JP2010176504A - 画像処理装置、画像処理方法及びプログラム - Google Patents

Abstract

【課題】顔候補が重複した領域において、精度良く被写体パターンを検出できるようにする。
【解決手段】画像から前記被写体パターンと照合するための所定の部分領域を抽出し、前記抽出された部分領域が前記被写体パターンであるかどうかを判別する。そして、抽出された部分領域の被写体の信頼度を算出する。次に、判別された複数の部分領域同士が画像中で重なり合う領域を含むか否かを判定し、２つの部分領域同士が重なり合う領域を含むと判定された場合、前記算出した被写体の信頼度の値が小さい方を被写体パターン候補から削除し、削除された後に残った被写体パターン候補を代表パターンとして出力する。
【選択図】図１

Description

本発明は画像処理装置、画像処理方法及びプログラムに関し、特に、特定の被写体パターンを検出するために用いて好適な技術に関する。

画像から特定の被写体パターンを自動的に検出する画像処理方法は非常に有用であり、例えば人間の顔の判定に利用することができる。このような方法は、通信会議、マン・マシン・インタフェース、セキュリティ、人間の顔を追跡するためのモニタ・システム、画像圧縮などの多くの分野で使用することができる。

このような画像中から顔を検出する技術としては、例えば、非特許文献１に記載されている。非特許文献１には、いくつかの顕著な特徴（２つの目、口、鼻など）とその特徴間の固有の幾何学的位置関係とを利用する方式が示されている。

また、非特許文献２には、人間の顔の対称的特徴、人間の顔色の特徴、テンプレート・マッチング、ニューラル・ネットワークなどを利用することによって、人間の顔を検出する方式が示されている。以下、非特許文献２に記載されている顔検出の方法について簡単に説明する。

まず、顔の検出を対象とする画像データをメモリに読み込み、読み込んだ画像データから顔と照合する所定の領域を切り出す。そして、切り出した領域の画素値の分布からニューラル・ネットワークによる演算を用いて１つの出力結果を得る。このとき、ニューラル・ネットワークの重み、閾値が膨大な顔画像パターンと非顔画像パターンとが予め学習されており、例えば、ニューラル・ネットワークの出力が０以上なら顔、それ以外は非顔であると判別する。

そして、ニューラル・ネットワークで用いる顔と照合する画像パターンの切り出し位置を、例えば、図４に示すように画像全域から縦横順次に走査していくことにより、画像中から顔を検出する。また、様々な大きさの顔の検出に対応するため、図４に示すように読み込んだ画像を所定の割合で順次縮小し、それに対して前述した顔検出の走査を行うようにしている。

IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL.24 , NO.1, JANUARY 2002の"Detecting Faces in Images: A Survey" IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL.20 , NO.1, JANUARY 1998の"Neural network-based face detection"

前記方法で顔検出を行い、顔であると判別されたパターンを出力した場合には、隣接したパターンや大きさが微妙に異なるパターン等で重なりあってパターンが検出される状況が頻繁に発生する可能性がある。このような場合には、重複した領域の位置とサイズとを平均して出力したり、所定の閾値を利用してパターンの大きさや出現数を絞り込んだりするなど、経験的なアルゴリズムを組み合わせて、正しい顔の絞り込みを行っている。ところが、このように従来は、顔であると判定された領域に正しい顔が含まれているにもかかわらず、位置とサイズとを平均することにより、正しい出力結果が得られないことがあるという問題があった。

本発明は前述の問題点に鑑み、顔候補が重複した領域において、精度良く被写体パターンを検出できるようにすることを目的としている。

本発明の画像処理装置は、画像から所定の被写体パターンを検出する画像処理装置であって、前記画像から前記被写体パターンと照合するための所定の部分領域を抽出する照合パターン抽出手段と、前記照合パターン抽出手段によって抽出された部分領域が前記被写体パターンであるかどうかを判別するパターン判別手段と、前記照合パターン抽出手段によって抽出された部分領域の被写体の信頼度を算出する被写体信頼度算出手段と、前記パターン判別手段によって判別された複数の部分領域同士が画像中で重なり合う領域を含むか否かを判定する重複判定手段と、前記重複判定手段により、２つの部分領域同士が重なり合う領域を含むと判定された場合、前記被写体信頼度算出手段によって算出された被写体の信頼度の値が小さい方を被写体パターン候補から削除する重複除去手段と、前記重複除去手段によって削除された後に残った被写体パターン候補を代表パターンとして出力する代表パターン出力手段とを備えることを特徴とする。

