CN104657705A - 图像识别装置及面向图像识别装置的数据登录方法 - Google Patents
图像识别装置及面向图像识别装置的数据登录方法 Download PDFInfo
- Publication number
- CN104657705A CN104657705A CN201410601154.6A CN201410601154A CN104657705A CN 104657705 A CN104657705 A CN 104657705A CN 201410601154 A CN201410601154 A CN 201410601154A CN 104657705 A CN104657705 A CN 104657705A
- Authority
- CN
- China
- Prior art keywords
- data
- newdata
- characteristic quantity
- logon data
- logon
- 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.)
- Granted
Links
Classifications
-
- 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
- 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
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- 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
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Library & Information Science (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种图像识别装置及向图像识别装置登录数据的数据登录方法,是用于自动优化在数据库中登录的特征量数据的技术,以便于获得良好的识别精度。在本发明中,采用自动地判断特征量数据的登录、废弃、替换等的结构,以便于使对同一个登录对象登录的特征量数据的多样性(偏差)尽可能地变大。例如,登录部在新建数据与已经登录在数据库中的特征量数据类似的情况下,不追加该新建数据,该新建数据是指,从登录用图像中提取出的特征量数据。
Description
技术领域
本发明涉及图像识别装置,特别是涉及用于向图像识别装置登录作为识别对象的特征量数据的技术。
背景技术
图像识别是指,从图像中提取特征量数据,并将该数据与在数据库中事先登录的已知对象的特征量数据进行核对,由此来识别(认定)图像中的被拍摄体的技术。图像识别被应用于如下的多种多样的领域,例如,基于生物特征识别(biometrics)图像的本人验证、个人识别,检测闯入者、可疑物的监视系统,生产线等上的工件检查,交通基础建设中的过往行人、过往车辆的识别等。
在图像识别中,由于使用通过照相机(摄像头)拍摄而得到的图像,所以因拍摄各图像时的拍摄条件(对象的状态(在为脸的情况下,朝向、表情、有无装饰品、妆容、发型等)、照明状态等)不同,所提取的特征量会出现偏差,这是不可避免的。于是,作为用于提高应对不同拍摄条件的稳健性、提高识别精度的方策,通常,采用针对相同的对象登录从不同图像提取出的多个特征量数据的方法。换言之,为了提高图像识别的精度,优选提高登录到数据库中的特征量数据的多样性(偏差)。
虽然如此,但并不是只要单纯增加登录的特征量数据的个数就可以。这是因为,因为受到数据库的存储容量或程序的限制,能够向数据库(或者,对各个对象)登录的特征量数据的个数有限。即,为了能够获得更高精度的图像识别,实际上,重要的是在有限的数据个数中对所登录的特征量数据进行优化。
作为与登录或更新特征量数据的现有技术,例举有专利文献1、2。在专利文献1中,公开了如下的想法:对作为登录候补的数据和已经登录的数据循环地进行比较,将优先顺序高的数据作为新的登录数据保存在数据库中。另外,在专利文献2中公开了如下的想法:对登录候补的数据和已经登录的数据进行比较,仅将相对于已经登录的数据的类似度不太高也不太低的登录候补的图像提示给用户,由此,来简化用户对登录候补的取舍选择。然而,在专利文献1中,没有具体公开优先顺序的决定方法,如何实现对应该登录的特征量数据的选定以及如何实现数据库的更新也不明了。另外,专利文献2的方法的目的在于支援用户的操作或判断,而没有提出自动更新数据库的具体的方法。
专利文献1:日本特开2002-259980号公报
专利文献2:日本特开2012-242891号公报
发明内容
本发明是鉴于上述实际情况而提出的,其目的在于,提供用于自动优化在数据库中登录的特征量数据的技术,以便于获得良好的识别精度。
为了达成上述目的,在本发明中,采用自动地判断特征量数据的登录、废弃、替换等的结构,以便于对同一个登录对象登录的特征量数据的多样性(偏差)尽可能地变大。
具体来说,本发明的图像识别装置具有:提取部,其从图像中提取被拍摄体的特征量数据;数据库,其能够针对一个登录对象来登录从不同的图像中提取出的多个特征量数据;核对部,其通过对由所述提取部提取出的特征量数据和在所述数据库中登录的所述登录对象的特征量数据进行核对,来识别所述被拍摄体是否为所述登录对象。还具有登录部,所述登录部利用新的登录用图像,按照规定条件,向所述数据库追加所述登录对象的特征量数据。所述规定条件包括第一条件,该第一条件的内容为:在新建数据与已登录数据类似的情况下,不追加所述新建数据,其中,所述新建数据是指,从所述登录用图像中提取出的特征量数据,所述已登录数据是指,已经登录在所述数据库中的所述登录对象的特征量数据。
在本发明中,在获取了登录用图像时,并不是无条件地将新建数据追加至数据库,而使按照第一条件,评价新建数据是否与已登录数据类似,若新建数据与已登录数据类似,则不追加该新建数据。因此,能够自动抑制将相同的特征量数据(对提高识别精度基本没有贡献的数据)登录至数据库。由此,由于抑制累积没用的数据,所以能够有效地利用有限的数据库容量。另外,即使用户(登录数据的人)不特别注意,特征量数据的多样性也会增加,能够简单地构建获得良好的识别精度的数据库。
可以采用完全不追加与已登录数据类似的新建数据,但也可以设置一定的例外。例如,所述规定条件还包括第二条件,该第二条件的内容为:在所述登录对象的已登录数据的个数没有达到能够向所述数据库登录的上限的情况下,将所述新建数据追加至所述数据库,所述第二条件可以优先于所述第一条件。通过设定上述例外(第二条件),即使在新建数据与已登录数据类似的情况下,也能够将新建数据登录至数据库。与特征量数据的个数少相比,个数越多越能够期待提高识别精度,因此,在登录个数少的阶段,相对特征量数据的多样性,更优先增加登录的个数。通过这种控制能够实现在初始阶段提高识别精度。
在所述登录对象的已登录数据的个数达到能够向所述数据库登录的上限的情况下,并且在将所述新建数据追加至所述数据库的情况下,所述登录部可以将所述登录对象的多个已登录数据中的某一个替换为所述新建数据。像这样,通过加入不与已登录数据类似的最新的特征量数据,能够实现自动维护数据库,以进一步提高识别精度。
能够通过以下的方式决定用新建数据替换哪个已登录数据。例如,所述登录部可以针对多个所述已登录数据分别求出多个所述已登录数据与所述新建数据之间的类似度,并将与所述新建数据之间的类似度最高的已登录数据替换为所述新建数据。或者,所述登录部可以针对从多个所述已登录数据中选出的两个已登录数据的全部组合求出两个已登录数据之间的类似度,将类似度最高的两个已登录数据中的某一方替换为所述新建数据。通过像这样进行数据的替换,能够更新数据库,以保持或者增加特征量数据的多样性。
而且,优选地,所述登录部将所述类似度最高的两个已登录数据中旧的一方替换为所述新建数据。通过废弃旧数据,替换成新数据,能够进一步提高识别精度。
优选地,在所述新建数据与任一个已登录数据之间,都没有类似到能够将所述新建数据评价为是与所述登录对象不同的对象的特征量数据的程度的情况下,所述登录部不追加所述新建数据。由此,能够防止错误地登录不是登录对象的对象的特征量数据,从而能够抑制识别精度下降。
在此,可以采用任何算法来评价新建数据与已登录数据之间的类似度。例如,所述登录部可以根据所述新建数据与所述已登录数据之间在特征量空间上的距离的远近,来评价所述新建数据与所述已登录数据之间的类似度。该方法由于通过直接比较两个特征量数据来判断类似度,所以具有能够降低计算成本的优点。在已登录数据的个数很多的情况下,这种方法很适合。
或者,在存在多个已登录数据的情况下,所述登录部可以根据某一个已登录数据与其它已登录数据之间在特征量空间上的距离以及所述新建数据与所述其它已登录数据之间在特征量空间上的距离的相关性的强弱,来评价所述新建数据与所述某一个已登录数据之间的类似度。此外,在存在多个“其它已登录数据”的情况下,可以考虑与各个已登录数据之间的距离。在此,“该已登录数据与其它已登录数据之间在特征量空间上的距离”相当于当前登录的特征量数据组的多样性(偏差),“所述新建数据与所述其它已登录数据之间在特征量空间上的距离”相当于在将一个已登录数据替换为新建数据的情况下的特征量数据组的多样性(偏差)。因此,从在替换了已登录数据的情况下是否会给特征量数据组的多样性带来变化这一观点来看,通过评价两者之间的相关性的强弱,能够判断已登录数据与新建数据之间的类似度。该方法相对于上述的直接比较的方法虽然会增加计算成本,但具有能够更准确地判断是否需要追加新建数据的优点。
在本发明中,“对象”是指,图像识别的对象物。只要能够利用图像特征量进行识别,都可以成为本发明的“对象”。举一个例子来说,在识别人或动物的个体的情况下,被称作生物特征识别信息的脸部、眼底、瞳孔、指纹、掌纹、耳、上半身、全身等都可以成为对象,在进行一般物体识别的情况下,物体或其一部分等可以成为对象。“登录对象”是指,在数据库中登录有特征量数据的对象(也就是,该装置能够识别的对象)。能够向数据库登录的登录对象的个数可以为一个,也可以为多个。
此外,本发明能够为具有上述结构以及功能的至少一部分的图像识别装置,或者,向图像识别装置登录特征量数据的登录装置或者具备图像识别装置的电子设备。另外,本发明能够为包括上述处理的至少一部分的图像识别方法,或者向图像识别装置登录数据的数据登录方法,或者用于使图像识别装置(计算机)执行上述方法的程序,或者永久性地记录这种程序的能够由计算机读取的记录介质。在不产生技术上的矛盾的前提下,能够互相组合上述各个结构以及处理来构成本发明。
根据本发明,能够自动地最优化在数据库中登录的特征量数据,以便于获得良好的识别精度。
附图说明
图1是示意性地表示本发明的实施方式的脸部核对系统的功能结构的图。
图2是示意性地表示特征量数据库的数据结构的图。
图3是表示脸部核对处理的流程的流程图。
图4是表示第一实施方式的数据登录处理的流程的流程图。
图5是用于说明第一实施方式的数据登录处理中判断是否需要登录的图。
图6是表示第二实施方式的数据登录处理的流程的流程图。
图7是用于说明第三实施方式的数据登录处理中判断是否需要登录的图。
其中,附图标记说明如下:
1:脸部核对系统,
10:图像获取部,
11:脸部检测部,
12:特征量提取部,
13:特征量数据库,
14:脸部核对部,
15:登录部。
具体实施方式
以下,参照附图说明本发明的优选的实施方式。在以下的实施方式中,以将本发明应用于通过图像识别来识别人的脸部的脸部核对系统为例,进行说明。
<第一实施方式>
(系统结构)
图1是示意性地表示本发明的第一实施方式的脸部核对系统(图像识别装置)的功能结构的图。脸部核对系统1是利用脸部图像对核对对象者进行本人验证或者个人识别的装置。本人验证是指,确认核对对象者是否是本人的处理(一对一的核对);个人识别是指,认定核对对象者为在数据库中登录的登录者中的哪一位的处理(一对多的核对)。这些脸部核对技术能够用于例如电子设备(包括计算机、智能手机、平板电脑终端)的安全装置、检测闯入者的监视系统、进行进出入房间管理或门锁控制的门禁系统等的各种各样的用途。
如图1所示,脸部核对系统1具有图像获取部10、脸部检测部11、特征量提取部12、特征量数据库13、脸部核对部14、登录部15等的功能要素。脸部核对系统1例如由计算机系统构成,该计算机系统构成具有处理器(CPU)、存储器、辅助存储装置、输入装置、显示装置、照相机等的硬件资源,图1示出的各功能要素是通过由处理器执行程序,以适当地控制辅助存储装置、输入装置、显示装置、照相机等来实现的。在此,还可以利用专用的芯片(逻辑回路)来构成这些功能要素的全部或者一部分。另外,不仅可以利用一个计算机,还能够利用多个计算机的组合或者云计算来构成脸部核对系统1。
图像获取部10发挥从照相机获取图像数据的功能。脸部检测部11发挥在图像中检测脸部来确定脸部的位置、大小等的功能。在此,将检测出的脸部的图像称为脸部图像。脸部检测处理可以应用现有的任何技术。例如,有通过基于轮廓或脸部的器官(眼、鼻、口等)的模型拟合(model fitting)来检测脸部的方法、基于肌肤的颜色或浓淡的分布来检测脸部的方法等。
特征量提取部12发挥从脸部图像中提取特征量数据的功能。可以采用任何种类的特征量。例如,能够采用在脸部中设定的特征点(目、鼻、口的中心或端点等)的位置关系、特征点附近的浓淡值及其周期性/方向性、颜色分布等来作为特征量。特征量的个数能够根据所期望的识别精度任意进行设定的,但在通常情况下,从一个脸部提取数十到数百个的特征量。像这样提取出的特征量的组(叫做特征量数据或者特征量矢量)是将在图像中拍摄到的脸部特征进行数值化而得到的。与脸部特征因人而异的道理同样地,因人不同,特征量数据也会出现显著差异(significant difference)。
特征量数据库13为存储能够利用脸部核对系统1识别的脸部(以下,称为登录脸部)的信息的数据库,有时还称为相册数据或词典数据。如图2所示,作为登录脸部的信息,在特征量数据库13中保存有用于登录的脸部图像的数据、从该脸部图像中提取的特征量数据、登录日期和时间等。若脸部的朝向、表情、发型、妆容、拍摄时期(年龄)、照明状态等不同,则即使是同一个人(脸部),其特征量数据也会产生偏差(相对于不同人之间的特征量数据的差值而言,该偏差足够小)。因此,在特征量数据库13中,设定为针对相同的登录脸部能够登录拍摄条件、拍摄时期等不同的多个特征量数据。图2表示针对一个登录脸部登录了多个特征量数据的例子。此外,在进行个人识别的情况下,针对作为识别对象的多个登录脸部的每一个,分别保持有图2所示的数据库。
脸部核对部14发挥通过比较特征量数据来评价是否为同一张脸的功能。另外,登录部15发挥按照规定条件向特征量数据库13登录特征量数据的功能。针对这些功能的详细内容,与脸部核对处理以及数据登录处理的流程一并进行说明。
(脸部核对处理)
图3是表示脸部核对系统1的脸部核对处理的流程的流程图。
首先,图像获取部10从照相机获取核对对象者的图像(步骤S30)。根据需要,在显示装置上显示所获取的图像,以便于用户确认。接着,脸部检测部11在图像中检测脸部(步骤S31)。若没有检测出脸部(步骤S32:否),则从获取图像起重新进行处理。在检测出脸部的情况下(步骤S32:是),特征量提取部12从检测出的脸部的图像中提取特征量数据(步骤S33)。
接着,脸部核对部14对在步骤S33中提取出的核对对象者的特征量数据与在特征量数据库13中登录的登录脸部特征量数据进行核对,由此,来识别核对对象者(步骤S34)。具体来说,脸部核对部14计算出指标(称为得分(score)),根据该得分是否大于规定的阈值(距离近)来判断是否为同一张脸,其中,所述指标表示核对对象者的特征量数据与登录脸部特征量数据之间在特征量空间上的距离的远近(距离近的程度)。在本实施方式中,在0~1000的值域中利用标准化后的得分,若得分在600以上,则认为核对对象者的脸部与登录脸部相同。此外,在对一个登录脸部登录有多个特征量数据的情况下,只要分别求出各个特征量数据的得分,利用这些代表得分(最大值等)或合成得分(加权平均等),来判断是否为同一张脸即可。最后,脸部核对部14输出核对结果,结束处理(步骤S35)。
(数据登录处理)
接着,参照图4和图5,针对将新的特征量数据登录到脸部核对系统1的处理进行说明。图4是表示数据登录处理的流程的流程图,图5是用于说明数据登录处理中的判断是否需要登录的图。
以下,举出了向已经在特征量数据库13中登录的登录脸部A追加新的特征量数据的例子。在此,为了方便说明,假设能够对一个登录脸部登录的特征量数据的个数(上限)为5个,在现实的系统中,还有能够登录十几个到数十个的特征量数据的情况。
首先,图像获取部10从照相机获取新的登录用图像(步骤S40)。根据需要,在显示装置上显示所获取的图像,以便于用户确认。接着,脸部检测部11从图像中检测脸部(步骤S41)。若没有检测出脸部(步骤S42:否),则从获取图像起重新进行处理。在检测出脸部的情况下(步骤S42:是),特征量提取部12从检测出的脸部的图像中提取特征量数据(步骤S43)。以下,将从登录用图像提取的特征量数据称为新建数据。到此为止的处理在实质上与脸部核对处理的步骤S30~S33相同。
接着,登录部15确定将新建数据追加到哪个登录脸部(步骤S44)。例如,在显示装置中,以列表显示在特征量数据库13中登录的登录脸部A、B、C……,只要是用于从这些候补中选择作为新建数据的追加对象的脸部即可。在此,假设指定为登录脸部A。此外,可以在步骤S40之前进行步骤S44的处理,在特征量数据库13中登录的登录脸部为仅有一个的情况下,或者在能够自动判断追加对象的情况下,可以省略该步骤S44的处理。
接着,利用脸部核对部14,计算新建数据和在特征量数据库13中登录的登录脸部A的特征量数据(称为已登录数据)各自的得分(步骤S45)。该得分是与在脸部核对处理中用于判断是否为同一张脸的指标相同的指标。图5的上段表示所给出的新建数据DN和登录脸部A的已登录数据D1~D5,图5的下段表示新建数据DN和各已登录数据D1~D5的得分的计算例。得分越大,则表示特征量数据的类似度越高。
接着,登录部15确认在步骤S45中计算出的得分是否大于下限阈值TL(步骤S46)。就该下限阈值TL而言,例如,通过实验等求出因拍摄条件的不同所产生的得分的偏差,将下限阈值TL设定为比该偏差的范围的最小值足够小的值(在本实施方式中,设定为TL=200)。在所有的得分在下限阈值TL以下的情况下(步骤S46:否),登录部15认为新建数据DN不是登录脸部A而是其他人的脸部的特征量数据,从而不追加新建数据DN(步骤S47)。由此,能够防止错误地登录其他人的脸部的特征量数据,从而能够抑制识别精度下降。
接着,登录部15判断是否要追加新建数据DN。首先,登录部15检查新建数据DN是否与登录脸部A的已登录数据D1~D5类似(步骤S48)。具体来说,在步骤S45中计算出的得分在上限阈值TH以上的情况下,认为新建数据与该已登录数据类似。就上限阈值TH而言,例如,通过实验等求出因拍摄条件的不同而产生的得分的偏差,只要基于该得分的平均值或方差等,来设定上限阈值TH即可(越降低上限阈值TH,越具有提高特征量数据的多样性的效果)。
在新建数据DN与已登录数据D1~D5中的某一个类似的情况下(步骤S48:是),登录部15判断为不需要该新建数据DN,不追加新建数据DN(步骤S49)。例如,在图5的例子中,在将上限阈值TH设定为850的情况下,由于新建数据DN与已登录数据D2之间的得分超过上限阈值TH,所以并不追加新建数据DN。
另一方面,在新建数据DN与哪一个已登录数据D1~D5都不类似的情况下(例如,在图5的例子中,在将上限阈值TH设定为950的情况下),登录部15将新建数据DN追加至特征量数据库13(步骤S52)。此时,登录部15确认已登录数据的个数是否到达了上限(步骤S50),在到达了上限的情况下,删除与新建数据DN之间的得分(类似度)最高的已登录数据(在图5的例子中为D2)(步骤S51),取而代之,登录该新建数据DN(步骤S52)。
(本实施方式的优点)
根据上述的本实施方式的结构,在获取了登录用图像时,并不是无条件地将新建数据追加至特征量数据库13,而是按照规定条件判断是否登录新建数据。具体来说,如图4的步骤S48所示,评价新建数据是否与已登录数据类似,若新建数据与已登录数据的某一个类似,则不追加该新建数据(第一条件)。因此,能够自动地抑制将相同的特征量数据(对提高识别精度基本没有贡献的数据)登录至特征量数据库13。由此,由于抑制累积没用的数据,所以能够有效地利用有限的数据库容量。另外,由于仅登录彼此不类似的特征量数据,所以即使用户(登录数据的人)不特别注意,特征量数据的多样性也会增加,能够简单地构建获得良好的识别精度的数据库。
另外,在已登录数据的个数达到了上限的情况下,(不废弃新建数据)将已登录数据中的一个替换为新建数据。像这样,通过加入不与已登录数据类似的最新的特征量数据,能够将特征量数据库13自动维护成最新的状态,从而能够提高识别精度。而且,此时,由于将与新建数据之间的类似度最高的已登录数据替换为新建数据,所以能够以保持或者增加特征量数据的多样性的方式更新数据库。
另外,在本实施方式中,利用在脸部核对处理中所使用的得分,来作为评价新建数据与已登录数据之间的类似度的指标。该方法由于通过直接比较两个特征量数据来判断类似,所以具有能够降低计算成本的优点。另外,由于能够直接使用脸部核对处理的程序模块,所以具有能够削减开发成本和实现系统结构的简易化的优点。
<第二实施方式>
在第一实施方式中,采用了完全不追加与已登录数据类似的新建数据的结构,在第二实施方式中,采用这样的结构:即使是与已登录数据类似的新建数据,也将其进行追加登录的结构,直到已登录数据的个数达到上限为止。这是因为,与特征量数据的个数少相比,个数越多则越能够期待提高识别精度。除此以外的结构与第一实施方式相同,因此,以下,仅说明第二实施方式的特征部分。
图6是表示第二实施方式的脸部核对系统的数据登录处理的流程的流程图。步骤S40~S47的处理与第一实施方式的处理完全相同。
接着,登录部15确认登录脸部A的已登录数据的个数是否达到上限(步骤S60)。若没有达到上限,则登录部15将新建数据DN登录到特征量数据库13中(步骤S52)。即,相比于不追加登录类似的新建数据DN的第一条件(步骤S48),优选遵循在已登录数据的个数没有达到上限的情况下追加登录新建数据DN的第二条件(步骤S60)。由此,无论新建数据DN是否与已登录数据类似,都将新建数据DN追加登录至特征量数据库13。
在已登录数据的个数达到了上限的情况下,与第一实施方式同样地,检查新建数据DN与已登录数据是否类似(步骤S48),不追加类似的新建数据DN(步骤S49),仅用不类似的新建数据DN替换一个已登录数据(步骤S51、S52)。
根据上述的本实施方式的结构,也能够获得与第一实施方式同样的作用效果。除此以外,在本实施方式中,在登录个数少的(没有到达上限)阶段,相比于特征量数据的多样性,更优先增加特征量数据的登录个数,因此,能够使初始阶段的识别精度提高。
<第三实施方式>
在第一实施方式中,新建数据与已登录数据之间的类似度是通过两者之间的得分来评价的,而在第三实施方式中,新建数据与已登录数据之间的类似度是通过评价相对于其它已登录数据的得分的相关性(类似性)来判断的。
基本的结构及处理与第一实施方式或者第二实施方式的结构以及处理相同,但图4或者图6的流程中的步骤S45(计算得分)、步骤S48(判断新建数据与已登录数据的类似度)、步骤S51(选择要替换的已登录数据)这三个处理不同。以下,参照图7,说明这三个处理的内容。
在步骤S45中,利用脸部核对部14,针对新建数据和已登录数据的所有组合计算得分。该得分是与在脸部核对处理中用于判断是否是同一张脸相同的指标。图7的上段示出了六个数据DN、D1~D5的所有组合的得分的计算例。此外,数据DN、D1~D5与图5的上段示出的数据相同。
在步骤S46、S47中,与第一及第二实施方式同样地,通过确认新建数据DN与已登录数据D1~D5之间的得分(图7的上段的第一行得分)是否大于下限阈值TL,来防止错误地登录了其他人的脸部的特征量数据。
在步骤S48中,登录部15判断是否要追加新建数据DN。此时,如上所述,根据相对于其他的已登录数据的得分的相关性,来判断新建数据与已登录数据之间的类似度。例如,在评价新建数据DN与已登录数据D1之间的类似度时,如图7的下段所示,关注新建数据DN与其他的已登录数据D2~D5之间的得分以及已登录数据D1与其他的已登录数据D2~D5之间的得分。登录部15求出上述两个得分(得分组)的相关性,在相关性比规定的基准更强(得分的分布相似)情况下,判断新建数据DN与已登录数据D1类似。针对新建数据与已登录数据的全部组合,重复进行上述类似判断,在已登录数据D1~D5中检查是否有类似的(相关性强的数据)数据。
相关性的强弱可以通过任一种方法来评价。例如,计算两个得分组的相关系数,在相关系数大于规定值时能够判断为类似。或者,在数据Da与Db之间的得分标记为S(Da,Db)时,针对各已登录数据Di(i=2~5),计算相对于相同的已登录数据Di的得分之差S(DN,Di)-S(D1,Di),在差的方差小于规定值时也能够判断为类似。或者,还可以在上述差的绝对值之和或平方和小于规定值时判断为类似。在此,除了列举的方法以外,还可以采用任一种评价方法。
在步骤S51中,登录部15选定新建数据DN和要替换的已登录数据。在第一实施方式中,将与新建数据DN之间的类似度最高的已登录数据替换为新建数据DN,在本实施方式中,针对所有组合求出已登录数据之间的类似度,将类似度最高的两个已登录数据中的一方替换为新建数据DN。在步骤S51中评价的类似度可以为得分本身,还可以为在步骤S48中利用的指标(也就是,相对于其它的已登录数据的得分的相关性)。例如,在利用得分来作为类似度的指标的情况下,在图7的上段的例子中,将得分最大的已登录数据D1和D5的组选定为要替换的对象。此时,替换已登录数据D1与D5中的哪一个都可以,但优选地,可以将两个已登录数据中的旧的一方(登录日期和时间早的一方)D1替换为新建数据DN。由于脸部等的生物特征识别信息会因年龄的增长或体格的变化等而变化,所以特征量数据的可靠性有可能随着时间的流逝而下降。因此,通过废弃更旧的数据,替换成新的数据,能够进一步提高识别精度。
根据上述的本实施方式的结构,除了具有第一及第二实施方式的作用效果以外,还有如下的优点。在本实施方式中,通过“已登录数据D1与其他的已登录数据D2~D5之间的得分”和“新建数据DN与其他的已登录数据D2~D5之间的得分”的相关性的强弱,来评价新建数据DN与已登录数据(例如D1)之间的类似度。在此,“已登录数据D1与其他的已登录数据D2~D5之间的得分”相当于当前登录的特征量数据组的多样性(偏差),“新建数据DN与其他的已登录数据D2~D5之间的得分”相当于将一个已登录数据(D1)替换为新建数据DN的情况下的特征量数据组的多样性(偏差)。因此,从在替换了已登录数据的情况下是否会给特征量数据组的多样性带来变化这一观点来看,通过评价两者之间的相关性的强弱,能够判断已登录数据与新建数据之间的类似度。该方法相对于在第一及第二实施方式中说明的方法(直接比较)而言,虽然其计算成本增加,但具有能够更准确地判断是否需要追加登录新建数据的优点。
<其它的实施方式>
上述的各实施方式只不过示出了本发明的一个具体例。例如,作为本发明的实施方式,还能够采用以下的结构。
(1)在上述实施方式中,例示了脸部核对系统,但本发明除了脸部核对系统以外,还能够应用于所有的图像识别装置。另外,除了脸部以外,还能够将眼底、瞳孔、指纹、掌纹、耳朵、上半身、全身作为识别对象(对象),不仅能够将人或动物之类的生物体作为识别对象,还能够将工业产品、车辆、食品等的一般物体作为识别对象。总之,只要是能够利用图像特征量进行识别的对象,都能够应用本发明。
(2)在上述实施方式中,脸部核对处理与数据登录处理完全分开,还优选连续执行这些处理。即,将在脸部核对处理中使用的核对对象者的图像用作登录用图像,进行数据登录处理。例如,在图3示出的脸部核对处理的步骤S34中核对对象者的识别(认定)成功的情况下,将该图像和其特征量数据传递至图4或者图6的步骤S48的处理。由此,每当进行脸部核对时,都自动维护特征量数据库,逐渐实现识别精度的提高。
(3)在上述实施方式中示出的得分或阈值的值只不过为一个例子。只要根据识别对象、要求精度等,来适当地设计得分的计算手法、值域、阈值等即可。
(4)在上述实施方式的数据登录处理中,执行了如下三个处理,即,防止错误登录其他人的特征量数据(步骤S46、S47)、防止追加类似的特征量数据(步骤S48、S49)、在数据个数超过上限的情况下替换数据(步骤S51、S52),但还可以省略这些处理中的某一个。
Claims (11)
1.一种图像识别装置,其具有:
提取部,其从图像中提取被拍摄体的特征量数据,
数据库,其能够针对一个登录对象来登录从不同的图像中提取出的多个特征量数据,
核对部,其通过对由所述提取部提取出的特征量数据和在所述数据库中登录的所述登录对象的特征量数据进行核对,来识别所述被拍摄体是否为所述登录对象,
所述图像识别装置的特征在于,
还具有登录部,所述登录部利用新的登录用图像,按照规定条件,向所述数据库追加所述登录对象的特征量数据,
所述规定条件包括第一条件,该第一条件的内容为:在新建数据与已登录数据类似的情况下,不追加所述新建数据,其中,所述新建数据是指,从所述登录用图像中提取出的特征量数据,所述已登录数据是指,已经登录在所述数据库中的所述登录对象的特征量数据。
2.如权利要求1所述的图像识别装置,其特征在于,
所述规定条件还包括第二条件,该第二条件的内容为:在所述登录对象的已登录数据的个数没有达到能够向所述数据库登录的上限的情况下,将所述新建数据追加至所述数据库,
所述第二条件优先于所述第一条件。
3.如权利要求1或者2所述的图像识别装置,其特征在于,
在所述登录对象的已登录数据的个数达到能够向所述数据库登录的上限的情况下,并且在要将所述新建数据追加至所述数据库的情况下,所述登录部将所述登录对象的多个已登录数据中的某一个替换为所述新建数据。
4.如权利要求3所述的图像识别装置,其特征在于,
所述登录部,针对多个所述已登录数据,分别求出与所述新建数据之间的类似度,并将与所述新建数据之间的类似度最高的已登录数据替换为所述新建数据。
5.如权利要求3所述的图像识别装置,其特征在于,
所述登录部,针对能够从多个所述已登录数据中选出的两个已登录数据的全部组合,求出两个已登录数据之间的类似度,将类似度最高的两个已登录数据中的某一个已登录数据替换为所述新建数据。
6.如权利要求5所述的图像识别装置,其特征在于,
所述登录部,在所述类似度最高的两个已登录数据中,将旧的已登录数据替换为所述新建数据。
7.如权利要求1或2所述的图像识别装置,其特征在于,
在所述新建数据与任一个已登录数据之间,都没有类似到能够将所述新建数据评价为是与所述登录对象不同的对象的特征量数据的程度的情况下,所述登录部不追加所述新建数据。
8.如权利要求1或2所述的图像识别装置,其特征在于,
所述登录部,根据所述新建数据与所述已登录数据之间在特征量空间上的距离的远近,来评价所述新建数据与所述已登录数据之间的类似度。
9.如权利要求1或2所述的图像识别装置,其特征在于,
在存在多个已登录数据的情况下,所述登录部根据某一个已登录数据与其它已登录数据之间在特征量空间上的距离以及所述新建数据与所述其它已登录数据之间在特征量空间上的距离的相关性的强弱,来评价所述新建数据与所述某一个已登录数据之间的类似度。
10.如权利要求1或2所述的图像识别装置,其特征在于,
所述登录对象为脸部。
11.一种向图像识别装置登录数据的数据登录方法,其中,所述图像识别装置通过对从图像中提取出的被拍摄体的特征量数据和在数据库中登录的登录对象的特征量数据进行核对,来识别所述被拍摄体是否为所述登录对象,
所述数据登录方法的特征在于,具有:
图像识别装置获取新的登录用图像的步骤,
图像识别装置从所述登录用图像中提取特征量数据的步骤,
图像识别装置按照规定条件,向已登录数据追加登录新建数据的步骤,其中,所述新建数据是指,从所述登录用图像中提取出的特征量数据,所述已登录数据是指,已经登录在所述数据库中的所述登录对象的特征量数据;
所述规定条件包括第一条件,所述第一条件的内容为:在所述新建数据与所述已登录数据类似的情况下,不追加所述新建数据。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013-236495 | 2013-11-15 | ||
JP2013236495A JP6268960B2 (ja) | 2013-11-15 | 2013-11-15 | 画像認識装置及び画像認識装置に対するデータ登録方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104657705A true CN104657705A (zh) | 2015-05-27 |
CN104657705B CN104657705B (zh) | 2018-10-02 |
Family
ID=51947114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410601154.6A Active CN104657705B (zh) | 2013-11-15 | 2014-10-30 | 图像识别装置及面向图像识别装置的数据登录方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9734163B2 (zh) |
EP (1) | EP2874098B1 (zh) |
JP (1) | JP6268960B2 (zh) |
KR (2) | KR20150056460A (zh) |
CN (1) | CN104657705B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015179423A (ja) * | 2014-03-19 | 2015-10-08 | キヤノン株式会社 | 人物登録装置、人物認識装置及びプログラム |
JP6410450B2 (ja) * | 2014-03-31 | 2018-10-24 | キヤノン株式会社 | オブジェクト識別装置、オブジェクト識別方法及びプログラム |
CN106326816A (zh) * | 2015-06-30 | 2017-01-11 | 芋头科技(杭州)有限公司 | 一种面部识别系统及面部识别方法 |
US10769255B2 (en) * | 2015-11-11 | 2020-09-08 | Samsung Electronics Co., Ltd. | Methods and apparatuses for adaptively updating enrollment database for user authentication |
WO2017146229A1 (ja) | 2016-02-26 | 2017-08-31 | 日本電気株式会社 | 情報処理装置、容疑者情報生成方法及びプログラム |
US10198626B2 (en) * | 2016-10-19 | 2019-02-05 | Snap Inc. | Neural networks for facial modeling |
JP6900664B2 (ja) | 2016-12-14 | 2021-07-07 | 富士通株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
KR102476756B1 (ko) * | 2017-06-20 | 2022-12-09 | 삼성전자주식회사 | 사용자 인증을 위한 등록 데이터베이스의 적응적 갱신 방법 및 장치 |
JP6991771B2 (ja) * | 2017-07-31 | 2022-01-13 | キヤノン株式会社 | 情報処理装置、情報処理システム、情報処理方法及びプログラム |
US10210381B1 (en) * | 2017-08-01 | 2019-02-19 | Apple Inc. | Multiple enrollments in facial recognition |
KR102558741B1 (ko) * | 2017-12-12 | 2023-07-24 | 삼성전자주식회사 | 사용자 등록 장치 및 방법 |
JP7036400B2 (ja) * | 2018-01-30 | 2022-03-15 | 株式会社豊田中央研究所 | 自車位置推定装置、自車位置推定方法、及び自車位置推定プログラム |
US11113510B1 (en) * | 2018-06-03 | 2021-09-07 | Apple Inc. | Virtual templates for facial recognition |
TWI684918B (zh) * | 2018-06-08 | 2020-02-11 | 和碩聯合科技股份有限公司 | 臉部辨識系統以及加強臉部辨識方法 |
US10824856B2 (en) | 2018-10-11 | 2020-11-03 | Bank Of America Corporation | Item validation and image evaluation system |
US10846527B2 (en) * | 2018-10-11 | 2020-11-24 | Bank Of America Corporation | Enterprise profile management and control system |
US10839243B2 (en) | 2018-10-11 | 2020-11-17 | Bank Of America Corporation | Image evaluation and dynamic cropping system |
US10917410B2 (en) | 2018-10-11 | 2021-02-09 | Bank Of America Corporation | Dynamic profile control system |
US10832050B2 (en) | 2018-12-06 | 2020-11-10 | Bank Of America Corporation | Enhanced item validation and image evaluation system |
US10825279B2 (en) | 2018-12-06 | 2020-11-03 | Bank Of America Corporation | Item validation and image evaluation system with feedback loop |
US11079911B2 (en) * | 2018-12-26 | 2021-08-03 | Synaptics Incorporated | Enrollment-free offline device personalization |
US20220067351A1 (en) * | 2019-03-01 | 2022-03-03 | Nec Corporation | Dictionary creation device, biometrics device, monitoring system, dictionary creation method, and recording medium |
KR20200110064A (ko) | 2019-03-15 | 2020-09-23 | 삼성전자주식회사 | 변환 모델을 이용한 인증 방법 및 장치 |
WO2020205981A1 (en) * | 2019-04-05 | 2020-10-08 | Realnetworks, Inc. | Adaptive learning and matching of face modalities |
CN112183161B (zh) * | 2019-07-04 | 2024-02-20 | 杭州海康威视系统技术有限公司 | 人脸数据库的处理方法、装置及设备 |
KR20210041328A (ko) * | 2019-10-07 | 2021-04-15 | 엘지전자 주식회사 | 인공지능 기반 얼굴 인식 장치 및 방법 |
US20220253514A1 (en) * | 2021-02-10 | 2022-08-11 | Princeton Identity | Method and system for seamless biometric system self-enrollment |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040086157A1 (en) * | 2002-11-01 | 2004-05-06 | Kabushiki Kaisha Toshiba | Person recognizing apparatus, person recognizing method and passage controller |
US20120294496A1 (en) * | 2011-05-16 | 2012-11-22 | Canon Kabushiki Kaisha | Face recognition apparatus, control method thereof, and face recognition method |
CN103313018A (zh) * | 2012-03-15 | 2013-09-18 | 欧姆龙株式会社 | 登记确定装置及其控制方法、以及电子装置 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2002259980A (ja) * | 2001-03-05 | 2002-09-13 | Omron Corp | 生体照合装置、生体照合システム、生体照合方法および登録データ更新方法 |
JP2003271965A (ja) * | 2002-03-19 | 2003-09-26 | Fujitsu Ltd | 手書き署名認証プログラム、方法、及び装置 |
JP4429873B2 (ja) * | 2004-10-29 | 2010-03-10 | パナソニック株式会社 | 顔画像認証装置及び顔画像認証方法 |
US7734067B2 (en) * | 2004-12-07 | 2010-06-08 | Electronics And Telecommunications Research Institute | User recognition system and method thereof |
JP4951995B2 (ja) * | 2006-02-22 | 2012-06-13 | オムロン株式会社 | 顔照合装置 |
JP4941124B2 (ja) * | 2007-06-25 | 2012-05-30 | オムロン株式会社 | 監視システムおよび方法、情報処理装置、並びにプログラム |
JP2009054052A (ja) * | 2007-08-28 | 2009-03-12 | Panasonic Electric Works Co Ltd | 顔認証装置 |
JP5109564B2 (ja) * | 2007-10-02 | 2012-12-26 | ソニー株式会社 | 画像処理装置、撮像装置、これらにおける処理方法およびプログラム |
WO2009098894A1 (ja) * | 2008-02-06 | 2009-08-13 | Panasonic Corporation | 電子カメラおよび画像処理方法 |
JP5371083B2 (ja) * | 2008-09-16 | 2013-12-18 | Kddi株式会社 | 顔識別特徴量登録装置、顔識別特徴量登録方法、顔識別特徴量登録プログラム及び記録媒体 |
JP5438436B2 (ja) * | 2009-08-27 | 2014-03-12 | 株式会社日立国際電気 | 画像検索装置 |
EP2503509A4 (en) * | 2009-11-17 | 2018-01-17 | Hitachi Industry & Control Solutions, Ltd. | Authentication system using organism information, and authentication device |
JP5434708B2 (ja) * | 2010-03-15 | 2014-03-05 | オムロン株式会社 | 照合装置、デジタル画像処理システム、照合装置制御プログラム、コンピュータ読み取り可能な記録媒体、および照合装置の制御方法 |
JP5508088B2 (ja) * | 2010-03-30 | 2014-05-28 | Necエンベデッドプロダクツ株式会社 | 顔認証装置、方法、およびプログラム |
JP5507334B2 (ja) * | 2010-05-14 | 2014-05-28 | 本田技研工業株式会社 | 登録装置、登録方法及びコンピュータプログラム |
US8705813B2 (en) * | 2010-06-21 | 2014-04-22 | Canon Kabushiki Kaisha | Identification device, identification method, and storage medium |
KR101180471B1 (ko) | 2011-09-27 | 2012-09-07 | (주)올라웍스 | 한정된 메모리 환경 하에서 얼굴 인식 성능 향상을 위한 참조 얼굴 데이터베이스 관리 방법, 장치 및 컴퓨터 판독 가능한 기록 매체 |
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 |
JP6089610B2 (ja) * | 2012-11-13 | 2017-03-08 | 富士通株式会社 | 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム |
KR101297736B1 (ko) | 2013-05-07 | 2013-08-23 | 주식회사 파이브지티 | 얼굴 인식 방법 및 시스템 |
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 |
JP2015088098A (ja) * | 2013-11-01 | 2015-05-07 | 株式会社ソニー・コンピュータエンタテインメント | 情報処理装置および情報処理方法 |
-
2013
- 2013-11-15 JP JP2013236495A patent/JP6268960B2/ja active Active
-
2014
- 2014-10-30 CN CN201410601154.6A patent/CN104657705B/zh active Active
- 2014-10-30 US US14/528,322 patent/US9734163B2/en active Active
- 2014-10-30 EP EP14191087.7A patent/EP2874098B1/en active Active
- 2014-10-31 KR KR1020140149701A patent/KR20150056460A/ko active Application Filing
-
2016
- 2016-10-17 KR KR1020160134211A patent/KR101714350B1/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040086157A1 (en) * | 2002-11-01 | 2004-05-06 | Kabushiki Kaisha Toshiba | Person recognizing apparatus, person recognizing method and passage controller |
US20120294496A1 (en) * | 2011-05-16 | 2012-11-22 | Canon Kabushiki Kaisha | Face recognition apparatus, control method thereof, and face recognition method |
CN102855463A (zh) * | 2011-05-16 | 2013-01-02 | 佳能株式会社 | 面部识别装置及其控制方法和面部识别方法 |
CN103313018A (zh) * | 2012-03-15 | 2013-09-18 | 欧姆龙株式会社 | 登记确定装置及其控制方法、以及电子装置 |
US20130243328A1 (en) * | 2012-03-15 | 2013-09-19 | Omron Corporation | Registration determination device, control method and control program therefor, and electronic apparatus |
Non-Patent Citations (1)
Title |
---|
BIAGIO FRENI 等: "Replacement Algorithms for Fingerprint Template Update", 《IMAGE ANALYSIS AND RECOGNITION》 * |
Also Published As
Publication number | Publication date |
---|---|
EP2874098B1 (en) | 2018-12-12 |
CN104657705B (zh) | 2018-10-02 |
US20150139492A1 (en) | 2015-05-21 |
JP2015097000A (ja) | 2015-05-21 |
US9734163B2 (en) | 2017-08-15 |
KR20150056460A (ko) | 2015-05-26 |
JP6268960B2 (ja) | 2018-01-31 |
KR20160124719A (ko) | 2016-10-28 |
EP2874098A1 (en) | 2015-05-20 |
KR101714350B1 (ko) | 2017-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104657705A (zh) | 图像识别装置及面向图像识别装置的数据登录方法 | |
CN100361131C (zh) | 信息处理设备、信息处理方法 | |
US7620217B2 (en) | Three-dimensional face recognition system and method | |
CN109284733A (zh) | 一种基于yolo和多任务卷积神经网络的导购消极行为监控方法 | |
CN110414376B (zh) | 更新人脸识别模型的方法、人脸识别相机及服务器 | |
JP5061382B2 (ja) | 時系列データの識別装置および動画像への人物メタ情報付与装置 | |
JP5792985B2 (ja) | 情報処理装置、情報処理装置の制御方法、およびプログラム | |
CN102945366A (zh) | 一种人脸识别的方法及装置 | |
JP2007206833A (ja) | 生体照合方法および生体照合装置 | |
AU2003281007A1 (en) | Image matching system using 3-dimensional object model, image matching method, and image matching program | |
CN107133629B (zh) | 图片分类方法、装置和移动终端 | |
KR101384446B1 (ko) | 컴퓨터 판독가능한 기록 매체, 등록 장치, 및 등록 방법 | |
AU2011252761B2 (en) | Automatic identity enrolment | |
CN106778636A (zh) | 身份验证方法及装置 | |
CN112199530B (zh) | 多维度脸库图片自动更新方法、系统、设备及介质 | |
US20240087368A1 (en) | Companion animal life management system and method therefor | |
CN108108711A (zh) | 人脸布控方法、电子设备及存储介质 | |
JP2007061394A (ja) | 監視装置および方法、並びにプログラム | |
JP2006031103A (ja) | 生体認証装置、生体認証方法および通行制御装置 | |
CN108875549A (zh) | 图像识别方法、装置、系统及计算机存储介质 | |
CN108710820A (zh) | 基于人脸识别的婴儿状态识别方法、装置和服务器 | |
JP2018128736A (ja) | 顔認証システム、顔認証方法、及び顔認証プログラム | |
CN115147887A (zh) | 人脸识别率提高方法、门禁设备及计算机可读存储介质 | |
CN111783910B (zh) | 建筑项目管理方法、电子设备及相关产品 | |
KR102230559B1 (ko) | 데이터 프로그래밍에 기반한 레이블링 모델 생성 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |