TW200414074A - Individual recognizing apparatus and individual recognizing method - Google Patents
Individual recognizing apparatus and individual recognizing method Download PDFInfo
- Publication number
- TW200414074A TW200414074A TW092131283A TW92131283A TW200414074A TW 200414074 A TW200414074 A TW 200414074A TW 092131283 A TW092131283 A TW 092131283A TW 92131283 A TW92131283 A TW 92131283A TW 200414074 A TW200414074 A TW 200414074A
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- unit
- confirmation
- confirmation data
- personal identification
- Prior art date
Links
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
- G06V10/40—Extraction of image or video features
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component 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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole
Description
2β〇414074 (1) 玖、發明說明 相關申請案 本發明依據並請求2 0 02年12月26日提申的較早曰 本第2 0 0 2 - 3 7 8 4 5 2號專利申請案之優先權,其整個內容在 此倂入以供參考。 【發明所屬之技術領域】 本發明關於一種利用生物資訊諸如已辨識者之臉部影 像、指紋、視網膜、虹彩、掌紋做爲確認數據來辨識已辨 識者是否爲本尊之個人辨識設備及個人辨識方法。 【先前技術】 近來已發展出個人辨識設備且用於需要進出建築物/ 房間之安全管理,其係利用已辨識者之臉部影像、指紋、 視網膜、虹彩、掌紋等等來辨識已辨識者是否爲本尊。 這種個人辨識設備一般設有儲存資料的一資料儲存單 元以用於個人確認,其利用儲存在資料儲存單元中的資料 以及輸入確認數據(已辨識者之生物資訊)來執行個人確 S忍’以確認已辨識者是否爲本尊。 藉此,確認數據儲存(以下亦稱爲登錄)在資料儲存 單元’且在資料儲存時獲得包含各種變化的確認數據。爲 此目的’促使已辨識者經由使用者界面增加各種變化。 另外,舉例言之,在無法辨識(核對)人時,藉由辨 識人來更新確認資料。 (2) (2)200414074 如上所述,以往經由已辨識者指南企圖獲得g P §哉^ 多變化的確認數據(臉部影像),然而已辨識考$ ^ g & 如指南中所提供地行動。 另外,以往假定若登錄用於辨識(核對)& + #胃 料’其經由再登錄或更新資料來將資料更新,然而E _ _ 者或許無法再登錄或更新資料。 【發明內容】 本發明目的在於提供一種個人辨識設備及個人辨識方 法’其能使用適合辨識的確認數據以在儲存資料時學習並 防止不當資料儲存。 依據本發明’其提供一種個人辨識設備,包括一數據 獲得單元,其從已辨識者獲得確認數據;一偵測單元,其 偵測經由數據獲得單元獲得的確認數據之特徵點;一變化 言十算單元’其計算偵測單元偵測的特徵點偵測位置變化; 〜適當判斷單元,其判斷數據獲得單元獲得之確認數據是 否適合用來準備依據變化計算單元計算的特徵點變化之確 認資料;一資料準備單元,其在確認數據判爲適合時依據 數據獲得單元獲得的確認數據來準備確認資料;一資料儲 #單% ’其將資料準備單元準備的確認資料儲存;以及一 51認、¥ % ’其利用數據獲得單元獲得的確認數據以及儲存 &資料儲存單元中的資料來確認已辨識者是否爲本尊。 3外’依據本發明,其提供一種個人辨識設備,包括 ~數ί虞獲得單元,其從已辨識者獲得確認數據;一資料準 -5- (3) (3)200414074 備單元,其依據數據獲得單元獲得的確認數據對主要素分 析而準備確認資料;一計算單元,其計算資料準備單元準 備的資料本徵値作用率;一適當判斷單元,其判斷資料準 備單元準備之資料是否適合做爲依據變化計算單元計算的 本徵値作用率之確認資料;一資料儲存單元,其在資料被 適當判斷單元判爲適合時將資料準備單元準備的資料儲 存;以及一確認單元,其利用數據獲得單元獲得的確認數 據以及儲存在資料儲存單元中的資料來確認已辨識者是否 爲本尊。 另外,依據本發明,其提供一種個人辨識方法,包括 從已辨識者獲得確認數據;從獲得的確認數據偵測特徵 點;計算偵測的特徵點偵測位置變化;判斷獲得之確認數 據是否適合用來準備依據計算的特徵點變化之確認資料; 在判斷步驟中確認數據被判爲適合時,依據獲得之確認數 據來準備確認資料;將準備的確認資料儲存;以及利用獲 得的確認數據以及儲存的資料來確認已辨識者是否爲本 尊。 另外,依據本發明,其提供一種個人辨識方法,包括 從已辨識者獲得確認數據;依據獲得的確認數據對主要素 分析而準備確認資料;計算準備的資料本徵値作用率;判 斷準備的資料是否適合做爲依據計算的本徵値作用率之確 認資料;在判斷步驟中準備的資料被判斷爲適合時,將準 備的資料儲存;以及利用獲得的確認數據以及儲存的資料 來確認已辨識者是否爲本尊。 -6 - (4) (4)200414074 【實施方式】 現在參照圖式說明本發明之較佳實施例。 圖1爲個人辨識設備第一實施例構造槪示圖。 個人辨識設備包括一數據獲得單元1 01、一偵測單元 1 02、一變化計算單元1 03、一適當判斷單元1 04、一資料 準備單元105、一資料儲存單元1〇6、以及一確認單元 107 〇 數據獲得單元101從已辨識者100獲得生物資訊以及 其他確認數據。 偵測單元1 02偵測經由數據獲得單元1 0 1獲得的確認 數據之特徵點。 變化計算單元1 〇3計算偵測單元1 〇2偵測的特徵點偵 測位置變化。 適當判斷單元1 04判斷數據獲得單元1 0 1獲得之確認 數據是否適合用來準備依據變化計算單元1 03計算的特徵 點變化之確認數據。 資料準備單元105在資料獲得單元105獲得的確認數 據被判爲適合時依據數據獲得單元1 〇 1獲得的確認數據來 準備確認資料。 資料儲存單元106將資料準備單元105準備的確認資 料儲存。 確認單元1 〇 7利用數據獲得單元1 0 1獲得的確認數據 以及儲存在資料儲存單元1 06中的資料來確認已辨識者是 (5) (5)200414074 否爲本尊。 接著參照圖2來說明個人辨識設備第一實施例流程。 首先,以數據獲得單元1 0 1從已辨識者1 00獲得確認 數據D (步驟S 1 0 1 ),此確認數據D爲例如確認臉的臉 部影像、確認指紋的指紋數據、確認聲紋的聲紋數據、以 及確認簽名的簽名數據。 接著,這些確認數據D之特徵點在偵測單元1 〇2中 被偵測,此處之特徵點爲臉部影像的區域諸如眼睛、眉 毛、鼻子、或嘴唇、邊緣、皺紋。在指紋數據中,特徵點 爲小細節(邊緣、分叉指紋等等);在簽名數據中,結束 點和跳躍點爲特徵點。爲了偵測這些特徵點,例如揭示於 大眾已知文件[1 ]( ”利用形狀擷取和圖案核對之臉部擷 取”,Kazuhiro FUKUI 和 Osamu YAMAGUCΗI,電子、資 訊及通信工程師文獻協會,第D-11期,:T82-D-11卷,第 8號,第2170-2177頁,1 997年8月出版)的偵測技術可 做爲方法來擷取臉部影像。 另外,在此例中,即使確認數D爲臉部影像數據, 係偵測眼睛和鼻子做爲特徵點。 重覆步驟S 1 0 1和步驟S 1 02直到得到足夠的數據(步 驟S1 03 ),此處所稱足夠的數據係約50-100張臉部影像 數據,假定每秒得到5張臉部影像。 得到足夠的數據之後,變化計算單元1 03計算步驟 S 1 02中偵測到的特徵點(眼睛和鼻子)位置變化(步驟 S1 04 ),例如假定從η個數據Di ( 2,…,k,…,η )偵 -8- (6) (6)200414074 測a個特徵點fj, i ( j = 1,2,...,a ),此時’若從第j個特 徵點的平均位置爲fj:eenter,,,變化”(change位置變化) 可由例如下列數學式1計算: [數學式1] ( 〇
Change - ^Change(j)
Change{j)^Y\f jrfUcenle\2 »*] 另外,在不依平均位置偏移量而是依前一特徵點位置 的總移動量,可依據下列數學式[2]計算變化 [數學式2] C—㈣= -/洲| /=] 或者,可依據特徵點距離變化以下列數學式1計算, 而非特徵點位置: [數學式3] a η
Change :HChange{j >1 1=1 n 丨2
Change(jJ)^ Y\fjti-fhk\ k^Kk^i) 之後,適當判斷單元1 04判斷數據獲得單元1 〇丨獲得 -9 - (7) (7)200414074 之確認數據是否適合用來準備確認數據(步驟s〗〇 5 ) 舉例言之’當位置變化大於預定臨界値ΤΗ 1 0 1或小方々 TH102 ’其爲太大(大於TH1〇1 )或太小(小於 ΤΗ1 01),而且數據被判爲不適合資料登錄,而且修改登 錄或已辨識者被警告且被要求選擇進行登錄(步驟 S106 ) ° 在步驟S 1 0 5中當獲得的確認數據被判爲適合時,資 料準備單兀1 0 5依據數據獲得單元1 〇丨獲得的確認數據來 準備確認資料(步驟s i 〇 7 ),之後資料儲存單元〗〇 6將 準備的確認單元儲存(步驟sl〇8 )。 在學習資料時’必須學習有點變化的數據,因此,若 未觀察足夠動作或反之觀察過多動作(依據眼睛和鼻子偵 測位置來偵測臉部動作),則執行一項程序將這些數據從 學習數據中排除。由是,其能防止經由未具足夠變化的數 據或有太大變化的數據學習不當資料。 不當資料學習爲變異太少或數據遠超出臨界値。 接著說明第二實施例。 圖3爲個人辨識設備第二實施例構造槪示圖。此個人 辨識設備包括一數據獲得單元201、一偵測單元202、一 角度變化計算單元2〇3、一適當判斷單元2〇4、一資料準 備單兀205、一資料儲存單元2〇6、以及一確認單元 207 〇 數據獲得單元20丨從已辨識者獲得生物資訊以及其他 確認數據。 -10- (8) 200414074 偵測單元2 0 2偵測經由數據獲得單元2 ο丨獲得的確認 數據之特徵點。 角度變化計算單兀2 〇 3計算偵測單元2 0 2偵測的上/ 下和左/右h徵點偵測位置其中任一者變化;此例中上/下 和左/右角度有變化。 適當判斷單元2 0 4判斷數據獲得單元2 0 1獲得之確認 數據是否適合用來準備依據角度變化計算單元2〇3計算的 角度變化之確認數據。 資料準備單元20 5在確認數據被適當判斷單元2〇4判 爲適合時依據數據獲得單元2 〇1獲得的確認數據來準備確 認數據。 資料儲存單元206將資料準備單元205準備的確認資 料儲存。 確認單元207利用數據獲得單元2〇1獲得的確認數據
以及儲存在資料儲存單元2 0 6中的資料來確認已辨識者 100是否爲本尊。 接者參照圖4流程圖來說明個人辨識設備第一實施例 的資料登錄流程。 首先,以數據獲得單元201從已辨識者10()獲得確 數據D (步驟s 2 〇〗),並以偵測單元1 〇 2偵測特徵 (^驟S 203 ) ’如同上述實施例的步驟S2〇i至步 S 2 〇 J ’直到得到足夠的數據(步驟S 2 0 3 )。 如同第一實施例,從η個數據Di ( i = 1,2,…,n) 測a個特徵點f ^ f」,i ( j - 1,2,…,η )之後,角度變化計算 -11 - (9) 200414074 元203計算上/下角度變化(步驟S204),如下所述。在 此以臉部影像數據做爲確認數據,做爲特徵點位置資訊一 例,其分別使用左眼座標(Xleft_eye,YUft_eye )、右眼座 標(Xright — eye ’ Yright_eye )、左鼻孔座標(X 丨 e f t _ n。s e, Yleft — nose)、以及右鼻孔座標(XHght —nQse,YHght_n()se) 〇 即使特徵點爲例如眼睛區域、嘴唇或眉毛,程序仍相同。 當雙眼中心座標爲(xeenter_eye,Yeenter_eye),且二 鼻孔中心座標爲(Xcenter_nose,Ycenter_n0se ),可由下列 數學式4計算指示上/下角度變化的UP__D0WN指數(見 圖5 ): [數學式4] =上/下角度變化指數眼睛到鼻子之距離 mmm center _ eye
X center __ nose )2 + σ〇 enter ^eye γ y center_ nose / left „ eye ^ right ^eye^ ^!eft _ eye ^righi _ eye ) 如圖5 A所示,當臉朝前,眼睛到鼻子之距離(眼鼻 距離)變大且指數變大;如圖5 B所示,當臉朝上,眼睛 到鼻子之距離(眼鼻距離)變小且指數變小。如此,在此 例中,眼鼻距離除以雙眼距離之後一般化,而且即使眼鼻 距離因靠近或遠離而變化或變小,使得眼鼻距離不會被誤 判爲上/下角度變化。
然而,在此技術中,甚至是左/右眼角度僅如圖6B中 所示地變化而非圖6A中所示地臉朝前,指數UP_D0WN -12- (10) (10)200414074 會被誤判爲上/下角度變化,然而此時可以以下方式校 正。 右眼睛701和702與鼻子703(鼻孔704和705)位 置如圖7中所示’ X方向的特徵點位置則如圖所示。 Λ外’田臉部彳皮則側J疋轉r,其如圖8 β所示,因此前側 X方向的雙眼距離Leye,G由下列數學式表示: [數學式5]
Leye,〇 = 2rlsin ㊀ 1 而旋轉R之後的X方向的雙眼距離Leye G由下列數學 式表示 : [數學式6]
Leye,R = rlsin(e J+R) + rlsin(© 1-R) 而旋轉R之後的x方向的眼鼻中央點偏移量Lshift,R 由下列數學式表示: [數學式7]
Lshift,R =鼻孔中央點在X方向的位置-眼睛中央點在X 方向的位置 r2sin(A + 7?)- r2sin的-Λ) rising + 尺)- rising -7?) 二 ^ 2 -1J - (11) (11)200414074 力外’ rl’ r2’ R’ θι’和㊀2定義如下(見圖8A和 8B ): r 1 :頭部中心點到左眼7 〇 2之距離; r 2 :頭部中心點到右鼻孔7 〇 4之距離; R :臉部從朝前轉到朝左或朝右之角度; θ 1 :從前面到頭部中心點的直線與從左眼7 0 2到頭 部中心點的直線之間角度;及 Θ 2 :從前面到頭部中心點的直線與從左鼻孔7 0 5到 頭部中心點的直線之間角度。 另一方面,影像明顯距離因已辨識者1 00臉部與做爲 數據獲得單元20 1的一攝影機之間距離產生變化,而且明 顯距離與實際距離成正比,換言之,式5,6和7中之影像 明顯距離分別變成如下: [數學式8] L’eye,〇 = a · Leye,〇 [數學式9]
L’eye,R = a · Leye,R
[數學式10] L’shift,R = a · Lshift,R ( a 爲比例常數) 因此從數學式9和數學式1 〇得到 -14 - (12)200414074 [數學式1 1 ]
Γ ^shifitn LShifiji
[數學式1 2J
厂 I
eye,E — eye,R JJ ι 數學式1 2左邊係影像觀測値,而參數R係將數學式 6和7代入右側而得,因此可從數學式6得到Leye.〇,而a 可藉由將之代入數學式1 1而得。最後,在前面的雙眼距 離影像於X方向的距離L,eye,()(數學式4中雙眼距離校正 値)在將a代入數學式8時省略。 由是,其能計算數學式 4中的上/下角度變化指數 UP_RIGHT而不致引起如圖6B中所示因雙眼距離變化產 生之問題。另外,如圖7模型所示,可使用所有人通用的 模型或是適合已辨識者1 〇 〇臉部構造各種型態的不同模 型。 接著角度變化計算單元2 03計算依據指示數學式1 3 的左/右角度變化的指數LEFT_RIGHT (參照圖9步驟 S 20 5 ) 〇 [數學式13] 左/右角度變化指數left_right -15- (13) (13)200414074 雙眼中央點和二鼻孔中央點偏移量/雙眼距離
V _ V Λ center _ eye ^ center _ nose *\/^ *^ center ^ eye ^ center _ nose ^"""""^center ^ eye ^ccn 在此,關於雙眼距離,雙眼距離可在步驟S204中被 校正。 依據上述所得結果,適當判斷單元204判斷數據獲得 單元2 0 1獲得之確認數據是否,有足夠角度變化(步驟 S206和步驟S208 )。舉例言之,當上/下角度變化指數 UP__DOWN大於預定臨界値TH201,其判斷爲太大,而且 修改登錄或已辨識者1 00被警告且被要求選擇進行登錄 (步驟 S 2 0 7 )。 當上/下角度變化指數 UP_DOWN小於預定臨界値 TH202,上/下角度變化被判斷爲太小,或當左/右角度變 化指數LEFT_RIGHT大於預定臨界値TH203,左/右角度 變化指數被判斷爲太大,而且當左/右角度變化指數 LEFT — RIGHT小於預定臨界値TH204,左/右角度變化被 判斷爲太小,則執行步驟S 2 0 7之程序。 當確認數據在步驟S 2 0 6和步驟S 2 0 8中未被判爲不當 (當獲得的確認數據被判爲有足夠角度變化),依據數據 獲得單元2 0 1獲得的確認數據來準備確認資料(步驟 S 2 0 9 ),之後準備的確認資料被資料儲存單元2 0 6儲存 (步驟 S 2 1 0 )。 在學習貧料時’必須利用有某些變化的數據來學習, 如上所述地依據眼睛和鼻子位置來判斷臉部垂直方向和側 -16- ’ (14) (14)200414074 面方向。若方向中的變化不夠或相反地變化太多,其能防 止經由未具足夠角度變化的數據或有太大變化的數據學習 不當資料,其藉由執行程序以將這些數據從學習數據中排 除。 接著說明第三實施例。 圖1 〇爲個人辨識設備第三實施例構造槪示圖。此個 人辨識設備包括一數據獲得單元3 0 1、一資料準備單元 3 02、一本徵値計算單元3 0 3、一本徵値作用率計算單元 3 04、一適當判斷單元3 05、一資料儲存單元3 06、以及一 確認單元3 0 7。 數據獲得單元301從已辨識者100獲得包含生物資訊 的確認數據。 資料準備單元3 02依據數據獲得單元301獲得的確認 數據進行主要素分析而準備確認資料。 本徵値計算單元303計算資料準備單元302中的本徵 値。 本徵値作用率計算單元3 04計算資料準備單元3 02準 備的資料本徵値作用率。 適當判斷單元3 0 5判斷資料準備單元3 02準備之資料 是否適合做爲依據本徵値作用率計算單元3 04計算的本徵 値作用率之確認資料。 資料儲存單元3 0 6在資料被適當判斷單元3 0 5判爲適 合時將資料準備單元3 〇 2準備的資料儲存。 確認單元3 07利用數據獲得單元3 0 1獲得的確認數據 -17- (15) (15)200414074 以及儲存在資料儲存單元3 〇 6中的資料來確認已辨識者是 否爲本尊。 接著參照圖1 1流程圖說明第三實施例之資料登錄程 序流程。 首先’以數據獲得單元3 0 1從已辨識者1 00重覆獲得 確認數據D (步驟S 3 〇 1},直到取得足夠的數據(步驟 S 3 0 2 )。在取得足夠的數據之後,資料準備單元3 〇 2和本 徵値計算單元3 0 3藉由分析獲得的確認數據主要素而準備 確認資料。 以下程序確實執行,其詳細資料參閱大眾已知文件[2] (利用電腦辨識臉部硏究,,,Shigeru AKAMATSU,電 子、資訊及通信工程師文獻協會,第D-11期,J82-d-ll 卷’第 8 號,第 2031-2046 頁,1997 年)。 由N維向量表示的M個圖案爲Xi (丨叫,2,…,M), 且其平均向量爲# ,方差-協方差矩陣S由數學式I*表 示: [數學式14] J Μ Τ Μ 所以,藉由解出下列數學式15得到Ν個Ν維向量 (1一丨,2,···,N )和對應的N個本徵値λί (丨=1,2,…,n ; λ】〉λ2 > .·· > λΝ )。 •18- (16) 200414074 [數學式1 5 ;] (A}>A2> …>Λν) Φ『Φ,·=1 爲了解出特徵方程式,使用上述文_ ^ χ @ [ 1 ]中之分析
庫,另外’可使用以下交連互作用矩陣R κ來取代方差-協 方差矩陣:
[數學式16]
3 〇 4依據下列方程式1 7 Takagl 和 Shim〇da ,第 43 年)來計算本徵値作用 接著本徵値作用率計算單元 (其細節詳見”影像分析手冊,,, 頁’東京大學出版社,1 9 9 1 率,”T”爲移項矩陣:
[數學式17] 第m個本徵値之本徵値作用率
此本徵値示出佔據作用率較大部分的較高維度本徵値 之作用(其細節詳見大眾已知文獻[4],”k a rhyme n-Lo eve 程序在人臉特徵化之應用”,M . K i r b y和l . S i r o v i c h, IEEE圖案分析和機器智慧會報,第12卷第}期第l〇3 -19- (17) 200414074 頁’ 1 99 0年1月)。此意謂著學習數據作用較大部分可 由較高維度特徵向量表示。 另~® ’若學習數據變化小(例如臉部幾乎保持固 定)’幾乎所有的本徵値作用率僅由很小的較高維度本徵 {直{占S ° S β ’當學習數據變化大(例如臉大幅移動或偵 測的臉移動)’大本徵値作用率保持在較低維度本徵値, 如圖1 2 C所示。 因此’當示於下列數學式的第m個本徵値的本徵値 作用率或累積到第m個本徵値的本徵値作用率高於預定 臨界値TH301時,適當判斷單元3〇5將變化判爲太大及 不適合做爲確認(核對)資料(步驟S 3 04 ),且修改登 錄或已辨識者100被警告且被要求選擇是否進行登錄(步 驟S 3 0 5 )。當步驟S 3 〇 4中資料被判爲適當,資料儲存單 元3 0 6將資料儲存(步驟S 3 〇 6 )。 [數學式18]
Σ>· 如上所述,當臉部影像變化太小,資料的本徵値作用 率變大,反之,若臉部影像變化太大,資料的本徵値作用 率變小,因此,其能防止經由未具足夠變化的數據或有太 大變化的數據(因判斷臉部變化)學習不當資料。 另外,在上述實施例中說明了資料登錄程序,其可在 資料登錄後在確認(核對)時進行類似程序。 -20- (18) (18)200414074 依據本發明如上詳細所述者,其可提供能使用適合在 資料登錄時進行確認的確認數據來學習並防止不當資料登 錄之個人辨識設備以及個人辨識方法。 【圖式簡單說明】 匱I 1爲本發明的個人辨識設備第一實施例構造槪示方 塊圖; ® 2爲說明個人辨識設備第一實施例的資料登錄程序 之流程圖; 圖3爲個人辨識設備第二實施例構造槪示方塊圖; 圖4爲說明個人辨識設備第二實施例的資料登錄程序 之流程圖; 圖5A和5B爲個人辨識設備第二實施例在偵測上/下 角度變化時狀態圖; 圖6A和6B爲人辨識設備第二實施例在偵測上/下角 度變化時失敗例子槪示圖; 圖7爲從上方俯視人頭部之俯視圖,說明個人辨識設 備第二實施例中之特徵點位置關係; 圖8A和8B爲個人辨識設備第二實施例旋轉後特徵 點變化槪示說明圖; 圖9A和9B爲個人辨識設備第二實施例在偵測左/右 角度變化時狀態圖; 圖1 0爲個人辨識設備第三實施例構造槪示方塊圖; 圖1 1爲說明個人辨識設備第三實施例的資料登錄程 -21 - (19) (19)200414074 序之流程圖;以及 圖12A至12C爲個人辨識設備第三實施例中本徵値 作用率說明圖。 主要元件對照表 1〇〇已辨識者 1 〇 1數據獲得單元 102偵測單元 φ 103 變化計算單元 104適當判斷單元 105資料準備單元 106資料儲存單元 1 〇 7確認單元 201數據獲得單元 202偵測單元 203變化計算單元 修 204適當判斷單元 205資料準備單元 206資料儲存單元 207確認單元 3 〇 1數據獲得單元 3 02資料準備單元 3 03適當判斷單元 3 04本徵値計算單元 -22- (20)200414074
3 0 5本徵値作用率計算單元 3 0 6資料儲存單元 3 0 7 確認單元 7 0 1 眼睛 7 0 2 眼睛 703鼻子 704鼻孔 7 05鼻孔
-23-
Claims (1)
- (1) (1)200414074 拾、申請專利範圍 1 · 一種個人辨識設備,包括: 一數據獲得單元,其從已辨識者獲得確認數據; 一偵測單元,其偵測經由數據獲得單元獲得的確認數 據之特徵點; 一變化計算單元,其計算偵測單元偵測的特徵點偵測 位置變化; 一適當判斷單元,其判斷數據獲得單元獲得之確認數 據是否適合用來準備依據變化計算單元計算的特徵點變化 之確認資料; 一資料準備單元,其在確認數據判爲適合時依據數據 獲得單元獲得的確認數據來準備確認資料; 一資料儲存單元,其將資料準備單元準備的確認資料 儲存;以及 一確認單元,其利用數據獲得單元獲得的確認數據以 及儲存在資料儲存單元中的資料來確認已辨識者是否爲本 尊。 2 .如申請專利範圍第1項之個人辨識設備,其中變化 計算單元包括一單元來計算偵測單元偵測的特徵點之上/ 下和左/右角度變化的至少其中一者。 3 ·如申請專利範圍第1項之個人辨識設備,其中數據 獲得單元獲得的確認數據爲臉部影像。 4·如申請專利範圍第3項之個人辨識設備,其中偵測 單元使用臉部影像的臉部區域諸如眼睛、眉毛、鼻子、或 -24- (2) (2) 200414074 嘴唇做爲特徵點。 5 .如申請專利範圍第1項之個人辨識設備,其中當 適當判斷單元將確認數據判斷爲適合時,從數據獲得單元 獲得確認數據開始再度執行程序。 6. —種個人辨識設備,包括: 一數據獲得單元,其從已辨識者獲得確認數據; 一資料準備單元,其依據數據獲得單元獲得的確認數 據對主要素分析而準備確認資料; 一計算單元,其計算資料準備單元準備的資料本徵値 作用率; 一適當判斷單元,其判斷資料準備單元準備的資料是 否適合做爲依據變化計算單元計算的本徵値作用率之確認 資料; 一資料儲存單元,其在資料被適當判斷單元判爲適合 時將資料準備單元準備的資料儲存;以及 一確認單元,其利用數據獲得單元獲得的確認數據以 及儲存在資料儲存單元中的資料來確認已辨識者是否爲本 尊。 7 ·如申請專利範圍第6項之個人辨識設備,其中數據 獲得單元獲得的確認數據爲臉部影像。 8 ·如申請專利範圍第7項之個人辨識設備,其中偵測 單元使用臉部影像的臉部區域諸如眼睛、眉毛、鼻子、或 嘴唇做爲特徵點。 9 ·如申請專利範圍第6項之個人辨識設備,其中當 -25- (3) (3)200414074 適當判斷單元將確認數據判斷爲適合時,從數據獲得單元 獲得確認數據開始再度執行程序。 1 〇 · —種個人辨識方法,包括: 從已辨識者獲得確認數據; _ 從獲得的確認數據偵測特徵點; _ 計算偵測的特徵點偵測位置變化; 判斷獲得之確認數據是否適合用來準備依據計算的特 徵點變化之確認資料; φ 在判斷步驟中確認數據被判爲適合時,依據獲得之確 認數據來準備確認資料; 將準備的確認資料儲存;以及 利用獲得的確認數據以及儲存的資料來確認已辨識者 是否爲本尊。 1 1 .如申請專利範圍第1 0項之個人辨識方法,其中 變化計算步驟包括計算偵測步驟偵測的特徵點之上/下和 左/右角度變化的至少其中一者之步驟。 鲁 1 2 .如申請專利範圍第1 〇項之個人辨識方法,其中數 據獲得步驟獲得的確認數據爲臉部影像。 1 3 .如申請專利範圍第1 2項之個人辨識方法,其中偵 測步驟使用臉部影像的臉部區域諸如眼睛、眉毛 '鼻子、 或嘴唇做爲特徵點。 i 4 .如申請專利範圍第1 0項之個人辨識方法,其中 當適當判斷步驟將獲得的數據判斷爲適合時’從數據獲得 步驟獲得確認數據開始再度執行程序° -26- (4) (4)200414074 1 5 · —種個人辨識方法,包括: 從已辨識者獲得確認數據; 依據獲得的確認數據對主要素分析而準備確認資料; 計算準備的資料本徵値作用率; 判斷準備的資料是否適合做爲依據計算的本徵値作用 率之確認資料; 在判斷步驟中準備的資料被判斷爲適合時,將準備的 資料儲存;以及 利用獲得的確S忍數據以及儲存的資料來確認已辨|哉者: 是否爲本尊。 1 6 ·如申請專利範圍第1 5項之個人辨識方法,其中數 據獲得步驟獲得的確認數據爲臉部影像。 17·如申請專利範圍第16項之個人辨識方法,其中偵 測步驟使用臉部影像的臉部區域諸如眼睛、眉毛、胃+、 或嘴唇做爲特徵點。 18·如申請專利範圍第1 5項之個人辨識方法,其中 當適當判斷步驟將獲得的數據判斷爲適合時,從_據_胃 步驟獲得確認數據開始再度執行程序。 -27-
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2002378452A JP2004213087A (ja) | 2002-12-26 | 2002-12-26 | 個人認証装置および個人認証方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW200414074A true TW200414074A (en) | 2004-08-01 |
TWI250469B TWI250469B (en) | 2006-03-01 |
Family
ID=32463606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW092131283A TWI250469B (en) | 2002-12-26 | 2003-11-07 | Individual recognizing apparatus and individual recognizing method |
Country Status (8)
Country | Link |
---|---|
US (1) | US20040125991A1 (zh) |
EP (2) | EP1903476A3 (zh) |
JP (1) | JP2004213087A (zh) |
KR (1) | KR100587617B1 (zh) |
CN (1) | CN1288600C (zh) |
CA (1) | CA2452188A1 (zh) |
DE (1) | DE60324246D1 (zh) |
TW (1) | TWI250469B (zh) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4696857B2 (ja) * | 2005-11-02 | 2011-06-08 | オムロン株式会社 | 顔照合装置 |
US20070201727A1 (en) * | 2006-02-13 | 2007-08-30 | Precor Incorporated | User identification for fitness equipment |
US20070261100A1 (en) * | 2006-05-05 | 2007-11-08 | Greeson Robert L | Platform independent distributed system and method that constructs a security management infrastructure |
JP4910507B2 (ja) * | 2006-06-29 | 2012-04-04 | コニカミノルタホールディングス株式会社 | 顔認証システム及び顔認証方法 |
JP5024067B2 (ja) * | 2007-01-19 | 2012-09-12 | コニカミノルタホールディングス株式会社 | 顔認証システム、方法及びプログラム |
JP4952267B2 (ja) * | 2007-01-19 | 2012-06-13 | コニカミノルタホールディングス株式会社 | 3次元形状処理装置、3次元形状処理装置の制御方法、および3次元形状処理装置の制御プログラム |
CN104866553A (zh) | 2007-12-31 | 2015-08-26 | 应用识别公司 | 利用脸部签名来标识和共享数字图像的方法、系统和计算机程序 |
US9721148B2 (en) | 2007-12-31 | 2017-08-01 | Applied Recognition Inc. | Face detection and recognition |
US9639740B2 (en) | 2007-12-31 | 2017-05-02 | Applied Recognition Inc. | Face detection and recognition |
US8551775B2 (en) | 2009-11-12 | 2013-10-08 | Vbi Technologies, L.L.C. | Subpopulations of spore-like cells and uses thereof |
JP5783759B2 (ja) * | 2011-03-08 | 2015-09-24 | キヤノン株式会社 | 認証装置、認証方法、および認証プログラム、並びに記録媒体 |
US8830032B2 (en) | 2010-10-25 | 2014-09-09 | International Business Machines Corporation | Biometric-based identity confirmation |
US20130283372A1 (en) * | 2011-01-27 | 2013-10-24 | Ntt Docomo, Inc. | Mobile information terminal, gripping-feature learning method and gripping-feature authentication method |
US9552376B2 (en) | 2011-06-09 | 2017-01-24 | MemoryWeb, LLC | Method and apparatus for managing digital files |
US8548207B2 (en) | 2011-08-15 | 2013-10-01 | Daon Holdings Limited | Method of host-directed illumination and system for conducting host-directed illumination |
DE102011054658A1 (de) | 2011-10-20 | 2013-04-25 | Bioid Ag | Verfahren zur Unterscheidung zwischen einem realen Gesicht und einer zweidimensionalen Abbildung des Gesichts in einem biometrischen Erfassungsprozess |
US9931154B2 (en) * | 2012-01-11 | 2018-04-03 | Biosense Webster (Israel), Ltd. | Touch free operation of ablator workstation by use of depth sensors |
US9202105B1 (en) | 2012-01-13 | 2015-12-01 | Amazon Technologies, Inc. | Image analysis for user authentication |
US9792528B2 (en) * | 2012-01-30 | 2017-10-17 | Nec Corporation | Information processing system, information processing method, information processing apparatus and control method and control program thereof, and communication terminal and control method and control program thereof |
JP6528764B2 (ja) * | 2014-03-28 | 2019-06-12 | 日本電気株式会社 | 顔照合装置、方法、及び、記録媒体 |
US11256792B2 (en) | 2014-08-28 | 2022-02-22 | Facetec, Inc. | Method and apparatus for creation and use of digital identification |
US10915618B2 (en) | 2014-08-28 | 2021-02-09 | Facetec, Inc. | Method to add remotely collected biometric images / templates to a database record of personal information |
CA2902093C (en) | 2014-08-28 | 2023-03-07 | Kevin Alan Tussy | Facial recognition authentication system including path parameters |
US10614204B2 (en) | 2014-08-28 | 2020-04-07 | Facetec, Inc. | Facial recognition authentication system including path parameters |
US10698995B2 (en) | 2014-08-28 | 2020-06-30 | Facetec, Inc. | Method to verify identity using a previously collected biometric image/data |
US10803160B2 (en) | 2014-08-28 | 2020-10-13 | Facetec, Inc. | Method to verify and identify blockchain with user question data |
CN106991355B (zh) * | 2015-09-10 | 2020-04-24 | 天津中科智能识别产业技术研究院有限公司 | 基于拓扑保持的解析型字典学习模型的人脸识别方法 |
CN105701786B (zh) * | 2016-03-21 | 2019-09-24 | 联想(北京)有限公司 | 一种图像处理方法及电子设备 |
USD987653S1 (en) | 2016-04-26 | 2023-05-30 | Facetec, Inc. | Display screen or portion thereof with graphical user interface |
CN109034138B (zh) * | 2018-09-11 | 2021-09-03 | 湖南拓视觉信息技术有限公司 | 图像处理方法及装置 |
US10936178B2 (en) | 2019-01-07 | 2021-03-02 | MemoryWeb, LLC | Systems and methods for analyzing and organizing digital photos and videos |
WO2022080292A1 (ja) * | 2020-10-16 | 2022-04-21 | 日本電気株式会社 | 認証システム、認証方法およびプログラム記録媒体 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3581865D1 (de) * | 1984-08-30 | 1991-04-04 | Nec Corp | Vorverarbeitungssystem fuer die vorverarbeitung einer folge von bildpunkten vor der identifikation. |
CA2004457A1 (en) * | 1988-12-06 | 1990-06-06 | Seigo Igaki | Minutia data extraction in fingerprint identification |
US5040213A (en) * | 1989-01-27 | 1991-08-13 | Ricoh Company, Ltd. | Method of renewing reference pattern stored in dictionary |
CN1045129C (zh) * | 1993-03-29 | 1999-09-15 | 松下电器产业株式会社 | 个人识别装置 |
JP3279913B2 (ja) * | 1996-03-18 | 2002-04-30 | 株式会社東芝 | 人物認証装置、特徴点抽出装置及び特徴点抽出方法 |
CN1117296C (zh) * | 1996-09-26 | 2003-08-06 | 佳能株式会社 | 处理盒,电子照相成象装置驱动力传动部件以及电子照相感光鼓 |
DE19901881A1 (de) * | 1999-01-19 | 2000-07-27 | Dcs Dialog Communication Syste | Verfahren und System zur Fälschungssicherung bei biometrischer Personenerkennung |
WO2001024700A1 (en) * | 1999-10-07 | 2001-04-12 | Veridicom, Inc. | Spoof detection for biometric sensing systems |
JP3356144B2 (ja) * | 1999-12-08 | 2002-12-09 | 日本電気株式会社 | バイオメトリクスを用いるユーザ認証装置及びそれに用いるユーザ認証方法 |
JP4526639B2 (ja) * | 2000-03-02 | 2010-08-18 | 本田技研工業株式会社 | 顔認識装置およびその方法 |
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 |
JP2002229955A (ja) * | 2001-02-02 | 2002-08-16 | Matsushita Electric Ind Co Ltd | 情報端末装置及び認証システム |
EP1260935B1 (en) * | 2001-05-22 | 2006-07-12 | Matsushita Electric Industrial Co., Ltd. | Face detection device, face pose detection device, partial image extraction device, and methods for said devices |
-
2002
- 2002-12-26 JP JP2002378452A patent/JP2004213087A/ja active Pending
-
2003
- 2003-11-07 TW TW092131283A patent/TWI250469B/zh not_active IP Right Cessation
- 2003-11-20 US US10/716,537 patent/US20040125991A1/en not_active Abandoned
- 2003-12-05 EP EP07022719A patent/EP1903476A3/en not_active Withdrawn
- 2003-12-05 DE DE60324246T patent/DE60324246D1/de not_active Expired - Fee Related
- 2003-12-05 EP EP03257672A patent/EP1434163B1/en not_active Expired - Lifetime
- 2003-12-08 CA CA002452188A patent/CA2452188A1/en not_active Abandoned
- 2003-12-19 KR KR1020030093705A patent/KR100587617B1/ko not_active IP Right Cessation
- 2003-12-23 CN CNB2003101233034A patent/CN1288600C/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN1512452A (zh) | 2004-07-14 |
US20040125991A1 (en) | 2004-07-01 |
EP1434163A3 (en) | 2006-06-07 |
KR100587617B1 (ko) | 2006-06-07 |
EP1434163A2 (en) | 2004-06-30 |
KR20040057942A (ko) | 2004-07-02 |
CN1288600C (zh) | 2006-12-06 |
TWI250469B (en) | 2006-03-01 |
DE60324246D1 (de) | 2008-12-04 |
CA2452188A1 (en) | 2004-06-26 |
EP1903476A3 (en) | 2008-05-21 |
JP2004213087A (ja) | 2004-07-29 |
EP1434163B1 (en) | 2008-10-22 |
EP1903476A2 (en) | 2008-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW200414074A (en) | Individual recognizing apparatus and individual recognizing method | |
KR102097190B1 (ko) | 스마트 미러를 이용하여 실시간 운동 동작을 분석 및 디스플레이하기 위한 방법 및 이를 위한 스마트 미러 | |
Yan et al. | Development of ergonomic posture recognition technique based on 2D ordinary camera for construction hazard prevention through view-invariant features in 2D skeleton motion | |
CA3042819A1 (en) | Method and system for postural analysis and measuring anatomical dimensions from a digital image using machine learning | |
CN104966070B (zh) | 基于人脸识别的活体检测方法和装置 | |
CN108230383A (zh) | 手部三维数据确定方法、装置及电子设备 | |
CN108875485A (zh) | 一种底图录入方法、装置及系统 | |
US9498123B2 (en) | Image recording apparatus, image recording method and image recording program stored on a computer readable medium | |
TW202038133A (zh) | 利用深度學習快速定位虹膜之裝置與方法 | |
CN109101983A (zh) | 一种基于深度学习的鞋样及足迹关键点检测方法 | |
JP2018195267A (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
CN104123562A (zh) | 一种基于双目视觉的人体面部表情识别方法及其装置 | |
JP2008204200A (ja) | 顔解析システム及びプログラム | |
CN112200074A (zh) | 一种姿态对比的方法和终端 | |
KR20200081629A (ko) | 관절각 비교를 통한 단체 댄스 평가 장치 및 그 방법 | |
CN116051631A (zh) | 光斑标注方法及系统 | |
Mekruksavanich et al. | Automatic Recognition of Construction Worker Activities Using Deep Learning Approaches and Wearable Inertial Sensors. | |
KR20160076488A (ko) | 근골격계 질환의 발생가능성의 판단 장치 및 방법 | |
US11532101B2 (en) | Marker element and application method with ECG | |
JP4682372B2 (ja) | 視線方向の検出装置、視線方向の検出方法およびコンピュータに当該視線方向の検出方法を実行させるためのプログラム | |
Morel et al. | Automatic evaluation of sports motion: A generic computation of spatial and temporal errors | |
JP5796523B2 (ja) | 生体情報取得装置、生体情報取得方法、生体情報取得制御プログラム | |
US9977889B2 (en) | Device for checking the authenticity of a fingerprint | |
CN112487963A (zh) | 安全帽的佩戴检测方法及系统 | |
CN116580359A (zh) | 基于时空特征的施工人员重度疲劳检测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |