RU2014140146A - METHOD FOR HUMAN PERSONALITY IDENTIFICATION BY DIGITAL FACE PICTURE - Google Patents

METHOD FOR HUMAN PERSONALITY IDENTIFICATION BY DIGITAL FACE PICTURE Download PDF

Info

Publication number
RU2014140146A
RU2014140146A RU2014140146A RU2014140146A RU2014140146A RU 2014140146 A RU2014140146 A RU 2014140146A RU 2014140146 A RU2014140146 A RU 2014140146A RU 2014140146 A RU2014140146 A RU 2014140146A RU 2014140146 A RU2014140146 A RU 2014140146A
Authority
RU
Russia
Prior art keywords
image
color
person
face
frame
Prior art date
Application number
RU2014140146A
Other languages
Russian (ru)
Other versions
RU2613852C2 (en
Inventor
Юрий Николаевич Хомяков
Original Assignee
Юрий Николаевич Хомяков
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 Юрий Николаевич Хомяков filed Critical Юрий Николаевич Хомяков
Priority to RU2014140146A priority Critical patent/RU2613852C2/en
Publication of RU2014140146A publication Critical patent/RU2014140146A/en
Application granted granted Critical
Publication of RU2613852C2 publication Critical patent/RU2613852C2/en

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
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • 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
    • 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
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/88—Image or video recognition using optical means, e.g. reference filters, holographic masks, frequency domain filters or spatial domain filters
    • 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
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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
    • G06V40/168—Feature extraction; Face representation
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
    • 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
    • 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
    • G06V40/174—Facial expression recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

Способ идентификации личности человека по цифровому изображению лица, включающий поиск лица человека в кадре, выравнивание яркости и цветности изображения, формирование вектора входного изображения путем фильтрации и приведения к бинарному виду, масштабирование изображения до заданного размера по экстремумам интегральных проекций, сегментацию изображения по связности элементов, формирование интегрального индекса на основе векторов геометрических характеристик, осуществление первичного поиска (путем выделения в индексном пространстве тех точек, расстояние которых от точки запросного индекса не превышает заранее заданной величины), осуществление вторичного поиска путем сравнения векторов геометрических характеристик лица и принятие решения о распознавании, отличающийся тем, что, с целью увеличения быстродействия и надежности распознавания, формируют, используя сопряженные цветную и инфракрасную цифровые TV камеры, два идентичных (по размерам и расположению в кадре) изображения распознаваемого лица в видимом и ИК свете, по ИК изображению находят точное расположение центров зрачков глаз, осуществляют вписывание цветного изображения по координатам центров зрачков в эталонный кадр, далее преобразуют цветное изображение в полутоновое и вычисляют нормированное изображение интенсивности градиента яркости, которое приводят к бинарному виду пороговой обработкой на заданном уровне (изображение А), далее вычисляют изображение направлений градиента яркости (изображение В) и пастеризованное цветное изображение (изображение С), в областях единичных элементов в изображении А выделяют зоны несовпадения с сравнивA method of identifying a person’s identity from a digital image of a person, including searching for a person’s face in the frame, aligning the brightness and color of the image, forming the vector of the input image by filtering and converting to binary, scaling the image to a given size by the extrema of the integrated projections, image segmentation by connecting elements, the formation of an integral index based on vectors of geometric characteristics, the implementation of the primary search (by highlighting in the index space of those points whose distance from the point of the query index does not exceed a predetermined value), the secondary search by comparing the vectors of the geometric characteristics of the face and making a recognition decision, characterized in that, in order to increase the speed and reliability of recognition, they are formed using conjugated color and infrared digital TV cameras, two identical (in size and location in the frame) images of a recognizable face in visible and infrared light, find the exact location of the IR image the center of the pupils of the eyes, they enter the color image at the coordinates of the centers of the pupils into the reference frame, then they convert the color image into grayscale and calculate the normalized image of the intensity of the brightness gradient, which lead to the binary form by threshold processing at a given level (image A), then calculate the image of the directions the brightness gradient (image B) and the pasteurized color image (image C), in the areas of individual elements in image A, zones of mismatch are distinguished with comparing

Claims (1)

Способ идентификации личности человека по цифровому изображению лица, включающий поиск лица человека в кадре, выравнивание яркости и цветности изображения, формирование вектора входного изображения путем фильтрации и приведения к бинарному виду, масштабирование изображения до заданного размера по экстремумам интегральных проекций, сегментацию изображения по связности элементов, формирование интегрального индекса на основе векторов геометрических характеристик, осуществление первичного поиска (путем выделения в индексном пространстве тех точек, расстояние которых от точки запросного индекса не превышает заранее заданной величины), осуществление вторичного поиска путем сравнения векторов геометрических характеристик лица и принятие решения о распознавании, отличающийся тем, что, с целью увеличения быстродействия и надежности распознавания, формируют, используя сопряженные цветную и инфракрасную цифровые TV камеры, два идентичных (по размерам и расположению в кадре) изображения распознаваемого лица в видимом и ИК свете, по ИК изображению находят точное расположение центров зрачков глаз, осуществляют вписывание цветного изображения по координатам центров зрачков в эталонный кадр, далее преобразуют цветное изображение в полутоновое и вычисляют нормированное изображение интенсивности градиента яркости, которое приводят к бинарному виду пороговой обработкой на заданном уровне (изображение А), далее вычисляют изображение направлений градиента яркости (изображение В) и пастеризованное цветное изображение (изображение С), в областях единичных элементов в изображении А выделяют зоны несовпадения с сравниваемым эталоном, из общего числа единичных пикселей изображения А вычитают число совпадающих единичных пикселей в изображении А и сравниваемом эталоне, а в зонах несовпадения подсчитывают и дополнительно вычитают из результата число пикселей в изображениях В и С, не равных по значению соответствующим пикселям эталонов, после сравнения со всеми эталонами по порогу отличия принимается решение о распознавании. A method of identifying a person’s identity from a digital image of a person, including searching for a person’s face in the frame, aligning the brightness and color of the image, forming the vector of the input image by filtering and converting to binary, scaling the image to a given size by the extrema of the integrated projections, image segmentation by connecting elements, the formation of an integral index based on vectors of geometric characteristics, the implementation of the primary search (by highlighting in the index space of those points whose distance from the point of the query index does not exceed a predetermined value), the secondary search by comparing the vectors of the geometric characteristics of the face and making a recognition decision, characterized in that, in order to increase the speed and reliability of recognition, they are formed using conjugated color and infrared digital TV cameras, two identical (in size and location in the frame) images of a recognizable face in visible and infrared light, find the exact location of the IR image the center of the pupils of the eyes, they enter the color image at the coordinates of the centers of the pupils into the reference frame, then they convert the color image into grayscale and calculate the normalized image of the intensity of the brightness gradient, which lead to the binary form by threshold processing at a given level (image A), then calculate the image of the directions the brightness gradient (image B) and the pasteurized color image (image C), in the areas of individual elements in image A, zones of mismatch are distinguished with the reference to be compared, the number of matching unit pixels in image A and the reference to be compared is subtracted from the total number of unit pixels of image A, and in the areas of mismatch, the number of pixels in images B and C that are not equal in value to the corresponding pixels of the standards is calculated and subtracted after comparison with all standards on the threshold of difference, a decision is made on recognition.
RU2014140146A 2014-10-03 2014-10-03 Method of personal identification by digital facial image RU2613852C2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2014140146A RU2613852C2 (en) 2014-10-03 2014-10-03 Method of personal identification by digital facial image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2014140146A RU2613852C2 (en) 2014-10-03 2014-10-03 Method of personal identification by digital facial image

Publications (2)

Publication Number Publication Date
RU2014140146A true RU2014140146A (en) 2016-04-20
RU2613852C2 RU2613852C2 (en) 2017-03-21

Family

ID=55789295

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2014140146A RU2613852C2 (en) 2014-10-03 2014-10-03 Method of personal identification by digital facial image

Country Status (1)

Country Link
RU (1) RU2613852C2 (en)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004118627A (en) * 2002-09-27 2004-04-15 Toshiba Corp Figure identification device and method
US7869657B2 (en) * 2006-06-12 2011-01-11 D & S Consultants, Inc. System and method for comparing images using an edit distance
JP4315215B2 (en) * 2007-05-18 2009-08-19 カシオ計算機株式会社 Imaging apparatus, face detection method, and face detection control program
RU2367015C1 (en) * 2008-05-12 2009-09-10 Дмитрий Валерьевич Шмунк Method of enhancing digital images
DE102008051061B3 (en) * 2008-10-09 2010-04-08 Mr Etikettiertechnik Gmbh & Co. Kg labeling
RU2431191C2 (en) * 2009-01-27 2011-10-10 Государственное образовательное учреждение высшего профессионального образования Академия Федеральной службы охраны Российской Федерации (Академия ФСО России) Method for personal identification through digital facial image
US7991245B2 (en) * 2009-05-29 2011-08-02 Putman Matthew C Increasing image resolution method employing known background and specimen

Also Published As

Publication number Publication date
RU2613852C2 (en) 2017-03-21

Similar Documents

Publication Publication Date Title
US11354827B2 (en) Methods and systems for fusion display of thermal infrared and visible image
PH12018500689A1 (en) A living body detection method and device based on infrared and visible binocular images
WO2019071664A1 (en) Human face recognition method and apparatus combined with depth information, and storage medium
Kim et al. SVD face: illumination-invariant face representation
Batchuluun et al. Gait-based human identification by combining shallow convolutional neural network-stacked long short-term memory and deep convolutional neural network
Ghazali et al. An innovative face detection based on skin color segmentation
CN105184238A (en) Human face recognition method and system
CN106056594A (en) Double-spectrum-based visible light image extraction system and method
NZ764621A (en) System and method for image recognition registration of an athlete in a sporting event
El Maghraby et al. Detect and analyze face parts information using Viola-Jones and geometric approaches
KR101515928B1 (en) Apparatus and method for face recognition using variable weight fusion
RU2009102705A (en) METHOD FOR HUMAN PERSONALITY IDENTIFICATION BY DIGITAL FACE PICTURE
JP2014186505A (en) Visual line detection device and imaging device
NZ630397A (en) Image recognition of vehicle parts
Symeonidis et al. Improving neural non-maximum suppression for object detection by exploiting interest-point detectors
IL304300A (en) Intelligent image segmentation prior to optical character recognition (ocr)
CN103605959A (en) A method for removing light spots of iris images and an apparatus
CN109543582A (en) Human body foreign body detection method based on millimeter-wave image
Das et al. Human face detection in color images using HSV color histogram and WLD
Varma et al. Human skin detection using histogram processing and gaussian mixture model based on color spaces
RU2014140146A (en) METHOD FOR HUMAN PERSONALITY IDENTIFICATION BY DIGITAL FACE PICTURE
Sikander et al. Facial feature detection: A facial symmetry approach
Abood et al. Face Recognition Using Fusion of Multispectral Imaging
US10108877B2 (en) System for capturing pupil and method thereof
Singla et al. Challenges at different stages of an iris based biometric system.

Legal Events

Date Code Title Description
FA92 Acknowledgement of application withdrawn (lack of supplementary materials submitted)

Effective date: 20160630

FZ9A Application not withdrawn (correction of the notice of withdrawal)

Effective date: 20160927

MM4A The patent is invalid due to non-payment of fees

Effective date: 20170526