JP4719491B2 - オブジェクト抽出方法、オブジェクト抽出装置及びオブジェクト抽出プログラム - Google Patents

Description

本発明は、画像データから所定のオブジェクトを抽出するオブジェクト抽出方法、オブジェクト抽出装置及びオブジェクト抽出プログラムに関する。

予め指定された画像オブジェクト（キー画像）に基づいて、予め指定された画像オブジェクトと同一又は類似する画像を抽出方法が知られている。

画像データから所定のオブジェクトを抽出する場合に、テンプレートマッチング法が良く用いられる。この方法は、オブジェクトの画像と対象となる画像の部分画像とを逐一照合してオブジェクトを抽出する方法である（例えば、非特許文献１参照。）。
高木幹雄他監修「画像解析ハンドブック」、東京大学出版会,1991年

ところで、従来のテンプレートマッチング方法では、相似形であるが大きさが異なる画像も対象にしようとすると、画像のサイズを様々変えた上で照合するので照合回数が多く、結果的に多くの時間を要するという問題がある。

本発明は、上記の問題に鑑みてなされたものであり、画像データから所定のオブジェクトを抽出する際において、オブジェクト抽出処理速度が速く、抽出の誤りを減少させたオブジェクト抽出方法、オブジェクト抽出装置及びオブジェクト抽出プログラムを提供することを目的としている。

上記目的を達成するために、本発明のオブジェクト抽出方法は、画像データから所定のオブジェクトを抽出するオブジェクト抽出方法において、
前記画像データのエッジ画像を抽出するエッジ抽出ステップと、
該エッジ抽出ステップで抽出されたエッジ画像に対してラベリングを行うラベリングステップと、
該ラベリングステップでラベリングされたオブジェクトに対して、該オブジェクトに適合する矩形を抽出する矩形抽出ステップと、
該矩形抽出ステップで抽出された矩形毎に、矩形の中のオブジェクトと、前記所定のオブジェクトとをピクセル単位で比較する比較ステップと、
前記画像データのオブジェクトのシルエット画像と、前記所定のオブジェクトのマスク画像との一致度を算出するシルエット画像一致度算出ステップとを有し、
前記ピクセル単位で比較する比較ステップは、前記所定のオブジェクトのマスク部分に対応する前記矩形の中のオブジェクトのピクセルと、前記所定のオブジェクトのマスク部分に対応する前記所定のオブジェクトのピクセルとの差分値を算出し、
前記シルエット画像一致度算出ステップは、前記画像データのオブジェクトのシルエット画像と前記所定のオブジェクトのマスク画像のいずれにも属するピクセル数を、前記画像データのオブジェクトのシルエット画像と前記所定のオブジェクトのマスク画像のいずれかに属するピクセル数で除して算出し、
該シルエット画像一致度算出ステップにより算出された一致度が所定の値以上の場合に、前記比較ステップは、矩形の中のオブジェクトと、前記所定のオブジェクトとを比較するように構成することができる。

これにより、画像データから所定のオブジェクトを抽出する際において、オブジェクト抽出処理速度が速いオブジェクト抽出方法を提供することができる。
また、シルエット画像一致度算出ステップにより算出された一致度が所定の値以上の場合に、矩形の中のオブジェクトと、前記所定のオブジェクトとを比較するように構成することにより、画像データから所定のオブジェクトを抽出する際における抽出の誤りを減少させることができる。

また、上記目的を達成するために、前記比較ステップは、前記矩形抽出ステップで抽出された矩形毎に、矩形の中のオブジェクトと、前記所定のオブジェクトとをピクセル単位で比較する代わりに、前記矩形抽出ステップで抽出された矩形毎に、矩形の中のオブジェクトの特徴量と、前記所定のオブジェクトの特徴量とを比較するように構成することができる。

これにより、画像データから所定のオブジェクトを抽出する際において、オブジェクト抽出処理速度が速いオブジェクト抽出方法であって、人間による照合に近いオブジェクトを抽出するオブジェクト抽出方法を提供することができる。

また、上記目的を達成するために、前記比較ステップは、前記画像データのオブジェクトのシルエット画像と、前記所定のオブジェクトのマスク画像との一致度を参酌して、前記画像データのオブジェクトと前記所定のオブジェクトとを比較するように構成することができる。

これにより、画像データから所定のオブジェクトを抽出する際における抽出の誤りを減少させることができる。

また、上記目的を達成するために、本発明のオブジェクト抽出方法は、前記比較ステップの前に、前記所定のオブジェクトに適合する矩形の大きさ及び／又は矩形のアスペクト比と、前記矩形抽出ステップで抽出された矩形の大きさ及び／又は矩形のアスペクト比とを比較する矩形比較ステップを有するように構成することができる。

上記目的を達成するために、本発明のオブジェクト抽出装置は、所定のオブジェクト及び該オブジェクトに適合する矩形データを格納した記憶手段と、画像データから所定のオブジェクトを抽出するオブジェクト抽出手段とを有するオブジェクト抽出装置において、
前記オブジェクト抽出手段は、
前記画像データのエッジ画像を抽出するエッジ抽出手段と、
該エッジ抽出手段で抽出されたエッジ画像に対してラベリングを行うラベリング手段と、
該ラベリン手段でラベリングされたオブジェクトに対して、該オブジェクトに適合する矩形を抽出する矩形抽出手段と、
該矩形抽出手段で抽出された矩形毎に、矩形の中のオブジェクトと、前記所定のオブジェクトとをピクセル単位で比較する比較手段と、
前記画像データのオブジェクトのシルエット画像と、前記所定のオブジェクトのマスク画像との一致度を算出するシルエット画像一致度算出手段とを有し、
前記ピクセル単位で比較する比較手段は、前記所定のオブジェクトのマスク部分に対応する前記矩形の中のオブジェクトのピクセルと、前記所定のオブジェクトのマスク部分に対応する前記所定のオブジェクトのピクセルとの差分値を算出し、
前記シルエット画像一致度算出手段は、前記画像データのオブジェクトのシルエット画像と前記所定のオブジェクトのマスク画像のいずれにも属するピクセル数を、前記画像データのオブジェクトのシルエット画像と前記所定のオブジェクトのマスク画像のいずれかに属するピクセル数で除して算出し、
該シルエット画像一致度算出手段により算出された一致度が所定の値以上の場合に、前記比較手段は、該矩形抽出手段で抽出された矩形の中のオブジェクトと、前記所定のオブジェクトとを比較することにより、所定のオブジェクトを画像データから抽出するように構成することができる。

これにより、画像データから所定のオブジェクトを抽出する際において、オブジェクト抽出処理速度が速いオブジェクト抽出装置を提供することができる。
また、シルエット画像一致度算出手段により算出された一致度が所定の値以上の場合に、矩形の中のオブジェクトと、前記所定のオブジェクトとを比較するように構成することにより、画像データから所定のオブジェクトを抽出する際における抽出の誤りを減少させることができる。

本発明によれば、画像データから所定のオブジェクトを抽出する際において、オブジェクト抽出処理速度が速く、抽出の誤りを減少させたオブジェクト抽出方法、オブジェクト抽出装置及びオブジェクト抽出プログラムを提供することが可能となる。

本発明の実施例について以下説明する。

図１は、本発明が適用されるオブジェクト抽出システムの構成例である。図中、１はパーソナルコンピュータやワークステーションで構成されたオブジェクト抽出システム、２はオブジェクト抽出システム１と接続されたデジタルカメラ，スキャナ等の周辺機器、３はオブジェクト抽出システム１と接続されたネットワークである。オブジェクト抽出システム１は、全体を制御するＣＰＵ１１と、ブートプログラム等を記憶したＲＯＭ１２と、ＣＰＵ１１のワークエリアとして使用されるＲＡＭ１３と、入力を行うためのキーボード１４及びマウス１５等の入力装置と、ＣＲＴや液晶ディスプレイ等のモニタ（表示装置）１６と、入力装置により入力された画像データを検索するためのオブジェクト抽出プログラム１７１、認識オブジェクト（オブジェクトモデル）１７２、画像データベース１７３、
オブジェクトに関するデータ（マスク画像、矩形縮尺範囲、アスペクト範囲、特徴量）１７４等を格納したハードディスク１７と、周辺機器２とのインタフェースであるペリフェラルＩ／Ｆ１８と、ネットワーク３とのインタフェースであるネットワークＩ／Ｆ１９と、上記各部を接続するバス２０とを有する。なお、認識オブジェクト１７２及びオブジェクトに関するデータ１７４等を、画像データベース１７３に格納するようにしてもよい。

この構成により、ＣＰＵ１１は、ハードデイスク１７に記憶されているオブジェクト抽出プログラム１７１により、画像データベース１７３に格納されている画像データから、オブジェクトモデルに適合するオブジェクトを、抽出して、モニタ１６に表示することができる。

なお、認識オブジェクト１７２、画像データベース１７３及びオブジェクトに関するデータ１７４等は、ネットワーク３とのインタフェースであるネットワークＩ／Ｆ１９、周辺機器２とのインタフェースであるペリフェラルＩ／Ｆ１８並びにキーボード１４及びマウス１５等の入力装置等を用いて入力される。

コンピュータ１１で実行されるオブジェクト抽出プログラムを中心にした機能ブロック図を図２に示す。主記憶装置２１１に記憶された本発明のオブジェクト抽出プログラム２１２は、オブジェクト入力処理プログラム２１２１とオブジェクト認識処理プログラム２１２２からなる。

オブジェクト入力処理プログラム２１２１により、認識オブジェクトを定義するモデル２５１は、オブジェクトを定義するデータとしてスキャナ２２、キーボード２３などの入力装置から入力され、二次記憶装置２５にオブジェクトモデル２５１として格納される。なお、オブジェクトを定義するデータには、オブジェクトの画像のデータ（ピクセルデータ）、オブジェクトを包含する矩形の縮尺の範囲のデータ、矩形の縦と横のアスペクト比の範囲のデータ、オブジェクトの特徴量のデータなどがある。

また、スキャナ２２などから入力された画像データベース１７３に格納された画像データを読みだして、オブジェクト認識処理プログラム２１２２により、その画像データからオブジェクトモデル２５１にマッチするオブジェクトを抽出し、ディスプレイ２４に抽出したオブジェクトを表示する。

オブジェクト入力処理プログラム２１２１の処理フローを図３に示す。ステップＳ１０１で、オブジェクト画像（図５（Ａ））及びオブジェクトのマスク画像（図５（Ｂ））をキーボード２３、スキャナ２２などの入力装置から、人が作成して入力する。次いで、ステップＳ１０２で、オブジェクト画像を包含する矩形（オブジェクト画像を４つの接線により囲む矩形：オブジェクトに適合する矩形）を検出し、人手により、その矩形の矩形縮尺範囲、アスペクト範囲、特徴量等を入力する。ここでは、オブジェクト画像を包含する矩形の縮尺の範囲として、例えば、オブジェクト画像の0.5倍から1.5倍を入力し、アスペクト比の範囲として、例えばH/W：0.8から1.2入力する。

次いで、ステップＳ１０３で、オブジェクト画像、マスク画像、矩形縮尺範囲、アスペクト範囲、特徴量等をオブジェクトモデルとして二次記憶２５へ保存する。

図３のオブジェクト入力処理により入力されたオブジェクト（オブジェクトモデル）にマッチするオブジェクトを、画像データから抽出するオブジェクト認識処理フローを図４に示す。なお、オブジェクト認識処理は、オブジェクト認識処理プログラム２１２２によってなされる。

オブジェクト認識処理では、入力された画像からオブジェクトモデルに適合するオブジェクトを抽出する。例えば、図６の画像を、認識対象の画像とする。この画像は、ネットワーク３とのインタフェースであるネットワークＩ／Ｆ１９、周辺機器２とのインタフェースであるペリフェラルＩ／Ｆ１８並びにキーボード１４及びマウス１５等の入力装置等を用いて入力され、図１の画像データベース１７３に格納されているものである。

先ず、画像データベース１７３から図６の画像を読みだす。次いで、入力されたカラー画像から輝度情報を抽出しグレースケール画像に変換してからエッジを抽出する（Ｓ２０１）。エッジ抽出には一般的なSobelやPrewitteといったエッジ抽出手法を用いることができる。これらはピクセル間の輝度の変化量を抽出するものである。

次いで、エッジ抽出ステップＳ２０１で抽出されたエッジ画像はエッジの強さが多値で表現されているので、特定の閾値以上か以下によって０と１で二値化する（Ｓ２０２）。図６の画像からエッジ抽出し、さらに、二値化した画像を図７に示す。

次いで、エッジの二値画像をラベリング処理により連結成分を抽出する（Ｓ２０３）。ラベリング処理とは、連結する０又は１のピクセルを辿り連結するピクセルに識別するための同一のラベル（ＩＤ）を付与することである。図７の画像に対してラベリング処理を行い。各ラベルを抽出すると、星の部分に対しては、図８に示す４つの画像が抽出される。図８（Ａ）は、星の輪郭の画像であり、図８（Ｂ）は、星の内側の画像であり、図８（Ｃ）は丸の内側の画像であり、図８（Ｃ）は、丸の輪郭の画像である。

このように、星の外形と内側が別々に抽出されるので、もし、外形のエッジが他のオブジェクトと連結してしまって、抽出できなくても、内側の画像が抽出できれば結果的に照合が可能となる。

次いで、同一ラベル（つまり連結している）のピクセルに接する矩形を抽出する。図８の画像とその画像に接する矩形を図９に示す。

次いで、オブジェクトモデルを二次記憶装置２５から、ワークメモリ１３にロードする。

次いで、ステップＳ２０６〜ステップＳ２１０により、矩形のサイズ及びアスペクト比がオブジェクトモデルで指定されている範囲内にある矩形のみをオブジェクトモデルの画像と照合し類似度を算出し、類似度が特定の閾値より高いオブジェクトをディスプレイ２４に表示する。

つまり、ステップＳ２０６で、対象の画像の矩形が選択され、ステップＳ２０８で対象の画像の矩形の縮尺、アスペクト比が範囲内にあるか否かがチェックされる。ここでは、矩形の縮尺の範囲が、オブジェクト画像の矩形の0.5倍から1.5倍の範囲にあるか否か及びアスペクト比が、0.8から1.2の範囲にあるか否かがチェックされる。

また、ステップＳ２０９では、オブジェクト画像と対象の画像の類似度が判断される。ここでは類似度として、オブジェクト画像のピクセルと対象の画像のピクセルとの一致度が判断される。つまり、ステップＳ２０９では、矩形のサイズ及びアスペクト比がモデルで定義された範囲内にあるものだけをオブジェクト候補として、ピクセル単位で照合を行う。本発明におけるステップＳ２０９では、画像から矩形部分の画像を抽出した上でモデルのマスク画像により照合領域を抽出して照合するので、高速に比較することができる。

ここで、図７のハートの画像を例にして、図５（Ａ）のオブジェクト画像との照合を説明する。

エッジが抽出され、かつ二値化されたハート画像である図１０（Ａ）とオブジェクトモデルのマスク画像である図１０（Ｂ）（＝図５（Ｂ））から図１０（Ｃ）の画像が生成される。なお、ハート画像図１０（Ａ）とマスク画像図１０（Ｂ）のサイズやアスペクト比が異なる場合にはマスク画像図１０（Ｂ）に合わせて、処理する。

オブジェクトモデルである図１１（Ａ）（＝図５（Ａ））からも同様にして、図１１（Ｃ）の画像が生成される。

画像図１０（Ｃ）と画像図１１（Ｃ）のピクセルごとの差分を合計しその差分値（一致度）が所定の閾値より小さい場合に、一致していると判断する。

この判定に用いる一致度Ｘの例を次式（１）に示す。

一致度Ｘ＝Σ|I(x,y) − M(x,y)|/(マスクの画素数) ・・・（１）
なお、I(x,y)は、認識対象オブジェクト画像（画像図１０（Ｃ））の座標(x,y)のピクセルの値であり、M(x,y)はオブジェクトモデル（画像図１１（Ｃ））の座標(x,y)のピクセル値である。なお、Σは、矩形の画素全体について比較することを表している。

矩形の中の全ての画素が一致する場合は、I(x,y) ＝ M(x,y)であるので、一致度Ｘは０となる。また、矩形の中の全ての画素が一致しない場合は、一致度Ｘは１となる。

したがって、この一致度Ｘの値によって、認識対象画像が、オブジェクトモデルと一致しているか否かを判断することができる。

なお、画像図１０（Ｃ）と画像図１１（Ｃ）とは類似しないので、一致度は所定値以上であり、オブジェクトモデルに適合しないと判断される。

ここでは、認識対象オブジェクトとオブジェクトモデルの両方の画像にそれぞれマスクをかけて画像を生成しているように説明したが、実際の処理では画像を生成せず認識対象オブジェクトとオブジェクトモデルのマスク部分に対応するピクセルの差分値を算出すればよい。

図１５にオブジェクト抽出装置の例を示す。図１５のオブジェクト抽出装置は、入力されたカラー画像から輝度情報を抽出しグレースケール画像に変換してからエッジを抽出する抽出手段３１、エッジ抽出手段３１で抽出されたエッジ画像に対して二値化を行う二値化手段３２と、二値化手段３２で二値化されたエッジ画像に対してラベリングを行うラベリング手段３３と、ラベリング手段３３でラベリングされたオブジェクトに対して、該オブジェクトに適合する矩形を抽出する矩形抽出手段３４と、矩形抽出手段３４で抽出された矩形の中のオブジェクトと、前記所定のオブジェクトのピクセル又は特徴量を比較するピクセル／特徴量比較手段３５から構成されている。

本実施の形態のオブジェクト抽出装置は、一般的なテンプレートマッチングに対してピクセル単位の照合量を格段に少なくすることで高速にオブジェクトを抽出することが可能となる。

本実施例では、照合する前に候補となる領域を抽出した上で照合するので照合回数を減らすことができるので処理速度が速い。
（変形例１）
次に、認識対象オブジェクトが、図１２（Ａ）の黒塗りの５角形の場合について、そのオブジェクトモデルのマスク部分（図１２（Ｂ））を取り出すと、図１２（Ｃ）の画像が得られる。オブジェクトモデルが、図５（Ａ）の場合であれば、一致度Ｘは大きくなり、オブジェクトモデルと一致しないものと判断される。しかしながら、オブジェクトモデルが、図１３の場合であれば、一致度Ｘは小さくなり、オブジェクトモデルと一致するものと判断される。

つまり、図１２（Ａ）の黒塗りの５角形が、図１３のオブジェクトモデルと同じであると判断されてしまう。

そこで、このような誤判断を避けるための方法を示す。

上記のような誤判断を避けるため図１２の認識対象オブジェクトのシルエット画像を生成しマスク画像とのシルエット画像との一致度であるシルエット画像一致度Ｙを、次式（２）で算出する。

シルエット画像一致度Ｙ=（シルエット画像とマスク画像のいずれにも属するピクセル数）／(シルエット画像かマスク画像のいずれかに属するピクセル数) ・・（２）
このシルエット画像一致度Ｙが、所定の値以上の場合に、上記一致度Ｘの値に基づいて、両者が一致しているか否かを判断する。

例えば、オブジェクトモデルが１１（Ａ）で、認識対象オブジェクトが図１３の場合、シルエット画像一致度Ｙは１となり、一致度Ｘの値に従ってオブジェクトモデルと一致するか否かが判断される。

一方、オブジェクトモデルが１１（Ａ）で、認識対象オブジェクトが図１２（Ａ）の場合、シルエット画像一致度Ｙは、所定の値より小さくなり、一致度Ｘの値が０であっても、両者が一致するとは判断しない。

つまり、この方法では、一致度Ｘとシルエット画像一致度Ｙの両者で、オブジェクトモデルと認識対象オブジェクトが一致するか否かが判断されるので、その判断の正確度が向上する。
（変形例２）
また、照合の処理として、ピクセルの差分値によって比較するのではなく、画像から抽出した画像の特徴量を用いて特徴量間の類似度を画像の類似度とすることも可能である。画像の特徴量としては、カラーヒストグラムや周波数成分による模様特徴量など、一般的な画像特徴量を利用できる。

照合の観点が一致する、しないではなくて、人間の類似感覚に近い特徴となるので、精度が向上する。また撮影条件の違いにより例えば色が多少異なるような場合には模様の特徴量を用いることにより色の変動の影響を軽減するといったことも可能となる。
（その他）
比較ステップは、矩形の中のオブジェクトと、前記所定のオブジェクトとをピクセル単位で比較する場合と、矩形の中のオブジェクトの特徴量と、前記所定のオブジェクトの特徴量とを比較する場合について、別のものとして説明したが、本発明は、この二つの方法を合わせて比較してもよい。

以上、発明を実施するための最良の形態について説明を行ったが、本発明は、この最良の形態で述べた実施の形態に限定されるものではない。本発明の主旨をそこなわない範囲で変更することが可能である。

本発明が適用されるオブジェクト抽出システムの構成例である。 コンピュータで実行されるオブジェクト抽出プログラムを中心にした機能ブロック図も例である。 オブジェクト入力処理を説明するための図である。 オブジェク認識処理を説明するための図である。 オブジェクト画像とそのマスク画像の例である。 対象の画像の例である。 対象の画像からエッジ抽出し、さらに、二値化した画像である。 星の部分から抽出される画像である。 星の部分から抽出される画像とその矩形である。 ハート画像の処理を説明するための図である。 オブジェクトモデルの処理を説明するための図である。 ５角形の処理を説明するための図である。 オブジェクトの例である。 シルエット画像である。 オブジェクト抽出装置を説明するための図である。

符号の説明

１ オブジェクト抽出システム
２ ディジタルカメラ／スキャナ
３ ネットワーク
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４、２３ キーボ−ド
１５ マウス
１６ モニタ
１７ ハードディスク
１８ ペリフェラルＩ／Ｆ
２１ コンピュータ
２２ スキャナ
２４ ディスプレイ
２５ 二次記憶装置
３１ エッジ抽出手段
３２ 二値化手段
３３ ラベリング手段
３４ 矩形抽出手段
３５ ピクセル／特徴量比較手段

Claims (6)

1. 画像データから所定のオブジェクトを抽出するオブジェクト抽出方法において、
   前記画像データのエッジ画像を抽出するエッジ抽出ステップと、
   該エッジ抽出ステップで抽出されたエッジ画像に対してラベリングを行うラベリングステップと、
   該ラベリングステップでラベリングされたオブジェクトに対して、該オブジェクトに適合する矩形を抽出する矩形抽出ステップと、
   該矩形抽出ステップで抽出された矩形毎に、矩形の中のオブジェクトと、前記所定のオブジェクトとをピクセル単位で比較する比較ステップと、
   前記画像データのオブジェクトのシルエット画像と、前記所定のオブジェクトのマスク画像との一致度を算出するシルエット画像一致度算出ステップとを有し、
   前記ピクセル単位で比較する比較ステップは、前記所定のオブジェクトのマスク部分に対応する前記矩形の中のオブジェクトのピクセルと、前記所定のオブジェクトのマスク部分に対応する前記所定のオブジェクトのピクセルとの差分値を算出し、
   前記シルエット画像一致度算出ステップは、前記画像データのオブジェクトのシルエット画像と前記所定のオブジェクトのマスク画像のいずれにも属するピクセル数を、前記画像データのオブジェクトのシルエット画像と前記所定のオブジェクトのマスク画像のいずれかに属するピクセル数で除して算出し、
   該シルエット画像一致度算出ステップにより算出された一致度が所定の値以上の場合に、前記比較ステップは、矩形の中のオブジェクトと、前記所定のオブジェクトとを比較することを特徴とするオブジェクト抽出方法。
2. 前記比較ステップは、前記矩形抽出ステップで抽出された矩形毎に、矩形の中のオブジェクトと、前記所定のオブジェクトとをピクセル単位で比較する代わりに、
   前記矩形抽出ステップで抽出された矩形毎に、矩形の中のオブジェクトの特徴量と、前記所定のオブジェクトの特徴量とを比較することを特徴とする請求項１記載のオブジェクト抽出方法。
3. 前記比較ステップの前に、前記所定のオブジェクトに適合する矩形の大きさ及び／又は矩形のアスペクト比と、前記矩形抽出ステップで抽出された矩形の大きさ及び／又は矩形のアスペクト比とを比較する矩形比較ステップを有することを特徴とする請求項１又は２記載のオブジェクト抽出方法。
4. 所定のオブジェクト及び該オブジェクトに適合する矩形データを格納した記憶手段と、画像データから所定のオブジェクトを抽出するオブジェクト抽出手段とを有するオブジェクト抽出装置において、
   前記オブジェクト抽出手段は、
   前記画像データのエッジ画像を抽出するエッジ抽出手段と、
   該エッジ抽出手段で抽出されたエッジ画像に対してラベリングを行うラベリング手段と、
   該ラベリン手段でラベリングされたオブジェクトに対して、該オブジェクトに適合する矩形を抽出する矩形抽出手段と、
   該矩形抽出手段で抽出された矩形毎に、矩形の中のオブジェクトと、前記所定のオブジェクトとをピクセル単位で比較する比較手段と、
   前記画像データのオブジェクトのシルエット画像と、前記所定のオブジェクトのマスク画像との一致度を算出するシルエット画像一致度算出手段とを有し、
   前記ピクセル単位で比較する比較手段は、前記所定のオブジェクトのマスク部分に対応する前記矩形の中のオブジェクトのピクセルと、前記所定のオブジェクトのマスク部分に対応する前記所定のオブジェクトのピクセルとの差分値を算出し、
   前記シルエット画像一致度算出手段は、前記画像データのオブジェクトのシルエット画像と前記所定のオブジェクトのマスク画像のいずれにも属するピクセル数を、前記画像データのオブジェクトのシルエット画像と前記所定のオブジェクトのマスク画像のいずれかに属するピクセル数で除して算出し、
   該シルエット画像一致度算出手段により算出された一致度が所定の値以上の場合に、前記比較手段は、該矩形抽出手段で抽出された矩形の中のオブジェクトと、前記所定のオブジェクトとを比較することにより、所定のオブジェクトを画像データから抽出することを特徴とするオブジェクト抽出装置。
5. 前記比較手段は、前記矩形抽出手段で抽出された矩形毎に、矩形の中のオブジェクトと、前記所定のオブジェクトとをピクセル単位で比較する代わりに、
   前記矩形抽出手段で抽出された矩形毎に、矩形の中のオブジェクトの特徴量と、前記所定のオブジェクトの特徴量とを比較することを特徴とする請求項４記載のオブジェクト抽出装置。
6. 請求項１ないし３何れか一項に記載されたオブジェクト抽出方法をコンピュータに実行させるためのオブジェクト抽出プログラム。

Images