JP6903117B2

JP6903117B2 - 顔識別方法、顔識別装置、およびコンピュータが読出し可能な非一時的媒体

Info

Publication number: JP6903117B2
Application number: JP2019225545A
Authority: JP
Inventors: イースンリウ，; クオティンチャン，; マオウェイツェン，
Original assignee: Giga Byte Technology Co Ltd
Current assignee: Giga Byte Technology Co Ltd
Priority date: 2018-12-14
Filing date: 2019-12-13
Publication date: 2021-07-14
Anticipated expiration: 2039-12-13
Also published as: JP2020095727A; TW202022700A; TWI682329B; EP3667563A1; US11651622B2; US20200193201A1

Description

本開示は、画像識別方法、特に顔識別方法に関する。

画像識別技術の発展に伴い、画像中の顔を識別する技術の応用が益々普及するに至っている。空港身元識別システム、アクセス制御システム、出勤システム、無人店舗、および他の身元認証システムは、顔識別技術と組み合わせることができる。より具体的には、データベース内の登録ユーザの顔画像と比較することで、身元識別システムは、現ユーザ（すなわち、識別されるユーザ）のアクセス権または身元を判断することができる。

しかしながら、ユーザがシステム内に登録された後にユーザの顔が経時的に変化する、または眼鏡をかけたり髭を蓄えるなどによってユーザの容貌が変わると、ユーザは新たな顔画像をシステム内に再登録する必要があり、これは極めて多くの時間とコンピューターリソースを消費してしまうことになる。

本開示の実施形態の一つによると、顔識別方法は、識別すべき画像を取得すること、識別すべき画像が少なくとも一人のユーザの複数の画像グループの一つに属するか否かを判断すること、識別すべき画像が複数の画像グループ内の判断画像グループに属する場合に、当該判断画像グループの画像数が所定数よりも少ないか否かを判断すること、当該判断画像ループの画像数が所定数よりも少なくない場合に、判断画像グループ内の顔画像の時間パラメータに従って当該判断画像グループ内の顔画像の一つを削除し、画像グループ更新処理を行うこと、および当該判断画像グループの画像数が所定数よりも少ない場合に、画像グループ更新処理を行うことを含む。

本開示の実施形態の一つによると、顔識別装置は、撮像装置、データベース、およびプロセッサを含み、プロセッサは、撮像装置とデータベースに電気的に接続される。撮像装置は、識別すべき画像を取得するように構成される。データベースは、少なくとも一人のユーザの複数の画像グループを格納するように構成される。プロセッサは、識別すべき画像が少なくとも一人のユーザの複数の画像グループの一つに属するか否かを判断し、識別すべき画像が複数の画像グループ内の判断画像グループに属する場合に、判断画像グループの画像数が所定数よりも少ないか否かを判断し、当該判断画像ループの画像数が所定数よりも少なくない場合に、判断画像グループ内の顔画像の時間パラメータに従って当該判断画像グループ内の顔画像の一つを削除して画像グループ更新処理を行い、当該判断画像グループの画像数が所定数よりも少ない場合に、画像グループ更新処理を行うように構成される。

本開示の実施形態の一つによると、コンピュータが読出し可能な非一時的媒体はコードを有し、コードは、上記実施形態の顔識別方法が行われるよう、一つ以上のプロセッサによって実行されるように構成される。

本開示は、以下の詳細な記載と添付図面からより完全に理解することができるであろう。図面は説明を目的としているにすぎず、本開示を限定するものでは無い。

本開示の実施形態の一つに係る顔識別装置の機能ブロック図である。本開示の実施形態の一つに係る顔識別方法のフローチャートである。本開示の他の実施形態の一つに係る顔識別方法のフローチャートである。本開示の他の実施形態の一つに係る複数のユーザの登録データの模式図である。本開示の実施形態の一つに係る顔識別方法の詳細なフローチャートである。