本発明の画像処理方法は、画像から所定の被写体パターンを検出する画像処理方法であって、前記画像から前記被写体パターンと照合するための所定の部分領域を抽出する照合パターン抽出ステップと、前記照合パターン抽出ステップにおいて抽出された部分領域が前記被写体パターンであるかどうかを判別するパターン判別ステップと、前記照合パターン抽出ステップにおいて抽出された部分領域の被写体の信頼度を算出する被写体信頼度算出ステップと、前記パターン判別ステップにおいて判別された複数の部分領域同士が画像中で重なり合う領域を含むか否かを判定する重複判定ステップと、前記重複判定ステップにより、２つの部分領域同士が重なり合う領域を含むと判定された場合、前記被写体信頼度算出ステップにおいて算出した被写体信頼度の値が小さい方を被写体パターン候補から削除する重複除去ステップと、前記重複除去ステップにおいて削除した後に残った被写体パターン候補を代表パターンとして出力する代表パターン出力ステップとを備えることを特徴とする。

本発明のプログラムは、前記画像処理方法の各ステップをコンピュータに実行させることを特徴とする。

本発明によれば、顔候補が重複した領域において、部分領域同士の顔信頼度の比較を行うことにより、精度良く被写体パターンを検出することができる。

（第１の実施形態）
以下、添付図面を参照しながら、本発明の好適な実施形態について詳細に説明する。
本実施形態に係る画像処理装置は、ＰＣ（パーソナルコンピュータ）やＷＳ（ワークステーション）等のコンピュータにより構成されている。また、デジタルカメラから入力された画像、インターネットからダウンロードされた画像、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭなどの記憶媒体からの読み出し等により入力された画像において、所定の被写体を判別し、その領域を検出することを目的とする。

以下、このような処理を行う本実施形態に係る画像処理装置についてより詳細に説明する。
図３は、本実施形態に係る画像処理装置のハード構成例を示すブロック図である。
図３において、２０１はＣＰＵであり、ＲＡＭ２０２やＲＯＭ２０３に格納されているプログラムやデータを用いて本装置全体の制御を行うと共に、後述する各処理を行う。

２０２はＲＡＭであり、外部記憶装置２０７や記憶媒体ドライブ装置２０８から読み出したプログラムやデータを一時的に記憶するためのエリアを備えると共に、ＣＰＵ２０１が各種の処理を実行するために用いるワークエリアも備える。２０３はＲＯＭであり、ブートプログラムや本装置の設定データなどを格納する。２０４はキーボードであり、２０５はマウスである。これらのキーボード２０４及びマウス２０５は、ＣＰＵ２０１に各種の指示を入力するためのものである。

２０６は表示部であり、ＣＲＴや液晶画面などにより構成されており、ＣＰＵ２０１による処理結果を文字や画像などにより表示する。２０７は外部記憶装置であり、例えばハードディスクドライブ装置等の大容量情報記憶装置である。また、外部記憶装置２０７には、ＯＳ（オペレーティングシステム）や、後述する各処理をＣＰＵ２０１に実行させるためのプログラムやデータが格納されており、これらは必要に応じて、ＣＰＵ２０１の制御によりＲＡＭ２０２に読み出される。

２０８は記憶媒体ドライブ装置であり、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭなどの記憶媒体に記録されているプログラムやデータを読み出して、ＲＡＭ２０２や外部記憶装置２０７に出力する。なお、外部記憶装置２０７に記憶されているプログラムやデータの一部を前記記憶媒体に記録しておいてもよい。その場合には、これら記憶されているプログラムやデータを使用する際に、記憶媒体ドライブ装置２０８がこの記憶媒体に記録されているプログラムやデータを読み出して、ＲＡＭ２０２に出力する。

２０９はＩ／Ｆ（インターフェース）であり、デジタルカメラやインターネットやＬＡＮのネットワーク回線等を接続することができる。２１０は前述の各構成を繋ぐためのバスである。

図１は、本実施形態に係る画像処理装置の機能構成例を示すブロック図である。
図１において、１０は画像入力部であり、例えばデジタルスチルカメラ、フィルムスキャナーなどで構成されており、画像データを撮像あるいはその他公知の手段により入力する。また、画像データを保持する記憶媒体から画像データを読み込むようなコンピュータ・システムのインターフェース機器であってもよい。

２０は画像メモリであり、画像入力部１０から出力された画像データを一時的に記憶する。３０は画像縮小部であり、画像メモリ２０に記憶されている画像データを所定の倍率にしたがって縮小し、出力する。４０は照合パターン抽出部であり、画像縮小部３０で縮小された画像データから所定の部分領域を照合対象のパターンとして抽出する。５０は輝度正規化部であり、照合パターン抽出部４０で抽出された照合パターンの輝度分布を正規化する。

６０は顔判別部（パターン判別手段）であり、輝度正規化部５０で正規化された照合パターンが人物の顔パターンか非顔パターンかを判別する。７０は顔信頼度算出部（被写体信頼度算出手段）であり、顔判別部６０で顔と判別されたパターンをＰＣＡにより再構成したパターンと、照合パターンとの誤差をもとに顔信頼度（被写体信頼度）を算出する。８０は顔候補リスト格納部であり、顔判別部６０で顔と判別されたパターンの入力画像中の位置及び大きさと、顔信頼度算出部７０で求めた顔信頼度の値とが記憶される。

９０は重なり判定部（重複判定手段）であり、顔候補リストに登録された被写体パターン候補同士が画像上で重なり合う領域を含むか否かを判定する。１００は重複除去部であり、重なり判定部９０で、重なり合う領域を含むと判定された２つの照合パターンについて、顔信頼度算出部７０で求めた顔信頼度の値を比較し、顔信頼度が小さいパターンを、顔候補リストから削除する。１１０は代表パターン出力部であり、重複除去部１００で削除されずに顔候補リストに残った顔候補パターンを代表パターンとして出力する。

次に、本実施形態の動作について図２を参照しながら説明する。
まず、画像入力部１０を介して本装置に以下の処理対象の画像データを入力する（ステップＳ１０１）。ここで読み込まれた画像データは、例えば８ビットの画素により構成される２次元配列のデータであり、Ｒ、Ｇ、Ｂの３つの面により構成される。このとき、画像データがＪＰＥＧ等の方式により圧縮されている場合は、画像データを所定の解凍方式にしたがって解凍し、ＲＧＢ各画素により構成される画像データとする。さらに、本実施形態ではＲＧＢデータを輝度データに変換し、輝度画像データを以後の処理に適用するものとし、ＲＡＭ２０２に格納する。また、画像データとしてＹＣｒＣｂのデータを入力する場合はＹ成分をそのまま輝度データとしてもよい。

次に、画像縮小部３０は、入力画像を所定の倍率に縮小して縮小輝度画像を生成する（ステップＳ１０２）。これは、本実施形態では、非特許文献２に記載されている技術のように様々な大きさの顔の検出に対応するため、複数のサイズの画像データに対して順次検出を行うようにしたためである。例えば、倍率が１．２倍程度異なる複数の画像への縮小処理が後段の検出処理のために順次適用される。

次に、照合パターン抽出部４０は、縮小された縮小輝度画像から所定の大きさの部分領域を抽出する（ステップＳ１０３）。この様子を図４に示す。
図４に示すＡの列は、画像縮小部３０で縮小されたそれぞれの縮小輝度画像を示しており、ここでは、それぞれの縮小輝度画像に対して所定の大きさの矩形領域を切り出すものとする。図４に示すＢの列は、それぞれの縮小輝度画像から縦横順次に走査を繰り返していく途中の切り出しの様子を示すものである。図４から分かるように、縮小率の大きな画像から照合パターンを切り出して顔の判別を行う場合には、画像に対して大きな顔の検出を行うことになる。

次に、輝度正規化部５０は、照合パターン抽出部４０で切り出された部分領域の輝度をその分布をもとに正規化する（ステップＳ１０４）。このとき、例えば、ヒストグラム平滑化などの輝度補正を行う。これは、撮像される被写体パターンはその照明条件によって輝度分布が変わるので被写体照合の精度が劣化するのを抑制するためである。

次に、顔判別部６０は、輝度正規化部５０から出力された部分領域の輝度分布から輝度パターンが顔であるかどうかを判別する（ステップＳ１０５）。

図５を参照しながらその判別方法について説明する。
図５において、Ｒは部分領域であり、本実施形態においては部分領域Ｒを図５に示すように３種類の方法にてさらに領域分割し、各ニューロンへの受容野とする。そして、分割された領域の輝度分布を各ニューロンに入力し、中間層での出力が得られる。そして、各ニューロンの出力を出力層のニューロンの入力として最終出力が得られる。

ここで、各ニューロンでは予め学習によって得られた重みと輝度分布との積和演算およびその結果のシグモイド関数による演算が行われる。本実施形態では、出力層のニューロンの出力値がある閾値より大きい場合に照合パターンが顔であるとして顔判別処理を行う。ニューラル・ネットワークの詳細および学習の方法については、非特許文献２に記載されている方法を用いる。なお、それ以外の方法を用いてもよい。

ステップＳ１０５の判別の結果、輝度正規化された照合パターンが顔であると場合には、ステップＳ１０６において顔信頼度の値を算出する。一方、顔でない場合は、ステップＳ１０８に進む。

本実施形態では、主成分分析（ＰＣＡ）により再構成したパターンと、照合パターンとの誤差を顔信頼度と定義し、顔信頼度の値を後述する重複除去処理において利用する。ＰＣＡにより再構成パターンを作成する方法は一般的な方法でも良い。

以下、本実施形態における顔信頼度算出方法について簡単に説明する。
まず、ＰＣＡにより求めた固有顔（固有ベクトル）を用いて、以下の数１及び数２に示す式により再構成パターンΦ_fを求める。

ここで、ｕ_kは多数の顔画像サンプルから求めた固有顔（固有ベクトル）であり、φは照合パターンであり、Ψは平均顔である。なお、Ｍ′は、再構成に利用するベクトルの次元数である。固有ベクトルの次元数Ｍ′を小さくすることで、元の照合パターンを低次元で近似して表現することができる。さらに、以下の数３〜数５に示す式を用いて、照合パターンと再構成パターンとの誤差εを算出する。

ここで誤差εは、固有空間における、照合パターンを固有空間に射影したものと、照合パターンを固有顔（ベクトル）を用いて近似したものとの差であるので、値が小さいほど信頼度が高く顔らしいと言うことができる。そこで本実施形態では、数３の式における誤差εの逆数を、以下の数５の式に示すように顔信頼度Confとし、後述する重複除去処理において利用する。

次に、顔信頼度算出部７０で求めた、顔信頼度Confの値と照合パターンの入力画像での位置及び大きさの情報とを顔候補リストに記憶する（ステップＳ１０７）。さらに、ステップＳ１０８に進み、画像縮小部３０から出力される縮小輝度画像において矩形の移動先があるのか否かをチェックする。このチェックの結果、縮小輝度画像において、移動先がある場合には、ステップＳ１０９に進み、縮小輝度画像における矩形の位置を移動させる。そして矩形の移動が完了すると、ステップＳ１０３に戻り、移動後の矩形内における照合パターンを抽出し、ステップＳ１０７までの処理を順次繰り返す。

一方、ステップＳ１０８のチェックの結果、矩形の移動先がない場合には、ステップＳ１１０進み、全ての縮小輝度画像について以上の処理を行ったのか否かを判断する。この判断の結果、まだ処理対象になっていない縮小輝度画像がある場合は、ステップＳ１１１に進み、縮小輝度画像上に配置する矩形の位置を初期化する。ここで初期化とは、例えば、縮小輝度画像の左上隅の位置に戻す等の処理である。その後、次の縮小輝度画像についてステップＳ１０３以降の処理を行う。

一方、ステップＳ１１０の判断の結果、全ての縮小輝度画像ついて以上の処理を行った場合には、ステップＳ１１２の重なり判定処理及びステップＳ１１３の重複除去処理を行う。本実施形態のように、顔であると判別されたパターンを出力とした場合には、図６に示すように、隣接したパターンや大きさが微妙に異なるパターン等で重なりあってパターンが検出される状況が頻繁に発生する。これらの重複した領域から、精度よく代表パターンを抽出するために、本実施形態では、ステップＳ１０６で算出した顔信頼度の値を用いる。

以下、ステップＳ１１２の重なり判定処理及びステップＳ１１３の顔信頼度を用いた重複除去処理について図７に沿って説明する。図７は、本実施形態における顔信頼度を利用した重複除去の処理手順の一例を示すフローチャートである。
まず、ステップＳ２０１において、顔リストに登録されているＮ個のパターンの中から２つのパターンＰ_i，Ｐ_jを読み出す。そして、ステップＳ２０２において、顔リストに登録されているすべての顔候補について判定を行ったか否かを判断する。この判断の結果、また、判定していないものがある場合には、ステップＳ２０３に進む。そして、これら２つのパターンの入力画像上での位置関係から、２つのパターンが重なっているか否かを判定する（ステップＳ２０３）。重なりの判定方法は、例えば図８に示すように、重なり領域Ｓが、Ｐ_i，Ｐ_jの面積で小さい方と比較して、以下の数６に式を満たす場合に、２つのパターンは重なっているものとする。

このとき、αは０から１の値をとるものとする。重なりの判定方法はこれに限らず、例えば、図９に示すように、以下の数７に示す式を用いてそれぞれのパターンの中心ｃ_i，ｃ_j間の距離とパターンの一辺Ｌ_i，Ｌ_jの小さい方との関係を利用し判定してもよい。

ステップＳ２０３の判定の結果、２つのパターンが重なっている場合は、前記顔信頼度算出処理で求めた、顔信頼度Confの値（Conf(i)、Conf(j)）を比較する（ステップＳ２０４）。この比較の結果、顔信頼度Conf(j)の方が小さい場合は、顔候補パターンを顔リストから削除し、顔信頼度Confが大きい方を顔候補としてリストに残す（ステップＳ２０５）。そして、ステップＳ２０１に戻る。一方、ステップＳ２０４の比較の結果、顔信頼度Conf(j)の方が大きい場合は、ステップＳ２０１に戻る。

一方、ステップＳ２０２の判断の結果、顔リストに登録されているすべての顔候補について行った場合は、最終的に顔候補リストに残った顔パターンが、代表パターンとして出力する（ステップＳ２０６）。最後に、代表パターン出力部１１０では、重複除去部１００において、重複パターンの除去後に顔リストに残った顔パターンを、顔領域を示す代表パターンとして出力する（ステップＳ１１４）。ここで、出力する情報は、例えば代表パターンの入力画像上での位置、サイズ等が挙げられる。

以上のように、本実施形態によれば、経験的な閾値を必要とせず、照合パターンとＰＣＡによる再構成パターンとの誤差をもとに重複した部分領域同士の顔信頼度の比較を行う。これにより、精度良く被写体パターンを検出することができる。

（本発明に係る他の実施形態）
前述した本発明の実施形態における画像処理装置を構成する各手段、並びに画像処理方法の各ステップは、コンピュータのＲＡＭやＲＯＭなどに記憶されたプログラムが動作することによって実現できる。このプログラム及び前記プログラムを記録（記憶）したコンピュータ読み取り可能な記録媒体（記憶媒体）は本発明に含まれる。

また、本発明は、例えば、システム、装置、方法、プログラムもしくは記録媒体（記憶媒体）等としての実施形態も可能であり、具体的には、複数の機器から構成されるシステムに適用してもよいし、また、一つの機器からなる装置に適用してもよい。

なお、本発明は、前述した実施形態の機能を実現するソフトウェアのプログラム（実施形態では図２及び図７に示すフローチャートに対応したプログラム）を、システムまたは装置に直接、または遠隔から供給する場合も含む。そして、そのシステムまたは装置のコンピュータが前記供給されたプログラムコードを読み出して実行することによっても達成される場合を含む。

したがって、本発明の機能処理をコンピュータで実現するために、前記コンピュータにインストールされるプログラムコード自体も本発明を実現するものである。つまり、本発明は、本発明の機能処理を実現するためのコンピュータプログラム自体も含まれる。

その場合、プログラムの機能を有していれば、オブジェクトコード、インタプリタにより実行されるプログラム、ＯＳに供給するスクリプトデータ等の形態であってもよい。

プログラムを供給するための記録媒体（記憶媒体）としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスクなどがある。さらに、ＭＯ、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＣＤ−ＲＷ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤ（ＤＶＤ−ＲＯＭ、ＤＶＤ−Ｒ）などもある。

その他、プログラムの供給方法としては、クライアントコンピュータのブラウザを用いてインターネットのホームページに接続する方法がある。そして、前記ホームページから本発明のコンピュータプログラムそのもの、もしくは圧縮され自動インストール機能を含むファイルをハードディスク等の記録媒体（記憶媒体）にダウンロードすることによっても供給できる。

また、本発明のプログラムを構成するプログラムコードを複数のファイルに分割し、それぞれのファイルを異なるホームページからダウンロードすることによっても実現可能である。つまり、本発明の機能処理をコンピュータで実現するためのプログラムファイルを複数のユーザに対してダウンロードさせるＷＷＷサーバも、本発明に含まれるものである。

また、その他の方法として、本発明のプログラムを暗号化してＣＤ−ＲＯＭ等の記録媒体（記憶媒体）に格納してユーザに配布し、所定の条件をクリアしたユーザに対し、インターネットを介してホームページから暗号化を解く鍵情報をダウンロードさせる。そして、その鍵情報を使用することにより暗号化されたプログラムを実行してコンピュータにインストールさせて実現することも可能である。

また、コンピュータが、読み出したプログラムを実行することによって、前述した実施形態の機能が実現される。さらに、そのプログラムの指示に基づき、コンピュータ上で稼動しているＯＳなどが、実際の処理の一部または全部を行い、その処理によっても前述した実施形態の機能が実現され得る。

さらに、その他の方法として、まず記録媒体（記憶媒体）から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれる。そして、そのプログラムの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵなどが実際の処理の一部または全部を行い、その処理によっても前述した実施形態の機能が実現される。

本発明の実施形態に係る構成を示すブロック図である。 本発明の実施形態における顔パターンの照合の処理手順の一例を示すフローチャートである。 本発明の実施形態に係る画像処理装置のハード構成例を示すブロック図である。 画像から顔パターンの探索を行う方法を説明する図である。 ニューラル・ネットワークによる顔判別の方法を説明する図である。 隣接したパターンや大きさが微妙に異なるパターン等で重なりあってパターンが検出される状況の一例を示す図である。 本発明の実施形態における顔信頼度を利用した重複除去の処理手順の一例を示すフローチャートである。 重なり判定において利用するパターンの重なりの関係を示す図である。 重なり判定におけるｃ_i，ｃ_j間の距離を示す図である。

１０ 画像入力部
２０ 画像メモリ
３０ 画像縮小部
４０ 照合パターン抽出部
５０ 輝度正規化部
６０ 顔判別部
７０ 顔信頼度算出部
８０ 顔候補リスト格納部
９０ 重なり判定部
１００ 重複除去部
１１０ 代表パターン出力部

Claims (5)

1. 画像から所定の被写体パターンを検出する画像処理装置であって、
   前記画像から前記被写体パターンと照合するための所定の部分領域を抽出する照合パターン抽出手段と、
   前記照合パターン抽出手段によって抽出された部分領域が前記被写体パターンであるかどうかを判別するパターン判別手段と、
   前記照合パターン抽出手段によって抽出された部分領域の被写体の信頼度を算出する被写体信頼度算出手段と、
   前記パターン判別手段によって判別された複数の部分領域同士が画像中で重なり合う領域を含むか否かを判定する重複判定手段と、
   前記重複判定手段により、２つの部分領域同士が重なり合う領域を含むと判定された場合、前記被写体信頼度算出手段によって算出された被写体の信頼度の値が小さい方を被写体パターン候補から削除する重複除去手段と、
   前記重複除去手段によって削除された後に残った被写体パターン候補を代表パターンとして出力する代表パターン出力手段とを備えることを特徴とする画像処理装置。
2. 前記被写体信頼度算出手段は、前記照合パターン抽出手段によって抽出された部分領域を複数の被写体パターンから主成分分析により求めた固有ベクトルで射影したものを用いて、前記部分領域を再構成したパターンを求め、前記部分領域と前記再構成したパターンとの誤差に基づいて前記被写体の信頼度を算出することを特徴とする請求項１に記載の画像処理装置。
3. 前記被写体パターンは、人物の顔であることを特徴とする請求項１又は２に記載の画像処理装置。
4. 画像から所定の被写体パターンを検出する画像処理方法であって、
   前記画像から前記被写体パターンと照合するための所定の部分領域を抽出する照合パターン抽出ステップと、
   前記照合パターン抽出ステップにおいて抽出された部分領域が前記被写体パターンであるかどうかを判別するパターン判別ステップと、
   前記照合パターン抽出ステップにおいて抽出された部分領域の被写体の信頼度を算出する被写体信頼度算出ステップと、
   前記パターン判別ステップにおいて判別された複数の部分領域同士が画像中で重なり合う領域を含むか否かを判定する重複判定ステップと、
   前記重複判定ステップにより、２つの部分領域同士が重なり合う領域を含むと判定された場合、前記被写体信頼度算出ステップにおいて算出した被写体信頼度の値が小さい方を被写体パターン候補から削除する重複除去ステップと、
   前記重複除去ステップにおいて削除した後に残った被写体パターン候補を代表パターンとして出力する代表パターン出力ステップとを備えることを特徴とする画像処理方法。
5. 請求項４に記載の画像処理方法の各ステップをコンピュータに実行させるためのプログラム。

Images