專利名稱：基于單個(gè)圖像的多生物統(tǒng)計(jì)系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于整合面部、皮膚及虹膜識(shí)別以提供一用于識(shí)別個(gè)體的具有空前準(zhǔn)確度的生物統(tǒng)計(jì)系統(tǒng)的方法。此方法的一引人注目的特征在于其只需要單個(gè)描繪人臉的數(shù)字圖像作為源數(shù)據(jù)。
背景技術(shù)：

發(fā)明內(nèi)容
本發(fā)明可實(shí)施為一種面部識(shí)別方法及相關(guān)設(shè)備的形式，其包括選擇一面部的單個(gè)圖像、對(duì)所述單個(gè)圖像中的面部特征進(jìn)行定位、將在所述單個(gè)圖像中所定位的面部特征與一參考圖像的面部特征相比較、將所述單個(gè)圖像中的虹膜特征與所述參考圖像中的虹膜特性相比較、并根據(jù)所述面部特征比較及所述虹膜特征比較來計(jì)算所述單個(gè)圖像與所述參考圖像之間的一相似性得分。
在本發(fā)明的更詳細(xì)特征中，所述單個(gè)圖像可具有一至少約為600像素的眼距分辨率，并可具有至少約5兆像素?？赏ㄟ^將所述單個(gè)圖像中所述面部的皮膚特性與一參考圖像中一面部的皮膚特性相比較來實(shí)施一皮膚紋理分析，且所述相似性得分可進(jìn)一步基于所述皮膚紋理分析。所述皮膚紋理分析可包括對(duì)面部中適于進(jìn)行皮膚紋理分析的皮膚區(qū)域進(jìn)行定位；對(duì)所定位的皮膚區(qū)域進(jìn)行扭曲、對(duì)齊及規(guī)范化；并從所定位的皮膚區(qū)域中提取皮膚特性。所述皮膚特性可由毛孔、皺紋及痣構(gòu)成。
在本發(fā)明的其他更詳細(xì)特征中，所述單個(gè)圖像可選自一視頻，且所述面部特征是根據(jù)對(duì)所述視頻中面部特征的面部特征跟蹤來定位的。此外，所述面部特征還可使用彈性束圖匹配來定位?；蛘撸雒娌刻卣骺墒褂肎abor子波來定位。


附解說明本發(fā)明各實(shí)施例，并連同說明一起用來解釋本發(fā)明原理。
圖1為一流程圖，其圖解說明一種根據(jù)本發(fā)明使用一多生物統(tǒng)計(jì)方法根據(jù)單個(gè)數(shù)字圖像來識(shí)別人的方法。
圖2為一流程圖，其圖解說明一種用于皮膚紋理分析的匹配過程。
圖3為一面部圖像的照片，其顯示一圖形中位于所關(guān)心面部特征處的節(jié)點(diǎn)。
圖4為一可經(jīng)調(diào)諧以實(shí)施面部、皮膚及虹膜識(shí)別的視覺識(shí)別引擎的一方塊圖。
具體實(shí)施例方式
本發(fā)明涉及用于整合面部、皮膚及虹膜識(shí)別以提供一用于識(shí)別個(gè)體的具有空前準(zhǔn)確度的生物統(tǒng)計(jì)系統(tǒng)的方法。此方法的一引人注目的特征在于其只需要單個(gè)描繪人臉的數(shù)字圖像作為源數(shù)據(jù)。在各種各樣的操作條件下，誤拒絕率可低于0.001，而誤接受率為0.01，從而超過傳統(tǒng)上較佳的指紋法的辨認(rèn)準(zhǔn)確度。本發(fā)明允許使用一種只需要被辨認(rèn)個(gè)體進(jìn)行最小限度配合的非侵害性生物統(tǒng)計(jì)來對(duì)大的數(shù)據(jù)庫(kù)進(jìn)行有效檢索。
數(shù)字照相機(jī)正變得日益普遍及便宜。而且，用戶數(shù)字照相機(jī)所使用的CCD及類似成像傳感器的分辨率一直在穩(wěn)定地提高。目前所具有的大部分照相機(jī)能夠具有五兆或以上的像素，從而在普通打印尺寸情況下使打印質(zhì)量能夠與基于膠片的模擬照相機(jī)相媲美。最近，全球用戶數(shù)字照相機(jī)的銷售量超過了更便宜的模擬照相機(jī)。很快，廉價(jià)照相機(jī)(例如網(wǎng)絡(luò)照相機(jī)及嵌入移動(dòng)手機(jī)中的照相機(jī))將支持如此高的分辨率。
可利用高分辨率圖像的此種可用性來超越現(xiàn)有面部識(shí)別技術(shù)，以提高這些生物統(tǒng)計(jì)系統(tǒng)的準(zhǔn)確度。現(xiàn)有技術(shù)更多地依賴整體(即基于圖像的)匹配方法，或依賴從顯眼的面部標(biāo)志(例如鼻、眼或嘴)所提取的局部特征的匹配。一個(gè)非常成功的實(shí)例是面部識(shí)別技術(shù)，其使用彈性束圖匹配對(duì)面部特征位置進(jìn)行準(zhǔn)確定位，并計(jì)算由各種比例及取向的Gabor子波系數(shù)構(gòu)成的模板，從而形成一個(gè)體的獨(dú)有的面部模板。參見2001年10月9日頒與的第6,301,370號(hào)美國(guó)專利“根據(jù)視頻圖像進(jìn)行的面部識(shí)別(FACERECOGNITION FROM VIDEO IMAGES)”。
通過使用一更高分辨率圖像，能夠例如使用從面部上的無(wú)毛發(fā)區(qū)域所提取的皮膚小片以更詳細(xì)的程度進(jìn)行面部分析，或通過分析一個(gè)體虹膜中獨(dú)有的圖案而以一甚至更高的詳細(xì)程度進(jìn)行面部分析。一包含面部的圖像的分辨率本身并不是用于指示捕捉所述面部的像素分辨率的可靠量度。例如，一極高分辨率圖像可包含一在景物中非常遠(yuǎn)的面部，以致僅由很少的像素來表示所述面部?；蛘撸粯O低分辨率圖像可包含一非常近的面部，以致所述圖像中的大部分分辨率均用來表示所述面部。一更適用的分辨率量度是“眼距分辨率”，其在本文中被定義為一面部中左瞳孔與右瞳孔之間的像素分辨率。對(duì)于典型的傳統(tǒng)面部識(shí)別技術(shù)而言，需要眼距分辨率約為25至80像素(例如40像素)，而對(duì)于皮膚小片分析而言，需要眼距分辨率約為120至150像素，且對(duì)于虹膜分析而言，需要眼距分辨率約為600至650像素。
另外，重要的是圖像不模糊，否則會(huì)降低有效圖像分辨率。對(duì)一受檢測(cè)面部的區(qū)域使用傅立葉方法便能夠估計(jì)是否已真正地達(dá)到必要的“有效眼距分辨率”。最后，重要的是檢查已達(dá)到有效像素深度。此可使用同樣取自一所檢測(cè)面部的區(qū)域的灰度值直方圖來容易地實(shí)現(xiàn)。較佳地，所述像素深度接近至少8位。
如果在一足夠窄的視角處使用一5或6兆像素照相機(jī)在一適當(dāng)距離處捕捉一面部，則眼距分辨率可處于虹膜分析技術(shù)的范圍內(nèi)，且因此可從一個(gè)數(shù)據(jù)源中提取用于三種完全不同的生物統(tǒng)計(jì)方法的生物統(tǒng)計(jì)模板。此外，可采用用于獲得超級(jí)分辨率的眾所周知的方法來提高有效圖像分辨率(例如使用光流及不規(guī)則采樣的圖像中的超級(jí)分辨率(Superresolution in images using optical flow and irregular Sampling)，MarcRumol，Patrick Vandewalle，LCAV-School of Computer and Communication Sciences，Ecole Polytechnique Fédérale de Lausanne)。
將不同的生物統(tǒng)計(jì)方法相組合可提高驗(yàn)證準(zhǔn)確度，并且還提高生物統(tǒng)計(jì)系統(tǒng)的總體可用性。成功的實(shí)例是將聲音與面部、及指紋與面部相融合。這些方法所具有的共同之處是其需要不同的傳感裝置。本發(fā)明方法能夠?qū)⑸鲜錾锝y(tǒng)計(jì)方法、面部、皮膚紋理分析及虹膜識(shí)別組合于一個(gè)單傳感器、基于圖像的多生物統(tǒng)計(jì)系統(tǒng)中。
參照?qǐng)D1闡述單圖像多生物統(tǒng)計(jì)分析(SIMBA)過程10。選擇一面部12的輸入圖像來進(jìn)行分析(步驟14)。在已對(duì)所述面部及其面部特征進(jìn)行定位(步驟16及18)后，在三個(gè)分別分析面部、皮膚紋理及虹膜特征的半正交通道20、22及24中對(duì)所述面部的不同部分進(jìn)行處理(步驟26)。將所定位的面部特征與來自一數(shù)據(jù)庫(kù)27中的面部圖像的對(duì)應(yīng)值進(jìn)行比較。一融合模塊28將這三個(gè)通道的結(jié)果結(jié)合成單個(gè)相似性得分。根據(jù)所述相似性得分(步驟30)，識(shí)別出所述圖像中的人(步驟32)或在所述數(shù)據(jù)庫(kù)中未發(fā)現(xiàn)所述人(步驟34)。
面部檢測(cè)(步驟16)可通過幾種現(xiàn)有面部查找程序中的任何一種來實(shí)施。一較佳方法使用一通過Adaboost算法加以訓(xùn)練的決策樹并使用Gabor子波作為特征。此方法對(duì)一代表性圖像集合達(dá)到99.7％的面部檢測(cè)率且誤警報(bào)率為0.001。其性能超過例如由Viola及Jones于2001年12月在“使用簡(jiǎn)單特征的增強(qiáng)級(jí)聯(lián)進(jìn)行快速對(duì)象檢測(cè)，IEEE計(jì)算機(jī)視覺及圖案識(shí)別會(huì)議會(huì)刊(Rapid Object Detection using a Boosted Cascade ofSimple Features，Proc.of IEEE Conf.on Computer Vision and Pattern Recognition)”中、及由Rowley等人在1998年提出的方法。
面部特征檢測(cè)(步驟18)可根據(jù)彈性圖匹配技術(shù)使用一高速面部特征查找及跟蹤模塊來實(shí)施。參見名稱為“對(duì)化身動(dòng)畫的基于子波的面部運(yùn)動(dòng)捕捉(WAVELET-BASED FACIAL MOTION CAPTURE FOR AVATAR ANIMATION)”的第6,272,231號(hào)美國(guó)專利。較佳地，對(duì)面部中的五十五(55)個(gè)特征位置進(jìn)行實(shí)時(shí)檢測(cè)及跟蹤。此模塊在準(zhǔn)確度及速度方面是獨(dú)一無(wú)二的。面部特征跟蹤使SIMBA技術(shù)大大增強(qiáng)，因?yàn)槠湓试S對(duì)一視頻序列的每一幀中的面部特征(包括瞳孔)進(jìn)行精確定位。對(duì)面部特征進(jìn)行精確定位是對(duì)面部特征、皮膚小片及虹膜細(xì)部進(jìn)行比較的先決條件。
面部特征比較(步驟20)可使用市場(chǎng)上的幾種引擎中的一種、尤其是可從位于加利福尼亞州Santa Monica的Neven Vision公司購(gòu)得的面部識(shí)別引擎來實(shí)施。一較佳的選擇同樣闡述于名稱為“根據(jù)視頻圖像進(jìn)行的面部識(shí)別(FACE RECOGNITIONFROM VIDEO IMAGES)的第6,301,370號(hào)美國(guó)專利中，該專利以引用方式并入本文中。
皮膚紋理分析(步驟22)可根據(jù)對(duì)個(gè)體皮膚特性(例如毛孔、皺紋、痣等等)的分析。適當(dāng)?shù)膮^(qū)域?yàn)槊娌恐泄饣?、無(wú)毛發(fā)的區(qū)域，例如(舉例而言)面頰、下巴、鼻子或前額。根據(jù)如發(fā)型或性別(面部毛發(fā))之類的因素而定，可使用哪些區(qū)域可因人而異。
參照?qǐng)D2，皮膚紋理分析的匹配過程210可劃分成如下處理步驟1.檢測(cè)面部(步驟212)；2.檢測(cè)面部特征(步驟214)；3.確定面部中適于皮膚紋理分析的皮膚區(qū)域的位置(步驟216)；4.對(duì)皮膚小片進(jìn)行扭曲、對(duì)齊及規(guī)范化(步驟218)；5.提取用于描述局部皮膚區(qū)域的特征(步驟220)；6.將這些特征與參考圖像相比較，并計(jì)算相似性得分(步驟222)。
近來由Bruno Delean所揭示的一種解決方案將眼下面的區(qū)域劃分成矩形方塊并使用簡(jiǎn)單的方塊匹配算法及對(duì)相鄰方塊相對(duì)位置的直觀推斷式評(píng)價(jià)來計(jì)算所述相似性得分。(Bruno Delean，“用于概率性圖像分析方法及設(shè)備(Method and apparatus forprobabilistic image analysis)”，第2004/0052418號(hào)美國(guó)專利申請(qǐng)公開案)。前面所闡述的各方法采用使用Gabor子波的基于彈性圖匹配的更復(fù)雜方法(Buhmann等人，1990年，及Wiskott等人，1997年)。
由于當(dāng)前的面部識(shí)別及面部檢測(cè)技術(shù)(例如第6,301,370號(hào)美國(guó)專利)依賴對(duì)顯眼的面部特征的位置進(jìn)行準(zhǔn)確地精確定位，因此其非常適用于基于皮膚紋理分析的生物統(tǒng)計(jì)辨認(rèn)。一個(gè)選項(xiàng)是使用彈性圖匹配技術(shù)。所述彈性圖匹配技術(shù)將面部表示成一其節(jié)點(diǎn)對(duì)應(yīng)于如眼角或鼻尖等面部標(biāo)志帶標(biāo)記的圖，并能夠以高精度將此圖布置在所表示圖像中的面部上。根據(jù)這些所找到的標(biāo)志，可對(duì)面部中用于皮膚紋理分析的區(qū)域進(jìn)行精確定位。此種面部識(shí)別技術(shù)能夠判定面部的局部特性，例如是否存在面部毛發(fā)或眼鏡。使用此信息，可導(dǎo)出適用于皮膚分析的區(qū)域的更可靠的個(gè)體化面部映像圖。
參照?qǐng)D3，可使一彈性圖的節(jié)點(diǎn)適合于高分辨率圖像。在無(wú)毛發(fā)區(qū)域及虹膜區(qū)域上布置比通常所使用的更高的節(jié)點(diǎn)密度。在每一節(jié)點(diǎn)處所提取的特征向量的參數(shù)適于最佳地說明預(yù)期的信號(hào)內(nèi)容。圖3中的節(jié)點(diǎn)位置為概念性的。虹膜(具體而言)上的實(shí)際節(jié)點(diǎn)密度可更高。
此外，由于可導(dǎo)出面部特征的位置及表情，因此可在分析一所提取的皮膚小片前對(duì)其進(jìn)行規(guī)范化或解扭曲。此一情形的一實(shí)例將是捕捉到要辨認(rèn)的用戶面部上帶有的夸張表情(例如狂笑或皺眉)、從而使眼睛下面其中捕捉所述皮膚小片的區(qū)域變形。在一現(xiàn)場(chǎng)捕捉情形中，如果檢測(cè)到一夸張的表情，則可為用戶提供反饋以作出一更中性的或不太夸張的表情。另一其中通過使用精確的標(biāo)志查找來大大增強(qiáng)更高分辨率分析的情形是其中面部處于一非正面位置的情況。一旦檢測(cè)至一非正面面部，便可通過在面部識(shí)別商家測(cè)試(face recognition vendor test)2002(FRVT 2002)的報(bào)告中所闡述及提及的方法將所述面部圖像扭至正面。
在已辨認(rèn)出要用于匹配的皮膚區(qū)域后，一種用于比較皮膚小片的方式是將所辨認(rèn)出的區(qū)域表示成一其中各節(jié)點(diǎn)對(duì)應(yīng)于局部皮膚小片的帶標(biāo)記子圖。節(jié)點(diǎn)的密度經(jīng)選擇以實(shí)現(xiàn)準(zhǔn)確度與處理速度之間的最佳平衡。在這些節(jié)點(diǎn)的位置處，提取一描述所述皮膚小片的適合的特征向量(例如Gabor射流，像素小片)。在對(duì)每一如此選擇的皮膚小片進(jìn)行的匹配步驟期間，將所述特征向量分別與參考圖像的面部區(qū)域進(jìn)行匹配并辨認(rèn)出最相似的皮膚小片。結(jié)果得到原始圖像中的圖的一或多或少出現(xiàn)失真的形式。根據(jù)原始圖與匹配圖之間的相似性及失真，通過納含局部幾何約束來計(jì)算一相似性得分。參見第6,301,370號(hào)美國(guó)專利。
就虹膜分析而言，準(zhǔn)確特征查找可對(duì)瞳孔的位置且因此對(duì)周圍的虹膜進(jìn)行精確定位。而且，可檢測(cè)到眼的狀態(tài)(例如睜開或閉上)。自然地，對(duì)于虹膜分析而言，眼睛需要睜開以露出虹膜。上文所述的所有皮膚分析技術(shù)均適用于分析虹膜。
可對(duì)虹膜分析使用現(xiàn)有的虹膜掃描及識(shí)別技術(shù)(步驟24)。對(duì)現(xiàn)有技術(shù)的改進(jìn)可在于，面部特征檢測(cè)及跟蹤與面部、皮膚及虹膜識(shí)別的緊密結(jié)合將實(shí)現(xiàn)移動(dòng)裝置所需的完整識(shí)別引擎的一種超資源有效且快速的實(shí)施方案。重要的是應(yīng)注意，分析虹膜圖案在許多方面不如分析易發(fā)生相當(dāng)多變化的面部復(fù)雜。
參照?qǐng)D4，一視覺識(shí)別引擎可經(jīng)調(diào)諧以實(shí)施面部、皮膚及虹膜識(shí)別。視覺識(shí)別的宏算法原理為從關(guān)鍵興趣點(diǎn)提取特征向量；對(duì)對(duì)應(yīng)的特征向量進(jìn)行比較；導(dǎo)出一相似性量度并將其與一閾值相比較以判定所述對(duì)象是否完全相同。在例如面部檢測(cè)等類別識(shí)別情況下，采用一神經(jīng)網(wǎng)絡(luò)、增強(qiáng)或一支持向量機(jī)器從具體示例中引出結(jié)論。然而，通過進(jìn)一步觀察會(huì)注意到，采用專用子模塊來實(shí)施某些步驟會(huì)優(yōu)于該文獻(xiàn)中所述的現(xiàn)有技術(shù)。更具體而言1)興趣算子使用Gabor子波的相位一致性及相位對(duì)稱性會(huì)優(yōu)于該文獻(xiàn)中所提到的許多其他興趣點(diǎn)算子，例如Affine Harris、DOG及Affine Laplace。
2)特征向量本發(fā)明廣泛利用Gabor子波作為一用于描述局部圖像結(jié)構(gòu)的強(qiáng)大通用數(shù)據(jù)格式。在適當(dāng)時(shí)，借助使人想起由Viola及Jones所開創(chuàng)方法的已知特征來擴(kuò)充Gabor子波。最后，一由從顯示一般性表面小片的變化的大量圖像數(shù)據(jù)集合中提取的參數(shù)化特征向量集合構(gòu)成的字典“Locons”的應(yīng)用頗具前景。此方法具有顯著促進(jìn)獲得更好的姿勢(shì)及照明不變性的潛力。
3)匹配該文獻(xiàn)中所闡述的幾乎所有匹配例程只考慮特征向量之間的相似性。可通過下述方式來獲得改進(jìn)明確地估計(jì)位移矢量以及描述環(huán)境條件(例如視點(diǎn))及照明條件的參數(shù)集合，此可允許更快地獲知新的對(duì)象并在各種各樣的條件下對(duì)其進(jìn)行識(shí)別。
當(dāng)對(duì)在各個(gè)圖像上所見到的個(gè)體是否為同一個(gè)體進(jìn)行判定時(shí)，需要將來自面部標(biāo)志圖與虹膜子圖的相似性得分相結(jié)合。該文獻(xiàn)中闡述有多種關(guān)于如何實(shí)現(xiàn)此種結(jié)合的方法?？蓞⒖计渲薪淌救绾螌⒉煌拿娌孔R(shí)別方法相結(jié)合的面部識(shí)別商家測(cè)試(FaceRecognition Vendor Test)2002的擴(kuò)充報(bào)告NISTIR 2004以及參考其中顯示如何最佳地將面部與虹膜識(shí)別相結(jié)合的下述文章Yun HongWang、Tieniu Tanl，及Anil K.Jain所著的“將面部及虹膜生物統(tǒng)計(jì)相組合地進(jìn)行身份驗(yàn)證(Combining Face and IrisBiometrics for Identity Verification)”，AVBPA 2003年。
關(guān)于各種融合規(guī)則的經(jīng)驗(yàn)已發(fā)現(xiàn)，在將虹膜、皮膚及面部特征分析相結(jié)合的情況下，可通過一傳感器融合方法來達(dá)到最佳結(jié)果，所述傳感器融合方法首先單獨(dú)地將每一識(shí)別通道的匹配得分均等至一
間隔，然后通過形成平均值來使其融合。
在圖像分辨率為4至5兆像素、且特別是分辨率為6兆像素及以上的情況下，面部、皮膚小片及虹膜分析的組合可分階段對(duì)同一源圖像進(jìn)行處理，以顯著提高面部識(shí)別系統(tǒng)的準(zhǔn)確度及可靠性。一通過初始面部特征查找步驟實(shí)現(xiàn)的引人注目的特征在于可根據(jù)對(duì)可在眼睛之間得到多少像素分辨率的初始判定而定，自動(dòng)接通或關(guān)斷需要更高分辨率的用于精細(xì)皮膚及虹膜分析的模塊。
SIMBA中的融合生物統(tǒng)計(jì)的另一優(yōu)點(diǎn)在于其極佳地處理所謂“活檢查”問題。實(shí)施活檢查會(huì)解決如何判定當(dāng)前生物統(tǒng)計(jì)是源自于一活的個(gè)體還是源自于一人工制品(例如照片)的問題。面部特征跟蹤可用于分析內(nèi)部面部運(yùn)動(dòng)且因此可防止一冒名頂替者使用靜止圖像。以一類似方式，虹膜分析可測(cè)量瞳孔的變化的收縮或擴(kuò)張(最終甚至通過將光照射于瞳孔上來激勵(lì))以判定正在查看一活的個(gè)體。最后，準(zhǔn)確的標(biāo)志查找可用于判定所檢測(cè)的面部特征是否全部處于一平面中。此進(jìn)一步允許舍棄冒名頂替者可能顯示給生物統(tǒng)計(jì)系統(tǒng)的視頻圖像。
所述SIMBA方法避免了假定可容許要求用戶依序曝露至其中許多是侵害性或難以使用的不同生物統(tǒng)計(jì)傳感器的問題。一有效的多生物統(tǒng)計(jì)系統(tǒng)需便于使用。虹膜及指紋識(shí)別的現(xiàn)有用途顯示易于使用形尚未成為設(shè)計(jì)中的高優(yōu)先性因素。與此相反，所述SIMBA方法僅依賴單個(gè)2D圖像傳感器并僅在內(nèi)部采用多生物統(tǒng)計(jì)，因?yàn)榘胝蛔R(shí)別通道利用包含于圖像的各個(gè)方面中的生物統(tǒng)計(jì)信息。重要的是應(yīng)注意使用一種魯棒的技術(shù)進(jìn)行實(shí)時(shí)面部特征跟蹤。
權(quán)利要求
1.一種面部識(shí)別方法，其包括選擇一面部的一單個(gè)圖像；對(duì)所述單個(gè)圖像中的面部特征進(jìn)行定位；將在所述單個(gè)圖像中定位的面部特征與一參考圖像的面部特征相比較；將所述單個(gè)圖像中的虹膜特征與所述參考圖像中的虹膜特性相比較；及根據(jù)所述面部特征比較及所述虹膜特征比較來計(jì)算所述單個(gè)圖像與所述參考圖像之間的一相似性得分。
2.如權(quán)利要求1所述的面部識(shí)別方法，其中所述單個(gè)圖像具有一至少約600像素的眼距分辨率。
3.如權(quán)利要求1所述的面部識(shí)別方法，其中所述單個(gè)圖像包括至少約5兆像素。
4.如權(quán)利要求1所述的面部識(shí)別方法，其進(jìn)一步包括通過將所述單個(gè)圖像中所述面部的皮膚特性與一參考圖像中一面部的皮膚特性相比較來實(shí)施一皮膚紋理分析，其中所述相似性得分進(jìn)一步基于所述皮膚紋理分析。
5.如權(quán)利要求4所述的面部識(shí)別方法，其中所述皮膚紋理分析包括對(duì)所述面部中適用于皮膚紋理分析的皮膚區(qū)域進(jìn)行定位；對(duì)所述所定位的皮膚區(qū)域進(jìn)行扭曲、對(duì)齊及規(guī)范化；及從所述所定位的皮膚區(qū)域提取皮膚特性。
6.如權(quán)利要求5所述的面部識(shí)別方法，其中所述皮膚特性可由毛孔、皺紋及痣組成。
7.如權(quán)利要求1所述的面部識(shí)別方法，其中所述單個(gè)圖像選自一視頻，所述面部特征是根據(jù)對(duì)所述視頻中所述面部特征的面部特征跟蹤進(jìn)行定位。
8.如權(quán)利要求1所述的面部識(shí)別方法，其中使用彈性束圖匹配對(duì)所述面部特征進(jìn)行定位。
9.如權(quán)利要求1所述的面部識(shí)別方法，其中使用Gabor子波對(duì)所述面部特征進(jìn)行定位。
10.一種面部識(shí)別設(shè)備，其包括用于選擇一面部的一單個(gè)圖像的構(gòu)件；用于對(duì)所述單個(gè)圖像中的面部特征進(jìn)行定位的構(gòu)件；用于將在所述單個(gè)圖像中定位的面部特征與一參考圖像的面部特征相比較的構(gòu)件；用于將所述單個(gè)圖像中的虹膜特征與所述參考圖像中的虹膜特性相比較的構(gòu)件；及用于根據(jù)所述面部特征比較及所述虹膜特征比較來計(jì)算所述單個(gè)圖像與所述參考圖像之間的一相似性得分的構(gòu)件。
11.如權(quán)利要求10所述的面部識(shí)別設(shè)備，其中所述單個(gè)圖像具有一至少約600像素的眼距分辨率。
12.如權(quán)利要求10所述的面部識(shí)別設(shè)備，其中所述單個(gè)圖像包括至少約5兆像素。
13.如權(quán)利要求10所述的面部識(shí)別設(shè)備，其進(jìn)一步包括用于通過將所述單個(gè)圖像中所述面部的皮膚特性與一參考圖像中一面部的皮膚特性相比較來實(shí)施一皮膚紋理分析的構(gòu)件，其中所述相似性得分進(jìn)一步基于所述皮膚紋理分析。
14.如權(quán)利要求13所述的面部識(shí)別設(shè)備，其中所述用于實(shí)施一皮膚紋理分析的構(gòu)件包括用于對(duì)所述面部中適用于皮膚紋理分析的皮膚區(qū)域進(jìn)行定位的構(gòu)件；用于對(duì)所述所定位的皮膚區(qū)域進(jìn)行扭曲、對(duì)齊及規(guī)范化的構(gòu)件；及用于從所述所定位的皮膚區(qū)域提取皮膚特性的構(gòu)件。
15.如權(quán)利要求14所述的面部識(shí)別方法，其中所述皮膚特性可由毛孔、皺紋及痣組成。
全文摘要
本發(fā)明闡述用于將面部、皮膚及虹膜識(shí)別相結(jié)合以提供一種用于辨認(rèn)個(gè)體的具有空前準(zhǔn)確度的生物統(tǒng)計(jì)系統(tǒng)的方法。此方法的一引人注目的特征在于其只需要單個(gè)描繪人臉的數(shù)字圖像作為源數(shù)據(jù)。
文檔編號(hào)G06K9/68GK101027678SQ200580026089
公開日2007年8月29日 申請(qǐng)日期2005年6月21日 優(yōu)先權(quán)日2004年6月21日
發(fā)明者哈特穆特·內(nèi)文, 亞當(dāng)·哈特維希 申請(qǐng)人:谷歌公司