[发明专利]识别对象的方法和设备以及训练识别器的方法和设备

说明书

公开了识别对象的方法和设备以及训练识别器的方法和设备。识别方法包括：接收输入图像；使用被预训练为同时识别多个元素的单个识别器识别与输入图像相关联的多个元素。

本申请要求于2014年11月24日提交到韩国知识产权局的第10-2014-0164232号韩国专利申请和2015年6月18日提交到韩国知识产权局的第10-2015-0086658号韩国专利申请的优先权权益，所述申请的全部内容通过引用完整地包含于此。

技术领域

至少一些示例实施例涉及一种用于识别对象的方法和设备，以及一种用于训练识别器的方法和设备。

背景技术

随着脸部识别技术的应用变得广泛，通过将主成分分析(PCA)应用于脸部图像来识别脸部的技术正被使用。PCA指的是在最小化图像的本征信息的损失的同时通过在低维特征向量空间将图像数据投影来减少信息的技术。作为使用PCA的脸部识别方法，提取脸部的主特征向量并通过使用从预登记的图像提取的主成分向量而训练的模式分类器来识别脸部的方法被广泛应用。

发明内容

至少一些示例实施例针对用于训练和/或使用识别器来识别输入图像的多个元素的方法和/或设备。

根据至少一些示例实施例，识别方法可包括：接收输入图像；使用被预训练为同时识别多个元素的单个识别器识别与输入图像相关联的多个元素。

所述多个元素可包括：标识(ID)，标识输入图像；至少一个属性，与输入图像相关联。ID可标识包括在输入图像中的至少一个对象。所述至少一个属性可包括以下至少一项：与包括在输入图像中的脸部区域相应的性别；与所述脸部区域相应的年龄；与所述脸部区域相应的种族；与所述脸部区域相应的吸引力；与所述脸部区域相应的面部表情；与所述脸部区域相应的情感。所述至少一个属性可包括性别、年龄、种族、吸引力、面部表情和情感中的至少两个不同的属性。所述识别器可包括神经网络，所述识别的步骤可包括基于包括在神经网络中的节点之间的预学习的权重计算与多个元素对应的特征值。所述识别的步骤可包括基于输入图像产生多个特征图像。所述多个特征图像可包括以下至少一项：去除光照噪声的颜色通道图像；方向梯度大小通道图像；皮肤概率通道图像；局部二元模式通道图像。所述识别的步骤可包括：对多个特征图像进行滤波；基于滤波模块的输出将与多个元素相应的特征值输出。所述识别的步骤还可包括基于特征值识别多个元素。所述识别的步骤可包括：获取与包括在训练图像中的脸部的部件相应的多个部件图像；产生与所述多个部件图像中的每个相应的多个特征图像。所述识别的步骤可包括：基于多个部件识别模块的输出将与所述多个元素相应的特征值输出，其中，所述多个部件识别模块中的每个包括对相应的部件图像的特征图像进行滤波；基于滤波模块的输出将与与相应的部件图像相关联的元素相应的特征值输出。所述识别的步骤还可包括：基于第一元素特征输出模块的输出识别多个元素。所述识别方法还可包括：将所述多个元素和与参考图像相关联的多个元素进行比较；基于比较的结果确定输入图像是否与参考图像匹配。所述比较的步骤可包括：基于所述多个元素产生特征向量；将所述特征向量与参考图像的参考向量进行比较。

根据至少一些示例实施例，训练识别器的方法可包括：接收训练图像；基于训练图像和在训练图像中标记的多个元素训练被配置为从输入图像识别多个元素的识别器。