향이 있다. 그러나, 도 4의 (b) 및 도 4의 (c)에 도시된 바와 같이, 등록되었을 때보다 얼굴이 더 크거나 작을 경우 혹은 예시되지는 않았지만 얼굴 방향이 상이한 경우, 유사성은 작아지는 경향이 있다.
그러한 문제를 풀기 위해서는, 등록 정보 메모리(108)에 저장되어 있는 생체측정 정보에 정보를 추가하거나 부분적으로 재기록함으로써 유사성의 하락을 감소시킬 필요가 있다.
그리하여, 등록 정보(딕셔너리)가 갱신되어야 하는지의 여부를 판단하는 기준은 인물이 인식기(109)에 있는 등록된 인물이냐의 여부를 결정하는 판단 기준인 "인증 임계값"으로부터 등록 정보 갱신 유닛(111)으로 독립적으로 제공된다. 이러한 기준에 대해서, 등록 정보는 유사성이 하나나 복수의 범위 내에 있을 때 갱신된다. 도 5에 하나의 예가 도시되어 있다.
해당 특징 정보로부터 분리된 인물 특징 정보의 학습을 방지할 필요가 있다.이 목적을 위해서, 유사성이 "인증 임계값 Th" 위에 있는 것이 이 실시예에서 한가지 조건이다. 도 5에 "갱신 Th_Low (갱신 범위 하한치)" 및 "Th(인증 임계값)"가 상이한 값으로 간주되는 예가 도시되어 있다. 그러나, 이러한 값들은 여기에서 설명되는 바대로 동일한 값으로 설정될 수 있다.
추가로, 특징 정보와 유사한 정보가 등록 정보(딕셔너리)에 이미 학습되었을 때, 그것의 학습 결과는 일반적으로 작다. 추가로, 그러한 정보의 특징 정보와의 유사성은 높게 되고, 그리하여 상한이 되는 임계값은 등록 정보 갱신 범위에 대해서 설정된다. 이 값은 도 5에 도시된 "갱신 Th_High (갱신 범위 하한 임계값)"과 동등하며, 도 5에 있는 빗금친 범위 b는 이 실시예의 등록 정보 갱신 범위와 동등하다.
그 결과, 시스템으로하여금 낮은 유사성의 특징 정보를 학습하도록 함으로써 보다 작은 갱신 횟수로 등록 정보를 효과적으로 갱신할 수 있다. 이 실시예에서, 시스템은 상한과 하한의 하나의 조합에 의해 결정된 하나의 범위를 정의하는 예를 취함으로써 설명되지만, 범위는 복수의 범위로써 정의될 수 있다. 추가로, 상한과 하한은 유사성의 상부값과 하부값과 동일한 값으로 설정될 수 있다.
등록 정보(딕셔너리)를 갱신할 때, 값에 대한 입력 얼굴 특징 정보로부터 얻어진 상관 매트릭스값은 등록 정보로서 저장되고, 이후 K-L 전개를 통해 얻어진 서브스페이스는 갱신된 등록 정보로서 다시 저장된다.
추가로, 제 1 실시예에서, 등록 정보의 내용을 재기록하는 방법에 대한 특별한 의존성은 없다. 그러므로, 등록 정보의 갱신은 특정 비율로 얼굴 특징 정보의일부분을 재기록함으로써, 전체 내용을 입력 얼굴 특징 정보로 완전히 재기록함으로써, 혹은 등록 정보 메모리(108)로하여금 인물당 복수의 템플리트를 유지하도록 함으로써 성취될 수 있다. 등록 정보의 갱신에 대한 주체는 "1:1 대조"의 경우에는 인식된 인물의 등록 정보이고, "1:N 대조"의 경우에는 가장 높은 유사성을 갖는 등록 정보이다.
추가로, 전술된 등록 정보 갱신 유닛(111)에서, 갱신 범위는 등록된 모든 인물에 대해서 공통적으로 설정된다: 그러나, 등록된 각각의 인물에 대해서 상이한 갱신 범위를 설정하는 것이 가능하다.
예를 들면, "1:1 대조"의 경우에, 갱신 범위는 각각의 입력 ID 번호에 대해서 개별적으로 설정될 수 있거나 또는 "1:N 대조"의 경우에 갱신 범위는 첫번째 랭크된 ID 번호에 따라서 변경될 수 있다. 예를 들면, 일반적으로 대조에 덜 실패할 사용자들의 경우에, 갱신 빈도를 그렇게까지 높은 수준으로 설정할 필요는 없다. 그러므로, 갱신 범위를 좁게 설정하는 응용이 가능하다.
전술한 처리의 흐름이 도 6에 있는 순서도에 도시되어 있다.
다음으로, 제 2 실시예가 설명될 것이다.
추가로, 제 2 실시예의 장비 구성, 기본 동작과 적용 방법은 제 1 실시예와 유사하며, 그리하여 그것의 설명은 생략될 것이다.
인식 시점에서 얻어진 유사성의 값에 따라 등록 정보를 갱신하는 것이 변경될 때의 가중치(weight)(비율)를 특징으로 한다. 그래서, 등록 정보 갱신 유닛(111)의 기능은 제 1 실시예와 다소 상이하다. 이것은 아래에서 설명될 것이다.
등록 정보 갱신 유닛(111)은 등록 정보가 인식기(109)의 인식 결과 및/또는 이력 정보 메모리(110)에 있는 이력 정보를 이용하여 갱신되어야 하는지의 여부를 판단한다. 등록 정보 메모리(108)의 등록 정보는 이 판단의 결과에 기초하여 갱신된다.
등록 정보 갱신 유닛(111)에 있는 등록 정보를 갱신하기 위한 필요성을 판단하는 기준을 위해서, 어떤 인물이 사용될 수 있다. 여기서, 인식 시점에서의 유사성이 갱신 범위에 있는지의 여부를 결정하기 위해 제 1 실시예에서 사용된 예를 들어 갱신이 설명될 것이다. 그러나, 제 3 실시예 및 그 이후에서 설명되는 판단 방법이 사용될 수 있다. 개인 식별 번호와 같이 오직 상기 인물에 의해서만 알려지는 식별 정보를 입력 유닛(103)에 의해 입력하도록 촉구할 때만 상기 인물이 확인될 수 있는 등록 정보를 갱신하는 방법이 사용될 수 있다.
추가로, 설명을 간단히 하기 위해서, 인식기(109)에 의해 얻어진 유사성을 이용해서 등록 정보 갱신 비율을 변경하는 2가지 예가 이 실시예에서 취해질 것이다. 그러나, 다수의 갱신 비율이 사용가능하며 갱신 비율을 계산하기 위한 기능을 이용하면서 변경가능하다.
이후, 등록 정보 갱신 유닛(111)에 있는 인식기(109)에 의해 얻어진 유사성에 따라 등록 정보 갱신 비율을 변경하는 방법이 도 7을 참조하면서 설명될 것이다.
이 실시예에서, 등록 정보를 갱신할 때, 입력 얼굴 특징 정보로부터 얻어진상관 매트릭스값은 등록 정보로서 저장된 값에 부가되며, K-L 전개에 의해 얻어진 서브스페이스는 갱신된 얼굴 특징 정보(등록 정보)로서 다시 저장된다.
이 경우, 등록된 얼굴 특징 정보(등록 정보)에 새로이 부가된 상관 매트릭스값의 가중치는 인식기(109)에 의해 얻어진 유사성에 따라 변경된다. 예를 들면, 유사성이 갱신 범위 상한 임계값 B보다 작고 갱신 범위 하부 범위 임계값 B와 같거나 클 때, 등록 정보는 도 7에 도시된 바와 같이 갱신 범위 B를 이용해서 갱신된다. 유사하게, 유사성이 갱신 범위 상한 임계값 A보다 작고 갱신 범위 하한 임계값 A와 같거나 클 때, 등록 정보는 갱신 비율 A을 이용하여 갱신된다.
여기서, 등록 정보의 하부 유사성에 대한 갱신 비율 B의 가중치는 더 높은 수준으로 설정되고, 등록 정보의 내용은 등록 정보의 내용으로부터의 변동이 크게 될 때 외부에서 변경된다. 명확하게는, 갱신 비율 B (0 ≤B ≤1)를 이용하여 등록 정보를 갱신할 때, 존재하는 특징 정보에 대해서 가중치를 (1-B)로 변경시키고, 상관 매트릭스가 부가될 입력 측면 특징 정보에 대해서 가중치를 B로 변경시킴으로써 상관 매트릭스가 부가된다.
다음으로, 제 3 실시예가 설명될 것이다.
추가로, 제 3 실시예의 장비 구성과 기본 동작은 제 1 실시예와 유사하며, 그리하여, 그것의 설명은 생략될 것이다.
다른 인물의 등록 정보와의 유사성에서의 차이점(제 1 및 제 2 랭크 사이의 차이점)이 고정값과 같거나 그 이상인지의 여부에 기초하여 등록 정보의 갱신이 판단된다는 점을 제 3 실시예는 특징으로 한다. 그러므로, 등록 정보 갱신유닛(111)의 기능은 제 1 실시예와는 다소 다르다. 기능은 아래에서 설명될 것이다.
등록 정보 갱신 유닛(111)은 등록 정보 메모리(108)에 저장되어 잇는 등록 정보가 인식기(109)에 의해 얻어진 하나나 복수의 유사성을 이용해서 갱신되어야 하는지의 여부를 판단한다. 등록 정보 메모리(108)의 등록 정보는 이 판단의 결과에 기초하여 갱신된다. 제 3 실시예에서는, 등록된 모든 인물에 대한 등록 정보와의 유사성을 얻는 "1:N 대조"의 경우뿐만아니라, "1:1 대조" 및 "1:n 대조"의 경우에서도, 등록된 모든 인물과의 유사성이 계산된다.
우선, "1:1 대조"에서의 갱신 판단 방법이 도 8을 참조하면서 설명될 것이다. "1:1 대조"의 경우에서, 상기 인물과 동등한 유사성이 알려진다. 이 경우, 상기 인물보다는 다른 인물과의 유사성으로서, 하나나 복수의 "다른 인물의 유사성"이 계산된다. "다른 인물의 제 1 랭크된 유사성"이 가장 높은 유사성을 갖고, 상기 인물의 유사성과 "다른 인물의 제 1 랭크된 유사성" 사이에 충분한 차이점이 있을 때, 그 인물은 정확하게 상기 인물로 판단되며 등록 정보는 자동적으로 갱신된다.
민약 등록된 다른 인물이 인증된다면, "다른 인물의 제 1 랭크된 유사성"으로 간주되는 유사성과 원래 "상기 인물"에 유사성이 얻어지며, 그리하여 "다른 인물의 제 1 랭크된 유사성"이 높게 될 것이다. 만약 등록되지 않은 인물이 인증된다면, 모든 유사성은 낮게 되고, 상기 인물의 유사성은 낮게 된다. 상기 인물이 인증된 경우와 다르기 때문에, 상기 인물의 유사성과 "다른 인물의 제 1 랭크된 유사성" 사이의 차이점이 약화되어 작아진다는 사실을 이용해서 등록 정보에 대해 다른 인물의 학습 오류를 방지하는 것이 가능하다. 말할 필요도 없이, 상기 인물의 유사성이 고정값의 범위 내에 있는 제 1 실시예에서의 방법을 함께 사용하는 것이 가능하다.
