JP2006244279A

JP2006244279A - 画像分類装置

Info

Publication number: JP2006244279A
Application number: JP2005061084A
Authority: JP
Inventors: Makoto Ootsuru; 誠大津留; Shoji Tanaka; 昭二田中
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2005-03-04
Filing date: 2005-03-04
Publication date: 2006-09-14

Abstract

【課題】映像に登場している人物の中で、最も出現頻度が高い人物を特定することができる画像分類装置を得ることを目的とする。
【解決手段】顔画像検出部２により検出された全ての顔画像を相互に比較して、人物毎に顔画像をグループ化する画像分類部４を設け、その画像分類部４により同一グループに分類された顔画像の画像数から最も出現頻度が高い人物を特定する。これにより、映像に登場している人物の中で、最も出現頻度が高い人物（主人公）を特定することができるようになる。
【選択図】図１

Description

この発明は、動画像である映像から顔画像を検出し、その顔画像を人物毎にグループ化する画像分類装置に関するものである。

従来の画像分類装置は、映像からフレーム画像を抽出して、そのフレーム画像から人物の顔画像を検出し、全ての顔画像を相互に比較して、人物毎に顔画像をグループ化するようにしている。
また、登場人物別にその代表画像を抽出して、映像中の登場人物の顔を識別することにより、映像中に登場する人物の顔を区別して表示するようにしている（例えば、特許文献１参照）。

特開２００１−１６７１１０号公報（段落番号［００２５］から［００３０］、図１）

従来の画像分類装置は以上のように構成されているので、映像に登場している人物毎に、その顔画像をグループ化することができる。しかし、登場人物の誰が主人公であるかを推定することができず、主人公の画像検索を実施することができないなどの課題があった。

この発明は上記のような課題を解決するためになされたもので、映像に登場している人物の中で、最も出現頻度が高い人物を特定することができる画像分類装置を得ることを目的とする。

この発明に係る画像分類装置は、顔画像検出手段により検出された全ての顔画像を相互に比較して、人物毎に顔画像をグループ化する画像分類手段を設け、その画像分類手段により同一グループに分類された顔画像の画像数から最も出現頻度が高い人物を特定するようにしたものである。

この発明によれば、顔画像検出手段により検出された全ての顔画像を相互に比較して、人物毎に顔画像をグループ化する画像分類手段を設け、その画像分類手段により同一グループに分類された顔画像の画像数から最も出現頻度が高い人物を特定するように構成したので、映像に登場している人物の中で、最も出現頻度が高い人物を特定することができるようになり、その結果、主人公の画像検索を実施することが可能になるなどの効果がある。

実施の形態１．
図１はこの発明の実施の形態１による画像分類装置を示す構成図であり、図において、フレーム抽出部１は動画像である映像からフレーム画像を抽出する処理を実施する。
顔画像検出部２はフレーム抽出部１により抽出されたフレーム画像から人物の顔画像を検出する処理を実施する。
なお、フレーム抽出部１及び顔画像検出部２から顔画像検出手段が構成されている。

特徴量抽出部３は顔画像検出部２により検出された顔画像の特徴量を抽出する処理を実施する。
画像分類部４は特徴量抽出部３により抽出された全ての顔画像の特徴量を比較して、人物毎に顔画像をグループ化する処理を実施する。
なお、特徴量抽出部３及び画像分類部４から画像分類手段が構成されている。

画像分類部４の類似度計算部５は特徴量抽出部３により抽出された顔画像の特徴量を用いて、全ての顔画像間の類似度を計算する処理を実施する。
画像分類部４の分類処理部６は類似度計算部５により計算された類似度を閾値と比較し、その閾値より大きい類似度の中で、最大の類似度を有する顔画像同士を同一のグループに分類する処理を実施する。

主人公推定部７は画像分類部４により同一グループに分類された顔画像の画像数から各登場人物の出現頻度を求め、最も出現頻度が高い人物が主人公であると推定する処理を実施する。なお、主人公推定部７は主人公推定手段を構成している。
図２はこの発明の実施の形態１による画像分類装置が顔画像を検出するまでの処理内容を示すフローチャートである。
図３はこの発明の実施の形態１による画像分類装置が顔画像を検出してから主人公を推定するまでの処理内容を示すフローチャートである。

次に動作について説明する。
まず、フレーム抽出部１は、動画像である映像を入力すると、その映像の中からフレーム画像を抽出する処理を実施する（ステップＳＴ１）。
顔画像検出部２は、フレーム抽出部１がフレーム画像を抽出すると、そのフレーム画像から人物の顔画像を検出する処理を実施する（ステップＳＴ２）。
顔画像の検出は、例えば、下記の文献に開示されている顔検出アルゴリズムを用いることができる。
・文献
Ｊｏｎｅｓ，Ｍ．Ｊ．；Ｖｉｏｌａ，Ｐ．，“ＦａｃｅＲｅｃｏｇｎｉｔｉｏｎＵｓｉｎｇＢｏｏｓｔｅｄＬｏｃａｌＦｅａｔｕｒｅｓ”，ＭｉｔｕｂｉｓｈｉＥｌｅｃｔｒｉｃＲｅｓｅａｒｃｈＬａｂ，ＴｅｃｈｎｉｃａｌＲｅｐｏｒｔ，ＴＲ２００３−０２５，２００３．

この顔検出アルゴリズムは、フレーム画像における２４×２４画素の矩形領域から、“ＲｅｃｔａｎｇｌｅＦｅａｔｕｒｅ”と呼ばれる特徴量を抽出し、所定の判別関数を用いて、その特徴量を評価することにより、その矩形領域が顔を表しているか否かを評価するものである。
ここで、“ＲｅｃｔａｎｇｌｅＦｅａｔｕｒｅ”とは、図４に示すような探索矩形における複数の小矩形領域の画素値合計を加減算した値である。
“ＲｅｃｔａｎｇｌｅＦｅａｔｕｒｅ”には、大きさや位置や角度が異なる様々な小矩形領域が存在し、複数の“ＲｅｃｔａｎｇｌｅＦｅａｔｕｒｅ”を用いて顔の特徴を表現している。
顔画像の検出では、顔の特徴を表現するために必要な“ＲｅｃｔａｎｇｌｅＦｅａｔｕｒｅ”を用いてフレーム画像から特徴量を抽出し、その特徴量を評価関数で評価することにより、顔を表しているか否かを評価する。
なお、フレーム画像から顔画像を検出する処理は、フレーム抽出部１により抽出された全てのフレーム画像を検出対象にしてもよいが、一定間隔のフレーム画像を検出対象にしてもよい。

特徴量抽出部３は、顔画像検出部２が顔画像を検出すると、その顔画像の特徴量を抽出する処理を実施する（ステップＳＴ３）。
ここで、顔画像の特徴量は、顔の類似度を求めるための別の“ＲｅｃｔａｎｇｌｅＦｅａｔｕｒｅ”を用いて抽出されるものである。
フレーム抽出部１、顔画像検出部２及び特徴量抽出部３は、上述したステップＳＴ１〜ＳＴ３の処理を繰り返し実施することにより、映像の全体から顔画像を検出して、その顔画像の特徴量を抽出する（ステップＳＴ４）。

画像分類部４は、上記のようにして、特徴量抽出部３が顔画像の特徴量を抽出すると、特徴量抽出部３により抽出された全ての顔画像の特徴量を比較して、人物毎に顔画像をグループ化する処理を実施する。
即ち、画像分類部４の類似度計算部５は、特徴量抽出部３により抽出された顔画像の特徴量を用いて、全ての顔画像間の類似度を計算する処理を実施する（ステップＳＴ１１）。
顔画像間の類似度は、例えば、下記の式（１）を用いて求めることができる。

ただし、Ｓは類似度、ｕ_i，ｖ_jは比較対象の顔画像の特徴ベクトル、Ｂｉａｓはバイアス、Ｗｅｉｇｈｔは重み、ｐｏｓＷ，ｎｅｇＷは特徴量に応じた重み、Ｔは閾値を表している。
この手法では、顔画像間の特徴量の差分（ｕ_i−ｖ_j）が閾値Ｔより大きければ、重みｐｏｓＷを加算し、その特徴量の差分（ｕ_i−ｖ_j）が閾値Ｔより小さければ、重みｎｅｇＷを加算していくことにより、顔画像間の類似度Ｓを求めている。

画像分類部４の分類処理部６は、類似度計算部５が全ての顔画像間の類似度を計算すると、全ての顔画像間の類似度と所定の閾値を比較する。
そして、所定の閾値より大きい類似度の中で、最大の類似度を有する顔画像同士を同一のグループに分類する処理を実施する（ステップＳＴ１２）。
例えば、顔画像Ａとの関係において、顔画像Ａと顔画像Ｂ間の類似度（＝Ｘ１）、顔画像Ａと顔画像Ｃ間の類似度（＝Ｘ２）、顔画像Ａと顔画像Ｄ間の類似度（＝Ｘ３）、顔画像Ａと顔画像Ｅ間の類似度（＝Ｘ４）が所定の閾値より大きく、Ｘ１＞Ｘ２＞Ｘ３＞Ｘ４であれば、顔画像Ａと顔画像Ｂが同一の人物の顔画像である可能性が高いので、顔画像Ａと顔画像Ｂを同一のグループに分類する。
また、顔画像Ｂとの関係において、顔画像Ｂと顔画像Ａ間の類似度（＝Ｙ１）、顔画像Ｂと顔画像Ｃ間の類似度（＝Ｙ２）、顔画像Ｂと顔画像Ｄ間の類似度（＝Ｙ３）、顔画像Ｂと顔画像Ｅ間の類似度（＝Ｙ４）が所定の閾値より大きく、Ｙ２＞Ｙ１＞Ｙ３＞Ｙ４であれば、顔画像Ｂと顔画像Ｃが同一の人物の顔画像である可能性が高いので、顔画像Ｂと顔画像Ｃを同一のグループに分類する。
上記の例では、顔画像Ａと顔画像Ｂが同一のグループに分類され、顔画像Ｂと顔画像Ｃが同一のグループに分類されており、顔画像Ｂが２つのグループに属しているので、２つのグループが同一人物に係るものであると判断し、２つのグループを統合する。
その結果、顔画像Ａ、顔画像Ｂ及び顔画像Ｃが属するグループが生成される。

主人公推定部７は、画像分類部４が人物毎に顔画像をグループ化すると、同一グループに分類された顔画像の画像数から各登場人物の出現頻度を求める（ステップＳＴ１３）。
例えば、グループ（１）に属する顔画像の画像数が“３”、グループ（２）に属する顔画像の画像数が“４”、グループ（３）に属する顔画像の画像数が“５”であれば、グループ（１）〜（３）に係る人物の出現頻度を下記のように計算する。
グループ（１）に係る人物の出現頻度
＝［３／（３＋４＋５）］×１００％＝２５％
グループ（２）に係る人物の出現頻度
＝［４／（３＋４＋５）］×１００％＝３３％
グループ（３）に係る人物の出現頻度
＝［５／（３＋４＋５）］×１００％＝４２％

主人公推定部７は、グループ（１）〜（３）に係る人物の出現頻度を計算すると、グループ（１）〜（３）に係る人物の出現頻度を比較し、最も出現頻度が高い人物が主人公であると推定する（ステップＳＴ１４）。
この例では、グループ（３）に係る人物の出現頻度が最も高いので、グループ（３）に係る人物が主人公であると推定する。

以上で明らかなように、この実施の形態１によれば、顔画像検出部２により検出された全ての顔画像を相互に比較して、人物毎に顔画像をグループ化する画像分類部４を設け、その画像分類部４により同一グループに分類された顔画像の画像数から最も出現頻度が高い人物を特定するように構成したので、映像に登場している人物の中で、最も出現頻度が高い人物（主人公）を特定することができるようになり、その結果、主人公の画像検索を実施することが可能になるなどの効果を奏する。

実施の形態２．
図５はこの発明の実施の形態２による画像分類装置を示す構成図であり、図において、図１と同一符号は同一または相当部分を示すので説明を省略する。
優先度付加部８は画像分類部４により同一グループに分類された顔画像の画像数に応じて、当該グループに優先度を付加する処理を実施する。なお、優先度付加部８は優先度付加手段を構成している。

次に動作について説明する。
優先度付加部８以外は、上記実施の形態１と同様であるため、ここでは、優先度付加部８の動作についてのみ説明する。
優先度付加部８は、上記実施の形態１と同様にして、画像分類部４が人物毎に顔画像をグループ化すると、各グループに属する顔画像の画像数に応じて、当該グループに優先度を付加する処理を実施する。
例えば、出現頻度が高い順に高い優先度を与える条件が与えられている場合には、属する画像数が多いグループから順番に高い優先度を与えるようにする。

図６に示すように、画像分類部４により顔画像が５つのグループに分類された場合において、グループ（１）に係る人物ａの画像数が“５”、グループ（２）に係る人物ｂの画像数が“１”、グループ（３）に係る人物ｃの画像数が“３”、グループ（４）に係る人物ｄの画像数が“４”、グループ（５）に係る人物ｅの画像数が“２”であれば、下記のように、優先度を付与する。
グループ（１）に係る人物ａ → 優先度“１”
グループ（２）に係る人物ｂ → 優先度“５”
グループ（３）に係る人物ｃ → 優先度“３”
グループ（４）に係る人物ｄ → 優先度“２”
グループ（５）に係る人物ｅ → 優先度“４”

ここでは、出現頻度が高い順に高い優先度を付与するものについて示したが、これに限るものではなく、例えば、出現頻度が低い順に高い優先度を付与するようにしてもよい。
この場合には、下記のように、優先度を付与する。
グループ（１）に係る人物ａ → 優先度“５”
グループ（２）に係る人物ｂ → 優先度“１”
グループ（３）に係る人物ｃ → 優先度“３”
グループ（４）に係る人物ｄ → 優先度“４”
グループ（５）に係る人物ｅ → 優先度“２”

以上で明らかなように、この実施の形態２によれば、画像分類部４により同一グループに分類された顔画像の画像数に応じて、当該グループに優先度を付加するように構成したので、優先度に応じた人物の検索が可能になる効果を奏する。

実施の形態３．
図７はこの発明の実施の形態３による画像分類装置を示す構成図であり、図において、図１と同一符号は同一または相当部分を示すので説明を省略する。
類似顔分類部９は画像分類部４により分類された各グループに属する顔画像を相互に比較して、顔の特徴が類似している人物のグループ同士を統合する処理を実施する。なお、類似顔分類部９はグループ統合手段を構成している。
類似顔分類部９の樹形図作成部１０は画像分類部４による顔画像の分類結果を初期クラスターとして、階層的クラスター分析を実施することにより、樹形図を作成する処理を実施する。
類似顔分類部９の最終クラスター決定部１１は樹形図作成部１０により作成された樹形図を切断して最終クラスターを決定する処理を実施する。
図８はこの発明の実施の形態３による画像分類装置の類似顔分類部９の処理内容を示すフローチャートである。

次に動作について説明する。
類似顔分類部９以外は、上記実施の形態１と同様であるため、ここでは、類似顔分類部９の動作についてのみ説明する。
類似顔分類部９は、上記実施の形態１と同様にして、画像分類部４が人物毎に顔画像をグループ化すると、画像分類部４により分類された各グループに属する顔画像を相互に比較して、顔の特徴が類似している人物のグループ同士を統合する処理を実施する。

即ち、類似顔分類部９の樹形図作成部１０は、画像分類部４による顔画像の分類結果を初期クラスターとして、階層的クラスター分析を実施することにより、樹形図を作成する処理を実施する（ステップＳＴ２１）。
ここで、階層的クラスター分析は、画像分類部４による顔画像の分類結果を初期クラスターとして用いて、それらのクラスター、あるいは、個体（クラスターに属する顔画像）間の距離を求め、最も距離が近いもの同士のペアを一つのクラスターに結合する処理を、クラスター数が１つになるまで逐次繰り返すというものである。

類似顔分類部９の樹形図作成部１０は、上記の階層的クラスター分析を実施することにより、例えば、図９に示すような樹形図を作成することになる。
クラスター、あるいは、個体（クラスターに属する顔画像）間の距離は、２つのサンプルが類似しているか否かを表す尺度であり、この値が小さいほど２つのサンプルが類似していることを表している。
階層的クラスター分析には、Ｗａｒｄ法を用いることができる。Ｗａｒｄ法は、クラスターを統合する際の平方和の増分が最も小さいものを統合するという特徴を有し、クラスター間の距離を下記の式（２）で求める。

ただし、Ｄはクラスター間の距離、Ｃはクラスター、ｄはユークリッド平方距離、ｃはクラスターの重心である。
式（２）では、結合後のクラスター内の平方和から、結合前の平方和を引いたものを、クラスター間の距離と定義しており、その値が最も小さくなるもの同士を結合する。
なお、個体ｉと個体ｊのユークリッド平方距離ｄは、下記の式（３）で求める。

ただし、ｍはベクトルｘの次元数である。

ここでは、階層的クラスター分析としてＷａｒｄ法を用いるものについて示したが、これに限るものではなく、例えば、それぞれに含まれる対象のペアの中で、最も類似性が高いもの同士を結合する最短距離法など、他の手法を用いてもよい。

類似顔分類部９の最終クラスター決定部１１は、樹形図作成部１０が樹形図を作成すると、その樹形図を切断して最終クラスターを決定する処理を実施する（ステップＳＴ２２）。
これにより、最終クラスターにおいて、同じクラスターに属する顔画像の特徴が類似していることになるが、図１０に示すように、切断する高さが異なると、最終的なクラスターも異なってくる。
例えば、“１”の位置で切断した場合には、Ａ｛ａ｝，Ｂ｛ｂ，ｃ｝，Ｃ｛ｄ｝，Ｄ｛ｅ｝の４つのクラスターが最終クラスターとなり、人物ｂと人物ｃの顔画像の特徴が類似している顔画像であるとしてグループ化されたことになる。
また、“２”の位置で切断した場合には、Ａ｛ａ｝，Ｂ｛ｂ，ｃ｝，Ｃ｛ｄ，ｅ｝の３つのクラスターが最終クラスターとなり、人物ｂと人物ｃ、人物ｄと人物ｅが、それぞれ特徴が類似している顔画像であるとしてグループ化されたことになる。

この樹形図の切断する高さを決める基準としては、各結合段階での全クラスター間の分離度合いを示す統計量である“ＰｓｅｕｄｏＦｓｔａｔｉｓｔｉｃ”を用いることができる。“ＰｓｅｕｄｏＦｓｔａｔｉｓｔｉｃ”は下記の式（４）で求めることができる。

ただし、Ｆは“ＰｓｅｕｄｏＦｓｔａｔｉｓｔｉｃ”、ｎは対象の数、ｋはクラスター数、ｔｒａｃｅＢはクラスター間分散共分散行列の主対角要素の和、ｔｒａｃｅＷはクラスター内分散共分散行列の主対角要素の和である。
この値の系列変化をみたとき、頂点となる位置のクラスター数が最終クラスター数を決める規準であるとする。
樹形図の切断の高さの基準としては、単純に一定の高さで切断するというように、予めどこで切断するのかを決めておくなど、他の基準を用いてもよい。

以上で明らかなように、この実施の形態３によれば、画像分類部４による顔画像の分類結果を初期クラスターとして、階層的クラスター分析を実施することにより、顔の特徴が類似している人物のグループ同士を階層的にグループ化するように構成したので、顔の特徴が類似している人物を容易に検索することができるようになる効果を奏する。

実施の形態４．
図１１はこの発明の実施の形態４による画像分類装置を示す構成図であり、図において、図７と同一符号は同一または相当部分を示すので説明を省略する。
出現頻度計算部１２は類似顔分類部９による統合処理後のグループに属する顔画像の画像数から当該グループの出現頻度を計算する処理を実施する。
優先度付加部１３は出現頻度計算部１２により計算されたグループの出現頻度に応じて、当該グループに優先度を付加する処理を実施する。
なお、出現頻度計算部１２及び優先度付加部１３から優先度付加手段が構成されている。

次に動作について説明する。
出現頻度計算部１２及び優先度付加部１３以外は、上記実施の形態３と同様であるため、ここでは、出現頻度計算部１２及び優先度付加部１３の動作のみを説明する。
出現頻度計算部１２は、上記実施の形態３と同様にして、類似顔分類部９がグループの統合処理を実施すると、統合処理後のグループに属する顔画像の画像数から当該グループの出現頻度を計算する。

例えば、図１２に示すように、グループ（１）に属する顔画像の画像数が“５”、グループ（２）に属する顔画像の画像数が“１”、グループ（３）に属する顔画像の画像数が“３”であれば、グループ（１）〜（３）の出現頻度を下記のように計算する。
グループ（１）の出現頻度
＝［５／（５＋１＋３）］×１００％＝５６％
グループ（２）の出現頻度
＝［１／（５＋１＋３）］×１００％＝１１％
グループ（３）の出現頻度
＝［３／（５＋１＋３）］×１００％＝３３％

優先度付加部１３は、出現頻度計算部１２がグループ（１）〜（３）の出現頻度を計算すると、グループ（１）〜（３）の出現頻度に応じて、当該グループに優先度を付加する処理を実施する。
例えば、出現頻度が高い順に高い優先度を与える条件が与えられている場合には、属する画像数が多いグループから順番に高い優先度を与えるようにする。
この場合、下記のように、優先度を付与する。
グループ（１） → 優先度“１”
グループ（２） → 優先度“３”
グループ（３） → 優先度“２”

ここでは、出現頻度が高い順に高い優先度を付与するものについて示したが、これに限るものではなく、例えば、出現頻度が低い順に高い優先度を付与するようにしてもよい。
この場合には、下記のように、優先度を付与する。
グループ（１） → 優先度“３”
グループ（２） → 優先度“１”
グループ（３） → 優先度“２”

以上で明らかなように、この実施の形態４によれば、類似顔分類部９による統合処理後のグループに属する顔画像の画像数に応じて、当該グループに優先度を付加するように構成したので、優先度に応じたグループの検索が可能になる効果を奏する。

この発明の実施の形態１による画像分類装置を示す構成図である。この発明の実施の形態１による画像分類装置が顔画像を検出するまでの処理内容を示すフローチャートである。この発明の実施の形態１による画像分類装置が顔画像を検出してから主人公を推定するまでの処理内容を示すフローチャートである。顔検出アルゴリズムが使用する“ＲｅｃｔａｎｇｌｅＦｅａｔｕｒｅ”を説明する説明図である。この発明の実施の形態２による画像分類装置を示す構成図である。出現頻度から優先度を付与する方法を説明する説明図である。この発明の実施の形態３による画像分類装置を示す構成図である。この発明の実施の形態３による画像分類装置の類似顔分類部の処理内容を示すフローチャートである。樹形図作成部により作成される樹形図を示す説明図である。この発明の実施の形態３による画像分類装置の最終クラスター決定部の処理内容を説明する説明図である。この発明の実施の形態４による画像分類装置を示す構成図である。出現頻度から優先度を付与する方法を説明する説明図である。

符号の説明

１フレーム抽出部（顔画像検出手段）、２顔画像検出部（顔画像検出手段）、３特徴量抽出部（画像分類手段）、４画像分類部（画像分類手段）、５類似度計算部、６分類処理部、７主人公推定部（主人公推定手段）、８優先度付加部（優先度付加手段）、９類似顔分類部（グループ統合手段）、１０樹形図作成部、１１最終クラスター決定部、１２出現頻度計算部（優先度付加手段）、１３優先度付加部（優先度付加手段）。

Claims

映像からフレーム画像を抽出し、そのフレーム画像から人物の顔画像を検出する顔画像検出手段と、上記顔画像検出手段により検出された全ての顔画像を相互に比較して、人物毎に顔画像をグループ化する画像分類手段と、上記画像分類手段により同一グループに分類された顔画像の画像数から最も出現頻度が高い人物を特定する主人公推定手段とを備えた画像分類装置。
画像分類手段により同一グループに分類された顔画像の画像数に応じて、当該グループに優先度を付加する優先度付加手段を設けたことを特徴とする請求項１記載の画像分類装置。
映像からフレーム画像を抽出し、そのフレーム画像から人物の顔画像を検出する顔画像検出手段と、上記顔画像検出手段により検出された全ての顔画像を相互に比較して、人物毎に顔画像をグループ化する画像分類手段と、上記画像分類手段により分類された各グループに属する顔画像を相互に比較して、顔の特徴が類似している人物のグループ同士を統合するグループ統合手段とを備えた画像分類装置。
グループ統合手段は、画像分類手段による顔画像の分類結果を初期クラスターとして、階層的クラスター分析を実施することにより、顔の特徴が類似している人物のグループ同士を階層的にグループ化することを特徴とする請求項３記載の画像分類装置。
グループ統合手段による統合処理後のグループに属する顔画像の画像数に応じて、当該グループに優先度を付加する優先度付加手段を設けたことを特徴とする請求項３または請求項４記載の画像分類装置。