JP2012252447A - 情報処理装置および方法、記録媒体、並びにプログラム - Google Patents

情報処理装置および方法、記録媒体、並びにプログラム Download PDF

Info

Publication number
JP2012252447A
JP2012252447A JP2011123370A JP2011123370A JP2012252447A JP 2012252447 A JP2012252447 A JP 2012252447A JP 2011123370 A JP2011123370 A JP 2011123370A JP 2011123370 A JP2011123370 A JP 2011123370A JP 2012252447 A JP2012252447 A JP 2012252447A
Authority
JP
Japan
Prior art keywords
identification
similarity
face
image
statistic
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.)
Withdrawn
Application number
JP2011123370A
Other languages
English (en)
Inventor
Atsushi Okubo
厚志 大久保
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Priority to JP2011123370A priority Critical patent/JP2012252447A/ja
Priority to US13/478,445 priority patent/US9025882B2/en
Priority to CN2012101659873A priority patent/CN102982305A/zh
Publication of JP2012252447A publication Critical patent/JP2012252447A/ja
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • 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
    • G06V10/72—Data preparation, e.g. statistical preprocessing of image or video features

Abstract

【課題】識別精度を向上できるようにする。
【解決手段】統計量抽出部は、第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度を算出するとともに、類似度から類以度統計量を抽出する。識別部は、類以度統計量から、第１の識別対象と第２の識別対象が同一であるかを識別する。本技術は、例えばパーソナルコンピュータに適用できる。
【選択図】図１７

Description

本技術は情報処理装置および方法、記録媒体、並びにプログラムに関し、特に、識別精度を向上するようにした情報処理装置および方法、記録媒体、並びにプログラムに関する。
認識対象である人物の顔画像から本人であるかを識別する技術が提案されている（例えば特許文献１参照）。
このような、特許文献１の発明では、複数の顔認識部により人物の顔画像が取得され、取得された顔画像から特徴パターンが抽出され、抽出された特徴パターンと予め記憶された辞書パターンとの類似度が算出される。
そして、複数の顔認識部毎に算出された複数の類似度に対応する統計量が算出され、人物が識別される。
特開２００６−１７８６５１号公報
しかしながら、特許文献１の発明では、顔認識部により取得された顔画像の特徴パターンと、予め記憶された辞書パターンとが１対１で照合され、類似度が算出されるので、その識別精度が不十分となるおそれがあった。
従って、識別精度が不十分な類似度から統計量が算出され、その統計量に基づいて人物が識別されるので、その識別精度には限界があった。
本技術は、このような状況に鑑みてなされたものであり、識別精度を向上できるようにするものである。
本技術の一側面の情報処理装置は、第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度を算出するとともに、前記類似度から類以度統計量を抽出する統計量抽出部と、前記類以度統計量から、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する識別部とを備える。
前記第１の識別対象および前記第２の識別対象の画像から局所特徴量を抽出する特徴量抽出部をさらに備え、前記統計量抽出部は、前記特徴量抽出部により抽出された前記第１の識別対象および前記第２の識別対象の前記局所特徴量に基づいて、前記類以度を算出することができる。
前記識別部は、前記第１の識別対象と前記第２の識別対象の組合せ毎に前記類以度統計量が、対応する所定の閾値以上であるかを判定し、判定結果を統合することで、前記第１の識別対象と前記第２の識別対象が同一であるかを識別することができる。
前記統計量抽出部は、前記類似度統計量としてヒストグラムを抽出することができる。
前記統計量抽出部は、前記類似度統計量として平均値を抽出することができる。
前記第１の識別対象および前記第２の識別対象のうちの一方は、予め登録されている１枚の画像から検出されるようにすることができる。
本技術の一側面の情報処理方法は、第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度を算出するとともに、前記類似度から類以度統計量を抽出する統計量抽出ステップと、前記類以度統計量から、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する識別ステップとを含む。
本技術の一側面の記憶媒体、またはプログラムは、コンピュータに、第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度を算出するとともに、前記類似度から類以度統計量を抽出する統計量抽出ステップと、前記類以度統計量から、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する識別ステップとを実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体、またはプログラムである。
本技術の一側面においては、第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度が算出されるとともに、類似度から類以度統計量が抽出され、類以度統計量から、第１の識別対象と第２の識別対象が同一であるかが識別される。
本技術の側面によれば、識別精度を向上することが可能になる。
顔登録装置の構成を示すブロック図である。 顔特徴点検出部の構成を示すブロック図である。 局所特徴量抽出部の構成を示すブロック図である。 対象物登録処理を説明するフローチャートである。 特徴点検出処理を説明するフローチャートである。 特徴点検出の例を示す図である。 特徴量抽出処理を説明するフローチャートである。 特徴抽出フィルタの例を示す図である。 顔登録処理を説明するフローチャートである。 顔登録装置の他の構成を示すブロック図である。 対象物登録処理を説明するフローチャートである。 認識器生成装置の構成を示すブロック図である。 局所特徴量抽出部の構成を示すブロック図である。 顔識別辞書生成処理を説明するフローチャートである。 特徴量抽出処理を説明するフローチャートである。 統計量抽出処理を説明するフローチャートである。 統計量抽出処理を説明する図である。 認識器生成処理を説明するフローチャートである。 顔識別装置の構成を示すブロック図である。 対象物識別処理を説明するフローチャートである。 顔画像群の例を示す図である。 顔識別処理を説明するフローチャートである。 画像の枚数と識別性能の関係を説明する図である。 顔識別装置の他の構成を示すブロック図である。 対象物識別処理を説明するフローチャートである。 本技術を適用したパーソナルコンピュータのハードウェアの構成例を示すブロック図である。
以下、本技術を実施するための形態（以下、実施の形態という）について説明する。なお、説明は以下の順序で行う。
＜１＞第１の実施の形態
１．顔登録装置の構成
２．対象物登録処理１
３．特徴点検出処理
４．特徴量抽出処理１
５．顔登録処理
６．顔登録装置の構成
７．対象物登録処理２
＜２＞第２の実施の形態
８．認識器生成装置の構成
９．顔識別辞書生成処理
１０．特徴量抽出処理２
１１．統計量抽出処理
１２．認識器生成処理
＜３＞第３の実施の形態
１３．顔識別装置の構成
１４．対象物識別処理１
１５．顔識別処理
１６．顔識別装置の構成
１７．対象物識別処理２
１８．パーソナルコンピュータの構成
１９．その他
＜第１の実施の形態＞
［顔登録装置の構成］
図１は、顔登録装置１の構成を示すブロック図である。
顔登録装置１は、画像取得部２１、同一人物顔画像抽出部２２、顔特徴点検出部２３、学習データベース２４、局所特徴量抽出部２５、顔登録部２６、登録顔データベース２７、および顔識別辞書２８から構成されている。
画像取得部２１は、ユーザにより入力される画像および画像に関する情報を取得し、同一人物顔画像抽出部２２に出力する。同一人物顔画像抽出部２２は、取得された複数の画像のそれぞれから同一人物の顔画像を抽出し、顔特徴点検出部２３に出力する。
顔特徴点検出部２３は、学習データベース２４に予め記憶された学習データに基づいて、画像から特徴点を検出する。図２を参照して、顔特徴点検出部２３の詳細について説明する。
図２は、顔特徴点検出部２３の構成を示すブロック図である。顔特徴点検出部２３は、画像切り出し部４１および顔特徴判断部４２から構成されている。
画像切り出し部４１は、取得された画像から様々な切り出し画像を生成し、顔特徴判断部４２に出力する。顔特徴判断部４２は、生成された切り出し画像と、学習データから顔特徴を判断し、特徴点を検出する。
図１に戻り、局所特徴量抽出部２５は、検出された特徴点毎の特徴量、すなわち局所特徴量を抽出する。図３を参照して、局所特徴量抽出部２５の詳細について説明する。
図３は、局所特徴量抽出部２５の構成を示すブロック図である。局所特徴量抽出部２５は、正規化部６１、中間画像生成部６２、フィルタセット選択部６３、および特徴量抽出部６４から構成されている。
正規化部６１は、取得された画像を正規化し、中間画像生成部６２およびフィルタセット選択部６３に出力する。中間画像生成部６２は、取得された画像から中間画像として積分画像を生成し、特徴量抽出部６４に出力する。
フィルタセット選択部６３は、特徴点と特徴抽出フィルタを選択し、対応付けて顔識別辞書２８に記憶するとともに、特徴量抽出部６４に出力する。特徴量抽出部６４は、中間画像とフィルタセットに基づいて、特徴量を抽出する。
図１に戻り、顔登録部２６は、抽出された特徴量を登録する顔の人物と対応付けて登録顔データベース２７に登録する。
［対象物登録処理１］
図４乃至図９を参照して、対象物登録処理１について説明する。図４は、顔登録装置１の対象物登録処理１を説明するフローチャートである。対象物登録処理は、ユーザにより対象物として顔を含む画像が入力された場合に開始される。
ステップＳ１において、画像取得部２１は、複数枚の画像および登録ID（Identification）を取得する。登録IDは、登録する対象物を識別する識別情報である。
ステップＳ２において、同一人物顔画像抽出部２２は、画像取得部２１により取得された画像から同一人物の顔画像を抽出する。すなわち、複数枚の画像中に含まれる人物の顔画像毎に分類される。
顔画像の抽出には、例えば、動画像である場合、顔トラッキング手法を使用することができ、静止画像である場合、顔クラスタリング手法を使用することができる。また、顔画像は、ユーザにより指定させることもできる。
ステップＳ３において、顔特徴点抽出部２３の画像切り出し部４１は、抽出された顔画像を１つ取得する。すなわち、同一人物の顔画像群から１つの顔画像が取得される。
ステップＳ４において、顔特徴点抽出部２３は、特徴点検出処理を実行する。図５を参照して、特徴点検出処理について説明する。
［特徴点検出処理］
図５は、特徴点検出処理を説明するフローチャートである。
ステップＳ２１において、画像切り出し部４１は、複数種類の切り出し画像を生成する。すなわち、画像切り出し部４１は、取得された画像の全領域または一部の領域をラスタ走査し、顔特徴（例えば、眼、鼻、口等）が含まれると想定される様々な大きさの画像を切り出す。
ステップＳ２２において、顔特徴判断部４２は、学習データベース２４から学習データを取得する。学習データベース２４には、予め顔特徴の学習データが記憶される。
ステップＳ２３において、顔特徴判断部４２は、学習データから１種類の顔特徴を取得する。例えば、顔特徴として目が取得される。
ステップＳ２４において、顔特徴判断部４２は、最大類似度を０に設定する。すなわち、最大類似度が初期化される。
ステップＳ２５において、顔特徴判断部４２は、切り出し画像を１つ取得する。すなわち、ステップＳ２１の処理により生成された切り出し画像が取得される。
ステップＳ２６において、顔特徴判断部４２は、切り出し画像と顔特徴の類似度を算出する。すなわち、ステップＳ２５の処理により取得された切り出し画像と、ステップＳ２３の処理で取得された顔特徴がマッチングされる。
ステップＳ２７において、顔特徴判断部４２は、類似度の値が最大類似度の値より大きいかを判定する。すなわち、ステップＳ２６の処理により算出された類似度の値が他の類似度の値より大きいかが判定される。
ステップＳ２７において、類似度の値が最大類似度の値より大きいと判定された場合、ステップＳ２８において、顔特徴判断部４２は、最大類似度の値を類似度の値に変更する。すなわち、最大類似度の値にステップＳ２６で算出された類似度の値が代入される。
一方、ステップＳ２７において、類似度の値が最大類似度の値より大きくないと判定された場合、すなわち、ステップＳ２６で算出された類似度の値が最大類似度の値以下である場合、ステップＳ２８の処理はスキップされ、処理はステップＳ２９に進む。
ステップＳ２９において、顔特徴判断部４２は、所定数の切り出し画像を取得したかを判定する。ステップＳ２９において、所定数の切り出し画像が取得されていないと判定された場合、処理はステップＳ３０に進む。
ステップＳ３０において、顔特徴判断部４２は、他の切り出し画像を取得する。すなわち、ステップＳ２１の処理により生成された切り出し画像のうち、まだ学習データの顔特徴との類似度が算出されていない切り出し画像が取得される。
ステップＳ３０の処理の後、処理はステップＳ２６に戻り、それ以降の処理が繰り返される。すなわち、他の切り出し画像について、同様の処理が実行される。
一方、ステップＳ２９において、所定数の切り出し画像が取得されたと判定された場合、ステップＳ３１において、顔特徴判断部４２は、最大類似度の切り出し画像から特徴点を検出する。
図６は、特徴点検出の例を示す図である。図６の例では、特徴点が×で示されている。顔特徴として目の学習データが取得された場合、目を特定するための特徴点、例えば特徴点８１−１が検出される。
また、顔特徴として口の学習データが取得された場合、口を特定するための特徴点、例えば特徴点８１−２が検出される。
ステップＳ３１の処理の後、ステップＳ３２において、顔特徴判断部４２は、全ての種類の顔特徴を取得したかを判定する。ステップＳ３２において、まだ全ての種類の顔特徴を取得していないと判定された場合、処理はステップＳ３３に進む。
ステップＳ３３において、顔特徴判断部４２は、他の種類の顔特徴を取得する。例えば、顔特徴として口が取得される。ステップＳ３３の処理の後、処理はステップＳ２４に戻り、それ以降の処理が繰り返される。すなわち、他の種類の顔特徴について、同様の処理が実行される。
一方、ステップＳ３２において、全ての種類の顔特徴を取得したと判定された場合、特徴点検出処理は終了し、処理は図４のステップＳ５に進む。
図４に戻り、ステップＳ５において、局所特徴量抽出部２５は、特徴量抽出処理１を実行する。図７を参照して、特徴量抽出処理１について説明する。
［特徴量抽出処理１］
図７は、特徴量抽出処理１を説明するフローチャートである。
ステップＳ５１において、正規化部６１は、顔画像を正規化する。すなわち、顔画像が解析されることで顔の方向が検出され、特徴点の位置が基準位置にくるように顔画像が正規化される。具体的には、アフィン変換等が行なわれる。
ステップＳ５２において、中間画像生成部６２は、中間画像を生成する。すなわち、正規化された顔画像から、中間画像である積分画像が生成される。
中間画像のサイズ（画素数）は、元画像のサイズと同じである。中間画像の各画素の画素値は、元画像の四隅のうちの左上隅などの所定の位置を基準位置として、基準位置と各画素の位置を結ぶ線を対角線とする四角形の範囲に含まれる元画像の各画素の輝度値の和とされる。
ステップＳ５３において、フィルタセット選択部６３は、特徴点を１つ取得する。すなわち、ステップＳ４の特徴点検出処理により検出された複数の特徴点の中から、１つの特徴点がランダムに取得される。例えば、図６の特徴点８１−１が取得される。
ステップＳ５４において、フィルタセット選択部６３は、特徴抽出フィルタを取得する。特徴抽出フィルタはランダムに取得される。図８を参照して、特徴抽出フィルタについて説明する。
図８は、特徴抽出フィルタの例を示す図である。図８には、特徴抽出フィルタとしてレクタングルフィルタ（Rectangle Filter）が示されている。
Rectangle Filterは、水平方向、垂直方向、または所定の方向に対して４５度の傾きを有する直線によって区切られる、所定の数の矩形の白領域と黒領域から構成される。
Rectangle Filterを用いた特徴量の抽出は、Rectangle Filterを画像上の所定の位置に配置し、白領域に含まれる画素の輝度値の和と、黒領域に含まれる画素の輝度値の和との差を求めることによって行われる。
例えば、図８Ａの2 Rectangle Filterは、エッジの特徴量を抽出するのに適したフィルタであり、図８Ｂの3 Rectangle Filterと図８Ｃの4 Rectangle Filterは、ラインの特徴量を抽出するのに適したフィルタである。
フィルタセット選択部６３は、例えば、ランダムに選択した特徴点８１−１と、ランダムに選択した特徴抽出フィルタ９１−１とをフィルタセットとして選択する。
また、フィルタセット選択部６３は、例えば、ランダムに選択した特徴点８１−２と、ランダムに選択した特徴抽出フィルタ９１−２とをフィルタセットとして選択する。
なお、特徴抽出フィルタは、レクタングルフィルタの他、ガボアフィルタ（Gabor Filter）、LBP（Local Binary Pattern）、SIFT（Scale-Invariant Feature Transform）等とすることもできる。
図７に戻り、ステップＳ５５において、フィルタセット選択部６３は、顔識別辞書２８にフィルタセットを記憶する。すなわち、選択された特徴点と特徴抽出フィルタの組合せが対応付けられて記憶される。この記憶されたフィルタセットは、後述する図１５のステップＳ２２４において利用される。
ステップＳ５６において、特徴量抽出部６４は、特徴量を抽出する。すなわち、フィルタセットが中間画像に対して適用され、特徴点に対応する特徴量が抽出される。
ステップＳ５７において、特徴量抽出部６４は、所定数の特徴量が取得されたかを判定する。ステップＳ５７において、まだ所定数の特徴量が取得されていないと判定された場合、処理はステップＳ５８に進む。
ステップＳ５８において、フィルタセット選択部６３は、他の特徴点を取得する。他の特徴点はランダムに取得される。ステップＳ５８の処理の後、処理はステップＳ５４に戻り、それ以降の処理が繰り返される。すなわち、他の特徴点について、同様の処理が実行される。
一方、ステップＳ５７において、所定数の特徴量が取得されたと判定された場合、ステップＳ５９において、特徴量抽出部６４は、特徴ベクトルを算出する。すなわち、抽出された特徴量をパラメータとする特徴ベクトルが算出される。
ステップＳ５９の処理の後、特徴量抽出処理１は終了し、処理は図４のステップＳ６に進む。
図４のステップＳ６において、顔登録部２６は、顔登録処理を実行する。図９を参照して、顔登録処理について説明する。
［顔登録処理］
図９は、顔登録処理を説明するフローチャートである。
ステップＳ７１において、顔登録部２６は、特徴ベクトルを取得する。すなわち、図７のステップＳ５９の処理により算出された特徴ベクトルが取得される。
ステップＳ７２において、顔登録部２６は、登録顔データベース２７に、図４のステップＳ１の処理で取得された登録IDと特徴ベクトルを対応付けて記憶する。特徴ベクトルが登録IDに対応付けられることで、特徴ベクトルにより示される顔が特定される。
ステップＳ７２の処理の後、顔登録処理は終了し、処理は図４のステップＳ７に進む。
図４のステップＳ７において、顔特徴点検出部２３の画像切り出し部４１は、全ての顔画像が取得されたかを判定する。すなわち、ステップＳ１の処理により取得された全ての画像に対して、特徴点検出処理、特徴量抽出処理１、および顔登録処理が実行されたかが判定される。
ステップＳ７において、まだ全ての顔画像が取得されていないと判定された場合、ステップＳ８において、顔特徴点検出部２３の画像切り出し部４１は、他の顔画像を取得する。ステップＳ８の処理の後、処理はステップＳ４に戻り、それ以降の処理が繰り返される。すなわち、他の顔画像について、同様の処理が実行される。
一方、ステップＳ７において、全ての顔画像が取得されたと判定された場合、対象物登録処理１は終了する。
このように、複数の画像のそれぞれに対して特徴量が抽出され、人物を特定する情報とともに登録顔データベース２７に記憶される。
なお、本実施の形態においては、入力される画像の枚数が複数であるとしたが、入力される画像の枚数は１枚でもよい。
［顔登録装置の構成］
図１０と図１１を参照して、入力される画像が１枚である場合について説明する。図１０は、顔登録装置１０１の構成を示すブロック図である。
図１０の顔登録装置１０１のうち、図１の顔登録装置１と対応する要素には同じ符号が付されている。
すなわち、顔登録装置１０１は、顔検出部１２１を有し、同一人物顔画像抽出部２２が省略されている点が顔登録装置１と異なり、他の構成は顔登録装置１と同様である。勿論、同一人物顔画像抽出部２２を設けることもできる。
顔検出部１２１は、画像取得部２１から供給された画像を解析することによって、それぞれの画像に含まれる人の顔の部分を検出し、顔画像を生成する。
［対象物登録処理２］
次に図１１を参照して、顔登録装置１０１の対象物登録処理２について説明する。図１１は、対象物登録処理２を説明するフローチャートである。
図１１においてステップＳ１０３乃至Ｓ１０５の処理は、図４のステップＳ４乃至Ｓ６の処理に対応する処理である。したがって、これらの処理は繰り返しになるので簡単に説明する。
ステップＳ１０１において、画像取得部２１は、１枚の画像および登録IDを取得する。ステップＳ１０２において、顔検出部１２１は、画像取得部２１により取得された画像から顔を検出する。すなわち、取得された画像中に含まれる人物の顔の部分が検出される。
ステップＳ１０３において、図５を参照して説明した特徴点検出処理が実行される。すなわち、ステップＳ１０２の処理により検出された顔の画像から特徴点が検出される。
ステップＳ１０４において、図７を参照して説明した特徴量抽出処理１が実行される。すなわち、ステップＳ１０３の処理により検出された特徴点毎に特徴量が抽出される。
ステップＳ１０５において、図９を参照して説明した顔登録処理が実行される。すなわち、ステップＳ１０１に処理により取得された登録IDと、ステップＳ１０４の処理により抽出された特徴量とが対応付けられて、登録顔データベース２７に登録される。
ステップＳ１０５の処理の後、対象物登録処理２は終了する。
このように、登録顔データベース２７に記憶される特徴ベクトルは、１つの登録IDに対して少なくとも１つ登録されればよい。
＜第２の実施の形態＞
［認識器生成装置の構成］
図１２は、認識器生成装置２０１の構成を示すブロック図である。図１２の認識器生成装置２０１のうち、図１の顔登録装置１と対応する要素には同じ符号が付されている。
すなわち、認識器生成装置２０１は、局所特徴量抽出部２２１、統計量抽出部２２２、および認識器生成部２２３を有し、局所特徴量抽出部２５、および顔登録部２６が省略されている点が顔登録装置１と異なり、他の構成は顔登録装置１と同様である。
勿論、この実施の形態においても局所特徴量抽出部２５、顔登録部２６、および図１０の顔検出部１２１のうちの少なくとも１つを設けることもできる。
局所特徴量抽出部２２１は、検出された特徴点毎の特徴量を抽出する。図１３を参照して、局所特徴量抽出部２２１の詳細について説明する。
図１３は、局所特徴量抽出部２２１の構成を示すブロック図である。図１３の局所特徴量抽出部２２１のうち、図３の局所特徴量抽出部２５と対応する要素には同じ符号が付されている。
すなわち、局所特徴量抽出部２２１は、フィルタセット選択部６３が省略されている点が局所特徴量抽出部２５と異なり、他の構成は局所特徴量抽出部２５と同様である。
また、局所特徴量抽出部２２１の特徴量抽出部６４は、顔識別辞書２８に記憶されたフィルタセットを取得する。
図１２に戻り、統計量抽出部２２２は、抽出された特徴量と既に登録顔データベース２７に登録された特徴量から類似度統計量を抽出する。
認識器生成部２２３は、抽出された類似度統計量に基づいて、ブースティングの処理のために多数の弱認識器を生成し、生成された弱認識器を統合した認識器を顔識別辞書２８に記憶する。
［顔識別辞書生成処理］
図１４乃至図１８を参照して、顔識別辞書生成処理について説明する。図１４は、顔識別辞書生成処理を説明するフローチャートである。
図１４においてステップＳ２０２乃至Ｓ２０４，Ｓ２０６，Ｓ２０７の処理は、図４のステップＳ２乃至Ｓ４，Ｓ７，Ｓ８の処理に対応する処理である。したがって、これらの処理は繰り返しになるので簡単に説明する。顔識別辞書生成処理は、ユーザにより学習用画像が入力された場合に開始される。
ステップＳ２０１において、画像取得部２１は、学習用画像、学習用画像情報、および登録IDを取得する。学習用画像は、登録顔データベース２７に記憶された、登録IDに対応する人物の顔と同一人物の顔画像、または別人物の顔画像のいずれかである。
学習用画像情報は、学習用画像が登録IDに対応する人物の顔と同一人物であるか、または別人物であるかを示す情報である。
ステップＳ２０２において、同一人物顔画像抽出部２２は、画像取得部２１により取得された学習用画像から同一人物の顔画像を抽出する。ステップＳ２０３において、顔特徴点抽出部２３の画像切り出し部４１は、抽出された顔画像を１つ取得する。
ステップＳ２０４において、図５を参照して説明した特徴点検出処理が実行される。すなわち、ステップＳ２０３の処理により取得された顔画像から特徴点が検出される。
ステップＳ２０５において、局所特徴量抽出部２２１は、特徴量抽出処理２を実行する。図１５を参照して、特徴量抽出処理２について説明する。
［特徴量抽出処理２］
図１５は、特徴量抽出処理２を説明するフローチャートである。図１５においてステップＳ２２１乃至Ｓ２２３，Ｓ２２５乃至Ｓ２２８の処理は、図７のステップＳ５１乃至Ｓ５３，Ｓ５６乃至Ｓ５９の処理に対応する処理である。したがって、これらの処理は繰り返しになるので簡単に説明する。
ステップＳ２２１において、正規化部６１は、顔画像を正規化する。ステップＳ２２２において、中間画像生成部６２は、中間画像を生成する。ステップＳ２２３において、フィルタセット選択部６３は、特徴点を１つ取得する。
ステップＳ２２４において、特徴量抽出部６４は、顔識別辞書２８からフィルタセットを取得する。すなわち、図７のステップＳ５５の処理により顔識別辞書２８に記憶されたフィルタセットが取得される。
例えば、ステップＳ２２３の処理により取得された特徴点が図６の特徴点８１−１に対応する場合、特徴点８１−１に対応付けられた図８の特徴抽出フィルタ９１−１が取得される。
ステップＳ２２５において、特徴量抽出部６４は、特徴量を抽出する。ステップＳ５７において、特徴量抽出部６４は、所定数の特徴量が取得されたかを判定する。
ステップＳ２２６において、まだ所定数の特徴量が取得されていないと判定された場合、ステップＳ２２７において、特徴量抽出部６４は、他の特徴点を取得する。ステップＳ２２７の処理の後、処理はステップＳ２２４に戻り、それ以降の処理が繰り返される。
一方、ステップＳ２２６において、所定数の特徴量が取得されたと判定された場合、ステップＳ２２８において、特徴量抽出部６４は、特徴ベクトルを算出する。ステップＳ２２８の処理の後、特徴量抽出処理２は終了し、処理は図１４のステップＳ２０６に進む。
図１４のステップＳ２０６において、顔特徴点検出部２３の画像切り出し部４１は、全ての顔画像が取得されたかを判定する。
ステップＳ２０６において、まだ全ての顔画像が取得されていないと判定された場合、ステップＳ２０７において、顔特徴点検出部２３の画像切り出し部４１は、他の顔画像を取得する。ステップＳ２０７の処理の後、処理はステップＳ２０４に戻り、それ以降の処理が繰り返される。
一方、ステップＳ２０６において、全ての顔画像が取得されたと判定された場合、ステップＳ２０８において、統計量抽出部２２２は、統計量抽出処理を実行する。図１６を参照して、統計量抽出処理について説明する。
［統計量抽出処理］
図１６は、統計量抽出処理を説明するフローチャートである。図１７は、統計量抽出を説明する図である。
ステップＳ２４１において、統計量抽出部２２２は、入力特徴量マトリックスＸを取得する。入力特徴量マトリックスＸは、以下の式（１）で示されるように、Ｍ（Ｍは自然数）枚の画像毎のＫ（Ｋは自然数）個の特徴量により表される。
Figure 2012252447
例えば、図１７の学習用画像２４１−１乃至２４１−ＭのそれぞれのＫ個の特徴点に対応する特徴量から入力特徴量マトリックスＸが取得される。
ステップＳ２４２において、統計量抽出部２２２は、登録顔データベース２７から登録IDに対応する登録特徴量マトリックスYｐを取得する。Yｐのｐは、登録IDに対応する人物を示す情報である。
登録特徴量マトリックスYｐは、以下の式（２）で示されるように、Ｎｐ（Ｎｐは自然数）枚の登録された画像毎のＫ個の特徴量により表される。
Figure 2012252447
例えば、図１７の登録画像２６１−１乃至２６１−ＮｐのそれぞれのＫ個の特徴点に対応する特徴量から登録特徴量マトリックスYｐが取得される。
なお、登録顔データベース２７には、登録画像２６１―１乃至２６１−Ｎｐそのものを記憶させる必要はなく、登録画像２６１―１乃至２６１−Ｎｐ毎のＫ個の特徴量（すなわち、登録画像２６１―１乃至２６１−Ｎｐの特徴ベクトル）が記憶されていればよい。
ステップＳ２４３において、統計量抽出部２２２は、類似度マトリックスＳｐを算出する。類似度マトリックスＳｐは、以下の式（３）で示されるように、入力特徴量マトリックスＸと登録特徴量マトリックスYｐとの正規化相関値を要素とする、Ｍ×Ｎｐの行列で表される。
Figure 2012252447
すなわち、入力特徴量マトリックスＸと登録特徴量マトリックスYｐの組合せ毎の類似度が算出される。
ステップＳ２４４において、統計量抽出部２２２は、類似度統計量Ｈｐを抽出する。類似度統計量Ｈｐの抽出には、様々な手法を用いることができる。
例えば、類似度統計量Ｈｐは、以下の式（４）で示されるように、ヒストグラムとして抽出されてもよい。
Figure 2012252447
式（４）により、例えば、図１７に示されるように、ヒストグラム２８１−１乃至２８１−Ｋが抽出される。
また例えば、類似度統計量Ｈｐは、以下の式（５）で示されるように、平均値として類似度マトリックスＳｐから抽出されてもよい。
Figure 2012252447
ステップＳ２４４の処理の後、統計量抽出処理は終了し、処理は図１４のステップＳ２０９に進む。
図１４のステップＳ２０９において、認識器生成部２２３は、認識器生成処理を実行する。図１８を参照して、認識器生成処理について説明する。
［認識器生成処理］
図１８は、認識器生成処理を説明するフローチャートである。
図１８の認識器生成処理により生成、更新される認識器Ｒpは、以下の式（６）で示されるように、多数の弱認識器ｆpにより構成される。
Figure 2012252447
弱認識器ｆp jは、入力データと登録データが同一人物を示しているかを判定するものであり、閾値thp j以上の場合（すなわち入力データと登録データが同一人物を示している場合）「＋１」を出力し、閾値thp j未満の場合「−１」を出力する関数である。
認識器Ｒpは、多数の弱認識器ｆp jの出力の総和を算出し、識別結果を出力する。
ステップＳ２６１において、認識器生成部２２３は、カウンタｊを１に設定する。すなわち、カウンタｊが初期化される。
ステップＳ２６２において、認識器生成部２２３は、弱認識器ｆp jの閾値thp jを取得する。すなわち、認識器Ｒpを構成する弱認識器ｆp j毎に設定された閾値thp jが取得される。
ステップＳ２６３において、認識器生成部２２３は、閾値thp jを類似度統計量ｈp jに対応して設定する。すなわち、図１４のステップＳ２０１の処理により取得された学習用画像情報に基づいて、入力データと登録データが同一人物または別人物を示していると判定されるように閾値thp jが更新される。
例えば、学習用画像の人物と登録画像の人物が同一人物である場合に、類似度統計量ｈp jが閾値thp j未満のとき、弱識別器ｆp jの出力は「−１」となり誤りなので、類似度統計量ｈp jが閾値thp j以上になるように、閾値thp jが設定される。
また例えば、学習用画像の人物と登録画像の人物が別人物である場合に、類似度統計量ｈp jが閾値thp j以上のとき、弱識別器ｆp jの出力は「＋１」となり誤りなので、類似度統計量ｈp jが閾値thp j未満になるように、閾値thp jが設定される。
ステップＳ２６４において、認識器生成部２２３は、弱識別器ｆp jを記憶する。すなわち、弱識別器ｆp jにより構成される認識器Ｒpが更新される。
ステップＳ２６５において、認識器生成部２２３は、カウンタｊを１だけインクリメントする。ステップＳ２６６において、認識器生成部２２３は、カウンタｊがＫより大きいかを判定する。
ステップＳ２６６において、カウンタｊがＫより大きくないと判定された場合、処理はステップＳ２６２に戻り、それ以降の処理が繰り返される。
一方、ステップＳ２６６において、カウンタｊがＫより大きいと判定された場合、認識器生成処理は終了し、図１４の顔識別辞書生成処理は終了する。
このようにして、複数枚の学習用画像全体と、複数枚の登録画像全体の類似度が算出され、算出された類似度から抽出された統計量に基づいて、同一人物を識別するための認識器が生成される。
＜第３の実施の形態＞
［顔識別装置の構成］
図１９は、情報処理装置としての顔識別装置３０１の構成を示すブロック図である。図１９の顔識別装置３０１のうち、図１２の認識器生成装置２０１と対応する要素には同じ符号が付されている。
すなわち、顔識別装置３０１は、顔識別部３２１を有し、認識器生成部２２３が省略されている点が認識器生成装置２０１と異なり、他の構成は認識器生成装置２０１と同様である。
勿論、この実施の形態においても認識器生成部２２３を設けることもできるし、図１の局所特徴量抽出部２５および顔登録部２６を設けることもできる。
顔識別部３２１は、統計量抽出部２２２から供給された類似度統計量に対して、顔識別辞書２８から供給された認識器を用いたブースティングの処理を実行し、識別結果を出力する。
［対象物識別処理１］
図２０乃至図２２を参照して、顔識別装置３０１の対象物識別処理１について説明する。図２０は、対象物識別処理１を説明するフローチャートである。図２１は、顔画像群の例を示す図である。
図２０においてステップＳ３０２乃至Ｓ３０８の処理は、図１４のステップＳ２０２乃至Ｓ２０８の処理に対応する処理である。したがって、これらの処理は繰り返しになるので簡単に説明する。対象物識別処理１は、ユーザにより画像が入力された場合に開始される。
ステップＳ３０１において、画像取得部２１は、複数枚の画像および登録IDを取得する。例えば、図２１Ａの入力顔画像群３４１として、Ｍ’（Ｍ’は自然数）枚の入力画像３５１−１乃至３５１−Ｍ’が取得される。
ステップＳ３０２において、同一人物顔画像抽出部２２は、画像取得部２１により取得された複数枚の画像から同一人物の顔画像を抽出する。ステップＳ３０３において、顔特徴点抽出部２３の画像切り出し部４１は、抽出された顔画像を１つ取得する。
ステップＳ３０４において、図５を参照して説明した特徴点検出処理が実行される。すなわち、ステップＳ３０３の処理により取得された顔画像から特徴点が検出される。
ステップＳ３０５において、図１５を参照して説明した特徴量抽出処理２が実行される。すなわち、ステップＳ３０４の処理により検出された特徴点毎に特徴量が抽出される。
ステップＳ３０６において、顔特徴点検出部２３の画像切り出し部４１は、全ての顔画像が取得されたかを判定する。
ステップＳ３０６において、まだ全ての顔画像が取得されていないと判定された場合、ステップＳ３０７において、顔特徴点検出部２３の画像切り出し部４１は、他の顔画像を取得する。ステップＳ３０７の処理の後、処理はステップＳ３０４に戻り、それ以降の処理が繰り返される。
一方、ステップＳ３０６において、全ての顔画像が取得されたと判定された場合、ステップＳ３０８において、図１６を参照して説明した統計量抽出処理が実行される。
この処理により、例えば、Ｍ’枚分の入力特徴量マトリックスＸ’と、図２１Ｂの登録顔画像群３６１のＮｐ’（Ｎｐ’は自然数）枚の登録画像３７１−１乃至３７１−Ｎｐ’に対応する登録特徴量マトリックスＹｐ’が取得され、最終的に類似度統計量Ｈｐ’が抽出される。
ステップＳ３０９において、顔識別部３２１は、顔識別処理を実行する。図２２を参照して、顔識別処理について説明する。
［顔識別処理］
図２２は、顔識別処理を説明するフローチャートである。
ステップＳ３２１において、顔識別部３２１は、顔識別辞書２８から認識器Ｒpを取得する。すなわち、ステップＳ３０１で取得された登録IDに対応する認識器Ｒpが取得される。
ステップＳ３２２において、顔識別部３２１は、類似度統計量Ｈｐを用いて認識器Ｒpの値を算出する。すなわち、類似度統計量Ｈｐに対してブースティングの処理が実行される。
具体的には、各類似度統計量ｈp jが、対応する認識器Ｒpの弱認識器ｆp jにより閾値thp j以上であるかが判定され、その判定結果が統合される（すなわち弱認識器ｆp jの出力の総和が算出される）ことにより認識器Ｒpの値が算出される。
例えば、図２１Ａの入力顔画像群３４１と、図２１Ｂの登録顔画像群３６１に基づいて抽出された類似度統計量Ｈｐ’に対してブースティングの処理が実行される。
ステップＳ３２３において、顔識別部３２１は、識別結果を出力する。すなわち、入力された顔画像が、登録IDに対応する人物の顔と同一であるかが識別され、その識別結果が出力される。例えば、図２１Ａの入力顔画像群３４１の人物が、登録IDに対応する図２１Bの登録顔画像群３６１の人物と同一であるかが識別される。
具体的には、認識器Rｐの値が正である場合、同一人物であると識別され、認識器Rｐの値が負である場合、別人物であると識別される。
ステップＳ３２３の処理の後、顔識別処理は終了し、図２０の対象物識別処理１は終了する。
このように、複数枚の入力画像、および複数枚の登録画像に対して顔識別処理が一度に行えるので、処理時間を短縮することができる。なお、入力画像が複数枚である場合、登録画像は１枚でもよい。
また、局所特徴量に対してブースティングの処理を実行することにより、顔の照明変化、表情変化、経年変化、および方向変化にも頑健な不変局所特徴量を選択することが可能になり、顔の変動に強い高精度な顔識別が可能になる。
さらに、複数枚の入力画像全体と、複数枚の登録画像全体の類似度を反映して顔識別処理を実行するので、識別精度を向上することができる。図２３を参照して、入力画像および登録画像の枚数と識別性能の関係について説明する。
図２３は、入力画像および登録画像の枚数と識別性能の関係を説明する図である。図２３では、横軸に顔画像群構成枚数が示され、縦軸に識別性能が示されている。なお、説明を簡単にするため、入力画像および登録画像の枚数は同じ枚数とする。
図２３に示すように、入力画像１枚と登録画像１枚の識別性能に較べて、入力画像および登録画像の枚数が２枚、３枚、・・・と増加すると、識別性能が向上する。
なお、本実施の形態においては、入力される画像の枚数が複数枚であるとしたが、入力される画像の枚数は１枚でもよい。
［顔識別装置の構成］
図２４と図２５を参照して、入力される画像が１枚である場合について説明する。図２４は、顔識別装置４０１の構成を示すブロック図である。
図２４の顔識別装置４０１のうち、図１０の顔登録装置１０１、および図１９の顔識別装置３０１と対応する要素には同じ符号が付されている。
すなわち、顔識別装置４０１は、顔検出部１２１を有し、同一人物顔画像抽出部２２が省略されている点が顔識別装置３０１と異なり、他の構成は顔識別装置３０１と同様である。勿論、同一人物顔画像抽出部２２を設けることもできる。
［対象物識別処理２］
図２５を参照して、顔識別装置４０１の対象物識別処理２について説明する。
図２５においてステップＳ４０１乃至Ｓ４０３の処理は、図１１のステップＳ１０１乃至Ｓ１０３の処理に対応する処理であり、ステップＳ４０４乃至Ｓ４０６の処理は、図２０のステップＳ３０５，Ｓ３０８，Ｓ３０９に対応する処理である。したがって、これらの処理は繰り返しになるので簡単に説明する。
ステップＳ４０１において、画像取得部２１は、１枚の画像および登録IDを取得する。ステップＳ４０２において、顔検出部１２１は、画像取得部２１により取得された画像から顔を検出する。すなわち、取得された画像中に含まれる人物の顔の部分が検出される。
ステップＳ４０３において、図５を参照して説明した特徴点検出処理が実行される。すなわち、ステップＳ４０２の処理により検出された顔の画像から特徴点が検出される。
ステップＳ４０４において、図１５を参照して説明した特徴量抽出処理２が実行される。すなわち、ステップＳ４０３の処理により検出された特徴点毎に特徴量が抽出される。
ステップＳ４０５において、図１６を参照して説明した統計量抽出処理が実行される。すなわち、ステップＳ４０４の処理により抽出された特徴量に基づく入力特徴量マトリックスＸと、登録顔データベース２７に登録された登録特徴量マトリックスＹｐが取得され、最終的に類似度統計量Ｈｐが抽出される。
ステップＳ４０６において、図２２を参照して説明した顔識別処理が実行される。すなわち、ステップＳ４０５の処理により抽出された類似度統計量Ｈｐに対して、顔識別辞書２８に記憶された認識器Ｒｐを用いたブースティングの処理が実行され、顔が識別される。
ステップＳ４０６の処理の後、対象物識別処理２は終了する。
このように、１枚の入力画像と複数枚の登録画像を用いて、顔を識別する処理を実行することもできる。
［パーソナルコンピュータの構成］
図２６は、上述した一連の処理をプログラムにより実行するパーソナルコンピュータ５０１のハードウェアの構成例を示すブロック図である。
パーソナルコンピュータ５０１において、CPU（Central Processing Unit）５２１，ROM（Read Only Memory）５２２，RAM（Random Access Memory）５２３は、バス５２４により相互に接続されている。
バス５２４には、さらに、入出力インタフェース５２５が接続されている。入出力インタフェース５２５には、入力部５２６、出力部５２７、記憶部５２８、通信部５２９、およびドライブ５３０が接続されている。
入力部５２６は、キーボード、マウス、マイクロフォンなどにより構成される。出力部５２７は、ディスプレイ、スピーカなどにより構成される。記憶部５２８は、ハードディスクや不揮発性のメモリなどにより構成される。
通信部５２９は、ネットワークインタフェースなどにより構成される。ドライブ５３０は、磁気ディスク、光ディスク、光磁気ディスク、或いは半導体メモリなどのリムーバブルメディア５３１を駆動する。
以上のように構成されるパーソナルコンピュータ５０１においては、CPU５２１が、例えば、記憶部５２８に記憶されているプログラムを、入出力インタフェース５２５及びバス５２４を介して、RAM５２３にロードして実行することにより、各種の処理が行われる。
CPU５２１が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア５３１に記録して提供される。
なお、パッケージメディアとしては、磁気ディスク（フレキシブルディスクを含む）、光ディスク（CD-ROM（Compact Disc-Read Only Memory），DVD（Digital Versatile Disc）等）、光磁気ディスク、もしくは半導体メモリなどが用いられる。
また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。
パーソナルコンピュータ５０１においては、プログラムは、リムーバブルメディア５３１をドライブ５３０に装着することにより、入出力インタフェース５２５を介して、記憶部５２８にインストールすることができる。
また、プログラムは、有線または無線の伝送媒体を介して、通信部５２９で受信し、記憶部５２８にインストールすることができる。その他、プログラムは、ROM５２２や記憶部５２８に、あらかじめインストールしておくことができる。
なお、パーソナルコンピュータ５０１が実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われる処理であっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。
［その他］
本技術の実施の形態は、上述した実施形態に限定されるものではなく、本技術の要旨を逸脱しない範囲において種々の変更が可能である。また、本技術の実施の形態は、一部の機能を他の装置が有していても良い。
なお、本技術の実施の形態では、識別対象を顔として説明したが、識別対象は、顔以外でもよい。識別対象は、例えば、手や、動物、物体などとすることができる。
なお、本技術は以下のような構成も取ることができる。
（１）第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度を算出するとともに、前記類似度から類以度統計量を抽出する統計量抽出部と、前記類以度統計量から、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する識別部とを備える情報処理装置。
（２）前記第１の識別対象および前記第２の識別対象の画像から局所特徴量を抽出する特徴量抽出部をさらに備え、前記統計量抽出部は、前記特徴量抽出部により抽出された前記第１の識別対象および前記第２の識別対象の前記局所特徴量に基づいて、前記類以度を算出する前記（１）に記載の情報処理装置。
（３）前記識別部は、前記第１の識別対象と前記第２の識別対象の組合せ毎に前記類以度統計量が、対応する所定の閾値以上であるかを判定し、判定結果を統合することで、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する前記（１）または（２）に記載の情報処理装置。
（４）前記統計量抽出部は、前記類似度統計量としてヒストグラムを抽出する前記（１）から（３）のいずれかに記載の情報処理装置。
（５）前記統計量抽出部は、前記類似度統計量として平均値を抽出する前記（１）から（３）のいずれかに記載の情報処理装置。
（６）前記第１の識別対象および前記第２の識別対象のうちの一方は、予め登録されている１枚の画像から検出される前記（１）から（５）のいずれかに記載の情報処理装置。
（７）第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度を算出するとともに、前記類似度から類以度統計量を抽出する統計量抽出ステップと、前記類以度統計量から、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する識別ステップとを含む情報処理方法。
（８）コンピュータに、第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度を算出するとともに、前記類似度から類以度統計量を抽出する統計量抽出ステップと、前記類以度統計量から、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する識別ステップとを実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
（９）コンピュータに、第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度を算出するとともに、前記類似度から類以度統計量を抽出する統計量抽出ステップと、前記類以度統計量から、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する識別ステップとを実行させるためのプログラム。
２５ 局所特徴量抽出部， ２２２ 統計量抽出部， ３０１ 顔識別装置， ３２１ 顔識別部

Claims (9)

  1. 第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度を算出するとともに、前記類似度から類以度統計量を抽出する統計量抽出部と、
    前記類以度統計量から、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する識別部と
    を備える情報処理装置。
  2. 前記第１の識別対象および前記第２の識別対象の画像から局所特徴量を抽出する特徴量抽出部をさらに備え、
    前記統計量抽出部は、前記特徴量抽出部により抽出された前記第１の識別対象および前記第２の識別対象の前記局所特徴量に基づいて、前記類以度を算出する
    請求項１に記載の情報処理装置。
  3. 前記識別部は、前記第１の識別対象と前記第２の識別対象の組合せ毎の前記類以度統計量が、対応する所定の閾値以上であるかを判定し、判定結果を統合することで、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する
    請求項２に記載の情報処理装置。
  4. 前記統計量抽出部は、前記類似度統計量としてヒストグラムを抽出する
    請求項３に記載の情報処理装置。
  5. 前記統計量抽出部は、前記類似度統計量として平均値を抽出する
    請求項３に記載の情報処理装置。
  6. 前記第１の識別対象および前記第２の識別対象のうちの一方は、予め登録されている１枚の画像から検出される
    請求項４に記載の情報処理装置。
  7. 第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度を算出するとともに、前記類似度から類以度統計量を抽出する統計量抽出ステップと、
    前記類以度統計量から、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する識別ステップと
    を含む情報処理方法。
  8. コンピュータに、
    第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度を算出するとともに、前記類似度から類以度統計量を抽出する統計量抽出ステップと、
    前記類以度統計量から、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する識別ステップと
    を実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
  9. コンピュータに、
    第１の識別対象の複数の画像群の全体と第２の識別対象の複数の画像群の全体の類似度を算出するとともに、前記類似度から類以度統計量を抽出する統計量抽出ステップと、
    前記類以度統計量から、前記第１の識別対象と前記第２の識別対象が同一であるかを識別する識別ステップと
    を実行させるためのプログラム。
JP2011123370A 2011-06-01 2011-06-01 情報処理装置および方法、記録媒体、並びにプログラム Withdrawn JP2012252447A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2011123370A JP2012252447A (ja) 2011-06-01 2011-06-01 情報処理装置および方法、記録媒体、並びにプログラム
US13/478,445 US9025882B2 (en) 2011-06-01 2012-05-23 Information processing apparatus and method of processing information, storage medium and program
CN2012101659873A CN102982305A (zh) 2011-06-01 2012-05-25 信息处理设备和处理信息的方法、存储介质以及程序

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2011123370A JP2012252447A (ja) 2011-06-01 2011-06-01 情報処理装置および方法、記録媒体、並びにプログラム

Publications (1)

Publication Number Publication Date
JP2012252447A true JP2012252447A (ja) 2012-12-20

Family

ID=47261743

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011123370A Withdrawn JP2012252447A (ja) 2011-06-01 2011-06-01 情報処理装置および方法、記録媒体、並びにプログラム

Country Status (3)

Country Link
US (1) US9025882B2 (ja)
JP (1) JP2012252447A (ja)
CN (1) CN102982305A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014206935A (ja) * 2013-04-15 2014-10-30 オムロン株式会社 識別器更新装置、識別器更新プログラム、情報処理装置、および識別器更新方法

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140055819A (ko) * 2012-11-01 2014-05-09 삼성전자주식회사 얼굴인식장치 및 그 제어방법
US20150278635A1 (en) * 2014-03-31 2015-10-01 Massachusetts Institute Of Technology Methods and apparatus for learning representations
CN103971135A (zh) * 2014-05-05 2014-08-06 中国民航大学 基于头肩深度信息特征的人体目标检测方法
CN106203263A (zh) * 2016-06-27 2016-12-07 辽宁工程技术大学 一种基于局部特征的脸型分类方法
CN107705320B (zh) * 2016-08-08 2022-01-11 佳能株式会社 跟踪视频中的对象的边界点的方法和装置
WO2018033137A1 (zh) * 2016-08-19 2018-02-22 北京市商汤科技开发有限公司 在视频图像中展示业务对象的方法、装置和电子设备
US10621419B2 (en) * 2016-12-06 2020-04-14 Robert William Kocher Method and system for increasing biometric acceptance rates and reducing false accept rates and false rates
JP6981265B2 (ja) * 2018-01-11 2021-12-15 富士通株式会社 生体認証装置、生体認証方法、および生体認証プログラム
CN111382751B (zh) * 2020-03-11 2023-04-18 西安应用光学研究所 一种基于颜色特征的目标再识别方法
CN111797746A (zh) * 2020-06-28 2020-10-20 北京小米松果电子有限公司 人脸识别方法、装置及计算机可读存储介质

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0944018B1 (en) * 1998-03-19 2011-08-24 Panasonic Corporation Method and apparatus for recognizing image pattern, method and apparatus for judging identity of image patterns, recording medium for recording the pattern recognizing method and recording medium for recording the pattern identity judging method
JP4161659B2 (ja) * 2002-02-27 2008-10-08 日本電気株式会社 画像認識システム及びその認識方法並びにプログラム
GB2395780A (en) * 2002-11-29 2004-06-02 Sony Uk Ltd Face detection
JP2006178651A (ja) * 2004-12-21 2006-07-06 Toshiba Corp 人物認識装置、人物認識方法および通行制御装置
KR100745981B1 (ko) * 2006-01-13 2007-08-06 삼성전자주식회사 보상적 특징에 기반한 확장형 얼굴 인식 방법 및 장치
US8184915B2 (en) * 2006-12-04 2012-05-22 Lockheed Martin Corporation Device and method for fast computation of region based image features
JP2009087232A (ja) * 2007-10-02 2009-04-23 Toshiba Corp 人物認証装置および人物認証方法
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
CN100557625C (zh) * 2008-04-18 2009-11-04 清华大学 人脸部件特征和Gabor人脸特征融合的人脸识别方法及其装置
WO2009148731A1 (en) * 2008-06-02 2009-12-10 Massachusetts Institute Of Technology Fast pattern classification based on a sparse transform
JP5418991B2 (ja) * 2008-07-10 2014-02-19 日本電気株式会社 個人認証システム、個人認証方法
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
US8379937B1 (en) * 2008-09-29 2013-02-19 Videomining Corporation Method and system for robust human ethnicity recognition using image feature-based probabilistic graphical models
JP4710978B2 (ja) * 2009-01-09 2011-06-29 ソニー株式会社 対象物検出装置、撮像装置、対象物検出方法およびプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014206935A (ja) * 2013-04-15 2014-10-30 オムロン株式会社 識別器更新装置、識別器更新プログラム、情報処理装置、および識別器更新方法

Also Published As

Publication number Publication date
US9025882B2 (en) 2015-05-05
US20120308141A1 (en) 2012-12-06
CN102982305A (zh) 2013-03-20

Similar Documents

Publication Publication Date Title
JP2012252447A (ja) 情報処理装置および方法、記録媒体、並びにプログラム
US11527055B2 (en) Feature density object classification, systems and methods
US8401283B2 (en) Information processing apparatus, information processing method, and program
US7929771B2 (en) Apparatus and method for detecting a face
US9098760B2 (en) Face recognizing apparatus and face recognizing method
Kollreider et al. Real-time face detection and motion analysis with application in “liveness” assessment
Singh et al. Muhavi: A multicamera human action video dataset for the evaluation of action recognition methods
JP4479756B2 (ja) 画像処理装置及び画像処理方法、並びにコンピュータ・プログラム
US8463044B2 (en) Method and device of detecting object in image and system including the device
US8625859B2 (en) Information processing apparatus, information processing method, and program
KR101179497B1 (ko) 얼굴 검출 방법 및 장치
US20080107341A1 (en) Method And Apparatus For Detecting Faces In Digital Images
US8306282B2 (en) Hierarchical face recognition training method and hierarchical face recognition method thereof
JP5671928B2 (ja) 学習装置、学習方法、識別装置、識別方法、およびプログラム
US20120063689A1 (en) Object recognition in an image
US20140093142A1 (en) Information processing apparatus, information processing method, and information processing program
Kalbande et al. Lip reading using neural networks
JP2012073684A (ja) 画像認識方法及び装置並びにプログラム
JP2008102611A (ja) 画像処理装置
JP6924031B2 (ja) オブジェクト検出装置及びこれらのプログラム
JP4795864B2 (ja) 特徴点検出装置および方法並びにプログラム
JP5214679B2 (ja) 学習装置、方法及びプログラム
JPWO2012046426A1 (ja) 物体検出装置、物体検出方法および物体検出プログラム
JP2011154500A (ja) 学習装置、学習方法、識別装置、識別方法、及びプログラム
JP2004199200A (ja) パターン認識装置、撮像装置、情報処理システム、パターン認識方法、記録媒体、及びプログラム

Legal Events

Date Code Title Description
A300 Application deemed to be withdrawn because no request for examination was validly filed

Free format text: JAPANESE INTERMEDIATE CODE: A300

Effective date: 20140805