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
(57)【要約】
【課題】 個人識別に不必要なパターン変化を取り除く
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。
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
【０００１】
【発明の属する技術分野】パターン情報に混入する識別
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。
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。
【０００２】
【従来の技術】（従来のパターンの認識の内容）まず、
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。
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。
【０００３】顔画像による個人認識は、指紋や手形によ
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。
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。
【０００４】最近の顔画像認識の技術動向に関しては、
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。
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。
【０００５】第１の方法は、目、鼻、口などの特徴点の
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。
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。
【０００６】第２の方法は、瞳、鼻などの特徴点を基準
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。
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。
【０００７】そして、文献〔赤松茂“コンピュータによ
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。
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。
【０００８】第２の方法であるパターン的方法の代表で
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。
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。
【０００９】さらにパターン変形に対する吸収能力を高
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。
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。
【００１０】（相互部分空間法の概念）ここで、相互部
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。
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。
【００１１】相互部分空間法では、辞書側と同様に入力
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。
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。
【００１２】具体的にはｃｏｓ2 θは以下の式で定義さ
れる。
れる。
【００１３】
【数１】 入力部分空間Ｐに対する射影行列をＰ、辞書部分空間
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。
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。
【００１４】
【数２】 となる。
【００１５】さらに計算の順序を変えて整理すると、
【数３】 という行列Ｘの固有値問題となる。
【００１６】Ｘの最大固有値が求める最小角度θ1 のｃ
ｏｓ2 θ1 となる。
ｏｓ2 θ1 となる。
【００１７】第２固有値は、最大角に直交する方向に計
った角度のｃｏｓ2 θ2 、以下同様にＮ個のｃｏｓ2 θ
i が順次求まる。
った角度のｃｏｓ2 θ2 、以下同様にＮ個のｃｏｓ2 θ
i が順次求まる。
【００１８】これらのＮ個の角度θは、２つの部分空間
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。
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。
【００１９】相互部分空間法は、入力側も辞書側と同様
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。
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。
【００２０】
【発明が解決しようとする課題】ところで、画像を用い
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。
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。
【００２１】1.顔向き、表情変化の影響 2.照明変動の影響 3.経年変化の影響（しわ、髪、鬚などの影響） すなわち、顔認識法の識別性能は、これら３つの課題を
解決することが重要である。
解決することが重要である。
【００２２】（課題１について）課題１に関しては、顔
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 〕。
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 〕。
【００２３】しかしながら、残りの課題２，３に関して
依然として解決されているとは言えない。
依然として解決されているとは言えない。
【００２４】（課題２について）課題２の照明変動に関
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。
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。
【００２５】高いパターン変形吸収能力を持つ相互部分
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。
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。
【００２６】したがって、相互部分空間法を照明変動を
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。
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。
【００２７】（課題３について）課題３の経年変化によ
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。
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。
【００２８】これらの変動に対する不安定さの原因は、
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。
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。
【００２９】（本発明の目的）本発明は、上記のような
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。
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。
【００３０】特に顔画像認識に適用した場合には、照明
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。
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。
【００３１】
【課題を解決するための手段】請求項１の発明は、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
置である。
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。
【００３２】請求項２の発明は、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。
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。
【００３３】請求項３の発明は、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。
【００３４】請求項４の発明は、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。
【００３５】請求項５の発明は、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。
【００３６】請求項６の発明は、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。
【００３７】請求項７の発明は、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。
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。
【００３８】
【発明の実施の形態】まず、本発明の実施の形態につい
て順番に説明する。
て順番に説明する。
【００３９】（制約相互部分空間法の概念の説明）本発
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。
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。
【００４０】
【数４】 この（１４）式が、制約相互部分空間法の概念を数式化
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。
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。
【００４１】制約相互部分空間法の具体的な実現法につ
いて説明する。
いて説明する。
【００４２】部分空間Ｐ，Ｑを、制約部分空間Ｌへ
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。
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。
【００４３】
【数５】 ここで部分空間Ｐ′，Ｑ′に属するベクトルｕ′，
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。
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。
【００４４】
【数６】 これから制約条件下で２つの部分空間の成す角度を計算
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。
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。
【００４５】（制約部分空間の生成）この制約相互部分
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。
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。
【００４６】用途に応じた制約条件、すなわち、ある要
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。
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。
【００４７】例えば、要因の一つである照明変動成分に
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。
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。
【００４８】このような部分空間として２つの部分空間
の差として求まる“差分部分空間”について説明する。
の差として求まる“差分部分空間”について説明する。
【００４９】
【数７】 また、式（４）〜（１３）においてＰとＱ、ｖとｕを入
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。
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。
【００５０】
【数８】 ｕi とｖi の成す角度が２つの部分空間の成す最小角
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。
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。
【００５１】求めたｅ個の差分ベクトルｄi はお互いに
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。
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。
【００５２】ここで、同じ照明条件で生成した異なる人
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。
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。
【００５３】
【数９】 具体的に、差分部分空間Ｄはｍ人分の部分空間セット
から以下の手順により求まる。
から以下の手順により求まる。
【００５４】1.まず各人物の部分空間Ｈに対応する射
影行列Ｈを求める。
影行列Ｈを求める。
【００５５】2.ｍ個から２個を取り出して、合計ｗ＝ｍ
Ｃ２個の差分部分空間Ｄijを求める。
Ｃ２個の差分部分空間Ｄijを求める。
【００５６】3.差分部分空間Ｄijの共通部分空間を求
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。
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。
【００５７】
【数１０】 ここでαk は以下の式を満たす正の実数である。
【００５８】
【数１１】 生成行列Ｇの固有値は、０．０〜１．０に分布する。
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。
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。
【００５９】この差分部分空間は、２つの部分空間が同
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。
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。
【００６０】また、差分部分空間は、他人との違いを強
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。
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。
【００６１】差分部分空間は、各人物毎に準備しても良
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。
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。
【００６２】なお、部分空間に対する各操作に関する詳
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。
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。
【００６３】（自己変動部分空間）同一人物の変形を表
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。
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。
【００６４】（差分部分空間と自己変動部分空間の組み
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。
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。
【００６５】
【数１２】 ここでＳは部分空間Ｓの射影行列、Ｉは単位行列を示
している。
している。
【００６６】制約部分空間Ｌは、以下に示す生成行列
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。
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。
【００６７】
【数１３】 ここで、重み係数α，βは正の実数である。
【００６８】または文献「エルッキ・オヤ著：“パター
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。
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。
【００６９】あるいは、参考文献〔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）〕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。
“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。
【００７０】
【実施例】本発明は、画像を初めとして様々なパターン
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。
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。
【００７１】（顔画像認識装置１０の内容）以下、本発
明の実施例を顔画像認識装置１０を例に取って説明す
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。
【００７２】図１は、顔画像認識装置１０の概略構成図
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。
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。
【００７３】図２は、予めオフラインで行う辞書部分空
間生成の流れを示している。
間生成の流れを示している。
【００７４】図３は、制約相互部分空間法の概念を示し
ている。
ている。
【００７５】そして、この顔画像認識装置１０は、ＩＴ
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。
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。
【００７６】（画像入力部１１）画像入力部１１は、認
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。
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。
【００７７】（顔領域抽出部１２）顔領域抽出部１２
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。
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。
【００７８】本実施例では、予め登録された標準顔画像
（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。
（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。
【００７９】（顔特徴点抽出部１３）顔特徴点抽出部１
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。
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。
【００８０】この方法の基本的な考えは、位置精度の高
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。
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。
【００８１】また、候補群からの正しい特徴点の選択
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。
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。
【００８２】（正規化画像生成部１４）正規化画像生成
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。
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。
【００８３】（部分空間生成部１５）部分空間生成部１
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。
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。
【００８４】なお、入力部分空間を生成するまでの処理
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。
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。
【００８５】（部分空間射影部１６）部分空間射影部１
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。
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。
【００８６】1.部分空間Ｐを張るｍ個の基底ベクトル
を制約部分空間上へ射影する。
を制約部分空間上へ射影する。
【００８７】2.各射影ベクトルの長さを正規化する。
【００８８】3.ｍ個の正規化ベクトルに対してグラムシ
ュミットの直交化を施す。
ュミットの直交化を施す。
【００８９】4.直交化されたｍ個の正規化ベクトルが射
影部分空間Ｐin L の基底ベクトルとなる。
影部分空間Ｐin L の基底ベクトルとなる。
【００９０】各部分空間の次元はデータの種類に応じて
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。
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。
【００９１】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。
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。
【００９２】（相互部分空間類似度計算部１８）相互部
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。
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。
【００９３】（判定部２０）判定部２０では、ｍ人の中
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。
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。
【００９４】（表示部２１）ＣＲＴ、スピーカなどの表
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。
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。
【００９５】（制約部分空間の生成）ここでは、差分部
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。
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。
【００９６】(1) 各人物の部分空間生成 照明条件一定においてｍ人に対して複数枚の顔画像デー
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。
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。
【００９７】(2) 差分部分空間の生成 生成手順を図４に示す。
【００９８】(1) で生成したｍ個の部分空間から２つの
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。
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。
【００９９】あるいは、差分部分空間は人物ｉ，ｊの２
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。
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。
【０１００】(3) 自己変動部分空間の生成 (1) で生成した各部分空間の第２基底ベクトル以降が張
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。
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。
【０１０１】(4) 差分部分空間と自己変動部分空間を融
合した制約部分空間を式（２９）により求める。
合した制約部分空間を式（２９）により求める。
【０１０２】（経年変化に対する制約部分空間）
【数１４】 ここで、重み係数α，β，γは正の実数である。
【０１０３】さらに、３つ以上の制約部分空間の統合も
以下の式により容易に行える。
以下の式により容易に行える。
【０１０４】
【数１５】 ここで、αは正の実数、Ｌi ，ｉ＝ｌ，ｎは制約部分空
間Ｌi に対応する射影行列を表している。
間Ｌi に対応する射影行列を表している。
【０１０５】（前処理の併用）本実施例では、ＴＶカメ
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。
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。
【０１０６】既に述べた様に、本発明において、入力パ
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。
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。
【０１０７】（情報フィルタリング処理への適用）図７
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。
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。
【０１０８】情報フィルタリング装置１００は、プロフ
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。
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。
【０１０９】情報フィルタリングでは、ユーザの関心や
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。
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。
【０１１０】ここで類似度の算出は、ベクトル空間法を
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)〕。
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)〕。
【０１１１】本実施例では、一つのプロファイルを一つ
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。
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。
【０１１２】プロファイル入力部１０１に入力されたプ
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。
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。
【０１１３】射影された入力部分空間は、類似度算出部
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。
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。
【０１１４】類似度は判定部１０７に送られて入力プロ
ファイルがどのプロファイルに近いかを判定する。
ファイルがどのプロファイルに近いかを判定する。
【０１１５】本実施例で用いる制約部分空間は、予め用
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。
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。
【０１１６】1.異なるプロファイルとして分類すべき２
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。
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。
【０１１７】2.求めた差分部分空間から共通部分空間を
求め、この求めた制約部分空間１とする。
求め、この求めた制約部分空間１とする。
【０１１８】3.同じプロファイルと分類したい２つの部
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。
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。
【０１１９】4.求めた差分部分空間の共通部分空間を求
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。
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。
【０１２０】5.制約部分空間１と制約部分空間２を組み
合わせた部分空間を最終的な制約部分空間とする。
合わせた部分空間を最終的な制約部分空間とする。
【０１２１】上記の制約部分空間を用いることにより、
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。
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。
【０１２２】なお、本発明は、上記の顔画像パターンの
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。
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。
【０１２３】
【発明の効果】以上、本発明によれば、パターン情報を
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。
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。
【図１】顔画像認識装置１０の構成図である。
【図２】辞書部分空間の生成手順の説明図である。
【図３】制約相互部分空間法の説明図である。
【図４】差分部分空間の生成の説明図である。
【図５】自己変動部分空間の生成の説明図である。
【図６】複数の制約部分空間の統合の説明図である。
【図７】情報フィルタリング装置の構成図である。
１１ 画像入力部 １２ 顔領域抽出部 １３ 顔特徴点抽出部 １４ 正規化画像生成部 １５ 部分空間生成部 １６ 制約部分空間格納部 １７ 辞書部分空間格納部 １８ 部分空間射影部 １９ 相互部分空間計算部 ２０ 判定部 ２１ 表示部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 鈴木 薫 兵庫県神戸市東灘区本山南町８−６−26 株式会社東芝関西研究所内 (72)発明者 前田 賢一 兵庫県神戸市東灘区本山南町８−６−26 株式会社東芝関西研究所内 Ｆターム(参考） 5B043 BA04 EA04 EA11 GA01 HA02 5B057 AA20 BA02 BA29 CD01 CE09 DA07 DA11 DA16 DC19 DC33 5L096 BA18 CA02 EA13 EA35 FA25 HA08 JA03
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 |