JP2006178651A - 人物認識装置、人物認識方法および通行制御装置 - Google Patents

Abstract

【課題】複数地点あるいは同一地点で捕らえた顔画像を利用して本人判定を行なう場合に、複数の照合結果から外れ値を排除するか、外れ値を考慮した重み付け演算を行なうことにより、誤りを少なくして顔認識を行ない、人物の通行制御や侵入検知などを行なうことができる人物認識装置を提供する。
【解決手段】認識対象である人物の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する複数の顔認識部を有し、この複数の顔認識部から出力される複数の類似度に対して統計量に基づき選別し、この選別された類似度の統計値を求め、この求められた統計値から１つの統計値を選択し、この選択された統計値をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する。
【選択図】 図１

Description

本発明は、たとえば、セキュリティ管理などにおいて、人物の顔画像や指紋情報、虹彩情報、静脈情報などの生体情報を用いて当該人物が本人であるか否かを認識する人物認識装置および人物認識方法に関する。

また、本発明は、上記人物認識装置および人物認識方法を用いて重要施設などへの入退場室管理を行なう通行制御装置に関する。

従来、たとえば、セキュリティを重視する重要施設のドアの開錠を希望する人物の体の特徴を画像データにより識別し、同時にその画像データを記録または監視するシステムがある（たとえば、特許文献１参照）。
また、変動の大きい顔特徴データによる誤認識を減少させる方法として、複数の顔登録データを用いて判断する人物認識装置がある（たとえば、特許文献２参照）。
さらに、複数地点の顔照合の結果から平均値や最大値などの統計値を求めて照合精度を高める方法が開示されている（たとえば、特許文献３参照）。
特開２００２−９２６０１号公報 特開平１１−１７５７１８号公報 特開２００４−１１８３５９号公報

特許文献１では、複数地点のカメラを用いて人物を撮影しているが、顔照合を行なうデータは１つずつ独立で、複数の画像は合成して表示するだけである。したがって、複数の顔照合の結果を統合して判断する方法がなく、それぞれ独立に認識結果を判断する必要がある。

また、特許文献２では、複数の顔認識結果を登録データに統合しているが、時間と場所を離れた複数の照合結果については統合していない。この方法は、次の照合までに前回の照合データを登録データに追加することは不可能ではないが、登録データに追加するのにふさわしいデータを選別して、かつ、登録の処理時間が必要であることから現実的でない。

さらに、特許文献３では、複数地点の入力データを統合して照合しているが、照合に適さないデータが発生した場合には外れ値となり、統計値に大きく影響を及ぼし、正しい結果が得られない。

そこで、本発明は、複数地点あるいは同一地点で捕らえた顔画像を利用して本人判定を行なう場合に、複数の照合結果から外れ値を排除するか、外れ値を考慮した重み付け演算を行なうことにより、誤りを少なくして顔認識を行ない、人物の通行制御や侵入検知などを行なうことができる人物認識装置、人物認識方法および通行制御装置を提供することを目的とする。

本発明の人物認識装置は、認識対象である人物の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する複数の顔認識手段と、この複数の顔認識手段から出力される複数の類似度に対して統計量に基づき選別する選別手段と、この選別手段により選別された類似度の統計値を求める演算手段と、この演算手段により求められた統計値から１つの統計値を選択する選択手段と、この選択手段により選択された統計値をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定手段とを具備している。

また、本発明の人物認識装置は、認識対象である人物の生体情報を取得し、この取得した生体情報とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する複数の生体認識手段と、この複数の生体認識手段から出力される複数の類似度に対して統計量に基づき選別する選別手段と、この選別手段により選別された類似度の統計値を求める演算手段と、この演算手段により求められた統計値から１つの統計値を選択する選択手段と、この選択手段により選択された統計値をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定手段とを具備している。

また、本発明の人物認識方法は、認識対象である人物の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する複数の顔認識ステップと、この複数の顔認識ステップから出力される複数の類似度に対して統計量に基づき選別する選別ステップと、この選別ステップにより選別された類似度の統計値を求める演算ステップと、この演算ステップにより求められた統計値から１つの統計値を選択する選択ステップと、この選択ステップにより選択された統計値をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定ステップとを具備している。

さらに、本発明の通行制御装置は、認識対象である通行者の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する複数の顔認識手段と、この複数の顔認識手段から出力される複数の類似度に対して統計量に基づき選別する選別手段と、この選別手段により選別された類似度の統計値を求める演算手段と、この演算手段により求められた統計値から１つの統計値を選択する選択手段と、この選択手段により選択された統計値をあらかじめ設定される閾値と比較することにより当該通行者が本人であるか否かを判定する判定手段と、この判定手段の判定結果に基づき当該通行者の通行を制御する通行制御手段とを具備している。

本発明によれば、複数地点あるいは同一地点で捕らえた顔画像を利用して本人判定を行なう場合に、複数の照合結果から外れ値を排除するか、外れ値を考慮した重み付け演算を行なうことにより、誤りを少なくして顔認識を行ない、人物の通行制御や侵入検知などを行なうことができる人物認識装置、人物認識方法および通行制御装置を提供できる。

以下、本発明の実施の形態について図面を参照して説明する。
なお、以下の説明では、人物の生体情報として顔画像を用いた場合を例として述べるが、顔画像以外に、指紋画像、虹彩情報、掌形画像、指画像、静脈情報などの他の生体情報を用いても同様に実施できる。

まず、第１の実施の形態について説明する。
図１は、第１の実施の形態に係る人物認識装置を適用した通行制御装置の構成を概略的に示すものである。この通行制御装置は、複数（たとえば、１０個）の顔認識手段としての顔認識部１０１，１０２，…１０３、選別手段としてのデータ選別部１０４、演算手段としてのデータ演算部１０５、選択手段としての人物選択部１０６、判定手段としての本人判定部１０７、通行制御手段としてのゲート制御部１０８、および、同じく通行制御手段としてのゲート１０９から構成されている。ゲート１０９は、たとえば、住宅の玄関に設置された入退場用ドア、あるいは、重要施設の入退場用ドアなどである。

複数の顔認識部１０１，１０２，…１０３は、たとえば、人物Ｐが図示破線矢印方向に通行する通行路に沿って所定間隔あけて配設されていて、それぞれ認識対象である人物Ｐの顔画像（少なくとも顔を含む画像）を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力するもので、たとえば、図２に示すように、画像入力部２０１、顔領域検出部２０２、顔特徴抽出部２０３、辞書情報記憶部２０４、および、認識部２０５から構成されている。

画像入力部２０１は、たとえば、ビデオカメラを用いて、人物Ｐに対して少なくとも顔画像を含む画像データを入力し、顔領域検出部２０２に画像データを出力する。これは、たとえば、図３に示すように、横方向に５１２画素、縦方向に５１２画素のデジタル濃淡画像データとして出力する。

