JP2017506379A5 - - Google Patents

Description

本開示は、個人の顔の３次元（３Ｄ）モデルを、個人の異なる画像に基づいて決定するステップを含む方法を提供する。この方法はまた、顔の異なる姿勢に対応する３Ｄモデルから複数の２次元（２Ｄ）パッチを抽出するステップを含む。さらに、この方法は、複数の２Ｄパッチの異なる組合せを使用して顔の複数の特徴部分であるシグニチャを生成するステップを含み、複数のシグニチャは、異なる角度からの３Ｄモデルのそれぞれの見え方に対応する。

追加として、本開示は、プロセッサと、記憶システムと、プロセッサによる実行のためにコンピュータ可読ハードウェア記憶デバイス上に記憶されたプログラム命令とを含む顔面認識システムを提供する。プログラム命令は、個人の顔の３次元（３Ｄ）モデルを、個人の異なる画像に基づいて決定するプログラム命令を含む。プログラム命令はまた、顔の異なる姿勢に対応する３Ｄモデルから複数の２次元（２Ｄ）パッチを抽出するプログラム命令を含む。さらに、プログラム命令は、複数の２Ｄパッチの異なる組合せを使用して顔の複数の特徴部分であるシグニチャを生成するプログラム命令を含み、複数のシグニチャは、異なる角度からの３Ｄモデルのそれぞれの見え方に対応する。

本開示は、表現情報内の画像を認識するシステムおよび方法に関し、より詳細には、顔面認識に関する。本開示の態様によれば、このシステムおよび方法を使用して、個人の顔の属性ベース表現に基づいて画像内で個人を認識することができる。属性ベース表現は、画像から抽出された２Ｄパッチおよび個人の顔を意味的に特徴付ける属性（例えば、性別、年齢、民族性など）を使用して決定されるマルチビュー確率的弾性部分（「マルチビューＰＥＰ」）シグニチャを含む。マルチビューＰＥＰシグニチャは、３Ｄモデルから抽出された２Ｄ顔パッチから構築される属性特有ＰＥＰモデルを使用して決定される。ＰＥＰモデルとは、局所的空間的外観特徴に基づくガウス混合モデルである。３Ｄモデルは、写真、ビデオ、および／またはスケッチ内の個人の画像から得られる顔の異なる姿勢から構築される。有利には、属性ベース表現は、視点、照射、加齢、および表情のために個人の顔で生じる幾何学上、構造上、かつ測光上の変動性を補償しながら、個人の顔を他の顔から一意的に判別するために使用することができる変動しない特徴を保護する。

本発明の態様によれば、属性ベース表現は、ベースとする顔の特徴（例えば、加齢、姿勢、照射、および表情）を正規化する。属性ベース表現および特徴は、相互依存することができ、属性ベース表現のパラメータは、正規化に使用されるモデルに強く影響し、逆も同様である。したがって、属性ベース表現は、部分表現に対応するパラメータの集合に対して繰返し最適化することによって決定される。

図１は、本開示の態様による方法およびシステムを実施する例示的な環境１００である。環境１００は、顔面認識システム１０５および画像ソース１１０を含む。本開示の態様によれば、顔面認識システム１０５は、個人の画像を含む様々な表現情報（例えば、静止画、動画、ビデオ、図面など）を摂取（例えば、取得）し、顔面認識のための個人の顔のモデル（例えば、ＰＥＰモデル）を生成するシステムである。このシステムは、モデルから情報を抽出し、抽出した情報を使用して、他の表現情報内で個人を認識する。画像ソース１１０は、ビデオ、写真、ピクチャなどの画像データを捕捉および／または記憶するデバイスまたはシステムである。実施形態では、画像ソース１１０は、表現情報データベースである。追加または別法として、画像ソース１１０は、１つまたは複数の画像センサ（例えば、カメラ）である。

記憶システム１３５は、情報およびプログラム命令を記憶するコンピュータ可読不揮発性ハードウェア記憶デバイスを備えることができる。例えば、記憶システム１３５は、１つまたは複数のフラッシュ・ドライブおよび／またはハード・ディスク・ドライブとすることができる。本開示の態様によれば、記憶デバイス１３５は、画像データベース１３６、領域知識データベース１３７、およびモデル・データベース１３８を含む。画像データベース１３６は、画像ソース１１０から取得した表現情報を記憶することができる。領域知識データベース１３７は、表現情報からの意味情報（例えば、性別、民族性、年齢、顔の形状、皮膚タイプ、顔面特徴など）を抽出し、顔をモデル化するために適用することができる所定のモデルおよび人体測定情報（例えば、異なる性別、民族性、および年齢に対応する形状、特徴、釣り合い、筋肉組織、および肌理）の集まりを含む。モデル・データベース１３８は、個人の３Ｄ顔モデルと、３Ｄ顔モデルから抽出された２Ｄパッチと、属性ベース表現を含む抽出された属性とを含む。

本開示の実施形態によれば、摂取モジュール１５１は、演算デバイス１３０に、画像ソース１１０からの表現情報を取得させ、表現情報内に含まれる画像を改善させる（例えば、解像度、ぼけ、およびコントラストを改善させる）。追加として、摂取モジュール１５１は、演算デバイスに、画像内の顔を検出および追跡させる（例えば、顔および目検出アルゴリズムを使用する）。

モデル化モジュール１５５は、演算デバイス１３０に、個人の顔の３Ｄモデルを作成または決定させる。本開示の態様によれば、３Ｄモデルは、３Ｄ姿勢（例えば、ヨーおよびピッチの量子化された空間）のすべての変動に対して生成される姿勢認識確率的弾性部分（ＰＥＰ）ベースのモデルであり、変動する視野および照明条件下で広範囲の媒体モダリティに見られる顔の形状、肌理、およびダイナミクスを簡潔に符号化する。追加として、本開示の態様によれば、モデル化モジュール１５５は、３Ｄモデルを再照明し、３Ｄモデル内で捕捉された顔面表情を中性化し、３Ｄモデルによって表現される個人の年齢を修正し、３Ｄモデルに関連付けられた顔面の装飾および遮蔽を補償することができる。さらに、モデル化モジュールは、領域知識（例えば、領域知識データベース１３７内）を使用して、３Ｄモデルから欠けている情報（例えば、皮膚の肌理および遮蔽されたパッチ）を埋めることができる。

抽出モデル１５９は、コンピュータ・デバイスに、２Ｄパッチを使用するマルチビューＰＥＰ顔シグニチャと、様々な人口層（例えば、民族性、性別、年齢層など）を特徴付ける意味属性とを生成させる。本開示の態様によれば、抽出モデルは、複数の姿勢からの３Ｄモデルからの投影図から２Ｄパッチを決定する。これらの姿勢は、３Ｄモデルの直視（例えば、正面図からゼロのピッチおよびゼロのヨー）に対して、ピッチ（例えば、−１０度〜＋１０度）およびヨー（例えば、−１０度〜＋１０度）を有する複数の事前定義された視野角範囲内とすることができる。これらの投影図を組み合わせて、姿勢に対応する密に重複する２Ｄ顔パッチから、マルチビューＰＥＰシグニチャを提供する。言い換えれば、それぞれのマルチビューＰＥＰ顔シグニチャ内に含まれるデータ量は、利用可能な表現情報の品質および／または数量とともに変化しない。したがって、マルチビューＰＥＰ顔シグニチャは、追加の画像からの情報を組み込むことによって、表現のサイズを増大させることなく、漸増的に改良することができる。

追加として、本開示の態様によれば、抽出モジュール１５９は、それぞれのマルチビューＰＥＰ顔シグニチャに対する不確実性メトリックを決定する。不確実性メトリックは、それぞれのマルチビューＰＥＰ顔シグニチャ内で２Ｄパッチの品質を特徴付ける。抽出モジュール１５９は、３Ｄモデルから導出することができる「顔のような」測度を使用して演算される不確実性メトリックを決定する。例えば、このメトリックは、特定のマルチビューＰＥＰ顔シグニチャに対応するパッチのうち、顔以外の部分を含む割合に対応することができる。

整合モジュール１６３は、演算デバイスに、モデル化モジュール１５５によって決定される個人の顔の属性ベース表現に基づいて、顔画像が個人の画像にマッチするかどうかを判定させる。本開示の態様によれば、マッチ（整合）は、マルチビュー確率的弾性部分（「マルチビューＰＥＰ」）シグニチャの各構成要素に対して決定される不確実性メトリックに基づいて行われる。追加として、本開示の態様によれば、整合モジュール１６３は、領域適応を使用して、撮像モダリティにわたってマルチビューＰＥＰ顔シグニチャをマッチさせる。実施形態では、モダリティは、とりわけＲＧＢスペクトル、赤外、ハイパースペクトル、および図面（例えば、スケッチおよび漫画）を含む。

実施形態では、領域知識データベース１３７は、顔面計測、顔超解像ツール、属性特有の３Ｄ形状モデル、属性特有のマルチビューＰＥＰ、属性抽出ツール、特徴選択前例、顔面動作ユニット・コード化システム、および領域適応ツールという、顔面認識システム１０５によって参照することができる情報を含むことができる。顔面計測は、人口統計的顔面情報を特徴付け、加齢および表情による構造的変化にわたって変動しない顔面特徴を識別する人体計測測定値の統計（平均および標準偏差）である。３Ｄ顔モデルから推定される人体計測測定値は、整合モジュール１５５によってマッチスコアを判定するとき、ならびに分析モジュール１５３によって属性を決定するために、使用することができる。顔超解像ツールは、顔画像の画素レベルの細部を強調するための模範画像に構成要素ベースでマッチする。顔超解像ツールは、モデル化モジュール１５５による表現を構築するための改善された顔面特徴抽出を提供する。属性特有の３Ｄ形状モデルは、民族性、性別、および年齢に基づく３Ｄ顔形状の変動の異なる部分空間モデル化モードである。これらは、モデル化モジュール１５５による包括的３Ｄ顔形状と比較すると、３Ｄ形状に適合するより有益な前例を提供する。属性特有のマルチビューＰＥＰは、共通の属性（例えば、性別、民族性、および年齢層）を有する個人の画像から密にサンプリングされたパッチのガウス混合モデル（ＧＭＭ）である。これらは、整合モジュール１６３によるマッチに使用される個人化された統計モデルを提供する。属性抽出ツールは、分析モジュール１５３によって顔画像から属性を検出するための判別モデルである（深い学習および構造化された予測に基づく）。属性抽出ツールは、これらの属性の不確実性をモデル化して、顔の有意味の様相に沿ったマッチを可能にする。特徴選択前例は、例えば加齢、姿勢、および照射の変化による顔面特徴の不変性の違い、ならびに強調された部分ベース表現およびマッチを実現するための、深い学習に基づく特徴選択である。これらは、該当する最も大きい判別特徴を判定するための抽出モジュール１５９によるより速い特徴抽出を可能にする。顔面動作ユニット・コード化システムは、モデル化モジュール１５５によって表情による顔の変形をモデル化するための顔面筋肉組織のダイナミクスの普遍的に適用可能な中間表現である。顔面動作ユニット・コード化システムは、顔面筋肉組織の明示的かつ正確なモデル化を提供する。領域適応ツールは、加齢、姿勢、および照射の変化にわたって領域シフトをモデル化する学習済みツールである。

図２は、本開示の態様による顔面認識システム１０５の例示的なプロセスの機能上の流れ図を示す。顔面認識システム１０５は、前述のものと同じとすることができる摂取モジュール１５１、分析モジュール１５３、モデル化モジュール１５５、抽出モジュール１５９、および整合モジュール１６３を含む。本開示の態様によれば、摂取モジュール１５１は、画像ソース（例えば、画像ソース１１０）から受け取った表現情報を評価する。表現情報は、個人の写真、ビデオ、および／または図面（例えば、スケッチ）を含むことができる。実施形態では、表現情報を評価するステップは、画像を含む表現情報の縮尺、顔の被写域（例えば、画像内の姿勢に基づく画像内の顔の部分）、解像度、モダリティ（例えば、表現情報タイプ）、および／または品質を定義する情報を決定するステップを含む。顔の縮尺は、画像解像度を特徴付け、摂取モジュール１５１によって抽出される細部のレベルを決定する。受け取った画像および関連付けられた評価情報は、後の参照および処理のためにデータベース（例えば、画像データベース１３６）内に記憶することができる。

追加として、本開示の態様によれば、摂取モジュール１５１は、受け取った表現情報内に含まれる画像を改善する。実施形態では、画像を改善するステップは、ぼけを低減させるステップと、コントラストを改善するステップと、画像解像度を増大させるステップとを含む。例えば、撮像モジュール１５１は、大きい姿勢可変顔データセットからの模範構造（目、口、顔の輪郭など）に基づいて最適のぼけカーネルを推定することによって、ぼけを低減させることができる。ぼけカーネル推定は、ぼけた顔画像に最も近い模範を識別するステップ（例えば、領域知識データベース１３７内）と、ぼけた顔および最も近い模範の勾配を取り入れる正則化プロセスを実行するステップとを伴う。さらに、改善するステップは、統計的な学習および幾何形状を使用して照射条件をモデル化することによって画像を再照明するステップを含むことができる。追加として、摂取モジュール１５１は、ヒストグラム平坦化を実行することによって、画像のコントラストを増大させることができる。さらに、摂取モジュール１５１は、顔ハルシネーション技法を使用して、低解像度データから高解像画像を生成することができる。

本開示の態様によれば、モデル化モジュール１５５は、分析モジュール１５３によって決定された基準点および属性から３Ｄモデルを決定する。実施形態では、３Ｄモデルは、変動する視野および照明条件下で広範囲の媒体モダリティに見られる顔の形状、肌理、およびダイナミクスを符号化する。３Ｄモデルは、３Ｄ姿勢（ヨーおよびピッチの量子化された空間）のすべての変動に対して生成され、顔から抽出された人口統計学的属性（性別、民族性、および年齢層）にしたがって特殊化される、姿勢認識確率的弾性部分（ＰＥＰ）ベースのモデルから構成される。

本開示の態様によれば、整合モジュール１６３は、入力画像（例えば、イベントにおける違反者の捕捉画像）と、抽出モジュール１５９によって抽出された２Ｄパッチとの間のマッチを判定する。入力画像とギャラリー表現情報との間の類似性は、それらの表現の異種シグニチャ間のマッチスコアとして演算される。実施形態では、整合モジュール１６３は、索引付けとマッチ体系との組合せを使用して、マルチビューＰＥＰシグニチャをマッチさせ、それぞれの構成要素の不確実性を補償する。本開示の態様によれば、顔を記述する視覚属性は、顔同士の類似性を評価するための中間表現空間を提供する。低レベルの特徴は、場面内の測光および幾何学上の変化による摂動によって強く影響されるのに対して、記述可能な顔面属性の空間は、顔同士の対応関係を確立するためにより汎用化可能なメトリックを提供する。

図３は、本開示の態様による画像を摂取し、モデル化し、抽出し、かつマッチさせる、例示的なプロセス３００の流れ図を示す。図３のステップは、図１の顔面認識システム（例えば、顔面認識システム１０５）を使用して実施することができ、例えば画像ソース（例えば、画像ソース１１０）から画像を取得し、取得した画像を処理して顔面認識を実行することができる。

ステップ３０５で、顔面認識システム（例えば、分析モジュール１５３による）は、画像から属性を判定する。本発明の態様によれば、属性は、対象の特徴を意味的に記述する。実施形態では、属性は、事前定義された情報およびモデル（例えば、領域知識データベース１３７）に基づいて決定される。

ステップ３０７で、顔面認識システム（例えば、モデル化モジュール１５５による）は、画像を使用して個人の顔の３Ｄモデルを決定する。例えば、モデル化モジュール１５５は、ステップ３０５で決定した属性に基づいてライブラリ（例えば、領域知識データベース１３７）から３Ｄメッシュを選択し、ステップ３０３で取得した画像のパッチをこのメッシュに取り込むことができる。実施形態では、顔面認識システムは、複数の画像からの情報を欠く３Ｄモデルの要素を識別することができる。３Ｄモデルが要素のいずれかを欠く場合、顔面認識ツールは、対象または標的個人の属性に類似した属性を有する個人からコンパイルした領域知識（例えば、領域知識データベース１３７）を使用して、識別された要素に対する情報を提供することができる。

ステップ３１１で、顔面認識システム（例えば、抽出モジュール１５９による）は、顔の異なる姿勢に対応するステップ３０９で正規化した３Ｄモデルから２Ｄパッチを抽出する。例えば、それぞれの異なる姿勢は、３Ｄモデルのそれぞれの視野角範囲に対応することができる。各視野角範囲に対して、顔面認識システムは、複数の可視パッチを決定し、これらのパッチの情報をそれぞれの視野角範囲に関連付けてデータベース（例えば、モデル・データベース１３８）内に記憶することができる。

ステップ３１３で、顔面認識システム（例えば、抽出モジュール１５９による）は、ステップ３１１で使用した異なる姿勢に対するマルチビューＰＥＰシグニチャを決定する。実施形態では、マルチビューＰＥＰシグニチャは、異なる角度からの３Ｄモデルのそれぞれの視野角範囲に対応する。実施形態では、顔面認識システムは、複数の追加の顔画像を使用して、マルチビューＰＥＰシグニチャを繰返し改良する。しかし、本発明の態様によれば、それぞれのマルチビューＰＥＰシグニチャは、追加の顔画像の数にかかわらず、固定のサイズを有する。また、本発明の態様によれば、顔面認識システムは、マルチビューＰＥＰシグニチャのうち、顔の他の特徴に対して最も大きい判別特徴を有する顔の部分に対応する１つを決定する。実施形態では、最も大きい判別特徴を有する顔の部分の決定は、顔面特徴選択を実行するための訓練データを有する重畳ニューラル・ネットワークを使用して行われる。例えば、訓練データに基づいて、重畳ニューラル・ネットワークを使用して、各部分に対する不確実性メトリックを決定し、最も小さい不確実性メトリックを有する顔の対応する部分を選択することができる。

ステップ３１５で、顔面認識システム（例えば、抽出モジュール１５９による）は、ステップ３０５で決定した属性でマルチビューＰＥＰシグニチャを索引付ける。実施形態では、特定のマルチビューＰＥＰシグニチャに対して、属性を構成要素マルチビューＰＥＰシグニチャとして処理されるベクトルに変換することによって、属性を索引付けることができる。例えば、索引付けは、最適化変換コード化方法を使用して実行することができる。

ステップ３１９で、顔面認識システム（例えば、整合モジュール１６３による）は、ステップ３０５で決定した属性、ステップ３１５で決定したマルチビューＰＥＰシグニチャ、およびステップ３１７で決定した不確実性メトリックに基づいてモデル化された個人の顔に、入力画像がマッチするかどうかを判定する。実施形態では、判定は、入力画像の解像度に基づいて複数のシグニチャの解像度を修正するステップを含む。追加として、実施形態では、判定は、複数の撮像モダリティを使用してマッチを実行するステップを含む。例えば、マッチは、可視スペクトル画像、赤外画像、および／または図面に対応するＰＥＰシグニチャを使用して実行することができる。

図４は、本開示の態様による顔面認識システム（例えば、顔面認識システム１０５）を使用して属性ベース表現を判定する流れ図を示す。顔面認識システムは、本明細書に前述したものと同じとすることができる。ステップ４０３で、顔面認識システムは、１つまたは複数のソース（例えば、画像ソース１１０）から、個人の１つまたは複数の画像４０５を受け取る。ステップ４０７で、顔面認識システム（例えば、モデル化モジュール１５５を使用する）は、個人の顔の３Ｄモデルを決定する。３Ｄモデルは、受け取った画像から抽出された個人の属性（例えば、性別、年齢、民族性など）に基づいて選択される標準的な形状に基づくことができる（例えば、分析モジュール１５３を使用する）。さらに、顔面認識システムは、本明細書に前述したように、モデルを再照明し、顔の表情を正規化し、かつ／または顔を加齢させることによって、３Ｄモジュール内の個人の顔面表現を修正することができる。

ステップ４０９で、顔面認識システム１０５（例えば、抽出モジュール１５９を使用する）は、３Ｄモデルの複数の異なる姿勢に対応する２Ｄパッチを抽出することによって、ステップ４０７で決定した３ＤモデルからマルチビューＰＥＰシグニチャを決定する。それぞれの姿勢は、ピッチおよびヨー範囲の異なる組合せに基づく３Ｄモデルの視野角に対応することができる。例えば、第１の組合せは、−１５度〜１５度のピッチ範囲および１０度〜４０度のヨー範囲を含むことができ、第２の組合せは、−１０度〜＋１０度のピッチ範囲および−９０度〜−７５度のヨー範囲を含むことができ、第３の組合せは、−１０度〜＋１０度のピッチ範囲および−４５度〜−１５度のヨー範囲を含むことができ、第４の組合せは、−１０度〜＋１０度のピッチ範囲および−１５度〜＋１５度のヨー範囲を含むことができ、第５の組合せは、−１０度〜＋１０度のピッチ範囲および＋１５度〜＋４５度のヨー範囲を含むことができ、第６の組合せは、−１０度〜＋１０度のピッチ範囲および＋７５度〜＋９０度のヨー範囲を含むことができ、第７の組合せは、−４０度〜−１０度のピッチ範囲および−１５度〜＋１５度のヨー範囲を含むことができる。本開示の態様によれば、マルチビューＰＥＰシグニチャは、複数の画像モダリティ４１３（例えば、可視スペクトル、赤外、およびスケッチ／漫画）に対して決定される。

ステップ４１５で、顔面認識システム（例えば、抽出モデル１５９を使用する）は、ステップ４０９で使用した異なる姿勢（例えば、姿勢０〜８）に対して決定されたそれぞれのマルチビューＰＥＰシグニチャにそれぞれ対応する複数のビン４１７（例えば、ビン０〜８）を取り込む。追加として、それぞれのビン４１７は、１つまたは複数の属性４１９によって索引付けられる。さらに、それぞれのビン４１７は、それぞれの不確実性メトリック４２１に関連付けられる。本開示の態様によれば、個人の画像と異なる姿勢に対して決定されたマルチビューＰＥＰシグニチャとの間の類似性に基づいて、個人を識別することができる。

図５は、本開示の態様による顔面認識システム（例えば、顔面認識システム１０５）によって属性を決定する流れ図を示す。属性は、顔面認識システムの分析モジュール１５３によって決定することができ、顔面認識システムは、本明細書で先に論じたものと同じとすることができる。ステップ５０３で、分析モジュール１５３は、本明細書に前述したように、画像内の個人の顔を検出することができる。検出した顔は、姿勢に関連付けることができる。ステップ５０５で、分析モジュール１５３は、本明細書に前述したように、ステップ５０３で検出した顔の中の基準点を決定することができる。ステップ５０７で、分析モジュール１５３は、ステップ５０５で決定した基準点に基づいて、顔の中から２Ｄパッチを決定することができる。

本発明の態様によれば、姿勢認識ＰＥＰベースの２Ｄ表現は、３つの部分からなる表現であり、各部分は、可視スペクトルからの画像、近赤外スペクトルからの画像、および似顔絵（または漫画）に対するものである。各タイプの表現に対して、抽出モジュール１５９は不確実性メトリックを推定し、この不確実性メトリックは、生成確率に基づいてパッチから導出されたシグニチャに関連付けられる。そのような不確実性メトリックは、個人に対するシグニチャの正確なマッチを支援することができる。

Claims (16)

1. 個人の顔の３次元（３Ｄ）モデルを、該個人の複数の異なる画像に基づいて決定するステップと、
   前記顔の異なる姿勢に対応する該３Ｄモデルから複数の２次元（２Ｄ）パッチを抽出するステップと、
   複数の前記２Ｄパッチの異なる組合せを使用して、異なる角度からの該３Ｄモデルのそれぞれの見え方に対応する前記顔の複数の特徴部分であるシグニチャを生成するステップと
   を有する方法。
2. プロセッサと、
   記憶システムと、
   該プロセッサによる実行のためにコンピュータ可読ハードウェア記憶デバイス上に記憶されたプログラム命令と、を備え、
   該プログラム命令が、
   個人の顔の３次元（３Ｄ）モデルを、該個人の複数の異なる画像に基づいて決定するプログラム命令と、
   前記顔の異なる姿勢に対応する該３Ｄモデルから複数の２次元（２Ｄ）パッチを抽出するプログラム命令と、
   複数の該２Ｄパッチの異なる組合せを使用して該顔の複数の特徴部分であるシグニチャを生成するプログラム命令とを含み、前記複数のシグニチャが、異なる角度からの前記３Ｄモデルのそれぞれの見え方に対応する
   顔面認識システム。
3. 前記３Ｄモデルを決定することが、
   前記複数の画像において前記個人の顔の一部の情報を欠く前記３Ｄモデルの要素を識別することと、
   前記個人の属性に類似した属性を有する個人からコンパイルした領域知識を使用して、該識別された要素に対する該情報を提供することを含む請求項２に記載のシステム。
4. 前記３Ｄモデルの照明変動を正規化することによって、前記３Ｄモデルを修正することをさらに含む請求項２に記載のシステム。
5. 前記個人の前記複数の異なる画像から得られる顔面表情を正規化することをさらに含む請求項２に記載のシステム。
6. 前記個人の年齢に基づいて前記３Ｄモデルを修正することをさらに含む請求項２に記載のシステム。
7. 前記個人の特徴を表す前記個人の複数の属性を決定することをさらに含む請求項２に記載のシステム。
8. 前記複数の属性に基づいて前記複数のシグニチャを索引付けることをさらに含む請求項７に記載のシステム。
9. 前記複数のシグニチャに対するそれぞれの不確実性値を決定することをさらに含み、
   該不確実性値は、対応する前記シグニチャ内に含まれる複数の２Ｄパッチの品質に基づく値である請求項２に記載のシステム。
10. 顔画像が前記複数のシグニチャの少なくとも１つにマッチするか否かを判定することをさらに含む請求項２に記載のシステム。
11. 前記顔画像がマッチするか否かを判定する場合に、前記顔画像の解像度に基づいて前記複数のシグニチャの解像度を変更する請求項１０に記載のシステム。
12. 前記顔画像がマッチするか否かを判定する場合に、複数の撮像モダリティを使用してマッチするか否かを判定することを含む請求項１０に記載のシステム。
13. 前記顔の前記複数のシグニチャは、前記個人の複数の追加の顔画像を使用して繰返し改良されることを含む請求項２に記載のシステム。
14. 前記顔の前記複数のシグニチャは、追加の顔画像の数にかかわらず、固定のデータ量のサイズを有する請求項２に記載のシステム。
15. 前記複数のシグニチャに対し不確実性メトリックがそれぞれ対応するか否かを判定することと、
    前記複数のシグニチャを前記対応する不確実性メトリックに関連付けることと
    をさらに含む請求項２に記載のシステム。
16. 前記複数のシグニチャのうち、最も大きい判別特徴を有する前記顔の部分に対応する前記シグニチャを決定することをさらに含む請求項２に記載のシステム。