TWI525556B - 在影像擷取中之特徵偵測 - Google Patents

在影像擷取中之特徵偵測 Download PDF

Info

Publication number
TWI525556B
TWI525556B TW103136358A TW103136358A TWI525556B TW I525556 B TWI525556 B TW I525556B TW 103136358 A TW103136358 A TW 103136358A TW 103136358 A TW103136358 A TW 103136358A TW I525556 B TWI525556 B TW I525556B
Authority
TW
Taiwan
Prior art keywords
image
feature
machine
gradient phase
phase map
Prior art date
Application number
TW103136358A
Other languages
English (en)
Other versions
TW201606658A (zh
Inventor
許明愷
Original Assignee
豪威科技股份有限公司
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 豪威科技股份有限公司 filed Critical 豪威科技股份有限公司
Publication of TW201606658A publication Critical patent/TW201606658A/zh
Application granted granted Critical
Publication of TWI525556B publication Critical patent/TWI525556B/zh

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
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • 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
    • G06V10/754—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 involving a deformation of the sample pattern or of the reference pattern; Elastic 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/164—Detection; Localisation; Normalisation using holistic 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
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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
    • G06V40/174—Facial expression recognition
    • G06V40/175—Static expression
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)

Description

在影像擷取中之特徵偵測
本發明一般而言係關於影像擷取，且特定而言(但非排他地)係關於偵測影像中之特徵。
影像感測器已變得普遍存在。其廣泛用於數位靜態相機、蜂巢式電話、安全攝影機以及醫療、汽車及其他應用中。用於製造影像感測器之技術繼續快步地進展。
關於影像感測器有用之一個特徵係特徵偵測。舉例而言，包含影像感測器之某些裝置能夠回應於偵測到一影像中之一給定特徵而擷取一影像。舉例而言，可回應於偵測到影像圖框中之一人正在微笑而擷取一影像。習用地，需要顯著儲存空間之來自訓練影像之特徵之分類器已經加載至記憶體中以用於與一影像感測器當前正成像之一當前影像進行比較。為適應特徵(例如嘴及牙齒)所包含之大小、形狀及陰影之多樣性，可需要來自訓練影像之特徵之大數目個分類器以充分地識別(舉例而言)一微笑。此外，額外訓練影像對識別額外特徵(例如用於眨眼偵測之眼睛)係必要的。因此，特徵偵測耗費顯著記憶體資源。
除記憶體資源之外，習用特徵偵測亦需要顯著處理資源以比較當前影像與來自訓練影像之特徵之分類器之多樣性。此可導致擷取所要影像之時間延遲且耗盡電池資源。因此，將減少記憶體、處理及/ 或電力消耗之一特徵偵測裝置及/或方法將係合意的。
210‧‧‧初步影像
225A‧‧‧特徵影像
225B‧‧‧特徵影像
325‧‧‧實例性特徵影像/特徵影像
350‧‧‧梯度相位映射
551A‧‧‧梯度相位映射
551B‧‧‧梯度相位映射
552A‧‧‧梯度相位映射
552B‧‧‧梯度相位映射
901‧‧‧方程式
903‧‧‧方程式
905‧‧‧方程式
907‧‧‧方程式
909‧‧‧方程式
911‧‧‧方程式/熵方程式
參考以下各圖闡述本發明之非限制性及非窮盡性實施例，其中除非另有規定，否則貫穿各個視圖相似元件符號係指相似部件。
圖1圖解說明根據本發明之一實施例之展示面部表情辨識之一實例性程序之一流程圖。
圖2展示根據本發明之一實施例之包含兩個人之一場景之一初步影像。
圖3圖解說明根據本發明之一實施例使用一實例性特徵影像來產生一梯度相位映射。
圖4圖解說明可根據本發明之實施例利用之實例性投影函數方程式及一熵方程式。
圖5圖解說明根據本發明之實施例之實例性特徵影像之梯度相位映射。
本文中闡述用於偵測影像中之特徵之狀態以用於面部辨識之一系統及方法之實施例。在以下說明中，陳述眾多特定細節以提供對實施例之一透徹理解。然而，熟習相關技術者將認識到，本文中所闡述之技術可在不具有該等特定細節中之一或多者之情況下實踐，或者可藉助其他方法、組件、材料等來實踐。在其他例項中，未詳細展示或闡述眾所周知之結構、材料或操作以避免使某些態樣模糊。
貫穿本說明書對「一項實施例」或「一實施例」之提及意指結合該實施例闡述之一特定特徵、結構或特性包含於本發明之至少一項實施例中。因此，貫穿本說明書在各種地方中出現之片語「在一項實施例中」或「在一實施例中」未必全部係指相同實施例。此外，特定特徵、結構或特性可以任何適合方式組合於一個或多個實施例中。
貫穿本說明書，使用數個技術術語。此等術語應理解為其在所屬技術中之普通含義，除非本文中另外具體定義或其使用之內容脈絡將另外清晰地暗示。
圖1圖解說明根據本發明之一實施例之展示面部表情辨識之一實例性程序100之一流程圖。程序方塊中之某些或所有程序方塊藉以在程序100中出現之次序不應視為限制性。而是，受益於本發明之熟習此項技術者將理解，可以未圖解說明之多種次序或甚至並行地執行程序方塊中之某些程序方塊。
程序100可藉由具有一數位影像感測器之一攝影機內之處理電路來執行或可在整合至一影像感測器中之處理電路上執行。處理電路可包含一處理器、一場可程式化閘陣列(「FPGA」)、一數位信號處理器(「DSP」)或其他。處理電路可包含用以儲存設定、影像及自影像感測器接收之影像資料之記憶體。在藉助一影像感測器利用程序100之內容脈絡中，影像感測器可在擷取一永久數位影像以無限期地保存之前不斷地擷取初步數位影像以用於評估。在一項實施例中，當影像感測器正擷取初步數位影像時，針對某些特徵(例如眼睛、鼻子、嘴、皺紋)評估彼等初始數位影像。
在程序方塊105中，識別一影像中之一特徵之一近似位置。圖2展示根據本發明之一實施例之包含兩個人之一場景之一初步影像210。若選擇攝影機或影像感測器之一眨眼偵測模式，則待識別之特徵可係一眼睛。若選擇攝影機或影像感測器之一微笑偵測模式，則待識別之特徵可係一嘴。可藉由耦接至攝影機之處理電路之一使用者介面(例如調撥轉盤或觸控螢幕)選擇攝影機之模式。為識別初步影像210中之一特徵，可使用各種識別程序。舉例而言，可藉由形狀、大小、熵分析、投影函數或藉由採用學習影像之學習演算法來識別一特徵。
作為一實例，可利用一上眼瞼與下眼瞼之間的距離比率或一上嘴唇與一下嘴唇之間的距離來判定一眼睛或一嘴之一近似位置。亦可利用匹配諸如一嘴或一眼睛之形狀之形狀之形狀演算法來判定一眼睛或一嘴之一近似位置。距離比率亦可與形狀演算法組合來識別特徵之近似位置。
用以識別一特徵之近似位置之熵分析包含將一初始熵分析應用於影像之像素強度。在一項實施例中，識別一特徵之近似位置包含將一投影函數應用於影像之像素強度。
學習演算法使用訓練影像來判定一特徵之一近似位置。學習影像含有嘴、眼睛及可用以更好地擷取一永久影像之其他特徵。在學習演算法中，可比較學習影像與初步影像之區域以識別類似特徵。舉例而言，包含比較一眼睛之一學習影像與初步影像210之影像處理可識別初步影像210中之一眼睛。在識別初步影像210中之一眼睛之後，可識別該眼睛之近似位置且可剪裁初步影像210以產生特徵影像225A。類似地，包含比較一嘴之一學習影像與初步影像210之影像處理可識別初步影像210中之一嘴。在識別初步影像210中之一嘴之後，可識別該嘴之近似位置且可剪裁初步影像210以產生特徵影像225B。
返回至圖1，在程序方塊110中計算近似位置內之影像像素強度之一梯度相位映射。該計算可藉由耦接至擷取初步影像210之影像感測器之處理電路而進行。當特徵影像225A或225B表示近似位置時，對特徵影像225計算影像像素強度之一梯度相位映射。出於本發明之目的，將計算一梯度相位映射定義為給每一像素指派根據周圍/相鄰像素表示最急劇像素強度改變之方向之一梯度。梯度闡述為一角度(度數)。因此，緊挨著一黑色像素(具有最小強度值)之一白色像素(具有最大強度值)將被指派自白色像素指向黑色像素之一向量之一角度。
圖3圖解說明根據本發明之一實施例使用一實例性特徵影像325產生一梯度相位映射350。為產生梯度相位映射350，使用方程式901來計算特徵影像325中之每一像素之梯度相位角(ψ)，其中ψ係在點(x,y)處之梯度之方向。
一旦在圖1中之程序方塊115中產生梯度相位映射，即在程序方塊115中將一投影函數應用於梯度相位映射(例如梯度相位映射350)以判定一投影結果。可使用先前所提及處理電路將投影函數應用於梯度相位映射。在一項實施例中，將一積分投影函數(「IPF」)應用於梯度相位映射350以判定梯度相位映射中的像素之平均相位。在另一實施例中，將一方差投影函數(「VPF」)應用於梯度相位映射350以判定梯度相位映射中的各像素與像素之平均相位之間的一偏差。
圖4圖解說明可根據本發明之實施例利用之實例性投影函數方程式及一熵方程式。為得出投影結果，當將一IPF部署為投影函數時將方程式903及905應用於梯度相位映射350，而當將一VPF部署為投影函數時將方程式907及909應用於梯度相位映射350。應注意，部署VPF作為投影函數涉及首先應用方程式903及905，此乃因彼等方程式之結果在方程式907及909中。
在圖1之程序方塊120中，分析投影結果以判定特徵之一狀態。應用投影函數之投影結果係可經進一步分析以判定特徵之一狀態之一統計結果。舉例而言，一給定投影結果可指示一嘴正在微笑或一眼睛係睜開的。為進一步圖解說明，圖5圖解說明根據本發明之實施例之實例性特徵影像之梯度相位映射。更具體而言，圖5展示：展示一睜眼之梯度相位映射551A、展示一閉眼之梯度相位映射551B、展示一張嘴之梯度相位映射552A及展示一閉嘴之梯度相位映射552B。
將一投影函數(例如IPF或VPF)應用於梯度相位映射551A將產生與將一投影函數應用於梯度相位映射551B不同之一投影結果。梯度 相位映射551A、551B、552A及552B包含指示指派給一給定像素之角度之梯度箭頭。慣例係指定自白至黑之梯度，但圖5中之實例性梯度箭頭使用一黑至白慣例(箭頭自較暗像素指向較亮像素)。舉例而言，在梯度相位映射551B中梯度箭頭自眼睫毛之較暗像素指向眼瞼之較亮像素。類似地，在梯度相位映射552A中梯度箭頭自嘴之較暗像素指向牙齒之較亮像素。
如圖5展示，一特徵之一狀態(例如閉眼或睜眼，嘴微笑或閉嘴)將產生不同投影結果，此歸因於梯度箭頭(表示像素之梯度相位)如何指向之差異。此等投影結果僅係可經分析以判定特徵之一狀態之一數值(統計結果)。在一項實施例中，一閉眼之投影結果係55度至125度，且一睜眼之投影結果係0度至55度或125度至180度。可針對閉嘴對微笑嘴之投影結果建立類似邊界以輔助分析投影結果。在數值投影結果之情況下，分析投影結果以判定特徵之一狀態需要在與習用程序相比時減少之處理資源來判定一特徵之一狀態。
如先前所提及，圖4包含一熵方程式，方程式911。熵係一系統中之無序量度。具體而言，在本發明之內容脈絡中，熵方程式911係一梯度相位映射(例如梯度相位映射350)之無序量度，其中p(x i )係一梯度相位映射中之像素強度之概率，且k係像素數目。對一梯度相位映射執行熵分析將產生一熵結果。視情況，除應用投影函數以產生一投影結果之外亦可對梯度相位映射執行一熵分析。可分析熵結果以輔助判定特徵之狀態。舉例而言，一閉眼之一梯度相位映射與一睜眼之一梯度相位映射相比具有較小之熵且熵結果可經分析為另一資料點以確認藉由分析投影結果進行之特徵之狀態之判定。
一旦在程序方塊120中判定了特徵之狀態，即可回應於該判定而起始一動作。舉例而言，若該特徵係一嘴且該嘴之狀態係張開的(微笑)，則所起始之動作可係藉由一影像感測器起始一影像擷取。判定 特徵之狀態之處理電路可將指令發送至影像感測器以擷取影像。類似地，若該特徵係一眼睛且該眼睛之狀態係睜開的，則可回應於判定眼睛係睜開(而非閉上)而起始影像擷取。
所揭示方法之一個潛在優點係減少用於偵測一面部表情之計算成本及處理資源。另外，面部表情之偵測可快於習用方法，此減少擷取一所要影像之滯後。此外，減少對具有儲存於記憶體中之訓練影像陣列之需要。
與習用方法相比，所揭示方法亦可增加面部辨識之可靠性。由於習用方法依賴於訓練影像，因此在形狀、大小或陰影上與訓練影像稍微不同之特徵可在分析中產生錯誤。相比之下，一特徵之形狀、大小或陰影之稍微差異可不顯著地影響一影像之梯度相位映射，且因此所揭示方法較不易於發生錯誤。
就電腦軟體及硬體而言闡述上文所闡釋之程序。所闡述之技術可構成體現於一有形或非暫時性機器(例如，電腦)可讀儲存媒體內之機器可執行指令，該機器可執行指令在由一機器執行時將致使該機器執行所闡述之操作。另外，該等程序可體現於諸如一特殊應用積體電路(「ASIC」)或其他之硬體內。
一有形非暫時性機器可讀儲存媒體包含提供(亦即，儲存)呈可由一機器(例如，一電腦、網路裝置、個人數位助理、製造工具、具有一組一或多個處理器之任何裝置等)存取之一形式之資訊之任何機構。舉例而言，一機器可讀儲存媒體包含可記錄/非可記錄媒體(例如，唯讀記憶體(ROM)、隨機存取記憶體(RAM)、磁碟儲存媒體、光學儲存媒體、快閃記憶體裝置等)。
包含發明摘要中所闡述內容之對本發明之所圖解說明實施例之上文說明並非意欲係窮盡性或將本發明限於所揭示之精確形式。雖然出於說明性目的而在本文中闡述本發明之特定實施例及實例，但熟習 相關技術者將認識到，可在本發明之範疇內作出各種修改。
可根據以上詳細說明對本發明做出此等修改。以下申請專利範圍中所使用之術語不應理解為將本發明限於說明書中所揭示之特定實施例。而是，本發明之範疇將完全由以下申請專利範圍來判定，以下申請專利範圍根據所創建之請求項解釋原則來加以理解。

Claims (19)

  1. 一種機器實施之方法，該方法包括：識別由一影像感測器擷取之一初步影像中之一特徵之一近似位置；使用耦接至該影像感測器之處理電路來計算該近似位置內之影像像素強度之一梯度相位映射；藉由將一投影函數應用於該梯度相位映射來判定一投影結果；及分析該投影結果以判定該特徵之一狀態。
  2. 如請求項1之機器實施之方法，其進一步包括：回應於該特徵之該狀態而起始該影像感測器中之一動作。
  3. 如請求項2之機器實施之方法，其中該動作係由該影像感測器起始一影像擷取以擷取一永久影像。
  4. 如請求項1之機器實施之方法，其進一步包括：藉由執行該梯度相位映射之一熵分析來判定一熵結果；及分析該熵結果以判定該特徵之該狀態。
  5. 如請求項1之機器實施之方法，其中該投影函數係將該梯度相位映射中之每一點與該梯度相位映射中之一平均相位之間的偏差求和之一方差投影函數。
  6. 如請求項1之機器實施之方法，其中該投影函數係量測該梯度相位映射上之點之一平均相位之一積分投影函數。
  7. 如請求項1之機器實施之方法，其中該特徵係一眼睛且該眼睛之該狀態係睜開或閉上。
  8. 如請求項1之機器實施之方法，其中該特徵係一嘴且該嘴之該狀態係微笑或不笑。
  9. 如請求項1之機器實施之方法，其中該識別該特徵之該近似位置包含將一初始熵分析應用於該初步影像之像素強度。
  10. 如請求項1之機器實施之方法，其中該識別該特徵之該近似位置包含將一投影函數應用於該初步影像之像素強度。
  11. 如請求項1之機器實施之方法，其中該識別該特徵之該近似位置包含比較該初步影像與包含各種特徵之訓練影像。
  12. 一種非暫時性機器可存取儲存媒體，其提供在由一機器執行時將致使該機器執行包括以下各項之操作之指令：識別由一影像感測器擷取之一初步影像中之一特徵之一近似位置；使用耦接至該影像感測器之處理電路來計算該近似位置內之影像像素強度之一梯度相位映射；藉由將一投影函數應用於該梯度相位映射來判定一投影結果；及分析該投影結果以判定該特徵之一狀態。
  13. 如請求項12之非暫時性機器可存取儲存媒體，其進一步提供在由該機器執行時將致使該機器執行進一步操作之指令，該等進一步操作包括：回應於該特徵之該狀態而起始該影像感測器中之一動作。
  14. 如請求項13之非暫時性機器可存取儲存媒體，其中該動作係由該影像感測器起始一影像擷取以擷取一永久影像。
  15. 如請求項12之非暫時性機器可存取儲存媒體，其進一步提供在由該機器執行時將致使該機器執行進一步操作之指令，該等進一步操作包括：藉由執行該梯度相位映射之一熵分析來判定一熵結果；及分析該熵結果以判定該特徵之該狀態。
  16. 如請求項12之非暫時性機器可存取儲存媒體，其中該投影函數係將該梯度相位映射中之每一點與該梯度相位映射中之一平均相位之間的偏差求和之一方差投影函數。
  17. 如請求項12之非暫時性機器可存取儲存媒體，其中該投影函數係量測該梯度相位映射上之點之一平均相位之一積分投影函數。
  18. 如請求項12之非暫時性機器可存取儲存媒體，其中該特徵係一眼睛且該眼睛之該狀態係睜開或閉上。
  19. 如請求項12之非暫時性機器可存取儲存媒體，其中該特徵係一嘴且該嘴之該狀態係微笑或不笑。
TW103136358A 2014-08-05 2014-10-21 在影像擷取中之特徵偵測 TWI525556B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US14/452,377 US9444999B2 (en) 2014-08-05 2014-08-05 Feature detection in image capture

Publications (2)

Publication Number Publication Date
TW201606658A TW201606658A (zh) 2016-02-16
TWI525556B true TWI525556B (zh) 2016-03-11

Family

ID=55248286

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103136358A TWI525556B (zh) 2014-08-05 2014-10-21 在影像擷取中之特徵偵測

Country Status (4)

Country Link
US (1) US9444999B2 (zh)
CN (1) CN105320925B (zh)
HK (1) HK1215891A1 (zh)
TW (1) TWI525556B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101671137B1 (ko) * 2012-12-04 2016-10-31 엘지전자 주식회사 영상 촬영 장치 및 그 방법
US10691314B1 (en) * 2015-05-05 2020-06-23 State Farm Mutual Automobile Insurance Company Connecting users to entities based on recognized objects
TWI692731B (zh) * 2019-01-02 2020-05-01 瑞昱半導體股份有限公司 物件位置判斷電路

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6118887A (en) * 1997-10-10 2000-09-12 At&T Corp. Robust multi-modal method for recognizing objects
US20030223623A1 (en) 2002-06-03 2003-12-04 Srinivas Gutta Face-recognition using half-face images
US7039222B2 (en) 2003-02-28 2006-05-02 Eastman Kodak Company Method and system for enhancing portrait images that are processed in a batch mode
JP4845698B2 (ja) * 2006-12-06 2011-12-28 アイシン精機株式会社 眼部検出装置、眼部検出方法及びプログラム
EP2153641B2 (en) 2007-04-13 2021-10-27 Ari M. Presler Digital cinema camera system for recording, editing and visualizing images
US8229227B2 (en) * 2007-06-18 2012-07-24 Zeitera, Llc Methods and apparatus for providing a scalable identification of digital video sequences
TWI374392B (en) 2008-09-24 2012-10-11 Univ Nat Cheng Kung Face recognition method based on the estimated curvature
US8374442B2 (en) 2008-11-19 2013-02-12 Nec Laboratories America, Inc. Linear spatial pyramid matching using sparse coding
CN101860680B (zh) 2009-04-08 2011-12-21 鸿富锦精密工业（深圳）有限公司 影像处理装置及其影像处理方法
TW201039251A (en) 2009-04-30 2010-11-01 Novatek Microelectronics Corp Facial expression recognition apparatus and facial expression recognition method thereof
US8380004B1 (en) 2009-06-03 2013-02-19 Google Inc. Object image matching and applications thereof
JP5423379B2 (ja) * 2009-08-31 2014-02-19 ソニー株式会社 画像処理装置および画像処理方法、並びにプログラム
FI123982B (fi) * 2009-10-09 2014-01-15 Visidon Oy Kasvojen tunnistaminen digitaalisissa kuvissa
WO2011079458A1 (en) * 2009-12-31 2011-07-07 Nokia Corporation Method and apparatus for local binary pattern based facial feature localization
US8379134B2 (en) 2010-02-26 2013-02-19 Research In Motion Limited Object detection and selection using gesture recognition
TWI430185B (zh) 2010-06-17 2014-03-11 Inst Information Industry 臉部表情辨識系統及其辨識方法及其電腦程式產品
CN102385691A (zh) 2010-08-31 2012-03-21 财团法人资讯工业策进会 脸部表情辨识系统、辨识装置及辨识方法
US8351662B2 (en) 2010-09-16 2013-01-08 Seiko Epson Corporation System and method for face verification using video sequence
TWI439951B (zh) 2010-11-08 2014-06-01 Inst Information Industry 人臉影像性別辨識系統及其辨識方法及其電腦程式產品
TWI533237B (zh) 2010-12-24 2016-05-11 國立臺灣科技大學 人臉特徵辨識方法
CN103503029B (zh) 2011-04-11 2016-08-17 英特尔公司 检测面部特性的方法
US9251402B2 (en) 2011-05-13 2016-02-02 Microsoft Technology Licensing, Llc Association and prediction in facial recognition
US9323980B2 (en) 2011-05-13 2016-04-26 Microsoft Technology Licensing, Llc Pose-robust recognition
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
US20120328202A1 (en) 2011-06-21 2012-12-27 Cisco Technology, Inc. Method and apparatus for enrolling a user in a telepresence system using a face-recognition-based identification system
JP5913940B2 (ja) * 2011-12-01 2016-05-11 キヤノン株式会社 画像認識装置、画像認識装置の制御方法、およびプログラム
US9183429B2 (en) 2012-08-15 2015-11-10 Qualcomm Incorporated Method and apparatus for facial recognition
US9600711B2 (en) * 2012-08-29 2017-03-21 Conduent Business Services, Llc Method and system for automatically recognizing facial expressions via algorithmic periocular localization
CN103077537B (zh) 2013-01-15 2015-07-15 北京工业大学 基于l1正则化的实时运动目标跟踪的新方法

Also Published As

Publication number Publication date
US9444999B2 (en) 2016-09-13
US20160044237A1 (en) 2016-02-11
HK1215891A1 (zh) 2016-09-23
CN105320925B (zh) 2019-02-19
CN105320925A (zh) 2016-02-10
TW201606658A (zh) 2016-02-16

Similar Documents

Publication Publication Date Title
WO2020088588A1 (zh) 一种基于深度学习的静态三维人脸活体检测方法
JP7365445B2 (ja) コンピューティング装置及び方法
KR102483642B1 (ko) 라이브니스 검사 방법 및 장치
KR102299847B1 (ko) 얼굴 인증 방법 및 장치
KR102146398B1 (ko) 3차원 컨텐츠 생성 장치 및 그 3차원 컨텐츠 생성 방법
US9747493B2 (en) Face pose rectification method and apparatus
JP5657494B2 (ja) シワ検出方法、シワ検出装置およびシワ検出プログラム、並びに、シワ評価方法、シワ評価装置およびシワ評価プログラム
EP2680191B1 (en) Facial recognition
JP5140163B2 (ja) 視線測定のための方法及び装置
WO2016180224A1 (zh) 一种人物图像处理方法及装置
JP6550642B2 (ja) 皺検出装置および皺検出方法
JP6007682B2 (ja) 画像処理装置、画像処理方法及びプログラム
EP3241151A1 (en) An image face processing method and apparatus
CN109460697B (zh) 人脸辨识的辅助过滤装置及电子装置的启动方法
KR20170092533A (ko) 얼굴 포즈 교정 방법 및 장치
TWI669664B (zh) 眼睛狀態檢測系統及眼睛狀態檢測系統的操作方法
JP6489427B2 (ja) 画像処理装置および画像処理方法
US11315360B2 (en) Live facial recognition system and method
TWI525556B (zh) 在影像擷取中之特徵偵測
JP2012068948A (ja) 顔属性推定装置およびその方法
CN108875488B (zh) 对象跟踪方法、对象跟踪装置以及计算机可读存储介质
US11048926B2 (en) Adaptive hand tracking and gesture recognition using face-shoulder feature coordinate transforms
KR102074977B1 (ko) 전자 장치 및 그의 제어 방법
Berueco et al. Age Estimation Using Support Vector Machine–Sequential Minimal Optimization
KR20210050649A (ko) 모바일 기기의 페이스 인증 방법