СИСТЕМА И СПОСОБ РЕГИСТРАЦИИ ДВУХМЕРНЫХ ИЗОБРАЖЕНИЙ Российский патент 2009 года по МПК G06K9/46 

Изобретение относится к биометрическим системам и способам распознавания людей по чертам лица и, в частности, к системам и способам регистрации биометрических данных лица. Оно может использоваться в составе любой биометрической системы распознавания двухмерных изображений лица.

Известно, что в последние годы был достигнут заметный прогресс в разработке технологий автоматического биометрического распознавания высококачественных двухмерных лицевых изображений. Так, например, большинство авторитетных испытаний технологий распознавания лица от различных производителей продемонстрировали высокую эффективность применения автоматического биометрического распознавания качественных двухмерных изображений лица:

- FRVT2000 и FRVT2002 правительственными организациями США, Великобритании, Канады и Австралии (http://www.frvt.org/FRVT2000/default.htm и http://www.frvt.org/FRVT2002/default.htm) [1];

- тестирование правительством Германии

(http://www.bsi.bund.de/english/fachthem/BioFace/BioFaceIIReport.pdf) [2];

- тестирование Департаментом Обороны США «DoD Counterdrug Technology Development Program Office's scenario evaluation, Face Recognition at a Chokepoint» (http://www.dodcounterdrug.com/facialrecognition/DLs/ChokePoint Results. Edf) [3];

- тестирование CESG 2001 Национальной Физической Лабораторией по заказу Правительства Великобритании (www.cesg.gov.uk/technology/biometrics) [4];

- тестирование Personnel/Visitor Identification at DoD Labs & Technology Centers 2002 исследовательской лабораторией Армии США

(http://archive.aclu.org/issues/privacy/FINAL_1_Final_Steve_King.pdf) [5];

- промежуточные результаты реализации крупнобюджетного проекта Human Identification at a Distance Управления Перспективных Исследований МО США, в рамках которого для военных целей создается мультибиометрическая система скрытного распознавания человека на большом (до 150 м) расстоянии (www.darpa.mil/iao/hid.htm) [6];

- тестирования авторитетной американской биометрической консалтинговой компании International Biometric Group (www.ibgweb.com) [7].

По этим причинам были разработаны международные и национальные стандарты, которые прямо или косвенно вводят количественную метрику качества электронных двухмерных изображений лица:

- ANSI/INCITS 358-2002 - Information technology - BioAPI Specification [8];

- NISTIR 6529-A-2004 - Common Biometric Exchange Format Framework (CBEFF) [9];

- ANSI/NIST-ITL 1-2000 - Standard Data Format for the Interchange of Fingerprint, Facial, & Scar mark & Tattoo (SMT) Information [10];

- ANSI/INCITS 379 - Information Technology - Iris Image Interchange Format [11];

- ANSI/INCITS 385-2004 - Information Technology - Face Recognition Format for Data Interchange [12];

- ISO/IEC 10918 - Information technology - Digital Compression and coding of continuous-tone still images (JPEG) [13];

- ISO/IEC 15444 - Information technology - JPEG 2000 Image Coding System [14];

- NISTIR 6529-A-2004 - Common Biometric Exchange Format Framework (CBEFF) [15];

- ICAO, Facial Image Standard (http://www.icao.int/mrtd/download/documents/Annex D - Facial Image.pdf; http://www.icao.int/mrtd/download/documents/Annex A - Photograph Guidelines.pdf; http://www.icao.int/mrtd/download/documents/Annex В - Facial Image Size Study.no 1.pdf;

http://www.icao.int/mrtd/download/documents/Annex С - Facial Image Size Study. no2. pdf) [16];

- NIST, Image Group, Best Practice Recommendation Version 2 for capturing mugshots and facial images

(http://www.itl.nist.gov/iad/894.03/face/bpr_mug3.htm1) [17];

- U.S. Department of State, Bureau of Consular Affairs, Guidelines for Producing High Quality Photographs for U.S. Travel Documents (http://www.travel.state.gov/passport/pptphotos/index.htm1) [18];

- Project 1603, ANSI/INCITS 395, Information Technology, Signature/Sign Image Based Interchange Format for Data Interchange (currently under development) [19];

- ANSI/INCITS (M1-03-0351), Information Technology, Biometric Performance Testing and Reporting Standard (currently under development) [20];

- Project ISO/IEC CD 19794-5, Biometric Data Interchange Formats - Part 5: Face Image Data (находится в стадии разработки) [21];

- Project INCITS 1672-D (M1/04-0608), Biometric Sample Quality Standard (находится в стадии разработки; http://www.incits.org/tc_home/m1htm/docs/m1040608.PDF) [22];

- Project INCITS 1703-D (M1/04-0697), Information technology, Conformance Testing Methodology for ANSI INCITS 358-2002, BioAPI Specification (находится в стадии разработки) [23].

Кроме этого, стандарт BioAPI (версия v1.1, раздел 2.1.46) [24] определяет структуру и дает рекомендации по количественной субъективной оценке параметров качества двухмерных изображений лица.

Некоторые другие стандарты (например, разрабатываемый Стандарт Качества Биометрических Данных или Biometric Sample Quality Standard;

http://www.incits.org/tc_home/m1htm/docs/m1040608.PDF) [25] будут определять методологию для вычисления объективных количественных оценок качества двухмерных изображений лица, включая выражения и интерпретации для использования в различных приложениях биометрической технологии распознавания лица:

- совместимость различных баз данных изображений лица;

- тестирование и совершенствование технологии распознавания лица;

- контроль качества в реальном времени при регистрации изображения лица для улучшения операционной эффективности и производительности, чтобы точно принимать решения при биометрическом распознавании: предоставлять доступ, не предоставлять доступ, повторно захватывать биометрические данные, отказывать в регистрации и т.п.;

- контроль качества в реальном времени при администрировании баз данных лицевых изображений для улучшения операционной эффективности и производительности, чтобы точно принимать решения при биометрическом распознавании: предоставлять доступ, не предоставлять доступ, повторно захватывать биометрические данные, отказывать в регистрации и т.п.;

- использование в различных приложениях распознавания лица;

- использование в системах экспертного анализа;

- использование в приложениях сопоставление один-к-одному (1-to-1);

- использование в приложениях сопоставление один-к-немногим (1-to-few);

- использование в приложениях сопоставление один-ко-многим (1-to-many);

- использование в приложениях сопоставления с сигнальным списком;

- использование при администрировании баз данных двухмерных лицевых изображений.

Далее приводится дополнительная информация по некоторым вышеупомянутым стандартам и форматам хранения биометрических данных в памяти и их обмена между различными биометрическими системами:

- формат распознавания лица с обменом данных - M1 (www.incits.org/tc_home/m1.htm) [26] и ISO SC37 (www.jtcl.org) [27]. Гарантирует, что зарегистрированные изображения лица будут удовлетворять стандартам качества, необходимым как для автоматического распознавания лица, так и для экспертных исследований. Способствует использованию лицевых данных в приложениях, имеющих ограниченный объем памяти (например, паспорта, визы, водительские удостоверения и т.п.), и обеспечивает обмен данными между системами распознавания лица от различных производителей;

- биометрический программный интерфейс -BioAPI: ANSI/INCITS 358-2002 (www.bioapi.org) [28]. Определяет интерфейс взаимодействия биометрических программных приложений. Открытый стандарт, согласованный в биометрическом сообществе;

- формат обмена биометрическими данными - CBEFF (www.nist.gov/cbeff) [29]. Определяет структуру данных для создания файлов с биометрической информацией, которая способствует совместимости различных биометрических компонент и систем. Состоит из стандартного заголовка (biometric specific memory block -BSMB) и опциональной цифровой подписи;

- стандарт обработки и передачи биометрических данных - ANSI Х9.84-2002 (www.x9.org) [30]. Определяет основу обработки данных и предъявляет требования к способам криптографической защиты биометрических данных перед их передачей через добавление дополнительных элементов безопасности, которые не предусмотрены в интерфейсе BioAPI. Совместим с BioAPI и CBEFF;

- атрибутивный Сертификат -Х.509 Attribute Certificate (www.nist.gov) [31]. Часть Инфрастуктуры Открытых Ключей (PKI structure). Требует хранения биометрического шаблона как атрибут информации в пределах фиксированного числа байт в Открытом Ключе;

- стандарты биометрических машиночитаемых проездных документов ICAO MRTD (www.icao.int/mrtd/download/technical.cfm) [32].

С другой стороны, в течение многих лет правительственные органы во многих странах формировали различные электронные базы данных двухмерных изображений лиц (например, системы учета паспортов, виз, водительских удостоверений и т.п.), используя в лучшем случае минимальные требования к качеству фотоизображений, необходимые для проведения визуального анализа оператором.

Поэтому в настоящее время имеется множество баз данных, содержащих низкокачественные двухмерные изображения лиц, нуждающиеся в повторной регистрации (перерегистрации).

Кроме этого, во многих странах разрабатываются и внедряются новые национальные программы идентификации граждан, связанные с созданием крупномасштабных баз данных качественных двухмерных изображений лиц для повышения уровня общественной безопасности (выявления террористов и других преступников, предотвращения фальсификаций с удостоверениями личности и проездными билетами, обеспечения санкционированного доступа в зоны и системы безопасности и др.):

- программа США US-VISIT (www.dhs.gov) [33] биометрического контроля всех въезжающих в страну граждан;

- программа ЕС (http://europa.eu.int/eur-lex/en/com/pdf/2003/com2003_0558en01.pdf) [34] по внедрению биометрических данных в визы и разрешения пребывания;

- программа Международной Организации Гражданской Авиации ICAO (www.icao.int) [35] по внедрению биометрических данных в машиночитаемые проездные документы;

- программа Правительства Великобритании по внедрению электронных удостоверений личности с биометрическими данными (www.homeoffice.gov.uk) [36];

- и др.

Следовательно, рынку сейчас нужен такой способ регистрации двухмерных изображений лица, который обеспечил бы объективную количественную оценку качества двухмерных изображений лица в автоматическом режиме, приближенном к реальному времени.

Различные процедуры регистрации и распознавания биометрических данных, например, описываются в следующих изобретениях:

- United States Patent 5457747 October 10, 1995 [37]. Система персональных биометрических карт;

- United States Patent 6107935 August 22, 2000 [38]. Система биометрического распознавания пользователей с целью организации контроля доступа;

- United States Patent 6246751 June 12, 2001 [39]. Способ предоставления сервиса авторизованным пользователям с использованием распознавания зарегистрированных биометрических данных;

- United States Patent 6421453 July 16, 2002 [40]. Способ контроля доступа с использованием распознавания преднамеренных жестов;

- United States Patent 6735695 May 11, 2004 [41]. Способ организации контроля доступа с помощью регистрации и распознавания биометрических данных.

Различные процедуры регистрации и распознавания данных лица, например, описываются в следующих изобретениях:

- United States Patent 6111517 August 29, 2000 [42]. Способ непрерывного контроля доступа в защищенную зону с помощью распознавания лица;

- United States Patent 6724919 April 20, 2004 [43]. Способ верификации лица пользователя компьютерной системы с возможностью непрерывного сканирования лица во время работы пользователя за компьютером;

- United States Patent 4449189 May 15, 1984 [44]. Способ идентификации человека по речи и чертам лица одновременно;

- United States Patent 5412738 May 2, 1995 [45]. Система распознавания (идентификации и верификации) человека с использованием статических и динамических данных голоса и лица;

- Russian Federation 95115528/09 September 8, 1995 [46]. Способ распознавания человека с использованием персонального PIN номера, алгоритмов распознавания лица и дополнительной физиологической характеристики;

- Russian Federation 96115857/09 August 6, 1996 [47]. Способ распознавания человека по изображению лица с использованием зеркала для позиционирования головы относительно устройства сканирования;

- United States Patent 6219640 April 17, 2001 [48]. Способ верификации человека по голосу с использованием анализа аудио- и видеоданных одновременно;

- United States Patent 6219639 April 17, 2001 [49]. Способ распознавания человека по двум признакам, один из которых является форма губ;

- United States Patent 6504944 January 7, 2003 [50]. Устройства распознавания изображения с использованием 3D считывателей и способов распознавания рта и губ говорящего человека;

- United States Patent 6567775 May 20, 2003 [51]. Способ идентификации говорящего человека с использованием аудио- и видеоданных.

Различные способы контроля качества данных лица с использованием способов предварительного анализа, снижения шума и контроля местоположения человека, например, описываются в следующих изобретениях:

- United States Patent 6005610 December 21, 1999 [52]. Аудиовизуальный способ определения местонахождения и слежения за, по крайней мере, одним объектом;

- United States Patent 6707921 March 16, 2004 [53]. Способ фильтрации шума в речи человека с помощью анализа позиции и перемещений рта.

Различные способы восстановления данных лица с использованием анализа аудиовизуальной информации, например, описываются в следующих изобретениях:

- United States Patent 4757541 July 12, 1988 [54]. Устройство распознавания речи с использованием формы губ;

- United States Patent 4913539 April 3, 1990 [55]. Устройство анимации губ в соответствии с произносимыми звуками;

- United States Patent 5608839 March 4, 1997 [56]. Способ синхронизации аудио- и видеоданных человека;

- United States Patent 6014625 January 11, 2000 [57]. Способ для определения параметров движения губ с использованием аудио- и видеосигналов;

- United States Patent 6243683 June 5, 2001 [58]. Способ контроля процесса распознавания речи с помощью анализа видеоизображения;

- United States Patent 6449595 September 10, 2002 [59]. Способ восстановления изображения лица в соответствии с речевым сигналом с использованием аудиовизуальных данных;

- United States Patent 6594629 July 15, 2003 [60]. Способ детектирования речи с использованием распознавания речи и анализа связанных аудио- и видеоданных;

- United States Patent 6633844 October 14, 2003 [61]. Способ распознавания речи через анализ аудио- и видеоданных одновременно.

Различные способы регистрации данных лица, например, описываются в следующих изобретениях:

- United States Patent 6072891 June 6, 2000 [62]. Способ регистрации биометрических данных с предварительной проверкой качества;

- United States Patent 5978494 November 2, 1999 [63]. Способ отбора лучшего изображения регистрации для персональной идентификации.

Различные способы анализа трехмерных и двухмерных изображений лица, например, описываются в следующих изобретениях:

- United States Patent 6026188 February 15, 2000 [64]. Способ распознавания трехмерных объектов через генерирование повернутого двухмерного изображения объекта из набора двухмерных зарегистрированных изображений;

- United States Patent 6535839 March 18, 2003 [65]. Способ вычисления местоположения и ориентации объекта в трехмерном пространстве;

- United States Patent 6580821 June 17, 2003 [66]. Способ для объединения компьютерных моделей двух поверхностей в трехмерном пространстве.

Известен пример сторонней системы регистрации (источник: DoD Counterdrug Technology Development Program Office; программа тестирования: "Face Recognition at a Chokepoint. Scenario Evaluation Results") [67], в которой используются блок считывания двухмерных видеоизображений и блок дополнительного освещения, выполненный в виде двух первичных источников света, двух рассеивающих зонтов, установленных на штативах, и одного экрана. Однако она обладает существенными недостатками, поскольку с ее помощью нельзя достоверно оценивать качество и черты лица.

Наиболее близким к заявленному изобретению является способ распознавания трехмерных объектов через генерирование двухмерного изображения объекта из преобразованной трехмерной модели (United States Patent 6,002,782 December 14, 1999) [68], который решает проблему не оценки качества, а согласования ракурса через генерирование двухмерного изображения лица нужного ракурса из зарегистрированного трехмерного изображения лица для последующего сопоставления с двухмерным изображением лица человека, находящегося в поле зрения считывателя двухмерных изображений. Данный способ выбран в качестве прототипа заявленного изобретения.

Однако, к сожалению, вышеупомянутые устройства и изобретения, в том числе и способ прототипа, не содержат описания приемлемого способа регистрации и достоверной количественной оценки качества и черт двухмерных изображений лица человека и, как следствие, имеют существенные ограничения в применении.

Большинство из них решают задачу взаимной привязки двух изображений одного и того же субъекта, зарегистрированных различными считывателями, либо одним и тем считывателем, но в разное время. Чтобы осуществить сравнение двух таких изображений, необходимо выполнить взаимную привязку этих изображений и таким образом скорректировать относительные пространственные сдвиги, различия в усилении видеосигнала, смещения, вызванные поворотами, а также геометрические и яркостные искажения каждого изображения.

Как правило, патентами предлагаются способы и/или устройства и/или системы, использующие 3D изображения лица, решающие проблему корректировки пространственных поворотов.

В заявляемой системе блок анализа качества трехмерных изображений лица является системой понимания изображений, представленных массивами чисел, которые в простейшем виде могут просто сообщать с каким-то уровнем достоверности (вероятности) о том, что на изображении имеется заданный или какой-либо неожиданный объект, характеризующий количественно качество и черты лица. Эта задача в системе решается с помощью стандартной системы распознавания двухмерных образов, блок-схема которой приводится на Фиг.10.

Однако в случае регистрации изображений лица задача выбора лучшего двухмерного изображения и количественная оценка его качества до сих пор решалась через экспертный анализ двухмерных изображений и требовала непосредственного участия эксперта-оператора, который субъективно оценивал качество изображения, сравнивая его с другими изображениями, входящими в рассматриваемую группу.

При этом использовались методы словесного описания, в которых, как правило, описываются:

- общие анатомические черты лица субъекта регистрации (сверху вниз): лоб, брови, уши, глаза, нос, губы, щеки, морщины и подбородок;

- характерные для субъекта регистрации черты - то есть особые приметы: татуировки, шрамы, отсутствия частей лица;

- сопутствующие характеристики: прическа, одежда, предметы туалета, драгоценности;

- динамические характеристики: мимика.

Обычно все черты лица количественно описываются с использованием трехуровневой градационной шкалы (например, узкий, нормальный, широкий), либо пятиуровневой (очень узкий, узкий, нормальный, широкий, очень широкий) с указанием известных названий (например, горбатый нос и т.п.).

Распространенной шкалой оценок эксперта являлась шкала погрешностей, измеряющая в баллах степень искажений деталей лица от "незаметных" до "крайне нежелательных" и позволяющая получать средний балл достоверности. К числу недостатков метода балльных оценок относят, прежде всего, возможную нелинейность шкалы по разным деталям лица и необходимость привлечения не менее двенадцати экспертов для получения достоверного результата.

С другой стороны, в случае большого набора параметров качества лица зрительная система эксперта-оператора просто не способна воспринимать информацию обо всех деталях лица, поскольку известно, что восприятие информации человеком составляет около 50 движений в секунду, а обычные видеосистемы могут ежесекундно генерировать около 50 миллионов движений.

Причина также заключается в том, что имеющиеся до изобретения методы автоматического выделения деталей лица и классификации параметров качества могут с низкой точностью оценивать качество лишь двухмерных изображений лица, полученных при выполнении жестких требований к определенному масштабу и местоположению лица относительно съемочной установки, освещению, ракурсу, мимики и т.п., что в реальных системах не может быть выполнено.

Таким образом, задача, на решение которой направлено заявляемое изобретение, заключается в создании надежного и быстрого способа выделения деталей (черт) лица и количественной оценки их качества с указанием уровня достоверности.

Следовательно, необходим такой способ регистрация биометрических данных лица, который будет в режиме реального времени обеспечивать регистрацию и достоверную количественную оценку качества двухмерных изображений лица человека в соответствии с требованиями соответствующих биометрических стандартов. Новый способ должен также обеспечить низкий уровень ошибок, вызванных недопониманием оператором требований процедуры регистрации и, как следствие, неправильным их выполнением.

Технический результат достигается за счет разработки способа регистрации и достоверной количественной оценки качества двухмерных (2D) изображений лица человека (способ СРДОК), согласно которому используется трехмерная (3D) модель лица, построенная с использованием соответствующего считывателя 3D изображений.

Далее мы более подробно рассмотрим основные преимущества нового способа регистрации СРДОК:

- (а) Участие оператора в процессе регистрации и количественной оценке качества двухмерных изображений лица человека минимально и ограничено инструктированием субъекта о процедуре регистрации и требованиях к позиционированию лица перед считывателем трехмерных изображений.

Таким образом, новый способ регистрации может работать в полуавтоматическом режиме и характеризуется низким уровнем ошибок оператора в количественной оценке качества 2D изображений лица, обусловленных "человеческим фактором".

Кроме того, благодаря новому способу СРДОК регистрацию может осуществлять оператор, обладающий низкой квалификацией, что существенно снижает стоимость эксплуатации и открывает более широкие возможности для использования системы.

Способ СРДОК значительно сокращает продолжительность и количество итераций регистрации и в целом способствует повышению качества зарегистрированных 2D изображений лица;

- (b) точная автоматическая количественная оценка качества 2D изображений лица человека осуществляется блоком анализа качества 3D изображений лица и блоком формирования 2D изображений лица из набора трехмерных изображений лица и их количественных оценок качества.

Это позволяет в автоматическом режиме обеспечить анализ и достоверную количественную оценку качества 2D изображений лица и обеспечить регистрацию наиболее полной информации о чертах лица;

- (с) высокое качество регистрационных 2D изображений лица человека достигается за счет возможности использования считывателя 3D изображений;

- (d) имеющаяся возможность применения блока дополнительного освещения позволяет добиваться регистрации качественных видеоизображений черт лица сравнительно вне зависимости от месторасположения системы регистрации и влияния большинства внешних источников света;

- (е) регистрация биометрических 2D изображений лица происходит в строгом соответствии с требованиями, предъявляемыми к качеству. Параметры качества 2D изображений лица могут достоверно количественно оцениваться и, как следствие, обеспечивают гибкие критерии принятия решения о регистрации или перерегистрации 2D изображений лица в соответствии с требованиями соответствующих стандартов. Это дает возможность проводить регистрацию биометрических данных лица единого формата, включая общепринятые стандарты регистрации и хранения биометрических двухмерных изображений лица человека на электронных носителях информации. Такая функциональность нового способа регистрации СРДОК обеспечивает совместимость регистрационных данных с большинством сторонних систем распознавания человека и повышает ее спрос на рынке;

- (f) новый способ регистрации СРДОК обнаруживает отклонения в качестве зарегистрированных 2D изображений лица человека, вызванные различным поведением самого субъекта регистрации (вариации в позиционировании головы субъекта перед считывающими устройствами, повороты головы во время регистрации и др.), различными условиями среды регистрации (вариации в освещении, присутствие посторонних объектов в кадре и др.) и общей неисправностью системы регистрации;

- (g) в случаях, когда субъект регистрации из-за физических недостатков или возраста (ребенок, старик) не может самостоятельно зарегистрироваться, то регистрация 2D изображений лица происходит с помощью оператора с более широкими полномочиями и при этом достоверная количественная оценка качества регистрационных данных производится по-прежнему в автоматическом режиме (без участия оператора);

- (h) новый способ регистрации 2D изображений лица может использовать видеоданные, за счет чего повышается точность и достоверность количественных оценок качества;

- (i) новый способ регистрации 2D изображений лица позволяет снизить влияние шумов за счет применения разнонаправленных стереосчитывателей 3D изображений лица (например, нескольких стереовидеокамер);

- (k) новый способ регистрации СРДОК позволяет восстанавливать и/или повышать качество двухмерных изображений лица за счет анализа соответствующих связанных данных трехмерных изображений лица, полученных от независимых видеоканалов считывания данных лица;

- (l) новый способ регистрации СРДОК позволяет создавать системы регистрации трехмерных и двухмерных изображений лица одновременно с низкой стоимостью;

- (m) новый способ регистрации СРДОК позволяет регистрировать 2D видеоданные человека при его естественном поведении;

- (n) новый способ регистрации СРДОК обеспечивает предварительную в режиме реального времени проверку качества и полноты считанных 3D видеоданных;

- (о) новый способ регистрации СРДОК может быть воплощен в любой стандартной компьютерной системе, содержащей, по крайней мере, средства считывания стереоизображений, дисплей, блок управления и память с возможностью программной реализации набора инструкций;

- (р) новый способ регистрации СРДОК обеспечивает максимальную точность последующего распознавания человека по двухмерному изображению лица в различных приложениях и даже в сравнительно неблагоприятных условиях среды распознавания: плохое освещение, отсутствие освещения и т.п.

На основании вышесказанного можно утверждать, что новый способ СРДОК регистрации и количественной оценки качества двухмерных изображений лица человека с помощью сканирования и анализа трехмерных изображений имеет чрезвычайно широкие возможности для использования в составе большинства биометрических систем.

Заявляемый способ состоит из операций считывания трехмерных изображений лица, выделения и количественной оценки качества лица и его деталей с заданным уровнем достоверности, последующего формирования двухмерных изображений лица и их количественных оценок качества из трехмерных изображений лица и их количественных оценок качества соответственно, окончательного сжатия двухмерных изображений лица и записи в память в качестве эталонных.

Поэтапно способ можно представить следующим образом:

- Субъект регистрации предъявляет свой PIN номер блоку считывания PIN номера, который затем считывается блоком считывания PIN номера и декодируется блоком декодирования PIN номера, отображается на дисплее и проверяется процессором на присутствие в списках разрешенных PIN номеров и на отсутствие в списках запрещенных PIN номеров, которые хранятся в блоке памяти.

После успешной проверки процессорным блоком процессорный блок включает блок дополнительного освещения, трехмерное изображения лица считывается блоком считывания трехмерных изображений лица, проверяется блоком анализа качества трехмерных изображений лица на соответствие заданным допустимым количественным оценкам параметров качества трехмерных изображений лица, после успешной проверки преобразуется блоком формирования двухмерных изображений лица и их количественных оценок качества из трехмерных изображений лица и их количественных оценок качества в набор двухмерных изображений с соответствующими количественными оценками параметров качества двухмерных изображений лица, сжимается блоком сжатия двухмерных изображений лица и записывается процессорным блоком в блок памяти в качестве зарегистрированных эталонных двухмерных изображений лица вместе с атрибутами качества.

В противоположность существующим способам и системам, известным из уровня техники, новый способ регистрации и количественной оценки качества двухмерных изображений лица человека обеспечивает следующие основные преимущества:

- может работать с минимальным участием оператора, контролирующего процесс регистрации;

- снижает вероятность в повторной регистрации за счет более строгих требований в точном позиционировании лица перед считывателем трехмерных изображений;

- исключает возможность регистрации с использованием предъявленной фотографии лица в натуральную величину;

- точно измеряет геометрические размеры деталей лица;

- точно измеряет расстояние до лица;

- точно определяет ориентацию головы в пространстве;

- точно измеряет форму (рельеф) поверхности лица;

- обеспечивает высокое качество регистрационных данных за счет использования более качественных двухмерных изображений лица, формируемых из трехмерных изображений лица, созданных с помощью блока считывания трехмерных изображений лица;

- обеспечивает регистрацию биометрических данных, удовлетворяющих заданным стандартам;

- обеспечивает достоверную количественную оценку качества двухмерных изображений лица.

Сущность изобретения поясняется на примере его воплощения в соответствующей системе, которая сопровождается поясняющими рисунками.

Поставленная задача решается тем, что в системе (Фиг.1), содержащей блок 1 считывания PIN номера (например, бесконтактный считыватель смарт-карт), блок 2 декодирования PIN номера (например, декодер данных на основе технологии PKI), блок 4 памяти, дисплей 5 (например, компьютерный монитор), блок 6 считывания изображений лица, процессорный блок 3 (например, цифровой сигнальный процессор), взаимосвязанный с указанными блоками и одним из выходов подключенный к блоку 7 дополнительного освещения (например, два первичных источника света, три вторичных - два рассеивающего зонта и фоновый экран), блок 6 считывания изображений лица выполнен в виде считывателя трехмерных изображений (например, стереовидеокамеры), при этом дополнительно введены блок 8 анализа качества и черт трехмерных изображений лица, блок 9 формирования двухмерных изображений и блок 10 сжатия двухмерных изображений лица, взаимосвязанные с процессорным блоком 3.

Работает система следующим образом (Фиг.2):

- при регистрации субъект предъявляет персональный номер PIN блоку считывания номера PIN;

- предъявленный PIN номер считывают с помощью блока считывания PIN номера и декодируют с помощью блока декодирования PIN номера, отображая номер на дисплее;

- декодированный PIN номер проверяют с помощью процессора на присутствие в списках разрешенных PIN номеров и на отсутствие в списках запрещенных PIN номеров, которые хранят в блоке памяти;

- после успешной проверки процессорным блоком PIN номера включают с помощью процессорного блока блок дополнительного освещения;

- трехмерное изображения лица считывают с помощью блока считывания трехмерных изображений;

- с помощью блока анализа качества трехмерных изображений лица вычисляют количественные оценки качества и черт считанного трехмерного изображения лица и проверяют на соответствие заданным ограничениям на количественные оценки параметров качества и черт трехмерных изображений лица, хранящихся в блоке памяти;

- после успешной проверки считанного трехмерного изображения лица блоком анализа качества трехмерных изображений лица его преобразуют с помощью блока формирования двухмерных изображений из трехмерного изображения в набор двухмерных изображений. При этом с помощью блока формирования двухмерных изображений лица определяют количественные параметры качества и черт лица каждого полученного двухмерного изображения лица с использованием количественных оценок параметров качества и черт лица трехмерных изображений лица;

- таким образом, сформированное двухмерное изображение лица сжимают далее блоком сжатия двухмерных изображений лица и записывают вместе с количественными оценками качества и черт лица с помощью процессорного блока в блок памяти в качестве зарегистрированных эталонных двухмерных изображений лица.

Решению поставленной задачи способствуют также частные существенные признаки изобретения.

Блок считывания PIN номера выполнен с возможностью считывания в автоматическом режиме PIN номера, включая виртуальные PIN номера (то, что знает субъект регистрации), введенные вручную с клавиатуры, и физические персональные смарт-карты (то, что имеет субъект регистрации), предъявленные субъектом регистрации.

На Фиг.3 изображена новая система регистрации, которая показана сбоку (вид А) и сзади (вид В).

Субъект регистрации (17 и 28) позиционируется перед дисплеем (12 и 24) в кресле (18 и 29) с регулируемой высотой.

Дисплей (12 и 24) выполнен в виде компьютерного монитора, установленного на штативе (11 и 19).

Кроме дисплея на штативе (11 и 19) установлен блок считывания трехмерных изображений лица, представленный в виде стереовидеокамеры (13 и 23), закрепленной на кронштейне (22) с возможностью регулирования высоты и направления считывания.

Блок дополнительного освещения выполнен в виде двух источников света (16 и 27), двух рассеивающих зонтов (15 и 26), установленных на отдельных штативах, и одного фонового экрана, расположенного сзади субъекта регистрации.

Компьютерный модуль (20) включает следующие блоки системы регистрации:

- блок 1 (Фиг.1) считывания PIN номера (виртуальный PIN номер вводится через клавиатуру оператором);

- блок 2 (Фиг.1) декодирования PIN номера;

- процессорный блок 3 (Фиг.1), реализованный на материнской плате;

- блок 4 (Фиг.1) памяти (винчестер);

- блок 8 (Фиг.1) анализа качества трехмерных изображений лица (программный модуль);

- блок 9 (Фиг.1) формирования двухмерных изображений и оценок качества и черт лица (программный модуль);

- блок 10 (Фиг.1) сжатия двухмерных изображений лица (программный модуль).

В качестве считывателя трехмерных изображений лица система может содержать стереовидеокамеру (Фиг.4; 36 и 42) модели STH-MDCS/-C Stereo Head (производитель: Videre Design; веб-сайт: www.videredesign.com), которая снабжена двумя независимыми видеоканалами (30 и 31) для формирования стереопары и светодиодным индикатором (32) для удобства работы.

Видеокамера располагается рядом с дисплеем (33 и 39) и закрепляется специальным винтом (37 и 43) на прозрачной подставке (38 и 44) с возможностью регулирования расстояния до субъекта регистрации.

На дисплее (33 и 39) отображаются визуальные команды (35 и 41), в соответствии с которыми осуществляется регистрация субъекта.

Для определения необходимого положения лица относительно стереокамеры (Фиг.5) в набор визуальных команд, выводимых на дисплей, входят соответствующие визуальные команды для позиционирования головы субъекта регистрации перед дисплеем, согласно которым субъект регистрации может видеть на дисплее стереопару - два видеоизображения своего лица.

При этом на левом видеоизображении отображаются визуальные команды позиционирования головы:

- красная рамка для центрирования головы в кадре;

- две голубые прямые для позиционирования глаз.

Позиция головы субъекта перед дисплеем считается правильной, когда лицо располагается в центре красной рамки и при этом две голубые прямые попадают на центры или между центрами глаз.

На Фиг.6 показана базовая схема установки некоторых модулей системы регистрации:

- дисплея для отображения визуальных команд позиционирования головы (45);

- стереовидеокамеры (46);

- стереомикрофона (47)

- места целевого позиционирования (кресла) субъекта регистрации (48);

- фонового экрана с определенной текстурой и отражательными характеристиками (49; относится к блоку дополнительного освещения);

- источников дополнительного освещения с рассеивающими зонтами (50; относятся к блоку дополнительного освещения): левого (51) и правого (52).

В новой системе регистрации блок анализа качества трехмерных изображений лица является системой понимания изображений, представленных массивами чисел, которые в простейшем виде могут просто сообщать с каким-то уровнем достоверности (вероятностью) о том, что на изображении имеется заданный или какой-либо неожиданный объект, характеризующий количественно качество/черты лица.

Эта задача в системе решается с помощью стандартной системы распознавания двухмерных образов, блок-схема которой приводится на Фиг.7. Двухмерное изображение (54) из пространства двухмерных образов (53) анализируется блоком выделения признаков (55) с использованием данных из пространства признаков (56). Результатом этого анализа является выделение двухмерных признаков (57), которые затем могут быть отнесены к определенному классу (60) классификатором (59) с использованием данных из пространства классов (58).

Применение в системе стереокамеры, имеющей два независимых видеоканала, обеспечивает высокую эффективность и достоверность результатов работы блока анализа качества трехмерных изображений лица, блока формирования двухмерных изображений лица и оценок их качества и блока сжатия двухмерных изображений лица.

Система позволяет количественно оценивать следующие параметры качества и черты лица двухмерного и/или трехмерного изображения лица, характеризующие:

- анатомические черты лица: тип расы; лба; глаз, бровей; носа; губ; рта; щек; подбородка; ушей и др.;

- характерные для субъекта регистрации черты лица: особые приметы; шрамы; морщины; отсутствие частей лица; наличие косоглазия и др.

- специфические условия регистрации лица: видимость радужки и зрачка; присутствие очков; степени прозрачности линз очков; помех из-за отражений света на линзах очков; оправы, закрывающей некоторые черты лица; помех из-за волос, закрывающих черты лица; углы отклонения лица от фронтального положения; видимость плеч; равномерность рассеивания света на лице; наличие теней на лице или в глазницах; наличие ложных изображений из-за неправильного освещения; задний фон; уровня сфокусированности на каждом участке лица; контраст деталей лица; яркость, цветовой тон и насыщенность цвета; присутствие не натуральных цветов; присутствие оптических искажений черт лица через обнаружение аномальных размеров лица, глаз, бровей, носа, губ, рта и подбородка; присутствие посторонних предметов, закрывающих некоторые детали лица, и др.;

- кратковременные физические свойства лица: цвет глаз; тип прически; цвет волос; присутствие и цвет бороды и/или усов; наличие открытого рта; улыбки с закрытым или открытым ртом; наличие поднятых бровей и степени нахмуренности; направление взгляда; наличие приметных участков кожи лица (например, татуировки); полнота деталей лица на изображении: присутствие лба, глаз, бровей, носа, губ, рта, щек, подбородка, ушей, плеч и др., и др.

Для съемки в системе используется стереокамера, состоящая из двух видеокамер, блок дополнительного освещения, включающий два первичных источника света, рассеивающие зонты и фоновый экран определенной текстуры.

Такая компоновка позволяет получать следующие свойства изображений лица: фон на изображении существенно отличается от объекта съемки (лицо и фигура человека); контраст получается значительным даже при достаточно интенсивном освещении.

Наличие двух независимых видеоканалов, производимых двухмерные видеоизображения лица с разных ракурсов, позволяет эффективно выделять и оценивать вышеупомянутые черты лица на изображении.

При этом могут использоваться следующие признаки (см. У.Претт "Цифровая обработка изображений", М.: Мир, 1992г.) [69]:

- яркостные;

- гистограммные;

- пространственно-спектральные;

- контурные;

- линейного и нелинейного контрастирования;

- аппроксимации перепадов яркости;

- статистического обнаружения перепадов;

- цветовых контуров;

- пятен и линий;

- текстурные;

- синтеза текстур,

и следующие способы символического описания изображений:

- определение геометрических соотношений и связности между элементами;

- их сжатие и уточнение для сведения к областям меньших размеров;

- описание линий и формы через аппроксимацию и машинный анализ метрических, топологических и аналитических характеристик;

- сегментация по яркости с помощью порогового ограничения, наращивания областей;

- контурная сегментация: аппроксимация кривых, прослеживание контуров, соединение точек перепадов;

- текстурная сегментация;

- сегментация формы;

- и др.

Далее мы подробно рассмотрим выделение головы на изображении с помощью методов сегментации по яркости.

Изображения от левой и правой камеры обозначим как функции яркости от координат на плоскости:

ВL(x_L, y_L) и BR(x_R,y_R),

где x_L и y_L и x_R и у_R - дискретные координаты на левом и правом изображении соответственно.

Изображения в системе получаются в условиях нормальной стереосъемки, т.е. когда отсутствует у-диспаратность (разность координат изображений одной и той же точки по оси OY практически равна нулю).

При этом диспаратность съемки определяется х-диспаратностью.

В системе стереокамера характеризуется следующими свойствами:

- фокальные плоскости видеокамер совпадают (т.е. параллельны их оптические оси);

- видеокамеры одинаково ориентированы относительно оптических осей (т.е. могут быть переведены одна в другую плоскопараллельным переносом);

- проекция линии, соединяющей видеокамеры, на изображениях, полученных от видеокамер, параллельна оси ОХ этих изображений.

Камеры разнесены на расстояние В, называемое стереобазисом (или просто базисом).

Работа системы основывается на ряде априорных сведений о деталях человеческого лица как объектов съемки и количественных параметров их качества, позволяющих использовать отличительные для данного изобретения методы поиска деталей лица и оценок их качества. К ним относятся прежде всего физические ограничения на размер, полученные с помощью многократных измерений, а также тот факт, что ряд деталей лица имеет формы, близкие к геометрическим фигурам (например, изображение лица в анфас, глазницы, глаза, зрачки, линзы очков и др. имеют формы, близкие к эллиптической). В общем случае знания о сцене изображения лица могут варьироваться от очень простой (например, отыскиваемый объект должен быть ярче фона) до очень сложных сцен (например, известна упорядоченная структура отношений между всеми частями лица). Например, две большие эллиптические области в области глаз могут интерпретироваться как очки.

В общем случае процедура выделения и количественная оценка качества деталей лица включает независимое выделение различных деталей на отдельных изображениях и последующую корректировку с применением совместного анализа областей деталей лица, полученных на разных изображениях стереопары одновременно. Кроме этого, полученные количественные оценки качества деталей лица сопровождаются вычисления уровня достоверности полученных оценок.

Рассмотрим сначала процедуру выделения деталей лица на примере выделения области лица на отдельном изображении.

Считается, что каждой области какой-либо детали лица можно поставить в соответствие связанную область, все точки которой будут иметь яркость, превышающую некоторое пороговое значение, и которая будет удовлетворять заданным критериям яркости, формы и размера.

Главной задачей выделения и оценки качества является как можно точное определение границ связанной области.

В случае выделения лица необходимо на изображении найти, как правило, самый яркий объект (Фиг.8). Однако фильтрация по яркости может приводить и к ошибкам: лицо - часть связанной области (Фиг.8а); лицо - несколько связанных областей (Фиг.8б), лицо - не самый крупный яркий объект (Фиг.8в).

Поэтому для эффективного определения местоположения некоторых деталей лица используется их близость по форме и расположению к определенным геометрическим фигурам и областям.

Все полученные ранее связанные области сортируются по размерам. Далее, при выделении лица, начиная с самой большой, производится процедура поиска эллиптической части до тех пор, пока она не завершится успехом либо не останется значительных по размерам связанных областей (в некоторых случаях, не менее 10% от размера максимальной области).

Алгоритм поиска эллиптической части связанной области работает сверху вниз (Фиг.9).

Для каждого значения у строится эллипс, аппроксимирующий просканированную часть вероятной области лица.

Для каждого эллипса вычисляется числовая характеристика эллиптичности области по следующей формуле:

Q=(S_o/S_e) {1-(P_c/P_e)},

где S_o - площадь части области, заключенной в эллипс; S_e - площадь эллипса; Р_с - длина границы эллипса, пересекающаяся с областью; Р_е - периметр эллипса (Фиг.10).

Если эллиптичность Q рассматриваемой области превысит определенный порог Q_T, то тогда она будет считаться приближением области лица.

Отдельно отметим, что в качестве Q могут использоваться и другие экстремальные функционалы.

Однако отдельные участки лица могут быть слабо освещены или иметь низкое альбедо. В этом случае они могут не попасть в эллиптическую часть связанной области. Например, на Фиг.8 (в) в связанную область не попали брови и область глаз. Кроме этого, изображение лица может быть разбито на несколько областей (Фиг.8, б).

Для решения этих и других проблем используются методы одновременной "синхронизации" эллиптических областей в двух видеоканалах стереоизображения, т.е. оценивается корреляция областей по двум каналам. В этом случае предпочтение отдается соответственно тем областям, которые были выделены корректно в двух каналах одновременно.

Далее два канала стереоизображения используются для достоверной оценки размеров деталей лица. Это особенно важно, если учесть, что значения большинства параметров качества деталей лица вычисляются с использованием их физических размеров (размеры очков, оправы, лица, прически, бороды, усов и т.п.).

Физические размеры снимаемых объектов можно измерить с помощью одной видеокамеры, оптические параметры которой известны, т.е. определено расстояние до объекта съемки, фокусное расстояние камеры и т.п.

Однако в реальных условиях возможны сильные вариации в расстоянии съемки и, следовательно, в ширине кадра в предметной плоскости.

С использованием второй камеры стереосистемы системы можно косвенно измерить расстояние или ширину кадра по изменению ракурса из-за изменения точки наблюдения.

С использованием заданной базы стереоустановки В (расстояние между оптическими осями видеокамер) можно задать некоторое стандартное расстояние L₀ и, измерив на нем стандартную диспаратность Δх₀ и ширину кадра F₀, можно вычислить относительный масштаб изображений S (Фиг.11).

Если измерены стандартная Δх₀ и текущая Δх диспаратность, то тогда масштаб изображений, определенный как S=F/F0=L0/L, вычисляется по формуле:

База стереоустановки В измеряется в миллиметрах, а Δх₀ и Δх переводятся из пикселей в физические единицы по формуле:

где Δx_p - стандартная диспаратность в пикселях, a F_p - ширина кадра в пикселях.

Для объектов в левом и правом каналах проверяются ограничения на максимальные и минимальные ширину и высоту заданных объектов. При нарушении хотя бы одного ограничения производится корректировка порога яркости: увеличивается для отсечения лишних деталей при нарушении ограничения на минимальный размер и уменьшается для захвата большей области при нарушении ограничения на минимальный размер. То есть при увеличении порога в связные области попадает меньше точек, а при уменьшении - больше.

Таким образом, порог настраивается итеративно, пока полученные области не будут удовлетворять физическим ограничениям.

Изложенная выше работа системы выделения деталей лица и количественной оценки качества с помощью методов сегментации по яркости и последующей оценки размера деталей лица на предъявленных стереоизображениях показывает отличные результаты.

Ее основным преимуществом является высокое быстродействие и работа в режиме реального времени, т.е. система при достаточной надежности может обрабатывать видеосигналы, а не отдельные изображения.

Эффективность и корректность работы системы зависит от точности юстировки стереоустановки.

Достоверность количественной оценки параметров качества будет зависеть от продолжительности сеанса регистрации или, другими словами, от количества независимых стереопар изображений, в которых область выделена корректно и прошла проверку физических размеров.

Оценим количество попыток, необходимых для получения достоверных данных.

Если в серии из n попыток системой будут получены m наступления событий корректного выделения и проверки размеров области в обоих видеоканалах, то частота составит p^∗=m/n.

При этом вероятность обнаружения заданной детали лица определенного человека составит р≈р^∗.

Оценим наименьшее число независимых попыток выделения и проверки размеров области в обоих видеоканалах, необходимые для того, чтобы с вероятностью не меньшей β частота р^∗ отклонялась от вероятности p не больше чем на α.

В общем случае n определяется из неравенства:

Вероятность в левой части неравенства мы заменяем приближенно интегралом Муавра - Лапласа.

В результате для определения n получаем неравенство:

где Ф {х} - интеграл Лапласа.

Для худшего случая, когда р^∗=1-р^∗=0,5, при n=400 и α=0,05, имеем;

Это значит, что с вероятностью 95% отличие полученного результата от реального не превышает 5% при условии проведения не менее 400 попыток выделения и проверки размеров области в обоих видеоканалах.

Для стереовидеокамеры системы скорость обрабатываемого видеопотока каждого канала составляет 15 кадров в секунду. То есть что для получения количественных оценок качества с указанной достоверностью необходимо обработать не менее 400 кадров или определить продолжительность регистрации на уровне 30 секунд.

Система позволяет увеличить быстродействие до 30 кадров в секунду. В этом случае для заданной достоверности продолжительность регистрации составит 15 секунд.

Аналогично выделению лица для эффективного определения местоположения некоторых других деталей лица также используется их близость по форме к определенным геометрическим фигурам и областям, а также информация о вероятном местоположении на изображении с привязкой к некоторым опорным точка (например, центрам глаз), необходимая для корректировки относительных пространственных сдвигов, различия в смещении, вызванные поворотом, а также геометрические искажения яркости каждой области изображения.

Как уже указывалось выше, кроме выделения таких признаков, как яркость, в изображении также выделяются координаты контурных точек, параметры текстуры и т.п. Контурные точки группируются в связанные области: отрезки линий или замкнутые кривые. Кроме этого, элементы с одинаковой текстурой также могут объединяться в связанные области элементов изображения.

С помощью новой системы можно не только выделять и оценивать достоверность присутствия лица на изображении, но и обнаруживать и количественно оценивать следующие детали лица: физические размеры и тип лица (например, расу), лба, глаз (например, миндалевидные средние), бровей (например, дугообразные средние по длине и по отношению у глазам), носа (например, средний, кончик носа опущенный), губ (например, высота верхней губы средняя), рта (средний), щек, подбородка (высота, расстояние между нижней каймой губы и кончиком подбородка, средняя), ушей, особые приметы, шрамы, морщины, отсутствие частей лица, наличие косоглазия, видимость радужки и зрачка; тип прически; присутствие очков; прозрачность линз очков; видимость плеч; присутствие бороды и/или усов; наличие открытого рта; улыбки с закрытым или открытым ртом; наличие поднятых бровей и степени нахмуренности; направление взгляда; наличие косоглазия; наличие приметных участков кожи лица (например, татуировки); полноту деталей лица на изображении: присутствие лба, глаз, бровей, носа, губ, рта, щек, подбородка, ушей, плеч; текстуру заднего фона; и др.

Кроме этого, аналогичный анализ появления недопустимых связанных областей, контурных линий, отрезков и параметров текстуры позволяет оценивать случайные аномальные детали лица: присутствие оправы, закрывающей некоторые черты лица; наличие отражений света на линзах очков; помех из-за волос, закрывающих черты лица; равномерность рассеивания света на лице; наличие теней на лице или в глазницах; наличие ложных изображений из-за неправильного освещения; плохой уровень фокуса на каждом участке лица; контраст деталей лица; присутствие оптических искажений черт лица через обнаружение аномальных размеров лица, глаз, бровей, носа, губ, рта и подбородка; присутствие посторонних предметов, закрывающих некоторые детали лица; наличие аномальных участков кожи лица и др.

Достоверность всех оценок также обеспечивается также за счет согласованности выделенных областей на изображениях, полученных от нескольких независимых источников (в нашем случае, это видеоканалы стереокамеры).

Оценка яркости, цветового тона и насыщенности цвета кожи, волос прически, бороды и/или усов, присутствие не натуральных (ложных) цветов на коже лица, глазах и волосах проводится при использовании информации о преобразовании координат цвета исходного изображения лица, полученной с помощью цветовых характеристик фонового экрана (цвет, текстура), согласованной в двух видеоканалах стереокамеры одновременно.

При оценке углов отклонения лица от фронтального положения (пространственной ориентации головы) также используются согласованные данные, полученные от двух видеоканалов стереокамеры одновременно:

- на изображении лица вышеупомянутыми методами обработки моноизображений находятся ключевые точки, такие как центры глаз или зрачков, центр губ и т.п.

- далее для уточнения вычисляется пространственное положение точек с помощью всех каналов стереоизображения одновременно;

- положение головы считается фронтальным, если треугольник, образуемый в пространстве точками центров глаз и губ (опорный треугольник), лежит в плоскости, параллельной плоскости изображения, а ось симметрии направлена вертикально.

Плоскость в трехмерном пространстве задается уравнением:

коэффициенты которого вычисляются по координатам вершин треугольника, лежащего в этой плоскости;

- углы пространственной ориентации головы определяются углами пространственной ориентации опорного треугольника.

Наклон (тангаж - φ) и поворот (рысканье - ψ) лица вычисляются из уравнения плоскости опорного треугольника по следующим формулам:

Боковой наклон (крен - χ) лица вычисляется по наклону оси глаз:

либо по наклону оси симметрии опорного треугольника.

Другие характерные точки лица, чье пространственное положение может быть определено, используются для уточнения этих углов.

Задача отбора лучшего двухмерного изображения лица также решается с помощью использования согласованных данных, полученных от двух видеоканалов стереокамеры одновременно.

Действительно, определенный кратковременный статический двухмерный результат визуализации лица, отобранный оператором в качестве эталонного, может и не являться лучшим, поскольку, как уже отмечалось выше, он может содержать ложные детали (помехи), обусловленные варьирующимися от измерения к измерению условиями регистрации лица.

Все полученные оценки параметров качества трехмерных изображений лица могут использоваться для отбора эталонных трехмерных изображений, которые будут удовлетворять заданным ограничениям в соответствии с определенными стандартами, описывающими: формат хранения лицевых данных, передачу информации о чертах лица, текстуре и цвете заднего фона, требования на проведение фотосъемки, другие атрибуты цифрового изображения лица.

Блок формирования двухмерных изображений лица отбирает среди набора трехмерных изображений лица такое изображение, количественные параметры качества которого будут находиться вблизи среднего арифметического из всех аналогичных параметров качества соответствующих изображений, согласованных в двух видеоканалах стереокамеры одновременно.

Также при помощи блока формирования двухмерных изображений лица определяют количественные параметры качества и черт лица каждого полученного двухмерного изображения лица с использованием количественных оценок параметров качества и черт лица трехмерных изображений лица.

В качестве двухмерных изображений лица в системе могут использоваться стереопары.

В заключение хотелось бы отметить, что достоинства предложенного способа регистрации двухмерных изображений лица и достоверной количественной оценки качества и черт лица перед известными проявляются в том, что данное техническое решение не требует большого количества считывателей изображений лица, характеризуется легкими и понятными для субъекта требованиями к регистрации, минимизирует продолжительность регистрации, доводя ее практически до режима реального времени, исключает влияние помех, обусловленных различными условиями регистрации, не подвержено ошибкам, обладает повышенным ресурсом, обеспечивает регистрацию адекватных двухмерных изображений лица и количественную оценку качества и черт лица с заданным уровнем достоверности, хорошо согласуется с существующими и разрабатываемыми стандартами.

Хотя указанный выше вариант выполнения изобретения был изложен с целью иллюстрации настоящего изобретения, специалистам ясно, что возможны разные модификации, добавления и замены, не выходящие из объема и смысла настоящего изобретения, раскрытого в прилагаемой формуле изобретения.

Предлагаемый способ и система поясняются чертежами 1-11, на которых иллюстрируется также возможный внешний вид системы:

- Фиг.1 - состав системы регистрации и количественной оценки качества двухмерных изображений лица человека;

- Фиг.2 - краткая блок схема работы системы регистрации и количественной оценки качества двухмерных изображений лица человека;

- Фиг.3 - вид А. Система регистрации. Вид сбоку;

- Фиг.3A - вид В. Система регистрации. Вид сбоку сзади;

- Фиг.4 - стереокамера, установленная рядом с дисплеем;

- Фиг.5 - позиционирование лица при стереосъемке;

- Фиг.6 - схема установки системы регистрации;

- Фиг.7 - блок-схема стандартной системы распознавания образов;

- Фиг.8 - связанные области выделения лица (фильтрация по порогу яркости, черный цвет - максимальная связанная область);

- Фиг.9 - поиск эллиптической части через пошаговое построение эллипсов от верхней границы;

- Фиг.10 - оценка эллиптичности связанной области;

- Фиг.11 - геометрические параметры стереосъемки.

Изобретение относится к биометрическим системам и способам распознавания людей по чертам лица и, в частности, к системам и способам регистрации биометрических данных лиц. Техническим результатом изобретения является повышение достоверности количественной оценки качества двухмерных изображений лица. Технический результат достигается благодаря тому, что система регистрации двухмерных изображений лиц содержит блок считывания PIN номера, блок декодирования PIN номера, блок памяти, дисплей, блок считывания изображений лица, процессорный блок, взаимосвязанный с указанными блоками и одним из выходов подключенный к блоку дополнительного освещения, блок считывания изображений лица, выполненный в виде считывателя трехмерных изображений, блок анализа качества трехмерных изображений лица, блок формирования двухмерных изображений лица и блок сжатия двухмерных изображений лица, взаимосвязанный с процессорным блоком. Система функционирует в соответствии с предложенным способом. 2 н. и 12 з.п. ф-лы, 11 ил.

1. Система регистрации и количественной оценки параметров качества и черт лица двумерных изображений лица, которая содержит:
блок считывания PIN номера, связанный с блоком декодирования PIN номера;
блок памяти, хранящий списки разрешенных и запрещенных PIN номеров, а также сжатые двумерные изображения лица с информацией о качестве изображений;
дисплей;
блок считывания изображений лица, выполненный в виде считывателя трехмерных изображений, связанный с блоком анализа качества трехмерных изображений лица, причем блок анализа качества трехмерных изображений лица осуществляет количественную оценку качества и черт трехмерного изображения лица и проверку на соответствие заданным ограничениям;
блок формирования двумерных изображений лица, связанный с блоком анализа качества трехмерных изображений лица, причем блок формирования двумерных изображений лица осуществляет преобразование набора трехмерных изображений в набор двумерных изображений, а также определяет количественные параметры качества и черт лица для каждого двумерного изображения с использованием количественных оценок трехмерных изображений лица;
блок сжатия двумерных изображений, связанный с блоком памяти;
блок дополнительного освещения;
процессорный блок, осуществляющий проверку PIN номера, запись в блок памяти сжатых двумерных изображений лица и включение блока дополнительного освещения, взаимосвязанный со всеми вышеперечисленными блоками.

2. Система по п.1, отличающаяся тем, что в качестве блока считывания трехмерных изображений лица система содержит стереокамеру.

3. Система по п.1, отличающаяся тем, что в качестве считывателя трехмерных изображений лица система содержит стереовидеокамеру с изменяемым базисом.

4. Система по п.1, отличающаяся тем, что в качестве блока считывания PIN номера система содержит бесконтактный радиочастотный считыватель.

5. Система по п.1, отличающаяся тем, что в качестве блока считывания PIN номера система содержит бесконтактный считыватель смарт-карт.

6. Система по п.1, отличающаяся тем, что в качестве блок декодирования PIN номера система содержит декодер данных на основе технологии PKI.

7. Система по п.1, отличающаяся тем, что в качестве дисплея система содержит компьютерный монитор.

8. Система по п.1, отличающаяся тем, что в качестве процессорного блока система содержит цифровой сигнальный процессор.

9. Система по п.1, отличающаяся тем, что в качестве блока дополнительного освещения система содержит два первичных источника света и три вторичных, включая два рассеивающих зонта и один фоновый экран.

10. Способ регистрации двухмерных изображений лица, состоящий из следующих действий:
а) задают допустимый диапазон количественных параметров качества и черт лица в блоке анализа качества трехмерных изображений лица;
b) проводят позиционирование головы субъекта регистрации перед блоком считывания изображений;
c) сканируют при помощи блока считывания изображений лица набор А трехмерных изображений лица различного качества;
d) оценивают при помощи блока анализа качества трехмерных изображений лица, количественные параметры качества и черт лица каждого трехмерного изображения лица из набора А;
e) создают из набора А второй набор В трехмерных изображений лица, имеющих количественные оценки параметров качества и черт лица в пределах заданного допустимого диапазона;
f) создают при помощи блока формирования двухмерных изображений лица третий набор С двухмерных изображений лица, сформированный из второго набора В трехмерных изображений лица;
g) определяют при помощи блока формирования двухмерных изображений лица количественные параметры качества и черт лица каждого полученного двухмерного изображения лица из третьего набора С с использованием количественных оценок параметров качества и черт лица трехмерных изображений лица из набора В;
h) сжимают каждое двухмерное изображение лица из третьего набора С и сохраняют в блоке памяти вместе с определенными количественными оценками параметров качества и черт лица для данного изображения в качестве зарегистрированного эталонного двухмерного изображения лица.

11. Способ по п.10, отличающийся тем, что оценивают параметры качества и черт лица, при этом включают оценку присутствия, позиции, размера и типа лица.

12. Способ по п.10, отличающийся тем, что оценивают параметры качества и черт лица, при этом включают оценку полноты деталей лица на изображении.

13. Способ по п.10, отличающийся тем, что оценивают параметры качества и черт лица, при этом включают оценки: типа расы; -присутствия, позиции, размера и типа лба; присутствия, позиции, размера и типа глаз; присутствия, позиции, размера и типа бровей; присутствия, позиции, размера и типа носа; присутствия, позиции, размера и типа губ; присутствия, позиции, размера и типа рта; присутствия, позиции, размера и типа щек; присутствия, позиции, размера и типа подбородка; присутствия, позиции, размера и типа ушей; характерных для субъекта регистрации особых примет; характерных для субъекта регистрации шрамов; характерных для субъекта регистрации морщин; характерного для субъекта регистрации отсутствия некоторых частей лица; характерного для субъекта регистрации косоглазия и других патологий; видимости радужки и зрачка из-за специфических условий регистрации лица; присутствия очков; степени прозрачности линз очков; помех из-за отражений света на линзах очков; оправы, закрывающей некоторые черты лица; помех из-за волос, закрывающих черты лица; углов отклонения лица от фронтального положения; видимости плеч; равномерности рассеивания света на лице; наличия теней на лице или в глазницах; наличия ложных изображений из-за неправильного освещения; заднего фона; уровня сфокусированности на каждом участке лица; контраста деталей лица; яркости, цветового тона и насыщенности цвета; присутствия ненатуральных цветов; присутствия оптических искажений черт лица; присутствия посторонних предметов, закрывающих некоторые детали лица; оценку цвета глаз; типа прически; цвета волос; присутствия бороды и/или усов; цвета бороды и/или усов; наличия открытого рта; улыбки с закрытым ртом и/или открытым ртом; наличия поднятых бровей; степени нахмуренности; направления взгляда; наличия приметных участков кожи лица (например, татуировки).

14. Способ по п.10, отличающийся тем, что изображения сканируют при помощи стереокамеры.