JP2010262601A

JP2010262601A - パターン認識システム及びパターン認識方法

Info

Publication number: JP2010262601A
Application number: JP2009114897A
Authority: JP
Inventors: Kotaro Yano; 光太郎矢野
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2009-05-11
Filing date: 2009-05-11
Publication date: 2010-11-18
Anticipated expiration: 2029-05-11
Also published as: CN102422325B; CN102422325A; WO2010131435A1; US20120063674A1; JP5361524B2; US8938117B2

Abstract

【課題】上位カテゴリにおける物体の認識と下位カテゴリにおける特定物体の認識を、簡易な構成で実現することができるパターン認識システム及びパターン認識方法等を提供する。
【解決手段】パターン抽出部２０は、画像取得部１０により取得された画像データからパターン認識を行う部分画像を切り出す。特徴量算出部３０は、パターン抽出部２０により切り出された部分画像から所望の物体を認識するための特徴量を求める。尤度算出部４０は、特徴量算出部３０により求められた特徴量から認識対象である物体の尤度を求める。物体判別部５０は、尤度算出部４０により求められた物体の尤度からパターン抽出部２０により切り出された部分画像が認識対象である物体かどうかを判別する。認識結果出力部６０は、物体判別部５０により認識された結果を出力する。
【選択図】図１

Description

本発明は、入力パターンから所定の物体及びその下位カテゴリにおける特定物体を区別して認識するパターン認識システム及びパターン認識方法等に関する。

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、このような画像処理方法は、例えば人間の顔の判定に利用することができる。従って、このような画像処理方法は、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、画像圧縮等の多くの分野で使用することができる。

画像中から顔を検出する技術は、例えば、非特許文献１に記載されている。例えば、いくつかの顕著な特徴（２つの目、口、鼻など）及びその特徴間の固有の幾何学的位置関係を利用して、人間の顔を検出する技術が記載されている。また、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・ネットワーク等を利用して、人間の顔を検出する技術が記載されている。

一方、近年では、単に顔を検出するだけでなく、検出した顔画像について、誰の顔なのかという特定人物を区別して認識する技術に対する要望がある。例えば、カメラで撮影した画像中の顔を認識して、認識した顔に合わせた適切な露出・焦点制御を行うアプリケーションでは、画像中に複数の人物が存在する場合に特定人物を区別して認識することができれば特定の人物に適切な制御を行うことが可能となる。

しかしながら、現状では、顔の認識処理及び特定人物顔の認識処理を簡潔に実行することはできない。例えば、特許文献１には、顔の認識を肌色の特徴により行い、認識した顔内部の注目領域を求め、求めた注目領域の位置を特徴量として特定人物顔の認識を行う技術が記載されている。この技術では、顔の認識処理と特定人物顔の認識処理とを個別に行っている。この技術において、仮に画像中から特定人物顔の認識を行うために各処理を単純に組合せて用いると、夫々に特徴量の計算、認識処理を行う必要があり、処理が複雑になってしまう。

このような認識処理の問題は、顔の認識処理及び特定人物顔の認識処理の組み合わせに限らず、上位カテゴリにおける物体の認識処理及び下位カテゴリにおける物体の認識処理との組み合わせにおける一般的な問題となっている。即ち、顔認識のアプリケーションでは、顔等の上位カテゴリの認識を行った後、特定人物顔等の下位カテゴリの認識を行いたいという要望がある。また、膨大な数の画像から動物の認識を行い、動物画像の検索を行うというアプリケーションにおいて、下位カテゴリである犬画像の検索を行いたいという要望がある。また、車のナビゲーションにおいて走行シーンから映像中の道路標識及び看板を認識して強調表示するというアプリケーションにおいて、特定の看板を区別して強調表示したいという要望がある。

特開２００７−１１５１０９号公報

Yang et al, "Detecting Faces in Images: A Survey", IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, VOL.24 , NO.1, JANUARY 2002

本発明は、上位カテゴリにおける物体の認識と下位カテゴリにおける特定物体の認識を、簡易な構成で実現することができるパターン認識システム及びパターン認識方法等を提供することを目的とする。

本願発明者は、前記課題を解決すべく鋭意検討を重ねた結果、以下に示す発明の諸態様に想到した。

本発明に係るパターン認識システムは、入力パターンの特徴量を算出する特徴量算出手段と、予め所定の物体の特徴量の分布に基づいて作成された物体辞書を記憶した物体辞書記憶手段と、予め前記所定の物体のうち特定物体の特徴量の分布に基づいて作成された特定物体辞書を記憶した特定物体辞書記憶手段と、前記物体辞書を参照して、前記特徴量算出手段により算出された特徴量から前記入力パターンが前記所定の物体であることの尤度を算出する第１の尤度算出手段と、前記第１の尤度算出手段により算出された尤度に基づいて前記入力パターンが前記所定の物体であるかを判別する第１の物体判別手段と、前記第１の物体判別手段により、前記入力パターンが前記所定の物体であると判別された場合に、前記特定物体辞書を参照して、前記特徴量算出手段により算出された特徴量から前記入力パターンが前記特定物体であることの尤度を求める第２の尤度算出手段と、前記第２の尤度算出手段により算出された尤度に基づいて前記入力パターンが前記特定物体であるかを判別する第２の物体判別手段と、を有することを特徴とする。

本発明に係るパターン認識方法は、入力パターンの特徴量を算出する特徴量算出ステップと、予め所定の物体の特徴量の分布に基づいて作成された物体辞書を参照して、前記特徴量算出ステップにおいて算出した特徴量から前記入力パターンが前記所定の物体であることの尤度を算出する第１の尤度算出ステップと、前記第１の尤度算出ステップにおいて算出した尤度に基づいて前記入力パターンが前記所定の物体であるかを判別する第１の物体判別ステップと、前記第１の物体判別ステップにおいて、前記入力パターンが前記所定の物体であると判別した場合に、予め前記所定の物体のうち特定物体の特徴量の分布に基づいて作成された特定物体辞書を参照して、前記特徴量算出ステップにおいて算出した特徴量から前記入力パターンが前記特定物体であることの尤度を求める第２の尤度算出ステップと、前記第２の尤度算出ステップにおいて算出した尤度に基づいて前記入力パターンが前記特定物体であるかを判別する第２の物体判別ステップと、を有することを特徴とする。

本発明によれば、入力パターンが特定物体であることの判別に際して、その上位カテゴリである所定の物体であることの認識に用いられる特徴量を用いるため、簡素な構成で上位カテゴリ及び下位カテゴリの物体認識を行うことができる。

本発明の実施形態に係るパターン認識システムの構成を示すブロック図である。予め記憶されている物体辞書を用いて所定の物体を認識する方法を示すフローチャートである。画像から顔パターンの探索を行う方法を示す図である。顔の特徴量を示す図である。物体の尤度を求める参照テーブルの一例を示す図である。顔の認識結果の出力例を示す図である。下位のカテゴリに属する特定物体の認識を行うための設定方法を示すフローチャートである。特定物体における物体の尤度を求める参照テーブルの一例を示す図である。下位のカテゴリに属する特定物体の辞書の設定を受けて下位のカテゴリに属する特定物体を認識する方法を示すフローチャートである。顔及び特定人物の顔の認識結果の出力例を示す図である。パターン認識システムの構成の他の例を示す図である。

以下、本発明の実施形態について添付の図面を参照して具体的に説明する。図１は、本発明の実施形態に係るパターン認識システムの構成を示すブロック図である。

このパターン認識システムには、画像入力部１０、パターン抽出部２０、特徴量算出部３０、尤度算出部４０、物体判別部５０、認識結果出力部６０、物体辞書記憶部１００及び１１０、並びに辞書作成部２００が設けられている。

画像入力部１０は、カメラ等の撮像部で撮像した画像データを取得する。パターン抽出部２０は、画像入力部１０により取得された画像データからパターン認識を行う部分画像を切り出す。特徴量算出部３０は、パターン抽出部２０により切り出された部分画像から所望の物体を認識するための特徴量を求める。尤度算出部４０は、特徴量算出部３０により求められた特徴量から認識対象である物体の尤度を求める。物体判別部５０は、尤度算出部４０により求められた物体の尤度からパターン抽出部２０により切り出された部分画像が認識対象である物体かどうかを判別する。認識結果出力部６０は、物体判別部５０により認識された結果を出力する。例えば、認識結果出力部６０は、物体判別部５０により所望の物体であると判別された場合には、当該部分画像の領域を他の画像領域と区別できるようにディスプレイに表示する。

物体辞書記憶部１００及び１１０は、尤度算出部４０が尤度を求める際に用いる所望の認識対象に対応する物体辞書を記憶している。物体辞書は、例えば複数の物体パターンから機械学習により予め求められる。辞書作成部２００は、特徴量算出部３０により求められた特徴量から特定物体を認識するための特定物体辞書を作成する。物体辞書記憶部１１０は、特定物体辞書記憶手段として、物体辞書の中でも特に特定物体辞書を記憶している。

なお、これらの各部の動作は、パターン認識システムに設けられた制御部（図示せず）により制御される。

次に、上述のように構成されたパターン認識システムの動作について説明する。パターン認識システムの動作としては、次のものが挙げられる。即ち、（１）予め記憶されている物体辞書を用いて所定の物体の認識、（２）下位のカテゴリに属する特定物体の認識を行うための設定、（３）下位のカテゴリに属する特定物体の辞書の設定を受けての下位のカテゴリに属する特定物体の認識が挙げられる。

先ず、（１）の予め記憶されている物体辞書を用いて所定の物体の認識について説明する。図２は、予め記憶されている物体辞書を用いて所定の物体を認識する方法を示すフローチャートである。ここでは、画像から人の顔を認識する場合について説明する。

この方法では、先ず、画像入力部１０が、撮像部により撮像された画像データを取得する（ステップＳ１０１）。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。画像入力部１０は、ＲＧＢ画像データを輝度画像データに変換し、輝度画像データを以後の処理に適用するものとし、画像メモリ（図示せず）に格納する。なお、画像データとしてＹＵＶ画像データを取得する場合には、Ｙ成分をそのまま輝度データとしてもよい。

次いで、パターン抽出部２０が、ステップＳ１０１で取得された画像データを画像メモリから読み出し、物体認識を行う対象領域である部分画像を入力パターンとして当該画像データ中から切り出す（ステップＳ１０２）。この際には、例えば、図３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データ中から顔を検出し、切り出し位置を決定する。また、様々な大きさの顔の検出に対応するため、図３に示すように、読み込んだ画像データを所定の割合で順次に縮小し、それに対して前述した顔検出の走査を行うことが好ましい。このような処理により切り出された部分画像が、後段の認識処理における部分画像の画像パターンが顔かどうかの判別の対象となる。

その後、特徴量算出部３０が、パターン抽出部２０により切り出された部分画像から所望の物体を認識するための特徴量を求める（ステップＳ１０３）。顔の認識を行うための特徴量としては、例えば、両目の間隔と口までの距離との比が挙げられる。

ここで、両目の間隔と口までの距離との比を求める方法について図４を参照しながら説明する。特徴量算出部３０は、図４に示すように、パターン抽出部２０により切り出された部分画像Ｒから、周囲よりも輝度が暗い部分（輝度分布の極小値となる位置）を目及び口の候補として３箇所抽出し、図４に示すように、両目の間隔Ｌ１及び両目から口までの距離Ｌ２を求める。そして、顔の判別を行う特徴量ｆを以下の（式１）のように算出する。
ｆ＝Ｌ１÷Ｌ２（式１）

なお、図４には部分画像Ｒが顔画像となっている例を示しているが、顔画像となっていない場合でも、目及び口の候補の３箇所の抽出及び特徴量ｆの算出が行われる。

また、人の顔の特徴を表す複数の特徴量を組み合わせることにより、高い精度で顔の認識を行うことが可能となる。例えば、文献「Viola and Jones, "Rapid Object Detection using Boosted Cascade of Simple Features", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR'01)」に記載されている特徴量を用いてもよい。この文献に記載された方法では、局所的な明暗のコントラストを表す特徴量を６，０００以上組み合わせている。

ステップＳ１０３の後、尤度算出部４０が、第１の尤度算出手段として、特徴量算出部３０により求められた特徴量から物体辞書記憶部１００に予め記憶されている物体辞書を用いて認識対象である物体の尤度を求める（ステップＳ１０４）。物体辞書（この場合は顔の辞書）は、例えば、特徴量ｆの値に対応した尤度（顔らしさの値）を予めテーブルとしてあるものである。この場合、尤度算出部４０は、即ち、特徴量ｆの値からテーブルの参照すべきビンの位置を決定し、決定したビンに記憶されている値を尤度として求める。テーブルの例を図５に示す。図５の縦軸Ｃは尤度を表す。

ここで、テーブルの作成方法について簡単に説明する。テーブルを作成するためには、先ず、認識対象の物体（この場合は顔）のサンプル画像パターン及びそれ以外のサンプル画像パターンを複数用意する。望ましくは夫々１０，０００パターン以上用意する。そして、夫々の画像パターンから特徴量ｆを計算する。そして、認識対象物体（顔）の全画像パターンの特徴量ｆの値からテーブルの参照すべきビンの位置を決定し、その頻度分布を顔確率分布Ｐｒ（ｆ｜Ｉ_F）として求める。ここで、Ｉ_Fは顔画像パターンを表し、Ｐｒ（ｆ｜Ｉ_F）は顔画像パターンにおける特徴量ｆの確率分布を表す。同様に、認識対象物体（顔）以外の全画像パターンの特徴量ｆの値からテーブルの参照すべきビンの位置を決定し、その頻度分布を非顔確率分布Ｐｒ（ｆ｜Ｉ_NF）として求める。ここで、Ｉ_NFは非顔画像パターンを表し、Ｐｒ（ｆ｜Ｉ_NF）は非顔画像パターンにおける特徴量ｆの確率分布を表す。このとき、顔の尤度Ｃは以下の（式２）で表わされる。
Ｃ＝ｌｏｇ［｛Ｐｒ（ｆ｜Ｉ_F）｝÷｛Ｐｒ（ｆ｜Ｉ_NF）｝］（式２）

従って、物体辞書には特徴量ｆのビン毎に（式２）の尤度Ｃの値を設定しておけばよい。

なお、前述したように、人の顔の特徴を表す複数の特徴量を組み合わせることにより、高い精度で顔の認識を行うことが可能となる。このように複数の特徴量を組み合わせる場合には、例えば、複数の特徴量の夫々に対して、尤度を求め、その尤度の総和を顔の尤度とする。即ち、ｋ番目の特徴量をｆ_k、特徴量ｆ_kに対する尤度をＣ_k（ｆ_k）とすると、顔の尤度Ｃは以下の（式３）で求めることができる。

ステップＳ１０４の後、物体判別部５０が、第１の物体判別手段として、尤度算出部４０により求められた物体の尤度から、パターン抽出部２０により切り出された部分画像が認識対象である物体かどうかを判別する（ステップＳ１０５）。即ち、ステップＳ１０４において算出された顔の尤度Ｃが所定の閾値Ｔよりも大きい場合は、照合対象の部分画像パターンを顔と判別し、所定の閾値Ｔ以下の場合は、照合対象の部分画像パターンを非顔と判別する。

そして、物体判別部５０により部分画像が顔と判別された場合、制御部がその位置を認識結果として記憶部（図示せず）に保存する（ステップＳ１０６）。なお、物体判別部５０により部分画像が非顔と判別された場合、ステップＳ１０２に戻る。

これらのステップＳ１０２〜Ｓ１０６の処理が、図３に示すように画像内で順次繰り返し実行される。そして、認識結果出力部６０が、ステップ１０６において記憶部（図示せず）に保存された認識結果を、図６に示すようにディスプレイに表示する（ステップＳ１０７）。図６中の矩形部分が入力画像に重畳表示された顔認識結果を表している。

次に、（２）下位のカテゴリに属する特定物体の認識を行うための設定について説明する。図７は、下位のカテゴリに属する特定物体の認識を行うための設定方法を示すフローチャートである。ここでは、画像から特定人物の顔を認識する場合について説明する。

この方法では、先ず、画像入力部１０が、撮像部により撮像された画像データを取得する（ステップＳ１０１）。このとき取得する画像は特定人物（例えばＡさん）の顔が写っている画像であるとする。この画像データは画像メモリ（図示せず）に格納される。

次いで、パターン抽出部２０が、ステップＳ１０１で取得された画像データを画像メモリから読み出し、物体認識を行う対象領域である部分画像を入力パターンとして当該画像データ中から切り出す（ステップＳ１０２）。

その後、特徴量算出部３０が、パターン抽出部２０により切り出された部分画像から所望の物体を認識するための特徴量を求める（ステップＳ１０３）。

続いて、制御部が、特徴量算出部３０によって算出された特徴量の値を記憶部（図示せず）に一時的に保存する（ステップＳ２０１）。

次いで、尤度算出部４０が、特徴量算出部３０により求められた特徴量から物体辞書記憶部１００に予め記憶されている物体辞書を用いて認識対象である物体の尤度を求める（ステップＳ１０４）。

その後、物体判別部５０が、尤度算出部４０により求められた物体の尤度から、パターン抽出部２０により切り出された部分画像が認識対象である物体かどうかを判別する（ステップＳ１０５）。

そして、物体判別部５０により部分画像が顔と判別された場合、辞書作成部２００が、ステップＳ２０１において一時的に記憶された特徴量から辞書の作成を行う（ステップＳ２０２）。なお、物体判別部５０により部分画像が非顔と判別された場合、ステップＳ１０２に戻る。

これらのステップＳ１０２〜Ｓ２０２の処理が、図３に示すように画像内で順次繰り返し実行される。なお、非顔と判別された部分画像又は辞書作成に用いた部分画像が、画像内の最後の部分画像であった場合は、ステップＳ１０１に戻り、また、別のＡさんの顔が写っている画像を取得してステップＳ１０１〜Ｓ２０２の処理が繰り返し実行される。

このような方法では、ステップＳ１０５において物体判別部５０により顔と判別された部分画像が特定人物（Ａさん）の顔画像であれば、Ａさんの顔に限定した辞書を作成することができる。即ち、ステップＳ２０１で保存されたＡさんの顔画像パターンから算出された特徴量ｆを用い、テーブルの参照すべきビンの位置を決定し、Ａさんの顔における特徴量ｆの頻度分布を顔確率分布Ｐｒ（ｆ｜Ｉ_FA）として求める。ここで、Ｉ_FAはＡさんの顔画像パターンを表し、Ｐｒ（ｆ｜Ｉ_FA）は顔画像パターンにおける特徴量ｆの確率分布を表す。そして、非顔画像パターンにおける特徴量ｆの確率分布Ｐｒ（ｆ｜Ｉ_NF）を用いると、Ａさんの顔の尤度Ｃ_Aは以下の（式４）になる。
Ｃ_A＝ｌｏｇ［｛Ｐｒ（ｆ｜Ｉ_FA）｝÷｛Ｐｒ（ｆ｜Ｉ_NF）｝］（式４）

従って、物体辞書には特徴量ｆのビン毎に（式４）の尤度Ｃ_Aの値を設定しておけばよい。

なお、複数の特徴量を組み合わせて認識を行う場合には、特徴量毎に特定人物の辞書を作成しておけばよい。

また、特定人物のサンプル画像をより多く取得しておくことにより、高い精度で当該特定人物の認識を行うことが可能となる。例えば、ステップＳ１０５において顔と判別された部分画像パターンに対して、所定量の位置ずれ、変倍、輝度変化等の画像処理を施して一つの顔部分画像から複数の顔部分画像を生成するようにして、複数の特徴量を算出、取得するようにしてもよい。また、特徴量のサンプル数が少ない場合には確率分布として精度の高いものが得られないので、特徴量のサンプル値より正規分布を想定して近似した確率分布を使って辞書を作成してもよい。例えば、Ａさんが一般の人物よりも面長の顔である場合には、特徴量ｆの尤度を表すテーブルを図５に示した顔のテーブルに比べ、図８に示すように特徴量ｆの値が小さい方に偏って分布したものとしてもよい。

ステップＳ２０２の後、制御部が、ステップＳ２０２において作成された特定物体の辞書を物体辞書記憶部１１０に保存する（ステップＳ２０３）。

このようにして、下位のカテゴリに属する特定物体の認識を行うための設定処理が終了する。

次に、（３）の下位のカテゴリに属する特定物体の辞書の設定を受けて下位のカテゴリに属する特定物体を認識する方法について説明する。図９は、下位のカテゴリに属する特定物体の辞書の設定を受けて下位のカテゴリに属する特定物体を認識する方法を示すフローチャートである。

この方法では、先ず、画像入力部１０が、撮像部により撮像された画像データを取得する（ステップＳ１０１）。

その後、物体判別部５０が、尤度算出部４０により求められた物体の尤度から、パターン抽出部２０により切り出された部分画像が認識対象である物体かどうかを判別する（ステップＳ１０５）。即ち、物体判別部５０が、部分画像が顔かどうかを判別する。

次いで、尤度算出部４０が、第２の尤度算出手段として、ステップＳ２０１において一時的に記憶された特徴量から物体辞書記憶部１１０に予め記憶されている特定物体の辞書を用いて認識対象である物体の尤度を求める（ステップＳ３０１）。即ち、尤度算出部４０は、特定物体の辞書（ここではＡさんの顔の辞書）には特徴量ｆの値に対応した尤度が予めテーブルとして設定されているので、特徴量ｆの値からテーブルの参照すべきビンの位置を決定し、決定したビンに記憶されている値を尤度として求める。また、複数の特徴量を組み合わせて尤度を算出する場合には、例えば、複数の特徴量の夫々に対して、尤度を求め、その尤度の総和を顔の尤度とする。即ち、ｋ番目の特徴量をｆ_k、特徴量ｆ_kに対する尤度をＣ_Ak（ｆ_k）とすると、Ａさんの顔の尤度Ｃ_Aは以下の（式５）で求めることができる。

また、このとき、一般的な顔の分布に対してＡさん特有の特徴量を強調して認識を行うようにしてもよい。その場合には、以下の（式６）のように夫々の特徴量に対する尤度に顔の尤度に基づいた重み付けを行う。但し、ｗ_k＝｛ｗ・Ｃ_k（ｆ_k）｝^-N、ｗ、Ｎは定数、である。

ステップＳ３０１の後、物体判別部５０が、第２の物体判別手段として、尤度算出部４０により求められた特定物体の尤度から、パターン抽出部２０により切り出された部分画像が特定物体かどうかを判別する（ステップＳ３０２）。即ち、ステップＳ３０１において算出された特定人物の顔の尤度Ｃ_Aが所定の閾値Ｔ_Aよりも大きい場合は、照合対象の部分画像パターンをＡさんの顔と判別し、所定の閾値Ｔ_A以下の場合は、照合対象の部分画像パターンをＡさんの顔でないと判別する。

そして、物体判別部５０により部分画像が特定人物の顔と判別された場合、制御部がその位置を認識結果として記憶部（図示せず）に保存する（ステップＳ３０３）。なお、物体判別部５０により部分画像が特定人物の顔ではないと判別された場合、ステップＳ１０２に戻る。

これらのステップＳ１０２〜Ｓ３０３の処理が、図３に示すように画像内で順次繰り返し実行される。そして、認識結果出力部６０が、ステップＳ１０６において記憶部（図示せず）に保存された認識結果を、図１０に示すようにディスプレイに表示する（ステップＳ３０４）。図１０中の細線で示した矩形部分が入力画像に重畳表示された顔認識結果を表し、太線で示した矩形部分が入力画像に重畳表示された特定人物（Ａさん）の顔認識結果を表している。なお、非顔と判別された部分画像、特定人物の顔ではないと判別された部分画像、又は認識結果を保存した部分画像が、画像内の最後の部分画像であった場合に、更に別の画像を処理するのであれば、ステップＳ１０１に戻る。

このような本実施形態によれば、下位カテゴリの物体の認識においても上位カテゴリの物体認識のための特徴量を共通に用いているため、複雑な処理を追加することなく、上位カテゴリ及び下位カテゴリの物体認識を容易に行うことができる。

なお、パターン認識システムは、カメラ等の単一の装置から構成されている必要はなく、例えば２つの装置（カメラ及びコンピュータシステム）から構成されていてもよい。例えば、顔認識機能を備えたカメラを使って特定人物の顔画像を撮影し、撮影した特定人物の顔画像を認識機能及び辞書作成機能を備えたシステムに出力して、作成した辞書をカメラに記憶するようにしてもよい。この具体的な構成の例を図１１に示す。

このパターン認識システムには、カメラ１及びコンピュータシステム２が含まれている。カメラ１には、画像入力部１０、パターン抽出部２０、特徴量算出部３０、尤度算出部４０、物体判別部５０、認識結果出力部６０、並びに物体辞書記憶部１００及び１１０が含まれている。一方、コンピュータシステム２には、画像取得部３００、パターン抽出部２０、特徴量算出部３０、尤度算出部４０、物体判別部５０、辞書作成部２００、物体辞書記憶部１００及び物体辞書出力部３１０が含まれている。

カメラ１内及びコンピュータシステム２内の特徴量算出部３０は、顔を認識するための特徴量を算出する。また、カメラ１内及びコンピュータシステム２内の物体辞書記憶部１００は、顔を認識するための物体辞書を記憶している。

なお、コンピュータシステム２内の画像取得部３００は、記憶媒体又は通信媒体等（図示せず）を介して、カメラ１の画像入力部１０から画像データを取得する。また、物体辞書出力部３１０は、辞書作成部２００により作成された物体辞書を、記憶媒体又は通信媒体等（図示せず）を介してカメラ１内の物体辞書記憶部１１０に出力する。

他の構成は図１に示すものと同様である。

次に、このようなパターン認識システムの動作について説明する。先ず、特定人物の顔を認識するための設定において、カメラ１が特定人物の顔画像を画像入力部１０で取得する。そして、カメラ１により取得された画像が、記憶媒体（ＣＦカード等）又は通信媒体（ＵＳＢケーブル等のデータ通信のためのケーブル等）等を介してコンピュータシステム２の画像取得部３００に送られる。

コンピュータシステム２では、取得した画像データに対して、パターン抽出部２０、特徴量算出部３０、尤度算出部４０及び物体判別部５０によって部分画像毎に顔の認識が行われる。そして、顔と判別された部分画像パターンの特徴量から辞書作成部２００が特定人物の顔の物体辞書を作成する。その後、物体辞書出力部３１０が、作成された物体辞書を記憶媒体又は通信媒体等（図示せず）を介して出力し、この物体辞書がカメラ１の物体辞書記憶部１１０に保存される。続いて、カメラ１において、物体辞書記憶部１００及び１１０に夫々記憶されている顔の物体辞書及び特定人物の顔の物体辞書に基づく認識処理が行われる。

これらの実施形態では、辞書作成部２００によって下位カテゴリの物体を認識する辞書を作成して、それを使用して特定物体の認識を行っているが、本発明はこのような構成に限定されるものではない。例えば、予め特定物体を認識する辞書を用意しておいて、上位カテゴリの物体の認識を行う特徴量に基づいて特定物体の辞書を使用して尤度を求め、特定物体の認識を行うように構成してもよい。このような構成でも、認識処理をできるだけ共通化して、複雑な処理を追加することなく上位カテゴリにおける物体の認識と下位カテゴリにおける物体の認識を行うことができる。

また、認識の対象は人間の顔に限定されることはなく、他の対象についても、上位カテゴリにおける物体の認識処理及び下位カテゴリにおける物体の認識処理を組み合わせて実行することができる。

なお、上述した実施形態の処理は、各機能を具現化したソフトウェアのプログラムコードを、システム又は装置のコンピュータ（若しくはＣＰＵ、ＭＰＵ）が読み出し実行することによって実現することができる。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコードを記憶した記憶媒体は本発明を構成することになる。

また、コンピュータが読み出したプログラムコードの指示に基づき、ＯＳ（オペレーティングシステム）などが実際の処理の一部又は全部を行い、その処理によって前述した各実施例の機能が実現される場合も含まれている。

１：カメラ、２：コンピュータシステム、１０：画像入力部、２０：パターン抽出部、３０：特徴量算出部、４０：尤度算出部、５０：物体判別部、６０：認識結果出力部、１００、１１０：物体辞書記憶部、２００：辞書作成部、３１０：辞書出力部

Claims

入力パターンの特徴量を算出する特徴量算出手段と、
予め所定の物体の特徴量の分布に基づいて作成された物体辞書を記憶した物体辞書記憶手段と、
予め前記所定の物体のうち特定物体の特徴量の分布に基づいて作成された特定物体辞書を記憶した特定物体辞書記憶手段と、
前記物体辞書を参照して、前記特徴量算出手段により算出された特徴量から前記入力パターンが前記所定の物体であることの尤度を算出する第１の尤度算出手段と、
前記第１の尤度算出手段により算出された尤度に基づいて前記入力パターンが前記所定の物体であるかを判別する第１の物体判別手段と、
前記第１の物体判別手段により、前記入力パターンが前記所定の物体であると判別された場合に、前記特定物体辞書を参照して、前記特徴量算出手段により算出された特徴量から前記入力パターンが前記特定物体であることの尤度を求める第２の尤度算出手段と、
前記第２の尤度算出手段により算出された尤度に基づいて前記入力パターンが前記特定物体であるかを判別する第２の物体判別手段と、
を有することを特徴とするパターン認識システム。
前記特定物体の複数の入力パターンにおける前記特徴量算出手段により算出された特徴量の分布に基づいて前記特定物体の辞書を作成する辞書作成手段を有し、
前記特定物体辞書記憶手段は、前記辞書作成手段により作成された辞書を前記特定物体辞書として記憶することを特徴とする請求項１に記載のパターン認識システム。
前記特徴量算出手段は、前記入力パターンから複数の特徴量を算出し、
前記第１の尤度算出手段は、前記特徴量算出手段により算出された夫々の特徴量に対して前記尤度を算出し、前記入力パターンが前記所定の物体であることの尤度を算出し、
前記第２の尤度算出手段は、前記特徴量算出手段により算出された夫々の特徴量に対して前記尤度を算出し、前記入力パターンが前記特定物体であることの尤度を算出することを特徴とする請求項１又は２に記載のパターン認識システム。
入力パターンの特徴量を算出する特徴量算出ステップと、
予め所定の物体の特徴量の分布に基づいて作成された物体辞書を参照して、前記特徴量算出ステップにおいて算出した特徴量から前記入力パターンが前記所定の物体であることの尤度を算出する第１の尤度算出ステップと、
前記第１の尤度算出ステップにおいて算出した尤度に基づいて前記入力パターンが前記所定の物体であるかを判別する第１の物体判別ステップと、
前記第１の物体判別ステップにおいて、前記入力パターンが前記所定の物体であると判別した場合に、予め前記所定の物体のうち特定物体の特徴量の分布に基づいて作成された特定物体辞書を参照して、前記特徴量算出ステップにおいて算出した特徴量から前記入力パターンが前記特定物体であることの尤度を求める第２の尤度算出ステップと、
前記第２の尤度算出ステップにおいて算出した尤度に基づいて前記入力パターンが前記特定物体であるかを判別する第２の物体判別ステップと、
を有することを特徴とするパターン認識方法。
コンピュータに、
入力パターンの特徴量を算出する特徴量算出ステップと、
予め所定の物体の特徴量の分布に基づいて作成された物体辞書を参照して、前記特徴量算出ステップにおいて算出した特徴量から前記入力パターンが前記所定の物体であることの尤度を算出する第１の尤度算出ステップと、
前記第１の尤度算出ステップにおいて算出した尤度に基づいて前記入力パターンが前記所定の物体であるかを判別する第１の物体判別ステップと、
前記第１の物体判別ステップにおいて、前記入力パターンが前記所定の物体であると判別した場合に、予め前記所定の物体のうち特定物体の特徴量の分布に基づいて作成された特定物体辞書を参照して、前記特徴量算出ステップにおいて算出した特徴量から前記入力パターンが前記特定物体であることの尤度を求める第２の尤度算出ステップと、
前記第２の尤度算出ステップにおいて算出した尤度に基づいて前記入力パターンが前記特定物体であるかを判別する第２の物体判別ステップと、
を実行させることを特徴とするプログラム。