表情不变的面部识别制造技术

一种比较捕获图像和存储图像的方法，包括：　　　　捕获具有表情特征的面部图像（２０）；　　　　定位捕获面部图像（２３）的表情特征；　　　　比较捕获面部图像的表情特征和存储图像的类似表情特征，并且如果不存在与存储图像的任何类似表情特征的匹配，那么将该表情特征标记为一个标记的表情特征（２５）；　　　　比较（２６）：１）减去了所标记的表情特征的捕获图像和２）减去了对应于所标记的表情特征的类似表情特征的存储图像。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术一般地涉及面部识别，并特别地涉及改进的面部识别技术，所述技术既便在捕获的图像中的人的表情与存储的图像中不同时，也能识别人的图像。
技术介绍
面部识别系统用于为许多不同的应用识别和验证个人，不同的应用比如是获得进入安全设施、识别人们以便个性化诸如在家庭网络环境中的服务、以及在公共设施中定位通缉的个人。设计任何面部识别系统的最终目的是达到最佳可能的分类(预测)性能。根据面部识别系统的用途，保证比较具有高程度的准确性是十分重要的。在高安全性应用中为了识别通缉的个人，与捕获图像和存储图像之间的最小差异无关地实现识别是十分重要的。面部识别过程通常要求捕获人的图像或多个图像、处理这些图像并比较处理的图像和存储的图像。如果存储的图像和捕获的图像之间正确匹配，那么可以找到或验证个人的身份。从这里开始，词语“匹配”不需要表示精确匹配，而是表示存储图像中所示的人与捕获图像中的人或对象相同的一种可能性。美国专利NO.6,292,575描述了这样的系统并在这里引用以作为参考。存储的图像通常是以面部模型的形式通过经某种分类器传递图像而被存储的，其中一种在美国专利申请NO.09/794,443中描述并引用在此作为参考，其中经过神经网络传递数个图像并将面部对象(例如，眼睛、鼻子、嘴巴)分类。接着建立和存储面部模型图像，以便之后与捕获图像的面部模型作比较。许多系统要求捕获图像中的个人面部的调整在某种程度上受到控制，以保证与存储的图像比较的精确性。另外，许多系统控制获取图像的照明，以保证照明类似于存储图像的照明。一旦适当地定位了个人，那么照相机拍下单个或多个此人的图像，建立面部模型并与存储的面部模型进行比较。这些系统的问题在于人的面部表情在捕获的图像中与在存储的图像中不同。一个人在存储图像中也许会微笑，但在捕获图像中却没有，或者一个人在存储图像中戴着眼睛，而在捕获的图像中却是隐形眼镜。这导致捕获图像与存储图像之间匹配的不精确性，并且导致个人的错误识别。
技术实现思路
由此，本专利技术的一个目标是提供一种识别和/或验证系统，使该系统在捕获图像的面部表情特征不同于存储图像的面部表情特征时具有改善的精确性。根据本专利技术的优选实施例的系统捕获一个人的一个或多个图像。接着，定位捕获图像表情面部特征、将该表情面部特征与存储图像表情面部特征作比较。如果不存在匹配，那么标记和/或存储捕获图像中不匹配的表情面部特征的坐标。接着，根据捕获图像与存储图像之间的整体比较来移除这些坐标内的象素。从整个图像的后续比较中移除这些象素减少了由于捕获图像的面部表情和进行匹配的存储图像之间的差异而引起的错误否定。根据在说明书和权利要求，其他目的和有点是显而易见的。附图说明为了便于理解本专利技术，参考了以下附图图1显示了具有不同面部表情的人的图像。图2a显示了面部特征定位器。图2b显示了具有表情面部特征的位置的面部图像。图3显示了本专利技术的一个优选实施例。图4是本专利技术的优选实施例的流程图。图5显示了比较表情特征的示意性表示图。图6显示了根据本专利技术的家庭联网面部识别系统。具体实施例方式图1显示了具有变化的面部表情的人的六个图像的示例序列。图像(a)是存储图像。面部具有非常小的面部表情并且它在图片的中央。图像(b)-(f)是捕获图像。这些图像具有变化的面部表情并且其中一些不在图片的中央。如果图像(b-f)与存储图像(a)比较，由于面部表情的差异而不能发现正确的识别。图2a显示了图像捕获设备和面部特征定位器。视频捕捉器20捕获图像。视频捕捉器20可包括任何光感应设备，用于将图像(可见光或红外光)转换成电子图像。这种设备包括视频照相机、黑白照相机、彩色照相机或对光谱的不可见部分敏感的照相机，比如红外照相机。视频捕捉器还可以被实现为各种不同类型的视频照相机或任何适合于捕获图像的机械装置。视频捕捉器还可以是到存储各种图像的存储设备的接口。视频捕捉器的输出例如采取RGB、YUV、HIS或灰度级的形式。经由视频捕捉器20捕获的影像通常包括多于一个面部。为了在影像中定位面部，首先的也就是最先的步骤是执行面部检测。可以用不同的方式来执行面部检测，例如基于整体，其中在一个时刻检测整个面部，或者基于特征，其中检测各个面部特征。因为本专利技术涉及定位面部的表情部分，基于特征的方法用于检测两眼之间的眼间(interloccular)距离。基于特征的面部检测方法的例子在AntonioColmenarez、Brendan Frey以及Thomas Huang 1999年于日本神户的图像处理国际学会所发表的论文“Detection and Tracking ofFaces and Facial Features(面部以及面部特征的检测和追踪)”中进行了描述，并在此引用作为参考。通常的情况是没有对着相机，由于被获取图像的人没有直接看着成像设备而旋转了面部。一旦面部重新取向，就要重新调整它的大小。面部检测器/规范器21将面部图像规范化成预先设定的N×N象素阵列的大小，在优选实施例中，该大小是64×72个象素，使得在图像中的面部近似地与其他存储图像的大小相同。这是通过比较检测图像的眼间距离与存储图像的眼间距离而实现的。接着，根据比较结果使检测的面部更大或更小。检测器/规范器21利用本领域的技术人员已知的传统处理，将每个检测的面部图像表征为具有亮度值的N乘N阵列的二维图像。接着，将捕获的规范化图像22发送到面部模型创建器22。面部模型创建器22接纳了检测的规范化面部并创建面部模型以识别各个面部。面部模型的创建使用了径向基函数(RBF)网络。每个面部模型的大小与检测的面部图像相同。径向基函数网络是一种分类器设备并且它在共同持有的共同待定的美国专利申请NO.09/794,443中描述，该申请题为“Classification of Objects thruogh Model Ensembles”并在2001年2月27日提交，其整个内容在此引用作为参考就如同完全在这里叙述了一般。几乎任何分类器可以用于创建面部模式，比如贝叶斯网络、最大似然距离尺度(ML)或径向基函数网络。面部特征定位器23定位面部特征，比如每个眉毛的开始和结束，眼睛的开始和结束、鼻尖、嘴巴的开始和结束和图2b中显示的其他特征。通过人工选择特征或通过使用如Antonio Colmenarez和Tomas Huang的“Detection and Tracking of Faces and FacialFeatures”中描述的ML距离尺度来定位面部特征。特征检测的其他方法包括光流方法。根据该系统，不需要定位所有的特征，只需要定位表情面部特征，其可能在人的面部上的表情变化时而变化。面部特征定位器存储捕获图像的面部特征的位置。(应当注意，存储的图像采取面部模型的形式并已经执行了特征检测。)在找到面部特征之后，执行识别和/或验证。图3显示根据本专利技术的优选实施例的面部识别/验证系统的框图。图3中显示的系统包括第一和第二级。如图2a中所示，第一级是捕获设备/面部特征定位器。这个级包括捕获一个人的图像的视频捕捉器20、规范化图像的面部检测器/规范器21、面部模型创建器22和面部特征定位器23。第二级是比较级，用于比较捕获图像和存储图像。这个级包括特征差异检测器2本文档来自技高网...

【技术保护点】

【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：V·菲洛明，S·古特塔，T·米罗斯拉，
申请(专利权)人：皇家飞利浦电子股份有限公司，
类型：发明
国别省市：