以下の詳細な記載では、説明を目的として、開示される実施形態の完全な理解を提供するために多くの具体的な詳細が示される。しかしながら、一つ以上の実施形態は、これらの具体的な詳細なしでも実施することができることが明らかとなるであろう。他の例では、図面を簡素化するため、公知の構造や装置は模式的に示される。

図１を参照していただくと、図１は、本開示の実施形態の一つに係る顔識別装置１の機能ブロック図である。一つ以上の実施形態において、顔識別装置１はデスクトップコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、携帯装置、または他の電子デバイス内に内蔵することができ、身元識別機能を有するシステム、またはアクセス制御システム、セキュリティーチェックシステム、出勤システム、無人店舗といった顔を識別することで制御されるシステムに応用することができるが、これに限られない。図１に示すように、顔識別装置１は、撮像装置１０１、プロセッサ１０３、およびデータベース１０５を備え、プロセッサ１０３は撮像装置１０１とデータベース１０５に接続される。これらの構成間の接続は、電気的な接続または通信接続とすることができる。

より具体的には、撮像装置１０１は、例えばカメラ、またはその他画像を取得するための装置である。撮像装置１０１は、一人以上のユーザの一つ以上の顔画像、および認識すべき画像を取り込むように構成される。撮像装置１０１によって取り込まれた画像は２Ｄ画像であってよい。プロセッサ１０３は、例えば中央演算ユニットであり、一つ以上のグラフィック演算ユニット（ＧＰＵ）を含むことができる。顔識別のため、プロセッサ１０３は、撮像装置１０１によって取り込まれた画像をグループ化および比較することによって処理する。データベース１０５は、例えばメモリまたはクラウド装置であり、一人以上のユーザの登録データ、およびプロセッサ１０３によって生成された画像グループ化の結果を格納するように構成される。上述したグループ化と比較、およびその実行結果の説明について、図１と２を参照されたい。

図２は本開示の実施形態の一つに係る顔識別方法のフローチャートである。図２に示されたこの顔識別方法は、前出の実施形態における顔識別装置１に適用することができる。以下、顔識別装置１の操作を用い、図２の実施形態と他の実施形態における顔識別方法を例示的に記述する。

図２に示されるステップＳ１１において、撮像装置１０１は、引き続く顔識別のため、識別すべき画像を取得する。幾つかの実施形態では、撮像装置１０１はプロセッサ１０３によって制御される。例えば、顔識別装置１は距離センサを有することができ、プロセッサ１０３は、距離センサの検出信号に基づいて物体が顔識別装置１に近いか否かを判断することができ、これにより、識別すべき画像を取得するために画像を取り込むよう、撮像装置１０１を制御することができる。あるいは、顔識別装置１は温度センサを有することができ、プロセッサ１０３は、顔識別装置１に近づく熱を持った物体（例えば人間）が存在するか否かを判断することができ、これにより、識別すべき画像を取得するために画像を取り込むよう、撮像装置１０１を制御することができる。顔識別装置１の撮像装置１０１の動作頻度または撮像頻度も、上述したセンサに加え、声、タッチ、機械的ボタンによるトリガーなどによって制御してもよいが、これに限られない。

識別すべき画像を取得した後、ステップＳ１２において、プロセッサ１０３は、識別すべき画像が、少なくとも一人のユーザの複数の画像グループの一つに属するか否かを判断する。より具体的には、データベース１０５は一人以上のユーザの登録データを格納しており、各ユーザの登録データには、対応するユーザの一つ以上の顔画像をそれぞれ含む複数の画像グループが含まれる。例えば、データベース１０５は、第１のユーザの登録データと第２のユーザの登録データを格納し、第１のユーザの登録データには、第１のユーザの一つ以上の顔画像をそれぞれ含む複数の第１の画像グループが含まれ、第２のユーザの登録データには、第２のユーザの一つ以上の顔画像をそれぞれ含む複数の第２の画像グループが含まれる。登録方法、および識別すべき画像がどのユーザに帰属されるかを判断する方法の詳細については後述する。

識別すべき画像が複数の画像グループの一つに属しているとプロセッサ１０３が判断すると、ステップＳ１３に記載されるように、プロセッサ１０３はさらに、識別すべき画像が属する画像グループ（以下、判断画像グループ）の画像数が所定数よりも少ないか否かを判断する。ここで、画像数とは画像グループ中の顔画像の数を意味し、所定数とはプロセッサ１０３の設定パラメータでよく、例えば２０、または他の値である。識別すべき画像がどの画像グループにも属さないとプロセッサ１０３が判断した場合には、プロセッサ１０３は、識別すべき新たな画像を取得する、すなわち、ステップＳ１１を再度実行するように撮像装置１０１を制御してもよい。

判断画像グループの画像数が所定数よりも少なくないとプロセッサ１０３が判断した場合には、ステップＳ１４に記載されているように、プロセッサ１０３は、各顔画像の時間パラメータに従って判断画像グループ内の複数の顔画像の一部を削除する。時間パラメータとは画像の生成時間を意味することができ、例えば、撮像装置１０１によって画像が生成される時間であってよい。判断画像グループの画像数が例えば２０といった所定数よりも少なくないとプロセッサ１０３が判断した場合には、プロセッサ１０３は、最も早い生成時間を有する顔画像（すなわち、より古い顔画像）を判断画像グループから削除し、より最近の１９個の顔画像を判断画像グループ内に残す。これに対し、プロセッサ１０３によって生成されたステップＳ１３の判断結果により、判断画像グループの画像数が所定数よりも少ない、すなわち２０よりも少ないことが示された場合、プロセッサ１０３は、ステップ１５に記載されるように、画像グループ更新処理を直接行う。

ステップ１５において、画像グループ更新処理は、判断画像グループが属するユーザの複数の画像グループ内の全ての顔画像をクラスタリングアルゴリズムによって再グループ化することを含む。データベース１０５が単に一人のユーザの登録データのみを格納している実施形態では、プロセッサ１０３が画像グループ更新処理を行う際、プロセッサ１０３は、識別すべき画像とデータベース１０５内の全ての画像グループ内の全ての顔画像とをクラスタリングアルゴリズムによって再グループ化し、当該ユーザの更新登録データである複数の更新画像グループを生成する。例えば、同一のユーザの複数の画像グループ間の相違は、眼鏡や髭などのユーザによる顔面装飾が異なることに起因する。

さらに、データベース１０５が複数のユーザ、例えば二人のユーザの登録データを格納する他の実施形態においては、判断画像グループが第１のユーザの複数の第１の画像グループである場合、プロセッサ１０３は、識別すべき画像と複数の第１の画像グループ全ての中に含まれる全ての顔画像とをクラスタリングアルゴリズムによって再グループ化し、第１のユーザの複数の更新画像グループを第１のユーザの更新登録データとして生成する。判断画像グループが第２のユーザの複数の第２の画像グループの一つである場合、プロセッサ１０３は上記同様に第２のユーザの複数の登録画像グループを生成する。例えば、クラスタリングアルゴリズムは、教師無し学習クラスタリングアルゴリズムである。

上述した顔識別方法により、識別すべき新たな画像が顔識別装置に入力されるたびに、顔識別装置は、画像グループ更新処理のために古い画像を削除して識別すべき画像を追加するか否かを判断する。したがって、顔識別装置は、使用するにつれて自動的に学習し、ユーザの容貌のゆっくりとした変化に適応することができる。さらに、上述した顔識別方法では、古い画像を削除するか否かの判断は、単に識別すべき画像が属する画像グループに対してのみ行われる。換言すると、登録データに新たに追加された画像は、単に元の顔画像を新たに追加される画像に類似する容貌に置換するだけであり、他の元の顔画像に対し、新たに追加された画像との大きな相違による影響を与える必要がない。したがって、本開示の顔識別方法により、単一のユーザの登録データは、種々の容貌の画像の割合を維持することができる。

