JP4589625B2 - カーネルフィッシャーフェイスを使用した顔認識 - Google Patents
カーネルフィッシャーフェイスを使用した顔認識 Download PDFInfo
- Publication number
- JP4589625B2 JP4589625B2 JP2003550152A JP2003550152A JP4589625B2 JP 4589625 B2 JP4589625 B2 JP 4589625B2 JP 2003550152 A JP2003550152 A JP 2003550152A JP 2003550152 A JP2003550152 A JP 2003550152A JP 4589625 B2 JP4589625 B2 JP 4589625B2
- Authority
- JP
- Japan
- Prior art keywords
- face
- vector
- face image
- space
- kernel
- 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.)
- Expired - Lifetime
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
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
Landscapes
- Engineering & Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
Description
本出願は、2001年12月3日に出願された"Kernel Methods for Face Recognition"と題する米国仮特許出願No.60/336,947と、2001年12月3日に出願された"Face Recognition Using Kernel Methods"と題する米国仮特許出願No.60/337,022、および、2002年7月22日に出願された" Face Recognition Using Kernel Fisherfaces"と題する米国特許出願No.10/201/429の優先権を主張するものである。
本発明は、顔認識に関し、特に、カーネルフィッシャー(Kernel Fisher)線形判別分析またはカーネルフィッシャーフェイス(Kernel Fisherfaces)を使用した顔認識に関する。
k(x, y) = Φ(x)・Φ(y)
典型的には、前記カーネル関数k(x, y)を使用する演算は、ドット積Φ(x)・Φ(y) を使用する演算に比べてはるかに効率的に行われることができる。というのは、前記ドット積Φ(x)・Φ(y) を使用する演算が通常大変高くて無限であることもあるΦ(x)およびΦ(y)の次元数に依存するのに対して、前記カーネル関数k(x, y)を使用する演算がn次元(通常、低い)の入力空間に依存するからである。
前記基準顔画像は、208において、前記算出されたカーネルフィッシャーフェイスを使用して前記顔画像空間射影モジュール114によって、前記高次元特徴空間から低次元顔画像空間に射影され、これにより、前記低次元顔画像空間に対応するベクトルがもたらされる。全体的な構成において同様な顔画像は、前記高次元特徴空間においてランダムに分散されず、従って、比較的低次元のサブ空間によって記述可能である。前記カーネルフィッシャーフェイスは、前記高次元特徴空間における射影された基準画像から前記低次元顔画像空間における顔画像の記述を導き出すための演算を簡略化することができる。典型的には、前記低次元顔画像空間の次元は、前記入力空間および入力顔画像が射影された高次元特徴空間の両方の次元より低い。
固有値問題
典型的には、顔画像は、強度値の2次元のN x Nアレイである。該顔画像は、多次元画像空間においてN2次元のベクトルとして表わされる。例えば、256 x 256画素の典型的な画像は、65,536次元のベクトル、また等価的には、65,536次元の画像空間における1つのポイントとなる。同様に、1組の顔画像が、この65,536次元の画像空間におけるポイント(点)の集合に対応付けられる。上述のごとく、本発明の顔認識システムは、画像(入力顔画像または基準顔画像)を高次元特徴空間に射影し、当該顔画像の画素のうちより高次の統計データから、前記顔画像のより典型的な特徴を抽出する。それぞれの顔画像は全体構成において似ているので、これらの顔画像は、画像空間においてランダムに分散され、低次元のサブ空間によって記述可能である。さらに、同一の人に属する顔画像の組は、しばしば、前記低次元のサブ空間においてより小さなクラスタを構成する。言い換えると、同一の人の顔画像の人物内(クラス内)変化は、人物間(クラス間)変化より小さい。カーネルフィッシャー線形判別(KFLD)分析を使用して、前記低次元の顔画像空間におけるクラスタを最適に分離する射影ベクトルを確認することが可能である。これらの射影ベクトルはカーネルフィッシャーフェイスと呼ばれ、これらのカーネルフィッシャーフェイスを算出する処理は、前記高次元顔画像空間における画像に関する基本的な固有値問題を解くことと等価である。しかしながら、カーネル関数(故にカーネルフィッシャーフェイス)は、前記固有値問題を解くための計算上効率の高い方法を提供する。
SBw = λSww (2)
における最大固有値に対応する汎用固有ベクトルである。前記入力空間Rnにおけるクラス内散乱Swは、
カーネルFLD分析において、各ベクトルxは、次の非線形マッピング関数(射影関数)によって、前記入力空間Rnから高次元特徴空間Rfへ射影される。
次にcクラス問題(すなわち、各サンプルがcクラスのうちの1つに属するもの)について考察し、tクラスのr番目のサンプルおよびuクラスのs番目のサンプルがそれぞれxtrおよびxusであるとする。ここで、tクラスはlt個のサンプルを有し、uクラスはlu個のサンプルを有する。カーネル関数は、
(krs)tu = k(xtr, xus) = Φ(xtr) ・Φ(xus) (14)
として定義可能である。Kがエレメント
Z = (Zt)t=1,...,c (17)
によって定義され、ここで、(Zt)はその成員がすべて1/lt に等しいlt x lu 行列であり、すなわち、Zはm x mのブロック対角行列である。
式(12)および(9)における高次元特徴空間Rfにおけるクラス間およびクラス内行列は、それぞれ、
λKKα = KZKα (21)
を解くことによって得られることになる。
同時に、上記式(13)は
こうして、前記カーネルフィッシャーフェイス(固有ベクトル)wΦを使用することによって走査されるより低次元の顔画像空間に、前記高次元特徴空間RfにおけるベクトルΦ(x)が射影可能になる。xが前記高次元特徴空間Rfにおける射影がΦ(x)であるテストサンプルを示す場合、固有ベクトルwΦに対するΦ(x)の射影は、Φ(x)に対応する非線形のフィッシャー線形判別式(FLD)となる。
kurt(x) = E[x4]−3(E[x2])2
によって定義される。ここで、Eは期待値である。
Claims (34)
- 基準顔画像の組におけるある特定の顔画像に対応するものとして入力顔画像を識別する方法であって、
第1の次元の入力空間における第1のベクトルの組によって表される前記基準顔画像の組を入力するステップと、ここで、前記基準顔画像の組は少なくとも3つの異なるクラスの画像を含み、各クラスは異なる基準顔画像に相当し、
前記第1の次元の入力空間における少なくとも第2のベクトルによって表される前記入力顔画像を入力するステップと、
前記基準顔画像のエッジまたはカーブにおける少なくとも3つの画素間の関係を獲得するように構成された射影関数を使用して、前記第1のベクトルを、前記第1の次元より次元の多い第2の次元の高次元特徴空間に射影し、前記高次元特徴空間における第3のベクトルの組を発生するステップと、ここで、前記第3のベクトルは前記高次元特徴空間における少なくとも3つのクラスの画像を表しており、
カーネルフィッシャーフェイスを演算する演算モジュールに前記第3のベクトルの組を入力し、該演算モジュールを使用して該第3のベクトルにより表された前記少なくとも3つのクラスの画像に関するカーネルフィッシャーフェイスを演算することにより、前記第3のベクトルにより表された前記少なくとも3つのクラスの画像に関するカーネルフィッシャーフェイスを発生するステップと、
前記第3のベクトルおよび前記カーネルフィッシャーフェイスに基づいて、第3の次元の顔画像空間における第4のベクトルの組を発生するステップであって、前記第4のベクトルが前記顔画像空間における基準顔画像ポイントに対応し、前記第3の次元が前記第1の次元および前記第2の次元より次元が少ないものであり、
前記射影関数を使用して前記第2のベクトルを前記高次元特徴空間に射影し、前記高次元特徴空間における第5のベクトルの組を発生するステップと、
前記第5のベクトルおよび前記カーネルフィッシャーフェイスに基づいて、前記第3の次元の顔画像空間における入力顔画像ポイントに対応する第6のベクトルを発生するステップと、
前記第3の次元の顔画像空間における前記入力顔画像ポイントと各前記基準顔画像ポイントとの間の距離を算出するステップと、
算出された前記距離の最小値を決定することに応じて、該最小距離に対応する基準顔画像に対応するものとして前記入力顔画像を識別するステップと、
を具備する方法。 - 前記基準顔画像が少なくとも3つのクラスに分類され、前記第1、第2および第3のベクトルが、それぞれ、前記入力空間、前記高次元特徴空間および前記顔画像空間における少なくとも3つのクラスタに分配され、前記カーネルフィッシャーフェイスを発生するステップが、
前記顔画像空間において、前記第4のベクトルの前記クラスタ間の分散が実質的に最大となり、前記第4のベクトルの各前記クラスタ内の分散が実質的に最小となるよう、前記第3のベクトルを前記顔画像空間に射影するベクトルを前記カーネルフィッシャーフェイスとして発生するステップを含む、
ことを特徴とする請求項1に記載の方法。 - 前記第4のベクトルの前記クラスタ間の分散がクラス間散乱行列によって表され、前記第4のベクトルの各前記クラスタ内の分散がクラス内散乱行列によって表される請求項2に記載の方法。
- 前記カーネルフィッシャーフェイスは、前記クラス内散乱行列に対する前記クラス間散乱行列の比率が実質的に最大となるよう、前記第3のベクトルを前記顔画像空間に射影するためのベクトルである請求項3に記載の方法。
- 前記カーネルフィッシャーフェイスを発生するステップにおいて、前記クラス内散乱行列に単位行列の一部分を付加し、該単位行列の一部分を付加した前記クラス内散乱行列に対する前記クラス間散乱行列の比率が実質的に最大となるよう、前記カーネルフィッシャーフェイスを発生する請求項3に記載の方法。
- 前記射影関数Φ(x)が、
k(x, y) = Φ(x)・Φ(y)
の関係を満たすものであり、ここで、k(x, y)はカーネル関数、Φ(x)・Φ(y)は前記射影関数Φ(x)およびΦ(y)のドット積、xおよびyは実数変数である
ことを特徴とする請求項1に記載の方法。 - 前記カーネル関数は多項式のカーネル関数である請求項6に記載の方法。
- 前記カーネル関数はガウスカーネル関数である請求項6に記載の方法。
- 前記第4のベクトルの組を発生するステップが、前記高次元特徴空間において前記第3のベクトルと前記カーネルフィッシャーフェイスとの間のドット積演算を実行することを含む請求項1に記載の方法。
- 前記第6のベクトルの組を発生するステップが、前記高次元特徴空間において前記第5のベクトルと前記カーネルフィッシャーフェイスとの間のドット積演算を実行することを含む請求項1に記載の方法。
- 前記距離がユークリッド距離である請求項1に記載の方法。
- 基準顔画像の組におけるある特定の顔画像に対応するものとして入力顔画像を識別するためのコンピュータプログラムであって、コンピュータに、
第1の次元の入力空間における第1のベクトルの組によって表される前記基準顔画像の組を入力するステップと、ここで、前記基準顔画像の組は少なくとも3つの異なるクラスの画像を含み、各クラスは異なる基準顔画像に相当し、
前記第1の次元の入力空間における少なくとも第2のベクトルによって表される前記入力顔画像を入力するステップと、
前記基準顔画像のエッジまたはカーブにおける少なくとも3つの画素間の関係を獲得するように構成された射影関数を使用して、前記第1のベクトルを、前記第1の次元より次元の多い第2の次元の高次元特徴空間に射影し、前記高次元特徴空間における第3のベクトルの組を発生するステップと、ここで、前記第3のベクトルは前記高次元特徴空間における少なくとも3つのクラスの画像を表しており、
カーネルフィッシャーフェイスを演算する演算モジュールに前記第3のベクトルの組を入力し、該演算モジュールを使用して該第3のベクトルにより表された前記少なくとも3つのクラスの画像に関するカーネルフィッシャーフェイスを演算することにより、前記第3のベクトルにより表された前記少なくとも3つのクラスの画像に関するカーネルフィッシャーフェイスを発生するステップと、
前記第3のベクトルおよび前記カーネルフィッシャーフェイスに基づいて、第3の次元の顔画像空間における第4のベクトルの組を発生するステップと、ここで、前記第4のベクトルが前記顔画像空間における基準顔画像ポイントに対応し、前記第3の次元が前記第1の次元および前記第2の次元より次元が低いものであり、
前記射影関数を使用して前記第2のベクトルを前記高次元特徴空間に射影し、前記高次元特徴空間における第5のベクトルの組を発生するステップと、
前記第5のベクトルおよび前記カーネルフィッシャーフェイスに基づいて、前記第3の次元の顔画像空間における入力顔画像ポイントに対応する第6のベクトルを発生するステップと、
前記第3の次元の顔画像空間における前記入力顔画像ポイントと各前記基準顔画像ポイントとの間の距離を算出するステップと、
算出された前記距離の最小値を決定することに応じて、該最小距離に対応する基準顔画像に対応するものとして前記入力顔画像を識別するステップと、
を実行させるためのコンピュータプログラム。 - 前記基準顔画像が少なくとも3つのクラスに分類され、前記第1、第2および第3のベクトルが、それぞれ、前記入力空間、前記高次元特徴空間および前記顔画像空間における少なくとも3つのクラスタに分配されており、
前記カーネルフィッシャーフェイスを発生するステップが、前記顔画像空間において、前記第4のベクトルの前記クラスタ間の分散が実質的に最大となり、前記第4のベクトルの各前記クラスタ内の分散が実質的に最小となるよう、前記第3のベクトルを前記顔画像空間に射影するベクトルを前記カーネルフィッシャーフェイスとして発生するステップを含む、
ことを特徴とする請求項12に記載のコンピュータプログラム。 - 前記第4のベクトルの前記クラスタ間の分散がクラス間散乱行列によって表され、前記第4のベクトルの各前記クラスタ内の分散がクラス内散乱行列によって表される請求項13に記載のコンピュータプログラム。
- 前記カーネルフィッシャーフェイスは、前記クラス内散乱行列に対する前記クラス間散乱行列の比率が実質的に最大となるよう、前記第3のベクトルを前記顔画像空間に射影するためのベクトルである請求項14に記載のコンピュータプログラム。
- 前記カーネルフィッシャーフェイスを発生するステップにおいて、前記クラス内散乱行列に単位行列の一部分を付加し、該単位行列の一部分を付加した前記クラス内散乱行列に対する前記クラス間散乱行列の比率が実質的に最大となるよう、前記カーネルフィッシャーフェイスを発生する請求項14に記載のコンピュータプログラム。
- 前記射影関数Φ(x)が、
k(x, y) = Φ(x)・Φ(y)
の関係を満たすものであり、ここで、k(x, y)はカーネル関数、Φ(x)・Φ(y)は前記射影関数Φ(x)およびΦ(y)のドット積、xおよびyは実数変数である
ことを特徴とする請求項12に記載のコンピュータプログラム。 - 前記カーネル関数は多項式のカーネル関数である請求項17に記載のコンピュータプログラム。
- 前記カーネル関数はガウスカーネル関数である請求項17に記載のコンピュータプログラム。
- 前記第4のベクトルの組を発生するステップが、前記高次元特徴空間において前記第3のベクトルと前記カーネルフィッシャーフェイスとの間のドット積演算を実行することを含む請求項12に記載のコンピュータプログラム。
- 前記第6のベクトルの組を発生するステップが、前記高次元特徴空間において前記第5のベクトルと前記カーネルフィッシャーフェイスとの間のドット積演算を実行することを含む請求項12に記載のコンピュータプログラム。
- 前記距離がユークリッド距離である請求項12に記載のコンピュータプログラム。
- 基準顔画像の組におけるある特定の顔画像に対応するものとして入力顔画像を識別する顔認識システムであって、
第1の次元の入力空間における第1のベクトルの組によって表される前記基準顔画像の組を入力する手段と、ここで、前記基準顔画像の組は少なくとも3つの異なるクラスの画像を含み、各クラスは異なる基準顔画像に相当し、
前記第1の次元の入力空間における少なくとも第2のベクトルによって表される前記入力顔画像を入力する手段と、
前記基準顔画像のエッジまたはカーブにおける少なくとも3つの画素間の関係を獲得するように構成された射影関数を使用して、前記第1のベクトルおよび第2のベクトルを、前記第1の次元より次元の多い第2の次元の高次元特徴空間に射影し、第3のベクトルおよび第4のベクトルの組を発生する高次元特徴空間射影モジュールと、ここで、前記第3のベクトルは前記高次元特徴空間における少なくとも3つのクラスの画像を表しており、
カーネルフィッシャーフェイスを演算するための演算モジュールであって、前記第3のベクトルの組を入力して、該演算モジュールによる演算により該第3のベクトルに関するカーネルフィッシャーフェイスを発生するカーネルフィッシャーフェイスモジュールと、
前記カーネルフィッシャーフェイスを使用して、前記第3のベクトルの組に基づき第3の次元の顔画像空間における第5のベクトルの組を発生すると共に、前記第4のベクトルに基づき前記第3の次元の顔画像空間における第6のベクトルを発生する顔画像空間射影モジュールであって、前記第5のベクトルが前記顔画像空間における基準顔画像ポイントに対応し、前記第6のベクトルが前記顔画像空間における入力顔画像ポイントに対応し、前記第3の次元が前記第1の次元および第2の次元より少ない次元を有するものと、
前記第3の次元の顔画像空間における前記入力顔画像ポイントと各前記基準顔画像ポイントとの間の距離を算出すると共に、算出された距離の最小値を求め、前記入力顔画像を、該求めた距離の最小値に対応する基準顔画像に似ているとして識別する距離算出モジュールと、
を具備する顔認識システム。 - 前記カーネルフィッシャーフェイスと前記第5のベクトルとを記憶する記憶モジュールをさらに具備した請求項23に記載の顔認識システム。
- 前記基準顔画像が少なくとも3つのクラスに分類され、前記第1、第3および第5のベクトルが、それぞれ、前記入力空間、前記高次元特徴空間および前記顔画像空間において少なくとも3つのクラスタに分配され、前記カーネルフィッシャーフェイスモジュールが、前記顔画像空間において、前記第5のベクトルの前記クラスタ間の分散が実質的に最大となり、前記第5のベクトルの各前記クラスタ内の分散が実質的に最小となるよう、前記第3のベクトルを前記顔画像空間に射影するベクトルを前記カーネルフィッシャーフェイスとして求めることによって、前記カーネルフィッシャーフェイスを算出する、
ことを特徴とする請求項23に記載の顔認識システム。 - 前記第5のベクトルの前記クラスタ間の分散がクラス間散乱行列によって表され、前記第5のベクトルの各前記クラスタ内の分散がクラス内散乱行列によって表される請求項25に記載の顔認識システム。
- 前記カーネルフィッシャーフェイスは、前記クラス内散乱行列に対する前記クラス間散乱行列の比率が実質的に最大となるよう、前記第3のベクトルを前記顔画像空間に射影するためのベクトルである請求項26に記載の顔認識システム。
- 前記カーネルフィッシャーフェイスモジュールにおいて、前記クラス内散乱行列に単位行列の一部分を付加し、該単位行列の一部分を付加した前記クラス内散乱行列に対する前記クラス間散乱行列の比率が実質的に最大となるよう、前記カーネルフィッシャーフェイスを発生する請求項23に記載の顔認識システム。
- 前記射影関数Φ(x)が、
k(x, y) = Φ(x)・Φ(y)
の関係を満たすものであり、ここで、k(x, y)はカーネル関数、Φ(x)・Φ(y)は前記射影関数Φ(x)およびΦ(y)のドット積、xおよびyは実数変数である、
ことを特徴とする請求項23に記載の顔認識システム。 - 前記カーネル関数は多項式のカーネル関数である請求項29に記載の顔認識システム。
- 前記カーネル関数はガウスカーネル関数である請求項29に記載の顔認識システム。
- 前記第5のベクトルの組が、前記高次元特徴空間において前記第3のベクトルと前記カーネルフィッシャーフェイスとの間のドット積演算を実行することによって発生される請求項23に記載の顔認識システム。
- 前記第6のベクトルが、前記高次元特徴空間において前記第4のベクトルと前記カーネルフィッシャーフェイスとの間のドット積演算を実行することによって発生される請求項23に記載の顔認識システム。
- 前記距離がユークリッド距離である請求項23に記載の顔認識システム。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US33694701P | 2001-12-03 | 2001-12-03 | |
US33702201P | 2001-12-03 | 2001-12-03 | |
US10/201,429 US7054468B2 (en) | 2001-12-03 | 2002-07-22 | Face recognition using kernel fisherfaces |
PCT/JP2002/012649 WO2003049033A1 (en) | 2001-12-03 | 2002-12-03 | Face recognition using kernel fisherfaces |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2005512201A JP2005512201A (ja) | 2005-04-28 |
JP2005512201A5 JP2005512201A5 (ja) | 2009-01-08 |
JP4589625B2 true JP4589625B2 (ja) | 2010-12-01 |
Family
ID=27394293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003550152A Expired - Lifetime JP4589625B2 (ja) | 2001-12-03 | 2002-12-03 | カーネルフィッシャーフェイスを使用した顔認識 |
Country Status (8)
Country | Link |
---|---|
US (1) | US7054468B2 (ja) |
EP (1) | EP1464031B1 (ja) |
JP (1) | JP4589625B2 (ja) |
CN (1) | CN1302437C (ja) |
AT (1) | ATE408867T1 (ja) |
AU (1) | AU2002347641A1 (ja) |
DE (1) | DE60228999D1 (ja) |
WO (1) | WO2003049033A1 (ja) |
Families Citing this family (77)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7379602B2 (en) | 2002-07-29 | 2008-05-27 | Honda Giken Kogyo Kabushiki Kaisha | Extended Isomap using Fisher Linear Discriminant and Kernel Fisher Linear Discriminant |
US7254275B2 (en) * | 2002-12-17 | 2007-08-07 | Symbol Technologies, Inc. | Method and system for image compression using image symmetry |
US7184595B2 (en) * | 2002-12-26 | 2007-02-27 | Carmel-Haifa University Economic Corporation Ltd. | Pattern matching using projection kernels |
US7370212B2 (en) | 2003-02-25 | 2008-05-06 | Microsoft Corporation | Issuing a publisher use license off-line in a digital rights management (DRM) system |
WO2005038700A1 (en) * | 2003-10-09 | 2005-04-28 | University Of York | Image recognition |
JP4483334B2 (ja) * | 2004-02-18 | 2010-06-16 | 富士ゼロックス株式会社 | 画像処理装置 |
GB0408328D0 (en) | 2004-04-14 | 2004-05-19 | Imp College Innovations Ltd | Method of processing image data |
US20080137969A1 (en) * | 2004-04-14 | 2008-06-12 | Imperial College Innovations Limited Electrical And Electronic Engineering Building | Estimation of Within-Class Matrix in Image Classification |
US20060242406A1 (en) | 2005-04-22 | 2006-10-26 | Microsoft Corporation | Protected computing environment |
GB2414328A (en) * | 2004-05-17 | 2005-11-23 | Mitsubishi Electric Inf Tech | Discrimination transforms applied to frequency domain derived feature vectors |
WO2006010129A2 (en) * | 2004-07-09 | 2006-01-26 | Honda Motor Co., Ltd. | Adaptive discriminative generative model and incremental fisher discriminant analysis and application to visual tracking |
US8347078B2 (en) | 2004-10-18 | 2013-01-01 | Microsoft Corporation | Device certificate individualization |
US8464348B2 (en) | 2004-11-15 | 2013-06-11 | Microsoft Corporation | Isolated computing environment anchored into CPU and motherboard |
US8176564B2 (en) * | 2004-11-15 | 2012-05-08 | Microsoft Corporation | Special PC mode entered upon detection of undesired state |
US20060106920A1 (en) * | 2004-11-15 | 2006-05-18 | Microsoft Corporation | Method and apparatus for dynamically activating/deactivating an operating system |
US8336085B2 (en) | 2004-11-15 | 2012-12-18 | Microsoft Corporation | Tuning product policy using observed evidence of customer behavior |
US7376894B2 (en) * | 2004-11-18 | 2008-05-20 | Microsoft Corporation | Vector path merging into gradient elements |
KR100634527B1 (ko) * | 2004-11-26 | 2006-10-16 | 삼성전자주식회사 | 층 기반 영상 처리 장치 및 방법 |
JP4734980B2 (ja) * | 2005-03-15 | 2011-07-27 | オムロン株式会社 | 顔認証装置およびその制御方法、顔認証装置を備えた電子機器、顔認証装置制御プログラム、ならびに該プログラムを記録した記録媒体 |
US20060217925A1 (en) * | 2005-03-23 | 2006-09-28 | Taron Maxime G | Methods for entity identification |
US8438645B2 (en) | 2005-04-27 | 2013-05-07 | Microsoft Corporation | Secure clock with grace periods |
US20070033102A1 (en) * | 2005-03-29 | 2007-02-08 | Microsoft Corporation | Securely providing advertising subsidized computer usage |
US8725646B2 (en) | 2005-04-15 | 2014-05-13 | Microsoft Corporation | Output protection levels |
KR100639988B1 (ko) * | 2005-04-21 | 2006-10-31 | 한국전자통신연구원 | 얼굴 특징 추출 장치 및 그 방법 |
US9363481B2 (en) | 2005-04-22 | 2016-06-07 | Microsoft Technology Licensing, Llc | Protected media pipeline |
US9436804B2 (en) | 2005-04-22 | 2016-09-06 | Microsoft Technology Licensing, Llc | Establishing a unique session key using a hardware functionality scan |
US7760917B2 (en) | 2005-05-09 | 2010-07-20 | Like.Com | Computer-implemented method for performing similarity searches |
US7945099B2 (en) | 2005-05-09 | 2011-05-17 | Like.Com | System and method for use of images with recognition analysis |
US7657126B2 (en) | 2005-05-09 | 2010-02-02 | Like.Com | System and method for search portions of objects in images and features thereof |
US7519200B2 (en) | 2005-05-09 | 2009-04-14 | Like.Com | System and method for enabling the use of captured images through recognition |
US7660468B2 (en) | 2005-05-09 | 2010-02-09 | Like.Com | System and method for enabling image searching using manual enrichment, classification, and/or segmentation |
US8732025B2 (en) | 2005-05-09 | 2014-05-20 | Google Inc. | System and method for enabling image recognition and searching of remote content on display |
US20060265758A1 (en) | 2005-05-20 | 2006-11-23 | Microsoft Corporation | Extensible media rights |
US8353046B2 (en) | 2005-06-08 | 2013-01-08 | Microsoft Corporation | System and method for delivery of a modular operating system |
JP3976056B2 (ja) * | 2005-10-24 | 2007-09-12 | 日本電気株式会社 | 係数決定方法、特徴抽出方法、システム及びプログラム、並びにパタン照合方法、システム及びプログラム |
JP5049560B2 (ja) | 2005-11-17 | 2012-10-17 | サムソン エレクトロ−メカニックス カンパニーリミテッド. | 積層型チップキャパシタ |
JP4777059B2 (ja) * | 2005-12-22 | 2011-09-21 | パナソニック株式会社 | 画像検索装置および画像検索方法 |
US8233702B2 (en) * | 2006-08-18 | 2012-07-31 | Google Inc. | Computer implemented technique for analyzing images |
KR100825756B1 (ko) * | 2006-12-05 | 2008-04-29 | 한국전자통신연구원 | 얼굴 특징 추출 방법 및 그 장치 |
JP5358083B2 (ja) * | 2007-11-01 | 2013-12-04 | 株式会社日立製作所 | 人物画像検索装置及び画像検索装置 |
US20080184026A1 (en) * | 2007-01-29 | 2008-07-31 | Hall Martin H | Metered Personal Computer Lifecycle |
US8416981B2 (en) | 2007-07-29 | 2013-04-09 | Google Inc. | System and method for displaying contextual supplemental content based on image content |
US8331632B1 (en) | 2007-08-06 | 2012-12-11 | University Of South Florida | Indexing face templates using linear models |
US8165352B1 (en) | 2007-08-06 | 2012-04-24 | University Of South Florida | Reconstruction of biometric image templates using match scores |
US8190539B2 (en) * | 2008-06-11 | 2012-05-29 | International Business Machines Corporation | Evolutionary facial feature selection |
US8131063B2 (en) * | 2008-07-16 | 2012-03-06 | Seiko Epson Corporation | Model-based object image processing |
US8180167B2 (en) * | 2008-07-16 | 2012-05-15 | Seiko Epson Corporation | Model-based error resilience in data communication |
US8345932B2 (en) * | 2008-11-24 | 2013-01-01 | International Business Machines Corporation | Support vector machine for biometric data processing |
JP5137805B2 (ja) * | 2008-12-15 | 2013-02-06 | キヤノン株式会社 | 検査システム及びその制御方法、コンピュータプログラム |
US8204301B2 (en) * | 2009-02-25 | 2012-06-19 | Seiko Epson Corporation | Iterative data reweighting for balanced model learning |
US8260039B2 (en) * | 2009-02-25 | 2012-09-04 | Seiko Epson Corporation | Object model fitting using manifold constraints |
US8208717B2 (en) * | 2009-02-25 | 2012-06-26 | Seiko Epson Corporation | Combining subcomponent models for object image modeling |
US8260038B2 (en) * | 2009-02-25 | 2012-09-04 | Seiko Epson Corporation | Subdivision weighting for robust object model fitting |
US8442330B2 (en) * | 2009-03-31 | 2013-05-14 | Nbcuniversal Media, Llc | System and method for automatic landmark labeling with minimal supervision |
TWI384406B (zh) * | 2009-05-26 | 2013-02-01 | Univ Nat Chiao Tung | 人臉辨識與合成方法 |
US8194975B2 (en) * | 2009-06-29 | 2012-06-05 | Tandent Vision Science, Inc. | Use of an intrinsic image in face recognition |
CN101630405B (zh) * | 2009-08-14 | 2011-10-12 | 重庆市勘测院 | 一种利用核Fisher分类与冗余小波变换的多聚焦图像融合方法 |
US7961956B1 (en) | 2009-09-03 | 2011-06-14 | Thomas Cecil Minter | Adaptive fisher's linear discriminant |
JP5714599B2 (ja) | 2009-12-02 | 2015-05-07 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | イメージ認識のための記述子パッチの高速部分空間射影 |
WO2011119509A1 (en) * | 2010-03-20 | 2011-09-29 | Emsense Corporation | Spatially constrained biosensory measurements to decode physiological states and user responses induced by marketing media |
US9530073B2 (en) | 2010-04-20 | 2016-12-27 | Qualcomm Incorporated | Efficient descriptor extraction over multiple levels of an image scale space |
CN103513890B (zh) * | 2012-06-28 | 2016-04-13 | 腾讯科技(深圳)有限公司 | 一种基于图片的交互方法、装置和服务器 |
CN103035050B (zh) * | 2012-12-19 | 2015-05-20 | 南京师范大学 | 一种用于复杂人脸识别门禁系统的高精度人脸识别方法 |
JP5866064B2 (ja) * | 2013-04-09 | 2016-02-17 | 株式会社日立国際電気 | 画像検索装置、画像検索方法、および記録媒体 |
US9298988B2 (en) * | 2013-11-08 | 2016-03-29 | Analog Devices Global | Support vector machine based object detection system and associated method |
US9275306B2 (en) * | 2013-11-13 | 2016-03-01 | Canon Kabushiki Kaisha | Devices, systems, and methods for learning a discriminant image representation |
KR102010378B1 (ko) * | 2014-09-24 | 2019-08-13 | 삼성전자주식회사 | 객체를 포함하는 영상의 특징을 추출하는 방법 및 장치 |
JP6453618B2 (ja) | 2014-11-12 | 2019-01-16 | 株式会社東芝 | 算出装置、方法及びプログラム |
US9747494B2 (en) | 2015-11-16 | 2017-08-29 | MorphoTrak, LLC | Facial matching system |
KR102221118B1 (ko) * | 2016-02-16 | 2021-02-26 | 삼성전자주식회사 | 영상의 특징을 추출하여 객체를 인식하는 방법 |
WO2017210462A1 (en) * | 2016-06-01 | 2017-12-07 | Ohio State Innovation Foundation | System and method for recognition and annotation of facial expressions |
JP2018081402A (ja) * | 2016-11-15 | 2018-05-24 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
WO2018187951A1 (zh) * | 2017-04-12 | 2018-10-18 | 邹霞 | 基于核主成分分析的人脸识别方法 |
CN109389017B (zh) * | 2017-08-11 | 2021-11-16 | 苏州经贸职业技术学院 | 行人再识别方法 |
US10872258B2 (en) | 2019-03-15 | 2020-12-22 | Huawei Technologies Co., Ltd. | Adaptive image cropping for face recognition |
CN111291885B (zh) * | 2020-01-20 | 2023-06-09 | 北京百度网讯科技有限公司 | 近红外图像的生成方法、生成网络的训练方法和装置 |
CN112749669B (zh) * | 2021-01-18 | 2024-02-02 | 吾征智能技术(北京)有限公司 | 一种基于人面部图像的微表情智能识别系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2087523C (en) * | 1990-07-17 | 1997-04-15 | Mark Andrew Shackleton | Method of processing an image |
US5164992A (en) | 1990-11-01 | 1992-11-17 | Massachusetts Institute Of Technology | Face recognition system |
CA2215942A1 (en) * | 1995-03-20 | 1996-09-26 | Lee G. Slocum | Systems and methods for identifying images |
US5710833A (en) | 1995-04-20 | 1998-01-20 | Massachusetts Institute Of Technology | Detection, recognition and coding of complex objects using probabilistic eigenspace analysis |
US5842194A (en) * | 1995-07-28 | 1998-11-24 | Mitsubishi Denki Kabushiki Kaisha | Method of recognizing images of faces or general images using fuzzy combination of multiple resolutions |
US6038337A (en) * | 1996-03-29 | 2000-03-14 | Nec Research Institute, Inc. | Method and apparatus for object recognition |
US6112195A (en) | 1997-03-27 | 2000-08-29 | Lucent Technologies Inc. | Eliminating invariances by preprocessing for kernel-based methods |
JP2001273495A (ja) * | 2000-03-24 | 2001-10-05 | Minolta Co Ltd | 物体認識装置 |
US6920231B1 (en) * | 2000-06-30 | 2005-07-19 | Indentix Incorporated | Method and system of transitive matching for object recognition, in particular for biometric searches |
US6826300B2 (en) * | 2001-05-31 | 2004-11-30 | George Mason University | Feature based classification |
-
2002
- 2002-07-22 US US10/201,429 patent/US7054468B2/en active Active
- 2002-12-03 WO PCT/JP2002/012649 patent/WO2003049033A1/en active IP Right Grant
- 2002-12-03 AT AT02783743T patent/ATE408867T1/de not_active IP Right Cessation
- 2002-12-03 EP EP02783743A patent/EP1464031B1/en not_active Expired - Lifetime
- 2002-12-03 AU AU2002347641A patent/AU2002347641A1/en not_active Abandoned
- 2002-12-03 CN CNB028240065A patent/CN1302437C/zh not_active Expired - Fee Related
- 2002-12-03 JP JP2003550152A patent/JP4589625B2/ja not_active Expired - Lifetime
- 2002-12-03 DE DE60228999T patent/DE60228999D1/de not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
ATE408867T1 (de) | 2008-10-15 |
EP1464031A1 (en) | 2004-10-06 |
WO2003049033A1 (en) | 2003-06-12 |
EP1464031B1 (en) | 2008-09-17 |
US7054468B2 (en) | 2006-05-30 |
CN1599917A (zh) | 2005-03-23 |
CN1302437C (zh) | 2007-02-28 |
US20040017932A1 (en) | 2004-01-29 |
AU2002347641A1 (en) | 2003-06-17 |
JP2005512201A (ja) | 2005-04-28 |
DE60228999D1 (de) | 2008-10-30 |
EP1464031A4 (en) | 2007-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4589625B2 (ja) | カーネルフィッシャーフェイスを使用した顔認識 | |
JP2005512201A5 (ja) | ||
JP4292837B2 (ja) | パターン特徴抽出方法及びその装置 | |
Yan et al. | Graph embedding and extensions: A general framework for dimensionality reduction | |
Kollreider et al. | Real-time face detection and motion analysis with application in “liveness” assessment | |
US6430307B1 (en) | Feature extraction system and face image recognition system | |
Martínez et al. | Where are linear feature extraction methods applicable? | |
US8218880B2 (en) | Linear laplacian discrimination for feature extraction | |
US7379602B2 (en) | Extended Isomap using Fisher Linear Discriminant and Kernel Fisher Linear Discriminant | |
US8805653B2 (en) | Supervised nonnegative matrix factorization | |
Yang et al. | Face detection using multimodal density models | |
Bicego et al. | A hidden Markov model approach for appearance-based 3D object recognition | |
US20030063781A1 (en) | Face recognition from a temporal sequence of face images | |
Benouareth | An efficient face recognition approach combining likelihood-based sufficient dimension reduction and LDA | |
JP4348202B2 (ja) | 顔画像認識装置及び顔画像認識プログラム | |
Rajwade et al. | Facial pose from 3D data | |
Ranjini et al. | Haar Cascade Classifier-based Real-Time Face Recognition and Face Detection | |
Ren | Facial expression recognition system | |
Chihaoui et al. | A novel face recognition system based on skin detection, HMM and LBP | |
Ipe | A Comparison of PCA and HOG for Feature Extraction and Classification of Human Faces | |
CN112069948A (zh) | 一种基于改进二维降维的人脸识别方法 | |
Thanvantri Vasudevan et al. | Triah: an intelligent guiding system for the visually impaired | |
Chen | Facial feature point detection | |
Liu et al. | Semi-supervised discriminant analysis based on dependence estimation | |
Wai et al. | Intelligent Face Recognition System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051109 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080902 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081104 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20081104 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090203 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090402 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090521 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20090526 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20090710 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100910 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4589625 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130917 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
EXPY | Cancellation because of completion of term |