以下の記載において、本発明のいくつかの実施例が、ソフトウェアプログラムとして通常実現されるであろうという観点で説明される。当業者は、そのようなソフトウェアの等価物がまた、ハードウェアにおいて構築され得ることを認識する。画像操作アルゴリズム及びシステムはよく知られているので、本説明は特に、本発明に従った方法の一部を形成する、または、より直接的に本発明と協力関係にある、アルゴリズム及びシステムに向けられるであろう。そのようなアルゴリズムやシステムの他の観点は、そのようなアルゴリズムやシステムに関連する画像信号の生成やさもなければ処理のためのハードウェアやソフトウェアとともに、本明細書内では特には示されたり説明されたりしないが、従来技術において周知のシステム、アルゴリズム、構成要素、およびエレメントから選択され得る。以下において本発明に従ってシステムが説明されると仮定すれば、本発明の実装にとって役に立つソフトウェアであって明細書内で具体的に示されたり、示唆されたり、説明されたりしないソフトウェアは、従来型であり、従来技術における通常の技術の範囲内のものである。
本発明は、明細書内で説明される実施例の組合せを含む。「特定の実施例」等の参照は、本発明の少なくとも一つの実施例の中に存在する特徴を参照する。「一実施例」または「特定の実施例」等の個別の参照は、必ずしも同じ実施例を参照するものではない。しかしながら、そのような実施例は、特にそのように示されるか、当業者にとって明らかにそうとわかるのでない限り、相互に排他的ではない。方法等を参照する際の単数形、複数形の使用は、限定的なものではない。なお、「または」という語は、そのように明示的に示されない限り、あるいは文脈から要求されない限り、本開示において、非排他的な意味で用いられる。
本明細書で使用される「デジタル画像ファイル」というフレーズは、デジタルスチル画像あるいはデジタルビデオファイル等、いかなるデジタル画像ファイルを参照する。
図1は、本発明の一実施例に従った、関連するデジタル画像の集合のためにイベント分類を決定するためのシステムの構成要素を表すハイレベルな図である。システムは、データ処理システム110、周辺システム120、ユーザインターフェイスシステム130、および、データ格納システム140を含む。周辺システム120、ユーザインターフェイスシステム130、および、データ格納システム140は、データ処理システム110と通信可能に接続されている。
データ処理システム110は、本明細書内で説明される例示の処理を含む様々な本発明の実施例の処理を実現する1以上のデータ処理装置を含む。「データ処理装置」や「データプロセッサ」というフレーズは、例えば、中央処理ユニット(「CPU」)、デスクトップコンピュータ、ラップトップコンピュータ、メインフレームコンピュータ、パーソナルデジタルアシスタント、ブラックベリー(Blackberry)(登録商標)、デジタルカメラ、セルラー電話、または、データを処理、データを管理、またはデータを扱うための他のいかなる装置−電気的、磁気的、光学的、生物学的な構成要素、あるいはそれ以外で実現されていようと−いかなるデータ処理装置をも含むことを意図している。
データ格納システム140は、本明細書内で説明される例示の処理を含む、本発明の様々な実施例の処理を実行するために必要な情報を含む情報を格納するように構成された、1以上のプロセッサアクセス可能なメモリを含む。データ格納システム140は、分散したプロセッサアクセス可能なメモリシステムであり得、複数のコンピュータや装置を介してデータ処理システム110に通信可能に接続された複数のプロセッサアクセス可能なメモリを含む。一方、データ格納システム140は、分散したプロセッサアクセス可能なメモリシステムである必要はなく、したがって、単独のデータプロセッサまたは装置内に置かれた1以上のプロセッサアクセス可能なメモリを含み得る。
「プロセッサアクセス可能なメモリ」というフレーズは、いかなるプロセッサアクセス可能なデータ格納装置をも含むことを意図しており、揮発性であっても不揮発性であっても、電気的であっても、磁気的であっても、光学的であっても、あるいはそれ以外であってもよく、そしてまた、レジスタ、フロッピー(登録商標)ディスク、ハードディスク、コンパクトディスク、DVD、フラッシュメモリ、ROM、およびRAMを含むがこれに限定されない。
「通信可能に接続」というフレーズは、いかなるタイプの接続をも含むことを意図しており、有線であっても、無線であっても、データが通信され得る装置間であっても、データプロセス間であっても、またはプログラム間であってもよい。「通信可能に接続」というフレーズは、単一のデータプロセッサ内の装置間またはプログラム間の接続と、異なるデータプロセッサ間に置かれた装置間またはプログラム間の接続と、そして、データプロセッサ内に全く置かれていない装置間の接続とを含むことを意図している。この点において、データ格納システム140はデータ処理システム110から離れて示されているが、データ格納システム140は、完全に又は部分的に、データ処理システム110の中に納められ得ることを当業者は認めるであろう。さらにこの点において、周辺システム120およびユーザインターフェイスシステム130は、データ処理システム110から離れて示されているが、これらのシステムの片方又は両方は、完全に又は部分的に、データ処理システム110の中に納められ得る。周辺システム120は、データ処理システム110に対してデジタルコンテンツ記録を提供するように構成された1以上の装置を含み得る。例えば、周辺システム120は、デジタルスチルカメラ、デジタルビデオカメラ、セルラー電話、または他のデータプロセッサを含み得る。データ処理システム110は、周辺システム120内の装置からデジタルコンテンツ記録を受信すると、そのようなデジタルコンテンツ記録をデータ格納システム140内に格納し得る。
ユーザインターフェイス130は、マウス、キーボード、他のコンピュータ、または、いかなる装置または装置の組合せを含み得、これらの装置からデータがデータ処理システム110に入力される。この点において、周辺システム120はユーザインターフェイスシステム130から離れて示されているが、周辺システム120は、ユーザインターフェイスシステム130の一部として含まれ得る。
ユーザインターフェイスシステム130はまた、表示装置、プロセッサアクセス可能なメモリ、または、いかなる装置または装置の組合せをも含み得、データ処理システム110によって、これらの装置へデータが出力される。この点において、もし、ユーザインターフェイスシステム130がプロセッサアクセス可能なメモリを含むなら、たとえ図1においてユーザインターフェイスシステム130とデータ格納システム140とが別々に示されていても、そのようなメモリはデータ格納システム140の一部であり得る。
有利なイベント分類方法を提供するために利用できる重要な情報項目として、発明者は、誕生日祝い、周年記念の祝い、宗教的セレモニーおよび祝日等の多くの種類のイベントのための画像において、キャンドルが現れることに気が付いた。デジタル画像におけるキャンドルの存在、種類、外観、および位置が、しばしば、イベントの種類について重要な手がかりを提供する。キャンドル自体は多くの形、多くのサイズで売られているが、キャンドルの炎は、お互いに比較的似ており、コンピュータアルゴリズムによって容易に検出可能である。本発明は、灯されたキャンドルを検出し、キャンドルに関する様々な属性を分析することにより、改善されたイベント分類方法を提供する。
本発明の好ましい一実施例が今、図2を参照して説明される。デジタル画像コレクション200における関連するデジタル画像の集合を識別するステップであって、関連デジタル画像識別ステップ205に、デジタル画像コレクション200が提供される。好ましい一実施例において、関連デジタル画像識別ステップ205は、デジタル画像コレクション200におけるデジタル画像を、または、デジタル画像に関連するメタデータを、自動的に解析して、単独のイベントで撮影されたデジタル画像の部分集合を識別することによって実行される。
関連デジタル画像識別ステップ205は、関連するデジタル画像201の集合を識別するために、当業者によって知られているいかなる種類の解析をも使うことができる。好ましい一実施例において、関連デジタル画像の集合210は、デジタル画像コレクション200におけるデジタル画像のための画像撮影時刻を示す画像撮影時刻メタデータを解析することにより識別される。1つの実装では、デジタル画像は、互いの画像撮影時刻の時間差が、事前に設定された閾値(例:30分)よりも小さいならば、お互いに関係しているとして識別される。他の実施例においては、一時的クラスター化アルゴリズムがイベントクラスターを識別するために使用される。本発明に従って使用されることのできるそのような一時的クラスター化アルゴリズムが、「画像を自動的にイベントに分類する方法」と題するルイ(Loui)他への米国特許6,606,411において開示されている。この方法は、似通った画像撮影時刻を有するデジタル画像のクラスターを識別するために、2手段クラスター化アルゴリズムを適用することを伴う。いくつかの実施例においては、デジタル画像はまた、隣接するクラスターがより大きなイベントクラスターを形成するために結合されるべきか否かを決定するために、画像類似測定基準を使って、解析される。
他の実施例において、関連デジタル画像識別ステップ205は、関連デジタル画像の集合210を識別するために、画像撮影時刻以外のデジタル画像の別の観点を解析することができる。例えば、画像ファイル名は、連続する画像シーケンス番号を有するデジタル画像を識別するために解析されることができる。他の実施例において、ユーザによって提供される(user-supplied)メタデータタグ(metadata tags)が、同じタグ値を共有する関連するデジタル画像を識別するために解析されることができる。他の実施例において、画像のコンテンツが、同じような外観を有するデジタル画像を識別するために解析されることができる。他の実施例において、関連デジタル画像の集合210は、デジタル画像コレクション200を整理するために使われたフォルダー構造を解析することによって識別されることができる。例えば、あるアプリケーションは、デジタル画像を、画像撮影年月日に基づいて、階層型ファイル構造に入れて整理する。階層の最も低いレベルに該当するいかなるデジタル画像も、関係するデジタル画像であるとして指定され得る。
代替の実施例において、関連デジタル画像の集合210をユーザが手動で指定できるようにするために、ユーザインターフェイスが供給され得る。例えば、デジタル画像コレクション200におけるデジタル画像のそれぞれのために、サムネイル画像が示され得る。そしてユーザは、互いに関係する個々の画像をクリックして、関連デジタル画像の集合210を指定することができる。他の実施例において、ユーザは、関連デジタル画像の集合210におけるサムネイル画像の周りにボックスをドラッグすることができる。他の実施例において、ユーザは、関連するデジタル画像を入れたフォルダーの中に、デジタル画像コレクション200を手動で整理することにより、関連デジタル画像の集合210を指定することができる。
次に、関連デジタル画像の集合210を解析し、イベントの種類の決定において役に立つ情報を提供するイベントインジケータの集合220を検出するために、イベントインジケータ検出ステップ215が利用される。
図3は、好ましい一実施例に従った、イベントインジケータ検出に関する追加の詳細を示す。関連デジタル画像の集合210を解析し、デジタル画像の中に含まれているなんらかの人工光放射源についての人工光放射源情報305を決定するために、人工光放射源検出ステップ300が利用される。本発明の文脈の中で、人工光放射源は、場面を照らすために、または、装飾的な目的のために、光エネルギーを放出することを意図して人工的に製造された物を参照する。例えば、人工光放射源は、様々な大きさ、スタイル、および色の電球(白熱灯、蛍光灯、ガス放電、ネオン、LED、およびOLEDライトを含む)、キャンドル、花火、および、道路フレア(road flares)を含むであろう。しかし、太陽や月や星などの自然光源は含まないであろう。
人工光放射源検出ステップ300は、関連デジタル画像の集合210の中の個別のデジタル画像の中のどれが、人工光放射源を含むかを判定するステップを含む。人工光放射源を含むと判定された個々のデジタル画像のそれぞれに対して、検出された人工光放射源の番号、種類、空間的場所及び記述的な特徴が決定される。人工光放射源は、祝日ライトやネオンライト等の様々な種類の電気的光源とともに、灯されたキャンドルを含むことができる。灯されたキャンドルが検出された場合に対して、記述的な特徴は、好ましくは、キャンドルの炎とそれに対応するキャンドルに関する情報を含む。人工光放射源検出ステップ300に関する追加の詳細が、図4を参照して以下で議論される。
空間的配置解析ステップ310は、人工光放射源情報305によって特定されている検出された人工光放射源の空間的配置を解析して、空間的配置情報315を決定するために使用される。検出された人工光放射源の空間的配置は、人工光放射源情報305の中の空間的位置によって与えられる。空間的配置情報315は、検出された人工光放射源の空間的配置を解析することによって決定される様々な特徴を含むことができる。人工光放射源の空間的配置を特徴付けるために決定されることができるいくつかの適切な特徴の例が、図9の議論を参照しながら以下議論される。
ある場合には、検出された人工光放射源の空間的配置は、検出された人工光放射源のいくつか、またはすべてが、おそらく偽陽性(false-positive)であることを示し得る。例えば、もし、空間的配置の特徴が示すには、検出された人工光放射源が、意図的な方法で配置されている代わりに、ランダムな態様で散らばっているならば、これはそのような場合かもしれない。この場合には、人工光放射源情報305は、それ相応に更新されることができる。
各デジタル画像内の人工光放射源に関する空間的配置情報315は、典型的には、関連デジタル画像の集合210に関連するイベントの種類についての貴重な手がかりを含むであろう。例えば、灯されたキャンドルの空間的配置は、お祝いのケーキ(例:誕生日ケーキ、または、周年祝いのケーキ)の存在を検出するために、あるいは、特定のセレモニーや祝日に関連するキャンドル配置のパターン(例:結婚式のユニティキャンドル、クリスマスの降臨キャンドル、または、ハヌカのメノーラ(Hanukkah menorahs))を検出するために使用されることができる。祝日の光装飾と一致する、点光源の空間的配置(例:祝日ライトの文字列)は、クリスマス、ハローウィン、または、新年のお祝いを、代わる代わる示唆することができる。時には、祝日ライトの文字列はまた、結婚式、パーティ、プロム(prom)等のイベントのための装飾として使われる。さらにまた別の、人工光放射源の空間的配置は、花火ディスプレイと一致し、したがって、独立記念日や元日等の祝日を示唆し得る。
人工光放射源情報305及び空間的配置情報315は、ケーキ検出ステップ320によって、デジタル画像が光源に関連するケーキ(例:灯されたキャンドル付き誕生日ケーキ)を含むか否かを決定するために使用される。もし、ケーキが検出されたならば、ケーキ検出ステップ320は、ケーキに関連するケーキ情報325を決定する。ケーキ検出ステップ320の追加の詳細と、決定されるケーキ情報325とが、図7を参照して以下で議論される。
イベントインジケータ検出ステップは、イベントインジケータの集合220を提供する。好ましい一実施例において、イベントインジケータは、人工光放射源情報305と、空間的配置情報315と、および、ケーキ情報325とを含む。いくつかの実施例において、イベントインジケータ220はまた、他の情報項目を含むことができる。例えば、関連デジタル画像の集合210は、顔を検出し、顔情報345を生成するための顔情報検出ステップ330によって処理され得る。顔情報検出ステップ330は、顔検出器、顔特徴発見器、顔分類器、または、顔認識器を用い得る。顔情報345は、関連するデジタル画像の集合の中で発見された各顔の、デジタル画像、場所、ポーズ、表情、推定年齢、および、性別あるいは氏名に関する情報を含み得る。顔認識検出ステップは、顔認識器によって認識されるべき人々の顔に関する所定の顔認識情報340に依存し得る。代替の一実施例において、ユーザインターフェイスが用いられ、関連デジタル画像の集合210の中の顔の位置および氏名をユーザが指定できるようにし得る。
ある実施例において、撮影メタデータ抽出ステップ350を使って抽出することができる、関連デジタル画像の集合210に関連付けられた撮影メタデータ355を、イベントインジケータ220は含み得る。好ましい一実施例において、撮影メタデータ355は、XMP(アドビ社の拡張メタデータプラットフォーム(Extensible Metadata Platform))あるいはEXIF(交換可能画像ファイルフォーマット(Exchangeable Image File Format))等の標準ファイルフォーマットに格納されたメタデータから抽出される。撮影メタデータ355の例は、撮影日/時刻、GPS座標、場面輝度レベル、露出時間、レンズ口径、または、カメラモード設定を含むであろう。撮影メタデータ355は、人工光放射源情報305とともに、関連デジタル画像の集合210についてのイベント分類を決定するために役立つ情報を提供することができる。例えば、解析された、デジタル画像に関連付けられた撮影日/時刻は、イベントインジケータ解析ステップ225(図2)によって決定される結果の正確性を改善するために役立つ追加情報を提供するために使用することができる。例えば、もし、ある特定のデジタル画像の撮影日が、降臨の月に当たるならば、これは、あるキャンドル配置が降臨キャンドル配置である可能性を高くする。同様に、もし、ある特定のデジタル画像の撮影日がハヌカの8日間に当たるならば、これは、キャンドル配置がハヌカキャンドル配置である可能性を高くする。
ある祝日(例:バレンタインデー)は毎年同じ日になるが、他の祝日(例:復活祭、感謝祭、および、ハヌカ)は、毎年違う日になり得る。オプションのイベントカレンダー370が、与えられたカレンダー年における様々な祝日に関連付けられた日付、あるいは日付の範囲を提供するために使用される。セレモニーは、典型的には特定の日付とは関連付けられていない。しかし、ある実施例においては、イベントカレンダー370は、デジタル画像コレクション210の所有者に関連付けられたイベントを含むことができる。例えば、イベントカレンダー370は、ユーザのコンピュータ上に格納されたアポイントメントカレンダーと結び付けられることができる。この場合、イベントカレンダーはしばしば、結婚式および洗礼等の重要なセレモニーのための登録を含むであろう。
ある実施例において、イベントインジケータ220は、補助情報検出ステップ360によって提供される補助情報365を含むことができる。多くのイベントは、イベントの分類において役立つ装飾を含む。例えば、多くの誕生日パーティは「Happy Birthday(誕生日おめでとう)」という語を含む装飾を有している。そのような場合、文字列認識アルゴリズムは、適切なイベント分類の直接的な表示を提供することができる。別の例として、「Happy Anniversary(ハッピーアニバーサリー)」あるいは「Congratulations Graduate(卒業おめでとう)」の文字列の検出は、それぞれイベントを、周年祝い、卒業として識別する。他の場合では、文字列は、より曖昧であり得る。例えば、「Congratulations John(おめでとうジョン)」の文字列は、イベントが、誕生日のお祝い、卒業のお祝い、または何か他のイベント(例:受賞セレモニー、または、婚約パーティ)であることと一貫性がある。
しばしば、認識された文字列はまた、イベント分類230を決定し、イベントに関連する情報を提供するために役立つ他の重要な情報を含むことができる。例えば、認識された文字列は、お祝いにおける主賓を特定する1以上の名前を含み得る。認識された文字列はまた、誕生日をお祝いする人物の年齢、周年を祝うカップルの結婚年数、あるいは、卒業年、等の情報を提供する数字を含み得る。
装飾的特徴の種類はまた、イベント分類についての役立つ手がかりを提供することができる。例えば、ケーキの上のベルの存在は典型的に結婚式あるいは周年祝いに関連付けられるであろう。同様に、卒業帽は一般的に卒業を示すであろう。
ある実施例において、補助情報365は、イベントの分類において役立つ他の手がかりを含み得る。そのような一つの例は、室内または屋外の場面を描くものとしての画像の分類である。祝日ライトの場面はしばしば屋外で撮られる。一方、誕生日のお祝いは典型的には屋内で行われる。
図4は、一実施例に従った図3の人工光放射源検出300に関する追加の詳細を示す。候補炎画像領域識別ステップ400は、関連デジタル画像の集合210におけるデジタル画像のそれぞれの中の、キャンドルの炎のための可能性の高い候補である候補炎画像領域405を識別するために使用される。好ましい一実施例において、候補炎画像領域405は、関連デジタル画像の集合210におけるデジタル画像のそれぞれにおける画素を解析することによって識別される。画素カラーに基づいて画像に閾値を施し、連結構成要素解析を行うことにより、候補画像領域405は識別されることができる。
図5は、一実施例に従った候補炎画像領域識別ステップ400に関する追加の詳細を示す。キャンドルの炎は、通常、デジタル画像の最も明るい部分である。加えて、キャンドルの炎はしばしば、その周囲に赤みを帯びたハロー(halo)領域を持って現れる。候補炎画像領域405を識別するために、画像閾値ステップ500が、閾値の2つの組を用いてデジタル画像に閾値を施してキャンドル炎閾値マップ05を生成するために使用される。(閾値のそれぞれの組は、デジタル画像の各カラーチャネル(color channel)のための閾値を含む。)
図6は、キャンドル炎を含む画像の一部に対して画像閾値ステップ500を適用した結果である、キャンドル炎閾値マップ505の一例を示す。閾値の第1の組は、非常に明るい画素だけが、その第1の閾値より高くなるように選択される。これらの画素は、明るい画素610としてラベル付けされる。閾値の第2の組は、より明るくない、赤みを帯びた画素が、その第2の閾値より高くなるように選択される。第2の閾値より高いが、第1の閾値よりは高くない画像画素は、ハロー画素620としてラベル付けされる。閾値のいずれの組も超えない画素は、背景画素600としてラベル付けされる。
再び図5を参照して、連結構成要素解析ステップ510が、キャンドル炎閾値マップ505に対して実行され、連結構成要素マップ515を生成する。連結構成要素解析ステップ510は、画素の連結された集合を識別するために、従来技術において周知のいかなる方法も使うことができる。連結構成要素マップ515は、連結構成要素解析ステップ520を使って解析され、明るい領域とともに隣接するハロー領域を含むなんらかの候補画像炎領域405を識別する。
図4の議論に戻って、候補炎画像領域405のそれぞれから炎画像の特徴415の集合抽出するために、炎画像特徴抽出ステップ410が使用される。好ましい一実施例において、各候補炎画像領域405は、2つの部分:明るい画素610(図6)を含むブライト領域、および、明るい画素610と隣接するハロー画素620の両方を含む組合せ領域(図6)、において考慮される。次に、これらの領域のそれぞれに対して炎画像特徴415が決定される。炎画像特徴415は、ブライト領域の大きさ、位置、楕円率、および主軸角と;組合せ領域の大きさ、位置、楕円率、および主軸角と;ブライト領域の大きさの、組合せ領域の大きさに対する比率と;ブライト領域と組合せ領域との重心における差と;ブライト領域と組合せ領域との主軸における差と、を含むが、これらに限定されない。
灯されたキャンドル存在テスト420は、各候補炎画像領域405について炎画像特徴415を解析し、候補炎画像領域405がキャンドル炎を含むか否かを判定するために使用される。好ましい一実施例において、この判定は、訓練された分類器を用いて行われる。この訓練された分類器は、機械学習の技術分野の当業者に周知のいかなる方法によって構築されることができる。訓練された分類器は、各候補炎画像領域405について炎画像特徴415を評価し、灯されたキャンドルが存在するか否かを判定する。
検出された各灯されたキャンドルについて、キャンドル情報抽出ステップ425が実行され、人工光放射源情報305として提供されるキャンドル情報が決定される。キャンドル情報は、好ましくは、検出されたキャンドルについての他の情報とともに、炎画像特徴415を含む。ある実施例において、デジタル画像内のキャンドル炎の向きは、各炎を生成するキャンドルのおおよその位置を決定するために使用される。次にキャンドル領域を記述する特徴が抽出され、炎画像特徴415と組み合わされ、人工光放射源情報305として返される。キャンドル領域を記述する特徴は、キャンドルの端、キャンドルの向き、およびキャンドルの色情報等の様々な項目の情報を含むことができる。
同様の処理が、なんらかの点光源(すなわち、電気祝日ライト等の小さな人工光放射源)を検出し、対応する点源情報を決定するために使用されることができる。多くのデジタル画像は、これらの光放射源の種類を特徴として持ち、しばしば、イベント分類230についての重要な手がかりを提供することができる。例えば、電気祝日ライトは一般に、祝日時期の頃に家や建物(室内および屋外)を飾るために使用される。クリスマスは、アメリカ合衆国において、装飾照明を使用するための最もよく知られている祝日であり、家の上に(屋根のラインや、私道や歩道を埋め尽くすように)、木の上に(家の中も家の外も、特に常緑樹)、そして他の装飾の上に(例:点灯されたアニメーション化されたトナカイ)、祝日ライトが置かれていることは一般的である。より低い(しかし、場合によってはより高くなる)程度に、装飾照明が、バレンタインデーやハローウィンや元日等の他の祝日にも使用される。そのような祝日ライトはしばしば、電気コードに沿って複数の小さな電気的光源(例:50個のLED)が吊るされるという形で見られる。一連の祝日ライトは、しばしば、大きな距離にわたって連続して配線される。
従来技術で知られている、いかなる点光源検出の処理も、本発明に従って利用されることができる。一般的に、点光源は、周囲の画素より著しく明るい画像画素によって特徴付けられる。この事実は、デジタル画像においてなんらかの点光源を識別するために使用されることができる。好ましい一実施例において、候補点光源位置識別ステップ430が、まず、候補点源位置435を識別するために使用される。
好ましい一実施例において、候補点光源位置識別ステップ430は、まず、周囲よりも所定の閾値T1(例:T1=50)だけ大きい画素の位置を識別することにより、候補点源位置435を識別する。すなわち、I(x,y)が画素値を表す場合に、画素位置(x,y)のすべての周囲(xn、yn)について、
I(x,y)−T1>I(xn、yn) (1)
であるような画素位置の集合を見つけることによる。位置(x,y)の周囲を定義するために、いかなる演算子を用いることもできる。好適な実施例において、(x,y)の周囲は、|xn−x|=2且つ|yn−y|=2であるようなすべての画素位置である。加えて、選択された画素位置は、所定の閾値T2(例、T2=150)より大きい画素値を持っていなければならない。なお、この処理は、画像の各色チャネル(例、赤、緑、および、青)に対して適用することができ、人工光源の色は容易に決定することができる。なお、さらに、隣接する画素位置のグループが要求を満たすとき、そのグループは、好ましくは、連結構成要素アルゴリズムを使ってクラスター化され、グループ化された画素位置の重心に対応する画素位置に位置する、単一の候補点源位置435であるとみなされる。
点源特徴抽出ステップ440は、候補点源位置435のそれぞれに対して適切な点源特徴445を抽出するために使用される。好ましい一実施例において、点源特徴445は、以下のものを含む:
・候補点源位置(3次元)の赤、緑、および青の値;
・各色チャネルに対する、候補点源位置の7×7隣接画素内の中央および平均の画素値(6次元);
・候補点源位置におけるビン化ローカル勾配(binned local gradients)(水平および垂直)(8次元);
・各チャネルに対する、ガウシアンフィルタ(Gaussian filter)(例:5×5画素のサイズを持ち、シグマ=1.0)による正規化相互相関(normalized cross correlation)(3次元)。
各候補点源位置435は、前述の20個の点源特徴445によって記述される。
点源存在テスト450は、点源特徴445を解析することにより、候補点源位置435が点源を含むか否かを判定するために使用される。好ましい一実施例において、点源存在テスト450は、機械学習の技術分野の当業者に周知のいかなる方法によって構築された、訓練された分類器を利用する。好ましくは、訓練された分類器は、点源であることが知られている候補点源位置と、そうでないことが知られている候補点源位置(すなわち、非点源)の例について訓練された分類器である。好ましい一実施例において、分類器はアダブースト(AdaBoost)アルゴリズムを実装する。アダブーストアルゴリズムは、従来技術において周知である。しかし、いかなる分類器(例えば、サポートベクタマシン(support vector machine)、ニューラルネットワーク、あるいはベイジアンネットワーク(Bayesian network))をも使用することができる。
点源存在テスト450は、候補点源位置435が人工光源であると考えられるか否かを示す。点源であると識別されたそれらの候補点源位置に対して、人工光放射源情報305として提供されるべき関連情報を抽出するために、点源情報抽出ステップ455が使用される。関連情報は、好ましくは、点源の画素位置、および、点源の特徴に関する情報(例:色、および、点源の輝度)を含む。
同様に、人工光源の他の種類(例:ネオン光、または、花火)に関する情報もまた決定することができる。候補他源領域識別ステップ460は、候補となる他の源の領域465を識別するために使用される。これは、候補炎画像領域識別ステップ400のために説明された上記の処理と類似する処理を用いて実行することができる。他源特徴抽出ステップ470は、候補他源領域465から適切な他源特徴475を抽出するために使用される。他源存在テスト480は、他源特徴445を解析することにより、候補他源領域465が他の光源を含むか否かを決定するために使用される。好ましい一実施例において、他源存在テスト480は、機械学習の技術分野の当業者に周知のいかなる方法によって構築され、異なる光源の種類(例、ネオンライト源、花火の光源)に対応した、1以上の、訓練された分類器を使用する。最後に、人工光放射源情報305として提供されるべき検出された光源についての情報を抽出するために、光源情報抽出ステップ485が使用される。
ある実施例において、候補炎画像領域識別ステップ400、候補点光領域識別ステップ430、および、候補他源領域識別ステップ460のいずれか、またはすべては、手動で実行することができる。この場合、デジタル画像におけるいかなるキャンドル炎、点源、または他の源の位置をユーザが指定することを可能にするユーザインターフェイスが提供されることができる。例えば、ユーザは、各光源をクリックしたり、または、各光源のまわりを箱でドラッグすることができる。ある実施例においては、ユーザは、光源種別(例:キャンドル炎、または、点源)を特定することができる。この場合、灯されたキャンドル存在テスト420、電灯存在テスト450、および他光源存在テスト480は、実行される必要がない。他の実施例において、示された領域は、自動的に解析され、光源種別を決定することができる。
図7は、位置実施例に従った図3のケーキ検出ステップ320の追加の詳細を示している。人工光放射源情報305と空間配置情報315が、人工光放射源の種類および配置がお祝いケーキと一致するか否かを評価する、ケーキ的キャンドル配置テスト700に提供される。好ましい一実施例において、ケーキ的キャンドル配置テスト700は、局部的な領域における1以上の灯されたキャンドルを探す。もし、ケーキ的キャンドル配置テスト700が、特定のデジタル画像がケーキ的キャンドル配置を持っていると判定すると、ケーキが置かれていると予想される、デジタル画像における対応する候補ケーキ領域715を識別するために、候補ケーキ領域決定ステップ710が使用される。ある実施例において、候補ケーキ領域715は、検出された灯されたキャンドルを取り囲む多角形の、ある距離内にある画像画素を含むように定義される。候補ケーキ領域715におけるデジタル画像の内容は、候補ケーキ特徴抽出ステップ720を使って解析され、候補ケーキ特徴725が抽出される。候補ケーキ特徴725は、従来技術における周知のいかなる特徴抽出方法を使って決定することができる。候補ケーキ特徴725は、好ましくは、他の画像における他の適合するケーキ領域を見つけるために、そして、ケーキが存在するか否かを決定するために分類器が評価するために役に立つ、特徴の集合である。
ひとたび候補ケーキ特徴725が識別されると、それは、他の画像において、同じケーキを発見するために使用されることができる。一致候補ケーキ領域発見ステップ730は、候補ケーキ領域715の各々に一致するであろう、他のデジタル画像における一致候補ケーキ領域735を識別するために使用される。一致候補ケーキ領域735の集合は、関連デジタル画像の集合210(図2)における他のデジタル画像において識別された領域を、ケーキ的キャンドル配置を含んでいなかったであろう他のデジタル画像の領域(例:灯されていないキャンドルを持つケーキの画像)とともに含み得る。例えば、関連デジタル画像の集合210(図2)は、誰かがキャンドルを消す時系列のデジタル画像を含み得る。または、複数の視点から撮影されたケーキのデジタル画像を含みうる。
このアプローチを使うことにより、ケーキ画像のいくつかについてはケーキ上のキャンドルは灯されていないときでさえも、関連ケーキ画像の集合が識別されることができる。しばしば、識別された関連ケーキ画像は、より信頼性の高いイベント分類230(図2)を提供するために役立つ追加情報を提供し得る。例えば、灯されたキャンドルの空間的配置を解析することによって識別された候補ケーキ領域715は、ケーキ上の単語をはっきりとみせていない視点からのものであり得る。しかし、関連ケーキ画像は、文字列がはっきり読める、ケーキの上からのビューを示し得る。もし、上からのビュー画像が、灯されたキャンドルを含んでいなかったら、ケーキ的キャンドル配置テスト700を使って、それを候補ケーキ画像として識別することはできなかったであろう。
ある実施例において、一致候補ケーキ領域735は、スケール不変特徴変換(Scale-Invariant-Feature-Transform)(SIFT)オブジェクト認識技術を使って一致候補ケーキ領域735を識別する。この手法では、候補ケーキ特徴725は、SIFTアルゴリズムを用いて決定されたSIFT特徴である。SIFT特徴は、スケールや回転にたいして不変であるという特徴がある。オブジェクト認識アプリケーションにおいてSIFT特徴を利用することは、画像処理技術において周知である。本発明に従って利用することのできるSIFTオブジェクト認識技術は、「スケール不変というキーポイントからの独特の画像特徴」という論文(Internal Journal of Computer Vision, vol. 60, no. 2, pp. 91-110, 2004)において、ロー(Lowe)によって説明されている。ローによって説明されているSIFT技術は、画像のスケールに関係なく、そして、画像の多くの異なる変換に関係なく(例、異なるスキャン方向や解像度)、正確に識別できる画像の位置として特徴点を識別する。SIFT技術は、カスケードフィルタリング手法(cascade filtering approach)を使用して、候補特徴点を識別する。SIFT技術は次に、各候補特徴点に対して、位置、スケール、および主曲率について、近傍のデータとの詳細なフィット(detailed fit)を実行する。低コントラストを持つ候補特徴点や、エッジに沿って不十分にローカライズされた(poorly localized)候補特徴点は、典型的に却下される。SIFT技術は次に、各特徴点に対するローカル画像記述(すなわち、「特徴」)を生成する。特徴は、向きに不変となり、特徴点の周辺の領域における各画像サンプルの勾配強度および向きをまず計算することによって決定される。これらの値は次に、4×4の領域にわたる内容をまとめた方向ヒストグラムに蓄積される。ある実施例においては、方向ヒストグラムは、異なる向きを表す8つのビン(bins)を持ち、その結果、128(4×4×8)の特徴ベクトルで表される特徴となる。
関連デジタル画像の集合210(図2)における画像の候補ケーキ領域715から決定されたSIFT特徴の比較は、最近傍探索アルゴリズムを用いて実行することができる。2つの候補ケーキ領域が一致するか否かの決定は、一致した特徴の量に基づいて決定することができる。画像の特徴点および特徴点の特徴を識別するために、また、特徴の一致を評価するために、他の技術を使用し得ることを当業者は理解するであろう。
ひとたび、一致候補ケーキ領域735の集合が決定されると、候補ケーキ領域のよりよい推定を提供するセグメント化候補ケーキ領域745を決定するために、候補ケーキ領域セグメント化ステップ740が使用されることができる。好ましい一実施例において、セグメント化候補ケーキ領域は、一致候補ケーキ領域735の全てからの情報を使ってデジタル画像をセグメント化することによって得られる。このセグメント化を実行するために使用することができる方法は、ギャラガー(Gallagher)他による、「人認識のための衣類の共通セグメンテーション」と題する論文(IEEE Conference on Computer Vision and Pattern Recognition, pp. 1-8 2008)において説明されている。ギャラガー他は、同じ衣類を着ている同じ人物であると考えられる1以上の画像から学習された衣類モデルに基づくグラフカット(graph cuts)を使って、各画像における衣類領域をセグメント化する方法を教示している。検討中の衣類領域は、同じ人物であると考えられる顔と関連付けられる。本発明においては、顔に関連付けられた衣類領域をセグメント化するよりも、灯されたキャンドル及びSIFT特徴に関連付けられたケーキ表面がセグメント化される。候補ケーキ領域セグメント化ステップ740の結果は、セグメント化候補領域745の集合である。
ケーキ存在テスト750が、セグメント化候補ケーキ領域745がお祝いケーキであるらしいか否かを決定するために使用される。好ましい一実施例においては、ケーキ特徴の集合が、セグメント化候補ケーキ領域745から抽出され、訓練された分類器を使って評価される。訓練された分類器は、機械学習の技術分野における当業者に周知のいかなる方法によって構築されることができる。ケーキ特徴は、ケーキ及びキャンドルに関連する他の特徴とともに、SIFT特徴を含むことができる。例えば、多くのお祝いケーキは、製菓材料と共に食料品店で一般に見つけることのできるキャンドルを使用する。
もし、ケーキ存在テスト750が、ケーキが存在すると判断するならば、イベント分類230(図2)の決定において役立つことのできるケーキについてのケーキ情報325を抽出するために、ケーキ情報抽出ステップ755が使用される。ケーキ情報の種類は、ケーキのサイズ、形、および色;ケーキの上の記載から抽出された文字列;ケーキ上の装飾的特徴に関する情報;キャンドルの種類、色および分布;そして、キャンドル炎のサイズおよび分布を含むことができる。
ケーキ上の記載は、しばしば、イベントあるいは主賓を識別するための多くの重要な手がかりを提供する。ある実施例においては、ケーキ情報抽出ステップ755は、ケーキの表面から文字列を抽出するために文字列認識を採用することができる。これは、まず、1以上のケーキ画像内のケーキ表面領域を特定することで行うことができる。次に、ケーキ表面領域内において、文字列領域が特定されることができ、そして、ケーキの表面上に書かれた文字列の特徴を特定するために、英数字文字列認識アルゴリズムが使用されることができる。文字列認識アルゴリズムは従来技術において周知であり、本発明に従ったいかなる適切な方法を使用することができる。多くの場合、文字列認識アルゴリズムを実行する前に、ケーキ表面領域に平行化変換を適用することは、撮影された画像におけるなんらかの射影歪みを矯正するために役立つことができる。これは、文字列認識処理の信頼性を向上させることに役立つことができる。平行化変換は、画像処理技術において周知である。ある実施例においては、ケーキ表面領域の四隅のための座標が特定され、ケーキ表面領域を四角形に変換するための、平行化変換のためのパラメータの組が決定される。
「重力の方向に基づく画像処理」と題するギャラガーに対する米国特許7,583,858は、遠近法ワープ化場面四角形(perspective-warped scene rectangle)(この場合、ケーキの表面)の平行化(rectification)を提供する一方法を記載している。この方法は、場面四角形の両方の直交方向に関連付けられた消失点を見つけることにより機能する。次に、消失点は、平行化変換のためのパラメータを決定するために利用される。
ある実施例において、平行化変換のためのパラメータは、炎の大きさは物理的に同じようなサイズであり、また、キャンドル炎は、(平面の)ケーキ表面からすべてほぼ等しい距離にある、という前提に基づいて決定されることができる。次に、パラメータは、ケーキ表面の画像に対して平行化変換が適用されたとき、変換された画像におけるキャンドル炎が同じようなサイズになるように、(例:最小二乗回帰技術を使って)決定することができる。この手法は、四辺形でないケーキに対して使用することができるという利点がある。
例えば米国特許6,652,897において記載されているように、食用インクジェットインク及びレシーバ媒体の出現により、多くのケーキが、主賓の画像を特徴として持っている。例えば、周年祝いケーキは、ケーキの表面上に結婚式の写真の複製を特徴として持ち得る。同様に、卒業祝いケーキは、卒業写真を特徴として持ち得る。このような場合、ケーキ情報抽出ステップ755は、ケーキの上に現れた顔と関連デジタル画像の集合210(図2)の中で見つかる他の顔と、または、デジタル画像コレクション200(図2)の中の他の画像の中に現れる顔と、一致させるために、顔認識技術を採用することができる。このように、ある実施例において、先に図3を参照して説明した顔情報検出ステップ330において採用された方法と同じ方法で、ケーキの表面から顔情報が抽出され得る。先に議論した文字列検出においてそうであったように、顔情報の抽出はまた、ケーキの表面の画像に対して平行化変換をまず適用することによって、利益を得られる。
誕生日ケーキ805を含むデジタル画像800の例が図8Aに示されている。誕生日ケーキは、主賓815とともに、7本の灯された誕生日キャンドルの集合810を含んでいる。この場合、人工光放射源情報305(図3)は、灯されたキャンドル810についての情報と、灯されたキャンドル810の空間的配置を記載する空間的配置情報325(図3)とを含むであろう。この情報は、ケーキ的キャンドル配置テスト700(図7)によって、デジタル画像800における対応する候補ケーキ領域715(図7)を決定するために使用されることができる。そして、候補ケーキ領域715から、候補ケーキ特徴725(図7)が抽出される。
図8Bは、同じ誕生日ケーキ805をやはり含む別の関連デジタル画像820を示す。今回は、誕生日キャンドル825は灯されていない。一致候補ケーキ領域発見ステップ730(図7)を使用することができ、デジタル画像820を、一致候補ケーキ領域735(図7)を含むものとして識別する。デジタル画像820において示された視点からは、誕生日ケーキ805の詳細がよりはっきりと見ることができ、年齢835(すなわち「7」))と一緒に文字列メッセージ「Happy Birthday John(誕生日おめでとう、ジョン)」を含む文字列領域830とともに、装飾的特徴840が含まれている。デジタル画像820は、長方形のケーキが台形に見える射影歪みを含むことが見てとれる。平行化変換が、この射影歪みを矯正するために使用されることができ、図8Cにおいて示されるような平行化されたケーキ表面領域845を生成する。平行化されたケーキ表面領域845は、イベント分類230の決定において役立つケーキ情報325(図7)を決定するために、より高い信頼性をもってケーキ情報抽出ステップ755を使って解析されることができる。例えば、文字列認識、顔検出、および顔認識アルゴリズムが、一般に、歪んでいない文字列や画像に対してより良く機能する。
図2の議論に戻って、先行する議論では、関連デジタル画像の集合210から抽出され、イベントインジケータ220において与えられる多種多様な情報について取り上げてきた。イベントインジケータ解析ステップ225は、決定したイベントインジケータ220を解析することにより、イベント分類を決定するために使用されることができる。ある実施例において、イベントインジケータ解析ステップ225は、オプションとして、関連デジタル画像の集合210に関連する画像メタデータ245の他の様々な項目を決定することができる。
イベントインジケータ解析ステップ225は、イベント分類230および画像メタデータ245をイベントインジケータ220から決定するために、従来技術における周知のいかなる方法を使うことができる。図9は、一実施例に従ったイベントインジケータ解析ステップ225の追加の詳細を示すフローチャートを示す。この例では、関連するイベント分類を絞り込むために決定木方式が使われている。他の代替実施例において、イベントインジケータ解析ステップ225は、他の方式を利用することができる。例えば、分類器は、機械学習の技術分野におけるいかなる周知の方法を利用して、イベントインジケータ220に直接働きかけるように訓練されることができる。
図9に示された方法に従って、イベントインジケータ220によって示されているとして、デジタル画像の中に存在する人工光放射源の種別をまず決定するために、光源種別テスト910が使用される。光源種別は、最も確からしいイベント分類230を決定するために役立つ貴重な情報を提供する。
もし、光源種別テスト910が、デジタル画像がキャンドルを含むと判定するならば、一連の追加のテストが、イベント分類のオプションをさらに絞り込むために使用されることができる。キャンドルを含む多くのデジタル画像は、灯されたキャンドルの集合を含むお祝いケーキ画像である。ケーキがデジタル画像の中に存在するか否かを判定するために、ケーキ存在テスト920が使用されることができる。ある実施例において、ケーキ存在テスト920は、図7のケーキ存在テスト750と同一であることができる。好ましい一実施例において、デジタル画像がお祝いケーキを含むとき、イベントインジケータ220は、図7を参照して議論されたような方法を使って決定されたケーキ情報325(図3)を含む。この場合、ケーキ存在テスト920は、ケーキ情報325が存在するか否かを決定するために、単純にイベントインジケータ220を調べることができる。
ケーキの検出は、ケーキが普通に見られるような、お祝いのある種別を強く示すものである。お祝いの種類は、誕生日、結婚式、周年祝い、卒業、退職を含むが、これに限定されない。もし、ケーキ存在テスト920が、お祝いケーキが存在すると判断するならば、イベントインジケータ220に応答する、対応するイベント分類230を決定するために、ケーキイベントクラス決定ステップ925が使用される。
お祝いケーキを含むデジタル画像のためのイベント分類230を決定するために、ケーキイベントクラス決定ステップ925は、従来技術においていかなる周知の方法を使うことができる。好ましい一実施例において、ケーキイベントクラス決定ステップ925は、イベントインジケータ220に格納された様々な項目の情報を使用してイベント分類230を決定する。図3を参照して議論されたように、イベントインジケータ220は、検出された光源(人工光放射源情報305によって表される)と、光源の空間的配置(空間的配置情報305によって表される)とに関する情報を含む。ある実施例において、イベントインジケータ220はまた、いかなる検出されたお祝いケーキに関する情報(ケーキ情報325によって表される)、画像の中にいると検出された人物に関する情報(顔情報345によって表される)、画像撮影日(撮影メタデータ355から決定された)に、またはその近くで起こった周知のイベント(イベントカレンダー370から)に関する情報、または、他の関連情報(補助情報365によって表される)を含むことができる。
多くの場合、文字列認識アルゴリズムによって認識されたいかなる文字列は、イベント分類の直接の表示を提供することができる。文字列は、ケーキの表面から抽出され、ケーキ情報325に格納されたものであり得、または、場面の中(例えば横断幕上)で検出され、補助情報365において表されたものであり得る。例えば、ケーキの表面上、あるいは、デジタル画像の集合の中の飾り付け上での文字列「Happy Anniversary(周年おめでとう)」の検出は、イベント分類230を「周年イベント」として直接識別するために使用されることができる。同様に、文字列「Happy Birthday(誕生日おめでとう)」の検出は、イベント分類を「誕生日イベント」として識別する、あるいは、文字列「Congratulations Graduate(卒業おめでとう)」の検出は、イベント分類を「卒業イベント」として識別する。他の場合では、文字列はより曖昧であり得る。例えば、文字列「Congratulations John(おめでとう、ジョン)」は、イベント分類230が誕生日イベント、卒業イベント、または、何か他のイベント(例:受賞セレモニー、または、婚約パーティイベント)であることと一致するであろう。
しばしば、認識された文字列はまた、イベント分類230を決定するのに役立つことができる他の重要な情報を含むことができ、画像メタデータ245として格納されることができるイベントに関連する情報を提供する。例えば、認識された文字列は1以上の名前を含み得、お祝いにおける主賓を識別する。認識された文字列はまた、誕生日を祝う人の年齢や、周年を祝うカップルの結婚年数や、卒業年等の情報を提供する数を含み得る。ケーキ上の、または、関連デジタル画像の集合210のどこかの、装飾的特徴の種類はまた、イベント分類についての役に立つ手がかりを提供することができる。(装飾的特徴についての情報は、ケーキ情報325、あるいは、補助情報365において表され得る。)例えば、ケーキ上のベルの存在は、典型的に、ウェディングケーキ、または、周年祝いケーキと関連付けられる。同様に、卒業帽は、一般に卒業ケーキを表す。
ケーキの形および色(ケーキ情報325に表されるような)はまた、イベント分類230の表示を提供することができる。例えば、白い階段状のケーキは、典型的に、結婚式と関連付られ、一方、色付きのフロスティング(colored frosting)を伴う丸い層状ケーキは、よりしばしば誕生日と関連付けられる。同様に、キャンドルの大きさ、種類、色、およびパターン(人工光放射源情報305、および、空間的配置情報315によって表される)は、ケーキ種別の、従ってイベント分類230の、追加的表示を提供することができる。1本から20本の間の、ケーキを横切って分散された小さくて色のついたキャンドルは、典型的に誕生日ケーキと関連付けられる。ここで、キャンドルの数は一般的に、主賓の年齢を表す。数字に似た形のキャンドルは、しばしば、より年配の主賓のための誕生日ケーキのため、または、時には周年祝いケーキのために使用される。この場合、年齢または周年は、数字から直接決定され、画像メタデータ245の中に格納されることができる。
ある実施例において、ケーキイベントクラス決定ステップ925はまた、ケーキ領域以外にデジタル画像の他の部分から引き出された特徴の解析を含むことができる。例えば、顔情報345は、自動顔検出アルゴリズムが、お祝いケーキを含むデジタル画像の中に顔を検出したことを示し得る。もし、お祝いケーキの近くに1以上の顔が検出されるならば、これは、イベント分類230を決定するための役に立つ手がかりを提供することができる。例えば、お祝いケーキのすぐ後ろの位置に1つの顔が検出されたならば、これは、ケーキが誕生日ケーキであることと一貫性がある。特に、もし、関連デジタル画像の集合210(図3)が、キャンドルの灯が消された同じケーキを含む画像が後に続く、灯されたキャンドルと一緒のケーキを含む画像を含むならば、ケーキが誕生日ケーキであることと一貫性がある。もし、一対の顔がお祝いケーキのすぐ後ろに検出されるならば、これは、ケーキが周年祝いケーキであることと一貫性があるであろう。加えて、関連デジタル画像の集合内の画像シーケンスが解析され、1以上の顔が他よりもより顕著に特徴付けられているか否かを決定することができる。ある実施例において、イベントカレンダー370からの情報は、イベント分類230および画像メタデータ245を決定するために役立つ追加情報を提供するために使われることができる。イベントカレンダー370は、解析中の特定のデジタル画像の画像撮影日時(撮影メタデータ355において表される)とともに、イベントについてさらなる情報を決定するために使用されることができる。例えば、もし、イベント分類230が「誕生日」で、イベントカレンダー370が、画像撮影日の、または、画像撮影日頃の、特定の人物の誕生日を示すならば、イベント分類230は、単に一般的な誕生日イベント分類を提供するよりも、特定の人物のための誕生日(例、「ジョンの誕生日」)のためであることができる。代わりに、一般的な「誕生日」分類がイベント分類230のために使用され、主賓はジョンであるという表示が画像メタデータ245に格納されることができる。
顔検出アルゴリズムが、デジタル画像における1以上の人物を検出するために使用された場合に対して、人物識別情報(例、文字列認識、あるいは、イベントカレンダーを使用して決定された)が、名前と特定の顔とを関連付けるために使用されることができる。これは、他のデジタル画像における同じ人物を認識するように顔認識アルゴリズムを訓練するための役立つ情報を提供することができる。例えば、もし、顔が誕生日ケーキのすぐ近くにおいて検出されるならば、そして、画像が、ジョンの誕生日に撮影されたと決定されるためにイベントカレンダー370が使用されるならば、検出された顔はおそらくジョンであると推測されることができる。この情報は、他のデジタル画像においてジョンを認識するように顔認識アルゴリズムを訓練するために使用することができる。
ある場合には、ケーキイベントクラス決定ステップ925は、適切なイベント分類のいかなる明確な表示も検出し得ないかもしれない(例、もし、イベント特徴が、予期されるケーキ特徴と一貫性がないならば)。この場合、決定したイベント分類230は、「不明イベント」と設定されることができる。
祝日やセレモニーの多くの種類が、関連付けされたキャンドルを持っている。キャンドルの種別や空間的配置についての情報は、祝日またはセレモニーの種別についての重要な手がかりを提供するために使用されることができる。もし、ケーキ存在テスト920が、ケーキが存在しないことを示すならば、キャンドルが、祝日またはセレモニーに関連付けられるキャンドルとして認識可能な配置に対応するか否かを判定するために、祝日/セレモニーテスト930が使用される。もし、そうであるならば、関連するイベント分類を決定するために、祝日/セレモニークラス決定ステップ935が使用される。
祝日に関連付けられるキャンドルの認識可能な配置の例は、降臨キャンドル配置(advent candle arrangement)であり、これは、クリスマス祝日と関連付けられるであろう。図10Aは、灯されたキャンドルの配置を伴ったクリスマス降臨リース1005を含むデジタル画像1000の例を示している。降臨リースのために使用されるキャンドルは、しばしば、お祝いケーキの上に見られるものよりもずっと大きい。降臨キャンドル配置は、典型的に、降臨リース1005の周囲に分散した4本の降臨キャンドル1010を含む。降臨キャンドル配置のあるものは中央キャンドル1015を含み、中央キャンドル1015はしばしば、外側の4本の降臨キャンドル1010よりも背が高いかまたは幅広い。降臨キャンドル1010の中の1本が、降臨(クリスマス)シーズンの最初の週の間灯される。追加の降臨キャンドル1010は、続く週の間灯され、その結果、降臨リースのデジタル画像は、いつデジタル画像が撮影されたかに応じて、1本、2本、3本、または4本の灯されたキャンドルを持つ。ある実施例において、もし、祝日/セレモニーイベントクラス決定ステップ935が、特定のデジタル画像が1本から5本の灯されたキャンドルのグループを含むと判定したならば、さらに解析が実行されて、キャンドル配置が降臨キャンドル配置に対応するか否かを判定する。例えば、分類器は、人工光法放射源情報305、空間的配置情報315、およびデジタル画像から決定された他の特徴(例、SIFT特徴)に応答して、降臨キャンドル配置を認識するように訓練されることができる。
祝日と関連付けられるキャンドルの認識可能な配置の他の例は、ハヌカのユダヤ教の祝日を祝うキャンドルを持つために使われるメノーラ(menorah(燭台))である。ハヌカを祝うために使用されるメノーラは一般に、対称のパターンに配置された9本のキャンドルを含む。これらのキャンドルはまた、典型的に、お祝いケーキキャンドルとは非常に異なっている。図10Bは、9本の灯されたメノーラキャンドル1030の配置とともにメノーラ1025を含むデジタル画像1020の一例を示す。しばしば、中央のメノーラキャンドル1030は、他のキャンドルよりも高いレベルに置かれ得る。降臨キャンドル配置についてと同じように、メノーラキャンドル1030は、ハヌカ祝日の期間徐々に灯される。その結果、メノーラを含む画像は、様々な数の灯されたキャンドルを含み得る。ある実施例において、もし、祝日/セレモニーイベントクラス決定ステップ935が、特定のデジタル画像が1本から9本の灯されたキャンドルのグループを含むと判定されたならば、特定のデジタル画像が、メノーラキャンドル配置を含むか否かを判定するために、さらに解析が実行されることができる。例えば、分類器は、メノーラキャンドル配置を認識できるように訓練されることができる。
セレモニーに関係付けられたキャンドルの認識可能な配置の一例は、多くの結婚式に関連付けられるユニティーキャンドル配置である。ユニティーキャンドル配置は、典型的に、新郎新婦を象徴する一対のキャンドルと、および結婚の結合を象徴するより大きな中央キャンドルとを含む。図10Cは、ユニティキャンドル配置を含むデジタル画像1040の一例を示す。この例において、新郎1045は、灯された新郎キャンドル1050を持っており、新婦1055は、灯された新婦キャンドル1060を持っている。この例において、新郎新婦は丁度中央のユニティキャンドル1065に灯をつけたところである。結婚式で撮影されたデジタル画像において、灯されたユニティーキャンドルの異なる配置が、結婚式セレモニーの間の異なる時点で見られる。典型的に、セレモニーの始まりでは、新郎キャンドル1050と新婦キャンドル1060は、キャンドルホルダー1070の中に位置している。次に、新郎1045と新婦1055の両親が、それぞれ新郎キャンドル1050と新婦キャンドル1060に灯をともすであろう。次に、セレモニーの間の適切な時に、新郎1045と新婦1055は、図10Cに示されるように、各々のキャンドルを使って中央のユニティキャンドルに灯をともすであろう。次に新郎新婦は、新郎キャンドル1050と新婦キャンドル1060を吹き消し、キャンドルホルダー1070に戻す。従って、ユニティキャンドル配置を含むデジタル画像は、セレモニーのどの時点で画像が撮影されたかに応じて、2本、3本、または、1本の灯されたキャンドルを持ち得る。ある実施例において、もし、祝日/セレモニーイベントクラス決定ステップ935が、特定のデジタル画像が1本から3本の灯されたキャンドルを含むと判定したならば、特定のデジタル画像がユニティキャンドル配置を含むか否かを判定するために、さらに解析が実行されることができる。例えば、分類器は、ユニティキャンドル配置を認識できるように訓練されることができる。
祝日およびセレモニーであって、しばしば関連付けられるキャンドルを持つものの他の例は、バレンタインデー、洗礼、コンファメイション(confirmations)を含む。祝日/セレモニーイベントクラス決定ステップ935は、これらの、または他の祝日及びセレモニーに関連付けられるキャンドル配置を検出する、と一般化されることができる。
ある実施例において、祝日/セレモニーイベントクラス決定ステップ935は、祝日/セレモニーテスト930と統合される。この場合、祝日/セレモニーテスト930は、一連の分類器(すなわち、祝日/セレモニーイベントクラス決定ステップ935によって使用される分類器の集合)を使ってイベントインジケータ220を解析することによって機能し、キャンドル配置が、周知の祝日またはセレモニーに対応するか否かを判定する。もし、分類器の1つが、キャンドル配置が、特定の祝日またはセレモニーに対応すると判定するならば、それに応じてイベント分類230が設定される。もし、いずれの分類器もプラスの応答を生成しないならば、祝日/セレモニーテスト930は、キャンドル配置が周知の祝日またはセレモニーに対応しないことを表す値を返す。もし、祝日/セレモニーテスト930が、キャンドル配置が周知の祝日またはセレモニーに対応しないと判定するならば、イベント分類230を決定するために、他キャンドルイベントクラス決定ステップ940が呼び出される。ある実施例において、他キャンドルイベントクラス決定ステップ940は、単にイベント分類を「不知(unknown)」と設定し、オプションとして、キャンドル配置についての情報を画像メタデータ245に格納する。他の実施例において、他キャンドルイベントクラス決定ステップ940は、従来のイベント分類方法(例、キャンドルの存在に関係しない方法)を使って、画像を解析しイベント分類230を推定する。
次に、光源種別テスト910が、デジタル画像が点源を含むという表示をイベントインジケータ220が提供していると判断した場合について検討する。点源の配置は、効果的なイベント分類のために利用できる大量の情報を含む。図9に示される例示の実施例において、点源の配置が祝日ライトの集合と一致するか否かを判定するために、祝日ライトテスト950が使用される。ある実施例において、祝日ライトテスト950は、1以上の訓練された分類器を用いて、光源の空間的配置に関係する特徴の集合を解析する。好ましい一実施例において、特徴の集合は以下のものを含む:
・各検出された点源の(x,y)画素位置、画素位置の平均および分散とともに;
・検出された点源の数;
・検出された点源についての「コンパクト」値(例、すべての(または、すべてより小さいある数の)検出された点源の凸包(convex full)の領域の、デジタル画像の領域に対する割合);
・D:検出された点源に対して計算されたドロネー三角形分割の辺(edges)の合計(この特徴について、各検出された点源は、周知のドロネー三角形分割を使って形成される、グラフGにおける頂点と見なされる);
・M:検出された点源について計算された最小全域木(minimal spanning tree)の枝(edges)の合計(最小全域木は、各頂点とそのK=1の最近接隣接との間に枝が確立される、頂点全体にわたって形成されるK最近接隣接グラフである。);典型的に、最小全域木における枝は、照明配置の構築に使用される実際の物理的電気配線またはコードのトレース(traces)に従う;
・M/D:上述の2つの量の比率(人工の点源配置は、典型的に、検出された点源が実際は偽陽性であるとき−例えば、森における木の枝/葉の間のスカイライト(skylight)の小さな断片等は、画像全体にランダムに分散する可能性が高い−に比べて低いM/D比率を持つ。);および
・光源についての向きのヒストグラム(一実施例において、各光源について主軸または向きが見つかる。そして、主軸または向きは、−πからπまでの間の角度を表す16のビン(bins)へ量子化される。);向きのヒストグラムは、光の向きの方向(orientation direction)の分散を表し、点源についての情報を得るために役立つ(例、クリスマスツリー上のクリスマスライトは、典型的に、電球の向きのランダムな配置を持つ。)。
なお、向きのヒストグラムはまた、灯されたキャンドルの空間的配置を解析するためにも役立つ特徴である。人工の光放射源がキャンドル炎であるとき、向きのヒストグラムは、(慣習的に誕生日の主賓によって行われるように)灯されたキャンドルが吹き消されつつある場合の画像を検出するために使用することができる。キャンドルが吹き消されるとき、キャンドルの炎はゆらゆらする(すなわち、ランダムに近い向きをとる)か、または、「風」の方向に従う(すなわち、主賓の息に従う)。対照的に、静止した空気の環境においては、キャンドル炎は、縦方向に引き伸ばされる。こうして、向きのヒストグラムは、誕生日イベントにおける「キャンドルの吹き消し」に関する副イベント分類を決定するために役立つ。さらに、この特徴はまた、キャンドルが吹き消される瞬間はしばしば誕生日イベントの望ましい代表的な瞬間であるので、関連デジタル画像の集合210(図2)から強調画像を選択するために役立つ。選択された強調画像は、例えば、いろいろな応用において、目立つ位置(position of prominence)を与えられる。例えば、強調画像のより多くのハードコピー印刷が印刷されることができ、強調画像は、他の画像よりもより大きく印刷されることができ、複数の画像のレイアウトにおいて(例、ソフトコピーの表示上)より多くのスペースが強調画像に割り当てられることができ、あるいは、強調画像は、他の画像と比較してより長い時間の間表示されることができる。
ある場合には、さらにもっと洗練された空間的処理が可能である。例えば、もし、祝日ライトが、電気コードに等間隔でぶら下がっているならば、各ライトの三次元の位置を再構築することができる。これは、例えば、人工光放射源が建物や家の屋根ラインや壁の隅に沿って位置しているときに、役に立つ。更に、もし、各人工光放射源の物理的な大きさがおおよそ等しいならば、画像における点源の大きさ(例、画素の数によって測定される)は、カメラから光放射源までの距離に関係する。光放射源が小さく見えれば見えるほど、光放射源はカメラからより遠くにある。
もし、祝日ライトテスト950が、点源の配置が祝日ライトの集合と一致すると判定するならば、イベントインジケータ220に対応するイベント分類230を決定するために、そしてオプションとして、関連する画像メタデータ245を提供するために、祝日イベントクラス決定ステップ955が使用される。祝日イベント分類を決定するために、いかなる周知の方法が使われることができる。イベントインジケータ220において表された画像の多くの観点は、人工光放射源情報305、空間的配置情報315、補助情報365、撮影メタデータ、およびイベントカレンダー370を含め、祝日を識別するために重要な手がかりを提供することができる。
ある実施例において、祝日イベントクラス決定ステップ955は、個々の検出された祝日ライトの色を解析する。例えば、祝日ライトの紐のあるものは、色が交互に変わる電球を含む(例、赤−白−赤−白);この色のパターンは、検出された人工光がクリスマスイベントに関連付けられることの表示を提供することができる。同様に、オレンジ色はしばしば、ハローウィンに関連付けられる。ある実施例において、祝日イベントクラス決定ステップ955はまた、撮影メタデータ355からのデジタル画像の撮影日と、予め決められていることができる、または、イベントカレンダー370から決定されることができる周知の祝日の日付とを比較する。
もし、オレンジ色の祝日ライトを含むデジタル画像が、遅い10月の撮影日を有しているならば、デジタル画像はハロウィーンイベント分類に対応する可能性が高い。同様に、もし、祝日ライトの配置を含むデジタル画像が12月の撮影日を有しているならば、デジタル画像はクリスマスイベント分類に対応する可能性が高い。
ある実施例において、祝日イベントクラス決定ステップ955は、イベントインジケータ220に応答して異なるイベント種別を認識するように訓練された分類器(例、支援ベクトルマシン分類器(support vector machine classifier))の集合を利用する。例えば、図11Aは、複数の電気祝日ライト1104を有する祝日ライトストリング1106で飾られたクリスマスツリー1102を含むデジタル画像1100を示す。検出される人工光放射源は点源であり、そして、コンパクトな空間的配置において発生している(すなわち、人工光放射源は、木の領域の周囲に高密度に押し込められている。)。加えて、空間的配置の解析は、顕著な光のストリングを顕在化させることができる。この情報は、画像撮影日等の他の情報とともに、イベント分類230は「クリスマスイベント」であるべきであるとの結論が出されるに、訓練された分類器によって利用されることができる。ある実施例において、また、より細かい、副イベント分類が提供されることができる(例、木の上のクリスマスライト)。
図11Bには、家1122のデジタル画像1120が示されており、家1122は、窓には電気キャンドル1124が含まれ、家の隅1126と屋根のライン1128に沿って電灯1104のストリングが含まれている。この構造は、光の空間的解析によってとらえられ、そして、訓練された分類器を使って解析されて、イベント分類230は「クリスマスイベント」であるべきとの結論が出される。ある実施例において、より細かい、副イベント分類がまた、提供され得る(例、「家の上のクリスマスライト」)。
図11Cは、祝日ライト1104のストリングによって灯された装飾的かぼちゃ提灯(jack-o-lantern)1142を含む、家1122のデジタル画像1140を示している。祝日ライト1104の空間的配置および色、そして、画像撮影日等の特徴が、訓練された分類器によって利用され、イベント分類230は「ハローウィンイベント」であるべきとの結論が出される。ある実施例において、より細かい、副イベント分類が提供されることができる(例、ハローウィンのかぼちゃ提灯)。
ある場合には、人工光源は語句や文字を構築するように配置される。図12Aは、点灯された語句1205(すなわち、「PEACE ON EARTH」)を含む多くの異なる要素を含む複雑な祝日ライトディスプレイのデジタル画像1200を示している。このような場合、なんらかの英数字を検出および解読するために、空間処理が使われることができる。図12Bは、点源マップ1210を示しており、点源1215の集合のために決定された関連するドロネーグラフ1220とともに、図12Aのデジタル画像1200から決定された、検出された点源1215の集合を示している。図12Cは、検出された点源1215に対して上述の方法を使って決定された最小全域木1230を示す。最小全域木1230は、最寄の点源1215を接続する枝1235を含む。明らかに、点源1215は、良く知られたクリスマスの挨拶である「PEACE ON EARTH」が書かれた英数字を形成している。若干の不完全さはあるものの、光学的文字認識(OCR)技術が、なんらかの英数字または他のシンボルを認識するために、検出された点源1215(および、関連するグラフ及び特徴)に対して適用されることができる。識別された文字及びシンボルは、イベントインジケータ220に含まれることができ、そして、祝日イベントクラス決定ステップ955(または、図9における他の分類ステップのいずれか)によって使用されることができ、イベント分類230の決定の助けとなる。例えば、デジタル画像1200における語句「PEACE ON EARTH」の検出は、イベント分類230が「クリスマス」であるべきとの強い表示を提供するであろう。
図9の議論に戻って、もし、祝日ライトテスト950が、検出された点源は祝日ライトではないと判断するならば、イベント分類230を決定するために、他点源イベントクラス決定ステップ960が使用される。ある実施例において、他点源イベントクラス決定ステップ960は、単にイベント分類を「不知」と設定し、オプションとして、点源の配置についての情報を画像メタデータ245に格納する。他の実施例において、他点源イベントクラス決定ステップ960は、従来のイベント分類方法(例、人工光放射源の存在に関係しない方法)を使って、画像を解析しイベント分類230を推定する。
もし、光源種別テスト910が、人工光放射源がキャンドルでなく、点源でもないと判断するならば(すなわち、種別が「他の源」であるならば)、様々なテストが源種別を判定するために適用されることができる。図9の例において、人工光放射源が花火か否かを決定するために、1つの花火テスト980だけが示されている。ネオンライト、テーブル/フロアランプ、車のライト、および道路フレア(road flares)等の光放射源の他の種別を識別するために、同様のテストが使用されることができることは、当業者によって理解されるであろう。
花火は、一般的に、中心点から始まる弧状の経路を進み、良く知られた花火のパターンを形成する大量の点源で構成される。しかし、花火の画像を撮影するために使用される露出時間は、一般に、個々の点源が解像できず、むしろ、一緒に弧となってぼやけるのに十分な程度に長い。花火テスト980は、花火のディスプレイに典型的なパターンを識別するように訓練された分類器を利用することができる。図13Aおよび13Bは、第1のデジタル画像1300(第1の時間に撮影された)と、第2のデジタル画像(直後に撮影された)を含む、デジタル画像の時間シーケンスを示している。両デジタル画像は、花火1305を描いている。第2のデジタル画像1310において、花火1305は、中心からさらに外へ延びている。ある場合には、人工光放射源の空間的解析は、時間経過にともなう光源の外観の変化を特徴付ける特徴記述を含むことができる。例えば、時間シーケンス内の光源を囲む凸包のサイズは、花火画像を識別するために役に立つことができる。典型的に、光輝く花火粒子が、最初の爆発位置から進むに従って、凸包のサイズは大きくなる。
図9の議論に戻って、もし、花火テスト980が、人工光放射源が花火であると判定するならば、イベント分類230を決定し、さらにオプションとして、画像メタデータ245を提供するために、花火イベントクラス決定ステップ985が使用される。ある場合には、イベント分類230は、単純に、「花火ディスプレイ」と設定されることができる。花火ディスプレイは、典型的には、独立記念日や元日等の祝日と関連付けられる。撮影された画像に関連付けられた画像撮影日は、しばしば、対応する祝日の表示を提供することができる。この場合、副イベント分類が定義されることができる(例、「独立記念日花火ディスプレイ」)。
もし、花火テスト980が、人工光放射源は花火でないと判定するならば、イベント分類230を決定するために他源イベントクラス決定ステップ990が使用される。ある実施例において、他源イベントクラス決定ステップ990は、人工光放射源の他の種別を識別するために、分類器を適用することができる。例えば、デジタル画像におけるネオンライト源を識別するために、ネオンライトテストが使用されることができる。図13Cは、ネオンライトの配置1330を有するネオンサイン1325を含むデジタル画像1320の一例を示している。これらのライトの存在を検出することは、ときには、適切なイベント分類230についての貴重な手がかりを提供することができる。例えば、ネオンサイン1325における文字列は、OCR技術を使って解析され、語句「WELCOME To Fabulous LAS VEGAS(素晴らしいラスベガスへようこそ)」を認識することができる。これは、デジタル画像1320のための適切なイベント分類230が「ラスベガス休暇」であることの強力な表示を提供するであろう。
ある実施例において、他源イベントクラス決定ステップ990は、単にイベント分類を「不知」と設定し、オプションとして、人工光放射源についての情報を画像メタデータ245に格納する。他の実施例において、他源イベントクラス決定ステップ990は、従来のイベント分類方法(例、人工光放射源の存在に関係しない方法)を使って、画像を解析しイベント分類230を推定する。図2の議論に戻って、イベント分類230の表示と画像メタデータ245を関連デジタル画像の集合210に関連付けられたメタデータとしてプロセッサアクセス可能なメモリに格納するイベント分類及び画像メタデータ格納ステップ235に対して、イベント分類230が、およびオプションとして画像メタデータ245が、提供される。これによって、関連デジタル画像の分類された集合240が提供される。イベントインジケータ解析ステップ225によって決定された情報のあるものは、関連デジタル画像の集合210のメンバーのすべてに適用され得るが、一方、他の情報は、関連デジタル画像の集合210の部分集合にだけ適用され得る。例えば、イベント分類230は、一般的に、関連デジタル画像の集合210のメンバーのすべてと関連付けられる。一方、画像のいくつかだけが、お祝いケーキ等の認識された要素を含み得る。後者の場合、お祝いケーキを伴う画像だけが、その情報に関連するメタデータタグを受け取るであろう。ある実施例において、各デジタル画像において検出された人工光放射源に関連するメタデータ(例、人工光放射源情報305および空間的配置情報315)は、その特定のデジタル画像に関連付けられたメタデータとして格納される。
イベント分類230及び画像メタデータ245は、当業者に周知のいかなるフォーマットを利用して格納されることができる。ある実施例において、イベント分類230は、XMP(アドビー社の拡張メタデータプラットフォーム(Extensible Metadata Platform))、あるいは、EXIF(交換可能画像ファイルフォーマット(Exchangeable Image File Format))に関連するように標準的なメタデータフォーマットを使用するデジタル画像ファイル内のメタデータタグを使用して格納されることができる。イベント分類230はまた、コダック社のギャラリー(Gallery)やフリッカー(Flickr)等のオンライン写真共有ウェブサイトにおけるタグを介して、関連デジタル画像の集合210におけるデジタル画像と関連付けられることができる。他の実施例において、イベント分類230及び画像メタデータ245は、デジタル画像コレクション200におけるデジタル画像のいくつかまたはすべてと関連付けられた別のファイル(例、データベース)の中に格納されることができる。
図2を参照して議論された方法は、関連デジタル画像識別ステップ205によって識別された関連デジタル画像の集合210のそれぞれに対して繰り返されることができる。ある場合には、ある特定の関連デジタル画像の集合210におけるデジタル画像の中に人工光放射源が含まれるものが1つもないであろう。このような場合、周知の他の方法がイベント分類を決定するために使用されることができる。使用されることのできる、そのようなイベント分類の1つの方法が、「イベントに基づいた意味的分類のための方法」と題するダス(Das)他への米国特許出願2010/0124378において開示されている。ある実施例において、本発明の方法は、正確な分類の確からしさを改善するために、イベント分類を決定するための他の方法と組み合せられることができる。
ひとたびイベント分類230が、関連デジタル画像の集合210のために決定されると、この情報は、様々な目的のために使用されることができる。ある実施例において、イベント分類230は、様々な画像整理及び検索タスクを可能にするために使用されることができる。例えば、特定のイベント分類に関連付けられたデジタル画像のためのユーザの検索を可能にするために、検索ツールが提供されることができる。
ある実施例において、イベント分類230は、他のユーザと共有されることのできるデジタル画像のコレクションを形成するために使用されることができる。例えば、誕生日インベントに関連付けられた画像は、主賓のファミリーメンバーによって共有されるようにすることができる。イベント分類230はまた、イベント分類230に関連付けられた写真製品(例、フォトブック、または、フォトカレンダー)を製造する処理の間に使用されることができる。例えば、結婚式イベントとして分類された関連デジタル画像の集合210におけるデジタル画像のいくつか、またはすべてを含むフォトブック(例、ウェディングアルバム)が製造されることができる。そのフォトブックは、結婚したカップルのために製造されることができる。または、結婚したカップルによって、カップルの両親に対してプレゼントされることができる。同様に、結婚式イベントからのデジタル画像のセレクションを含み、結婚の周年祝いにおいて、結婚したカップルにプレゼントされることができるフォトカレンダーが製造されることができる。
ある実施例において、フォト整理プログラム、または、コダック社のギャラリー(Gallery)のようなオンラインフォト共有ウェブサイトは、決定されたイベント分類230に関連付けられたフォト製品を自動的に用意し、それを、デジタル画像コレクション200の所有者に対して、または、そのデジタル画像コレクション200が共有されている他のユーザに対して、販売のために提供することができる。
コンピュータプログラム製品は、1以上のコンピュータが本発明に従った方法を実行するための命令を有するコンピュータプログラムを格納するために用いられる、例えば、磁気ディスク(フロッピー(登録商標)ディスク等)または磁気テープ等の磁気記憶媒体;光ディスク、光テープ、または機械可読バーコード等の光学的記憶媒体;ランダムアクセスメモリ(RAM)、あるいは、リードオンリーメモリ(ROM)等の固体電子記憶装置;あるいは他のいかなる物理装置または媒体等の、1以上の非一時的で有形のコンピュータ可読記録媒体を含むことができる。