CN112148910A - 图像处理装置、图像处理方法及存储有图像处理程序的记录介质 - Google Patents
图像处理装置、图像处理方法及存储有图像处理程序的记录介质 Download PDFInfo
- Publication number
- CN112148910A CN112148910A CN202010532731.6A CN202010532731A CN112148910A CN 112148910 A CN112148910 A CN 112148910A CN 202010532731 A CN202010532731 A CN 202010532731A CN 112148910 A CN112148910 A CN 112148910A
- Authority
- CN
- China
- Prior art keywords
- image
- person
- age
- processing apparatus
- images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 6
- 239000000203 mixture Substances 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000000366 juvenile effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000013256 coordination polymer Substances 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/54—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/12—Digital output to print unit, e.g. line printer, chain printer
- G06F3/1201—Dedicated interfaces to print systems
- G06F3/1223—Dedicated interfaces to print systems specifically adapted to use a particular technique
- G06F3/1237—Print job management
- G06F3/1242—Image or content composition onto a page
- G06F3/1243—Variable data printing, e.g. document forms, templates, labels, coupons, advertisements, logos, watermarks, transactional printing, fixed content versioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/30—Scenes; Scene-specific elements in albums, collections or shared content, e.g. social network photos or video
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种能够找出在相同的年龄段拍摄的不同人物的图像的图像处理装置、图像处理方法及存储有图像处理程序的记录介质。将图像(P72)确定为第1图像,将摄于图像(P72)中的使用者(U1)识别为第1人物并估计年龄。将图像(P12)确定为第2图像,将摄于图像(P12)中的使用者(U11)识别为第2人物并估计年龄。若被识别为第1人物的使用者(U1)与被识别为第2人物的使用者(U11)不是同一人物且使用者(U1)的年龄与使用者(U11)的年龄之差在阈值的范围内,则将图像(P72)与图像(P12)检测为图像组合。
Description
技术领域
该发明涉及一种图像处理装置、图像处理方法、图像处理程序及存储有该程序的记录介质。
背景技术
当以规定的人物为主人公制作相册书等时,即使是同一人物,也会有面部的变化,因此有时不会被识别为同一人物。因此,可以考虑能够追随面部随时间的变化而进行准确的人物识别的技术(专利文献1)。并且,还可以考虑以人物单位分类个体识别信息来检索摄有人物的图像时进行高效率的图像检索的技术(专利文献2)。另外,还可以考虑从收集自多个使用者的多个图像中选择与相册的主题一致的图像的技术(专利文献3)。
专利文献1:日本特开2()15-069495号公报
专利文献2:日本特开2010-079519号公报
专利文献3:日本特开2018-005843号公报
当欲从很多图像中整理两张以上的图像时,以拍摄日期时间近的图像、在特定的事件中拍摄的图像、喜欢的图像等进行整理的情况较多。然而,例如,若能够比较父亲的少年时代的图像与其孩子的少年时代的图像,则使用者能够发现新的认识和新的惊奇。因此,有时会重新观看所拍摄的很多图像或者以所拍摄的图像为契机发生新的交流,有时关系到促进很多图像的应用。
以往文献1中所记载的发明是进行准确的人物识别的发明,因此没有考虑找出父母和孩子的相同年龄段的时代的图像等。以往文献2中所记载的发明是进行高效率的图像检索的发明,因此没有考虑找出父母和孩子的相同年龄段的时代的图像等。以往文献3中所记载的发明是挑选与相册的主题一致的图像的发明,仍没有考虑找出父母和孩子的相同年龄段的时代的图像等。
发明内容
该发明的目的在于例如找出像父母的少年时代的图像和该父母的孩子的少年时代的图像那样,在相同年龄段所拍摄的不同人物的图像。
根据该发明的图像处理装置具备:读取机构,从记录有一个使用者能够访问的多个图像的记录装置中读取图像;第1图像确定机构,将多个图像中的任意一张图像确定为第1图像;第1人物识别机构,识别摄于第1图像中的第1人物;第1年龄估计机构,估计第1图像的拍摄日期时间的第1人物的年龄;第2图像确定机构,从多个图像中将除第1图像以外的任意一张图像确定为第2图像;第2人物识别机构,识别摄于第2图像中的第2人物;第2年龄估计机构,估计第2图像的拍摄日期时间的第2人物的年龄;人物判定机构,判定所识别出的第1人物与所识别出的第2人物是否为同一人物;年龄差判定机构,判定所估计出的第1人物的年龄与所估计出的第2人物的年龄之差是否在阈值的范围内;及图像组合检测机构,当通过人物判定机构判定为第1人物与第2人物不是同一人物且通过年龄差判定机构判定为第1人物的年龄与第2人物的年龄之差在阈值的范围内时,将第1图像与第2图像检测为图像组合。
该发明还提供一种图像处理方法。即,在该方法中,读取机构从记录有一个使用者能够访问的多个图像的记录装置中读取图像,第1图像确定机构将多个图像中的任意一张图像确定为第1图像,第1人物识别机构识别摄于第1图像中的第1人物,第1年龄估计机构估计第1图像的拍摄日期时间的第1人物的年龄,第2图像确定机构从多个图像中将除第1图像以外的任意一张图像确定为第2图像,第2人物识别机构识别摄于第2图像中的第2人物,第2年龄估计机构估计第2图像的拍摄日期时间的第2人物的年龄,人物判定机构判定所识别出的第1人物与所识别出的第2人物是否为同一人物,年龄差判定机构判定所估计出的第1人物的年龄与所估计出的第2人物的年龄之差是否在阈值的范围内,当通过人物判定机构判定为第1人物与第2人物不是同一人物且通过年龄差判定机构判定为第1人物的年龄与第2人物的年龄之差在阈值的范围内时,图像组合检测机构将第1图像与第2图像检测为图像组合。