추가로, "1:1 대조"의 경우에, "다른 인물의 제 1 랭크된 유사성"에 대한 모든 다른 인물의 유사성의 평균값과의 차이를 이용해서 동록되지 않은 인물에 의해 등록 정보를 갱신하는 학습 오류를 방지하는 것이 가능하다.
추가로, 모든 유사성 중에서 가장 높은 유사성 다음번인 "제 2 랭크된 유사성"의 독립적인 값에 따라 판단을 내리는 것이 또한 가능하다. 이 경우, 만약 다른 인물이 제 1 랭크된다면, 상기 인물은 어떤 높은 수준의 유사성을 취할 것으로 기대되며, "제 2 랭크된 유사성"이 높을 때, 다른 인물이나 등록되지 않은 인물을 인증된 것으로 간주하는 것이 가능해진다.
다음으로, "1:N 대조" 및 "1:n 대조"의 경우에 있어서의 갱신 판단 방법이 도 9를 이용하여 설명될 것이다. "1:N 대조" 및 "1:n 대조"의 경우에, 어떠한 식별 정보도 미리 입력되지 않았기 때문에, "상기 인물"과 동등한 어떠한 유사성도 없다. 그러므로, 모든 인물의 유사성이 계산되고, 가장 높은 유사성인 "제 1 랭크된 유사성"과 "제 2 랭크된 유사성"이 사용된다.
도 9의 (a)에 도시된 바와 같이, 상기 인물이 제 1 유사성에서 적절히 랭크되었을 때, 제 2 랭크된 유사성과의 차이는 커지게 되고, "제 1 랭크된 유사성"과 "제 2 랭크된 유사성" 사이의 차이인 "제 1 랭크 - 제 2 랭크 유사성 차이"는 충분히 커지게 된다. 이로부터, 이 값이 소정의 임계값보다 크거나 복수의 임계값에 의해 정의되는 범위 내에 있을 때, 갱신은 주어진 제 1 랭크 유사성으로써, 등록 정보에 대한 얼굴 틀징 정보 입력을 이용해 수행된다.
반면에, 도 9의 (b)에 도시된 바와 같이, 만약 상기 인물과 동등한 유사성이 제 2 랭크 아래에 있을 만큼 낮다면, 다른 인물의 등록 정보에 상응하는 유사성이 "제 1 랭크된 유사성"으로서 계산된다. 이 경우; 그러나, 상기 인물의 유사성은 제 2 랭크가 되거나 그것보다 더 높게 되며, 또다른 인물의 유사성이 제 2 랭크가 되고, "제 1 랭크 - 제 2 랭크 유사성 차이"는 상기 인물의 유사성이 제 1 랭크가 될 때의 그것보다 더 작게 된다. 이 경우, 상기 판단 기준뿐만아니라, "제 1 유사성"이 제 1 실시예에 도시된 바와 같이 소정의 유사성인지의 여부를 검사하는 검증도 함께 사용하는 것이 가능하다.
"1:1 대조"의 경우에서와 마찬가지로, "제 2 랭크 유사성"만이 평가의 주체이고, "제 2 랭크 유사성"이 소정의 임계값보다 낮거나 또는 복수의 임계값에 의해 정의된 유사성의 범위 내에 있을 때, 등록 정보를 갱신하는 방법을 사용하는 것이 가능하다.
추가로, 등록 정보 갱신 유닛(111)에서, 공통의 갱신 범위는 등록된 모든 인물에 대해 설정된다. 그러나, "1:1 대조"의 경우에, 갱신 범위는 모든 입력 ID 번호에 대해 개별적으로 설정된다. "1:N 대조" 및 "1:n 대조"의 경우에, 갱신 범위는 제 1 랭크된 ID 번호에 따라 변경된다. 그리하여, 등록된 모든 인물에 대해 서로 상이한 갱신 범위를 설정하는 것이 가능하다. 예를 들면, 대조에서 보통 실패하지 않는 사용자의 경우에, 갱신 빈도를 증가시킬 필요는 없으며, 그리하여 갱신 범위를 좁게 설정하는 것이 가능하다.
추가로, 제 1 및 제 2 실시예와 마찬가지로, 사용되는 유사성과 임계값의 범위는 등록된 모든 인물에 공통적이거나 혹은 개별적인 인물에 대한 것일 수 있다.
다음으로, 본 발명의 제 4 실시예가 설명될 것이다.
추가로, 제 4 실시예의 장비 구성, 기본 동작 및 적용 방법은 제 1 실시예에서 설명된 것과 동일하며, 따라서 그것의 설명은 생략될 것이다.
제 4 실시예는 인물들의 평균 유사성이 개별적 이력 정보와 대조할 때 높게 되는지의 여부에 따라서 등록 정보의 갱신을 판단한다는 점을 특징으로 한다. 그러므로, 등록 정보 갱신 유닛(111)의 기능은 제 1 실시예에서의 그것과 다소 상이하며 아래에서 설명될 것이다.
등록 정보 갱신 유닛(111)은 인식기(109)의 인식 결과 또는 이력 정보 메모리에 저장되어 있는 이력 정보를 이용해서 갱신되어야 하는지의 여부를 판단한다. 등록 정보 메모리(108)에 저장되어 있는 등록 정보는 이 판단의 결과에 기초하여 갱신된다.
등록 정보 갱신 유닛(111)에서, 인물이 등록된 인물인지의 여부를 인식기(109)에 의해 판단한 후, 특징량 추출 유닛(107)에 의해 얻어진 얼굴 특징 정보를 이용해 등록 정보가 갱신될 때 준비되는 "임시 등록 정보(임시 딕셔너리)"가 준비된다. "1:1 대조"의 경우에, "임시 등록 정보"는 상기 인물과 동등한 등록 정보에 기초하여 준비된다. "1:n 대조" 또는 "1:N 대조"의 경우에, 가장 높은 유사성을 갖는 등록 정보에 대해서 등록 정보가 갱신될 때 준비된 "임시 등록 정보"가 준비된다.
"임시 등록 정보"는 직접적으로 재기록함으로써 등록 정보 메모리에 실제로 저장되어 있는 등록 정보가 아니라, 임시적으로 등록 정보로부터 따로따로 준비된다. 이러한 임시 등록 정보를 준비할 때, 입력 얼굴 특징 정보로부터 얻어진 상관 매트릭스값은 등록 정보로서 저장되어 있는 값에 부가되며, K-L 전개를 통해 얻어진 서브스페이스는 갱신 후 임시 등록 정보로 만들어진다.
추가로, 제 4 실시예는 등록 정보의 내용을 재기록하는 방법에 대해 특별히 의존성을 갖지 않는다. 그러므로, 등록 정보의 갱신은 특정 비율로 얼굴 특징 정보의 일부분을 재기록하거나, 전체 내용을 얼굴 특징 정보에 완전히 재기록하거나, 인물당 복수의 템플리트를 등록 정보 메모리(108)에 저장함으로써 또한 성취될 수 있다.
임시 등록 정보가 준비될 때, "1:1 대조"의 경우에, 입력 유닛(103)을 통해 입력된 식별 정보에 상응하는, 과거에 입력된 하나나 복수의 얼굴 특징 정보와, 이력 정보로서 이력 정보 메모리(110)에 저장되어 있는 하나나 복수의 얼굴 특징 정보의 유사성이 계산된다. "1:n 대조" 또는 "1:N 대조"의 경우에, 과거에 입력된 하나나 복수의 얼굴 특징 정보와, 제 1 랭크 유사성에 상응하는 이력 정보로서 이력 정보 메모리(110)에 저장되어 있는 하나나 복수의 얼굴 특징 정보와의 유사성이 계산된다. 유사하게, 등록 정보 메모리(108)에 저장되어 있는 존재하는 등록 정보를 처리함으로써 유사성은 계산된다. 그 결과, 과거에 입력된 하나나 복수의 특징정보와 임시 등록 정보와의 평균 유사성이 높아지면, 등록 정보 메모리(108)에 저장되어 있는 등록 정보는 임시 등록 정보에 의해 대체되며 원래 딕셔너리로서 등록된다.
전술한 처리의 흐름이 도 10의 순서도에 도시될 것이다.
추가로, 이상의 설명에서, 과거의 이력 정보와의 평균 유사성에 의해 이루어지지만, 본 발명은 유사성이 가장 낮거나 가장 높은 수준에 있을 때조차도 실현될 수 있다.
다음으로, 본 발명의 제 5 실시예가 설명될 것이다.
추가로, 제 5 실시예에서 장비 구성, 기본 동작 및 적용 방법은 제 1 실시예에서 설명된 것과 동일하며, 따라서 그것의 설명은 생략될 것이다.
제 5 실시예는 등록 정보의 갱신에 대한 필요가 거의 판단되지 않는다면, 입력 이미지나 얼굴 특징 정보는 비축되며 이후에 선택되고 갱신된다는 점을 특징으로 한다. 그리하여, 등록 정보 갱신 유닛(111)의 기능은 제 1 실시예와 다소 상이하며 아래에서 설명된다.
등록 정보 갱신 유닛(111)은 인식기(109)의 인식 결과나 이력 정보 메모리(110)에 저장되어 있는 이력 정보를 이용해 갱신되어야 하는지의 여부를 결정한다. 등록 정보 메모리(108)에 저장되어 있는 등록 정보는 결정의 결과에 기초하여 갱신된다.
등록 정보 갱신 유닛(111)에서, 예를 들면, 도 11에 도시된 바와 같이, 자동적으로 갱신된 범위 c, 자동적으로 갱신되지 않은 범위 d, 및 이들 범위와는 독립적으로, 그들이 후에 업데이트되는 지의 여부를 검사에 의해서 결정하기 위한 특징 정보를 저장하기 위한 범위 e가 제공된다. 제 1 실시예에서 설명된 바와 같이, 예를 들면, 효과적으로 판단될 수 있는 데이터가 업데이트될 때 조차도, 인물이 등록된 상기로 확증될 수 없을 때, 그 때의 입력 이미지나 얼굴 특징 정보는 이력 정보 메모리(110)에 저장되고, 그 정보를 시각적으로 검사함으로써 후에 추가적으로 갱신될 수 있다.
인식기(109)에서 얻어진 유사성이 자동적인 갱신에 대해 범위 c에 있을 때, 제 4 실시예에서 설명된 기술과 유사한 방식으로 등록 정보를 갱신하는 것이 가능하다. 추가로, 갱신 범위가 등록된 모든 인물에 대해 공통적으로 제공됨에도 불구하고, "1:1 대조"의 경우에, 모든 입력 ID 번호에 대해 개별적으로 범위를 설정하는 것이 가능하다. "1:N 대조"의 경우에, 제 1 랭크 ID 번호에 따라 갱신 범위를 변경하면서 모든 등록된 인물 y에 대해 상이한 갱신 범위를 설정하는 것이 또한 가능하다. 예를 들면, 보통 대조에서 덜 실패하는 사용자의 경우에, 갱신 빈도를 매우 높게 설정하는 것은 불필요하며, 갱신 범위는 좁게 설정될 수 있다.
