JP3903783B2 - 顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置 - Google Patents
顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置 Download PDFInfo
- Publication number
- JP3903783B2 JP3903783B2 JP2001381530A JP2001381530A JP3903783B2 JP 3903783 B2 JP3903783 B2 JP 3903783B2 JP 2001381530 A JP2001381530 A JP 2001381530A JP 2001381530 A JP2001381530 A JP 2001381530A JP 3903783 B2 JP3903783 B2 JP 3903783B2
- Authority
- JP
- Japan
- Prior art keywords
- face
- vector
- image
- feature
- basis
- 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.)
- Expired - Lifetime
Links
Images
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
- G06V40/168—Feature extraction; Face representation
-
- 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
Description
【発明の属する技術分野】
本発明は、顔同定や顔識別、顔の表情認識、顔による男女識別、顔による年齢判別等に利用可能な技術に係り、特に静止画像や動画像に映されている顔情報に関するメタデータを生成するメタデータ生成、顔類似度算出およびメタデータのマッチング技術に関する。
【0002】
【従来の技術】
メタデータとは、一般に、データの意味を記述あるいは代表するデータのことであり、顔認識の場合には、主に静止顔画像や動画像などの顔データに関するデータを意味する。
【0003】
映像・画像や音声などのマルチメディアコンテンツに対するメタデータの標準化活動として、MPEG-7(MPEG(Moving Pictures Experts Group) によって標準化されたマルチメディアコンテンツ記述インタフェースの国際標準規格 ,ISO/IEC 15938)の活動が広く知られている。この中で顔認識に関するメタデータの記述子として、顔認識記述子が提案されている(A. Yamada他編, "MPEG-7 Visual part of eXperimental Model Version 9.0," ISO/IEC JTC1/SC29/WG11 N3914, 2001)。
【0004】
この顔認識記述子では、切り出して正規化した顔画像に対して、一般的に固有顔と呼ばれる部分空間法の一種を用いて、顔画像の特徴量を抽出するための基底行列を求め、この基底行列によって画像中から顔特徴量を抽出し、これをメタデータとする。また、この顔特徴量に対する類似度として重み付け絶対値距離を用いることを提案している。
【0005】
また、顔認識に関する技術には様々な方法があることが知られており、例えば、
主成分分析(Moghaddam他,"Probalilistic Visual Learning for Object Detection",IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 17, No. 7, pp. 696-710, 1997)、あるいは、
判別分析(W. Zhao他, "Discriminant Analysis of Principal Components for Face Recognition," Proceedings of the IEEE Third International Conference on Automatic Face and Gesture Recognition, pp. 336-341, 1998)
に基づく固有顔による方法などが知られている。
【0006】
また、指紋画像から得られた特徴量に対して部分空間法を適用する際に、品質指標を導入し適応的にパターン間の距離を測る方法がある (T. Kamei and M. Mizoguchi, “Fingerprint Preselection Using Eigenfeatures,” Proceedings of the 1998 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp.918-923, 1998, 特開平10-177650号公報)。
【0007】
【発明が解決しようとする課題】
しかしながら、上記従来の技術では、十分な顔認識の精度を得られなかった。そこで、本発明の目的は、顔認識の精度を向上させることが可能な顔メタデータ生成技術および顔類似度算出技術を提供し、さらに実用的な顔のマッチングシステムを構築するための技術を提供することにある。
【0008】
【課題を解決するための手段】
本発明によれば、顔画像から信頼性を抽出して、その信頼性に応じて適応的にパターン間の類似度を算出することで、顔認識の精度を向上させることができる。
【0009】
本発明によれば、顔画像から顔特徴量を抽出する顔特徴抽出手段と、前記顔特徴量を用いた顔認識結果の信頼性を表す信頼性指標を抽出する信頼性指標抽出手段と、を備え、前記顔特徴量および前記信頼性指標を顔メタデータとして出力し、前記顔特徴抽出手段は、画像から得られた特徴ベクトルをΛとしたときに、特徴ベクトルΛの部分基底ベクトルによって特定される基底行列Uと特徴ベクトルΛの平均ベクトルΨとを用いて特徴ベクトルv=UT(Λ−Ψ)を算出し、当該特徴ベクトルvを顔特徴量として抽出し、前記信頼性指標抽出手段は、前記顔画像内の画素値を標本とする統計量を前記顔特徴量の顔認識精度の信頼性を表す信頼性指標として抽出することを特徴とする。
【0010】
前記信頼性指標抽出手段は、前記信頼性指標として、前記画像のコントラスト指標を抽出することができる。画像のコントラスト指標としては、前記画像中の画素値の最大値と最小値との差を抽出することを特徴とする。あるいは、画像のコントラスト指標として、前記画像中の画素値の分散あるいは標準偏差を抽出することを特徴とする。
【0011】
さらに、信頼性指標として、前記画像の非対称性指標を抽出することができる。画像の非対称性指標としては、前記画像と該画像を左右反転した画像(以下、反転画像という。)との間の差分の最大値を抽出することを特徴とする。あるいは、画像の非対称性指標として、前記画像と反転画像との間の差分画像の画素値のべき乗の和および平均のいずれかを抽出することを特徴とする。
【0012】
信頼性指標抽出手段は、前記画像のコントラスト指標を抽出する第1信頼性指標抽出手段と、前記画像の非対称性指標を抽出する第2信頼性指標抽出手段と、を備えることを特徴とする。前記第1信頼性指標抽出手段は、画像のコントラスト指標として、画像中の画素値の最大値と最小値の差を抽出し、前記第2信頼性指標抽出手段は、画像の非対称性指標として、画像と反転画像との間の差分の最大値を抽出することを特徴とする。あるいは、前記第1信頼性指標抽出手段は、画像のコントラスト指標として、画像中の画素値の分散および標準偏差の一方を抽出し、 前記第2信頼性指標抽出手段は、画像の非対称性指標として、画像と反転画像との間の差分画像の画素値のべき乗の和および平均の一方を抽出してもよい。
【0013】
前記基底行列Uは、顔画像サンプル集合[Λ]の主成分分析によって得られる基底ベクトルの中から選択した部分基底ベクトルによって特定される、ことを特徴とする。基底行列Uは、顔画像サンプルにおける特徴ベクトル集合[Λ]の主成分分析によって得られる基底ベクトルの中から選択した部分基底ベクトルによって特定される基底行列と、顔画像を左右反転する画素値の変換と対応するように前記基底ベクトルの要素を入れ換えた反転部分基底ベクトルによって特定される基底行列と、の線形和によって得ることもできる。前記特徴ベクトルΛは、画像中の各画素値を要素とするベクトルであるか、あるいは、画像をフーリエ変換し、得られる複素フーリエ成分の各成分の大きさを要素とするベクトルであってもよい。
【0014】
画像の顔情報に関するメタデータ間の類似度を算出する顔類似度算出装置は、前記画像から抽出された顔特徴量と当該顔特徴量に対する信頼性を表す信頼性指標とに基づいて前記類似度を算出する。
【0015】
上記顔類似度算出装置は、比較する顔特徴量に対する信頼性指標を用いて、顔特徴量間の差ベクトルの事後分布に関するパラメータ情報を推定する分布推定手段と、事後分布の対数尤度から導かれる顔特徴間の距離を類似度として算出する距離算出手段と、を有することを特徴とする。
【0016】
前記距離算出手段は、顔特徴量間の差ベクトルの事後分布が正規分布であるとして、前記信頼性指標における正規分布の対数尤度から導かれる適応的マハラノビス距離を類似度として算出することを特徴とする。
【0017】
前記分布推定手段は信頼性指標[θi]に対する差ベクトルsの各要素kの分散σs,k([θi])2を推定し、前記距離算出手段は、前記各要素kの分散σs,k([θi])2を用いて適応的マハラノビス距離を計算する、ことを特徴とする。
【0018】
前記分布推定手段は、信頼性指標[θi]に対する差ベクトルsの各要素kの分散σs,k([θi])2をあらかじめ記憶する分散値テーブルを備え、信頼性指標[θi]によって前記分散値テーブルを参照することによって適応的マハラノビス距離の計算で必要となる分散値を出力する、ことを特徴とする。
【0019】
顔特徴量間の差ベクトルの事後分布が混合分布であるとして、前記距離算出手段は、前記信頼性指標における混合分布の対数尤度から導かれる適応的混合マハラノビス距離を類似度として算出する、ことを特徴とする。
【0020】
比較する顔特徴量に対する信頼性指標を用いて、一致と見倣すべきクラス内における顔特徴量間の差ベクトルの事後分布(クラス内分布)と、不一致と見倣すべきクラス間における顔特徴量間の差ベクトルの事後分布(クラス間分布)と に関するパラメータ情報を推定し、前記クラス内分布および前記クラス間分布の比の対数尤度から導かれる顔特徴量間の距離を類似度として算出する、ことを特徴とする。
【0021】
前記クラス内分布および前記クラス間分布がそれぞれ正規分布であるとして、前記信頼性指標におけるそれぞれの分布の比の対数尤度から導かれる適応的判別距離を類似度として算出することを特徴とする。
【0022】
信頼性指標[θi]に対する差ベクトルsの各要素kのクラス内分散σW,k([θi])2およびクラス間分散σB,k([θi])2 を推定することで、適応的判別距離を類似度として算出することを特徴とする。
【0023】
信頼性指標[θi]に対する差ベクトルsの各要素kのクラス内分散σW,k([θi])2およびクラス間分散σB, k([θi])2の推定のために、クラス内分散σW,k([θi])2をあらかじめ記憶する第1分散値テーブルと、クラス間分散σB,k([θi])2をあらかじめ記憶する第2分散値テーブルとを備え、信頼性指標[θi]によって第1および第2分散値テーブルをそれぞれ参照することで、適応的判別距離において必要となる分散値を推定することを特徴とする。
【0024】
前記クラス内分布および前記クラス間分布がそれぞれ混合分布であるとして、前記信頼性指標におけるそれぞれの混合分布の比の対数尤度から導かれる適応的混合判別距離を類似度として算出することを特徴とする。
【0025】
画像を入力する画像入力部と、顔画像を蓄積する顔画像データベース部と、を有する顔認識システムは、前記画像から抽出された顔特徴量と当該顔特徴量に対する信頼性を表す信頼性指標顔とを顔メタデータとして生成する顔メタデータ生成部と、前記顔メタデータ生成部によって生成された顔メタデータを蓄積する顔メタデータ蓄積部と、顔特徴量と当該顔特徴量に対する信頼性を表す信頼性指標とに基づいて顔類似度を算出する顔類似度算出部と、入力された指令に応じて、前記顔メタデータ生成部、前記顔メタデータ蓄積部および前記顔類似度算出部を制御し、顔画像のマッチングを実行する制御部と、を備える。
【0026】
上述した顔メタデータ生成部および顔類似度算出部を用いることにより、高精度の顔画像マッチングを達成することができる。
【発明の実施の形態】
(発明の原理)
はじめに本発明の原理について説明する。一般に、パターン認識を行う際、認識を行いたいクラスに対する学習データを大量に用意することが可能であるならば、その学習データに対する統計解析に基づいてパターンの分布関数を推定し、パターン認識機構を構築することができる。しかしながら、顔認識応用の場合、個人毎には1枚だけの登録画像しか得られず、ごく少数の登録画像しか許されないことが多い。
【0027】
このような場合であっても、顔の特徴ベクトルに対して信頼性指標という指標を与え、その指標に基づくクラスを考えることで、その信頼性指標に対するクラスの統計解析を行いパターンの分布関数を推定することで、一枚の登録画像しか得られないような顔認識応用に対しても信頼性指標を通じた分布関数に基づくパターン認識機構を構築することができる。
【0028】
以下、誤差分布に基づく場合のマハラノビス距離とクラス内分布やクラス間分布に基づく判別距離についての顔認識の原理について説明する。
【0029】
いま、ある一人の顔を観測する場合を考える。誤差がない場合に顔画像から得られる特徴ベクトルをv0とし、実際に観測 される観測ベクトルvは、誤差ベクトルεが重畳しているとする(数1)。
【0030】
【数1】
ここで、特徴ベクトルv0を2回観測するとすれば、二つの観測ベクトルv1とv2が得られる(数2)。
【0031】
【数2】
いま、誤差ベクトルε1、誤差ベクトルε2に対して相関を持つ信頼性指標θ1、信頼性指標θ2がそれぞれ得られ、その事後分布がp(ε|θ1)、p(ε|θ2)であるとする。
【0032】
このような分布が得られたときのv1とv2の差ベクトルsの事後分布がp(s|θ1,θ2)と表されるとすれば、パターン間の類似度d(v1,v2)として、次の対数尤度を用いることができる。
【0033】
【数3】
事後分布p(ε|θ1)、p(ε|θ2)がそれぞれ正規分布であるとすると、差ベクトルsの分布p(s|θ1, θ2)も正規分布となる。ここで、誤差ベクトルの事後分布p(ε|θi) (i=1,2)として平均0で共分散行列Σε(θi)の正規分布を考えると、差ベクトルsの分布は、平均0で、共分散行列Σs(θ1, θ2)は次式(数4)となる。
【0034】
【数4】
つまり、事後分布p(s|θ1, θ2)は次式(数5)で表される。
【0035】
【数5】
従って、(数3)は、次式(数6)に示すように、共分散行列Σε(θ1)やΣε(θ2)を用いて、信頼性指標θ1,やθ2に対して適応的なマハラノビス距離に書き表すことができる。
【0036】
【数6】
誤差ベクトルの各要素間における独立性を仮定すれば、(数5)は次式(数7)となる。
【0037】
【数7】
ここで、σs,k(θ1, θ2)2は共分散行列Σs(θ1, θ2)のk番目の対角要素であり、つまり、観測誤差の分散である。また、σε,k(θ1)2、σε,k(θ2)2は、それぞれ共分散行列Σε(θ1)、Σε(θ2)のk番目の対角要素である。skは差ベクトルsのk番目の要素である。
【0038】
このように正規分布を仮定することで、(数3)は、次式(数8)のように各特徴ベクトルの要素毎の分散σε,k(θ1)、σε,k(θ2)を用いて、信頼性指標θ1やθ2に対して適応的なマハラノビス距離によって類似度を定義することができる。
【0039】
【数8】
ここで、v1,k、v2,kはそれぞれ特徴ベクトルv1、v2のk番目の要素である。
【0040】
上記説明では事後分布p(s|θ1, θ2)として正規分布を仮定したが、以下、混合正規分布を仮定する。さて、事後分布p(s|θ1, θ2)として、次式(数9)によって示すように、正規分布p(s|θ1, θ2, j) (j=1,2,...,M)の和によって事後分布p(s|θ1, θ2)が表現できると仮定する。
【0041】
【数9】
従って、次式(数10)により適応的混合マハラノビス距離を定義することができる。
【0042】
【数10】
事後分布p(s|θ1, θ2, j)の共分散行列Σs(θ1, θ2, j)およびP(j)の推定については、一般的な推定方法である最尤推定法やEMアルゴリズムを用いて推定することができる (C.M. Bishop, "Neural Networks for Pattern Recognition", Oxford University Express, 1995)。
【0043】
混合正規分布を仮定することで、分布をより正確に近似でき、マッチング性能が向上するが、大量の学習データが必要になるとともに演算量もまた大幅に増加する。
【0044】
前述の誤差分布に基づくマハラノビス距離は、検索する顔が他の登録されている顔データの中でどれに最も近いかを調べる顔同定(face identification)のような問題に対して優れている距離である。
【0045】
一方、顔識別(face verification)の問題では、入力された顔が登録された画像との同一性を判定する上で、受け入れるか、棄却するかが重要な問題である。以下で説明する「判別距離」と名付ける距離は、この顔識別問題に対しては 前述のマハラノビス距離を用いる場合よりも、優れた類似度尺度となっている。
【0046】
いま、顔の二つの特徴ベクトルvが、一致すると判定すべき、つまり、二つの特徴ベクトルが同一クラス内に属している(例えば、二つの特徴ベクトルが同じ人物の顔データである)ならば、それらの特徴ベクトルの組み合わせはクラスWに属しているとする。また、二つの特徴ベクトルvが不一致と判定すべき、つまり、クラス間の特徴ベクトルである(例えば、二つの特徴ベクトルが異なった人物の顔データである)ならば、それらの組み合わせはクラスBに属しているとする。
【0047】
二つの特徴ベクトルv1、v2に対して信頼性指標θ1、θ2が得られるとする。差ベクトルsと二つの信頼性指標θ1、θ2(以下、二つの信頼性指標のセットを[θi]と表記する。)が観測されたときに一致している と見倣すクラスWと不一致と見倣すべきクラスBとの判別問題を考えると、次式(数11)の判別則(decision rule)が得られる。
【0048】
【数11】
上記(数11)の左辺は、ベイズ定理(Bayes Theorem)によって次式(数12)のように書き直すことができる。
【0049】
【数12】
ここで、W、Bと[θi]の生じる確率は独立であると仮定して、P(W,[θi])=P(W)P([θi])、P(B,[θi])=P(B)P([θi])としている。
【0050】
パターン間の距離d(v1,v2)として(数12)の対数尤度を計算することで、次式(数13)のように、顔識別問題に適した類似度を求めることができる。
【0051】
【数13】
個別のマッチング毎に事前確率P(W)、P(B)が異なり、且つ、それを知ることができるならば、(数13)の第2項を計算することが望ましい。しかし、多くの場合、個別のマッチング毎に事前確率を知ることができないので、事前確率は一定と仮定することで、第2項を一定と見倣し、類似度の計算からは除外する。
【0052】
事後確率P(s|W,[θi])、P(s|B,[θi])を、それぞれクラス内分布pW(s|[θi])、クラス間分布pB(s|[θi])と書き代えると、次式(数14)となる。
【0053】
【数14】
次に、クラス内分布pW(s|[θi])、クラス間分布pB(s|[θi])がそれぞれ正規分布であると仮定し、その平均がそれぞれ0、共分散行列がそれぞれΣW([θi])、ΣB([θi])とすれば、事後分布はそれぞれ次式(数15)で書き表すことができる。
【0054】
【数15】
上式を(数14)に代入すると(但し、(数14)の第2項は省略)、次式(数16)で示す距離を得ることができる。これを「適応的判別距離」と呼ぶことにする。
【0055】
【数16】
差ベクトルsの各要素間における独立性を仮定すれば、(数15)は、次式となる。
【0056】
【数17】
ここで、σW,k(θi)2、σB,k(θi)2は、それぞれ共分散行列ΣW(θi)、ΣB(θi)のk番目の対角要素であり、つまり、クラス内分散とクラス間分散に相当する。skは差ベクトルsのk番目の要素である。
【0057】
このように正規分布を仮定することで(数16)は、次式(数18)のように、各特徴ベクトルの要素毎のクラス内分散σW,k(θi)2、クラス間分散σB,k(θi)2を用いて、信頼性指標[θi]に対して適応的な判別距離による類似度を定義することができる。
【0058】
【数18】
上記までの説明ではクラス内分散σW,k(θi)2、クラス間分散σB,k(θi)2として 正規分布を仮定したが、以下では混合分布を仮定する。
