识别方法、生成方法、识别程序以及识别装置制造方法及图纸

本发明专利技术涉及识别方法、生成方法、识别程序以及识别装置。在识别方法中，计算机执行以下处理：若接受面部图像，则使用根据面部图像生成与面部图像的属性有关的第一估计值的多个估计模型分别生成与接受的面部图像的属性有关的多个第一估计值，并且生成表示分别与多个估计模型建立对应的多个特征信息与接受的面部图像的特征信息的类似度的多个类似度信息，基于生成的与面部图像的属性有关的多个第一估计值、和生成的多个类似度信息，生成与接受的面部图像的属性有关的第二估计值。的面部图像的属性有关的第二估计值。的面部图像的属性有关的第二估计值。

【技术实现步骤摘要】
【国外来华专利技术】识别方法、生成方法、识别程序以及识别装置


[0001]本专利技术涉及识别方法、生成方法、识别程序以及识别装置。

技术介绍

[0002]在生物体认证技术中，存在用于识别生物体图像所属的群体的方面。作为例子，在面部认证技术中，可举出获取的面部图像是真实的面部还是照片、画面中显示的面部、印刷物这样的伪造物的真伪判定；对象的人物的性别、年龄、瞳色这样的属性估计。但是，面部图像不一定能够在统一的环境下获取，而存在由于在光源的差异、反射的程度不同的环境下获取而识别精度降低的一面。
[0003]仅作为减少这样的不同的获取环境的影响的技术的例示，提出了下述三个以往技术1～3。例如，作为第一个，存在以下以往技术1：每当进行输入的面部图像的属性估计时，对估计结果的每个簇提取与簇中心的距离较近的样本数据，并在赋予了正确答案数据的基础上进行更新属性估计模型的再学习。作为第二个，存在以下以往技术2：在获取面部图像时获取表示拍摄环境的信息，使用通过根据拍摄环境加工面部图像的数据从而生成的反映了拍摄环境的模拟现场图像，来进行学习模型的生成、属性估计。作为第三个，存在以下以往技术3：基于对面部图像进行聚类后的结果、和预先与面部图像建立对应的可疑度信息，生成可疑度估计模型，使用与对输入面部图像进行聚类后的结果的簇对应的可疑度信息，估计对象人物的可疑度。
[0004]专利文献1：日本特开2012－208710号公报
[0005]专利文献2：日本特开2013－242825号公报
[0006]专利文献3：国际公开第2018/128015号
[0007]然而，上述的技术依然存在难以抑制未知的环境中的群体识别的精度降低这一面。
[0008]例如，在上述的以往技术1中，在未知的环境中使用属性估计模型的情况下，使用精度较低的模型直到进行再学习。另外，在上述的以往技术2中，在使用场景的获取环境不明的情况、或者在设想外的环境下获取面部图像的情况下，存在难以适当地加工面部图像的方面，因此存在属性估计的精度降低的情况。并且，在以往技术3中，将聚类结果与可疑度估计模型1对1地建立关联，可疑度估计模型将各簇中包含的图像与可疑度信息建立对应，因此可疑度估计结果取决于聚类结果。因此，在不同的环境下拍摄了相同人物的图像的情况下，聚类结果不同，产生可疑度估计结果出现偏差的可能性。

技术实现思路

[0009]在一个方面中，目的在于抑制未知的环境中的群体识别的精度降低。
[0010]在一个方式的识别方法中，计算机执行以下处理：若接受面部图像，则使用根据面部图像生成与上述面部图像的属性有关的第一估计值的多个估计模型分别生成与接受的上述面部图像的属性有关的多个第一估计值，并且生成表示分别与上述多个估计模型建立
对应的多个特征信息与接受的上述面部图像的特征信息的类似度的多个类似度信息，基于生成的与上述面部图像的属性有关的多个第一估计值、和生成的上述多个类似度信息，生成与接受的上述面部图像的属性有关的第二估计值。
[0011]能够抑制未知的环境中的群体识别的精度降低。
附图说明
[0012]图1是表示实施例1所涉及的系统中包含的各装置的功能性结构的一个例子的框图。
[0013]图2是表示各群体标签的第一分数的一个例子的图。
[0014]图3是表示实施例1所涉及的生成装置的整体流程的一个例子的图。
[0015]图4是表示实施例1所涉及的生成装置的子流程的一个例子的图。
[0016]图5是表示实施例1所涉及的识别装置的整体流程的一个例子的图。
[0017]图6是表示计算机的硬件结构例的图。
具体实施方式
[0018]以下，参照附图，对本申请所涉及的识别方法、生成方法、识别程序以及识别装置进行说明。此外，该实施例不限定公开的技术。而且，各实施例能够不使处理内容矛盾的范围内适当地组合。
[0019]实施例1
[0020][系统结构][0021]图1是表示实施例1所涉及的系统中包含的各装置的功能性结构的一个例子的框图。图1所示的系统1具有识别生物体图像所属的群体的群体识别功能。仅作为这样的群体识别的一个例子，可举出与生物体图像的一个例子对应的面部图像是真实的面部还是照片、画面中显示的面部、印刷物这样的伪造物的真伪判定；对象的人物的性别、年龄、瞳色这样的属性估计。
[0022]如图1所示，可包含生成装置10和识别装置30。此处，在图1中，仅作为一个例子，举出分别构建生成装置10以及识别装置30这两个机器的系统为例。这些生成装置10以及识别装置30可经由任意的网络连接为可通信，无论是有线还是无线网络。
[0023]生成装置10是具有生成用于上述的群体识别功能的群体识别模型的模型生成功能的计算机的一个例子。识别装置30是具有上述的群体识别功能的计算机的一个例子。
[0024]生成装置10以及识别装置30能够通过将实现上述的模型生成功能的生成程序或者实现上述的群体识别功能的识别程序作为软件包、在线软件安装至任意的计算机来实现。通过使计算机执行这样安装的生成程序或者识别程序，能够使计算机作为生成装置10或者识别装置30发挥功能。
[0025][生成装置10的结构][0026]首先，对本实施例所涉及的生成装置10的功能性结构进行说明。如图1所示，生成装置10具有输入部11、特征提取部12、分割部13、以及生成部14。此外，生成装置10除了图1所示的功能部以外，还可以具有已知的计算机所具有的各种功能部、例如各种输入设备、声音输出设备等功能部。
[0027]仅作为例示，图1中举出的功能部，例如输入部11、特征提取部12、分割部13以及生成部14等功能部由下述的硬件处理器虚拟地实现。作为这样的处理器的例子，可举出CPU(Central Processing Unit)：中央处理器、MPU(Micro Processing Unit：微处理器)等。并不限于这些通用的处理器，也可以使用DLU(Deep Learning Unit：深度学习单元)、GPGPU(General
‑
Purpose computing on Graphics Processing Units：通用图形处理器)、GPU簇等。例如，处理器能够通过在RAM(Random Access Memory：随机存取存储器)等存储器上将上述的生成程序作为工序展开，来虚拟地实现上述的功能部。此处，作为处理器的例子，例示了DLU、GPGPU、GPU簇、CPU、MPU，但也可以通过任意的处理器实现上述的功能部，无论是通用型还是特化型处理器。此外，上述的功能部可以通过ASIC(Application Specific Integrated Circuit：专用集成电路)、FPGA(Field Programmable Gate Array：现场可编程逻辑门阵列)等硬连线逻辑实现。
[0028]输入部11是输入包含带群体标签的面部图像的学习数据的处理部。以下，仅作为生物体图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种识别方法，其特征在于，使计算机执行以下处理：若接受面部图像，则使用根据面部图像生成与上述面部图像的属性有关的第一估计值的多个估计模型分别生成与接受的上述面部图像的属性有关的多个第一估计值，并且生成表示分别与上述多个估计模型建立对应的多个特征信息与接受的上述面部图像的特征信息的类似度的多个类似度信息，基于生成的与上述面部图像的属性有关的多个第一估计值、和生成的上述多个类似度信息，生成与接受的上述面部图像的属性有关的第二估计值。2.根据权利要求1所述的识别方法，其特征在于，上述多个估计模型被输入从上述面部图像提取的纹理特征量。3.根据权利要求1所述的识别方法，其特征在于，上述类似度是分别与上述多个估计模型建立对应的多个LBP(Local Binary Pattern)、与接受的上述面部图像的LBP的类似度。4.根据权利要求1所述的识别方法，其特征在于，上述第一估计值是与上述属性有关的标签的分数。5.根据权利要求4所述的识别方法，其特征在于，上述第二估计值是被赋予分别与上述多个类似度信息中包含的类似度对应的权重后的上述多个第一估计值的总和。6.根据权利要求4所述的识别方法，其特征在于，上述第二估计值是被赋予分别与上述多个类似度信息中包含的类似度对应的权重、和分别与上述多个估计模型各自的分辨率对应的权重后的上述多个第一估计值的总和。7.根据权利要求1所述的识别方法，其特征在于，上述第一估计值是与上述属性有关的标签。8.一种生成方法，其特征在于，由计算机执行以下处理：获取分别包含面部图像以及上述面部图像的属性的多个学习数据，基于获取的上述多个学习数据中分别包含的多个面部图像的特征信息，将上述多个学习数据分类为多个簇，针对上述多个簇中包含的每个簇，通过使用各簇中包含的学习数据进行机器学习，来生成根据面部图像生成与上述面部图像的属性有关的第一估计值的多个估计模型，若接受面部图像，则使用生成的上述多个估计模型，分别生成与接受的上述面部图像的属性有关的多个第一估计值，并且针对上述多个簇中包含的每个簇，生成分别表示被分类为各簇的学习数据中包含的面部图像的特征信息与接受的上述面部图像的特征信息的类似度的多个类似度信息，基于生成的与上述面部图像的属性有关的多个第一估计值、和生成的上述多个类似度信息，生成与接受的上述面部图像的属性有关的第二估计值。9.一种识别程序，其特征在于，使计算机执行以下处理：若接受面部图像，则使用根据面部图像生成与上述面部图像的属性有关的第一估计值的多个估计模型分别生成与...

【专利技术属性】
技术研发人员：松涛智明，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：