JP2008234653A - 目標画像検出方法及び画像検出装置 - Google Patents

Abstract

【課題】少ない計算量で迅速に所定向きの目標画像を検出する目標画像検出方法及び装置を提供する
【解決手段】 本発明の目標画像検出装置は、所定向きの画像に目標画像が含まれているか否かを判別する目標画像識別手段と、入力画像の向きを判別する画像方向判別手段と、判別された前記入力画像の向きに応じて、前記目標画像識別手段を回転する回転手段とを有し、前記回転された目標画像識別手段により、前記入力画像から、前記目標画像が検出される。
【選択図】図３

Description

本発明は画像処理に関し、特に、入力画像における向きの異なる目標画像を検出する目標画像検出方法及び装置に関する。

近年、目標検出技術は各分野において広く応用されている。目標検出技術とは、１つの画像（写真、静止画像、ビデオ画像など）において、目標となる対象（例えば、顔、車など）を検出する技術である。例えば、顔検出技術は、ディジタルカメラや、セキュリティなどの分野で広く応用されている。顔検出技術において、入力画像から顔の位置、サイズなどの情報を検出する。ディジタルカメラの場合は、これら顔の情報は、顔の焦点合わせ、露光、白色のバランスなどの調整に用いられる。

非特許文献１はＶｉｏｌａ法と呼ばれる顔検出方法を開示している。

例えば、ディジタルカメラの場合、状況に応じて、利用者はディジタルカメラを正常の姿勢以外の姿勢で持ち写真を撮り、カメラのモニターに水平、正常の姿勢の場合の画像と異なる向きの写真は撮影される。

図１Ａ−１Ｃは、カメラの複数の姿勢を例示する図である。

図１Ａは、カメラの正常の姿勢を示し、図１Ｂは、カメラを正常の姿勢より逆時計回り方向に９０度回転した場合を示し、図１Ｃは、時計回りでカメラを９０度回転した場合を示す。

一方、ディジタルカメラに搭載された画像検出装置による画像処理において、座標系の原点は、モニター上に所定の位置（例えば、左上のコーナー）に固定されているため、カメラの姿勢を変えて撮影する際に、カメラに搭載された画像検出装置は、正常の向きと異なる向きの顔画像を受信する。

図２Ａ−２Ｃは、向きの異なる顔画像を例示する図である。

図２Ａ−２Ｃに示された向きの異なる顔画像は、それぞれ、図１Ａ−１Ｃに示された向きのカメラで撮影されたものである。

特許文献１、特許文献２、及び非特許文献１に、向きの異なる顔画像を検出する技術が開示されている。
ＵＳ特許出願１１／２９９５０４ ＵＳ特許出願１１／２８５１７２ Ｐ．Ｖｉｏｌａ，Ｍ．Ｊ．Ｊｏｎｅｓ，"Ｒｏｂｕｓｔ Ｒｅａｌ−Ｔｉｍｅ Ｆａｃｅ Ｄｅｔｅｃｔｉｏｎ"、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ，ｖｏｌ．５７，ｐｐ．１３７−１５４，Ｍａｙ ２００４．

しかしながら、特許文献１、特許文献２に開示された顔画像検出技術は計算量が多い。一方、ディジタルカメラなどの携帯用ディジタル機器は、処理部のクロック周波数が低く、メモリが少なく、計算能力が高くないため、従来の顔画像検出技術をそのまま適用することができない。

本発明は、以上の問題点に鑑みてなされ、その目的は、少ない計算量で迅速に所定向きの目標画像を検出する目標画像検出方法及び装置を提供することにある。

本発明の目標画像検出装置は、所定向きの画像に目標画像が含まれているか否かを判別する目標画像識別手段と、入力画像の向きを判別する画像方向判別手段と、判別された前記入力画像の向きに応じて、前記目標画像識別手段を回転する回転手段とを有し、前記回転された目標画像識別手段により、前記入力画像から、前記目標画像が検出される。

本発明によれば、画像方向判別手段は入力画像の向きを判別し、回転手段は判別された入力画像の向きに応じて目標画像識別手段を回転し、回転された目標画像識別手段は上記向きの入力画像から目標画像を検出するので、少ない計算量で迅速に上記向きの目標画像を検出することができる。

次に、添付した図面を参照しながら、本発明の実施形態を説明する。

図３は本発明の一実施形態に係る目標画像検出装置の構成を例示するブロック図である。

例えば、本実施形態に係る画像検出装置は、ディジタルカメラなどの携帯用ディジタル機器に搭載され、写真を撮影する際に、被写体となる人物の顔や、風景における特徴部などを検出し、焦点合わせやその他の調整に用いられる。以下、主に顔の検出を例として説明する。
なお、本実施形態に係る画像検出装置はこのような応用に限定されない。

図３に示すように、本実施形態に係る画像検出装置１０は、画像ブロック生成手段１０５、角度識別手段１１０、参照画像識別手段１２０、角度対応画像識別部生成手段１３０、目標画像検出手段１４０、及び画像出力手段１５０を有する。

例えば、カメラの撮像部により、被写体の画像信号１０１が得られ、画像検出装置１０に入力される。

図４は入力画像１０１を例示する図である。

図４に示すように、入力画像信号１０１において、位置やサイズの異なる顔画像１０２、１０３がある。

画像ブロック生成手段１０５は、入力画像に含まれる目標画像（例えば、顔画像）を検出するために、入力画像を複数の画像ブロックに分けて、画像ブロック集合を生成し、各画像ブロックに目標画像の有無の判断に供する。

画像ブロックの生成方法として、例えば、所定大きさの矩形ウィンドウを画像１０１に掛けて、そのウィンドウに覆われた画像の部分を一画像ブロックとする。そして、そのウィンドウを所定の距離ずつ（Ｓｔｅｐ Ｓｉｚｅ）連続的に移動させ、入力画像１０１全体をスキャンし、異なる位置でのウィンドウに覆われた画像の部分から、複数の画像ブロックを得る。これにより、入力画像の異なる位置にある顔画像を含む画像ブロックが生成され、検出に供される。よって、異なる位置にある顔画像を検出することができる。

また、入力画像１０１に対して拡大又は縮小処理をして、これら拡大又は縮小された入力画像から画像ピラミッド構造を生成してもよい。この場合は、画像ブロック生成手段１０５は、入力画像の代わりに、画像ピラミッドの各階層の画像の画像ブロック集合を生成する。画像ピラミッドの各階層の画像は大きさが異なるので、画像ブロック生成手段１０５において、所定大きさの矩形ウィンドウを用いても、入力画像１０１における異なるサイズの顔画像を検出することができる。

入力画像１０１は所定の向きを有することがある。例えば、図１Ａ―１Ｃ及び図２Ａ―２Ｃを用いて説明したように、カメラの向きにより、画像検出装置１０において入力された画像も様々な向きがある。図２Ａ―２Ｃに示す３つの向きの他に、例えば、撮影の際に、頭部の仰向きや下向き、左右の回りなどにより、顔画像は所定の向きを有する場合もある。以下、必要に応じて画像の向きを「画像の角度」と称する。

角度識別手段１１０は、入力画像１０１における顔画像の角度を判別する。

通常の応用において、顔画像の角度は既知の幾つかの角度のうちの一つである場合は少なくない。以下、検出対象である顔画像の角度は既知のｎ個の角度のうちの一つであると仮定する。よって、角度識別手段１１０は、既知のｎ個の角度から入力画像１０１における顔画像の角度を判別する。

例えば、ｎ＝２の場合、角度識別手段１１０は２つの角度を区別できればよい。以下、２つの角度を区別する手段は、一つの角度分類器と呼ぶ。
ｎ＞２の場合は、従来技術において、一般的に、角度識別手段は、ｎ個の角度のうち任意２つの角度を区別できるように構成されていた。ｎ個の角度のうち、任意２つの角度の組合せの数はｎ（ｎ−１）／２であるので、従来の角度識別手段はｎ（ｎ−１）／２個の角度分類器を有する。このような構成の角度識別手段により、角度判別のため多い演算量と高いメモリ容量は必要である。
本実施形態には、角度識別手段１１０は、ｎ−１個の角度分類器を利用してｎ個の既知の角度から顔画像の角度を判別する。以下に述べるように、角度識別手段１１０において、上記既知のｎ個の角度のうちの一つを参照角度Ｒとし、角度識別手段１１０により判別された顔画像の角度をθとする。

角度識別手段１１０の具体的な構成は後程説明する。

参照画像識別手段１２０は、参照角度Ｒに対応する画像識別手段である、即ち、角度が参照角度Ｒである顔画像が存在するか否かを判断するための画像識別手段である。参照画像識別手段１２０は、幾つかのパラメータを用いて判断を行う。例えば、顔特徴パラメータ、顔特徴の重み付け、閾値などがある。これらのパラメータは角度に依存するものからなるグループと角度に依存しないものからなるグループとに分けられる。

参照画像識別手段１２０の具体的な構成は後程説明する。

角度対応画像識別部生成手段１３０は、参照画像識別手段１２０に用いられている各種パラメータ及び角度識別手段１１０から出力される入力画像１０１における顔画像の角度θを読み込み、さらに、角度θに基づいて参照画像識別手段１２０におけるパラメータを回転処理し、角度θに対応する画像識別手段、即ち、角度が角度θである顔画像が存在するか否かを判断するための画像識別手段を生成する。

目標画像検出手段１４０は、角度θに対応する画像識別手段を用い、入力画像１０１において、顔画像が存在するか否かを判断し、その顔画像の特性（例えば、位置、サイズなど）を検出する。

目標画像検出手段１４０の具体的な構成は後程説明する。

画像出力手段１５０は、目標画像検出手段１４０により検出された顔画像を出力して表示する。

次に、角度識別手段１１０の具体的な構成を説明する。

図５は本実施形態に係る角度識別手段１１０の構成を例示するブロック図である。

図５に示すように、角度識別手段１１０は、ｎ―１個の角度分類器１２１，１２２，１２３からなる角度分類器グループ１１１と、角度分類器１２１，１２２，１２３の出力を統合する統合部１１２とを有する。

ｎ―１個の角度分類器１２１，１２２，１２３は、それぞれ参照角度Ｒ以外のｎ―１個の候補角度θｉ（ｉ＝１，２，…，ｎ―１）と参照角度Ｒとを識別し、それぞれ一の角度θｉを決定し、また、当該決定の信頼度Ｂｉを計算する。角度分類器１２１，１２２，１２３により決定されたｎ―１個の角度θｉ（ｉ＝１，２，…，ｎ―１）及び信頼度Ｂｉは統合部１１２に入力される。

角度分類器１２１，１２２，１２３が決定したｎ―１個の角度θｉ（ｉ＝１，２，…，ｎ―１）は、互いに矛盾する場合がある。統合部１１２は、ｎ―１個の角度θｉ（ｉ＝１，２，…，ｎ―１）の間の矛盾を解消し、一つの角度θを得る。この角度θは検出対象である入力画像１０１又は顔画像の角度となる。例えば、信頼度Ｂｉの最も大きい角度分類器により得られた角度θｉを最終的な角度θとする。

角度分類器は幾つかの方法により実現できる。本実施形態において、例えば、角度分類器１２１はＢｏｏｓｔｉｎｇ識別器及び非特許文献１に開示のＶｉｏｌａ方法を用いて顔画像を識別する。即ち、Ｈａａｒウェーブレットを顔識別の特徴とする。

具体的に、角度分類器１２１は、顔画像上の特徴部を用いて顔画像の角度を識別する。各顔特徴（Ｈａａｒ特徴と呼ぶ）は、顔画像上の１つの矩形ウィンドウに覆われた顔の特徴部分に対応する。角度分類器１２１，１２２，１２３は、それぞれ所定の一組の顔特徴（Ｈａａｒ特徴）を用い、それぞれｎ―１個の候補角度θｉ（ｉ＝１，２，…，ｎ―１）と参照角度Ｒとを識別する。

各角度分類器に用いられる各顔特徴（Ｈａａｒ特徴）は、一つのサブ角度分類器になる。当該顔特徴の値ｆ_ｊ（ｊ＝１，…，ｍ、ｍは当該角度分類器における顔特徴の数である）（例えば、矩形ウィンドウの位置、即ち、顔特徴部の位置）は当該サブ角度分類器の閾値μ以上である場合は、当該サブ角度分類器の識別結果（出力）ｈ_ｊを１とし、そうでない場合は、当該サブ角度分類器の識別結果（出力）ｈ_ｊを０とする。各顔特徴、即ち、各サブ角度分類器に所定のウエイトα_ｊを与えられており、各サブ角度分類器の出力ｈ_ｊの重い付け和Ｓｉ＝Σα_ｊｈ_ｊをｉ番目の角度分類器の特徴量とする。

ｎ―１個の角度分類器１２１，１２２，１２３の各々に所定の閾値Ｔｉ（ｉ＝１，２，…，ｎ―１）を与えられる。角度分類器の特徴量Ｓｉは閾値Ｔｉ以上である場合は、顔画像の角度は参照角度Ｒであると判断する。一方、角度分類器の特徴量Ｓｉは閾値Ｔｉより小さい場合は、顔画像の角度は角度θｉであると判断する。また、角度分類器の特徴量Ｓｉと閾値Ｔｉとの差の絶対値は、当該角度分類器の識別結果の信頼度Ｂｉとして出力される。Ｂｉは大きければ大きいほど、識別結果の信頼度が高い。

Ｂｏｏｓｔｉｎｇ法において、以上の各角度分類器のパラメータｆ、μ、α、Ｔの値は学習サンプルにより決められる。例えば、所定数の顔画像の角度が参照角度Ｒであるサンプルと顔画像の角度が参照角度Ｒ以外の角度であるサンプルを集め、学習サンプルを構成する。このように、ｎ―１個の角度分類器１２１，１２２，１２３を構成する。

図６は角度識別手段１１０の動作を示すフローチャートである。

図６に示すように、ステップＳ２１において、入力画像１０１は角度識別手段１１０に入力される。

ステップＳ２２において、角度分類器１２１，１２２，１２３の特徴量Ｓｉ（ｉ＝１，２，…，ｎ―１）を計算する。

ステップＳ２３において、角度分類器１２１，１２２，１２３が角度θｉを決定し、信頼度Ｂｉを計算する。

ステップＳ２４において、信頼度Ｂｉの最も大きい角度分類器により得られた角度θｉを角度識別手段１１０の識別結果として出力する。

次に、参照画像識別手段１２０の具体的な構成を説明する。

図７は本実施形態に係る参照画像識別手段１２０の構成を例示するブロック図である。

図７に示すように、参照画像識別手段１２０はカスケード型Ｂｏｏｓｔｉｎｇ識別器からなり、即ち、参照画像識別手段１２０は、複数段のＢｏｏｓｔｉｎｇ画像識別器からなる。
各段のＢｏｏｓｔｉｎｇ画像識別器は、顔画像上の特徴部を用いて顔画像を識別する。本実施形態において、非特許文献１に開示のＶｉｏｌａ法を用いて、Ｈａａｒウェーブレットを顔検出の特徴として目標画像を識別する。

図８は、顔検出用識別器に用いるＨａａｒウェーブレット顔特徴を示す図である。

図８に示すように、各顔特徴（Ｈａａｒ特徴）は、顔画像上の１つの矩形ウィンドウ（以下、顔特徴ウィンドウという）に覆われた顔の特徴部分に対応する（図９も参照されたい）。各段のＢｏｏｓｔｉｎｇ画像識別器は、所定の顔特徴（Ｈａａｒ特徴）を用い、顔画像を識別する。

各段のＢｏｏｓｔｉｎｇ画像識別器は、各顔特徴の値ｆ（例えば、矩形ウィンドウの位置、即ち、顔特徴部の位置）、各顔特徴の閾値μ、各顔特徴のウエイトα、当該Ｂｏｏｓｔｉｎｇ画像識別器の閾値Ｔなどのパラメータを用いる。これらのパラメータの中に、顔特徴の値ｆは角度に依存し、その他のパラメータは角度に依存しない。

図９は、画像識別器の特徴パラメータの回転処理を示す図である。

図９は、画像検出装置１０に入力された画像は３つの向きを有する場合を示す。即ち、０度（正常時）、９０度（右回転）、―９０度（左回転）である。０度（正常時）を参照方向として参照画像識別手段１２０を構築すれば、９０度、―９０度回転した画像の場合、参照画像識別手段１２０におけるＨａａｒ特徴の値ｆをそれぞれ９０度、―９０度回転すれば、９０度、―９０度に対応する画像識別器をそれぞれ生成することができる。回転角度は他の値の場合は同様である。

図１０は本実施形態に係る目標画像検出手段１４０の構成を例示するブロック図である。

本実施例では、目標画像検出手段１４０もカスケード型Ｂｏｏｓｔｉｎｇ識別器を用いる。

図１０に示すように、目標画像検出手段１４０はＮ段のＢｏｏｓｔｉｎｇ目標画像識別器からなる。所定の段のＢｏｏｓｔｉｎｇ目標画像識別器に入力された画像ブロックについて、そのＢｏｏｓｔｉｎｇ目標画像識別器の出力は当該目標画像識別器の閾値より小さい場合、当該画像ブロックに目標画像（例えば、顔）が含まれないと判断し（図１０の「Ｆ」）、目標画像検出手段１４０の処理が終了する。一方、そのＢｏｏｓｔｉｎｇ目標画像識別器の出力は閾値以上である場合、当該画像ブロックに顔が含まれている可能性があると判断し（図１０の「Ｔ」）、次段のＢｏｏｓｔｉｎｇ目標画像識別器に進み、更に当該画像ブロックに顔が含まれているか否かを判断する。このように、全ての段のＢｏｏｓｔｉｎｇ目標画像識別器が当該画像ブロックに顔が含まれている可能性があると判断した場合は、目標画像検出手段１４０は、当該画像ブロックに顔が含まれていると判断し、当該当該画像ブロックは顔画像候補とする。

次に、画像検出装置１０の動作を説明する。

図１１は画像検出装置１０の動作を示すフローチャートである。

図１１に示すように、ステップＳ１において、例えばカメラの撮像部により、被写体の画像信号１０１が得られ、画像検出装置１０に入力される。

ステップＳ２において、角度識別手段１１０は入力画像１０１における顔画像の角度を判別する。

ステップＳ３において、角度識別手段１１０から出力される入力画像１０１における顔画像の角度θに基づき、参照画像識別手段１２０におけるパラメータを回転処理し、角度θに対応する画像識別手段を生成する。

ステップＳ４において、目標画像検出手段１４０は、角度θに対応する画像識別手段を用い、入力画像１０１において顔画像が存在するか否かを判断し、その顔画像の特性（例えば、位置、サイズなど）を検出する。画像出力手段１５０は、検出された顔画像を表示する。

本実施形態によれば、参照角度Ｒに対応する参照画像識別手段１２０を設け、また、画像識別手段に用いるパラメータを角度に依存するグループと角度に依存しないグループとに分ける。角度識別手段１１０により入力画像１０１における顔画像の角度が判別されると、角度に依存するパラメータのみを回転処理して顔画像の角度に合わせ、顔画像の角度に対応する画像識別手段を生成する。従って、一つの画像識別手段をメモリに保存すればよく、全ての候補角度についてそれぞれに対応する画像識別手段を記憶しておく必要がない。これにより、使用するメモリの容量が大幅に低減され、また、従来のように画像を回転するなどの処理は計算量が非常に多い。本実施形態では、画像の回転を行わずに、画像識別手段を回転するので、計算量は大幅に低減される。

また、構成が簡単である角度識別手段１１０を用いて入力画像１０１における顔画像の角度を判別し、そして、一つの画像識別手段により目標画像を識別する構成を有するので、計算効率はより高い。例えば、顔画像の角度の候補が既知で、かつ数が限られている場合は、簡単な構成の画像識別手段で、複数向きの顔画像の角度を識別することができ、従来より効率が高い。

以上、本発明の好ましい実施形態を説明したが、本発明はこれらの実施形態に限定されず、本発明の趣旨を離脱しない限り、本発明に対するあらゆる変更は本発明の範囲に属する。

例えば、以上は、顔を目標画像として検出する例を挙げて説明したが、本発明は車や道路など他の目標画像の検出にも適用できる。

また、参照画像識別手段１２０は以上に説明した構成に限定されない。所定方向の目標画像に対応し、パラメータの調整により他の方向の目標画像識別に適応することができれば、如何なる構成の画像識別器でもよい。

また、目標画像検出手段１４０はカスケード型Ｂｏｏｓｔｉｎｇ目標画像識別器に限定されない。画像ブロック自身の情報に基づき、すなわち、目標画像自身に基づき目標画像であるか否かを判定できれば、如何なる方法でもよい。例えば、顔検出の場合、テンプレートマッチングに基づく顔検出方法や、肌色に基づく顔検出方法を用いることができる。

カメラの複数の姿勢を例示する図である。 カメラの複数の姿勢を例示する図である。 カメラの複数の姿勢を例示する図である。 向きの異なる顔画像を例示する図である。 向きの異なる顔画像を例示する図である。 向きの異なる顔画像を例示する図である。 本発明の一実施形態に係る目標画像検出装置の構成を例示するブロック図である。 入力画像１０１を例示する図である。 本実施形態に係る角度識別手段１１０の構成を例示するブロック図である。 角度識別手段１１０の動作を示すフローチャートである。 本実施形態に係る参照画像識別手段１２０の構成を例示するブロック図である。 顔検出用識別器に用いるＨａａｒウェーブレット顔特徴を示す図である。 画像識別器の特徴パラメータの回転処理を示す図である。 本実施形態に係る目標画像検出手段１４０の構成を例示するブロック図である。 画像検出装置１０の動作を示すフローチャートである。

符号の説明

１０ 画像検出装置
１０１ 入力画像信号
１０５ 画像ブロック生成手段
１１０ 角度識別手段
１１１ 角度分類器グループ
１１２ 統合部
１２０ 参照画像識別手段
１２１，１２２，１２３ 角度分類器
１３０ 角度対応画像識別部生成手段
１４０ 目標画像検出手段
１５０ 画像出力手段

Claims (16)

1. 所定向きの画像に目標画像が含まれているか否かを判別する目標画像識別手段と、
   入力画像の向きを判別する画像方向判別手段と、
   判別された前記入力画像の向きに応じて、前記目標画像識別手段を回転する回転手段と
   を有し、
   前記回転された目標画像識別手段により、前記入力画像から、前記目標画像が検出される
   目標画像検出装置。
2. 前記画像方向判別手段は、前記目標画像における複数の特徴部を用い、前記入力画像の向きを判別する
   請求項１に記載の目標画像検出装置。
3. 前記目標画像識別手段、段階的に配置された複数の画像識別部を含み、
   前記回転手段は、判別された前記入力画像の向きに応じて、前記目標画像識別手段における少なくとも一部の画像識別部を回転する
   請求項１に記載の目標画像検出装置。
4. 前記画像方向判別手段は、各々２つの角度を区別する方向判別部を複数有し、前記入力画像の複数の向きを判別する
   請求項１〜３の何れかに記載の目標画像検出装置。
5. 前記画像方向判別手段は、さらに、前記複数の方向判別部の出力を統合する統合部を有する
   請求項４に記載の目標画像検出装置。
6. 前記回転手段は、前記判別された前記入力画像の向きに応じて、前記目標画像識別手段におけるパラメータのうち、方向に依存するパラメータのみを調整し、前記目標画像識別手段を回転する
   請求項１に記載の目標画像検出装置。
7. 前記方向に依存するパラメータは、前記目標画像における複数の特徴部の位置を含む
   請求項６に記載の目標画像検出装置。
8. 入力画像の向きを判別する画像方向判別ステップと、
   判別された前記入力画像の向きに応じて、目標画像識別に用いられるパラメータを回転処理する回転ステップと、
   前記回転されたパラメータを用い、前記入力画像から、前記目標画像を検出する目標画像識別ステップと
   を有する
   目標画像検出方法。
9. 前記画像方向判別ステップにおいて、前記目標画像における複数の特徴部を用い、前記入力画像の向きを判別する
   請求項８に記載の目標画像検出方法。
10. 前記目標画像識別ステップにおいて、段階的に配置された複数の画像識別部を用い、前記目標画像を検出し、
    前記回転ステップにおいて、判別された前記入力画像の向きに応じて、少なくとも一部の画像識別部を回転する
    請求項８に記載の目標画像検出方法。
11. 前記画像方向判別ステップにおいて、各々２つの角度を区別する方向判別部を複数用い、前記入力画像の複数の向きを判別する
    請求項８〜１０の何れかに記載の目標画像検出方法。
12. 前記画像方向判別ステップにおいては、さらに、前記複数の方向判別ステップの出力が統合される
    請求項１１に記載の目標画像検出方法。
13. 前記回転ステップにおいて、前記判別された前記入力画像の向きに応じて、前記目標画像識別ステップにおけるパラメータのうち、方向に依存するパラメータのみを調整し、前記回転処理を行う
    請求項８に記載の目標画像検出方法。
14. 前記方向に依存するパラメータは、前記目標画像における複数の特徴部の位置を含む
    請求項１３に記載の目標画像検出方法。
15. コンピュータに
    入力画像の向きを判別する画像方向判別ステップと、
    判別された前記入力画像の向きに応じて、目標画像識別に用いられるパラメータを回転処理する回転ステップと、
    前記回転されたパラメータを用い、前記入力画像から、前記目標画像を検出する目標画像識別ステップと
    を実行させる
    目標画像検出プログラム。
16. コンピュータに
    入力画像の向きを判別する画像方向判別ステップと、
    判別された前記入力画像の向きに応じて、目標画像識別に用いられるパラメータを回転処理する回転ステップと、
    前記回転されたパラメータを用い、前記入力画像から、前記目標画像を検出する目標画像識別ステップと
    を実行させる
    目標画像検出プログラムを記録した記憶媒体。
    

Images