JP2017068827A - パターン判別装置、情報処理装置、パターン判別方法 - Google Patents

Abstract

【課題】 メモリの数の増加を抑えつつ、より高速にパターン判別を行うための技術を提供すること。【解決手段】 パターン判別の対象となるデータを保持した複数のメモリのうち２以上のメモリに対して並列にアクセスして複数のデータを読み出し、該読み出した複数のデータを用いて弱判別器によるパターン判別を行う。【選択図】 図１

Description

本発明は、パターン判別技術に関するものである。

画像中の人体や顔といった特定のパターンを判別する技術が提案されている。特に、近年、携帯端末や車載機器等の組み込みシステム向けの高速・低コストなパターン判別手法が注目されている。

非特許文献１では、パターン検出を高速化させるためのアルゴリズムが提案されている。このアルゴリズムでは、ブースティング学習によってパラメータを生成し、特徴画像を用いて弱判別器を順に処理する。そして、弱判別器の判別結果に基づいて、次の弱判別器を処理するかどうかを判断する。次の弱判別器を処理しないと判断する場合、残りの弱判別器の処理を省略する。

非特許文献２では、非特徴文献１を拡張し、特徴画像の種類を増加させることにより、精度向上を図っている。

非特許文献３では、顔検出を高速化させるためのハードウェア実装方法が提案されている。非特許文献３に記載の技術では、複数カテゴリ（姿勢等）の顔を判別するための弱判別器を空間並列に処理し、画像ウィンドウバッファから特徴画像を読出し、処理時間の短縮を図っている。

P. Viola, M. Jones, "Rapid Object Detection using a Boosted Cascade of Simple Features", Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, Vol. 1, pp. 511-518, December 2001. Piotr Dollar, et al., "Integral Channel Features," Proceedings of British Machine Vision Conference, pp. 91.1-91.11, September 2009. Junguk Cho, et al., "Hardware acceleration of multi-view face detection,"Proceedings of IEEE Symposium on Application Specific Processors, pp. 66-69, July 2009.

高精度のパターン判別を実現するため、カスケード接続された複数の弱判別器を用いた判別処理（非特許文献１、非特許文献２、非特許文献３）は、高速・低コストな手法としてよく使用されている技術である。また、特徴画像の種類は判別処理の処理速度と精度に影響する一つの要素である。特徴画像の種類を増やすことにより、判別処理の性能を向上させることが可能になるが、特徴画像を保持するためのメモリも増加する。

また、特徴画像の参照時間を短縮し、弱判別器処理を高速化させるため、非特許文献３では特徴画像を保持するためのレジスタを設けている。レジスタから特徴画像を並列に参照し、同時に複数の弱判別器を処理する。しかしながら、レジスタはデータ保持装置として、その回路規模が大きいという課題がある。性能向上を目的とし、特徴画像を増加させた場合（非特許文献２）、この課題が一層大きくなる。

本発明はこのような問題に鑑みてなされたものであり、メモリの数の増加を抑えつつ、より高速にパターン判別を行うための技術を提供する。

本発明の一様態は、論理的にカスケード接続された複数の弱判別器を有するパターン判別装置であって、パターン判別の対象となるデータを保持した複数のメモリを有する保持手段と、前記複数のメモリのうち２以上のメモリに対して並列にアクセスして複数のデータを読み出し、該読み出した複数のデータを用いて前記弱判別器によるパターン判別を行う処理手段とを備えることを特徴とする。

本発明の構成により、メモリの数の増加を抑えつつ、より高速にパターン判別を行うことができる。

パターン判別装置によるパターン判別処理のフローチャート。 カスケード接続されたＭ個の弱判別器によるパターン判別を説明する図。 それぞれの弱判別器への第１パラメータの一例を示す図。 特徴画像のグループ分割の一例を示す図。 第１〜４特徴画像をグループごとに別個のメモリに格納しない場合を説明する図。 それぞれの特徴画像を別個のメモリに格納する場合を示す図。 コンピュータ装置のハードウェア構成例を示すブロック図。 パターン判別装置の機能構成例を示すブロック図。 それぞれの弱判別器への第１パラメータの一例を示す図。 カスケード接続されたＭ個の弱判別器を示す図。 第２の実施形態におけるパラメータ学習のフローチャート。

以下、添付図面を参照し、本発明の好適な実施形態について説明する。なお、以下説明する実施形態は、本発明を具体的に実施した場合の一例を示すもので、特許請求の範囲に記載した構成の具体的な実施例の１つである。

［第１の実施形態］
以下では、論理的にカスケード接続された複数の弱判別器を有するパターン判別装置であって、以下のような構成を有することを特徴とするパターン判別装置の一例について説明する。即ち、パターン判別の対象となるデータを保持した複数のメモリを有し、該複数のメモリのうち２以上のメモリに対して並列にアクセスしてデータを読み出し、該読み出したデータを用いて弱判別器によるパターン判別を行う。然るに、このような構成に帰着するものであれば、以下に説明する実施形態の構成に限るものではなく、適宜変形／変更が可能である。

先ず、本実施形態に係るパターン判別装置の機能構成例について、図８のブロック図を用いて説明する。

特徴画像生成部８０１には、人物などのパターン判別の対象となるオブジェクトを含む画像（例えばＲＧＢ画像）が入力画像として入力される。この入力画像の入力元については特定の入力元に限るものではなく、ハードディスクドライブ装置などの記憶装置から読み出されたものであっても構わないし、ディジタルカメラ等の撮像装置から供給されたものであっても構わない。

そして特徴画像生成部８０１は、入力画像から複数枚の特徴画像を生成する。特徴画像の生成方法については特定の生成方法に限るものではなく、パターン判別に適した特徴画像を生成することができるのであれば、如何なる生成方法を採用しても構わない。例えば入力画像にフィルタを適用し、各画素の画素値が入力画像のＹ成分（輝度値）を表す画像、各画素の画素値が入力画像のＣｂ成分（色差）を表す画像、各画素の画素値が入力画像のＣｒ成分（色差）を表す画像、の夫々を特徴画像として生成しても良い。

そして特徴画像生成部８０１は、生成した複数枚の特徴画像を複数のグループに分割する。そして特徴画像生成部８０１は、同じグループに属する特徴画像は同じメモリに格納されるように、異なるグループの特徴画像は異なるメモリに格納されるように、それぞれの特徴画像をグループ保持部８０２に格納する。

グループ保持部８０２は、複数のメモリを有しており、それぞれのメモリには、同じグループに属する特徴画像が格納される。また、グループ保持部８０２は、異なる複数のメモリへのデータ参照（アクセス）が並列して行えるように構成されている。

弱判別器処理部８０４は、論理的にカスケード接続された複数の弱判別器を有し、パラメータ保持部８０５に保持されている第１パラメータ及び第２パラメータを用いてそれぞれの弱判別器を時分割に動作させて、特徴画像に対するパターン判別を行う。以下では、弱判別器を動作させることを「弱判別器を処理（実行）する」と表記する場合がある。

パラメータ保持部８０５は、上記の第１パラメータ及び第２パラメータを保持している。ここで、第１パラメータとは、弱判別器ごとに設けられたもので、該弱判別器によるパターン判別の対象を規定する情報である。また、第２パラメータとは、弱判別器ごとに設けられたもので、該弱判別器によるパターン判別の結果が成功であるか否かを判断するために用いられる情報である。

弱判別器処理部８０４が有する個々の弱判別器によるパターン判別の結果は、判別結果保持部８０６に格納される。全ての弱判別器によるパターン判別の結果が判別結果保持部８０６に格納された時点で、判別結果保持部８０６には、最終的なパターン判別結果が得られることになる。然るに弱判別器処理部８０４は、全ての弱判別器においてパターン判別を行った場合には、判別結果保持部８０６から、この最終的なパターン判別結果を読み出して出力することになる。

制御部８０３は、パターン判別装置全体の動作制御を行うと共に、特徴画像生成部８０１、弱判別器処理部８０４、のそれぞれの動作制御をも行う。

次に、本実施形態に係るパターン判別装置によるパターン判別処理について、図１のフローチャートに従って説明する。

＜ステップＳ１０１＞
特徴画像生成部８０１は、入力画像を受けると、該入力画像から複数枚の特徴画像を生成する。

＜ステップＳ１０２＞
特徴画像生成部８０１は、ステップＳ１０１で生成した複数枚の特徴画像を規定の基準に従って複数のグループに分割する。そして特徴画像生成部８０１は、グループ１に属する特徴画像はメモリ１、グループ２に属する特徴画像はメモリ２、…というように、同じグループに属する特徴画像は同じメモリに格納されるように、異なるグループの特徴画像は異なるメモリに格納されるように、それぞれの特徴画像をグループ保持部８０２に格納する。

例えば、図４に示す如く、特徴画像生成部８０１が、４種類のフィルタをそれぞれ入力画像４０１に掛けて４枚の特徴画像（第１特徴画像４０２、第２特徴画像４０３、第３特徴画像４０４、第４特徴画像４０５）を生成する。具体的には、まず、輝度抽出フィルタを用いて、入力画像４０１から輝度情報を抽出し、第１特徴画像４０２を生成する。次に、ローパスフィルタを用いて、入力画像４０１から低周波数成分を抽出し、第２特徴画像４０３を生成する。それから、水平方向エッジフィルタを用いて、入力画像４０１から水平方向のエッジ情報を抽出し、第３特徴画像４０４を生成する。最後に、垂直方向エッジフィルタを用いて、入力画像４０１から垂直方向のエッジ情報を抽出し、第４特徴画像４０５を生成する。これら４枚の特徴画像を同時に生成することも可能である。これら４枚の特徴画像を規定の基準に従って２つのグループに分割したとする。図４では、第１特徴画像４０２及び第２特徴画像４０３が第１グループ４０６、第３特徴画像４０４及び第４特徴画像４０５が第２グループ４０７に分類されている。この場合、第１グループ４０６に属する第１特徴画像４０２及び第２特徴画像４０３は、グループ保持部８０２が有する複数個のメモリのうち第１グループ用のメモリである第１メモリに格納される。また、第２グループ４０７に属する第３特徴画像４０４及び第４特徴画像４０５は、グループ保持部８０２が有する複数個のメモリのうち第２グループ用のメモリである第２メモリに格納される。第１メモリと第２メモリとは別個のメモリであり、このように別個のメモリであれば、弱判別器処理部８０４はこれらのメモリに対して並列にアクセスすることができる。

なお、特徴画像の分割グループ数については特定の数に限るものではなく、例えば、パターン判別装置の処理能力や帯域等によって決定される。また、特徴画像のグループ分割方法については、特定の方法に限るものではない。例えば、学習アルゴリズムによって決定された第１パラメータを解析し（特徴画像アクセスパターン解析）、弱判別器毎に、異なるグループから特徴画像の画素を参照する確率が高まるようにグループを設定する。特徴画像アクセスパターンはパターン判別対象によって異なり、特徴画像への参照頻度に偏りが生じる。例えば、明るくて水平方向エッジが多い物体がパターン判別対象の場合には、第１特徴画像４０２（輝度情報）と第３特徴画像４０４（水平方向エッジ情報）の画素を参照する頻度が高く、その他の特徴画像の画素を参照する頻度が低い。異なるメモリから特徴画像の画素を並列に参照する確率を高めるためには、第１特徴画像４０２と第３特徴画像４０４とを異なるグループとして、同じメモリに保存しない。暗くて垂直方向エッジが多い物体がパターン判別対象の場合には、第１特徴画像４０２（輝度情報）と第４特徴画像４０５（垂直方向エッジ情報）の画素を参照する頻度が高く、その他の画素を参照する頻度が低い。異なるメモリから特徴画像の画素を並列に参照する確率を高めるためには、第１特徴画像４０２と第４特徴画像４０５とを異なるグループとして、同じメモリに保存しない。なお、第１パラメータ及び第２のパラメータは学習アルゴリズム（ブースティング学習等）によって予め決定される。

＜ステップＳ１０３＞
弱判別器処理部８０４は、カスケード接続されたそれぞれの弱判別器を時分割に動作させて、グループ保持部８０２に格納されている特徴画像及びパラメータ保持部８０５に保持されている第１，２パラメータを用いてパターン判別を行う。ステップＳ１０３では、ステップＳ１０４〜ステップＳ１１２の処理を行う。以下では、弱判別器処理部８０４は、カスケード接続されたＭ（Ｍは２以上の自然数）個の弱判別器を有しているものとして説明する。

＜ステップＳ１０４＞
制御部８０３は、以降の処理で用いる変数ｉの値を１に初期化する。以降、ステップＳ１０５〜Ｓ１１２のループ処理をｉ＝１〜Ｍについて（ステップＳ１１０でＦａｌｓｅとならない限り）行う。