顔領域検出部２０２は、画像入力部２０１により入力された図３の形態の画像データから、顔パターンを検出して切出す。この処理は、たとえば、図４に示すフローチャートのような処理手順で実行される。
以下、図４の処理手順について説明する。まず、サイズｓやｙ，ｘ座標などの初期化を行なう（ステップ３０１〜３０３）。次に、あらかじめ用意されたサイズの異なる複数の標準顔パターンｇｓ（ｉ，ｊ）を用いて、入力画像ｆ（ｘ，ｙ）内の局所領域との相関Ｍｓ（ｘ，ｙ）を、座標（ｘ，ｙ）をずらしながら下記数１にしたがって計算する（ステップ３０４）。ここで、サイズの異なる標準顔パターンｇｓ（ｉ，ｊ）は、決められたサイズであらかじめ収集した顔パターンを平均するなどして作成される。

次に、求めた相関Ｍｓ（ｘ，ｙ）が一定の閾値ＴＨＲ以上であれば（ステップ３０５）、顔パターンを検出したものとして、その結果を出力する（ステップ３０６）。この画像探索を、図５に模式的に示すように、標準顔パターンｇｓ（ｉ，ｊ）のサイズｓを変更しながら実施する。図４のステップ３０７〜３１２がその処理である。

これにより、サイズｓの画像パターンに対して、一定の画像サイズに正規化した顔パターンｒｃ（ｉ，ｊ）が出力される。ここで、添え字「ｃ」は、与えられたＩＤ情報に対する識別子である。この顔パターンｒｃ（ｉ，ｊ）は、顔認識における基準データ（基準の特徴量）となる。

なお、図５において、符号４０１，４０３，４０５は入力画像全体を示し、符号４０２，４０４，４０６は標準顔パターンｇｓ（ｉ，ｊ）を示している。

顔特徴抽出部２０３は、顔領域検出部２０２から出力される検出された位置の画像パターンについて、大きさおよび輝度値の正規化を行なう。たとえば、横１５画素、縦１５画素、輝度値の最高値が「２５５」、輝度値の最低値が「０」になるような画像変換を施す。さらに、顔特徴抽出部２０３は、連続して収集される画像データから抽出した特徴をまとめて特徴情報とすることもできる。この特徴情報は認識部２０５に送られる。

辞書情報記憶部２０４は、認識したい特定人物について、あらかじめ上記同様の特徴情報を作成した辞書情報を保持しており、人物Ｐの顔画像との類似度を計算できるようにする。
辞書情報記憶部２０４は、実際には、たとえば、図６に示すようなデータ構造をとる。図６の例では、１人の人物の辞書情報として、ＩＤ番号および顔画像の特徴情報がそれぞれ格納されている。

認識部２０５は、顔特徴抽出部２０３で抽出された人物Ｐの顔画像の特徴情報（特徴パターン）と、辞書情報記憶部２０４に記憶されている顔画像の特徴情報（辞書情報）との類似度を、図７に示すフローチャートのような処理手順で計算する。

以下、図７の処理手順について説明する。まず、カテゴリｃの初期設定を行なった後（ステップ７０１）、辞書情報記憶部２０４に記憶されているカテゴリｃの辞書パターンｒｃ（ｉ，ｊ）と、顔特徴抽出部２０３で抽出された特徴パターンｈ（ｘ，ｙ）との類似度Ｓｉｍｃ（ｘ，ｙ）を、下記数２のように相関を求めることで計算する（ステップ７０２）。これを全てのカテゴリｃに対して行なうことにより、最大の類似度Ｓｉｍｃ（ｘ，ｙ）を答えとして出力する（ステップ７０３〜７０６）。

データ選別部１０４は、複数の顔認識部１０１，１０２，…１０３から出力される類似度Ｓｉｍｃ（ｋ）［ｋ＝１，２，…，１０］を受取り、これら１０個の類似度の中から分布から外れた類似度を排除する。
図８および図９に、それぞれ人物Ｐが本人の辞書情報と照合を行なった場合の類似度の発生頻度と、人物Ｐが他人の辞書情報と照合を行なった場合の類似度の発生頻度における例を示す。本人の辞書情報と照合を行なった場合には、様々なパターン変動により低い類似度スコアの試行が発生しやすいのが特徴的である。一方、他人の辞書情報と照合を行なった場合は、元々類似度が低く、その分布はほぼ平均に対して左右対称となる。この類似度スコアの発生確率の違いを利用して、データ選別部１０４は分布から外れた類似度を排除する。

図１０に１０個の類似度の中に外れ値が存在する場合の例を示している。１０個の類似度の平均値μｃに対して、サンプル１００１が分布から外れた低い類似度を持っている。ここで、分布の標準偏差をσｃとすると、これに定数θをかけて求めた距離を基準に外れ値をとるサンプルを選別することができる。すなわち、下記数３に該当するサンプルが除外されることになる。

この選別を全てのカテゴリｃに対してそれぞれ実施する。なお、本実施の形態では、平均値と標準偏差とに基づいてデータを選別する方法について説明したが、それ以外の方法でも、たとえば、平均値に対して一定値を基準にデータを選別する方法であっても、本発明の効果はなんら変わらない。

データ演算部１０５は、データ選別部１０４から出力される類似度の統計値を求める。データ選別部１０４から出力される類似度の個数がｎｃであれば、統計値として例えば平均値を求める場合に、下記数４のようにカテゴリｃの最終的な類似度Ｓｃが求められる。

なお、本実施の形態では、複数の類似度の平均値を求める方法で説明を行なったが、これ以外の統計値、たとえば、最大値や中間値であってもよい。

人物選択部１０６は、データ演算部１０４から出力されるｃ個のカテゴリに対応するｃ個の類似度Ｓｃから最大値を選び、そのカテゴリを本人として選択する。
本人判定部１０７は、人物選択部１０６によって選ばれたカテゴリの類似度Ｓｋに対して、閾値Ｔｈｒを基準に受入れまたは拒否を判定し、その判定結果をゲート制御部１０８へ出力する。

図１２および図１３に、閾値Ｔｈｒを変えたときに変化する「本人を誤って拒否する割合（ＦＲＲ）」１２０３，１２０５，１２０７，１３０２，１３０４，１３０６と、「登録された辞書情報内の他人が人物選択部１０６で選ばれ、かつ、その類似度が閾値Ｔｈｒを超えて誤って受入れる割合（ＩＦＡＲ）」１２０１，１３０１，１３０３，１３０５、「登録外の他人の類似度が閾値Ｔｈｒを超えて誤って受入れる割合（ＥＦＡＲ）」１２０２，１２０４，１２０６の例を示している。

図１３は図１２を拡大したものであり、本発明の結果（１３０１，１３０２，図１３のｓｅｌ＿ａｖｅ）と、試行回数を１回とした場合（１３０３，１３０４，図１３のｏｒｇ）、および、受入れになるまで独立に判定を繰り返すリトライ動作の結果（１３０５，１３０６，図１３のｒｅｔｒｙ）を示している。図１３にしたがえば、本発明のＩＦＡＲが従来の方法に比べて低い値になり、登録された辞書情報内の他人として誤って受入れる確率がほぼ「０」となっていることがわかる。

