JP2000132675A

JP2000132675A - 顔識別・照合方法及びその装置

Info

Publication number: JP2000132675A
Application number: JP30818298A
Authority: JP
Inventors: Masayoshi Soma; 正宜相馬
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1998-10-29
Filing date: 1998-10-29
Publication date: 2000-05-12

Abstract

(57)【要約】【課題】比較する２つの顔画像が異なった撮影条件や
異なった撮影時期に撮影されたものである場合でも安定
した識別を行うこと目的とする。【解決手段】入力された２枚の顔画像の差の画像と複
数タイプの変動を表す共分散行列Σｉの主成分によって
張られる空間との距離を算出する摂動空間評価ステップ
２０２と、入力された２枚の顔画像の差の画像とゼロベ
クトルとのマハラノビス距離を算出する摂動確率算出ス
テップ２０３と、算出された２つの距離の和が最も小さ
いクラスを選択する摂動特徴決定ステップ２０４を設け
たものである。ステップ２０２と２０３により変動の特
徴が入力された２つの画像間の変動を正確に表している
かどうかの尺度の算出法を与えることができ、最適な変
動の特徴を選択することを可能になる。従って、多種多
様な変動に対して安定な顔識別・照合を実現することが
できる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、比較する２つの顔
画像が異なった撮影条件や異なった撮影時期に撮影され
たものである場合でも安定した識別を実現する顔識別・
照合方法及びその装置に関するものである。

【０００２】

【従来の技術】撮影条件の異なる顔画像の識別の従来方
法としては、撮影条件の違いによって生じる顔画像の変
動の特徴を予め一つの学習セットから学習しておき、学
習された変動の特徴を抑制しながら識別を行う方法が知
られている。

【０００３】以下この方法について特願平９−７９１７
０号に基づき、図４を使って説明する。図４で、４０１
は比較する２つの顔画像を入力する顔画像入力ステッ
プ、４０２は顔画像の特徴量を算出する特徴量算出ステ
ップ、４０３は顔画像の特徴量を比較し入力された顔画
像が同一人物であるか否かを判定する判定ステップであ
る。以下従来方法の動作について説明する。まず、ステ
ップ４０１で比較する２つの顔画像ｘ、ｙが入力され
る。次にステップ４０２では顔画像ｘ、ｙに対し特徴抽
出線形関数Ａを施し、顔特徴ベクトルＡｘ、Ａｙが算出
される。ここで特徴抽出線形関数Ａは標本集合から学習
される関数で例えば以下のようにして求められる。ま
ず、２つの異なる撮影条件で撮影された画像の組を複数
用意し、各画像の組において２つの画像の差の画像を生
成する。次に生成された差の画像ｍｉ（ｉ＝
１，．．．．，Ｎ）を標本として（Ｎは標本数）、次式
（数１）

【０００４】

【数１】

【０００５】によって共分散行列Σを計算する。次に共
分散行列の固有値ｅｊと固有ベクトルλｊを求める（ｊ
＝１，．．．．．，Ｍ）（Ｍは固有値、固有ベクトルの
数）。求められた固有値と固有ベクトルを用いて特徴抽
出線形関数Ａは次式（数２）によって定められる。

【０００６】

【数２】

【０００７】（数２）においてＴは転置行列を表す記号
である。判定ステップ４０３では、ステップ４０２で得
られた特徴ベクトルのユークリッド距離を算出し、算出
された距離が予め与えられた値ｔｈより小さい場合入力
された２つの画像を同一人物と判定する。このような照
合を行うことにより、共分散行列Σによって表された画
像の変動の特徴を特徴抽出関数Ａを施すことによって抑
制した後に照合を行うことが可能になり、撮影条件の変
動に強い照合が可能になるというものである。

【０００８】

【発明が解決しようとする課題】しかしながら、前記従
来技術は以下のような課題を有していた。すなわち、従
来技術では、画像の変動の特徴を１つの共分散行列によ
ってしか捉えておらず、変動の特徴を正確に記述するこ
とができず、多種多様な変動に対応することができない
という課題を有していた。

【０００９】本発明は、前記従来の課題を解決するもの
で、共分散行列の固有値、固有ベクトルによって与えら
れた変動の特徴が入力された２つの画像間の変動を正確
に表しているかどうかの尺度の算出法を与え、最適な変
動の特徴、あるいは最適な入力画像の組を選択すること
を可能にすることにより、多種多様な変動に対して安定
な顔識別・照合を実現するものである。

【００１０】

【課題を解決するための手段】上記の課題を解決するた
めに本発明は、入力された２枚の顔画像の差の画像と各
共分散行列Σｉの主成分によって張られる空間との距離
を算出する摂動空間評価手段と、入力された２枚の顔画
像の差の画像とゼロベクトルとのマハラノビス距離を算
出する摂動確率算出手段と、算出された２つの距離の和
が最も小さいクラスを選択する摂動特徴決定手段を設け
たものである。

【００１１】これにより、２つの顔画像が異なった撮影
条件や異なった撮影時期に撮影されたものである場合で
も安定した識別を実現することができる。

【００１２】

【発明の実施の形態】本発の明請求項１に記載の発明
は、撮影条件または撮影時期の違いによる画像変動の特
徴を分類されたクラス毎に予め学習しておき、撮影条件
または撮影時期の少なくとも１つが異なる２枚の顔画像
の差からクラスを選択し、前記２枚の顔画像から選択さ
れたクラスの画像変動の特徴量が小さくなる特徴量をそ
れぞれ求め、前記２枚の顔画像の特徴量により顔識別・
照合を行うようにしたもので、撮影条件の違いの特徴を
複数のクラスにより捉え、識別時に最適なクラスを選択
することにより、多種多様な撮影条件の違いに対応する
ことが可能となるという作用を有する。

【００１３】請求項２に記載の発明は、請求項１記載の
顔識別・照合方法において、画像変動の特徴は、撮影条
件または撮影時期の異なる２つの画像の差画像の標本集
合を複数用意し、各クラス毎に主成分分析を行って主成
分と各主成方向の標本分布の分散の大きさを求めるもの
で、撮影条件の違いの特徴を複数のクラスにより捉え、
識別時に最適なクラスを選択することが可能になるとい
う作用を有する。

【００１４】請求項３に記載の発明は、請求項１または
２記載の顔識別・照合方法において、画像変動の特徴の
クラスタの選択は、入力された２枚の顔画像の差の画像
と各クラスの主成分によって張られる空間との距離を算
出し、算出された距離が最も近いクラスを選択するもの
で、識別時に最適なクラスを選択することにより、多種
多様な撮影条件の違いに対応することが可能となるとい
う作用を有する。

【００１５】請求項４に記載の発明は、請求項１または
２記載の顔識別・照合方法において、画像変動の特徴の
クラスタの選択は、入力された２枚の顔画像の差の画像
と各クラスの主成分によって張られる空間との距離と、
入力された２枚の顔画像の差の画像とゼロベクトルとの
マハラノビス距離を算出し、算出された２つの距離の和
が最も小さいクラスを選択するもので、識別時に最適な
クラスを選択することにより、多種多様な撮影条件の違
いに対応することが可能となるという作用を有する。

【００１６】請求項５記載の発明は、撮影条件または撮
影時期の異なる２つの画像の差画像の標本集合を複数用
意し、各クラス毎に主成分分析を行って主成分と各主成
方向の標本分布の分散の大きさを予め求めておき、入力
された２枚の顔画像の差の画像と各クラスの主成分によ
って張られる空間との距離を算出し、算出された距離に
より小さいクラスを少なくとも１つを選択し、前記２枚
の顔画像からそれらのクラスを統合したクラスの画像変
動の特徴の小さくなる特徴量をそれぞれ求め、前記２枚
の顔画像の特徴量により顔識別・照合を行うもので、撮
影条件の違いの特徴を複数のクラスにより捉え、識別時
に適当なクラスを１つまたは複数選択することにより、
多種多様な撮影条件の違いに対応することが可能となる
という作用を有する。

【００１７】請求項６に記載の発明は、請求項５記載の
顔識別・照合方法において、クラスの選択は、入力され
た２枚の顔画像の差の画像と各クラスの主成分によって
張られる空間との距離と入力された２枚の顔画像の差の
画像とゼロベクトルとのマハラノビス距離を算出し、算
出された２つの距離の和が予め定められた値より小さい
クラスを１つまたは複数選択するもので、撮影条件の違
いの特徴を複数のクラスにより捉え、識別時に適当なク
ラスを１つまたは複数選択することにより、多種多様な
撮影条件の違いに対応することが可能となるという作用
を有する。

【００１８】請求項７に記載の発明は、撮影条件または
撮影時期の違いによる画像変動の特徴を予め学習してお
き、同一人物の画像集合Ａと、別の撮影条件でとった同
一人物の画像集合Ｂを入力し、画像集合Ａに含まれる画
像と画像集合Ｂに含まれる画像のすべての組み合わせて
画像の差を求め、予め学習された画像変動の特徴と最も
一致している前記画像から前記画像変動の特徴量が小さ
くなる特徴量をそれぞれ求め、前記２枚の顔画像の特徴
量により顔識別・照合を行うもので、動画により顔画像
を採取した場合などで、入力画像が複数枚存在する場合
に識別・照合に最適な画像を自動的に選んで識別・照合
の処理を行うことが可能になるという作用を有する。

【００１９】以下、本発明の実施の形態について、図を
用いて説明する。（実施の形態１）図１は、本発明の実施の形態１におけ
る顔識別・照合装置をコンピュータシステム１１３で実
現した構成図を示したものである。

【００２０】図１において、１００、１０１は入力画像
を取り込むビデオカメラ、１０２はカメラ信号をＡ／Ｄ
変換するＡ／Ｄ変換器、１０３はカメラから入力された
画像が格納される画像メモリ、１０４は本装置の顔識別
・照合アルゴリズムを実行するためのＣＰＵ、１０５は
ＣＰＵ１０４の処理の中間結果を格納するメモリ、１０
６は特徴ベクトル格納メモリ、１０７は特徴ベクトル格
納ディスク、１０８、１０９はシステムの操作を行うた
めのキーボード・ディスプレイとそのインターフェー
ス、１１０、１１１は結果を出力する端子とインターフ
ェース、１１２はバス、１１４はスキャナ、１１５、１
１６はスキャナ１１４からの画像を格納する画像メモリ
である。

【００２１】以下、コンピュータシステム１１３によっ
て実現した顔識別・照合装置の動作について、図２のフ
ローチャートを用いて説明する。２０１は顔画像入力ス
テップ、２０２は入力された２枚の顔画像の差の画像と
ゼロベクトルとのマハラノビス距離を算出する摂動確率
算出ステップ、２０３は入力された２枚の顔画像の差の
画像と各共分散行列Σｉの主成分によって張られる空間
との距離を算出する摂動空間評価ステップ、２０４は算
出された２つの距離の和をもとに適切な摂動特徴を決定
する摂動特徴決定ステップ、２０５はステップ２０４で
決定された摂動特徴を用いて特徴抽出関数を算出する特
徴抽出関数算出ステップ、２０６はステップ２０５で算
出された関数を用いて入力顔画像の特徴量を算出する特
徴量算出ステップ、２０７はステップ２０６で算出され
た２つの特徴量の距離を算出しその値が予め定められた
値ｔｈより小さい場合に同一人物と判定する判定ステッ
プである。

【００２２】以下、これらの各ステップにおける動作を
説明する。まず、ステップ２０１では、比較する２枚の
画像がビデオカメラ１０１から入力され、Ａ／Ｄ変換器
１０２によりディジタル化された後、画像メモリ１０３
に列ベクトルとして格納される。以下、画像メモリ１０
３に格納された画像列ベクトルをｘ、ｙと表記する。な
お、図１の構成では、１台のビデオカメラを使って２枚
の画像を取り込むことになるが、２台のカメラを使って
それぞれ１枚ずつ画像を取り込んでもよい。また、比較
する画像の１つが証明証の写真である場合、カメラのい
ずれか１台の替りにスキャナ１１４を用いて顔画像をと
りこんでもよい。

【００２３】次に、ステップ２０２では、オフライン処
理によって得られた共分散行列Σｉ（ｉ＝１，．．，
Ｓ）毎に、入力画像の差の画像ｘ−ｙと原点０とのマハ
ラノビス距離ｄ１（ｘ−ｙ、Σｉ）が、固有値λｉ，ｊ
と固有ベクトルｅｉ，ｊ（ｉ＝１，．．，Ｓ、ｊ＝
１，．．．，Ｍｉ）を用いて算出される。ここで関数ｄ
１は次式（数３）によって与えられる。

【００２４】

【数３】

【００２５】（数３）において、｜・｜はユークリッド
距離、Ｔは転置を表している。ステップ２０３では、オ
フライン処理によって得られた共分散行列Σｉ（ｉ＝
１，．．，Ｓ）毎に、入力画像の差の画像ｘ−ｙと、固
有ベクトルｅｉ，ｊ（ｉ＝１，．．，Ｓ、ｊ＝
１，．．．，Ｍｉ）によって張られる空間との距離ｄ２
（ｘ−ｙ、Σｉ）を求める。ここで関数ｄ２は次式（数
４）によって与えられる。

【００２６】

【数４】

【００２７】（数４）において、｜・｜はユークリッド
距離、（・、・）は内積を表している。ステップ２０４
では、予め定められた値ｔｈより、μ・ｄ１（ｘ−ｙ、
Σｉ）＋（１−μ）・ｄ２（ｘ−ｙ、Σｉ）の値が大き
いクラスｉを選択する。または、μ・ｄ１（ｘ−ｙ、Σ
ｉ）＋（１−μ）・ｄ２（ｘ−ｙ、Σｉ）が最も大きい
クラスを１つのみ選択しても良い。なお、ここでμはあ
らかじめ固定された０以上１以下の実数である。

【００２８】ステップ２０５では、ステップ２０４で選
択された共分散行列を混合した共分散行列ΣＴを、選択
された各共分散行列の固有ベクトルｅｉ，ｊに対応する
ベクトル√（λｉ，ｊ）・ｅｉ，ｊを標本集合として生
成し、その固有値λＴ，ｊと固有ベクトルｅＴ，ｊ（ｊ
＝１，．．．，ＭＴ）（ＭＴは固有値、固有ベクトルの
数）を算出する。なお処理時間の短縮のため、選択され
るクラスのすべての可能性について予めオフラインでΣ
Ｔの固有値と固有ベクトルを算出しておいても良い。

【００２９】また、ステップ２０４でただ一つのクラス
ｉが選択された場合は、ΣＴとしてΣｉが選ばれる。こ
の場合、ΣＴの固有値と固有ベクトルはΣｉの固有値、
固有ベクトルと一致し算出する必要はない。また、ΣＴ
のかわりに顔特徴を表す共分散行列ΣＦとΣＴの混合共
分散行列λΣＦ＋（１−λ）ΣＴを考え、その固有値と
固有ベクトルを算出しステップ２０６に渡してもよい。
ここでλは予め適当に定められた０以上１以下の実数
で、ΣＦは顔画像のサンプルｆｉを標本集合として次式
（数５）により計算される共分散行列である。

【００３０】

【数５】

【００３１】ステップ２０６では、ステップ２０５で算
出された固有値λＴ，ｊと固有ベクトルｅＴ，ｊ（ｊ＝
１，．．．，ＭＴ）を用いて次式（数６）により定めら
れた特徴抽出関数ＡＴを用いて、特徴量ＡＴ（ｘ），Ａ
Ｔ（ｙ）を算出する。

【００３２】

【数６】

【００３３】ステップ２０７では、ステップ２０６で算
出された特徴量の距離が予め定められた閾値ＴＨより大
きい場合同一人物と判定する。

【００３４】なお、各クラスの変動の特徴を表す共分散
行列Σｉは、従来方法と同様に（数１）で定められ、そ
の固有値と固有ベクトルは予め算出しておくものとす
る。

【００３５】（実施の形態２）以下に、本発明の実施の
形態２の顔照合装置について説明する。実施の形態２の
構成は実施の形態１と同じく図１によって示される。実
施の形態１と実施の形態２ではＣＰＵ１０４の動作が異
なる。

【００３６】以下、ＣＰＵ１０４によって行われる動作
について図３を用いて説明する。図３で、３０１は異な
った撮影条件の顔画像を複数枚入力する顔画像入力ステ
ップ、３０２は２枚の顔画像の差の画像とゼロベクトル
とのマハラノビス距離を算出する摂動確率算出ステッ
プ、３０３は入力された２枚の顔画像の差の画像とあら
かじめ学習された共分散行列の主成分によって張られる
空間との距離を算出する摂動空間評価ステップ、３０４
は算出された２つの距離の和をもとに入力された複数枚
の画像の中から識別に最適な画像の組を選択する最適入
力画像決定ステップ、３０５はステップ３０４によって
決定された画像の組に対して特徴量を算出する特徴量算
出ステップ、３０５はステップ３０４で算出された特徴
量をもとに入力画像の人物が同一人物であるか否かを判
定する判定ステップである。

【００３７】以下これらの各ステップにおける動作を説
明する。まず、ステップ３０１では、撮影条件１の下で
１枚または複数枚の顔画像がビデオカメラ１０１から入
力され、Ａ／Ｄ変換器１０２によりディジタル化された
後、メモリ１０３に列ベクトルとして格納される。さら
に撮影条件３の下で１枚または複数枚の顔画像がビデオ
カメラ１０１から入力され、Ａ／Ｄ変換器１０２により
ディジタル化された後、画像メモリ１０３に列ベクトル
として格納される。以下、画像メモリ１０３に格納され
た画像列ベクトルをｘｉ、ｙｊ（ｉ＝１，．．．．，Ｎ
ｘ，ｊ＝１，．．．，Ｎｙ）（Ｎｘ、Ｎｙはそれぞれ撮
影条件１，２の下で獲得された画像列ベクトルの個数）
と表記する。

【００３８】なお、図１の構成では１台のカメラで撮影
条件１，２の画像群を入力することになるが、カメラ１
００、１０１を２台用意し、それぞれ撮影条件１、２の
画像群を入力するようにしてもよい。また、身分証の照
合システムでは一方のカメラをスキャナ１１４にして身
分証写真を取り込んでもよい。また、この場合一方の画
像群に含まれる画像は、取り込まれた身分証写真のみの
１枚となる。

【００３９】ステップ３０２では、予め学習された変動
特徴を表す共分散行列Σを用いて、各ｘｉとｙｊの組み
合わせについて（数３）によってｄ１（ｘｉ−ｙｊ，
Σ）の値を算出する。ステップ３０３では、各ｘｉとｙ
ｊの組み合わせについて（数４）によってｄ２（ｘｉ−
ｙｊ，Σ）の値を算出する。

【００４０】ステップ３０４では、μ・ｄ１（ｘｉ−ｙ
ｉ、Σ）＋（１−μ）・ｄ２（ｘｉ−ｙｉ、Σ）が最も
大きい各ｘｉとｙｊの組み合わせを選択する。ステップ
３０５では、ステップ３０４で選択されたｘｉとｙｊに
対して特徴抽出関数ＡＴを施して特徴量を算出する。特
徴抽出関数ＡＴは、（数５）で定められる共分散行列Σ
ＦとΣの混合共分散行列ΣＴ＝λΣＦ＋（１−λ）Σを
考え、その固有値と固有ベクトルを用いて（数５）によ
り定められる。

【００４１】ステップ３０６では、ステップ３０５で算
出された特徴量の距離が予め定められた閾値ＴＨより大
きい場合同一人物と判定する。

【００４２】以上の様に、複数の種類の異なった変動の
各々についてその特徴を共分散行列Σｉ（ｉ＝
１，．．，Ｓ）（Ｓは変動の種類の数）によって表し、
入力された２つ画像間の変動をどの共分散行列が最適に
表現できるかを判定することにより、多種多様な変動に
対して安定した顔識別・照合を実現することができる。

【００４３】また、複数の入力画像の組（ｘｉ、ｙｉ）
に対応する差ベクトルｘｉ−ｙｉのいずれが、あらかじ
め学習された変動特徴に近いかを判定することにより、
学習された変動特徴にもっとも適した入力画像を識別・
照合時に選択することが可能になり、精度の高い顔識別
・照合が可能になる。

【００４４】

【発明の効果】以上のように、２つの画像間の変動を正
確に表しているかどうかの尺度の算出法を与え、最適な
変動の特徴、あるいは最適な入力画像の組を選択するこ
とを可能にすることにより、多種多様な変動に対して精
度良く安定な顔識別・照合が実現できる。

【図面の簡単な説明】

【図１】本発明の実施の形態１における顔画像・照合装
置の構成図

【図２】本発明の実施の形態１の動作フロー図

【図３】本発明の実施の形態２の動作フロー図

【図４】従来方法の顔パーツ検出方法を表すフロー図

【符号の説明】

１００，１０１ビデオカメラ１０２Ａ／Ｄ変換器１０３画像メモリ１０４ＣＰＵ１０５メモリ１０６特徴ベクトル格納メモリ１０７特徴ベクトル格納ディスク１０８キーボードディスプレイ１０９インターフェース１１０結果出力端子１１１インターフェース１１２バス１１３コンピュータシステム１１４スキャナ１１５インターフェース１１６画像メモリ

Claims

【特許請求の範囲】

【請求項１】撮影条件または撮影時期の違いによる画
像変動の特徴を分類されたクラス毎に予め学習してお
き、撮影条件または撮影時期の少なくとも１つが異なる
２枚の顔画像の差からクラスを選択し、前記２枚の顔画
像から選択されたクラスの画像変動の特徴量が小さくな
る特徴量をそれぞれ求め、前記２枚の顔画像の特徴量に
より顔識別・照合を行うことを特徴とする顔識別・照合
方法。
【請求項２】画像変動の特徴は、撮影条件または撮影
時期の異なる２つの画像の差画像の標本集合を複数用意
し、各クラス毎に主成分分析を行って主成分と各主成方
向の標本分布の分散の大きさを求めることを特徴とする
請求項１記載の顔識別・照合方法。
【請求項３】画像変動の特徴のクラスタの選択は、入
力された２枚の顔画像の差の画像と各クラスの主成分に
よって張られる空間との距離を算出し、算出された距離
が最も近いクラスを選択することを特徴とする請求項１
または請求項２記載の顔識別・照合方法。
【請求項４】画像変動の特徴のクラスタの選択は、入
力された２枚の顔画像の差の画像と各クラスの主成分に
よって張られる空間との距離と、入力された２枚の顔画
像の差の画像とゼロベクトルとのマハラノビス距離を算
出し、算出された２つの距離の和が最も小さいクラスを
選択することを特徴とする請求項１または請求項２記載
の顔識別・照合方法。
【請求項５】撮影条件または撮影時期の異なる２つの
画像の差画像の標本集合を複数用意し、各クラス毎に主
成分分析を行って主成分と各主成方向の標本分布の分散
の大きさを予め求めておき、入力された２枚の顔画像の
差の画像と各クラスの主成分によって張られる空間との
距離を算出し、算出された距離により小さいクラスを少
なくとも１つを選択し、前記２枚の顔画像からそれらの
クラスを統合したクラスの画像変動の特徴の小さくなる
特徴量をそれぞれ求め、前記２枚の顔画像の特徴量によ
り顔識別・照合を行うことを特徴とする顔識別・照合方
法。
【請求項６】クラスの選択は、入力された２枚の顔画
像の差の画像と各クラスの主成分によって張られる空間
との距離と入力された２枚の顔画像の差の画像とゼロベ
クトルとのマハラノビス距離を算出し、算出された２つ
の距離の和が予め定められた値より小さいクラスを１つ
または複数選択することを特徴とする請求項５記載の顔
識別・照合方法。
【請求項７】撮影条件または撮影時期の違いによる画
像変動の特徴を予め学習しておき、同一人物の画像集合
Ａと、別の撮影条件でとった同一人物の画像集合Ｂを入
力し、画像集合Ａに含まれる画像と画像集合Ｂに含まれ
る画像のすべての組み合わせて画像の差を求め、予め学
習された画像変動の特徴と最も一致している前記画像か
ら前記画像変動の特徴量が小さくなる特徴量をそれぞれ
求め、前記２枚の顔画像の特徴量により顔識別・照合を
行うことを特徴とする顔識別・照合方法。
【請求項８】撮影条件または撮影時期の違いによる画
像変動の特徴を分類されたクラス毎に予め学習する学習
手段と、撮影条件または撮影時期の少なくとも１つが異
なる２枚の顔画像の差からクラスを選択する特徴決定手
段と、前記２枚の顔画像から選択されたクラスの画像変
動の特徴量が小さくなる特徴量をそれぞれ求める特徴量
算出手段と、前記２枚の顔画像の特徴量により顔識別・
照合を行う判定手段とを具備することを特徴とする顔識
別・照合装置。
【請求項９】撮影条件または撮影時期の異なる２つの
画像の差画像の標本集合を複数用意し、各クラス毎に主
成分分析を行って主成分と各主成方向の標本分布の分散
の大きさを予め求める分布演算手段と、入力された２枚
の顔画像の差の画像と各クラスの主成分によって張られ
る空間との距離を算出する空間評価手段と、前記算出さ
れた距離により小さいクラスを少なくとも１つを選択す
る特徴決定手段と、、前記２枚の顔画像からそれらのク
ラスを統合したクラスの画像変動の特徴の小さくなる特
徴量をそれぞれ求める特徴量算出手段と、前記２枚の顔
画像の特徴量により顔識別・照合を行う判定手段とを具
備することを特徴とする顔識別・照合装置。
【請求項１０】撮影条件または撮影時期の違いによる
画像変動の特徴を予め学習する学習手段と、同一人物の
画像集合Ａと、別の撮影条件でとった同一人物の画像集
合Ｂを入力し、画像集合Ａに含まれる画像と画像集合Ｂ
に含まれる画像のすべての組み合わせて画像の差を求
め、予め学習された画像変動の特徴と最も一致している
組み合わせを求める特徴決定手段と、前記組み合わせ画
像から前記画像変動の特徴量が小さくなる特徴量をそれ
ぞれ求める特徴量算出手段と、前記２枚の顔画像の特徴
量により顔識別・照合を行う判定手段とを具備すること
を特徴とする顔識別・照合装置。
【請求項１１】コンピュータにより顔識別・照合を行
うプログラムを記録した記録媒体であって、撮影条件ま
たは撮影時期の違いによる画像変動の特徴を分類された
クラス毎に予め学習しておき、撮影条件または撮影時期
の少なくとも１つが異なる２枚の顔画像の差からクラス
を選択し、前記２枚の顔画像から選択されたクラスの画
像変動の特徴量が小さくなる特徴量をそれぞれ求め、前
記２枚の顔画像の特徴量により顔識別・照合を行うこと
を特徴とする顔識別・照合プログラムを記録した記録媒
体。
【請求項１２】コンピュータにより顔識別・照合を行
うプログラムを記録した記録媒体であって、撮影条件ま
たは撮影時期の異なる２つの画像の差画像の標本集合を
複数用意し、各クラス毎に主成分分析を行って主成分と
各主成方向の標本分布の分散の大きさを予め求めてお
き、入力された２枚の顔画像の差の画像と各クラスの主
成分によって張られる空間との距離を算出し、算出され
た距離により小さいクラスを少なくとも１つを選択し、
前記２枚の顔画像からそれらのクラスを統合したクラス
の画像変動の特徴の小さくなる特徴量をそれぞれ求め、
前記２枚の顔画像の特徴量により顔識別・照合を行うこ
とを特徴とする顔識別・照合プログラムを記録した記録
媒体。
【請求項１３】コンピュータにより顔識別・照合を行
うプログラムを記録した記録媒体であって、撮影条件ま
たは撮影時期の違いによる画像変動の特徴を予め学習し
ておき、同一人物の画像集合Ａと、別の撮影条件でとっ
た同一人物の画像集合Ｂを入力し、画像集合Ａに含まれ
る画像と画像集合Ｂに含まれる画像のすべての組み合わ
せて画像の差を求め、予め学習された画像変動の特徴と
最も一致している前記画像から前記画像変動の特徴量が
小さくなる特徴量をそれぞれ求め、前記２枚の顔画像の
特徴量により顔識別・照合を行うことを特徴とする顔識
別・照合プログラムを記録した記録媒体。