CN1910613A - 图像中的人物候选区域抽取方法及人物候选区域抽取系统、人物候选区域抽取程序、以及人物像的上下判定方法、上下判定系统、上下判定程序 - Google Patents

图像中的人物候选区域抽取方法及人物候选区域抽取系统、人物候选区域抽取程序、以及人物像的上下判定方法、上下判定系统、上下判定程序 Download PDF

Info

Publication number
CN1910613A
CN1910613A CNA2005800031263A CN200580003126A CN1910613A CN 1910613 A CN1910613 A CN 1910613A CN A2005800031263 A CNA2005800031263 A CN A2005800031263A CN 200580003126 A CN200580003126 A CN 200580003126A CN 1910613 A CN1910613 A CN 1910613A
Authority
CN
China
Prior art keywords
image
bust
feature amount
line
candidate area
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
Application number
CNA2005800031263A
Other languages
English (en)
Inventor
长桥敏则
日向崇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Seiko Epson Corp
Original Assignee
Seiko Epson Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Seiko Epson Corp filed Critical Seiko Epson Corp
Publication of CN1910613A publication Critical patent/CN1910613A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • 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
    • G06V40/161—Detection; Localisation; Normalisation
    • 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

Abstract

一种图像中的人物候选区域抽取方法，判别含有人物像的图像的上下方向，根据该判别结果把所述图像校正为实际的上下方向，然后对由构成该图像的纵横像素列构成的纵线和横线，求出各自的图像特征量的方差值，在所述纵线方向和横线方向分别选择各自的图像特征量的方差值超过阈值的区域，抽取所选择的各个线方向的区域彼此重合的图像中的区域。由此，可以稳健快速地抽取图像中含有人物像的区域。

Description

图像中的人物候选区域抽取方法及人物候选区域抽取系统、 人物候选区域抽取程序、以及人物像的上下判定方法、 上下判定系统、上下判定程序
技术领域
本发明涉及模式识别(Pattern recognition)和对象识别技术，特别涉及以含有人物像的图像的上下判定、和从该图像中抽取含有人物的可能性较大的区域为目的的图像中的人物候选区域抽取方法及人物候选区域抽取系统、人物候选区域抽取程序、以及人物像的上下判定方法、上下判定系统、上下判定程序。
背景技术
伴随近年来的模式识别技术和计算机等信息处理装置的高性能化，通过机器实现的字符和音频的识别精度有了飞跃性提高，但在拍摄有人物和物体/风景等的图像、例如利用数码摄像机等获取的图像的图形识别中，特别是如何准确且快速地识别该图像中是否含有人脸的方面而言，依旧被公认是极其困难的作业。
但是，这样利用计算机等自动地准确识别图像中是否含映有人脸、进而该人物是谁，在实现活体识别技术的确立及安全性的提高、犯罪搜捕的迅捷化、图像数据的整理/检索作业的高速化等方面成为极其重要的课题。
为了这样确立未来有用性极高的人脸识别技术，首先需要尽可能迅速地且准确地检测并确定成为检测对象的图像中的含有人物脸的区域的技术。
例如，在日本特开平9-50528号公报中，首先抽取图像中的肤色区域，根据所抽取的区域生成马赛克数据，将其与图像词典进行比较并计算其一致度，检测人脸图像区域。
但是，肤色区域在与人脸区域不完全一致的情况下，放宽限定肤色区域时，抽取不需要的区域，相反缩小限定时，产生抽取遗漏的问题。
另一方面，在从人脸图像的检测对象图像中高速搜索人脸时，重要的是尽可能地缩小该图像中的搜索区域。
因此，本发明就是为了有效解决这样的课题而提出的，其主要目的在于，提供可以稳健(鲁棒)且高速地进行含有人物像的图像的上下判别、抽取该图像中含有人物像的区域的新的图像中的人物候选区域抽取方法、人物候选区域抽取系统、人物候选区域抽取程序、以及人物像的上下判定方法及上下判定系统、上下判定程序。
发明内容
为了解决上述课题，第一发明的图像中的人物候选区域抽取方法，从包含人物像的图像中提取该人物像存在的区域，其特征在于，求出由构成所述图像的纵横像素列构成的纵线和横线各自的图像特征量的方差值，并且分别选择所述纵线方向和横线方向各自的图像特征量的方差值超过阈值的区域，提取所选择的各个线方向上的区域彼此重合的图像中的区域，作为所述人物存在的区域。
这样，求出由构成图像的纵向像素列构成的纵线和由横向像素列构成的横线各自的图像特征量的方差值是因为，一般该图像特征量的方差值在像拍摄证件照片那样的由相同或固定的图形构成的背景下，如后面具体叙述的那样，具有在存在人物的区域中较大、在不存在人物的背景区域等中较小的趋势。
因此，如果对在所述纵线方向和横线方向分别获得的图像特征量的方差值设定阈值，分别选择超过该阈值的区域，确定所选择的各个线方向的区域彼此重合的图像中的区域时，可以稳健(鲁棒)且高速地抽取图像中存在人物的区域。
为了解决上述课题，第二发明的图像中的人物候选区域抽取方法，从包含人物像的图像中提取该人物像存在的区域，其特征在于，判别所述图像中的人物像的上下方向，根据其判别结果使所述图像旋转，把所述人物像校正为实际的上下方向，然后求出由构成该图像的纵横像素列构成的纵线和横线各自的图像特征量的方差值，并且分别选择所述纵线方向和横线方向各自的图像特征量的方差值超过阈值的区域，提取所选择的各个线方向上的区域彼此重合的图像中的区域。
即，像第一发明那样，为了使用图像特征量的方差值稳健且高速地抽取人物像存在的区域，作为其前提，成为对象的图像的上下方向和实际的上下方向必须一致。因此，在本发明中，首先判别该图像中的人物像的上下方向，把该人物像校正为实际的上下方向，由此使人脸与原来的上下方向一致。
并且，若这样结束了人脸的位置的校正，然后与第一发明相同，求出由构成该图像的纵向像素列构成的纵线和由横向像素列构成的横线各自的图像特征量的方差值，然后对在所述纵线方向和横线方向分别获得的图像特征量的方差值设定阈值，分别选择超过该阈值的区域，确定所选择的各个线方向的区域彼此重合的图像中的区域。
因此，除与第一发明相同地可以稳健且高速地抽取图像中存在人物像的区域外，可以自动进行该图像中的人物像的上下方向的判别及其校正，所以能够更容易抽取人物像存在的区域。
第三发明的图像中的人物候选区域抽取方法，其特征在于，在第二发明所述的图像中的人物候选区域抽取方法中，所述图像中的人物像的上下方向的判别是这样进行的，在由三角或以上形状的多边形的框包围所述图像、而且该图像中所包含的人物像是以上半身或头部为中心的一部分时，求出构成该图像框的各边或各边附近的线的像素列的图像特征量的方差值，把该方差值最大的边或线附近的边侧作为底面方向。
即，在成为对象的图像中含有的人物像是以上半身或头部为中心的一部分时，通常是该人物像的一部分被图像框的任一边剪掉。
因此，可以求出构成该图像框的各边或各边附近的线的像素列的图像特征量的方差值，把该方差值最大的边或线附近的边侧视为该人物像的剪掉部分，因此把该边侧作为底面方向，由此能够可靠且容易地进行图像的人物像的上下判定。
第四发明的图像中的人物候选区域抽取方法，其特征在于，在第三发明所述的图像中的人物候选区域抽取方法中，临近地选择多个所述图像的各个线，使用关于该各个线的图像特征量的方差值的平均值。
由此，即使图像的边附近存在噪声或污垢，也能够避免因其影响造成的误检，求出针对各个边的准确的方差值。
第五发明的图像中的人物候选区域抽取方法，其特征在于，在第一～四的任一发明所述的图像中的人物候选区域抽取方法中，所述纵线和横线使用在所述图像的宽度方向和高度方向上相隔一定间隔的线。
所述图像特征量的方差值可以使用该图像的宽度方向和高度方向的所有线来计算，但如果像本发明这样使用相隔一定间隔的线，则用于获得方差值的信息处理量大幅削减，所以能够更加高速地抽取人物像存在的区域。
第六发明的图像中的人物候选区域抽取方法，其特征在于，在第一～五的任一发明所述的图像中的人物候选区域抽取方法中，所述图像特征量是根据构成所述各个线的像素列的各个像素的边缘强度或色相角中的任一方或者双方计算的。
即，图像的边缘可以使用公知的边缘检测算子高速地进行计算，且可以减轻照明的影响等，所以如果把其用作图像特征量，则可以准确且高速地计算其方差值。
另一方面，在背景和人物像的边缘强度的差异较小的情况下等，通过使用色相角，可以准确且高速地计算其方差值。
另外，采用图像的类别等、根据需要采用它们双方用作图像特征量时，可以更加准确且高速地计算其方差值。
第七发明的图像中的人物候选区域抽取方法，其特征在于，在第六发明所述的图像中的人物候选区域抽取方法中，所述边缘强度使用Sobel的边缘检测算子。
即，检测图像中的急剧的浓淡变化的最具代表性的方法是求出与浓淡相关的微分。并且，数字图像的微分可以用差分代替，所以通过对所述人脸检测框内的图像进行一次微分，可以有效检测该图像中的浓淡急剧变化的边缘部分。
并且，本发明使用检测性能良好的公知的Sobel的边缘检测算子，作为该一次微分式的边缘检测算子(滤波器)，由此能够可靠检测所述图像内的人物像的边缘。
第八发明的图像中的人物候选区域抽取系统，从包含人物像的图像中提取该人物像存在的区域，其特征在于，具有：读取所述图像的图像读取单元；图像特征量计算单元，其计算由构成通过该图像读取单元读取的图像的像素列构成的纵线和横线各自的图像特征量；方差值计算单元，其求出通过该图像特征量计算单元得到的纵线方向和横线方向各自的图像特征量的方差值；以及人物候选区域检测单元，其从通过该方差值计算单元得到的图像特征量的方差值在纵线方向和横线方向上分别超过阈值的各个线方向上的区域中检测所述人物存在的区域。
由此，与第一发明相同，可以稳健(鲁棒)且高速地抽取图像中人物像存在的区域。
并且，通过使用专用电路或计算机系统实现这些各个单元，可以自动发挥这些单元的作用和效果。
第九发明的图像中的人物候选区域抽取系统，从包含人物像的图像中提取该人物像存在的区域，其特征在于，具有：读取所述图像的图像读取单元；上下判别单元，其判别通过该图像读取单元读取的图像中的人物像的上下方向；上下校正单元，其根据该上下判别单元的结果使所述图像旋转，把所述人物像校正为实际的上下方向；图像特征量计算单元，其计算由构成通过该上下校正单元校正上下方向后的该图像的像素列构成的纵线和横线各自的图像特征量；方差值计算单元，其求出通过该图像特征量计算单元得到的纵线方向和横线方向各自的图像特征量的方差值；以及人物候选区域检测单元，其从通过该方差值计算单元得到的图像特征量的方差值在纵线方向和横线方向上分别超过阈值的各个线方向上的区域中检测所述人物存在的区域。
由此，与第二发明相同，可以稳健且高速地抽取图像中人物像存在的区域。
另外，与第八发明相同，通过使用专用电路或计算机系统实现这些各个单元，可以自动发挥这些单元的作用和效果。
第十发明的图像中的人物候选区域抽取系统，其特征在于，在第九发明所述的图像中的人物候选区域抽取系统中，判别所述图像中的人物像的上下方向的上下判别单元在由三角或以上形状的多边形的框包围所述图像、而且该图像中所包含的人物像是以上半身或头部为中心的一部分时，求出该图像的各边或各边附近的线的图像特征量的方差值，把该方差值最大的边或线附近的边侧作为底面方向。
由此，与第三发明相同，可以检测图像框的剪掉人物像的边，能够可靠且容易地进行所述图像的人物像的上下判定。
第十一发明的图像中的人物候选区域抽取系统，其特征在于，在第十发明所述的图像中的人物候选区域抽取系统中，判别所述图像中的人物像的上下方向的上下判别单元临近地选择多个所述图像的各个线，使用关于该各个线的图像特征量的方差值的平均值。
由此，与第四发明相同，即使图像的边附近存在噪声或污垢时，也能够避免因其影响造成的误检，求出针对各个边的准确的方差值。
第十二发明的图像中的人物候选区域抽取系统，其特征在于，在第九～十一的任一发明所述的图像中的人物候选区域抽取系统中，图像特征量计算单元使用在所述图像的宽度方向和高度方向上相隔一定间隔的线，作为所述纵线和横线。
由此，与第五发明相同，用于获得方差值的信息处理量大幅削减，所以能够更加高速地抽取人物像存在的区域。
第十三发明的图像中的人物候选区域抽取系统，其特征在于，在第九～十二的任一发明所述的图像中的人物候选区域抽取系统中，图像特征量计算单元根据构成所述各个线的像素列的各个像素的边缘强度或色相角中的任一方或者双方来计算所述图像特征量。
由此，与第五发明相同，能够更加准确且高速地计算图像特征量的方差值。
第十四发明的图像中的人物候选区域抽取系统，其特征在于，在第十三发明所述的图像中的人物候选区域抽取系统中，图像特征量计算单元使用Sobel的边缘检测算子，计算所述边缘强度。
由此，与第七发明相同，能够可靠地检测图像的边缘部分。
第十五发明的图像中的人物候选区域抽取程序，从包含人物像的图像中提取该人物存在的区域，其特征在于，使计算机作为以下单元而工作：图像特征量计算单元，其计算由构成所述图像的像素列构成的纵线和横线各自的图像特征量；方差值计算单元，其求出通过该图像特征量计算单元得到的纵线方向和横线方向各自的图像特征量的方差值；以及人物候选区域检测单元，其从通过该方差值计算单元得到的图像特征量的方差值在纵线方向和横线方向上分别超过阈值的各个线方向上的区域中检测所述人物存在的区域。
由此，可以获得与第一发明相同的效果，并且由于可以使用个人计算机(PC)等通用的计算机(硬件)以软件来实现其功能，所以与作成专用的装置来实现时相比，可以比较经济且容易地实现。另外，在许多情况下仅通过改写程序，即可容易实现其功能的变更、改进等的版本升级(version up)。
第十六发明的图像中的人物候选区域抽取程序，从包含人物像的图像中提取该人物存在的区域，其特征在于，使计算机作为以下单元而工作：上下判别单元，其判别所述图像中的人物像的上下方向；上下校正单元，其根据该上下判别单元的结果使所述图像旋转，把所述人物像校正为实际的上下方向；图像特征量计算单元，其计算由构成通过该上下校正单元校正上下方向后的该图像的像素列构成的纵线和横线各自的图像特征量；方差值计算单元，其求出通过该图像特征量计算单元得到的纵线方向和横线方向各自的图像特征量的方差值；以及人物候选区域检测单元，其从通过该方差值计算单元得到的图像特征量的方差值在纵线方向和横线方向上分别超过阈值的各个线方向上的区域中检测所述人物存在的区域。
由此，可以获得与第二发明相同的效果，并且与第十五发明相同，由于可以使用个人计算机(PC)等通用的计算机(硬件)以软件来实现其功能，所以与作成专用的装置来实现时相比，可以比较经济且容易地实现。另外，在许多情况下仅通过改写程序，即可容易实现其功能的变更、改进等的版本升级。
第十七发明的图像中的人物候选区域抽取程序，其特征在于，在第十六发明所述的图像中的人物候选区域抽取程序中，判别所述图像中的人物像的上下方向的上下判别单元在由三角或以上形状的多边形的框包围所述图像、而且该图像中所包含的人物像是以上半身或头部为中心的一部分时，求出该图像的各边或各边附近的线的图像特征量的方差值，把该方差值最大的边或线附近的边侧作为底面方向。
由此，可以获得第三发明相同的效果，并且与第十五发明相同，可以更加经济且容易地实现。
第十八发明的图像中的人物候选区域抽取程序，其特征在于，在第十七发明所述的图像中的人物候选区域抽取程序中，判别所述图像中的人物像的上下方向的上下判别单元临近地选择多个所述图像的各个线，使用关于该各个线的图像特征量的方差值的平均值。
由此，与第四发明相同，可以求出准确的方差值，并且与第十五发明相同，可以更加经济且容易地实现。
第十九发明的图像中的人物候选区域抽取程序，其特征在于，在第十五～十八的任一发明所述的图像中的人物候选区域抽取程序中，图像特征量计算单元使用在所述图像的宽度方向和高度方向上相隔一定间隔的线，作为所述纵线和横线。
由此，与第五发明相同，能够更加高速地抽取人物像存在的区域，并且与第十五发明相同，可以更加经济且容易地实现。
第二十发明的图像中的人物候选区域抽取程序，其特征在于，在第十五～十九的任一发明所述的图像中的人物候选区域抽取程序中，图像特征量计算单元根据构成所述各个线的像素列的各个像素的边缘强度或色相角中的任一方或者双方来计算所述图像特征量。
由此，与第六发明相同，能够更加准确且高速地计算图像特征量的方差值，并且与第十五发明相同，可以更加经济且容易地实现。
第二十一发明的图像中的人物候选区域抽取程序，其特征在于，在第二十发明所述的图像中的人物候选区域抽取程序中，图像特征量计算单元使用Sobel的边缘检测算子，计算所述边缘强度。
由此，与第七发明相同，能够可靠地检测图像的边缘部分，并且与第十五发明相同，可以更加经济且容易地实现。
第二十二发明的人物像的上下判定方法，判别在三角或以上形状的多边形的框内存在以上半身或头部为中心的人物像的图像中的该人物像的上下方向，其特征在于，求出构成所述图像的各边或各边附近的线的像素列的图像特征量的方差值，把该方差值最大的边或线附近的边侧作为底面方向。
即，如果是在三角或以上形状的多边形的框内存在以上半身或头部为中心的人物像的图像，通常该人物像的一部分被图像框的任一边剪掉。
因此，可以求出构成该图像框的各边或各边附近的线的像素列的图像特征量的方差值，把该方差值最大的边或线附近的边侧视为该人物像的剪掉部分。
因此，把该剪掉人物像的边侧作为底面方向，由此能够容易且可靠地进行人物像的上下判定。
第二十三发明的人物像的上下判定系统，判别在三角或以上形状的多边形的框内存在以上半身或头部为中心的人物像的图像中的该人物像的上下方向，其特征在于，具有：方差值计算单元，其计算构成所述图像的各边或各边附近的线的像素列的图像特征量的方差值；以及上下判别单元，其把通过该方差值计算单元得到的方差值最大的边或线附近的边侧作为底面方向。
由此，与第二十二发明相同，能够容易且可靠地进行人物像的上下判定，并且可以使用专用电路或计算机系统实现这些处理，从而能够自动进行该判定。
第二十四发明的人物像的上下判定程序，判别在三角或以上形状的多边形的框内存在以上半身或头部为中心的人物像的图像中的该人物像的上下方向，其特征在于，使计算机作为以下单元而工作：方差值计算单元，其计算构成所述图像的各边或各边附近的线的像素列的图像特征量的方差值；以及上下判别单元，其把通过该方差值计算单元得到的方差值最大的边或线附近的边侧作为底面方向。
由此，与第二十二发明相同，能够容易且可靠地进行人物像的上下判定，并且由于可以使用个人计算机(PC)等通用的计算机(硬件)以软件来实现其功能，所以与作成专用的装置来实现时相比，可以比较经济且容易地实现。另外，在许多情况下仅通过改写程序，即可容易实现其功能的变更、改进等的版本升级。
附图说明
图1是表示本发明的人物候选区域抽取系统的一实施方式的方框图。
图2是表示可以在本发明系统中使用的硬件的结构图。
图3是表示本发明的人物候选区域抽取方法的处理流程的流程图。
图4是表示作为人物候选区域抽取对象的图像的一例的图。
图5是表示Sobel算子的图。
图6是表示垂直和水平方向的每个线的图像特征量方差值的变化的图。
图7是表示方差值超过阈值的区域彼此重合的状态的概念图。
具体实施方式
以下，参照附图具体说明实施本发明用的优选方式。
图1表示本发明的图像中的人物候选区域抽取系统100的一实施方式。
如图所示，该人物候选区域抽取系统100主要由以下部分构成：图像读取单元10，其读取成为人物候选区域抽取的对象的图像G；上下判别单元11，其判别通过该图像读取单元10读取的图像G中的人物像的上下方向；上下校正单元12，其根据该上下判别单元11的结果，把该人物像校正为实际的上下方向；图像特征量计算单元13，其计算通过该上下校正单元12校正上下方向后的图像G的图像特征量；方差值计算单元14，其求出通过该图像特征量计算单元13得到的图像特征量的方差值；以及人物候选区域检测单元15，其根据通过该方差值计算单元14得到的图像特征量的方差值，检测人物存在的区域。
首先，图像读取单元10提供以下功能：使用CCD(Charge CoupledDevice：电荷耦合元件)、CMOS(Complementary Metal OxideSemiconductor，互补金属氧化物半导体)等摄像传感器，读取图像G作为由R(红)、G(绿)、B(蓝)各自的像素数据构成的数字图像数据，该图像G像护照或驾照等身份证件用照片或部分的快拍照片等那样，在背景一样或者没有复杂变化的矩形状框(缘)内含有以上半身或头部为中心的人物像。
具体讲，是数字照相机或数字摄像机等的CCD、CMOS照相机或光导照相机、图像扫描仪、滚筒扫描仪等，提供以下功能，对被所述摄像传感器以光学方式读入的人脸图像G进行A/D转换，把其数字图像数据依次发送给上下判别单元11。
另外，该图像读取单元10具有数据保存功能，可以把读入的人脸图像数据适当保存在硬盘驱动装置(HDD)等存储装置或DVD-ROM等存储介质等中。并且，在把图像G作为数字图像数据通过网络和存储介质等提供时，不需要该图像读取单元10，或者作为DCE(Data CircuitTerminating Equipment，数据电路终接设备)或CCU(CommunicationControl Unit，通信控制器)、CCP(Communication Control Processor，通信控制处理器)等的通信手段或接口(I/F)等发挥作用。
然后，上下判别单元11提供以下功能，判别在三角或以上形状的多边形的图像框内含有以上半身或头部为中心的人物像的图像G的上下方向，检测该人物像欠缺的图像框的一边，把该边作为底面方向，判别该图像G的上下方向。
即，例如通过图像读取单元10读取的图像G是在图4所示的矩形状图像框F内存在大致胸部以上的上半身人物像的图像时，根据由构成该图像框F的4个边f1、f2、f3、f4、或设定在其附近的4条线L1、L2、L3、L4的像素列得到的图像特征量的方差值，判别该人物像的上下方向。另外，将在后面具体叙述由构成该图像框F的各边或设定在其附近的各条线的像素列得到的图像特征量的方差值的具体计算方法等。
然后，上下校正单元12提供以下功能，根据该上下判别单元11的结果，把该人物像校正为实际的上下方向，例如在图4的示例中，使图像G整体逆时针方向旋转90°(或顺时针方向旋转270°)，以使图中左侧的边、即人物像被剪掉的一侧的边f4成为底面方向，从而把其上下方向校正得与实际的上下方向一致。
图像特征量计算单元13提供以下功能，计算构成通过所述上下校正单元12校正上下方向后的图像G的像素的图像特征量，具体讲，利用边缘计算部20或色相角计算部21，检测构成由纵横像素列组成的纵线和横线的像素列的各个像素的边缘强度或色相角中的任一方或双方，根据所检测出的值计算各个像素的图像特征量。
并且，方差值计算单元14提供求出通过该图像特征量计算单元13得到的图像特征量的方差值的功能，其具体示例将在后面叙述。
人物候选区域检测单元15提供以下功能，根据通过该方差值计算单元14得到的图像特征量的方差值，检测人物存在的区域，分别选择所述纵线方向和横线方向各自的图像特征量的方差值超过阈值的区域，抽取所选择的各个线方向的区域彼此重合的图像中的区域，作为所述人物存在的区域。
另外，构成这种本发明的人物候选区域抽取系统100的各个单元10、11、12、13、14、15等，实际上如图2所示，利用由CPU和RAM等构成的硬件、由记述了图3等所示的算法的专用计算机程序(软件)构成的个人计算机(PC)等的计算机系统来实现。
即，用于实现该人物候选区域抽取系统100的硬件如图2所示，使用由PCI(Peripheral Component Interconnect，互连外围设备)总线或ISA(Industrial Standard Architecture，工业标准结构)总线等构成的处理器总线、存储器总线、系统总线、输入输出总线等各种内外总线47，对以下部分进行总线连接而构成：负责各种控制或计算处理的作为中央计算处理装置的CPU(Central Processing Unit)40；主存储装置(Main Storage)中使用的RAM(Random Access Memory)41；作为读出专用的存储装置的ROM(Read Only Memory)42；硬盘驱动装置(HDD)或半导体存储器等的辅助存储装置(Secondary Storage)43；由监视器(LCD(液晶显示器)或CRT(阴极射线管))等构成的输出装置44；由图像扫描仪和键盘、鼠标、CCD(Charge Coupled Device)或CMOS(Complementary Metal Oxide Semiconductor)等的摄像传感器等构成的输入装置45；以及它们的输入输出接口(I/F)46等。
并且，把例如通过CD-ROM或DVD-ROM、软盘(FD)等存储介质或者通信网络(LAN、WAN、因特网等)N提供的各种控制用程序和数据安装在辅助存储装置43等中，并且根据需要把该程序和数据加载到主存储装置41上，按照加载到该主存储装置41上的程序，CPU 40驱使各种资源进行规定的控制和计算处理，把该处理结果(处理数据)通过总线47输出给输出装置44并显示，并且根据需要把该数据适当存储在由辅助存储装置43形成的数据库中，进行保存(更新)处理。
下面，使用图4～图7，说明使用了这样构成的本发明的人物候选区域抽取系统100的人物候选区域抽取方法的一例。
图3是表示与本发明的人物候选区域抽取相关的处理流程的一例的流程图。
首先，利用图像读取单元11读取作为对象的图像G，按照最初的步骤S100所示，计算构成该图像G的图像框的各边或构成各边附近的线的每个像素的图像特征量，并且计算该图像特征量的方差值。例如，利用图像读取单元11读取的图像G具有图4所示的矩形状图像框F时，由于该图像框F由4个边f1、f2、f3、f4构成，所以对分别构成这4个边f1、f2、f3、f4的各个像素、或者构成在这些各个边f1、f2、f3、f4的附近分别平行于各个边f1、f2、f3、f4延伸的线L1、L2、L3、L4的各个像素，计算基于边缘强度或色相角或者双方的图像特征量。
此处，在本发明中所说的“边缘强度”和“色相角”，与在图像处理领域中一般定义的意思相同。
即，边缘强度例如可以通过预先计算各个像素的亮度(Y)，以该亮度值为基础，使用以“Sobel边缘检测算子”等为代表的公知的一次微分型(差分型)的边缘检测算子，从而容易地算出。
图9(a)、(b)表示该“Sobel边缘检测算子”，该图(a)所示的算子(滤波器)通过调整包围关注像素的8个像素值中位于左列和右列的各3个像素值，强调横向的边缘，该图(b)所示的算子通过调整包围关注像素的8个像素值中位于上行和下列的各3个像素值，强调纵向的边缘，由此检测纵横边缘。然后，对利用这样的算子生成的结果进行平方和后，取得平方根，从而可以求出边缘的强度。另外，也可以应用“Roberts”和“Prewitt”等其他的一次微分型的边缘检测算子等，代替该“Sobel算子”。
另一方面，色相角是表示颜色差异的属性，所说“色相角”指使用“迈歇尔色相环(Munsell hue circle)”和“迈歇尔色立体(Munsell colorsolid)”等的颜色指标图，把其背景颜色作为基准时到头发颜色位置的角度。例如，根据“迈歇尔色相环”，把作为基准的背景颜色设为“兰色”时，头发的颜色是呈“黄色”和“红色”的色相角大于呈“绿色”的色相角(图像特征量大)。
并且，这样对构成各个边f1、f2、f3、f4或其附近的线L1、L2、L3、L4的各个像素计算图像特征量后，计算该各个边f1、f2、f3、f4或其附近的线L1、L2、L3、L4的图像特征量的方差值。
然后，转入步骤S102，选择各个边f1、f2、f3、f4或其附近的线L1、L2、L3、L4中所计算的图像特征量的方差值最大的，把该边或线所处的部分视为底面方向。
在图4的示例中，各个边f1、f2、f3、f4或其附近的线L1、L2、L3、L4中除去边f4或线L4以外的部分，只由一样的或变化较小的背景构成，由于人物的一部分(胸部)延伸到边f4或线L4的部分，所以边f4或线L4的图像特征量的方差值最大。结果，图中左侧的边f4或线L4侧被视为底面方向。
并且，这样判别了成为人物候选区域抽取对象的图像G的上下方向后，转入步骤S104，使该图像G按照上下方向旋转。
在图4的示例中，由于边f4或线L4侧被视为底面方向，所以使该图像G逆时针旋转90°或顺时针旋转270°，以使边f4或线L4侧朝向图中箭头所示的实际底面方向。
然后，使图像G这样旋转，使其上下方向与实际的上下方向一致后，转入步骤S106，对所有垂直线求出其图像特征量的方差值。
例如图6所示，在某图像G是由纵(图中Y方向)300像素×横(图中X方向)500像素构成时，对由在纵向(垂直)排列的300个的像素列构成的一条垂直线分别计算各自的图像特征量的方差值，然后求出合计500条垂直线的各自的方差值。
并且，这样计算所有的每个垂直线的图像特征量的方差值后，转入后面的步骤S108，对该方差值设定阈值，从图像G的左边(左框)和右边(右框)开始顺序地向内侧搜索超过阈值的垂直线，把超过阈值的区域视为人物候选区域，并且把各自的水平位置的中心作为人物候选区域的中心。
在图6的示例中，从左边(左框)和右边(右框)开始顺序地向内侧搜索，结果在点a和点b的部分超过阈值，所以在垂直方向上点a和点b之间被确定为人物候选区域，并且点a和点b之间的中点被确定为人物像的中心。
然后，这样确定了垂直方向的人物候选区域后，转入后面的步骤S110，与前面相同，此次对所有的水平线求出各自的方差值。在图6的示例中，像素在纵向(垂直)排列300个，所以对合计500条垂直线求出各自的方差值。
这样求出所有的每个水平线的方差值后，与前述步骤S108相同，对该方差值设定阈值，转入后面的步骤S112，从图像G的上边(上框)开始顺序向下方搜索超过阈值的水平线，把超过阈值的其下部区域视为人物候选区域。
在图6的示例中，从上边(上框)开始顺序向下方搜索，结果在点c的部分超过阈值，所以在水平方向上点c以下的区域被确定为人物候选区域，并且点c附近被确定为人物像的顶点即头顶部。另外，如前面所述，在该图像G中，由于该人物的一部分所在的区域一定位于底面方向，所以不需要从下边开始搜索。
然后，转入后面的步骤S114，在垂直方向和水平方向上分别确定了超过方差值的区域后，确定这些各个区域的重合区域，从而可以把该区域作为人物候选区域抽取。
在图6的示例中，如图7所示，a-b区域和c以下区域之间的重合区域被作为人物候选区域抽取。
这样，本发明利用图像特征量的方差值具有的在人物存在的区域较大、在人物不存在的背景区域等较小的趋势，判别图像的上下方向，并且分别选择其方差值超过阈值的区域，抽取所选择的各个线方向的区域彼此重合的图像中的区域作为人物候选区域，所以能够稳健(鲁棒)快速地进行图像G的上下方向的校正，并且抽取该图像G中的存在人物像的区域。
另外，在本实施方式中，说明了矩形状的图像框F的图像G的情况，但对三角形的图像框F及其以上的多边形图像框，也可以利用相同方法容易进行其上下方向的判别和人物候选区域的抽取。并且，即使对真圆形和椭圆形的图像框F，如果把其外缘部划分为相隔一定距离进行判断，则与多边形图像框F相同，可以进行其上下方向的判别和人物候选区域的抽取。
并且，阈值的具体设定方法也没有特别限定，但如图6所示，在背景部分和人物部分中观察到图像特征量的方差值具有明显差异时，如果把该阈值设定得较低，可以更加准确地抽取人物候选区域，但由于背景中也拍摄有人物以外的内容等原因而观察不到明显差异时，该阈值需要设定得更大。对于通常的阈值，认为在图像框附近的方差值上加上最大方差值的约1/4后得到的值比较合适。
并且，作为图像特征量，如果使用边缘的强度，除了可以快速计算外，还可以得到能够减轻照明的影响的效果，但在另一方面，在背景中拍摄有人物以外的内容、而且背景和人物的边缘强度的差异较小等的情况下，不适合使用边缘强度，所以这种情况下，如果使用色相角，则可以更加可靠地有助于人物候选区域的抽取。
并且，对于在上下判定中使用的线，只要各个边有1条即可进行上下判定，但考虑到图像G的噪声和污点等，也可以选择多个并使用各个线的方差值的平均值，并且在抽取人物候选区域时，除使用所有的线外，如果使用适当隔开一定间隔的一部分线，虽然准确性稍差，但相应地方差值等的计算量大幅削减，所以能够更加快速地抽取人物候选区域。
另外，在本实施方式中，在抽取人物区域之前进行图像中的人物像的上下方向的判定及其校正，但在作为对象的图像中的人物像的上下方向全部与实际的上下方向一致的情况下，当然可以省略这些判定和校正处理。
权利要求书
(按照条约第19条的修改)
1.一种人物候选区域提取方法，从包含人物像的图像中提取该人物像存在的区域，其特征在于，
包括：
读取所述图像的图像读取步骤；
上下判别步骤，判别在通过该图像读取步骤读取的图像中的人物像的上下方向；
上下校正步骤，根据该上下判别步骤的判别结果使所述图像旋转，把所述人物像校正为实际的上下方向；
图像特征量计算步骤，计算由构成通过该上下校正单元校正上下方向后的图像的纵横像素列构成的纵线和横线各自的图像特征量；
方差值计算步骤，求出通过该图像特征量计算步骤得到的纵线方向和横线方向各自的图像特征量的方差值；以及
人物候选区域提取步骤，分别选择通过该方差值计算步骤求出的所述纵线方向和横线方向各自的图像特征量的方差值超过阈值的区域，并且提取所选择的各个线方向上的区域彼此重合的图像中的区域，
所述上下判别步骤如下地进行判别，在由三角或以上形状的多边形的框包围所述图像、而且该图像中所包含的人物像是以上半身或头部为中心的一部分时，求出构成该图像框的各边或各边附近的线的各个像素列的图像特征量的方差值，把该方差值最大的边或线附近的边侧判别为底面方向。
2.根据权利要求1所述的图像中的人物候选区域提取方法，其特征在于，
所述上下判别步骤分别临近地选择多个构成图像框的各边或各边附近的线的各个像素列，使用关于该各个像素列的图像特征量的方差值的平均值来判别上下。
3.根据权利要求1或2所述的图像中的人物候选区域提取方法，其特征在于，
所述图像特征量计算步骤使用在所述图像的宽度方向和高度方向上相隔一定间隔的线，作为用于计算图像特征量的所述纵线和横线。
4.一种人物候选区域提取系统，从包含人物像的图像中提取该人物像存在的区域，其特征在于，
包括：
读取所述图像的图像读取单元；
上下判别单元，其判别由该图像读取单元读取的所述图像中的人物像的上下方向；
上下校正单元，其根据该上下判别单元的判别结果使所述图像旋转，把所述人物像校正为实际的上下方向；
图像特征量计算单元，其计算由构成通过该上下校正单元校正上下方向后的图像的纵横像素列构成的纵线和横线各自的图像特征量；
方差值计算单元，其求出通过该图像特征量计算单元得到的纵线方向和横线方向各自的图像特征量的方差值；以及
人物候选区域检测单元，其从通过该方差值计算单元求出的图像特征量的方差值在纵线方向和横线方向上分别超过阈值的各个线方向上的区域中检测所述人物存在的区域，
所述上下判别单元在由三角或以上形状的多边形的框包围所述图像、而且该图像中所包含的人物像是以上半身或头部为中心的一部分时，求出构成该图像框的各边或各边附近的线的像素列的图像特征量的方差值，把该方差值最大的边或线附近的边侧作为底面方向。
5.根据权利要求4所述的图像中的人物候选区域提取系统，其特征在于，
所述上下判别单元分别临近地选择多个构成图像框的各边或各边附近的线的各个像素列，使用关于该各个像素列的图像特征量的方差值的平均值来判别上下。
6.根据权利要求4或5所述的图像中的人物候选区域提取系统，其特征在于，
所述图像特征量计算单元使用在所述图像的宽度方向和高度方向上相隔一定间隔的线，作为用于计算图像特征量的所述纵线和横线。
7.一种人物候选区域提取程序，从包含人物像的图像中提取该人物像存在的区域，其特征在于，使计算机作为以下单元而工作：
读取所述图像的图像读取单元；
上下判别单元，其判别由该图像读取单元读取的所述图像中的人物像的上下方向；
上下校正单元，其根据该上下判别单元的判别结果使所述图像旋转，把所述人物像校正为实际的上下方向；
图像特征量计算单元，其计算由构成通过该上下校正单元校正上下方向后的图像的纵横像素列构成的纵线和横线各自的图像特征量；
方差值计算单元，其求出通过该图像特征量计算单元得到的纵线方向和横线方向各自的图像特征量的方差值；以及
人物候选区域检测单元，其从通过该方差值计算单元求出的图像特征量的方差值在纵线方向和横线方向上分别超过阈值的各个线方向上的区域中检测所述人物存在的区域，并且，
使所述上下判别单元在由三角或以上形状的多边形的框包围所述图像、而且该图像中所包含的人物像是以上半身或头部为中心的一部分时，求出构成该图像框的各边或各边附近的线的像素列的图像特征量的方差值，把该方差值最大的边或线附近的边侧作为底面方向。
8.根据权利要求7所述的图像中的人物候选区域提取程序，其特征在于，
使所述上下判别单元以如下方式工作：分别临近地选择多个构成所述图像框的各边或各边附近的线的各个像素列，使用关于该各个像素列的图像特征量的方差值的平均值来判别上下。
9.根据权利要求7或8所述的图像中的人物候选区域提取程序，其特征在于，
使所述图像特征量计算单元以如下方式工作：使用在所述图像的宽度方向和高度方向上相隔一定间隔的线，作为用于计算图像特征量的所述纵线和横线。

Claims (15)

1.一种图像中的人物候选区域提取方法，从包含人物像的图像中提取该人物像存在的区域，其特征在于，
求出由构成所述图像的纵横像素列构成的纵线和横线各自的图像特征量的方差值，并且分别选择所述纵线方向和横线方向各自的图像特征量的方差值超过阈值的区域，提取所选择的各个线方向上的区域彼此重合的图像中的区域，作为所述人物存在的区域。
2.一种图像中的人物候选区域提取方法，从包含人物像的图像中提取该人物像存在的区域，其特征在于，
判别所述图像中的人物像的上下方向，根据其判别结果使所述图像旋转，把所述人物像校正为实际的上下方向，然后求出由构成该图像的纵横像素列构成的纵线和横线各自的图像特征量的方差值，并且分别选择所述纵线方向和横线方向各自的图像特征量的方差值超过阈值的区域，提取所选择的各个线方向上的区域彼此重合的图像中的区域，作为所述人物存在的区域。
3.根据权利要求2所述的图像中的人物候选区域提取方法，其特征在于，
所述图像中的人物像的上下方向的判别是这样进行的，在由三角或以上形状的多边形的框包围所述图像、而且该图像中所包含的人物像是以上半身或头部为中心的一部分时，求出构成该图像框的各边或各边附近的线的像素列的图像特征量的方差值，把该方差值最大的边或线附近的边侧作为底面方向。
4.根据权利要求3所述的图像中的人物候选区域提取方法，其特征在于，
临近地选择多个所述图像的各个线，使用关于该各个线的图像特征量的方差值的平均值。
5.根据权利要求1～4中的任一项所述的图像中的人物候选区域提取方法，其特征在于，
所述纵线和横线使用在所述图像的宽度方向和高度方向上相隔一定间隔的线。
6.根据权利要求1～5中的任一项所述的图像中的人物候选区域提取方法，其特征在于，
所述图像特征量是根据构成所述各个线的像素列的各个像素的边缘强度或色相角中的任一方或者双方计算的。
7.根据权利要求6所述的图像中的人物候选区域提取方法，其特征在于，
所述边缘强度使用Sobel的边缘检测算子。
8.一种图像中的人物候选区域提取系统，从包含人物像的图像中提取该人物像存在的区域，其特征在于，具有：
读取所述图像的图像读取单元；
图像特征量计算单元，其计算由构成通过该图像读取单元读取的图像的像素列构成的纵线和横线各自的图像特征量；
方差值计算单元，其求出通过该图像特征量计算单元得到的纵线方向和横线方向各自的图像特征量的方差值；以及
人物候选区域检测单元，其从通过该方差值计算单元得到的图像特征量的方差值在纵线方向和横线方向上分别超过阈值的各个线方向上的区域中检测所述人物存在的区域。
9.一种图像中的人物候选区域提取系统，从包含人物像的图像中提取该人物像存在的区域，其特征在于，具有：
读取所述图像的图像读取单元；
上下判别单元，其判别通过该图像读取单元读取的图像中的人物像的上下方向；
上下校正单元，其根据该上下判别单元的结果使所述图像旋转，把所述人物像校正为实际的上下方向；
图像特征量计算单元，其计算由构成通过该上下校正单元校正上下方向后的该图像的像素列构成的纵线和横线各自的图像特征量；
方差值计算单元，其求出通过该图像特征量计算单元得到的纵线方向和横线方向各自的图像特征量的方差值；以及
人物候选区域检测单元，其从通过该方差值计算单元得到的图像特征量的方差值在纵线方向和横线方向上分别超过阈值的各个线方向上的区域中检测所述人物存在的区域。
10.根据权利要求9所述的图像中的人物候选区域提取系统，其特征在于，
判别所述图像中的人物像的上下方向的上下判别单元在由三角或以上形状的多边形的框包围所述图像、而且该图像中所包含的人物像是以上半身或头部为中心的一部分时，求出该图像的各边或各边附近的线的图像特征量的方差值，把该方差值最大的边或线附近的边侧作为底面方向。
11.一种图像中的人物候选区域提取程序，从包含人物像的图像中提取该人物存在的区域，其特征在于，使计算机作为以下单元而工作：
上下判别单元，其判别所述图像中的人物像的上下方向；
上下校正单元，其根据该上下判别单元的结果使所述图像旋转，把所述人物像校正为实际的上下方向；
图像特征量计算单元，其计算由构成通过该上下校正单元校正上下方向后的该图像的像素列构成的纵线和横线各自的图像特征量；
方差值计算单元，其求出通过该图像特征量计算单元得到的纵线方向和横线方向各自的图像特征量的方差值；以及
人物候选区域检测单元，其从通过该方差值计算单元得到的图像特征量的方差值在纵线方向和横线方向上分别超过阈值的各个线方向上的区域中检测所述人物存在的区域。
12.根据权利要求11所述的图像中的人物候选区域提取程序，其特征在于，
判别所述图像中的人物像的上下方向的上下判别单元在由三角或以上形状的多边形的框包围所述图像、而且该图像中所包含的人物像是以上半身或头部为中心的一部分时，求出该图像的各边或各边附近的线的图像特征量的方差值，把该方差值最大的边或线附近的边侧作为底面方向。
13.一种人物像的上下判定方法，判别在三角或以上形状的多边形的框内存在以上半身或头部为中心的人物像的图像中的该人物像的上下方向，其特征在于，
求出构成所述图像的各边或各边附近的线的像素列的图像特征量的方差值，把该方差值最大的边或线附近的边侧作为底面方向。
14.一种人物像的上下判定系统，判别在三角或以上形状的多边形的框内存在以上半身或头部为中心的人物像的图像中的该人物像的上下方向，其特征在于，具有：
方差值计算单元，其计算构成所述图像的各边或各边附近的线的像素列的图像特征量的方差值；以及
上下判别单元，其把通过该方差值计算单元得到的方差值最大的边或线附近的边侧作为底面方向。
15.一种人物像的上下判定程序，判别在三角或以上形状的多边形的框内存在以上半身或头部为中心的人物像的图像中的该人物像的上下方向，其特征在于，使计算机作为以下单元而工作：
方差值计算单元，其计算构成所述图像的各边或各边附近的线的像素列的图像特征量的方差值；以及
上下判别单元，其把通过该方差值计算单元得到的方差值最大的边或线附近的边侧作为底面方向。
CNA2005800031263A 2004-01-27 2005-01-27 图像中的人物候选区域抽取方法及人物候选区域抽取系统、人物候选区域抽取程序、以及人物像的上下判定方法、上下判定系统、上下判定程序 Pending CN1910613A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2004018376A JP3714350B2 (ja) 2004-01-27 2004-01-27 画像中の人物候補領域抽出方法及び人物候補領域抽出システム並びに人物候補領域抽出プログラム
JP018376/2004 2004-01-27

Publications (1)

Publication Number Publication Date
CN1910613A true CN1910613A (zh) 2007-02-07

Family

ID=34805567

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2005800031263A Pending CN1910613A (zh) 2004-01-27 2005-01-27 图像中的人物候选区域抽取方法及人物候选区域抽取系统、人物候选区域抽取程序、以及人物像的上下判定方法、上下判定系统、上下判定程序

Country Status (6)

Country Link
US (1) US20050196044A1 (zh)
EP (1) EP1710747A4 (zh)
JP (1) JP3714350B2 (zh)
KR (1) KR20060129332A (zh)
CN (1) CN1910613A (zh)
WO (1) WO2005071611A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7995106B2 (en) 2007-03-05 2011-08-09 Fujifilm Corporation Imaging apparatus with human extraction and voice analysis and control method thereof
CN106464816A (zh) * 2014-06-18 2017-02-22 佳能株式会社 图像处理设备及其图像处理方法

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8345918B2 (en) * 2004-04-14 2013-01-01 L-3 Communications Corporation Active subject privacy imaging
US7386150B2 (en) * 2004-11-12 2008-06-10 Safeview, Inc. Active subject imaging with body identification
JP4992212B2 (ja) * 2005-09-06 2012-08-08 ソニー株式会社 画像処理装置、画像判定方法及びプログラム
JP2007101573A (ja) * 2005-09-30 2007-04-19 Fujifilm Corp プリント注文受付装置
WO2007122554A2 (en) * 2006-04-21 2007-11-01 Koninklijke Philips Electronics N.V. Picture enhancing increasing precision smooth profiles
CN101937563B (zh) * 2009-07-03 2012-05-30 深圳泰山在线科技有限公司 一种目标检测方法和设备及其使用的图像采集装置
KR101636370B1 (ko) 2009-11-10 2016-07-05 삼성전자주식회사 영상 처리 장치 및 방법
CN101894272B (zh) * 2010-08-10 2012-06-20 福州展旭电子有限公司 两凝胶图像间的蛋白质点自动匹配方法
CN102375988B (zh) * 2010-08-17 2013-12-25 富士通株式会社 文件图像处理方法和设备
CN102831425B (zh) * 2012-08-29 2014-12-17 东南大学 一种人脸图像快速特征提取方法
JP6265640B2 (ja) * 2013-07-18 2018-01-24 キヤノン株式会社 画像処理装置、撮像装置、画像処理方法及びプログラム
JP6017005B2 (ja) * 2015-11-04 2016-10-26 キヤノン株式会社 画像検索装置、画像検索方法及びプログラム
US10963063B2 (en) * 2015-12-18 2021-03-30 Sony Corporation Information processing apparatus, information processing method, and program
US9996902B2 (en) * 2016-01-19 2018-06-12 Google Llc Image upscaling
CN105741300B (zh) * 2016-02-03 2018-07-20 浙江科澜信息技术有限公司 一种区域分割截图方法
CN105761253B (zh) * 2016-02-03 2018-07-24 浙江科澜信息技术有限公司 一种三维空间虚拟数据高清截图方法
CN112686851B (zh) * 2020-12-25 2022-02-08 合肥联宝信息技术有限公司 一种图像检测方法、装置及存储介质

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4870694A (en) * 1987-03-24 1989-09-26 Fuji Photo Film Co., Ltd. Method of determining orientation of image
US5150433A (en) * 1989-12-01 1992-09-22 Eastman Kodak Company Histogram/variance mechanism for detecting presence of an edge within block of image data
JPH08138024A (ja) * 1994-11-04 1996-05-31 Konica Corp 画像の向き判定方法
US5781665A (en) * 1995-08-28 1998-07-14 Pitney Bowes Inc. Apparatus and method for cropping an image
US6137893A (en) * 1996-10-07 2000-10-24 Cognex Corporation Machine vision calibration targets and methods of determining their location and orientation in an image
US6173087B1 (en) * 1996-11-13 2001-01-09 Sarnoff Corporation Multi-view image registration with application to mosaicing and lens distortion correction
US6055326A (en) * 1997-06-16 2000-04-25 Lockheed Martin Management Method for orienting electronic medical images
US6128397A (en) * 1997-11-21 2000-10-03 Justsystem Pittsburgh Research Center Method for finding all frontal faces in arbitrarily complex visual scenes
US6148092A (en) * 1998-01-08 2000-11-14 Sharp Laboratories Of America, Inc System for detecting skin-tone regions within an image
US6434271B1 (en) * 1998-02-06 2002-08-13 Compaq Computer Corporation Technique for locating objects within an image
JP2000048184A (ja) * 1998-05-29 2000-02-18 Canon Inc 画像処理方法及び顔領域抽出方法とその装置
AUPP400998A0 (en) * 1998-06-10 1998-07-02 Canon Kabushiki Kaisha Face detection in digital images
US6263113B1 (en) * 1998-12-11 2001-07-17 Philips Electronics North America Corp. Method for detecting a face in a digital image
FR2795206B1 (fr) * 1999-06-17 2001-08-31 Canon Kk Procede de modification d'orientation geometrique d'une image
JP2001014455A (ja) * 1999-07-01 2001-01-19 Nissha Printing Co Ltd 画像処理方法およびこれに用いる画像処理装置、記録媒体
JP2001111806A (ja) * 1999-10-05 2001-04-20 Minolta Co Ltd 画像作成装置並びに画像の上下を認識する装置及び方法
JP2001134772A (ja) * 1999-11-04 2001-05-18 Honda Motor Co Ltd 対象物認識装置
JP4778158B2 (ja) * 2001-05-31 2011-09-21 オリンパス株式会社 画像選出支援装置
AUPR541801A0 (en) * 2001-06-01 2001-06-28 Canon Kabushiki Kaisha Face detection in colour images with complex background
US6915025B2 (en) * 2001-11-27 2005-07-05 Microsoft Corporation Automatic image orientation detection based on classification of low-level image features
US7430303B2 (en) * 2002-03-29 2008-09-30 Lockheed Martin Corporation Target detection method and system
US7116823B2 (en) * 2002-07-10 2006-10-03 Northrop Grumman Corporation System and method for analyzing a contour of an image by applying a Sobel operator thereto
US7983446B2 (en) * 2003-07-18 2011-07-19 Lockheed Martin Corporation Method and apparatus for automatic object identification

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7995106B2 (en) 2007-03-05 2011-08-09 Fujifilm Corporation Imaging apparatus with human extraction and voice analysis and control method thereof
CN106464816A (zh) * 2014-06-18 2017-02-22 佳能株式会社 图像处理设备及其图像处理方法
CN106464816B (zh) * 2014-06-18 2021-09-21 佳能株式会社 图像处理设备、摄像设备和图像处理方法

Also Published As

Publication number Publication date
EP1710747A4 (en) 2008-07-30
EP1710747A1 (en) 2006-10-11
WO2005071611A1 (ja) 2005-08-04
JP2005215760A (ja) 2005-08-11
JP3714350B2 (ja) 2005-11-09
US20050196044A1 (en) 2005-09-08
KR20060129332A (ko) 2006-12-15

Similar Documents

Publication Publication Date Title
CN1910613A (zh) 图像中的人物候选区域抽取方法及人物候选区域抽取系统、人物候选区域抽取程序、以及人物像的上下判定方法、上下判定系统、上下判定程序
CN1278540C (zh) 降低图像噪声
CN1741039A (zh) 面部器官位置检测设备、方法及程序
CN1991865A (zh) 从复杂背景文档图像提取文本的装置、方法、程序及介质
CN103098078B (zh) 笑容检测系统及方法
CN1260680C (zh) 数字图像分段的方法和装置
CN1240024C (zh) 图像处理装置、图像处理方法
CN1798237A (zh) 图像处理方法以及装置与程序
US20020136450A1 (en) Red-eye detection based on red region detection with eye confirmation
CN1667355A (zh) 图像识别方法和图像识别装置
CN1932847A (zh) 复杂背景下彩色图像人脸检测的方法
CN1697478A (zh) 图像修正装置
CN1711559A (zh) 特征区域提取装置、特征区域提取方法和特征区域提取程序
CN1741038A (zh) 面部中央位置检测设备、方法及程序
CN1685357A (zh) 掌纹识别方法和设备
CN1716999A (zh) 图像处理方法、图像处理装置及其程序
CN1288916C (zh) 图像死点和噪声的消除方法
CN101061512A (zh) 鉴别装置、鉴别方法及程序
CN1959738A (zh) 图像处理装置、方法及其程序和存储该程序的存储介质
CN1195284C (zh) 图像处理设备
CN1658224A (zh) 一种人脸和耳特征组合识别方法
CN111209820A (zh) 人脸活体检测方法、系统、设备及可读存储介质
CN1837853A (zh) 一种遥感影像镶嵌中的拼接缝消除方法
CN100343866C (zh) 对象识别系统
CN1207673C (zh) 半色调点消除方法及其系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication