TWI439951B - 人臉影像性別辨識系統及其辨識方法及其電腦程式產品 - Google Patents
人臉影像性別辨識系統及其辨識方法及其電腦程式產品 Download PDFInfo
- Publication number
- TWI439951B TWI439951B TW099138294A TW99138294A TWI439951B TW I439951 B TWI439951 B TW I439951B TW 099138294 A TW099138294 A TW 099138294A TW 99138294 A TW99138294 A TW 99138294A TW I439951 B TWI439951 B TW I439951B
- Authority
- TW
- Taiwan
- Prior art keywords
- gender
- image
- face
- global
- face image
- Prior art date
Links
Classifications
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/162—Detection; Localisation; Normalisation using pixel segmentation or colour matching
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Description
本發明係屬於電腦圖像辨識系統及其辨識方法,特別是有關於一種可經由人臉影像中辨識出性別的辨識系統及其辨識方法。
人臉影像性別辨識在近年電腦視覺(computer vision)領域中,是一個重要的課題,性別辨識系統可用於安全門禁系統、廣告效益分析之性別導向推銷、資訊傳播之性別導向資料分享,或是智慧攝影等等。舉例來說,在洗手間或宿舍外,性別辨識系統偵測到有異性徘徊,便能通知警衛處理及對裡面的使用者發出警訊,避免意外發生。
大多數傳統研究性別辨識的方法皆使用人臉來辨識性別,性別辨識對於人臉辨識研究領域來說,是相當具有挑戰性的問題,因為人類本身也無法辨識性別達至100%的辨識率,習知技術中的辨識往往不佳,其最大的原因在於人臉具有豐富的表情及/或動作變化,或是因光線變化或臉部遮蔽等因素,均會影響辨識的準確度,而性別辨識的兩個關鍵技術為臉部特徵擷取以及所建立的臉部特徵資料進行比對以決定性別。
傳統人臉影像性別辨識的演算法,在擷取人臉影像後,需先做人臉偵測,用以得到性別辨識系統所需之輸入影像,上述輸入影像的限制條件很多,諸如人臉需正面平視、需脫帽無遮蔽、需無表情、需背景單純、需影像清晰、需有均勻光源等限制,而且在實際應用上,一般的輸入影像可能會有低解析度、模糊、有表情以及不同的拍攝角度的情況,因此和所建立的臉部特徵資料不易比對並獲得正確結果。上述條件限制是人臉性別辨識演算法亟需克服之處,其往往造成辨識失敗或是辨識速度緩慢,進而影響性別辨識的辨識率。
有鑑於此,本發明提供一種人臉影像性別辨識方法,其步驟包括:接收一人臉影像;計算人臉影像之複數個全域特徵值及複數個局部特徵值;以及依據計算所得之全域特徵值及局部特徵值和一臉部資料庫所儲存的複數個人臉訓練資料影像分別對應之複數個性別特徵值及一性別資料,決定出人臉影像之性別辨識結果。
本發明更提供一種人臉影像性別辨識系統,包括:一臉部資料庫,儲存有複數個人臉訓練資料影像所分別對應之複數個性別特徵值及一性別資料;一影像擷取單元,用以擷取至少一人臉影像;一性別辨識資料產生單元,耦接至影像擷取單元及臉部資料庫,用以由影像擷取單元接收人臉影像,計算所接收人臉影像之複數個全域特徵值及複數個局部特徵值;以及一性別辨識單元,耦接至性別辨識資料產生單元及臉部資料庫,依據計算所得的全域特徵值及局部特徵值,和臉部資料庫所儲存的資料,決定人臉影像之性別辨識結果。
本發明更提供一種電腦程式產品,其係被一機器載入以執行一人臉影像性別辨識方法,上述電腦程式產品包括:一第一程式碼,接收至少一人臉影像;一第二程式碼,用以計算人臉影像之複數個全域特徵值及複數個局部特徵值;以及一第三程式碼,用以根據計算所得之全域特徵值及局部特徵值和一臉部資料庫所儲存的複數個人臉訓練資料影像分別對應之複數個性別特徵值及一性別資料,決定出上述人臉影像之性別辨識結果。
有關本發明之前述及其他技術內容、特點與功效,在以下配合參考圖式之一較佳實施例的詳細說明中,將可清楚的呈現。以下實施例中所提到的方向用語,例如:上、下、左、右、前或後等,僅是參考附加圖式的方向。因此,使用的方向用語是用以說明並非用以限制本發明。
本發明之一實施例中提供一種人臉影像性別辨識系統及其方法,經由一臉部資料庫所儲存的人臉性別特徵值及性別資料,用以決定人臉影像的性別。在一些實施例中,臉部資料庫可以大量具有代表性及其性別資料的人臉影像作為訓練資料來建立,先對人臉影像做基準校正,再進行人臉偵測,用以得到人臉區塊,再將人臉影像轉換為灰階人臉影像。對灰階人臉影像之人臉區塊取得全域影像區塊和分割成局部影像區塊,以計算出上述人臉影像的全域特徵值及局部特徵值。更進一步時,可將上述特徵值正規化(normalization),用以得到性別特徵值,統計分析上述性別特徵值,用以建立性別模型(gender model),並儲存於臉部資料庫。於本發明其他實施例中,臉部資料庫更可經由學習和訓練或是實際應用,進一步擴充臉部資料庫之訓練資料。
第1圖係顯示根據本發明之一實施例之人臉影像性別辨識系統100。人臉影像性別辨識系統100可以設置於一可攜式裝置或一計算機裝置,例如行動電話、PDA、GPS導航裝置、筆記型電腦、各種類型的電腦上,用以進行人臉影像性別辨識。人臉影像性別辨識系統100至少包括一影像擷取單元110、一性別辨識資料產生單元120、一性別辨識單元130以及一臉部資料庫140。影像擷取單元110係用以接收或偵測至少一人臉影像,舉例來說,影像擷取單元110係可為各種攝影機、照相機、或是其他可拍攝人臉影像的攝影器材。在本發明之一實施例中,在訓練階段時,影像擷取單元110亦可接收具有代表性且已知性別的人臉影像,用以作為訓練資料,上述人臉影像可有表情、有旋轉角度(rotation)、模糊、低解析度等非理想情形,若輸入之人臉影像有旋轉角度,可先對此人臉影像進行基準校正,亦即對上述人臉影像中有角度之人臉影像依據中心點將圖片轉正,再輸入影像擷取單元110。
性別辨識資料產生單元120係耦接至影像擷取單元110及臉部資料庫140,其用以接收影像擷取單元110所得到之至少一人臉影像,並偵測人臉影像之人臉區塊,計算人臉區塊之全域特徵值及局部特徵值。於本發明其他實施例中,性別辨識資料產生單元120更可將上述全域特徵值及局部特徵值正規化,並將正規化後的全域特徵值及局部特徵值及性別資料儲存於臉部資料庫140中。
在本發明之另一實施例中,性別辨識資料產生單元120更包括一人臉偵測單元121,人臉偵測單元121從視訊影像或圖片中對於人臉區塊的偵測及取得方法,其相關演算法係為習知技術,可使用任何目前常用的演算法加以完成,其細節在此省略。在本發明另一實施例中係採用Intel之OpenCV(Open Source Computer Vision Library)資料庫進行人臉偵測以取得人臉區塊,OpenCV資料庫係採用Harr演算法及Real Adaboost Cascade演算法計算人臉特徵,用以辨識影像中之人臉區塊,並以20x20像素做為人臉影像偵測之最小範圍,惟上述之人臉影像偵測方法不限於此。在本發明之一實施例中,人臉偵測單元121更可將彩色影像轉換為灰階影像,其功用在於減低白平衡(white balance)之影響。
於本發明之另一實施例中,性別辨識資料產生單元120更包括根據性別特徵值及性別資料建立一分類器123,以供上述性別辨識單元130經由分類器123決定出上述人臉影像之性別辨識結果。其中,分類器123可以是一性別分類之關係式,例如一支持向量機(Support Vector Machine SVM),但不限於此。分類器123可將上述計算所得之正規化後的人臉影像特徵值做分類,用以作為性別模型,並將正規化後的人臉影像特徵值及性別資料儲存於臉部資料庫140。
在本發明之另一實施例中,性別辨識資料產生單元120更包括一特徵計算單元122,用以計算人臉影像特徵值,人臉偵測單元121係先將人臉影像轉換為灰階人臉影像,上述灰階轉換過程可減少白平衡(white balance)之影響,用以進行特徵值運算,其灰階影像之像素轉換公式如下:
I=0.212671*R+0.715160*G+0.072169*B
其中I為灰階像素亮度、R為紅色像素亮度、G為綠色像素亮度、B為藍色像素亮度。
在本發明之另一實施例中,特徵計算單元122對偵測出之灰階人臉影像之人臉區塊等分切割為1x1塊全域影像區塊,以及2x2塊、3x3塊4x4塊局部影像區塊,在本發明之一實施例中,由上述切割方式之各影像區塊亦可稱為空間金字塔(spatial pyramid)區塊。接著,統計上述各影像區塊之六個特徵值:平均值(mean)、最大值(maximum)、最小值(minimum)、標準差(standard deviation)、水平方向梯度比(horizontal gradient ratio)及垂直方向梯度比(vertical gradient ratio),上述六個特徵值係針對各影像區塊之灰階像素(亮度)進行計算。
平均值之計算公式如下:
其中為為亮度平均值、N
為上述影像區塊之像素總數。
標準差之計算公式如下:
其中σ為亮度標準差,N
為上述影像區塊之像素總數。
水平方向梯度比之計算公式如下:
其中Rx i
為水平方向梯度比,Gx i
為水平方向梯度,N
為上述影像區塊之像素總數,A i
為在人臉區塊中以欲計算像素為中心之一3x3矩陣。使用水平Sobel遮罩對一影像區塊的各像素所對應的3x3矩陣A i
作平面摺積(convolution),可得出上述影像區塊中各像素的水平方向梯度,用以統計上述影像區塊的各像素的水平方向梯度大於0的個數,除以上述影像區塊中的像素總數N
,即可得出上述影像區塊的水平方向梯度比Rx i
。依此方法,可得出所有影像區塊的水平方向梯度比。
垂直方向梯度比之計算公式如下:
其中Ry i
為垂直方向的梯度比,Gy i
為垂直方向的梯度,N
為上述影像區塊之像素總數,A i
為在人臉區塊中以欲計算像素為中心之一3x3矩陣。使用垂直Sobel遮罩對上述一影像區塊的各像素所對應的3x3矩陣A i
作平面摺積(convolution),可得出上述影像區塊中各像素的垂直方向梯度,用以統計上述影像區塊的各像素的垂直方向梯度大於0的個數,除以上述影像區塊中的像素總數N
,即可得出上述影像區塊的垂直方向梯度比Rx i
。依此方法,可得出所有影像區塊的垂直方向梯度比。
舉例來說,各影像區塊均具有6個特徵值,可表示成:
計算出一個人臉區塊中各影像區塊的6個特徵值後,將上述各影像區塊的特徵值展開,可得出(12
+22
+32
+42
)*6=180維度的特徵向量f i
:
f i
=[v 1-1
,v 2-1
,v 2-2
,v 2-3
,v 2-4
,v 3-1
,v 3-2
,…,v 4-16
]
將f i
中所有特徵向量依次編號,可得到:
f i
=[a 1
,a 2
,a 3
,…,a 180
]
在訓練階段若採用3000張人臉影像做為訓練資料,則可得到一180*3000維度之特徵矩陣F:
接著計算特徵矩陣F之180行中,每一行的最大值及最小值,並將每一行之各個數值正規化(normalize)至介於0~1之間,舉例來說,若第1行之最大值為M1
,最小值為m1
,則對a 1-1
進行正規化,即為:
依上述方式,可計算出特徵矩陣F
中每一行每一項正規化後的數值,用以得到矯正特徵矩陣F s
:
使用矯正特徵矩陣F s
與標定的性別資料在分類器123進行訓練及分類,並將矯正特徵矩陣F s
與上述性別資料儲存於臉部資料庫140。在本發明之一實施例中,矯正特徵矩陣F s
包括已知性別的人臉訓練資料影像之全域影像區塊及局部影像區塊分別對應的正規化之全域特徵值及局部特徵值,亦可稱為「性別特徵值」。矯正特徵矩陣F s
更藉由分類器123決定出一性別分類之關係式,上述性別分類之關係式即為一性別模型,上述性別模型儲存於臉部資料庫140。
在本發明之另一實施例中,人臉影像性別辨識系統100更可包括一顯示單元(未畫於圖上),用以顯示性別辨識單元130的人臉影像性別辨識後之結果,例如偵測人臉影像之辨識結果為男性,性別辨識單元130則在其臉部標上藍框,如偵測人臉影像之辨識結果為女性,性別辨識單元130則在其臉部標上紅框。
第2圖係顯示根據本發明之一實施例之人臉影像性別辨識方法之訓練階段流程圖。依據本發明實施例之人臉影像性別辨識方法可以由如第1圖中的人臉影像性別辨識系統100所執行。
首先,如步驟S210,影像擷取單元110取得經過基準校正且已知性別的人臉訓練資料影像;在步驟S220中,人臉偵測單元121對上述人臉訓練資料影像進行人臉偵測,用以得到人臉區塊;在步驟S230中,人臉偵測單元121將上述人臉區塊轉換為灰階人臉區塊,特徵計算單元122並將上述灰階人臉區塊等分切割為全域影像區塊及局部影像區塊;在步驟S240,特徵計算單元122計算上述各個影像區塊的全域特徵值及局部特徵值;接著在步驟S250中,特徵計算單元122進一步將上述各影像區塊的全域特徵值及局部特徵值進行正規化;在步驟S260中,分類器123將正規化後之全域特徵值及局部特徵值及性別資料儲存於臉部資料庫140中。
第3圖係顯示根據本發明之一實施例之人臉影像性別辨識方法之辨識階段流程圖。依據本發明實施例之臉部表情辨識方法可以由第1圖中的人臉影像性別辨識系統100所執行。
首先,如步驟S310,影像擷取單元110取得一人臉影像,人臉偵測單元121並將上述人臉影像轉換為灰階人臉影像;在步驟S320中,人臉偵測單元121對上述灰階人臉影像做人臉偵測,用以得到灰階人臉區塊;在步驟S330中,特徵計算單元122將上述灰階人臉區塊等分切割為全域影像區塊及局部影像區塊;在步驟S340,特徵計算單元122計算上述各個影像區塊所對應的全域特徵值及局部特徵值;接著在步驟S350中,特徵計算單元122進一步將上述各個影像區塊的全域特徵值及局部特徵值進行正規化;在步驟S360中,性別辨識單元130並將正規化後之全域特徵值及局部特徵值與臉部資料庫140中之性別特徵值及性別資料進行比對,用以辨識性別;接著在步驟S370中,輸出性別辨識結果。
第4圖係顯示根據本發明之一實施例之即時人臉影像性別辨識系統流程圖。首先在步驟S410中,可利用影像擷取單元110,如網路攝影機即時持續拍攝,用以取得人臉影像。在步驟S420中,人臉辨識單元121先將上述人臉影像轉換為灰階人臉影像,用以進行後續步驟。在步驟S430中,人臉辨識單元121對上述灰階人臉影像進行人臉辨識,用以取得人臉區塊,一人臉影像中可具有複數個人臉區塊,並不只侷限於一人臉區塊。如步驟S440,特徵計算單元122將上述人臉區塊等分切割為全域影像區塊及局部影像區塊,並計算上述影像區塊之全域特徵值及局部特徵值,並將上述全域特徵值及局部特徵值正規化。接著,如步驟S450,性別辨識單元130利用正規化之全域特徵值及局部特徵值,與臉部資料庫140之性別特徵值及性別資料做比對,用以判定上述人臉區塊是否已存在於臉部資料庫140,若上述人臉區塊已存在於臉部資料庫140,則進行步驟S460,追蹤上述人臉區塊並標示上述人臉區塊之性別,接著並回到步驟S410繼續擷取人臉影像;若上述人臉區塊不存在於臉部資料庫140,則進行步驟S470,將上述人臉區塊之全域特徵值及局部特徵值儲存於臉部資料庫140中,並回到步驟S410繼續擷取人臉影像。在本發明之一實施例中,即時人臉影像性別辨識系統之臉部資料庫140儲存之全域特徵值及局部特徵值可設定一限度,例如只儲存5分鐘內所拍攝到的人臉影像之特徵值,當在攝影機前的人物走動時,可以即時比對臉部資料庫140及其人臉的全域特徵值及局部特徵值,用以判斷並標示人臉之性別。當新的人物進入攝影機拍攝之範圍,或是舊有人物離開攝影機太久再回來(超過5分鐘),均會對人臉進行全域特徵值及局部特徵值計算,再依第4圖之步驟重新判斷人臉性別。
前述實施例中,局部影像區塊係以2x2塊、3x3塊4x4塊來做說明,但本發明不限於此,局部影像區塊亦可進行其他分方式的分割。此外,前述實施例中,全域特徵值及複數個局部特徵值係以全域或局部各影像區塊的六個特徵值(平均值、最大值、最小值、標準差、水平方向梯度比垂直方向梯度比)來做說明,但本發明不限於此,亦可採用其他特徵值,或是從上述六個特徵值中選擇適當所需的特徵值來使用。
本發明之方法,或特定型態或其部份,可以以程式碼的型態包含於實體媒體,如軟碟、光碟片、硬碟、或是任何其他機器可讀取(如電腦可讀取)儲存媒體,其中,當程式碼被機器,如電腦載入且執行時,此機器變成用以參與本發明之裝置或系統。本發明亦提出一種電腦程式產品,其係被一機器載入以執行一人臉影像性別辨識方法,上述電腦程式產品包括:一第一程式碼,接收至少一人臉影像;一第二程式碼,用以計算上述人臉影像之複數個全域特徵值及複數個局部特徵值;以及,一第三程式碼,用以根據上述計算所得之全域特徵值及局部特徵值和一臉部資料庫所儲存的複數個人臉訓練資料影像分別對應之複數個性別特徵值及一性別資料,決定出上述人臉影像之性別辨識結果。
本發明之方法、系統與裝置也可以以程式碼型態透過一些傳送媒體,如電線或電纜、光纖、或是任何傳輸型態進行傳送,其中,當程式碼被機器,如電腦接收、載入且執行時,此機器變成用以參與本發明之裝置或系統。當在一般用途處理器實作時,程式碼結合處理器提供一操作類似於應用特定邏輯電路之獨特裝置。
惟以上所述者,僅為本發明之較佳實施例而已,當不能以此限定本發明實施之範圍,即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾,皆仍屬本發明專利涵蓋之範圍內。另外本發明的任一實施例或申請專利範圍不須達成本發明所揭露之全部目的或優點或特點。此外,摘要部分和標題僅是用以輔助專利文件搜尋之用,並非用以限制本發明之權利範圍。
100...人臉影像性別辨識系統
110...影像擷取單元
120...性別辨識資料產生單元
121...人臉偵測單元
122...特徵計算單元
123...分類器
130...性別辨識單元
140...臉部資料庫
S210、S220、S230、S240、S250、S260、S310、S320、S330、S340、S350、S360、S370、S410、S420、S430、S440、S450、S460、S470...步驟
第1圖係顯示根據本發明之一實施例之人臉影像性別辨識系統。
第2圖係顯示根據本發明之一實施例之人臉影像性別辨識方法之訓練階段流程圖。
第3圖係顯示根據本發明之一實施例之人臉影像性別辨識方法之辨識階段流程圖。
第4圖係顯示根據本發明之一實施例之即時人臉影像性別辨識系統流程圖
100...人臉影像性別辨識系統
110...影像擷取單元
120...性別辨識資料產生單元
121...人臉偵測單元
122...特徵計算單元
123...分類器
130...性別辨識單元
140...臉部資料庫
Claims (15)
- 一種人臉影像性別辨識方法,其步驟包括:接收一人臉影像;將上述人臉影像轉換為一灰階人臉影像;對上述灰階人臉影像進行人臉偵測,用以取得一灰階人臉區塊,將上述灰階人臉區塊切割為一全域影像區塊及複數個局部影像區塊,再依據上述全域影像區塊及上述局部影像區塊,計算上述人臉影像之複數個全域特徵值及複數個局部特徵值;以及依據上述計算所得之全域特徵值及局部特徵值和一臉部資料庫所儲存的複數個人臉訓練資料影像分別對應之複數個性別特徵值及一性別資料,決定出上述人臉影像之性別辨識結果。
- 如專利申請範圍第1項所述之人臉影像性別辨識方法,其中上述全域特徵值及上述局部特徵值係分別對應上述全域影像區塊及上述局部影像區塊塊之平均值、最大值、最小值、標準差、水平方向梯度比及垂直方向梯度比。
- 如專利申請範圍第1項所述之人臉影像性別辨識方法,其步驟更包括正規化(normalize)上述全域特徵值及上述局部特徵值,其中上述人臉影像之性別辨識結果係使用正規化之上述全域特徵值及上述局部特徵值所決定出。
- 如專利申請範圍第1項所述之人臉影像性別辨識方法,其中上述臉部資料庫中的上述性別特徵值係藉由計算出上述人臉訓練資料影像之全域特徵值及局部特徵值並加以正規化,據以得到上述性別特徵值,並根據上述性別特徵值及上述性別資料建立一分類器,且由上述分類器決定 出上述人臉影像之性別辨識結果。
- 如專利申請範圍第4項所述之人臉影像性別辨識方法,其中,上述分類器係決定出一性別分類之關係式,儲存於上述臉部資料庫。
- 如專利申請範圍第1項所述之人臉影像性別辨識方法,其步驟更包括當上述人臉影像之性別辨識結果決定後,更可在一顯示單元上顯示上述人臉影像並進行性別標示。
- 如專利申請範圍第6項所述之人臉影像性別辨識方法,其中性別標示依據上述性別辨識結果,將男性人臉影像標上藍框,將女性人臉影像標上紅框。
- 一種人臉影像性別辨識系統,包括:一臉部資料庫,儲存有複數個人臉訓練資料影像所分別對應之複數個性別特徵值及一性別資料;一影像擷取單元,用以擷取至少一人臉影像;一性別辨識資料產生單元,耦接至上述影像擷取單元及上述臉部資料庫,用以由上述影像擷取單元接收上述人臉影像,計算上述所接收人臉影像之複數個全域特徵值及複數個局部特徵值,其中上述性別辨識資料產生單元係將上述人臉影像轉換為一灰階人臉影像,並對上述灰階人臉影像進行人臉偵測以取得一灰階人臉區塊,將上述灰階人臉區塊切割為一全域影像區塊及複數個局部影像區塊,再依據上述全域影像區塊及上述局部影像區塊分別計算上述全域特徵值及上述局部特徵值;以及一性別辨識單元,耦接至上述性別辨識資料產生單元 及上述臉部資料庫,依據上述計算所得的全域特徵值及局部特徵值,和上述臉部資料庫所儲存的上述性別特徵值及上述性別資料,決定上述人臉影像之性別辨識結果。
- 如專利申請範圍第8項所述之人臉影像性別辨識系統,其中上述全域特徵值及上述局部特徵值係分別對應上述全域影像區塊及上述局部影像區塊之平均值、標準差、最大值、最小值、水平方向梯度比及垂直方向梯度比。
- 如專利申請範圍第8項所述之人臉影像性別辨識系統,其中上述性別辨識單元更正規化上述全域特徵值及上述局部特徵值,且上述性別辨識單元係使用正規化之上述全域特徵值及上述局部特徵值以決定上述人臉影像之性別辨識結果。
- 如專利申請範圍第8項所述之人臉影像性別辨識系統,其中上述臉部資料庫中的上述性別特徵值係藉由上述影像擷取單元與上述性別辨識資料產生單元,計算出上述人臉訓練資料影像之全域特徵值及局部特徵值並加以正規化,據以得到上述性別特徵值,而上述性別辨識資料產生單元更根據上述性別特徵值及上述性別資料建立一分類器,以供上述性別辨識單元經由上述分類器決定出上述人臉影像之性別辨識結果。
- 如專利申請範圍第11項所述之人臉影像性別辨識系統,其中,上述分類器係決定出一性別分類之關係式,儲存於上述臉部資料庫。
- 如專利申請範圍第8項所述之人臉影像性別辨識系統,其中當上述人臉影像之性別辨識結果決定後,上述 性別辨識單元更可在一顯示單元上顯示上述人臉影像並進行性別標示。
- 如專利申請範圍第13項所述之人臉影像性別辨識系統,其中上述性別標示依據上述性別辨識結果,將男性人臉影像標上藍框,將女性人臉影像標上紅框。
- 一種電腦程式產品,其係被一機器載入以執行一人臉影像性別辨識方法,上述電腦程式產品包括:一第一程式碼,接收至少一人臉影像;一第二程式碼,用以將上述人臉影像轉換為一灰階人臉影像,對上述灰階人臉影像進行人臉偵測,用以取得一灰階人臉區塊,將上述灰階人臉區塊切割為一全域影像區塊及複數個局部影像區塊,再依據上述全域影像區塊及上述局部影像區塊,計算上述人臉影像之複數個全域特徵值及複數個局部特徵值;以及一第三程式碼,用以根據上述計算所得之全域特徵值及局部特徵值和一臉部資料庫所儲存的複數個人臉訓練資料影像分別對應之複數個性別特徵值及一性別資料,決定出上述人臉影像之性別辨識結果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW099138294A TWI439951B (zh) | 2010-11-08 | 2010-11-08 | 人臉影像性別辨識系統及其辨識方法及其電腦程式產品 |
US12/966,581 US20120114198A1 (en) | 2010-11-08 | 2010-12-13 | Facial image gender identification system and method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW099138294A TWI439951B (zh) | 2010-11-08 | 2010-11-08 | 人臉影像性別辨識系統及其辨識方法及其電腦程式產品 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201220214A TW201220214A (en) | 2012-05-16 |
TWI439951B true TWI439951B (zh) | 2014-06-01 |
Family
ID=46019666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW099138294A TWI439951B (zh) | 2010-11-08 | 2010-11-08 | 人臉影像性別辨識系統及其辨識方法及其電腦程式產品 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20120114198A1 (zh) |
TW (1) | TWI439951B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2050043A2 (en) | 2006-08-02 | 2009-04-22 | Fotonation Vision Limited | Face recognition with combined pca-based datasets |
WO2010063463A2 (en) * | 2008-12-05 | 2010-06-10 | Fotonation Ireland Limited | Face recognition using face tracker classifier data |
US11743431B2 (en) * | 2013-03-15 | 2023-08-29 | James Carey | Video identification and analytical recognition system |
US8599542B1 (en) | 2013-05-17 | 2013-12-03 | Zagg Intellectual Property Holding Co., Inc. | Combined cover, keyboard and stand for tablet computer with reversable connection for keyboard and reading configuration |
CN104240277B (zh) * | 2013-06-24 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 基于人脸检测的增强现实交互方法和系统 |
TWI508001B (zh) * | 2013-10-30 | 2015-11-11 | Wistron Corp | 路人偵測方法、裝置與電腦程式產品 |
US8817457B1 (en) | 2014-01-02 | 2014-08-26 | ZAGG Intellectual Property Holding Co. | Reversible folio for tablet computer with reversible connection for keyboard and reading configuration |
CN104050457A (zh) * | 2014-06-26 | 2014-09-17 | 浙江大学 | 基于小样本训练库下的人脸性别识别方法 |
US9444999B2 (en) | 2014-08-05 | 2016-09-13 | Omnivision Technologies, Inc. | Feature detection in image capture |
US9489054B1 (en) | 2016-01-05 | 2016-11-08 | Zagg Intellectual Property Holding Co., Inc. | Keyboard folio with attachment strip |
CN107045618B (zh) * | 2016-02-05 | 2020-07-03 | 北京陌上花科技有限公司 | 一种人脸表情识别方法及装置 |
CN105825191B (zh) * | 2016-03-23 | 2020-05-15 | 厦门美图之家科技有限公司 | 基于人脸多属性信息的性别识别方法、系统及拍摄终端 |
US9557776B1 (en) | 2016-05-10 | 2017-01-31 | Zagg Intellectual Property Holding Co., Inc. | Friction resistance hinge with auto-lock |
CN106203387A (zh) * | 2016-07-21 | 2016-12-07 | 乐视控股(北京)有限公司 | 人脸验证方法及系统 |
CN108230293A (zh) | 2017-05-31 | 2018-06-29 | 深圳市商汤科技有限公司 | 确定人脸图像质量的方法和装置、电子设备和计算机存储介质 |
CN108391602B (zh) * | 2018-04-25 | 2023-06-06 | 中国农业科学院农业信息研究所 | 一种雏鸡性别识别系统及其识别方法 |
TWI704490B (zh) * | 2018-06-04 | 2020-09-11 | 和碩聯合科技股份有限公司 | 語音控制裝置及方法 |
WO2021056531A1 (zh) * | 2019-09-29 | 2021-04-01 | 京东方科技集团股份有限公司 | 人脸性别识别方法、人脸性别分类器的训练方法及装置 |
TWI775006B (zh) * | 2019-11-01 | 2022-08-21 | 財團法人工業技術研究院 | 擬真虛擬人臉產生方法與系統,及應用其之人臉辨識方法與系統 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6990217B1 (en) * | 1999-11-22 | 2006-01-24 | Mitsubishi Electric Research Labs. Inc. | Gender classification with support vector machines |
US7359555B2 (en) * | 2004-10-08 | 2008-04-15 | Mitsubishi Electric Research Laboratories, Inc. | Detecting roads in aerial images using feature-based classifiers |
JP2008520322A (ja) * | 2004-11-19 | 2008-06-19 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 新規な3d特徴を備えるコンピュータ支援検出(cad)における誤検出の低減 |
-
2010
- 2010-11-08 TW TW099138294A patent/TWI439951B/zh active
- 2010-12-13 US US12/966,581 patent/US20120114198A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
TW201220214A (en) | 2012-05-16 |
US20120114198A1 (en) | 2012-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI439951B (zh) | 人臉影像性別辨識系統及其辨識方法及其電腦程式產品 | |
US8792722B2 (en) | Hand gesture detection | |
US8750573B2 (en) | Hand gesture detection | |
US8351662B2 (en) | System and method for face verification using video sequence | |
US20200012923A1 (en) | Computer device for training a deep neural network | |
US20170351905A1 (en) | Learning model for salient facial region detection | |
TWI430185B (zh) | 臉部表情辨識系統及其辨識方法及其電腦程式產品 | |
US20220180534A1 (en) | Pedestrian tracking method, computing device, pedestrian tracking system and storage medium | |
JP2014182480A (ja) | 人物認識装置、及び方法 | |
CN104573706A (zh) | 一种物体图像识别方法及其系统 | |
EP2697775A1 (en) | Method of detecting facial attributes | |
CN111209818A (zh) | 视频个体识别方法、系统、设备及可读存储介质 | |
JP6351243B2 (ja) | 画像処理装置、画像処理方法 | |
JP6410450B2 (ja) | オブジェクト識別装置、オブジェクト識別方法及びプログラム | |
WO2020195732A1 (ja) | 画像処理装置、画像処理方法、およびプログラムが格納された記録媒体 | |
CN106326851B (zh) | 一种人头检测的方法 | |
Nambiar et al. | A multi-camera video dataset for research on high-definition surveillance | |
Schumann et al. | A soft-biometrics dataset for person tracking and re-identification | |
Janku et al. | Fire detection in video stream by using simple artificial neural network | |
CN108647621A (zh) | 一种基于人脸识别的视频分析处理系统及方法 | |
US20110182497A1 (en) | Cascade structure for classifying objects in an image | |
CN103020589A (zh) | 一种单训练样本人脸识别方法 | |
WO2015064292A1 (ja) | 画像の特徴量に関する処理システム、処理方法及びプログラム | |
Wu et al. | A review of face anti-spoofing and its applications in china | |
Demirkus et al. | People detection in fish-eye top-views |