HUT76950A - Eljárás és berendezés automatikus, beavatkozásmentes írisz felismeréshez - Google Patents
Eljárás és berendezés automatikus, beavatkozásmentes írisz felismeréshez Download PDFInfo
- Publication number
- HUT76950A HUT76950A HU9701760A HU9701760A HUT76950A HU T76950 A HUT76950 A HU T76950A HU 9701760 A HU9701760 A HU 9701760A HU 9701760 A HU9701760 A HU 9701760A HU T76950 A HUT76950 A HU T76950A
- Authority
- HU
- Hungary
- Prior art keywords
- image
- iris
- eye
- user
- data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 39
- 238000003384 imaging method Methods 0.000 claims description 66
- 210000000744 eyelid Anatomy 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 22
- 210000001747 pupil Anatomy 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 6
- 230000001815 facial effect Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000003491 array Methods 0.000 claims description 4
- 238000012886 linear function Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims 2
- 239000003351 stiffener Substances 0.000 claims 2
- 238000002360 preparation method Methods 0.000 claims 1
- 238000003672 processing method Methods 0.000 claims 1
- 238000011002 quantification Methods 0.000 claims 1
- 210000000554 iris Anatomy 0.000 description 94
- 230000004807 localization Effects 0.000 description 20
- 210000003128 head Anatomy 0.000 description 12
- 230000004048 modification Effects 0.000 description 10
- 238000012986 modification Methods 0.000 description 10
- 230000007246 mechanism Effects 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- MMTVHLPXGYWNOJ-UHFFFAOYSA-N 2h-pyran-2-carboxamide Chemical compound NC(=O)C1OC=CC=C1 MMTVHLPXGYWNOJ-UHFFFAOYSA-N 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 210000004087 cornea Anatomy 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000000720 eyelash Anatomy 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation Methods 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
- G06V40/18—Eye characteristics, e.g. of the iris
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Image Input (AREA)
- Eye Examination Apparatus (AREA)
Description
Eljárás és berendezés automatikus, beavatkozásmentes írisz-felismeréshez
A korábbi szakmai gyakorlat magában foglal különféle technológiákat egyedi személyek egyértelmű azonosításához, az adott személy belső vagy külső szemének sajátos jellegzetességeire irányuló vizsgálatok alapján. Tartalmaz a korábbi szakmai gyakorlat egy technológiát a szem nyomkövető leképezésére alkalmas képfelvevő berendezéshez is a zaj és a jellemző képrészletek szétválasztásához, amint ezt Tomono és társai számára 1991. május 14.-én közzétett 5,016,282. sz. U.S. szabadalom előterjeszti. A korábbi szakmai gyakorlat e technológiáinak egyike az írisz (szivárványhártya) külső része sajátos jellegzetességeinek vizuális vizsgálatát foglalja magában, a személy két szemének legalább egyikén. Ezt illetően utalunk a Flom és társai számára 1987. február 3.-án közzétett 4,641,349. sz. U.S. szabadalomra, a Daugman számára 1994. március 1.-én közzétett 5,291,560. sz. U.S. szabadalomra, valamint Daugman „High Confidence Visual Recognition of Persons by a Test of Statistical Independence” (Személyek nagy megbízhatóságú vizuális felismerése a statisztikai függetlenség próbájával) c. cikkére, ami az IEEE Transactions of Pattem Analysis and Machine Intelligence (Vol. 15, No. 11, 1993. november) 1148.-1161. lapjain jelent meg. Amint a fentemlített szabadalmakból és cikkből világosan kitűnik, egy személy íriszének (szivárványhártyájának) látható textúrája, rajzolata felhasználható arra, hogy egyik személyt a másiktól nagy pontossággal megkülönböztessük, így az írisz-felismerés felhasználható például olyan célokra, hogy ellenőrizzük a beléptetést biztonsági létesítményekbe, vagy a hozzáférést automatikus pénzkiadó gépekhez (ATM), például készpénz kiadása céljából. Az írisz-felismerő rendszer magában foglalja egy képalkotó (imager) rendszer felhasználását, amely videó-képet készít a hozzáférést megkísérelő személyek íriszéről, valamint egy számítógépes képfeldolgozó eszközt az írisz
63.618/ΒΤΊ *97-04-14
-2video-képének, és egy adatbázis állományában tárolt referencia írisz-képnek az összehasonlításához. Például, a hozzáférést megkísérelő személy először betáplálhat egy személyi azonosító (PIN) számot, lehetővé téve ezzel az adott személy íriszéről felvett video-kép társítását az adatállományban tárolt referencia írisz-képével. Hasznos lehet még az írisz-felismerő rendszer orvosi diagnosztikai célokra is, a külső szem orvosi vizsgálata során.
A korábbi szakmai gyakorlat írisz-felismerő rendszereivel és eljárásaival gyakorlati szempontból vannak problémák.
Először is, a szem íriszének jó minőségű leképezéséhez a korábbi megoldásokban szükség van: (i) fizikai érintkezéssel járó helyzet-beállító eszközre (pl. fejtámasz vagy kapaszkodó rúd), ami arra szolgál, hogy az érdekelt egyén valamilyen ismert, normál beállításba kerüljön; (ii) ellenőrzött fényforrásra a szem normalizált megvilágításához; és (iii) valamilyen képalkotóra a helyzetbe állított és megvilágított szem befogásához. Ennek a normál elrendezésnek számos korlátozó tényezője van, többek között: (a) a felhasználó a helyzet-beállításhoz szükséges fizikai érintkezést visszatetszést keltőnek találja; és (b) e korábbi megoldásokban a jó minőségű, kontrasztos kép befogásához szükséges megvilágítási szint a felhasználó számára kellemetlen lehet.
Másodszor, a korábbi megoldások a szem képén belül az írisz lokalizáláshoz az írisz parametrikus modelljeit alkalmazzák. Ezeknek a modelleknek a paramétereit iteratív módon illesztik a szem képére, hogy fokozottan kiemelkedjenek az írisz határvonalának megfelelő tartományok. A modell bonyolultsága változó, az írisz belső és külső határait korlátozó központos köröktől a részlegesen fedő szemhéjak hatását is magában foglaló kidolgozottabb modellekig terjedően. Az írisz határvonalainak kiemelésére használatos módszerek a gradiensen alapuló képszegély detektálást valamint morfológiás szűrést foglalnak magukban. Ezeknek a megoldásoknak a legfőbb hiányossága az, hogy jó kezdeti állapotot igényelnek, ami alapot nyújt az iterációs illesztési eljáráshoz, és kiterjedt számítógépes ráfordításra van szükség.
63.618/BT*2*97-04-14
-3 Harmadszor, a korábbi megoldások a hozzáférést megkísérelő személy videó-képéből nyert lokalizált írisz-képadatok és az adatbázis állományában tárolt egy vagy több lokalizált referencia írisz-képadat összehasonlításával jó megkülönböztetést tesz lehetővé ezek között az írisz-képadatok között, de széleskörű számítástechnikai ráfordítást igényel.
A találmány olyan tökéletesített rendszerre és eljárásra irányul, amely megoldást nyújt egy vagy több hátrányos tulajdonságra, abból a háromból, amelyekről a korábbi szakmai gyakorlatban alkalmazott írisz-felismerő rendszerek és eljárások kapcsán a fentiekben említést tettünk.
E három hiányosság közül az elsőre a megoldás egy érintésmentes beállító mechanizmus, amely egy geometriailag hasonló alakú nagyobb első helyező él, és egy kisebb második helyező él felhasználásával van megvalósítva, amelyek egy leképező lencsétől különböző távolságra, arra központosán kiosztva helyezkednek el, lehetővé téve a felhasználó számára, hogy önmaga állítsa be a szemét a képalkotó képmezőjébe anélkül, hogy a rendszerrel bármilyen fizikai érintkezésre lenne szükség, olyan helyzetbe hozva a szemét a tér megfelelő pontjában, ahol a perspektíva következtében a kisebbik helyező él lényegében teljesen fedi a nagyobbik helyező élt.
A fentemlített három megközelítési mód másodikára a megoldás a digitális adatok korlátozása az egyén szeme digitalizált képének azon részére vonatkozó digitális adatokra, amely kizárólag az egyén szemének az íriszét definiálja, a kép szűrőzésével meghatározva az írisz külső határvonalának, a pupillát övező határvonalnak valamint a szem felső és alsó szemhéja határvonalainak legalább egyikét, meghatározva azok kiemelt képét, hisztogramot képezve a kiemelt képből, valamilyen választási (szavazási) szisztémát képező eszköz felhasználásával. Ez az írisz körvonalainak helyreállítását eredményezi anélkül, hogy az egyén szemének reprezentatív digitális adatain kívül bármilyen egyéb kezdeti feltétel ismeretére szükség lenne.
A fentemlített harmadik megközelítési mód megoldása egy ábra-egyeztető (illesztö/összehasonlító) módszert foglal magában, automatizált írisz-felismerő módszert szolgáltatva a biztonságos hozzáférés ellenőrzéséhez. Az ábra-egyeztető módszer, ami a
63.618/BT*3*97-04-14
• · ·
-4hozzáférést megkísérelő adott személy szemének kizárólag az íriszét meghatározó digitalizált kép első digitális adatait, és egy meghatározott személy szemének kizárólag az íriszét meghatározó digitalizált kép megelőzően tárolt második digitális adatait érzékelve az első összehasonlításhoz normalizált háromdimenziós korrelációt alkalmaz több háromdimenziós skála mindegyike mentén, az adott egyénhez és a meghatározott egyénhez tartozó íriszek három dimenzióban regisztrált megkülönböztető térbeli jellegzetességeinek mindegyikét összevetve egymással a több háromdimenziós skála mindegyike mentén, az egyezés jósági fokának számszerű meghatározása céljából. Az, hogy az adott egyén szemének kizárólag az íriszét leíró digitális adatok képe megegyezik-e a meghatározott egyén szemének kizárólag az íriszét leíró digitális adatokkal, az egyezésnek a több háromdimenziós skála mindegyike mentén számszerűen meghatározott jósági fokok bizonyos kombinációja alapján dönthető el.
A találmány tanulságai könnyen beláthatok az alábbi részletes leírásból, kapcsolódva a mellékelt rajzokhoz, ahol az
1. ábra a találmány alapelveit megtestesítő automatizált, érintés-mentes írisz-felismerő rendszer funkcionális tömbvázlata; a
2. ábra a találmány alapelveit megtestesítő írisz-adatgyűjtő eszköz megvalósítását szemlélteti; a
2a. és 2b. ábra a 2. ábrán bemutatott írisz-adatgyűjtő eszköz módosítását szemlélteti, annak tökéletesített megvalósítási formájában; és a
3. ábra a találmányban alkalmazott számítástechnikai lépések folyamatát szemlélteti, az írisz betáplált képének az írisz tökéletes lokalizálását biztosító automatikus feldolgozása céljából.
Az 1. ábrán az automatizált, érintés-mentes írisz-felismerő rendszer magában foglal egy 100 írisz-adatgyűjtő eszközt (részletesebben ábrázolva a 2. ábrán), ami egy bemenő képet, jellemzően egy vdeo-képet származtat egy személy (a továbbiakban „felhasználó”) íriszéről, amelyet a rendszer megkísérel azonosítani egy bizonyos, előre meghatározott személlyel;
63.618/BT*4*97-04-14
-5egy 102 írisz lokalizáló eszközt (amely a 3. ábrán bemutatott számítástechnikai lépéseket alkalmazza) az írisz bemenő' képének automatikus feldolgozásához, hogy biztosítsa az írisz 100 adatgyűjtő eszközről betáplált bemenő videó-képének tökéletes lokalizálását; valamint a 104 kép-összehasonlító (azonosító) eszközt, ami automatikusan összehasonlítja a 102 eszközről bevitt lokalizált írisz információ képét bizonyos meghatározott személy 106 tárolt írisz modelljének képével, és nagy pontossággal következtet arra, hogy a felhasználó valóban az a bizonyos meghatározott személy-e.
A 2. ábrán feltüntetett 100 adatgyűjtő eszköz magában foglal egy 200 képalkotót (imager) mint például egy videó-kamerát, egy 202 fényforrás rendszert, egy 204 diffuzort, 206 körkörös (cirkuláris) polarizátort, egy 208 nagyobb helyező élt, egy 210 kisebb helyező élt, és egy 212 kép-kimerevítőt.
A 200 képalkotó egy nagy érzékenységű videó-kamera, például egy SÍT kamera, amelynek az optikai eleme egy 214 teleobjektívet foglal magában, ami a 204 diffuzor középpontjában kiképezett lyukon keresztül néz, úgy hogy a 214 objektív nem akadálya annak, hogy a 200 képalkotóval tiszta képet nyerjünk. A 214 objektívvei nagy felbontású képet tudunk nyerni a 214 objektív előtt jelentős távolságban elhelyezkedő felhasználó 216 szeméről, úgy hogy nincs szükség arra, hogy a 216 szem és a 200 képalkotó túlságosan közel legyen egymáshoz.
A fény a 202 fényforrás rendszerből, ami körülveszi a 200 képalkotót, a 204 diffuzoron és a 206 polarizátoron áthaladva világítja meg a felhasználó 216 szemét, aki a 206 polarizátor előtt helyezkedik el. A 204 diffuzor egy szórófelület, ami egy első számú szűrőként működik, és arra szolgál, hogy biztosítsa a 216 szem egyenletes megvilágítását, és a sugárzó energiát széles területen oszlassa el a 216 szem környékén, lehetővé téve ezzel olyan mennyiségű fényintenzitás szétterítését a felhasználó látómezőjében, ami kellemetlen volna, ha ugyanez az energia egyetlen pontszerű fényforrásban lenne összesűrítve. A 214 objektív előtt elhelyezkedő 206 polarizátor második szűrőként működik, amely enyhíti a szaruhártya szabályos tükröződésének (tükörreflexiójának) a hatását, ami egyébként elhomályosítaná a 216 szem mélyebben fekvő szerkezetét. Szabatosabban, a 206 polarizátorból kilépő fény bizonyos értelemben el van forgatva. Ha ez a fény szabályosan tükröző felületre (például a szaruhártyára) esik, a visszavert fény még mindig polarizált lesz, de ellentétes értelemben.
63.618/BT*5*97-04-14
-6Ez az ellentétes értelemben polarizált fény nem jut vissza a 206 polarizátoron keresztül, tehát nem kerül a 200 képalkotó látómezőjébe. A szem diffúz módon tükröző részeire (mint például az íriszre) eső fény azonban szórják a beeső fényt, és ez a fény visszajut a 206 polarizátoron keresztül, és így a képalkotás számára hozzáférhető. Meg kell jegyezni, hogy a cirkuláris polarizáció szigorúan véve olyan lineáris polarizáció, amit egy negyedhullámhosszú késleltetés követ; tehát szükségszerűen csak egy bizonyos hullámhossz tartományra van hangolva.
Amint a 2. ábrán látható, mind a 208 és 210 nagyobb és kisebb helyező él központosán van elhelyezve a 214 objektív tengelyéhez viszonyítva, úgy, hogy a 208 nagyobbik helyező él viszonylag kisebb távolságra helyezkedik el a 206 polarizátor előtt, a 210 kisebbik helyező él pedig viszonylag nagyobb távolságra helyezkedik el a 206 polarizátor előtt. Ezek a 208 és 210 helyező élek beállító mechanizmusként hasznosíthatók, lehetővé téve a felhasználó számára, hogy önmaga megfelelő helyzetbe hozza a saját 216 szemét a 200 képalkotó látóterében, anélkül hogy bármilyen fizikai érintkezésbe kellene kerülni a rendszerrel. A helyzetbeállítás célja a leképezendő tárgy (vagyis a 216 szem) három transzlációs szabadságfokát kényszeríteni arra, hogy a 200 képalkotó érzékelőelemével (nincs feltüntetve) központosán olyan távolságban helyezkedjen el, hogy a 214 objektív fókuszsíkjában legyen. Ezt egyszerű perspektív geometriával valósítjuk meg, utasítva a felhasználót arra, hogy olyan helyzetbe álljon be a térben, ami kielégíti ezeket a feltételeket. Amint ezt a 220 szaggatott vonalak mutatják, a perspektívának tulajdoníthatóan a 216 szem számára csak egyetlen olyan térbeli pozíció van, amelyben a 210 kisebbik helyező él négyszögletes körvonala tökéletesen fedi a 208 nagyobbik helyező él négyszögletes körvonalát. Ez a térbeli helyzet lényegesen nagyobb távolságra van a 206 polarizátor előtt, mint a 208 kisebb helyező él. A 208 és 210 helyező élek közötti relatív méretek és távolságok úgy vannak megválasztva, hogy amikor a szem a megfelelő helyzetben van, azok négyszögletes körvonalai fedik egymást, és a 208 és 210 kisebb és nagyobb helyező élek hibás beállítása folyamatos visszacsatolást nyújt a felhasználó számára arra vonatkozóan, hogy mennyire pontos a szem helyzetének pillanatnyi beállítása. Ez a beállítási eljárás nevezhető nóniuszos finombeállításnak, analóg módon azzal az emberi képességgel, ami vékony vonalak és egyéb apró tárgyak nagypontosságú beállítására nyújt lehetőséget.
63.618/BT*6*97-04-14
-7 Bár a 2. ábrán mind a 208 és 210 nagyobb és kisebb helyező élek alakja négyszögletes körvonalú, tudomásul kell venni, hogy ezeknek a nagyobb és kisebb helyező éleknek a körvonala lehet a négyszögletestől eltérő, geometriailag hasonló alakzat is, úgy hogy amikor a szem a megfelelő helyzetben van, azok geometriailag hasonló körvonalai fedik egymást, és a kisebb és nagyobb helyező élek hibás beállítása folyamatos visszacsatolást nyújt a felhasználó számára arra vonatkozóan, hogy mennyire pontos a szem helyzetének pillanatnyi beállítása.
Minden esetre a 200 képalkotó, ami pontosan élesre állított, jó fényintenzitású képet kap a felhasználó 216 szeméről (amelyben elhanyagolható a tükör-reflexiós zaj), egymást követően videó képkockákat vesz fel a szemnek erről a képéről. A 212 kép-kimerevítő (ami egy szokványos digitális kép-kimerevítő vagy kép-befagyasztó) tárolja a szemnek a videó képkockák egyikével meghatározott képét. A szemnek ebből a 212 kép-kimerevítőből nyert tárolt képe kerül továbbításra a 102 eszközhöz (lásd a 2. ábrán) az írisz lokalizálása céljából.
Szemléltetés céljából tegyük fel, hogy a felhasználó megkísérel bejutni egy biztonsági létesítménybe, vagy pedig megpróbál hozzáférni egy ATM pénzkiadó automatához. Bármelyik esetben a felhasználó, miután először a fent leírt módon alkalmazva a 208 és 210 helyező éleket saját maga beállítja a 216 szemét a 200 képalkotó látómezőjébe anélkül, hogy bármilyen fizikai érintkezésbe kellene kerülnie a rendszerrel, megnyomhat egy gombot (nincs feltüntetve), melynek hatására a 212 kép-kimerevítő tárolja a szemnek a 200 képalkotóból nyert aktuális képkockával meghatározott képét. így az a művelet, hogy a felhasználó megnyomja a gombot, hasonló ahhoz, amikor a felhasználó működésbe hozza egy fényképezőgép zárszerkezetét, hogy egy pillanatfelvételt rögzítsen egy jelenetről a fényképezőgép filmjén.
A 2. ábrán bemutatott és fent leírt összeállítás képezi a 100 adatgyűjtő eszköz alapvető megvalósítását. Mivel azonban a különféle felhasználók méretei és arcbeli jellegzetességei egymástól eltérőek, kívánatos a 100 adatgyűjtő eszköz szerkezeti felépítésének továbbfejlesztése úgy, hogy a felhasználó szemének a képalkotó által látott és a képkimerevítő által rögzített helyzete független legyen a felhasználó méreteitől és arcbeli jellegzetességeitől, a könnyű felhasználhatóság és a rejtett kép-befogás lehetősége
63.618/BT*7‘97-04-14
-8érdekében. Továbbá, egy biztonsági létesítménybe való beléptetés ellenőrzése érdekében ajánlatos biztosítani egy videó-kamerát azon terület általános környezetének a megfigyelésére is, ahol a felhasználó önmaga igyekszik pozícionálni a szemét a képalkotó látóterében, és további vizuális információt nyerni, ami felhasználható a belépést megkísérelő személy azonosítására. A 2a. és 2b. ábra együttesen szemlélteti a 100 eszköz szerkezeti felépítésének azt a módosítását, ami biztosítja ezt a továbbfejlesztést.
Amint a 2a. ábrán látható, a 100 adatgyűjtő eszköz szerkezeti felépítésének módosítása magában foglal egy 222 alacsony felbontású képalkotót, amelynek viszonylag nagy látómezője van ahhoz, hogy a belépést megkísérelő 226 személynek legalább a fejéről vegyen fel egy 224 képet. Magában foglal a módosítás egy 228 nagy-felbontású képalkotót is, amelynek viszonylag keskeny a látómezője, ami egy 230 aktív tükör helyzetének beállításával irányítható, hogy a 226 felhasználó szeméről vegyen fel egy 232 képet (ahol a 228 képalkotó a 2. ábra 200 képalkotójának felel meg). A 2b. ábrán bemutatott, és az alábbiakban leírt képfeldolgozó eszköz a 222 képalkotó egymás után felvett videoképkockáiban tartalmazott információt használja fel a 230 aktív tükör helyzetének beállításához a korábbi szakmai gyakorlat tanítása szerint, ami a 4,692,806; 5,063,603; és 5,067,014 sz. U.S. szabadalmakban van közzétéve, és amelyeket itt hivatkozásul foglaltunk be a leírásba.
Pontosabban megfogalmazva, a 100 adatgyűjtő eszköz módosítása aktív kép-begyűjtést, valamint az emberi fej, arc és szem nyomon követését foglalja magában, egy kezelő (operátor) feje (valamint az arc jellegzetes összetevői, úgy mint a szemek és az írisz) kezdeti helyzetének felismeréséhez, majd nyomon követéséhez. A módosításhoz felhasznált megoldás, ami a 222 képalkotóval nyert képi információt használja fel, ezt a dolgot három részre bontja fel. Az első rész a fejnek, és jellegzetes összetevőinek durva lokalizálásával és követésével kapcsolatos. A második rész azzal függ össze, hogy a durva lokalizálással és a nyomon követéssel nyert információ felhasználásával ráközelítsen („rá zoomoljon”) a szem környezetére, különös tekintettel az íriszre, és finomítsa annak helyzeti és időbeli kiértékelését. A harmadik rész a mozgás követésével kapcsolatos.
63.618/BT*8*97-04-14 ····
-9A szem lokalizálásának az első része egy olyan mechanizmus, ami riasztja a rendszert, hogy egy potenciális felhasználó jelent meg, és ki kell választani a lehetséges helyszíneket, ahol a felhasználó előfordulhat. Ilyen riasztó mechanizmus az energia-változási piramis, lásd a 2b. ábrán (részletesebben tárgyalva az alábbiakban), ahol az időközönként felvett képek különbségét képezzük és négyzetre emeljük. Az energia változást különféle felbontásoknál a Gauss-féle piramis felhasználásával képezzük a különbség-képzésnek és négyzetre emelésnek alávetett képeken. A változás elemzését durva felbontásnál végezzük, és ha van változás, lehet riasztani a rendszert, hogy potenciális felhasználó lép be a képalkotó látóterébe. Egyéb riasztó mechanizmus lehet a sztereó-rendszer, ahol a felhasználó közelségét két különböző pozícióból felvett két kép közötti diszparitás kiszámításával lehet észlelni, és figyelmeztetni a rendszert az objektumok közelségére.
A szem lokalizálásának második része a felhasználó fejének és szemének kezdeti lokalizálására szolgáló mechanizmus. A lokalizálás egy minta-fa („pattem-tree”) segítségével történik, ami egy általános felhasználó modelljét foglalja magában, például durva felbontásban egy fej sablonja, valamint sablonok a szemek, az orr és a száj számára. A riasztó mechanizmus lehetséges helyzeteket ad meg a sablon illesztésének folyamatához, ami egyezteti a képet a modellel. Az egyeztetés kezdetben durva felbontással történik a durva jellegzetességek, úgy mint a fej lokalizálásához, majd ezt követi a finom felbontású jellegzetességek, úgy mint a szemek, az orr és a száj lokalizálása, a durva felbontású illesztésből nyert információ felhasználásával.
A szem lokalizálásának a harmadik része a fej és a szemek követése, amikor az már a látómezőben van. Ez egy mozgás-követő felhasználásával történik, ami korrelációs egyeztetést végez az előző képkocka és az aktuális képkocka között. A korrelációs egyeztetés a szem lokalizálásához felhasznált jellegzetességeken történik, de egyéb tulajdonságokon is elvégezhető, mint például a hajon, ami jól használható a rövid időközönként végzett követéshez, de személyről személyre változó.
Az előbbi három rész eredménye biztosítja a szem lokalizálást a 222 képalkotóból nyert 224 képen, és, sztereo használata esetén a szem megközelítő távolságát is. Ezt az információt használja fel a 230 aktív tükör arra, hogy a 228 képalkotót a szemre irányozva befogjon egy
63.618/BT*9*97-04-14 • ·
- 10képet a szemről. Ha adott a szem helyzete a 224 képen, adott megközelítően annak távolsága, és ismert a 222 képalkotó és a 228 képalkotó közötti geometriai elrendezés, könnyen kiszámítható a célzás iránya a szem befogásához a 228 képalkotó felhasználásával. Ha a szem távolsága nem ismert, akkor a 228 képalkotó a megközelíthetően várható távolságnak megfelelő pozícióba áll be, majd ebből a pontból a várható távolságot közrefogó távolságokba áll be. Ha a 228 képalkotó és a 222 képalkotó optikailag vonalba vannak állítva, akkor a 224 képen csak a szem képének a helyzetére van szükség a 228 képalkotó beirányzásához. Amint a 228 képalkotó már rá van irányozva a szemre, akkor már a 228 képalkotóról nyert képek vannak felhasználva arra, hogy a szemet a látómezőben tartsák. Ez a szem pislogásának és a felhasználó normális mozgásának a kompenzálását célozza. Az ilyen mozgások a 222 képalkotóról nyert képeken, úgy mint a 224 képen jelentéktelennek látszanak, a 228 képalkotóról nyert képeken, úgy mint a 232 képen azonban jelentősnek tűnnek. A követő eljárás azonos azzal, amit a fej és a szemek követésénél ismertettünk, kivéve azt, hogy a felhasználó szemének a képén, úgy mint a 232 képen a felhasznált jellegzetességek a szem pupillája, a szivárványhártya körvonala és a szemhéjnak megfelelő struktúra.
Utalva a 2. ábrára, látható egy képfeldolgozó funkcionális tömb vázlata, amely a 222 képalkotóról nyert képekre válaszolva irányítja a 230 aktív tükör helyzetének beállítását úgy, hogy a 226 felhasználó szemének a 232 képe a 228 képalkotó látómezőjében legyen.
Speciálisan, a 222 képalkotóból kimenő videojel, ami a 224 kép egymást követő képkockáit jelenti, digitalizálás után Go bemenő jelként a 234 Gauss-féle piramisra kerül. A Go bemenet megfelelő késleltetéssel a 234 Gauss-féle piramis egyik kimenetére jut, egy kép-piramis 236 Go képét szolgáltatva a 224 képpel azonos felbontással és mintavételi sűrűséggel. Továbbá, amint ez a piramis tanaiból ismert, a Gauss-féle piramis tartalmaz többfokozatú konvolúciót és almintavételi fázisokat kép-piramis csökkentett felbontású 238 G] kimenő képének és 240 G2 kimenő képének előállításához, a 234 Gauss-féle piramis kimeneteként.
A 234 Gauss-féle piramis Go, Gj és G2 kimeneteit adott számú, egy vagy több képkocka periódussal késlelteti a 242 képkocka késleltető áramkör. A 244 kivonó áramkör különbséget képez az aktuális és a késleltetett Go, Gj és G2 képkockák mindegyikének
63.618/BT*10*97-04-14 t
- 11 megfelelő képpontjai („pixel”) előjeles amplitúdói között, ezáltal a kimeneten minimális lesz a nyugalomban levő objektumok amplitúdója a mozgó objektumok képének amplitúdójához viszonyítva. Ezt a minimalizálást felnagyítja, és a polaritást kiküszöböli a 244 kivonó áramkör kimenő jelének a négyzetre emelése (ezt jelöli a 246 tömb), a Go, Gj és G2 energia-változási piramis létrehozásához (amint ezt a megfelelő 248, 250 és 252 tömbök jelölik). Az energia-változási piramisból nyert információ a szakmában ismert durva-finom szabályozási folyamat keretében azután felhasználható a 2a. ábrán feltüntetett 230 aktív tükör helyzetének irányításához.
Emellett a módosítás alkalmazhat sablon illesztést az objektum felismeréséhez, a fentemlített 5,063,603. sz. U.S. szabdalom tanai szerint. Más megoldásban a durva lokalizálás és követés hasonló információ megszerzéséhez alapozható a sablon illesztése helyett egy jellegzetességeken alapuló algoritmusra, amilyen például a fentemlített 4,692,806. sz. U.S. szabadalomban van előterjesztve. Működhetne továbbá a módosítás valamilyen alkalmazkodó, „opportunisztikus” módon, addig gyűjtve sorozatosan a képeket, amíg végül adódik egy megfelelő minőségű kép a soronkövetkező műveletek elvégzéséhez. Más megoldásban egy ilyen képsorozatból ki lehet nyerni az érdekelt részeket, majd azokat mozaikszerűen összerakva lehet egyetlen megfelelő minőségű képet kapni. Mindezen módosítások bármelyik megoldása felhasználható arra is, hogy ráközelítve („zoomolva”) nagy felbontású képet nyerjünk az arc egyéb jellegzetességeiről is, nem csak a szemről és az íriszről. Egy operátor ajkairól is lehet például hasonló módon nagy felbontású képeket kapni.
A 2. ábrán feltüntetett rendszer, akár a 2a. és 2b. ábrák módosításaival elérhető feljavítással, akár anélkül számos módon általánosítható. Először is a rendszer nem csak a látható, hanem egyéb (például a közeli infra) színkép tartományban is működhet. Tehát a „fény” kifejezés, ahogy itt használjuk, mind a látható, mind a nem látható színkép tartományokat (spektrumsávokat) magában foglalja. Ennek megvalósítása érdekében mind a megvilágító fényforrás színképtartományát, mind a negyed-hullámhosszú késleltető hullámhossz hangolását a kívánt színképsávhoz kell illeszteni. Másodszor, a rendszerben felhasználható normál videokamera is (a nagy érzékenységű, alacsony megvilágítási szintet igényelő kamera helyett), bár ekkor erősebb megvilágítást kellene alkalmazni. Harmadszor, más
63.618/BT*11*97-04-14 • ·
- 12objektív rendszert is lehetne választani, például önmagát élesre állító (auto-fókuszoló) gumiobjektíveket (zoom). Ez a kiegészítés kisebb igényt támaszt azzal a pontossággal szemben, ahogy a felhasználó az optikai pozicionálás műveletét („Vemier-beállítás) végrehajtja. Negyedszer, az optikai pozicionálás egyéb megoldásaira is van példa. Lehet például egy fénypárt kivetíteni oly módon, hogy azok egyetlen fényfoltnak látszanak, ha a felhasználó megfelelő helyzetben van, egyébként kettőnek. Ötödször, a passzív optikai pozícionáló (Vemier) mechanizmus helyett, vagy azt kiegészítve, a rendszer összekapcsolható egy aktív követő képalkotóval és a hozzátartozó szoftverrel (mint ami fentebb a 2a. és 2b. ábrával kapcsolatosan van leírva), ami automatikusan lokalizálja és követi a felhasználó szemét. Ez az általánosítás kisebb igényt támaszt a felhasználó együttműködésével szemben.
A 100 adatgyűjtő eszköz kimenő jele, ami bemenetként a 102 helyzet-meghatározó (lokalizáló) eszközre jut, digitális formában tartalmazza az adatokat, amelyek a szem viszonylag nagy felbontású képét határozzák meg, ami megfelel a 212 képkimerevítőben tárolt videó képkockának. A 3. ábra vázlatosan mutatja azoknak az egymást követő adatfeldolgozó lépéseknek a sorrendjét, amelyeket a 102 helyzet-meghatározó eszköz végez el a szem bemenő képi adataival.
Pontosabban, a 300 bemenő kép a szem viszonylag nagy felbontású képi adatait képviseli, ami a 102 helyzet-meghatározó (lokalizáló) eszközbe a 100 adatgyűjtő eszközből érkező bemenő jel. A 302 első adatfeldolgozó lépés a 300 bemenő kép átlagolása és redukálása. Ez a 300 bemenő képet meghatározó adatok konvolúciójával van megvalósítva egy aluláteresztó Gauss-szűrő felhasználásával, ami háromdimenziós átlagolásra, és ezáltal a nagyfrekvenciás zaj csökkentésére szolgál. Mivel a háromdimenziós átlagolás a térbeli tartományban redundanciát hoz létre, a szűrőzött kép ezután bármilyen további információveszteség nélkül al-mintavételezésnek lesz alávetve. Az al-mintavételezett kép szolgál alapul a soronkövetkező feldolgozáshoz, ami azzal az előnnyel jár, hogy a kisebb méretek és az alacsonyabb felbontás kisebb számítástechnikai követelményeket támaszt, összevetve azt az eredeti, teljes méretű 300 bemenő képpel.
63.618/ΒΤ*Ί 2*97-04-14 • · ·
- 13 Az írisz lokalizálásához az adatfeldolgozás következő lépése az íriszt határoló körvonal különféle összetevőinek szekvenciális kitűzése. Sorrendben, a 304 lépés az írisz külső határvonalát tűzi ki, a 306 lépés az írisz belső (pupillát övező) határvonalát tűzi ki, a 308 lépés pedig szemhéjak határvonalát tűzi ki (ami esetleg eltakarja az írisz egy részét). Ez a sorrend az érintett képi jellegzetességek viszonylagos szembetűnősége alapján lett megválasztva, valamint figyelembe véve azt, hogy a kitűzött összetevők mennyire képesek előmozdítani további összetevők kitűzését. Mindegyik összetevő lokalizálása két lépésből áll. Az első lépés egy szél-detektáló művelet, ami az erősen kontrasztos képrészek várható konfigurációjára van ráhangolva. Ez a ráhangolás a kérdéses határoló elem általános tulajdonságain (például irányítottságán), valamint sajátságos kényszereken alapul, amelyeket a korábban kitűzött határoló elemek szolgáltatnak. A második lépés egy olyan sémából áll, amelyben a szél észlelt képpontjai indítványoznak bizonyos értékeket a kérdéses határoló elem paraméterezett modelljéhez. Ez a lépés a legegyszerűbben egy általánosított Hough-transzformációként képzelhető el, amint ezt a hivatkozásokban foglalt 3,069,654. sz. U.S. szabadalom tárja fel.
Részletesebben, a 304 lépésben az írisz külső határvonalához a képet (képfuggvényt) egy gradiensen alapuló szél-detektorral szűrjük, amely közel függőleges orientációnak kedvezően van behangolva. Ezt az irány érzékeny séget az a tény motiválja, hogy a szegély jobb és bal oldali része még akkor is világosan látszik, ha a szemhéjak részlegesen takarnak, és azok orientációja megközelítően függőleges. (Feltételezi ez azt, hogy a fej felfelé álló helyzetben van.) A perem határvonala egy körrel modellezhető, amelynek a paraméterei a középpont két koordinátája, xc és yc, valamint a sugara, r. A szél-detektorral észlelt képpontokat megritkítva (elvékonyítva) alapdiagramba foglaljuk egy háromdimenziós (xc, yc, r)-térben, az adott (x, y) képfekvéshez megengedhető (xc, yc, r) értékeknek megfelelően. A legtöbb „szavazattal” rendelkező (xc, yc, r) pontot választjuk ki a perem határvonalának kijelöléséhez. Az egyetlen további kötöttség ezzel a határvonallal szemben az, hogy a szem adott képén belül helyezkedjen el.
Részletesebben, a 306 lépésben a pupilla határvonalához a képet (képfuggvényt) egy gradiensen alapuló szél-detektorral szűrjük, ami nincs irány szerint hangolva. A pupilla határvonala, a perem határvonalához hasonlóan, egy körrel van modellezve. A kör
63.618/BT*13*97-04-14 • ·
- 14paramétereit ismét azok a kifejezések adják meg, amelyek a legtöbb „szavazatot” kapják, amikor a szél észlelt képpontjait megritkítva (elvékonyítva) a megengedhető (xc, yc, r) értékeket alapdiagramba foglaljuk. A pupilla esetében a megengedhető paraméter értékekre kötöttséget jelent az, hogy a perem határvonalát leíró körön belül kell feküdnie.
Részletesebben, a 308 lépésben a szemhéjak határvonalához a képet (képfuggvényt) egy gradiensen alapuló szél-detektorral szüljük, ami a vízszintes irányítottságnak kedvezően van hangolva. Ezt az irányérzékenységet az a tény motiválja, hogy a szemhéjnak az a része, ami az írisz peremének a határvonalán belül van (ha egyáltalán van ilyen), megközelítően vízszintes kell, hogy legyen. (Feltételezve ismét azt, hogy a fej felfelé áll.) A felső és az alsó szemhéj (két külön) parabolikus, vagyis másodrendű ívekkel van modellezve. A paraméterezéshez a megfelelő értékek a szélek észlelt képpontjainak megritkításával (elvékonyításával), majd azok megengedett értékeinek alapdiagramba foglalásával vannak meghatározva. A szemhéjak esetében az észlelt határvonalakra további kötöttséget jelent az írisz peremét meghatározó körön belül, és a pupilla felett illetve alatt legyen a felső illetve alsó szemhéj.
Végül, miután az írisz határvonalának különféle összetevői el vannak különítve, a feldolgozás 310 végső lépése ezeknek az összetevőknek az egyesítése magának az írisznek a körülhatárolásához. Ezt úgy valósítjuk meg, hogy a képnek azt a részét tekintjük az írisznek, ami a pupilla határvonalán kívül, a perem határvonalán belül, a felső szemhéj alatt és az alsó szemhéj felett van.
Az írisz lokalizálásának fent leírt megközelítési módja sokféleképpen általánosítható. Először is, a kép zárt alakban történő előállítására az írisz határvonalainak kiemeléséhez más módszer is használható, nem csak a tájolt gradiens-bázisú szél-detektálás. Másodszor, az írisz határvonalaihoz másféle paraméterezés is alkalmazható. Harmadszor, az írisz határvonalai (a perem, a pupilla és a szemhéjak határvonalai) különféle összetevőinek lokalizálása eltérő sorrendben, vagy párhuzamosan is elvégezhető. Negyedszer, az írisz határvonalait alkotó elemek viszonylagos konfigurációjának meghatározásához egyéb kötöttségek is előírhatók, beleértve azt is, hogy nincsenek kötöttségek. Ötödször, az írisz határvonala paraméterezett modelljeinek az illesztése többféle megoldással is elvégezhető,
63.618/BT*14*97-04-14
- 15 például iterációs durva-finom módszerrel. Hatodszor, elvégezhető az írisz határvonalának lokalizálása a térbeli átlagolás és al-mintavételezés kezdeti lépései nélkül is.
A szem bemenő képén az írisz lokalizálásához fent leírt megoldás előnye (különösen a 3. ábrán bemutatott szekvenciális adatfeldolgozó lépésekkel példázva) az, hogy nem igényel semmiféle további kezdeti feltételeket, és megvalósítható egyszerű szűrőző műveletekkel (amelyek kiemelik a kép lényeges szerkezeti elemeit), és az adatok alapdiagramokba (hisztogramokba) foglalásával (ami valamilyen választási rendszert képez az írisz határvonalainak helyreállításához a feljavított képből), ami kevés számítástechnikai ráfordítást igényel.
Az 1. ábrán a 102 helyzet-meghatározó (lokalizáló) eszközből kimenő feldolgozott adat, amely kizárólag a felhasználó lokalizált íriszének a képét képviseli, az első bemenő jel a 104 azonosító eszközbe, míg az adatbázisban megelőzően tárolt kiválasztott adat, ami kizárólag azon személy 106 lokalizált íriszének a képét modellezi, akiről a felhasználó azt állítja, hogy ő az, lesz a második bemenő jel a 104 azonosító eszközbe. A 104 azonosító eszköz a találmány alapelveit alkalmazva hatékonyan feldolgozza az első és második bemenő adatot, hogy meghatározza, van-e vagy nincs elegendő egyezés annak kimutatásához, hogy a felhasználó valóban az a személy, akiről állítja, hogy ő az.
Szabatosabban megfogalmazva, az emberi írisz megkülönböztető térbeli jellemzői többféle léptékben kimutathatók. A megkülönböztető struktúrák például az írisz általános formájától az apró jelek eloszlásáig és a részletes rajzolatig terjedhetnek. A térbeli struktúrák e tartományának megragadásához az írisz képét a jel 2D sávos lebontásával lehet kifejezni. Az előzetes tapasztalati tanulmányok arra a következtetésre vezettek, hogy az elfogadható megkülönböztetés az írisz képek között oktáv-szélességű sávokon alapulhat, négy különböző felbontásban kiszámítva, ami Laplace-féle piramisok segítségével végezhető el ennek az információnak a befogásához. Ez hatékony tárolást és feldolgozást enged meg, mivel az alacsonyabb frekvencia sávok al-mintavételezése egymást követően információ veszteség nélkül elvégezhető.
63.618/BT*15*97-04-14
- 16A két kép közötti részletes összehasonlítás elvégzéséhez előnyös megállapítani egy szabatos megfeleltetést a pár karakterisztikus struktúrái között. Erre a célra egy terület-bázisú képregisztráló eljárást használunk. Ez az eljárás az (u(x,y),v(x,y)) leképező függvényt keresi, úgy, hogy a képpont (pixel) értéke az adatokkal meghatározott képen az (x,y)-(u(x,y),v(x,y)) helyen és a modell képen az (x,y) helyen, (x,y) minden értékénél közel legyen egymáshoz. Itt (x,y) arra a kép tartományra vonatkozik, ami az itt leírt írisz-lokalizáló eljárással íriszként lett meghatározva. A leképzőfuggvényre kötöttség továbbá az, hogy annak hasonlósági transzformációnak kell lenni, vagyis haladó mozgású eltolást, léptékváltást és forgatást tartalmazhat. Ez lehetőséget ad arra, hogy ugyanannak az írisznek a különféle eseti leképezései között megfigyelhető szabadságfokokat kompenzálhassuk. A transzláció a képalkotó érzékelőrendszerével párhuzamos síkban előforduló eltolódásokat veszi figyelembe. A léptékváltás a kamera optikai tengelyének irányába eső eltolódásokat veszi számításba. Az elforgatás az optikai tengely körüli elfordulást veszi figyelembe, túlmenően azon, amit a szem ciklo-torziója természetes úton kompenzál. Ha adott a lehetőség a hozzáférést megkísérelő személy helyzetének pontos beállítására, mint fentebb a kép begyűjtésével kapcsolatosan ismertettük, akkor ezek olyan szabadságfokoknak bizonyulnak, amelyeket csupán a megfeleltetés megállapításához kell megcélozni. Ezt a megoldást egy hierarchikus gradiens-bázisú kép-regisztráló algoritmus formájában valósítottuk meg, a szakmában ismeretes modell-bázisú mozgásbecslés alkalmazásával. Az algoritmushoz a kezdeti feltételek az írisz fent leírt írisz-lokalizáló eljárással meghatározott határvonalainak relatív eltolódásából vannak származtatva.
Miután a modell- és az adat-képek pontosan és szabatosan regisztrálva lettek, a következő feladat az egyezés (illeszkedés) valamilyen jósági fokának a hozzárendelése az összehasonlítás számszerűsítéséhez. Ha a rendszer képes a modell- és az adat-kép finom regisztrálására, a megfelelő egyezés mérése azon alapulhat, hogy összegezzük a képpontok (pixelek) közötti különbségeket az előállított kép mindegyik frekvenciasávján belüli térbeli pozícióra. Térbeli korreláció fedi ezt a fogalmat. Pontosabban normalizált korrelációt használunk fel. A normalizált korreláció ugyanolyan típusú információt nyújt, mint a standard korreláció; azonban ez figyelembe veszi a kép intenzitásának helyi ingadozásait is, amik meghamisítják a standard korrelációt, amint ez a szakmában ismeretes. A korrelációt a képpontok kis (8x8) tömbjein végezzük el, mindegyik térbeli frekvenciasávban. Az egyezés
63.618/BT*16*97-04-14 • ·
- 17jóságát ezután úgy származtatjuk mindegyik frekvenciasávra, hogy a tömbök korrelációs értékeit a medián-statisztikai úton kombináljuk. A tömbökre bontás a médián művelettel kombinálva lehetővé teszi az illeszkedés és bizonyos fokú kieső észlelés helyi utánigazítását, érzéketlenséget biztosítva ezzel a zaj, téves regisztrálás és takarás (pl. egy elszabadult szempilla) okozta egyeztetési hibákkal szemben.
A végső feladat, amit el kell végezni, az egyezés négy (a térbeli frekvenciasávok mindegyikére) kiszámított jósági fokának kombinálásával egy végső döntés kialakítása, miszerint az adatokkal meghatározott kép ugyanattól az írisztől származik-e, mint a modell kép. Ésszerű megoldás erre az értékek kombinálása oly módon, hogy az írisz képeknek egy osztályán (vagyis ugyanannak az írisznek esetenként felvett képein) belül a variancia minimális legyen, míg a különféle osztályú (vagyis különféle íriszekről felvett) írisz képek közötti variancia maximális legyen. Egy ilyen megoldást szolgáltató lineáris függvény jól ismert, ez a Fisher-féle lineáris diszkriminátor (Fisher’s Linear Discriminant). Ezt az eljárást többek között Duda és Hart tette közzé („Pattem Classification And Scene Analysis”, John Wiley & Sons, 1973, ppl 14-118). Bár nem egy előre eldöntött ügy az, hogy bármilyen lineáris függvény képes megfelelően különbséget tenni tetszőleges adathalmazok különféle osztályai között, azt tapasztaltuk, hogy az írisz képek esetében gyakorlatilag egészen jól működik. A gyakorlatban a Fisher-féle lineáris diszkriminátor 10 írisz 5 képét magában foglaló gyakorló íriszkép halmaz alapján lett definiálva. Ezt követően ez a függvény a gyakorlatban kiválóan megkülönböztette a beérkező adat-képek közül azokat, amelyeknek van megfelelője az adatbázisban, azoktól, amelyeknek nincs.
Tudomásul kell venni, hogy az itt ismertetett berendezés és működési mód a találmány szemléltetését szolgálja. A szakmában járatosak könnyedén kidolgozhatnak módosításokat anélkül, hogy az a találmány szellemétől vagy tárgykörétől eltérne. Lehet a hasonlóságtól eltérő regisztrálási módszereket használni. Az izotropikus sáváteresztő szűrés alkalmazásától eltérő képi megjelenítés is alapul szolgálhat a korrelációhoz. Például orientált sáváteresztő szűrés, ahogyan azt Búrt és társai tették közzé az 1994. június 28.-án kiadott 5,325,449. sz. U.S. szabadalomban, és amit hivatkozásul foglaltunk bele ebbe a leírásba, vagy morfológiai szűrés is használható volna. A jel lebontására a sáváteresztéstől eltérő módszer, például hullám-felbontás is alkalmazható. A hullámfelbontás a
63.618/BT*17*97-04-14
- 18sokfelbontású piramisnak egy speciális esete, amely kvadratikus tükör szűrőket (QMF) alkalmaz az eredeti képet megjelenítő videojel sávokra bontásához. Ilyen típusú jelfeldolgozó ismertetnek Pentland és társai („A Practical Approach to Fractal-Based Image Compression”, Proceedings of the DCC ‘91 Data Compression Conference, 1991. április 8,11., IEEE Computer Society Press, Los Alamitos, Calif.). Portland és társai tömörítési (kompressziós) rendszere alacsony frekvenciás durva léptékű információt próbál felhasználni nagyfrekvenciás finom léptékű szignifikáns információ előrejelzéséhez. QMF részsáv (subband) piramis feldolgozása is le van írva a „Subband Image Coding” (J.W. Woods, Kluwer Academic Publishers, 1991.) c. könyvben. Használható egy orientált sáváteresztő is, amit Búrt és társai tettek közzé az 1994. június 28.-án kiadott 5,325,449, sz. U.S. szabadalomban.
A képi egyeztetés (illesztés) többféle szimbolikus módon elvégezhető. Például többszörösen származtatott illeszkedési értékek másképpen is kombinálhatók, mint a Fisher-féle lineáris diszkrimininátorral megadott módon. Használható például egy nem-lineáris (pl. agyműködést utánzó hálózattal származtatott) kombináció is. A korrelációtól eltérő összehasonlító eljárások és a Fisher-féle lineáris diszkriminátortól eltérő döntési feltételek is felhasználhatók.
Lehet más módszereket használni az összehasonlítandó íriszek beállításához. Beállíthatók a képek akár egyszerűbb, akár bonyolultabb kép-transzformációknak alávetve is. A tényleges illesztési (egyeztető) eljárást megelőzően a körgyűrű alakú írisz képek konvertálhatók négyszögletes formátumba, például a radiális és irányszög pozíció függőleges és vízszintes koordinátára váltható át. Az ilyen manipuláció célja a soronkövetkező műveletek egyszerűsítése lehet. A tényleges illesztési eljárás előtt az írisz képeket ki lehetne vetíteni valamilyen irányban, hogy egy-dimenziós jel adódjon. Kivetíthetők a képek például sugárirányban.
A találmány felhasználható valamilyen területre vagy létesítménybe való beléptetés, vagy valamilyen eszközhöz, például számítógéphez vagy pénzkiadó automatához (ATM) történő hozzáférés ellenőrzéséhez, vagy biometriai elemzésekhez.
Claims (35)
- Szabadalmi igénypontok1. A rendszer felhasználójának szeméről éles képet előállító objektívvei ellátott képalkotót magában foglaló rendszerben a rendszer tökéletesítése, azzal jellemezve, hogy el van látva helyzetbeállító eszközzel, lehetővé téve, hogy a felhasználó önmaga pozícionálja a saját szemét a képalkotó látómezőjében anélkül, hogy a rendszerrel bármilyen fizikai kapcsolatra lenne szükség.
- 2. Az 1. igénypont szerinti rendszer, azzal jellemezve, hogy a helyzetbeállító eszközön belül van egy első helyező él, amelynek van egy adott első méretnagyságú és adott alakú körvonala, ami az objektívhez viszonyítva lényegében központosán helyezkedik el, és amely helyező él az objektív előtt, attól egy első számú távolságra van; és egy, az adott első méretnagyságnál kisebb második méretnagyságú második helyező él, ami lényegében hasonló alakú az adott körvonalú alakzathoz, és az objektívhez viszonyítva lényegében központosán helyezkedik el, és amely második helyező él az objektív előtt, attól egy második számú távolságra van, ami meghatározott mértékben nagyobb, mint a nevezett első számú távolság, és ez a meghatározott mérték olyan, hogy az objektív akkor alkot éles képet a felhasználó szeméről, amikor a felhasználó szeme az objektív előtt térnek abba a második helyező éltől távolabb fekvő pontjába kerül, ahonnan nézve az első helyező él körvonalát lényegében teljesen elfedi a második helyező él körvonala.
- 3. A 2. igénypont szerinti rendszer, azzal jellemezve, hogy nevezett első helyező él körvonalának alakja négyszögletes; miáltal a geometriailag hasonló második helyező él alakjának körvonala is négyszögletes.
- 4. A 2. igénypont szerinti rendszer, azzal jellemezve, hogy a rendszerben van továbbá: fényforrás a felhasználó szemének szórt fényű megvilágításához, ami adott forgásértelemben körkörösen (cirkulárisán) polarizált, hogy a felhasználó szeméről az objektívre diffúz módon verődjön vissza a fény, és ez a diffúz módon visszavert fény lépjen be az objektívbe.63.618/BT*19*97-04-14-205. A 4. igénypont szerinti rendszer, azzal jellemezve, hogy: van egy megvilágítást szolgáltató fényforrásokból álló elrendezés, ami körülveszi a képalkotót; egy diffúzor, amelyen áthalad a fényforrásokból álló elrendezésből kilépő megvilágító fény, és amely diffüzorban ki van alakítva egy lyuk az objektív számára, ami lehetővé teszi, hogy a visszaverődő fény elérje az objektívet anélkül, hogy át kellene haladnia a diffuzoron; és a diffúzor valamint az objektív előtt elhelyezkedő körkörös (cirkuláris) polarizátor, ami a felhasználó szemét megvilágító fényt adott forgásértelemben körkörösen polarizálja.
- 6. A 4. igénypont szerinti rendszer, azzal jellemezve, hogy van továbbá: egy, a képalkotóhoz csatlakozó difítális képkimerevítő, ami a felhasználó szemének fókuszált képét megjelenítő digitális adatokat állít elő.
- 7. A 2. igénypont szerinti rendszer, azzal jellemezve, hogy nevezett képalkotó egy viszonylag nagy felbontású, kis látószögű képalkotó, a helyzetbeállító eszközön belül pedig van még: egy viszonylag alacsony felbontású, széles látószögű képalkotó, amely egymást követően videoképeket állít elő a képi információról, ami a felhasználó arcának meghatározott jellegzetes tulajdonságait tartalmazza; a meghatározott arcbeli tulajdonságokra reagáló képfeldolgozó eszköz, amely lokalizálja a felhasználó szemének a helyét a videoképeken; és a képfeldolgozó eszközhöz tartozó eszköz, ami a felhasználó szemének az alacsony felbontású, széles látószögű képalkotóról nyert video-képkockákon lokalizált helyzetére reagálva lehetővé teszi, hogy a nagy felbontású, kis látószögű képalkotó éles képet állítson elő a felhasználó szeméről.
- 8. A 7. igénypont szerinti rendszer, azzal jellemezve, hogy a képfeldolgozó eszközhöz tartozó nevezett eszköz magában foglal egy aktív tükröt, amelynek a beállítása a felhasználó szemének az alacsony felbontású, széles látószögű képalkotóról nyert video-képkockákon lokalizált helyzete alapján történik.
- 9. A 7. igénypont szerinti rendszer, azzal jellemezve, hogy a képfeldolgozó eszközön belül van: egy Gauss-féle piramis, ami többlépcsős kép-piramist állít elő a képi információ egymást követő képkockáinak legalább az egyikéből; a kép-piramis fokozataira reagáló eszköz, ami energia-változási piramist állít elő.63.618/BT*20*97-04-14 • · ·-21
- 10. Az 1. igénypont szerinti rendszer, azzal jellemezve, hogy a képalkotó egy viszonylag nagy felbontású, kis látószögű képalkotó, és a nevezett tökéletesítés magában foglal még: egy viszonylag alacsony felbontású széles látószögű képalkotót, ami egymást követően képkockákat állít elő a felhasználó meghatározott arcbeli jellegzetességeit tartalmazó képi információról; a meghatározott arcbeli jellegzetességek kép információjára reagáló képfeldolgozó eszközt, ami lokalizálja a felhasználó szemének a helyét a videoképkockákon; és a képfeldolgozó eszközhöz tartozó eszköz, ami a felhasználó szemének az alacsony felbontású, széles látószögű képalkotóról nyert video-képkockákon lokalizált helyzetére reagálva lehetővé teszi, hogy a nagy felbontású, kis látószögu képalkotó éles képet állítson elő a felhasználó szeméről.
- 11. Az 1.. igénypont szerinti rendszer, azzal jellemezve, hogy a képfeldolgozó eszközhöz tartozó nevezett eszköz magában foglal egy aktív tükröt, amelynek a beállítása a felhasználó szemének az alacsony felbontású, széles látószögu képalkotóról nyert video-képkockákon lokalizált helyzete alapján történik.
- 12. Az 1. igénypont szerinti rendszer, azzal jellemezve, hogy a képfeldolgozó eszközön belül van: egy Gauss-féle piramis, ami többlépcsős kép-piramist állít elő a képi információ egymást követő képkockáinak legalább az egyikéből; a kép-piramis fokozataira reagáló eszköz, ami energia-változási piramist állít elő.
- 13. Az 1. igénypont szerinti rendszer, azzal jellemezve, hogy a rendszer a felhasználó szeme íriszének (szivárványhártyájának) a vizsgálatára irányul; ahol nevezett rendszeren belül van egy, a képalkotóhoz csatlakozó difitális képkimerevítő, ami a felhasználó szemének fókuszált képét megjelenítő digitális adatokat állít elő; és ahol az úgynevezett tökéletesítés magában foglal továbbá: képfeldolgozó eszközt, amely a képkimerevítőből nyert, a felhasználó szemét kifejezésre juttató digitális adatokra reagálva lokalizálja a szem íriszét, sorrendben (1) lokalizálva azokat az adatokat, amelyek a felhasználó szemének a képén belül az írisz külső peremének határvonalát határozzák meg, (2) lokalizálva azokat az adatokat, amelyek nevezett külső perem határvonalán belül az írisznek a pupillát körülvevő határvonalát határozzák meg, (3) lokalizálva azokat az adatokat, amelyek nevezett külső perem határvonalán belül a szem felső és alsó szemhéjának határvonalait határozzák meg;63.618/BT*21*97-04-14-22végül (4) csak azokat az adatokat alkalmazva, amelyek a pupilla határvonalán kívül, a külső perem határvonalán belül, a felső szemhéj alatt, és az alsó szemhéj felett vannak, az adatokat arra a részre szűkítik, ami a szem íriszét juttatja kifejezésre.
- 14. A 13. igénypont szerinti rendszer, azzal jellemezve, hogy nevezett képfeldolgozó eszközben van eszköz a képkimerevítőből nyert digitális adatok aluláteresztő szűréséhez majd al-mintavételezéséhez, a szem íriszének az adott sorrendben elvégzett lokalizálását megelőzően.
- 15. A 13. igénypont szerinti rendszer, azzal jellemezve, hogy nevezett képfeldolgozó eszköz alkalmaz kép-szűrő eszközt feljavított képek előállításához, és valamilyen választási rendszert megtestesítő alapdiagramokat (hisztogramokat) előállító eszközt az írisz határvonalainak a feljavított képekből történő kinyeréséhez; miáltal az írisz körvonalainak a kinyeréséhez nincs szükség semmilyen egyéb kezdeti feltétel ismeretére a felhasználó szemének fókuszált képét megjelenítő digitális adatokon kívül.
- 16. A 13. igénypont szerinti rendszer, azzal jellemezve, hogy nevezett képfeldolgozó eszközben, azon adatok lokalizálásához amelyek a felhasználó szemének a képén belül az írisz peremének határvonalát határozzák meg, van: gradiens-bázisú széldetektor szűrő eszköz megközelítően függőleges orientációra hangolva az észlelt szélek adatainak előállításához; valamint a középpont két, xc és yc koordinátájával és r sugarával paraméterezett körrel modellezett külső perem határvonalára reagáló eszköz, az észlelt szél adatainak megritkításához (elvékonyításához), majd alapdiagramba (hisztogramba) foglalásához egy háromdimenziós (xc, yc, r) térben, az adott (x, y) koordinátákkal meghatározott kép-helyhez megengedhető (xc, yc, r) értékeknek megfelelően; miáltal a maximális számú szavazattal rendelkező (xc, yc, r) pont kerül kiválasztásra a perem határvonalának megjelenítéséhez.
- 17. A 13. igénypont szerinti rendszer, azzal jellemezve, hogy nevezett képfeldolgozó eszközben, azon adatok lokalizálásához amelyek a felhasználó szemének a képén belül az írisz pupillájának a határvonalát határozzák meg, van: gradiens-bázisú széldetektor szűrő eszköz, amelynek nincs irányított hangolása, a szél észlelt adatainak előállításához; valamint63.618/BT*22*97-04-14-23 a középpont két, xc és yc koordinátájával és r sugarával paraméterezett körrel modellezett pupilla határvonalára reagáló eszköz, az észlelt szél adatainak megritkításához (elvékonyításához), majd alapdiagramba (hisztogramba) foglalásához egy háromdimenziós (xc, yc, r) térben, az adott (x, y) koordinátákkal meghatározott kép-helyhez megengedhető (xc, yc, r) értékeknek megfelelően; miáltal a maximális számú szavazattal rendelkező (xc, yc, r) pont kerül kiválasztásra a pupilla határvonalának megjelenítéséhez.
- 18. A 13. igénypont szerinti rendszer, azzal jellemezve, hogy nevezett képfeldolgozó eszközben, azon adatok lokalizálásához amelyek a felhasználó szemének a képén belül a szem felső és alsó szemhéjának a határvonalát határozzák meg, van: gradiens-bázisú széldetektor szűrő eszköz, amely vízszintes orientációra van hangolva, az észlelt szélek adatainak az előállításához; valamint a szem másodrendű ívekkel paraméterezett parabolákkal modellezett felső szemhéja határvonalának és alsó szemhéja határvonalának mindegyikére reagáló eszköz, ahol a paraméterezéshez a megfelelő értékek a szélek észlelt adatait megritkítva (elvékonyítva), majd háromdimenziós térben, az adott képhelyekhez megengedhető értékeknek megfelelő alapdiagramba (hisztogramba) foglalva kerülnek meghatározásra; miáltal a háromdimenziós térnek a maximális szavazattal rendelkező pontja fogja meghatározni a szemhéj határvonalát.
- 19. Az 1. igénypont szerinti rendszer, azzal jellemezve, hogy nevezett rendszer automatikus írisz-felismerésre irányul biztonságilag védett hozzáférés ellenőrzéséhez; nevezett rendszerben van a képalkotóhoz csatlakozó digitális képkimerevítő a felhasználó szemének fókuszált képét megjelenítő digitális adatok előállításához; és az úgynevezett tökéletesítés magában foglal még egy képfeldolgozó eszközt, amelyben van: a képkimerevítőből nyert, a felhasználó szemét kifejező digitális adatokra reagáló írisz-lokalizáló eszköz, amely a digitális adatokat lényegében leszűkíti a felhasználó szemének kizárólag az íriszét kifejezésre juttató részre; és egy kép(rajzolat)-összehasonlító eszköz, ami a digitális adatoknak és a korábban tárolt digitális adatoknak azon részére reagálva, amely kizárólag egy adott személy szemének az íriszét juttatja kifejezésre, nevezett kép-összehasonlító eszköz normalizált térbeli korrelációt alkalmazva először összehasonlítja egymással több térbeli skála mindegyike mentén a felhasználó, illetve az adott személy íriszének minden egyes regisztrált térbeli megkülönböztető jellemzőjét ahhoz, hogy mennyiségileg63.618/BT*23*97-04-14-24meghatározza több térbeli skála mindegyike mentén az egyezésnek az adott térbeli skálára vonatkozó jósági fokát, majd az egyezésnek a több térbeli skála mindegyike mentén mennyiségileg meghatározott jósági fokainak bizonyos kombinációja szerint eldönti, hogy azoknak a leszűkített digitális adatoknak a képe, amelyek a felhasználó szemének kizárólag az íriszét fejezik ki, egyezik-e azokkal a digitális adatokkal, amelyek egy adott személy szemének kizárólag az íriszét juttatják kifejezésre.
- 20. A 19. igénypont szerinti rendszer, azzal jellemezve, hogy nevezett kép(rajzolat)összehasonlító eszközben van egy terület-bázisú kép-regisztráló eszköz, ami egy (u(x,y),v(x,y)) leképző függvényt alkalmaz, amelyre nézve kötöttség az, hogy transzlációs eltolásból, méretarányváltásból és elforgatásból álló hasonlósági transzformációnak kell lennie, oly módon, hogy a felhasználó szemének kizárólag az íriszét kifejező szűkített digitális adatokban az adat értéke az (x,y)-(u(x,y),v(x,y)) helyen közel legyen az adott személy szemének kizárólag az íriszét kifejező digitális adat értékéhez az (x,y) helyen, az összes (x,y) pontban.
- 21. A 19. igénypont szerinti rendszer, azzal jellemezve, hogy nevezett kép(rajzolat)összehasonlító eszközben vannak eszközök a normalizált térbeli korreláció elvégzéséhez adott térbeli tömbökön, amelyek adatpontok első sokaságából és adatpontok második sokaságából vannak felépítve, a több skálából álló első és második többdimenziós térben.
- 22. A 21. igénypont szerinti rendszer, azzal jellemezve, hogy a kép-összehasonlító eszközben vannak eszközök az adott térbeli tömbökön elvégzett normalizált térbeli korreláció kombinálásához a médián statisztika útján, a számos térbeli skála mindegyikére, az egyezés adott térbeli skálára vonatkozó jósági fokának meghatározásához.
- 23. A 19. igénypont szerinti rendszer, azzal jellemezve, hogy a kép-összehasonlító eszközben vannak eszközök az egyezésnek a több térbeli skála mindegyikére mennyiségileg meghatározott jósági fokait kombinálni oly módon, hogy a variancia ugyanazon írisz előfordulásának különféle esetein belül minimális, különböző íriszek előfordulásának különféle esetein belül pedig maximális legyen.63.618/BT*
- 24*97-04-14 ·»· · • ·-25 24. A 23. igénypont szerinti rendszer, azzal jellemezve, hogy nevezett eszköz az egyezésnek a több térbeli skála mindegyikére mennyiségileg meghatározott jósági fokainak kombinálásához Fisher-féle lineáris diszkriminátort (Fisher’s Linear Discriminant) alkalmaz, mint olyan lineáris függvényt, ami minimalizálja a varianciát ugyanazon a írisz előfordulásának különféle esetei között, és maximalizálja a varianciát a különböző íriszek előfordulásának különféle esetei között.
- 25. Valamely személy szemének digitalizált képét felhasználó képfeldolgozó eljárásban, amely a digitális adatokat azoknak azon részére szűkíti le, amely a szóban forgó személy szemének kizárólag az íriszét határozza meg; amely eljárás magában foglalja valamely személy szemének a képén belül azon adatok körülhatároló lokalizálását, ami az írisz pereme határvonalának, az írisz pupillája határvonalának, valamint a felső és az alsó szemhéj határvonalának legalább az egyikét meghatározza; ezen eljárás tökéletesítése, azzal jellemezve, hogy az adatoknak ez a körülhatárolása az alábbi lépésekből áll:a) az írisz peremének határvonala, az írisz pupillája határvonala és a szem felső és alsó szemhéja határvonala egyikének kép-szűrése, hogy előállítsuk annak feljavított képét; ésb) hisztogramot készítünk, ahol a hisztogram készítése valamilyen választási rendszert testesít meg, nevezett írisz határvonalak egyikének helyreállításához a feljavított képből; miáltal az írisz határvonalak egyikének helyreállítása nem igényeli semmilyen egyéb kezdeti feltétel ismeretét a kérdéses személy szemének digitális képét meghatározó digitális adatokon túlmenően.
- 26. A 25. igénypont szerinti eljárás, azzal jellemezve, hogy az adatokat leszűkítő lépés az alábbi, egymást követő lépésekből áll:c) először, lokalizáljuk a digitális adatoknak azon részét, ami az írisz peremének határvonalát határozza meg;d) másodszor, lokalizáljuk a digitális adatoknak azon részét, ami a perem határvonalán belül van, és az írisz pupillájának a határvonalát határozza meg;e) harmadszor, lokalizáljuk a digitális adatoknak azon részét, ami a perem határvonalán belül van, és ami a szem felső és alsó szemhéjainak a határvonalait határozza meg; ésf) negyedszer, a digitális adatoknak csak azt a részét használva fel, ami a pupilla határvonalán kívül, a perem határvonalán belül, a felső szemhéj alatt és az alsó szemhéj63.618/BT’25*97-04-14 • *·-26felett van, leszűkítjük ezáltal a digitális adatokat annak azon részére, ami a szem íriszét juttatja kifejezésre.
- 27. A 26. igénypont szerint eljárás, azzal jellemezve, hogy a (c) lépés az alábbi lépéseket foglalja magában:g) közel függőleges irányítottságnak kedvezően hangolt gradiens-bázisú szél-detektort alkalmazunk a képszél adatainak észlelésére; ésh) a képszél észlelt adatait el vékonyítjuk, majd hisztogramba foglaljuk egy háromdimenziós (xc, yc, r) térben, a kép adott (x,y) geometriai helyéhez megengedhető (xc, yc, r) értékeknek megfelelően, a perem határvonalát xc, yc középponti koordinátákkal és r sugárral paraméterezett körrel modellezve;miáltal a legtöbb számú szavazattal rendelkező (xc, yc, r) pontot választjuk ki a perem határvonalának megjelenítéséhez.
- 28. A 26. igénypont szerinti eljárás, azzal jellemezve, hogy a (d) lépés az alábbi lépéseket foglalja magában:g) gradiens-bázisú szél-detektor szűrőt alkalmazunk, amely nincs irány szerint hangolva a szélek adatainak irányított észleléséhez; ésh) a képszél észlelt adatait el vékonyítjuk, majd hisztogramba foglaljuk egy háromdimenziós (xc, yc, r) térben, a kép adott (x,y) geometriai helyéhez megengedhető (xc, yc, r) értékeknek megfelelően, a pupilla határvonalát xc, yc középponti koordinátákkal és r sugárral paraméterezett körrel modellezve;miáltal a legtöbb számú szavazattal rendelkező (xc, yc, r) pontot választjuk ki a pupilla határvonalának megjelenítéséhez.
- 29. A 26. igénypont szerinti eljárás, azzal jellemezve, hogy az (e) lépés az alábbi lépéseket foglalja magában:g) közel vízszintes irányítottságnak kedvezően hangolt gradiens-bázisú szél-detektort alkalmazunk a képszél adatainak észlelésére; ésh) a képszél észlelt adatait elvékonyítjuk, majd hisztogramba foglaljuk egy háromdimenziós térben, a kép adott geometriai helyéhez megengedhető értékeknek megfelelően, a szem felső63.618/BT*26*97-04-14-27 szemhéjának határvonalát és az alsó szemhéj határvonalát másodrendű ívekkel parabolikus paraméterezéssel modellezve;miáltal a legtöbb számú szavazattal rendelkező térbeli pontot választjuk ki a szemhéj határvonalának megjelenítéséhez.
- 30. A 25. igénypont szerinti eljárás, azzal jellemezve, hogy az alábbi lépést foglalja még magában:az adott személy szemének digitalizált képét meghatározó digitális adatok aluláteresztő szűrése, majd al-mintavételezése az adatszűkítés lépésének elvégzését megelőzően.
- 31. Biztonságilag védett hozzáférés ellenőrzéséhez automatikus írisz-felimerést biztosító képfeldolgozó eljárásban; nevezett eljárás egy bizonyos, a hozzáférést megkísérelő személy szemének kizárólag az íriszét meghatározó digitális kép első digitális adataira, és egy meghatározott személy szemének kizárólag az íriszét meghatározó digitális kép megelőzően tárolt második digitális adataira reagálva; nevezett eljárás azzal jellemezve, hogy az alábbi lépésekből álló kép(rajzolat)-összehasonlító lépést foglalja magában:a) első összehasonlításhoz normalizált térbeli korrelációt alkalmazunk, először összehasonlítva egymással több térbeli skála mindegyike mentén az adott személy, illetve a meghatározott személy íriszének minden egyes regisztrált térbeli megkülönböztető jellemzőjét ahhoz, hogy mennyiségileg meghatározzuk több térbeli skála mindegyike mentén az egyezésnek az adott térbeli skálára vonatkozó jósági fokát; ésb) az egyezés több térbeli skálára mennyiségileg meghatározott jósági fokainak bizonyos kombinációja alapján eldöntjük, hogy azoknak a digitális adatoknak a képe, amelyek az adott személy szemének kizárólag az íriszét fejezik ki, egyezik-e azokkal a digitális adatokkal, amelyek egy meghatározott személy szemének kizárólag az íriszét juttatják kifejezésre.
- 32. A 31. igénypont szerinti rendszer, azzal jellemezve, hogy az (a) lépés az alábbi lépést foglalja magában:c) terület-bázisú kép-regisztrálást végzünk egy (u(x,y),v(x,y)) leképzőfiiggvény felhasználásával, amelyre kötöttség az, hogy transzlációs eltolásból, méretarányváltásból és elforgatásból álló hasonlósági transzformációnak kell lennie, úgy, hogy az adott személy63.618/BT*27*97-04-14 r-28 szemének kizárólag az íriszét kifejező első digitális adatokban az adat értéke az (x,y)(u(x,y),v(x,y)) helyen közel legyen egy meghatározott személy szemének kizárólag az íriszét kifejező második digitális adat értékéhez az (x,y) helyen, az összes (x,y) pontban.
- 33. A 31. igénypont szerinti rendszer, azzal jellemezve, hogy az (a) lépés az alábbi lépést foglalja magában:c) normalizált térbeli korrelációt végzünk adott térbeli tömbökön, amelyek adatpontok első sokaságából és adatpontok második sokaságából vannak felépítve, a több skálából álló első és második többdimenziós térben.
- 34. A 33. igénypont szerinti rendszer, azzal jellemezve, hogy a (c) lépés az alábbi lépést foglalja magában:d) az adott térbeli tömbökön elvégzett normalizált térbeli korreláció kombináljuk a médián statisztika útján, a számos térbeli skála mindegyikére, az egyezés adott térbeli skálára vonatkozó jósági fokának meghatározásához.
- 35. A 31. igénypont szerinti rendszer, azzal jellemezve, hogy a (b) lépés az alábbi lépést foglalja magában:c) az egyezésnek a több térbeli skála mindegyikére mennyiségileg maghatározott jósági fokait kombináljuk oly módon, hogy a variancia ugyanazon írisz különféle esetei között minimális legyen, különböző íriszek különféle esetei között pedig a variancia maximális legyen.
- 36. A 35. igénypont szerinti rendszer, azzal jellemezve, hogy a (c) lépés az alábbi lépést foglalja magában:d) a Fisher-féle lineáris diszkriminátort (Fisher’s Linear Discriminant) alkalmazzuk, mint olyan lineáris függvényt, ami minimalizálja a varianciát ugyanazon írisz különféle esetei között, és maximalizálja a varianciát különböző íriszek különféle esetei között.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US08/300,678 US5572596A (en) | 1994-09-02 | 1994-09-02 | Automated, non-invasive iris recognition system and method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| HUT76950A true HUT76950A (hu) | 1998-01-28 |
Family
ID=23160145
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| HU9701760A HUT76950A (hu) | 1994-09-02 | 1995-09-05 | Eljárás és berendezés automatikus, beavatkozásmentes írisz felismeréshez |
Country Status (11)
| Country | Link |
|---|---|
| US (2) | US5572596A (hu) |
| EP (2) | EP0793833A4 (hu) |
| JP (3) | JP3943591B2 (hu) |
| KR (1) | KR970705798A (hu) |
| CN (1) | CN1160446A (hu) |
| AU (1) | AU702883B2 (hu) |
| BR (1) | BR9508691A (hu) |
| CA (1) | CA2199040A1 (hu) |
| HU (1) | HUT76950A (hu) |
| MX (1) | MX9701624A (hu) |
| WO (1) | WO1996007978A1 (hu) |
Families Citing this family (452)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10361802B1 (en) | 1999-02-01 | 2019-07-23 | Blanding Hovenweep, Llc | Adaptive pattern recognition based control system and method |
| DE69332379T2 (de) * | 1993-11-23 | 2003-07-10 | Hewlett-Packard Co. (N.D.Ges.D.Staates Delaware), Palo Alto | Tintenwiedergabe |
| US5845008A (en) | 1994-01-20 | 1998-12-01 | Omron Corporation | Image processing device and method for identifying an input image, and copier scanner and printer including same |
| US6714665B1 (en) | 1994-09-02 | 2004-03-30 | Sarnoff Corporation | Fully automated iris recognition system utilizing wide and narrow fields of view |
| JP2630923B2 (ja) * | 1994-12-05 | 1997-07-16 | 日本アイ・ビー・エム株式会社 | 画像認識方法及び装置 |
| EP0865637A4 (en) * | 1995-12-04 | 1999-08-18 | Sarnoff David Res Center | DETECTION SYSTEM WITH A WIDE AND NARROW FIELD OF VIEW AND METHOD |
| JP3625941B2 (ja) * | 1996-01-30 | 2005-03-02 | 沖電気工業株式会社 | 虹彩認識システム |
| EP0892956A4 (en) * | 1996-02-09 | 2002-07-24 | Sarnoff Corp | METHOD AND APPARATUS FOR FORMING A NEURONAL NETWORK FOR THE DETECTION AND CLASSIFICATION OF OBJECTS WITH UNCERTAINED TRAINING DATA |
| JP2907120B2 (ja) * | 1996-05-29 | 1999-06-21 | 日本電気株式会社 | 赤目検出補正装置 |
| WO1997046980A1 (en) | 1996-06-06 | 1997-12-11 | British Telecommunications Public Limited Company | Personal identification |
| JP3751368B2 (ja) * | 1996-06-28 | 2006-03-01 | 沖電気工業株式会社 | 虹彩認識システムおよび虹彩認識装置 |
| JP3436293B2 (ja) * | 1996-07-25 | 2003-08-11 | 沖電気工業株式会社 | 動物の個体識別装置及び個体識別システム |
| AU727389B2 (en) * | 1996-08-25 | 2000-12-14 | Sarnoff Corporation, The | Apparatus for the iris acquiring images |
| US6819783B2 (en) | 1996-09-04 | 2004-11-16 | Centerframe, Llc | Obtaining person-specific images in a public venue |
| AU5180598A (en) * | 1996-11-12 | 1998-06-22 | Express Key, Inc. | Automated check-in/check-out system |
| JP3587635B2 (ja) * | 1996-11-15 | 2004-11-10 | 沖電気工業株式会社 | アイリスを用いた個人認識装置およびこの個人認識装置を用いた自動取引システム |
| EP0953188A2 (de) * | 1996-11-19 | 1999-11-03 | Fingerpin AG | Verfahren und vorrichtung zur identifikation und wiedererkennung von lebewesen und/oder gegenständen |
| US6324532B1 (en) | 1997-02-07 | 2001-11-27 | Sarnoff Corporation | Method and apparatus for training a neural network to detect objects in an image |
| US6786420B1 (en) | 1997-07-15 | 2004-09-07 | Silverbrook Research Pty. Ltd. | Data distribution mechanism in the form of ink dots on cards |
| US6381345B1 (en) * | 1997-06-03 | 2002-04-30 | At&T Corp. | Method and apparatus for detecting eye location in an image |
| US6618117B2 (en) | 1997-07-12 | 2003-09-09 | Silverbrook Research Pty Ltd | Image sensing apparatus including a microcontroller |
| US6690419B1 (en) | 1997-07-15 | 2004-02-10 | Silverbrook Research Pty Ltd | Utilising eye detection methods for image processing in a digital image camera |
| US7593058B2 (en) * | 1997-07-15 | 2009-09-22 | Silverbrook Research Pty Ltd | Digital camera with integrated inkjet printer having removable cartridge containing ink and media substrate |
| AUPO802797A0 (en) | 1997-07-15 | 1997-08-07 | Silverbrook Research Pty Ltd | Image processing method and apparatus (ART54) |
| US6879341B1 (en) | 1997-07-15 | 2005-04-12 | Silverbrook Research Pty Ltd | Digital camera system containing a VLIW vector processor |
| AUPO799997A0 (en) * | 1997-07-15 | 1997-08-07 | Silverbrook Research Pty Ltd | Image processing method and apparatus (ART10) |
| US7077515B2 (en) | 1997-07-15 | 2006-07-18 | Silverbrook Research Pty Ltd | Media cartridge for inkjet printhead |
| AUPO850597A0 (en) * | 1997-08-11 | 1997-09-04 | Silverbrook Research Pty Ltd | Image processing method and apparatus (art01a) |
| US7705891B2 (en) * | 1997-07-15 | 2010-04-27 | Silverbrook Research Pty Ltd | Correction of distortions in digital images |
| US7714889B2 (en) * | 1997-07-15 | 2010-05-11 | Silverbrook Research Pty Ltd | Digital camera using exposure information for image processing |
| US7551202B2 (en) * | 1997-07-15 | 2009-06-23 | Silverbrook Research Pty Ltd | Digital camera with integrated inkjet printer |
| US6624848B1 (en) | 1997-07-15 | 2003-09-23 | Silverbrook Research Pty Ltd | Cascading image modification using multiple digital cameras incorporating image processing |
| US20040160524A1 (en) * | 1997-07-15 | 2004-08-19 | Kia Silverbrook | Utilising exposure information for image processing in a digital image camera |
| US7551201B2 (en) | 1997-07-15 | 2009-06-23 | Silverbrook Research Pty Ltd | Image capture and processing device for a print on demand digital camera system |
| US7246897B2 (en) * | 1997-07-15 | 2007-07-24 | Silverbrook Research Pty Ltd | Media cartridge for inkjet printhead |
| US7110024B1 (en) | 1997-07-15 | 2006-09-19 | Silverbrook Research Pty Ltd | Digital camera system having motion deblurring means |
| US6985207B2 (en) | 1997-07-15 | 2006-01-10 | Silverbrook Research Pty Ltd | Photographic prints having magnetically recordable media |
| US6119096A (en) | 1997-07-31 | 2000-09-12 | Eyeticket Corporation | System and method for aircraft passenger check-in and boarding using iris recognition |
| US6252976B1 (en) * | 1997-08-29 | 2001-06-26 | Eastman Kodak Company | Computer program product for redeye detection |
| US6151403A (en) * | 1997-08-29 | 2000-11-21 | Eastman Kodak Company | Method for automatic detection of human eyes in digital images |
| US7352394B1 (en) | 1997-10-09 | 2008-04-01 | Fotonation Vision Limited | Image modification based on red-eye filter analysis |
| US7738015B2 (en) | 1997-10-09 | 2010-06-15 | Fotonation Vision Limited | Red-eye filter method and apparatus |
| US7042505B1 (en) | 1997-10-09 | 2006-05-09 | Fotonation Ireland Ltd. | Red-eye filter method and apparatus |
| US7630006B2 (en) | 1997-10-09 | 2009-12-08 | Fotonation Ireland Limited | Detecting red eye filter and apparatus using meta-data |
| US6299307B1 (en) | 1997-10-10 | 2001-10-09 | Visx, Incorporated | Eye tracking device for laser eye surgery using corneal margin detection |
| EP0910986A1 (en) * | 1997-10-24 | 1999-04-28 | BRITISH TELECOMMUNICATIONS public limited company | Imaging apparatus |
| US6055322A (en) * | 1997-12-01 | 2000-04-25 | Sensor, Inc. | Method and apparatus for illuminating and imaging eyes through eyeglasses using multiple sources of illumination |
| US6850631B1 (en) | 1998-02-20 | 2005-02-01 | Oki Electric Industry Co., Ltd. | Photographing device, iris input device and iris image input method |
| JP3271750B2 (ja) | 1998-03-05 | 2002-04-08 | 沖電気工業株式会社 | アイリス識別コード抽出方法及び装置、アイリス認識方法及び装置、データ暗号化装置 |
| US6283954B1 (en) | 1998-04-21 | 2001-09-04 | Visx, Incorporated | Linear array eye tracker |
| US5966197A (en) * | 1998-04-21 | 1999-10-12 | Visx, Incorporated | Linear array eye tracker |
| CA2295606A1 (en) * | 1998-05-19 | 1999-11-25 | Sony Computer Entertainment Inc. | Image processing apparatus and method, and providing medium |
| US5956122A (en) * | 1998-06-26 | 1999-09-21 | Litton Systems, Inc | Iris recognition apparatus and method |
| US7398119B2 (en) * | 1998-07-13 | 2008-07-08 | Childrens Hospital Los Angeles | Assessing blood brain barrier dynamics or identifying or measuring selected substances, including ethanol or toxins, in a subject by analyzing Raman spectrum signals |
| JP3610234B2 (ja) * | 1998-07-17 | 2005-01-12 | 株式会社メディア・テクノロジー | アイリス情報取得装置およびアイリス識別装置 |
| JP3315648B2 (ja) | 1998-07-17 | 2002-08-19 | 沖電気工業株式会社 | アイリスコード生成装置およびアイリス認識システム |
| AUPP702098A0 (en) | 1998-11-09 | 1998-12-03 | Silverbrook Research Pty Ltd | Image creation method and apparatus (ART73) |
| US6289113B1 (en) | 1998-11-25 | 2001-09-11 | Iridian Technologies, Inc. | Handheld iris imaging apparatus and method |
| DE69942619D1 (de) * | 1998-11-25 | 2010-09-02 | Iridian Technologies Inc | Schnelles fokusbeurteilungssystem und -verfahren zur bilderfassung |
| US6377699B1 (en) | 1998-11-25 | 2002-04-23 | Iridian Technologies, Inc. | Iris imaging telephone security module and method |
| US6753919B1 (en) | 1998-11-25 | 2004-06-22 | Iridian Technologies, Inc. | Fast focus assessment system and method for imaging |
| US6424727B1 (en) * | 1998-11-25 | 2002-07-23 | Iridian Technologies, Inc. | System and method of animal identification and animal transaction authorization using iris patterns |
| US6532298B1 (en) | 1998-11-25 | 2003-03-11 | Iridian Technologies, Inc. | Portable authentication device and method using iris patterns |
| US6396476B1 (en) | 1998-12-01 | 2002-05-28 | Intel Corporation | Synthesizing computer input events |
| US6538649B2 (en) | 1998-12-01 | 2003-03-25 | Intel Corporation | Computer vision control variable transformation |
| KR100320465B1 (ko) | 1999-01-11 | 2002-01-16 | 구자홍 | 홍채 인식 시스템 |
| US6944318B1 (en) | 1999-01-15 | 2005-09-13 | Citicorp Development Center, Inc. | Fast matching systems and methods for personal identification |
| US6363160B1 (en) * | 1999-01-22 | 2002-03-26 | Intel Corporation | Interface using pattern recognition and tracking |
| US6577329B1 (en) | 1999-02-25 | 2003-06-10 | International Business Machines Corporation | Method and system for relevance feedback through gaze tracking and ticker interfaces |
| KR100320188B1 (ko) * | 1999-03-23 | 2002-01-10 | 구자홍 | 홍채인식 시스템의 위조 판별방법 |
| GB9907515D0 (en) * | 1999-04-01 | 1999-05-26 | Ncr Int Inc | Self service terminal |
| KR100356600B1 (ko) * | 1999-04-09 | 2002-10-19 | 아이리텍 잉크 | 열공 및/또는 자율신경환의 형태에 의한 홍채인식방법 |
| US6247813B1 (en) * | 1999-04-09 | 2001-06-19 | Iritech, Inc. | Iris identification system and method of identifying a person through iris recognition |
| US6700998B1 (en) * | 1999-04-23 | 2004-03-02 | Oki Electric Industry Co, Ltd. | Iris registration unit |
| US8325994B2 (en) | 1999-04-30 | 2012-12-04 | Davida George I | System and method for authenticated and privacy preserving biometric identification systems |
| US7711152B1 (en) | 1999-04-30 | 2010-05-04 | Davida George I | System and method for authenticated and privacy preserving biometric identification systems |
| AUPQ056099A0 (en) | 1999-05-25 | 1999-06-17 | Silverbrook Research Pty Ltd | A method and apparatus (pprint01) |
| JP2001034754A (ja) * | 1999-07-19 | 2001-02-09 | Sony Corp | 虹彩認証装置 |
| US6553494B1 (en) | 1999-07-21 | 2003-04-22 | Sensar, Inc. | Method and apparatus for applying and verifying a biometric-based digital signature to an electronic document |
| US6647131B1 (en) | 1999-08-27 | 2003-11-11 | Intel Corporation | Motion detection using normal optical flow |
| US6322216B1 (en) | 1999-10-07 | 2001-11-27 | Visx, Inc | Two camera off-axis eye tracker for laser eye surgery |
| US7020351B1 (en) | 1999-10-08 | 2006-03-28 | Sarnoff Corporation | Method and apparatus for enhancing and indexing video and audio signals |
| WO2001028238A2 (en) * | 1999-10-08 | 2001-04-19 | Sarnoff Corporation | Method and apparatus for enhancing and indexing video and audio signals |
| CN1309340C (zh) | 1999-10-21 | 2007-04-11 | 泰克诺拉斯眼科系统有限公司 | 定制的角膜轮廓生成 |
| DE60030995T2 (de) * | 1999-10-21 | 2007-06-06 | Technolas Gmbh Ophthalmologische Systeme | Iriserkennung und Nachführung zum Behandeln optischer Ungleichmäßigkeiten des Auges |
| AU7852400A (en) | 1999-11-09 | 2001-06-06 | Iridian Technologies, Inc. | System and method of biometric authentication of electronic signatures using iris patterns |
| US6505193B1 (en) | 1999-12-01 | 2003-01-07 | Iridian Technologies, Inc. | System and method of fast biometric database searching using digital certificates |
| US6654483B1 (en) | 1999-12-22 | 2003-11-25 | Intel Corporation | Motion detection using normal optical flow |
| US6494363B1 (en) * | 2000-01-13 | 2002-12-17 | Ncr Corporation | Self-service terminal |
| WO2001058160A1 (de) * | 2000-02-01 | 2001-08-09 | Swisscom Mobile Ag | System und verfahren zur verbreitung von bildobjekten |
| EP1136937B1 (en) * | 2000-03-22 | 2006-05-10 | Kabushiki Kaisha Toshiba | Facial image forming recognition apparatus and a pass control apparatus |
| US6540392B1 (en) | 2000-03-31 | 2003-04-01 | Sensar, Inc. | Micro-illuminator for use with image recognition system |
| US7587368B2 (en) | 2000-07-06 | 2009-09-08 | David Paul Felsher | Information record infrastructure, system and method |
| JP2002101322A (ja) * | 2000-07-10 | 2002-04-05 | Matsushita Electric Ind Co Ltd | 虹彩カメラモジュール |
| JP3401502B2 (ja) | 2000-07-13 | 2003-04-28 | 松下電器産業株式会社 | 目画像撮像装置 |
| US7277561B2 (en) * | 2000-10-07 | 2007-10-02 | Qritek Co., Ltd. | Iris identification |
| DE10052201B8 (de) * | 2000-10-20 | 2005-06-30 | Carl Zeiss Meditec Ag | Verfahren und Vorrichtung zur Identifizierung eines Patienten und eines Operationsgebietes |
| US7224822B2 (en) * | 2000-11-02 | 2007-05-29 | Retinal Technologies, L.L.C. | System for capturing an image of the retina for identification |
| US6453057B1 (en) | 2000-11-02 | 2002-09-17 | Retinal Technologies, L.L.C. | Method for generating a unique consistent signal pattern for identification of an individual |
| US6697504B2 (en) * | 2000-12-15 | 2004-02-24 | Institute For Information Industry | Method of multi-level facial image recognition and system using the same |
| KR100620628B1 (ko) * | 2000-12-30 | 2006-09-13 | 주식회사 비즈모델라인 | 무선 통신 장치를 이용한 홍채인식시스템 및홍채인증시스템 |
| KR100620627B1 (ko) * | 2000-12-30 | 2006-09-13 | 주식회사 비즈모델라인 | 홍채인식시스템을 이용한 무선 통신 장치 보안 및 통제시스템 |
| US6961599B2 (en) * | 2001-01-09 | 2005-11-01 | Childrens Hospital Los Angeles | Identifying or measuring selected substances or toxins in a subject using resonant raman signals |
| US8462994B2 (en) * | 2001-01-10 | 2013-06-11 | Random Biometrics, Llc | Methods and systems for providing enhanced security over, while also facilitating access through, secured points of entry |
| US20020091937A1 (en) * | 2001-01-10 | 2002-07-11 | Ortiz Luis M. | Random biometric authentication methods and systems |
| US7921297B2 (en) * | 2001-01-10 | 2011-04-05 | Luis Melisendro Ortiz | Random biometric authentication utilizing unique biometric signatures |
| KR100374708B1 (ko) * | 2001-03-06 | 2003-03-04 | 에버미디어 주식회사 | 회전영상의 보정에 의한 비접촉식 홍채인식방법 |
| KR100374707B1 (ko) * | 2001-03-06 | 2003-03-04 | 에버미디어 주식회사 | 도비치스 웨이블렛 변환을 이용한 홍채인식방법 |
| US20020162031A1 (en) * | 2001-03-08 | 2002-10-31 | Shmuel Levin | Method and apparatus for automatic control of access |
| US7095901B2 (en) * | 2001-03-15 | 2006-08-22 | Lg Electronics, Inc. | Apparatus and method for adjusting focus position in iris recognition system |
| US7181017B1 (en) | 2001-03-23 | 2007-02-20 | David Felsher | System and method for secure three-party communications |
| JP2002330318A (ja) * | 2001-04-27 | 2002-11-15 | Matsushita Electric Ind Co Ltd | 携帯端末装置 |
| US20040193893A1 (en) * | 2001-05-18 | 2004-09-30 | Michael Braithwaite | Application-specific biometric templates |
| US6937135B2 (en) * | 2001-05-30 | 2005-08-30 | Hewlett-Packard Development Company, L.P. | Face and environment sensing watch |
| CA2359269A1 (en) * | 2001-10-17 | 2003-04-17 | Biodentity Systems Corporation | Face imaging system for recordal and automated identity confirmation |
| US20030076981A1 (en) * | 2001-10-18 | 2003-04-24 | Smith Gregory Hugh | Method for operating a pre-crash sensing system in a vehicle having a counter-measure system |
| FR2831351A1 (fr) * | 2001-10-19 | 2003-04-25 | St Microelectronics Sa | Filtre bidimensionnel non-dephaseur |
| JP4172930B2 (ja) | 2001-10-31 | 2008-10-29 | 松下電器産業株式会社 | 目画像撮像装置及び入退室管理システム |
| US7226166B2 (en) * | 2001-11-13 | 2007-06-05 | Philadelphia Retina Endowment Fund | Optimizing the properties of electromagnetic energy in a medium using stochastic parallel perturbation gradient descent optimization adaptive optics |
| US7775665B2 (en) * | 2001-11-13 | 2010-08-17 | Dellavecchia Michael A | Method for optically scanning objects |
| US20040165147A1 (en) * | 2001-11-13 | 2004-08-26 | Della Vecchia Michael A. | Determining iris biometric and spatial orientation of an iris in accordance with same |
| US6775605B2 (en) | 2001-11-29 | 2004-08-10 | Ford Global Technologies, Llc | Remote sensing based pre-crash threat assessment system |
| US6819991B2 (en) * | 2001-11-29 | 2004-11-16 | Ford Global Technologies, Llc | Vehicle sensing based pre-crash threat assessment system |
| US7158870B2 (en) * | 2002-01-24 | 2007-01-02 | Ford Global Technologies, Llc | Post collision restraints control module |
| US6665426B1 (en) * | 2002-01-29 | 2003-12-16 | West Virginia University Research Corporation | Method of biometric identification of an individual and associated apparatus |
| US6831572B2 (en) | 2002-01-29 | 2004-12-14 | Ford Global Technologies, Llc | Rear collision warning system |
| US6721659B2 (en) | 2002-02-01 | 2004-04-13 | Ford Global Technologies, Llc | Collision warning and safety countermeasure system |
| US6519519B1 (en) | 2002-02-01 | 2003-02-11 | Ford Global Technologies, Inc. | Passive countermeasure methods |
| US7009500B2 (en) | 2002-02-13 | 2006-03-07 | Ford Global Technologies, Llc | Method for operating a pre-crash sensing system in a vehicle having a countermeasure system using stereo cameras |
| US6498972B1 (en) | 2002-02-13 | 2002-12-24 | Ford Global Technologies, Inc. | Method for operating a pre-crash sensing system in a vehicle having a countermeasure system |
| US7088872B1 (en) * | 2002-02-14 | 2006-08-08 | Cogent Systems, Inc. | Method and apparatus for two dimensional image processing |
| KR100842501B1 (ko) * | 2002-02-21 | 2008-07-01 | 엘지전자 주식회사 | 홍채 인식 시스템의 눈위치 표시장치 |
| KR20030077126A (ko) * | 2002-03-25 | 2003-10-01 | 엘지전자 주식회사 | Ｐｃ용 홍채 인식 시스템의 안경반사 대처를 위한 장치 및방법 |
| JP4148700B2 (ja) * | 2002-05-30 | 2008-09-10 | 松下電器産業株式会社 | 目画像撮像装置 |
| AU2002346438A1 (en) * | 2002-05-30 | 2003-12-19 | Visx, Inc. | Torsional eye orientation and position |
| KR100885576B1 (ko) * | 2002-06-07 | 2009-02-24 | 엘지전자 주식회사 | 홍채 인식 시스템의 슬릿을 이용한 다초점 장치 |
| US7850526B2 (en) * | 2002-07-27 | 2010-12-14 | Sony Computer Entertainment America Inc. | System for tracking user manipulations within an environment |
| US9818136B1 (en) | 2003-02-05 | 2017-11-14 | Steven M. Hoffberg | System and method for determining contingent relevance |
| US7436986B2 (en) * | 2003-03-25 | 2008-10-14 | Bausch & Lomb Incorporated | Positive patient identification |
| JP2004295572A (ja) * | 2003-03-27 | 2004-10-21 | Matsushita Electric Ind Co Ltd | 認証対象画像撮像装置及びその撮像方法 |
| US7460696B2 (en) | 2004-06-01 | 2008-12-02 | Lumidigm, Inc. | Multispectral imaging biometrics |
| US7751594B2 (en) | 2003-04-04 | 2010-07-06 | Lumidigm, Inc. | White-light spectral biometric sensors |
| JP4347599B2 (ja) * | 2003-04-10 | 2009-10-21 | オリンパス株式会社 | 個人認証装置 |
| WO2004089214A2 (en) * | 2003-04-11 | 2004-10-21 | Bausch & Lomb Inc. | System and method for acquiring data and aligning and tracking of an eye |
| US8571902B1 (en) | 2003-04-18 | 2013-10-29 | Unisys Corporation | Remote biometric verification |
| US7458683B2 (en) * | 2003-06-16 | 2008-12-02 | Amo Manufacturing Usa, Llc | Methods and devices for registering optical measurement datasets of an optical system |
| US9160897B2 (en) * | 2007-06-14 | 2015-10-13 | Fotonation Limited | Fast motion estimation method |
| US7792970B2 (en) | 2005-06-17 | 2010-09-07 | Fotonation Vision Limited | Method for establishing a paired connection between media devices |
| US8264576B2 (en) * | 2007-03-05 | 2012-09-11 | DigitalOptics Corporation Europe Limited | RGBW sensor array |
| US7792335B2 (en) * | 2006-02-24 | 2010-09-07 | Fotonation Vision Limited | Method and apparatus for selective disqualification of digital images |
| US8989516B2 (en) * | 2007-09-18 | 2015-03-24 | Fotonation Limited | Image processing method and apparatus |
| US8199222B2 (en) * | 2007-03-05 | 2012-06-12 | DigitalOptics Corporation Europe Limited | Low-light video frame enhancement |
| US7587085B2 (en) * | 2004-10-28 | 2009-09-08 | Fotonation Vision Limited | Method and apparatus for red-eye detection in an acquired digital image |
| US7639889B2 (en) * | 2004-11-10 | 2009-12-29 | Fotonation Ireland Ltd. | Method of notifying users regarding motion artifacts based on image analysis |
| US7536036B2 (en) | 2004-10-28 | 2009-05-19 | Fotonation Vision Limited | Method and apparatus for red-eye detection in an acquired digital image |
| US8417055B2 (en) * | 2007-03-05 | 2013-04-09 | DigitalOptics Corporation Europe Limited | Image processing method and apparatus |
| US7574016B2 (en) | 2003-06-26 | 2009-08-11 | Fotonation Vision Limited | Digital image processing using face detection information |
| US8170294B2 (en) | 2006-11-10 | 2012-05-01 | DigitalOptics Corporation Europe Limited | Method of detecting redeye in a digital image |
| US7920723B2 (en) | 2005-11-18 | 2011-04-05 | Tessera Technologies Ireland Limited | Two stage detection for photographic eye artifacts |
| US7636486B2 (en) * | 2004-11-10 | 2009-12-22 | Fotonation Ireland Ltd. | Method of determining PSF using multiple instances of a nominally similar scene |
| US8180173B2 (en) | 2007-09-21 | 2012-05-15 | DigitalOptics Corporation Europe Limited | Flash artifact eye defect correction in blurred images using anisotropic blurring |
| US7970182B2 (en) | 2005-11-18 | 2011-06-28 | Tessera Technologies Ireland Limited | Two stage detection for photographic eye artifacts |
| US8036458B2 (en) | 2007-11-08 | 2011-10-11 | DigitalOptics Corporation Europe Limited | Detecting redeye defects in digital images |
| US8254674B2 (en) | 2004-10-28 | 2012-08-28 | DigitalOptics Corporation Europe Limited | Analyzing partial face regions for red-eye detection in acquired digital images |
| US7689009B2 (en) | 2005-11-18 | 2010-03-30 | Fotonation Vision Ltd. | Two stage detection for photographic eye artifacts |
| KR20030066512A (ko) * | 2003-07-04 | 2003-08-09 | 김재민 | 노이즈에 강인한 저용량 홍채인식 시스템 |
| JPWO2005006732A1 (ja) * | 2003-07-11 | 2006-09-28 | 佳章 瀧田 | インターネット端末型次世代ファクシミリ装置 |
| WO2005008567A1 (en) * | 2003-07-18 | 2005-01-27 | Yonsei University | Apparatus and method for iris recognition from all direction of view |
| US20050024516A1 (en) * | 2003-07-31 | 2005-02-03 | Robert Fish | Digital camera |
| US9412007B2 (en) | 2003-08-05 | 2016-08-09 | Fotonation Limited | Partial face detector red-eye filter method and apparatus |
| US8520093B2 (en) | 2003-08-05 | 2013-08-27 | DigitalOptics Corporation Europe Limited | Face tracker and partial face tracker for red-eye filter method and apparatus |
| US20050031224A1 (en) * | 2003-08-05 | 2005-02-10 | Yury Prilutsky | Detecting red eye filter and apparatus using meta-data |
| US20050140801A1 (en) * | 2003-08-05 | 2005-06-30 | Yury Prilutsky | Optimized performance and performance for red-eye filter method and apparatus |
| WO2005024698A2 (en) * | 2003-09-04 | 2005-03-17 | Sarnoff Corporation | Method and apparatus for performing iris recognition from an image |
| US8049812B2 (en) | 2006-03-03 | 2011-11-01 | Honeywell International Inc. | Camera with auto focus capability |
| US8442276B2 (en) | 2006-03-03 | 2013-05-14 | Honeywell International Inc. | Invariant radial iris segmentation |
| US8098901B2 (en) | 2005-01-26 | 2012-01-17 | Honeywell International Inc. | Standoff iris recognition system |
| US7756301B2 (en) * | 2005-01-26 | 2010-07-13 | Honeywell International Inc. | Iris recognition system and method |
| US8705808B2 (en) | 2003-09-05 | 2014-04-22 | Honeywell International Inc. | Combined face and iris recognition system |
| US7593550B2 (en) | 2005-01-26 | 2009-09-22 | Honeywell International Inc. | Distance iris recognition |
| US8090157B2 (en) | 2005-01-26 | 2012-01-03 | Honeywell International Inc. | Approaches and apparatus for eye detection in a digital image |
| US8064647B2 (en) * | 2006-03-03 | 2011-11-22 | Honeywell International Inc. | System for iris detection tracking and recognition at a distance |
| JP3945474B2 (ja) * | 2003-11-28 | 2007-07-18 | 松下電器産業株式会社 | 眼画像入力装置および認証装置ならびに画像処理方法 |
| FR2864290B1 (fr) * | 2003-12-18 | 2006-05-26 | Sagem | Procede et dispositif de reconnaissance d'iris |
| CN100342390C (zh) * | 2004-04-16 | 2007-10-10 | 中国科学院自动化研究所 | 基于虹膜斑块形状的身份识别方法 |
| FR2870948B1 (fr) * | 2004-05-25 | 2006-09-01 | Sagem | Dispositif de positionnement d'un utilisateur par affichage de son image en miroir, dispositif de capture d'images et procede de positionnement correspondants |
| US8229185B2 (en) | 2004-06-01 | 2012-07-24 | Lumidigm, Inc. | Hygienic biometric sensors |
| GB0412175D0 (en) * | 2004-06-01 | 2004-06-30 | Smart Sensors Ltd | Identification of image characteristics |
| CN1299231C (zh) * | 2004-06-11 | 2007-02-07 | 清华大学 | 活体虹膜图像采集方法及采集装置 |
| CA2571643C (en) * | 2004-06-21 | 2011-02-01 | Nevengineering, Inc. | Single image based multi-biometric system and method |
| US8787630B2 (en) | 2004-08-11 | 2014-07-22 | Lumidigm, Inc. | Multispectral barcode imaging |
| KR100601963B1 (ko) * | 2004-08-23 | 2006-07-14 | 삼성전자주식회사 | 시선을 이용한 인증 장치 및 그 방법 |
| US7248720B2 (en) * | 2004-10-21 | 2007-07-24 | Retica Systems, Inc. | Method and system for generating a combined retina/iris pattern biometric |
| US7167736B2 (en) * | 2004-11-04 | 2007-01-23 | Q Step Technologies, Inc. | Non-invasive measurement system and method for measuring the concentration of an optically-active substance |
| US7639888B2 (en) * | 2004-11-10 | 2009-12-29 | Fotonation Ireland Ltd. | Method and apparatus for initiating subsequent exposures based on determination of motion blurring artifacts |
| US7616788B2 (en) * | 2004-11-12 | 2009-11-10 | Cogent Systems, Inc. | System and method for fast biometric pattern matching |
| US20060123240A1 (en) * | 2004-12-08 | 2006-06-08 | Alison Chaiken | Secure biometric authentication system and method of implementation thereof |
| US20110102553A1 (en) * | 2007-02-28 | 2011-05-05 | Tessera Technologies Ireland Limited | Enhanced real-time face models from stereo imaging |
| US8488023B2 (en) | 2009-05-20 | 2013-07-16 | DigitalOptics Corporation Europe Limited | Identifying facial expressions in acquired digital images |
| US20060147095A1 (en) * | 2005-01-03 | 2006-07-06 | Usher David B | Method and system for automatically capturing an image of a retina |
| US7809171B2 (en) * | 2005-01-10 | 2010-10-05 | Battelle Memorial Institute | Facial feature evaluation based on eye location |
| KR101224408B1 (ko) * | 2005-01-26 | 2013-01-22 | 허니웰 인터내셔널 인코포레이티드 | 원격 홍채 인식 시스템 |
| WO2006081505A1 (en) * | 2005-01-26 | 2006-08-03 | Honeywell International Inc. | A distance iris recognition system |
| WO2006091869A2 (en) | 2005-02-25 | 2006-08-31 | Youfinder Intellectual Property Licensing Limited Liability Company | Automated indexing for distributing event photography |
| US7151332B2 (en) * | 2005-04-27 | 2006-12-19 | Stephen Kundel | Motor having reciprocating and rotating permanent magnets |
| ES2399030T3 (es) | 2005-07-18 | 2013-03-25 | Hysterical Sunset Limited | Indexación automatizada asistida de forma manual de imágenes usando reconocimiento facial |
| US8874477B2 (en) | 2005-10-04 | 2014-10-28 | Steven Mark Hoffberg | Multifactorial optimization system and method |
| US8260008B2 (en) | 2005-11-11 | 2012-09-04 | Eyelock, Inc. | Methods for performing biometric recognition of a human eye and corroboration of same |
| US7801335B2 (en) * | 2005-11-11 | 2010-09-21 | Global Rainmakers Inc. | Apparatus and methods for detecting the presence of a human eye |
| US8131477B2 (en) | 2005-11-16 | 2012-03-06 | 3M Cogent, Inc. | Method and device for image-based biological data quantification |
| US7599577B2 (en) | 2005-11-18 | 2009-10-06 | Fotonation Vision Limited | Method and apparatus of correcting hybrid flash artifacts in digital images |
| US7583823B2 (en) * | 2006-01-11 | 2009-09-01 | Mitsubishi Electric Research Laboratories, Inc. | Method for localizing irises in images using gradients and textures |
| EP1987475A4 (en) | 2006-02-14 | 2009-04-22 | Fotonation Vision Ltd | AUTOMATIC DETECTION AND CORRECTION OF RED EYE FLASH DEFECTS |
| GB0603411D0 (en) * | 2006-02-21 | 2006-03-29 | Xvista Ltd | Method of processing an image of an eye |
| US7804983B2 (en) * | 2006-02-24 | 2010-09-28 | Fotonation Vision Limited | Digital image acquisition control and correction method and apparatus |
| US7844084B2 (en) * | 2006-02-27 | 2010-11-30 | Donald Martin Monro | Rotation compensated iris comparison |
| US20070206372A1 (en) * | 2006-03-02 | 2007-09-06 | Casillas Robert J | Illuminated container |
| WO2008019168A2 (en) | 2006-03-03 | 2008-02-14 | Honeywell International, Inc. | Modular biometrics collection system architecture |
| DE602007007062D1 (de) | 2006-03-03 | 2010-07-22 | Honeywell Int Inc | Iriserkennungssystem mit bildqualitätsmetrik |
| AU2007220010B2 (en) | 2006-03-03 | 2011-02-17 | Gentex Corporation | Single lens splitter camera |
| WO2007103834A1 (en) | 2006-03-03 | 2007-09-13 | Honeywell International, Inc. | Indexing and database search system |
| KR101299074B1 (ko) | 2006-03-03 | 2013-08-30 | 허니웰 인터내셔널 인코포레이티드 | 홍채 인코딩 시스템 |
| US8364646B2 (en) | 2006-03-03 | 2013-01-29 | Eyelock, Inc. | Scalable searching of biometric databases using dynamic selection of data subsets |
| US8014571B2 (en) * | 2006-05-15 | 2011-09-06 | Identix Incorporated | Multimodal ocular biometric system |
| IES20070229A2 (en) * | 2006-06-05 | 2007-10-03 | Fotonation Vision Ltd | Image acquisition method and apparatus |
| DE602007012246D1 (de) | 2006-06-12 | 2011-03-10 | Tessera Tech Ireland Ltd | Fortschritte bei der erweiterung der aam-techniken aus grauskalen- zu farbbildern |
| US8604901B2 (en) | 2006-06-27 | 2013-12-10 | Eyelock, Inc. | Ensuring the provenance of passengers at a transportation facility |
| US8355545B2 (en) | 2007-04-10 | 2013-01-15 | Lumidigm, Inc. | Biometric detection using spatial, temporal, and/or spectral techniques |
| US8175346B2 (en) | 2006-07-19 | 2012-05-08 | Lumidigm, Inc. | Whole-hand multispectral biometric imaging |
| US7995808B2 (en) | 2006-07-19 | 2011-08-09 | Lumidigm, Inc. | Contactless multispectral biometric capture |
| US7804984B2 (en) * | 2006-07-31 | 2010-09-28 | Lumidigm, Inc. | Spatial-spectral fingerprint spoof detection |
| US7801339B2 (en) * | 2006-07-31 | 2010-09-21 | Lumidigm, Inc. | Biometrics with spatiospectral spoof detection |
| KR101451376B1 (ko) * | 2006-07-31 | 2014-10-16 | 루미다임 인크. | 공간 스펙트럼 지문 스푸프 검출 |
| EP2062197A4 (en) * | 2006-09-15 | 2010-10-06 | Retica Systems Inc | MULTIMODAL BIOMETRIC SYSTEM AND METHOD FOR LARGE DISTANCES |
| US8121356B2 (en) | 2006-09-15 | 2012-02-21 | Identix Incorporated | Long distance multimodal biometric system and method |
| WO2008091401A2 (en) | 2006-09-15 | 2008-07-31 | Retica Systems, Inc | Multimodal ocular biometric system and methods |
| US8965063B2 (en) | 2006-09-22 | 2015-02-24 | Eyelock, Inc. | Compact biometric acquisition system and method |
| US7970179B2 (en) * | 2006-09-25 | 2011-06-28 | Identix Incorporated | Iris data extraction |
| WO2008042879A1 (en) | 2006-10-02 | 2008-04-10 | Global Rainmakers, Inc. | Fraud resistant biometric financial transaction system and method |
| US7809747B2 (en) * | 2006-10-23 | 2010-10-05 | Donald Martin Monro | Fuzzy database matching |
| US9846739B2 (en) | 2006-10-23 | 2017-12-19 | Fotonation Limited | Fast database matching |
| US8055067B2 (en) | 2007-01-18 | 2011-11-08 | DigitalOptics Corporation Europe Limited | Color segmentation |
| EP2115662B1 (en) | 2007-02-28 | 2010-06-23 | Fotonation Vision Limited | Separating directional lighting variability in statistical face modelling based on texture space decomposition |
| WO2008109708A1 (en) | 2007-03-05 | 2008-09-12 | Fotonation Vision Limited | Red eye false positive filtering using face location and orientation |
| JP4309927B2 (ja) * | 2007-03-14 | 2009-08-05 | 株式会社豊田中央研究所 | まぶた検出装置及びプログラム |
| CN101641049A (zh) | 2007-03-21 | 2010-02-03 | 光谱辨识公司 | 基于局部一致特征的生物测定 |
| US7773118B2 (en) * | 2007-03-25 | 2010-08-10 | Fotonation Vision Limited | Handheld article with movement discrimination |
| US8953849B2 (en) | 2007-04-19 | 2015-02-10 | Eyelock, Inc. | Method and system for biometric recognition |
| WO2008131201A1 (en) | 2007-04-19 | 2008-10-30 | Global Rainmakers, Inc. | Method and system for biometric recognition |
| US8063889B2 (en) | 2007-04-25 | 2011-11-22 | Honeywell International Inc. | Biometric data collection system |
| US8275179B2 (en) * | 2007-05-01 | 2012-09-25 | 3M Cogent, Inc. | Apparatus for capturing a high quality image of a moist finger |
| US20120239458A9 (en) * | 2007-05-18 | 2012-09-20 | Global Rainmakers, Inc. | Measuring Effectiveness of Advertisements and Linking Certain Consumer Activities Including Purchases to Other Activities of the Consumer |
| US8411916B2 (en) * | 2007-06-11 | 2013-04-02 | 3M Cogent, Inc. | Bio-reader device with ticket identification |
| US20090060348A1 (en) * | 2007-08-28 | 2009-03-05 | Donald Martin Monro | Determination of Image Similarity |
| US9117119B2 (en) | 2007-09-01 | 2015-08-25 | Eyelock, Inc. | Mobile identity platform |
| WO2009029757A1 (en) | 2007-09-01 | 2009-03-05 | Global Rainmakers, Inc. | System and method for iris data acquisition for biometric identification |
| US9002073B2 (en) | 2007-09-01 | 2015-04-07 | Eyelock, Inc. | Mobile identity platform |
| US8212870B2 (en) | 2007-09-01 | 2012-07-03 | Hanna Keith J | Mirror system and method for acquiring biometric data |
| US9036871B2 (en) | 2007-09-01 | 2015-05-19 | Eyelock, Inc. | Mobility identity platform |
| KR100936880B1 (ko) * | 2007-09-07 | 2010-01-14 | 아이리텍 잉크 | 홍채 이미지 저장방법 및 복원 방법 |
| US7824034B2 (en) * | 2007-09-19 | 2010-11-02 | Utc Fire & Security Americas Corporation, Inc. | Iris imaging system and method for the same |
| US8503818B2 (en) | 2007-09-25 | 2013-08-06 | DigitalOptics Corporation Europe Limited | Eye defect detection in international standards organization images |
| US20090252382A1 (en) * | 2007-12-06 | 2009-10-08 | University Of Notre Dame Du Lac | Segmentation of iris images using active contour processing |
| US8750578B2 (en) | 2008-01-29 | 2014-06-10 | DigitalOptics Corporation Europe Limited | Detecting facial expressions in digital images |
| US8212864B2 (en) | 2008-01-30 | 2012-07-03 | DigitalOptics Corporation Europe Limited | Methods and apparatuses for using image acquisition data to detect and correct image defects |
| CA2736609C (en) * | 2008-02-14 | 2016-09-20 | Iristrac, Llc | System and method for animal identification using iris images |
| JP2009222853A (ja) * | 2008-03-14 | 2009-10-01 | Fujitsu Ltd | 偏光光学素子およびその製造方法 |
| US8436907B2 (en) | 2008-05-09 | 2013-05-07 | Honeywell International Inc. | Heterogeneous video capturing system |
| US10380603B2 (en) * | 2008-05-31 | 2019-08-13 | International Business Machines Corporation | Assessing personality and mood characteristics of a customer to enhance customer satisfaction and improve chances of a sale |
| US8005264B2 (en) * | 2008-06-09 | 2011-08-23 | Arcsoft, Inc. | Method of automatically detecting and tracking successive frames in a region of interesting by an electronic imaging device |
| ATE484804T1 (de) | 2008-06-25 | 2010-10-15 | Deutsche Telekom Ag | System zur extraktion, identifizierung und überprüfung von irismerkmalen auf der basis von directionlets |
| WO2009158662A2 (en) | 2008-06-26 | 2009-12-30 | Global Rainmakers, Inc. | Method of reducing visibility of illimination while acquiring high quality imagery |
| US20100014755A1 (en) * | 2008-07-21 | 2010-01-21 | Charles Lee Wilson | System and method for grid-based image segmentation and matching |
| WO2010011785A1 (en) * | 2008-07-23 | 2010-01-28 | Indiana University Research & Technology Corporation | System and method for a non-cooperative iris image acquisition system |
| US8213782B2 (en) | 2008-08-07 | 2012-07-03 | Honeywell International Inc. | Predictive autofocusing system |
| US8090246B2 (en) | 2008-08-08 | 2012-01-03 | Honeywell International Inc. | Image acquisition system |
| US8081254B2 (en) | 2008-08-14 | 2011-12-20 | DigitalOptics Corporation Europe Limited | In-camera based method of detecting defect eye with high accuracy |
| US8306279B2 (en) * | 2008-09-15 | 2012-11-06 | Eyelock, Inc. | Operator interface for face and iris recognition devices |
| US20100278394A1 (en) * | 2008-10-29 | 2010-11-04 | Raguin Daniel H | Apparatus for Iris Capture |
| US8317325B2 (en) | 2008-10-31 | 2012-11-27 | Cross Match Technologies, Inc. | Apparatus and method for two eye imaging for iris identification |
| US8280119B2 (en) | 2008-12-05 | 2012-10-02 | Honeywell International Inc. | Iris recognition system using quality metrics |
| US20100232654A1 (en) * | 2009-03-11 | 2010-09-16 | Harris Corporation | Method for reconstructing iris scans through novel inpainting techniques and mosaicing of partial collections |
| US20100232659A1 (en) * | 2009-03-12 | 2010-09-16 | Harris Corporation | Method for fingerprint template synthesis and fingerprint mosaicing using a point matching algorithm |
| US8195044B2 (en) | 2009-03-30 | 2012-06-05 | Eyelock Inc. | Biometric camera mount system |
| US8633999B2 (en) * | 2009-05-29 | 2014-01-21 | DigitalOptics Corporation Europe Limited | Methods and apparatuses for foreground, top-of-the-head separation from background |
| US8472681B2 (en) | 2009-06-15 | 2013-06-25 | Honeywell International Inc. | Iris and ocular recognition system using trace transforms |
| US8630464B2 (en) | 2009-06-15 | 2014-01-14 | Honeywell International Inc. | Adaptive iris matching using database indexing |
| US20110044513A1 (en) * | 2009-08-19 | 2011-02-24 | Harris Corporation | Method for n-wise registration and mosaicing of partial prints |
| US8306288B2 (en) * | 2009-08-19 | 2012-11-06 | Harris Corporation | Automatic identification of fingerprint inpainting target areas |
| CN102576408A (zh) | 2009-08-26 | 2012-07-11 | 光谱辨识公司 | 多路复用的生物计量成像和双成像器生物计量传感器 |
| US8332281B2 (en) | 2009-09-02 | 2012-12-11 | Image Holdings | Method of displaying, managing and selling images in an event photography environment |
| US8392268B2 (en) | 2009-09-02 | 2013-03-05 | Image Holdings | Method and system of displaying, managing and selling images in an event photography environment |
| US20110119141A1 (en) * | 2009-11-16 | 2011-05-19 | Hoyos Corporation | Siccolla Identity Verification Architecture and Tool |
| US8472120B2 (en) | 2010-02-28 | 2013-06-25 | Osterhout Group, Inc. | See-through near-eye display glasses with a small scale image source |
| US9285589B2 (en) | 2010-02-28 | 2016-03-15 | Microsoft Technology Licensing, Llc | AR glasses with event and sensor triggered control of AR eyepiece applications |
| US9759917B2 (en) | 2010-02-28 | 2017-09-12 | Microsoft Technology Licensing, Llc | AR glasses with event and sensor triggered AR eyepiece interface to external devices |
| US9134534B2 (en) | 2010-02-28 | 2015-09-15 | Microsoft Technology Licensing, Llc | See-through near-eye display glasses including a modular image source |
| US9128281B2 (en) | 2010-09-14 | 2015-09-08 | Microsoft Technology Licensing, Llc | Eyepiece with uniformly illuminated reflective display |
| JP2013521576A (ja) | 2010-02-28 | 2013-06-10 | オスターハウト グループ インコーポレイテッド | 対話式ヘッド取付け型アイピース上での地域広告コンテンツ |
| US9097890B2 (en) | 2010-02-28 | 2015-08-04 | Microsoft Technology Licensing, Llc | Grating in a light transmissive illumination system for see-through near-eye display glasses |
| US9366862B2 (en) | 2010-02-28 | 2016-06-14 | Microsoft Technology Licensing, Llc | System and method for delivering content to a group of see-through near eye display eyepieces |
| US9229227B2 (en) | 2010-02-28 | 2016-01-05 | Microsoft Technology Licensing, Llc | See-through near-eye display glasses with a light transmissive wedge shaped illumination system |
| US9129295B2 (en) | 2010-02-28 | 2015-09-08 | Microsoft Technology Licensing, Llc | See-through near-eye display glasses with a fast response photochromic film system for quick transition from dark to clear |
| US9097891B2 (en) | 2010-02-28 | 2015-08-04 | Microsoft Technology Licensing, Llc | See-through near-eye display glasses including an auto-brightness control for the display brightness based on the brightness in the environment |
| US8477425B2 (en) | 2010-02-28 | 2013-07-02 | Osterhout Group, Inc. | See-through near-eye display glasses including a partially reflective, partially transmitting optical element |
| US9223134B2 (en) | 2010-02-28 | 2015-12-29 | Microsoft Technology Licensing, Llc | Optical imperfections in a light transmissive illumination system for see-through near-eye display glasses |
| US10180572B2 (en) | 2010-02-28 | 2019-01-15 | Microsoft Technology Licensing, Llc | AR glasses with event and user action control of external applications |
| US9091851B2 (en) | 2010-02-28 | 2015-07-28 | Microsoft Technology Licensing, Llc | Light control in head mounted displays |
| US8488246B2 (en) | 2010-02-28 | 2013-07-16 | Osterhout Group, Inc. | See-through near-eye display glasses including a curved polarizing film in the image source, a partially reflective, partially transmitting optical element and an optically flat film |
| US8467133B2 (en) | 2010-02-28 | 2013-06-18 | Osterhout Group, Inc. | See-through display with an optical assembly including a wedge-shaped illumination system |
| US20150309316A1 (en) | 2011-04-06 | 2015-10-29 | Microsoft Technology Licensing, Llc | Ar glasses with predictive control of external device based on event input |
| US9341843B2 (en) | 2010-02-28 | 2016-05-17 | Microsoft Technology Licensing, Llc | See-through near-eye display glasses with a small scale image source |
| US9182596B2 (en) | 2010-02-28 | 2015-11-10 | Microsoft Technology Licensing, Llc | See-through near-eye display glasses with the optical assembly including absorptive polarizers or anti-reflective coatings to reduce stray light |
| US8482859B2 (en) | 2010-02-28 | 2013-07-09 | Osterhout Group, Inc. | See-through near-eye display glasses wherein image light is transmitted to and reflected from an optically flat film |
| US20120249797A1 (en) | 2010-02-28 | 2012-10-04 | Osterhout Group, Inc. | Head-worn adaptive display |
| US8570149B2 (en) | 2010-03-16 | 2013-10-29 | Lumidigm, Inc. | Biometric imaging using an optical adaptive interface |
| US8577094B2 (en) | 2010-04-09 | 2013-11-05 | Donald Martin Monro | Image template masking |
| US10799168B2 (en) | 2010-06-07 | 2020-10-13 | Affectiva, Inc. | Individual data sharing across a social network |
| US11430561B2 (en) | 2010-06-07 | 2022-08-30 | Affectiva, Inc. | Remote computing analysis for cognitive state data metrics |
| US12076149B2 (en) | 2010-06-07 | 2024-09-03 | Affectiva, Inc. | Vehicle manipulation with convolutional image processing |
| US10074024B2 (en) | 2010-06-07 | 2018-09-11 | Affectiva, Inc. | Mental state analysis using blink rate for vehicles |
| US10108852B2 (en) * | 2010-06-07 | 2018-10-23 | Affectiva, Inc. | Facial analysis to detect asymmetric expressions |
| US10592757B2 (en) | 2010-06-07 | 2020-03-17 | Affectiva, Inc. | Vehicular cognitive data collection using multiple devices |
| US10289898B2 (en) | 2010-06-07 | 2019-05-14 | Affectiva, Inc. | Video recommendation via affect |
| US10911829B2 (en) | 2010-06-07 | 2021-02-02 | Affectiva, Inc. | Vehicle video recommendation via affect |
| US10204625B2 (en) | 2010-06-07 | 2019-02-12 | Affectiva, Inc. | Audio analysis learning using video data |
| US10401860B2 (en) | 2010-06-07 | 2019-09-03 | Affectiva, Inc. | Image analysis for two-sided data hub |
| US9959549B2 (en) | 2010-06-07 | 2018-05-01 | Affectiva, Inc. | Mental state analysis for norm generation |
| US9723992B2 (en) | 2010-06-07 | 2017-08-08 | Affectiva, Inc. | Mental state analysis using blink rate |
| US11017250B2 (en) | 2010-06-07 | 2021-05-25 | Affectiva, Inc. | Vehicle manipulation using convolutional image processing |
| US9247903B2 (en) | 2010-06-07 | 2016-02-02 | Affectiva, Inc. | Using affect within a gaming context |
| US10614289B2 (en) | 2010-06-07 | 2020-04-07 | Affectiva, Inc. | Facial tracking with classifiers |
| US10517521B2 (en) | 2010-06-07 | 2019-12-31 | Affectiva, Inc. | Mental state mood analysis using heart rate collection based on video imagery |
| US10843078B2 (en) | 2010-06-07 | 2020-11-24 | Affectiva, Inc. | Affect usage within a gaming context |
| US10796176B2 (en) | 2010-06-07 | 2020-10-06 | Affectiva, Inc. | Personal emotional profile generation for vehicle manipulation |
| US11657288B2 (en) | 2010-06-07 | 2023-05-23 | Affectiva, Inc. | Convolutional computing using multilayered analysis engine |
| US11292477B2 (en) | 2010-06-07 | 2022-04-05 | Affectiva, Inc. | Vehicle manipulation using cognitive state engineering |
| US11587357B2 (en) | 2010-06-07 | 2023-02-21 | Affectiva, Inc. | Vehicular cognitive data collection with multiple devices |
| US11393133B2 (en) | 2010-06-07 | 2022-07-19 | Affectiva, Inc. | Emoji manipulation using machine learning |
| US9646046B2 (en) | 2010-06-07 | 2017-05-09 | Affectiva, Inc. | Mental state data tagging for data collected from multiple sources |
| US10628741B2 (en) | 2010-06-07 | 2020-04-21 | Affectiva, Inc. | Multimodal machine learning for emotion metrics |
| US11823055B2 (en) | 2019-03-31 | 2023-11-21 | Affectiva, Inc. | Vehicular in-cabin sensing using machine learning |
| US11232290B2 (en) | 2010-06-07 | 2022-01-25 | Affectiva, Inc. | Image analysis using sub-sectional component evaluation to augment classifier usage |
| US10143414B2 (en) | 2010-06-07 | 2018-12-04 | Affectiva, Inc. | Sporadic collection with mobile affect data |
| US9642536B2 (en) | 2010-06-07 | 2017-05-09 | Affectiva, Inc. | Mental state analysis using heart rate collection based on video imagery |
| US10897650B2 (en) | 2010-06-07 | 2021-01-19 | Affectiva, Inc. | Vehicle content recommendation using cognitive states |
| US9204836B2 (en) | 2010-06-07 | 2015-12-08 | Affectiva, Inc. | Sporadic collection of mobile affect data |
| US10922567B2 (en) | 2010-06-07 | 2021-02-16 | Affectiva, Inc. | Cognitive state based vehicle manipulation using near-infrared image processing |
| US11410438B2 (en) | 2010-06-07 | 2022-08-09 | Affectiva, Inc. | Image analysis using a semiconductor processor for facial evaluation in vehicles |
| US10474875B2 (en) | 2010-06-07 | 2019-11-12 | Affectiva, Inc. | Image analysis using a semiconductor processor for facial evaluation |
| US11056225B2 (en) | 2010-06-07 | 2021-07-06 | Affectiva, Inc. | Analytics for livestreaming based on image analysis within a shared digital environment |
| US11430260B2 (en) | 2010-06-07 | 2022-08-30 | Affectiva, Inc. | Electronic display viewing verification |
| US11465640B2 (en) | 2010-06-07 | 2022-10-11 | Affectiva, Inc. | Directed control transfer for autonomous vehicles |
| US11484685B2 (en) | 2010-06-07 | 2022-11-01 | Affectiva, Inc. | Robotic control using profiles |
| US11318949B2 (en) | 2010-06-07 | 2022-05-03 | Affectiva, Inc. | In-vehicle drowsiness analysis using blink rate |
| US9503786B2 (en) | 2010-06-07 | 2016-11-22 | Affectiva, Inc. | Video recommendation using affect |
| US10482333B1 (en) | 2017-01-04 | 2019-11-19 | Affectiva, Inc. | Mental state analysis using blink rate within vehicles |
| US9934425B2 (en) | 2010-06-07 | 2018-04-03 | Affectiva, Inc. | Collection of affect data from multiple mobile devices |
| US11704574B2 (en) | 2010-06-07 | 2023-07-18 | Affectiva, Inc. | Multimodal machine learning for vehicle manipulation |
| US11067405B2 (en) | 2010-06-07 | 2021-07-20 | Affectiva, Inc. | Cognitive state vehicle navigation based on image processing |
| US10869626B2 (en) | 2010-06-07 | 2020-12-22 | Affectiva, Inc. | Image analysis for emotional metric evaluation |
| US11151610B2 (en) | 2010-06-07 | 2021-10-19 | Affectiva, Inc. | Autonomous vehicle control using heart rate collection based on video imagery |
| US11511757B2 (en) | 2010-06-07 | 2022-11-29 | Affectiva, Inc. | Vehicle manipulation with crowdsourcing |
| US10779761B2 (en) | 2010-06-07 | 2020-09-22 | Affectiva, Inc. | Sporadic collection of affect data within a vehicle |
| US10627817B2 (en) | 2010-06-07 | 2020-04-21 | Affectiva, Inc. | Vehicle manipulation using occupant image analysis |
| US11887352B2 (en) | 2010-06-07 | 2024-01-30 | Affectiva, Inc. | Live streaming analytics within a shared digital environment |
| US11073899B2 (en) | 2010-06-07 | 2021-07-27 | Affectiva, Inc. | Multidevice multimodal emotion services monitoring |
| US11700420B2 (en) | 2010-06-07 | 2023-07-11 | Affectiva, Inc. | Media manipulation using cognitive state metric analysis |
| US10111611B2 (en) | 2010-06-07 | 2018-10-30 | Affectiva, Inc. | Personal emotional profile generation |
| US11935281B2 (en) | 2010-06-07 | 2024-03-19 | Affectiva, Inc. | Vehicular in-cabin facial tracking using machine learning |
| US8971628B2 (en) | 2010-07-26 | 2015-03-03 | Fotonation Limited | Face detection using division-generated haar-like features for illumination invariance |
| US8742887B2 (en) | 2010-09-03 | 2014-06-03 | Honeywell International Inc. | Biometric visitor check system |
| US8254768B2 (en) * | 2010-12-22 | 2012-08-28 | Michael Braithwaite | System and method for illuminating and imaging the iris of a person |
| US8831416B2 (en) * | 2010-12-22 | 2014-09-09 | Michael Braithwaite | System and method for illuminating and identifying a person |
| US10043229B2 (en) | 2011-01-26 | 2018-08-07 | Eyelock Llc | Method for confirming the identity of an individual while shielding that individual's personal data |
| BR112013021160B1 (pt) | 2011-02-17 | 2021-06-22 | Eyelock Llc | Método e aparelho para processar imagens adquiridas usando um único sensor de imagens |
| US8836777B2 (en) | 2011-02-25 | 2014-09-16 | DigitalOptics Corporation Europe Limited | Automatic detection of vertical gaze using an embedded imaging device |
| EP2678820A4 (en) | 2011-02-27 | 2014-12-03 | Affectiva Inc | VIDEO RECOMMENDATION BASED ON AN AFFECT |
| CN102129685B (zh) * | 2011-03-24 | 2012-08-29 | 杭州电子科技大学 | 一种基于高斯金字塔分解的不规则圆检测方法 |
| RU2013151175A (ru) | 2011-04-19 | 2015-05-27 | Айлок Инк. | Биометрическая цепочка происхождения |
| US8755607B2 (en) | 2011-04-28 | 2014-06-17 | Sri International | Method of normalizing a digital image of an iris of an eye |
| US8639058B2 (en) * | 2011-04-28 | 2014-01-28 | Sri International | Method of generating a normalized digital image of an iris of an eye |
| US8854446B2 (en) | 2011-04-28 | 2014-10-07 | Iristrac, Llc | Method of capturing image data for iris code based identification of vertebrates |
| US8682073B2 (en) | 2011-04-28 | 2014-03-25 | Sri International | Method of pupil segmentation |
| WO2012158825A2 (en) | 2011-05-17 | 2012-11-22 | Eyelock Inc. | Systems and methods for illuminating an iris with visible light for biometric acquisition |
| US9400806B2 (en) | 2011-06-08 | 2016-07-26 | Hewlett-Packard Development Company, L.P. | Image triggered transactions |
| KR102024954B1 (ko) | 2011-08-22 | 2019-09-24 | 아이락 엘엘씨 | 아티팩트 없는 이미지들을 캡처하기 위한 시스템들 및 방법들 |
| US9373023B2 (en) * | 2012-02-22 | 2016-06-21 | Sri International | Method and apparatus for robustly collecting facial, ocular, and iris images using a single sensor |
| US20130226655A1 (en) * | 2012-02-29 | 2013-08-29 | BVI Networks, Inc. | Method and system for statistical analysis of customer movement and integration with other data |
| US20150051460A1 (en) * | 2012-04-04 | 2015-02-19 | Noopur Saxena | System and method for locating blood vessels and analysing blood |
| US8798332B2 (en) | 2012-05-15 | 2014-08-05 | Google Inc. | Contact lenses |
| US9265458B2 (en) | 2012-12-04 | 2016-02-23 | Sync-Think, Inc. | Application of smooth pursuit cognitive testing paradigms to clinical drug development |
| US9101297B2 (en) | 2012-12-11 | 2015-08-11 | Elwha Llc | Time-based unobtrusive active eye interrogation |
| US9039179B2 (en) | 2012-12-11 | 2015-05-26 | Elwha Llc | Unobtrusive active eye interrogation |
| US9039180B2 (en) | 2012-12-11 | 2015-05-26 | Elwah LLC | Self-aligning unobtrusive active eye interrogation |
| CN103136421B (zh) * | 2013-01-31 | 2015-08-26 | 贵阳科安科技有限公司 | 用于虹膜成像装置的系统级光电优化设计方法 |
| US9380976B2 (en) | 2013-03-11 | 2016-07-05 | Sync-Think, Inc. | Optical neuroinformatics |
| US9495526B2 (en) | 2013-03-15 | 2016-11-15 | Eyelock Llc | Efficient prevention of fraud |
| US20140327754A1 (en) * | 2013-05-06 | 2014-11-06 | Delta ID Inc. | Method and apparatus for compensating for sub-optimal orientation of an iris imaging apparatus |
| CN103440483B (zh) * | 2013-09-03 | 2016-09-28 | 吉林大学 | 一种主动性对焦的虹膜图像采集装置 |
| US9582716B2 (en) * | 2013-09-09 | 2017-02-28 | Delta ID Inc. | Apparatuses and methods for iris based biometric recognition |
| CN103530617B (zh) * | 2013-10-22 | 2017-05-31 | 南京中科神光科技有限公司 | 虹膜对准与采集装置 |
| WO2015100335A1 (en) | 2013-12-23 | 2015-07-02 | Eyelock, Inc. | Methods and apparatus for power-efficient iris recognition |
| US10372982B2 (en) | 2014-01-06 | 2019-08-06 | Eyelock Llc | Methods and apparatus for repetitive iris recognition |
| WO2015137924A1 (en) * | 2014-03-11 | 2015-09-17 | Google Inc. | Contact lenses |
| WO2016040836A1 (en) * | 2014-09-12 | 2016-03-17 | Eyelock Llc | Methods and apparatus for directing the gaze of a user in an iris recognition system |
| US10425814B2 (en) | 2014-09-24 | 2019-09-24 | Princeton Identity, Inc. | Control of wireless communication device capability in a mobile device with a biometric key |
| US9767358B2 (en) * | 2014-10-22 | 2017-09-19 | Veridium Ip Limited | Systems and methods for performing iris identification and verification using mobile devices |
| US9585616B2 (en) | 2014-11-17 | 2017-03-07 | Elwha Llc | Determining treatment compliance using speech patterns passively captured from a patient environment |
| US9589107B2 (en) | 2014-11-17 | 2017-03-07 | Elwha Llc | Monitoring treatment compliance using speech patterns passively captured from a patient environment |
| US10430557B2 (en) | 2014-11-17 | 2019-10-01 | Elwha Llc | Monitoring treatment compliance using patient activity patterns |
| EP3221835A4 (en) | 2014-11-19 | 2018-04-18 | Eyelock Llc | Model-based prediction of an optimal convenience metric for authorizing transactions |
| CN104484649B (zh) * | 2014-11-27 | 2018-09-11 | 北京天诚盛业科技有限公司 | 虹膜识别的方法和装置 |
| EP3227816A4 (en) | 2014-12-03 | 2018-07-04 | Princeton Identity, Inc. | System and method for mobile device biometric add-on |
| US10074011B2 (en) | 2015-01-20 | 2018-09-11 | Eyelock Llc | Lens system for high quality visible image acquisition and infra-red iris image acquisition |
| FR3032539B1 (fr) * | 2015-02-10 | 2018-03-02 | Morpho | Procede d'acquisition de donnees biometriques selon une sequence verifiee |
| CN104680139B (zh) * | 2015-02-11 | 2018-09-11 | 北京天诚盛业科技有限公司 | 基于无焦镜的自反馈与定位虹膜采集装置 |
| CN107580767B (zh) | 2015-03-12 | 2020-12-29 | 眼锁有限责任公司 | 使用生物特征来管理网络活动的方法和系统 |
| US10406376B2 (en) | 2015-03-27 | 2019-09-10 | Equility Llc | Multi-factor control of ear stimulation |
| US10398902B2 (en) | 2015-03-27 | 2019-09-03 | Equility Llc | Neural stimulation method and system with audio output |
| US10327984B2 (en) | 2015-03-27 | 2019-06-25 | Equility Llc | Controlling ear stimulation in response to image analysis |
| US10512783B2 (en) | 2015-03-27 | 2019-12-24 | Equility Llc | User interface method and system for ear stimulation |
| US10589105B2 (en) | 2015-03-27 | 2020-03-17 | The Invention Science Fund Ii, Llc | Method and system for controlling ear stimulation |
| US10039928B2 (en) | 2015-03-27 | 2018-08-07 | Equility Llc | Ear stimulation with neural feedback sensing |
| US9987489B2 (en) | 2015-03-27 | 2018-06-05 | Elwha Llc | Controlling ear stimulation in response to electrical contact sensing |
| US11364380B2 (en) | 2015-03-27 | 2022-06-21 | Elwha Llc | Nerve stimulation system, subsystem, headset, and earpiece |
| KR102393228B1 (ko) | 2015-05-11 | 2022-04-29 | 매직 립, 인코포레이티드 | 뉴럴 네트워크들을 활용하여 생체 인증 사용자 인식을 위한 디바이스들, 방법들 및 시스템들 |
| US10311299B2 (en) | 2015-12-21 | 2019-06-04 | Eyelock Llc | Reflected optic camera module for iris recognition in a computing device |
| JP2019506694A (ja) | 2016-01-12 | 2019-03-07 | プリンストン・アイデンティティー・インコーポレーテッド | 生体測定分析のシステムおよび方法 |
| JP6889728B2 (ja) | 2016-03-11 | 2021-06-18 | マジック リープ， インコーポレイテッドＭａｇｉｃ Ｌｅａｐ，Ｉｎｃ． | 畳み込みニューラルネットワークにおける構造学習 |
| US10373008B2 (en) | 2016-03-31 | 2019-08-06 | Princeton Identity, Inc. | Systems and methods of biometric analysis with adaptive trigger |
| WO2017173228A1 (en) | 2016-03-31 | 2017-10-05 | Princeton Identity, Inc. | Biometric enrollment systems and methods |
| CA3024128A1 (en) | 2016-05-18 | 2017-11-23 | Eyelock, Llc | Iris recognition methods and systems based on an iris stochastic texture model |
| US10817722B1 (en) | 2017-03-20 | 2020-10-27 | Cross Match Technologies, Inc. | System for presentation attack detection in an iris or face scanner |
| US11531756B1 (en) | 2017-03-20 | 2022-12-20 | Hid Global Corporation | Apparatus for directing presentation attack detection in biometric scanners |
| US10607096B2 (en) | 2017-04-04 | 2020-03-31 | Princeton Identity, Inc. | Z-dimension user feedback biometric system |
| US10922566B2 (en) | 2017-05-09 | 2021-02-16 | Affectiva, Inc. | Cognitive state evaluation for vehicle navigation |
| DE102017115136B4 (de) * | 2017-07-06 | 2024-08-14 | Bundesdruckerei Gmbh | Vorrichtung und Verfahren zur Erfassung von biometrischen Merkmalen eines Gesichts einer Person |
| JP2020529073A (ja) | 2017-07-26 | 2020-10-01 | プリンストン・アイデンティティー・インコーポレーテッド | 生体セキュリティシステムおよび方法 |
| CN111033562B (zh) * | 2017-08-30 | 2024-03-22 | 日本电气株式会社 | 图像处理系统、图像处理方法和存储介质 |
| US20190172458A1 (en) | 2017-12-01 | 2019-06-06 | Affectiva, Inc. | Speech analysis for cross-language mental state identification |
| US10713483B2 (en) * | 2018-03-20 | 2020-07-14 | Welch Allyn, Inc. | Pupil edge detection in digital imaging |
| DE102018121256A1 (de) * | 2018-08-30 | 2020-03-05 | Bundesdruckerei Gmbh | Zugangskontrollsystem zum Erfassen eines Gesichtsbildes einer Person |
| US11887383B2 (en) | 2019-03-31 | 2024-01-30 | Affectiva, Inc. | Vehicle interior object management |
| US11046327B2 (en) * | 2019-04-09 | 2021-06-29 | Fotonation Limited | System for performing eye detection and/or tracking |
| US10948986B2 (en) | 2019-04-09 | 2021-03-16 | Fotonation Limited | System for performing eye detection and/or tracking |
| EP3973468A4 (en) | 2019-05-21 | 2022-09-14 | Magic Leap, Inc. | HANDPOSITION ESTIMATING |
| US11770598B1 (en) * | 2019-12-06 | 2023-09-26 | Amazon Technologies, Inc. | Sensor assembly for acquiring images |
| US11769056B2 (en) | 2019-12-30 | 2023-09-26 | Affectiva, Inc. | Synthetic data for neural network training using vectors |
| CN113706469B (zh) * | 2021-07-29 | 2024-04-05 | 天津中科智能识别产业技术研究院有限公司 | 一种基于多模型投票机制的虹膜自动分割方法及系统 |
| CN118076301A (zh) * | 2021-11-05 | 2024-05-24 | 松下知识产权经营株式会社 | 摄像系统、处理装置及在摄像系统中由计算机执行的方法 |
| US12056532B2 (en) * | 2022-01-21 | 2024-08-06 | Dell Products L.P. | Method and system for performing distributed computer vision workloads in a computer vision environment |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3069654A (en) * | 1960-03-25 | 1962-12-18 | Paul V C Hough | Method and means for recognizing complex patterns |
| US4109237A (en) * | 1977-01-17 | 1978-08-22 | Hill Robert B | Apparatus and method for identifying individuals through their retinal vasculature patterns |
| US4620318A (en) * | 1983-04-18 | 1986-10-28 | Eye-D Development Ii Ltd. | Fovea-centered eye fundus scanner |
| GB8518803D0 (en) * | 1985-07-25 | 1985-08-29 | Rca Corp | Locating target patterns within images |
| US4641349A (en) * | 1985-02-20 | 1987-02-03 | Leonard Flom | Iris recognition system |
| JPH01158579A (ja) * | 1987-09-09 | 1989-06-21 | Aisin Seiki Co Ltd | 像認識装置 |
| US4975969A (en) * | 1987-10-22 | 1990-12-04 | Peter Tal | Method and apparatus for uniquely identifying individuals by particular physical characteristics and security system utilizing the same |
| US5016282A (en) * | 1988-07-14 | 1991-05-14 | Atr Communication Systems Research Laboratories | Eye tracking image pickup apparatus for separating noise from feature portions |
| US5063603A (en) * | 1989-11-06 | 1991-11-05 | David Sarnoff Research Center, Inc. | Dynamic method for recognizing objects and image processing system therefor |
| GB9001468D0 (en) * | 1990-01-23 | 1990-03-21 | Sarnoff David Res Center | Computing multiple motions within an image region |
| US5291560A (en) * | 1991-07-15 | 1994-03-01 | Iri Scan Incorporated | Biometric personal identification system based on iris analysis |
| US5179441A (en) * | 1991-12-18 | 1993-01-12 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Near real-time stereo vision system |
| US5325449A (en) * | 1992-05-15 | 1994-06-28 | David Sarnoff Research Center, Inc. | Method for fusing images and apparatus therefor |
-
1994
- 1994-09-02 US US08/300,678 patent/US5572596A/en not_active Expired - Lifetime
-
1995
- 1995-09-05 BR BR9508691A patent/BR9508691A/pt not_active Application Discontinuation
- 1995-09-05 HU HU9701760A patent/HUT76950A/hu unknown
- 1995-09-05 EP EP95931012A patent/EP0793833A4/en not_active Withdrawn
- 1995-09-05 CA CA002199040A patent/CA2199040A1/en not_active Abandoned
- 1995-09-05 MX MX9701624A patent/MX9701624A/es unknown
- 1995-09-05 WO PCT/US1995/010985 patent/WO1996007978A1/en active IP Right Grant
- 1995-09-05 AU AU34198/95A patent/AU702883B2/en not_active Ceased
- 1995-09-05 KR KR1019970701378A patent/KR970705798A/ko active IP Right Grant
- 1995-09-05 JP JP50955696A patent/JP3943591B2/ja not_active Expired - Lifetime
- 1995-09-05 EP EP01201449A patent/EP1126403A2/en not_active Withdrawn
- 1995-09-05 CN CN95195628A patent/CN1160446A/zh active Pending
-
1996
- 1996-09-27 US US08/727,366 patent/US5751836A/en not_active Expired - Fee Related
-
2006
- 2006-04-10 JP JP2006107872A patent/JP2006260583A/ja active Pending
- 2006-04-10 JP JP2006107873A patent/JP2006302276A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| MX9701624A (es) | 1998-05-31 |
| AU3419895A (en) | 1996-03-27 |
| EP0793833A1 (en) | 1997-09-10 |
| BR9508691A (pt) | 1998-01-06 |
| CA2199040A1 (en) | 1996-03-14 |
| US5572596A (en) | 1996-11-05 |
| JP2006260583A (ja) | 2006-09-28 |
| WO1996007978A1 (en) | 1996-03-14 |
| EP0793833A4 (en) | 1998-06-10 |
| JP3943591B2 (ja) | 2007-07-11 |
| KR970705798A (ko) | 1997-10-09 |
| CN1160446A (zh) | 1997-09-24 |
| JP2006302276A (ja) | 2006-11-02 |
| JPH10505180A (ja) | 1998-05-19 |
| AU702883B2 (en) | 1999-03-11 |
| US5751836A (en) | 1998-05-12 |
| EP1126403A2 (en) | 2001-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| HUT76950A (hu) | Eljárás és berendezés automatikus, beavatkozásmentes írisz felismeréshez | |
| Wildes et al. | A system for automated iris recognition | |
| Wildes et al. | A machine-vision system for iris recognition | |
| CA3004029C (en) | Apparatus, systems and methods for improved facial detection and recognition in vehicle inspection security systems | |
| Labati et al. | Toward unconstrained fingerprint recognition: A fully touchless 3-D system based on two views on the move | |
| US8064647B2 (en) | System for iris detection tracking and recognition at a distance | |
| KR100649303B1 (ko) | 양쪽 눈의 홍채 이미지 집사 장치 | |
| US6714665B1 (en) | Fully automated iris recognition system utilizing wide and narrow fields of view | |
| Chou et al. | Non-orthogonal view iris recognition system | |
| EP0865637A1 (en) | Wide field of view/narrow field of view recognition system and method | |
| KR20160068884A (ko) | 홍채 생체 인식 모듈 및 액세스 제어 조립체 | |
| CN106529436B (zh) | 一种身份一致性认证方法、装置和移动终端 | |
| CN104680128B (zh) | 一种基于四维分析的生物特征识别方法和系统 | |
| EP1671258A2 (en) | Method and apparatus for performing iris recognition from an image | |
| KR100347058B1 (ko) | 얼굴 촬영/인식방법 | |
| Morimoto et al. | Automatic iris segmentation using active near infra red lighting | |
| Venugopalan et al. | Unconstrained iris acquisition and recognition using cots ptz camera | |
| KR20210123385A (ko) | 비접촉 지문 획득 장치 및 방법 | |
| Yoon et al. | Nonintrusive iris image acquisition system based on a pan-tilt-zoom camera and light stripe projection | |
| US20210256103A1 (en) | Handheld multi-sensor biometric imaging device and processing pipeline | |
| JP2648198B2 (ja) | 注視方向検出方法 | |
| AU719428B2 (en) | Automated, non-invasive iris recognition system and method | |
| Yoo et al. | A simply integrated dual-sensor based non-intrusive iris image acquisition system | |
| Li et al. | Iris recognition | |
| Kim et al. | Improved iris localization by using wide and narrow field of view cameras for iris recognition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| DFD9 | Temporary protection cancelled due to non-payment of fee |