公开(公告)号：CN1846228A

公开(公告)日：2006-10-11

申请号：CN200480025012.4

申请日：2004-08-30

Applicant: 松下电器产业株式会社

Inventor： 山田伸 ,  森田芳 ,  长尾健司 ,  山冈恩 ,  早田启介

IPC: G06T1/00

CPC classification number: H04M1/66 ,  H04M1/72544 ,  H04M2250/52

Abstract: 本发明提供了利用脸部图像信息验证用户的电子设备。用户可以欣赏验证图像的登记和验证操作。将通过图像拾取部分(5)输入的脸部图像数据与非易失性存储器(4)中的相关数据相比较，以便进行用户验证。电子设备(100)具有模仿角色和是否在显示部分(6)上显示它的功能。此外，电子设备(100)具有判断是否应该和可以拍摄用户的新脸部图像，以便提高正确验证的百分比的获取开始判断功能。当判断应该和可以拍摄新脸部图像时，在显示部分(6)上显示角色图像和通知用户是否开始获取相关数据。此外，当进行相关处理时，在显示部分(6)上显示角色图像。

公开(公告)号：CN1369858A

公开(公告)日：2002-09-18

申请号：CN02103387.0

申请日：2002-02-01

Applicant: 松下电器产业株式会社

Inventor： 古山浩志 ,  长尾健司 ,  山田伸 ,  秋元俊昭

IPC: G06T7/00

CPC classification number: G07F7/1008 ,  G06F17/3025 ,  G06F21/32 ,  G06K9/00221 ,  G06Q20/341 ,  G06Q20/40145 ,  G07C9/00087

Abstract: 具备输入用户的人体信息的输入手段、显示输入的人体信息的人体信息确认手段、根据输入的人体信息来认证预先登录的用户的认证手段。人体信息确定手段具备显示手段、显示用于指定输入的人体信息的大小以及位置的范围等的指标的指标显示手段。该指标显示手段具备用户确认输入的人体信息状况的功能以及在输入人体信息时指定人体信息的大小以及位置的功能。

公开(公告)号：CN1839409A

公开(公告)日：2006-09-27

申请号：CN200480024007.1

申请日：2004-08-11

Applicant: 松下电器产业株式会社

Inventor： 岩崎正宏 ,  今川太郎 ,  长尾健司

IPC: G06T7/20

CPC classification number: G06K9/00348 ,  G06T7/20

Abstract: 一种检测运动图像中包含的人物的人物检测装置，包括：时空体积生成部(13)，生成将构成拍摄了人物的运动图像的帧图像沿时间轴排列的三维时空图像；时空片断提取部(14)，提取作为将该三维时空图像切断时的切断断面或切断片断中的图像的实际图像时空片断；时空片断输出部(15)，根据规定了人物的移动特性的人物移动模型，生成并输出作为通过基于该人物移动模型的移动而获得的时空片断的人体部位移动模型时空片断；时空片断核对部(16)，将实际图像时空片断、和人体部位移动模型时空片断进行核对；以及属性输出部(17)，根据该核对结果，输出包含有运动图像中的人物是否存在的人物属性。

公开(公告)号：CN1275201C

公开(公告)日：2006-09-13

申请号：CN02803494.5

申请日：2002-09-25

Applicant: 松下电器产业株式会社

Inventor： 早田启介 ,  长尾健司

IPC: G06T7/00 ,  G06K9/46

CPC classification number: G06K9/522 ,  G06K9/00221 ,  G06K9/3241

Abstract: 为了学习作为输入的观察模式和从输入估计输出的模式之间的相关性，输入组成观察模式的第一培训向量和组成估计目标的第二培训向量。计算在两个培训向量上的自相关信息，两个培训向量的平均向量和在第一和第二培训向量之间的互相关信息。通过使用这些且基于对于输入模式估计目标的贝里斯理论来计算可能的希望值。以低的计算消耗能够精确地估计所期望的参数。

公开(公告)号：CN1484816A

公开(公告)日：2004-03-24

申请号：CN02803494.5

申请日：2002-09-25

Applicant: 松下电器产业株式会社

Inventor： 早田启介 ,  长尾健司

IPC: G06T7/00

CPC classification number: G06K9/522 ,  G06K9/00221 ,  G06K9/3241

Abstract: 为了学习作为输入的观察模式和从输入估计输出的模式之间的相关性，输入组成观察模式的第一培训向量和组成估计目标的第二培训向量。计算在两个培训向量上的自相关信息，两个培训向量的平均向量和在第一和第二培训向量之间的互相关信息。通过使用这些且基于对于输入模式估计目标的贝里斯理论来计算可能的希望值。以低的计算消耗能够精确地估计所期望的参数。