JP4439927B2

JP4439927B2 - 検出対象識別装置

Info

Publication number: JP4439927B2
Application number: JP2004010732A
Authority: JP
Inventors: 裕史鹿毛; 橋本　　学
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2004-01-19
Filing date: 2004-01-19
Publication date: 2010-03-24
Anticipated expiration: 2024-01-19
Also published as: JP2005202860A

Description

この発明は、入力画像の中に検出対象が含まれているか否かを判定する検出対象識別装置に関するものである。

従来の検出対象識別装置として、入力画像の中に顔を表している画像が存在しているか否かを判別する装置が存在する。
即ち、従来の検出対象識別装置は、予め、大量の顔を含む画像と、顔を含まない画像を用意し、これらの画像を学習して、ニューラルネットワークなどの識別関数を構築する。
その後、検出対象が含まれている可能性がある画像を入力すると、その入力画像から識別対象の部分画像を順次切り出し、既に学習が完了している識別関数が、その入力画像の部分画像とひな形顔画像（例えば、予め学習された顔を含む画像の代表的な画像）との距離を演算し、その距離が所定の距離より短ければ、その部分画像が顔を表していると判断して“１”を出力する。一方、その距離が所定の距離より長ければ、その部分画像が顔を表していないと判断して“０”を出力する。

なお、検出対象識別装置は、入力画像の全てをスキャンするまで、その部分画像の切り出しを繰り返して、上記の識別処理を実施するが、そのひな形顔画像の画素数は常に固定である（例えば、特許文献１参照）。

米国特許５，６４２，４３１号公報（第３頁から第１１頁、図１）

従来の検出対象識別装置は以上のように構成されているので、予め、大量の画像を学習する必要があり、実際に検出対象である顔が含まれているか否かを識別できるようになるまでに多大な時間を要する課題があった。
また、大量の画像の学習が完了した後、識別関数が入力画像に顔が含まれているか否かを識別する際、その入力画像の部分画像とひな形顔画像との距離を演算し、その距離が短ければ、顔が含まれていると判別するが、その入力画像の部分画像とひな形顔画像の距離は、画素値毎に演算を行う必要があるので、演算の簡素化が困難であり、顔が含まれているか否かの識別に長時間を要する課題があった。
さらに、入力画像の部分画像に顔が含まれていないことが明らかな場合でも、ひな形顔画像の画素数を減らすことができず、常に高解像度の識別処理を実施するため、識別に長時間を要する課題があった。

この発明は上記のような課題を解決するためになされたもので、速やかに検出対象の識別処理を開始することができるとともに、短時間で検出対象の有無を識別することができる検出対象識別装置を得ることを目的とする。

この発明に係る検出対象識別装置は、領域切出し手段が解析対象の領域を切り出す毎に、その領域の画像に二次元直交関数フィルタを適用するフィルタリング手段と、検出対象を表しているひな形画像に対する二次元直交関数フィルタの適用結果を、ひな形画像に対する二次元直交関数フィルタの応答値の絶対値が大きい順に複数個のフィルタを選択し、選択されたフィルタ情報を記憶するとともに、フィルタ適用結果の応答値を要素とするひな形特徴量ベクトルとして記憶する記憶手段とを設け、そのフィルタリング手段の適用結果を、記憶手段で記憶されているフィルタ情報に基づいてフィルタ応答値を選択して要素として構成される識別対象特徴量ベクトルと記憶手段にひな形特徴量ベクトルとして記憶されている適用結果を照合して、その領域切出し手段により切り出された領域の画像が検出対象を表しているか否かを判定するようにしたものである。

この発明によれば、領域切出し手段が解析対象の領域を切り出す毎に、その領域の画像に二次元直交関数フィルタを適用するフィルタリング手段と、検出対象を表しているひな形画像に対する二次元直交関数フィルタの適用結果を、ひな形画像に対する二次元直交関数フィルタの応答値の絶対値が大きい順に複数個のフィルタを選択し、選択されたフィルタ情報を記憶するとともに、フィルタ適用結果の応答値を要素とするひな形特徴量ベクトルとして記憶する記憶手段とを設け、そのフィルタリング手段の適用結果を、記憶手段で記憶されているフィルタ情報に基づいてフィルタ応答値を選択して要素として構成される識別対象特徴量ベクトルと記憶手段にひな形特徴量ベクトルとして記憶されている適用結果を照合して、その領域切出し手段により切り出された領域の画像が検出対象を表しているか否かを判定するように構成したので、速やかに検出対象の識別処理を開始することができるとともに、短時間で検出対象の有無を識別することができる効果がある。

実施の形態１．
図１はこの発明の実施の形態１による検出対象識別装置を示す構成図であり、図２はこの発明の実施の形態１による検出対象識別装置のひな形顔画像生成部１を示す構成図である。
図において、ひな形顔画像生成部１は人間の顔（検出対象）を含む画像１１を複数入力すると、複数の画像１１から両目の位置を基準にして、顔領域１２だけを切り出すとともに、その顔領域１２のサイズを正規化して、同一サイズの顔画像１４を出力する部分画像切出し部１３と、部分画像切出し部１３から出力された複数の顔画像１４の画素毎の平均値を計算して平均顔画像を求め、その平均顔画像をひな形顔画像１６として出力するひな形顔画像計算部１５とから構成されている。
なお、ひな形顔画像計算部１５は、複数の顔画像１４の画素毎の平均値を計算して平均顔画像を求める代わりに、複数の顔画像１４の主成分を分析して第一固有ベクトルを計算することにより代表的な顔画像を求め、その代表的な顔画像をひな形顔画像１６として出力してもよい。

前処理部２はひな形顔画像生成部１により生成されたひな形顔画像１６に二次元直交関数フィルタを適用し、その適用結果を出力する前処理手段を構成している。メモリ３は前処理部２から出力されたひな形顔画像１６に対する二次元直交関数フィルタの適用結果を記憶する記憶手段を構成している。

画像入力部４には例えばカメラなどの映像機器が接続され、その映像機器により撮像された画像（検出対象である顔が含まれている可能性がある画像）を入力する。あるいは、コンピュータに保存されている画像を入力する。
領域切出し部５は画像入力部４により入力された画像２１の中から、識別対象の領域２２を順次切り出して出力する（図５を参照）。なお、領域切出し部５は領域切出し手段を構成している。

フィルタリング部６は領域切出し部５が識別対象の領域２２を切り出す毎に、その領域２２の画像に二次元直交関数フィルタを適用する。なお、フィルタリング部６はフィルタリング手段を構成している。
判定部７はフィルタリング部６の適用結果とメモリ３に格納されている適用結果を照合することにより、領域切出し部５により切り出された領域２２の画像が顔を表しているか否かを判定する。なお、判定部７は判定手段を構成している。

情報出力部８は判定部７の判定結果が領域切出し部５により切り出された領域２２の画像が顔を表している旨を示す場合には、その領域２２の位置を特定する領域情報を出力するとともに、その領域２２の画像をメモリ９に出力する。メモリ９は情報出力部８から出力された領域の画像を保存する。なお、情報出力部８及びメモリ９から対象画像保存手段が構成されている。

図３は二次元直交関数フィルタの一例を示す説明図、図４はひな形顔画像１６に対する二次元直交関数フィルタの適用結果を示す説明図、図５は領域切出し部５により切り出された領域の画像に対する二次元直交関数フィルタの適用結果を示す説明図である。
図６はこの発明の実施の形態１による検出対象識別装置の処理内容を示すフローチャートである。

次に動作について説明する。
検出対象識別装置は、入力画像に含まれている人間の顔を検出するに先立って、人間の一般的な顔を表しているひな形顔画像１６を生成する（ステップＳＴ１）。
即ち、ひな形顔画像生成部１の部分画像切出し部１３は、予め用意されている人間の顔を含む画像１１を複数入力すると、複数の画像１１から両目の位置を基準にして、顔領域１２だけを切り出す処理を実施する。

ここでは、顔領域１２を切り出すに際して、両目の位置を基準にしているが、鼻が領域の中心に位置するように切り出してもよい。
この際、両目の位置や鼻の位置を特定する必要があるが、人間の目や鼻の形は、多少の相違があっても大きな特徴は同じであるので、これらの位置は容易に特定することができる。例えば、略楕円の画像が水平方向に２つ並んでいれば、その画像が目であると認識する。また、略二等辺三角形の画像が両目の下に存在していれば、その画像が鼻であると認識する。

ひな形顔画像生成部１の部分画像切出し部１３は、複数の画像１１から顔領域１２だけを切り出すと、その顔領域１２のサイズを正規化して、同一サイズの顔画像１４を出力する。
即ち、複数の画像１１から切り出した顔領域１２のサイズが相互に異なる場合、各顔領域１２を拡大、あるいは、縮小することにより、全ての顔領域１２のサイズが後述する二次元直交関数フィルタを構成する各フィルタのサイズと同じになるように、各顔領域１２のサイズを正規化する。

ひな形顔画像生成部１のひな形顔画像計算部１５は、部分画像切出し部１３から複数の顔画像１４を受けると、複数の顔画像１４の画素毎の平均値を計算して平均顔画像を求め、その平均顔画像をひな形顔画像１６として出力する。
なお、ひな形顔画像計算部１５は、複数の顔画像１４の画素毎の平均値を計算して平均顔画像を求める代わりに、複数の顔画像１４の主成分を分析して第一固有ベクトルを計算することにより代表的な顔画像を求め、その代表的な顔画像をひな形顔画像１６として出力してもよい。

前処理部２は、ひな形顔画像生成部１からひな形顔画像１６を受けると、ひな形顔画像１６に二次元直交関数フィルタを適用し、その適用結果を出力する（ステップＳＴ２）。
具体的には、図３に示すような二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタなどの二次元直交関数フィルタを使用するが（図３の例では、８×８ブロックサイズの二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを示しているが、ブロックサイズは８×８に限るものではなく、例えば、１６×１６のブロックサイズでもよい）、二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを構成する各フィルタの白い部分は“１”の係数を有し、黒い部分は“−１”の係数を有している。

前処理部２は、二次元直交関数フィルタの各ファイルを順番にひな形顔画像１６に適用する。即ち、各ファイル毎に、ひな形顔画像１６の画素値と、ひな形顔画像１６の画素に対応する部分のフィルタ係数（“１”ｏｒ“−１”）を乗算し、全画素の乗算結果を加算することにより、フィルタの応答値を取得する。図４では、各フィルタの下に表示している数値がフィルタの応答値である。
前処理部２は、各フィルタの応答値を取得すると、その応答値の絶対値が大きい順に（応答値の絶対値が大きいフィルタは、一般的な人間の顔の特徴を明瞭に表現している）、数個のフィルタ１７を選択し（図４の例では、９個のフィルタを選択している）、そのフィルタ１７の応答値を要素とするひな形特徴量ベクトル１８を構築する。

前処理部２により構築されたひな形特徴量ベクトル１８は、ひな形顔画像１６に対する二次元直交関数フィルタの適用結果としてメモリ３に格納される。
なお、画像に二次元直交関数フィルタを適用して特徴量ベクトルを構築する手法については、例えば、Ｒ．Ｃ．Ｇｏｎｚａｌｅｚ，Ｒ．Ｅ．Ｗｏｏｄｓ著の“ＤｉｇｉｔａｌＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ”等の一般的な画像処理の教科書に記載されている。

検出対象識別装置は、上記のようにして、ひな形顔画像１６に対する二次元直交関数フィルタの適用結果として、ひな形特徴量ベクトル１８をメモリ３に格納すると、実際に入力画像に顔が含まれているか否かを識別する処理を開始する。
検出対象識別装置の画像入力部４は、検出対象である顔が含まれている可能性がある画像２１、即ち、映像機器により撮像された画像、あるいは、コンピュータに保存されている画像を入力する。

領域切出し部５は、画像入力部４が画像２１を入力すると（ステップＳＴ３）、その入力画像２１の中から、図５に示すように、識別対象の領域２２を順次切り出す切出し処理を実施する（ステップＳＴ４）。
ただし、識別対象の領域２２のサイズは、二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを構成する各フィルタのサイズと一致している。

フィルタリング部６は、領域切出し部５が識別対象の領域２２を切り出す毎に、その領域２２の画像に二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを適用する（ステップＳＴ５）。
即ち、フィルタリング部６は、二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを構成する各フィルタのうち、前処理部２により選択された数個のフィルタ１７を順番に、その領域２２の画像に適用する。
具体的には、数個のフィルタ１７毎に、その領域２２の画像の画素値と、その画像の画素に対応する部分のフィルタ係数（“１”ｏｒ“−１”）を乗算し、全画素の乗算結果を加算することにより、フィルタの応答値を取得する。
フィルタリング部６は、数個のフィルタ１７の応答値を取得すると、数個のフィルタ１７の応答値を要素とする特徴量ベクトル２３を構築する。

判定部７は、フィルタリング部６が特徴量ベクトル２３を構築すると、その特徴量ベクトル２３（識別対象の領域２２の画像に対する二次元直交関数フィルタの適用結果）とメモリ３に格納されているひな形特徴量ベクトル１８（ひな形顔画像１６に対する二次元直交関数フィルタの適用結果）を照合することにより、その適用結果の一致度を算出する（ステップＳＴ６）。
即ち、判定部７は、例えば、特徴量ベクトル２３とひな形特徴量ベクトル１８とのベクトル内積値を適用結果の一致度として計算する。
判定部７は、その適用結果の一致度が所定の閾値を上回る場合（ステップＳＴ７）、その領域２２の画像が顔を表している旨を示す判定結果を出力する（ステップＳＴ８）。
一方、その適用結果の一致度が所定の閾値を上回らない場合（ステップＳＴ７）、その領域２２の画像が顔を表していない旨を示す判定結果を出力する（ステップＳＴ１０）。

情報出力部８は、判定部７の判定結果が領域切出し部５により切り出された領域２２の画像が顔を表している旨を示す場合には、その領域２２の位置を特定する領域情報を出力する。また、その領域２２の画像をメモリ９に格納する（ステップＳＴ９）。
領域切出し部５は、入力画像２１の全てをスキャンするまで、その入力画像２１の中から、識別対象の領域２２の切出し処理を繰り返し、その領域２２の画像に対して、フィルタリング部６及び判定部７が上述した処理を行う（ステップＳＴ１１）。

以上で明らかなように、この実施の形態１によれば、領域切出し部５が解析対象の領域２２を切り出す毎に、その領域２２の画像にＷａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを適用するフィルタリング部６と、検出対象を表しているひな形顔画像１６に対する二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタの適用結果を、ひな形画像に対するＷａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタの応答値の絶対値が大きい順に複数個のフィルタを選択し、選択されたフィルタ情報を記憶するとともに、フィルタ適用結果の応答値を要素とするひな形特徴量ベクトルとして記憶する格納するメモリ３とを設け、そのフィルタリング部６の適用結果を、メモリ３で記憶されているフィルタ情報に基づいてフィルタ応答値を選択して要素として構成される識別対象特徴量ベクトルとメモリ３にひな形特徴量ベクトルとして記憶されている適用結果を照合して、その領域切出し部５により切り出された領域２２の画像が顔を表しているか否かを判定するように構成したので、大量の画像を学習することなく、ひな形顔画像１６に対する二次元直交関数フィルタの適用処理を実施するだけで検出対象の識別処理を開始することができるようになり、その結果、速やかに検出対象である顔の識別処理を開始することができる効果を奏する。
また、識別対象の領域２２の画像とひな形顔画像１６との距離を演算することなく、フィルタリング部６の適用結果とメモリ３に格納されている適用結果を照合するだけで、その領域２２の画像が顔を表しているか否かを判定することができるので、短時間で検出対象の有無を識別することができる効果を奏する。

また、この実施の形態１によれば、ひな形顔画像１６に二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを適用し、その適用結果を用いてＷａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタの応答値の絶対値が大きい順に複数個のフィルタを選択し、選択されたフィルタ情報と、フィルタ適用結果の応答値をひな形特徴量ベクトル１８としてメモリ３に格納する前処理部２を設けるように構成したので、大量の画像を学習することなく、検出対象である顔の識別処理を開始することができる効果を奏する。

なお、この実施の形態１では、二次元直交関数フィルタとして、二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを使用するものについて示したが、二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを使用する場合、各画素における演算は、その画素値に“１”あるいは“−１”を乗算するだけであるので、このような演算が組み込まれた画像センサを利用すれば、このフィルタの適用処理をさらに高速化することができる。
このような画像センサの例として、例えば、雑誌「Ｎａｔｕｒｅ， “ＡｒｔｉｆｉｃｉａｌＲｅｔｉｎａｓ − Ｆａｓｔ，ＶｅｒｓａｔｉｌｅＩｍａｇｅＰｒｏｃｅｓｓｏｒｓ”」(Ｖｏｌ．３７２，Ｎｏ．６５０２，ｐｐ１９７−１９８，１９９４）や、特開平８−２４２２６５号公報に記載されている人工網膜ＬＳＩを用いることができる。

実施の形態２．
上記実施の形態１では、人間の顔を含む画像１１をひな形顔画像生成部１の部分画像切出し部１３に入力することにより、ひな形顔画像１６を生成し、入力画像２１から人間の顔を検出するものについて示したが、人間の顔以外を検出対象とするようにしてもよい。
例えば、検出対象が犬の顔であれば、犬の顔を含む画像１１をひな形顔画像生成部１の部分画像切出し部１３に入力することにより、犬の顔に係るひな形顔画像１６を生成すればよい。

実施の形態３．
上記実施の形態１では、二次元直交関数フィルタとして、二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを使用するものについて示したが、これに限るものではなく、例えば、高速フーリエ変換フィルタ、離散コサイン変換フィルタ、あるいは、ウェーブレット変換フィルタを使用し、これらのフィルタを画像に適用するようにしてもよい。この場合も、上記実施の形態１と同様の効果を奏することができる。

実施の形態４．
上記実施の形態１では、８×８ブロックサイズの二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを使用するものについて示したが（図３を参照）、フィルタリング部６がフィルタサイズの変更が可能な二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを領域切出し部５により切り出された領域２２の画像に適用するようにしてもよい。

具体的には、フィルタリング部６は、領域切出し部５が解析対象の領域２２を切り出すと、最初の段階では、図７に示すように、二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタのフィルタサイズが最小サイズである一次適用フィルタ３１（図７の例では、４×４ブロックサイズの二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタが最小サイズであるが、これに限るものではなく、例えば、６×６ブロックサイズの二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタが最小サイズであってもよい）を領域２２の画像に適用する。
そして、判定部７は、一次適用フィルタ３１の適用結果とメモリ３に格納されている適用結果を照合して、その領域２２の画像が顔を表しているか否かを判別する。

フィルタリング部６は、判定部７の判定結果が顔を表している旨を示す場合には、更に高解像度の識別処理を実施して、その領域２２の画像が顔を表していることの確度を高めるため、二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタのフィルタサイズを拡大して、二次適用フィルタ３２（図７の例では、６×６ブロックサイズの二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを使用しているが、これに限るものではなく、例えば、８×８ブロックサイズの二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを使用してもよい）を領域２２の画像に適用する。
フィルタリング部６は、判定部７の判定結果が顔を表していない旨を示す場合には、その領域２２の画像が顔を表していないことは明らかであり、更に高解像度の識別処理を実施しても意味がないため、その領域２２の画像に対する二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタの適用処理を中止する。したがって、領域切出し部５は、入力画像２１の全てをスキャンしていなければ、次の領域２２の切出し処理を実施する。
判定部７は、フィルタリング部６が二次適用フィルタ３２を領域２２の画像に適用すると、二次適用フィルタ３２の適用結果とメモリ３に格納されている適用結果を照合して、その領域２２の画像が顔を表しているか否かを判別する。

フィルタリング部６は、二次適用フィルタ３２を使用しても、判定部７の判定結果が顔を表している旨を示す場合には、更に高解像度の識別処理を実施して、その領域２２の画像が顔を表していることの確度を高めるため、二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタのフィルタサイズを拡大して、三次適用フィルタ３３（図７の例では、８×８ブロックサイズの二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを使用しているが、これに限るものではなく、例えば、１０×１０ブロックサイズの二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを使用してもよい）を領域２２の画像に適用する。
フィルタリング部６は、判定部７の判定結果が顔を表していない旨を示す場合には、その領域２２の画像が顔を表していないことは明らかであり、更に高解像度の識別処理を実施しても意味がないため、その領域２２の画像に対する二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタの適用処理を中止する。したがって、領域切出し部５は、入力画像２１の全てをスキャンしていなければ、次の領域２２の切出し処理を実施する。
判定部７は、フィルタリング部６が三次適用フィルタ３３を領域２２の画像に適用すると、三次適用フィルタ３３の適用結果とメモリ３に格納されている適用結果を照合して、その領域２２の画像が顔を表しているか否かを判別する。図７の例では、この判別結果が当該領域２２の画像に関する最終識別結果となる。

以上で明らかなように、この実施の形態４によれば、最初の段階では一次適用フィルタ３１を領域２２の画像に適用し、その適用結果から判定部７により検出対象である顔を表している旨を示す判定結果が得られると、その二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタのフィルタサイズを順次拡大して、その二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを領域２２の画像に適用するように構成したので、その領域２２の画像が顔を表していないことが一次適用フィルタ３１や二次適用フィルタ３２を適用する低解像度の段階で判明すると、高解像度の三次適用フィルタ３３を適用するまえに、その領域２２の画像に対する二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタの適用処理を中止することができる結果、顔を表していない領域に対する識別処理の高速化を図ることができる効果を奏する。

この発明の実施の形態１による検出対象識別装置を示す構成図である。この発明の実施の形態１による検出対象識別装置のひな形顔画像生成部を示す構成図である。二次元直交関数フィルタの一例を示す説明図である。ひな形顔画像に対する二次元直交関数フィルタの適用結果を示す説明図である。領域切出し部により切り出された領域の画像に対する二次元直交関数フィルタの適用結果を示す説明図である。この発明の実施の形態１による検出対象識別装置の処理内容を示すフローチャートである。フィルタサイズの変更が可能な二次元Ｗａｌｓｈ−Ｈａｄａｍａｒｄ変換フィルタを示す説明図である。

符号の説明

１ひな形顔画像生成部、２前処理部（前処理手段）、３メモリ（記憶手段）、４画像入力部、５領域切出し部（領域切出し手段）、６フィルタリング部（フィルタリング手段）、７判定部（判定手段）、８情報出力部（対象画像保存手段）、９メモリ（対象画像保存手段）、１１画像、１２顔領域、１３部分画像切出し部、１４顔画像、１５ひな形顔画像計算部、１６ひな形顔画像、１７応答値の絶対値が大きいフィルタ、１８ひな形特徴量ベクトル、２１入力画像、２２領域、２３特徴量ベクトル。

Claims

検出対象が含まれている可能性がある画像の中から、識別対象の領域を順次切り出す領域切出し手段と、上記領域切出し手段が識別対象の領域を切り出す毎に、その領域の画像に二次元直交関数フィルタを適用するフィルタリング手段と、検出対象を表しているひな形画像に対する二次元直交関数フィルタの適用結果を、上記ひな形画像に対する上記二次元直交関数フィルタの応答値の絶対値が大きい順に複数個のフィルタを選択し、選択されたフィルタ情報を記憶するとともに、フィルタ適用結果の応答値を要素とするひな形特徴量ベクトルとして記憶する記憶手段と、上記フィルタリング手段の適用結果を、上記記憶手段で記憶されている上記フィルタ情報に基づいてフィルタ応答値を選択して要素として構成される識別対象特徴量ベクトルと上記記憶手段にひな形特徴量ベクトルとして記憶されている適用結果を照合して、上記領域切出し手段により切り出された領域の画像が検出対象を表しているか否かを判定する判定手段とを備えた検出対象識別装置。
ひな形画像に二次元直交関数フィルタを適用し、その適用結果を用いて上記二次元直交関数フィルタの応答値の絶対値が大きい順に複数個のフィルタを選択し、選択されたフィルタ情報と、フィルタ適用結果の応答値をひな形特徴量ベクトルとして記憶手段に出力する前処理手段を設けたことを特徴とする請求項１記載の検出対象識別装置。
判定手段は、フィルタリング手段の適用結果である上記識別対象特徴ベクトルと記憶手段に記憶されている適用結果である上記ひな形特徴量ベクトルとの一致度が所定の閾値を上回る場合、領域切出し手段により切り出された領域の画像が検出対象を表している旨を示す判定結果を出力することを特徴とする請求項１記載の検出対象識別装置。
フィルタリング手段は、最初の段階では二次元直交関数フィルタのフィルタサイズを最小サイズに設定して、その二次元直交関数フィルタを領域の画像に適用し、その適用結果から判定手段により検出対象を表している旨を示す判定結果が得られると、その二次元直交関数フィルタのフィルタサイズを順次拡大して、その二次元直交関数フィルタを領域の画像に適用することを特徴とする請求項１記載の検出対象識別装置。
フィルタリング手段は、判定手段により検出対象を表していない旨を示す判定結果が得られた段階で、二次元直交関数フィルタの適用処理を中止することを特徴とする請求項４記載の検出対象識別装置。