JPH05508951A - 画像処理方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。

Description

【発明の詳細な説明】 画像処理方法 この発明は画像処理方法に関し、特にそのような方法を顔のような目的物の画像 の認識及びコード化に使用する方法に関する。

目的物の認識に十分有効な１つの分野は、建造物での制限された出入り、又は資 金転送の保安に使用される自動同一性確認技術で、例えばＵＫ出願　ＧＢ９００ ５１９０．５　などがその方法である。このような資金転送作業では、ユーザは 機械で読取れるデータを含むカードを所持することが多く、そのデータは磁気的 、電気的、又は光学的に記録されている。

顔認識の１つの特定応用には、カードに正しいユーザの顔認識データをカードに 記録して、権限のない人物によるそのようなカードの使用を防ぐものがある。こ の場合、そのデータを読出し、カメラを使用してカードを使用しようとしている 人物の顔画像を得、その画像を分析し、その分析結果は正しいユーザのカードに 記録されたデータと比較される。

そのようなカメラの格納容量は、一般に数百バイトで、これは画素（ｐｉｘｅｌ ）のフレームとして画像を認識するために必要なメモリ空間より遥かに少ない。

従って、少ない数のメモリバイトを使用して画像を特徴付ける画像処理技術を使 用する必要がある。

少ないバイト数で必要な画像を特徴付ける画像処理技術の他の応用は、ＵＳ特許 　４８４１５７５として発行された以前の我々の出願の中に開示されているよう な、ハイブリッドビデオコーディング技術（ｈｙｂｒｉｄ　ｖｉｄｅｏ　ｃ。

ｄｉｎｇ　ｔｅｃｈｎｉｑｕｅｓ）である。この出願及び同様な他の出願におい ては、検知できる画像の重要部分の位置が発見され、利用できるコード化データ が好適にそのような部分に割り付けられる。

一般に知られているその様な画像処理技術は次のステップを含む。即ち、画像内 で少なくとも１つの所定特徴の位置を発見し；前記特徴を各々示す前記画像から 前記画像データを抽出し；前記特徴画像データの位置を示す特徴ベクトルを各特 徴についてＮ次元空間で計算する。前記空間は複数の参照ベクトルによって定義 され、各参照ベクトルは類似する特徴の画像の練習セット（ｔｒａｉｎｉｎｇ　 ５ｅｔ）の固有ベクトル（ｅｉｇｅｎｖｅｃｔｏｒ）である。

カーフネンｏ−ブ変換（Ｋａ　ｒｈｕｎｅｎ−Ｌｏｅｂｅｔｒａｎｓｆｏｒｍ： ＫＬＴ）は様々の応用に使用される良く知られた信号処理技術である。この変換 を人の顔を認識するために適用することが提案された（Ｓｉｒｏｖｉｔｃｈａｎ ｄ　Ｋｉｒｂｙ、Ｊ、Ｏｐｔ、Ｓｏｃ、Ａｍ、Ａ　ｖ。

１　４　ｎｏ　３．ｐｐ５１９〜５２４”人の顔の特徴描写に使用する低次元処 理（Ｌｏｗ　ＤｉｍｅｎｓｉｏｎａｌＰｒｏｃｅｄｕｒｅ　ｆｏｒ　ｔｈｅ　Ｃ ｈａｒａｃｔｅｒｉｓａｔｉｏｎ　ｏｆ　Ｈｕｍａｎ　Ｆａｃｅｓ）’ａｎｄＩ ＥＥＥ　Ｔｒａｎｓ　ｏｎ　Ｐａｔｔｅｒｎ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｍａ ｃｈｉｎｅ　Ｉｎｔｅｌｌｉｇｅｎｃｅ　Ｖｏｌ　１２．ｎｏ　１　ｐｐ１０３ 〜１０８’人の顔の特徴描写に関するカーフネンローブ処理の応用（Ａｐｐｌｉ ｃａｔｉｏｎ　ｏｆ　ｔｈｅ　Ｋａｒｈｕｎｅｎ−Ｌ。

ｅｖｅ　Ｐｒｏｃｅｄｕｒｅ　ｆｏｒ　ｔｈｅ　Ｃｈａｒａｃｔｅｒｉｓａｔｉ ｏｎ　ｏｆ　Ｈｕｍａｎ　Ｆａｃｅｓ）”）これらの技術では、参照母集団の中 の複数のメンバーの実質的に顔の全体画像が処理され、Ｎ個のｅｉｇｅｎｖｅｃ ｔｏｒのセットを獲得する。各ベクトルはピクチャーに類似する外見［固有ピク チ＋−（ｅｉｇｅｎ−ｐｉｃｔｕｒｅｓ）又は誇張側（ｃａｒｉｃａｔｕｒｅｓ ）］を有し、それらが記録された。次の認識フェーズでは、与えられたテスト顔 面画像（これは参照母集団に属す必要はない）は、その画像ベクトルによって、 固有ベクトルにより定義されるＮ次元空間で特徴付けられる。画像ベクトル又は それらから得られたデータと、認識データとを比較することで、確認信号をその 比較結果に基づいて発生できる。

しかし、人が人間の顔を容易に忘れることはないのに比べ、機械にとってこの仕 事は容易なことではない。なぜなら、人の目や口は表情によって変化するので、 顔面画像処理においては、人の顔の外見は大幅に変化するからである。

本発明の第１の特徴によれば、クレーム１の前文に従う画像処理方法は、各特徴 の画像データを修正して、各特徴の形状を正規化することで、前記特徴の所定標 準形状からのずれを減少するステップを含み、このステップは対応する特徴べク トルを計算する前に実行される。

我々は、例えば顔面画像の認識精度は、人の変化する顔の表情の影響を減少する ための修正ステップにより大幅に向上できることを発見した。

例えば顔面画像の場合、所定の特徴は、顔全体又は鼻や口など顔の一部である。

所望であれば幾つかの特徴部分の位置が発見され、固有ベクトルの対応する空間 内のベクトルとして特徴付けられる。

出願人によって最初に着想された用途は人の顔面画像の領域で、その考察及び実 施例はそのような画像に関しているが、本発明は人の顔量外の対象物の画像処理 に応用できることは、当業者に容易に判断できることである。

本発明は又、より少ない固有ピクチャー（ｅｉｇｅｎ　ｐｉｃｔｕｒｅ）の使用 を可能とし、従って格納又は転送容量を節約できる。

更に、特徴の形状を標準（地勢学的に等価の）特徴形状に向かって修正すること で、特徴の位置検出精度が向上する。

類似する特徴画像の練習セットは修正され、画像の各練習セットの形状を正規化 することで、前記特徴の所定標準形状からの逸脱を減少する。このステップは画 像の練習セットの固有ベクトルを計算する前に行われる。

この方法は対象物の認識にのみ使用できるのではなく、ハイブリッドコード化技 術としても使用できる。このコード化技術では、特徴の位置データ及び特徴を示 すデータ（Ｎ次元ベクトル）は受信機に転送され、そこで画像ベクトルに対応す る固有ピクチャーを組み合わせることによってアッセンブルされる。

固有ピクチャーは、互いに関係する画像セット内の変化を抽出し、そのような画 像及びそれに類似する他の画像を示すのに使用できる手段を提供する。例えば、 目の画像は′最良″座標系の゛固有口（ｅｉｇｅｎ−ｅｙｅｓ）＝の用語を使用 して経済的に表現できる。

固有ピクチャーはそれ自体、第１画像の練習セットから決定され、最初の固有ピ クチャーが画像間の最大変化を具体化し、次の固有ピクチャーが単純減少変化を 有するように形成される。次にそのセット内の画像は、次に示す基本関数を効果 的に形成する固有ピクチャーを用いてシリーズ（ｓ　ｅ　ｒ　１ｅｓ）として表 現できる。

工°Ｍ　＊　ｗｌＰｌ＋　ｗ２Ｆ２°、　、　、　＊　ｗｍＰｍここで、Ｍ　− 画像の全練習セットの平均ｗ、＝ｉ番目の固有ピクチャーの成分 Ｐ、＝ｍの中のｉ番目の固有ピクチャー■　−原画像 上記シリーズを短縮しても、与えられた数の固有ピクチャーについて、二乗平均 エラー（ｍｅａｎ−ｓｑｕａｒｅ−ｅｒｒｏｒ）に関して、依然として最良の表 現を有している。

固有ベクトルの基本は、直交する方向に従属する最大変化をそれらベクトルが示 すように選択される。つまり、各練習画像はｎ次元空間内の１点として考えられ る。ここで−ｎ′は複数の画素内の練習画像のサイズである。固有ピクチャー・ ベクトルは生成されたクラスター（ｃｌｕｓｔｅｒ）を介して、最大変化線上に なるように選択される。

練習画像Ｉ１１・・・、！、が与えられると、我々は最初に平均画像Ｍを形成し 、そして差画像（ａ、に、ａ、−誇張画像（ｃａｒｉｃａｔｕｒｅｓ）−）Ｄ、 −Ｉ・−Ｍを形成する０第１パラグラフ（前述の）は我々の固有ピクチャー・ベ クトルＰ、を次のように選択するのと等価である。

前記Ｐｋは実際には、非常に大きな同時変化マトリクス（ｃｏｖａｒｉａｎｃｅ 　ｍａｔｒｉｘ）で、その解は難解で扱いにくい。しかし、この問題はマトリク スＬを形成することにより、より扱いやすい形式にできる。ここで、Ｌ、・Ｄ、 Ｄ。

モしてＬの固有ベクトル゛ｖｋについて解を得る。

用語′表示ベクトル（ｒｅｐｒｅｓｅｎｔａｔｉｖｅ　Ｖｅｃ　ｔ　ｏ　ｒ）　 −は、成分（Ｗ、）がシリーズ内の各固有ピクチャー（Ｐ、）に適用されるファ クターであるベクトルを参照するのに使用された。即ち、 画像Ｉに等しい表示ベクトルは、各固有ピクチャーを有するＩの誇張画像をとる ことにより形成される。

ｗ、＝（ニーＭ）　ＰＬ、　ｆｏｒ　１ｃ＋ｉｃｍこれが固有ピクチャーを生成 するのに使用された練習セットの外側からとられた画像を表現るようになるとき 、ある仮定がなされる。即ち、画像は練習セット内の画像に十分−類似−してお り、それにより同一の固有ピクチャーによって良く表現されると仮定される。

２画像の表現はそれらの間のユークリッド距離を計算することで比較できる。

ｄｕ　＝　／Ω１−ΩＪ／ 従って、認識は簡単なス゛レショルドを用いて達成され、ｄｌ」 くＴは認識されたことを意味し、又はｄ　、は滑る確信スケ−１」 ル（ｓｌｉｄｔｎｇ　ｃｏｎｆｉｄｅｎｃｅ　５ｃａｌｅ）として使用できる。

変形できるテンプレート（ｄｅｆｏｒｍａｂｌｅ　ｔｅｍｐ　１　ａ　ｔ　ｅ） はパラメトリックに（ｐａｒａｍｅｔｒｉｃａｌｙ）定義された幾何学的テンプ レートからなる。これらテンプレートは画像と相互作用して、対応する画像特徴 に最も適合するテンプレートを提供する。例えば、目に使用するテンプレートは 虹彩（ｉ　ｒ　ｉ　ｓ）の円形状及び目と瞼の境界領域の２つの放物線などから なり、サイズ、形状及び位置パラメータは可変である。

エネルギ関数が、テンプレートの境界部分に対する幾つかの画像の属性を統合す ることで形成され、パラメータはこの関数を最小にするときに繰り返し更新され る。これは与えられた画像内で最も適合する方向に向かってテンプレートを移動 させる効果がある。

少なくとも１つの所定の特徴のポジション画像内の位置は、位置の荒い概算を提 供する第１の技術、及びその荒い概算を向上させるための第２の技術を使用でき る。第２の技術は変形できるテンプレート技術などを好適に含む。

変形できるテンプレート技術は、著しいピークや変動、及びエツジのある生の画 像自体の他に、濾波された画像を必要とする。適切に処理された画像は形態フィ ルタ（ｍｏｒｐｈｏｌｏｇｉｃａｌ　ｆｉｌｔｅｒ）を使用して得られ、その段 階を以下に示す。

形態フィルタは非線形画像濾波、ノイズ圧縮、エツジ検出、スケルトナイゼーシ ョン（ｓｋｅｌｅｔｏｎｉｚａｔｉｏｎ）、形状認識など広い範囲の濾波機能を 提供できる。これら全ての機能は浸食（ｅｒｏｓｉｏｎ）及び拡張（ｄｉｌａｔ ｉｏｎ）の用語で示される２つの基本的な動作の簡単な組み合わせによって提供 できる。

グレースケール（ｇｒｅｙｓｃａｌｅ）画像の浸食は明るいエリアが収縮する原 因となり、一方拡張は明るいエリアが広がる原因となる。拡張の前の浸食によっ て、明るいピークは消失する（′オーブン゛と呼ばれる演算子）。これとは逆に 、浸食の前の拡張によって、暗い窪み部分が満たされる、（−クローズ′と呼ば れる演算子）。更に詳細な説明は、Ｍａｒａｇｏｓ　Ｐ、（１９８７）による” 形態的画像処理及び分析の前段指導（Ｔｕｔｏｒｉａｌ　ｏｎ　Ａｄｖａｎｃｅ ｓ　ｉｎ　Ｍｏｒｐｈｏｌｏｇｉｃａｌ　Ｉｍａｇｅ　Ｐｒｏｓｅｓｓｉｎｇ　 ａｎｄ　Ａｎａｌｙｓｉｓ）”、０ｐｔｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ、Ｖ ｏｌ　２６．Ｎｏ。

７を参照のこと。

本発明が関係する種類の画像処理システムにおいて、画像内の頭や顔などの目標 物の位置を、処理の前に検出することが必要な場合が良くある。

一般にこれはエツジ検出によって達成されるが、従来のエツジ検出技術は純粋に ローカルである。即ちエツジは画像強度に傾斜が発生したときに常に示される。

従って完全に閉じたエツジを一般に形成しないで（つまり、頭の回りのループを 形成する）頭の全アウトライン、又は部分的なアウトラインを構成する複数のエ ツジを生成する。

我々は適応性輪郭モデル（ａｄａｐｔ　ｉｖｅ　ｃｏｎｔ。

ｕｒ　ｍｏｄｅ　１）　、つまり”スネーク（ｓｎａｋｅ）”技術はこの目的に 特に適していることを発見した。特に画像の所定特徴の位置は、前記画像の複数 のエツジ特徴に隣接して配置される閉じた曲線のパラメータを判断することで検 出され、その曲線は最小曲率半径以上の半径で、それらに互換性のある最小の長 さを有する。画像のエツジの概略を示す曲線の境界部分が最初に計算され、次に 対話形式（ｉｎｔｅｒａｃｔｉｖｅｌｙ）で減少される。

本発明の物理的実施例を説明する前に、前述の′スネークー信号処理技術を更に 詳細にこれより説明する。

Ｋａｓｓ　ｅｔ　ａｌ　［Ｋａｓｓ　ｍ、Ｗｉｔｋｉｎ　Ａ。

Ｔｅｒｐｏｚｏｐｏｕｌｕｓ　ｄ、”スネーク：動的輪郭線モデル（Ｓｎａｋｅ ｓ：Ａｃｔｉｖｅ　Ｃｏｎｔｏｕｒ　Ｍｏｄｅｌｓ）”、Ｉｎｔｅｒｎａｔｉｏ ｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ、３２１〜３ ３１．１９８８］によって発表されたスネークは、我々の視覚システムが行う後 処理の幾つかを提供するための方法である。スネークは両方のエツジに関係する 様々の特徴及び人間の視覚システムの中に組み込まれた（例えば連続性、滑らか さ、そして塞がれたエツジ部分を充填するある程度の能力）。

スネークは（一般に閉じた）連続曲線で、画像内の工・ソジに゛まとわり付く− ように、与えられた開始点から動的に自らを配置する。ここで検討されるスネー クの形状は、断片的な多項式で表せられる複数の曲線からなる。つまり一般にそ の曲線はＮ個のセグメント　（ｘ、（ｓ）、ｙｉ　（ｓ）１ｉ−１、・・・、Ｎ 　から構成される。ここでｘ　１（ｓ　）及びｙ、（Ｓ）は各々パラメータ　Ｓ 　内の多項式である。パラメ−タ　Ｓ　が変化するにつれて曲線は軌道を外れる 。

次にスネークはパラメトリック曲線ｕ　（ｓ）　＝　（ｘ　（ｓ）　。

ｙ（ｓ））として参照される。ここで　Ｓ　は０と１の間で変化すると仮定され る。どんなパラメータを′エツジを抱く″スネークは持つべきであろうか。

スネークは画像によって一駆動′されなければならない。

つまり、スネークは画像内のエツジを検出して、自らの位置をエツジに適合させ ることができなければならない。この方法を達成する１つの方法は、スネークの 長さに沿った平均′エツジ強度−（これは測定できる）を最大にすることである 。

エツジ強度の１ｊ定値が画像点（ｘ、ｙ）でＦ　（ｘ、ｙ）≧０である場合、こ れは次に示す関数が最大になるように、スネこれは、スネークがそれらエツジを 検出した場合に、スネークが画像内のエツジに自らを変形させる傾向があること ゛を保証するが、スネークが最初の場所でそれらエツジを発見したことは保証し ない。ある画像が与えられると、その関数は多数の局部的で僅かな静的問題を含 むであろう。それらの発見は゛力学゛が生じる分野である。

画像に適用されるエツジディテクターは主に薄いエツジからなるエツジマツプを 生成する。これは、ラインの数が少ないことは別として、エツジ強度関数が画像 内の殆どの場所で０となる傾向があることを意味する。その結果、エツジからあ る程度離れたスネークはエツジに向かって引き寄せられない。なぜなら、エツジ 強度はスネークの最初の位置で効果的に０であるからである。スネークがエツジ の影響を受けるようにするために、エツジ画像はエツジの幅を広げるために、に しまされる。

凸部を有する物体の回りに弾力性のバンドが設けられると、そのバンドは物体が 収縮動作を妨げるようになるまで収縮する。この点でバンドは物体の形にモール ドされ、従って境界部分を示す。ここでは２つの力が作用している。第１はバン ドが収縮しようとする自然な傾向を提供する力であり、第２は物体により提供さ れる反力である。バンドはその伸縮により弾性エネルギを最小にするように収縮 する。バンドがパラメトリック曲線　ｕ　（ｓ）　＝　（ｘ　（ｓ）、ｙ　（ｓ ））で示されるならば、任意の点Ｓでの弾性エネルギは次式のように比例する。

つまり、エネルギは曲線がその点で伸縮した量の二乗に比例する。その全長にわ たる弾性エネルギは、制限即ち物体が与えられると最小になる。従って、弾力性 のあるバンドは油上式は物体の制限を受ける。閉じたスネークはアナログ動作を 有するのが望ましい。つまり、収縮する傾向を有するが、画像内の物体によって その傾向が妨げられるのが良い。この動作モデルを作るために、スネークに適し たパラメトリック曲線は、関数（２）が最小になるように選択される。更に作用 項（１）が含まれると、スネークはそれらエツジに向かって引き付けられるよう に、′物体を介して′収縮が妨げられる。又、元に戻ろうとする′弾力′が大き すぎなければ、凹部を有する物体の中空部に吸引力がスネークを引き付けるよう にする。

モデル化の困難なエツジの特徴の１つは、それらが見えない場合の動作である。

人が車とその車の前に立っている人を見る場合、塞がれている車のエツジの輪郭 線を画像化するのに困難は生じない。それらは人に対してどちらか一方の側の輪 郭線の′滑らかな′延長である。前述の弾力性バンドによる方法が適用された場 合、車が塞がれているところでバンドは直線を形成するであろう（なぜなら、バ ンドはエネルギを最小にしようとするので、長さはこのようになるのである）。

