JP2007140723A - 顔認証装置 - Google Patents

Abstract

【課題】斜光や影などのような照明の影響を受けるような環境においても精度の高い認証を行うことができる認証装置を提供する。
【解決手段】入力された画像に対し正規化画像を得る前処理部２０２と、登録画像より抽出された特徴を記憶する登録特徴記憶部２０３と、前記正規化画像、登録特徴から特徴を抽出する特徴選択部２０４と、入力特徴と登録特徴の類似度を算出する類似度算出部２０５を備え、前記特徴選択部において正規化画像からブロックごとに照明勾配値を算出し、照明勾配値により特徴抽出のためのフィルタを選択し特徴を抽出する。これにより照明の影響を受けにくい特徴のみを用いて照合を行うため照明の影響を受ける環境に於いても高精度の認証を行うことができるという効果が得られる。
【選択図】図４

Description

本発明は、画像入力装置で入力した対象者の顔画像から登録者と対象者が一致するか特定する顔認証装置に関するものである。

従来の顔認証装置としては、「「コンパクト・高精度な顔認証技術」、OMRON TECHNICS, Vol.45 No1(通巻152号) 2005; 井尻、櫻木、細井著」（非特許文献１）に記載されているものがある。

この装置では、顔検出や顔器官検出の結果を基に、顔の傾きや大きさを正規化し、その後顔領域から特徴を抽出し、それらの特徴量を特徴量空間であらかじめ登録された顔画像の特徴量とマッチングを行い、顔認識を行う。特徴量抽出においては、図に示したような方向性周波数フィルタにより顔内の特徴的な方向や周波数といった特徴を抽出している。方向性周波数フィルタは、顔内の輪郭や三次元形状に基づく陰影の局所的な方向や空間周波数を把握するのに有効であり、個人の特徴性を表現する能力が高い。
コンパクト・高精度な顔認証技術， OMRON TECHNICS Vol.45 No1(通巻152号) 2005 ； 井尻 善久， 櫻木 美春， 細井 聖 著

しかしながら、前記従来の構成では、屋外での認証等、照合時に取得した顔画像の状態が撮影環境により斜光や木陰の影響を受けた場合、抽出された特徴が、登録者が登録画像を撮影し特徴抽出を行ったものと大きく異なる場合がある。その場合は、例えば、登録者を事前に登録された登録者でないと判断し誤識別を起こしてしまうという課題を有していた。

本発明は、前記従来の課題を解決するもので、照合時に撮影された画像の斜光や影の影響を考慮して特徴抽出を行い、人物の語識別を軽減することを目的とする。

前記従来の課題を解決するために、本発明は、入力画像の照明勾配を算出する手段と、算出された勾配の大きさ、方向に基づいて特徴抽出のためのフィルタの選択を行うフィルタ選択手段と選択された前記フィルタにより入力画像より特徴を算出する特徴選択手段と、を有する。

本構成によって、斜光や影の影響を受けないように入力画像に含まれる対象の特徴を抽出することができ、さらにこの方法により抽出した特徴と登録された画像の特徴とを比較する場合には、認証精度の低下を抑えることができる。

本実施の形態１では、顔画像から個人を認識する画像処理装置について開示する。

図１は同画像処理装置のブロック図である。図１を用いて、本形態の画像処理装置の構成を説明する。図１において、CPU(中央演算処理装置)１０１は、ROM（リードオンリーメモリー）１０２に格納され、図４のフローチャートに沿う画像処理プログラムを実行し、バス１０３を経由し、図２に示す各要素を制御する。

RAM（ランダムアクセスメモリ）１０４および外部記憶（ハードディスク・フラッシュメモリ）１０５には、図２に示す登録特徴記憶部２０３のための領域の他、CPU１０１がその処理のために必要とする一次記憶領域が確保されている。また、図１の例では、インターフェース１０６にカメラ１０７が接続され、リアルタイムで対象物を含むであろう画像を取得できるようになっている。なお、カメラ１０７は、スチルカメラ／ビデオカメラどちらでもよく、携帯電話に付属するカメラを用いることもできる。

図２は、本実施の形態１における画像処理装置の機能ブロック図である。図２に示す各処理部は、CPU１０１が、ROM１０２に格納された画像処理プログラムを実行することにより行われる。

画像記憶部２０１は、認証に用いる特徴の抽出を行う物体、人物、またはこれらの一部を含む画像をカメラ１０７より入力し記憶する。本実施の形態では、画像として人物の頭部を含む画像を入力し記憶する。

前処理部２０２は、入力される新たな画像データから認証に用いる特徴点を含む領域を抽出し、サイズ、特徴点の位置、濃度分布の正規化を行う。特徴点とは、画像データが例えば顔を含むものであれば目、鼻、口等が存在し、その人物を最も特徴付ける点である。

登録特徴記憶部２０３は、予め撮像されていた画像データに対して、その画像の特徴抽出点において算出された特徴を記憶する。ここでの特徴とは、前述の画像に対して特徴点のデータを、所定の演算、たとえば予め撮像された画像データに対して複数のフィルタの畳み込み演算により算出した結果のデータのことを示す。実施の形態１においては、撮像された画像に対して、全部のフィルタに対して特徴算出が予め行われており、フィルタの全部について特徴算出結果が記憶されており、その全部または一部を取り出すことができる。

特徴選択部２０４は、照明勾配を算出し、算出結果に基づいて特徴抽出に用いるフィルタを決定し、フィルタを用いて入力画像についての特徴を算出する部分である。

照明勾配とは、特徴を算出する物体または人物の全部または一部に対して、光または影の影響を示し例えば屋外で撮影された場合の太陽の光の影響、部分的に影の影響を受けた画像における影の影響、並びに屋内で撮影された場合の１つまたは複数の照明による影響を含む光の影響である。また、フィルタの決定とは、複数種類のフィルタから１つのフィルタを選択することも複数のフィルタを選択すること、および、全部のフィルタの全部を用いるかを選択することも含む。

類似度算出部２０５は、登録特徴記憶部２０３で予め保持された特徴と、特徴選択部で算出された特徴とを比較し、類似度を算出する。

判定部２０６は、類似度算出部により算出された類似度に基づいて入力された画像と登録された画像の対象物が同じであるか否かを判定する。人物であれば同じ人物であるか否かを判定する。

図３は本発明の画像処理方法の処理手順を示すフローチャートである。図３に示す画像処理方法は、図１の画像処理装置によって実行される。

ステップＳ３０１ａ：本装置は、カメラ１０７から画像記憶部２０１に入力された画像を前処理部２０２において、前処理を行う。

ステップＳ３０１ｂ：特徴選択部２０４において、前処理から得られた画像から識別に必要な特徴を選択し抽出する。

ステップＳ３０１ｃ：類似度算出部２０５において、ステップＳ３０１ｂで得られた特徴から類似度を算出し登録顔画像と入力顔画像が同一人物か否かの識別を行い、その結果を出力する。

前処理部２０２の処理を図５を用いて説明する。

ステップＳ５０１：カメラ１０７によって撮影された画像を画像記憶部２０１から取得し、画像データから顔の領域を検出する顔検出処理を行う。この顔検出処理で顔画像の領域が検出できなかった場合、再度カメラ１０７から画像記憶部２０１に画像データを取り込んで、顔検出処理を再度実行する。図６に顔領域の検出結果を示す。図６のうち、外側の四角ａは入力された画像データであり、網点された領域ｂが検出された顔領域である。

ステップＳ５０２：上記顔検出処理で顔画像の領域を検出すると、検出した顔画像の領域から顔部品の抽出処理を行う。顔部品とは、一般的に顔画像に共通する部分であって、例えば目、耳、口等をいい、実施の形態１では黒目の中心点を２点抽出する。

ステップＳ５０３：上記顔部品抽出処理で両目の中心点を抽出すると、両目の中心点の位置を基準として照合領域の切り出し処理を行う。

図７に照合領域の切り出し結果を示す。

ステップＳ５０４：上記照合領域切り出し処理で照合領域を切り出すと、照合領域に対して幾何補正による大きさの正規化を行う。

ステップＳ５０５：上記サイズ正規化処理で幾何補正された照合領域に対して濃度補正による濃度分布の正規化を行う。

次に、特徴選択部２０４の処理の詳細を説明する。

特徴選択部２０４は、図４が示すように、照明勾配算出部４０１とフィルタ選択部４０２と特徴抽出部４０３とを有する。

図８は特徴選択処理の手順を示すフローチャートである。照明勾配算出部４０１では、図１０に示すように、前処理を行った画像をＭ×Ｍのブロックに分割し、ブロック単位で照明勾配の大きさを算出する。

照明勾配の大きさを算出する手法として本実施例では、照明の影響によりブロック内における輝度の変化は、線形的に変化すると考えられるため、最小二乗誤差法を用いて照明の勾配の大きさと方向を算出する。

具体的には、ブロックの座標（x，y）における輝度値を（式１）で近似する。

（式１）Ival(x,y) = ax + by + c
この時、パラメータ”a”はX方向の照明勾配の傾き（大きさ）を示し、パラメータ”b”はY方向の照明勾配の傾き（大きさ）を示し、パラメータ”c”は切片を示す。また、”x”、”y”は分割したブロック内の座標を示し”Ival”はパラメータ”a”、”b”、”c”を定めた時の（x、y）座標における近似された輝度値を表す。座標（x、y）の各点における近似された輝度値Ivalと実際の輝度値Rvalとの二乗誤差の総和を最小にするパラメータ”a”、”b”、”c”を求める（式２）。

（式２）Min(ΣΣ（Ival(x,y)−Rval(x,y)）^２)
求めたパラメータ”a”、”b”より、照明勾配の大きさと方向を求める（式３、４）。

（式３）照明勾配の大きさ＝√（ａ²＋ｂ²）
（式４）照明勾配の方向 ＝Ｔａｎ^−１（ｂ／ａ）
以上のように、ブロック毎に照明勾配の大きさおよび方向を算出することができる。

なお照明勾配の算出手法は、照明モデルをあらかじめ用意しておき、その照明モデルと入力画像とのマッチングを行い、照明勾配を算出してもよい。

つぎに、本実施の形態で用いる、特徴、および特徴の抽出について説明する。

本実施の形態では特徴を抽出するために用いるフィルタとして、ガボールフィルタを用いる。ガボールフィルタは周波数と方向との両方の特徴量を持ち合わせたものである。

ガボールフィルタの例を図９に示す。ガボールフィルタは方向性と周波数の両方を持ったフィルタであり顔内の特徴的な方向や周波数といった特徴を抽出することができ、顔内の輪郭や三次元形状に基づく陰影の局所的な方向や空間周波数を把握するのに有効であり、個人の特徴性を表現する能力が高いとされている。図９において、縦の矢印は周波数の高低の特徴を抽出するフィルタ示し、矢印の方向に従い高い周波数の特徴を抽出するフィルタを示す。図の横の矢印は、各方向の特徴を抽出するフィルタを示す。各フィルタは同じ個数の係数を有するフィルタであり、図中の各フィルタにおいて明るい（白い）部分は強い強度の係数を示し、暗い（黒い）部分は弱い強度の係数を示す。

図のように、低周波数のフィルタにおいては強い強度の係数が広範囲に存在し、高周波数のフィルタにおいては強い強度の係数が狭い範囲で存在する。

フィルタ選択部４０２は前記前処理部２０２により正規化された画像から特徴抽出のために使用するフィルタを選択する。ガボールフィルタを用いた特徴抽出では、周波数と方向の種類を複数のパターン用意しておき、それらを全て用いることによって固有の特徴を抽出する。

しかし、全てのフィルタ（例えばｎ個全てのフィルタ）を用いて特徴を抽出した場合、ある特徴抽出点においてｎ個のフィルタのうち一部のフィルタでは固有の特徴を抽出することができない場合がある。また撮影される環境は一定ではなく撮影毎に変化する。特に屋外で撮影された場合、太陽の光の影響により斜光画像になる場合や、部分的に影の影響を受けた画像となることが多い。影の影響を受けた点においても、影の影響を受けていない点と同じくｎ個全てのフィルタを用いて特徴抽出を行った場合、一部のフィルタにおいて影の影響を大きく受ける可能性がある。

これは、影や光の影響を受けている特徴点付近の領域で、強い強度の係数が広範囲に存在する低周波数フィルタを用いて特徴抽出を行うと、光の影響の大きい部分を含む広い範囲について特徴を算出することとなるためである。

そこで特徴抽出点毎に影等の照明の影響を受けた箇所かを判定し、照明の影響を受けた箇所には照明の影響を受けにくい狭い領域に強い強度の係数を有する高周波数のフィルタ（フィルタ１〜ｍ、ｍ＜ｎ）を選択し特徴抽出を行うことで、影などの影響による入力画像の不良が存在する場合においても、認識精度を維持することができると考えられる。

そこで、本実施の形態ではフィルタの選択手法として、各ブロックで算出された照明勾配の大きさから、特徴抽出点を含む領域で特徴抽出するために用いるフィルタを選択する。

具体的には、ある特徴点を含むブロックにおいて照明勾配の影響が大きい場合には、広い範囲に強い強度の係数を有する低周波数のフィルタを用いずに、狭い範囲に強い強度の係数を有する高周波数のフィルタ（１〜ｍ１）を用いて特徴算出または抽出を行う。

逆に、ある特徴点を含むブロックにおいて照明勾配の影響が小さい場合には、広い範囲に強い強度の係数を有する低周波数のフィルタを含めて、なるべく多くのフィルタ（１〜ｍ２、ｍ２＞ｍ１）またはｎ個全部のフィルタで特徴抽出を行う。

なお、ここで、フィルタを選択するとは、全部でｎ個のフィルタが存在するときに、高い周波数成分のフィルタ１つを選択することも、ｎ個全てのフィルタを選択することも、最も高い周波数成分のフィルタからｍ個（ｍ＜ｎ）のフィルタを選択することも含む。

なお、また、照明勾配の方向を用いて、向き成分を抽出するフィルタについても選択してよい。

特徴抽出部４０３は前記特徴選択部において選択されたフィルタを用いて特徴抽出を行う。図１１は選択されたフィルタ１１０１、特徴を抽出する点１１０２、および、特徴抽出点を含む領域１１０３を示す。図１１のように選択フィルタと特徴抽出点を含む領域において、図１２に示すように特徴を抽出するために選択されたフィルタ１２０１と、特徴抽出を行う点を含む領域１２０３との畳み込み演算により特徴を抽出する。ここで、領域１２０３は、照明勾配を算出したブロックとは異なる領域であり、特徴抽出点を中心または端点とした場合に定められる縦横所定のサイズの領域である。

ここで、特徴抽出に用いる畳み込み演算を（式５）に表す。

（式５）Feature = ΣΣ（Filter(X,Y) * Image(X,Y)）
ここでFilterは特徴抽出点を含むブロックの照明勾配により選択されたフィルタである。

図１３に、顔画像における特徴抽出点の例を示す。図１３における全ての特徴抽出点において、それぞれ照明の勾配に応じて選択されたそれぞれのフィルタにより上述の式で特徴を算出する。

次に、登録特徴記憶部２０３からのフィルタ選択について説明する。

登録特徴記憶部２０３は登録画像から使用される可能性のあるフィルタ全部（例えばｎ個のフィルタ）を用いて、各特徴抽出点から特徴を抽出し記憶している。特徴抽出部がフィルタを選択した後、前記フィルタ選択部４０２において前処理後の画像より各特徴抽出点において特徴抽出に用いたフィルタ（フィルタ１〜ｍ）に対応するフィルタ（同じフィルタが望ましい）により抽出された登録特徴のみを登録特徴記憶部２０３より取り出す。

次に、類似度算出部２０５の処理を説明する。

類似度算出部２０５では、上記特徴選択部２０４により抽出された入力画像の特徴と、照合用に予め登録して登録特徴記憶部２０３に記憶されている特徴から選択された特徴とを相関演算により相関値を求める。相関値は（式６）により求める。

（式６）Corr = ΣIfi＊ΣRfi／（ｓｑｒｔ（（ΣIfi・Ifi）・（ΣRfi・Rfi）））
最後に、判定部２０６の処理を説明する。

判定部２０６では、相関値の値が閾値以上であれば本人、閾値未満であれば、他人と判定し、判定結果を出力する。

これにより、対象が人物である場合に入力された画像データの顔の特徴から、登録された人物であるか否かを判定することができる。

上述のように、実施の形態１では、特徴選択部において、入力画像の照明勾配を算出する照明勾配算出手段と、算出された勾配に基づいてフィルタの選択を行うフィルタ選択手段と、選択された前記フィルタにより特徴抽出対象の特徴を算出する特徴選択手段と、を含む構成により、照明勾配の影響を考慮した特徴を算出することができる。

さらに、勾配の情報として大きさを用いる構成により、照明の傾斜の大きさに応じてフィルタを切り替えることができ、光があたる部分と影とがはっきりしている部分と、ぼやけている部分とで用いるフィルタの種類・数を変更することができ、算出する特徴を変更することができる。

さらに、勾配の情報として方向を用いる構成により、用いるフィルタの向きを変更することができ、フィルタとしてガボールフィルタ等の方向と向きとを両方もつフィルタにおいて、適切なフィルタを選択することができる。

尚、上述の照明勾配の算出は必ずしもブロック単位で行う必要はなく、ブロック単位で行う場合には、顔領域において細かい領域毎に勾配が求められるため、特徴抽出点を含むブロックごとに詳細な単位で適切なフィルタを選択し、特徴抽出することができる。

尚、上述の照明勾配の算出では、装置が備えた外光センサや照明機材または、ユーザからの照明の明るさモード入力などによって得られた画像全体の平均の照明度合い等を考慮した上で勾配算出を行っても良い。例えば、画面全体が一様に明るいまたは暗いときにコントラスト補正を前処理部において行ったうえで前述の通り照明勾配を算出することもできる。この場合、微小な勾配の差を捉えてフィルタを選択し、特徴抽出を行うことができる。

また、特徴選択部で用いたフィルタに対応するフィルタによって算出された登録特徴記憶部の特徴と、特徴選択部で算出された特徴とを比較することにより画像に含まれた対象が登録された物体または人物と同一であるか否かを認定することができる。

尚、本実施の形態では、特徴を抽出する人物または物体の一部として顔を対象として説明したが、物体または人物の特徴抽出のために照明勾配に応じてフィルタを切り替えるものであれば適用可能である。

なお、また、本発明を上記実施の形態に基づいて説明してきたが、本発明は、上記の実施の形態に限定されないのはもちろんである。以下のような場合も本発明に含まれる。

（１）上記の画像処理装置または認識装置は、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、などから構成されるコンピュータシステムである。前記ＲＡＭには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、各装置は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。

（２）上記の各装置を構成する構成要素の一部または全部は、１個のシステムＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。前記ＲＡＭには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、システムＬＳＩは、その機能を達成する。

（３）上記の各装置を構成する構成要素の一部または全部は、各装置に脱着可能なＩＣカードまたは単体のモジュールから構成されているとしてもよい。前記ＩＣカードまたは前記モジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどから構成されるコンピュータシステムである。前記ＩＣカードまたは前記モジュールは、上記の超多機能ＬＳＩを含むとしてもよい。マイクロプロセッサが、コンピュータプログラムにしたがって動作することにより、前記ＩＣカードまたは前記モジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有するとしてもよい。

（４）本発明は、上記に示す方法であるとしてもよい。また、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしてもよいし、前記コンピュータプログラムからなるデジタル信号であるとしてもよい。

また、本発明は、前記コンピュータプログラムまたは前記デジタル信号をコンピュータ読み取り可能な記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＢＤ（Ｂｌｕ−ｒａｙ Ｄｉｓｃ）、半導体メモリなどに記録したものとしてもよい。また、これらの記録媒体に記録されている前記デジタル信号であるとしてもよい。

また、本発明は、登録データ、前記コンピュータプログラム、または前記デジタル信号を、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。

また、本発明は、マイクロプロセッサとメモリを備えたコンピュータシステムであって、前記メモリは、上記コンピュータプログラムを記憶しており、前記マイクロプロセッサは、前記コンピュータプログラムにしたがって動作するとしてもよい。

また、前記プログラムまたは前記デジタル信号を前記記録媒体に記録して移送することにより、または前記プログラムまたは前記デジタル信号を前記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。

本発明にかかる認証装置は、照明状態によって照合に使用する特徴を選択し誤認識を削減する特徴選択機能を有し、顔認証によって実現されるセキュリティーロックの解除や入退出時のセキュリティーゲート等として有用である。

本発明の実施の形態１における認証装置のブロック図 同認証方法の機能ブロック図 同認証方法の処理手順を示すフローチャート 特徴選択部２０４のブロック図 前処理部２０２のフローチャート 顔領域検出の説明図 顔領域切り出しの説明図 特徴選択部２０４のフローチャート ガボールフィルタの説明図 ブロック照明勾配算出の説明図 選択フィルタによる特徴抽出の説明図 選択フィルタによる特徴抽出の説明図 特徴点の説明図

符号の説明

１０１ 演算装置
１０２ ROM
１０３ 内部バス
１０４ RAM
１０５ 外部記憶装置
１０６ インターフェース
１０７ カメラ
２０１ 画像記憶部
２０２ 前処理部
２０３ 登録特徴記憶部
２０４ 特徴選択部
２０５ 類似度算出部
２０６ 判定部
４０１ 照明勾配算出部
４０２ フィルタ選択部
４０３ 特徴抽出部
１１０１，１２０１ 選択フィルタ
１１０２，１２０２，１３０１ 特徴抽出点
１１０３，１２０３ 特徴抽出点を含む領域

Claims (7)

1. 入力画像の照明勾配を算出する照明勾配算出部と、
   算出された勾配に基づいて特徴抽出のためのフィルタの選択を行うフィルタ選択部と、
   選択された前記フィルタにより前記入力画像の特徴抽出対象の特徴を算出する特徴抽出部と、
   を有する画像処理装置。
2. 前記フィルタ選択手段は、算出された勾配の向きに基づいて、前記フィルタの選択を行うことを特徴とする請求項１記載の画像処理装置。
3. 前記フィルタ選択手段は、算出された勾配の大きさに基づいて、前記フィルタの選択を行うことを特徴とする請求項１記載の画像処理装置。
4. 請求項１記載の画像処理装置を含み、
   登録画像に対して複数のフィルタにより算出した複数の特徴を保持する登録特徴記憶部と、
   前記保持された複数の特徴から、前記フィルタ選択部が選択した前記フィルタに対応するフィルタにより算出された特徴を抽出し、
   抽出された特徴と前記特徴選択手段により算出された特徴とを比較する判定部と
   を含む画像認識装置。
5. 登録画像に対して複数のフィルタにより算出した複数の特徴を保持するステップと、
   入力画像の照明勾配を算出するステップと、
   算出された勾配に基づいてフィルタの選択を行うフィルタ選択ステップと、
   選択された前記フィルタにより前期入力画像の特徴抽出対象の特徴を算出する特徴選択ステップと、
   前記保持された複数の特徴から、前記フィルタ選択手段が選択したフィルタに対応するフィルタにより算出された特徴を抽出するステップと、
   前記抽出された特徴と前記特徴選択手段により算出された特徴とを比較する判定ステップとを含む認識方法。
6. 計算機に、
   登録画像に対して複数のフィルタにより算出した複数の特徴を保持するステップと、
   入力画像の照明勾配を算出するステップと、
   算出された勾配に基づいてフィルタの選択を行うフィルタ選択ステップと、
   選択された前記フィルタにより前期入力画像の特徴抽出対象の特徴を算出する特徴選択ステップと、
   前記保持された複数の特徴から、前記フィルタ選択手段が選択したフィルタに対応するフィルタにより算出された特徴を抽出するステップと、
   前記抽出された特徴と前記特徴選択手段により算出された特徴とを比較する判定ステップと
   を実行させるためのプログラムを記録した計算機読み取り可能な記録媒体。
7. 登録画像に対して複数のフィルタにより算出した複数の特徴を保持する保持部と、
   入力画像の照明勾配を算出する算出部と、
   算出された勾配に基づいてフィルタの選択を行うフィルタ選択部と、
   選択された前記フィルタにより前期入力画像の特徴抽出対象の特徴を算出する特徴選択部と、
   前記保持された複数の特徴から、前記フィルタ選択手段が選択したフィルタに対応するフィルタにより算出された特徴を抽出する抽出部と、
   前記抽出された特徴と前記特徴選択手段により算出された特徴とを比較する判定部と
   を含む半導体装置。

Images