JP2001167273A - 顔面検出方法及びその装置、コンピュータ可読媒体 - Google Patents

Abstract

(57)【要約】 【解決手段】 本発明は、デジタル画像中の顔面検出に
関する。注目する全画像（１）に対しコンピュータによ
る集中的な顔面検出解析を行うよりもむしろ、その画像
に対し、肌色とおもわれる候補画素を識別するためのコ
ンピュータによる単純解析を行う。いくつかの方法で決
定されても良い、そのような色を有する画素だけにの
み、コンピュータによる集中的な顔面検出解析を行う。
好ましくは、画像は、領域（２）に分割され、それぞれ
の領域は、肌色を示す特徴に対して解析される。単純解
析は、画像の撮影に関連する照明条件に基づき、照明条
件の範囲に関連するいくつかの肌色モデルの１つを選択
して利用するのが好ましい。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、デジタルカラー画
像における画像処理に関し、特に、カラーデジタル画像
における顔面の検出に関するものである。

【０００２】カラーデジタル画像は、マルチメディアデ
ータベースに格納され、様々なコンピュータアプリケー
ションに利用されることが多くなった。多くのコンピュ
ータアプリケーションにおいては、多段階処理における
１ステップとして、可視画像中の顔面の位置を検出でき
ることが望ましい。多段階処理は、内容ベースの画像検
索や、自動金銭預け払い機（ＡＴＭ）又は防犯カメラと
共に使用される個人の識別又は照合や、あるいは人間と
計算装置との自動対話などを含むと考えられる。

【従来の技術】従来、固有顔面（eigenfaces）や、ニュ
ーラルネットワークや、クラスタリングや、特徴識別及
び肌色技法などを含む様々な顔面検出方法が知られてい
る。これらの技法はいずれも長所と短所を有している
が、それらが共通して備えている１つの特徴は非常に大
量の計算を必要とし、そのために動作速度が大変に遅い
こと、あるいは、計算は速いが、顔面を検出するのに十
分な強固さを持っていないことである。

【０００３】固有顔面（eigenfaces）又は固有ベクトル
方法は顔面の認識に特に適しており、照明のばらつきを
ある程度許容できるが、顔面の様々に異なる視点には対
処できず、また、様々な顔面特徴が隠された状態（例え
ば、サングラスをかけている場合に起こる状態）も取り
扱えない。また、スケールの相違に対し不変ではない。

【０００４】ニューラルネットワーク方式は、大量の顔
面画像及び非顔面画像に基づく訓練を利用するもので、
実現するのが比較的簡単であり、顔面特徴が隠された状
態でもある程度まで対応でき、また、照明のばらつきに
もある程度まで対応できるという利点を有する。また、
誤検出を使用してニューラルネットワークを再学習させ
ることにより、検出速度を改善することも比較的容易で
ある。しかしながら、この方式はスケールの相違に対し
不変ではなく、様々に異なる視点又は方向に対応せず、
顔面を画像上に位置決めするために集中的なプロセスを
必要とする。

【０００５】クラスタリング技法は、固有顔面方式に幾
分類似している。通常、画像に沿って画素ウインドウ
（例えば、２０×２０）を移動させ、その結果として得
られるテストパターンと、プロトタイプ顔面画像やプロ
トタイプ非顔面画像との距離をベクトルによって表現す
る。ベクトルはテストパターンと顔面モデルとの類似度
及び差を捕捉する。そこで、ベクトルが顔面又は非顔面
を表現しているかに関して分類を行うために、ニューラ
ルネットワークを訓練することができる。この方法は強
固ではあるが、異なるスケール、異なる視点又は方向に
は対応しない。また、この方法は顔面を位置決めするた
めに集中的なアプローチを必要とし、仮定上の変数に依
存する。

【０００６】特徴識別方法は、まゆ、目、鼻及び口など
の顔面特徴群又は顔面特徴群と思われるものをサーチす
ることに基づいている。検出プロセスは、顔面特徴を識
別し、それらの特徴を特徴対、部分顔面群又は顔面にな
りうるものにグループ分けすることから成る。このプロ
セスは、スケールの相違に対し相対的に不変であり、集
中的なサーチが行われず、一部の顔面特徴が隠れた状態
でも処理でき且つ様々に異なる視点及び方向も処理でき
るという利点を有する。主な欠点は、誤検出が多く起こ
りやすく、また、使用される顔面特徴検出アルゴリズム
によって性能が大きく左右されてしまうことである。

【０００７】人間の顔面を検出するために肌の色を使用
することは、Yang J及びWaibel Aによる論文（１９９５
年）「Tracking Human Faces in Real_Time」（CMU-CS-
95-210, School of Computer Science Carnegie Mellon
University）の中に記載されている。この提案は、人
間の視覚系統は様々な明るさや照明源に適応し、それ
は、人間による色の知覚が広範囲にわたる環境照明条件
の中で首尾一貫していることを示唆するものであるとい
う概念に基づいていた。従って、正確ではあるが、低次
元の色情報を保持しつつ、肌色表現から明るさを除去す
ることは可能であると考えられた。その結果、この従来
の技法においては、有彩色空間を使用した。有彩色（例
えば、ｒ及びｇ）は、ＲＧＢ値から次のように導出する
ことができる。

【０００８】 ｒ＝Ｒ／（Ｒ＋Ｇ＋Ｂ）及びｇ＝Ｇ／（Ｒ＋Ｇ＋Ｂ） これらの有彩色は、明るさがないときの「純」色として
知られている。

【０００９】この色空間を利用して、Yang及びWaibel
は、人の別と人種の別の双方を含めて、様々に異なる人
々の肌の色の分布をまとめてクラスタリングすることを
発見した。すなわち、これは、様々に異なる人々の肌の
色は、非常に近いものであり、その主な差は輝度の差で
あることを意味している。

【００１０】従来のこの方法は、何よりもまず、一連の
顔面の画像例を使用し、それらの例から手操作により肌
色領域を選択することにより、肌色分布モデルを生成し
ていた。次に、試験画像を有彩色空間に変換した。更
に、試験画像（変換後）中の各画像を肌色モデルの分布
と比較した。最後に、そのようにして検出された全ての
肌色画素を識別すると、隣接する肌色画素の領域を顔面
になりうる領域として考えることができた。

【００１１】従来のこの方法は、色の処理が個別に顔面
特徴を処理する方法よりはるかに高速で、色が方向によ
ってほとんど左右されず、顔面特徴の一部が隠された場
合でも影響を受けないという利点を有する。また、この
システムは視点やスケールの相違による影響もほぼ受け
ない。しかしながら、この方法には、照明条件の相違に
よって顔面の色表現が影響を受けるおそれがあること、
及びカメラ（例えば、デジタルカメラ又はフィルムカメ
ラ）が違えば、同じ環境で同じ人を撮影したとしても、
色値が異なってしまうことなどを含むいくつかの欠点も
ある。

【００１２】しかしながら、従来の方法の重大な欠点
は、肌色モデルがそれほど高い識別能力を持たないこと
である（すなわち、画素が肌色分布に含まれるか否かに
基づいて画素を選択する場合、多数の肌色でない画素も
誤って肌色分布に取り込まれる結果となる）。また、顔
面になりうると考えることができる肌色画素のクラスタ
又は領域の場所を確定することも難しい。

【発明が解決しようとする課題】本発明の目的は、デジ
タルカラー画像中の１つ又は複数の顔面を検出する改良
された方法を提供することである。

【課題を解決するための手段】本発明の１つの目的に従
えば、複数の画素から形成されるカラーデジタル画像中
の顔面を検出する顔面検出方法を開示し、前記顔面検出
方法は、前記画像から得られる少なくとも１つの画像撮
影条件を利用して前記画素の色の試験を行い、該画素か
ら主に肌色を有する画素を判定する判定工程と、前記判
定工程で判定された画素のみに対し更に顔面特徴解析を
実行し、主に肌色を有していない前記画素に対しては、
前記顔面特徴解析を実行しない解析工程とを備える。

【００１３】好ましくは、各画像撮影条件は、画像の撮
影時に取得される。有利な点としては、画像は、所定フ
ォーマットに従って符号化され、少なくとも１つの画像
撮影条件は、所定フォーマットに関連するメタデータと
して表現される。より好ましくは、少なくとも１つの画
像撮影条件は、画像の撮影時の照明条件を有する。

【００１４】特に、判定工程は、前記試験の前に、前記
画像を各々複数の前記画素を有する領域に分割する分割
工程とを備え、前記試験は、主に肌色である領域の１つ
を判定するために、前記領域各々内の画素に対し実行さ
れ、前記解析工程は、主に肌色であると判定される領域
のみに顔面特定解析を実行する。

【００１５】本発明の別の目的に従えば、カラーデジタ
ル画像中の顔面を検出する顔面検出方法を開示し、前記
顔面検出方法は、前記画像を各々がほぼ同色を有する複
数の領域に分割する分割工程と、上記分割工程で生成し
た前記領域の各々の色を試験して、主に肌色を有する領
域を判定する判定工程と、上記判定工程で判定した領域
のみに対し更に顔面特徴解析を実行し、前記分割工程で
生成された、主に肌色を有していない前記領域に対して
は、前記顔面特徴解析を実行しない解析工程とを備え
る。

【００１６】本発明を実行するための装置及びコンピュ
ータ可読媒体もまた、開示される。

【発明の実施の形態】図１は、各々がＲＧＢ値を有する
８３２×６２４個の画素５を有する８３２×６２４サイ
ズの典型的なカラーデジタル画像１を示している。

【００１７】本発明の実施形態１に従えば、先にYang及
びWaibelによる従来の技術に関連して説明したように画
素ごとにこの画像の肌色を考慮するのではなく、画像１
を複数の領域に分割する。この分割の例が、各領域２の
全ての画素がほぼ同色を有するということに基づく分割
が、図２に概略的に示される。

【００１８】実施形態１は、図３のフローチャートで示
されるプロセス３０を実行し、この中で、画像の領域分
割はステップ３１で実行される。次に、ステップ３２
で、画像のそれぞれの領域を（先に説明した）有彩色空
間に変換する。次のステップ３３では、ステップ３１で
確定した領域のうち、肌色を有する画素が指定の割合
（典型的には９０から９５％）を占める領域を選択す
る。これらの選択した領域は、境界ボックス又はその他
の境界指示要素によって表現すると好都合である。最後
に、ステップ３４で、重複領域の組み合わせも含めた選
択領域を更に解析（好ましくは、肌色に基づかない解
析）して、それらの選択領域が１つ以上の顔面を表現す
るか否かを判定する。

【００１９】この初期色分けは、領域ベースの任意のカ
ラー画像分割技術を使用できる。好ましくは、画像は、
１つの局所領域にわたって類似の色を有する連結画素グ
ループを探索することにより、複数の色領域に区分され
る。主要な色領域を検出し、雑音の影響を低減するた
め、非常に小さく、独立した空間グルーピングを無視し
ても良い。各初期空間領域の代表色は、その領域の平均
色値によって決定される。

【００２０】１つの色領域は任意に選択された画素から
始まり、その画素は隣接画素と比較される。色類似度閾
値Ｔを使用して、色が類似している隣接画素を追加する
ことにより、領域は広げられて行く。隣接画素のＲ、
Ｇ、Ｂ値をそれぞれＲ_p、Ｇ_p、Ｂ_pとし、且つ領域の平
均Ｒ、Ｇ、Ｂ値をＲ_m、Ｇ_m、Ｂ_mとするとき、|Ｒ_p_Ｒ_m|
＜Ｔ及び| Ｇ_p_Ｇ_m |＜Ｔ及び| Ｂ_p_Ｂ_m |＜Ｔであれ
ば、隣接画素を領域に追加する。

【００２１】領域が類似する色の隣接画素をそれ以上持
たないとき、領域は成長を停止し、初期空間グルーピン
グの１つを表現することになる。この領域の大きさが所
定閾値より小さければ、そのグルーピングは無視され
る。所定閾値以上の画素数を有する領域は、その平均色
によって表現される。

【００２２】次に、まだ、どの領域にも属していない新
たな画素を選択し、新たな色領域を始める。このプロセ
スは、画像中のあらゆる画素が初期空間グルーピングに
属するか、または小領域の一部であるとして無視される
まで続く。

【００２３】初期空間グルーピングにより、各領域がそ
の平均色で表現されるような画像の色領域分割が完了す
る。

【００２４】このようにして、画像の大部分が顔面又は
顔面の一部ではない多くの画像については、大半の画素
は明らかに顔面ではない領域又はオブジェクト（前景又
は背景などである）にグルーピングされる。従って、こ
れらの非顔面オブジェクトはその色に基づいて迅速に排
除される。

【００２５】領域が確定されたならば、ｒ値及びｇ値を
求めるために、先に挙げた式を利用してそれらの領域を
「純」有彩色空間に変換する。この色変換後、所定領域
の中にある画素の少なくとも８５％が顔面の色であると
いう規則のような許容範囲の大きい規則を使用して、更
に検討するに値する領域を選択することができる。好ま
しくは、顔面の色の試験は、原画像の性質を、例えば、
原画像はフラッシュありでまたはなしで撮影されたかを
考慮に入れる。この情報は、通常、画像源（例えば、カ
メラ）から判定できる。

【００２６】その後、それらの選択領域のみを更に試験
して、顔面特徴の有無を判定する。この試験は、領域が
顔面を構成しているか否かに関して最終的な判定を下す
試験である。この点に関して、最終試験は計算速度の上
では遅くなる傾向にあり、従って、上述の領域の排除に
よって、この低速度の方法が画像全体のうち相対的に小
さな部分にのみ適用される結果となる。これにより、処
理時間は全体として短縮される。従って、上記の方法
は、すべての画素がない場合でも、ほとんどの部分をコ
ンピュータ単純処理で実行し、肌色領域のみ複雑な処理
を実行する。

【００２７】領域が顔面を表現しているか否かを検証す
る好ましい方法は、顔面特徴を検出する手段としてのエ
ッジ検出技法に依存する。特に、目、まゆ及び口などの
顔面特徴は顔面の上に黒い棒として現われ、そのため、
黒いエッジを描く場合が多い。

【００２８】好ましい形態のエッジ検出は、エッジ検出
フィルタの使用である。これは直交する方向に働く２つ
の関数を利用する。水平の棒を検出する場合、垂直方向
には二次微分ガウス関数を使用し、水平方向にはガウス
関数を使用する。

【００２９】このようにしてエッジを確定したならば、
検出したそれぞれのエッジを検査する。検出された一対
のエッジは、いずれも、その相対的位置と大きさに従っ
て、一対の目、一対のまゆ、又は目及びそれと関連する
まゆのいずれかかから派生しており、従って、それらの
ものを示すものとわかる。同様に、１つのエッジが既に
検出された目及び／又はまゆに対して適切な位置に配置
されていれば、口から派生し、従って、口を示すもので
あるとわかる。

【００３０】このように処理を進行することにより、所
定領域が肌色から、まゆ／目を経て、口に至るまで顔面
特徴を累積し始める。顔面でありそうな所定領域に関し
て顔面特徴が多く見出されるほど、その領域が実際に顔
面である確率は高くなる。

【００３１】更に、以上説明した方法は、ほぼ肌色と同
色である背景領域を背に顔面が位置しているような状況
にも対処できる。このような状況においては、Yang及び
Waibelの方法の場合、顔面と背景との境界を検出できな
いであろう。従って、その領域全体をそれ以降の試験の
ために選択することになる。しかしながら、本発明に係
る上記実施形態の方法では、どの画素が肌色であるかに
関する決定を実行する前に、色空間全体を利用して画像
を分割する。そのため、顔面は背景から分離されやす
い。加えて、本発明の方法が顔面の方向又は顔面の一部
が隠された状態によって影響を受けないことは言うまで
もない。

【００３２】更に、本発明の方法によれば、後の段階で
偽の肯定を検査することができるので、後の試験におい
て、最終的には顔面領域であるとみなされるかもしれな
い領域が除外されることはない。

【００３３】上述した実施形態１は、原画像の性質が初
期顔面検出処理を実行する場合に考慮されても良いこと
に注意されたい。また、各実施形態は、この特徴に基づ
いて構成される。

【００３４】カメラを使用して画像が撮影される場合
で、人物を撮影するためには手動でカメラ設定（例え
ば、シャッタースピード、絞り、焦点距離等）を確立す
ること、あるいはカメラに対し上記の設定を自動的に実
行させることのいずれか一方が必要である。どちらの場
合にしても、カメラ設定は、直接、撮影される画像の状
況及び品質に影響を与える。特に、画像内の対象物の知
覚明度、色、シャープネスは、カメラ設定がどのようし
て行われたかにすべて依存する。例えば、異なるカメラ
設定で同一シーンの写真を２枚とると、異なる色及び明
度で表現される同一対象物の２つの画像を取得すること
ができる。それゆえ、（デジタル）画像に含まれる（特
に）色情報を校正する機能は、広範囲の様々な対象物検
出及び、色が強い識別特徴となる区分作業を可能にす
る。

【００３５】顔面検出は、１つの適用例であり、本発明
は、それぞれが特定照明条件で適応された顔面色識別モ
デル（ＣＤＭ）の生成が、顔面検出の精度及び信頼性の
両方を改善できることを規定している。照明条件の変化
は、実施形態１の顔面検出方法で与えられる特徴である
ようなフラッシュの使用で起こりうる。明度は、輝度及
びクロミナンスのような色特徴表現であるので、このよ
うな色特徴は、顔面検出を定量化するために使用しても
良い。

【００３６】顔面色分布モデルを使用して画像が処理さ
れる前に、顔面色分布モデルは構築されなければならな
い。これは、図５に示される方法５０に従って実行され
る。方法５０は、まず、ステップ５２で顔面を含む代表
画像である画像サンプルを取得し、この代表画像は、照
明条件の変化、つまり、輝度及びクロミナンスの変化を
示す照明条件の下で取得される。次に、ステップ５４
で、これらの画像は手動で試験され、モデル形成におけ
る処理用に肌色領域を抽出する。ステップ５４は、顔面
彩色画素のサンプルの周囲の境界ボックスを手で描くこ
とによって実行されても良い。ステップ５６で、以下の
ように、抽出された画素に対する色表現値を抽出する。
これは、各画素が少なくとも２次元ベクトルによって表
現されるように、抽出された画素を、例えば、ＣＩＥ
Ｌ*ｕ*ｖあるいはＣＩＥ Ｌ*ａ*ｂのような知覚色空間
に変換することによって実行されても良い。また、例え
ば、ＨＳＬ及びＨＳＶのような他の色空間を使用しても
良い。好ましくは、各画素が、輝度値及びクロミナンス
値の両方を含む３次元ベクトルとして表現される。

【００３７】次に、ステップ５８で、画素の色表現値
は、各画像の撮影時に得られる照明条件に従って複数の
セット（５８ａ、５８ｂ、…、５８ｎ）に分割される。
セット例としては、フラッシュ、フラッシュなし、屋
内、屋外、これらの組み合わせがある。一方、例えば、
フラッシュ動作のようなカメラから直接取得される照明
変数は、そのセットを識別し区別するために使用されて
も良い。晴れあるいは曇り、夕暮れあるいは夜明け、あ
るいは蛍光灯、白熱電球あるいはハロゲンのような人工
照明の種類のような他の照明条件も、これらの目的のた
めに使用あるいは検出されても良い。これらの詳細は、
画像撮影時に人間の手によって与えられても良い。

【００３８】次に、顔面サンプルのセット（５８ａ、５
８ｂ、…、５８ｎ）のそれぞれに対し、ステップ６０
で、顔面色画素のサンプルに最適な対応色分布モデル
（ＣＤＭ）（６０ａ、…、６０ｎ）を構築する。ＣＤＭ
は、ヒストグラム、確率密度関数、あるいはバイナリビ
ットマップであり得る。１つの実施形態では、ガウスＰ
ＤＦの混合は、当業者には周知の技術を使用するサンプ
ルデータに適し、この周知の技術は、例えば、相互確
認、ジャックナイフのいずれか一方を有する期待値最大
化（ＥＭ）アルゴリズムや、色分布モデルを最適に評価
するために使用されるブートストラップ技術がある。

【００３９】各ＣＤＭ（６０ａ、…、６０ｎ）が構築さ
れると、次に、ステップ６２に示されるように、非顔面
画に関連するように区分される色ベクトル以下で、かつ
潜在的な顔面画素として区分される色ベクトル以上の対
応確率閾値（６２ａ、…、６２ｎ）を設定することが好
ましい。加えて、顔面色確率は、以下に詳述される顔面
画像解析ステップで直接使用される。好ましい実施形態
では、ＣＤＭは知覚色空間（例えば、ＣＩＥ Ｌ*ｕ*ｖ
あるいはＣＩＥ Ｌ*ａ*ｂ）を使用して抽出される色表
現値から構築され、そして、入力画像の色フォーマッ
ト、即ち、ＲＧＢあるいはＹＵＶのいずれか一方に逆変
換される。これは、入力画像の知覚色空間への変換を必
要としない。

【００４０】種類の異なる画像撮影装置は、光学要素
（例えば、レンズ、ミラー、絞り等）の品質及びサイズ
によって異なるパフォーマンスを有するので、典型的な
ＣＤＭあるいはＣＤＭのセットは、特定撮影装置に対し
生成される。露出計を有する画像撮影装置（例えば、カ
メラ）の１操作においては、ある瞬間での露出計の読取
値での画像が必要なＣＤＭを決定するために使用され
る。このような方法においては、色モデルにより広い範
囲を持たせたり、可能なヒューマンインタフェースを介
在しないで選択することもできる。このような抑制は、
人間がフラッシュ操作を手動で選択する場合、そうでな
ければ、フラッシュの自動操作が必要とされない場合に
発生する。また、フラッシュ／屋外での上述のセット例
では、４つのＣＤＭセットが得られる。露出計を使用す
る、いわゆる、４ビット符号化では、１６モデルを提供
することができる。また、露出計の使用は、拡張再生出
力を提供し、使用される顔面サンプルには、ラボラトリ
条件及びカメラ製造時の設備が考慮された色分布モデル
を生成することを可能にする。

【００４１】実施形態２に従う画像の処理７０は、図６
に示される。ステップ７２で入力画像が提供され、ステ
ップ７４で、画像が撮影された時の照明条件が決定され
る。この決定は、カメラ（例えば、フラッシュ＋屋内、
フラッシュなし＋屋外、フラッシュなし＋屋内、フラッ
シュ＋屋外）から直接取得されるバイナリデータあるい
は、画像から提供されるあるいは所定フォーマットに従
って符号化あるいは通信された画像に伴う対応メータデ
ータに基づいても良い。一旦、照明条件が決定される
と、先に決定されたＣＤＭ（６０ａ、…、６０ｎ）を保
持するルックアップテーブル７８の列から対応あるいは
類似ＣＤＭが選択される。ステップ８０で、入力画像７
２の第１画素が選択され、ステップ８２で、画素の（Ｒ
ＧＢあるいはＹＵＶ）色成分が選択されたＣＤＭ（６０
ａ、…、６０ｎ）内に含まれているかどうかが試験され
る。

【００４２】比較ステップ８２に続く図６に示されるス
テップは、ＣＤＭが記憶されている順に依存する。好ま
しい実施形態では、ステップ６２（図５）で選択された
閾値は、バイナリマップあるいはルックアップテーブル
を構築するために使用され、このバイナリマップあるい
はルックアップテーブルでは、色ベクトルが閾値化顔面
色分布内に含まれる場合に代表色ベクトルは１で表現さ
れ、色ベクトルが閾値化色分布内に発生しない場合に代
表色ベクトルは０で表現される。一方、ＣＤＭは、閾値
化色分布の代表色ベクトルの周波数で表現しても良い
（即ち、ＣＤＭは事実上の代表色ベクトルのヒストグラ
ムである）。別の変形例は、サンプル化分布がガウスあ
るいはガウスの混合のような変数モデルによって近似さ
れる場合である。後者の場合、ＣＤＭは変数モデルの変
数（例えば、平均、共分散）で構成される。

【００４３】図６に示されるように、好ましい実施形態
に従って、ステップ８２から得られる１あるいは０値
は、ステップ８４でマップに追加される。ステップ８６
で、処理対象の画像内に未処理の画素があるかどうかを
判定し、ステップ８８で、最適な試験のために次の画素
を取得して、ステップ８２に進む。選択されたＣＤＭに
対し、すべての画素が試験された場合、ステップ９０
は、上述のステップの処理結果として、検出された肌色
画素を使用して形成されたバイナリ顔面画像マップを生
成する。

【００４４】次に、ステップ９２で、バイナリ顔面画像
マップは肌色画素の解析が実行され、ステップ９４で、
画像に対する顔面検出マップを出力する。ステップ９２
の解析は、実施形態１と類似し、好ましくは、顔面色の
考慮から独立している。

【００４５】実際には、ステップ８９０で形成されるバ
イナリ顔面マップは、顔面画素（１の画素）で周囲を囲
まれた小さい非顔面画素（０の画素）がある領域、ある
いはその逆の場合の領域を含んでいても良い。ステップ
９２に従う解析に対する１つの処理は、バイナリ顔面画
像の処理であり、この処理は、潜在的な顔面の最小サイ
ズよりも小さい領域内に含まれる任意の画素位置に０を
設定し、かつ、その画素が顔面色画素とおもわれる画素
によって周囲を囲まれる場合に任意の画素位置を０から
１に設定するためのものである。これは、最適に形成さ
れた構成要素での形態的開始及び終了動作のペアを使用
して実行されても良い。第１構成要素は、例えば、

【００４６】

【数１】

【００４７】が開始動作で使用され、このサイズ以下の
潜在的な顔面候補画素位置を除去する。第２構成要素
は、例えば、

【００４８】

【数２】

【００４９】が終了動作で使用され、潜在的な顔面候補
画素位置で任意の欠落部分を埋める。

【００５０】構成要素を使用する別の方法では、Ｈｏｕ
ｇｈ変換、あるいは肌色を有する領域内の画素数を計数
し、所定割合値に対し閾値を設定することの使用を含ん
でいる。他の方法も、これらの処理を実行するために使
用されても良い。

【００５１】図６の方法７０は、すべての可能性を見込
んだ状態で顔面が検出され、顔面が存在する入力画像内
の画素位置の顔面検出マップを出力する。

【００５２】顔面が存在するかどうかを判定するために
顔面画素とおもわれる画素の処理を行う上述のエッジ検
出方法は、方法７０から得られる顔面検出マップ９４に
対し実行されても良い。

【００５３】好ましい実施形態では、顔面色分布モデル
は、フラッシュ、フラッシュなし、屋内、屋外等の照明
条件の識別数に対し構築される。しかしながら、この技
術は、カメラから取得される変数に直接基づく任意の照
明条件の通常の場合以上に拡張されても良い。このよう
な状況内で使用されても良いカメラ変数のリストは以下
のようになる。

【００５４】i） ホワイトバランス ii） ホワイトバランスモード iii） 絞り（アイリス） iv） シャッタースピード v） オートゲインコントロール（ＡＧＣ） vi） 自動露出（ＡＥ）モード vii） ガンマ viii） 基盤（pedestal）レベル ix） 光斑補償 カメラから取得される変数は、各画像（あるいはビデオ
シーケンス）の撮影に関連するメタデータストリームか
ら取得されるのが好ましい。そのような転送プロトコル
の例には、ＩＥＥＥ１３９４（「ファイヤワイヤ」）が
含まれる。また、ＩＳＯ基準は、ＭＰＥＧ−７、ＭＰＥ
Ｇ−４、ＪＰＥＧの画像及びビデオへのメタデータの付
加方法を定義している。

【００５５】一方、図１から図３を参照して説明される
実施形態１は、ほぼ同色の領域に従って画像を分割し、
実施形態２、実施形態３では、そのように処理されな
い。

【００５６】実施形態３は、入力画像１５２を提供し、
それぞれが実施形態２のステップ７４、ステップ７６、
ステップ７８に対応するステップ１５４、ステップ１５
６、ステップ１５８に従って処理する方法５０によって
図７に示される。一旦、ステップ１５６で、最適なＣＤ
Ｍが選択されると、ステップ１６０は、１つ以上の領域
として入力画像を処理し続ける。１つの領域として、画
像全体が画素単位で処理される。一方で、入力画像は、
幾何学的に単純画素ブロック（例えば、２５×２５画
素、１０×２０画素）に分割されても良く、この単純画
素ブロックは、ラスタ順に形成され処理される。また、
実施形態１のように、領域はほぼ同色に基づいて分割さ
れる。

【００５７】ステップ１６２で、処理対象の第１領域を
選択し、ステップ１６４で第１領域の第１画素を選択す
る、ステップ１６６で、選択画素と、実施形態２のステ
ップ８２に対応する方法でＣＤＭとを比較する。色分布
モデルと選択画素が合致する場合、ステップ１６８は、
基準を満たす領域内の画素数をインクリメントする。ス
テップ１７０で、処理対象の領域となる任意の画素があ
るかどうかを判定し、任意の画素がある場合、ステップ
１７２で、次の画素を取得し、最適な試験のためにステ
ップ１６６に戻る。領域内のすべての画素が処理された
場合、ステップ１７４で、所定割合閾値と、肌色とする
領域に対して区分される画素の割合とを比較するために
処理を続ける。この割合が所定割合閾値未満である場
合、領域は非顔面領域と判定され、ステップ１７６で、
処理対象の任意の領域があるかどうかを試験するために
処理を続ける。任意の領域がある場合、ステップ１７８
で、次の領域を選択し、ステップ１６４の処理に戻る。
ここで、計数値はリセットされる。任意の領域がない場
合、方法１５０は、ステップ１８４で終了する。

【００５８】割合が所定割合閾値以上である場合、領域
は顔面領域の可能性があると判定され、ステップ１８０
で、顔面検出解析に従って領域を評価するために処理を
続ける。この解析が顔面を検出しない場合、方法１５０
は、ステップ１７６に進み、任意の別の領域を処理す
る。このステップ１８０の解析が顔面を検出する場合、
ステップ１８２で、この領域を顔面領域として登録し、
ステップ１７６に戻る。

【００５９】ステップ１８０による最適な処理の結果と
して実行されても良い解析の一例は、上述の実施形態１
に関連して説明されるエッジ検出方法である。

【００６０】上記実施形態のそれぞれは、画像内の顔面
検出が２段階処理、つまり、候補画素あるいは領域の可
能性のある画素あるいは領域を取得するための画像の第
１フィルタリングと同種の第１表現処理、第１段階を通
過した画素あるいは領域に対し動的判定を行うための解
析を超えるの第２表現として処理されても良いことを示
している。それぞれの場合において、画像の撮影に関連
する照明条件は、第１段階で実行される判定に寄与す
る。

【００６１】上述の方法は、好ましくは、一般的な汎用
コンピュータシステム１００を用いて実現され、例え
ば、図４に示したシステム１００では、図３かつ／ある
いは図５及び図６の処理は、例えば、コンピュータシス
テム１００内で実行するアプリケーションプログラムの
ようなソフトウエアとして実現される。特に、上記方法
のステップは、コンピュータによって実行されるソフト
ウエア内の命令によって実現される。このソフトウエア
は、２つの部分に分割しても良く、１つは上述のステッ
プを実行する部分、もう１つはユーザとのユーザインタ
フェースを実現する部分である。本ソフトウエアは、コ
ンピュータ可読媒体、例えば、後述の記憶装置に格納す
ると良い。本ソフトウエアは、そのコンピュータ可読媒
体からコンピュータ内にロードされ、コンピュータによ
り実行される。かかるソフトウエアやコンピュータプロ
グラムが記録されたコンピュータ可読媒体は、コンピュ
ータプログラム製品である。コンピュータでコンピュー
タプログラム製品を用いることは、本発明の実施形態に
従って顔面候補領域を検出するための特長的な装置を実
現する。

【００６２】コンピュータシステム１００は、コンピュ
ータモジュール１０１と、キーボード１０２やマウス１
０３などの入力装置と、プリンタ１１５や表示装置１１
４を含む出力装置を備える。変復調装置（モデム）１１
６は、コンピュータモジュール１０１により用いられ、
例えば、電話回線１２１や他の機能的な媒体を介して通
信ネットワーク１２０と通信する。モデム１１６は、イ
ンターネットや他のネットワークシステム、例えば、Ｌ
ＡＮ（Local Area Network）やＷＡＮ（Wide Area Netw
ork）等へのアクセスを取得するために使用され、これ
らは、入力画像源及び検出画像の出力先となり得る。

【００６３】コンピュータモジュール１０１は、典型的
には、少なくとも１つのプロセッサユニット１０５と、
例えば、半導体のメモリであるＲＡＭやＲＯＭからなる
メモリユニット１０６や、ビデオインタフェース１０７
を含む入出力（Ｉ／Ｏ）インタフェースと、キーボード
１０２やマウス１０３や（不図示）オプションとしての
ジョイスティック用の入出力（Ｉ／Ｏ）インタフェース
と、モデム１１６用のインタフェース１０８とを含んで
いる。記憶装置１０９が設けられ、典型的なハードディ
スク１１０やフロッピーディスク装置１１１を含んでい
る。磁気テープ装置（不図示）を用いてもよい。典型的
には、ＣＤ−ＲＯＭ装置１１２が不揮発性データとして
用いられる。コンピュータモジュール１０１の構成要素
１０５〜１１３は、典型的には、内部接続バス１０４を
介して、そして、当業者には周知のコンピュータシステ
ム１００の動作モードとなるような方法に従って、通信
を行う。実施形態が実現可能なコンピュータの例とし
て、ＩＢＭ−ＰＣとその互換機、ＳｕｎのＳＰＡＲＣス
テーションやその発展型機である。

【００６４】典型的には、上記好適な実施形態のアプリ
ケーションプログラムは、ハードディスク１００上に配
置され、読み取られ、プロセッサ１０５により実行され
るに際して制御される。プログラムやネットワーク１２
０から取り込まれるデータの中間記憶は、半導体メモリ
１０６を用いてハードディスク装置１１０と協同して実
現されても良い。いくつかの例では、アプリケーション
プログラムはユーザにＣＤ−ＲＯＭやフロッピーディス
ク上に符号化された形で供給され、対応する装置１１２
または１１１を介して読みとられ、または、ユーザがモ
デム１１６を介してネットワーク１２０から読みとって
もよい。更に、本ソフトウエアは、他のコンピュータ可
読媒体、例えば、磁気テープやＲＯＭまたは集積回路、
光磁気ディスク、コンピュータモジュール１０１と他の
装置間での電波や赤外線の通信チャネル、ＰＣＭＣＩＡ
カード等のコンピュータ可読カード、さらには、Ｅ−ｍ
ａｉｌ送信やＷｅｂサイト上に記録された情報を含むイ
ンターネットやイントラネット等、からロードするとこ
とができる。上述のものは、コンピュータ可読媒体の単
に例示に過ぎない。他のコンピュータ可読媒体も、本発
明の目的及び精神から逸脱することなく実施されても良
い。

【００６５】候補顔面画像及び領域に対する後処理は、
コンピュータシステム１００あるい９はそのような処理
に対する周知の構成によって実行されても良い。

【００６６】顔面候補領域を検出する本発明の方法は、
別途、図３かつ／あるいは図５及び図６に示した種々の
機能や副機能を実行する１つ以上の集積回路などの専用
ハードウエアに組み込まれていてもよい。そのような専
用ハードウエアは、グラフィックプロセッサ、デジタル
信号プロセッサ、１つ以上のマイクロプロセッサ並びに
周辺メモリを含んでいてもよい。

【００６７】［産業上の利用可能性］上記のことから、
本発明の実施形態は、自動銀行窓口装置や防犯カメラ、
さらには、人間とコンピュータ機器との間の自動対話に
用いるための、コンテントベースの画像検索、個人識別
若しくは認証などに適用可能であることが明らかであ
る。

【００６８】以上、本発明のいくつかの実施形態のみを
説明したが、請求項で定義される本発明の目的及び精神
から逸脱しない変形かつ／あるいは変更が可能である。

【図面の簡単な説明】

【図１】カラーデジタル画像の画素を概略的に表現する
図である。

【図２】実施形態１に従って、図１の画像を各々がほぼ
同色を有する複数の領域に分割した状態を示す図であ
る。

【図３】実施形態１に従う顔面検出処理を示すフローチ
ャートである。

【図４】本発明の実施形態が実行可能な汎用コンピュー
タのブロック図である。

【図５】顔面色分布モデルの生成を示すフローチャート
である。

【図６】実施形態２に従う顔面検出処理を示すフローチ
ャートである。

【図７】実施形態３に従う顔面検出処理を示すフローチ
ャートである。

フロントページの続き (72)発明者 アリソン レノン オーストラリア国 2113 ニュー サウス ウェールズ州，ノース ライド，トーマ ス ホルト ドライブ １ キヤノン イ ンフォメーション システムズ リサーチ オーストラリア プロプライエタリー リミテツド内 (72)発明者 アンドリュー ピーター ブラッドリー オーストラリア国 2113 ニュー サウス ウェールズ州，ノース ライド，トーマ ス ホルト ドライブ １ キヤノン イ ンフォメーション システムズ リサーチ オーストラリア プロプライエタリー リミテツド内 Ｆターム(参考） 5L096 AA02 BA18 CA02 CA24 EA24 FA15 GA38 GA40 GA55 9A001 HH28 HH31 KK58 LL03

Claims (65)

【特許請求の範囲】
1. 【請求項１】 カラーデジタル画像中の顔面を検出する
   顔面検出方法であって、 前記画像を各々がほぼ同色を有する複数の領域に分割す
   る分割工程と、 前記分割工程で生成された前記領域の各々の色を試験し
   て、主に肌色を有する領域を判定する判定工程と、 前記判定工程で判定された領域のみに対し更に顔面特徴
   解析を実行し、前記分割工程で生成された、主に肌色を
   有していない前記領域に対しては、前記顔面特徴解析を
   実行しない解析工程とを備えることを特徴とする顔面検
   出方法。
2. 【請求項２】 先にサンプリングされたデータを利用す
   る色分布モデルを前記判定工程において使用する工程を
   更に含むことを特徴とする請求項１に記載の顔面検出方
   法。
3. 【請求項３】 ＲＧＢ値から抽出される有彩色を前記判
   定工程において使用する工程を更に含むことを特徴とす
   る請求項１に記載の顔面検出方法。
4. 【請求項４】 前記画像は、カメラから得られることを
   特徴とする請求項１に記載の顔面検出方法。
5. 【請求項５】 前記画像は、フラッシュを使用して撮影
   された画像及びフラッシュを使用せずに撮影された画像
   を含む画像群から選択されることを特徴とする請求項４
   に記載の顔面検出方法。
6. 【請求項６】 前記解析工程の前記顔面特徴解析は、顔
   面の色から独立していることを特徴とする請求項１に記
   載の顔面検出方法。
7. 【請求項７】 前記顔面特徴解析は、エッジ検出を含む
   ことを特徴とする請求項５に記載の顔面検出方法。
8. 【請求項８】 前記エッジ検出は、検出対象のエッジに
   対しほぼ直交する第１方向で二次微分ガウス関数を有
   し、前記第１方向に対しほぼ直交する第２方向でガウス
   関数を有するエッジ検出フィルタを利用することを特徴
   とする請求項７に記載の顔面検出方法。
9. 【請求項９】 前記顔面特徴解析は、検出されたエッジ
   の空間的関係を利用して実行されることを特徴とする請
   求項７又は８に記載の顔面検出方法。
10. 【請求項１０】 前記分割工程は、画素群の平均色を判
    定し、前記画素群の平均色と、該画素群の隣接画素群の
    平均色との色差を判定し、前記色差が所定閾値より小さ
    い場合、前記隣接画素群に該画素群を追加することによ
    り領域を成長させることを含むことを特徴とする請求項
    １に記載の顔面検出方法。
11. 【請求項１１】 カラーデジタル画像中の顔面を検出す
    る顔面検出装置であって、 前記画像を各々がほぼ同色を有する複数の領域に分割す
    る分割手段と、 前記分割手段に接続され、主に肌色を有する前記領域を
    判定する色検出手段と、 前記色検出手段に接続され、前記主に肌色を有する領域
    のみに顔面特徴解析を実行する解析手段とを備えること
    を特徴とする顔面検出装置。
12. 【請求項１２】 前記色検出手段は、色分布モデルと、
    前記色分布モデルで使うために先にサンプリングされた
    データを記憶する記憶手段とを含むことを特徴とする請
    求項１１に記載の顔面検出装置。
13. 【請求項１３】 前記画像のＲＧＢ値から有彩色値を抽
    出する有彩色算出手段を含むことを特徴とする請求項１
    ２に記載の顔面検出装置。
14. 【請求項１４】 前記画像は、カメラから得られること
    を特徴とする請求項１１に記載の顔面検出装置。
15. 【請求項１５】 前記画像は、フラッシュを使用して撮
    影された画像及びフラッシュを使用せずに撮影された画
    像を含む画像群から選択されることを特徴とする請求項
    １１に記載の顔面検出装置。
16. 【請求項１６】 前記解析手段による前記顔面特徴解析
    は、顔面の色から独立していることを特徴とする請求項
    １１に記載の顔面検出装置。
17. 【請求項１７】 前記解析手段は、前記画像のエッジを
    検出するエッジ検出器を含むことを特徴とする請求項１
    １に記載の顔面検出装置。
18. 【請求項１８】 前記解析手段は、検出対象の前記エッ
    ジに対しほぼ直交する第１方向で二次微分ガウス関数を
    有し、前記第１方向に対しほぼ直交する第２方向でガウ
    ス関数を有するエッジ検出フィルタを有することを特徴
    とする請求項１７に記載の顔面検出装置。
19. 【請求項１９】 前記解析手段は、検出されたエッジの
    空間的関係を判定する空間判定器を含むことを特徴とす
    る請求項１７に記載の顔面検出装置。
20. 【請求項２０】 画素群の平均色と、前記画素群の隣接
    画素群の平均色との色差を判定する累積手段と色差手段
    とを更に備え、前記色差が所定閾値より小さい場合、前
    記隣接画素群は前記累積器手段に追加され、これによ
    り、領域を成長させることを特徴とする請求項１１に記
    載の顔面検出装置。
21. 【請求項２１】 カラーデジタル画像中の顔面を検出す
    るコンピュータプログラム製品を記憶するコンピュータ
    可読媒体であって、前記コンピュータプログラムは、 前記画像を各々がほぼ同色を有する複数の領域に分割す
    る分割工程と、 前記分割工程で生成された前記領域の各々の色を試験し
    て、主に肌色を有する領域を判定する判定工程と、 前記判定工程で判定された領域のみに対し更に顔面特徴
    解析を実行し、前記分割工程で生成された主に肌色を有
    していない前記領域に対しては前記顔面特徴解析を実行
    しない解析工程と、 を実行するコンピュータ実行可能な命令シーケンスを備
    えることを特徴とするコンピュータ可読媒体。
22. 【請求項２２】 先にサンプリングされたデータを利用
    する色分布モデルを前記判定工程において使用する工程
    を更に含むことを特徴とする請求項２１に記載のコンピ
    ュータ可読媒体。
23. 【請求項２３】 ＲＧＢ値から抽出される有彩色を前記
    判定工程において使用する工程を更に含むことを特徴と
    する請求項２１に記載のコンピュータ可読媒体。
24. 【請求項２４】 前記画像は、カメラから得られること
    を特徴とする請求項２１に記載のコンピュータ可読媒
    体。
25. 【請求項２５】 前記画像は、フラッシュを使用して撮
    影された画像及びフラッシュを使用せずに撮影された画
    像を含む画像群から選択されることを特徴とする請求項
    ２１に記載のコンピュータ可読媒体。
26. 【請求項２６】 前記解析工程の前記顔面特徴解析は、
    顔面の色から独立していることを特徴とする請求項２１
    に記載のコンピュータ可読媒体。
27. 【請求項２７】 前記顔面特徴解析は、エッジ検出を含
    むことを特徴とする請求項２６に記載のコンピュータ可
    読媒体。
28. 【請求項２８】 前記エッジ検出は、検出対象のエッジ
    に対しほぼ直交する第１方向で二次微分ガウス関数を有
    し、前記第１方向に対しほぼ直交する第２方向でガウス
    関数を有するエッジ検出フィルタを利用することを特徴
    とする請求項２７に記載のコンピュータ可読媒体。
29. 【請求項２９】 前記顔面特徴解析は、検出されたエッ
    ジの空間的関係を利用して実行されることを特徴とする
    請求項２６に記載のコンピュータ可読媒体。
30. 【請求項３０】 前記分割工程は、画素群の平均色を判
    定し、前記画素群の平均色と、該画素群の隣接画素群の
    平均色との色差を判定し、前記色差が所定閾値より小さ
    い場合、前記隣接画素群を画素群に追加することにより
    領域を成長させることを含むことを特徴とする請求項２
    １に記載のコンピュータ可読媒体。
31. 【請求項３１】 複数の画素から形成されるカラーデジ
    タル画像中の顔面を検出する顔面検出方法であって、 前記画像から得られる少なくとも１つの画像撮影条件を
    利用して前記画素の色の試験を行い、該画素から主に肌
    色を有する画素を判定する判定工程と、 前記判定工程で判定された画素のみに対し更に顔面特徴
    解析を実行し、主に肌色を有していない前記画素に対し
    ては、前記顔面特徴解析を実行しない解析工程とを備え
    ることを特徴とする顔面検出方法。
32. 【請求項３２】 前記画像撮影条件は、該画像の撮影時
    に取得されることを特徴とする請求項３１に記載の顔面
    検出方法。
33. 【請求項３３】 前記画像は、所定フォーマットに従っ
    て符号化され、前記少なくとも１つの画像撮影条件は、
    前記所定フォーマットに関連するメタデータとして表現
    されることを特徴とする請求項３２に記載の顔面検出方
    法。
34. 【請求項３４】 前記少なくとも１つの画像撮影条件
    は、前記画像の撮影時の照明条件を有することを特徴と
    する請求項３１に記載の顔面検出方法。
35. 【請求項３５】 前記判定工程は、前記試験の前に、 前記画像を各々複数の前記画素を有する領域に分割する
    分割工程とを備え、 前記試験は、主に肌色である領域の１つを判定するため
    に、前記領域各々内の画素に対し実行され、前記解析工
    程は、主に肌色であると判定される領域のみに顔面特定
    解析を実行することを特徴とする請求項３１に記載の顔
    面検出方法。
36. 【請求項３６】 前記判定工程は、先にサンプリングさ
    れた顔面画像データを使用して生成された少なくとも１
    つの所定色分布モデルを利用することを特徴とする請求
    項３１に記載の顔面検出方法。
37. 【請求項３７】 前記色分布モデルは、特定画像撮影装
    置用に生成されることを特徴する請求項３６に記載の顔
    面検出方法。
38. 【請求項３８】 分割色分布モデルは、異なる前記画像
    撮影条件用に生成されることを特徴とする請求項３６に
    記載の顔面検出方法。
39. 【請求項３９】 前記少なくとも１つの画像撮影条件
    は、前記画像の撮影時の照明条件を有し、前記分割色分
    布モデルは、前記先にサンプリングされた顔面画像デー
    タの撮影時の異なる照明条件用に生成されることを特徴
    とする請求項３８に記載の顔面検出方法。
40. 【請求項４０】 前記分割色分布モデルは、フラッシュ
    を使用して撮影された画像群及びフラッシュを使用せず
    に撮影された画像群用に生成されることを特徴とする請
    求項３９に記載の顔面検出方法。
41. 【請求項４１】 前記分割色分布モデルは、屋内で撮影
    された画像群及び屋外で撮影された画像群用に生成され
    ることを特徴とする請求項３９に記載の顔面検出方法。
42. 【請求項４２】 前記色分布モデルの各々は、色表現ベ
    クトルの周波数ヒストグラムとして表現されることを特
    徴とする請求項３６に記載の顔面検出方法。
43. 【請求項４３】 前記色分布モデルの各々は、色表現ベ
    クトルの確率分布として表現されることを特徴とする請
    求項３６に記載の顔面検出方法。
44. 【請求項４４】 前記色分布モデルの各々は、色表現ベ
    クトルのバイナリマップとして表現されることを特徴と
    する請求項３６に記載の顔面検出方法。
45. 【請求項４５】 前記色表現ベクトルは、前記先にサン
    プリングされた顔面画像データにおける前記所定肌色画
    素の知覚色空間から抽出されることを特徴とする請求項
    ４２乃至請求項４４のいずれか１項に記載の顔面検出方
    法。
46. 【請求項４６】 前記色表現ベクトルは、前記先にサン
    プリングされた顔面画像データにおける前記所定肌色画
    素のＲＧＢ値から抽出される有彩色値を含むことを特徴
    とする請求項４２乃至請求項４４のいずれか１項に記載
    の顔面検出方法。
47. 【請求項４７】 前記バイナリマップは、前記先にサン
    プリングされた画像データにおいて識別される肌色画素
    の割合を有することを特徴とする請求項４４に記載の顔
    面検出方法。
48. 【請求項４８】 前記画素の１つは、該画素に対応する
    前記色表現ベクトルが前記バイナリマップ内で発生する
    場合に、肌色として区分されることを特徴とする請求項
    ４７に記載の顔面検出方法。
49. 【請求項４９】 前記画素の各々は、該画素の各々に対
    応する前記色表現ベクトルの前記周波数が所定閾値周波
    数を超える場合に、肌色として区分されることを特徴と
    する請求項４２に記載の顔面検出方法。
50. 【請求項５０】 前記画素の各々は、該画素の各々に対
    応する前記色表現ベクトルの前記確率が所定確率閾値を
    超える場合に、肌色として区分されることを特徴とする
    請求項４３に記載の顔面検出方法。
51. 【請求項５１】 前記領域は、該領域内の前記画素の総
    数の所定割合以上が肌色として区分される場合、主に肌
    色であると判定されることを特徴とする請求項４８に記
    載の顔面検出方法。
52. 【請求項５２】 前記領域は、前記画像から幾何学的に
    分割されることを特徴とする請求項３５に記載の顔面検
    出方法。
53. 【請求項５３】 前記領域は、ほぼ同色を有する画素で
    形成されることを特徴とする請求項３５に記載の顔面検
    出方法。
54. 【請求項５４】 前記領域は、色差に基づく領域成長方
    法を使用して形成されることを特徴とする請求項５３に
    記載の顔面検出方法。
55. 【請求項５５】 前記解析工程の前記顔面特徴解析は、
    顔面の色から独立していることを特徴とする請求項３５
    に記載の顔面検出方法。
56. 【請求項５６】 複数の画素から形成されるカラーデジ
    タル画像中の顔面を検出する顔面検出装置であって、 前記画像から得られる少なくとも１つの画像撮影条件を
    利用して前記画素の色の試験を行い、該画素から主に肌
    色を有する画素を判定する判定手段と、 主に肌色を有すると判定された前記画素のみに対し更に
    顔面特徴解析を実行し、主に肌色を有していない前記画
    素に対しては、前記顔面特徴解析を実行しない解析手段
    とを備えることを特徴とする顔面検出装置。
57. 【請求項５７】 前記画像撮影条件は、前記画像の撮影
    時に取得されることを特徴とする請求項５６に記載の顔
    面検出装置。
58. 【請求項５８】 前記画像は、所定フォーマットに従っ
    て符号化され、前記少なくとも１つの画像撮影条件は、
    前記所定フォーマットに関連するメタデータとして表現
    されることを特徴とする請求項５７に記載の顔面検出装
    置。
59. 【請求項５９】 前記少なくとも１つの画像撮影条件
    は、該画像の撮影時の照明条件を有することを特徴とす
    る請求項５６に記載の顔面検出装置。
60. 【請求項６０】 前記判定手段は、前記画像を各々複数
    の前記画素を有する領域に分割する分割手段とを備え、 前記判定手段は、主に肌色である領域の１つを判定する
    ために、前記領域各々内の画素を操作し、前記解析手段
    は、主に肌色であると判定される領域のみに実行される
    べき顔面特徴解析を実行することを特徴とする請求項５
    ６に記載の顔面検出装置。
61. 【請求項６１】 複数の画素から形成されるカラーデジ
    タル画像中の顔面を検出するコンピュータプログラム製
    品を記憶するコンピュータ可読媒体であって、前記コン
    ピュータプログラム製品は、 前記画像から得られる少なくとも１つの画像撮影条件を
    利用して前記画素の色の試験を行い、該画素から主に肌
    色を有する画素を判定する判定手段と、 主に肌色を有すると判定された前記画素のみに対し更に
    顔面特徴解析を実行し、主に肌色を有していない前記画
    素に対しては、前記顔面特徴解析を実行しない解析手段
    とを備えることを特徴とするコンピュータ可読媒体。
62. 【請求項６２】 前記画像撮影条件は、前記画像の撮影
    時に取得されることを特徴とする請求項６１に記載のコ
    ンピュータ可読媒体。
63. 【請求項６３】 前記画像は、所定フォーマットに従っ
    て符号化され、前記少なくとも１つの画像撮影条件は、
    前記所定フォーマットに関連するメタデータとして表現
    されることを特徴とする請求項６２に記載のコンピュー
    タ可読媒体。
64. 【請求項６４】 前記少なくとも１つの画像撮影条件
    は、前記画像の撮影時の照明条件を有することを特徴と
    する請求項６１に記載のコンピュータ可読媒体。
65. 【請求項６５】 前記判定手段は、前記画像を各々複数
    の前記画素を有する領域に分割する分割手段とを備え、 前記判定手段は、主に肌色である領域の１つを判定する
    ために、前記領域各々内の画素を操作し、前記解析手段
    は、主に肌色であると判定される領域のみに実行される
    べき顔面特徴解析を実行することを特徴とする請求項６
    １に記載のコンピュータ可読媒体。