JP2011210126A - パターン認識装置及びパターン認識方法 - Google Patents
パターン認識装置及びパターン認識方法 Download PDFInfo
- Publication number
- JP2011210126A JP2011210126A JP2010078984A JP2010078984A JP2011210126A JP 2011210126 A JP2011210126 A JP 2011210126A JP 2010078984 A JP2010078984 A JP 2010078984A JP 2010078984 A JP2010078984 A JP 2010078984A JP 2011210126 A JP2011210126 A JP 2011210126A
- Authority
- JP
- Japan
- Prior art keywords
- similarity
- integrated
- image
- local
- calculating
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
【解決手段】入力データの局所特徴と、入力データの局所特徴に対応する複数の辞書データの局所特徴と、から局所特徴単位の類似度集合を算出する類似度算出部103と、類似度算出部103で算出された局所特徴単位の類似度集合を登録条件、又は照合条件に応じて複数、統合して統合類似度を算出する統合類似度算出部104と、統合類似度算出部104で算出された統合類似度に基づいて、入力データに対応する辞書データを識別する識別部106と、を有することによって課題を解決する。
【選択図】図1
Description
顔認識技術の精度は、登録データの登録条件に大きく左右される。登録条件とは、照明条件、顔向き変動、表情の変動、オクルージョンの影響、撮影装置の特性、各登録者の登録枚数、登録人数等である。
これら登録条件に存在する種々の変動に対応する技術がいくつか提案されている。次に、変動の1つである登録画像枚数による変動が顔認識精度に影響を与える理由と、提案されている技術と、について述べる。
まず、登録画像枚数が顔認識精度に与える影響について説明する。まず、登録者以外の他人を照合する場合、登録画像枚数が多い登録者の登録画像の中には、他人と似ている画像が存在する確率が高くなる。このとき、登録画像枚数が多い登録者との類似度が、平均的に高くなる。こういった類似度変動があるために、他人を登録者と誤認する確率を表す他人受け入れ率が、影響を受けることになる。この影響を抑制する技術が、特許文献1に開示されている。
特許文献1は、登録画像枚数に応じて、照合アルゴリズム又は特徴量を動的に変更することで、登録画像枚数の変動に対してロバスト性を向上させている。照合アルゴリズムを動的に変更するとは、登録画像枚数が多い場合、複数の本人画像から求められる分布と入力画像の距離とを類似度に基づいて認識する。一方、登録画像枚数が少ない場合、1つの本人画像と入力画像の各類似度に基づいて認識するという手法である。特許文献1には、本人画像の枚数が多くなるほど、本人の分布をより正確に表現することができるので、この場合統計的な照合方法を行うことで、認識精度の向上が望めると記載されている。また、特徴量を変更する方法に関しては、登録画像枚数が少ない場合、各画像の輝度データを特徴量として用いる。一方、登録画像枚数が多い場合、所定の固有空間に射影し、射影後の平均ベクトルを特徴量として用いると記載されている。
画像情報ベースの顔認識を具体的な実施形態とし、以下に、本実施形態の詳細を説明する。なお、本実施形態の処理は、顔認識に限定されるものでなく、一例として静脈認識や指紋認識といったものでもよい。また、顔や人物以外に車や、ペットを対象とした物体認識でもよい。
本実施形態は、後述する登録条件及び/又は照合条件による精度劣化を抑制するためのパラメータ調整になる。以下では、登録条件のみで定まる登録画像枚数の違いを条件とする場合について説明する。
図1は、パターン認識装置の構成の一例を示す図である。図1のパターン認識装置は、制御バス101を介して接続された、領域設定部102、類似度算出部103、統合類似度算出部104、パラメータ記憶部105、識別部106から構成されている。次に、各ブロックの詳細について説明する。制御バス101は、各機能ブロックの入力又は出力の制御を行う。次に、領域設定部102は、外部から入力される入力データ、即ち入力画像を所定の手段により取得し、取得した画像に対して特徴量を抽出する局所領域を設定する。局所領域の設定の仕方等々の詳細は、後述する。また、画像を取得する手段としては、一般的な手段でよく、一例としてCCDといった撮像素子をパターン認識装置に組み込み、その撮像素子を介して取得するといったものでよい。また、画像としては、顔画像や人物画像といったものである。次に、類似度算出部103は、前述の領域設定部102で設定された局所領域単位で、入力画像と予め取得されている辞書画像との間の類似度の算出を行う。類似度算出方法の詳細については、後述する。なお、前述の辞書画像は、図示しない所定の記憶部に記録されている。次に、統合類似度算出部104は、前述の類似度算出部103で求めた局所領域単位の類似度を複数、統合して、統合類似度の算出を行う。統合類似度の算出方法については、後述する。次に、パラメータ記憶部105は、前述の統合類似度算出部104で使用するパラメータを記憶する記憶装置である。パラメータ記憶部105は、HDD又は半導体記憶装置で構成される。パラメータの詳細については、後述する。次に、識別部106は、前述の統合類似度を用いて、入力画像が辞書画像のどれに値するのかを識別する処理を行う。識別処理の詳細については、後述する。なお、領域設定部102、類似度算出部103、統合類似度算出部104、識別部106は、演算回路又はファームウエアで構成されるものとする。
但し、領域設定部102、類似度算出部103、統合類似度算出部104、識別部106は、をソフトウェアとして構成してもよい。つまり、CPUが記憶装置等に記憶されているプログラムに基づき処理を実行することによって、領域設定部102、類似度算出部103、統合類似度算出部104、識別部106を実現するようにしてもよい。
ステップS201において、領域設定部102は、局所領域設定処理を行う。より具体的に説明すると、領域設定部102は、類似度を算出する対象となる局所特徴を抽出する局所領域の位置を入力画像(言い換えると照合画像)に対して決定する処理を行う。局所領域の位置の決定は、一般的な方法でよく、本実施形態では、次のように行う。
本実施形態では、領域設定部102は、入力画像を一般的な物体検出方法、より具体的には顔検出方法を用いて顔を検出し、その検出結果に基づいた切り出し正規化画像に対して、局所領域を設定する。より具体的には、領域設定部102は、切り出し正規化画像の原点座標を基準点として、局所領域の設定を行う。
切り出し正規化画像の作成は、一般的な方法でよい。本実施形態では、領域設定部102は、図3で示すように、顔検出で出力される顔検出位置302に基づいた切り出しと、顔検出枠303の縦幅及び横幅を基にその横幅が任意の値になるような、画像の拡大又は縮小と、を行う。なお、顔検出処理としては、公知のテンプレートマッチング手法といったものでよい。また、領域設定部102は、顔検出枠303の縦幅及び横幅の決定を、目特徴点の位置検出結果を利用して行えばよい。より具体的には、領域設定部102は、顔検出枠303の横幅及び縦幅を、検出した目特徴点の座標から決まる両目間距離の2倍というように決定する。なお、目特徴点等の器官位置検出の処理としては、例えば、左目周辺部に相当する局所特徴のテンプレートを用いて、左目にもっともらしい部位を抽出するといった手法でよい。
次に、辞書画像データベース502の詳細について説明する。辞書画像データベース502には、図6に示すように、別のタイミングで取得された複数の登録者の複数の画像が記録されている。また、辞書画像データベース502には、辞書情報として、登録者を区別するID、登録人数、登録画像枚数等の付加情報が共に記憶されている。まず、登録者pに関して、第kp辞書正規化画像601及び第kp+1辞書正規化画像603が記録されている。もちろん、登録者pに関する辞書画像は、図6に示した2枚に限定されず、何枚でもよい。なお、辞書正規化画像とは、図4の切り出し正規化画像のように、所定のサイズに規格化されており、ある登録者の画像であることを指す。また、辞書正規化画像601と辞書正規化画像603とは、まったく同じ画像でなく、辞書正規化画像603には図に示して陽に陰影部がある等の差異が存在する。同じく、登録者p+1に関する第kp+1辞書正規化画像605が辞書画像データベースに記録されている。登録者p+1に関しても、辞書正規化画像が1枚に限定されるものでなく、複数枚、存在してもよい。ちなみに、辞書画像データベースは、画像を記憶するのでなく、辞書正規化画像単位である各局所領域の特徴量を記録しておくものでもよい。その際、データベースは、登録者pの第kp辞書正規化画像の第i局所領域と、その輝度値に代表される特徴量との対応付けが必須である。ステップS501では、類似度算出部103が、図6のように記録された辞書データベースから、対象となる辞書正規化画像を選択する処理を行う。
次に、ステップS504において、類似度算出部103は、ステップS503で参照した第i局所領域内の局所特徴と入力画像の対応する第i局所領域内の局所特徴とから類似度を算出する。類似度算出部103は、(1)式を使って算出を行う。類似度算出部103は、算出した類似度を、順次、類似度データベース505に記録する。本実施形態では、類似度データベースには、辞書情報に紐付けされた類似度集合が記録される。ここで、辞書情報とは、前述したように、ID、登録画像のことである。
次に、ステップS506において、類似度算出部103は、ステップS501で選択した辞書画像に設定されている局所領域を全て参照したかどうかのチェックを行う。局所領域を全て参照していない場合、類似度算出部103は、再度、ステップS503に移行し、局所領域を全て参照した場合、ステップS507に移行する。
次に、ステップS507において、類似度算出部103は、前述した辞書画像データベース502に記録されている全画像に対して処理を完了したか否かの判断を行う。全画像の処理が完了した場合、類似度算出部103は、図5に示すフローチャートの処理を終了する。
統合類似度算出部104は、統合類似度を、次式で求める。
パラメータは、図7のテーブルのように与えられる。図7のパラメータテーブル701は、パラメータの詳細を表しており、(2)式を求める際に、上位何個の類似度を用いるかを示しているテーブルである。パラメータテーブル701では、被統合類似度数が各々の登録者pの登録画像枚数毎に定められる。例えば、所定登録者の登録画像が10枚存在した場合、局所特徴類似度の上位70個の局所特徴類似度より、統合類似度を算出することを表している。一方、所定登録者の登録枚数が1枚しかない場合、局所特徴類似度の上位50個の局所特徴類似度より、統合類似度を算出することを示している。つまり、パラメータは、被統合される局所領域類似度の個数をコントロールするパラメータになる。次に、図7のパラメータテーブルの使い方について、説明する。
図10は、被統合類似度数を調整した後の統合類似度の分布の一例を示す図である。変換後の分布は、Extraの分布とintraの分布とが変わっている。また、その2つの分布が交差する点は、登録画像枚数が異なった場合でも同一になっている。
以上で実施形態1の説明を終わる。実施形態1の効果は、登録画像枚数が登録者間で異なったときに、顔認識精度に影響することを抑制することである。
なお、登録条件として、登録画像枚数に限定されるものではない。他の例としては、登録者の人数条件である。この条件の場合、統合類似度算出部104は、登録人数が少ない場合と多い場合とで、被統合類似度数を変更するということになる。
実施形態2について説明する。
実施形態1と異なる部分は、類似度集合の算出方法である。実施形態2の類似度集合算出方法について、図11の類似度集合の算出概念図を用いて説明する。
図11は、実施形態2の類似度集合算出方法を説明するための図である。登録者Aの辞書画像1101は、登録者Aに関する辞書画像で、図11では、2枚辞書画像が存在すると仮定している。なお、図11は、登録者1名であるが、登録者A以外の人物がいてもよい。この場合、登録者A以外の登録画像に対しても図11に示したことと同様のことを行う。図5のフローチャートで説明したとおり、類似度算出部103は、入力画像1102と第1辞書画像1103との対応する局所領域の局所特徴類似度を算出する。より具体的には、類似度算出部103は、図11の第1局所領域1105の輝度値の類似度
次に、どのように識別するのかという処理、つまり、本実施形態における図2のステップS204の処理について説明する。識別部106は、次式を用いて識別する。
実施形態3について説明する。実施形態3の基本的な流れは、実施形態2とほぼ同様であり、異なる点を以下に示す。
実施形態2と異なる部分は、類似度集合の算出方法である。実施形態3の類似度集合算出方法について、図12の類似度集合の算出概念図を用いて説明する。図12は、実施形態3の類似度集合算出方法を説明するための図である。
図12の登録者Aの辞書画像1201は、登録者Aに関する辞書画像で、図12では、2枚辞書画像が存在すると仮定している。なお、図12は、登録者が1名であるが、登録者A以外の人物がいてもよい。この場合、登録者A以外の登録画像に対しても、図12に示したことと同様のことを行う。登録者Aの辞書画像1201は、第1辞書画像1203と陰影有第2辞書画像1204とから成る。第1辞書画像1203は、顔向きや陰影といった変動がない画像である。一方、陰影有第2辞書画像1204は、斜線で示される陰影成分が存在する画像である。また、入力画像1202は、第1辞書画像と同じく、顔向きや陰影といった変動がない画像である。このとき、前述の図11で説明したように、類似度算出部103は、入力画像1202と第1辞書画像1203との対応する局所領域の特徴量の相関値と、入力画像1202と陰影有第2辞書画像1204との対応する局所領域の特徴量の相関値と、を算出する。算出した類似度は、類似度ベクトル1206のようになる。この類似度ベクトル1206より、統合類似度算出部104は、局所領域別の類似度集合1207を求める。局所領域別の類似度は、例えば、第1辞書画像1203の第1局所領域の類似度
次に、どのように識別するのかという処理、つまり、図2のステップS204の処理について説明する。実施形態3における、ステップS204での識別処理は、実施形態2の(5)式と同様である。したがって、ここでは、識別処理を表す式そのものは割愛する。本実施形態での(5)式は、(7)式で表される登録者pに関する統合類似度の最大値を記録する人物を認識結果としている。このとき、識別部106は、各登録者に対する統合類似度を、図7のパラメータテーブルに相当するものを参照し、登録者の登録画像枚数に依存した被統合類似度数を用いて、(7)式で求める。なお、識別部106は、認識結果を得るために、各統合類似度の最大値から求めるだけでなく、統合類似度の閾値処理を行い、閾値処理以上の統合類似度から最大値を抽出してもよい。
前述の実施形態1、実施形態2及び実施形態3は、登録画像枚数変動に対する実施形態であったが、本発明は、登録画像枚数変動に限定されない。本発明は、登録条件である登録者の人数、もしくは登録画像毎の、撮像する撮像装置の特性、顔サイズ、照明環境、顔向き、顔器官の隠蔽、表情の変化、顔検出信頼度、局所特徴信頼度、といった条件の相違にも対応できるものである。
また、本発明は、照合条件である、照合時における辞書データの撮影時からの経過時間、又は照合画像の、顔サイズ、照明環境、顔向き、顔器官の隠蔽、表情の変化、顔検出信頼度、局所特徴信頼度の登録画像に対する相違に対応できるものである。
本実施形態では、顔向き、より具体的には辞書データと入力データとの程度差を一例として実施形態を説明する。顔向きの場合、図13に示す、顔向き用パラメータテーブルを用いる。図13のテーブルは、辞書データと入力データそれぞれの顔向きが正面、左向き30°、右向き30°、上向き30°、下向き30°になったときの被統合類似度数を表している。なお、顔向きの角度が30°に限定されるわけではなく、15°であってもよい。また、顔向き方向が左右、及び上下に限定されているが、左右の顔向きと上下の顔向きが混ざった場合も対象としてよい。また、左右の定義としては、画像向かって左手方向を左向き、画像向かって右手方向を右向きとする。顔向き用パラメータテーブルは、辞書データと入力データとが同じ顔向きであった場合、被統合類似度数を上位70個としている。なお、局所特徴類似度の最大値は、100個とする。また、辞書データの顔向きが正面で、入力データの顔向きが左向き30°といったように、顔向きの程度差が30°程度の場合、被統合類似度数を上位60個とする。また、辞書データの顔向きが左向き30°で、入力データの顔向きが右向き30°といったように、顔向きの程度差が60°程度の場合、被統合類似度数を上位50個とする。
以上のように、本実施形態の統合類似度算出部104は、辞書データと入力データとの顔向き程度差に応じて、被統合類似度数を動的に定める。このようにする理由は、顔向きに程度差がない場合と、顔向きに程度差がある場合と、において図9で示したような統合類似度の分布の相違が存在する。但し、被統合類似度数が同一である、という条件の元での相違である。つまり、同一人物であっても、顔向きの程度差により、難しさは変化する。したがって、図9で示した分布を顔向きの程度差がある場合でも、難しさを約一定にするため、顔向きの程度差に応じて被統合類似度数を動的に定める仕組みが必要となる。次に、顔向き用パラメータテーブル1301の求め方について説明する。
統合類似度算出部104は、統合類似度を、実施形態1と同じく、(2)式と、図13のパラメータテーブルを用いて算出する。実施形態1と異なる点は、顔向きの程度差を測るため、入力データ及び辞書データ共に顔向きといった属性判定する方法が必要となる。その顔向きを類推する手法は、公知の技術でよい。例えば、"Head Pose Estimation in Computer Vision:A Survey", IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, pp.607−626, VOL. 31, NO. 4, APRIL 2009に記載されている技術を流用すればよい。辞書データの顔向きは、データ自身を取得する際に、顔向きを所定の技術により抽出する。一方、入力データの顔向きは、図2に示したフローチャートのステップS203を実行する前に求められる。なお、実際の識別処理は、実施形態1の識別処理ステップS204と同様であるので、説明を割愛する。
以上で、顔向きを一例として、実施形態の詳細を説明した。本実施形態では、顔向きに限定されるものではない。顔向き以外の登録条件及び照合条件に関する事項について、その調整方法を簡単に説明する。
次に、照明環境条件について説明する。この条件の場合、統合類似度算出部104は、辞書データと入力データとの照明環境の程度の差により、被統合類似度数を動的に定める。
次に、顔器官の隠蔽条件について説明する。この条件の場合、統合類似度算出部104は、辞書データと入力データとの目等々の顔器官が髪の毛等での隠蔽度合いにより、被統合類似度数を動的に定める。
次に、表情の変化条件について説明する。この条件の場合、統合類似度算出部104は、辞書データと入力データとの表情の差に応じて、被統合類似度数を動的に定める。
次に、顔検出信頼度条件について説明する。この条件の場合、統合類似度算出部104は、辞書データと入力データとの顔検出処理の顔らしさを測る度合いの差に応じて、被統合類似度数を動的に定める。
次に、局所特徴信頼度条件について説明する。この条件の場合、統合類似度算出部104は、辞書データと入力データとの局所特徴の特徴信頼度の差に応じて、被統合類似度数を動的に定める。
次に、撮像装置の特性条件について説明する。この条件の場合、統合類似度算出部104は、辞書データと入力データとのそれぞれの撮像装置の特性差に応じて、被統合類似度数を動的に定める。ここで、撮像装置の特性とは、ホワイトバランス、又はISO感度等である。
次に、辞書データの撮影時からの経過時間条件について説明する。この条件の場合、統合類似度算出部104は、照合時点の辞書データの経時時間に応じて、被統合類似度数を動的に定める。
実施形態4の効果は、登録画像の登録条件又は、照合条件の相違による顔認識精度の劣化を抑制することである。
また、本発明は、以下の処理を実行することによっても実現される。即ち、前述した実施形態の機能を実現するソフトウェア(プログラム)を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ(又はCPUやMPU等)がプログラムを読み出して実行する処理である。
Claims (5)
- 入力データの局所特徴と、前記入力データの局所特徴に対応する複数の辞書データの局所特徴と、から局所特徴単位の類似度集合を算出する類似度集合算出手段と、
前記類似度集合算出手段で算出された局所特徴単位の類似度集合を登録条件、又は照合条件に応じて複数、統合して統合類似度を算出する統合類似度算出手段と、
前記統合類似度算出手段で算出された統合類似度に基づいて、前記入力データに対応する辞書データを識別する識別手段と、
を有するパターン認識装置。 - 前記統合類似度算出手段は、前記類似度集合算出手段で算出された局所特徴単位の類似度集合の、登録条件、又は照合条件によって重み付けを行った位置情報別の加重平均値から前記統合類似度を算出する請求項1記載のパターン認識装置。
- 前記入力データ、及び前記辞書データは、人物画像もしくは顔画像である請求項1又は2記載のパターン認識装置。
- パターン認識装置が実行するパターン認識方法であって、
入力データの局所特徴と、前記入力データの局所特徴に対応する複数の辞書データの局所特徴と、から局所特徴単位の類似度集合を算出する類似度集合算出ステップと、
前記類似度集合算出ステップで算出された局所特徴単位の類似度集合を登録条件、又は照合条件に応じて複数、統合して統合類似度を算出する統合類似度算出ステップと、
前記統合類似度算出ステップで算出された統合類似度に基づいて、前記入力データに対応する辞書データを識別する識別ステップと、
を有するパターン認識方法。 - コンピュータを、
入力データの局所特徴と、前記入力データの局所特徴に対応する複数の辞書データの局所特徴と、から局所特徴単位の類似度集合を算出する類似度集合算出手段と、
前記類似度集合算出手段で算出された局所特徴単位の類似度集合を登録条件、又は照合条件に応じて複数、統合して統合類似度を算出する統合類似度算出手段と、
前記統合類似度算出手段で算出された統合類似度に基づいて、前記入力データに対応する辞書データを識別する識別手段と、
して機能させるプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010078984A JP5675145B2 (ja) | 2010-03-30 | 2010-03-30 | パターン認識装置及びパターン認識方法 |
US13/071,869 US9262672B2 (en) | 2010-03-30 | 2011-03-25 | Pattern recognition apparatus and pattern recognition method that reduce effects on recognition accuracy, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010078984A JP5675145B2 (ja) | 2010-03-30 | 2010-03-30 | パターン認識装置及びパターン認識方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011210126A true JP2011210126A (ja) | 2011-10-20 |
JP5675145B2 JP5675145B2 (ja) | 2015-02-25 |
Family
ID=44709726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010078984A Active JP5675145B2 (ja) | 2010-03-30 | 2010-03-30 | パターン認識装置及びパターン認識方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9262672B2 (ja) |
JP (1) | JP5675145B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015106197A (ja) * | 2013-11-28 | 2015-06-08 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
JP2015197708A (ja) * | 2014-03-31 | 2015-11-09 | キヤノン株式会社 | オブジェクト識別装置、オブジェクト識別方法及びプログラム |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5554984B2 (ja) * | 2009-12-24 | 2014-07-23 | キヤノン株式会社 | パターン認識方法およびパターン認識装置 |
JP5675145B2 (ja) * | 2010-03-30 | 2015-02-25 | キヤノン株式会社 | パターン認識装置及びパターン認識方法 |
DE102011005715A1 (de) * | 2011-03-17 | 2012-09-20 | Siemens Aktiengesellschaft | Verfahren zum Gewinnen eines von Spuren eines Metallobjektes befreiten 3D-Bilddatensatzes |
JP5896661B2 (ja) * | 2011-09-14 | 2016-03-30 | キヤノン株式会社 | 情報処理装置、情報処理装置の制御方法、およびプログラム |
JP2014029623A (ja) * | 2012-07-31 | 2014-02-13 | Canon Inc | 情報処理装置及び情報処理方法 |
JP6841232B2 (ja) * | 2015-12-18 | 2021-03-10 | ソニー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
TWI670653B (zh) * | 2017-10-18 | 2019-09-01 | 大猩猩科技股份有限公司 | 一種基於線上學習的人臉辨識方法與系統 |
JP6733765B1 (ja) * | 2019-03-27 | 2020-08-05 | 日本電気株式会社 | 処理装置、処理方法及びプログラム |
CN110532884B (zh) * | 2019-07-30 | 2024-04-09 | 平安科技(深圳)有限公司 | 行人重识别方法、装置及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7017A (en) * | 1850-01-15 | Brick-pbess | ||
JPH10261083A (ja) * | 1997-03-17 | 1998-09-29 | Toshiba Corp | 個人同定装置及び個人同定方法 |
JP2003323622A (ja) * | 2002-02-27 | 2003-11-14 | Nec Corp | 画像認識システム及びその認識方法並びにプログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100343223B1 (ko) * | 1999-12-07 | 2002-07-10 | 윤종용 | 화자 위치 검출 장치 및 그 방법 |
JP2002358523A (ja) * | 2001-05-31 | 2002-12-13 | Canon Inc | パターン認識処理装置及びその方法、画像入力装置 |
JP4529418B2 (ja) | 2003-11-14 | 2010-08-25 | パナソニック株式会社 | 画像認識装置 |
JP5008269B2 (ja) * | 2005-04-08 | 2012-08-22 | キヤノン株式会社 | 情報処理装置、情報処理方法 |
JP2007206833A (ja) * | 2006-01-31 | 2007-08-16 | Toshiba Corp | 生体照合方法および生体照合装置 |
JP5554984B2 (ja) * | 2009-12-24 | 2014-07-23 | キヤノン株式会社 | パターン認識方法およびパターン認識装置 |
JP5675145B2 (ja) * | 2010-03-30 | 2015-02-25 | キヤノン株式会社 | パターン認識装置及びパターン認識方法 |
JP5801601B2 (ja) * | 2011-05-10 | 2015-10-28 | キヤノン株式会社 | 画像認識装置、画像認識装置の制御方法、およびプログラム |
-
2010
- 2010-03-30 JP JP2010078984A patent/JP5675145B2/ja active Active
-
2011
- 2011-03-25 US US13/071,869 patent/US9262672B2/en not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7017A (en) * | 1850-01-15 | Brick-pbess | ||
JPH10261083A (ja) * | 1997-03-17 | 1998-09-29 | Toshiba Corp | 個人同定装置及び個人同定方法 |
JP2003323622A (ja) * | 2002-02-27 | 2003-11-14 | Nec Corp | 画像認識システム及びその認識方法並びにプログラム |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015106197A (ja) * | 2013-11-28 | 2015-06-08 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
JP2015197708A (ja) * | 2014-03-31 | 2015-11-09 | キヤノン株式会社 | オブジェクト識別装置、オブジェクト識別方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US9262672B2 (en) | 2016-02-16 |
US20110243398A1 (en) | 2011-10-06 |
JP5675145B2 (ja) | 2015-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5675145B2 (ja) | パターン認識装置及びパターン認識方法 | |
KR102596897B1 (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
US9092662B2 (en) | Pattern recognition method and pattern recognition apparatus | |
US8325981B2 (en) | Human tracking apparatus, human tracking method, and human tracking processing program | |
JP5010905B2 (ja) | 顔認証装置 | |
JP4556873B2 (ja) | 画像照合システム及び画像照合方法 | |
US7925093B2 (en) | Image recognition apparatus | |
US8929595B2 (en) | Dictionary creation using image similarity | |
US20130329970A1 (en) | Image authentication apparatus, image processing system, control program for image authentication apparatus, computer-readable recording medium, and image authentication method | |
JP6544900B2 (ja) | オブジェクト識別装置、オブジェクト識別方法及びプログラム | |
US20180075291A1 (en) | Biometrics authentication based on a normalized image of an object | |
KR101546137B1 (ko) | 인물 인식 장치 및 방법 | |
JP2001307096A (ja) | 画像認識装置及び方法 | |
JP6071002B2 (ja) | 信頼度取得装置、信頼度取得方法および信頼度取得プログラム | |
JPWO2010122721A1 (ja) | 照合装置、照合方法および照合プログラム | |
JP5241606B2 (ja) | オブジェクト識別装置及びオブジェクト識別方法 | |
JP5648452B2 (ja) | 画像処理プログラムおよび画像処理装置 | |
CN114270417A (zh) | 能够更新注册人脸模板的人脸识别系统及方法 | |
JP6977345B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP2021103538A (ja) | 情報処理装置、情報処理方法、および、情報処理プログラム | |
JP6911995B2 (ja) | 特徴抽出方法、照合システム、およびプログラム | |
JP7396364B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
JP6763408B2 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
JP2013242702A (ja) | 顔画像照合装置、顔画像照合方法、特異領域検出装置及び特異領域検出方法 | |
JP7103443B2 (ja) | 情報処理装置、情報処理方法、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130401 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131101 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131126 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140520 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140722 |
|
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: 20141125 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141224 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5675145 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |