本发明专利技术公开了一种模式匹配方法和模式匹配系统。变异图像生成装置生成相对于正规化图像具有不同姿态、面部位置和尺寸的多幅变异图像。特征提取装置从多幅变异图像中提取出频率特征。鉴别空间投影装置将频率特征投影在通过线性鉴别分析获得的具有高鉴别能力的鉴别空间上。参照个人比较装置执行参照个人比较以提取出高度鉴别性的特征。利用特征提取装置和鉴别空间投影装置提取出匹配图像的鉴别特征。分数计算装置使用从注册图像获得的鉴别轴和从匹配图像获得的鉴别特征来输出匹配分数。匹配判决装置通过将匹配分数与阈值相比较来确定该个人是否是相同个人。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及用于基于面部图像(facial image)的特征(characteristic) 匹配面部图像的模式(pattern)的模式匹配方法、模式匹配系统和模式匹 配程序。本专利技术还涉及用于提取出面部图像的特征的图像特征提取方法、 图像特征提取系统、图像特征提取设备和图像特征提取程序。
技术介绍
在入口/出口管理系统、使用访问控制的系统和其他安全系统中，使用 个体的物理特征来区分对象和另一人的传统方法是已知的。 一种使用面部 图像的认证方法是采用物理特征的个人识别方法的示例。在通过面部图像 进行的认证方法中，由照相机等捕获的面部图像被与预先注册在数据库等 中的面部图像相比较以验证对象的身份。然而，在通过面部图像进行的认 证方法中，面部方向或光照条件、图像被捕获时的日期和时间以及其他效 应一般使得仅仅通过将输入的图像叠加在注册图像上以比较匹配分数，无 法获得很高程度的识别性能。一种被称为Eigenface方法(见非专利文献1)的方法是一种公知的使 用面部图像的匹配方法。在非专利文献1所描述的Eigenface方法中，图 像集合中图像的尺寸被归一化，并且通过主向量分析生成由图像的像素的 灰度值组成的特征向量的子空间。输入图像和注册图像的特征向量被投影 到子空间上以计算匹配分数。基于计算出的匹配分数确定受到认证的对象 的身份。然而，在非专利文献1所描述的Eigenface方法中，当特征向量 被投影到子空间上时，不仅相同个人内的图像变异受到抑制，而且不同人 之间的图像变异也受到抑制。因此，当利用面部图像执行验证时，不一定 能获得很高程度的识别性能。提出了被称为Fisherface方法的方法(见非专利文献2)，以克服Eigenface方法的问题。在非专利文献2所描述的Fisherface方法中，当有 多个个体时，每个个体被指派给单个类别。利用这样的方法(线性鉴别分 析)来构建子空间，在该方法中，大量人之间的类别内分散被减小，而类 别之间的分散被增大。输入图像和注册图像的特征向量被投影到子空间上 以计算匹配分数。基于计算出的匹配分数确定受到认证的对象的身份。在 非专利文献2所描述的Fisherface方法中，当有足够数目的用于获得类别 内(intra-class)协方差矩阵和类别间(inter-class)协方差矩阵的学习样本 图像时，通过利用面部图像的匹配试验已证实获得了比Eigenface方法更 高的精度。非专禾U文献 1 : M. Turk, A. Pentland, "Eigenfaces for recognition," J(9M/- a/ o/Cog"z力've 7Vewms"'ewce, Vol. 3， No. 1， pp. 71-86, 1991 。非专禾U文献2: W. Zhao, R. Chellappa, P. J. Philips, "Subspace linear discriminant analysis for face recognition," Tech. Rep. CAR-TR-914, Centre for Automation Research, University of Maryland, College Park, 1999。
技术实现思路
本专利技术要解决的问题非专利文献2中所描述的Fisherface方法已知当用于学习的面部图像 (这种面部图像被用在计算类别内协方差矩阵和类别间协方差矩阵时)被 用作用于注册/匹配的面部图像(用于匹配的注册图像)时能够高精度地区 分一个人与另一人的面部。然而， 一般而言，即使当利用学习面部图像执 行匹配时识别能力很高，当利用除了学习面部图像以外的其他注册/匹配面 部图像执行匹配时识别能力也不一定很高。因此，当除了学习面部图像以 外的其他面部图像被注册作为注册/匹配面部图像时，存在在面部图像匹配 期间无法获得高识别能力的可能性。注册/匹配图像中的人之间的由于个体 姿态、照明等的变化分量也必须被考虑在内以高精度地匹配对象的身份。因此，本专利技术的目的是提供一种能够通过考虑到每个注册个人的姿 态、照明或其他变化分量而利用面部图像执行高精度的身份匹配的图像特 征提取方法，并且提供一种模式匹配方法、图像特征提取系统、模式匹配系统、图像特征提取设备、图像特征提取程序和模式匹配程序。 用于解决问题的手段本专利技术的图像特征提取方法是一种用于提取出用于匹配面部图像模式 的面部图像的特征的图像特征提取方法，其中该图像特征提取方法的特征 在于包括变异图像生成步骤和图像特征量提取步骤，变异图像生成步骤用 于生成其中规定变异被添加到面部图像的多幅变异图像，图像特征量提取 步骤用于通过基于所生成的变异图像计算用于区分被处理的面部图像中的 个人和规定参照个人的规定特征量(例如，鉴别向量U或参数a和b)来 提取出被处理的面部图像的特征。本专利技术的目的可以通过采用如上所述的 配置确定前述人是否匹配来实现。本专利技术的模式匹配方法是一种用于基于面部图像特征匹配面部图像模 式的模式匹配方法，其中该模式匹配方法的特征在于包括变异图像生成步 骤和图像特征量提取步骤，变异图像生成步骤用于生成其中规定变异被添 加到面部图像的多幅变异图像，图像特征量提取步骤用于通过基于所生成 的变异图像计算用于区分被处理的面部图像中的个人和规定参照个人的规 定特征量来提取出被处理的面部图像的特征。本专利技术的目的可以通过采用 如上所述的配置确定前述人是否匹配来实现。该模式匹配方法还可包括分数计算步骤和匹配判决步骤，分数计算步 骤用于将作为事先注册的面部图像的注册图像的特征与作为被处理的面部 图像的匹配图像的特征相比较，并基于所提取的面部图像特征计算指示注 册图像和匹配图像之间的特征的一致程度的分数(例如，匹配分数S。， 匹配判决步骤用于通过将计算出的分数与规定阈值相比较来确定注册图像 中的个人和匹配图像中的个人是否是相同个人。该模式匹配方法还可以是一种用于基于面部图像特征来匹配面部图像 的模式的模式匹配方法，其中该模式匹配方法的特征在于包括以下步骤 第一变异图像生成步骤，该步骤用于生成其中规定变异被添加到作为事先 注册的面部图像的注册图像的多幅变异图像；第一 图像特征量提取步骤， 该步骤用于通过基于由注册图像生成的变异图像计算用于区分规定参照个 人和注册图像中的个人的规定特征量来提取出注册图像的特征；第二变异图像生成步骤，该步骤用于生成其中规定变异被添加到作为被匹配的面部 图像的匹配图像的多幅变异图像；第二图像特征量提取步骤，该步骤用于 通过基于由匹配图像生成的变异图像计算用于区分规定参照个人和匹配图 像中的个人的规定特征量来提取出匹配图像的特征；第一分数计算步骤， 该步骤用于基于所提取的注册图像的特征来计算指示注册图像和匹配图像 之间的特征的一致程度的第一分数(例如，匹配分数S。；第二分数计算 步骤，该步骤用于基于所提取的匹配图像特征来计算指示注册图像和匹配 图像之间的特征的一致程度的第二分数(例如，匹配分数S2);以及匹配 判决步骤，该步骤用于通过利用计算出的第一分数和计算出的第二分数的 阈值判决来确定注册图像中的个人和匹配图像中的个人是否是相同个人。本专利技术的图像特征提取系统是一种用于提取出用于本文档来自技高网...
【技术保护点】
一种用于提取出用于匹配面部图像模式的面部图像的特征的图像特征提取方法，所述图像特征提取方法的特征在于包括：变异图像生成步骤，该步骤用于生成其中规定变异被添加到面部图像的多幅变异图像；以及图像特征量提取步骤，该步骤用于通过基于 所生成的变异图像计算用于区分被处理的面部图像中的个人和规定参照个人的规定特征量来提取出所述被处理的面部图像的特征。
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：今冈仁，
申请(专利权)人：日本电气株式会社，
类型：发明
国别省市：JP[日本]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。