CN117561551A - 判定方法、判定程序以及信息处理装置 - Google Patents

判定方法、判定程序以及信息处理装置 Download PDF

Info

Publication number
CN117561551A
CN117561551A CN202180099659.5A CN202180099659A CN117561551A CN 117561551 A CN117561551 A CN 117561551A CN 202180099659 A CN202180099659 A CN 202180099659A CN 117561551 A CN117561551 A CN 117561551A
Authority
CN
China
Prior art keywords
images
face
image
determination
image region
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.)
Pending
Application number
CN202180099659.5A
Other languages
English (en)
Inventor
松涛智明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of CN117561551A publication Critical patent/CN117561551A/zh
Pending legal-status Critical Current

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
    • G06V10/40—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
    • 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
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • 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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • G06V40/167—Detection; Localisation; Normalisation using comparisons between temporally consecutive images
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

计算机获取由相机在不同的时刻拍摄到的多个图像。在获取到的多个图像中的各个图像中包含人物的面部的图像区域、以及位于面部的图像区域之外且满足规定的条件的形状的图像区域的情况下，计算机进行人物的面部是否是显示物的判定。计算机基于面部的图像区域与该形状的图像区域之间的位置关系在多个图像之间的变化状况，进行该判定。

Description

判定方法、判定程序以及信息处理装置
技术领域
本发明涉及图像的判定的技术。
背景技术
生物体认证技术是使用指纹、面部、静脉等生物体特征进行本人确认的技术。在生物体认证技术中，通过将在需要确认的场景中获取到的生物体特征与预先登记的生物体特征进行比较(对照)，判定两者是否一致，来进行本人确认。
作为生物体认证技术之一的面部认证技术作为能够非接触地进行本人确认的方法而受到关注。面部认证技术用于个人计算机(PC)、智能手机等个人利用的终端的访问管理、出入室的管理、机场中的登机口处的本人确认等各种用途。
在该面部认证技术中作为生物体特征而利用的面部图像的信息与在指纹认证、手掌静脉认证等其他的生物体认证技术中作为生物体特征而利用的信息不同，能够不使用特殊的传感器，而通过使用一般相机的拍摄来获取。另外，面部图像通过社交网络服务(SNS)等在网络上公开的情况也较多。因此，有通过将打印有所公开的面部图像的照片、显示有该面部图像的智能手机等的画面提示给相机，来进行他人冒充本人的不正当行为之虞。
因此，提出了几种用于判定由相机拍摄到的拍摄图像是对人物的实物进行拍摄而得到的图像、还是对人物的照片、映有人物的显示画面等这样的人物的显示物进行拍摄而得到的图像的技术(例如，参照专利文献1～专利文献5)。
例如，已知有一种生物体判别装置，其判别获取生物体信息(例如，面部图像)的对象物是生物体还是非生物体。该装置获取包含对象物的生物体信息的图像，从该获取到的图像检测生物体区域(面部区域)，将该检测出的生物体区域的图像特征与预先求出的在正常的对象物存在于规定的位置时得到的生物体区域的图像特征进行比较。该装置在该比较的结果为判断为在两图像特征之间存在规定值以上的差时判别为该对象物为非生物体。另外，作为其他的方法，该装置在面部的周围的背景区域中，检测出由矩形状或曲线、多边形等包围生物体区域的物体时判别为非生物体。
另外，例如，已知有一种身份证拍摄系统，其通过能够准确地而且自动地校正拍摄身份证而得到的图像的倾斜失真，从而适当地识别身份证所记载的内容。该系统在由拍摄装置得到的图像中，在由面部检测单元检测出面部的情况下，进行照片检测单元对照片区域的检测，使用由照片检测单元得到的照片的大小，对倾斜校正后的图像的纵横比进行校正。
另外，例如，已知有一种面部认证处理装置，其高精度地检测认证时的冒充。该装置具备面部识别部、框检测部、配置判定部、有效判定部。面部识别部获取拍摄对象人物而得到的拍摄图像，在拍摄图像的输入图像中检测对象人物的面部。框检测部在输入图像中检测直线状的框。配置判定部使用通过面部的检测获取到的面部位置信息、通过框的检测获取到的框位置信息，判定是否存在包围对象人物的面部的框。有效判定部基于框的配置判定结果，判定对象人物的面部信息的认证结果的有效性。
另外，例如，已知有一种面部认证系统，其高精度地检测在对象人物的认证时能够进行的使用了图像的冒充，有效地抑制基于冒充的有恶意的第三者的不正当行为。在该系统中，平板检测部输入由两台拍摄装置分别拍摄相同的面部图像而得到的两个拍摄图像。两个面部检测部检测两个拍摄图像各自中的面部图像。判定部基于与两个面部图像对应的特征点、以及两个面部图像，判定两个面部图像是否为平面。有效判定部基于两个面部图像是否为平面的判定结果，判定面部认证结果的有效性。
另外，例如，已知有一种面部认证系统，其排除基于照片等的不正当行为，并且防止由不正当行为的误判定引起的便利性的降低。该系统进行在与管理区域相邻的认证区域通行的人物的面部认证，具备图像获取单元、存储单元、面部对照单元、策划判定单元、认证单元。存储单元从管理区域侧拍摄认证区域而依次获取包含人物的面部的面部图像。存储单元存储有预先登记的利用者的登记面部图像。面部对照单元对获取到的面部图像与登记面部图像进行对照。策划判定单元在面部图像的时间变化较小时判定为不正当行为。认证单元将与登记面部图像对照一致且未被判定为不正当行为的人物认证为利用者。在该系统中，策划判定单元在检测出面部图像中的规定的局部区域的变化时判定为不是不正当行为。
此外，作为在图像的判定中利用的技术，例如提出从拍摄图像检测人的面部的图像区域的技术(例如，参照非专利文献1)。
专利文献1：日本特开2006-99614号公报
专利文献2：日本特开2011-9986号公报
专利文献3：日本特开2018-169943号公报
专利文献4：日本特开2019-197426号公报
专利文献5：日本特开2014-219703号公报
非专利文献1：Kaipeng Zhang et al.,“Joint Face Detection and Alignmentusing Multi-task Cascaded Convolutional Networks”,IEEE Signal ProcessingLetters(SPL),Volume 23,Issue 10,Oct.2016,p.1499-1503
若基于一张拍摄图像来进行拍摄图像是对人物的实物进行拍摄而得到的图像、还是对人物的照片、映有人物的显示画面等这样的人物的显示物进行拍摄而得到的图像的判定，则有时无法得到充分的判定精度。例如，在某时刻获取到的一张拍摄图像中，尽管实际上是背景的物体的图像，但由于作为该物体的图像的框的图像位于面部图像的周边，因而有时误判定为该拍摄图像是拍摄显示物而得到的图像。
发明内容
在一个方面，本发明的目的在于，提高拍摄图像是否是对人物的显示物进行拍摄而得到的图像的判定的精度。
在一个技术方案中，计算机获取由相机在不同的时刻拍摄到的多个图像。在获取到的多个图像中的各个图像中包含人物的面部的图像区域、以及位于面部的图像区域之外且满足规定的条件的形状的图像区域的情况下，计算机进行人物的面部是否是显示物的判定。计算机基于面部的图像区域与该形状的图像区域之间的位置关系在多个图像之间的变化状况，进行该判定。
根据一个方面，提高拍摄图像是否是对人物的显示物进行拍摄而得到的图像的判定的精度。
附图说明
图1是表示例示的信息处理装置的结构的图。
图2是对检测线形状的图像区域的方法进行说明的图。
图3是拍摄人物的实物而得到的拍摄图像的例子。
图4是表示计算机的硬件结构例的图。
图5是表示拍摄图像判定处理的处理内容的流程图。
图6是表示线形状区域检测处理的处理内容的流程图。
图7是表示垂直方向区域检测处理的处理内容的流程图。
图8是表示水平方向区域检测处理的处理内容的流程图。
图9A是表示判定处理的处理内容的流程图(其1)。
图9B是表示判定处理的处理内容的流程图(其2)。
具体实施方式
以下，一边参照附图，一边详细地说明实施方式。
图1表示例示的信息处理装置1的结构。该信息处理装置1进行相机2中的拍摄图像是拍摄人物的实物而得到的图像、还是拍摄人物的显示物而得到的图像的判定。
信息处理装置1具备图像获取部10、第一区域检测部11、第二区域检测部12以及判定部13。
图像获取部10获取由相机2在不同的时刻拍摄到的多个图像。
第一区域检测部11检测由图像获取部10获取的多个图像中的各个图像中的人物的面部的图像区域。此外，作为从拍摄图像检测人的面部的图像区域的方法，已知有几个方法。第一区域检测部11可以使用这些方法中的任一种，例如也可以使用在上述的非专利文献1中提出的方法。
第二区域检测部12从由图像获取部10获取的多个图像中的各个图像中的人物的面部的图像区域之外的剩余的区域，检测满足规定的条件的形状的图像区域。
判定部13进行在由图像获取部10获取的多个图像中表示的人物的面部是否为显示物的判定。判定部13基于由第一区域检测部11检测出的面部的图像区域与由第二区域检测部12检测出的上述的形状的图像区域之间的位置关系在该多个图像之间的变化状况，进行该判定。
接下来，一边参照图2，一边说明从拍摄图像的图像区域检测线形状的图像区域的方法。本方法是图1的信息处理装置1中的第二区域检测部12为了将线形状的图像区域检测为满足规定的条件的形状的图像区域而使用的方法。
在图2中，作为[A]而示出的图像例是拍摄人物的面部的照片(显示物)而得到的拍摄图像。由于照片纸张容易弯曲，因此本来应该为直线状的照片的边缘部的框的形状在该图像例中为曲线状。
在本方法中，首先，根据拍摄图像生成将各像素的位置处的边缘强度表示为各像素的边缘强度的边缘强度的映射来作为边缘强度图像。
在图2中，[B]是边缘强度图像的例子，与作为[A]的图像中的一部分区域(从拍摄图像的边缘强度图像除去面部的图像区域之后的剩余的区域的一部分)的纵横各自7像素的区域(包含框的一部分区域)相关。在该边缘强度图像的例子中，关于各像素的边缘强度的值被配置于各自的像素的位置来表示。
接下来，进行构成线形状的图像区域的像素的选择。此外，在以后的说明中，将构成线形状的图像区域的像素称为“特定像素”。通过以下的步骤进行该特定像素的选择。
此外，在该步骤的说明中，在图2的[B]的边缘强度图像中，将上端的像素列(横向排列的像素列)称为第一列的像素列，将在该第一列的像素列的下方相邻的像素列称为第二列的像素列。以下，同样地确定第三列、第四列、第五列、第六列的像素列，将该边缘强度图像中的下端的像素列称为第七列的像素列。
首先，边缘强度图像中的第一列的像素列所包含的像素中的边缘强度最大的像素被选择为最初的特定像素。
在图2的[B]的边缘强度图像中，构成第一列的像素列的7个像素中的边缘强度最大的像素是边缘强度的值为“50”的像素。因此，该像素被选择为最初的特定像素。此外，在图2的[B]中，对所选择的特定像素的位置实施阴影。
接下来，在边缘强度图像中，从与作为上述的特定像素的选择中的选择对象的像素列(包含特定像素的像素列)相邻的像素列，选择与特定像素相邻且边缘强度最大的像素作为下一特定像素。
如上所述，在最初进行的像素的选择中，从图2的[B]的边缘强度图像中的作为选择对象的第一列的像素列选择边缘强度的值为“50”的像素作为特定像素。因此，在该情况下，与特定像素的选择中的选择对象的像素列相邻的像素列为第二列的像素列。在该第二列的像素列所包含的像素中与特定像素相邻的像素是边缘强度的值分别为“44”、“67”、“38”的三个像素。在这三个相邻像素中边缘强度最大的像素是边缘强度的值为“67”的像素，因此该像素被选择为下一特定像素。
在像这样选择了下一特定像素之后，按照每个像素列反复进行上述的下一特定像素的选择。
在图2的[B]的边缘强度图像中，若从第二列的像素列选择边缘强度的值为“67”的特定像素，则这次，与特定像素的选择中的选择对象的像素列相邻的像素列为第三列的像素列。在该第三列的像素列所包含的像素中与特定像素相邻的像素是边缘强度的值分别为“58”、“40”、“27”的三个像素。在这三个像素中边缘强度最大的像素是边缘强度的值为“58”的像素，因此该像素被选择为下一特定像素。
以后，同样地，将第四列、第五列、第六列、第七列的各像素列作为选择对象，反复进行下一特定像素的选择。通过反复进行该选择，从该各像素列选择边缘强度的值分别为“76”、“64”、“51”、“57”的各像素作为特定像素。
接下来，通过在边缘强度图像中检测由通过反复进行特定像素的选择而得到的特定像素组形成的图像区域，来检测拍摄图像中的线形状的图像区域。
作为在此之前说明的选择的结果，从图2的[B]的边缘强度图像中的第一列至第七列的各像素列，选择边缘强度的值分别为“50”、“67”、“58”、“76”、“64”、“51”、“57”的像素作为特定像素。从图2的[A]中例示的拍摄图像检测由这些特定像素构成的特定像素组所形成的线形状的图像区域。
在图2中，[C]的图像例用虚线表示针对[A]的图像例进行的线形状的图像区域的检测的结果。此外，在该[C]的图像例中，表示沿着人物的面部的照片的边缘部的左框和右框分别检测出线形状的图像区域。这是针对将[A]的图像左右分割而得到的两个分割图像分别进行了线形状的图像区域的检测。
在本实施方式中，像以上那样从拍摄图像的图像区域检测线形状的图像区域。此外，在以下的说明中，有时将线形状的图像区域称为“线形状区域”。
接下来，对判定在拍摄图像中表示的人物的面部是否为显示物的方法进行说明。本方法是图1的信息处理装置1中的判定部13使用的方法。
如上所述，图2中的[A]的图像例是拍摄人物的面部的照片(显示物)而得到的拍摄图像。在这样的拍摄图像中，推断为人物的面部的图像区域与如上述那样检测出的线形状区域(照片的边缘部的框)之间的位置关系在通过不同的时刻的拍摄而得到的拍摄图像之间的变化同步。
另一方面，图3的图像例是拍摄人物的实物而得到的拍摄图像的例子。在该图像例中作为人物的背景而映有墙壁。在该墙壁中包含线状物，该线状物也映至拍摄图像。
在上述的检测线形状区域的方法中，这样的线状物的图像区域也从拍摄图像中被检测出。但是，在这样的拍摄图像中，推断为人物的面部的图像区域与线形状区域(墙壁的线状物)之间的位置关系在通过不同的时刻的拍摄而得到的拍摄图像之间的变化不同步，独立地变化。
因此，在本方法中，进行人物的面部的图像区域与线形状区域之间的位置关系在通过不同的时刻的拍摄而得到的拍摄图像之间的变化是否同步的判定。而且，在该判定中，判定为两者之间的位置关系的变化不同步的情况下，作出拍摄图像所包含的人物的面部不是显示物的判定。
此外，例如也可以基于使用在不同的时刻拍摄到的多个拍摄图像而计算的、面部的图像区域和线形状区域的各自的运动向量的相似度来进行上述的判定。
另一方面，也可以在上述的判定中，判定为两者之间的位置关系的变化同步的情况下，作出拍摄图像所包含的人物的面部为显示物的判定。
另外，在判定为两者之间的位置关系的变化同步的情况下，也可以进行线形状区域是否表示显示物的轮廓(照片、显示器装置等的边缘部的框)的判定。而且，也可以在该判定中，判定为线形状区域表示显示物的轮廓的情况下，作出人物的面部为显示物的判定，从而进一步提高人物的面部为显示物的判定的精度。
另外，推断在包含显示物的拍摄图像中，关于该显示物的轮廓，具有以下的特征。
·显示物的轮廓在拍摄图像中是明确的，构成该轮廓的像素的边缘强度较强的可能性高。
·在拍摄图像中，表示显示物的轮廓的线形状相对于在显示物中表示的人物的面部的朝向接近平行或者垂直的可能性高。
·在拍摄图像中，表示显示物的轮廓的线形状与在显示物中表示的人物的面部之间的距离较近的可能性高。
因此，也可以利用这些特征，进行线形状区域是否表示显示物的轮廓的判定。即，例如也可以使用构成线形状区域的各像素的位置处的边缘强度(特定像素组所包含的各像素的边缘强度)进行该判定。另外，也可以将近似线形状区域而得到的直线相对于连结在面部的图像区域中表示的人物的左右眼的位置的线段的斜率作为表示相对于人物的面部的朝向的线形状区域的朝向的指标，并且使用该近似直线的斜率进行该判定。或者，也可以将该近似直线与在面部的图像区域中表示的人物的鼻子的位置之间的距离作为表示线形状区域与人物的面部之间的距离的指标，使用该近似直线与鼻子的位置之间的距离进行该判定。另外，也可以使用这些边缘强度、近似直线的斜率和距离中的任意两个来进行该判定。而且，也可以使用上述的边缘强度、近似直线的斜率和距离这全部三个来进行该判定。
另外，在如上述那样使用边缘强度、近似直线的斜率和距离来进行上述的判定时，也可以使用该边缘强度、该近似直线的斜率和该距离，计算线形状区域表示显示物的轮廓的准确度。而且，在这种情况下，也可以基于计算出的准确度与规定的准确度阈值的大小比较的结果，进行线形状区域是否表示显示物的轮廓的判定。
此外，作为线形状区域表示显示物的轮廓的准确度，例如也可以使用通过计算下述的式(1)而算出的准确度R。
R＝α×μ+β×cosθ+γ/d……式(1)
此外，在式(1)中，μ是构成线形状区域的各像素的位置处的边缘强度的平均值(构成特定像素组的各特定像素的边缘强度的平均值)。另外，在式(1)中，θ是线形状区域的近似直线相对于连结在面部的图像区域中表示的人物的左右眼的位置的线段的斜率。另外，d是该近似直线与在面部的图像区域中表示的人物的鼻子的位置之间的距离。此外，α、β以及γ分别是根据μ、θ以及d的各值对准确度R的重要度而确定的加权常数，例如通过实验而预先求出适当的值。
此外，在表示显示物的轮廓的线形状相对于在显示物中表示的人物的面部的朝向接近平行的情况下，更具体而言在斜率θ的值为-45°≤θ≤+45°的情况下，使用式(1)。另一方面，在表示显示物的轮廓的线形状相对于在显示物中表示的人物的面部的朝向接近垂直的情况下，更具体而言在斜率θ的值为-90°＜θ＜-45°或者+45°＜θ≤+90°的情况下，作为准确度R的计算式，使用下述的式(2)。
R＝α×μ+β×cos(90°-|θ|)+γ/d……式(2)
在本实施方式中，像以上那样，进行在拍摄图像中表示的人物的面部是否为显示物的判定。
此外，也可以通过计算机与软件的组合来构成图1的信息处理装置1。
图4表示计算机20的硬件结构例。
作为构成要素，计算机20例如具备处理器21、存储器22、存储装置23、读取装置24、通信接口26以及输入输出接口27的各硬件。这些结构要素经由总线28连接，在构成要素间相互进行数据的授受。
处理器21例如可以是单处理器，也可以是多处理器以及多核。处理器21利用存储器22，例如执行记述了后述的拍摄图像判定处理的步骤的拍摄图像判定程序。
存储器22例如是半导体存储器，可以包含RAM区域以及ROM区域。存储装置23例如是硬盘、闪存等半导体存储器、或者外部存储装置。此外，RAM是Random Access Memory(随机存取存储器)的简称。另外，ROM是Read Only Memory(只读存储器)的简称。
读取装置24根据处理器21的指示而访问可装卸存储介质25。可装卸存储介质25例如由半导体器件(USB存储器等)、通过磁作用而输入输出信息的介质(磁盘等)、通过光学作用而输入输出信息的介质(CD-ROM、DVD等)等来实现。此外，USB是Universal Serial Bus(通用串行总线)的简称。CD是Compact Disc(压缩碟片)的简称。DVD是Digital VersatileDisk(数字多功能盘)的简称。
通信接口26例如根据处理器21的指示而经由通信网络(未图示)发送接收数据。
输入输出接口27获取从相机2发送来的拍摄图像的图像数据等各种数据。另外，输入输出接口27输出从处理器21输出的后述的判定处理的结果。
例如以下述的方式提供由该计算机20的处理器21执行的程序。
(1)预先安装于存储装置23。
(2)由可装卸存储介质25提供。
(3)从程序服务器等服务器经由通信网络提供给通信接口26。
此外，计算机20的硬件结构是例示，实施方式并不限于此。例如，上述的功能部的一部分或者全部的功能也可以作为基于FPGA以及SoC等的硬件来安装。此外，FPGA是FieldProgrammable Gate Array(现场可编程门阵列)的简称。SoC是System-on-a-chip(片上系统)的简称。
接下来，对拍摄图像判定处理进行说明。图5是表示该拍摄图像判定处理的处理内容的流程图。在通过图4的计算机20与软件的组合而构成图1的信息处理装置1的情况下，使处理器21执行记述了该拍摄图像判定处理的判定程序。
在图5中，首先，在S100中，进行获取多张拍摄图像的处理。在该处理中，进行如下的处理：经由输入输出接口27从相机2获取由相机2在不同的时刻进行拍摄而得到的多张时间序列的图像并将其积蓄于存储器22。
处理器21通过执行该S100的处理而提供图1的图像获取部10的功能。
接下来，在S200中，进行如下的处理：在通过S100的处理而获取到的多个图像中的各个图像中检测人物的面部的图像区域。
如上所述，作为从拍摄图像检测人的面部的图像区域的方法，已知有几个方法。在S200的处理中，可以使用这些方法中的任一种，例如也可以使用在上述的非专利文献1中提出的方法。
处理器21通过执行该S200的处理而提供图1的第一区域检测部11的功能。
此外，在以下的说明中，有时将通过该S200的处理而从拍摄图像检测出的图像区域即人物的面部的图像区域称为“面部区域”。
接下来，在S300中进行线形状区域检测处理。该线形状区域检测处理是在通过S100的处理而获取的多个图像中的各个图像中，从通过S200的处理而检测出的面部区域之外的剩余的区域检测线形状区域的处理。该线形状区域检测处理的详细情况后述说明。
接下来，在S400中进行判定处理。该判定处理是进行在通过S100的处理而获取到的多个图像中表示的人物的面部是否为显示物的判定的处理。基于通过S200和S300的处理而分别检测出的面部区域与布告用区域之间的位置关系在多个图像之间的变化状况，并根据上述的方法来进行该判定。该判定处理的详细情况后述说明。
若结束S400的处理，则该拍摄图像判定处理结束。
接下来，对图5的S300的处理即线形状区域检测处理的详细情况进行说明。图6是表示线形状区域检测处理的处理内容的流程图。处理器21通过执行该线形状区域检测处理而提供图1的第二区域检测部12的功能。
此外，该线形状区域检测处理是将通过图5的S100的处理而获取到的多个拍摄图像中的各个拍摄图像作为处理对象而执行的处理。
在图6中，首先，在S310中，进行如下的处理：对通过图5的S100的处理而获取到的多个拍摄图像中的各个拍摄图像进行旋转变换来生成多个矩形图像。
作为使图像旋转的变换处理，例如已知有仿射变换(Affine Transformation)。在本实施方式中，作为针对拍摄图像的旋转变换的方法，使用仿射变换。
在S310的处理中，首先，进行如下的处理：从通过图5的S200的处理而从拍摄图像检测出的面部区域，检测左右眼的位置。接下来，进行如下的处理：对拍摄图像进行旋转变换，使连结该左右眼的位置的线段成为水平。接下来，进行如下的处理：针对该旋转变换后的拍摄图像的端部进行裁剪，生成上端以及下端的边与上述的线段平行，左端以及右端的边与上述的线段垂直的矩形图像。
此外，在通过图5的S100的处理而获取到的拍摄图像已经具有这样的矩形图像的特征的情况下，也可以不进行S310的处理，针对拍摄图像进行针对矩形图像进行的以后的处理。
接下来，在S320中，进行如下的处理：根据在S310的处理中生成的多个矩形图像生成多个边缘强度图像。
作为从图像提取边缘的方法，已知有几个方法。在本实施方式中，使用这些方法中的拉普拉斯滤波器(Laplacian Filter)来根据矩形图像生成边缘强度图像。
接下来，在S330中，进行如下的处理：生成从通过S320的处理而生成的边缘强度图像除去与原来的拍摄图像中的面部区域对应的区域之后的剩余的边缘强度图像。通过该处理，在通过S320的处理而生成的多个边缘强度图像中的各个图像中，与原来的拍摄图像中的面部区域对应的区域所包含的各像素的边缘强度被设定为“0”，而生成多个剩余的边缘强度图像。
接下来，在S340中进行垂直方向区域检测处理，在接下来的S350中进行水平方向区域检测处理。它们都是使用通过S330的处理而生成的剩余的边缘强度图像，根据上述的方法来从矩形图像检测线形状区域的处理。其中，垂直方向区域检测处理是检测垂直方向的线形状区域的检测处理，水平方向区域检测处理是检测水平方向的线形状区域的检测处理。这些处理的详细情况后述说明。
若结束S340以及S350的处理，则线形状区域检测处理结束，处理器21使处理返回到图5的拍摄图像判定处理。
以上的处理是线形状区域检测处理。
接下来，对图6的S340的处理即垂直方向区域检测处理的详细情况进行说明。图7是表示垂直方向区域检测处理的处理内容的流程图。
在图7中，首先，在S341中，进行如下的处理：将在通过S330的处理而生成的剩余的边缘强度图像中的上端的像素列所包含的像素中的边缘强度最大的像素选择为最初的特定像素。通过该处理而选择的最初的特定像素的位置为线形状区域的始端。
接下来，在S342中，进行如下的处理：从在包含通过在执行该处理的最近执行的处理(上述的S341或者后述的S343的处理)而选择出的特定像素的像素列的下方相邻的像素列，提取与该特定像素相邻的像素(相邻像素)。
接下来，在S343中，进行如下的处理：将通过S342的处理而提取出的相邻像素中的边缘强度最大的相邻像素选择为下一特定像素。
接下来，在S344中，进行如下的处理：判定通过S343的处理而选择出的特定像素的边缘强度是否为规定的强度阈值以上。
该S344的处理用于判定通过S343的处理而选择出的特定像素的边缘强度是否为能够视为线区域的图像区域的程度的边缘强度。
在S344的判定处理中，判定为特定像素的边缘强度为规定的强度阈值以上时(在判定结果为是时)，处理进入S345。另一方面，在该判定处理中，判定为特定像素的边缘强度不满足规定的强度阈值时(在判定结果为否时)，视为通过S343的处理而选择出的特定像素的位置为线形状区域的终端，处理进入S346。
接下来，在S345中，进行如下的处理：判定包含通过S343的处理而选择出的特定像素的像素列是否为通过S330的处理而生成的剩余的边缘强度图像中的下端的像素列。在该判定处理中，判定为包含特定像素的像素列是下端的像素列时(在判定结果为是时)，视为通过S343的处理而选择出的特定像素的位置为线形状区域的终端，处理进入S346。另一方面，在该判定处理中，判定为包含特定像素的像素列不是下端的像素列时(在判定结果为否时)，线形状区域有可能进一步向图像的下方向连续，因此处理返回至S342，反复进行上述的处理。
接下来，在S346中，进行如下的处理：从矩形图像检测由通过反复进行S341的处理和S343的处理而选择出的各特定像素构成的特定像素组来作为垂直方向的线形状区域。
若结束S346的处理，则垂直方向区域检测处理结束，处理器21使处理返回到图6的线形状区域检测处理。
以上的处理是垂直方向区域检测处理。在该垂直方向区域检测处理中的S341的处理中，作为最初的特定像素的选择的对象的像素列是剩余的边缘强度图像中的上端的像素列。边缘强度图像是根据矩形图像生成的，矩形图像的上端的边与连结面部区域中的左右眼的位置的线段平行。因此，反复进行S342至S345的处理是在最初的像素列与该线段平行的情况下反复进行第一选择的一个例子，基于S346的处理的垂直方向的线形状区域的检测相当于第一线形状的图像区域的检测。
接下来，对图6的S350的处理即水平方向区域检测处理的详细情况进行说明。图8是表示水平方向区域检测处理的处理内容的流程图。
上述的垂直方向区域检测处理是从图像的上方朝向下方进行垂直方向的线形状区域的探索，与之相对，由此说明的水平方向区域检测处理从图像的左方朝向右方进行水平方向的线形状区域的探索。
在图8中，首先，在S351中，进行如下的处理：将在通过S330的处理而生成的剩余的边缘强度图像中的左端的像素列所包含的像素中的边缘强度最大的像素选择为最初的特定像素。通过该处理而选择的最初的特定像素的位置为线形状区域的始端。
接下来，在S352中，进行如下的处理：从在包含通过在执行该处理的最近执行的处理(上述的S351或者后述的S353的处理)而选择出的特定像素的像素列的右方相邻的像素列，提取与该特定像素相邻的像素(相邻像素)。
接下来，在S353中，进行如下的处理：将通过S352的处理而提取出的相邻像素中的边缘强度最大的相邻像素选择为下一特定像素。
接下来，在S354中，进行如下的处理：判定通过S353的处理而选择出的特定像素的边缘强度是否为规定的强度阈值以上。
该S354的处理与图7的S344的处理同样，用于判定通过S353的处理而选择出的特定像素的边缘强度是否是能够视为线区域的图像区域的程度的边缘强度。
在S354的判定处理中，判定为特定像素的边缘强度为规定的强度阈值以上时(在判定结果为是时)，处理进入S355。另一方面，在该判定处理中，判定为特定像素的边缘强度不满足规定的强度阈值时(在判定结果为否时)，视为通过S353的处理而选择出的特定像素的位置为线形状区域的终端，处理进入S356。
接下来，在S355中，进行如下的处理：判定包含通过S353的处理而选择出的特定像素的像素列是否是通过S330的处理而生成的剩余的边缘强度图像中的右端的像素列。在该判定处理中，判定为包含特定像素的像素列是右端的像素列时(在判定结果为是时)，视为通过S353的处理而选择出的特定像素的位置为线形状区域的右端，处理进入S356。另一方面，在该判定处理中，判定为包含特定像素的像素列不是右端的像素列时(在判定结果为否时)，线形状区域有可能进一步向图像的右方向连续，因此处理返回至S352，反复进行上述的处理。
接下来，在S356中，进行如下的处理：从矩形图像检测由通过反复进行S351的处理和S353的处理而选择出的各特定像素构成的特定像素组来作为水平方向的线形状区域。
若结束S356的处理，水平方向区域检测处理结束，处理器21使处理返回到图6的线形状区域检测处理。
以上的处理是水平方向区域检测处理。在该水平方向区域检测处理中的S351的处理中，作为最初的特定像素的选择的对象的像素列是剩余的边缘强度图像中的左端的像素列。边缘强度图像是根据矩形图像生成的，矩形图像的左端的边与连结面部区域中的左右眼的位置的线段垂直。因此，反复进行S352至S355的处理是在最初的像素列与该线段垂直的情况下反复进行第二选择的一个例子，基于S356的处理的水平方向的线形状区域的检测相当于第二线形状的图像区域的检测。
接下来，对图5的S400的处理即判定处理的详细情况进行说明。图9A以及图9B是表示判定处理的处理内容的流程图。处理器21通过执行该判定处理而提供图1的判定部13的功能。
针对在图6的S340的处理中检测出的垂直方向的线形状区域与在图6的S350的处理中检测出的水平方向的线形状区域中的各个线形状区域，进行图9A所示的S401至S405的各处理。
在图9A中，首先，在S401中，进行如下的处理：针对通过图1的S100的处理而获取到的多个图像的各自的矩形图像，计算线形状区域的构成像素的边缘强度的平均值μ。
接下来，在S402中，进行如下的处理：针对该多个图像的各自的矩形图像，求出近似线形状区域而得到的直线，计算该近似直线相对于连结在矩形图像中的面部区域表示的人物的左右眼的位置的线段的斜率θ。此外，在本实施方式中，使用最小二乘法，根据线形状区域的各构成像素的位置求出线形状区域的近似直线，但也可以使用其他的方法来求出近似直线。
接下来，在S403中，进行如下的处理：在通过图1的S100的处理而获取到的多个图像的各自的矩形图像中，计算通过S402的处理而求出的近似直线与在面部区域中表示的人物的鼻子的位置之间的距离d。
接下来，在S404中，进行如下的处理：将从通过图1的S100的处理而获取到的多个图像中选择出的两张图像的两张矩形图像的各自的线形状区域在该两张矩形图像之间建立对应关系。
在该S404的处理中，作为两张图像，例如在通过图1的S100的处理而获取到的多个图像中选择按照时间序列连续地由相机2拍摄到的图像。在这样的两张图像之间，在表示有照片的外框、作为背景的墙壁的线状物的线形状区域没有较大的差异，因此，认为通过S401至S403的各处理而计算出的边缘强度的平均值μ、斜率θ以及距离d的各值均为接近的值。因此，作为S404的处理，进行将这些各值在该两张图像的矩形图像之间为接近的值的线形状区域在两张矩形图像之间建立对应关系的处理。
接下来，在S405中，进行如下的处理：基于该两张矩形图像各自中的线形状区域的位置(例如线形状区域的重心位置)来计算通过S404的处理而建立对应关系的该线形状区域的运动向量。
接下来，在S406中，进行如下的处理：基于该两张矩形图像各自中的面部区域的位置(例如在该面部区域表示的人物的鼻子的位置)来计算该两张矩形图像各自中的该面部区域的运动向量。
接下来，在S407中，进行如下的处理：计算线形状区域的运动向量与面部区域的运动向量的余弦相似度。此外，在该S407的处理中，作为线形状区域的运动向量，使用垂直方向和水平方向的线形状区域的运动向量的平均。此外，通过S405的处理来计算垂直方向和水平方向的线形状区域的运动向量。另外，在该S407的处理中，作为面部区域的运动向量，使用通过S406的处理而计算出的运动向量。
接下来，在图9B的S408中，进行如下的处理：判定通过S407的处理而计算出的余弦相似度的值是否为规定的相似度阈值以上。该判定处理是用于判断线形状区域与面部区域之间的位置关系的变化是否同步的处理。在该判定处理中，判定为余弦相似度的值为相似度阈值以上时(在判定结果为是时)，判断为线形状区域与面部区域之间的位置关系的变化同步，处理进入S409。另一方面，在该判定处理中，判定为余弦相似度的值比相似度阈值小时(在判定结果为否时)，判断为线形状区域与面部区域之间的位置关系的变化不同步，处理进入S412。
接下来，在S409中，进行如下的处理：使用通过S401至S403的各处理而计算出的边缘强度的平均值μ、斜率θ以及距离d的各值，计算线形状区域表示显示物的轮廓的准确度R。在该处理中，在垂直方向的线形状区域的准确度R的计算中使用上述的式(2)，在水平方向的线形状区域的准确度R的计算中使用上述的式(1)。
接下来，在S410中，进行如下的处理：进行垂直方向和水平方向的各个线形状区域的准确度R的平均值与规定的准确度阈值的大小比较。该处理是用于判断线形状区域是否表示显示物的轮廓的处理。在该大小比较中，判定为准确度R的平均值为准确度阈值以上时(在判定结果为是时)，判断为线形状区域表示显示物的轮廓，处理进入S411。另一方面，在该大小比较中，判定为准确度R的平均值比准确度阈值小时(在判定结果为否时)，判断为线形状区域不表示显示物的轮廓，处理进入S412。
此外，在S410的处理中，也可以是，为了判断线形状区域是否表示显示物的轮廓，进行垂直方向和水平方向的各个线形状区域的准确度R的总和与规定的准确度阈值的大小比较。
接下来，在S411中，进行如下的处理：输出在通过图5的S100的处理而获取到的多个图像中表示的人物的面部是显示物的判定结果。然后，若结束该S411的处理，则图9A以及图9B所示的判定处理结束，处理器21使处理返回到图5的拍摄图像判定处理。
另一方面，在S412中，进行如下的处理：输出在通过图5的S100的处理而获取到的多个图像中表示的人物的面部不是显示物(是人物的实物)的判定结果。然后，若结束该S412的处理，则图9A以及图9B所示的判定处理结束，处理器21使处理返回到图5的拍摄图像判定处理。
以上的处理是判定处理。
通过由图4的计算机20进行以上的各处理，从而高精度地进行拍摄图像是否是对人物的显示物进行拍摄而得到的图像的判定。
以上，对公开的实施方式及其优点进行了详细说明，但本领域技术人员能够在不脱离权利要求中明确记载的本发明的范围的情况下，进行各种变更、追加、省略。
例如，在图7的垂直方向区域检测处理中，检测出一个垂直方向的线形状区域。也可以取而代之，例如将通过图1的S100的处理而获取的拍摄图像在左右分割为两部分，针对分割出的图像中的各个图像进行垂直方向区域检测处理，由此检测两个垂直方向的线形状区域。
另外，同样地，也可以将通过图1的S100的处理而获取的拍摄图像在上下分割为两部分，针对分割出的图像中的各个图像进行图8的水平方向区域检测处理，由此检测两个水平方向的线形状区域。
另外，例如，在图7的垂直方向区域检测处理中，有时检测将图像的上端作为始端、将比图像的下端靠上的位置作为终端的垂直方向的线形状区域。在检测出这样的线形状区域的情况下，也可以进一步检测将图像的下端作为始端并从该始端向图像的上方延伸的垂直方向的线形状区域。
在这样的垂直方向的线形状区域的检测中，从图像的下端的像素列向上方依次进行图7的垂直方向区域检测处理中的关注像素的选择即可。更详细地，在图7的S344的判定结果为否的情况下，进行与S341至S346的处理相似的处理即可。
若对该相似的处理与图7的处理不同的点进行说明，则在该相似的处理中，取代S341的处理，而进行如下的处理：将剩余的边缘强度图像中的下端的像素列所包含的像素中的边缘强度最大的像素选择为最初的特定像素。另外，取代S342的处理，而进行如下的处理：从在包含通过在执行该处理的最近执行的处理而选择出的特定像素的像素列的上方相邻的像素列，提取与该特定像素相邻的像素(相邻像素)。而且，取代S346的处理，而进行如下的处理：判定包含通过S343的处理而选择出的特定像素的像素列是否是通过S330的处理而生成的剩余的边缘强度图像中的上端的像素列。
另外，例如，在图8的水平方向区域检测处理中，有时检测将图像的左端作为始端、将比图像的右端靠左的位置作为终端的水平方向的线形状区域。在检测出这样的线形状区域的情况下，也可以进一步检测将图像的右端作为始端并从该始端向图像的左方延伸的水平方向的线形状区域。
在这样的水平方向的线形状区域的检测中，从图像的右端的像素列向左方依次进行图8的水平方向区域检测处理中的关注像素的选择即可。更详细地，在图8的S354的判定结果为否的情况下，进行与S351至S356的处理相似的处理即可。
若对该相似的处理与图7的处理不同的点进行说明，则在该相似的处理中，取代S351的处理，而进行如下的处理：将在剩余的边缘强度图像中的右端的像素列所包含的像素中的边缘强度最大的像素选择为最初的特定像素。另外，取代S352的处理，而进行如下的处理：从在包含通过在执行该处理的最近执行的处理而选择出的特定像素的像素列的左方相邻的像素列，提取与该特定像素相邻的像素(相邻像素)。而且，取代S356的处理，而进行如下的处理：判定包含通过S353的处理而选择出的特定像素的像素列是否是通过S330的处理而生成的剩余的边缘强度图像中的左端的像素列。
此外，在像这样检测出多个垂直方向和水平方向的线形状区域的情况下，在图9A以及图9B的判定处理中，针对检测出的多个线形状区域中的各个线形状区域，进行S401至S405的各处理。而且，在S407的处理中，作为线形状区域的运动向量，使用检测出的多个线形状区域中的各个线形状区域的运动向量的平均。另外，在S409的处理中，进行如下的处理：针对多个线形状区域中的各个线形状区域计算线形状区域表示显示物的轮廓的准确度R，在S410的处理中，进行计算出的准确度R的平均值或者总和与准确度阈值的大小比较。
附图标记说明：1…信息处理装置；2…相机；10…图像获取部；11…第一区域检测部；12…第二区域检测部；13…判定部；20…计算机；21…处理器；22…存储器；23…存储装置；24…读取装置；25…可装卸存储介质；26…通信接口；27…输入输出接口；28…总线。

Claims (13)

1.一种判定方法，其特征在于，由计算机进行：
获取由相机在不同的时刻拍摄到的多个图像；以及
在所述多个图像中的各个图像中包含人物的面部的图像区域、以及位于所述面部的图像区域之外且满足规定的条件的形状的图像区域的情况下，基于所述面部的图像区域与所述形状的图像区域之间的位置关系在所述多个图像之间的变化状况，进行所述人物的面部是否是显示物的判定。
2.根据权利要求1所述的判定方法，其特征在于，
满足所述规定的条件的形状的图像区域是线形状的图像区域。
3.根据权利要求2所述的判定方法，其特征在于，
检测所述多个图像中的各个图像中的所述面部的图像区域，
针对所述多个图像中的各个图像，生成将各像素的位置处的边缘强度表示为各像素的值的多个边缘强度图像，
使用所述多个边缘强度图像，检测所述多个图像中的各个图像中的所述线形状的图像区域。
4.根据权利要求3所述的判定方法，其特征在于，
针对从所述多个边缘强度图像中的各个边缘强度图像除去所述面部的图像区域而得到的多个剩余的边缘强度图像，将在剩余的边缘强度图像的一端排列的最初的像素列所包含的像素中的、边缘强度最大的像素作为最初的特定像素并从与该最初的像素列相邻的像素列起按照列顺序进行如下的按照每个像素列反复进行的特定像素的选择：从与包含特定像素的像素列相邻的像素列选择与该特定像素相邻且边缘强度最大的像素来作为下一特定像素，
通过检测由特定像素组形成的图像区域，来检测所述多个图像中的各个图像中的所述线形状的图像区域，所述特定像素组通过在所述多个剩余的边缘强度图像中的各个剩余的边缘强度图像中反复进行所述像素的选择而得到。
5.根据权利要求4所述的判定方法，其特征在于，
根据对所述多个图像中的各个图像进行旋转变换而得到的多个图像生成多个矩形图像，在所述多个矩形图像中的各个矩形图像中，将在所述面部的图像区域中表示的所述人物的左右眼连结的线段与所述矩形图像的一端平行，
根据所述多个矩形图像中的各个矩形图像来生成所述多个边缘强度图像。
6.根据权利要求5所述的判定方法，其特征在于，
作为反复进行的所述像素的选择，进行反复进行所述最初的像素列与所述线段平行的情况下的第一选择、以及反复进行所述最初的像素列与所述线段垂直的情况下的第二选择，
在所述线形状的图像区域的检测中，通过分别检测由通过反复进行所述第一选择而得到的特定像素组形成的图像区域和由通过反复进行所述第二选择而得到的特定像素组形成的图像区域，来从所述多个图像中的各个图像中检测第一线形状的图像区域和第二线形状的图像区域，
基于所述面部的图像区域与所述第一线形状的图像区域以及所述第二线形状的图像区域之间的位置关系在所述多个图像之间的变化状况，进行所述判定。
7.根据权利要求1至6中任一项所述的判定方法，其特征在于，
在所述判定中，进行在所述多个图像之间所述位置关系的变化是否同步的判定，在判定为不同步的情况下，作出所述人物的面部不是显示物的判定。
8.根据权利要求1至6中任一项所述的判定方法，其特征在于，
基于使用所述多个图像计算的、所述面部的图像区域和所述形状的图像区域的各自的运动向量的相似度，进行所述位置关系的变化是否同步的判定。
9.根据权利要求2至6中任一项所述的判定方法，其特征在于，
在所述判定中，进行所述位置关系的变化在所述多个图像之间是否同步的判定，在判定为同步的情况下，判定所述线形状的图像区域是否表示所述显示物的轮廓，在判定为所述线形状的图像区域表示所述显示物的轮廓的情况下，作出所述人物的面部是显示物的判定。
10.根据权利要求9所述的判定方法，其特征在于，
使用以下中的至少一个以上来进行所述线形状的图像区域是否表示所述显示物的轮廓的判定：构成所述线形状的图像区域的各像素的位置处的边缘强度、近似所述线形状的图像区域而得到的直线相对于将在所述面部的图像区域中表示的所述人物的左右眼的位置连结的线段的斜率、以及所述直线与在所述面部的图像区域中表示的所述人物的鼻子的位置相距的距离。
11.根据权利要求10所述的判定方法，其特征在于，
使用构成所述线形状的图像区域的各像素的位置处的边缘强度、所述倾斜、以及所述距离来计算所述线形状的图像区域表示所述显示物的轮廓的准确度，
基于所述准确度与规定的准确度阈值的大小比较的结果，来进行所述线形状的图像区域是否表示所述显示物的轮廓的判定。
12.一种判定程序，其特征在于，用于使计算机执行以下处理：
获取由相机在不同的时刻拍摄到的多个图像；以及
在所述多个图像中的各个图像中包含人物的面部的图像区域、以及位于所述面部的图像区域之外且满足规定的条件的形状的图像区域的情况下，基于所述面部的图像区域与所述形状的图像区域之间的位置关系在所述多个图像之间的变化状况，进行所述人物的面部是否是显示物的判定。
13.一种信息处理装置，其特征在于，具备：
获取部，获取由相机在不同的时刻拍摄到的多个图像；以及
判定部，在所述多个图像中的各个图像中包含人物的面部的图像区域、以及位于所述面部的图像区域之外且满足规定的条件的形状的图像区域的情况下，基于所述面部的图像区域与所述形状的图像区域之间的位置关系在所述多个图像之间的变化状况，进行所述人物的面部是否是显示物的判定。
CN202180099659.5A 2021-07-27 2021-07-27 判定方法、判定程序以及信息处理装置 Pending CN117561551A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/027739 WO2023007586A1 (ja) 2021-07-27 2021-07-27 判定方法、判定プログラム、及び情報処理装置

Publications (1)

Publication Number Publication Date
CN117561551A true CN117561551A (zh) 2024-02-13

Family

ID=85086369

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180099659.5A Pending CN117561551A (zh) 2021-07-27 2021-07-27 判定方法、判定程序以及信息处理装置

Country Status (5)

Country Link
US (1) US20240104963A1 (zh)
EP (1) EP4379652A1 (zh)
JP (1) JPWO2023007586A1 (zh)
CN (1) CN117561551A (zh)
WO (1) WO2023007586A1 (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006099614A (ja) 2004-09-30 2006-04-13 Toshiba Corp 生体判別装置および生体判別方法
JP5240093B2 (ja) 2009-06-25 2013-07-17 株式会社リコー 身分証明書撮影システム、身分証明書撮影方法およびプログラム
JP6148064B2 (ja) 2013-04-30 2017-06-14 セコム株式会社 顔認証システム
JP2018169943A (ja) 2017-03-30 2018-11-01 パナソニックＩｐマネジメント株式会社 顔認証処理装置、顔認証処理方法及び顔認証処理システム
JP2019197426A (ja) 2018-05-10 2019-11-14 パナソニックＩｐマネジメント株式会社 顔認証装置、顔認証方法および顔認証システム
WO2020152917A1 (ja) * 2019-01-23 2020-07-30 Ｎｅｃソリューションイノベータ株式会社 顔認証装置、顔認証方法、プログラム、および記録媒体

Also Published As

Publication number Publication date
EP4379652A1 (en) 2024-06-05
US20240104963A1 (en) 2024-03-28
WO2023007586A1 (ja) 2023-02-02
JPWO2023007586A1 (zh) 2023-02-02

Similar Documents

Publication Publication Date Title
US10726244B2 (en) Method and apparatus detecting a target
CN110852160B (zh) 以图像为基准的生物识别系统及计算机实施方法
JP7242528B2 (ja) モバイルデバイスを用いてキャプチャした画像を使用する、指紋によるユーザ認証を実施するためのシステムおよび方法
EP2580711B1 (en) Distinguishing live faces from flat surfaces
US7873189B2 (en) Face recognition by dividing an image and evaluating a similarity vector with a support vector machine
US8275174B2 (en) Vein pattern management system, vein pattern registration apparatus, vein pattern authentication apparatus, vein pattern registration method, vein pattern authentication method, program, and vein data configuration
US20060023921A1 (en) Authentication apparatus, verification method and verification apparatus
JP5812109B2 (ja) 生体情報処理装置、生体情報処理方法及び生体情報処理用コンピュータプログラム
JP2004192378A (ja) 顔画像処理装置およびその方法
JP2011159035A (ja) 生体認証装置、生体認証方法およびプログラム
EP2148295A1 (en) Vein pattern management system, vein pattern registration device, vein pattern authentication device, vein pattern registration method, vein pattern authentication method, program, and vein data structure
CN110008943B (zh) 一种图像处理方法及装置、一种计算设备及存储介质
CN113614731A (zh) 使用软生物特征的认证验证
US20220019771A1 (en) Image processing device, image processing method, and storage medium
CN111222452A (zh) 一种人脸匹配方法、装置、电子设备及可读存储介质
CN111199197B (zh) 一种人脸识别的图像提取方法及处理设备
CN113642639B (zh) 活体检测方法、装置、设备和存储介质
CN113538315B (zh) 图像处理方法及装置
CN111460435A (zh) 一种用户注册方法、验证方法和注册装置
JP2006277146A (ja) 照合方法および照合装置
CN117561551A (zh) 判定方法、判定程序以及信息处理装置
WO2023028947A1 (zh) 掌静脉非接触式三维建模方法、装置及认证方法
JP7190987B2 (ja) 情報処理システム、および情報処理方法
WO2022172430A1 (ja) 判定方法、判定プログラム、及び情報処理装置
JP7457991B1 (ja) なりすまし検知システムおよびなりすまし検知プログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination