KR20040086252A - 얼굴 메타 데이터 생성 - Google Patents

얼굴 메타 데이터 생성 Download PDF

Info

Publication number
KR20040086252A
KR20040086252A KR10-2004-7009997A KR20047009997A KR20040086252A KR 20040086252 A KR20040086252 A KR 20040086252A KR 20047009997 A KR20047009997 A KR 20047009997A KR 20040086252 A KR20040086252 A KR 20040086252A
Authority
KR
South Korea
Prior art keywords
face
frequency
vector
feature
image
Prior art date
Application number
KR10-2004-7009997A
Other languages
English (en)
Other versions
KR100731937B1 (ko
Inventor
가메이도시오
Original Assignee
닛본 덴끼 가부시끼가이샤
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 닛본 덴끼 가부시끼가이샤 filed Critical 닛본 덴끼 가부시끼가이샤
Publication of KR20040086252A publication Critical patent/KR20040086252A/ko
Application granted granted Critical
Publication of KR100731937B1 publication Critical patent/KR100731937B1/ko

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168Feature extraction; Face representation
    • G06V40/171Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

묘사 길이가 콤팩트하고, 또한 국소적인 오차의 영향을 받기 어려운 얼굴 인식을 위한 얼굴 특징량을 추출하기 위한 얼굴 메타 데이터 생성기술이다. 영역 절출부 (121) 는 얼굴 화상의 국소 영역을 절출한다. 주파수 특징 추출 수단 (122) 은 그 국소 영역에서의 주파수 스펙트럼을 추출한다. 벡터 사영 수단 (123) 은, 얻어진 주파수 특징을 부분 공간에 사영함으로써, 그 국소 영역의 얼굴 특징을 추출한다. 얼굴 메타 데이터 생성장치 (12) 는 이 얼굴 특징을 절출 위치를 변경한 복수의 국소 영역에 대해 추출하여 얼굴 메타 데이터로서 생성한다.

Description

얼굴 메타 데이터 생성{FACE META-DATA CREATION}
메타 데이터란 일반적으로 데이터의 의미를 기술 혹은 대표하는 데이터를 말한다. 얼굴 인식의 경우에 있어서는 메타 데이터란 주로 정지 얼굴 화상이나 동화상 등의 얼굴 데이터에 관한 데이터를 의미한다.
영상ㆍ화상이나 음성 등의 멀티 미디어 콘텐츠에 대한 메타 데이터의 표준화 활동으로서 MPEG-7 (Moving Pictures Experts Group-7) 의 활동이 널리 알려져 있다. 이 중에서 얼굴 인식에 관한 메타 데이터의 기술자 (descriptor) 로서, 얼굴 인식 기술자가 제안되어 있다 (A. Yamada외 편, "MPEG-7 Visual part of eXperimental Model Version 9.0," ISO/IEC JTC1/SC29/WG11 N3914,2001).
이 얼굴 인식 기술자에서는, 절출 (切出) 하여 정규화한 얼굴 화상에 대해, 일반적으로 고유 얼굴로 불리는 부분 공간법의 일종을 사용하여, 얼굴 화상의 특징량을 추출하기 위한 기저 행렬을 구하고, 이 기저 행렬에 의해 화상중에서 얼굴 특징량을 추출하고 이것을 메타 데이터로 한다. 또 이 얼굴 특징량에 대한 유사도로서 가중부여 절대값 거리를 사용하는 것을 제안하고 있다.
또 얼굴 인식에 관한 기술에는 다양한 방법이 있는 것이 알려져 있다. 예컨대 주성분 분석 (Moghaddam 외, "Probalilistic Visual Learning for Object Detection," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.17, No.7, pp.696-710, 1997), 혹은 판별 분석 (W. Zhao 외, "Discriminant Analysis of Principal Components for Face Recognition," Proceedings of the IEEE Third International Conference on Automatic Face and Gesture Recognition, pp.336-341, 1998) 에 의거하는 고유공간법에 의한 얼굴 인식 수법이 알려져 있다. 또 독립 성분 분석을 이용한 얼굴 동정방법도 있다 (우메야마 외, 「교사가 딸린 독립 성분 분석을 이용한 얼굴의 동정에 대해」, 전자정보통신학회, PRMU99-27, 1999).
한편, 일본 공개특허공보 평5-20442호나 문헌 (아카마쓰 외, 「농담화상 매칭에 의한 로버스트한 정면얼굴의 식별법-푸리에 스펙트럼의 KL 전개의 응용-」, 전자정보통신학회 논문집, J76-D-ll, No.7, pp.1363-1373, 2001) 에는, 얼굴 화상 대조 기술이 기재되어 있다. 이 얼굴 화상 대조 기술에서는, 얼굴 화상의 푸리에 주파수의 파워 스펙트럼에 대해, 주성분을 분석하여 얻어지는 얼굴 특징량을 사용하여 얼굴을 대조한다. 푸리에 변환에 의해 얻어지는 파워 스펙트럼이 평행이동에 대해 불변인 특징량이라는 성질을 이용하여, 화상의 화소를 특징 벡터로 하여 주성분 분석하는 경우보다도 양호한 결과를 내고 있다.
또 국소적인 화상영역으로 분할하여 템플레이트 매칭을 행함으로써, 화상을 매칭하는 방법도 있다 (사이또, 「블록 투표처리에 의한 차폐에 완강한 점 플레이트 매칭」, 전자정보통신학회 논문지, Vol.J84-D-ll, No.10, pp.2270-2279). 이 방법은 국소 영역마다 매칭시켜, 그 평가값을 국소 영역마다 누적하여 매칭의 평가값을 계산하거나, 혹은 국소 영역의 평가값을 투표공간에 투효함으로써 화상의 매칭의 평가값을 계산한다.
그러나 종래의 기술에서는, 얼굴 화상의 전체에 대해 똑같이 샘플링한 화소값, 혹은 화상 전체의 푸리에 스펙트럼을 입력 특징으로 하여, 주성분 분석이나 독립 성분 분석 등을 행하기 때문에, 화상 상의 일부에서 발생하는 매칭의 오차 (예컨대 은폐 등이나 얼굴 방향의 변동 등에 기인하는 매칭의 오차) 가 부분 공간으로의 벡터에 파급된다. 그 결과, 종래의 기술에서는, 전체적인 평가값에 영향을 주어 대조 정밀도가 향상되지 않는다는 문제가 있었다. 예컨대 화소 특징을 주성분 분석한 경우에 얻어지는 기저 벡터에서는, 그 벡터 요소가 화소 전체에 계수를 갖는 경우가 많아, 사영 후의 특징 벡터가 일부 영역의 오차에 영향을 받기 때문이다.
한편, 국소적인 화상영역으로 절출하는 템플레이트 매칭에서는 은폐 등을 흡수하여 매칭할 수 있는 것, 블록을 매칭하기 위한 연산량이 많아 실용상 문제가 있었다.
본 발명은 얼굴 동정 (同定) 이나 얼굴 식별, 얼굴의 표정인식, 얼굴에 의한 남녀식별, 얼굴에 의한 연령판별 등에 이용할 수 있는 얼굴 인식 기술에 관한 것으로, 특히 정지화상이나 동화상에 비춰져 있는 얼굴 정보에 관한 메타 데이터를 생성하는 메타 데이터의 생성장치, 생성방법, 생성 프로그램에 관한 것이다.
발명을 보다 상세하게 설명하기 위해 첨부 도면에 따라 이를 설명한다.
도 1 은 본 발명의 일 실시형태에 의한 얼굴 메타 데이터 생성장치를 구비한 얼굴 화상 매칭 시스템의 구성을 나타내는 블록도이다.
따라서 본 발명의 목적은, 묘사 길이가 짧고, 매칭의 연산량을 적게 할 수있는 얼굴 메타 데이터 생성 기술을 제공하는 것에 있다.
본 발명의 다른 목적은, 얼굴 인식의 정밀도를 향상시킬 수 있는 얼굴 메타 데이터 생성기술을 제공하는 것에 있다.
본 발명에 의하면, 화상의 얼굴 정보에 관한 메타 데이터를 생성하는 얼굴 메타 데이터 생성장치에 있어서, 화상으로부터 국소 영역을 절출하는 영역 절출 수단과, 이 국소 영역 절출수단에 의해 절출된 영역의 주파수 특징을 추출하는 주파수 특징 추출 수단과, 이 주파수 특징 추출 수단에 의해 추출된 주파수 특징을 벡터로 하는 특징 벡터를 미리 규정해 놓은 부분 공간에 사영하는 벡터 사영 수단을 적어도 구비하고, 복수의 상이한 국소 영역마다 사영된 특징 벡터를 추출하고, 이들의 특징 벡터를 얼굴 메타 데이터로 하여 생성하는 것을 특징으로 하는 얼굴 메타 데이터 생성장치가 얻어진다.
상기 메타 데이터 생성장치에 있어서, 주파수 특징 추출 수단은, 이산 푸리에 변환에 의한 푸리에 주파수의 파워 스펙트럼 강도를 주파수 특징으로 하여 추출하는 것이 바람직하다. 혹은 주파수 특징 추출 수단은, 이산 코사인 변환 혹은 이산 사인 변환에 의한 전개 계수를 주파수 특징으로 추출해도 된다.
또한 벡터 사영 수단은, 주파수 특징의 주성분 분석, 혹은 판별 분석, 혹은 독립 성분 분석에 의해 미리 얻어지는 기저 벡터에 의해 특정되는 부분 공간에 주파수 특징 벡터를 사영함으로써 주성분 벡터를 계산하는 것이 바람직하다.
또 영역 절출 수단은, 각 국소 영역에 대응하는 영역 위치를 화상 중에서 탐색하고, 절출 위치를 구한 후에 국소 영역을 절출해도 된다.
상기 서술한 얼굴 메타 데이터 생성장치에 의해 추출된 얼굴 메타 데이터는, 고속이고 고정밀도의 얼굴 화상의 매칭을 달성할 수 있는 묘사 길이가 짧은 얼굴 메타 데이터가 된다.
이하 도 1 을 참조하여 얼굴 화상 매칭 시스템에 대해 상세하게 설명한다.
도 1 에 나타내는 바와 같이 본 발명에 의한 얼굴 화상 매칭 시스템은, 얼굴 화상을 입력하는 얼굴 화상 입력 장치 (11) 와, 이 얼굴 화상 입력 장치 (11) 로부터 입력된 얼굴 화상으로부터 얼굴 메타 데이터를 생성하는 얼굴 메타 데이터 생성장치 (12) 와, 이 얼굴 메타 데이터 생성장치 (12) 에서 생성 (추출) 된 얼굴 메타 데이터를 축적하는 얼굴 메타 데이터 축적 장치 (13) 와, 얼굴 메타 데이터로부터 얼굴의 유사도를 산출하는 얼굴 유사도 산출 장치 (14) 와, 얼굴 화상을 축적하는 얼굴 화상 데이터 베이스 (15) 와, 화상의 등록요구ㆍ검색요구에 따라, 화상의 입력ㆍ메타 데이터의 생성ㆍ메타 데이터의 축적ㆍ얼굴 유사도의 산출을 제어하는 제어 장치 (16) 와, 얼굴 화상이나 기타의 정보를 표시하는 표시장치 (17) 를 구비하고 있다.
또 얼굴 메타 데이터 생성장치 (12) 는, 입력된 얼굴 화상으로부터 얼굴의국소 영역을 절출하는 영역 절출부 (121) 와, 절출된 영역의 주파수 특징을 추출하는 주파수 특징 추출부 (122) 와, 주파수 특징을 벡터로 하는 특징 벡터를 부분 공간에 사영하고, 특징 벡터를 추출하는 벡터 사영부 (123) 에 의해 구성된다. 얼굴 메타 데이터 생성장치 (12) 는, 복수의 상이한 국소 영역마다 특징 벡터를 추출함으로써 얼굴 메타 데이터를 생성한다.
얼굴 화상의 등록시에는 스캐너 혹은 비디오카메라 등의 화상 입력 장치 (11) 로 얼굴 사진 등을 얼굴 크기나 위치를 맞춘 후에 입력한다. 혹은 인물의 얼굴을 직접 비디오카메라 등으로 입력해도 상관없다. 이 경우에는 상기 서술한 Mohaddam 의 문헌에 나타나 있는 바와 같은 얼굴 검출 기술을 이용하여, 입력된 화상의 얼굴 위치를 검출하고, 얼굴 화상의 크기 등을 자동적으로 정규화하는 것이 좋다.
또 입력된 얼굴 화상은 필요에 따라 얼굴 데이터베이스 (15) 에 등록된다. 얼굴 화상 등록과 동시에 얼굴 메타 데이터 생성장치 (12) 에 의해 얼굴 메타 데이터가 생성되고, 생성된 얼굴 메타 데이터는 얼굴 메타 데이터 축적 장치 (13) 에 축적된다.
검색시에는, 등록시와 동일하게 얼굴 화상 입력 장치 (11) 에 의해 얼굴 화상이 입력되고, 얼굴 메타 데이터 생성장치 (12) 에서 얼굴 메타 데이터가 생성된다. 생성된 얼굴 메타 데이터는, 일단 얼굴 메타 데이터 축적 장치 (13) 에 등록되거나, 또는 직접 얼굴 유사도 산출 장치 (14) 로 보내진다.
검색에서는, 미리 입력된 얼굴 화상이 데이터베이스 중에 있는지 여부를 확인하는 경우 (얼굴 동정) 에는, 얼굴 유사도 산출 장치 (14) 는, 얼굴 메타 데이터 축적 장치 (13) 에 등록된 데이터 하나하나와의 유사도를 산출한다. 가장 유사도가 높은 결과에 의거하여, 제어 장치 (16) 는, 얼굴 화상 데이터베이스 (15) 로부터 얼굴 화상을 선택하여, 표시장치 (17) 등에 얼굴 화상을 표시한다. 검색화상과 등록화상에 있어서의 얼굴의 동일성을 작업자가 확인한다.
한편 미리 ID 번호 등으로 특정된 얼굴 화상과 검색의 얼굴 화상이 일치하는지 여부를 확인하는 경우 (얼굴 식별) 에서는 얼굴 유사도 산출 장치 (14) 는 특정된 ID 번호의 얼굴 화상과 일치하는지 아닌지를 계산한다. 제어 장치 (16) 는 미리 결정된 유사도보다도 유사도가 낮은 경우에는 일치하지 않는 것으로 판정하고, 유사도가 높은 경우에는 일치하는 것으로 판정하여, 그 결과를 표시부 (17) 에 표시한다. 이 시스템을 입실관리용으로 사용한다면, 얼굴 화상을 표시하는 대신에, 제어 장치 (16) 로부터 자동 도어에 대해 그 개폐 제어 신호를 보냄으로써, 자동 도어의 제어에 의해 입실관리를 할 수 있다.
상기와 같이 얼굴 화상 매칭 시스템은 동작하는데, 이와 같은 동작은 컴퓨터 시스템상에서 실현할 수도 있다. 예컨대 다음에 상세하게 서술하는 바와 같은 메타 데이터를 생성하는 메타 데이터 생성 프로그램 및 유사도 산출 프로그램을 각각 메모리에 저장해 두고, 이들을 프로그램 제어 프로세서에 의해 각각 실행함으로써 얼굴 화상 매칭을 실현할 수 있다.
다음에 이 얼굴 화상 매칭 시스템의 동작, 특히 얼굴 메타 데이터 생성장치 (12) 와 얼굴 유사도 산출 장치 (14) 의 동작에 대해 상세하게 설명한다.
(1) 얼굴 메타 데이터 생성
최초에 얼굴 메타 데이터 생성장치 (12) 의 동작에 대해 설명한다.
얼굴 메타 데이터 생성장치 (12) 는, 위치와 크기를 정규화한 화상 l(x,y) 을 사용하여 얼굴 특징량을 추출한다. 위치와 크기의 정규화는 예컨대 눈 위치가 (32,48), (62,48), 크기가 92×112 화소가 되도록 화상을 정규화해 두면 된다. 이하에서는 이 크기로 화상이 정규화되어 있는 경우에 대해 설명한다.
다음에 영역 절출부 (121) 에 의해 얼굴 화상이 미리 설정된 얼굴 화상의 복수의 국소 영역을 절출한다. 예를 들면 상기 화상을 예컨대 (x,y)=(15*l+8, 15*j+10) (l=0,1,2,…,5;j=0,1,2,…,6) 의 등간격의 점을 중심으로 하는 16×16 화소의 42 (=M) 개의 국소 영역으로 절출하는 것으로 한다. 먼저 이 중의 하나의 영역 (i,j)=(0,0) 의 국소 영역 s(x,y) 를 영역 절출부 (121) 에 의해 절출한다.
상기 서술한 국소 영역의 절출에서는 미리 결정된 위치에서 국소 영역을 절출하고 있으나, 얼굴의 부품 (눈이나 코, 입, 눈썹) 의 부분 영역으로 절출해 두고, 그 부분 영역을 검출함으로써 각 국소 영역에 대응하는 영역위치를 얼굴 화상 중에서 탐색하여 절출 위치를 보정한 후에, 국소 영역을 절출함으로써 얼굴 방향에 의한 부품의 위치 어긋남을 보정하여, 보다 안정된 얼굴 특징량을 추출하는 것이 가능해진다. 예컨대 입력 화상의 평균으로부터 계산한 평균 얼굴을 이용하여 국소 영역의 템플레이트를 작성하고, 그 템플레이트를 템플레이트 탐색의 기준위치 (평균얼굴에서의 위치이어도 됨) 의 주변에서 탐색하여, 그 매칭하는 위치에 의거하여 절출 위치를 보정한 후 국소 영역 (얼굴의 부품영역) 을 절출한다. 이 때의 템플레이트 매칭에서는 정규화 상관법 등을 이용한다.
여기에서는, 템플레이트는 얼굴의 부품으로 설명했으나, 상기 서술한 바와 같은 균등한 샘플링에 의해 국소 영역을 정의해 두어도 된다.
이와 같이 얼굴의 부품 등을 템플레이트로 하여 갖다 놓고, 템플레이트의 위치를 보정함으로써, 전체적인 얼굴의 위치를 맞추는 것만으로는 완전히 보정할 수 없는, 자세의 변동 등에 따라 발생하는 국소 영역 (얼굴 부품) 의 위치어긋남을 보정한 후에 얼굴의 국소 특징량을 추출한다. 이에 의해, 출력되는 국소 영역의 특징량을 안정화시킬 수 있어 대조 정밀도를 향상시킬 수 있다.
이 외에도 얼굴의 부품검출에 대해서는, 예컨대 일본 공개특허공보 평10-307923호에 개시되어 있는 얼굴 부품의 추출기술을 이용하여 얼굴 부품을 추출하는 것도 가능하다.
다음에 주파수 특징 추출부 (122) 는, 절출된 국소 영역 s(x,y) 을 2차원의 이산 푸리에 변환에 의해 푸리에 변환하고, 얻어지는 푸리에 파워 스펙트럼 S(u,v) 의 파워를 계산한다. 또한 2차원 화상의 이산 푸리에 변환에 의해 푸리에 파워 스펙트럼 S(u,v) 을 구하는 계산방법은 널리 알려져 있고, 예컨대 문헌 (Rosenfeld 외, 「디지털 화상처리」, pp.20-26, 근대과학사) 에 서술되어 있으므로 여기에서는 설명을 생략한다.
이와 같이 하여 얻어지는 2차원의 푸리에 파워 스펙트럼은 2차원의실제 성분만의 화상을 변환하고 있으므로, 얻어지는 푸리에 주파수 성분은 대칭인 것으로 된다. 이 때문에 파워 스펙트럼은 u=0,1,…,15;v=0,1,…,15 인 256개의 성분을 갖는데, 그 절반의 성분 u=0,1,…,15;v=0,1,…,7 의 128개의 성분과, 남은 절반의 u=0,1,…,15;v=8,9,…,15 는 실질적으로 동등한 성분이 된다. 주파수 특징 추출부 (122) 는, 조명 변동의 영향을 받기 쉬운 직류 성분의을 제외하고, 전반의 127개의 파워 스펙트럼을 주파수 특징으로서 추출한다.
푸리에 변환을 사용하는 대신에 이산 코사인 변환 혹은 이산 사인 변환을 사용하여, 그 전개 계수를 주파수 특징으로서 추출해도 상관없다. 이산 코사인 변환의 경우에는, 화상의 원점좌표를 화상중심에 두도록 변환함으로써, 특히 얼굴의 비대칭 성분 (특히 좌우의 비대칭 성분) 을 추출하지 않도록, 특징량을 추출할 수 있다. 단, 이산 코사인 변환이나 이산 사인 변환의 경우에는 반드시 푸리에 파워와 같은 병진 불변성이 유지되는 것은 아니기 때문에, 미리 해 두는 위치맞춤의 정밀도가 결과적으로 영향을 주기 쉬워지므로 주의가 필요하다.
다음에 벡터 사영부 (123) 는, 주파수 특징으로서 추출된 127개의 특징량을 벡터로 취급한다. 미리 규정해 두는 부분 공간은, 학습용의 얼굴 화상 세트를 준비하고, 대응하는 절출 영역의 주파수 특징 벡터의 주성분 분석에 의해 얻어지는 기저 벡터 (고유 벡터) 에 의해 결정한다. 이 기저 벡터를 구하는 방법에 대해서는, 상기 서술한 Moghaddam 의 문헌이나 일본 공개특허공보 평5-20442호를 비롯하여 여러 문헌에서 설명되어 있는 일반적으로 널리 알려진 방법이므로 여기에서는설명을 생략한다. 기저 벡터는 고유값이 큰 순번으로 N개의 성분 (제1 주성분 내지 제N 주성분) 을 사용하는 것으로 한다. N 으로서는 5개 정도로 충분하고, 원래에도 256개의 특징 차원을 50분의 1 정도로 압축할 수 있다. 이것은 주성분 분석 (KL전개) 에 의한 차원 압축의 효과가 높기 때문에, 얼굴 특징을 콤팩트한 특징으로서 기술할 수 있게 된다. 이 N개의 기저 벡터에 의해 특징 공간으로서의 부분 공간을 특정한다. 단, 기저 벡터는 단위 벡터로 정규화한 것이 아니라, 고유 벡터에 대응하는 고유값에 의해, 그 성분을 정규화한 벡터를 사용하는 것으로 한다.
즉, 정규 직교 기저인 기저 벡터를 요소로 하는 행렬을 U 로 하여, 그 요소인 길이 1 의 단위 벡터가 되는 기저 벡터 Uk의 각 성분을 대응하는 고유값 λk의 평방근에 의해 제산해 둔다. 이와 같이 미리 기저 벡터를 변환해 둠으로써, 후술하는 대조시에 있어서의 마하라노비스 거리를 이용한 매칭 연산의 연산량을 삭감할 수 있다.
이것을 보다 상세하게 설명한다. 2개의 주파수 특징 벡터 x1과 x2를 정규 직교 기저의 행렬 U 에 의해 부분 공간으로 사영하여 얻어지는 백터 y1과 y2가 있는 것으로 하면, y1=Ux1, y2=Ux2가 되지만, 마하라노비스 거리에 의해 2개의패턴 간의 거리를 측정하는 경우에는,
가 된다.
즉, 미리 고유값으로 나눈 기저 벡터 Ukk 1/2을 기저 벡터로 사용하면, 이 행렬을 이용하여 사영된 벡터 y1'=(Ukk 1/2)x1과 y2'=(Ukk 1/2)x2의 이승 거리는 마하라노비스 거리가 되므로 연산량을 삭감할 수 있다. 또한 종래, 부분 공간으로의 사영을 구할 때에 평균 벡터를 빼는 조작을 행하는 경우가 많지만, 이승 거리 등의 거리에 의해 유사도를 계산하는 경우에는 단순히 특징 벡터의 원점 이동에 불과하므로, 평균 벡터를 빼도 빼지 않아도 특징 벡터 간에서 통일되어 있으면 어느 것이어도 상관없다.
이와 같이 하여 벡터 사영부 (123) 에 의해 N(=5) 차원의 부분 공간에 사영된 특징 벡터를 추출할 수 있다. 이와 같이 주성분 분석에서는 적은 차원수로 오리지널의 화상의 특징을 콤팩트하게 근사 표현할 수 있어, 적은 차원수로 특징량을 표현함으로써, 메타 데이터의 묘사 길이의 삭감이나 매칭의 고속화를 도모할 수 있다.
또 이상의 설명에서는, 주성분 분석에 의해 부분 공간에 주파수 벡터를 사영하여 특징량을 추출하는 경우에 대해 서술하였으나, 상기 서술한 Zhao 의 문헌과 같이 판별 분석을 이용하여 특징 성분의 기저 벡터를 선택해도 된다. 이 경우도 상기 서술한 바와 동일하게 판별 분석에 의해 5개의 기저 벡터를 선택하여, 주성분 분석의 경우와 동일하게 벡터를 부분 공간에 사영한다. 학습 데이터 세트가 충분히 있는 경우에는, 판별 분석의 경우가 주성분 분석보다도 정밀도가 양호하므로, 학습 세트가 충분히 모여진 경우에는 판별 분석을 사용하는 것이 좋다. 또한 기저 벡터의 선택방법에 대해서는, 성기 서술한 Zhao 의 문헌 외에 널리 알려져 있는 방법이므로, 여기에서는 상세한 설명을 생략한다.
마찬가지로 비직교계의 부분기저를 선택하는 방법으로서 독립 성분 분석을 적용하여 기저 벡터를 선택해도 된다. 독립 성분 분석에 의해 기저 벡터를 선택한 경우에는 기저 벡터가 비직교 기저가 되지만, 이 경우에도 동일하게 선택한 부분 공간에 주파수 특징 벡터를 사영해도 상관없다. 독립 성분 분석에 대해서도 널러 알려진 방법으로, 예컨대 상기 서술한 우메야마 등의 문헌에 개시되어 있어 여기에서는 상세한 설명을 생략한다.
판별 분석이나 독립 성분 분석에 의해, 부분 공간을 선택한 경우에는 주성분 분석의 경우의 고유값 λk에 상당하는 값을 별도 계산한다. 이것은 학습 세트에서 부분 공간으로 사영한 후의 특징 벡터를 사용하여, 그 분산을 각 특징 벡터의 요소마다 계산해 두면 된다. 이 때, 동일한 것으로 간주할만한 인물 간의 요소차이로부터 클래스내 분산 (관측오차의 분산에 상당) 을 구하는 것이, 요소의 학습 세트 전체에 있어서의 분산 (패턴의 분산에 상당) 을 이용하는 경우보다도 성능이 양호하므로, 클래스내 분산을 이용하여 기저 행렬 U 를 정규화해 두는 것이 바람직하다.
이와 같은 조작을 각 국소 영역 s(x,y) 마다 행함으로써, N(=5) 개의 요소를 갖는 M(=42) 개의 벡터의 특징량을 얻을 수 있다. 이 특징 벡터를 입력된 얼굴 화상에 대한 얼굴 메타 데이터로 하여 얼굴 메타 데이터 생성장치 (12) 에 의해 출력한다.
상기 서술한 바와 같이, 상기 얼굴 메타 데이터 생성수단을 컴퓨터 프로그램에 의해 컴퓨터에 실행시킬 수도 있다.
(2) 얼굴 유사도 산출
다음으로 얼굴 유사도 산출 장치 (14) 의 동작에 대해 설명한다.
얼굴 유사도 산출 장치 (14) 는, 2개의 얼굴 메타 데이터로부터 얻어지는 각각 M개의 N차원 특징 벡터 {y1 i}, {y2 i} (i=1,2,…,M) 를 사용하여 2개의 얼굴 사이의 유사도 d ({y1 I},{y1 I}) 를 산출한다.
예컨대
의 이승 거리에 의해 유사도를 산출한다.
이 경우의 거리는, 기저 행렬이 미리 고유값에 의해 정규화되어 있으므로, 상기 서술한 바와 같이 마하라노비스 거리로 되어 있다. 또,
의 비교하는 각 특성 벡터가 이루는 여현 (餘弦) 의 선형합에 의해 유사도를 산출해도 된다.
여기에서 wi은 각 국소 영역마다의 가중계수이다. 이 계수는 예컨대 미리 준비한 학습 세트 중에서 동일한 것으로 간주할만한 얼굴 화상에서의 각 국소 영역 i마다의 특징 벡터 간의 유사도 (마하라노비스 거리 혹은 벡터의 여현) 의 평균을 μi로 했을 때에, 이 역수 1/μi을 가중계수 wi로서 사용하면 된다.
이와 같이 각 영역마다 가중을 부여함으로써, 불안정한 국소 영역 (μi이 큰 국소 영역) 에 대해서는 작은 가중 wi이 부여되고, 유효한 국소 영역일수록 중요한 특징량으로서 큰 가중 wi로 평가할 수 있다. 각 국소 영역에 신뢰성을 가중시킴으로써 정밀도가 양호한 대조가 가능해진다.
또한 거리를 이용한 경우에는 값이 클수록 유사도는 작은 것 (얼굴이 닮지 않음) 을 의미하고, 여현을 사용한 경우에는 값이 클수록 유사도가 큰 것 (얼굴이 닮아 있음) 을 의미한다.
지금까지의 설명에서는, 1장의 얼굴 화상이 등록되고, 1장의 얼굴 화상을 이용하여 검색하는 경우에 대해 설명하였으나, 한 사람의 얼굴에 대해 복수의 화상이등록되고, 1장의 얼굴 화상을 이용하여 검색하는 경우에는, 예컨대 등록측의 복수의 얼굴 메타 데이터를 각각 유사도를 산출하면 된다.
마찬가지로 하나의 얼굴에 대한 복수장의 화상 등록과 복수 화상에 의한 검색의 경우도, 각 조합의 유사도의 평균이나 최소값을 구함으로써, 유사도를 산출함으로써 하나의 얼굴 데이터에 대한 유사도를 산출할 수 있다. 이것은 동화상을 복수 화상으로 간주함으로써, 본 발명의 매칭 시스템을 동화상에서의 얼굴 인식에 대해서도 적용할 수 있는 것을 의미한다.
이상 상세하게 설명한 바와 같이 본 발명에 의하면, 얼굴 화상을 복수의 국소 영역으로 절출하고, 그 절출한 영역의 푸리에 주파수 스펙트럼 등의 주파수 특징을 추출하고, 그 추출된 특징량을 주성분 분석이나 독립 성분 분석 등의 방법에 의해 부분 공간에 사영하여 얻어지는 특징 벡터를 얼굴 메타 데이터로 함으로써, 콤팩트한 묘사 길이를 갖고, 또한 부분적인 위치변동에 대해 안정된 특성을 갖는 얼굴 메타 데이터를 생성할 수 있게 된다. 이와 같은 얼굴 메타 데이터를 사용함으로써, 얼굴 인식을 고속ㆍ고정밀도로 실현할 수 있다.

Claims (18)

  1. 화상의 얼굴 정보에 관한 메타 데이터를 생성하는 얼굴 메타 데이터 생성방법 (12) 에 있어서,
    상기 화상으로부터 복수의 상이한 국소 영역을 절출 (切出) 하는 단계 (121);
    상기 국소 영역의 각각에 대해 주파수 특징을 추출하는 단계 (122); 및
    상기 주파수 특징을 벡터로 하는 특징 벡터를 미리 규정하고 있는 부분 공간에 사영하는 단계 (123) 를 포함하고, 각 국소 영역의 사영된 특징 벡터를 추출하고, 이들 특징 벡터를 얼굴 메타 데이터로서 생성하는 것을 특징으로 하는 얼굴 메타 데이터 생성방법.
  2. 제 1 항에 있어서, 상기 주파수 특징으로서, 이산 푸리에 변환에 의한 푸리에 주파수의 파워 스펙트럼 강도를 추출하는 것을 특징으로 하는 얼굴 메타 데이터 생성방법.
  3. 제 1 항에 있어서, 상기 주파수 특성으로서, 이산 코사인 변환에 의한 전개 계수를 주파수 특징으로 추출하는 것을 특징으로 하는 얼굴 메타 데이터 생성방법.
  4. 제 1 항에 있어서, 상기 주파수 특성으로서, 이산 사인 변환에 의한 전개 계수를 주파수 특징으로 추출하는 것을 특징으로 하는 얼굴 메타 데이터 생성방법.
  5. 제 1 항에 있어서, 상기 부분 공간으로서, 주파수 특징의 주성분 분석에 의해 미리 얻어지는 기저 벡터에 의해 특정되는 부분 공간을 사용하여, 주파수 특징 벡터를 사영함으로써 주성분 벡터를 계산하는 것을 특징으로 하는 얼굴 메타 데이터 생성방법.
  6. 제 1 항에 있어서, 상기 부분 공간으로서, 주파수 특징의 독립 성분 분석에 의해 미리 얻어지는 기저 벡터에 의해 특정되는 부분 공간을 사용하여, 주파수 특징 벡터를 사영함으로써 특징 벡터를 계산하는 것을 특징으로 하는 얼굴 메타 데이터 생성방법.
  7. 제 1 항에 있어서, 상기 부분 공간으로서, 주파수 특징의 판별 분석에 의해 미리 얻어지는 기저 벡터에 의해 특정되는 부분 공간을 사용하여 주파수 특징 벡터를 사영함으로써 특징 벡터를 계산하는 것을 특징으로 하는 얼굴 메타 데이터 생성방법.
  8. 제 1 항에 있어서, 상기 국소 영역으로서, 각 국소 영역에 대응하는 영역 위치를 상기 화상 중에서 탐색하고, 절출 위치를 구한 후에, 국소 영역을 절출하는 것을 특징으로 하는 얼굴 메타 데이터 생성방법.
  9. 화상의 얼굴 정보에 관한 메타 데이터를 생성하는 얼굴 메타 데이터 생성장치 (12) 에 있어서,
    상기 화상으로부터 국소 영역을 절출하는 영역 절출 수단 (121);
    상기 국소 영역 절출 수단에 의해 절출된 영역의 주파수 특징을 추출하는 주파수 특징 추출 수단 (122); 및
    상기 주파수 특징 추출 수단에 의해 추출된 주파수 특징을 벡터로 하는 특징 벡터를 미리 규정되어 있는 부분 공간에 사영하는 벡터 사영 수단 (123) 을 적어도 구비하고, 복수의 상이한 국소 영역마다 사영된 특징 벡터를 추출하고, 이들의 특징 벡터를 얼굴 메타 데이터로서 생성하는 것을 특징으로 하는 얼굴 메타 데이터 생성장치.
  10. 제 9 항에 있어서, 상기 주파수 특징 추출 수단 (122) 은, 이산 푸리에 변환에 의한 푸리에 주파수의 파워 스펙트럼 강도를 주파수 특징으로서 추출하는 것을 특징으로 하는 얼굴 메타 데이터 생성장치.
  11. 제 9 항에 있어서, 상기 주파수 특징 추출 수단 (122) 은, 이산 코사인 변환에 의한 전개 계수를 주파수 특징으로 추출하는 것을 특징으로 하는 얼굴 메타 데이터 생성장치.
  12. 제 9 항에 있어서, 상기 주파수 특징 추출 수단 (122) 은, 이산 사인 변환에 의한 전개 계수를 주파수 특징으로 추출하는 것을 특징으로 하는 얼굴 메타 데이터 생성장치.
  13. 제 9 항에 있어서, 상기 벡터 사영 수단 (123) 은, 주파수 특징의 주성분 분석에 의해 미리 얻어지는 기저 벡터에 의해 특정되는 부분 공간에 주파수 특징 벡터를 사영함으로써 주성분 벡터를 계산하는 것을 특징으로 하는 얼굴 메타 데이터 생성장치.
  14. 제 9 항에 있어서, 상기 벡터 사영 수단 (123) 은, 주파수 특징의 독립 성분 분석에 의해 미리 얻어지는 기저 벡터에 의해 특정되는 부분 공간에 주파수 특징 벡터를 사영함으로써 특징 벡터를 계산하는 것을 특징으로 하는 얼굴 메타 데이터 생성장치.
  15. 제 9 항에 있어서, 상기 벡터 사영 수단 (123) 은, 주파수 특징의 판별 분석에 의해 미리 얻어지는 기저 벡터에 의해 특정되는 부분 공간에 주파수 특징 벡터를 사영함으로써 특징 벡터를 계산하는 것을 특징으로 하는 얼굴 메타 데이터 생성장치.
  16. 제 9 항에 있어서, 상기 영역 절출 수단 (121) 은, 각 국소 영역에 대응하는영역 위치를 상기 화상 중에서 탐색하고, 절출 위치를 구한 후에, 국소 영역을 절출하는 것을 특징으로 하는 얼굴 메타 데이터 생성장치.
  17. 컴퓨터에, 화상의 얼굴 정보에 관한 메타 데이터를 생성시키기 위한 프로그램으로서, 상기 컴퓨터에,
    상기 화상으로부터 복수의 상이한 국소 영역을 절출하는 기능 (121);
    상기 국소 영역의 각각에 대해 주파수 특징을 추출하는 기능 (122); 및
    상기 주파수 특징을 벡터로 하는 특징 벡터를 미리 규정되어 있는 부분 공간에 사영하는 기능 (123) 을 실현시키고, 이에 의해 상기 컴퓨터에 각 국소 영역이 사영된 특징 벡터를 추출시키고, 이들 특징 벡터를 얼굴 메타 데이터로서 생성시키도록 한 것을 특징으로 하는 프로그램.
  18. 얼굴 화상을 입력하는 얼굴 화상 입력 장치 (11); 입력된 얼굴 화상으로부터 얼굴 메타 데이터를 생성하는 얼굴 메타 데이터 생성장치 (12); 생성된 얼굴 메타 데이터를 축적하는 얼굴 메타 데이터 축적 장치 (13); 상기 얼굴 메타 데이터로부터 얼굴의 유사도를 산출하는 얼굴 유사도 산출 장치 (14); 상기 얼굴 화상을 축적하는 얼굴 화상 데이터 베이스 (15); 화상의 등록요구ㆍ검색요구에 따라, 화상의 입력ㆍ메타 데이터의 생성ㆍ메타 데이터의 축적ㆍ얼굴 유사도의 산출을 제어하는 제어 장치 (16); 및 얼굴 화상이나 기타의 정보를 표시하는 표시장치 (17) 를 구비하는 얼굴 화상 매칭 시스템에 있어서,
    상기 얼굴 메타 데이터 생성장치 (12) 는,
    상기 얼굴 화상으로부터 국소 영역을 절출하는 영역 절출 수단 (121);
    상기 국소 영역 절출 수단에 의해 절출된 영역의 주파수 특징을 추출하는 주파수 특징 추출 수단 (122); 및
    상기 주파수 특징 추출 수단에 의해 추출된 주파수 특징을 벡터로 하는 특징 벡터를 미리 규정하고 있는 부분 공간에 사영하는 벡터 사영 수단 (123) 을 구비하는 것을 특징으로 하는 얼굴 화상 매칭 시스템.
KR1020047009997A 2002-03-29 2003-03-28 얼굴 메타 데이터 생성 KR100731937B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2002096003A JP3873793B2 (ja) 2002-03-29 2002-03-29 顔メタデータ生成方法および顔メタデータ生成装置
JPJP-P-2002-00096003 2002-03-29
PCT/JP2003/003976 WO2003083774A1 (fr) 2002-03-29 2003-03-28 Creation de metadonnees faciales

Publications (2)

Publication Number Publication Date
KR20040086252A true KR20040086252A (ko) 2004-10-08
KR100731937B1 KR100731937B1 (ko) 2007-06-25

Family

ID=28671819

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020047009997A KR100731937B1 (ko) 2002-03-29 2003-03-28 얼굴 메타 데이터 생성

Country Status (6)

Country Link
US (1) US20050105779A1 (ko)
EP (1) EP1492049A4 (ko)
JP (1) JP3873793B2 (ko)
KR (1) KR100731937B1 (ko)
CN (1) CN1613090A (ko)
WO (1) WO2003083774A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007123368A1 (en) * 2006-04-26 2007-11-01 Electronics And Telecommunications Research Institute Method and apparatus for user authentication using face image
KR20210122496A (ko) * 2020-04-01 2021-10-12 한국전자통신연구원 벡터를 이용한 장면 묘사 기반의 메타데이터 생성 방법 및 이를 위한 장치

Families Citing this family (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2414328A (en) * 2004-05-17 2005-11-23 Mitsubishi Electric Inf Tech Discrimination transforms applied to frequency domain derived feature vectors
KR100647322B1 (ko) 2005-03-02 2006-11-23 삼성전자주식회사 객체의 모양모델 생성장치 및 방법과 이를 이용한 객체의특징점 자동탐색장치 및 방법
US7519200B2 (en) 2005-05-09 2009-04-14 Like.Com System and method for enabling the use of captured images through recognition
JP4417292B2 (ja) 2005-05-25 2010-02-17 ソフトバンクモバイル株式会社 オブジェクト出力方法及び情報処理装置
US7716157B1 (en) 2006-01-26 2010-05-11 Adobe Systems Incorporated Searching images with extracted objects
US8259995B1 (en) 2006-01-26 2012-09-04 Adobe Systems Incorporated Designating a tag icon
US7978936B1 (en) 2006-01-26 2011-07-12 Adobe Systems Incorporated Indicating a correspondence between an image and an object
US7720258B1 (en) * 2006-01-26 2010-05-18 Adobe Systems Incorporated Structured comparison of objects from similar images
US7636450B1 (en) 2006-01-26 2009-12-22 Adobe Systems Incorporated Displaying detected objects to indicate grouping
US7694885B1 (en) 2006-01-26 2010-04-13 Adobe Systems Incorporated Indicating a tag with visual data
US7706577B1 (en) 2006-01-26 2010-04-27 Adobe Systems Incorporated Exporting extracted faces
US7813526B1 (en) 2006-01-26 2010-10-12 Adobe Systems Incorporated Normalizing detected objects
US7813557B1 (en) 2006-01-26 2010-10-12 Adobe Systems Incorporated Tagging detected objects
JP5170961B2 (ja) * 2006-02-01 2013-03-27 ソニー株式会社 画像処理システム、画像処理装置および方法、プログラム、並びに記録媒体
JP4618153B2 (ja) * 2006-02-10 2011-01-26 セイコーエプソン株式会社 画像処理装置、デジタルカメラ、画像データ構造、自動色補正機能付き印刷装置、顔オブジェクト情報付き撮影画像の生成方法および色補正方法
JP2007233873A (ja) * 2006-03-02 2007-09-13 Toshiba Corp パターン認識装置及びその方法
US7724960B1 (en) 2006-09-08 2010-05-25 University Of Central Florida Research Foundation Inc. Recognition and classification based on principal component analysis in the transform domain
JPWO2008075592A1 (ja) * 2006-12-19 2010-04-08 アルプス電気株式会社 画像判別方法
WO2008133235A1 (ja) * 2007-04-23 2008-11-06 Nec Corporation 2次元パターンのマッチング方法、特徴抽出方法、これらに用いる装置及びプログラム
US7936906B2 (en) * 2007-06-15 2011-05-03 Microsoft Corporation Face recognition using discriminatively trained orthogonal tensor projections
US9164995B2 (en) * 2008-01-03 2015-10-20 International Business Machines Corporation Establishing usage policies for recorded events in digital life recording
US9105298B2 (en) * 2008-01-03 2015-08-11 International Business Machines Corporation Digital life recorder with selective playback of digital video
US9270950B2 (en) * 2008-01-03 2016-02-23 International Business Machines Corporation Identifying a locale for controlling capture of data by a digital life recorder based on location
US8014573B2 (en) * 2008-01-03 2011-09-06 International Business Machines Corporation Digital life recording and playback
US7894639B2 (en) * 2008-01-03 2011-02-22 International Business Machines Corporation Digital life recorder implementing enhanced facial recognition subsystem for acquiring a face glossary data
US8005272B2 (en) * 2008-01-03 2011-08-23 International Business Machines Corporation Digital life recorder implementing enhanced facial recognition subsystem for acquiring face glossary data
US9405995B2 (en) * 2008-07-14 2016-08-02 Lockheed Martin Corporation Method and apparatus for facial identification
JP5556663B2 (ja) 2008-10-10 2014-07-23 日本電気株式会社 照合装置、照合方法、及びプログラム
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
JP5527555B2 (ja) 2009-03-04 2014-06-18 公立大学法人大阪府立大学 画像データベースの作成方法、作成プログラム及び画像検索方法
JP5238580B2 (ja) * 2009-03-31 2013-07-17 株式会社東芝 特徴抽出装置及びパターン認識装置
JP5326838B2 (ja) * 2009-06-10 2013-10-30 大日本印刷株式会社 目標物検出システム
US20110293189A1 (en) * 2010-05-28 2011-12-01 Microsoft Corporation Facial Analysis Techniques
US8363085B2 (en) * 2010-07-06 2013-01-29 DigitalOptics Corporation Europe Limited Scene background blurring including determining a depth map
TWI420405B (zh) * 2010-10-20 2013-12-21 Hon Hai Prec Ind Co Ltd 人臉影像代換系統及方法
EP2676224B1 (en) 2011-02-18 2021-05-26 iOmniscient Pty Ltd Image quality assessment
JP5777380B2 (ja) * 2011-04-05 2015-09-09 キヤノン株式会社 画像認識装置、画像認識方法、及びプログラム
JP5767003B2 (ja) * 2011-04-19 2015-08-19 公立大学法人会津大学 ホルダ認証システム、ホルダ認証端末、認証画像分解装置およびホルダであることの認証に利用される記録媒体
WO2013000142A1 (zh) 2011-06-30 2013-01-03 深圳市君盛惠创科技有限公司 手机用户身份认证方法、云服务器以及网络系统
KR101130817B1 (ko) 2011-09-27 2012-04-16 (주)올라웍스 얼굴 인식 방법, 장치, 및 이 방법을 실행하기 위한 컴퓨터 판독 가능한 기록 매체
JP2015028670A (ja) * 2011-10-26 2015-02-12 日本電気株式会社 情報処理装置、識別器、情報処理方法及び情報処理プログラム
JP5787845B2 (ja) * 2012-08-24 2015-09-30 株式会社東芝 画像認識装置、方法、及びプログラム
US9679194B2 (en) * 2014-07-17 2017-06-13 At&T Intellectual Property I, L.P. Automated obscurity for pervasive imaging
JP6696639B2 (ja) * 2016-02-26 2020-05-20 国立大学法人静岡大学 周波数測定器、周波数測定方法及び周波数測定プログラム
JP6873639B2 (ja) * 2016-09-23 2021-05-19 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
US10489952B2 (en) * 2017-11-01 2019-11-26 Disney Enterprises, Inc. Cosmetic transformation through image synthesis
US11521460B2 (en) 2018-07-25 2022-12-06 Konami Gaming, Inc. Casino management system with a patron facial recognition system and methods of operating same
AU2019208182B2 (en) 2018-07-25 2021-04-08 Konami Gaming, Inc. Casino management system with a patron facial recognition system and methods of operating same
CN116360603A (zh) * 2023-05-29 2023-06-30 中数元宇数字科技(上海)有限公司 基于时序信号匹配的交互方法、设备、介质及程序产品

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5168524A (en) * 1989-08-17 1992-12-01 Eliza Corporation Speech-recognition circuitry employing nonlinear processing, speech element modeling and phoneme estimation
JPH0520442A (ja) * 1991-07-17 1993-01-29 Nippon Telegr & Teleph Corp <Ntt> 顔画像照合装置
US5710833A (en) * 1995-04-20 1998-01-20 Massachusetts Institute Of Technology Detection, recognition and coding of complex objects using probabilistic eigenspace analysis
AU4258897A (en) * 1996-09-04 1998-03-26 David A. Goldberg Method and system for obtaining person-specific images in a public venue
US6236749B1 (en) * 1998-03-23 2001-05-22 Matsushita Electronics Corporation Image recognition method
US6072496A (en) * 1998-06-08 2000-06-06 Microsoft Corporation Method and system for capturing and representing 3D geometry, color and shading of facial expressions and other animated objects
US20030059124A1 (en) * 1999-04-16 2003-03-27 Viisage Technology, Inc. Real-time facial recognition and verification system
US6219640B1 (en) * 1999-08-06 2001-04-17 International Business Machines Corporation Methods and apparatus for audio-visual speaker recognition and utterance verification
JP3877274B2 (ja) * 2000-03-24 2007-02-07 富士通株式会社 画像照合処理システム
JP4443722B2 (ja) * 2000-04-25 2010-03-31 富士通株式会社 画像認識装置及び方法
US20030113002A1 (en) * 2001-12-18 2003-06-19 Koninklijke Philips Electronics N.V. Identification of people using video and audio eigen features

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007123368A1 (en) * 2006-04-26 2007-11-01 Electronics And Telecommunications Research Institute Method and apparatus for user authentication using face image
KR100819027B1 (ko) * 2006-04-26 2008-04-02 한국전자통신연구원 얼굴 영상을 이용한 사용자 인증 방법 및 장치
US8275176B2 (en) 2006-04-26 2012-09-25 Electronics And Telecommunications Research Institute Method and apparatus for user authentication using face image
KR20210122496A (ko) * 2020-04-01 2021-10-12 한국전자통신연구원 벡터를 이용한 장면 묘사 기반의 메타데이터 생성 방법 및 이를 위한 장치

Also Published As

Publication number Publication date
WO2003083774A1 (fr) 2003-10-09
JP2003296735A (ja) 2003-10-17
CN1613090A (zh) 2005-05-04
KR100731937B1 (ko) 2007-06-25
EP1492049A4 (en) 2007-04-04
US20050105779A1 (en) 2005-05-19
JP3873793B2 (ja) 2007-01-24
EP1492049A1 (en) 2004-12-29

Similar Documents

Publication Publication Date Title
KR100731937B1 (ko) 얼굴 메타 데이터 생성
JP3903783B2 (ja) 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
US5710833A (en) Detection, recognition and coding of complex objects using probabilistic eigenspace analysis
JP4543423B2 (ja) 対象物自動認識照合方法および装置
Phillips Matching pursuit filters applied to face identification
Kak et al. A review of person recognition based on face model
US7995805B2 (en) Image matching apparatus, image matching method, computer program and computer-readable storage medium
US20070053590A1 (en) Image recognition apparatus and its method
JP2000306095A (ja) 画像照合・検索システム
JP4375570B2 (ja) 顔認識方法およびシステム
US20030113002A1 (en) Identification of people using video and audio eigen features
WO2019111550A1 (ja) 人物照合装置、方法、及び非一時的なコンピュータ可読媒体
Kadam Face recognition using principal component analysis with DCT
JPH0520442A (ja) 顔画像照合装置
JP4375571B2 (ja) 顔類似度算出方法および装置
Sahbi et al. Coarse to fine face detection based on skin color adaption
Cai et al. Robust facial expression recognition using RGB-D images and multichannel features
KR20040079637A (ko) 3차원 얼굴기술자를 이용한 얼굴인식방법 및 장치
Tsai et al. Enhanced long-range personal identification based on multimodal information of human features
KR100711223B1 (ko) 저니키(Zernike)/선형 판별 분석(LDA)을 이용한얼굴 인식 방법 및 그 방법을 기록한 기록매체
Soner High Level Design Report
US20210110204A1 (en) Image recognition method, computer readable medium and system
KR20040101221A (ko) 고차 고유 성분을 이용한 안면 기술 및 인식 방법, 및 그장치
Altaei Face Recognition Based on Image Integration and DCT Analysis
Sawant et al. Facial Credential Validation and Real-time Motion Detection through Principle Component Analysis (PCA)

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130531

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20140603

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20150518

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20160517

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20170522

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20180530

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20190530

Year of fee payment: 13