【0059】
次式(数19)のように、クラス内分布pW(s|[θi])、クラス間分布pB(s|[θi])として、それぞれ正規分布pW(s|[θi], jW) (jW=1,2,...,MW)、pB(s|[θi], jB) (jB=1,2,...,MB)の和によって事後分布が表現できると仮定する。
【0060】
【数19】
従って、この対数尤度を用いて次式(数20)の適応的混合マハラノビス距離を導くことができる。
【0061】
【数20】
クラス内分布pW(s|[θi], jW)、クラス間分布pB(s|[θi], jB)の共分散行列ΣW(s|[θi], jW)、ΣB(s|[θi], jB)および P(jW)、P(jB)の推定については、最尤推定法やEMアルゴリズムを用いて推定することができる。
【0062】
混合分布を仮定することで、分布をより正確に近似でき、マッチング性能を 向上させることができるが、同時に大量の学習データが必要になるとともに、演算量も大幅に増加する。
【0063】
このように顔特徴量に対してさらに信頼性指標を抽出することによって、信頼性指標に対して適応的な距離規範を導くことができ、高精度な顔認識機構を構築することができる。なお、上記では、特徴ベクトルに対する信頼性指標をスカラー量(一つの成分のみ)か、ベクトル量(複数の成分をもつ)か特定していないが、どちらの場合でも成立する議論であり、複数の要素を用いることで、性能の向上が期待できる。
【0064】
具体的な信頼性指標については、実験的に有効な信頼性指標を発見することが必要であり、顔認識の場合では、画像のコントラストを表すコントラスト指標や、正面顔の認識では、照明変動や姿勢変動によって生じる顔画像の左右の対称性の歪みからの量を表す非対称指標を用いると高い効果が得られ、それらの信頼性指標を組み合わせてベクトル量とすることで、より精度の向上が期待できる。
【0065】
(実施の形態)
図1は、本発明の一実施形態による顔画像マッチングシステムを示すブロック図である。以下、顔画像マッチングシステムについて詳細に説明する。
【0066】
図1に示すように、本発明による顔画像マッチングシステムには、顔画像を入力する顔画像入力部11と、入力された顔画像からそれらの顔特徴量、信頼性指標の顔メタデータを生成する顔メタデータ生成部12と、抽出された顔メタデータを蓄積する顔メタデータ蓄積部13と、顔メタデータから顔の類似度を算出する顔類似度算出部14と、顔画像を蓄積する顔画像データベース15と、画像の登録要求・検索要求に応じて、画像の入力・メタデータの生成・メタデータの蓄積・顔類似度の算出の制御を行う制御部16と、顔画像や他の情報を表示するディスプレイの表示部17と、が設けられている。
【0067】
また、顔メタデータ生成部12は、入力された顔画像から顔特徴を抽出する顔特徴抽出部121と、信頼性指標を抽出する信頼性指標抽出部122とから構成され、顔類似度算出部14は、信頼性指標から事後分布に関するパラメータ情報を推定する分布推定部141と顔特徴量と分布推定部141からの事後分布情報から顔特徴量間の距離を算出する距離算出部142によって構成される。
【0068】
登録時には、画像入力部11では、スキャナあるいはビデオカメラなどで顔写真等を顔の大きさや位置を合わせた上で入力する。あるいは、人物の顔を直接ビデオカメラなどから入力しても構わない。この場合には、前述のMoghaddamの文献に示されているような顔検出技術を用いて、入力された画像の顔位置を検出し、顔画像の大きさ等を自動的に正規化する方がよいであろう。
【0069】
また、入力された顔画像は必要に応じて顔画像データベース15に登録する。顔画像登録と同時に、顔メタデータ生成部12によって顔メタデータを生成し、顔メタデータ蓄積部13に蓄積する。
【0070】
検索時には同様に顔画像入力部11によって顔画像を入力し、顔メタデータ生成部12にて顔メタデータを生成する。生成された顔メタデータは、一旦 顔メタデータ蓄積部13に登録するか、または、直接に顔類似度算出部14へ送られる。検索では、予め入力された顔画像がデータベース中にあるかどうかを確認する場合(顔同定)には、顔メタデータ蓄積部13に登録されたデータの一つ一つとの類似度を算出する。最も類似度が高い(距離値が小さい)結果に基づいて制御部16では、顔画像データベース15から、顔画像を選び、表示部17等に顔画像の表示を行い、検索画像と登録画像における顔の同一性を作業者が確認する。
【0071】
一方、予めID番号等で特定された顔画像と検索の顔画像が一致するかどうかを確認する場合(顔識別)では、特定されたID番号の顔画像と一致するか否かを顔類似度算出部14にて計算し、予め決められた類似度よりも類似度が低い(距離値が大きい)場合には一致しないと判定し、類似度が高い場合には一致すると判定し、その結果を表示部17に表示する。このシステムを入室管理用に用いるならば、表示する代わりに、制御部16から自動ドアに対して、その開閉制御信号を送ることで、自動ドアの制御によって入室管理を行うことができる。
【0072】
上記のように、顔画像マッチングシステムは動作するが、このような動作はコンピュータシステム上で実現することもできる。たとえば、次に詳述するようなメタデータ生成を実行するメタデータ生成プログラムおよび類似度算出を実行する類似度算出プログラムをそれぞれメモリに格納しておき、これらをプログラム制御プロセッサによってそれぞれ実行することで顔画像マッチングを実現することができる。
【0073】
次に、この顔画像マッチングシステムの動作、特に顔メタデータ生成部12と顔類似度算出部14について詳細に説明する。
【0074】
(1)顔メタデータ生成
顔メタデータ生成部12では、位置と大きさを正規化した画像I(x, y)を用いて、顔特徴量を抽出する。位置と大きさの正規化は、例えば、目位置が(16, 24)、(31, 24)、サイズが46×56画素となるように画像を正規化しておくとよい。以下では、このサイズに画像が正規化されている場合について説明する。
【0075】
顔特徴量として、所謂、固有顔の手法(前述Moghaddamの論文)を用いて特徴抽出する。つまり、画像中の画素値を要素とする特徴ベクトルΛに対して、顔画像サンプル集合[Λ]の主成分分析によって得られた基底ベクトルの中から選択した部分基底ベクトルによって特定される基底行列Uと、顔画像サンプル集合[Λ]における平均ベクトルである平均顔Ψとを用いて、特徴ベクトルv=UT(Λ−Ψ)を算出し特徴ベクトルとする。このように、入力画像ではなく、部分基底ベクトルを用いることで、入力画像のデータ量を削減することができる。このようにデータ量を削減することは、メタデータベースにおける蓄積量を少なくするだけではなく、高速なマッチングを実現するためには重要な要素である。この特徴ベクトルの次元数としては、例えば、48次元の特徴量を用いればよい。
【0076】
このように一般的に用いられる固有顔による手法の他に、主成分分析に対して判別分析を組み合わせた手法(前述、W. Zhaoの論文)等を用いて部分基底ベクトルを規定しても構わない。
【0077】
また、前述したような顔画像サンプルにおける特徴ベクトル集合[Λ]の主成分分析や判別分析によって得られる基底ベクトルの中から選択した部分基底ベクトルによって特定される基底行列Unと、顔画像を左右反転される画素値の変換と対応するように基底ベクトルの要素を入 れ換えた反転部分基底ベクトルによって特定される基底行列Umの線形和によって得られる行列U(= aUn + bUm)を基底行列として、顔特徴ベクトルを抽出してもよい。例えばa=b=1とすると、得られる顔特徴ベクトルは、入力画像空間で左右の変換に対して対称な成分のみを抽出 することができる。顔は本来左右対称であるので、照明の影響で非対称となった画像成分や顔の向きが正面に向いていないために生じる非対称成分が本来ノイズに相当するものであるので、これを除去し、対称な成分のみを抽出することで、照明や姿勢の変動に対して安定な顔特徴量を抽出することが可能となる。
【0078】
また、画像をフーリエ変換し、得られた複素フーリエ成分の各成分の大きさを要素とするベクトルを特徴ベクトルΛとして算出し、上記のような主成分分析や判別分析によって次元圧縮を行い顔特徴量を抽出してもよい。このように画像をフーリエ変換することで、位置ずれに対して強い顔特徴量を抽出することができる。このようにして、顔特徴抽出部121では、顔特徴量vを抽出する。
【0079】
信頼性指標抽出部122では、顔特徴量vの信頼性指標として有効なコントラスト指標θcontrastと非対称性指標θasymmetricを抽出する。コントラスト指標θcontrastとして、顔画像 I(x,y)の画素値の標準偏差を次式(数21)によって計算する。
【0080】
【数21】
ここでround()は数値の丸め処理を意味する。このように抽出された信頼性指標θcontrastを[0,1,2,...,15]の4 bitの範囲に収まるように、値域を越えるものは値を制限する。なお、上記ではコントラスト指標として、画像の標準偏差を計算したが、分散や画像中の画素値の最大値と最小値の差を抽出してもよい。画像中の画素値の最大値と最小値による コントラスト指標は、標準偏差や分散による場合よりも演算量が少ないが、効果は相対的に小さい。
【0081】
非対称性指標θasymmetricとして、顔画像 I(x,y)とその反転画像との間の差分の絶対値(1乗)の平均を次式(数22)により抽出する。
【0082】
【数22】
このように抽出された信頼性指標θasymmetricを[0,1,2,...,15]の4 bitの範囲に収まるように値域を越えるものは値を制限する。なお、上記では非対称指標として、絶対値による値(1乗)を用いたが差分の2乗等を用いてもよい。また、平均の代わりに、和等の値を用いても同等の効果を得ることができる。また、差分の最大値を検出して、その値を非対称指標として用いれば演算量が少なくて済む。
【0083】
信頼性指標抽出部122では、顔画像に対して、特徴ベクトルvと信頼性指標θcontrastと信頼性指標θasymmetricを抽出し、顔メタデータとして出力する。前述したように、上記顔メタデータ生成手順をコンピュータプログラムによってコンピュータに実行させることもできる。
【0084】
(2)顔類似度算出
次に、顔類似度算出部14の動作について説明する。顔類似度算出部14では、二つの顔メタデータの信頼性指標θcontrast,1、θconstrast,2とθasymmetri c,1、θasymmetric,2を用いて、分布推定部141が事後分布に関するパラメータ情報を推定し、二つの顔メタデータの二つの特徴ベクトルv1、v 2と事後分布に関するパラメータ情報とを用いて距離算出部142が顔特徴間の類似度dを算出する。
【0085】
ここでは、(数8)あるいは(数18)によって顔の類似度を計算する場合について説明する。
【0086】
(数8)あるいは(数18)にて表記されている信頼性指標θ1、θ2は本実施形態ではベクトルであり、それぞれの要素はθ1 = (θcontrast,1, θasymmetric,1)T、θ2 = (θcontrast,2, θasymmetric,2)Tとなる。コントラスト指標、非対称性指標はそれぞれ4bitで表現されているので、θiのとり得る状態は256個の状態となる。与えられた信頼性指標θiによって、256個の状態の中の一つの状態が特定できる。
【0087】
分布推定部141では、後述するように、予め求めておいた信頼性指標θ(256個の状態がある)に対する差ベクトルの分散値σε, k(θ)や分散値σW,k(θ)、分散値σB,k (θ)をテーブルに記憶しておき、信頼性指標θ1およびθ2を用いて、それぞれの分散値テーブルの値を参照し、得られた分散値を事後分布情報として、距離算出部142に引き渡す。なお、顔同定の場合には、(数8)で必要な分散値σε,k(θ1)、分散値σε,k (θ2)の値を距離算出部142に出力すればよく、顔識別の場合には、(数18)に必要な分散値σW,k(θ)、分散値σB,k(θ)を出力する。
【0088】
距離算出部142では、(数8)あるいは(数18)に従って適応的マハラノビス距離あるいは適応的判別距離を算出し、類似度dとして出力する。
【0089】
前述した分散値テーブルの分散値は、予め用意した顔画像データサンプルを用いて計算しておく。顔画像サンプルにおける特徴ベクトル集合[vi]とその信頼性指標[θi]から、それぞれの分散値は次のように計算できる。
【0090】
【数23】
【0091】
【数24】
ここで、"(i, j)がクラスWに属する"とは、データiとデータjが同一クラス(同一人物)から得られたデータである(クラス内である)ことを意味し、"(i, j)がクラスBに属する"とは、データiとデータjが異なるクラス(異なる人物)から得られたデータである(クラス間である)ことを意味する。また、Nε(θ)、NW(θ)、NB(θ)はそれぞれのクラスに属するデータの組み合わせの数である。このようにθのビン毎に分散値を計算する際に、そのデータ数が少な過ぎる場合には、近傍のビンのデータを併合するようにして、サンプル数を確保するようにする(これは、分布推定におけるk近傍法(前述Bishop の文献,pp.53)によってbinを併合するのと同様な手法である)。
【0092】
ここで、(数18)の場合、(数4)と同様に、σW,k([θi])2 = σW,k(θ1)2 + σW,k(θ2)2、および、σB,k([θi])2 = σB,k(θ1)2 +σB,k(θ2)2となることに注意されたい。
【0093】
なお、誤差分散σε,k(θ)2とクラス内分散σW,k(θ)2が同じになるので、顔画像マッチングシステムで(数8)と(数18)の両方の距離を計算する場合には、これらの分散値テーブルを共有して構わない。
【0094】
また、誤差分布とクラス間分布は強い相関がある場合が多いので、誤差分 散σε,k(θ)2の代わりにクラス間分散σB,k(θ)2を用いても、信頼性指標を用いない場合よりは精度が向上する(しかし、誤差分散を用いた方が精度が良い)。
【0095】
このように顔メタデータ間の類似度を信頼性指標θcontrastや信頼性指標θasymmetricを介した事後分布情報を用いて算出することで、精度のよい顔認識を行うことが可能である。前述したように、上記顔類似度算出手順をコンピュータプログラムによってコンピュータに実行させることもできる。
【0096】
なお、ここでは(数8)と(数18)を用いて、類似度を計算しているが、次のような様々な計算方法によって近似的に計算し、高速化等を図ることもできる。
【0097】
【数25】
【0098】
【数26】
上記各式の右辺第二項(lnの部分)を計算しないことで、さらなる高速演算を図ることができる。
【0099】
また、(数6)や(数16)によって類似度を計算する場合も、基本的には同様に予め用意した顔画像データサンプルから、それぞれの計算に必要な差ベクトルの誤差の共分散行列Σε(θ)や差ベクトルのクラス内の共分散行列ΣW(θ)、クラス間の共分散行列ΣB(θ)を算出して、共分散テーブルとして用意しておき、類似度計算の際にその共分散テーブルを参照するようにすればよい。この方法は共分散行列を用いて距離を計算するために演算量が増加するが、十分な学習サンプルがある場合には類似度計算の精度を向上させることができる。
【0100】
(数3)の事後分布や(数14)のクラス間分布、クラス間分布に対して混合正規分布を仮定して、分布関数を推定することで、それぞれ(数10)や(数20)の適応的混合マハラノビス距離や適応的混合判別距離を計算してもよい。この場合も、分散や共分散行列を用いて、事後分布情報を計算するのと同様に顔画像データサンプルから、混合正規分布を表す共分散行列Σs(θ1, j)、P(j)等の混合分布を特定するパラメータを求めておき、テーブルとして記憶しておけばよい。なお、この推定については、一般的な推定方法である最尤推定法やEMアルゴリズムを用いて推定すればよい。
【0101】
ここまでの説明では、一枚の顔画像が登録され、一枚の顔画像を用いて検索する場合について説明したが、一人の顔に対して複数の画像が登録され、一枚の顔画像を用いて検索する場合には、例えば、次のようにすればよい。
【0102】
検索側の特徴ベクトルをvqueとし、登録側の特徴ベクトルをvreg,kとし、複数画像登録の場合の類似度dmulti(vque, [vreg,1, vreg,2, ... ,vreg,n])として、次式(数27、数28)に示す計算式に基づき類似度を計算すればよい。
【0103】
【数27】
あるいは、
【0104】
【数28】
同様に1つの顔当たりの複数枚の画像登録と複数画像による検索の場合も、各組み合わせの類似度の平均や最小値を求め類似度を算出することで、一つの顔データに対する類似度を算出することができる。これは、動画像を複数画像と見倣すことで、本発明のマッチングシステムを動画像における顔認識に対しても適用できることを意味する。
【0105】
また、上記説明では、同一人物の顔の同定や顔の識別を中心に説明したが、例えば、男性の顔を一つのカテゴリー、女性の顔を一つのカテゴリーと考えて、それぞれの分布に関する情報を求め、男女の顔を識別する性別識別を行ったり、笑った顔、怒った顔、悲しい顔などの表情のカテゴリーを考えて、顔の表情を認識する表情認識に適用することも可能である。10代、20代、30代、40代というようにカテゴリーを設定し、そのカテゴリー毎に誤差分布、クラス内分布やクラス間分布を求めることで、年齢判別を行うことも可能であり、様々な顔認識に対して本発明を適用することが可能である。
【0106】
【発明の効果】
以上詳細に説明したように、本発明によれば、顔特徴量に対してその信頼性を表現するための信頼性指標を加えて顔メタデータとして生成することで、信頼性指標を通じた適応的な距離を導くことができ、その距離を用いて精度の高い顔認識を行うことが可能となる。
【図面の簡単な説明】
【図1】 本発明の一実施形態による顔画像マッチングシステムの構成を示すブロック図である。
【符号の説明】
11: 顔画像入力部
12: 顔メタデータ生成部
13: 顔メタデータ蓄積部
14: 顔類似度算出部
15: 顔画像データベース
16: 制御部
17: 表示部
121: 顔特徴抽出部
122: 信頼性指標抽出部
141: 分布推定部
142: 距離算出部
Claims (10)
- 顔画像から顔特徴量を抽出する顔特徴抽出手段と、前記顔特徴量を用いた顔認識結果の信頼性を表す信頼性指標を抽出する信頼性指標抽出手段とを備え、前記顔特徴量および前記信頼性指標を顔メタデータとして出力する顔メタデータ生成装置において、
前記顔特徴抽出手段は、前記顔画像から得られた特徴ベクトルをΛとしたときに、特徴ベクトルΛの部分基底ベクトルによって特定される基底行列Uと特徴ベクトルΛの平均ベクトルΨとを用いて特徴ベクトルv=UT(Λ−Ψ)を算出し、当該特徴ベクトルvを顔特徴量として抽出し、
前記信頼性指標抽出手段は、前記顔画像内の画素値を標本とする統計量を前記顔特徴量の顔認識精度の信頼性を表す信頼性指標として抽出することを特徴とする顔メタデータ生成装置。 - 前記基底行列Uは、顔画像サンプル集合[Λ]の主成分分析によって得られる基底ベクトルの中から選択した部分基底ベクトルによって特定される、ことを特徴とする請求項1に記載の顔メタデータ生成装置。
- 前記基底行列Uは、顔画像サンプルにおける特徴ベクトル集合[Λ]の主成分分析によって得られる基底ベクトルの中から選択した部分基底ベクトルによって特定される基底行列と、顔画像を左右反転する画素値の変換と対応するように前記基底ベクトルの要素を入れ換えた反転部分基底ベクトルによって特定される基底行列と、の線形和によって得られる、ことを特徴とする請求項1に記載の顔メタデータ生成装置。
- 前記特徴ベクトルΛは画像中の各画素値を要素とするベクトルであることを特徴とする請求項1ないし3のいずれかに記載の顔メタデータ生成装置。
- 前記特徴ベクトルΛは、画像をフーリエ変換し、得られる複素フーリエ成分の各成分の大きさを要素とするベクトルであることを特徴とする請求項1ないし3のいずれかに記載の顔メタデータ生成装置。
- 顔画像から抽出する顔特徴量と前記顔特徴量を用いた顔認識結果の信頼性を表す信頼性指標とを顔メタデータとして出力する顔メタデータ生成方法において、
前記顔画像から得られた特徴ベクトルをΛとしたときに、特徴ベクトルΛの部分基底ベクトルによって特定される基底行列Uと特徴ベクトルΛの平均ベクトルΨとを用いて特徴ベクトルv=U T ( Λ−Ψ ) を算出し、当該特徴ベクトルvを前記顔特徴量として抽出し、
前記顔画像内の画素値を標本とする統計量を前記顔特徴量の顔認識精度の信頼性を表す信頼性指標として抽出する、
ことを特徴とする顔メタデータ生成方法。 - 前記基底行列Uは、顔画像サンプル集合 [ Λ ] の主成分分析によって得られる基底ベクトルの中から選択した部分基底ベクトルによって特定される、ことを特徴とする請求項6に記載の顔メタデータ生成方法。
- 前記基底行列Uは、顔画像サンプルにおける特徴ベクトル集合 [ Λ ] の主成分分析によって得られる基底ベクトルの中から選択した部分基底ベクトルによって特定される基底行列と、顔画像を左右反転する画素値の変換と対応するように前記基底ベクトルの要素を入れ換えた反転部分基底ベクトルによって特定される基底行列と、の線形和によって得られる、ことを特徴とする請求項6に記載の顔メタデータ生成方法。
- 前記特徴ベクトルΛは画像中の各画素値を要素とするベクトルであることを特徴とする 請求項6ないし8のいずれかに記載の顔メタデータ生成方法。
- 前記特徴ベクトルΛは、画像をフーリエ変換し、得られる複素フーリエ成分の各成分の大きさを要素とするベクトルであることを特徴とする請求項6ないし8のいずれかに記載の顔メタデータ生成方法。
Priority Applications (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001381530A JP3903783B2 (ja) | 2001-12-14 | 2001-12-14 | 顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置 |
DE60232365T DE60232365D1 (de) | 2001-12-14 | 2002-12-16 | Gesichts-metadatenerzeugung und gesichts-ähnlichkeitsberechnung |
CNB2006101218606A CN100492397C (zh) | 2001-12-14 | 2002-12-16 | 人脸元数据生成设备和生成方法、人脸识别系统和方法 |
CNB028173597A CN100367311C (zh) | 2001-12-14 | 2002-12-16 | 人脸元数据生成与人脸相似度计算 |
PCT/JP2002/013114 WO2003052690A1 (fr) | 2001-12-14 | 2002-12-16 | Creation de metadonnees faciales et calcul de similarites faciales |
EP02790768A EP1460580B1 (en) | 2001-12-14 | 2002-12-16 | Face meta-data creation and face similarity calculation |
CNB2006101218610A CN100492398C (zh) | 2001-12-14 | 2002-12-16 | 人脸元数据生成设备和生成方法、人脸识别系统和方法 |
US10/488,213 US7593551B2 (en) | 2001-12-14 | 2002-12-16 | Face meta-data generation and face similarity calculation |
EP08167201A EP2017770B1 (en) | 2001-12-14 | 2002-12-16 | Face meta-data generation and face similarity calculation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001381530A JP3903783B2 (ja) | 2001-12-14 | 2001-12-14 | 顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置 |
Related Child Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006212710A Division JP4375570B2 (ja) | 2006-08-04 | 2006-08-04 | 顔認識方法およびシステム |
JP2006212711A Division JP4375571B2 (ja) | 2006-08-04 | 2006-08-04 | 顔類似度算出方法および装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2003187229A JP2003187229A (ja) | 2003-07-04 |
JP3903783B2 true JP3903783B2 (ja) | 2007-04-11 |
Family
ID=19187349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001381530A Expired - Lifetime JP3903783B2 (ja) | 2001-12-14 | 2001-12-14 | 顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US7593551B2 (ja) |
EP (2) | EP1460580B1 (ja) |
JP (1) | JP3903783B2 (ja) |
CN (3) | CN100492397C (ja) |
DE (1) | DE60232365D1 (ja) |
WO (1) | WO2003052690A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10878657B2 (en) | 2018-07-25 | 2020-12-29 | Konami Gaming, Inc. | Casino management system with a patron facial recognition system and methods of operating same |
US11521460B2 (en) | 2018-07-25 | 2022-12-06 | Konami Gaming, Inc. | Casino management system with a patron facial recognition system and methods of operating same |
Families Citing this family (80)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7778438B2 (en) | 2002-09-30 | 2010-08-17 | Myport Technologies, Inc. | Method for multi-media recognition, data conversion, creation of metatags, storage and search retrieval |
US6996251B2 (en) | 2002-09-30 | 2006-02-07 | Myport Technologies, Inc. | Forensic communication apparatus and method |
US10721066B2 (en) | 2002-09-30 | 2020-07-21 | Myport Ip, Inc. | Method for voice assistant, location tagging, multi-media capture, transmission, speech to text conversion, photo/video image/object recognition, creation of searchable metatags/contextual tags, storage and search retrieval |
GB2402535B (en) * | 2003-06-05 | 2006-06-21 | Canon Kk | Image processing |
JP4483334B2 (ja) * | 2004-02-18 | 2010-06-16 | 富士ゼロックス株式会社 | 画像処理装置 |
AU2005218408A1 (en) * | 2004-03-03 | 2005-09-15 | Nec Corporation | Object posture estimation/correlation system, object posture estimation/correlation method, and program for the same |
US7697026B2 (en) * | 2004-03-16 | 2010-04-13 | 3Vr Security, Inc. | Pipeline architecture for analyzing multiple video streams |
US20060083414A1 (en) * | 2004-10-14 | 2006-04-20 | The Secretary Of State For The Home Department | Identifier comparison |
KR100634527B1 (ko) * | 2004-11-26 | 2006-10-16 | 삼성전자주식회사 | 층 기반 영상 처리 장치 및 방법 |
US20110102553A1 (en) * | 2007-02-28 | 2011-05-05 | Tessera Technologies Ireland Limited | Enhanced real-time face models from stereo imaging |
JP2006338092A (ja) * | 2005-05-31 | 2006-12-14 | Nec Corp | パタン照合方法、パタン照合システム及びパタン照合プログラム |
CN101194288B (zh) * | 2005-06-08 | 2010-06-09 | 皇家飞利浦电子股份有限公司 | 用于快速可变形的基于点成像的点次选取 |
JP4696857B2 (ja) * | 2005-11-02 | 2011-06-08 | オムロン株式会社 | 顔照合装置 |
KR100723417B1 (ko) | 2005-12-23 | 2007-05-30 | 삼성전자주식회사 | 얼굴 인식 방법, 그 장치, 이를 위한 얼굴 영상에서 특징추출 방법 및 그 장치 |
JP4771139B2 (ja) * | 2006-02-14 | 2011-09-14 | オムロン株式会社 | 異常検出装置および方法、記録媒体、並びに、プログラム |
JP4951995B2 (ja) * | 2006-02-22 | 2012-06-13 | オムロン株式会社 | 顔照合装置 |
WO2007140609A1 (en) * | 2006-06-06 | 2007-12-13 | Moreideas Inc. | Method and system for image and video analysis, enhancement and display for communication |
CN100383806C (zh) * | 2006-06-08 | 2008-04-23 | 上海交通大学 | 基于鲁棒位置保留映射的人脸识别方法 |
CN100527170C (zh) * | 2006-09-20 | 2009-08-12 | 清华大学 | 一种复杂表情仿真系统及其实现方法 |
US8031914B2 (en) * | 2006-10-11 | 2011-10-04 | Hewlett-Packard Development Company, L.P. | Face-based image clustering |
KR100828371B1 (ko) * | 2006-10-27 | 2008-05-08 | 삼성전자주식회사 | 컨텐츠의 메타 데이터 생성 방법 및 장치 |
JP4787180B2 (ja) | 2007-01-24 | 2011-10-05 | 富士フイルム株式会社 | 撮影装置及び撮影方法 |
DE602008001607D1 (de) | 2007-02-28 | 2010-08-05 | Fotonation Vision Ltd | Trennung der direktionalen beleuchtungsvariabilität in der statistischen gesichtsmodellierung auf basis von texturraumzerlegungen |
US8027541B2 (en) * | 2007-03-15 | 2011-09-27 | Microsoft Corporation | Image organization based on image content |
US8295603B2 (en) * | 2007-03-28 | 2012-10-23 | Sharp Kabushiki Kaisha | Image processing apparatus, image forming apparatus, image processing system, and image processing method |
GB2449125A (en) * | 2007-05-11 | 2008-11-12 | Sony Uk Ltd | Metadata with degree of trust indication |
US8041076B1 (en) * | 2007-08-09 | 2011-10-18 | Adobe Systems Incorporated | Generation and usage of attractiveness scores |
CN101393597B (zh) * | 2007-09-19 | 2011-06-15 | 上海银晨智能识别科技有限公司 | 识别人脸是否为正面脸的方法 |
CN101414348A (zh) * | 2007-10-19 | 2009-04-22 | 三星电子株式会社 | 多角度人脸识别方法和系统 |
US8180112B2 (en) * | 2008-01-21 | 2012-05-15 | Eastman Kodak Company | Enabling persistent recognition of individuals in images |
WO2009093525A1 (ja) * | 2008-01-23 | 2009-07-30 | Niigata University | 識別装置、識別方法及び識別処理プログラム |
US8750578B2 (en) | 2008-01-29 | 2014-06-10 | DigitalOptics Corporation Europe Limited | Detecting facial expressions in digital images |
JP5141696B2 (ja) | 2008-02-22 | 2013-02-13 | 日本電気株式会社 | 生体認証装置、生体認証方法及び生体認証用プログラム |
PL2289173T3 (pl) * | 2008-05-15 | 2018-03-30 | Koninklijke Philips N.V. | Sposób, urządzenie, oraz produkt w postaci programu komputerowego do kompresji i dekompresji obrazu sekwencjonowania genów |
US8520979B2 (en) * | 2008-08-19 | 2013-08-27 | Digimarc Corporation | Methods and systems for content processing |
JP4720880B2 (ja) * | 2008-09-04 | 2011-07-13 | ソニー株式会社 | 画像処理装置、撮像装置、画像処理方法およびプログラム |
GB0819069D0 (en) | 2008-10-17 | 2008-11-26 | Forensic Science Service Ltd | Improvements in and relating to methods and apparatus for comparison |
JP5247480B2 (ja) * | 2009-01-13 | 2013-07-24 | キヤノン株式会社 | オブジェクト識別装置及びオブジェクト識別方法 |
US8254699B1 (en) * | 2009-02-02 | 2012-08-28 | Google Inc. | Automatic large scale video object recognition |
WO2010110181A1 (ja) * | 2009-03-27 | 2010-09-30 | 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 |
CN102713975B (zh) * | 2010-01-12 | 2016-02-03 | 日本电气株式会社 | 图像整理系统、图像整理方法和计算机程序 |
US9465993B2 (en) | 2010-03-01 | 2016-10-11 | Microsoft Technology Licensing, Llc | Ranking clusters based on facial image analysis |
US10108852B2 (en) * | 2010-06-07 | 2018-10-23 | Affectiva, Inc. | Facial analysis to detect asymmetric expressions |
US8320644B2 (en) | 2010-06-15 | 2012-11-27 | Apple Inc. | Object detection metadata |
WO2012071677A1 (en) * | 2010-11-29 | 2012-06-07 | Technicolor (China) Technology Co., Ltd. | Method and system for face recognition |
US9251854B2 (en) * | 2011-02-18 | 2016-02-02 | Google Inc. | Facial detection, recognition and bookmarking in videos |
US8836777B2 (en) | 2011-02-25 | 2014-09-16 | DigitalOptics Corporation Europe Limited | Automatic detection of vertical gaze using an embedded imaging device |
JP5923723B2 (ja) * | 2011-06-02 | 2016-05-25 | パナソニックIpマネジメント株式会社 | 人物属性推定システム、人物属性推定装置、及び人物属性推定方法 |
EP2557524A1 (en) * | 2011-08-09 | 2013-02-13 | Teclis Engineering, S.L. | Method for automatic tagging of images in Internet social networks |
US20130044927A1 (en) * | 2011-08-15 | 2013-02-21 | Ian Poole | Image processing method and system |
CN102955931B (zh) * | 2011-08-19 | 2015-11-25 | 株式会社理光 | 识别图像中特定对象的方法以及使用该方法的系统 |
CN103020576B (zh) * | 2011-09-20 | 2015-09-30 | 华晶科技股份有限公司 | 特征数据压缩装置、多方向人脸侦测系统及其侦测方法 |
JP5836095B2 (ja) * | 2011-12-05 | 2015-12-24 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
CN102567719B (zh) * | 2011-12-26 | 2014-07-02 | 东南大学 | 基于后验概率神经网络的人类年龄自动估计方法 |
US8861855B2 (en) * | 2012-01-18 | 2014-10-14 | The United States Of America As Represented By The Secretary Of The Air Force | Method and apparatus for simplifying electro-optical imaging systems |
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 |
JP6074182B2 (ja) | 2012-07-09 | 2017-02-01 | キヤノン株式会社 | 画像処理装置及び画像処理方法、プログラム |
JP6016489B2 (ja) | 2012-07-09 | 2016-10-26 | キヤノン株式会社 | 画像処理装置、画像処理装置の制御方法、プログラム |
JP5963609B2 (ja) * | 2012-08-23 | 2016-08-03 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
JP5787845B2 (ja) * | 2012-08-24 | 2015-09-30 | 株式会社東芝 | 画像認識装置、方法、及びプログラム |
US9183062B2 (en) * | 2013-02-25 | 2015-11-10 | International Business Machines Corporation | Automated application reconfiguration |
US8971668B2 (en) * | 2013-02-27 | 2015-03-03 | Adobe Systems Incorporated | Covariance based color characteristics of images |
CN105074641A (zh) * | 2013-04-01 | 2015-11-18 | 索尼公司 | 显示控制装置、显示控制方法和显示控制程序 |
CN105359188B (zh) * | 2013-07-01 | 2019-04-16 | 日本电气方案创新株式会社 | 属性估计系统 |
CN103810663B (zh) * | 2013-11-18 | 2017-09-26 | 北京航天金盾科技有限公司 | 一种基于人像识别的人口数据清理方法 |
US9405963B2 (en) * | 2014-07-30 | 2016-08-02 | International Business Machines Corporation | Facial image bucketing with expectation maximization and facial coordinates |
CN106446754A (zh) * | 2015-08-11 | 2017-02-22 | 阿里巴巴集团控股有限公司 | 图像识别方法、度量学习方法、图像来源识别方法及装置 |
JP6700791B2 (ja) * | 2016-01-05 | 2020-05-27 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN107203529B (zh) * | 2016-03-16 | 2020-02-21 | 中国移动通信集团河北有限公司 | 基于元数据图结构相似性的多业务关联性分析方法及装置 |
EP3440628A4 (en) * | 2016-03-29 | 2019-12-11 | Nec Corporation | IMAGE PROCESSING DEVICE, IMAGE PROCESSING METHOD, AND COMPUTER-READABLE RECORDING MEDIUM |
DE102016122649B3 (de) * | 2016-11-24 | 2018-03-01 | Bioid Ag | Biometrisches Verfahren |
TWI731919B (zh) * | 2017-01-19 | 2021-07-01 | 香港商斑馬智行網絡(香港)有限公司 | 圖像識別方法與裝置及度量學習方法與裝置 |
US10678846B2 (en) * | 2017-03-10 | 2020-06-09 | Xerox Corporation | Instance-level image retrieval with a region proposal network |
CN107169473A (zh) * | 2017-06-10 | 2017-09-15 | 广东聚宜购家居网络科技有限公司 | 一种人脸识别控制系统 |
WO2019050508A1 (en) * | 2017-09-06 | 2019-03-14 | Hitachi Data Systems Corporation | EMOTION DETECTION ACTIVATED VIDEO CUSHIONING |
WO2019193781A1 (ja) | 2018-04-04 | 2019-10-10 | パナソニックIpマネジメント株式会社 | 感情推定装置、感情推定方法及びプログラム |
EP3631646A1 (en) | 2018-05-01 | 2020-04-08 | Google LLC. | Accelerated large-scale similarity calculation |
JP6815667B1 (ja) | 2019-11-15 | 2021-01-20 | 株式会社Patic Trust | 情報処理装置、情報処理方法、プログラム及びカメラシステム |
JP6713153B1 (ja) | 2019-11-15 | 2020-06-24 | 株式会社Patic Trust | 情報処理装置、情報処理方法、プログラム及びカメラシステム |
CN113158948A (zh) * | 2021-04-29 | 2021-07-23 | 宜宾中星技术智能系统有限公司 | 信息生成方法、装置、终端设备 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0520442A (ja) | 1991-07-17 | 1993-01-29 | Nippon Telegr & Teleph Corp <Ntt> | 顔画像照合装置 |
JPH0546743A (ja) * | 1991-08-09 | 1993-02-26 | Matsushita Electric Ind Co Ltd | 個人識別装置 |
JP2840816B2 (ja) | 1995-03-13 | 1998-12-24 | 株式会社エイ・ティ・アール通信システム研究所 | 表情検出装置 |
AU5135996A (en) * | 1995-03-20 | 1996-10-08 | Lau Technologies | Systems and methods for identifying images |
US5710833A (en) * | 1995-04-20 | 1998-01-20 | Massachusetts Institute Of Technology | Detection, recognition and coding of complex objects using probabilistic eigenspace analysis |
JPH1055412A (ja) | 1996-06-06 | 1998-02-24 | Fujitsu Ltd | 特徴ベクトルの部分固有空間への射影による特徴選択を用いたパターン認識装置及び方法 |
US6111978A (en) * | 1996-12-13 | 2000-08-29 | International Business Machines Corporation | System and method for determining ridge counts in fingerprint image processing |
JP2815045B2 (ja) | 1996-12-16 | 1998-10-27 | 日本電気株式会社 | 画像特徴抽出装置,画像特徴解析装置,および画像照合システム |
US6151403A (en) * | 1997-08-29 | 2000-11-21 | Eastman Kodak Company | Method for automatic detection of human eyes in digital images |
US6108437A (en) * | 1997-11-14 | 2000-08-22 | Seiko Epson Corporation | Face recognition apparatus, method, system and computer readable medium thereof |
JPH11306325A (ja) | 1998-04-24 | 1999-11-05 | Toshiba Tec Corp | 対象物検出装置及び対象物検出方法 |
JP4087953B2 (ja) | 1998-07-14 | 2008-05-21 | 株式会社東芝 | パターン認識装置及びその方法 |
JP3468108B2 (ja) | 1998-07-15 | 2003-11-17 | 松下電器産業株式会社 | 顔画像照合方法及び顔画像照合装置 |
US6292575B1 (en) * | 1998-07-20 | 2001-09-18 | Lau Technologies | Real-time facial recognition and verification system |
GB2341231A (en) * | 1998-09-05 | 2000-03-08 | Sharp Kk | Face detection in an image |
JP2000099722A (ja) | 1998-09-22 | 2000-04-07 | Toshiba Corp | 人物顔認識装置及び人物顔認識方法 |
JP2000132675A (ja) | 1998-10-29 | 2000-05-12 | Matsushita Electric Ind Co Ltd | 顔識別・照合方法及びその装置 |
JP2000187733A (ja) | 1998-12-22 | 2000-07-04 | Canon Inc | 画像処理装置及び方法並びに記憶媒体 |
JP2000306095A (ja) | 1999-04-16 | 2000-11-02 | Fujitsu Ltd | 画像照合・検索システム |
KR100343223B1 (ko) * | 1999-12-07 | 2002-07-10 | 윤종용 | 화자 위치 검출 장치 및 그 방법 |
JP3877274B2 (ja) | 2000-03-24 | 2007-02-07 | 富士通株式会社 | 画像照合処理システム |
JP4443722B2 (ja) | 2000-04-25 | 2010-03-31 | 富士通株式会社 | 画像認識装置及び方法 |
-
2001
- 2001-12-14 JP JP2001381530A patent/JP3903783B2/ja not_active Expired - Lifetime
-
2002
- 2002-12-16 WO PCT/JP2002/013114 patent/WO2003052690A1/ja active Application Filing
- 2002-12-16 EP EP02790768A patent/EP1460580B1/en not_active Expired - Fee Related
- 2002-12-16 US US10/488,213 patent/US7593551B2/en active Active
- 2002-12-16 CN CNB2006101218606A patent/CN100492397C/zh not_active Expired - Fee Related
- 2002-12-16 CN CNB028173597A patent/CN100367311C/zh not_active Expired - Fee Related
- 2002-12-16 CN CNB2006101218610A patent/CN100492398C/zh not_active Expired - Fee Related
- 2002-12-16 EP EP08167201A patent/EP2017770B1/en not_active Expired - Fee Related
- 2002-12-16 DE DE60232365T patent/DE60232365D1/de not_active Expired - Lifetime
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10878657B2 (en) | 2018-07-25 | 2020-12-29 | Konami Gaming, Inc. | Casino management system with a patron facial recognition system and methods of operating same |
US11455864B2 (en) | 2018-07-25 | 2022-09-27 | Konami Gaming, Inc. | Casino management system with a patron facial recognition system and methods of operating same |
US11521460B2 (en) | 2018-07-25 | 2022-12-06 | Konami Gaming, Inc. | Casino management system with a patron facial recognition system and methods of operating same |
Also Published As
Publication number | Publication date |
---|---|
EP2017770A3 (en) | 2009-07-01 |
US7593551B2 (en) | 2009-09-22 |
EP1460580B1 (en) | 2009-05-13 |
DE60232365D1 (de) | 2009-06-25 |
CN100367311C (zh) | 2008-02-06 |
JP2003187229A (ja) | 2003-07-04 |
CN100492397C (zh) | 2009-05-27 |
EP1460580A4 (en) | 2007-06-13 |
WO2003052690A1 (fr) | 2003-06-26 |
CN1912891A (zh) | 2007-02-14 |
CN1552041A (zh) | 2004-12-01 |
US20040197013A1 (en) | 2004-10-07 |
EP2017770A2 (en) | 2009-01-21 |
CN1912890A (zh) | 2007-02-14 |
EP2017770B1 (en) | 2013-02-20 |
CN100492398C (zh) | 2009-05-27 |
EP1460580A1 (en) | 2004-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3903783B2 (ja) | 顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置 | |
JP3873793B2 (ja) | 顔メタデータ生成方法および顔メタデータ生成装置 | |
JP4543423B2 (ja) | 対象物自動認識照合方法および装置 | |
JP4375570B2 (ja) | 顔認識方法およびシステム | |
Kekre et al. | Performance Comparison for Face Recognition using PCA, DCT &WalshTransform of Row Mean and Column Mean | |
WO2013181695A1 (en) | Biometric verification | |
JP4375571B2 (ja) | 顔類似度算出方法および装置 | |
Rani et al. | Face recognition using principal component analysis | |
Nagendra et al. | Video-based face recognition and face-tracking using sparse representation based categorization | |
CN110321935B (zh) | 业务事件关系确定方法及装置、计算机可读存储介质 | |
Cai et al. | Robust facial expression recognition using RGB-D images and multichannel features | |
Mau et al. | Video face matching using subset selection and clustering of probabilistic multi-region histograms | |
Tan et al. | Face recognition algorithm based on open CV | |
KR100711223B1 (ko) | 저니키(Zernike)/선형 판별 분석(LDA)을 이용한얼굴 인식 방법 및 그 방법을 기록한 기록매체 | |
Poh et al. | Face video competition | |
Gambhir et al. | Person recognition using multimodal biometrics | |
Tistarelli et al. | Understanding iconic image-based face biometrics | |
US20240127631A1 (en) | Liveness detection method and apparatus, and computer device | |
Lin et al. | A new approach using modified Hausdorff distances with eigenface for human face recognition | |
Atallah et al. | A review study: The effect of face aging at Estimating Age and Face Recognition | |
Zhang et al. | Face Detection Based on Two Dimensional Principal Component Analysis and Support Vector Machine | |
Shah et al. | Biometric authentication based on detection and recognition of multiple faces in image | |
Ayo et al. | Normalized Independent Component Analysis for Face Recognition | |
CN115909421A (zh) | 一种智能门锁人脸识别加密方法及系统 | |
Wang et al. | Bilateral two dimensional linear discriminant analysis for stereo face recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060613 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060804 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060919 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061120 |
|
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: 20061219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070101 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 3903783 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110119 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110119 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120119 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130119 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130119 Year of fee payment: 6 |
|
EXPY | Cancellation because of completion of term |