위의 과정의 흐름에 따라 갱신의 필요성을 검사하는데 필요한 바와 같이, 이력 정보 메모리(110)에 저장되어 있는 정보를 고려할 때, 디스플레이(102)를 이용하여 이력 정보의 내용을 표시하는 동안 그 정보가 검사되는 것을 가정하면서 그 정보는 설명될 것이다. 그러나, 이력 정보 메모리(110)의 내용은 또다른 터미널 장비로 전송될 수 있으며, 검사나 지시는 그곳에서 만들어질 수 있다.
디스플레이(102)에 표시되는 이미지 구성을 고려할 때, 원래 등록 인물의 얼굴 이미지 f와 확증을 필요로하는 정보의 입력 이미지 g는 양 인물이 동일 인물로 확증될 수 있었을 때 추가적으로 등록 정보 메모리(108)에 저장되어 있는 등록 정보를 학습하기 위해 도 12에 도시된 바와 같이 나란히 표시된다. 말할 필요도 없이, 그러한 표시는 본 실시예를 적용하는데 있어서 필수적이지 않으며, 따라서, 얼굴 특징 정보 그 자체가 표시될 수 있다. 추가로, 연속적인 데이터를 이용하여 얼굴 대조를 수행할 때, 그 대조는 복수의 얼굴 이미지를 입력하고 이미지들을 이동시킴으로써 이루어질 수 있다.
다음으로, 본 발명의 제 6 실시예가 설명될 것이다.
추가로, 제 6 실시예의 장비 구성, 기본 동작 및 적용 방법은 제 1 실시예에서 설명한 것과 동일하며, 따라서 그것의 설명은 여기서 생략될 것이다.
제 6 실시예는 인식에 필요한 시간 또는 재시도된 인식 횟수에 따라서 등록 정보가 갱신되는지의 여부를 판단하는 것을 특징으로 한다. 그리하여, 등록 정보 갱신 유닛(111)의 기능은 제 1 실시예에서의 것과 다소 상이하며, 아래에서 설명될 것이다.
등록 정보 갱신 유닛(111)은 등록 정보가 인식기(109)의 인식 결과와 이력 정보 메모리(110)에 저장되어 있는 이력 정보를 이용하여 갱신되어야 하는지의 여부를 판단한다. 이 판단에 기초하여, 등록 정보 메모리(108)에 저장되어 있는 등록 정보는 갱신된다.
추가로, 제 6 실시예에서, 인식 처리는 최종 인식 결과가 얻어질 때까지 인식기(109)에서 반복적으로 수행된다는 것이 가정된다. "유사성이 인증 임계값을초과하지 않을 때 규정된 횟수까지 인식 처리를 반복적으로 수행"하고 "유사성이 인증 임계값을 초과하는 시점에 인식 처리를 완료"하는 것과 같은 방법들이 채택된다. 말할 필요도 없이, 제 1 실시예로부터 제 5 실시예까지 동일한 기술을 사용하는 것이 가능하다. 그러나, 이 실시예는 실행된 인식 처리 횟수와 필요한 시간을 이용하며, 그리하여 이 방법이 항상 사용된다.
이 실시예에서 인식 처리의 종료는 도 13의 순서도에 도시된 것과 같다. 인식 실패를 판단하는 기준으로는, 반복된 인식 횟수(재시도된 횟수)뿐만 아니라 인식 처리의 시작부터 경과된 시간도 이용될 수 있다.
이후, 등록 정보 갱신 유닛(111)에서의 등록 정보 갱신 방법이 설명될 것이다.
도 13의 순서도에 도시된 바와 같이, 인식이 완료되었을 때, 인식 성공까지 재시도된 횟수가 얻어진다. 재시도된 횟수가 소정의 횟수(갱신 임계값)와 같거나 더 클 때, "경향이 없는 데이터가 등록 인물에 대한 등록 정보로 입력되었으며 인식을 위해서 긴 시간이 요구되었다"라고 판단되며, 등록 정보는 갱신된다. 반면에, 재시도 횟수가 소정의 횟수(갱신 임계값)보다 작을 때, "등록 정보와 매우 유사한 데이터가 입력되었으며 인식은 짧은 시간에 완료되었다"라고 판단되어 등록 정보는 갱신되지 않는다.
여기서, 전술한 등록 정보 갱신에 대한 판단 조건을 설명하는 도 14에 도시된 그래프가 있다.
추가로, 위의 설명에서, 재시도된 인식 횟수는 판단 기준으로 사용되지만,판단은 인식 처리의 시작으로부터 경과된 시간에 기초하여 수행될 수 있다.
추가로, 등록 정보 갱신 유닛(111)에서, 공통의 갱신 범위가 등록된 모든 인물에 대해서 설정된다. 그러나, "1:1 대조"의 경우에, 모든 입력 ID 번호에 대해서 범위를 개별적으로 설정하는 것이 가능하다. "1:N 대조"의 경우에, 제 1 랭크된 ID 번호에 따라서 갱신 범위를 변경함으로써, 등록된 모든 인물에 대해서 상이한 갱신 범위를 설정하는 것이 또한 가능하다. 예를 들면, 보통 대조에 덜 실패하는 사용자인 경우에, 갱신 빈도를 높게 하는 것이 꼭 필요하지는 않으며, 따라서 갱신 범위는 좁게 설정될 수 있다.
이 실시예에서, 등록 정보가 갱신될 때, 입력 얼굴 특징 정보로부터 얻어진 상관 매트릭스값을 등록 정보로서 저장되어 있는 값에 부가한 후, K-L 전개를 통해 얻어진 서브스페이스는 갱신된 후 임시 등록 정보로 된다.
추가로, 제 6 실시예에서, 등록 정보의 내용을 재기록하는 방법에 대한 특별한 의존성은 없다. 따라서, 등록 정보의 갱신은 특정 비율로 얼굴 특징 정보의 일부분을 재기록하거나, 전체 내용을 입력 얼굴 특징 정보로 완전히 재기록하거나, 등록 정보 메모리(108)에 인물당 복수의 템플리트를 저장함으로써 성취될 수 있다.
추가로, 인식이 반복될 때, 하나 또는 복수의 입력 얼굴 특징가 존재하며, 따라서, 모든 정보는 등록 정보를 갱신할 때 등록 정보에 부가된다. 추가로, 모든 정보는 그것들 모두를 사용하지는 않고서 규정된 수로 제한될 수 있으며, 등록 정보와의 유사성의 처리를 이용하는 갱신에 대해 선택적으로 사용될 수 있다.
다음으로, 본 발명의 제 7 실시예가 설명될 것이다.
제 7 실시예는 제 1 실시예에서 설명된 인물 인식 장치가 통행인의 얼굴 이미지를 인식함으로써 통행인의 통행을 제어하는 통행 제어 장치에 적용될 때의 예이다.
도 15는 제 7 실시예와 연관된 통행 제어 장치의 구성을 도식적으로 도시하고 있다. 이러한 통행 제어 장치는 보안 시설(보안실 등)로/로부터 들어오고 나가는 것을 제어한다. 이러한 통행 제어 장치는 사용자(통행인)의 얼굴 이미지를 인식하며, 인식 결과에 기초하여 보안 시설 출입문의 개폐를 제어한다. 이러한 통행 제어 장치는 카메라(101), 디스플레이(102), 입력 유닛(103), 처리기(104), 출입문 제어기(114)로 구성되며, 출입문 제어기(114)는 인식기(109)의 인식 결과에 따라서 보안 시설(201)의 출입문(202)의 개폐를 제어하는 통행 제어 수단이다.
추가로, 도 15에서 출입문 제어기(114)이외의 부분은 도 1에 도시된 인물 인식기의 그것들과 동일하고, 동일한 참조번호가 할당되어 있으며, 그것의 설명은 생략될 것이다.
인식기(109)는 예를 들면, 획득된 유사성이 획득된 인증 임계값보다 클 때, 출입문 제어기(114)로 "문을 열어라"라는 신호를 출력하고, 획득된 유사성이 인증 임계값보다 작을 때, 출입문 제어기로 "문을 닫아라"라는 신호를 출력한다. 출입문 제어기(114)는 인식기(109)로부터 "문을 열어라"라는 신호가 수신될 때 개방상태로 출입문(202)을 제어하여 인식된 인물(100)(이 경우는 통행인)이 그 방으로 들어가는 것을 허용하며, "문을 닫아라"라는 신호가 수신될 때 출입문(202)을 닫힌 상태로 유지하여 등록된 인물(100)의 진입을 거부한다.
그리하여, 제 7 실시예에 따라서, 제 1 실시예에서 설명된 인물 인식 장치를 이용하여 통행인의 통행을 제어하는 것이 가능하다.
추가로, 제 1 실시예에서 설명된 인물 인식 장치가 적용되는 경우가 제 7 실시예에서 설명되지만, 제 2 내지 제 6 실시예에서 설명된 인물 인식 장치가 또한 적용가능하다는 것은 설명할 필요가 없을 것이다.
전술한 바와 같이, 위에서 설명한 실시예들에 따르면, 인물 인식을 위해 사용되는 등록 정보(딕셔너리)가 인식된 인물에 부하를 부가함이 없이 효율적으로 학습될 때, 인식 시점에서의 세속적인 변화 및/또는 변동된 입력 정보 때문에 등록 인물을 배제하는 오류율을 감소시키는 것이 가능해진다.
추가로, 등록 정보가 인증 임계값(성공적으로 인증된 데이터)에 대한 우선순위 차이 없이 인식된 데이터를 이용하여 자동적으로 갱신될 때, 등록 정보는 인식된 인물에 대한 부담을 증가시키지 않고 효과적으로 학습될 수 있다.
상세히 설명된 바와 같이, 본 발명, 인물 인식 장치에 따르면, 인증에서 세속적인 변화나 변동된 입력 정보 때문에 생기는 등록된 인물에 대한 인식 오류율을 감소시킬 수 있는 인물 인식 방법과 통행 제어 장치를 제공하는 것이 가능하다.
추가로, 본 발명에 따르면, 인식된 인물에 부담을 증가시키지 않고 등록 정보(딕셔너리)를 효과적으로 학습할 수 있는 인물 인식 장치, 인물 인식 방법 및 통행 제어 장치를 제공하는 것이 가능하다.
본 발명에 따르면, 인물 인식을 위해 사용되는 등록 정보(딕셔너리)가 인식된 인물에 부하를 부가함이 없이 효율적으로 학습될 때, 인식 시점에서의 세속적인 변화 및/또는 변동된 입력 정보 때문에 등록 인물을 배제하는 오류율을 감소시키는 것이 가능해진다. 그리하여, 본 발명에 따르면, 인식된 인물에 부담을 증가시키지 않고 등록 정보(딕셔너리)를 효과적으로 학습할 수 있는 인물 인식 장치, 인물 인식 방법 및 통행 제어 장치를 제공하는 것이 가능하다.

