JP2000030065A - パターン認識装置及びその方法 - Google Patents
パターン認識装置及びその方法Info
- Publication number
- JP2000030065A JP2000030065A JP10199128A JP19912898A JP2000030065A JP 2000030065 A JP2000030065 A JP 2000030065A JP 10199128 A JP10199128 A JP 10199128A JP 19912898 A JP19912898 A JP 19912898A JP 2000030065 A JP2000030065 A JP 2000030065A
- Authority
- JP
- Japan
- Prior art keywords
- subspace
- input
- pattern
- dictionary
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
ことにより、これらの変動成分の影響を最小限に抑えた
安定なパターン認識装置を提供する。 【解決手段】 画像入力部11、顔領域抽出部12、顔
特徴点抽出部13、正規化画像生成部14、部分空間生
成部15、制約部分空間格納部16、辞書部分空間格納
部17、部分空間射影部18、相互部分空間計算部1
9、判定部20、表示部21からなり、入力パターンか
ら入力部分空間を算出し、辞書パターンから辞書部分空
間を算出し、制約条件から制約部分空間を算出し、入力
部分空間と辞書部分空間を、制約部分空間に射影し、こ
れから入力パターンと辞書パターンとを識別する。
Description
に不必要なパターン情報を効率良く取り除いてパターン
認識を安定に行う発明に関する。
従来の顔画像を対象にしたパターンの認識を例にとって
説明する。
る識別に比べて非接触で行なえるため使用者の心理的な
負担が少なく、ヒューマンインタフェースからセキュリ
ティシステムまで様々な分野への適用が考えられる。
文献〔塩野充、真田英彦:“個人認証技術の最近の研究
動向”、信学技報OSF92-17〕が詳しいが、従来の顔画像
識別法は、大きく分けると以下の2つの方法に分類でき
る。
位置、形状、サイズをパラメータ化して特徴ベクトルを
生成し、予め登録されている対象人物の特徴ベクトルと
の類似度を計算する方法である。最も類似度が高い辞書
ベクトルを表す人物を当人と識別する。これらは「構造
解析的方法」に分類される。
とした2次元affine変換などの幾何学変換により位置、
サイズを正規化された画像と予め登録されている辞書正
規化画像とのパターンの類似度に基づいた方法である。
第1の方法と同様に最も類似度が高い辞書画像を表す人
物を当人と識別する。これらは従来の文字認識で実用化
されている方法で「パターン的方法」に分類できる。
る顔の認識の研究動向”、電子情報通信学会誌Vol.80〕
によると、第1の方法に比べて第2の方法が識別率が高
いことが報告されている。
ある部分空間法は、これまで文字認識等で幅広く用いら
れてきた。入力ベクトルと各辞書部分空間との角度を類
似度として求め、最小角度を成す部分空間に対応するカ
テゴリを入力ベクトルのカテゴリと決定する。単純な相
関法などに比べて辞書側に冗長性を持たせているためパ
ターンの変形に対する吸収能力に優れている。部分空間
法に関する詳細は、「飯島泰蔵“パターン認識理論”森
北出版(1989年)」「エルッキ・オヤ著“パターン認識
と部分空間法”産業図書(1986年)」などに詳しい。
めた相互部分空間法〔前田賢一、渡辺貞一、“局所的構
造を導入したパターン・マッチング法”、信学論(D)、vo
l.J68-D、No.3,pp.345-352、1985〕、特許〔3次元物体認
識装置及びその方法:特願平10−66663号〕が開
発されている。
分空間法は、本発明の理解の前提となるため、その内容
を以下に詳しく説明する。
側も部分空間で表し、入力部分空間と辞書部分空間の成
す角度θのcos2 θを類似度とする。
れる。
Qの射影行列をQとすると、部分空間PとQとの
成す角度θのcos2 θは、QPQあるいはPQPの固
有値となる。
os2 θ1 となる。
った角度のcos2 θ2 、以下同様にN個のcos2 θ
i が順次求まる。
が成す“正準角”として知られている。正準角について
は、文献〔F.chatclin,“行列の固有値”、伊理正夫、
伊理由実訳、シュプリンガー・フェアラーク東京、1993
年〕などに詳しい。
に部分空間で表現するために、パターン変形に対する吸
収能力が非常に高い。入力部分空間は、入力される複数
枚の画像セットに対してKL展開により求める。あるい
は、同時反復法を用いて、動画像から逐次生成すること
も可能である。
た顔認識法の識別性能は、以下に挙げる変動の影響を受
け易い。
解決することが重要である。
の動画像系列に対して相互部分空間法を適用すれば、そ
の影響を低減できることが確認されている〔山口修、福
井和広、前田賢一、“動画像を用いた顔認識システ
ム”、信学技報、PRMU97-50,pp.17-24,1997 〕。
依然として解決されているとは言えない。
しては、3次元物体である顔の認識は、平面上に書かれ
ている文字の認識に比較してその影響をより受け易い。
顔の側面から外光が照射されて影やハイライトが生じて
いる場合、人は容易に同一人物として認識できるが計算
機には正しく認識することが難しい。
空間法であるが、照明変動の影響に対するロバスト性は
改善されていない。これは相互部分空間法において求め
る角度θ、つまり角度を計る2つのベクトルu,vの関
係に制約が課せられていないからだと言える。さらに見
方を変えるとベクトルu,vの差分ベクトルに制約が課
せられていない事になる。
含んだ画像に対して適用すると、最小角度θを成す2つ
のベクトルの差分ベクトルには照明変動成分が含まれ
る。異なる人物に対しても、照明変動成分を含むことで
実際よりも最小角度が小さくなり、逆に同一人物である
にも拘らず最小角度が大きくなり、異なる人物と識別さ
れてしまう。
る識別性能の低下も同様である。この場合には、差分ベ
クトルに経年変化による皺などのパターン変動が含まれ
るために、認識性能が低下してしまう。
照明位置や顔向きなどの変化によって生じる照明変動や
経年変化によるパターン変動成分も含めて識別を行って
いる事に起因する。如何に、これらの識別に不要なパタ
ーン変化を取り除くかが解決すべき課題である。
点に鑑みなされたもので、パターン情報を収集する際に
混入する識別に不必要なパターン変動成分を効率良く取
り除いて、安定なパターン認識法及びその方法を提供す
ることを目的とする。
変動成分を効率良く取り除いて安定な顔認識を実現す
る。
したい対象の入力パターンを入力する入力手段と、前記
入力手段の入力パターンから入力部分空間を算出する入
力部分空間算出手段と、前記対象に関する辞書パターン
から辞書部分空間を算出する辞書部分空間算出手段と、
パターン認識において不要なパターンの条件を抑制する
ための制約条件から制約部分空間を算出する制約条件算
出手段と、前記入力部分空間算出手段の入力部分空間
と、前記辞書部分空間算出手段の辞書部分空間を、前記
制約条件算出手段の制約部分空間に射影する射影手段
と、前記射影手段によって射影された制約部分空間内の
入力部分空間と辞書部分空間とから、前記対象を識別す
る識別手段を具備したことを特徴とするパターン認識装
置である。
射影手段によって射影された制約部分空間内の入力部分
空間と辞書部分空間との成す角度である正準角を計算
し、この計算した正準角に基づいて、前記入力部分空間
と前記辞書部分空間との類似度を計算することを特徴と
する請求項1記載のパターン認識装置である。
は、パターン認識において不要なパターンの条件を発生
させる要因の影響下において算出された複数の第1部分
空間から求まる差分部分空間の集合から、前記要因の影
響を取除いた第2部分空間を生成し、この生成した第2
部分空間を前記制約部分空間とすることを特徴とする請
求項1記載のパターン認識装置である。
は、前記対象に関する部分空間内の自己変動を表す複数
の自己変動部分空間の集合から自己変動成分を取除いた
第3部分空間を生成し、この生成した第3部分空間を前
記制約部分空間とすることを特徴とする請求項1記載の
パターン認識装置である。
は、パターン認識において不要なパターンの条件を発生
させる要因の影響下において算出された複数の第1部分
空間から求まる差分部分空間の集合から、前記要因の影
響を取除いた第2部分空間を生成し、前記対象に関する
部分空間内の自己変動を表す複数の自己変動部分空間の
集合から自己変動成分を取除いた第3部分空間を生成
し、この生成した第2部分空間と第3部分空間とから前
記制約部分空間を求めることを特徴とする請求項1記載
のパターン認識装置である。
パターンを入力する入力ステップと、前記入力ステップ
における入力パターンから入力部分空間を算出する入力
部分空間算出ステップと、前記対象に関する辞書パター
ンから辞書部分空間を算出する辞書部分空間算出ステッ
プと、パターン認識において不要なパターンの条件を抑
制するための制約条件から制約部分空間を算出する制約
条件算出ステップと、前記入力部分空間算出ステップの
入力部分空間と、前記辞書部分空間算出ステップの辞書
部分空間を、前記制約条件算出ステップの制約部分空間
に射影する射影ステップと、前記射影ステップによって
射影された制約部分空間内の入力部分空間と辞書部分空
間とから、前記対象を識別する識別ステップを具備した
ことを特徴とするパターン認識方法である。
パターンを入力する入力機能と、前記入力機能における
入力パターンから入力部分空間を算出する入力部分空間
算出機能と、前記対象に関する辞書パターンから辞書部
分空間を算出する辞書部分空間算出機能と、パターン認
識において不要なパターンの条件を抑制するための制約
条件から制約部分空間を算出する制約条件算出機能と、
前記入力パターン算出機能の入力部分空間と、前記辞書
パターン算出機能の辞書部分空間を、前記制約条件算出
機能の制約部分空間に射影する射影機能と、前記射影機
能によって射影された制約部分空間内の入力部分空間と
辞書部分空間とから、前記対象を識別する識別機能を実
現するプログラムを記録したことを特徴とするパターン
認識方法の記録媒体である。
て順番に説明する。
明は、予め対象となる部分空間から認識に不必要な部分
空間を取り除いておいて、2つの部分空間の成す角度を
類似度として求める手段を提供する。この方法が、本発
明において、初めて提案する技術思想であり、これを新
しく“制約相互部分空間法”と名付ける。
したものであり、相互部分空間法の概念を数式化した
(1)式と比べて制約条件が付加されている。
いて説明する。
射影した部分空間をP′,Q′とする。また制約部
分空間Lに対応する射影行列をLとすると、以下の関
係が成立する。
v′を考えると、Lは線形部分空間なので、その差分
に対して以下の関係が成り立つ。
するには、2つの部分空間P,Qを制約部分空間
Lへ射影した後で、射影された2つの部分空間
P′,Q′に対して相互部分空間法を適用すれば良
いことが分かる。
空間法において、重要なのがどのように制約部分空間の
生成するかにある。
因に基づいて発生するパターン認識に不要なパターンの
条件を抑制するための制約条件を実現するための様々な
制約部分空間が考えられる。
依存しない部分空間を採用することで、u,vの差分ベ
クトルに含まれる照明変動成分が無視されて、照明に対
するロバスト性が向上する。
の差として求まる“差分部分空間”について説明する。
れ換えた式(13)の固有ベクトルをcui とするとベ
クトルvi は、以下の様に求まる。
度、u2 とv2 の成す角度がそれに直交する方向に計っ
た最小角度となる。同様にu3 ,v3 以降のベクトルが
求まる。
直交している。各差分ベクトルの長さを1.0に正規化
した後で、差分部分空間の基底ベクトルとする。
物i,jの部分空間Hi,Hjの差分部分空間を
Dijとする。m人分の部分空間セットから2つの部分
空間を取り出して合計mC2個の差分部分空間を求め
る。それらの共通部分空間をDとする。実際には、完
全な共通部分空間は存在しない場合が多いため、共通部
分空間に近い部分空間が求められる。
から以下の手順により求まる。
影行列Hを求める。
C2個の差分部分空間Dijを求める。
める。そのために射影行列w個の射影行列Dk を平均し
た生成行列Gを求める。
0.0に対応する固有ベクトルは共通空間に完全に直交
する空間を形成する基底ベクトルとなる。1.0に対応
する固有ベクトルは、共通空間を形成する固有ベクトル
である。これ以外の固有値に対応する固有ベクトルは、
固有値の大きさが共通空間との近さを表す指標になって
いる。ここでは、固有値が0より大きい固有ベクトルを
共通空間Dを張る基底ベクトルとする。また、パラメ
ータαを調整することにより、各部分空間の重みを変え
ることができる。
じ照明条件で生成されているため、照明変動成分を含ま
ない。よって、この部分空間を制約部分空間とすれば照
明変動成分の影響を抑えた識別を実現することができ
る。定性的には、照明変動は主に頬、額領域に影響を及
ぼすため、この領域の情報を無視することで照明変動に
対するロバスト性が向上する。
調して類似した人物同士に対する識別分解能を向上させ
る効果がある。目、口、鼻など他人との差が表れ易い特
徴的な領域のパターン情報を重視して、逆にほほや額領
域などの他人との区別には有効でないパターン情報は無
視されることになる。
い。この場合は、当人と他人との差分部分空間の共通部
分空間がその人物固有の差分部分空間となる。各自に対
して異なる差分部分空間が準備されることになる。
細は、文献〔エルッキ・オヤ著、小川英光、佐藤誠訳、
“パターン認識と部分空間法”産業図書、1986〕あるい
は〔Therrien,C.W.,"Eigenvalue properties of projec
tion operators and their application to the subspa
ce method of feature extraction",IEEE Trans.Compu
t,C-24,p.944-948,1975〕に詳しい。
す部分空間を“自己変動部分空間”と呼ぶ。自己変動部
分空間Sは、各人物の部分空間の第2基底ベクトル以
降が張る部分空間の共通部分空間として定義される。
合わせ)差分部分空間と自己変動部分空間との相関は高
い。差分部分空間から自己変動成分に近い部分空間を取
り除くことができれば、さらに識別性能が向上する。
している。
GL の0より大きい固有値に対応する固有ベクトルが張
る部分空間として求まる。
ン認識と部分空間法”産業図書(1986)」に述べてある
2つの部分空間を直交化する方法を用いて、差分部分空
間と自己変動部分空間を直交化すれば良い。
“パターン認識と部分空間法”産業図書(1986年)〕に
述べてある学習部分空間法の考え方を用いて差分部分空
間を自己変動部分空間から遠ざける方向に回転させるこ
ともできる。この場合の回転方向は、差分部分空間と自
己変動部分空間に相互部分空間法を適用して求まる最小
角度を成す2つのベクトルu,vの中で自己変動部分空
間に属するベクトルvに直交する方向とすることができ
る。
の認識に適用可能であるが、説明をより具体的に行なう
ために、顔画像を対象にした場合を説明する。
明の実施例を顔画像認識装置10を例に取って説明す
る。
を示すブロック図である。顔画像認識装置10は、画像
入力部11、顔領域抽出部12、顔特徴点抽出部13、
正規化画像生成部14、部分空間生成部15、部分空間
射影部16、制約部分空間格納部17、相互部分空間類
似度計算部18、辞書部分空間格納部19、判定部2
0、表示部21からなる。
間生成の流れを示している。
ている。
Vカメラをパソコンに接続してその機能を実現できる。
この場合に、顔領域抽出部12、顔特徴点抽出部13、
正規化画像生成部14、部分空間生成部15、部分空間
射影部16、相互部分空間類似度計算部18、判定部2
0の各機能を実現するプログラムをFD,CD−RO
M,DVDなどの記録媒体に記録させておき、それをパ
ソコンに記憶させれば良い。
識対象となる人物の画像を入力するためのものであり、
例えばITVカメラからなる。この画像入力部11から
入力された画像01はA/D変換器によりデジタル化さ
れて顔領域抽出部12に送られる。例えば、ITVカメ
ラはモニタの下部に設置される。あるいはモニタの四角
に設置しても良い。
は、画像入力部11から送られてきた入力画像から顔領
域画像02を常時抽出し続ける。
(テンプレート)を全画面に渡って移動させながら相関
値を計算し最も高い相関値をもっている領域を顔領域と
する。相関値が設定されたしきい値より低い場合は、顔
が存在しないとする。顔の向き変化に対応する為に部分
空間法や複合類似度などにより複数のテンプレートを用
いるとさらに安定に顔領域を抽出できる。この処理はカ
ラー情報に基づく抽出法に置き換えて良い。
3では、抽出された顔領域内から瞳、鼻、口端などの特
徴点を抽出する。形状情報とパターン情報を組み合わせ
た方法〔特願平8−61463号〕が適用可能である。
い形状情報により特徴点の候補を求め、それをパターン
照合で検証するというものである。本方法は形状情報に
より位置決めを行なうので高い位置精度が期待できる。
に、マルチテンプレートを用いたマッチングを適用して
いる為に特徴点の形状輝度の変動に対してロバストであ
る。処理速度に関しては、計算コストの少ない分離度フ
ィルターで絞り込んだ候補に対してのみパターン照合す
るので全体をパターン照合する方法に比べ計算量の大幅
な削減が実現できる。この他にも、エッジ情報に基づく
方法〔坂本静生、宮尾陽子、田島譲二、“顔画像からの
目の特徴点抽出”、信学論D-II,Vol.J76-D-II,No.
8,pp.1796-1804,August,1993〕、〔A.L.Yuillc,"Feat
ure extraction from faces using deformable templat
es",IJCV,vol.8:2,pp.99-111,1992〕や固有空間法を適
用したEigen feature 法〔Alex Pentland,Rahark Mogha
ddam,ThadStarner,"View-based and modular eigenspac
es for face recognition",CVPR '94,PP.84-91,199
4〕、カラー情報〔佐々木努、赤松茂、末永康仁、“顔
画像認識のための色情報を用いた顔の位置合わせ法”、
IE91-2,pp.9-15,1991 〕に基づく方法が適用可能であ
る。
部14では、特徴点を基準にして正規化を施す。例え
ば、文献〔山口修、福井和広、前田賢一、“動画像を用
いた顔認識システム”、信学技報、PRMU97-50,pp.17-24,
1997〕に示された瞳、鼻穴を基準にした正規化処理を適
用しても良い。この場合は、両瞳を結んだベクトル、及
び鼻穴の中点と瞳中点を結んだベクトルの方向を、それ
ぞれ水平、垂直に変換し、その長さを一定になるように
アフィン変換を施す。
5では、正規化画像生成部で逐次生成される正規化画像
をヒストグラム平坦化、ベクトル長正規化を施した後で
メモリに蓄える。予め規定された枚数の正規化画像が蓄
えられたら、入力部分空間の生成を開始する。部分空間
を逐次生成するために、同時反復法〔エルッキ・オヤ
著、小川英光、佐藤誠訳、“パターン認識と部分空間
法”,産業図書、1986年〕を適用する。これにより新し
い正規化画像が入力される毎に部分空間が更新されてゆ
く。
についての詳細は、特許〔人物認証装置及び人物認証方
法:特開平9−251534号〕及び文献〔山口修、福
井和広、前田賢一、“動画像を用いた顔認識システ
ム”、信学技報、PRMU97-50,pp.17-24,1997 〕に詳し
い。
6では、部分空間生成部15で生成された入力部分空間
Pinを制約部分空間格納部17に格納された制約部分
空間L上へ射影した部分空間Pin L を以下の手順に
より求める。
を制約部分空間上へ射影する。
ュミットの直交化を施す。
影部分空間Pin L の基底ベクトルとなる。
実験的に決める。例えば差分部分空間の次元数は70、
自己変動部分空間の次元は20次元、入力部分空間の次
元は5次元と設定する。重みパラメータに関しては同様
に実験的に決める。例えばα=0.7、β=0.1など
と設定する。
iの辞書部分空間HL i は、各人物に対応する部分空
間Hi を制約部分空間へ射影した部分空間として予め
オフライン処理で部分空間射影部16により求めてお
く。この手順を図2に示す。
分空間類似度計算部18では、入力部分空間Pin L と
辞書部分空間格納部19に格納された人物iの辞書部分
空間Hi L 間の最大cos2 θを式(13)より求め
る。あるいは、2番目、3番目の固有値を考慮した類似
度を求めても良い。例えば、N番目までの固有値の荷重
平均や乗和、あるいは固有値の分布自体をベクトルと見
なして類似度とすることもできる。この類似度を辞書登
録されているm人に対して求める。
で最も類似度が高く、その値が予め設定されたしきい値
より大きい場合、対応する人物iを本人と同定する。こ
の場合、第2候補以降の類似度も考慮して決定しても良
い。例えば、第2候補との類似度の差がしきい値より小
さい場合は不確定とすることができる。
示部21では、識別結果を画面に表示したり音声で知ら
せる。
分空間と自己変動部分空間の生成手順について説明す
る。
タを文献〔山口修、福井和広、前田賢一、“動画像を用
いた顔認識システム”、信学技報、PRMU97-50,pp.17-2
4,1997 〕の方法により収集する。その際被験者の数は
多い程好ましい。また収集の際には、被験者に顔を左右
上下に向けてもらう。収集した正規化画像データに対し
て、ヒストグラム平坦化、ベクトル長正規化などの前処
理を行った後に、KL展開を適用して部分空間を張る基
底ベクトルを求める。
部分空間を取り出して、その差分部分空間を求める。こ
れをmC2個の組合せについて行う。さらにmC2
個の差分部分空間の共通部分空間を式(24)により求
め、差分部分空間とする。
つの部分空間から求めるのではなく、人物i,jの正規
化画像の差分画像の集合から求めることも可能である。
異なる人物間の差分画像を、全ての組み合わせについて
求める。収集した差分画像のデータセットに対してKL
展開を適用して固有ベクトルを求める。固有値が基準よ
り大きい固有ベクトルを差分部分空間を張る基底ベクト
ルとする。
る部分空間を各人の自己変動部分空間として求める。求
まったm個の自己変動部分空間の共通部分空間が自己変
動部分空間となる。
合した制約部分空間を式(29)により求める。
以下の式により容易に行える。
間Li に対応する射影行列を表している。
ラから得られる輝度画像を対象とする例について説明し
た。
ターンの種類に関する制限は無い。輝度画像から直接生
成した差分部分空間は照明変動の影響が多少残っている
と思われるので、濃淡情報を照明変動の受け難い特徴量
に変換した後、本発明を適用すれば、さらに識別性能の
向上が期待できることは容易に類推できる。例えば、文
献〔赤松茂、佐々木努、深町映夫、末永康仁、“濃淡画
像マッチングによるロバストな正面顔の識別法−フーリ
エスペクトルによるKL展開の応用−”、信学論(D-I
I)、J76-DII,7,pp.1363-1373,1993〕に述べられてある様
に、濃淡画像から生成したフーリエスペクトルパターン
を入力としても本発明の効果が増す。
は、キーワードを使ってデータベース検索を行う情報フ
ィルタリング装置100に関する構成図である。
ァイル入力部101、部分空間生成部102、部分空間
射影部103、制約部分空間格納部104、類似度算出
部105、辞書部分空間格納部106、判定部107か
ら構成される。
興味を記述したプロファイルとの類似度を算出し、類似
度順にランキングする。
ベースに行う〔住田一男他、情報フィルタリング技術、
東芝レビュー、Vol.51,No.1,pp.42-44(1996)〕。
の部分空間に対応させる。このためには、データ全体を
一度にベクトル化するのではなく、ある規則で区切られ
たデータ、例えば、章毎のデータに対してベクトル化を
行う。章毎に得られたベクトル群から部分空間を生成す
る。なお類似度は部分空間と部分空間の成す角度から得
られる値とする。
ロファイルは、部分空間生成部102において部分空間
に変換される。入力部分空間は、部分空間射影部103
において制約部分空間格納部104に格納された制約部
分空間上に射影される。
105に送られて辞書部分空間格納部104に格納され
た辞書部分空間との類似度が相互部分空間法により求め
られる。
ファイルがどのプロファイルに近いかを判定する。
意された複数の部分空間に対して、以下の手順により生
成する。
つの部分空間の差分部分空間を全ての組み合わせに対し
て求める。
求め、この求めた制約部分空間1とする。
分空間の差分部分空間を全ての組み合わせについて求め
る。
めて、さらにこの共通部分空間と直交する部分空間を制
約部分空間2とする。
合わせた部分空間を最終的な制約部分空間とする。
精度の悪いキーワードを選択しても、自動的にこれらの
影響を取り除いて安定なデータベース検索が行える。
認識以外に、音声パターン、情報フィルタリングにおけ
るプロファイルパターンなどあらゆるパターン情報に対
しても成り立つ。
収得する際に混入する識別に不必要な情報を効率良く取
り除いてパターン認識を安定に行うことができる。特
に、顔画像認識に適用すると、高い変形吸収能力と照明
変動に対する高いロバスト性が実現できる。
Claims (7)
- 【請求項1】認識したい対象の入力パターンを入力する
入力手段と、 前記入力手段の入力パターンから入力部分空間を算出す
る入力部分空間算出手段と、 前記対象に関する辞書パターンから辞書部分空間を算出
する辞書部分空間算出手段と、 パターン認識において不要なパターンの条件を抑制する
ための制約条件から制約部分空間を算出する制約条件算
出手段と、 前記入力部分空間算出手段の入力部分空間と、前記辞書
部分空間算出手段の辞書部分空間を、前記制約条件算出
手段の制約部分空間に射影する射影手段と、 前記射影手段によって射影された制約部分空間内の入力
部分空間と辞書部分空間とから、前記対象を識別する識
別手段を具備したことを特徴とするパターン認識装置。 - 【請求項2】前記識別手段は、 前記射影手段によって射影された制約部分空間内におけ
る入力部分空間と辞書部分空間との成す角度である正準
角を計算し、 この計算した正準角に基づいて、前記入力部分空間と前
記辞書部分空間との類似度を計算することを特徴とする
請求項1記載のパターン認識装置。 - 【請求項3】前記制約条件算出手段は、 パターン認識において不要なパターンの条件を発生させ
る要因の影響下において算出された複数の第1部分空間
から求まる差分部分空間の集合から、前記要因の影響を
取除いた第2部分空間を生成し、 この生成した第2部分空間を前記制約部分空間とするこ
とを特徴とする請求項1記載のパターン認識装置。 - 【請求項4】前記制約条件算出手段は、 前記対象に関する部分空間内の自己変動を表す複数の自
己変動部分空間の集合から自己変動成分を取除いた第3
部分空間を生成し、 この生成した第3部分空間を前記制約部分空間とするこ
とを特徴とする請求項1記載のパターン認識装置。 - 【請求項5】前記制約条件算出手段は、 パターン認識において不要なパターンの条件を発生させ
る要因の影響下において算出された複数の第1部分空間
から求まる差分部分空間の集合から、前記要因の影響を
取除いた第2部分空間を生成し、 前記対象に関する部分空間内の自己変動を表す複数の自
己変動部分空間の集合から自己変動成分を取除いた第3
部分空間を生成し、 この生成した第2部分空間と第3部分空間とから前記制
約部分空間を求めることを特徴とする請求項1記載のパ
ターン認識装置。 - 【請求項6】認識したい対象の入力パターンを入力する
入力ステップと、 前記入力ステップにおける入力パターンから入力部分空
間を算出する入力部分空間算出ステップと、 前記対象に関する辞書パターンから辞書部分空間を算出
する辞書部分空間算出ステップと、 パターン認識において不要なパターンの条件を抑制する
ための制約条件から制約部分空間を算出する制約条件算
出ステップと、 前記入力部分空間算出ステップの入力部分空間と、前記
辞書部分空間算出ステップの辞書部分空間を、前記制約
条件算出ステップの制約部分空間に射影する射影ステッ
プと、 前記射影ステップによって射影された制約部分空間内の
入力部分空間と辞書部分空間とから、前記対象を識別す
る識別ステップを具備したことを特徴とするパターン認
識方法。 - 【請求項7】認識したい対象の入力パターンを入力する
入力機能と、 前記入力機能における入力パターンから入力部分空間を
算出する入力部分空間算出機能と、 前記対象に関する辞書パターンから辞書部分空間を算出
する辞書部分空間算出機能と、 パターン認識において不要なパターンの条件を抑制する
ための制約条件から制約部分空間を算出する制約条件算
出機能と、 前記入力部分空間算出機能の入力部分空間と、前記辞書
部分空間算出機能の辞書部分空間を、前記制約条件算出
機能の制約部分空間に射影する射影機能と、 前記射影機能によって射影された制約部分空間内の入力
部分空間と辞書部分空間とから、前記対象を識別する識
別機能を実現するプログラムを記録したことを特徴とす
るパターン認識方法の記録媒体。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP19912898A JP4087953B2 (ja) | 1998-07-14 | 1998-07-14 | パターン認識装置及びその方法 |
US09/352,839 US6466685B1 (en) | 1998-07-14 | 1999-07-13 | Pattern recognition apparatus and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP19912898A JP4087953B2 (ja) | 1998-07-14 | 1998-07-14 | パターン認識装置及びその方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2000030065A true JP2000030065A (ja) | 2000-01-28 |
JP4087953B2 JP4087953B2 (ja) | 2008-05-21 |
Family
ID=16402615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP19912898A Expired - Fee Related JP4087953B2 (ja) | 1998-07-14 | 1998-07-14 | パターン認識装置及びその方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4087953B2 (ja) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002157596A (ja) * | 2000-11-17 | 2002-05-31 | Sony Corp | ロボット装置及び顔識別方法 |
JP2003196017A (ja) * | 2001-12-25 | 2003-07-11 | Gen Tec:Kk | データ入力方法及び同装置等 |
JP2004038713A (ja) * | 2002-07-05 | 2004-02-05 | Toshiba Corp | 物体識別装置、物体識別方法、辞書生成装置、プログラム |
US6975763B2 (en) | 2000-07-12 | 2005-12-13 | Minolta Co., Ltd. | Shade component removing apparatus and shade component removing method for removing shade in image |
JP2007079710A (ja) * | 2005-09-12 | 2007-03-29 | Toshiba Corp | パターン認識装置およびその方法 |
US7224835B2 (en) | 2002-02-25 | 2007-05-29 | Kabushiki Kaisha Toshiba | Three-dimensional object recognizing apparatus, method and computer program product |
JP2007316809A (ja) * | 2006-05-24 | 2007-12-06 | Fujifilm Corp | 顔照合装置および方法並びにプログラム |
WO2007145235A1 (ja) * | 2006-06-16 | 2007-12-21 | National Institute Of Advanced Industrial Science And Technology | 異常領域検出装置および異常領域検出方法 |
EP1953675A1 (en) | 2007-01-30 | 2008-08-06 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
JP2008191754A (ja) * | 2007-02-01 | 2008-08-21 | National Institute Of Advanced Industrial & Technology | 異常検出装置および異常検出方法 |
JP2008287478A (ja) * | 2007-05-17 | 2008-11-27 | National Institute Of Advanced Industrial & Technology | 異常検出装置および異常検出方法 |
EP2009577A1 (en) | 2007-06-29 | 2008-12-31 | Canon Kabushiki Kaisha | Image-processing apparatus and method, program, and storage medium |
US7532745B2 (en) | 2002-02-27 | 2009-05-12 | Nec Corporation | Image recognition system and recognition method thereof, and program |
US7593551B2 (en) | 2001-12-14 | 2009-09-22 | Nec Corporation | Face meta-data generation and face similarity calculation |
US7957560B2 (en) | 2006-06-16 | 2011-06-07 | National Institute Of Advanced Industrial Science And Technology | Unusual action detector and abnormal action detecting method |
US7995805B2 (en) | 2006-08-30 | 2011-08-09 | Canon Kabushiki Kaisha | Image matching apparatus, image matching method, computer program and computer-readable storage medium |
WO2011108061A1 (ja) | 2010-03-01 | 2011-09-09 | 富士通株式会社 | 生体情報処理装置及び方法 |
US8045418B2 (en) | 2006-03-29 | 2011-10-25 | Kabushiki Kaisha Toshiba | Position detecting device, autonomous mobile device, method, and computer program product |
US8254691B2 (en) | 2007-06-18 | 2012-08-28 | Canon Kabushiki Kaisha | Facial expression recognition apparatus and method, and image capturing apparatus |
US8264327B2 (en) | 2008-06-16 | 2012-09-11 | Canon Kabushiki Kaisha | Authentication apparatus, image sensing apparatus, authentication method and program therefor |
US8879802B2 (en) | 2010-12-01 | 2014-11-04 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method |
-
1998
- 1998-07-14 JP JP19912898A patent/JP4087953B2/ja not_active Expired - Fee Related
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6975763B2 (en) | 2000-07-12 | 2005-12-13 | Minolta Co., Ltd. | Shade component removing apparatus and shade component removing method for removing shade in image |
JP2002157596A (ja) * | 2000-11-17 | 2002-05-31 | Sony Corp | ロボット装置及び顔識別方法 |
US7593551B2 (en) | 2001-12-14 | 2009-09-22 | Nec Corporation | Face meta-data generation and face similarity calculation |
JP2003196017A (ja) * | 2001-12-25 | 2003-07-11 | Gen Tec:Kk | データ入力方法及び同装置等 |
US7224835B2 (en) | 2002-02-25 | 2007-05-29 | Kabushiki Kaisha Toshiba | Three-dimensional object recognizing apparatus, method and computer program product |
US7532745B2 (en) | 2002-02-27 | 2009-05-12 | Nec Corporation | Image recognition system and recognition method thereof, and program |
US8027522B2 (en) | 2002-02-27 | 2011-09-27 | Nec Corporation | Image recognition system and recognition method thereof and program |
JP2004038713A (ja) * | 2002-07-05 | 2004-02-05 | Toshiba Corp | 物体識別装置、物体識別方法、辞書生成装置、プログラム |
JP2007079710A (ja) * | 2005-09-12 | 2007-03-29 | Toshiba Corp | パターン認識装置およびその方法 |
JP4514680B2 (ja) * | 2005-09-12 | 2010-07-28 | 株式会社東芝 | パターン認識装置およびその方法 |
US8045418B2 (en) | 2006-03-29 | 2011-10-25 | Kabushiki Kaisha Toshiba | Position detecting device, autonomous mobile device, method, and computer program product |
JP2007316809A (ja) * | 2006-05-24 | 2007-12-06 | Fujifilm Corp | 顔照合装置および方法並びにプログラム |
JP2007334766A (ja) * | 2006-06-16 | 2007-12-27 | National Institute Of Advanced Industrial & Technology | 異常領域検出装置および異常領域検出方法 |
JP4603512B2 (ja) * | 2006-06-16 | 2010-12-22 | 独立行政法人産業技術総合研究所 | 異常領域検出装置および異常領域検出方法 |
US7957560B2 (en) | 2006-06-16 | 2011-06-07 | National Institute Of Advanced Industrial Science And Technology | Unusual action detector and abnormal action detecting method |
WO2007145235A1 (ja) * | 2006-06-16 | 2007-12-21 | National Institute Of Advanced Industrial Science And Technology | 異常領域検出装置および異常領域検出方法 |
US7995805B2 (en) | 2006-08-30 | 2011-08-09 | Canon Kabushiki Kaisha | Image matching apparatus, image matching method, computer program and computer-readable storage medium |
US8165399B2 (en) | 2007-01-30 | 2012-04-24 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and program |
US8494233B2 (en) | 2007-01-30 | 2013-07-23 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and program |
EP1953675A1 (en) | 2007-01-30 | 2008-08-06 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
JP2008191754A (ja) * | 2007-02-01 | 2008-08-21 | National Institute Of Advanced Industrial & Technology | 異常検出装置および異常検出方法 |
JP2008287478A (ja) * | 2007-05-17 | 2008-11-27 | National Institute Of Advanced Industrial & Technology | 異常検出装置および異常検出方法 |
US8254691B2 (en) | 2007-06-18 | 2012-08-28 | Canon Kabushiki Kaisha | Facial expression recognition apparatus and method, and image capturing apparatus |
EP2009577A1 (en) | 2007-06-29 | 2008-12-31 | Canon Kabushiki Kaisha | Image-processing apparatus and method, program, and storage medium |
US8538091B2 (en) | 2007-06-29 | 2013-09-17 | Canon Kabushiki Kaisha | Image processing apparatus and method, and storage medium |
US8264327B2 (en) | 2008-06-16 | 2012-09-11 | Canon Kabushiki Kaisha | Authentication apparatus, image sensing apparatus, authentication method and program therefor |
WO2011108061A1 (ja) | 2010-03-01 | 2011-09-09 | 富士通株式会社 | 生体情報処理装置及び方法 |
US8736421B2 (en) | 2010-03-01 | 2014-05-27 | Fujitsu Limited | Biometric information processing apparatus and biometric information processing method |
US8879802B2 (en) | 2010-12-01 | 2014-11-04 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method |
Also Published As
Publication number | Publication date |
---|---|
JP4087953B2 (ja) | 2008-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107194341B (zh) | Maxout多卷积神经网络融合人脸识别方法和系统 | |
JP2000030065A (ja) | パターン認識装置及びその方法 | |
Tang et al. | Face sketch synthesis and recognition | |
Alyuz et al. | 3-D face recognition under occlusion using masked projection | |
Chakrabarti et al. | Facial expression recognition using eigenspaces | |
CN111754637B (zh) | 一种样本相似度抑制的大尺度三维人脸合成系统 | |
Haji et al. | Real time face recognition system (RTFRS) | |
Song et al. | Robust 3D face landmark localization based on local coordinate coding | |
Angadi et al. | Face recognition through symbolic modeling of face graphs and texture | |
Li et al. | Location-sensitive sparse representation of deep normal patterns for expression-robust 3D face recognition | |
Mahmud et al. | Face detection and recognition system | |
Chouchane et al. | 3D and 2D face recognition using integral projection curves based depth and intensity images | |
TW201828156A (zh) | 圖像識別方法、度量學習方法、圖像來源識別方法及裝置 | |
Sharma et al. | 3D face recognition techniques-a review | |
Zhou et al. | Real-time gender recognition based on eigen-features selection from facial images | |
Gona et al. | Multimodal biometric reorganization system using deep learning convolutional neural network | |
Li et al. | A group of facial normal descriptors for recognizing 3D identical twins | |
Ming et al. | Efficient 3d face recognition with Gabor patched spectral regression | |
Mahdi et al. | 3D facial matching by spiral convolutional metric learning and a biometric fusion-net of demographic properties | |
CN111739168B (zh) | 一种样本相似度抑制的大尺度三维人脸合成方法 | |
Wang | Research on facial feature-based gender intelligent recognition based on the Adaboost algorithm | |
CN111428670B (zh) | 人脸检测方法、装置、存储介质及设备 | |
Dharejo et al. | PCA based improved face recognition system | |
Zafeiriou et al. | Learning discriminant person-specific facial models using expandable graphs | |
Goranin et al. | Evolutionary Algorithms Application Analysis in Biometric Systems. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041216 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070625 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070807 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071005 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071120 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080118 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080212 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080222 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110228 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120229 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120229 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130228 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140228 Year of fee payment: 6 |
|
LAPS | Cancellation because of no payment of annual fees |