JP2000182060A - Individual identification method/device - Google Patents

Individual identification method/device

Info

Publication number
JP2000182060A
JP2000182060A JP10362048A JP36204898A JP2000182060A JP 2000182060 A JP2000182060 A JP 2000182060A JP 10362048 A JP10362048 A JP 10362048A JP 36204898 A JP36204898 A JP 36204898A JP 2000182060 A JP2000182060 A JP 2000182060A
Authority
JP
Japan
Prior art keywords
function
inclination
feature
personal identification
image
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.)
Pending
Application number
JP10362048A
Other languages
Japanese (ja)
Inventor
Ryota Yanagida
良太 柳田
Original Assignee
Nec Corp
日本電気株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nec Corp, 日本電気株式会社 filed Critical Nec Corp
Priority to JP10362048A priority Critical patent/JP2000182060A/en
Publication of JP2000182060A publication Critical patent/JP2000182060A/en
Application status is Pending legal-status Critical

Links

Abstract

PROBLEM TO BE SOLVED: To improve the precision of individual identification and to remarkably reduce storage capacity by operating the plural feature amounts of a centroid and an inclination as the features of silhouette pictures by means of a feature operation means and storing a reference function itself calculated by adding and averaging a feature function with the number of samples by means of a difference degree operation means in a storage device. SOLUTION: The silhouette picture of a pedestrian is extracted (S112) and a feature operation processing is executed from the silhouette picture (S114). Namely, a centroid operation processing calculating a centroid and an inclination operation processing calculating an inclination are executed at every prescribed number of silhouette pictures. A function of time on the centroid and the inclination, which is obtained in the operation processing, is Fourier-transformed at high speed into the function of a frequency (S116). A feature function generation processing extracting the feature function of the prescribed number of samples is executed (S118). The addition average of the respective feature functions is obtained and it is stored in a file as the reference function of a specified individual (S128).

Description

【発明の詳細な説明】 DETAILED DESCRIPTION OF THE INVENTION

【0001】 [0001]

【発明の属する技術分野】本発明は個人識別装置及び個人識別方法に係り、特に、歩行者の歩行画像から歩行者個人をコンピュータにより識別する個人識別装置及び該個人識別方法に関する。 The present invention relates to relates to a personal identification device and a personal identification method, in particular, personal identification device and said individual identification method for identifying a computer pedestrians individual pedestrian walking image.

【0002】 [0002]

【従来の技術】近年、セキュリティをはじめとする社会システムや特定の場所への入退出管理等において、顔、 In recent years, in the entry and exit management of the social system or a specific location, including security, face,
指紋、筆跡等の個人の身体的属性を利用して自動的に個人識別を行う個人識別装置の必要性が高まっている。 Fingerprint, there is a growing need for personal identification device that automatically performs personal identification using the physical attributes of the individual, such as handwriting. 現在、個人識別を行うための最も典型的な手法は、銀行のキャッシュカードでの個人識別に代表されるように、暗証番号等の個人の秘密情報を磁気記録式カードやICカード等の使用と同時に使用することである。 Currently, the most typical procedure for performing personal identification, as typified by personal identification in bank cash cards, the use of a magnetic recording type card or IC card or the like confidential personal information such as personal identification number and it is to use at the same time. しかしながら、これらの磁気記録式カードやICカード等は常に紛失や盗難の危険にさらされており、また、暗証番号等の個人の秘密情報も桁数等に制限があり他人が偶々知る機会があるので、確実に本人であるという絶対的な決め手とはなりにくい。 However, like these magnetic recording type cards and IC card is always exposed to the risk of loss or theft, and also the secret information of the individual, such as a personal identification number there is a limit to the number of digits, such as there is a chance that others are even people know because, surely unlikely to be the absolute clincher that it is personal.

【0003】この問題を解決するために、歩行等の動的な癖を利用して個人を識別することができる個人識別装置の技術が特開平第4−33066号公報に記載されている。 [0003] To solve this problem, technology for personal identification device capable of identifying a person by utilizing a dynamic habit of walking or the like is described in Japanese Patent Laid-Open No. No. 4-33066. この技術によれば、歩行の動的な特徴は個人により異なる点に着目し、その動画像を分析することによって入力された歩行者が予め登録されている人物の誰であるかを判定する個人識別を行うことができる。 According to this technique, individuals determine dynamic characteristics of the gait is focused on different points by an individual, who the is the person pedestrian entered is registered in advance by analyzing the moving picture identification can be carried out.

【0004】 [0004]

【発明が解決しようとする課題】しかしながら、特開平4−33066号公報の技術では、個人の動的癖を特定波形としてデータ化するので、膨大な特徴波形をデータとして持たなければならず、データを記憶する記憶装置の容量が大きくなると共に個人識別までの処理時間が長くなる、という問題がある。 However [0005] In JP-A 4-33066 discloses a technique, since the data of the dynamic habit individual as a specific waveform, must have a large feature waveform as data, data processing time until the personal identification increases with the capacity of the storage device that stores increases, there is a problem that.

【0005】本発明は上記事案を踏まえ、記憶容量が小さくかつ高精度で個人識別を可能とする個人識別装置及び該個人識別方法を提供することを目的とする。 [0005] The present invention is based on the above circumstances, an object thereof is to provide a personal identification device and said individual identification method which enables individual identification in storage capacity is small and highly accurate.

【0006】 [0006]

【課題を解決するための手段】上記目的を達成するために、この発明の個人識別装置は、歩行者の歩行画像から歩行者個人をコンピュータにより識別する個人識別装置であって、入力された画像から前記歩行者のシルエット画像を抽出するシルエット画像抽出手段と、前記シルエット画像の特徴として重心及び傾きを演算する特徴演算手段と、前記重心及び傾きの1周期の中から所定のサンプル数を取り出し、該各サンプル毎に前記重心及び傾きをパラメータとする特徴関数を生成する特徴関数生成手段と、前記特徴関数を前記サンプル数で加算平均して予め算出された基準関数と前記特徴関数との相違度を演算する相違度演算手段と、を備えている。 To achieve the above object, according to the Invention The personal identification device of the invention is a personal identification device for identifying a pedestrian individual by a computer from the pedestrian walking image, the input image silhouette image extracting means for extracting a silhouette image of the pedestrian, the feature calculating means for calculating the center of gravity and the inclination as a feature of the silhouette images, a predetermined number of samples from one cycle of the center of gravity and the inclination taken out, dissimilarity of the feature function generating means for generating a feature function, the characteristic function and the arithmetic mean pre calculated reference function in the number of samples and the characteristic function of a parameter of the center of gravity and the inclination for each respective sample and a, a difference calculating means for calculating a. これらシルエット画像抽出手段、特徴演算手段、特徴関数生成手段及び相違度演算手段はコンピュータのハードウエア及びソフトウエアで構成することができる。 These silhouette image extracting means, wherein calculating means, wherein the function generating means and difference calculating means may be composed of hardware and software of a computer. 本発明によれば、シルエット画像抽出手段により入力された画像から前記歩行者のシルエット画像が抽出され、特徴演算手段により前記シルエット画像の特徴として重心及び傾きが演算され、特徴関数生成手段により前記重心及び傾きの1周期の中から所定のサンプル数が取り出され、該各サンプル毎に前記重心及び傾きをパラメータとする特徴関数が生成される。 According to the present invention, is the pedestrian silhouette image from the input image is extracted by the silhouette image extraction unit, is calculated centroid and inclination by the feature computing unit as a feature of the silhouette images, the center of gravity by the feature function generating means and a predetermined number of samples from the one period of the slope is taken, characteristic function for a parameter the center of gravity and the inclination for each respective sample is generated. そして、相違度演算手段により前記特徴関数を前記サンプル数で加算平均して予め算出された基準関数と前記特徴関数との相違度が演算される。 Then, the difference of the feature functions and a reference function which is previously calculated by averaging in the number of samples and the feature function by difference calculating means is calculated. 本発明では、特徴演算手段によりシルエット画像の特徴として重心及び傾きの複数の特徴量が演算されるので、個人識別の精度を高めることができると共に、相違度演算手段により特徴関数をサンプル数で加算平均して算出された基準関数自体を記憶装置に記憶することができるので、記憶容量を格段に小さくすることができる。 In the present invention, since a plurality of feature amounts of the center of gravity and the inclination as a feature of the silhouette image is calculated by the feature calculation unit, it is possible to enhance the accuracy of personal identification, adds the characteristic function by the number of samples due to a difference calculating means it is possible to store the average reference function itself which is calculated by the storage device, the storage capacity can be significantly reduced.

【0007】この場合において、前記基準関数は個人特徴データとしてテキスト形式で記憶装置に記憶され、前記相違度演算手段による相違度演算時に該記憶装置から読み出されるようにすれば、個人特徴データは単に数字の羅列されたテキストでよいので、記憶容量を格段に小さくすることができると共に、相違度の演算でもテキストデータを使用することができるので、高速に演算を行うことができる。 [0007] In this case, the reference function is stored in the storage device in a text format as individual characteristic data, if as read from the storage device when the difference degree calculation by the difference calculating means, individual characteristic data is simply since good in enumerated text numbers, with the storage capacity can be significantly reduced, it is possible to also use the text data in the calculation of dissimilarity, it is possible to perform high-speed calculation.

【0008】本発明の他の特徴は、次に説明する本発明の実施の形態において更に明らかとなる。 [0008] Another feature of the present invention will become more apparent in embodiments of the present invention described below.

【0009】 [0009]

【発明の実施の形態】以下、図面を参照して、本発明に係る個人識別装置をセキュリティドア装置に適用した実施の形態について説明する。 DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, with reference to the accompanying drawings, embodiments will be described in which a personal identification apparatus according to the present invention is applied to a security door device.

【0010】図1に示すように、セキュリティドア装置10は、歩行者を正面から撮影する位置に配置され、歩行者の歩行動画像を撮影するアナログ8mmカメラ12 [0010] As shown in FIG. 1, the security door apparatus 10 is disposed in a position for photographing a pedestrian from the front, the analog 8mm camera 12 for photographing a walk action image of the pedestrian
を備えている。 It is equipped with a. このカメラ12は、モニタ14に接続されると共に、PC/AT互換機(以下、パソコンという。)18で制御されるカセットレコーダ16(8mm The camera 12 is connected to a monitor 14, PC / AT compatibles cassette recorder 16 controlled (hereinafter, referred to. PC) 18 (8mm
デッキ)に接続されている。 Is connected to the deck). パソコン18は、コンピュータ、ディスプレイ及びキーボードやマウス等の図示しない入力デバイスを備えると共に、コンピュータには、 PC 18 is a computer, with an input device (not shown) of the display and keyboard, a mouse, or the like, the computer,
OS(Operating System)としてマイクロソフト社のWindows 98が、アプリケーションソフトとして同社のOffice 97及び後述する選択処理ルーチン、識別処理ルーチンを含むセキュリティドア装置用アプリケーションプログラムがそれぞれインストールされている。 Microsoft Windows 98 as OS (Operating System) is the company's Office 97 and later selecting processing routine, the security door apparatus for an application program including identification processing routine is installed respectively as an application software. また、パソコン18には、図示しないドアの前に人が立つとその圧力を感知する圧力センサ22とパソコン18から送出されるトリガ信号により図示しないロックシリンダを開錠させる施錠装置2 In addition, the personal computer 18, the locking device is unlocked the lock cylinder (not shown) by a trigger signal sent Standing a person in front of the door (not shown) from the pressure sensor 22 and the computer 18 to sense the pressure 2
0とに接続されている。 It is connected to the 0 and. 施錠装置20は、図示しないマイクロコンピュータを備えており、施錠装置20が据え付けられた図示しないドアが一旦閉じられると図示しないロックシリンダを施錠状態に維持し、パソコン18からトリガ信号を受信するとマイクロコンピュータがソレノイド等のアクチュエータを作動させ図示しないロックシリンダを開錠させるようになっている。 Locking device 20 is provided with a microcomputer (not shown) to maintain the lock cylinder door (not shown) locking mechanism 20 is mounted is not shown and is closed once the locked state, when receiving the trigger signal from the computer 18 the microcomputer There has been adapted to unlock the lock cylinder (not shown) actuates an actuator such as a solenoid. なお、モニタ14はカメラ12で撮影した歩行者の歩行動画像を再生するためにカセットレコーダ16に接続されている。 The monitor 14 is connected to the cassette recorder 16 to play a pedestrian walking action image taken by the camera 12.

【0011】次に、セキュリティドア装置10の作用について説明する。 [0011] Next, a description will be given of the operation of the security door apparatus 10. なお、電源が投入されるとパソコン1 It should be noted that, when the power is turned on the personal computer 1
8は、最初にセキュリティドア装置10のアプリケーションソフトが起動し、次に述べる選択処理ルーチンが作動する。 8, first starts the application software security door apparatus 10, described below selection routine is activated.

【0012】図2に示すように、ステップS102では、取り込んだ画像を処理して個人識別用データベースとしてパソコン18内のハードディスクに格納を行うか(図3のステップS120,128参照)、個人識別用データベースを参照して個人識別処理(図3のステップS120,122参照)を行うか、をパソコン18のオペレータに選択させるために、例えば、「データベース作成(デフォルト値0)、個人識別(デフォルト値1) [0012] As shown in FIG. 2, (see step S120,128 in FIG. 3) In step S102, whether to store in the hard disk in the PC 18 as a personal identification database by processing the captured image, personal identification Referring to personal identification process a database or perform (see step S120,122 in FIG. 3), in order to select an operator of the personal computer 18, for example, "database creation (default value 0), personal identification (default 1 )
のいずれかを選択して下さい。 Please select one of the. 」との表示をして、ステップS104でオペレータによる入力デバイスの入力があるまで待機する。 And the display of the "waits in step S104 until the input of the input device by the operator. 次のステップS106では、オペレータが入力したデフォルト値が「0」又は「1」のときは、次のステップS108へ進み、入力されたデフォルト値を取り込み、取り込んだデフォルト値をパソコン1 In the next step S106, when the default value input by the operator is "0" or "1", the flow proceeds to step S108, fetches the inputted default values, the personal computer 1 the default value taken
8のワークエリアとして働くRAMに記憶して、選択処理ルーチンを終了する。 Stored in the RAM that acts as 8 work area, and ends the selection process routine. 一方、ステップS106でデフォルト値が「0」又は「1」でないときは、オペレータが誤って入力デバイスを操作したものと判断して、ステップS104へ戻る。 On the other hand, when the default value is not "0" or "1" in step S106, it is determined that the operator operates the input device by mistake, the flow returns to step S104.

【0013】次に、図3を参照して、パソコン18が行う識別処理ルーチンについて詳述する。 [0013] Next, with reference to FIG. 3, will be described in detail identification processing routine that the personal computer 18 is performed. なお、カメラ1 In addition, the camera 1
2で撮影された歩行動画像はカセットレコーダ16の8 Photographed walking action image in 2 8 of cassette recorder 16
mmテープに記録されているものとする。 It is assumed to be recorded in mm tape.

【0014】図3に示すように、この識別処理ルーチンでは、まず、ステップS110でパソコン18に画像を取り込む画像取込処理が実行される。 [0014] As shown in FIG. 3, in this identification process routine, first, the image capturing processing is executed to capture an image to a computer 18 in step S110. すなわち、オペレータが、モニタ14に表示され歩行者の歩行状態が再生された動画像を参照して、取り込み画像開始時間を示すタイムコードと取込時間とをパソコン18の図示しない入力デバイスから入力すると、パソコン18は、1フレーム(1/30秒)毎に解像度:640×512、階調:256で画像ボードに書き込んで、BMP形式(M That is, the operator, by referring to the moving image walking state of being displayed pedestrian reproduced on the monitor 14, and inputs the time code and capture time showing a captured image start time from an input device (not shown) of the PC 18 , PC 18, one frame (1/30 seconds) every resolution: 640 × 512, tone: in writing to the image board 256, BMP format (M
icrosoft Windows Bit Map) icrosoft Windows Bit Map)
で、予め定められたファイルに所定数の原画像をセーブする。 In, saving the predetermined number of the original image to a predetermined file. なお、本実施形態の説明を簡単にするために、ステップS110の前に、歩行者を含まず背景のみを撮影した背景画像がステップS110と同様の方法で予め定められたファイルにセーブされているものとする。 In order to simplify the description of this embodiment, prior to the step S110, the background image obtained by photographing the background only free of pedestrians is saved in a predetermined file in the same manner as in step S110 and things.

【0015】次のステップS112では、歩行者のシルエット画像を抽出するためのシルエット画像抽出処理が実行される。 [0015] In the next step S112, the silhouette image extraction processing for extracting a silhouette image of the pedestrian is performed. このシルエット画像抽出処理では、図4に示すように、ステップS211において所定ファイルにセーブされた背景画像を読み出して、背景画像の平滑化処理が行なわれる。 This silhouette image extracting process, as shown in FIG. 4, reads the saved background image in a predetermined file in step S211, the smoothing processing of the background image. ここでいう平滑化処理について一言すれば、全ての画素に対して周りの8画素との平均をとることをいい、より詳しくは、例えば、中心画素Eの周りに画素A、B、C、D、F、G、H、Iの8画素がある場合に、画素Eの画素値を、E=(A+B+C+D+ If Discuss smoothing process here refers to taking the average of the 8 pixels around all the pixels, and more particularly, for example, pixel A around the center pixel E, B, C, D, F, G, H, when there is 8 pixels I, the pixel value of the pixel E, E = (a + B + C + D +
2*E+F+G+H+I)/8として求め、中心画素E Calculated as 2 * E + F + G + H + I) / 8, the central pixel E
のみ重み付けをすることをいう。 Say that only the weighting. このように中心画素の重みを大きくしたのは、線や縁の部分をぼかしずぎないようにするためと共に、画素の前後の画素値が大きく変化している点(線等の注目画素)を明確にするためである。 From the large weight of the center pixel Thus, clearly with so that no technique without blurring the portion of the line or edge, that the pixel values ​​before and after the pixel has changed greatly (the pixel of interest in the line, etc.) This is to. このような平滑化処理は微分フィルタの一種であるソーベルフィルタ(Sobel Filter)を背景画像に掛けることにより実行される。 Such smoothing processing is performed by multiplying Sobel filter is a kind of differential filters (Sobel Filter) in the background image. 次のステップS2 The next step S2
12では、ステップS211と同様に、原画像の平滑化処理が行われる。 In 12, similarly to step S211, the smoothing processing of the original image.

【0016】次にステップ(差引点)S213では、原画像から歩行者部分を抽出するために、平滑化処理を行った原画像と背景画像との差分の絶対値をとって差分画像を得、次のステップS214において、差分画像には蛍光灯の輝度の変化によるノイズや影が残ってしまうので、それを除去するために閾値処理を行う。 [0016] Next, in step (deduction point) S213, in order to extract the pedestrian portion from the original image to obtain a difference image by taking the absolute value of the difference between the original image and the background image subjected to smoothing processing, in the next step S214, the since the difference image may remain noise and shadows due to change in luminance of the fluorescent lamp, it performs threshold processing to remove it. すなわち、 That is,
閾値処理では、濃度値の低い画素はノイズや影と判断することができるので、予め定めた閾値以下の濃度値を0 In the threshold processing is lower pixel density values ​​can be determined that noise and shadows, a predetermined threshold the following concentration values ​​0
として閾値処理画像を得る処理が実行される。 Process of obtaining the threshold processing image as is executed.

【0017】次のステップS215では、閾値処理画像だけでは歩行者の輪郭がはっきりしないので、閾値処理画像のエッジを強調するために、ソーベルフィルタをかけてエッジ強調処理を行ってエッジ強調画像を得、次のステップ(加え合わせ点)S216において、閾値処理画像とソーベルフィルタを掛けたエッジ強調画像とを加算する。 [0017] In the next step S215, the so only thresholding image is not clear outline of the pedestrian, in order to emphasize the edge of the threshold processing image, the edge enhanced image by performing edge enhancement processing by multiplying the Sobel filter resulting, in the next step (summing point) S216, adds the edge enhanced image obtained by multiplying the threshold value-processed image and the Sobel filter. このように、重み係数をエッジ強調画像に掛けることによりエッジ強調の度合いを調整することができる。 Thus, it is possible to adjust the degree of edge enhancement by multiplying a weighting factor to the edge enhanced image. なお、本実施形態では、閾値処理画像にエッジ強調画像を掛ける際に、画像=閾値処理画像+α*エッジ強調画像で定義される重み係数αを、加算された画像の値が255を越えないように求めた。 In the present embodiment, when applying the edge-enhanced image to the threshold processing image, the weighting factor alpha defined by the image = thresholded image + alpha * edge enhanced image, the value of the added image does not exceed 255 I was determined to.

【0018】次にステップS217では、歩行者部分を黒、背景部分を白にするために、各画像値を反転する反転処理が実行される。 [0018] Then in step S217, black pedestrians portion, the background portion to the white, inversion processing for inverting each image value is performed. この反転処理で得られた反転画像の画素ヒストグラムは、歩行者部分と背景部分とに対応する2つのピークを持つ。 Pixel histogram inverse image obtained by the inversion process, with two peaks corresponding to the pedestrian portion and the background portion. 従って、画素ヒストグラムよれば、濃度値が200より左の部分(濃度値の低い部分)に歩行者の部分が、右の部分(濃度値の高い部分) Therefore, according pixel histograms, part of the left than the concentration value 200 (the lower portion of the density value) in the pedestrian part, right part (portion having a high density value)
に背景の部分(ノイズ)に対応したピークと判断することができる。 It can be determined that the peak corresponding to the portion (noise) of the background.

【0019】そこで、ステップS218では、閾値を1 [0019] Therefore, in step S218, the threshold value 1
80以上200以下に限定して、反転画像の2値化処理が実行される。 80 200 is limited to less than, binarization of the reversal image is performed. この2値化処理では、2つのピーク間にある谷のところを閾値とするモード法を用いることができる。 In this binarization process, it is possible to use a mode method for a threshold at a valley in between the two peaks. ここでいうモード法とは、濃度値が180〜20 The mode method referred to here, the density value is 180-20
0の各画素数を求め、その中で最も小さく、かつ、20 Obtains each number of pixels of 0, the smallest among them, and 20
0に最も近い濃度値を閾値とする処理手法である。 The nearest density value 0 is processing technique to a threshold.

【0020】そして、次のステップS219において、 [0020] Then, in the next step S219,
足下の部分に残った影や孤立点を除くために、最小→ラベリング→膨張を行う孤立点除去処理を実行して、所定数の原画像に対応する所定数のシルエット画像を得る。 To eliminate shadows and isolated points remaining portion of the feet, the minimum → labeling → running isolated point removal processing for expansion, to obtain a predetermined number of silhouette image corresponding to a predetermined number of the original image.
なお、ノイズが全くなければ人物のシルエット画像は1 In addition, the person of the silhouette image if no noise at all 1
つしかないが、ノイズ等が生じると人物以外の画像を生じるので、本実施形態のラベリングでは、画像中にいくつかのブロックが生じた場合に、1,2,3・・・と番号を付けて孤立点除去を行った。 Only One, but because the noise or the like occurs resulting in images other than a person, in the labeling of this embodiment, when the number of blocks occurs in the image, with a 1, 2, 3 and number It was isolated point removal Te.

【0021】次に、図3のステップS114では、シルエット画像から特徴を求める特徴演算処理が実行される。 Next, in step S114 of FIG. 3, characterized arithmetic processing for determining the characteristics from the silhouette image is executed. この特徴演算処理での特徴としては、図5に示される重心(Xg,Yg)と傾きθ(シータ)とが用いられ、重心を算出する重心演算処理と傾きを算出する傾き演算処理とが所定数のシルエット画像毎に実行される。 Given as a feature of this feature calculation process, the center of gravity (Xg, Yg) as shown in FIG. 5 and the inclination theta (theta) and are used, and the inclination calculation processing for calculating the center of gravity calculation process and the inclination of calculating the center of gravity It is performed for each number of silhouette images.
重心演算処理では、面積中心は単位面積あたりの質量が一定の場合の質量中心(=重心)と言い換えることができるので、各シルエット画像上のシルエットの位置の面積中心を重心とした。 In the centroid calculation process, the area center it is possible to turn the center of mass of the case mass per unit area is constant (= the center of gravity), and the area center position of the silhouette on the silhouette image and the center of gravity. 重心(Xg,Yg)は次の数式により算出することができる。 The center of gravity (Xg, Yg) can be calculated by the following formula.

【0022】 [0022]

【数5】 [Number 5]

【0023】一方、傾き演算処理では、図5に示すように歩行者のシルエットは細長い形状をしているので、その細長く伸びている軸の傾きと垂直方向がなす角度を傾きθと定義した。 On the other hand, the slope calculation process, since the pedestrian silhouette elongated shape, as shown in FIG. 5, is defined as θ inclination angle formed by the inclination and the vertical direction of the elongated extending and shaft. 傾きθは、次式により算出することができる。 Inclination θ can be calculated by the following equation.

【0024】 [0024]

【数6】 [6]

【0025】次のステップS116では、まず、重心演算処理及び傾き演算処理で得られた重心及び傾きについての時間に関する関数(時間軸方向のグラフ)を高速フーリエ(Fourier)変換を行って周波数に関する関数(周波数軸方向のグラフ)にするフーリエ変換処理が実行される。 [0025] In the next step S116, first, a function related to the frequency function of time for the center of gravity and the slope obtained by the center-of-gravity arithmetic processing and inclination calculation processing (graph in the time axis direction) by performing a Fast Fourier (Fourier) transform Fourier transform processing to (graph of the frequency axis direction) is performed. 次に、フーリエ変換処理で得られた周波数に関する関数から、カメラ自体の床に対する垂直方向の傾き、歩行のふらつき及び歩行者がカメラに向かって移動しているために生じる歩行者とカメラとの撮影距離の変化による座標の変動(Y座標の変動を算出すると、 Next, shooting from a function related to the frequency obtained by the Fourier transform processing, the inclination of the vertical direction of the camera itself relative to the floor, a pedestrian and the camera walking wander and pedestrians occur in order moving toward the camera distance coordinate variation in due to changes in (calculating the variation of the Y-coordinate,
カメラ12に近い方が遠い方よりもY座標の変動が大きくなると共にその変動は歩行の周期よりもゆっくりした周波数特性となる)を低周波成分として取り除き、逆高速フーリエ変換をかけて再び時間に関する関数にする逆フーリエ変換処理が実行される。 The variation with variation of the Y-coordinate is larger than the person closer to the camera 12 is long removes a frequency characteristic) it was slower than the cycle of the walking as a low-frequency component, to re-time over an inverse fast Fourier transform inverse Fourier transform processing to the function is executed. なお、歩行の周期を測定した結果、約2周期分にかかる時間からポイント数を考慮することが好ましく、また、高速フーリエ変換を用いるために2の自乗とすることが好ましいので、本実施形態ではポイント数を128とした。 As a result of measuring the period of the walking, it is preferable to consider the number of points from the time it takes about two cycles, and because it is preferable that the second square in order to use the fast Fourier transform, in this embodiment the number of points was 128.

【0026】次のステップS118では、所定サンプル数の特徴関数を抽出する特徴関数生成処理が実行される。 [0026] In the next step S118, the feature function generating process of extracting a characteristic function of a predetermined number of samples is performed. 周期は各歩行者毎に個人差があり、しかも同一歩行者でも毎回同じ周期で歩いているわけではないので、周期の違いにより各特徴関数を比較する際にサンプル数が異なってしまう。 Period there are individual differences for each pedestrian, and since it is not walking in the same cycle every time in the same pedestrian, the number of samples becomes different when comparing each feature function due to the difference of the period. そこで、この特徴関数生成処理では、 Therefore, in this feature function generation processing,
各特徴の時間に関する関数を3次スプライン補完により補完し、各特徴の1周期の中から同じサンプル数を取り出して重心X座標,重心Y座標及び傾きをパラメータとする特徴関数を生成する。 Complemented by cubic spline complement function of time for each feature, to produce a characteristic function of the centroid X coordinate is taken out of the same number of samples from the one period of each feature, the center of gravity Y coordinate and slope parameters. なお、本実施形態では、傾きの時間に関する関数から1周期分を求め、サンプル数(n)を30となるように補完した。 In the present embodiment, but a first period from a function related to the slope of the time, complemented number of samples (n) such that 30.

【0027】次のステップS120では、ステップS1 [0027] In the next step S120, step S1
06でRAMに記憶したデフォルト値を読み出し、特徴関数生成処理で得られた特徴関数のデータをデータベースへ格納するか否かの判断を行う。 06 reads the default value stored in the RAM, determines whether or not to store the data of the characteristic function obtained by the characteristic function generation processing to the database. 肯定判断の場合には、ステップS128において、特徴関数生成処理で得られた各特徴関数(重心X座標,重心Y座標,傾き)のnシーン分の加算平均を求め、特定個人の基準関数f If the determination is affirmative, in step S128, the feature function obtained by the feature function generating process (centroid X coordinate, the center of gravity Y coordinates, inclination) determine the arithmetic mean of n scene content of the specific individual's reference function f
(p,c,t)として、不揮発性のデータベース(ファイル)に収めて、識別処理ルーチンを終了する。 (P, c, t) as, enjoyed the nonvolatile databases (files), and terminates the discrimination processing routine. この基準関数は次式で求めることができる。 The reference function can be obtained by the following expression.

【0028】 [0028]

【数7】 [Equation 7]

【0029】一方、ステップS120で否定判断された場合には、ステップS122において、歩行者個人を識別する個人識別処理が実行される。 On the other hand, if a negative determination in step S120, in step S122, the personal identification process is performed for identifying a pedestrian individuals. 各特徴関数のサンプル数をmとすると、特徴関数の波形は全体としてm次元の空間ベクトルと考えられる。 When the number of samples of each feature function is m, the waveform of characteristic function is considered as a spatial vector of m-dimensional as a whole. この個人識別処理では、 In this personal identification process,
特徴関数の波形のベクトルと基準関数の波形のベクトルとの距離が近いほどその基準関数の波形に類似していると考えられるので、ベクトル間のユークリッド距離を求め相違度を把握する。 It is considered that the distance between the vector of the waveform of the vector and the reference function of the waveform feature function is similar enough to the waveform of the reference function close, to grasp the degree of difference calculated Euclidean distances between vectors. 本実施形態では、各点のユークリッド距離を求め、その合計を最小二乗法により相違度と定義し、個人識別処理に用いた。 In this embodiment, obtains the Euclidean distance of each point, the sum is defined as dissimilarity by the least squares method, it was used in the personal identification process. すなわち、各サンプル点で特徴関数とその基準関数の差の二乗を求め、その合計を相違度として算出し、データベースに登録してある各人に対して相違度を求め、最も小さい相違度となった歩行者を識別候補として、次のステップS124へ進む。 That is, calculates the square of the difference characteristic function and the reference function at each sample point, to calculate the sum as dissimilarity, calculated dissimilarity against each person registered in the database, a smallest dissimilarity the pedestrian as the identification candidate, proceed to the next step S124. この相違度は次式で求めることができる。 This dissimilarity may be calculated by the following equation.

【0030】 [0030]

【数8】 [Equation 8]

【0031】ステップS124では、識別候補の相違度が予め定めた閾値より小さい場合に、図示しないドアを開錠して入室が許可される歩行者と判断し、次のステップS126において、圧力センサ22からの信号を受けたときに歩行者が図示しないドアの前に立ったと判断して、施錠装置20にトリガ信号を送出して、識別処理ルーチンを終了する。 [0031] At step S124, the in the case dissimilarity identification candidate is smaller than a predetermined threshold value, determines that the pedestrian entrance to unlock the door (not shown) is allowed, at the next step S126, the pressure sensor 22 it is determined that the pedestrian is standing in front of a door (not shown) when receiving a signal from, by sending a trigger signal to the locking device 20, and terminates the discrimination processing routine. 施錠装置20は、トリガ信号を受信して図示しないロックシリンダを施錠状態から開錠状態へ移動させるので、歩行者は図示しないドアから入室することができる。 Locking device 20, since moving the lock cylinder (not shown) receives a trigger signal from the locked state to the unlocked state, the pedestrian can enter from the door, not shown. 一方、ステップS124で、識別候補の相違度が予め定めた閾値以上となったときは、入室が許可される歩行者ではないので、図示しないロックシリンダを施錠状態のまま維持すべく識別処理ルーチンを終了する。 On the other hand, in step S124, the when the degree of difference identification candidate becomes a predetermined threshold value or more, since the entry is not a pedestrian allowed the identification processing routine to maintain the lock cylinder (not shown) remains in the locked state finish.

【0032】本実施形態のセキュリティドア装置によれば、特徴演算処理によりシルエット画像の特徴として重心(Xg,Yg)及び傾きθの複数の特徴量が演算されるので、個人識別の精度を高めることができると共に、 According to the security door apparatus of the present embodiment, the center of gravity (Xg, Yg) as a feature of the silhouette image by the feature calculation processing and so a plurality of feature amounts of inclination θ is calculated, to improve the accuracy of the personal identification it is,
ステップS128で特徴関数をサンプル数で加算平均して算出された基準関数f(p,c,t)自体を記憶装置に記憶することができるので、記憶容量を格段に小さくすることができる。 Criterion function f which is calculated by averaging the characteristic function by the number of samples in step S128 (p, c, t) it is possible to store itself in the storage device, the storage capacity can be significantly reduced. また、ステップS122の個人識別処理ではテキストベースの基準関数f(p,c,t)とテキストベースの特徴関数g (p,c,t)により相違度を演算しているので、高速に演算を行うことができる。 Further, since the individual identifying process in step S122 is calculated degree of difference by text-based criterion function f (p, c, t) and text-based characteristic function g j (p, c, t ), high speed operation It can be performed.

【0033】なお、本実施形態では、選択処理ルーチンを識別処理ルーチンの前に行うようにパソコン18が起動した直後に選択処理ルーチンを起動させたが、イベント駆動による割込処理としてもよい。 [0033] In the present embodiment, although the PC 18 to perform selection processing routine before the identification processing routine activates the selected routine immediately after launching, may interrupt processing by the event driven. また、ステップS In addition, step S
211はステップS211よりも早く処理したがこれら2つのステップはステップ(差引点)S213より前であればいずれを早く処理してもよい。 211 treated but these two steps earlier than the step S211 may be processed quickly by any of the before step (deduction point) S213.

【0034】また、本実施形態では本発明に係る個人識別装置をセキュリティドア装置に適用したが、特許請求の範囲に記載された範囲内において広い適用用途があることは当業者であれば明らかである。 Further, in the present embodiment is a personal identification apparatus according to the present invention is applied to a security door system, that there is wide applicability applications within the scope described in the claims be apparent to those skilled in the art is there. その一例として、 As an example,
例えば、医療用に用いることも可能である。 For example, it is also possible to use the medical. すなわち、 That is,
右足をけがしている人の歩行動画像の周期性を解析することにより右足をけがしている人の特徴関数が得られる。 The characteristic function of a person injured right leg obtained by analyzing the periodicity of the human walking action image that hurt his right foot. このように様々な症状に対する特徴関数をデータベース化しておくことにより、ある患者の歩行動画像の周期性からどの部分に支障があるかを把握できる医療システム等にも適用可能である。 By thus keep a database of characteristic functions for various conditions, is also applicable to a medical system, etc. can be grasped whether or not there is a trouble in which part of the periodicity of a patient's walking action image.

【0035】更に、本発明は、上記実施の形態の説明から、「前記シルエット画像抽出手段により抽出されるシルエット画像は、微分フィルタにより平滑化されることを特徴とする請求項1乃至8のいずれか1項に記載の個人識別装置。」、「前記シルエット画像抽出手段により抽出されるシルエット画像は、所定の閾値以下の濃度値を0としたことを特徴とする請求項1又は8のいずれか1項に記載の個人識別装置。」、「前記シルエット画像抽出手段により抽出されるシルエット画像は、該シルエット画像のエッジを強調するように、前記所定の閾値以下の濃度値を0とした画像とこの所定の閾値以下の濃度を0とした画像に微分フィルタを掛けた画像とを加算したことを特徴とする請求項1又は8のいずれか1項に記載の個人識別装置 Furthermore, the present invention provides any of the above-described embodiments, the silhouette image extracted by "the silhouette image extracting means, of claims 1 to 8, characterized in that it is smoothed by the differential filter or personal identification device according to (1). "silhouette image extracted by" the silhouette image extracting means, any of claims 1 or 8, characterized in that a 0 a predetermined threshold value following density values personal identification device according to (1). "silhouette image extracted by" the silhouette image extracting means, so as to emphasize the edge of the silhouette image, an image obtained by the zero concentration value below the predetermined threshold personal identification device according to any one of claims 1 or 8, characterized in that the concentration of the following the predetermined threshold value obtained by adding the image obtained by multiplying the differential filter to zero and image 」、「前記所定の閾値以下の濃度を0とした画像に微分フィルタを掛けた画像に重み係数を掛けたことを特徴とする請求項1又は8のいずれか1項に記載の個人識別装置。」、「前記シルエット画像抽出手段により抽出されるシルエット画像は、歩行者部分を黒、背景部分を白となるように各画素値が反転されたことを特徴とする請求項1又は8のいずれか1項に記載の個人識別装置。」、「前記反転されたシルエット画像は、モード法により2値化されることを特徴とする請求項1又は8のいずれか1項に記載の個人識別装置。」、 "," Personal identification device according to any one of claims 1 or 8, characterized in that multiplied by weighting factors to the image multiplied by the differential filter concentration below the predetermined threshold image with 0. "silhouette image extracted by" the silhouette image extracting means, any of claims 1 or 8 black pedestrian portions, each pixel value to be a white background portion, characterized in that the inverted personal identification device according to (1). "," the inverted silhouette image, personal identification device according to any one of claims 1 or 8, characterized in that it is binarized by a mode method. "
「前記2値化されたシルエット画像は、孤立点を除去したことを特徴とする請求項1又は8のいずれか1項に記載の個人識別装置。」等の各個人識別装置を特許請求の範囲とすることができるものである。 "The binarized silhouette image, personal identification device. According to any one of claims 1 or 8, characterized in that the removal of the isolated point" claims a respective personal identification device such as a it is capable to.

【0036】 [0036]

【発明の効果】以上説明したように、本発明によれば、 As described in the foregoing, according to the present invention,
特徴演算手段によりシルエット画像の特徴として重心及び傾きの複数の特徴量が演算されるので、個人識別の精度を高めることができると共に、相違度演算手段により特徴関数をサンプル数で加算平均して算出された基準関数自体を記憶装置に記憶することができるので、記憶容量を格段に小さくすることができる、という効果を得ることができる。 Since a plurality of feature amounts of the center of gravity and the inclination as a feature of the silhouette image is calculated by the feature calculation unit, it is possible to increase the accuracy of the personal identification, is calculated by averaging the characteristic function by the number of samples due to a difference calculating means it is possible to store the criteria function itself in the storage device, the storage capacity can be significantly reduced, it is possible to obtain an effect that.

【図面の簡単な説明】 BRIEF DESCRIPTION OF THE DRAWINGS

【図1】本発明に係る自動識別装置を適用したセキュリティドア装置の実施形態の構成を示すブロック図である。 1 is a block diagram showing the configuration of an embodiment of a security door apparatus according to the automatic identification system according to the present invention.

【図2】PC/AT互換機を立ち上げたときの選択処理を示すフローチャートである。 2 is a flowchart showing the selection process when launched PC / AT compatibles.

【図3】PC/AT互換機の識別処理ルーチンを示すフローチャートである。 3 is a flow chart showing the identification processing routine of PC / AT compatibles.

【図4】識別処理ルーチンのステップS112の詳細を示すブロック線図である。 4 is a block diagram showing the details of step S112 of the identification processing routine.

【図5】識別処理ルーチンのステップS114で算出される重心及び傾きの概念を示す説明図である。 5 is an explanatory diagram showing the concept of the center of gravity and the slope calculated in step S114 of the identification processing routine.

【符号の説明】 DESCRIPTION OF SYMBOLS

10 セキュリティドア装置 12 アナログ8mmカメラ 14 カメラモニタ 16 カセットレコーダ 18 PC/AT互換機 20 施錠装置 22 圧力センサ 10 security door apparatus 12 analog 8mm camera 14 camera monitor 16 cassette recorder 18 PC / AT compatible machine 20 locking device 22 pressure sensor

───────────────────────────────────────────────────── ────────────────────────────────────────────────── ───

【手続補正書】 [Procedure amendment]

【提出日】平成12年3月6日(2000.3.6) [Filing date] 2000 March 6 (2000.3.6)

【手続補正1】 [Amendment 1]

【補正対象書類名】明細書 [Correction target document name] specification

【補正対象項目名】特許請求の範囲 [Correction target item name] the scope of the appended claims

【補正方法】変更 [Correction method] change

【補正内容】 [Correction contents]

【特許請求の範囲】 [The claims]

【数1】 [Number 1]

【数2】 [Number 2]

【数3】 [Number 3]

【数4】 [Number 4]

【手続補正2】 [Amendment 2]

【補正対象書類名】明細書 [Correction target document name] specification

【補正対象項目名】0015 [Correction target item name] 0015

【補正方法】変更 [Correction method] change

【補正内容】 [Correction contents]

【0015】次のステップS112では、歩行者のシルエット画像を抽出するためのシルエット画像抽出処理が実行される。 [0015] In the next step S112, the silhouette image extraction processing for extracting a silhouette image of the pedestrian is performed. このシルエット画像抽出処理では、図4に示すように、ステップS211において所定ファイルにセーブされた背景画像を読み出して、背景画像の平滑化処理が行なわれる。 This silhouette image extracting process, as shown in FIG. 4, reads the saved background image in a predetermined file in step S211, the smoothing processing of the background image. ここでいう平滑化処理について一言すれば、全ての画素に対して周りの8画素との平均をとることをいい、より詳しくは、例えば、中心画素Eの周りに画素A、B、C、D、F、G、H、Iの8画素がある場合に、画素Eの画素値を、E=(A+B+C+D+ If Discuss smoothing process here refers to taking the average of the 8 pixels around all the pixels, and more particularly, for example, pixel A around the center pixel E, B, C, D, F, G, H, when there is 8 pixels I, the pixel value of the pixel E, E = (a + B + C + D +
2*E+F+G+H+I)/ 10として求め、中心画素Eのみ重み付けをすることをいう。 2 * determined as E + F + G + H + I) / 10, it refers to only the weighted center pixel E. このように中心画素の重みを大きくしたのは、線や縁の部分をぼかしずぎないようにするためと共に、画素の前後の画素値が大きく変化している点(線等の注目画素)を明確にするためである。 From the large weight of the center pixel Thus, clearly with so that no technique without blurring the portion of the line or edge, that the pixel values ​​before and after the pixel has changed greatly (the pixel of interest in the line, etc.) This is to. 次のステップS212では、ステップS211と同様に、原画像の平滑化処理が行われる。 In the next step S212, the similarly to step S211, the smoothing processing of the original image.

【手続補正3】 [Amendment 3]

【補正対象書類名】明細書 [Correction target document name] specification

【補正対象項目名】0025 [Correction target item name] 0025

【補正方法】変更 [Correction method] change

【補正内容】 [Correction contents]

【0025】次のステップS116では、まず、重心演算処理及び傾き演算処理で得られた重心及び傾きについての時間に関する関数(時間軸方向のグラフ)を高速フーリエ(Fourier)変換を行って周波数に関する関数(周波数軸方向のグラフ)にするフーリエ変換処理が実行される。 [0025] In the next step S116, first, a function related to the frequency function of time for the center of gravity and the slope obtained by the center-of-gravity arithmetic processing and inclination calculation processing (graph in the time axis direction) by performing a Fast Fourier (Fourier) transform Fourier transform processing to (graph of the frequency axis direction) is performed. 次に、フーリエ変換処理で得られた周波数に関する関数から、カメラ自体の床に対する垂直方向の傾き、歩行のふらつき及び歩行者がカメラに向かって移動しているために生じる歩行者とカメラとの撮影距離の変化による座標の変動(Y座標の変動を算出すると、 Next, shooting from a function related to the frequency obtained by the Fourier transform processing, the inclination of the vertical direction of the camera itself relative to the floor, a pedestrian and the camera walking wander and pedestrians occur in order moving toward the camera distance coordinate variation in due to changes in (calculating the variation of the Y-coordinate,
カメラ12に近い方が遠い方よりもY座標の変動が大きくなると共にその変動は歩行の周期よりもゆっくりした周波数特性となる)を低周波成分として取り除き、逆高速フーリエ変換をかけて再び時間に関する関数にする逆フーリエ変換処理が実行される。 The variation with variation of the Y-coordinate is larger than the person closer to the camera 12 is long removes a frequency characteristic) it was slower than the cycle of the walking as a low-frequency component, to re-time over an inverse fast Fourier transform inverse Fourier transform processing to the function is executed. なお、歩行の周期を測定した結果、約2周期分にかかる時間からポイント数を考慮することが好ましく、本実施形態ではポイント数を128とした。 As a result of measuring the period of the walking, it is preferable to consider the number of points from the time it takes about two cycles, and the 128 number of points in this embodiment.

【手続補正4】 [Amendment 4]

【補正対象書類名】明細書 [Correction target document name] specification

【補正対象項目名】0028 [Correction target item name] 0028

【補正方法】変更 [Correction method] change

【補正内容】 [Correction contents]

【0028】 [0028]

【数7】 [Equation 7]

【手続補正5】 [Amendment 5]

【補正対象書類名】明細書 [Correction target document name] specification

【補正対象項目名】0029 [Correction target item name] 0029

【補正方法】変更 [Correction method] change

【補正内容】 [Correction contents]

【0029】一方、ステップS120で否定判断された場合には、ステップS122において、歩行者個人を識別する個人識別処理が実行される。 On the other hand, if a negative determination in step S120, in step S122, the personal identification process is performed for identifying a pedestrian individuals. 本実施形態では、各サンプル点で特徴関数とその基準関数の差の二乗を求め、その合計を相違度として算出し、データベースに登録してある各人に対して相違度を求め、最も小さい相違度となった歩行者を識別候補として、次のステップS1 In the present embodiment, calculates the square of the difference characteristic function and the reference function at each sample point, to calculate the sum as dissimilarity, calculated dissimilarity against each person registered in the database, the smallest difference pedestrians became degrees as identified candidates, the next step S1
24へ進む。 It advances to 24. この相違度は次式で求めることができる。 This dissimilarity may be calculated by the following equation.

【手続補正6】 [Amendment 6]

【補正対象書類名】明細書 [Correction target document name] specification

【補正対象項目名】0030 [Correction target item name] 0030

【補正方法】変更 [Correction method] change

【補正内容】 [Correction contents]

【0030】 [0030]

【数8】 [Equation 8]

【手続補正7】 [Amendment 7]

【補正対象書類名】明細書 [Correction target document name] specification

【補正対象項目名】0032 [Correction target item name] 0032

【補正方法】変更 [Correction method] change

【補正内容】 [Correction contents]

【0032】本実施形態のセキュリティドア装置によれば、特徴演算処理によりシルエット画像の特徴として重心(Xg,Yg)及び傾きθの複数の特徴量が演算されるので、個人識別の精度を高めることができると共に、 According to the security door apparatus of the present embodiment, the center of gravity (Xg, Yg) as a feature of the silhouette image by the feature calculation processing and so a plurality of feature amounts of inclination θ is calculated, to improve the accuracy of the personal identification it is,
ステップS128で特徴関数をシーン数で加算平均して算出された基準関数f(p,c,t)自体を記憶装置に記憶することができるので、記憶容量を格段に小さくすることができる。 Reference function f characteristic function calculated by adding average number of scenes in the step S128 (p, c, t) it is possible to store itself in the storage device, the storage capacity can be significantly reduced. また、ステップS122の個人識別処理ではテキストベースの基準関数f(p,c,t)とテキストベースの特徴関数g (p,c,t)により相違度を演算しているので、高速に演算を行うことができる。 Further, since the individual identifying process in step S122 is calculated degree of difference by text-based criterion function f (p, c, t) and text-based characteristic function g j (p, c, t ), high speed operation It can be performed.

【手続補正8】 [Amendment 8]

【補正対象書類名】明細書 [Correction target document name] specification

【補正対象項目名】0033 [Correction target item name] 0033

【補正方法】変更 [Correction method] change

【補正内容】 [Correction contents]

【0033】なお、本実施形態では、選択処理ルーチンを識別処理ルーチンの前に行うようにパソコン18が起動した直後に選択処理ルーチンを起動させたが、イベント駆動による割込処理としてもよい。 [0033] In the present embodiment, although the PC 18 to perform selection processing routine before the identification processing routine activates the selected routine immediately after launching, may interrupt processing by the event driven. また、ステップS In addition, step S
211はステップS212よりも早く処理したがこれら2つのステップはステップ(差引点)S213より前であればいずれを早く処理してもよい。 211 treated but these two steps earlier than the step S212 may be processed quickly by any of the before step (deduction point) S213.

【手続補正9】 [Amendment 9]

【補正対象書類名】明細書 [Correction target document name] specification

【補正対象項目名】0035 [Correction target item name] 0035

【補正方法】変更 [Correction method] change

【補正内容】 [Correction contents]

【0035】更に、本発明は、上記実施の形態の説明から、「前記シルエット画像抽出手段により抽出されるシルエット画像は、 平滑化されることを特徴とする請求項1乃至8のいずれか1項に記載の個人識別装置。」、 Furthermore, the present invention is, from the above-described embodiments, the silhouette image extracted by "the silhouette image extracting means, any one of claims 1 to 8, characterized in that it is smoothed personal identification device as claimed in. "
「前記シルエット画像抽出手段により抽出されるシルエット画像は、所定の閾値以下の濃度値を0としたことを特徴とする請求項1又は8のいずれか1項に記載の個人識別装置。」、「前記シルエット画像抽出手段により抽出されるシルエット画像は、該シルエット画像のエッジを強調するように、前記所定の閾値以下の濃度値を0とした画像とこの所定の閾値以下の濃度を0とした画像に微分フィルタを掛けた画像とを加算したことを特徴とする請求項1又は8のいずれか1項に記載の個人識別装置。」、「前記所定の閾値以下の濃度を0とした画像に微分フィルタを掛けた画像に重み係数を掛けたことを特徴とする請求項1又は8のいずれか1項に記載の個人識別装置。」、「前記シルエット画像抽出手段により抽出されるシルエット画 "Silhouette image extracted by the silhouette image extraction unit, a personal identification device according to any one of claims 1 or 8, characterized in that a 0 the following concentration values ​​predetermined threshold." " silhouette image extracted by the silhouette image extraction unit, said to emphasize the edge of the silhouette image, an image where the density value of less than the predetermined threshold is 0 the image and the following concentrations the predetermined threshold value set to 0 personal identification device according to any one of claims 1 or 8, characterized in that the sum of the image multiplied by the differential filter in. ", differentiated the" image 0 concentration below the predetermined threshold personal identification device according to any one of claims 1 or 8 to the image multiplied by the filter, characterized in that multiplied by weighting factors. "silhouette image extracted by" the silhouette image extraction unit は、歩行者部分を黒、背景部分を白となるように各画素値が反転されたことを特徴とする請求項1又は8のいずれか1項に記載の個人識別装置。」、「前記反転されたシルエット画像は、モード法により2値化されることを特徴とする請求項1又は8のいずれか1項に記載の個人識別装置。」、「前記2値化されたシルエット画像は、孤立点を除去したことを特徴とする請求項1又は8のいずれか1項に記載の個人識別装置。」等の各個人識別装置を特許請求の範囲とすることができるものである。 The pedestrian portion black, personal identification apparatus according to any one of claims 1 or 8 pixel values ​​to the background portion becomes white and characterized by being inverted. "," The inversion silhouette image, personal identification device according to any one of claims 1 or 8, characterized in that it is binarized by a mode method. "," the binarized silhouette image, isolated personal identification device according to any one of claims 1 or 8, characterized in that the removal of the point. each individual identification devices "such as those that may be in the range of the appended claims.

Claims (9)

    【特許請求の範囲】 [The claims]
  1. 【請求項1】歩行者の歩行画像から歩行者個人をコンピュータにより識別する個人識別装置であって、 入力された画像から前記歩行者のシルエット画像を抽出するシルエット画像抽出手段と、 前記シルエット画像の特徴として重心及び傾きを演算する特徴演算手段と、 前記重心及び傾きの1周期の中から所定のサンプル数を取り出し、該各サンプル毎に前記重心及び傾きをパラメータとする特徴関数を生成する特徴関数生成手段と、 前記特徴関数を前記サンプル数で加算平均して予め算出された基準関数と前記特徴関数との相違度を演算する相違度演算手段と、 を備えた個人識別装置。 1. A personal identification device for identifying a pedestrian individual by a computer from the pedestrian walking image, a silhouette image extracting means for extracting a silhouette image of the pedestrian from an input image, the silhouette image a feature calculating means for calculating a center of gravity and the inclination as a feature, extracts predetermined number of samples from one cycle of the center of gravity and the inclination, characterized function that generates a characteristic function for a parameter of the center of gravity and the inclination for each respective sample a generation unit, a personal identification device with the characteristic function having a a difference calculating means for calculating a degree of difference between the characteristic function and the reference function which is previously calculated by averaging in the number of samples.
  2. 【請求項2】前記基準関数は個人特徴データとしてテキスト形式で記憶装置に記憶され、前記相違度演算手段による相違度演算時に該記憶装置から読み出されることを特徴とする請求項1に記載の個人識別装置。 Wherein said reference function is stored in the storage device in a text format as individual characteristic data, personal claim 1, characterized in that read from the storage device when the difference degree calculation by the difference calculating means identification device.
  3. 【請求項3】前記重心は次式で与えられることを特徴とする請求項1又は2に記載の個人識別装置。 3. A personal identification device according to claim 1 or 2, wherein the center of gravity, characterized in that it is given by the following equation. 【数1】 [Number 1]
  4. 【請求項4】前記傾きは次式で与えられることを特徴とする請求項1乃至3のいずれか1項に記載の個人識別装置。 4. A personal identification device according to any one of claims 1 to 3 wherein the slope is characterized in that it is given by the following equation. 【数2】 [Number 2]
  5. 【請求項5】前記重心及び傾きについての時間に関する関数をフーリエ変換して周波数に関する関数にし、この周波数に関する関数から低周波成分を取り除いて逆フーリエ変換して時間に関する関数に戻すことを特徴とする請求項1乃至4のいずれか1項に記載の個人識別装置。 5. A function related to the frequency by Fourier transform of the function of time for the center of gravity and the inclination, and returning to the inverse Fourier transform to a function with respect to time to remove the low-frequency component from a function related to the frequency personal identification device according to any one of claims 1 to 4.
  6. 【請求項6】前記特徴関数のサンプル数は前記重心及び傾きについて同数となるように3次スプライン補完により補完されることを特徴とする請求項1乃至5のいずれか1項に記載の個人識別装置。 6. A personal identification according to any one of claims 1 to 5 the number of samples of the characteristic function, characterized in that it is supplemented by a cubic spline complementary so that the same number for the center of gravity and the inclination apparatus.
  7. 【請求項7】前記基準関数は、次式で与えられることを特徴とする請求項1乃至請求項6のいずれか1項に記載の個人識別装置。 Wherein said reference function, the personal identification device according to any one of claims 1 to 6, characterized in that given by the following equation. 【数3】 [Number 3]
  8. 【請求項8】前記相違度は、次式で与えられることを特徴とする請求項1乃至請求項7のいずれか1項に記載の個人識別装置。 Wherein said dissimilarity, personal identification device according to any one of claims 1 to 7, characterized in that given by the following equation. 【数4】 [Number 4]
  9. 【請求項9】歩行者の歩行画像から歩行者個人をコンピュータにより識別する個人識別方法であって、 入力された画像から前記歩行者のシルエット画像を抽出し、 前記シルエット画像の特徴として重心及び傾きを演算し、 前記重心及び傾きの1周期の中から所定のサンプル数を取り出し、該各サンプル毎に前記重心及び傾きをパラメータとする特徴関数を生成し、 前記特徴関数を前記サンプル数で加算平均して予め算出された基準関数と前記特徴関数との相違度を演算する、 9. A personal identification method of identifying a pedestrian walking image pedestrian personal computer, extract the silhouette image of the pedestrian from an input image, the center of gravity and the inclination as a feature of the silhouette images It calculates the extracts the predetermined number of samples from one cycle of the center of gravity and the inclination, to generate the characteristic function of a parameter of the center of gravity and the inclination for each respective sample, averaging the feature functions by the number of samples wherein computing the difference degree between the feature functions and pre calculated reference function and,
    ステップを含む個人識別方法。 Personal identification method comprising the step.
JP10362048A 1998-12-21 1998-12-21 Individual identification method/device Pending JP2000182060A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP10362048A JP2000182060A (en) 1998-12-21 1998-12-21 Individual identification method/device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP10362048A JP2000182060A (en) 1998-12-21 1998-12-21 Individual identification method/device

Publications (1)

Publication Number Publication Date
JP2000182060A true JP2000182060A (en) 2000-06-30

Family

ID=18475739

Family Applications (1)

Application Number Title Priority Date Filing Date
JP10362048A Pending JP2000182060A (en) 1998-12-21 1998-12-21 Individual identification method/device

Country Status (1)

Country Link
JP (1) JP2000182060A (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006013765A1 (en) * 2004-08-03 2006-02-09 Matsushita Electric Industrial Co., Ltd. Person judging device and person search and tracking device
JP2009047503A (en) * 2007-08-17 2009-03-05 Nagaoka Univ Of Technology Method and apparatus for analysis of tactile sense
WO2014011608A2 (en) * 2012-07-11 2014-01-16 Duquesne University Of The Holy Spirit Kinetic-based tool for biometric identification, verification, validation and profiling

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006013765A1 (en) * 2004-08-03 2006-02-09 Matsushita Electric Industrial Co., Ltd. Person judging device and person search and tracking device
US7397931B2 (en) 2004-08-03 2008-07-08 Matsushita Electric Industrial Co., Ltd. Human identification apparatus and human searching/tracking apparatus
CN100474339C (en) 2004-08-03 2009-04-01 松下电器产业株式会社 Human identification apparatus
CN101398892B (en) 2004-08-03 2010-12-22 松下电器产业株式会社 Human searching/tracking apparatus
JP2009047503A (en) * 2007-08-17 2009-03-05 Nagaoka Univ Of Technology Method and apparatus for analysis of tactile sense
WO2014011608A2 (en) * 2012-07-11 2014-01-16 Duquesne University Of The Holy Spirit Kinetic-based tool for biometric identification, verification, validation and profiling
WO2014011608A3 (en) * 2012-07-11 2014-03-13 Duquesne University Of The Holy Spirit Kinetic-based tool for biometric identification, verification, validation and profiling

Similar Documents

Publication Publication Date Title
Ma et al. Bicov: a novel image representation for person re-identification and face verification
Radke et al. Image change detection algorithms: a systematic survey
Suh et al. Automatic thumbnail cropping and its effectiveness
US7171044B2 (en) Red-eye detection based on red region detection with eye confirmation
KR101615254B1 (en) Detecting facial expressions in digital images
US7379627B2 (en) Integrated solution to digital image similarity searching
JP4830650B2 (en) Tracking device
US7072523B2 (en) System and method for fingerprint image enhancement using partitioned least-squared filters
US7218759B1 (en) Face detection in digital images
US7031525B2 (en) Edge detection based on background change
US8331619B2 (en) Image processing apparatus and image processing method
US7769209B2 (en) Biometric authentication method and biometric authentication apparatus
CN1276381C (en) Region detecting method and region detecting apparatus
US5465308A (en) Pattern recognition system
Rowley et al. Large scale image-based adult-content filtering
US5161204A (en) Apparatus for generating a feature matrix based on normalized out-class and in-class variation matrices
US5566246A (en) System and method for ranking and extracting salient contours for target recognition
US8369595B1 (en) Texture features for biometric authentication
Bradski et al. Learning-based computer vision with intel's open source computer vision library.
US20040125993A1 (en) Fingerprint security systems in handheld electronic devices and methods therefor
US6771818B1 (en) System and process for identifying and locating people or objects in a scene by selectively clustering three-dimensional regions
US6901155B2 (en) Wavelet-enhanced automated fingerprint identification system
US6535636B1 (en) Method for automatically detecting digital images that are undesirable for placing in albums
US6813010B2 (en) Personal identification system
US7054470B2 (en) System and method for distortion characterization in fingerprint and palm-print image sequences and using this distortion as a behavioral biometrics

Legal Events

Date Code Title Description
A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20010116