DE4437028A1 - Method of automatic identification of person - Google Patents
Method of automatic identification of personInfo
- Publication number
- DE4437028A1 DE4437028A1 DE4437028A DE4437028A DE4437028A1 DE 4437028 A1 DE4437028 A1 DE 4437028A1 DE 4437028 A DE4437028 A DE 4437028A DE 4437028 A DE4437028 A DE 4437028A DE 4437028 A1 DE4437028 A1 DE 4437028A1
- Authority
- DE
- Germany
- Prior art keywords
- signal
- person
- calculated
- point
- picture
- 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- Withdrawn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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
Description
Die Erfindung bezieht sich auf ein Verfahren zur automati schen Identifikation von Personen durch Auswertung eines Bildes, das das Gesicht, die Hand oder die Iris der zu identifizierenden Person ganz oder teilweise zeigt, aufwei send eine Filterung des auszuwertenden Signals mit für die zu erkennende Person spezifischen Parametern.The invention relates to a method for automati identification of people by evaluating a Image showing the face, hand or iris of the identifying person in whole or in part, on send a filtering of the signal to be evaluated for specific parameters to be recognized.
Es sind verschiedene Verfahren bekannt, um durch Auswertung von Bildsignalen Personen automatisch zu identifizieren. Hierzu gehört auch ein Verfahren, das das auszuwertende Signal mit einem fest gespeicherten Referenzsignal ver gleicht und anschließend, beruhend auf irgendwelchen Merk malen, das Signal klassifiziert. Ein derartiges Verfahren fußt auf einem aufgenommenen Objekt, das genauestens posi tioniert sein muß, und dessen Aussage durch Störungen stark beeinflußt wird, beispielsweise dadurch, daß das Objekt bei der Aufnahme schräg oder verdreht ist.Various methods are known for evaluating of image signals to automatically identify people. This also includes a procedure that is to be evaluated Ver signal with a permanently stored reference signal equals and then, based on any note paint, the signal classified. Such a process is based on a recorded object that is precisely posi must be tioned, and its message strong due to interference is influenced, for example by the fact that the object at is inclined or twisted.
Es sind darüber hinaus Verfahren zur automatischen Personen identifikation bekannt, die aus dem auszuwertenden Signal irgendwelche geometrischen Merkmale extrahieren und diese mit Hilfe irgendeines Klassifikationsverfahrens mit fest gespeicherten Referenzdaten vergleichen. Diese Verfahren liefern entweder eine nur mangelhafte Erkennungssicherheit oder sind sehr aufwenig und damit rechen- bzw. zeit intensiv.There are also procedures for automatic people identification known from the signal to be evaluated extract any geometric features and this with the help of some classification procedure Compare stored reference data. This procedure either provide poor detection security or are very expensive and therefore computing time intensive.
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren der eingangs genannten Art so zu gestalten, daß eine Person mit geringem Rechenaufwand bei gleichzeitig hoher Zuverlässig keit identifiziert werden kann. Erreicht wird dieses durch die im kennzeichnenden Teil des Anspruchs angegeben Merk male.The invention has for its object a method of type mentioned so that a person with low computing effort with high reliability can be identified. This is achieved through the Merk specified in the characterizing part of the claim times.
Bei dem Verfahren gemäß der Erfindung wird ein Bild, das das Gesicht, die Hand oder die Iris der zu identifizieren den Person ganz oder teilweise zeigt, aufgenommen und in ein digitales Signal überführt. In der nachfolgenden Aus wertung des Signales kann folgendes festgestellt werden:In the method according to the invention, an image that to identify the face, hand or iris of the shows the person in whole or in part, recorded and in transferred a digital signal. In the following Aus evaluation of the signal, the following can be determined:
Das auszuwertende Signal enthält typische Merkmale, die es erlauben das Signal einer bestimmten Person zuzuordnen. So ist es dem Menschen möglich ein Bild, das das Gesicht einer ihm bekannten Person zeigt, dieser Person eindeutig zuzu ordnen. Ebenso ist es möglich anhand der Aufnahme einer Hand eine Person zu erkennen. Weiter ist es bekannt, daß auch die Iris des Menschen ebenso wie die Papillaren der Hand individuelle Merkmale aufweist. Dabei enthalten viele Teilbereiche des Signales bereits typische Merkmale. So ist es möglich beispielsweise bereits aus dem Betrachten der Finger einer bekannten Person auf die Zeichnung der Adern und Sehnen sowie die Behaarung des Handrückens zu schließen. Ebenso ist es bei einer Gesichtsaufnahme möglich auf die Kinnpartie zu schließen, wenn diese abgedeckt und nur der Augenbereich sichtbar ist. Es besteht daher bei jedem Signal ein fester Zusammenhang zwischen unterschied lichen Bereichen des Signales, auch wenn diese nicht benachbart sind, sondern weit auseinander liegen. Dieser Zusammenhang ist individuell und kann zur Identifikation einer Person genutzt werden.The signal to be evaluated contains typical features that it allow the signal to be assigned to a specific person. So is it possible for man to have an image that is the face of a known person shows clearly to this person organize. It is also possible to record one Hand to recognize a person. It is also known that the iris of man as well as the papillaries of the Hand has individual characteristics. Many contain Characteristics of partial areas of the signal. So is it is already possible, for example, by looking at the Famous person's fingers on the drawing of the veins and tendons and the hair on the back of the hand shut down. It is also possible with a facial image close to the chin area when covered and only the eye area is visible. It therefore exists at Each signal has a fixed relationship between the differences areas of the signal, even if they are not are adjacent, but far apart. This Context is individual and can be used for identification used by one person.
Das beschriebene Verfahren führt einen Vergleich der Signalamplituden in unterschiedlichen, nicht benachbarten Signalbereichen durch. Dabei werden diejenigen Stellen des Signales verglichen, die gemäß dem Muster einer bekannten Person in Zusammenhang stehen. Liegt der erwartete Zusam menhang vor, gilt die Person als erkannt, andernfalls wird sie in die Rückweisungklasse eingestuft.The described method makes a comparison of the Signal amplitudes in different, not neighboring Signal ranges through. Those places of the Compared signals according to the pattern of a known Related person. Is the expected togetherness curtain, the person is considered recognized, otherwise will they classified in the rejection class.
Dieses Verfahren kann als nichtlineare, digitale Filterung interpretiert werden, die sich von bekannten Filterver fahren wie folgt unterscheidet:This method can be called nonlinear, digital filtering are interpreted, which differ from known filterver driving differs as follows:
In der digitalen Signalverarbeitung bekannte Transversal filter bilden das Ausgangssignal, indem die Werte des Ein gangssignals aus der lokalen Umgebung eines jeden Auf punktes verknüpft werden. Dabei kann die lokale Umgebung unterschiedliche Ausdehnungen annehmen (z. B. ). Weiter hin sind auch Anwendungen bekannt, in denen die direkte, enge Aufpunktumgebung ausgespart wird, und Werte aus einer mittleren Umgebung verknüpft werden (z. B. ).Transversal known in digital signal processing filters form the output signal by the values of the on output signals from the local environment of each opening point can be linked. The local environment assume different dimensions (e.g.). Next Applications are also known in which the direct, narrow point environment is saved, and values from one middle environment (e.g.).
Abweichend von diesen Verfahrensweisen bildet das beschrie bene Filterverfahren das Ausgangssignal, indem Funktions werte verknüpft werden, die nicht der lokalen Aufpunktumge bung entstammen, sondern entfernten Signalbereichen entnom men werden (z. B. ). Dabei sind diejenigen Stellen des Signales, aus denen die zu verknüpfenden Funktionswerte entnommen werden, jedem Aufpunkt individuell zugeordnet. Diese Zuordnung, die in Form von Parametern beschrieben werden kann, wird im Rahmen eines Lernvorganges aus einer Anzahl von Mustersignalen berechnet und bezieht sich daher auf die von den Mustersignalen geformte Signalklasse. Die Zuordnung ergibt sich aus der Lösung eines Optimierungspro blems. Deviating from these procedures, this describes bene filter process the output signal by functional values that are not linked to the local exercise originate, but removed distant signal areas (e.g.). Those are the positions of the Signals from which the function values to be linked can be taken individually assigned to each point. This assignment, described in the form of parameters can be developed from a Number of pattern signals calculated and therefore related to the signal class formed by the pattern signals. The Assignment results from the solution of an optimization pro stupid.
Es seien die Mustersignale einer Person beschrieben durch x₁ . . . xM. Die oben beschriebene Zuordnung kann dann aus der Lösung des ProblemsThere are the pattern signals of a person described by x₁. . . x M. The mapping described above can then be resolved from the problem
unter Berücksichtigung einer Abstandsbedingung, wie beispielsweisetaking into account a distance condition, such as for example
errechnet werden. Dabei liefern unterschiedliche Minima der Funktion f mehrere Stellen , k=1, 2 . . . , die dem Aufpunkt zugeordnet werden können. Die ermittelte Zuordnung wird in Form von Parametern gespeichert, so daß die Filterung beim Erkennungsvorgang auf sie zugreifen kann.can be calculated. Different minima deliver the Function f multiple digits, k = 1, 2. . . that the onset can be assigned. The determined assignment is in Form of parameters stored so that the filtering at Detection process can access them.
Die Erkennung erfolgt mit Hilfe der Filterung des aus zuwertenden Signals mit den personenbezogenen Parametern, die, wenn jedem Aufpunkt zwei Punkte und zugeordnet sind, beispielsweise nach der GleichungThe detection takes place with the help of filtering the signal to be evaluated with the personal parameters, which, if each point is assigned two points and are, for example according to the equation
x(n): Eingangssignal
y(n): Ausgangssignalx (n): input signal
y (n): output signal
erfolgen kann. Das Ausgangssignal der Filterung liefert dann kleine Amplituden, wenn das Eingangssignal von der Person stammt, deren Parameter verwendet werden. Aus dem Ausgangssignal können Merkmale, wie z. B. Mittelwert und Standardabweichung berechnet werden. Mit Hilfe bekannter Klassifikatoren, wie z. B. einem gewichteten Abstandsklas sifikator, wird das ausgewertete Signal entweder der Person oder der Rückweisungsklasse zugeordnet.can be done. The filter output signal delivers then small amplitudes when the input signal from the Person whose parameters are used. From the Output signal can include features such. B. Mean and Standard deviation can be calculated. With the help of known ones Classifiers, such as B. a weighted distance class sificator, the evaluated signal becomes either the person or assigned to the rejection class.
Bei der Teilnahme mehrerer Personen an einem Erkennungs system, erfolgt der Lernvorgang durch eine Berechnung der Parameter für jede einzelne Person. Die Erkennung einer Person findet durch Filterung des auszuwertenden Signales mit den Parametern aller gelernten Personen statt.When multiple people participate in a detection system, the learning process is carried out by calculating the Parameters for each individual. The detection of a Person finds by filtering the signal to be evaluated with the parameters of all trained people.
Claims (1)
- 1. im Rahmen eines Anlernvorganges auf eine Person aus mehreren Mustersignalen der Person errechnet werden,
- 2. eine Zuordnung von Signalpunkten enthalten,
dadurch gekennzeichnet, daß - 2.1 jedem zu filternden Aufpunkt individuell mehrere Signalpunkte zugeordnet sind, die untereinander und dem Aufpunkt nicht benachbart sind,
- 2.2 sie durch Lösung des Optimierungsproblems f(xm, (nA, )) = Extremwert errechnet wird, worin xm die Mustersignale x₁ . . . xM angibt und (nA, ) die Zuordnung der Bildpunkte . . . zum Aufpunkt nA darstellt.
- 1. are calculated for a person from several sample signals of the person in the course of a training process,
- 2. contain an assignment of signal points,
characterized in that - 2.1 each signal point to be filtered is individually assigned several signal points that are not adjacent to one another and to the point,
- 2.2 it is calculated by solving the optimization problem f (x m , (n A ,)) = extreme value, where x m is the pattern signals x 1. . . x M indicates and (n A ,) the assignment of the pixels. . . at point n A represents.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4437028A DE4437028A1 (en) | 1994-10-10 | 1994-10-10 | Method of automatic identification of person |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4437028A DE4437028A1 (en) | 1994-10-10 | 1994-10-10 | Method of automatic identification of person |
Publications (1)
Publication Number | Publication Date |
---|---|
DE4437028A1 true DE4437028A1 (en) | 1996-04-11 |
Family
ID=6530959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE4437028A Withdrawn DE4437028A1 (en) | 1994-10-10 | 1994-10-10 | Method of automatic identification of person |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE4437028A1 (en) |
-
1994
- 1994-10-10 DE DE4437028A patent/DE4437028A1/en not_active Withdrawn
Non-Patent Citations (2)
Title |
---|
BRUNELLI, R., POGGIO, T.: "Face Recognition: Features versus Templetes" IEEE Transactions on pattern analyse and machine intelligence, Vol. 15,No. 11, 1993, S. 1042-1052 * |
HERPERS, R. u.a.: "GAZE": Eine attantive Verarbeitungsstrategie zum Erkennen und Lernen der visuell auffälligen Gesichtregionen" Mustererkennung 1994, 16.DAGM-Symposium Wien, S. 341-349 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE19614975C2 (en) | Facial image processing system | |
DE68908910T2 (en) | Parallel, multi-unit, adaptable pattern classification system that uses correlations between units and a class separation methodology within the units. | |
DE69401750T2 (en) | DATA COLLECTION DEVICE | |
CH628450A5 (en) | METHOD AND DEVICE FOR DETERMINING CHARACTERISTIC FINENESSES IN AN IMAGE PATTERN BY COMPARISON OF A REFERENCE PATTERN. | |
DE69625891T2 (en) | Method and device for identifying fingerprints | |
DE69110648T2 (en) | Procedure for the identification and authentication of data characterizing an individual. | |
DE19634768A1 (en) | Face identification system using video image analysis | |
CH627571A5 (en) | DEVICE AND METHOD FOR DETERMINING CHARACTERISTIC DETAILS IN AN ELECTRONICALLY SCANNED IMAGE PATTERN. | |
DE102008056600A1 (en) | Method and device for recognizing objects | |
DE19511472C1 (en) | Dynamic verification of handwritten character by weighting of strokes | |
DE102020203475A1 (en) | Anonymization device, monitoring device, method, computer program and storage medium | |
EP1223538A2 (en) | Hand recognition with position detection | |
DE102010032193A1 (en) | Method and device for determining eye torsion | |
EP1525442B1 (en) | Method for analyzing the color deviations in images using an image sensor | |
DE2838185C2 (en) | Correlation device in a radar device for detecting a radar signal from the noise | |
DE4437028A1 (en) | Method of automatic identification of person | |
EP3561769A2 (en) | Method for detecting discontinuities on the surface of a body | |
DE69028398T2 (en) | Method for processing data based on ordered amplitude values, device for carrying out the method | |
DE19834718C2 (en) | Digital image processing for a quality control system | |
DE2007577C3 (en) | Arrangement for recognizing characters | |
DE102018222605A1 (en) | Process for evaluating thermographic images | |
DE2832382A1 (en) | Colour identification device with colour decoder - detecting three primary additive colours with sum value given by multiple comparators | |
DE10123331B4 (en) | A method of detecting forgery in fingerprint recognition using the ratio of finger grooves and finger lines | |
DE102008019795A1 (en) | Method for adapting an object model to a three-dimensional point cloud by correcting erroneous correspondences | |
DE10335595A1 (en) | Motion capture method for determination of the spatial positions of markers in a 3D volume from 2D digital images for use in motion capture systems so that the marker positions can be related to a coordinate system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8122 | Nonbinding interest in granting licences declared | ||
8110 | Request for examination paragraph 44 | ||
8139 | Disposal/non-payment of the annual fee |