JP2015513754A - 顔認識方法及びデバイス - Google Patents

顔認識方法及びデバイス Download PDF

Info

Publication number
JP2015513754A
JP2015513754A JP2015506094A JP2015506094A JP2015513754A JP 2015513754 A JP2015513754 A JP 2015513754A JP 2015506094 A JP2015506094 A JP 2015506094A JP 2015506094 A JP2015506094 A JP 2015506094A JP 2015513754 A JP2015513754 A JP 2015513754A
Authority
JP
Japan
Prior art keywords
image
block
face image
original face
size
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.)
Pending
Application number
JP2015506094A
Other languages
English (en)
Inventor
▲シェン▼石 牛
▲シェン▼石 牛
世光 山
世光 山
岩 李
岩 李
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of JP2015513754A publication Critical patent/JP2015513754A/ja
Pending legal-status Critical Current

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
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • 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
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
    • G06V30/2504—Coarse or fine approaches, e.g. resolution of ambiguities or multiscale approaches
    • 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Image Processing (AREA)

Abstract

顔認識方法及びデバイスを提供する。方法は、オリジナル顔画像に対して異なるサイズのダウンサンプリングを実行するステップと、ダウンサンプリングされた画像と、オリジナル顔画像とに対してブロック分割処理を実行するステップと、ブロック分割処理が実行された後に取得された各画像ブロックの特徴を抽出するステップと、各画像ブロックの類似度を取得するために、各画像ブロックの抽出された特徴と、予め登録された顔画像に対応する画像ブロックの特徴との間の類似度マッチングを実行するステップと、全ての画像ブロックの間の取得された類似度に基づいて顔画像認識結果を取得するステップとを含む。

Description

本発明は、情報技術の分野に関し、特に顔認識方法及びデバイスに関する。
本出願は、2013年3月19日に出願された、"FACE RECOGNITION METHOD AND DEVICE"という名称の中国特許出願第201310088469.0号に基づく優先権を主張するものであり、その全体が参照によりここに組み込まれる。
今日では、電子情報技術の急速な発展に伴い、電子商取引、オンライン・バンキング、及び公共の安全などの分野では、信頼性とアイデンティティ認証の方法に関する新しい要件を提案されている。生物学的特徴は、人の固有の属性であり、かつ強力な安定性および個体差を有している。したがって、生物学的特徴を用いて本人認証を行うことは、さらに多くの注目を集めている。顔の特徴を利用して本人認証を行うことは、最も自然で、最も直接的な方法である。したがって、顔認識技術について深く研究を行うことは重要使用価値を有する。特徴抽出は、顔認識技術の中核となる問題であり、最終的な精度に直接的に関連している。
従来技術では、認識される顔画像において、いくつかの隣接画素が各画素の周囲で選択され、中心画素の濃淡値が基準として使用され、中間画素の濃淡値よりも小さい濃淡値を持つ隣接画素が0に量子化され、前記中間画素の濃淡値よりも大きい又は等しい濃淡値を持つ隣接画素は1に量子化される。次いで、隣接画素の量子化された値は、二進数値を取得するために、特定の方向に応じて連続して接続される。前記二進数値はさらに、十進数値に変換され、かつ、前記十進数値は、中心画素に割り当てられる。以上の動作は、認識されるべき画像のヒストグラムローカルバイナリパターン（Local Binary Pattern、略してLBP）を取得するためにシーケンス内の画像の全画素に対して実行される。認識される前記画像のLBPヒストグラムの特徴ベクトルが、予め登録された顔画像のLBPヒストグラムの特徴ベクトルと比較される。次いで、前記顔認識が完了する。
しかしながら、この顔認識方法の認識精度は低い。
本発明は、顔認識方法及びデバイスを提供し、顔画像認識の正確さが低い従来技術の課題を解決するために使用される。
第一の態様において、本発明は顔認識方法を提供し、前記方法は、
認識されたオリジナル顔画像を取得するステップと、
サイズが前記オリジナル顔画像のサイズと異なる少なくとも1つのダウンサンプリングされた画像を取得するために、前記オリジナル顔画像に対してダウンサンプリングを実行するステップと、
ブロック分割処理が実行された少なくとも2つの画像ブロックを取得するために、各ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行するステップと、
前記画像ブロックの特徴を取得するために、ブロック分割処理が実行された前記画像ブロックの特徴を抽出するステップと、
各画像ブロックの類似度を取得するために各画像ブロックの前記特徴と、予め登録された顔画像に対応する画像ブロックの特徴との間の類似度マッチングを実行するステップと、
全ての前記画像ブロックの間の取得された類似度に基づいて顔画像認識結果を取得するステップとを含む。
前記第一の態様の第一の可能な実施方法において、
サイズが前記オリジナル顔画像のサイズと異なる少なくとも1つのダウンサンプリングされた画像を取得するために、前記オリジナル顔画像に対してダウンサンプリングを実行するステップは、
異なるサイズのn個のダウンサンプリングされた画像を取得するために、前記オリジナル顔画像に対してn回のダウンサンプリングを実行するステップを含み、異なるサイズの前記n個のダウンサンプリングされた画像の前記サイズは、それぞれ前記オリジナル顔画像の前記サイズの1/4mであり、nは自然数であり、かつmはn+1よりも小さい自然数である。
前記第一の態様の第一の可能な実施方法を参照して、第二の可能な実施方法において、各ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行する前記ステップは、前記オリジナル顔画像の前記サイズの1/(Sx4n)に基づいて各ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行するステップを含み、Sは自然数である。
前記第一の態様の第二の可能な実施方法を参照して、第三の可能な実施方法において、Sは1と等しく、かつnは2と等しい。
第一の態様の第一の可能な実施方法、第二の可能な実施方法、及び第三の可能な実施方法を参照して、第四の可能な実施方法において、前記画像ブロックの特徴を取得するために、ブロック分割処理が実行された前記画像ブロックの特徴を抽出する前記ステップは、
各画像ブロックのLBPヒストグラムを取得するために、ブロック分割処理が実行された各画像ブロックにローカルバイナリパターンLBPディスクリプタ抽出を実行するステップと、
各画像ブロックの前記LBPヒストグラムに基づいてブロック分割処理が実行された各画像ブロックの特徴ベクトルを抽出するステップとを含む。
第一の態様における第一の可能な実施方法、第二の可能な実施方法、第三の可能な実施方法、及び第四の可能な実施方法を参照して、第五の可能な実施方法において、前記オリジナル顔画像に対してダウンサンプリングを実行する前記ステップの前に、前記方法はさらに、前記オリジナル顔画像に対してヒストグラム均等化前処理を実行するステップを含む。
第二の態様に基づいて、本発明は顔認識デバイスを提供する、前記デバイスは、
認識されたオリジナル顔画像を取得するように構成された取得モジュールと、
サイズが前記オリジナル顔画像のサイズと異なる少なくとも1つのダウンサンプリングされた画像を取得するために、前記オリジナル顔画像に対してダウンサンプリングを実行するように構成されたサンプリングモジュールと、
ブロック分割処理が実行された少なくとも2つの画像ブロックを取得するために、各ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行するように構成された処理モジュールと、
前記画像ブロックの特徴を取得するために、ブロック分割処理が実行された前記画像ブロックの特徴を抽出するように構成された抽出モジュールと、
各画像ブロックの類似度を取得するために、各画像ブロックの前記特徴と、予め登録された顔画像に対応する画像ブロックの特徴との間の類似度マッチングを実行するように構成されたマッチングモジュールと、
全ての前記画像ブロックの間の取得された類似度に基づいて顔画像認識結果を取得するように構成された認識モジュールとを含む。
第二の態様の第一の可能な実施方法において、前記サンプリングモジュールは特に、
異なるサイズのn個のダウンサンプリングされた画像を取得するために、前記オリジナル顔画像に対してn回のダウンサンプリングを実行するように構成され、異なるサイズの前記n個のダウンサンプリングされた画像の前記サイズは、それぞれ前記オリジナル顔画像の前記サイズの1/4mである。
第二の態様の第一の可能な実施方法を参照して、第二の可能な実施方法において、前記処理モジュールは特に、前記オリジナル顔画像の前記サイズの1/(Sx4n)に基づいて各ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行するように構成され、Sは自然数である。
第二の態様の第二の可能な実施方法を参照して、第三の可能な実施方法において、Sは1と等しく、かつnは2と等しい。
第二の態様の第二の可能な実施方法、第三の可能な実施方法は、第四の可能な実施方法において、前記抽出モジュールは特に、
各画像ブロックのLBPヒストグラムを取得するために、ブロック分割処理が実行された各画像ブロックにローカルバイナリパターンLBPディスクリプタ抽出を実行し、かつ、
各画像ブロックの前記LBPヒストグラムに基づいてブロック分割処理が実行された各画像ブロックの特徴ベクトルを抽出するように構成される。
第二の態様の第一の可能な実施方法、第二の可能な実施方法、第三の可能な実施方法、及び第四の可能な実施方法を参照して、第四の可能な実施方法において、前記サンプリングモジュールはさらに、
前記オリジナル顔画像に対してダウンサンプリングを実行する前に、前記オリジナル顔画像に対してヒストグラム均等化処理を実行するように構成される。
第三の態様に基づいて、本発明は、メモリ及びプロセッサを含む顔認識デバイスを提供し、前記メモリは、実行命令を記憶するように構成され、前記顔認識デバイスが動作するとき、前記プロセッサは前記メモリとの通信し、かつ、前記プロセッサは、前記実行命令を実行し、前記顔認識デバイスが前述した第一の態様に基づく方法の実行を可能にする。
本発明において提供される顔認識方法及びデバイスに基づいて、サイズが前記オリジナル顔画像のサイズと異なっているダウンサンプリングされた画像を取得するために、認識されたオリジナル顔画像に対してダウンサンプリングが実行され、複数サイズの顔画像の特徴が抽出される、顔画像を描くための顔画像の特徴のキャパビリティを増加させ、ダウンサンプリングされた画像と、前記オリジナル顔画像とにブロック分割処理が実行され、かつ、顔画像認識結果が、ブロック分割処理が実行された後に取得された全ての前記画像ブロック間と同様に基づいて取得され、顔画像認識の正確さが増加する。
本発明の実施形態における技術的解決策又は従来技術をより明瞭に説明するために、実施形態又は従来技術を説明するために必要な添付図面を、以下に簡潔に説明する。以下の説明における添付図面は、本発明のいくつかの実施形態を示しており、当業者は、創造的努力なしでこれらの添付図面からさらに他の図面を導き出すことが可能であることは明らかである。
本発明に基づく顔認識方法の実施形態のフローチャートである。 本発明に基づく顔認識方法の別の実施形態のフローチャートである。 ローカルバイナリパターンLBPディスクリプタ抽出プロセスを示す概略図である。 本発明に基づく顔認識デバイスの実施形態の概略的構造図である。 本発明に基づく顔認識デバイスの別の実施形態の概略的構造図である。
本発明の実施形態の目的、技術的解決策、及び利点をより明確にするために、本発明の実施形態における添付図面を参照して本発明の技術的解決策を以下に明瞭かつ十分に説明する。説明される実施形態は、本発明の実施形態の全てというよりはむしろ一部である。当業者による創造的な努力なしで本発明の実施形態に基づいて取得される他の全ての実施形態は、本発明の保護範囲である。
図１は、本発明に基づく顔認識方法の実施形態のフローチャートである。図１に示されるように、以下の方法の実施形態における全てのステップは、具体的には、例えば、携帯電話、パーソナルコンピュータ、PAD、及びアクセス制御装置等の顔認識機能を有する様々なデバイスによって実行されてもよい。前記方法は、以下のステップを含む。
S101：認識されたオリジナル顔画像を取得する。
S102：サイズが前記オリジナル顔画像のサイズと異なる少なくとも1つのダウンサンプリングされた画像を取得するために、前記オリジナル顔画像に対してダウンサンプリングを実行する。
特に、ダウンサンプリングは、前記オリジナル顔画像に対して1回以上実行されてもよく、かつ、サイズが前記オリジナル顔画像の前記サイズと異なる1つのダウンサンプリングされた画像は、前記ダウンサンプリングが実行される度に取得されてもよい。
ダウンサンプリングが実行された後に取得されたダウンサンプリングされた画像のサイズは、前記オリジナル顔画像の1/nであってもよく、nは自然数である。
例えば、もし、前記オリジナル画像は、長方形又は正方形である場合、2x2ダウンサンプリング及び4x4ダウンサンプリングが、それぞれ前記オリジナル顔画像に対して実行されてもよく、前記2x2ダウンサンプリングは、ダウンサンプリングが実行された後に取得されたダウンサンプリングされた画像の長さが、前記オリジナル顔画像の長さの1/2であり、かつ、ダウンサンプリングされた画像の幅が前記オリジナル顔画像の幅の1/2であることを意味する。前記4x4ダウンサンプリングは、ダウンサンプリングが実行された後に取得されたダウンサンプリングされた画像の長さが、前記オリジナル顔画像の長さの1/4であり、かつ、ダウンサンプリングされた画像の幅が、前記オリジナル顔画像の幅の1/4であることを意味する。
S103：ダウンサンプリングされた画像及び前記オリジナル顔画像のそれぞれに対してブロック分割処理を実行し、ブロック分割処理が実行された少なくとも2つの画像ブロックを取得する。
特に、ブロック分割処理を実行するために、前記オリジナル顔画像及び前記ダウンサンプリングされた画像のいずれかの画像は、初期ブロックとして使用されてもよい。
例えば、S102に説明された実施例において、前記オリジナル顔画像は長方形又は正方形であり、かつ、2x2ダウンサンプリング及び4x4ダウンサンプリングのそれぞれが前記オリジナル顔画像に対して実行され、前記オリジナル顔画像の前記サイズの1/4及び1/16のサイズのダウンサンプリングされた画像が取得される。この場合、サイズが前記オリジナル顔画像の前記サイズの1/16であるダウンサンプリングされた画像が、初期のブロックとして使用され、ブロック分割処理を実行する。このようにして、前記オリジナル顔画像は、16の画像ブロックに分割されてもよい。サイズが前記オリジナル顔画像の前記サイズの1/4であるダウンサンプリングされた画像は、4画像ブロックに分割されてもよく、一方で、サイズが前記オリジナル顔画像の前記サイズの1/16であるダウンサンプリングされた画像が、画像ブロック自体であり、かつ、さらなるブロック分割の実行を必要としない。
もちろん、別のサイズの画像ブロックもまた、初期ブロックとして使用されてもよい。例えば、S102に記載された実施例において、サイズが前記オリジナル顔画像の1/16であるダウンサンプリングされた画像の1/2のサイズである画像ブロックが初期ブロックとして使用されてもよい。このように、前記オリジナル顔画像は、32画像ブロックに分割されてもよい。サイズが前記オリジナル顔画像の前記サイズの1/4であるダウンサンプリングされた画像は、8つの画像ブロックに分割されてもよく、一方で、サイズが前記オリジナル顔画像の前記サイズの1/16である前記ダウンサンプリングされた画像は、2つの画像ブロックに分割されてもよい。
言い換えると、ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割を実行する複数の方法が存在し、ここには一つずつ挙げない。
S104：前記画像ブロックの特徴を取得するために、ブロック分割処理が実行された前記画像ブロックの特徴を抽出する。
このステップにおいて、ブロック分割処理が実行された後に取得された各画像ブロックの特徴を抽出するために、様々な既存の方法が使用されてもよい。例えば、ローカルバイナリパターンLBPディスクリプタ抽出(local binary pattern LBP descriptor extraction)方法が、各画像ブロックのLBPヒストグラムを取得するために使用されてもよい。さらに、各画像ブロックの特徴ベクトルが、各画像ブロックの前記LBPヒストグラムに基づいて抽出されてもよい。
S105：各画像ブロックの前記特徴と、予め登録された顔画像に対応する画像ブロックの特徴との間の類似度マッチングを実行し、各画像ブロックの類似度を取得する。
特に、前記予め登録された顔画像はまた、前述のステップに基づいて取得され、かつ、記憶される。S102に記載された実施例において、前記オリジナル顔画像は、16の画像ブロックに分割され、かつ、ダウンサンプリングが2回実行された後に取得された画像は、それぞれ4つの画像ブロック及び1つの画像ブロックに分割される。この場合、前記予め登録された顔画像はまた、21の画像ブロックに対応し、かつ各画像ブロックは、特徴ベクトルのグループに対応する。
ステップS104において取得された認識された顔画像の前記21の画像ブロックの特徴ベクトルと、前記予め登録された顔画像に対応する前記画像ブロックの特徴ベクトルとの間の類似度は、マッチ(match)されてもよく、認識される顔画像における各画像ブロックの類似度を取得する。
S106：全ての前記画像ブロックの間の取得された類似度に基づいて顔画像認識結果を取得する。
このステップにおいて、全ての前記画像ブロックの間で取得された類似度に重み付け統合計算が実行され、最終的な類似度が取得され、かつ前記最終的な類似度に基づいて顔画像認識結果が取得される。特に、重み付け統合は、ステップS105において取得された認識された顔画像における各画像ブロックの類似度に対して実行される。つまり、重みが各画像ブロックに割り当てられ、各画像ブロックの類似度と、対応する重みとの積が加算され、認識された顔画像と、前記予め登録された顔画像との間の最終的な類似度を取得する。前記重みを割り当てることは特に、キーフェイスパーツ(例えば、眼、鼻、又は口等)が位置している画像ブロックにより大きな重みを割り当てるとともに、ノンキーフェイスパーツ(例えば、頬等)が位置している画像ブロックにより小さい重みを割り当てることであってもよく、全ての前記画像ブロックに対応する重みの和は1である。
認識された顔画像と、前記予め登録された顔画像とが同一の人物に対応するか否かは、前記取得された最終的な類似度が予め設定された閾値を超えるか否かに基づいて決定されてよく、その結果、その人物のアイデンティティの認証が実行される。
この実施形態において提供される前記顔認識方法は、他の生物学的特徴(例えば、指紋、虹彩、及び掌紋等)に基づく画像の認識に適用可能であることは留意すべきである。
この実施形態において提供される顔認識方法に基づいて、認識されたオリジナル顔画像に対してダウンサンプリングが実行され、サイズが前記オリジナル顔画像のサイズと異なっているダウンサンプリングされた画像が取得される。複数サイズの顔画像の特徴が抽出され、顔画像を描くための顔画像特徴のキャパビリティを増加させる。前記ダウンサンプリングされた画像と、前記オリジナル顔画像とにブロック分割処理が実行され、ブロック分割処理が実行された後に取得された全ての前記画像ブロックの間の類似度に基づいて顔画像認識結果が取得され、顔画像認識の正確さが増加する。
図2は、本発明に基づく顔認識方法の別の実施形態のフローチャートである。図2に示されるように、以下の方法の実施形態における全てのステップは特に、顔認識機能を備える様々なデバイス(例えば、携帯電話、パーソナルコンピュータ、PAD、及びアクセス制御装置等)によって実行されてもよい。その方法は以下のステップを含む。
S201：認識されたオリジナル顔画像を取得する。
S202：前記オリジナル顔画像に対してヒストグラム均等化前処理を実行する。
特に、前記ヒストグラム均等化は、画像エンハンスメントのための方法であり、かつ、画像の輝度及びコントラストを高めるために使用され、画質を改善し、前記画像のキーパーツのヒエラルキーのセンス(sense)を増加させ、かつ画像解析及び認証の結果を改善する。
S203：前記オリジナル顔画像に対してn回のダウンサンプリングを実行し、異なるサイズのn個のダウンサンプリングされた画像を取得する。異なるサイズの前記n個のダウンサンプリングされた画像の前記サイズは、それぞれ前記オリジナル顔画像の前記サイズの1/4mであるであり、nは自然数であり、かつmはn+1よりも小さい自然数である。
特に、画像ダウンサンプリングは、画像を表示し、記憶し、かつ/又は送信するために画像の解像度を減少させる技術である。この実施形態においては、例えば最近傍補間法及びバイリニア補間法のような補間方法である様々な既存のダウンサンプリング方法が使用され、前記オリジナル顔画像に対してn (n=1, 2, 3, …)回のダウンサンプリングを実行してもよく、かつ、サイズが前記オリジナル顔画像の前記サイズの1/4, 1/42, …, 1/4nであるn個のダウンサンプリングされた画像がそれぞれ取得される。一例として、n=2を使用し、前記オリジナル顔画像の前記サイズはWxHであると仮定すると、ダウンサンプリングが前記オリジナル顔画像に対して2回実行され、より小さいサイズの2つのダウンサンプリングされた画像が取得され、前記2つのダウンサンプリングされた画像のサイズは、それぞれ前記オリジナル顔画像の前記サイズの1/4と1/6であり、つまりサイズはそれぞれ(W/2)x(H/2)と(W/4)x(H/4)である。
S204：前記オリジナル顔画像の前記サイズの1/(Sx4n)に基づいて各ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行する。Sは自然数である。
特に、ブロック分割処理は、前記オリジナル顔画像の前記サイズの1/4n, 1/(2x4n), 1/(3x4n) , …,つまり、ステップS203において取得された最小サイズのダウンサンプリングされた画像のサイズ、又は前記最小サイズの前記ダウンサンプリングされた画像のサイズよりも小さいサイズに基づいて前記ダウンサンプリングされた画像及び前記オリジナル顔画像に対して実行されてもよい。一例として、n=2及びS=1を用いて、前記オリジナル顔画像の前記サイズはWxHであると仮定し、前記オリジナル顔画像の前記サイズの1/42、つまり、最小サイズ(W/4)x(H/4)の前記ダウンサンプリングされた画像のサイズに基づいてステップS203において取得された2つのダウンサンプリングされた画像と、前記オリジナル画像とにブロック分割処理が実行され、21(=1+4+16)の画像ブロックが、ブロック分割処理が実行された後に取得される。
S205：ブロック分割処理が実行された各画像ブロックにローカルバイナリパターンLBPディスクリプタ抽出を実行し、各画像ブロックのLBPヒストグラムを取得する。
S206：各画像ブロックの前記LBPヒストグラムに基づいてブロック分割処理が実行された各画像ブロックの特徴ベクトルを抽出する。
特に、図3はローカルバイナリパターンLBPディスクリプタ抽出プロセスを示す概略図である。図3に示すように、いくつか(例えば、8つ)の隣接画素が、画像ブロックにおける各画素の周りに選択され、中心画素の濃淡値(4)が基準として使用される。中間画素の濃淡値よりも小さい濃淡値を有する隣接画素は、0に量子化され、かつ、中間画素の濃淡値よりも大きい又は等しい濃淡値を有する隣接画素は、1に量子化される。ついで、隣接画素の量子化された値は、特定の方向(例えば、時計回り方向)に基づいて連続に接続され、8ビットの二進数(11010011)を取得する。前記8ビットの二進数は、さらに、十進数(211)に変換され、かつ、前記10進数は中心画素に割り当てられる。前述の動作は、順番に、前記画像ブロックにおける全ての画素に対して実行され、画像ブロックのLBPダイアグラムが取得されかつ、前記ダイアグラムの各画素は、1つの十進数(0〜255)に対応する。そして、前記画像ブロックのLBPディスクリプタ抽出プロセスは、完了する。
前記画像ブロックのLBPヒストグラムはさらに、前述の取得されたLBPダイアグラムに基づいて取得され、前記LBPヒストグラムにおける水平座標は0〜255の範囲の整数を記載し、垂直座標は、LBPダイアグラムにおける水平座標の10進数値に対応する画素数を記載する。画像ブロックの特徴ベクトル(X1, Y1), (X2, Y2), …, (X255, Y255)は、LBPヒストグラムに基づいて抽出され、X1〜X255は、LBPヒストグラムにおける水平座標の値であり、Y1〜Y255は、LBPヒストグラムにおける水平座標に対応する垂直座標の値である。ブロック分割処理が実行された21の画像ブロックの特徴ベクトルは、前述の方法に基づいて各々抽出される。
S207：各画像ブロックの抽出された特徴ベクトルと、予め登録された顔画像に対応する画像ブロックの特徴ベクトルとの間の類似度マッチングを実行し、各画像ブロックの類似度を取得する。
特に、前記予め登録された顔画像はまた、前述のステップに基づいて取得され、かつ記憶される。S204に説明された実施例において、n=2, S=1を用いて、前記オリジナル顔画像と、ダウンサンプリングが2回実行された後に取得される画像とが21の画像ブロックに分割される。この場合、前記予め登録された顔画像はまた、21の画像ブロックに対応し、各画像ブロックは特徴ベクトルのグループに対応する。
ステップS206において取得された認識される顔画像の21の画像ブロックの特徴ベクトルと、前記予め登録された顔画像に対応する前記画像ブロックの特徴ベクトルとの間の類似度をマッチさせ(match)てもよく、認識される顔画像の各画像ブロックの類似度が取得される。
S208：全ての前記画像ブロックの間の取得された類似度に基づいて顔画像認識結果を取得する。
このステップにおいて、全ての前記画像ブロックの間で取得された類似度に重み付け統合計算が実行され、最終的な類似度が取得されてもよく、さらに前記顔画像認識結果は、前記最終的な類似度に基づいて取得される。特に重み付け統合は、ステップS207において取得され認識された顔画像における各画像ブロックの類似度に対して重み付け統合が実行され、つまり、重みが各画像ブロックに割り当てられ、各画像ブロックの類似度と対応する類似度との積が加算され、認識された顔画像と、前記予め登録された顔画像との間の最終的な類似度を取得する。前記重みの割り当ては特に、キーフェイスパーツ(例えば、眼、鼻、又は口等)が位置している画像ブロックにより大きい重みを割り当てるとともに、ノンキーフェイスパーツ(例えば、頬等)が位置している画像ブロックにより小さい重みを割り当ててもよく、全ての前記画像ブロックに対応する重みの合計は1である。
認識された顔画像と、前記予め登録された顔画像とが同一の人物に対応するかどうかを、前記取得された最終的な類似度が予め設定された閾値を超えるかどうかに基づいて決定されてもよく、その結果、人物のアイデンティティの認証を実行する。
随意に、ステップS207の前に、前記方法はさらに以下のステップを含んでもよい。そのステップは、各画像ブロックの前記抽出された特徴に対して、後処理(例えば、主性成分分析及び線形判別分析)を実行してもよく、各画像ブロックの前記特徴の寸法(dimension)を減少させ、次の類似度マッチングの識別を向上させる。
この実施形態において提供される顔認識方法はまた、他の生物学的特徴(例えば、指紋、虹彩、及び掌紋等)に基づく画像の認証に適用可能であることに留意すべきである。
この実施形態において提供される顔認識方法に基づいて、認識されたオリジナル顔画像に対して前処理が実行され、画像解析及び認証の結果を改善し、前記オリジナル顔画像に対してダウンサンプリングが実行され、サイズが前記オリジナル顔画像のサイズと異なっているダウンサンプリングされた画像を取得し、かつ、複数サイズの顔画像の特徴が抽出され、顔画像を描くための顔画像の特徴のキャパビリティを増加させ、前記ダウンサンプリングされた画像と、前処理されたオリジナル顔画像とに対してブロック分割処理が実行され、ブロック分割処理が実行された後に取得される全ての前記画像ブロックの間の類似度に基づいて顔画像認識結果が取得され、顔画像認識の正確さを向上させる。
図4は、本発明に基づく顔認識デバイスの実施形態の概略構造図である。図4に示されるように、この実施形態において提供される顔認識デバイス40は特に、前述の顔認識方法を実行することを目的とし、詳細には、取得モジュール41と、サンプリングモジュール42と、処理モジュール43と、抽出モジュール44と、マッチングモジュール45と、認識モジュール46とを含む。
前記取得モジュール41は、認識されたオリジナル顔画像を取得するように構成される。
前記サンプリングモジュール42は、前記オリジナル顔画像に対してダウンサンプリングを実行するように構成され、サイズが前記オリジナル顔画像のサイズと異なる少なくとも1つのダウンサンプリングされた画像を取得する。さらに、特に前記オリジナル顔画像に対してn回のダウンサンプリングを実行し、異なるサイズのn個のダウンサンプリングされた画像を取得するように構成されてもよく、異なるサイズの前記n個のダウンサンプリングされた画像のサイズは、それぞれ前記オリジナル顔画像の前記サイズの1/4mであり、nは自然数であり、かつmはn+1よりも小さい自然数である。特に、前記画像ダウンサンプリングは、画像の表示、記憶、及び/又は送信のために、画像の解像度を減少させる技術である。この実施形態において、前記サンプリングモジュール42は、例えば、最近傍補間法及びバイリニア補間法のような補間方法である様々な既存のダウンサンプリング方法を使用してもよく、取得モジュール41によって取得された前記オリジナル顔画像に対してn(n=1, 2, 3, …)回のダウンサンプリングを実行し、かつサイズがそれぞれ前記オリジナル顔画像の前記サイズの1/4, 1/42, …, 1/4nであるn個のダウンサンプリングされた画像を取得する。n=2を一例として使用し、前記オリジナル顔画像の前記サイズがWxHであると仮定し、かつサンプリングモジュール42は、前記オリジナル顔画像に対して2回のダウンサンプリングを実行し、より小さいサイズの2つのダウンサンプリングされた画像を取得し、前記2つのダウンサンプリングされた画像のサイズは、それぞれ前記オリジナル顔画像の前記サイズの1/4及び1/16であり、つまり、それらのサイズはそれぞれ(W/2)x(H/2)と(W/4)x(H/4)である。
前記処理モジュール43は、各ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行するように構成され、ブロック分割処理が実行された少なくとも2つの画像ブロックを取得する。さらに特に、前記オリジナル顔画像の前記サイズの1/(Sx4n)に基づいて各ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行し、ブロック分割処理が実行された少なくとも2つの画像ブロックを取得するように構成されてもよく、Sは自然数である。
特に、前記処理モジュール43は、前記オリジナル顔画像の前記サイズの1/4n, 1/(2x4n), 1/(3x4n), …,つまり、ダウンサンプリングを介してサンプリングモジュール42によって取得された最小サイズのダウンサンプリングされた画像のサイズ、又は前記最小サイズのダウンサンプリングされた画像のサイズよりも小さいサイズに基づいて前記ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行することができる。一例としてn=2及びS=1を使用して、前記オリジナル顔画像の前記サイズがWxHであると仮定し、処理モジュール43は、前記オリジナル顔画像の前記サイズの1/42、つまり、最小サイズ(W/4)x(H/4)の前記ダウンサンプリングされた画像のサイズに基づいてダウンサンプリングを介してサンプリングモジュール42によって取得された2つのダウンサンプリングされた画像と、前記オリジナル顔画像とに対してブロック分割処理が実行され、ブロック分割処理を実行した後に21(=1+4+16)の画像ブロックを取得する。
前記抽出モジュール44は、前記画像ブロックの特徴を取得するためにブロック分割処理が実行された前記画像ブロックの特徴を抽出するように構成され、さらに各画像ブロックのLBPヒストグラムを取得するためにブロック分割処理が実行された各画像ブロックにローカルバイナリパターンLBPディスクリプタ抽出を実行するとともに、各画像ブロックの前記LBPヒストグラムに基づいてブロック分割処理が実行された各画像ブロックの特徴ベクトルを抽出するように構成されてもよい
前記抽出モジュール44は特に、ブロック分割処理が実行された後に取得された各画像ブロックにLBPディスクリプタ抽出を実行し、各画像ブロックのLBPダイアグラムを取得し、さらに、前記取得されたLBPダイアグラムに基づいて各画像ブロックの前記LBPヒストグラムを取得し、前記取得されたLBPヒストグラムに基づいて各画像ブロックの特徴ベクトルを抽出する。具体的なプロセスの詳細については、図2に示される実施形態のステップS206の関連する記載を参照されたく、ここに加えて記載しない。
前記マッチングモジュール45は、各画像ブロックの前記抽出された特徴と、予め登録された顔画像に対応する画像ブロックの特徴との間に類似度マッチングを実行するように構成され、各画像ブロックの類似度を取得する。
前記予め登録された顔画像はまた特に、前述の解決策に基づいて取得され、かつ記憶される。一実施例としてn=2及びS=1を使用して、前記オリジナル顔画像は16の画像ブロックに分割され、さらにダウンサンプリングが2回実行された後に取得される画像は4つの画像ブロックと、1つの画像ブロックとにそれぞれ分割される。この場合、前記予め登録された顔画像はまた、21の画像ブロックに対応し、さらに各画像ブロックは特徴ベクトルのグループに対応する。
前記マッチングモジュール45は、前記抽出モジュール44によって抽出され認識される顔画像の21の画像ブロックの特徴ベクトルと、前記予め登録された顔画像に対応する画像ブロックの特徴ベクトルとの間の類似度マッチングを実行し、認識される顔画像の中の各画像ブロックの類似度を取得する。
前記認識モジュール46は、全ての前記画像ブロックの間の取得された類似度に基づいて顔画像認識結果を取得するように構成される。
前記認識モジュール46は、全ての前記画像ブロックの間に取得された類似度に対して重み付け統合計算を実行し、最終的な類似度を取得してもよく、前記最終的な類似度に基づいて、顔画像認識結果を取得する。特に、前記認識モジュール46は、マッチングモジュール45によって取得された認識された顔画像における各画像ブロックの類似度に重み付け統合を実行する。つまり、各画像ブロックに重みを割り当てるともともに、各画像ブロックの類似度と、対応する重みとの積を加算し、認識された顔画像と、前記予め登録された顔画像との間の最終的な類似度を取得する。前記重みを割り当てることは、特に、キーフェイスパーツ(例えば、眼、鼻、又は口等)が位置している画像ブロックにはより大きい重みが割り当て、ノンキーフェイスパーツ(例えば、頬など)が位置している画像ブロックにはより小さい重みが割り当てられる。さらに全ての前記画像ブロックに対応する重みの合計は1である。
前記認識モジュール46は、前記取得された最終的な類似度が予め設定された閾値を超えるか否かに基づいて、認識された顔画像及び前記予め登録された顔画像が同一人物に対応するか否かを決定し、その結果、人物のアイデンティティの認証を実行する。
随意、前記サンプリングモジュール42はさらに、前記オリジナル顔画像に対するダウンサンプリングを実行する前に、前記オリジナル顔画像に対してヒストグラム均等化処理を実行するように構成されてもよい。
特に、前記ヒストグラム均等化は、画像エンハンスメントのための方法であり、かつ、画像の輝度及びコントラストを高めるために使用され、画質を改善し、画像のキーパーツのヒエラルキーのセンス(sense)を増加させ、かつ画像解析及び認証の結果を改善する。
随意に、前記マッチングモジュール45はさらに、各画像ブロックの前記抽出された特徴と、前記予め登録された顔画像に対応する画像ブロックの特徴との間に類似度マッチングを実行する前に、前記抽出モジュール44によって抽出された各画像ブロックの前記特徴に対して後処理(例えば、主性成分分析及び線形判別分析)を実行するように構成されてもよく、各画像ブロックの前記特徴の寸法を減少させ、次の類似度マッチングでの識別を向上させる。
この実施形態において提供される前記顔認識デバイス40は、他の生物学的特徴(例えば、指紋、虹彩、及び掌紋等)に基づいた画像の認証も可能であることは留意すべきである。
この実施形態において提供される前記顔認識デバイスに基づいて、認識されたオリジナル顔画像に対して前処理が実行され、画像解析及び認証の結果を改善させる。前記オリジナル顔画像に対してダウンサンプリングが実行され、サイズが前記オリジナル顔画像のサイズと異なっているダウンサンプリングされた画像を取得し、かつ、複数サイズの顔画像の特徴が抽出され、顔画像を描くための顔画像の特徴のキャパビリティを増加させる。前記ダウンサンプリングされた画像と、前処理されたオリジナル顔画像とに対してブロック分割処理が実行され、かつ、ブロック分割処理が実行された後に取得された全ての前記画像ブロックの間の類似度に基づいて顔画像認識結果が取得され、顔画像認識の正確さを増加させる。
図5は、顔認識デバイス 本発明に基づく別の実施形態の概略的構造図である。図5に示されているように、この実施形態において提供される顔認識デバイスは、メモリ51及びプロセッサ52を含んでいる。随意に、前記顔認識デバイスはさらに、オリジナル顔画像を取得するために例えばカメラのようなモジュールを含む。前記メモリ51は、ハイスピードRAMメモリを含んでもよく、さらに例えば少なくとも1つのディスクメモリである不揮発性メモリ(non-volatile memory)を含んでもよい。随意に、前記メモリ51は、少なくとも1つの記憶装置を含んでもよい。前記メモリ51は実行命令を記憶する。前記顔認識デバイスが動作するとき、前記プロセッサ52は、前記メモリ51と通信するとともに、前記プロセッサ52は命令を実行し、顔認識デバイスが図1又は図2のいずれかの実施形態において提供される顔認識方法を実行することができる。
この実施形態において提供されるプロセッサは、集積回路であってもよく、かつ、信号処理能力を有する。実行の間、前述の方法の全てのステップは、ハードウェアの集積論理回路又はプロセッサ内のソフトウェア形態の命令によって完成されてもよい。前述のプロセッサは、汎用プロセッサ、デジタル信号プロセッサ(DSP)、特定用途向け集積回路(ASIC)、フィールド・プログラマブル・ゲート・アレイ(FPGA)、又は他のプログラマブル論理デバイス、ディスクリートゲート又はトランジスタ論理デバイス、及びディスクリートハードウェアコンポーネントであってもよく、本発明の実施形態に開示されている方法、ステップ、又は論理的なフレームワークを実装又は実行できる。前述のプロセッサは、マイクロプロセッサであってもよく、又は前記プロセッサは任意の既存のプロセッサ等であってもよい。本発明の実施形態を参照して開示された方法のステップは、ハードウェアプロセッサによって直接的に実行されてもよく、又はプロセッサ内のハードウェア及びソフトウェアモジュールの組み合わせによって実行されてもよい。前記ソフトウェアモジュールは、ランダムメモリ、フラッシュメモリ、読み出し専用メモリ、プログラマブル読み出し専用メモリ、電気的消去可能プログラマブルメモリ、又はレジスタのような、技術分野において成熟した記憶媒体に配置することができる。前記記憶媒体は、前記メモリに配置される。前記プロセッサは、メモリ内の情報を読み、プロセッサのハードウェアと組み合わせて前述の方法のステップを実行する。
本発明の実施形態はさらにチップを提供し、前記チップは顔認識処理を実行するように構成され、さらに前記チップは前述のプロセッサを含んでもよい。
この実施形態において提供される顔認識デバイスはまた、他の生物学的特徴(例えば、指紋、虹彩、及び掌紋等)に基づく画像の認証に適用可能であることは留意すべきである。
この実施形態において提供される顔認識デバイスに基づいて、プロセッサ52は、メモリ51に記憶された命令を実行し、認識されたオリジナル顔画像に対して前処理を実行し、画像解析及び認証の結果を改善させ、前記オリジナル顔画像に対してダウンサンプリングを実行し、サイズが前記オリジナル顔画像のサイズと異なっているダウンサンプリングされた画像を取得し、複数サイズの顔画像の特徴を抽出し、顔画像を描くための顔画像の特徴のキャパビリティを増加させ、前記ダウンサンプリングされた画像及び前記前処理されたオリジナル顔画像に対してブロック分割処理を実行し、ブロック分割処理が実行された後に取得された全ての前記画像ブロックの間の類似度に基づく顔画像認識結果を取得し、顔画像認識の正確さを増加させる。
当業者は、方法の実施形態の全て又は一部のステップは、関連するハードウェアに命令するプログラムによって実装されてもよいことは理解できる。前記プログラムは、コンピュータ可読記憶媒体に記憶されてもよい。プログラムが動作するとき、前記方法の実施形態のステップが実行される。前述の記憶媒体は、例えばROM、RAM、磁気ディスク、又は光学ディスクのような、プログラムコードを記憶可能な任意の媒体を含む。
最後に、留意すべきは、前述の実施形態は、本発明を限定するというよりはむしろ、単に本発明の技術的解決策を説明することを意図しているだけである。本発明は、前述の実施形態を参照して詳細に説明されたが、当業者は、前述の実施形態に説明された技術的解決策にさらに修正をすること、又は、その一部又は全ての技術的特徴に対して均等置換を行うことが、本発明の実施形態の技術的解決策の範囲から逸脱することなく、そのような修正又は置換が対応する技術的解決策の本質を発生させないで、可能であることは理解すべきである。
４０ 顔認識デバイス
４１ 取得モジュール
４２ サンプリングモジュール
４３ 処理モジュール
４４ 抽出モジュール
４５ マッチングモジュール
４６ 認識モジュール
５１ メモリ
５２ プロセッサ
従来技術に対する本発明の実施形態の技術的解決策をより明瞭に説明するために、実施形態又は従来技術を説明するために必要な添付図面を、以下に簡潔に説明する。以下の説明における添付図面は、本発明のいくつかの実施形態を示しており、当業者は、創造的努力なしでこれらの添付図面からさらに他の図面を導き出すことが可能であることは明らかである。

Claims (13)

  1. 顔認識方法であって、
    認識されるオリジナル顔画像を取得するステップと、
    サイズが前記オリジナル顔画像のサイズと異なる少なくとも1つのダウンサンプリングされた画像を取得するために、前記オリジナル顔画像に対してダウンサンプリングを実行するステップと、
    ブロック分割処理が実行された少なくとも2つの画像ブロックを取得するために、各ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行するステップと、
    前記画像ブロックの特徴を取得するために、ブロック分割処理が実行された前記画像ブロックの特徴を抽出するステップと、
    各画像ブロックの類似度を取得するために各画像ブロックの前記特徴と、予め登録された顔画像に対応する画像ブロックの特徴との間の類似度マッチングを実行するステップと、
    全ての前記画像ブロックの間の取得された類似度に基づいて顔画像認識結果を取得するステップと
    を含む顔認識方法。
  2. サイズが前記オリジナル顔画像のサイズと異なる少なくとも1つのダウンサンプリングされた画像を取得するために、前記オリジナル顔画像に対してダウンサンプリングを実行するステップは、
    異なるサイズのn個のダウンサンプリングされた画像を取得するために、前記オリジナル顔画像に対してn回のダウンサンプリングを実行するステップを含み、異なるサイズの前記n個のダウンサンプリングされた画像の前記サイズは、それぞれ前記オリジナル顔画像の前記サイズの1/4mであり、nは自然数であり、かつmはn+1よりも小さい自然数である、請求項１に記載の方法。
  3. 各ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行する前記ステップは、
    前記オリジナル顔画像の前記サイズの1/(Sx4n)に基づいて各ダウンサンプリングされた画像と、前記オリジナル顔画像と、に対してブロック分割処理を実行するステップを含み、Sは自然数である、請求項２に記載の方法。
  4. Sは1と等しく、かつnは2と等しい、請求項３に記載の方法。
  5. 前記画像ブロックの特徴を取得するために、ブロック分割処理が実行された前記画像ブロックの特徴を抽出する前記ステップは、
    各画像ブロックのLBPヒストグラムを取得するために、ブロック分割処理が実行された各画像ブロックにローカルバイナリパターンLBPディスクリプタ抽出を実行するステップと、
    各画像ブロックの前記LBPヒストグラムに基づいてブロック分割処理が実行された各画像ブロックの特徴ベクトルを抽出するステップと
    を含む請求項１〜４のいずれか一項に記載の方法。
  6. 前記オリジナル顔画像に対してダウンサンプリングを実行する前記ステップの前に、前記オリジナル顔画像に対してヒストグラム均等化前処理を実行するステップをさらに含む、請求項１〜５のいずれか一項に記載の方法。
  7. 顔認識デバイスであって、
    認識されたオリジナル顔画像を取得するように構成された取得モジュールと、
    サイズが前記オリジナル顔画像のサイズと異なる少なくとも1つのダウンサンプリングされた画像を取得するために、前記オリジナル顔画像に対してダウンサンプリングを実行するように構成されたサンプリングモジュールと、
    ブロック分割処理が実行された少なくとも2つの画像ブロックを取得するために、各ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行するように構成された処理モジュールと、
    前記画像ブロックの特徴を取得するために、ブロック分割処理が実行された前記画像ブロックの特徴を抽出するように構成された抽出モジュールと、
    各画像ブロックの類似度を取得するために、各画像ブロックの前記特徴と、予め登録された顔画像に対応する画像ブロックの特徴との間の類似度マッチングを実行するように構成されたマッチングモジュールと、
    全ての前記画像ブロックの間の取得された類似度に基づいて顔画像認識結果を取得するように構成された認識モジュールと
    を含む顔認識デバイス。
  8. 前記サンプリングモジュールは特に、
    異なるサイズのn個のダウンサンプリングされた画像を取得するために、前記オリジナル顔画像に対してn回のダウンサンプリングを実行するように構成され、
    異なるサイズの前記n個のダウンサンプリングされた画像の前記サイズは、それぞれ前記オリジナル顔画像の前記サイズの1/4mであり、nは自然数であり、かつmはn+1よりも小さい自然数である、請求項７に記載のデバイス。
  9. 前記処理モジュールは特に、
    前記オリジナル顔画像の前記サイズの1/(Sx4n)に基づいて各ダウンサンプリングされた画像及び前記オリジナル顔画像に対してブロック分割処理を実行するように構成され、Sは自然数である、請求項８に記載のデバイス。
  10. Sは1と等しく、かつnは2と等しい請求項９に記載のデバイス。
  11. 前記抽出モジュールは特に、
    各画像ブロックのLBPヒストグラムを取得するために、ブロック分割処理が実行された各画像ブロックにローカルバイナリパターンLBPディスクリプタ抽出を実行し、かつ、
    各画像ブロックの前記LBPヒストグラムに基づいてブロック分割処理が実行された各画像ブロックの特徴ベクトルを抽出するように構成される、請求項７〜１０のいずれか一項に記載のデバイス。
  12. 前記サンプリングモジュールはさらに、
    前記オリジナル顔画像に対してダウンサンプリングを実行する前に、前記オリジナル顔画像に対してヒストグラム均等化処理を実行するように構成された、請求項７〜１１のいずれか一項に記載のデバイス。
  13. メモリ及びプロセッサを含む顔認識デバイスであって、
    前記メモリは、実行命令を記憶するように構成され、前記顔認識デバイスが動作するとき、前記プロセッサは前記メモリと通信し、かつ、前記プロセッサは前記実行命令を実行し、前記顔認識デバイスは、請求項１〜６のいずれか一項に記載の方法を実行することが可能である、顔認識デバイス。
JP2015506094A 2013-03-19 2013-09-25 顔認識方法及びデバイス Pending JP2015513754A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201310088469.0 2013-03-19
CN2013100884690A CN103150561A (zh) 2013-03-19 2013-03-19 人脸识别方法和设备
PCT/CN2013/084159 WO2014146415A1 (zh) 2013-03-19 2013-09-25 人脸识别方法和设备

Publications (1)

Publication Number Publication Date
JP2015513754A true JP2015513754A (ja) 2015-05-14

Family

ID=48548624

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015506094A Pending JP2015513754A (ja) 2013-03-19 2013-09-25 顔認識方法及びデバイス

Country Status (6)

Country Link
US (1) US9405969B2 (ja)
EP (1) EP2835762B1 (ja)
JP (1) JP2015513754A (ja)
KR (1) KR20140127199A (ja)
CN (1) CN103150561A (ja)
WO (1) WO2014146415A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021508123A (ja) * 2017-12-26 2021-02-25 ベイジン センスタイム テクノロジー デベロップメント カンパニー， リミテッド リモートセンシング画像認識方法、装置、記憶媒体及び電子機器

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150561A (zh) * 2013-03-19 2013-06-12 华为技术有限公司 人脸识别方法和设备
MY187577A (en) 2013-11-30 2021-09-30 Beijing Sensetime Tech Development Co Ltd Method and system for recognizing faces
CN104751108B (zh) * 2013-12-31 2019-05-17 汉王科技股份有限公司 人脸图像识别装置和人脸图像识别方法
CN104899820B (zh) * 2014-03-11 2018-11-20 腾讯科技（北京）有限公司 为图像添加标签的方法、系统和装置
KR102450971B1 (ko) * 2015-05-08 2022-10-05 삼성전자주식회사 객체 인식 장치 및 방법
CN105631285A (zh) * 2015-09-28 2016-06-01 宇龙计算机通信科技(深圳)有限公司 一种生物特征身份识别方法及装置
US9830506B2 (en) * 2015-11-09 2017-11-28 The United States Of America As Represented By The Secretary Of The Army Method of apparatus for cross-modal face matching using polarimetric image data
WO2017106996A1 (zh) * 2015-12-21 2017-06-29 厦门中控生物识别信息技术有限公司 一种人脸识别的方法以及人脸识别装置
KR20180053108A (ko) 2016-11-11 2018-05-21 삼성전자주식회사 홍채 영역 추출 방법 및 장치
US10609383B2 (en) * 2017-04-07 2020-03-31 Hulu, LLC Video compression using down-sampling patterns in two phases
CN107133590B (zh) * 2017-05-04 2018-09-21 上海天使印记信息科技有限公司 一种基于人脸图像的身份识别系统
US20190007536A1 (en) * 2017-07-03 2019-01-03 Essential Products, Inc. Handheld writing implement form factor mobile device
US10462345B2 (en) 2017-08-11 2019-10-29 Essential Products, Inc. Deformable structure that compensates for displacement of a camera module of a camera accessory
CN107563336A (zh) * 2017-09-07 2018-01-09 廖海斌 用于名人匹配游戏的人脸相似度分析方法、装置和系统
CN110059520B (zh) * 2018-01-18 2024-04-09 京东科技控股股份有限公司 虹膜特征提取的方法、装置及虹膜识别系统
CN108921084A (zh) * 2018-06-29 2018-11-30 努比亚技术有限公司 一种图像分类处理方法、移动终端及计算机可读存储介质
CN108985224A (zh) * 2018-07-13 2018-12-11 江苏慧学堂系统工程有限公司 一种提升人脸识别准确率的方法和人脸识别系统
CN109543579A (zh) * 2018-11-14 2019-03-29 杭州登虹科技有限公司 一种图像中目标对象的识别方法、装置和存储介质
US20220094846A1 (en) * 2019-01-31 2022-03-24 Huawei Technologies Co., Lid. Method for selecting image based on burst shooting and electronic device
CN109829448B (zh) * 2019-03-07 2021-05-28 苏州市科远软件技术开发有限公司 人脸识别方法、装置及存储介质
CN110298249A (zh) * 2019-05-29 2019-10-01 平安科技（深圳）有限公司 人脸识别方法、装置、终端及存储介质
CN110321858B (zh) * 2019-07-08 2022-06-14 北京字节跳动网络技术有限公司 视频相似度确定方法、装置、电子设备及存储介质
CN110807139B (zh) * 2019-10-23 2023-09-01 腾讯科技（深圳）有限公司 图片识别方法、装置、计算机可读存储介质和计算机设备
CN111079670B (zh) * 2019-12-20 2023-11-03 北京百度网讯科技有限公司 人脸识别方法、装置、终端和介质
CN111507304B (zh) * 2020-04-29 2023-06-27 广州市百果园信息技术有限公司 自适应刚性先验模型训练方法、人脸跟踪方法及相关装置
CN111814535B (zh) * 2020-05-20 2024-05-07 平安科技（深圳）有限公司 掌纹图像的识别方法、装置、设备及计算机可读存储介质
CN112488062B (zh) * 2020-12-18 2023-04-07 浙江大华技术股份有限公司 一种图像识别方法、装置、设备及介质
CN113449708B (zh) * 2021-08-31 2022-01-07 深圳市爱深盈通信息技术有限公司 人脸识别方法、装置、设备终端和可读存储介质
CN115457644B (zh) * 2022-11-10 2023-04-28 成都智元汇信息技术股份有限公司 一种基于扩展空间映射获得目标的识图方法及装置
CN117333928B (zh) * 2023-12-01 2024-03-22 深圳市宗匠科技有限公司 一种人脸特征点检测方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN102136062A (zh) * 2011-03-08 2011-07-27 西安交通大学 一种基于多分辨lbp的人脸检索方法
JP2012084112A (ja) * 2010-10-08 2012-04-26 Micro-Star Internatl Co Ltd ノイズ及び環境による影響を抑制することが可能な顔認識方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6697504B2 (en) * 2000-12-15 2004-02-24 Institute For Information Industry Method of multi-level facial image recognition and system using the same
CN100423020C (zh) * 2006-12-15 2008-10-01 中山大学 一种基于结构主元分析的人脸识别方法
CN101079104A (zh) * 2007-06-14 2007-11-28 上海交通大学 基于切信息的人脸识别方法
US8064653B2 (en) * 2007-11-29 2011-11-22 Viewdle, Inc. Method and system of person identification by facial image
KR101033098B1 (ko) 2009-02-09 2011-05-06 성균관대학교산학협력단 실시간 얼굴 검출 장치
KR20100102949A (ko) 2009-03-12 2010-09-27 한국전자통신연구원 블록 단위 기반 얼굴 인식 방법 및 그 장치
US20120213419A1 (en) * 2011-02-22 2012-08-23 Postech Academy-Industry Foundation Pattern recognition method and apparatus using local binary pattern codes, and recording medium thereof
CN102163283B (zh) * 2011-05-25 2012-08-29 电子科技大学 一种基于局部三值模式的人脸特征提取方法
CN102799870B (zh) * 2012-07-13 2015-07-29 复旦大学 基于分块一致lbp和稀疏编码的单训练样本人脸识别方法
CN103150561A (zh) * 2013-03-19 2013-06-12 华为技术有限公司 人脸识别方法和设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
JP2012084112A (ja) * 2010-10-08 2012-04-26 Micro-Star Internatl Co Ltd ノイズ及び環境による影響を抑制することが可能な顔認識方法
CN102136062A (zh) * 2011-03-08 2011-07-27 西安交通大学 一种基于多分辨lbp的人脸检索方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021508123A (ja) * 2017-12-26 2021-02-25 ベイジン センスタイム テクノロジー デベロップメント カンパニー， リミテッド リモートセンシング画像認識方法、装置、記憶媒体及び電子機器
JP7080978B2 (ja) 2017-12-26 2022-06-06 ベイジン センスタイム テクノロジー デベロップメント カンパニー， リミテッド リモートセンシング画像認識方法、装置、記憶媒体及び電子機器

Also Published As

Publication number Publication date
US20140334736A1 (en) 2014-11-13
CN103150561A (zh) 2013-06-12
KR20140127199A (ko) 2014-11-03
US9405969B2 (en) 2016-08-02
EP2835762A4 (en) 2015-02-11
EP2835762A1 (en) 2015-02-11
WO2014146415A1 (zh) 2014-09-25
EP2835762B1 (en) 2018-06-27

Similar Documents

Publication Publication Date Title
JP2015513754A (ja) 顔認識方法及びデバイス
JP6778247B2 (ja) 眼球血管および顔認識のための画像および特徴品質、画像強化および特徴抽出、ならびにバイオメトリックシステムのための眼球血管と顔領域および／またはサブ顔領域との融合
US10726244B2 (en) Method and apparatus detecting a target
CN111814574B (zh) 应用双分支三维卷积模型的人脸活体检测系统、终端及存储介质
RU2697646C1 (ru) Способ биометрической аутентификации пользователя и вычислительное устройство, реализующее упомянутый способ
CN111814194B (zh) 基于隐私保护的图像处理方法、装置和电子设备
WO2015149534A1 (zh) 基于Gabor二值模式的人脸识别方法及装置
US20120213422A1 (en) Face recognition in digital images
US9239948B2 (en) Feature descriptor for robust facial expression recognition
TW202111498A (zh) 指紋識別方法、晶片及電子裝置
CN110378301B (zh) 行人重识别方法及系统
US8103058B2 (en) Detecting and tracking objects in digital images
CN109829448A (zh) 人脸识别方法、装置及存储介质
EP4085369A1 (en) Forgery detection of face image
CN110245621B (zh) 人脸识别装置及图像处理方法、特征提取模型、存储介质
CN103761515B (zh) 一种基于lbp的人脸特征提取方法及装置
CN109416734B (zh) 用于虹膜图像编码的自适应量化方法
CN114519877A (zh) 人脸识别方法、人脸识别装置、计算机设备及存储介质
CN112712468A (zh) 虹膜图像超分辨率重建方法及计算设备
CN115116111B (zh) 抗扰动人脸活体检测模型训练方法、装置及电子设备
Kumar et al. Face recognition with frame size reduction and DCT compression using PCA algorithm
CN115984977A (zh) 活体检测方法和系统
CN112001285B (zh) 一种美颜图像的处理方法、装置、终端和介质
WO2020248789A1 (en) Method and system for facial landmark detection using facial component-specific local refinement
US10438061B2 (en) Adaptive quantization method for iris image encoding

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20140328

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140328

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150728

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20151005

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20151110