ゲート制御部１０８は、本人判定部１０７の判定結果が受入れ（本人）であれば、ゲート１０９を開放制御して、当該人物Ｐの通行を許可する。また、本人判定部１０７の判定結果が拒否（他人）であれば、ゲート１０９を閉成状態に保持して、当該人物Ｐの通行を拒否する。

図１４は、複数の顔認識部１０１，１０２，…１０３の具体的な設置例を示している。本例は、たとえば、人物Ｐが通行する廊下１４０１の側部に顔認識部１０１，１０２，…１０３の各カメラ１４０２，１４０４，…１４０６を一定間隔あけて設置することにより、通行路としての廊下１４０１を通行する人物Ｐに対してカメラ１４０２，１４０４，…１４０６がそれぞれの視野１４０３，１４０５，…１４０７内でとらえた人物Ｐの顔画像を認識し、前述したように総合的に判断して、廊下１４０１の進行方向終端部にあるゲート１０９を制御する。

このように、顔認識部１０１，１０２，…１０３を設置して、複数の顔認識結果を用いることで、人物Ｐの認識における負荷を低減しつつ、誤った排除がされる率が低減される。また、カメラ１４０２，１４０４，…１４０６を同じ撮影角度かつ同じ撮影高さに設置することで、認識部２０５で認識を行なう辞書情報については同じものを利用することができる。

一方、カメラ１４０２，１４０４，…１４０６をそれぞれ異なる撮影角度または撮影高さに設置することで、カメラ１４０２が顔を捕える視野が狭くても、身長の高低差に対応することができる。すなわち、カメラ１４０２に対して背が高くて視野に入らない人物Ｐについても、カメラ１４０２を高く取付けることでその人物Ｐを捕えることができる。これにより、様々な身長の人物もいずれかのカメラでとらえ、複数の類似度を総合的に判断して入室管理をすることができる。

また、廊下１４０１は、人物Ｐが歩行により移動することなく、ベルトコンベアで搬送移動するものでもよい。この場合は、移動速度が全員同じと考えることができ、より安定した認識を行なうことができる。

以上説明したように、第１の実施の形態によれば、複数地点で捕らえた人物Ｐの顔画像を利用して、外れ値を排除することにより、誤りを少なくして顔認識を行ない、人物Ｐの通行制御などを行なうことができる。

図１５は、上述した第１の実施の形態の変形例を示すものである。この通行制御装置は、複数（たとえば、１０個）の顔認識部１０１，１０２，…１０３、データ選別部１０４、データ演算部１０５、人物選択部１０６、本人判定部１０７、および、報知手段としてのアラーム１１０から構成されている。

なお、上記各部のうち、複数の顔認識部１０１，１０２，…１０３、データ選別部１０４、データ演算部１０５、人物選択部１０６、本人判定部１０７については、前述した第１の実施の形態（図１）と同一であるので説明を省略する。
アラーム１１０は、本人判定部１０７が出力する判定結果が拒否である場合に警報を発し、人物Ｐが登録されていない人物であることを警告するものである。

このような構成により、複数時点で捕らえた人物Ｐの顔画像を利用して、外れ値を排除することにより、誤りを少なくして顔認識を行ない、人物Ｐの侵入検知などを行なうことができる。

次に、第２の実施の形態について説明する。
図１６は、第２の実施の形態に係る人物認識装置を適用した通行制御装置の構成を概略的に示すものである。この通行制御装置は、１つの顔認識手段としての顔認識部１５０１、求めた類似度を記憶する記憶手段としてのデータ記憶部１５０２、選別手段としてのデータ選別部１５０３、演算手段としてのデータ演算部１５０４、選択手段としての人物選択部１５０５、判定手段としての本人判定部１５０６、通行制御手段としてのゲート制御部１５０７、および、同じく通行制御手段としてのゲート１５０８から構成されている。ゲート１５０８は、たとえば、住宅の玄関に設置された入退場用ドア、あるいは、重要施設の入退場用ドアなどである。

顔認識部１５０１は、たとえば、人物Ｐが通行する通行路に沿って配設されていて、人物Ｐの顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力するもので、前述した第１の実施の形態における顔認識部１０１，１０２，…１０３と同じ構成であるので、詳細な説明は省略する。

データ記憶部１５０２は、顔認識部１５０１から出力される類似度を同一人物ごとに複数回分（この例では１０回分）記憶する。なお、類似度を同一人物ごとに複数回分記憶する方法としては、たとえば、顔認識部１５０１における顔照合時に、キーボードやＩＤカードなどでＩＤ情報（個人識別情報）を入力する顔照合方式の場合、その入力されたＩＤ情報を用いることにより、当該ＩＤ情報ごとに類似度を複数個記憶するようにすればよい。

データ選別部１５０３は、データ記憶部１５０２から出力される複数の類似度Ｓｉｍｃ（ｋ）［ｋ＝１，２，…，１０］を受取り、第１の実施の形態のデータ選別部１０４と同様に、これら１０個の類似度の中から分布から外れた類似度を排除する。
なお、データ選別部１５０３は、第１の実施の形態と同様に、平均値と標準偏差とに基づいてデータを選別する方法以外の方法でも、たとえば、平均値に対して一定値を基準にデータを選別する方法であっても、本発明の効果はなんら変わらない。

データ演算部１５０４は、第１の実施の形態のデータ演算部１０５と同様に、データ選別部１５０３から出力される類似度の統計値、たとえば平均値を求める。
なお、データ演算部１５０４は、第１の実施の形態と同様に、複数の類似度の平均値を求める方法以外にも、たとえば、最大値や中間値であってもよい。

人物選択部１５０５は、データ演算部１５０４から出力されるｃ個のカテゴリに対応するｃ個の類似度Ｓｃから最大値を選び、そのカテゴリを本人として選択する。
本人判定部１５０６は、人物選択部１５０５によって選ばれたカテゴリの類似度Ｓｋに対して、閾値Ｔｈｒを基準に受入れまたは拒否を判定し、その判定結果をゲート制御部１５０７へ出力する。

ゲート制御部１５０７は、本人判定部１５０６の判定結果が受入れ（本人）であれば、ゲート１５０８を開放制御して、当該人物Ｐの通行を許可する。また、本人判定部１５０６の判定結果が拒否（他人）であれば、ゲート１５０８を閉成状態に保持して、当該人物Ｐの通行を拒否する。

第２の実施の形態では、顔認識部１５０１が１つしかないが、そこで繰り返し照合されるときに照合精度を向上させる場合に有効に働く。第１の実施の形態で図１２および図１３を用いて説明したように、１回の試行で本人判定結果が拒否と判定された場合、第２回目の試行を連続的に行なう場合に、各試行で独立に本人判定を行なうよりも本実施の形態を用いる方が精度が向上する。

以上説明したように、第２の実施の形態によれば、同一地点で繰り返し照合した人物Ｐの照合結果を利用して、外れ値を排除することにより、誤りを少なくして顔認識を行ない、人物Ｐの通行制御などを行なうことができる。

図１７は、上述した第２の実施の形態の変形例を示すものである。この通行制御装置は、１つの顔認識部１５０１、データ記憶部１５０２、データ選別部１５０３、データ演算部１５０４、人物選択部１５０５、本人判定部１５０６、および、報知手段としてのアラーム１５０８から構成されている。

なお、上記各部のうち、顔認識部１５０１、データ記憶部１５０２、データ選別部１５０３、データ演算部１５０４、人物選択部１５０５、本人判定部１５０６については、前述した第２の実施の形態（図１６）と同一であるので説明を省略する。
アラーム１５０９は、本人判定部１５０６が出力する判定結果が拒否である場合に警報を発し、人物Ｐが登録されていない人物であることを警告するものである。

このような構成により、同一地点で繰り返し照合した人物Ｐの照合結果を利用して、外れ値を排除することにより、誤りを少なくして顔認識を行ない、人物Ｐの侵入検知などを行なうことができる。

次に、第３の実施の形態について説明する。
図１８は、第３の実施の形態に係る人物認識装置を適用した通行制御装置の構成を概略的に示すものである。この通行制御装置は、画像取得手段としての画像入力部１６０１、顔検出手段としての顔領域検出部１６０２、特徴抽出手段としての顔特徴抽出部１６０３、抽出した特徴量を記憶する記憶手段としてのデータ記憶部１６０４、選別手段としての顔特徴選別部１６０５、辞書記憶手段としての辞書情報記憶部１６０６、顔認識手段としての顔認識部１６０７、選択手段としての人物選択部１６０８、判定手段としての本人判定部１６０９、通行制御手段としてのゲート制御部１６１０、および、同じく通行制御手段としてのゲート１６１１から構成されている。ゲート１６１１は、たとえば、住宅の玄関に設置された入退場用ドア、あるいは、重要施設の入退場用ドアなどである。

画像入力部１６０１は、たとえば、ビデオカメラを用いて、人物Ｐに対して少なくとも顔画像を含む画像データを動画像として入力し、顔領域検出部１６０２に画像データを出力する。これは、たとえば、図３に示すように、横方向に５１２画素、縦方向に５１２画素のデジタル濃淡画像データとして出力する。

顔領域検出部１６０２は、画像入力部１６０１により入力された図３の形態の画像データから、顔パターンを検出して切出す。この処理は、たとえば、図４に示すフローチャートのような処理手順で実行される。なお、図４の詳細は前述しているので説明を省略する。

顔特徴抽出部１６０３は、顔領域検出部１６０２から出力される検出された位置の画像パターンについて、大きさおよび輝度値の正規化を行なう。たとえば、横１５画素、縦１５画素、輝度値の最高値が「２５５」、輝度値の最低値が「０」になるような画像変換を施す。

データ記憶部１６０４は、顔特徴抽出部１６０３から出力される動画像の１０フレーム分の特徴量をｆ１（ｘ，ｙ），ｆ２（ｘ，ｙ），…，ｆ１０（ｘ，ｙ）として記憶する。顔特徴選別部１６０５は、データ記憶部１６０４から出力される特徴量について、平均パターンＡｖｅ（ｘ，ｙ）を下記数５のように求める。

その後、この平均パターンＡｖｅ（ｘ，ｙ）と各特徴量ｆｋ（ｘ，ｙ）との距離Ｄｋを下記数６のように求め、一定値Ｄｄ以上離れた特徴量を排除する。

この距離Ｄｋは上記数６のような方法でも、第１の実施の形態で類似度スコアの選別で用いたように平均値と標準偏差を求めて、平均値からの標準偏差を基準とした距離を求めても良い。距離ＤｋがＤｄ未満であることで排除されなかったｐ個の特徴量ｆ′ｋ（ｘ，ｙ）に対して、平均パターンｈ（ｘ，ｙ）を下記数７のように求めて顔認識部１６０７に出力する。

なお、この平均パターンの計算の他に、これ以外の統計量、たとえば、最大値や中間値であってもよい。

辞書情報記憶部１６０６は、認識したい特定人物について、あらかじめ上記同様の特徴情報を作成した辞書情報を保持しており、人物Ｐの顔画像との類似度を計算できるようにする。
顔認識部１６０７は、顔特徴選別部１６０５で選別された人物Ｐの顔画像の特徴情報（特徴パターン）と、辞書情報記憶部１６０６に記憶されている顔画像の特徴情報（辞書情報）ｒｃ（ｉ，ｊ）との類似度を、図７に示すフローチャートのような処理手順で計算する。なお、図７の詳細は前述しているので説明を省略する。

人物選択部１６０８は、顔認識部１６０７から出力されるｃ個のカテゴリに対応するｃ個の類似度Ｓｃから最大値を選び、そのカテゴリを本人として選択する。

本人判定部１６０９は、人物選択部１６０８によって選ばれたカテゴリの類似度Ｓｋに対して、閾値Ｔｈｒを基準に受入れまたは拒否を判定し、その判定結果をゲート制御部１６１０へ出力する。

ゲート制御部１６１０は、本人判定部１６０９の判定結果が受入れ（本人）であれば、ゲート１６１１を開放制御して、当該人物Ｐの通行を許可する。また、本人判定部１６０９の判定結果が拒否（他人）であれば、ゲート１６１１を閉成状態に保持して、当該人物Ｐの通行を拒否する。

このように、第３の実施の形態では、第２の実施の形態と同様に、顔を照合する装置が１つしか存在しない場合であるが、第１の実施の形態で認識結果の複数データに対して選別を行なっているのに対して、動画像のフレーム画像から得られる各特徴量を選別するところが大きく異なる。

以上説明したように、第３の実施の形態によれば、同一地点で動画像の複数フレームで捕らえた人物Ｐの顔画像を利用して、外れ値を排除することにより、誤りを少なくして顔認識を行ない、人物Ｐの通行制御などを行なうことができる。

図１９は、上述した第３の実施の形態の変形例を示すものである。この通行制御装置は、画像入力部１６０１、顔領域検出部１６０２、顔特徴抽出部１６０３、データ記憶部１６０４、顔特徴選別部１６０５、辞書情報記憶部１６０６、顔認識部１６０７、人物選択部１６０８、本人判定部１６０９、および、報知手段としてのアラーム１６１２から構成されている。

なお、上記各部のうち、画像入力部１６０１、顔領域検出部１６０２、顔特徴抽出部１６０３、データ記憶部１６０４、顔特徴選別部１６０５、辞書情報記憶部１６０６、顔認識部１６０７、人物選択部１６０８、本人判定部１６０９については、前述した第３の実施の形態（図１８）と同一であるので説明を省略する。
アラーム１６１２は、本人判定部１６０９が出力する判定結果が拒否である場合に警報を発し、人物Ｐが登録されていない人物であることを警告するものである。

このような構成により、同一地点で動画像の複数フレームで捕らえた人物Ｐの顔画像を利用して、外れ値を排除することにより、誤りを少なくして顔認識を行ない、人物Ｐの侵入検知などを行なうことができる。

次に、第４の実施の形態について説明する。
図２０は、第４の実施の形態に係る人物認識装置を適用した通行制御装置の構成を概略的に示すものである。この通行制御装置は、画像取得手段としての画像入力部１７０１、顔検出手段としての顔領域検出部１７０２、特徴抽出手段としての顔特徴抽出部１７０３、複数回の試行で選られた特徴量を記憶する記憶手段としての登録データ記憶部１７０４、演算手段としての照合データ係数演算部１７０５、複数（たとえば、１０個）の顔認識手段としての顔認識部１７０６，１７０７，…１７０８、演算手段としてのデータ演算部１７０９、選択手段としての人物選択部１７１０、判定手段としての本人判定部１７１１、通行制御手段としてのゲート制御部１７１２、および、同じく通行制御手段としてのゲート１７１３から構成されている。ゲート１７１３は、たとえば、住宅の玄関に設置された入退場用ドア、あるいは、重要施設の入退場用ドアなどである。
ここに、画像入力部１７０１、顔領域検出部１７０２、顔特徴抽出部１７０３および登録データ記憶部１７０４は、人物Ｐの顔特徴情報（特徴量）をあらかじめ登録する登録部１７１４を構成している。

画像入力部１７０１は、たとえば、ビデオカメラを用いて、人物Ｐに対して少なくとも顔画像を含む画像データを入力し、顔領域検出部１７０２に画像データを出力する。これは、たとえば、図３に示すように、横方向に５１２画素、縦方向に５１２画素のデジタル濃淡画像データとして出力する。

顔領域検出部１７０２は、画像入力部１７０１により入力された図３の形態の画像データから、顔パターンを検出して切出す。この処理は、たとえば、図４に示すフローチャートのような処理手順で実行される。なお、図４の詳細は前述しているので説明を省略する。

顔特徴抽出部１７０３は、顔領域検出部１７０２から出力される検出された位置の画像パターンについて、大きさおよび輝度値の正規化を行なう。たとえば、横１５画素、縦１５画素、輝度値の最高値が「２５５」、輝度値の最低値が「０」になるような画像変換を施す。

登録データ記憶部１７０４は、人物Ｐとの類似度を計算できるように、あらかじめ複数回の試行で得られた顔特徴抽出部１７０３から出力される特徴量を図２１に示すようなデータ構造により記憶する。図２１の例では、１人の人物の登録データとして、ＩＤ番号および複数回の試行で得られた顔画像の特徴情報がそれぞれ格納されている。

照合データ係数演算部１７０５は、登録データ記憶部１７０４に記憶されている登録情報に対して、同一ＩＤ番号同士の類似度スコアに関する発生確率の分布と、異なるＩＤ番号間の特徴量間の類似度に関する発生確率の分布を、たとえば、図８と図９のようにそれぞれ求める。この２つの分布について、それぞれ平均値μと標準偏差σを求め、図２２に示す特性曲線１９０１と１９０２のように平均値を「０」とする確率分布に変換する。その後、２つの発生確率の分布の差を図２３に示す特性曲線２００１のように求め、この特性をｄｆ（ｔ）とする。ｔは複数の類似度スコアからなる分布の平均値を「０」とし、平均値とのスコアの違いを標準偏差σで割算した正規化スコアである。このとき、ｄｆ（ｔ）は下記数８の性質を満たすように大きさが正規化される。

複数の顔認識部１７０６，１７０７，…１７０８は、たとえば、人物Ｐが図示破線矢印方向に通行する通行路に沿って所定間隔あけて配設されていて、それぞれ認識対象である人物Ｐの顔画像（少なくとも顔を含む画像）を取得し、この取得した顔画像と登録データ記憶部１７０４から出力される人物Ｐの登録データの１つとを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する。これは基本的には前述した第１の実施の形態と同様で、図２に示したような構成で、辞書情報記憶部２０４を図２０の登録データ記憶部１７０４に置き換えた形で処理を行なう。

データ演算部１７０９は、複数の顔認識部１７０６，１７０７，…１７０８から出力される類似度Ｓｉｍｃ（ｋ）［ｋ＝１，２，…，１０］を受取り、これら１０個の類似度に対し照合データ係数演算部１７０５から出力されるデータに基づいて重み付け演算を行なう。ここで、カテゴリｃの登録データに対する１０個の類似度の平均値がμｃ、標準偏差がσｃであった場合に、ｋ回目の類似度Ｓｉｍｃ（ｋ）から正規化類似度ｔｃ（ｋ）を下記数９のように求め、さらに、照合データ係数演算部１７０５から出力される重み付け関数ｄｆ（ｔ）を用いて、下記数１０のように、その類似度に対する係数ｗｃ（ｋ）を求める。数１０から明らかなように、係数ｗｃ（ｋ）は本人の登録データとの類似度の発生確率分布と他人の登録データとの類似度の発生確率分布との差が大きいほど、重みが小さくなる。

その後、データ演算部１７０９は、類似度Ｓｉｍｃ（ｋ）に対して、この係数ｗｃ（ｋ）を用いて加重平均を下記数１１のように求め、カテゴリｃの最終的な類似度Ｓｃを出力する。

人物選択部１７１０は、データ演算部１７０９から出力されるｃ個のカテゴリに対応するｃ個の類似度Ｓｃから最大値を選び、そのカテゴリを本人として選択する。
本人判定部１７１１は、人物選択部１７１０によって選ばれたカテゴリの類似度Ｓｋに対して、閾値Ｔｈｒを基準に受入れまたは拒否を判定し、その判定結果をゲート制御部１７１２へ出力する。

ゲート制御部１７１２は、本人判定部１７１１の判定結果が受入れ（本人）であれば、ゲート１７１３を開放制御して、当該人物Ｐの通行を許可する。また、本人判定部１７１１の判定結果が拒否（他人）であれば、ゲート１７１３を閉成状態に保持して、当該人物Ｐの通行を拒否する。

このように、第４の実施の形態では、第１の実施の形態が複数回試行の中で外れ値を除去して統計値を求めたのに対して、複数回試行すべての試行に対して重みを付けて分布を代表する評価値を出力することで、細やかな設定が可能となり、大きな精度改善をもたらすことが可能となる。

以上説明したように、第４の実施の形態によれば、複数地点で繰り返し照合した人物Ｐの照合結果を利用して、照合データのばらつきに対して木目細かいパラメータを設定でき、より誤りを少なくして顔認識を行ない、人物Ｐの通行制御などを行なうことができる。

図２４は、上述した第４の実施の形態の変形例を示すものである。この通行制御装置は、画像入力部１７０１、顔領域検出部１７０２、顔特徴抽出部１７０３、登録データ記憶部１７０４、照合データ係数演算部１７０５、複数（たとえば、１０個）の顔認識部１７０６，１７０７，…１７０８、データ演算部１７０９、人物選択部１７１０、本人判定部１７１１、および、報知手段としてのアラーム１７１５から構成されている。

なお、上記各部のうち、画像入力部１７０１、顔領域検出部１７０２、顔特徴抽出部１７０３、登録データ記憶部１７０４、照合データ係数演算部１７０５、複数（たとえば、１０個）の顔認識部１７０６，１７０７，…１７０８、データ演算部１７０９、人物選択部１７１０、本人判定部１７１１については、前述した第４の実施の形態（図２０）と同一であるので説明を省略する。
アラーム１７１５は、本人判定部１７１１が出力する判定結果が拒否である場合に警報を発し、人物Ｐが登録されていない人物であることを警告するものである。

このような構成により、複数地点で捕らえた人物Ｐの顔画像に対して木目細かいパラメータを設定することで、誤りをより少なくして顔認識を行ない、人物Ｐの侵入検知などを行なうことができる。

次に、第５の実施の形態について説明する。
図２５は、第５の実施の形態に係る人物認識装置を適用した通行制御装置の構成を概略的に示すものである。この通行制御装置は、画像取得手段としての画像入力部２１０１、顔検出手段としての顔領域検出部２１０２、特徴抽出手段としての顔特徴抽出部２１０３、複数回の試行で選られた特徴量を記憶する記憶手段としての登録データ記憶部２１０４、演算手段としての照合データ係数演算部２１０５、１つの顔認識手段としての顔認識部２１０６、求めた類似度を記憶する記憶手段としてのデータ記憶部２１０７、演算手段としてのデータ演算部２１０８、選択手段としての人物選択部２１０９、判定手段としての本人判定部２１２０、通行制御手段としてのゲート制御部２１１１、および、同じく通行制御手段としてのゲート２１１２から構成されている。ゲート２１１２は、たとえば、住宅の玄関に設置された入退場用ドア、あるいは、重要施設の入退場用ドアなどである。

ここに、画像入力部２１０１、顔領域検出部２１０２、顔特徴抽出部２１０３、登録データ記憶部２１０４は、人物Ｐの顔特徴情報（特徴量）をあらかじめ登録する登録部２１１３を構成している。これらは前述した第４の実施の形態における図２０の登録部１７１４と同様な動作を行なうので、説明を省略する。

照合データ係数演算部２１０５は、前述した第４の実施の形態における照合データ係数演算部１７０５と同じであり、登録データ記憶部２１０４に記憶されている登録データを用いて、複数の類似度スコアを統合するための係数を計算する。この動作は、第４の実施の形態における照合データ係数演算部１７０５と同様であるので、説明を省略する。

顔認識部２１０６は、たとえば、人物Ｐが通行する通行路に沿って配設されていて、人物Ｐの顔画像を取得し、この取得した顔画像と登録データ記憶部２１０４から出力される人物Ｐの登録データとを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力するもので、前述した第１の実施の形態における顔認識部１０１，１０２，…１０３と同じ構成であるので、詳細な説明は省略する。

データ記憶部２１０７は、顔認識部２１０６から出力される類似度を同一人物ごとに複数回分（この例では１０回分）記憶する。
データ演算部２１０８は、データ記憶部２１０７から出力される類似度Ｓｉｍｃ（ｋ）［ｋ＝１，２，…，１０］を受取り、これら１０個の類似度に対し照合データ係数演算部２１０５から出力されるデータに基づいて重み付け演算を行なう。これについては、前述した第４の実施の形態のデータ演算部１７０９と同様であるので、説明を省略する。

人物選択部２１０９は、データ演算部２１０８から出力されるｃ個のカテゴリに対応するｃ個の類似度Ｓｃから最大値を選び、そのカテゴリを本人として選択する。
本人判定部２１１０は、人物選択部２１０９によって選ばれたカテゴリの類似度Ｓｋに対して、閾値Ｔｈｒを基準に受入れまたは拒否を判定し、その判定結果をゲート制御部２１１１へ出力する。

ゲート制御部２１１１は、本人判定部２１１０の判定結果が受入れ（本人）であれば、ゲート２１１２を開放制御して、当該人物Ｐの通行を許可する。また、本人判定部２１１０の判定結果が拒否（他人）であれば、ゲート２１１２を閉成状態に保持して、当該人物Ｐの通行を拒否する。

このように、第５の実施の形態では、第２の実施の形態が複数回試行の中で外れ値を除去して統計値を求めたのに対して、複数回試行すべての試行に対して重みを付けて分布を代表する評価値を出力することで、細やかな設定が可能となり、大きな精度改善をもたらすことが可能となる。

以上説明したように、第５の実施の形態によれば、同一地点で繰り返し照合した人物Ｐの照合結果を利用して、照合データのばらつきに対して木目細かいパラメータを設定でき、より誤りを少なくして顔認識を行ない、人物Ｐの通行制御などを行なうことができる。

図２６は、上述した第５の実施の形態の変形例を示すものである。この通行制御装置は、画像入力部２１０１、顔領域検出部２１０２、顔特徴抽出部２１０３、登録データ記憶部２１０４、照合データ係数演算部２１０５、顔認識部２１０６、データ記憶部２１０７、データ演算部２１０８、人物選択部２１０９、本人判定部２１２０、および、報知手段としてのアラーム２１１４から構成されている。

なお、上記各部のうち、顔領域検出部２１０２、顔特徴抽出部２１０３、登録データ記憶部２１０４、照合データ係数演算部２１０５、顔認識部２１０６、データ記憶部２１０７、データ演算部２１０８、人物選択部２１０９、本人判定部２１２０については、前述した第５の実施の形態（図２５）と同一であるので説明を省略する。
アラーム２１１４は、本人判定部２１１０が出力する判定結果が拒否である場合に警報を発し、人物Ｐが登録されていない人物であることを警告するものである。

このような構成により、同一地点で複数回捕らえた人物Ｐの顔画像に対して木目細かいパラメータを設定することで、誤りをより少なくして顔認識を行ない、人物Ｐの侵入検知などを行なうことができる。

以上説明したように、第１の実施の形態によれば、複数地点で捕らえた顔画像を利用して本人判定を行なう場合に、複数の照合結果から外れ値を排除することにより、誤りを少なくして顔認識を行ない、人物の通行制御または侵入者の検知などを行なうことができる。

また、第２の実施の形態によれば、同一地点で複数回試行で捕らえた顔画像を利用して本人判定を行なう場合に、複数の照合結果から外れ値を排除することにより、誤りを少なくして顔認識を行ない、人物の通行制御または侵入者の検知などを行なうことができる。

第３の実施の形態によれば、同一地点で動画像の複数フレームで捕らえた顔画像を利用して本人判定を行なう場合に、複数の照合結果から外れ値を排除することにより、誤りを少なくして顔認識を行ない、人物の通行制御または侵入者の検知などを行なうことができる。

第４の実施の形態によれば、複数地点で捕らえた顔画像を利用して本人判定を行なう場合に、複数の照合結果から外れ値を考慮した重み付け演算を行なうことにより、誤りを少なくして顔認識を行ない、人物の通行制御または侵入者の検知などを行なうことができる。

第５の実施の形態によれば、同一地点で複数回試行で捕らえた顔画像を利用して本人判定を行なう場合に、複数の照合結果から外れ値を考慮した重み付け演算を行なうことにより、誤りを少なくして顔認識を行ない、人物の通行制御または侵入者の検知などを行なうことができる。

本発明の第１の実施の形態に係る人物認識装置を適用した通行制御装置の構成を概略的に示すブロック図。 顔認識部の構成を概略的に示すブロック図。 画像入力部が出力する画像データの形態の一例を示す図。 顔領域検出部が実行する処理手順を示すフローチャート。 顔領域検出部が行なう顔パターン検索を説明する図。 辞書情報記憶部が記憶するデータの例を示す図。 認識部が実行する処理手順を示すフローチャート。 本人の辞書情報との類似度分布を示す概念図。 他人の辞書情報との類似度分布を示す概念図。 外れ値が存在する場合の複数回試行の類似度のばらつきを表わす概念図。 外れ値が存在しない場合の複数回試行の類似度のばらつきを表わす概念図。 本発明による効果である誤認識率の変化を模式的に示す図。 本発明による効果である誤認識率の変化を模式的に示す図。 顔認識部におけるカメラの具体的な設置例を示す模式図。 第１の実施の形態に係る人物認識装置を適用した通行制御装置の変形例を示すブロック図。 本発明の第２の実施の形態に係る人物認識装置を適用した通行制御装置の構成を概略的に示すブロック図。 第２の実施の形態に係る人物認識装置を適用した通行制御装置の変形例を示すブロック図。 本発明の第３の実施の形態に係る人物認識装置を適用した通行制御装置の構成を概略的に示すブロック図。 第３の実施の形態に係る人物認識装置を適用した通行制御装置の変形例を示すブロック図。 本発明の第４の実施の形態に係る人物認識装置を適用した通行制御装置の構成を概略的に示すブロック図。 登録データ記憶部が記憶する特徴情報の例を示す図。 本人の辞書情報と他人の辞書情報の類似度分布を示す概念図。 本人の辞書情報と他人の辞書情報の類似度分布の差の分布を示す概念図。 第４の実施の形態に係る人物認識装置を適用した通行制御装置の変形例を示すブロック図。 本発明の第５の実施の形態に係る人物認識装置を適用した通行制御装置の構成を概略的に示すブロック図。 第５の実施の形態に係る人物認識装置を適用した通行制御装置の変形例を示すブロック図。

符号の説明

Ｐ…人物、１０１，１０２，１０３…顔認識部（顔認識手段、認識手段）、１０４…データ選別部（選別手段）、１０５…データ演算部（演算手段）、１０６…人物選択部（選択手段）、１０７，…本人判定部（判定手段）、１０８，…ゲート制御部（通行制御手段）、１０９，…ゲート（通行制御手段）、１１０…アラーム（報知手段）、２０１…画像入力部、２０２…顔領域検出部、２０３…顔特徴抽出部、２０４…辞書情報記憶部、２０５…認識部、１４０１…廊下（通行路）、１４０２，１４０４，１４０６…カメラ、１４０３，１４０５，１４０７…カメラの視野。

Claims (20)

1. 認識対象である人物の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する複数の顔認識手段と、
   この複数の顔認識手段から出力される複数の類似度に対して統計量に基づき選別する選別手段と、
   この選別手段により選別された類似度の統計値を求める演算手段と、
   この演算手段により求められた統計値から１つの統計値を選択する選択手段と、
   この選択手段により選択された統計値をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定手段と、
   を具備したことを特徴とする人物認識装置。
2. 認識対象である人物の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する１つの顔認識手段と、
   この顔認識手段から出力される類似度を同一人物ごとに複数回分記憶する記憶手段と、
   この記憶手段に記憶された複数の類似度に対して統計量に基づき選別する選別手段と、
   この選別手段により選別された類似度の統計値を求める演算手段と、
   この演算手段により求められた統計値から１つの統計値を選択する選択手段と、
   この選択手段により選択された統計値をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定手段と、
   を具備したことを特徴とする人物認識装置。
3. 前記演算手段は、類似度の統計値として平均値もしくは最大値もしくは中間値のいずれかを求めることを特徴とする請求項１または請求項２に記載の人物認識装置。
4. 認識対象である人物の顔画像を動画像として取得する画像取得手段と、
   この画像取得手段から得られる各フレームの画像から顔画像の特徴量を抽出する特徴抽出手段と、
   この特徴抽出手段から得られる特徴量を複数フレーム分記憶する記憶手段と、
   この記憶手段に記憶された複数フレームの特徴量に対して統計量に基づき選別する選別手段と、
   この選別手段により選別された特徴量とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する顔認識手段と、
   この顔認識手段から得られる類似度から１つの類似度を選択する選択手段と、
   この選択手段により選択された類似度をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定手段と、
   を具備したことを特徴とする人物認識装置。
5. 認識対象である人物の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する複数の顔認識手段と、
   この複数の顔認識手段から出力される複数の類似度に対して統計量に基づき係数を決定し、当該類似度との荷重平均を求める演算手段と、
   この演算手段により求められた類似度から１つの類似度を選択する選択手段と、
   この選択手段により選択された類似度をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定手段と、
   を具備したことを特徴とする人物認識装置。
6. 認識対象である人物の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する１つの顔認識手段と、
   この顔認識手段から出力される類似度を同一人物ごとに複数回分記憶する記憶手段と、
   この記憶手段に記憶された複数の類似度に対して統計量に基づき係数を決定し、当該類似度との荷重平均を求める演算手段と、
   この演算手段により求められた類似度から１つの類似度を選択する選択手段と、
   この選択手段により選択された類似度をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定手段と、
   を具備したことを特徴とする人物認識装置。
7. 前記複数の顔認識手段は、人物が通行する通行路に沿って所定間隔あけて配設されていることを特徴とする請求項１または請求項５に記載の人物認識装置。
8. 前記複数の顔認識手段は、人物の顔画像を取得する手段としてカメラを有し、これら複数のカメラは人物が通行する通行路に沿って所定間隔離間して同じ撮影角度、同じ撮影高さ、同じ撮影視野で配設されていることを特徴とする請求項１または請求項５に記載の人物認識装置。
9. 認識対象である人物の生体情報を取得し、この取得した生体情報とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する複数の生体認識手段と、
   この複数の生体認識手段から出力される複数の類似度に対して統計量に基づき選別する選別手段と、
   この選別手段により選別された類似度の統計値を求める演算手段と、
   この演算手段により求められた統計値から１つの統計値を選択する選択手段と、
   この選択手段により選択された統計値をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定手段と、
   を具備したことを特徴とする人物認識装置。
10. 認識対象である人物の生体情報を取得し、この取得した生体情報とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する１つの生体認識手段と、
    この生体認識手段から出力される類似度を同一人物ごとに複数回分記憶する記憶手段と、
    この記憶手段に記憶された複数の類似度に対して統計量に基づき選別する選別手段と、
    この選別手段により選別された類似度の統計値を求める演算手段と、
    この演算手段により求められた統計値から１つの統計値を選択する選択手段と、
    この選択手段により選択された統計値をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定手段と、
    を具備したことを特徴とする人物認識装置。
11. 認識対象である人物の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する複数の顔認識ステップと、
    この複数の顔認識ステップから出力される複数の類似度に対して統計量に基づき選別する選別ステップと、
    この選別ステップにより選別された類似度の統計値を求める演算ステップと、
    この演算ステップにより求められた統計値から１つの統計値を選択する選択ステップと、
    この選択ステップにより選択された統計値をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定ステップと、
    を具備したことを特徴とする人物認識方法。
12. 認識対象である人物の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する１つの顔認識ステップと、
    この顔認識ステップから出力される類似度を同一人物ごとに複数回分記憶する記憶ステップと、
    この記憶ステップに記憶された複数の類似度に対して統計量に基づき選別する選別ステップと、
    この選別ステップにより選別された類似度の統計値を求める演算ステップと、
    この演算ステップにより求められた統計値から１つの統計値を選択する選択ステップと、
    この選択ステップにより選択された統計値をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定ステップと、
    を具備したことを特徴とする人物認識方法。
13. 認識対象である人物の顔画像を動画像として取得する画像取得ステップと、
    この画像取得ステップから得られる各フレームの画像から顔画像の特徴量を抽出する特徴抽出ステップと、
    この特徴抽出ステップから得られる特徴量を複数フレーム分記憶する記憶ステップと、
    この記憶ステップに記憶された複数フレームの特徴量に対して統計量に基づき選別する選別ステップと、
    この選別ステップにより選別された特徴量とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する顔認識ステップと、
    この顔認識ステップから得られる類似度から１つの類似度を選択する選択ステップと、
    この選択ステップにより選択された類似度をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定ステップと、
    を具備したことを特徴とする人物認識方法。
14. 認識対象である人物の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する複数の顔認識ステップと、
    この複数の顔認識ステップから出力される複数の類似度に対して統計量に基づき係数を決定し、当該類似度との荷重平均を求める演算ステップと、
    この演算ステップにより求められた類似度から１つの類似度を選択する選択ステップと、
    この選択ステップにより選択された類似度をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定ステップと、
    を具備したことを特徴とする人物認識方法。
15. 認識対象である人物の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する１つの顔認識ステップと、
    この顔認識ステップから出力される類似度を同一人物ごとに複数回分記憶する記憶ステップと、
    この記憶ステップに記憶された複数の類似度に対して統計量に基づき係数を決定し、当該類似度との荷重平均を求める演算ステップと、
    この演算ステップにより求められた類似度から１つの類似度を選択する選択ステップと、
    この選択ステップにより選択された類似度をあらかじめ設定される閾値と比較することにより当該人物が本人であるか否かを判定する判定ステップと、
    を具備したことを特徴とする人物認識方法。
16. 認識対象である通行者の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する複数の顔認識手段と、
    この複数の顔認識手段から出力される複数の類似度に対して統計量に基づき選別する選別手段と、
    この選別手段により選別された類似度の統計値を求める演算手段と、
    この演算手段により求められた統計値から１つの統計値を選択する選択手段と、
    この選択手段により選択された統計値をあらかじめ設定される閾値と比較することにより当該通行者が本人であるか否かを判定する判定手段と、
    この判定手段の判定結果に基づき当該通行者の通行を制御する通行制御手段と、
    を具備したことを特徴とする通行制御装置。
17. 認識対象である通行者の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する１つの顔認識手段と、
    この顔認識手段から出力される類似度を同一通行者ごとに複数回分記憶する記憶手段と、
    この記憶手段に記憶された複数の類似度に対して統計量に基づき選別する選別手段と、
    この選別手段により選別された類似度の統計値を求める演算手段と、
    この演算手段により求められた統計値から１つの統計値を選択する選択手段と、
    この選択手段により選択された統計値をあらかじめ設定される閾値と比較することにより当該通行者が本人であるか否かを判定する判定手段と、
    この判定手段の判定結果に基づき当該通行者の通行を制御する通行制御手段と、
    を具備したことを特徴とする通行制御装置。
18. 認識対象である通行者の顔画像を動画像として取得する画像取得手段と、
    この画像取得手段から得られる各フレームの画像から顔画像の特徴量を抽出する特徴抽出手段と、
    この特徴抽出手段から得られる特徴量を複数フレーム分記憶する記憶手段と、
    この記憶手段に記憶された複数フレームの特徴量に対して統計量に基づき選別する選別手段と、
    この選別手段により選別された特徴量とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する顔認識手段と、
    この顔認識手段から得られる類似度から１つの類似度を選択する選択手段と、
    この選択手段により選択された類似度をあらかじめ設定される閾値と比較することにより当該通行者が本人であるか否かを判定する判定手段と、
    この判定手段の判定結果に基づき当該通行者の通行を制御する通行制御手段と、
    を具備したことを特徴とする通行制御装置。
19. 認識対象である通行者の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する複数の顔認識手段と、
    この複数の顔認識手段から出力される複数の類似度に対して統計量に基づき係数を決定し、当該類似度との荷重平均を求める演算手段と、
    この演算手段により求められた類似度から１つの類似度を選択する選択手段と、
    この選択手段により選択された類似度をあらかじめ設定される閾値と比較することにより当該通行者が本人であるか否かを判定する判定手段と、
    この判定手段の判定結果に基づき当該通行者の通行を制御する通行制御手段と、
    を具備したことを特徴とする通行制御装置。
20. 認識対象である通行者の顔画像を取得し、この取得した顔画像とあらかじめ登録された辞書情報とを照合することにより両者の類似度を求め、この求めた類似度を認識結果として出力する１つの顔認識手段と、
    この顔認識手段から出力される類似度を同一通行者ごとに複数回分記憶する記憶手段と、
    この記憶手段に記憶された複数の類似度に対して統計量に基づき係数を決定し、当該類似度との荷重平均を求める演算手段と、
    この演算手段により求められた類似度から１つの類似度を選択する選択手段と、
    この選択手段により選択された類似度をあらかじめ設定される閾値と比較することにより当該通行者が本人であるか否かを判定する判定手段と、
    この判定手段の判定結果に基づき当該通行者の通行を制御する通行制御手段と、
    を具備したことを特徴とする通行制御装置。

Images