JP2003187229A - 顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置 - Google Patents
顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置Info
- Publication number
- JP2003187229A JP2003187229A JP2001381530A JP2001381530A JP2003187229A JP 2003187229 A JP2003187229 A JP 2003187229A JP 2001381530 A JP2001381530 A JP 2001381530A JP 2001381530 A JP2001381530 A JP 2001381530A JP 2003187229 A JP2003187229 A JP 2003187229A
- Authority
- JP
- Japan
- Prior art keywords
- face
- image
- index
- distribution
- reliability index
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
- Image Processing (AREA)
Abstract
タデータ生成技術および顔類似度算出技術を提供し、さ
らに実用的な顔のマッチングシステムを構築するための
技術を提供する 【解決手段】 顔特徴抽出部121により、顔特徴量を
抽出するとともに、信頼性指標抽出部122によって信
頼性指標を抽出し、顔メタデータとして出力する。マッ
チング時には顔メタデータの信頼性指標を用いて、その
信頼性指標が得られた時の事後分布に関するパラメータ
等の情報を分布推定部141により推定し、距離算出部
142により、特徴量間の類似度を算出する。
Description
顔の表情認識、顔による男女識別、顔による年齢判別等
に利用可能な技術に係り、特に静止画像や動画像に映さ
れている顔情報に関するメタデータを生成するメタデー
タ生成、顔類似度算出およびメタデータのマッチング技
術に関する。
を記述あるいは代表するデータのことであり、顔認識の
場合には、主に静止顔画像や動画像などの顔データに関
するデータを意味する。
ンテンツに対するメタデータの標準化活動として、MPEG
-7(Moving Pictures Experts Group-7)の活動が広く知
られている。この中で顔認識に関するメタデータの記述
子として、顔認識記述子が提案されている(A. Yamada他
編, "MPEG-7 Visual part of eXperimental Model Vers
ion 9.0," ISO/IEC JTC1/SC29/WG11 N3914, 2001)。
した顔画像に対して、一般的に固有顔と呼ばれる部分空
間法の一種を用いて、顔画像の特徴量を抽出するための
基底行列を求め、この基底行列によって画像中から顔特
徴量を抽出し、これをメタデータとする。また、この顔
特徴量に対する類似度として重み付け絶対値距離を用い
ることを提案している。
があることが知られており、例えば、主成分分析(Mogha
ddam他,"Probalilistic Visual Learning for Object D
etection",IEEE Transactions on Pattern Analysis an
d Machine Intelligence, Vol. 17, No. 7, pp. 696-71
0, 1997)、あるいは、判別分析(W. Zhao他, "Discrimin
ant Analysis of Principal Components forFace Recog
nition," Proceedings of the IEEE Third Internation
al Conference on Automatic Face and Gesture Recogn
ition, pp. 336-341, 1998)に基づく固有顔による方法
などが知られている。
て部分空間法を適用する際に、品質指標を導入し適応的
にパターン間の距離を測る方法がある (T. Kamei and
M. Mizoguchi, “Fingerprint Preselection Using Eig
enfeatures,” Proceedings of the 1998 IEEE Compute
r Society Conference on Computer Vision and Patter
n Recognition, pp.918-923, 1998, 特開平10-177650号
公報)。
来の技術では、十分な顔認識の精度を得られなかった。
そこで、本発明の目的は、顔認識の精度を向上させるこ
とが可能な顔メタデータ生成技術および顔類似度算出技
術を提供し、さらに実用的な顔のマッチングシステムを
構築するための技術を提供することにある。
から信頼性を抽出して、その信頼性に応じて適応的にパ
ターン間の類似度を算出することで、顔認識の精度を向
上させることができる。
報に関するメタデータを生成する顔メタデータ生成装置
において、前記画像から顔特徴量を抽出する顔特徴抽出
手段と、前記顔特徴量に対する信頼性を表す信頼性指標
を抽出する信頼性指標抽出手段と、を備え、前記顔特徴
量および前記信頼性指標を顔メタデータとして生成する
ことを特徴とする。
標として、前記画像のコントラスト指標を抽出すること
ができる。画像のコントラスト指標としては、前記画像
中の画素値の最大値と最小値との差を抽出することを特
徴とする。あるいは、画像のコントラスト指標として、
前記画像中の画素値の分散あるいは標準偏差を抽出する
ことを特徴とする。
対称性指標を抽出することができる。画像の非対称性指
標としては、前記画像と該画像を左右反転した画像(以
下、反転画像という。)との間の差分の最大値を抽出す
ることを特徴とする。あるいは、画像の非対称性指標と
して、前記画像と反転画像との間の差分画像の画素値の
べき乗の和および平均のいずれかを抽出することを特徴
とする。
ラスト指標を抽出する第1信頼性指標抽出手段と、前記
画像の非対称性指標を抽出する第2信頼性指標抽出手段
と、を備えることを特徴とする。前記第1信頼性指標抽
出手段は、画像のコントラスト指標として、画像中の画
素値の最大値と最小値の差を抽出し、前記第2信頼性指
標抽出手段は、画像の非対称性指標として、画像と反転
画像との間の差分の最大値を抽出することを特徴とす
る。あるいは、前記第1信頼性指標抽出手段は、画像の
コントラスト指標として、画像中の画素値の分散および
標準偏差の一方を抽出し、 前記第2信頼性指標抽出手
段は、画像の非対称性指標として、画像と反転画像との
間の差分画像の画素値のべき乗の和および平均の一方を
抽出してもよい。
特徴ベクトルをΛとしたときに、特徴ベクトルΛの部分
基底ベクトルによって特定される基底行列Uと特徴ベク
トルΛの平均ベクトルΨとを用いて特徴ベクトルv=U
T(Λ−Ψ)を算出し、当該特徴ベクトルvを顔特徴量と
して抽出する、ことを特徴とする。前記基底行列Uは、
顔画像サンプル集合[Λ]の主成分分析によって得られる
基底ベクトルの中から選択した部分基底ベクトルによっ
て特定される、ことを特徴とする。基底行列Uは、顔画
像サンプルにおける特徴ベクトル集合[Λ]の主成分分析
によって得られる基底ベクトルの中から選択した部分基
底ベクトルによって特定される基底行列と、顔画像を左
右反転する画素値の変換と対応するように前記基底ベク
トルの要素を入れ換えた反転部分基底ベクトルによって
特定される基底行列と、の線形和によって得ることもで
きる。前記特徴ベクトルΛは、画像中の各画素値を要素
とするベクトルであるか、あるいは、画像をフーリエ変
換し、得られる複素フーリエ成分の各成分の大きさを要
素とするベクトルであってもよい。
報に関するメタデータ間の類似度を算出する顔類似度算
出装置において、前記画像から抽出された顔特徴量と当
該顔特徴量に対する信頼性を表す信頼性指標とに基づい
て前記類似度を算出することを特徴とする。
量に対する信頼性指標を用いて、顔特徴量間の差ベクト
ルの事後分布に関するパラメータ情報を推定する分布推
定手段と、事後分布の対数尤度から導かれる顔特徴間の
距離を類似度として算出する距離算出手段と、を有する
ことを特徴とする。
トルの事後分布が正規分布であるとして、前記信頼性指
標における正規分布の対数尤度から導かれる適応的マハ
ラノビス距離を類似度として算出することを特徴とす
る。
する差ベクトルsの各要素kの分散σ s,k([θi])2を推定
し、前記距離算出手段は、前記各要素kの分散σs,k([θ
i])2を用いて適応的マハラノビス距離を計算する、こと
を特徴とする。
対する差ベクトルsの各要素kの分散σs,k([θi])2をあ
らかじめ記憶する分散値テーブルを備え、信頼性指標
[θi]によって前記分散値テーブルを参照することによ
って適応的マハラノビス距離の計算で必要となる分散値
を出力する、ことを特徴とする。
分布であるとして、前記距離算出手段は、前記信頼性指
標における混合分布の対数尤度から導かれる適応的混合
マハラノビス距離を類似度として算出する、ことを特徴
とする。
いて、一致と見倣すべきクラス内における顔特徴量間の
差ベクトルの事後分布(クラス内分布)と、不一致と見倣
すべきクラス間における顔特徴量間の差ベクトルの事後
分布(クラス間分布)と に関するパラメータ情報を推定
し、前記クラス内分布および前記クラス間分布の比の対
数尤度から導かれる顔特徴量間の距離を類似度として算
出する、ことを特徴とする。
がそれぞれ正規分布であるとして、前記信頼性指標にお
けるそれぞれの分布の比の対数尤度から導かれる適応的
判別距離を類似度として算出することを特徴とする。
各要素kのクラス内分散σW,k([θi]) 2およびクラス間分
散σB,k([θi])2 を推定することで、適応的判別距離を
類似度として算出することを特徴とする。
各要素kのクラス内分散σW,k([θi]) 2およびクラス間分
散σB, k([θi])2の推定のために、クラス内分散σ
W,k([θi])2をあらかじめ記憶する第1分散値テーブル
と、クラス間分散σB,k([θi])2をあらかじめ記憶する
第2分散値テーブルとを備え、信頼性指標[θi]によっ
て第1および第2分散値テーブルをそれぞれ参照するこ
とで、適応的判別距離において必要となる分散値を推定
することを特徴とする。
がそれぞれ混合分布であるとして、前記信頼性指標にお
けるそれぞれの混合分布の比の対数尤度から導かれる適
応的混合判別距離を類似度として算出することを特徴と
する。
する画像入力部と、顔画像を蓄積する顔画像データベー
ス部と、を有する顔認識システムにおいて、前記画像か
ら抽出された顔特徴量と当該顔特徴量に対する信頼性を
表す信頼性指標顔とを顔メタデータとして生成する顔メ
タデータ生成部と、前記顔メタデータ生成部によって生
成された顔メタデータを蓄積する顔メタデータ蓄積部
と、顔特徴量と当該顔特徴量に対する信頼性を表す信頼
性指標とに基づいて顔類似度を算出する顔類似度算出部
と、入力された指令に応じて、前記顔メタデータ生成
部、前記顔メタデータ蓄積部および前記顔類似度算出部
を制御し、顔画像のマッチングを実行する制御部と、を
備えたことを特徴とする。
度算出部を用いることにより、高精度の顔画像マッチン
グを達成することができる。
原理について説明する。一般に、パターン認識を行う
際、認識を行いたいクラスに対する学習データを大量に
用意することが可能であるならば、その学習データに対
する統計解析に基づいてパターンの分布関数を推定し、
パターン認識機構を構築することができる。しかしなが
ら、顔認識応用の場合、個人毎には1枚だけの登録画像
しか得られず、ごく少数の登録画像しか許されないこと
が多い。
トルに対して信頼性指標という指標を与え、その指標に
基づくクラスを考えることで、その信頼性指標に対する
クラスの統計解析を行いパターンの分布関数を推定する
