JP4744401B2 - 画像処理装置 - Google Patents

Description

本発明は、画像から検出対象物体を検出する画像処理装置に関する。

近年、運転者を支援するための様々な装置が開発されており、これら装置には運転者に車両前方の歩行者の情報を提供するものがある。歩行者を検出する手法としては、例えば、車両前方をカメラで撮像し、その撮像画像からテンプレートを用いてパターン認識によって歩行者を検出する手法がある。
特開２００４−１７１２９５号公報

しかし、パターン認識で物体を検出する場合、テンプレートにおける検出対象の形状に似ている物体も誤検出する場合がある。検出対象が歩行者の場合、路上に設置されている看板などが同じような大きさや外形状を有している。そのため、一般に用いられている歩行者のテンプレートを用いた場合、歩行者と看板とを識別することが困難であり、看板を誤検出する可能性がある。

そこで、特許文献１に記載の装置では、静止物体と判定した物体のうち前方撮像画像に基づいて自車の進路上に存在しない物体を検知対象から除外し、路肩や歩道の看板などを障害物として誤って検知するのを防止している。この装置の場合、路肩や歩道に存在する静止歩行者も除外するため、運転者にとって必要な歩行者情報を提供することができない。

そこで、本発明は、画像から検出対象物体を検出する際に矩形物を誤検出することを抑制する画像処理装置を提供することを課題とする。

本発明に係る画像処理装置は、画像から検出対象物体を検出する画像処理装置であって、画像から検出対象物体候補領域を抽出する検出対象物体候補領域抽出手段と、検出対象物体候補領域抽出手段で抽出された検出対象物体候補領域毎に、検出対象物体候補領域の各ラインのパターンを周波数変換して位相成分を除去する位相成分除去手段と、検出対象物体候補領域抽出手段で抽出された検出対象物体候補領域毎に、検出対象物体候補領域の各ラインの位相成分が除去された振幅成分に基づいて隣接するライン間の振幅成分の距離をそれぞれ算出し、検出対象物体候補領域の隣接するライン間の振幅成分の距離の和を評価する評価手段と、検出対象物体候補領域抽出手段で抽出された検出対象物体候補領域毎に、評価手段で評価した隣接するライン間の振幅成分の距離の和が閾値以下か否かにより、検出対象物体候補領域が検出対象物体かあるいは矩形物体かを識別する識別手段とを備えることを特徴とする。

この画像処理装置では、評価手段により、画像から各ラインのパターンを抽出し、ライン間のパターンの類似度を評価する。さらに、画像処理装置では、識別手段により、ライン間の類似度に基づいて検出対象物体（例えば、歩行者）かあるいは他の物体（矩形物）かを識別する。矩形物は、外形状が直線成分であるので、ライン間のパターン（形状の特徴）が似ている箇所が多い。しかし、歩行者のような物体は、外形状が多様に変化するので、ライン間のパターンが異なる箇所が多い。そのため、この画像処理装置では、矩形物と検出対象物体とを高精度に識別でき、矩形物を誤検出することを抑制できる。また、画像処理装置では、矩形物を識別するためにライン間のパターンの類似度を評価するだけなので、処理負荷も軽減する。ちなみに、従来の方法では、矩形物を識別するために幾何学的に直線を検出する必要があったので、処理負荷が大きい。

なお、ライン間のパターンの類似度は、画像の各ラインにおける画素の情報（例えば、輝度）が変化するパターンを用い、隣り合うライン間のパターンの類似度である。矩形物は、外形状として少なくとも同じ方向に２本の直線を有する物体であり、例えば、看板、ポスト、標識、電柱である。

本発明の上記画像処理装置では、評価手段は、画像の各ラインの位相不変の特徴量を用いて隣接するライン間のパターンの類似度の和を評価する構成としてもよい。

この画像処理装置では、評価手段により、画像から各ラインのパターンにおける位相不変の特徴量を抽出し、この各ラインの位相不変の特徴量を用いてライン間のパターンの類似度を評価する。位相不変の特徴量は、各ラインにおける画素の情報のパターンにおいて位相成分が変わらない（例えば、位相成分が含まれない）特徴量である。例えば、同じ形状の矩形物が真っ直ぐに立っている場合と傾いている場合とでは、横方向の各ラインのパターンは、パターンの形状としては同じであるが、パターンの位置が横方向にずれている（位相成分は異なる）。したがって、同じ形状の矩形物が真っ直ぐに立っている場合と傾いている場合とで、各ラインのパターンにおける位相不変の特徴量は同じになる。そのため、画像処理装置では、この位相不変の特徴量に基づく類似度によって識別することにより、矩形物の傾きに関係なく矩形物を識別することができる。

本発明の上記画像処理装置では、画像の各ラインのパターンを周波数変換して位相成分を除去する位相成分除去手段を備え、評価手段は、各ラインの位相成分が除去された振幅成分に基づいて隣接するライン間のパターンの類似度の和を評価する構成としてもよい。

この画像処理装置では、位相成分除去手段により、画像の各ラインのパターンを周波数変換し、そのパターンの周波数変換から位相成分を除去する。そして、画像処理装置では、評価手段により、各ラインの位相成分が除去された振幅成分に基づいてライン間のパターンの類似度を評価する。ここでは、各ラインのパターンの位相不変の特徴量として、パターンの周波数変換から位相成分を除去した後の振幅成分を用いる。

ちなみに、２つの画像において対応するラインのパターンが同じ形状であるがパターンの位置が異なっている場合、その対応するラインのパターンをそれぞれフーリエ変換すると、振幅成分は同じであるが、位相成分が異なる。そのため、位相成分を除去した振幅成分を用いてライン間のパターンの類似度を比較することにより、パターンにおける位相のずれに影響されない識別を行うことができる（つまり、矩形物の傾きに影響されずに矩形物を識別することができる）。

本発明は、画像のライン間のパターンの類似度に基づいて識別することにより、矩形物を識別でき、矩形物を誤検出することを抑制できる。

以下、図面を参照して、本発明に係る画像処理装置の実施の形態を説明する。

本実施の形態では、本実施の形態に係る画像処理装置を、車両に搭載されるナイトビューシステムに適用する。本実施の形態に係るナイトビューシステムは、夜間走行時の運転者を支援するために、カメラによる近赤外線画像から歩行者を検出し、車両前方に存在する歩行者情報を提供する。

図１〜図６を参照して、本実施の形態に係るナイトビューシステム１について説明する。図１は、本実施の形態に係るナイトビューシステムの構成図である。図２は、本実施の形態に係るナイトビューシステムの各機器の配置図である。図３は、ＥＣＵにおける矩形物除去フィルタの説明図である。図４は、看板の画像の一例であり、（ａ）が歩行者候補領域画像であり、（ｂ）がライン間距離画像である。図５は、歩行者の画像の一例であり、（ａ）が歩行者候補領域画像であり、（ｂ）がライン間距離画像である。図６は、矩形物と歩行者に対する実験結果の一例であり、判定閾値と矩形物除去フィルタの透過率との関係を示すグラフである。

ナイトビューシステム１は、近赤外線画像から歩行者を検出し、検出した歩行者を示す情報を表示する。特に、ナイトビューシステム１は、歩行者の検出精度を向上させるために、歩行者との識別が難しい看板などの矩形物を除去するためのフィルタを有している。ナイトビューシステム１は、カメラ２、ディスプレイ３及びＥＣＵ[Electronic Control Unit]４を備えている。

カメラ２は、図２に示すように、車両の前側（例えば、ルームミラーの裏側）に配置され、車両前方に向けて取り付けられる。カメラ２は、近赤外線を取り込み、その近赤外線の強弱に応じた濃淡によって近赤外線映像を生成する。この近赤外線映像は、一定時間（例えば、１／３０秒）毎のフレームの近赤外線画像からなる。カメラ２では、一定時間毎に、各フレームの近赤外線画像情報を画像信号としてＥＣＵ４に送信する。なお、ナイトビューシステム１は必要に応じて近赤外線投光器を備える構成としてもよいが、ヘッドライトから照射される光の中に近赤外線も含まれるので、近赤外線投光器を備えない構成としてもよい。

ディスプレイ３は、近赤外線画像から検出された歩行者の情報を運転者に提供する表示手段であり、例えば、液晶ディスプレイ、ヘッドアップディスプレイである。ディスプレイ３では、ＥＣＵ４から表示信号を受信し、表示信号に示される画像を表示する。表示画像としては、例えば、撮像された近赤外線画像において検出された歩行者が矩形線で囲まれて強調表示する画像、検出された歩行者だけを表示する画像である。

ＥＣＵ４は、ＣＰＵ[Central Processing Unit]、ＲＯＭ[ReadOnly Memory]、ＲＡＭ[Random Access Memory]などからなり、ＲＯＭに保持されるソフトウエアをＣＰＵで実行することによって歩行者候補領域抽出部１０、矩形物除去フィルタ１１（フーリエ変換部１１ａ、ライン間距離演算部１１ｂ、歩行者判別部１１ｃ）、出力部１２が構成される。ＥＣＵ４では、一定時間毎に、カメラ２から画像信号を受信し、近赤外線画像から歩行者を検出する。そして、ＥＣＵ４では、その歩行者の検出結果をディスプレイ３に表示させる。なお、本実施の形態では、フーリエ変換部１１ａが特許請求の範囲に記載する位相成分除去手段に相当し、ライン間距離演算部１１ｂが特許請求の範囲に記載する評価手段に相当し、歩行者判別部１１ｃが特許請求の範囲に記載する識別手段に相当する。

歩行者候補領域抽出部１０は、近赤外線画像から歩行者候補領域を抽出する。この抽出方法としては、特に限定せず、各種方法が適用可能である。抽出方法としては、例えば、歩行者のテンプレートを用意し、テンプレートを用いたパターンマッチングによる方法がある。具体的には、近赤外線画像から所定の大きさの矩形領域を順次切り出し、テンプレートの画像と切り出した各矩形領域画像とのマッチング度を求め、そのマッチング度が閾値以上の場合にはその矩形領域を歩行者候補領域とする。

なお、歩行者のテンプレートは、歩行者以外にも路上に設置されている看板やポストなどが同じような外形状を有している。そのため、歩行者のテンプレートを用いたパターンマッチングでは、歩行者以外にも看板などを歩行者候補領域として抽出する可能性がある。図３には、歩行者候補領域の画像ＣＩの一例を示しており、看板の画像である。

矩形物除去フィルタ１１は、抽出した歩行者候補の中から看板などの矩形物の歩行者候補を除去し、歩行者の歩行者候補を通過させるフィルタである。除去できる矩形物としては、少なくとも縦方向に２本の直線成分を有する物体であり、看板やポストの他にも電柱なども含まれる。

フーリエ変換部１１ａでは、各歩行者候補領域に対して、一次元の離散フーリエ変換（１Ｄ−ＤＦＴ）を行う。具体的には、フーリエ変換部１１ａでは、歩行者候補領域画像の各画素の輝度値を用いて、式（１）により横方向のライン毎に離散フーリエ変換を行う。この横ライン毎の離散フーリエ変換Ｆ（ｋ）には、振幅成分と位相成分が含まれている。

式（１）のｆ（ｎ）は、ある関数ｆ（ｔ）を等間隔で標本化したＮ個の１次関数信号であり、周期Ｔ（＝ＮΔｔ）をとる周期関数である。Ｗは、式（２）で表され、実数部と虚数部からなる。この実数部をＲ_ｉｊとし、虚数部をＩ_ｉｊとすると、Ｆ（ｋ）の位相成分Ｐ_ｉｊは式（３）で表される。ｉは歩行者候補領域画像の横方向の画素番号であり、ｊは歩行者候補領域画像の横方向の画素番号である。

フーリエ変換部１１ａでは、横ライン毎に、式（３）により位相成分Ｐ_ｉｊを算出する。そして、フーリエ変換部１１ａでは、横ライン毎に、横ラインの離散フーリエ変換Ｆ（ｋ）から位相成分Ｐ_ｉｊを取り除く。位相成分Ｐ_ｉｊが取り除かれることによって、振幅成分が残る。図３には、看板画像ＣＩの横ライン毎に位相成分が取り除かれた振幅成分の画像ＡＩを示している。

同じ矩形物（看板など）が真っ直ぐ立っている場合と傾いて立っている場合とでは、画像の横ラインにおいて、輝度が変化するパターン（矩形物の縦方向の２本の直線部分（外形状）で輝度が大きく変化するパターン）は同じであるが、その輝度が変化する横方向の位置が異なる。そのため、横ライン毎の離散フーリエ変換の振幅成分は同じになるが、位相成分は異なる。したがって、位相成分を取り除いて振幅成分にすると、位相のずれに影響されずに（すなわち、矩形物の傾き関係なく）、矩形物を識別することができる。

ライン間距離演算部１１ｂでは、縦方向で隣り合う横ライン間毎に、離散フーリエ変換の位相成分を取り除いた振幅成分（横ラインにおける輝度パターンに相当）についてのライン間の距離（類似度）を算出する。この距離は、ユークリッド距離であり、値が小さいほど類似度が大きくなる。図３には、振幅成分の画像ＡＩについての横ライン間の距離に対応する輝度で示した画像ＤＩを示しており、画像ＤＩでは距離が小さい（類似度が大きい）ほど輝度を小さくしている（黒っぽくなる）。

看板などの矩形物は、縦方向に２本の直線成分があり、横方向の輝度の変化するパターンは縦方向で似ている。したがって、横方向の輝度パターンの特徴が縦方向で似ているものが多ければ、矩形物と判別することができる。そこで、縦方向に隣り合う横ライン間の振幅成分（輝度パターンに相当）の類似度を求め、この類似度が大きくなれば矩形物と判別することができる。一方、歩行者は、縦方向に直線的な形状をしておらず、横方向の輝度の変化するパターンは縦方向で似ていない。したがって、縦方向に隣り合う横ライン間の振幅成分の類似度は大きくならない。

図４（ａ）には歩行者候補領域として抽出された看板の画像の一例を示しており、図４（ｂ）にはその画像に上記処理で求めたライン間距離を表す画像を示している。このライン間画像では黒っぽい部分が殆どであり、横ライン間の類似度が高いことが判り、横方向の輝度パターンが縦方向で非常に似ていることを示している。図５（ａ）には歩行者候補領域として抽出された歩行者の画像の一例を示しており、図５（ｂ）にはその画像に上記処理で求めたライン間距離を表す画像を示している。このライン間画像では白っぽい部分が多くなっており、横ライン間の類似度が低いことが判り、横方向の輝度パターンが縦方向で似ていないことを示している。

歩行者判別部１１ｃでは、歩行者候補領域毎に、ライン間距離が小さい順（類似度が大きい順）にソートする。図３には、ライン間距離をソートした画像ＳＩを示している。そして、歩行者判別部１１ｃでは、小さい順にソートされたライン間距離の中から小さい順に所定範囲内含まれるライン間距離を抽出し、その抽出した各ライン間距離の値を積算する。つまり、所定範囲内に含まれる類似度の高い順のライン間距離を合計する。さらに、歩行者判別部１１ｃでは、歩行者候補領域毎に、そのライン間距離の合計値が判定閾値以下か否かを判定する。ライン間距離の合計値が判定閾値以下の場合、縦方向で隣り合う横ライン間の振幅成分の類似度が大きいことを示しており（横方向の輝度パターンの特徴が縦方向で似ているものが多い）、歩行者判別部１１ｃでは、矩形物と判別し、その歩行者候補領域を棄却する。一方、ライン間距離の合計値が判定閾値より大きい場合、縦方向で隣り合う横ライン間の振幅成分の類似度が小さいことを示しており（横方向の輝度パターンの特徴が縦方向で似ているものが少ない）、歩行者判別部１１ｃでは、歩行者と判別し、その歩行者候補領域を確定する。

なお、所定範囲は、多数の歩行者と矩形物についての実験によって予め決められた範囲であり、画像のノイズなどの影響を判定から除外するための範囲である。ノイズなどの影響を考慮する必要がない場合には、全てのライン間距離の合計値によって判定を行ってよい。判定閾値は、多数の歩行者と矩形物についての実験によって予め決められた閾値である。

図６には、多数の歩行者と多数の矩形物（看板）に対する実験を行い、判定閾値と矩形物除去フィルタでの透過率との関係を調べた結果を示しており、ＷＬ（破線）が歩行者についての関係を示しており、ＲＬ（実線）が矩形物についての関係を示している。歩行者の場合、ライン間距離の合計値が大きくなるので、判定閾値が比較的小さい値のときから透過率が高くなっている。矩形物の場合、ライン間距離の合計値が小さくなるので、判定閾値が大きくならないと透過率が高くならない。例えば、Ｊ（一点鎖線）で示す判定閾値の場合、歩行者の歩行者候補領域については７０％弱の透過率であり、矩形物の歩行者候補領域については１０％強の透過率である。このような実験によって、判定閾値の最適値を設定する。

出力部１２では、歩行者判別部１１ｃで確定した歩行者候補領域を用いて検出した歩行者の情報を示す表示画像を生成し、その表示信号をディスプレイ３に送信する。この表示画像としては、近赤外線画像とその近赤外線画像内で検出された歩行者を強調するための歩行者を囲む矩形線からなる画像、あるいは、検出された歩行者だけを表示する画像である。

図１〜図３を参照して、ナイトビューシステム１の動作について説明する。特に、ＥＣＵ４における処理について図７のフローチャートに沿って説明する。図７は、本実施の形態に係るナイトビューシステムのＥＣＵにおける処理の流れを示すフローチャートである。

カメラ２では、車両前方を近赤外線によって撮像し、一定時間毎に各フレームの撮像画像情報からなる画像信号をＥＣＵ４に送信している。ＥＣＵ４では、一定時間毎に、カメラ２から画像信号を受信し、撮像画像を取得する（Ｓ１）。そして、ＥＣＵ４では、テンプレートを用いたパターンマッチングによって、撮像画像から歩行者候補領域を抽出する（Ｓ２）。

ＥＣＵ４では、抽出した歩行者候補の中から歩行者候補を１つづつ選択する（Ｓ３）。そして、ＥＣＵ４では、選択した歩行者候補の領域画像の横ライン毎に離散フーリエ変換を行う（Ｓ４）。さらに、ＥＣＵ４では、横ライン毎の離散フーリエ変換の位相成分の算出し、位相成分を除去する（Ｓ５）。ここで、各横ラインについて位相不変の振幅成分が取り出されることになり、歩行者候補領域画像における各横ラインの形状の特徴（輝度パターン）を、横方向の位置のずれに影響されることなく比較することができる。

続いて、ＥＣＵ４では、横ライン毎の位相成分除去後の振幅成分について、縦方向で隣り合うライン間の距離を算出する（Ｓ６）。ここで、横方向の位置のずれに影響されることなく、歩行者候補領域画像における縦方向で隣り合う横ライン間での形状の特徴の類似度が求められる。そして、ＥＣＵ４では、そのライン間距離を値が小さい順にソートし（Ｓ７）、所定範囲に含まれる小さい順のライン間距離を合計する（Ｓ８）。

続いて、ＥＣＵ４では、ライン間の距離の合計値が判定閾値以下か否かを判定する（Ｓ９）。Ｓ９にて合計値が判定閾値以下と判定した場合、ＥＣＵ４では、矩形物と判別し、その歩行者候補を棄却する（Ｓ１０）。一方、Ｓ９にて合計値が判定閾値より大きいと判定した場合、ＥＣＵ４では、歩行者と判別し、その歩行者候補を確定する（Ｓ１１）。ここで、画像の横ラインの形状の特徴が縦方向で似たものが多い歩行者候補が矩形物除去フィルタで遮断され、画像の横ラインの形状の特徴が縦方向で似たものが少ない歩行者候補が矩形物除去フィルタで透過される。

次に、ＥＣＵ４では、Ｓ２で抽出した歩行者候補についての処理が全て終了したか否かを判定する（Ｓ１２）。Ｓ１２にて全て終了していないと判定した場合、ＥＣＵ４では、Ｓ３に戻って次の歩行者候補を選択し、次の歩行者候補に対する処理を行う。一方、Ｓ１２にて全て終了したと判定した場合、ＥＣＵ４では、確定した歩行者候補の歩行者の情報を提供するための表示画像を生成し、表示信号をディスプレイ３に送信する（Ｓ１３）。この表示信号を受信すると、ディスプレイ３では、表示信号に応じた画像を表示する。

ナイトビューシステム１では、以上の動作を一定時間毎に繰り返し行い、運転者に車両前方の歩行者の情報を提供する。運転者は、この情報により、夜間でも歩行者を確実に認識できる。

このナイトビューシステム１によれば、横ライン間の振幅成分についての距離を用いて縦方向のライン間でパターン（形状の特徴）が似ているか判定することにより、矩形物と歩行者とを高精度に識別でき、矩形物を誤検出することを抑制できる。これによって、運転者に正しい歩行者情報を提供することができ、運転の安全性を向上させることができる。また、ナイトビューシステム１によれば、矩形物を識別するためにライン間の振幅成分についての距離を求めるだけなので、処理負荷も軽減する。

また、ナイトビューシステム１によれば、横ラインの離散フーリエ変換から位相成分を取り除くことにより、矩形物が傾いている場合でも矩形物を識別することができる。また、ナイトビューシステム１によれば、離散フーリエ変換を用いることにより、簡単に、各横ラインの位相成分を除去したパターンを求めることができる。

以上、本発明に係る実施の形態について説明したが、本発明は上記実施の形態に限定されることなく様々な形態で実施される。

例えば、本実施の形態ではカメラで撮像した近赤外線画像に基づく歩行者検出に適用したが、近赤外線以外の不可視カメラで撮像した不可視画像あるいは可視カメラで撮像した可視画像に基づく歩行者検出にも適用可能であり、また、歩行者以外の検出にも適用可能である。また、本実施の形態では車両に搭載されるナイトビューシステムに適用したが、車載装置に限定されることなく、様々な用途に適用可能である。

また、本実施の形態ではライン間のパターンの類似度を求めるために、横ライン毎に離散フーリエ変換を行い、その位相成分を除去した振幅成分のライン間の類似度を求める構成としたが、フーリエ変換を用いない他の方法によってライン間のパターンの類似度を求める構成としてもよい。

また、本実施の形態では位相成分を求めて、その位相成分を除去して振幅成分を求める構成としたが、振幅成分を直接求めるなどの他の方法によって振幅成分を求めてもよい。また、矩形物が傾いていない場合には（真っ直ぐに立っている矩形物だけの場合）、位相成分を除去しなくてもよい。

また、本実施の形態では横ライン毎の類似度として距離を求める構成としたが、相対値などの他の類似度を求める構成としてもよい。相対値の場合、値が大きいほど類似度が大きくなる。

また、本実施の形態では横ラインに対する類似度を評価する構成としたが、矩形物が横方向に直線成分がある場合には縦ラインに対する類似度を評価する構成としてもよいし、あるいは、横ラインの類似度及び縦ラインの類似度を評価する構成としてもよい。縦ラインの類似度を評価する場合、矩形物の水平方向に傾いているときにでも矩形物を識別することが可能となる。

本実施の形態に係るナイトビューシステムの構成図である。 本実施の形態に係るナイトビューシステムの各機器の配置図である。 本実施の形態に係る図１のＥＣＵにおける矩形物除去フィルタの説明図である。 看板の画像の一例であり、（ａ）が歩行者候補領域画像であり、（ｂ）がライン間距離画像である。 歩行者の画像の一例であり、（ａ）が歩行者候補領域画像であり、（ｂ）がライン間距離画像である。 矩形物と歩行者に対する実験結果の一例であり、判定閾値と矩形物除去フィルタの透過率との関係を示すグラフである。 本実施の形態に係るナイトビューシステムのＥＣＵにおける処理の流れを示すフローチャートである。

符号の説明

１…ナイトビューシステム、２…カメラ、３…ディスプレイ、４…ＥＣＵ、１０…歩行者候補領域抽出部、１１…矩形物除去フィルタ、１１ａ…フーリエ変換部、１１ｂ…ライン間距離演算部、１１ｃ…歩行者判別部、１２…出力部

Claims (1)

1. 画像から検出対象物体を検出する画像処理装置であって、
   画像から検出対象物体候補領域を抽出する検出対象物体候補領域抽出手段と、
   前記検出対象物体候補領域抽出手段で抽出された検出対象物体候補領域毎に、前記検出対象物体候補領域の各ラインのパターンを周波数変換して位相成分を除去する位相成分除去手段と、
   前記検出対象物体候補領域抽出手段で抽出された検出対象物体候補領域毎に、前記検出対象物体候補領域の各ラインの位相成分が除去された振幅成分に基づいて隣接するライン間の振幅成分の距離をそれぞれ算出し、前記検出対象物体候補領域の隣接するライン間の振幅成分の距離の和を評価する評価手段と、
   前記検出対象物体候補領域抽出手段で抽出された検出対象物体候補領域毎に、前記評価手段で評価した隣接するライン間の振幅成分の距離の和が閾値以下か否かにより、前記検出対象物体候補領域が検出対象物体かあるいは矩形物体かを識別する識別手段と
   を備えることを特徴とする画像処理装置。