JP2005044033A - 画像検出方法および画像検出プログラム - Google Patents
画像検出方法および画像検出プログラム Download PDFInfo
- Publication number
- JP2005044033A JP2005044033A JP2003201106A JP2003201106A JP2005044033A JP 2005044033 A JP2005044033 A JP 2005044033A JP 2003201106 A JP2003201106 A JP 2003201106A JP 2003201106 A JP2003201106 A JP 2003201106A JP 2005044033 A JP2005044033 A JP 2005044033A
- Authority
- JP
- Japan
- Prior art keywords
- image
- detection method
- image detection
- similarity
- histogram
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
【課題】少ない演算量で画像検出処理を実行することを課題とする。
【解決手段】オブジェクト画像Ｉａのヒストグラム解析結果Ｈａと、入力画像Ｉｂから抽出されたブロック画像Ｉ（ｘ，ｙ）のヒストグラム解析結果Ｈ（ｘ，ｙ）とから類似度Ｃ（ｘ，ｙ）が求められる。全てのブロック画像に対する類似度Ｃが求められると、それらの極大値に対応する中心座標（ｘ，ｙ）（候補位置）のリストが作成される。次に、候補位置においてサイズが変更されたブロック画像ＳＩ（ｘ，ｙ）が抽出され、このブロック画像ＳＩのヒストグラム解析結果ＳＨ（ｘ，ｙ）が得られる。さらに、解析結果Ｈａと解析結果ＳＨの間で類似度ＳＣが求められる。全ての候補位置について全ての拡縮率のブロック画像ＳＩが抽出され、類似度ＳＣが求められると、それらの最大値をもって画像の検出とする。
【選択図】 図２
【解決手段】オブジェクト画像Ｉａのヒストグラム解析結果Ｈａと、入力画像Ｉｂから抽出されたブロック画像Ｉ（ｘ，ｙ）のヒストグラム解析結果Ｈ（ｘ，ｙ）とから類似度Ｃ（ｘ，ｙ）が求められる。全てのブロック画像に対する類似度Ｃが求められると、それらの極大値に対応する中心座標（ｘ，ｙ）（候補位置）のリストが作成される。次に、候補位置においてサイズが変更されたブロック画像ＳＩ（ｘ，ｙ）が抽出され、このブロック画像ＳＩのヒストグラム解析結果ＳＨ（ｘ，ｙ）が得られる。さらに、解析結果Ｈａと解析結果ＳＨの間で類似度ＳＣが求められる。全ての候補位置について全ての拡縮率のブロック画像ＳＩが抽出され、類似度ＳＣが求められると、それらの最大値をもって画像の検出とする。
【選択図】 図２
Description
【０００１】
【発明の属する技術分野】
本発明は、入力された画像の中から目的とする画像を検出する技術に関する。
【０００２】
【従来の技術】
コンピュータを用いて、入力した画像と目的とする画像の類似度を判定し、画像を検出する技術が存在する。画像検出の技術は、人物認証など様々な分野で応用可能である。
【０００３】
下記特許文献１では、画像のヒストグラムを解析することにより、画像同士の類似度を判定する技術が開示されている。具体的には、２つの画像のヒストグラムの重複する部分を積算することにより類似度を判定することとしている。
【０００４】
【特許文献１】
特開２００２−１６３６５３号公報
【０００５】
【発明が解決しようとする課題】
しかしながら、特許文献１で開示されている技術では、ヒストグラムそのものの形状を比較する構成となっているため、処理量が大きくなるという問題がある。このため、たとえば、ビデオ画像中からリアルタイムにオブジェクトを検出するといった用途に応用させることは困難であった。
【０００６】
また、特許文献１で開示されている技術では、色ヒストグラムの情報として、色信号Ｈ、Ｑの各値に対して二次元的に領域中の画素数をカウントし、その画素数を度数として表したものを記憶しているので、メモリ領域を多く消費するという問題もある。
【０００７】
さらには、特許文献１では、ヒストグラムが一致する可能性の低い領域についても、検出処理を行っているので、余分な演算を必要とするという問題もある。
【０００８】
そこで、本発明は前記問題点に鑑み、画像の類似度を少ない演算量で実現すること、あるいは類似度の演算に使用するメモリ領域を少なくすることを可能とした画像検出方法を提供することを目的とする。
【０００９】
【課題を解決するための手段】
上記課題を解決するため、請求項１記載の発明は、ａ）第１画像のヒストグラム（以下、第１ヒストグラムとする。）を解析する工程と、ｂ）第２画像から部分画像を抽出する工程と、ｃ）前記部分画像のヒストグラム（以下、第２ヒストグラムとする。）を解析する工程と、ｄ）前記第１および第２ヒストグラムの解析結果から類似度（以下、第１類似度とする。）を算出する工程と、ｅ）前記第１類似度が所定の条件（以下、第１条件とする。）を満たしている場合に、前記部分画像の前記第２画像における抽出位置を候補位置と判定する工程と、ｆ）前記第２画像の前記候補位置において、前記部分画像と領域サイズの異なる新部分画像を抽出する工程と、ｇ）前記新部分画像のヒストグラム（以下、第３ヒストグラムとする。）を解析する工程と、ｈ）前記第１および第３ヒストグラムの解析結果から類似度（以下、第２類似度とする。）を算出する工程と、ｉ）前記第２類似度が所定の条件（以下、第２条件とする。）を満たしている場合、前記新部分画像の領域に前記第１画像が検出されたと判定する工程と、を備えることを特徴とする。
【００１０】
請求項２記載の発明は、請求項１に記載の画像検出方法において、前記工程ｄ）あるいは工程ｈ）は、比較対象となる２つのヒストグラムのピーク値をとる画素レベルの差と、２つのヒストグラムの平均画素レベルの差と、２つのヒストグラムの分散値の比のうち、いずれか１つの情報に基づいて類似度を算出する工程、を含むことを特徴とする。
【００１１】
請求項３記載の発明は、請求項１に記載の画像検出方法において、前記工程ｄ）は、前記第１ヒストグラムの平均値を含む特定の画素値領域が設定され、前記部分画像の全画素のうち前記特定の画素値領域に属する画素の割合に基づいて類似度を算出する工程、を含むことを特徴とする。
【００１２】
請求項４記載の発明は、請求項１に記載の画像検出方法において、前記工程ｈ）は、前記第１ヒストグラムの平均値を含む特定の画素値領域が設定され、前記新部分画像の全画素のうち前記特定の画素値領域に属する画素の割合に基づいて類似度を算出する工程、を含むことを特徴とする。
【００１３】
請求項５記載の発明は、請求項３または請求項４に記載の画像検出方法において、前記特定の画素値領域は、係数ｋの値によって領域の範囲が確定されるものであり、前記工程ｄ）あるいは前記工程ｈ）は、オペレータによって指示された係数ｋの値に応じて前記特定の画素値領域の範囲を決定する工程、を含むことを特徴とする。
【００１４】
請求項６記載の発明は、請求項１ないし請求項５のいずれかに記載の画像検出方法において、前記工程ｅ）は、前記第２画像から抽出された全ての部分画像に対して前記第１類似度を算出した結果、前記第１類似度の極大値を与える部分画像については、前記第１条件を満たしていると判定する工程、を含むことを特徴とする。
【００１５】
請求項７記載の発明は、請求項６に記載の画像検出方法において、前記工程ｅ）は、前記極大値が所定の閾値を越えている場合に前記第１条件を満たしていると判定する工程、を含むことを特徴とする。
【００１６】
請求項８記載の発明は、請求項１ないし請求項５のいずれかに記載の画像検出方法において、前記工程ｅ）は、前記第１類似度が所定の閾値を越えている場合に前記第１条件を満たしていると判定する工程、を含むことを特徴とする。
【００１７】
請求項９記載の発明は、請求項１ないし請求項８のいずれかに記載の画像検出方法において、前記工程ｉ）は、全ての新部分画像に対して前記第２類似度を算出した結果、前記第２類似度の極大値を与える新部分画像については、前記第２条件を満たしていると判定する工程、を含むことを特徴とする。
【００１８】
請求項１０記載の発明は、請求項９に記載の画像検出方法において、前記工程ｉ）は、前記極大値が所定の閾値を越えている場合に前記第２条件を満たしていると判定する工程、を含むことを特徴とする。
【００１９】
請求項１１記載の発明は、請求項１ないし請求項８のいずれかに記載の画像検出方法において、前記工程ｉ）は、前記第２類似度が所定の閾値を越えている場合に前記第２条件を満たしていると判定する工程、を含むことを特徴とする。
【００２０】
請求項１２記載の発明は、請求項１ないし請求項１１のいずれかに記載の画像検出方法において、前記第１ないし第３ヒストグラムは、複数の色相成分のうち少なくとも１つの色相成分に関するヒストグラムであることを特徴とする。
【００２１】
請求項１３記載の発明は、請求項１ないし請求項１２のいずれかに記載の画像検出方法において、前記工程ｅ）は、前記候補位置の中で、特異点を前記候補位置から除去する工程、を含むことを特徴とする。
【００２２】
請求項１４記載の発明は、請求項１ないし請求項１２のいずれかに記載の画像検出方法において、前記工程ｅ）は、前記候補位置と判定されなかった領域の中で、特異点を前記候補位置に付加する工程、を含むことを特徴とする。
【００２３】
請求項１５記載の発明は、ａ）第１画像のヒストグラム（以下、第１ヒストグラムとする。）を解析する工程と、ｂ）第２画像のヒストグラム（以下、第２ヒストグラムとする。）を解析する工程と、ｃ）前記第１および第２ヒストグラムの解析結果から類似度を算出する工程と、を備え、前記工程ｃ）は、比較対象となる２つのヒストグラムのピーク値をとる画素レベルの差と、２つのヒストグラムの平均画素レベルの差と、２つのヒストグラムの分散値の比のうち、いずれか１つの情報に基づいて類似度を算出する工程、を含むことを特徴とする。
【００２４】
請求項１６記載の発明は、ａ）第１画像のヒストグラム（以下、第１ヒストグラムとする。）を解析する工程と、ｂ）第２画像のヒストグラム（以下、第２ヒストグラムとする。）を解析する工程と、ｃ）前記第１および第２ヒストグラムの解析結果から類似度を算出する工程と、を備え、前記工程ｃ）は、前記第１ヒストグラムの平均値を含む特定の画素値領域が設定され、前記第２画像の全画素のうち前記特定の画素値領域に属する画素の割合に基づいて類似度を算出する工程、を含むことを特徴とする。
【００２５】
請求項１７記載の発明は、請求項１６に記載の画像検出方法において、前記特定の画素値領域は、係数ｋの値によって領域の範囲が確定されるものであり、前記工程ｃ）は、オペレータによって指示された係数ｋの値に応じて前記特定の画素値領域の範囲を決定する工程、を含むことを特徴とする。
【００２６】
請求項１８記載の発明は、請求項１５ないし請求項１７のいずれかに記載の画像検出方法において、前記第１ないし第３ヒストグラムは、複数の色相成分のうち少なくとも１つの色相成分に関するヒストグラムであることを特徴とする。
【００２７】
請求項１９記載の発明は、コンピュータに請求項１ないし請求項１８のいずれかの画像検出方法を実行させる画像検出プログラムである。
【００２８】
【発明の実施の形態】
｛第１の実施の形態｝
以下、図面を参照しつつ本発明の第１の実施の形態について説明する。図１は、第１の実施の形態にかかる画像検出方法を実行するコンピュータ１０の概略構成図である。
【００２９】
コンピュータ１０は、ＣＰＵ１、メモリ２、記憶装置３を備え、また、入出力装置として、キーボード、マウス等を含む入力部１１、ディスプレイ１２を備えている。
【００３０】
記憶装置３には、本実施の形態にかかる画像検出方法を実行する画像検出プログラム３０が格納されている。また、記憶装置３には、オブジェクト画像Ｉａおよび入力画像Ｉｂが格納されている。記憶装置３は、たとえばハードディスク、フラッシュメモリなどである。
【００３１】
ここで、オブジェクト画像Ｉａとは、検出対象となる画像である。画像検出プログラム３０は、入力画像Ｉｂの中にオブジェクト画像Ｉａが存在するか否かを判定するプログラムである。
【００３２】
画像検出プログラム３０の動作例としては、１枚の入力画像Ｉｂの中からオブジェクト画像Ｉａを検出する処理、あるいは、動画像として連続して入力される入力画像Ｉｂの中からリアルタイムでオブジェクト画像Ｉａを検出する処理がある。
【００３３】
図２は、画像検出プログラム３０の処理ブロックおよび処理の流れを示す図である。図中、ヒストグラム解析部３１、ブロック画像抽出部３２、類似度算出部３３、類似度判定部３４は、画像検出プログラム３０の機能ブロックである。
【００３４】
画像検出プログラム３０の動作について以下説明する。まず、ヒストグラム解析部３１が、記憶装置３からオブジェクト画像Ｉａを取得し、オブジェクト画像Ｉａのヒストグラムを解析する。ここでは、オブジェクト画像Ｉａは、図３に示す画像とする。
【００３５】
ヒストグラム解析部３１は、オブジェクト画像Ｉａのヒストグラムを解析し、解析結果Ｈａを得る。この解析結果Ｈａの内容については後で説明する。
【００３６】
ここで、ヒストグラム解析部３１は、オブジェクト画像Ｉａを構成する画像情報のうち、色相に関する情報に対してヒストグラムを解析するようにしている。たとえば、オブジェクト画像Ｉａを構成する画像情報がＹ，Ｃｂ，Ｃｒ色空間である場合には、Ｃｂ成分あるいはＣｒ成分に対してヒストグラムが解析される。または、Ｃｂ成分とＣｒ成分の両方についてヒストグラムが解析される。同様に、Ｌａｂ色空間である場合には、ａ成分あるいはｂ成分、またはａ成分とｂ成分の両方についてヒストグラムが解析され、ＨＶＣ色空間である場合には、Ｈ成分あるいはＣ成分、またはＨ成分とＣ成分の両方についてヒストグラムが解析される。
【００３７】
次に、ブロック画像抽出部３２が、記憶装置３から入力画像Ｉｂを取得し、入力画像Ｉｂからブロック画像Ｉ（ｘ，ｙ）を抽出する。ブロック画像Ｉ（ｘ，ｙ）は、入力画像Ｉｂの部分領域画像である。
【００３８】
図４は、入力画像Ｉｂとブロック画像Ｉ（ｘ，ｙ）の関係を示す図である。ここで、（ｘ，ｙ）は、ブロック画像Ｉ（ｘ，ｙ）の中心座標を示している。ここでは、座標（ｘ，ｙ）は、ブロック画像Ｉ（ｘ，ｙ）の中心座標としているが、ブロック画像Ｉ（ｘ，ｙ）の基準座標として中心座標以外の座標を採用してもよい。ブロック画像抽出部３２は、図に示すように、中心座標（ｘ，ｙ）を順にずらすことによって、ブロック画像Ｉ（ｘ，ｙ）の窓枠を順にずらし、各中心座標（ｘ，ｙ）においてブロック画像Ｉ（ｘ，ｙ）を抽出する。図では、中心座標（ｘ，ｙ）のｙ座標を固定し、ｘ座標をｘ１，ｘ２，ｘ３・・・と順にずらしている場合を示しているが、ブロック画像抽出部３２は、中心座標（ｘ，ｙ）を、ｘ座標方向（水平方向）およびｙ座標方向（垂直方向）に移動させることにより、入力画像Ｉｂの全体をスキャンするようにしてブロック画像Ｉ（ｘ，ｙ）を抽出する。
【００３９】
中心座標（ｘ，ｙ）を移動させるステップ（間隔）は、適宜所望の値に設定されればよい。たとえば、ステップを１画素とすることにより、入力画像Ｉｂの全領域を漏れなくスキャンすることが可能である。あるいは、ステップを複数画素とすることにより、演算量を低減させることが可能である。
【００４０】
そして、ある中心座標（ｘ，ｙ）にて、ブロック画像抽出部３２がブロック画像Ｉ（ｘ，ｙ）を抽出すると、次に、ヒストグラム解析部３１が、ブロック画像Ｉ（ｘ，ｙ）のヒストグラムを解析し、解析結果Ｈ（ｘ，ｙ）を得る。ヒストグラム解析部３１は、ブロック画像Ｉ（ｘ，ｙ）を構成する画像情報のうち、色相に関する情報に対してヒストグラムを解析するようにしている。
【００４１】
また、前述したオブジェクト画像Ｉａのヒストグラムの解析結果Ｈａとの類似度を判定するので、オブジェクト画像Ｉａにおいて解析した色相と同じ色相に対してヒストグラムを解析する。たとえば、Ｙ，Ｃｂ，Ｃｒ色空間の場合であって、オブジェクト画像ＩａについてＣｂ成分のヒストグラムを解析するのであれば、ブロック画像Ｉ（ｘ，ｙ）についてもＣｂ成分のヒストグラムを解析する。オブジェクト画像ＩａについてＣｂ成分とＣｒ成分の両方のヒストグラムを解析した場合には、ブロック画像Ｉ（ｘ，ｙ）についてもＣｂ成分とＣｒ成分の両方のヒストグラムを解析することで、両方の色成分について個別に類似度を算出することが可能である。
【００４２】
このようにして、ヒストグラム解析部３１は、オブジェクト画像Ｉａに対する解析結果Ｈａと、ブロック画像Ｉ（ｘ，ｙ）に対する解析結果Ｈ（ｘ，ｙ）を得る。次に、解析結果ＨａあるいはＨ（ｘ，ｙ）の内容について説明する。
【００４３】
画像同士の類似度を判定するために、本実施の形態においては、比較対象となる２つのヒストグラムの平均値に関する情報、あるいは比較対象となる２つのヒストグラムのピーク値に関する情報、あるいは比較対象となる２つのヒストグラムの分散値に関する情報、を利用することとしている。または、これら３つの情報のいずれか２つの情報を利用することやこれら３つの全ての情報を利用することとしている。
【００４４】
図５は、ある画像のヒストグラムを示している。横軸は、画素レベル（画素値）であり、縦軸は各画素レベルの出現頻度を示している。図中のｍはヒストグラムの平均値（平均画素レベル）、ｐはヒストグラムがピーク値をとる際の画素レベル、ｄはヒストグラムの分散値を示している。
【００４５】
したがって、ヒストグラム解析部３１は、解析結果ＨａあるいはＨ（ｘ，ｙ）として、比較対象となる２つのヒストグラムの平均値に関する情報、あるいはピーク値に関する情報、あるいは分散値に関する情報、を得る。または、これら３つの情報のうちいずれか２つの情報、あるいは全ての情報を得る。ここでは、説明を簡単にするために、ヒストグラム解析部３１は、解析結果ＨａおよびＨ（ｘ，ｙ）として、比較対象となる２つのヒストグラムの平均値、ピーク値、分散値に関する全ての情報を算出するものとする。
【００４６】
次に、類似度算出部３３は、解析結果ＨａおよびＨ（ｘ，ｙ）を取得して、類似度Ｃ（ｘ，ｙ）を算出する。類似度Ｃ（ｘ，ｙ）は、解析結果がヒストグラムの平均値に関する情報である場合には、平均値ｍの差として求められる。また、類似度Ｃ（ｘ，ｙ）は、解析結果がヒストグラムのピーク値に関する情報である場合には、ピーク値を示す画素レベルｐの差として求められる。また、類似度Ｃ（ｘ，ｙ）は、解析結果がヒストグラムの分散値に関する情報である場合には、分散値ｄの比として求められる。
【００４７】
あるいは、３つの評価値（平均値の差、ピーク値を示す画素レベルの差、分散値の比）のうち、いずれか２つの評価値を考慮した類似度Ｃ（ｘ，ｙ）を算出してもよいし、３つの全ての評価値を考慮した類似度Ｃ（ｘ，ｙ）を算出してもよい。複数の評価値を考慮する方法としては、たとえば、各評価値を加算したものを類似度とする方法が考えられる。あるいは、重み付け係数を乗算した上で各評価値を加算する方法が考えられる。
【００４８】
また、複数の色相成分についてヒストグラムが解析されている場合には、各色相成分について類似度Ｃ（ｘ，ｙ）が算出される。たとえば、Ｙ，Ｃｂ，Ｃｒ色空間であれば、Ｃｂ成分とＣｒ成分の両方について類似度Ｃ（ｘ，ｙ）が算出される。あるいは、Ｌａｂ色空間であれば、ａ成分とｂ成分の両方について類似度Ｃ（ｘ，ｙ）が算出される。従って、複数の色相成分についてヒストグラムを解析している場合には、複数の類似度が算出されることになる。
【００４９】
以上の処理により、オブジェクト画像Ｉａと、ある中心座標（ｘ，ｙ）におけるブロック画像Ｉ（ｘ，ｙ）との類似度Ｃ（ｘ，ｙ）が算出されと、ブロック画像抽出部３２は、中心座標（ｘ，ｙ）を所定のステップだけ移動させ、次の中心座標（ｘ，ｙ）におけるブロック画像Ｉ（ｘ，ｙ）を抽出する。そして、同様に、この抽出されたブロック画像Ｉ（ｘ，ｙ）とオブジェクト画像Ｉａとの類似度Ｃ（ｘ，ｙ）が算出される。このような処理を中心座標（ｘ，ｙ）をｘ座標方向（水平方向）およびｙ座標方向（垂直方向）に移動させつつ実行することにより、全てのブロック画像Ｉ（ｘ，ｙ）とオブジェクト画像Ｉａとの類似度Ｃ（ｘ，ｙ）が算出される。
【００５０】
類似度算出部３３が全てのブロック画像Ｉ（ｘ，ｙ）の類似度Ｃ（ｘ，ｙ）を算出すると、次に、類似度判定部３４は、類似度算出部３３が算出した全てのブロック画像Ｉ（ｘ，ｙ）に対応する類似度Ｃ（ｘ，ｙ）を取得し、オブジェクト画像Ｉａとブロック画像Ｉ（ｘ，ｙ）の類似度の判定処理を行う。具体的には、類似度判定部３４は、図６に示すように、中心座標（ｘ，ｙ）を横軸（Ｘ軸）、類似度Ｃ（ｘ，ｙ）を縦軸（Ｙ軸）とするような関数を考え、この関数の極大値となる中心座標（ｘ，ｙ）を求めるのである。なお、図６においては、中心座標（ｘ，ｙ）のｙ座標がある座標に固定されて、ｘ座標をｘ１，ｘ２，ｘ３・・・と移動させた場合の極大値を示している。このような極大値を全てのｙ座標について求める。
【００５１】
そして、類似度判定部３４は、この類似度Ｃ（ｘ，ｙ）の極大値が閾値記憶部５より取得した閾値ＳＨ１より大きいか否かの判定を行い、閾値ＳＨ１より大きい場合には、この極大値となった中心座標（ｘ，ｙ）を、オブジェクト画像Ｉａが存在する候補位置として判定するのである。
【００５２】
また、複数の色相成分について類似度を算出している場合には、各色相成分ごとに閾値ＳＨ１を設定すればよい。そして、各色相成分について候補位置を判定し、最終的に総合評価を行うようにすればよい。総合評価としては、いずれの色相成分についても条件も満たす場合のみ、候補位置と判定する方法が考えられる。あるいは、いずれかの色相成分の判定を優先的に扱うようにしてもよい。
【００５３】
なお、閾値記憶部５は、記憶装置５あるいはメモリ２などのデータ記憶装置を示している。閾値ＳＨ１は、あらかじめ閾値記憶部５に格納されるデータであるが、オペレータによって任意に設定、変更することが可能である。たとえば、他の物体の誤検出があっても、対象オブジェクトの検出漏れを防ぎたい場合には、閾値ＳＨ１を低く設定すればよい。対象オブジェクトの検出漏れが発生しても、誤検出を防ぎたい場合には、閾値ＳＨ１を高く設定すればよい。
【００５４】
類似度判定部３４が類似度判定を行うと、その判定結果ＣＲが判定結果記録部６に記録される。判定結果記録部６としては、メモリ２等の記憶装置が利用される。つまり、極大値をとり、かつ、閾値ＳＨ１を越える類似度Ｃ（ｘ，ｙ）が検出された全ての中心座標（ｘ，ｙ）が候補位置のリストとして記録される。
【００５５】
次に、ブロック画像抽出部３２は、候補位置として判定された中心座標（ｘ，ｙ）に対応した新たなブロック画像ＳＩ（ｘ，ｙ）を取得する。一例を説明すると、前述した最初の処理においてブロック画像抽出部３２は、ブロック画像Ｉ（ｘ，ｙ）を３２×３２画素ブロックとして抽出する。そして、今回の処理においては、ブロック画像Ｉ（ｘ，ｙ）と中心座標（ｘ，ｙ）が同じであり、領域サイズがブロック画像Ｉ（ｘ，ｙ）の１／４倍、１／２倍、２倍、４倍となるようなサイズの異なる新たなブロック画像ＳＩ（ｘ，ｙ）を抽出するのである。
【００５６】
図７は、ブロック画像Ｉ（ｘ，ｙ）の領域サイズを変化させた状態を示している。図中、拡縮率Ｓ４は倍率１、つまり元のブロック画像Ｉ（ｘ，ｙ）を示している。したがって、拡縮率Ｓ１〜Ｓ３は、ブロック画像Ｉ（ｘ，ｙ）の領域サイズを縮小させたものであり、拡縮率Ｓ５〜Ｓ７は、ブロック画像Ｉ（ｘ，ｙ）の領域サイズを拡大させたものである。
【００５７】
ブロック画像抽出部３２が、まず、ある拡縮率の新ブロック画像ＳＩ（ｘ，ｙ）を抽出すると、次に、ヒストグラム解析部３１が、新ブロック画像ＳＩ（ｘ，ｙ）のヒストグラムを解析する。この解析処理の内容は、前述したオブジェクト画像Ｉａやブロック画像Ｉ（ｘ，ｙ）に対する解析処理の内容と同様である。これにより、新ブロック画像ＳＩ（ｘ，ｙ）のヒストグラム解析結果ＳＨ（ｘ，ｙ）が得られる。
【００５８】
さらに、類似度算出部３３が、新ブロック画像ＳＩ（ｘ，ｙ）のヒストグラム解析結果ＳＨ（ｘ，ｙ）とオブジェクト画像Ｉａのヒストグラム解析結果Ｈａについて類似度ＳＣ（ｘ，ｙ）を算出する。この類似度算出処理の内容は、前述した解析結果Ｈａと解析結果Ｈ（ｘ，ｙ）との間の類似度算出処理の内容と同様である。
【００５９】
以上の処理によりある候補位置におけるブロック画像Ｉ（ｘ，ｙ）のある拡縮率Ｓについて類似度ＳＣ（ｘ，ｙ）を算出すると、ブロック画像抽出部３２が次の拡縮率Ｓについて新ブロック画像ＳＩ（ｘ，ｙ）を生成し、この新ブロック画像ＳＩ（ｘ，ｙ）について類似度ＳＣ（ｘ，ｙ）が算出される。このような処理を繰り返し、ある候補位置の全ての拡縮率Ｓについて新ブロック画像ＳＣ（ｘ，ｙ）が生成され、全ての新ブロック画像ＳＩ（ｘ，ｙ）についての類似度ＳＣ（ｘ，ｙ）が算出される。次に、ブロック画像抽出部３２は、判定結果記録部６に記録されている候補位置のリストに従って、次の候補位置に対しても新ブロック画像ＳＩ（ｘ，ｙ）を抽出する。そして、全ての新ブロック画像ＳＩ（ｘ，ｙ）に対する類似度ＳＣ（ｘ，ｙ）が算出される。
【００６０】
類似度算出部３３が全ての候補位置の全ての新ブロック画像ＳＩ（ｘ，ｙ）に対する類似度ＳＣ（ｘ，ｙ）を算出すると、次に、類似度判定部３４は、類似度算出部３３が算出した全ての新ブロック画像ＳＩ（ｘ，ｙ）に対応する類似度ＳＣ（ｘ，ｙ）を取得し、オブジェクト画像Ｉａと新ブロック画像ＳＩ（ｘ，ｙ）の類似度の判定処理を行う。具体的には、類似度判定部３４は、図８に示すように、拡縮率Ｓを横軸（Ｘ軸）、類似度ＳＣ（ｘ，ｙ）を縦軸（Ｙ軸）とするような関数を考え、この関数の最大値となる拡縮率Ｓを求めるのである。なお、図８においては、ある候補位置についての最大値を示す図であるが、実際には、全ての候補位置の中でＳＣ（ｘ，ｙ）が最大となる中心座標（ｘ，ｙ）と拡縮率の組み合わせを選択することにより、類似度ＳＣ（ｘ，ｙ）が最大となる新ブロック画像ＳＩ（ｘ，ｙ）を検出することが可能となるのである。
【００６１】
そして、類似度判定部３４は、この類似度ＳＣ（ｘ，ｙ）の最大値が閾値記憶部５より取得した閾値ＳＨ２より大きいか否かの判定を行い、閾値ＳＨ２より大きい場合には、この最大値となった中心座標（ｘ，ｙ）と拡縮率Ｓに対応する新ブロック画像ＳＩ（ｘ，ｙ）を、オブジェクト画像Ｉａが存在する新ブロック画像として判定するのである。
【００６２】
あるいは、複数の検出結果を許容するのであれば、類似度ＳＣ（ｘ，ｙ）が極大値をとる中心座標（ｘ，ｙ）および拡縮率の組み合わせを選択するようにしてもよい。そして、極大値をとる複数の類似度ＳＣ（ｘ，ｙ）と閾値ＳＨ２とを比較し、閾値ＳＨ２を超えるものが複数存在する場合には、オブジェクト画像Ｉａが複数存在するという検出結果としてもよい。
【００６３】
なお、閾値ＳＨ２は、あらかじめ閾値記憶部５に格納されるデータであるが、オペレータによって任意に設定、変更することが可能である。たとえば、他の物体の誤検出があっても、対象オブジェクトの検出漏れを防ぎたい場合には、閾値ＳＨ２を低く設定すればよい。対象オブジェクトの検出漏れが発生しても、誤検出を防ぎたい場合には、閾値ＳＨ２を高く設定すればよい。
【００６４】
また、複数の色相成分についてヒストグラムが解析されている場合には、類似度ＳＣ（ｘ，ｙ）についても複数の色相成分に対応したものが算出される。したがって、この場合にも、複数の色相成分に対応した類似度ＳＣ（ｘ，ｙ）それぞれについて判定処理を行い総合評価を行うようにしてもよい。総合評価としては、いずれの色相成分についても条件を満たす場合のみオブジェクトが検出されたと判定する方法が考えられる。あるいは、いずれかの色相成分についての判定結果を優先的に扱うようにしてもよい。
【００６５】
以上説明したように、本発明の第１の実施の形態によれば、オブジェクトの形状情報を用いることなく、画像のヒストグラムを解析してオブジェクト検出を行うので、画像内に映っているオブジェクトの大きさ、回転などに左右されることなくロバストなオブジェクト検出を行うことが可能である。
【００６６】
また、最初にブロック画像との間で類似度の判定を行い、候補位置のリストを作成し、検索領域を絞り込むようにしているので、画像検出処理の演算量を低減させることが可能である。また、処理速度の向上を図ることができるので、リアルタイムでの画像検出処理においても効果を発揮する。
【００６７】
また、画像同士の類似度を算出する際には、ヒストグラムの形状情報をメモリに記憶する必要がない。本実施の形態によれば、多くともヒストグラムの解析結果としてヒストグラムの平均値、ピーク値、分散値に関する３つの情報をメモリに記憶しておけば類似度の算出を行うことができるので、メモリ消費量も小さくすることが可能である。
【００６８】
また、ヒストグラムを解析する色として色相成分を利用することとしたので、輝度情報に関わる情報を利用する場合と比べて照明条件に左右することなくロバストなオブジェクト検出を行うことができる。また、複数の色相成分を利用することにより、例えば顔などのように肌色（皮膚）、赤色（唇）、黒（眉、髭、黒目）といった複数の色相が混在するようなオブジェクト検出であっても、検出精度を向上させることが可能である。
【００６９】
｛第２の実施の形態｝
次に、本発明の第２の実施の形態について説明する。第２の実施の形態にかかる画像検出方法を実行するコンピュータについても、図１で示したようなコンピュータ１０を想定すればよい。ここで、図１中の画像検出プログラム３０が、第２の実施の形態においては画像検出プログラム５０に置き換わったものと考える。
【００７０】
図９は、画像検出プログラム５０の処理ブロックおよび処理の流れを示す図である。図中、ヒストグラム解析部５１、ブロック画像抽出部５２、類似度算出部５３、類似度判定部５４、孤立点除去部５６、膨張処理部５７は、画像検出プログラム５０の機能ブロックである。
【００７１】
また、ヒストグラム解析部５１、類似度算出部５３の処理内容は、第１の実施の形態におけるヒストグラム解析部３１、類似度算出部３３の処理内容と略同様である。しかし、ブロック画像抽出部５２、類似度判定部５４の処理内容は、第１の実施の形態におけるブロック画像抽出部３２、類似度判定部３４の内容と異なる。
【００７２】
ヒストグラム解析部５１は、オブジェクト画像Ｉａおよびブロック画像抽出部５２が抽出したブロック画像Ｉ（ｘ，ｙ）のヒストグラムを解析し、それぞれ解析結果ＨａおよびＨ（ｘ，ｙ）を得る。類似度算出部５３は、解析結果ＨａおよびＨ（ｘ，ｙ）の類似度Ｃ（ｘ，ｙ）を算出する。
【００７３】
次に、類似度判定部５４は、類似度Ｃ（ｘ，ｙ）が閾値ＳＨ３を越えている場合に、そのブロック画像Ｉ（ｘ，ｙ）の中心座標（ｘ，ｙ）を候補位置であると判定する。このように、第２の実施の形態では、類似度Ｃ（ｘ，ｙ）の極大値を考慮することなく、類似度が閾値ＳＨ３を超えている場合に、その中心座標（ｘ，ｙ）を候補位置と判定するようにしている。そして、判定結果記録部５５には、判定結果ＣＲとして候補位置である中心座標（ｘ，ｙ）のリストが記録される。
【００７４】
なお、閾値ＳＨ３は、あらかじめ閾値記憶部５に格納されるデータであるが、オペレータによって任意に設定、変更することが可能である。たとえば、他の物体の誤検出があっても、対象オブジェクトの検出漏れを防ぎたい場合には、閾値ＳＨ３を低く設定すればよい。対象オブジェクトの検出漏れが発生しても、誤検出を防ぎたい場合には、閾値ＳＨ３を高く設定すればよい。
【００７５】
以上の処理により中心座標（ｘ，ｙ）のリストが作成されると、次に、孤立点除去部５６が孤立点除去処理を実行する。図１０（ａ）は孤立点除去処理前における候補位置と判定されている中心座標（ｘ，ｙ）の集合を示している。候補位置の集合は、複数の中心座標（ｘ，ｙ）がまとまった領域を形成している領域６１と孤立点６２とを含んでいる。ここで、孤立点６２に対応するブロック画像Ｉ（ｘ，ｙ）内にはオブジェクト画像Ｉａが存在する可能性が低いという判断のもと、孤立点除去部５６が孤立点６２を削除する。具体的には、候補位置のリストから孤立点６２を削除する。これにより、図１０（ｂ）に示すように、孤立点除去処理後における候補位置の集合は領域６１で形成されることになる。このように、候補位置の中で、オブジェクト画像Ｉａが存在する可能性の低い特異点を除去することにより、無駄な検出演算処理を削減するようにしている。
【００７６】
次に、膨張処理部５７が膨張処理を実行する。図１１（ａ）は膨張処理前における候補位置と判定されている中心座標（ｘ，ｙ）の集合を示している。候補位置の集合は、複数の中心座標（ｘ，ｙ）がまとまった領域を形成している領域６１を含んでいるが、この領域６１には、窪み部６４が形成されている。ここで、窪み部６４内に中心座標（ｘ，ｙ）をもつブロック画像Ｉ（ｘ，ｙ）内にはオブジェクト画像Ｉａが存在する可能性があるという判断のもと、膨張処理部５７が窪み部６４を候補位置に加える。具体的には、候補位置のリストに窪み部６４の領域内に存在する中心座標（ｘ，ｙ）を加える。これにより、図１１（ｂ）に示すように、膨張処理後における候補位置の集合は領域６５で表される。このように、候補位置と判定されなかった領域の中で、オブジェクト画像Ｉａが存在する可能性のある領域、つまり、候補位置ではない領域についての特異点を付加することにより、検出精度の向上を図っているのである。
【００７７】
以上の孤立点除去処理および膨張処理が実行されることにより、判定結果記録部５５に記録された候補位置のリストに補正が加えられる。
【００７８】
次に、２回目の処理として、ブロック画像抽出部５２は、補正後の候補位置リストに記録された中心座標（ｘ，ｙ）をもつブロック画像ＥＩ（ｘ，ｙ）を抽出する。ここで、ブロック画像ＥＩ（ｘ，ｙ）は、ブロック画像Ｉ（ｘ，ｙ）と同じ中心座標（ｘ，ｙ）をもち、ブロック画像Ｉ（ｘ，ｙ）よりサイズの大きいブロック画像である。
【００７９】
たとえば、最初にブロック画像抽出部５２が抽出するブロック画像Ｉ（ｘ，ｙ）を８×８画素のブロックとし、２回目に抽出するブロック画像ＥＩ（ｘ，ｙ）は３２×３２画素のブロックとする。さらに、３回目、４回目に抽出するブロック画像ＥＩ（ｘ，ｙ）を６４×６４画素、１２８×１２８画素といったように、順にブロック画像ＥＩ（ｘ，ｙ）のサイズが大きくなるようにしている。
【００８０】
２回目の処理で抽出されたブロック画像ＥＩ（ｘ，ｙ）に対しても、ヒストグラム解析部５１においてヒストグラムＥＨ（ｘ，ｙ）が解析され、類似度算出部５３が、オブジェクト画像Ｉａの解析結果Ｈａとブロック画像ＥＩ（ｘ，ｙ）の解析結果ＥＨ（ｘ，ｙ）との類似度ＥＣ（ｘ，ｙ）を算出する。
【００８１】
１回目の処理で作成された補正後の候補位置リストを１回目候補リストとすると、１回目候補リストに記録された全ての中心座標（ｘ，ｙ）について、３２×３２画素のブロック画像ＥＩ（ｘ，ｙ）が抽出され、それぞれのブロック画像ＥＩ（ｘ，ｙ）に対する類似度ＥＣ（ｘ，ｙ）が算出され、それぞれの類似度ＥＣ（ｘ，ｙ）と閾値ＳＨ３との対比が行われる。そして、閾値ＳＨ３との比較処理の結果、再び類似度判定部５４が候補位置のリストを作成し、判定結果ＣＲを更新して判定記録部６に記録する。
【００８２】
この判定結果ＣＲについて、再び、孤立点除去部５６において孤立点除去処理が実行され、膨張処理部５７によって膨張処理が実行され、さらに、候補位置のリストに補正が加えられ、２回目候補リストが作成される。さらに、３回目の処理として、２回目候補リストに記録された中心座標（ｘ，ｙ）について、ブロック画像ＥＩ（ｘ，ｙ）が抽出され（たとえば、６４×６４画素のブロックが抽出され）、同様に、類似度ＥＣ（ｘ，ｙ）が算出され、閾値ＳＨ３との対比が行われ、判定結果ＣＲとして絞り込まれた３回目の候補位置のリストが作成されると、同様に孤立点除去処理、膨張処理が実行される。このようにして、次々に、候補位置のリストを絞り込みながら、ブロック画像ＥＩ（ｘ，ｙ）のサイズがオブジェクト画像Ｉａのサイズと同じになるまで処理を繰り返す。なお、各回の処理で閾値ＳＨ３の値を異なる値としてもよい。
【００８３】
そして、最終的に残る候補位置のリストからオブジェクト画像の位置を推測する。たとえば、最終的に残った候補位置の領域（例えば図１０や図１１で示すような領域）を考え、その領域の重心位置をオブジェクト画像Ｉａの検出位置であると推測する方法が考えられる。または、あらかじめ検出位置が特定された複数のテンプレートを用意しておき、候補位置の領域とテンプレートのマッチング処理を行う。そして、マッチングするテンプレートが見つかった場合に、そのテンプレートで特定されている位置をオブジェクト画像Ｉａの検出位置とする方法などが考えられる。あるいは、特定の位置を決定するのではなく、最終的に残った候補位置の集合を検出結果としてもよい。
【００８４】
｛変形例｝
上記の実施の形態においては、ヒストグラムの解析結果に対して類似度を算出する際、ヒストグラムの平均値、ピーク値、分散値に関する情報を利用することとした。この変形例として、対象となるヒストグラムの分布の重複度合いを利用するようにしてもよい。
【００８５】
図１２は、比較対照となる一方の画像のヒストグラムである。ここでは、図は、オブジェクト画像Ｉａのヒストグラムであるとする。このヒストグラムの平均値はｍ、分散値はｄである。そして、ある適当な係数ｋを考え、平均値ｍを中心として、（ｍ−ｋ×ｄ）〜（ｍ＋ｋ×ｄ）の画素値領域を考える。
【００８６】
そして、比較対照となる他方の画像、たとえば、ブロック画像Ｉ（ｘ，ｙ）の画素分布が上記（ｍ−ｋ×ｄ）〜（ｍ＋ｋ×ｄ）の画素値領域にどれだけ含まれるかを考える。すなわち、ブロック画像Ｉ（ｘ，ｙ）の全画素Ｍのうち、（ｍ−ｋ×ｄ）〜（ｍ＋ｋ×ｄ）の画素値領域に含まれる画素数Ｎの割合（Ｎ／Ｍ）を類似度として採用するのである。
【００８７】
このような画素分布の割合に基づいた類似度の算出方法を上記の第１あるいは第２の実施の形態に適用させることが可能である。そして、係数ｋの値を変化させることによって、検出の感度を変化させることが可能である。係数ｋは、あらかじめ閾値記憶部５等の記憶部に格納されるデータであるが、オペレータによって任意に設定、変更することが可能である。たとえば、他の物体の誤検出があっても、対象オブジェクトの検出漏れを防ぎたい場合には、係数ｋの値を大きく設定すればよい。対象オブジェクトの検出漏れが発生しても、誤検出を防ぎたい場合には、係数ｋの値を小さく設定すればよい。
【００８８】
また、別の変形例として、入力画像Ｉｂをサブサンプリングし、縮小された入力画像に対して上記第１および第２の実施の形態を適用させることも可能である。このような方法をとれば、演算量をさらに低減させることが可能である。
【００８９】
【発明の効果】
以上説明したように、請求項１ないし請求項１４のいずれかに記載の画像検出方法においては、オブジェクトの形状情報を用いることなく画像検出を行うことが可能である。また、第１条件を満たしたブロックに対してのみ、さらなる類似度の判定処理を行うので、演算量を少なくすることが可能である。
【００９０】
請求項２に記載の画像検出方法においては、ヒストグラムの解析結果で得られたデータ量の小さい情報のみを類似度判定に利用するので、メモリ使用量を少なくすることが可能である。
【００９１】
請求項１２に記載の画像検出方法においては、色相成分のヒストグラムを解析するので、照明条件に左右されずにロバストな画像検出処理を行うことが可能である。
【００９２】
請求項１５ないし請求項１８のいずれかに記載の画像検出方法は、ヒストグラムの解析結果で得られたデータ量の小さい情報のみを類似度判定に利用するので、メモリ使用量を少なくすることが可能である。
【００９３】
請求項１９は、画像検出プログラムに関するものであり、オブジェクトの形状情報を用いることなく画像検出を行うことが可能である。
【図面の簡単な説明】
【図１】画像検出方法を実行するコンピュータの概略構成図である。
【図２】第１の実施の形態における画像検出プログラムの処理ブロックおよび処理の流れを示す図である。
【図３】検出対象となるオブジェクト画像の具体例を示す図である。
【図４】中心座標を移動させつつ抽出されるブロック画像を示す図である。
【図５】ヒストグラムにおける平均値、ピーク値、分散値を示す図である。
【図６】中心座標を移動させつつ抽出されるブロック画像の類似度を示す図である。
【図７】サイズを変化させつつ抽出されるブロック画像を示す図である。
【図８】サイズを変化させつつ抽出されるブロック画像の類似度を示す図である。
【図９】第２の実施の形態における画像検出プログラムの処理ブロックおよび処理の流れを示す図である。
【図１０】孤立点除去処理の前後における候補位置の集合を示す図である。
【図１１】膨張処理の前後における候補位置の集合を示す図である。
【図１２】類似度を判定する別の評価方法を示す図である。
【符号の説明】
３０ 画像検出プログラム
Ｃ（ｘ，ｙ） （ブロック画像との）類似度
ＣＲ 判定結果
Ｈａ （オブジェクト画像の）ヒストグラム解析結果
Ｈ（ｘ，ｙ） （ブロック画像の）ヒストグラム解析結果
Ｉａ オブジェクト画像
Ｉｂ 入力画像
Ｉ（ｘ，ｙ） ブロック画像
ＳＣ（ｘ，ｙ） （サイズ変更後のブロック画像との）類似度
ＳＨ（ｘ，ｙ） （サイズ変更後のブロック画像の）ヒストグラム解析結果
ＳＩ（ｘ，ｙ） （サイズ変更後の）ブロック画像
【発明の属する技術分野】
本発明は、入力された画像の中から目的とする画像を検出する技術に関する。
【０００２】
【従来の技術】
コンピュータを用いて、入力した画像と目的とする画像の類似度を判定し、画像を検出する技術が存在する。画像検出の技術は、人物認証など様々な分野で応用可能である。
【０００３】
下記特許文献１では、画像のヒストグラムを解析することにより、画像同士の類似度を判定する技術が開示されている。具体的には、２つの画像のヒストグラムの重複する部分を積算することにより類似度を判定することとしている。
【０００４】
【特許文献１】
特開２００２−１６３６５３号公報
【０００５】
【発明が解決しようとする課題】
しかしながら、特許文献１で開示されている技術では、ヒストグラムそのものの形状を比較する構成となっているため、処理量が大きくなるという問題がある。このため、たとえば、ビデオ画像中からリアルタイムにオブジェクトを検出するといった用途に応用させることは困難であった。
【０００６】
また、特許文献１で開示されている技術では、色ヒストグラムの情報として、色信号Ｈ、Ｑの各値に対して二次元的に領域中の画素数をカウントし、その画素数を度数として表したものを記憶しているので、メモリ領域を多く消費するという問題もある。
【０００７】
さらには、特許文献１では、ヒストグラムが一致する可能性の低い領域についても、検出処理を行っているので、余分な演算を必要とするという問題もある。
【０００８】
そこで、本発明は前記問題点に鑑み、画像の類似度を少ない演算量で実現すること、あるいは類似度の演算に使用するメモリ領域を少なくすることを可能とした画像検出方法を提供することを目的とする。
【０００９】
【課題を解決するための手段】
上記課題を解決するため、請求項１記載の発明は、ａ）第１画像のヒストグラム（以下、第１ヒストグラムとする。）を解析する工程と、ｂ）第２画像から部分画像を抽出する工程と、ｃ）前記部分画像のヒストグラム（以下、第２ヒストグラムとする。）を解析する工程と、ｄ）前記第１および第２ヒストグラムの解析結果から類似度（以下、第１類似度とする。）を算出する工程と、ｅ）前記第１類似度が所定の条件（以下、第１条件とする。）を満たしている場合に、前記部分画像の前記第２画像における抽出位置を候補位置と判定する工程と、ｆ）前記第２画像の前記候補位置において、前記部分画像と領域サイズの異なる新部分画像を抽出する工程と、ｇ）前記新部分画像のヒストグラム（以下、第３ヒストグラムとする。）を解析する工程と、ｈ）前記第１および第３ヒストグラムの解析結果から類似度（以下、第２類似度とする。）を算出する工程と、ｉ）前記第２類似度が所定の条件（以下、第２条件とする。）を満たしている場合、前記新部分画像の領域に前記第１画像が検出されたと判定する工程と、を備えることを特徴とする。
【００１０】
請求項２記載の発明は、請求項１に記載の画像検出方法において、前記工程ｄ）あるいは工程ｈ）は、比較対象となる２つのヒストグラムのピーク値をとる画素レベルの差と、２つのヒストグラムの平均画素レベルの差と、２つのヒストグラムの分散値の比のうち、いずれか１つの情報に基づいて類似度を算出する工程、を含むことを特徴とする。
【００１１】
請求項３記載の発明は、請求項１に記載の画像検出方法において、前記工程ｄ）は、前記第１ヒストグラムの平均値を含む特定の画素値領域が設定され、前記部分画像の全画素のうち前記特定の画素値領域に属する画素の割合に基づいて類似度を算出する工程、を含むことを特徴とする。
【００１２】
請求項４記載の発明は、請求項１に記載の画像検出方法において、前記工程ｈ）は、前記第１ヒストグラムの平均値を含む特定の画素値領域が設定され、前記新部分画像の全画素のうち前記特定の画素値領域に属する画素の割合に基づいて類似度を算出する工程、を含むことを特徴とする。
【００１３】
請求項５記載の発明は、請求項３または請求項４に記載の画像検出方法において、前記特定の画素値領域は、係数ｋの値によって領域の範囲が確定されるものであり、前記工程ｄ）あるいは前記工程ｈ）は、オペレータによって指示された係数ｋの値に応じて前記特定の画素値領域の範囲を決定する工程、を含むことを特徴とする。
【００１４】
請求項６記載の発明は、請求項１ないし請求項５のいずれかに記載の画像検出方法において、前記工程ｅ）は、前記第２画像から抽出された全ての部分画像に対して前記第１類似度を算出した結果、前記第１類似度の極大値を与える部分画像については、前記第１条件を満たしていると判定する工程、を含むことを特徴とする。
【００１５】
請求項７記載の発明は、請求項６に記載の画像検出方法において、前記工程ｅ）は、前記極大値が所定の閾値を越えている場合に前記第１条件を満たしていると判定する工程、を含むことを特徴とする。
【００１６】
請求項８記載の発明は、請求項１ないし請求項５のいずれかに記載の画像検出方法において、前記工程ｅ）は、前記第１類似度が所定の閾値を越えている場合に前記第１条件を満たしていると判定する工程、を含むことを特徴とする。
【００１７】
請求項９記載の発明は、請求項１ないし請求項８のいずれかに記載の画像検出方法において、前記工程ｉ）は、全ての新部分画像に対して前記第２類似度を算出した結果、前記第２類似度の極大値を与える新部分画像については、前記第２条件を満たしていると判定する工程、を含むことを特徴とする。
【００１８】
請求項１０記載の発明は、請求項９に記載の画像検出方法において、前記工程ｉ）は、前記極大値が所定の閾値を越えている場合に前記第２条件を満たしていると判定する工程、を含むことを特徴とする。
【００１９】
請求項１１記載の発明は、請求項１ないし請求項８のいずれかに記載の画像検出方法において、前記工程ｉ）は、前記第２類似度が所定の閾値を越えている場合に前記第２条件を満たしていると判定する工程、を含むことを特徴とする。
【００２０】
請求項１２記載の発明は、請求項１ないし請求項１１のいずれかに記載の画像検出方法において、前記第１ないし第３ヒストグラムは、複数の色相成分のうち少なくとも１つの色相成分に関するヒストグラムであることを特徴とする。
【００２１】
請求項１３記載の発明は、請求項１ないし請求項１２のいずれかに記載の画像検出方法において、前記工程ｅ）は、前記候補位置の中で、特異点を前記候補位置から除去する工程、を含むことを特徴とする。
【００２２】
請求項１４記載の発明は、請求項１ないし請求項１２のいずれかに記載の画像検出方法において、前記工程ｅ）は、前記候補位置と判定されなかった領域の中で、特異点を前記候補位置に付加する工程、を含むことを特徴とする。
【００２３】
請求項１５記載の発明は、ａ）第１画像のヒストグラム（以下、第１ヒストグラムとする。）を解析する工程と、ｂ）第２画像のヒストグラム（以下、第２ヒストグラムとする。）を解析する工程と、ｃ）前記第１および第２ヒストグラムの解析結果から類似度を算出する工程と、を備え、前記工程ｃ）は、比較対象となる２つのヒストグラムのピーク値をとる画素レベルの差と、２つのヒストグラムの平均画素レベルの差と、２つのヒストグラムの分散値の比のうち、いずれか１つの情報に基づいて類似度を算出する工程、を含むことを特徴とする。
【００２４】
請求項１６記載の発明は、ａ）第１画像のヒストグラム（以下、第１ヒストグラムとする。）を解析する工程と、ｂ）第２画像のヒストグラム（以下、第２ヒストグラムとする。）を解析する工程と、ｃ）前記第１および第２ヒストグラムの解析結果から類似度を算出する工程と、を備え、前記工程ｃ）は、前記第１ヒストグラムの平均値を含む特定の画素値領域が設定され、前記第２画像の全画素のうち前記特定の画素値領域に属する画素の割合に基づいて類似度を算出する工程、を含むことを特徴とする。
【００２５】
請求項１７記載の発明は、請求項１６に記載の画像検出方法において、前記特定の画素値領域は、係数ｋの値によって領域の範囲が確定されるものであり、前記工程ｃ）は、オペレータによって指示された係数ｋの値に応じて前記特定の画素値領域の範囲を決定する工程、を含むことを特徴とする。
【００２６】
請求項１８記載の発明は、請求項１５ないし請求項１７のいずれかに記載の画像検出方法において、前記第１ないし第３ヒストグラムは、複数の色相成分のうち少なくとも１つの色相成分に関するヒストグラムであることを特徴とする。
【００２７】
請求項１９記載の発明は、コンピュータに請求項１ないし請求項１８のいずれかの画像検出方法を実行させる画像検出プログラムである。
【００２８】
【発明の実施の形態】
｛第１の実施の形態｝
以下、図面を参照しつつ本発明の第１の実施の形態について説明する。図１は、第１の実施の形態にかかる画像検出方法を実行するコンピュータ１０の概略構成図である。
【００２９】
コンピュータ１０は、ＣＰＵ１、メモリ２、記憶装置３を備え、また、入出力装置として、キーボード、マウス等を含む入力部１１、ディスプレイ１２を備えている。
【００３０】
記憶装置３には、本実施の形態にかかる画像検出方法を実行する画像検出プログラム３０が格納されている。また、記憶装置３には、オブジェクト画像Ｉａおよび入力画像Ｉｂが格納されている。記憶装置３は、たとえばハードディスク、フラッシュメモリなどである。
【００３１】
ここで、オブジェクト画像Ｉａとは、検出対象となる画像である。画像検出プログラム３０は、入力画像Ｉｂの中にオブジェクト画像Ｉａが存在するか否かを判定するプログラムである。
【００３２】
画像検出プログラム３０の動作例としては、１枚の入力画像Ｉｂの中からオブジェクト画像Ｉａを検出する処理、あるいは、動画像として連続して入力される入力画像Ｉｂの中からリアルタイムでオブジェクト画像Ｉａを検出する処理がある。
【００３３】
図２は、画像検出プログラム３０の処理ブロックおよび処理の流れを示す図である。図中、ヒストグラム解析部３１、ブロック画像抽出部３２、類似度算出部３３、類似度判定部３４は、画像検出プログラム３０の機能ブロックである。
【００３４】
画像検出プログラム３０の動作について以下説明する。まず、ヒストグラム解析部３１が、記憶装置３からオブジェクト画像Ｉａを取得し、オブジェクト画像Ｉａのヒストグラムを解析する。ここでは、オブジェクト画像Ｉａは、図３に示す画像とする。
【００３５】
ヒストグラム解析部３１は、オブジェクト画像Ｉａのヒストグラムを解析し、解析結果Ｈａを得る。この解析結果Ｈａの内容については後で説明する。
【００３６】
ここで、ヒストグラム解析部３１は、オブジェクト画像Ｉａを構成する画像情報のうち、色相に関する情報に対してヒストグラムを解析するようにしている。たとえば、オブジェクト画像Ｉａを構成する画像情報がＹ，Ｃｂ，Ｃｒ色空間である場合には、Ｃｂ成分あるいはＣｒ成分に対してヒストグラムが解析される。または、Ｃｂ成分とＣｒ成分の両方についてヒストグラムが解析される。同様に、Ｌａｂ色空間である場合には、ａ成分あるいはｂ成分、またはａ成分とｂ成分の両方についてヒストグラムが解析され、ＨＶＣ色空間である場合には、Ｈ成分あるいはＣ成分、またはＨ成分とＣ成分の両方についてヒストグラムが解析される。
【００３７】
次に、ブロック画像抽出部３２が、記憶装置３から入力画像Ｉｂを取得し、入力画像Ｉｂからブロック画像Ｉ（ｘ，ｙ）を抽出する。ブロック画像Ｉ（ｘ，ｙ）は、入力画像Ｉｂの部分領域画像である。
【００３８】
図４は、入力画像Ｉｂとブロック画像Ｉ（ｘ，ｙ）の関係を示す図である。ここで、（ｘ，ｙ）は、ブロック画像Ｉ（ｘ，ｙ）の中心座標を示している。ここでは、座標（ｘ，ｙ）は、ブロック画像Ｉ（ｘ，ｙ）の中心座標としているが、ブロック画像Ｉ（ｘ，ｙ）の基準座標として中心座標以外の座標を採用してもよい。ブロック画像抽出部３２は、図に示すように、中心座標（ｘ，ｙ）を順にずらすことによって、ブロック画像Ｉ（ｘ，ｙ）の窓枠を順にずらし、各中心座標（ｘ，ｙ）においてブロック画像Ｉ（ｘ，ｙ）を抽出する。図では、中心座標（ｘ，ｙ）のｙ座標を固定し、ｘ座標をｘ１，ｘ２，ｘ３・・・と順にずらしている場合を示しているが、ブロック画像抽出部３２は、中心座標（ｘ，ｙ）を、ｘ座標方向（水平方向）およびｙ座標方向（垂直方向）に移動させることにより、入力画像Ｉｂの全体をスキャンするようにしてブロック画像Ｉ（ｘ，ｙ）を抽出する。
【００３９】
中心座標（ｘ，ｙ）を移動させるステップ（間隔）は、適宜所望の値に設定されればよい。たとえば、ステップを１画素とすることにより、入力画像Ｉｂの全領域を漏れなくスキャンすることが可能である。あるいは、ステップを複数画素とすることにより、演算量を低減させることが可能である。
【００４０】
そして、ある中心座標（ｘ，ｙ）にて、ブロック画像抽出部３２がブロック画像Ｉ（ｘ，ｙ）を抽出すると、次に、ヒストグラム解析部３１が、ブロック画像Ｉ（ｘ，ｙ）のヒストグラムを解析し、解析結果Ｈ（ｘ，ｙ）を得る。ヒストグラム解析部３１は、ブロック画像Ｉ（ｘ，ｙ）を構成する画像情報のうち、色相に関する情報に対してヒストグラムを解析するようにしている。
【００４１】
また、前述したオブジェクト画像Ｉａのヒストグラムの解析結果Ｈａとの類似度を判定するので、オブジェクト画像Ｉａにおいて解析した色相と同じ色相に対してヒストグラムを解析する。たとえば、Ｙ，Ｃｂ，Ｃｒ色空間の場合であって、オブジェクト画像ＩａについてＣｂ成分のヒストグラムを解析するのであれば、ブロック画像Ｉ（ｘ，ｙ）についてもＣｂ成分のヒストグラムを解析する。オブジェクト画像ＩａについてＣｂ成分とＣｒ成分の両方のヒストグラムを解析した場合には、ブロック画像Ｉ（ｘ，ｙ）についてもＣｂ成分とＣｒ成分の両方のヒストグラムを解析することで、両方の色成分について個別に類似度を算出することが可能である。
【００４２】
このようにして、ヒストグラム解析部３１は、オブジェクト画像Ｉａに対する解析結果Ｈａと、ブロック画像Ｉ（ｘ，ｙ）に対する解析結果Ｈ（ｘ，ｙ）を得る。次に、解析結果ＨａあるいはＨ（ｘ，ｙ）の内容について説明する。
【００４３】
画像同士の類似度を判定するために、本実施の形態においては、比較対象となる２つのヒストグラムの平均値に関する情報、あるいは比較対象となる２つのヒストグラムのピーク値に関する情報、あるいは比較対象となる２つのヒストグラムの分散値に関する情報、を利用することとしている。または、これら３つの情報のいずれか２つの情報を利用することやこれら３つの全ての情報を利用することとしている。
【００４４】
図５は、ある画像のヒストグラムを示している。横軸は、画素レベル（画素値）であり、縦軸は各画素レベルの出現頻度を示している。図中のｍはヒストグラムの平均値（平均画素レベル）、ｐはヒストグラムがピーク値をとる際の画素レベル、ｄはヒストグラムの分散値を示している。
【００４５】
したがって、ヒストグラム解析部３１は、解析結果ＨａあるいはＨ（ｘ，ｙ）として、比較対象となる２つのヒストグラムの平均値に関する情報、あるいはピーク値に関する情報、あるいは分散値に関する情報、を得る。または、これら３つの情報のうちいずれか２つの情報、あるいは全ての情報を得る。ここでは、説明を簡単にするために、ヒストグラム解析部３１は、解析結果ＨａおよびＨ（ｘ，ｙ）として、比較対象となる２つのヒストグラムの平均値、ピーク値、分散値に関する全ての情報を算出するものとする。
【００４６】
次に、類似度算出部３３は、解析結果ＨａおよびＨ（ｘ，ｙ）を取得して、類似度Ｃ（ｘ，ｙ）を算出する。類似度Ｃ（ｘ，ｙ）は、解析結果がヒストグラムの平均値に関する情報である場合には、平均値ｍの差として求められる。また、類似度Ｃ（ｘ，ｙ）は、解析結果がヒストグラムのピーク値に関する情報である場合には、ピーク値を示す画素レベルｐの差として求められる。また、類似度Ｃ（ｘ，ｙ）は、解析結果がヒストグラムの分散値に関する情報である場合には、分散値ｄの比として求められる。
【００４７】
あるいは、３つの評価値（平均値の差、ピーク値を示す画素レベルの差、分散値の比）のうち、いずれか２つの評価値を考慮した類似度Ｃ（ｘ，ｙ）を算出してもよいし、３つの全ての評価値を考慮した類似度Ｃ（ｘ，ｙ）を算出してもよい。複数の評価値を考慮する方法としては、たとえば、各評価値を加算したものを類似度とする方法が考えられる。あるいは、重み付け係数を乗算した上で各評価値を加算する方法が考えられる。
【００４８】
また、複数の色相成分についてヒストグラムが解析されている場合には、各色相成分について類似度Ｃ（ｘ，ｙ）が算出される。たとえば、Ｙ，Ｃｂ，Ｃｒ色空間であれば、Ｃｂ成分とＣｒ成分の両方について類似度Ｃ（ｘ，ｙ）が算出される。あるいは、Ｌａｂ色空間であれば、ａ成分とｂ成分の両方について類似度Ｃ（ｘ，ｙ）が算出される。従って、複数の色相成分についてヒストグラムを解析している場合には、複数の類似度が算出されることになる。
【００４９】
以上の処理により、オブジェクト画像Ｉａと、ある中心座標（ｘ，ｙ）におけるブロック画像Ｉ（ｘ，ｙ）との類似度Ｃ（ｘ，ｙ）が算出されと、ブロック画像抽出部３２は、中心座標（ｘ，ｙ）を所定のステップだけ移動させ、次の中心座標（ｘ，ｙ）におけるブロック画像Ｉ（ｘ，ｙ）を抽出する。そして、同様に、この抽出されたブロック画像Ｉ（ｘ，ｙ）とオブジェクト画像Ｉａとの類似度Ｃ（ｘ，ｙ）が算出される。このような処理を中心座標（ｘ，ｙ）をｘ座標方向（水平方向）およびｙ座標方向（垂直方向）に移動させつつ実行することにより、全てのブロック画像Ｉ（ｘ，ｙ）とオブジェクト画像Ｉａとの類似度Ｃ（ｘ，ｙ）が算出される。
【００５０】
類似度算出部３３が全てのブロック画像Ｉ（ｘ，ｙ）の類似度Ｃ（ｘ，ｙ）を算出すると、次に、類似度判定部３４は、類似度算出部３３が算出した全てのブロック画像Ｉ（ｘ，ｙ）に対応する類似度Ｃ（ｘ，ｙ）を取得し、オブジェクト画像Ｉａとブロック画像Ｉ（ｘ，ｙ）の類似度の判定処理を行う。具体的には、類似度判定部３４は、図６に示すように、中心座標（ｘ，ｙ）を横軸（Ｘ軸）、類似度Ｃ（ｘ，ｙ）を縦軸（Ｙ軸）とするような関数を考え、この関数の極大値となる中心座標（ｘ，ｙ）を求めるのである。なお、図６においては、中心座標（ｘ，ｙ）のｙ座標がある座標に固定されて、ｘ座標をｘ１，ｘ２，ｘ３・・・と移動させた場合の極大値を示している。このような極大値を全てのｙ座標について求める。
【００５１】
そして、類似度判定部３４は、この類似度Ｃ（ｘ，ｙ）の極大値が閾値記憶部５より取得した閾値ＳＨ１より大きいか否かの判定を行い、閾値ＳＨ１より大きい場合には、この極大値となった中心座標（ｘ，ｙ）を、オブジェクト画像Ｉａが存在する候補位置として判定するのである。
【００５２】
また、複数の色相成分について類似度を算出している場合には、各色相成分ごとに閾値ＳＨ１を設定すればよい。そして、各色相成分について候補位置を判定し、最終的に総合評価を行うようにすればよい。総合評価としては、いずれの色相成分についても条件も満たす場合のみ、候補位置と判定する方法が考えられる。あるいは、いずれかの色相成分の判定を優先的に扱うようにしてもよい。
【００５３】
なお、閾値記憶部５は、記憶装置５あるいはメモリ２などのデータ記憶装置を示している。閾値ＳＨ１は、あらかじめ閾値記憶部５に格納されるデータであるが、オペレータによって任意に設定、変更することが可能である。たとえば、他の物体の誤検出があっても、対象オブジェクトの検出漏れを防ぎたい場合には、閾値ＳＨ１を低く設定すればよい。対象オブジェクトの検出漏れが発生しても、誤検出を防ぎたい場合には、閾値ＳＨ１を高く設定すればよい。
【００５４】
類似度判定部３４が類似度判定を行うと、その判定結果ＣＲが判定結果記録部６に記録される。判定結果記録部６としては、メモリ２等の記憶装置が利用される。つまり、極大値をとり、かつ、閾値ＳＨ１を越える類似度Ｃ（ｘ，ｙ）が検出された全ての中心座標（ｘ，ｙ）が候補位置のリストとして記録される。
【００５５】
次に、ブロック画像抽出部３２は、候補位置として判定された中心座標（ｘ，ｙ）に対応した新たなブロック画像ＳＩ（ｘ，ｙ）を取得する。一例を説明すると、前述した最初の処理においてブロック画像抽出部３２は、ブロック画像Ｉ（ｘ，ｙ）を３２×３２画素ブロックとして抽出する。そして、今回の処理においては、ブロック画像Ｉ（ｘ，ｙ）と中心座標（ｘ，ｙ）が同じであり、領域サイズがブロック画像Ｉ（ｘ，ｙ）の１／４倍、１／２倍、２倍、４倍となるようなサイズの異なる新たなブロック画像ＳＩ（ｘ，ｙ）を抽出するのである。
【００５６】
図７は、ブロック画像Ｉ（ｘ，ｙ）の領域サイズを変化させた状態を示している。図中、拡縮率Ｓ４は倍率１、つまり元のブロック画像Ｉ（ｘ，ｙ）を示している。したがって、拡縮率Ｓ１〜Ｓ３は、ブロック画像Ｉ（ｘ，ｙ）の領域サイズを縮小させたものであり、拡縮率Ｓ５〜Ｓ７は、ブロック画像Ｉ（ｘ，ｙ）の領域サイズを拡大させたものである。
【００５７】
ブロック画像抽出部３２が、まず、ある拡縮率の新ブロック画像ＳＩ（ｘ，ｙ）を抽出すると、次に、ヒストグラム解析部３１が、新ブロック画像ＳＩ（ｘ，ｙ）のヒストグラムを解析する。この解析処理の内容は、前述したオブジェクト画像Ｉａやブロック画像Ｉ（ｘ，ｙ）に対する解析処理の内容と同様である。これにより、新ブロック画像ＳＩ（ｘ，ｙ）のヒストグラム解析結果ＳＨ（ｘ，ｙ）が得られる。
【００５８】
さらに、類似度算出部３３が、新ブロック画像ＳＩ（ｘ，ｙ）のヒストグラム解析結果ＳＨ（ｘ，ｙ）とオブジェクト画像Ｉａのヒストグラム解析結果Ｈａについて類似度ＳＣ（ｘ，ｙ）を算出する。この類似度算出処理の内容は、前述した解析結果Ｈａと解析結果Ｈ（ｘ，ｙ）との間の類似度算出処理の内容と同様である。
【００５９】
以上の処理によりある候補位置におけるブロック画像Ｉ（ｘ，ｙ）のある拡縮率Ｓについて類似度ＳＣ（ｘ，ｙ）を算出すると、ブロック画像抽出部３２が次の拡縮率Ｓについて新ブロック画像ＳＩ（ｘ，ｙ）を生成し、この新ブロック画像ＳＩ（ｘ，ｙ）について類似度ＳＣ（ｘ，ｙ）が算出される。このような処理を繰り返し、ある候補位置の全ての拡縮率Ｓについて新ブロック画像ＳＣ（ｘ，ｙ）が生成され、全ての新ブロック画像ＳＩ（ｘ，ｙ）についての類似度ＳＣ（ｘ，ｙ）が算出される。次に、ブロック画像抽出部３２は、判定結果記録部６に記録されている候補位置のリストに従って、次の候補位置に対しても新ブロック画像ＳＩ（ｘ，ｙ）を抽出する。そして、全ての新ブロック画像ＳＩ（ｘ，ｙ）に対する類似度ＳＣ（ｘ，ｙ）が算出される。
【００６０】
類似度算出部３３が全ての候補位置の全ての新ブロック画像ＳＩ（ｘ，ｙ）に対する類似度ＳＣ（ｘ，ｙ）を算出すると、次に、類似度判定部３４は、類似度算出部３３が算出した全ての新ブロック画像ＳＩ（ｘ，ｙ）に対応する類似度ＳＣ（ｘ，ｙ）を取得し、オブジェクト画像Ｉａと新ブロック画像ＳＩ（ｘ，ｙ）の類似度の判定処理を行う。具体的には、類似度判定部３４は、図８に示すように、拡縮率Ｓを横軸（Ｘ軸）、類似度ＳＣ（ｘ，ｙ）を縦軸（Ｙ軸）とするような関数を考え、この関数の最大値となる拡縮率Ｓを求めるのである。なお、図８においては、ある候補位置についての最大値を示す図であるが、実際には、全ての候補位置の中でＳＣ（ｘ，ｙ）が最大となる中心座標（ｘ，ｙ）と拡縮率の組み合わせを選択することにより、類似度ＳＣ（ｘ，ｙ）が最大となる新ブロック画像ＳＩ（ｘ，ｙ）を検出することが可能となるのである。
【００６１】
そして、類似度判定部３４は、この類似度ＳＣ（ｘ，ｙ）の最大値が閾値記憶部５より取得した閾値ＳＨ２より大きいか否かの判定を行い、閾値ＳＨ２より大きい場合には、この最大値となった中心座標（ｘ，ｙ）と拡縮率Ｓに対応する新ブロック画像ＳＩ（ｘ，ｙ）を、オブジェクト画像Ｉａが存在する新ブロック画像として判定するのである。
【００６２】
あるいは、複数の検出結果を許容するのであれば、類似度ＳＣ（ｘ，ｙ）が極大値をとる中心座標（ｘ，ｙ）および拡縮率の組み合わせを選択するようにしてもよい。そして、極大値をとる複数の類似度ＳＣ（ｘ，ｙ）と閾値ＳＨ２とを比較し、閾値ＳＨ２を超えるものが複数存在する場合には、オブジェクト画像Ｉａが複数存在するという検出結果としてもよい。
【００６３】
なお、閾値ＳＨ２は、あらかじめ閾値記憶部５に格納されるデータであるが、オペレータによって任意に設定、変更することが可能である。たとえば、他の物体の誤検出があっても、対象オブジェクトの検出漏れを防ぎたい場合には、閾値ＳＨ２を低く設定すればよい。対象オブジェクトの検出漏れが発生しても、誤検出を防ぎたい場合には、閾値ＳＨ２を高く設定すればよい。
【００６４】
また、複数の色相成分についてヒストグラムが解析されている場合には、類似度ＳＣ（ｘ，ｙ）についても複数の色相成分に対応したものが算出される。したがって、この場合にも、複数の色相成分に対応した類似度ＳＣ（ｘ，ｙ）それぞれについて判定処理を行い総合評価を行うようにしてもよい。総合評価としては、いずれの色相成分についても条件を満たす場合のみオブジェクトが検出されたと判定する方法が考えられる。あるいは、いずれかの色相成分についての判定結果を優先的に扱うようにしてもよい。
【００６５】
以上説明したように、本発明の第１の実施の形態によれば、オブジェクトの形状情報を用いることなく、画像のヒストグラムを解析してオブジェクト検出を行うので、画像内に映っているオブジェクトの大きさ、回転などに左右されることなくロバストなオブジェクト検出を行うことが可能である。
【００６６】
また、最初にブロック画像との間で類似度の判定を行い、候補位置のリストを作成し、検索領域を絞り込むようにしているので、画像検出処理の演算量を低減させることが可能である。また、処理速度の向上を図ることができるので、リアルタイムでの画像検出処理においても効果を発揮する。
【００６７】
また、画像同士の類似度を算出する際には、ヒストグラムの形状情報をメモリに記憶する必要がない。本実施の形態によれば、多くともヒストグラムの解析結果としてヒストグラムの平均値、ピーク値、分散値に関する３つの情報をメモリに記憶しておけば類似度の算出を行うことができるので、メモリ消費量も小さくすることが可能である。
【００６８】
また、ヒストグラムを解析する色として色相成分を利用することとしたので、輝度情報に関わる情報を利用する場合と比べて照明条件に左右することなくロバストなオブジェクト検出を行うことができる。また、複数の色相成分を利用することにより、例えば顔などのように肌色（皮膚）、赤色（唇）、黒（眉、髭、黒目）といった複数の色相が混在するようなオブジェクト検出であっても、検出精度を向上させることが可能である。
【００６９】
｛第２の実施の形態｝
次に、本発明の第２の実施の形態について説明する。第２の実施の形態にかかる画像検出方法を実行するコンピュータについても、図１で示したようなコンピュータ１０を想定すればよい。ここで、図１中の画像検出プログラム３０が、第２の実施の形態においては画像検出プログラム５０に置き換わったものと考える。
【００７０】
図９は、画像検出プログラム５０の処理ブロックおよび処理の流れを示す図である。図中、ヒストグラム解析部５１、ブロック画像抽出部５２、類似度算出部５３、類似度判定部５４、孤立点除去部５６、膨張処理部５７は、画像検出プログラム５０の機能ブロックである。
【００７１】
また、ヒストグラム解析部５１、類似度算出部５３の処理内容は、第１の実施の形態におけるヒストグラム解析部３１、類似度算出部３３の処理内容と略同様である。しかし、ブロック画像抽出部５２、類似度判定部５４の処理内容は、第１の実施の形態におけるブロック画像抽出部３２、類似度判定部３４の内容と異なる。
【００７２】
ヒストグラム解析部５１は、オブジェクト画像Ｉａおよびブロック画像抽出部５２が抽出したブロック画像Ｉ（ｘ，ｙ）のヒストグラムを解析し、それぞれ解析結果ＨａおよびＨ（ｘ，ｙ）を得る。類似度算出部５３は、解析結果ＨａおよびＨ（ｘ，ｙ）の類似度Ｃ（ｘ，ｙ）を算出する。
【００７３】
次に、類似度判定部５４は、類似度Ｃ（ｘ，ｙ）が閾値ＳＨ３を越えている場合に、そのブロック画像Ｉ（ｘ，ｙ）の中心座標（ｘ，ｙ）を候補位置であると判定する。このように、第２の実施の形態では、類似度Ｃ（ｘ，ｙ）の極大値を考慮することなく、類似度が閾値ＳＨ３を超えている場合に、その中心座標（ｘ，ｙ）を候補位置と判定するようにしている。そして、判定結果記録部５５には、判定結果ＣＲとして候補位置である中心座標（ｘ，ｙ）のリストが記録される。
【００７４】
なお、閾値ＳＨ３は、あらかじめ閾値記憶部５に格納されるデータであるが、オペレータによって任意に設定、変更することが可能である。たとえば、他の物体の誤検出があっても、対象オブジェクトの検出漏れを防ぎたい場合には、閾値ＳＨ３を低く設定すればよい。対象オブジェクトの検出漏れが発生しても、誤検出を防ぎたい場合には、閾値ＳＨ３を高く設定すればよい。
【００７５】
以上の処理により中心座標（ｘ，ｙ）のリストが作成されると、次に、孤立点除去部５６が孤立点除去処理を実行する。図１０（ａ）は孤立点除去処理前における候補位置と判定されている中心座標（ｘ，ｙ）の集合を示している。候補位置の集合は、複数の中心座標（ｘ，ｙ）がまとまった領域を形成している領域６１と孤立点６２とを含んでいる。ここで、孤立点６２に対応するブロック画像Ｉ（ｘ，ｙ）内にはオブジェクト画像Ｉａが存在する可能性が低いという判断のもと、孤立点除去部５６が孤立点６２を削除する。具体的には、候補位置のリストから孤立点６２を削除する。これにより、図１０（ｂ）に示すように、孤立点除去処理後における候補位置の集合は領域６１で形成されることになる。このように、候補位置の中で、オブジェクト画像Ｉａが存在する可能性の低い特異点を除去することにより、無駄な検出演算処理を削減するようにしている。
【００７６】
次に、膨張処理部５７が膨張処理を実行する。図１１（ａ）は膨張処理前における候補位置と判定されている中心座標（ｘ，ｙ）の集合を示している。候補位置の集合は、複数の中心座標（ｘ，ｙ）がまとまった領域を形成している領域６１を含んでいるが、この領域６１には、窪み部６４が形成されている。ここで、窪み部６４内に中心座標（ｘ，ｙ）をもつブロック画像Ｉ（ｘ，ｙ）内にはオブジェクト画像Ｉａが存在する可能性があるという判断のもと、膨張処理部５７が窪み部６４を候補位置に加える。具体的には、候補位置のリストに窪み部６４の領域内に存在する中心座標（ｘ，ｙ）を加える。これにより、図１１（ｂ）に示すように、膨張処理後における候補位置の集合は領域６５で表される。このように、候補位置と判定されなかった領域の中で、オブジェクト画像Ｉａが存在する可能性のある領域、つまり、候補位置ではない領域についての特異点を付加することにより、検出精度の向上を図っているのである。
【００７７】
以上の孤立点除去処理および膨張処理が実行されることにより、判定結果記録部５５に記録された候補位置のリストに補正が加えられる。
【００７８】
次に、２回目の処理として、ブロック画像抽出部５２は、補正後の候補位置リストに記録された中心座標（ｘ，ｙ）をもつブロック画像ＥＩ（ｘ，ｙ）を抽出する。ここで、ブロック画像ＥＩ（ｘ，ｙ）は、ブロック画像Ｉ（ｘ，ｙ）と同じ中心座標（ｘ，ｙ）をもち、ブロック画像Ｉ（ｘ，ｙ）よりサイズの大きいブロック画像である。
【００７９】
たとえば、最初にブロック画像抽出部５２が抽出するブロック画像Ｉ（ｘ，ｙ）を８×８画素のブロックとし、２回目に抽出するブロック画像ＥＩ（ｘ，ｙ）は３２×３２画素のブロックとする。さらに、３回目、４回目に抽出するブロック画像ＥＩ（ｘ，ｙ）を６４×６４画素、１２８×１２８画素といったように、順にブロック画像ＥＩ（ｘ，ｙ）のサイズが大きくなるようにしている。
【００８０】
２回目の処理で抽出されたブロック画像ＥＩ（ｘ，ｙ）に対しても、ヒストグラム解析部５１においてヒストグラムＥＨ（ｘ，ｙ）が解析され、類似度算出部５３が、オブジェクト画像Ｉａの解析結果Ｈａとブロック画像ＥＩ（ｘ，ｙ）の解析結果ＥＨ（ｘ，ｙ）との類似度ＥＣ（ｘ，ｙ）を算出する。
【００８１】
１回目の処理で作成された補正後の候補位置リストを１回目候補リストとすると、１回目候補リストに記録された全ての中心座標（ｘ，ｙ）について、３２×３２画素のブロック画像ＥＩ（ｘ，ｙ）が抽出され、それぞれのブロック画像ＥＩ（ｘ，ｙ）に対する類似度ＥＣ（ｘ，ｙ）が算出され、それぞれの類似度ＥＣ（ｘ，ｙ）と閾値ＳＨ３との対比が行われる。そして、閾値ＳＨ３との比較処理の結果、再び類似度判定部５４が候補位置のリストを作成し、判定結果ＣＲを更新して判定記録部６に記録する。
【００８２】
この判定結果ＣＲについて、再び、孤立点除去部５６において孤立点除去処理が実行され、膨張処理部５７によって膨張処理が実行され、さらに、候補位置のリストに補正が加えられ、２回目候補リストが作成される。さらに、３回目の処理として、２回目候補リストに記録された中心座標（ｘ，ｙ）について、ブロック画像ＥＩ（ｘ，ｙ）が抽出され（たとえば、６４×６４画素のブロックが抽出され）、同様に、類似度ＥＣ（ｘ，ｙ）が算出され、閾値ＳＨ３との対比が行われ、判定結果ＣＲとして絞り込まれた３回目の候補位置のリストが作成されると、同様に孤立点除去処理、膨張処理が実行される。このようにして、次々に、候補位置のリストを絞り込みながら、ブロック画像ＥＩ（ｘ，ｙ）のサイズがオブジェクト画像Ｉａのサイズと同じになるまで処理を繰り返す。なお、各回の処理で閾値ＳＨ３の値を異なる値としてもよい。
【００８３】
そして、最終的に残る候補位置のリストからオブジェクト画像の位置を推測する。たとえば、最終的に残った候補位置の領域（例えば図１０や図１１で示すような領域）を考え、その領域の重心位置をオブジェクト画像Ｉａの検出位置であると推測する方法が考えられる。または、あらかじめ検出位置が特定された複数のテンプレートを用意しておき、候補位置の領域とテンプレートのマッチング処理を行う。そして、マッチングするテンプレートが見つかった場合に、そのテンプレートで特定されている位置をオブジェクト画像Ｉａの検出位置とする方法などが考えられる。あるいは、特定の位置を決定するのではなく、最終的に残った候補位置の集合を検出結果としてもよい。
【００８４】
｛変形例｝
上記の実施の形態においては、ヒストグラムの解析結果に対して類似度を算出する際、ヒストグラムの平均値、ピーク値、分散値に関する情報を利用することとした。この変形例として、対象となるヒストグラムの分布の重複度合いを利用するようにしてもよい。
【００８５】
図１２は、比較対照となる一方の画像のヒストグラムである。ここでは、図は、オブジェクト画像Ｉａのヒストグラムであるとする。このヒストグラムの平均値はｍ、分散値はｄである。そして、ある適当な係数ｋを考え、平均値ｍを中心として、（ｍ−ｋ×ｄ）〜（ｍ＋ｋ×ｄ）の画素値領域を考える。
【００８６】
そして、比較対照となる他方の画像、たとえば、ブロック画像Ｉ（ｘ，ｙ）の画素分布が上記（ｍ−ｋ×ｄ）〜（ｍ＋ｋ×ｄ）の画素値領域にどれだけ含まれるかを考える。すなわち、ブロック画像Ｉ（ｘ，ｙ）の全画素Ｍのうち、（ｍ−ｋ×ｄ）〜（ｍ＋ｋ×ｄ）の画素値領域に含まれる画素数Ｎの割合（Ｎ／Ｍ）を類似度として採用するのである。
【００８７】
このような画素分布の割合に基づいた類似度の算出方法を上記の第１あるいは第２の実施の形態に適用させることが可能である。そして、係数ｋの値を変化させることによって、検出の感度を変化させることが可能である。係数ｋは、あらかじめ閾値記憶部５等の記憶部に格納されるデータであるが、オペレータによって任意に設定、変更することが可能である。たとえば、他の物体の誤検出があっても、対象オブジェクトの検出漏れを防ぎたい場合には、係数ｋの値を大きく設定すればよい。対象オブジェクトの検出漏れが発生しても、誤検出を防ぎたい場合には、係数ｋの値を小さく設定すればよい。
【００８８】
また、別の変形例として、入力画像Ｉｂをサブサンプリングし、縮小された入力画像に対して上記第１および第２の実施の形態を適用させることも可能である。このような方法をとれば、演算量をさらに低減させることが可能である。
【００８９】
【発明の効果】
以上説明したように、請求項１ないし請求項１４のいずれかに記載の画像検出方法においては、オブジェクトの形状情報を用いることなく画像検出を行うことが可能である。また、第１条件を満たしたブロックに対してのみ、さらなる類似度の判定処理を行うので、演算量を少なくすることが可能である。
【００９０】
請求項２に記載の画像検出方法においては、ヒストグラムの解析結果で得られたデータ量の小さい情報のみを類似度判定に利用するので、メモリ使用量を少なくすることが可能である。
【００９１】
請求項１２に記載の画像検出方法においては、色相成分のヒストグラムを解析するので、照明条件に左右されずにロバストな画像検出処理を行うことが可能である。
【００９２】
請求項１５ないし請求項１８のいずれかに記載の画像検出方法は、ヒストグラムの解析結果で得られたデータ量の小さい情報のみを類似度判定に利用するので、メモリ使用量を少なくすることが可能である。
【００９３】
請求項１９は、画像検出プログラムに関するものであり、オブジェクトの形状情報を用いることなく画像検出を行うことが可能である。
【図面の簡単な説明】
【図１】画像検出方法を実行するコンピュータの概略構成図である。
【図２】第１の実施の形態における画像検出プログラムの処理ブロックおよび処理の流れを示す図である。
【図３】検出対象となるオブジェクト画像の具体例を示す図である。
【図４】中心座標を移動させつつ抽出されるブロック画像を示す図である。
【図５】ヒストグラムにおける平均値、ピーク値、分散値を示す図である。
【図６】中心座標を移動させつつ抽出されるブロック画像の類似度を示す図である。
【図７】サイズを変化させつつ抽出されるブロック画像を示す図である。
【図８】サイズを変化させつつ抽出されるブロック画像の類似度を示す図である。
【図９】第２の実施の形態における画像検出プログラムの処理ブロックおよび処理の流れを示す図である。
【図１０】孤立点除去処理の前後における候補位置の集合を示す図である。
【図１１】膨張処理の前後における候補位置の集合を示す図である。
【図１２】類似度を判定する別の評価方法を示す図である。
【符号の説明】
３０ 画像検出プログラム
Ｃ（ｘ，ｙ） （ブロック画像との）類似度
ＣＲ 判定結果
Ｈａ （オブジェクト画像の）ヒストグラム解析結果
Ｈ（ｘ，ｙ） （ブロック画像の）ヒストグラム解析結果
Ｉａ オブジェクト画像
Ｉｂ 入力画像
Ｉ（ｘ，ｙ） ブロック画像
ＳＣ（ｘ，ｙ） （サイズ変更後のブロック画像との）類似度
ＳＨ（ｘ，ｙ） （サイズ変更後のブロック画像の）ヒストグラム解析結果
ＳＩ（ｘ，ｙ） （サイズ変更後の）ブロック画像
Claims (19)
- ａ）第１画像のヒストグラム（以下、第１ヒストグラムとする。）を解析する工程と、
ｂ）第２画像から部分画像を抽出する工程と、
ｃ）前記部分画像のヒストグラム（以下、第２ヒストグラムとする。）を解析する工程と、
ｄ）前記第１および第２ヒストグラムの解析結果から類似度（以下、第１類似度とする。）を算出する工程と、
ｅ）前記第１類似度が所定の条件（以下、第１条件とする。）を満たしている場合に、前記部分画像の前記第２画像における抽出位置を候補位置と判定する工程と、
ｆ）前記第２画像の前記候補位置において、前記部分画像と領域サイズの異なる新部分画像を抽出する工程と、
ｇ）前記新部分画像のヒストグラム（以下、第３ヒストグラムとする。）を解析する工程と、
ｈ）前記第１および第３ヒストグラムの解析結果から類似度（以下、第２類似度とする。）を算出する工程と、
ｉ）前記第２類似度が所定の条件（以下、第２条件とする。）を満たしている場合、前記新部分画像の領域に前記第１画像が検出されたと判定する工程と、
を備えることを特徴とする画像検出方法。 - 請求項１に記載の画像検出方法において、
前記工程ｄ）あるいは工程ｈ）は、
比較対象となる２つのヒストグラムのピーク値をとる画素レベルの差と、２つのヒストグラムの平均画素レベルの差と、２つのヒストグラムの分散値の比のうち、いずれか１つの情報に基づいて類似度を算出する工程、
を含むことを特徴とする画像検出方法。 - 請求項１に記載の画像検出方法において、
前記工程ｄ）は、
前記第１ヒストグラムの平均値を含む特定の画素値領域が設定され、前記部分画像の全画素のうち前記特定の画素値領域に属する画素の割合に基づいて類似度を算出する工程、
を含むことを特徴とする画像検出方法。 - 請求項１に記載の画像検出方法において、
前記工程ｈ）は、
前記第１ヒストグラムの平均値を含む特定の画素値領域が設定され、前記新部分画像の全画素のうち前記特定の画素値領域に属する画素の割合に基づいて類似度を算出する工程、
を含むことを特徴とする画像検出方法。 - 請求項３または請求項４に記載の画像検出方法において、前記特定の画素値領域は、係数ｋの値によって領域の範囲が確定されるものであり、
前記工程ｄ）あるいは前記工程ｈ）は、
オペレータによって指示された係数ｋの値に応じて前記特定の画素値領域の範囲を決定する工程、
を含むことを特徴とする画像検出方法。 - 請求項１ないし請求項５のいずれかに記載の画像検出方法において、
前記工程ｅ）は、
前記第２画像から抽出された全ての部分画像に対して前記第１類似度を算出した結果、前記第１類似度の極大値を与える部分画像については、前記第１条件を満たしていると判定する工程、
を含むことを特徴とする画像検出方法。 - 請求項６に記載の画像検出方法において、
前記工程ｅ）は、
前記極大値が所定の閾値を越えている場合に前記第１条件を満たしていると判定する工程、
を含むことを特徴とする画像検出方法。 - 請求項１ないし請求項５のいずれかに記載の画像検出方法において、
前記工程ｅ）は、
前記第１類似度が所定の閾値を越えている場合に前記第１条件を満たしていると判定する工程、
を含むことを特徴とする画像検出方法。 - 請求項１ないし請求項８のいずれかに記載の画像検出方法において、
前記工程ｉ）は、
全ての新部分画像に対して前記第２類似度を算出した結果、前記第２類似度の極大値を与える新部分画像については、前記第２条件を満たしていると判定する工程、
を含むことを特徴とする画像検出方法。 - 請求項９に記載の画像検出方法において、
前記工程ｉ）は、
前記極大値が所定の閾値を越えている場合に前記第２条件を満たしていると判定する工程、
を含むことを特徴とする画像検出方法。 - 請求項１ないし請求項８のいずれかに記載の画像検出方法において、
前記工程ｉ）は、
前記第２類似度が所定の閾値を越えている場合に前記第２条件を満たしていると判定する工程、
を含むことを特徴とする画像検出方法。 - 請求項１ないし請求項１１のいずれかに記載の画像検出方法において、
前記第１ないし第３ヒストグラムは、複数の色相成分のうち少なくとも１つの色相成分に関するヒストグラムであることを特徴とする画像検出方法。 - 請求項１ないし請求項１２のいずれかに記載の画像検出方法において、
前記工程ｅ）は、
前記候補位置の中で、特異点を前記候補位置から除去する工程、
を含むことを特徴とする画像検出方法。 - 請求項１ないし請求項１２のいずれかに記載の画像検出方法において、
前記工程ｅ）は、
前記候補位置と判定されなかった領域の中で、特異点を前記候補位置に付加する工程、
を含むことを特徴とする画像検出方法。 - ａ）第１画像のヒストグラム（以下、第１ヒストグラムとする。）を解析する工程と、
ｂ）第２画像のヒストグラム（以下、第２ヒストグラムとする。）を解析する工程と、
ｃ）前記第１および第２ヒストグラムの解析結果から類似度を算出する工程と、を備え、
前記工程ｃ）は、
比較対象となる２つのヒストグラムのピーク値をとる画素レベルの差と、２つのヒストグラムの平均画素レベルの差と、２つのヒストグラムの分散値の比のうち、いずれか１つの情報に基づいて類似度を算出する工程、
を含むことを特徴とする画像検出方法。 - ａ）第１画像のヒストグラム（以下、第１ヒストグラムとする。）を解析する工程と、
ｂ）第２画像のヒストグラム（以下、第２ヒストグラムとする。）を解析する工程と、
ｃ）前記第１および第２ヒストグラムの解析結果から類似度を算出する工程と、を備え、
前記工程ｃ）は、
前記第１ヒストグラムの平均値を含む特定の画素値領域が設定され、前記第２画像の全画素のうち前記特定の画素値領域に属する画素の割合に基づいて類似度を算出する工程、
を含むことを特徴とする画像検出方法。 - 請求項１６に記載の画像検出方法において、前記特定の画素値領域は、係数ｋの値によって領域の範囲が確定されるものであり、
前記工程ｃ）は、
オペレータによって指示された係数ｋの値に応じて前記特定の画素値領域の範囲を決定する工程、
を含むことを特徴とする画像検出方法。 - 請求項１５ないし請求項１７のいずれかに記載の画像検出方法において、
前記第１ないし第３ヒストグラムは、複数の色相成分のうち少なくとも１つの色相成分に関するヒストグラムであることを特徴とする画像検出方法。 - コンピュータに請求項１ないし請求項１８のいずれかの画像検出方法を実行させる画像検出プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003201106A JP2005044033A (ja) | 2003-07-24 | 2003-07-24 | 画像検出方法および画像検出プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003201106A JP2005044033A (ja) | 2003-07-24 | 2003-07-24 | 画像検出方法および画像検出プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2005044033A true JP2005044033A (ja) | 2005-02-17 |
Family
ID=34261291
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003201106A Pending JP2005044033A (ja) | 2003-07-24 | 2003-07-24 | 画像検出方法および画像検出プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2005044033A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8180158B2 (en) | 2006-07-17 | 2012-05-15 | Panasonic Corporation | Image processing device and image processing method for detecting a specific shape from an image |
| JP2012243049A (ja) * | 2011-05-19 | 2012-12-10 | Fuji Heavy Ind Ltd | 環境認識装置および環境認識方法 |
| JP2018066846A (ja) * | 2016-10-19 | 2018-04-26 | オリンパス株式会社 | 顕微鏡システム |
| JPWO2022130498A1 (ja) * | 2020-12-15 | 2022-06-23 |
-
2003
- 2003-07-24 JP JP2003201106A patent/JP2005044033A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8180158B2 (en) | 2006-07-17 | 2012-05-15 | Panasonic Corporation | Image processing device and image processing method for detecting a specific shape from an image |
| JP2012243049A (ja) * | 2011-05-19 | 2012-12-10 | Fuji Heavy Ind Ltd | 環境認識装置および環境認識方法 |
| JP2018066846A (ja) * | 2016-10-19 | 2018-04-26 | オリンパス株式会社 | 顕微鏡システム |
| JPWO2022130498A1 (ja) * | 2020-12-15 | 2022-06-23 | ||
| WO2022130498A1 (ja) * | 2020-12-15 | 2022-06-23 | 三菱電機株式会社 | 類似度算出装置、類似度算出方法、及び、類似度算出プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8254630B2 (en) | Subject extracting method and device by eliminating a background region using binary masks | |
| JP4692632B2 (ja) | 画像処理方法、画像処理プログラム、および画像処理装置 | |
| JPH0944670A (ja) | 特定画像領域抽出方法及び特定画像領域抽出装置 | |
| JP5765026B2 (ja) | 画像処理装置及びプログラム | |
| JP2006048322A (ja) | オブジェクト画像検出装置、顔画像検出プログラムおよび顔画像検出方法 | |
| EP2980755A1 (en) | Method for partitioning area, and inspection device | |
| WO2007074844A1 (ja) | 顔パーツの位置の検出方法及び検出システム | |
| JP5719141B2 (ja) | 情報処理装置、その処理方法及びプログラム | |
| JP4625949B2 (ja) | 物体追跡方法および物体追跡装置ならびにプログラム | |
| CN107527348B (zh) | 基于多尺度分割的显著性检测方法 | |
| Johnston et al. | FPGA based remote object tracking for real-time control | |
| JP4717445B2 (ja) | 画像処理システム、画像処理装置、ゲーム装置、プログラム、情報記憶媒体および画像処理方法 | |
| JP2003006654A (ja) | 動画像における移動体の特徴量抽出方法と自動追跡方法及びそれらの装置、並びに、それらの方法の実行プログラムとこの実行プログラムを記録した記録媒体 | |
| JP2005044033A (ja) | 画像検出方法および画像検出プログラム | |
| JP2016009448A (ja) | 判定装置、判定方法及び判定プログラム | |
| JP4941299B2 (ja) | 画像識別システム及び方法 | |
| JP2007156954A (ja) | 信頼度テーブル作成方法、オプティカルフロー推定方法、信頼度テーブル作成装置、オプティカルフロー推定装置、及びプログラム | |
| JP2018097415A (ja) | 画像処理装置、画像処理方法、画像処理システムおよびプログラム | |
| JP5941351B2 (ja) | 画像処理装置及びその制御方法 | |
| JP2002196878A (ja) | 記録媒体、画像処理装置および方法 | |
| JP5761989B2 (ja) | 画像認識装置、画像認識方法及びプログラム | |
| JP2005250973A (ja) | 画像類似度算出システム、画像検索システム、画像類似度算出方法および画像類似度算出用プログラム | |
| JP2004355084A (ja) | 画像処理装置及び方法 | |
| JP2004118718A (ja) | シーン変化点検出方法および装置並びにプログラム | |
| JP6930099B2 (ja) | 画像処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060721 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090421 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090825 |