JP6127219B2 - 顔画像のデータから顔特徴を抽出する方法、およびシステム - Google Patents

Description

本発明は、顔画像のデータから顔特徴を抽出する方法、およびシステムに関する。

多くの実際のアプリケーションにおいて、姿勢および照明の変化は、顔認識に影響を与えるボトルネックとなっている。今までに、このような変化に対応するために、多くの既存解決策が提案されてきた。姿勢不変（ｐｏｓｅ−ｉｎｖａｒｉａｎｔ）方法では、一般的に、２Ｄによるタイプ、および３Ｄによるタイプという２種類に分けられる。第１タイプでは、２Ｄ画像のマッチングをしたり、いくつかの基礎もしくはテンプレートを用いたりすることにより、テスト画像をエンコードして姿勢を処理する。例えば、１つの通常の様態において、ステレオマッチング（ｓｔｅｒｅｏ ｍａｔｃｈｉｎｇ）により２つの顔の間の類似性を計算する。そして画像訓練のテスト用顔の組み合わせを提供し、且つ、次いで線形回帰係数は顔を認識するための特徴として利用される。３Ｄによる方法は、通常、３Ｄの顔データを捕捉したり、２Ｄの入力から３Ｄのモデルを推定したりして、且つそれらを２Ｄプローブ顔画像とマッチングすることを試みる。このような方法では、プローブ顔の任意のビューを合成することが可能となるため、これらの方法が、通常、姿勢の変化に対してさらに頑健になっている。

照明不変（ｉｌｌｕｍｉｎａｔｉｏｎ−ｉｎｖａｒｉａｎｔ）方法では、通常、照明が顔画像を如何に影響するかを仮定し、且つ当該仮定を用いて照明効果をモデル化させて除去する。例を挙げて言えば、本技術分野において、既にプロジェクターに基くシステムが設けられて少量の照明下でのギャラリーにおける各対象画像を捕捉し、この捕捉された画像は、線形的に組み合わせて任意の照明下での画像を生成することができる。当該強化された顔画像集合において、スパースコーディングを用いて顔認識を実行する。

上記方法は、いくつかの制限がある。例えば、３Ｄデータを捕捉するために追加コストおよびリソースを必要とし、２Ｄデータから３Ｄモデルを推定することは、不良設定問題となっている。統計的照明モデルは、制御された環境から一般化される場合が多いため、実際のアプリケーションにおいてそれをよく要約することができない。

本発明の一態様において、顔画像のデータから顔特徴を抽出する方法を提供し、この方法は、
１） 前記顔画像のデータに対してフィルタリングして第１の次元を有する、第１の多チャンネルの特徴マップを形成するステップと、
２）
（式中、ｘは前記第１の次元を有する特徴マップを表す）の規則により各前記特徴マップを計算するステップと、
３） 前記計算された特徴マップをダウンサンプリングして第２の次元を有する特徴マップを形成するステップと、
４） 前記ダウンサンプリングして形成された特徴マップに対してフィルタリングして第２の次元を有する、第２の多チャンネルの特徴マップを形成するステップと、
５）
（式中、ｘは前記第２の多チャンネルの特徴マップを表す）の規則により前記第２の次元を有する各前記特徴マップを計算するステップと、
６） 前記計算された第２の多チャンネルの特徴マップに対してダウンサンプリングし、第３の次元を有する特徴マップを形成するステップと、
７） 前記第３の次元を有する特徴マップにおける各特徴マップに対してフィルタリングして顔領域以外の強い応答を減少し、これにより、前記顔画像の同じ身元の中での差異を減少すると共に、前記顔画像の複数の身元の間に識別力を維持するステップと、を含む。

他の一態様において、本発明は、顔画像のデータから顔特徴を抽出するシステムを提供し、このシステムは、
前記顔画像のデータに対してフィルタリングして第１の次元を有する、第１の多チャンネルの特徴マップを形成し、且つ前記特徴マップを第２の次元を有する特徴マップにダウンサンプリングするように配置されている第１特徴抽出ユニットと、
第２の次元を有する特徴マップに対してフィルタリングして前記第２の次元を有する、第２の多チャンネルの特徴マップを形成し、且つ前記第２の多チャンネルの特徴マップを第３の次元を有する特徴マップにダウンサンプリングするように配置されている第２特徴抽出ユニットと、
前記第３の次元を有する特徴マップに対してフィルタリングして顔領域以外の強い応答をさらに減少し、これにより、顔画像の同じ身元の中での差異を減少すると共に、前記顔画像の複数の身元の間に識別力を維持するように配置されている第３特徴抽出ユニットと、を含む。

一実施例において、上記方法は、コンピュータにおける１つまたは複数のプロセッサにより実施されたり実行されたりすることができる。

一実施例において、第１の特徴抽出ユニットは、第１のフィルター行列と、第１の非線形活性化ユニットと、第１のダウンサンプリング行列とを含む。第１のフィルター行列は、顔画像のデータに対してフィルタリングし、各マップに、顔領域以外に位置する、主に顔画像の姿勢情報を捕捉するための大量の強い応答と、顔領域内部に位置する、顔画像の顔構造を捕捉するための複数の強い応答とを有するように配置されている。第１のダウンサンプリングユニット行列は、特徴マップを、第２の次元を有する特徴マップにダウンサンプリングするように配置されている。第１の非線形活性化ユニットは、第１のフィルター行列と、第１のダウンサンプリングユニット行列とを非線形的に連結するように配置されている。

他の実施例において、第２の特徴抽出ユニットは、第２のフィルター行列２１を含む。第２のフィルター行列は、第１の特徴抽出ユニットからの各マップに対してフィルタリングして顔領域以外に位置する強い応答を減少することで、大多数の姿勢変化の影響を除去すると共に、顔画像の顔構造を維持するように配置されている。第２の特徴抽出ユニットは、第２の非線形活性化ユニットと、第２のダウンサンプリングユニット行列とをさらに含む。第２のダウンサンプリングユニット行列は、特徴マップを第２の次元を有する特徴マップにダウンサンプリングするように配置されており、また、第２の非線形活性化ユニットは、第２のフィルター行列と、第２のダウンサンプリングユニット行列とを非線形的に連結するように配置されている。

他の態様において、本発明は、コンピュータ読み取り可能な媒体を提供し、このコンピュータ読み取り可能な媒体は、
１） 前記顔画像のデータに対してフィルタリングして第１の次元を有する、第１の多チャンネルの特徴マップを形成するステップと、
２）
（式中、ｘは前記第１の次元を有する特徴マップを表す）の規則により各前記特徴マップを計算するステップと、
３） 計算された特徴マップをダウンサンプリングして第２の次元を有する特徴マップを形成するステップと、
４） ダウンサンプリングして形成された特徴マップに対してフィルタリングして第２の次元を有する、第２の多チャンネルの特徴マップを形成するステップと、
５）
（式中、ｘは前記第２の多チャンネルの特徴マップを表す）の規則により前記第２の次元を有する各前記特徴マップを計算するステップと、
６） 計算された第２の多チャンネルの特徴マップに対してダウンサンプリングし、第３の次元を有する特徴マップを形成するステップと、
７） 前記第３の次元を有する特徴マップにおける各特徴マップに対してフィルタリングして顔領域以外の強い応答を減少し、これにより、前記顔画像の身元自体の差異を減少すると共に、前記顔画像の身元同士の間に識別力を維持するステップと、
を実行する指令を記憶するために用いられる。

顔画像のデータから顔特徴を抽出するプロセスを示すフローチャートである。 本発明の実施例に係る顔画像のデータから顔特徴を抽出するためのシステムを示すアーキテクチャである。 本発明の実施例に係る顔画像のデータから顔特徴を抽出するための例示的なシステムを示すブロック図である。 本発明の一実施例に係る重みにおけるパラメータの訓練を示すフローチャートである。

以下、例示的な実施形態を参照しながら、添付図面に基づいて本発明の具体的な実施例について詳細に説明する。適切な場合、図面全体における同じまたは類似の部分は、同じ符号で示されている。

図１は、顔画像のデータから顔特徴を抽出するためのプロセス１００のフローチャートを示している。プロセス１００において、任意姿勢および任意照明変化を有する人の顔画像が入力として用いられ、且つ当該人の正規化された視点でその顔をターゲットとして再構成する（図２を参照）。まず、特徴抽出層を介して入力画像をエンコードし、当該特徴抽出層は、３つの局所連続層と、交互に積層されている２つのプーリング層とを備え、これらの層については後述する。各層は、異なるスケールで顔特徴を捕捉する。第１の局所連続層は、第１の複数（例えば、３２）の特徴マップを出力する。各マップには、顔領域以外に位置する、主に姿勢情報を捕捉するための大量の強い応答と、顔領域内部に位置する、顔構造を捕捉するためのいくつかの強い応答とを備える。第２の局所連続層から出力された特徴マップにおいて、顔領域以外に位置する強い応答が既に大幅に減少され、これにより、大多数の姿勢変化の影響を除去すると共に、顔構造を維持することが示されている。第３の局所連続層は、スパースであり身元特徴を保持したＦＩＰ特徴を出力する。ＦＩＰ特徴は、正規化された視点で顔画像を回復するために用いられることができる。

本発明の一実施例において、プロセス１００は、ステップｓ１０１を含み、当該ステップでは、顔画像のデータに対してフィルタリングして第１の次元を有する、第１の多チャンネルの特徴マップを形成する。次いで、
により、各マップが計算され、式中、ｘはそれぞれ第２の次元を有する特徴マップを表す。計算されたマップをさらにダウンサンプリングして第２の次元を有する特徴マップを形成する。当該ステップにおいて、顔画像のデータに対してフィルタリングし、各マップに、１）顔領域以外に位置する、主に顔画像の姿勢情報を捉えるための大量の強い応答と、２）顔領域内部に位置する、顔画像の顔構造を捉えるための複数の強い応答とを備える。

例えば、
は、任意姿勢および任意照明下での顔画像のデータ行列を表し、次元初期サイズ（例えば、９６×９６）を有する。説明の便宜上、下記の内容は、９６×９６の次元初期サイズに基くものである。データ行列
の次元初期サイズをフィルタリングして３２チャンネルの特徴マップを形成することができる。

一実施例において、３２小行列を有する重み行列
により、
は、３２特徴マップ／チャンネルに変換され、
式中、
はデータ行列の次元初期サイズ（すなわち、
＝９６）を表す。

各小行列は、画像データの局所連続構造を維持するように、スパースとなっている。直観的に、小行列における各行の
は、中心が画素
の所に位置する小さなフィルターを表し、当該フィルターに属する要素以外の、当該行における全ての要素のいずれもゼロに等しいことにさせる。特に、
の重みが共有されていなく、これらの行における非ゼロ値も同じでない。このため、重み行列
は、３２特徴マップ
を生成し、各特徴マップは
次元を有する。

次いで、行列
（ここで、
）を用いてこれらの特徴マップにおいていずれも４８×４８の特徴にダウンサンプリングしてパラメータを学習する必要とされる数を減少し、より頑健な特徴を取得する。ｘの各
は、
（１）
として計算される。

上記の式（１）において、
は、特徴強度が変化しなく改正された線形関数である。このため、それは、形状および照明の変化に対して比較的頑健である。
は、全ての
を一緒に直列に繋いで
次元の比較的大きい特徴マップを取得することにより得られる。

一実施例において、ステップｓ１０１の前に、プロセス１００は、
（式中、ｘは顔画像の各データを表す）の規則に応じて顔画像のデータを非線形的に活性化することができる。別の一実施例において、ステップｓ１０１の前に、顔画像をグレイスケール画像に変換することができる。

ステップｓ１０２において、計算された各マップをさらに第２の次元を有する、第２の多チャンネルの特徴マップにフィルタリングし、且つ
により、さらにそれぞれフィルタリングされたマップを計算し、式中、ｘは第２の次元を有する特徴マップを表す。次いで、上記マップをさらに第３の次元を有する特徴マップにダウンサンプリングする。

具体的には、各
は、３２小行列
を持っている
にフィルタリングされる。
ここで、
（２）

上記の式（２）において、
は、
を用いて
次元にダウンサンプリングされる。式（２）は、第１の層における各小さい特徴マップに３２小行列をかけてからそれらを合計することを意味する。ここで、各小行列には、上記で説明されたようなスパース構造を有する。式（２）は、新たに式
（３）で行列形式に表されることができる。

上記の式（３）において、
且つ、
である。
は、
を３２回まで繰り返して簡単に得られる。このため、
は、
次元を有する。

ステップｓ１０３において、プロセス１００では、ステップｓ１０２により得られた第３の次元の特徴マップにおける各マップを、フィルタリングして顔領域以外に位置する強い応答を減少し、従って、顔画像の同じ身元の中で差異を減少し、且つ顔画像の複数の身元の間の識別力を維持する。本発明において、得られた顔特徴は、ＦＩＰ（ｆａｃｅ ｉｄｅｎｔｉｔｙ−ｐｒｅｓｅｒｖｉｎｇ：顔身元保持）特徴とも呼ばれる。

一実施例において、プロセス１００は、ステップｓ１０２により受信された各マップに対して重みを付け、且つ、ステップｓ１０４において、重み付けられたマップを、姿勢および照明の変化がない正面顔画像に変換する。

具体的に、
は
（すなわち、ＦＩＰ特徴）に変換され、
と
とは同じサイズである。
ここで、
（４）
上記の式（４）において、
且つ
である。

次いで、ステップｓ１０６において、プロセス１００は、重み行列
を介してＦＩＰ特徴
が正面顔画像
に変換される。
ここで、
（５）。

上記したように、顔画像のデータから顔特徴を抽出するための方法を説明した。以下、図２および図３を参照して顔画像のデータから顔特徴を抽出するシステムを説明する。そのうち、図２は本発明の実施形態に係る顔画像のデータから顔特徴を抽出するためのシステム２００のアーキテクチャを示し、図３は本発明の実施例に係る顔画像のデータから顔特徴を抽出するための例示的なシステム２００のブロック図を示す。

図２に示すように、システム２００は特徴抽出層および特徴を含む。上記で述べられたように、任意姿勢および任意照明の変化を持っている、人の顔画像は、システム２００の入力として用いられる。システム２００は、同じ人の正規化された視点で顔を再構成してターゲットとする。まず、特徴抽出層を介して入力画像をエンコードし、当該特徴抽出層は、３つの局所連続層と、交互に積層されている２つのプーリング層とを備える。各層は、異なるスケールで顔特徴を捕捉する。第１の局所連続層は、第１の複数（例えば、３２）の特徴マップを出力する。各マップには、顔領域以外に位置する、主に姿勢情報を捕捉するための大量の強い応答と、顔領域内部に位置する、顔構造を捕捉するためのいくつかの強い応答とを有する。第２の局所連続層から出力された特徴マップにおいて、顔領域以外に位置する強い応答が既に大幅に減少され、これにより、大多数の姿勢変化の影響を除去すると共に、顔構造を維持することが示されれいる。第３の局所連続層は、スパースであり身元を保持したＦＩＰ特徴を出力する。ＦＩＰ特徴は、正規化された視点で顔画像を回復するために用いられることができる。

より具体的には、図３に示すように、システム２００は、第１の特徴抽出ユニット１０と、第２の特徴抽出ユニット２０と、第３の特徴抽出ユニット３０とを含んでもよい。第１の特徴抽出ユニット１０は、顔画像のデータを、第１の次元を有する、第１の多チャンネルの特徴マップとしてフィルタリングし、且つ特徴マップを第２の次元を有する特徴マップにダウンサンプリングするように配置されている。第２の特徴抽出ユニット１１ は、第２の次元の特徴マップに対してフィルタリングして第２の次元を有する、第２の多チャンネルの特徴マップを形成し、且つ第２の多チャンネルの特徴マップをダウンサンプリングして第３の次元を有する特徴マップを形成するように配置されている。第３の特徴抽出ユニット１２ は、第３の次元を有する特徴マップに対してフィルタリングして顔領域以外に位置する強い応答をさらに減少し、顔画像の同じ身元の中での差異を減少すると共に、顔画像の複数の身元の間の識別力を維持するように配置されている。

図３に示すように、システム２００は、第１の特徴抽出ユニット１０と第２の特徴抽出ユニット１１との間に配置されている第１の非線形活性化ユニット２０ 、および第２の特徴抽出ユニット１１と第３の特徴抽出ユニット１２との間に配置されている第２の非線形活性化ユニット２１ をさらに含む。第１の非線形活性化ユニットと第２の非線形活性化ユニットは、それぞれ規則
（式中、ｘは抽出された特徴マップである）により第１、第２及び第３の特徴抽出ユニットを非線形的に連結するように配置されている。

一実施例において、第１の特徴抽出ユニット１０は、第１のフィルター行列１１と、第１の非線形活性化ユニット１２と、第１のダウンサンプリングユニット行列１３とを含む。第１のフィルター行列１１は、顔画像のデータに対してフィルタリングし、各マップに、いずれも、顔領域以外に位置する、主に顔画像の姿勢情報を捕捉するための大量の強い応答と、顔領域内部に位置する、顔画像の顔構造を捕捉するための複数の強い応答とを備えるように配置されている。第１の非線形活性化ユニット１２は、第１のフィルター行列１１と、第１のダウンサンプリングユニット行列１３とを非線形的に連結するように配置されている。第１のダウンサンプリングユニット行列１３は、特徴マップを、第２の次元を有する特徴マップにダウンサンプリングするように配置されている。第１のフィルター行列１１、第１の非線形活性化ユニット１２、および第１のダウンサンプリングユニット行列１３は、上記式（５）に表われる規則に基づいてその機能を続行するために協働する。

第２の特徴抽出ユニット２０は、第２のフィルター行列２１と、第２の非線形活性化ユニット２２と、第２のダウンサンプリングユニット行列２３とを含む。第２のフィルター行列２１は、第１の特徴抽出ユニットからの各マップに対してフィルタリングして顔領域以外における強い応答を減少することで、大多数の姿勢変化の影響を除去すると共に、顔画像の顔構造を維持するように配置されている。第２のダウンサンプリングユニット行列２３は、特徴マップを、第２の次元を有する特徴マップにダウンサンプリングするように配置されている。第２の非線形活性化ユニット２２は、第２のフィルター行列１１ と、第２のダウンサンプリングユニット行列２３とを非線形的に連結するように配置されている。第２のフィルター行列２１、第２の非線形活性化ユニット２２、および第２のダウンサンプリングユニット行列２３は、上記の式（２）〜式（４）に表われる規則に基づいて上記した機能を続行するために協働する。

また、システム２００は、再構成ユニット４０をさらに含んでもよい。当該再構成ユニットは、第３の特徴抽出ユニット３０により受信された各特徴に対して重みを付け、且つ上記した式（５）の規則に基き、前記重み付けられた特徴を、姿勢および照明の変化がない正面の顔画像に変換するように配置されている。

なお、一実施例において、システム２００は、非線形前活性化ユニット５０をさらに含んでもよい。当該非線形前活性化ユニットは、顔画像のデータを第１の特徴抽出ユニットに入力する前に、顔画像のデータを処理する。ユニット５０は、さらに、画像をグレイスケール画像に変換するように配置されてもよい。

それぞれ第１の重み行列Ｗ^１、第２の重み行列Ｗ^２、第３の重み行列Ｗ^３を用い、３つの層に行われたフィルタリングのプロセス（すなわち、ステップｓ１０１〜１０３、ユニット１０〜２０）を実行し、且つ第４の重み行列Ｗ^４を用いて変換を実行する。本発明では、最小二乗辞書学習に基づいて監視方法を設計する。特に、次のステップにより、行列Ｗ^１、Ｗ^２、Ｗ^３およびＷ^４を訓練し、すなわち、最小二乗辞書学習に基づいてＷ^１、Ｗ^２、Ｗ^３およびＷ^４のパラメータを初期化し、次いで再構成された画像と実測値（ｇｒｏｕｎｄ ｔｒｕｔｈ）との間の加算・二乗された（ｓｕｍｍｅｄ ｓｑｕａｒｅｄ）再構成誤差に対して逆伝播することにより、全てのパラメータを更新する。

図４はＷ^１、Ｗ^２、Ｗ^３およびＷ^４のパラメータを初期化するための流れを示す。
は一組のＦＩＰ特徴であり、
は一組のターゲット画像であり、ここで、
は訓練例の数を表す。第１のステップにおいて、固定行列Ｏを提供し、規則
により、Ｘ^０およびＹを用いてＷ^１を初期化する。

上記の式（６）において、
は一組の入力画像であり、且つ
はフロベニウスノルムである。

第２のステップにおいて、当該方法は、固定行列Ｐを提供し、規則
により、Ｗ^１Ｘ^０（ここで、Ｗ^１は固定である）およびＹを用いてＷ^２を初期化する。

第３のステップにおいて、当該方法は、固定行列Ｑを提供し、規則
により、Ｗ^２Ｗ^１Ｘ^０およびＹを用いてＷ^３を初期化する。

第４のステップにおいて、当該方法は、規則
により、Ｗ^３Ｗ^２Ｗ^１Ｘ^０およびＹを用いてＷ^４を初期化する。

更新については、提案方法は、初期化後、再構成誤差の損失関数を最小化することにより全ての重み行列を更新し、その中でも、
式中、
と、
と、
および
とが、それぞれ一組の入力画像、一組のターゲット画像、および一組の再構成された画像である。それは、確率的勾配降下法（ｓｔｏｃｈａｓｔｉｃ ｇｒａｄｉｅｎｔ ｄｅｓｃｅｎｔ）を用いて
を更新し、その中でも、第ｋ番目の重複における
の更新規則は、以下の通りである。

（１１）

（１２）

ここで、
は運動量変数（ｍｏｍｅｎｔｕｍ ｖａｒｉａｂｌｅ）であり、
は学習率であり、且つ
は導関数であり、それは逆伝播誤差
と前層（ｐｒｅｖｉｏｕｓ ｌａｙｅｒ）
の特徴との外積として計算される。当該深層ネットワーク（ｄｅｅｐ ｎｅｔｗｏｒｋ）において、
の３種類の異なる式がある。まず、変換層について、
は、線形正規化関数（ｌｉｎｅａｒ ｒｅｃｔｉｆｉｅｄ ｆｕｎｃｔｉｏｎ）の導関数に基づいて計算される。
（１３）

上記の式（１３）において、
であり、
はベクトルの第
番目の要素である。

同様に、
の逆伝播誤差（ｂａｃｋ−ｐｒｏｐａｇａｔｉｏｎ ｅｒｒｏｒ）は、
（１４）として計算される。

上記の式（１４）において、
である。

本発明において、
および
は、
と同じ活性化関数を用いているため、
と同じ方式で計算される。ダウンサンプリングが行われた結果として、微細な差がある。これらの２つの層については、対応する逆伝播誤差
をアップサンプリングしてそれに入力特徴と同じ次元を含ませる必要があると考えられる。本発明は、各勾配のステップの後で局所連続的構造を備えるように重み行列を強化する必要がある。このために、対応する行列要素に連続がないと仮定する場合、これらの要素をゼロとする。

本発明の実施形態は、あるハードウェア、ソフトウェア、または両方の組み合わせを用いて実行されることができる。また、本発明の実施形態は、コンピュータプログラム製品に適することができ、当該コンピュータプログラム製品は、コンピュータプログラムコードを有する１つまたは複数のコンピュータ読み取り可能な記憶媒体（ディスクメモリ、ＣＤ−ＲＯＭ、光メモリ等を含むが、これらに限定されない）に具現されている。例を挙げて言えば、１つまたは複数のプロセッサにより上記した方法を実施してコンピュータ読み取り可能な媒体に記憶された指令を実行することができる。具体的に、媒体は、一対の顔画像を検索するための指令と、各顔画像を画像の複数のパッチに分割するための指令（１つの画像における各パッチと、他の一画像中の対応するパッチとが一対のパッチを形成する）と、各対のパッチの第１の類似性を確定するための指令と、全ての対のパッチから前記一対の顔画像の第２の類似性を確定するための指令と、第１の類似性および第２の類似性を用いるための指令と、顔画像を認識するための指令と、を記憶することができる。

上記の説明において、説明のために、単一の実施例において本発明の各態様、ステップまたは部材が集合されている。本発明は、保護を請求する主題の、全ての開示の変化を必要とすることが解釈されるべきではない。記載されている特許請求の範囲は、例示的な実施例の説明に組み込まれることが理解されるべきであり、その中でも、各請求項そのものは、本発明の独立的な実施形態として認識されるべきである。

また、本発明の明細書および実践から考えると、本発明の範囲から逸脱しない場合、開示されたシステムおよび方法に対して様々な修正および変更を実行できることは、当業者にとって自明である。このため、明細書およびその実施例は、単に例示的なものだけとみなし、本発明の実際の保護範囲は、記載されている特許請求の範囲およびその同等物により示されている。

Claims (6)

1. 顔画像のデータから顔特徴を抽出する方法であって、
   １） 前記顔画像のデータに対してフィルタリングして第１の次元を有する、第１の多チャンネルの特徴マップを形成するステップと、
   ２）
   
   
   （式中、ｘは前記第１の次元を有する特徴マップを表す）の規則により各前記特徴マップを計算するステップと、
   ３） 前記計算された特徴マップをダウンサンプリングして第２の次元を有する特徴マップを形成するステップと、
   ４） 前記ダウンサンプリングして形成された特徴マップに対してフィルタリングして第２の次元を有する、第２の多チャンネルの特徴マップを形成するステップと、
   ５）
   
   
   （式中、ｘは前記第２の多チャンネルの特徴マップを表す）の規則により前記第２の次元を有する各前記特徴マップを計算するステップと、
   ６） 前記計算された第２の多チャンネルの特徴マップに対してダウンサンプリングし、第３の次元を有する特徴マップを形成するステップと、
   ７） 前記第３の次元を有する特徴マップにおける各特徴マップに対してフィルタリングして顔領域以外の強い応答を減少し、前記ステップ６）により受信された各前記マップに対して重みを付け、且つ重み付けられたマップを、姿勢および照明の変化がない正面の顔画像に変換し、これにより、前記顔画像の同じ身元の中での差異を減少すると共に、前記顔画像の複数の身元の間の識別力を維持するステップと、
   を含む方法。
2. 前記ステップ１）においては、前記特徴マップのいずれも、
   前記顔領域以外に位置する、主に前記顔画像の姿勢情報を捕捉する大量の強い応答と、
   前記顔領域内部に位置する、前記顔画像の顔構造を捕捉する複数の強い応答と、を有するように、前記顔画像のデータに対してフィルタリングすることをさらに含む、請求項１に記載の方法。
3. 前記ステップ７）においては、前記ステップ６）により受信された各前記マップに対してフィルタリングして前記顔領域以外に位置する強い応答を減少することで、大多数の姿勢変化の影響を除去すると共に、前記顔画像の前記顔構造を維持するステップをさらに含む、請求項１または２に記載の方法。
4. それぞれ第１の重み行列Ｗ^１、第２の重み行列Ｗ^２、第３の重み行列Ｗ^３を用いて前記ステップ１）、前記ステップ４）および前記ステップ７）におけるフィルタリング操作を実行し、且つ第４の重み行列Ｗ^４を用いて前記変換を実行し、
   前記行列Ｗ^１、Ｗ^２、Ｗ^３およびＷ^４は、最小二乗辞書学習に基づいてＷ^１、Ｗ^２、Ｗ^３およびＷ^４のパラメータを初期化してから、再構成された画像と実測値との間の加算・二乗された再構成誤差を逆伝播することで全ての前記パラメータを更新することにより、訓練される、請求項１に記載の方法。
5. 
   
   を一組のＦＩＰ特徴とし、
   
   
   を一組のターゲット画像とし（ここで、
   
   
   は訓練例の数を表す）、
   前記初期化の操作は、
   固定行列Ｏを提供し、規則
   
   
   （ここで、
   
   
   は一組の入力画像であり、
   
   
   はフロベニウスノルムである）により、Ｘ^０およびＹを用いてＷ^１を初期化するステップと、
   固定行列Ｐを提供して規則
   
   
   により、Ｗ^１Ｘ^０（ここで、Ｗ^１は固定である）およびＹを用いてＷ^２を初期化するステップと、
   固定行列Ｑを提供し、規則
   
   
   により、Ｗ^２Ｗ^１Ｘ^０およびＹを用いてＷ^３を初期化するステップと、
   規則
   
   
   により、Ｗ^３Ｗ^２Ｗ^１Ｘ^０およびＹを用いてＷ^４を初期化するステップと、を含む、請求項４に記載の方法。
6. 顔画像のデータから顔特徴を抽出するシステムであって、
   前記顔画像のデータに対してフィルタリングして第１の次元を有する、第１の多チャンネルの特徴マップを形成し、且つ前記特徴マップを第２の次元を有する特徴マップにダウンサンプリングするように配置されている第１の特徴抽出ユニットと、
   第２の次元を有する特徴マップに対してフィルタリングして前記第２の次元を有する、第２の多チャンネルの特徴マップを形成し、且つ前記第２の多チャンネルの特徴マップを第３の次元を有する特徴マップにダウンサンプリングするように配置されている第２の特徴抽出ユニットと、
   前記第３の次元を有する特徴マップに対してフィルタリングして顔領域以外に位置する強い応答をさらに減少し、顔画像の同じ身元の中での差異を減少すると共に、前記顔画像の複数の身元の間の識別力を維持するように配置されている第３の特徴抽出ユニットと、
   各前記マップに対して重みを付け、且つ前記重み付けられたマップを、姿勢および照明の変化がない正面の顔画像に変換するように配置されている再構成ユニットと、を含むシステム。