ことで、一枚の登録画像しか得られないような顔認識応
用に対しても信頼性指標を通じた分布関数に基づくパタ
ーン認識機構を構築することができる。
ス距離とクラス内分布やクラス間分布に基づく判別距離
についての顔認識の原理について説明する。
る。誤差がない場合に顔画像から得られる特徴ベクトル
をv0とし、実際に観測 される観測ベクトルvは、誤差
ベクトルεが重畳しているとする(数1)。
つの観測ベクトルv1とv2が得られる(数2)。
を持つ信頼性指標θ1、信頼性指標θ2がそれぞれ得ら
れ、その事後分布がp(ε|θ1)、p(ε|θ2)であるとす
る。
の差ベクトルsの事後分布がp(s|θ1,θ2)と表される
とすれば、パターン間の類似度d(v1,v2)として、次
の対数尤度を用いることができる。
あるとすると、差ベクトルsの分布p(s|θ1, θ2)も
正規分布となる。ここで、誤差ベクトルの事後分布p
(ε|θi) (i=1,2)として平均0で共分散行列Σε(θi)
の正規分布を考えると、差ベクトルsの分布は、平均0
で、共分散行列Σs(θ1, θ2)は次式(数4)となる。
される。
散行列Σε(θ1)やΣε(θ2)を用いて、信頼性指標θ1,
やθ2に対して適応的なマハラノビス距離に書き表すこ
とができる。
(数5)は次式(数7)となる。
のk番目の対角要素であり、つまり、観測誤差の分散で
ある。また、σε,k(θ1)2、σε,k(θ2)2は、それぞれ
共分散行列Σε(θ1)、Σε(θ2)のk番目の対角要素で
ある。skは差ベクトルsのk番目の要素である。
(数3)は、次式(数8)のように各特徴ベクトルの要
素毎の分散σε,k(θ1)、σε,k(θ2)を用いて、信頼性
指標θ 1やθ2に対して適応的なマハラノビス距離によっ
て類似度を定義することができる。
のk番目の要素である。
して正規分布を仮定したが、以下、混合正規分布を仮定
する。さて、事後分布p(s|θ1, θ2)として、次式
(数9)によって示すように、正規分布p(s|θ1,
θ2, j) (j=1,2,...,M)の和によって事後分布p(s|
θ1, θ2)が表現できると仮定する。
距離を定義することができる。
θ2, j)およびP(j)の推定については、一般的な推定方
法である最尤推定法やEMアルゴリズムを用いて推定す
ることができる (C.M. Bishop, "Neural Networks for
Pattern Recognition", Oxford University Express, 1
995)。
り正確に近似でき、マッチング性能が向上するが、大量
の学習データが必要になるとともに演算量もまた大幅に
増加する。
は、検索する顔が他の登録されている顔データの中でど
れに最も近いかを調べる顔同定(face identification)
のような問題に対して優れている距離である。
では、入力された顔が登録された画像との同一性を判定
する上で、受け入れるか、棄却するかが重要な問題であ
る。以下で説明する「判別距離」と名付ける距離は、こ
の顔識別問題に対しては 前述のマハラノビス距離を用
いる場合よりも、優れた類似度尺度となっている。
すると判定すべき、つまり、二つの特徴ベクトルが同一
クラス内に属している(例えば、二つの特徴ベクトルが
同じ人物の顔データである)ならば、それらの特徴ベク
トルの組み合わせはクラスWに属しているとする。ま
た、二つの特徴ベクトルvが不一致と判定すべき、つま
り、クラス間の特徴ベクトルである(例えば、二つの特
徴ベクトルが異なった人物の顔データである)ならば、
それらの組み合わせはクラスBに属しているとする。
性指標θ1、θ2が得られるとする。差ベクトルsと二つ
の信頼性指標θ1、θ2(以下、二つの信頼性指標のセッ
トを[θi]と表記する。)が観測されたときに一致してい
る と見倣すクラスWと不一致と見倣すべきクラスBと
の判別問題を考えると、次式(数11)の判別則(decis
ion rule)が得られる。
によって次式(数12)のように書き直すことができ
る。
定して、P(W,[θi])=P(W)P([θi])、P(B,[θi])=P
(B)P([θi])としている。
12)の対数尤度を計算することで、次式(数13)の
ように、顔識別問題に適した類似度を求めることができ
る。
り、且つ、それを知ることができるならば、(数13)
の第2項を計算することが望ましい。しかし、多くの場
合、個別のマッチング毎に事前確率を知ることができな
いので、事前確率は一定と仮定することで、第2項を一
定と見倣し、類似度の計算からは除外する。
[θi])を、それぞれクラス内分布pW(s|[θi])、クラ
ス間分布pB(s|[θi])と書き代えると、次式(数1
4)となる。
B(s|[θi])がそれぞれ正規分布であると仮定し、その
平均がそれぞれ0、共分散行列がそれぞれΣW([θi])、
ΣB([θi])とすれば、事後分布はそれぞれ次式(数1
5)で書き表すことができる。
2項は省略)、次式(数16)で示す距離を得ることが
できる。これを「適応的判別距離」と呼ぶことにする。
(数15)は、次式となる。
行列ΣW(θi)、ΣB(θ i)のk番目の対角要素であり、つ
まり、クラス内分散とクラス間分散に相当する。skは
差ベクトルsのk番目の要素である。
16)は、次式(数18)のように、各特徴ベクトルの
要素毎のクラス内分散σW,k(θi)2、クラス間分散σB,k
(θi)2を用いて、信頼性指標[θi]に対して適応的な判
別距離による類似度を定義することができる。
間分散σB,k(θi)2として 正規分布を仮定したが、以下
では混合分布を仮定する。
W(s|[θi])、クラス間分布pB(s|[θi])として、それ
ぞれ正規分布pW(s|[θi], jW) (jW=1,2,...,MW)、pB
(s|[θi], jB) (jB=1,2,...,MB)の和によって事後分布
が表現できると仮定する。
混合マハラノビス距離を導くことができる。
[θi], jB)の共分散行列ΣW(s|[θi], jW)、ΣB(s|
[θi], jB)および P(jW)、P(jB)の推定については、最
尤推定法やEMアルゴリズムを用いて推定することがで
きる。
確に近似でき、マッチング性能を向上させることができ
るが、同時に大量の学習データが必要になるとともに、
演算量も大幅に増加する。
指標を抽出することによって、信頼性指標に対して適応
的な距離規範を導くことができ、高精度な顔認識機構を
構築することができる。なお、上記では、特徴ベクトル
に対する信頼性指標をスカラー量(一つの成分のみ)か、
ベクトル量(複数の成分をもつ)か特定していないが、ど
ちらの場合でも成立する議論であり、複数の要素を用い
ることで、性能の向上が期待できる。
有効な信頼性指標を発見することが必要であり、顔認識
の場合では、画像のコントラストを表すコントラスト指
標や、正面顔の認識では、照明変動や姿勢変動によって
生じる顔画像の左右の対称性の歪みからの量を表す非対
称指標を用いると高い効果が得られ、それらの信頼性指
標を組み合わせてベクトル量とすることで、より精度の
向上が期待できる。
態による顔画像マッチングシステムを示すブロック図で
ある。以下、顔画像マッチングシステムについて詳細に
説明する。
ッチングシステムには、顔画像を入力する顔画像入力部
11と、入力された顔画像からそれらの顔特徴量、信頼
性指標の顔メタデータを生成する顔メタデータ生成部1
2と、抽出された顔メタデータを蓄積する顔メタデータ
蓄積部13と、顔メタデータから顔の類似度を算出する
顔類似度算出部14と、顔画像を蓄積する顔画像データ
ベース15と、画像の登録要求・検索要求に応じて、画
像の入力・メタデータの生成・メタデータの蓄積・顔類
似度の算出の制御を行う制御部16と、顔画像や他の情
報を表示するディスプレイの表示部17と、が設けられ
ている。
れた顔画像から顔特徴を抽出する顔特徴抽出部121
と、信頼性指標を抽出する信頼性指標抽出部122とか
ら構成され、顔類似度算出部14は、信頼性指標から事
後分布に関するパラメータ情報を推定する分布推定部1
41と顔特徴量と分布推定部141からの事後分布情報
から顔特徴量間の距離を算出する距離算出部142によ
って構成される。
ナあるいはビデオカメラなどで顔写真等を顔の大きさや
位置を合わせた上で入力する。あるいは、人物の顔を直
接ビデオカメラなどから入力しても構わない。この場合
には、前述のMoghaddamの文献に示されているような顔
検出技術を用いて、入力された画像の顔位置を検出し、
顔画像の大きさ等を自動的に正規化する方がよいであろ
う。
画像データベース15に登録する。顔画像登録と同時
に、顔メタデータ生成部12によって顔メタデータを生
成し、顔メタデータ蓄積部13に蓄積する。
て顔画像を入力し、顔メタデータ生成部12にて顔メタ
データを生成する。生成された顔メタデータは、一旦
顔メタデータ蓄積部13に登録するか、または、直接に
顔類似度算出部14へ送られる。検索では、予め入力さ
れた顔画像がデータベース中にあるかどうかを確認する
場合(顔同定)には、顔メタデータ蓄積部13に登録され
たデータの一つ一つとの類似度を算出する。最も類似度
が高い(距離値が小さい)結果に基づいて制御部16で
は、顔画像データベース15から、顔画像を選び、表示
部17等に顔画像の表示を行い、検索画像と登録画像に
おける顔の同一性を作業者が確認する。
と検索の顔画像が一致するかどうかを確認する場合(顔
識別)では、特定されたID番号の顔画像と一致するか
否かを顔類似度算出部14にて計算し、予め決められた
類似度よりも類似度が低い(距離値が大きい)場合には一
致しないと判定し、類似度が高い場合には一致すると判
定し、その結果を表示部17に表示する。このシステム
を入室管理用に用いるならば、表示する代わりに、制御
部16から自動ドアに対して、その開閉制御信号を送る
ことで、自動ドアの制御によって入室管理を行うことが
できる。
は動作するが、このような動作はコンピュータシステム
上で実現することもできる。たとえば、次に詳述するよ
うなメタデータ生成を実行するメタデータ生成プログラ
ムおよび類似度算出を実行する類似度算出プログラムを
それぞれメモリに格納しておき、これらをプログラム制
御プロセッサによってそれぞれ実行することで顔画像マ
ッチングを実現することができる。
作、特に顔メタデータ生成部12と顔類似度算出部14
について詳細に説明する。
た画像I(x, y)を用いて、顔特徴量を抽出する。位置と
大きさの正規化は、例えば、目位置が(16, 24)、(31, 2
4)、サイズが46×56画素となるように画像を正規化して
おくとよい。以下では、このサイズに画像が正規化され
ている場合について説明する。
述Moghaddamの論文)を用いて特徴抽出する。つまり、画
像中の画素値を要素とする特徴ベクトルΛに対して、顔
画像サンプル集合[Λ]の主成分分析によって得られた基
底ベクトルの中から選択した部分基底ベクトルによって
特定される基底行列Uと、顔画像サンプル集合[Λ]にお
ける平均ベクトルである平均顔Ψとを用いて、特徴ベク
トルv=UT(Λ−Ψ)を算出し特徴ベクトルとする。こ
のように、入力画像ではなく、部分基底ベクトルを用い
ることで、入力画像のデータ量を削減することができ
る。このようにデータ量を削減することは、メタデータ
ベースにおける蓄積量を少なくするだけではなく、高速
なマッチングを実現するためには重要な要素である。こ
の特徴ベクトルの次元数としては、例えば、48次元の
特徴量を用いればよい。
る手法の他に、主成分分析に対して判別分析を組み合わ
せた手法(前述、W. Zhaoの論文)等を用いて部分基底ベ
クトルを規定しても構わない。
ける特徴ベクトル集合[Λ]の主成分分析や判別分析によ
って得られる基底ベクトルの中から選択した部分基底ベ
クトルによって特定される基底行列Unと、顔画像を左
右反転される画素値の変換と対応するように基底ベクト
ルの要素を入 れ換えた反転部分基底ベクトルによって
特定される基底行列Umの線形和によって得られる行列
U(= aUn + bUm)を基底行列として、顔特徴ベクトル
を抽出してもよい。例えばa=b=1とすると、得られる顔
特徴ベクトルは、入力画像空間で左右の変換に対して対
称な成分のみを抽出 することができる。顔は本来左右
対称であるので、照明の影響で非対称となった画像成分
や顔の向きが正面に向いていないために生じる非対称成
分が本来ノイズに相当するものであるので、これを除去
し、対称な成分のみを抽出することで、照明や姿勢の変
動に対して安定な顔特徴量を抽出することが可能とな
る。
素フーリエ成分の各成分の大きさを要素とするベクトル
を特徴ベクトルΛとして算出し、上記のような主成分分
析や判別分析によって次元圧縮を行い顔特徴量を抽出し
てもよい。このように画像をフーリエ変換することで、
位置ずれに対して強い顔特徴量を抽出することができ
る。このようにして、顔特徴抽出部121では、顔特徴
量vを抽出する。
の信頼性指標として有効なコントラスト指標θcontrast
と非対称性指標θasymmetricを抽出する。コントラスト
指標θcontrastとして、顔画像 I(x,y)の画素値の標準
偏差を次式(数21)によって計算する。
に抽出された信頼性指標θcontrastを[0,1,2,...,15]の
4 bitの範囲に収まるように、値域を越えるものは値を
制限する。なお、上記ではコントラスト指標として、画
像の標準偏差を計算したが、分散や画像中の画素値の最
大値と最小値の差を抽出してもよい。画像中の画素値の
最大値と最小値による コントラスト指標は、標準偏差
や分散による場合よりも演算量が少ないが、効果は相対
的に小さい。
I(x,y)とその反転画像との間の差分の絶対値(1乗)の
平均を次式(数22)により抽出する。
2,...,15]の4 bitの範囲に収まるように値域を越えるも
のは値を制限する。なお、上記では非対称指標として、
絶対値による値(1乗)を用いたが差分の2乗等を用いて
もよい。また、平均の代わりに、和等の値を用いても同
等の効果を得ることができる。また、差分の最大値を検
出して、その値を非対称指標として用いれば演算量が少
なくて済む。
して、特徴ベクトルvと信頼性指標θcontrastと信頼性
指標θasymmetricを抽出し、顔メタデータとして出力す
る。前述したように、上記顔メタデータ生成手順をコン
ピュータプログラムによってコンピュータに実行させる
こともできる。
類似度算出部14では、二つの顔メタデータの信頼性指
標θcontrast,1、θconstrast,2とθasymmetri c,1、θ
asymmetric,2を用いて、分布推定部141が事後分布に
関するパラメータ情報を推定し、二つの顔メタデータの
二つの特徴ベクトルv1、v 2と事後分布に関するパラ
メータ情報とを用いて距離算出部142が顔特徴間の類
似度dを算出する。
よって顔の類似度を計算する場合について説明する。
ている信頼性指標θ1、θ2は本実施形態ではベクトルで
あり、それぞれの要素はθ1 = (θcontrast,1, θ
asymmetri c,1)T、θ2 = (θcontrast,2, θ
asymmetric,2)Tとなる。コントラスト指標、非対称性指
標はそれぞれ4bitで表現されているので、θiのとり得
る状態は256個の状態となる。与えられた信頼性指標θi
によって、256個の状態の中の一つの状態が特定でき
る。
予め求めておいた信頼性指標θ(256個の状態がある)に
対する差ベクトルの分散値σε, k(θ)や分散値σ
W,k(θ)、分散値σB,k (θ)をテーブルに記憶してお
き、信頼性指標θ1およびθ2を用いて、それぞれの分散
値テーブルの値を参照し、得られた分散値を事後分布情
報として、距離算出部142に引き渡す。なお、顔同定
の場合には、(数8)で必要な分散値σε,k(θ1)、分
散値σε,k (θ2)の値を距離算出部142に出力すれば
よく、顔識別の場合には、(数18)に必要な分散値σ
W,k(θ)、分散値σB,k(θ)を出力する。
(数18)に従って適応的マハラノビス距離あるいは適
応的判別距離を算出し、類似度dとして出力する。
用意した顔画像データサンプルを用いて計算しておく。
顔画像サンプルにおける特徴ベクトル集合[vi]とその
信頼性指標[θi]から、それぞれの分散値は次のように
計算できる。
データjが同一クラス(同一人物)から得られたデータで
ある(クラス内である)ことを意味し、"(i, j)がクラス
Bに属する"とは、データiとデータjが異なるクラス(異
なる人物)から得られたデータである(クラス間である)
ことを意味する。また、Nε(θ)、NW(θ)、NB(θ)は
それぞれのクラスに属するデータの組み合わせの数であ
る。このようにθのビン毎に分散値を計算する際に、そ
のデータ数が少な過ぎる場合には、近傍のビンのデータ
を併合するようにして、サンプル数を確保するようにす
る(これは、分布推定におけるk近傍法(前述Bishop の文
献,pp.53)によってbinを併合するのと同様な手法であ
る)。
様に、σW,k([θi])2 = σW,k(θ1) 2 + σW,k(θ2)2、
および、σB,k([θi])2 = σB,k(θ1)2 +σB,k(θ2)2と
なることに注意されたい。
散σW,k(θ)2が同じになるので、顔画像マッチングシス
テムで(数8)と(数18)の両方の距離を計算する場
合には、これらの分散値テーブルを共有して構わない。
がある場合が多いので、誤差分 散σε,k(θ)2の代わり
にクラス間分散σB,k(θ)2を用いても、信頼性指標を用
いない場合よりは精度が向上する(しかし、誤差分散を
用いた方が精度が良い)。
性指標θcontrastや信頼性指標θas ymmetricを介した事
後分布情報を用いて算出することで、精度のよい顔認識
を行うことが可能である。前述したように、上記顔類似
度算出手順をコンピュータプログラムによってコンピュ
ータに実行させることもできる。
いて、類似度を計算しているが、次のような様々な計算
方法によって近似的に計算し、高速化等を図ることもで
きる。
さらなる高速演算を図ることができる。
度を計算する場合も、基本的には同様に予め用意した顔
画像データサンプルから、それぞれの計算に必要な差ベ
クトルの誤差の共分散行列Σε(θ)や差ベクトルのクラ
ス内の共分散行列ΣW(θ)、クラス間の共分散行列Σ
B(θ)を算出して、共分散テーブルとして用意してお
き、類似度計算の際にその共分散テーブルを参照するよ
うにすればよい。この方法は共分散行列を用いて距離を
計算するために演算量が増加するが、十分な学習サンプ
ルがある場合には類似度計算の精度を向上させることが
できる。
間分布、クラス間分布に対して混合正規分布を仮定し
て、分布関数を推定することで、それぞれ(数10)や
(数20)の適応的混合マハラノビス距離や適応的混合
判別距離を計算してもよい。この場合も、分散や共分散
行列を用いて、事後分布情報を計算するのと同様に顔画
像データサンプルから、混合正規分布を表す共分散行列
Σs(θ1, j)、P(j)等の混合分布を特定するパラメータ
を求めておき、テーブルとして記憶しておけばよい。な
お、この推定については、一般的な推定方法である最尤
推定法やEMアルゴリズムを用いて推定すればよい。
され、一枚の顔画像を用いて検索する場合について説明
したが、一人の顔に対して複数の画像が登録され、一枚
の顔画像を用いて検索する場合には、例えば、次のよう
にすればよい。
側の特徴ベクトルをvreg,kとし、複数画像登録の場合
の類似度dmulti(vque, [vreg,1, vreg,2, ... ,v
reg,n])として、次式(数27、数28)に示す計算式
に基づき類似度を計算すればよい。
よる検索の場合も、各組み合わせの類似度の平均や最小
値を求め類似度を算出することで、一つの顔データに対
する類似度を算出することができる。これは、動画像を
複数画像と見倣すことで、本発明のマッチングシステム
を動画像における顔認識に対しても適用できることを意
味する。
や顔の識別を中心に説明したが、例えば、男性の顔を一
つのカテゴリー、女性の顔を一つのカテゴリーと考え
て、それぞれの分布に関する情報を求め、男女の顔を識
別する性別識別を行ったり、笑った顔、怒った顔、悲し
い顔などの表情のカテゴリーを考えて、顔の表情を認識
する表情認識に適用することも可能である。10代、2
0代、30代、40代というようにカテゴリーを設定
し、そのカテゴリー毎に誤差分布、クラス内分布やクラ
ス間分布を求めることで、年齢判別を行うことも可能で
あり、様々な顔認識に対して本発明を適用することが可
能である。
れば、顔特徴量に対してその信頼性を表現するための信
頼性指標を加えて顔メタデータとして生成することで、
信頼性指標を通じた適応的な距離を導くことができ、そ
の距離を用いて精度の高い顔認識を行うことが可能とな
る。
システムの構成を示すブロック図である。
Claims (52)
- 【請求項1】 画像の顔情報に関するメタデータを生成
する顔メタデータ生成装置において、 前記画像から顔特徴量を抽出する顔特徴抽出手段と、 前記顔特徴量に対する信頼性を表す信頼性指標を抽出す
る信頼性指標抽出手段と、 を備え、前記顔特徴量および前記信頼性指標を顔メタデ
ータとして生成することを特徴とする顔メタデータ生成
装置。 - 【請求項2】 前記信頼性指標抽出手段は、前記信頼性
指標として、前記画像のコントラスト指標を抽出するこ
とを特徴とする請求項1に記載の顔メタデータ生成装
置。 - 【請求項3】 前記信頼性指標抽出手段は、前記画像の
コントラスト指標として、前記画像中の画素値の最大値
と最小値との差を抽出することを特徴とする請求項2に
記載の顔メタデータ生成装置。 - 【請求項4】 前記信頼性指標抽出手段は、前記画像の
コントラスト指標として、前記画像中の画素値の分散お
よび標準偏差の一方を抽出することを特徴とする請求項
2に記載の顔メタデータ生成装置。 - 【請求項5】 前記信頼性指標抽出手段は、信頼性指標
として、前記画像の非対称性指標を抽出することを特徴
とする請求項1に記載の顔メタデータ生成装置。 - 【請求項6】 前記信頼性指標抽出手段は、前記画像の
非対称性指標として、前記画像と該画像を左右反転した
画像(以下、反転画像という。)との間の差分の最大値を
抽出することを特徴とする請求項5に記載の顔メタデー
タ生成装置。 - 【請求項7】 前記信頼性指標抽出手段は、前記画像の
非対称性指標として、前記画像と反転画像との間の差分
画像の画素値のべき乗の和および平均のいずれかを抽出
することを特徴とする請求項5に記載の顔メタデータ生
成装置。 - 【請求項8】 前記信頼性指標抽出手段は、 前記画像のコントラスト指標を抽出する第1信頼性指標
抽出手段と、 前記画像の非対称性指標を抽出する第2信頼性指標抽出
手段と、 を備えることを特徴とする請求項1に記載の顔メタデー
タ生成装置。 - 【請求項9】 前記第1信頼性指標抽出手段は、画像の
コントラスト指標として、画像中の画素値の最大値と最
小値の差を抽出し、 前記第2信頼性指標抽出手段は、画像の非対称性指標と
して、画像と反転画像との間の差分の最大値を抽出す
る、 ことを特徴とする請求項8に記載の顔メタデータ生成装
置。 - 【請求項10】 前記第1信頼性指標抽出手段は、画像
のコントラスト指標として、画像中の画素値の分散およ
び標準偏差の一方を抽出し、 前記第2信頼性指標抽出手段は、画像の非対称性指標と
して、画像と反転画像との間の差分画像の画素値のべき
乗の和および平均の一方を抽出する、 ことを特徴とする請求項8に記載の顔メタデータ生成装
置。 - 【請求項11】 前記顔特徴抽出手段は、画像から得ら
れた特徴ベクトルをΛとしたときに、特徴ベクトルΛの
部分基底ベクトルによって特定される基底行列Uと特徴
ベクトルΛの平均ベクトルΨとを用いて特徴ベクトルv
=UT(Λ−Ψ)を算出し、当該特徴ベクトルvを顔特徴
量として抽出する、ことを特徴とする請求項1ないし1
0のいずれかに記載の顔メタデータ生成装置。 - 【請求項12】 前記基底行列Uは、顔画像サンプル集
合[Λ]の主成分分析によって得られる基底ベクトルの中
から選択した部分基底ベクトルによって特定される、こ
とを特徴とする請求項11に記載の顔メタデータ生成装
置。 - 【請求項13】 前記基底行列Uは、顔画像サンプルに
おける特徴ベクトル集合[Λ]の主成分分析によって得ら
れる基底ベクトルの中から選択した部分基底ベクトルに
よって特定される基底行列と、顔画像を左右反転する画
素値の変換と対応するように前記基底ベクトルの要素を
入れ換えた反転部分基底ベクトルによって特定される基
底行列と、の線形和によって得られる、ことを特徴とす
る請求項11に記載の顔メタデータ生成装置。 - 【請求項14】 前記特徴ベクトルΛは画像中の各画素
値を要素とするベクトルであることを特徴とする請求項
11ないし13のいずれかに記載の顔メタデータ生成装
置。 - 【請求項15】 前記特徴ベクトルΛは、画像をフーリ
エ変換し、得られる複素フーリエ成分の各成分の大きさ
を要素とするベクトルであることを特徴とする請求項1
1ないし13のいずれかに記載の顔メタデータ生成装
置。 - 【請求項16】 画像の顔情報に関するメタデータ間の
類似度を算出する顔類似度算出装置において、 前記画像から抽出された顔特徴量と当該顔特徴量に対す
る信頼性を表す信頼性指標とに基づいて前記類似度を算
出することを特徴とする顔類似度算出装置。 - 【請求項17】 比較する顔特徴量に対する信頼性指標
を用いて、顔特徴量間の差ベクトルの事後分布に関する
パラメータ情報を推定する分布推定手段と、 事後分布の対数尤度から導かれる顔特徴間の距離を類似
度として算出する距離算出手段と、 を有することを特徴とする請求項16に記載の顔類似度
算出装置。 - 【請求項18】 前記距離算出手段は、顔特徴量間の差
ベクトルの事後分布が正規分布であるとして、前記信頼
性指標における正規分布の対数尤度から導かれる適応的
マハラノビス距離を類似度として算出することを特徴と
する請求項17に記載の顔類似度算出装置。 - 【請求項19】 前記分布推定手段は信頼性指標[θi]
に対する差ベクトルsの各要素kの分散σs,k([θi])2を
推定し、 前記距離算出手段は、前記各要素kの分散σs,k([θi])2
を用いて適応的マハラノビス距離を計算する、 ことを特徴とする請求項18に記載の顔類似度算出装
置。 - 【請求項20】 前記分布推定手段は、信頼性指標
[θi]に対する差ベクトルsの各要素kの分散σ
s,k([θi])2をあらかじめ記憶する分散値テーブルを備
え、信頼性指標[θi]によって前記分散値テーブルを参
照することによって適応的マハラノビス距離の計算で必
要となる分散値を出力する、ことを特徴とする請求項1
9に記載の顔類似度算出装置。 - 【請求項21】 顔特徴量間の差ベクトルの事後分布が
混合分布であるとして、前記距離算出手段は、前記信頼
性指標における混合分布の対数尤度から導かれる適応的
混合マハラノビス距離を類似度として算出する、ことを
特徴とする請求項17に記載の顔類似度算出装置。 - 【請求項22】 比較する顔特徴量に対する信頼性指標
を用いて、一致と見倣すべきクラス内における顔特徴量
間の差ベクトルの事後分布(クラス内分布)と、不一致と
見倣すべきクラス間における顔特徴量間の差ベクトルの
事後分布(クラス間分布) とに関するパラメータ情報を
推定し、前記クラス内分布および前記クラス間分布の比
の対数尤度から導かれる顔特徴量間の距離を類似度とし
て算出する、ことを特徴とする請求項16に記載の顔類
似度算出装置。 - 【請求項23】 前記クラス内分布および前記クラス間
分布がそれぞれ正規分布であるとして、前記信頼性指標
におけるそれぞれの分布の比の対数尤度から導かれる適
応的判別距離を類似度として算出することを特徴とする
請求項22に記載の顔類似度算出装置。 - 【請求項24】 信頼性指標[θi]に対する差ベクトル
sの各要素kのクラス内分散σW,k([θi])2およびクラス
間分散σB,k([θi])2 を推定することで、適応的判別距
離を類似度として算出することを特徴とする請求項23
に記載の顔類似度算出装置。 - 【請求項25】 信頼性指標[θi]に対する差ベクトル
sの各要素kのクラス内分散σW,k([θi])2およびクラス
間分散σB, k([θi])2の推定のために、クラス内分散σ
W,k([θi])2をあらかじめ記憶する第1分散値テーブル
と、クラス間分散σB,k([θi])2をあらかじめ記憶する
第2分散値テーブルとを備え、 信頼性指標[θi]によって第1および第2分散値テーブ
ルをそれぞれ参照することで、適応的判別距離において
必要となる分散値を推定することを特徴とする請求項2
4に記載の顔類似度算出装置。 - 【請求項26】 前記クラス内分布および前記クラス間
分布がそれぞれ混合分布であるとして、前記信頼性指標
におけるそれぞれの混合分布の比の対数尤度から導かれ
る適応的混合判別距離を類似度として算出することを特
徴とする請求項22に記載の顔類似度算出装置。 - 【請求項27】 画像を入力する画像入力部と、顔画像
を蓄積する顔画像データベース部と、を有する顔認識シ
ステムにおいて、 前記画像から抽出された顔特徴量と当該顔特徴量に対す
る信頼性を表す信頼性指標顔とを顔メタデータとして生
成する顔メタデータ生成部と、 前記顔メタデータ生成部によって生成された顔メタデー
タを蓄積する顔メタデータ蓄積部と、 顔特徴量と当該顔特徴量に対する信頼性を表す信頼性指
標とに基づいて顔類似度を算出する顔類似度算出部と、 入力された指令に応じて、前記顔メタデータ生成部、前
記顔メタデータ蓄積部および前記顔類似度算出部を制御
し、顔画像のマッチングを実行する制御部と、 を備えたことを特徴とする顔認識システム。 - 【請求項28】 画像を入力する画像入力部と顔画像を
蓄積する顔画像データベース部とを有するシステムにお
ける顔認識方法において、 前記画像から抽出された顔特徴量と当該顔特徴量に対す
る信頼性を表す信頼性指標顔とを顔メタデータとして生
成し、 前記顔メタデータ生成部によって生成された複数の顔メ
タデータを顔メタデータ蓄積部に蓄積し、 ある顔画像の顔メタデータと前記顔メタデータ蓄積部に
蓄積された複数の顔メタデータの各々とを入力し、顔特
徴量と当該顔特徴量に対する信頼性を表す信頼性指標と
に基づいて顔類似度を算出し、 前記顔類似度に従って顔画像マッチング結果を出力す
る、 ことを特徴とする顔認識方法。 - 【請求項29】 画像の顔情報に関するメタデータを生
成する顔メタデータ生成方法において、 前記画像から顔特徴量を抽出し、 前記顔特徴量に対する信頼性を表す信頼性指標を抽出
し、 前記顔特徴量および前記信頼性指標を顔メタデータとし
て生成する、 ことを特徴とする顔メタデータ生成方法。 - 【請求項30】 前記信頼性指標として、前記画像のコ
ントラスト指標を抽出することを特徴とする請求項29
に記載の顔メタデータ生成方法。 - 【請求項31】 前記画像のコントラスト指標として、
前記画像中の画素値の最大値と最小値との差を抽出する
ことを特徴とする請求項30に記載の顔メタデータ生成
方法。 - 【請求項32】 前記画像のコントラスト指標として、
前記画像中の画素値の分散および標準偏差の一方を抽出
することを特徴とする請求項30に記載の顔メタデータ
生成方法。 - 【請求項33】 前記信頼性指標として、前記画像の非
対称性指標を抽出することを特徴とする請求項29に記
載の顔メタデータ生成方法。 - 【請求項34】 前記画像の非対称性指標として、前記
画像と該画像を左右反転した画像(以下、反転画像とい
う。)との間の差分の最大値を抽出することを特徴とす
る請求項33に記載の顔メタデータ生成方法。 - 【請求項35】 前記画像の非対称性指標として、前記
画像と反転画像との間の差分画像の画素値のべき乗の和
および平均のいずれかを抽出することを特徴とする請求
項33に記載の顔メタデータ生成方法。 - 【請求項36】 前記信頼性指標は、前記画像のコント
ラスト指標および前記画像の非対称性指標であることを
特徴とする請求項29に記載の顔メタデータ生成方法。 - 【請求項37】 前記画像のコントラスト指標として画
像中の画素値の最大値と最小値の差を抽出し、前記画像
の非対称性指標として画像と反転画像との間の差分の最
大値を抽出することを特徴とする請求項36に記載の顔
メタデータ生成方法。 - 【請求項38】 前記画像のコントラスト指標として画
像中の画素値の分散および標準偏差の一方を抽出し、前
記画像の非対称性指標として画像と反転画像との間の差
分画像の画素値のべき乗の和および平均の一方を抽出す
ることを特徴とする請求項36に記載の顔メタデータ生
成方法。 - 【請求項39】 画像の顔情報に関するメタデータ間の
顔類似度を算出する方法において、 前記画像から抽出された顔特徴量と当該顔特徴量に対す
る信頼性を表す信頼性指標とに基づいて前記類似度を算
出することを特徴とする顔類似度算出方法。 - 【請求項40】 比較する顔特徴量に対する信頼性指標
を用いて、顔特徴量間の差ベクトルの事後分布に関する
パラメータ情報を推定し、 事後分布の対数尤度から導かれる顔特徴間の距離を類似
度として算出する、 ことを特徴とする請求項39に記載の顔類似度算出方
法。 - 【請求項41】 顔特徴量間の差ベクトルの事後分布が
正規分布であるとして、前記信頼性指標における正規分
布の対数尤度から導かれる適応的マハラノビス距離を類
似度として算出することを特徴とする請求項40に記載
の顔類似度算出方法。 - 【請求項42】 信頼性指標[θi]に対する差ベクトル
sの各要素kの分散σs, k([θi])2を推定し、 前記各要素kの分散σs,k([θi])2を用いて適応的マハラ
ノビス距離を計算する、 ことを特徴とする請求項41に記載の顔類似度算出方
法。 - 【請求項43】 信頼性指標[θi]に対する差ベクトル
sの各要素kの分散σs, k([θi])2をあらかじめ分散値テ
ーブルに記憶し、信頼性指標[θi]によって前記分散値
テーブルを参照することによって適応的マハラノビス距
離の計算で必要となる分散値を生成することを特徴とす
る請求項42に記載の顔類似度算出方法。 - 【請求項44】 顔特徴量間の差ベクトルの事後分布が
混合分布であるとして、前記信頼性指標における混合分
布の対数尤度から導かれる適応的混合マハラノビス距離
を類似度として算出することを特徴とする請求項40に
記載の顔類似度算出方法。 - 【請求項45】 比較する顔特徴量に対する信頼性指標
を用いて、一致と見倣すべきクラス内における顔特徴量
間の差ベクトルの事後分布(クラス内分布)と、不一致と
見倣すべきクラス間における顔特徴量間の差ベクトルの
事後分布(クラス間分布)と に関するパラメータ情報を
推定し、前記クラス内分布および前記クラス間分布の比
の対数尤度から導かれる顔特徴量間の距離を類似度とし
て算出する、ことを特徴とする請求項39に記載の顔類
似度算出方法。 - 【請求項46】 前記クラス内分布および前記クラス間
分布がそれぞれ正規分布であるとして、前記信頼性指標
におけるそれぞれの分布の比の対数尤度から導かれる適
応的判別距離を類似度として算出することを特徴とする
請求項45に記載の顔類似度算出方法。 - 【請求項47】 信頼性指標[θi]に対する差ベクトル
sの各要素kのクラス内分散σW,k([θi])2およびクラス
間分散σB,k([θi])2 を推定することで、適応的判別距
離を類似度として算出することを特徴とする請求項46
に記載の顔類似度算出方法。 - 【請求項48】 信頼性指標[θi]に対する差ベクトル
sの各要素kのクラス内分散σW,k([θi])2およびクラス
間分散σB, k([θi])2の推定のために、クラス内分散σ
W,k([θi])2をあらかじめ記憶する第1分散値テーブル
と、クラス間分散σB,k([θi])2をあらかじめ記憶する
第2分散値テーブルとを備え、 信頼性指標[θi]によって第1および第2分散値テーブ
ルをそれぞれ参照することで、適応的判別距離において
必要となる分散値を推定することを特徴とする請求項4
7に記載の顔類似度算出方法。 - 【請求項49】 前記クラス内分布および前記クラス間
分布がそれぞれ混合分布であるとして、前記信頼性指標
におけるそれぞれの混合分布の比の対数尤度から導かれ
る適応的混合判別距離を類似度として算出することを特
徴とする請求項45に記載の顔類似度算出方法。 - 【請求項50】 コンピュータに、画像の顔情報に関す
るメタデータを生成させるためのコンピュータプログラ
ムにおいて、 前記画像から顔特徴量を抽出し、 前記顔特徴量に対する信頼性を表す信頼性指標を抽出
し、 前記顔特徴量および前記信頼性指標を顔メタデータとし
て生成する、 ステップを有することを特徴とするメタデータ生成プロ
グラム。 - 【請求項51】 コンピュータに、画像の顔情報に関す
るメタデータ間の顔類似度を算出させるためのコンピュ
ータプログラムにおいて、 前記画像から顔特徴量を抽出し、 前記顔特徴量に対する信頼性を表す信頼性指標を抽出
し、 前記顔特徴量と前記信頼性指標とに基づいて類似度を算
出する、 ステップを有することを特徴とする類似度算出プログラ
ム。 - 【請求項52】 コンピュータに、顔認識をさせるコン
ピュータプログラムにおいて、 入力画像から抽出された顔特徴量と当該顔特徴量に対す
る信頼性を表す信頼性指標顔とを顔メタデータとして生
成し、 生成された複数の顔メタデータを顔メタデータ蓄積部に
蓄積し、 ある顔画像の顔メタデータと前記顔メタデータ蓄積部に
蓄積された複数の顔メタデータの各々とを入力し、顔特
徴量と当該顔特徴量に対する信頼性を表す信頼性指標と
に基づいて顔類似度を算出し、 前記顔類似度に従って顔画像マッチング結果を出力す
る、 ステップを有することを特徴とする顔認識プログラム。
Priority Applications (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001381530A JP3903783B2 (ja) | 2001-12-14 | 2001-12-14 | 顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置 |
CNB028173597A CN100367311C (zh) | 2001-12-14 | 2002-12-16 | 人脸元数据生成与人脸相似度计算 |
US10/488,213 US7593551B2 (en) | 2001-12-14 | 2002-12-16 | Face meta-data generation and face similarity calculation |
PCT/JP2002/013114 WO2003052690A1 (fr) | 2001-12-14 | 2002-12-16 | Creation de metadonnees faciales et calcul de similarites faciales |
DE60232365T DE60232365D1 (de) | 2001-12-14 | 2002-12-16 | Gesichts-metadatenerzeugung und gesichts-ähnlichkeitsberechnung |
EP02790768A EP1460580B1 (en) | 2001-12-14 | 2002-12-16 | Face meta-data creation and face similarity calculation |
EP08167201A EP2017770B1 (en) | 2001-12-14 | 2002-12-16 | Face meta-data generation and face similarity calculation |
CNB2006101218606A CN100492397C (zh) | 2001-12-14 | 2002-12-16 | 人脸元数据生成设备和生成方法、人脸识别系统和方法 |
CNB2006101218610A CN100492398C (zh) | 2001-12-14 | 2002-12-16 | 人脸元数据生成设备和生成方法、人脸识别系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2001381530A JP3903783B2 (ja) | 2001-12-14 | 2001-12-14 | 顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置 |
Related Child Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006212711A Division JP4375571B2 (ja) | 2006-08-04 | 2006-08-04 | 顔類似度算出方法および装置 |
JP2006212710A Division JP4375570B2 (ja) | 2006-08-04 | 2006-08-04 | 顔認識方法およびシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2003187229A true JP2003187229A (ja) | 2003-07-04 |
JP3903783B2 JP3903783B2 (ja) | 2007-04-11 |
Family
ID=19187349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2001381530A Expired - Lifetime JP3903783B2 (ja) | 2001-12-14 | 2001-12-14 | 顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US7593551B2 (ja) |
EP (2) | EP2017770B1 (ja) |
JP (1) | JP3903783B2 (ja) |
CN (3) | CN100492397C (ja) |
DE (1) | DE60232365D1 (ja) |
WO (1) | WO2003052690A1 (ja) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005234810A (ja) * | 2004-02-18 | 2005-09-02 | Fuji Xerox Co Ltd | 画像処理装置 |
WO2006129551A1 (ja) * | 2005-05-31 | 2006-12-07 | Nec Corporation | パタン照合方法、パタン照合システム及びパタン照合プログラム |
JP2007128262A (ja) * | 2005-11-02 | 2007-05-24 | Omron Corp | 顔照合装置 |
KR100723417B1 (ko) | 2005-12-23 | 2007-05-30 | 삼성전자주식회사 | 얼굴 인식 방법, 그 장치, 이를 위한 얼굴 영상에서 특징추출 방법 및 그 장치 |
JP2007219578A (ja) * | 2006-02-14 | 2007-08-30 | Omron Corp | 異常検出装置および方法、記録媒体、並びに、プログラム |
JPWO2005086089A1 (ja) * | 2004-03-03 | 2008-01-24 | 日本電気株式会社 | 物体の姿勢推定及び照合システム、物体の姿勢推定及び照合方法、並びにそのためのプログラム |
WO2009093525A1 (ja) * | 2008-01-23 | 2009-07-30 | Niigata University | 識別装置、識別方法及び識別処理プログラム |
JP2010507139A (ja) * | 2006-10-11 | 2010-03-04 | ヒューレット−パッカード デベロップメント カンパニー エル.ピー. | 顔に基づく画像クラスタリング |
US7769287B2 (en) | 2007-01-24 | 2010-08-03 | Fujifilm Corporation | Image taking apparatus and image taking method |
US8542095B2 (en) | 2008-02-22 | 2013-09-24 | Nec Corporation | Biometric authentication device, biometric authentication method, and storage medium |
JP2014041560A (ja) * | 2012-08-23 | 2014-03-06 | Canon Inc | 画像処理装置、画像処理方法 |
US9280720B2 (en) | 2012-07-09 | 2016-03-08 | Canon Kabushiki Kaisha | Apparatus, method, and computer-readable storage medium |
US9558212B2 (en) | 2012-07-09 | 2017-01-31 | Canon Kabushiki Kaisha | Apparatus, image processing method and computer-readable storage medium for object identification based on dictionary information |
JP2019512821A (ja) * | 2016-03-29 | 2019-05-16 | 日本電気株式会社 | 画像処理装置、画像処理方法、及びプログラム |
WO2021095869A1 (ja) | 2019-11-15 | 2021-05-20 | 株式会社Patic Trust | 情報処理装置、情報処理方法、プログラム、記録媒体及びカメラシステム |
WO2021095732A1 (ja) | 2019-11-15 | 2021-05-20 | 株式会社Patic Trust | 情報処理装置、情報処理方法、プログラム、記録媒体及びカメラシステム |
Families Citing this family (66)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7778438B2 (en) | 2002-09-30 | 2010-08-17 | Myport Technologies, Inc. | Method for multi-media recognition, data conversion, creation of metatags, storage and search retrieval |
US6996251B2 (en) | 2002-09-30 | 2006-02-07 | Myport Technologies, Inc. | Forensic communication apparatus and method |
US10721066B2 (en) | 2002-09-30 | 2020-07-21 | Myport Ip, Inc. | Method for voice assistant, location tagging, multi-media capture, transmission, speech to text conversion, photo/video image/object recognition, creation of searchable metatags/contextual tags, storage and search retrieval |
GB2402535B (en) * | 2003-06-05 | 2006-06-21 | Canon Kk | Image processing |
US7697026B2 (en) * | 2004-03-16 | 2010-04-13 | 3Vr Security, Inc. | Pipeline architecture for analyzing multiple video streams |
US20060083414A1 (en) * | 2004-10-14 | 2006-04-20 | The Secretary Of State For The Home Department | Identifier comparison |
KR100634527B1 (ko) * | 2004-11-26 | 2006-10-16 | 삼성전자주식회사 | 층 기반 영상 처리 장치 및 방법 |
US20110102553A1 (en) * | 2007-02-28 | 2011-05-05 | Tessera Technologies Ireland Limited | Enhanced real-time face models from stereo imaging |
EP1894163B1 (en) * | 2005-06-08 | 2015-09-30 | Koninklijke Philips N.V. | Point-selection for fast deformable registration |
JP4951995B2 (ja) * | 2006-02-22 | 2012-06-13 | オムロン株式会社 | 顔照合装置 |
US8208694B2 (en) * | 2006-06-06 | 2012-06-26 | Thomas Jelonek | Method and system for image and video analysis, enhancement and display for communication |
CN100383806C (zh) * | 2006-06-08 | 2008-04-23 | 上海交通大学 | 基于鲁棒位置保留映射的人脸识别方法 |
CN100527170C (zh) * | 2006-09-20 | 2009-08-12 | 清华大学 | 一种复杂表情仿真系统及其实现方法 |
KR100828371B1 (ko) | 2006-10-27 | 2008-05-08 | 삼성전자주식회사 | 컨텐츠의 메타 데이터 생성 방법 및 장치 |
EP2115662B1 (en) | 2007-02-28 | 2010-06-23 | Fotonation Vision Limited | Separating directional lighting variability in statistical face modelling based on texture space decomposition |
US8027541B2 (en) * | 2007-03-15 | 2011-09-27 | Microsoft Corporation | Image organization based on image content |
US8295603B2 (en) * | 2007-03-28 | 2012-10-23 | Sharp Kabushiki Kaisha | Image processing apparatus, image forming apparatus, image processing system, and image processing method |
GB2449125A (en) * | 2007-05-11 | 2008-11-12 | Sony Uk Ltd | Metadata with degree of trust indication |
US8041076B1 (en) * | 2007-08-09 | 2011-10-18 | Adobe Systems Incorporated | Generation and usage of attractiveness scores |
CN101393597B (zh) * | 2007-09-19 | 2011-06-15 | 上海银晨智能识别科技有限公司 | 识别人脸是否为正面脸的方法 |
CN101414348A (zh) * | 2007-10-19 | 2009-04-22 | 三星电子株式会社 | 多角度人脸识别方法和系统 |
US8180112B2 (en) * | 2008-01-21 | 2012-05-15 | Eastman Kodak Company | Enabling persistent recognition of individuals in images |
US8750578B2 (en) | 2008-01-29 | 2014-06-10 | DigitalOptics Corporation Europe Limited | Detecting facial expressions in digital images |
EP2289173B1 (en) * | 2008-05-15 | 2017-10-11 | Koninklijke Philips N.V. | Method, apparatus, and computer program product for compression and decompression of a gene sequencing image |
US8520979B2 (en) * | 2008-08-19 | 2013-08-27 | Digimarc Corporation | Methods and systems for content processing |
JP4720880B2 (ja) * | 2008-09-04 | 2011-07-13 | ソニー株式会社 | 画像処理装置、撮像装置、画像処理方法およびプログラム |
GB0819069D0 (en) | 2008-10-17 | 2008-11-26 | Forensic Science Service Ltd | Improvements in and relating to methods and apparatus for comparison |
JP5247480B2 (ja) * | 2009-01-13 | 2013-07-24 | キヤノン株式会社 | オブジェクト識別装置及びオブジェクト識別方法 |
US8254699B1 (en) * | 2009-02-02 | 2012-08-28 | Google Inc. | Automatic large scale video object recognition |
US20120023134A1 (en) * | 2009-03-27 | 2012-01-26 | Nec Corporation | Pattern matching device, pattern matching method, and pattern matching program |
US8938132B2 (en) * | 2010-01-12 | 2015-01-20 | Nec Corporation | Image collation system, image collation method and computer program |
US9465993B2 (en) | 2010-03-01 | 2016-10-11 | Microsoft Technology Licensing, Llc | Ranking clusters based on facial image analysis |
US10108852B2 (en) * | 2010-06-07 | 2018-10-23 | Affectiva, Inc. | Facial analysis to detect asymmetric expressions |
US8320644B2 (en) | 2010-06-15 | 2012-11-27 | Apple Inc. | Object detection metadata |
WO2012071677A1 (en) * | 2010-11-29 | 2012-06-07 | Technicolor (China) Technology Co., Ltd. | Method and system for face recognition |
US9251854B2 (en) * | 2011-02-18 | 2016-02-02 | Google Inc. | Facial detection, recognition and bookmarking in videos |
US8836777B2 (en) | 2011-02-25 | 2014-09-16 | DigitalOptics Corporation Europe Limited | Automatic detection of vertical gaze using an embedded imaging device |
JP5923723B2 (ja) * | 2011-06-02 | 2016-05-25 | パナソニックIpマネジメント株式会社 | 人物属性推定システム、人物属性推定装置、及び人物属性推定方法 |
EP2557524A1 (en) * | 2011-08-09 | 2013-02-13 | Teclis Engineering, S.L. | Method for automatic tagging of images in Internet social networks |
US20130044927A1 (en) * | 2011-08-15 | 2013-02-21 | Ian Poole | Image processing method and system |
CN102955931B (zh) * | 2011-08-19 | 2015-11-25 | 株式会社理光 | 识别图像中特定对象的方法以及使用该方法的系统 |
CN103020576B (zh) * | 2011-09-20 | 2015-09-30 | 华晶科技股份有限公司 | 特征数据压缩装置、多方向人脸侦测系统及其侦测方法 |
JP5836095B2 (ja) * | 2011-12-05 | 2015-12-24 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
CN102567719B (zh) * | 2011-12-26 | 2014-07-02 | 东南大学 | 基于后验概率神经网络的人类年龄自动估计方法 |
US8861855B2 (en) * | 2012-01-18 | 2014-10-14 | The United States Of America As Represented By The Secretary Of The Air Force | Method and apparatus for simplifying electro-optical imaging systems |
JP5900052B2 (ja) * | 2012-03-15 | 2016-04-06 | オムロン株式会社 | 登録判定装置、その制御方法および制御プログラム、並びに電子機器 |
JP5787845B2 (ja) * | 2012-08-24 | 2015-09-30 | 株式会社東芝 | 画像認識装置、方法、及びプログラム |
US9183062B2 (en) * | 2013-02-25 | 2015-11-10 | International Business Machines Corporation | Automated application reconfiguration |
US8971668B2 (en) * | 2013-02-27 | 2015-03-03 | Adobe Systems Incorporated | Covariance based color characteristics of images |
CN105074641A (zh) * | 2013-04-01 | 2015-11-18 | 索尼公司 | 显示控制装置、显示控制方法和显示控制程序 |
JP6338191B2 (ja) * | 2013-07-01 | 2018-06-06 | Necソリューションイノベータ株式会社 | 属性推定システム |
CN103810663B (zh) * | 2013-11-18 | 2017-09-26 | 北京航天金盾科技有限公司 | 一种基于人像识别的人口数据清理方法 |
US9405963B2 (en) * | 2014-07-30 | 2016-08-02 | International Business Machines Corporation | Facial image bucketing with expectation maximization and facial coordinates |
CN106446754A (zh) * | 2015-08-11 | 2017-02-22 | 阿里巴巴集团控股有限公司 | 图像识别方法、度量学习方法、图像来源识别方法及装置 |
JP6700791B2 (ja) * | 2016-01-05 | 2020-05-27 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN107203529B (zh) * | 2016-03-16 | 2020-02-21 | 中国移动通信集团河北有限公司 | 基于元数据图结构相似性的多业务关联性分析方法及装置 |
DE102016122649B3 (de) * | 2016-11-24 | 2018-03-01 | Bioid Ag | Biometrisches Verfahren |
TWI731919B (zh) * | 2017-01-19 | 2021-07-01 | 香港商斑馬智行網絡(香港)有限公司 | 圖像識別方法與裝置及度量學習方法與裝置 |
US10678846B2 (en) * | 2017-03-10 | 2020-06-09 | Xerox Corporation | Instance-level image retrieval with a region proposal network |
CN107169473A (zh) * | 2017-06-10 | 2017-09-15 | 广东聚宜购家居网络科技有限公司 | 一种人脸识别控制系统 |
US11210504B2 (en) | 2017-09-06 | 2021-12-28 | Hitachi Vantara Llc | Emotion detection enabled video redaction |
WO2019193781A1 (ja) | 2018-04-04 | 2019-10-10 | パナソニックIpマネジメント株式会社 | 感情推定装置、感情推定方法及びプログラム |
CN110959157B (zh) | 2018-05-01 | 2024-03-12 | 谷歌有限责任公司 | 加速大规模相似性计算 |
US11521460B2 (en) | 2018-07-25 | 2022-12-06 | Konami Gaming, Inc. | Casino management system with a patron facial recognition system and methods of operating same |
AU2019208182B2 (en) | 2018-07-25 | 2021-04-08 | Konami Gaming, Inc. | Casino management system with a patron facial recognition system and methods of operating same |
CN113158948B (zh) * | 2021-04-29 | 2024-08-02 | 宜宾中星技术智能系统有限公司 | 信息生成方法、装置、终端设备 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0520442A (ja) | 1991-07-17 | 1993-01-29 | Nippon Telegr & Teleph Corp <Ntt> | 顔画像照合装置 |
JPH0546743A (ja) * | 1991-08-09 | 1993-02-26 | Matsushita Electric Ind Co Ltd | 個人識別装置 |
JP2840816B2 (ja) | 1995-03-13 | 1998-12-24 | 株式会社エイ・ティ・アール通信システム研究所 | 表情検出装置 |
CN1184542A (zh) * | 1995-03-20 | 1998-06-10 | Lau技术公司 | 识别图象的系统和方法 |
US5710833A (en) * | 1995-04-20 | 1998-01-20 | Massachusetts Institute Of Technology | Detection, recognition and coding of complex objects using probabilistic eigenspace analysis |
JPH1055412A (ja) | 1996-06-06 | 1998-02-24 | Fujitsu Ltd | 特徴ベクトルの部分固有空間への射影による特徴選択を用いたパターン認識装置及び方法 |
US6111978A (en) * | 1996-12-13 | 2000-08-29 | International Business Machines Corporation | System and method for determining ridge counts in fingerprint image processing |
JP2815045B2 (ja) * | 1996-12-16 | 1998-10-27 | 日本電気株式会社 | 画像特徴抽出装置,画像特徴解析装置,および画像照合システム |
US6151403A (en) * | 1997-08-29 | 2000-11-21 | Eastman Kodak Company | Method for automatic detection of human eyes in digital images |
US6108437A (en) * | 1997-11-14 | 2000-08-22 | Seiko Epson Corporation | Face recognition apparatus, method, system and computer readable medium thereof |
JPH11306325A (ja) | 1998-04-24 | 1999-11-05 | Toshiba Tec Corp | 対象物検出装置及び対象物検出方法 |
JP4087953B2 (ja) | 1998-07-14 | 2008-05-21 | 株式会社東芝 | パターン認識装置及びその方法 |
JP3468108B2 (ja) | 1998-07-15 | 2003-11-17 | 松下電器産業株式会社 | 顔画像照合方法及び顔画像照合装置 |
US6292575B1 (en) * | 1998-07-20 | 2001-09-18 | Lau Technologies | Real-time facial recognition and verification system |
GB2341231A (en) * | 1998-09-05 | 2000-03-08 | Sharp Kk | Face detection in an image |
JP2000099722A (ja) | 1998-09-22 | 2000-04-07 | Toshiba Corp | 人物顔認識装置及び人物顔認識方法 |
JP2000132675A (ja) | 1998-10-29 | 2000-05-12 | Matsushita Electric Ind Co Ltd | 顔識別・照合方法及びその装置 |
JP2000187733A (ja) | 1998-12-22 | 2000-07-04 | Canon Inc | 画像処理装置及び方法並びに記憶媒体 |
JP2000306095A (ja) | 1999-04-16 | 2000-11-02 | Fujitsu Ltd | 画像照合・検索システム |
KR100343223B1 (ko) * | 1999-12-07 | 2002-07-10 | 윤종용 | 화자 위치 검출 장치 및 그 방법 |
JP3877274B2 (ja) | 2000-03-24 | 2007-02-07 | 富士通株式会社 | 画像照合処理システム |
JP4443722B2 (ja) | 2000-04-25 | 2010-03-31 | 富士通株式会社 | 画像認識装置及び方法 |
-
2001
- 2001-12-14 JP JP2001381530A patent/JP3903783B2/ja not_active Expired - Lifetime
-
2002
- 2002-12-16 DE DE60232365T patent/DE60232365D1/de not_active Expired - Lifetime
- 2002-12-16 WO PCT/JP2002/013114 patent/WO2003052690A1/ja active Application Filing
- 2002-12-16 US US10/488,213 patent/US7593551B2/en active Active
- 2002-12-16 CN CNB2006101218606A patent/CN100492397C/zh not_active Expired - Fee Related
- 2002-12-16 EP EP08167201A patent/EP2017770B1/en not_active Expired - Lifetime
- 2002-12-16 CN CNB028173597A patent/CN100367311C/zh not_active Expired - Fee Related
- 2002-12-16 EP EP02790768A patent/EP1460580B1/en not_active Expired - Lifetime
- 2002-12-16 CN CNB2006101218610A patent/CN100492398C/zh not_active Expired - Fee Related
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005234810A (ja) * | 2004-02-18 | 2005-09-02 | Fuji Xerox Co Ltd | 画像処理装置 |
JPWO2005086089A1 (ja) * | 2004-03-03 | 2008-01-24 | 日本電気株式会社 | 物体の姿勢推定及び照合システム、物体の姿勢推定及び照合方法、並びにそのためのプログラム |
JP4692773B2 (ja) * | 2004-03-03 | 2011-06-01 | 日本電気株式会社 | 物体の姿勢推定及び照合システム、物体の姿勢推定及び照合方法、並びにそのためのプログラム |
WO2006129551A1 (ja) * | 2005-05-31 | 2006-12-07 | Nec Corporation | パタン照合方法、パタン照合システム及びパタン照合プログラム |
JP2007128262A (ja) * | 2005-11-02 | 2007-05-24 | Omron Corp | 顔照合装置 |
US9020209B2 (en) | 2005-11-02 | 2015-04-28 | Omron Corporation | Face identification device |
JP4696857B2 (ja) * | 2005-11-02 | 2011-06-08 | オムロン株式会社 | 顔照合装置 |
KR100723417B1 (ko) | 2005-12-23 | 2007-05-30 | 삼성전자주식회사 | 얼굴 인식 방법, 그 장치, 이를 위한 얼굴 영상에서 특징추출 방법 및 그 장치 |
JP2007219578A (ja) * | 2006-02-14 | 2007-08-30 | Omron Corp | 異常検出装置および方法、記録媒体、並びに、プログラム |
JP2010507139A (ja) * | 2006-10-11 | 2010-03-04 | ヒューレット−パッカード デベロップメント カンパニー エル.ピー. | 顔に基づく画像クラスタリング |
US7769287B2 (en) | 2007-01-24 | 2010-08-03 | Fujifilm Corporation | Image taking apparatus and image taking method |
JP5112454B2 (ja) * | 2008-01-23 | 2013-01-09 | 国立大学法人 新潟大学 | 識別装置、識別方法及び識別処理プログラム |
WO2009093525A1 (ja) * | 2008-01-23 | 2009-07-30 | Niigata University | 識別装置、識別方法及び識別処理プログラム |
US8321368B2 (en) | 2008-01-23 | 2012-11-27 | Niigata University | Identification device, identification method, and identification processing program |
US8542095B2 (en) | 2008-02-22 | 2013-09-24 | Nec Corporation | Biometric authentication device, biometric authentication method, and storage medium |
US10055640B2 (en) | 2012-07-09 | 2018-08-21 | Canon Kabushiki Kaisha | Classification of feature information into groups based upon similarity, and apparatus, image processing method, and computer-readable storage medium thereof |
US9280720B2 (en) | 2012-07-09 | 2016-03-08 | Canon Kabushiki Kaisha | Apparatus, method, and computer-readable storage medium |
US9558212B2 (en) | 2012-07-09 | 2017-01-31 | Canon Kabushiki Kaisha | Apparatus, image processing method and computer-readable storage medium for object identification based on dictionary information |
JP2014041560A (ja) * | 2012-08-23 | 2014-03-06 | Canon Inc | 画像処理装置、画像処理方法 |
JP2019512821A (ja) * | 2016-03-29 | 2019-05-16 | 日本電気株式会社 | 画像処理装置、画像処理方法、及びプログラム |
US10657625B2 (en) | 2016-03-29 | 2020-05-19 | Nec Corporation | Image processing device, an image processing method, and computer-readable recording medium |
WO2021095869A1 (ja) | 2019-11-15 | 2021-05-20 | 株式会社Patic Trust | 情報処理装置、情報処理方法、プログラム、記録媒体及びカメラシステム |
WO2021095732A1 (ja) | 2019-11-15 | 2021-05-20 | 株式会社Patic Trust | 情報処理装置、情報処理方法、プログラム、記録媒体及びカメラシステム |
US11494942B2 (en) | 2019-11-15 | 2022-11-08 | Patic Trust Co., Ltd. | Information processing device, information processing method, program, recording medium, and camera system |
US11508186B2 (en) | 2019-11-15 | 2022-11-22 | Patic Trust Co., Ltd. | Smile degree detection device, method, recording medium, and camera system |
Also Published As
Publication number | Publication date |
---|---|
CN1912891A (zh) | 2007-02-14 |
JP3903783B2 (ja) | 2007-04-11 |
WO2003052690A1 (fr) | 2003-06-26 |
EP2017770A3 (en) | 2009-07-01 |
US7593551B2 (en) | 2009-09-22 |
EP2017770B1 (en) | 2013-02-20 |
US20040197013A1 (en) | 2004-10-07 |
EP1460580A4 (en) | 2007-06-13 |
EP1460580A1 (en) | 2004-09-22 |
DE60232365D1 (de) | 2009-06-25 |
EP2017770A2 (en) | 2009-01-21 |
CN100367311C (zh) | 2008-02-06 |
CN1552041A (zh) | 2004-12-01 |
CN1912890A (zh) | 2007-02-14 |
EP1460580B1 (en) | 2009-05-13 |
CN100492398C (zh) | 2009-05-27 |
CN100492397C (zh) | 2009-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2003187229A (ja) | 顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置 | |
JP3873793B2 (ja) | 顔メタデータ生成方法および顔メタデータ生成装置 | |
JP4375570B2 (ja) | 顔認識方法およびシステム | |
Li et al. | Visual tracking via incremental log-euclidean riemannian subspace learning | |
US5901244A (en) | Feature extraction system and face image recognition system | |
JP2005149506A (ja) | 対象物自動認識照合方法および装置 | |
Kekre et al. | Performance Comparison for Face Recognition using PCA, DCT &WalshTransform of Row Mean and Column Mean | |
Kekre et al. | Eigenvectors of covariance matrix using row mean and column mean sequences for face recognition | |
AU2019200711A1 (en) | Biometric verification | |
KR100345245B1 (ko) | 조명 변화, 얼굴 표정 변화 등에 독립적인 얼굴 인식 방법 | |
JP4375571B2 (ja) | 顔類似度算出方法および装置 | |
Kaur et al. | Comparative study of facial expression recognition techniques | |
Tome et al. | Scenario-based score fusion for face recognition at a distance | |
KR20160042646A (ko) | 얼굴 인식 방법 | |
Geetha et al. | 3D face recognition using Hadoop | |
Shatnawi et al. | The impact of the number of eigen-faces on the face recognition accuracy using different distance measures | |
KR100711223B1 (ko) | 저니키(Zernike)/선형 판별 분석(LDA)을 이용한얼굴 인식 방법 및 그 방법을 기록한 기록매체 | |
Gambhir et al. | Person recognition using multimodal biometrics | |
Chang et al. | Feature patch illumination spaces and Karcher compression for face recognition via Grassmannians | |
Tistarelli et al. | Understanding iconic image-based face biometrics | |
Siddiqui | Face recognition using original and symmetrical face images | |
Mita et al. | Probabilistic ISC for matching images of objects having individual difference | |
Bengherabi et al. | 2DPCA-based techniques in DCT domain for face recognition | |
Altaei | Face Recognition Based on Image Integration and DCT Analysis | |
Tao et al. | Verifying a user in a personal face space |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060613 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060804 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060919 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061120 |
|
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: 20061219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070101 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 3903783 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110119 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110119 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120119 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130119 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130119 Year of fee payment: 6 |
|
EXPY | Cancellation because of completion of term |