Способ оценки возраста и способ определения пола



Способ оценки возраста и способ определения пола
Способ оценки возраста и способ определения пола
Способ оценки возраста и способ определения пола
Способ оценки возраста и способ определения пола
Способ оценки возраста и способ определения пола
Способ оценки возраста и способ определения пола
Способ оценки возраста и способ определения пола
Способ оценки возраста и способ определения пола
Способ оценки возраста и способ определения пола
Способ оценки возраста и способ определения пола
Способ оценки возраста и способ определения пола
Способ оценки возраста и способ определения пола
Способ оценки возраста и способ определения пола

 


Владельцы патента RU 2575404:

ПОЛА КЕМИКАЛ ИНДАСТРИЗ, ИНК. (JP)

Изобретение относится к способу оценки возраста. Техническим результатом является повышение точности оценки возраста. Способ оценки возраста содержит сбор данных лицевого изображения субъекта; вычисление интенсивностей пространственных частот по собранным данным лицевого изображения, причем пространственные частоты принадлежат множеству различных полос пространственных частот; и вычисление оцененного возраста субъекта посредством применения вычисленных интенсивностей пространственных частот к уравнению или модели, получаемому/получаемой заранее и выражающему/выражающей корреляцию между возрастами и пространственными частотами, получаемыми по данным лицевого изображения. 2 н. и 10 з.п. ф-лы, 13 ил., 3 табл.

 

ОБЛАСТЬ ТЕХНИКИ

[0001] Настоящее изобретение относится к способу оценки возраста, устройству оценки возраста, программе оценки возраста, способу определения пола, устройству определения пола и программе определения пола. Более конкретно, изобретение относится к способу оценки возраста, устройству оценки возраста и программе оценки возраста, в которых используют пространственные частоты, и к способу определения пола, устройству определения пола и программе определения пола, в которых используют пространственные частоты.

УРОВЕНЬ ТЕХНИКИ

[0002] Не только женщины, но также все люди желают оставаться молодыми. По этой причине существуют различные косметические средства, такие как эстетическое лечение, базовые продукты по уходу за кожей, продукты косметики, специальная косметика, здоровые продукты питания или косметические хирургические операции.

Объективное суждение о молодости, в частности, молодости лица, другими словами, объективное суждение о разрыве между фактическим возрастом и «возрастом по впечатлению от внешнего вида», является чрезвычайно важным в суждении об эффекте различных косметических средств, таких как эстетическое лечение и косметические материалы.

Однако, например, для того, чтобы судить об эффекте эстетического лечения или косметических материалов, когда используют возраст по впечатлению от внешнего вида, на возраст по впечатлению от внешнего вида может оказывать влияние различие среди оценивателей или между полами, так что существует проблема, которая заключается в том, что воспроизводимость суждения может не быть достигнута.

В широком спектре областей, начиная от суждения об эффекте различных косметических средств, таких как эстетическое лечение и косметические материалы, как описано выше по тексту, до контроля возраста или торговли алкогольными напитками, сигаретами и т.п., системы безопасности для подтверждения характеристики лица для безопасности и т.п. имеет место выраженная потребность в способе оценки возраста с хорошей воспроизводимостью.

[0003] Ввиду этих обстоятельств, в качестве примера способа, известен способ оценки возраста посредством использования фактического значения измерения или значения сенсорного суждения о размере или длине глаз, рта, носа и подбородка в качестве характеристического значения (патентная литература 1 и 2). Вдобавок, известен способ оценки возраста, в котором используют показатели морщин или дряблости (патентная литература 3). Вдобавок, метод оценки возрастных изменений основан на физических величинах (размере и расстоянии) участков или составных частей лица (патентная литература 4).

[0004] В последние годы в соответствии с развитием обработки изображений и обработки статистическим анализом в дополнение к развитию устройств формирования изображений имело место значительное развитие систем мониторинга и распознавания посредством быстрого и точного сохранения лицевых изображений на компьютер, распознавания возрастной группы, пола и характеристик лица и оценки индивидуума.

В качестве примеров этой технологии известна система оценки возраста посредством использования значений из обработки изображений, такой как краевая обработка или бинарная обработка, что представляет собой характеристическую величину, содержащуюся в изображениях (например, патентная литература 5 и 6), технология оценки атрибуции индивидуума посредством использования характеристических значений (положение, оттенок и число морщин) характеристических точек, таких как глаза, нос и рот (например, патентная литература 7), технология оценки возраста для выбора дискриминатора и способ применения сжатия размеров к изображению, основываясь на расстоянии воспринимаемого возраста индивидуума в качестве стандарта суждения (например, патентная литература 8). Вдобавок, раскрыта технология определения возраста и пола посредством использования сходства характеристической информации лицевого изображения (информации оттенка на каждый участок изображения, размер участка и т.п.) (например, патентная литература 11).

[0005] Между тем, недавно разработана технология, сфокусированная на пространственных частотах, то есть технология, сфокусированная на изменении характеристик текстуры изображения посредством пространственных циклов. Например, раскрыт способ подготовки имитационного изображения кожи, представляющей различные текстуры, в соответствии с изменениями пространственных частот (например, патентная литература 9).

Заявитель настоящего изобретения раскрывает технологию суждения об эффекте на «трехмерный эффект лица», который имеет косметика, посредством осуществления анализа распределения пространственных частот во время нанесения косметики посредством использования технологии использования пространственных частот (например, патентная литература 10).

СПИСОК ЦИТИРУЕМОЙ ЛИТЕРАТУРЫ

ПАТЕНТНАЯ ЛИТЕРАТУРА

[0006] Патентная литература 1: JP 11-265443 A

Патентная литература 2: JP 2000-014661 A

Патентная литература 3: JP 2002-330943 A

Патентная литература 4: JP 2002-360544 A

Патентная литература 5: JP 2009-086901 A

Патентная литература 6: JP 2009-271885 A

Патентная литература 7: JP 2008-282089 A

Патентная литература 8: JP 2010-113526 A

Патентная литература 9: JP 2004-283357 A

Патентная литература 10: JP 2004-272849 A

Патентная литература 11: JP 2005-165447 A

РАСКРЫТИЕ ИЗОБРЕТЕНИЯ

ПРОБЛЕМА, КОТОРАЯ ДОЛЖНА БЫТЬ РЕШЕНА ПОСРЕДСТВОМ ИЗОБРЕТЕНИЯ

[0007] Способы оценки возраста, основанные на физической формации, такой как размер участка лица и длина между участками, как раскрыто в патентной литературе 1, 2 и 4, затруднительны в отношении точного определения положения, которое представляет собой стандарт измерения каждого субъекта, и возраст может быть не оценен с высокой степенью точности.

Вдобавок, способ оценки возраста, основываясь на сенсорном суждении, как раскрыто в патентной литературе 2, имеет проблему в том отношении, что индивидуальные различия среди оценивателей значительно влияют на оценку возраста. Вдобавок, поскольку способ оценки возраста посредством использования показателей морщин или дряблости, как раскрыто в патентной литературе 3, сфокусирован только на конкретных участках, где морщины и дряблость легко видны, сложно судить о возрасте субъекта в широком диапазоне возрастной группы, включая относительно молодых людей. Вдобавок, имеет место проблема в отношении того, что сложно точно определить участок, как описано выше по тексту.

[0008] Технология, раскрытая в патентной литературе 5 и 6, относится к увеличению степени точности оценки возраста посредством комбинирования результатов оценки возраста, основываясь на множестве различных стандартов. Вдобавок, технология, раскрытая в патентной литературе 8, относится к получению оценочного значения, близкого к результату, воспринимаемому тем индивидуумом, на основе конкретного стандарта суждения, который представляет собой расстояние воспринимаемого возраста. Вдобавок, технология, связанная с патентной литературой 11, относится к минимизации ошибки оценки, основываясь на конкретном числовом показателе степени сходства. Эти технологии относятся к минимизации ошибки оценки посредством подготовки множества стандартов для вычисления любого типа оценки возраста.

Вдобавок, технология, раскрытая в патентной литературе 7, представляет собой технологию коррекции показателей, используемых в оценке на основе некоторого состояния, и преимущественного фокусирования на повышении точности входных данных, используемых в оценке.

[0009] Как описано выше по тексту, обычно характеристические значения, используемые в оценке возраста или определении пола посредством использования лицевого изображения, ограничены размером участка лица, расстоянием между участками, показателями, указывающими число морщин или состояние, оттенком участка лица, или его обработанным значением. Вдобавок, в обычном способе определения возраста или пола, для того, чтобы увеличить точность суждения, необходимо обработать информацию для точного определения множества участков лица или для подготовки множества стандартов для увеличения точности оценки.

[0010] Следовательно, цель изобретения состоит в том, чтобы предоставить новую технологию оценки возраста с высокой степенью точности и воспроизводимости оценки возраста посредством использования лицевых изображений. Вдобавок, цель изобретения состоит в том, чтобы предоставить новую технологию определения пола с высокой степенью точности и воспроизводимости определения пола посредством использования лицевых изображений.

СРЕДСТВА РЕШЕНИЯ ПРОБЛЕМЫ

[0011] Ввиду указанных выше по тексту обстоятельств, в качестве результата старательных усилий получить технологию оценки возраста или определения пола точно, изобретатели настоящего изобретения обнаружили, что существует близкая корреляция между возрастами и интенсивностями пространственных частот, получаемыми из данных лицевого изображения, или полами и интенсивностями пространственных частот. Кроме того, в качестве результата анализа корреляций, изобретатели настоящего изобретения обнаружили, что различные типии информации о возрастных структурах и характеристиках половых различий, которые связаны с оценкой возраста и определением пола, неравномерно распределены по пространственной частоте. Затем изобретатели настоящего изобретения обнаружили, что оценку возраста (фактический возраст или возраст по впечатлению от внешнего вида) и определение пола можно осуществлять с высокой степенью точности и воспроизводимости посредством использования интенсивностей пространственных частот, принадлежащих полосам пространственных частот, которые близко связаны с информацией о возрастной структуре или характеристиках половых различий, тем самым выполнив изобретение.

Следовательно, изобретение представляет собой следующее.

[0012] Изобретение для решения проблемы относится к способу оценки возраста, который включает в себя оценку возраста субъекта по данным лицевого изображения субъекта, основываясь на корреляции между возрастами и интенсивностями пространственных частот, получаемыми по данным лицевого изображения.

Как описано в одном из вариантов осуществления, описанном ниже по тексту, поскольку интенсивности пространственных частот обладают высокой корреляцией с возрастами, возраст субъекта можно оценивать по данным лицевого изображения субъекта с высокой степенью точности и воспроизводимости.

[0013] В предпочтительном варианте осуществления изобретения корреляцию указывают посредством уравнения или модели, и оценочный возраст субъекта получают посредством применения интенсивностей пространственных частот, получаемых из данных лицевого изображения субъекта, к этому уравнению или этой модели.

Используя уравнение или модель, указывающие корреляцию, возраст можно легко оценивать посредством использования компьютера или тому подобного.

[0014] В предпочтительном варианте осуществления изобретения способ оценки возраста может включать в себя следующие этапы:

получение данных лицевого изображения субъекта;

вычисление интенсивностей пространственных частот по полученным данным лицевого изображения; и

вычисление оценочного возраста субъекта посредством применения вычисленных интенсивностей пространственных частот к уравнению или модели, которая подготовлена предварительно и указывает корреляцию между возрастами и интенсивностями пространственных частот, получаемыми по данным лицевого изображения.

[0015] В предпочтительном варианте осуществления изобретения уравнение представляет собой уравнение множественной регрессии, получаемое из множественного регрессионного анализа, или уравнение прогноза, получаемое из PLS.

Используя уравнение множественной регрессии или уравнение прогноза, оценочный возраст субъекта можно получить с более высокой степенью точности.

[0016] В качестве данных лицевого изображения можно использовать данные изображения целого лица или участка лица. То есть, возраст можно оценивать точно, даже когда используемое лицевое изображение представляет собой изображение целого лица или участка лица.

[0017] Изобретение можно использовать в оценке фактического возраста и в оценке (суждении) возраста по впечатлению от внешнего вида. Когда оценивают фактический возраст, можно использовать корреляцию между фактическими возрастами и интенсивностями пространственных частот, а когда оценивают возраст по впечатлению от внешнего вида, можно использовать корреляцию между возрастами по впечатлению от внешнего вида и интенсивностями пространственных частот.

[0018] В предпочтительном варианте осуществления изобретения данные цветного изображения используют в качестве данных лицевого изображения, и интенсивности пространственных частот включают в себя комбинации интенсивностей пространственных частот, вычисляемых по множеству цветовых каналов.

Используя интенсивности пространственных частот, вычисляемых по цветовым каналам в комбинации в сравнении со случаем использования только интенсивностей пространственных частот, вычисляемых по монохромным лицевым данным (данным яркости), с высокой степенью точности можно оценивать (судить) возраст, в частности, возраст по впечатлению от внешнего вида.

[0019] В предпочтительном варианте осуществления изобретения пространственные частоты принадлежат к множеству различных полос пространственных частот.

Используя интенсивности пространственных частот, принадлежащие множеству различных полос пространственных частот, возраст можно оценивать с высокой степенью точности.

[0020] В предпочтительном варианте осуществления изобретения полосы пространственных частот представляют собой нижнюю полосу 50 циклов/ширина изображения или менее и верхнюю полосу более чем 50 циклов/ширина изображения.

Используя интенсивности пространственных частот в полосе низких частот и полосе высоких частот в комбинации, информацию о различных типах возрастных структур можно использовать в комбинации, так что возраст можно оценивать с более высокой степенью точности.

[0021] В случае использования отличающихся пространственных частот, эти пространственные частоты предпочтительно имеют отличие в 10 циклов/ширина изображения или более. Согласно этому, информацию о различных типах возрастных структур можно использовать более эффективно, так что возраст можно оценивать с более высокой степенью точности.

[0022] В предпочтительном варианте осуществления изобретения субъектом является женщина, корреляция представляет собой корреляцию между возрастами и интенсивностями пространственных частот, получаемыми по данным лицевого изображения целых лиц женщин, и пространственные частоты включают в себя по меньшей мере четыре пространственные частоты, которые принадлежат к соответствующим полосам пространственных частот следующим образом:

от 0 до 50 циклов/ширина изображения;

от 50 до 100 циклов/ширина изображения;

от 100 до 200 циклов/ширина изображения; и

200 циклов/ширина изображения или более.

Согласно этому, полосы пространственных частот, которые включают в себя информацию о возрастной структуре, специфичную для женщин, используют эффективно, так что возраст можно оценивать с высокой степенью точности.

[0023] В предпочтительном варианте осуществления изобретения, субъектом является мужчина, корреляция представляет собой корреляцию между возрастами и интенсивностями пространственных частот, получаемыми по данным лицевого изображения целых лиц мужчин, и пространственные частоты включают в себя по меньшей мере четыре пространственные частоты, которые принадлежат соответствующим полосам пространственных частот следующим образом:

от 0 до 50 циклов/ширина изображения;

от 50 до 100 циклов/ширина изображения;

100 до 150 циклов/ширина изображения; и

150 циклов/ширина изображения или более.

Согласно этому, полосы пространственных частот, которые включают в себя информацию о возрастной структуре, специфичную для мужчин, используют эффективно, так что возраст можно оценивать с высокой степенью точности.

[0024] В предпочтительном варианте осуществления изобретения, корреляция представляет собой корреляцию между возрастами и интенсивностями пространственных частот, получаемыми по данным изображения губ, и пространственные частоты включают в себя по меньшей мере три пространственные частоты, которые принадлежат соответствующим полосам пространственных частот следующим образом:

от 0 до 40 циклов/ширина изображения;

от 40 до 100 циклов/ширина изображения; и

100 циклов/ширина изображения или более.

Согласно этому, по ограниченным участкам губ, полосы пространственных частот, которые включают в себя информацию о возрастной структуре, специфичную для губ, используют эффективно, так что возраст можно оценивать с высокой степенью точности.

[0025] Вдобавок, изобретение для решения проблемы, относится к устройству оценки возраста, включающему в себя блок вычисления интенсивности, который вычисляет интенсивности пространственных частот по данным лицевого изображения субъекта, блок хранения, который хранит данные возрастной корреляции, указывающие корреляцию между возрастами и интенсивностями пространственных частот, получаемыми по данным лицевого изображения, и блок вычисления возраста, который вычисляет оценочный возраст субъекта по сопоставлению интенсивностей пространственных частот, вычисляемых посредством блока вычисления интенсивности, с данными возрастной корреляции, хранящимися в блоке хранения.

Устройство оценки возраста в соответствии с изобретением может оценивать возраст по данным лицевого изображения субъекта с высокой степенью точности.

[0026] Вдобавок, изобретение для решения проблемы относится к программе оценки возраста, которая побуждает компьютер к функционированию в качестве блока вычисления интенсивности, который вычисляет интенсивности пространственных частот по данным лицевого изображения субъекта, блока хранения, который хранит данные возрастной корреляции, которые указывают корреляцию между возрастами и интенсивностями пространственных частот, получаемыми по данным лицевого изображения, и блока вычисления возраста, который вычисляет оценочный возраст субъекта по сопоставлению интенсивностей пространственных частот, вычисляемых посредством блока вычисления интенсивности, с данными возрастной корреляции, которые хранятся в блоке хранения.

Программа оценки возраста в соответствии с изобретением побуждает компьютер к оценке возраста по данным лицевого изображения субъекта с высокой степенью точности.

[0027] Изобретение для решения проблемы относится к способу определения пола, включающему в себя определение пола субъекта по данным лицевого изображения субъекта, основываясь на корреляции между полами и интенсивностями пространственных частот, получаемых по данным лицевого изображения.

Как описано в варианте осуществления, как описано ниже по тексту, поскольку интенсивности пространственных частот обладают высокой корреляцией с полами, пол субъекта можно определять по данным лицевого изображения субъекта с высокой степенью точности.

[0028] В предпочтительном варианте осуществления изобретения, корреляцию указывают посредством уравнения или модели, так что пол субъекта определяют посредством применения интенсивностей пространственных частот из данных лицевого изображения субъекта к уравнению или модели.

Используя уравнение или модель, которые указывают корреляцию, пол можно легко определять посредством использования компьютера и т.п.

[0029] В предпочтительном варианте осуществления уравнение представляет собой дискриминантную функцию, получаемую посредством дискриминантного анализа.

Используя дискриминантную функцию, пол субъекта можно определять с высокой степенью точности.

[0030] В предпочтительном варианте осуществления пространственные частоты принадлежат полосам от 100 до 250 циклов/ширина изображения.

Используя интенсивности пространственных частот в этих полосах, пол можно определять с высокой степенью точности посредством эффективного использования информации о структурах, которые представляют различия между полами.

[0031] В предпочтительном варианте осуществления изобретения, способ определения пола включает в себя следующие этапы:

сбор данных лицевого изображения;

вычисление интенсивностей пространственных частот по собранным данным лицевого изображения;

сбор половой группирующей переменной посредством применения вычисленных интенсивностей пространственных частот к дискриминантной функции, которая подготовлена предварительно и указывает корреляцию между половыми группирующими переменными и интенсивностями пространственных частот, получаемыми по данным лицевого изображения; и

определение пола, основываясь на получаемой группирующей переменной.

[0032] Вдобавок, изобретение для решения проблемы относится к устройству определения пола, включающему в себя блок вычисления интенсивности, который вычисляет интенсивности пространственных частот по данным лицевого изображения субъекта, блок хранения, который хранит данные половой корреляции, которые указывают корреляцию между полами и интенсивностями пространственных частот, получаемыми по данным лицевого изображения, и блок определения пола, который определяет пол субъекта по сопоставлению интенсивностей пространственных частот, вычисляемых посредством блока вычисления интенсивности, с данными половой корреляции, которые хранятся в блоке хранения.

Устройство определения пола в соответствии с изобретением определяет пол по данным лицевого изображения субъекта с высокой степенью точности.

[0033] Вдобавок, изобретение для решения проблемы относится к программе определения пола, которая побуждает компьютер к функционированию в качестве блока вычисления интенсивности, который вычисляет интенсивности пространственных частот по данным лицевого изображения субъекта, блока хранения, который хранит данные половой корреляции, указывающие корреляцию между полами и интенсивностями пространственных частот, определяемыми по данным лицевого изображения; и блока определения пола, который определяет пол субъекта по сопоставлению интенсивностей пространственных частот, вычисляемых посредством блока вычисления интенсивности, с данными половой корреляции, которые хранятся в блоке хранения.

Программа определения пола в соответствии с изобретением побуждает компьютер к определению пола по данным лицевого изображения субъекта с высокой степенью точности.

[0034] Вдобавок, изобретение для решения проблемы относится к устройству оценки возраста, который содержит блок вычисления интенсивности, который вычисляет интенсивности пространственных частот по данным лицевого изображения субъекта, блок хранения, который хранит данные половой корреляции, указывающие корреляцию между полом и интенсивностями пространственных частот, получаемыми по данным лицевого изображения, и данные возрастной корреляции мужчин и данные возрастной корреляции женщин, указывающие корреляции между возрастами и интенсивностями пространственных частот, получаемыми по данным лицевого изображения по полу, блок определения пола, который определяет пол субъекта по сопоставлению интенсивностей пространственных частот, вычисляемых посредством блока вычисления интенсивности, с данными половой корреляции, которые хранятся в блоке хранения, блок выбора данных возрастной корреляции, который выбирает данные возрастной корреляции мужчин или данные возрастной корреляции женщин, основываясь на поле, определяемом посредством блока определения пола, и блок вычисления возраста, который вычисляет оценочный возраст субъекта по сопоставлению интенсивностей пространственных частот, вычисляемых посредством блока вычисления интенсивности, с данными корреляции, выбираемыми посредством блока выбора данных корреляции.

Поскольку устройство оценки возраста в соответствии с изобретением оценивает возраст посредством использования данных корреляции, учитывающих возрастные структуры, специфичные для пола, в зависимости от результата определения пола, возраст можно оценивать с чрезвычайно высокой степенью точности.

ЭФФЕКТ ИЗОБРЕТЕНИЯ

[0035] В соответствии с изобретением, посредством использования пространственных частот, получаемых по данным лицевого изображения, возраст (фактический возраст или возраст по впечатлению от внешнего вида) можно оценивать с высокой степенью точности и воспроизводимости, или пол можно определять с высокой степенью точности и воспроизводимости.

Вдобавок, посредством использования метода оценки возраст или метода определения пола в соответствии с изобретением, можно легко судить об эффекте косметики или эстетического лечения или косметических материалов.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0036] На фиг. 1 представлено полутоновое лицевое изображение 1024×1024 пикселей (фотография в качестве замены чертежа).

На фиг. 2 представлен график, указывающий спектральное распределение пространственных частот лицевого изображения (пространственная частота в зависимости от логарифма мощности).

На фиг. 3 представлен рисунок, который иллюстрирует примеры стандартных картинок с изображениями лиц для возрастных групп, используемых для возраста по впечатлению от внешнего вида (фотография заменяет рисунок).

На фиг. 4 представлен график, указывающий коэффициенты корреляции между логарифмами мощностей пространственных частот и фактическими возрастами женщин в соответствии с пространственными частотами.

На фиг. 5 представлена диаграмма, которая иллюстрирует коэффициенты корреляции между логарифмами мощностей пространственных частот и фактическими возрастами мужчин в соответствии с пространственными частотами.

На фиг. 6 представлена диаграмма, которая иллюстрирует обработку способа оценки возраста по впечатлению от внешнего вида.

На фиг. 7 представлена блочная диаграмма аппаратного обеспечения для устройства оценки возраста по впечатлению от внешнего вида.

На фиг. 8 представлен график (калибровочная кривая), который иллюстрирует корреляции между возрастом по впечатлению от внешнего вида от третьей стороны и оцениваемого изображения, получаемого посредством способа в соответствии с изобретением, полученным из примера 1.

На фиг. 9 представлены полутоновые изображения для естественного лица (справа) и лица с косметикой (слева) женщины в возрасте 62 лет в примере 3 (фотография в качестве замены чертежа).

На фиг. 10 представлен график, который иллюстрирует гистограмму показателей линейной дискриминантной функции при определении пола, которая получена в примере 4.

На фиг. 11 представлен график (калибровочная кривая), который иллюстрирует корреляции между фактическими возрастами, полученными в примере 5, и оценочными возрастами, полученными способом в соответствии с изобретением.

На фиг. 12 представлен график (калибровочная кривая), который иллюстрирует корреляции фактических возрастов, полученных в примере 6, и оценочных возрастов, полученный способом в соответствии с изобретением.

На фиг. 13 представлен график (калибровочная кривая), который иллюстрирует корреляции фактических возрастов, полученных в примере 7, и оценочных возрастов, полученных способом в соответствии с изобретением.

ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ

[0037] [1] Способ оценки возраста в соответствии с изобретением

Изобретение относится к способу оценки возраста, который включает в себя оценку возраста субъекта по данным лицевого изображения субъекта, основываясь на корреляции между возрастами и интенсивностями пространственных частот, получаемыми по данным лицевого изображения. Корреляцию предпочтительно указывают посредством уравнения или модели.

Уравнение или модель предпочтительно представляет собой регрессионное уравнение или регрессионную модель, и более предпочтительно уравнение множественной регрессии или уравнение прогноза.

[0038] <Определение фактического возраста и возраста по впечатлению от внешнего вида>

«Возраст» в изобретении включает в себя фактический возраст и возраст по впечатлению от внешнего вида.

«Фактический возраст» относится к возрасту, определяемому посредством даты рождения, и можно предоставить технологию оценки фактического возраста для различного использования, такого как различные системы мониторинга, как описано выше по тексту.

[0039] С другой стороны, «возраст по впечатлению от внешнего вида» относится к возрасту по впечатлению, объективно оцениваемому третьей стороной, и при допущении, что впечатление от внешнего вида выглядит моложе или старше, чем фактический возраст. Технология оценки возраста по впечатлению от внешнего вида можно использовать в суждении об эффекте различных косметических средств. Вдобавок, его можно использовать в суждении об изменении возраста по впечатлению от внешнего вида посредством различных косметических средств. Например, его можно применять в суждении об изменении возраста по впечатлению от внешнего вида посредством косметики. В дополнение к возрасту по впечатлению от полного внешнего вида, изображение по впечатлению от внешнего вида может включать в себя возраст по впечатлению от внешнего вида, сфокусированный на конкретном возрастном феномене, например, «возраст веснушек», сфокусированный на состоянии веснушек, «возраст морщин», сфокусированный на состоянии морщин, «возраст текстуры кожи», сфокусированный на текстуре кожи, и т.п.

[0040] <Данные лицевого изображения>

В качестве данных лицевого изображения субъекта, используемых в изобретении, можно использовать данные изображения целого лица или данные изображения участка лица.

[0041] Когда используют данные изображения целого лица, предпочтительно использовать данные целого лица, за исключением участка волос (см. фиг. 1). Согласно этому, возраст можно оценивать с более высокой степенью точности. При рассмотрении теоремы о выборке для вычисления интенсивностей пространственных частот и разрешений, необходимых для оценки фактического возраста или возраста по впечатлению от внешнего вида, размер лицевого изображения в этом случае может захватываться в диапазоне 30 см×30 см, и изображение предпочтительно представляет собой 512×512 пикселей или более. Как описано далее, это обусловлено тем, что число пикселей связано с величиной полосы пространственных частот, включенной в изображение.

[0042] Данные изображения участка лица включают данные изображения губ, глаз, носа, лба, щеки, шеи и т.п. Среди них предпочтительно используют данные изображения губ или данные изображения щеки. Это выполняют для оценки возраста с высокой степенью точности, поскольку интенсивности пространственных частот, получаемые из данных изображения губ, обладают высокой корреляцией с возрастом, как описано в следующих примерах. Например, когда используют изображение участка, такого как губы, глаза и нос, предпочтительно использовать изображение целого участка. Вдобавок, когда используют изображение участка лица, такого как щека или лоб, предпочтительно использовать изображение участка в диапазоне по меньшей мере 2 см×2 см. Согласно этому, можно собирать достаточно информации о других возрастных структурах, так что возраст можно оценивать с высокой степенью точности. Вдобавок, в таком случае, число пикселей данных изображения предпочтительно составляет 256 пикселей или более, и более предпочтительно 512 пикселей или более. Как описано далее, это обусловлено тем, что число пикселей связано с величиной полосы пространственных частот, включенной в изображение.

[0043] Вдобавок, в настоящем изобретении данные лицевого изображения могут представлять собой данные монохромного изображения (данные яркости) или данные цветного изображения. Монохромное изображение или цветное изображение можно выбирать в соответствии с назначением или использованием. Например, в случае оценки возраста, где эффект цвета кожи, дефектов кожи или тому подобного подавлен, предпочтительно использовать данные монохромного изображения.

Когда используют данные цветного изображения, данные, полученные из любых каналов, из данных из цветовых каналов RGB можно использовать отдельно или в комбинации. Вдобавок, данные монохромного изображения (данные яркости), которые должны быть преобразованы, далее в настоящем документе дополнительно можно комбинировать для использования. Например, когда информацию о веснушках за счет старения можно эффективно использовать для оценки «возраста веснушек», предпочтительно использовать данные канала B цветного изображения. Вдобавок, когда возраст оценивают посредством удаления информации о веснушках и фокусирования на текстуре кожи, морщинах или тому подобном, предпочтительно использовать данные канала R цветного изображения без использования данных канала B цветного изображения.

Вдобавок, посредством использования интенсивностей пространственных частот, вычисляемых в каждом цветовом канале в комбинации, исчерпывающий возраст по впечатлению от внешнего вида можно оценивать с высокой степенью точности по сравнению со случаем использования только интенсивностей пространственных частот, вычисляемых по данным монохромного изображения. Вдобавок, предпочтительно использовать интенсивности пространственных частот, вычисляемые в каждом цветовом канале, и интенсивности пространственных частот, вычисляемые по данным монохромного изображения, в комбинации, поскольку исчерпывающий возраст по впечатлению от внешнего вида можно оценивать с высокой степенью точности. С этой точки зрения предпочтительно, чтобы цветовые каналы, используемые в настоящем документе, содержали комбинации канала R и канала B. Вдобавок, предпочтительно включать комбинации всех каналов RGB.

[0044] «Данные лицевого изображения» можно собирать согласно стандартному способу. Например, лицо в фас захватывают и захваченное изображение вводят в персональный компьютер в виде цифровой информации с использованием цифровой камеры и т.п.

[0045] <Определение пространственной частоты>

Как предварительно известно, «пространственная частота» относится к характеристике любой структуры, которая имеет пространственный цикл и указывает число структурных повторений, включенных в единицу длины. В единицах СИ пространственная частота относится к циклам на метр, но в области обработки изображений пространственная частота относится к числу линий на миллиметр.

Вдобавок, в качестве единицы пространственной частоты, можно использовать число циклов на ширину изображения (цикл/ширина изображения).

Максимальное число циклов, включенных в изображение, представляет собой половину от числа пикселей (точек), включенных в ширину изображения. То есть, когда изображение имеет ширину изображения 512 пикселей, полоса пространственных частот составляет от 0 до 256 циклов/ширина изображения, а когда изображение имеет ширину изображения 1024 пикселя, полоса пространственных частот составляет от 0 до 512 циклов/ширина изображения.

[0046] <Способ вычисления интенсивности пространственной частоты>

«Интенсивности пространственных частот» относятся к значениям амплитуды или мощностям (логарифмам мощностей) в соответствующих пространственных частотах.

Интенсивности пространственных частот можно вычислять по данным лицевого изображения согласно стандартному способу. Когда используют данные монохромного изображения, данные яркости (данные монохромного изображения) из данных лицевого изображения можно корректировать посредством использования, например, коммерчески доступного программного обеспечения обработки изображений (например, Photoshop (зарегистрированный торговый знак) CS3 производства Adobe Systems Incorporated или NanoHunter NS2K-Pro (зарегистрированный торговый знак) производства Nano System Corp.). Когда осуществляют БПФ (быстрое преобразование Фурье) скорректированных данных монохромного изображения или скорректированных данных цветного изображения посредством использования коммерчески доступного программного обеспечения анализа изображений (например, программы фазового анализа Фурье производства Image Sense Co. Ltd., и Poplmaging производства Digital Being Kids) и т.п., можно вычислять значение амплитуды или мощность, которая представляет собой интенсивность пространственной частоты. На фиг. 2 проиллюстрирован спектральное распределение, который является результатом БПФ обработки полутонового изображения 1024×1024 пикселя в качестве примера анализа пространственных частот. Посредством БПФ обработки интенсивность (значение амплитуды или мощность) на пространственную частоту от 0 до 1024/2 (единица: цикл/ширина изображения) вычисляют с тем, чтобы выяснить характеристику пространственной частоты, которую включает в себя лицевое изображение.

Вдобавок, в случае цветного изображения, интенсивности пространственных частот вычисляют для каждого цветового канала.

[0047] Большое преимущество изобретения заключается в легком получении числовых данных (интенсивностей пространственных частот (спектры мощностей)), необходимых для оценки возраста по данным лицевого изображения субъекта. То есть, в обычной области техники, для того, чтобы вычислить размеры соответствующих участков или расстояния между участками, необходимые для оценки возраста, когда заданные положения на данные лицевого изображения субъекта следует точно определять в подробностях, а положения точно определены неправильно, снижается верность оценки. Однако, интенсивности пространственных частот, необходимые для оценки возраста, которые используют в изобретении, можно вычислять количественно без труда посредством использования коммерчески доступного программного обеспечения, которое обычно используют.

[0048] <Способ оценки возраста>

В изобретении возраст субъекта оценивают, основываясь на корреляции возрастов и интенсивностей пространственных частот, получаемых по данным лицевого изображения, которые анализируют предварительно по интенсивностям пространственных частот, получаемым по данным лицевого изображения субъекта, возраст которого должен быть оценен согласно способу, описанному выше по тексту.

В качестве интенсивностей пространственных частот, используемых в оценке, можно использовать любую интенсивность пространственной частоты, но предпочтительно использовать пространственные частоты, которые принадлежат множеству различных полос пространственных частот, поскольку оценку можно осуществлять с высокой степенью точности. В предпочтительном варианте осуществления изобретения полосы пространственных частот могут представлять собой диапазоны низких частот в 50 циклов/ширина изображения или менее, и диапазоны высоких частот более 50 циклов/ширина изображения. В более предпочтительном варианте осуществления диапазоны высоких частот можно разделить на диапазоны средних частот от 50 до 100 циклов/ширина изображения и диапазоны высоких частот в 100 циклов/ширина изображения или более.

Используя интенсивности пространственных частот в различных полосах, информацию о различных возрастных структурах, существующих в соответствующих полосах, можно использовать в комбинации с тем, чтобы возраст можно было оценивать исчерпывающе.

Вдобавок, в этом случае, множества пространственных частот предпочтительно имеют различия в 10 циклов/ширина изображения или более, или более предпочтительно различия в 20 циклов/ширина изображения или более. Соответственно, можно использовать эффективно информацию о различных возрастных структурах.

[0049] Корреляция возрастов и интенсивностей пространственных частот, получаемых по данным лицевого изображения, можно вычислять предварительно посредством многомерного анализа, такого как регрессионный анализ.

Далее в качестве примера в настоящем документе описан способ вычисления корреляции для случая оценки возраста по впечатлению от внешнего вида по интенсивностям пространственных частот, получаемым по данным лицевого изображения.

[0050] (1) Оценка возраста по впечатлению от внешнего вида

Для того чтобы получить уравнение или модель, указывающую корреляцию возрастов по впечатлению от внешнего вида и интенсивностей пространственных частот, получаемых по данным лицевого изображения, оцениватели визуально оценивают возраст по впечатлению от внешнего вида множества людей.

Число оцениваемых людей может составлять по меньшей мере 50 или более, предпочтительно 100 или более и более предпочтительно 500 или более. Вдобавок, предпочтительно, чтобы каждая возрастная группа содержала одно и то же число людей.

В отношении возраста по впечатлению от внешнего вида, поскольку самостоятельное суждение отличается от суждения третьей стороной, во многих случаях предпочтительно, чтобы оцениватель являлся третьей стороной. Оцениватели, которые судят о возрасте по впечатлению от внешнего вида, могут быть выбраны с точки зрения выбора оценивателей, которые соответствующим образом представляют третью сторону, и важно принимать во внимание различные проблемы, такие как индивидуальные различия, половые различия, возрастные различия и предпочтения оценивателей, и кроме того воспроизводимость и т.п. Предпочтительно включают оценивателей, которые имеют специализацию и опыт, например, в суждении, например, в косметической области. Предпочтительно, чтобы число оценивателей было большим, в частности, приблизительно от 5 до 10. Объективный возраст по впечатлению от внешнего вида каждого индивидуума можно получить посредством статистической обработки результата оценки множеством оценивателей, например, посредством вычисления средних значений, значений медианы или тому подобного, исключая выбросы.

Вдобавок, для того, чтобы улучшить воспроизводимость суждения, более предпочтительно использовать эталонную картинку или тому подобное в качестве критерия суждения. Например, предпочтительно предварительно получать стандартные изображения каждой возрастной группы с интервалами от 5 до 10 лет и определять возрастную разницу по стандартной картинке, которая представляет собой критерий, или представлять фактический возраст и оценивать разницу. На фиг. 3 представляет собой чертеж, иллюстрирующий примерные стандартные картинки лицевого изображения в каждой возрастной группе от 20 до 80 с интервалами в 10 лет. По мере движения направо происходит увеличение возрастной группы. Способ подготовки стандартных картинок может включать в себя способ выбора стандартных картинок из базы данных лицевых картинок возрастных групп экспертом лицевого распознаванию, способ подготовки усредненных лицевых изображений посредством обработки множества лицевых картинок возрастных групп с использованием программного обеспечения изменения формы, и т.п. В любых случаях в данной области, когда популяция, которая является основой подготовки, составляет приблизительно 100, подготавливаемая картинка может представлять собой эталонную картинку, которая имеет некоторый уровень надежности, и когда популяция превышает 1000, подготавливаемая картинка может представлять собой эталонную картинку, которая имеет достаточно высокий уровень надежности.

Можно судить о возрасте по впечатлению от внешнего вида индивидуума в контакте с индивидуумом. Однако, как описано далее, предпочтительно суждение осуществлять посредством использования захваченного лицевого изображения индивидуума. Это обусловлено тем, что, как проиллюстрировано на фиг. 1, можно исключить влияние, которое снижает точность суждения, обусловленную, например, выражением, стилем прически, фоном, цветом кожи, дефектами кожи или тому подобным.

[0051] (2) Вычисление интенсивности пространственной частоты

Затем интенсивности пространственных частот вычисляют по данным лицевых изображений, на которых захвачено множество людей. Интенсивности пространственных частот вычисляют, как описано выше по тексту. Лицевое изображение, используемое в настоящем документе, предпочтительно аналогично лицевому изображению, используемому в суждении о возрасте по впечатлению от внешнего вида. Соответственно, корреляцию между возрастами по впечатлению от внешнего вида и интенсивностями пространственных частот можно вычислять с более высокой степенью точности.

[0052] (3) Подготовка базы данных (БД)

Для того чтобы вычислять корреляцию, подготавливают базу данных (БД), в которой связаны интенсивности пространственных частот и возраста по впечатлению от внешнего вида.

БД для подготовки уравнения или модели, которую организуют предварительно и которая указывает соотношение между возрастами по впечатлению от внешнего вида и интенсивностями пространственных частот, предпочтительно подготавливают по полу и по расе. Вдобавок, каждая возрастная группа предпочтительно имеет одинаковое распределение популяции. Вдобавок, популяция БД составляет по меньшей мере 50 или более, предпочтительно 100 или более и более предпочтительно 500 или более. Когда структура БД представляет собой, например, матричную форму, где людей можно вводить в ряд, а возрасты по впечатлению от внешнего вида вычислены как описано выше по тексту, интенсивности пространственных частот, вычисленные по данным лицевого изображения, можно вводить в виде элементов колонок.

Вдобавок, чтобы БД также можно было использовать для оценки фактического возраста, как описано далее, или определения пола, как описано далее, элемент колонки дополнительно может содержать фактический возраст людей, захваченных на лицевых изображениях, и половые группирующие переменные, указывающие пол.

БД можно обновлять посредством добавления интенсивностей пространственных частот и оценочных значений после оценки возраста по впечатлению от внешнего вида по вновь собранным данным лицевого изображения субъекта. Уравнение или модель можно обновлять посредством осуществления многомерного анализа, как описано далее, в случае необходимости. Это обусловлено тем, что с обновлением происходит повышение точности оценки.

[0053] БД можно использовать в оценке фактического возраста аналогичным образом. Хотя использование БД более конкретно описано в примерах 1 и 2, которые описаны далее, следующее можно понять с помощью использования БД. Например, когда коэффициенты корреляции между возрастами и мощностями на пространственную частоту вычисляют посредством осуществления корреляционного анализа на оцениваемых мощностях пространственных частот и возрасте, можно точно определить полосу пространственных частот с высоким коэффициентом корреляции и, таким образом, можно узнать полосу, которая содержит чрезвычайно большое количество информации о возрастной структуре (возрастной информации) (фиг. 4: корреляционный анализ на БД женщин, фиг. 5: корреляционный анализ на БД мужчин). Вдобавок, когда осуществляют кластерный анализ (способ Уорда с помощью среднего эвклидова расстояния) пространственных частот, ясно вычисляют зависимость между полосой пространственных частот и характеристикой лицевого изображения с тем, чтобы понять возрастную информацию, включенную конкретно в каждую полосу пространственных частот.

Когда осуществляют кластерный анализ пространственных частот, включенных в БД, подготовленную в примерах, описанных далее, представляют неравномерное распределение возрастной информации на полосу пространственных частот, например, информации о тянущих ощущениях или дряблости в от 0 до 50 (циклов/ширина изображения) и информации о глубоких морщинах и лицевых линий в от 50 до 100 (циклов/ширина изображения) из дендрограммы. Следовательно, из каждой полосы пространственных частот, посредством выбора пространственных частот и использования пространственных частот в комбинации в качестве объясняющих переменных в регрессионном уравнении или уравнении прогноза, возраст можно оценивать с высокой степенью точности.

[0054] (4) Подготовка уравнения или модели

Для того чтобы подготовить уравнение или модель, которая указывает корреляцию между возрастами по впечатлению от внешнего вида и интенсивностями пространственных частот, предпочтительно осуществлять многомерный анализ возрастов по впечатлению от внешнего вида и интенсивностей пространственных частот посредством использования БД. В многомерном анализе предпочтительно используют связь между объективной переменной и объясняющей переменной, и предпочтительный пример многомерного анализа включает в себя дискриминантный анализ и регрессионный анализ (MLR, PLS, PCR, логический анализ). Среди них особенно предпочтительны множественный регрессионный анализ (MLR) и нелинейный регрессионный анализ (PLS: частные наименьшие квадраты). Например, когда осуществляют множественный регрессионный анализ интенсивностей пространственных частот в качестве объясняющих переменных и возрастов по впечатлению от внешнего вида в качестве объективных переменных, можно получить уравнение множественной регрессии. Вдобавок, когда PLS можно осуществлять аналогичным образом, можно получить уравнение прогноза (модель прогноза).

Вдобавок, для того, чтобы получить уравнение или модель, которая имеет высокую степень точности, соответствующим образом можно использовать многомерный анализ, такой как анализ главных компонентов, факторный анализ, теория количественного определения I типа, теория количественного определения II типа, теория количественного определения III типа, многомерное масштабирование, контролируемая кластеризация, нейронная сеть и совокупное обучение. Среди них предпочтительными являются нейронная сеть, дискриминантный анализ и теория количественного определения I типа.

Этот многомерный анализ можно осуществлять посредством использования свободного программного обеспечения или коммерчески доступного программного обеспечения.

[0055] Интенсивность пространственной частоты, которая представляет собой объясняющую переменную в уравнении или модели, получаемой, как описано выше по тексту, предпочтительно представляет собой интенсивности пространственных частот, которые принадлежат множеству различных полос частот. Посредством использования интенсивностей пространственных частот, которые принадлежат множеству различных полос пространственных частот, возраст можно оценивать с высокой степенью точности. В предпочтительном варианте осуществления изобретения полосы пространственных частот могут представлять собой диапазоны низких частот в 50 циклов/ширина изображения или менее и диапазоны высоких частот более 50 циклов/ширина изображения. В более предпочтительном варианте осуществления диапазоны высоких частот можно разделять на диапазоны средних частот от 50 до 100 циклов/ширина изображения и диапазоны высоких частот более 100 циклов/ширина изображения.

Используя интенсивности пространственных частот в различных полосах, можно в комбинации использовать разлиную возрастную информацию, существующую в соответствующих полосах, и возраст можно исчерпывающе оценивать с высокой степенью точности.

Вдобавок, в этом случае множество пространственных частот предпочтительно имеет различие в 10 циклов/ширина изображения или более, или более предпочтительно имеет различие в 20 циклов/ширина изображения или более. Соответственно, различную возрастную информацию можно использовать эффективно.

[0056] Кроме того, для того, чтобы оценивать возраст с высокой степенью точности, используемую полосу пространственных частот можно оптимизировать в зависимости от пола. Когда возраст женщины оценивают посредством использования данных изображения целого лица, предпочтительно использовать по меньшей мере четыре пространственные частоты, которые принадлежат соответствующим полосам следующим образом. Как описано в примерах, описанных ниже по тексту, полосы точно определяют посредством анализа данных, собираемых от множества людей, посредством кластерного анализа, и классификации данных по пространственным частотам со схожими характеристиками изменения в мощности пространственных частот.

(Оценка возраста женщины)

от 0 до 50 циклов/ширина изображения

от 50 до 100 циклов/ширина изображения

от 100 до 200 циклов/ширина изображения

200 циклов/ширина изображения или более

[0057] Вдобавок, когда возраст мужчины оценивают посредством использования данных изображения целого лица, предпочтительно использовать по меньшей мере четыре пространственные частоты, которые принадлежат соответствующим полосам следующим образом.

(Оценка возраста мужчины)

от 0 до 50 циклов/ширина изображения

от 50 до 100 циклов/ширина изображения

100 до 150 циклов/ширина изображения

150 циклов/ширина изображения или более

[0058] Как понятно за счет сравнения этих двух, предпочтительно использовать высокие пространственные частоты 200 циклов/ширина изображения или более для оценки возраста женщины, но не обязательно использовать такие пространственные частоты для оценки возраста мужчины, поскольку возрастная информация женщины существует в диапазонах высоких частот, тогда как возрастная информация мужчины почти не существует в диапазоне высоких частот.

В этом отношении, верхний предел полос пространственных частот, используемых для оценки возраста женщины, может составлять приблизительно 500 циклов/ширина изображения, тогда как верхний предел полосы пространственных частот, используемых для оценки возраста мужчины, может составлять приблизительно 200 циклов/ширина изображения в качестве стандарта.

[0059] Кроме того, чтобы оценить возраст с высокой степенью точности, используемую полосу пространственных частот можно менять в зависимости от участка, используемого для оценки. Когда используют данные изображения губ, предпочтительно использовать по меньшей мере три пространственные частоты, которые принадлежат соответствующим полосам следующим образом. Как описано в примере, описанном ниже по тексту, полосы точно определяют посредством анализа данных, собранных от множества людей, посредством кластерного анализа и классификации данных по пространственным частотам со схожими характеристиками изменения в мощности пространственных частот.

(Оценка возраста с использованием губ)

от 0 до 40 циклов/ширина изображения

от 40 до 100 циклов/ширина изображения

100 циклов/ширина изображения или более

Поскольку губы редко содержат возрастную информацию в диапазоне высоких частот 240 циклов/ширина изображения или более, эту полосу использовать не обязательно. В этом отношении, стандартный верхний предел полос диапазонов пространственных частот, используемых оценки возраста по данным изображения губ, может составлять приблизительно 240 циклов/ширина изображения в качестве стандарта.

[0060] Способ вычисления корреляции между интенсивностями пространственных частот и возрастами по впечатлению от внешнего вида описан в настоящем документе. Однако, в случае оценки фактического возраста корреляцию между интенсивностями пространственных частот и фактическими возрастами можно вычислять аналогичным образом.

[0061] (5) Оценка возраста

Возраст (фактический возраст или возраст по впечатлению от внешнего вида) оценивают посредством применения интенсивностей пространственных частот по данным лицевого изображения субъекта к уравнению или модели, указывающей корреляцию между возрастами и интенсивностями пространственных частот, получаемыми способом, как описано выше по тексту. Применение уравнения или модели включает сопоставление числовых значений с моделью в дополнение к подстановке числовых значений в уравнение.

Согласно этому, можно получать оценочное значение возраста.

[0062] На фиг. 6 представлена диаграмма, указывающая пример обработки способа оценки возраста (фактического возраста или возраста по впечатлению от внешнего вида) посредством использования пространственных частот в изобретении. Другими словами, интенсивности пространственных частот можно вычислять посредством сбора данных лицевого изображения субъекта, возраст которого должен быть оценен (этап получения лицевого изображения), и затем вычисления интенсивностей пространственных частот посредством осуществления обработки БПФ в отношении данных лицевого изображения (этап вычисления пространственных частот). Оценочный возраст вычисляют, подставляя интенсивности пространственных частот (мощности или значения амплитуды) субъекта в уравнение (регрессионное уравнение или тому подобное) или модель (уравнение прогноза), указывающую «зависимость между возрастами и интенсивностями пространственных частот», как получено предварительно (этап вычисления возраста). Вычисляемый оценочный возраст можно отображать на устройстве отображения или тому подобном (этап отображения возраста). Вдобавок, уравнение или модель можно обновлять посредством добавления оценочного возраста, вычисляемого при обработке оценки возраста, к БД наряду с интенсивностями пространственных частот (обратная связь). Это обусловлено тем, что точность оценки увеличивается посредством обновления.

[0063] [2] Устройство оценки возраста в соответствии с изобретением

Устройство оценки в соответствии с изобретением включает блок вычисления интенсивности, который вычисляет интенсивности пространственных частот по данным лицевого изображения субъекта, блок хранения, который хранит данные возрастной корреляции, указывающие корреляцию между возрастами и интенсивностями пространственных частот, получаемыми по данным лицевого изображения, блок вычисления возраста, который вычисляет оценочный возраст субъекта по сопоставлению интенсивностей пространственных частот, вычисляемых посредством блока вычисления интенсивности, с данными возрастной корреляции, которые хранятся в блоке хранения.

[0064] Устройство оценки в соответствии с изобретением можно конфигурировать следующим образом, например. Следующая конфигурация описана в качестве примера, и изобретение не ограничено конфигурацией варианта осуществления. На фиг. 7 представлена блочная диаграмма аппаратного обеспечения, иллюстрирующая устройство оценки, которое оценивает фактический возраст или возраст по впечатлению от внешнего вида посредством использования интенсивностей пространственных частот, вычисленных по лицевому изображению, и включает блок 1 ввода, CPU (центральный процессор) 2, ROM (постоянное запоминающее устройство) 3, RAM (оперативное запоминающее устройство) 4, блок 5 записи, исполнительный блок 6 и блок 7 отображения. Блоки соединены друг с другом через шины.

Блок вычисления интенсивности и блок вычисления возраста реализованы посредством CPU 2. Вдобавок, блок хранения реализован посредством ROM 3.

[0065] Блок 1 ввода представляет собой устройство для ввода данных лицевого изображения, такое как цифровая камера, цифровой микроскоп, цифровая видеокамера или сканер. CPU 2 осуществляет процессы, такие как получение данных полутонового изображения (данных яркости), вычисление интенсивностей пространственных частот посредством обработки БПФ и вычисление оценочного возраста посредством использования уравнений или моделей (данные возрастной корреляции), указывающих зависимость между возрастами (фактический возраст или возраст по впечатлению от внешнего вида) и интенсивностями пространственных частот посредством программы, хранящейся в ROM 3. ROM 3 хранит программы, необходимые для работы устройства оценки возраста в соответствии с изобретением, и различные уравнения и модели, необходимые для оценки возраста (данные возрастной корреляции). ROM 3 кроме того может хранить базу данных, необходимую для подготовки уравнений и моделей. RAM 4 временно хранит программы OS (операционной системы) или различные прикладные программы, исполняемые на CPU 2. Блок 5 записи содержит устройство магнитного диска и т.п., и его используют в качестве внешней памяти для RAM 4. Исполнительный блок 6 работает, например, во время ввода необходимых данных, таких как некоторая команда, уравнения и модели. В блоке 7 отображения можно использовать любую конфигурацию, которая может отображать результат оценки возраста, например, устройство отображения, такое как ЭЛТ (электронно-лучевая трубка) или жидкокристаллическое устройство отображения, устройство вывода аудио, такое как громкоговоритель, принтер и т.п.

[0066] [3] Программа оценки возраста в соответствии с изобретением

Программа оценки в соответствии с изобретением побуждает компьютер, другие устройства, другие машины и т.п. к функционированию в качестве блока вычисления интенсивности, который вычисляет интенсивности пространственных частот по данным лицевого изображения субъекта, блока хранения, который хранит данные возрастной корреляции, указывающие корреляцию между возрастами и интенсивностями пространственных частот, получаемыми по данным лицевого изображения, и блока вычисления возраста, который вычисляет оценочный возраст субъекта по сопоставлению интенсивностей пространственных частот, вычисляемых посредством блока вычисления интенсивности, с данными возрастной корреляции, которые хранятся в блоке хранения. Вдобавок, программу в соответствии с изобретением можно хранить на считываемом компьютером носителе данных.

[0067] [4] Способ определения пола в соответствии с изобретением

Способ определения пола в соответствии с изобретением может включать определение пола субъекта по данным лицевого изображения субъекта, основываясь на корреляции между полами и интенсивностями пространственных частот, определяемыми по данным лицевого изображения. Корреляция предпочтительно указана посредством уравнения или модели.

Уравнение или модель предпочтительно представляет собой дискриминантную функцию.

[0068] Данные лицевого изображения, способ их сбора, определение интенсивностей пространственных частот и способ их вычисления, используемые в способе определения пола по изобретению, представляют собой описанное в способе оценки возраста.

[0069] В изобретении пол субъекта определяют, основываясь на корреляции между полами и интенсивностями пространственных частот, определяемыми по данным лицевого изображения, по интенсивностям пространственных частот, получаемым по данным лицевого изображения субъекта, пол которого должен быть определен способом, описанным выше по тексту.

Любую интенсивность пространственной частоты можно использовать в качестве пространственной частоты, используемой для определения. Среди них пространственная частота предпочтительно принадлежит диапазону частот от 100 до 250 циклов/ширина изображения и более предпочтительно принадлежит диапазону частот от 150 до 200 циклов/ширина изображения. Как проиллюстрировано в примере 4, описанном ниже по тексту, это обусловлено тем, что различия интенсивностей пространственных частот в диапазоне высоких частот ясно объясняют половые различия.

[0070] В дополнение к диапазону высоких частот, предпочтительно использовать интенсивности пространственных частот в диапазоне низких частот от 1 до 50 циклов/ширина изображения, поскольку определение осуществляют с более высокой степенью точности. Согласно этому, можно добавлять половые различия, которые не указаны в диапазоне высоких частот.

Корреляцию между полами и интенсивностями пространственных частот, определяемыми по данным лицевого изображения, можно вычислять предварительно посредством многомерного анализа, такого как дискриминантный анализ.

Далее в настоящем документе описан способ вычисления корреляции с примером использования интенсивностей пространственных частот, получаемых по данным изображения целого лица.

[0071] (1) Вычисление интенсивности пространственной частоты

Интенсивности пространственных частот вычисляют по данным лицевого изображения, содержащим множество людей. Интенсивности пространственных частот вычисляют, как описано выше по тексту.

[0072] (2) Подготовка базы данных (БД)

Для того чтобы вычислять корреляцию, подготавливают базу данных (БД), в которой пол и интенсивности пространственных частот связаны друг с другом.

БД, которая указывает зависимость между полом и интенсивностью пространственных частот, и которая предварительно скомпонована для подготовки уравнения или модели, предпочтительно имеет одинаковое распределение популяции в каждую возрастную группу. Вдобавок, популяция БД составляет по меньшей мере 50 или более, предпочтительно 100 или более, и более предпочтительно 500 или более. Когда структура БД представляет собой матричную форму, например, людей можно вводить в ряды, а пол можно вводить в элементы колонок. Пол можно вводить в качестве половой группирующей переменной. Согласно этому, корреляцию можно указывать посредством дискриминантной функции.

Вдобавок, элемент колонки дополнительно может включать возраст по впечатлению от внешнего вида и фактический возраст людей, захваченных на лицевых изображениях, чтобы БД также можно было включать для оценки фактического возраста, как описано выше по тексту.

[0073] (3) Подготовка уравнения или модели

Уравнение или модель, указывающая корреляцию с полом и интенсивностями пространственных частот, можно подготавливать посредством замены возраста в оценке возраста на половые группирующие переменные аналогичным образом. То есть, уравнение, получаемое посредством анализа половых группирующих переменных и интенсивностей пространственных частот посредством многомерного анализа можно использовать. Поскольку внешний стандарт, который представляет собой половую группу, задан качественно, многомерный анализ предпочтительно представляет собой дискриминантный анализ, нейронную сеть или тому подобное. В примере 4, как описано ниже по тексту, настоящее изобретение обладает очень практичной технической характеристикой определения пола с высокой степенью точности только посредством использования пространственных частот без возраста в качестве объясняющей переменной дискриминантной функции.

[0074] Предпочтительно использовать интенсивности пространственных частот, которые принадлежат диапазону частот от 100 до 250 циклов/ширина изображения, и предпочтительно от 150 до 200 циклов/ширина изображения, в качестве интенсивностей пространственных частот, которые представляют собой объясняющие переменные в уравнении или модели, получаемой как описано выше по тексту. Согласно этому, половые различия можно определять точно. Кроме того, в дополнение к диапазону высоких частот, предпочтительно использовать интенсивности пространственных частот в диапазоне низких частот от 1 до 50 циклов/ширина изображения. Согласно этому, определение можно осуществлять более точно посредством добавления фактора, объясняющего половые различия, которые не указаны в диапазоне высоких частот.

[0075] (4) Определение пола

Определение пола осуществляют посредством применения интенсивностей пространственных частот из данных лицевого изображения субъекта к уравнению или модели, которая указывает корреляцию между интенсивностями пространственных частот и половыми группирующими переменными, получаемыми как описано выше по тексту. Применение включает сопоставление числовых значений с моделью в дополнение к подстановке числовых значений в уравнение.

Согласно этому, можно вычислять половую группирующую переменную, так что пол можно определять посредством половой группирующей переменной.

[0076] В способе определения пола в соответствии с изобретением собирают данные лицевого изображения субъекта, пол которого должен быть определен, и обработку БПФ осуществляют на данных лицевого изображения для того, чтобы вычислить интенсивности пространственных частот. Половую группирующую переменную можно получить посредством подстановки интенсивностей пространственных частот (мощности или значения амплитуды) субъекта в уравнение (дискриминантную функцию), указывающее «зависимость между половыми группирующими переменными и интенсивностями пространственных частот», как получено предварительно. Основываясь на получаемых половых группирующих переменных, можно определять пол.

[0077] [5] Устройство определения пола в соответствии с изобретением

Устройство определения в соответствии с изобретением содержит блок вычисления интенсивности, который вычисляет интенсивности пространственных частот по данным лицевого изображения субъекта, блок хранения, который хранит данные половой корреляции, указывающие корреляцию между полами и интенсивностями пространственных частот, определяемыми по данным лицевого изображения, и блок определения пола, который определяет пол субъекта по сопоставлению интенсивности пространственных частот, вычисляемой посредством блока вычисления интенсивности, с данными половой корреляции, хранящимися в блоке хранения.

[0078] Устройство определения в соответствии с изобретением можно конфигурировать подобно устройству оценки возраста в соответствии с изобретением, как описано выше по тексту.

[0079] [6] Программа определения пола в соответствии с изобретением

Программа определения в соответствии с изобретением побуждает компьютер, другие устройства, другие машины и т.п. к функционированию в качестве блока вычисления интенсивности, который вычисляет интенсивности пространственных частот по данным лицевого изображения субъекта, блока хранения, который хранит данные половой корреляции, указывающие корреляцию между полами и интенсивностями пространственных частот, определяемыми по данным лицевого изображения, и блока определения пола, который определяет пол субъекта по сопоставлению интенсивностей пространственных частот, вычисляемых посредством блока вычисления интенсивности, с данными половой корреляции, хранящимися в блоке хранения. Вдобавок, программу в соответствии с изобретением можно хранить на считываемом компьютером носителе.

[0080] [7] Устройство оценки возраста согласно другому варианту осуществления

Как описано выше по тексту, как в способе оценки возраста, так и в способе определения пола в соответствии с изобретением используют интенсивности пространственных частот, получаемые по данным лицевого изображения.

Вдобавок, понятно, что корреляция между возрастами и интенсивностями пространственных частот, которую можно использовать в оценке возраста, различается между мужчинами и женщинами.

Здесь возраст можно оценивать с высокой степенью точности посредством определения пола способом определения пола в соответствии с изобретением, выбора корреляции между возрастами и интенсивностями пространственных частот, оптимизированными для каждого пола, основываясь на результате, и осуществления способа оценки возраста в соответствии с изобретением.

[0081] Устройство оценки возраста, которое выполняет эту оценку, содержит блок вычисления интенсивности, который вычисляет интенсивности пространственных частот по данным лицевого изображения субъекта; блок хранения, который хранит данные половой корреляции, указывающие корреляцию между полами и интенсивностями пространственных частот, определяемыми по данным лицевого изображения, и данные возрастной корреляции мужчин и данные возрастной корреляции женщин, указывающие корреляции между возрастами и интенсивностями пространственных частот, получаемыми по данным лицевого изображения посредством пола; блок определения пола, который определяет пол субъекта по сопоставлению интенсивностей пространственных частот, вычисляемых посредством блока вычисления интенсивности, с данными половой корреляции, хранящимися в блоке хранения; блок выбора данных возрастной корреляции, который выбирает данные возрастной корреляции мужчин или данные возрастной корреляции женщин, основываясь на поле, определяемом посредством блока определения пола; и блок вычисления возраста, который вычисляет оценочный возраст субъекта по сопоставлению интенсивностей пространственных частот, вычисляемых посредством блока вычисления интенсивности, с данными корреляции, выбираемыми посредством блока выбора данных корреляции.

Вдобавок, можно предусмотреть программу для того, чтобы вынуждать компьютер функционировать в качестве этих блоков.

[0082] Далее в настоящем документе изобретение более конкретно описано с использованием примеров, как описано ниже по тексту, но изобретение не ограничено примерами.

Пример 1

[0083] <1> Оценка возраста женщины

(1) Подготовка БД женщин с «фактическим возрастом, возрастом по впечатлению от внешнего вида и интенсивностью пространственной частоты»

Лицевые изображения 140 женщин (в возрасте от 18 до 82 лет, средний возраст 49,01±17,02 лет) в диапазоне 30 см×30 см захватывали с использованием цифровой камеры. Анализ пространственных частот осуществляют на изображениях посредством корректировки яркости изображений с использованием Photoshop (зарегистрированный торговый знак) CS3 производства Adobe Systems Incorporated, получения данных полутонового изображения (см. фиг. 1) 1024×1024 пикселей и использования программного обеспечения анализа пространственных частот производства авторов изобретения с использованием MATLAB (зарегистрированный торговый знак) производства The MathWork Inc (см. фиг. 2). Для того чтобы судить о возрасте по впечатлению от внешнего вида, посредством использования предварительно подготовленных стандартных изображений по возрастным группам (см. фиг. 3), о возрастах на полутоновых изображениях, напечатанных на материале размером A4, судили 9 новых участника (5 мужчин и 4 женщины), которые менее года назад закончили колледж и не имеют опыта в исследованиях лицевого суждения, и 5 экспертов (2 мужчин и 3 женщины) в исследованиях лицевого суждения. Средне значение присваивали посредством исключения максимального значения и минимального значения из возрастов, оцениваемых в качестве возраста по впечатлению от внешнего вида. Таким образом, получают БД женщин с фактическим возрастом, возрастом по впечатлению от внешнего вида (суждения новых участников и суждение экспертов), и интенсивностями пространственных частот (мощности или значения амплитуды).

[0084] (2) Анализ характеристик БД женщин

Используя PASW (зарегистрированный торговый знак) Statistics 17.0 производства SPSS Inc., осуществляют корреляционный анализ и кластерный анализ на БД женщин. Согласно коэффициенту корреляции Пирсона (двухстороннему) между возрастом (фактическим возрастом и возрастом по впечатлению от внешнего вида) и интенсивностями пространственных частот (см. фиг. 4), понятно, что значительно высокая возрастная информация существует в широком диапазоне (коэффициент корреляции>0,60) от 90 до 360 (циклов/ширина изображения). Вдобавок, по дендрограмме, получаемой посредством кластерного анализа, пространственные частоты со схожими характеристиками изменения интенсивности относят к четырем полосам пространственных частот следующим образом. Когда возрастную информацию, существующую в соответствующих полосах, анализируют по повышению или снижению интенсивностей пространственных частот в соответствующей полосе и изменению данных лицевого изображения, информация о возрастной структуре неравномерно распределена в каждой из полос пространственных частот, например, информация о тянущих ощущениях или дряблости существует в от 0 до 50 (цикл/ширина изображения), информация о глубоких морщинах и линиях на лице существует в от 50 до 100 (циклов/ширина изображения), информация о мелких морщинах и т.п. существует в от 100 до 200 (циклов/ширина изображения), и дополнительная информация о текстуре или блестящем ощущении на поверхности кожи существует в от 200 до 512 (циклов/ширина изображения). Вдобавок, поскольку неравномерное распределение представлено во всех других группах БД, понятно, что представленные четыре полосы пространственных частот тем самым можно соответственно определять как полосы, которые обладают непрерывностью. Вдобавок, понятно, что ожидают повышение улучшения в оценке возраста или тому подобного с более высокой степенью точности посредством выбора подходящих частот из соответствующих групп пространственных частот или посредством осуществления их комбинирования.

[0085] (3) Подготовка уравнения, указывающего «зависимость между фактическим возрастом и интенсивностью пространственных частот или между возрастом по впечатлению от внешнего вида и интенсивностями пространственной частоты»

Множественный регрессионный анализ (поэтапный способ) осуществляют на БД женщин с фактическими возрастами и возрастами по впечатлению от внешнего вида в качестве объективных переменных, и с пространственными частотами (f) в качестве объясняющих переменных посредством использования SPSS (зарегистрированный торговый знак) 15.0J производства SPSS Inc. Как результат, предоставлены уравнения (1) и (2), то есть примеры уравнения множественной регрессии, оценивающие фактический возраст и возраст по впечатлению от внешнего вида (суждение новыми участниками). В уравнении 2 понятно, что восемь объясняющих переменных выбраны из четырех групп полос пространственных частот, так что возраст можно оценивать правильно посредством выбора подходящих частот их соответствующих групп пространственных частот. На фиг. 8 представлен график, указывающий корреляции (калибровочная кривая) между возрастом по впечатлению от внешнего вида (суждение новыми участниками) и оценочным возрастом (значения прогноза), оцениваемые посредством уравнения (2). Вдобавок, когда оценивателей возраста по впечатлению от внешнего вида заменяли с новых участников на экспертов, коэффициент множественной корреляции (R) уравнения прогноза возрастал до 0,937, так что понятно, что возраст по впечатлению от внешнего вида можно оценивать с более высокой степенью точности.

[0086] <Оценочное значение фактического возраста>=f132×84,220+f38×(-52,441)+f155×48,123+f3×(-18,802)+ f102×46,773-124,562 … (1)

Коэффициент множественной корреляции (R)=0,863

*f132, f38, f155, f3 и f102 представляют собой логарифмические шкалы мощностей пространственных частот.

<Оценочное значение возраста по впечатлению от внешнего вида (Суждение нового участника)>=f3×(-16,407)+f35×(-42,423)+f36 (-37,139)+f43×43,577+f53×14,451+f132×96,466+f142×65,208+f242× 19,649-198,272 … (2)

Коэффициент множественной корреляции (R)=0,881

*f3, f35, f36, f43, f53, f132, f142 и f242 представляют собой логарифмические шкалы мощностей пространственных частот.

[0087] (4) Оценка фактического возраста и возраста по впечатлению от внешнего вида

После получения интенсивностей пространственных частот по лицевым изображениям восьми тестовых исследуемых женщин (субъектов), которые должны быть оценены (средний возраст 43,1 года), фактический возраст и возраст по впечатлению от внешнего вида (оценка новых участников) оценивают посредством использования уравнений множественной регрессии (1) и (2), вычисляемых как описано выше по тексту. Вдобавок, в случае использования возраста по впечатлению от внешнего вида, оцениваемого экспертами, оценку осуществляют посредством вычисления регрессионного уравнения схожим образом. Результаты перечислены в таблице 1 (ошибка=оценочный возраст-(фактический возраст или возраст по впечатлению от внешнего вида)). Согласно этому, понятно, что фактический возраст и возраст по впечатлению от внешнего вида можно оценивать с высокой степенью точности. Вдобавок, понятно, что предпочтительно использовать уравнение множественной регрессии для оценки возраста по впечатлению от внешнего вида в отношении точности, и предпочтительно использовать возраст по впечатлению от внешнего вида, о котором судят эксперты, в отношении более высокой степени точности.

[0088]

Таблица 1
Фактический возраст Ошибка (фактический возраст) Ошибка (возраст по впечатлению от внешнего вида • новый участник) Ошибка (возраст по впечатлению от внешнего вида • эксперт)
1 20 1,7 1,2 0,9
2 25 -2,3 -2,0 -1,2
3 32 2,1 1,1 0,4
4 38 -4,3 -3,1 -1,4
5 44 -6,1 -2,0 -1,6
6 53 5,4 2,2 1,5
7 62 -2,6 -1,8 -1,8
8 71 4,5 3,3 2,4

Пример 2

[0089] <2> Оценка возраста мужчины

Такую же проверку из примера 1 осуществляют посредством замены женщин мужчинами, чтобы подготовить БД мужчин, чтобы анализировать характеристики БД, и чтобы подготовить уравнение, указывающее «зависимость между фактическим возрастом и интенсивностями пространственных частот».

(1) Подготовка БД мужчин с «фактическим возрастом и интенсивностью пространственной частоты»

В отношении 139 мужчин (в возрасте от 19 до 84 лет, средний возраст 51,51±17,83 лет), БД с фактическим возрастом и интенсивностями пространственных частот (мощности и значения полос) получают аналогичным образом, как в примере 1.

[0090] (2) Анализ характеристики БД мужчин

Корреляционный анализ и кластерный анализ осуществляют на БД мужчин аналогичным образом. Согласно коэффициенту корреляции Пирсона (двустороннему) между фактическими возрастами и интенсивностями пространственных частот (см. фиг. 5), понятно, что высокая возрастная информация существует в диапазоне (корреляция >0,60) от 60 до 240 (циклов/ширина изображения). Интерпретируя дендрограмму, показано, что информация о возрастной структуре неравномерно распределена по полосе пространственных частот, как представлено в БД женщин. Посредством сравнения БД обоих полов выявлена разница, представленная на фиг. 4 и 5. То есть, заключают, что разница в диапазонах низких и средних частот (от 20 до 100 циклов/ширина изображения) обусловлена быстрым изменением возрастной структуры у мужчин, такой как натянутость или дряблость, является более заметным, чем у женщин, и разница в диапазоне высоких частот (200 циклов/ширина изображения или более) обусловлена тем, что текстура кожи (неровное ощущение, тонкость текстуры) мужчины хуже, чем у женщин, независимо от возраста и изменение в возрастной структуре мужчины с трудом заметно.

То есть, понятно, что в случае мужчин, эффективно использовать полосу приблизительно от 0 до 200 циклов/ширина изображения для оценки возраста. Вдобавок, подобно анализу БД женщин, понятно из интерпретации дендрограммы, что различная возрастная информация существует в диапазонах полос от 0 до 50 циклов/ширина изображения, от 50 до 100 циклов/ширина изображения, от 100 до 150 циклов/ширина изображения и 150 циклов/ширина изображения или более.

[0091] (3) Подготовка уравнения, указывающего «зависимость между фактическим возрастом и интенсивностью пространственной частоты»

Множественный регрессионный анализ (поэтапный способ) осуществляют на БД мужчин из примера 2 с фактическим возрастом в качестве объективных переменных и с пространственными частотами (f) в качестве объясняющих переменных посредством использования SPSS (зарегистрированный торговый знак) 15.0 производства SPSS Inc. Как результат, уравнение (3), пример уравнения множественной регрессии для оценки фактического возраста, выражают следующим образом.

[0092] <Оценка значения фактического возраста >=fl35×80,839+f5×(-23,510)+f3×(-10,595)+f105×64,765-64,187 … (3)

Коэффициент множественной корреляции (R)=0,794

*f135, f5, f3 и f105 представляют собой логарифмические шкалы мощностей пространственных частот.

[0093] (4) Оценка фактического возраста

Подобно способу оценки возраста женщин, фактический возраст оценивают посредством использования уравнения множественной регрессии (3), вычисляемого как описано выше по тексту, после получения интенсивностей пространственных частот по данным лицевого изображения пяти тестовых исследуемых мужчин (субъектов), которые должны быть оценены (средний возраст 40,8 года). Результаты перечислены в таблице 2 (ошибка = оценочный возраст - (фактический возраст)). Согласно этому, понятно, что фактический возраст оценивают с высокой степенью точности.

[0094]

Таблица 2
Фактический возраст Ошибка
1 21 1,9
2 28 -2,2
3 36 2,0
4 53 -5,1
5 66 4,6

Пример 3

[0095] <3> Эффект косметики, оказываемый на возраст по впечатлению от внешнего вида

Эффект косметики, оказываемый на возраст по впечатлению от внешнего вида, рассматривают в соответствии с изобретением. То есть, после осуществления обработки из примера 1 для лиц без косметики и лиц с косметикой двух женщин (в возрасте 50 и 62 лет) для вычисления пространственных частот, уравнение множественной регрессии (2) для оценки возраста по впечатлению от внешнего вида применяют для вычисления возраста по впечатлению от внешнего вида, о котором судят по лицу без косметики и лицу с косметикой. Когда вычисляли ошибки в возрасте лиц с косметикой относительно лиц без косметики в качестве стандартов, это вело к тому, что ошибка в возрасте 50-летней женщины составляла +0,7 года, чтобы показать, что внешний вид едва ли изменился, тогда как ошибка в возрасте 62-летней женщины (см. фиг. 9) составляла -9,8 года, чтобы показать, что внешний вид выглядит значительно моложе, и понятно, что вычисление возраста по впечатлению от внешнего вида представляет собой количественный способ, который идентичен суждению третьей стороной. Кроме того, поскольку об эффекте косметики судят по полутоновым изображениям, эффект цвета и насыщенности за счет косметических материалов не отражен, но об эффекте косметических материалов, оказываемом на возрастную структуру, можно сделать количественное заключение по изменениям весов объясняющих переменных (соответствующие полосы пространственных частот по полутоновым изображениям) в уравнении множественной регрессии (2).

Пример 4

[0096] <4> Определение пола (уравнение определения и результат дискриминантного анализа)

Как описано в примере 1, изображения получают и обрабатывают для того, чтобы получать интенсивности пространственных частот, из БД женщин в примере 1 (N=140) и БД мужчин (N=139) в примере 2. Элементы половых группирующих переменных добавляют в БД и затем осуществляют дискриминантный анализ посредством использования PASW (зарегистрированный торговый знак) Statistics 17.0 производства SPSS Inc. Получаемую дискриминантную функцию (уравнение определения (4) и результат определения (таблица 3 и фиг. 10) представлены следующим образом. Понятно, что определение пола осуществляют с точностью 90% или более из таблицы 3 и фиг. 10. Вдобавок, логарифмическая шкала мощности f173 оказывает влияние более всего в уравнении определения (4), но как описано выше по тексту, это обусловлено половыми различиями в изменении в текстуре поверхности кожи в связи со старением (см. фиг. 4 и 5). Следовательно, понятно, что в определении пола текстура кожи более важна, чем изменение формы лица (морщины и дряблость). Вдобавок, согласно этому, заключают, что щеку, лоб, нос, в дополнение к целому лицу, в достаточной мере используют для данных лицевого изображения, используемых в определении пола.

[0097] <Линейная дискриминантная функция>=f3×1,564+f6×3,340+ f7×3,141+f41×0,669+f173×(-8,400)-8,895 … (4)

Канонический коэффициент корреляции (R)=0,811

*f3, f6, f7, f41 и f173 представляют собой логарифмические шкалы мощностей пространственных частот.

[0098]

Таблица 3
Пол Женщина Мужчина Всего
Исходные данные Частота Женщина 126 14 140
Исходные данные Частота Мужчина 11 128 139
Исходные данные % Женщина 90 10 100
Исходные данные % Мужчина 8 92 100
Перекрестная валидация Частота Женщина 124 16 140
Перекрестная валидация Частота Мужчина 11 128 139
Перекрестная валидация % Женщина 89 11 100
Перекрестная валидация % Мужчина 8 92 100

Пример 5

[0099] <5> Оценка возраста посредством использования цветного изображения

(1) Подготовка БД с «фактическим возрастом и интенсивностью пространственной частоты»

Цветные изображения 140 женщин (в возрасте от 18 до 82 лет, средний возраст 49,01±17,02 года) в диапазоне 30 см × 30 см получают с использованием цифровой камеры. Анализ пространственных частот осуществляют на цветных изображениях 1024×1024 пикселя посредством использования программного обеспечения анализа пространственных частот производства компании авторов изобретения с использованием MATLAB (зарегистрированный торговый знак) производства The MathWork Inc. Впоследствии, БД женщин с фактическими возрастами и интенсивность пространственных частот получают.

[0100] (2) Анализ характеристики БД

Корреляционный анализ осуществляют на БД женщин с использованием PASW (зарегистрированный торговый знак) Statistics 17.0 производства SPSS Inc. Как результат, коэффициенты корреляции для каналов В и R отличаются от корреляции пространственных частот, получаемой по данным монохромного изображения. То есть, корреляции канала В склонны к высоким значениям в полосе от 50 до 150 циклов/ширина изображения. Вдобавок, корреляции канала R склонны к высоким значениям в полосе от 0 до 50 циклов/ширина изображения.

Когда изображения изменяют посредством изменения мощностей полос каналов, понятно, что информация о веснушках существует в диапазоне канала B.

[0101] (3) Подготовка уравнения, указывающего «фактический возраст и интенсивность пространственной частоты»

Множественный регрессионный анализ (поэтапный способ) осуществляют на БД с фактическими возрастами в качестве объективных переменных и с использованием пространственных частот (f) в качестве объясняющих переменных посредством использования PASW (зарегистрированный торговый знак) Statistics 17.0.3 для того, чтобы получить уравнение множественной регрессии.

Как результат, интенсивности пространственных частот, принадлежащих от 100 до 150 циклов/ширина изображения канала В, имеют самые высокие коэффициенты корреляции. Интенсивности пространственных частот выбирают из всех каналов RGB в качестве объясняющих переменных.

На фиг. 11 представлен график, указывающий корреляции (калибровочная кривая) между фактическим возрастом и оценочным возрастом (значения прогноза), оцениваемым посредством получаемого уравнения множественной регрессии. Понятно, что коэффициент множественной корреляции (R) составляет 0,945, и фактический возраст оценивают с чрезвычайно высокой степенью точности.

Пример 6

[0102] <6> Оценка возраста посредством использования изображения губ

(1) Подготовка БД с «фактическим возрастом и интенсивностью пространственной частоты»

Изображения лиц 140 женщин (в возрасте от 18 до 82 лет, средний возраст 49,01±17,02 года) получают с использованием цифровой камеры. Цветные изображения 1024×1024 пикселя для интерпретации подготавливают посредством наложения слоев масок для выделения участков губ из лицевых изображений. Анализ пространственных частот осуществляют на четырех типах данных изображений, получаемых из цветных изображений, которые представляют собой данные изображения из каналов RGB, и данных монохромного изображения, получаемых посредством преобразования яркости посредством использования программного обеспечения анализа пространственных частот производства компании авторов изобретения с использованием MATLAB (зарегистрированный торговый знак) производства The MathWork Inc. Впоследствии подготавливают БД с фактическим возрастом и интенсивностями пространственных частот (мощности и значения амплитуды).

[0103] (2) Анализ характеристики БД

Корреляционный анализ осуществляют на БД посредством использования PASW (зарегистрированный торговый знак) Statistics 17.0 производства SPSS Inc. Как результат, находят такую тенденцию, что коэффициенты корреляции канала В отличаются от корреляции пространственных частот, получаемой по данным монохромного изображения. То есть, корреляции канала В особенно высоки в полосе приблизительно от 170 до 180 циклов/ширина изображения, где корреляция, как правило, высока. Согласно этому, понятно, что важная возрастная информация о губах содержится в полосе от 150 до 200 циклов/ширина изображения канала В.

Вдобавок, кластерный анализ осуществляют на пространственных частотах монохромного изображения. Условиями являются способ Уорда, квадрат эвклидова расстояния и z-оценки (по переменным). Как результат, пространственные частоты относят к четырем диапазонам от 0 до 40 циклов/ширина изображения, от 40 до 100 циклов/ширина изображения, от 100 до 240 циклов/ширина изображения и от 240 до 512 циклов/ширина изображения. Когда возрастную информацию, существующую в соответствующих полосах, анализируют по увеличению или снижению интенсивностей пространственных частот в полосах и изменению лицевого изображения, понятно, что возрастная информация редко существует в диапазоне от 240 до 512 циклов/ширина изображения.

[0104] (3) Подготовка уравнения, указывающего «зависимость между фактическим возрастом и интенсивностью пространственной частоты»

Множественный регрессионный анализ (поэтапный способ) осуществляют на БД с фактическими возрастами в качестве объективных переменных и с использованием пространственных частот (f) в качестве объясняющих переменных посредством использования PASW (зарегистрированный торговый знак) Statistics 17.0, тем самым получая уравнение множественной регрессии.

Как результат, множество интенсивностей пространственных частот, принадлежащих от 1 до 200 циклов/ширина изображения канала R и В, отбирают в качестве объясняющих переменных. Среди них, интенсивности пространственных частот, принадлежащие от 170 до 180 циклов/ширина изображения канала В, имеют самые высокие коэффициенты корреляции.

На фиг. 12 представлен график, указывающий корреляции (калибровочная кривая) между фактическим возрастом и оценочным возрастом (значения прогноза), оцениваемым посредством получаемого уравнения множественной регрессии. Понятно, что коэффициент множественной корреляции (R) составляет 0,848, и фактический возраст оценивают с высокой степенью точности.

Пример 7

[0105] <7> Оценка возраста посредством использования изображения щеки

(1) Подготовка БД с «фактическим возрастом и интенсивностью пространственной частоты»

Изображения лиц 140 женщин (в возрасте от 18 до 82 лет, средний возраст 49,01±17,02 года) получают посредством использования цифровой камеры (см. фиг. 1). Данные цветного изображения 1024×1024 пикселя для интерпретации получают посредством наложения слоев масок для выделения участков щек из лицевых изображений. Анализ пространственных частот осуществляют на четырех типах данных изображения, которые представляют собой данные изображения из каналов RGB, и данных монохромного изображения, получаемых посредством преобразования яркости посредством использования программного обеспечения анализа пространственных частот производства компании авторов изобретения с использованием MATLAB (зарегистрированный торговый знак) производства The MathWork Inc. Впоследствии подготавливают БД с фактическим возрастом и интенсивностями пространственных частот.

[0106] (2) Подготовка уравнения, указывающего «зависимость между фактическим возрастом и интенсивностью пространственной частоты»

Множественный регрессионный анализ (поэтапный способ) осуществляют на БД с фактическими возрастами в качестве объективных переменных и с использованием пространственных частот (f) в качестве объясняющих переменных посредством использования PASW (зарегистрированный торговый знак) Statistics 17.0, тем самым получая уравнение множественной регрессии. Как результат, множество интенсивностей пространственных частот, принадлежащих от 1 до 200 циклов/ширина изображения, всех каналов RGB отбирают в качестве объясняющих переменных. Среди них, интенсивности пространственных частот, принадлежащие от 150 до 170 циклов/ширина изображения, канала В имеют самые высокие коэффициенты корреляции.

На фиг. 13 представлен график, указывающий корреляции (калибровочная кривая) между фактическим возрастом и оценочным возрастом (значения прогноза), оцениваемым посредством получаемого уравнения множественной регрессии. Понятно, что коэффициент множественной корреляции (R) составляет 0,846, и фактический возраст оценивают с высокой степенью точности.

[0107] Из результатов примеров 6 и 7 понятно, что возраст можно оценивать с высокой степенью точности с использованием участков лица, таких как губы и щека. Также понятно, что полосы пространственных частот, которые содержат возрастную информацию, меняются в соответствии с участками, но полосы можно точно определить посредством осуществления корреляционного анализа. Согласно этому, понятно, что возраст можно оценивать посредством использования некоторого участка лица, который может меняться в соответствии со старением.

ПРОМЫШЛЕННАЯ ПРИМЕНИМОСТЬ

[0108] Технология оценки возраста в соответствии с изобретением может быть использована при суждении об эффектах эстетического лечения, ухода за кожей, косметики, здорового питания, косметических хирургических операций или тому подобного, и в советах или консультациях с результатом суждения. Вдобавок, технология оценки возраста или определения пола может быть широко использована в системе для мониторинга (при продаже) алкогольных напитков, сигарет или тому подобного или в качестве маркетинговой информации.

1. Способ оценки возраста, содержащий
оценку возраста субъекта по данным лицевого изображения субъекта, основываясь на корреляции между возрастами и интенсивностями пространственных частот, получаемых по данным лицевого изображения, причем пространственные частоты принадлежат множеству различных полос пространственных частот.

2. Способ оценки возраста по п. 1, в котором
корреляцию выражают уравнением или моделью,
и способ содержит:
получение оцененного возраста субъекта посредством применения интенсивностей пространственных частот из данных лицевого изображения субъекта к уравнению или модели.

3. Способ оценки возраста, содержащий:
сбор данных лицевого изображения субъекта;
вычисление интенсивностей пространственных частот по собранным данным лицевого изображения, причем пространственные частоты принадлежат множеству различных полос пространственных частот; и
вычисление оцененного возраста субъекта посредством применения вычисленных интенсивностей пространственных частот к уравнению или модели, получаемому/получаемой заранее и выражающему/выражающей корреляцию между возрастами и пространственными частотами, получаемыми по данным лицевого изображения.

4. Способ оценки возраста по п. 2,
в котором уравнение представляет собой уравнение множественной регрессии, получаемое из множественного регрессионного анализа, или уравнение прогноза, получаемое из PLS.

5. Способ оценки возраста по п. 1,
в котором данные лицевого изображения представляют собой данные изображения участка лица или целого лица.

6. Способ оценки возраста по п. 1,
в котором возраст представляет собой фактический возраст или возраст по впечатлению от внешнего вида.

7. Способ оценки возраста по п. 1,
в котором данные лицевого изображения представляют собой данные цветного изображения, а интенсивности пространственных частот включают в себя комбинации интенсивностей пространственных частот, вычисленных по множеству цветовых каналов.

8. Способ оценки возраста по п. 1,
в котором полосы пространственных частот представляют собой полосу низких частот 50 циклов/ширина изображения или менее и полосу высоких частот более чем 50 циклов/ширина изображения.

9. Способ оценки возраста по п. 1,
в котором пространственные частоты, которые принадлежат полосам пространственных частот, предпочтительно имеют различие в 10 циклов/ширина изображения или более.

10. Способ оценки возраста по п. 1,
в котором субъект представляет собой женщину,
корреляция представляет собой корреляцию между возрастами и интенсивностями пространственных частот, получаемых по данным лицевого изображения целых лиц женщин, и
пространственные частоты включают в себя по меньшей мере четыре пространственные частоты, которые принадлежат соответствующим полосам пространственных частот:
от 0 до 50 циклов/ширина изображения;
от 50 до 100 циклов/ширина изображения;
от 100 до 200 циклов/ширина изображения; и
200 циклов/ширина изображения или более.

11. Способ оценки возраста по п. 1,
в котором субъект представляет собой мужчину,
корреляция представляет собой корреляцию между возрастами и интенсивностями пространственных частот, получаемых по данным лицевого изображения целых лиц мужчин, и
пространственные частоты включают в себя по меньшей мере четыре пространственные частоты, которые принадлежат соответствующим полосам пространственных частот:
от 0 до 50 циклов/ширина изображения;
от 50 до 100 циклов/ширина изображения;
100 до 150 циклов/ширина изображения; и
150 циклов/ширина изображения или более.

12. Способ оценки возраста п. 1,
в котором корреляция представляет собой корреляцию между возрастами и интенсивностями пространственных частот, получаемых по данным изображения губ,
пространственные частоты включают в себя по меньшей мере три пространственные частоты, которые принадлежат соответствующим полосам пространственных частот:
от 0 до 4 0 циклов/ширина изображения;
от 4 0 до 100 циклов/ширина изображения; и
100 циклов/ширина изображения или более.



 

Похожие патенты:

Изобретение относится к области цифровой обработки изображений и может быть использовано в охранных системах, системах мониторинга и контроля воздушного движения, оптикоэлектронных системах сопровождения объектов.

Изобретение относится к медицинской технике, а именно к офтальмологическим системам. Система содержит стыковочный блок, выполненный с возможностью совмещения офтальмологической системы и глаза, систему формирования изображений, контроллер формирования изображений, содержащий процессор, контроллер локальной памяти, выполненный с возможностью управлять передачей вычисленных данных сканирования из процессора в буфер данных, и выходной цифроаналоговый преобразователь, связанный с буфером данных.

Изобретение относится к технологиям панорамного видеонаблюдения. Техническим результатом является обеспечение возможности одновременного независимого панорамного видеонаблюдения различных участков панорамы с различным увеличением несколькими операторами.

Изобретение относится к бортовому устройству распознавания изображений. В модуле (50) регулирования чувствительности обнаружения, который регулирует чувствительность обнаружения таким образом, что она увеличивается согласно уровню (U) белой замутненности, чувствительность обнаружения детектора (70) транспортных средств (модуля выполнения приложения для распознавания изображений), который обнаруживает другое транспортное средство (6) (движущийся объект), присутствующий в окружающей области транспортного средства (5), с предварительно определенной чувствительностью обнаружения из изображения, полученного посредством модуля (10) формирования изображений, расположенного в транспортном средстве (5) с возможностью наблюдать окружающую область транспортного средства (5) через линзу (12) и преобразовывать световой сигнал наблюдаемой окружающей области транспортного средства (5) в сигнал изображения, корректируется на основе уровня M прилипания прилипшего вещества, такого как грязь или капля воды, к линзе (12), который вычисляется посредством модуля (26) вычисления уровня прилипания.

Группа изобретений относится к вариантам выполнения устройства обнаружения трехмерных объектов. Устройство содержит: модуль 41 задания областей обнаружения для задания области обнаружения позади с правой стороны и с левой стороны от транспортного средства; модули 33, 37 обнаружения трехмерных объектов для обнаружения трехмерного объекта, который присутствует в правосторонней области A1 обнаружения или левосторонней области A2 обнаружения позади транспортного средства, на основе информации изображений из камеры 10 сзади транспортного средства; модуль 34 оценки трехмерных объектов для определения того, представляет или нет обнаруженный трехмерный объект собой другое транспортное средство VX, которое присутствует в правосторонней области A1 обнаружения или левосторонней области A2 обнаружения.

Изобретение относится к области вычислительной техники, а именно к анализу и обработке изображений. Технический результат - обеспечение реконструкции значений пикселей динамических двумерных сигналов в условиях неполной априорной информации.

Изобретение относится к области навигации и топопривязки, в частности к способам представления и использованиям цифровой топогеодезической информации, и предназначено для определения навигационно-топогеодезических параметров для наземных подвижных объектов.

Изобретение относится к телевидению и может быть использовано для пространственно-временной обработки изображений. Техническим результатом изобретения является обеспечение адаптации к уровню освещенности без каких-либо ограничений на значения отсчетов импульсной характеристики при выделении неподвижных и движущихся слабоконтрастных объектов на нестационарном фоне при пространственно-временной обработке изображений.

Изобретение относится к обработке медицинских изображений. Техническим результатом является сокращение времени реконструкции изображения МРТ из недосемплированных данных.

Изобретение относится к области обработки данных. Технический результат - эффективная обработка изображения без записи исходного изображения в память.

Способ определения скорости движущихся объектов методом пассивной локации включает получение изображения самолета при помощи телевизионной системы с формированием видеокадров перемещения движущегося объекта в поле зрения оптической системы и их оцифровкой, определение величины перемещения изображения движущегося объекта на фотоприемной матрице по перемещению центра тяжести изображения. Также способ включает идентификацию типа движущегося объекта и по типу объекта определение его линейных размеров. Используя величину перемещения и соотношение линейных размеров движущегося объекта, вычисляют линейное перемещение движущегося объекта в поле зрения оптической системы L и определяют скорость движущего объекта. Технический результат - скрытное определение скорости самолета при помощи средств пассивной локации. 2 ил.

Группа изобретений относится к устройству помощи при вождении. Устройство помощи при вождении содержит средство обнаружения состояния поворачивания, средство формирования изображений, средство обнаружения сплошных объектов и средство модификации областей обнаружения. Способ помощи при вождении содержит этапы, на которых формируют изображения предварительно определенного диапазона, включающего в себя области определения, заданные сзади слева и сзади справа от основного транспортного средства, и обнаруживают сплошной объект в областях обнаружения, при этом обнаруживают состояние поворачивания основного транспортного средства, формируют изображение предварительно определенного диапазона, обнаруживают следом движущееся транспортное средство в областях обнаружения на виде с высоты птичьего полета и модифицируют область обнаружения для уменьшения размера областей обнаружения на виде с высоты птичьего полета на стороне поворота. Достигается повышение точности обнаружения в состоянии поворачивания транспортного средства при обнаружении сплошных объектов. 3 н. и 10 з.п. ф-лы, 15 ил.

Изобретение относится к технологиям отображения изображений. Техническим результатом является повышение реалистичности изображения, за счет передачи семантических метаданных от стороны создателя контента. Предложен способ добавления информации детализации воспроизведения отображения во входное изображение из набора видеоизображений. Причем данная информация используется приемной стороной устройства обработки изображения цветовоспроизведения для управления воспроизведением яркостей области изображения соответствующих изображений для, по меньшей мере, двух отображений различных динамических диапазонов яркости. Способ включает в себя этап, на котором показывают входное изображение человеку-оператору, а также согласно способу принимают через пользовательский интерфейс описательные данные режима области во входном изображении от человека-оператора. При этом описательные данные включают в себя: информацию выбора области, чтобы позволить извлечение области пикселей на приемной стороне, причем информация выбора области содержит значение яркости, разделяющее пиксели, имеющие яркости соответственно выше или ниже указанного, или геометрическую информацию. 4 н. и 8 з.п. ф-лы, 7 ил.

Изобретение относится к оптическому стереоустройству и способам его автофокусировки. Техническим результатом является обеспечение автоматической фокусировки блока формирования изображений в зависимости от направления и/или величины вектора смещений. Предложено оптическое стереоустройство, содержащее средство формирования изображения, выполненное с возможностью обеспечения стереоизображения объекта, представляющего интерес, посредством комбинирования изображения правого глаза и изображения левого глаза. Заявленное устройство также включает в себя блок управления, функционально подключенный к средству формирования изображения и выполненный с возможностью приема изображения правого глаза и изображения левого глаза и настройки положения фокуса средства формирования изображения. 3 н. и 12 з.п. ф-лы, 3 ил.

Изобретение относится к области обработки видеоданных, а более конкретно к ретушированию видеоданных. Технический результат - обеспечение ретуширования фона видеоизображения. Способ ретуширования фона видеоизображения содержит этапы, на которых: получают информацию о движении фона из серии кадров видеопоследовательности; для кадров с по меньшей мере одной отсутствующей областью: переносят данные пикселей из одного или более предшествующих кадров с использованием информации о движении фона, переносят данные пикселей из одного или более последующих кадров с использованием информации о движении фона, и объединяют упомянутые данные с частично восстановленными данными пикселей в одной или более указанных областях на текущем кадре; выбирают кадр с по меньшей мере одной оставшейся отсутствующей областью; выполняют процедуру пространственного ретуширования на упомянутом кадре для восстановления данных пикселей упомянутой отсутствующей области; и переносят восстановленные данные пикселей из упомянутого выбранного кадра на все кадры последовательности, на которые возможно, с использованием информации о движении фона. 3 н. и 6 з.п. ф-лы, 5 ил.

Изобретение относится к компьютерным системам визуализации пористых пород. Техническим результатом является повышение точности сегментации данных при построении модели образца пористой среды. Предложен способ построения модели образца пористой среды. Способ включает в себя этап приема данных изображения низкого разрешения, сгенерированных с использованием измерения с более низким разрешением, выполненного на первом образце пористой среды. Далее, согласно способу осуществляют прием данных изображения высокого разрешения, представляющих характеристики аспектов малого второго образца пористой среды, причем данные высокого разрешения сгенерированы с использованием измерения с более высоким разрешением, выполненного на малом втором образце. 3 н. и 29 з.п. ф-лы, 9 ил.

Настоящее изобретение относится к области технологии обработки изображений. Технический результат заключается в повышении точности сегментации изображения. Способ включает в себя: вычисление априорной вероятности появления переднего плана головы-плеч в каждом пикселе на изображении, имеющего заданный размер, в соответствии с результатом позиционирования точек внешнего контура лица, выбор образцовых пикселей переднего плана головы-плеч и образцовых пикселей фона из сегментируемого изображения. Вычисление первой и второй вероятностей правдоподобия цветов соответственно переднего плана головы-плеч и цветов фона, вычисление первой апостериорной вероятности переднего плана головы-плеч и второй апостериорной вероятности фона в соответствии с априорной вероятностью и выполнение сегментации головы-плеч на сегментируемом изображении в соответствии с первой и второй апостериорными вероятностями. 3 н. и 14 з.п. ф-лы, 5 ил.

Изобретение относится к области обработки электронных документов. Технический результат - обеспечение сокращения времени, необходимого для сборки файла документа, посредством параллельной организации рабочих процессов. Способ для использования параллельной обработки при формировании документа включает: назначение основным процессом множества задач обработки изображений множеству рабочих процессов, причем основной процесс создает рабочие процессы и продолжает обработку документа в то время, когда рабочие процессы выполняют свою соответствующую обработку; определение входных параметров для каждой задачи из множества задач, причем входные параметры содержат часть исходного документа и описание структуры этой части со ссылкой на элемент документа, требующий длительной обработки; и сборка основным процессом множества изображений, создаваемых рабочими процессами на основе элементов, требующих длительной обработки и определяющихся входными параметрами, в результирующий файл, соответствующий исходному документу. 3 н. и 20 з.п. ф-лы, 6 ил.

Изобретение относится к медицине, а именно к терапевтической стоматологии, и предназначено для контроля эндодонтического лечения постоянных зубов. Исследование проводят на конусно-лучевом компьютерном томографе «Picasso Trio» с программой EzImplant. Компьютерный томограф обрабатывает изображение и передает его на компьютер. Далее исследование записывают на диск и передают лечащему врачу. При открытии диска программа Ezmplant запускается автоматически. В ней находятся четыре активных окна изображений объекта: зубы верхней и нижней челюстей во фронтальной - coronal view, сагиттальной - sagittal view, аксиальной - axial view проекциях и 3D-реконструкция объекта. Настраивают толщину среза тканей челюстно-лицевой области пациента в 1 мм для всех активных окон изображения. После чего выбирают для работы изображение исследуемого зуба в активном окне: в аксиальной проекции - axial view и настраивают вид изображения просвета корневого канала в сагиттальной проекции - sagittal view и/или фронтальной проекции - coronal view, используя активные оси плоскости в аксиальной проекции - axial view, пока не получают четкое изображение расположения корневого канала зуба в sagittal view и/или coronal view. Затем устанавливают курсор мыши в активном окне sagittal view и/или coronal view и нажатием кнопки «enter» клавиатуры убирают оси. Слева в меню программы в разделе Measure - измерение активизируют функцию Angle - измерение углов нажатием основной кнопки мыши, автоматически в меню программы активизируется раздел «Tool Options», в котором выбирают метод измерения угла «4-Point Click» - по 4-м точкам. Далее курсор мыши устанавливают над коронкой зуба, ориентируясь на точку фуркации корней зуба и нажатием на клавишу мыши получают первую точку первой линии (точка 1), проводят первую линию через фуркацию корней и выводят за пределы зуба, нажатием на клавишу мыши обозначают вторую точку первой линии (точка 2), получая линию №1-продольную ось зуба. Затем нажатием на клавишу мыши над коронкой зуба получают первую точку второй линии (точка 3) и проводят линию, ориентируясь на устье корневого канала через просвет корневого канала до точки наибольшего изгиба корневого канала, получают вторую точку второй линии (точка 4). Линии при этом неразрывны между собой. Выключают функцию Angle, активизируют все четыре точки угловой конструкции и уточняют их положение, получая конечную величину угла вхождения (глиссады) в корневой канал в градусах по отношению к продольной оси зуба, которую компьютерная программа рассчитывает автоматически. С учетом величины угла между продольной осью зуба и линией первого (коронального) отрезка корневого канала определяется направление вхождения эндодонтического инструмента и его положение в формируемом коническом (воронкообразном) входе в корневой канал, смещая его в сторону нависающих над устьем твердых тканей и препятствующих свободному скольжению инструмента вдоль стенок корневого канала. Способ, за счет измерения угла между продольной осью зуба и линией первого (коронального) отрезка корневого канала, позволяет создать доступ к коронковой части корневого канала с минимальной потерей твердых тканей коронковой части зуба для качественного эндодонтического лечения. 3 ил., 1 пр.

Изобретение относится к идентификации преобразований, которые могут применяться по меньшей мере к части изображения документа для повышения качества оптического распознавания символов (OCR). Технический результат - повышение качества оптического распознавания символов, которое непосредственно зависит от эффективного определения последовательности из одного или нескольких преобразований. Для этого пример способа включает построение с помощью компьютерной системы упорядоченного списка преобразований, который должен применяться к изображению, содержащему строку символов, причем каждое преобразование соответствует гипотезе по отношению к одной или нескольким характеристикам изображения, применение к изображению очередного преобразования из списка для получения преобразованного изображения, оценку качества преобразованного изображения, получение оценки качества и обновление списка с учетом полученной оценки качества. 3 н. и 13 з.п. ф-лы, 4 ил.
Наверх