该发明还提供一种控制图像处理装置的计算机的程序及存储有该程序的记录介质。
并且,图像处理装置可以为如下:其具备:读取机构,从记录有一使用者能够访问的多个图像的记录装置中读取图像;及处理器,处理器将多个图像中的任意一张确定为第1图像,识别摄于第1图像中的第1人物,估计第1图像的拍摄日期时间的第1人物的年龄,从多个图像中将除第1图像以外的任意一张确定为第2图像,识别摄于第2图像中的第2人物,估计第2图像的拍摄日期时间的第2人物的年龄,判定所识别出的第1人物与所识别出的第2人物是否为同一人物,判定所估计出的第1人物的年龄与所估计出的第2人物的年龄之差是否在阈值的范围内,当判定为第1人物与第2人物不是同一人物且判定为第1人物的年龄与第2人物的年龄之差在阈值的范围内时,将第1图像与第2图像检测为图像组合。
第2图像确定机构例如将拍摄日期与第1图像的拍摄日期相隔阈值以上的图像确定为第2图像。
并且,第2图像确定机构可以将在与拍摄第1图像的年份不同的年份且与第1图像的拍摄时期(例如,拍摄季节、拍摄月份)相同的时期拍摄的图像确定为第2图像,也可以将具有与第1图像的构图相同的构图的图像确定为第2图像。
另外,第2图像确定机构可以将在与第1图像的拍摄场所相同的场所拍摄的图像确定为第2图像,也可以将包含第1图像中所包含的人物的亲属或姻亲中的至少一方的图像确定为第2图像。
另外,第2图像确定机构例如将在与拍摄第1图像时的事件相同的事件中拍摄的图像确定为第2图像。
还可以具备:控制机构,控制图像处理装置以使重复第1图像的确定或第2图像的确定中的至少一方的方式,直至检测出至少一个图像组合为止。
还可以具备:类似度计算机构,计算第1人物与第2人物的第1类似度或第1图像与第2图像的第2类似度中的至少一方。在该情况下,例如,当第1类似度或第2类似度为阈值以上时,图像组合检测机构将第1图像与第2图像检测为图像组合。
在记录装置中例如记录有多个摄有特定人物的亲属或姻亲的图像。
还可以具备:显示控制机构,控制显示装置以使相邻地显示第1图像与第2图像。
还可以具备:打印机控制机构,控制打印机以使相邻地打印第1图像与第2图像。
第1图像确定机构例如根据来自使用者的指令来确定第1图像。
发明效果
虽然所检测出的第1图像中所包含的第1人物与第2图像中所包含的第2人物并不是同一人物,但拍摄时的年龄差在阈值的范围内,因此例如能够找出像父母的少年时代的图像和该父母的孩子的少年时代的图像那样,在相同年龄段所拍摄的不同人物的图像。
附图说明
图1是图像处理系统的概要。
图2是表示存储服务器的电构成的块图。
图3是存储于硬盘中的图像的一例。
图4是表示存储服务器的处理流程的流程图。
图5是表示存储服务器的处理流程的流程图。
图6是表示存储服务器的处理流程的流程图。
图7是存储于硬盘中的图像的一例。
图8是存储于硬盘中的图像的一例。
图9是印刷物的一例。
图10是表示第2图像的确定处理流程的流程图。
图11是表示第2图像的确定处理流程的流程图。
图12是表示第2图像的确定处理流程的流程图。
图13是表示第2图像的确定处理流程的流程图。
图14是表示第2图像的确定处理流程的流程图。
图15是表示第2图像的确定处理流程的流程图。
图16是表示第2图像的确定处理流程的流程图。
图17是表示第2图像的确定处理流程的流程图。
图18是表示第2图像的确定处理流程的流程图。
图19是表示图像组合的决定处理流程的流程图。
具体实施方式
[第1实施例]
图1是表示该发明的实施例的图,示出图像处理系统的概要。以下,年龄段(年龄层)接近是以年龄差在阈值的范围内的语言来说明的。
图像处理系统中包括n(n为复数)个客户端计算机1-n,这些n个客户端计算机1-n连接于互联网。并且,图像处理系统中还包括存储服务器10及打印机服务器20,这些存储服务器10及打印机服务器20的各自能够经由互联网与n个客户端计算机1-n的各自进行通信。
客户端计算机1-n将表示使用者所拍摄的图像的图像文件发送到存储服务器10,存储服务器10接收并存储从使用者发送的图像文件。打印机服务器20相邻地打印如后述那样决定的第1图像与第2图像(参考图9)。
在图1中图示出n个客户端计算机1-n,但也可以在图像处理系统中仅包括一个客户端计算机。与客户端计算机的数量无关地,只要多个使用者能够使用客户端计算机将图像数据上传到存储服务器10中即可。并且,也可以利用智能手机等通信设备来代替客户端计算机1-n。
并且,也可以不利用打印机服务器20而构成图像处理系统。
图2是表示存储服务器10的电构成的块图。
存储服务器10(是图像处理装置的一例)的整体动作由CPU(Central Pr ocessingUnit:中央处理器)11集中控制。
存储服务器10中包括用于与互联网连接的通信装置12、用于访问存储卡14的存储卡读写器13、读取记录在微型光盘16中的数据等的微型光盘驱动器15、记录从使用者发送的图像文件等的硬盘18及在硬盘18中写入图像文件且从硬盘18中读取图像文件的硬盘驱动器17。另外,存储服务器10中还包括存储器19及显示装置19A。
微型光盘16(便携式记录介质)中存储有控制存储服务器10的动作的程序,记录在微型光盘16中的程序由微型光盘驱动器15读取并安装于存储服务器10中。程序也可以不是从微型光盘16读取并被安装于存储服务器10中,而是经由互联网等网络在存储服务器10中接收,并且将所接收到的程序安装于存储服务器10中。与存储服务器10同样地,打印机服务器20中也包括CPU、存储器、硬盘、通信装置等。
图3示出存储于硬盘18中的多个图像。
硬盘18中存储有使用者U1的图像P1至P100、使用者U2的图像P101至P200、使用者U3的图像P201至P300等多个使用者的多个图像。除使用者U1、U2及U3以外的使用者的图像也存储于硬盘18中。通过利用使用者ID、密码,使用者U1能够访问使用者U1的图像P1至P100,但无法访问其他使用者例如使用者U2的图像P101至P200或使用者U3的图像P201至P300等。关于其他使用者,也被管理为虽然能够访问自己的图像,但无法访问其他使用者的图像。
在该实施例中,找出一使用者的图像、在与一使用者的拍摄时的年龄相仿的年龄时拍摄的一使用者的父母、子女、哥哥、弟弟、姐姐、妹妹等的图像。例如,找出一使用者出生时的图像和该一使用者的父亲出生时的图像,或者找出一使用者的小学入学典礼时的图像和该一使用者的父亲的小学入学典礼时的图像。在该实施例中,将使用者U1设为一使用者,但也可以将其他使用者U2、U3等设为一使用者。
图4至图6是表示存储服务器10(图像处理装置)的处理流程的流程图。
例如,使用者U1从客户端计算机1向存储服务器10发送图像读取指令,并在存储服务器10中接收图像读取指令。如此一来,通过硬盘驱动器17(是读取机构的一例)读取表示存储于硬盘18中的使用者U1的图像P1至P100的图像文件(图4的步骤31)。通过CPU11(是第1图像确定机构的一例)从图像P1至P100中确定第1图像(图4的步骤32)。
第1图像可以为图像P1至P100中最初拍摄的图像,也可以为任何图像。也可以在图像P1至P100中找出包含人物的图像并从包含人物的图像中确定第1图像。也可以将表示图像P1至P100的图像文件或表示图像P1至P100中包含人物的图像的图像文件从存储服务器10发送到使用者U1所利用的客户端计算机1,并在客户端计算机1中所包含的显示装置的显示画面上显示图像P1至P100或图像P1至P100中包含人物的图像,并且让使用者U1使用客户端计算机1的鼠标(是第1图像确定机构的一例)选择第1图像,由此确定第1图像。当使用者U1选择了第1图像时,该第1图像的识别数据从客户端计算机1通过客户端计算机1的通信装置发送到存储服务器10中。
若通过存储服务器10的CPU11或使用者U1确定第1图像,则通过CPU11(是第1人物识别机构的一例)识别(检测)第1图像中所包含的人物(第1人物)(图4的步骤33)。若第1图像中包含多个人物,则通过CPU11识别多个人物。随后,通过CPU11(是第1年龄估计机构的一例)估计拍摄第1图像时的第1人物的年龄(图4的步骤34)。当表示第1图像的图像文件的标头(header)中记录有表示年龄的数据时,可根据该数据得知年龄,可以读入多个已知年龄的人物的图像并利用具备学习了面部、体形及服装等与年龄之间的关系的学习完成模型的AI(人工知能,artificial intelligence)来估计第1人物的年龄(例如记载于日本特开2010-113526号公报、日本特开2010-257409号公报等。),当在第1图像中存在关于第1人物的年龄的信息时(例如,第1人物上具有记载有学年的名牌等),利用该信息并通过CPU11估计第1人物的年龄。
图7及图8示出使用者U1的图像P1至P100中的一部分图像。在图7及图8中,按拍摄年份示出一部分图像。
参考图7,图像P1拍摄于1962年,是使用者U1的父亲U11出生时的图像。图像P12拍摄于1969年,是使用者U1的父亲U11进入小学时的图像。在图像P12中摄有使用者U1的父亲U11和使用者U1的祖母U21。图像P33拍摄于1975年,是使用者U1的父亲的小学毕业时的图像。在图像P33中也摄有使用者U1的父亲U11和使用者U1的祖母U21。图像P44拍摄于1983年,是使用者U1的父亲的成人礼时的图像。图像P51拍摄于1990年,是使用者U1出生时的图像,摄有使用者U1。
参考图8,图像P51与图7所示的图像P51相同,摄有使用者U1。图像P72拍摄于1997年,是使用者U1进入小学时的图像。在图像P72中摄有使用者U1和使用者U1的母亲U10。图像P83拍摄于2003年,是使用者U1的小学毕业时的图像。在图像P83中也摄有使用者U1和使用者U1的母亲U10。图像P94拍摄于2011年,是使用者U1的成人礼时的图像。图像P100拍摄于2019年,是使用者U1的孩子U31出生时的图像,摄有使用者U1的孩子U31。
当表示图像P1至图像P100的图像文件的标头中记录有关于拍摄年份的数据时,可根据该数据得知图像P1至P100的拍摄年份,当图像文件的标头中未记录拍摄年份的数据时,通过分析图像来估计拍摄年份。例如,当利用拍摄时的拍摄日期时间写入功能在图像中写入有拍摄日期时,能够通过分析来获取拍摄日期。当未写入拍摄日期时,能够根据地标建筑物、照片的褪色程度与数字化日期时间的比较等来估计拍摄年份。另外,读入多个已知拍摄日期的图像,并学习地标建筑物的存在、照片的褪色程度与数字化日期时间的差异、其他映入的人物的服装、发型、携带的物品等与拍摄日期之间的关系,由此能够制作学习完成模型。也可以利用具备该学习完成模型的AI来估计拍摄年份(例如记载于日本特开2010-026713号公报、日本特表2011-525017号公报等)。
如此,本发明中所说的拍摄日期时间还包括所估计出的日期时间。估计日期时间包括将模拟胶片印刷物进行数字化时估计的日期时间。所估计出的日期时间的记录场所可以为Exif(Exchangeable image file format:可交换图像文件格式)的规定区域,也可以为各种图像管理软件或应用程序所独自具有的区域。简而言之,只要是各图像的确定或估计拍摄日期时间并且是用本发明的装置能够访问的日期时间即可。
例如,假设通过CPU11或使用者U1确定了图8所示的使用者U1的小学入学典礼的图像P72作为第1图像。在图像P72中摄有使用者U1和使用者U1的母亲U10,因此找出摄有在与摄于小学入学典礼的图像P72中的使用者U1或使用者U1的母亲U10的年龄相同的年龄时拍摄的人物且摄有除使用者U1或使用者U1的母亲U10以外的人物的图像。
参考图5,通过CPU11(是第2图像确定机构的一例)从使用者U1的图像P1至P100中确定除第1图像P72以外的第2图像(步骤35)。与第1图像同样地,通过CPU11(是第2图像识别机构的一例)识别第2图像中所包含的人物(第2人物)(图5的步骤36),并通过CPU11(是第2年龄估计机构的一例)估计第2人物的年龄(图5的步骤37)。若表示第2图像的图像文件的标头中记录有关于年龄的数据,则可根据该数据得知第2人物的年龄,若该图像文件的标头中未记录关于年龄的数据,则能够由CPU11分析第2图像来估计。本发明中所说的年龄估计能够利用以下三种方法中的任一种来进行。(1)若已确定所映入的人物并且可知图像的拍摄日期时间和该人物的生日,则能够准确地计算年龄(在本发明中这也包含于“年龄估计”一词的含义中)。(2)若已知生日并且能够通过上述AI来估计拍摄年份,则能够估计年龄。(3)能够通过上述AI并根据所映入的人物的面部、身高(通过与其他人物的比较等来估计)及服装等来估计年龄。
随后,通过CPU11(是人物判定机构的一例)判断第1人物与第2人物是否为同一人物(图5的步骤38)。若不是同一人物(在图5的步骤38中“否”),则通过CPU11(是年龄差判定机构的一例)判断第1人物的年龄(第1年龄)与第2人物的年龄(第2年龄)之差是否在阈值的范围内(图5的步骤39)。在第1人物及第2人物均为多个且相同人数的情况下,当多个第1人物和多个第2人物全部都相同时,判断为同一人物。当第1人物及第2人物均为多个但第1人物的人数与第2人物的人数不同时,即使在一部分包含同一人物,第1人物与第2人物也不会被判断为同一人物。当第1人物及第2人物中的任意一方为多个且任意另一方为一人时,第1人物与第2人物不会被判断为同一人物。
并且,若第1年龄与第2年龄之差在阈值(例如,2岁)的范围内,则通过CPU11(是图像组合检测机构的一例)决定(检测)第1图像与第2图像的组合(图5的步骤40)。当第1人物及第2人物中的至少一方为多个时,通过CPU11判断在作为第1人物的多个人物与作为第2人物的多个人物的所有组合中第1年龄与第2年龄之差是否在阈值的范围内。只要在一个组合中第1年龄与第2年龄之差在阈值的范围内,就通过CPU11决定为第1图像与第2图像的组合。
参考图8,若通过CPU11或使用者U1将第1图像确定为使用者U1进入小学时所拍摄的图像P72并通过CPU11将图像P83确定为第2图像,则在被确定为第1图像的图像P72中摄有使用者U1和使用者U1的母亲U10,在被确定为第2图像的图像P83中摄有使用者U1和使用者U1的母亲U10,因此第1人物与第2人物被CPU11判断为同一人物。因此,被确定为第1图像的图像P72和被确定为第2图像的图像P83不会被CPU11决定为图像组合。
参考图8,若通过CPU11或使用者U1将第1图像确定为使用者U1进入小学时所拍摄的图像P72并通过CPU11将图像P94确定为第2图像,则在被确定为第1图像的图像P72中摄有使用者U1和使用者U1的母亲U10,在被确定为第2图像的图像P94中摄有使用者U1,因此第1人物与第2人物不会被CPU11判断为同一人物。若假设被确定为第1图像的图像P72中所包含的使用者U1的年龄(是第1年龄,拍摄图像P72时的年龄)为6岁且使用者U1的母亲U10的年龄(是第1年龄,拍摄图像P72时的年龄)为32岁,且被确定为第2图像的图像P94中所包含的使用者U1的年龄(是第2年龄,拍摄图像P94时的年龄)为20岁,则年龄差不在阈值以内,因此图像P72与图像P94不会被CPU11决定为第1图像与2图像的组合。
若假设如图8所示通过CPU11或使用者U1将第1图像确定为使用者U1进入小学时所拍摄的图像P72且如图7所示通过CPU11将图像P12确定为第2图像,则在被确定为第1图像的图像P72中摄有使用者U1和使用者U1的母亲U10,在被确定为第2图像的图像P12中摄有使用者U1的父亲U11和使用者U1的祖母U21,因此第1人物与第2人物不会被CPU11判断为同一人物。若假设被确定为第1图像的图像P72中所包含的使用者U1的年龄(是第1年龄,拍摄图像P72时的年龄)为6岁且使用者U1的母亲U10的年龄(是第1年龄,拍摄图像P72时的年龄)为32岁,且被确定为第2图像的图像P12中所包含的使用者U1的父亲U11的年龄(是第2年龄,拍摄图像P94时的年龄)为6岁,则与祖母U21的年龄无关地,年龄差在阈值以内,图像P72与图像P12被CPU11决定为第1图像与第2图像的组合。
若存储服务器10被设定为当第1人物与第2人物是同一人物(在图5的步骤38中“是”)或者第1年龄与第2年龄之差不在阈值的范围内(在图5的步骤37中“否”)时继续进行处理直至找出至少一个图像组合,则确定新的第2图像(在图6的步骤41中“是”,步骤42),并在CPU11(是控制机构的一例)的控制下继续进行处理。
若存储服务器10被设定为当找出至少一个图像组合时结束处理,则由CPU11控制为由于找出第1图像与第2图像的组合(在图6的步骤41中“是”)而结束存储服务器10的处理。若存储服务器10被设定为即使在找出一个图像组合的情况下也继续进行处理,则即使找出第1图像与第2图像的组合也继续进行处理(在图6的步骤41中“否”)。
当留有未被确定的第2图像时(在图6的步骤42中“是”),通过CPU11确定下一个第2图像(图5的步骤35),如上所述,通过CPU11控制为反复进行图5的步骤36至图6的步骤42的处理。若存储服务器10被设定为当没有未被确定的第2图像时(在图6的步骤42中“否”)留有未被确定的第1图像(在图6的步骤43中“是”),并且即使在找出至少一个图像组合的情况下也不结束而继续进行处理(在图6的步骤44中“否”),则通过CPU11确定下一个第1图像(图4的步骤32),并通过CPU11控制为反复进行从图4的步骤33的处理。
若被设定为检测出至少一个图像组合时结束存储服务器10的处理(在图6的步骤41中“是”),或者没有未被确定的第1图像(在图6的步骤43中“否”),或者存储服务器10被设定为即使留有未被确定的第1图像也结束处理(在图6的步骤44中“是”),则结束图4至图6所示的处理。
在上述实施例中,若检测出至少一个图像组合则结束存储服务器10的处理(在图6的步骤41中“是”),但也可以不结束而改变待确定的第1图像来进行从步骤32的处理。使得按每个第1图像一个一个地决定第1图像与第2图像的图像组合。
图9是在打印机服务器20中被打印的印刷物的一例。
如上所述,假设决定图像P12和图像P72作为第1图像与第2图像的图像组合。表示第1图像的图像文件、表示第2图像的图像文件及打印指令通过CP U11(是打印机控制机构的一例)的控制发送到打印机服务器20。在打印机服务器20中对印刷物50进行印刷。在印刷物50的左侧区域51印刷有被确定为第1图像的图像P72,在印刷物50的右侧区域52印刷有被确定为第2图像的图像P12。
图像P72是使用者U1在6岁时所拍摄的图像,是使用者U1的小学入学典礼时的图像。图像P12是使用者U1的父亲U11在6岁时所拍摄的图像,是使用者U1的父亲U11的小学入学典礼时的图像。
可得到通过打印机服务器20相邻地印刷有在相同年龄时所拍摄的母子的图像P12和P72的印刷物50。将印刷物50例如邮寄给使用者U1。
在图9所示的例子中是相邻地印刷有图像P12和P72的印刷物50,但也可以在存储服务器10的CPU11(是显示控制机构的一例)中生成分别表示这些图像P12和P72的图像文件(或将图像P12和P72表示为相邻的一个图像的图像文件)及在客户端计算机1中所包含的显示装置的显示画面上相邻地显示图像P12和P72的指令,并将这些图像文件和指令从存储服务器10发送到客户端计算机1。在客户端计算机1中所包含的显示装置的显示画面上相邻地显示图像P12和P72。也可以通过CPU11(是显示控制机构的一例)控制为在存储服务器10的显示装置19A的显示画面上相邻地显示P12和P72。
根据该实施例,能够找出在相同年龄段所拍摄的不同人物的图像。在上述实施例中,找出使用者U1的图像和在与拍摄该图像时的使用者的年龄相同的年龄时(只要年龄差在阈值以内即可)所拍摄的使用者U1的父亲U11的图像,但除了在相同年龄时所拍摄的父亲的图像和孩子的图像以外,还能够找出在相同年龄时所拍摄的兄弟的图像等。
并且,在上述实施例中,存储于硬盘18中的图像也可以全部都设为使用者的亲属或姻亲的图像。待检测的第1图像和第2图像仅成为如母子、兄弟、姐妹、堂妹等那样亲属或姻亲的图像。
[变形例]
图10及图11是表示确定第2图像的处理流程的流程图。图10及图11所示的处理对应于图5的步骤35的处理。
在图10及图11所示的处理中,通过CPU11将与第1图像的拍摄日期相隔阈值以上的拍摄日期的图像决定为第2图像。
通过CPU11从表示第1图像的图像文件的标头中读取所确定的该第1图像的拍摄年月日(步骤61)。当无法读取第1图像的拍摄年月日时(在步骤62中“否”),通过CPU11估计第1图像的拍摄年月日(步骤63)。也可以利用AI来估计拍摄年月日,当第1图像中包含能够估计拍摄年月日的被摄体时,利用该被摄体来估计拍摄年月日。
通过CPU11从除第1图像以外的图像中确定第2图像候选,并通过CPU11从表示第2图像的图像文件的标头中读取该第2图像候选的拍摄年月日(步骤64)。当无法读取第2图像候选的拍摄年月日时(在步骤65中“否”),通过CPU11估计第2图像候选的拍摄年月日(步骤66)。关于第2图像候选,也可以利用AI来估计拍摄年月日,当第2图像候选中包含能够估计拍摄年月日的被摄体时,利用该被摄体来估计拍摄年月日。
若第1图像的拍摄日期与第2图像候选的拍摄日期相隔阈值(例如是100天,但也可以是其他值)以上(在步骤67中“是”),则通过CPU11将第2图像候选确定为第2图像(步骤68)。若第1图像的拍摄日期与第2图像候选的拍摄日期不相隔阈值以上(在步骤67中“否”),则通过CPU11确定另一第2图像候选并读取拍摄年月日(步骤64)。第2图像候选的确定可以以任何方式进行,可以是按拍摄顺序进行,也可以随机进行。
图12是表示第2图像的确定处理的一部分处理流程的流程图,对应于图11的处理流程。紧接着图10所示的处理流程而实施图12所示的处理流程。
在图12中,通过CPU11判断第1图像的拍摄年份与第2图像候选的拍摄年份不同还是相同(步骤71)。当不同时(在步骤71中“是”),通过CPU11判断第1图像的拍摄时期与第2图像候选的拍摄时期相同还是不同(步骤72)。当拍摄时期相同时(在步骤72中“是”),通过CPU11将第2图像候选确定为第2图像(步骤73)。
能够找出在入学典礼等相同时期进行的事件中所拍摄的第1图像和第2图像,如上所述,能够找出父母的入学典礼或毕业典礼时的图像和孩子的入学典礼或毕业典礼时的图像、哥哥的入学典礼或毕业典礼时的图像和弟弟的入学典礼或毕业典礼时的图像等。相同时期是指一般感觉为相同期间的期间,例如为相同季节、相同月份等。
图13是表示确定第2图像的处理流程的流程图。图13所示的处理也对应于图5的步骤35的处理。
在图13所示的处理流程中,将具有与第1图像的构图相同的构图的图像作为第2图像。
通过CPU11检测由CPU11确定的第1图像的构图(步骤81)。可以预先存储多个构图样本并通过与该构图样本的匹配来进行构图检测,也可以检测图像中所包含的被摄体的位置、种类、大小等并根据所检测出的被摄体的位置、种类、大小等来进行构图检测。尤其,重视人物的位置、大小等而检测构图即可。随后,通过CPU11确定第2图像候选,并通过CPU11还检测所确定的第2图像候选的构图(步骤82)。
通过CPU11比较第1图像的构图与第2图像候选的构图,若这两个构图大致相同(构图的一致度为阈值以上)(在步骤83中“是”),则通过CPU11将第2图像候选确定为第2图像(步骤84)。若第1图像的构图与第2图像候选的构图并不大致相同(在步骤83中“否”),则通过CPU11确定新的第2图像候选,并通过CPU11检测新的第2图像候选的构图(步骤82)。比较第1图像与新的第2图像候选的构图。
能够找出在相同年龄段所拍摄的不同人物的、构图也相同的图像。
图14及图15也是表示确定第2图像的处理流程的流程图。图14及图15所示的处理也对应于图5的步骤35的处理。
图14及图15所示的处理是将与第1图像的拍摄场所相同的拍摄场所的图像作为第2图像的处理。
通过CPU11从表示第1图像的图像文件的标头中读取第1图像的拍摄场所{表示拍摄位置的GPS(Global Positioning System:全球定位系统)数据等}(步骤91)。当由于标头中未记录拍摄场所等原因而无法通过CPU11从表示第1图像的图像文件的标头中读取第1图像的拍摄场所时(在步骤92中“否”),通过CPU11估计第1图像的拍摄场所(步骤93)。例如,若在第1图像中摄有地址显示、成为表示场所的特征的被摄体等,则通过CPU11根据这些被摄体估计拍摄场所。
通过CPU11确定第2图像候选,并通过CPU11从表示第2图像候选的图像文件的标头中读取该第2图像候选的拍摄场所(步骤95)。当由于标头中未记录拍摄场所等原因而无法通过CPU11从表示第2图像候选的图像文件的标头中读取第2图像候选的拍摄场所时(在步骤95中“否”),通过CPU11估计第2图像候选的拍摄场所(步骤96)。
若第1图像的拍摄场所与第2图像候选的拍摄场所相同(视为相同即可)(在步骤97中“是”),则通过CPU11将第2图像候选确定为第2图像(步骤98)。若第1图像的拍摄场所与第2图像候选的拍摄场所不相同(在步骤97中“否”),则通过CPU11确定新的第2图像候选,并读取或估计所确定的新的第2图像候选的拍摄场所(步骤94、96)。比较第1图像的拍摄场所与新的第2图像候选的拍摄场所(步骤97)。
能够找出在相同年龄段所拍摄的不同人物的、拍摄场所也相同的图像。例如,当母子曾在相同学校上学时,能够找出在相同学校中的孩子的入学典礼、毕业典礼等的图像和在该相同学校中的孩子的父母的入学典礼、毕业典礼等的图像。
图16也是表示确定第2图像的处理流程的流程图。图16所示的处理也对应于图5的步骤35的处理。
图16所示的处理是将包含第1图像中所包含的人物的亲属或姻亲中的至少一方的图像确定为第2图像的处理。
通过CPU11从表示第1图像的图像文件的标头中读取关于第1图像的亲属、姻亲的信息(步骤101)。通过CPU11确定第2图像候选,并通过CPU11从表示第2图像候选的图像文件的标头中读取关于第2图像候选中所包含的人物的亲属、姻亲的信息(步骤102)。
通过CPU11根据从第1图像得到的关于亲属、姻亲的信息和从第2图像候选得到的关于亲属、姻亲的信息来确认第1图像中所包含的人物与第2图像候选中所包含的人物是否表示同一亲属或同一姻亲中的至少一方(步骤103)。若表示同一亲属或同一姻亲中的至少一方(在步骤103中“是”),则通过CP U11将第2图像候选确定为第2图像(步骤104)。若不是同一亲属也不是同一姻亲(在步骤103中“否”),则通过CPU11确定新的第2图像候选,对于新的第2图像候选,通过CPU11确认第1图像中所包含的人物与第2图像候选中所包含的人物是否表示同一亲属或同一姻亲中的至少一方(步骤103)。
在上述实施例中,通过CPU11利用关于记录在图像文件的标头中的亲属、姻亲的信息来确认第1图像中所包含的人物与第2图像候选中所包含的人物是否表示同一亲属或同一姻亲中的至少一方,但也可以将表示关于某一使用者的亲属、姻亲的面部图像的数据对应于该使用者而预先存储于存储服务器10的硬盘18中,并使用表示该面部图像的数据并利用AI来判断第1图像中所包含的人物和第2图像候选中所包含的人物是否为亲属或姻亲中的至少一方。
能够找出在相同年龄段所拍摄的亲属、姻亲的人物的图像。
图17及图18也是表示确定第2图像的处理流程的流程图。图17及图18所示的处理也对应于图5的步骤35的处理。
图17及图18所示的处理是将与由第1图像表示的事件相同的事件的图像确定为第2图像的处理。
通过CPU11从表示第1图像的图像文件的标头中读取第1图像所表示的事件(步骤111)。当由于标头中未记录事件等原因而无法通过CPU11从表示第1图像的图像文件的标头中读取第1图像所表示的事件时(在步骤112中“否”),通过CPU11估计第1图像的事件(步骤113)。例如,若在第1图像中摄有表示事件的被摄体、事件名称等,则通过CPU11根据该被摄体、事件名称来估计事件。
通过CPU11确定第2图像候选,并通过CPU11从表示第2图像候选的图像文件的标头中读取由该第2图像候选表示的事件(步骤114)。当由于标头中未记录事件等原因而无法通过CPU11从表示第2图像候选的图像文件的标头中读取由第2图像候选表示的事件时(在步骤115中“否”),通过CPU11估计由第2图像候选表示的事件(步骤116)。
若由第1图像表示的事件与由第2图像候选表示的事件相同(视为相同即可)(在步骤117中“是”),则通过CPU11将第2图像候选确定为第2图像(步骤118)。若由第1图像表示的事件与由第2图像候选表示的事件不相同(在步骤117中“否”),则通过CPU11确定新的第2图像候选,并读取或估计由所确定的新的第2图像候选表示的事件(步骤114、116)。比较由第1图像表示的事件与由新的第2图像候选表示的事件(步骤117)。
能够找出在相同年龄段所拍摄的不同人物的、表示相同事件的图像。
图19是表示决定第1图像与第2图像的图像组合的处理流程的流程图。图19所示的处理流程对应于图5的步骤40的处理流程。
图19所示的处理是当第1图像中所包含的第1人物与第2图像中所包含的第2人物类似且第1图像与第2图像类似时将第1图像与第2图像决定为图像组合的处理。也可以在第1图像与第2图像不类似而第1图像中所包含的第1人物与第2图像中所包含的第2人物类似时将第1图像与第2图像决定为图像组合,还可以在第1图像中所包含的第1人物与第2图像中所包含的第2人物不类似而第1图像与第2图像类似时将第1图像与第2图像决定为图像组合。
通过CPU11从第1图像检测第1人物并从已被确定的第2图像(图5的步骤35)检测第2人物,并通过CPU11计算表示第1人物与第2人物的类似度的第1类似度(步骤121)。若所计算出的第1类似度小于第1阈值(在步骤122中“否”),则认为第1人物与第2人物不相似(例如,不是亲属而是其他人),并通过CPU11重新确定另一第2图像。
若所计算出的第1类似度为第1阈值以上(在步骤122中“是”),则认为第1人物与第2人物相似(例如,亲属),并通过CPU11计算表示第1图像与第2图像的类似度的第2类似度(步骤123)。若计算出的第2类似度小于第2阈值(在步骤124中“否”),则认为第1类似度与第2类似度不相似,并通过CPU11重新确定另一第2图像。
若所计算出的第2类似度为第2阈值以上(在步骤124中“是”),则认为第1类似度与第2类似度相似,并通过CPU11决定第1图像与第2图像的图像组合(步骤125)。
能够决定作为在相同年龄段所拍摄的不同人物的图像的、包含与第1人物类似的第2人物的第1图像与第2图像的图像组合,且该图像组合还与第1图像和第2图像类似。
在上述实施例中,假设图像处理系统的管理者关于使用者的图像分析得到使用者的同意。
执行上述处理的处理部中除了执行软件而作为各种处理部发挥功能的CPU11以外,还包括如FPGA(field-programmable gate array:现场可编程门阵列)等在制造之后能够变更电路结构的可编程逻辑器件、ASIC(application specific integrated circuit:专用集成电路)等具有用于执行特定的处理而专用设计的电路结构的处理器即专用电路等。
一个处理部可以由这些各种处理器中的一个构成,也可以由相同种类或不同种类的两个以上的处理器的组合(例如,多个FPGA、CPU与FPGA的组合)构成。作为由一个处理器构成多个处理部的例子,第1,如以客户端计算机或服务器等计算机为代表那样,有如下形态:以一个以上的CPU与软件的组合构成一个处理器,该处理器作为多个处理部发挥功能。第2,如以片上系统等为代表那样,有如下形态:使用由一个IC(integrated circuit;集成电路)芯片来实现包括多个处理部的系统整体的功能的处理器。如此,各种处理部使用一个以上的各种处理器作为硬件结构而构成。
另外,更具体而言,这些各种处理器的硬件结构为将半导体元件等电路元件组合而成的电路。
符号说明
1-n-计算机,10-存储服务器,11-CPU,12-通信装置,13-存储卡读写器,14-存储卡,15-微型光盘驱动器,16-微型光盘,17-硬盘驱动器,18-硬盘,19-存储器,19A-显示装置,20-打印机服务器,50-印刷物,51-印刷物的左侧区域,52-印刷物的右侧区域,P1-P300-图像,U1-U3-使用者,U10-母亲,U11-父亲,U21-祖母,U31-孩子。
Claims (15)
1.一种图像处理装置,具备:
读取机构,从记录有一个使用者能够访问的多个图像的记录装置中读取图像;
第1图像确定机构,将上述多个图像中的任意一张图像确定为第1图像;
第1人物识别机构,识别摄于上述第1图像中的第1人物;
第1年龄估计机构,估计上述第1图像的拍摄日期时间的上述第1人物的年龄;
第2图像确定机构,从上述多个图像中将除上述第1图像以外的任意一张图像确定为第2图像;
第2人物识别机构,识别摄于上述第2图像中的第2人物;
第2年龄估计机构,估计上述第2图像的拍摄日期时间的上述第2人物的年龄;
人物判定机构,判定所识别出的上述第1人物与所识别出的上述第2人物是否为同一人物;
年龄差判定机构,判定所估计出的上述第1人物的年龄与所估计出的上述第2人物的年龄之差是否在阈值的范围内;及
图像组合检测机构,当通过上述人物判定机构判定为第1人物与第2人物不是同一人物且通过上述年龄差判定机构判定为第1人物的年龄与第2人物的年龄之差在阈值的范围内时,将上述第1图像与上述第2图像检测为图像组合。
2.根据权利要求1所述的图像处理装置,其中,
上述第2图像确定机构将拍摄日期与上述第1图像的拍摄日期相隔阈值以上的图像确定为上述第2图像。
3.根据权利要求1或2所述的图像处理装置,其中,
上述第2图像确定机构将在与拍摄上述第1图像的年份不同的年份且与上述第1图像的拍摄时期相同的时期拍摄的图像确定为上述第2图像。
4.根据权利要求1或2所述的图像处理装置,其中,
上述第2图像确定机构将具有与上述第1图像的构图相同的构图的图像确定为上述第2图像。
5.根据权利要求1或2所述的图像处理装置,其中,
上述第2图像确定机构将在与上述第1图像的拍摄场所相同的场所拍摄的图像确定为上述第2图像。
6.根据权利要求1或2所述的图像处理装置,其中,
上述第2图像确定机构将包含上述第1图像中所包含的人物的亲属或姻亲的图像确定为上述第2图像。
7.根据权利要求1或2所述的图像处理装置,其中,
上述第2图像确定机构将在与拍摄上述第1图像时的事件相同的事件中拍摄的图像确定为上述第2图像。
8.根据权利要求1或2所述的图像处理装置,
所述图像处理装置还具备:
控制机构,控制上述图像处理装置以使重复上述第1图像的确定或上述第2图像的确定中的至少一方,直至检测出至少一个上述图像组合为止。
9.根据权利要求1或2所述的图像处理装置,
所述图像处理装置还具备:
类似度计算机构,计算上述第1人物与上述第2人物的第1类似度或上述第1图像与上述第2图像的第2类似度中的至少一个类似度,
当上述第1类似度或上述第2类似度中的至少一个类似度为阈值以上时,上述图像组合检测机构将上述第1图像与上述第2图像检测为图像组合。
10.根据权利要求1或2所述的图像处理装置,其中,
在上述记录装置中记录有多个摄有特定人物的亲属或姻亲的图像。
11.根据权利要求1或2所述的图像处理装置,
所述图像处理装置还具备:
显示控制机构,控制显示装置以使相邻地显示上述第1图像与上述第2图像。
12.根据权利要求1或2所述的图像处理装置,
所述图像处理装置还具备:
打印机控制机构,控制打印机以使相邻地打印上述第1图像与上述第2图像。
13.根据权利要求1或2所述的图像处理装置,其中,
上述第1图像确定机构根据来自使用者的指令来确定第1图像。
14.一种图像处理方法,其中,
读取机构从记录有一个使用者能够访问的多个图像的记录装置中读取图像,
第1图像确定机构将上述多个图像中的任意一张图像确定为第1图像,
第1人物识别机构识别摄于上述第1图像中的第1人物,
第1年龄估计机构估计上述第1图像的拍摄日期时间的上述第1人物的年龄,
第2图像确定机构从上述多个图像中将除上述第1图像以外的任意一张图像确定为第2图像,
第2人物识别机构识别摄于上述第2图像中的第2人物,
第2年龄估计机构估计上述第2图像的拍摄日期时间的上述第2人物的年龄,
人物判定机构判定所识别出的上述第1人物与所识别出的上述第2人物是否为同一人物,
年龄差判定机构判定所估计出的上述第1人物的年龄与所估计出的上述第2人物的年龄之差是否在阈值的范围内,
当通过上述人物判定机构判定为第1人物与第2人物不是同一人物且通过上述年龄差判定机构判定为第1人物的年龄与第2人物的年龄之差在阈值的范围内时,图像组合检测机构将上述第1图像与上述第2图像检测为图像组合。
15.一种存储有计算机可读取的程序的记录介质,该程序为控制图像处理装置的计算机的程序,该程序将所述图像处理装置的计算机控制为:
从记录有一个使用者能够访问的多个图像的记录装置中读取图像,
将上述多个图像中的任意一张图像确定为第1图像,
识别摄于上述第1图像中的第1人物,
估计上述第1图像的拍摄日期时间的上述第1人物的年龄,
从上述多个图像中将除上述第1图像以外的任意一张图像确定为第2图像,
识别摄于上述第2图像中的第2人物,
估计上述第2图像的拍摄日期时间的上述第2人物的年龄,
判定所识别出的上述第1人物与所识别出的上述第2人物是否为同一人物,
判定所估计出的上述第1人物的年龄与所估计出的上述第2人物的年龄之差是否在阈值的范围内,
当判定为第1人物与第2人物不是同一人物且判定为第1人物的年龄与第2人物的年龄之差在阈值的范围内时,将上述第1图像与上述第2图像检测为图像组合。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-121862 | 2019-06-28 | ||
JP2019121862A JP7204596B2 (ja) | 2019-06-28 | 2019-06-28 | 画像処理装置,画像処理方法,画像処理プログラムおよびそのプログラムを格納した記録媒体 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112148910A true CN112148910A (zh) | 2020-12-29 |
Family
ID=73891930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010532731.6A Pending CN112148910A (zh) | 2019-06-28 | 2020-06-11 | 图像处理装置、图像处理方法及存储有图像处理程序的记录介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11475567B2 (zh) |
JP (1) | JP7204596B2 (zh) |
CN (1) | CN112148910A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110150302A1 (en) * | 2009-03-13 | 2011-06-23 | Omron Corporation | Face matching device, electronic device, face matching device control method, and face matching device control program |
JP2012104155A (ja) * | 2012-02-03 | 2012-05-31 | Casio Comput Co Ltd | 画像処理装置及び方法、並びにプログラム |
US20130343659A1 (en) * | 2011-03-14 | 2013-12-26 | Nikon Corporation | Electronic device, electronic device control method, and computer-readable recording medium having stored thereon electronic device control program |
US20160180172A1 (en) * | 2013-09-05 | 2016-06-23 | Fujifilm Corporation | Event taken-picture arrangement device, control method thereof and control program thereof |
US9465435B1 (en) * | 2013-08-26 | 2016-10-11 | Google Inc. | Segmentation of a video based on user engagement in respective segments of the video |
JP2017174054A (ja) * | 2016-03-23 | 2017-09-28 | セコム株式会社 | 属性推定装置 |
WO2018036241A1 (zh) * | 2016-08-23 | 2018-03-01 | 中兴通讯股份有限公司 | 一种年龄群体分类的方法及装置 |
JP2018200597A (ja) * | 2017-05-29 | 2018-12-20 | 株式会社Nttドコモ | 画像推定装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090310863A1 (en) | 2008-06-11 | 2009-12-17 | Gallagher Andrew C | Finding image capture date of hardcopy medium |
JP5228148B2 (ja) | 2008-07-17 | 2013-07-03 | 国立大学法人豊橋技術科学大学 | 画像データから位置を推定する位置推定方法、位置推定装置及び位置推定プログラム |
JP5164767B2 (ja) | 2008-09-25 | 2013-03-21 | キヤノン株式会社 | 画像処理装置、画像処理装置の制御方法及びプログラム |
JP5210808B2 (ja) | 2008-11-06 | 2013-06-12 | Necソフト株式会社 | 年齢推定装置及び方法 |
JP4742193B2 (ja) | 2009-04-28 | 2011-08-10 | Necソフト株式会社 | 年齢推定装置、年齢推定方法及びプログラム |
JP4924742B2 (ja) * | 2010-06-30 | 2012-04-25 | カシオ計算機株式会社 | 画像処理装置及び方法、並びにプログラム |
US8861804B1 (en) * | 2012-06-15 | 2014-10-14 | Shutterfly, Inc. | Assisted photo-tagging with facial recognition models |
JP5899179B2 (ja) | 2013-09-30 | 2016-04-06 | 富士フイルム株式会社 | 人物認識装置、人物認識方法、人物認識プログラムおよびその記録媒体 |
JP6660835B2 (ja) | 2016-07-08 | 2020-03-11 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
-
2019
- 2019-06-28 JP JP2019121862A patent/JP7204596B2/ja active Active
-
2020
- 2020-06-04 US US16/893,124 patent/US11475567B2/en active Active
- 2020-06-11 CN CN202010532731.6A patent/CN112148910A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110150302A1 (en) * | 2009-03-13 | 2011-06-23 | Omron Corporation | Face matching device, electronic device, face matching device control method, and face matching device control program |
US20130343659A1 (en) * | 2011-03-14 | 2013-12-26 | Nikon Corporation | Electronic device, electronic device control method, and computer-readable recording medium having stored thereon electronic device control program |
JP2012104155A (ja) * | 2012-02-03 | 2012-05-31 | Casio Comput Co Ltd | 画像処理装置及び方法、並びにプログラム |
US9465435B1 (en) * | 2013-08-26 | 2016-10-11 | Google Inc. | Segmentation of a video based on user engagement in respective segments of the video |
US20160180172A1 (en) * | 2013-09-05 | 2016-06-23 | Fujifilm Corporation | Event taken-picture arrangement device, control method thereof and control program thereof |
JP2017174054A (ja) * | 2016-03-23 | 2017-09-28 | セコム株式会社 | 属性推定装置 |
WO2018036241A1 (zh) * | 2016-08-23 | 2018-03-01 | 中兴通讯股份有限公司 | 一种年龄群体分类的方法及装置 |
JP2018200597A (ja) * | 2017-05-29 | 2018-12-20 | 株式会社Nttドコモ | 画像推定装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2021009475A (ja) | 2021-01-28 |
JP7204596B2 (ja) | 2023-01-16 |
US20200410680A1 (en) | 2020-12-31 |
US11475567B2 (en) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8649602B2 (en) | Systems and methods for tagging photos | |
CN101189621B (zh) | 利用摄影者身份来分类图像 | |
JP5386007B2 (ja) | 画像クラスタリング方法 | |
US8462224B2 (en) | Image retrieval | |
US8477994B1 (en) | Creating a narrative description of media content and applications thereof | |
US20190179850A1 (en) | Generating congruous metadata for multimedia | |
US8837787B2 (en) | System and method for associating a photo with a data structure node | |
US9947105B2 (en) | Information processing apparatus, recording medium, and information processing method | |
JP6969663B2 (ja) | ユーザの撮影装置を識別する装置及び方法 | |
US20200258236A1 (en) | Person segmentations for background replacements | |
US11594027B2 (en) | Image processing device, image processing method, program, and recording medium | |
JP2010081453A (ja) | 付帯情報付加装置及び方法 | |
US10007842B2 (en) | Same person determination device and method, and control program therefor | |
KR101743169B1 (ko) | 얼굴 정보를 이용한 실종 가족 찾기 시스템 및 방법 그리고 이를 구현하는 프로그램을 기록한 기록 매체 | |
CN112148910A (zh) | 图像处理装置、图像处理方法及存储有图像处理程序的记录介质 | |
AU2022100065A4 (en) | Data integrity management in a computer network | |
CN106537417A (zh) | 总结相册 | |
JP2018137639A (ja) | 動画像処理システム、並びに、符号化装置及びプログラム、並びに、復号装置及びプログラム | |
AU2021103692A4 (en) | Data integrity management in a computer network | |
US11256907B2 (en) | Classification of subjects within a digital image | |
WO2022079841A1 (ja) | グループ特定装置、グループ特定方法、及びコンピュータ読み取り可能な記録媒体 | |
JP6773144B2 (ja) | コンテンツ選択装置、コンテンツ選択方法、コンテンツ選択システム及びプログラム | |
Shara et al. | A Survey on Facial Age Estimation Based on Multiple CNN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |