KR101424956B1 - 등록 판정장치, 그 제어방법 및 제어 프로그램, 및 전자기기 - Google Patents

등록 판정장치, 그 제어방법 및 제어 프로그램, 및 전자기기 Download PDF

Info

Publication number
KR101424956B1
KR101424956B1 KR1020120154696A KR20120154696A KR101424956B1 KR 101424956 B1 KR101424956 B1 KR 101424956B1 KR 1020120154696 A KR1020120154696 A KR 1020120154696A KR 20120154696 A KR20120154696 A KR 20120154696A KR 101424956 B1 KR101424956 B1 KR 101424956B1
Authority
KR
South Korea
Prior art keywords
image
registered
candidate
variance
calculating
Prior art date
Application number
KR1020120154696A
Other languages
English (en)
Other versions
KR20130105285A (ko
Inventor
아쯔시 이리에
Original Assignee
오므론 가부시키가이샤
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 오므론 가부시키가이샤 filed Critical 오므론 가부시키가이샤
Publication of KR20130105285A publication Critical patent/KR20130105285A/ko
Application granted granted Critical
Publication of KR101424956B1 publication Critical patent/KR101424956B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • 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
    • G06V40/50—Maintenance of biometric data or enrolment thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Studio Devices (AREA)

Abstract

본 발명은 취득한 후보 얼굴화상을 등록할지를 적절하게 판정하기 위한 것이다. 얼굴화상 추출부(31)가 추출한 후보 얼굴화상과, 기억부(21)에 등록된 등록 얼굴화상과의 유사도를 유사도 산출부(32)가 산출한다. 등록자 특정부(25)가 특정한 등록자에 관한 유사도의 클래스내 분산을 클래스내 분산 산출부(33)가 산출하고, 기억부(21)에서 등록된 각 등록자에 관한 유사도의 클래스간 분산을 클래스간 분산 산출부(34)가 산출한다. 클래스간 분산과 클래스내 분산과의 분산비를 분산비 산출부(35)가 산출하고, 산출한 분산비에 근거하여, 대상 얼굴화상을 등록할지를 등록 판정부(36)가 판정한다.

Description

등록 판정장치, 그 제어방법 및 제어 프로그램, 및 전자기기{Registration Determination Device, Control Method and Control Program Therefor, and Electronic Apparatus}
본 발명은, 어느 대상을 화상(畵像) 인식하기 위해 미리 등록되는 등록 화상으로서, 대상 화상의 등록 후보인 후보 화상을 등록할지를 판정하는 등록 판정장치, 그 제어방법 및 제어 프로그램, 및 전자기기에 관한 것이다.
최근, 다양한 분야에서 촬영 화상에 포함되는 얼굴 화상 등의 대상 화상의 대조가 이용되고 있다. 종래에는 사용자가 대상 화상을 미리 등록하거나, 등록된 대상 화상을 삭제할 필요가 있어, 사용자에게 번잡한 작업을 하게 하는 결과가 되고 있었다. 이 때문에, 상기 등록 처리 및/또는 상기 삭제 처리를 자동으로 하는 것이 요구되고 있다.
예를 들어, 특허문헌 1에 기재된 지문 대조장치에서는, 우선 지문 특징 데이터 기억부로부터 지문 특징 데이터를 그룹마다 추출한다. 이어서, 지문 화상 입력장치로부터 입력되어 특징이 산출된 지문 특징 데이터와, 상기 추출한 지문 특징 데이터를 비교하여, 양자가 유사한 데이터가 없는지를 판정한다. 유사 데이터가 있으면, 그 그룹 이외의 그룹에 등록할 것을 통지한다.
또, 특허문헌 2에 기재된 얼굴 화상 대조장치에서는, 우선 등록 얼굴화상과 후보 얼굴화상을 미리 기억해 둔다. 이어서, 상기 등록 얼굴화상에 의해, 본인으로 판정한 경우, 3 이상의 얼굴화상과 입력 얼굴화상과의 유사도를 산출하고, 유사도가 최대도 최소도 아닌 중간 유사도가 갱신 역치(threshold value)를 넘는 경우에, 그 입력 얼굴화상과 유사도가 최소인 후보 얼굴화상을 교체한다.
또, 특허문헌 3에 기재된 얼굴 화상 대조장치에서는, 우선 등록 얼굴화상과 후보 얼굴화상을 미리 기억해 둔다. 이어서, 상기 등록 얼굴화상에 의해, 본인으로 판정한 경우, 3 이상의 후보 얼굴화상에서의 하나의 후보 얼굴화상과 그 외의 후보 얼굴화상과의 유사도의 평균인 상호 유사도를 각각에 대해서 산출하여, 상호 유사도가 최대인 후보 얼굴화상을 특정한다. 계속해서, 입력 화상과 특정한 후보 얼굴화상과의 유사도가 소정의 갱신 역치를 넘는 경우에, 그 입력 얼굴화상과의 유사도가 최소인 후보 얼굴화상을 교체한다.
또, 특허문헌 4에 기재된 본인 특정장치에서는, 우선 미리 특정자의 등록 데이터를 기억해 둔다. 이어서, 신체적 특징을 읽어 들이고, 읽어 들여진 신체적 특징과, 기억된 등록 데이터를 비교 대조하여 유사도를 판정한다. 판정한 유사도가, 본인을 특정하기 위한 식별 레벨보다도 높은 유사도로 설정한 재등록 판별 조건 레벨 이상인 경우에, 상기 등록 데이터를 재등록한다.
또, 특허문헌 5에 기재된 인물 인식장치에서는, 우선 인식 대상이 되는 복수의 인물의 생체정보를 등록정보로서 미리 보유해 둔다. 이어서, 인식 대상이 되는 인물의 생체정보를 취득하고, 취득된 생체정보와, 보유하고 있는 복수의 등록정보를 각각 대조함으로써 복수의 유사도를 구하고, 구한 복수의 유사도에 근거하여 상기 인물을 인식한다. 계속해서, 구해진 복수의 유사도 중에서 복수의 유사도의 차이가 소정의 역치 이상인지 아닌지를 판정하여, 소정의 역치 이상일 때, 상기 취득된 생체정보에 근거하여 상기 보유하고 있는 등록정보를 갱신한다.
또, 특허문헌 6에 기재된 개인 인증장치에서는, 타인으로 판정된 입력 데이터가 등록자에 존재하는 경우, 개인 특정정보를 입력시키고, 입력된 개인 특정정보에 대응하는 얼굴 데이터와 촬영한 얼굴 화상과의 대조도가 소정 값 이상인 경우에 얼굴 데이터를 갱신한다.
또, 특허문헌 7에 기재된 개인 인증장치에서는, 등록자와 비등록자를 이용하여 얼굴 인증에서 이용하는 역치를 산출한다. 구체적으로는, 전체 페어(등록자, 비등록자)의 스코어 값의 평균값과 표준편차값을 구하고, 그 값으로부터 역치를 결정한다.
또, 특허문헌 8에 기재된 얼굴 등록장치에서는, 입력 얼굴화상이 등록 얼굴화상의 어느 하나와 일치했는가를 식별한 결과, 등록 얼굴화상의 본인 확인이 된 경우, 확인 전후의 시각을 등록시각으로 하고, 그 등록시각 사이에 입력된 입력 얼굴화상을 등록 얼굴화상으로서 등록한다.
특허문헌 1: 일본 특개2000-123178호 공보(2000년 4월 28일 공개) 특허문헌 2: 일본 특허 제4705512호 공보(2011년 6월 22일 발행) 특허문헌 3: 일본 특허 제4705511호 공보(2011년 6월 22일 발행) 특허문헌 4: 일본 특허 제3564984호 공보(2004년 6월 18일 발행) 특허문헌 5: 일본 특허 제4314016호 공보(2009년 5월 22일 발행) 특허문헌 6: 일본 특허 제4177629호 공보(2008년 8월 29일 발행) 특허문헌 7: 일본 특개2004-046697호 공보(2004년 2월 12일 공개) 특허문헌 8: 일본 특개2004-302645호 공보(2004년 10월 28일 공개)
그러나, 특허문헌 1의 경우, 그룹화된 등록자 데이터와 비슷한 신규 등록자는, 오인식을 초래하기 때문에 등록되지 않게 된다. 또, 본인 데이터 내의 데이터의 유사(분산)는 참조하지 않기 때문에, 타인과 본인을 판별하기 쉬운 데이터가 등록되지 않을 우려가 있다.
또, 특허문헌 2∼6의 경우, 본인과 타인과의 특징 공간에서의 거리 관계를 고려하고 있지 않다. 이 때문에, 타인에 가까운 얼굴화상 데이터가 등록되어 버릴 우려가 있고, 이 경우, 오인식을 일으킬 우려가 있다. 또, 특허문헌 7의 경우, 개인마다 구하고 있지 않기 때문에, 본인다움을 고려하지 않는다. 또, 특허문헌 8의 경우, 타인 데이터를 고려하고 있지 않기 때문에, 본인답고, 그리고 타인답지 않은 데이터를 등록할 수 없고, 결과 타인으로 잘못 아는 데이터를 등록해버릴 우려가 있다.
본 발명은, 상기의 문제점을 감안하여 이루어진 것으로, 그 목적은, 취득한 대상 화상을 등록할지를 적절하게 판정할 수 있는 등록 판정장치 등을 제공하는데 있다.
본 발명에 따른 등록 판정장치는, 어느 대상을 화상 인식하기 위해 미리 등록되는 등록 화상으로서, 대상 화상의 등록 후보인 후보 화상을 등록할지를 판정하는 등록 판정장치로서, 상기 과제를 해결하기 위해, 상기 등록 화상의 화상 데이터 및 특징량의 적어도 한쪽인 등록 정보를, 상기 대상을 개별로 식별하는 식별 정보에 대응시켜 기억하는 기억부와, 상기 후보 화상을 취득하는 후보 취득수단과, 상기 후보 취득수단이 취득한 후보 화상이 대응하는 식별 정보를 특정하는 특정수단과, 상기 후보 취득수단이 취득한 후보 화상의 특징량을 산출하는 특징량 산출수단과, 상기 특정수단이 특정한 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상에 대해서, 상기 특징량 산출수단이 산출한 상기 후보 화상의 특징량과 상기 등록 화상의 등록정보에 근거하는 특징량과의 클래스내 분산, 또는 상기 후보 화상의 특징량과 상기 등록 화상의 특징량과의 사이의 유사도의 클래스내 분산을 산출하는 클래스내 분산 산출수단과, 복수의 상기 식별 정보에 각각 대응하는 복수의 클래스의 등록 화상에 대해서, 상기 특징량의 클래스간 분산, 또는 상기 유사도의 클래스간 분산을 산출하는 클래스간 분산 산출수단과, 상기 클래스내 분산 산출수단이 산출한 클래스내 분산과, 상기 클래스간 분산 산출수단이 산출한 클래스간 분산과의 비(比)인 분산비를 산출하는 분산비 산출수단과, 상기 분산비 산출수단이 산출한 분산비가 설정된 조건을 만족하는 경우, 상기 후보 화상을 상기 등록 화상으로 하고, 그 등록 화상의 등록 정보를, 상기 특정수단이 특정한 식별 정보에 대응시켜 상기 기억부에 등록하는 등록수단을 갖춘 것을 특징으로 하고 있다.
또, 본 발명에 따른 등록 판정장치의 제어방법은, 어느 대상을 화상 인식하기 위해 미리 등록되는 등록 화상으로서, 대상 화상의 등록 후보인 후보 화상을 등록할지를 판정하는 등록 판정장치의 제어방법으로서, 상기 과제를 해결하기 위해, 상기 후보 화상을 취득하는 후보 취득단계와, 상기 후보 취득단계에서 취득된 후보 화상이 대응하는 식별 정보를 특정하는 특정단계와, 상기 후보 취득단계에서 취득된 후보 화상의 특징량을 산출하는 특징량 산출단계와, 상기 특정단계에서 특정된 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상에 대해서, 상기 등록 화상의 화상 데이터 및 특징량의 적어도 한쪽인 등록 정보를, 상기 대상을 개별로 식별하는 식별 정보에 대응시켜 기억하는 기억부에 기억된 상기 등록 화상의 등록 정보에 근거하는 특징량과, 상기 특징량 산출단계에서 산출된 상기 후보 화상의 특징량과의 클래스내 분산, 또는 상기 후보 화상의 특징량과 상기 등록 화상의 특징량과의 사이의 유사도의 클래스내 분산을 산출하는 클래스내 분산 산출단계와, 복수의 상기 식별 정보에 각각 대응하는 복수의 클래스의 등록 화상에 대해서, 상기 특징량의 클래스간 분산, 또는 상기 유사도의 클래스간 분산을 산출하는 클래스간 분산 산출단계와, 상기 클래스내 분산 산출단계에서 산출된 클래스내 분산과, 상기 클래스간 분산 산출단계에서 산출된 클래스간 분산과의 비인 분산비를 산출하는 분산비 산출단계와, 상기 분산비 산출단계에서 산출된 분산비가 설정된 조건을 만족하는 경우, 상기 후보 화상을 상기 등록 화상으로 하고, 그 등록 화상의 등록 정보를, 상기 특정단계에서 특정된 식별 정보에 대응시켜 상기 기억부에 등록하는 등록단계를 포함하는 것을 특징으로 하고 있다.
상기 구성 및 방법에 의하면, 우선, 후보 화상을 취득하고, 취득된 후보 화상이 대응하는 식별 정보를 특정하는 한편, 취득된 후보 화상의 특징량을 산출한다. 이어서, 특정된 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상에 대해서, 산출된 상기 후보 화상의 특징량과, 기억부에 기억된 상기 등록 화상의 등록 정보에 근거하는 특징량과의 클래스내 분산, 또는 상기 후보 화상의 특징량과 상기 등록 화상의 특징량과의 사이의 유사도의 클래스내 분산을 산출한다. 또, 복수의 상기 식별 정보에 각각 대응하는 복수의 클래스의 등록 화상에 대해서, 상기 특징량의 클래스간 분산, 또는 상기 유사도의 클래스간 분산을 산출한다. 계속해서, 산출된 클래스내 분산과, 산출된 클래스간 분산과의 비인 분산비를 산출하고, 산출된 분산비가 설정된 조건을 만족하는 경우, 상기 후보 화상을 상기 등록 화상으로 하고, 그 등록 화상의 등록 정보를, 특정된 식별 정보에 대응시켜 상기 기억부에 등록한다.
따라서, 후보 화상을 등록 화상으로서 등록할지 아닌지를, 클래스내 분산과 클래스간 분산과의 비인 분산비를 이용하여 판정하고 있다. 즉, 후보 화상과 같은 대상(클래스)의 등록 화상과의 관계와, 후보 화상과 다른 대상(클래스)의 등록 화상과의 관계를 고려하여, 후보 화상을 등록할지를 판정하고 있다. 그 결과, 상기 판정을 적절하게 할 수 있다.
또한, 특징량은 벡터(vektor)양이고, 유사도는 스칼라(scalar)양이다. 특징량의 경우, 예를 들어, 각 특징량인 각 벡터의 거리를 산출함으로써, 클래스간 분산 및 클래스내 분산을 구할 수 있다.
또, 상기 기억부가 상기 등록 화상의 특징량을 기억하고 있는 경우, 상기 등록 화상의 등록 정보에 근거하는 특징량으로는, 상기 기억부로부터 읽어낸 그 등록 화상의 특징량을 이용하면 된다. 한편, 상기 기억부가 상기 등록 화상의 화상 데이터를 기억하고 있는 경우, 상기 등록 화상의 등록 정보에 근거하는 특징량은, 상기 기억부로부터 읽어낸 그 등록 화상의 화상 데이터에 근거하여 산출하면 된다. 또, 상기 분산비는, 클래스내 분산/클래스간 분산이어도 좋고, 클래스간 분산/클래스내 분산이어도 좋다.
또한, 사용자로부터의 조작을 접수하는 조작부를 더 갖추고 있고, 상기 특정수단은, 상기 사용자로부터 상기 조작부를 통하여 받은 조작에 근거하여, 상기 후보 화상이 대응하는 식별 정보를 특정해도 좋다.
또는, 상기 특정수단은, 상기 후보 취득수단이 취득한 후보 화상과, 상기 기억부에 기억된 등록 화상을 대조함으로써, 상기 후보 화상이 대응하는 식별 정보를 특정해도 좋다. 이 경우, 사용자의 조작이 불필요해지기 때문에 편리성이 향상한다.
본 발명에 따른 등록 판정장치에서는, 상기 기억부는, 상기 등록 화상을 상기 식별 정보에 대응시켜 미리 기억해도 좋다. 이 경우, 사용자가 하나의 대상만의 대상 화상을 등록하고 있는 경우라도, 미리 등록되어 있는 등록 화상을 이용함으로써, 상기 클래스간 분산을 산출할 수 있고, 상기 분산비를 산출할 수 있기 때문에, 후보 화상을 등록할지를 적절하게 판정할 수 있다.
또한, 후보 화상에 대응하는 식별 정보에 대응시켜진 등록 화상이 하나 또는 소수인 경우, 상기 클래스내 분산 산출수단은, 상기 클래스내 분산을 산출하는 대신에, 디폴트의 클래스내 분산을 이용하는 것이 바람직하다. 이 경우, 등록 화상의 수가 하나 또는 소수임으로써, 적절한 클래스내 분산을 산출할 수 없는 문제점을 피할 수 있다.
본 발명에 따른 등록 판정장치에서는, 상기 클래스내 분산 산출수단은, 상기 특정수단이 특정한 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상에 대해서, 상기 특징량 산출수단이 산출한 상기 후보 화상의 특징량과 상기 등록 화상의 등록 정보에 근거하는 특징량과의 클래스내 분산을 산출하고 있고, 상기 클래스간 분산 산출수단은, 상기 특정수단이 특정한 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상과, 다른 식별 정보에 대응하는 다른 클래스의 등록 화상에 대해서, 상기 특징량의 클래스간 분산을 산출해도 좋다. 이 경우, 상기 후보 화상이 상기 등록 화상이라고 간주하고, 상기 클래스내 분산과 상기 클래스간 분산과의 비인 분산비를 산출하여, 후보 화상을 등록할지를 판정하게 된다. 따라서, 후보 화상을 고려하여 상기 판정을 할 수 있다.
본 발명에 따른 등록 판정장치에서는, 복수의 상기 식별 정보에 각각 대응하는 복수의 클래스의 등록 화상에 대해서, 각 클래스에 적어도 2개의 등록 화상을 포함하는 조합을 작성하는 조합 작성수단과, 상기 클래스내 분산 산출수단, 상기 클래스간 분산 산출수단, 및 상기 분산비 산출수단을 이용하여, 상기 조합 작성수단이 작성한 조합마다 산출된, 각 클래스에 대응하는 클래스내 분산과 클래스간 분산과의 분산비 중, 설정된 조건을 만족하는 조합의 등록 화상의 등록 정보에, 상기 기억부의 등록 화상의 등록 정보를 갱신하는 등록 갱신수단을 더 갖추어도 좋다. 이 경우, 등록이 불필요한 등록 화상을 상기 기억부로부터 삭제할 수 있기 때문에, 리소스의 불필요한 사용을 피할 수 있다. 또, 최적의 조합을 작성할 수 있어, 인증 정밀도를 향상시킬 수 있다.
또한, 상기 구성의 등록 판정장치를 갖춘 전자기기에서도 상술한 작용 효과를 나타낼 수 있다.
또, 상기 등록 판정장치에서의 각 단계를, 제어 프로그램에 의해 컴퓨터에 실행시킬 수 있다. 게다가, 상기 제어 프로그램을 컴퓨터로 읽을 수 있는 기록매체에 기억시킴으로써, 임의의 컴퓨터 상에서 상기 제어 프로그램을 실행시킬 수 있다.
이상과 같이, 본 발명에 따른 등록 판정장치는, 후보 화상과 같은 대상의 등록 화상과의 관계와, 후보 화상과 다른 대상의 등록 화상과의 관계를 고려하여, 후보 화상을 등록할지를 판정하기 때문에, 그 판정을 적절히 할 수 있는 효과를 갖는다.
도 1은 본 발명의 한 실시형태인 디지털 카메라에서의 제어부 및 기억부의 개략 구성을 나타내는 블록도이다.
도 2는 상기 디지털 카메라의 개략 구성을 나타내는 블록도이다.
도 3은 상기 실시형태에서의 처리의 개요를 예시하는 도면이다.
도 4는 상기 제어부가 행하는 처리의 흐름을 나타내는 플로우 차트이다.
도 5는 본 발명의 다른 실시형태에서의 처리의 개요를 예시하는 도면이다.
도 6은 상기 실시형태인 디지털 카메라에서의 제어부 및 기억부의 개략 구성을 나타내는 블록도이다.
도 7은 상기 제어부가 행하는 처리의 흐름을 나타내는 플로우 차트이다.
도 8은 본 발명의 또 다른 실시형태에서의 처리의 개요를 예시하는 도면이다.
도 9는 상기 실시형태인 디지털 카메라에서의 제어부 및 기억부의 개략 구성을 나타내는 블록도이다.
도 10은 본 발명의 또 다른 실시형태에서의 처리의 개요를 예시하는 도면이다.
도 11은 상기 실시형태인 디지털 카메라에서의 제어부 및 기억부의 개략 구성을 나타내는 블록도이다.
도 12는 상기 제어부가 행하는 처리의 흐름을 나타내는 플로우 차트이다.
도 13은 상기 실시형태의 변형예에서의 제어부 및 기억부의 개략 구성을 나타내는 블록도이다.
도 14는 본 발명의 다른 실시형태에서의 처리의 개요를 예시하는 도면이다.
도 15는 상기 실시형태인 디지털 카메라에서의 제어부 및 기억부의 개략 구성을 나타내는 블록도이다.
도 16은 상기 제어부가 행하는 처리의 흐름을 나타내는 플로우 차트이다.
[실시형태 1]
본 발명의 한 실시형태에 대해서 도 1∼도 4를 참조하여 설명한다. 도 2는, 본 실시형태인 디지털 카메라의 개략 구성을 나타내는 블록도이다. 도시한 바와 같이, 디지털 카메라(전자기기, 등록 판정장치)(10)는, 촬영부(11)로 촬영되고, 화상 처리부(12)에서 화상 처리된 촬영 화상이, 라이브 뷰 화상으로서 표시부(13)에 표시된다. 또, 디지털 카메라(10)는, 사용자가 조작부(14)의 셔터 버튼(도시하지 않음)을 누르면, 화상 처리부(12)에서 화상 처리된 촬영 화상이 화상 압축부(15)에서 화상 압축된 후, 화상 기록부(16)에 기억된다.
이어서, 본 실시형태의 디지털 카메라(10)의 상세에 대해서 설명한다. 상술한 바와 같이, 디지털 카메라(10)는, 촬영부(11), 화상 처리부(12), 표시부(13), 조작부(14), 화상 압축부(15), 화상 기록부(16) 및 화상 합성부(17)를 갖추고 있다. 게다가, 도 2에 나타낸 바와 같이, 디지털 카메라(10)는, 제어부(20) 및 기억부(21)를 갖추고 있다.
촬영부(11)는, 피사체의 촬영을 하는 것으로, 예를 들어 렌즈군, 조리개, 촬상소자 등의 광학계와, 앰프, A/D 컨버터 등의 회로계를 갖추고 있다. 촬상소자의 예로는, CCD, CMOS(Complementary Metal-oxide Semiconductor) 이미지 센서 등을 들 수 있다. 촬영부(11)는, 상기 촬영에 의해 촬영 화상을 생성하고, 촬영 화상의 데이터로 변환하여 화상 처리부(12)로 송신한다.
화상 처리부(12)는, 촬영부(11)로부터의 촬영 화상의 데이터에 대하여, 매트릭스 연산, γ보정, 화이트밸런스의 조정 등의 화상 처리를 하는 것이다. 또, 화상 처리부(12)는, 화상 처리된 촬영 화상의 데이터로부터, 표시용, 기록용 및 얼굴 검출용 촬영 화상 데이터를 작성하여, 각각 표시부(13), 화상 압축부(15) 및 제어부(20)로 송신한다. 또한, 표시용 및 얼굴 검출용 촬영 화상의 데이터는 같아도 좋다.
화상 합성부(17)는, 화상 처리부(12)로부터의 촬영 화상에 대하여, 제어부(20)로부터의 화상(예를 들어, OSD(On-Screen Display)용 화상)을 합성하는 것이다. 화상 합성부(17)는 합성한 화상인 합성 화상의 데이터를 표시부(13)에 송신한다.
표시부(13)는, LCD(액정표시소자), 유기 EL(Electroluminescence) 디스플레이, 플라즈마 디스플레이 등의 표시 디바이스에 의해 구성되어 있다. 표시부(13)는, 화상 합성부(17)로부터의 합성 화상의 데이터에 근거하여, 문자나 화상 등의 각종 정보를 표시 출력한다.
조작부(14)는 사용자의 조작에 의해 사용자로부터 각종 입력을 접수하는 것으로, 입력용 버튼, 터치 패널, 그 외의 입력 디바이스에 의해 구성되어 있다. 조작부(14)는 사용자가 조작한 정보를 조작 데이터로 변환하여 제어부(20)로 송신한다. 또한, 입력 디바이스의 다른 예로는, 키보드, 텐 키, 마우스 등의 포인팅 디바이스를 들 수 있다.
화상 압축부(15)는, 화상 처리부(12)로부터의 촬영 화상의 데이터를, JPEG(Joint Photographic Experts Group), MPEG(Moving Picture Expert Group) 등의 방식에 따라 압축하는 것이다. 화상 압축부(15)는, 압축한 촬영 화상의 데이터를 화상 기록부(16)에 기록한다.
화상 기록부(16)는, 정보를 기록하는 것으로, 특히 화상 압축부(15)가 압축한 촬영 화상의 데이터를 기록하는 것이다. 화상 기록부(16)는, 플래쉬 메모리, 하드 디스크 등의 불휘발성 기억장치에 의해 구성된다.
제어부(20)는, 디지털 카메라(10) 내에서의 각종 구성의 동작을 총괄적으로 제어한다. 제어부(20)는, 예를 들어 CPU(Central Processing Unit) 및 메모리를 포함하는 컴퓨터에 의해 구성된다. 그리고, 각종 구성의 동작 제어는, 제어 프로그램을 컴퓨터에 실행시킴으로써 행해진다. 이 프로그램은, 예를 들어 플래쉬 메모리 등의 리무버블 미디어에 기록되어 있는 것을 읽어 들여 사용하는 형태여도 좋고, 하드 디스크 등에 인스톨된 것을 읽어 들여 사용하는 형태여도 좋다. 또, 상기 프로그램을 다운 로드하여 하드 디스크 등에 인스톨하여 실행하는 형태 등도 생각할 수 있다. 또한, 제어부(20)의 상세에 대해서는 후술한다.
기억부(21)는 플래쉬 메모리, ROM(Read Only Memory) 등의 불휘발성 기억장치와, RAM(Random Access Memory) 등의 휘발성 기억장치에 의해 구성되는 것이다. 불휘발성 기억장치에 기억되는 내용으로는, 상기한 제어 프로그램, OS(operating system) 프로그램, 그 외의 각종 프로그램, 화상 처리부(12)에서의 동작 설정값, 입력된 문자 데이터 등을 들 수 있다. 화상 처리부(12)에서의 동작 설정값으로는, 장치 출하 시나 유지관리시 등에 설정되는 화이트밸런스 값, 촬영 화상의 명암 등을 조정할 때의 화상 처리에 관한 각종 파라미터 값 등을 들 수 있다. 한편, 휘발성 기억장치에 기억되는 내용으로는, 작업용 파일, 템포러리 파일 등을 들 수 있다. 또한, 기억부(21)의 상세에 대해서는 후술한다.
여기에서, 본 실시형태에 있어서 제어부(20)가 실행하는 처리의 구체예에 대해서, 도 3을 참조하여 설명한다. 본 실시형태의 제어부(20)는, 어느 인물(대상)을 얼굴 인식(화상 인식)하기 위해 미리 등록되는 등록 얼굴화상(등록 화상)으로서, 대상 얼굴화상(대상 화상)의 등록 후보인 후보 얼굴화상(후보 화상)을 등록할지를 판정하는 것이다. 도 3은 본 실시형태에서의 제어부(20)의 처리의 개요를 예시하는 도면이다.
도 3에 나타낸 바와 같이, 복수의 인물의 얼굴 화상의 데이터가 등록 얼굴화상의 데이터(등록 정보)로서 기억부(21)에 등록되어 있다. 도 3의 예에서는, A씨, B씨, 및 C씨의 3인의 인물(등록자)마다, 4개의 등록 얼굴화상의 데이터가 기억부(21)에 등록되어 있다.
우선, 촬영의 피사체가 어느 등록자인가를, 사용자로부터의 지시에 근거하여 특정한다. 이하에서는, 특정된 등록자를 특정 등록자라 칭한다. 이어서, 특정 등록자의 새로운 얼굴 화상을, 후보 얼굴화상으로서 받으면, 우선, 받은 후보 얼굴화상과, 기억부(21)에 등록된 모든 등록 얼굴화상의 각각과의 유사도(인증 스코어)를 산출한다. 도 3의 예에서는, A씨의 후보 얼굴화상과, 모든 등록자의 등록 얼굴화상의 각각과의 유사도를 산출한다. 따라서, 합계 12의 유사도를 산출하게 된다.
계속해서, 산출된 유사도에 근거하여, 특정 등록자에 관한 유사도의 클래스내 분산(σwi2)과, 전체 등록자에 관한 유사도의 클래스간 분산(σB2)을 산출하다. 여기에서, 클래스내 분산(σwi2)은 같은 클래스에 포함되는 요소의 퍼짐을 나타내는 것이고, 다음 식(1)에 의해 산출된다. 또한, 본 실시형태에서는, 특징 벡터 χ 대신에 유사도가 이용되게 된다.
Figure 112012108373885-pat00001
(다만, χ는 특징 벡터, mi는 제i 클래스의 평균 벡터, χi는 제i 클래스의 집합, ni는 제i 클래스의 요소 수를 나타낸다.)
또, 클래스간 분산(σB2)은 클래스간의 퍼짐을 나타내는 것이고, 다음 식(2)에 의해 산출된다.
Figure 112012108373885-pat00002
(다만, m은 전체 클래스의 평균 벡터, n은 전체 클래스의 요소 수를 나타낸다.)
도 3의 예에서는, A씨에 관한 4개의 유사도로부터 클래스내 분산 σwA2 (=3125)이 산출된다. 또, A·B·C씨에 관한 12개의 유사도로부터 클래스간 분산 σB2 (≒54479.17)이 산출된다.
계속해서, 산출된 클래스내 분산(σwi2)에 대한, 산출된 클래스간 분산(σB2)의 비인 분산비(Jsigma)를, 다음 식(3)을 이용하여 산출한다. 도 3의 예에서는, 분산비(Jsigma)는 54479.17/3125≒17.4가 된다.
Jsigma = σB2 / σwi2 … (3)
그리고, 산출된 분산비(Jsigma)와, 설정된 판정 기준에 근거하여, 상기 후보 얼굴화상을 등록할지 아닌지를 판정한다. 등록한다고 판정한 경우, 상기 후보 얼굴화상의 데이터를 특정 등록자의 등록 얼굴화상의 데이터로서 기억부(21)에 등록한다. 또한, 상기 판정 기준의 상세에 대해서는 후술한다. 또, 분산비로서 σwi2/σB2를 이용해도 좋다.
따라서, 본 실시형태의 디지털 카메라(10)는, 대상 얼굴화상을 등록 얼굴화상으로서 등록할지 아닌지를, 클래스간 분산(σB2)의 클래스내 분산(σwi2)에 대한 비인 분산비를 이용하여 판정하고 있다. 즉, 같은 대상의 등록 얼굴화상과의 관계와, 다른 대상의 등록 얼굴화상과의 관계를 고려하여, 대상 얼굴화상을 등록할지를 판정하고 있다. 따라서, 그 판정을 적절하게 할 수 있다.
이어서, 제어부(20) 및 기억부(21)의 상세에 대해서 설명한다. 도 1은, 디지털 카메라(10)에서의 제어부(20) 및 기억부(21)의 개략 구성을 나타내는 블록도이다. 도시한 바와 같이, 제어부(20)는, 등록자 특정부(특정수단)(25), 화상 취득부(30), 얼굴화상 추출부(후보 취득수단)(31), 유사도 산출부(특징량 산출수단)(32), 클래스내 분산 산출부(클래스내 분산 산출수단)(33), 클래스간 분산 산출부(클래스간 분산 산출수단)(34), 분산비 산출부(분산비 산출수단)(35), 및 등록 판정부(등록수단)(36)를 갖춘 구성이다. 또, 기억부(21)는 등록화상 기억부(40)를 포함하고 있다.
등록화상 기억부(40)는, 복수의 등록자를 각각(개별로) 식별하는 등록자 ID(식별 정보)와, 등록 얼굴화상의 데이터를 대응시켜 기억하고 있다.
등록자 특정부(25)는, 촬영의 피사체가 어느 등록자인지를 특정하는 것이다. 구체적으로는, 등록자 특정부(25)는, 사용자에의 문의 화상을, 화상 합성부(17) 및 표시부(13)를 통하여 표시 출력하고, 상기 문의에 대한 회답을 사용자로부터 조작부(14)를 통하여 취득함으로써, 촬영의 피사체가 어느 등록자인지를 특정한다. 등록자 특정부(25)는 특정한 등록자(특정 등록자)의 등록자 ID(식별 정보)를 유사도 산출부(32)에 송출한다.
화상 취득부(30)는, 화상 처리부(12)로부터의 촬영 화상의 데이터를 취득하는 것이다. 화상 취득부(30)는, 상기 촬영 화상의 데이터를 취득하면, 취득한 촬영 화상의 데이터를 얼굴화상 추출부(31)로 송출한다. 또한, 화상 취득부(30)는 촬영 화상의 데이터를, 통신 네트워크(도시하지 않음)를 통하여 취득해도 좋고, 화상 기록부(16)로부터 취득해도 좋다.
얼굴화상 추출부(31)는, 화상 취득부(30)로부터 촬영 화상의 데이터를 받으면, 그 촬영 화상에 포함되는 얼굴 화상을 추출한다. 얼굴화상 추출부(31)는, 추출한 얼굴 화상의 데이터를 후보 얼굴화상의 데이터로서 유사도 산출부(32)로 송출한다. 또한, 얼굴화상 추출부(31)가 촬영 화상으로부터 얼굴 화상을 추출하는 구체적인 처리는 공지이므로, 그 설명을 생략한다. 또, 얼굴화상 추출부(31)는, 추출한 얼굴 화상의 데이터로부터 그 얼굴 화상의 특징량을 산출해도 좋다.
유사도 산출부(32)는, 얼굴화상 추출부(31)로부터 후보 얼굴화상의 데이터를 받으면, 받은 후보 얼굴화상과, 등록화상 기억부(40)에 등록되어 있는 각 등록 얼굴화상과의 유사도를 산출하는 것이다. 유사도 산출부(32)는, 산출한 유사도를 클래스내 분산 산출부(33) 및 클래스간 분산 산출부(34)에 송출한다.
구체적으로는, 유사도 산출부(32)는, 등록자 ID마다, 이하의 처리를 한다. 즉, 유사도 산출부(32)는 얼굴화상 추출부(31)로부터의 후보 얼굴화상의 데이터에 근거하여 그 후보 얼굴화상의 특징량을 산출함과 동시에, 상기 등록자 ID에 대응하는 각 등록 얼굴화상의 데이터를 등록화상 기억부(40)로부터 읽어내고, 읽어낸 각 등록 얼굴화상의 데이터에 근거하여 각 등록 얼굴화상의 특징량을 산출한다.
또한, 특징량의 예로는, 휘도값, 각 얼굴 특징량(눈 끝점, 입 끝점 등)의 좌표, 에지(edge) 특징량, 히스토그램(휘도값의 히스토그램, 칼라 히스토그램 등), Gabor 특징량, Haar-like 특징량, HOG(Histograms of Oriented Gradients), SIFT(Scale-Invariant Feature Transform), SURF(Speeded Up Robust Features), LBP(Local Binary Pattern) 등을 들 수 있다.
이어서, 유사도 산출부(32)는, 산출된 후보 얼굴화상의 특징량과, 각 등록 얼굴화상의 특징량과의 유사도를 산출하고, 산출한 유사도를 클래스간 분산 산출부(34)에 송출한다. 또한, 유사도의 예로는, 거리(유클리드 거리, 마하라노비스 거리 등), 내적, 정규화 상관 등을 들 수 있다.
유사도 산출부(32)는, 이상의 처리를 등록자 ID마다 행한다. 게다가, 유사도 산출부(32)는, 등록자 특정부(25)로부터 받은 특정 등록자의 등록자 ID에 관하여 산출된 유사도를 클래스내 분산 산출부(33)에 송출한다.
클래스내 분산 산출부(33)는, 유사도 산출부(32)로부터 받은 특정 등록자(제i 클래스)의 각 등록 얼굴화상에 관한 유사도의 클래스내 분산(σwi2)을 상기 식(1)에 의해 산출한다. 클래스내 분산 산출부(33)는 산출한 클래스내 분산(σwi2)을 분산비 산출부(35)로 송출한다.
클래스간 분산 산출부(34)는, 유사도 산출부(32)로부터 받은 후보 얼굴화상과 각 등록 얼굴화상과의 유사도에 근거하여, 유사도의 클래스간 분산(σB2)을 상기 식(2)에 의해 산출한다. 클래스간 분산 산출부(34)는 산출한 클래스간 분산(σB2)을 분산비 산출부(35)로 송출한다.
구체적으로는, 클래스간 분산 산출부(34)는, 등록자 ID(클래스)마다, 그 등록자 ID에 관하여 산출된 유사도의 평균값(mi) 및 등록 얼굴화상의 수(ni)를 산출한다. 또, 모든 유사도의 평균값(m)을 산출한다. 이들 값을 상기 식(2)에 대입함으로써, 유사도의 클래스간 분산(σB2)을 산출한다.
분산비 산출부(35)는, 클래스내 분산 산출부(33)로부터 받은 특정 등록자에 관한 클래스내 분산(σwi2)과, 클래스간 분산 산출부(34)로부터 받은 클래스간 분산(σB2)을 이용하여, 상기 식(3)에 의해 분산비(Jsigma)를 산출한다. 분산비 산출부(35)는, 산출한 분산비(Jsigma)를 등록 판정부(36)에 송출한다.
등록 판정부(36)는, 분산비 산출부(35)로부터 분산비(Jsigma)를 받으면, 받은 분산비(Jsigma)에 근거하여, 상기 후보 얼굴화상의 데이터를 등록할지 아닌지를 판정한다. 등록 판정부(36)는 등록한다고 판정한 경우, 상기 후보 얼굴화상의 데이터를 등록 얼굴화상의 데이터로서 특정 등록자의 등록자 ID에 대응시켜 등록화상 기억부(40)에 등록함과 동시에, 그것을 화상 합성부(17) 및 표시부(13)를 통하여 표시 출력한다.
또한, 등록 판정부(36)에서의 판정 기준으로는, 이하의 것이 있다.
(a) 분산비(Jsigma)가 어느 역치보다 높으면 등록한다.
(b) 분산비(Jsigma)가 어느 역치 이하이면 등록한다.
(c) 분산비(Jsigma)가 두 역치 사이이면 등록한다.
(d) 분산비(Jsigma)가 두 역치 사이에 없으면 등록한다.
상기 (a)의 경우는, 등록 얼굴화상의 데이터와 닮은 얼굴 화상의 데이터를 등록하게 된다. 또, 상기 (b)의 경우는, 후보 얼굴화상의 데이터와 다른 조건의 데이터를 등록하게 된다. 또, 상기 (c)·(d)의 경우는, 소정의 조건의 데이터를 등록하게 된다.
등록 판정부(36)는, 어떠한 얼굴 화상의 데이터의 등록이 희망되는지에 따라, 상기 (a)∼(d)의 어느 하나가 선택된다. 또한, 상기 역치는 수동으로 설정해도 좋고, 자동적으로 설정해도 좋다. 자동적으로 설정하는 예로는, 미리 준비해 둔 얼굴 화상의 데이터를 이용하여, 어떤 역치로 등록의 여부를 판단하면, 인증 정밀도가 양호해지는지를 조사하여, 양호해지는 역치를 설정하는 것이 있다.
또, 상기 (a)·(b)의 어느 하나를 선택할지를 자동적으로 설정해도 좋다. 예를 들어, 미리 준비해 둔 얼굴 화상의 데이터를 이용하여, 분산비(Jsigma)가 큰 경우와 작은 경우의 어느 쪽이 인증 정밀도가 양호해지는지를 조사하여, 양호해지는 쪽을 설정하는 것이 있다.
이어서, 상기 구성의 제어부(20)에서의 처리 동작에 대해서 설명한다. 도 4는, 제어부(20)가 행하는 처리의 흐름을 나타내는 플로우 차트이다. 도시한 바와 같이, 우선, 등록자 특정부(25)는 이제부터 행하는 촬영의 피사체가 어느 등록자인지를 사용자에게 문의하여 특정하고, 그 등록자를 특정 등록자로 한다(S10, 특정단계).
계속해서, 화상 취득부(30)는, 상기 촬영에 의한 촬영 화상을 취득하고(S11), 얼굴화상 추출부(31)는 화상 취득부(30)가 취득한 촬영 화상에 포함되는 얼굴 화상을 후보 얼굴화상으로서 추출한다(S12, 후보 취득단계). 이어서, 유사도 산출부(32)는, 얼굴화상 추출부(31)가 추출한 후보 얼굴화상과, 등록화상 기억부(40)에 등록되어 있는 각 등록 얼굴화상과의 유사도를, 등록자마다 산출한다(S13, 특징량 산출단계).
계속해서, 유사도 산출부(32)가 산출한 유사도를 이용하여, 클래스내 분산 산출부(33)는 특정 등록자에 관한 클래스내 분산(σwi2)을 산출하고(S14, 클래스내 분산 산출단계), 클래스간 분산 산출부(34)는 클래스간 분산(σB2)을 산출한다(S14, 클래스간 분산 산출단계). 이어서, 분산비 산출부(35)는, 클래스내 분산 산출부(33)가 산출한 특정 등록자에 관한 클래스내 분산(σwi2)과, 클래스간 분산 산출부(34)가 산출한 클래스간 분산(σB2)을 이용하여 분산비(Jsigma)를 산출한다(S14, 분산비 산출단계).
그리고, 등록 판정부(36)는, 분산비 산출부(35)가 산출한 분산비(Jsigma)가 설정된 조건을 만족하는 경우에는(S15에서 YES), 상기 후보 얼굴화상을 특정 등록자의 등록 얼굴화상으로 하고, 그 데이터를 특정 등록자의 등록자 ID에 대응시켜 등록화상 기억부(40)에 등록한다(S16, 등록단계). 그 후, 처리를 종료한다. 한편, 상기 분산비(Jsigma)가 설정된 조건을 만족하지 않는 경우에는(S15에서 NO), 상기 후보 얼굴화상을 등록하지 않고 그대로 종료한다.
[실시형태 2]
계속해서, 본 발명의 다른 실시형태에 대해서 도 5∼도 7을 참조하여 설명한다. 도 5는, 본 실시형태에서의 처리의 개요를 예시하는 도면이다. 도시한 바와 같이, 본 실시형태의 경우에는, 도 3에 나타낸 실시형태의 경우에 비해, 촬영 화상으로부터 추출된 후보 얼굴화상이, 어느 등록자의 얼굴 화상인지가 불명한 점이 다르다. 이 때문에, 본 실시형태에서는, 후보 얼굴화상과 각 등록 얼굴화상과의 유사도에 근거하여 얼굴 인식(대조)을 하여, 후보 얼굴화상이 어느 등록자의 얼굴 화상인지를 특정하고 있다.
도 5의 예에서는, A씨, B씨, 및 C씨 중, 유사도의 최대값이 최대인 A씨를, 후보 얼굴화상에 관한 등록자로서 특정하고 있다. 또한, 각 등록자의 유사도의 최소값이 최대인 등록자를 상기 후보 얼굴화상에 관한 등록자로서 특정해도 좋다.
도 6은, 본 실시형태인 디지털 카메라(10)에서의 제어부(20) 및 기억부(21)의 개략 구성을 나타내는 블록도이다. 본 실시형태의 디지털 카메라(10)는, 도 1∼도 4에 나타낸 디지털 카메라(10)와 비교하여, 제어부(20)에 등록자 특정부(25) 대신에 얼굴 인식부(특정수단)(37)가 설치되는 점이 다르고, 그 외의 구성은 동일하다. 또한, 상기 실시형태에서 설명한 구성 및 처리 동작과 동일한 구성 및 처리 동작에는 동일한 부호를 붙여 그 설명을 생략한다.
얼굴 인식부(37)는, 유사도 산출부(32)로부터 유사도를 받으면, 받은 유사도에 근거하여, 후보 얼굴화상이 어느 등록자의 얼굴 화상인지를 인식하는 것이다. 얼굴 인식부(37)는 인식한 등록자를 특정 등록자로 하고, 그 등록자 ID를 유사도 산출부(32)에 송출한다.
구체적으로는, 얼굴 인식부(37)는 우선, 등록자 ID마다, 유사도 산출부(32)로부터 받은 유사도의 평균값을 산출한다. 이어서, 얼굴 인식부(37)는, 산출한 평균값이 최대인 등록자 ID를 특정하고, 특정한 등록자 ID를 상기 특정 등록자의 등록자 ID로서 유사도 산출부(32)에 송출한다. 또한, 평균값 대신에, 최대값, 중간값 등의 통계량을 이용해도 좋다.
도 7은 본 실시형태의 제어부(20)가 행하는 처리의 흐름을 나타내는 플로우 차트이다. 도시한 처리는, 도 4에 나타낸 처리와 비교하여, 단계 S10 대신에, 단계 S20이 단계 S13과 단계 S14 사이에 삽입되는 점이 다르고, 그 외의 처리는 동일하다.
단계 S20에서, 얼굴 인식부(37)는 단계 S13에서 유사도 산출부(32)가 산출한 유사도에 근거하여, 후보 얼굴화상이 어느 등록자의 얼굴 화상인지를 특정(인식)하고, 그 등록자를 특정 등록자로 하고 있다(특정단계).
따라서, 본 실시형태의 디지털 카메라(10)는, 촬영 화상으로부터 추출된 후보 얼굴화상이 어느 등록자의 얼굴 화상인지가 불명한 경우에도, 얼굴 인식을 함으로써, 그 등록자를 특정할 수 있다. 그 결과, 사용자가 등록자를 특정할 필요가 없어, 사용자의 편리성이 향상한다.
[실시형태 3]
계속해서, 본 발명의 또 다른 실시형태에 대해서 도 8 및 도 9를 참조하여 설명한다. 도 8은, 본 실시형태에서의 처리의 개요를 예시하는 도면이다. 도시한 바와 같이, 본 실시형태의 경우에는, 도 3에 나타낸 실시형태의 경우에 비해, 제조 시에, 복수의 인물의 얼굴 화상의 데이터가 등록 얼굴화상의 데이터로서 기억부(21)에 미리 등록되어 있는 점이 다르다.
따라서, 그 인물은 고정의 등록자이고, 그 얼굴 화상은 고정의 등록 얼굴화상이다. 도 8의 예에서는, Y씨 및 Z씨가 고정의 등록자이고, Y씨의 얼굴 화상 Y1∼Y4와, Z씨의 얼굴 화상 Z1∼Z4이 고정의 등록 얼굴화상이다. 또한, 고정의 등록자 및 등록 얼굴화상은 제조업자가 제조시 및 출하시에 미리 등록해도 좋고, 판매업자가 판매시에 미리 등록해도 좋고, 사용자가 자신의 얼굴 화상을 등록하기 전에 미리 등록해도 좋다.
도 9는 본 실시형태인 디지털 카메라(10)에서의 제어부(20) 및 기억부(21)의 개략 구성을 나타내는 블록도이다. 본 실시형태의 디지털 카메라(10)는 도 1∼도 4에 나타낸 디지털 카메라(10)와 비교하여, 기억부(21)에 고정 등록화상 기억부(41)가 추가되는 점이 다르고, 그 외의 구성은 동일하다. 또한, 상기 실시형태에서 설명한 구성 및 처리 동작과 같은 구성 및 처리 동작에는 동일한 부호를 붙여 그 설명을 생략한다.
고정 등록화상 기억부(41)는, 복수의 고정의 등록자를 각각 식별하는 등록자 ID와, 고정의 등록 얼굴화상의 데이터를 대응시켜 기억하고 있다. 또한, 상기 고정의 등록 얼굴화상은 실제 인물의 얼굴 화상이어도 좋고, 다수의 인물의 얼굴 화상으로부터 작성된 평균적인 얼굴 화상 또는 특징량이어도 좋고, 그 외의 수법에 의해 작성된 얼굴 화상 또는 특징량이어도 좋고, 이들의 조합이어도 좋다. 또, 고정 등록화상 기억부(41)는, 새로운 등록 얼굴화상의 데이터를 기억할 필요가 없다. 따라서, 고정 등록화상 기억부(41)는, ROM에 의해 구성되어도 좋다.
고정 등록화상 기억부(41)에 기억된 고정의 등록자 ID 및 등록 얼굴화상의 데이터는 유사도 산출부(32)에서 이용된다. 즉, 유사도 산출부(32)는, 얼굴화상 추출부(31)로부터 받은 후보 얼굴화상과, 등록화상 기억부(40)에 등록되어 있는 각 등록 얼굴화상과의 유사도를 산출함과 동시에, 상기 후보 얼굴화상과, 고정 등록화상 기억부(41)에 등록되어 있는 고정의 각 등록 얼굴화상과의 유사도를 산출하게 된다.
또한, 본 실시형태의 제어부(20)가 행하는 처리는, 도 4에 나타낸 처리와 동일하기 때문에 그 설명을 생략한다.
따라서, 본 실시형태의 디지털 카메라(10)는, 등록자가 1인(A씨)이어도, 고정의 등록자(Y씨·Z씨)의 등록 얼굴화상을 이용함으로써, 다른 등록자에 관한 유사도를 산출할 수 있고, 클래스간 분산을 산출할 수 있다. 이에 의해, 후보 얼굴화상의 등록 여부를 판정할 수 있다.
또한, 본 실시형태에 있어서, 등록자의 등록 얼굴화상의 데이터가 하나뿐인 경우, 그 등록자의 등록 얼굴화상과 후보 얼굴화상과의 유사도도 하나뿐이기 때문에, 그 등록자에 관한 유사도의 클래스내 분산(σwi2)은 0이 된다.
그래서, 클래스내 분산의 디폴트값(고정값)을 기억부(21)에 미리 기억해 두고, 특정 등록자의 등록 얼굴화상의 데이터가 등록화상 기억부(40)에 하나만 등록되어 있는 경우, 클래스내 분산 산출부(33)는, 상기 디폴트값을 클래스내 분산값으로서 분산비 산출부(35)에 송출해도 좋다. 이에 의해, 상기 경우에도 분산비(Jsigma)를 산출할 수 있어, 후보 얼굴화상의 등록 여부를 판정할 수 있다.
또한, 클래스내 분산의 디폴트값으로는, 경험으로부터 정한 값, 상기 고정의 등록 얼굴화상으로부터 구한 클래스내 분산값 등이 있다. 또, 특정 등록자의 등록 얼굴화상의 데이터가 등록화상 기억부(40)에 몇 개인가(2, 3 등의 소수) 등록되어 있는 경우에도, 상기 디폴트값을 이용해도 좋다.
[실시형태 4]
계속해서, 본 발명의 또 다른 실시형태에 대해서 도 10∼도 12를 참조하여 설명한다. 도 10은 본 실시형태에서의 처리의 개요를 예시하는 도면이다. 도시한 바와 같이, 본 실시형태의 경우에는, 도 3에 나타낸 실시형태의 경우에 비해, 후보 얼굴화상이 특정 등록자의 등록 얼굴화상으로 가등록되는 점이 다르다. 도 10의 예에서는, A씨의 후보 얼굴화상이 A씨의 등록 얼굴화상(A5)으로서 가등록된다.
또, 본 실시형태의 경우에는, 도 3에 나타낸 실시형태의 경우에 비해, 후보 얼굴화상과 등록 얼굴화상과의 유사도 대신에, 후보 얼굴화상의 특징량과, 등록 얼굴화상의 특징량으로부터 분산값을 구하는 점이 다르다. 이 때문에, 본 실시형태에서는, 특정 등록자에 관한 특징량의 클래스내 분산(σwi2)이 상기 식(1)에 의해 산출되고, 전체 등록자에 관한 특징량의 클래스간 분산(σB2)이 상기 식(2)에 의해 산출된다. 또한, 특징량은 1차원의 특징량인 스칼라여도 좋고, 다차원의 특징량인 벡터여도 좋다.
이어서, 산출된 클래스내 분산(σwi2)에 대한, 산출된 클래스간 분산(σB2)의 비인 분산비(Jsigma)를 상기 식(3)을 이용하여 산출한다. 그리고, 산출된 분산비(Jsigma)와, 설정된 판정 기준에 근거하여, 상기 임시 등록 얼굴화상(후보 얼굴화상)을 등록할지 아닌지를 판정한다. 등록한다고 판정한 경우, 상기 임시 등록 얼굴화상의 데이터를 특정 등록자의 등록 얼굴화상의 데이터로서 기억부(21)에 등록한다.
도 11은, 본 실시형태인 디지털 카메라(10)에서의 제어부(20) 및 기억부(21)의 개략 구성을 나타낸 블록도이다. 본 실시형태의 디지털 카메라(10)는, 도 1∼도 4에 나타낸 디지털 카메라(10)와 비교하여, 제어부(20)에 유사도 산출부(32) 대신에 특징량 산출부(특징량 산출수단)(38)가 설치되는 점이 다르고, 그 외의 구성은 동일하다. 또한, 상기 실시형태에서 설명한 구성 및 처리 동작과 동일한 구성 및 처리 동작에는 동일한 부호를 붙여 그 설명을 생략한다.
특징량 산출부(38)는 얼굴화상 추출부(31)로부터 후보 얼굴화상의 데이터를 받으면, 받은 후보 얼굴화상의 특징량을 산출함과 동시에, 등록화상 기억부(40)에 등록되어 있는 복수의 등록 얼굴화상의 특징량을 각각 산출하는 것이다. 특징량 산출부(38)는, 산출한 특징량을 클래스내 분산 산출부(33) 및 클래스간 분산 산출부(34)에 송출한다.
구체적으로는, 특징량 산출부(38)는, 등록자 특정부(25)로부터 받은 특정 등록자의 등록자 ID에 대해서, 이하의 처리를 한다. 즉, 특징량 산출부(38)는, 특정 등록자의 등록자 ID에 대응하는 각 등록 얼굴화상의 데이터를 등록화상 기억부(40)로부터 읽어내고, 읽어낸 각 등록 얼굴화상의 데이터에 근거하여 각 등록 얼굴화상의 특징량을 산출한다. 이어서, 특징량 산출부(38)는 얼굴화상 추출부(31)로부터의 후보 얼굴화상의 데이터에 근거하여, 후보 얼굴화상의 특징량을 산출한다.
그리고, 특징량 산출부(38)는, 산출한 각 등록 얼굴화상의 특징량과 후보 얼굴화상의 특징량을, 특정 등록자의 등록자 ID에 관한 특징량으로서, 클래스내 분산 산출부(33) 및 클래스간 분산 산출부(34)에 송출한다. 이에 의해, 후보 얼굴화상은 등록화상 기억부(40)에 마치 가등록되어 있는 것 같이, 특정 등록자의 등록자 ID에 대응하는 등록 얼굴화상과 동일하게 처리된다.
계속해서, 특정 등록자 이외의 등록자의 등록자 ID(클래스)마다, 이하의 처리를 행한다. 즉, 특징량 산출부(38)는 상기 등록자 ID에 대응하는 각 등록 얼굴화상의 데이터를 등록화상 기억부(40)로부터 읽어내고, 읽어낸 각 등록 얼굴화상의 데이터에 근거하여 각 등록 얼굴화상의 특징량을 산출한다. 그리고, 특징량 산출부(38)는, 산출한 각 등록 얼굴화상의 특징량을, 상기 등록자 ID에 관한 특징량으로서, 클래스간 분산 산출부(34)에 송출한다.
도 12는 본 실시형태의 제어부(20)가 행하는 처리의 흐름을 나타내는 플로우 차트이다. 도시한 처리는, 도 4에 나타낸 처리에 비해, 단계 S13·S14 대신에, 단계 S21·S22가 설치되어 있는 점이 다르고, 그 외의 처리는 동일하다.
단계 S21에 있어서, 특징량 산출부(38)는 얼굴화상 추출부(31)가 추출한 특정 등록자의 후보 얼굴화상의 특징량을 산출함과 동시에, 등록화상 기억부(40)에 등록되어 있는 각 등록 얼굴화상의 특징량을 등록자마다 산출한다(특징량 산출단계).
단계 S22에 있어서, 특정 등록자에 관하여 특징량 산출부(38)가 산출한 후보 얼굴화상의 특징량과 각 등록 얼굴화상의 특징량을 이용하여, 클래스내 분산 산출부(33)는 특정 등록자에 관한 클래스내 분산(σwi2)을 산출한다(클래스내 분산 산출단계). 한편, 상기 특정 등록자에 관한 후보 얼굴화상 및 각 등록 얼굴화상의 특징량과, 다른 등록자마다 특징량 산출부(38)가 산출한 각 등록 얼굴화상의 특징량을 이용하여, 클래스간 분산 산출부(34)는 클래스간 분산(σB2)을 산출한다(클래스간 분산 산출단계). 이어서, 분산비 산출부(35)는, 클래스내 분산 산출부(33)가 산출한 특정 등록자에 관한 클래스내 분산(σwi2)과, 클래스간 분산 산출부(34)가 산출한 클래스간 분산(σB2)을 이용하여 분산비(Jsigma)를 산출한다(분산비 산출단계).
따라서, 본 실시형태의 디지털 카메라(10)는, 후보 얼굴화상을 임시로 등록한 경우에 있어서의 특징량에 관한 분산비를 산출하고, 산출한 분산비에 근거하여 등록 여부를 판단하고 있다. 그 결과, 후보 얼굴화상도 고려한 후, 등록 여부를 판단할 수 있다.
또한, 본 실시형태에 있어서도, 도 8 및 도 9에 나타낸 실시형태와 마찬가지로, 고정 등록화상 기억부(41)에 기억된 고정의 등록 얼굴화상의 데이터를 이용하여, 특징량 산출부(38)가 고정의 등록자에 관한 특징량을 산출해도 좋다. 이 경우, 등록자가 1인이어도, 고정의 등록자의 등록 얼굴화상을 이용함으로써, 특징량의 클래스간 분산을 산출할 수 있다. 이에 의해, 후보 얼굴화상의 등록 여부를 판정할 수 있다.
또한, 상기 고정의 등록 얼굴화상의 데이터는, 상기 고정의 등록자에 관한 특징량이 클래스간 분산 산출부(34)에서 이용될 뿐이다. 그래서, 도 13에 나타낸 것과 같은 변형예를 생각할 수 있다.
도 13은, 상기 변형예에서의 제어부(20) 및 기억부(21)의 개략 구성을 나타내는 블록도이다. 도시한 변형예는, 도 11에 나타낸 구성과 비교하여, 기억부(21)에 고정의 등록자에 관한 고정의 특징량이 등록된 고정등록 특징량 기억부(42)가 설치되어 있는 점이 다르고, 그 외의 구성은 동일하다.
도 13에 나타낸 변형예의 경우, 클래스간 분산 산출부(34)는, 특정 등록자에 관하여 특징량 산출부(38)가 산출한 후보 얼굴화상 및 각 등록 얼굴화상의 특징량과, 고정 등록화상 기억부(41)에 기억된 고정 등록자에 관한 고정 특징량을 이용하여, 클래스간 분산(σB2)을 산출하면 된다. 도시한 변형예에 의하면, 특징량 산출부(38)가 특정 등록자 이외의 등록자에 관한 특징량을 산출할 필요가 없어지기 때문에, 처리를 신속화할 수 있다.
또한, 본 실시형태에 있어서, 어느 인물의 등록 얼굴화상의 데이터가 등록되어 있지 않는 경우, 그 인물의 후보 얼굴화상의 특징량이 하나뿐이기 때문에, 클래스내 분산(σwi2)은 0이 된다.
그래서, 클래스내 분산의 디폴트값(고정값)을 기억부(21)에 미리 기억해 두고, 특정 등록자의 등록 얼굴화상의 데이터가 등록화상 기억부(40)에 등록되어 있지 않는 경우, 클래스내 분산 산출부(33)는 상기 디폴트값을 클래스내 분산값으로서 분산비 산출부(35)에 송출해도 좋다. 이에 의해, 미등록 인물에 대해서도 분산비(Jsigma)를 산출할 수 있어, 후보 얼굴화상의 등록 여부를 판정할 수 있다.
[실시형태 5]
계속해서, 본 발명의 다른 실시형태에 대해서 도 14∼도 16을 참조하여 설명한다. 도 14는 본 실시형태에서의 처리의 개요를 예시하는 도면이다. 도시한 바와 같이, 본 실시형태는, 도 3에 나타낸 바와 같은 등록 얼굴화상의 유지관리를 실행하는 것이다.
도 14에 나타낸 바와 같이, 우선 등록자마다 적어도 2개의 등록 얼굴화상을 포함하는 등록 얼굴화상의 조합을 작성한다. 도시한 예에서는, (24-(1+4))3=1331 정도의 조합이 작성되게 된다.
이어서, 어느 조합에 대해서, 등록 얼굴화상의 특징량을 산출하고, 산출한 특징량에 근거하여, 각 등록자의 클래스내 분산(σwi2)과 클래스간 분산(σB2)을 산출하고, 각 등록자의 분산비를 산출하여, 이것을 모든 조합에 대해서 반복한다.
계속해서, 분산비가 최대 또는 최소인 조합을 선택하고, 선택된 조합의 등록 얼굴화상의 데이터로 등록화상 기억부(40)를 갱신한다. 즉, 선택된 조합의 등록 얼굴화상 이외의 등록 얼굴화상의 데이터를 등록화상 기억부(40)로부터 삭제한다. 따라서, 등록이 불필요한 등록 얼굴화상의 데이터를 등록화상 기억부(40)로부터 삭제할 수 있기 때문에, 리소스의 불필요한 사용을 피할 수 있다. 또, 최적의 조합을 작성할 수 있어, 인증 정밀도를 향상시킬 수 있다.
분산비가 최대인 조합을 선택한 경우, 동일 인물의 등록 얼굴화상과 닮아있기 때문에, 조건이 다르면 스코어(유사도)가 낮아지지만, 타인으로 잘못 알기 어려워진다. 한편, 분산비가 최소인 조합을 선택한 경우, 동일 인물의 등록 얼굴화상이 다양하기 때문에, 조건이 달라도 스코어가 높아지지만, 타인으로 잘못알기 쉬워진다. 어느 것을 선택할지는 어떠한 얼굴 인식을 원하는가에 따른다.
도 14의 예에서는, 최대 분산비 Jsigma = 30.5를 갖는 조합(A1∼A4·B1∼B4·C1·C2)을 선택하고, 선택된 등록 얼굴화상의 데이터로 등록화상 기억부(40)를 갱신하고 있다. 즉, 등록 얼굴화상 C3·C4의 데이터가 등록화상 기억부(40)로부터 삭제되게 된다.
도 15는 본 실시형태인 디지털 카메라(10)에서의 제어부(20) 및 기억부(21)의 개략 구성을 나타내는 블록도이다. 본 실시형태의 디지털 카메라(10)는, 도 1∼도 4에 나타낸 디지털 카메라(10)에 비해, 이하의 점이 다르고, 그 외의 구성은 동일하다. 또한, 상기 실시형태에서 설명한 구성 및 처리 동작과 동일한 구성 및 처리 동작에는 동일한 부호를 붙여 그 설명을 생략한다.
즉, 제어부(20)에서 등록자 특정부(25), 화상 취득부(30), 및 얼굴화상 추출부(31)가 생략된다. 또, 제어부(20)에 유사도 산출부(32), 분산비 산출부(35), 및 등록 판정부(36) 대신에, 특징량 산출부(특징량 산출수단)(51), 분산비 산출부(52), 및 등록 갱신부(등록 갱신수단)(53)가 설치되고, 조합 작성부(조합 작성수단)(50)가 추가된다. 그리고, 기억부(21)에 조합 DB(데이터베이스) 기억부(60)가 추가된다.
조합 DB 기억부(60)는, 조합마다, 등록 얼굴화상의 정보와 분산비를 포함하는 것이다.
조합 작성부(50)는, 등록화상 기억부(40)에 기억된 모든 등록 얼굴화상으로부터, 각 등록자에 적어도 2개의 등록 얼굴화상을 포함하는 조합을 작성하는 것이다. 조합 작성부(50)는 작성한 조합 정보를 조합 DB 기억부(60)에 기억한다.
특징량 산출부(51)는, 조합 DB 기억부(60)에 기억된 조합마다, 그 조합에 포함되는 등록 얼굴화상을, 등록화상 기억부(40)로부터 읽어내어, 특징량을 산출하는 것이다. 특징량 산출부(51)는, 산출한 특징량을 등록자 ID마다 클래스내 분산 산출부(33) 및 클래스간 분산 산출부(34)에 송출한다.
분산비 산출부(52)는, 클래스내 분산 산출부(33)로부터 받은 각 등록자의 클래스내 분산(σwi2)과, 클래스간 분산 산출부(34)로부터 받은 클래스간 분산(σB2)에 근거하여, 각 등록자의 분산비(Jsigma)를 산출한다. 분산비 산출부(52)는 산출한 그 조합에 있어서의 각 등록자의 분산비(Jsigma)를 조합 DB 기억부(60)에 기억한다.
등록 갱신부(53)는 조합마다, 조합 DB 기억부(60)에 기억된 각 등록자의 분산비(Jsigma)를 읽어내어, 설정된 조건을 만족하는 분산비(Jsigma)의 조합을 선택하고, 선택한 조합에 포함되는 등록 얼굴화상의 데이터로 등록화상 기억부(40)를 갱신하는 것이다.
도 16은, 본 실시형태의 제어부(20)가 행하는 처리의 흐름을 나타내는 플로우 차트이다. 도시한 바와 같이, 우선, 조합 작성부(50)는, 등록화상 기억부(40)에 기억된 모든 등록 얼굴화상으로부터, 각 등록자에 적어도 2개의 등록 얼굴화상을 포함하는 조합을 작성한다(S30).
이어서, 특징량 산출부(51)는 어느 조합을 선택하고, 선택한 조합에 포함되는 등록 얼굴화상의 특징량을 산출한다(S32). 계속해서, 산출된 특징량에 근거하여, 클래스내 분산 산출부(33) 및 클래스간 분산 산출부(34)가 클래스내 분산(σwi2) 및 클래스간 분산(σB2) 각각을 산출하고, 분산비 산출부(52)가 각 등록자의 분산비(Jsigma)를 산출하여, 조합 DB 기억부(60)에 기억한다(S33).
계속해서, 모든 조합을 실행했는지를 판단하고(S34), 실행하지 않은 경우, 특징량 산출부(51)는 다른 조합을 선택하고(S35), 단계 S32로 되돌아가, 상기 동작을 반복한다. 그리고, 모든 조합을 실행하면, 등록 갱신부(53)는 설정된 조건을 만족하는 분산비(Jsigma)가 된 조합에 포함되는 등록 얼굴화상의 데이터로 등록화상 기억부(40)를 갱신한다(S36). 그 후, 처리를 종료한다.
본 발명은 상술한 각 실시형태에 한정되는 것은 아니고, 청구항에 나타낸 범위에서 각종 변경이 가능하고, 다른 실시형태에 각각 개시된 기술적 수단을 적절히 조합시켜 얻어지는 실시형태에 대해서도 본 발명의 기술적 범위에 포함된다.
예를 들어, 상기 실시형태에서는, 촬영 화상으로부터 인물의 얼굴 화상을 검출하여 인식하고 있지만, 사람의 상반신이나 전신 화상을 검출해도 좋고, 볼, 차량 그 외의 물체의 화상을 검출해도 좋다. 즉, 본 발명은, 취득한 촬영 화상에 포함되는 임의의 대상 화상의 검출에 적용 가능하다.
또, 상기 실시형태에서는, 본 발명을 디지털 카메라(10)에 적용하고 있지만, 휴대전화기, 스마트폰, PDA(Personal Digital Assistant) 등, 촬영부를 갖는 임의의 전자기기에 본 발명을 적용할 수 있다.
또, 상기 실시형태에서는, 등록화상 기억부(40)는, 등록 정보로서, 등록 얼굴화상의 화상 데이터를 기억하고 있지만, 그 등록 얼굴화상으로부터 산출된 특징량의 데이터를, 상기 화상 데이터 대신에, 또는 상기 화상 데이터와 함께 기억해도 좋다. 이 경우, 제어부(20)에서의 등록 얼굴화상의 특징량의 산출을 생략할 수 있다.
마지막으로, 디지털 카메라(10)는, 각 블록, 특히 제어부(20)는 하드웨어 로직에 의해 구성해도 좋고, 다음과 같이 CPU를 이용하여 소프트웨어에 의해 실현해도 좋다.
즉, 디지털 카메라(10)는, 각 기능을 실현하는 제어 프로그램의 명령을 실행하는 CPU, 상기 프로그램을 격납한 ROM, 상기 프로그램을 전개하는 RAM, 상기 프로그램 및 각종 데이터를 격납하는 메모리 등의 기억장치(기록매체) 등을 갖추고 있다. 그리고, 본 발명의 목적은, 상술한 기능을 실현하는 소프트웨어인 디지털 카메라(10)의 제어 프로그램의 프로그램 코드(실행형식 프로그램, 중간 코드 프로그램, 소스 프로그램)를 컴퓨터로 읽어 들일 수 있게 기록한 기록매체를, 상기 디지털 카메라(10)에 공급하고, 그 컴퓨터(또는 CPU나 MPU)가 기록매체에 기록되어 있는 프로그램 코드를 읽어내어 실행함으로써 달성 가능하다.
상기 기록매체로는, 예를 들어, 자기 테이프나 카세트 테이프 등의 테이프계, 플로피(등록상표) 디스크/하드 디스크 등의 자기 디스크나 CD-ROM/MO/MD/DVD/CD-R 등의 광디스크를 포함하는 디스크계, IC카드(메모리 카드를 포함)/광 카드 등의 카드계, 또는 마스크 ROM/EPROM/EEPROM/플래쉬 ROM 등의 반도체 메모리계 등을 이용할 수 있다.
또, 디지털 카메라(10)를 통신 네트워크와 접속 가능하게 구성하고, 상기 프로그램 코드를 통신 네트워크를 통하여 공급해도 좋다. 이 통신 네트워크로는, 특별히 한정되지 않고, 예를 들어 인터넷, 인트라넷, 엑스트라넷, LAN, ISDN, VAN, CATV 통신망, 가상 전용망(virtual private network), 전화회선망, 이동체 통신망, 위성통신망 등이 이용 가능하다. 또, 통신 네트워크를 구성하는 전송매체로는, 특별히 한정되지 않고, 예를 들어 IEEE1394, USB, 전력선 반송, 케이블 TV 회선, 전화선, ADSL 회선 등의 유선으로도, IrDA나 리모콘과 같은 적외선, Bluetooth(등록상표), 802.11 무선, HDR, 휴대전화망, 위성회선, 지상파 디지털망 등의 무선으로도 이용 가능하다.
이상과 같이, 본 발명에 따른 등록 판정장치는, 후보 화상과 같은 대상의 등록 화상과의 관계와, 후보 화상과 다른 대상의 등록 화상과의 관계를 고려함으로써, 후보 화상을 등록할지를 적절하게 판정할 수 있기 때문에, 얼굴 인식뿐 아니라, 지문 인식 등, 촬영 화상으로부터 대상을 인식하는 임의의 인식장치에 적용할 수 있다.
10: 디지털 카메라(전자기기, 등록 판정장치)
11: 촬영부 12: 화상 처리부
13: 표시부 14: 조작부
15: 화상 압축부 16: 화상 기록부
17: 화상 합성부 20: 제어부
21: 기억부 25: 등록자 특정부(특정수단)
30: 화상 취득부 31: 얼굴화상 추출부(후보 취득수단)
32: 유사도 산출부(특징량 산출수단)
33: 클래스내 분산 산출부(클래스내 분산 산출수단)
34: 클래스간 분산 산출부(클래스간 분산 산출수단)
35: 분산비 산출부(분산비 산출수단)
36: 등록 판정부(등록수단) 37: 얼굴 인식부(특정수단)
38: 특징량 산출부(특징량 산출수단)
40: 등록화상 기억부 41: 고정 등록화상 기억부
42: 고정등록 특징량 기억부
50: 조합 작성부(조합 작성수단)
51: 특징량 산출부(특징량 산출수단)
52: 분산비 산출부
53: 등록 갱신부(등록 갱신수단)
60: 조합 DB 기억부

Claims (12)

  1. 삭제
  2. 어느 대상을 화상 인식하기 위해 미리 등록되는 등록 화상으로서, 대상 화상의 등록 후보인 후보 화상을 등록할지를 판정하는 등록 판정장치로서,
    상기 등록 화상의 화상 데이터 및 특징량의 적어도 한쪽인 등록 정보를, 상기 대상을 개별로 식별하는 식별 정보에 대응시켜 기억하는 기억부;
    사용자로부터의 조작을 접수하는 조작부;
    상기 후보 화상을 취득하는 후보 취득수단;
    상기 사용자로부터 상기 조작부를 통하여 받은 조작에 근거하여, 상기 후보 취득수단이 취득한 후보 화상이 대응하는 식별 정보를 특정하는 특정수단;
    상기 후보 취득수단이 취득한 후보 화상의 특징량을 산출하는 특징량 산출수단;
    상기 특정수단이 특정한 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상에 대해서, 상기 특징량 산출수단이 산출한 상기 후보 화상의 특징량과 상기 등록 화상의 등록 정보에 근거하는 특징량의 클래스내 분산, 또는 상기 후보 화상의 특징량과 상기 등록 화상의 특징량과의 사이의 유사도의 클래스내 분산을 산출하는 클래스내 분산 산출수단;
    복수의 상기 식별 정보에 각각 대응하는 복수의 클래스의 등록 화상에 대해서, 상기 후보 화상의 특징량과 상기 등록 화상의 등록 정보에 근거하는 등록 화상의 특징량의 클래스간 분산, 또는 상기 후보 화상의 특징량과 상기 등록 화상의 특징량과의 사이의 유사도의 클래스간 분산을 산출하는 클래스간 분산 산출수단;
    상기 클래스내 분산 산출수단이 산출한 클래스내 분산과, 상기 클래스간 분산 산출수단이 산출한 클래스간 분산과의 비인 분산비를 산출하는 분산비 산출수단; 및
    상기 분산비 산출수단이 산출한 분산비가 설정된 조건을 만족하는 경우, 상기 후보 화상을 상기 등록 화상으로 하고, 그 등록 화상의 등록 정보를, 상기 특정수단이 특정한 식별 정보에 대응시켜 상기 기억부에 등록하는 등록수단;
    을 포함하는 것을 특징으로 하는 등록 판정장치.
  3. 어느 대상을 화상 인식하기 위해 미리 등록되는 등록 화상으로서, 대상 화상의 등록 후보인 후보 화상을 등록할지를 판정하는 등록 판정장치로서,
    상기 등록 화상의 화상 데이터 및 특징량의 적어도 한쪽인 등록 정보를, 상기 대상을 개별로 식별하는 식별 정보에 대응시켜 기억하는 기억부;
    상기 후보 화상을 취득하는 후보 취득수단;
    상기 후보 취득수단이 취득한 후보 화상과, 상기 기억부에 기억된 등록 화상을 대조함으로써, 대응하는 식별 정보를 특정하는 특정수단;
    상기 후보 취득수단이 취득한 후보 화상의 특징량을 산출하는 특징량 산출수단;
    상기 특정수단이 특정한 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상에 대해서, 상기 특징량 산출수단이 산출한 상기 후보 화상의 특징량과 상기 등록 화상의 등록 정보에 근거하는 특징량의 클래스내 분산, 또는 상기 후보 화상의 특징량과 상기 등록 화상의 특징량과의 사이의 유사도의 클래스내 분산을 산출하는 클래스내 분산 산출수단;
    복수의 상기 식별 정보에 각각 대응하는 복수의 클래스의 등록 화상에 대해서, 상기 후보 화상의 특징량과 상기 등록 화상의 등록 정보에 근거하는 등록 화상의 특징량의 클래스간 분산, 또는 상기 후보 화상의 특징량과 상기 등록 화상의 특징량과의 사이의 유사도의 클래스간 분산을 산출하는 클래스간 분산 산출수단;
    상기 클래스내 분산 산출수단이 산출한 클래스내 분산과, 상기 클래스간 분산 산출수단이 산출한 클래스간 분산과의 비인 분산비를 산출하는 분산비 산출수단; 및
    상기 분산비 산출수단이 산출한 분산비가 설정된 조건을 만족하는 경우, 상기 후보 화상을 상기 등록 화상으로 하고, 그 등록 화상의 등록 정보를, 상기 특정수단이 특정한 식별 정보에 대응시켜 상기 기억부에 등록하는 등록수단;
    을 포함 하는 것을 특징으로 하는 등록 판정장치.
  4. 제2항 내지 제3항의 어느 한 항에 있어서, 상기 기억부는, 상기 등록 화상을, 상기 식별 정보에 대응시켜 미리 기억하는 것을 특징으로 하는 등록 판정장치.
  5. 제2항 내지 제3항의 어느 한 항에 있어서, 후보 화상에 대응하는 식별 정보에 대응시켜진 등록 화상이 하나 또는 소수인 경우, 상기 클래스내 분산 산출수단은, 상기 클래스내 분산을 산출하는 대신에, 디폴트의 클래스내 분산을 이용하는 것을 특징으로 하는 등록 판정장치.
  6. 제2항 내지 제3항의 어느 한 항에 있어서, 상기 클래스내 분산 산출수단은, 상기 특정수단이 특정한 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상에 대해서, 상기 특징량 산출수단이 산출한 상기 후보 화상의 특징량과 상기 등록 화상의 등록 정보에 근거하는 특징량과의 클래스내 분산을 산출하고 있고,
    상기 클래스간 분산 산출수단은, 상기 특정수단이 특정한 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상과, 다른 식별 정보에 대응하는 다른 클래스의 등록 화상에 대해서, 상기 특징량의 클래스간 분산을 산출하는 것을 특징으로 하는 등록 판정장치.
  7. 제2항 내지 제3항의 어느 한 항에 있어서, 복수의 상기 식별 정보에 각각 대응하는 복수의 클래스의 등록 화상에 대해서, 각 클래스에 적어도 2개의 등록 화상을 포함하는 조합을 작성하는 조합 작성수단; 및
    상기 클래스내 분산 산출수단, 상기 클래스간 분산 산출수단, 및 상기 분산비 산출수단을 이용하여, 상기 조합 작성수단이 작성한 조합마다 산출된, 각 클래스에 대응하는 클래스내 분산과 클래스간 분산과의 분산비 중, 설정된 조건을 만족하는 조합의 등록 화상의 등록 정보로, 상기 기억부의 등록 화상의 등록 정보를 갱신하는 등록 갱신수단을 더 갖춘 것을 특징으로 하는 등록 판정장치.
  8. 제2항 내지 제3항의 어느 한 항에 기재된 등록 판정장치를 갖춘 전자기기.
  9. 어느 대상을 화상 인식하기 위해 미리 등록되는 등록 화상으로서, 대상 화상의 등록 후보인 후보 화상을 등록할지를 판정하는 등록 판정장치의 제어방법으로서,
    사용자로부터의 조작을 접수하는 조작단계;
    상기 후보 화상을 취득하는 후보 취득단계;
    사용자로부터의 조작을 접수하는 조작단계를 통하여 받은 조작에 근거하여, 상기 후보 취득단계에서 취득된 후보 화상이 대응하는 식별 정보를 특정하는 특정단계;
    상기 후보 취득단계에서 취득된 후보 화상의 특징량을 산출하는 특징량 산출단계;
    상기 특정단계에서 특정된 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상에 대해서, 상기 등록 화상의 화상 데이터 및 특징량의 적어도 한쪽인 등록 정보를, 상기 대상을 개별로 식별하는 식별 정보에 대응시켜 기억하는 기억부에 기억된 상기 등록 화상의 등록 정보에 근거하는 특징량과, 상기 특징량 산출단계에서 산출된 상기 후보 화상의 특징량과의 클래스내 분산, 또는 상기 후보 화상의 특징량과 상기 등록 화상의 특징량과의 사이의 유사도의 클래스내 분산을 산출하는 클래스내 분산 산출단계;
    복수의 상기 식별 정보에 각각 대응하는 복수의 클래스의 등록 화상에 대해서, 상기 기억부에 기억된 등록 화상의 등록 정보에 근거하는 등록 화상의 특징량과 후보 화상의 특징량의 클래스간 분산, 또는, 상기 후보 화상의 특징량과 등록 화상의 특징량과의 사이의 유사도의 클래스간 분산을 산출하는 클래스간 분산 산출단계;
    상기 클래스내 분산 산출단계에서 산출된 클래스내 분산과, 상기 클래스간 분산 산출단계에서 산출된 클래스간 분산과의 비인 분산비를 산출하는 분산비 산출단계; 및
    상기 분산비 산출단계에서 산출된 분산비가 설정된 조건을 만족하는 경우, 상기 후보 화상을 상기 등록 화상으로 하고, 그 등록 화상의 등록 정보를, 상기 특정단계에서 특정된 식별 정보에 대응시켜 상기 기억부에 등록하는 등록단계;
    를 포함하는 것을 특징으로 하는 등록 판정장치의 제어방법.
  10. 어느 대상을 화상 인식하기 위해 미리 등록되는 등록 화상으로서, 대상 화상의 등록 후보인 후보 화상을 등록할지를 판정하는 등록 판정장치를 동작시키기 위한 제어프로그램에 있어서,
    사용자로부터의 조작을 접수하는 조작단계;
    상기 후보 화상을 취득하는 후보 취득단계;
    사용자로부터의 조작을 접수하는 조작단계를 통하여 받은 조작에 근거하여, 상기 후보 취득단계에서 취득된 후보 화상이 대응하는 식별 정보를 특정하는 특정단계;
    상기 후보 취득단계에서 취득된 후보 화상의 특징량을 산출하는 특징량 산출단계;
    상기 특정단계에서 특정된 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상에 대해서, 상기 등록 화상의 화상 데이터 및 특징량의 적어도 한쪽인 등록 정보를, 상기 대상을 개별로 식별하는 식별 정보에 대응시켜 기억하는 기억부에 기억된 상기 등록 화상의 등록 정보에 근거하는 특징량과, 상기 특징량 산출단계에서 산출된 상기 후보 화상의 특징량과의 클래스내 분산, 또는 상기 후보 화상의 특징량과 상기 등록 화상의 특징량과의 사이의 유사도의 클래스내 분산을 산출하는 클래스내 분산 산출단계;
    복수의 상기 식별 정보에 각각 대응하는 복수의 클래스의 등록 화상에 대해서, 상기 기억부에 기억된 등록 화상의 등록 정보에 근거하는 등록 화상의 특징량과 후보 화상의 특징량의 클래스간 분산, 또는, 상기 후보 화상의 특징량과 등록 화상의 특징량과의 사이의 유사도의 클래스간 분산을 산출하는 클래스간 분산 산출단계;
    상기 클래스내 분산 산출단계에서 산출된 클래스내 분산과, 상기 클래스간 분산 산출단계에서 산출된 클래스간 분산과의 비인 분산비를 산출하는 분산비 산출단계; 및
    상기 분산비 산출단계에서 산출된 분산비가 설정된 조건을 만족하는 경우, 상기 후보 화상을 상기 등록 화상으로 하고, 그 등록 화상의 등록 정보를, 상기 특정단계에서 특정된 식별 정보에 대응시켜 상기 기억부에 등록하는 등록단계;
    를 컴퓨터에 실행시키기 위한 제어 프로그램이 기록된 컴퓨터-리더블(computer-readable) 기록매체.
  11. 어느 대상을 화상 인식하기 위해 미리 등록되는 등록 화상으로서, 대상 화상의 등록 후보인 후보 화상을 등록할지를 판정하는 등록 판정장치의 제어방법으로서,
    상기 후보 화상을 취득하는 후보 취득단계;
    상기 후보 취득수단이 취득한 후보 화상과 등록 정보를 저장하는 기억부에 기억된 등록 화상을 대조함으로써, 대응하는 식별 정보를 특정하는 특정단계;
    상기 후보 취득단계에서 취득된 후보 화상의 특징량을 산출하는 특징량 산출단계;
    상기 특정단계에서 특정된 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상에 대해서, 상기 등록 화상의 화상 데이터 및 특징량의 적어도 한쪽인 등록 정보를, 상기 대상을 개별로 식별하는 식별 정보에 대응시켜 기억하는 기억부에 기억된 상기 등록 화상의 등록 정보에 근거하는 특징량과, 상기 특징량 산출단계에서 산출된 상기 후보 화상의 특징량과의 클래스내 분산, 또는 상기 후보 화상의 특징량과 상기 등록 화상의 특징량과의 사이의 유사도의 클래스내 분산을 산출하는 클래스내 분산 산출단계;
    복수의 상기 식별 정보에 각각 대응하는 복수의 클래스의 등록 화상에 대해서, 상기 기억부에 기억된 등록 화상의 등록 정보에 근거하는 등록 화상의 특징량과 후보 화상의 특징량의 클래스간 분산, 또는, 상기 후보 화상의 특징량과 등록 화상의 특징량과의 사이의 유사도의 클래스간 분산을 산출하는 클래스간 분산 산출단계;
    상기 클래스내 분산 산출단계에서 산출된 클래스내 분산과, 상기 클래스간 분산 산출단계에서 산출된 클래스간 분산과의 비인 분산비를 산출하는 분산비 산출단계; 및
    상기 분산비 산출단계에서 산출된 분산비가 설정된 조건을 만족하는 경우, 상기 후보 화상을 상기 등록 화상으로 하고, 그 등록 화상의 등록 정보를, 상기 특정단계에서 특정된 식별 정보에 대응시켜 상기 기억부에 등록하는 등록단계;
    를 포함하는 것을 특징으로 하는 등록 판정장치의 제어방법.
  12. 어느 대상을 화상 인식하기 위해 미리 등록되는 등록 화상으로서, 대상 화상의 등록 후보인 후보 화상을 등록할지를 판정하는 등록 판정장치를 동작시키기 위한 제어프로그램에 있어서,
    상기 등록 화상의 화상 데이터 및 특징량의 적어도 한쪽인 등록 정보를, 상기 대상을 개별로 식별하는 식별 정보에 대응시켜 기억하는 기억단계;
    상기 후보 화상을 취득하는 후보 취득단계;
    상기 후보 취득수단이 취득한 후보 화상과 등록 정보를 저장하는 기억부에 기억된 등록 화상을 대조함으로써, 대응하는 식별 정보를 특정하는 특정단계;
    상기 후보 취득단계에서 취득된 후보 화상의 특징량을 산출하는 특징량 산출단계;
    상기 특정단계에서 특정된 식별 정보에 대응하는 동일 클래스의 후보 화상 및 등록 화상에 대해서, 상기 등록 화상의 화상 데이터 및 특징량의 적어도 한쪽인 등록 정보를, 상기 대상을 개별로 식별하는 식별 정보에 대응시켜 기억하는 기억부에 기억된 상기 등록 화상의 등록 정보에 근거하는 특징량과, 상기 특징량 산출단계에서 산출된 상기 후보 화상의 특징량과의 클래스내 분산, 또는 상기 후보 화상의 특징량과 상기 등록 화상의 특징량과의 사이의 유사도의 클래스내 분산을 산출하는 클래스내 분산 산출단계;
    복수의 상기 식별 정보에 각각 대응하는 복수의 클래스의 등록 화상에 대해서, 상기 기억부에 기억된 등록 화상의 등록 정보에 근거하는 등록 화상의 특징량과 후보 화상의 특징량의 클래스간 분산, 또는, 상기 후보 화상의 특징량과 등록 화상의 특징량과의 사이의 유사도의 클래스간 분산을 산출하는 클래스간 분산 산출단계;
    상기 클래스내 분산 산출단계에서 산출된 클래스내 분산과, 상기 클래스간 분산 산출단계에서 산출된 클래스간 분산과의 비인 분산비를 산출하는 분산비 산출단계; 및
    상기 분산비 산출단계에서 산출된 분산비가 설정된 조건을 만족하는 경우, 상기 후보 화상을 상기 등록 화상으로 하고, 그 등록 화상의 등록 정보를, 상기 특정단계에서 특정된 식별 정보에 대응시켜 상기 기억부에 등록하는 등록단계;
    를 컴퓨터에 실행시키기 위한 제어 프로그램이 기록된 컴퓨터-리더블(computer-readable) 기록매체.
KR1020120154696A 2012-03-15 2012-12-27 등록 판정장치, 그 제어방법 및 제어 프로그램, 및 전자기기 KR101424956B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012058991A JP5900052B2 (ja) 2012-03-15 2012-03-15 登録判定装置、その制御方法および制御プログラム、並びに電子機器
JPJP-P-2012-058991 2012-03-15

Publications (2)

Publication Number Publication Date
KR20130105285A KR20130105285A (ko) 2013-09-25
KR101424956B1 true KR101424956B1 (ko) 2014-08-01

Family

ID=47598625

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120154696A KR101424956B1 (ko) 2012-03-15 2012-12-27 등록 판정장치, 그 제어방법 및 제어 프로그램, 및 전자기기

Country Status (5)

Country Link
US (1) US8958647B2 (ko)
EP (1) EP2639740A3 (ko)
JP (1) JP5900052B2 (ko)
KR (1) KR101424956B1 (ko)
CN (1) CN103313018B (ko)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140341443A1 (en) * 2013-05-16 2014-11-20 Microsoft Corporation Joint modeling for facial recognition
JP6268960B2 (ja) * 2013-11-15 2018-01-31 オムロン株式会社 画像認識装置及び画像認識装置に対するデータ登録方法
CN103810663B (zh) * 2013-11-18 2017-09-26 北京航天金盾科技有限公司 一种基于人像识别的人口数据清理方法
JP2015121874A (ja) * 2013-12-20 2015-07-02 富士通株式会社 生体認証装置、照合用データ検証方法及び照合用データ検証用コンピュータプログラム
US9614724B2 (en) 2014-04-21 2017-04-04 Microsoft Technology Licensing, Llc Session-based device configuration
US9639742B2 (en) 2014-04-28 2017-05-02 Microsoft Technology Licensing, Llc Creation of representative content based on facial analysis
US9773156B2 (en) 2014-04-29 2017-09-26 Microsoft Technology Licensing, Llc Grouping and ranking images based on facial recognition data
US9384335B2 (en) 2014-05-12 2016-07-05 Microsoft Technology Licensing, Llc Content delivery prioritization in managed wireless distribution networks
US9430667B2 (en) 2014-05-12 2016-08-30 Microsoft Technology Licensing, Llc Managed wireless distribution network
US10111099B2 (en) 2014-05-12 2018-10-23 Microsoft Technology Licensing, Llc Distributing content in managed wireless distribution networks
US9384334B2 (en) 2014-05-12 2016-07-05 Microsoft Technology Licensing, Llc Content discovery in managed wireless distribution networks
US9874914B2 (en) 2014-05-19 2018-01-23 Microsoft Technology Licensing, Llc Power management contracts for accessory devices
JP6427973B2 (ja) * 2014-06-12 2018-11-28 オムロン株式会社 画像認識装置及び画像認識装置への特徴量データ登録方法
US9367490B2 (en) 2014-06-13 2016-06-14 Microsoft Technology Licensing, Llc Reversible connector for accessory devices
US9460493B2 (en) 2014-06-14 2016-10-04 Microsoft Technology Licensing, Llc Automatic video quality enhancement with temporal smoothing and user override
US9373179B2 (en) 2014-06-23 2016-06-21 Microsoft Technology Licensing, Llc Saliency-preserving distinctive low-footprint photograph aging effect
CN104268153B (zh) * 2014-09-01 2017-09-26 北京航天金盾科技有限公司 一种人口数据查重方法和装置
US9405965B2 (en) * 2014-11-07 2016-08-02 Noblis, Inc. Vector-based face recognition algorithm and image search system
KR102245747B1 (ko) 2014-11-20 2021-04-28 삼성전자주식회사 사용자 명령어 등록을 위한 디스플레이 장치 및 방법
US9619803B2 (en) * 2015-04-30 2017-04-11 Google Inc. Identifying consumers in a transaction via facial recognition
US10482336B2 (en) 2016-10-07 2019-11-19 Noblis, Inc. Face recognition and image search system using sparse feature vectors, compact binary vectors, and sub-linear search
JP6799354B2 (ja) 2016-10-26 2020-12-16 キヤノン株式会社 画像処理装置、画像処理装置の制御方法、及びプログラム
JP7216491B2 (ja) * 2018-07-27 2023-02-01 シャープ株式会社 ユーザー選択補助装置、画像形成装置、ユーザー選択補助方法およびユーザー選択補助プログラム
CN108831158A (zh) * 2018-08-20 2018-11-16 贵州宜行智通科技有限公司 违停监测方法、装置及电子终端
JP7054847B2 (ja) * 2019-03-04 2022-04-15 パナソニックＩｐマネジメント株式会社 顔認証登録装置および顔認証登録方法
KR20200110064A (ko) 2019-03-15 2020-09-23 삼성전자주식회사 변환 모델을 이용한 인증 방법 및 장치
US11711216B1 (en) * 2019-12-02 2023-07-25 T Stamp Inc. Systems and methods for privacy-secured biometric identification and verification
KR20230106977A (ko) * 2022-01-07 2023-07-14 한화비전 주식회사 재순위화를 통한 객체 검색

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000222576A (ja) 1999-01-29 2000-08-11 Nec Corp 人物識別方法及び装置と人物識別プログラムを記録した記録媒体ならびにロボット装置
JP2010213749A (ja) 2009-03-13 2010-09-30 Omron Corp 車両動作制御装置および方法、並びにプログラム

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5161204A (en) * 1990-06-04 1992-11-03 Neuristics, Inc. Apparatus for generating a feature matrix based on normalized out-class and in-class variation matrices
JPH04177629A (ja) 1990-11-10 1992-06-24 Sharp Corp チップメモリ
JPH04314016A (ja) 1991-04-12 1992-11-05 Nippon Telegr & Teleph Corp <Ntt> 任意接続型マトリクス光スイッチ
JPH05210740A (ja) * 1992-01-31 1993-08-20 N T T Data Tsushin Kk パターン認識辞書作成システムおよびその追加パターン作成方法
JPH07262379A (ja) * 1994-03-18 1995-10-13 N T T Data Tsushin Kk 物品同定システム
JP3564984B2 (ja) 1997-12-02 2004-09-15 オムロン株式会社 本人特定装置及び本人特定方法
JP3621245B2 (ja) * 1997-12-12 2005-02-16 株式会社東芝 人物認識装置、人物認識方法、および、人物認識プログラムの記録媒体
JP4255999B2 (ja) 1998-10-20 2009-04-22 三菱電機株式会社 指紋照合装置
JP2001351104A (ja) * 2000-06-06 2001-12-21 Matsushita Electric Ind Co Ltd パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置
JP2002259980A (ja) * 2001-03-05 2002-09-13 Omron Corp 生体照合装置、生体照合システム、生体照合方法および登録データ更新方法
JP3903783B2 (ja) * 2001-12-14 2007-04-11 日本電気株式会社 顔メタデータ生成方法および装置、並びに顔類似度算出方法および装置
JP2004046697A (ja) 2002-07-15 2004-02-12 Omron Corp 個人認証装置
JP4177629B2 (ja) 2002-09-30 2008-11-05 株式会社東芝 個人認証装置、個人認証方法、入退出管理装置及び入退出管理方法
JP4314016B2 (ja) * 2002-11-01 2009-08-12 株式会社東芝 人物認識装置および通行制御装置
JP2004302645A (ja) 2003-03-28 2004-10-28 Sony Corp 顔登録装置、顔登録方法、記録媒体、及びロボット装置
US7856123B2 (en) * 2004-06-04 2010-12-21 France Telecom Method for recognising faces by means of a two-dimensional linear discriminant analysis
JP4594176B2 (ja) 2005-06-22 2010-12-08 三菱電機株式会社 画像処理装置及び入退室管理システム
JP4595750B2 (ja) * 2005-08-29 2010-12-08 ソニー株式会社 画像処理装置および方法、並びにプログラム
JP5017873B2 (ja) * 2006-02-07 2012-09-05 コニカミノルタホールディングス株式会社 個人照合装置及び個人照合方法
JP4705512B2 (ja) 2006-04-28 2011-06-22 セコム株式会社 顔画像照合装置
JP4705511B2 (ja) 2006-04-28 2011-06-22 セコム株式会社 顔画像照合装置
JP5247480B2 (ja) * 2009-01-13 2013-07-24 キヤノン株式会社 オブジェクト識別装置及びオブジェクト識別方法
US8571273B2 (en) * 2009-05-22 2013-10-29 Nokia Corporation Method and apparatus for performing feature extraction using local primitive code
JP5451302B2 (ja) * 2009-10-19 2014-03-26 キヤノン株式会社 画像処理装置及び方法、プログラム及び記憶媒体
JP5554987B2 (ja) * 2009-12-28 2014-07-23 キヤノン株式会社 オブジェクト識別装置及びその制御方法
JP5753966B2 (ja) * 2010-08-05 2015-07-22 パナソニックＩｐマネジメント株式会社 顔画像登録装置および方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000222576A (ja) 1999-01-29 2000-08-11 Nec Corp 人物識別方法及び装置と人物識別プログラムを記録した記録媒体ならびにロボット装置
JP2010213749A (ja) 2009-03-13 2010-09-30 Omron Corp 車両動作制御装置および方法、並びにプログラム

Also Published As

Publication number Publication date
US20130243328A1 (en) 2013-09-19
KR20130105285A (ko) 2013-09-25
JP5900052B2 (ja) 2016-04-06
CN103313018B (zh) 2016-12-28
EP2639740A3 (en) 2014-09-03
EP2639740A2 (en) 2013-09-18
CN103313018A (zh) 2013-09-18
US8958647B2 (en) 2015-02-17
JP2013196008A (ja) 2013-09-30

Similar Documents

Publication Publication Date Title
KR101424956B1 (ko) 등록 판정장치, 그 제어방법 및 제어 프로그램, 및 전자기기
KR100996066B1 (ko) 얼굴화상 등록 장치, 얼굴화상 등록 방법, 및 기록 매체
US10445562B2 (en) AU feature recognition method and device, and storage medium
JP5174045B2 (ja) 分類器チェーンを用いた照明検出
US20120148118A1 (en) Method for classifying images and apparatus for the same
US8542887B2 (en) Object identification apparatus and object identification method
JP6351240B2 (ja) 画像処理装置、画像処理方法及びプログラム
US20170083756A1 (en) Apparatus, image processing method, and computer-readable storage medium
US8634656B2 (en) Recognizing objects by utilizing dictionary data and probability data determined by machine learning
WO2010103735A1 (ja) 顔照合装置、電子機器、顔照合装置の制御方法、および顔照合装置制御プログラム
US20090285454A1 (en) Method and system for facial recognition training of users of entertainment systems
JPWO2010004958A1 (ja) 個人認証システム、個人認証方法
US9542594B2 (en) Information processing apparatus, method for processing information, and program
US10430457B2 (en) Image processing apparatus, image processing method, search apparatus, search method, and non-transitory computer-readable storage medium
JP2007140823A (ja) 顔照合装置、顔照合方法及びプログラム
JP2011145958A (ja) パターン識別装置及びその制御方法
US20160073004A1 (en) Detection of object in digital image
CN111353368A (zh) 云台摄像机、人脸特征处理方法及装置、电子设备
JP5895624B2 (ja) 画像処理装置、画像処理方法、制御プログラムおよび記録媒体
KR100705177B1 (ko) 이동통신 단말기 및 이를 이용한 사진영상 분류 방법
JP6855175B2 (ja) 画像処理装置、画像処理方法およびプログラム
JP2018092272A (ja) 生体認証装置、生体認証方法及びプログラム
KR20090113617A (ko) 영상 선택 방법, 장치 및 그 방법을 실행하는 프로그램이기록된 기록매체
KR20230103170A (ko) 복수 개의 반려동물의 생체 특징 정보를 상호 대응하는 방법과 그 구현
CN114758373A (zh) 视频分类筛选方法、装置、设备及存储介质

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170616

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180628

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190627

Year of fee payment: 6