TWI401608B - 影像處理裝置、影像處理方法、個人識別裝置、及個人識別裝置中產生／更新字典資料之方法和程式 - Google Patents

影像處理裝置、影像處理方法、個人識別裝置、及個人識別裝置中產生／更新字典資料之方法和程式 Download PDF

Info

Publication number
TWI401608B
TWI401608B TW096140453A TW96140453A TWI401608B TW I401608 B TWI401608 B TW I401608B TW 096140453 A TW096140453 A TW 096140453A TW 96140453 A TW96140453 A TW 96140453A TW I401608 B TWI401608 B TW I401608B
Authority
TW
Taiwan
Prior art keywords
information
reliability
dictionary data
individual
identification
Prior art date
Application number
TW096140453A
Other languages
English (en)
Other versions
TW200836114A (en
Inventor
Yuka Eura
Tamaki Kojima
Yuhang Shen
Original Assignee
Sony Corp
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 Sony Corp filed Critical Sony Corp
Publication of TW200836114A publication Critical patent/TW200836114A/zh
Application granted granted Critical
Publication of TWI401608B publication Critical patent/TWI401608B/zh

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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing

Description

影像處理裝置、影像處理方法、個人識別裝置、及個人識別裝置中產生/更新字典資料之方法和程式 相關申請案參考
本發明包含於2006年11月8日向日本專利局提出申請之日本專利申請案JP 2006-302305的相關主題，該整個內容以參考的方式併入本文。
本發明關於一種資訊處理裝置及一種可評估所取得資訊之可靠度與依據該可靠度而處理資訊的資訊處理方法。本發明亦關於一種適於使用例如臉影像而識別個人的個人識別裝置，及關於一種產生/更新個人識別裝置中字典資料的方法。
在依據習知技術的個人識別方法中，例如人臉、聲音、指紋等識別元素的特徵資料係預先儲存，以進行複數個人之識別。當提供將識別之個人之識別元素的特徵資料時，該特定特徵資料便與儲存做為每一個人之字典資料之識別元素的特徵資料相比，藉以識別該特定識別元素為誰的識別元素。
在本個人識別方法中，在以臉影像做為識別元素的狀況下，便取得將識別之每一個人的特徵影像，並使用從臉影像汲取之特徵資料產生字典資料。通常，在字典資料的 產生中，為使使用臉影像的狀況變化或臉之方位變化的效果最小，取得每一個人的複數個臉影像，並將臉影像的平均特徵資料儲存做為每一個人的字典資料(參照例如日本專利申請案No. 2003-271958)。
通常，每次識別個人的臉影像時，便使用識別的個人的臉影像之特徵資料而更新個人的臉影像之字典資料。
通常，在字典資料的產生/更新中，複數個臉影像均視為相等而未加權。
為正確地識別臉影像，該臉影像需滿足基本需求，例如具有大於例如64x64畫素之影像尺寸的需求、臉影像應為正向之方位的需求、兩眼應位於水平線上之需求等。
然而，實際上所取得的臉影像不必要總是滿足該基本需求。
在識別臉影像的過程中，若未滿足基本需求，便需於臉影像資料上實施內插、旋轉等進行修正，以便盡可能滿足基本需求，藉以識別臉影像。
若特定臉影像成功地被識別，便使用臉影像的特徵資料來產生或更新字典資料，不需加權臉影像。換言之，使用平等加權的臉影像的特徵資料來產生或更新字典資料，無關乎臉影像是否滿足基本需求。
然而，平等加權所有臉影像的特徵資料將降低所產生/更新的字典資料之準確度或可靠度。
儘管特定影像可改變對於基本需求的滿足程度，但上述問題不僅發生於臉影像之字典資料的產生/更新，亦發生於其中特定影像平等加權的許多過程中。
上述問題不僅發生於個人之識別元素為臉影像的狀況，亦可發生於其他識別元素，例如指紋、虹膜圖樣等。此外，上述問題不僅發生於例如臉影像資訊或指紋影像資訊之影像資訊，亦可發生於聲頻資訊，例如做為識別元素的聲紋。
鑑於上述，需要提供一種技術，考量與預定基本需求之偏差而處理特定資訊。
更具體地，需要提供一種技術，依據例如臉影像之識別元素，並考量特定資訊滿足基本需求的程度，而產生/更新用於個人識別的字典資料，藉以於字典資料的產生/更新中獲得高準確度及高可靠度。
依據本發明的一實施例，提供一種資訊處理裝置包括用於取得預定類型的資訊的獲取機構，用於依據與預定標準狀況之偏差而產生表示該預定類型之資訊可靠度的可靠度資訊的可靠度資訊產生機構，及用於儲存與該預定類型之資訊相關之表示該可靠度資訊產生機構所產生之該預定類型資訊之該可靠度的該可靠度資訊的儲存機構。
在該資訊處理裝置中，所取得預定類型之資訊的可靠度係依據與預定標準狀況之偏差而決定，並儲存表示所決定之可靠度的可靠度資訊。因而，可依據可靠度資訊而選擇具高可靠度的資訊，且可將所選擇具高可靠度的資訊用 於處理。
依據本發明一實施例，提供一種個人識別裝置包括一字典資料儲存單元，適於儲存與從個人識別元素汲取之特徵向量所產生之該個人相關的個人識別字典資料，如此一來便儲存與識別該個人之個人識別資訊相關的該個人識別字典資料；識別機構，用於藉比較從該取得的該個人的識別元素所汲取的特徵資料與儲存於該字典資料儲存單元之該識別字典資料，而識別具有與所取得之個人的識別元素相同之識別元素的個人；可靠度資訊產生機構，用於依據與該識別元素之預定標準狀況的偏差，而產生表示該取得的識別元素之可靠度的可靠度資訊；一字典資料產生資訊儲存單元，適於儲存與將識別之每一個人的該個人識別資訊相關之表示該取得之由該可靠度資訊產生機構所產生之識別元素的該可靠度的複數組該可靠度資訊，及該取得之識別元素的資料或從該識別元素所汲取的該特徵資料；及字典資料產生/更新機構，用於使用自相應於儲存於該字典資料產生資訊儲存單元之該個人識別資訊的每一個人相關的該識別元素及其可靠度資訊所汲取的複數識別元素資料或特徵資料，而產生或更新與將識別之每一個人相關的該識別字典資料，其中該特徵資料係以依據該可靠度資訊所決定之加權因子而加權。
在個人識別裝置中，字典資料係使用依據與個人之識別元素預定之標準狀況的偏差，所決定之加權因子加權之識別元素的特徵資料而予產生/更新，並可獲得高準確度 的字典資料及高識別準確度。
在上述資訊處理裝置中，所取得預定類型之資訊的可靠度係依據與預定標準狀況的偏差而決定，並儲存表示所決定之可靠度的可靠度資訊。因而，可依據可靠度資訊而選擇具高可靠度的資訊，且該選擇之具高可靠度的資訊可用於處理。
在上述個人識別裝置中，獲得高準確度的字典資料及高識別準確度。
本發明下列將參照結合圖式之特定實施例進一步描述細節。在下列所描述的實施例中，經由範例，本發明將應用於使用臉影像做為識別元素之適於識別個人的識別裝置。
圖1為一方塊圖，描繪依據本發明一實施例之使用臉影像之適於識別個人的個人識別裝置的組態範例。在圖1所示範例中，使用臉影像之適於識別個人的個人識別裝置係於個人電腦等之上完成。在圖1所示組態中，一些方塊可以軟體功能方塊的形式完成。
如圖1中所示，在依據本實施例的個人識別裝置中，CPU(中央處理單元)經由系統匯流排2連接至其中儲存程式及相關資料的ROM(唯讀記憶體)3、做為工作區的RAM(隨機存取記憶體)4、作業單元介面5、顯示介面6及影像資料輸入介面7。
包括鍵盤、滑鼠等的作業輸入單元8連接至作業單元介面5。例如LCD(液晶顯示器)的顯示裝置9連接至顯示介面6。
在影像資料經由影像資料輸入介面7而從例如具USB(通用序列匯流排)介面之照相機的影像輸出裝置輸入的狀況下，影像資料輸入介面7便包括USB端子及USB介面。
在影像資料經由影像資料輸入介面7而從卡型記憶體輸入的狀況下，影像資料輸入介面7便為可從裝設於上之卡型記憶體讀取影像資料的記憶體讀取器形式。
另一方面，為從光碟接收影像資料，影像資料輸入介面7包括可讀取光碟影像資料的光碟機。
影像資料輸入介面7不僅讀取影像資料，亦可讀取影像資料的相關資料，例如表示採用影像之時間、採用影像之狀況等的Exif(交換影像檔案格式)資料。
在本實施例中，系統匯流排2亦連接至臉識別字典資料庫10、臉識別影像處理單元11、臉識別單元12、顯示資訊產生器13、分數計算單元14及字典資料產生/更新單元15。
臉識別字典資料庫10用於使用例如硬碟之儲存裝置的部分或所有儲存區域。在本實施例中，在臉識別字典資料庫10中，儲存經由與識別每一個人之個人識別資訊(例如個人識別ID)相關之其臉影像所識別之每一複數登錄的個人Pi (i =1、2、…)的個人字典資料Di (i =1 、2、…，其中i 標示個人數量)。在下列描述中，"使用臉影像之個人的識別"亦將簡單地表示為"臉識別"。
在本實施例中，如圖2中所示，每一個人的個人字典資料Di 包括臉識別字典資料FRDi 及一或n項(n=1、2、…、N)的字典資料產生資訊DPIi,n ，並與個人識別資訊相關地儲存。在本實施例中，個人姓名係做為個人識別資訊。請注意，個人識別資訊不限於個人姓名，例如個人識別號碼、個人識別碼等其他資訊或該資訊的組合亦可做為個人識別資訊。
在本實施例中，個人字典資料Di 可儲存最多N(例如40)項每一個人的字典資料產生資訊。每一個人之字典資料產生資訊項數的上限係依據儲存字典資料庫之儲存體的儲存容量而決定。因而，在本實施例中，計算每一個人字典資料Di 的總分數，由於儲存體容量的限制，若無法儲存所有個人字典資料，便僅保留具高總分數的個人字典資料。
字典資料產生資訊DPIi,n 包括n(最多N)項於不同時間所捕捉將經由臉影像識別之每一個人Pi 的臉影像資訊。在本實施例中，如圖2中所示，字典資料產生資訊DPIi,n 包括時間資訊Ti,n 、所捕捉臉影像的特徵資料Vi,n 、表示所捕捉臉影像之可靠度的總分數SOi,n 、及依據分數SOi,n 所決定的加權因子Wi,n 。
在與影像資料相關之Exif資訊包括表示採用影像之時間的資料的狀況下，Exif資訊中所包括之時間資訊直接 做為時間資訊Ti,n 。若Exif資訊不包括表示採用影像之時間的資料，CPU 1顯示顯示裝置9上信息，以促使使用者輸入採用影像的時間，並回應該信息而使用該使用者所輸入之時間做為時間資訊Ti,n 。另一方面，捕捉影像資料之時間可做為時間資訊Ti,n 。
臉識別字典資料FRDi 為使用儲存做為第i個個人Pi 之字典資料產生資訊DPIi,n 的一部分之臉影像的特徵資料(特徵向量)而產生/更新的特徵資料(特徵向量)，並為與依據識別所捕捉臉影像之個人Pi 相關的字典資料。
在本實施例中，經由實施使用與臉識別字典資料庫10之每一個人Pi 相關的字典資料產生資訊DPIi,n 之加權的特徵資料(特徵向量)之計算，而產生與每一個人Pi 相關的臉識別字典資料FRDi 。以下將描述包括特徵資料之加權因子的決定之計算的細節。
如圖3中所示，臉識別影像處理單元11從經由影像資料輸入介面7所捕捉的原始影像資料檢測臉及其眼睛，並轉動臉影像使得檢測的兩眼置於水平線上。實施該轉動轉換特定臉影像為一種狀態，其接近從正面汲取的臉影像，且雙眼置於用於臉識別的水平線上。
此外，臉識別影像處理單元11標繪特徵點(實施特徵點之取樣)，而用於臉影像之特徵部分(例如眉毛、眼睛、鼻子、嘴巴等)之特徵資料的汲取，並檢測特徵向量Vin做為所捕捉臉影像Fin的特徵資料。特徵向量Vin係以複數特徵值之函數的形式而提供。
儘管文中並未描述技術的細節，檢測臉及其眼睛的過程及經由臉識別影像處理單元11而實施計算特徵向量Vin的過程可依據例如日本專利申請案No. 2006-72770中所揭露之技術、日本專利申請案No. 2005-44330中所揭露之技術、標題為「以畫素差異特徵為主之即時任意位置臉檢測器的學習」(經由影像資訊而感測之研討會記錄，2004年7月，pp. 547-552)之文件中所揭露之技術。
臉識別影像處理單元11供應做為所捕捉臉影像Fin之特徵資料的所取得之特徵向量Vin給臉識別單元12。此外，臉識別影像處理單元提供所獲得做為檢測臉之程序之結果的臉影像資料及表示眼睛檢測結果給分數計算單元14。在本範例中，表示所檢測臉影像之影像資料大小的資料附加至表示提供予分數計算單元14之所檢測臉的臉影像資料。臉影像之影像資料大小係以所檢測臉影像之垂直方向的畫素數目及水平方向的畫素數目表示。
若臉識別影像處理單元11無法檢測臉或眼睛，或若臉識別影像處理單元11無法計算檢測臉及眼睛之後的特徵向量，臉識別影像處理單元11便發送表示上述結果的信息給臉識別單元12及顯示資訊產生器13。
若臉識別單元12接收特徵向量Vin做為從臉識別影像處理單元11所捕捉影像而取得之臉影像Fin的特徵資料，臉識別單元12比較所接收之特徵向量Vin與儲存在臉識別字典資料庫10之複數個人的臉識別字典資料(特徵向量)FRDi ，以檢測與特徵向量Vin相同的臉識別字典 資料FRDi 。
若檢測與特徵向量Vin相同的臉識別字典資料FRDi ，臉識別單元12便發送表示已檢測與特徵向量Vin相同的臉識別字典資料FRDi 的信息及相應於所檢測臉識別字典資料FRDi 之個人識別資訊(在特定範例中為個人的姓名)給顯示資訊產生器13。
另一方面，若未檢測與特徵向量Vin相同的臉識別字典資料FRDi ，臉識別單元12便發送表示此結果的信息給顯示資訊產生器13。
若臉識別單元12從臉識別影像處理單元11接收表示臉識別影像處理單元11無法檢測臉或眼睛的信息，或若儘管已檢測臉及眼睛但臉識別影像處理單元11無法計算特徵向量，臉識別單元12便不實施上述臉識別程序。
若顯示資訊產生器13從臉識別單元12接收表示臉已識別的信息，及做為所獲得之個人識別資訊的個人姓名而做為臉識別的結果，顯示資訊產生器13便產生臉識別結果確認螢幕的顯示資訊，如圖4中所示，使得使用者可確認臉識別結果，且顯示資訊產生器13經由顯示介面6而提供所產生之顯示資訊給顯示裝置9。顯示裝置9依據所接收的顯示資訊於顯示螢幕上顯示臉識別結果確認螢幕。
如圖4中所示，在臉識別結果確認螢幕上，顯示所捕捉之臉影像Fin的影像21及詢問使用者臉識別結果是否正確的的信息22。該信息的範例為"這是xxxxx先生嗎？"其中"xxxxx"為所獲得做為臉識別之結果的姓名。此外， 亦顯示用於回應詢問信息22的按鈕圖像23及24。
在本範例中，臉識別單元12已判斷所捕捉之臉影像的特徵資料與"Taro Tanaka"先生相關之個人字典資料Di 之臉影像的特徵資料(臉識別字典資料FRDi )相同，且因而將"Taro Tanaka"顯示為圖4中所示詢問信息22中的"xxxxx"。
回應按鈕圖像23用於當答案為肯定時，同時回應按鈕圖像24用於當答案為否定時。
在圖4中所示的螢幕上，若使用者經由使用作業輸入單元8點擊回應按鈕圖像23而肯定地回應時，顯示資訊產生器13便提供表示所獲得之姓名為臉識別之結果的資訊給字典資料產生/更新單元15，並指示字典資料產生/更新單元15實施使用所捕捉之臉影像的字典資料產生/更新程序。字典資料產生/更新單元15產生/更新儲存於相應於所接收姓名做為個人識別資訊之臉識別字典資料庫10中的個人字典資料Di ，此將於下列詳細描述。
在圖4中所示的螢幕上，若使用者經由使用作業輸入單元8點擊回應按鈕圖像24而否定地回應時，如圖5中所示，顯示資訊產生器13便產生不正確臉識別通知螢幕的顯示資訊，通知使用者臉識別結果不正確，且顯示資訊產生器13經由顯示介面6提供所產生的顯示資訊給顯示裝置9。顯示裝置9於與所接收之顯示資訊相關的顯示螢幕上顯示不正確臉識別通知螢幕。
如圖5中所示，在不正確臉識別通知螢幕上，顯示所 捕捉之臉影像Fin的影像21，此外顯示信息25提示使用者輸入所捕捉之臉影像Fin的正確姓名。回應上，使用者於信息欄25的姓名欄26中輸入其臉影像顯示為影像21之個人的姓名。
若使用者輸入姓名，顯示資訊產生器13便提供該輸入姓名的資訊給字典資料產生/更新單元15，並指示字典資料產生/更新單元15展開使用所捕捉之臉影像Fin的字典資料產生/更新程序。字典資料產生/更新單元15檢查總分數(之後描述)，以判斷是否需要更新/產生儲存於相應於所接收姓名做為個人識別資訊之臉識別字典資料庫10中的個人字典資料Di ，此將於下列詳細描述。若判斷需要實施更新/產生程序，字典資料產生/更新單元15便更新/產生個人字典資料Di 。
若使用者發佈指令結束臉識別程序而未於姓名欄26中輸入姓名，顯示資訊產生器13便於姓名上提供無資訊，但提供信息給字典資料產生/更新單元15以通知不需更新/產生字典資料。在此狀況下，字典資料產生/更新單元15不更新/產生字典資料。
若顯示資訊產生器13從臉識別單元12接收表示於臉識別程序中未在字典資料庫10中發現相應於所捕捉臉影像之個人字典資料的信息，顯示資訊產生器13便如圖6中所示產生螢幕的顯示資訊，以通知使用者於臉識別程序中未發現相應的個人字典資料，且顯示資訊產生器13經由顯示介面6提供所產生的顯示資訊予顯示裝置9。顯示 裝置9將所接收的顯示資訊顯示於顯示螢幕上。
在圖6中所示的螢幕上，顯示所捕捉臉影像Fin的影像21，且此外顯示信息27以提示使用者輸入所捕捉臉影像Fin的姓名。使用者回應地於信息欄27的姓名欄28中輸入顯示為影像21之臉影像的該個人的姓名。
若使用者輸入姓名，顯示資訊產生器13便提供所輸入姓名的資訊予字典資料產生/更新單元15，並指示字典資料產生/更新單元15實施使用所捕捉臉影像的字典資料產生/更新程序。字典資料產生/更新單元15檢查總分數(之後描述)以決定是否需要更新/產生相應於所接收姓名的個人字典資料Di 以做為個人識別資訊，此將於之後進一步詳細描述。若決定需要實施更新/產生程序，字典資料產生/更新單元15便更新/產生個人字典資料Di 。
若使用者發佈指令結束臉識別程序而未於姓名欄28中輸入姓名，顯示資訊產生器13便不提供姓名的資訊，而是提供信息予字典資料產生/更新單元15以通知不需更新/產生字典資料。在此狀況下，字典資料產生/更新單元15便不更新/產生字典資料。
若顯示資訊產生器13從臉識別影像處理單元11接收信息表示，在臉或眼睛的檢測中或特徵向量的計算發生失敗，顯示資訊產生器13便如圖7中所示地產生識別失敗通知螢幕的顯示資訊，並經由顯示介面6提供所產生的顯示資訊給顯示裝置9。顯示裝置9便於其螢幕上顯示所接收的顯示資訊。
如圖7中所示，在識別失敗通知螢幕上，顯示信息29以表示所捕捉的臉影像未用於字典的更新。顯示資訊產生器13接著提供信息予字典資料產生/更新單元15，以通知未實施字典的更新。
若分數計算單元14從臉識別影像處理單元11接收與所檢測之臉及眼睛相關的資料，便計算表示經由影像資料輸入介面7所捕捉影像而汲取臉影像之可靠度的分數。若分數計算單元14從臉識別影像處理單元11接收表示於臉或眼睛之檢測中或特徵向量之計算中發生失敗的信息，分數計算單元14便不實施所捕捉臉影像之分數的計算。
在本實施例中，分數計算單元14藉檢測歷經臉識別之臉影像與標準狀況之偏差，而計算表示歷經臉識別之所捕捉臉影像的可靠度之分數。
例如，依據歷經臉識別之臉影像的標準狀況為(A)臉影像之資料的畫素數量應等於或大於水平及垂直方向的預定值(在本實施例中，畫素數量應等於或大於水平及垂直方向的64畫素)，(B)臉應從正面檢視，及(C)兩眼應處於一水平線上。
在本實施例中，四項分數Sa、Sb、Sc及Sd係計算相對於標準狀況之所捕捉臉影像的特徵資料，並接著從四項分數Sa、Sb、Sc及Sd計算所捕捉臉影像的特徵資料的總分數SO。每一分數Sa、Sb、Sc及Sd採取0至1的值。當可靠度為最低階時，分數便設定為"0"。可靠度愈高，分數的設定值愈高。當可靠度為最高階時，分數便設定為 "1"。分數Sa、Sb、Sc及Sd將於下列進一步描述。
依據臉影像之資料大小的分數Sa
四項分數中，分數Sa表示依據從所捕捉之影像檢測之臉影像之資料大小的可靠度。
在依據歷經臉識別之臉影像的標準狀況(A)中，若臉識別中所需臉影像的最小資料大小標示為MIN_SIZE，對於臉識別之充分大臉影像的資料大小標示為MAX_SIZE，如圖8中所示，便從相對於MIN_SIZE及MAX_SIZE之所捕捉臉影像資料大小Xa計算分數Sa。
如圖8中所示，當Xa<MTN_SIZE時，Sa=0。
當MIN_SIZEXaMAX_SIZE，Sa=k．Xa，其中k為正比例常數(即，k>0)。
當MAX_SIZE<Xa時，Sa=1。
在本實施例中，MIN_SIZE設定為等於64x64畫素，且MAX_SIZE設定為大於64x64畫素的值，其足夠大而實施臉識別。
請注意，所捕捉臉影像的資料大小係指經由影像資料輸入介面7而從原始捕捉影像檢測之臉影像的資料大小，其不同於歷經例如臉識別影像處理單元11所實施資料內插之影像處理之臉影像的資料大小。
在臉識別影像處理單元11所實施之臉識別程序中，臉影像資料需要具有等於或大於預定下限(本範例中為64x64畫素)的資料大小。若所檢測之臉影像的資料大小 小於下限，便實施資料內插以獲得具等於或大於下限之資料大小的臉影像，並試圖檢測結果臉影像的特徵向量。當檢測的臉影像旋轉使得兩眼位於水平線上時，便可視需要實施內插。若特徵向量係自經由內插而獲得之臉影像汲取，便可能從結果特徵向量正確地實施臉識別。
請注意，上述分數Sa係依據未歷經臉識別影像處理單元11實施之畫素內插之臉影像的資料大小而計算。
在本實施例中，當臉影像的資料大小Xa小於MIN_SIZE時，便判斷難以獲得具對於臉識別足夠高之可靠度的特徵向量，且Sa設定為0。另一方面，若臉影像的資料大小Xa大於MAX_SIZE，便判斷可獲得具對於臉識別足夠高之可靠度的特徵向量，且Sa設定為1。當臉影像的資料大小Xa大於MIN_SIZE並小於MAX_SIZE，便判斷用於臉識別之特徵向量的可靠度與資料大小Xa成正比，因而將分數Sa設定為與資料大小Xa成正比的值。
在圖8所示的範例中，當臉影像的資料大小Xa大於MIN_SIZE並小於MAX_SIZE時，表示用於臉識別之特徵向量之可靠度的分數Sa便線性地隨資料大小Xa而改變。另一方面，分數Sa可非線性地隨資料大小Xa而改變。例如，分數Sa可隨Xa的平方而改變。
依據相對於正向之臉影像之方位的分數Sb 如上述，在標準狀況中，用於臉識別之臉影像係從正向檢視。通常，若脫離正向之臉影像的方向超出允許的範 圍，便不可能計算臉影像的特徵向量。因而，在本實施例中，便依據正向之臉影像的方向偏差而計算分數Sb。
因而，分數Sb表示依據臉影像之特徵向量之計算的可靠度。
如圖9中所示，臉的方位(角度)可以下列三種方向改變。滾動方向的改變係圍繞從臉的正面向背面延伸之旋轉軸31旋轉。俯仰方向的改變係圍繞水平方向垂直旋轉軸31之旋轉軸32旋轉。搖擺方向的改變係圍繞垂直方向垂直旋轉軸31之旋轉軸33旋轉。
滾動方向之方位的改變係由臉識別影像處理單元11經由旋轉影像使得兩眼趨近水平線上的位置而予修正，並實施結果臉影像的臉識別。因而，在本實施例中，分數Sb之計算中未考量滾動方向的改變。
因而，在本實施例中，便僅考量俯仰方向及搖擺方向之方位的改變而計算分數Sb。在本實施例中，若正向之臉影像的方位偏差如此大，便無法計算臉影像的特徵向量，且分數Sb設定為0。若正向臉影像之方位的偏差處於俯仰及搖擺方向中允許將計算之臉影像之特徵向量的小範圍內，分數Sb便設定為1。
在本實施例中，若正向臉影像之俯仰方向之方位偏差的角度標示為A俯仰 ，且搖擺方向之偏差的角度標示為A搖擺 ，提供允許將計算之臉影像之特徵向量的允許範圍，例如 -15∘A俯仰 +15∘ -15∘A搖擺 +15∘
因而，在本實施例中，當-15∘A俯仰 +15∘及-15∘A搖擺 +15∘時，分數Sb便設定為1。然而，若未滿足上述狀況，分數Sb便設定為0。
依據滾動方向之旋轉之小的分數Sc 分數Sc表示依據滾動方向之旋轉之小的臉識別中臉影像的可靠度。因而，分數計算單元14依據未歷經滾動方向之旋轉之修正的臉影像而計算分數Sc。
在本實施例中，如圖10中所示，滾動方向中偏差定義為垂直距離Xc，其係指未歷經旋轉之臉影像於部分檢測程序中所檢測的兩眼之間(與兩眼理想地位於水平線上之偏差，或以垂直方向測量之左眼的位置(高度)與以垂直方向測量之右眼的位置(高度)之間的距離)。
更具體地，如圖10A中所示，若檢測的兩眼處於水平線上，兩眼之間的垂直距離Xc等於0(Xc=0)。另一方面，如圖10B或10C中所示，若檢測的臉影像具有滾動方向的方位偏差，檢測的兩眼之間的垂直距離Xc便具有相應於滾動方向之旋轉量的值。
當兩眼處於水平線上時，即當兩眼之間的垂直距離Xc等於0時，分數Sc便具有最大值，即Sc=1。分數Sc隨著兩眼之間的垂直距離Xc增加，而朝向最小值0減少 。在本實施例中，分數Sc具有如圖11中所示之兩眼之間垂直距離Xc的高斯分佈函數所提供的值。
更具體地，分數Sc係依據下列方程式(1)而計算。
其中b為使得當Xc=0時Sc=1的判斷值，δ為標準差，及μ為平均值。該些參數的值係統計上由大量的臉影像範例而決定。
依據搖擺方向之旋轉之小的分數Sd 在上述分數Sb的計算中，若從正向之搖擺方向中臉影像的旋轉處於可允許的範圍，且俯仰方向中旋轉亦處於可允許的範圍，分數Sb便設定為1，無關乎可允許範圍內的旋轉量。
當搖擺方向中方位的偏差處於可允許的範圍時，為更準確地評估所捕捉臉影像之識別中可靠度上搖擺方向之旋轉的效果，分數Sd定義如下。
即在本實施例中，如圖12A至13C中所示，從正向臉影像之方位的搖擺方向偏差係由從臉影像的中心線41(平行於搖擺之旋轉軸33(圖9)延伸並通過位於相應於眼睛位置之高度的臉影像之右與左邊緣40之間水平線的中間點之線)至所檢測兩眼之間中間點42的距離Xd所定義。
請注意，兩眼之間的中間點42係位於相同位置，無 關乎是否已實施滾動方向之旋轉的修正。在本實施例中，分數計算單元14依據未歷經滾動方向之旋轉修正的臉影像而計算距離Xd。
如圖12A之範例中所示，若所檢測兩眼之間的中間點42處於臉影像的中心線41上，Xd=0。在此狀況下，臉影像之方位為正向，並預期可從臉影像汲取高可靠度的特徵向量，因而分數Sd設定為1(Sd=1)。
如圖12B及13C中所示，分數Sd隨著所檢測兩眼之間中間點42與臉影像之中心線41之間的距離Xd增加，而朝向0減少。如圖13中所示，在本實施例中，分數Sd具有臉影像之中心線41與所檢測兩眼之間中間點42之間距離Xd的高斯分佈函數所提供之值。
更具體地，依據下列所示方程式(2)而計算分數Sd。
其中c為使得當Xd=0時Sd=1的判斷值，δ為標準差，及μ為平均值。該些參數的值係統計上由大量的臉影像範例而決定。
總分數 在本實施例中，分數計算單元14依據方程式(3)而從四項分數Sa、Sb、Sc及Sd計算總分數SO。文中，由於分數計算單元14係計算新捕捉之臉影像之資料的總分 數，所以將分數計算單元14所計算的總分數定義為SOnew。
SOnew=SaxSbxScxSd　　　(3)
請注意，方程式(3)為決定總分數SOnew之方式的範例，而總分數SOnew可不同地決定。例如，總分數可計算如下。
SOnew=Sa+Sb+Sc+Sd　　　(4)
仍另一方面，總分數可計算如下。
SOnew=ka．Saxkb．Sbxkc．Scxkd．Sd　　　(5)
或總分數可計算如下。
SOnew=ka．Sa+kb．．Sb+kc．．Sc+kd．Sd　　　(6) 其中ka、kb、kc及kd為分別配賦予分數Sa、Sb、Sc及Sd的加權因子。
臉影像之特徵向量的加權因子W 總分數SO可直接用於臉影像識別字典資料FRDi 的更 新，或可決定臉影像之特徵向量之加權的加權因子W，並可使用加權因子W更新臉影像識別字典資料FRDi 。
在本實施例中，分數計算單元14從總分數SOnew計算新捕捉臉影像之特徵向量的加權因子Wnew。
更具體地，加權因子Wnew依據下列所描述的方程式(7)而判斷為與總分數SOnew成線性正比。
Wnew=k．SOnew　　　(7) 其中k為比例常數。
請注意，若k設定為1，總分數SOnew便直接用做加權因子Wnew。
計算加權因子Wnew的方式並不限於方程式(7)，但加權因子Wnew可不同地決定。例如，加權因子Wnew經決定而使加權因子Wnew隨著總分數SOnew而非線性改變。例如，加權因子Wnew可由下列所描述的方程式(8)提供。
Wnew=k．(SOnew)2 　　　(8)
另一方面，加權因子Wnew可決定如下。當總分數SOnew等於或小於預定的第一閾值時，加權因子Wnew便設定為0，同時當總分數SOnew大於預定的第一閾值時，便依據方程式(7)或(8)而決定加權因子Wnew。
仍另一方面，加權因子Wnew可決定如下。當總分數SOnew等於或小於預定的第一閾值時，加權因子Wnew便設定為0。然而，當總分數SOnew大於預定的第二閾值(其大於第一閾值)時，加權因子Wnew便設定為1。當總分數SOnew大於預定的第一閾值並小於第二閾值時，便依據方程式(7)或(8)而決定加權因子Wnew。
如上述，分數計算單元14計算每一所捕捉臉影像的總分數SOnew，並進一步依據總分數SOnew而計算加權因子Wnew。所計算的總分數SOnew及加權因子Wnew提供予字典資料產生/更新單元15。
臉識別字典資料FRDi 的更新 在本實施例中，當個人識別資訊經決定為臉識別單元13所實施識別程序的結果時，字典資料產生/更新單元15便更新相應於個人識別資訊之個人字典資料Di 的字典資料產生資訊DPIi,n ，並使用更新的字典資料產生資訊DPIi,n 而更新相應於個人識別資訊之個人字典資料Di 的臉識別字典資料FRDi 。
更具體地，字典資料產生/更新單元15比較新捕捉之臉影像的總分數SOnew與已儲存於臉識別字典資料庫10中做為相應於新捕捉之臉影像之個人Pi 的個人字典資料Di 之字典資料產生資訊DPIi,n 的每一總分數SOi,n ，以決定臉識別字典資料庫10是否包括其總分數SOi,n 小於新捕捉之臉影像之總分數SOnew的字典資料產生資訊DPIi,n ， 即新捕捉之臉影像之總分數SOnew是否大於儲存於臉識別字典資料庫10之若干字典資料產生資訊DPIi,n 的總分數。
若字典資料產生/更新單元15判斷新捕捉之臉影像之總分數SOnew大於儲存於臉識別字典資料庫10之若干字典資料產生資訊DPIi,n 的總分數，字典資料產生/更新單元15便更新個人字典資料Di 的臉識別字典資料FRDi 。
在臉識別字典資料FRDi 的更新中，字典資料產生/更新單元15首先從臉識別字典資料庫10的個人字典資料Di 刪除具最小總分數SOi,n 的字典資料產生資訊DPIi,n ，且字典資料產生/更新單元15儲存新臉影像的特徵向量、時間資料、加權因子Wnew及總分數SOnew，做為臉識別字典資料庫10中的個人字典資料。
此外，字典資料產生/更新單元15依據下列方程式(9)而更新臉識別字典資料FRDi 。
即，字典資料產生/更新單元15計算N項字典資料產生資訊DPIi,i 至DPIi,n 中所描述之特徵向量Vi,n 與相應加權因子Wi,n 之積的和，並除以N項加權因子加總的結果和。 計算結果儲存做為更新的臉識別字典資料FRDi 。
由於臉識別字典資料FRDi (相應於特徵向量)係使用N項字典資料產生資訊DPIi,i 至DPIi,n 而計算，因而臉識別字典資料FRDi 的準確度較依據下列方程式(10)之N項字典資料產生資訊DPIi,i 至DPIi,n 中所包括特徵向量之簡單平均而獲得的臉識別字典資料FRDi 佳。
此外，做為更新的結果，將具有最高總分數的N項字典資料產生資訊DPIi,i 至DPIi,n 儲存於臉識別字典資料庫10中，因而臉識別字典資料FRDi 更新為更準確的版本。
若判斷新捕捉之臉影像的總分數SOnew小於任一儲存於臉識別字典資料庫10之字典資料產生資訊DPIi,n 的總分數SOnew，便不實施個人字典資料Di 之臉識別字典資料FRDi 的更新，因為具目前特徵值之字典資料產生資訊DPIi,n 的特徵值的取代將導致臉識別字典資料FRDi 的準確度降低。
若臉識別字典資料庫10中個人字典資料Di 所描述之字典資料產生資訊DPIi,n 的數量小於N，字典資料產生/更新單元15便產生新的臉識別字典資料FRDi ，使得與新捕捉之臉影像相關的特徵向量、時間資訊、總分數SOnew及加權因子Wnew均儲存於臉識別字典資料庫10中做為新的字典資料產生資訊DPIi,n ，而不比較新捕捉之臉影像 資料的總分數SOnew與已存在於臉識別字典資料庫10中字典資料產生資訊DPIi,n 的總分數。在此狀況下，臉識別字典資料FRDi 的產生中，字典資料產生/更新單元15使用儲存於臉識別字典資料庫10之個人字典資料Di 中所包括之字典資料產生資訊DPIi,n 的數量，而非方程式(9)中的N。
若儲存於臉識別字典資料庫10之個人字典資料Di 中所包括之字典資料產生資訊DPIi,n 的數量達N，那麼於以下所實施之臉識別字典資料FRDi 的更新中，字典資料產生/更新單元15比較新捕捉之臉影像的總分數SOnew與每一字典資料產生資訊DPIi,n 的總分數SOi,n ，並使用從最高總分數至較低總分數之順序中所選擇的N項字典資料產生資訊而更新臉識別字典資料FRDi 。
在圖1中所示功能方塊組態中，臉識別影像處理單元11、臉識別單元12、顯示資訊產生器13、分數計算單元14及字典資料產生/更新單元15可經由硬體而實施，或可以經由中央處理單元1藉執行使用隨機存取記憶體4做為工作區之唯讀記憶體3中所儲存之軟體程式而實施之軟體功能方塊的形式而予實施。
在上述實施例中，每一字典資料產生資訊DPIi,n 包括至少特徵向量、時間資訊、總分數及加權因子。字典資料產生資訊DPIi,n 可不包括加權因子，且加權因子可由總分數而予計算。
並非儲存特徵向量，而是可儲存所捕捉的臉影像資料 ，並可從儲存的臉影像資料汲取特徵向量。在此狀況下，可從儲存的臉影像資料計算總分數及加權因子。因而，在此狀況下，字典資料產生資訊DPIi,n 包括至少臉影像資料。
臉影像識別裝置臉識別程序的作業 下列將描述以上述方式組建的臉影像識別裝置所實施的臉識別程序、所捕捉臉影像之特徵資料的計算程序及臉識別字典資料的產生/更新程序。
圖14為一流程圖，描繪部分臉識別程序，及圖15為一流程圖，描繪圖14中所示該部分之後的部分。請注意，圖14及圖15中所示之程序係在中央處理單元1、影像資料輸入介面單元7、臉識別影像處理單元11、臉識別單元12及顯示資訊產生器13的控制下實施。 如上述，該些功能方塊可以經由中央處理單元1藉執行使用隨機存取記憶體4做為工作區之唯讀記憶體3中所儲存之軟體程式而實施之軟體功能方塊的形式而予實施。
首先，中央處理單元1經由影像資料輸入介面7而取得包括臉影像之影像資料及包括Exif資訊之相關資訊，並將其傳輸予臉識別影像處理單元11(步驟S101)。
為回應中央處理單元1所發佈的程序起始指令，臉識別影像處理單元11從所接收的影像資料檢測臉及眼睛，並相對於所檢測之眼睛的位置而轉動臉影像。臉識別影像處理單元11接著標繪特徵點並從所標繪的特徵點產生特 徵向量(步驟S102)。在上述程序中，儲存表示從影像資料相關Exif資訊汲取影像之時間的資訊及所汲取的時間資訊。
若臉識別影像處理單元11已順利產生特徵向量，臉識別影像處理單元11便輸出所產生的特徵向量，及表示特徵向量已順利產生的資訊。然而，若臉識別影像處理單元11因臉影像資料之資料大小過小或若干原因而無法產生特徵向量，臉識別影像處理單元11便輸出表示臉識別影像處理單元11無法產生特徵向量的資訊。
中央處理單元1判斷臉識別影像處理單元11所提供資訊的檢查，以判斷所捕捉臉影像之特徵向量是否已順利產生(步驟S103)。若中央處理單元1從臉識別影像處理單元11接收表示臉影像之特徵向量產生失敗的資訊，中央處理單元1便傳輸此資訊予顯示資訊產生器13。
若顯示資訊產生器13接收表示臉影像之特徵向量產生失敗的資訊，顯示資訊產生器13便產生圖7中所示識別失敗通知螢幕的顯示資訊，並輸出所產生的顯示資訊。中央處理單元1經由顯示介面6發送識別失敗通知螢幕的顯示資訊予顯示裝置9，以顯示包括表示使用所捕捉臉影像之識別失敗之信息29的識別失敗通知螢幕，因而如圖7中所示臉影像未用於字典中(步驟S104)。
若中央處理單元1於步驟S103中判斷從臉識別影像處理單元11所接收之資訊表示臉影像之特徵向量已順利產生，且所產生的特徵向量已被接收，中央處理單元1便 將所產生的特徵向量及表示特徵向量已順利產生之資訊傳輸予臉識別單元12。
臉識別單元12依據所接收之捕捉的臉影像的特徵向量搜尋臉識別字典資料庫10，以檢測具有相同特徵向量的臉識別字典資料FRDi 。若發現臉識別字典資料FRDi 具有相同特徵向量，臉識別單元12便輸出相應於所檢測之臉識別字典資料FRDi 的個人識別資訊(在本實施例中為個人的姓名)，連同表示已發現具有相同特徵向量的臉識別字典資料FRDi 的資訊(步驟S105)。
中央處理單元1檢查從臉識別單元12輸出的資訊，以判斷是否已發現具有相同特徵向量的臉識別字典資料FRDi (步驟S106)。若判斷已發現具有相同特徵向量的臉識別字典資料FRDi ，中央處理單元1便將表示個人姓名之做為相應於所檢測從臉識別單元12接收之臉識別字典資料FRDi 之個人識別資訊的資訊，連同表示臉已經順利識別之資訊傳輸予顯示資訊產生器13。
若顯示資訊產生器13接收表示臉已經順利識別之資訊，及表示個人姓名之資訊，顯示資訊產生器13便產生如圖4中所示之臉識別結果確認螢幕的顯示資訊，其使得使用者可確認臉識別結果。中央處理單元1經由顯示介面6發送臉識別結果確認螢幕的顯示資訊給顯示裝置9，以顯示包括詢問使用者臉識別結果是否正確之信息的臉識別結果確認螢幕(步驟S107)。
中央處理單元1等候使用者經由圖4中所示螢幕輸入 表示臉識別結果是否正確的資訊。若使用者輸入資訊，中央處理單元1分析所輸入資訊以判斷所輸入資訊是否表示臉識別結果正確(步驟S108)。若中央處理單元1所實施之判斷為所輸入資訊表示臉識別結果正確，中央處理單元1便實施更新臉識別字典資料庫10的常式(步驟S109)。之後將描述更新臉識別字典資料庫10之常式的內容。
另一方面，若步驟S108中所實施之判斷為所輸入資訊表示臉識別結果不正確，中央處理單元1便發送表示此事實之資訊給顯示資訊產生器13。依據所接收資訊，顯示資訊產生器13產生例如圖5中所示之不正確臉識別通知螢幕的顯示資訊。中央處理單元1經由顯示介面6發送顯示資訊給顯示裝置9，以顯示包括提示使用者輸入顯示於螢幕之所捕捉臉影像之正確姓名之信息25的顯示資訊(圖15中步驟S111)。
中央處理單元1等候使用者將姓名欄26中個人的姓名輸入信息25中(步驟S112)。若輸入姓名，中央處理單元1便判斷臉識別字典資料庫10是否包括相應於所輸入姓名的個人字典資料Di (步驟S113)。若判斷臉識別字典資料庫10包括相應於所輸入姓名的個人字典資料Di ，程序便躍至步驟S109以實施更新臉識別字典資料庫10的常式。
另一方面，若步驟S113判斷未於臉識別字典資料庫10中發現相應於所輸入姓名的個人字典資料Di ，中央處 理單元1便產生相應於所輸入姓名提供之個人識別資訊的新個人字典資料Di ，並將與個人識別資訊相關的個人字典資料Di 儲存至臉識別字典資料庫10中，藉以登錄該新個人字典資料Di (步驟S114)。如圖2中所示，新登錄的個人字典資料Di 包括所捕捉臉影像的特徵向量、表示捕捉臉影像之時間的時間資訊、總分數及加權因子。由於第一時間所捕捉臉影像僅存在一特徵向量，所以特徵向量亦登錄為臉識別字典資料。
於臉識別字典資料庫10中登錄新個人字典資料Di 的程序可實施做為之後將詳細描述之更新臉識別字典資料庫10的部分程序。
若步驟S106中判斷未發現具有與所捕捉臉影像之相同特徵向量的臉識別字典資料FRDi ，中央處理單元1便發送表示此結果之資訊給顯示資訊產生器13。若顯示資訊產生器13接收表示未發現具有與所捕捉臉影像之相同特徵向量的臉識別字典資料FRDi 的資訊，顯示資訊產生器13便產生如圖6中所示之螢幕的顯示資訊，以通知使用者未發現相應於臉影像的臉識別字典資料FRDi 。中央處理單元1經由顯示介面6發送顯示資訊給顯示裝置9，以顯示包括信息27的顯示資訊來提示使用者輸入顯示於如圖6中所示螢幕之所捕捉臉影像的姓名(圖15中步驟S115)。
中央處理單元1等候使用者將姓名欄28中姓名輸入信息27中(步驟S116)。若輸入姓名，中央處理單元1 便產生相應於所輸入姓名提供之個人識別資訊的新個人字典資料Di ，並將與個人識別資訊相關的個人字典資料Di 儲存至臉識別字典資料庫10中，藉以登錄該新個人字典資料Di (步驟S114)。
臉識別字典資料庫的更新 下列描述圖14之步驟S109中更新臉識別字典資料庫之程序的細節。圖16為一流程圖，描繪更新臉識別字典資料庫之程序的範例。請注意，圖16中所示的一系列步驟係在中央處理單元1的控制下由分數計算單元14及字典資料產生/更新單元15實施。該些功能方塊，即分數計算單元14及字典資料產生/更新單元15可經由中央處理單元1藉執行使用隨機存取記憶體4做為工作區之唯讀記憶體3中所儲存之軟體程式而實施之軟體功能方塊的形式而予實施。
首先，中央處理單元1發送指令給分數計算單元14以展開總分數SOnew的計算。分數計算單元14回應地以上述方式計算總分數SOnew及加權因子Wnew，並輸出計算結果(步驟S201)。下列將描述計算總分數SOnew及加權因子Wnew之程序的細節。中央處理單元1將所計算的總分數SOnew及加權因子Wnew傳輸予字典資料產生/更新單元15。
若以本實施例中硬體單元的形式實施分數計算單元14，當臉識別影像處理單元11具有順利產生的特徵向量， 可提供表示檢測之臉影像的資料及表示檢測之眼睛的資料予分數計算單元14，且分數計算單元14可平行於臉識別程序而計算總分數SOnew及加權因子Wnew。在此狀況下，於更新字典資料庫10之前，分數計算單元14已計算總分數SOnew及加權因子Wnew，且結果已儲存於工作區隨機存取記憶體4中。因而，在步驟S201中，中央處理單元1從工作區隨機存取記憶體4讀取總分數SOnew及加權因子Wnew，並將其傳輸至字典資料產生/更新單元15。
字典資料產生/更新單元15判斷步驟S201中所計算(獲得)捕捉之臉影像之特徵向量的總分數SOnew是否等於0(SOnew=0)(步驟S202)。若SOnew=0，字典資料產生/更新單元15通知中央處理單元1稱SOnew=0。若中央處理單元1接收此通知，中央處理單元1便判斷所捕捉臉影像之特徵向量的可靠度低，因而此特徵向量將不用於字典資料的更新。在此狀況下，本常式結束。
若步驟S202中判斷SOnew≠0，字典資料產生/更新單元15便判斷與正確識別之個人或使用者經由圖5或6中所示螢幕輸入姓名之個人相關之已存在字典資料產生資訊DPIi,n 的項數是否以達上限(本實施例為N項)(步驟S203)。
若判斷已存在字典資料產生資訊DPIi,n 的項數小於N，字典資料產生/更新單元15便附加包括與個人(於臉識別程序中正確識別之個人，或使用者經由圖5或6中所示螢幕輸入姓名之個人(以下"所識別之個人"將標示為個人 ))相關之所捕捉臉影像之特徵向量、時間資訊、總分數SOnew及加權因子Wnew的新字典資料產生資訊DPIi,n 至臉識別字典資料庫10(步驟S204)。
字典資料產生/更新單元15依據上述方程式(9)計算與所識別之個人相關的臉識別字典資料FRDi ，藉以更新臉識別字典資料FRDi (步驟S208)。請注意，在此狀況下，由於字典資料產生資訊DPIi,n 的項數小於N，方程式(9)中N便以字典資料產生資訊DPIi,n 的項數取代。
若步驟S203中判斷已存在字典資料產生資訊DPIi,n 的項數等於N，字典資料產生/更新單元15便接連讀取與所識別之個人相關的N項字典資料產生資訊DPIi,n 的總分數SOi,n ，並接連比較總分數SOi,n 與所計算之所捕捉臉影像的總分數SOnew(步驟S205)。
字典資料產生/更新單元15判斷是否存在小於N項字典資料產生資訊DPIi,n 的總分數SOi,n 中所計算之所捕捉臉影像的總分數SOnew的總分數(步驟S206)。若未發現該等總分數SOi,n ，便判斷字典資料不需更新，因而本處理常式結束。
另一方面，若步驟S206中判斷存在一總分數小於N項字典資料產生資訊DPIi,n 的總分數SOi,n 中所計算之所捕捉臉影像的總分數SOnew，字典資料產生/更新單元15便從N項字典資料產生資訊DPIi,n 檢測具有最小總分數SOi,n 的字典資料產生資訊DPIi,n ，並以包括具有總分數SOnew之臉影像的特徵向量、時間資訊、總分數及加權因 子的新字典資料產生資訊取代所檢測的字典資料產生資訊DPIi,n 。
關於步驟S207中所實施的置換結果，N項字典資料產生資訊DPIi,n 的內容中發生改變。因而，依據上述方程式(9)而使用N項字典資料產生資訊DPIi,n 的特徵值及加權因子重新計算臉識別字典資料FRDi ，藉以更新臉識別字典資料FRDi (步驟S208)。
因而，更新字典資料庫的常式完成。
分數的計算 接著，下列將描述分數計算單元14所實施之總分數及加權因子的計算程序。圖17為一流程圖，描繪分數計算單元14所實施之總分數及加權因子的部分計算程序，及圖18為一流程圖，描繪圖17中所示部分之後的部分。
首先，分數計算單元14檢測從臉識別影像處理單元11接收之臉影像資料的資料大小Xa(步驟S301)，且分數計算單元14判斷所檢測之臉影像資料的資料大小Xa是否小於臉影像所允許之資料大小的預定下限MIN_SIZE(步驟S302)。
若分數計算單元14判斷臉影像資料的資料大小Xa小於下限MIN_SIZE，分數計算單元14便判斷臉影像資料的資料大小Xa相關的分數Sa，使得如中圖8所示Sa=0(步驟S303)。
若其判斷臉影像資料的資料大小Xa不小於下限 MIN_SIZE，分數計算單元14便判斷臉影像資料的資料大小Xa大於預定之充分高的值MAX_SIZE(步驟S304)。
若分數計算單元14於步驟S304中判斷臉影像資料的資料大小Xa大於MAX_SIZE，分數計算單元14便判斷分數Sa，使得如中圖8所示Sa=1(步驟S305)。
另一方面，若其於步驟S304中判斷臉影像資料的資料大小Xa小於預定之充分高的值MAX_SIZE，分數計算單元14便如圖8中所示依據臉影像資料的資料大小Xa而設定分數Sa為一值(步驟S306)。
其次，分數計算單元14檢測所捕捉臉影像之臉的方位(角度)(步驟S307)。分數計算單元14接著檢測表示正向臉影像之方位的搖擺方向偏差的角度A搖擺 ，及表示正向臉影像之方位的俯仰方向偏差的角度A俯仰 (步驟S307)，且分數計算單元14判斷所檢測之角度A搖擺 及角度A俯仰 是否均落於預定的可允許範圍內，即是否滿足下列狀況(步驟S308)。
-15∘A搖擺 +15∘ 及 -15∘A俯仰 +15∘
若其於步驟S308中判斷角度A搖擺 及角度A俯仰 均落 於預定的可允許範圍內，分數計算單元14便判斷臉之方位相關的分數Sb，使得Sb=1(步驟S309)。
若其於步驟S308中判斷角度A搖擺 及角度A俯仰 其中之一或均落於預定的可允許範圍外，分數計算單元14便判斷臉之方位相關的分數Sb，使得Sb=0(步驟S310)。
在步驟S309或步驟S310之後，程序便進行至圖18中所示步驟S311。在步驟S311中，分數計算單元14檢測部分檢測程序中所檢測雙眼之水平位置的位置偏差，即如上述參照圖10，分數計算單元14檢測雙眼之間的垂直距離Xc。
分數計算單元14判斷所檢測之距離Xc是否等於0，即雙眼是否位於水平線上(步驟S312)。若其判斷雙眼位於水平線上，分數計算單元14便判斷分數Sc，使得Sc=1(步驟S313)。然而，若其於步驟S312中判斷雙眼未位於水平線上，分數計算單元14便以依據高斯分佈函數的方程式(1)計算分數Sc(步驟S314)。
在步驟S313或步驟S314之後，程序便進行至步驟S315。在步驟S315中，分數計算單元14檢測臉影像之中心線41與雙眼間中間點42之間的距離Xd(步驟S315)。
分數計算單元14判斷所檢測之距離Xd是否等於0(Xd=0)，且臉影像的方位是否為正向(步驟S316)。若其判斷臉影像的方位為正向，分數計算單元14便判斷分 數Sd，使得Sd=1(步驟S317)。若其於步驟S316判斷臉影像之方位具有正向偏差，分數計算單元14便以依據高斯分佈函數的方程式(2)計算分數Sd(步驟S318)。
在步驟S313或步驟S314之後，程序便進行至步驟S315。在步驟S315中，分數計算單元14使用Sa、Sb、Sc及Sd而計算總分數SOnew，及從所計算的總分數SOnew而計算加權因子Wnew(步驟S319)。因而，分數計算單元14所實施的分數計算程序完成。
上述實施例中，在實施個人識別之後，便依據新捕捉之臉影像而更新臉識別字典資料。另一方面，可暫時儲存捕捉之臉影像資料或特徵向量組、時間資訊、總分數及加權因子，並可於個人識別實施之後的稍後時間更新臉識別字典資料。
除了將總分數及加權因子儲存於暫時記憶體或個人字典儲存單元外，亦可儲存總分數及加權因子其中之一。若儲存加權因子，便可不依據總分數而是依據加權因子而實施是否將更新字典資料的判斷。
如上述，在上述實施例中，表示臉影像之特徵向量之可靠度的總分數SOi,n 係於每一個人Pi 之個人字典資料Di 的N項字典資料產生資訊DPIi,n 的每一項中描述。因而，當臉影像係新捕捉時，可經由比較表示新捕捉之臉影像的特徵向量之可靠度的總分數SOnew與該臉影像之特徵向量的N項總分數SOi,n (n=1至N)的每一項，而判斷是否使用新捕捉之臉影像而更新臉識別字典資料。
若判斷新捕捉之臉影像的總分數SOnew大於個人Pi 之個人字典資料Di 的N項字典資料產生資訊DPIi,n 的若干項，便以包括新捕捉之臉影像之特徵向量及其他參數的字典資料產生資訊取代具最低總分數SOi,n 的字典資料產生資訊DPIi,n ，藉以維持每一個人的個人字典資料Di ，而具有具高總分數及因而高可靠度的N項字典資料產生資訊。
使用具高可靠度之更新的N項字典資料產生資訊DPIi,n 組重新計算臉識別字典資料FRDi ，因而維持高可靠狀態的臉識別字典資料FRDi 。
在上述實施例中，並非以各N項字典資料產生資訊DPIi,n 之特徵向量的簡單平均而提供臉識別字典資料FRDi ，而是以依據相應總分數除以加權因子之總和所判斷的因子加權之特徵向量的總和而提供，因而具有較高可靠度之特徵值對於臉識別字典資料FRDi 具較大的貢獻。因而維持臉識別字典資料FRDi 而具高可靠度。
其他實施例
在上述實施例中，本發明應用於臉識別裝置。然而，本發明亦可應用於廣泛的裝置。
例如，在使用語音、指紋、虹膜圖樣、靜脈圖樣等做為識別元素的個人識別程序中，可依據每一識別元素之基準值的一或多項參數之偏差而計算一或多項分數。若存在二或更多項分數，便可從該二或更多項分數計算總分數。
關於上述實施例中，可依據總分數之分數而選擇複數項字典資料產生資訊，並可更新使用所選擇之字典資料產生資訊的識別字典資料。
本發明不僅可應用於個人識別程序，亦可應用於其他許多程序。例如，在用於識別卡等適於自動拍照的機器中，拍攝預定數量的照片，並依據臉之方位、眼睛之位置等預定標準狀況的偏差而計算每一幅照片的總分數。最後提供使用者具有高分數及因而具有高品質的一或多幅照片。
若拍攝許多個人的一組照片，便採用二或更多幅照片，並依據標準狀況之需求的滿意程度(例如照片中並無具有不自然顏色之眼睛的個人)而計算每一該二或更多幅照片的分數。經由從該二或更多幅照片選擇具有最高分數之照片，便可提供具有最高品質之照片。
若個人電腦之記憶體的相簿中儲存複數幅照片，即依據與標準狀況之偏差或例如照片包括人臉、照片具有大的高頻部分(即該照片鮮明度高)等狀況而計算分數或總分數，並儲存與該照片相關之所計算的分數或總分數。
照片可從最高分數或總分數到較低分數或總分數依序排列，即從具有最接近標準狀況之狀況的照片依序排列。
除了上述範例外，本發明具有廣泛的應用。
熟悉本技藝之人士應理解只要在申請專利範圍或其等效論述下，可依據設計需要或其他因素而實施各種修改、組合、次組合或改變。
1‧‧‧中央處理單元
2‧‧‧系統匯流排
3‧‧‧ROM(唯讀記憶體)
4‧‧‧RAM(隨機存取記憶體)
5‧‧‧作業單元介面
6‧‧‧顯示介面
7‧‧‧影像資料輸入介面
8‧‧‧作業輸入單元
9‧‧‧顯示裝置
10‧‧‧臉識別字典資料庫
11‧‧‧臉識別影像處理單元
12‧‧‧臉識別單元
13‧‧‧顯示資訊產生器
14‧‧‧分數計算單元
15‧‧‧字典資料產生/更新單元
21‧‧‧影像
22、29‧‧‧信息
23、24‧‧‧按鈕圖像
25、27‧‧‧信息(欄)
26、28‧‧‧姓名欄
31、32、33‧‧‧旋轉軸
40‧‧‧邊緣
41‧‧‧中心線
42‧‧‧中間點
圖1為一方塊圖，描繪依據本發明一實施例之個人識別裝置的硬體組態的範例；圖2描繪依據本發明一實施例之臉識別字典資料庫之內容的範例；圖3描繪依據本發明一實施例之個人識別裝置所實施臉識別過程的範例；圖4描繪依據本發明一實施例之個人識別裝置所實施臉識別過程的範例；圖5描繪依據本發明一實施例之個人識別裝置所實施臉識別過程的範例；圖6描繪依據本發明一實施例之個人識別裝置所實施臉識別過程的範例；圖7描繪依據本發明一實施例之個人識別裝置所實施臉識別過程的範例；圖8描繪依據本發明一實施例之個人識別裝置中臉影像之分數的計算方式；圖9描繪依據本發明一實施例之個人識別裝置中臉影像之分數的計算過程；圖10A至10C描繪依據本發明一實施例之個人識別裝置中臉影像之分數的計算過程；圖11描繪依據本發明一實施例之個人識別裝置中臉影像之分數的計算過程；圖12A至13C描繪依據本發明一實施例之個人識別裝 置中臉影像之分數的計算過程；圖13描繪依據本發明一實施例之個人識別裝置中臉影像之分數的計算過程；圖14為一流程圖，描繪依據本發明一實施例之個人識別裝置所實施臉識別過程的部分；圖15為一流程圖，描繪依據本發明該實施例之個人識別裝置所實施臉識別過程的另一部分；圖16為一流程圖，描繪由依據本發明一實施例之個人識別裝置所實施之更新臉識別字典資料的過程；圖17為一流程圖，描繪由依據本發明該實施例之個人識別裝置所實施之分數計算過程的部分；及圖18為一流程圖，描繪由依據本發明該實施例之個人識別裝置所實施之分數計算過程的另一部分。
1‧‧‧中央處理單元
2‧‧‧系統匯流排
3‧‧‧ROM(唯讀記憶體)
4‧‧‧RAM(隨機存取記憶體)
5‧‧‧作業單元介面
6‧‧‧顯示介面
7‧‧‧影像資料輸入介面
8‧‧‧作業輸入單元
9‧‧‧顯示裝置
10‧‧‧臉識別字典資料庫
11‧‧‧臉識別影像處理單元
12‧‧‧臉識別單元
13‧‧‧顯示資訊產生器
14‧‧‧分數計算單元
15‧‧‧字典資料產生/更新單元

Claims (11)

  1. 一種資訊處理裝置，包含：獲取機構，用於取得預定類型的資訊；可靠度資訊產生機構，用於依據與預定標準狀況之偏差而產生表示該預定類型之資訊可靠度的可靠度資訊；及儲存機構，用於儲存與該預定類型之資訊相關之表示該可靠度資訊產生機構所產生之該預定類型資訊之該可靠度的該可靠度資訊，其中該儲存機構適於儲存該預定類型之複數件資訊直到預定件數之資訊，且於其中該預定類型之一新的資訊件是在該預定類型之資訊的該預定件數已被儲存於該儲存機構中的狀態下所取得的狀況下，將針對該預定類型之該新取得的資訊件所產生之可靠度與該儲存機構中所儲存之該預定類型之每一該些複數件資訊的可靠度相比，而假如該預定類型之任一該些複數件資訊具有較該預定類型之該新取得的資訊件之可靠度更低的可靠度，則將具有最低可靠度之該些複數件資訊的個別者從該儲存機構刪除，並替代地儲存該預定類型之該新取得的資訊件。
  2. 如申請專利範圍第1項之資訊處理裝置，其中該取得之該預定類型之資訊為人臉的影像，且該標準狀況為依據該臉影像的狀況。
  3. 如申請專利範圍第2項之資訊處理裝置，其中該標 準狀況為定義該臉影像之識別的狀況。
  4. 一種個人識別裝置，包含：一字典資料儲存單元，適於儲存與從個人識別元素汲取之複數特徵向量所產生之該個人相關的個人識別字典資料，以便儲存與識別該個人之個人識別資訊相關的該個人識別字典資料；識別機構，用於藉比較從該取得的識別元素所汲取的該特徵向量與儲存於該字典資料儲存單元之該識別字典資料，而識別一取得的識別元素為具有相同識別元素之個人的識別元素；可靠度資訊產生機構，用於依據與該識別元素之預定標準狀況的偏差，而產生表示該取得的識別元素之可靠度的可靠度資訊；一字典資料產生資訊儲存單元，適於針對待識別之每一個人儲存複數該可靠度資訊，其係表示與從該個人之該識別元素所汲取的該些複數特徵向量個別相關的該個人之該識別元素的該可靠度；及字典資料產生/更新機構，用於使用自該取得之識別元素所汲取的該特徵向量及該取得之識別元素的該可靠度資訊，而產生或更新與一既定個人相關的該儲存之識別字典資料，其中每一該些複數特徵向量係以依據其相關的可靠度資訊所決定之個別加權因子而加權。
  5. 如申請專利範圍第4項之個人識別裝置，其中將識 別之該個人的該識別元素為一人臉影像，且該標準狀況係為該臉影像之識別而定義的狀況。
  6. 如申請專利範圍第5項之個人識別裝置，其中該標準狀況係依據該臉影像之該影像資料尺寸、該臉影像之該方位及該臉影像之該傾斜的至少之一而定義。
  7. 一種包括可靠度資訊產生機構及儲存機構之資訊處理裝置的資訊處理方法，該方法包含：經由該可靠度資訊產生機構，依據與所取得之該預定類型之資訊的預定標準狀況之偏差，而產生表示所取得該預定類型之資訊的可靠度的可靠度資訊；及經由該儲存機構，儲存與該預定類型之資訊相關的表示該預定類型之資訊的可靠度的可靠度資訊，其中該儲存機構適於儲存該預定類型之複數件資訊直到預定件數之資訊，且於其中該預定類型之一新的資訊件是在該預定類型之資訊的該預定件數已被儲存於該儲存機構中的狀態下所取得的狀況下，將針對該預定類型之該新取得的資訊件所產生之可靠度與該儲存機構中所儲存之該預定類型之每一該些複數件資訊的可靠度相比，而假如該預定類型之任一該些複數件資訊具有較該預定類型之該新取得的資訊件之可靠度更低的可靠度，則將具有最低可靠度之該些複數件資訊的個別者從該儲存機構刪除，並替代地儲存該預定類型之該新取得的資訊件。
  8. 一種產生或更新個人識別裝置中字典資料的方法，該個人識別裝置包括一字典資料儲存單元，適於儲存與從 個人識別元素汲取之複數特徵向量所產生之該個人相關的個人識別字典資料，以便儲存與識別該個人之個人識別資訊相關的該個人識別字典資料、識別機構，用於藉比較從該取得的該取得的識別元素所汲取的該特徵向量與儲存於該字典資料儲存單元之該識別字典資料，而識別一取得的識別元素為具有相同識別元素之個人的識別元素、字典資料產生/更新機構，用於產生或更新該識別字典資料，可靠度資訊產生機構、及字典資料產生資訊儲存單元，該方法包含：經由該可靠度資訊產生機構，依據與該識別元素之該預定標準狀況的偏差，而產生表示該取得之識別元素的可靠度的可靠度資訊；於字典資料產生資訊儲存單元中針對待識別之每一個人儲存複數該可靠度資訊，其係表示與從該待識別之個人之該識別元素所汲取的該些複數特徵向量個別相關的該個人之該識別元素的該可靠度；及經由該字典資料產生/更新機構，使用自該取得之識別元素所汲取的該特徵向量及該取得之識別元素的該可靠度資訊，而產生或更新與一既定個人相關的該儲存之識別字典資料，其中每一該些複數特徵向量係以依據其相關的可靠度資訊所決定之個別加權因子而加權。
  9. 一種個人識別裝置，包括：一以字典資料產生/更新電腦程式所編碼之處理器、一字典資料儲存單元，適於儲 存與從個人識別元素汲取之複數特徵向量所產生之該個人相關的個人識別字典資料，以便儲存與識別該個人之個人識別資訊相關的該個人識別字典資料，及識別機構，用於藉比較從該取得的個人的識別元素所汲取的該特徵向量與儲存於該字典資料儲存單元之該識別字典資料而識別一取得的識別元素為具有相同識別元素之個人的識別元素，其中該程式的執行使得該處理器作用為：檢測機構，用於檢測該取得之識別元素與依據該識別元素之預定標準狀況的偏差；可靠度資訊產生機構，用於依據該檢測機構所檢測之該偏差而產生可靠度資訊；字典資料產生資訊儲存單元，用於針對待識別之每一個人儲存複數該可靠度資訊，其係表示與從該個人之該識別元素所汲取的該些複數特徵向量個別相關的該個人之該識別元素的該可靠度；及字典資料產生/更新機構，用於使用自該取得之識別元素所汲取的該特徵向量及該取得之識別元素的該可靠度資訊，而產生或更新相應於一既定個人之該個人識別資訊的識別字典資料，其中每一該些特徵向量係以依據其相關的可靠度資訊所決定之個別加權因子而加權。
  10. 一種資訊處理裝置，包含：一獲取單元，適於取得預定類型的資訊；一可靠度資訊產生單元，適於依據與預定標準狀況之 偏差，而產生表示該預定類型之該資訊之可靠度的可靠度資訊；及一儲存單元，適於儲存與該預定類型之該資訊相關的表示經由該可靠度資訊產生單元所產生之該預定類型之該資訊之該可靠度的該可靠度資訊，其中該儲存單元適於儲存該預定類型之複數件資訊直到預定件數之資訊，且於其中該預定類型之一新的資訊件是在該預定類型之資訊的該預定件數已被儲存於該儲存單元中的狀態下所取得的狀況下，將針對該預定類型之該新取得的資訊件所產生之可靠度與該儲存單元中所儲存之該預定類型之每一該些複數件資訊的可靠度相比，而假如該預定類型之任一該些複數件資訊具有較該預定類型之該新取得的資訊件之可靠度更低的可靠度，則將具有最低可靠度之該些複數件資訊的個別者從該儲存單元刪除，並替代地儲存該預定類型之該新取得的資訊件。
  11. 一種個人識別裝置，包含：一字典資料儲存單元，適於儲存與從該個人之識別元素所汲取之複數特徵向量所產生之個人相關的個人識別字典資料，以便儲存與識別該個人之個人識別資訊相關的該個人識別字典資料；一識別單元，適於經由比較從該取得之識別元素所汲取之特徵向量與儲存於該字典資料儲存單元之該識別字典資料，而識別一取得的識別元素為具有相同識別元素之個人的識別元素； 一可靠度資訊產生單元，適於依據與該識別元素之預定標準狀況的偏差，而產生表示該取得的識別元素之可靠度的可靠度資訊；一字典資料產生資訊儲存單元，適於針對待識別之每一個人儲存複數該可靠度資訊，其係表示與從該個人之該識別元素所汲取的該些複數特徵向量個別相關的該個人之該識別元素的該可靠度；及字典資料產生/更新單元，適於使用自該取得之識別元素所汲取的該特徵向量及該取得之識別元素的該可靠度資訊，而產生或更新與一既定個人相關的該儲存之識別字典資料，其中每一該些複數特徵向量係以依據其相關可靠度資訊所決定之個別加權因子而加權。
TW096140453A 2006-11-08 2007-10-26 影像處理裝置、影像處理方法、個人識別裝置、及個人識別裝置中產生／更新字典資料之方法和程式 TWI401608B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006302305A JP2008117333A (ja) 2006-11-08 2006-11-08 情報処理装置、情報処理方法、個人識別装置、個人識別装置における辞書データ生成・更新方法および辞書データ生成・更新プログラム

Publications (2)

Publication Number Publication Date
TW200836114A TW200836114A (en) 2008-09-01
TWI401608B true TWI401608B (zh) 2013-07-11

Family

ID=39405016

Family Applications (1)

Application Number Title Priority Date Filing Date
TW096140453A TWI401608B (zh) 2006-11-08 2007-10-26 影像處理裝置、影像處理方法、個人識別裝置、及個人識別裝置中產生／更新字典資料之方法和程式

Country Status (5)

Country Link
US (1) US8194934B2 (zh)
JP (1) JP2008117333A (zh)
KR (1) KR101426952B1 (zh)
CN (1) CN101178768B (zh)
TW (1) TWI401608B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI753271B (zh) * 2018-09-04 2022-01-21 開曼群島商創新先進技術有限公司 資源轉移方法、裝置及系統
TWI754818B (zh) * 2018-07-16 2022-02-11 開曼群島商創新先進技術有限公司 支付方法、裝置及系統

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4478093B2 (ja) * 2005-10-17 2010-06-09 富士フイルム株式会社 対象画像検索装置およびディジタル・カメラならびにそれらの制御方法
US20090232417A1 (en) * 2008-03-14 2009-09-17 Sony Ericsson Mobile Communications Ab Method and Apparatus of Annotating Digital Images with Data
US8457366B2 (en) 2008-12-12 2013-06-04 At&T Intellectual Property I, L.P. System and method for matching faces
ES2377303B1 (es) * 2009-06-05 2013-02-01 Vodafone España S.A.U. Método y sistema para recomendar fotografías.
KR101185243B1 (ko) * 2009-12-15 2012-09-21 삼성전자주식회사 얼굴 인식을 위한 복수의 얼굴 이미지를 등록하기 위한 장치 및 방법
TW201138458A (en) * 2010-04-23 2011-11-01 Hon Hai Prec Ind Co Ltd Adjusting system and method for displaying screen, and billboard including the same
TWI427544B (zh) * 2010-09-20 2014-02-21 Egis Technology Inc 具智能學習功能之生物特徵辨識裝置及其方法
US8675957B2 (en) * 2010-11-18 2014-03-18 Ebay, Inc. Image quality assessment to merchandise an item
JP5776255B2 (ja) * 2011-03-25 2015-09-09 ソニー株式会社 端末装置、物体識別方法、プログラム及び物体識別システム
JP4998637B1 (ja) * 2011-06-07 2012-08-15 オムロン株式会社 画像処理装置、情報生成装置、画像処理方法、情報生成方法、制御プログラムおよび記録媒体
CN102508614B (zh) * 2011-11-21 2018-07-24 南京中兴新软件有限责任公司 屏幕解锁的方法及装置
CN102609895A (zh) * 2012-01-31 2012-07-25 华为终端有限公司 一种图像处理方法及终端设备
JP6026119B2 (ja) * 2012-03-19 2016-11-16 株式会社東芝 生体情報処理装置
TWI479435B (zh) * 2012-04-03 2015-04-01 Univ Chung Hua 人臉辨識方法
JP2014029623A (ja) * 2012-07-31 2014-02-13 Canon Inc 情報処理装置及び情報処理方法
TW201407567A (zh) * 2012-08-09 2014-02-16 Hon Hai Prec Ind Co Ltd 展示板調整系統、方法及具有該調整系統的廣告板
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
JP5802912B2 (ja) * 2012-09-20 2015-11-04 株式会社メイクソフトウェア 写真撮影遊戯機
JP2014126997A (ja) * 2012-12-26 2014-07-07 Denso Corp 操作装置、及び操作検出方法
US9552374B2 (en) * 2013-08-19 2017-01-24 Kodak Alaris, Inc. Imaging workflow using facial and non-facial features
KR101414158B1 (ko) * 2013-11-14 2014-07-02 동국대학교 산학협력단 얼굴 인식 장치 및 방법
JP5627811B1 (ja) * 2014-04-16 2014-11-19 新生電子株式会社 遊技場内管理システム
JP2017041022A (ja) * 2015-08-18 2017-02-23 キヤノン株式会社 情報処理装置、情報処理方法及びプログラム
CN106656725B (zh) * 2015-10-29 2020-06-19 深圳富泰宏精密工业有限公司 智能终端、服务器及信息更新系统
CN106899567B (zh) 2016-08-24 2019-12-13 阿里巴巴集团控股有限公司 用户核身方法、装置及系统
CN106846564A (zh) * 2016-12-29 2017-06-13 湖南拓视觉信息技术有限公司 一种智能门禁系统及控制方法
CN108229521B (zh) * 2017-02-23 2020-09-15 北京市商汤科技开发有限公司 对象识别网络的训练方法、装置、系统及其应用
CN109389015A (zh) * 2017-08-10 2019-02-26 丽宝大数据股份有限公司 脸部相似度评估方法与电子装置
CN109063691B (zh) * 2018-09-03 2021-04-20 武汉普利商用机器有限公司 一种人脸识别底库优化方法及系统
CN109492560A (zh) * 2018-10-26 2019-03-19 深圳力维智联技术有限公司 基于时间尺度的人脸图像特征融合方法、装置和存储介质
JP7283101B2 (ja) * 2019-02-12 2023-05-30 日本電気株式会社 処理装置、処理方法及びプログラム
TWI704505B (zh) * 2019-05-13 2020-09-11 和碩聯合科技股份有限公司 人臉辨識系統、建立人臉辨識之資料之方法及其人臉辨識之方法
CN111539357B (zh) * 2020-04-28 2024-01-23 睿魔智能科技（深圳）有限公司 人体识别模型及其训练方法、系统、存储介质及设备
EP4338136A2 (en) * 2021-05-14 2024-03-20 Apple Inc. Identity recognition utilizing face-associated body characteristics

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6819783B2 (en) * 1996-09-04 2004-11-16 Centerframe, Llc Obtaining person-specific images in a public venue
TWI254254B (en) * 2002-11-01 2006-05-01 Toshiba Corp Person recognizing apparatus, person recognizing method and passage controller

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5127055A (en) * 1988-12-30 1992-06-30 Kurzweil Applied Intelligence, Inc. Speech recognition apparatus & method having dynamic reference pattern adaptation
JP3974953B2 (ja) * 1995-07-21 2007-09-12 株式会社ビデオリサーチ テレビ視聴者識別方法およびその装置
JP3858391B2 (ja) * 1997-11-20 2006-12-13 ソニー株式会社 画像照合装置及び画像照合方法
JP2000099720A (ja) * 1998-09-18 2000-04-07 Toshiba Corp 個人認証方法および個人認証装置
JP2002334334A (ja) * 2001-05-07 2002-11-22 Mitsubishi Electric Corp データ登録照合方法およびその装置
AU2002259229A1 (en) * 2001-05-18 2002-12-03 Imprivata, Inc. Authentication with variable biometric templates
JP3974375B2 (ja) * 2001-10-31 2007-09-12 株式会社東芝 人物認識装置、人物認識方法および通行制御装置
JP2003271958A (ja) 2002-03-15 2003-09-26 Sony Corp 画像処理方法、その装置、そのプログラム、その記録媒体及び画像処理装置搭載型ロボット装置
JP2005044330A (ja) * 2003-07-24 2005-02-17 Univ Of California San Diego 弱仮説生成装置及び方法、学習装置及び方法、検出装置及び方法、表情学習装置及び方法、表情認識装置及び方法、並びにロボット装置
JP2005122395A (ja) * 2003-10-15 2005-05-12 Toshiba Corp 証明用媒体、証明用媒体発行装置および顔照合装置
US7627144B2 (en) * 2004-08-19 2009-12-01 Sony Corporation Method and apparatus for performing identity authentication
KR100608596B1 (ko) * 2004-12-28 2006-08-03 삼성전자주식회사 얼굴 검출을 기반으로 하는 휴대용 영상 촬영 기기 및영상 촬영 방법
US7760917B2 (en) * 2005-05-09 2010-07-20 Like.Com Computer-implemented method for performing similarity searches
JP4696857B2 (ja) * 2005-11-02 2011-06-08 オムロン株式会社 顔照合装置
JP2010061528A (ja) * 2008-09-05 2010-03-18 Fujitsu Ltd 生体認証装置、生体認証プログラム及び生体認証方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6819783B2 (en) * 1996-09-04 2004-11-16 Centerframe, Llc Obtaining person-specific images in a public venue
TWI254254B (en) * 2002-11-01 2006-05-01 Toshiba Corp Person recognizing apparatus, person recognizing method and passage controller

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI754818B (zh) * 2018-07-16 2022-02-11 開曼群島商創新先進技術有限公司 支付方法、裝置及系統
TWI753271B (zh) * 2018-09-04 2022-01-21 開曼群島商創新先進技術有限公司 資源轉移方法、裝置及系統

Also Published As

Publication number Publication date
KR20080042009A (ko) 2008-05-14
KR101426952B1 (ko) 2014-08-06
CN101178768A (zh) 2008-05-14
TW200836114A (en) 2008-09-01
CN101178768B (zh) 2011-11-16
US20080137918A1 (en) 2008-06-12
JP2008117333A (ja) 2008-05-22
US8194934B2 (en) 2012-06-05

Similar Documents

Publication Publication Date Title
TWI401608B (zh) 影像處理裝置、影像處理方法、個人識別裝置、及個人識別裝置中產生／更新字典資料之方法和程式
JP4305672B2 (ja) 個人識別装置、個人識別方法、識別用辞書データの更新方法および識別用辞書データの更新プログラム
JP4957922B2 (ja) 画像方向判定装置、画像方向判定方法、および画像方向判定用プログラム
JP4594945B2 (ja) 人物検索装置および人物検索方法
KR101346539B1 (ko) 얼굴들을 상관시킴으로써 디지털 이미지들을 구조화하기
US20070189584A1 (en) Specific expression face detection method, and imaging control method, apparatus and program
US10558851B2 (en) Image processing apparatus and method of generating face image
US9626553B2 (en) Object identification apparatus and object identification method
CN109426835B (zh) 信息处理装置、信息处理装置的控制方法和存储介质
US20050190963A1 (en) Target object detecting method, apparatus, and program
US11323577B2 (en) Image processing device for creating an album
JP2011145958A (ja) パターン識別装置及びその制御方法
JP2017122991A (ja) 情報処理装置、情報処理方法及びプログラム
US20150339523A1 (en) Image processing apparatus, image processing method, and storage medium
JP4647289B2 (ja) 画像処理方法および装置並びにプログラム
JP6265592B2 (ja) 顔特徴抽出装置および顔認証システム
US20150278584A1 (en) Object discriminating apparatus and method
JP5787686B2 (ja) 顔認識装置、及び顔認識方法
CN111783770A (zh) 图像的矫正方法、装置和计算机可读存储介质
JP2010224681A (ja) 画像検出装置、画像検出方法、及び画像検出プログラム
JP2008165314A (ja) 個人識別装置および個人識別方法
JP7409427B2 (ja) 情報処理装置、情報処理システム、及びプログラム
JP2018049566A (ja) 画像処理装置、画像処理方法およびプログラム
JP5975828B2 (ja) 顔特徴抽出装置および顔認証システム
JP6891633B2 (ja) 顔認証装置、顔認証方法、及びプログラム

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees