-
Gebiet der Erfindung
-
Die
vorliegende Erfindung betrifft Gesichtsidentifikationsverifikation
und insbesondere Gesichtsidentifikationsverifikation unter Verwendung
mehrerer Bilder eines zu verifizierenden Gesichts.
-
Allgemeiner Stand der Technik
-
Sicherheitskontrollpunkte
sind in zunehmendem Maße
weit verbreitet. In vielen Fällen
wird eine manuelle Überprüfung vorgenommen,
um zu verifizieren, dass eine Person, die einen Identifikationsausweis
oder eine andere Form von ID vorweist, tatsächlich die darin identifizierte
Person ist. Gegenwärtig
wird eine Vielzahl von auf Biometrie basierenden Systemen verwendet.
In einigen Situationen, wie beispielsweise beim Bereitstellen von
Zugang zu Gebäuden
während
geschäftiger
Zeiten und in Flughäfen,
müssen
große
Menschenmengen in einem Minimum von Zeit korrekt abgeglichen werden.
-
US4975969A und
US6608914B beschreiben
beide auf Biometrie basierende Identifikationssysteme. Diese Identifikationssysteme
verarbeiten ein Bild eines Gesichtes einer Einzelperson, um Daten
zu erhalten, die für
die Gesichtsmerkmale, die im Bild identifiziert werden, charakteristisch
sind. Die Daten werden dann mit vorhergehend erhaltenen und gespeicherten
charakteristischen Daten für
diese Einzelperson verglichen. In
US4975969 werden
Ansichten eines Gesichts einer Einzelperson aus mehreren Winkeln
erhalten. In
US6608914 werden
die gespeicherten charakteristischen Daten aktualisiert, wenn die
Merkmale der Einzelperson sich mit dem Alter auf natürliche Weise
verändern.
-
US6181805 offenbart ein
Verfahren zur Winkelnormalisierung von Gesichtsbildern basierend
auf einer Af fintransformation einer Vorderansicht des Gesichtes,
wobei die Transformation bestimmte Merkmalpunkte in ein vorbestimmtes
Positionsverhältnis
bringt.
EP1134691 offenbart
ein Verfahren zum Normalisieren eines Teils eines Gesichtes in ein
Nicht-Vorderansichtsbild basierend auf der Lokalisierung der Augen
und der Nasenlöcher.
-
Kurzdarstellung der Erfindung
-
In
einem ersten Gesichtspunkt besteht die Erfindung in einem Verfahren
zum Abgleichen von Gesichtern, wobei das Verfahren Folgendes umfasst:
Erhalten
eines Bildes einer Vorderansicht von einem abzugleichenden Gesicht;
Erhalten
eines Bildes einer Ansicht des abzugleichenden Gesichts aus einem
Winkel weg von der Vorderansicht;
Erzeugen von Bildmerkmalen
von jedem der Ansichtsbilder;
Vergleichen von Bildmerkmalen
von jedem Ansichtsbild mit einem Profil; und
Bestimmen einer Übereinstimmung
basierend auf den verglichenen Bildmerkmalen;
dadurch gekennzeichnet,
dass vor dem Erzeugen der Bildmerkmale vom Vorderansichtsbild, das
Vorderansichtsbild zuerst unter Verwendung der erzeugten Bildmerkmale
vom Ansichtsbild, das aus einem Winkel erhalten wurde, normalisiert
wird, um der Dejustierung des Gesichts im Vorderansichtsbild Rechnung
zu tragen.
-
In
einem weiteren Gesichtspunkt besteht die Erfindung in einem System
zum Abgleichen von Gesichtern, wobei das System Folgendes umfasst:
Mittel
zum Erhalten eines Vorderansichtsbildes von einem abzugleichenden
Gesicht;
Mittel zum Erhalten eines Ansichtsbildes des abzugleichenden
Gesichts aus einem Winkel weg von der Vorderansicht;
Mittel
zum Erzeugen von Bildmerkmalen von jedem der Ansichtsbilder;
Mittel
zum Vergleichen von Bildmerkmalen von jedem Ansichtsbild mit einem
Profil; und
Mittel zum Bestimmen einer Übereinstimmung basierend auf
den verglichenen Bildmerkmalen;
dadurch gekennzeichnet, dass
Mittel zum Normalisieren des Vorderansichtsbildes unter Verwendung
der erzeugten Bildmerkmale vom Ansichtsbild, das aus einem Winkel
erhalten wurde, bereitgestellt werden, um der Dejustierung des Gesichts
im Vorderansichtsbild Rechnung zu tragen, und dass das normalisierte
Vorderansichtsbild den Mitteln zum Erzeugen von Bildmerkmalen bereitgestellt
wird.
-
Ein
Kontrollpunkt-Überprüfungssystem
verwendet eine Vielzahl von Kameras, um Bilder von einer zu überprüfenden Person
aus unterschiedlichen Winkeln bereitzustellen. Unterschiedliche
Merkmale, die aus den Bildern bei unterschiedlichen Winkeln gewonnen
werden, werden mit einem der zu überprüfenden Person
zugehörigen
Profil verglichen. In einer Ausführungsform
stellt die Person zuerst eine ID, wie beispielsweise einen Führerschein
oder eine andere Identifikation bereit, und das Profil wird abgerufen.
Wenn eine Übereinstimmung
ermittelt wird, kann die Person den Kontrollpunkt passieren. Wenn
keine Übereinstimmung
ermittelt wird, kann die Person in einen anderen Weg durch den Kontrollpunkt
zur weiteren Überprüfung ihrer
Identität
geleitet werden.
-
Ein
Registrierungsverfahren wird verwendet, um Mitglieder zu registrieren
und ein Mitgliedsprofil zu erhalten. Es werden drei Kamerawinkel
verwendet, um ein auf drei Dimensionen basierendes Modell bereitzustellen
(d.h. Merkmale, die aus einem 3D-Raum gewonnen werden). Nachdem
eine 3D-Darstellung der Person ausgewählt wurde, wird jedes Bild
der 3D-Darstellung unabhängig
mit dem Profil verglichen und die Entscheidungen aus solchen Vergleichen
werden gewichtet. In einer Ausführungsform
wird das Profil regressiv aktualisiert, wenn eine Übereinstimmung
ermittelt wird.
-
Merkmale,
die neueren übereinstimmenden
Bildern im Profil entsprechen, werden für den Vergleich schwerer gewichtet.
-
In
weiteren Ausführungsformen
können
registrierte Mitglieder in einen abgelaufenen Mitgliedsstatus versetzt
werden und in den unterschiedlichen Weg geleitet werden. Dies kann
erfolgen, wenn ein registriertes Mitglied das System während eines
Zeitraums nicht verwendet hat oder Änderungen am Profil, wie beispielsweise Änderungen
der Adresse oder anderer Kontaktinformationen, vorgenommen wurden.
Der unterschiedliche Weg verwendet manuelle Kontrollpunktverfahren.
-
Kurze Beschreibung der Zeichnungen
-
1 ist
ein Blockdiagramm eines Beispiels eines Sicherheitskontrollpunktsystems,
das ein Bewegungserkennungssystem verwendet.
-
2 ist
ein Blockdiagramm eines Beispiels eines Bewegungserkennungssystems
mit mehreren Kameras von 1.
-
3 ist
ein Blockablaufdiagramm eines Beispiels eines Verfahrens, das an
einem Sicherheitskontrollpunkt verwendet wird.
-
4 ist
ein weiteres Blockdiagramm des Betriebs des Bewegungserkennungssystems
mit mehreren Kameras.
-
5 ist
ein Blockdiagramm eines Beispiels eines Computersystems zur Ausführung ausgewählter Teile
des Sicherheitskontrollpunktsystems.
-
Ausführliche Beschreibung der Erfindung
-
In
der folgenden Beschreibung wird Bezug auf die begleitenden Zeichnungen
genommen, die einen Teil davon bilden, und in denen zur Veranschaulichung
spezifische Ausführungsformen
gezeigt werden, in denen die Erfindung in der Praxis angewandt werden
kann. Diese Ausführungsformen
werden in einer Ausführlichkeit
beschrieben, die ausreicht, um es Fachleuten zu ermöglichen,
die Erfindung in der Praxis anzuwenden, und es versteht sich, dass
andere Ausführungsformen
verwendet werden können,
und dass strukturelle, logische und elektrische Änderungen vorgenommen werden
können,
ohne den Umfang der vorliegenden Erfindung zu verlassen. Die folgende
Beschreibung ist aus diesem Grund nicht in einem einschränkenden
Sinne aufzufassen und der Umfang der vorliegenden Erfindung ist
durch die beigefügten
Ansprüche
bestimmt.
-
Die
Funktionen oder Algorithmen, die hierin beschrieben werden, werden
in Software oder in einer Ausführungsform
in einer Kombination von Software und durch Menschen ausgeführten Verfahren
ausgeführt. Die
Software umfasst computerausführbare
Befehle, die auf einem computerlesbaren Medium, wie beispielsweise
ein Speicher oder ein anderer Typ von Speichervorrichtungen, gespeichert
sind. Der Begriff „computerlesbares
Medium" wird auch
verwendet, um Trägerwellen
darzustel len, auf denen die Software übermittelt wird. Ferner entsprechen
solche Funktionen, die Software, Hardware, Firmware oder irgendeine
Kombination davon aufweisen, Modulen. Viele Funktionen werden wie
erwünscht
in einem oder mehreren Modulen ausgeführt und die beschriebenen Ausführungsformen
sind lediglich Beispiele. Die Software wird auf einem digitalen Signalprozessor,
ASIC, Mikroprozessor oder einen anderen Typ von Prozessor ausgeführt, der
auf einem Computersystem arbeitet, wie beispielsweise ein Personalcomputer,
Server oder ein anderes Computersystem.
-
Ein
Schnellzugangskontroll-Überprüfungssystem,
wie in 1 bei 100 allgemein gezeigt, wird verwendet,
um registrierte Mitglieder zu bedienen. Das System verarbeitet in
kurzer Zeit eine große
Menschenmenge mit minimaler erforderlicher Kooperation und einem
Minimum an Unannehmlichkeiten. Gesichtsüberprüfungsmechanismen werden verwendet,
um Mitglieder durch das Vergleichen von Bildern aus unterschiedlichen
Winkeln mit gespeicherten Informationen über das Mitglied zu identifizieren.
Eine Mitglieder-ID wird während
der Verwendung des Systems durch das Mitglied vorgewiesen. Die ID
wird verwendet, um die gespeicherten Informationen abzurufen, die
ein Profil umfassen.
-
Zum
Eintreten der Personen in das System 100 werden zwei Zugangspunkte
bereitgestellt. Ein automatisierter Zugangspunkt 110 und
ein manueller Zugangspunkt 115 werden bereitgestellt. Der
automatisierte Zugangspunkt 110 führt zu einer automatisierten
Gesichtsverifikationsstation 120. Eine ID-Karte oder eine
andere Form von Identität
kann an diesem Punkt gescannt werden und Informationen werden zur
Verwendung beim Vergleichen von Bildern, die an der Verifikationsstation 120 gemacht
werden, mit den abgerufenen Informationen abgerufen. Wenn eine Übereinstimmung
gefunden wird, wird die Person bestätigt und durch den Durchgang 130 zu
einem Tor, Gebäude
oder einem anderen Bereich mit Zugangskontrolle geleitet.
-
Falls
keine Übereinstimmung
gefunden wird oder aus anderen Gründen, kann die Person über den Durchgang 140 zurück in einen
manuellen Abfertigungsdurchgang zum manuellen Abfertigungsdurchgang 150 geleitet
werden. Auch der Zugangspunkt 115 führt zum manuellen Abfertigungsdurchgang 150.
Manuelle Überprüfungen werden
dann bei 160 ausgeführt.
-
Zum
Registrieren weisen Mitglieder einem Bediener eine Foto-ID und andere
erforderliche Dokumente vor. Der Bediener gleicht ihre Identität mit einer
Kontoaufzeichnung ab und registriert sie in einer sicheren Datenbank.
Während
des Betriebs können
registrierte Einzelpersonen dann die Zugangspunkte passieren, während das
System ihre Bilder erfasst, ein vereinigtes 3D-Modell der Person
konstruiert und es mit dem aufgezeichneten Konto vergleicht. Nachdem
die Einzelpersonen bestätigt
wurden, können
sie direkt den Zugang zur Einrichtung, zum Standort/Gebäude/Tor
passieren, ohne bei der Abfertigung in langen Schlangen mit dem Rest
der Besucher/Kunden stehen zu müssen.
-
Die
Verifikationsstation 120 fotografiert die Person aus mehreren
Ausrichtungen wie in 2 gezeigt unter Verwendung von
einzelnen oder mehreren Bändern
(d.h. sichtbare oder IR-Sensoren wie zweckmäßig), um ein 3D-Modell der
Person zu konstruieren. Das Modell wird dann mit dem Passagierprofil
verglichen, das einen vorher bestehenden Merkmalssatz aufweist,
um ihre/seine Identität
unter Verwendung von text- und bildbasiertem Vergleich zu verifizieren.
Die persönlichen
Informationen können
von der Identifikation kommen, die die Passagiere bei der Abfertigung
vorweisen/scannen müssen.
Zum Passieren der Kontrollpunkte würde die Registrierungskarte
mit einem Kartenscanner oder einer anderen Eingabevorrichtung gelesen.
Das Foto, die Identität
und die Zugangsinformationen des Passagiers werden gegen die abgerufenen
Informationen von der Systemdatenbank abgeglichen, um zu bestätigen oder
bei einer Nichtübereinstimmung
abzulehnen. Wenn eine Nichtübereinstimmung
vorliegt, würde
das Mitglied auf die Verwendung eines unterschiedlichen Durchgangs 150 verwiesen,
wo ein Bediener/Beamter den Vorfall untersuchen und Korrekturmaßnahmen
ergreifen würde,
falls der Bedarf einer Aktualisierung des Fotos, eine Änderung
der Adresse oder, im Falle eines Bedrohungsmusters, einer Alarmmeldung
an die Behörden
bestünde.
-
In 2 wird
bei 200 eine Person 210 durch drei Kameras fotografiert.
In verschiedenen Ausführungsformen
können
die Kameras Sensoren unterschiedlicher Wellenlängentypen sein, d.h. Nah-IR-,
IR-Sensoren und es können
zwei oder mehr solcher Kameras/Sensoren verwendet werden. Eine Vorderkamera 220 wird verwendet,
um eine Vordergesichtslandschaft zu erfassen. Die Vorderlandschaft
oder Ansicht wird unter Verwendung einer ausgereiften 2D-Gesichts-ID-Technologie
analysiert, die bis zu 20 Grad an Kopfausrichtung zulassen kann.
Das System wird mit einer oder mehreren anderen Außenkameras
aufgestockt, um den übrigen Bereich,
d.h. 20 bis 90 Grad, abzudecken, um die Profilansichten zu erfassen.
Eine erste Außenkamera 225 wird
in einem Winkel von ungefähr
20 Grad von der Vorderkamera, wie bei 250 angegeben, gezeigt.
Die erste Kamera wird bei 230 auch in einer zweiten Position
bei ungefähr
90 Grad von der Vorderkamera gezeigt. In ähnlicher Weise werden auf einer
gegenüberliegenden
Seite von der ersten Außenkamera 225 eine
zweite Außenkamera 240 bei
20 Grad und 245 bei 90 Grad gezeigt. Die Außenwinkel
können
je nach Wunsch variiert werden, um optimale Ergebnisse zu erhalten.
-
Die
Anordnung der Kameras und die Eigenschaften von jeder Kamera können basierend
auf heuristischen geometrischen Beobachtungen variieren, um diejenigen
zu erhalten, die für
diese Anwendung die zweckmäßigsten sind.
Die Winkel können
ausgewählt
werden, um die zuverlässigste
geometrische Triangulation der Gesichtsinformationen bereitzustellen.
Die Höhe
der Kamera und ihre Position in Bezug auf den Kartenleser können auch
basierend auf der Gestaltung des Kontrollpunkts variieren.
-
Als
Auswahlmöglichkeit
kann das System ausgeführt
werden, um automatisiertes Passenger Profiling zu umfassen, sowie,
um einen systemintegrierten Ansatz zur Begegnung irgendwelcher Gefahren
bereitzustellen. Alle abgefertigten nicht übereinstimmenden Passagiere,
die das automatisierte Abfertigungssystem verwenden, können einem
Profiltest unterzogen werden. Der Profiltest kann ausgelöst werden,
wenn keine perfekte Übereinstimmung
mit der Person in der Datenbank vorlag. Die nicht übereinstimmenden
Passagiere werden in eine andere Kategorie getrennt, die ein Sicherheitsrisiko
darstellen und weitere Untersuchungen rechtfertigen kann.
-
Die
Verifikationsstation 120 wird in 3 ausführlicher
gezeigt. Die Anordnung besteht aus einem Kartenscannersystem 304 (Steuergerät, digitaler
Kartenleser und Proximity-Karten), einem Netz von Kameras 305,
einem Satz von Lichtern 306, Kabeln zum Verbinden der Kameras
und des PC-Hosts mit dem Netz, einem Videostreamer, einem lokalen
Netz und einem Verifikationsserver, die alle bei 304 dargestellt
werden. In einer anderen Ausführungsform
kann der Satz von Lichtern verwendet werden, um falls notwendig
reichlich Licht bereitzustellen, damit die Kameras Bilder der Person
von guter Qualität
erfassen können.
Alle Videokameras können
von einem Typ mit festem Sehfeld sein. Die Ausgänge der Kameras werden in den
Videostreamer eingegeben, der die Videobilder digitalisiert und
komprimiert. Der Videostreamer ist mit dem lokalen Netz verbunden
und stellt so dem Verifikationsserver digitalisierte Videoströme bereit.
Der Videoserver speichert die Videoströme und weist die Fähigkeit
auf, Video basierend auf Zeitstempeln abzurufen und anzuzeigen.
Der Verifikationsserver 304 ermittelt die Gesichts-ID der
Person und führt
einen Abgleich gegen eine sichere Datenbank von registrierten Einzelpersonen
durch. Die Video- und Verifikationsserver werden als einer kombiniert.
Ein Hostrechner 308 ist in der Nähe des Kontrollpunkts positioniert.
-
Es
sind Regeln bestimmt, von denen die Versuchsstandarchitektur zu
konstruieren ist.
- Kategorie 1: ein „registriertes Mitglied": ist ein Passagier,
der sich in der Vergangenheit mit einem aktualisierten Profil im
System registriert hat.
- Kategorie 2: ein „neues
Mitglied": ist ein
Passagier, der sich zum ersten Mal in dem Programm registriert.
- Kategorie 3: ein „abgelaufenes
Mitglied": ist ein
vorheriges „registriertes
Mitglied", dessen
Registrierung abgelaufen ist, da er/sie das System während eines
Zeitraums nicht verwendet hat oder Änderungen an seinem/ihrem Profil,
z.B. eine Änderung
der Adresse oder der Telefonnummer, vorgenommen wurden.
-
Zur
Durchsetzung der Sicherheitsregeln werden Kategorie 2 und 3 durch
unser FACS-5-System in gleicher Weise als „Nichtmitglieder" behandelt und werden
an einen manuellen Kontrollpunkt weitergeleitet. Von Nichtmitgliedern
wird der Besuch in einem Registrierungsbüro verlangt, um sich zum ersten
Mal zu registrieren, ihre Mitgliedschaft zu reaktivieren oder ihr
Profil zu aktualisieren.
-
Basierend
auf den vorhergehenden Definitionen wird ein sechsstufiges Verfahren
für die
Authentifizierung der automatisierten Kontrollpunkt-Passagierüberprüfung verwendet.
Das Verfahren wird wie folgt ausgeführt:
Abfertigung: Der/die
Benutzerin beginnt bei 304 mit dem Scannen seiner/ihrer
Identifikation (z.B. Vielfliegerkarte).
Bilderfassung: Nachdem
die Anwesenheit der Einzelperson durch die Aktivierung des Kartenlesers
festgestellt wurde, löst
das System die Erfassung mehrerer Bilder 320 des Passagiers
durch die Kamera zur Gesichts-ID-Verarbeitung
aus.
Profilabruf: Das FACS-5 ruft bei 310 das Profil
der Person von einer Serverdatenbank mit spezifischen Informationen
ab, z.B. Name, Adresse, Telefon, Foto, und übergibt diese Informationen
an die Verifikationssoftware des FACS-5-Rechners zur ID-Verifikation
weiter.
Gesichts-ID: Der Bildverarbeitungs-Bestandteil des
Systems konstruiert bei 325 ein 3D-Modell der Person und bereitet
bei 330 eine 3D-Gesichts-ID (z.B. bildbasierte Merkmalvektoren)
zur Eingabe in die Gesichtsverifikationssoftware vor.
Mitgliedschaftsverifikation:
Wenn bei 335 die Mitgliedschaft des Passagiers bestätigt wird,
dann wird die Gesichts-ID des Passagiers an den Gesichtsverifikationsmechanismus 340 gesendet.
Andernfalls wird dem Passagier die Abfertigung unter Verwendung
eines Gesichtsverifikationsmechanismus 340 verweigert und
er wird zum Passieren an einen manuellen Kontrollpunkt 345 weitergeleitet.
Gesichts-ID-Verifikation:
Nur die Gesichts-ID-Verifikation der Passagiere mit gültiger Mitgliedschaft
wird verarbeitet. Nach dem Abgleich bei 350 wird die Einzelperson
authentifiziert und zum Passieren durch den Zugangspunkt 355 geleitet.
Bei einer Nichtübereinstimmung
wird die Einzelperson abgelehnt und zum Passieren an den manuellen
Kontrollpunkt 345 verwiesen.
-
Der
Gesichtsverifikationsmechanismus 340 wird in 4 mit
mehr Ausführlichkeit
gezeigt. Er berücksichtigt
Informationen von sowohl Vorderansichten als auch Profilansichten
der Personen, die erhalten werden, wie bei 405 angezeigt.
Mehrere Bilder werden für
die Vorder- und Profilansicht erhalten und bei 410 wird
der beste Bildsatz von jedem (zu unterschiedlichen Zeitpunkten erfassten)
aufeinander folgenden Rahmen ausgewählt. Die unterschiedlichen
Ansichten stellen die Fähigkeit
bereit, unterschiedliche Bänder
zu fusionieren, um die Gesichtserkennung bei 415 zu optimieren.
-
In
einer Ausführungsform
wird Hauterkennung verwendet, um tatsächliche Merkmale von Gesichtern zu
gewinnen und versteckte Teile (z.B. Teile von Gesichtern mit viel
Schminke, Haar, usw.) zu beseitigen. Schwere Rechenverfahren sind
nicht erforderlich und so ist der Verifikationsmechanismus gut für die kontrollpunktüberprüfungs- und
authentifizierungsartige Anwendung geeignet.
-
Ein
3D-Gesichtsmerkmalvektor, wie in 420, 425 und 430 dargestellt,
wird von den drei unabhängigen Sensorausgängen konstruiert.
Eine Kamera wird an der Vorderlandschaft der Gesichtsansicht positioniert
und die anderen zwei Kameras sind in zwei optimalen Winkeln positioniert,
um sowohl die rechten als auch die linken Profile der Person zu
erfassen, wie vorhergehend beschrieben. Die geometrischen Informationen
des Profils, das durch die zwei Kameras auf den Seiten erfasst wird,
werden zum Normalisieren des Ausgangs der Vorderkamera unter Verwendung
einer Musterabgleichtechnik verwendet. Der normalisierte Merkmalvektor, der
vom Vordergesicht gewonnen wird, verbessert die Leistung des 2D-Gesichts-ID-Verifikationstools.
-
In
einer Ausführungsform
wird jede der Ansich ten durch einen separaten Verifikationsmechanismus unter
Verwendung von Daten, die von einer Datenbank 450 erhalten
werden, ausgeführt,
die die Registrierungsinformationen enthält, wie in 435, 440 und 445 angezeigt.
Profilbasierende Merkmalsätze
werden zur Analyse von Merkmalen verwendet, die von Bildern der
Sensoren oder Kameras erhalten werden, die Profilbilder bereitstellen.
Solche Merkmalsätze
können
einige unterschiedliche Merkmale aufweisen, die bei einem Vorderbild
nicht verfügbar
sind, wie beispielsweise die Entfernung von der Nase zum Ohr und
Gesichtshaarmerkmale, die von der Vorderansicht nicht festgestellt
werden können.
Weitere Details für
ein Beispiel eines Verifikationsmechanismus für einen profilbasierten Merkmalssatz
werden unten dargelegt.
-
In
einer Ausführungsform
wird Local Feature Analysis (LFA) verwendet, um das Vorderbild zu
analysieren. Diese Technik gewinnt und analysiert lokale Gesichtsmerkmale
wie Augen, Nase, Wangen, Mund, Kinn und die Art und Weise, in der
sie das Gesicht bilden. Die LFA-Technik kann durch Normalisieren
der erfassten Vorderansicht unter Verwendung der geometrischen Informationen
von den erfassten Profilen ausgebaut werden. Diese einzigartige
LFA-Technologie stellt zusätzliche
Zuverlässigkeit
bereit, wenn sie auf normalisierte Gesichtstemplates angewandt wird.
Viele LFA-Tools, wie beispielsweise FaceIt von Identix, sind im
Handel erhältlich
(in einer anderen Ausführungsform
wird die FaceVacs-Lösung
von Cognitec System verwendet). Geometrische Informationen können verwendet
werden, um den Merkmalssatz auszubauen, der in einem Eins-Zu-Eins-Abgleichverfahren
verwendet wird; dies verringert die Quellen von Fehlern aufgrund
von Abweichungen in der Vorderansicht.
-
Bei
einer steigenden Anzahl von Bestandteilen im Merkmalssatz vergrößert sich
die Distanz zwischen einer Person und anderen Templates, wodurch
eine Über einstimmung
des Paares offensichtlicher wird. Ein Verfahren 455 des
gewichteten Mittelns wird verwendet, um die Ergebnisse des Drei-Zu-Eins-Verfahrens
zu kombinieren, das auf die drei Ansichten angewandt wird. Zusätzlich werden
lokale Merkmale oder Knotenpunkte, die von den Profilansichten gewonnen
werden, weniger durch Gesichtausdrücke beeinträchtigt. Ein Beispiel für einen
Knotenpunkt ist das Kinn.
-
In
einer Ausführungsform
umfasst die Gesichtserkennung Gesichts-Kopf-Bewegungserkennung.
Die Kopfbewegung, die nicht auf die Kopfsilhouette beschränkt ist
(Kopfbewegung reicht nicht aus, um ein tatsächliches Gesicht von einem
maskierten Gesicht zu unterscheiden), umfasst stattdessen die Ermittlung
von relativ geringen Bewegungen der Orientierungspunkte des Gesichts
in Bezug auf die Gesichtslandschaft, als Ergebnis von Augenblinzeln,
lokalen Kinnbewegungen und unterschiedlichen Gesichtausdrücken.
-
In
einer Ausführungsform
wird zur Anpassung an Gesichtsveränderungen über die Zeit Autoregression
verwendet. Wenn eine Übereinstimmung
gefunden wird, werden ältere
Informationen im Profil durch neue Informationen ersetzt, die während des
Kontrollpunktverfahrens erhalten werden. Diese neuen Informationen können auch
schwerer gewichtet werden als die älteren Informationen, was auch
als zeitliche Gewichtung bezeichnet wird. Die Informationen können für Merkmale
charakteristisch sein wie vorhergehend beschrieben. Weitere Informationen
können
während
des Registrierungsverfahrens für
mehrere Bilder gespeichert werden und ein gewichtetes Mittel kann
verwendet werden, um die Übereinstimmung
von gegenwärtigen
Kontrollpunktansichten zu bestimmen. Wenn das Mitglied den Dienst über die
Zeit verwendet, können ältere Merkmale durch
neuere Sätze
ersetzt werden, die während
der Verwendung des Kontrollpunktverfahrens gemessen werden. Die
Gewichtungen können
wie gewünscht
angepasst werden, um die Leistung zu optimieren. Eine zu drastische
Veränderung
ergibt eine Nichtübereinstimmung
und das Leiten an eine manuelle Kontrollpunktstation. Eine solche
Autoregressionsmodellierung sorgt für die Kompensation von langsamen
Veränderungen
in der Erscheinung aufgrund von Alterung, Gewichtsverlust/Zunahme
und anderen allmählichen
physischen Veränderungen.
-
In 5 wird
ein Blockdiagramm eines Computersystems gezeigt, das die Programmierung
für die Durchführung des
vorhergehenden Algorithmus ausführt.
Eine allgemeine Rechnervorrichtung in der Form eines Computers 510 kann
eine Verarbeitungseinheit 502, einen Speicher 504,
einen Wechselspeicher 512, und einen Nichtwechselspeicher 514 umfassen.
Der Speicher 504 kann einen flüchtigen Speicher 506 und
einen nichtflüchtigen
Speicher 508 umfassen. Der Computer 510 kann eine
Vielzahl von computerlesbaren Medien, wie beispielsweise einen flüchtigen
Speicher 506 und einen nichtflüchtigen Speicher 508,
einen Wechselspeicher 512 und einen Nichtwechselspeicher 514 aufweisen
oder Zugang zu einer Rechnerumgebung haben, die dies umfasst. Der
Computerspeicher umfasst RAM, ROM, EPROM & EEPROM, Flash-Speicher oder andere Speichertechnologien,
CD-ROM, digitale vielseitige Platten (Digital Versatile Disks – DVD) oder
andere optische Plattenspeicher, Magnetkassetten, Magnetbänder, Magnetplattenspeicher
oder andere magnetische Speicher, oder irgendein anderes Medium,
das in der Lage ist, computerlesbare Befehle zu speichern. Der Computer 510 kann
eine Rechnerumgebung umfassen, die einen Eingang 516, Ausgang 518 und
eine Kommunikationsverbindung 520 umfasst, oder Zugang
dazu haben. Der Computer kann unter Verwendung einer Kommunikationsverbindung
zur Verbindung mit einem oder mehreren entfernt gelegenen Computern
in einer Netzumgebung arbeiten. Der entfernt gelegene Computer kann
einen Personalcomputer, Server, Router, Netz-PC, eine Peervorrichtung
oder einen anderen gewöhnlichen
Netzknoten oder dergleichen umfassen. Die Kommunikationsverbindung
kann ein lokales Netz (Local Area Network – LAN), ein Weitbereichsnetz
(Wide Area Network – WAN)
oder andere Netze umfassen.
-
Computerlesbare
Befehle, die auf einem computerlesbaren Medium gespeichert sind,
können
durch die Verarbeitungseinheit 502 des Computers 510 ausgeführt werden.
Eine Festplatte, CD-ROM und RAM sind Beispiele von Gegenständen, die
ein computerlesbares Medium umfassen. Zum Beispiel kann ein Computerprogramm 525,
das in der Lage ist, eine generische Technik zum Ausführen von
Zugangskontrollüberprüfungen für Datenzugriff
und/oder zum Ausführen
einer Operation auf einem der Server in einem COM-basierten System
gemäß den Lehren
der vorliegenden Erfindung auf einer CD-ROM enthalten sein und von
der CD-ROM auf eine Festplatte geladen werden. Die computerlesbaren
Befehle ermöglichen
es dem Computersystem 500, generische Zugangskontrollen
in einem COM-basierten Computernetz bereitzustellen, das viele Benutzer
und Server aufweist.
-
Beispiel eines Verifikationsmechanismus
für profilbasierten
Merkmalssatz
-
Ein
3D-Objekt kann eine von einer Vielzahl von Erscheinungen annehmen,
wenn es in einen 2D-Bildbereich projiziert wird. Dies macht das
Problem der Gesichtsverifikation in einem 2D-Bereich unter verschiedenen
Beleuchtungsbedingungen und Haltungen zu einem schwierigen Problem.
Es kann sein, dass die perspektivische Ansicht der Vordergesichtsgeometrie,
wie in den Rahmen erfasst, nicht mit der durch den 2D-basierten
Gesichts-ID-Mechanismus
erwarteten Geometrie übereinstimmt.
Im Gegensatz zur Registrierung werden bei der Laufzeit schräge, geneigte
und ausgerichtete Ansichten der Vorderansichtspunkte erwartet. Die Schätzung der
Ausrichtung der ebenen Gesichtsfläche ist ein wesentlicher Bestandteil
dieses Problems. Zum Beispiel werden die Verfahren der Segmentierung,
des Gewinnens der Merkmale und der Klassifizierung beträchtlich
vereinfacht, wenn die Auswirkungen der perspektivischen Projektion
zuerst beseitigt werden, wodurch der Krümmungseffekt der tatsächlichen
lokalen Gesichtsmerkmale verringert wird. Der Stand der Technik
für Gesichtsidentifikationen
beruht hauptsächlich
auf einer solchen Analyse der lokalen Merkmale, die leicht durch
diese Ausrichtungen beeinträchtigt
werden. Es steht außer
Frage, dass diese Winkelabweichungen das Scheitern der meisten bestehenden
zuverlässigen
2D-Gesichts-ID-Systeme verursachen und das Problem wird in der Literatur
gut erkannt. Es ist erwünscht,
eine Gesichts-ID bereitzustellen, die weniger beeinträchtigt wird,
wenn sie mit diesen Winkelabweichungen vom normalen Vordergesicht
konfrontiert wird. Das System und der technische Ansatz hierin führen eine
Rückgewinnung
der tatsächlichen
Vordergesichtsebene von der Abbildungsebene (d.h. Bildebene, wie
durch ein 2D-Kamerasystem erfasst) durch.
-
Ein
modellbasierter Ansatz wird bereitgestellt, um ein geometrisches
Modell zu gewinnen, ohne eine tatsächliche 3D-CAD-Darstellung
des Gesichts zu konstruieren. Das System korrigiert etwaige Dejustierungen unter
Verwendung perspektivischer Projektionen und Triangulationsmechanismen
unter Verwendung von drei Vorder- und Profilansichten eines Kamerasystems.
Zusätzlich
zur den Ausrichtungen der 2D-Darstellung der Vorderlandschaft, sorgt
die Erweiterung der Gesichtsmerkmalvektoren für einen besseren Abgleich von
Identitäten.
-
Gesichtserkennung:
Viele Systeme funktionieren zum Identifizieren von Gesichtern in überladenen Szenen
durch Verwendung eines Erkennungs-Vorverarbeitungsalgorithmus vor
der Gesichtsidentifikation. In einer Ausführungsform der vorliegenden
Erfindung wird das Erfordernis eines Gesichtserkennungsalgorithmus vermieden,
indem die Gesichtsbilder vor einem einheitlichen Hintergrund in
einer Anordnung, in der das Gesicht den größten Teil des Bildrahmens einnimmt,
aufgenommen werden. Da dieses System auf einer kontrollierten Szene
mit einem vereinfachten nicht komplexen Hintergrund basiert, wird
davon ausgegangen, dass die Gesichtserkennung ein einfaches Verfahren
ist und dass sie unter Verwendung der 2D-Gesichts-ID-Lösung durch
Zuordnen der Augen gelöst
wird.
-
Kontrollierte
Beleuchtungsbedingungen: Das System ist auf ein Gesichts-ID-Verifikationsschema
fokussiert, um die variierende Erscheinung der Gesichts-ID zu handhaben,
die hauptsächlich
auf Haltungen und Gesichtsausdruck und Okklusion beruht. Beleuchtung
ist kein Problem, da dies eine kontrollierte Szene ist und das Portal
einem kontrollierten entschärften
Licht ausgesetzt ist.
-
Haltungsauswahl:
Die erste Stufe der Verarbeitung in der Gesichtsverifikationsarchitektur
ist unabhängig
vom Gesichts-ID-Verifikationsmechanismus und ist auf die Haltung
(d.h. Translation und Ausrichtung des Kopfes) beschränkt. Die
Orte der Knotenpunkte innerhalb der drei erfassten Bilder werden
verwendet, um Eingangsgesichter in eine grobe geometrische Ausrichtung
mit der Gesichts-ID-Ansicht der Datenbank zu bringen, wie unten
beschrieben. Haltungsschätzung
wird als ein Filter auf die Datenbankansichten verwendet, indem
nur diejenigen Ansichten ausgewählt
werden, deren Haltung ähnlich
ist wie diejenige der Eingangshaltung. Haltungsschätzung sollte
als ein Optimierungsfilter zur Verbesserung gegenüber dem
Angebot des 2D-Systems betrachtet werden.
-
Normalisierungsverfahren:
Normalisierung wird auf zwei Fronten durchgeführt: 1) Schätzung der Kopfausrichtung,
die eine bestimmte Haltungsansicht in Bezug auf die Vorderkamera
bestimmt, 2) zusätzlich
zur Ausrichtung und Normalisierung, die am Bildort durchgeführt wird,
um die Kopfausrichtung zu korrigieren, wird die Gesichtsmerkmalerweiterung
für dejustierten
Abtastungen der Person betrachtet, die in Bezug auf die 2D-Vorderansicht unter
einer beträchtlichen
Fehlausrichtung leiden. Eine weitere Skalierung und Positionierung
wird innerhalb des 2D-Gesichts-ID-Mechanismus ausgeführt.
-
2D-Lösung: 2D-Gesichts-ID
ist ein Ansatz mit einem parameterisierten Modell unter Verwendung
der Analyse lokaler Merkmale, d.h. Identix oder Cognitec. Irgendeine
andere zuverlässige
2D-LFA-Analysesituation könnte
als Teil der 3D-Lösung
verwendet werden.
-
Speicheranforderung:
Die 2D-Lösungen
können
konfiguriert werden, um viele unterschiedliche Muster-2D-Ansichten der
Einzelperson zu speichern. Dies wird allgemein als ansichtsbasierter
Ansatz bezeichnet. Der ansichtsbasierte Ansatz handhabt die Veränderung
in der Erscheinung, indem einfach viele 2D-Ansichten der Einzelperson
gespeichert werden. Wenn versucht wird, eine neue Eingangsansicht
zu erkennen, versucht der Erkenner einfach den Eingang gegen eine
Beispielansicht abzugleichen, die in Haltung und Beleuchtung ausreichend
nahe liegt. Da Haltungs-Beleuchtungs-Parameterraum mehrdimensional
ist, könnte
die ausreichend dichte Bevölkerung
dieses Raumes mit Beispielsansichten eine große Liste von erfassten Bildern
erfordern. Zusätzlich
steigt das Rechenverfahren, das erforderlich ist, um alle diese
Ansichten zu bestätigen,
exponentiell.
-
In
verschiedenen Ausführungsformen
des 3D-Systems basiert
der Erfassungsmechanismus auf drei Kameras, die derart angeordnet
sind, dass eine Kamera die Vorderansicht des Gesichtes abbildet,
und zwei in einem Winkel angeordnet sind, der in Bezug auf die Normale
des Gesichts symmetrisch ist, um die Ansichtspunkte des rechten
und linken Profils abzudecken. Es wurde bereits bewiesen, dass eine
einzige Kamera, die den Vorderansichtspunkt erfasst, zur Gesichtsidentifi kation
nicht ausreichend sein kann, wenn das Gesicht nicht gut in der Feldansicht
angeordnet ist. Das Hinzufügen
von zwei Seitenkameras verbessert die Leistung wenn die Vorderkamera
keine genaue Darstellung des Vorderansichtspunktes bereitstellen
kann.
-
In
einer Ausführungsform
der vorliegenden Erfindung wird eine Folge von Rahmen bei einer
Sequenz aufgegriffen und die beste 3D-Darstellung der Einzelperson
wird von der Folge ausgewählt.
Eine 3D-Darstellung wird durch das rechte und linke Profil und die
Vorderbilder der zu einem Zeitpunkt (d.h. einer Zeit t entsprechend)
erfassten Einzelperson bestimmt. Die beste Auswahl der 3D-Darstellung
basiert darauf, welche Kombination eine genauere 2D-Darstellung
der Vorderlandschaft mit dem geringsten Kopfausrichtungseffekt ergeben
würde.
-
Um
eine solche Auswahl auszuführen,
werden zwei Parameter definiert, w(i, t) Breite zwischen den Augen,
und H(i, t) ist der relative Ort des Mittelpunkts der Augen in Bezug
auf den Mund im Gesicht. (i kennzeichnet Rahmenindizes und t kennzeichnet
die Zeit).
-
Die
3D-Haltung wird derart ausgewählt,
dass
t0 = arg max{w(i,
t), H(i, t)}
über
t, für
i = 2oder,
-
Der
erste Parameter w(.,.) bestimmt Rahmen mit dem kleinsten Kopfausrichtungswinkel,
und H(.,.) bestimmt Rahmen mit dem kleinsten Elevationswinkel (Neigungswinkel).
-
Nachdem
eine 3D-Haltung der Einzelperson erfasst wurde, weist ein darauf
folgendes Verfahren eine zweifache Lösung auf:
Normalisierte
2D-Lösung:
Die geometrischen Informationen des Profils, das durch die zwei
Kameras auf den Seiten erfasst wurde, wird verwendet, um den Ausgang
der Vorderkamera unter Verwendung eines Musterabgleichs (d.h. Teilbildregistrierung)
und einer Krümmungstechnik
zu normalisieren. Der normalisierte Merkmalvektor, der vom Vordergesicht
gewonnen wird, wird die Leistung des 2D-Gesichts-ID-Verifikationtools
in hohem Maße
verbessern.
-
Der
Ansatz besteht darin, den Gesichtsausrichtungswinkel unter Verwendung
von Triangulation in Bezug auf die Vorderebene zu bestimmen, und
erforderliche Korrekturen/Krümmungen
vorzunehmen, um eine genauere Darstellung der Vorderlandschaft zu
erzeugen. Diese korrigierte normalisierte Vorderlandschaft wird dann
in den 2D-Gesichts-ID-Mechanismus eingegeben.
-
Erweiterte
Merkmale: Geometrische Informationen werden verwendet, um den Merkmalssatz
zu erweitern, der in einem Eins-Zu-Eins-Abgleichverfahren verwendet
wird; dies wird die Quellen von Fehlern aufgrund von Veränderungen
in der Vorderansicht verringern. Bei steigender Anzahl von Bestandteilen
im Merkmalssatz nimmt die Distanz zwischen einer Person und anderen
Templates zu, wodurch eine Paarübereinstimmung
offensichtlicher wird. Ein Verfahren mit einem gewichteten Mittel
wird verwendet, um die Ergebnisse in den Eins-Zu-Eins-Verfahren
zu kombinieren, die auf die drei Ansichten angewandt werden.
-
2D-Normalisierungslösung
-
Falls
das Erfassen einer vernünftigen
Vorderhaltung des Gesichtes in jeder der Kameras misslingt, wird
die Triangulation beträchtliche
Ausrichtun gen, Schrägen
und Neigungen nicht ausgleichen. Es kann auch ein anderer technischer
Ansatz, der auf den perspektivischen Ebenenausrichtungen basiert,
verwendet werden. Unter der Annahme, dass das Registrierungsbild
die tatsächliche
Vorderansicht ist (da es in einer sehr kontrollierten Umgebung aufgenommen
wurde), wird geschätzt,
dass die Ausrichtung im Raum der ebenen Gesichtsfläche (2D-Raum,
der durch das Registrierungsbild dargestellt wird) von einem einzigen
Vorderabbildungs-Ansichtspunkt
während
der Laufzeit erfasst wurde. (Dieses einzige Vorderbild mit etwas
Ausrichtung des Kopfes wurde als der beste verfügbare Vorderrahmen dargestellt,
der die vorhergehend bestimmten maximalen Breiten- und Höhenparameter
bereitstellt). Ein genaueres Modell des erfassten Vorderbildes und
seiner entsprechenden Projektion in der Abbildungsebene werden abgeleitet.
Die Ausrichtung im Raum der ebenen Gesichtsfläche von einer einzigen Vorderperspektive
der Kamera wird geschätzt.
-
Zum
Lösen der
perspektivischen Transformation beinhaltet die Analyse eine Teildifferentialgleichung hoher
Ordnung. Nachfolgend wird ein perspektivisches Pinhole-Projektionsmodell
verwendet, um eine Schätzung
der geometrischen Ansicht eines tatsächlichen Messgeräts von der
Kameraperspektive bereitzustellen.
-
Ein
Kameraebenen-Koordinatensystem x →c = (xc, yc) (Koordinaten
der Abbildungsebene) und die tatsächliche Ebenenkoordinate x →0 = (x0, y0) des Gesichts der Einzelperson werden zugeordnet.
Der Elevationswinkel des Vektors der Gesichtsnormalen wird verwendet,
um die vertikale Ausrichtung des Gesichts darzustellen. Der Elevationswinkel α ist der
Winkel zwischen der Gesichtsnormalen und der Achse des Kamerasystems.
-
Der
Neigungswinkel β wird
verwendet, um den Winkel zwischen der X-Achse und der Projektion
der Gesichtsnormalen auf die Abbildungsebene anzuzeigen. θ wird angezeigt,
um dem Winkel zwischen dem Mittelpunkt der Augen und der Rückprojektion
des Bildneigungsvektors (cos β,
sin β) auf
der Gesichtsebene zu entsprechen. Der Neigungsvektor wird mit dem
Elevationswinkel verbunden und zeigt an, in welchem Ausmaß die Fläche des
Gesichts von der Perspektive der Abbildungsebene geneigt ist. So
ist die Koordinatentransformation vom tatsächlichen Messgerät zur Abbildungsebene
gegeben durch
-
Zum
Gewinnen der tatsächlichen
Koordinaten eines Punktes P(x, y), der in der Abbildungsebene erfasst
wird, werden die ursprünglichen
Koordinaten als eine inverse Transformation eines Punktes auf der
Bildebene zu einem Punkt auf der Messgerätoberflächenebene aufgrund der Perspektivenrückprojektion
wie folgt ausgedrückt:
-
Es
werden mehr als nur drei Gleichungen erforderlich sein, um die drei
Winkel aufzulösen.
Nachfolgend werden zwei vereinfachte Analysen durch das Aufstellen
zusätzlicher
Annahmen dargestellt.
-
Es
wird angenommen, dass die Rückprojektion
auf die Gesichtsebene des Abbildungsneigungsvektors auf dem Mittelpunkt
der Augen überlagert
ist, d.h. θ =
0; unter dieser Bedingung besteht die Lösung des Problems aus zwei
Schritten:
Zuerst wird der Neigungswinkel unter Verwendung
des folgenden Polynoms aufgelöst sin2(β)(x2 +
y2) + 2xy0sin(β) + (y20 – y2) = 0;
-
Nachdem β berechnet
wurde, wird sein Wert in der Gleichung (2) ersetzt, um den Elevationswinkel
zu berechnen
-
In
den meisten Fällen
in der Praxis werden anstelle der Auflösung dieser unbekannten Winkel
unter Verwendung der vorhergehenden Gleichungen und Ansichtstriangulationen
die Kerntransformationen unter Verwendung von empirischem Datenmapping
geschätzt.
Zum Beispiel wird eine LUT für
alle möglichen
Ausrichtungen der Augen unter Berücksichtigung der Tatsache,
dass die Kameras in Bezug auf die Vordergesichtslandschaft symmetrisch
sind, definiert.
-
Zum
Schätzen
der Haltung des Gesichts in den Profilbildern (die unter Verwendung
der rechten und linken Kameras erfasst werden) werden die relativen
Lagen der Augen im Gesicht verwendet. Wenn ein menschlicher Kopf
gegeben ist, der von oben angesehen wird, kann die Distanz d zwischen
den Projektionen des Mittelpunktes der Augen (d.h. entspricht auch
der Lage der Nase) und die Normale der Bildebene für sowohl
die rechten als auch die linken Profilkameras berechnet werden.
Mit null Ausrichtungen sollte die Distanz für beide Kameras identisch sein
und sie ist wie folgt definiert:
wo r der Kopfradius ist.
Irgendeine Abweichung zwischen θ
1 und θ
3 deutet darauf hin, dass der Kopf nicht
auf die Abbildungsebene ausgerichtet ist (in Bezug auf die Vorderkamera).
Zum Beispiel wird angenommen, dass der Kopf mit einem Winkel δ ausgerichtet
ist: dann
-
Der
Kopf ist nach links geneigt; daher sind die Profilbilder nicht mehr
symmetrisch. Die Asymmetrie zwischen diesen zwei Bildern ist proportional
zum Winkel der Kopfausrichtung. Die Winkelmessungen werden als Teil
des Normalisierungsverfahrens des Vorderbildes verwendet.
-
Das
Verhältnis
zwischen den zwei Distanzen kann verwendet werden, um die unbekannte
Variable r zu beseitigen. Dann wird eine Nachschlagetabelle erzeugt,
um unterschiedliche nichtlineare Transformationen basierend auf
den vorhergehenden Messungen zu bestimmen.
-
Diese
nichtlineare Transformation trägt
nicht nur der Kopfausrichtung sondern auch seiner Positionierung
(Versatz) in Bezug auf die Normale der mittleren Vorderkamera Rechnung.
-
Nachdem
die Transformation gemessen wurde, kann das erforderliche Verfahren
zum Korrigieren der Krümmungsoperationen
hinzugefügt
werden, wenn das erfasste Bild etwas Winkelneigung oder Ausrichtung aufgrund
von unkontrollierten Abtastbedingungen erfährt. Krümmungstechnologien lösen diese
Art von Problemen. In diesem Rahmenwerk besteht mehr Steuerung der
Abtastbedingungen während
des Registrierens und beschränkte
Steuerung während
der Laufzeit.
-
2D-Gesichts-ID-Mechanismus:
Nachdem es normalisiert wurde, wird das Bild an einen 2D-Gesichts-ID-Mechanismus weitergeleitet.
Local Feature Analysis (LFA) wird verwendet, um das Vorderbild zu analysieren.
Diese Technik gewinnt und analysiert lokale Gesichtsmerkmale, wie
beispielsweise die Augen, Nase, Wangen, den Mund, das Kinn und die
Art und Weise, in der sie das Gesicht bilden. Die LFA-Technik wird durch
Normalisieren der erfassten Vorderansicht unter Verwendung der geometrischen
Informationen von den erfassten Profilen erweitert, wie vorhergehend
beschrieben. Diese außergewöhnliche
LFA-Technologie stellt zusätzliche
Sicherheit bereit, wenn sie auf normalisierte Bildtemplates angewandt
wird. Viele LFA-Tools, wie beispielsweise Facelt von Identix oder
FaceVacs von Cognitec, sind im Handel erhältlich.
-
Merkmalerweiterung
-
Dieser
Abschnitt stellt ein außergewöhnliches
Gesichtserkennungssystem bereit, das sowohl Vorder- als auch Profilansichtsbilder
berücksichtigt.
Dieser Ansatz stellt den ersten Schritt zur Entwicklung einer Gesichtserkennungslösung dar,
die auf einem tatsächlichen
3D-Modellansatz basiert. Ein Stereoabbildungsansatz verwendet geometrische
Informationen zur Ansichtsnormalisierung und Krümmung und die Bildregistrierung
basiert auf allgemeinen Musterabgleichtechniken.
-
In
dieser Ausführungsform
wird ein 2D-Gesichtsmerkmalvektor auf einen 3D-Gesichtsmerkmalvektor erweitert.
Geometrische Informationen werden verwendet, um die Referenzdatenbank
zu indizieren, um einige Übereinstimmungen
schnell tabellarisch anzuordnen und die Authentifizierung von Einzelpersonen
zu bestätigen,
für die
der 2D-Gesichts-ID-Mechanismus schlechte Ergebnisse geliefert hat
(d.h. ungeeignet für
Flughafensicherheits-Überprüfungsniveaus).
-
Das
Verifikationsverfahren beginnt mit der Berechnung eines 3D-Merkmalvektors
oder Modells für
die Galeriebilder und die Abtastbilder. Die Modelle, die vom Galeriebild
konstruiert werden, bilden die referenzindizierte Datenbank. Ein
Index, der die Modelle basierend auf grundlegenden geometrischen
Messungen gruppiert, die von den drei Rahmen gewonnen werden, wird
für die
Referenzdatenbank erzeugt. Dieser Index ermöglicht schnelle Zuordnungen
der Personen in der Datenbank und ob die Abtastung zum passenden
Datensatz gehört.
Falls keine Profilübereinstimmung
gefunden wird, wird die Profilähnlichkeits-Punktzahl
von diesem spezifischen Merkmalvektor nullgesetzt. Wenn die Abtastung
zur gleichen Galeriefamilie gehört,
wird eine hohe Punktzahl verliehen, um eine perfekte Übereinstimmung
widerzuspiegeln. Der letzte Schritt besteht darin, den 2D-Vorderpunktzahlvergleich
mit dem Abfragemodell abzuwägen.
Die Grundlagen der Profilpunktzahlen sind normalisierte Bildmerkmale,
die aus den Profilbildern gewonnen werden. Es könnte irgendein stabiler Musterabgleichalgorithmus
verwendet werden. In einer Ausführungsform
wird eine Kreuzkorrelationstechnik verwendet. Das 2D-Vorderbild
stellt basierend auf dem 2D-Gesichts-ID-Mechanismus separat eine Ähnlichkeitspunktzahl
bereit, wie vorhergehend beschrieben.
-
Die
Profilmerkmale umfassen die Lage von Schlüsselknotenpunkten auf dem Gesicht
in einem 3D-Koordinatensystem.
Die Profilansicht ist ähnlich
wie die Verarbeitung der Vorderansicht, außer, dass im Vergleich zur
Vorderlandschaft nur beschränkte
Punkte verfügbar
sind. Einige der Knotenpunkte sind abhängig von der relativen Lage
der Spitze der Nase, des Kinns, der Augen und Ohren (wie erfasst)
mit Bezug auf einen Bezugspunkt. In einer Ausführungsform wurde das Kinn als
der Ursprungspunkt verwendet. Merkmalpunkte werden unter Verwendung
von morphologischen Standardoperatoren, Musterabgleich und Low-Level-Bildanalysealgorithmen
gewonnen. Alle Messungen werden dann mit Bezug auf die Silhouette
der Kopfgröße normalisiert
und die entsprechenden Messungen werden zum Datenbankpruning gewonnen.
Musterabgleich wird verwendet, um Profilmerkmale zu gewinnen. Es
kann irgendeiner von anderen typischen Ansätzen verwendet werden, um Profilmerkmale
zu gewinnen. Es kann irgendeiner von anderen typischen Ansätzen verwendet werden,
um die Knotenpunktspitzen unter Verwendung der Standardberechnung
von lokalen Krümmungsextrema
und geometrischen Tangenzbeschränkungen
zu gewinnen.
-
In
einer Ausführungsform
weist eine Fusionsanalyse zwei Fusionsebenen auf. Profilmerkmale
werden verwendet, um die Vorderlandschaft zu normalisieren. Dann
wird der 2D-Merkmalvektor unter Verwendung einer Summe eines gewichteten
Mittels der Ähnlichkeitspunktzahl
mit zusätzlichen
Profilmerkmalen erweitert, wie unten beschrieben.
-
Die
letzte Stufe des vorgeschlagenen Verfahrens besteht in der Kombination
aller Ergebnisse und der Einstufung der Simulation zur Authentifizierung.
Die Entscheidung ist kombinatorisch und basiert sowohl auf der Vorder-
als auch auf der Profilanalyse. Ein Ansatz mit einer Mittelgewichtung
wird verwendet, um beide Ergebnisse unter Verwendung vorbestimmter
Gewichtungen zu kombinieren. Die Endähnlichkeitspunktzahl ist wie
folgt definiert:
-
Wo σf die Ähnlichkeitspunktzahl
der vorderbasierten Analyse ist. Die vorbestimmten Gewichtungen werden
vor der Laufzeit empirisch berechnet.
-
Die
Hinzufügung
von 3D-Daten sollte die Leistung des Systems durch die vereindeutigenden
Auswirkungen von dejustierten Ansichten verbessern. Diese Verbesserung
wird in zwei Stufen ausgeführt.
Zuerst die Normalisierung und Korrektur der Vorderlandschaft unter
Verwendung der geometrischen Informationen, die im aus drei Kameras
bestehenden System erfasst wurden. Zweitens die Erweiterung des
Merkmalvektors durch Profilmessungen. Die Seitenkameras Stellen
die 3D-Dimension bereit, z.B. Relief oder Tiefe des Gesichts, was
in der 2D-Vorderansicht nicht verfügbar ist.
-
Schlussfolgerung
-
Ein
automatisiertes System stellt Schnellüberprüfung von Besuchern durch sensible
Zugangskontrollpunkte, z.B. Flughafenkontrollpunkte und Zugangskontrollpunkte
an wichtigen Gebäuden,
bereit. Das System setzt eine Investition in Technologie und ausgebildete
Personen wirksam ein. Durch die Verwendung dieses Systems können Bediener/Wächter/Patrouillen
ihre Ressourcen und Aufmerksamkeit auf unbekannte Profile konzentrieren.
Ergebnis dieser Anstrengung ist, dass viele legitime Besucher/Reisende
nie einen Agenten zu Gesicht bekommen, während sie diese Kontrollpunkte
passieren. Das System wendet sich dem Erfordernis eines höchst zuverlässigen automatischen
Kontrollpunkt-Schnellüberprüfungssystem
zu, das die Aufgabe der positiven Identifikation von Mitgliedern
und ihr Abgleichen mit ihren Fotos unter Verwendung einer Gesichts-ID-Technologie
beschleunigt, um sie durch Zugangskontrollpunkte abzufertigen.
-
Die
Mitgliedschaft kann nach einem Zeitraum ablaufen, um Änderungen
im Gesicht mit der Zeit Rechnung zu tragen. Gesichtserkennung verwendet
normalisierte Vorderanalyse während
eines sechsstufigen Ver fahrens für
Bestätigungen.
Kopfbewegungsermittlung ist nicht auf Kopfsilhouettenbewegungen
beschränkt (Kopfbewegung
reicht nicht aus, um ein tatsächliches
Gesicht von einem maskierten Gesicht zu unterscheiden), sondern
sie umfasst die Ermittlung von relativ geringen Bewegungen von Orientierungspunkten
im Gesicht als Ergebnis von Augenzwinkern oder unterschiedlichen
Gesichtsausdrücken.
-
Sensorenfusion
wird eingesetzt, um tatsächliche
Merkmale des Gesichts zu gewinnen. In einer Ausführungsform wird zum Beispiel
Hauterkennung verwendet, um tatsächliche
Merkmale von Gesichtern zu gewinnen und versteckte Teile (z.B. Teile
von Gesichtern mit viel Schminke, Haar, usw.) zu beseitigen.
