JP2008269181A - 対象物検出装置 - Google Patents

Abstract

【課題】対象物の検出処理の簡易化および高速化が図れる対象物検出装置を提供することにある。
【解決手段】対象物検出装置１は、撮像手段２から画像入力手段１０に入力された濃淡画像から当該濃淡画像の各画素の画素値を濃度勾配方向の値に置き換えてなる濃度勾配方向画像を作成する濃度勾配方向画像作成手段１１と、濃度勾配方向画像の所定領域内における濃度勾配方向が特定の方向を向いた画素の数を算出し当該画素の数に基づいて入力された濃淡画像に対象物の特徴部分が存在するか否かの判別を異なる特徴部分について行う複数の弱判別手段１５ａと、対象物が写っている画像を含む複数の学習用サンプル画像についての各弱判別手段１５ａの判別結果より求められた弱判別手段１５ａ毎の信頼度、および入力された濃淡画像に対する弱判別手段１５ａの判別結果に基づいて、入力された濃淡画像に対象物が存在するか否かを判別する総合判別手段１６とを備える。
【選択図】図１

Description

本発明は、画像から対象物を検出する対象物検出装置に関するものである。

従来から、ＣＣＤイメージ・センサや、ＣＭＯＳイメージ・センサなどを利用したカメラにより撮像された濃淡画像などの画像（画像データ）から、検出対象となる対象物（例えば、顔画像）を検出する対象物検出装置が提案されている（例えば、特許文献１参照）。

上記対象物検出装置では、画像に対象物が存在するか否かの判別に、アダ・ブースト（AdaBoost）などのブースティングによる集団学習を利用した判別手段が用いられている。

このような判別手段は、入力された濃淡画像（以下、単に「入力濃淡画像」と称する）の所定領域内の画素値（輝度値、濃度値、または濃淡値ともいう）の総和などに基づいて入力濃淡画像に対象物の特徴部分が存在するか否かを判別する複数の弱判別手段と、対象物が写っている画像を含む複数の学習用サンプル画像による学習内容および入力濃淡画像に対する弱判別手段の判別結果に基づいて入力濃淡画像に対象物が存在するか否かを判別する総合判別手段とを備えている。

ここで、弱判別手段は、対象物の特徴部分が存在するか否かなどの極めて簡単な方法により対象物の存否（有無）を判別するものであり、このような弱判別手段１つでは対象物の存否の判別能力は低いが、上記判別手段では、対象物の特徴部分の存否を異なる特徴部分について例えば数百〜数千行った弱判別手段の判別結果に基づいて、総合判別手段により入力濃淡画像に対象物が存在するか否かを判別することで、結果的に、高い判別能力を実現している。
特開２００５−４４３３０号公報

ところで、濃淡画像を用いて対象物の検出しようとした場合に、学習サンプル画像を作成したときの明るさと、濃淡画像を撮像した際の明るさとが異なっていると、同じ対象物であっても、濃度値が大きく変化してしまう。

上記判別手段における弱判別手段は、極めて簡単な判別を行うものであるから、上記のような濃度値の変化に対応できず、濃淡画像に対象物が写っていても、その撮像場所の明暗状態が学習サンプル画像と異なった際には、対象物が存在しないと判別してしまう、つまり、撮像場所の明暗状態によって検出精度が低下してしまうおそれがあった。

このような撮像場所の明暗状態によって検出精度が低下することを防止する方法としては、例えば、学習サンプル画像に撮像場所の明暗状態のみが異なる濃淡画像を複数枚用意する方法や、弱判別手段による判別を行う前に濃淡画像のコントラストを正規化する処理を行う方法が提案されている。

しかしながら、学習サンプル画像を増やした場合には、弱判別手段の数が増加するから、対象物の検出処理が複雑になり、また、検出処理にかかる時間が長くなってしまうという問題があった。このような問題点は、弱判別手段による判別を行う前に濃淡画像のコントラストを正規化する処理を行う場合であっても同様に生じていた。

本発明は上述の点に鑑みて為されたもので、その目的は、対象物の検出処理の簡易化および高速化が図れる対象物検出装置を提供することにある。

上記の課題を解決するために、請求項１の発明では、入力された濃淡画像から当該濃淡画像の各画素の画素値を濃度勾配方向の値に置き換えてなる濃度勾配方向画像を作成する濃度勾配方向画像作成手段と、濃度勾配方向画像の所定領域内における濃度勾配方向が特定の方向を向いた画素の数を算出し当該画素の数に基づいて上記入力された濃淡画像に対象物の特徴部分が存在するか否かの判別を異なる特徴部分について行う複数の弱判別手段を有する部分判別手段と、対象物が写っている画像を含む複数の学習用サンプル画像についての複数の弱判別手段の判別結果より求められた弱判別手段それぞれの信頼度、および上記入力された濃淡画像に対する弱判別手段の判別結果に基づいて、上記入力された濃淡画像に対象物が存在するか否かを判別する総合判別手段とを備えていることを特徴とする。

請求項１の発明によれば、濃淡画像に対象物の特徴部分が存在するか否かの判別を行うにあたっては、濃淡画像の代わりに当該濃淡画像の各画素の画素値を濃度勾配方向の値に置き換えてなる濃度勾配方向画像を用いているので、濃淡画像そのものを用いて上記特徴部分が存在するか否かの判別を行う場合とは異なり濃淡画像の撮像場所の明暗状態による影響が殆どなくなって、例えば、学習サンプル画像に撮像場所の明暗状態のみが異なる濃淡画像を複数枚用意する必要がなくなって弱判別手段の数の増加を抑制でき、また弱判別手段による判別を行う前に濃淡画像のコントラストを正規化する処理が必要なくなるから、対象物の検出処理の簡易化が図れ、その上、検出処理にかかる時間を短縮できて、検出処理の高速化が図れる。

請求項２の発明では、請求項１の発明において、濃度勾配方向画像から、当該濃度勾配方向画像の四隅の画素のいずれか１つを始点、任意の画素を終点とする矩形領域内における濃度勾配方向が特定の方向を向いた画素の数を上記終点の画素の画素値として有する累積度数分布画像を作成する累積度数分布画像作成手段を備え、弱判別手段は、濃度勾配方向画像の所定領域内における濃度勾配方向が特定の方向を向いた画素の数を算出するにあたっては、累積度数分布画像を用いるように構成されていることを特徴とする。

請求項２の発明によれば、累積度数分布画像を用いれば、濃度勾配方向画像の任意の領域における濃度勾配方向が特定の方向を向いた画素の数は、上記任意の領域の頂点位置に対応する累積度数分布画像の画素の画素値を加算、減算することによって算出できるから、濃度勾配方向画像を用いる場合に比べれば、検出処理の高速化が図れる。

請求項３の発明では、請求項１または２の発明において、総合判別手段は、弱判別手段の判別結果に応じて当該弱判別手段の信頼度を加算してなる判別値が所定値以上となった際に、上記入力された濃淡画像に対象物が存在すると判別するように構成され、部分判別手段は、予め決定された順番で複数の弱判別手段に判別を行わせるとともに、弱判別手段の判別処理が終了する度にその判別結果を総合判別手段に出力し、上記入力された濃淡画像における対象物の存否が総合判別手段により判別された時点で、弱判別手段による判別を終了するように構成されていることを特徴とする。

請求項３の発明によれば、総合判別手段により対象物の存否（有無）が判別された時点で、部分判別手段は未終了の弱判別手段による判別を行うことなく判別を終了するので、不必要な判別を省略できるから、検出処理の高速化が図れる。

請求項４の発明では、請求項１〜３のうちいずれか１項の発明において、学習サンプル画像は、濃度勾配方向画像作成手段と同一の方法にて濃淡画像から作成された濃度勾配方向画像であることを特徴とする。

請求項４の発明によれば、総合判別手段では、濃度勾配方向画像作成手段により作成される濃度勾配方向画像の特性を反映した各弱判別手段の信頼度に基づいて対象物の存否判別が行われるから、濃度勾配方向画像作成手段と異なる方法にて濃淡画像から作成された濃度勾配方向画像を学習サンプル画像に用いる場合に比べれば、検出精度の向上が図れる。

請求項５の発明では、請求項１〜４のうちいずれか１項の発明において、濃度勾配方向画像作成手段は、濃度勾配方向画像を作成する前処理として、入力された濃淡画像を回転させる回転処理手段を有していることを特徴とする。

請求項５の発明によれば、入力された濃淡画像と学習サンプル画像とで対象物の所定の基準線に対する回転角を一致させることが可能になるから、学習サンプル画像の対象物に対して入力された濃淡画像の対象物が回転していることに起因する検出精度の悪化を防止できて、検出精度の向上が図れる。

請求項６の発明では、請求項１〜５のうちいずれか１項の発明において、濃度勾配方向画像作成手段は、濃度勾配方向画像を作成する前処理として、入力された濃淡画像をスケーリングするスケーリング処理手段を有していることを特徴とする。

請求項６の発明によれば、入力された濃淡画像と学習サンプル画像とで対象物の画像サイズを一致させることが可能になるから、入力された濃淡画像と学習サンプル画像とで対象物の画像サイズが異なっていることに起因する検出精度の悪化を防止できて、検出精度の向上が図れる。

請求項７の発明では、請求項１〜５のうちいずれか１項の発明において、部分判別手段は、画像サイズが異なる複数の対象物それぞれに対応する形で複数の弱判別手段からなる弱判別手段群を有し、相対的に画像サイズが大きい対象物に対応する弱判別手段群による判別を相対的に画像サイズが小さい対象物に対応する弱判別手段群による判別よりも先に行い、相対的に画像サイズが大きい対象物に対応する弱判別手段群により対象物の特徴部分が存在すると判別された濃度勾配方向画像中の領域については相対的に画像サイズが小さい対象物に対応する弱判別手段群による判別を行わないように構成されていることを特徴とする。

請求項７の発明によれば、画像サイズが異なる対象物それぞれに対応する形で弱判別手段による判別が行われるので、対象物の画像サイズの変化に起因する検出精度の悪化を防止できて、検出精度の向上が図れる。また、対象物が存在すると判別された濃度勾配方向画像中の領域については、異なる画像サイズの対象物が存在しないとみなして弱判別手段による判別を行わないから、検出処理の高速化が図れ、さらに相対的に画像サイズが大きい対象物に対応する弱判別手段による判別を相対的に画像サイズが小さい対象物に対応する弱判別手段による判別より先に行うことによって、弱判別手段による判別を効率的に省略できるから、さらなる検出処理の高速化が図れる。

請求項８の発明では、請求項１〜５のうちいずれか１項の発明において、濃度勾配方向画像作成手段は、上記入力された濃淡画像から濃度勾配方向画像を作成するにあたっては所定のマスクサイズの差分フィルタを利用して濃度勾配方向を算出するように構成され、差分フィルタのマスクサイズを変更することで上記入力された濃淡画像の対象物の画像サイズに対して濃度勾配方向画像の対象物の画像サイズを変化させるマスクサイズ変更手段を有し、部分判別手段は、差分フィルタのマスクサイズに対応する形で複数の弱判別手段からなる弱判別手段群を有し、マスクサイズ変更手段による差分フィルタのマスクサイズの変更に応じて用いる弱判別手段群を変更するように構成されていることを特徴とする。

請求項８の発明によれば、入力された濃淡画像と学習サンプル画像とで対象物の画像サイズを一致させることが可能になるから、入力された濃淡画像と学習サンプル画像とで対象物の画像サイズが異なっていることに起因する検出精度の悪化を防止できて、検出精度の向上が図れる。

請求項９の発明では、請求項１〜８のうちいずれか１項の発明において、濃度勾配方向画像は、濃度勾配方向を上下左右の４方向のいずれかに分類してなるものであることを特徴とする。

請求項９の発明によれば、濃度勾配方向画像のデータ量を必要最低限にまで削減できるから、対象物の検出処理の簡易化および高速化が図れる。

本発明は、対象物の検出処理の簡易化および高速化が図れるという効果を奏する。

（実施形態１）
本実施形態の対象物検出装置１は、例えば、入力された画像から検出対象となる対象物（例えば、特定個人の顔画像ではなく、一般的な顔画像）を検出するために用いられるものであって、図１に示すように、撮像手段２に接続されて撮像手段２で撮像された濃淡画像が入力される画像入力手段１０と、画像入力手段１０に入力された濃淡画像（以下、「入力濃淡画像」と称する）を元にして濃度勾配方向画像を作成する濃度勾配方向画像作成手段１１と、濃度勾配方向画像を元にして積分画像（インテグラル・イメージ）からなる累積度数分布画像を作成する累積度数分布画像作成手段１２と、累積度数分布画像が記憶されるメモリ（例えばＳＲＡＭ）やＨＤＤなどの記憶装置からなる記憶手段１３と、累積度数分布画像を元にして入力濃淡画像に対象物が存在するか否かを判別する判別手段１４とを備えている。なお、濃度勾配方向画像作成手段１１、累積度数分布画像作成手段１２、および判別手段１４は、例えば、ＣＰＵなどの演算処理手段に情報の加工、演算を行わせるソフトウェア（プログラム）などにより実現されている。

ここで、撮像手段２は、例えば所定領域を撮像するＣＣＤイメージ・センサなどの撮像素子（図示せず）と、撮像素子から出力されるアナログ形式の濃淡画像をデジタル形式に変換して出力するＡ／Ｄコンバータ（図示せず）とで構成されている。なお、撮像素子としては、ＣＣＤイメージ・センサの他に、ＣＭＯＳイメージ・センサなどを使用してもよい。また、一般に、システム・オン・チップ（ＳｏＣ）技術により製造されたＣＭＯＳイメージ・センサは、パッケージ内にＡ／Ｄコンバータなどの処理回路を備えているので、ＣＣＤイメージ・センサを用いる場合とは異なりＡ／Ｄコンバータを別途設ける必要がない。

画像入力手段１０は、撮像手段２の出力端子（図示せず）に通信ケーブル（図示せず）などにより接続可能な入力端子（図示せず）を備えており、撮像手段２が出力するデジタル形式の濃淡画像を対象物検出装置１に取り込むために用いられる。また、画像入力手段１０は、入力濃淡画像を濃度勾配方向画像作成手段１１に出力するように構成されている。

濃度勾配方向画像作成手段１１は、入力濃淡画像から当該入力濃淡画像の各画素の画素値を濃度勾配方向の値に置き換えてなる濃度勾配方向画像を作成して、累積度数分布画像作成手段１２に出力するように構成されている。

濃度勾配方向画像作成手段１１は、濃度勾配方向画像の作成にあたっては、例えば、差分フィルタ（微分フィルタ）を入力濃淡画像に含まれる全ての画素に適用することにより局所空間微分を行い、各画素における横方向（ｘ方向）の微分値ｄｘ、および縦方向（ｙ方向）の微分値ｄｙをそれぞれ求める。

本実施形態では微分フィルタとして、図２に示すようなマスクサイズが３×３のＳｏｂｅｌフィルタ（Ｓｏｂｅｌオペレータともいう）を利用しており、このＳｏｂｅｌフィルタによれば、注目画素における横方向（ｘ方向）の微分値ｄｘは次式（１）で、縦方向（ｙ方向）の微分値ｄｙは次式（２）でそれぞれ表される。なお、次式（１），（２）において、Ｐ１〜Ｐ９は、図２に示すように、注目画素（図２においてＰ５で示される中央の画素）とその８近傍の画素それぞれにおける画素値を表している。

上記ｄｘ，ｄｙがいずれも０でなければ、濃度勾配方向θ[°]は、次式（３）で表される。

ここで、ｄｘおよびｄｙそれぞれの符号を加味すれば、θは、０以上３６０未満の値で表され、本実施形態では、濃度勾配方向θを上下左右の４方向で表すように（すなわち、方向精度を４方向に）しているので、４５°≦θ＜１３５°であれば上方向、１３５°≦θ＜２２５°であれば右方向、２２５°≦θ＜３１５°であれば下方向、３１５°≦θ＜３６０°あるいは０°≦θ＜４５°であれば左方向であるとする。

そして、入力濃淡画像に含まれる全ての画素に対して上述の処理を繰り返すことで、例えば、図３に示すような、入力濃淡画像の各画素の画素値を濃度勾配方向θの値に置き換えた濃度勾配方向画像が得られる。なお、図３中の「↑」は上方向を、「↓」は下方向を、「←」は左方向を、「→」は右方向をそれぞれ示している。

ここで、濃度勾配方向画像における画素をＰ（ｉ，ｊ）とすれば（但し、ｉ，ｊは１以上の整数）、図３に示す濃度勾配方向画像では、画素Ｐ（１，１），Ｐ（２，１），Ｐ（３，１），Ｐ（４，１），Ｐ（５，４），Ｐ（６，４）の濃度勾配方向が上方向、画素Ｐ（５，１），Ｐ（６，１），Ｐ（１，３），Ｐ（２，３），Ｐ（３，３），Ｐ（４，３）の濃度勾配方向が下方向、画素Ｐ（５，２），Ｐ（６，２），Ｐ（１，４），Ｐ（２，４），Ｐ（３，４），Ｐ（４，４）の濃度勾配方向が左方向、画像Ｐ（１，２），Ｐ（２，２），Ｐ（３，２），Ｐ（４，２），Ｐ（５，３），Ｐ（６，３）が右方向となっている。

このような方向精度が４の濃度勾配方向画像は、１の画素の画素値を表すために２ビットしか必要としないため、例えば、２５５階調（８ビット）の濃淡画像に比べれば、画像を表すために必要なデータ量を大幅に削減できる。

なお、濃度勾配方向画像の方向精度は、４５度刻みの８方向であってもよいし、２２．５度刻みの１６方向であってもよく、要は、濃淡画像において画素値に使用されるビット数よりも小さいビット数で表されるものであればよい。

累積度数分布画像１２は、濃度勾配方向画像（例えば、図３参照）から、当該濃度勾配方向画像の四隅の画素のいずれか１つを始点、任意の画素を終点とする矩形領域内の濃度勾配方向が特定の方向を向いた画素（以下、単に「特定方向画素」と称する）の数を上記終点の画素の画素値として有する累積度数分布画像（例えば、図４（ａ）〜（ｄ）参照）を作成して、記憶手段１３に記憶させるように構成されている。なお、図４（ａ）は上記特定の方向が上方向の累積度数分布画像を示し、図４（ｂ）は上記特定の方向が下方向の累積度数分布画像を示し、図４（ｃ）は上記特定の方向が左方向の累積度数分布画像を示し、図４（ｄ）は上記特定の方向が下方向の累積度数分布画像を示している。

以下に、このような累積度数分布画像の作成方法について、図３および図４を参照して説明する。例えば、始点が画素Ｐ（１，１）、終点が画素Ｐ（３，２）である場合、終点である画素Ｐ（３，２）の画素値は、画素Ｐ（１，１）を始点、画素Ｐ（３，２）を終点とする矩形領域内の特定方向画素の数に置き換えられる。

ここで、画素Ｐ（１，１）を始点、画素Ｐ（３，２）を終点とする矩形領域は、ｘ方向の座標が始点となる画素Ｐ（１，１）のｘ方向の座標である「１」から終点となる画素Ｐ（３，２）のｘ方向の座標である「３」の範囲内（つまり１以上３以下の範囲内）の値で、かつｙ方向の座標が始点となる画素Ｐ（１，１）のｙ方向の座標である「１」から終点となる画素Ｐ（３，２）のｙ方向の座標である「２」の範囲内（つまり１以上２以下の範囲内）の値である画素Ｐ（１，１），Ｐ（２，１），Ｐ（３，１），Ｐ（１，２），Ｐ（２，２），Ｐ（３，２）により構成される領域である。

そして、上記特定の方向が「上方向」であれば図４（ａ）に示すように画素Ｐ（３，２）の画素値は「３」となり、上記特定の方向が「下方向」であれば図４（ｂ）に示すように画素Ｐ（３，２）の画素値は「０」となり、上記特定の方向が「左方向」であれば図４（ｃ）に示すように画素Ｐ（３，２）の画素値は「０」となり、上記特定の方向が「右方向」であれば図４（ｄ）に示すように画素Ｐ（３，２）の画素値は「３」となる。

上述した処理を、始点（図示例の場合、画素Ｐ（１，１））を固定し、濃度勾配方向画像の全ての画素（図示例の場合、画素Ｐ（１，１）〜Ｐ（６，４））それぞれが終点となるように行うことによって、図４（ａ）〜（ｄ）に示すような累積度数分布画像が得られる。

このようにして得られた累積度数分布画像を利用すれば、濃度勾配方向画像の任意の領域における特定方向画素の数は、任意の領域の頂点位置の対応する累積度数分布画像の画素の画素値を加算、減算することによって算出できるから、累積度数分布画像は、濃度勾配方向画像の所望の領域に含まれる特定方向画素の数を容易に算出するために用いられる。

例えば、上記領域が、画素Ｐ（ｌ_ｘ，ｌ_ｙ）を始点、画素Ｐ（ｍ_ｘ，ｍ_ｙ）を終点（但し、ｌ_ｘ，ｌ_ｙ，ｍ_ｘ，ｍ_ｙはいずれも１以上の整数であり、ｍ_ｘ≧ｌ_ｘ、ｍ_ｙ≧ｌ_ｙを満たす）とする領域である場合、上記領域に含まれる特定方向画素の数Ｓは、上記特定の方向に対応する累積度数分布画像における画素Ｐ（ｉ，ｊ）の画素値をＩ（ｉ，ｊ）とすれば、次式（４）で表される。ただし、次式（４）においてｉ，ｊのいずれか一方が０となる場合は、Ｉ（ｉ，ｊ）＝０として計算を行う。

例えば、画素Ｐ（３，２）を始点、画素Ｐ（５，４）を終点とする領域に含まれる特定方向画素の数Ｓは、Ｉ（５，４）−Ｉ（２，４）−Ｉ（５，１）＋Ｉ（２，１）で表され、図４（ａ）を参照すれば、Ｓ＝５−４−２＋２＝１となる。また、例えば、画素Ｐ（１，１）を始点、画素Ｐ（５，３）を終点とする領域に含まれる特定方向画素の数Ｓは、Ｉ（５，３）−Ｉ（０，３）−Ｉ（５，０）＋Ｉ（０，０）で表される。ここで、ｉ，ｊのいずれか一方が０となる場合は、Ｉ（ｉ，ｊ）＝０として計算を行うので、図４（ａ）を参照すれば、Ｓ＝４−０−０＋０＝４となる。

したがって、上述したような累積度数分布画像を利用すれば、例えば、図５にＡ〜Ｆで示すような領域それぞれに含まれる特定方向画素の数Ｓを容易に算出できる。なお、図５に示す画素Ｐａ〜Ｐｆそれぞれの特定方向に対応する画素値をＩａ〜Ｉｆとすれば、領域Ａに含まれる特定方向画素の数ＳはＩａで表され、領域Ｂに含まれる特定方向画素の数ＳはＩｂ−Ｉａで表され、領域Ｃに含まれる特定方向画素の数ＳはＩｃ−Ｉａで表され、領域Ｄに含まれる特定方向画素の数ＳはＩｄ−Ｉｂ−Ｉｃ＋Ｉａで表され、領域Ｅに含まれる特定方向画素の数ＳはＩｅ−Ｉｃで表され、領域Ｆに含まれる特定方向画素の数ＳはＩｆ−Ｉｄ−Ｉｅ＋Ｉｃで表される。

判別手段１４は、ブースティング、例えばデータの重み付けを行って重み付き多数決を行うアダ・ブーストを利用した集団学習機（アンサンブル学習機）であって、弱学習器（弱判別器、弱判定器ともいう）として作用する複数の弱判別手段１５ａを有する部分判別手段１５と、弱判別手段１５の判別結果により対象物の存否を判別する総合判別手段１６とを備えている。

複数の弱判別手段１５ａは、濃度勾配方向画像の所定領域内における濃度勾配方向が特定の方向を向いた画素の数を算出し当該画素の数に基づいて入力濃淡画像に対象物の特徴部分が存在するか否かの判別（すなわち弱判別）を異なる特徴部分について行うように構成されている。

本実施形態における弱判別手段１５ａは、判別を行うにあたっては、例えば、図６（ａ）〜（ｄ）に示すようなタイプが異なるフィルタＦを用いて対象物の特徴部分の検出を行う。なお、以下の説明では必要に応じてフィルタＦを区別するために、フィルタＦを符号Ｆ１〜Ｆ４で表す。

図６（ａ）に示すフィルタＦ１は、横方向の画素数がｗ１、縦方向の画素数がｈ１＋ｈ２の、所謂２矩形特徴のものであって、このフィルタＦ１を用いた判別では、濃度勾配方向画像から抽出した、フィルタＦ１と同サイズの濃度勾配方向画像中の領域において、ｗ１×ｈ１で表される領域Ｒ１に濃度勾配方向が上方向である画素が第１閾値ＴＨＲ_１以上存在し、且つｗ１×ｈ２で表される領域Ｒ２に濃度勾配方向が下方向である画素が第２閾値ＴＨＲ_２以上存在した場合に対象物の特徴部分が存在すると判別し、少なくとも一つの条件が満たされなければ対象物の特徴部分が存在しないと判別する。

図６（ｂ）に示すフィルタＦ２は、横方向の画素数がｗ２＋ｗ３、縦方向の画素数がｈ３の所謂２矩形特徴のものであって、このフィルタＦ２を用いた判別では、濃度勾配方向画像から抽出した、フィルタＦ２と同サイズの濃度勾配方向画像中の領域において、ｗ２×ｈ３で表される領域Ｒ３に濃度勾配方向が左方向である画素が第３閾値ＴＨＲ_３以上存在し、且つｗ３×ｈ３で表される領域Ｒ４に濃度勾配方向が右方向である画素が第４閾値ＴＨＲ_４以上存在した場合に対象物の特徴部分が存在すると判別し、少なくとも一つの条件が満たされなければ対象物の特徴部分が存在しないと判別する。

図６（ｃ）に示すフィルタＦ３は、横方向の画素数がｗ４、縦方向の画素数がｈ４＋ｈ５＋ｈ６の所謂３矩形特徴のものであって、このフィルタＦ３を用いた判別では、濃度勾配方向画像から抽出した、フィルタＦ３と同サイズの濃度勾配方向画像中の領域において、ｗ４×ｈ４で表される領域Ｒ５に濃度勾配方向が上方向である画素が第５閾値ＴＨＲ_５以上存在し、且つｗ４×ｈ５で表される領域Ｒ６に濃度勾配方向が下方向である画素が第６閾値ＴＨＲ_６以上存在し、且つｗ４×ｈ６で表される領域Ｒ７に濃度勾配方向が上方向である画素が第７閾値ＴＨＲ_７以上存在した場合に対象物の特徴部分が存在すると判別し、少なくとも一つの条件が満たされなければ対象物の特徴部分が存在しないと判別する。

図６（ｄ）に示すフィルタＦ４は、横方向の画素数がｗ５＋ｗ６＋ｗ７、縦方向の画素数がｈ７の所謂３矩形特徴のものであって、このフィルタＦ４を用いた判別では、濃度勾配方向画像から抽出した、フィルタＦ４と同サイズの濃度勾配方向画像中の領域において、ｗ５×ｈ７で表される領域Ｒ８に濃度勾配方向が左方向である画素が第８閾値ＴＨＲ_８以上存在し、且つｗ６×ｈ７で表される領域Ｒ９に濃度勾配方向が右方向である画素が第９閾値ＴＨＲ_９以上存在し、且つｗ７×ｈ７で表される領域Ｒ１０に濃度勾配方向が左方向である画素が第１０閾値ＴＨＲ_１０以上存在した場合に対象物の特徴部分が存在すると判別し、少なくとも一つの条件が満たされなければ対象物の特徴部分が存在しないと判別する。

本実施形態における弱判別手段１５ａは、ｗ１，ｈ１，ｈ２，ＴＨＲ_１，ＴＨＲ_２のうち少なくとも１つの値を異ならせた複数のフィルタＦ１と、ｗ２，ｗ３，ｈ３，ＴＨＲ_３，ＴＨＲ_４のうち少なくとも１つの値を異ならせた複数のフィルタＦ２と、ｗ４，ｈ４，ｈ５，ｈ６，ＴＨＲ_５，ＴＨＲ_６，ＴＨＲ_７のうち少なくとも１つの値を異ならせた複数のフィルタＦ３と、ｗ５，ｗ６，ｗ７，ｈ７，ＴＨＲ_８，ＴＨＲ_９，ＴＨＲ_１０のうち少なくとも１つの値を異ならせた複数のフィルタＦ４とのいずれか１つを用いて判別を行うように構成されている。このようなフィルタＦを利用した判別は、濃度勾配方向画像から順次（例えば１画素ずつずらす形で）抽出したフィルタＦと同サイズの探索領域に対して行われ、この探索領域に含まれる特定方向画素の数を算出するにあたっては、記憶手段１３に記憶されている累積度数分布画像が用いられる。

つまり、弱判別手段１５ａでは、上述した累積度数分布画像を利用すれば、濃度勾配方向画像の任意の領域における特定方向画素の数は、任意の領域の頂点位置の対応する累積度数分布画像の画素の画素値を加算、減算することによって算出できる点に鑑み、累積度数分布画像を用いて特定方向画素の数を算出するようにしている。

また、部分判別手段１５は、弱判別手段１５ａによる判別が終了する毎に判別結果を総合判別手段１６に出力し、入力濃淡画像における対象物の存否が総合判別手段１６により判別された時点で、未終了の弱判別手段１５ａによる判別を行うことなく弱判別手段１５ａによる判別を終了するように構成されている。

総合判別手段１６は、対象物が写っている画像を含む複数の学習用サンプル画像についての複数の弱判別手段１５ａの判別結果より求められた弱判別手段１５ａそれぞれの信頼度、および入力濃淡画像に対する弱判別手段１５の判別結果に基づいて、入力濃淡画像に対象物が存在するか否かを判別するように構成されている。つまり、総合判別手段１６は、弱判別手段１５ａの結合器として作用する。

本実施形態における総合判別手段１６は、弱判別手段１５ａの判別結果に応じて当該弱判別手段１５ａの信頼度を加算してなる判別値が所定値以上となった際に、入力濃淡画像に対象物が存在すると判別するように構成されている。

ここで、濃度勾配方向画像に対して行われた弱判別手段１５ａそれぞれの判別の判別結果を示す弱判別値をＴ_ｎ、その弱判別を行った弱判別手段１５ａに対する信頼度をα_ｎ、判別値をβとすれば、βは次式（５）で表される。なお、弱判別値Ｔ_ｎは対象物が存在すると判別された際に「１」、対象物が存在しないと判別された際に「０」となる値である。また、ｎは弱判別手段１５ａの番号を示す値である。なお、このような弱判別値Ｔ_ｎは、対象物が存在することを示す「１」か、対象物が存在しないことを示す「０」のいずれかの値に限らず、例えば、対象物らしさを確率密度などで確率的に表すような値としてもよい。

一方、総合判別手段１６は、部分判別手段１５から所定数の弱判別値Ｔ_ｎが得られても、判別値βが所定の閾値以上とならなければ、対象物が存在しないと判定する（見切りをつける）ように構成されている。

ところで、弱判別手段１５ａそれぞれに対する信頼度α_ｎは、図７（ａ）に示すような学習用の濃度勾配方向画像からなる複数の学習サンプル画像（訓練画像）に対して予め行われた弱判別手段１５ａの判別結果から得られる値である。ここで、学習サンプル画像は、濃度勾配方向画像作成手段１１と同一の方法にて、複数の一定サイズ（例えば３２×３２）の濃淡画像それぞれから作成された複数の濃度勾配方向画像を用いている。また、学習サンプル画像に用いる濃淡画像としては、例えば、対象物が写っている濃淡画像と、対象物が写っていない濃淡画像（例えば、風景画などの対象物と全く関係のない濃淡画像）とが用いられる。

以下に、弱判別手段１５ａの信頼度α_ｎの算出方法について説明する。はじめに、初期化作業として、各弱判別手段１５ａのエラー率ε_ｎの値を０に設定するとともに、学習サンプル画像それぞれに均等な重みｑ_ｔを割り当てる。例えば、ｓ枚の学習サンプル画像がある場合、各学習サンプル画像の重みｑ_ｔを１／ｓに設定する（但し、ｔは、１≦ｔ≦ｓを満たす整数）。

次に、弱判別手段１５ａのエラー率ε_ｎを求める。エラー率ε_ｎは、実際に、図７（ｂ），（ｃ）に示すように、学習サンプル画像に対して弱判別手段１５ａによる弱判別を行うことにより求められる。すなわち、学習サンプル画像に対する弱判別手段１５ａの判別結果が正しければ、当該弱判別手段１５ａのエラー率ε_ｎに０を加算し、弱判別手段１５ａの判別結果が誤っていれば、当該弱判別手段１５ａのエラー率ε_ｎに判別結果が誤りであった学習サンプル画像の重みｑ_ｔを加算する。

上述の処理を全ての弱判別手段１５ａについて行うことにより、弱判別手段１５ａそれぞれのエラー率ε_ｎが求められる。その後には、エラー率ε_ｎが最も低い弱判別手段１５ａを信頼度が最も高い第１位の弱判別手段１５ａとして選定する。第１位の弱判別手段１５ａの信頼度α_ｎは、そのエラー率ε_ｎにより求められ、例えば、次式（６）で表される。

第１位の弱判別手段１５ａの選定が終了した後には、第１位の弱判別手段１５ａによる判別結果が正しかった学習サンプル画像の重みｑ_ｔを減少させ、第１位の弱判別手段１５ａによる判別結果が誤りであった学習サンプル画像の重みｑ_ｔを増加させることで、学習サンプル画像の重みｑ_ｔの再設定を行う。例えば、第１位の弱判別手段１５ａによる判別結果が正しかった学習サンプル画像の重みｑ_ｔ’は次式（７）で、第１位の弱判別手段１５ａによる判別結果が誤りであった学習サンプル画像の重みｑ_ｔ”は次式（８）で、それぞれ表される。

この後に、上述と同様の方法により、再度、各弱判別手段１５ａのエラー率ε_ｎを求め、最もエラー率ε_ｎが低い弱判別手段１５ａを、第１位の弱判別手段１５ａの次に信頼度が高い第２位の弱判別手段１５ａとして選定し、そのエラー率ε_ｎに応じて信頼度α_ｎの値を決定する。第２位の弱判別手段１５ａを選定した後には、第２位の弱判別手段１５ａによる判別結果が正しかった学習サンプル画像の重みｑ_ｔを減少させ、第２位の弱判別手段１５ａによる判別結果が誤りであった学習サンプル画像の重みｑ_ｔを増加させることで、学習サンプル画像の重みｑ_ｔの再設定を行う。以後、同様な処理を繰り返すことにより、全ての弱判別手段１５ａについて信頼度α_ｎの算出を行う。

本実施形態における総合判別手段１６では、上記所定値として、弱判別手段１５ａの全てにより対象物の特徴部分が存在すると判別された際の判別値β（すなわち、Σα_ｎ）の値の１／２の値を用いている。

そして、総合判別手段１６による対象物の存否判別の結果が、判別手段１４による対象物の存否判別の最終結果として出力される。

以上述べた本実施形態の対象物検出装置１によれば、濃淡画像に対象物の特徴部分が存在するか否かの判別を行うにあたっては、濃淡画像の代わりに当該濃淡画像の各画素の画素値を濃度勾配方向の値に置き換えてなる濃度勾配方向画像を用いているので、濃淡画像そのものを用いて上記特徴部分が存在するか否かの判別を行う場合とは異なり濃淡画像の撮像場所の明暗状態による影響が殆どなくなって、例えば、学習サンプル画像に撮像場所の明暗状態のみが異なる濃淡画像を複数枚用意する必要がなくなって弱判別手段１５ａの数の増加を抑制でき、また弱判別手段１５ａによる判別を行う前に濃淡画像のコントラストを正規化する処理が必要なくなるから、対象物の検出処理の簡易化が図れ、その上、検出処理にかかる時間を短縮できて、検出処理の高速化が図れる。特に、本実施形態では、濃度勾配方向画像として、濃度勾配方向を上下左右の４方向のいずれかに分類してなるものを用いているので、濃度勾配方向画像のデータ量を必要最低限にまで削減できるから、対象物の検出処理の簡易化および高速化が図れる。

また、弱判別手段１５ａでは、累積度数分布画像を用いて特定方向画素の数を算出するようにしており、累積度数分布画像を用いれば、濃度勾配方向画像の任意の領域における濃度勾配方向が特定の方向を向いた画素の数は、上記任意の領域の頂点位置に対応する累積度数分布画像の画素の画素値を加算、減算することによって算出できるから、濃度勾配方向画像を用いる場合に比べれば、検出処理の高速化が図れる。また、濃度勾配方向画像から作成した累積度数分布画像のほうが濃淡画像から作成した累積度数分布画像に比べてデータ量が少なくなるので、濃度勾配方向画像の記憶に必要なメモリ容量を少なくできるから、記憶手段１３としてメモリ容量が少なく安価な記憶装置を採用できる。

さらに、部分判別手段１５は、弱判別手段１５ａによる判別が終了する毎に判別結果を総合判別手段１６に出力するように構成され、総合判別手段１６は、判別結果を受け取る度に判別値βを更新し、判別値βが所定値（本実施形態ではΣα_ｎ／２）以上となった際に対象物が存在すると判別する一方で、部分判別手段１５から所定数の弱判別値Ｔ_ｎが得られても判別値βが上記所定の閾値以上とならなければ、対象物が存在しないと判定するように構成されている。

そして、部分判別手段１５は、入力濃淡画像における対象物の存否が総合判別手段１６により判別された時点で、未終了の弱判別手段１５ａによる判別を行うことなく弱判別手段１５ａによる判別を終了するように構成されているので、全ての弱判別手段１５ａによる判別が終了してから総合判別手段１６が入力濃淡画像における対象物の存否を判別する場合とは異なり、不必要な判別を省略できるから、検出処理にかかる時間を短縮できて、検出処理の高速化が図れる。

また、学習サンプル画像として、濃度勾配方向画像作成手段１１と同一の方法にて濃淡画像から作成された濃度勾配方向画像を用いているので、総合判別手段１６では、濃度勾配方向画像作成手段１１により作成される濃度勾配方向画像の特性を反映した学習内容によって対象物の存否判別が行われるから、濃度勾配方向画像作成手段１１と異なる方法にて濃淡画像から作成された濃度勾配方向画像を学習サンプル画像に用いる場合に比べれば、検出精度の向上が図れる。

なお、本発明は本実施形態１および後述する実施形態２〜５のみに限定されるものではなく、本発明の要旨を逸脱しない範囲において種々の変更が可能であることは勿論である。

（実施形態２）
本実施形態の対象物検出装置１は、濃度勾配方向画像作成手段１１の構成が上記実施形態１と異なっており、その他の構成は上記実施形態１と同様であるから説明を省略する。

本実施形態における濃度勾配方向画像作成手段１１は、濃度勾配方向画像を作成する前処理として、入力濃淡画像を回転させる回転処理手段（図示せず）を有している。なお、上記回転処理手段により入力濃淡画像の対象物を回転させる方法としては、従来周知の画像回転方法を採用できるから、説明を省略する。

そして、本実施形態における濃度勾配方向画像作成手段１１は、上記回転処理手段で入力濃淡画像を所定の基準線（例えば、水平線や鉛直線など）に対して所定角度回転させることで、所定の基準線に対する回転角のみが異なる複数の濃度勾配方向画像を作成するように構成されている。なお、入力濃淡画像を回転させる角度は、学習サンプル画像に写っている対象物が実際に回転すると考えられる範囲で設定すればよい。

このようにすれば、入力濃淡画像と学習サンプル画像とで対象物の所定の基準線に対する回転角が異なっていても、上記回転処理手段により回転させられた入力濃淡画像のうちいずれかが学習サンプル画像に写っている対象物と上記回転角が一致することになる。

以上述べた本実施形態の対象物検出装置１によれば、入力濃淡画像と学習サンプル画像とで対象物の所定の基準線に対する回転角を一致させることが可能になるから、学習サンプル画像の対象物に対して入力された濃淡画像の対象物が回転していることに起因する検出精度の悪化を防止できて、検出精度の向上が図れる。

（実施形態３）
本実施形態の対象物検出装置１は、濃度勾配方向画像作成手段１１の構成が上記実施形態１と異なっており、その他の構成は上記実施形態１と同様であるから説明を省略する。

本実施形態における濃度勾配方向画像作成手段１１は、濃度勾配方向画像を作成する前処理として、入力濃淡画像をスケーリング（拡大縮小）するスケーリング処理手段（図示せず）を有している。上記スケーリング処理手段は、ニアレストネイバー（nearest neighbor）法や、バイリニア（bi-linear）法、バイキュービック（bi-cubic）法などを用いて、入力濃淡画像の対象物の拡大、或いは縮小を行うように構成されている。

そして、本実施形態における濃度勾配方向画像作成手段１１は、上記スケーリング処理手段で入力濃淡画像を所定の範囲で拡大または縮小することで、倍率が異なる複数の濃度勾配方向画像を作成するように構成されている。なお、入力濃淡画像を拡大縮小する範囲は、学習サンプル画像に写っている対象物の画像サイズに対する、実際に入力濃淡画像に写る対象物の最小または最大の画像サイズの比率を考慮して設定すればよい。

このようにすれば、入力濃淡画像と学習サンプル画像とで対象物の画像サイズが異なっていても、上記スケーリング処理手段により拡大または縮小された入力濃淡画像のうちいずれかが学習サンプル画像に写っている対象物の画像サイズが等しくなる。

以上述べた本実施形態の対象物検出装置１によれば、入力濃淡画像と学習サンプル画像とで対象物の画像サイズを一致させることが可能になるから、入力濃淡画像と学習サンプル画像とで対象物の画像サイズが異なっていることに起因する検出精度の悪化を防止できて、検出精度の向上が図れる。

なお、上記スケーリング処理手段を上記実施形態２の対象物検出装置１に採用するようにしてもよく、このようにすれば、入力濃淡画像と学習サンプル画像とで対象物の画像サイズおよび回転角が異なっていても、上記スケーリング処理手段および上記回転処理手段により入力濃淡画像と学習サンプル画像とで対象物の画像サイズおよび回転角を一致させることが可能になるから、入力濃淡画像と学習サンプル画像とで対象物の画像サイズおよび回転角が異なっていることに起因する検出精度の悪化を防止できて、検出精度のさらなる向上が図れる。

（実施形態４）
本実施形態の対象物検出装置１は、濃度勾配方向画像作成手段１１の構成が上記実施形態１と異なっており、その他の構成は上記実施形態１と同様であるから説明を省略する。

本実施形態における濃度勾配方向画像作成手段１１は、実施形態１で述べたように、入力濃淡画像から濃度勾配方向画像を作成するにあたっては、所定のマスクサイズの差分フィルタを利用して濃度勾配方向を算出するように構成されているが、実施形態１とは異なり、差分フィルタのマスクサイズを変更することで入力濃淡画像の対象物の画像サイズに対して濃度勾配方向画像の対象物の画像サイズを変化させるマスクサイズ変更手段（図示せず）を有している。なお、マスクサイズ変更手段により画像サイズを変化させる範囲は、学習サンプル画像に写っている対象物の画像サイズに対する、実際に入力濃淡画像に写る対象物の最小または最大の画像サイズの比率を考慮して設定すればよい。

上記マスクサイズ変更手段によって差分フィルタのマスクサイズが変更された際には、濃度勾配方向画像の総画素数が差分フィルタのマスクサイズによって変化することになる。これに伴い、本実施形態における部分判別手段１５は、差分フィルタのマスクサイズに対応する形（濃度勾配方向画像の総画素数に対応する形）で複数の弱判別手段１５ａからなる弱判別手段群を有し、上記マスクサイズ変更手段による差分フィルタのマスクサイズの変更に応じて用いる弱判別手段群を変更するように構成されている。

そして、本実施形態における濃度勾配方向画像作成手段１１は、上記マスクサイズ変更手段で入力濃淡画像の対象物の画像サイズに対して濃度勾配方向画像の対象物の画像サイズを変化させるため、入力濃淡画像と学習サンプル画像とで対象物の画像サイズが異なっていても、上記マスクサイズ変更手段により対象物の画像サイズが変更された濃度勾配方向画像のうちのいずれかの対象物の画像サイズが、学習サンプル画像に写っている対象物の画像サイズと等しくなる。

以上述べた本実施形態の対象物検出装置１によれば、実施形態３と同様に、入力濃淡画像と学習サンプル画像とで対象物の画像サイズを一致させることが可能になるから、入力された濃淡画像と学習サンプル画像とで対象物の画像サイズが異なっていることに起因する検出精度の悪化を防止できて、検出精度の向上が図れる。なお、上記マスクサイズ変更手段を上記実施形態２の対象物検出装置１に採用するようにしてもよく、このようにすれば、入力濃淡画像と学習サンプル画像とで対象物の画像サイズおよび回転角が異なっていることに起因する検出精度の悪化を防止できて、検出精度のさらなる向上が図れる。

（実施形態５）
本実施形態の対象物検出装置１は、部分判別手段１５の構成が上記実施形態１と異なっており、その他の構成は上記実施形態１と同様であるから説明を省略する。

本実施形態における部分判別手段１５は、画像サイズが異なる複数の対象物それぞれに対応する形で複数の弱判別手段１５ａからなる弱判別手段群を有している。例えば、画像サイズが３２×３２の対象物に対応する弱判別手段群や、画像サイズが２４×２４の対象物に対応する弱判別手段群などである。なお、このような弱判別手段群は、入力濃淡画像に写ると考えられる対象物の画像サイズに対応する形で設ければよい。

また、相対的に画像サイズが大きい対象物が存在すると判別された領域には、相対的に画像サイズが小さい対象物が存在する蓋然性は低い点に鑑み、部分判別手段１５は、弱判別手段１５ａに判別を行わせるにあたっては、相対的に画像サイズが大きい対象物に対応する弱判別手段群による判別を相対的に画像サイズが小さい対象物に対応する弱判別手段群による判別よりも先に行い、相対的に画像サイズが大きい対象物に対応する弱判別手段群により対象物の特徴部分が存在すると判別された濃度勾配方向画像中の領域については相対的に画像サイズが小さい対象物に対応する弱判別手段群による判別を行わないように構成されている。

以上述べた本実施形態の対象物検出装置１によれば、画像サイズが異なる対象物それぞれに対応する形で弱判別手段１５ａによる判別が行われるので、対象物の画像サイズの変化に起因する検出精度の悪化を防止できて、検出精度の向上が図れる。また、対象物が存在すると判別された濃度勾配方向画像中の領域については、異なる画像サイズの対象物が存在しないとみなして弱判別手段１５ａによる判別を行わないから、検出処理の高速化が図れ、さらに相対的に画像サイズが大きい対象物に対応する弱判別手段１５ａによる判別を相対的に画像サイズが小さい対象物に対応する弱判別手段１５ａによる判別より先に行うことによって、弱判別手段１５ａによる判別を効率的に省略できるから、さらなる検出処理の高速化が図れる。

なお、本実施形態における弱判別手段１５ａの構成を上記実施形態２に採用するようにしてもよく、このようにすれば、入力濃淡画像と学習サンプル画像とで対象物の画像サイズおよび回転角が異なっていることに起因する検出精度の悪化を防止できて、検出精度のさらなる向上が図れる。

実施形態１の対象物検出装置のブロック図である。 同上における説明図である。 濃度勾配方向画像の説明図である。 累積度分布画像の説明図である。 弱判別手段において用いるフィルタの説明図である。 探索領域の抽出方法の説明図である。 学習方法の説明図である。

符号の説明

１ 対象物検出装置
２ 撮像手段
１０ 画像入力手段
１１ 濃度勾配方向画像作成手段
１５ａ 弱判別手段
１６ 総合判別手段

Claims (9)

1. 入力された濃淡画像から当該濃淡画像の各画素の画素値を濃度勾配方向の値に置き換えてなる濃度勾配方向画像を作成する濃度勾配方向画像作成手段と、
   濃度勾配方向画像の所定領域内における濃度勾配方向が特定の方向を向いた画素の数を算出し当該画素の数に基づいて上記入力された濃淡画像に対象物の特徴部分が存在するか否かの判別を異なる特徴部分について行う複数の弱判別手段を有する部分判別手段と、
   対象物が写っている画像を含む複数の学習用サンプル画像についての複数の弱判別手段の判別結果より求められた弱判別手段それぞれの信頼度、および上記入力された濃淡画像に対する弱判別手段の判別結果に基づいて、上記入力された濃淡画像に対象物が存在するか否かを判別する総合判別手段とを備えていることを特徴とする対象物検出装置。
2. 濃度勾配方向画像から、当該濃度勾配方向画像の四隅の画素のいずれか１つを始点、任意の画素を終点とする矩形領域内における濃度勾配方向が特定の方向を向いた画素の数を上記終点の画素の画素値として有する累積度数分布画像を作成する累積度数分布画像作成手段を備え、
   弱判別手段は、濃度勾配方向画像の所定領域内における濃度勾配方向が特定の方向を向いた画素の数を算出するにあたっては、累積度数分布画像を用いるように構成されていることを特徴とする請求項１記載の対象物検出装置。
3. 総合判別手段は、弱判別手段の判別結果に応じて当該弱判別手段の信頼度を加算してなる判別値が所定値以上となった際に、上記入力された濃淡画像に対象物が存在すると判別するように構成され、
   部分判別手段は、予め決定された順番で複数の弱判別手段に判別を行わせるとともに、弱判別手段の判別処理が終了する度にその判別結果を総合判別手段に出力し、上記入力された濃淡画像における対象物の存否が総合判別手段により判別された時点で、弱判別手段による判別を終了するように構成されていることを特徴とする請求項１または２記載の対象物検出装置。
4. 学習サンプル画像は、濃度勾配方向画像作成手段と同一の方法にて濃淡画像から作成された濃度勾配方向画像であることを特徴とする請求項１〜３のうちいずれか１項記載の対象物検出装置。
5. 濃度勾配方向画像作成手段は、濃度勾配方向画像を作成する前処理として、入力された濃淡画像を回転させる回転処理手段を有していることを特徴とする請求項１〜４のうちいずれか１項記載の対象物検出装置。
6. 濃度勾配方向画像作成手段は、濃度勾配方向画像を作成する前処理として、入力された濃淡画像をスケーリングするスケーリング処理手段を有していることを特徴とする請求項１〜５のうちいずれか１項記載の対象物検出装置。
7. 部分判別手段は、画像サイズが異なる複数の対象物それぞれに対応する形で複数の弱判別手段からなる弱判別手段群を有し、相対的に画像サイズが大きい対象物に対応する弱判別手段群による判別を相対的に画像サイズが小さい対象物に対応する弱判別手段群による判別よりも先に行い、相対的に画像サイズが大きい対象物に対応する弱判別手段群により対象物の特徴部分が存在すると判別された濃度勾配方向画像中の領域については相対的に画像サイズが小さい対象物に対応する弱判別手段群による判別を行わないように構成されていることを特徴とする請求項１〜５のうちいずれか１項記載の対象物検出装置。
8. 濃度勾配方向画像作成手段は、上記入力された濃淡画像から濃度勾配方向画像を作成するにあたっては所定のマスクサイズの差分フィルタを利用して濃度勾配方向を算出するように構成され、差分フィルタのマスクサイズを変更することで上記入力された濃淡画像の対象物の画像サイズに対して濃度勾配方向画像の対象物の画像サイズを変化させるマスクサイズ変更手段を有し、
   部分判別手段は、差分フィルタのマスクサイズに対応する形で複数の弱判別手段からなる弱判別手段群を有し、マスクサイズ変更手段による差分フィルタのマスクサイズの変更に応じて用いる弱判別手段群を変更するように構成されていることを特徴とする請求項１〜５のうちいずれか１項記載の対象物検出装置。
9. 濃度勾配方向画像は、濃度勾配方向を上下左右の４方向のいずれかに分類してなるものであることを特徴とする請求項１〜８のうちいずれか１項記載の対象物検出装置。

Images