WO2010113821A1 - 顔特徴点検出装置及びプログラム - Google Patents

顔特徴点検出装置及びプログラム Download PDF

Info

Publication number
WO2010113821A1
WO2010113821A1 PCT/JP2010/055454 JP2010055454W WO2010113821A1 WO 2010113821 A1 WO2010113821 A1 WO 2010113821A1 JP 2010055454 W JP2010055454 W JP 2010055454W WO 2010113821 A1 WO2010113821 A1 WO 2010113821A1
Authority
WO
WIPO (PCT)
Prior art keywords
eye
parameter
corner
eyelid
shape model
Prior art date
Application number
PCT/JP2010/055454
Other languages
English (en)
French (fr)
Inventor
悟 中西
二宮　芳樹
貴志 内藤
小島　真一
嘉修 竹前
大見　拓寛
足立　淳
崇 平槇
Original Assignee
アイシン精機株式会社
株式会社デンソー
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 アイシン精機株式会社, 株式会社デンソー filed Critical アイシン精機株式会社
Priority to KR1020117022723A priority Critical patent/KR101267205B1/ko
Priority to EP10758593.7A priority patent/EP2416294B1/en
Priority to CN2010800132867A priority patent/CN102362291B/zh
Priority to US13/259,065 priority patent/US8331630B2/en
Publication of WO2010113821A1 publication Critical patent/WO2010113821A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based 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
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Definitions

  • the present invention relates to a face feature point detection apparatus and program, and more particularly, to a face feature point detection apparatus and program for detecting an eye position and an eye position as face feature points.
  • a face included in an image to be detected is detected, the eyes constituting the face are detected using the detection information of the face, and the eyes and the corners of the eyes are detected using the detection information of the eyes
  • a face feature point detection method that detects the eyes and the corners of the eyes using a learning discriminator generated in advance using a plurality of sample images (see, for example, Patent Document 1).
  • the learning discriminator can discriminate the eye corner or the eye-likeness of the area to be detected, but the accuracy is not good for detecting the eye corner position and the eye position as face feature points. There is a problem. Further, in order to improve the detection accuracy, it is necessary to generate and store a high-definition learning discriminator, which increases the calculation time and the required memory amount.
  • An object of the present invention is to provide a face feature point detection device and a program that can be detected.
  • a face feature point detection device includes an acquisition unit that acquires image data of an image including an eye region having an eye and an eye corner, and a pattern from the image data acquired by the acquisition unit.
  • Position detecting means for detecting the first position of the eye and the first position of the corner of the eye by matching, the upper curve and the lower side with the first position of the eye and the first position of the corner of the eye detected by the position detecting means as end points
  • a first saddle shape model in which the upper eyelid position defined on the upper curve is a first parameter and the lower eyelid position defined on the lower curve is a second parameter
  • the first likelihood indicating the degree to which the first wrinkle shape model when the first parameter and the second parameter are changed matches the shape of the wrinkle included in the image, Parameters and
  • the first calculation means for calculating each second parameter, the first heel shape model having the highest first likelihood calculated by the first calculation means, and the eye position is the third position In the second eyelid shape model in which the parameters and the position of the corner of the eye are the
  • the face feature point detection program of the present invention uses a computer to acquire image data of an image including an eye area including an eye and an eye corner, and image data acquired by the acquisition means by pattern matching.
  • Position detecting means for detecting the first position and the first position of the outer corner of the eye, and an upper curve and a lower curve with the first position of the eye and the first position of the outer corner of the eye detected by the position detecting means as end points.
  • the first heel position defined on the upper curve and the second heel position defined on the lower curve as the second parameter is the first heel shape model.
  • the acquisition unit acquires image data of an image including an eye region including the eyes and the corners of the eyes, and the position detection unit from the image data acquired by the acquisition unit,
  • the first position of the eyes and the first position of the corners of the eyes are detected by pattern matching.
  • the first calculation means is represented by an upper curve and a lower curve whose end points are the first position of the eye head and the first position of the outer corner of the eye detected by the position detection means, and is defined on the upper curve.
  • the first parameter and the second parameter are changed.
  • a first likelihood indicating a degree of coincidence between the first wrinkle shape model and the wrinkle shape included in the image is calculated for each of the first parameter and the second parameter.
  • the position indicated by the third parameter of the second eyelid shape model having the highest likelihood of the eyelid shape included in the image is the second position of the eye and the position indicated by the fourth parameter is the second position of the corner of the eye Therefore, even when the eyes and the corners of the eyes are hidden by noise such as reflection of glasses, the positions of the eyes and the corners of the eyes can be accurately detected as face feature points.
  • the second computing means of the present invention is characterized in that the second eyelid shape model among the eyelid shapes included in the image when the degree of pattern matching by the position detecting means is smaller than a predetermined threshold. It is possible to calculate the second likelihood using a portion in the vicinity of the upper eyelid position and the lower eyelid position. If the degree of matching of the pattern matching by the position detection means is smaller than a predetermined threshold value, there is a high possibility that noise exists near the eyes and the corners of the eyes, so the upper eyelid position and the lower eyelid position of the second eyelid shape model By calculating the second likelihood using the portion in the vicinity of the position, the likelihood can be calculated without the influence of noise.
  • the position detecting means of the present invention detects a plurality of eye candidate points as the first position of the eye corner and a plurality of eye corners as the first position of the eye corner when the matching degree of pattern matching is smaller than a predetermined threshold.
  • a candidate point is detected, and the first calculation means uses a first eye candidate point selected from the plurality of eye candidate points and a first eye candidate point selected from the plurality of eye candidate points as a first point.
  • the first likelihood can be calculated for all the combinations of the eye candidate points and the eye corner candidate points. Thereby, a 1st hook shape model can be set flexibly and a parameter with high likelihood can be determined.
  • the second calculation means of the present invention is configured so that the third parameter and The fourth parameter can be changed within a predetermined range.
  • the eye opening is small, the eye position and the eye position may be detected at a position deviated from the original eye and the corner of the eye due to the influence of wrinkles, etc., so the third parameter and the fourth parameter are set in advance. By changing within a predetermined range, it is possible to prevent the detected eye position and eye position from deviating greatly.
  • the face feature point detection device of the present invention provides the difference between the second position of the eye and the first position of the eye that has been determined this time by the position determining means, and the second position of the eye corner and the first position of the eye that have been determined this time. If at least one of the differences from the first position is greater than a previously determined difference threshold, the second position of the eye and the second position of the corner of the eye determined this time are replaced with the first position of the eye and the first position of the corner of the eye.
  • the control unit may be configured to control to determine the second position of the eyeball and the second position of the outer corner of the eye again. Thereby, detection accuracy improves.
  • the face feature point detection program of the present invention is a program for causing a computer to function as each means constituting the face feature point detection apparatus of the present invention.
  • the eye position and the eye corner position are detected as the parameters of the eyelid shape model having a high likelihood of the eyelid shape. Even when the corners of the eyes and the head of the eyes are hidden by noise, the effect of being able to accurately detect the positions of the eyes and the positions of the eyes as the face feature points can be obtained.
  • the face feature point detection apparatus 10 includes a camera 12, a display device 14, and a computer 16 that capture an object to be imaged.
  • the display device 14 includes an LCD (Liquid Crystal Display) or a CRT (Cathode Ray Tube) that performs display based on input information.
  • LCD Liquid Crystal Display
  • CRT Cathode Ray Tube
  • the computer 16 includes an I / O (input / output) port 16a, a ROM (Read Only Memory) 16b, an HDD (Hard Disk Drive) 16c, a CPU (Central Processing Unit) 16d, a RAM (Random Access Memory) 16e, and these I / Os.
  • the bus 16f is connected to the O port 16a, the ROM 16b, the HDD 16c, the CPU 16d, and the RAM 16e.
  • the ROM 16b or the HDD 16c as a storage medium stores a basic program such as an OS, various programs such as a facial feature point detection program for executing a processing routine of a facial feature point detection process described later, and various data. .
  • the CPU 16d reads the program from the ROM 16b and the HDD 16c and executes it, and various data are temporarily stored in the RAM 16e.
  • the camera 12 and the display device 14 are connected to the I / O port 16a.
  • this routine is executed by the CPU 16d of the computer 16 every predetermined time interval (for example, several tens of milliseconds) from the time when the switch (not shown) of the facial feature point detection apparatus 10 is turned on.
  • step 100 the image data of the face image taken by the camera 12 is captured.
  • step 102 an eye corner position detection process for detecting the first position of the eyes and the first position of the eyes from the image based on the image data captured in step 100 is executed.
  • step 104 an upper / lower eyelid position detection process for detecting the upper eyelid position and the lower eyelid position based on the first position of the eye head and the first position of the outer corner of the eye detected in step 102 is executed.
  • step 106 an eye-eye corner position determination process for determining the second position of the eye and the second position of the eye corner based on the upper eyelid position and the lower eyelid position detected in step 104 is executed.
  • step 108 the display device 14 is controlled to display the second position of the eye and the second position of the eye corner determined in step 106 as the detection result of the eye corner position and the eye position, The process ends.
  • step 110 as shown in FIG. 4A, for example, a face area 30 of a rectangular area is detected from the image by a technique such as template matching.
  • an eye search range 32 is set for the face region 30 detected in step 110 as shown in FIG. 4B.
  • the eye search range 32 sets the search range for the right eye and the left eye in the face region 30 where the eyes are assumed to exist, according to the size of the detected face region 30 and the like.
  • a rectangular eye region 34 is detected from the set eye search range 32 by a method such as template matching.
  • an eye search range 36 and an eye corner search range 38 are set as shown in FIG.
  • the eye search range 36 can be set as a right region and its peripheral region when the eye region is divided into three in the horizontal direction. Note that the processing after this step is performed for each of the right eye and the left eye.
  • the left eye processing will be described, and the right eye processing is the same, and the description thereof will be omitted.
  • step 116 as shown in FIG. 6, the head search area 36 set in step 114 is scanned with, for example, a rectangular head search window 40 to detect the head region, template matching, etc.
  • an output value V head indicating the degree of matching between the image of the eye area and the template is calculated.
  • step 118 it is determined whether or not the output value V head calculated in step 116 is smaller than a predetermined threshold value ⁇ .
  • the threshold value ⁇ is determined in advance as a value that can determine the presence or absence of noise. If V head ⁇ , the routine proceeds to step 120 where the center of the eye search range 36 is detected as the first position of the eye as shown in FIG. On the other hand, if V head ⁇ ⁇ , the routine proceeds to step 122, where the center of the eye area (eye search window 40) is detected as the first position of the eye as shown in FIG.
  • the first position of the eye is specified by coordinates (x, y) corresponding to the pixels on the image. The same applies to the first position, the upper eyelid position, the lower eyelid position, etc. of the outer corner of the eye which will be described later.
  • the output value V tail is calculated using the eye corner search window 42 by the same processing as the processing for detecting the first position of the eye corner, and the first position of the eye corner is detected. To return.
  • step 104 of the processing routine of the face feature point detection process (FIG. 2) will be described with reference to FIG.
  • step 132 the first position of the eye corner detected in the eye eye corner position detection process is the control point P 3 , the first position of the eye corner is the control point P 4 , and the control corresponding to the upper eyelid position. setting the point P 1.
  • Control points P 3 and P 4 are fixed.
  • a Bezier curve determined based on the control points P 1 , P 3 , and P 4 is used as the upper eyelid shape model.
  • FIG. 9B determining the middle point of the vertical line drawn control points P 3 and P 4 from the control point P 1 to the line segment edge points and the upper eyelid position candidate.
  • step 134 while changing the control point P 1, and calculates a fitting evaluation value ⁇ by the following equation (1).
  • p i is a normal vector at a point i on the Bezier curve
  • e i is a luminance gradient vector of the image at the point i
  • n is the number of points i on the Bezier curve.
  • the likelihood of the Bezier curve and the shape of the eyelid included in the image is calculated from the inner product of the normal vector at the point i and the luminance gradient vector of the image.
  • the change area control point P 1 is, for example, may be an upper range of a straight line passing through a within the eye search range 32, and the control points P 3 and P 4.
  • step 136 determines whether to calculate the fitting evaluation value ⁇ making any changes to the control point P 1 at all positions within the change area. If the calculation does not, it returns to step 132, to set the control points P 1 to the next position and repeats the process of calculating the fitting evaluation value lambda. If the calculation process is completed in all the positions, the process proceeds to step 138, as shown in FIG. 10, the upper eyelid position candidate on determined by the control point P 1 when the fitting evaluation value ⁇ calculated is maximum It is detected as the heel position.
  • step 140-146 the upper eyelid position detected process similar, using the control point P 2 corresponding to the lower eyelid positions, calculates a fitting evaluation value lambda, fitting evaluation value lambda is It is detected as a lower eyelid position the lower eyelid position candidate determined by the control point P 2 at which the to return.
  • step 106 of the processing routine of the face feature point detection process (FIG. 2)
  • step 150 the control point of the upper eyelid position detected by the upper and lower eyelid position detection process is P 1
  • the control point of the lower eyelid position is P 2
  • the corner of the eye detected by the eye corner position detection process Are set as the control point P 4
  • the second position candidate of the eye is set as the control point P 3 .
  • Upper eyelid position, the lower eyelid position and P 4 are fixed.
  • a Bezier curve determined based on the control points P 1 , P 3 , and P 4 and a Bezier curve determined based on the control points P 2 , P 3 , and P 4 are used as the upper and lower saddle shape models.
  • step 152 by determining whether or not the output value V head calculated in step 116 of the upper eye corner position detection process (FIG. 3) is greater than or equal to the threshold value ⁇ , there is a possibility that noise exists near the eye. Determine if there is any. If V head ⁇ ⁇ , the routine proceeds to step 154, where the point (1) on the Bezier curve of the control point P 3 to the control point P 1 and the control point P 3 to the control point P 2 is used. A fitting evaluation value ⁇ is calculated from the equation. On the other hand, if V head ⁇ , the routine proceeds to step 156, where the fitting evaluation value ⁇ is calculated using the point i on the Bezier curve near the upper and lower eyelid positions, as shown in FIG. 12B.
  • the vicinity of the upper eyelid position can be, for example, a range of 1/2 to 1/3 from the upper eyelid position on the curve between the control point P 3 and the upper eyelid position. The same applies to the vicinity of the lower eyelid position.
  • step 158 it determines whether to calculate the fitting evaluation value ⁇ making any changes to the control point P 3 at all positions within the change area.
  • the change range can be, for example, within the search range 36 of the head. If the calculation does not, returns to step 150, to set the control point P 3 to the next position and repeats the process of calculating the fitting evaluation value lambda. If the calculation process is completed in all the positions, the process proceeds to step 160, fitting evaluation value calculated ⁇ determines the position of the control point P 3 at which the maximum as the second position of the inner corner.
  • the control point for the upper eyelid position detected in the upper / lower eyelid position detection process is set to P 1 and the control point for the lower eyelid position is determined by the same process as the process for determining the second position of the eye.
  • P 2 the second position of the eye determined in step 160 is set as the control point P 3
  • the second position candidate of the outer corner of the eye is set as the control point P 4
  • the upper eyelid position, the lower eyelid position, and P 3 are fixed.
  • the first eyelid and the first position of the outer corner of the eye are detected using the first and second positions of the upper and lower eyes.
  • Fitting with the shape model, using the upper eyelid position and the lower eyelid position when the fitting evaluation value is maximum, fitting with the second eyelid shape model, the second position of the eye and the second position of the eye corner Therefore, even when the eyes or the corners of the eyes are hidden by noise such as the reflection of glasses, the positions of the eyes and the positions of the eyes can be accurately detected as face feature points.
  • step 116 the eye search area 36 is scanned with respect to the eye search range 36 to detect the eye area, and the eye area is detected by a method such as template matching.
  • An output value V head indicating the degree of matching between the image of the region and the template is calculated.
  • step 118 it is determined whether or not V head is smaller than the threshold value ⁇ . If it is smaller than the threshold value ⁇ , the routine proceeds to step 200, where a plurality of eye position candidates are set within the eye search range 36, as shown in FIG. Similarly, when the output value V tail is smaller than the threshold value ⁇ , a plurality of eye corner position candidates are set in the eye corner search range 38 in step 202.
  • step 210 If a plurality of eye position candidates or eye area position candidates are set in step 210 in the eye / eye corner position detection process, one of them is selected, and then in step 132, the selected eye position candidates are selected.
  • the control point P 3 and the corner position candidate are fixed as the control point P 4 , and then, in step 134, the fitting evaluation value ⁇ is calculated.
  • step 136 If it is determined in step 136 that fitting has been completed at all positions within the change range, the process proceeds to step 212, where all combinations of eye position candidate and eye corner position candidates are selected and the process is completed. If all the processes have not been completed, the process returns to step 210 to select the next candidate for the eye position or the candidate for the position of the outer corner of the eye. If all the processing has been completed, the fitting calculated in step 138 for all combinations of one first eye position selected from the eye position candidates and one first eye position selected from the eye position candidates. evaluation value ⁇ is detected as an upper eyelid position eyelid position candidate on determined by the control point P 1 at the maximum.
  • step 214 the eye corner positions are selected one by one from the eye head position candidates and the eye corner position candidates, and in step 216, it is determined whether all the combinations are selected and the processing is completed.
  • the face feature point detection apparatus of the second embodiment when noise is present in the vicinity of the eyes or in the vicinity of the eye corners during the eye / eye corner position detection processing, the first eye feature is detected.
  • the first eye feature is detected.
  • the position detection accuracy is improved, and the determination accuracy of the second position of the eye and the second position of the corner of the eye determined using the upper eyelid position and the lower eyelid position is also improved.
  • the third embodiment is different from the first embodiment in that the range of control points for detecting the second position of the eye and the second position of the corner of the eye is limited by the opening degree of the eyes. .
  • symbol is attached
  • step 300 it is determined whether or not the opening degree of the eye represented by the distance between the upper eyelid position and the lower eyelid position detected in the vertical eyelid position detection process is equal to or smaller than the opening threshold value.
  • the opening degree threshold a value is set in advance so that the opening degree of the eye, which makes it difficult to discriminate the eye position and the eye corner position due to the influence as described above, can be determined. If the opening of the eye is less than or equal to the opening threshold, the process proceeds to step 302. If the opening is larger than the opening threshold, the process proceeds to step 150.
  • step 302 to limit the range of change in the control points P 3 and P 4.
  • the second position of the eye and the second position of the outer corner of the eye determined when the opening of the eye is equal to or greater than the opening threshold are stored in a predetermined storage area, and the distance from this position is within a predetermined range. It can be limited to such a range.
  • the change range can be limited to a distance corresponding to 20 pixels.
  • step 158 and step 170 processes similar to the eye inside and outside corner position determination process in the first embodiment, step 158 and step 170, the control point P 3, or P 4 at all points within a limited change range at step 302 By changing, it is determined whether or not the calculation of the fitting evaluation value ⁇ has been completed.
  • the face feature point detection device of the third embodiment even when the opening degree of the eyes is small, the eye position and the position of the eye corners are large due to the influence of wrinkles generated near the eyes and the corners of the eyes. It is possible to prevent the detection from being shifted.
  • the fourth embodiment is different from the first embodiment in that the top / bottom corner position determination process is repeatedly executed.
  • symbol is attached
  • step 100 image data of a face image is captured.
  • step 102 an eye-eye corner position detection process is performed to detect the first position of the eye and the first position of the eye corner.
  • the upper / lower eyelid position detecting process for detecting the eyelid position and the lower eyelid position is executed, and then, in step 106, the eye / eye corner position determining process for determining the second position of the eye and the second position of the eye corner is executed.
  • step 400 it is determined whether or not the difference between the second position of the eye and the second position of the corner of the eye determined in step 106 and the first position of the eye and the first position of the corner of the eye is within a predetermined range. To do. If it is within the predetermined range, the process proceeds to step 108 and the detection result is displayed. On the other hand, if it is out of the predetermined range, the process proceeds to step 402.
  • step 402 the second position of the eye and the second position of the corner of the eye determined in step 106 are replaced with the first position of the eye and the first position of the corner of the eye, and the process returns to step 104.
  • step 104 the upper eyelid position and the lower eyelid position are detected again using the first position of the eye and the first position of the outer corner of the eye replaced in step 402.
  • step 106 the second position of the eye is again detected. Determine the position and the second position of the corner of the eye.
  • the first position of the eye and the first position of the eye corner detected by the eye / eye corner position detection process are determined with higher accuracy.
  • the upper eyelid position and the lower eyelid position are detected again, the second position of the upper eye and the second position of the outer corner of the eye are determined, Since it repeats until the difference with the 1st position becomes a predetermined range, the 2nd position of the eye corner and the 2nd position of the corner of the eye can be determined with sufficient accuracy.
  • the present invention is not limited to this.
  • a saddle-shaped window 50 in which three windows 50a, 50b, and 50c are combined may be used as a saddle-shaped model.
  • the intensity of the vertical edge appearing in the left and right windows 50a and 50c is detected, and the intensity of the horizontal edge appearing in the center window 50b is detected.
  • the fitting can be performed using the sum of the intensities.

Landscapes

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

Abstract

ノイズにより目頭及び目尻部分が隠れている場合でも、顔特徴点として目頭位置及び目尻位置を精度よく検出する。画像から検出された目頭の第１位置を示す固定の制御点Ｐ３、目尻の第１位置を示す固定の制御点Ｐ４、上瞼位置候補に対応した制御点Ｐ１（第１のパラメータ）、及び下瞼位置候補に対応した制御点Ｐ２（第２のパラメータ）により表されるベジエ曲線を第１の瞼形状モデルとし、第１の瞼形状モデルと画像に含まれる瞼の形状とのフィッティング評価値λが最も高いときのＰ１及びＰ２を固定した第２の瞼形状モデルにおいて、目頭位置候補を示す制御点Ｐ３（第３のパラメータ）、及び目尻位置候補を示す制御点Ｐ４（第４のパラメータ）を変更したときのフィッティング評価値λが最も高いときのＰ３及びＰ４を目頭の第２位置及び目尻の第２位置として決定する。

Description

顔特徴点検出装置及びプログラム
　本発明は、顔特徴点検出装置及びプログラムに係り、特に顔特徴点として目頭位置及び目尻位置を検出する顔特徴点検出装置及びプログラムに関する。
　従来、検出対象の画像に含まれる顔を検出し、この顔の検出情報を用いて、顔を構成する目を検出し、この目の検出情報を用いて、目の目頭及び目尻を検出する顔特徴点検出方法において、予め複数のサンプル画像を用いて生成された学習識別器を用いて目頭及び目尻を検出する顔特徴点検出方法が提案されている（例えば、特許文献１参照）。
　また、上瞼のエッジと下瞼のエッジとの交点を、コーナー検出法を利用して目尻目頭候補点として検出し、検出された候補点の周辺パターンを切り出して、予め登録してある目尻及び目頭のテンプレートとの類似度を計算して、類似度の高い目尻候補及び目頭候補を目尻及び目頭として検出する特徴点検出装置が提案されている（例えば、特許文献２参照）。
特開２００７－２１３３７７号公報 特開２００７－９４９０６号公報
　しかしながら、上記特許文献１記載の技術では、学習識別器により、検出する領域の目尻または目頭らしさを判別することはできるものの、顔特徴点としての目尻位置及び目頭位置の検出としては精度がよくない、という問題がある。また、検出精度を向上させるためには、高精細な学習識別器を生成して記憶しておく必要があり、計算時間及び必要メモリ量が増大する、という問題がある。
　また、上記特許文献２記載の技術では、コーナー検出法により検出した候補点の周辺の微小な範囲に対してテンプレートとの類似度を計算しているため、眼鏡の映り込みなどのノイズにより目尻及び目頭部分が隠れている場合には、目尻位置及び目頭位置の検出が困難になる、という問題がある。
　本発明は、上記の問題を解決するために成されたものであり、眼鏡の映り込みなどのノイズにより目頭及び目尻部分が隠れている場合でも、顔特徴点として目頭位置及び目尻位置を精度よく検出することができる顔特徴点検出装置及びプログラムを提供することを目的とする。
　上記目的を達成するために、本発明の顔特徴点検出装置は、目頭及び目尻を備えた目領域を含む画像の画像データを取得する取得手段と、前記取得手段で取得した画像データから、パターンマッチングにより目頭の第１位置及び目尻の第１位置を検出する位置検出手段と、前記位置検出手段で検出された目頭の第１位置及び目尻の第１位置を端点とする上側の曲線及び下側の曲線で表され、かつ前記上側の曲線上に定めた上瞼位置を第１のパラメータ及び前記下側の曲線上に定めた下瞼位置を第２のパラメータとする第１の瞼形状モデルにおいて、前記第１のパラメータ及び前記第２のパラメータを変更したときの前記第１の瞼形状モデルと前記画像に含まれる瞼の形状とが一致する度合いを示す第１の尤度を、前記第１のパラメータ及び前記第２のパラメータ毎に演算する第１の演算手段と、前記第１の演算手段で演算された第１の尤度が最も高い前記第１の瞼形状モデルで、かつ目頭位置を第３のパラメータ及び目尻位置を第４のパラメータとした第２の瞼形状モデルにおいて、前記第３のパラメータ及び前記第４のパラメータを変更したときの前記第２の瞼形状モデルと前記画像に含まれる瞼の形状とが一致する度合いを示す第２の尤度を、前記第３のパラメータ及び前記第４のパラメータ毎に演算する第２の演算手段と、前記第２の演算手段で演算された第２の尤度が最も高い前記第２の瞼形状モデルの第３のパラメータで示される位置を目頭の第２位置及び第４のパラメータで示される位置を目尻の第２位置として決定する位置決定手段と、を含んで構成されている。
　また、本発明の顔特徴点検出プログラムは、コンピュータを、目頭及び目尻を備えた目領域を含む画像の画像データを取得する取得手段と、前記取得手段で取得した画像データから、パターンマッチングにより目頭の第１位置及び目尻の第１位置を検出する位置検出手段と、前記位置検出手段で検出された目頭の第１位置及び目尻の第１位置を端点とする上側の曲線及び下側の曲線で表され、かつ前記上側の曲線上に定めた上瞼位置を第１のパラメータ及び前記下側の曲線上に定めた下瞼位置を第２のパラメータとする第１の瞼形状モデルにおいて、前記第１のパラメータ及び前記第２のパラメータを変更したときの前記第１の瞼形状モデルと前記画像に含まれる瞼の形状とが一致する度合いを示す第１の尤度を、前記第１のパラメータ及び前記第２のパラメータ毎に演算する第１の演算手段と、前記第１の演算手段で演算された第１の尤度が最も高い前記第１の瞼形状モデルで、かつ目頭位置を第３のパラメータ及び目尻位置を第４のパラメータとした第２の瞼形状モデルにおいて、前記第３のパラメータ及び前記第４のパラメータを変更したときの前記第２の瞼形状モデルと前記画像に含まれる瞼の形状とが一致する度合いを示す第２の尤度を、前記第３のパラメータ及び前記第４のパラメータ毎に演算する第２の演算手段と、前記第２の演算手段で演算された第２の尤度が最も高い前記第２の瞼形状モデルの第３のパラメータで示される位置を目頭の第２位置及び第４のパラメータで示される位置を目尻の第２位置として決定する位置決定手段として機能させるためのプログラムである。
　本発明の顔特徴点検出装置及びプログラムによれば、取得手段が、目頭及び目尻を備えた目領域を含む画像の画像データを取得し、位置検出手段が、取得手段で取得した画像データから、パターンマッチングにより目頭の第１位置及び目尻の第１位置を検出する。ここで、目頭及び目尻付近にノイズが存在しているなどの場合には、目頭の第１位置及び目尻の第１位置は精度よく検出されない場合がある。そこで、第１の演算手段が、位置検出手段で検出された目頭の第１位置及び目尻の第１位置を端点とする上側の曲線及び下側の曲線で表され、かつ上側の曲線上に定めた上瞼位置を第１のパラメータ及び下側の曲線上に定めた下瞼位置を第２のパラメータとする第１の瞼形状モデルにおいて、第１のパラメータ及び第２のパラメータを変更したときの第１の瞼形状モデルと画像に含まれる瞼の形状とが一致する度合いを示す第１の尤度を、第１のパラメータ及び第２のパラメータ毎に演算し、第２の演算手段が、第１の演算手段で演算された第１の尤度が最も高い第１の瞼形状モデルで、かつ目頭位置を第３のパラメータ及び目尻位置を第４のパラメータとした第２の瞼形状モデルにおいて、第３のパラメータ及び第４のパラメータを変更したときの第２の瞼形状モデルと画像に含まれる瞼の形状とが一致する度合いを示す第２の尤度を、第３のパラメータ及び第４のパラメータ毎に演算し、位置決定手段が、第２の演算手段で演算された第２の尤度が最も高い第２の瞼形状モデルの第３のパラメータで示される位置を目頭の第２位置及び第４のパラメータで示される位置を目尻の第２位置として決定する。
　このように、画像に含まれる瞼の形状との尤度が最も高い第１の瞼形状モデルの目頭位置を第３のパラメータ及び目尻位置を第４のパラメータとする第２の瞼形状モデルにおいて、画像に含まれる瞼の形状との尤度が最も高い第２の瞼形状モデルの第３のパラメータで示される位置を目頭の第２位置及び第４のパラメータで示される位置を目尻の第２位置として決定するため、眼鏡の映り込みなどのノイズにより目頭及び目尻部分が隠れている場合でも、顔特徴点として目頭位置及び目尻位置を精度よく検出することができる。
　また、本発明の前記第２の演算手段は、前記位置検出手段によるパターンマッチングのマッチング度が予め定めた閾値より小さい場合に、前記画像に含まれる瞼の形状のうち前記第２の瞼形状モデルの上瞼位置及び下瞼位置近傍の部分を用いて第２の尤度を演算するようにすることができる。位置検出手段によるパターンマッチングのマッチング度が予め定めた閾値より小さい場合には、目頭及び目尻付近にノイズが存在している可能性が高いため、第２の瞼形状モデルの上瞼位置及び下瞼位置近傍の部分を用いて第２の尤度を演算することにより、ノイズの影響を除外して尤度を演算することができる。
　また、本発明の前記位置検出手段は、パターンマッチングのマッチング度が予め定めた閾値より小さい場合に、目頭の第１位置として複数の目頭候補点を検出し、目尻の第１位置として複数の目尻候補点を検出し、前記第１の演算手段は、前記複数の目頭候補点から選択した１つの目頭候補点及び前記複数の目尻候補点から選択した１つの目尻候補点を端点とする第１の瞼形状モデルにおいて、目頭候補点と目尻候補点との組合せの全てについて前記第１の尤度を演算するようにすることができる。これにより、第１の瞼形状モデルを柔軟に設定することができ、尤度の高いパラメータを決定することができる。
　また、本発明の前記第２の演算手段は、前記第２の瞼形状モデルの上瞼位置と下瞼位置との距離が予め定めた開度閾値より小さい場合には、前記第３のパラメータ及び前記第４のパラメータを予め定めた範囲内で変更するようにすることができる。目の開度が小さい場合には、しわなどの影響で本来の目頭及び目尻とはずれた位置で目頭位置及び目尻位置が検出される場合があるため、第３のパラメータ及び第４のパラメータを予め定めた範囲内で変更するようにすることにより、検出される目頭位置及び目尻位置が大きくずれることを防止することができる。
　また、本発明の顔特徴点検出装置は、前記位置決定手段で今回決定された目頭の第２位置と目頭の第１位置との差、及び今回決定された目尻の第２位置と目尻の第１位置との差の少なくとも一方が予め定めた前回差閾値より大きい場合には、今回決定された目頭の第２位置及び目尻の第２位置を目頭の第１位置及び目尻の第１位置として置き換えて、再度目頭の第２位置及び目尻の第２位置を決定するように制御する制御手段を含んで構成することができる。これにより、検出精度が向上する。
　また、本発明の顔特徴点検出プログラムは、コンピュータを、本発明の顔特徴点検出装置を構成する各手段として機能させるためのプログラムである。
　以上説明したように、本発明の顔特徴点検出装置及びプログラムによれば、瞼形状との尤度が高い瞼形状モデルのパラメータとして目頭位置及び目尻位置を検出するため、眼鏡の映り込みなどのノイズにより目尻及び目頭部分が隠れている場合でも、顔特徴点として目頭位置及び目尻位置を精度よく検出することができる、という効果が得られる。
本実施の形態に係る顔特徴点検出装置の構成を示すブロック図である。 第１の実施の形態の顔特徴点検出装置における顔特徴点検出処理の処理ルーチンの内容を示すフローチャートである。 第１の実施の形態における目頭目尻位置検出処理の処理ルーチンの内容を示すフローチャートである。 顔領域の検出を説明するための図である。 目の探索範囲の設定を説明するための図である。 目領域の検出を説明するための図である。 目頭の探索範囲、及び目尻の探索範囲の設定を説明するための図である。 目頭領域の検出を説明するための図である。 目頭の第１位置の検出を説明するための図である。 第１の実施の形態における上下瞼位置検出処理の処理ルーチンの内容を示すフローチャートである。 瞼形状モデルとしてのベジエ曲線、及び制御点を説明するための図である。 制御点Ｐ１と上瞼位置候補との関係を説明するための図である。 フィッティング評価値と上瞼位置及び下瞼位置との関係を説明するための図である。 第１の実施の形態における目頭目尻位置決定処理の処理ルーチンの内容を示すフローチャートである。 ノイズがない場合におけるフィッティングについて説明するための図である。 ノイズがある場合におけるフィッティングについて説明するための図である。 第２の実施の形態における目頭目尻位置検出処理の処理ルーチンの内容を示すフローチャートである。 複数の目頭位置候補の設定を説明するための図である。 第２の実施の形態における上下瞼位置検出処理の処理ルーチンの内容を示すフローチャートである。 第３の実施の形態における目頭目尻位置決定処理の処理ルーチンの内容を示すフローチャートである。 目の開度による目頭位置及び目尻位置検出への影響を説明するための図である。 第４の実施の形態の顔特徴点検出装置における顔特徴点検出処理の処理ルーチンの内容を示すフローチャートである。 瞼形状ウインドウによる瞼形状モデルを説明するための図である。
　以下、図面を参照して、本発明の顔特徴点検出装置の実施の形態を詳細に説明する。
　図１に示すように、第１の実施の形態に係る顔特徴点検出装置１０は、撮影の対象となる対象物を撮影するカメラ１２、表示装置１４、及びコンピュータ１６を備えている。
　表示装置１４は、入力された情報に基づいた表示を行うＬＣＤ（Ｌｉｑｕｉｄ　Ｃｒｙｓｔａｌ　Ｄｉｓｐｌａｙ）またはＣＲＴ（Ｃａｔｈｏｄｅ　Ｒａｙ　Ｔｕｂｅ）で構成されている。
　コンピュータ１６は、Ｉ／Ｏ（入出力）ポート１６ａ、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１６ｂ、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）１６ｃ、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１６ｄ、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１６ｅ、並びにこれらＩ／Ｏポート１６ａ、ＲＯＭ１６ｂ、ＨＤＤ１６ｃ、ＣＰＵ１６ｄ、及びＲＡＭ１６ｅを互いに接続するバス１６ｆを含んで構成されている。
　記憶媒体としてのＲＯＭ１６ｂまたはＨＤＤ１６ｃには、ＯＳ等の基本プログラム、及び後述する顔特徴点検出処理の処理ルーチンを実行するための顔特徴点検出プログラム等の各種プログラム、並びに各種データが記憶されている。
　ＣＰＵ１６ｄは、プログラムをＲＯＭ１６ｂ及びＨＤＤ１６ｃから読み出して実行し、ＲＡＭ１６ｅには、各種データが一時的に記憶される。
　Ｉ／Ｏポート１６ａには、カメラ１２及び表示装置１４が接続されている。
　次に、図２を参照して、第１の実施の形態の顔特徴点検出装置における顔特徴点検出処理の処理ルーチンについて説明する。なお、本ルーチンは、顔特徴点検出装置１０のスイッチ（図示せず）がオンされた時点から所定時間間隔（例えば、数１０ｍｓｅｃ）毎にコンピュータ１６のＣＰＵ１６ｄによって実行される。
　ステップ１００で、カメラ１２で撮影された顔画像の画像データを取り込む。次に、ステップ１０２で、上記ステップ１００で取り込んだ画像データに基づく画像から、目頭の第１位置及び目尻の第１位置を検出する目頭目尻位置検出処理を実行する。次に、ステップ１０４で、上記ステップ１０２で検出された目頭の第１位置及び目尻の第１位置に基づいて上瞼位置及び下瞼位置を検出する上下瞼位置検出処理を実行する。次に、ステップ１０６で、上記ステップ１０４で検出された上瞼位置及び下瞼位置に基づいて目頭の第２位置及び目尻の第２位置を決定する目頭目尻位置決定処理を実行する。次に、ステップ１０８で、上記ステップ１０６で決定された目頭の第２位置及び目尻の第２位置を目尻位置及び目頭位置の検出結果として表示するように、表示装置１４の表示を制御して、処理を終了する。
　次に、図３を参照して、上記顔特徴点検出処理の処理ルーチン（図２）のステップ１０２で実行される目頭目尻位置検出処理の処理ルーチンについて説明する。
　ステップ１１０で、図４Ａに示すように、テンプレートマッチング等の手法により画像から例えば矩形領域の顔領域３０を検出する。
　次に、ステップ１１２で、上記ステップ１１０で検出された顔領域３０に対して、図４Ｂに示すように目の探索範囲３２を設定する。目の探索範囲３２は、検出された顔領域３０の大きさ等に応じて、目が存在すると想定される顔領域３０内に、右目用及び左目用の探索範囲を設定する。そして、図４Ｃに示すように、設定した目の探索範囲３２から、テンプレートマッチング等の手法により、例えば矩形領域の目領域３４を検出する。
　次に、ステップ１１４で、上記ステップ１１２で検出された目領域３４に基づいて、図５に示すように、目頭の探索範囲３６、及び目尻の探索範囲３８を設定する。目頭の探索範囲３６は、例えば、左目の場合、目領域を横方向に３分割した場合の右側領域及びその周辺領域のように設定することができる。なお、本ステップ以降の処理は、右目及び左目のそれぞれについて行われるが、ここでは、左目の処理について説明し、右目の処理は同様であるので説明を省略する。
　次に、ステップ１１６で、図６に示すように、上記ステップ１１４で設定された目頭の探索範囲３６に対して、例えば矩形の目頭探索ウインドウ４０を走査して目頭領域を検出し、テンプレートマッチング等の手法により、目頭領域の画像とテンプレートとのマッチング度を示す出力値Ｖｈｅａｄを算出する。
　次に、ステップ１１８で、上記ステップ１１６で算出された出力値Ｖｈｅａｄが、予め定めた閾値αより小さいか否かを判定する。出力値Ｖｈｅａｄが小さい場合、すなわちテンプレートとのマッチング度が低い場合には、目頭領域に眼鏡などの映り込みによるノイズが影響している可能性が高いと判断できる。そこで、閾値αは、ノイズの存在の有無を判定できる値を予め定めておく。Ｖｈｅａｄ＜αの場合には、ステップ１２０へ進んで、図７に示すように、目頭の探索範囲３６の中心を目頭の第１位置として検出する。一方、Ｖｈｅａｄ≧αの場合には、ステップ１２２へ進んで、図６に示すように、目頭領域（目頭探索ウインドウ４０）の中心を目頭の第１位置として検出する。
　なお、目頭の第１位置は、画像上の画素に対応した座標（ｘ、ｙ）により特定される。後述する目尻の第１位置、上瞼位置、下瞼位置等についても同様である。
　次に、ステップ１２４～１３０で、目頭の第１位置を検出した処理と同様の処理により、目尻探索ウインドウ４２を用いて、出力値Ｖｔａｉｌを算出して、目尻の第１位置を検出して、リターンする。
　次に、図８を参照して、上記顔特徴点検出処理の処理ルーチン（図２）のステップ１０４で実行される上下瞼位置検出処理の処理ルーチンについて説明する。
　ステップ１３２で、図９Ａに示すように、目頭目尻位置検出処理で検出された目頭の第１位置を制御点Ｐ３、目尻の第１位置を制御点Ｐ４、及び上瞼位置に対応する制御点Ｐ１を設定する。制御点Ｐ３及びＰ４は固定とする。そして、制御点Ｐ１、Ｐ３、及びＰ４に基づいて定まるベジエ曲線を上瞼形状モデルとする。ここで、図９Ｂに示すように、制御点Ｐ３及びＰ４を端点とする線分に制御点Ｐ１から下ろした垂線の中点を上瞼位置候補と定める。
　次に、ステップ１３４で、制御点Ｐ１を変更しながら、下記（１）式によりフィッティング評価値λを算出する。
Figure JPOXMLDOC01-appb-M000001
 　ここで、ｐｉは、ベジエ曲線上の点ｉにおける法線ベクトル、ｅｉは、点ｉにおける画像の輝度勾配ベクトル、及びｎは、ベジエ曲線上の点ｉの数である。点ｉにおける法線ベクトルと画像の輝度勾配ベクトルとの内積から、ベジエ曲線と画像に含まれる瞼の形状との尤度を算出するものである。なお、制御点Ｐ１の変更範囲は、例えば、目の探索範囲３２内であって、かつ制御点Ｐ３及びＰ４を通る直線の上方範囲とすることができる。
　次に、ステップ１３６で、変更範囲内の全ての位置において制御点Ｐ１の変更を行ってフィッティング評価値λを算出したか否かを判定する。算出していない場合には、ステップ１３２へ戻り、次の位置に制御点Ｐ１を設定して、フィッティング評価値λの算出処理を繰り返す。全ての位置において算出処理が終了した場合には、ステップ１３８へ進み、図１０に示すように、算出されたフィッティング評価値λが最大となるときの制御点Ｐ１により定まる上瞼位置候補を上瞼位置として検出する。
　次に、ステップ１４０～１４６で、上瞼位置を検出した処理と同様の処理により、下瞼位置に対応する制御点Ｐ２を用いて、フィッティング評価値λを算出し、フィッティング評価値λが最大となるときの制御点Ｐ２により定まる下瞼位置候補を下瞼位置として検出して、リターンする。
　次に、図１１を参照して、上記顔特徴点検出処理の処理ルーチン（図２）のステップ１０６で実行される目頭目尻位置決定処理の処理ルーチンについて説明する。
　ステップ１５０で、図１２Ａに示すように、上下瞼位置検出処理で検出された上瞼位置の制御点をＰ１、下瞼位置の制御点をＰ２、目頭目尻位置検出処理で検出された目尻の第１位置を制御点Ｐ４、及び目頭の第２位置候補を制御点Ｐ３として設定する。上瞼位置、下瞼位置及びＰ４は固定とする。そして、制御点Ｐ１、Ｐ３、及びＰ４に基づいて定まるベジエ曲線、及び、制御点Ｐ２、Ｐ３、及びＰ４に基づいて定まるベジエ曲線を上下瞼形状モデルとする。
　次に、ステップ１５２で、目頭目尻位置検出処理（図３）のステップ１１６で算出された出力値Ｖｈｅａｄが閾値α以上か否かを判定することにより、目頭付近にノイズが存在する可能性があるかないかを判定する。Ｖｈｅａｄ≧αの場合には、ステップ１５４へ進んで、制御点Ｐ３～制御点Ｐ１、及び制御点Ｐ３～制御点Ｐ２のベジエ曲線上の点ｉを用いて、上記（１）式によりフィッティング評価値λを算出する。一方、Ｖｈｅａｄ＜αの場合には、ステップ１５６へ進んで、図１２Ｂに示すように、上瞼位置及び下瞼位置近傍のベジエ曲線上の点ｉを用いてフィッティング評価値λを算出する。上瞼位置近傍とは、例えば、制御点Ｐ３～上瞼位置間の曲線上の上瞼位置より１／２～１／３の範囲とすることができる。下瞼位置近傍についても同様である。このように、ノイズが生じている目頭付近の瞼形状を用いることなくフィッティング評価値λを算出することにより、評価値の算出精度を向上させることができる。
　次に、ステップ１５８で、変更範囲内の全ての位置において制御点Ｐ３の変更を行ってフィッティング評価値λを算出したか否かを判定する。ここで、変更範囲は、例えば、目頭の探索範囲３６内とすることができる。算出していない場合には、ステップ１５０へ戻り、次の位置に制御点Ｐ３を設定して、フィッティング評価値λの算出処理を繰り返す。全ての位置において算出処理が終了した場合には、ステップ１６０へ進み、算出されたフィッティング評価値λが最大となるときの制御点Ｐ３の位置を目頭の第２位置として決定する。
　次に、ステップ１６２～１７２で、目頭の第２位置を決定した処理と同様の処理により、上下瞼位置検出処理で検出された上瞼位置の制御点をＰ１、下瞼位置の制御点をＰ２、上記ステップ１６０で決定された目頭の第２位置を制御点Ｐ３、及び目尻の第２位置候補を制御点Ｐ４として設定し、上瞼位置、下瞼位置及びＰ３を固定し、制御点Ｐ４を変更しながらフィッティング評価値λを算出し、フィッティング評価値λが最大となるときの制御点Ｐ４の位置を目尻の第２位置として決定して、リターンする。
　以上説明したように、第１の実施の形態の顔特徴点検出装置によれば、目頭目尻位置検出処理で検出された目頭の第１位置及び目尻の第１位置を用いて、第１の瞼形状モデルとのフィッティングを行い、フィッティング評価値が最大のときの上瞼位置及び下瞼位置を用いて、第２の瞼形状モデルとのフィッティングを行って目頭の第２位置及び目尻の第２位置を決定するため、眼鏡の映り込みなどのノイズにより目頭または目尻部分が隠れている場合でも、顔特徴点として目頭位置及び目尻位置を精度よく検出することができる。
　次に、第２の実施の形態について説明する。第１の実施の形態では、目頭の第１位置及び目尻の第１位置をそれぞれ１点のみ検出する場合について説明したが、第２の実施の形態では、ノイズが発生している場合に複数の候補点を検出する点が異なる。なお、第１の実施の形態と同一の構成及び処理については、同一の符号を付して説明を省略する。
　図１３を参照して、第２の実施の形態における目頭目尻位置検出処理の処理ルーチンについて説明する。
　第１の実施の形態の場合と同様に、ステップ１１６で、目頭の探索範囲３６に対して、例えば矩形の目頭探索ウインドウ４０を走査して目頭領域を検出し、テンプレートマッチング等の手法により、目頭領域の画像とテンプレートとのマッチング度を示す出力値Ｖｈｅａｄを算出し、次に、ステップ１１８で、Ｖｈｅａｄが閾値αより小さいか否かを判定する。閾値αより小さい場合には、ステップ２００へ進み、図１４に示すように、目頭の探索範囲３６内に複数の目頭位置候補を設定する。また、目尻位置についても同様に、出力値Ｖｔａｉｌが閾値αより小さい場合には、ステップ２０２で、目尻の探索範囲３８内に複数の目尻位置候補を設定する。
　次に、図１５を参照して、第２の実施の形態における上下瞼位置検出処理の処理ルーチンについて説明する。
　ステップ２１０で、目頭目尻位置検出処理で複数の目頭位置候補または目尻位置候補が設定されている場合には、その中から１つずつ選択し、次に、ステップ１３２で、選択した目頭位置候補を制御点Ｐ３、及び目尻位置候補を制御点Ｐ４として固定し、次に、ステップ１３４で、フィッティング評価値λを算出する。
　ステップ１３６で、変更範囲内の全ての位置でフィッティングが終了したと判定された場合には、ステップ２１２へ進んで、全ての目頭位置候補及び目尻位置候補の組合せについて選択して処理が終了したか否かを判定し、まだ全て終了していない場合には、ステップ２１０へ戻って、次の目頭位置候補または目尻位置候補を選択する。全て終了した場合には、ステップ１３８で、目頭位置候補から選択された１つの第１の目頭位置と目尻位置候補から選択された１つの第１の目尻位置との組合せの全てについて算出されたフィッティング評価値λが最大のときの制御点Ｐ１により定まる上瞼位置候補を上瞼位置として検出する。
　また、目尻位置についても同様に、ステップ２１４で、目頭位置候補及び目尻位置候補から１つずつ選択し、ステップ２１６で、全ての組合せを選択して処理が終了したか否かを判定する。
　以上説明したように、第２の実施の形態の顔特徴点検出装置によれば、目頭目尻位置検出処理の際に、目頭または目尻付近にノイズが存在していた場合には、目頭の第１位置または目尻の第１位置として複数の候補点を検出し、その全ての組合せについてフィッティング行い、フィッティング評価値が最大のときの上瞼位置及び下瞼位置を検出するため、上瞼位置及び下瞼位置の検出精度が向上し、この上瞼位置及び下瞼位置を用いて決定される目頭の第２位置及び目尻の第２位置の決定精度も向上する。
　次に、第３の実施の形態について説明する。第３の実施の形態では、目の開度によって目頭の第２位置及び目尻の第２位置を検出するための制御点の変更範囲に制限を加える点が第１の実施の形態と異なっている。なお、第１の実施の形態と同一の構成及び処理については、同一の符号を付して説明を省略する。
　図１６を参照して、第３の実施の形態における目頭目尻位置決定処理の処理ルーチンについて説明する。
　ステップ３００で、上下瞼位置検出処理で検出された上瞼位置と下瞼位置との距離で表される目の開度が開度閾値以下か否かを判定する。図１７に示すように、目の開度が小さい場合には、目頭及び目尻部分に生じるしわなどの影響を受け、本来の目頭位置及び目尻位置とは大きく異なる位置が目頭位置及び目尻位置として検出されてしまう可能性がある。そこで、開度閾値としては、上記のような影響により目頭位置及び目尻位置の判別が困難になる目の開度を判別できるような値を予め設定しておく。目の開度が開度閾値以下の場合には、ステップ３０２へ進み、開度が開度閾値より大きい場合には、ステップ１５０へ進む。
　ステップ３０２で、制御点Ｐ３及びＰ４の変更範囲を限定する。例えば、目の開度が開度閾値以上のときに決定された目頭の第２位置及び目尻の第２位置を所定の記憶領域に記憶しておき、この位置からの距離が所定範囲内になるような範囲に限定することができる。また、目領域の画像を所定サイズ（例えば縦２０画素×横４０画素）に正規化し、制御点Ｐ３とＰ４との距離が、顔が正面を向いている顔画像の場合には、３０画素分の距離、顔が斜め（４５°）を向いている顔画像の場合には、２０画素分の距離になるように変更範囲を限定することもできる。
　以下、第１の実施の形態における目頭目尻位置決定処理と同様に処理し、ステップ１５８及びステップ１７０では、上記ステップ３０２で限定された変更範囲内の全ての点で制御点Ｐ３またはＰ４を変更して、フィッティング評価値λの算出を終了したか否かを判定するようにする。
　以上説明したように、第３の実施の形態の顔特徴点検出装置によれば、目の開度が小さい場合でも、目頭及び目尻付近に生じたしわなどの影響により目頭位置及び目尻位置が大きくずれて検出されることを防止することができる。
　次に、第４の実施の形態について説明する。第４の実施の形態では、目頭目尻位置決定処理を繰り返し実行する点が第１の実施の形態と異なっている。なお、第１の実施の形態と同一の構成及び処理については、同一の符号を付して説明を省略する。
　図１８を参照して、第４の実施の形態の顔特徴点検出装置における顔特徴点検出処理の処理ルーチンについて説明する。
　ステップ１００で、顔画像の画像データを取り込み、次に、ステップ１０２で、目頭の第１位置及び目尻の第１位置を検出する目頭目尻位置検出処理を実行し、次に、ステップ１０４で、上瞼位置及び下瞼位置を検出する上下瞼位置検出処理を実行し、次に、ステップ１０６で、目頭の第２位置及び目尻の第２位置を決定する目頭目尻位置決定処理を実行する。
　次に、ステップ４００で、上記ステップ１０６で決定された目頭の第２位置及び目尻の第２位置と、目頭の第１位置及び目尻の第１位置との差が所定範囲内か否かを判定する。所定範囲内の場合には、ステップ１０８へ進んで、検出結果を表示する。一方、所定範囲外の場合には、ステップ４０２へ進む。
　ステップ４０２で、上記ステップ１０６で決定された目頭の第２位置及び目尻の第２位置を、目頭の第１位置及び目尻の第１位置として置換して、ステップ１０４へ戻る。ステップ１０４では、上記ステップ４０２で置換された目頭の第１位置及び目尻の第１位置を用いて、再度上瞼位置及び下瞼位置を検出し、次に、ステップ１０６で、再度目頭の第２位置及び目尻の第２位置を決定する。
　以上説明したように、第４の実施の形態の顔画像特徴点検出装置によれば、目頭目尻位置検出処理で検出された目頭の第１位置及び目尻の第１位置よりも精度よく決定された目頭の第２位置及び目尻の第２位置を用いて、再度上瞼位置及び下瞼位置の検出、目頭の第２位置及び目尻の第２位置の決定を行い、目頭の第１位置及び目尻の第１位置との差が所定範囲となるまで繰り返すため、目頭の第２位置及び目尻の第２位置を精度よく決定することができる。
　なお、上記各実施の形態では、ベジエ曲線上の点ｉにおける法線ベクトルと画像の輝度勾配ベクトルとの内積に基づいてフィッティング評価値を算出する場合について説明したが、上下瞼には横エッジが強く現れるため、横エッジの強度を使用したフィッティング評価値を算出するようにしてもよい。
　また、上記各実施の形態では、瞼形状モデルとして、目頭位置、目尻位置、及び上下瞼位置に対応した制御点により示されるベジエ曲線を用いる場合について説明したが、これに限定されるものではない。例えば、図１９に示すような、３つのウインドウ５０ａ、５０ｂ、５０ｃを組み合わせた瞼形状ウインドウ５０を瞼形状モデルとしてもよい。この場合、この瞼形状ウインドウ５０を目の探索範囲内で走査しながら、左右のウインドウ５０ａ及び５０ｃ内に現れる縦エッジの強度を検出し、中央のウインドウ５０ｂ内に現れる横エッジの強度を検出し、その強度の和を用いてフィッティングを行うことができる。
１０　　　顔特徴点検出装置
１２　　　カメラ
１４　　　表示装置
１６　　　コンピュータ
１６ｄ　　ＣＰＵ

Claims (7)

  1. 　目頭及び目尻を備えた目領域を含む画像の画像データを取得する取得手段と、
    　前記取得手段で取得した画像データから、パターンマッチングにより目頭の第１位置及び目尻の第１位置を検出する位置検出手段と、
    　前記位置検出手段で検出された目頭の第１位置及び目尻の第１位置を端点とする上側の曲線及び下側の曲線で表され、かつ前記上側の曲線上に定めた上瞼位置を第１のパラメータ及び前記下側の曲線上に定めた下瞼位置を第２のパラメータとする第１の瞼形状モデルにおいて、前記第１のパラメータ及び前記第２のパラメータを変更したときの前記第１の瞼形状モデルと前記画像に含まれる瞼の形状とが一致する度合いを示す第１の尤度を、前記第１のパラメータ及び前記第２のパラメータ毎に演算する第１の演算手段と、
    　前記第１の演算手段で演算された第１の尤度が最も高い前記第１の瞼形状モデルで、かつ目頭位置を第３のパラメータ及び目尻位置を第４のパラメータとした第２の瞼形状モデルにおいて、前記第３のパラメータ及び前記第４のパラメータを変更したときの前記第２の瞼形状モデルと前記画像に含まれる瞼の形状とが一致する度合いを示す第２の尤度を、前記第３のパラメータ及び前記第４のパラメータ毎に演算する第２の演算手段と、
    　前記第２の演算手段で演算された第２の尤度が最も高い前記第２の瞼形状モデルの第３のパラメータで示される位置を目頭の第２位置及び第４のパラメータで示される位置を目尻の第２位置として決定する位置決定手段と、
    　を含む顔特徴点検出装置。
  2. 　前記第２の演算手段は、前記位置検出手段によるパターンマッチングのマッチング度が予め定めた閾値より小さい場合に、前記画像に含まれる瞼の形状のうち前記第２の瞼形状モデルの上瞼位置及び下瞼位置近傍の部分を用いて第２の尤度を演算する請求項１記載の顔特徴点検出装置。
  3. 　前記位置検出手段は、パターンマッチングのマッチング度が予め定めた閾値より小さい場合に、目頭の第１位置として複数の目頭候補点を検出し、目尻の第１位置として複数の目尻候補点を検出し、
    　前記第１の演算手段は、前記複数の目頭候補点から選択した１つの目頭候補点及び前記複数の目尻候補点から選択した１つの目尻候補点を端点とする第１の瞼形状モデルにおいて、目頭候補点と目尻候補点との組合せの全てについて前記第１の尤度を演算する
    　請求項１または請求項２記載の顔特徴点検出装置。
  4. 　前記第２の演算手段は、前記第２の瞼形状モデルの上瞼位置と下瞼位置との距離が予め定めた開度閾値より小さい場合には、前記第３のパラメータ及び前記第４のパラメータを予め定めた範囲内で変更する請求項１～請求項３のいずれか１項記載の顔特徴点検出装置。
  5. 　前記位置決定手段で今回決定された目頭の第２位置と目頭の第１位置との差、及び今回決定された目尻の第２位置と目尻の第１位置との差の少なくとも一方が予め定めた前回差閾値より大きい場合には、今回決定された目頭の第２位置及び目尻の第２位置を目頭の第１位置及び目尻の第１位置として置き換えて、再度目頭の第２位置及び目尻の第２位置を決定するように制御する制御手段を含む請求項１～請求項４のいずれか１項記載の顔特徴点検出装置。
  6. 　コンピュータを、
    　目頭及び目尻を備えた目領域を含む画像の画像データを取得する取得手段と、
    　前記取得手段で取得した画像データから、パターンマッチングにより目頭の第１位置及び目尻の第１位置を検出する位置検出手段と、
    　前記位置検出手段で検出された目頭の第１位置及び目尻の第１位置を端点とする上側の曲線及び下側の曲線で表され、かつ前記上側の曲線上に定めた上瞼位置を第１のパラメータ及び前記下側の曲線上に定めた下瞼位置を第２のパラメータとする第１の瞼形状モデルにおいて、前記第１のパラメータ及び前記第２のパラメータを変更したときの前記第１の瞼形状モデルと前記画像に含まれる瞼の形状とが一致する度合いを示す第１の尤度を、前記第１のパラメータ及び前記第２のパラメータ毎に演算する第１の演算手段と、
    　前記第１の演算手段で演算された第１の尤度が最も高い前記第１の瞼形状モデルで、かつ目頭位置を第３のパラメータ及び目尻位置を第４のパラメータとした第２の瞼形状モデルにおいて、前記第３のパラメータ及び前記第４のパラメータを変更したときの前記第２の瞼形状モデルと前記画像に含まれる瞼の形状とが一致する度合いを示す第２の尤度を、前記第３のパラメータ及び前記第４のパラメータ毎に演算する第２の演算手段と、
    　前記第２の演算手段で演算された第２の尤度が最も高い前記第２の瞼形状モデルの第３のパラメータで示される位置を目頭の第２位置及び第４のパラメータで示される位置を目尻の第２位置として決定する位置決定手段と、
    　して機能させるための顔特徴点検出プログラム。
  7. 　コンピュータを、請求項１～請求項５のいずれか１項記載の顔特徴点検出装置を構成する各手段として機能させるための顔特徴点検出プログラム。
PCT/JP2010/055454 2009-04-02 2010-03-26 顔特徴点検出装置及びプログラム WO2010113821A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020117022723A KR101267205B1 (ko) 2009-04-02 2010-03-26 얼굴특징점 검출 장치 및 프로그램
EP10758593.7A EP2416294B1 (en) 2009-04-02 2010-03-26 Face feature point detection device and program
CN2010800132867A CN102362291B (zh) 2009-04-02 2010-03-26 脸部特征点检测装置及方法
US13/259,065 US8331630B2 (en) 2009-04-02 2010-03-26 Face feature point detection device and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2009-090065 2009-04-02
JP2009090065A JP5221436B2 (ja) 2009-04-02 2009-04-02 顔特徴点検出装置及びプログラム

Publications (1)

Publication Number Publication Date
WO2010113821A1 true WO2010113821A1 (ja) 2010-10-07

Family

ID=42828112

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2010/055454 WO2010113821A1 (ja) 2009-04-02 2010-03-26 顔特徴点検出装置及びプログラム

Country Status (6)

Country Link
US (1) US8331630B2 (ja)
EP (1) EP2416294B1 (ja)
JP (1) JP5221436B2 (ja)
KR (1) KR101267205B1 (ja)
CN (1) CN102362291B (ja)
WO (1) WO2010113821A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101141901B1 (ko) 2011-12-13 2012-07-12 한국 한의학 연구원 윗 눈꺼풀 모양 검출장치 및 방법
KR101164769B1 (ko) 2011-12-13 2012-07-12 한국 한의학 연구원 눈 특징점 검출장치 및 방법
EP2701122A4 (en) * 2011-04-19 2016-03-16 Aisin Seiki EYE-LIGHT DETECTION DEVICE, EYE-LIGHT DETECTION METHOD AND PROGRAM
EP2698762B1 (en) * 2011-04-15 2017-01-04 Aisin Seiki Kabushiki Kaisha Eyelid-detection device, eyelid-detection method, and program
CN111582270A (zh) * 2020-04-24 2020-08-25 哈尔滨工业大学 基于高精度的桥梁区域视觉靶标特征点的识别追踪方法

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8824808B2 (en) * 2011-08-19 2014-09-02 Adobe Systems Incorporated Methods and apparatus for automated facial feature localization
JP5802524B2 (ja) * 2011-11-21 2015-10-28 株式会社Pfu 画像処理装置、画像処理方法、および画像処理プログラム
CN103208111B (zh) * 2012-01-17 2015-10-07 富士通株式会社 用于修正图像角点的方法和装置以及图像处理设备
US20130243270A1 (en) * 2012-03-16 2013-09-19 Gila Kamhi System and method for dynamic adaption of media based on implicit user input and behavior
WO2014016894A1 (ja) * 2012-07-23 2014-01-30 富士通株式会社 形状データ生成方法及び装置
KR102012254B1 (ko) * 2013-04-23 2019-08-21 한국전자통신연구원 이동 단말기를 이용한 사용자 응시점 추적 방법 및 그 장치
US9122914B2 (en) * 2013-05-09 2015-09-01 Tencent Technology (Shenzhen) Co., Ltd. Systems and methods for matching face shapes
JP6227996B2 (ja) * 2013-12-18 2017-11-08 浜松ホトニクス株式会社 計測装置及び計測方法
CN105279764B (zh) 2014-05-27 2020-09-11 北京三星通信技术研究有限公司 眼睛图像处理设备和方法
US10089525B1 (en) 2014-12-31 2018-10-02 Morphotrust Usa, Llc Differentiating left and right eye images
US9846807B1 (en) 2014-12-31 2017-12-19 Morphotrust Usa, Llc Detecting eye corners
US9710707B1 (en) 2014-12-31 2017-07-18 Morphotrust Usa, Llc Detecting iris orientation
US9747508B2 (en) * 2015-07-24 2017-08-29 Honda Motor Co., Ltd. Surrounding environment recognition device
CN112836664A (zh) * 2015-08-21 2021-05-25 奇跃公司 使用眼睛姿态测量的眼睑形状估计
CA3170014A1 (en) 2015-10-16 2017-04-20 Magic Leap, Inc. Eye pose identification using eye features
JP2019082743A (ja) * 2016-03-18 2019-05-30 三菱電機株式会社 情報処理装置及び情報処理方法
US10082866B2 (en) 2016-04-12 2018-09-25 International Business Machines Corporation Gaze point detection using dynamic facial reference points under varying lighting conditions
CN106203262A (zh) * 2016-06-27 2016-12-07 辽宁工程技术大学 一种基于眼睑曲线相似度与眼型指数的眼型分类方法
JP6946831B2 (ja) * 2017-08-01 2021-10-13 オムロン株式会社 人物の視線方向を推定するための情報処理装置及び推定方法、並びに学習装置及び学習方法
JP6698966B2 (ja) * 2018-02-13 2020-05-27 三菱電機株式会社 誤検出判定装置及び誤検出判定方法
CN110634174B (zh) * 2018-06-05 2023-10-10 深圳市优必选科技有限公司 一种表情动画过渡方法、系统及智能终端
CN110956067B (zh) * 2019-05-26 2022-05-17 魔门塔(苏州)科技有限公司 一种人眼眼睑曲线的构建方法及装置
CN113221599B (zh) * 2020-01-21 2022-06-10 魔门塔(苏州)科技有限公司 一种眼睑曲线的构建方法及装置
SE2250299A1 (en) * 2022-03-04 2023-09-05 Tobii Ab Eye openness

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007094906A (ja) 2005-09-29 2007-04-12 Toshiba Corp 特徴点検出装置および方法
JP2007213377A (ja) 2006-02-10 2007-08-23 Fujifilm Corp 顔特徴点検出方法および装置並びにプログラム
JP2007265367A (ja) * 2006-03-30 2007-10-11 Fujifilm Corp 視線検出方法および装置ならびにプログラム
JP2009003644A (ja) * 2007-06-20 2009-01-08 Toyota Motor Corp 開眼度判定装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AUPQ896000A0 (en) * 2000-07-24 2000-08-17 Seeing Machines Pty Ltd Facial image processing system
CN100382751C (zh) * 2005-05-08 2008-04-23 上海交通大学 基于vpf和改进的susan的眼角和瞳孔的定位方法
FR2907569B1 (fr) * 2006-10-24 2009-05-29 Jean Marc Robin Procede et dispositif de simulation virtuelle d'une sequence d'images video.
FR2911984B1 (fr) * 2007-01-30 2009-02-27 Siemens Vdo Automotive Sas Procede pour identifier des points symboliques sur une image d'un visage d'une personne
JP4309928B2 (ja) * 2007-03-15 2009-08-05 アイシン精機株式会社 瞼検出装置、瞼検出方法、及び、プログラム
CN100561503C (zh) * 2007-12-28 2009-11-18 北京中星微电子有限公司 一种人脸眼角与嘴角定位与跟踪的方法及装置
JP2010033305A (ja) * 2008-07-29 2010-02-12 Hitachi Ltd 画像情報処理方法、及び装置
US8345922B2 (en) * 2008-09-03 2013-01-01 Denso Corporation Apparatus for detecting a pupil, program for the same, and method for detecting a pupil
FR2920938B1 (fr) * 2008-09-30 2010-01-29 Jean Marc Robin Procede et dispositif de simulation virtuelle d'une image
JP4788786B2 (ja) * 2009-02-09 2011-10-05 株式会社デンソー 眠気検出装置，プログラムおよび眠気検出方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007094906A (ja) 2005-09-29 2007-04-12 Toshiba Corp 特徴点検出装置および方法
JP2007213377A (ja) 2006-02-10 2007-08-23 Fujifilm Corp 顔特徴点検出方法および装置並びにプログラム
JP2007265367A (ja) * 2006-03-30 2007-10-11 Fujifilm Corp 視線検出方法および装置ならびにプログラム
JP2009003644A (ja) * 2007-06-20 2009-01-08 Toyota Motor Corp 開眼度判定装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP2416294A4

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2698762B1 (en) * 2011-04-15 2017-01-04 Aisin Seiki Kabushiki Kaisha Eyelid-detection device, eyelid-detection method, and program
EP2701122A4 (en) * 2011-04-19 2016-03-16 Aisin Seiki EYE-LIGHT DETECTION DEVICE, EYE-LIGHT DETECTION METHOD AND PROGRAM
KR101141901B1 (ko) 2011-12-13 2012-07-12 한국 한의학 연구원 윗 눈꺼풀 모양 검출장치 및 방법
KR101164769B1 (ko) 2011-12-13 2012-07-12 한국 한의학 연구원 눈 특징점 검출장치 및 방법
CN111582270A (zh) * 2020-04-24 2020-08-25 哈尔滨工业大学 基于高精度的桥梁区域视觉靶标特征点的识别追踪方法

Also Published As

Publication number Publication date
US8331630B2 (en) 2012-12-11
EP2416294A1 (en) 2012-02-08
CN102362291A (zh) 2012-02-22
JP5221436B2 (ja) 2013-06-26
US20120014610A1 (en) 2012-01-19
JP2010244178A (ja) 2010-10-28
CN102362291B (zh) 2013-09-04
KR101267205B1 (ko) 2013-05-24
EP2416294A4 (en) 2012-04-11
EP2416294B1 (en) 2013-05-29
KR20120006493A (ko) 2012-01-18

Similar Documents

Publication Publication Date Title
JP5221436B2 (ja) 顔特徴点検出装置及びプログラム
US11775056B2 (en) System and method using machine learning for iris tracking, measurement, and simulation
CN109426835B (zh) 信息处理装置、信息处理装置的控制方法和存储介质
JP4895847B2 (ja) 瞼検出装置及びプログラム
EP3767520B1 (en) Method, device, equipment and medium for locating center of target object region
CN106598221A (zh) 基于眼部关键点检测的3d视线方向估计方法
JP4680161B2 (ja) 画像評価装置および方法並びにプログラム
JP2007042072A (ja) 追跡装置
US9501689B2 (en) Image processing apparatus and image processing method
JP2009240519A (ja) 眼開閉判別装置、及びプログラム
JP4881199B2 (ja) 画像評価装置および方法並びにプログラム
JP2000137792A (ja) 眼部検出装置
CN116051631A (zh) 光斑标注方法及系统
CN112560584A (zh) 一种人脸检测方法及装置、存储介质、终端
CN111639582A (zh) 活体检测方法及设备
JP2007025902A (ja) 画像処理装置、画像処理方法
JP2012068948A (ja) 顔属性推定装置およびその方法
JP5201184B2 (ja) 画像処理装置及びプログラム
JP5035139B2 (ja) 眼画像処理装置
KR101276792B1 (ko) 눈 검출 장치 및 방법
WO2022242490A1 (en) Method for detecting and removing personnel interference while measuring volume of an object
TW202203079A (zh) 智能鏡的臉部影像定位方法
JP2005215899A (ja) 対象物検出装置及びその方法
CN115620067A (zh) 新冠肺炎抗原检测结果判别方法及装置、设备、存储介质
JP2006092151A (ja) 領域検出装置、領域検出プログラムおよび領域検出方法

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201080013286.7

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10758593

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 13259065

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2010758593

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 20117022723

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE