JPH07128031A - 顔画像認識装置 - Google Patents
顔画像認識装置Info
- Publication number
- JPH07128031A JPH07128031A JP27148293A JP27148293A JPH07128031A JP H07128031 A JPH07128031 A JP H07128031A JP 27148293 A JP27148293 A JP 27148293A JP 27148293 A JP27148293 A JP 27148293A JP H07128031 A JPH07128031 A JP H07128031A
- Authority
- JP
- Japan
- Prior art keywords
- face
- image
- face image
- unit
- data
- 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.)
- Withdrawn
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
(57)【要約】
【目的】 背景の影響を受けることなく、計算量を減少
させ、装置を小型に構成するとともに、認識率を向上さ
せる。 【構成】 ２次元の画像データＩ（ｘ，ｙ）は、顔の位
置検出部７０の結果に応じて位置合わせ部７２で位置合
わせされた後、輪郭部抽出部７５で輪郭部分が抽出され
る。画像データＩ（ｘ，ｙ）は、エッジ検出部７９でエ
ッジ検出され線画領域に変換され、属性への変換部８０
で属性が求められた点の領域に変換され、極大値検出部
８２で属性の極大値の座標が求められる。属性からのエ
ッジ領域への変換部７８で極大値の座標からある半径の
内側に属する属性のみについて平均値が求められ、点領
域の標準顔が得られ、線の領域に戻すことで線の領域に
おける標準顔の内側の特徴量を得る。
させ、装置を小型に構成するとともに、認識率を向上さ
せる。 【構成】 ２次元の画像データＩ（ｘ，ｙ）は、顔の位
置検出部７０の結果に応じて位置合わせ部７２で位置合
わせされた後、輪郭部抽出部７５で輪郭部分が抽出され
る。画像データＩ（ｘ，ｙ）は、エッジ検出部７９でエ
ッジ検出され線画領域に変換され、属性への変換部８０
で属性が求められた点の領域に変換され、極大値検出部
８２で属性の極大値の座標が求められる。属性からのエ
ッジ領域への変換部７８で極大値の座標からある半径の
内側に属する属性のみについて平均値が求められ、点領
域の標準顔が得られ、線の領域に戻すことで線の領域に
おける標準顔の内側の特徴量を得る。
Description
【０００１】
【産業上の利用分野】本発明は、例えば画像を認識する
場合などに用いて好適なパターン認識装置に関する。
場合などに用いて好適なパターン認識装置に関する。
【０００２】
【従来の技術】画像認識のための関連技術として、本出
願人は、多くの顔画像の目、鼻、口、輪郭等の特徴点を
抽出し特徴点毎に中間的な位置を求める手段と、求めら
れた中間的な位置に対する各個人の特徴的な点の歪を求
める手段と、認識の対象の顔の歪の量を個人別に記憶し
記憶された歪量とあらたに提示された道画像の歪量を比
較する手段とを備えたパターン認識装置を提案してい
る。以下に具体的にこのパターン認識装置を説明する。
願人は、多くの顔画像の目、鼻、口、輪郭等の特徴点を
抽出し特徴点毎に中間的な位置を求める手段と、求めら
れた中間的な位置に対する各個人の特徴的な点の歪を求
める手段と、認識の対象の顔の歪の量を個人別に記憶し
記憶された歪量とあらたに提示された道画像の歪量を比
較する手段とを備えたパターン認識装置を提案してい
る。以下に具体的にこのパターン認識装置を説明する。
【０００３】図８は、関連技術としてのパターン認識装
置の一例を示すブロック図である。図８において、ビデ
オカメラ１０１は、ＣＣＤを有し、例えば人物の顔など
を撮影した光を電気信号として顔画像信号に変換する。
メモリ部１０２は、ＲＡＭ及びＡ／Ｄコンバータ（いず
れも図示せず）より構成され、Ａ／Ｄコンバータより顔
画像信号を８ビットで量子化し、デジタル信号（顔画像
データ）としてのｘｙ平面上の２次元輝度情報Ｉ（ｘ，
ｙ）を１フレーム分ずつＲＡＭに一時記憶する。
置の一例を示すブロック図である。図８において、ビデ
オカメラ１０１は、ＣＣＤを有し、例えば人物の顔など
を撮影した光を電気信号として顔画像信号に変換する。
メモリ部１０２は、ＲＡＭ及びＡ／Ｄコンバータ（いず
れも図示せず）より構成され、Ａ／Ｄコンバータより顔
画像信号を８ビットで量子化し、デジタル信号（顔画像
データ）としてのｘｙ平面上の２次元輝度情報Ｉ（ｘ，
ｙ）を１フレーム分ずつＲＡＭに一時記憶する。
【０００４】前処理部１０３は、メモリ部１０２に記憶
された顔画像データＩ（ｘ，ｙ）に対してエッジの検出
等を行うことにより、顔画像の特徴量としての入力パタ
ーンＰ（ｘ，ｙ）を取り出し、比較処理部１０４に出力
する。
された顔画像データＩ（ｘ，ｙ）に対してエッジの検出
等を行うことにより、顔画像の特徴量としての入力パタ
ーンＰ（ｘ，ｙ）を取り出し、比較処理部１０４に出力
する。
【０００５】比較処理部１０４は、関数学習記憶部１０
５に予め記憶されている、顔画像データＩ（ｘ，ｙ）の
特徴量Ｐ（ｘ，ｙ）の基本モデルとなるｒ個の関数Ｆｉ
（ｘ，ｙ）（ｉ＝１，２，・・・，ｒ）それぞれに対す
る、前処理部１０３より出力された入力パターンＰ
（ｘ，ｙ）の相関量としての寄与度Ｘｉを算出し、その
うちの最大値としての最大寄与度ＸMAXを検出するとと
もに、この最大寄与度ＸMAXを与える関数ＦMAX（ｘ，
ｙ）（ＭＡＸは、１乃至ｒのいずれかの値）と、入力パ
ターンＰ（ｘ，ｙ）との差異情報としての変形量Ｍ
（ｘ，ｙ）を算出し、関数学習記憶部１０５及び変形量
分析部１０６に供給する。
５に予め記憶されている、顔画像データＩ（ｘ，ｙ）の
特徴量Ｐ（ｘ，ｙ）の基本モデルとなるｒ個の関数Ｆｉ
（ｘ，ｙ）（ｉ＝１，２，・・・，ｒ）それぞれに対す
る、前処理部１０３より出力された入力パターンＰ
（ｘ，ｙ）の相関量としての寄与度Ｘｉを算出し、その
うちの最大値としての最大寄与度ＸMAXを検出するとと
もに、この最大寄与度ＸMAXを与える関数ＦMAX（ｘ，
ｙ）（ＭＡＸは、１乃至ｒのいずれかの値）と、入力パ
ターンＰ（ｘ，ｙ）との差異情報としての変形量Ｍ
（ｘ，ｙ）を算出し、関数学習記憶部１０５及び変形量
分析部１０６に供給する。
【０００６】また、関数学習記憶部１０５は、比較処理
部１０４で算出された変形量Ｍ（ｘ，ｙ）を用いて、同
じく比較処理部１０４で検出された関数ＦMAX（ｘ，
ｙ）、または入力パターンＰ（ｘ，ｙ）を変形して、ｘ
ｙ平面上における変形した関数ＦMAX’（ｘ，ｙ）と、
変形した入力パターンＰ’（ｘ，ｙ）とから、そこに記
憶されている関数ＦMAX（ｘ，ｙ）を更新する。
部１０４で算出された変形量Ｍ（ｘ，ｙ）を用いて、同
じく比較処理部１０４で検出された関数ＦMAX（ｘ，
ｙ）、または入力パターンＰ（ｘ，ｙ）を変形して、ｘ
ｙ平面上における変形した関数ＦMAX’（ｘ，ｙ）と、
変形した入力パターンＰ’（ｘ，ｙ）とから、そこに記
憶されている関数ＦMAX（ｘ，ｙ）を更新する。
【０００７】変形量分析部１０６は、比較処理部１０４
により算出された変形りょうＭ（ｘ，ｙ）を分析し、こ
の変形量Ｍ（ｘ，ｙ）に含まれる、入力パターンＰ
（ｘ，ｙ）としての、ビデオカメラ１０１で取り込んだ
人物の顔画像の、画面における上下もしくは左右のず
れ、回転による位置ずれ、またはビデオカメラ１０１の
拡大縮小率による大きさの違いに関する成分を取り除
き、あらたな変形量Ｍｔｄｒ（ｘ，ｙ）を人物情報学習
記憶部１０７に出力する。
により算出された変形りょうＭ（ｘ，ｙ）を分析し、こ
の変形量Ｍ（ｘ，ｙ）に含まれる、入力パターンＰ
（ｘ，ｙ）としての、ビデオカメラ１０１で取り込んだ
人物の顔画像の、画面における上下もしくは左右のず
れ、回転による位置ずれ、またはビデオカメラ１０１の
拡大縮小率による大きさの違いに関する成分を取り除
き、あらたな変形量Ｍｔｄｒ（ｘ，ｙ）を人物情報学習
記憶部１０７に出力する。
【０００８】人物情報学習記憶部１０７は、装置のモー
ドが学習モードである場合、変形量分析部１０６より出
力されるあらたな変形量Ｍｔｄｒ（ｘ，ｙ）を、認識結
果としての人物（顔）につけられた番号ｔ（ｔ＝１，２
・・・，Ｔ：Ｔは人物の顔の数）の関数である人物情報
Ｋ（ｔ）と対応付けて、内蔵するメモリ（図示せず）に
記憶する。
ドが学習モードである場合、変形量分析部１０６より出
力されるあらたな変形量Ｍｔｄｒ（ｘ，ｙ）を、認識結
果としての人物（顔）につけられた番号ｔ（ｔ＝１，２
・・・，Ｔ：Ｔは人物の顔の数）の関数である人物情報
Ｋ（ｔ）と対応付けて、内蔵するメモリ（図示せず）に
記憶する。
【０００９】また、人物情報学習記憶部１０７は、装置
のモードが認識モードである場合、変形量分析部１０６
より出力された変形量Ｍｔｄｒ（ｘ，ｙ）と、内蔵する
メモリに予め記憶されている各人物情報Ｋ（ｔ）とのユ
ークリッド距離をそれぞれ算出し、その距離を最も短く
する人物情報Ｋ（ｔ）における番号ｔを認識結果として
出力する。
のモードが認識モードである場合、変形量分析部１０６
より出力された変形量Ｍｔｄｒ（ｘ，ｙ）と、内蔵する
メモリに予め記憶されている各人物情報Ｋ（ｔ）とのユ
ークリッド距離をそれぞれ算出し、その距離を最も短く
する人物情報Ｋ（ｔ）における番号ｔを認識結果として
出力する。
【００１０】以上のようにして、画像としての人物の顔
の認識が行われる。
の認識が行われる。
【００１１】
【発明が解決しようとする課題】しかしながら、上述し
たパターン認識装置には、以下に示すような欠点があ
る。
たパターン認識装置には、以下に示すような欠点があ
る。
【００１２】１．無背景下において撮影された顔画像か
ら標準顔（標準パターン）を抽出することは容易である
が、複雑な背景下において撮影された顔画像から標準顔
（標準パターン）の抽出を行う場合、背景の影響により
正しく標準顔を抽出することが困難である。
ら標準顔（標準パターン）を抽出することは容易である
が、複雑な背景下において撮影された顔画像から標準顔
（標準パターン）の抽出を行う場合、背景の影響により
正しく標準顔を抽出することが困難である。
【００１３】２．変形量ベクトルを求める際に、ブロッ
クマッチングを行っているので、提示される顔画像の背
景の影響を受け易い。
クマッチングを行っているので、提示される顔画像の背
景の影響を受け易い。
【００１４】３．変化量ベクトルを求める際に、ブロッ
クマッチングを行っているので、意味のある変化量ベク
トルの抽出が困難である。
クマッチングを行っているので、意味のある変化量ベク
トルの抽出が困難である。
【００１５】４．位置ずれや大きさの変化を吸収するた
めに、求められた変化量ベクトルから幾何学的変形を取
り除くという処理を行っているが、入力画像に標準顔か
らの対応点が存在しなかったり、誤対応が生じたりして
変化量ベクトルに乱れがある場合は、位置ずれや大きさ
の変化を完全に吸収することができない。
めに、求められた変化量ベクトルから幾何学的変形を取
り除くという処理を行っているが、入力画像に標準顔か
らの対応点が存在しなかったり、誤対応が生じたりして
変化量ベクトルに乱れがある場合は、位置ずれや大きさ
の変化を完全に吸収することができない。
【００１６】５．変化量ベクトルを求める際に、ブロッ
クマッチングを行っているので、計算量が多くなる。
クマッチングを行っているので、計算量が多くなる。
【００１７】６．特徴量抽出の際に、ラプラシアン・オ
ブ・ガウシアン・フィルタを用いているので、入力画像
上のノイズに弱い。
ブ・ガウシアン・フィルタを用いているので、入力画像
上のノイズに弱い。
【００１８】７．一枚の顔画像から、ある人物を登録し
ているので、各個人のフェースクラスを安定して登録す
ることができない。
ているので、各個人のフェースクラスを安定して登録す
ることができない。
【００１９】８．顔の表情の変化や若干の無期に変化に
対して、認識率が悪化する虞がある。
対して、認識率が悪化する虞がある。
【００２０】９．ある人物を登録する際に、登録の確実
性を高めるために複数米の顔画像を使用する必要がある
が、提示される顔画像上で提示される顔画像の提示位置
や大きさに差があると、それらの顔画像を有効に利用で
きない。
性を高めるために複数米の顔画像を使用する必要がある
が、提示される顔画像上で提示される顔画像の提示位置
や大きさに差があると、それらの顔画像を有効に利用で
きない。
【００２１】本発明は、上記事情に鑑みてなされたもの
であり、計算量を減少させ、装置を小型に構成するとと
もに、認識率を向上させた顔画像認識装置を提供するこ
とを目的としている。
であり、計算量を減少させ、装置を小型に構成するとと
もに、認識率を向上させた顔画像認識装置を提供するこ
とを目的としている。
【００２２】
【課題を解決するための手段】本発明の顔画像認識装置
は、顔画像を有する画像データを入力する入力手段とし
ての画像入力部８と、入力された画像データを画像領域
データに変換して記憶する記憶手段としての画像記憶部
１０と、画像記憶部１０に記憶された画像データの顔画
像の輪郭を検出し輪郭を線画領域データに変換する線画
領域変換手段としての輪郭部抽出部７５と、前記輪郭内
の前記顔画像の属性を検出し前記属性を点領域データに
変換する点領域変換手段としての属性からエッジ領域へ
の変換部７８とを備え、線画領域データ及び点領域デー
タに基づき標準顔を作成し、顔画像を認識する。
は、顔画像を有する画像データを入力する入力手段とし
ての画像入力部８と、入力された画像データを画像領域
データに変換して記憶する記憶手段としての画像記憶部
１０と、画像記憶部１０に記憶された画像データの顔画
像の輪郭を検出し輪郭を線画領域データに変換する線画
領域変換手段としての輪郭部抽出部７５と、前記輪郭内
の前記顔画像の属性を検出し前記属性を点領域データに
変換する点領域変換手段としての属性からエッジ領域へ
の変換部７８とを備え、線画領域データ及び点領域デー
タに基づき標準顔を作成し、顔画像を認識する。
【００２３】
【作 用】線画領域データ及び点領域データに基づき標
準顔を作成し、顔画像を認識することで、背景の影響を
受けることなく、計算量を減少させ、装置を小型に構成
するとともに、認識率を向上させることを可能とする。
準顔を作成し、顔画像を認識することで、背景の影響を
受けることなく、計算量を減少させ、装置を小型に構成
するとともに、認識率を向上させることを可能とする。
【００２４】
【実施例】以下、図面を参照しながら本発明の実施例に
ついて述べる。本発明の概念構成は、上述した関連技術
としてのパターン認識装置と概略同じであるので、ここ
では異なる点をS.E.BrennamのFACEBENDER（Susan.E.Bre
nnam. "Caricature generator:The dynamics egaggerat
ion of face by computer";Leonardo,18(3):170-178,19
85)の行った心理実験を紹介しながら説明する。
ついて述べる。本発明の概念構成は、上述した関連技術
としてのパターン認識装置と概略同じであるので、ここ
では異なる点をS.E.BrennamのFACEBENDER（Susan.E.Bre
nnam. "Caricature generator:The dynamics egaggerat
ion of face by computer";Leonardo,18(3):170-178,19
85)の行った心理実験を紹介しながら説明する。
【００２５】図３（ａ）及び（ｂ）は、ある人物の顔写
真をコンピュータに入力し、人間が選んだ特徴点を結ん
で描いた線図である。この操作をいろいろな人物の顔写
真に対して行い、それぞれの顔写真に対応する線画を得
る。FACEBENDERは、ここで得られたたくさんの顔の各特
徴点の位置を対応する特徴点毎に平均化することで特徴
点が位置的に中間的な顔を作成し、その中間的な顔の特
徴点に対して各個人の特徴点がどうのようにずれている
かを調べることで、如何に似顔絵を書くかを探ることを
目的にしている。Brennamは、このとき使われた中間的
な顔を標準顔と呼び、この標準顔を、目尻や口の両端等
の特徴点毎に何人もの人物の平均座標をすべての特徴点
に対して求め、その平均座標を結ぶことで作成した（図
７（ｃ））。
真をコンピュータに入力し、人間が選んだ特徴点を結ん
で描いた線図である。この操作をいろいろな人物の顔写
真に対して行い、それぞれの顔写真に対応する線画を得
る。FACEBENDERは、ここで得られたたくさんの顔の各特
徴点の位置を対応する特徴点毎に平均化することで特徴
点が位置的に中間的な顔を作成し、その中間的な顔の特
徴点に対して各個人の特徴点がどうのようにずれている
かを調べることで、如何に似顔絵を書くかを探ることを
目的にしている。Brennamは、このとき使われた中間的
な顔を標準顔と呼び、この標準顔を、目尻や口の両端等
の特徴点毎に何人もの人物の平均座標をすべての特徴点
に対して求め、その平均座標を結ぶことで作成した（図
７（ｃ））。
【００２６】そして新たな顔画像と標準顔とのフィッテ
ングを行う（図２（ｄ），（ｅ））ことで、この心理実
験でBrennamは、”似顔絵を書くときに個人の変形情報
で標準顔から大きくずれている要素をさらに強調してず
らして書くことにより、本人と分かりやすい似顔絵にな
る”という主観的な結果を得ている。つまり、この心理
実験でBrennamは、個人の変形情報で標準顔から大きく
ずれている要素から顔を認識するということは行ってい
ないが、本発明では、このずれから顔を認識する顔画像
認識装置を提案する。ただし、Brennamの方法では、人
間が介在して特徴点を入力しているので、この方法を直
接本発明に適用することができない。そこで、第１実施
例では各入力顔画像の標準顔からのずれ（図２（ｆ），
（ｇ））を個人情報として自動的に求める方法を提示
し、このずれから変形量を解析することにより顔画像認
識を可能としている。ここでBrennamが特徴点として用
いた鼻、口、目等を画像から安定して求めるのは困難で
あるので、一貫して特徴点の選択と処理を行うことによ
り顔画像認識を行っている。
ングを行う（図２（ｄ），（ｅ））ことで、この心理実
験でBrennamは、”似顔絵を書くときに個人の変形情報
で標準顔から大きくずれている要素をさらに強調してず
らして書くことにより、本人と分かりやすい似顔絵にな
る”という主観的な結果を得ている。つまり、この心理
実験でBrennamは、個人の変形情報で標準顔から大きく
ずれている要素から顔を認識するということは行ってい
ないが、本発明では、このずれから顔を認識する顔画像
認識装置を提案する。ただし、Brennamの方法では、人
間が介在して特徴点を入力しているので、この方法を直
接本発明に適用することができない。そこで、第１実施
例では各入力顔画像の標準顔からのずれ（図２（ｆ），
（ｇ））を個人情報として自動的に求める方法を提示
し、このずれから変形量を解析することにより顔画像認
識を可能としている。ここでBrennamが特徴点として用
いた鼻、口、目等を画像から安定して求めるのは困難で
あるので、一貫して特徴点の選択と処理を行うことによ
り顔画像認識を行っている。
【００２７】図１は本発明の顔画像認識装置の一実施例
の構成を示すブロック図である。図３に示すように、顔
画像データから変形量ベクトルを求め変形量ベクトルよ
り人物の登録及び認識を行う顔画像認識装置１は、入力
された画像を認識処理する画像処理装置２と、カラービ
デオカメラ５、カラーテレビ６及びＶＴＲ７等からなる
画像処理装置に画像を映像信号として出力する画像入力
装置４と、画像処理装置２の処理結果を図示しないマウ
ス及びディスプレーにより表示するパーソナルコンピュ
ータ１５とから構成されている。
の構成を示すブロック図である。図３に示すように、顔
画像データから変形量ベクトルを求め変形量ベクトルよ
り人物の登録及び認識を行う顔画像認識装置１は、入力
された画像を認識処理する画像処理装置２と、カラービ
デオカメラ５、カラーテレビ６及びＶＴＲ７等からなる
画像処理装置に画像を映像信号として出力する画像入力
装置４と、画像処理装置２の処理結果を図示しないマウ
ス及びディスプレーにより表示するパーソナルコンピュ
ータ１５とから構成されている。
【００２８】前記画像処理装置２は、画像入力装置４か
らの映像信号を入力するインターフェイスからなる画像
入力部８と、画像入力部８を介して入力された映像信号
をＡ／Ｄ変換し画像信号を生成するＡ／Ｄ変換部９と、
Ａ／Ｄ変換部９にからの画像信号を記憶する画像記憶部
１０と、Ａ／Ｄ変換及び画像記憶のタイミング等を制御
する制御部１１と、この制御部を介し画像記憶部１０に
記憶された２次元の画像データＩ（ｘ，ｙ）を演算処理
するデータ演算部３と、画像記憶部１０に記憶された画
像データを読みだしてパーソナルコンピュータ１５に出
力する画像出力部１４とから構成されている。そしてデ
ータ演算部３は、画像記憶部１０に記憶された２次元の
画像データを演算処理した後、その演算結果を制御部を
介して画像記憶部１０に記憶させるようになっている。
らの映像信号を入力するインターフェイスからなる画像
入力部８と、画像入力部８を介して入力された映像信号
をＡ／Ｄ変換し画像信号を生成するＡ／Ｄ変換部９と、
Ａ／Ｄ変換部９にからの画像信号を記憶する画像記憶部
１０と、Ａ／Ｄ変換及び画像記憶のタイミング等を制御
する制御部１１と、この制御部を介し画像記憶部１０に
記憶された２次元の画像データＩ（ｘ，ｙ）を演算処理
するデータ演算部３と、画像記憶部１０に記憶された画
像データを読みだしてパーソナルコンピュータ１５に出
力する画像出力部１４とから構成されている。そしてデ
ータ演算部３は、画像記憶部１０に記憶された２次元の
画像データを演算処理した後、その演算結果を制御部を
介して画像記憶部１０に記憶させるようになっている。
【００２９】このように構成された顔画像認識装置１の
人物登録の作用を図４に示すデータ演算部３の機能ブロ
ック図を用いて説明する。例えば入力装置４の１つであ
るカラービデオカメラ５により撮影された顔画像は、画
像入力部８を介してＡ／Ｄ変換部９でＡ／Ｄ変換され、
画像記憶部１０に記憶される。そして、データ演算部３
において画像記憶部１０に記憶された顔画像を有する２
次元の画像データＩ（ｘ，ｙ）は、顔の位置・サイズ検
出部２４で顔画像の位置とサイズが検出される。一方、
画像データＩ（ｘ，ｙ）は、拡大・縮小部２１にも出力
されており、顔の位置・サイズ検出部２４のサイズ検出
結果により顔画像のサイズの正規化が行われ、そして拡
大・縮小部２１によりサイズの正規化がなされた画像デ
ータＩ（ｘ，ｙ）は、位置合わせ部２２に出力され、顔
の位置・サイズ検出部２４の位置検出結果により顔画像
の位置合わせが行われる。
人物登録の作用を図４に示すデータ演算部３の機能ブロ
ック図を用いて説明する。例えば入力装置４の１つであ
るカラービデオカメラ５により撮影された顔画像は、画
像入力部８を介してＡ／Ｄ変換部９でＡ／Ｄ変換され、
画像記憶部１０に記憶される。そして、データ演算部３
において画像記憶部１０に記憶された顔画像を有する２
次元の画像データＩ（ｘ，ｙ）は、顔の位置・サイズ検
出部２４で顔画像の位置とサイズが検出される。一方、
画像データＩ（ｘ，ｙ）は、拡大・縮小部２１にも出力
されており、顔の位置・サイズ検出部２４のサイズ検出
結果により顔画像のサイズの正規化が行われ、そして拡
大・縮小部２１によりサイズの正規化がなされた画像デ
ータＩ（ｘ，ｙ）は、位置合わせ部２２に出力され、顔
の位置・サイズ検出部２４の位置検出結果により顔画像
の位置合わせが行われる。
【００３０】ところで、登録のプロセスでは、登録の完
全性を期するためと表情や若干の顔の向きの変化に対す
るロバストネスを確保するために、一人の人物を登録す
るために異なる表情や顔の向きが若干異なる時系列画像
が用いられる。しかし、ここで使われる顔のサイズや位
置を顔の位置・サイズ検出部２４で全画像に渡り正確に
求めることは困難であるので、顔の位置・サイズ再調整
部２０により顔の位置とサイズが一人の人物を登録する
ときに使われる全画像に対して一貫して求められるよう
に再調整される。
全性を期するためと表情や若干の顔の向きの変化に対す
るロバストネスを確保するために、一人の人物を登録す
るために異なる表情や顔の向きが若干異なる時系列画像
が用いられる。しかし、ここで使われる顔のサイズや位
置を顔の位置・サイズ検出部２４で全画像に渡り正確に
求めることは困難であるので、顔の位置・サイズ再調整
部２０により顔の位置とサイズが一人の人物を登録する
ときに使われる全画像に対して一貫して求められるよう
に再調整される。
【００３１】位置とサイズに対して正規化が行われた全
時系列画像は、すべて顔の位置・サイズ再調整部２０に
取り込まれる。そして顔の位置・サイズ再調整部２０内
のラプラシアンオブガウシアン部２５でラプラシアンオ
ブガウシアンのフィルタリングが行われ、フィルタリン
グされた画像は、個人別標準顔獲得部２７で平均化され
た後、個人別標準顔として蓄積される。個人別標準顔獲
得部２７に蓄積された個人別標準顔は、拡大・縮小部２
８で拡大縮小され相関量計算部２６に出力され、相関量
計算部２６で各顔画像毎に相関値が計算される。この相
関値のサイズ方向と位置方向に対する最大値を調べるこ
とで、より正確なサイズと位置を求め、位置合わせ２３
で求めた正確なサイズと位置により顔の位置とサイズの
再調整が行われる。
時系列画像は、すべて顔の位置・サイズ再調整部２０に
取り込まれる。そして顔の位置・サイズ再調整部２０内
のラプラシアンオブガウシアン部２５でラプラシアンオ
ブガウシアンのフィルタリングが行われ、フィルタリン
グされた画像は、個人別標準顔獲得部２７で平均化され
た後、個人別標準顔として蓄積される。個人別標準顔獲
得部２７に蓄積された個人別標準顔は、拡大・縮小部２
８で拡大縮小され相関量計算部２６に出力され、相関量
計算部２６で各顔画像毎に相関値が計算される。この相
関値のサイズ方向と位置方向に対する最大値を調べるこ
とで、より正確なサイズと位置を求め、位置合わせ２３
で求めた正確なサイズと位置により顔の位置とサイズの
再調整が行われる。
【００３２】位置とサイズが再調整された顔画像は、そ
の後エッジ検出部２９にてエッジの方向のみの輝度変化
をとらえるという特殊なエッジ検出が行われ、エッジ検
出部２９の出力は、ガウスフィルタ３０でぼかされた
後、相関ピーク検出部３１に入力される。一方、標準顔
抽出プロセスにより予め抽出された標準顔３３のエッジ
はエッジ分離部３４により一本づつ分離されガウスフィ
ルタ３５によりぼかされ、相関ピーク検出部３１に入力
される。相関ピーク検出部３１では、標準顔から１つづ
つ選択されたエッジが、入力顔画像と対応点候補からあ
る範囲に渡り相関計算され、相関ピーク位置が求められ
る。このように相関ピーク位置を求めるという操作を標
準顔から１つづつ選択されたすべてのエッジに対して行
うことで、各個人の顔画像一枚の標準顔に対する変形量
ベクトルを求め、人物登録部３２に出力する。
の後エッジ検出部２９にてエッジの方向のみの輝度変化
をとらえるという特殊なエッジ検出が行われ、エッジ検
出部２９の出力は、ガウスフィルタ３０でぼかされた
後、相関ピーク検出部３１に入力される。一方、標準顔
抽出プロセスにより予め抽出された標準顔３３のエッジ
はエッジ分離部３４により一本づつ分離されガウスフィ
ルタ３５によりぼかされ、相関ピーク検出部３１に入力
される。相関ピーク検出部３１では、標準顔から１つづ
つ選択されたエッジが、入力顔画像と対応点候補からあ
る範囲に渡り相関計算され、相関ピーク位置が求められ
る。このように相関ピーク位置を求めるという操作を標
準顔から１つづつ選択されたすべてのエッジに対して行
うことで、各個人の顔画像一枚の標準顔に対する変形量
ベクトルを求め、人物登録部３２に出力する。
【００３３】次に人物登録部３２について説明する。登
録のプロセスにおいて、人物登録部３２での目的は、変
形量ベクトルが構成する空間上で各人物に対するフェー
スクラスを登録することである。この登録の方法は、各
個人における変形量ベクトルを異なる環境や表情におい
て平均化し登録するという単純な学習方法も考えられる
が、ここでは、表情や顔の若干の変化に対してロバスト
な認識を行うために、ノンリニア・クラシフィケーショ
ンを利用する。具体的な登録方法は、次のように行われ
る。
録のプロセスにおいて、人物登録部３２での目的は、変
形量ベクトルが構成する空間上で各人物に対するフェー
スクラスを登録することである。この登録の方法は、各
個人における変形量ベクトルを異なる環境や表情におい
て平均化し登録するという単純な学習方法も考えられる
が、ここでは、表情や顔の若干の変化に対してロバスト
な認識を行うために、ノンリニア・クラシフィケーショ
ンを利用する。具体的な登録方法は、次のように行われ
る。
【００３４】１） 各人物について、異なる表情と若干
向きの異なる顔画像に対しての、時系列画像を取り込
む。 ２） ある人物Ａに対して、顔の位置とサイズが再調整
された後、全顔画像に対して変形量ベクトルを求める。 ３） ２）で求められた全変形量ベクトルに対して、あ
る領域をもって変形量ベクトルを構成する空間上に登録
される。 ４） ３）で登録された変形量ベクトルのＯＲをとるこ
とで、人物Ａのフェースクラスが登録される。 ５）他の人物に対しても、それぞれ１）〜４）までの処
理を行うことで、図５に示すようなフェースクラスが登
録される。 この方法においては、新しく人物を登録する際に、標準
顔等の記憶を破壊することはないので、追記学習も極め
て容易に行われる。
向きの異なる顔画像に対しての、時系列画像を取り込
む。 ２） ある人物Ａに対して、顔の位置とサイズが再調整
された後、全顔画像に対して変形量ベクトルを求める。 ３） ２）で求められた全変形量ベクトルに対して、あ
る領域をもって変形量ベクトルを構成する空間上に登録
される。 ４） ３）で登録された変形量ベクトルのＯＲをとるこ
とで、人物Ａのフェースクラスが登録される。 ５）他の人物に対しても、それぞれ１）〜４）までの処
理を行うことで、図５に示すようなフェースクラスが登
録される。 この方法においては、新しく人物を登録する際に、標準
顔等の記憶を破壊することはないので、追記学習も極め
て容易に行われる。
【００３５】次に、人物認識の作用を図６に示すデータ
演算部３の機能ブロック図を用いて説明する。例えば入
力装置４の１つであるカラービデオカメラ５により撮影
された顔画像は、画像入力部８を介してＡ／Ｄ変換部９
でＡ／Ｄ変換され、画像記憶部１０に記憶される。登録
のプロセスでは、複数枚の顔画像が取り込まれたが、認
識のプロセスの場合は、１枚のみの顔画像が取り込まれ
る。そして、データ演算部３において画像記憶部１０に
記憶された顔画像を有する２次元の画像データＩ（ｘ，
ｙ）は、顔の位置・サイズ検出部５６で顔画像の位置と
サイズが検出される。一方、画像データＩ（ｘ，ｙ）
は、拡大・縮小部５０にも出力されており、顔の位置・
サイズ検出部５６のサイズ検出結果により顔画像のサイ
ズの正規化が行われ、そして拡大・縮小部５０によりサ
イズの正規化がなされた画像データＩ（ｘ，ｙ）は、位
置合わせ部５１に出力され、顔の位置・サイズ検出部５
１の位置検出結果により顔画像の位置合わせが行われ
る。
演算部３の機能ブロック図を用いて説明する。例えば入
力装置４の１つであるカラービデオカメラ５により撮影
された顔画像は、画像入力部８を介してＡ／Ｄ変換部９
でＡ／Ｄ変換され、画像記憶部１０に記憶される。登録
のプロセスでは、複数枚の顔画像が取り込まれたが、認
識のプロセスの場合は、１枚のみの顔画像が取り込まれ
る。そして、データ演算部３において画像記憶部１０に
記憶された顔画像を有する２次元の画像データＩ（ｘ，
ｙ）は、顔の位置・サイズ検出部５６で顔画像の位置と
サイズが検出される。一方、画像データＩ（ｘ，ｙ）
は、拡大・縮小部５０にも出力されており、顔の位置・
サイズ検出部５６のサイズ検出結果により顔画像のサイ
ズの正規化が行われ、そして拡大・縮小部５０によりサ
イズの正規化がなされた画像データＩ（ｘ，ｙ）は、位
置合わせ部５１に出力され、顔の位置・サイズ検出部５
１の位置検出結果により顔画像の位置合わせが行われ
る。
【００３６】位置とサイズが正規化された顔画像は、そ
の後エッジ検出部５２にてエッジの方向のみの輝度変化
をとらえるという特殊なエッジ検出が行われ、エッジ検
出部５２の出力は、ガウスフィルタ５３でぼかされた
後、相関ピーク検出部５４１に入力される。一方、標準
顔抽出プロセスにより予め抽出された標準顔５７のエッ
ジはエッジ分離部５８により一本づつ分離されガウスフ
ィルタ５９によりぼかされ、顔の位置・サイズサーチ部
６０でずらされながら相関ピーク検出部５４に入力され
る。相関ピーク検出部５４では、標準顔から１つづつ選
択されたエッジが、入力顔画像と対応点候補からある範
囲に渡り相関計算され、相関ピーク位置が求められる。
このように相関ピーク位置を求めるという操作を標準顔
から１つづつ選択されたすべてのエッジに対して行うこ
とで、取り込まれた顔画像に対する変形形量ベクトルを
求められる。この変形量ベクトルを求めるという操作
は、顔の位置・サイズサーチ部６０によりずれされた顔
中心の候補すべてに対して行われる。その後、全変形量
ベクトルは、人物認識部５５に取り込まれる。
の後エッジ検出部５２にてエッジの方向のみの輝度変化
をとらえるという特殊なエッジ検出が行われ、エッジ検
出部５２の出力は、ガウスフィルタ５３でぼかされた
後、相関ピーク検出部５４１に入力される。一方、標準
顔抽出プロセスにより予め抽出された標準顔５７のエッ
ジはエッジ分離部５８により一本づつ分離されガウスフ
ィルタ５９によりぼかされ、顔の位置・サイズサーチ部
６０でずらされながら相関ピーク検出部５４に入力され
る。相関ピーク検出部５４では、標準顔から１つづつ選
択されたエッジが、入力顔画像と対応点候補からある範
囲に渡り相関計算され、相関ピーク位置が求められる。
このように相関ピーク位置を求めるという操作を標準顔
から１つづつ選択されたすべてのエッジに対して行うこ
とで、取り込まれた顔画像に対する変形形量ベクトルを
求められる。この変形量ベクトルを求めるという操作
は、顔の位置・サイズサーチ部６０によりずれされた顔
中心の候補すべてに対して行われる。その後、全変形量
ベクトルは、人物認識部５５に取り込まれる。
【００３７】ここで、顔とサイズのサーチを行う理由を
説明する。提示される顔の位置や大きさが一定の場合
は、標準顔に対する各顔の変形量ベクトルを解析するだ
けで顔認識が達成できるが、実際のシチュエーションに
おいて提示される位置やサイズが一定ということは有り
得ない。位置ずれや大きさの変化が小さい場合には変形
量ベクトルは単に幾何学的な変形を受けるだけなので、
幾何学的な変形量を取り除き、変形量解析を行えば十分
であるが、変形量ベクトルを求めることと幾何学的変形
を取り除くということは同時に解決されなければならな
い。すなわち、提示される顔の位置やサイズが抽出され
た標準顔に対して大きく異なる場合、変形量ベクトルを
求める際に誤対応が生じ、変形量ベクトルから幾何学的
変形量を取り除くだけでは不十分となる。そこで、本実
施例では変形量ベクトルを求める前に、顔の位置やサイ
ズをノーマライズするために顔とサイズのサーチを行っ
ている。
説明する。提示される顔の位置や大きさが一定の場合
は、標準顔に対する各顔の変形量ベクトルを解析するだ
けで顔認識が達成できるが、実際のシチュエーションに
おいて提示される位置やサイズが一定ということは有り
得ない。位置ずれや大きさの変化が小さい場合には変形
量ベクトルは単に幾何学的な変形を受けるだけなので、
幾何学的な変形量を取り除き、変形量解析を行えば十分
であるが、変形量ベクトルを求めることと幾何学的変形
を取り除くということは同時に解決されなければならな
い。すなわち、提示される顔の位置やサイズが抽出され
た標準顔に対して大きく異なる場合、変形量ベクトルを
求める際に誤対応が生じ、変形量ベクトルから幾何学的
変形量を取り除くだけでは不十分となる。そこで、本実
施例では変形量ベクトルを求める前に、顔の位置やサイ
ズをノーマライズするために顔とサイズのサーチを行っ
ている。
【００３８】提示される顔の位置ずれやサイズ変化に対
処する顔とサイズのサーチは、顔の位置・サイズ検出部
５６により検出された顔の位置とサイズを中心とした範
囲内で、上下左右、拡大縮小方向に対して行われ、図７
に示すような表が作成される。この表は、顔中心の全候
補点に対して変形量ベクトルが計算され、それぞれの変
形量ベクトルに対して、人物認識部５５で学習時に登録
されたフェースクラスの中で最小距離にあるもののＩＤ
とその距離が計算され、書き込まれたものである。次に
サイズ、顔中心の決定は、表中すべてから最小距離が探
し出され、その最小値を与えるフェースクラスのＩＤを
求めることで認識が行われる。その際に、表上でどこに
最小値を与えるＩＤが存在するかを知ることで、副産物
として精度の高い顔の位置とサイズが求められる。
処する顔とサイズのサーチは、顔の位置・サイズ検出部
５６により検出された顔の位置とサイズを中心とした範
囲内で、上下左右、拡大縮小方向に対して行われ、図７
に示すような表が作成される。この表は、顔中心の全候
補点に対して変形量ベクトルが計算され、それぞれの変
形量ベクトルに対して、人物認識部５５で学習時に登録
されたフェースクラスの中で最小距離にあるもののＩＤ
とその距離が計算され、書き込まれたものである。次に
サイズ、顔中心の決定は、表中すべてから最小距離が探
し出され、その最小値を与えるフェースクラスのＩＤを
求めることで認識が行われる。その際に、表上でどこに
最小値を与えるＩＤが存在するかを知ることで、副産物
として精度の高い顔の位置とサイズが求められる。
【００３９】本実施例においては、各個人の顔の変形量
ベクトルが解析されるが、変形量ベクトルが標準顔に対
して求められるので、予め標準顔３３（５７）を抽出し
ておく必要がある。以下に、標準顔の抽出方法について
説明する。
ベクトルが解析されるが、変形量ベクトルが標準顔に対
して求められるので、予め標準顔３３（５７）を抽出し
ておく必要がある。以下に、標準顔の抽出方法について
説明する。
【００４０】標準顔を抽出する際、次に示す理由によ
り、線画の領域での標準顔を抽出する。 １）輝度の急変しているところ、すなわちエッジは照明
条件の変化等の影響を受けにくい。 ２）オリジナル画像が再生可能であるようなエッジ検出
を行えば、オリジナル画像中の認識に必要な情報が必ず
すべて含まれている。
り、線画の領域での標準顔を抽出する。 １）輝度の急変しているところ、すなわちエッジは照明
条件の変化等の影響を受けにくい。 ２）オリジナル画像が再生可能であるようなエッジ検出
を行えば、オリジナル画像中の認識に必要な情報が必ず
すべて含まれている。
【００４１】これらの条件を満足させるために、前処理
として、エッジ検出に方向性を持たせたガウスの２回微
分によるフィルタを用いている。標準顔抽出における処
理を図２の機能ブロック図を用いて説明する。この機能
ブロック図は、２つのパスからなっており、上のパス
（平均化部７３、エッジ検出部７４、輪郭部抽出部７
５）で標準顔の輪郭部分が求められ、下のパス（エッジ
検出部７９、属性への変換部８０、重心の密度チェック
部８１、極大値検出部８２）では標準顔の内側が求めら
れ、標準顔はこれらの出力を繋ぎ合わせたような形で求
められる。具体的な作用を説明すると、例えば入力装置
４の１つであるカラービデオカメラ５により撮影された
顔画像のＡ／Ｄ変換された２次元の画像データＩ（ｘ，
ｙ）は、顔の位置検出部７０の結果に応じて位置合わせ
部７２で位置合わせされた後、平均化部７３によりイメ
ージ領域で平均化され、その後エッジ検出部７４でエッ
ジ検出され、輪郭部抽出部７５で輪郭部分が抽出され
る。一方、顔の位置検出部７０の結果に応じて位置合わ
せ部７２で位置合わせされた画像データＩ（ｘ，ｙ）
は、エッジ検出部７９でエッジ検出され線画領域に変換
され、属性への変換部８０でエッジの重心、エッジの方
向と長さ等の属性が求められた点の領域に変換される。
この変換後、重心の密度チェック部８１で重心座標は各
顔画像すべてに対して同一平面上にプロットされ、ぼか
された後、極大値検出部８２で極大値の座標が求められ
る。その後、属性からのエッジ領域への変換部７８で極
大値の座標からある半径の内側に属する属性のみについ
て平均値が求められ、点領域の標準顔が得られ、これを
線の領域に戻すことで、線の領域における標準顔の内側
の特徴量を得る。
として、エッジ検出に方向性を持たせたガウスの２回微
分によるフィルタを用いている。標準顔抽出における処
理を図２の機能ブロック図を用いて説明する。この機能
ブロック図は、２つのパスからなっており、上のパス
（平均化部７３、エッジ検出部７４、輪郭部抽出部７
５）で標準顔の輪郭部分が求められ、下のパス（エッジ
検出部７９、属性への変換部８０、重心の密度チェック
部８１、極大値検出部８２）では標準顔の内側が求めら
れ、標準顔はこれらの出力を繋ぎ合わせたような形で求
められる。具体的な作用を説明すると、例えば入力装置
４の１つであるカラービデオカメラ５により撮影された
顔画像のＡ／Ｄ変換された２次元の画像データＩ（ｘ，
ｙ）は、顔の位置検出部７０の結果に応じて位置合わせ
部７２で位置合わせされた後、平均化部７３によりイメ
ージ領域で平均化され、その後エッジ検出部７４でエッ
ジ検出され、輪郭部抽出部７５で輪郭部分が抽出され
る。一方、顔の位置検出部７０の結果に応じて位置合わ
せ部７２で位置合わせされた画像データＩ（ｘ，ｙ）
は、エッジ検出部７９でエッジ検出され線画領域に変換
され、属性への変換部８０でエッジの重心、エッジの方
向と長さ等の属性が求められた点の領域に変換される。
この変換後、重心の密度チェック部８１で重心座標は各
顔画像すべてに対して同一平面上にプロットされ、ぼか
された後、極大値検出部８２で極大値の座標が求められ
る。その後、属性からのエッジ領域への変換部７８で極
大値の座標からある半径の内側に属する属性のみについ
て平均値が求められ、点領域の標準顔が得られ、これを
線の領域に戻すことで、線の領域における標準顔の内側
の特徴量を得る。
【００４２】このように、点の領域で求められた特徴量
から、線画の領域の特徴量を求めることができるのは、
エッジ検出から点の領域への変換が、情報をなるべく失
わないように考えられており、次に示すように３つの領
域において同一な情報量が保たれているからである。 ［イメージ領域］←→［線画の領域］←→［点の領域］
から、線画の領域の特徴量を求めることができるのは、
エッジ検出から点の領域への変換が、情報をなるべく失
わないように考えられており、次に示すように３つの領
域において同一な情報量が保たれているからである。 ［イメージ領域］←→［線画の領域］←→［点の領域］
【００４３】最後には、各パスで求められた標準顔の輪
郭と顔の内側を加算部７６で融合することで、線の領域
の標準顔が求められる。以上の手順により、背景にある
環境下で撮影された顔画像からの標準顔の作成を可能と
した。また、抽出された標準顔は、イメージ領域、線画
の領域、特徴量の領域で可逆な変換を可能としているの
で、イメージ領域にも特徴量の領域にも簡単に変換しな
がら参照可能である。従って、変化量ベクトルを求める
ために標準顔と入力顔のマッチングをする際には特徴量
の領域Ｄ行い、計算量を削減することが可能となる。
郭と顔の内側を加算部７６で融合することで、線の領域
の標準顔が求められる。以上の手順により、背景にある
環境下で撮影された顔画像からの標準顔の作成を可能と
した。また、抽出された標準顔は、イメージ領域、線画
の領域、特徴量の領域で可逆な変換を可能としているの
で、イメージ領域にも特徴量の領域にも簡単に変換しな
がら参照可能である。従って、変化量ベクトルを求める
ために標準顔と入力顔のマッチングをする際には特徴量
の領域Ｄ行い、計算量を削減することが可能となる。
【００４４】
【発明の効果】以上説明したように本発明の画像認識装
置によれば、線画領域データ及び点領域データに基づき
標準顔を作成し、顔画像を認識するので、背景の影響を
受けることなく、計算量を減少させ、装置を小型に構成
するとともに、認識率を向上させることができるという
効果がある。
置によれば、線画領域データ及び点領域データに基づき
標準顔を作成し、顔画像を認識するので、背景の影響を
受けることなく、計算量を減少させ、装置を小型に構成
するとともに、認識率を向上させることができるという
効果がある。
【図１】本発明の顔画像認識装置の一実施例の構成を示
すブロック図。
すブロック図。
【図２】図１の顔画像認識装置の概念構成を説明する説
明図。
明図。
【図３】図１のデータ演算部の標準顔作成の作用を説明
する機能ブロック図。
する機能ブロック図。
【図４】図１のデータ演算部の入力顔の登録の作用を説
明する機能ブロック図。
明する機能ブロック図。
【図５】図４の作用における入力顔の登録のフェースク
ラスを説明する説明図。
ラスを説明する説明図。
【図６】図１のデータ演算部の入力顔の登録の作用を説
明する機能ブロック図。
明する機能ブロック図。
【図７】図６の作用における提示される顔の位置ずれや
サイズ変化に対処する顔とサイズのサーチ範囲を説明す
る説明図。
サイズ変化に対処する顔とサイズのサーチ範囲を説明す
る説明図。
【図８】従来のパターン認識装置の構成を示すブロック
図。
図。
２ 画像処理装置 ３ データ演算部 ４ 画像入力装置 ８ 画像入力部 ９ Ａ／Ｄ変換部 １０ 画像記憶部 １１ 制御部 １４ 画像出力部 １５ パーソナルコンピュータ ７０ 顔の位置検出部 ７２ 位置合わせ部 ７３ 平均化部 ７４ エッジ検出部 ７５ 輪郭部抽出部 ７８ 属性からのエッジ領域への変換部 ７９ エッジ検出部 ８０ 属性への変換部 ８１ 重心の密度チェック部８１ ８２ 極大値検出部
Claims (9)
- 【請求項１】 顔画像を有する画像データを入力する入
力手段と、 入力された画像データを画像領域データに変換して記憶
する記憶手段と、 前記記憶手段に記憶された前記画像データの前記顔画像
の輪郭を検出し前記輪郭を線画領域データに変換する線
画領域変換手段と、 前記輪郭内の前記顔画像の属性を検出し前記属性を点領
域データに変換する点領域変換手段とを備え、 前記線画領域データ及び点領域データに基づき標準顔を
作成し、顔画像を認識することを特徴とする顔画像認識
装置。 - 【請求項２】 前記顔画像の認識は、新たに入力される
前記画像データの顔画像と前記標準顔とを比較して算出
される変形量ベクトルに基づいて行われることを特徴と
する請求項１に記載の顔画像認識装置。 - 【請求項３】 前記変形量ベクトルは、前記標準顔の特
徴点毎に算出されることを特徴とする請求項２に記載の
顔画像認識装置。 - 【請求項４】 前記変形量ベクトルの算出前に、新たに
入力される前記画像データの顔画像位置ずれ及び大きさ
を検索することを特徴とする請求項２に記載の顔画像認
識装置。 - 【請求項５】 前記画像領域データと、前記線画領域デ
ータと、点領域データは互いに可逆に変換されることを
特徴とする請求項１に記載の顔画像認識装置。 - 【請求項６】 前記画像領域データを前記線画領域デー
タに変換する際、前記輪郭のエッジの方向生成に基づい
て前記輪郭を検出することを特徴とする請求項１に記載
の顔画像認識装置。 - 【請求項７】 時系列の顔画像より前記変形量ベクトル
を算出し、顔画像を変形量空間の領域に変換することを
特徴とする請求項２に記載の顔画像認識装置。 - 【請求項８】 異なる状態の時系列の顔画像より前記変
形量ベクトルを算出し、顔画像を変形量空間の領域に変
換することを特徴とする請求項２に記載の顔画像認識装
置。 - 【請求項９】 前記標準顔は、各個人の顔画像毎に作成
されることを特徴とする請求項１に記載の顔画像認識装
置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27148293A JPH07128031A (ja) | 1993-10-29 | 1993-10-29 | 顔画像認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP27148293A JPH07128031A (ja) | 1993-10-29 | 1993-10-29 | 顔画像認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07128031A true JPH07128031A (ja) | 1995-05-19 |
Family
ID=17500665
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP27148293A Withdrawn JPH07128031A (ja) | 1993-10-29 | 1993-10-29 | 顔画像認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07128031A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003058888A (ja) * | 2001-08-15 | 2003-02-28 | Secom Co Ltd | 個人照合装置 |
| JP2007164670A (ja) * | 2005-12-16 | 2007-06-28 | Yamatake Corp | ３次元パターン照合装置 |
| EP1986128A2 (en) | 2007-04-23 | 2008-10-29 | Sony Corporation | Image processing apparatus, imaging apparatus, image processing method, and computer program |
| US7791656B2 (en) | 2005-08-16 | 2010-09-07 | Konica Minolta Holdings, Inc. | Image sensing apparatus and image processing method |
-
1993
- 1993-10-29 JP JP27148293A patent/JPH07128031A/ja not_active Withdrawn
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003058888A (ja) * | 2001-08-15 | 2003-02-28 | Secom Co Ltd | 個人照合装置 |
| US7791656B2 (en) | 2005-08-16 | 2010-09-07 | Konica Minolta Holdings, Inc. | Image sensing apparatus and image processing method |
| US7990443B2 (en) | 2005-08-16 | 2011-08-02 | Konica Minolta Holdings, Inc. | Image sensing apparatus and image processing method |
| JP2007164670A (ja) * | 2005-12-16 | 2007-06-28 | Yamatake Corp | ３次元パターン照合装置 |
| JP4589224B2 (ja) * | 2005-12-16 | 2010-12-01 | 株式会社山武 | ３次元パターン照合装置 |
| EP1986128A2 (en) | 2007-04-23 | 2008-10-29 | Sony Corporation | Image processing apparatus, imaging apparatus, image processing method, and computer program |
| US8064656B2 (en) | 2007-04-23 | 2011-11-22 | Sony Corporation | Image processing apparatus, imaging apparatus, image processing method, and computer program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7929728B2 (en) | Method and apparatus for tracking a movable object | |
| Miao et al. | A hierarchical multiscale and multiangle system for human face detection in a complex background using gravity-center template | |
| Tian et al. | Toward a computer vision-based wayfinding aid for blind persons to access unfamiliar indoor environments | |
| EP1260935B1 (en) | Face detection device, face pose detection device, partial image extraction device, and methods for said devices | |
| US7324693B2 (en) | Method of human figure contour outlining in images | |
| JP3252381B2 (ja) | パターン認識装置 | |
| Elzein et al. | A motion and shape-based pedestrian detection algorithm | |
| JP2000105829A (ja) | 顔パーツ検出方法及びその装置 | |
| JPH10320562A (ja) | 人間の顔の検出システムおよび検出方法 | |
| US20110227923A1 (en) | Image synthesis method | |
| CN111144366A (zh) | 一种基于联合人脸质量评估的陌生人脸聚类方法 | |
| JPH0877334A (ja) | 顔画像の特徴点自動抽出方法 | |
| JP2006146626A (ja) | パターン認識方法および装置 | |
| CN112101208A (zh) | 高龄老人特征串联融合手势识别方法及装置 | |
| JPH07302327A (ja) | 物体画像検出方法及び検出装置 | |
| Samarabandu et al. | An edge-based text region extraction algorithm for indoor mobile robot navigation | |
| JP3252941B2 (ja) | 画像切り出し認識装置 | |
| JP2003044853A (ja) | 顔検出装置、顔向き検出装置、部分画像抽出装置及びそれらの方法 | |
| US20030044067A1 (en) | Apparatus and methods for pattern recognition based on transform aggregation | |
| JPH07128031A (ja) | 顔画像認識装置 | |
| JPH11306348A (ja) | 対象物検出装置及び対象物検出方法 | |
| Gottumukkal et al. | Real time face detection from color video stream based on PCA method | |
| CN109086738A (zh) | 一种基于模板匹配的字符识别方法及装置 | |
| JP4660534B2 (ja) | 顔画像による顔領域追跡方法及びその装置 | |
| JP2005209137A (ja) | 対象物認識方法及び対象物認識装置、並びに顔方向識別装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Withdrawal of application because of no request for examination |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20010130 |