专利名称：脸部识别设备和脸部识别方法
技术领域：
本发明涉及一种为了主客户端的安全和访客管理而在相机系统中使用的脸部识别设备和脸部识别方法，所述主客户端捕捉诸如人员之类的对象的图像以识别该对象。
背景技术：
截至目前，作为通过使用多个连续脸部图像进行脸部识别来辨识个体的技术，存在例如专利文献I至3中所公开的技术。首先，专利文献I公开了能够稳定捕捉行人员的脸部部表面图像的相机的安装和图像捕捉条件。图25是图示专利文献I中所公开的行人观察设备的安装示例的示图。图25是在建筑入口处从上向下看的示图。人员(沿箭头4002所指示的方向)向(处于右侧和左侧墙壁 4001之间的)入口移动。具有宽度A和高度B的基本观察区域4004被设置在将右侧和左侧墙壁4001相互连接入ロ的通行线4003上方的位置处，并且通行线4003还设置在基本观察区域4004的中心。相机4005的方向和视场角0相对于通行线4003设置在箭头4002的方向上，这是人员移动的方向。而且，相机4005的焦距被设置在如图所示的f■和f+D之间。“相机安装位置”、“相机的方向和视场角”以及“相机焦距”的条件都被设置为使得相机4005允许基本观察区域4004落入图像捕捉范围之内，并且能够捕捉具有处于图像捕捉范围之内的焦距的图像。这使得可能稳定地捕捉通过基本观察区域4004的人员的脸部的图像。专利文献I公开了个体通过对多台相机对同一人所拍摄的不同脸部方向的多个图像进行脸部识别来提高个体的辨识精确度。另ー方面，专利文献2和专利文献3公开了ー种通过仿射变换(aff inetransform)或视场变形(field morphing)将由多台相机对同一人所拍摄的不同脸部方向的多个图像合成为人员的前部图像、并且借助合成结果进行脸部识别来辨识个体的方法。图26是图示专利文献2中所公开的脸部特征合成的示图。图26(A)和26⑶图示了通过从不同相机捕捉同一人的图像所获得的均具有不同脸部方向的脸部图像。在图中由X标记所指示的脸部的特征点均由针对图26 (A)和26 (B)的图像的脸部特征点搜索检测至IJ。图26(C)中所图示的前部图像由基于所检测的脸部特征点位置的仿射变换进行合成，并且借助于合成的前部图像进行脸部识别来辨识该个体。在专利文献3中，前部图像并非通过仿射变换而是视场变形进行合成，并且借助于合成的前部图像进行脸部识别来辨识该个体。现有技术文献专利文献专利文献I JP-A-2001-016573专利文献2 JP-A-2006-146323
专利文献 3 JP-A-2009-025874
发明内容
本发明所要解决的技术问题然而，以上所提到的常规脸部检测技术存在以下问题。专利文献I仅公开了能够稳定捕捉行人员的脸部部表面的图像的相机的位置和图像捕捉条件。然而，存在相机无法在所公开的位置并且沿所公开的方向进行安装，或者无法在所公开的图像捕捉条件下进行图像捕捉的情況。在这种情况下，就无法稳定捕捉脸部表面的图像。结果，脸部识别出错而降低了个体辨识的精确度。在上述公开文本中，从多台相机所拍摄的均具有不同脸部方向的多个图像通过脸部识别来辨识出该个体，并且借助于辨识结果来提高辨识精确度。然而，专利文献I并没有公开如何使用该结果来提高识别精确度。在专利文献2和专利文献3中，基于所检测的脸部特征点位置通过仿射变换或视场变形来合成前部图像，并且借助于所合成的前部图像进行脸部识别来辨识该个体。然而，存在取决于脸部方向而无法更加精确地检测到脸部特征点的情况。这使得难以获得精确的前部图像，并且如专利文献I中一祥降低了个体辨识的精确度。 本发明是已经考虑到以上的情形而做出，并且本发明的目标是提供ー种使得能够以高精确度进行识别的脸部识别设备和脸部识别方法。