KR100590572B1 - 눈 위치 검출 방법 및 장치 - Google Patents
눈 위치 검출 방법 및 장치 Download PDFInfo
- Publication number
- KR100590572B1 KR100590572B1 KR1020040106572A KR20040106572A KR100590572B1 KR 100590572 B1 KR100590572 B1 KR 100590572B1 KR 1020040106572 A KR1020040106572 A KR 1020040106572A KR 20040106572 A KR20040106572 A KR 20040106572A KR 100590572 B1 KR100590572 B1 KR 100590572B1
- Authority
- KR
- South Korea
- Prior art keywords
- eye
- pair
- feature
- detector
- learning
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
Description
Claims (36)
- 소정 얼굴 영상에서 눈의 위치를 검출하는 방법에 있어서,(a) 상기 얼굴 영상으로부터 소정 크기로 정규화된 양 눈 영역에서 양 눈 후보를 검출하는 단계;(b) 상기 검출된 양 눈 후보의 조합으로부터 눈 쌍 후보를 검출하는 단계; 및(c)상기 검출된 눈 쌍 후보로부터 상기 눈의 위치를 결정하는 단계를 포함하는 것을 특징으로 하는 눈 위치 검출 방법.
- 제 1 항에 있어서, 상기 (a) 단계 이전에상기 얼굴 영상에서 오른 쪽 눈 영역과 왼쪽 눈 영역을 제1 크기로 정규화하는 단계를 더 포함하는 것을 특징으로 하는 눈 위치 검출 방법.
- 제 2 항에 있어서, 상기 (a) 단계는(a1) 상기 제1 크기로 분할되어 정규화된 눈 영역을 상기 제1 크기보다 작은 제 2 크기 이상의 서브윈도우들로 분할하는 단계;(a2) 상기 제2 크기의 서브윈도우를 제3 크기로 정규화하는 단계;(a3) 상기 제3 크기로 정규화된 서브윈도우에서 눈 특징을 추출하는 단계;(a4) 상기 제3 크기의 눈 영상을 저장하고 있는 학습 데이터 베이스를 학습하고 상기 눈 학습 결과로부터 선정된 눈 특징들에 기초하여 생성된 캐스캐이드 눈 검출기를 이용하여, 상기 추출된 특징의 서브윈도우를 눈 후보로 검출하는 단계; 및(a5) 상기 검출된 눈 후보들 중에서 영역이 서로 겹치는 눈 후보를 평균 크기와 위치로 통합하는 단계를 포함하는 것을 특징으로 하는 눈 위치 검출 방법
- 제 3 항에 있어서, 상기 캐스캐이드 검출기는상기 선정된 한 쪽 눈에 대한 눈 특징의 좌우 좌표를 바꾸어 생성된 다른 쪽 눈의 거울 특징에 기초하여 생성되는 것을 특징으로 하는 눈 위치 검출 방법.
- 제 3 항에 있어서, 상기 (a4) 단계는(a4-1) 상기 추출된 눈 특징을 상기 캐스캐이드(cascade) 눈 검출기에 적용하여 상기 추출된 눈 특징이 상기 선정된 눈 특징들에 일치하는지를 판단하는 단계; 및(a4-2) 상기 캐스캐이드 눈 검출기의 가장 높은 레벨을 진행한 눈 특징의 서브윈도우를 눈 후보로 검출하는 단계를 포함하는 것을 특징으로 하는 눈 위치 검출 방법.
- 제 5 항에 있어서, 상기 (a1) 단계에서상기 서브윈도우의 제2 크기는 상기 눈 영역의 제1 크기까지 소정 비율로 커지면서 분할되는 것을 특징으로 하는 눈 위치 검출 방법.
- 제 5 항에 있어서,상기 눈 학습 데이터 베이스로 사용되는 눈 영상은 폭과 높이의 비율은 1:1의 크기로 정규화되는 것을 특징으로 하는 눈 위치 검출 방법.
- 제 5 항에 있어서, 상기 (b) 단계는(b1) 상기 검출된 눈 후보의 조합으로부터 눈 쌍을 생성하여 제4 크기로 정규화하고 상기 정규화된 눈 쌍에서 눈 쌍 특징을 추출하는 단계; 및(b2) 소정의 눈 쌍 학습 데이터 베이스를 학습하고 상기 눈 쌍 학습 결과로부터 선정된 눈 쌍 특징들에 기초하여 생성된 캐스캐이드 눈 쌍 검출기를 이용하여, 상기 눈 쌍을 눈 쌍 후보로 검출하는 단계를 포함하는 것을 특징으로 하는 눈 위치 검출 방법.
- 제 8 항에 있어서, 상기 (b2) 단계는(b2-1)상기 추출된 눈 쌍 특징을 상기 캐스캐이드 눈 쌍 검출기에 적용하여 상기 추출된 눈 쌍 특징이 상기 선정된 눈 쌍 특징에 일치하는지를 판단하는 단계; 및(b2-2)상기 캐스캐이드 눈 쌍 검출기의 가장 높은 레벨을 진행한 눈 쌍을 눈 쌍 후보로 검출하는 단계를 포함하는 것을 특징으로 하는 눈 위치 검출 방법.
- 제 9 항에 있어서, 상기 (b1) 단계 이전에상기 검출된 양 눈 후보가 같은 높이에 존재하지 않고 기울어져 있는 경우, 상기 양 눈 영역과 양 눈 영역 사이의 미간 영역을 평행하게 재구성하는 단계를 더 포함하는 눈 위치 검출 방법.
- 제 9 항에 있어서,상기 눈 쌍 학습 데이터 베이스에서 사용되는 눈 쌍 영상은 폭과 높이의 비율이 3:1의 크기로 정규화되는 것을 특징으로 하는 눈 위치 검출 방법.
- 제 8 항에 있어서, 상기 (c) 단계에서수학식(1)에 의해 상기 검출된 눈 쌍 후보들 중에서 가장 높은 특징값(x)을 가지는 눈 쌍 후보가 눈 쌍으로 결정되며,여기서 수학식(1)은 x= a + b - c 이고, 여기서 a는 상기 검출된 눈 쌍 후보에 대한 캐스캐이드 눈 쌍 검출부에서 진행한 최고 레벨 수, b는 상기 통합된 눈 후보의 수 및 c는 수학식(2)와 수학식(3)에 의해 계산되는 왼쪽 눈 위치(Ln x, L n y)과 오른 쪽 눈 위치(Rn x, Rn y)의 위치 차이(dx+dy)이며, 여기서 수학식(2)와 수학식(3)은[수학식2][수학식3]인 것을 특징으로 하는 눈 위치 검출 방법.
- 제 1 항 내지 제 12 항 중 어느 한 항에 의한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
- 소정의 눈 영상에서 눈을 검출하는 검출기를 제작하기 위한 학습 방법에 있어서,눈 학습 데이터 베이스의 눈 영상을 소정 크기로 정규화하여 학습하는 단계;상기 학습 결과에 기초하여 추출할 눈 특징을 선정하는 단계;상기 선정된 특징의 좌우 좌표를 바꾸어 거울 특징을 생성하는 단계; 및상기 선정된 눈 특징 또는 거울 특징에 기초하여 상기 눈 영상에서 눈을 검출하기 위한 검출기가 제작되는 단계를 포함하는 것을 특징으로 하는 눈 학습 방 법.
- 제 14 항에 있어서,상기 기 눈 학습 데이터 베이스로 사용되는 눈 영상은 폭과 높이의 비율이 1:1의 크기로 정규화되는 것을 특징으로 하는 눈 학습 방법.
- 제 14 항에 있어서, 상기 검출기는상기 눈 학습 결과로부터 추출된 다수의 눈 특징들의 조합을 검출하는 검출기의 직렬 연결로 구성된 캐스캐이드 검출기인 것을 특징으로 하는 눈 학습 방법.
- 소정의 눈 쌍 영상에서 눈 쌍을 검출하는 검출기를 제작하기 위한 학습 방법에 있어서,(a)눈 쌍 학습 데이터 베이스의 눈 쌍 영상을 소정 크기로 정규화하여 학습하는 단계;(b)상기 학습 결과에 기초하여 추출할 눈 쌍 특징을 선정하는 단계; 및(c)상기 선정된 눈 쌍 특징에 기초하여 상기 눈 쌍 영상에서 눈 쌍을 검출하기 위한 검출기가 제작되는 단계를 포함하며,상기 눈 쌍 데이터 베이스에서 사용되는 눈 쌍 영상은 폭과 높이의 비율이 3:1의 크기로 정규화되는 것을 특징으로 하는 눈 쌍 학습 방법.
- 제 17 항에 있어서, 상기 (a) 단계 이전에기울어진 얼굴 영상의 눈 쌍 영상은 양 눈 영역과 미간 영역으로 분할되고, 상기 분할된 양 눈 영역과 미간 영역이 평행하도록 재구성되는 단계를 더 포함하는 것을 특징으로 하는 눈 쌍 학습 방법.
- 소정 얼굴 영상에서 눈의 위치를 검출하는 장치에 있어서,상기 얼굴 영상으로부터 소정 크기로 정규화된 양 눈 영역에서 양 눈 후보를 검출하는 눈 후보 검출부;상기 검출된 양 눈 후보의 조합으로부터 눈 쌍 후보를 검출하는 눈 쌍 후보 검출부; 및상기 검출된 눈 쌍 후보로부터 눈의 위치를 결정하는 눈 위치 결정부를 포함하는 것을 특징으로 하는 눈 위치 검출 장치.
- 제 19 항에 있어서,소정 크기의 정면 얼굴 영상에서 오른쪽 눈 영역과 왼쪽 눈 영역을 제 1 크기로 제한하여 정규화하는 눈 영역 제한부를 더 포함하는 것을 특징으로 하는 눈 위치 검출 장치.
- 제 20 항에 있어서, 상기 눈 후보 검출부는상기 제1 크기의 눈 영역을 상기 제1 크기보다 작은 제2 크기 이상의 서브윈 도우로 분할하는 영역 분할부;상기 분할된 서브윈도우를 제3 크기로 정규화하는 정규화부;상기 정규화된 서브윈도우에서 눈 특징을 추출하는 제1 특징 추출부;소정의 눈 학습 데이터 베이스를 학습하고 상기 눈 학습 결과로부터 선정된 눈 특징들에 기초하여 상기 추출된 눈 특징이 상기 선정된 눈 특징들에 일치하는지를 검출하는 캐스캐이드 눈 검출부;상기 캐스캐이드 눈 검출부의 최고 레벨까지 진행된 눈 특징의 서브윈도우를 눈 후보로 검출하는 제 1 검출부; 및상기 검출된 눈 후보들 중에서 영역이 서로 겹치는 눈 후보를 평균 크기와 위치로 통합하는 통합부를 포함하는 것을 특징으로 하는 눈 위치 검출 장치.
- 제 21 항에 있어서, 상기 캐스캐이드 눈 검출부는상기 선정된 특징의 좌우 좌표를 바꾸어 거울 특징을 생성하고, 상기 생성된 거울 특징에 기초하여 상기 추출된 눈 특징이 상기 거울 특징들에 일치하는지를 검출하는 것을 특징으로 하는 눈 위치 검출 장치.
- 제 21 항에 있어서, 상기 눈 학습 데이터 베이스로 사용되는 눈 영상은 폭과 높이의 비율이 1:1의 크기로 정규화되는 것을 특징으로 하는 눈 위치 검출 장치.
- 제 21 항에 있어서, 상기 캐스캐이드 눈 검출부는상기 눈 학습 결과로부터 추출된 다수의 눈 특징들의 조합을 검출하는 검출기의 직렬 연결로 구성되어 있는 것을 특징으로 하는 눈 위치 검출 장치.
- 제 21 항에 있어서, 상기 영역 분할부는상기 서브윈도우의 제2 크기를 상기 눈 영역의 제1 크기까지 소정 비율로 키워가면서 상기 눈 영역을 분할하는 것을 특징으로 하는 눈 위치 검출 장치.
- 제 21 항에 있어서, 상기 눈 쌍 후보 검출부는상기 검출된 눈 후보의 조합으로부터 생성된 눈 쌍에서 눈 쌍 특징을 추출하는 제2 특징 추출부;소정의 눈 쌍 학습 데이터 베이스를 학습하고 상기 눈 쌍 학습 결과로부터 선정된 눈 쌍 특징들에 기초하여, 상기 추출된 눈 쌍 특징이 상기 선정된 눈 쌍 특징들에 일치하는지를 검출하는 캐스캐이드 눈 쌍 검출부; 및상기 캐스캐이드 눈 쌍 검출부의 최고 레벨을 진행한 눈 쌍 조합을 눈 쌍 후보로 검출하는 제 2 검출부를 포함하는 것을 특징으로 하는 눈 위치 검출 장치.
- 제 26 항에 있어서, 상기 눈 쌍 후보 검출부는상기 검출된 양 눈 후보가 같은 높이에 존재하지 않고 기울어져 있는 경우, 상기 양 눈 영역과 양 눈 영역 사이의 미간 영역을 평행하게 재구성하는 눈 쌍 재구성부를 더 포함하는 것을 특징으로 하는 눈 위치 검출 장치.
- 제 26 항에 있어서, 상기 캐스캐이드 눈 쌍 검출부는상기 눈 쌍 학습 결과로부터 추출된 다수의 눈 쌍 특징들의 조합을 검출하는 검출기의 직렬 연결로 구성되어 있는 것을 특징으로 하는 눈 위치 검출 장치.
- 제 26 항에 있어서,상기 눈 쌍 데이터 베이스에서 사용되는 눈 쌍 영상은 폭과 높이의 비율이 3:1의 크기로 정규화되는 것을 특징으로 하는 눈 위치 검출 장치.
- 제 26 항에 있어서, 상기 눈 위치 결정부는상기 검출된 눈 쌍 후보에서 오른쪽 눈과 왼쪽 눈의 위치 차이를 계산하는 계산부; 및상기 검출된 눈 쌍 후보에 대한 캐스캐이드 눈 쌍 검출기에서 진행한 최고 레벨 수, 상기 통합부를 통해 통합된 눈 후보의 수 및 상기 오른쪽 눈과 왼쪽 눈의 위치 차이에 기초하여 눈 쌍을 결정하는 결정부를 포함하는 것을 특징으로 하는 눈 위치 검출 장치.
- 제 30 항에 있어서, 상기 결정부는수학식(1)에 의해 상기 검출된 눈 쌍 후보들 중에서 가장 높은 특징값(x)을 가지는 눈 쌍 후보를 눈 쌍으로 결정하며, 여기서 수학식(1)은[수학식1]x= a + b - c 이고, 여기서 a는 상기 검출된 눈 후보에 대한 케스케이드 검출부의 최고 레벨, b는 상기 통합된 눈 후보의 수 및 c는 수학식(2)와 수학식(3)에 의해 계산되는 왼쪽 눈 위치(Ln x, Ln y)과 오른 쪽 눈 위치(R n x, Rn y)의 위치 차이(dx+dy)이며, 여기서 수학식(2)와 수학식(3)은[수학식2][수학식3]
- 소정 눈 영상에서 눈을 검출하는 검출기를 제작하기 위한 학습 장치에 있어서,눈에 대한 학습 데이터 베이스를 저장하고 있는 제1 메모리부;상기 눈 학습 데이터 베이스를 소정 크기로 정규화하여 학습하고, 상기 학습 결과에 기초하여 추출할 눈 특징을 선정하는 제1 특징 선정부;상기 선정된 특징의 좌우 좌표를 바꾸어 거울 특징을 생성하는 거울 특징 생성부; 및상기 선정된 눈 특징 또는 거울 특징에 기초하여 상기 눈 영상에서 눈을 검 출하기 위한 검출기를 제작하는 제1 제작부를 포함하는 것을 특징으로 하는 눈 학습 장치.
- 제 32 항에 있어서, 상기 기 눈 학습 데이터 베이스로 사용되는 눈 영상은 폭과 높이의 비율이 1:1의 크기로 정규화되는 것을 특징으로 하는 눈 학습 장치.
- 제 32 항에 있어서, 상기 제1 제작부는상기 눈 학습 결과로부터 선정된 다수의 눈 특징들의 조합을 각각 검출하는 검출기의 직렬 연결로 구성된 캐스캐이드 검출기를 제작하는 것을 특징으로 하는 눈 학습 장치.
- 소정의 눈 쌍 영상에서 눈 쌍을 검출하는 검출기를 제작하기 위한 학습 장치에 있어서,눈 쌍에 대한 학습 데이터 베이스를 저장하고 있는 제2 메모리부;상기 눈 쌍 학습 데이터 베이스로 정규화하여 학습하고, 상기 학습 결과에 기초하여 추출할 눈 쌍 특징을 선정하는 제2 특징 선정부; 및상기 선정된 눈 쌍 특징에 기초하여 상기 눈쌍 영역에서 추출된 눈 쌍 특징을 검출하기 위한 검출기를 제작하는 제2 제작부를 포함하며,상기 눈 쌍 데이터 베이스에서 사용되는 눈 쌍 영상은 폭과 높이의 비율이 3:1의 크기로 정규화되는 것을 특징으로 하는 눈 쌍 학습 장치.
- 제 35 항에 있어서,기울어진 얼굴 영상의 눈 쌍 영상은 양 눈 영역과 미간 영역으로 분할되고, 상기 분할된 양 눈 영역과 미간 영역을 평행하도록 재구성하는 재구성부를 더 포함하는 것을 특징으로 하는 눈 쌍 학습 장치.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020040106572A KR100590572B1 (ko) | 2004-12-15 | 2004-12-15 | 눈 위치 검출 방법 및 장치 |
US11/294,468 US20060126940A1 (en) | 2004-12-15 | 2005-12-06 | Apparatus and method for detecting eye position |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020040106572A KR100590572B1 (ko) | 2004-12-15 | 2004-12-15 | 눈 위치 검출 방법 및 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR100590572B1 true KR100590572B1 (ko) | 2006-06-19 |
Family
ID=36583931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020040106572A KR100590572B1 (ko) | 2004-12-15 | 2004-12-15 | 눈 위치 검출 방법 및 장치 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20060126940A1 (ko) |
KR (1) | KR100590572B1 (ko) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080187213A1 (en) * | 2007-02-06 | 2008-08-07 | Microsoft Corporation | Fast Landmark Detection Using Regression Methods |
US8170332B2 (en) * | 2009-10-07 | 2012-05-01 | Seiko Epson Corporation | Automatic red-eye object classification in digital images using a boosting-based framework |
JP6098133B2 (ja) * | 2012-11-21 | 2017-03-22 | カシオ計算機株式会社 | 顔構成部抽出装置、顔構成部抽出方法及びプログラム |
DE102016122649B3 (de) * | 2016-11-24 | 2018-03-01 | Bioid Ag | Biometrisches Verfahren |
CN107704805B (zh) * | 2017-09-01 | 2018-09-07 | 深圳市爱培科技术股份有限公司 | 疲劳驾驶检测方法、行车记录仪及存储装置 |
TWI659364B (zh) * | 2018-04-03 | 2019-05-11 | 財團法人工業技術研究院 | 電子裝置、虹膜辨識方法以及電腦可讀式媒體 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19990016896A (ko) * | 1997-08-20 | 1999-03-15 | 전주범 | 얼굴영상에서 눈영역 검출방법 |
JP2001022933A (ja) | 1999-07-07 | 2001-01-26 | Mitsubishi Electric Corp | 2次元テンプレートを用いた顔画像処理装置 |
KR20030081539A (ko) * | 2002-04-11 | 2003-10-22 | (주)엠앤제이코퍼레이션 | 얼굴 구성 요소 추출 시스템 및 방법 |
KR20040040826A (ko) * | 2002-11-08 | 2004-05-13 | 한국전자통신연구원 | Svm을 이용한 얼굴 영역 검출 방법 |
KR20050111183A (ko) * | 2004-05-21 | 2005-11-24 | 삼성전자주식회사 | 눈검출 장치 및 방법 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3350296B2 (ja) * | 1995-07-28 | 2002-11-25 | 三菱電機株式会社 | 顔画像処理装置 |
KR100473598B1 (ko) * | 2002-11-04 | 2005-03-11 | 삼성전자주식회사 | 가려진 얼굴영상을 판단하는 시스템 및 방법 |
-
2004
- 2004-12-15 KR KR1020040106572A patent/KR100590572B1/ko active IP Right Grant
-
2005
- 2005-12-06 US US11/294,468 patent/US20060126940A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19990016896A (ko) * | 1997-08-20 | 1999-03-15 | 전주범 | 얼굴영상에서 눈영역 검출방법 |
JP2001022933A (ja) | 1999-07-07 | 2001-01-26 | Mitsubishi Electric Corp | 2次元テンプレートを用いた顔画像処理装置 |
KR20030081539A (ko) * | 2002-04-11 | 2003-10-22 | (주)엠앤제이코퍼레이션 | 얼굴 구성 요소 추출 시스템 및 방법 |
KR20040040826A (ko) * | 2002-11-08 | 2004-05-13 | 한국전자통신연구원 | Svm을 이용한 얼굴 영역 검출 방법 |
KR20050111183A (ko) * | 2004-05-21 | 2005-11-24 | 삼성전자주식회사 | 눈검출 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
US20060126940A1 (en) | 2006-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4755202B2 (ja) | 顔特徴の検出方法 | |
US7953253B2 (en) | Face detection on mobile devices | |
US7643659B2 (en) | Facial feature detection on mobile devices | |
US8233676B2 (en) | Real-time body segmentation system | |
Boehnen et al. | A fast multi-modal approach to facial feature detection | |
JP4410732B2 (ja) | 顔画像検出装置、顔画像検出方法および顔画像検出プログラム | |
US20070058856A1 (en) | Character recoginition in video data | |
WO2003081532A1 (en) | Method and apparatus for the automatic detection of facial features | |
Kawulok et al. | Precise multi-level face detector for advanced analysis of facial images | |
WO2009078957A1 (en) | Systems and methods for rule-based segmentation for objects with full or partial frontal view in color images | |
KR20050025927A (ko) | 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법 | |
JP2009523266A (ja) | 目に関して取得される画像中の虹彩を表す画素を特定する方法 | |
JP4757598B2 (ja) | 顔検出方法および装置並びにプログラム | |
KR100664956B1 (ko) | 눈 검출 방법 및 장치 | |
KR101582467B1 (ko) | 인접 합산 이진화를 이용한 동공 추출 방법 및 이를 이용한 동공 추출 제어장치 | |
Devadethan et al. | Face detection and facial feature extraction based on a fusion of knowledge based method and morphological image processing | |
KR100590572B1 (ko) | 눈 위치 검출 방법 및 장치 | |
JP4749884B2 (ja) | 顔判別装置の学習方法、顔判別方法および装置並びにプログラム | |
JP4749879B2 (ja) | 顔判別方法および装置並びにプログラム | |
JP2011170890A (ja) | 顔検出方法および装置並びにプログラム | |
Guo et al. | Iris extraction based on intensity gradient and texture difference | |
JP4795737B2 (ja) | 顔検出方法および装置並びにプログラム | |
KR20150135745A (ko) | 얼굴 인식 장치 및 방법 | |
JP2006244385A (ja) | 顔判別装置およびプログラム並びに顔判別装置の学習方法 | |
JP5625196B2 (ja) | 特徴点検出装置、特徴点検出方法、特徴点検出プログラム及び記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20130530 Year of fee payment: 8 |
|
FPAY | Annual fee payment |
Payment date: 20140529 Year of fee payment: 9 |
|
FPAY | Annual fee payment |
Payment date: 20151207 Year of fee payment: 10 |
|
FPAY | Annual fee payment |
Payment date: 20160607 Year of fee payment: 11 |
|
FPAY | Annual fee payment |
Payment date: 20170605 Year of fee payment: 12 |
|
FPAY | Annual fee payment |
Payment date: 20180604 Year of fee payment: 13 |
|
FPAY | Annual fee payment |
Payment date: 20190605 Year of fee payment: 14 |