人脸元数据生成与人脸相似度计算制造技术

通过人脸特征提取单元（１２１）来提取人脸特征，并且通过置信指标提取单元（１２２）来提取置信指标，然后将它们作为元数据进行输出。在匹配时通过使用人脸元数据的置信指标，当获得了置信指标时，分布估计单元（１４１）能够相对于后验分布的数据来估计参数数据等。距离计算单元（１４２）计算特征值之间的相似度。结果，人脸验证的精确度得到提高，因此能够用于实际的人脸匹配任务。（*该技术在2022年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及一种技术，该技术可用于人脸鉴定、人脸验证、人的面部表情识别、根据人脸进行男女性别确认、根据人脸对人进行年龄调整等诸如此类。更为确切地说，本专利技术涉及元数据的生成，，人脸相似度计算和元数据匹配技术，其中在元数据的生成中考虑到了人脸数据在静态图像或动态图像上的反映。
技术介绍
元数据一般为描述或表示数据含义的数据，并且在人脸识别这种情况下，它主要是有关静态图像、动态图像等诸如此类的人脸数据。随着用于诸如图片、图像、视频、语音等多媒体内容的元数据的标准化活动的开展，MPEG-7(一种由运动图片专家组进行标准化的、用于多媒体内容描述接口的国际标准)的这种活动已经是众所周知了。现在作为用于人脸识别的元数据描述符的人脸识别描述符已经被提出来(“MPEG-7 Visual part of experimental Model Version 9.0”，A.Yamada et al.，ISO/IECJTC1/SC29/WG11 N3914，2001)。在这种人脸描述符中，对于经过裁剪和归一化的图像，使用一种普遍被称为本征人脸的子空间方法来测定基矩阵，以提取出人脸图像的特征值。根据这个基矩阵来从图像中提取出人脸特征。这个基矩阵就叫做元数据。至于与人脸特征的相似度计算，建议使用加权的绝对值距离。另外，人们知道，在人脸识别技术中存在多种方法。例如，人们知道的基于主成分分析或判别式分析等的利用特征人脸的方法。要了解主成分分析，可以阅读，例如“Probabilitistic Visual Learning for ObjectDetection”，Moghaddam et al.(IEEE Transaction on Pattern Analysis andMachine Intelligence，Vol.17，No.7，pp.696-710，1997)。另外，要了解判别式分析，可以阅读，例如“Discriminant Analysis of PrincipalComponents for Face Recognition”，W.Zhao et al.(Proceedings of theIEEE Third International Conference on Automatic Face and GestureRecognition，pp.336-341，1998)。另外，当将子空间方法应用于从指纹图像获得的特征矢量时，人们还知道一种用于通过引入质量指标来适应性地测量模式之间的距离的方法。例如文献“Fingerprint Preselection Using Eigenfeatures”，T.Kamei and M.Mizoguchi(Proceedings of the 1998 IEEE ComputerSociety Conference on Computer Vision and Pattern Recognition，pp.918-923，1998，日本未审查公开特开平10-177650)。不过，利用上述传统技术进行人脸识别无法获得足够高的精确度。与上面的讲述有关，日本未审查公开特开平10-55412中公开了一种通过将特征矢量投影到部分本征空间来利用特征选择的模式识别设备。为了验证大量的特征模式，模式识别设备的传统例子使用了特征选择的方法，减少了特征矢量的维数，因此能够使识别处理的速度更高，并且由于使用了表示输入模式特征的特征矢量，因此能够识别出输入模式。输入特征矢量提取单元提取表示输入模式特征的输入特征矢量。正交基存储器存储了原始特征空间的部分本征空间的正交基。识别字典存储了在部分本征空间上定义的、对应于一个或多个识别目标模式的每一个字典选择特征矢量。特征选择单元使用存储于正交基存储器中的正交基，并且计算出输入选择特征矢量，这个输入选择特征矢量是到由输入特征矢量提取单元所提取的输入特征矢量的部分本征空间的投影。检查单元检查由特征选择单元所计算的输入选择特征矢量和存储于识别字典中的每一个字典选择特征矢量，因此识别出对应于输入选择特征矢量的输入模式的种类。另外，日本未审查公开特开平11-306325中公开了目标检测设备。目标检测设备的传统例子在处理上是相当简单的，并且其目的是能够准确地检测到验证目标。图像输入单元输入图像，并且存储器存储区域模型，在区域模型中设定了许多个判断元素获取区域，对应于待检测的验证对象的特征区域。位置指定单元依次指定了检查局部区域的位置，在该位置处存储于存储器中的区域模型被用于从图像输入单元输入的输入图像，或者事先从图像输入单元输入的图像，在图像上已经进行了图像处理。每次当区域模型被依次应用到由位置指定单元指定的位置时，判断元素获取单元从区域模型的每一个判断元素获取区域中获取判断元素。马氏距离(Mahalanobis Distance)判断单元根据由判断元素获取单元所获取的、每一个判断元素获取区域的判断元素来执行马氏距离的计算，并且判断检查局部区域的图像是否为验证目标图像。因此，根据判断单元所得到的判断结果就完成了验证对象的检测。另外，日本未审查公开特开2000-132675中公开了人脸验证和对比方法。人脸验证和对比方法的传统例子目的是执行稳定的验证，既使待比较的两个人脸图像是在不同的拍摄条件下或在不同的拍摄时间拍摄的。在该方法中，根据拍摄条件或拍摄时间的不同，将图像变化特征分成若干类，对于每一类事先都进行了学习训练。根据由拍摄条件和拍摄时间的至少两者之一的不同，将两幅人脸图像之间的差异进行分类，并且分别测定了从两幅人脸图像中选择的具有较小特征数量的类中的特征数量，并且根据两幅人脸图像的特征值进行了人脸验证和对比。至于图像变化特征，准备了许多对具有不同拍摄条件或拍摄时间的差别图像的样本集，并且为每一类图像执行了主成分分析，因此测定出每一个主成分方向中的样本分布的变化幅度和主成分。在选择图像变化的特征集时，计算出了输入的两幅人脸图像之间的差别图像与由各自类别的主成分所定义的空间之间的距离，因此能够选出具有最短计算距离的类。另外，日本未审查公开特开2000-187733中公开了图像处理设备。传统的图像处理设备目的是不需要准备面向左或右方向的人脸，或模糊的人脸，诸如此类，正如用于学习训练的样本那样。在图像处理设备中，图像组生成单元根据对称放置的第一参考图象组生成对称的第二参考图象组。特征信息提取单元通过使用第一参考图象组和第二参考图象组来提取特征信息。判断单元将由特征信息提取单元所提取的特征信息与输入图像进行比较，并且判断输入图像是否由与第一参考图象组具有相同模式的图像组成。第一参考图象组可以是人脸图像。
技术实现思路
因此，本专利技术的目的是提出人脸元数据生成技术和人脸相似度计算技术，以提高人脸识别的精确度。本专利技术的另一个目的是提出一种用于建立进一步实用化的人脸匹配系统的技术。根据本专利技术，可以从人脸图像中提取出置信度，可以根据置信度来适应性地计算出不同模式之间的相似度，因此提高了人脸识别的精确度。根据本专利技术的第一观点，人脸元数据生成设备根据图像中的人脸图像部分来生成元数据。人脸元数据生成设备包括人脸特征提取单元，用于从图像中提取人脸特征，以及置信指标提取单元，用于从图像本文档来自技高网...

【技术保护点】
一种人脸元数据生成设备，包括：人脸特征提取单元，用于从人脸图像部分中提取人脸特征；以及置信指标提取单元，用于从所述人脸图像中提取指示所述人脸特征置信度的置信指标，其中生成的所述人脸特征和所述置信指标作为人脸元数据。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：龟井俊男，
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]