JP6714634B2 - 照合装置及び照合方法 - Google Patents
照合装置及び照合方法 Download PDFInfo
- Publication number
- JP6714634B2 JP6714634B2 JP2018064861A JP2018064861A JP6714634B2 JP 6714634 B2 JP6714634 B2 JP 6714634B2 JP 2018064861 A JP2018064861 A JP 2018064861A JP 2018064861 A JP2018064861 A JP 2018064861A JP 6714634 B2 JP6714634 B2 JP 6714634B2
- Authority
- JP
- Japan
- Prior art keywords
- person
- detection target
- characteristic information
- similarity
- image
- 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.)
- Active
Links
Images
Description
例えば特許文献1では、撮像部で取得された入力画像から取得した利用者の顔画像(入力顔画像)と、予め記憶されている登録顔画像との類似度を求め、類似度が所定の照合閾値を越えている場合には、入力顔画像の人物は登録顔画像の人物に一致すると判定する。
例えば特許文献1の場合には、人物の向き、表情、環境光、画像解像度などの撮影条件が類似度に影響を及ぼす。このため、検知対象人物の登録顔画像と被照合人物の入力顔画像との撮影条件が類似している場合に合わせて照合閾値を設定すると、照合閾値が過大になり本人拒否エラーの原因となる。撮影条件が大きく異なる場合に合わせて設定すると、照合閾値が過小になり他人受入エラーの原因となる。
本発明は、上記のような問題点に着目してなされたもので、固定的な照合閾値に依存せずに検知対象人物と被照合人物との照合を可能にすることを目的とする。
この照合装置は、検知対象人物の人物特徴情報と、検知対象人物とは異なる非検知対象人物の人物特徴情報とを登録特徴情報として記憶する記憶部と、被照合人物の人物特徴情報と登録特徴情報との間の類似度を各々算出する類似度算出部と、類似度算出部により算出された類似度のうち、被照合人物の人物特徴情報と検知対象人物の人物特徴情報との間の類似度が最大であるとき、最大の類似度が算出された検知対象人物と被照合人物とが一致すると判定し、被照合人物の人物特徴情報と非検知対象人物の人物特徴情報との間の類似度が最大であるとき、被照合人物は検知対象人物に一致しないと判定する照合部とを備える。
なお、人物特徴情報は、外見特徴情報でもよく外見特徴情報以外の生体情報(例えば声紋など)であってもよい。
図1を参照する。特定人物検知システム1は、予め登録された検知対象人物と照合対象の被照合人物の外見特徴情報の類似度に基づいて検知対象人物と被照合人物とを照合する。本明細書では、外見特徴情報として顔画像の特徴量情報を使用するが本発明はこれに限定されない。外見特徴情報は顔画像そのものであってもよい。
また、外見特徴情報は、個々の人物の固有の特徴を表す情報であればよく、顔に限られず人物の外見的特徴を表す情報でよい。例えば、外見特徴情報は、全身を表す画像や、顔以外の身体の一部分(例えば上半身など)を表す画像、又は歩容を表す画像などの生体情報であってもよく、それらの特徴量情報であってもよい。また外見特徴情報は、生体情報以外の人物の身体的特徴を表す情報であってもよく、服装を表す画像などの着衣状態の外見的特徴を表す情報であってもよい。また、外見的特徴情報は、指紋や虹彩を表す画像などの生体情報や、それらの特徴量情報を用いてもよい。
撮影装置2は、顔画像照合装置3により照合される被照合人物100の顔を撮影する。例えば、撮影装置2は、所定の領域を監視する目的で設置され、監視対象領域内に滞在する人物の顔を撮影できる位置に取り付けられる。
撮影装置2は、従来の監視カメラのように監視対象領域に固定されてもよく、警備員等の人間が装着するウェアラブルカメラであってもよい。撮影装置2は、撮影した監視画像を顔画像照合装置3へ送信する。
顔照合において、顔画像照合装置3は、撮影装置2が撮影した被照合人物100の顔画像と予め記憶されている検知対象人物の顔画像との間の類似度を算出する。
このとき、同様の撮影条件により撮影した被照合人物100の入力画像と検知対象人物の登録画像とを比較する場合と、屋外設置された監視カメラにより撮影した低品質の入力画像と検知対象人物の登録画像とを比較する場合とでは、前者の撮影条件の類似性の方が高いために画像間の類似度が高くなり易い。
このように、固定的な照合閾値の設定は、類似度のバラつきにより困難になっていた。
以下、検知対象人物及び非検知対象人物の顔画像を、それぞれ「検知対象人物画像」及び「非検知対象人物画像」と表記する。
所定の記憶装置に登録された検知対象画像特徴量及び非検知対象画像特徴量を、「登録画像特徴量」と表記する。登録画像特徴量は、特許請求の範囲に記載の登録特徴情報の一例である。
顔画像照合装置3は、被照合画像の画像特徴量との間の類似度が最も大きい登録画像特徴量が検知対象画像特徴量であるとき、当該検知対象画像特徴量に対応する検知対象人物と被照合人物100とが一致すると判定する。
一方、類似度が最も大きい登録画像特徴量が非検知対象画像特徴量である場合は、被照合人物100の画像が登録されていないと判定する。例えば、顔画像照合装置3は、どんなに高い類似度を示している検知対象画像特徴量及び非検知対象画像特徴量が存在していても、これらに対応する検知対象人物及び非検知対象人物と被照合人物100とが一致すると判定することなく、被照合人物100に対する照合を棄却する。
これによって、固定的に設定された照合閾値に依存することなく被照合人物100と検知対象人物とを照合することができ、固定的に照合閾値を決めることが困難な場合であっても照合が可能になる。
また、顔画像照合装置3は、検知対象人物及び非検知対象人物の登録画像特徴量を記憶部34に登録してよい。
入力画像が入力されると、顔画像特徴量算出部31は、この入力画像から検出された顔領域画像と、この顔領域画像から算出された画像特徴量とを関連付けて出力する。なお、顔領域画像に代えて顔領域画像の入力画像における位置情報を出力する構成にしてもよい。
特徴量算出部311は、顔領域検出部310が出力した顔領域画像の画像特徴量を算出する。画像特徴量は、顔画像照合に用いられる。顔画像照合に用いる画像特徴量の算出については、例えばLBP(Local Binary Pattern)など様々な公知の方法が利用できる。
類似度算出部322は、算出した類似度情報を含んだ類似度情報を入力画像特徴量ごとに生成し、類似度情報を照合部323に出力する。
類似度情報350は、入力画像特徴量の数と同数出力され、また、各類似度情報に含まれる行数は、記憶部34に格納される登録画像特徴量の数に等しい。
図3を参照する。照合部323は、まず類似度算出部322が出力した類似度情報350に含まれる類似度352を参照し、類似度352が最大となる行354を探索する。次に行354のラベル353を参照し、類似度が最大となった登録画像特徴量が、検知対象画像特徴量および非検知対象画像特徴量のいずれであるかを調べる。
報知部35への出力に際して、登録画像特徴量の識別子とあわせて、この登録画像特徴量との類似度を算出した入力画像特徴量に対応する顔領域画像や、この顔領域画像を検出した監視画像および当該監視画像における顔領域画像の位置情報を出力する構成としてもよい。
このとき照合部323は、記憶部34に登録画像特徴量が格納される検知対象人物及び非検知対象人物のいずれも被照合人物100と一致しないと判定する。
検知対象特徴量算出部331は、記憶部34に記憶された(又は図示しない入力部から入力された)検知対象人物の画像から顔画像照合用の画像特徴量を算出し、検知対象画像特徴量として出力する。非検知対象特徴量算出部332は、生成された又は入力された非検知対象人物の画像から画像特徴量を算出し、非検知対象画像特徴量として記憶部34に出力する。
非検知対象特徴量算出部332は、入力された検知対象人物の顔画像と類似しない非検知対象人物の顔画像の画像特徴量を非検知対象画像特徴量として記憶部34に出力する。
なお、類似度の算出方法については、類似度算出部322の説明で例示した手法のほか、種々様々な公知の方法が利用できる。
また、非検知対象人物の顔画像の生成方法については後述する。
登録画像特徴量に対応する顔画像を、登録画像特徴量402、登録画像特徴量の識別子401及びラベル403と関連付けて格納してもよい。
例えば報知部35は、記憶部34に格納される登録画像特徴量情報400に顔画像が含まれる場合は、顔画像照合部32が出力した登録画像特徴量の識別子に対応する顔画像を記憶部34から読み出して、検知対象人物の存在を表わす画像表示や音声鳴動とあわせて、表示用モニタに表示してよい。
次に、非検知対象人物の顔画像の生成方法の例について説明する。非検知対象画像特徴量を算出するための非検知対象人物の顔画像は、予め実在する人物画像から収集する他に、複数の実在の人物画像から仮想的な人物の画像を生成する一般的な画像生成モデルを利用して生成してもよい。
顔画像照合装置3は、複数の人物画像から仮想的な人物の画像を生成する画像生成モデルを用いて仮想人物画像を生成する仮想人物画像生成手段を備えてよい。そして仮想人物画像生成手段により生成された仮想人物画像又は仮想人物画像の特徴量を、非検知対象人物の外見特徴情報として記憶部34に記憶してよい。
画像生成モデルとしては、例えば、予め多数の顔画像に対して主成分分析や因子分析などの多変量解析手法を適用して人物の顔画像を再構成する部分空間を算出し、この部分空間内で顔画像を仮想生成する方法がある。
以下の説明では、顔画像の画素数をDとし、人物の顔画像をD次元のベクトルxi(i=1,…,N)、N枚の人物の顔画像の平均を同じくD次元のベクトルμで表す。
図5を参照する。具体的には、顔画像500から両目中心、鼻頂点、口中心の特徴点501を抽出し、両目間のピクセル数が既定値になるように顔画像の拡大縮小を行うとともに、これら4点の特徴点の重心位置502を中心に所定のサイズの矩形503で切り出しを行なう。
位置合わせを行ったN枚の人物の顔画像xi(i=1,…,N)について、次式(1)により共分散行列Σを得る。
ニューラルネットワークを用いて顔画像を仮想生成する画像生成モデルを使用して、非検知対象人物の顔画像を仮想生成してもよい。例えば、非特許文献 A. Radford, L. Metz, and S. Chintala, “Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks”, arXiv, pp.1-15, 2015, http://arxiv.org/abs/1511.06434 には、ニューラルネットワークを用いて乱数列を元に顔画像を生成する技術が開示されている。
本文献では、乱数列から顔画像を生成する画像生成器Gと、顔画像が実画像か画像生成器Gによって生成された画像かを識別する識別器Dとを連結し、次式(6)に示す目的関数に従ってG、Dを学習する。
このため、この学習の結果得られる画像生成器Gは、例えば、一様乱数に従う乱数列から実画像との見分けが難しい顔画像を仮想生成することが可能となる。
さらに、非特許文献 A. Elgammal, B. Liu, M. Elhoseiny, M. Mazzone, “CAN: Creative Adversarial Networks Generating “Art” by Learning About Styles and Deviating from Style Norms”, arXiv, pp.1-22, 2017, http://arxiv.org/abs/1706.07068 には、上式(6)の目的関数を拡張し、予め設定したカテゴリに無い画像を生成する画像生成器Gを学習する方法が記載されている。
また、
また、新たな検知対象人物を登録する度にG、Dを学習して更新すれば、登録済みの検知対象人物だけでなく新たに登録された検知対象人物にも似ていない顔画像を仮想生成できる。
画像生成モデルを利用せずに、記憶部34に格納された実在の検知対象人物の顔画像を利用し、非検知対象人物に相当する顔画像を仮想生成してもよい。
例えば、記憶部34に格納された顔画像を、目、鼻、口といった顔部位画像に分割し、異なる人物の顔部位画像を組み合わせることで仮想顔画像を生成してもよい。なお、顔部位画像に使用される画像は、検知対象人物の顔画像でもそれ以外の人物の顔画像でもよいが、異なる検知対象人物どうしの顔部位画像を組み合わせた方が、確実に検知対象人物とは異なる人物の顔画像を生成できるので、検知対象人物の顔画像を使用した方が好ましい。
顔画像照合装置3は、異なる複数人物の人物画像の部分画像を組み合わせて仮想人物画像を生成する仮想人物画像生成手段を備えてよい。そして仮想人物画像生成手段により生成された仮想人物画像又は仮想人物画像の特徴量を、非検知対象人物の外見特徴情報として記憶部34に記憶してよい。
そして図8に示すように、顔800から眉毛周辺部を、顔801から目周辺部を、顔802から鼻周辺部を、顔803から口周辺部を分割抽出し、これらを組み合わせて仮想顔画像804を生成してもよい。
次に、本発明を適用した顔画像照合による特定人物検知システム1の動作を説明する。
(顔画像登録動作)
図2のブロック図および図9のフローチャートを参照して、検知対象画像特徴量及び非検知対象画像特徴量を記憶部34に登録する顔画像登録動作を説明する。
ステップS920において検知対象特徴量算出部331は、登録用画像を顔画像特徴量算出部31に入力する。顔画像特徴量算出部31は、登録用画像から顔領域の検出を試みる。
ステップS950において検知対象特徴量算出部331は、ステップS940で算出した画像特徴量に、検知対象人物の登録画像特徴量であることを示すラベル403と識別子401を付与し、登録画像特徴量として記憶部34に格納する。これにより、検知対象画像特徴量が記憶部34に登録される。
ステップS980において非検知対象特徴量算出部332は、ステップS940にて算出した検知対象画像特徴量と、処理対象画像特徴量との間の類似度が所定の閾値未満であるか否かを判定する。
検知対象画像特徴量と処理対象画像特徴量との間の類似度が所定の閾値未満でない場合(ステップS980:No)に、処理対象画像特徴量を非検知対象画像特徴量として登録せずに、処理対象顔画像に対する処理を終了する。
その後に、処理対象顔画像に対する処理を終了する。
以上説明したステップS910からステップS990までの処理が終わると、顔画像照合装置3は一枚の登録用画像に対する顔画像登録処理を終了する。
次に、図2のブロック図及び図10のフローチャートを参照して、予め登録された特定の検知対象人物と被照合人物100とを照合して特定の検知対象人物を検知する特定人物検知動作を説明する。なお、以下に説明するステップS1010〜S1080までの処理は、監視画像を1つ取得する毎に実行される。
ステップS1020において顔画像照合部32の入力画像特徴量算出部321は、監視画像を顔画像特徴量算出部31に入力する。顔画像特徴量算出部31は、監視画像に映る被照合人物100の顔領域の検出を試みる。
以下のステップS1050〜S1080は、顔領域検出部310により顔画像が検出された被照合人物100の入力画像特徴量のそれぞれに対して(すなわち被照合人物100毎に)繰り返される。以下に記載するS1050〜S1080の説明において、処理の対象となる入力画像特徴量を「処理対象画像特徴量」と表記する。
ステップS1060において照合部323は、類似度情報350を参照して、類似度が最大となる登録画像特徴量を検索する。
類似度が最大となる登録画像特徴量が検知対象画像特徴量でない場合(ステップS1070:No)、すなわち非検知対象画像特徴量である場合に照合部323は、記憶部34に登録画像特徴量が格納されている検知対象人物及び非検知対象人物と被照合人物100とが一致すると判定せずに処理対象画像特徴量に対する処理を終了し、次の入力画像特徴量の処理に移行する。
顔画像特徴量算出部31で算出した全ての入力画像特徴量に対して、ステップS1050からステップS1090までの処理が終わると、顔画像照合装置3は1つの監視画像に対する一連の処理を終了し、次に撮影された監視画像の処理へと移行する。
(1)顔画像照合装置3の記憶部34には、検知対象人物の検知対象画像特徴量と、前記検知対象人物とは異なる非検知対象人物の非検知対象画像特徴量とが、登録画像特徴量として格納される。類似度算出部322は、被照合人物100の顔画像の特徴量である入力画像特徴量と登録画像特徴量との間の類似度を各々算出する。
これによって、固定的に設定された照合閾値に依存することなく被照合人物と検知対象人物とを照合することができ、固定的に照合閾値を決めることが困難な場合であっても照合が可能になる。
これにより、検知対象人物に似ている人物の画像特徴量が、非検知対象画像特徴量として記憶部34に登録されるのを防止できる。
これにより、検知対象人物に似ている人物の画像特徴量が、非検知対象画像特徴量として記憶部34に登録されるのを防止できる。
このように、画像生成モデルを用いて非検知対象人物の顔画像を生成することにより、検知対象人物に類似しない非検知対象人物の顔画像を容易に取得することができ、多数の非検知対象人物の非検知対象画像特徴量を記憶部34に登録するのが容易になる。このため、記憶部34に登録する非検知対象画像特徴量の数Mを十分に大きくして、検知対象人物以外の人物を検知対象人物として誤認する確率の期待値Edを小さくできる。
これにより、検知対象人物に類似しない非検知対象人物の顔画像を容易に生成できる。
(1)照合部323は、最大の類似度が算出された検知対象人物と被照合人物100とが一致すると判定する。ある変形例において照合部323は、最大の類似度が小さいことにより他人受入エラーが生じるのを防ぐために、類似度算出部322により算出された最大の類似度を第3閾値と比較してよい。最大の類似度が第3閾値未満のとき、照合部323は、被照合人物100が記憶部34に登録される検知対象人物と一致すると判定しない。このとき照合部323は、記憶部34に登録される検知対象人物及び非検知対象人物のいずれも被照合人物100と一致しないと判定してよい。
このため、照合部323は、記憶部34に登録する非検知対象画像特徴量の数(例えば非検知対象人物の数)Mが大きいほど第3閾値を小さく設定してよい。これにより第3閾値が過大であることによる本人拒否エラーを低減できる。
照合部323は、記憶部34に登録する非検知対象画像特徴量の数(例えば非検知対象人物の数)Mが大きいほど第4閾値を小さく設定してよい。これにより第4閾値が過大であることによる本人拒否エラーを低減できる。
また、以上に示した実施形態では、顔画像照合技術を利用した特定人物検知を例に説明してきたが、利用の用途は特定人物検知に限定されず、個人認証結果を利用したアプリケーション全般に適用できる。
また、上述のとおり、照合の対象は顔画像に限定されず、例えば顔以外の外見特徴や着衣状態の外見特徴を含む人物の外見特徴の照合技術を利用した特定人物検知や、声紋特徴の照合技術を利用した個人認証等、他の識別/認証技術においても同様に適用できる。
Claims (8)
- 被照合人物の人物特徴情報が入力されて、前記被照合人物と検知対象人物とを照合する照合装置であって、
前記検知対象人物の人物特徴情報と、前記検知対象人物とは異なる非検知対象人物の人物特徴情報とを登録特徴情報として記憶する記憶部と、
前記被照合人物の人物特徴情報と前記登録特徴情報との間の類似度を各々算出する類似度算出部と、
前記類似度算出部により算出された類似度のうち、前記被照合人物の人物特徴情報と前記検知対象人物の人物特徴情報との間の類似度が最大であるとき、最大の類似度が算出された前記検知対象人物と前記被照合人物とが一致すると判定し、前記被照合人物の人物特徴情報と前記非検知対象人物の人物特徴情報との間の類似度が最大であるとき、前記被照合人物は前記検知対象人物に一致しないと判定する照合部と、
前記非検知対象人物の人物特徴情報として追加する第2追加情報と前記記憶部に記憶された前記検知対象人物の人物特徴情報との間の類似度が第2閾値未満のとき、前記第2追加情報を前記記憶部に記憶し、前記第2追加情報と前記記憶部に記憶された前記検知対象人物の人物特徴情報との間の類似度が前記第2閾値以上のとき、前記第2追加情報を前記記憶部に記憶しない第2登録部と、
を備えることを特徴とする照合装置。 - 被照合人物の人物特徴情報が入力されて、前記被照合人物と検知対象人物とを照合する照合装置であって、
前記検知対象人物の人物特徴情報と、前記検知対象人物とは異なる非検知対象人物の人物特徴情報とを登録特徴情報として記憶する記憶部と、
前記被照合人物の人物特徴情報と前記登録特徴情報との間の類似度を各々算出する類似度算出部と、
前記類似度算出部により算出された類似度のうち、前記被照合人物の人物特徴情報と前記検知対象人物の人物特徴情報との間の類似度が最大であるとき、最大の類似度が算出された前記検知対象人物と前記被照合人物とが一致すると判定し、前記被照合人物の人物特徴情報と前記非検知対象人物の人物特徴情報との間の類似度が最大であるとき、前記被照合人物は前記検知対象人物に一致しないと判定し、前記類似度算出部により算出された最大の類似度が第3閾値未満のとき、前記被照合人物は前記検知対象人物に一致しないと判定し、前記記憶部に人物特徴情報が記憶される前記非検知対象人物の数が多いほど前記第3閾値を小さく設定する照合部と、
を備えることを特徴とする照合装置。 - 被照合人物の人物特徴情報が入力されて、前記被照合人物と検知対象人物とを照合する照合装置であって、
前記検知対象人物の人物特徴情報と、前記検知対象人物とは異なる非検知対象人物の人物特徴情報とを登録特徴情報として記憶する記憶部と、
前記被照合人物の人物特徴情報と前記登録特徴情報との間の類似度を各々算出する類似度算出部と、
前記類似度算出部により算出された類似度のうち、前記被照合人物の人物特徴情報と前記検知対象人物の人物特徴情報との間の類似度が最大であるとき、最大の類似度が算出された前記検知対象人物と前記被照合人物とが一致すると判定し、前記被照合人物の人物特徴情報と前記非検知対象人物の人物特徴情報との間の類似度が最大であるとき、前記被照合人物は前記検知対象人物に一致しないと判定し、前記類似度算出部により算出された最大の類似度と2番目に大きい類似度との差が第4閾値未満のとき、前記被照合人物は前記検知対象人物に一致しないと判定し、前記記憶部に人物特徴情報が記憶される前記非検知対象人物の数が多いほど前記第4閾値を小さく設定する照合部と、
を備えることを特徴とする照合装置。 - 前記検知対象人物の人物特徴情報として追加する第1追加情報と前記記憶部に記憶されたいずれかの前記非検知対象人物の人物特徴情報との間の類似度が第1閾値を超えるとき、前記いずれかの非検知対象人物の人物特徴情報を前記記憶部から削除する第1登録部を更に備えることを特徴とする請求項1〜3の何れか一項に記載の照合装置。
- 前記非検知対象人物の人物特徴情報は、複数の人物画像から仮想的な人物の画像を生成する画像生成モデルを用いて生成した仮想人物画像又は前記仮想人物画像の特徴量である
ことを特徴とする請求項1〜4の何れか一項に記載の照合装置。 - 前記非検知対象人物の人物特徴情報は、異なる複数人物の人物画像の部分画像を組み合わせて生成した仮想人物画像又は前記仮想人物画像の特徴量であることを特徴とする請求項1〜5の何れか一項に記載の照合装置。
- 予め登録された検知対象人物と照合対象の被照合人物とを照合する照合方法であって、
コンピュータに、
前記被照合人物の人物特徴情報の入力を受け付ける処理と、
前記検知対象人物の人物特徴情報と、前記検知対象人物とは異なる非検知対象人物の人物特徴情報とを登録特徴情報として記憶する記憶装置から、前記登録特徴情報を読み出す処理と、
前記被照合人物の人物特徴情報と前記登録特徴情報との間の類似度を各々算出する処理と、
算出された前記類似度のうち、前記被照合人物の人物特徴情報と前記検知対象人物の人物特徴情報との間の類似度が最大であるとき、最大の類似度が算出された前記検知対象人物と前記被照合人物とが一致すると判定し、前記被照合人物の人物特徴情報と前記非検知対象人物の人物特徴情報との間の類似度が最大であるとき、前記被照合人物は前記検知対象人物に一致しないと判定する処理と、
前記非検知対象人物の人物特徴情報として追加する第2追加情報と前記記憶装置に記憶された前記検知対象人物の人物特徴情報との間の類似度が第2閾値未満のとき、前記第2追加情報を前記記憶装置に記憶し、前記第2追加情報と前記記憶装置に記憶された前記検知対象人物の人物特徴情報との間の類似度が前記第2閾値以上のとき、前記第2追加情報を前記記憶装置に記憶しない処理と、
を実行させることを特徴とする照合方法。 - 予め登録された検知対象人物と照合対象の被照合人物とを照合する照合方法であって、
コンピュータに、
前記被照合人物の人物特徴情報の入力を受け付ける処理と、
前記検知対象人物の人物特徴情報と、前記検知対象人物とは異なる非検知対象人物の人物特徴情報とを登録特徴情報として記憶する記憶装置から、前記登録特徴情報を読み出す処理と、
前記被照合人物の人物特徴情報と前記登録特徴情報との間の類似度を各々算出する処理と、
算出された前記類似度のうち、前記被照合人物の人物特徴情報と前記検知対象人物の人物特徴情報との間の類似度が最大であるとき、最大の類似度が算出された前記検知対象人物と前記被照合人物とが一致すると判定し、前記被照合人物の人物特徴情報と前記非検知対象人物の人物特徴情報との間の類似度が最大であるとき、前記被照合人物は前記検知対象人物に一致しないと判定する処理と、
前記最大の類似度が第3閾値未満のとき、前記被照合人物は前記検知対象人物に一致しないと判定し、前記記憶装置に人物特徴情報が記憶される前記非検知対象人物の数が多いほど前記第3閾値を小さく設定する処理と、
を実行させることを特徴とする照合方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018064861A JP6714634B2 (ja) | 2018-03-29 | 2018-03-29 | 照合装置及び照合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018064861A JP6714634B2 (ja) | 2018-03-29 | 2018-03-29 | 照合装置及び照合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019175282A JP2019175282A (ja) | 2019-10-10 |
JP6714634B2 true JP6714634B2 (ja) | 2020-06-24 |
Family
ID=68169565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018064861A Active JP6714634B2 (ja) | 2018-03-29 | 2018-03-29 | 照合装置及び照合方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6714634B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11645373B2 (en) | 2019-12-26 | 2023-05-09 | Samsung Electronics Co., Ltd. | Electronic device for biometrics and method thereof |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541475B (zh) * | 2020-12-24 | 2024-01-19 | 北京百度网讯科技有限公司 | 感知数据检测方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0991434A (ja) * | 1995-09-28 | 1997-04-04 | Hamamatsu Photonics Kk | 人物照合装置 |
JP2004078686A (ja) * | 2002-08-20 | 2004-03-11 | Toshiba Corp | 個人認証装置、個人認証方法、通行制御装置および通行制御方法 |
JP2005182184A (ja) * | 2003-12-16 | 2005-07-07 | Toshiba Corp | 人物認識装置、人物認識方法および通行制御装置 |
JP2006018578A (ja) * | 2004-07-01 | 2006-01-19 | Nippon Signal Co Ltd:The | 個人認証装置 |
JP4992517B2 (ja) * | 2007-04-02 | 2012-08-08 | オムロン株式会社 | 顔照合装置 |
JP2009026230A (ja) * | 2007-07-23 | 2009-02-05 | Takumi Vision株式会社 | パターン認識システム及び認識方法 |
WO2010106644A1 (ja) * | 2009-03-17 | 2010-09-23 | 富士通株式会社 | データ照合装置およびプログラム |
-
2018
- 2018-03-29 JP JP2018064861A patent/JP6714634B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11645373B2 (en) | 2019-12-26 | 2023-05-09 | Samsung Electronics Co., Ltd. | Electronic device for biometrics and method thereof |
Also Published As
Publication number | Publication date |
---|---|
JP2019175282A (ja) | 2019-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10438059B2 (en) | Image recognition method, image recognition apparatus, and recording medium | |
JP5629803B2 (ja) | 画像処理装置、撮像装置、画像処理方法 | |
JP4743823B2 (ja) | 画像処理装置、撮像装置、画像処理方法 | |
JP6544900B2 (ja) | オブジェクト識別装置、オブジェクト識別方法及びプログラム | |
US9489566B2 (en) | Image recognition apparatus and image recognition method for identifying object | |
WO2008072622A1 (ja) | 顔認証装置 | |
JP5241606B2 (ja) | オブジェクト識別装置及びオブジェクト識別方法 | |
JP2011096136A (ja) | オブジェクト識別装置及びオブジェクト識別方法 | |
KR20190060671A (ko) | 홍채 인식 기반 사용자 인증 장치 및 방법 | |
WO2020195732A1 (ja) | 画像処理装置、画像処理方法、およびプログラムが格納された記録媒体 | |
JP5879188B2 (ja) | 顔表情解析装置および顔表情解析プログラム | |
Barde et al. | Multimodal biometrics using face, ear and iris modalities | |
Ammour et al. | Face-iris multimodal biometric system based on hybrid level fusion | |
Galdámez et al. | Ear recognition using a hybrid approach based on neural networks | |
JP6714634B2 (ja) | 照合装置及び照合方法 | |
RU2381553C1 (ru) | Способ и система для распознавания лица с учетом списка людей, не подлежащих проверке | |
CN108427923B (zh) | 一种掌纹识别方法及装置 | |
Lenc et al. | Face Recognition under Real-world Conditions. | |
Nguyen et al. | User re-identification using clothing information for smartphones | |
JP7337541B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
Anzar et al. | Efficient wavelet based scale invariant feature transform for partial face recognition | |
JP6596044B2 (ja) | 対象認識装置 | |
Chen | Design and simulation of AI remote terminal user identity recognition system based on reinforcement learning | |
Ali et al. | Development of a enhanced ear recognition system for personal identification | |
Jain et al. | Face recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190315 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190401 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200212 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200416 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200519 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200605 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6714634 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |