DE19847261A1 - Verfahren und System zur Personenerkennung mit modellbasierter Gesichtsfindung - Google Patents
Verfahren und System zur Personenerkennung mit modellbasierter GesichtsfindungInfo
- Publication number
- DE19847261A1 DE19847261A1 DE19847261A DE19847261A DE19847261A1 DE 19847261 A1 DE19847261 A1 DE 19847261A1 DE 19847261 A DE19847261 A DE 19847261A DE 19847261 A DE19847261 A DE 19847261A DE 19847261 A1 DE19847261 A1 DE 19847261A1
- Authority
- DE
- Germany
- Prior art keywords
- face
- image
- binarized image
- model
- hausdorff
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000000605 extraction Methods 0.000 claims description 5
- 208000029152 Small face Diseases 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000001815 facial effect Effects 0.000 description 8
- 238000013459 approach Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000000941 bile Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
Die Erfindung betrifft ein Verfahren und ein System zur Gesichtsfindung in einem binarisierten Bild durch Vergleichen der Punktegruppe des binarisierten Bildes mit der Punktegruppe eines Gesichtsmodells, bei dem die Punktegruppen des binarisierten Bildes und des Gesichtsmodells anhand des Hausdorff-Abstandes zwischen den Punkten der Punktegruppen verglichen werden und ein Gesicht in dem binarisierten Bild erkannt wird, wenn ein aus dem Hausdorff-Abstand abgeleitetes Maß einen Grenzwert unterschreitet.
Description
Die Erfindung betrifft ein Verfahren und ein System zur Personen
erkennung mit modellbasierter Gesichtsfindung.
Es gibt Verfahren und Systeme zur biometrischen Personenerkennung,
die sich auf eine Kombination aus Gesichtserkennung, Spracherken
nung und Lippenbewegungserkennung stützen. Der kritische Teil da
bei ist die Gesichtsfindung. Die Erfindung betrifft ein Verfahren
und ein System zur Lokalisierung des Gesichts einer Person in be
liebigen Kamerabildern innerhalb eines solchen Systems zur biome
trischen Personenerkennung.
Das grundlegende Element bei der Gesichtserkennung ist die Ge
sichtsfindung, d. h. die exakte Lokalisierung des Bildausschnittes,
der dem menschlichen Gesicht entspricht. Im Stand der Technik ver
einfachen einige Lösungsvorschläge diese Problematik, indem sie
einen einheitlichen Hintergrund fordern, vor dem dann das Gesicht
gefunden werden kann. Auch durch Hinzunahme der Bewegtbildinfor
mationen kann ein Gesicht erkannt werden, wobei hier unterstellt
wird, daß nur der Bereich des Bildes, der sich im Laufe einer
Bildfolge ändert, das Gesicht enthält.
Solche einfachen Ansätze genügen den heutigen Anforderungen an die
Gesichtsfindung und -erkennung nicht mehr. Die Personenerkennung
wird heute beispielsweise durch PC-Desktopkameras und andere mo
bile Kameras unterstützt, so daß die Gesichtsfindung auch dann
robust funktionieren muß, wenn ein beliebiger Hintergrund oder
sogar ein bewegtes Hintergrundbild vorliegt.
Die erfolgreichsten der heute bekannten Ansätze auf diesem Gebiet
benutzen neuronale Netze. Diese Netze werden mit einer großen An
zahl von Gesichtsbeispielen trainiert, wobei bei dem Training als
Gegenklasse eine noch größere Anzahl von "Nicht-Gesichtsbildern"
verwendet wird, damit das neuronale Netz schließlich zwischen Ge
sicht und Hintergrund unterscheiden kann. Ein Nachteil dieser Me
thode ist neben der langen Rechenzeit die starke Abhängigkeit von
Varianzen, wie Skalierung, Rotation und Verzerrung.
Die Erfindung hat daher zur Aufgabe, ein neues System und Verfah
ren zur Gesichtsfindung anzugeben, das robust ist und eine Ge
sichtsfindung in Echtzeit zu leisten vermag.
Zur Lösung dieser Aufgabe schlägt die Erfindung ein Verfahren mit
den Merkmalen von Anspruch rund ein System mit den Merkmalen von
Anspruch 8 vor.
Das erfindungsgemäße Verfahren und System sind modellbasiert. Das
heißt, es wird ein binäres Bild eines menschliches Gesichtes, oder
eine sogenannte "Strichzeichnung" in einem entsprechenden Gesamt
bild gesucht. Aus einem Originalbild wird also zunächst ein bina
risiertes Bild, z. B. mittels Kantenextraktion, erzeugt, und dieses
binarisierte Bild wird mit einem binären Gesichtsmodell vergli
chen, um das Bild des menschlichen Gesichtes in dem entsprechend
binarisierten Gesamtbild zu suchen und zu finden. Es wird also
nicht, wie bei den bisherigen Ansätzen des Standes der Technik,
der Intensitätswert der einzelnen Kamerapixel verglichen oder nach
Pixelveränderungen gesucht, sondern die Erfindung stützt sich auf
eine Modellstruktur nach Art einer Strichzeitung, die z. B. in Form
einer Bitabbildung vorliegen kann.
Das Modell des Gesichtes oder die "Strichzeichnung", wird mit dem
binarisierten Bild mit Hilfe einer modifizierten Version des sog.
Hausdorff-Abstandes in zahlreichen Skalierungs-, Rotations- und
Verzerrungsvarianten des Bildes verglichen. Die Anwendung des
Hausdorff-Abstandes auf die Gesichtserkennung wurde z. B. von B.
Takacs und H. Wechsler in "Face Recognition Using Binary Image
Metrics", 2nd International Conference on Automatic Face and Ge
sture Recognition, IEFF Proceedings, April 1998, beschrieben. Auf
diese Veröffentlichung und die dortige Erläuterung des Hausdorff-
Abstandes wird ausdrücklich Bezug genommen.
Die genannte Veröffentlichung beschreibt die Anwendung des Haus
dorff-Abstandes zum Zwecke der Gesichtserkennung. Ausdrücklich
wird darauf hingewiesen, daß die Gesichtsfindung mit einem gänz
lich anderen Verfahren erreicht wird. Die Verwendung des Haus
dorff-Abstandes zur Gesichtsfindung wurde im Stand der Technik
nicht in Erwägung gezogen, u. a. weil dieser Algorithmus sehr viel
Rechenzeit in Anspruch nimmt.
Dabei sollte man sich die grundsätzlichen Unterschiede in der Pro
blematik der Gesichtsfindung und der Gesichtserkennung ins Ge
dächtnis rufen: Wenn das Gesicht in einem, insbesondere bewegten
Bild einmal gefunden ist, kann dieses Gesichtsbild zur Erkennung
bzw. Identifikation mit nahezu beliebigen Methoden mit einer Samm
lung von Gesichtern aus einer Datenbank verglichen werden. Ist das
fragliche Gesicht in der Datenbank enthalten, sind die Trefferra
ten im allgemeinen üblicherweise sehr hoch, bei etwa 99%. Das
Schwierige bei der Personenerkennung ist jedoch der vorausgeschal
tete Schritt, in einem beliebigen Bild zunächst das Gesicht zu
finden und perfekt "auszuschneiden". Was bei der wortsinngemäßen
Gegenüberstellung Gesichtserkennung/Gesichtsfindung also als ge
ringfügiger Unterschied erscheinen mag, ist im Ergebnis für die
Gesichts- und somit Personenerkennung entscheidend für die Güte
des Ergebnisses.
Der Bildvergleich mithilfe des Hausdorff-Abstandes basiert auf
folgenden Grundlagen:
Aus dem binarisierten Bild und dem Gesichtsmodell werden zwei
Punktegruppen gebildet,
A = {a1, . . ., am}
und
B = {b1, . . ., bn}
der Hausdorff-Abstand ist dann definiert durch
H (A, B) = max (h (A, B), h (B, A)),
wobei
h(A, B) = max|a∈A min|b∈B ∥a-b∥.
Das erfindungsgemäße System und Verfahren sind unempfindlich ge
genüber den häufigsten Störeinwirkungen, wie eine Drehung, unter
schiedliche Skalierung oder Verzerrung des Bildes, weil diese bei
dem Vergleich der Punktegruppen leicht berücksichtigt werden kön
nen. Auch ist für den Einsatz des erfindungsgemäßen Verfahrens
kein langer Einlernvorgang nötig, anders als bei den neuronalen
Netzen. Im Gegensatz zu den Ansätzen mit neuronalen Netzen müssen
auch keine "Nicht-Gesichtsbilder" vorgegeben, gelernt oder auf
andere Weise berücksichtigt werden. Das System erkennt ein Ge
sicht, wie der Mensch, aufgrund der Eigenschaften des Gesichtes
selbst, nicht aufgrund der Eigenschaften des Hintergrundes, die
somit nicht berücksichtigt werden müssen. Durch eine geeignete
Ausbildung des Modells, der "Strichzeichnung", können gesuchte
Besonderheiten (z. B. Brillenträger) schnell in dem Modell berück
sichtigt werden.
Das erfindungsgemäße System und Verfahren können in der Zukunft in
biometrischen Identifikationssystemen zur automatischen biometri
schen Zugangskontrolle verwendet werden, bei denen häufig die Ge
sichtserkennung, Spracherkennung, Lippenbewegungserkennung, Reti
naabtastung, etc. kombiniert werden. Mit Hilfe der Erfindung ist
es möglich, für die Gesichtserkennung den exakten Gesichtsaus
schnitt zu finden, die exakte Augenposition für eine Retinaabta
stung zu lokalisieren, die exakte Mundposition zur Berechnung der
Lippenbewegungen zu lokalisieren und dergleichen.
Das erfindungsgemäße System und Verfahren können jedoch noch sehr
viel universeller eingesetzt werden, indem z. B. durch Vorgabe
entsprechender binärer Modelle nur Menschen mit bestimmten Ge
sichtszügen erkannt werden, um nach solchen Merkmalen wie Mimik,
Rasse oder Geschlecht zu unterscheiden. Das erfindungsgemäße Ver
fahren und System sind nicht einmal auf die Gesichtsfindung be
schränkt, weil das Modell, nach dem gesucht wird, auch eine Hand
oder einen anderen oder mehrere Teile des menschlichen Körpers
oder einer Sache umfassen könnte.
In ihren bevorzugten Ausführungsformen sieht die Erfindung für die
Gesichtsfindung die Anwendung eines modifizierten Hausdorff-Ab
standes vor, um den Rechenaufwand zu minimieren und so ein Ergeb
nis innerhalb einer vertretbaren Rechenzeit zu erhalten. Mit der
derzeitigen Ausführungsform des modifizierten Hausdorff-Abstandes
zur Gesichtsfindung kann etwa ein Gesichtsbild pro Sekunde detek
tiert werden.
Zusätzlich sieht die Erfindung eine neuartige Vorauswahl des Bil
des durch eine spezielle Ausnutzung der Voronoioberfläche vor, die
auch zur Beschleunigung des Verfahrens beiträgt.
Das erfindungsgemäße System und Verfahren können sowohl als Soft
ware als auch als Hardwaremodule realisiert werden, wobei die mo
difizierten Algorithmen entweder programmiert oder in einer eige
nen Hardware realisiert und somit wenigstens in der Hardwarelösung
echtzeitfähig sind.
Die Erfindung ist im folgenden mit weiteren Einzelheiten in bezug
auf die Zeichnungen näher erläutert. In den Figuren zeigen:
Fig. 1 ein Originalbild, das mit einer digitalen Kamera
aufgenommen wurde;
Fig. 2 eine binarisierte Version des Originalbildes der
Fig. 1;
Fig. 3 ein binäres Gesichtsmodell in Form einer Strich
zeichnung; und
Fig. 4 die mit Hilfe des Gesichtsmodelles der Fig. 3
in dem binarisierten Bild der Fig. 2 gefundene
Position des Gesichtsmodells.
Fig. 1 zeigt das Originalbild einer Person mit Gesicht, Schulter
partie und Hintergrund, das mittels Kantenextraktion in das in
Fig. 2 dargestellte binarisierte Bild umgewandelt wird. Hierzu
werden die Kanten am Hell-Dunkel-Übergang in dem Originalbild dazu
verwendet, eine Art Strichzeichnung des binarisierten Bildes gemäß
Fig. 2 herzustellen. Gesucht wird nach dem zweidimensionalen Ge
sichtsmodell der Fig. 3 mit Hilfe des Hausdorff-Abstandes unter
den unten näher erörterten Bedingungen.
Der allgemeine Hausdorff-Abstand bietet ein Mittel zur Bestimmung
der Ähnlichkeit einer Punktgruppe zu einer anderen durch Untersu
chung des Anteils der Punkte in der einen Gruppe, die in der Nähe
von Punkten in der anderen Gruppe, oder umgekehrt, liegen. Es gibt
zwei Parameter, um zu entscheiden, ob die zwei Punktegruppen ein
ander ähneln oder nicht: (i) der maximale Abstand, den die Punkte
voneinander entfernt sein können und bei dem sie gleichwohl noch
als nah beieinander liegend betrachtet werden, und (ii) welcher
Anteil der Punkte in einer Gruppe maximal diesen Abstand von den
Punkten in der anderen Gruppe entfernt ist.
Die Gesichtsfindung mit Hilfe des Hausdorff-Abstandsmaßes unter
scheidet sich von anderen Techniken, wie der binären Korrelation,
weil es keine Paarung der Punkte in den beiden Gruppen gibt, die
verglichen werden. Eine Erläuterung der mathematischen Grundlagen
des Hausdorff-Abstandes findet man im Internet unter der Adresse
http://www.cs.cornell.edu/ Vision/hausdorff/hausmatch.html. In
diesem Dokument sind die Grundlagen des Hausdorff-Abstandes erläu
tert, auf die Bezug genommen wird.
Die zweidimensionale Bildabbildung der Fig. 3 dient also als ein
Gesichtsmodell, das in dem binarisierten Bild der Fig. 2 lokali
siert werden soll, wobei geeignete zweidimensionale Transformatio
nen und Skalierungen vorgenommen werden können.
Fig. 4 zeigt die beste Übereinstimmung des Modells der Fig. 3
mit dem binarisierten Bild der Fig. 2 und somit die gefundene
Position des Modells in dem binären Bild in dem Sinne, daß in
Fig. 4 der größte Anteil der binarisierten Kantenpunkte der Fig. 2
in der Nähe der Bildpunkte der Fig. 3 liegen. Bei Verwendung des
Hausdorff-Abstandes findet man auch dann eine Übereinstimmung zwi
schen dem Gesichtsmodell und dem binarisiertem Bild, wenn die ent
sprechenden binären Punkte nicht exakt übereinanderliegen.
Zur Realisierung dieses modellbasierten Gesichtsfindungsverfahrens
werden bei einer bevorzugten Ausführungsform der Erfindung folgen
de Modifikationen des Hausdorff-Abstandes vorgenommen, um eine
Gesichtsfindung in Echtzeit zu erreichen:
Die Erfindung verwendet einen hierarchischen Ansatz, bei dem zu
nächst das binarisierte Bild stark verkleinert wird, in dem ver
kleinerten binarisierten Bild nach einem entsprechend kleinen Ge
sichtsmodell gesucht wird; und wenn eine bestimmte Region als
wahrscheinlicher Ort des gesuchten Gesichtes erkannt wird, wird
diese Region und ihre Umgebung vergrößert, um den Suchvorgang mit
einem entsprechend größeren Modellgesicht fortzusetzen, usw.
Bei dieser hierarchischen Suchweise werden unterschiedliche Model
le verwendet; d. h. bei dem stark verkleinerten binarisierten Bild
wird z. B. ein Modell (Fig. 3) mit Schultern verwendet, um die
Person zuverlässig zu erkennen. Je größer der Maßstab des binari
sierten Bildes wird, desto feiner wird auch die Auflösung, und
desto detaillierter wird das Modell für die Gesichtsfindung, so
daß schließlich ein Modell verwendet werden kann, das z. B. nur
noch Augen, Nase und/oder Mund enthält.
Auch die Kantenextraktion zur Herstellung des binarisierten Bildes
der Fig. 2 kann an die jeweiligen Hierarchiestufen, in denen un
terschiedlich feine Auflösungen benötigt werden, angepaßt werden.
Hierzu sieht die Erfindung die Verwendung eines adaptiven Sobel-
Filters vor.
Innerhalb der verschiedenen Hierarchiestufen können jeweils geeig
nete Rotationen des Bildes und/oder des Modells vorgenommen wer
den.
Zusätzlich sieht die Erfindung vorzugsweise eine Vorfilterung des
binarisierten Bildes (Erosion, Dilatation, etc.) vor.
Ein weiteres wichtiges Merkmal der Erfindung ist die Modifikation
des Hausdorff-Abstandes. Bei einer besonders bevorzugten Ausfüh
rungsform der Erfindung ist vorgesehen, mit einem modifizierten
Hausdorff-Abstand zu arbeiten, bei dem nicht nur der mittlere Ab
stand aller minimalen Abstände zwischen Modell und Bild als Ab
standsmaß verwendet wird, sondern bei dem der Mittelwert der er
sten x% (0<x<100) aller minimalen Abstände als Grundlage der Be
rechnung des Hausdorff-Maßes dient, damit größere Abweichungen
("Ausreißer") nicht berücksichtigt werden und das Ergebnis verfäl
schen.
Claims (8)
1. Verfahren zur Gesichtsfindung in einem binarisierten
Bild durch Vergleichen der Punktegruppe des binari
sierten Bildes mit der Punktegruppe eines Gesichts
modells, bei dem die Punktegruppen des binarisierten
Bildes und des Gesichtsmodells anhand des Hausdorff-
Abstandes zwischen den Punkten der Punktegruppen ver
glichen werden und ein Gesicht in dem binarisierten
Bild erkannt wird, wenn ein aus dem Hausdorff-Abstand
abgeleitetes Maß einen Grenzwert unterschreitet.
2. Verfahren nach Anspruch 1, bei dem das binarisierte
Bild aus dem Originalbild mittels Kantenextraktion
abgeleitet wird.
3. Verfahren nach Anspruch 1 oder 2, bei dem das binari
sierte Bild zunächst in einem kleinen Maßstab mit
einem entsprechend kleinen Gesichtsmodell verglichen
wird, der Bereich des binarisierten Bildes, in dem
ein Gesicht gefunden wurde, vergrößert und mit einem
entsprechenden größeren Gesichtsmodell erneut vergli
chen wird und das Vergrößern und Vergleichen von bi
narisiertem Bildbereich und Gesichtsmodell ggf. wie
derholt wird, bis das Gesicht in dem binarisierten
Bild mit ausreichender Genauigkeit lokalisiert wurde.
4. Verfahren nach Anspruch 3, bei dem je nach Größe des
binarisierten Bildes unterschiedliche Gesichtsmodelle
mit unterschiedlicher Auflösung verwendet werden.
5. Verfahren nach Anspruch 3 oder 4, bei dem je nach
Größe des binarisierten Bildes die Kantenextraktion
für die Ableitung des binarisierten Bildes aus dem
Originalbild mit unterschiedlicher Auflösung erfolgt.
6. Verfahren nach einem der Ansprüche 3 bis 5, bei dem
je nach Größe des binarisierten Bildes unterschiedli
che Rotationsstufen verwendet werden.
7. Verfahren nach einem der vorangehenden Ansprüche, bei
dem das Hausdorff-Maß auf der Grundlage des Mittel
wertes der kleinsten x% aller minimalen Hausdorff-
Abstände ermittelt wird, wobei 0<x<100.
8. System zur Realisierung des Verfahrens nach einem der
vorangehenden Ansprüche mit einer Rechenvorrichtung
zur Berechnung des Hausdorff-Abstandes und des Haus
dorff-Maßes auf der Grundlage der Punkte des binari
sierten Bildes und des Gesichtsmodells.
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19847261A DE19847261A1 (de) | 1998-10-05 | 1998-10-05 | Verfahren und System zur Personenerkennung mit modellbasierter Gesichtsfindung |
DE59904236T DE59904236D1 (de) | 1998-10-05 | 1999-10-04 | Verfahren und system zur personenerkennung mit modellbasierter gesichtsfindung |
PCT/EP1999/007334 WO2000021021A1 (de) | 1998-10-05 | 1999-10-04 | Verfahren und system zur personenerkennung mit modellbasierter gesichtsfindung |
AT99952488T ATE232321T1 (de) | 1998-10-05 | 1999-10-04 | Verfahren und system zur personenerkennung mit modellbasierter gesichtsfindung |
EP99952488A EP1119822B1 (de) | 1998-10-05 | 1999-10-04 | Verfahren und system zur personenerkennung mit modellbasierter gesichtsfindung |
US09/806,785 US6999606B1 (en) | 1998-10-05 | 1999-10-04 | Methods and system for recognizing people with model-based face detection |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19847261A DE19847261A1 (de) | 1998-10-05 | 1998-10-05 | Verfahren und System zur Personenerkennung mit modellbasierter Gesichtsfindung |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19847261A1 true DE19847261A1 (de) | 2000-04-06 |
Family
ID=7884382
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19847261A Withdrawn DE19847261A1 (de) | 1998-10-05 | 1998-10-05 | Verfahren und System zur Personenerkennung mit modellbasierter Gesichtsfindung |
DE59904236T Expired - Lifetime DE59904236D1 (de) | 1998-10-05 | 1999-10-04 | Verfahren und system zur personenerkennung mit modellbasierter gesichtsfindung |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE59904236T Expired - Lifetime DE59904236D1 (de) | 1998-10-05 | 1999-10-04 | Verfahren und system zur personenerkennung mit modellbasierter gesichtsfindung |
Country Status (5)
Country | Link |
---|---|
US (1) | US6999606B1 (de) |
EP (1) | EP1119822B1 (de) |
AT (1) | ATE232321T1 (de) |
DE (2) | DE19847261A1 (de) |
WO (1) | WO2000021021A1 (de) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000043960A1 (de) | 1999-01-19 | 2000-07-27 | Bioid Ag | Verfahrend und system zur fälschungssicherung bei biometrischer personenerkennung |
DE10043460A1 (de) * | 2000-09-04 | 2002-03-28 | Fraunhofer Ges Forschung | Auffinden von Körperpartien durch Auswerten von Kantenrichtungsinformation |
WO2002030717A1 (en) * | 2000-10-10 | 2002-04-18 | Hrl Laboratories, Llc | Object detection system and method |
WO2003036555A1 (en) * | 2001-09-19 | 2003-05-01 | Koninklijke Philips Electronics N.V. | Method and apparatus for encoding a video image and identifying an operator |
EP1330128A2 (de) * | 2001-12-03 | 2003-07-23 | Microsoft Corporation | Automatische Detektion und Verfolgung mehrfache Menschengesichte unter Verwendung mehrfacher Signale |
DE102008055884A1 (de) | 2008-11-03 | 2010-05-06 | Cross Match Technologies Gmbh | Verfahren und Vorrichtung zur Detektion einer zweidimensionalen Darstellung des Gesichtes einer Person |
EP2584493A2 (de) | 2011-10-20 | 2013-04-24 | Bioid AG | Verfahren zur Unterscheidung zwischen einem realen Gesicht und einer zweidimensionalen Abbildung des Gesichts in einem biometrischen Erfassungsprozess |
Families Citing this family (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6961448B2 (en) | 1999-12-30 | 2005-11-01 | Medtronic, Inc. | User authentication in medical device systems |
JP2004053324A (ja) * | 2002-07-17 | 2004-02-19 | Denso Corp | 自動車用衝突安全制御装置 |
KR100612858B1 (ko) * | 2004-08-23 | 2006-08-14 | 삼성전자주식회사 | 로봇을 이용하여 사람을 추적하는 방법 및 장치 |
US7542624B1 (en) * | 2005-06-08 | 2009-06-02 | Sandia Corporation | Window-based method for approximating the Hausdorff in three-dimensional range imagery |
US8620487B2 (en) * | 2006-12-15 | 2013-12-31 | Honeywell International Inc. | For a kiosk for a vehicle screening system |
US8089340B2 (en) * | 2007-01-05 | 2012-01-03 | Honeywell International Inc. | Real-time screening interface for a vehicle screening system |
US20080170758A1 (en) * | 2007-01-12 | 2008-07-17 | Honeywell International Inc. | Method and system for selecting and allocating high confidence biometric data |
US8694792B2 (en) * | 2007-02-16 | 2014-04-08 | Honeywell International Inc. | Biometric based repeat visitor recognition system and method |
JP5159950B2 (ja) * | 2009-05-28 | 2013-03-13 | 株式会社東芝 | 画像処理装置、方法、プログラム |
AT514861A3 (de) | 2013-09-20 | 2015-05-15 | Asmag Holding Gmbh | Authentifizierungssystem für ein mobiles Datenendgerät |
US9552471B1 (en) * | 2015-07-18 | 2017-01-24 | Adp, Llc | Personal familiarity authentication |
CN106408510B (zh) * | 2016-09-08 | 2019-09-10 | 厦门美图之家科技有限公司 | 一种获取人脸图像的美颜蒙版的方法及系统 |
US10839203B1 (en) | 2016-12-27 | 2020-11-17 | Amazon Technologies, Inc. | Recognizing and tracking poses using digital imagery captured from multiple fields of view |
GB2560177A (en) | 2017-03-01 | 2018-09-05 | Thirdeye Labs Ltd | Training a computational neural network |
GB2560387B (en) | 2017-03-10 | 2022-03-09 | Standard Cognition Corp | Action identification using neural networks |
US10699421B1 (en) | 2017-03-29 | 2020-06-30 | Amazon Technologies, Inc. | Tracking objects in three-dimensional space using calibrated visual cameras and depth cameras |
EP3610465A1 (de) | 2017-04-10 | 2020-02-19 | Inventio AG | Zugangskontrollsystem mit funk- und gesichtserkennung |
TWI620132B (zh) * | 2017-04-11 | 2018-04-01 | 大眾電腦股份有限公司 | 快速人臉辨識系統、快速人臉辨識之方法及其電腦程式產品 |
CN107181976B (zh) * | 2017-04-28 | 2021-01-29 | 华为技术有限公司 | 一种弹幕显示方法及电子设备 |
CN107229921A (zh) * | 2017-06-09 | 2017-10-03 | 济南大学 | 基于Hausdorff距离的动态手势识别方法 |
US10445694B2 (en) | 2017-08-07 | 2019-10-15 | Standard Cognition, Corp. | Realtime inventory tracking using deep learning |
US10474988B2 (en) | 2017-08-07 | 2019-11-12 | Standard Cognition, Corp. | Predicting inventory events using foreground/background processing |
US10853965B2 (en) | 2017-08-07 | 2020-12-01 | Standard Cognition, Corp | Directional impression analysis using deep learning |
US11200692B2 (en) | 2017-08-07 | 2021-12-14 | Standard Cognition, Corp | Systems and methods to check-in shoppers in a cashier-less store |
US11250376B2 (en) | 2017-08-07 | 2022-02-15 | Standard Cognition, Corp | Product correlation analysis using deep learning |
US10127438B1 (en) | 2017-08-07 | 2018-11-13 | Standard Cognition, Corp | Predicting inventory events using semantic diffing |
US11232687B2 (en) | 2017-08-07 | 2022-01-25 | Standard Cognition, Corp | Deep learning-based shopper statuses in a cashier-less store |
US10474991B2 (en) | 2017-08-07 | 2019-11-12 | Standard Cognition, Corp. | Deep learning-based store realograms |
US10650545B2 (en) | 2017-08-07 | 2020-05-12 | Standard Cognition, Corp. | Systems and methods to check-in shoppers in a cashier-less store |
US10133933B1 (en) | 2017-08-07 | 2018-11-20 | Standard Cognition, Corp | Item put and take detection using image recognition |
US10055853B1 (en) | 2017-08-07 | 2018-08-21 | Standard Cognition, Corp | Subject identification and tracking using image recognition |
US11023850B2 (en) | 2017-08-07 | 2021-06-01 | Standard Cognition, Corp. | Realtime inventory location management using deep learning |
US11232294B1 (en) | 2017-09-27 | 2022-01-25 | Amazon Technologies, Inc. | Generating tracklets from digital imagery |
US11030442B1 (en) | 2017-12-13 | 2021-06-08 | Amazon Technologies, Inc. | Associating events with actors based on digital imagery |
US11284041B1 (en) | 2017-12-13 | 2022-03-22 | Amazon Technologies, Inc. | Associating items with actors based on digital imagery |
US11468698B1 (en) | 2018-06-28 | 2022-10-11 | Amazon Technologies, Inc. | Associating events with actors using digital imagery and machine learning |
US11482045B1 (en) | 2018-06-28 | 2022-10-25 | Amazon Technologies, Inc. | Associating events with actors using digital imagery and machine learning |
US11468681B1 (en) | 2018-06-28 | 2022-10-11 | Amazon Technologies, Inc. | Associating events with actors using digital imagery and machine learning |
US11232575B2 (en) | 2019-04-18 | 2022-01-25 | Standard Cognition, Corp | Systems and methods for deep learning-based subject persistence |
US11398094B1 (en) | 2020-04-06 | 2022-07-26 | Amazon Technologies, Inc. | Locally and globally locating actors by digital cameras and machine learning |
US11443516B1 (en) | 2020-04-06 | 2022-09-13 | Amazon Technologies, Inc. | Locally and globally locating actors by digital cameras and machine learning |
US11361468B2 (en) | 2020-06-26 | 2022-06-14 | Standard Cognition, Corp. | Systems and methods for automated recalibration of sensors for autonomous checkout |
US11303853B2 (en) | 2020-06-26 | 2022-04-12 | Standard Cognition, Corp. | Systems and methods for automated design of camera placement and cameras arrangements for autonomous checkout |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE502658C2 (sv) * | 1994-02-28 | 1995-12-04 | Non Stop Info Ab | Förfarande och kontrollanordning för avläsning av identitets -och värdehandlingar. |
US5793495A (en) * | 1996-06-24 | 1998-08-11 | Xerox Corporation | Method for avoiding creation of duplicate keyword objects representing user entered data on a machine readable form |
-
1998
- 1998-10-05 DE DE19847261A patent/DE19847261A1/de not_active Withdrawn
-
1999
- 1999-10-04 EP EP99952488A patent/EP1119822B1/de not_active Expired - Lifetime
- 1999-10-04 DE DE59904236T patent/DE59904236D1/de not_active Expired - Lifetime
- 1999-10-04 US US09/806,785 patent/US6999606B1/en not_active Expired - Lifetime
- 1999-10-04 WO PCT/EP1999/007334 patent/WO2000021021A1/de active IP Right Grant
- 1999-10-04 AT AT99952488T patent/ATE232321T1/de active
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000043960A1 (de) | 1999-01-19 | 2000-07-27 | Bioid Ag | Verfahrend und system zur fälschungssicherung bei biometrischer personenerkennung |
DE10043460A1 (de) * | 2000-09-04 | 2002-03-28 | Fraunhofer Ges Forschung | Auffinden von Körperpartien durch Auswerten von Kantenrichtungsinformation |
DE10043460C2 (de) * | 2000-09-04 | 2003-01-30 | Fraunhofer Ges Forschung | Auffinden von Körperpartien durch Auswerten von Kantenrichtungsinformation |
US8320682B2 (en) | 2000-09-04 | 2012-11-27 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Evaluation of edge direction information |
WO2002030717A1 (en) * | 2000-10-10 | 2002-04-18 | Hrl Laboratories, Llc | Object detection system and method |
US6801662B1 (en) | 2000-10-10 | 2004-10-05 | Hrl Laboratories, Llc | Sensor fusion architecture for vision-based occupant detection |
WO2003036555A1 (en) * | 2001-09-19 | 2003-05-01 | Koninklijke Philips Electronics N.V. | Method and apparatus for encoding a video image and identifying an operator |
US7151843B2 (en) | 2001-12-03 | 2006-12-19 | Microsoft Corporation | Automatic detection and tracking of multiple individuals using multiple cues |
EP1330128A3 (de) * | 2001-12-03 | 2006-02-08 | Microsoft Corporation | Automatische Detektion und Verfolgung mehrfache Menschengesichte unter Verwendung mehrfacher Signale |
US7171025B2 (en) | 2001-12-03 | 2007-01-30 | Microsoft Corporation | Automatic detection and tracking of multiple individuals using multiple cues |
US7428315B2 (en) | 2001-12-03 | 2008-09-23 | Microsoft Corporation | Automatic detection and tracking of multiple individuals using multiple cues |
US7433495B2 (en) | 2001-12-03 | 2008-10-07 | Microsoft Corporation | Automatic detection and tracking of multiple individuals using multiple cues |
EP1838104A3 (de) * | 2001-12-03 | 2009-09-30 | Microsoft Corporation | Automatische Entdeckung und Verfolgung mehrerer Personen über mehrere Signale |
EP1330128A2 (de) * | 2001-12-03 | 2003-07-23 | Microsoft Corporation | Automatische Detektion und Verfolgung mehrfache Menschengesichte unter Verwendung mehrfacher Signale |
DE102008055884A1 (de) | 2008-11-03 | 2010-05-06 | Cross Match Technologies Gmbh | Verfahren und Vorrichtung zur Detektion einer zweidimensionalen Darstellung des Gesichtes einer Person |
EP2584493A2 (de) | 2011-10-20 | 2013-04-24 | Bioid AG | Verfahren zur Unterscheidung zwischen einem realen Gesicht und einer zweidimensionalen Abbildung des Gesichts in einem biometrischen Erfassungsprozess |
DE102011054658A1 (de) | 2011-10-20 | 2013-04-25 | Bioid Ag | Verfahren zur Unterscheidung zwischen einem realen Gesicht und einer zweidimensionalen Abbildung des Gesichts in einem biometrischen Erfassungsprozess |
US8977010B2 (en) | 2011-10-20 | 2015-03-10 | Bioid Ag | Method for discriminating between a real face and a two-dimensional image of the face in a biometric detection process |
Also Published As
Publication number | Publication date |
---|---|
WO2000021021A1 (de) | 2000-04-13 |
EP1119822A1 (de) | 2001-08-01 |
US6999606B1 (en) | 2006-02-14 |
ATE232321T1 (de) | 2003-02-15 |
DE59904236D1 (de) | 2003-03-13 |
EP1119822B1 (de) | 2003-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE19847261A1 (de) | Verfahren und System zur Personenerkennung mit modellbasierter Gesichtsfindung | |
DE60313941T2 (de) | Personendetektion durch Gesichtsdetektion und Bewegungsdetektion | |
EP2344980B1 (de) | Vorrichtung, verfahren und computerprogramm zur erkennung einer geste in einem bild, sowie vorrichtung, verfahren und computerprogramm zur steuerung eines geräts | |
DE69837233T2 (de) | Verfahren und Gerät zur Bestimmung der Augenposition in einem Bild | |
EP3157426B1 (de) | Vorrichtung, verfahren und computerprogramm zur detektion eines sekundenschlafs | |
EP2467828B1 (de) | Verfahren und system zur automatischen objekterkennung und anschliessenden objektverfolgung nach massgabe der objektform | |
DE19634768A1 (de) | Vorrichtung und Verfahren zur Erfassung eines Gesichts in einem Videobild | |
WO1995004977A1 (de) | Verfahren zur erkennung der räumlichen lage und drehlage von in geeigneter weise markierten objekten in digitalen bildfolgen | |
DE19614975A1 (de) | Gesichtsbildverarbeitungssystem | |
DE602004002837T2 (de) | Objekterkennung | |
EP1667113A2 (de) | Verfahren zur selektiven Aufnahme eines Schallsignals | |
DE112011105445B4 (de) | Rote-Augen-Bestimmungsvorrichtung | |
WO2017153354A1 (de) | Verfahren und vorrichtung zum bewerten von blickabbildungen | |
EP2483834B1 (de) | Verfahren und Vorrichtung zum Erkennen einer Fehldetektion eines Objekts in einem Bild | |
DE112021005703T5 (de) | Informationsverarbeitungseinrichtung und informationsverarbeitungsverfahren | |
DE10046859B4 (de) | System zur Blickrichtungsdetektion aus Bilddaten | |
DE10313019A1 (de) | Einhandbedienung von Endgeräten per Gestikerkennung | |
DE102017222675A1 (de) | Personenerkennung mittels einer Kamera | |
DE60216766T2 (de) | Verfahren zum automatischen verfolgen eines sich bewegenden körpers | |
WO2000028470A2 (de) | Erzeugen eines abgerollten fingerabdruckbildes aus einer serie von einzelbildern | |
EP0713592B1 (de) | Verfahren zur erkennung der räumlichen lage und drehlage von in geeigneter weise markierten objekten in digitalen bildfolgen | |
WO2019072451A1 (de) | Verfahren zum verarbeiten von bildern | |
DE4339161C2 (de) | Verfahren zur Verfolgung von Bewegungen einer menschlichen Hand in einer zeitlichen Folge digitaler Farbbilder | |
DE10126375B4 (de) | Verfahren und System zur Erkennung von Objekten | |
DE10221391B4 (de) | Verfahren zum Analysieren einer Szene |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8127 | New person/name/address of the applicant |
Owner name: BIOID AG, 10709 BERLIN, DE |
|
8127 | New person/name/address of the applicant |
Owner name: HUMANSCAN GMBH, 91058 ERLANGEN, DE |
|
8130 | Withdrawal |