Claims (20)

  1. 인물 인식 장치에 있어서,
    인식 대상이 되는 인물의 생체측정 정보를 입력하는 생체측정 정보 입력 유닛;
    인식 대상이 되는 인물의 생체측정 정보를 등록 정보로서 미리 저장하는 등록 정보 메모리;
    상기 생체측정 정보 입력 유닛에 의해 입력된 생체측정 정보와 상기 등록 정보 메모리에 저장되어 있는 등록 정보 사이의 유사성을 상기 양자를 대조함으로써 획득하고 상기 획득된 유사성에 기초하여 상기 인물을 인식하는 인식기; 및
    상기 인식기에 의해 획득된 상기 유사성이 소정의 갱신 범위 내에 있는지의 여부를 판단하고 상기 유사성이 상기 소정의 갱신 범위 내에 있다는 판단에 기초하여, 상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보를 이용하여 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보를 갱신하는 등록 정보 갱신 유닛을 포함하는 것을 특징으로 하는 인물 인식 장치.
  2. 제 1 항에 있어서,
    상기 등록 정보 갱신 유닛은 상기 등록 정보를 갱신할 때 유사성에 상응하는 값에 따라 상기 등록 정보를 갱신하는 비율을 변경하는 것을 특징으로 하는 인물 인식 장치.
  3. 제 1 항에 있어서,
    상기 등록 정보 갱신 유닛은 상기 인식기에 의해 획득된 복수의 유사성 사이의 차이가 소정의 임계값보다 큰지의 여부를 판단하고 복수의 유사성 사이의 상기 차이가 상기 소정의 임계값보다 크다는 판단에 기초하여, 상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보에 기초하여 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보를 갱신하는 것을 특징으로 하는 인물 인식 장치.
  4. 제 3 항에 있어서,
    복수의 유사성 사이의 상기 차이는 가장 높은 유사성과 그 다음번 유사성 사이의 차이인 것을 특징으로 하는 인물 인식 장치.
  5. 제 3 항에 있어서,
    상기 복수의 유사성 사이의 차이는 등록된 인물의 식별 정보에 상응하는 상기 등록 정보에 대한 상기 유사성과, 상기 인식 대상이 되는 인물의 상기 식별 정보가 미리 입력되었을 때 다른 등록 정보에 대한 유사성 중 가장 높은 유사성 사이의 차이인 것을 특징으로 하는 인물 인식 장치.
  6. 제 3 항에 있어서,
    복수의 유사성에 있는 상기 차이는 상기 식별 정보에 상응하는 상기 등록 정보에 대한 유사성과, 인식 대상이 되는 인물의 상기 식별 정보가 미리 입력되었을 때 다른 등록 정보에 대한 모든 유사성 또는 일부분에 의해서 획득된 평가값 사이의 차이인 것을 특징으로 하는 인물 인식 장치.
  7. 제 1 항에 있어서,
    상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보를 이력 정보로서 저장하는 이력 정보 메모리; 및
    상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보와 상기 인식기에 의해 상기 인식을 완료하는 것에 기초하여 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보를 이용하여 임시 등록 정보를 준비하는 임시 등록 정보 준비 유닛을 추가로 포함하고,
    상기 등록 정보 갱신 유닛은 과거에 획득되었고 상기 이력 정보 메모리에 저장되어 있는 상기 생체측정 정보와 상기 임시 등록 정보와의 상기 유사성을 획득하고, 과거에 획득되었고 상기 이력 정보 메모리에 저장되어 있는 상기 생체측정 정보와 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보와의 상기 유사성을 획득하고, 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보보다 상기 임시 등록 정보에 더 높은 유사성이 주어질 때 상기 등록 정보 메모리에 저장되어 있는 상기 상응하는 등록 정보를 상기 임시 등록 정보로 대체하는 것을 특징으로 하는 인물 인식 장치.
  8. 제 1 항에 있어서,
    상기 등록 정보 갱신 유닛은
    상기 인식기에서 상기 인식 시점에 획득된 상기 유사성에 대한 상기 등록 정보를 갱신하는 범위, 상기 등록 정보를 갱신하지 않는 범위, 및 상기 등록 정보가 갱신되어야 하는지의 여부와 상기 유사성이 상기 등록 정보를 갱신하는 상기 범위에 있는지의 여부를 검사하는 범위가 미리 설정되어 있을 때, 그리고 상기 유사성이 상기 등록 정보를 갱신하지 않는 범위에 있고 상기 등록 정보를 갱신하지 않을 때, 그리고 상기 유사성은 상기 등록 정보가 갱신되어야 하는지의 여부를 나중에 검사하는 범위에 있고 상기 생체측정 정보 입력 유닛에 의해 입력된 상기 상응하는 생체측정 정보를 상기 이력 정보로서 저장할 때, 상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보에 기초하여 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보를 갱신하는 제 1 등록 정보 갱신 유닛; 및
    상기 제 1 등록 정보 갱신 유닛에 의해 저장되어 있는 상기 생체측정 정보를 검사하는 것에 기초하고 있는 상기 생체측정 정보에 기초하여 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보를 갱신하는 제 2 등록 정보 갱신 유닛을 구비하는 것을 특징으로 하는 인물 인식 장치.
  9. 제 1 항에 있어서,
    상기 인식기는 상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보와 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보 사이의 상기 유사성을 그것들을 대조함으로써 획득하고, 상기 획득된 유사성에 기초하여 상기 최종 인식 결과까지 상기 인물을 인식하는 동작을 반복적으로 실행하며,
    상기 등록 정보 갱신 유닛은 상기 인식기에 의해서 상기 최종 인식 결과가 획득 될 때까지의 시간 또는 인식 동작의 횟수가 상기 소정의 갱신 임계값보다 더 높게 되는지의 여부를 판단하고, 그것이 상기 갱신 임계값 이상이 되는 것에 기초하여, 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보를 상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보에 기초하여 갱신하는 것을 특징으로 하는 인물 인식 장치.
  10. 제 1 항에 있어서,
    상기 등록 정보 메모리는 인식 대상이 되는 인물의 생체측정 정보를 상기 등록 정보로서 부가된, 상기 인물을 특정하는 식별 정보와 함께 미리 저장하며,
    식별 정보 입력 유닛을 추가로 구비하고,
    상기 인식기는 상기 식별 정보가 상기 식별 정보 입력 유닛에 의해 미리 입력될 때 상기 등록 정보 메모리에 저장되어 있는 식별 정보에 상응하는 상기 등록 정보와의 유사성을 획득하고, 상기 획득된 유사성이 소정의 임계값보다 높을 때 인물을 상기 식별 정보에 상응하는 인물로서 인식하며,
    식별 정보가 상기 식별 정보 입력 유닛에 의해 미리 입력되지 않았을 때 상기 등록 정보 메모리에 저장되어 있는 모든 등록와의 유사성을 획득하고, 상기 획득된 유사성 중 가장 높은 유사성이 소정의 임계값보다 높을 때 인물을 상기 식별정보에 상응하는 상기 인물로서 인식하며,
    부분적으로 좁혀질 수 있는 식별 정보가 상기 식별 정보 입력 유닛에 의해 미리 입력되었을 때 상기 등록 정보 메모리에 저장되어 있는 상기 식별 정보에 상응하는 유사성을 획득하고, 상기 획득된 유사성 중 가장 높은 유사성이 소정의 임계값보다 높을 때 인물을 상기 식별 정보에 상응하는 상기 인물로 인식하는 것을 특징으로 하는 인물 인식 장치.
  11. 제 1 항에 있어서,
    상기 인물의 상기 생체측정 정보는 얼굴 이미지, 지문 이미지, 홍채 이미지, 손 형상 이미지, 손가락 이미지, 목소리 정보 중에서 적어도 하나인 것을 특징으로 하는 인물 인식 장치.
  12. 인물 인식 방법에 있어서,
    인식 대상이 되는 생체측정 정보를 입력하는 단계;
    인식 대상이 되는 인물의 생체측정 정보로서 등록 정보 메모리에 미리 저장되어 있는 등록 정보와 상기 입력된 생체측정 정보 사이의 유사성을 상기 양자를 비교함으로써 획득하는 단계;
    상기 획득된 유사성에 기초하여 상기 인물을 인식하는 단계;
    상기 획득된 유사성이 상기 소정의 갱신 범위 내에 있는지의 여부를 판단하는 단계;
    상기 입력 단계에서 입력된 상기 생체측정 정보를 이용하여 상기 유사성이 상기 소정의 갱신 범위 내에 있다고 한 판단에 기초하여 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보를 갱신하는 단계를 포함하는 것을 특징으로 하는 인물 인식 방법.
  13. 제 12 항에 있어서,
    상기 인식 단계는 상기 인물의 상기 생체측정 정보를 입력하는 단계에서 입력된 상기 생체측정 정보와 인식 대상이 되는 복수의 인물의 생체측정 정보를 미리 저장하고 있는 상기 등록 정보 메모리에 저장되어 있는 복수의 등록 정보를 대조하며,
    상기 인물 인식 단계는 상기 대조에 의해서 복수의 유사성을 획득하고, 상기 획득된 복수의 유사성에 기초하여 상기 인물을 인식하며,
    상기 판단 단계는 상기 인식 단계에서 획득된 복수의 유사성 중에서 차이가 상기 소정의 임계값 이상인지 여부를 판단하며,
    상기 등록 정보 갱신 단계는 상기 생체측정 정보 입력 단계에서 입력된 상기 생체측정 정보을 이용하여 상기 복수의 유사성 중에서 차이가 상기 소정의 임계값 이상이라고 한 판단에 기초하여 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보를 갱신하는 것을 특징으로 하는 인물 인식 방법.
  14. 제 12 항에 있어서,
    상기 생체측정 정보 입력 단계에서 입력된 상기 생체측정 정보를 이력 정보로서 이력 정보 메모리에 저장하는 단계; 및
    상기 생체측정 정보 입력 단계에서 입력된 상기 생체측정 정보와 상기 인식 단계에서 상기 인식을 완료하는 것에 기초하여 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보에 기초하여 임시 등록 정보를 준비하는 단계를 추가로 포함하고,
    상기 등록 정보 갱신 단계는 준비된 상기 임시 등록 정보와 과거에 획득되어 상기 이력 정보 메모리에 저장되어 있는 상기 생체측정 정보 사이의 유사성을 획득하고, 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보와 과거에 획득되어 상기 이력 정보 메모리에 저장되어 있는 상기 생체측정 정보의 상기 유사성 사이의 유사성을 획득하고, 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보보다 상기 임시 등록 정보에 대한 유사성이 더 높을 때 상기 등록 정보 메모리에 저장되어 있는 상기 상응하는 등록 정보를 상기 임시 등록 정보로 대체하는 것을 특징으로 하는 인물 인식 방법.
  15. 제 12 항에 있어서,
    상기 인식 단계는 상기 생체측정 정보 입력 단계에서 입력된 상기 생체측정 정보와 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보와의 유사성을 상기 양자를 대조함으로써 획득하고, 이렇게 획득된 유사성에 기초하여 상기 최종 인식 결과가 획득될 때까지 상기 인물을 인식하는 동작을 반복적으로 실행하며,
    상기 등록 정보 갱신 단계는 상기 최종 인식 결과가 획득될 때까지의 시간 또는 상기 인식 단계에서 인식 동작의 횟수가 소정의 갱신 임계값보다 더 높게 되는지의 여부를 판단하고, 상기 인식 횟수가 상기 임계값보다 더 높게 되는 것에 기초하여, 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보를 상기 생체측정 정보 획득 단계에서 획득된 상기 생체측정 정보에 기초하여 갱신하는 것을 특징으로 하는 인물 인식 방법.
  16. 통행인을 인식하고 상기 통행인의 통행을 제어하는 통행 제어 장치에 있어서,
    상기 통행인의 생체측정 정보를 입력하는 생체측정 정보 입력 유닛;
    상기 인식의 예비 대상이 되는 통행인의 생체측정 정보를 저장하는 등록 정보 메모리;
    상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보와 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보와의 유사성을 상기 양자를 대조함으로써 획득하고 상기 획득된 유사성에 기초하여 상기 통행인을 인식하는 인식기;
    상기 인식기에 의해 획득된 상기 유사성이 소정의 갱신 범위 내에 있는지의 여부를 판단하고 상기 유사성이 상기 소정의 갱신 범위 내에 있다는 판단에 기초하여, 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보를 상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보를 이용하여 갱신하는 등록 정보 갱신 유닛; 및
    상기 인식기의 상기 인식 결과에 따라 상기 통행인의 통행을 제어하는 통행 제어 장치를 포함하는 것을 특징으로 하는 통행 제어 장치
  17. 제 16 항에 있어서,
    상기 인식기는 상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보와 상기 등록 정보 메모리에 저장되어 있는 복수의 등록 정보와의 복수의 유사성을 상기 양자를 대조함으로써 획득하고 상기 획득된 복수의 유사성에 기초하여 상기 통행인을 인식하며,
    상기 등록 정보 갱신 유닛은 상기 인식기에 의해 획득된 복수의 유사성간의 차이가 상기 소정의 임계값 이상인지의 여부를 판단하고 상기 복수의 유사성간의 상기 차이가 상기 소정의 임계값 이상이라는 판단에 기초하여, 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보를 상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보에 기초하여 갱신하는 것을 특징으로 하는 통행 제어 장치.
  18. 제 16 항에 있어서,
    상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보를 이력 정보로서 저장하는 이력 정보 메모리; 및
    상기 생체측정 정보 입력 유닛에 의해 입력된 상기 등록 정보와 상기 인식기에 의해 상기 인식을 완료한 후 상기 등록 정보 메모리에 저장되어 있는 상기 등록정보에 기초하여 임시 등록 정보를 준비하는 임시 등록 정보 준비 유닛을 추가로 포함하고,
    상기 등록 정보 갱신 유닛은 과거에 획득되었고 상기 이력 정보 메모리에 저장되어 있는 상기 생체측정 정보와 상기 임시 등록 정보 준비 유닛에 의해 준비된 상기 임시 등록 정보와의 상기 유사성을 획득하고, 과거에 획득되었고 상기 이력 정보 메모리에 저장되어 있는 상기 생체측정 정보와 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보와의 상기 유사성을 획득하고, 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보보다 상기 임시 등록 정보의 유사성이 더 높을 때 상기 등록 정보 메모리에 저장되어 있는 상기 상응하는 등록 정보를 상기 임시 등록 정보로 대체하는 것을 특징으로 하는 통행 제어 장치.
  19. 제 16 항에 있어서,
    상기 인식기는 상기 생체측정 정보 입력 유닛에서 입력된 상기 생체측정 정보와 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보 사이의 상기 유사성을 상기 양자를 대조함으로써 획득하고, 상기 획득된 유사성에 기초하여 상기 최종 인식 결과가 획득될 때까지 상기 인물을 인식하는 동작을 반복적으로 실행하며,
    상기 등록 정보 갱신 유닛은 상기 인식기에 의해서 상기 최종 인식 결과가 획득 될 때까지의 시간 또는 인식 동작의 횟수가 상기 갱신 임계값 이상이 되는지의 여부를 판단하고, 상기 인식 동작의 횟수가 상기 갱신 임계값 이상이 된다는 판단에 기초하여, 상기 등록 정보 메모리에 저장되어 있는 상기 등록 정보를 상기 생체측정 정보 입력 유닛에 의해 입력된 상기 생체측정 정보에 기초하여 갱신하는 것을 특징으로 하는 통행 제어 장치.
  20. 제 16 항에 있어서,
    상기 인물의 상기 생체측정 정보는 얼굴 이미지, 지문 이미지, 홍채 이미지, 손 형상 이미지, 손가락 이미지, 목소리 정보 중에서 적어도 하나인 것을 특징으로 하는 통행 제어 장치.
KR1020030057898A 2002-11-01 2003-08-21 인물 인식 장치, 인물 인식 방법 및 통행 제어 장치 KR100550739B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2002320156A JP4314016B2 (ja) 2002-11-01 2002-11-01 人物認識装置および通行制御装置
JPJP-P-2002-00320156 2002-11-01

Publications (2)

Publication Number Publication Date
KR20040038617A true KR20040038617A (ko) 2004-05-08
KR100550739B1 KR100550739B1 (ko) 2006-02-08

Family

ID=32089621

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020030057898A KR100550739B1 (ko) 2002-11-01 2003-08-21 인물 인식 장치, 인물 인식 방법 및 통행 제어 장치

Country Status (7)

Country Link
US (1) US7266224B2 (ko)
EP (1) EP1416427A3 (ko)
JP (1) JP4314016B2 (ko)
KR (1) KR100550739B1 (ko)
CN (1) CN1494037A (ko)
CA (1) CA2438980A1 (ko)
TW (1) TWI254254B (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100747446B1 (ko) * 2005-03-07 2007-08-09 엘지전자 주식회사 휴대단말기의 지문인식 장치 및 방법
KR100783191B1 (ko) * 2006-10-18 2007-12-07 삼성전자주식회사 영상 제공 방법 및 이를 이용한 촬영 기기와 상기 방법을 수행하는 프로그램이 기록된 기록매체
KR100808316B1 (ko) * 2005-05-26 2008-02-27 가부시끼가이샤 도시바 인물 검색 장치, 인물 검색 방법 및 입퇴장 관리 시스템
KR100873445B1 (ko) * 2007-08-14 2008-12-11 주식회사 미디어프론트 영상차이 인식 시스템 및 영상 시스템을 이용한 영상차이인식방법
US7734067B2 (en) 2004-12-07 2010-06-08 Electronics And Telecommunications Research Institute User recognition system and method thereof
KR101006861B1 (ko) * 2008-06-30 2011-01-12 주식회사 유니온커뮤니티 지문인증 장치의 인증방법
KR101297736B1 (ko) * 2013-05-07 2013-08-23 주식회사 파이브지티 얼굴 인식 방법 및 시스템
KR20150134820A (ko) * 2014-05-23 2015-12-02 주식회사 제이에스테크놀러지 얼굴인식을 통해 이용을 제한하는 엘리베이터 감시장치
KR20160124719A (ko) * 2013-11-15 2016-10-28 오므론 가부시키가이샤 화상 인식장치 및 화상 인식장치에 대한 데이터 등록방법
US9740934B2 (en) 2014-06-12 2017-08-22 Omron Corporation Image recognition device and method for registering feature data in image recognition device

Families Citing this family (138)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI299471B (en) * 2001-08-24 2008-08-01 Toshiba Kk Person recognition apparatus
AU2003285161A1 (en) * 2002-11-08 2004-06-03 Data Flow / Alaska, Inc. System for uniquely identifying subjects from a target population
JP2005078413A (ja) * 2003-09-01 2005-03-24 Matsushita Electric Ind Co Ltd 電子機器及び電子機器における応答情報出力方法
JP4615272B2 (ja) * 2003-09-29 2011-01-19 富士フイルム株式会社 認証システム、プログラム、及び建築物
US7697026B2 (en) * 2004-03-16 2010-04-13 3Vr Security, Inc. Pipeline architecture for analyzing multiple video streams
US7542590B1 (en) * 2004-05-07 2009-06-02 Yt Acquisition Corporation System and method for upgrading biometric data
JP4515850B2 (ja) 2004-07-30 2010-08-04 富士通株式会社 生体認証装置の誘導画面制御方法、生体認証装置及びそのプログラム
ES2311938T3 (es) * 2004-06-28 2009-02-16 Fujitsu Limited Uso de interconexion para la captura de imagenes en un dispositivo de autenticacion biometrico; dispositivo de autenticacion biometrico, metodo y programa para el mismo.
US20060013447A1 (en) * 2004-07-16 2006-01-19 Cross Match Technologies, Inc. Hand-held personal identification analysis device and methods of use
US20060018519A1 (en) * 2004-07-16 2006-01-26 Cross Match Technologies, Inc. Hand-held personal identification device with distributed control system
JP4656388B2 (ja) * 2005-01-19 2011-03-23 ソニー株式会社 認証装置、更新時期検出方法及びプログラム
JP4699139B2 (ja) * 2004-09-14 2011-06-08 富士フイルム株式会社 セキュリティシステム
EP1647918A1 (de) * 2004-10-13 2006-04-19 SkiData AG Zugangskontrollsystem
GB0427205D0 (en) 2004-12-11 2005-01-12 Ncr Int Inc Biometric system
JP4642478B2 (ja) * 2005-01-04 2011-03-02 株式会社日立製作所 生体情報更新管理システム、生体情報更新管理方法、および生体情報更新管理プログラム
JP4526393B2 (ja) * 2005-01-07 2010-08-18 三菱電機株式会社 顔画像情報の登録システムおよびこれを用いた入退室管理システム
JP4578984B2 (ja) * 2005-01-11 2010-11-10 富士通テン株式会社 キーレスエントリシステム
JP2006236244A (ja) * 2005-02-28 2006-09-07 Toshiba Corp 顔認証装置および入退場管理装置
JP4577113B2 (ja) * 2005-06-22 2010-11-10 オムロン株式会社 対象決定装置、撮像装置および監視装置
JP4820593B2 (ja) * 2005-07-11 2011-11-24 株式会社みずほ銀行 本人認証方法及び本人認証システム
WO2007020789A1 (ja) * 2005-08-12 2007-02-22 Sony Computer Entertainment Inc. 顔画像表示装置、顔画像表示方法及び顔画像表示プログラム
JP4595750B2 (ja) * 2005-08-29 2010-12-08 ソニー株式会社 画像処理装置および方法、並びにプログラム
JP4700452B2 (ja) * 2005-09-16 2011-06-15 株式会社リコー 情報管理装置、情報管理方法、情報管理プログラムおよび記録媒体
JP4553138B2 (ja) * 2005-09-28 2010-09-29 株式会社デンソー 顔画像認証装置
JP2007101573A (ja) * 2005-09-30 2007-04-19 Fujifilm Corp プリント注文受付装置
JP4645411B2 (ja) * 2005-10-28 2011-03-09 コニカミノルタホールディングス株式会社 認証システム、登録システム及びプログラム
JP2007206941A (ja) * 2006-02-01 2007-08-16 Konica Minolta Business Technologies Inc 生体認証装置、生体認証システム及び生体データ管理方法
JP2007206833A (ja) 2006-01-31 2007-08-16 Toshiba Corp 生体照合方法および生体照合装置
JP4945722B2 (ja) * 2006-02-15 2012-06-06 Ｈｏｙａ株式会社 撮像装置
JP4527679B2 (ja) * 2006-03-24 2010-08-18 学校法人早稲田大学 音声の類似度の評価を行う方法および装置
JP4836633B2 (ja) * 2006-03-31 2011-12-14 株式会社東芝 顔認証装置、顔認証方法および入退場管理装置
JP4868947B2 (ja) * 2006-06-05 2012-02-01 株式会社日立製作所 生体認証装置と生体認証システム及びｉｃカード並びに生体認証方法
JP4910507B2 (ja) * 2006-06-29 2012-04-04 コニカミノルタホールディングス株式会社 顔認証システム及び顔認証方法
JP4819001B2 (ja) * 2006-07-25 2011-11-16 富士フイルム株式会社 撮影装置および方法並びにプログラム、画像処理装置および方法並びにプログラム
JP4850609B2 (ja) * 2006-07-31 2012-01-11 セコム株式会社 顔画像照合装置
JP4923910B2 (ja) 2006-09-22 2012-04-25 富士通株式会社 生体認証装置、制御方法及び制御プログラム
JP4907282B2 (ja) * 2006-09-26 2012-03-28 株式会社日立ソリューションズ 生体情報認証装置及び生体情報による個人認証方法
JP5000974B2 (ja) * 2006-10-19 2012-08-15 株式会社三共 生体認証装置
JP4978154B2 (ja) * 2006-10-27 2012-07-18 ソニー株式会社 認証方法、登録装置、照合装置及びプログラム
JP4244063B2 (ja) * 2006-11-06 2009-03-25 ソニー株式会社 画像処理装置および画像処理方法、並びにプログラム
JP2008117333A (ja) * 2006-11-08 2008-05-22 Sony Corp 情報処理装置、情報処理方法、個人識別装置、個人識別装置における辞書データ生成・更新方法および辞書データ生成・更新プログラム
US7751597B2 (en) * 2006-11-14 2010-07-06 Lctank Llc Apparatus and method for identifying a name corresponding to a face or voice using a database
US7986230B2 (en) * 2006-11-14 2011-07-26 TrackThings LLC Apparatus and method for finding a misplaced object using a database and instructions generated by a portable device
JP4305672B2 (ja) * 2006-11-21 2009-07-29 ソニー株式会社 個人識別装置、個人識別方法、識別用辞書データの更新方法および識別用辞書データの更新プログラム
JP2008140024A (ja) * 2006-11-30 2008-06-19 Toshiba Corp 入場管理システムおよび入場管理方法
JP4845755B2 (ja) * 2007-01-30 2011-12-28 キヤノン株式会社 画像処理装置、画像処理方法、プログラム及び記憶媒体
JP4336729B2 (ja) * 2007-03-28 2009-09-30 シャープ株式会社 画像処理装置、画像形成装置、画像送信装置、画像読取装置、画像処理システム、画像処理プログラムおよびその記録媒体
JP4974761B2 (ja) 2007-05-25 2012-07-11 ローレル精機株式会社 安全管理システム
CN101114909B (zh) * 2007-08-17 2011-02-16 上海博康智能信息技术有限公司 全自动视频身份认证***及方法
JP2009054052A (ja) * 2007-08-28 2009-03-12 Panasonic Electric Works Co Ltd 顔認証装置
JP2009087232A (ja) * 2007-10-02 2009-04-23 Toshiba Corp 人物認証装置および人物認証方法
JP2009104599A (ja) * 2007-10-04 2009-05-14 Toshiba Corp 顔認証装置、顔認証方法、及び顔認証システム
JP4906685B2 (ja) * 2007-11-14 2012-03-28 キヤノン株式会社 撮像装置、その制御方法及びプログラム
US8693738B2 (en) 2008-01-29 2014-04-08 Canon Kabushiki Kaisha Imaging processing system and method and management apparatus
JP2009211556A (ja) * 2008-03-05 2009-09-17 Fujitsu Ltd 生体認証装置
CN101615243B (zh) * 2008-06-25 2016-03-23 汉王科技股份有限公司 一种斜坡式图像获取装置及人脸识别***
JP2010061528A (ja) * 2008-09-05 2010-03-18 Fujitsu Ltd 生体認証装置、生体認証プログラム及び生体認証方法
JP5560547B2 (ja) * 2008-09-05 2014-07-30 富士通株式会社 生体認証装置
EA200802073A1 (ru) 2008-10-29 2009-06-30 Владимир Николаевич Бичигов Способ формирования рекомендательного списка следов с использованием базы данных, база данных и способ ее формирования
JP5326527B2 (ja) * 2008-11-28 2013-10-30 富士通株式会社 認証装置及び認証方法
JP5390228B2 (ja) * 2009-03-24 2014-01-15 グローリー株式会社 顔画像照合装置、顔画像照合方法及び顔画像照合プログラム
JP2010231350A (ja) * 2009-03-26 2010-10-14 Toshiba Corp 人物識別装置、そのプログラム、及び、その方法
JP5459312B2 (ja) * 2009-03-27 2014-04-02 日本電気株式会社 パターン照合装置、パターン照合方法及びパターン照合プログラム
CN102483845B (zh) * 2009-09-11 2018-09-04 富士通株式会社 生物体认证装置、生物体认证***和生物体认证方法
DE102009048118B4 (de) * 2009-10-02 2020-06-18 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und Vorrichtung zum Verwalten von Objektansichtsdaten in einer Objektdatenbank
US8452107B2 (en) * 2009-10-02 2013-05-28 Qualcomm Incorporated Methods and systems for occlusion tolerant face recognition
JP4844670B2 (ja) * 2009-11-13 2011-12-28 日本ビクター株式会社 映像処理装置および映像処理方法
JP5397479B2 (ja) * 2009-12-08 2014-01-22 富士通株式会社 生体認証システム及び生体認証方法
CN102111535B (zh) * 2009-12-23 2012-11-21 华晶科技股份有限公司 提高人脸辨识率的方法
JP5669082B2 (ja) * 2010-04-19 2015-02-12 パナソニックＩｐマネジメント株式会社 照合装置
JP5794410B2 (ja) * 2010-12-20 2015-10-14 日本電気株式会社 認証カード、認証システム、ガイダンス方法及びプログラム
US8254768B2 (en) * 2010-12-22 2012-08-28 Michael Braithwaite System and method for illuminating and imaging the iris of a person
WO2012088627A1 (en) * 2010-12-29 2012-07-05 Technicolor (China) Technology Co., Ltd. Method for face registration
JP5505323B2 (ja) * 2011-01-25 2014-05-28 富士通株式会社 生体認証装置、生体認証装置を制御する制御プログラム、生体認証装置を制御する制御方法及び生体認証システムの制御方法
CN103460244B (zh) * 2011-03-29 2016-02-10 富士通先端科技株式会社 生物体认证装置、生物体认证***以及生物体认证方法
JP5730095B2 (ja) * 2011-03-29 2015-06-03 セコム株式会社 顔画像認証装置
TW201243140A (en) * 2011-04-20 2012-11-01 Hon Hai Prec Ind Co Ltd Controlling system and method for door
JP5791364B2 (ja) * 2011-05-16 2015-10-07 キヤノン株式会社 顔認識装置、顔認識方法、顔認識プログラム、およびそのプログラムを記録した記録媒体
JP5713821B2 (ja) * 2011-06-30 2015-05-07 キヤノン株式会社 画像処理装置及び方法、並びに画像処理装置を有するカメラ
JP5808974B2 (ja) * 2011-07-29 2015-11-10 セコム株式会社 顔画像認証装置
JP2013074461A (ja) * 2011-09-28 2013-04-22 Casio Comput Co Ltd 画像処理装置、画像処理方法及びプログラム
US8607319B2 (en) * 2011-11-22 2013-12-10 Daon Holdings Limited Methods and systems for determining biometric data for use in authentication transactions
US8806610B2 (en) * 2012-01-31 2014-08-12 Dell Products L.P. Multilevel passcode authentication
JP5900052B2 (ja) 2012-03-15 2016-04-06 オムロン株式会社 登録判定装置、その制御方法および制御プログラム、並びに電子機器
JP6026119B2 (ja) * 2012-03-19 2016-11-16 株式会社東芝 生体情報処理装置
CN103324904A (zh) * 2012-03-20 2013-09-25 凹凸电子（武汉）有限公司 人脸识别***及其方法
JP2013196423A (ja) * 2012-03-21 2013-09-30 Glory Ltd 監視システム、監視装置及び監視方法
JP2013206411A (ja) * 2012-03-29 2013-10-07 Brother Ind Ltd ヘッドマウントディスプレイ及びコンピュータプログラム
RS54229B1 (en) 2012-06-14 2015-12-31 Vlatacom D.O.O. BIOMETRIC ACCESS CONTROL SYSTEM AND PROCEDURE
JP5841030B2 (ja) 2012-09-18 2016-01-06 ビッグローブ株式会社 辞書更新方法、辞書更新システム、及び辞書更新プログラム
JP5805040B2 (ja) * 2012-09-25 2015-11-04 ビッグローブ株式会社 人物認証用辞書更新方法、人物認証用辞書更新装置、人物認証用辞書更新プログラム及び人物認証システム
CN102968645A (zh) * 2012-10-24 2013-03-13 蔡翔 通过更新图像提高人脸识别准确率及适应性的方法
US20140152424A1 (en) * 2012-12-05 2014-06-05 Unisys Corporation Method and system for security screening using biometric variables
KR101383304B1 (ko) * 2012-12-13 2014-04-07 주식회사 에스원 시간 경과 모델을 이용한 얼굴 인식 방법 및 그 장치
JP7067061B2 (ja) * 2018-01-05 2022-05-16 富士通株式会社 生体認証装置、生体認証方法および生体認証プログラム
US9317736B1 (en) * 2013-05-08 2016-04-19 Amazon Technologies, Inc. Individual record verification based on features
JP6295534B2 (ja) * 2013-07-29 2018-03-20 オムロン株式会社 プログラマブル表示器、制御方法、およびプログラム
JP6210793B2 (ja) * 2013-08-13 2017-10-11 Kddi株式会社 更新装置、方法及びプログラム
KR102108066B1 (ko) 2013-09-02 2020-05-08 엘지전자 주식회사 헤드 마운트 디스플레이 디바이스 및 그 제어 방법
JP5902661B2 (ja) * 2013-09-30 2016-04-13 株式会社東芝 認証装置、認証システムおよび認証方法
JP6025690B2 (ja) * 2013-11-01 2016-11-16 ソニー株式会社 情報処理装置および情報処理方法
JP6141207B2 (ja) * 2014-01-07 2017-06-07 東芝テック株式会社 情報処理装置、店舗システム及びプログラム
JP2015138449A (ja) * 2014-01-23 2015-07-30 キヤノン株式会社 個人認証装置、個人認証方法及びプログラム
JP6096161B2 (ja) 2014-10-15 2017-03-15 ソニー株式会社 情報処理装置および情報処理方法
US9813906B2 (en) * 2014-11-12 2017-11-07 Qualcomm Incorporated Mobile device to provide enhanced security based upon contextual sensor inputs
CN104835222A (zh) * 2015-04-24 2015-08-12 成都腾悦科技有限公司 一种基于语音识别、面部识别和指纹识别的门禁控制方法
CN104821023A (zh) * 2015-04-24 2015-08-05 成都腾悦科技有限公司 一种安全门禁***的使用方法
CN104835223A (zh) * 2015-04-24 2015-08-12 成都腾悦科技有限公司 一种基于语音识别、面部识别和指纹识别的门禁***
US10678896B2 (en) 2015-06-30 2020-06-09 Samsung Electronics Co., Ltd. Methods and apparatuses for updating user authentication data
KR102415504B1 (ko) * 2015-06-30 2022-07-04 삼성전자주식회사 사용자 인증을 위한 등록 데이터베이스의 갱신 방법 및 장치
CN105184932B (zh) * 2015-10-08 2017-12-22 深圳市雨滴科技有限公司 一种通过智能门禁机进行人员识别的方法及装置
CN105426833A (zh) * 2015-11-13 2016-03-23 小米科技有限责任公司 用于游戏的图像识别方法及装置
JP6719723B2 (ja) * 2015-11-18 2020-07-08 富士ゼロックス株式会社 データ取得装置、印刷装置およびプログラム
CN105528821B (zh) * 2015-12-25 2017-08-29 成都比善科技开发有限公司 一种智能门禁***
CN105389879B (zh) * 2015-12-25 2017-09-29 成都比善科技开发有限公司 一种智能门禁***及其控制方法
WO2017133213A1 (zh) * 2016-02-01 2017-08-10 北京小米移动软件有限公司 指纹识别方法和装置
WO2017146160A1 (ja) 2016-02-26 2017-08-31 日本電気株式会社 顔照合システム、顔照合方法、及び記録媒体
WO2017201675A1 (zh) * 2016-05-24 2017-11-30 深圳普得技术有限公司 一种利用生物信息识别的机器人及其使用方法
CN106887058A (zh) * 2017-01-09 2017-06-23 北京微影时代科技有限公司 人脸识别方法、装置、出入口管理***及闸机
JP7166060B2 (ja) * 2017-03-08 2022-11-07 グローリー株式会社 顔認証システムおよび入力顔データの登録方法
JP7105540B2 (ja) 2017-03-21 2022-07-25 株式会社東芝 Ｉｃカード、およびｉｃカードの制御方法
JP6946031B2 (ja) 2017-03-22 2021-10-06 株式会社東芝 Ｉｃカード、およびｉｃカードの制御方法
JP6976095B2 (ja) * 2017-07-20 2021-12-08 三菱電機ビルテクノサービス株式会社 指紋認証装置および指紋認証方法
CN212846789U (zh) 2017-08-01 2021-03-30 苹果公司 电子设备
WO2019027506A1 (en) 2017-08-01 2019-02-07 Apple Inc. DETERMINATION OF CLEAR-PATTERN LIGHTING VERSUS DENSE
US10210381B1 (en) 2017-08-01 2019-02-19 Apple Inc. Multiple enrollments in facial recognition
DE112018005015T5 (de) * 2017-09-29 2020-07-09 Kabushiki Kaisha Tokai Rika Denki Seisakusho Schaltvorrichtung
CN109598183B (zh) * 2017-09-30 2020-11-06 杭州海康威视数字技术股份有限公司 一种人脸认证的方法、装置及***
JP6994900B2 (ja) * 2017-10-23 2022-01-14 清水建設株式会社 入退場管理システム
CN108734835B (zh) * 2018-05-15 2020-09-11 温州伊诺韦特科技有限公司 一种门禁验证方法及其***
DE102018121254A1 (de) * 2018-08-30 2020-03-05 Bundesdruckerei Gmbh Zugangskontrollsystem zum Erfassen eines Gesichtsbildes einer Person
TWI671685B (zh) * 2018-09-19 2019-09-11 和碩聯合科技股份有限公司 臉部識別方法與使用此方法的電子裝置
JP6998568B2 (ja) * 2019-03-04 2022-01-18 パナソニックＩｐマネジメント株式会社 顔認証システムおよび顔認証方法
CN110765831B (zh) * 2019-06-13 2020-09-22 深圳市思拓通信***有限公司 一种基于特种车的驾驶员信息识别***
CN113010876B (zh) * 2019-12-05 2023-04-18 马上消费金融股份有限公司 一种数据存储的方法、应用账号注册方法及存储装置
CN114339346B (zh) * 2020-09-30 2023-06-23 聚好看科技股份有限公司 显示设备及图像识别结果显示方法
CN116325770A (zh) 2020-05-25 2023-06-23 聚好看科技股份有限公司 显示设备及图像识别结果显示方法
CN112614263A (zh) * 2020-12-30 2021-04-06 浙江大华技术股份有限公司 一种控制闸机的方法、装置、计算机设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4975969A (en) * 1987-10-22 1990-12-04 Peter Tal Method and apparatus for uniquely identifying individuals by particular physical characteristics and security system utilizing the same
US5040213A (en) * 1989-01-27 1991-08-13 Ricoh Company, Ltd. Method of renewing reference pattern stored in dictionary
DE59801086D1 (de) * 1997-05-07 2001-08-30 Siemens Ag Verfahren zur anpassung eines referenzdatensatzes anhand mindestens eines eingabedatensatzes durch einen rechner
JPH10312462A (ja) 1997-05-12 1998-11-24 Omron Corp 本人特定装置
JP3564984B2 (ja) 1997-12-02 2004-09-15 オムロン株式会社 本人特定装置及び本人特定方法
JP3621245B2 (ja) * 1997-12-12 2005-02-16 株式会社東芝 人物認識装置、人物認識方法、および、人物認識プログラムの記録媒体
US6160903A (en) * 1998-04-24 2000-12-12 Dew Engineering And Development Limited Method of providing secure user access
JP2000339466A (ja) 1999-05-31 2000-12-08 Omron Corp データ保存装置及び顔画像保存装置

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7734067B2 (en) 2004-12-07 2010-06-08 Electronics And Telecommunications Research Institute User recognition system and method thereof
KR100747446B1 (ko) * 2005-03-07 2007-08-09 엘지전자 주식회사 휴대단말기의 지문인식 장치 및 방법
KR100808316B1 (ko) * 2005-05-26 2008-02-27 가부시끼가이샤 도시바 인물 검색 장치, 인물 검색 방법 및 입퇴장 관리 시스템
KR100783191B1 (ko) * 2006-10-18 2007-12-07 삼성전자주식회사 영상 제공 방법 및 이를 이용한 촬영 기기와 상기 방법을 수행하는 프로그램이 기록된 기록매체
KR100873445B1 (ko) * 2007-08-14 2008-12-11 주식회사 미디어프론트 영상차이 인식 시스템 및 영상 시스템을 이용한 영상차이인식방법
KR101006861B1 (ko) * 2008-06-30 2011-01-12 주식회사 유니온커뮤니티 지문인증 장치의 인증방법
KR101297736B1 (ko) * 2013-05-07 2013-08-23 주식회사 파이브지티 얼굴 인식 방법 및 시스템
WO2014182014A1 (ko) * 2013-05-07 2014-11-13 주식회사 파이브지티 얼굴 인식 방법 및 시스템
KR20160124719A (ko) * 2013-11-15 2016-10-28 오므론 가부시키가이샤 화상 인식장치 및 화상 인식장치에 대한 데이터 등록방법
US9734163B2 (en) 2013-11-15 2017-08-15 Omron Corporation Image recognition apparatus and data registration method for image recognition apparatus
KR20150134820A (ko) * 2014-05-23 2015-12-02 주식회사 제이에스테크놀러지 얼굴인식을 통해 이용을 제한하는 엘리베이터 감시장치
US9740934B2 (en) 2014-06-12 2017-08-22 Omron Corporation Image recognition device and method for registering feature data in image recognition device

Also Published As

Publication number Publication date
US20040086157A1 (en) 2004-05-06
EP1416427A3 (en) 2006-04-19
CA2438980A1 (en) 2004-05-01
EP1416427A2 (en) 2004-05-06
JP2004157602A (ja) 2004-06-03
JP4314016B2 (ja) 2009-08-12
US7266224B2 (en) 2007-09-04
TWI254254B (en) 2006-05-01
TW200407792A (en) 2004-05-16
KR100550739B1 (ko) 2006-02-08
CN1494037A (zh) 2004-05-05

Similar Documents

Publication Publication Date Title
KR100550739B1 (ko) 인물 인식 장치, 인물 인식 방법 및 통행 제어 장치
CN111133433B (zh) 使用面部识别用于访问控制的自动认证
US7006671B2 (en) Personal identification apparatus and method
EP1291807B1 (en) Person recognition apparatus and method
US6697505B2 (en) Person recognizing apparatus which can reduce time and year changing effects and method therefor
US7239725B2 (en) Face image recognition apparatus
US7330570B2 (en) Face collation apparatus and biometrics data collation apparatus
US7158657B2 (en) Face image recording system
EP0582989B1 (en) A recognition system for recognising people
JP2009003659A (ja) 認証装置、入場管理装置、入退場管理装置、入場管理システム、入退場管理システム、これらの処理方法およびプログラム
JP4594176B2 (ja) 画像処理装置及び入退室管理システム
JP2003141541A (ja) 人物認識装置および通行制御装置
JP2006031103A (ja) 生体認証装置、生体認証方法および通行制御装置
JP4992517B2 (ja) 顔照合装置
JP2004234355A (ja) 人物認識装置、人物認識方法および通行制御装置
JP4564804B2 (ja) 生体情報照合装置
JP2005182184A (ja) 人物認識装置、人物認識方法および通行制御装置
JP2006031388A (ja) 画像類似度演算装置およびそれを利用した画像認識装置、画像類似度演算方法およびそれを利用した画像認識方法、ならびに画像照合用コンピュータプログラムおよびそれを記録した記録媒体
JP2010086403A (ja) 顔認識装置、顔認識方法、及び通行制御装置
JP2004078686A (ja) 個人認証装置、個人認証方法、通行制御装置および通行制御方法
JP2005202731A (ja) 顔認識装置、顔認識方法および通行制御装置
JP2005063173A (ja) 生体認証装置および通行制御装置
JP2005063172A (ja) 顔照合装置および通行制御装置
JP2006059242A (ja) 生体認証装置および通行制御装置
JP2004310287A (ja) 人物認識装置および通行制御装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130118

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20140103

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20141230

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20170102

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20180103

Year of fee payment: 13

FPAY Annual fee payment

Payment date: 20190103

Year of fee payment: 14