DE4437028A1 - Method of automatic identification of person - Google Patents

Method of automatic identification of person

Info

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Withdrawn
Application number
DE4437028A
Other languages
German (de)
Inventor
Hermann Dipl Ing Hecker
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to DE4437028A priority Critical patent/DE4437028A1/en
Publication of DE4437028A1 publication Critical patent/DE4437028A1/en
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation 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
    • G06V10/751Comparing 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

The method involves converting the picture into a digital signal. The signal is processed. It contains typical characteristics to identify the person. Many parts of the signal contain typical characteristics of the person. The signal amplitudes in different, non-neighbouring signal areas are compared. The filtering process involves using signal areas apart from each other. They are ordered in the form of parameters using a learning process. A minimum value of a function, involving the pattern signals and the signal group filtered is calculated. It is repeated for other signal groups during the learning process with the picture of the individual. The results stored in the memory provide recognition patterns.

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.  

Beispielexample 1. Lernvorgang1. Learning process

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.

2. Erkennungsvorgang2. Detection process

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): Ausgangssignal
x (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)

Verfahren zur automatischen Identifikation von Personen durch Auswertung eines Bildes, das das Gesicht, die Hand oder die Iris der zu identifizierenden Person ganz oder teilweise zeigt, aufweisend eine digitale Filterung des auszuwertenden Signals mit für die zu erkennende Person spezifischen Parametern, die
  • 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.
Method for the automatic identification of people by evaluating an image which shows the face, hand or iris of the person to be identified in whole or in part, comprising digital filtering of the signal to be evaluated with parameters specific to the person to be recognized
  • 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.
DE4437028A 1994-10-10 1994-10-10 Method of automatic identification of person Withdrawn DE4437028A1 (en)

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)

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
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