既に述べたように、顔識別装置１のデータベース１０１は、一人以上のユーザの登録データを格納することができる。図１から３を参酌していただくと、図３は本開示の他の実施形態に係る顔識別方法のフローチャートであり、この方法は、図１に示された顔識別装置１に適用される。図３に示すように、顔識別装置１の撮像装置１０１が識別すべき画像を取得する（すなわち、図２におけるステップＳ１１）前に、ステップＳ９において、撮像装置１０１は一人以上のユーザのグループ化されていない複数の画像を取得する。より具体的には、撮像装置１０１は、制御命令に従い、一人以上のユーザのグループ化されていない画像を取得することができる。制御命令は、撮像装置１０１に対し、上述したグループ化されていない画像として、特定数（例えば、１スナップ、または連続した２０スナップ）の顔画像を取得するためにユーザを撮影するよう命令することができる。制御命令は、声、タッチ、機械的ボタンによるトリガーなどによって生成することができるが、これに限られない。

ステップＳ１０では、プロセッサ１０３は、前出の実施形態で述べたように、グループ化されていない画像をグループ化し、一人以上のユーザについて複数の画像グループを生成する。ここで、グループ可方法は、例えば、前出の実施形態で述べたクラスタリング方法である。したがって、複数の画像グループの各々は、一つ以上の顔画像を含む。プロセッサ１０３は、当該一人以上のユーザの登録データとしてデータベース１０５に複数の画像グループを格納する。例えば、一人のユーザの登録データに含まれる画像グループの数は５までであるが、本開示は画像グループの数を限定するものではない。より具体的には、プロセッサ１０３は、グループ化されていない各画像の特徴を取り込み、例えばＦａｃｅＮｅｔモデルによってこの特徴を座標点に変換し、その後グループ化を行い、グループ化の結果をデータベース１０５に格納する。これによりデータベース１０５は、そのユーザの複数の顔画像のそれぞれの座標データ（当該座標点）を格納する。上記実施形態では、ユーザの登録データの確立が記述される。他の実施形態では、顔識別装置１はまた、複数のユーザから登録要求を受け、その後各ユーザについて上記ステップＳ９とＳ１０を実行して各ユーザの登録データを生成し、登録データをデータベース１０５に格納してもよい。

上述した登録データの説明のため、図４を参照されたい。ここで、図４は本開示の実施形態に係る、複数のユーザの登録データの模式図である。図４は、データベース１０５に格納された二人のユーザの登録データＵＳＥＲ＿ＡとＵＳＥＲ＿Ｂを例示的に示している。他の実施形態では、データベース１０５は、単一のユーザのみ、または二人以上のユーザの登録データを格納できてもよい。図４に示すように、第１のユーザの登録データＵＳＥＲ＿Ａは、複数の第１の画像グループＡ＿Ｇ１からＡ＿Ｇｎを含み、第２のユーザの登録データＵＳＥＲ＿Ｂは、複数の第２の画像グループＢ＿Ｇ１からＢ＿Ｇｍを含む。一つの実施形態では、ｎとｍは５よりも多くない、すなわち、一人のユーザの登録データは、５以下の画像グループを含む。複数の第１の画像グループＡ＿Ｇ１からＡ＿Ｇｎの各々は、第１のユーザの一つ以上の顔画像を含み、複数の第２の画像グループＢ＿Ｇ１からＢ＿Ｇｍの各々は、第２のユーザの一つ以上の顔画像を含む。例えば、この図に示すように、第１の画像グループＡ＿Ｇ１は、顔画像Ａ＿Ｐ１１からＡ＿Ｐ１ｐを含み、第１の画像グループＡ＿Ｇ２は、顔画像Ａ＿Ｐ２１からＡ＿Ｐ２ｑを含み、第２の画像グループＢ＿Ｇ１は、顔画像Ｂ＿Ｐ１１からＢ＿Ｐ１ｒを含み、第２の画像グループＢ＿Ｇ２は、顔画像Ｂ＿Ｐ２１からＢ＿Ｐ２ｓを含む。幾つかの実施形態では、ｐ、ｑ、ｒ、およびｓの各々は２０よりも大きくなく、第２の画像グループＢ＿Ｇｍに示されるように、画像グループは一つの顔画像のみを含んでもよい。一つの実施形態では、上記複数の画像グループの各々の顔画像は、座標形式でデータベース１０５に格納することができ、顔画像の座標は、プロセッサ１０３によって顔画像の特徴を取得、変換することで得ることができる。

図２に示す顔識別方法における判断ステップＳ１２をさらに説明するため、図１、４、および５を参照されたい。ここで、図５は、本開示の実施形態の一つに係る顔識別方法の詳細なフローチャートである。ステップＳ１２１において、プロセッサ１０３は、データベース１０５内の複数の画像グループの各々の距離平均パラメータを計算する。この距離平均パラメータとは、識別すべき画像の一つのポイントと対応する画像グループにおける各顔画像の一つのポイントの間の距離の平均値を表し、これらのポイントは同一の座標系内に存在する。さらなる説明のために図４の実施形態を用いると、プロセッサ１０３は、識別すべき画像の特徴を取得し、この特徴を（例えばＦａｃｅＮｅｔモデルにより）データベース１０５内に格納された顔画像のポイントが位置する座標系内のポイントに変換し、その後、識別すべき画像の点とデータベース１０５内の顔画像Ａ＿Ｐ１１からＡ＿Ｐ１ｐ、Ａ＿Ｐ２１からＡ＿Ｐ２ｑ、Ｂ＿Ｐ１１からＢ＿Ｐ１ｒ、およびＢ＿Ｐ２１からＢ＿Ｐ２ｓの各々のポイントとの距離（例えばユークリッド距離）を計算する。その後、プロセッサ１０３は、第１と第２の画像グループＡ＿Ｇ１からＡ＿ＧｎおよびＢ＿Ｇ１からＢ＿Ｇｍのそれぞれに対し、距離平均パラメータの計算を実行する。例えば、プロセッサ１０３は、第１の画像グループＡ＿Ｇ１内の顔画像Ａ＿Ｐ１１からＡ＿Ｐ１ｐについてｐ個の距離を取得可能であり、プロセッサ１０３は、第１の画像グループＡ＿Ｇ１の距離平均パラメータとしてこれらのｐ個の距離の平均値を計算する。他の画像グループの距離平均パラメータについても同様である。

ステップＳ１２２では、プロセッサ１０３は、全ての画像グループの距離平均パラメータの最小値（以下、最小距離平均パラメータと記す）が閾値距離よりも小さいか否かを判断する。閾値距離はプロセッサ１０３の設定パラメータであり、例えば０と１の間、好ましくは０．３に設定される。画像グループの距離平均パラメータが小さいほど、識別すべき画像と画像グループ間の相関が高い。ステップＳ１２３では、最小距離平均パラメータが閾値距離よりも小さい場合、プロセッサ１０３は、識別すべき画像が、最小距離平均パラメータに対応する画像グループに属すると判断する、すなわち、前出の実施形態で述べたように、最小距離平均パラメータに対応する画像グループが判断画像グループであると決定される。これとは反対に、ステップ１２４において、最小距離平均パラメータが閾値距離よりも小さくない場合、プロセッサ１０３は、識別すべき画像がどの画像グループにも属さないと判断し、撮像装置１０１を制御して識別すべき新たな画像を再取得する。

前出の実施形態で述べた顔識別方法は、コード型式を取ることができ、コンピュータ、タブレット、携帯電話などの計算装置が読出し可能な、コンピュータが読出し可能な非一時的媒体内に格納することができる。例えば、コンピュータが読出し可能な非一時的媒体は、ＣＤ、フラッシュドライブ、メモリーカード、クラウドサーバのハードドライブなどである。コンピュータが読出し可能な非一時的な媒体から計算装置がコードを読み込む時に、計算装置は上記一つ以上の実施形態で記述された顔識別方法の操作を実行してもよい。さらに、前出の実施形態で記載した顔識別方法における更新方法は、識別すべきデータに係る元の登録データを調節するというコンセプト、および再分類のために、識別すべきデータを元の登録データに追加するというコンセプトを有するものであるが、この更新方法も、指紋、掌紋、虹彩、網膜、音声などの他の生体模倣型技術に適用することができる点に注目すべきである。

以上のことから、本開示で提供される顔識別の方法や装置、コンピュータが読出し可能な非一時的媒体は、識別すべき新たな画像を取得した際、ユーザの登録データ内の特定の画像グループを調節し、その後画像グループ更新処理を実行する。ここで、識別すべき新たな画像は、この特定の画像グループに属する。したがって、本開示によって提供される顔識別の方法や装置、コンピュータが読出し可能な非一時的媒体は、ユーザの容貌内のゆっくりとした変化に適合するために、使用するにつれて自動的に学習し、そして顔識別の精度と速度を改善することができる。本開示において提供される顔識別の方法や装置、コンピュータが読出し可能な非一時的媒体は、識別すべき画像が属する画像グループに対して単に画像削除を実行するだけであるため、一人のユーザの登録データは、様々な容貌の画像の割合を維持することができ、したがって、ユーザが外部アクセサリーを纏った場合でも、本開示において提供される顔識別の方法や装置、コンピュータが読出し可能な非一時的媒体は、依然として良好な識別精度を有することができる。

Claims

識別すべき顔画像を撮像装置によって取得すること、
前記識別すべき顔画像が少なくとも一人のユーザの複数の顔画像グループの一つに属するか否かを判断すること、
前記識別すべき顔画像が前記複数の顔画像グループの一つに属する場合、前記顔画像グループの前記一つを判定された顔画像グループとして取り出し、前記判定された顔画像グループの画像数が所定数よりも少ないか否かを判断すること、
前記判定された顔画像グループの前記画像数が前記所定数よりも少なくない場合、前記判定された顔画像グループ内の複数の顔画像のうち最も早い生成時間を有する一つを削除した後に、顔画像グループ更新処理を行うこと、および
前記判定された顔画像グループの前記画像数が前記所定数よりも少ない場合、前記顔画像グループ更新処理を行うことを含み、
前記少なくとも一人のユーザの前記複数の顔画像グループは、前記識別すべき顔画像を取得する前に取得されたグループ化されていない前記少なくとも一人のユーザの複数の顔画像をクラスタリングアルゴリズムによってグループ化することで生成され、
前記顔画像の各生成時間は、前記顔画像が前記撮像装置によって取得された時間であり、
前記顔画像グループ更新処理は、前記識別すべき顔画像と、前記少なくとも一人のユーザの前記顔画像グループの全ての顔画像とをクラスタリングアルゴリズムによって再グループ化することにより、前記少なくとも一人のユーザの更新処理後の前記複数の顔画像グループを生成することを含む、顔識別方法。
前記少なくとも一人のユーザは、第１のユーザと第２のユーザを含み、前記複数の顔画像グループは、前記第１のユーザの複数の第１の顔画像グループ、および前記第２のユーザの複数の第２の顔画像グループを含み、前記顔画像グループ更新処理のステップは、
前記判定された顔画像グループが前記複数の第１の顔画像グループの一つに属する場合、前記識別すべき顔画像と、前記複数の第１の顔画像グループ内の全ての顔画像とをクラスタリングアルゴリズムに従って再グループ化することによって前記第１のユーザの更新処理後の前記複数の顔画像グループを生成すること、および
前記判定された顔画像グループが前記複数の第２の顔画像グループの一つに属する場合、前記識別すべき顔画像と、前記複数の第２の顔画像グループ内の全ての顔画像とをクラスタリングアルゴリズムに従って再グループ化することによって前記第２のユーザの更新処理後の前記複数の顔画像グループを生成することを含み、
前記第１のユーザは、前記第２のユーザと異なる、請求項１に記載の顔識別方法。
前記識別すべき顔画像が前記少なくとも一人のユーザの前記複数の顔画像グループの前記一つに属するか否かを判断するステップは、
前記識別すべき顔画像の特徴を取得し、前記特徴を座標系中の座標を用いて第１のポイントに変換すること、
前記複数の顔画像グループ内の複数の顔画像の各々の特徴を取得し、前記特徴を前記座標系中の前記座標を用いて第２のポイントに変換すること、
前記第１のポイントと前記第２のポイントとの間の距離を計算すること、
前記複数の顔画像グループのそれぞれの距離平均パラメータを計算すること、
前記距離平均パラメータ中の最小距離平均パラメータが閾値距離よりも小さいか否かを判断すること、および
前記最小距離平均パラメータが前記閾値距離よりも小さい場合、前記識別すべき顔画像が前記最小距離平均パラメータを示す前記顔画像グループに属すると判断することを含み、
前記複数の顔画像グループのそれぞれの距離平均パラメータは、前記複数の顔画像グループのそれぞれの顔画像グループについて、その顔画像グループ内の複数の顔画像についての前記距離の平均値を表す、請求項１に記載の顔識別方法。
前記識別すべき顔画像の前記第１のポイントと前記一つ以上の顔画像の各々の前記第２のポイントとの間の前記距離は、ユークリッド距離である、請求項３に記載の顔識別方法。
前記識別すべき顔画像を取得するステップの前に、
前記少なくとも一人のユーザのグループ化されていない顔画像を複数取得すること、および
前記グループ化されていない複数の画像をグループ化して前記少なくとも一人のユーザの前記複数の顔画像グループを生成することをさらに含む、請求項１に記載の顔識別方法。
識別すべき顔画像を取得する撮像装置、
少なくとも一人のユーザの複数の顔画像グループを格納するデータベース、
前記撮像装置と前記データベースと電気的に接続されるプロセッサを含み、
前記プロセッサは、
前記識別すべき顔画像が前記少なくとも一人のユーザの前記複数の顔画像グループの一つに属するか否かを判断することと、
前記識別すべき顔画像が前記複数の顔画像グループの一つに属する場合、前記顔画像グループの前記一つを判定された顔画像グループとして取り出し、前記判定された顔画像グループの画像数が所定数よりも少ないか否かを判断することと、
前記判定された顔画像グループの前記画像数が前記所定数よりも少なくない場合、前記判定された顔画像グループ内の複数の顔画像のうち最も早い生成時間を有する一つを削除した後に顔画像グループ更新処理を行うことと、および
前記判定された顔画像グループの前記画像数が前記所定数よりも少ない場合、前記顔画像グループ更新処理を行うことを実行し、
前記少なくとも一人のユーザの前記複数の顔画像グループは、前記識別すべき顔画像を取得する前に取得されたグループ化されていない前記少なくとも一人のユーザの複数の顔画像をクラスタリングアルゴリズムによってグループ化することで生成され、
前記顔画像の各生成時間は、前記顔画像が前記撮像装置によって取得された時間であり、
前記顔画像グループ更新処理は、前記識別すべき顔画像と、前記少なくとも一人のユーザの前記顔画像グループの全ての顔画像とをクラスタリングアルゴリズムによって再グループ化することにより、前記少なくとも一人のユーザの更新処理後の前記複数の顔画像グループを生成することを含む、顔識別装置。
プログラムコードを含み、
前記プログラムコードは顔識別方法を実行するための一つ以上のプロセッサによって実行され、前記顔識別方法は、
識別すべき顔画像を撮像装置によって取得すること、
前記識別すべき顔画像が少なくとも一人のユーザの複数の顔画像グループの一つに属するか否かを判断すること、
前記識別すべき顔画像が前記複数の顔画像グループの一つに属する場合、前記顔画像グループの前記一つを判定された顔画像グループとして取り出し、前記判定された顔画像グループの画像数が所定数よりも少ないか否かを判断すること、
前記判定された顔画像グループの前記画像数が前記所定数よりも少なくない場合、前記判定された顔画像グループ内の複数の顔画像のうち最も早い生成時間を有する一つを削除した後に、顔画像グループ更新処理を行うこと、および
前記判定された顔画像グループの前記画像数が前記所定数よりも少ない場合、前記顔画像グループ更新処理を行うことを含み、
前記少なくとも一人のユーザの前記複数の顔画像グループは、前記識別すべき顔画像を取得する前に取得されたグループ化されていない前記少なくとも一人のユーザの複数の顔画像をクラスタリングアルゴリズムによってグループ化することで生成され、
前記顔画像の各生成時間は、前記顔画像が前記撮像装置によって取得された時間であり、
前記顔画像グループ更新処理は、前記識別すべき顔画像と、前記少なくとも一人のユーザの前記顔画像グループの全ての顔画像とをクラスタリングアルゴリズムによって再グループ化することにより、前記少なくとも一人のユーザの更新処理後の前記複数の顔画像グループを生成することを含む、コンピュータが読出し可能な非一時的媒体。
前記少なくとも一人のユーザは、第１のユーザと第２のユーザを含み、前記複数の顔画像グループは、前記第１のユーザの複数の第１の顔画像グループ、および前記第２のユーザの複数の第２の顔画像グループを含み、前記顔画像グループ更新処理のステップは、
前記判定された顔画像グループが前記複数の第１の顔画像グループの一つに属する場合、前記識別すべき顔画像と、前記複数の第１の顔画像グループ内の全ての顔画像とをクラスタリングアルゴリズムに従って再グループ化することによって前記第１のユーザの更新処理後の前記複数の顔画像グループを生成すること、および
前記判定された顔画像グループが前記複数の第２の顔画像グループの一つに属する場合、前記識別すべき顔画像と、前記複数の第２の顔画像グループ内の全ての顔画像とをクラスタリングアルゴリズムに従って再グループ化することによって前記第２のユーザの更新処理後の前記複数の顔画像グループを生成することを含み、
前記第１のユーザは、前記第２のユーザと異なる、請求項７に記載の非一時的媒体。
前記識別すべき顔画像が前記少なくとも一人のユーザの前記複数の顔画像グループの前記一つに属するか否かを判断するステップは、
前記識別すべき顔画像の特徴を取得し、前記特徴を座標系中の座標を用いて第１のポイントに変換すること、
前記複数の顔画像グループ内の複数の顔画像の各々の特徴を取得し、前記特徴を前記座標系中の前記座標を用いて第２のポイントに変換すること、
前記第１のポイントと前記第２のポイントとの間の距離を計算すること、
前記複数の顔画像グループのそれぞれの距離平均パラメータを計算すること、
前記距離平均パラメータ中の最小距離平均パラメータが閾値距離よりも小さいか否かを判断すること、および
前記最小距離平均パラメータが前記閾値距離よりも小さい場合、前記識別すべき顔画像が前記最小距離平均パラメータを示す前記顔画像グループに属すると判断することを含み、
前記複数の顔画像グループのそれぞれの距離平均パラメータは、前記複数の顔画像グループのそれぞれの顔画像グループについて、その顔画像グループ内の複数の顔画像についての前記距離の平均値を表す、請求項７に記載の非一時的媒体。
前記識別すべき顔画像の前記第１のポイントと前記一つ以上の顔画像の各々の前記第２のポイントとの間の前記距離は、ユークリッド距離である、請求項９に記載の非一時的媒体。
前記識別すべき顔画像を取得するステップの前に、
前記少なくとも一人のユーザのグループ化されていない顔画像を複数取得すること、および
前記グループ化されていない複数の画像をグループ化して前記少なくとも一人のユーザの前記複数の顔画像グループを生成することをさらに含む、請求項７に記載の非一時的媒体。