CN101023446B - 脸部认证装置和脸部认证方法 - Google Patents

Abstract

特征量抽取用图像生成部件(2)根据所输入的图像生成对各像素值实施了规定运算后得到的特征量抽取用图像。脸部检测部件(3)及两眼检测部件(4)根据特征量抽取用图像进行脸部检测及两眼检测。特征量取得部件(6)从根据两眼的位置标准化后得到的图像中抽取特征量。脸部认证部件(10)通过比较由特征量取得部件(6)取得的特征量和预先登记的特征量来进行脸部认证。

Description

脸部认证装置和脸部认证方法

技术领域

本发明涉及一种从拍摄脸部所得到的图像中抽取脸部区域，通过比较该脸部区域的图像和预先登记的数据来进行认证的脸部认证装置和脸部认证方法。

背景技术

现有的脸部认证装置在从输入到装置中的脸部图像中检测脸部区域时，对以眉间为中心的圆心的像素的像素值进行傅立叶变换，求出具有频率2的区域作为脸部区域。另外，在进行脸部认证时使用利用Zernike(泽尔尼克)力矩抽取的特征量(例如，参照专利文献1)。

专利文献1：特开2002-342760号公报

但是，上述现有的脸部认证装置在检测脸部区域时，对以眉间为中心的圆心的像素的像素值进行傅立叶变换，并将具有频率2的区域作为脸部区域，因此例如在眉毛被头发覆盖的图像的情况下，难以正确地求出脸部区域。

另外存在的问题是，即使在可以进行脸部图像认证的情况下，在求出进行认证时使用的泽尔尼克力矩时也必须进行复杂的运算等，运算量多，例如在对运算能力有限制的便携电话或PDA(Personal DigitalAssistants，个人数字助理)中，计算成本高，难以实现实时处理。

本发明为了解决上述问题而作出，其目的在于提供一种脸部认证装置及脸部认证方法，即便是各种各样的脸部图像，也可以正确地抽取脸部区域，并且可减少运算量。

发明内容

本发明的脸部认证装置具备：特征量抽取用图像生成部件，针对所输入的图像生成对各像素值实施了规定运算后得到的特征量抽取用图像；脸部检测部件，从特征量抽取用图像中检测脸部区域；两眼检测部件，从特征量抽取用图像中检测两眼的位置；特征量取得部件，从根据两眼的位置将脸部区域标准化后得到的图像中抽取特征量；和脸部认证部件，比较预先登记的个人特征量和由特征量取得部件取得的特征量，来进行脸部认证。

由此，可谋求提高作为脸部认证装置的可靠性和削减运算量。

附图说明

图1是表示本发明实施方式1的脸部认证装置的框图。

图2是表示本发明实施方式1的脸部认证装置的动作的流程图。

图3是表示本发明实施方式1的脸部认证装置的原图像与积分图像的关系的说明图。

图4是表示本发明实施方式1的脸部认证装置的、分割图像后进行处理的方法的说明图。

图5是本发明实施方式1的脸部认证装置的矩形滤波器的说明图。

图6是本发明实施方式1的脸部认证装置的、求出像素值合计的处理的说明图。

图7是本发明实施方式1的脸部认证装置的、求出分割积分图像后求出时的矩形内的像素值合计的处理的说明图。

图8是本发明实施方式1的脸部认证装置在检测脸部区域时作为检测对象的搜索块的说明图。

图9是表示本发明实施方式1的脸部认证装置的脸部区域检测处理的流程图。

图10是表示本发明实施方式1的脸部认证装置的脸部区域检测结果的说明图。

图11是本发明实施方式1的脸部认证装置的两眼搜索的说明图。

图12是本发明实施方式1的脸部认证装置的眼睛区域的搜索动作的说明图。

图13是本发明实施方式1的脸部认证装置的标准化处理的说明图。

图14是本发明实施方式1的脸部认证装置的特征量数据库的说明图。

具体实施方式

下面，为了更详细地说明本发明，参照附图说明实施本发明的最佳方式。

实施方式1

图1是表示本发明实施方式1的脸部认证装置的框图。

本实施方式的脸部认证装置具备：图像输入部件1、特征量抽取用图像生成部件2、脸部检测部件3、两眼检测部件4、脸部图像标准化部件5、特征量取得部件6、特征量存储部件7、特征量抽取用图像存储部件8、特征量数据库9、脸部认证部件10。

图像输入部件1是用于输入图像的功能部，例如由搭载在便携电话或PDA等上的数码相机、利用外部存储器等输入的图像、使用通信手段从因特网等取得的取得部件等构成。

特征量抽取用图像生成部件2是针对图像输入部件1输入的图像取得对各像素值实施了规定运算后得到的特征量抽取用图像的部件。所谓特征量抽取用图像例如是积分图像，其详情后述。

脸部检测部件3是根据特征量抽取用图像生成部件2取得的特征量抽取用图像，采用规定方法来检测脸部区域的功能部。两眼检测部件4是采用与脸部检测部件3相同的方法，从脸部区域中检测两眼区域的功能部。脸部图像标准化部件5是根据两眼检测部件4检测出的两眼的位置，将脸部区域放大或缩小至作为脸部认证对象的图像尺寸的功能部。特征量取得部件6是从标准化后的脸部图像中取得用于脸部认证的特征量的功能部，特征量存储部件7是将该特征量送到特征量数据库9或脸部认证部件10的功能部。

特征量抽取用图像存储部件8是存储特征量抽取用图像生成部件2所取得的特征量抽取用图像的功能部，脸部检测部件3～特征量取得部件6构成为根据存储于该特征量抽取用图像存储部件8中的特征量抽取用图像来进行各种处理。另外，特征量数据库9是存储用于由脸部检测部件3使用的脸部特征量、用于由两眼检测部件4使用的眼睛特征量以及用于由脸部认证部件10使用的各人特征量的数据库。并且，脸部认证部件10是比较由特征量取得部件6取得的、作为认证对象的特征量和预先登记在特征量数据库9中的各人的脸部特征量数据来进行脸部认证的功能部。

下面，说明本实施方式的脸部认证装置的动作。

图2是表示动作的流程图。

首先，在图像输入部件1中输入图像(步骤ST101)。这里，以利用装备在便携电话或PDA等上的数码相机拍摄的图像、由外部存储器等输入的图像、使用通信手段从因特网等取得的图像等可以输入便携电话或PDA等的所有图像为对象。

接着，在特征量抽取用图像生成部件2中求出特征量抽取用图像(步骤ST102)。这里，所谓特征量抽取用图像是利用在脸部检测、两眼检测、脸部认证中用于抽取各自的特征的、被称为Rectangle Filter(矩形滤波器)的滤波器来对图像进行滤波时所用的图像，例如如图3所示，是沿x、y座标的座标轴方向(水平垂直方向)求出像素值的累计后的积分图像。

积分图像可用下式求出。

设灰度标度图像为I(x，y)，则积分图像I′(x，y)以下式表示。

$I^{\′}(x,y)=\underset{y^{\′}\≥y}{\mathrm{\Σ}}\underset{x^{\′}\≥x}{\mathrm{\Σ}}I(x^{\′},y^{\′})$

图3是表示由特征量抽取用图像生成部件2将原图像转换成积分图像后的结果的说明图。

例如，在将原图像11转换成积分图像时，如积分图像12所示。即，对应于原图像11的各像素值的积分图像12的运算值变成从图面左上方的像素值起沿水平垂直方向使原图像11的各像素值相加后得到的值。

由于以灰度标度图像为对象求出积分图像，所以对于彩色图像，在利用下式将像素值转换一次后求出积分图像。

设彩色图像的各像素的R分量、G分量、B分量为Ir、Ig、Ib，则灰度标度I例如用下式求出。另外，也可求出RGB各分量的平均值。

I(x，y)＝0.2988I_r(x，y)+0.5868I_g(x，y)+0.1144I_b(x，y)

这里，在图像输入部件1中，要输入的图像尺寸例如是300万像素等大尺寸时，存在不能以用于表现积分图像的各像素值的整数型数据来表现的情况。即，存在积分值溢出整数型数据尺寸的情况。

因此，本实施方式考虑这种情况，在不溢出的范围内如下分割图像，求出分割后的各部分图像的积分图像。

另外，在本实施方式中，积分图像12是原样累计了原图像11的像素值后得到的值，但即便是使原图像11的各像素值进行平方后得到的值的积分图像，也可同样地适用。但是，这种情况下，为了使积分值不溢出整数型的数据尺寸，分割变得更细(分割图像小)。

图4是表示分割图像后进行处理的方法的说明图。

在图中，13～16表示分割后的图像，17～19表示搜索窗口与分割后的各图像重叠的情形。

这样，在本实施方式中，利用分割后的各部分图像13、14、15、16来求积分图像。这种情况下，存在求出合计值的矩形跨过多个分割图像的情况，该情况考虑有纵向不同的情况18、横向不同的情况17、四个分割图像不同的情况19这3种情况。各种情况下的处理方法后述。

在如上求出积分图像后，在脸部检测部件3中从图像中检测脸部区域(步骤ST104)。

在本实施方式的脸部认证装置中，人类的脸部特征、眼睛特征、脸部的个人差别特征都通过使用多个图5示出的矩形滤波器20来对图像进行滤波后得到的响应值的组合来表现。

图5示出的矩形滤波器20求出在固定尺寸的检索块内、例如在24×24像素的块内，从白色矩形内的像素值合计中减去阴影线矩形内的像素值合计后得到的值。

即，将由下式表现的值作为矩形滤波器20的响应。

RF＝∑I(x_w，y_w)-∑I(x_b，y_b)

这里，I(x_w，y_w)表示白色矩形内的像素值合计，I(x_b，y_b)表示阴影线矩形内的像素值合计。

另外，图5示出的矩形滤波器20表示基本构成，实际上在搜索块内存在位置及大小不同的多个矩形滤波器20。

脸部检测部件3使用适于检测人物脸部的多个矩形滤波器，对应于滤波后的多个滤波响应值来进行加权，根据加权后的值的线性和是否比阈值大，来判定搜索块是否是脸部区域。即，对应于滤波响应值而赋予的权值表示脸部的特征，该权值事先利用学习算法等获得。

即，用下面的判别式进行识别。

$F=\underset{i\∈\∀}{\mathrm{\Σ}}{\mathrm{RFw}}_i$

其中，RFw_i表示针对矩形滤波器响应的权值，F表示权值的线性和，th表示脸部判定阈值。

如上所述，脸部检测部件3根据搜索块内的各矩形的像素值合计来进行脸部检测。此时，作为用于有效进行像素值合计运算的手段，使用由特征量抽取用图像生成部件2求出的积分图像。

例如，如图6所示，在求由区域21内的ABCD包围的矩形内的像素值合计时，若使用积分图像，则矩形内的像素值合计可用下式求出。

S＝Int(x_d，y_d)-Int(x_b，y_b)-Int(x_c，y_c)+Int(x_a，y_a)

Int(x_d，y_d)：点D处的积分像素值

Int(x_b，y_b)：点B处的积分像素值

Int(x_c，y_c)：点C处的积分像素值

Int(x_a，y_a)：点A处的积分像素值

这样，一旦求出积分图像，则矩形内的像素值合计可仅通过4点的运算来求出，从而可有效地求出任意矩形内的像素值合计。另外，由于积分图像12的积分像素值也用整数表示，所以使用这样的积分图像12来进行各种处理的本实施方式的脸部认证处理可全部通过整数运算来进行。

这里，如上所述，在分割图像后求出积分图像时，如图4中的17～19所示，存在与多个分割图像重叠、必须求像素值合计的情况。

作为重叠的图案，如上所述，分成纵向重叠的情况18、横向重叠的情况17、与四个分割图像重叠的情况19。

图7是表示三个重叠图案的情况的说明图。

首先，在纵向重叠的情况下，如图中的22所示，在求ABEF内的像素值合计时，可用下式求出。

S＝Int(x_d，y_d)+Int(x_a，y_a)-(Int(x_b，y_b)+Int(x_c，y_c))+Int(x_f，y_f)+Int(x_c，y_c)-(Int(x_e，y_e)+Int(x_d，y_d))

Int(x_d，y_d)：点D处的积分像素值

Int(x_b，y_b)：点B处的积分像素值

Int(x_c，y_c)：点C处的积分像素值

Int(x_a，y_a)：点A处的积分像素值

Int(x_e，y_e)：点E处的积分像素值

Int(x_f，y_f)：点F处的积分像素值

在横向重叠的情况下也可以与上述同样地求出。例如图7的23中的ABEF也可以用下式求出。

S＝Int(x_d，y_d)+Int(x_a，y_a)-(Int(x_b，y_b)+Int(x_c，y_c))+Int(x_f，y_f)+Int(x_c，y_c)-(Int(x_e，y_e)+Int(x_d，y_d))

Int(x_d，y_d)：点D处的积分像素值

Int(x_b，y_b)：点B处的积分像素值

Int(x_c，y_c)：点C处的积分像素值

Int(x_a，y_a)：点A处的积分像素值

Int(x_e，y_e)：点E处的积分像素值

Int(x_f，y_f)：点F处的积分像素值

在与四个分割图像重叠的情况下，只要使与各分割图像重叠的部分的像素值合计相加即可。例如，如图7的24所示，在求矩形AGEI的像素值合计时，可用下式求出。

S＝Int(x_a，y_a)+Int(x_d，y_d)-(Int(x_b，y_b)+Int(x_c，y_c))+Int(x_c，y_c)+Int(x_f，y_f)-(Int(x_d，y_d)+Int(x_e，y_e))+Int(x_b，y_b)+Int(x_h，y_h)-(Int(x_d，y_d)+Int(x_g，y_g))+Int(x_d，y_d)+Int(x_i，y_i)-(Int(x_f，y_f)+Int(x_h，y_h))

Int(x_d，y_d)：点D处的积分像素值

Int(x_b，y_b)：点B处的积分像素值

Int(x_c，y_c)：点C处的积分像素值

Int(x_a，y_a)：点A处的积分像素值

Int(x_e，y_e)：点E处的积分像素值

Int(x_f，y_f)：点F处的积分像素值

Int(x_g，y_g)：点G处的积分像素值

Int(x_h，y_h)：点H处的积分像素值

Int(x_i，y_i)：点I处的积分像素值

接着，通常将用于上述脸部特征量抽取的搜索块固定成例如24×24像素等，在学习脸部特征量时学习该搜索块尺寸的脸部图像。但是，使用尺寸固定的搜索块不可能从图像中检测出以任意大小拍摄的脸部区域。为了解决该问题，具有放大或缩小图像来生成多个分辨率图像、或者放大或缩小搜索块两种方法中的任意一种方法，使用哪一种方法都可以。

在本实施方式中，在结合多个分辨率来求出积分图像时，由于存储器效率差，所以放大或缩小搜索块。即，如下述那样，通过以恒定的放大缩小率来放大搜索块，可检测任意大小的脸部区域。

图8是检测脸部区域时作为检测对象的搜索块的说明图。

通过图中的搜索块25的放大或缩小来检测脸部区域的动作如下。

图9是表示脸部区域检测处理的流程图。

首先，设放大缩小率S为1.0，从等倍的搜索块开始(步骤ST201)。

脸部检测一边将搜索块沿纵横方向每次移动一个像素，一边判定搜索块内的图像是否是脸部区域，如果是脸部区域，则存储其座标(步骤ST202～步骤ST209)。

首先，求出使矩形滤波器内的矩形座标乘以放大缩小率S时的新矩形座标(构成矩形的顶点的座标)(步骤ST204)。

这里，仅简单地使各座标值乘以放大缩小率S，会产生舍入误差，从而无法求出正确的座标值。因此，将搜索块放大或缩小时的各矩形座标用下式求出。

$r_N=((r_C+1)\·S-1)+\left(\frac{(r_C-\mathrm{top})}{\mathrm{height}}\right)\·(S\·\mathrm{height})$

$c_N=((c_C+1)\·S-1)+\left(\frac{(c_C-\mathrm{left})}{\mathrm{width}}\right)\·(S\·\mathrm{width})$

在上述计算式中，top是矩形的左上方Y座标，left是矩形的左上方X座标，height是矩形的高度，width是矩形的宽度，S是放大缩小率，rc、cc是矩形的原始顶点座标，rn、cn是转换后的顶点座标。

上述计算式不依赖于矩形座标，是使矩形的大小始终保持恒定所必需的。

以上述求出的座标为基础，根据存储于特征量抽取用图像存储部件8中的积分图像来求出滤波器响应(步骤ST205)。由于该滤波器响应的矩形被放大，所以与学习时使用的搜索块尺寸下的值相比，仅以放大缩小率变大。

因此，如下式所示，通过用放大缩小率来除滤波器响应，得到利用与学习时相同的搜索块尺寸来求出时的值(步骤ST206)。

F＝R/S

另外，F表示响应，R表示根据放大后的矩形求出的响应，S表示放大率。

根据上述求出的值来求出对应于响应的权值，求出全部权值的线性和，比较求出的值与阈值，由此判定是否是脸部(步骤S207)。如果是脸部，则存储此时的搜索块的座标。

在扫描整个图像后，使放大缩小率S乘以固定值、例如1.25(步骤ST210)，以新的放大缩小率重复步骤ST202～步骤ST209的处理。然后，在放大后的搜索块尺寸超过图像尺寸时结束处理(步骤ST211)。

在上述处理中，用整数表现放大缩小率，例如在用100置换1.0来表现时，可将不足100的处理为小数。这时的计算在相乘的情况下，计算后用100来除。在相除的情况下，只要将要除的数乘以100来计算即可。这样可以不用小数来计算。

以上检测出的脸部区域如上所述，一边使搜索块每次移动一个像素，一边进行脸部区域的判定，所以存在由于在脸部附近将多个搜索块判定为脸部区域、所存储的脸部区域矩形重合的情况。

图10是表示该情况的说明图，表示脸部区域的检测结果。

由于图中的多个搜索块25本来是一个区域，所以在矩形彼此重合时，对应于其重合比例来合并各矩形。

例如在矩形1、矩形2重合时，重合的比例可用下式求出。

如果矩形1的面积＞矩形2的面积

重合率＝重合部分的面积/矩形1的面积

否则

重合率＝重合部分的面积/矩形2的面积

而且，在重合率比阈值大时，合并二个矩形成为一个矩形。在合并二个矩形时，可以求出各4点座标的平均值、或者根据座标值的大小关系来求出。

接着利用两眼检测部件4从上述求出的脸部区域中检测两眼(步骤ST105)。

如果考虑到人类脸部的特征，则可以根据脸部检测部件3所检测出的脸部区域预先预测左眼及右眼存在于哪个位置上。

两眼检测部件4根据脸部区域的座标确定各眼的搜索区域，着眼于搜索区域内来检测眼睛。

图11是两眼搜索的说明图，图中，26表示左眼搜索区域，27表示右眼搜索区域。

两眼的检测也可以通过与步骤ST104的脸部检测相同的处理来进行。对于左眼、右眼各自的特征，例如以眼睛的中心为搜索块的中心，使用矩形滤波器来学习特征量。然后，与脸部检测的步骤ST201～步骤ST211同样，一边放大搜索块一边检测眼睛。

在检测眼睛的情况下，可以设定成放大后的搜索块尺寸超过各眼的搜索区域尺寸时结束。这里，在搜索眼睛时，如果象脸部检测部件3那样从搜索区域的左上方开始扫描，则效率非常低。这是因为眼睛的位置多在上述设定的搜索区域的中心附近。

因此，通过设定成从中心向外侧进行搜索块的扫描、在检测到眼睛的时刻中断搜索处理，可提高处理效率。

图12是眼区域的搜索动作的说明图。

即，两眼检测部件4从检测出的脸部区域中的两眼搜索范围的中心向周边进行眼睛的搜索处理，检测两眼的位置。在本实施方式中，从搜索区域的中心向周边螺旋状地搜索。

接着，根据在步骤ST105中检测出的两眼位置，将脸部图像标准化(步骤ST106)。

图13是标准化处理的说明图。

脸部图像标准化部件5从根据两眼检测部件4检测出的两眼位置28、29、以形成脸部认证所需的视角的方式、将脸部区域放大或缩小后得到的图像中，抽取脸部认证所需的脸部特征量。

这里，在标准化图像30的大小例如是宽度和高度为nw×nh像素，左眼位置、右眼位置设定为标准化图像30中的座标L(xl，yl)，R(xr，yr)时，为使检测出的脸部区域象所设定的标准化图像那样，进行下面的处理。

首先，求出放大缩小率。

设检测出的两眼位置为DL(xdl，ydl)，DR(xdr，ydr)，则放大缩小率NS可用下式求出。

NS＝((xr-xl+1)²+(yr-yl+1)²)/((xdr-xdl+1)²+(ydr-ydl+1)²)

接着，使用所求出的放大缩小率和在标准化图像上设定的左眼、右眼的位置信息，求出原图像中的标准化图像的位置、即成为认证对象的矩形位置。

若用左眼位置的相对位置来表现标准化图像30的左上方座标、右下方座标，则为

TopLeft(x，y)＝(-xl，-yl)

BottomRight(x，y)＝(nw-xl，nh-yl)。

因此，原图像中的标准化图像30的矩形座标为：

矩形左上方座标：OrgNrImgTopLeft(x，y)＝(xdl-xl/NS，ydl-yl/NS)

矩形右上方座标：OrgNrmImgBtmRight(x，y)＝(xdl+(nw-xl)/NS，ydl+(nh-yl)/NS)。

使用脸部认证用的矩形滤波器从上述求出的认证对象区域中抽取脸部认证所需的特征量。

此时，由于假定标准化图像尺寸来设计脸部认证用的矩形滤波器，所以可与脸部检测同样地将矩形滤波器内的矩形座标转换成原图像中的座标，根据积分图像求出像素值合计，并通过使求出的滤波器响应乘以上述求出的放大缩小率NS，来求出标准化图像尺寸的滤波器响应。

首先，当前图像中的矩形滤波器的矩形座标为：

OrgRgn(x，y)＝(xdl+rx*NS，ydl+ry＊ns)。

这里，rx、ry是标准化图像30上的矩形座标。

然后，根据这里求出的矩形座标，参照积分图像的像素值，求出矩形内像素值合计。

在设FRorg为原图像中的滤波器响应、FR为标准化图像30中的响应时，

FR＝FRorg＊NS。

由于具有多个脸部认证所需的矩形滤波器，所以求出多个矩形滤波器的响应(步骤ST107)。在登记脸部时，由特征量存储部件7将多个矩形滤波器的响应存储在特征量数据库9中(步骤ST108、步骤ST109)。

图14是特征量数据库9的说明图。

如图所示，特征量数据库9为登记ID和特征量数据的表结构。即，针对标准化图像30求出多个矩形滤波器20的响应31，将这些响应31与对应于个人的登记ID相关连。

下面，说明脸部认证部件10进行脸部认证的处理(图2中的步骤ST110、步骤ST111)。

脸部认证通过比较由特征量取得部件6从输入图像中抽取的特征量和存储于特征量数据库9中的特征量来进行。

具体地说，在设输入图像的特征量为RFc、所登记的特征量为RFr时，对应于特征量间的差分，给出如下式式5的权值。

$\left\{\begin{array}{c}{\mathrm{RFc}}_i-{\mathrm{RFr}}_{j,i}>\mathrm{th}\→w_i={\mathrm{pw}}_i\\ {\mathrm{RFc}}_i-{\mathrm{RFr}}_{j,i}\≤\mathrm{th}\→w_i={\mathrm{nw}}_i\end{array}\right.$

然后，在权值的线性和超过阈值时为同一个人。即，若设线性和为RcgV，则变成下式式6。

$\mathrm{RcgV}=\underset{i}{\mathrm{\Σ}}{w}_i$

通过上述处理，可以进行脸部认证装置中的特征量的存储(登记处理)和脸部认证(认证处理)。另外，由于本实施方式由上述处理构成，所以例如即便是便携电话或PDA也可实现实时处理。

另外，在上述实施方式中，作为特征量抽取用图像说明了积分图像的情况，但除此以外，例如即便是累计图像也可同样适用。

在累计图像的情况下，通过沿水平垂直方向使像素值相乘来求出。即，若设灰度标度图像为I(x，y)，则累计图像I＇(x，y)用下式表现。

$I^{\′}(x,y)=\underset{y^{\′}\≥y}{\mathrm{\Π}}\underset{x^{\′}\≥x}{\mathrm{\Π}}I(x^{\′},y^{\′})$

另外，在将这样的累计图像作为特征量抽取用图像时，矩形滤波器20的响应用下式表现。

RF＝∏I(x_w，y_w)-∏I(x_h，y_h)

这里，I(x_w，y_w)是白色矩形内的像素值合计，I(x_b，y_b)是阴影线矩形内的像素值合计。

这样，在使用累计图像作为特征量抽取用图像时，通过使特征量的表现与累计图像相对应，可以与上述积分图像的情况同样地适用。

另外，作为特征量抽取用图像，除了累计图像以外，还可以使用求出沿水平垂直方向减去像素值后得到的累计的积分图像。

如上所述，根据实施方式1的脸部认证装置，具备：特征量抽取用图像生成部件，针对所输入的图像生成对各像素值实施了规定运算后得到的特征量抽取用图像；脸部检测部件，从由特征量抽取用图像生成部件生成的特征量抽取用图像中，使用预先学习了脸部特征后得到的学习数据，来检测脸部区域；两眼检测部件，从检测出的脸部区域的特征量抽取用图像中，使用预先学习了眼睛特征后得到的学习数据，来检测两眼的位置；特征量取得部件，从根据两眼的位置将脸部区域标准化后得到的图像中抽取特征量；和脸部认证部件，比较预先登记的个人特征量和由特征量取得部件取得的特征量，来进行脸部认证。因此，可实现作为脸部认证装置的正确的认证处理，并且可谋求削减运算量。

另外，根据实施方式1的脸部认证装置，脸部检测部件利用特征量抽取用图像中的规定检索窗口内的特定矩形的像素值合计差分，来求出特征量，并根据其结果进行脸部检测；两眼检测部件利用特征量抽取用图像中的规定检索窗口内的特定矩形的像素值合计差分，来求出特征量，并根据其结果进行两眼检测；脸部认证部件使用利用特征

量抽取用图像中的规定检索窗口内的特定矩形的像素值合计差分求出了特征量后的结果，来进行脸部认证。因此，可以用少的运算量正确地求出特征量。另外，根据一次求出的特征量抽取用图像进行脸部检测、两眼检测、脸部认证处理，所以可提高处理效率。

另外，根据实施方式1的脸部认证装置，特征量抽取用图像生成部件生成具有使各像素的像素值沿座标轴方向相加或相乘后得到的值的图像，作为特征量抽取用图像。因此，例如可以仅通过四点运算求出任意矩形内的像素值合计等，从而可以减少运算量并且有效地求出特征量。

另外，根据实施方式1的脸部认证装置，脸部检测部件放大或缩小检测窗口，并且依照该放大缩小率使特征量标准化，来进行脸部区域的检测。因此，不必求出多个分辨率图像以及对应于各分辨率的特征量抽取用图像，从而可提高存储器效率。

另外，根据实施方式1的脸部认证装置，特征量抽取用图像生成部件针对在可表现特征量抽取用图像的运算值的范围内被分割后的各分割图像，求出特征量抽取用图像。因此，在图像尺寸变大的情况下，也具有如下效果：通过在求出特征量抽取用图像时分割图像，可以不引起溢出，从而可有效地应对任意的输入图像尺寸。

另外，根据实施方式1的脸部认证装方法，具备：特征量抽取用图像取得步骤，针对所输入的图像数据生成对各像素值实施了规定运算后得到的特征量抽取用图像数据；脸部区域检测步骤，从特征量抽取用图像数据中，使用预先学习了脸部特征后得到的学习数据，来检测脸部区域；两眼检测步骤，从检测出的脸部区域的特征量抽取用图像数据中，使用预先学习了眼睛特征后得到的学习数据，来检测两眼的位置；特征量取得步骤，从根据两眼的位置标准化后得到的图像数据中抽取特征量数据；以及认证步骤，比较预先登记的各个人的特征量数据和在特征量取得步骤中取得的特征量数据，来进行脸部认证。因此，对于任意的输入图像都可以进行正确的脸部认证处理，并且可以用少的运算量实施脸部认证处理。

另外，根据实施方式1的脸部认证装置，具备：从输入的图像中检测脸部区域的脸部检测部件；两眼检测部件，从检测出的脸部区域中的两眼的搜索范围的中心向周边进行搜索，来检测两眼的位置；特征量取得部件，从根据两眼的位置将脸部区域标准化后得到的图像中抽取特征量；和脸部认证部件，比较预先登记的个人特征量和由特征量取得部件取得的特征量，来进行脸部认证。因此，可减少两眼搜索处理中的运算量，其结果可提高脸部认证处理效率。

另外，根据实施方式1的脸部认证方法，具备：从输入的图像数据中检测脸部区域的脸部区域检测步骤；两眼检测步骤，从检测出的脸部区域中的两眼的搜索范围的中心向周边进行眼睛的搜索处理，来检测两眼的位置；特征量取得步骤，从根据两眼的位置将脸部区域标准化后得到的图像数据中抽取特征量数据；以及脸部认证步骤，比较预先登记的个人特征量数据和在特征量取得步骤中取得的特征量数据，来进行脸部认证。因此，可以用少的运算量进行两眼搜索处理，其结果可提高脸部认证处理效率。

产业上的可利用性

如上所述，本发明的脸部认证装置及脸部认证方法通过比较所输入的图像和预先登记的图像来进行脸部认证，可适用于进行脸部认证的各种安全系统等。

Claims (2)

1.一种脸部认证装置，具备：

特征量抽取用图像生成部件，针对所输入的图像生成特征量抽取用图像，该特征量抽取用图像具有使各像素的像素值沿座标轴方向相加或相乘后得到的值；

脸部检测部件，从由所述特征量抽取用图像生成部件生成的特征量抽取用图像中，使用预先学习了脸部特征后得到的学习数据，来检测脸部区域；

两眼检测部件，从检测出的脸部区域的所述特征量抽取用图像中，使用预先学习了眼睛特征后得到的学习数据，来检测两眼的位置；

特征量取得部件，从根据两眼的位置将所述脸部区域标准化后得到的图像中抽取特征量；和

脸部认证部件，比较预先登记的个人特征量和由所述特征量取得部件取得的特征量，来进行脸部认证，

其中，所述脸部检测部件利用所述特征量抽取用图像中的规定检索窗口内的特定矩形的像素值合计差分，来求出特征量，并根据其结果进行脸部检测，并且放大或缩小所述检索窗口，并依照其放大缩小率使特征量标准化，来进行脸部区域的检测；

所述两眼检测部件利用从所述特征量抽取用图像中检测出的所述脸部区域中的规定检索窗口内的特定矩形的像素值合计差分，来求出特征量，并根据其结果进行两眼检测；

所述脸部认证部件使用利用所述特征量抽取用图像中的规定检索窗口内的特定矩形的像素值合计差分求出了特征量后的结果，来进行脸部认证；

所述特征量抽取用图像生成部件针对在能够表现所述特征量抽取用图像的运算值的范围内被分割后的各分割图像，求出所述特征量抽取用图像。

2.一种脸部认证方法，其特征在于，具备：

特征量抽取用图像取得步骤，针对所输入的图像数据生成特征量抽取用图像数据，该特征量抽取用图像具有使各像素的像素值沿座标轴方向相加或相乘后得到的值；

脸部区域检测步骤，从所述特征量抽取用图像数据中，使用预先学习了脸部特征后得到的学习数据，来检测脸部区域；

两眼检测步骤，从检测出的脸部区域的所述特征量抽取用图像数据中，使用预先学习了眼睛特征后得到的学习数据，来检测两眼的位置；

特征量取得步骤，从根据两眼的位置标准化后得到的图像数据中抽取特征量数据；以及

认证步骤，比较预先登记的各个人的特征量数据和在所述特征量取得步骤中取得的特征量数据，来进行脸部认证，

其中，所述脸部检测步骤利用所述特征量抽取用图像中的规定检索窗口内的特定矩形的像素值合计差分，来求出特征量，并根据其结果进行脸部检测，并且放大或缩小所述检索窗口，并依照其放大缩小率使特征量标准化，来进行脸部区域的检测；

所述两眼检测步骤利用从所述特征量抽取用图像中检测出的所述脸部区域中的规定检索窗口内的特定矩形的像素值合计差分，来求出特征量，并根据其结果进行两眼检测；

所述认证步骤使用利用所述特征量抽取用图像中的规定检索窗口内的特定矩形的像素值合计差分求出了特征量后的结果，来进行脸部认证；

所述特征量抽取用图像取得步骤针对在能够表现所述特征量抽取用图像的运算值的范围内被分割后的各分割图像，求出所述特征量抽取用图像。

Images