＜ステップＳ１０６＞
弱判別器処理部８０４は、パラメータ保持部８０５から、ｉ番目の弱判別器（最初に動作する弱判別器は１番目の弱判別器）用の第１パラメータを読み出す。ここで、ｉ番目の弱判別器用の第１パラメータとは、ｉ番目の弱判別器がパターン判別のために参照する特徴画像中の画素位置と、該特徴画像に固有の識別情報（例えば画像に固有の番号）と、のセットデータである。例えば、ｉ番目の弱判別器がパターン判別の為に、特徴画像Ａの画素位置ＰＡ、特徴画像Ｂの画素位置ＰＢ、を参照する場合、「ｉ番目の弱判別器用の第１パラメータ」は、次の２つのセットデータを含む。

・ 特徴画像Ａの識別情報と画素位置ＰＡとのセットデータ
・ 特徴画像Ｂの識別情報と画素位置ＰＢとのセットデータ
このような第１パラメータは、弱判別器ごとに設けられる。より詳しくは、「ｉ番目の弱判別器用の第１パラメータ」においてｊ（１≦ｊ≦Ｋ：Ｋは「ｉ番目の弱判別器用の第１パラメータ」に含まれるセットデータの数）番目のセットデータＤ_ｉ、ｊは以下のようなセットデータとなる。

（式１）においてＮ_ｉ、ｊは、特徴画像の識別情報であり、例えば、該特徴画像に固有の番号である。また、Ｙ_ｉ、ｊは、識別情報＝Ｎ_ｉ、ｊで特定される特徴画像においてパターン判別のために参照する画素位置のｙ座標値である。また、Ｘ_ｉ、ｊは、識別情報＝Ｎ_ｉ、ｊで特定される特徴画像においてパターン判別のために参照する画素位置のｘ座標値である。なお、Ｎ_ｉ、ｊは、ｉを固定した場合、それぞれのｊについて互いに異なる特徴画像の識別情報であるものとする。

＜ステップＳ１０７＞
弱判別器処理部８０４は、識別情報＝Ｎ_ｉ、１の特徴画像における画素位置（Ｘ_ｉ、１、Ｙ_ｉ、１）における画素値、…、識別情報＝Ｎ_ｉ、Ｋの特徴画像における画素位置（Ｘ_ｉ、Ｋ、Ｙ_ｉ、Ｋ）における画素値、をグループ保持部８０２から並列に読み出して、ｉ番目の弱判別器に供給する。

「識別情報＝Ｎ_ｉ、１の特徴画像」、…、「識別情報＝Ｎ_ｉ、Ｋの特徴画像」というＫ枚の特徴画像は互いに異なるグループに属している特徴画像であり、然るにそれぞれ異なるメモリに登録されている。然るに本ステップでは、「識別情報＝Ｎ_ｉ、１の特徴画像」、…、「識別情報＝Ｎ_ｉ、Ｋの特徴画像」を格納しているそれぞれのメモリに並列してアクセスすることができる。これにより、識別情報＝Ｎ_ｉ、１の特徴画像における画素位置（Ｘ_ｉ、１、Ｙ_ｉ、１）における画素値、…、識別情報＝Ｎ_ｉ、Ｋの特徴画像における画素位置（Ｘ_ｉ、Ｋ、Ｙ_ｉ、Ｋ）における画素値、を並列に読み出すことができる。

そしてｉ番目の弱判別器は、本ステップにおいてグループ保持部８０２から並列に読み出された画素値を用いてパターン判別を行う。それぞれの特徴画像から読み出した画素値を用いたパターン判別については周知技術であるため、これに係る説明は省略する。

なお、第１パラメータに含まれるそれぞれのデータセットが指し示すものは１つの画素位置に限るものではなく、複数画素から成る画素領域であっても構わない。また、第１パラメータに含まれるそれぞれのデータセットが１つの画素位置を指し示し、画素値を読み出す時点で、該画素位置の近傍画素領域内の画素値を読み出すようにしても構わない。また、第１パラメータは、複数枚の画像における画素位置や、動画像を処理する時の時系列空間の複数組の画素位置を指し示すようなものであっても構わない。

＜ステップＳ１０８＞
弱判別器処理部８０４は、パラメータ保持部８０５から、ｉ番目の弱判別器用の第２パラメータを読み出す。「ｉ番目の弱判別器用の第２パラメータ」とは、ｉ番目の弱判別器用にステップＳ１０７で読み出した画素値に基づいて、対象とするパターンらしさに相当するスコアを算出するための関数である特徴量変換関数と、閾値と、のセットデータである。

＜ステップＳ１０９＞
ｉ番目の弱判別器は、ステップＳ１０７で読み出された画素値と、ステップＳ１０８で読み出されたｉ番目の弱判別器用の第２パラメータに含まれている特徴量変換関数と、を用いて、スコアを計算する。ここで、「識別情報＝Ｎ_ｉ、ｊの特徴画像における画素位置（Ｘ_ｉ、ｊ、Ｙ_ｉ、ｊ）における画素値」をｆ（Ｎ_ｉ、ｊ、Ｘ_ｉ、ｊ、Ｙ_ｉ、ｊ）とする。また、ｉ番目の弱判別器用の特徴量変換関数をＬ_ｉ（）とする。ここで、Ｋ＝２の場合、ｉ番目の弱判別器用のスコアＳ_ｉは以下の式に従って計算される。

なお、Ｋが３以上の自然数であっても同様に、それぞれの画素値を特徴量変換関数でもってスコアに変換すればよい。

＜ステップＳ１１０＞
ｉ番目の弱判別器は、ステップＳ１０９で求めたスコアＳ_ｉが、ステップＳ１０８で読み出されたｉ番目の弱判別器用の第２パラメータに含まれている閾値Ｔ_ｉを超えているか否かを判断する。この判断の結果、Ｓ_ｉ＞Ｔ_ｉである場合には、パターン判別は成功した（所定のパターンが検出された＝Ｔｒｕｅ）ものと判断して処理はステップＳ１１１に進む。一方、Ｓ_ｉ≦Ｔ_ｉである場合には、パターン判別は失敗した（所定のパターンが検出されなかった＝Ｆａｌｓｅ）ものと判断して処理はステップＳ１１３に進む。

つまり、Ｓ_ｉ≦Ｔ_ｉの場合には、（ｉ＋１）番目以降の弱判別器によるパターン判別は行わずに、パターン判別はｉ番目の弱判別器で打ち切るものとする。なお、ｉ番目の弱判別器は、パターン判別が成功した場合には、そのパターン判別結果を判別結果保持部８０６に格納する。

＜ステップＳ１１１＞
制御部８０３は、変数ｉの値を１つインクリメントする。そして処理はステップＳ１０６に戻り、インクリメント後の変数ｉを用いて以降の処理が行われることになる。

＜ステップＳ１１３＞
弱判別器処理部８０４は、ｉ＝１〜ＭについてステップＳ１０５〜Ｓ１１２の処理を行った場合、即ち、１番目の弱判別器〜Ｍ番目の弱判別器のそれぞれに対するスコアが何れも閾値を超えている場合、入力画像には所定のパターンが含まれていると判断する。然るにこの場合、弱判別器処理部８０４は、判別結果保持部８０６に上記の処理によって保持されているパターン判別の結果を適当な出力先に対して出力する。なお、このパターン判別の結果は、そのまま出力されても良いが、対応するオブジェクトのＩＤに変換してから出力するなど、パターン判別の結果に基づく他の情報を出力するようにしても構わない。

一方、弱判別器処理部８０４は、１番目の弱判別器〜Ｍ番目の弱判別器の何れかに対するスコアが閾値を超えていなかった場合、入力画像には所定のパターンは含まれていないと判断する。然るにこの場合、弱判別器処理部８０４は、入力画像には所定のパターンは含まれていなかった旨を示す情報を適当な出力先に対して出力する。なお、「入力画像には所定のパターンは含まれていなかった旨を示す情報」には様々なものが適用できる。例えば、入力画像には所定のパターンは含まれていなかった旨を示すメッセージを表示装置や外部機器に対して出力しても良い。

以上説明した、カスケード接続されたＭ個の弱判別器によるパターン判別について、図２を用いて説明する。図２では、Ｍ＝４としている。

先ず、１番目の弱判別器である弱判別器Ｃ１が動作する。弱判別器Ｃ１には、Ｃ１用の第１パラメータであるＤ_１，１，…，Ｄ_１，Ｋ、Ｃ１用の第２パラメータである特徴量変換関数Ｌ_１、閾値Ｔ_１が入力される。然るに弱判別器Ｃ１は、Ｄ_１，１で特定される特徴画像中の画素位置の画素値，…，Ｄ_１，Ｋで特定される特徴画像中の画素位置の画素値をグループ保持部８０２から並列に読み出す。そして弱判別器Ｃ１は、読み出したこれらの画素値を用いてパターン判別を行う。更に弱判別器Ｃ１は、Ｄ_１，１で特定される特徴画像中の画素位置の画素値，…，Ｄ_１，Ｋで特定される特徴画像中の画素位置の画素値を特徴量変換関数Ｌ_１を用いてスコアＳ_１に変換する。そして弱判別器Ｃ１は、Ｓ_１＞Ｔ_１（判別成功）であるか否かを判断し、Ｓ_１＞Ｔ_１であれば、弱判別器処理部８０４は２番目（弱判別器Ｃ１に後続する）の弱判別器Ｃ２を動作させる。一方、Ｓ_１≦Ｔ_１（判別失敗）であれば、弱判別器処理部８０４は弱判別器Ｃ２以降を動作させず、弱判別器処理部８０４は、入力画像には所定のパターンは存在しない旨を出力する。

次に、弱判別器Ｃ２が動作する場合、弱判別器Ｃ２には、Ｃ２用の第１パラメータであるＤ_２，１，…，Ｄ_２，Ｋ、Ｃ２用の第２パラメータである特徴量変換関数Ｌ_２、閾値Ｔ_２が入力される。然るに弱判別器Ｃ２は、Ｄ_２，１で特定される特徴画像中の画素位置の画素値，…，Ｄ_２，Ｋで特定される特徴画像中の画素位置の画素値をグループ保持部８０２から並列に読み出す。そして弱判別器Ｃ２は、読み出したこれらの画素値を用いてパターン判別を行う。更に弱判別器Ｃ２は、Ｄ_２，１で特定される特徴画像中の画素位置の画素値，…，Ｄ_２，Ｋで特定される特徴画像中の画素位置の画素値を特徴量変換関数Ｌ_２を用いてスコアＳ_２に変換する。そして弱判別器Ｃ２は、Ｓ_２＞Ｔ_２であるか否かを判断し、Ｓ_２＞Ｔ_２であれば、弱判別器処理部８０４は３番目の弱判別器Ｃ３を動作させる。一方、Ｓ_２≦Ｔ_２であれば、弱判別器処理部８０４は弱判別器Ｃ３以降を動作させず、弱判別器処理部８０４は、入力画像には所定のパターンは存在しない旨を出力する。

次に、弱判別器Ｃ３が動作する場合、弱判別器Ｃ３には、Ｃ３用の第１パラメータであるＤ_３，１，…，Ｄ_３，Ｋ、Ｃ３用の第２パラメータである特徴量変換関数Ｌ_３、閾値Ｔ_３が入力される。然るに弱判別器Ｃ３は、Ｄ_３，１で特定される特徴画像中の画素位置の画素値，…，Ｄ_３，Ｋで特定される特徴画像中の画素位置の画素値をグループ保持部８０２から並列に読み出す。そして弱判別器Ｃ３は、読み出したこれらの画素値を用いてパターン判別を行う。更に弱判別器Ｃ３は、Ｄ_３，１で特定される特徴画像中の画素位置の画素値，…，Ｄ_３，Ｋで特定される特徴画像中の画素位置の画素値を特徴量変換関数Ｌ_３を用いてスコアＳ_３に変換する。そして弱判別器Ｃ３は、Ｓ_３＞Ｔ_３であるか否かを判断し、Ｓ_３＞Ｔ_３であれば、弱判別器処理部８０４は４番目の弱判別器Ｃ４を動作させる。一方、Ｓ_３≦Ｔ_３であれば、弱判別器処理部８０４は弱判別器Ｃ４を動作させず、弱判別器処理部８０４は、入力画像には所定のパターンは存在しない旨を出力する。

次に、弱判別器Ｃ４が動作する場合、弱判別器Ｃ４には、Ｃ４用の第１パラメータであるＤ_４，１，…，Ｄ_４，Ｋ、Ｃ４用の第２パラメータである特徴量変換関数Ｌ_４、閾値Ｔ_４が入力される。然るに弱判別器Ｃ４は、Ｄ_４，１で特定される特徴画像中の画素位置の画素値，…，Ｄ_４，Ｋで特定される特徴画像中の画素位置の画素値をグループ保持部８０２から並列に読み出す。そして弱判別器Ｃ４は、読み出したこれらの画素値を用いてパターン判別を行う。更に弱判別器Ｃ４は、Ｄ_４，１で特定される特徴画像中の画素位置の画素値，…，Ｄ_４，Ｋで特定される特徴画像中の画素位置の画素値を特徴量変換関数Ｌ_４を用いてスコアＳ_４に変換する。そして弱判別器Ｃ４は、Ｓ_４＞Ｔ_４であるか否かを判断し、Ｓ_４＞Ｔ_４であれば、弱判別器処理部８０４は、判別結果保持部８０６に保持されている最終的なパターン判別結果を出力する。一方、Ｓ_４≦Ｔ_４であれば、弱判別器処理部８０４は、入力画像には所定のパターンは存在しない旨を出力する。

なお、カスケード接続されたＭ個の弱判別器は図１０に示すような構成となる。このような場合であっても、弱判別器Ｃ１から順にパターン判別を行い、パターン判別に成功した場合には次の弱判別器によるパターン判別を行う。

次に、図２のように、カスケード接続された４個の弱判別器によってパターン判別を行う場合における、それぞれの弱判別器への第１パラメータの一例について、図３を用いて説明する。図３では、入力画像から第１特徴画像、第２特徴画像、第３特徴画像、第４特徴画像の４枚の特徴画像が生成されている。

図３において、弱判別器Ｃ１用の第１パラメータはＤ_１，１とＤ_１，２の２つのセットデータを含む。Ｄ_１，１は、第１特徴画像の識別情報と、第１特徴画像において黒丸で示した画素位置と、のセットデータである。Ｄ_１，２は、第３特徴画像の識別情報と、第３特徴画像において黒丸で示した画素位置と、のセットデータである。

弱判別器Ｃ２用の第１パラメータはＤ_２，１とＤ_２，２の２つのセットデータを含む。Ｄ_２，１は、第２特徴画像の識別情報と、第２特徴画像において黒丸で示した画素位置と、のセットデータである。Ｄ_２，２は、第４特徴画像の識別情報と、第４特徴画像において黒丸で示した画素位置と、のセットデータである。

弱判別器Ｃ３用の第１パラメータはＤ_３，１とＤ_３，２の２つのセットデータを含む。Ｄ_３，１は、第１特徴画像の識別情報と、第１特徴画像において黒丸で示した画素位置と、のセットデータである。Ｄ_３，２は、第４特徴画像の識別情報と、第４特徴画像において黒丸で示した画素位置と、のセットデータである。

弱判別器Ｃ４用の第１パラメータはＤ_４，１とＤ_４，２の２つのセットデータを含む。Ｄ_４，１は、第１特徴画像の識別情報と、第１特徴画像において黒丸で示した画素位置と、のセットデータである。Ｄ_４，２は、第２特徴画像の識別情報と、第２特徴画像において黒丸で示した画素位置と、のセットデータである。

このような場合において弱判別器Ｃｉ（ｉ＝１，２，３，４）がＤ_ｉ，１に対応する画素値とＤ_ｉ，２に対応する画素値とを並列に読み出す為には、Ｄ_ｉ，１に対応する特徴画像とＤ_ｉ，２に対応する特徴画像とをそれぞれ別個のメモリに格納させる必要がある。そこで、このような場合には、図４に示す如く、第１特徴画像４０２及び第２特徴画像４０３を第１メモリに格納し、第３特徴画像４０４及び第４特徴画像４０５を、第１メモリとは異なる第２メモリに格納する。これにより、弱判別器Ｃ１は、第１メモリからＤ_１，１に対応する画素値、第２メモリからＤ_１，２に対応する画素値、を並列に読み出すことができる。また、弱判別器Ｃ２は、第１メモリからＤ_２，１に対応する画素値、第２メモリからＤ_２，２に対応する画素値、を並列に読み出すことができる。また、弱判別器Ｃ３は、第１メモリからＤ_３，１に対応する画素値、第２メモリからＤ_３，２に対応する画素値、を並列に読み出すことができる。

１つのメモリから単位時間（１サイクル）当たりに最大１個の特徴画像の画素を読み出すことができるわけであるから、読み出すべき画素をそれぞれ異なるメモリに格納しておけば、１サイクルでそれぞれのメモリから画素を読み出すことができる。

次に、図４のように第１〜４特徴画像が第１メモリ及び第２メモリの何れかにグループ分けされて保持されている場合に、図３に示す弱判別器Ｃ１〜Ｃ４の動作に要する時間について説明する。

弱判別器Ｃ１は、第１メモリからＤ_１，１に対応する特徴画像（第１特徴画像４０２）における画素位置の画素値、第２メモリからＤ_１，２に対応する特徴画像（第３特徴画像４０４）における画素位置の画素値、を並列に読み出す。上記の通り、第１メモリへのアクセス及び第２メモリへのアクセスを１サイクルで実現できる。また、１つの弱判別器において、第１パラメータの読み出し以外の処理に最短で１サイクルを要するとすると、弱判別器Ｃ１については最短２サイクルで処理できる。

弱判別器Ｃ２は、第１メモリからＤ_２，１に対応する特徴画像（第２特徴画像４０３）における画素位置の画素値、第２メモリからＤ_２，２に対応する特徴画像（第４特徴画像４０５）における画素位置の画素値、を並列に読み出す。上記の説明から、弱判別器Ｃ２についても最短２サイクルで処理できることがわかる。

弱判別器Ｃ３は、第１メモリからＤ_３，１に対応する特徴画像（第１特徴画像４０２）における画素位置の画素値、第２メモリからＤ_３，２に対応する特徴画像（第４特徴画像４０５）における画素位置の画素値、を並列に読み出す。上記の説明から、弱判別器Ｃ３についても最短２サイクルで処理できることがわかる。

弱判別器Ｃ４は、第１メモリからＤ_４，１に対応する特徴画像（第１特徴画像４０２）における画素位置の画素値、第１メモリからＤ_４，２に対応する特徴画像（第２特徴画像４０３）における画素位置の画素値、を読み出す。この場合、第１メモリから２つの画素値を読み出すことになるので、これには２サイクルの時間を要することになり、その結果、弱判別器Ｃ４については最短３サイクルで処理できることがわかる。

然るに、このような場合、弱判別器Ｃ１〜Ｃ４を全て処理するためには、合計９サイクルの時間を要することが分かる。

次に、本実施形態の構成において、図５に示す如く、第１特徴画像４０２、第２特徴画像４０３、第３特徴画像４０４、第４特徴画像４０５をグループごとに別個のメモリに格納しない場合に、図３に示す弱判別器Ｃ１〜Ｃ４の動作に要する時間について説明する。図５では、第１特徴画像４０２、第２特徴画像４０３、第３特徴画像４０４、第４特徴画像４０５を１つのグループ５０１（グループ１）として（グループ分けせずに）、１つのメモリ（第１メモリ）に格納している。

弱判別器Ｃ１は、第１メモリからＤ_１，１に対応する特徴画像（第１特徴画像４０２）における画素位置の画素値と、Ｄ_１，２に対応する特徴画像（第３特徴画像４０４）における画素位置の画素値と、を読み出す。この場合、第１メモリから２つの画素値を読み出すことになるので、これには２サイクルの時間を要することになり、その結果、弱判別器Ｃ１については最短３サイクルの時間を要することになる。

弱判別器Ｃ２は、第１メモリからＤ_２，１に対応する特徴画像（第２特徴画像４０３）における画素位置の画素値と、Ｄ_２，２に対応する特徴画像（第４特徴画像４０５）における画素位置の画素値と、を読み出す。上記の説明から、弱判別器Ｃ２についても最短３サイクルの時間を要することになる。

弱判別器Ｃ３は、第１メモリからＤ_３，１に対応する特徴画像（第１特徴画像４０２）における画素位置の画素値と、Ｄ_３，２に対応する特徴画像（第４特徴画像４０５）における画素位置の画素値と、を読み出す。上記の説明から、弱判別器Ｃ３についても最短３サイクルの時間を要することになる。

弱判別器Ｃ４は、第１メモリからＤ_４，１に対応する特徴画像（第１特徴画像４０２）における画素位置の画素値と、Ｄ_４，２に対応する特徴画像（第２特徴画像４０３）における画素位置の画素値と、を読み出す。上記の説明から、弱判別器Ｃ４についても最短３サイクルの時間を要することになる。

然るに、このような場合、弱判別器Ｃ１〜Ｃ４を全て処理するためには、合計１２サイクルの時間を要することが分かる。

このように、入力画像から生成した特徴画像をグループごとに異なるメモリに格納しておくことで、特徴画像をグループ分けせずに１つのメモリに格納する場合と比べて、カスケード接続された複数個の弱判別器によるパターン判別に要する時間を短縮できる。

［第２の実施形態］
第１の実施形態では、図３の弱判別器Ｃ４に対する第１パラメータのように、１つの弱判別器について画素値を読み出す際に、１つのメモリに複数回のアクセスを許容していた。本実施形態では、各弱判別器に対応するパラメータに制約を与えて学習する。具体的には、ブースティング学習による特徴選択時に、第１パラメータにおけるそれぞれのデータセットに対応する特徴画像が同一のグループの中にある組合せを選択しない。これにより、１つの弱判別器について画素値を読み出す際に、１つのメモリに複数回のアクセスを許容せず、１つのメモリに１回のみのアクセスとする。以下では第１の実施形態との差分について重点的に説明し、以下で特に触れない限りは、第１の実施形態と同様であるものとする。

図９のように、カスケード接続された４個の弱判別器によってパターン判別を行う場合における、それぞれの弱判別器への第１パラメータの一例について、図９を用いて説明する。図９では、入力画像から第１特徴画像、第２特徴画像、第３特徴画像、第４特徴画像の４枚の特徴画像が生成されている。ここで、弱判別器Ｃ１〜Ｃ３に対する第１パラメータは、図３と同様であるが、弱判別器Ｃ４に対する第１パラメータは図３と異なる。即ち、Ｄ_４，１は、第２特徴画像の識別情報と、第２特徴画像において黒丸で示した画素位置と、のセットデータである。Ｄ_４，２は、第３特徴画像の識別情報と、第３特徴画像において黒丸で示した画素位置と、のセットデータである。

図３とは異なり、Ｄ_４，１に対応する特徴画像（第２特徴画像）とＤ_４，２に対応する特徴画像（第３特徴画像）とは互いに異なるメモリ（前者は第１メモリで後者は第２メモリ）に格納されている。然るにこの場合、弱判別器Ｃ４についても、第１メモリからＤ_４，１に対応する画素値、第２メモリからＤ_４，２に対応する画素値、を並列に読み出すことができる。

次に、図４のように第１〜４特徴画像が第１メモリ及び第２メモリの何れかにグループ分けされて保持されてる場合に、図９に示す弱判別器Ｃ１〜Ｃ４の動作に要する時間について説明する。弱判別器Ｃ１〜Ｃ３については図３と同様であるから、弱判別器Ｃ１〜Ｃ３の何れについても、最短２サイクルで処理できる。

弱判別器Ｃ４は、第１メモリからＤ_４，１に対応する特徴画像（第２特徴画像）における画素位置の画素値、第２メモリからＤ_４，２に対応する特徴画像（第３特徴画像）における画素位置の画素値、を読み出す。上記の通り、第１メモリへのアクセス及び第２メモリへのアクセスを１サイクルで実現できるので、１つの弱判別器において、第１パラメータの読み出し以外の処理に最短で１サイクルを要するとすると、弱判別器Ｃ４についても最短２サイクルで処理できる。

然るに、このような場合、弱判別器Ｃ１〜Ｃ４を全て処理するためには、合計８サイクルの時間を要することが分かる。

ここで、図６に示す如く、それぞれの特徴画像を別個のメモリに格納する場合、図６では４枚の特徴画像（第１特徴画像４０２、第２特徴画像４０３、第３特徴画像４０４、第４特徴画像４０５）が生成されているわけであるから、メモリの数も４となる（第１〜４メモリ６０１〜６０４）。ここで、第１〜４メモリへのアクセスを１サイクルで行い、且つ１つの弱判別器において第１パラメータの読み出し以外の処理に最短で１サイクルを要するとすると、上記の説明からすると、弱判別器Ｃ１〜Ｃ４のそれぞれについては最短２サイクルで処理できる。然るに、このような場合、弱判別器Ｃ１〜Ｃ４を全て処理するためには、合計８サイクルの時間を要する。このように、弱判別器Ｃ１〜Ｃ４を全て処理するために要するサイクル数については本実施形態と同様である。しかし、使用しているメモリの数は４（第１〜４メモリ）となり、本実施形態において必要となるメモリの数（＝２つ：第１メモリと第２メモリ）よりも多くなってしまい、実装時のコストが増大する。

このように、特徴画像を所定のグループ単位で保持し、学習アルゴリズムに制約をかけることで、常にグループ保持部のメモリから異なるグループの特徴画像を並列に参照できるようになるため、メモリコストの増加を抑えて、高速に処理することができる。

＜変形例＞
各弱判別器に対応する第１，２パラメータは複数の段階で決定しても良い。図１１にパラメータ学習の例を示す。ステップＳ１１０１では、学習アルゴリズムによって、仮の第１パラメータと第２パラメータを決定する。ステップＳ１１０２では、測定画像と仮の第１パラメータと第２パラメータを用いて第１判別精度を計算し、保存する。ここでの判別精度は、測定画像でのパターン判別の正確度である。ステップＳ１１０３では、各特徴画像の画素を参照する確率を解析し、弱判別器毎に異なるグループから特徴画像の画素を参照する確率が高まるようにグループの単位を設定する。ステップＳ１１０４では、ステップＳ１１０３で設定したグループの単位に基づいて、異なるメモリから特徴画像を並列に参照できるという制約を元に、第１パラメータと第２パラメータを決定する。ステップＳ１１０５では、測定画像と第１パラメータと第２パラメータを用いて第２判別精度を計算し、保存する。ステップＳ１１０６では、第１判別精度と第２判別精度との差が所定の閾値より大きいかどうかを判断する。第１判別精度と第２判別精度との差が閾値より大きい場合には、ステップＳ１１０３に戻り、グループの単位を再設定する。そうでない場合には、パラメータ学習を終了する。

なお、上述した例では、グループの単位を決定するために、第１判別精度と第２判別精度との差が閾値より大きいかどうかを判断していたが、判別精度の差に代えて、弱判別器の数の差で判断するようにしても良い。

また、第１，２の実施形態では、特徴画像（２次元データ／２次元配列）に対してパターン判別を行うという例について説明した。しかし、第１，２の実施形態は、任意次元の入力データ列から生成された任意次元の特徴データ列に対してパターン判別を行うケースであっても同様に適用することができる。

また、第１，２の実施形態では、１枚の入力画像から複数枚の特徴画像を生成し、該生成された複数枚の特徴画像を用いてパターン判別を行う例を説明した。しかし複数枚の静止画像のそれぞれから複数枚の特徴画像を生成する、又は動画像を構成する各フレームの画像から複数枚の特徴画像を生成する、の何れであっても、グループ化対象となる画像の数が増えるだけで実質的な処理は第１，２の実施形態と同様である。

また、第１、２の実施形態では、４枚の特徴画像を２個のグループに分割する例について説明したが、２個のグループに限定される訳でなく、任意個のグループでも良い。即ち、１枚の特徴画像を３個以上のグループに分割しても良い。また、一個のグループの中の特徴画像は部分的な特徴画像を包含しても良い。

また、入力画像に対して任意の線形変換（幾何学的な変換等）又は非線形変換（モフォロジカルフィルタ等）を施したものを特徴画像として生成しても構わないし、入力画像がカラー画像の場合、各色プレーン或いはその色変換結果を特徴画像としても良い。更に、特徴画像は積分画像等であっても良い。

また、第１，２の実施形態では、各弱判別器に対応するパラメータの特性に基づいて、特徴画像を所定のグループ単位で異なるメモリに保持する例について説明したが、特徴画像の特性に応じて、グループ単位を決定しても良い。

また、第１，２の実施形態では、各弱判別器に対応するパラメータの特性に基づいて、特徴画像を所定のグループ単位で異なるメモリに保持する例について説明したが、判別するパターンにより、グループ単位を決定しても良い。例えば、人体や車等の判別対象によって、グループ単位を決定しても良い。

［第３の実施形態］
図８に示した各機能部はハードウェアでもって構成しても構わない。しかし、グループ保持部８０２、パラメータ保持部８０５、判別結果保持部８０６をメモリで構成し、制御部８０３をＣＰＵ等のプロセッサで構成し、特徴画像生成部８０１及び弱判別器処理部８０４をコンピュータプログラムで構成しても構わない。

また、図８に示した構成を有するパターン判別装置を搭載したコンピュータ装置（情報処理装置）を構成することも可能である。この場合、このコンピュータ装置は、第１，２の実施形態で説明したパターン判別装置の機能を含む様々な機能を有する装置となる。このようなコンピュータ装置としては、例えば、一般のＰＣ（パーソナルコンピュータ）や、ディジタルカメラ、携帯電話、タブレット端末装置、などがある。このようなコンピュータ装置のハードウェア構成例について、図７のブロック図を用いて説明する。

入力部７０１は、キーボードやマウスなどのユーザインターフェースにより構成されており、ユーザが操作することで各種の指示をＣＰＵ７０５に対して入力することができる。

データ保存部７０２は、ハードディスクドライブ装置に代表される大容量情報記憶装置である。データ保存部７０２には、ＯＳ（オペレーティングシステム）や、コンピュータ装置が行うべき各処理をＣＰＵ７０５に実行若しくは制御させるためのコンピュータプログラムやデータが保存されている。データ保存部７０２に保存されているコンピュータプログラムやデータは、ＣＰＵ７０５による制御に従って適宜ＲＡＭ７０７にロードされ、ＣＰＵ７０５による処理対象となる。このコンピュータプログラムやデータには、判別処理部７０８が用いるコンピュータプログラムやデータが含まれていても良い。

なお、データ保存部７０２にはその他の記憶装置を適用することもできる。例えば、フレキシブルディスク、ＣＤ−ＲＯＭ、ＣＤ−ＲやＤＶＤ、メモリカード、ＣＦカード、スマートメディア、ＳＤカード、メモリスティック、ｘＤピクチャーカード、ＵＳＢメモリ等をデータ保存部７０２に適用することができる。なお、データ保存部７０２は、本コンピュータ装置が有することに限らず、外部装置として設けても良く、外部装置としてのデータ保存部７０２に通信部７０３を介してアクセスしてデータの読み書きを行っても良い。

通信部７０３は、外部装置とのデータ通信を行うものであり、本コンピュータ装置において処理した結果を外部装置に対して送信したり、外部装置から必要な情報を受信したりする。

表示部７０４は、ＣＲＴや液晶画面、プロジェクタなどにより構成されており、ＣＰＵ７０５による処理結果を画像や文字などでもって表示／投影することができる。なお、入力部７０１と表示部７０４とを一体化させてタッチパネル画面を構成してもよく、その場合、このタッチパネル画面は、ユーザからの様々な操作入力を受け付けると共に、ＣＰＵ７０５による処理結果を画像や文字などでもって表示することができる。また、表示部７０４は、本コンピュータ装置が有することに限らず、外部装置として設けても構わない。

ＣＰＵ７０５は、ＲＯＭ７０６やＲＡＭ７０７に格納されているコンピュータプログラムやデータを用いて各種の処理を実行することで、本コンピュータ装置全体の動作制御を行う。

ＲＯＭ７０６には、本コンピュータ装置の設定データやブートプログラムなどが格納されている。

ＲＡＭ７０７は、データ保存部７０２からロードされたコンピュータプログラムやデータ、通信部７０３が外部装置から受信したコンピュータプログラムやデータ、を格納するためのエリアを有する。更にＲＡＭ７０７は、ＣＰＵ７０５や判別処理部７０８が各種の処理を実行する際に用いるワークエリアも有する。このようにＲＡＭ７０７は、各種のエリアを適宜提供することができる。また、データ保存部７０２及びＲＡＭ７０７のうち一方の機能の一部を他方が担っても良い。

判別処理部７０８は、第１，２の実施形態に係るパターン判別装置であり、図８に示す構成を有する。例えば判別処理部７０８は、通信部７０３を介して外部装置から若しくはデータ保存部７０２からＲＡＭ７０７に取得した第１，２パラメータ及び特徴画像を用いてパターン判別を行う。判別処理部７０８による処理結果はＲＡＭ７０７やデータ保存部７０２に格納しても良いし、通信部７０３を介して外部装置に対して送信しても良い。

また、ＣＰＵ７０５が判別処理部７０８によるパターン判別の結果を用いて画像処理や画像認識を行うこともできる。この場合、ＣＰＵ７０５は、画像処理や画像認識の結果をデータ保存部７０２に保存したり、通信部７０３を介して外部装置に対して送信しても良い。

なお、入力部７０１、データ保存部７０２、通信部７０３、表示部７０４、ＣＰＵ７０５、ＲＯＭ７０６、ＲＡＭ７０７、判別処理部７０８のそれぞれは、バス７０９に接続されている。

なお、図７に示した構成は一例に過ぎない。例えば、ＣＰＵ７０５を複数個設けても構わないし、複数個のコンピュータ装置でもって図７の構成と同等の構成を実現させても構わない。また、以上説明した実施形態や変形例の一部若しくは全部は適宜組み合わせても構わないし、選択的に使用しても構わない。

（その他の実施例）
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

８０２：グループ保持部 ８０４：弱判別器処理部

Claims (15)

1. 論理的にカスケード接続された複数の弱判別器を有するパターン判別装置であって、
   パターン判別の対象となるデータを保持した複数のメモリを有する保持手段と、
   前記複数のメモリのうち２以上のメモリに対して並列にアクセスして複数のデータを読み出し、該読み出した複数のデータを用いて前記弱判別器によるパターン判別を行う処理手段と
   を備えることを特徴とするパターン判別装置。
2. 前記処理手段は、前記複数の弱判別器のうち第１の弱判別器によるパターン判別のために要するデータを保持する前記２以上のメモリに対して並列にアクセスして複数のデータを読み出し、該読み出した複数のデータを用いて前記第１の弱判別器によるパターン判別を行い、該パターン判別が成功した場合には、該第１の弱判別器に後続する第２の弱判別器によるパターン判別のために要するデータを保持する前記２以上のメモリに対して並列にアクセスして複数のデータを読み出し、該読み出した複数のデータを用いて前記第２の弱判別器によるパターン判別を行うことを特徴とする請求項１に記載のパターン判別装置。
3. 更に、
   入力画像から複数枚の特徴画像を生成し、該複数枚の特徴画像を複数のグループに分割し、グループごとに前記保持手段の異なるメモリに特徴画像を格納する生成手段を備えることを特徴とする請求項１又は２に記載のパターン判別装置。
4. 前記生成手段は、前記弱判別器がパターン判別のために参照するそれぞれの特徴画像が互いに異なるグループとなるように、前記複数枚の特徴画像を複数のグループに分割することを特徴とする請求項３に記載のパターン判別装置。
5. 前記生成手段は、前記弱判別器がそれぞれの特徴画像を参照する確率に従い、前記複数枚の特徴画像を複数のグループに分割することを特徴とする請求項３又は４に記載のパターン判別装置。
6. 更に、
   前記弱判別器がパターン判別のために参照するパラメータを保持するパラメータ保持手段を備えることを特徴とする請求項１乃至５の何れか１項に記載のパターン判別装置。
7. 前記生成手段は、前記複数枚の特徴画像を複数のグループに分割し、前記弱判別器がパターン判別のために参照するそれぞれの特徴画像が互いに異なるグループとなるように、前記弱判別器がパターン判別のために参照するパラメータを決定することを特徴とする請求項３に記載のパターン判別装置。
8. 前記パラメータ保持手段は、前記弱判別器ごとにパラメータを保持することを特徴とする請求項６に記載のパターン判別装置。
9. 前記パラメータ保持手段は、前記弱判別器ごとに該弱判別器によるパターン判別の対象を規定する第１のパラメータを保持することを特徴とする請求項８に記載のパターン判別装置。
10. 前記第１のパラメータは、パターン判別のために参照する特徴画像の識別情報と該特徴画像中の画素位置とを含むことを特徴とする請求項９に記載のパターン判別装置。
11. 前記パラメータ保持手段は、前記弱判別器ごとに該弱判別器によるパターン判別の結果が成功であるか否かを判断するための第２のパラメータを保持することを特徴とする請求項８に記載のパターン判別装置。
12. 前記第２のパラメータは、パターンらしさに相当するスコアを算出するための関数と該スコアに対する閾値とを含むことを特徴とする請求項１１に記載のパターン判別装置。
13. 請求項１乃至１２の何れか１項に記載のパターン判別装置と、該パターン判別装置によるパターン判別の結果を用いて処理を実行する実行手段と、を備えることを特徴とする情報処理装置。
14. 論理的にカスケード接続された複数の弱判別器を有するパターン判別装置が行うパターン判別方法であって、
    パターン判別の対象となるデータを保持した複数のメモリのうち２以上のメモリに対して並列にアクセスして複数のデータを読み出し、該読み出した複数のデータを用いて前記弱判別器によるパターン判別を行うことを特徴とするパターン判別方法。
15. コンピュータに請求項１４に記載のパターン判別方法を実行させるためのコンピュータプログラム。

Images