しかし、バンドがある程度堅いと（即ち、収縮性の棒にょって表現されるような 曲りに対して抵抗がある）、それは画像の塞がれた領域内に滑らかな曲線を形成 しようとして、どちらかの側の境界線の接線方向に伸びる。

再び収縮棒は、その弾性エネルギが最小になるように、１つの形状を形成しよう とする。曲がっているときの弾性エネルギは棒の湾曲部に依存し、これが第２の 理論展開である。

このタイプの動作に類似する動作を行うスネークを助けるために、パラメトリッ ク曲線ｕ　（ｓ）　−（ｘ　（ｓ）、ｙ　（ｓ））は、それが次の関数を最小に するように選択される。

これは疑似的り（ｐｓｅｕｄｏ−ｂｅｎｄｉｎｇ）　エネルギ項である。勿論、 スネークが堅すぎて作られていると、作用内項（１）の動作の下では非常に曲が った輪郭線にそれを従わせるのは困難であろう。

スネークの３つの望ましい特徴が区別された。３つすべてをスネークに一度に組 み込むために、スネークを示すバランＩ（ｒ（Ｓ）、ｙ（ｙ））　＝ ここで、α（ｓ）　＞０　及び　β（Ｓ）≧Ｏは各々、スネークが持つことにな る堅さ及び収縮性の量である。このスネーク法が成功したならば、これら３つの パラメータの正しいバランスは決定的であることは明白である。堅すぎるとスネ ークは輪郭線に正確に抱き付かない。柔らかすぎて閉じていると、スネークは輪 郭線によって押され、凹んだ領域では１点に収縮するか又は境界部から離れるこ ともある。作用項の前部にはマイナスの符号がある。なぜなら、−５Ｆ　（ｘ。

ｙ）ｄｓを最小にすることは５Ｆ　（ｘ、ｙ）ｄｓを最大にすることに等しいか らである。

このままでは、関数（４）の最小化は僅かである。スネークが閉じていなければ 、解は１点［（ｘ　（ｓ）　、ｙ　（ｓ）　一定数］に落ちる。この点はエツジ 強度Ｆ　（ｘ　（ｓ）　、Ｙ　（ｓ））を最小にするように選択される。なぜな ら、物理的にスネークは弾性エネルギを最小にするために２つのエンド点を一緒 に引くようにするため１点に収縮する。全体的な最小値は画像内のエツジ強度が 最も大きい点で達成される。スネークがそれを達成するのを防ぐには、スネーク のエンド位置をなんらかの方法で適合させる必要がある。即ち、′境界条件゛が 要求される。エンド点の位置を適合させること以上のことが必要で、更に２つの 条件が問題を解決するために必要であることが分かった。適当な条件は各エンド 点にＯの曲がりを与えることである。

同様に、閉ループスネークに使用する全体的最小値は、それが１点に収縮したと きに生じる。しかし、適合したエンドスネークとは対称的に、追加の境界条件は 、落ちた解を削除するために使用できない。この場合の落ちた解は真の全体的最 小値であろう。

明らかに理想解はスネークの初期位置の局部における局部最小値を探すことであ る。実際に解の得られた問題はこれよｙ（ｓ））εＨ２［０，１１ｘＨ２［０， １１を発見する。

八 ここでＨ２［０，１，１は［０，１１上に定義される実数関数のクラスを示し、 これは−有限エネルギーを第２の理論展開の内に持っている。つまり、第２の展 開の二乗の整数が存在する。［ｋｅｌｌｅｒ　ＨＢ、Ｎｕｍｅｒｉｃａｌ　Ｍｅ ｔｈｏｄｓ　ｆｏｒ　Ｔｗｏ−Ｐｏｉｎｔ　Ｍｏｕｎｄａｒｙ　Ｖａｌｕｅ　Ｐ ｒｏｂｌｅｍｓ、Ｂｌａｉｓｄｅｌｌ。

１９６８］、そして　Ｈ２Ｏ［０，１１はＨ２［０，１１内にある関数のクラス で、Ｓ−０及びｓ＝１のときにＯである。

最小値の発見にこれがどのように関係しているかを理解するる最小値の辺りで変 動すると考える。

明らかに、εの関数　Ｉ　（ε）−Ｉ’１（ｓ）＋εヱ（Ｓ））は、ε＝０で最 小である。従って、■　（ε）の展開はε−０で０でなければならない。（５） の解は完全に一般的なエツジ強度関数の最小値として保証されないが、解は実際 に最小であることは分かっている。

変動の一般的な高等数学的検討によれば、問題（５）は、解法の似ている次に示 す他の問題に等しい。つまり、次の一般的な一対の４次微分方程式を満足する曲 線（ｘ（ｓ）、ｙ（ｓ））　εＣ４［０，１１ｘＣ４［０，１１を発見すること 境界条件と一緒にして、 ｆ（０）、ｙ（０）β（１）、）’（１）　力ゞ得られるとこの問題の陳述は固 定エンドスネークの場合に関するが、スネークが閉ループを形成する場合、前述 の境界条件は周期的条件と置換される。これら問題は両方とも有限差（ｆｉｎｉ ｔｅ　ｄｉｆｆｅｒｅｎｃｅ）を用いて容易に解くことができる。

有限差法は間隔［０，１］を長さｈ−１／　（Ｎ−１）のＮ−１個の等しい副間 隔（ｓｕｂｉｎｔｅｒｖａｌ　ｓ）に分解し、ノード（ｎｏｄｅｓ）のセットを 定義することから始まる。

この方法では連続変数内の微分方程式（６）及び（７）分離変数内の微分方程式 のセットと置換することにより、次に示す概算値を探す［Ｋｅｌｌｅｒ　ＨＢ、 、１ｂｉｄ、］。

（（、ｒ、、ｙ、））、’−、７ｔｏ　（ＣｘＣｓ、）、ｙ（ｓρ））ｊ−；（ ６）内の展開を点Ｓ、での差の概算によって置換すると、・・・（９） ここでα　−α（Ｓ、）　及びβ、−β（Ｓ、）。同様に＋　１　１　１ （７）に対する差の概算が得られる。その微分方程式は１つの間隔内の内部モデ ルにおいてのみ効力がある。そこでは範囲ＩからＮ内にあるインデックスが参照 される。類似する項を一つにまとめると、（９）は次のように表せる。

ａ、ｘ、−２＋　ｂ、ｘ、−、＋　ｃ、ｘ、　＋ｄ、ｘＩ−，＋　ｅ、ｘ、、２ ＝ｆ。

ｈｅｒｅ 両方の微分方程式（６）及び（７）を分解して境界条件を考慮すると、王−（ｘ 　ｉｌ及びヱー（ｙ、）の（ｘ　ｔ　）及び（ｙｉ）ｌへの有限の差の概算は各 々、次の代数学的等式システムを満足する。

Ｋ匹・工（区、り、　Ｋｙ＝ｇ（２（、工）　、、、（１０）マトリクスにの構 造及び右手ベクトルｆ及びｇは、境界条件に閉じた又は開いたスネークが使用さ れるか否かに依存して異なる。スネークが閉じている場合、ＳＯ’　Ｓ−１”　 Ｎ＋１及びＳＮ＋２での架空のノードが導入され、微分方程式（９）はノード０ ，１．Ｎ−１及びＮに適用される。

周期性はｘ−ｘ、ｘ　−ｘ　、ｘ　−ｘ　及びＸＯＮ　−Ｉ　Ｎ−Ｉ　Ｎ＋ｌ　 １ ２＝ＸＮ＋２を示す。作用力内のこれらの条件を用いると、係数マトリクスは次 のようになる。

そして右手側ベクトルは、 固定エンドスネークに関して、Ｓ　及びＳＮ＋１での架空ノ−ドが導入され、微 分方程式（９）はノードＳ１及びＳＮ＋１に適用される。曲率０の境界条件を概 算するために２つの追加微分方程式が導入される。

即ちｓ　Ｘ　ｏ２　Ｘ　ｌ　＋　Ｘ　２−０　及びｘ−１”ｘＮ　＋ｘＮ＋１− 〇　これで係数マトリクスは、 そして右手側ベクトルは、 （ｆ　−（２ａ　＋ｂ　）ｘ　、ｆ３−ａ３ｘ１．−・・（７）に対応する微分 方程式に関する右手側ベクトルは同様にして得られる。

システム（１０）は解く必要のある非線形等式のセットを示す。係数マトリクス は対称形で、明らかなマトリクスであり、固定エンドスネークに拘束される。周 期的境界条件を有する閉ループスネークに関して、直交から外れた幾つかの項を 除いて、拘束されるシステムは非線形であるから、これは反復的に解かれる。実 行される反復は、ここでγ〉０は安定化パラメータである。これは次のように書 き直せる。

このシステムは各ｎについて解く必要がある。閉ループスネークに関して、左手 側のマトリクスは直接反転させるのは困難である。なぜなら、主要の直交バンド の外側の項はバンド構造を破壊するからである。一般に、係数マトリクスにはバ ンドされたマトリクスＢとバンドされていないマトリクスＡの加算値に分解でき る；に＝Ａ＋Ｂ０固定エンドスネークに関して、マトリクスＡはＯとなる。そし て等式システムが各ｎについて反復を実行することにより解かれる。

マトリクス（Ｂ＋Ｉ／γ）はバンドマトリクスで、Ｃｈ。

１ｅｓｋｙ　ファクターの積　ＬＬＴとして表現できる［Ｊｏｈｎｓｏｎ　Ｒｅ １ｓｓ、１ｂｉｄ］、システムは最初に次式を解くことにより各段階で解かれる 。

次に １−Ｔλ（ｋ争１）弓（ｋ中１） ＾争りｎ◆１ Ｌ〜（１，ｌ）・夕（１°１） 一向−１ｎ◆１ Ｃｈｏｌｅｓｋｙは１回のみ実行すればよい。

モデルを基本とするコード化法は画像の移動するシーケンスをエンコードするた めに、情景物体の２−Ｄ又は３−Ｄモデルを使用する。移動する物体の位置検出 及び追従は、このモデルに対して基本的に重要なものである。ビデオ会議及びビ デオ電話形式の情景は、一般的な機械様式アルゴリズムに使用するのが難しい。

なぜなら、人の髪の毛と背景の間の境界部にはしばしば低いコントラスト、っま リーファジーーがあるからである。適応性輪郭線モデル即ち′スネーク′は、物 体の境界部の位置検出及び追従ができるクラスの技術を形成する。これらは自ら を低いコントラストの境界部に適合でき、エツジに関する局部的証拠が僅が又は 全く無い境界部セグメント間を充填する。本明細書では画像内にある頭の境界部 を分離するスネーク、ならびにブロック動作の概算とスネークを結合した技術ニ ーパワーアシスト（ｐｏｗｅｒ−ａｓｓｉｓｔｅｄ）＝スネークの使用が検討さ れる。

スネークは連続曲線（一般に閉じている）であって、与えられた開始点から、画 像内のエツジにまとわり付くように自らを動的に配置しようとする曲線である。

′閉じた′スネーク及び−固定エンド′スネークの両方に関する詳細で完全な説 明は　Ｗａｉｔｅ　ＪＢ、Ｗｅｌｓｈ　ＷＪ　の”スネークを用いた頭部境界部 の位置検出（Ｈｅａｄ　Ｂｏｕｎｄａｒｙ　Ｌｏｃａｔｉｏｎ　ｕｓｉｎｇ　５ ｎａｋｅｓ）”（Ｂｒｉｔｉｓｈ　Ｔｅｌｅｃｏｍ　ＴｅｃｈｎｏｌｏｇｙＪｏ ｕｒｎａｌ、Ｖｏｌ　８．Ｎｏ３．Ｊｕｌｙ　１９９０　により与えられ、これ は２つの相互作用の導入策、即ち有限要素及び有限差を説明している。我々は有 限差を用いて閉じたスネーク及び固定エンドスネークの両方を実施した。

スネークは頭と肩の周辺部で初期化され、これにより自らの内部弾性力の下に収 縮できる。画像から得られる力によっても作動する。この力は大きな空間定数を 有するラプラス演算子を使用して画像を最初に処理することで発生される。この 演算子の出力は滑らかな非線形関数を用いて整流され修正される。この整流の結 果、顔画像内の実質的に重要な境界部に対応するように示された′凹み（ｖａｌ ｌｅｙ）　−の特徴が分離される；非線形関数は弱いエツジに比べて強いエツジ の重みを減少する。これはスネークに影響を与える更に良い機会を弱い境界部に 与えるためである。スネークの約２００回の反復の後、頭の境界部を抱く位置に スネークは到達する。

第２実施例では、そのエンドポイントを画像の下部の角に有する固定エンドスネ ークは、画像の側部及び上部から収縮できる。髪の毛と背景の間の境界部は画像 内で比較的低いコントラスト部分であるが、スネークはそこで安定する。顔に関 してスネークがパターン化された背景を介して収縮しようとするときに、移動エ ツジ検出器から画像力を引き出すのが望ましい。

又、Ｋａｓｓ　ｅｔ　ａｌ、において、例として人の動いている唇に追従するた めに使用されるスネークが示された。

先ず、動く画像のシーケンスの中で最初の画像内の盛上にスネークが安定化され た。第２のフレームで、スネークは以前のフレーム内の安定位置に対応する位置 に初期化され、これにより再び安定する。この形式の技術には明らかな問題があ る。即ち、その運動がフレーム間で非常に大きいと、次のフレーム内の違う特徴 にロックして軌道を失うことがある。Ｋａｓｓは−スケールの空間的連続（ｓｃ ａｌｅ−ｓｐａｃｅｃｏｎｔｉｂｕａｔｉｏｎ）＝の基本を使用する対応策を示 唆した。この対応策でスネークは大きな空間定数を有するガウスフィルタ（Ｇａ ｕｓｓｉａｎ　ｆｉｌｔｅｒ）を使用して滑らかとなった最初の画像に安定化で きる。このフィルタは長い距離からスネークを引く効果を有する。安定した後、 僅かに小さい空間定数のガウスを使用して得られる画像力の新たなセットを有し てスネークは提供される。この処理はできるかぎり高いレベルの分解能の画像内 に安定が生じるまで続けられる。

これはコンピュータを使用した明らかに経費のかかる処理である。根本的に同一 で良好に動作する技術が開発された。

次にこの技術を説明する。１つのシーケンスの最初のフレーム内でスネークが安 定状態に達した後、ブロック動作の概算がスネークのノード位置で行われる。（ スネークは一般に分離ノードのセット（この実施例では２４個）を用いてそれを 概算することで導入される）運動の概算は１つのフレームから次のフレームにか けて行われる。この次のフレームは、ビデオをコード化するための運動補償中に 一般に行われる場合とは逆の意味のフレームである。複数のブロックに対して最 適な位置が次のフレーム内でプロットされると、−アパーチャーの問題′により 、良い適合は境界部のセグメントに沿った点の範囲でしばしば発見され、この境 界部のセグメントは適合されるブロック側より長い。効果は非均−空間の複数点 を生成することである。そしてフレーム内でスネークはそのノードが最適ブロッ ク位置に配置され初期化され、数回（一般に１０回）の反復を実行する。その結 果、ノードは境界部に沿って不均一に分布される。これでスネークは境界部の獲 得に成功し、ブロック動作の概算は′パワーアシスト′の一種として作用する。

全体の動作がブロックサーチの最大偏倚を超えないかぎり、このパワーアシスト によって追従の継続が補償される。動作の概算が複数点の僅かなセットのみに行 われるとき、その計算時間が著しく増加することはない。

物体と背景間のコントラストが低い場合でも、物体の境界部の位置検出を実行す る固定エンドと閉じたスネークの両方が示された。

ブロック動作の概算及びスネークの適合の両方を使用する複合技術で、動く画像 シーケンス内の境界部追従を実行する技術が説明された。荒い分解能から細かい 分解能に移行する方法より、この技術は容易に実施できる。これまでのところ本 明細書で説明された方法は、極度に曲がっているか又は不連続な部分があらゆる 点で存在しない物体の境界部でテストされた。このような条件ではない場合、ス ネークは境界部輪郭線の正確な追従に失敗する。正確に追従させる１つの方法は 、境界部を複数の短いセグメントに分割し、これらセグメントを幾つかの固定エ ンドスネークに適合させることである。

本発明の第２の特徴によれば、データキャリア（ｄａｔａｃａｒｒｉｅｒ）を使 用するユーザの同一性を確認する方法が提供され、前記方法は、ユーザの顔のデ ジタル画像を発生し；前記データキャリアを受取り、識別データをそのキャリア から読み込み；本発明による第】の方法を実行し；各特徴ベクトル又は前記キャ リアから得られるデータと識別データを比較し；その比較結果に応じて確認信号 を発生するステップを有する。

データキャリアを使用するユーザの同一性を確認する本発明装置の他の特徴によ れば、ユーザのデジタル顔画像を発生する手段と；前記データキャリアを受取り 、識別データをそのキャリアから読み込む手段と；本発明による第１の方法を実 行する手段；各特徴ベクトル又は前記キャリアから得られるデータと識別データ を比較し、その比較結果に応じて確認信号を発生する手段を有する装置が提供さ れる。　次に本発明の一実施例を図面を参照しながら説明する。

図１は特徴ベクトルの計算の概略を示すフローチャート；図２は本発明による方 法を使用して信用の確認を行う装置を示し； 図３は本発明による方法を示す。

図１において、本発明の両方の特徴を具備する実施例の概要が示されている。

人の顔の画像はある手段（例えばビデオカメラ又は写真）用いて獲得され、画素 値のアレイを提供するためにデジタル化される。頭検出アルゴリズムが、画像内 の顔又は頭の位置を検出するのに使用される。この頭の位置検出段階は幾つかの 周知技術の中の１つを含むが、前述の”スネーク”技術を使用する方法が望まし い。境界部分の外側にあると判断された画素データは無視される。

第２ステツプはその境界部の内側にある画素データについて行われ、認識に用い られる特徴（一般に目及び口）の位置が判断される。又、目及び口の位置を発見 するための位置検出技術は従来技術に幾つかあるが、荒い位置検出の次に詳細な 位置検出を行う２段階処理がここでは採用される。荒い位置検出技術は、例えば 米国特許　ＵＳ　４８４１５７５に説明されている。

細い位置検出技術は　Ｙｕｉｌｌｅ　ｅｔ　ａｌによる”変形できるテンプレー トを使用する顔からの特徴抽出（Ｆｅａｔｕｒｅ　Ｅｘｔｒａｃｔｉｏｎ　ｆｒ ｏｍ　Ｆａｃｅｓｕｓｉｎｇ　Ｄｅｆｏｒｍａｂｕｌｅ　ＴｅｍｐｔａｔｅＳ） “　（Ｈａｒｖａｒｄ　Ｒｏｂｏｔｉｃｓ　Ｌａｂ　Ｔｅｃｈｎｉｃａｌ　Ｒｅ ｐｏｒｔ　Ｎｕｍｂｅｒ；８８／２ｐｕｂｌｉｓｈｅｄ　ｉｎ　Ｃｏｍｐｕｔｅ ｒ　Ｖｉｓｉ。

ｎ　ａｎｄ　Ｐａｔｔｅｒｎ　Ｒｅｃｏｇｎｉｔｉｏｎ、Ｊｕｎ　ｅ　１９８９ 　Ｉ　ＥＥＥ）によって説明された変形できるテンプレート技術を使用するのが 望ましい。既に前述されたこの技術において、その特徴と地勢学的に等しい線モ デルは、（荒い位置検出技術により）その特徴の近傍にあり、互いに移動し、そ して最高の適合が得られるまで変形される。

特徴はこの位置にあるものとして識別される。

次に特徴の形状は、それが標準的で地勢学的に等しい形状を想定するまで変化さ れる。細い位置検出技術が前述のように変形可能プレートを使用する場合、特徴 の変形は、そのテンプレートの変形を逆もどりさせ、その特徴を最初の標準形状 のテンプレートに適合させることで達成できる。

特徴の正確な位置が判明し、その正確な形状が特定されたので、この情報を使用 する認識は、特徴の特徴ベクトルを使用する認識処理に追加される画像の識別子 として使用できる。

その領域外部の特徴として区別された全ての画像データは無視され、その特徴と して区別された画像データはその特徴に対応する固有ピクチャーの直交する成分 に分解される。次にその成分ベクトルは識別される与えられた人物に対応する成 分ベクトルと比較され、そして実質的な同一性が存在した場合には、認識が示さ れる。

図２はクレジットカードの確認に適した本発明の一実施例を示す。

ビデオカメラ１はクレジットカード端末のユーザとなるであろう人物の画像を受 信する。カード挿入装置２にカードが挿入されると、ビデオカメラ１のアナログ 出力はＡＤコンバータ３によってデジタル化され、そして時間が計測されてフレ ームスドア（ｆｒａｍｅｓｔｏｒ）４に人力する。ビデオプロセッサ５（例えば ＡＴ＆Ｔ　ＤＳＰ　２０のような適切に処理されたデジタル信号処理チップ）が フレームスドア４をアクセスするために接続され、それはデジタル画像を処理し てエツジの強調された画像を形成する。これを行う１つの方法は、単に各サンプ ルをその前のサンプルから減算して差画像を形成することであるが、より望まし い方法はラプラス形式の演算子（Ｌａｐｌａｃｉａｎ　ｔｙｐｅ　ｏｐｅｒａｔ ｏｒ）を使用することで、この出力はＳ字状関数（ｓｉｇｍｏｉｄａｌ　ｆｕｎ ｃｔｉｏｎ）によって修正される。この関数はノイズによる僅かなレベル、同時 に非常に強いエツジを圧縮する一方で、殆ど変化しない中間値を残す。この方法 により、滑らかなエツジ画像が発生され、顎の線のような弱いエツジの輪郭線が 強調される。このエツジ像はエツジ・ピクチャー・フレームバッファ６に記録さ れる。そしてプロセッサは有限の差を使用して閉ループ・スネーク法を実行し、 頭を囲む境界部を抽出する。スネーク・アルゴリズムが一度収束すると、エツジ 画像内の頭の境界部位置、及びフレームストア４内の対応する画像が有効となる 。

フレームスドア６内のエツジ画像は処理され、対象とする特徴（一般に目及び口 ）の位置に関する荒い概算が得られる。

我々の以前の出願ＥＰＯ２２５７２９に説明されているように、Ｎａｇａｏによ る方法は適当な方法の１つである（Ｎａｇｏａ　ＭＳ”Ｐｉｃｔｕｒｅ　Ｒｅｃ ｏｇｎｉｔｉｏｎａｎｄ　Ｄａｔａ　５ｔｒｕｃｔｕｒｅ’、ＧｒａｐｈｉｃＬ ａｎｇａｇｅｓ−Ｅｄ、Ｒｏｓｅｎｆｉｅｌｄ）。このようにして得られた位置 の概算は、正確な特徴位置を確立するダイナミック・テンプレート処理に関する 開始点として使用される。

従って、プロセッサ５はＹｕｉｌｌｅ　ｅｔ　ａｌ　［Ｙｕｉｌｌｅ　Ａ、Ｃｏ ｈｅｎ　Ｄ、Ｈａｌｌｉｎａｎ　Ｐ。

（１９８８）、”変形できるテンプレートによる顔の特徴抽出（Ｆａｃｉａｌ　 Ｆｅａｔｕｒｅ　Ｅｘｔｒａｃｔｉｏｎｂｙ　Ｄｅｆｏｒｍａｂｌｅ　Ｔｅｍｐ ｌａｔｅｓ）”。

Ｈａｒｖａｒｄ　Ｒｏｂｏｔｉｃｓ　Ｌａｂ、Ｔｅｃｈｎｉｃａｌ　Ｒｅｐｏｒ ｔ　ｎｏ。８８−２］により説明された方法を使用して各特徴に関する位置デー タを得る。このデータはテンプレートの総合サイズの関数として与えられる一連 の点座標及びサイズ（又は分解能）から構成される。これらの点の幾つかはキー ポイントとして指定される。これらキーポイントは常にテンプレートの内側で、 他の点は常にエツジ点である。これらキーポイントの位置データは格納され、認 識の印しとして使用できる。これを図３に示す。

次に、標準形状への特徴の地勢学的変換がプロセッサ５によって行われる。この 変換は領域の三角形ファセット（ｆａｃｅｔｓ）とテンプレートの間のマツピン グ形式をとる。ファセットは３点の局部集合からなり、テンプレートの限定ファ イル内に限定される。マツピングはテンプレートの頂点のｘ、ｙ値を考慮するこ とで形成され、このｘ、ｙ値は各々対応する領域頂点のｘ−、ｙ−値を含む。こ れにより２つの平面式が生成され、その式からテンプレートのファセット内のあ らゆるｘ、ｙに対して各Ｘ　−＋　’／一点が計算でき、従って画像データは領 域の副画像（ｓｕｂ−ｉｍａｇｅ）がらマツプできる。

テンプレート副画像の全体像は各構成ファセットを画素（ｐｅｔ）毎に減少（又 は走査変換）し、画素の値を等しい領域の副画像内の対応するマツプされた位置 からとることにより得られる。

プロセッサ５は抽出された副画像を、それらに対応する一般的なテンプレートの サイズ及び形状ヘマッピングするために設けられる。領域上のキーポイントは、 一般的なテンプレート形状に定義された対応メツシュを有する三角形のメツシュ を形成する。そしてマツピングは、一般的なメツシュ内の各三角形から領域メツ シュ内のその等漬物まで形成される。

歪んだ副画像が生成され、それは後で表示するためにテンプレートデータ構造体 に格納される。

このモジュール内の中心的処理は′テンプレートの引き伸し′処理である。この ルーチンは歪んだテンプレートの副画像をファセット毎に生成する（各ファセッ トは３つの接続されたテンプレートの点により定義される）。マツピングは各テ ンプレート・ファセットから対応する領域ファセットまで得られ、そしてテンプ レート・ファセットは領域副画像からマツプされた画像データを用いて画素毎に 満たされる。全てのファセットがこのようにして処理された後、歪んだテンプレ ートの副画像は画像データによって完全に充填される。

このように生成された標準化特徴画像は特徴画像バッファ７に格納される。固有 ピクチャーバッファ８は、連続する増加性の複数の（例えば５０）固有ピクチャ ーを含み、これらのピクチャーは代表的な母集団から一般的な方法で既に抽出さ れている（この処理には等価の地勢学的正規化技術を使用するのが望ましい）。

変形プロセッサ９（これは実際には、格納された適当な命令の上で動作するプロ セッサ５として実現できる）は、特徴画像の座標又は成分を各固有ピクチャーに ついて抽出し、前述の方法を用いて５０個のベクトルを与える。カード挿入装置 ２は挿入されたクレジットカードから、そのカードの正しいユーザを特徴付ける ５０個の成分を読み出す。これらの成分はコンパレータ１０（これは又信号処理 装置の一部分として実際には構成される）に入力される。このコンパレータ１０ は２つのコネクタ間のパターン空間の距離を測定する。所望の測定法はユークリ ッド距離法（Ｅｕｃｌｉｄｉａｎ　ｄｉｓｔａｎｃｅ）である。しかし他の測定 方法（例えば”シティ−ブロック（Ｃｉｔｙ　ｂｌｏｃｋ）”測定法）も同様に 使用できる。この距離が所定スレショルド（ｔｈｒｅｓｈｏｌｄ）より少ないと き、正しい領域が出力１１に対して示される。そうでない場合、認識の失敗が信 号で知らされる。

他のデータもこの認識処理に組み込むことができる。例えば、テンプレートの変 形中に得られるデータ、又は頭部測定値（例えば頭部位置検出段階で得られる頭 の高さと幅の比）、又は前述の特徴位置データなどである。認識結果は以前の我 々の出願　ＧＢ９００５１９０．５　に示される方法で組み合わせることもでき る。

一般に画像のある種の前処理が行われる（図２の１２として概略示される）。例 えば、（空間的又は一時的な）ノイズ濾波、及び輝度あるいはコントラストの正 規化である。

眉毛による影などの光の変動は空間的な分散の影響を画像の輝度に与える。現在 使用されている生の画像データの代わりに、第２の偏倚オペレータ又は形態フィ ルタ（ｍｏｒｐｈｏｌｏｇｉｃａｌ　ｆｉｌｔｅｒ）を使用することにより画像 を更に前処理して、この変動のほとんどを取り除くのが望ましい。ブラー−フィ ルタ（ｂｌｕｒｒｉｎｇ　ｆｉｌｔｅｒ）も又必要となる。

代表ベクトル上の幾何学的正規化内の変動の影響を減少することも望ましい。こ れはローパスフィルタで完全に濾波した画像を使用して行われる。この画像はよ り安定した表現を認識処理に与える。

要約書 画像処理方法において：画像の少なくとも１つの所定特徴の位置を検出するステ ップと；前記画像から前記各特徴を示すデータを抽出するステップと；及び、各 特徴について前記特徴画像データの位置を示す特徴ベクトルを、複数の参照ベク トルによって定義されるＮ次元空間で計算するステップを有する方法。各前記参 照ベクトルは類似する特徴の練習セットの固有ベクトルであって、前記各特徴画 像データを修正して各特徴の形状を正規化することにより前記特徴の所定標準形 状からの偏倚を減少し、そして本ステップは対応する特徴ベクトルを計算する前 に実行される。

１−−＾−ｈ＠ＰＣＴ／ＧＯ９１１０１１８３国際調査報告

Claims (12)

【特許請求の範囲】
1. １．画像を処理する方法において、 前記画像内で少なくとも１つの特徴の位置を検出するステップと、 前記各特徴を示す画像から画像データを抽出するステップと、 各特徴について前記特徴画像データの位置を示す特徴ベクトルを、複数の参照ベ クトルによって定義されるＮ次元空間で計算するステップと、ここで各前記ベク トルは類似する特徴画像の練習セットであって、 更に前記方法は、 前記各特徴画像データを修正して各特徴の形状を正規化するステップであって、 これにより前記特徴の所定標準形状からの偏倚を減少し、本ステップは対応する 特徴ベクトルを計算する前に実行され、 を有することを特徴とする画像処理方法。
2. ２．前記各特徴の画像データを修正するステップは、変形できるテンプレート技 術の使用を含むことを特徴とする請求項１記載の方法。
3. ３．前記画像内で少なくとも１つの所定特徴の位置を検出するステップは、前記 位置の荒い概算値を提供する第１の技術、及びこの第１の技術とは異なり前記荒 い概算値を向上させる第２の技術を用いることを特徴とする請求項１又は２記載 の方法。
4. ４．前記第２の技術は変形できるテンプレート技術の使用を含むことを特徴とす る請求項３記載の方法。
5. ５．前記類似する特徴画像の練習セットは修正され、各画像の練習セットの形状 を正規化し、それにより前記特徴の所定標準形状からの偏倚を減少し、本ステッ プは前記画像の固有ベクトルを計算する前に実行されることを特徴とする請求項 １乃至４の中の１項に記載の方法。
6. ６．前記画像の複数のエッジ特徴に隣接して配置される閉じた曲線のパラメータ を判断することにより前記画像の一部分の位置を検出するステップを更に含み、 ここで前記曲線は最小の湾曲以上に制限されることを特徴とする請求項１乃至５ の中の１項に記載の方法。
7. ７．前記曲線の境界部は最初に計算され前記画像のエッジを概算し、次に相互に 減少されることを特徴とする請求項６記載の方法。
8. ８．前記画像の一部は人間の顔又は頭であることを特徴とする請求項６及び７記 載の方法。
9. ９．前記画像内の各特徴の位置を判断するステップを更に含むことを特徴とする 請求項１乃至８の中の１項に記載の方法。
10. １０．データキャリア（ｄａｔａ　ｃａｒｒｉｅｒ）のユーザの同一性を確認す る方法において、 前記ユーザの顔のデジタル画像を発生するステップと、前記データキャリアを受 取り、識別データを前記キャリアから読み出すステップと、 請求項１乃至８の中の１項に示される方法を実行するステップと、 前記ステップにより得られる各特徴ベクトル又はデータを、前記識別データと比 較するステップと、及び前記比較に依存して確認信号を発生するステップと、を 有することを特徴とする方法。
11. １１．データキャリアのユーザの同一性を確認する装置において、 前記ユーザの顔のデジタル画像を発生する手段と、前記データキャリアを受取り 、識別データを前記キャリアから読み出す手段と、 請求項１乃至８の中の１項に示される方法を実行する手段と、 前記手段により得られる各特徴ベクトル又はデータを、前記識別デートと比較し 、この比較に依存して確認信号を発生する手段と、 を有することを特徴とする装置。
12. １２．前記ユーザのデジタル顔画像を発生する手段は、ＡＤコンバータにその出 力が接続されるカメラを具備することを特徴とする請求項１１記載の装置。