CN1702683A - 对象识别系统 - Google Patents

Abstract

对象识别系统使用从主体图像内提取遮蔽区域[M]的遮蔽定位器，以识别遮蔽区域[M]和主体图像。该遮蔽定位器(40)参考分别由图像大小模板和主体图像转换而来的密度梯度方向图像，并分析这些密度梯度方向图像，尤其对于分配给每个方向图像内的每个象素的密度梯度方向值(θT，θS)，以得到将图像大小模板和遮蔽区域[M]连接的参数以用图像大小模板登记。遮蔽定位器具有通过改变参数给出遮蔽区域中心的候选点，并对候选点进行表决的表决模块(60)。根据候选点的表决数，检测模块(70)指定具有最大表决数的候选点之一作为遮蔽区域[M]的中心，因此在主体图像内确定围绕指定候选点的遮蔽区域[M]，以便准确识别主体图像内的对象。

Description

对象识别系统

技术领域

本发明是涉及一种对象识别系统，尤其涉及一种有效地识别所拍摄的主体图像(subject image)中的特殊物体或人面孔的存在的系统。

背景技术

对象识别要求在主体图像中提取特别的遮蔽区域，以便通过与对象图像模板比较确认该遮蔽区域。例如，如在US2001-002932和JP09-73544中公开的，已经提出了提取遮蔽区域的方案。

US2001-002932公开了一种人面孔图像提取系统，该系统选择合适的模板以从匹配该模板的主体图像中提取遮蔽区域。选择该模板包括圆形、椭圆或多边形，预料人面孔与这些简单形状具有类似的轮廓。然而，使用这些简单形状作为模板，可能会得不到遮蔽区域，因此在提取真实的遮蔽区域来确认是不可靠的。

JP09-73544公开了一个类似系统，该系统使用椭圆模板并改变椭圆的参数以得到与将确认的遮蔽区域最佳匹配的最适宜的椭圆。每次改变参数以得到暂时的椭圆时，该方案必需选择临时遮蔽区域，且要分析临时遮蔽区域与暂时的椭圆之间的相关性，直到该相关性满足预定的标准。因此，该方案需要大量的数学运算以得到最适宜的参数，即，与将确认的遮蔽区域最佳匹配的最适宜的椭圆，并且不适合用于人面孔的快速识别。

发明内容

鉴于上述不足，本发明已经完成提出一种对象识别系统，为了可靠和易于识别，该系统能准确快速地确定出主体图像[S]内的遮蔽区域(mask area)。根据本发明的系统包括存储图像大小模板[T]的模板存储器、获取要验证的主体图像[S]的图像读取器、以及从主体图像[S]内定位与图像大小模板相应的遮蔽区域[M]的遮蔽定位器。设计出的该遮蔽定位器具有图像转换器、特征分析器、表、表决模块和检测模块。

该图像转换器被配置成将图像大小模板[T]以及主体图像[S]分别转换成密度梯度方向模板图像[DT]和密度梯度方向主体图像[DS]。每个方向图像[DT，DS]都具有象素阵列，每个都存储分配给它的密度梯度方向值(θT，θS)。

该特征分析器被配置成在方向模板图像[DT]内围绕预定的中点(C_T)选择多个参考点(R₀，...R_n)，并为每个参考点得到距离(L)和角度(α)。距离(L)是从中点(C_T)延伸到参考点的直线的长度，而角度(α)是那条直线对于水平轴的角度。

该表被配置成对于每个参考点存储与给予每个参考点(R₀，...R_n)的密度梯度方向值(θT)相关的距离(L)和角度(α)。

该表决模块被配置成对于方向主体图像[DS]的每个象素得到密度梯度方向值(θS)，并从表中读取关于由具有相同密度梯度方向值(θT＝θS)的参考点的距离(L)、角度(α)和坐标组成的参数，以便根据这些参数为遮蔽区域[M]的中点(C)计算多个候选点，并对每个候选点进行表决。

该检测模块被配置成按照表决数指定候选点中的至少一个为遮蔽区域[M]的中心，从而在主体图像内确定围绕所指定的候选点的遮蔽区域[M]。

因此，遮蔽定位器依靠密度梯度方向模板图像[DT]和密度梯度方向主体图像[DS]，根据方向值、通过参考方向模板图像[DT]，为方向主体图像[DS]的所有象素，对遮蔽区域[M]的中心的候选点分别进行表决，并根据表决数指定该候选点作为代表遮蔽区域[M]的中心。结果，可能易于为可靠识别主体图像[S]内的对象而准确确定遮蔽区域[M]。

本发明的系统特别适合用于识别人面孔。在这种情况下，构成确定作为与人面孔类似的遮蔽区域的基础的图像大小模板被选择以取得人面孔，并因此识别在主体图像[S]内的人面孔的存在。优选地，检测模块被配置成得到表决的最大值并指定具有最大表决数的候选点之一作为遮蔽区域[M]的中心。

表决模块可以被配置成改变预定范围内的距离(L)，以便为每个改变的距离计算多个候选点，并对每个候选点进行表决。所述距离(L)表示与图像大小模板[T]相关的遮蔽区域[M]的大小。在这种情况下，检测模块被配置成从具有最大表决数的候选点中提取改变的距离，从而得到与图像大小模板[T]相关的遮蔽区域[M]的大小。因此，即使当主体图像[S]包括在大小上与图像大小模板[T]不同的目标对象时，该遮蔽定位器也能确定相对于图像大小模板[T]的遮蔽区域[M]的相对大小，从而准确提取与图像大小模板[T]相应的遮蔽[M]。当对象识别系统关联地应用于保安摄像机或对象验证设备时，所得到的遮蔽区域的相对大小能被用于在遮蔽区域上进行变焦以易于确认物体或人面孔或者为对象的验证在遮蔽上进行详细分析。因此，当与验证图像模板[V]比较而进行对象验证时，验证图像模板[V]根据遮蔽区域的相对大小能够容易地与遮蔽区域[M]匹配。

而且，为了得到遮蔽区域的相对大小，遮蔽定位器可以选择性地被安排以包括在预定的范围内改变图像大小模板[T]的大小的倍增器，这样表决模块为每个改变的大小计算多个候选点，并对每个候选点进行表决。

此外，表决模块可以被设计成在预定的范围内改变角度(α+)，以便为每个改变的角度(α+)计算多个候选点，并对每个候选点进行表决。在这种情况下，该检测模块被设计成从具有最大表决数的候选点中提取改变的角度(α+)，从而得到相对于图像大小模板[T]的遮蔽区域[M]的旋转角度()，以及将模板的角度与遮蔽区域[M]相匹配。因此，甚至当主体图像[S]包括了相对于图像大小模板[T]的被倾斜或旋转的物体或人面孔时，该遮蔽定位器也能提取与图像大小模板[T]相应的遮蔽区域[M]，并因此给出相对于图像大小模板[T]的遮蔽区域的相对旋转角度。因此，所得到的相对旋转角度能够被最好地利用来控制相关的摄像机，以便给出容易确认的竖直的面孔部图像，或为了可靠的物体或人面孔验证而将验证图像模板[V]与遮蔽区域[M]进行匹配。

可选地，遮蔽定位器可以被设计成包括旋转器，该旋转器在预定的范围内按照变化的角度()旋转该图像大小模板，这样该表决模块为每个改变的角度计算出多个候选点，并对每个候选点进行表决。由该检测模块能够从具有最大表决数的候选点中提取角度()，并得到相对于图像大小模板[T]的遮蔽区域[M]的旋转角度()。

在一个优选实施例中，检测模块包括选择具有超过预定的表决阈值的表决数的候选点的选择器，以及围绕由每个选择的候选点确定的中点设置遮蔽区域[M]的遮蔽提供器。检测模块还包括复制检查器，如果设置多于一个遮蔽区域[M]并且如果遮蔽区域相互之间部分重叠，则复制检查器就得到每个重叠的遮蔽区域的表决数，并仅指定一个具有最大表决数的重叠的遮蔽区域作为代表遮蔽区域[M]。在该方案中，当得到的主体图像[S]包括将被各自提取作为遮蔽区域的部分重叠的物体或人面孔时，可以提取真实表示将被识别的物体或人面孔的遮蔽区域[M]。

此外，检测模块可以被设计成包括用于具有超过预定表决阈值的表决数的候选点的类似选择器，围绕由每个选择的候选点确定的中心设置遮蔽区域[M]的类似遮蔽提供器，以及背景噪声过滤器。该背景噪声过滤器被配置成得到表示为每个围绕候选点所选择的象素所给定的表决数的参数，并过滤出具有超过预定的参数阈值的参数的遮蔽区域[M]。因此，可以为了可靠验证容易地消除背景噪声。

而且为了消除背景噪声，背景噪声过滤器可以被配置成具有为标准对象的预先定义的密度梯度方向值的标准分布，该标准对象可以是包括在图像大小模板中的标准对象。背景噪声过滤器给出了为在遮蔽区域[M]内的主体图像[S]得到的密度梯度方向值的主体分布，并统计上分析与标准分布进行比较的该主体分布，以便确认遮蔽区域[M]，并过滤出未被确认的遮蔽区域[M]。

背景噪声过滤器可以被选择性地配置成给出关于在该遮蔽区域[M]内的象素的密度梯度方向值的频率分布，从那里得到该遮蔽区域[M]的方差，并过滤出具有超出预定的方差阈值的方差的遮蔽区域[M]。

进一步地，背景噪声过滤器可以被配置成给出关于在该遮蔽区域[M]内的象素的密度梯度方向值的频率分布，为遮蔽区域得到最大周期，过滤出具有超出预定的周期阈值的最大周期的遮蔽区域[M]。

表决模块最好进行初步表决并在随后进行主表决。初步表决以通过大范围的粗略步长变化的距离(L)进行，而主表决以通过相对于初步表决而言的有限范围的精确步长变化的距离(L)进行。为了此目的，检测模块被配置成包括初步检测器、主检测器、曲线产生器、评估器和模板调整器。初步检测器指示表决模块首先进行初步表决，得到由具有最大表决数的候选点确定的最初距离，并选择在最初距离的相对侧的两个相邻的外围距离。主检测器指示表决模块只在两个被选择的外围距离之间的有限范围内进行主表决，以便为由精确步长改变的每个距离得到表决数。然后，曲线产生器响应以为由与改变了的距离相关的主表决给出的表决数产生近似曲线。评估器给出与近似曲线的最大值相应的评估距离。根据该评估距离，模板调整器确定相对于图像大小模板[T]的遮蔽区域[M]的相对大小。因此，为了准确和可靠验证，验证图像模板[V]能够被调整大小以与遮蔽区域[M]精确匹配。

同样地，也可以通过进行关于角度(α)的初步以及主表决确定相对于图像大小模板[T]的遮蔽区域[M]的准确旋转。在这种情况下，初步检测器指示表决模块首先进行初步表决，得到由具有最大表决数的候选点确定的最初角度，并选择在最初角度的相对侧的两个相邻的外围角度。随后，主检测器指示表决模块只在两个外围角度之间的有限范围内进行主表决，以便为由精确步长改变的每个角度得到表决数。然后，曲线产生器操作来为由与改变的角度相关的主表决给出的表决数产生近似曲线，这样评估器给出与近似曲线的最大值相应的评估角度()。由此，模板调整器确定相对于图像大小模板[T]的遮蔽区域[M]的旋转角度，作为用于给出遮蔽区域的相对旋转角度的评估角度。

进一步地，为了节约存储器数据大小以用于快速计算，图像转换器可以被配置成将密度梯度方向模板图像[DT]和密度梯度方向主体图像[DS]分别压缩成相应的缩减图像。通过参考为每个图像大小模板[T]和主体图像[S]获得的边缘图像，将每个标准图像中的两个或多个象素合并成每个缩减图像中的单个象素而进行压缩。该边缘图像为每个象素给出微分强度，取决于它来确定相邻象素中的哪一个是有代表性的象素。该代表性的象素被用于从每个方向模板和主体图像[DT，DS]中选择密度梯度方向值(θT，θS)作为相邻象素的代表，并且在每个缩减图像中被指定为单一的子象素，这样使得缩减图像可以在大小上被减少以节约存储器空间。

在优选实施例中，系统包括验证单元，该验证单元被配置成将遮蔽区域[M]与验证图像模板[V]进行比较，以便提供表示遮蔽区域[M]是否与验证模板图像[V]匹配的验证结果。

为了进行可靠验证，最好该系统的验证单元包括方向图像转换器、微分器、类提供器、分析器和判断器。方向图像转换器将验证图像模板V转换成相应的密度梯度方向验证模板[DV]，这样方向验证模板[DV]具有象素阵列，每个存储了指定到它的密度梯度方向值(θV)。微分器给出了在方向主体图像[DS]的遮蔽区域[M]的每个象素和密度梯度方向验证模板[DV]的相应象素之间的密度梯度方向的方向微分(dθ＝θs-θv)。类提供器被配置成提供按照方向微分分类的预定数量的不同类，并给出方向微分(dθ＝θs-θv)的频率分布。分析器指定类的有限集合并为指定的类计算频率值的总和，以及给出总和的函数的评估参数。判断器被配置成确认当评估参数满足预定的标准时主体图像与验证图像模板[V]相同。最好，分析器给出评估参数，该评估参数是频率值的和与验证模板或遮蔽区域[M]中的象素的总数的比率。

验证单元可以进一步包括用于更可靠验证的象素过滤器。象素过滤器被配置成为在由遮蔽区域[M]限制的主体图像[S]和验证图像模板[V]中的至少一个中的每个象素得到关于密度的x轴导数(dx)和y轴导数(dy)。当对于那个象素的x轴导数和y轴导数都为零时，象素过滤器指定该象素为特定象素。微分器忽略在方向主体图像[DS]的遮蔽区域[M]中的特定象素和在方向验证模板[DV]中的相应象素，以便不给出涉及特定象素的方向微分(dθ＝θs-θv)。

更进一步，验证单元可以包括亮度过滤器，该亮度过滤器得到分配给由遮蔽区域[M]限制的主体图像[S]的每个象素的亮度值。亮度过滤器选择每个象素作为中心象素和与其直接相邻的邻近象素，并为每个选择的象素得到亮度值。当一个或多个选择的象素具有最大亮度值时，亮度过滤器指定中心象素为特定象素。然后，微分器忽略方向主体图像[DS]内与特定象素一致的象素以及方向验证模板[DV]内的相应象素，以便不给出涉及特定象素的方向微分(dθ＝θs-θv)。对于这一方案，为了可靠的图像验证，在主体图像内的具有饱和亮度的那部分或象素能够被忽略。

验证单元的分析器可以被选择性地配置为分析频率分布以便给出它的近似函数，并从该近似函数中提取常数项作为评估参数。由此，判断器能够验证当评估参数满足预定的标准时主体图像与验证图像模板是相同的。

验证单元可以进一步包括控制器，该控制器负责选择包括在遮蔽区域[M]内的子分区中的一个，以覆盖主体图像的不同部分，将遮蔽区域[M]限制在选择的子分区内，并调用判断器。控制器被配置成选择另一子分区并将遮蔽区域[M]限制在那里直到判断器判断出验证或直到所有的子分区被选择。因此，通过将子分区分配到对象的特殊的不同部分，例如，具体到个体的人面孔上的眼、鼻子和嘴，当任一子分区被验证出与该验证图像中的子分区相同时执行验证，这必定减少验证时间，同时确保了可靠验证。

可选择地，控制器可以被配置以选择另一个子分区并将遮蔽区域[M]限制到该另一子分区以及先前选择过的子分区，直到判断器判断出验证或直到所有的子分区被选择。因此，子分区的特征或部分对象能被累积地评估以得到更可靠的验证。

在另一优选实施例中，验证单元被配置成包括亮度非平衡检查器、完全区域分析器、有限区域分析器、控制器以及判断器。亮度非平衡检查器被配置成将遮蔽区域[M]划分成两个对称子区并为每个子分区中的所有象素得到表示关于密度的平均值或方差的亮度指数。检查器给出非平衡度，该非平衡度是两个亮度指数的函数，并且当两个亮度指数彼此很接近时变得更小。完全区域分析器被配置成将整个遮蔽区域[M]与验证图像模板[V]进行比较，以便给出第一相关系数，从而当第一相关系数超过预定的第一相关阈值时提供完全验证确认信号，否则提供完全验证失败信号。有限区域分析器被配置成将子区中的至少一个与验证图像模板的相应部分进行比较，以便给出第二相关系数。当第二相关系数超过预定的第二相关阈值时该有限区域分析器提供有限验证确认信号，否则提供有限验证失败信号。仅仅在识别出完全验证失败信号时，控制器被配置成激活完全区域分析器并激活亮度非平衡检查器。当非平衡度超过预定的非平衡阈值时，控制器响应以激活有限区域分析器。根据以上分析，判断器提供：

1)在识别完全验证确认信号时的验证的主体图像的第一结果；

2)在识别完全验证失败信号时的未验证的主体图像的第二结果；

3)在识别有限验证确认信号时的验证的主体图像的第三结果；及

4)在识别有限验证失败信号时的未验证的主体图像的第四结果。

因此，该系统能够处理在主体图像[S]中可能的非平衡亮度，以给出组合完全区域分析和有限区域分析的一致验证。

可选地，控制器可以被配置成激活亮度非平衡检查器，并当非平衡度小于预定的非平衡阈值时激活完全区域分析器，否则激活有限的区域分析器，这样判断器提供：

1)在识别完全验证确认信号时的验证的主体图像第一结果；

2)在识别完全验证失败信号时的未验证的主体图像的第二结果；

3)在识别有限验证确认信号时的验证的主体图像的第三结果；及

4)在识别有限验证失败信号时的未验证的主体图像的第四结果。

在上述两种控制方案之一中，相关的有限区域分析器可以被配置成在遮蔽区域[M]中选择多个子区，并将每个子区与验证图像模板的相应部分进行比较，以为每个子区给出第二相关系数。当第二相关系数超过第二相关阈值时，该有限区域分析器进一步将每个子区确定为可靠子区，并当可靠子区数与所有子区数的比率超过预定的阈值时提供有限验证确认信号。

最好，有限区域分析器的第二相关阈值被设置得小于完全区域分析器的第一相关阈值。

进一步地，当非平衡度超过临界标准时可以使有限区域分析器失效。

而且在使用完全区域分析器和有限区域分析器的上述两个控制方案之一中，相关的判断器最好输出包括至少一个非平衡度和非平衡度是否小于非平衡阈值的非平衡结果，给出关于验证结果的更多详细信息。

从以下与附图结合的优选实施例的说明中，本发明的上述有利特征和进一步的其它有利特征将变得更加明显。

附图说明

图1是说明根据本发明优选实施例的对象识别系统的框图；

图2和图3分别说明用来给出密度梯度方向图像的Sobel过滤器；

图4A和4B分别说明图像大小模板[T]和相应的密度梯度方向模板图像[DT]；

图5A和5B分别说明主体图像[S]和相应的密度梯度方向主体图像[DS]；

图6说明从方向主体图像[DS]中提取的用于与验证模板[V]进行比较的遮蔽区域[M]；

图7A和7B说明给予用于判断遮蔽区域[M]的方向图像的参数的定义；

图8说明存储给予方向模板图像[DT]的参数的表的格式；

图9是说明系统中使用的遮蔽定位器的运行的流程图；

图10是说明表决空间的图表；

图11说明主体图像[S]和它的方向主体图像[DS]，方向主体图像比方向模板图像[DT]小并相对于方向模板图像倾斜，从方向主体图像中提取遮蔽区域[M]；

图12说明在上述系统中使用的另一个检测模块的结构；

图13A和13B是说明在初步表决中和在主表决中通过改变倍数k或相对于模板图像[DT]的遮蔽区域[M]的比率所得到的表决数的图表；

图14A和14B是说明在初步表决中和在主表决中通过改变的相对于模板图像[DT]的遮蔽区域[M]的旋转角度所得到的表决数的图表；

图15说明检测模块的进一步修改；

图16说明将被验证的主体图像的一个例子；

图17说明用于判断在图16中的主体图像内的遮蔽区域[M]的表决结果；

图18说明检测模块的进一步改变；

图19说明包括背景噪声的主体图像[S]；

图20说明消除背景噪声的方案；

图21说明检测模块的更进一步修改；

图22A说明包括人面孔的主体图像[S]；

图22B说明为图22A的主体图像得到的频率分布柱状图；

图23A说明包括将确定为错误遮蔽的无变化模式区域的主体图像[S]；

图23B说明为图23A的主体图像得到的频率分布柱状图；

图24说明将验证的主体图像[S]；

图25说明从图24的主体图像得出的边缘图像[E]；

图26说明从图24的主体图像得出的方向主体图像[DS]；

图27说明压缩图26的图像而得到的缩减方向主体图像[DS]；

图28A和28B是关于用于遮蔽区域[M]的验证的方向微分的频率分布的柱状图；

图29A和29B是说明关于用于遮蔽区域[M]的验证的方向微分的频率分布的近似函数的图表；

图30A和30B是说明关于用于遮蔽区域[M]的验证的方向微分的频率分布的另一近似函数的图表；

图31说明在上述系统中使用的经修改的验证单元；

图32说明划分成子分区的遮蔽的主体图像[S]；

图33说明可在上述系统中使用的验证单元；

图34说明为检查亮度非平衡而划分成两个对称子区的遮蔽的主体图像[S]；

图35是说明在图33的验证单元进行的验证顺序的流程图；

图36说明为检查亮度非平衡而划分成四个对称子区的遮蔽的主体图像[S]；以及

图37是说明在上述验证单元中进行的另一验证顺序的流程图；

具体实施方式

现在参考图1，示出了根据本发明的第一实施例的人面孔识别系统。虽然所说明的实施例公开了用于人面孔验证的系统作为典型应用，但本系统并不局限于此，它也能同样与保安摄像机或类似的摄像机结合使用，用于控制摄像机在人面孔上的变焦和/或进行角度调整，实现对在主体图像内的人面孔的容易确认。在此意义上，该系统也可以与为了容易和可靠地识别人面孔而被设计来纠正人面孔图像的图像处理系统合并。进一步地，应当注意到本发明不应被限制于人面孔识别，它也能同样用于识别具有特殊图像性质的任何其它对象，例如，工厂装配线上运行的装配零件或交通现场的车辆。

该系统包括用于对要验证的人面孔图像拍照的摄像机10、读取来自摄像机10的图像以给出将要验证的主体图像[S]的图像读取器30，以及用于存储被拍摄为照片图像的图像大小模板[T]以及验证模板[V]的模板存储器20。而且遮蔽定位器40和验证单元100也包括该系统中。遮蔽定位器40从主体图像[S]内提取与图像大小模板[T]匹配的遮蔽区域[M]，而验证单元100将主体图像[S]的遮蔽区域[M]与验证模板[V]进行比较以验证包括在主体图像[S]中的人面孔是否与由验证模板[V]给定的人面孔相同。

该遮蔽定位器40包括将图像大小模板[T]和主体图像[S]分别转换成密度梯度方向模板图像[DT]和密度梯度方向主体图像[DS]的图像转换器42，密度梯度方向模板图像[DT]和密度梯度方向主体图像[DS]都具有象素阵列。每个存储密度梯度方向值(θT，θS)。该转换通过使用已知的3×3Sobel过滤器(如图2所示)来进行转换，以便为每个象素得到x轴导数(dx)和y轴导数(dy)，然后使用下述公式(1)、(2)和(3)计算出密度梯度方向值(θT，θS)。

dx＝(c+2f+i)-(a+2d+g)                               (1)

dy＝(g+2h+i)-(a+2b+c)                               (2)

θT，θS＝tan^-1(dy/dx)                             (3)

其中，a、b、c、d、e、f、g、h和i代表单独的密度，其给予如图3所示格式的3×3阵列中的9个象素。

图4A和4B分别示出图像大小模板[T]和相应的密度梯度方向模板图像(此后简称为方向模板图像)[DT]，而图5A和5B分别显示主体图像[S]和其密度梯度方向主体图像(此后简称为方向主体图像)[DS]。

这些被依靠来确定遮蔽区域[M]的方向图像[DT，DS]包括了主体图像的特征。因此如图6所示，从方向主体图像[DS]中提取的遮蔽区域[M]，随后被用来与在验证单元100的验证模板[V]的进行比较。验证单元100的细节将在后面讨论。

回到图1，遮蔽定位器40除了包括分别用于存储图像[DT，DS]的方向模板图像存储器44和主体图像存储器46外，还包括被配置成得到方向模板图像[DT]，也就是图像大小模板[T]，的特征的参数的特征分析器50。如图7A和7B所示，首先进行的是选择围绕中点CT的多个参考点或象素(R₀，...R_n)以及为每个参考点获得参数，该中点CT是方向模板图像[DT]的几何中心。参数包括密度梯度方向值(θT)、从中点(CT)延伸到每个参考点的直线的距离(L)、通过参考点的直线相对于水平轴(β)的角度(α)和坐标R(x，y)。然后这些参数被存储在格式如图8所示的表52中。

遮蔽定位器40还包括被配置成在方向主体图像[DS]内搜索遮蔽区域[M]的表决模块60。首先进行的是为方向主体图像[DS]内的每个象素获得密度梯度方向值(θS)<图9中的步骤1>，然后参考表52以读取给予具有相同方向值(θS＝θT)的方向模板图像[DT]的象素的距离(L)、角度(α)和坐标R(x，y)等参数<图9中的步骤2>。然后，表决模块60根据下述公式(4)和(5)为遮蔽区域[M]的中心计算候选点C(xm，ym)，这计算涉及到方向主体图像[DS]内的每个象素，表决模块还对候选点进行表决，即，因此为遮蔽区域[M]计算出临时中心<图9中的步骤3>。

Cxm＝k×L×cos(α+)+Rx                                      (4)

Cym＝k×L×sin(α+)+Ry                                      (5)

其中(k)是表示倍数的变量，()是旋转角度的变量。

倍数(k)被给定用于表示遮蔽区域[M]相对于方向模板图像[DT]的大小的比率，而旋转角度()表示相对于方向模板图像[DT]的遮蔽区域[M]的旋转。这些变量被控制以分别在预先的范围内改变，将在后面详细讨论。

为了易于理解表决模块60的功能，在此讨论以解释确定遮蔽区域[M]的正确中心的基本功能，假定主体图像[S]被拍摄以包括对象，即，与图像大小模板[T]具有相同大小和与图像大小模板有角度地排列的遮蔽区域[M]。在这种情况下，上述公式将因此没有变量(k)和()，并使用缩减的上述公式(4)和(5)来进行表决以在如图10所示的表决空间中给出多个候选点C(xm，ym)，并且给出相应的表决结果表62，在表62中每个候选点都与给定到那的表决数相关联。

参考表决结果表62，即，图10的表决空间，包括在遮蔽定位器40中的检测模块70分析表决数，以便根据预定的标准指定候选点为遮蔽区域[M]的真正中心，因此从方向主体图像[DS]内定位或提取出遮蔽区域[M]以用验证模板[V]验证<图9中的步骤4>。简而言之，具有最大表决数的候选点被指定为遮蔽区域[M]的中心。

现在，使用变量(k)和()说明遮蔽定位器40的详细功能，以得到的包括该对象或遮蔽区域[M]的主体图像为补偿来确定遮蔽区域[M]，该对象或遮蔽区域[M]可能在一定程度上在大小和旋转上相对于图像大小模板[T]不同。为了这一目的，倍数(k)和旋转角度()分别被控制以在预定的范围内以预定的步长改变。而且，遮蔽定位器40被构想为通过初步表决和其后的主表决准确快速地提取遮蔽区域[M]。检测模块70包括分别指示表决模块60进行初步表决和主表决的初步检测器71和主检测器72。初步表决被进行在宽范围内以粗略步长来改变变量，而主表决被进行在有限的范围内以精确的步长来改变变量。例如，初步表决设置0.6到1.2的宽范围，在该范围内倍数(k)以粗略步长0.2改变，以及设置-20°到+20°的宽范围，在该范围内旋转角度()以粗略步长10°改变。在主表决中，根据初步表决的结果，各个有限范围被设置为较窄范围，在该范围内倍数(k)以0.1的精确步长改变而旋转角度()以5°的精确步长改变。

因此，为每个倍数(k)，初步表决通过从0.6到1.2以步长0.2改变倍数(k)，同时从-20°到+20°以步长10°改变旋转角度()来进行。因此，在这种情况下，上述公式(4)和(5)通过改变(k)和()被重复并为每个(k)和()的组合对候选点C(xm，ym)表决，然后与最大表决数相关的(k)和()被选择。例如，如图11所示，当方向主体图像[DS]包括在大小上约是方向模板图像[DT]0.9倍并相对于模板图像[DT]倾斜+10°的对象时，初步表决为k(max)＝0.9和(max)＝+10°的组合选择最大表决数。得到这一结果后，表决模块60为(k)分别设置有限范围的更低限制，即，k(max)减去粗略步长0.2[k(low)＝k(max)-0.2]和更高限制，即，k(max)加上粗略步长0.2[k(up)＝k(max)+0.2]，同样地，为旋转角度()设置更低限制(low)＝(max)-10°和更高限制(up)＝(max)+10°。然后，主表决通过以精确步长0.1在有限范围内改变倍数(k)，且以精确步长5°在有限范围内改变()来进行，以便为每个(k)和()的组合对候选点进行表决。根据主表决的结果，检测模块70找出具有最大表决数的(k)和()的组合，并指定相应的候选点C(xm，ym)为遮蔽区域[M]的中心，同时为该组合导出倍数(k)和旋转角度()作为确定的与图像大小模板[T]或它的方向模板图像[DT]相关的遮蔽区域[M]的倍数和旋转角度。因此，依照相对于模板的大小和旋转角度准确确定遮蔽区域[M]，它在方向主体图像[DS]内的中心也被准确确定。对于这一信息，为了根据验证图像模板[V]准确登记遮蔽区域[M]，通过参考已确定的倍数(k)和旋转角度()，检测模块70操作以扩大或减小该验证图像模板[V]的大小和/或旋转该验证图像模板[V]。为了这一目的，遮蔽定位器40包括提供相关参数的模板调整器73，通过这些参数，验证单元100调整与遮蔽区域[M]匹配的验证图像模板[V]的大小和/或旋转该验证图像模板[V]，以验证由相比较于验证图像模板[V]的遮蔽区域[M]限制的主体图像[S]。验证单元100被给定限定了关于大小和旋转角度的图像大小模板[T]和验证图像模板[V]之间的关系的数据，这样为了将其准确比较，验证单元100能调整与遮蔽区域[M]匹配的该验证图像模板[V]的大小和/或旋转该验证图像模板[V]。

如图12所示，为了获得相对于方向模板图像[DT]的遮蔽区域[M]的更精确的大小和旋转，检测模块70A可以被配置成进一步包括曲线产生器74和评估器76。在此情况下，初步检测器71被配置成指示表决模块60首先进行上述的初步表决，并得到具有最大表决数的最初距离(L)，即，倍数k(max)以及最初旋转角度(max)。然后，初步检测器71选择两个相邻的外围距离，即，最初倍数k(max)的相反侧的倍数的外围值，并选择两个相邻的在最初旋转角度(max)的相对侧的外围角度。例如，当由于具有最大表决数的最初倍数k(max)＝1.0被选择时，如图13A所示，倍数k的外围值被选择为0.8和1.2。同样，当由于具有最大表决数的最初旋转角度(max)＝0°被选择时，如图14A所示，旋转角度的外围值被选择为-10°和+10°。然后，主检测器72指示表决模块60仅在分别位于倍数(k)和旋转角度()的外围值之间的有限范围内以0.1和5°的精确步长进行主表决，给出图13B和14B的表决结果。根据该表决结果，如图13B和14B所示，曲线产生器74为每个倍数(k)和旋转角度()的表决数产生近似曲线Ck、C。相应于曲线Ck和C的最大值，该评估器76分别分析该曲线以给出评估的倍数(k)和评估的旋转角度()，如图13B和14B中虚线所示，因此得到相对于方向模板图像[DT]，即，图像大小模板[T]，的遮蔽区域[M]的更准确的大小和旋转角度，。近似曲线的一个例子能由二次方程式公式y＝a×x²+b×x+c表示，从该公式中能得到如 $=\frac{-b}{2\&times;a}$ 的最大值。

虽然上面说明的表决是通过改变倍数(k)和旋转角度()两者来进行的，但当被选择的主体图像[S]具有的对象或遮蔽区域[M]的大小与图像大小模板[T]相同或在角度地与图像大小模板[T]排列时，其中之一的任一个就足够了。

进一步地，图像大小模板[T]或它的方向模板图像[DT]可以在大小和角度上改变，这样遮蔽定位器40在表决期间不用改变倍数和/或旋转角度，并能被相应地配置成每当方向图像在大小和角度上改变时，进行表决。在此情况下，遮蔽定位器40被配置成包括用于在预定的范围内改变方向模板图像[DT]大小的倍增器(未显示)和用于在预定的范围内改变方向模板图像[T]的旋转角度的旋转器(未显示)。然后特征分析器50导出必需的参数，即距离(L)、角度(α)、方向值(θT)，以为每个改变的方向模板图像[DT]产生表52，这样检测模块70就找出每个具有最大表决数的大小和旋转角度，因此选择改变的方向模板图像[DT]之一，以便与遮蔽区域[M]匹配。

该检测模块可以被配置成提取多个遮蔽区域[M]，然而排除彼此部分互相重叠的多个遮蔽区域[M]中的一个。例如，如图16所示，当主体图像[S]包括两个都要被验证的人面孔时，检测模块70B可以被配置成分别为两张人面孔提取两个遮蔽区域[M]。为此目的，如图15所示，检测模块70B包括选择器80和遮蔽提供器82。选择器80参考图17中的表决结果并选择具有表决数超过预定的表决阈值的候选点C(xm，ym)作为单独的遮蔽区域[M]指定的中心。结合与每个被选择的候选点相关的倍数(k)和旋转角度()，该遮蔽提供器82负责描绘围绕由选择的候选点确定的单独中心的遮蔽区域[M]。根据每个得到的遮蔽区域[M]的大小和旋转角度，模板调整器73给出与用于在验证单元100验证的方向模板图像[DT]匹配的遮蔽区域[M]。验证模块70B进一步包括复制检查器84，复制检查器运行当遮蔽区域与另一个遮蔽区域部分重叠并被判断为不重要时取消该遮蔽区域。例如，当图16中由虚线所指的另一遮蔽区域[M(F2)]被选择器74选择为与相邻的遮蔽区域[M(F1)]部分重叠时，复制检查器78被激活，以便为每个重叠的遮蔽区域[M(F1)]和[M(F2)]得到表决数，并最终只指定具有最大表决数的遮蔽区域作为将被验证的遮蔽区域的代表。因此，如果遮蔽区域[M(F2)]由具有的表决数小于确定遮蔽区域[M(F1)]的候选点的表决数的候选点所确定，则复制检查器84判断遮蔽区域[M(F2)]是不重要的且不是真正表示将被验证的人面孔，因此忽略遮蔽区域[M(F2)]。通过比较包括在单个遮蔽区域内的象素的坐标，遮蔽区域的复制可以很容易地在复制检查器84中被确认。

进一步地，如图18所示，不同结构的检测模块70C可以被用在遮蔽定位器40中，以便过滤可能包括在主体图像[S]内并因此在它的方向主体图像[DS]中的背景噪声。除了选择器80和遮蔽提供器82外，检测模块70C还包括背景噪声过滤器86，该背景噪声过滤器消除包括在主体图像[S]内的背景噪声。如图19所示，当主体图像[S]包括无变化模式的区域[Mx]时，该区域可以被确认为在相应的方向主体图像[DS]内的遮蔽区域[M]。即，如图20所示，由于选择器80选择了具有表决数超过预定表决阈值的候选点，存在遮蔽提供器82在方向主体图像[DS]内确定出错误遮蔽区域[M]的可能性。为了取消错误遮蔽区域[M]，检测模块70C包括背景噪声过滤器86，该背景噪声过滤器被配置来得到表示给予围绕遮蔽区域[M]的候选点的每个象素的表决数的参数，并过滤出具有超过预定表决阈值的参数的遮蔽区域。在此情况下，如图20所示，过滤器86拾取外围象素而不是9个中心象素，并计算为单个外围象素[P]给出的表决数的平均值。当该平均值超过预定表决阈值时，该过滤器86判断遮蔽区域[M]是错误的并取消该遮蔽区域。这一判断是根据当遮蔽区域包括人面孔时表决将被集中在遮蔽区域[M]的中心这一事实，而当遮蔽区域包括如图19所示的在主体图像S中的无变化模式时表决将更加分散在遮蔽区域[M]内。

图21示出了检测模块70D的进一步修改，而且检测模块70D被配置成与上述的检测模块70C不同的方式来消除背景噪声。检测模块70D除了背景噪声过滤器86D的功能外，其它都与检测模块70C相同。过滤器86D被配置成给出与由遮蔽提供器82给出的遮蔽区域[M]内的象素相关的密度梯度方向值的频率分布。该频率分布能由图22B中的柱状图表示，其中将方向值分类成从D0到D7的8个类，每一类覆盖45°。然后，过滤器86D从该遮蔽区域的频率分布中得到与下述公式(6)一致的方差(variance)(Va)，

$\mathrm{Va}=\frac{1}{n-1}\underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}{(x_i-\stackrel{\&OverBar;}{x})}^2---\left(6\right)$

其中，i＝0到7，x_i表示类的频率，x是该频率的平均值。

当方差(Va)超过预定的方差阈值时，过滤器86D判断该遮蔽区域[M]是错误的并取消该遮蔽区域。例如，当主体图像[S]包括如图22A所示的人面孔时，该结果频率分布将如具有0.0012的方差(Va)的图22B的柱状图所示。而另一方面，例如，当主体图像[S]包括最终被当成错误遮蔽的区域时，如图23A所示，该结果频率分布将如具有0.042的方差(Va)的图23B所示。判断器是根据如下事实进行判断的，即人面孔会给出遍及类的具有相当均匀分布的密度梯度方向值，而如图23A所示的无变化模式会给出集中到特别类或几个类的密度梯度方向值。因此，通过合适地选择方差阈值，仅确定人面孔的遮蔽区域，以对其进行可靠验证。

代替分析关于为遮蔽区域[M]给定的密度梯度方向值的频率分布的方差(Va)，背景噪声过滤器可以被配置成分析关于用于判断错误遮蔽区域的频率分布的最大周期[C]。在这种情况下，为了得到公式(9)的最大周期(C)，该周期通过使下述公式(7)和(8)适合于在图22B或23B所举例子的频率分布而得到：

cy₀＝|(x₀+x₄)-(x₂+x₆)|                                  (7)

cy₁＝|(x₁+x₅)-(x₃+x₇)|                                  (8)

C＝max(cy₀，cy₁)                                        (9)

当最大周期(C)超过预定的周期阈值时，背景噪声过滤器判断遮蔽区域[M]是错误的并取消该遮蔽区域。例如，图22A中的主体图像的频率分布给出最大周期0.062，而图23A中的主体图像的频率分布为最大周期给出0.898这一相当大的值。因此，通过适当选择周期阈值，错误的遮蔽区域可以被丢弃以可靠地验证。

回到图1，图像转换器42可以被配置成分别将方向模板图像[DT]和方向主体图像[DS]压缩成缩减方向模板图像和缩减方向主体图像，其存储在存储器44和46中以由特征分析器50和表决模块60处理。在这种情况下，如图26和27所示，每个缩减图像具有在方向模板图像[DT]和方向主体图像[DS](在这一部分中，此后简称为标准图像)中的象素的四分之一的象素数，这样，由标准图像中的四个象素组成的每个单位区域[U]就合并成缩减图像中的单一的子象素[P]。图像转换器42包括压缩模块，该压缩模块通过使用上述的公式(1)和(2)为在图像大小模板[T]或主体图像[S](图24)中的每个象素获得与密度相关的x轴导数(dx)和y轴导数(dy)，并进一步得到由下述公式(10)确定的微分强度(dxy)，从而给出如图25所示的边缘图像[E]，该边缘图像具有象素阵列，每个都分配了微分强度(dxy)。

$\mathrm{dxy}=\frac{(\mathrm{dx}+\mathrm{dy})}{2}---\left(10\right)$

然后，比较模块选择边缘图像[E]内的四个象素组[G]的每个组作为相应于单位区域[U]，以便找出哪一个象素具有最大微分强度，并指定该象素为代表象素。随后，参考标准图像[DT，DS]以从那里选择给予相应于代表象素的象素的密度梯度方向值(θT，θS)，由此将选择的方向值分配给图27中的缩减图像[Ds]中的每个单一子象素[P]。

例如，当象素“a1”、“b1”、“c1”和“d1”中的一个，比如“b1”具有最大微分强度且被指定为代表象素，如图25所示，该比较模块参考相应的象素组“A1”、“B1”、“C1”和“D1”，如图26所示，并在组G中选择被给予相应于代表象素的象素“B1”的密度梯度方向值，以将选择的方向值分配给图27的缩减图像[Ds]中的单一子象素[P]。虽然附图说明了与主体图像或方向主体图像[DS]相关的数据压缩，但图像大小模板[T]和它的方向模板图像[DT]可以用同样的方式处理以提供缩减的方向模板图像。

现在讨论验证单元100，该验证单元100验证由遮蔽区域[M]限制的主体图像与验证模板[V]相匹配。如图1所示，验证单元100包括方向图像转换器110和微分器120。转换器110被配置成将验证模板[V]转换成具有每个象素都存储密度梯度方向值(θV)的象素阵列的密度梯度方向验证模板[DV]。微分器120获得在方向主体图像(DS)的遮蔽区域[M]的每个象素和密度梯度方向验证模板(DV)的相应象素之间的密度梯度方向的方向微分(dθ＝θs-θv)。而且验证单元100还包括类提供器130，类提供器130被配置成提供预定数的按照方向微分分类的不同类，并给出方向微分(dθ＝θs-θv)的频率分布，如图28A和28B所示。分析器140被包括以指定类的有限集合并为指定类计数频率值的总和，用于给出为总和的函数的评估参数。在这种情况下，分析器140指定覆盖较小方向微分(dθ＝θs-θv)范围的类Ca-Cb的限制集合，例如0°到42°，并定义评估参数为频率值的总和与在验证模板[DV]中的象素总数的比率。根据评估参数，即，比率(k1)，当比率(k1)超过预定阈值时，判断器150验证方向主体图像[DS]内的遮蔽区域[M]与验证图像模板[DV]相同，从而发出验证确认信号。否则，判断器150发出验证失败信号。

当遮蔽区域[M]与验证图像模板[DV]相同时，如图28A的柱状图所示，方向微分(dθ＝θs-θv)的频率分布被得到。而在另一方面，当遮蔽区域[M]与验证图像模板[DV]不相同时，即示出另一个人的面孔时，如图28B的柱状图所示的结果频率分布被得到，特别是在覆盖更小方向微分的类Ca-Cb中，看上去频率值更少。因此，判断器150通过使用适当选择的阈值能够成功地验证遮蔽区域[M]。

此外，由于图28A的柱状图看上去比图28B的柱状图在另一个覆盖更大方向微分如94°到134°的类Cc-Cd的限制集合内具有更少的频率值，判断器150可以被配置成为类Cc-Cd提取频率值，获得为该类计数的频率值的总和与象素总数的比率(k2)，并根据该比率进行验证，即当比率(k2)小于另一个预定阈值时验证遮蔽区域[M]的识别。该判断可以代替或附加比率(k1)使用。

而且，验证单元100包括象素过滤器112，该象素过滤器被配置成得到与用于在验证模板[V]和由遮蔽区域[M]确定的主体图像[S]的至少一个中的每个象素的密度相关的x轴导数(dx)和y轴导数(dy)。然后，当对于那个象素的x轴导数(dx)和y轴导数(dy)都为0时，该象素过滤器112指定该象素为特定象素，这样，微分器120忽略方向主体图像[DS]的遮蔽区域[M]内的特定象素和方向验证模板[DV]内的相应象素，并且不给出与特定象素相关的方向微分(dθ＝θs-θv)。因此，要进行由于θs＝θv而使方向微分真正为0的情况与表示没有密度梯度的dx和dy为0并由公式θV，θS＝tan^-1(dy/dx)导致θs＝0和θv＝0的例外情况的辨别。因此，包括象素过滤器112保证了更可靠的验证。

更进一步，验证单元100还包括亮度过滤器114，该亮度过滤器被配置成取得分配给由遮蔽区域[M]确定的主体图像[S]的每个象素的亮度值。过滤器114选择每个象素作为中心象素以及直接相邻的邻近象素，并为每个选择的象素获得亮度值，并当一个或多个被选择的象素具有最大亮度值时指定中心象素为特定象素。在这种情况下，围绕中心象素选择8个周围象素。因此，当一个或多个被选择的象素是给定的饱和亮度时，该中心象素被判断为对于给出的密度梯度方向(θV)或方向微分(dθ＝θs-θv)是不可靠的，并因此杂微分器120忽略掉。也就是，微分器120忽略在方向主体图像[DS]内的与特定象素一致的象素以及在方向验证模板[DV]内的相应象素，这样就不给出与特定象素相关的方向微分(dθ＝θs-θv)。

分析器140可以选择性地配置来分析频率分布，以便给出其近似函数，并从近似函数中提取常数项作为评估参数。如下表所示，频率分布通过分配1.00的标准化频率到0°的类而首先进行标准化。

类(°)	频率值	标准化频率
			0	150	1.00
1	125	0.83
			2	107	0.71
3	94	0.63
			4	83	0.56
5	75	0.50
			6	65	0.45
7	63	0.42
			8	58	0.38
9	54	0.36
			10	50	0.33
…	…	…
			…	…	…
170	6	0.03
			171	6	0.03
172	5	0.03
			173	5	0.03
174	5	0.03
			175	4	0.03
176	4	0.03
			177	3	0.03
178	3	0.03
			179	2	0.03
180	2	0.03

根据标准化频率，分析器140给出由下述公式(11)表达的近似函数，

            y＝1×B^-x                             (11)

其中，y表示标准化频率，(x)是类值，(B)是常数项。

分析器140提取常数项(B)作为评估参数，这样，当常数项(B)大于预定阈值时，判断器150验证在主体图像[S]内的遮蔽区域[M]与验证图像模板[V]相同。例如，当表示遮蔽区域与验证模板[V]相同的图28A的频率分布时，上述标准化给出图29A的结果近似函数曲线，以及结果近似函数给出常数项(B)＝1.05。而在另一方面，当表示遮蔽区域[M]与验证模板不相同的图28B的频率分布时，上述标准化给出图29B的结果近似函数曲线，以及结果近似函数给出常数项(B)＝1.002。因此，判断器150通过使用阈值如1.03能够成功地验证遮蔽区域。

同样，分析器140也可以给出近似函数而不将频率分布标准化。在这种情况下，该近似函数可以通过下述公式(12)表达，

y＝A×B^-x                                           (12)

其中，y表示频率值，(A)是系数，(x)是类值，以及(B)是常数项。

由于常数项(B)独立于系数(A)，因此验证能够通过将常数项与适当阈值进行比较而进行。

进一步地，分析器140可以使用标准化频率分布，并依靠另一个由下述公式(13)表达的近似函数，

$y=A\&CenterDot;\frac{-D}{x-D}---\left(13\right)$ $$

其中，y表示标准化频率，(A)是系数，(x)是类值，以及(D)是常数项。

图30A说明了图28A的频率分布的结果近似函数曲线，而图30B说明了图28B的频率分布的结果近似函数曲线。常数项(D)被发现可很好地对图30A和图30B的标准化频率分布进行判别，并可被依靠而用于验证。

参考图31，该图示出了修改的验证单元100A，该验证单元另外包括了用于根据人面孔具有超过一个的明显不同的部分来改善验证效率的控制器160，这些部分如包括在主体图像的遮蔽区域[M]内的眼、眉毛、鼻子和嘴，如图32所示。控制器160被配置成选择包括在遮蔽区域[M]内的子分区S1到S6中的一个以覆盖明显不同的部分，并暂时将遮蔽区域[M]限制到所选择的子分区，以便调用判断器150，即指示判断器进行与选择的子分区相关的验证。为了验证选择的子区，控制器160因此与微分器120和分析器140以及判断器150相连。控制器160被配置成对单独的子分区依次进行验证，直到任一子分区被验证出与验证模板的相同或直到所有的子分区都被分析过，而无论首先验证哪一个。因此，当验证任一子分区时，判断器150就发出验证确认信号。否则，判断器发出验证失败信号。

可选地，控制器可以被配置成将遮蔽区域[M]限制到刚选择的子分区以及先前选择的所有子分区，直到判断器判断出验证或直到所有的子分区被选择。因此，验证可以以累积的子分区为基础以进行更可靠的验证。

图33说明了可以用在上述系统中的验证单元200，以代替前面说明过的验证单元。验证单元200经特别构思以给出可靠验证结果以很好地补偿可能在主体图像[S]中看到的不均匀的亮度或密度分布。也就是说，验证单元200首先确认在由遮蔽区域[M]限制的主体图像[S]内是否有相当多的亮度非平衡，并判断遮蔽区域的哪一部分或哪几部分已被依靠而用于验证。为了这一目的，验证单元200包括亮度非平衡检查器210，该非平衡检查器210被配置成将遮蔽区域[M]划分成两个子分区且为在每个子分区内的所有象素得到表示平均值的亮度指数或与密度相关的方差。该非平衡检查器210提供非平衡度，该非平衡度是所获得的两个亮度指数的函数，且当两个亮度指数彼此更接近时将会变得更小。例如，如图34所示，遮蔽区域[M]被划分成两个对称的子分区SL和SR以得到每个子分区的亮度指数，并因此得到结果非平衡度。函数的一个例子是为每个子分区得到的亮度指数间的差或比率。

控制器260被包括在验证单元200中，以便根据非平衡度来选择两个分析中的一个，其中一个使用完全区域分析器220以分析完整的遮蔽区域[M]，另一个使用限制的区域分析器230以分析遮蔽区域[M]内的限制部分。当非平衡度超过预定的非平衡阈值(UT1)时，即有相当大的亮度非平衡时，该控制器260依靠限制的区域分析器230，否则依靠完全区域分析器220。

完全区域分析器220被配置成将由遮蔽区域[M]限定的主体图像与验证图像模板[V]进行与密度相关的比较，以便给出第一相关系数，并当第一相关系数超过预定的第一相关阈值(CT1)时提供完全验证确认信号，否则提供完全验证失败信号。当有限区域分析器230被配置成将每个子区和验证图像模板[V]的相应部分进行比较，以给出第二相关系数，由此当第二相关系数超过预定的第二相关阈值(CT2)时提供限制的验证确认信号，否则提供有限验证失败信号。根据上述的两个分析，判断器250提供一致的验证结果，如将结合图35的流程图进行说明。

如图35所示，控制器260首先激活完全区域分析器220以进行完全区域分析以观察完全验证确认信号和完全验证失败信号中的哪一个被发出<步骤1>。当观察到完全验证确认信号时，控制器260指示判断器250提供被遮蔽的主体图像被验证的第一结果。否则，控制器260激活亮度非平衡检查器210以进行非平衡检查<步骤2>，并观察非平衡度是否超过预定的非平衡阈值(UT1)<步骤3>。当非平衡度不大于非平衡阈值(UT1)时，控制器260指示判断器250提供主体图像没有被验证且没有实质性的亮度非平衡的第二结果。而另一方面，当非平衡度超过非平衡阈值(UT1)时，控制器260激活限制区域分析器230以进行限制的区域分析<步骤4>。在这一分析中，当任一子区给出的第二相关系数超过第二阈值(T2)时得到限制的验证确认信号。否则，得到限制的验证失败信号。该分析的优点在于，减少了主体图像[S]由于没有被验证而可能被丢弃的可能性，虽然它原本将被验证或鉴别是否与图像模板[V]相同。响应于限制的验证确认信号，控制器260指示判断器250发出被遮蔽的主体图像被验证且有相当大的亮度非平衡的第三结果。响应于限制的验证失败信号，该控制器260指示判断器250发出被遮蔽的图像没有被验证且有相当大的亮度非平衡的第四结果。控制器260可以被安排来将非平衡度信息与相应的结果相加。

由于当非平衡度增加时相关系数将变小，因此为了即使出现非平衡亮度时也能可靠验证，最好使第二相关阈值(CT2)小于第一阈值(CT1)。而且，为了更一致的验证，第二相关阈值(CT2)可以随着非平衡度的增加而持续或逐步地变小。

进一步地，控制器260可以被配置成甚至当完全验证确认信号发出时进行亮度非平衡检查，以便将非平衡度信息与第一结果相加。

虽然上述限制的区域分析被说明为当任一子区满足第二相关系数超过第二相关阈值(CT2)时，给出有限的验证确认信号，但也同样可能依靠可靠区域数与子区总数的可靠比率。也就是说，限制的区域分析器可以被设计成为每个子区获得第二相关系数，并当第二相关系数超过第二相关阈值(CT2)时，指定该子区为可靠区域，从而给出可靠比率。根据依靠可靠比率这一方案，当遮蔽区域[M]被划分成多于如图36所示的多个区域时，也可能给出一致的验证。在这种情况下，每个对称的子区SLU、SLD、SRU和SRD也由亮度非平衡检查器210进行检查以给出非平衡度，该非平衡度是分别对于这些子区得到的四个亮度指数的函数，或亮度指数的最大值和最小值函数。

参考图37，该图示出了另一个验证顺序，该顺序可同样有效地用于验证单元200。在这种情况下，控制器260首先激活亮度非平衡检查器210以获得非平衡度<步骤1>，以根据非平衡度确定进行完全区域分析和有限区域分析中的哪一个。在步骤2，当非平衡度被发现没有大于第一非平衡阈值(UT1)时，该控制器激活完全区域分析器220。否则再次检查非平衡度是否超过大于第一非平衡阈值(UT1)的第二非平衡阈值(UT2)<步骤4>。

在步骤3，当完全区域分析发出完全验证确认信号时，控制器260指示判断器250发出主体图像被验证的第一结果。在步骤3，当在完全区域分析发出完全验证失败信号时，判断器250响应以提供主体图像没有被验证的第二结果。

在步骤4，当非平衡度被发现没有大于第二阈值(UT2)时，在步骤5依靠限制的区域分析以发出限制的验证确认信号或有限验证失败信号。响应于这些信号，判断器250分别提供主体图像被验证的第三结果和主体图像没有被验证的第四结果。当非平衡度超过第二非平衡阈值(UT2)时，判断器响应以提供验证失效的第五结果。为了主体图像条件的易于确认每个结果都伴随着非平衡度信息。

虽然上述的完全区域分析器220和限制区域分析器230被说明以检查被遮蔽的主体图像[S]和验证模板[V]的与密度有关的相关性，但每个分析器同样可以检查被遮蔽的主体图像和验证图像的与密度梯度方向值有关的相关性，如同参考验证单元100进行的讨论。

进一步地，应当注意参考图28到图37所公开的单独的特征对于主体图像验证上具有优点，不受参考图1到图27所说明的遮蔽定位方案的限制，因此能够作为独立的主体对象的基础。

Claims (29)

1.一种对象识别系统，包括

模板存储器(20)，被配置成存储图像大小模板[T]；

图像读取器(30)，被配置成取得将被识别的主体图像[S]；

遮蔽定位器(40)，被配置成从所述主体图像内定位遮蔽区域[M]，所述遮蔽区域[M]对应于所述图像大小模板[T]，以及

其中所述遮蔽定位器(40)包括：

图像转换器(42)，被配置成将所述的图像大小模板[T]以及所述的主体图像[S]分别转换成密度梯度方向模板图像[DT]和密度梯度方向主体图像[DS]，每个所述方向的图像都具有象素阵列，每个都存储分配它的密度梯度方向值(θT，θS)；

特征分析器(50)，被配置成在所述的方向模板图像[DT]内围绕预定的中点(C_T)选择多个参考点(R₀，...R_n)，并为每个所述的参考点得到距离(L)和角度(α)，所述的距离(L)是从所述的中点延伸到所述的参考点的线的长度，而所述的角度(α)是所述的直线关于水平轴的角度；

表(52)，被配置成为每个所述的参考点存储与为每个所述的参考点(R₀，...R_n)给定的所述密度梯度方向值(θT)相关的所述的距离(L)和角度(α)；

表决模块(60)，被配置成：

为所述方向主体图像(DS)的每个象素得到所述密度梯度方向值(θS)，

从所述表(52)中读取由关于具有相同密度梯度方向值(θT＝θS)的参考点的距离(L)、角度(α)和坐标组成的参数，以便根据这些参数为所述遮蔽区域[M]的中点计算出多个候选点并对每个所述候选点进行表决；

检测模块(70；70A；70B；70C；70D)，被配置成按照所述表决数指定所述候选点中的至少一个作为所述遮蔽区域[M]的中心，从而在所述主体图像内确定围绕所指定中心的所述遮蔽区域[M]。

2.如权利要求1所述的系统，其中，所述图像大小模板包括人面孔，以便该系统识别人面孔。

3.如权利要求1所述的系统，其中

所述检测模块(70；70A；70C)被配置成得到所述表决的最大值并指定具有最大表决数的所述候选点之一作为遮蔽区域[M]的中心，从而在所述主体图像内确定围绕所指定中点的所述遮蔽区域[M]。

4.如权利要求3所述的系统，其中

所述表决模块(60)被进一步配置成改变预定范围内的所述距离(L)，以便为每个改变的距离计算多个所述候选点，并对每个所述候选点进行表决，以及

所述检测模块(70)被进一步配置以从具有所述最大表决数的候选点中提取改变的距离，从而得到与所述图像大小模板(T)相关的遮蔽区域[M]的大小。

5.如权利要求3所述的系统，其中

所述遮蔽定位器(40)，包括在预定的范围内改变所述图像大小模板的大小的倍增器，这样所述表决模块为每个改变的大小计算多个所述候选点，并对每个所述候选点进行表决，以及

所述检测模块(70)被进一步配置为从具有所述最大表决数的候选点中提取改变的大小，从而得到与所述图像大小模板(T)相关的遮蔽区域[M]的大小。

6.如权利要求3所述的系统，其中

所述表决模块(60)被进一步配置为改变预定范围内的所述角度(α)，以便为每个所述改变的角度(α+)计算多个候选点，并对每个所述候选点进行表决，

所述检测模块被进一步配置为从具有最大表决数的候选点中提取改变的角度(α+)，从而得到相对于图像大小模板的遮蔽区域[M]的旋转角度()。

7.如权利要求3所述的系统，其中

所述遮蔽定位器(40)包括旋转器，该旋转器在预定的范围内按照改变的角度()旋转所述图像大小模板，这样所述表决模块(60)为每个改变的角度计算出多个所述候选点，并对每个所述候选点进行表决，

所述检测模块被进一步配置为从具有所述最大表决数的候选点中提取角度()，并得到相对于所述图像大小模板的遮蔽区域[M]的旋转角度()。

8.如权利要求1所述的系统，其中

所述检测模块(70B)包括：

选择器(80)，被配置为选择具有表决数超过预定的表决阈值的所述候选点；

遮蔽提供器(82)，被配置为设置围绕由每个所选择的候选点限定的中心的所述遮蔽区域[M]；

复制检查器(84)，被配置为如果多于一个遮蔽区域[M]被设置并且如果遮蔽区域相互部分重叠，则得到每个重叠的遮蔽区域的表决数并仅指定一个具有最大表决数的重叠的遮蔽区域作为代表遮蔽区域[M]。

9.如权利要求1所述的系统，其中

所述检测模块(70C)包括：

选择器(80)被配置为选择具有表决数超过预定的表决阈值的所述候选点；

遮蔽提供器(82)被配置为设置围绕由每个所选择的候选点限定的中心的所述遮蔽区域[M]；

背景噪声过滤器(86)被配置为得到为每个围绕所述遮蔽区域[M]的所述候选点的所选择的所述象素所给定的表示所述表决数的参数，并过滤出具有超过预定的参数阈值的所述参数的遮蔽区域[M]。

10.如权利要求1所述的系统，其中

所述检测模块(70D)包括：

选择器(80)，被配置为选择具有表决数超过预定的表决阈值的所述候选点；

遮蔽提供器(82)，被配置为设置围绕由每个所选择的候选点确定的中心的所述遮蔽区域[M]；以及

背景噪声过滤器(86D)，具有为标准对象预先定义的密度梯度方向值的标准分布，所述背景噪声过滤器被配置为给出为在所述遮蔽区域[M]内的所述主体图像[S]得到的所述密度梯度方向值的主体分布，并从统计上分析与所述标准分布进行比较的所述主体分布，以便确认所述遮蔽区域[M]，并过滤出未被确认的遮蔽区域[M]。

11.如权利要求1所述的系统，其中

所述检测模块(70D)包括：

选择器(80)，被配置为选择具有表决数超过预定的表决阈值的所述候选点；

遮蔽提供器(82)，被配置为设置围绕由每个所选择的候选点限定的中心的所述遮蔽区域[M]；

背景噪声过滤器(86D)，被配置为给出关于在所述遮蔽区域[M]内的象素的所述密度梯度方向值的频率分布，从那里得到所述遮蔽区域[M]的方差，并过滤出具有超出预定的方差阈值的方差的所述遮蔽区域[M]。

12.如权利要求1所述的系统，其中

所述检测模块(70D)包括：

选择器(80)，被配置为选择具有表决数超过预定的表决阈值的所述候选点；

遮蔽提供器(82)，被配置为给出围绕由每个所选择的候选点限定的中心的所述遮蔽区域[M]；

背景噪声过滤器(86D)，被配置为给出关于在所述遮蔽区域[M]内的象素的所述密度梯度方向值的频率分布，为所述遮蔽区域[M]得到最大周期，过滤出具有超出预定的周期阈值的最大周期的所述遮蔽区域[M]。

13.如权利要求3所述的系统，其中

所述表决模块(60)被配置为进行初步表决并随后进行主表决，

所述初步表决在大范围上、通过粗略步长改变所述距离(L)而进行，而所述主表决在相对于所述初步表决的有限范围上、以精确步长改变的所述距离(L)而进行，

所述检测模块(70A)包括：

初步检测器(71)，被配置为指示所述表决模块(60)首先进行初步表决，得到由具有最大表决数的候选点限定的最初距离(k(max))，并选择在最初距离的相对侧的两个相邻外围距离，

主检测器(72)被配置为指示所述表决模块只在所选择的外围距离之间的有限范围内进行主表决，用于为以精确步长改变的每个距离得到表决数，

曲线产生器(74)，被配置为对由关于所述改变的距离的主表决给出的表决数产生近似曲线；

评估器(76)，被配置为给出与近似曲线的最大值相应的评估距离；

模板调整器(73)，被配置为通过使用所述评估距离确定对于图像大小模板的遮蔽区域[M]的相对大小。

14.如权利要求3所述的系统，其中

所述表决模块(60)被配置为进行初步表决并随后进行主表决，

所述初步表决在大范围上、以粗略步长改变所述角度(α)而进行，而所述主表决在相对于所述初步表决的有限范围上、以精确步长改变所述角度(α)而进行，

所述检测模块(70A)包括：

初步检测器(71)，被配置成指示表决模块(60)首先进行初步表决，得到由具有最大表决数的候选点确定的最初角度(max())，并选择在最初角度的相对侧的两个相邻的外围角度，

主检测器(72)，被配置为指示表决模块只在所述外围角度之间的有限范围内进行主表决，从而对于以精确步长改变的每个角度得到表决数；

曲线产生器(74)，被配置为为由关于改变的角度的所述主表决给出的表决数产生近似曲线；

评估器(76)，被配置为给出与近似曲线的最大值相应的评估角度()；以及

模板调整器(73)，被配置为确定相对于所述图像大小模板的所述遮蔽区域[M]的旋转角度作为所述评估角度。

15.如权利要求1所述的系统，其中

所述图像转换器(42)被配置为提供所述密度梯度方向模板图像和所述密度梯度方向主体图像，以及缩减方向模板图像和缩减方向主体图像，缩减方向模板图像和缩减方向主体图像都分别在象素数量上比所述方向模板图像和所述方向主体图像减少，如此，由在每个所述方向模板图像和所述方向主体图中的两个或多个相邻象素组成的单位区域被合并成在每个所述缩减的模板图像和所述缩减的主体图像中的单一的子象素；

所述图像转换器包括压缩模块，该压缩模块为在每个所述图像大小模板和所述主体图像中的每个象素获得关于密度的x轴导数(dx)和y轴导数(dy)，并得到由下述公式确定的微分强度(dxy)：

$\mathrm{dxy}=\frac{(\mathrm{dx}+\mathrm{dy})}{2}$

所述压缩模块提供边缘图像，该边缘图像具有每个象素都分配给所述微分强度的象素阵列，并从所述阵列中选择一组象素以与所述的单位区域相对应，从而找出所述组中的具有最大微分强度的象素中的一个，并指定该象素为代表象素，

所述压缩模块参考每个所述方向模板图像和所述方向主体图像以分别选择给予相应于在所述边缘图像内的所述代表象素的象素的密度梯度方向值，并将所选择的密度梯度方向值分配给每个缩减方向模板图像和缩减方向主体图像中的单一的子象素，

所述缩减方向模板图像和所述缩减方向主体图像被存储在存储器内以由所述特征分析器和所述表决模块处理。

16.如权利要求1所述的系统，其中

所述模板存储器被配置为存储验证图像模板，所述系统进一步包括：

验证单元(100；100A；200)，被配置为将所述遮蔽区域[M]与所述验证图像模板(V)进行比较，以提供表示所述遮蔽区域[M]是否与所述验证图像模板(V)匹配的验证结果。

17.如权利要求16所述的系统，其中

所述验证单元(100)包括：

方向图像转换器(110)，被配置为将所述验证图像模板(V)转换成相应的密度梯度方向验证模板(DV)，所述方向验证图像模板(DV)具有每个都存储了指定到它的密度梯度方向值(θV)的象素阵列；

微分器(120)，被配置为给出在方向主体图像(DS)的所述遮蔽区域[M]的每个象素和所述密度梯度方向验证模板(DV)的相应象素之间的密度梯度方向的方向微分(dθ＝θs-θv)；

类提供器(130)，被配置为提供按照所述方向微分分类的预定数量的不同类，并给出所述方向微分(dθ＝θs-θv)的频率分布；

分析器(140)，被配置为指定所述类的有限集合并为指定的类计算频率值的总和，以及给出为所述总和的函数的评估参数；

判断器(150)，被配置为验证当所述评估参数满足预定的标准时所述主体图像与所述验证图像模板相同。

18.如权利要求17所述的系统，其中

所述分析器(140)给出所述评估参数，该评估参数是所述频率值的总和与所述验证模板[V]或所述遮蔽区域[M]中的所述象素的总数的比率。

19.如权利要求17所述的系统，其中

所述验证单元(100A)进一步包括象素过滤器(112)，该象素过滤器被配置为对于在验证模板(V)和由遮蔽区域[M]限制的主体图像(S)中的至少一个中的每个象素得到关于密度的x轴导数(dx)和y轴导数(dy)，当对于那个象素的x轴导数和y轴导数都为零时，所述象素过滤器指定该象素为特定象素，

所述微分器(120)被配置为忽略在方向主体图像的遮蔽区域[M]中的特定象素和在方向验证模板中的相应象素，并不给出涉及所述特定象素的方向微分(dθ＝θs-θv)。

20.如权利要求17所述的系统，其中

所述验证单元(100A)进一步包括：

亮度过滤器(114)，被配置为得到被分配给由所述遮蔽区域[M]限制的所述主体图像的每个象素的亮度，

所述亮度过滤器选择每个象素作为中心象素和直接相邻它的邻近象素，并为每个选择的象素得到亮度值，当一个或多个选择的象素具有最大亮度值时，亮度过滤器指定该中心象素为特定象素，

所述微分器(120)，被配置以忽略在所述方向主体图像内与特定象素一致的象素以及在该方向验证模板内的相应象素，并不给出涉及所述特定象素的方向微分(dθ＝θs-θv)。

21.如权利要求16所述的系统，其中

所述验证单元(100)包括：

方向图像转换器(110)，被配置为将所述验证图像模板(V)转换成相应的密度梯度方向验证模板(DV)，所述方向验证模板(DV)具有每个都存储了表示指定给它的密度梯度方向值(θV)的值的象素阵列；

微分器(120)，被配置为给出在方向主体图像(DS)的所述遮蔽区域[M]的每个象素和所述密度梯度方向验证模板(DV)的相应象素之间的密度梯度方向的方向微分(dθ＝θs-θv)；

类提供器(130)，被配置为提供按照所述方向微分分类的预定数量的不同类，并给出所述方向微分(dθ＝θs-θv)的频率分布；

分析器(140)，被配置为分析所述频率分布以给出其近似函数，所述分析器从所述近似函数中提取常数项作为评估参数；

判断器(150)，被配置为验证当所述评估参数满足预定的标准时所述主体图像与所述验证图像模板相同。

22.如权利要求17或21所述的系统，其中

所述验证单元(100A)进一步包括：

控制器(160)，被配置为选择包括在遮蔽区域[M]内的子分区中的一个以覆盖主体图像的明显不同的部分，并将遮蔽区域[M]限制到所选择的子分区以及调用所述判断器(150)，

所述控制器选择另一个所述子分区并将所述遮蔽区域[M]限制到那一子分区，直到判断器判断出验证或直到所有的子分区被选择。

23.如权利要求17或21所述的系统，其中

所述验证单元(100A)进一步包括：

控制器(160)，被配置为选择包括在遮蔽区域[M]内的子分区中的一个以覆盖主体图像的明显不同的部分，并将遮蔽区域[M]限制到所选择的子分区，以及调用所述判断器(150)，

所述控制器选择另一个所述子分区并将所述遮蔽区域[M]限制到所述另一个子分区以及所有先前选择过的子区，直到所述判断器判断出该验证或直到所有的子区被选择。

24.如权利要求16所述的系统，其中

所述验证单元(200)包括：

亮度非平衡检查器(210)，被配置为将所述遮蔽区域[M]划分成两个对称子区(SL，SR)并为每个所述子区中的所有象素得到表示关于密度的平均值或方差的亮度指数，所述非平衡检查器给出非平衡度，该非平衡度是所述两个亮度指数的函数，并且当两个亮度指数彼此很接近时变得更小；

完全区域分析器(220)，被配置为将整个遮蔽区域[M]与所述验证图像模板进行比较，以便给出第一相关系数，所述完全区域分析器当第一相关系数超过预定的第一相关阈值时，提供完全验证确认信号，否则提供完全验证失败信号；

有限区域分析器(230)，被配置为将所述子区(SL，SR)中的至少一个与验证图像模板(V)中的相应部分进行比较，以便给出第二相关系数，所述有限区域分析器当第二相关系数超过预定的第二相关阈值时该有限区域分析器提供有限验证确认信号，否则提供有限验证失败信号；

仅仅在一旦识别出完全验证失败信号时，控制器(260)被配置为激活所述完全区域分析器并激活所述亮度非平衡检查器，当所述非平衡度超过预定的非平衡阈值时所述控制器激活所述有限区域分析器，

判断器(250)被配置为提供：

1)在识别完全验证确认信号时的验证的主体图像的第一结果；

2)在识别完全验证失败信号时的未验证的主体图像的第二结果；

3)在识别有限验证确认信号时的验证的主体图像的第三结果；以及

4)在识别有限验证失败信号时的未验证的主体图像的第四结果。

25.如权利要求16所述的系统，其中

所述验证单元(200)包括：

亮度非平衡检查器(210)，被配置为将所述遮蔽区域[M]划分成两个对称子区(SL，SR)，并对于每个所述子区中的所有象素得到表示关于密度的平均值或方差的亮度指数，所述非平衡检查器给出非平衡度，该非平衡度是所述两个亮度指数的函数，并且当两个亮度指数彼此很接近时变得更小；

完全区域分析器(220)，被配置为将整个遮蔽区域[M]与所述验证图像模板进行比较，以给出第一相关系数，并当第一相关系数超过预定的第一相关阈值时提供完全验证确认信号，否则提供完全验证失败信号；

限制区域分析器(230)被配置为将所述子区(SL，SR)中的至少一个与验证图像模板的相应部分进行比较，以给出第二相关系数，所述有限区域分析器当第二相关系数超过预定的第二相关阈值时，有限区域分析器提供有限验证确认信号，否则提供有限验证失败信号；

控制器(260)，被配置为当所述非平衡度小于预定的非平衡阈值时激活所述亮度非平衡检查器并激活所述完全区域分析器，否则激活所述有限区域分析器，

判断器被配置以提供：

1)在识别完全验证确认信号时的验证的主体图像的第一结果；

2)在识别完全验证失败信号时的未验证的主体图像的第二结果；

3)在识别有限验证确认信号时的验证的主体图像的第三结果；以及

4)在识别有限验证失败信号时的未验证的主体图像的第四结果。

26.如权利要求24或25所述的系统，其中

限制区域分析器(230)被配置为在所述遮蔽区域[M]中选择多个子区，并将每个子区与所述验证图像模板的相应部分进行比较，以对每个所述子区给出第二相关系数，

当第二相关系数超过第二相关阈值时，该有限区域分析器将每个所述子区确定为可靠子区，

当可靠子区的数量与所有子区数量的比率超过预定的阈值时，所述限制区域分析器提供有限验证确认信号。

27.如权利要求24或25所述的系统，其中

所述第二相关阈值小于所述第一相关阈值。

28.如权利要求24或25所述的系统，其中

当所述非平衡度超过临界水平时，所述有限区域分析器(230)被失效。

29.如权利要求24或25所述的系统，其中

所述判断器(250)被配置为输出包括至少一个所述非平衡度和所述非平衡度是否小于所述非平衡阈值的非平衡结果。

Images