JP2002183731A

JP2002183731A - 画像内の人間の目、顔及び他の対象物を検出する画像処理方法及びその装置

Info

Publication number: JP2002183731A
Application number: JP2001282283A
Authority: JP
Inventors: Xinwu Chen; シンウ・チェン; Xin Ji; シン・ジー
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2000-09-15
Filing date: 2001-09-17
Publication date: 2002-06-28
Also published as: EP1211640A3; US7103218B2; EP1211640A2; US6965684B2; US20060018517A1; US20020081032A1

Abstract

(57)【要約】【課題】画像中の人間の顔を検出するための方法、装
置、及びシステムを開示する。【解決手段】本発明の方法は、前記画像中の画素のサ
ブセットについて、前記画像の前記階調分布から第１の
変数を導出するステップと、前記画素のサブセットにつ
いて、前記対象物の特性を示す事前設定された基準分布
から第２の変数を導出するステップと、画素のサブセッ
トにわたって、前記第１の変数と前記第２の変数との対
応を評価するステップと、評価ステップの結果に基づい
て、前記画像が前記対象物を含んでいるか否かを判定す
るステップとを含む。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、画像中の人間の顔
を判定するための画像処理方法、装置、及びシステム、
ならびに記憶媒体に関する。

【０００２】

【従来の技術】所与の画像の特徴領域を検出又は抽出す
るための画像処理方法は非常に有用である。例えば、こ
れは、所与の画像中の人間の顔（複数も可）を判定する
ために使用することができる。又、画像、特に複合背景
を有する画像中の人間の顔を判定するために非常に有用
である。このような方法は、通信会議、人間とマシンと
のインタフェース、セキュリティ検査、人間の顔を追跡
するためのモニタ・システム、画像圧縮などの多くの分
野で使用することができる。

【０００３】人間（大人でも子供でも）が複合背景を有
する画像中の人間の顔を識別することは容易である。し
かし、自動的かつ迅速に画像中の人間の顔（複数も可）
を検出するための効率のよい方法はまったく見つかって
いない。

【０００４】ある画像中の一領域又は副画像が人間の顔
を含んでいるか否かを判定することは、人間の顔の検出
において重要なステップである。現在のところ、人間の
顔を検出するための方法は多数存在する。例えば、いく
つかの顕著な特徴（２つの目、口、鼻など）とその顕著
な特徴間の固有の幾何学的位置関係とを利用するか、又
は人間の顔の対称的特徴、人間の顔の顔色の特徴、テン
プレート・マッチング、ニューラル・ネットワーク方法
などを利用することによって、人間の顔を検出すること
ができる。

【０００５】例えば、１９９６年発行の５ｔｈＩＥＥ
ＥＩｎｔｅｒｎａｔｉｏｎａｌＷｏｒｋｓｈｏｐｏ
ｎＲｏｂｏｔａｎｄＨｕｍａｎＣｏｍｍｕｎｉ
ｃａｔｉｏｎの３４１〜３４６ページに掲載されたＨａ
ｉｙｕａｎＷｕの「ＦａｃｅＤｅｔｅｃｔｉｏｎ
ａｎｄＲｏｔａｔｉｏｎｓＥｓｔｉｍａｔｉｏｎ
ｕｓｉｎｇＣｏｌｏｒＩｎｆｏｒｍａｔｉｏｎ」に
は、１つの方法、すなわち人間の顔の特徴（２つの目と
口）とその特徴間の関係を使用して人間の顔を検出する
方法が示されている。この方法では、判定すべき画像領
域をまず検討して、必要な人間の顔の特徴を抽出できる
か否かを確かめる。ＹＥＳである場合、抽出した人間の
顔の特徴と既知のものとの一致度で人間の顔のモデルを
調査する。ここで、人間の顔のモデルは人間の顔の特徴
間の幾何学的関係を記述するものである。一致度が高い
場合、その画像領域は人間の顔の画像であると想定され
る。そうではない場合、その画像領域は人間の顔を含ん
でいないと判定される。しかし、この方法は調査すべき
画像の品質をあてにしすぎているので、照明条件、画像
の背景の複雑さ、人種の違いによって非常に左右され
る。特に、画像品質が不良のときに人間の顔を正確に判
定することは非常に難しい。

【０００６】人間の顔の検出に関する他の従来技術の開
示文献としては以下のものがある。

【０００７】１．１９９７年発行のＰａｔｔｅｒｎＲ
ｅｃｏｇｎｉｔｉｏｎ、第３０巻、第３号の４０３〜４
１９ページに掲載されたＪＹＨ−ＹＵＡＮＤＥＮＧ及
びＰＥＩＰＥＩＬＡＩの「Ｒｅｇｉｏｎ−Ｂａｓｅｄ
ＴｅｍｐｌａｔｅＤｅｆｏｒｍａｔｉｏｎＡｎｄ
ＭａｓｋｉｎｇＦｏｒＥｙｅ−ＦｅａｔｕｒｅＥ
ｘｔｒａｃｔｉｏｎＡｎｄＤｅｓｃｒｉｐｔｉｏ
ｎ」２．１９９７年発行のＰａｔｔｅｒｎＲｅｃｏｇｎｉ
ｔｉｏｎＬｅｔｔｅｒｓ１８の８９９〜９１２号に
掲載されたＣ．Ｋｅｒｖｒａｎｎ、Ｆ．Ｄａｖｏｉｎ
ｅ、Ｐ．Ｐｅｒｅｚ、Ｒ．Ｆｏｒｃｈｈｅｉｍｅｒ、
Ｃ．Ｌａｂｉｔの「Ｇｅｎｅｒａｌｉｚｅｄｌｉｋｅ
ｌｉｈｏｏｄｒａｔｉｏ−ｂａｓｅｄｆａｃｅｄ
ｅｔｅｃｔｉｏｎａｎｄｅｘｔｒａｃｔｉｏｎｏ
ｆｍｏｕｔｈｆｅａｔｕｒｅｓ」３．１９９９年６月発行のＩＥＥＥＴｒａｎｓａｃｔ
ｉｏｎｓＯｎＰａｔｔｅｒｎＡｎａｌｙｓｉｓ
ＡｎｄＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ、
第２１巻、第６号に掲載されたＨａｉｙｕａｎＷｕ、
ＱｉａｎＣｈｅｎ、ＭａｓａｈｉｋｏＹａｃｈｉｄ
ａの「ＦａｃｅＤｅｔｅｃｔｉｏｎＦｒｏｍＣｏｌ
ｏｒＩｍａｇｅｓＵｓｉｎｇａＦｕｚｚｙＰ
ａｔｔｅｒｎＭａｔｃｈｉｎｇＭｅｔｈｏｄ」４．１９９４年発行のＰａｔｔｅｒｎＲｅｃｏｇｎｉ
ｔｉｏｎ、第２７巻、第１号の５３〜６３ページに掲載
されたＧｕａｎｇｚｈｅｎｇＹａｎｇ及びＴｈｏｍａ
ｓＳ．Ｈｕａｎｇの「ＨｕｍａｎＦａｃｅＤｅｔ
ｅｃｔｉｏｎＩｎａＣｏｍｐｌｅｘＢａｃｋｇｒ
ｏｕｎｄ」５．１９９８年発行のＰｒｏｃｅｅｄｉｎｇｓｏｆ
ｔｈｅ１９９８ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎ
ａｌＳｙｍｐｏｓｉｕｍｏｎＣｉｒｃｕｉｔｓ
ａｎｄＳｙｓｔｅｍ、すなわち、ＩＳＣＡＳ ’９
８、第４巻の８５〜８８ページに掲載されたＫｉｎ−Ｍ
ａｎＬａｍの「ＡＦａｓｔＡｐｐｒｏａｃｈｆ
ｏｒＤｅｔｅｃｔｉｎｇＨｕｍａｎｆａｃｅｓ
ｉｎａＣｏｍｐｌｅｘＢａｃｋｇｒｏｕｎｄ」

【発明が解決しようとする課題】本発明の目的は、グレ
ーレベル（gray-level；以下階調）分布をもつ画像中の
対象物を検出するための改善された画像処理方法、装置
及び記憶媒体を提供することにある。

【０００８】本発明の他の目的は、所与の画像中の対象
物を迅速かつ効果的に検出することができる改善された
画像処理方法、装置及び記憶媒体を提供することにあ
る。

【０００９】

【課題を解決するための手段】本発明では、階調分布を
有する画像中の対象物を決定するための方法であって、
画像中の画素のサブセットについて、前記画像の階調分
布から第１の変数を導出するステップと、前記画素のサ
ブセットについて、前記対象物の特性を示す事前設定さ
れた基準分布から第２の変数を導出するステップと、前
記画素のサブセットにわたって、前記第１の変数と前記
第２の変数との対応を評価するステップと、前記評価ス
テップの結果に基づいて、前記画像が前記対象物を含ん
でいるか否かを判定するステップとを含むことを特徴と
する方法が提供される。

【００１０】更に本発明では、階調分布を有する画像中
の対象物を決定するための方法であって、ａ）画像中の
副画像を決定するステップと、ｂ）該副画像に基づい
て、画素のサブセットを選択するステップと、ｃ）前記
画像の階調分布から第１の変数を導出するステップと、
ｄ）前記画素のサブセットについて、前記対象物の特性
を示す事前設定された基準分布から第２の変数を導出す
るステップと、ｅ）前記画素のサブセットにわたって、
前記第１の変数と前記第２の変数との対応を評価するス
テップと、ｆ）前記評価ステップの結果に基づいて、前
記画像が前記対象物を含んでいるか否かを判定するステ
ップとを含む方法が提供される。

【００１１】本発明では、不均一照明などの有害で不確
実な影響を除去するように２つのベクトル場を評価する
ことによって対象物検出が行われるので、画像の品質に
関する本発明の方法の要件は低減されるが、本発明の方
法によって処理できる画像の種類は増加する。しかも、
勾配計算は比較的単純であり、その結果、検出を実行す
るために必要な時間が削減される。

【００１２】本発明の特定の一実施形態として、画像中
の１つ又は複数の特徴部位（人間の目であると予想され
る１対の暗領域など）を検出することによって、目標対
象物（人間の顔など）を検出すべき副画像を決定し、画
像中の所定の対象物（複数も可）を検出するための効果
的な方法を提供する。

【００１３】本発明の特定の一実施形態として、本発明
の方法は、２つのベクトル場間の対応がより明白である
人間の顔の検出のための環状領域などの、検出すべき画
像の一部分内の領域に、２つのベクトル場間の対応の評
価を制限するので、その結果、検出を実行するために必
要な時間を短縮しながら、対応の評価をより効果的なも
のにすることができる。

【００１４】他の実施形態として、本発明の方法は、評
価中に重みつき統計プロセスを実行し、勾配が大きい画
素（すなわち、より明白な特徴部位）の方が評価の結果
に対してより大きく寄与することができ、それにより、
検出がより効果的なものになる。

【００１５】他の実施形態として、本発明の方法は、重
みつき統計プロセスと非重みつき統計プロセスとの両方
を使用し、両方のプロセスの結果に基づいて検出すべき
画像中に対象物が含まれるか否かを判定し、その結果、
検出の正確さが増す。

【００１６】本発明の上記の目的は、又、画像中の対象
物を検出するための画像処理方法であって、画像中の矩
形領域を設定するステップと、該矩形領域を取り囲む環
状領域を設定するステップと、前記環状領域内の各画素
の階調の勾配を計算するステップと、前記環状領域内の
各画素の基準勾配を決定するステップと、前記環状領域
内の各画素の階調の勾配と各画素の基準勾配とに基づい
て、前記対象物が前記矩形内に含まれているか否かを判
定するステップとを有する画像処理方法を提供すること
によって達成される。

【００１７】更に、本発明の上記の目的は、画像中の特
徴部分を決定するための画像処理装置であって、画像中
の検出すべき矩形領域を決定するための手段と、前記矩
形領域を取り囲む環状領域を設定するための手段と、前
記環状領域内の各画素の階調の勾配を計算するための手
段と、前記環状領域内の各画素の基準勾配を計算するた
めの手段と、前記環状領域内の各画素の階調の勾配と各
画素の基準勾配に基づいて、前記対象物が前記矩形領域
内に含まれているか否かを判定するための手段とを有す
る画像処理装置を提供することによって達成される。

【００１８】更に、本発明は、階調分布をもつ画像中の
対象物を検出するためのプログラムコードが記憶されて
いる記憶媒体であって、前記プログラムコードが、前記
画像中の副画像を決定するためのコードと、前記副画像
中の画素のサブセットを選択するためのコードと、前記
画素のサブセットについて、前記画像の階調分布から第
１の変数を導出するためのコードと、前記画素のサブセ
ットについて、前記対象物の特性を示す事前設定された
基準分布から第２の変数を導出するためのコードと、前
記画素のサブセットにわたって、前記第１の変数と前記
第２の変数との対応を評価するためのコードと、前記評
価ステップの結果に基づいて、前記画像が前記対象物を
含んでいるか否かを判定するためのコードとを含むこと
を特徴とする記憶媒体を提供する。

【００１９】更に、本発明は、画像中の人間の目を検出
するための人間の目の検出方法であって、画像中の各列
の各画素の階調を読み取る読取りステップと、各列を複
数の間隔にセグメント化し、各間隔に谷領域、中間領
域、又は山領域のラベルを付けるセグメント化ステップ
と、各列の谷領域とその隣接列の谷領域とをマージし、
目候補領域を生成するマージステップと、前記目候補領
域から人間の目を決定する決定ステップとを含む方法を
提供する。

【００２０】本発明の他の目的及び特徴は、以下に示す
実施形態及び図面から明らかになるだろう。複数の図面
で同じ参照番号は、同じか又は同様の構成要素を示す。

【００２１】添付図面は、本明細書に組み込まれ、本明
細書の一部を構成するが、本発明の実施形態を例示する
ものであり、その記述と相まって本発明を説明する働き
をする。

【００２２】

【発明の実施の形態】次に、添付図面に関連して本発明
の好ましい実施形態について詳細に説明する。

【００２３】図１は、本発明の画像処理装置を使用する
画像処理システムの構成を示すブロック図である。この
システムでは、インクジェット・プリンタなどのプリン
タ１０５と、モニタ１０６がホストコンピュータ１００
に接続されている。

【００２４】ホストコンピュータ１００では、ワードプ
ロセッサ、スプレッドシート、インターネット・ブラウ
ザなどのアプリケーション・ソフトウェア・プログラム
１０１と、ＯＳ（オペレーティング・システム）１０２
と、プリントデータを生成するためにアプリケーション
・ソフトウェア・プログラム１０１によってＯＳ１０２
に対して発行され、画像の出力を指示するための様々な
描画コマンド（画像描画コマンド、テキスト描画コマン
ド、グラフィック描画コマンド）を処理するためのプリ
ンタドライバ１０３と、アプリケーション・ソフトウェ
ア・プログラム１０１によって発行された様々な描画コ
マンドを処理し、モニタ１０６でデータを表示するため
のモニタドライバ１０４が動作している。

【００２５】参照番号１１２は命令入力装置を示し、１
１３はそのデバイスドライバを示している。例えば、Ｏ
Ｓ１０２に対して様々な命令を発行するためにユーザが
モニタ１０６上に表示された様々な種類の情報を指し示
し、クリックできるようにするマウスが接続されてい
る。ただし、マウスの代わりに、トラックボール、ペ
ン、タッチパネルなどの他のポインティング・デバイ
ス、又はキーボードを接続できることに留意されたい。

【００２６】ホストコンピュータ１００は、このような
ソフトウェア・プログラムを実行できる様々な種類のハ
ードウェアとして、中央演算処理装置（ＣＰＵ）１０
８、ハード・ディスク（ＨＤ）１０７、ランダム・アク
セス・メモリ（ＲＡＭ）１０９、読取り専用メモリ（Ｒ
ＯＭ）１１０などを含む。

【００２７】図１に示す顔の検出システムの一例は、Ｉ
ＢＭ社から入手可能なＰＣ−ＡＴ互換パーソナル・コン
ピュータ内にＯＳとしてインストールされ、マイクロソ
フト社から入手可能なＷｉｎｄｏｗｓ９８と、印刷を
実施可能なインストール済みの所望のアプリケーション
・プログラム（複数も可）と、パーソナル・コンピュー
タに接続されたモニタ及びプリンタとを含むことができ
る。

【００２８】ホストコンピュータ１００では、各アプリ
ケーション・ソフトウェア・プログラム１０１が、テキ
ストデータ（文字など）、グラフィックデータ、画像デ
ータなどを使用して出力画像データを生成する。出力画
像データをプリントアウトする場合、アプリケーション
・ソフトウェア・プログラム１０１はＯＳ１０２に対し
てプリントアウト要求を送出する。このとき、アプリケ
ーション・ソフトウェア・プログラム１０１は、グラフ
ィックデータに対応するグラフィック描画コマンドと、
画像データに対応する画像描画コマンドとを含む描画コ
マンド・グループをＯＳ１０２に対して発行する。

【００２９】アプリケーション・ソフトウェア・プログ
ラム１０１から出力要求を受け取ると、ＯＳ１０２は、
出力プリンタに対応するプリンタドライバ１０３に対し
て描画コマンド・グループを発行する。プリンタドライ
バ１０３は、ＯＳ１０２から入力されたプリント要求と
描画コマンドとを処理し、プリンタ１０５用のプリント
データを生成し、そのプリントデータをプリンタ１０５
に転送する。プリンタドライバ１０３は、ＯＳ１０２か
らの描画コマンドに関する画像修正プロセスを実行し、
次に、ＲＧＢの２４ビット・ページメモリなどのメモリ
上で描画コマンドを順次ラスター化する。すべての描画
コマンドのラスター化が完了すると、プリンタドライバ
１０３は、メモリの内容を、プリンタ１０５が印刷を実
行できるデータフォーマット、例えば、ＣＭＹＫデータ
に変換し、変換したデータをプリンタ１０５に転送す
る。

【００３０】ただし、ホストコンピュータ１００は、対
象物画像を感知し、ＲＧＢ画像データを生成するデジタ
ルカメラ１１１に接続することができ、感知した画像デ
ータをＨＤ１０７にロードし記憶できることに留意され
たい。又、デジタルカメラ１１１によって感知された画
像データは、例えばＪＰＥＧによってコード化されるこ
とに留意されたい。感知した画像データは、プリンタド
ライバ１０３によってデコードされた後、画像データと
してプリンタ１０５に転送することができる。

【００３１】ホストコンピュータ１００は、画像中の人
間の顔を決定するための顔検出装置１１４を更に含む。
ＨＤ１０７（又は他のメモリ）に記憶された画像データ
は、顔検出装置１１４によって読み取られ、処理され
る。まず、人間の顔の領域の可能な位置が決定されて読
み取られ、その領域が１つ又は複数の人間の顔を含んで
いるか否かが判定される。次に、ＯＳ１０２の制御下
で、画像中で決定された人間の顔（複数も可）を含む画
像の一部分（複数も可）をプリンタ１０５又はモニタ１
０６に送ることができる。

【００３２】［顔検出装置］図２は、本発明による顔検
出装置の配置を示すブロック図である。

【００３３】本実施形態の顔検出装置１１４は、読取手
段２１０と、目領域検出装置２１８と、副画像決定装置
２１９と、環状領域設定手段２１１と、第１計算手段２
１２と、第２計算手段２１３と、判定手段２１４とを含
む。この顔検出装置１１４では、読取手段２１０が画像
読取りプロセスを実行する。ＨＤ１０７又はＲＡＭ１０
９などに記憶された画像の各画素の階調は読取手段２１
０によって読み取られる。

【００３４】［人間の顔の検出プロセス］図３は、検出
すべきオリジナル画像の一例の概略を示している。オリ
ジナル画像は人間の顔を含んでいる。オリジナル画像３
００は、デジタルカメラ、スキャナなどのデジタル装置
１１１によって人間の顔の検出システムに入力すること
ができ、オリジナル画像はＨＤ１０７又はＲＡＭ１０９
などに記憶される。

【００３５】図３を参照すると、オリジナル画像３００
内の人間の顔の輪郭の形状は一般に楕円に近く、人種、
顔色、年齢、性別には何も関係がないと言うことができ
る。人間の顔の輪郭に沿って、外接矩形領域３００Ａを
描くことができる。

【００３６】図４は、本発明の一実施形態による人間の
顔の検出プロセスを示すフローチャートである。

【００３７】図４のフローチャートと図３を参照して、
オリジナル画像に関する人間の顔の検出プロセスの説明
をする。

【００３８】＜オリジナル画像の読取り及び検出すべき
副画像（矩形領域）の決定＞図４を参照すると、人間の
顔の検出プロセスはステップＳ４０から始まる。ステッ
プＳ４１で、読取手段２１０は、検出すべきオリジナル
画像３００を読み取り、オリジナル画像３００の各画素
の階調を取得する。オリジナル画像３００が例えばＪＰ
ＥＧによって符号化されている場合、読取手段２１０
は、その画像データを読み取る前にまず復号しなければ
ならない。ステップＳ４１で、副画像決定装置２１９
は、人間の顔の検出のためにオリジナル画像３００内の
１つ又は複数の副画像（又は領域）３００Ａを決定し、
オリジナル画像３００内の副画像３００Ａの位置も決定
する。副画像３００Ａは、実質的に矩形にすることがで
き、人間の顔の画像の候補領域である。しかし、副画像
の形状は矩形に限定されず、他の適当な形状にすること
ができる。

【００３９】検出のために画像中の副画像３００Ａ（複
数も可）を決定するための本発明による方法及び装置に
ついて、以下に説明する。しかし、副画像を決定するた
めの目領域の検出方法は後述する本発明の方法に限定さ
れないことに留意されたい。むしろ、当技術分野で既知
のものなど、他の方法又はプロセスあるいはその両方を
使用して、副画像を決定することができる。

【００４０】（副画像３００Ａの決定）（目検出装置）図１２は、本発明の一実施形態による目
検出装置の配置を示すブロック図である。

【００４１】本実施形態の目検出装置２１８は、セグメ
ント手段１２０１と、マージ手段１２０２と、決定手段
１２０３とを含む。図１４Ｄ及び図１４Ｅを参照する
と、１つの画像の列Ｃ４１内の各画素の階調に基づい
て、セグメント手段１２０１によってその画像の列Ｃ４
１を複数の間隔Ｉ１−１、Ｉ１−２、…、Ｉ１−９、Ｉ
１−１０にセグメント化する。これらの間隔は、その画
素の平均階調に応じて、山領域、谷領域、中間領域の３
つのタイプに分類することができる。「山領域」「谷領
域」「中間領域」という用語については後で詳細に定義
する。次に、列Ｃ４１の谷領域を入手することができ
る。同じようにして、セグメント手段１２０１は、その
画像の他の列も３つのタイプに分類し、その谷領域をそ
れぞれ入手する。１つの画像のすべての列に３つのタイ
プのマークを付け、その谷領域を入手した後、マージ手
段１２０２は、マージプロセスを実行し、隣接列内の谷
領域をマージする。マージした谷領域を人間の目の候補
として設定する。次に、決定手段１２０３によって人間
の目を決定することができる。

【００４２】（目領域の検出）オリジナル画像に関する
人間の目の検出プロセスについて、図１３Ａのフローチ
ャートに関連して以下に説明する。図１３Ｂは、検出す
べきオリジナル画像の一例である。オリジナル画像はＨ
Ｄ１０７又はＲＡＭ１０９などの所定の領域に記憶され
ているものと想定する。

【００４３】図１３Ａを参照すると、ステップＳ１３２
では、セグメント手段１２０１によってオリジナル画像
の各列を多数の間隔にセグメント化する。図１４Ｅにお
いては、各間隔Ｉ１−１、Ｉ１−２、…、Ｉ１−９、Ｉ
１−１０の長さは可変である。例えば、間隔Ｉ１−１の
長さは間隔Ｉ１−２の長さと等しくない。複数の画素の
平均階調に基づいて、セグメント化した間隔の一部に谷
領域としてのマークを付ける。ステップＳ１３３では、
マージ手段１２０２によって隣接列内の谷領域をマージ
して、目候補領域を生成する。各列内の谷領域はそれぞ
れ異なる長さを有するので、目候補領域のサイズも互い
に異なるものになる。ステップＳ１３４では、決定手段
１２０３によって目候補領域内から人間の目領域を決定
する。その結果、画像中の人間の目に対応する領域を検
出することができる。

【００４４】（画像の各列のセグメント化）図１４Ａ
は、ステップＳ１３２で１つの画像の各列をセグメント
化するためのプロセスを示すフローチャートである。

【００４５】「谷領域」「山領域」「中間領域」という
用語は以下のように定義する。図１４Ｂは、画像の列
を示すための一例である。図１４Ｂを参照すると、読取
手段２００によってオリジナル画像の列Ｃ４１を読み取
る。図１４Ｃは、列Ｃ４１の階調分布を示している。図
１４Ｄは、複数の間隔にセグメント化された列の階調分
布である。図１４Ｄでは、参照番号Ｉ１−５、Ｉ１−
６、Ｉ１−９はセグメント化した間隔をそれぞれ示し、
各セグメント又は間隔の階調は、図１４Ｃに示す同じセ
グメント又は間隔の画素の階調の平均である。

【００４６】図１４Ｅは、図１４Ｂの画像をセグメント
化した画像である。図１４Ｅを参照すると、まず読取手
段１２００によって画像の列Ｃ４１の画像データが読み
取られる。図１４Ｂの画像の場合、列Ｃ４１を１０個の
間隔Ｉ１−１、Ｉ１−２、…、Ｉ１−９、Ｉ１−１０に
セグメント化する。１つの間隔のサイズはその間隔内の
画素の数である。例えば、間隔Ｉ１−２が１２個の画素
を含む場合、その間隔Ｉ１−２のサイズは１２になる。

【００４７】図１４Ｄ及び図１４Ｅに関しては、１つの
間隔の階調がその両方の隣接間隔の階調より小さい場
合、その間隔を谷領域と呼ぶ。１つの間隔の（平均）階
調がその両方の隣接間隔の階調より大きい場合、その間
隔を山領域と呼ぶ。これに対して、１つの間隔の階調が
その隣接間隔の階調の間にある場合、このような間隔を
中間領域と呼ぶ。

【００４８】本実施形態の列Ｃ４１に関しては、Ｉ１−
１〜Ｉ１−１０の間隔の階調はそれぞれ１９６、１８
９、１９０、１８５、２０１、１９４、２１３、１７
８、１８８、２３１である。間隔Ｉ１−６に関しては、
その階調は１９４になり、その隣接間隔Ｉ１−５及びＩ
１−７の階調はそれぞれ２０１、２１３である。間隔Ｉ
１−６の階調はその隣接間隔Ｉ１−５及びＩ１−７の階
調より小さいので、間隔Ｉ１−６を谷領域として決定す
る。同じようにして、間隔Ｉ１−２、Ｉ１−４、Ｉ１−
８も谷領域として決定する。間隔Ｉ１−５に関しては、
その階調は２０１であり、その隣接間隔の階調はそれぞ
れ１８５、１９４である。間隔Ｉ１−５の階調はその隣
接間隔Ｉ１−６及びＩ１−７の階調より大きいので、間
隔Ｉ１−５を山領域として決定する。同じようにして、
間隔Ｉ１−１、Ｉ１−３、Ｉ１−７、Ｉ１−１０も山領
域として決定する。更に、間隔Ｉ１−９に関しては、そ
の階調は１８８であり、その隣接間隔Ｉ１−８及びＩ１
−１０の階調はそれぞれ１７８、２３１である。間隔Ｉ
１−９の階調はその隣接間隔Ｉ１−８及びＩ１−１０の
階調の間にあるので、間隔Ｉ１−９を中間領域として決
定する。

【００４９】谷領域も１つの間隔なので、谷領域の階調
及びサイズを計算する方法は間隔の階調及びサイズを計
算する方法と同じである。これは、山領域又は中間領域
の階調及びサイズの計算にも当てはまることである。

【００５０】ステップＳ１３２で１つの画像のすべての
列をセグメント化するプロセスについて、図１４Ａに関
連して以下に説明する。

【００５１】図１４Ａを参照すると、ステップＳ１４１
では検出した画像の左から１番目の列の各画素の階調を
読み取る。その列を３つのタイプの間隔、すなわち、谷
領域、山領域、中間領域にセグメント化するために、セ
グメント点を決定しなければならない。

【００５２】ステップＳ１４２では、その列の画素の階
調分布の一次及び二次導関数の値に応じて、その画素が
セグメント点であるか否かを判定する。図１４Ｆは、１
つの画素が１つの列内のセグメント点であるか否かを判
定するための手順を示す図である。図１４Ｆに関して
は、２つの隣接画素Ｐｉ１及びＰｉ２が列内に示されて
いる。

【００５３】次に、任意の離散導関数演算子を使用し
て、この２つの画素Ｐｉ１、Ｐｉ２における一次及び二
次導関数を計算する。画素Ｐｉ１及びＰｉ２における一
次導関数の値がＤ１ｆ及びＤ２ｆによってそれぞれ表さ
れ、画素Ｐｉ１及びＰｉ２における二次導関数の値がＤ
１ｓ及びＤ２ｓによってそれぞれ表されると想定する
と、（Ｄ１ｓ≧０）かつ（Ｄ２ｓ＜０）（Ｄ１ｓ＜０）かつ（Ｄ２ｓ≧０）という２つの条件の
いずれかが真であり、Ｄ１ｆ及びＤ２ｆの絶対値のいず
れかが所定の値より大きく、その所定の値が６〜１５の
範囲内にあって、好ましくは８である場合、画素Ｐｉ１
をセグメント点として決定する。そうではない場合は、
画素Ｐｉ１をセグメント点として決定しない。

【００５４】このようにして、セグメント点ｓ１１、ｓ
１２、…、ｓ１９が、ステップＳ１４２で取得すること
ができる。

【００５５】１つの列内のセグメント点を決定した後、
ステップＳ１４３でその列を複数の間隔にセグメント化
することができる。次に、ステップＳ１４４で、間隔の
階調に応じてその間隔を谷領域、山領域、中間領域に分
類する。ステップＳ１４５で間隔の境界を調節する。ス
テップＳ１４５の詳細については、詳細なフローチャー
トを使用して後で説明する。ステップ１４６では、検出
した画像中のすべての列をセグメント化したか否かをチ
ェックする。セグメント化している列が検出した画像の
最後の列ではない場合、処理の流れはステップＳ１４７
に進む。ステップＳ１４７では、次の列の画素の階調を
読み取る。次に、処理の流れはステップＳ１４２に戻
り、ステップＳ１４２及び後続ステップのプロセスを繰
り返す。しかし、ステップＳ１４６でセグメント化して
いる列が検出した画像の最後の列である場合、すなわ
ち、すべての列をセグメント化した場合、処理の流れは
ステップＳ１４８で終了する。

【００５６】別法として、前述のセグメント化プロセス
は、検出した画像の右から１番目の列から始めることも
できる。

【００５７】（目候補領域を生成するための谷領域のマ
ージ）図１５Ａは、図１３ＡのステップＳ１３３で複数
列の谷領域をマージするプロセスを示すためのフローチ
ャートである。図１５Ｂは、１つの画像の複数列と、そ
の画像の各列の谷領域及びシード領域とを示す図であ
る。図１５Ｂの画像はｎ個の列Ｃｏｌ１、Ｃｏｌ２、
…、Ｃｏｌｎを有する。

【００５８】図１５Ａ及び図１５Ｂに関しては、検出し
た画像の第１の列Ｃｏｌ１（左端）内のすべての谷領域
Ｓ１、Ｓ２、Ｓ３、Ｓ４をステップＳ１５１でシード領
域として設定する。シード領域は１つ又は複数の谷領域
の集合である。谷領域の階調は山領域又は中間領域の階
調より低いので、シード領域は通常、列内の暗領域にな
る。

【００５９】図１５ＡのステップＳ１５２では、次の列
Ｃｏｌ２内の第１の谷領域Ｖ２−１を読み取る。次に、
処理の流れはステップＳ１５３に進む。ステップＳ１５
３では、第１のシード領域Ｓ１を読み出す。ステップＳ
１５４では、列Ｃｏｌ２の谷領域Ｖ２−１とシード領域
Ｓ１とに基づいて、その谷領域Ｖ２−１をシード領域Ｓ
１にマージできるか否かをチェックする。列Ｃｏｌ２の
谷領域Ｖ２−１をシード領域Ｓ１にマージできる場合、
処理の流れはステップＳ１５６に移行し、谷領域Ｖ２−
１をシード領域にマージし、その谷領域がシード領域の
一部になる。しかし、ステップＳ１５４で谷領域Ｖ２−
１をシード領域Ｓ１にマージできないと確認した場合、
処理の流れはステップＳ１５５に進む。

【００６０】この例では、列Ｃｏｌ２の谷領域Ｖ２−１
をシード領域Ｓ１にマージすることができない。処理の
流れはステップＳ１５５に進む。ステップＳ１５５で
は、そのシード領域が最後のシード領域であるか否かを
チェックする。そのシード領域が最後のシード領域では
ない場合、ステップＳ１５７で次のシード領域を読み出
し、処理の流れはステップＳ１５４に戻り、ステップＳ
１５４及び後続ステップのプロセスを繰り返す。この例
では、シード領域Ｓ１は最後のシード領域ではないの
で、ステップＳ１５７で次のシード領域Ｓ２を読み出
し、ステップＳ１５４及びＳ１５５を繰り返す。

【００６１】ステップＳ１５５でそのシード領域が最後
のシード領域であると確認した場合（例えば、図５Ｂに
示すシード領域Ｓ４）、処理の流れはステップＳ１５８
に進み、シード領域にマージできない谷領域を新しいシ
ード領域として設定する。図１５Ｂを参照すると、列Ｃ
ｏｌ２の谷領域Ｖ２−１はシード領域Ｓ１、Ｓ２、Ｓ
３、Ｓ４にマージできず、すなわち、それは既存のどの
シード領域にもマージできない谷領域なので、ステップ
Ｓ１５８で列Ｃｏｌ２の谷領域Ｖ２−１を新しいシード
領域として設定する。

【００６２】ステップＳ１５９では、列Ｃｏｌ２内のす
べての谷領域を処理したか否かをチェックする。列Ｃｏ
ｌ２内のすべての谷領域を処理した場合、処理の流れは
ステップＳ１５１１に進む。ステップＳ１５１１では、
すべての列を処理したか否かをチェックする。その列が
検出した画像の最後の列ではない場合、処理の流れはス
テップＳ１５２に戻り、ステップＳ１５４及び後続ステ
ップのプロセスを繰り返す。列Ｃｏｌ２は検出した画像
の最後の列ではないので、処理の流れはステップＳ１５
２に戻る。

【００６３】すべての列を処理した場合、すなわち、そ
の列が最後の列Ｃｏｌｎである場合、処理の流れはステ
ップＳ１５２０に進む。ステップＳ１５２０では、すべ
てのシード領域を目候補領域として設定する。次に、処
理の流れはステップＳ１５２１で終了する。図１５Ｃ
は、ステップＳ１３３で検出した画像中の列で目候補領
域を生成するために谷領域をマージした場合の結果を示
す例である。

【００６４】（目領域の決定）図１６Ａは、ステップＳ
１３４で目領域を決定するためのプロセスを示すフロー
チャートである。

【００６５】図１６Ａに関しては、ステップＳ１６１で
第１の目候補領域を読み出す。次に、処理の流れはステ
ップＳ１６２に進む。ステップＳ１６２では、目候補領
域の階調を計算する。前述の通り、１つの目候補領域は
１つ又は複数の谷領域を含む。１つの目候補領域がｎ個
の谷領域、すなわち、谷領域１、谷領域２、…、谷領域
ｎからなる場合、ステップＳ１６２で計算する目候補領
域の階調は、以下のように示される。

【００６６】 EyeGrayｌ＝（Valley1Grayｌ×pixels１＋Valley2Grayｌ×pixels２… ＋ValleynDrayｌ×pixelsｎ）／Total Pixels （１）式中、EyeGrayｌは目候補領域の階調であり、Valley1Gr
ayｌは谷領域１の階調であり、pixels１は谷領域１内の
画素の数であり、Valley2Grayｌは谷領域２の階調であ
り、pixels２は谷領域２内の画素の数であり、ValleynD
rayｌは谷領域ｎの階調であり、pixelsｎは谷領域ｎ内
の画素の数であり、Total Pixelsは目候補領域内に含ま
れる画素の総数である。

【００６７】したがって、１つの目候補領域が３つの谷
領域を含み、その階調がそれぞれ１２、２０、３０であ
り、各谷領域が５つ、６つ、４つの画素をそれぞれ有す
る場合、目候補領域の階調は（１２×５＋２０×６＋３
０×４）／１５＝２０になる。

【００６８】図１６ＡのステップＳ１６２を参照する
と、目候補領域の階調が計算される。目候補領域の階調
が第１しきい値（例えば、１６０）より小さくない場
合、処理の流れはステップＳ１６１０に進む。本実施形
態では、第１しきい値は１００〜２００の範囲内にあ
る。ステップＳ１６１０では、その目候補領域を偽の目
領域として決定し、排除する。次に、処理の流れはステ
ップＳ１６８に進む。ステップＳ１６８では、検出した
画像中のすべての目候補領域を処理したか否かをチェッ
クする。それが最後の目候補領域ではない場合、ステッ
プＳ１６９で次の目候補領域を読み出すことになり、処
理の流れはステップＳ１６２に戻り、ステップＳ１６２
及び後続ステップのプロセスを繰り返す。しかし、ステ
ップＳ１６８で目候補領域が最後の目候補領域であると
確認した場合、検出した画像中のすべての目候補領域は
決定済みであり、処理の流れはステップＳ１６１１で終
了する。

【００６９】ステップＳ１６２で、目候補領域の階調が
第１しきい値より小さい場合、処理の流れはステップＳ
１６３に進む。

【００７０】ステップＳ１６３では目候補領域の背景階
調を計算する。その目候補領域に含まれる複数の谷領域
の背景階調によって、１つの目候補領域の背景階調が決
まる。１つの谷領域の背景階調は隣接する間隔の階調の
平均階調である。ステップＳ１６３で計算する目候補領
域の背景階調は、以下のように示される。

【００７１】 EyeBGrayｌ＝（Valley1BGrayｌ＋Valley2BGrayｌ…＋ValleynBGrayｌ）／ｎ（２）式中、EyeBGrayｌは目候補領域の背景階調であり、Vall
ey1BGrayｌは谷領域１の背景階調であり、Valley1BGray
ｌは谷領域２の背景階調であり、Valley1BGrayｌは谷領
域ｎの背景階調であり、ｎは１つの目候補領域内に含ま
れる谷領域の数である。

【００７２】ステップＳ１６３では、目候補領域の背景
階調を計算する。ステップＳ１６３で目候補領域の背景
階調が第２しきい値（例えば、３０）より大きくない場
合、処理の流れはステップＳ１６１０に進む。本実施形
態の第２しきい値は２０〜８０の範囲内にある。この例
の場合、ステップＳ１６１０で目候補領域を偽の目領域
として決定し、排除する。次に、処理の流れはステップ
Ｓ１６８に進む。

【００７３】ステップＳ１６３で目候補領域の背景階調
が第２しきい値より大きい場合、処理の流れはステップ
Ｓ１６４に進む。

【００７４】ステップＳ１６４では、目候補領域の背景
階調と目候補領域の階調との差を計算する。この差が第
３しきい値（例えば、２０）より大きくない場合、処理
の流れはステップＳ１６１０に進む。本実施形態の第３
しきい値は５〜１２０の範囲内にある。ステップＳ１６
１０では、この目候補領域を偽の目領域として決定し、
拒否する。次に、処理の流れはステップＳ１６８に進
む。

【００７５】ステップＳ１６３で目候補領域の背景階調
と目候補領域の階調との差が第３しきい値より大きい場
合、処理の流れはステップＳ１６５に進む。

【００７６】ステップＳ１６５では、目候補領域の高さ
に対する幅の比を計算する。

【００７７】目候補領域の高さと幅については、以下の
定義を使用する。谷領域のサイズは、１つの谷領域内に
含まれる画素の数である。例えば、１つの谷領域が５つ
の画素を含む場合、その谷領域のサイズは５になる。目
候補領域のサイズは、その目候補領域内に含まれる全谷
領域のサイズの合計である。目候補領域の幅Ｗｄはその
目候補領域内に含まれる谷領域の数である。目候補領域
の高さＨｄは以下のように示される。

【００７８】Ｈｄ＝Ｓｄ／Ｗｄ（３）式中、Ｈｄは目候補領域の高さであり、Ｓｄは目候補領
域のサイズであり、Ｗｄは目候補領域の幅である。

【００７９】図１６ＡのステップＳ１６５に関しては、
目候補領域の高さに対する幅の比を計算する。ステップ
Ｓ１６５で目候補領域の高さに対する幅の比が第４しき
い値（例えば、３．３３）より大きくない場合、処理の
流れはステップＳ１６１０に進む。本実施形態の第４し
きい値は１〜５の範囲内にある。ステップＳ１６１０で
は、この目候補領域を偽の目領域として決定し、排除す
る。次に、処理の流れはステップＳ１６８に進む。

【００８０】ステップＳ１６５で目候補領域の高さに対
する幅の比が第４しきい値より大きい場合、処理の流れ
はステップＳ１６６に進む。

【００８１】ステップＳ１６６では、目候補領域の周矩
形（circum-rectangle）のサイズに対する目候補領域の
サイズの比を計算する。図１６Ｂは、目候補領域とその
周矩形を示す図である。図１６Ｂに関しては、目候補領
域Ｄ１とその周矩形ＤＣ１が示されている。図１６Ｂか
ら分かるように、目候補領域の周矩形ＤＣ１は、目候補
領域Ｄ１を取り囲む最も小さい矩形である。目候補領域
の周矩形のサイズはその周矩形内に含まれている画素の
数である。目候補領域のサイズはその目候補領域内に含
まれる画素の数である。

【００８２】ステップＳ１６６では、目候補領域の周矩
形のサイズに対する目候補領域のサイズの比を計算す
る。ステップＳ１６６でその比が第５しきい値（例え
ば、０．４）より大きくない場合、処理の流れはステッ
プＳ１６１０に進む。本実施形態の第５しきい値は０．
２〜１の範囲内にある。ステップＳ１６１０では、この
目候補領域を偽の目領域として決定し、排除する。次
に、処理の流れはステップＳ１６８に進む。

【００８３】ステップＳ１６６で目候補領域の周矩形の
サイズに対する目候補領域のサイズの比が第５しきい値
より大きい場合、処理の流れはステップＳ１６７に進
み、そこでこの目候補領域を真の目領域として決定す
る。

【００８４】ステップＳ１６７の後、処理の流れはステ
ップＳ１６８に進み、その目候補領域が最後の目候補領
域であるか否かを判定する。ＮＯである場合、ステップ
Ｓ１６９で次の目候補領域を読み出し、処理の流れはス
テップＳ１６２に戻る。ステップＳ１６８でＹＥＳの場
合、すべての目領域が決定される。図１６Ｃは、ステッ
プＳ１３３で画像中の目領域を検出した場合の結果を示
す例である。

【００８５】（セグメントの境界の調節）図１７Ａは、
図１４ＡのステップＳ１４５でセグメント境界を調節す
るプロセスを示すフローチャートである。

【００８６】図１７Ａに関しては、ステップＳ１７１で
１つのセグメント点の階調をその２つの隣接する間隔の
階調と比較し、階調がそのセグメント点の階調に近い方
の間隔にそのセグメント点をマージする。例えば、図１
７Ｂを参照すると、セグメント点Ｓの階調は８０であ
り、その隣接する間隔はＩｎ１とＩｎ２とである。間隔
Ｉｎ１とＩｎ２の階調はそれぞれ７０と１００である。
間隔Ｉｎ１の階調の方が点Ｓの階調に近いので、Ｓは間
隔Ｉｎ１にマージされる。

【００８７】更に、処理の流れはステップＳ１７２に進
む。ステップＳ１７２では、第１の中間領域を読み出
す。次に、ステップＳ１７３で中間領域とその隣接する
谷領域及び山領域の階調を計算する。それらの階調を計
算した後、処理の流れはステップＳ１７４に進む。

【００８８】ステップＳ１７４では、比較を行って、Ｇ
ＲがＧＰ×Th６＋ＧＶ×（１−Th６）より小さいか否か
を判断する。ここで、ＧＲは中間領域の階調を示し、Ｇ
Ｖは中間領域に隣接する谷領域の階調を示し、ＧＰは中
間領域に隣接する山領域の階調を示す。又、Th６は第６
しきい値（例えば、０．２）である。本実施形態の第６
しきい値は０〜０．５の範囲内にある。ステップＳ１７
４の判断がＮＯである場合、処理の流れはステップＳ１
７６に進む。ステップＳ１７４の判断がＹＥＳである場
合、ステップＳ１７５でその中間領域を谷領域にマージ
する。

【００８９】図１７Ｃは、隣接する谷領域に中間領域を
マージする場合の例を示す図である。図１７Ｃに示すＸ
軸は各列の位置を表し、図１７Ｃに示すＹ軸は各領域の
階調を表している。

【００９０】図１７Ｃを参照すると、中間領域Ｒｅ１の
階調は２５であり、谷領域Ｖａ１の階調は２０であり、
山領域Ｐｅ１の階調は７０である。第６しきい値を０．
２として設定すると、以下のようになる。

【００９１】ＧＰ×Th６＋ＧＶ×（１−Th６）＝７０×０．２＋２０×０．８＝３０＞ＧＲ（＝２５）したがって、ステップＳ１７４の判断はＹＥＳになり、
中間領域Ｒｅ１を谷領域Ｖａ１にマージすることにな
る。更に、中間領域Ｒｅ２の階調は４０であり、山領域
Ｐｅ２の階調は６０であり、以下のようになる。

【００９２】ＧＰ×Th６＋ＧＶ×（１−Th６）＝６０×０．２＋２０×０．８＝２８＜ＧＲ（＝４０）したがって、ステップＳ１７４の判断はＮＯになり、中
間領域Ｒｅ２を谷領域Ｖａ１にマージしない。

【００９３】図１７ＡのステップＳ１７６を参照する
と、検出した画像中のすべての中間領域を処理したか否
かをチェックする。その中間領域が最後の中間領域では
ない場合、ステップＳ１７７で次の中間領域を読み取る
ことになり、処理の流れはステップＳ１７３に戻り、ス
テップＳ１７３及び後続ステップのプロセスを繰り返
す。しかし、ステップＳ１７６でその中間領域が最後の
中間領域であり、すなわち、すべての中間領域の処理が
完了した場合、処理の流れはステップＳ１７８で終了す
る。したがって、検出した画像中のすべてのセグメント
境界は調節済みとなる。

【００９４】（谷領域をシード領域にマージできるか否
かの判定）図１８Ａは、図１５ＡのステップＳ１５４で
谷領域をシード領域にマージできるか否かを判定するた
めのプロセスを示すためのフローチャートである。

【００９５】図１８Ｂは、シード領域が予測する谷領域
を示す図である。このシード領域の予測谷領域は、検出
した画像の任意の列の実際に存在する谷領域ではない。
これは、シード領域の右にある最も隣接した谷領域を含
む列の次の列にあると想定される谷領域であり、その位
置はシード領域の右にある最も隣接した谷領域の位置と
同じである。図１８Ｂに関しては、谷領域Ｖａ３はシー
ド領域Ｓｅ１の右にある最も隣接した谷領域である。谷
領域Ｖａ３は列Ｃｏｌ１にあり、列Ｃｏｌ２は列Ｃｏｌ
１の次の列である。その場合、谷領域Ｖａ１はシード領
域Ｓｅ１の予測谷領域である。この予測谷領域は列Ｃｏ
ｌ２にあり、その位置は谷領域Ｖａ３の位置と同じであ
るが、異なる列にある。

【００９６】図１８Ｃは、２つの谷領域のオーバラップ
領域を示す図である。２つの谷領域のオーバラップ領域
は、画素がその２つの谷領域に属している領域である。

【００９７】図１８Ｃを参照すると、点Ｂから点Ｄまで
の間隔は谷領域Ｖａ１であり、点Ａから点Ｃまでの間隔
は谷領域Ｖａ２であり、谷領域Ｖａ１はシード領域Ｓｅ
１の予測谷領域であり、谷領域Ｖａ２は列Ｃｏｌ２内の
実際の谷領域である。その場合、点Ｂから点Ｃまでの間
隔は、谷領域Ｖａ１と谷領域Ｖａ２とのオーバラップ領
域である。

【００９８】谷領域をシード領域にマージできるか否か
を判断するための手順については、図１８Ａのフローチ
ャートに関して以下に説明する。

【００９９】図１８Ａを参照すると、ステップＳ１８１
で谷領域とシード領域の予測谷領域とのオーバラップ領
域を計算する。オーバラップ領域を計算した後、処理の
流れはステップＳ１８２に進む。

【０１００】ステップＳ１８２では、Ｏsize／Ｍａｘ
（Ｖsize，ＳＶsize）がTh７より大きいか否かを判断す
るための比較を行う。ここで、Ｏsizeは谷領域とシード
領域の予測谷領域とのオーバラップのサイズであり、Ｍ
ａｘ（Ｖsize，ＳＶsize）は谷領域のサイズとシード領
域の予測谷領域のサイズの最大値であり、Th７は第７し
きい値（例えば、０．３７）である。第７しきい値は
０．２〜０．７５の範囲内にある。

【０１０１】ステップＳ１８２の判断がＮＯである場
合、処理の流れはステップＳ１８８に進み、その場合、
シード領域に谷領域をマージすることができず、処理の
流れはステップＳ１８９で終了する。あるいは、ステッ
プＳ１８２の判断がＹＥＳである場合、処理の流れはス
テップＳ１８３に進む。

【０１０２】ステップＳ１８３では、谷領域とシード領
域との階調を計算する。次に、処理の流れはステップＳ
１８４に進む。ステップＳ１８４では、｜ＧValley−Ｇ
Seed｜がTh８より小さいか否かを判定するが、その場
合、ＧValleyは谷領域の階調であり、ＧSeedはシード領
域の階調であり、Th８は第８しきい値（例えば、４０）
である。第８しきい値は０〜６０の範囲内にある。ステ
ップＳ１８４の判断がＮＯである場合、処理の流れはス
テップＳ１８８に移行し、その場合、シード領域に谷領
域をマージすることができず、処理の流れはステップＳ
１８９で終了する。あるいは、ステップＳ１８４の判断
がＹＥＳである場合、処理の流れはステップＳ１８５に
進む。

【０１０３】ステップＳ１８５では、谷領域の背景、シ
ード領域の背景、谷領域、及びシード領域の輝度値を計
算する。

【０１０４】画像中の１つの画素の輝度値については、
以下のように計算することができる。

【０１０５】Ｇ＝0.12219×Ｌ−0.0009063×Ｌ²＋0.000036833526×Ｌ³ −0.0000001267023×Ｌ⁴＋0.0000000001987583×Ｌ⁵ （４）式中、Ｇは０〜２５５の範囲の画素の階調であり、Ｌは
画素の輝度レベルであり、同じく０〜２５５の範囲にあ
る。

【０１０６】したがって、画素の輝度値は画像中のその
階調から求めることができる。一方、画素の階調はその
輝度値から求めることができる。

【０１０７】この例の場合、図１４Ｆの画素Ｐｉ１及び
Ｐｉ２はそれぞれ５０及び１５０という階調を有する。
式（４）により、画素Ｐｉ１及びＰｉ２の輝度値はそれ
ぞれ１２８及び２０６であると決定することができる。

【０１０８】図１８Ａを参照すると、ステップＳ１８５
の後、処理の流れはステップＳ１８６に進む。ステップ
Ｓ１８６では、Ｍｉｎ（（Ｌvb−Ｌv），（Ｌsb−Ｌ
s））／Ｍａｘ（（Ｌvb−Ｌv），（Ｌsb−Ｌs））がTh
９より大きいか否かを判定するが、その場合、Ｌvは谷
領域の輝度値であり、Ｌsはシード領域の輝度値であ
り、Ｌvbは谷領域の背景の輝度値であり、Ｌsbはシード
領域の背景の輝度値である。Ｍｉｎ（（Ｌvb−Ｌv），
（Ｌsb−Ｌs））は（Ｌvb−Ｌv）と（Ｌsb−Ｌs）の最
小値であり、Ｍａｘ（（Ｌvb−Ｌv），（Ｌsb−Ｌs））
は（Ｌvb−Ｌv）と（Ｌsb−Ｌs）の最大値であり、Th９
は第９しきい値（例えば、０．５８）である。第９しき
い値は０．３〜１の範囲内にある。ステップＳ１８６の
判断がＮＯである場合、処理の流れはステップＳ１８８
に進み、その場合、シード領域に谷領域をマージするこ
とができず、処理の流れはステップＳ１８９で終了す
る。あるいは、ステップＳ１８６の判断がＹＥＳである
場合、処理の流れはステップＳ１８７に進む。

【０１０９】ステップＳ１８７では、谷領域をシード領
域にマージし、次に処理の流れはステップＳ１８９で終
了する。

【０１１０】上記から分かるように、本発明は、検出し
た画像が非常に高い品質を有する必要なしに、そのそれ
ぞれが複合背景を備えた画像中の人間の目に対応する領
域を迅速に検出するための方法及び装置を提供し、その
結果、画像中の人間の目を検出し損なう可能性が大幅に
低減される。本発明の方法は、異なるスケール、配向、
及び照明条件下における人間の目の精密検出を可能にす
る。したがって、本発明の方法及び装置により、画像中
の人間の目を迅速かつ効果的に検出することができる。

【０１１１】上記で説明した本発明の方法及び装置は、
画像中の人間の目の検出に関連して説明したが、本発明
の方法及び装置は人間の目の検出に限定されず、他の検
出方法、例えば、回路基板のきず部分を検出するための
方法に適用可能である。

【０１１２】更に、画像中の人間の目に対応する領域を
検出するための上記の方法及び装置は、画像中に含まれ
る人間の顔の検出に使用されるが、画像中の人間の顔を
検出するための本発明の方法及び装置は、検出が実行さ
れる画像中の人間の目を検出するための他の方法及び装
置も使用することができ、例えば、人間の顔の検出のた
めの本発明の方法及び装置では、１９９８年発行のＰｒ
ｏｃｅｅｄｉｎｇｓｏｆｔｈｅ１９９８ＩＥＥＥ
ＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍ
ｏｎＣｉｒｃｕｉｔｓａｎｄＳｙｓｔｅｍ、すな
わち、ＩＳＣＡＳ ’９８、第４巻の８５〜８８ページ
に掲載されたＫｉｎ−ＭａｎＬａｍの「ＡＦａｓｔ
ＡｐｐｒｏａｃｈｆｏｒＤｅｔｅｃｔｉｎｇＨ
ｕｍａｎｆａｃｅｓｉｎａＣｏｍｐｌｅｘＢ
ａｃｋｇｒｏｕｎｄ」に開示された方法を使用すること
ができる。

【０１１３】少なくとも２つの目領域（又は暗領域）を
検出すると、任意の１対の目領域を１対の目の候補とし
て選択する。選択した目領域の各対ごとに、それらの中
心間の距離Ｌを決定する。次に、図１１に示すように、
矩形副画像３００Ａを決定する。人間の顔の検出の場
合、図１１に示す矩形副画像に加え、人間の顔の検出の
ために別の矩形副画像も決定するが、これはその１対の
目領域の中心を通る線に関して、図１１の矩形副画像と
対称的なものである。

【０１１４】ただし、図１１に示す値／比は必ずしも厳
密なものではなく、むしろ、人間の顔を検出するための
本発明の方法を実行するために、図１１に示すものから
所与の範囲（±２０程度など）内で変動する値／比も容
認できることに留意されたい。

【０１１５】３つ以上の目領域を検出した場合、それぞ
れの副画像を決定するために、可能な各対の目領域を選
択する。画像中の目領域の各対ごとに、上記のように２
つの矩形副画像を決定することができる。

【０１１６】次に、このように決定した各副画像ごと
に、以下に説明するように、その副画像が人間の顔の写
真に対応するか否かに関する検出を実行する。

【０１１７】尚、検出用の副画像３００Ａの形状は矩形
に限定されず、むしろ、任意の適当な形状、例えば、楕
円などにすることができる。

【０１１８】又、画像の人間の顔部分（副画像）の位置
は、画像中の目領域（暗領域）を検出することだけでな
く、口、鼻、眉など、画像中の人間の顔の他の特徴を検
出することによっても決定することができる。そのう
え、目、口、鼻、眉など、画像中の人間の顔の特徴を検
出することによって画像中の人間の顔の位置を決定する
場合、上記で開示した本発明の人間の目の検出方法に加
え、人間の顔の特徴（目、眉、鼻、口など）を決定する
ための適当な従来技術の方法を使用して、人間の顔の検
出用の副画像を突き止めることができ、このような方法
としては、本明細書の従来の技術の項で列挙した従来技
術の参考文献に開示されている方法を含む。

【０１１９】＜環状領域の決定＞次に、処理の流れはス
テップＳ４２に進む。ステップＳ４２では、環状領域決
定手段２１１によって副画像（矩形領域）３００Ａを取
り囲む環状領域３００Ｒ（図５）を決定する。環状領域
３００Ｒの生成については、図５に関連して詳述する。

【０１２０】図５は、図３の矩形領域３００Ａと、その
周りで決定された環状領域３００Ｒとを示す図である。
図５に示すデカルト座標系では、オリジナル画像３００
の左上隅を座標原点とし、Ｘ軸とＹ軸がそれぞれ水平方
向又は垂直方向に延びている。

【０１２１】図５を参照すると、図２に示す読取手段２
１０を使用することにより、図３に示すような事前記憶
したオリジナル画像３００を、ＨＤ１０７又はＲＡＭ１
０９から読み出し、オリジナル画像３００に対する矩形
領域３００Ａの位置も取得する。本実施形態では、矩形
領域３００の４隅のそれぞれの座標は、所与のデカルト
座標系ではそれぞれ（２３０，２１２）、（３７０，２
１２）、（２３０，３８７）、（３７０，３８７）にな
り、したがって、その幅及び長さはそれぞれ１４０及び
１７５になる。

【０１２２】矩形３００Ａから２つの矩形３００Ａ１及
び３００Ａ２を導出するが、矩形３００Ａ１は９／７と
いう係数を使用して矩形３００Ａに対して線形に拡大さ
れ、矩形３００Ａ２は５／７という係数を使用して矩形
３００Ａに対して縮小されている。２つの矩形領域３０
０Ａ１及び３００Ａ２が生成される。したがって、この
座標系で第１矩形領域３００Ａ１の４隅のそれぞれの座
標は、それぞれ（２１０，１８７）、（３９０，１８
７）、（２１０，４１２）、（３９０，４１２）にな
り、この座標系で第２矩形領域３００Ａ２の４隅のそれ
ぞれの座標は、それぞれ（２５０，２３７）、（３５
０，２３７）、（２５０，３６２）、（３７０，３６
２）になる。第１矩形領域３００Ａ１と第２矩形領域３
００Ａ２との間の領域は、上記の矩形領域３００Ａ用の
環状領域３００Ｒを形成する。

【０１２３】図５に示す環状領域３００Ｒは、まず９／
７という係数を使用して矩形領域３００Ａの幅と長さを
拡大し、次に５／７という係数を使用してそれを縮小す
ることによって生成されている。しかし、本発明はそれ
に限定されるわけではない。というのは、大きい方の矩
形領域の幅と長さは係数ｎにし、小さい方の矩形の幅と
長さは係数ｍにすることができ、その結果、大きい方の
矩形領域と小さい方の矩形領域３００Ａ２がそれぞれ生
成されるからであり、ｍは０〜１の範囲内にあり、ｎは
１〜２の範囲内である。

【０１２４】＜環状領域内の各画素の階調の勾配とその
重みの計算＞図４に戻ると、処理の流れはステップＳ４
２の後にステップＳ４３に進む。ステップＳ４３では、
第１計算手段２１２によって環状領域３００Ｒ内の各画
素の階調の勾配を計算し、環状領域３００Ｒの各画素の
階調の勾配の重みも決定する。

【０１２５】本発明による人間の顔の検出装置によっ
て、環状領域３００Ｒ内の各画素の階調の勾配とそれに
対応する重みがどのように決定されるかについては、図
５及び図６に関連して説明する。

【０１２６】一般に、画像中の各画素は他の多くの画素
によって取り囲まれている。このため、１つの画素の階
調の勾配は、所与の画素の周りのｋ²個の画素の階調に
よって決定することができる。この場合、ｋは２〜１５
の範囲の整数である。本実施形態のｋは３であるものと
する。本発明では、ソーベル演算子（Sobel operator）
を使用して、オリジナル画像の環状領域３００Ｒ内の各
画素の階調分布の勾配を計算する。

【０１２７】図６を参照して、環状領域３００Ｒ内の各
画素の階調の勾配を決定する方法について説明するが、
この座標系で画素Ｐの座標は（３８０，２５０）にな
る。

【０１２８】図６を参照すると、画素Ｐの隣接画素、画
素Ｐ１、Ｐ２、Ｐ３、Ｐ４、Ｐ５、Ｐ６、Ｐ７、Ｐ８が
選択され、すなわち、画素Ｐの周囲の画素を使用する。
本実施形態では、画像中の各画素の階調は０〜２５５で
ある。この場合、画素Ｐの階調は１２２であり、画素Ｐ
１、Ｐ２、Ｐ３、Ｐ４、Ｐ５、Ｐ６、Ｐ７、Ｐ８の階調
はそれぞれ１３６、１２４、１１９、１３０、１２５、
１３２、１２４、１２０である。

【０１２９】ソーベル演算子によれば、隣接画素Ｐ１、
Ｐ２、…、Ｐ８などの階調により、画素Ｐの階調の勾配
は式（５）によって以下のように示される。

【０１３０】ＤＸ１＝（Ｇ３＋２×Ｇ５＋Ｇ８）−（Ｇ１＋２×Ｇ４＋Ｇ６）ＤＹ１＝（Ｇ６＋２×Ｇ７＋Ｇ８）−（Ｇ１＋２×Ｇ２＋Ｇ３）（５）式中、ＤＸ１は画素Ｐの階調分布の勾配のｘ成分であ
り、ＤＹ１はＰの階調分布の勾配のｙ成分であり、Ｇ
１、Ｇ２、…、Ｇ８はそれぞれ画素Ｐ１、Ｐ２、…、Ｐ
８の階調である。したがって、式（５）に基づいて、画
素Ｐの階調の勾配を（−３９，−３）と決定することが
できる。

【０１３１】同様に、環状領域３００Ｒ内の他の画素の
階調の勾配を計算することができる。本実施形態では、
画素Ｐ１、Ｐ２、Ｐ３、Ｐ４、Ｐ５、Ｐ６、Ｐ７、Ｐ８
の勾配はそれぞれ（−３０，−５）、（−３６，−
４）、（−３２，−１）、（−３３，−６）、（−３
０，−４）、（−３８，−８）、（−３３，−３）、
（−３１，２）として決定する。このようにして、環状
領域３００Ｒ内の各画素の階調の勾配を同じように決定
することができる。

【０１３２】図４に戻ると、ステップＳ４３で、第１計
算手段２１２が環状領域３００Ｒ内の各画素の階調の勾
配の重みも決定する。例えば、１つの画素の階調の勾配
の重みは、式（６）によって以下のように示すことがで
きる。

【０１３３】Ｗ１＝（｜ＤＸ１｜＋｜ＤＹ１｜）／２５５（６）式中、Ｗ１は画素の重みを示し、ＤＸ１はその画素の階
調の勾配のｘ成分であり、ＤＹ１がその画素の階調の勾
配のｙ成分である。

【０１３４】例えば、図６を参照すると、本実施形態の
画素Ｐの階調の勾配は（−３９，−３）であると分かっ
ているので、画素Ｐの階調の勾配の重みは（｜−３９｜
＋｜−３｜）／２５５＝０．１６５になる。

【０１３５】同様に、環状領域３００Ｒ内の他の画素Ｐ
１、Ｐ２、Ｐ３、Ｐ４、Ｐ５、Ｐ６、Ｐ７、Ｐ８などの
階調の勾配の重みは、それぞれ、０．１３７、０．１５
７、０．１２９、０．１５３、０．１３３、０．１８
０、０．１４１、０．１２９などとして容易に決定する
ことができる。

【０１３６】＜環状領域内の各画素の基準勾配の計算＞
図４に戻ると、処理の流れはステップＳ４３の後にステ
ップＳ４４に進む。ステップＳ４４では、第２計算手段
２１３が上記の環状領域３００Ｒ内の各点の基準分布の
勾配を計算する。基準分布は、領域３００Ａ内の人間の
顔の理想的なモデルを表す。基準分布の勾配は、環状領
域３００Ｒ内の画像の一部分が人間の顔の画像にどの程
度近いかを判定するために判定手段２１４が使用する。

【０１３７】人間の顔を検出するための本発明の方法及
び装置では、処理すべき画像の関連部分（環状領域３０
０Ｒ）内の階調分布の勾配の方向と、基準分布から導出
した基準勾配の方向との差を評価することによって、人
間の顔の検出を実行する。

【０１３８】具体的には、決定された各副画像３００Ａ
ごとに、人間の顔の基準分布を決定するが、それは以下
のように表すことができる。

【０１３９】ｚ（ｘ，ｙ）＝−（ｘ−ｘ_c）²／ａ²−
（ｙ−ｙ_c）²／ｂ²＋ｈ式中、ｈは定数であり、ａ／ｂは前記副画像の高さに対
する前記副画像の幅の比に等しく、（ｘ_c，ｙ_c）は副画
像の中心である。図１０はこのような基準分布をもつ画
像を示し、図７はその基準分布の輪郭線（Ｅ１１及びＥ
１２）を示している。

【０１４０】その場合、基準分布の勾配は以下のように
表すことができる。

【０１４１】 ∇ｚ＝（∂ｚ／∂ｘ，∂ｚ／∂ｙ）＝（−２(ｘ−ｘ_c）／ａ²，−２(ｙ−ｙ_c）／ｂ²）（７）ここで関係があるのはベクトルの方向（∂ｚ／∂ｘ，∂
ｚ／∂ｙ）のみであり、逆方向（−∂ｚ／∂ｘ，−∂ｚ
／∂ｙ）は後続ステップで同じ方向として扱われること
になるので、∇ｚのｘ成分とｙ成分が比例変化しても評
価の結果は変わらないだろう。したがって、比ａ／ｂの
みが関連する。比ａ／ｂの典型的な値は４／５である。

【０１４２】したがって、ステップＳ４４では、式
（７）を使用して勾配∇ｚを計算し、その勾配を基準勾
配と呼ぶ。

【０１４３】ステップＳ４４の後、処理の流れはステッ
プＳ４５に進む。ステップＳ４５では、環状領域３００
Ｒ内の各画素ごとに、勾配∇ｚと∇ｇとの間の角度を計
算するが、この場合、∇ｇ＝（ＤＸ１，ＤＹ１）は階調
分布の勾配である。当然のことながら、∇ｇは式（５）
を使用して計算した勾配に限定されず、離散勾配計算用
の他の演算子を使用して計算することもできる。

【０１４４】具体的には、点（ｘ，ｙ）における∇ｚと
∇ｇとの間の角度θは、以下の式を使用して計算するこ
とができる。

【０１４５】ｃｏｓθ＝∇ｚ・∇ｇ／（｜∇ｇ｜・｜∇ｚ｜） θ＝ｃｏｓ^-1（｜∇ｚ・∇ｇ｜／（｜∇ｇ｜・｜∇ｚ｜））（８）式中、∇ｚ・∇ｇはベクトル∇ｚ及び∇ｇの内積を示
し、｜∇ｇ｜及び｜∇ｚ｜はそれぞれベクトル∇ｇ及び
∇ｚの絶対値を示す。ただし、θは０≦θ≦π／２の範
囲内になることに留意されたい。

【０１４６】したがって、画素Ｐの２つの勾配間の角度
は０．４６（ラジアン）と決定される。同様に、環状領
域３００Ｒ内の他の画素Ｐ１、Ｐ２、Ｐ３、Ｐ４、Ｐ
５、Ｐ６、Ｐ７、Ｐ８などにおける２つの勾配間の角度
は、それぞれ、０．１９、０．２６、０．３３、０．１
８、０．２３、０．５０、０．２７、０．４２（ラジア
ン）などと容易に決定することができる。

【０１４７】更に、ステップＳ４５では、環状領域３０
０Ｒ内のすべての画素に関する階調の勾配とそれに対応
する基準勾配との角度の平均が、式（９）によって以下
のように示される。

【０１４８】Ａ１＝Ｓ１／Ｃ１（９）式中、Ａ１は環状領域内のすべての画素に関する階調の
勾配とそれに対応する基準勾配との角度の平均を示し、
Ｓ１は環状領域内のすべての画素の２つの勾配間の角度
の合計を示し、Ｃ１は環状領域内の画素の総数を示す。

【０１４９】この例については、環状領域３００Ｒ内の
すべての画素の階調の勾配とそれに対応する基準勾配と
の平均角度が０．５９と決定される。

【０１５０】図３のステップＳ４５に戻ると、勾配差の
前述の平均を決定した後、ステップＳ４５で前記平均が
第１１しきい値より小さいか否かを判定する。本発明で
は、第１１しきい値は０．６１など、０．０１〜１．５
の範囲内である。計算した平均が第１１しきい値より小
さいと判定した場合、処理の流れはステップＳ４６に進
む。そうではない場合、処理の流れはステップＳ４８に
進む。ステップＳ４８では、矩形３００Ａが人間の顔の
画像を含まないと判定し、処理の流れはステップＳ４９
で終了する。

【０１５１】この例では、環状領域３００Ｒ内のすべて
の画素に関する階調の勾配とそれに対応する基準勾配と
の角度の平均が０．５９になり、第１１しきい値より小
さい。したがって、処理の流れはステップＳ４６に進
む。

【０１５２】ステップＳ４６では、式（１０）で示すよ
うに、前述のように重みＷ１を使用して、環状領域３０
０Ｒ内のすべての画素に関する階調の勾配と基準勾配と
の角度の重みつき平均を決定する。

【０１５３】Ａ２＝Ｓ２／Ｃ２（１０）式中、Ａ２は環状領域内のすべての画素に関する２つの
勾配間の角度の重みつき平均を示し、Ｃ２は環状領域内
の画素の重みの合計を示し、Ｓ２は環状領域内の同じ画
素に関する角度と階調の勾配の重みとの積の合計を示
す。

【０１５４】この例では、環状領域内のすべての画素に
関する２つの勾配間の重みつき平均角度は０．６６であ
る。

【０１５５】重みつき平均角度の決定後、ステップＳ４
６で前記重みつき平均角度が０．６８など、第１２しき
い値より小さいか否かを判定する。本発明の第１２しき
い値は０．０１〜１の範囲である。重みつき平均角度が
第１２しきい値より小さいと判定した場合、処理の流れ
はステップＳ４７に移行し、そこで矩形３００Ａが人間
の顔の画像を含むと判定し、処理の流れはステップＳ４
９で終了する。重みつき平均角度が第１２しきい値より
小さくない場合、処理の流れはステップＳ４８に進む。
ステップＳ４８では、矩形３００Ａが人間の顔の画像を
含まないと判定し、処理の流れはステップＳ４９で終了
する。

【０１５６】この例については、環状領域３００Ｒ内の
すべての画素に関する重みつき平均角度は０．６６であ
り、第１２しきい値より小さく、処理の流れはステップ
Ｓ４７に進む。ステップＳ４７では、領域３００Ａは人
間の顔の画像を含むものと判定する。その後、処理の流
れはステップＳ４９で終了する。

【０１５７】＜第２の例＞図８Ａは、検出すべきオリジ
ナル画像の別の例を示す図である。図８Ａのオリジナル
画像８００はデジタルカメラによって生成される。当然
のことながら、これは、スキャナなどのデジタル装置１
１１によって人間の顔の検出システムに入力することも
できる。オリジナル画像は、ＨＤ１０７又はＲＡＭ１０
９などの所定の領域に記憶されていると想定する。

【０１５８】図８Ｂは、図８Ａに示すオリジナル画像８
００内の矩形領域８００Ｂと、デカルト座標系における
位置を示す図であり、Ｘ軸及びＹ軸はそれぞれ水平方向
及び垂直方向に延びている。

【０１５９】図８Ｂに示す矩形領域８００Ｂについて
は、図４に示すのと同じフローチャートを採用して、矩
形領域８００Ｂが人間の顔を含んでいるか否かを判定す
るプロセスを説明する。

【０１６０】図４を参照すると、目検出装置２１８はス
テップＳ４１で画像中の目を決定し、読取手段２１０は
オリジナル画像８００内の各画素の階調を読み取り、副
画像決定装置２１９はオリジナル画像８００内の矩形領
域８００Ｂなど、検出すべき矩形領域を決定する。図８
Ａに示すように、デカルト座標系の原点は、オリジナル
画像８００の左上隅になるように選択する。この場合、
図８Ｂに示す矩形領域８００Ｂの４隅のそれぞれの座標
は、デカルト座標系でそれぞれ（２０３，２１９）、
（３７３，２１９）、（２０３，４２３）、（３７３，
４２３）である。すなわち、領域８００Ｂの幅及び長さ
はそれぞれ１７０及び２０４になる。

【０１６１】次に、ステップＳ４２では、図８Ｂの矩形
領域８００Ｂの周りの環状領域８００Ｃを環状領域決定
手段２１１によって決定する。図８Ｃを参照すると、矩
形領域８００Ｂについては、９／７という係数と５／７
という係数をそれぞれ使用してその幅と長さをスケーリ
ングすることにより、２つの矩形領域８００Ｃ１及び８
００Ｃ２を生成する。

【０１６２】図８Ｃは、矩形領域８００Ｂについて決定
された環状領域８００Ｃを示す図である。環状領域８０
０Ｃは、第１矩形領域８００Ｃ１と第２矩形領域８００
Ｃ２によって形成される。この座標系における第１矩形
領域８００Ｃ１の４隅のそれぞれの座標はそれぞれ（１
７０，１９０）、（３９７，１９０）、（１７９，４５
２）、（３９７，４５２）であり、この座標系における
第２矩形領域８００Ｃ２の４隅のそれぞれの座標はそれ
ぞれ（２２７，２４８）、（３４９，２４８）、（２２
７，３９４）、（３４９，３９４）である。

【０１６３】次に、ステップＳ４３では、第１計算手段
２１２によって環状領域８００Ｃ内の各画素の階調の勾
配を決定し、それぞれ（１８８，６）、（１８３，
８）、（１８６，１０）、（１８０，６）、（１８０，
６）などになる。同様に、環状領域８００Ｃ内の各画素
の階調の勾配の重みを同じように決定し、それぞれ０．
７６、０．７５、０．７７、０．７７、０．７３などに
なる。

【０１６４】更に、ステップＳ４４では、第２計算手段
２１３によって環状領域８００Ｃ内の各画素の基準勾配
を決定し、それぞれ（−０．０１５，−０．０１２）、
（−０．０１５，−０．０１２）、（−０．０１５，−
０．０１２）、（−０．０１４，−０．０１２）などに
なる。次に、処理の流れはステップＳ４５に進む。

【０１６５】ステップＳ４５では、環状領域８００Ｃ内
の各画素の２つの勾配間の角度を決定するが、前述のよ
うに環状領域８００Ｃ内の画素に関する２つの勾配間の
平均角度を同じように決定することができ、それはこの
例では０．５６になり、第１１しきい値より小さい。次
に、処理の流れはステップＳ４６に進む。

【０１６６】ステップＳ４６では、環状領域８００Ｃ内
の画素に関する２つの勾配間の重みつき平均角度を０．
６４と決定するが、これは第１２しきい値より小さく、
処理の流れはステップＳ４７に移行し、そこで矩形領域
８００Ｂが人間の顔の画像を含むと判定する。次に、処
理の流れはステップＳ４９で終了する。

【０１６７】［他のの実施形態］本発明の他の実施形態
を以下に例示する。

【０１６８】図９は、本発明の他の実施形態による人間
の顔の決定プロセスを示す図である。図９では、図４と
同じ参照番号は同じプロセスを示す。

【０１６９】この場合も、図８Ａのオリジナル画像８０
０は、オリジナル画像８００内の矩形領域８００Ｂが人
間の顔の画像を含んでいるか否かの判定を例示するため
の一例とする。

【０１７０】まず、図４のように、プロセスの流れはス
テップＳ４０から始まる。ステップＳ４１では、読取手
段２１０がオリジナル画像８００内の各画素の階調を読
み取り、目検出手段２１８が画像中の目領域を検出し、
副画像決定手段２１９が検出した目領域に基づいて、矩
形領域８００Ｂなど、検出すべき副画像（複数も可）を
決定する。次に処理の流れはステップＳ４２に進む。ス
テップＳ４２では、図８Ｃに示すように、矩形領域８０
０Ｂについて環状領域８００Ｃを決定する。更に、処理
の流れはステップＳ４３に進む。ステップＳ４３では、
環状領域８００Ｃ内の各画素における階調の勾配を決定
し、それぞれ（１８８，６）、（１８３，８）、（１８
６，１０）、（１８０，６）、（１８０，６）などであ
る。前の実施形態と同じように環状領域８００Ｃ内の各
画素における階調の勾配の重みを決定し、それぞれ０．
７６、０．７５、０．７７、０．７７、０．７３などで
ある。その後、処理の流れはステップＳ４４に進む。ス
テップＳ４４では、環状領域８００Ｃ内の各画素の基準
勾配を決定し、それぞれ（−０．０１５，−０．０１
２）、（−０．０１５，−０．０１２）、（−０．０１
５，−０．０１２）、（−０．０１５，−０．０１
２）、（−０．０１４，−０．０１２）などである。

【０１７１】次に、処理の流れはステップＳ９５に進
む。ステップＳ９５では、環状領域８００Ｃ内の各画素
での階調の勾配とそれに対応する基準勾配との角度を、
例えば、前の実施形態と同じようにそれぞれ計算し、そ
れぞれ０．６４、０．６３、０．６２、０．６４、０．
６４など（ラジアン単位）である。次に、環状領域８０
０Ｃ内のすべての画素に関する２つの勾配間の重みつき
平均角度を計算する。ステップＳ９５では、重みつき平
均が０．６８など、第１３しきい値より小さいか否かを
判定する。本発明の第１３しきい値は０．０１〜１の範
囲である。重みつき平均角度が第３しきい値より小さい
場合、処理の流れはステップＳ９６に進む。ステップＳ
９６では、その矩形領域が人間の顔の画像を含むものと
判定する。重みつき平均角度が第１３しきい値より小さ
くない場合、処理の流れはステップＳ９７に移行し、そ
こで領域８００Ｄが人間の顔の画像を含まないと判定す
る。次に、処理の流れはステップＳ９８で終了する。

【０１７２】この例の場合、環状領域内の各画素の勾配
差とそれに対応する勾配の重みとの積の平均は０．６４
であり、第３しきい値より小さいので、処理の流れはス
テップＳ９６に移行し、判定すべき矩形領域８００Ｂが
人間の顔を含んでいると判定する。その後、処理の流れ
はステップＳ９８で終了する。

【０１７３】当業者であれば分かるように、環状領域内
のすべての画素について階調分布と基準分布の勾配間の
角度を計算し評価する必要はなく、むしろ、環状領域内
の一部の画素のみについてその角度を計算し評価するこ
とにより、本発明により人間の顔（又は他の検出すべき
対象物）を検出するための方法を実行することができ
る。

【０１７４】そのうえ、上記の説明では、階調分布と基
準分布の勾配間の角度の平均と、その角度の重みつき平
均の両方を評価に使用する特定の実施形態と、その角度
の重みつき平均のみを評価に使用する別の特定の実施形
態について説明してきたが、その角度の非重みつき平均
のみを評価に使用する一実施形態も本発明の目的を実現
することができ、本発明の一実施形態として含まれる。

【０１７５】本発明は、複数の装置（例えば、ホストコ
ンピュータ、インタフェース装置、読取装置、プリンタ
など）によって構成されるシステム又は単一機器（例え
ば、コピー機、ファクシミリ装置など）からなる装置の
いずれにも適用可能であることに留意されたい。

【０１７６】本発明の目的は、記憶媒体を供給すること
によっても達成される。この記憶媒体は、本システム又
は装置のコンピュータ（あるいはＣＰＵ又はＭＰＵ）に
よって記憶媒体に記憶されたプログラムコードを読み出
して実行することにより、本システム又は装置に対して
上記の実施形態の諸機能を実施可能なソフトウェア・プ
ログラムのプログラムコードを記録する。この場合、記
憶媒体から読み出されるプログラムコード自体が前述の
実施形態の諸機能を実施し、そのプログラムコードを記
憶する記憶媒体は本発明を構成する。

【０１７７】プログラムコードを供給するための記憶媒
体として、例えば、フロッピー（登録商標）・ディス
ク、ハード・ディスク、光ディスク、光磁気ディスク、
ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性メモリ
・カード、ＲＯＭなどを使用することができる。

【０１７８】前述の実施形態の諸機能は、読み出された
プログラムコードをコンピュータによって実行するだけ
でなく、プログラムコードの命令に基づいてコンピュー
タ上で動作するＯＳ（オペレーティング・システム）に
よって実行される実際の処理動作の一部又は全部によっ
ても実施することができる。

【０１７９】上記から分かるように、本発明の方法は、
検出した写真が非常に高い品質を有する必要なしに、複
合背景を備えた写真内の人間の顔を決定するための高速
手法を提供し、それにより、写真内の人間の顔が飛ばさ
れる可能性が実質的に解消される。本発明の方法は、異
なるスケール、配向、及び照明条件下における人間の顔
の精密検出を可能にする。したがって、本発明による方
法、装置、又はシステムにより、写真内の人間の顔を迅
速かつ効果的に検出することができる。

【０１８０】本発明は、記憶媒体から読み取ったプログ
ラムコードをコンピュータに挿入された機能拡張カード
又はコンピュータに接続された機能拡張ユニット内に設
けられたメモリに書き込んだ後、機能拡張カード又はユ
ニットに含まれるＣＰＵなどがプログラムコードの指示
に応じてプロセスの一部又は全体を実行し、上記の実施
形態の諸機能を実現する場合を含む。

【０１８１】本発明が上記の記憶媒体に適用される場
合、その記憶媒体は実施形態に記載されたフローチャー
ト（図４及び図９）に対応するプログラムコードを記憶
する。

【０１８２】上記で説明した実施形態は人間の顔を判定
するよう特化されているが、本発明は人間の顔を判定す
ることに限定されず、他の判定方法、例えば、回路基板
上のきず部分を検出するための方法にも適用可能であ
る。

【０１８３】本発明の精神及び範囲から逸脱せずに明ら
かに多種多様な本発明の実施形態が可能であるので、本
発明は、特許請求の範囲に定義したものを除き、その特
定の実施形態に限定されないことを理解されたい。

【図面の簡単な説明】

【図１】本発明の画像処理システムの一実施形態を示す
ブロック図である。

【図２】本発明による人間の顔の検出装置の配置の一実
施形態を示すブロック図である。

【図３】検出すべきオリジナル画像の概略を示す図であ
る。

【図４】本発明の第１の実施形態による人間の顔の検出
プロセスを示すフローチャートである。

【図５】図３の画像中で検出用に決定された副画像（矩
形領域）とその周りで決定された環状領域とを示す図で
ある。

【図６】画像中の複数画素を示す図である。

【図７】環状領域内の画素に関する基準分布の輪郭線を
示す図である。

【図８Ａ】検出すべきオリジナル画像の別の例を示す図
である。

【図８Ｂ】図８Ａのオリジナル画像中で決定された副画
像（矩形領域）を示す図である。

【図８Ｃ】図８Ｂの矩形領域について決定された環状領
域を示す図である。

【図９】本発明の他の実施形態の人間の顔の検出プロセ
スを示すフローチャートである。

【図１０】画像中の人間の顔を検出する際に使用するた
めの基準分布を示し、その基準分布が図７に示すように
輪郭線を有することを示す図である。

【図１１】１対の人間の目に対応すると予想される、検
出した１対の暗領域（目領域）から人間の顔の検出用に
副画像を生成するための方法を示す図である。

【図１２】本発明の一実施形態による目検出装置の配置
を示すブロック図である。

【図１３Ａ】人間の目領域をサーチする手順を示すフロ
ーチャートである。

【図１３Ｂ】検出すべきオリジナル画像の一例を示す図
である。

【図１４Ａ】画像中の各列をセグメント化するためのフ
ローチャートである。

【図１４Ｂ】画像中の画素の列を示すための一例を示す
図である。

【図１４Ｃ】列の階調分布を示すための一例を示す図で
ある。

【図１４Ｄ】複数の間隔にセグメント化された列の階調
を示す図である。

【図１４Ｅ】画像中のセグメント化した列を示すための
一例を示す図である。

【図１４Ｆ】１つの列内のセグメント点の判定を示す図
である。

【図１５Ａ】複数列内の谷領域をマージするためのプロ
セスを示すフローチャートである。

【図１５Ｂ】１つの画像の複数列と各列の谷領域及びシ
ード領域とを示す図である。

【図１５Ｃ】検出した目候補領域を示す画像を示す図で
ある。

【図１６Ａ】本発明により目領域を決定するためのプロ
セスを示すフローチャートである。

【図１６Ｂ】目候補領域とその周矩形を示す図である。

【図１６Ｃ】検出した目領域を示す画像を示す図であ
る。

【図１７Ａ】セグメント境界を調節するためのプロセス
を示すフローチャートである。

【図１７Ｂ】隣接する間隔へのセグメント点のマージを
示す図である。

【図１７Ｃ】隣接する谷領域への中間領域のマージを示
す図である。

【図１８Ａ】谷領域をシード領域にマージできるか否か
を判断するためのプロセスを示すフローチャートであ
る。

【図１８Ｂ】シード領域の予測谷領域を示す図である。

【図１８Ｃ】２つの谷領域間のオーバラップを示す図で
ある。

フロントページの続き (72)発明者シン・ジー中華人民共和国ベイジン 100080，ハイディアンディストリクト，サマーパレスロード，ナンバー１，ベイジンリソースホテル，ルーム 1307 ベイジンピーカンシステムズインフォメーションコーポレイションリミテッド内Ｆターム(参考） 5B057 CA08 CA16 CB08 CB16 CB19 CH01 CH11 DA06 DB09 DC03 DC22 DC23 DC36 DC38 5L096 AA06 BA18 EA39 FA14 FA32 FA37 FA62 FA64 FA66 FA72 FA77 FA78 GA41 GA51 HA08 JA04 JA11 JA13 MA07

Claims

【特許請求の範囲】

【請求項１】階調分布を有する画像中の対象物を検出
する方法であって、ａ）前記画像中の画素のサブセットについて、前記画像
の階調分布から第１の変数を導出するステップと、ｂ）前記画素のサブセットについて、前記対象物の特性
を示す事前設定された基準分布から第２の変数を導出す
るステップと、ｃ）前記画素のサブセットにわたって、前記第１の変数
と前記第２の変数との対応を評価するステップと、ｄ）前記評価ステップの結果に基づいて、前記画像が前
記対象物を含んでいるか否かを判定するステップとを含
むことを特徴とする方法。
【請求項２】前記画像中の領域を選択するステップを
更に含み、前記サブセットの画素が前記領域内にあり、前記領域内の画素にわたって、検出すべき対象物に対応
する階調分布から導出された第１の変数が、第２の変数
との良好な対応を有することを特徴とする請求項１に記
載の方法。
【請求項３】前記画像中の副画像を決定するステップ
と、前記副画像の位置に基づいて前記領域を選択するステッ
プとを更に含むことを特徴とする請求項２に記載の方
法。
【請求項４】前記第１の変数が、前記画像の階調分布
の勾配の方向を表すことを特徴とする請求項１乃至３の
いずれか１つに記載の方法。
【請求項５】前記第２の変数が、前記基準分布の勾配
の方向を表すことを特徴とする請求項１乃至４のいずれ
か１つに記載の方法。
【請求項６】前記勾配が離散勾配であることを特徴と
する請求項５に記載の方法。
【請求項７】前記評価ステップが前記画素のサブセッ
トにおける統計プロセスを含むことを特徴とする請求項
５に記載の方法。
【請求項８】前記評価ステップが前記画素のサブセッ
トにおける統計プロセスを含み、前記統計プロセスが重
みづけプロセスを含み、前記サブセット内の各画素に対
する重みがその画素での階調分布の勾配に基づいて決定
され、一般に階調分布の勾配の絶対値が大きい画素の方
がより大きい重みを有することを特徴とする請求項５に
記載の方法。
【請求項９】前記評価ステップが、重みづけプロセス
を使用する統計プロセスと、重みづけプロセスを使用し
ない別の統計プロセスとの両方を含み、両方の統計プロ
セスの結果に応じて画像が対象物を含んでいるか否かを
判定することを特徴とする請求項８に記載の方法。
【請求項１０】前記領域が環状領域であり、前記副画
像の中心付近にセンタリングされていることを特徴とす
る請求項３に記載の方法。
【請求項１１】前記画素のサブセットが、前記領域内
のすべての画素を含むことを特徴とする請求項２に記載
の方法。
【請求項１２】前記副画像が、前記画像中の所定の特
徴を検出することによって決定されることを特徴とする
請求項３に記載の方法。
【請求項１３】前記所定の特徴が１対の暗領域を含む
ことを特徴とする請求項１２に記載の画像。
【請求項１４】前記１対の暗領域の位置と前記１対の
暗領域の中心間の間隔とに基づいて、前記副画像が決定
されることを特徴とする請求項１３に記載の方法。
【請求項１５】前記基準分布が、ｚ（ｘ，ｙ）＝−（ｘ²／ａ²＋ｙ²／ｂ²）＋ｈによって表され、ｈは定数であり、ａ／ｂは前記副画像の高さに対する前
記副画像の幅の比に等しく、原点は前記副画像の中心に
位置することを特徴とする請求項１３に記載の方法。
【請求項１６】前記評価ステップが、前記サブセット内のすべての画素について、前記画像の
階調分布の勾配と前記基準分布の勾配との角度の平均値
とを計算するステップと、前記平均値を所定の値と比較するステップと、前記平均値が前記所定の値と等しいか又はそれより小さ
い場合に、副画像が前記対象物を含んでいると判定する
ステップとを含むことを特徴とする請求項５又は１５に
記載の方法。
【請求項１７】前記評価ステップが、前記サブセット内のすべての画素について、前記画像の
階調分布の勾配と前記基準分布の勾配との角度の重みつ
き平均値とを計算するステップであって、一般に階調分
布の勾配の絶対値が大きい画素の方がより大きい重みを
有するステップと、前記重みつき平均値を所定の値と比較するステップと、前記重みつき平均値が前記所定の値と等しいか又はそれ
より小さい場合に、副画像が前記対象物を含んでいると
判定するステップとを含むことを特徴とする請求項５又
は１５に記載の方法。
【請求項１８】前記評価ステップが、前記サブセット内のすべての画素について、前記画像の
階調分布の勾配と前記基準分布の勾配との角度の平均値
を計算するステップと、前記サブセット内のすべての画素について、前記画像の
階調分布の勾配と前記基準分布の勾配との角度の重みつ
き平均値とを計算するステップであって、一般に階調分
布の勾配の規模が大きい画素の方がより大きい重みを有
するステップと、前記平均値を第１の所定の値と比較するステップと、前記重みつき平均値を第２の所定の値と比較するステッ
プと、前記平均値が前記第１の所定の値と等しいか又はそれよ
り小さく、前記重みつき平均値が前記第２の所定の値と
等しいか又はそれより小さい場合に、副画像が前記対象
物を含んでいると判定するステップとを含むことを特徴
とする請求項５又は１５に記載の方法。
【請求項１９】階調分布を有する画像中の対象物を検
出する方法であって、ａ）前記画像中の副画像を決定するステップと、ｂ）前記副画像に基づいて、前記画像中の画素のサブセ
ットを選択するステップと、ｃ）前記サブセットの画素について、前記画像の前記階
調分布から第１の変数を導出するステップと、ｄ）前記画素のサブセットについて、前記対象物の特性
を示す事前設定された基準分布から第２の変数を導出す
るステップと、ｅ）前記画素のサブセットにわたって、前記第１の変数
と前記第２の変数との対応を評価するステップと、ｆ）前記評価ステップの結果に基づいて、前記画像が前
記対象物を含んでいるか否かを判定するステップとを含
むことを特徴とする方法。
【請求項２０】階調分布をもつ画像中の対象物を検出
するためのプログラムコードが記憶されている記憶媒体
であって、前記プログラムコードが、前記画像中の副画像を決定するためのコードと、画素のサブセットについて、前記画像の前記階調分布か
ら第１の変数を導出するためのコードと、前記画素のサブセットについて、前記対象物の特性を示
す事前設定された基準分布から第２の変数を導出するた
めのコードと、前記画素のサブセットにわたって、前記第１の変数と前
記第２の変数との対応を評価するためのコードと、前記評価ステップの結果に基づいて、前記画像が前記対
象物を含んでいるか否かを判定するためのコードとを含
むことを特徴とする記憶媒体。
【請求項２１】画像中の特徴部分を決定するための画
像処理方法であって、画像と該画像中で決定すべき矩形領域とを読み取る読取
ステップと、前記矩形領域を取り囲む環状領域を設定する設定ステッ
プと、前記環状領域内の各画素の階調の勾配を計算するステッ
プと、前記環状領域用の基準分布を決定し、前記環状領域内の
各画素の環状領域の基準勾配を決定するステップと、前記環状領域内の各画素の階調の勾配と各画素の基準勾
配とに基づいて、前記矩形領域内に含まれている特徴部
分を決定する決定ステップとを含むことを特徴とする画
像処理方法。
【請求項２２】決定すべき前記矩形領域を含んでいる
画像が特徴部分であることを特徴とする請求項２１に記
載の画像処理方法。
【請求項２３】前記環状領域が、第１の矩形領域と第
２の矩形領域によって形成されることを特徴とする請求
項２１に記載の画像処理方法。
【請求項２４】前記第１の矩形領域が、決定すべき前
記矩形領域内部に位置することを特徴とする請求項２３
に記載の画像処理方法。
【請求項２５】前記第２の矩形領域が、決定すべき前
記矩形領域外部に位置することを特徴とする請求項２３
に記載の画像処理方法。
【請求項２６】前記第１の矩形領域の中心が、決定す
べき前記矩形領域の中心と実質的に同じ位置にあり、前
記第１の矩形領域の幅と長さが、それぞれ決定すべき前
記矩形領域の幅と長さのｍ倍に等しく、０＜ｍ＜１であ
ることを特徴とする請求項２３に記載の画像処理方法。
【請求項２７】前記第２の矩形領域の中心が、決定す
べき前記矩形領域の中心と同じ位置にあり、前記第２の
矩形領域の幅と長さが、それぞれ決定すべき前記矩形領
域の幅と長さのｎ倍に等しく、１＜ｎ＜２であることを
特徴とする請求項２３に記載の画像処理方法。
【請求項２８】階調の勾配を計算する前記ステップ
が、ある画素を取り囲む画素の階調に基づいて、該画素
の階調の勾配を計算するステップを含むことを特徴とす
る請求項２１に記載の画像処理方法。
【請求項２９】前記画素を取り囲む画素の数がｋ²に
等しく、ｋが整数であり、２＜ｋ＜１５であることを特
徴とする請求項２８に記載の画像処理方法。
【請求項３０】基準分布が矩形領域に応じて決定され
ることを特徴とする請求項２１に記載の画像処理方法。
【請求項３１】前記環状領域内の各画素の階調の勾配
と基準勾配との角度を決定するステップを更に含むこと
を特徴とする請求項２１又は３０に記載の画像処理方
法。
【請求項３２】前記環状領域内の各画素の階調の勾配
と各画素の基準勾配との角度の平均を決定するステップ
を更に含むことを特徴とする請求項２１又は３０に記載
の画像処理方法。
【請求項３３】前記環状領域内の各画素の階調の勾配
の重みを決定するステップを更に含むことを特徴とする
請求項２１又は３２に記載の画像処理方法。
【請求項３４】前記環状領域内の各画素の階調の勾配
と各画素の基準勾配との角度の平均が第１しきい値より
小さいか否かを判定するステップを更に含み、第１しき
い値が０．０１〜１．５の範囲内であり、好ましくは
０．６１であることを特徴とする請求項３２に記載の画
像処理方法。
【請求項３５】前記環状領域内の各画素の階調の勾配
と各画素の階調の勾配の重みが付いた基準勾配との角度
の重みつき平均が第２しきい値より小さいか否かを判定
するステップを更に含み、第２しきい値が０．０１〜１
の範囲内であり、好ましくは０．６８であることを特徴
とする請求項３４に記載の画像処理方法。
【請求項３６】前記環状領域内の各画素の階調の勾配
と各画素の階調の勾配の重みが付いた基準勾配との角度
の重みつき平均が第３しきい値より小さいか否かを判定
するステップを更に含み、第３しきい値が０．１〜１の
範囲内であり、好ましくは０．６８であることを特徴と
する請求項３３に記載の画像処理方法。
【請求項３７】画像中の人間の目を検出するための人
間の目の検出方法であって、画像中の各列の各画素の階調を読み取る読取ステップ
と、各列を複数の間隔にセグメント化し、各間隔に谷領域、
中間領域、又は山領域のラベルを付けるセグメント化ス
テップと、各列の谷領域と隣接する列の谷領域とをマージし、目候
補領域を生成するマージステップと、目候補領域から人間の目を決定する決定ステップとを含
むことを特徴とする方法。
【請求項３８】前記セグメント化ステップが、列内の
各間隔の階調に基づいて、各間隔に谷領域、中間領域、
山領域のうちの１つのラベルを付けるステップを含むこ
とを特徴とする請求項３７に記載の方法。
【請求項３９】前記セグメント化ステップが、列内の
各間隔の輝度値に基づいて、各間隔に谷領域、中間領
域、山領域のうちの１つのラベルを付けるステップを含
むことを特徴とする請求項３７に記載の方法。
【請求項４０】前記セグメント化ステップが、２つの
隣接する間隔に対する列内の各間隔のそれぞれの階調比
に基づいて、各間隔に谷領域、中間領域、山領域のうち
の１つのラベルを付けるステップを含むことを特徴とす
る請求項３７に記載の方法。
【請求項４１】前記セグメント化ステップが、２つの
隣接する間隔に対する列内の各間隔のそれぞれの輝度値
比に基づいて、各間隔に谷領域、中間領域、山領域のう
ちの１つのラベルを付けるステップを含むことを特徴と
する請求項３７に記載の方法。
【請求項４２】１つのセグメント点の階調と２つの隣
接する間隔の階調とを比較し、セグメント点の階調に近
い階調を有する隣接する間隔に該セグメント点を追加す
るステップを更に含むことを特徴とする請求項３７乃至
４１のいずれか１つに記載の方法。
【請求項４３】１つの中間領域の階調と、隣接する谷
領域及び山領域との階調とを比較し、隣接する谷領域、
山領域、中間領域の階調に基づいて谷領域に該中間領域
を追加するステップを更に含むことを特徴とする請求項
３７乃至４２のいずれか１つに記載の方法。
【請求項４４】前記マージステップが、画像の第１の列内の各谷領域をシード領域としてそれぞ
れ設定するステップと、前記画像の次の列の谷領域をシード領域にマージできる
か否かを判定するステップと、シード領域にマージできる谷領域をマージするステップ
と、非マージの谷領域をシード領域として設定するステップ
と、更なるマージ谷領域を有しないシード領域を目候補領域
と決定するステップとを含むことを特徴とする請求項３
７に記載の方法。
【請求項４５】谷領域とシード領域の予測谷領域との
オーバラップのサイズと、谷領域とシード領域の予測谷
領域との大きい方のサイズとを比較するステップを更に
含むことを特徴とする請求項４４に記載の方法。
【請求項４６】谷領域の階調とシード領域の階調とを
比較するステップを更に含むことを特徴とする請求項４
４に記載の方法。
【請求項４７】谷領域の階調、シード領域の階調、谷
領域の背景階調、及びシード領域の背景階調を比較する
ステップを更に含むことを特徴とする請求項４４に記載
の方法。
【請求項４８】前記決定ステップは、目候補領域の階
調が第１しきい値より小さいか否かを判定するステップ
を含み、第１しきい値が１００〜２００の範囲内であ
り、好ましくは１６０であることを特徴とする請求項３
７に記載の方法。
【請求項４９】前記決定ステップは、目候補領域の背
景階調が第２しきい値より大きいか否かを判定するステ
ップを更に含み、第２しきい値が２０〜８０の範囲内で
あり、好ましくは３０であることを特徴とする請求項４
８に記載の方法。
【請求項５０】前記決定ステップは、目候補領域の背
景階調とその階調との差が第３しきい値より大きいか否
かを判定するステップを更に含み、第３しきい値が５〜
１２０の範囲内であり、好ましくは２０であることを特
徴とする請求項４９に記載の方法。
【請求項５１】前記決定ステップは、目候補領域の高
さに対する幅の比が第４しきい値より大きいか否かを判
定するステップを更に含み、第４しきい値が１〜５の範
囲内であり、好ましくは３．３３であることを特徴とす
る請求項５０に記載の方法。
【請求項５２】前記決定ステップは、周矩形のサイズ
に対する目候補領域のサイズの比が第５しきい値より大
きいか否かを判定するステップを更に含み、第５しきい
値が０．２〜１の範囲内であり、好ましくは０．４であ
ることを特徴とする請求項５１に記載の方法。
【請求項５３】前記画像中の副画像を決定するための
ステップが、前記画像の各列を複数の間隔にセグメント化するステッ
プと、各間隔に谷領域、中間領域、又は山領域のラベルを付け
るステップと、各列の谷領域と隣接する列の谷領域とをマージし、それ
により候補暗領域を生成するステップと、暗領域を決定するステップとを含むことを特徴とする請
求項１４に記載の方法。
【請求項５４】前記マージステップが、画像の第１の列内の各谷領域をシード領域として設定す
るステップと、前記画像の次の列の谷領域をシード領域にマージできる
か否かを判定するステップと、シード領域にマージできる谷領域をマージするステップ
と、シード領域にマージできない谷領域をシード領域として
設定するステップと、更なるマージ谷領域を有しないシード領域を暗領域と決
定するステップとを含むことを特徴とする請求項５３に
記載の方法。