解决问题的手段根据本发明，提供了ー种脸部识别设备，包括图像捕捉単元，其被配置为捕捉对象的图像；区域检测单元，其被配置为基于作为所述图像捕捉単元的图像捕捉结果而获得的图像来检测该对象的给定区域；特征量提取单元，其被配置为提取由所述区域检测单元所检测出的给定区域内的特征量；距离估算单元，其被配置为估算所述图像捕捉単元和给定区域之间的距离；和特征量更新単元，其被配置为基于所述距离估算单元所估算的距离来更新由所述特征量提取单元所提取的特征量。根据以上配置，所述距离估算单元估算所述图像捕捉単元和该对象之间的距离，并且所述特征量更新単元根据该距离更新特征量。結果，能够以高精确度识别该对象的给定区域。在以上配置中，所述脸部识别设备进一歩包括搜索单元，其被配置为将由所述特征量更新単元所更新的特征量与事先保存的特征量进行比较以进行捜索，并且基于所述搜索単元的捜索结果来识别所述给定区域。在以上配置中，所述脸部识别设备进一歩包括特征点位置检测单元，其被配置为检测所述给定区域内的各特征点位置，并且所述距离估算单元基于由所述特征点位置检测単元所检测出的各特征点位置的间隔来估算所述图像捕捉単元和给定区域之间的距离。根据本发明，提供了ー种脸部识别设备，包括图像捕捉単元，其被配置为捕捉人员的图像；脸部检测单元，其被配置为基于作为所述图像捕捉単元的图像捕捉结果而获得的图像来检测人员的脸部；特征点位置检测单元，其被配置为检测由所述脸部检测单元所检测出的脸部内的各特征点位置；特征量提取单元，其被配置为提取由所述特征点位置检测单元所检测出的每个特征点位置的特征量；距离估算单元，其被配置为估算所述图像捕捉单元和脸部之间的距离；特征量更新単元，其被配置为基于由所述距离估算单元所估算的距离来更新由所述特征量提取单元所提取的特征量；和搜索单元，其被配置为将由所述特征量更新単元所更新的特征量与事先保存的特征量进行比较以进行捜索，并且基于所述搜索单元的捜索结果来识别所述脸部。根据以上配置，所述距离估算单元估算所述图像捕捉単元和人员的脸部之间的距离，并且所述特征量更新単元根据该距离来更新脸部内的每个特征点位置处的特征量。而且，捜索单元将由所述特征量更新単元所更新的特征量与事先保存的特征量相比较以进行搜索。結果，能够以高精确度来识别该人员的脸部。在以上配置中，所述距离估算单元基于由所述特征点位置检测单元所检测的各特征点位置的间隔来估算所述图像捕捉単元和脸部之间的距离。根据本发明，提供了ー种脸部识别设备，包括图像捕捉単元，其被配置为捕捉人员的图像；脸部检测单元，其被配置为基于作为所述图像捕捉単元的图像捕捉结果而获得的图像检测人员的脸部；特征点位置检测单元，其被配置为检测由所述脸部检测单元所检测出的脸部内的各特征点位置；特征量提取单元，其被配置为提取由所述特征点位置检测単元所检测出的每个特征点位置处的特征量；距离估算单元，其被配置为基于由所述特征点位置检测单元所检测的各特征点位置的间隔来估算所述图像捕捉単元和脸部之间的距 离；角度估算单元，其被配置为估算脸部的方向；特征量更新単元，其被配置为基于由所述距离估算单元所估算的距离以及由所述角度估算单元所估算的脸部方向来更新由所述特征量提取単元所提取的特征量；和搜索单元，其被配置为将由所述特征量更新単元所更新的特征量与事先保存的特征量进行比较以进行捜索，并且基于所述搜索单元的捜索结果来识别所述脸部。根据以上配置，所述距离估算单元估算所述图像捕捉単元和人员脸部之间的距离，并且所述特征量更新単元根据所估算的距离和脸部的方向来更新脸部内的每个特征点位置处的特征量。而且，捜索单元将由所述特征量更新単元所更新的特征量与事先保存的特征量相比较以进行捜索。结果，能够以高精确度识别该人员的脸部。特别地，由于考虑到了脸部方向所以能够以更高精确度识别人员的脸部。在以上配置中，所述角度估算单元基于由所述特征点位置检测单元所检测的特征点位置的位置关系来估算脸部的方向。根据本发明，提供了ー种脸部识别设备，包括图像捕捉単元，其被配置为捕捉人员的图像；脸部检测单元，其被配置为基于作为所述图像捕捉単元的图像捕捉结果而获得的图像来检测人员的脸部；特征点位置检测单元，其被配置为检测由所述脸部检测单元所检测的脸部内的各特征点位置；特征量提取单元，其被配置为提取由所述特征点位置检测単元所检测出的每个特征点位置处的特征量；距离估算单元，其被配置为基于由所述特征点位置检测单元所检测出的各特征点位置的间隔来估算所述图像捕捉単元和脸部之间的距离；亮度检测单元，其被配置为检测由所述特征点位置检测单元所检测出的每个特征点位置处的亮度；特征量更新単元，其被配置为基于由所述距离估算单元所估算的距离以及由所述亮度检测单元所检测出的每个特征点位置处的亮度来更新由所述特征量提取单元所提取的特征量；和搜索单元，其被配置为将由所述特征量更新単元所更新的特征量与事先保存的特征量进行比较以进行捜索，并且基于所述搜索单元的捜索结果来识别所述脸部。根据以上配置，所述距离估算单元估算所述图像捕捉単元和人员的脸部之间的距离，并且所述亮度检测单元检测脸部内每个特征点位置处的亮度。而且，捜索单元将由所述特征量更新単元所更新的特征量与事先保存的特征量相比较以进行捜索。结果，能够以高精确度识别人员的脸部。特别地，由于考虑到了每个特征点位置处的亮度，所以能够以更高精确度识别人员的脸部。根据本发明，提供了ー种脸部识别方法，包括图像捕捉步骤，捕捉对象的图像；区域检测步骤，基于作为在所述图像捕捉步骤中的图像捕捉结果而获得的图像来检测该对象的给定区域；特征量提取步骤，提取在所述区域检测步骤中所检测到的给定区域内的特征量；距离估算步骤，估算图像捕捉単元和给定区域之间的距离估算；以及，特征量更新步骤，基于在所述距离估算步骤中所估算的距离来更新在所述特征量提取步骤中所提取的特征量。根据以上方法，在所述距离估算步骤中估算图像捕捉単元和对象之间的距离，并且在特征量更新步骤中根据该距离来更新特征量。结果，能够以高精确度识别对象的给定区域。
本发明的优点根据本发明，能够以高精确度根据图像捕捉所获得的图像来识别诸如人的脸部的对象的给定区域。
图I是图示根据本发明第一实施例的脸部识别设备的概要配置的框图。图2是图示由图I中的脸部识别设备捕捉到其图像的人员与图像捕捉単元之间的关系的不图。图3是图示在时间T1、时间T2和时间T3处在图I的脸部识别设备中捕捉的图像的示图。图4是图示由图I的脸部识别设备所获取的脸部各特征点的示例的示图。图5是图示由图I的脸部识别设备中的特征量更新単元所更新的特征量的示例的示图。图6是图示由图I的脸部识别设备所捕捉的捕捉图像、特征量和在时间T1、时间T2和时间T3处的评估空间的范围的示例的示图。图7是在图6的⑶中所图示的表示时间T1、时间T2和时间T3处的搜索结果范围的图像上绘制出数据库中所保存的相应个体的特征量的位置的示图。图8是图示图I的脸部识别设备中的主要处理的流程图。图9是图示图8的主要处理中的任务A的处理的流程图。图10是图示根据本发明第二实施例的脸部识别设备的概要配置的框图。图11是图示由图10中的脸部识别设备所捕捉的人员与图像捕捉単元之间的关系的示图。图12是图示在时间T1、时间T2和时间T3处在图10的脸部识别设备中捕捉的图像的示图。图13是图示倾斜地转向左上方的脸部的示图。图14是图示由图10的脸部识别设备中的特征量更新単元所更新的特征量示例的示图。
图15是图示由图10的脸部识别设备所捕捉的捕捉图像、特征量和在时间T1、时间T2和时间T3处的评估空间的范围的示例的示图。图16是图示图10的脸部识别设备中的主要处理的流程图。图17是图示图16的主要处理中的任务B的处理的流程图。图18是图示根据本发明第三实施例的脸部识别设备的概要配置的框图。图19是图示由图18中的脸部识别设备捕捉到图像的人员与图像捕捉単元之间的关系的不图。图20是图示在时间T1、时间T2和时间T3处在图18的脸部识别设备中捕捉的图像的示图。图21是图示由图18的脸部识别设备中的特征量更新単元所更新的特征量的示例 的示图。图22是图示由图18的脸部识别设备所捕捉的捕捉图像、特征量和在时间T1、时间T2和时间T3处的评估空间的范围的示例的示图。图23是图示图18的脸部识别设备中的主要处理的流程图。图24是图示图23的主要处理中的任务C的处理的流程图。图25是图示常规的行人观察设备的安装示例的示图。图26(A)至26(C)是图示常规的脸部特征合成的示图。
具体实施例方式随后，将參考附图详细给出对用于执行本发明的优选实施例的描述。(第一实施例)图I是图示根据本发明第一实施例的脸部识别设备的概要配置的框图。在图中，根据该实施例的脸部识别设备100包括图像捕捉単元101、脸部检测单元102、追踪单元103、特征点位置检测单元104、特征量提取单元105、距离估算单元106、特征量更新单元107、存储单元108、数据库109、搜索单元110和显示通知单元111。图像捕捉単元101捕捉诸如人员之类的对象的图像。脸部检测单元102根据作为图像捕捉単元101中的图像捕捉结果的图像来指定人员的脸部的区域。追踪单元103向该相同人员的各脸部图像分配相同的ID号码。追踪单元103追踪顺序捕捉的图像的脸部区域以实现该功能。特征点位置检测单元104检测脸部的诸如眼睛、鼻子和嘴部之类的各特征点位置。特征量提取单元105提取由特征点位置检测单元104所检测出的每个特征点位置处的特征量。距离估算单元106根据特征点位置检测单元104所检测出的脸部的相应特征点位置的距离关系来估算图像捕捉単元101和所捕捉的脸部之间的距离。特征量更新单元107根据距离估算单元106所估算的距离对由特征量提取单元105所提取的特征量进行更新。存储单元108临时保存由追踪单元103对分配了相同ID号码的每个相同人员的脸部图像中由特征量提取单元105所提取的特征量、并且更新特征量的一部分。数据库(DB)109保存用于脸部识别的每个个体的脸部特征量。搜索单元110将特征量更新単元107所更新的脸部图像的脸部特征量与数据库109所保存的每个个体的脸部特征量进行比较，并且进行搜索以指定出该个体。显示通知単元111显示搜索単元110的捜索结果，并且向用户通知该結果。作为搜索结果，例如可以显示“仅脸部图像”、“脸部图像和ID”或“脸部图像、ID和警告”。图2是图示根据第一实施例的脸部识别设备100捕捉到其图像的人员与图像捕捉单元101之间的关系的示图。人员201朝向安装了图像捕捉单元101的方向进行移动。也就是说，人员201在图中从左向右朝图像捕捉单元101移动。图像捕捉单元101在时间1\、时间T2和时间T3的相应时间捕捉人员201的图像。图3是图示在时间T1、时间T2和时间T3处在根据第一实施例的脸部识别设备100中所捕捉的图像的示图。在图中，(Al)是在时间T1所捕捉的图像，(BI)是在时间T2所捕捉的图像，并且(C I)是在时间T3所捕捉的图像。随着人员201越接近图像捕捉単元101，所捕捉的图像就变得越大，并且脸部由于俯角的存在而逐渐转向下方。随后，将对根据第一实施例的脸部识别设备100的操作进行描述。如图2所示，图像捕捉单元101在时间T1、时间T2和时间T3捕捉人员201的图像。 图3的(Al)图示了在时间T1所捕捉的图像，图3的(BI)图示了在时间T2所捕捉的图像，并且图3的(Cl)图示了在时间T3所捕捉的图像。脸部检测单元102根据图像捕捉单元101所捕捉的图像来检测脸部的区域。在脸部检测领域，已经报告了能够借助检测系统基于AdaBoost学习方法(例如，非专利文献丄Paul \ioia，Michael Jones, “Rapid Object Detection Using a Boosted Cascadeof Simple Features，，，IEEE Computer Society Conference on Computer Vision andPattern Recognition (CVPR), December of 2001, ISSN:1063-6919, Vol. I, p. 511 to 518)根据图像来检测脸部区域。使用以上检测系统，脸部检测单元102根据图像捕捉単元101所捕捉的图像来检测脸部区域并且输出脸部区域的图像。该检测系统以实例的方式给出，并且本发明中所使用的脸部检测的系统并不局限于以上检测系统。只要能够根据图像来指定脸部区域，则任何检测系统都是可用的。例如，还可以通过模式(pattern)匹配来检测脸部。追踪单元103基于脸部检测单元102随时间所检测到的脸部区域的位置变化来确定相应脸部区域的脸部是否是同一人。在这种情况下，即使所要捕捉的人员移动，图像捕捉単元101的图像捕捉间隔也足以小于该人员的移动量，在相应的捕捉图像上脸部区域的位置变化很小。由于该原因，即使捕捉到多个人的图像，也能够确定在相应时间T所捕捉的图像上带有很小位置变化的脸部区域是同一人的。追踪单元103能够通过以上的追踪方法来确定脸部检测单元102所输出的脸部区域图像内的脸部是否为同一人。上述追踪方法以实例的方式给出，并且本发明中所使用的追踪方法并不局限于以上追踪方法。只要该方法能够估算相应脸部区域的脸部为同一人，则任何追踪方法都是可用的。而且，除以上追踪方法之外，还可能根据与脸部区域以下的部分处所捕捉的衣服的顔色或式样的一致性相关的信息、或者脸部区域的位置随时间的变化方向来估算脸部区域的脸部是否为同一人。通过以上针对追踪单元103的操作，在相应时间T所捕捉的图像上的脸部区域图像针对每个个体进行分类。在根据该实施例的操作中，经分类的相应人员的脸部区域图像组都归类于每个个体。特征点位置检测单元104检测每个时间T处的脸部区域图像内的脸部的各特征点位置。在脸部特征点位置检测领域，已经报告了可已通过自适应形状模型系统(例如，非专利文献 2 Stephen Milborrow 和 Fred Nicolls, “Locating FacialFeatures with an Extended Active Shape Model，，，Lecture Notes ComputerScience;Vol. 5303，Proceedings of the 10th European Conference on ComputerVision:Part IV)根据脸部图像来检测脸部的各特征点。图4是图示脸部各特征点的示例的示图。图中，附图标记401为脸部,并且402为脸部的特征点。脸部的特征点是指示诸如眉毛、眼睛、鼻子、嘴部或下颚之类的脸部部分的位置和轮廓特征的点位置，诸如眼睛中心(或黒色瞳孔)、眼睛内角、眼睛尾部、鼻翼、鼻梁上端、嘴部中心、嘴部两侧、太阳穴或者诸如下巴尖的下颚线条上的点。特征点位置检测单元104根据每个时间T的脸部区域图像来检测图4中所例示的脸部特征点，并且输出该特征点位置。以上的检测系统通过示例的方式给出，并且本发明中所使用的检测脸部特征点位置的系统并不局限于以上的检测系统。只要能够根据脸部区域图像指定出特征点位置，任何检测系统都是可用的。例如，甚至能够通过模式匹配来检测脸部的特征点位置。特征量提取单元105计算由特征点位置检测单元104所检测的脸部的每个 特征点位置处的特征量。在脸部识别领域，已经报告了能够根据通过Gabor小波变换所计算的特征量以高精确度识别脸部(例如，非专利文献3 :E. Elagin, J. Steffens, H.Neven, “Automatic pose Estimation System for Human Faces Based on Bunch GraphMatching Technology”，Proceedings of the International Conference on AutomaticFace and Gesture Recognition， 98.pp.136-141， 1998)。Gabor小波滤波器系数由(数学公式I)所表示U和y是像素的水平和垂直位置，k是频率，9是方位角，并且O是高斯函数与2 的标准偏差)。频率k和方位角e有所变化，并且该表达式所获得的系数在相应像素位置X和y的像素数值上进行卷积(convolute)以执行Gabor小波变换。(数学公式I)
( k2{x2 +y2\\(( -2\)y/ka(x,y)^—exp---^~ exp(決はcos0 +ヌsin0))-exp(1)
’ ^)\K 2 JJ特征量提取单元105通过以上Gabor小波变换相对于相应的频率k分量和相应的方位角9来计算由特征点位置检测单元104所检测出的脸部的每个特征点位置处的特征量。借助以上Gabor小波变换所进行的特征量提取以示例的方式给出，并且本发明所使用的特征量提取系统并非局限于以上系统。只要在脸部的相应特征点位置提取了相应频率分量的特征量，则任何特征量提取系统都是可用的。距离估算单元106基于由特征点位置检测单元104所检测出的脸部的各特征点位置来估算图像捕捉単元101和人的脸部之间的距离。图4所示的脸部401中相应特征点位置402之间的距离随着图像捕捉単元101和该人的脸部之间的距离越长而变得越短。利用这种现象，可以根据相应的特征点位置之间的距离来估算图像捕捉単元101和该人员的脸部之间的距离。而且，所要捕捉的脸部的尺寸随着从图像捕捉単元101到脸部的距离越大而变得越小。利用这种现象，还可以根据脸部检测单元102所检测出的脸部区域的尺寸来估算图像捕捉単元101和该人员的脸部之间的距离。使用以上的估算方法，距离估算单元106估算图像捕捉単元与每个时间T的脸部区域图像上的该人员的脸部之间的距离，并且输出結果。以上距离估算方法以示例的方式给出，并且本发明中所使用的距离估算方法并不局限于以上的距离估算方法。只要能够估算图像捕捉単元101和人员的脸部之间的距离，则任何方法都是可用的。可以借助于不使用特征点位置间隔的超声传感器或者立体相机来估算距离。特征量更新単元107对特征量 提取单元105所提取的同一人的脸部的特征量的一部分进行更新。图5是图示特征量更新単元107所更新的特征量示例的示图。在图5中，(A2)、(B2)和(C2)对应于图3所示的图像捕捉单元101分别在相应时间T所捕捉的图像(Al)、(BI)和(Cl)。在图5的(A2)中所 示的在时间T1处所捕捉的图像中，图像捕捉单元101和该人员的脸部之间的距离较长，因此脸部图像的尺寸较小。在这种情况下，仅对处于特征点位置的低频分量的特征量501进行更新。这是因为尺寸很小的脸部图像并未大量包括特征量的中频分量和高频分量，并且那些分量的特征量的可靠性很低。在图5的(B2)中所示的在时间T2处所捕捉的图像中，图像捕捉单元101和该人员的脸部之间的距离比(A2)中所图示的更短，因而脸部图像的尺寸更大。在这种情况下，仅对处于特征点位置的中频分量的特征量502进行更新。这是因为脸部图像的尺寸变得越大，因而图像中包含了中频分量，并且特征量的中频分量的可靠性变得越高。在图5的(C2)中所示的在时间T3处所捕捉的图像中，图像捕捉单元101和该人员的脸部之间的距离比(B2)中所图示的更短，并且脸部图像的尺寸更大。在这种情况下，仅对处于特征点位置的高频分量的特征量503进行更新。这是因为脸部图像变得更大，并且因此图像中包括了高频分量，并且特征量的高频分量的可靠性变得更高。如以上所描述的，特征量更新単元107仅对可靠性较高的频率分量的特征量进行更新。存储单元108保存在相应时间T处所更新的特征量。由特征量更新単元107在当前时间所更新的特征量以及在存储单元108中保存的在当前时间之前所更新的特征量都被输出至搜索单元110。搜索单元110将特征量更新単元107所更新并输出的特征量与数据库109中所保存的每个个体的特征量相比较以进行捜索。用于比较和捜索的评估公式在(数学公式2)中表示(Fn，0是特征量更新単元107所输出的第n个特征点的频率0的特征量，fn, 0是数据库109所保存的该个体的第n个特征点的频率0的特征量，并且S是个体的评估分数)。(数学公式2)
权利要求
1.ー种脸部识别设备，包括 图像捕捉単元，其被配置为捕捉对象的图像； 区域检测单元，其被配置为基于作为所述图像捕捉単元的图像捕捉结果而获得的图像来检测对象的给定区域； 特征量提取单元，其被配置为提取由所述区域检测单元所检测出的给定区域内的特征量; 距离估算单元，其被配置为估算所述图像捕捉単元和给定区域之间的距离；和特征量更新単元，其被配置为基于由所述距离估算单元所估算出的距离来更新由所述特征量提取单元所提取的特征量。
2.根据权利要求I的脸部识别设备，进一歩包括 搜索单元，其被配置为将由所述特征量更新単元所更新的特征量与事先保存的特征量进行比较以进行捜索， 其中基于所述搜索单元的捜索结果来识别所述给定区域。
3.根据权利要求I的脸部识别设备，进一歩包括 特征点位置检测单元，其被配置为检测所述给定区域内的各特征点位置， 其中所述距离估算单元基于由所述特征点位置检测单元所检测出的各特征点位置的间隔来估算所述图像捕捉単元和给定区域之间的距离。
4.ー种脸部识别设备，包括 图像捕捉単元，其被配置为捕捉人员的图像； 脸部检测单元，其被配置为基于作为所述图像捕捉単元的图像捕捉结果而获得的图像来检测所述人员的脸部； 特征点位置检测单元，其被配置为检测由所述脸部检测单元所检测出的脸部内的各特征点位置； 特征量提取单元，其被配置为提取由所述特征点位置检测单元所检测出的每个特征点位置处的特征量； 距离估算单元，其被配置为估算所述图像捕捉単元和所述脸部之间的距离； 特征量更新単元，其被配置为基于由所述距离估算单元所估算出的距离来更新由所述特征量提取单元所提取的特征量；和 搜索单元，其被配置为将由所述特征量更新単元所更新的特征量与事先保存的特征量进行比较以进行捜索， 其中基于所述搜索单元的捜索结果来识别所述脸部。
5.根据权利要求4的脸部识别设备， 其中，所述距离估算单元基于由所述特征点位置检测单元所检测出的各特征点位置的间隔来估算所述图像捕捉単元和所述脸部之间的距离。
6.ー种脸部识别设备，包括 图像捕捉単元，其被配置为捕捉人员的图像； 脸部检测单元，其被配置为基于作为所述图像捕捉単元的图像捕捉结果而获得的图像来检测所述人员的脸部； 特征点位置检测单元，其被配置为检测由所述脸部检测单元所检测出的脸部内的各特征点位置； 特征量提取单元，其被配置为提取所述特征点位置检测单元所检测出的每个特征点位置处的特征量； 距离估算单元，其被配置为基于由所述特征点位置检测单元所检测出的各特征点位置的间隔来估算所述图像捕捉単元和所述脸部之间的距离； 角度估算单元，其被配置为估算所述脸部的方向； 特征量更新単元，其被配置为基于由所述距离估算单元所估算的距离以及由所述角度估算单元所估算的脸部方向来更新由所述特征量提取单元所提取出的特征量；和 搜索单元，其被配置为将由所述特征量更新単元所更新的特征量与事先保存的特征量进行比较以进行捜索， 其中基于所述搜索单元的捜索结果来识别所述脸部。
7.根据权利要求6的脸部识别设备， 其中所述角度估算单元基于由所述特征点位置检测单元所检测出的各特征点位置的位置关系来估算所述脸部的方向。
8.—种脸部识别设备，包括 图像捕捉単元，其被配置为捕捉人员的图像； 脸部检测单元，其被配置为基于作为所述图像捕捉単元的图像捕捉结果而获得的图像来检测人员的脸部； 特征点位置检测单元，其被配置为检测由所述脸部检测单元所检测出的所述脸部内的各特征点位置； 特征量提取单元，其被配置为提取由所述特征点位置检测单元所检测出的每个特征点位置处的特征量； 距离估算单元，其被配置为基于由所述特征点位置检测单元所检测出的各特征点位置的间隔来估算所述图像捕捉単元和所述脸部之间的距离； 亮度检测单元，其被配置为检测由所述特征点位置检测单元所检测出的每个特征点位置处的亮度； 特征量更新単元，其被配置为基于由所述距离估算单元所估算出的距离以及由所述亮度检测单元所检测出的每个特征点位置处的亮度来更新由所述特征量提取单元所提取出的特征量；和 搜索单元，其被配置为将由所述特征量更新単元所更新的特征量与事先保存的特征量进行比较以进行捜索， 其中基于所述搜索单元的捜索结果来识别所述脸部。
9.ー种脸部识别方法，包括 图像捕捉步骤，捕捉对象的图像; 区域检测步骤，基于作为在所述图像捕捉步骤中的图像捕捉结果而获得的图像来检测所述对象的给定区域； 特征量提取步骤，提取在所述区域检测步骤中所检测到的给定区域内的特征量； 距离估算步骤，估算图像捕捉単元和所述给定区域之间的距离；和 特征量更新步骤，基于在所述距离估算步骤中所估算的距离来更新在所述特征量提取步骤中所提取 的所述特征量。
全文摘要
公开了一种能够以高精确度根据图像捕捉所获得的图像识别人员的脸部之类的对象的给定区域的脸部识别设备和脸部识别方法。该脸部识别设备包括图像捕捉单元(101)，其被配置为捕捉对象的图像；脸部检测单元(102)，其被配置为基于所捕捉的图像来检测人员的脸部；特征点位置检测单元(104)，其被配置为检测所检测的脸部内的特征点位置；特征量提取单元(105)，其被配置为提取每个所检测的特征点位置的特征量；距离估算单元(106)，其被配置为根据所检测的特征点位置的间隔来估算图像捕捉单元(101)和脸部之间的距离；特征量更新单元(107)，其被配置为基于距离估算单元(106)所估算的距离来更新特征量提取单元(105)所提取的特征量；和搜索单元(110)，其被配置为将所更新的特征量与保存在数据库(109)中的特征量相比较以进行搜索。基于搜索单元(110)的搜索结果来识别脸部。结果，能够以高精确度根据图像捕捉所获得的图像来识别人员的脸部。
文档编号G06T7/00GK102822865SQ201080066010
公开日2012年12月12日 申请日期2010年11月8日 优先权日2010年3月30日
发明者青木胜司, 中野渡祥裕, 山田伸, 由雄宏明, 松川隆行 申请人:松下电器产业株式会社