JP5155886B2 - デジタル画像において目を検出する方法および装置 - Google Patents

Description

本出願は、２００６年１月２５日出願の米国特許出願第１１／２７５７０３号の一部継続出願であり、それは２００５年１月２６日出願の米国特許仮出願第６０／６４７２７０号の利益を主張するものである。

本出願は、２００５年１月２６日出願の米国特許出願第１１／０４３３６６号の一部継続出願である。
本出願は、２００６年３月１０日出願の米国特許出願第１１／３７２８５４号の一部継続出願である。

本出願は、２００６年３月３日出願の米国特許仮出願第６０／７７８７７０号の利益を主張するものである。
連邦政府は、本発明に権利を有することができる。

関連出願には、２００３年９月５日出願の米国特許出願第１０／６５５１２４号の一部継続出願である２００４年１１月３日出願の米国特許出願第１０／９７９１２９号（これらの出願は、これにより参照によって組み込まれる）と、２００６年５月９日出願の米国特許出願第１１／３８２３７３号（これにより参照によって組み込まれる）とが含まれうる。

２００６年１月２５日出願の米国特許出願第１１／２７５７０３号が、これにより参照によって組み込まれる。
２００５年１月２６日出願の米国特許仮出願第６０／６４７２７０号が、これにより参照によって組み込まれる。

２００５年１月２６日出願の米国特許出願第１１／０４３３６６号が、これにより参照によって組み込まれる。
２００６年３月１０日出願の米国特許出願第１１／３７２８５４号が、これにより参照によって組み込まれる。

２００６年３月３日出願の米国特許仮出願第６０／７７８７７０号が、これにより参照によって組み込まれる。

本発明は、虹彩認識のために処理されるべきデジタル画像に人間の目をローカライズする方法および装置である。

自然な前後の脈絡では、目の検出が、信頼性のある自動虹彩認識システムの構築に向ける第１のステップである。幾つかの虹彩認識システムは、虹彩のセグメント化の前に、入力された目を適切に拡大縮小するために所定の目の位置に大きく依存する。生物測定学的特徴に加えて、目の検出（目の探知またはローカリゼーションとしても知られる）は、目の追跡および人間／コンピュータの対話、または運転者傾眠監視システムのような他の新たな技術分野の土台となる。目の検出は、目の向く方向を利用する方向指示所作のような目の向く方向を識別するための社会的学習に役立つ。

本発明の方策および装置は、デジタル画像内部で目を探知するために使用可能である。局所コントラスト変化プロファイリングが、目の探知において存在する。数多くのＣＯＴＳ（民生汎用品）顔面認識パッケージソフトが基本として使用されるように複数の局所特徴構造を抽出して画像中を全体的に探索するのではなく、本発明の方策は、瞳孔表面を照明して、好ましくは目の画像の瞳孔内部におけるまたは目の画像の瞳孔に近接する高い反射ポイントが得られるように、目の画像取得時に照明方式を構築するためのシステム工学的方策に基づく。この鏡面反射ポイントは、デジタル画像において目を探索するための基準として使用可能である。したがって、画像分析時に、この探索は、これらの鏡面反射画素に関連する最高値の画素の単純化された局在化方式に限定され、目のプロファイルを確認するために、これらのホットスポット周囲の非常に局所的な特徴構造を分析することができる。実時間システムの要件を満たすために、この目の探知方策は、目の局所的な特徴構造を高画素値に関連するコントラスト・プロファイルの主要特徴構造に分割し、特定の値域内の潜在的な目の対のみを図示し、次いで複数曲線当て嵌め測定基準を有する既定義の正規形状当て嵌めを含む１つまたは複数の変数の特徴構造ベクトルに対照して、得られる有効な対を検査するカスケードプロセスとして実施可能である。

本発明の方策は、近接写真または顔面画像における人間の目に関して目を迅速かつ堅牢に局在化するためのものである。この方策は、分析に先立つものとして瞳孔領域内の反射ポイントを感知することに基づく。この方策は、反射が瞳孔内部に存在しない事例に関しても有効であるように策定される。この技術的方策は、反射の存否にかかわらず目を位置特定する。しかし、反射が存在する事例では、したがって、瞳孔を表す暗いコントラストで包囲されたこれらの特定の反射ポイントを探索するために検出が単純化される。次いで、目のプロファイルを探知するために、これらの潜在的な位置を中心とする対象領域が処理可能である。目の位置決めの予想値域内にある２つの有効な目が抽出可能である。目を探知する方策は、以下のステップに分かれる。鏡面反射画素を検出するためにコントラスト・フィルタが存在する。最大局所コントラスト変化を有する有効な目の対を抽出するために結果優先順位付けが存在する。この目の対は、２つの潜在的な目が既定義の値域内で離隔していれば、有効な対として定義される。適応閾値が、中心ブロブを検出するために適用される。ある形状へのブロブ境界の曲線当て嵌めが存在する。ブロブ表面の曲線当て嵌め度および形状面積網羅度が、確証のために測定される。本明細書で説明される方策は、虹彩認識のために処理されるべきデジタル画像において人間の目を位置特定するために使用される前処理技法の一部である。

目の検出が、任意の自動虹彩認識分析システムにとっても第１の段階であり、かつ一貫した虹彩セグメント化には決定的に重要である。幾つかの目の検出アルゴリズムが、顔面検出の基礎として開発される。目の探知方策は、知識に基づく方策、テンプレート照合、および目窩縁の検出に基づいて幾つかの範疇に分類可能である。本発明の方策は、実時間動作要件に対処可能である。１つの解決策は、この過程を迅速化するために目の局在化された特徴構造を段階的に処理することである。

訓練画像の組から学習したことに基づく固有空間教師付き分類技法を利用する外見に基づく方策が、目の外見の最も代表的な変化を捕捉するために利用可能である。テンプレート照合は、典型的な目窩を表す核を作成し、目の一致を示す畳み込みの最高値を識別位置と関連付けるために、核テンプレートを使って画像を畳み込むことを含みうる。

知識に基づく方策は、目の局所的な特徴構造を他の任意の特徴構造から区別する専門家によって獲得される特定の規則に基づく。これらの規則の組は、次いで目の位置を識別するために、事実上すべての可能な組合せに対照して検査可能である。

本発明の方策は、近接写真または顔面画像における人間の目に関して目を迅速かつ堅牢に局在化することができる。この方策は、分析に先立つものとして瞳孔領域内の反射ポイントを感知することに基づきうる。この方策はまた、反射が存在しない事例では、瞳孔プロファイルを感知することに基づく。反射が存在すれば、この検出は、瞳孔を表す暗いコントラストで包囲されたこれらの特定の反射ポイントを探索するために単純化される。次いで、これらの潜在的な位置を中心とする対象領域が、目のプロファイルを探知するために処理される。目の位置決めの予想値域内にある２つの有効な対が抽出される。

目を探知する本発明の方策は、以下のステップに分かれる。最初に、目は、瞳孔表面上に反射基準点を作成するために照明される。捕捉された広視野画像は、潜在的な目の位置を探知するために、反射検出コントラスト変化を利用してフィルタリングすることができる。それぞれの潜在的な目の位置に関して、中心点とその周囲の画素との間の局所的なコントラスト変化が計算可能であり、最大局所コントラスト変化を有する有効な目の対を抽出するために、結果が優先順位付けされる。この目の対は、２つの潜在的な目が既定義の値域内で離隔していれば、有効な対として定義される。有効な目の対のそれぞれの目に関して、適応閾値が、瞳孔のブロブを抽出するために、潜在的な目の中心領域のトリミングされた画像に対して実行される。単一のブロブだけが、サイズと、トリミングされた画像の中心点からの距離と、それが既定義の当て嵌めモデル（例えば、円形状）に対する当て嵌め適正度とに基づいて図示される。円または楕円のような既定義のモデル形状を使って、ブロブ縁が瞳孔当て嵌めモデルに当て嵌められる。ブロブ表面の曲線当て嵌め度およびモデル形状面積網羅度が、確証のために測定される。

前処理技法が、虹彩認識のために処理されるべきデジタル画像において人間の目を位置特定することができる。目探知システム１０の例示的な構造全体が、図１ａに示されている。目を照明するためのシステム工学は、本システムでは必ずしも示されていない。デジタルカメラが、候補の９つの画像を取得するために使用可能である。画像は、この画像の関係する高コントラスト部分域を検出するために、コントラスト・フィルタ１１に通される。ブロック１２には、画像中の顕著なスポットの優先順位付け（すなわち、格付け）が存在する。これらの中で、Ｎ個の候補がブロック１３で抽出される。候補が座標ｃ_１（ｘ，ｙ）を有することができる。ブロック１３の出力はブロック１４に進むことが可能であり、そこでは新たな第１の目が候補リストから選別される。ブロック１４から、目の画像候補は、プロファイル尺度の測定のためにブロック１５に進むことができる。目のプロファイルは、このプロファイルの有効性の判定が実施される菱形１７に進むことができる。プロファイルが有効でなければ、この第１の目は、ブロック１７においてリストから削除される。次いで菱形１８で、計数がゼロよりも大きいか否かを確認するために、計数がチェックされる。ゼロよりも大きくなければ、本方策は箇所１９で停止される。ゼロよりも大きければ、ブロック１４で、新たな第１の目がブロック１３からのリストから選別される。この新たな第１の目のプロファイル尺度が、ブロック１５で測定され、このプロファイルの有効性を判定するために菱形１６に送られうる。プロファイルが有効であれば、この選別された第１の目は箇所２０に進むことが可能であり、次いでブロック２１で、座標ｃ_２（ｘ，ｙ）を有する第２の目がブロック１３からの候補リストから選別される。第１および第２の目の間隔が、図２２で、Ｄ（ｃ_１（ｘ，ｙ），ｃ_２（ｘ，ｙ））として求められる。この間隔は、それが適切な値域内にあるか否かを確認するために菱形２３でチェックされる。適切な値域内になければ、第２の目は、ブロック２４でリストから削除される。適切な値域内にあれば、第２の目のプロファイル尺度がブロック２５で測定される。このプロファイル尺度は、プロファイルの有効性を判定するために菱形２６に前送りされる。プロファイルが有効でなければ、第２の目は、ブロック２４でリストから削除可能であり、菱形２７で、計数がゼロよりも大きいか否かが質問される。大きければ、ブロック２１で、別の第２の目がリストから選別可能であり、ブロック２１、２３、および、２５、ならびに菱形２３、２６、および、２７を経由する本方策が反復される。大きくなければ、第２の目に関する本方策は箇所１９で終了する。菱形２６で、プロファイルが有効であれば、この選別された第２の目は、箇所２０に進むことができる。

図１ａにおけるシステム１０に対するより高水準の方策が、候補選別ブロック１１１に進むコントラスト・フィルタリング１１の出力を含みうる。ブロック１１１からの出力は、プロファイル確証ブロック１１２に進むことができる。ブロック１１２からの出力は、候補選別ブロック１１４および結果ブロック２０、または候補排除ブロック１１３に進むことができる。ブロック１１３の出力は、候補選別ブロック１１１および／または停止箇所１９に進むことができる。ブロック１１４からの出力は、対確証ブロック１１５に進むことができる。ブロック１１５は、出力をプロファイル確証ブロック１１６に供給することができる。ブロック１１６からの出力は、候補排除ブロック１１７および／または結果ブロック２０に進むことができる。ブロック１１７の出力は、候補選別ブロック１１４および停止箇所１９に進むことができる。システム１０における処理は、アナログでもよいが、それはデジタルであっても、またはそれは一部デジタルでかつ一部アナログであってもよい。

図１ｂは、目探知システム１０のグループ構造を含む図である。図１ａの対応する構成要素（参照数字にしたがって）は追加的な説明を有する。本明細書で留意される候補は、目の様々な画像を指する。カメラ９が、コントラスト・フィルタ１１に接続される。フィルタ１１の出力は格付け機構１２に進むことが可能であり、この機構は、次ぎに候補抽出器１３に接続される。抽出器１３の出力は、新たな第１の候補を選別するための候補決定器１４に進むことができる。機構１２、抽出器１３、および決定器１４は、候補選別器１１１を構成する。

決定器１４の出力は尺度プロファイラ１５に進むことが可能であり、このプロファイラは次ぎに、プロファイル評価器１６に接続された出力を有する。プロファイラ１５および評価器１６は、プロファイラ確認器１１２を構成することができる。評価器１６の出力は、候補決定器２１、結果器２０、および候補除外器１７に進むことができる。除外器は計数器１８に進む出力を有する。候補除外器１７および計数器１８は、候補排除器１１３を構成することができる。計数器１８がゼロよりも大きな計数を有すれば、出力は、新たな候補の選別のために候補決定器１４に進むことができる。出力がゼロよりも大きくなければ、出力は停止器１９に進むことができる。

第２の候補を選別するための候補決定器２１は、間隔測定器２２に対する出力を有する。候補間隔測定器２２は、確証のために、２つの候補が相互から適切な距離にあるか否かを示する値域指示器２３に対する出力を有することができる。測定器２２および指示器２３は、対確認器１１５を構成することができる。候補決定器２１、先に留意した格付け機構１２、および候補抽出器１３は、候補選別器１１４を構成することができる。候補の対が有効であれば、確認器１１５からの出力はプロファイラ２５に進むことが可能であるか、またはこの対が有効でなければ、確認器１１５からの出力は候補除外器２４に進むことが可能である。プロファイラ２５の出力は、第２の候補が有効であるか否かを判定できるプロファイル評価器２６に進むことができる。有効であれば、評価器２６の出力は第２の候補の情報を結果器２０に供給することができる。無効であれば、評価器２６の出力は信号を候補除外器２４に供給することができる。プロファイラ２５およびプロファイラ評価器２６はプロファイル確認器１１６を構成することができる。候補除外器の出力は計数器２７に進むことができる。計数器２７がゼロよりも大きい値を示せば、出力は第２の候補を選別するために候補決定器２１に進むことができる。計数器２７がゼロよりも大きくない値を示せば、出力は停止器１９に進むことができる。候補除外器２４および計数器２７は、候補排除器１１７を構成することができる。

図２ａは、プロファイル尺度測定または目プロファイリングのブロック１５、２５によって供給された目プロファイルを求める方策を示す。選別された目の画像４１（図３ａ）が、瞳孔領域抽出ブロック３１に進むことができる。ブロック寸法は、瞳孔直径の最大予想値に基づいて決められる。最大瞳孔入力４４はブロック３１に供給される。ブロックからの出力が、適応閾値化ブロック３２に進む瞳孔画像４２（図３ｂ）である。パーセント入力４５がブロック３２に供給される。強度ヒストグラムを計算するための画素分布が、ブロック３２に供給される。ブロック３２の出力が、対象領域を効果的に網羅する瞳孔のバイナリ画像４３（図３ｃ）である。ブロック３２の出力は、輪郭探知ブロック３３に進むことができる。探知された画像輪郭４３は、ｎ個（２つ以上）の最も中心に位置する輪郭の選別ブロック３４に進むことができる。選別された最も中心に位置する輪郭は、瞳孔ブロブの境界を円、楕円、または同様の形状に曲線当て嵌めするために、曲線当て嵌めブロック３５に進むことができる。円は、事実上すべての事例に適切である。曲線当て嵌めブロックの出力は、曲線当て嵌め度およびその適性度の水準を示すために、菱形３６に進むことができる。本方策は、直径および網羅度当て嵌めに基づいて、モデルに最もまたは最適に当て嵌まる輪郭を選択するために、ｎ個の図示された輪郭を反復通過（loop through）させるものである。菱形３６からの出力４６が、曲線当て嵌め、当該項目が当て嵌め度測定基準に基づく目であるか否か、モデルに適切に当て嵌まる曲線内部における画素のパーセント、瞳孔モデルの半径および中心、ならびに瞳孔モデル内部に含まれるブロブの比率のような、瞳孔情報を供給することができる。

図２ｂは、図２ａを構造として捉えなおしたものである。プロファイラ１５、２５の瞳孔領域抽出器３１は、図１ｂの候補選別器１１１または１１４の出力に接続される。画像４１および最大瞳孔信号４４は、抽出器３１に入力される。抽出器３１の出力が適応閾値化器３２に接続される。パーセント入力４５が閾値化器３２に供給される。出力４３（例えば、バイナリ画像）は輪郭探知器３３に進むことができる。最も中心に位置する輪郭の選択器３４に対する入力は、輪郭探知器３３に由来する。選択器３４の出力が曲線当て嵌め器３５に進むことができる。モデルを当て嵌めるための最適の曲線選別器の菱形３６に対する入力は、曲線当て嵌め器３５に由来する。出力４６は、プロファイル評価器１６または２６に対する瞳孔情報４６となる。

ブロック３２の閾値化に関して、閾値は、対象領域内の画素強度のヒストグラム分布に基づいて、適応性を備えて設定される。最小閾値が、ＲＯＩ（すなわち、対象領域）画像のサイズに対する、画素中の対象物体（瞳孔）の網羅度に基づく。ＲＯＩに対するブロブサイズのパーセントは、ＲＯＩ表面（最大予想瞳孔直径と同じサイズであるように選択される）に対する、少なくとも瞳孔ブロブ（すなわち、瞳孔表面）の最小予想サイズの比率であると想定される。したがって、パーセント比、すなわちλは、次式を使って計算可能である。

上式で、Ｒ_ｍおよびＲ_Ｍは、瞳孔の予想半径の最小および最大可能値を表し、Ｓ_ｐは瞳孔最小表面であり、Ｓ_ＲＯＩは対象領域である表面であり、かつＥ［］は予想値演算子である。

当て嵌め度尺度は、目のプロファイリング手順の中で使用可能である。瞳孔ブロブの境界で、推定された正規形状が、検出された曲線にどれだけ適正に当て嵌まるかを測定するために、少なくとも２つの尺度が検出可能である。第１の曲線当て嵌め尺度は、次式を組み込むことができる。

上式において、曲線ｆ（ｘ，ｙ）はブロブの境界を表し、Ｆ（ｘ，ｙ）は推定当て嵌め形状の境界曲線であり、かつＦｃ（ｘ，ｙ）はモデル形状のモーメント中心である。上式中のＮは曲線ｆ（ｘ，ｙ）の長さを表し、演算子ｕ（）はステップ関数であり、かつε＜＜１は許容差因数である。

推定モデル曲線内部のブロブの比率を測定するために別の考慮事項が与えられうる。基本的に当て嵌め尺度は、ブロブ表面に対する、モデルおよびブロブの表面の推定された形状表面網羅度すなわち共通部分の比である。

上式でＳ_ブロブはブロブの表面である。
直線画像回転角に留意することができる。両目を同時に捕捉する虹彩画像捕捉システムが、頭部傾斜角を測定する様態を提供することができる。目の探知手順中に両目の瞳孔領域を検出することによって、両目の瞳孔中心塊体を通過する線とカメラの水平軸との角度が計算可能である。目探知器システム１０は、次いで両目の推定された定位軸における両目の画像を抽出することができる。任意の重要ではない目の定位に対処する照合方策の性質を利用して、線検出における位置合わせ不良がさらに対処される。本発明の前処理方策の利点は、照合過程時のビットのシフト量が数ビットに低減可能であり、よって本システムのより迅速な時間的応答をもたらす。回転補正が実施されなければ、照合の不確実性が最大に設定可能であり、よってバーコードのビットシフトがその最大値に設定される。他方では、このような補正が実施されれば、照合過程は、データベース中の画像との目の位置合わせ不良のいずれにも対処するためにシフトされた数ビットだけに限定される。

図２ｂはプロファイラの構造図である。
全体的な目検出システムが図４に示されている。それは、本明細書で留意されたように、内部に顔面を含む画像を目探知器１０に供給できるカメラ６１を示す。目探知器１０、６２は、虹彩セグメント化ブロック６３に進む１つまたは２つの目の画像を供給することができる。ブロック６３における極座標セグメント化（ＰＯＳＥ）システムを使用して、セグメント化を実施することができる。ＰＯＳＥは、画像（例えば、３２０×２４０画素）には、虹彩の一部を視認できる視認可能な瞳孔が存在するという想定に基づきうる。虹彩と瞳孔との間の内側境界における瞳孔セグメント化、ならびに虹彩と強膜との間および虹彩と目瞼との間の外側境界におけるセグメント化が存在する。セグメント化された画像を有する出力は、マッピング／正規化および特徴構造抽出のためにブロック６４に進むことができる。ブロック６４からの出力は、１およびゼロで表現される画像バーコードのような出力をブロックに供給できる符号化ブロック６５に進むことができる。画像の符号化は、目に関する虹彩および瞳孔の情報のような、目に関する情報の登録、索引付け、照合等々のためにブロック６７で使用可能な目の情報をブロック６６で格納するための基本となりうる。

図５は、幾つかの候補の１つである候補の核７０の略図を示す。箱形７１は、瞳孔の最小可能直径を表示する円形状の内部に収まるように選択される。箱形７２は、反射の最大サイズの表示が可能な円形状の内部に収まるように選択される。図５における実際の円形状は、箱型７０および７１の代わりに使用可能であるが、円形状は多量の計算を必要とし、正方形状または箱形が適切な近似であると考えられる。この機構を使用して瞳孔位置候補を位置特定することができる。

瞳孔ではないかと思われるブロブが、その外側部分に対して当て嵌め度曲線を使ってプロファイリングされる。この曲線が円のような既定義モデルに当て嵌まれば、それに当て嵌め度の一定パーセントの得点を与えることができる。当て嵌め度チェックの第２の部分は、瞳孔の画素の何パーセントがモデル曲線の内部に含まれるかを求めるものである。当て嵌め度パーセントが既定義の水準に対して十分に大きければ、検査された物体が瞳孔であると想定することが可能である。そうであれば、この物体は両目間の距離値域に関してチェックされる。

コントラスト、照度、および他の情報に基づく閾値水準、すなわち、λは、適応性がある。閾値は、λ_ｍｉｎに関して本明細書で留意された式を用いて求められる。図６は、対象領域である箱形７３を示す。部分域７４が、相対的に明るい第１の色である。部分域７５が、暗い第２の色である。部分域７６が、第１の色よりも明るい第３の色である。箱形または領域７３の内容からヒストグラムが取られる。このヒストグラムは、図７のグラフと同じような形になりうる。縦座標軸は、０から２５５にわたる、すなわち、それぞれ暗から明に至る横軸上に表示された値のコントラストまたは強度（すなわち、明るさ／暗さ）値を有する画素数を表示する。その結果は、λ_ｍｉｎに関連する中間点７７を有する２つのピーク７８、７９である。グラフ８１は正規的に見える。１つのピーク、１つまたは複数の平坦なピーク、大きな離隔距離を有するピーク、グラフに関して不規則に見える他の外見を有する他のグラフは、一般に不適格な状況を示す。本発明の方策は、不定または任意の閾値を有する適応閾値化を利用することに留意される。図示された閾値は、式（１）によって定義された閾値の最小値によって限定される。

瞳孔上に反射が見られない状況が存在する。図８は図６に似た図であるが、図６には、図８に存在しない瞳孔７５上の反射の部分域７６がある。しかし図８における瞳孔８５で、反射の部分域８６は想定可能である。対象領域すなわち核８７の画素は、図９に示されるように略図９０の目盛９５上の印によって表される明るさおよび暗さにしたがって格付けされる。矢印９６が、次第に明るくなっていく画素の方向を表す。矢印９７が、次第に暗くなっていく画素の方向を表す。例示目的のために各印が画素を表すが、各印が任意の画素数または１つもしくは複数の画素のほんの一部を表してもよい。核８７のサイズは、Ｎ個の画素である。Ｎ個の画素は、目盛９５上の印のグループ９３によって表示可能である。反射８６は、「Ｎ_ｒｆｃ」によって表示可能である。「Ｎ_ｒｆｃ」は反射８６の画素を指する。「Ｎ_ｒｆｃ」画素は、目盛９５上の印のグループ９１によって表示可能である。「Ｎ−Ｎ_ｒｆｃ」は、暗い部分域８５を表示することができる。「Ｎ−Ｎ_ｒｆｃ」画素は、目盛９５上の印のグループ９２によって表示可能である。

瞳孔上に反射が存在する事例では、測定基準は、反射スポット内部の反射画素測定基準（局所最大値）と瞳孔プロファイルを表す暗い画素の平均値と間の最大差の引数として定義可能である。よって、

となる。
ベクトル は、図９に示された強度値に基づいて降順に並べ替えられた核要素である。強度の平均値が、各画素グループに関して計算可能である。

「Ｎ_ｒｆｃ」グループ９１に関して、反射画素の第１のＫ個の要素のみの平均値として推定された反射スポットの局所最大値ｖ_ｍａｘが存在する。Ｋは、Ｋ＜＜Ｎ_ｒｆｃであるように選択可能である。「Ｎ−Ｎ_ｒｆｃ」グループ９２に関して、「μ_０」が存在する。

図１０ａおよび１０ｂは、目１０１および１０４のそれぞれに関する反射および／または無反射測定基準を使用する目の探知に関連する。瞳孔上に実際の反射が存在しない状況では、引数１／μ_０を最大化する下部目盛中の暗い画素の代表値が存在する。これは、反射が存在する状況または反射が存在しない状況のいずれに関しても該当する。よって、両方の状況に有効であるように、次式、すなわち、

によって示されるように、これらの式を１つに組み合わせることが可能である。
本明細書では、事柄の一部が、別の様態または時制で述べられているけれども、仮説的または予言的な性質である。

本発明は、少なくとも１つの例示的な実施例に関して説明されたが、本明細書を読むと、数多くの変更および変型が当業者には明白になろう。したがって、添付の特許請求の範囲は、このようなすべての変更および変型を包含するために、従来技術に照らして可能な限り広く解釈されることが本意である。

目探知システムの例示的な構造全体の略図である。 目探知システムのグループ構造を含む略図である。 プロファイル尺度の測定によって提供された目のプロファイルを求める方策の略図である。 プロファイラの構造の略図である。 選別された目の画像を示す図である。 瞳孔画像４２を示す図である。 瞳孔のバイナリ画像４３を示す図である。 虹彩認識システム全体の略図である。 瞳孔の直径を表す箱形と瞳孔反射を表す箱形とを有する核の略図である。 相対的に明るい部分域と、暗い部分域と、相対的に明るい部分域よりも明るい、瞳孔モデルを表す暗い部分域内に位置する部分域とを有する対象領域を表す箱形を示す図である。 図６の部分域のコントラストまたは強度値のヒストグラムである。 図６と同様であるが、相対的に明るい部分域よりも明るい、瞳孔を表す暗い部分域内に位置する部分域（典型的な反射のモデル化）を有さない図である。 明るさおよび暗さにしたがって格付けされた対象領域の画素を表す印の目盛の図である。 反射測定基準を使用する目の探知に関する図である。 無反射測定基準を使用する目の探知に関する図である。

Claims (3)

1. フィルタ（１１）と、
   前記フィルタに接続された第１の目候補選別器（１１１）と、
   前記目候補選別器に接続された第１のプロファイル確認器（１１２）と、
   前記第１のプロファイル確認器および前記第１の目候補選別器に接続された第１の候補排除器（１１３）と、
   前記第１のプロファイル確認器に接続された第２の目候補選別器（１１４）と、
   前記第２の目候補決定器に接続された対確認器（１１５）と、
   前記対確認器に接続された第２のプロファイル確認器（１１６）と、
   前記第２のプロファイル確認器および前記第２の目候補選別器に接続された第２の候補排除器（１１７）と、を備え、
   前記第１のプロファイル確認器および前記第２のプロファイル確認器はそれぞれ、
   前記目選別器に接続された瞳孔領域抽出器（３１）と、
   前記瞳孔領域抽出器に接続された適応閾値化器（３２）と、
   前記適応閾値化器に接続された輪郭探知器（３３）と、
   前記輪郭探知器に接続された輪郭選択器（３４）と、
   前記輪郭選択器に接続された曲線当て嵌め器（３５）と、
   前記曲線当て嵌め器に接続された最適曲線選別器（３６）と、
   を備える、
   候補探知器システム。
2. 候補を提供するステップと、
   前記候補をコントラスト・フィルタリングするステップと、
   第１の目を前記候補から選別するステップと、
   前記第１の目のプロファイルを確証するステップと、
   第２の目を前記候補から選別するステップと、
   前記第１の目と第２の目との間の間隔量を確証するステップと、
   前記第２の目のプロファイルを確証するステップと、を含み、
   前記選別された第１の目および前記選別された第２の目のプロファイルを確証するステップはそれぞれ、
   前記選別された目の画像の瞳孔領域の瞳孔画像を抽出するステップと、
   前記瞳孔画像に適応閾値を適用するステップと、
   適応閾値化後の前記瞳孔画像の輪郭を探知するステップと、
   最も中心に位置する前記探知された輪郭を選択するステップと、
   前記最も中心に位置する前記探知された輪郭に曲線を当て嵌めるステップと、
   前記当て嵌められた輪郭の最適曲線を選択するステップと、
   を含む、
   目を探知する方法。
3. 目の探知器システム（１０）であって、
   カメラ（９）と、
   前記カメラに接続されたフィルタ（１１）と、
   前記フィルタに接続された候補リスト作成器（１２，１３）と、
   前記候補リスト作成器に接続された目選別器（１４）と、
   前記目選別器に接続された目プロファイル評価器（１５）と、
   を備え、
   前記目プロファイル評価器は、
   前記目選別器に接続された瞳孔領域抽出器（３１）と、
   前記瞳孔領域抽出器に接続された適応閾値化器（３２）と、
   前記適応閾値化器に接続された輪郭探知器（３３）と、
   前記輪郭探知器に接続された輪郭選択器（３４）と、
   前記輪郭選択器に接続された曲線当て嵌め器（３５）と、
   前記曲線当て嵌め器に接続された最適曲線選別器（３６）と、
   を備える、
   目の探知器システム。

Images