JP2003109008A - 写真画像データにおける赤目欠陥の自動識別方法 - Google Patents

写真画像データにおける赤目欠陥の自動識別方法

Info

Publication number
JP2003109008A
JP2003109008A JP2002256430A JP2002256430A JP2003109008A JP 2003109008 A JP2003109008 A JP 2003109008A JP 2002256430 A JP2002256430 A JP 2002256430A JP 2002256430 A JP2002256430 A JP 2002256430A JP 2003109008 A JP2003109008 A JP 2003109008A
Authority
JP
Japan
Prior art keywords
red
eye
identification method
image
image data
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.)
Withdrawn
Application number
JP2002256430A
Other languages
English (en)
Inventor
Manfred Fuersich
マンフレート・フュルジッヒ
Guenter Meckes
ギュンター・メッケス
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.)
Agfa Gevaert AG
Original Assignee
Agfa Gevaert AG
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 Agfa Gevaert AG filed Critical Agfa Gevaert AG
Publication of JP2003109008A publication Critical patent/JP2003109008A/ja
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • G06T2207/30216—Redeye defect

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

(57)【要約】 【課題】 この発明は、写真画像データにおけ
る赤目欠陥の自動識別方法に関する。 【解決手段】 この方法の一つの措置として、顔に
特有の濃度状況にもとづき画像データの中に顔を検出す
るオブジェクト識別方法を有する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】この発明は、請求項１の上位
概念にもとづく写真画像データにおける赤目欠陥識別方
法に関する。
【０００２】
【従来の技術】このような技術は、デジタル画像処理を
扱う種々の特許出願から周知である。
【０００３】赤目検出のために利用者がＰＣに表示され
た画像の赤目がある領域にマークする半自動プログラム
が存在する。その場合、このマークされた領域内におい
て赤い欠陥個所が自動的に識別され、目の明るさに合っ
た修正色が指定され、修正が自動的に行われる。
【０００４】しかし、このような方法は、自動写真プリ
ント機には適していない。それは、自動写真プリント機
は、多くの画像を順々に処理しなければならず、利用者
がすべての画像を個々に見て、場合によってはマークす
るような時間がないためである。
【０００５】このような理由から、自動写真プリント機
の利用に向けた全自動の方法が既に開発されている。
【０００６】例えば欧州特許出願公開第０９６１２２５
号明細書において、幾つかのステップから成るデジタル
画像における赤目識別に関するプログラムが記述されて
いる。ここでは、まず肌の色調を示す領域を検出する。
次のステップでは、この肌の色調の検出領域に楕円を合
わせる。このような楕円に適合することができる領域だ
けが、次のステップで赤目候補の領域と見なされる。そ
れから、これらの領域内で二つの赤目候補を調べ、検出
したら直ちにそれらの距離が目の距離と比較される。赤
目候補のうち、潜在する赤目として検出された領域が本
当に赤目であるかどうかを確かめるため、目の見本と比
較される。前記の二つの判定基準が満たされた場合に、
赤目が検出されたことになる。続いて赤目が修正され
る。
【０００７】このプログラムの欠点は、画像の任意の肌
色の領域にある赤い点がその周りに目に似た構造がある
と直ぐに赤目欠陥として識別される場合が多いことであ
る。
【０００８】
【発明が解決しようとする課題】そのため、この発明の
課題は、画像データの検査が自動写真プリント機に合っ
た時間の範囲で行われるとともに、他の細かい個所を間
違って欠陥と検出することなく出来る限り確実に動作す
る、すなわち赤目欠陥を確実に発見する赤目自動識別方
法を開発することである。
【０００９】
【課題を解決するための手段】この課題は、この発明に
よる請求項１の特徴を持つ方法により解決される。他の
有利な実施例は、ここでの記述と図面に関連して、従属
請求項の構成要素となっている。
【００１０】
【発明の実施の形態】この発明により、デジタル形式で
存在する画像データに対して、顔に特有の濃度状況にも
とづき画像データの中に顔を検出するオブジェクト識別
方法が適用される。目の部分がある領域における顔に特
有の濃度状況とは、例えば負の濃度が高いことである、
すなわちこめかみのところが明るい面で、それから濃度
がより低くなり、最初の目のところがどちらかと言うと
暗い面となり、それから鼻のところで濃度が高くなって
最高点となり、再び次の目のところで濃度がその前とほ
ぼ同じ程度に低くなり、それから二番目のこめかみのと
ころで濃度が初めの高さまで高くなることである。ここ
で述べた直線的な濃度状況と同様に、面的な濃度状況も
利用できる。このようなオブジェクト識別方法は、人物
監視または身元管理の分野で知られている。赤目欠陥の
識別分野にこの方法を応用すると、非常に決定力のある
判定基準、すなわち画像データに顔があることをこの欠
陥識別に持ち込む可能性を与えることになる。これによ
り、赤目欠陥識別方法の信頼性が決定的に向上される。
このようなオブジェクト識別方法は、一般には人物監視
においてもリアルタイムで処理されなければならないの
で、写真プリント機に必要な時間を満足するのに十分な
速さを持っている。
【００１１】有利には、オブジェクト識別方法を用いて
顔を探すには、画像データのグレー値だけが使用され
る。いずれにせよ濃度状況だけが分析されるので、計算
時間と計算能力を節約するには、この縮小された、色の
無い画像データセットを使用すれば、全く十分である。
【００１２】それでも、より少ないデータで比較的計算
時間を使うアルゴリズムを使うために、オブジェクト識
別方法の適用前に画像データセットの解像度を低減する
のも有利である。顔の確かな識別のために、良いプリン
トまたは周知の赤目識別方法に必要な非常に高解像度の
画像データセットを検査する必要はない。
【００１３】オブジェクト識別方法を使用することの利
点は、例えばフレキシブルテンプレートを用いて処理を
行う、IS&T/SID Eighth Color Imaging Conferenceの報
告書に記述された顔識別方法がある。
【００１４】この方法では、一般的な顔見本を利用し、
グレースケール画像と比較して類似した構造を見つけ出
すために、それと画像データとを異なる位置で何度も比
較する一方、大きくしたり、小さくしたり、伸ばしたり
している。選択され、変更を加えられた顔見本と画像デ
ータの濃度状況との間で最も良く一致するものが、類似
値と判定される。この類似値が規定の閾値を超えた場合
に、画像データに顔が検出されたものとする。この方法
による処理は、非常に信頼性があるが、比較的負担がか
かる。それでも、小規模で遅い写真プリント機での赤目
欠陥識別方法の分野において、非常に上手く利用するこ
とができる。この方法を使用する前に、例えば、白黒画
像またはフラッシュを使用しなかった画像であるため確
実に赤目欠陥が現れない画像を別の判定基準で除外する
場合にも応用できる。この前に行われる除外方法として
は、図の中で説明されているいくつかの他の判定基準も
適している。
【００１５】他の有利なオブジェクト識別方法には、変
形可能な格子を用いて処理するIEEETransactions on Co
mputers, Vol.42, No.3, March 1993に載っている方法
がある。この方法では、複数の比較用顔の変形標準格子
が画像データ上で任意の方向に動かされる。標準格子の
節点のフーリエ変換信号と対応する画像位置の節点にお
ける画像内容のフーリエ変換信号とを比較することによ
り、変換点およびその周辺における格子と画像内容の濃
度状況が比較される。変形標準格子と画像内容が最も良
く一致する形と位置において、格子が決定し、類似値が
求められる。さらに、類似値が閾値を超えた場合には、
直ちに画像内容の中に選択された標準格子に対応する顔
が検出されたことになる。この方法による処理は、非常
に信頼性が良いが、まだ比較的計算時間がかかる。この
理由から、同様に特に遅い写真プリント機または他の判
定基準にもとづき事前選択が行われる検出方法に適して
いる。
【００１６】同様に、赤目識別方法の範囲において非常
に上手く使用することができる有利な方法としては、固
有ベクトルの利用を基本とする、Journal of Electroni
c imaging 9(2), 226-233(April 2000) に記載の方法が
ある。この方法では、グレースケール画像の全画像デー
タの行列が一つのベクトルに変換される。このベクトル
は、複数の固有ベクトルに分解される。これらの固有ベ
クトルが、同じ方法により分解された標準の顔の固有ベ
クトルと比較される。良い一致を示し、画像データ中の
対応する位置と結び付けられる固有ベクトルの中から、
ある程度以上の一致を示す場合には、直ちにその位置に
顔があると判定される。行列およびベクトル計算を使用
することから、この方法もまた非常に計算時間がかかる
が、他の方法と同様に、すなわち計算能力を向上するこ
とによりこの点を補うことができる。
【００１７】ここで利用することができる他の有利な顔
識別方法がある。例えば、ヒストグラム法を使って、画
像データの濃度状況画像から線毎のヒストグラムを生成
し、これを顔見本のヒストグラムと比較するものであ
る。しかし、この方法は、もう一つ別の方向を向いた顔
見本にも適用できる以外には、ある決まった方向の顔だ
けを探し出すという欠点を持っている。別の周知の方法
は、ニューロン網を使って動作する。この網では、粗く
走査された完全な画像データセットが読み取られ、ニュ
ーロン網を使って評価される。この網は、顔を持つ画像
がどのように見えるかを学習しているので、新しい画像
に顔があるかどうか否かを判定することができるという
前提から始める。ここでも、計算時間を節約するため
に、特にグレースケール画像を使用する。しかし、この
方法は、すでに述べた方法より信頼性がない。けれど
も、信頼性がそれほど重要視されず、より速い方法を採
用する必要がある場合には、この方法を上手く利用する
ことができる。その文献には、多色の完全なデータセッ
トではなく、画像の濃度状況を使って処理することを前
提として、この発明の範囲のすべてを利用できる別の方
法が発表されている。色のデータセットは、場合によっ
ては前段において肌の色調の検査にもとづき画像に人が
そもそも写っているかどうかを明らかにするために使用
することができる。特に、そのような負担のかかる顔識
別方法を利用する場合には、予備調査をもとに人が写っ
ているということが分かっている画像に対してのみ、赤
目欠陥、すなわちそのために顔を探すのが賢明である。
【００１８】この発明による方法の有利な実施例におい
ては、赤目欠陥が現れるための信頼性のある判定基準あ
るいは前提条件を駆使して、すべてまたは既に予備選別
された画像の中で顔を探すために、オブジェクト識別方
法が使用される。画像データに顔があり、例えばフラッ
シュを使った撮影であること、画像中に赤い染みがある
こと、赤白の組み合わせがあること、高コントラスト等
の赤目欠陥が存在するための別の判定基準が満たされる
場合に、赤目欠陥が修正されなければならないと判定す
ることができる。
【００１９】赤目欠陥が存在するための判定基準を検査
する有利な方法としては、オブジェクト識別方法を用い
て画像データ中で顔を探し、そして顔が存在した場合に
オブジェクト識別方法の範囲で自動的に決められた目の
位置に赤い染みを探し、必要があれば、間違った判定を
しないために、さらに例えば撮影時にフラッシュ光を使
用したかどうかといった判定基準を検査するものがあ
る。
【００２０】赤目欠陥識別方法の範囲でオブジェクト識
別方法を使用する他の有利な方法としては、画像データ
セットに顔があるかどうかを検査するために、赤目欠陥
が存在するための他の判定基準と独立した別の判定基準
としてそれを用いるものである。複数の相異なる判定基
準を互いに独立して分析することにより、一つの判定基
準が間違って無いものと識別されると直ちに赤目欠陥識
別方法が中止されるということを避けることができる。
これにより、この方法の信頼性が高められる。兆候と前
提条件がただ単に存在する、あるいは存在しないと識別
される場合、その方法もまた実行可能であるが、大部分
の兆候と前提条件は１００％存在する、あるいは存在し
ないとは分析できないので、やはり存在する確率を算出
するのがより正確である。存在する確率の識別には、一
つの兆候あるいは一つの前提条件がどの程度確実に識別
できるかを最終評価するのに取り入れる確率から始め
る。そのため、兆候や前提条件の存在のほかに別の判定
基準、すなわち、より一層正確な総合結果に結びつく判
定の信頼性あるいは非信頼性を評価に取り入れる。総合
評価のために、閾値と比較されることにより赤目欠陥が
存在するかどうかの尺度となる総合確率が個々の確率か
ら算出される。
【００２１】また、兆候あるいは前提条件の存在に関し
て識別された値に重みを付けて総合評価に取り入れるの
は、非常に有利である。それにより、兆候と前提条件
を、例えば赤目欠陥の判定に非常に関係するもの、良い
兆候あるいは前提条件であるが、常に存在するとは限ら
ないもの、時々しか現れないものに分類することができ
る。このように別々に分類された兆候と前提条件に重み
を付けて評価に取り入れることにより、それらの関連性
を考慮に入れて判定の確実性をさらに向上させることに
なる。
【００２２】特に、総合評価のために兆候と前提条件の
存在に関して互いに独立して検出された値をニューロン
網に取り入れるのは、有利である。ニューロン網の中で
は、判定基準の重み付けを自動的に行っているが、有利
にはそれが網の学習段階で見本画像をもとにして行われ
ることである。値を総合評価にまとめることも、赤目欠
陥の存在が可能性としてあるのかあるいは本当にあるの
かを判定することもニューロン網に適用することができ
る。ニューロン網では、兆候あるいは前提条件が存在す
るか、存在しないかのどちらかに確定した二進データ
か、兆候あるいは前提条件が存在する確率を値として与
えることができる。しかし、存在の評価には他に種々の
形態が考えられ、例えば「存在しない」、「恐らく存在
しない」、「恐らく存在する」、「確実に存在する」と
いった分類がある。値を決める際には、すべての可能な
考えられる評価が使用される。
【００２３】この発明の方法による特に有利な実施例に
おいては、例えば、画像におけるフラッシュ光の使用や
顔の存在のような兆候あるいは前提条件が平行して分析
される。画像データあるいは撮影データを兆候あるいは
前提条件に対して平行して検査することにより、多くの
計算時間を節約することができる。これにより、大規模
な現像所の写真プリント機は１時間に何千もの画像を処
理しなければならないので、このような機器に、そして
場合によっては一般にまで初めてこの方法を利用できる
ようになった。
【００２４】それでもなお、赤目欠陥の存在に関する画
像データの検査は、常に計算時間がかかる方法である。
そのため、どのような範囲でオブジェクト識別方法を取
り入れるかに関係なく、赤目欠陥の識別方法の前に除外
基準を用いた画像データあるいは撮影データの検査を行
うのは特に有利である。そのような除外基準は、赤目欠
陥の識別方法を自動的に中止しても良いような赤目欠陥
をはじめから除外する役割を果たす。これにより、さら
に多くの計算時間を節約することができる。このような
除外基準には、例えばフラッシュが確実に使われていな
い画像、肌の色調がかなり広い範囲で欠落している画
像、画像データのフーリエ変換信号に強い減衰がある画
像の存在があり、これらは画像の詳細情報が欠落してい
る、すなわち完全に均質な画像であることを表してい
る。任意に、速く検査でき、高い確度で除外できる、赤
目識別に用いられる他の判定基準もすべて除外基準とし
て利用することができる。このように、画像情報全体に
赤の色調や全くカラーの色調が無いということがまた除
外基準になることができる。
【００２５】すでに述べたとおり除外基準として働く
が、赤目欠陥の存在の前提条件でもある特に強調したい
判定基準は、画像の撮影時にフラッシュを利用していた
ということである。それは、特に画像の赤目欠陥に結び
つくので、人の撮影時に背景にフラッシュの光が映って
いる場合には非常に確かな判定基準となる。しかし、カ
メラを使った画像の撮影時に、いわゆるフラッシュマー
カーが設定されている場合には、撮影時にフラッシュが
使用されなかったことが直ぐに分かる。このマーカー
は、ＡＰＳあるいはデジタルカメラで、フラッシュが使
用されたか否かを設定、表示するものである。フラッシ
ュマーカーが設定され、それが撮影時にフラッシュが使
用されなかったことを表示している場合には、それによ
り画像には赤目欠陥が存在しないと高い確度で判定する
ことができる。
【００２６】しかし、そのようなフラッシュマーカーが
設定されていない大多数の画像においては、フラッシュ
撮影されたかどうかを単に間接的に決めることができ
る。これは、例えば画像を分析することにより可能とな
る。この分析においては、背景に輪郭が顔の輪郭に一致
するが、その部分が顔とは異なる色あるいは画像密度を
示す、人の非常に暗い影が調べられる。そのような非常
に強い影が優勢に現れている場合には、それから直ぐに
高い確率で撮影時にフラッシュが使用されたということ
が分かる。
【００２７】画像のコントラストが弱いと識別された場
合、それは撮影時にフラッシュが使用されなかったとい
う兆候である。同様に、いわゆる人工的な照明を使った
画像、すなわち白熱電球やネオン管の照明を使った時に
出る典型的な色を表す画像を識別するということは、フ
ラッシュが全く使われていないか十分に使われていなか
ったことを意味する。フラッシュが使用されたかどうか
を判定するために行われる分析の一部を、いわゆる事前
走査データ（事前走査により得られるデータ）をもとに
行うことができる。通常、画像データを得る本来の走査
の実行の前に写真見本を走査する際に事前走査が行わ
れ、それにより非常に低い解像度の一連の画像データが
得られる。これらの事前走査データは、主に本番の走査
用に撮像センサーの感度を調整するために利用される。
しかし、これらは、例えば人工光を使った画像やコント
ラストの弱い画像などであるかどうかを決めるためにも
利用できる。
【００２８】この低い解像度の画像データは、画像デー
タセットが小さいためにその分析に多くの時間を要しな
いので、除外基準の検査に利用できる。画像の走査が一
回だけ行われる場合や高解像度のデジタル画像だけの場
合には、除外基準の検査のためにこれらを低い解像度の
画像データに圧縮するのが有利である。これは、ラスタ
リング、平均値画像、ピクセル選択により行われる。
【００２９】画像の撮影時にフラッシュを使ったかある
いは使わなかったかをより確実に判定するために、ここ
に述べた判定基準の違いを検討し、各判定基準の検査に
より得られた結果をフラッシュを使用したかどうかに関
する総合結果ならびに判定にまとめるのは、有利であ
る。また、計算時間の節約のために、これらの判定基準
を平行して分析するのもここでは特に有利である。同様
に、この評価は確率に基づき、あるいはニューロン網に
より行うことができる。
【００３０】赤目欠陥の自動識別に重要なさらに検査さ
れる兆候は、肌の色調が集中していることである。肌の
色調が集中していないにもかかわらず、赤目欠陥を示す
画像（例えば、カーニバルマスクを被った顔の画像）は
確かにあるが、間違った判定をいくつか起こす場合があ
ることを認めた上でこの兆候を赤目欠陥の検査対象とな
る画像を総じて限定するための除外基準としても利用す
ることができる。
【００３１】しかし、この判定基準を他と同様に画像デ
ータの中で検査し、多くの判定基準の一つとして総合評
価に含めるのは特に有利である。これにより、肌の色調
が変化する、カーニバルの画像、別々の肌の色調を持っ
た人達の画像、主として非常にカラフルな照明を使って
撮影した人々の画像などにおいても、赤目欠陥を見つけ
ることができる。そのような画像に肌の色調を示す兆候
が無くても、他のすべての判定基準を高い確率であるい
は確実に識別することができるので、肌の色調が無くて
も総合評価により赤目欠陥の存在を判定あるいは強く示
すことができる。従来の技術の中で述べた方法では、肌
の色調が無いと赤目識別方法を止めてしまい、場合によ
っては間違った判定をしてしまう。
【００３２】しかし、画像に肌の色調がある場合におい
ては、この方法は、他のすべての画像よりもより一層確
実に赤目欠陥が存在することになる人を撮影した画像で
あることを示すことができる。これにより、この判定基
準には大きな重みを付けることができる。特に、顔であ
るという確率が高いと赤目欠陥の確率も高まるので、顔
の形や大きさなどの特徴を満たすかどうかを見るために
肌の色調が集中しているかを検査することがある。この
場合、この判定基準はより一層決定力を持つものであ
る。
【００３３】一般的にそれが無いと赤目欠陥についての
検査がそれ以上行われず、肌の色調の検査を除外基準と
して利用する場合には、事前走査データあるいは解像度
を落とした対応する画像データを利用すれば、それで十
分である。この非常に粗い解像度の画像データにおいて
肌の色調が現れない場合には、画像データには肌の色調
が集中した大きな領域が確実に存在しない。場合によっ
ては、非常に小さな顔あるいは顔が現れない画像におい
て、赤目の検出を止めるのは、すなわち計算時間の節約
のために有意義である。
【００３４】潜在する赤目欠陥として識別した人工生成
物を検証するために、オブジェクト識別法を取り入れる
のは、特に有利である。この場合、赤目欠陥の存在を示
す赤目欠陥識別方法の範囲で相異なる判定基準が画像デ
ータに対して検査される。この判定基準の検査が高い確
率で赤目欠陥が存在するとの結果を持つ場合には、この
赤目欠陥候補が目の位置である可能性があるものとして
判定される。すでに述べた、あるいは周知のオブジェク
ト識別方法の一つを用いて、目の位置である可能性があ
るものに合った顔の発見が試みられる。そのような顔が
見つかった場合に、赤目候補のところに本当に修正され
るべき赤目欠陥があると判定することができる。それに
対して、赤目候補の一つにより目の位置が決まるような
顔が見つからなかった場合には、その赤目候補には別の
赤い画像の細部があり、決して修正されるべきではない
と判定される。画像に赤目候補を検出できた場合、直ち
にまずオブジェクト識別方法を使用するのは、非常に少
ない画像数に対して使用できるという大きな利点があ
る。そのため、この時間負荷の大きい方法を用いて比較
的数の少ない画像だけが処理され、さらにプリントする
画像全体が速く処理されることが保証される。画像に潜
在する赤目欠陥を識別した場合に、その確認のためにま
ずオブジェクト識別方法を適用するのは、特に非常に速
い大型の写真プリント機に適している。
【００３５】赤目候補データを類似性にもとづき検査
し、同じ特性を対にしてまとめることにより、さらに多
くの計算時間を節約することができる。可能性のある赤
目欠陥対を検出することにより、調べる顔の位置として
は、二つの方向だけとなる。オブジェクト識別方法を適
用する可能性のあるところが非常に限定されるため、こ
の方法は、非常に速く実行することができる。この場
合、欠点は、確かに一つの目だけ、例えば横顔の写真に
おいて現れる赤目欠陥を識別できないということである
が、しかしこれは比較的珍しいことなので、この欠点
は、場合によっては計算時間の節約のために許容するこ
とができる。検証すべき赤目候補を検出するために、実
施例に述べる方法を使用することができるが、従来の技
術のところで述べたような方法、例えば欧州特許出願公
開第９６１２２５号明細書で開示された方法も適してい
る。顔発見法にもとづき、赤目候補の非常に信頼性のあ
る検査を行うことができるので、候補の識別方法の正確
性を下げることができる。そのため、目の見本または類
似物との負担のかかる比較を行わなくても、数少ない赤
目欠陥に対する判定基準を検査するだけで十分である場
合が多い。
【００３６】この発明のその他の詳細と利点について
は、図をもとに詳細に説明した実施例の記述と合わせ
て、従属請求項において明らかにされている。
【００３７】この唯一つの図は、この発明による方法の
実施例の進行図を表している。
【００３８】この発明の有利な実施例を、図のフローチ
ャートをもとに説明する。
【００３９】
【実施例】赤目欠陥の写真画像データを検査できるよう
にするためには、いずれにせよ画像データは、例えばデ
ジタルカメラのようなデジタルでない場合には、まず走
査装置、すなわちスキャナで読み取られなければならな
い。この場合、一般にはまず低解像度の事前走査で、例
えばＡＰＳフィルムの磁気ストライプのようなフィルム
付加データを読み取るとともに画像内容を粗い走査で読
み取るのが有利である。このような事前走査には、一般
にはラインＣＣＤが使われ、その際フィルム付加データ
は、画像内容と同じラインＣＣＤで読み取るか独自のセ
ンサーで走査される。フィルム付加データは、ステップ
１で読み取られ、そこでは低解像度による画像内容デー
タの走査も平行して行うことができるが、そうしない場
合はそれはステップ２で読み取られる。低解像度の画像
データも、フィルムを高解像度で走査し、この高解像度
のデータセットを低解像度のデータセットに圧縮するこ
とにより得られる。この圧縮は、例えばある決まったデ
ータ数の平均値で作るか、またはＸ番目毎の高解像度の
画像点を低解像度の画像データセットとすることにより
実現することができる。次に、ステップ３ではフィルム
付加データをもとに、例えば最初のデータ判定処理によ
り、白黒フィルムかどうかが判定される。白黒フィルム
の場合には、赤目識別方法は中止され、ステップ４で赤
目除外値Ｗ RAAにゼロがセットされるとともに、デジタ
ルデータセットから得られたものでない場合には、高解
像度の画像データが読み取られ、高解像度の画像データ
の処理が別の規定の画像処理方法を用いて続けられる。
検査ステップ５でフィルム付加データにフラッシュマー
カーが含まれ、これが画像の撮影時にフラッシュされて
いないことを示していることが確認された場合も同様で
ある。このようなフラッシュマーカーをもとに、撮影時
にフラッシュが使用されなかったことが分かった場合に
は、すなわち画像データセットには赤目欠陥は存在し得
ないことになる。そのため、そこではまた赤目除外値Ｗ
RAAがゼロにセットされ、高解像度の画像データが読み
取られ、さらに別の画像処理方法が開始される。フィル
ム付加データから識別される除外基準の「白黒フィル
ム」と「撮影時にフラッシュなし」をもとに、つまり始
めから、確実に赤目を持つことができない画像を赤目識
別方法から除外する。このような除外基準の使用によ
り、負担のかかる赤目識別方法を除外画像に引き続き使
用する必要がなくなるので、多くの計算時間を節約する
ことができる。
【００４０】次のステップでは、低解像度の画像内容か
ら導き出すことができる別の除外基準が検査される。そ
こで、ステップ６では、残った画像の低解像度の画像デ
ータから、肌値が識別される。これに対して、この非常
に粗い走査による画像データに対して、一般に写真に人
が写っていることの兆候である肌の色調が検査される。
また、ステップ７で識別されるコントラスト値も別の兆
候として考えられる。非常にコントラストの弱い画像で
は、同様に人が撮影されていないと判定される。ステッ
プ８において、肌値とコントラスト値を人物値に統合す
るのが有利である。その際、除外値である肌値とコント
ラスト値に重みを付けるのが賢明である。例えば、画像
に人が写っているかどうかとの問題に関しては、肌値
は、コントラスト値より大きい重みを持つ。正しい重み
は、より多くの画像の検査にもとづき見い出され、ある
いはニューロン網における値の処理によっても行うこと
ができる。撮影した画像データでカメラのフラッシュが
支配的かどうかの結論を得るために、コントラスト値
は、ステップ９で識別される、例えば電球やネオン管の
ような人工的な照明が画像の中で支配的であるかどうか
に関する除外値を与える人工値と統合される。その際、
ステップ１０でコントラスト値と人工値からフラッシュ
値が生成される。
【００４１】人物値とフラッシュ値が非常に小さいと、
それから人が画像に写っておらず、またフラッシュ撮影
も行われていないと判定される。それにより、その画像
における赤目欠陥の発生を除外することができる。この
ため、ステップ１１で赤目除外値ＷRAAが人物値とフラ
ッシュ値から生成される。除外値である人物値とフラッ
シュ値を唯一の除外値に統合することは、必ずしも必要
ではない。同様に、これらは、別々の除外値と見なすこ
とができる。さらに、画像データに赤目欠陥が存在しえ
ないことの兆候を示す、任意の他の除外基準を検査する
ことも考えられる。
【００４２】除外基準の選択に際しては、一般に赤目識
別方法を適用できそうか、あるいはそのような欠陥を初
めから除外することができるかどうかに関して、非常に
少ない画像データでは、非常に速く検査することがで
き、単に合理的に計算時間を節約することができるの
で、この判定基準の検査は、低解像度の画像データをも
とに可能でなければならないということに注意すること
は重要である。除外基準の検査が高解像度の画像データ
に対して行われる場合には、計算時間の節約は少ないの
で、欠陥識別方法の前に追加の判定基準を検査するのは
価値がある。この場合、すべての画像に対して同様に赤
目識別方法を実施するのが賢明である。それとは逆に、
除外基準の検査のために低解像度の画像内容データを利
用する場合には、この検査は非常に速く実行でき、その
結果高解像度のデータをもとにした負担のかかる赤目欠
陥方法を各画像に対して実施せずにすむので、多くの計
算時間が節約される。
【００４３】まだデジタル形式になっていない場合、ス
テップ１２ですべての画像の高解像度の画像内容データ
が読み取られる。これは、写真フィルムの場合、一般に
は高解像度の平面ＣＣＤを利用したスキャナを使って行
われる。しかし、ラインＣＣＤまたはこの分野で流通し
ている適当な別のセンサーを使うことも可能である。
【００４４】前分析で赤目除外値が非常に小さいことが
分かった場合、そのことから画像には赤目欠陥が存在し
えないと判定することができる。対応する画像に赤目識
別方法を適用せずに、例えば、シャープ化あるいはコン
トラスト処理のような他の画像処理方法を実施する。そ
れに対して、検査ステップ１３で、赤目欠陥を初めから
は除外することができないと判明した場合には、赤目欠
陥の存在に関して判定される前提条件または兆候がある
かどうかに関して高解像度の画像データが検査され、本
来の欠陥識別方法が開始される。
【００４５】この前提条件および／または兆候は、有利
には互いに独立して検査される。計算時間を節約するた
め、これらを平行して検査するのが特に有利である。そ
して、ステップ１４では、高解像度の画像データが、そ
の中に白い面があるかどうかが検査される。そのような
白い面に対しては、ステップ１５で、この白い面が純粋
な白である場合に対する尺度である色値ＷFAが識別され
る。さらに、ステップ１６では、この識別された白い面
が、例えば写真に撮られた眼球の形あるいは目の中の光
の反射に対応させられるかどうかを示す形状値ＷFOが識
別される。ステップ１７では、色値と形状値は、白値に
統合され、その際これらの値に重みを付けることもでき
る。これと平行して、ステップ１８では、同様にステッ
プ１９と２０で色値と形状値が与えられる赤い面が識別
される。このことから、ステップ２１では、赤い面に対
して赤値が識別される。赤い面では、形状値は、識別さ
れた赤い面の形状が、例えば赤目欠陥の形に対応するか
どうかに関係するものである。
【００４６】続いて平行して検査されるステップ２２で
は、画像データにおける影の輪郭が識別される。これ
は、例えば平行にまっすぐ延びる輪郭線が検査され、そ
の際これらの線の内の一つは明るく、他方は暗い。この
ような二重の輪郭線は、光源が影を投げかけていること
の兆候である。この明るさと暗さの違いが特に大きい場
合には、そのことから影を作った光源がカメラのフラッ
シュ光であったと判定される。このため、ステップ２３
で識別される、この状況を反映する影値は、フラッシュ
の可能性が高いのか否かの情報を与えるものである。
【００４７】続くステップ２４では、画像データが肌面
が現れているかについて検査される。肌面が見つかれ
ば、直ちにこのことから色値、すなわち肌面の色がどの
程度肌の色調に近いのかについての情報を与える値がス
テップ２５で識別される。ステップ２６では、それと平
行して肌面の大きさの尺度である大きさ値が求められ
る。同様に、これと平行してステップ２７では、辺比、
すなわち肌面の短辺に対する長辺の比が識別される。ス
テップ２８では、色値、大きさ値、辺比が、識別された
肌面の色、大きさ、形がどの程度顔に似ているかの尺度
である顔値に統合される。
【００４８】ステップ２９では、白値、赤値、影値、顔
値が赤目候補値ＷRAKに統合される。その際、このこと
から、デジタル画像データに白い面、赤い面、影の輪
郭、肌の面が存在することにより、赤目の存在する確率
が非常に大きく、識別された赤い面の形が赤目に合う場
合、それが赤目の候補として評価することができる。こ
の赤目候補値の生成時には、また白値、赤値、顔値の統
合に対する別の条件が持ち込まれる。そこでは、例えば
赤と白の面が並んでいるかどうかに関する情報を与える
要素を導入する。同様に、赤と白の面が識別された肌面
の中にあるか、またはそれから遠く離れてあるのかどう
かが考慮される。この統合要素は、赤目候補値の中に取
り込まれる。赤目候補値の識別に代わるものとしては、
色値、形状値、影値、大きさ値、辺比などを統合要素と
一緒にニューロン網に送り込み、それから赤目候補値を
得る方法もある。
【００４９】最後に、ステップ３０では、識別された赤
目候補値が影値と比較される。影値が大きい場合には、
そのことから画像には赤目候補が存在すると判定され
る。ステップ３１では、この赤目候補が本当に赤目欠陥
でありうるのかどうかが再検査される。この場合、類似
性をもとに赤目候補が本当に撮影された目の中にあるか
どうかを決めるため、例えば赤目候補とその周辺が実際
の目の濃度パターンと比較される。
【００５０】赤目候補の再検査で他に可能なものとして
は、両眼に対応するほぼ同じ特徴を持った二つの調和の
とれた候補をそれぞれ調べることである。これは、次の
ステップ３２で、またはステップ３１の代わりに、また
はそれらを平行して行うことができる。この再検査ステ
ップが選択された場合には、正面から撮影された顔にお
ける赤目欠陥だけが識別される。一つの赤目だけを持つ
横顔の撮影は、これからでは把握することができない。
しかし、一般的には赤目欠陥は正面の撮影時に起こるの
で、この欠点は、計算時間を節約するために許容するこ
とができる。ステップ３１と３２で挙げられた判定基準
が再検査で観察された場合には、ステップ３３でこの判
定基準をもとに見つけた候補ペアが目の判定基準とどの
程度調和しているかが識別される。ステップ３４では、
赤目候補が高い確率で赤目欠陥であるかどうかを判定す
るために、この調和度が閾値と比較される。大きな調和
が確かめられない場合には、そのことから決して修正さ
れるべきではない何か他の赤い画像内容があると判定さ
れる。この場合、赤目修正を行わず、他の画像処理アル
ゴリズムによる画像の処理が続けられる。
【００５１】しかし、候補の調和度が目の判定基準と比
べて相対的に大きい場合には、続くステップ３５でデジ
タル画像データに対して、候補ペアに合う顔を調べる顔
識別方法が用いられる。この場合、候補からペアを見つ
け出すには、潜在する顔の向きが既に分かっているとい
う利点がある。欠点は、すでに述べたように、横顔の写
真では赤目欠陥が識別されないということである。しか
し、この欠点を許容できない場合には、各赤目候補に対
して顔識別方法を開始し、この候補に合うかもしれない
顔を調べることもできる。これには、多くの計算時間を
必要とするが、確かな結果が得られる。ステップ３６
で、赤目候補に合った顔を見つけられなかった場合に
は、そのことから赤目候補には欠陥は無く、赤目修正方
法が用いられず、他の画像処理アルゴリズムが開始され
ると判定される。しかし、赤目候補に合った顔が識別さ
れた場合には、そのことから赤目候補には本当に欠陥が
あり、この欠陥は、修正ステップ３７で通常の修正方法
で修正される。例えば、赤目候補の再検査に適した顔識
別方法として、すでに述べた濃度状況を用いて処理する
方法を利用することができる。しかし、原則的には肌の
色調を識別したり、楕円に合うかどうかといった簡単な
方法を使うこともできる。しかし、これらはより間違い
易い方法である。
【図面の簡単な説明】
【図１】 この発明による方法の実施例のフローチャ
ート(1/3)、
【図２】 この発明による方法の実施例のフローチャ
ート(2/3)、
【図３】 この発明による方法の実施例のフローチャ
ート(3/3)。
【符号の説明】
ＷH 肌値 ＷKO コントラスト値 ＷKU 人工値 ＷP 人物値 ＷB フラッシュ値 ＷRAA 赤目除外値 ＷFA 色値 ＷFO 形状値 ＷW 白値 ＷR 赤値 ＷS 影値 ＷGR 大きさ値 ＷSV 辺比 ＷG 顔値 ＷRAK 赤目候補値
───────────────────────────────────────────────────── フロントページの続き (72)発明者 ギュンター・メッケス ドイツ連邦共和国、ミユンヘン、ハイルマ イエルストラーセ、38 Ｆターム(参考） 5B057 BA02 CA01 CA08 CA12 CA16 CB18 CC03 CH08 DA08 DB02 DB06 DB09 DC05 DC09 DC16 DC34 5L096 AA02 BA18 FA02 FA06 FA14 FA15 HA11 JA11 MA03

Claims (13)

    【特許請求の範囲】
  1. 【請求項１】 写真画像データにおける赤目欠陥の自動
    識別方法において、この方法の一つの措置として、顔に
    特有の濃度状況にもとづき画像データの中に顔を検出す
    るオブジェクト識別方法を有することを特徴とする赤目
    欠陥の自動識別方法。
  2. 【請求項２】 グレースケール画像に対してオブジェク
    ト識別方法による処理を行うことを特徴とする請求項１
    に記載の方法。
  3. 【請求項３】 オブジェクト識別方法が、計算時間を節
    約するため、解像度を下げた画像データセットに対して
    使用されることを特徴とする請求項１に記載の方法。
  4. 【請求項４】 オブジェクト識別方法を使用する際に、
    顔見本が使用されることを特徴とする請求項１に記載の
    方法。
  5. 【請求項５】 オブジェクト識別方法が変形可能な格子
    を用いて処理を行うことを特徴とする請求項１に記載の
    方法。
  6. 【請求項６】 オブジェクト識別方法が固有ベクトルを
    用いて処理を行うことを特徴とする請求項１に記載の方
    法。
  7. 【請求項７】 画像内容と予め定めた顔の雛型との類似
    性の尺度である類似値が、オブジェクト識別方法を用い
    て検出されることを特徴とする請求項１から６までの一
    つに記載の方法。
  8. 【請求項８】 類似値が、該識別方法における赤目欠陥
    が現れるための前提条件として使用されることを特徴と
    する請求項７に記載の方法。
  9. 【請求項９】 類似値が、赤目欠陥を識別するために、
    赤目欠陥が存在するための他の兆候および／または前提
    条件と組み合わされることを特徴とする請求項８に記載
    の方法。
  10. 【請求項１０】 オブジェクト識別方法が、潜在する赤
    目欠陥を検証するために使用されることを特徴とする請
    求項１から９までの一つに記載の方法。
  11. 【請求項１１】 オブジェクト識別方法が、赤目欠陥の
    候補として識別された赤目欠陥が目の位置にある顔を探
    すことを特徴とする請求項１０に記載の方法。
  12. 【請求項１２】 類似した、潜在する赤目欠陥が、対と
    してまとめられることを特徴とする請求項１０に記載の
    方法。
  13. 【請求項１３】 オブジェクト識別方法が、潜在する赤
    目欠陥対が目の位置にある顔を探すことを特徴とする請
    求項１２に記載の方法。
JP2002256430A 2001-09-03 2002-09-02 写真画像データにおける赤目欠陥の自動識別方法 Withdrawn JP2003109008A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP01121104.2 2001-09-03
EP01121104A EP1293933A1 (de) 2001-09-03 2001-09-03 Verfahren zum automatischen Erkennen von rote-Augen-Defekten in fotografischen Bilddaten

Publications (1)

Publication Number Publication Date
JP2003109008A true JP2003109008A (ja) 2003-04-11

Family

ID=8178523

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002256430A Withdrawn JP2003109008A (ja) 2001-09-03 2002-09-02 写真画像データにおける赤目欠陥の自動識別方法

Country Status (3)

Country Link
US (1) US20030044070A1 (ja)
EP (1) EP1293933A1 (ja)
JP (1) JP2003109008A (ja)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004348733A (ja) * 2003-05-19 2004-12-09 Fuji Photo Film Co Ltd デジタル画像における赤目領域の検出方法及び装置
JP2005316973A (ja) * 2004-03-30 2005-11-10 Fuji Photo Film Co Ltd 赤目検出装置および方法並びにプログラム
JP2005316958A (ja) * 2004-03-30 2005-11-10 Fuji Photo Film Co Ltd 赤目検出装置および方法並びにプログラム
JP2006285944A (ja) * 2004-08-11 2006-10-19 Fuji Photo Film Co Ltd 被写体の構成要素を検出する装置および方法
JP2006285956A (ja) * 2005-03-11 2006-10-19 Fuji Photo Film Co Ltd 赤目検出方法および装置並びにプログラム
JP2007503030A (ja) * 2003-08-05 2007-02-15 フォトネーション ビジョン リミテッド デジタル画像から赤目現象を除去するシステム及びその方法
KR100773201B1 (ko) * 2005-06-14 2007-11-02 캐논 가부시끼가이샤 화상 처리 장치, 화상 처리 방법, 컴퓨터 프로그램, 및저장 매체
JP2008015641A (ja) * 2006-07-04 2008-01-24 Fujifilm Corp 人体領域抽出方法および装置並びにプログラム
JP2008518334A (ja) * 2004-10-28 2008-05-29 フォトネーション ビジョン リミテッド 取得したデジタル画像での赤目検出方法及び装置
US7812864B2 (en) 2004-02-09 2010-10-12 Nikon Corporation Red eye image correction device, electronic camera and red eye image correction program product

Families Citing this family (67)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7352394B1 (en) 1997-10-09 2008-04-01 Fotonation Vision Limited Image modification based on red-eye filter analysis
US7738015B2 (en) 1997-10-09 2010-06-15 Fotonation Vision Limited Red-eye filter method and apparatus
US7042505B1 (en) 1997-10-09 2006-05-09 Fotonation Ireland Ltd. Red-eye filter method and apparatus
US7035461B2 (en) * 2002-08-22 2006-04-25 Eastman Kodak Company Method for detecting objects in digital images
US7277589B2 (en) * 2002-09-24 2007-10-02 Fujifilm Corporation Image retouching method, apparatus, and program storage medium, image correcting method, apparatus, and program storage medium, and eye detecting and correcting method apparatus, and program storage medium
GB2395781A (en) * 2002-11-29 2004-06-02 Sony Uk Ltd Face detection
JP2004206688A (ja) * 2002-12-12 2004-07-22 Fuji Photo Film Co Ltd 顔認識方法、顔切出方法、および撮像装置
US7844076B2 (en) 2003-06-26 2010-11-30 Fotonation Vision Limited Digital image processing using face detection and skin tone information
US8948468B2 (en) * 2003-06-26 2015-02-03 Fotonation Limited Modification of viewing parameters for digital images using face detection information
US8682097B2 (en) * 2006-02-14 2014-03-25 DigitalOptics Corporation Europe Limited Digital image enhancement with reference images
US7970182B2 (en) 2005-11-18 2011-06-28 Tessera Technologies Ireland Limited Two stage detection for photographic eye artifacts
US8330831B2 (en) * 2003-08-05 2012-12-11 DigitalOptics Corporation Europe Limited Method of gathering visual meta data using a reference image
US7536036B2 (en) * 2004-10-28 2009-05-19 Fotonation Vision Limited Method and apparatus for red-eye detection in an acquired digital image
US7565030B2 (en) 2003-06-26 2009-07-21 Fotonation Vision Limited Detecting orientation of digital images using face detection information
US7574016B2 (en) 2003-06-26 2009-08-11 Fotonation Vision Limited Digital image processing using face detection information
US8593542B2 (en) * 2005-12-27 2013-11-26 DigitalOptics Corporation Europe Limited Foreground/background separation using reference images
US8498452B2 (en) * 2003-06-26 2013-07-30 DigitalOptics Corporation Europe Limited Digital image processing using face detection information
US8170294B2 (en) 2006-11-10 2012-05-01 DigitalOptics Corporation Europe Limited Method of detecting redeye in a digital image
US9129381B2 (en) * 2003-06-26 2015-09-08 Fotonation Limited Modification of post-viewing parameters for digital images using image region or feature information
US8254674B2 (en) 2004-10-28 2012-08-28 DigitalOptics Corporation Europe Limited Analyzing partial face regions for red-eye detection in acquired digital images
US8155397B2 (en) * 2007-09-26 2012-04-10 DigitalOptics Corporation Europe Limited Face tracking in a camera processor
US7269292B2 (en) * 2003-06-26 2007-09-11 Fotonation Vision Limited Digital image adjustable compression and resolution using face detection information
US7440593B1 (en) 2003-06-26 2008-10-21 Fotonation Vision Limited Method of improving orientation and color balance of digital images using face detection information
US7362368B2 (en) * 2003-06-26 2008-04-22 Fotonation Vision Limited Perfecting the optics within a digital image acquisition device using face detection
US8036458B2 (en) * 2007-11-08 2011-10-11 DigitalOptics Corporation Europe Limited Detecting redeye defects in digital images
US8989453B2 (en) * 2003-06-26 2015-03-24 Fotonation Limited Digital image processing using face detection information
US8896725B2 (en) 2007-06-21 2014-11-25 Fotonation Limited Image capture device with contemporaneous reference image capture mechanism
US7792970B2 (en) 2005-06-17 2010-09-07 Fotonation Vision Limited Method for establishing a paired connection between media devices
US7620218B2 (en) * 2006-08-11 2009-11-17 Fotonation Ireland Limited Real-time face tracking with reference images
US7920723B2 (en) 2005-11-18 2011-04-05 Tessera Technologies Ireland Limited Two stage detection for photographic eye artifacts
US9692964B2 (en) 2003-06-26 2017-06-27 Fotonation Limited Modification of post-viewing parameters for digital images using image region or feature information
US7471846B2 (en) * 2003-06-26 2008-12-30 Fotonation Vision Limited Perfecting the effect of flash within an image acquisition devices using face detection
US7689009B2 (en) 2005-11-18 2010-03-30 Fotonation Vision Ltd. Two stage detection for photographic eye artifacts
US9412007B2 (en) 2003-08-05 2016-08-09 Fotonation Limited Partial face detector red-eye filter method and apparatus
US20050140801A1 (en) * 2003-08-05 2005-06-30 Yury Prilutsky Optimized performance and performance for red-eye filter method and apparatus
US20050031224A1 (en) * 2003-08-05 2005-02-10 Yury Prilutsky Detecting red eye filter and apparatus using meta-data
US8520093B2 (en) 2003-08-05 2013-08-27 DigitalOptics Corporation Europe Limited Face tracker and partial face tracker for red-eye filter method and apparatus
JP2005092759A (ja) * 2003-09-19 2005-04-07 Fuji Photo Film Co Ltd 画像処理装置、画像処理方法、および赤目検出方法ならびにプログラム
JP4431949B2 (ja) * 2003-10-27 2010-03-17 ノーリツ鋼機株式会社 赤目補正方法及びこの方法を実施する装置
US20110102643A1 (en) * 2004-02-04 2011-05-05 Tessera Technologies Ireland Limited Partial Face Detector Red-Eye Filter Method and Apparatus
JP4373828B2 (ja) * 2004-03-22 2009-11-25 富士フイルム株式会社 特定領域検出方法、特定領域検出装置、およびプログラム
US7245285B2 (en) * 2004-04-28 2007-07-17 Hewlett-Packard Development Company, L.P. Pixel device
CN100377163C (zh) * 2004-08-09 2008-03-26 佳能株式会社 用于处理图像的方法和装置
EP1640911A1 (de) * 2004-09-28 2006-03-29 AgfaPhoto GmbH Verfahren zum Erkennen von Rote-Augen-Defekten in digitalen Bilddaten von fotografischen Aufnahmen
US8320641B2 (en) * 2004-10-28 2012-11-27 DigitalOptics Corporation Europe Limited Method and apparatus for red-eye detection using preview or other reference images
US7315631B1 (en) * 2006-08-11 2008-01-01 Fotonation Vision Limited Real-time face tracking in a digital image acquisition device
US7599577B2 (en) * 2005-11-18 2009-10-06 Fotonation Vision Limited Method and apparatus of correcting hybrid flash artifacts in digital images
WO2007095553A2 (en) 2006-02-14 2007-08-23 Fotonation Vision Limited Automatic detection and correction of non-red eye flash defects
DE602007012246D1 (de) 2006-06-12 2011-03-10 Tessera Tech Ireland Ltd Fortschritte bei der erweiterung der aam-techniken aus grauskalen- zu farbbildern
US7916897B2 (en) * 2006-08-11 2011-03-29 Tessera Technologies Ireland Limited Face tracking for controlling imaging parameters
US7403643B2 (en) * 2006-08-11 2008-07-22 Fotonation Vision Limited Real-time face tracking in a digital image acquisition device
US8055067B2 (en) 2007-01-18 2011-11-08 DigitalOptics Corporation Europe Limited Color segmentation
EP2145288A4 (en) 2007-03-05 2013-09-04 Digitaloptics Corp Europe Ltd FILTERING OF POSITIVE FALSE OF RED EYES USING A LOCATION AND FACE ORIENTATION
US8503818B2 (en) 2007-09-25 2013-08-06 DigitalOptics Corporation Europe Limited Eye defect detection in international standards organization images
US8212864B2 (en) 2008-01-30 2012-07-03 DigitalOptics Corporation Europe Limited Methods and apparatuses for using image acquisition data to detect and correct image defects
EP2277141A2 (en) * 2008-07-30 2011-01-26 Tessera Technologies Ireland Limited Automatic face and skin beautification using face detection
US8081254B2 (en) 2008-08-14 2011-12-20 DigitalOptics Corporation Europe Limited In-camera based method of detecting defect eye with high accuracy
WO2010136593A2 (en) * 2009-05-29 2010-12-02 Tessera Technologies Ireland Limited Methods and apparatuses for foreground, top-of-the-head separation from background
US8374454B2 (en) * 2009-07-28 2013-02-12 Eastman Kodak Company Detection of objects using range information
US8509519B2 (en) * 2009-07-29 2013-08-13 Intellectual Ventures Fund 83 Llc Adjusting perspective and disparity in stereoscopic image pairs
US8213052B2 (en) * 2009-07-31 2012-07-03 Eastman Kodak Company Digital image brightness adjustment using range information
US8218823B2 (en) * 2009-08-11 2012-07-10 Eastman Kodak Company Determining main objects using range information
US8270731B2 (en) * 2009-08-19 2012-09-18 Eastman Kodak Company Image classification using range information
US8379917B2 (en) * 2009-10-02 2013-02-19 DigitalOptics Corporation Europe Limited Face recognition performance using additional image features
DE102010003804A1 (de) * 2010-04-09 2011-10-13 Zumtobel Lighting Gmbh Multifunktionale Sensoreinheit zum Ermitteln von Kontrollinformationen für die Lichtsteuerung
US8971628B2 (en) 2010-07-26 2015-03-03 Fotonation Limited Face detection using division-generated haar-like features for illumination invariance
JP6806107B2 (ja) * 2018-03-20 2021-01-06 日本電気株式会社 障害物認識支援装置、障害物認識支援方法、プログラム

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5164992A (en) * 1990-11-01 1992-11-17 Massachusetts Institute Of Technology Face recognition system
US5715325A (en) * 1995-08-30 1998-02-03 Siemens Corporate Research, Inc. Apparatus and method for detecting a face in a video image
US5963670A (en) * 1996-02-12 1999-10-05 Massachusetts Institute Of Technology Method and apparatus for classifying and identifying images
US6222939B1 (en) * 1996-06-25 2001-04-24 Eyematic Interfaces, Inc. Labeled bunch graphs for image analysis
US6044168A (en) * 1996-11-25 2000-03-28 Texas Instruments Incorporated Model based faced coding and decoding using feature detection and eigenface coding
US6292574B1 (en) * 1997-08-29 2001-09-18 Eastman Kodak Company Computer program product for redeye detection
US6252976B1 (en) * 1997-08-29 2001-06-26 Eastman Kodak Company Computer program product for redeye detection
US6108437A (en) * 1997-11-14 2000-08-22 Seiko Epson Corporation Face recognition apparatus, method, system and computer readable medium thereof
JPH11175699A (ja) * 1997-12-12 1999-07-02 Fuji Photo Film Co Ltd 画像処理装置
GB2333590A (en) * 1998-01-23 1999-07-28 Sharp Kk Detecting a face-like region
US6278491B1 (en) * 1998-01-29 2001-08-21 Hewlett-Packard Company Apparatus and a method for automatically detecting and reducing red-eye in a digital image
US6463163B1 (en) * 1999-01-11 2002-10-08 Hewlett-Packard Company System and method for face detection using candidate image region selection
US7106887B2 (en) * 2000-04-13 2006-09-12 Fuji Photo Film Co., Ltd. Image processing method using conditions corresponding to an identified person
US7155036B2 (en) * 2000-12-04 2006-12-26 Sony Corporation Face detection under varying rotation
US6980691B2 (en) * 2001-07-05 2005-12-27 Corel Corporation Correction of “red-eye” effects in images

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004348733A (ja) * 2003-05-19 2004-12-09 Fuji Photo Film Co Ltd デジタル画像における赤目領域の検出方法及び装置
JP4529172B2 (ja) * 2003-05-19 2010-08-25 富士フイルム株式会社 デジタル画像における赤目領域の検出方法及び装置
JP4709147B2 (ja) * 2003-08-05 2011-06-22 テセラ テクノロジーズ アイルランド リミテッド デジタル画像から赤目現象を除去するシステム及びその方法
JP2007503030A (ja) * 2003-08-05 2007-02-15 フォトネーション ビジョン リミテッド デジタル画像から赤目現象を除去するシステム及びその方法
US7812864B2 (en) 2004-02-09 2010-10-12 Nikon Corporation Red eye image correction device, electronic camera and red eye image correction program product
JP4505362B2 (ja) * 2004-03-30 2010-07-21 富士フイルム株式会社 赤目検出装置および方法並びにプログラム
JP2005316973A (ja) * 2004-03-30 2005-11-10 Fuji Photo Film Co Ltd 赤目検出装置および方法並びにプログラム
JP2005316958A (ja) * 2004-03-30 2005-11-10 Fuji Photo Film Co Ltd 赤目検出装置および方法並びにプログラム
JP2006285944A (ja) * 2004-08-11 2006-10-19 Fuji Photo Film Co Ltd 被写体の構成要素を検出する装置および方法
JP2008518334A (ja) * 2004-10-28 2008-05-29 フォトネーション ビジョン リミテッド 取得したデジタル画像での赤目検出方法及び装置
JP4856086B2 (ja) * 2004-10-28 2012-01-18 デジタルオプティックス・コーポレイション・ヨーロッパ・リミテッド 取得したデジタル画像での赤目検出方法及び装置
JP2006285956A (ja) * 2005-03-11 2006-10-19 Fuji Photo Film Co Ltd 赤目検出方法および装置並びにプログラム
KR100773201B1 (ko) * 2005-06-14 2007-11-02 캐논 가부시끼가이샤 화상 처리 장치, 화상 처리 방법, 컴퓨터 프로그램, 및저장 매체
JP2008015641A (ja) * 2006-07-04 2008-01-24 Fujifilm Corp 人体領域抽出方法および装置並びにプログラム
US8023701B2 (en) 2006-07-04 2011-09-20 Fujifilm Corporation Method, apparatus, and program for human figure region extraction

Also Published As

Publication number Publication date
US20030044070A1 (en) 2003-03-06
EP1293933A1 (de) 2003-03-19

Similar Documents

Publication Publication Date Title
JP2003109008A (ja) 写真画像データにおける赤目欠陥の自動識別方法
JP2003109006A (ja) 写真画像データにおける赤目欠陥の自動識別方法
JP2003150961A (ja) 赤目欠陥の自動識別方法を含むデジタル写真画像データの処理方法
JP2003187233A (ja) 写真画像データにおける赤目欠陥の自動識別方法
US7715596B2 (en) Method for controlling photographs of people
US7415165B2 (en) Red-eye detection device, red-eye detection method, and red-eye detection program
US7343028B2 (en) Method and apparatus for red-eye detection
US8055029B2 (en) Real-time face tracking in a digital image acquisition device
US7043084B2 (en) Wheelchair detection using stereo vision
JP2000137788A (ja) 画像処理方法、画像処理装置及び記録媒体
CN108664840A (zh) 图像识别方法及装置
CN107328776A (zh) 一种免疫层析试纸卡的快速检测方法
JP2000149018A (ja) 画像処理方法、画像処理装置及び記録媒体
EP3241154B1 (en) Image processing method and system for iris recognition
JP2003500780A (ja) 物体検査における確度に基づいた画素分類
KR102038576B1 (ko) 홍채 인식 시스템의 부정행위 검출 방법
JP2006285956A (ja) 赤目検出方法および装置並びにプログラム
CN111696090A (zh) 一种无约束环境下人脸图像质量评估方法
JPH11306348A (ja) 対象物検出装置及び対象物検出方法
JPH11306325A (ja) 対象物検出装置及び対象物検出方法
CN112070913B (zh) 基于物联网技术的检票处理方法
CN113989588A (zh) 一种基于自学习的五边形绘图测试智能评价系统及方法
JPH10214327A (ja) 画像を用いた表面欠陥検出方法
JP7229445B2 (ja) 認識装置及び認識方法
Ferman Automatic detection of red-eye artifacts in digital color photos

Legal Events

Date Code Title Description
A300 Application deemed to be withdrawn because no request for examination was validly filed

Free format text: JAPANESE INTERMEDIATE CODE: A300

Effective date: 20060110