JP5787845B2 - 画像認識装置、方法、及びプログラム - Google Patents

Description

本発明の実施形態は、画像認識装置、方法、及びプログラムに関する。

認識対象となる対象人物が写っている入力画像から、対象人物の顔の特徴を数値化した
特徴量を抽出し、予めデータベースに登録されている複数の人物の顔の特徴量と比較する
ことにより、対象人物を認識する画像認識装置がある。

従来の画像認識装置には、入力画像における対象人物の顔の向き、対象人物の装着物、
照明環境から、顔認識に用いる複数の特徴量の信頼度を判定し、当該信頼度と各特徴量と
に基づいて対象人物を認識することにより、認識精度を高めようとするものがある。

しかしながら、このような画像認識装置では、入力画像内での顔のサイズ等に起因して
、十分に認識精度を高めることができない。

特開２００７―１２８２６２号公報 特開２００６−２６８８２５号公報 特開２００７−４７６７号公報 特開２００８−１４６３２９号公報

発明が解決しようとする課題は、画像に写っている人物を精度よく認識することができ
る画像認識装置、方法、及びプログラムを提供することである。

上記課題を解決するために、本発明の一の実施形態に係る画像認識装置１は、取得部と
、検出部と、抽出部と、算出部と、照合部とを備える。

取得部は、画像を取得する。検出部は、前記画像から認識対象となる対象人物の顔領域を検出する。抽出部は、前記顔領域の特徴データを抽出する。算出部は、前記顔領域のサイズに基づく前記特徴データの信頼度を算出する。照合部は、複数の人物の顔の特徴データを予め格納しているデータベースを参照し、前記信頼度を用いて、抽出された前記特徴データと、前記データベースに格納されている前記特徴データとを照合し、前記対象人物を認識する。前記抽出部は、サイズを正規化した前記顔領域の周波数成分を前記特徴データとして抽出する。前記算出部は、前記周波数成分の帯域毎の前記信頼度を算出する。

第１の実施形態に係る画像認識装置１を表すブロック図。 画像認識装置１の処理を表すフローチャート。 抽出部１３による顔領域の特徴量の抽出方法の説明図。 顔領域のサイズと特徴データの信頼度とを対応付けた信頼度テーブルの一例図。 照合データの一例図。 画像認識装置２を表すブロック図。 顔領域の空間周波数成分を抽出して可視化した周波数画像。 フィルタテーブルの一例図。 可視化した各フィルタを表す一例図。 抽出部２３及び算出部２４の処理を表すフローチャート。 画像認識装置１，２のハードウェア構成の一例を表すブロック図。

以下、本発明の実施形態について図面を参照して詳細に説明する。

本願明細書と各図において、既出の図に関して前述したものと同様の要素には同一の符号
を付して詳細な説明は適宜省略する。

（第１の実施形態）
第１の実施形態に係る画像認識装置１は、監視カメラを用いたセキュリティシステム等
に用いられ得る。画像認識装置１は、入力画像に写っている対象人物の顔と、データベー
スに予め格納されている複数の人物の顔に関する照合データとを照合して、当該対象人物
を認識するものである。

画像認識装置１は、入力画像に写っている対象人物の顔領域のサイズを算出するととも
に、顔領域内の特徴データを抽出する。画像認識装置１は、顔領域のサイズに基づいて認
識に用いる特徴データの信頼度を算出する。画像認識装置１は、顔領域のサイズに基づい
て算出した信頼度と特徴データとを用いて、対象人物を認識するため、対象人物を精度よ
く認識することができる。

図１は、本実施形態の画像認識装置１を表すブロック図である。画像認識装置１は、取
得部１１と、検出部１２と、抽出部１３と、算出部１４と、照合部１５と、出力部１６と
、照合データ格納部５１とを備える。算出部１４は、サイズ算出部１４１と、信頼度算出
部１４２とを含む。

取得部１１は、入力画像を取得する。入力画像は、例えば監視カメラで撮影された画像
であってよい。入力画像は静止画でも動画像のフレームであっても構わない。

検出部１２は、入力画像に写っている対象人物の顔領域を検出する。対象人物は、一人
であっても、複数人であっても構わない。例えば、検出部１２は、顔領域を検出するため
の矩形領域を画像上で走査し、矩形領域の平均輝度差に基づくＨａａｒ−ｌｉｋｅ特徴を
用いて、顔領域を検出してもよい（特許文献２参照）。あるいは、検出部は、顔領域を検
出するための顔モデル画像を用いたテンプレートマッチングにより、顔領域を検出しても
よい。

抽出部１３は、検出された顔領域の特徴データを抽出する。このとき、抽出部１３は、
入力画像から顔領域を切り出し、当該顔領域を拡大／縮小、又はアフィン変換等を用いて
、予め定められたサイズに正規化する。これは、対象人物の顔領域のサイズに応じて、抽
出されるベクトルである特徴データの次元（要素数）が変わるため、照合部１５（後述）
での照合には特徴データのベクトルの次元を揃える必要があるからである。

サイズ算出部１４１は、検出された顔領域のサイズを算出する。

信頼度算出部１４２は、算出された顔領域のサイズに基づいて、各特徴データの信頼度
を算出する。ここで特徴データの信頼度とは、照合部１５（後述）が当該特徴データを用
いて照合する際に、当該特徴データがどれくらい信頼できるかを示す度合いである。詳細
は後述する。

照合データ格納部５１は、複数の人物について、人物を識別するための人物ＩＤと、当
該人物の顔領域の特徴データとを対応付けた照合データを予め格納している。照合データ
とは、テーブル形式であってよい。また、照合データに含まれる特徴データと、抽出部１
３が抽出する特徴データとは、比較可能なように予め対応させておく。

照合部１５は、照合データ格納部５１を参照し、対象人物の顔領域から抽出された各特
徴データと、格納された照合データとを照合することにより、特徴データ毎の類似の度合
いである特徴データ類似度を算出する。照合部１５は、算出した各特徴データ類似度と、
信頼度算出部１４２が算出した信頼度とに基づいて、照合データに存在する人物毎に、対
象人物との類似の度合いである人物類似度を算出する。

照合部１５は、人物類似度が高い人物ＩＤを照合データ格納部５１から抽出する。照合
データ格納部５１から抽出した人物ＩＤが本実施形態における認識結果である。なお、照
合部１５は、人物類似度が最も高い人物ＩＤのみを抽出してもよく、人物類似度が最も高
いものから順に、複数人の人物ＩＤを抽出してもよい。すなわち、照合部１５は、ユーザ
からの要求に応じて認識結果を設定可能なものであってよい。

出力部１６は、認識結果を出力する。出力部１６は、例えば、認識結果を表示ディスプ
レイやスピーカ、あるいは当該認識結果を用いてデータ処理を行なう他の装置等に出力す
る。

取得部１１と、検出部１２と、抽出部１３と、サイズ算出部１４１と、信頼度算出部１
４２と、照合部１５と、出力部１６とは、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎ
ｇ Ｕｎｉｔ）、及びＣＰＵが用いるメモリにより実現されてよい。また、照合データ格
納部５１は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａ
ｔｅ Ｄｒｉｖｅ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、メモリカード等の
磁気的、光学的、又は電気的に記憶可能な記憶装置の少なくともいずれかにより実現され
てよい。

また、照合データ格納部５１は、ネットワーク上の一又は複数のサーバで構成されても
よい。これにより、画像認識装置１を、クラウドコンピューティングを用いたシステムと
して実装することが可能となる。

以上、画像認識装置１の構成について説明した。

図２は、画像認識装置１の処理を表すフローチャートである。図２のフローチャートに
示す処理は、取得部１１が入力画像を取得する毎に行なわれる。

ステップＳ１０１において、取得部１１は、入力画像を取得する（Ｓ１０１）。取得部
１１は、取得した入力画像を検出部１２と抽出部１３とに供給する。

ステップＳ１０２において、検出部１２は、入力画像に写っている対象人物の顔領域を
検出したか否かを判定する（Ｓ１０２）。

顔領域を検出しなかった場合は（Ｓ１０２：ＮＯ）、ステップＳ１０１に遷移し、取得
部１１は、次の入力画像を取得する。

顔領域を検出した場合（Ｓ１０２：ＹＥＳ）、ステップＳ１０３において、抽出部１３
は、検出された顔領域の複数の特徴データを抽出する（Ｓ１０３）。このとき、検出部１
２は、入力画像での対象人物の位置情報を、抽出部１３とサイズ算出部１４１とに供給す
る。本実施形態における顔領域は矩形であるため、検出部１２は、顔領域の左上の点の座
標と、右下の点の座標とを抽出部１３に供給してよい。そして、抽出部１３は、入力画像
における当該位置情報の領域から複数の特徴データを抽出する。

図３は、抽出部１３による顔領域の特徴データの抽出方法の説明図である。入力画像に
対して、矩形２０１は検出部１２で検出された顔領域を表す。矩形２０２〜２０５は、矩
形２０１を４等分した各々の矩形である。

本実施形態では、矩形２０１および矩形２０２〜２０５から特徴データを抽出する。本
実施形態では、抽出される特徴データの次元を揃えるために、各矩形を予め定めた大きさ
の矩形画像に拡大／縮小、又はアフィン変換し、各矩形画像の各画素の輝度値を要素とす
るベクトルを長さ１に正規化したものを特徴データとする。

あるいは、顔領域の画像にソーベルフィルタやガボールフィルタを施して得られる画像
の各画素の輝度値を要素とするベクトルを特徴データとしてもよい。あるいは、特徴デー
タに白色化変換などの線型変換を施したものでもよい。あるいは、特徴量抽出を行なう前
段階で、３次元顔モデルを用いて正面向きの顔画像を生成する正規化処理を行なってもよ
い（特許文献３参照）。

ここで、顔認識の分野では、一般的に、抽出された各特徴データによる認識精度は、顔
領域のサイズによって異なる。例えば、入力画像における顔領域のサイズが大きい場合、
細部の形状まで識別することができるため、矩形２０２〜２０５から抽出された特徴デー
タの認識精度は、矩形２０１から抽出された特徴データの認識精度より高い。

一方、入力画像における顔領域のサイズが小さい場合、細部の形状は潰れてしまうため
、特徴データの認識性能は低下する。すなわち、抽出された各特徴データの認識精度は顔
領域のサイズによって変化する。なお、本実施形態では、１つの顔領域から抽出する特徴
データの数をＮ個として説明する。

抽出部１３は、抽出した特徴データを信頼度算出部１４２と照合部１５とに供給する。

ステップＳ１０４において、サイズ算出部１４１は、供給された位置情報に基づいて、
検出された顔領域のサイズを算出する（Ｓ１０４）。

図３に示すｗは、顔矩形２０１の横幅を表している。ｈは、顔矩形２０１の縦幅を表し
ている。サイズ算出部１４１は、式１により、顔領域のサイズｓを横幅ｗと縦幅ｈの平均
として算出する。

サイズ算出部１４１は、算出した顔領域のサイズを信頼度算出部１４２に供給する。

ステップＳ１０５において、信頼度算出部１４２は、算出された顔領域のサイズに基づ
いて、各特徴データの信頼度を算出する（Ｓ１０５）。各特徴データの信頼度ｒｉ（ｉ＝
１、…Ｎ）を式２により定義する。

ここで、ａｉ、ｂｉ、ｃｉは予め与えられたｉ番目（ｉ＝１、…Ｎ）の特徴データの信
頼度を計算するための係数である。すなわち、式（２）では、顔のサイズｓがａｉに近い
程大きく、遠い程小さくなり、その大きくなる度合はｂｉで決まる。ｃｉは信頼度の最大
値を調整する値である。なお、ここでは、顔サイズは横幅ｗと縦幅ｈの平均（式１）を用
いたが、最大値や最小値を用いても良い。また、式（３）で与えられる横幅ｗと縦幅ｈの
関数でもよい。

ここで、ａｉ、ｂｉ、ｃｉ、ｄｉ、ｅｉ、は予め与えられたｉ番目（ｉ＝１、…Ｎ）の
特徴データの信頼度を計算するための係数である。

また、顔領域のサイズではなく、目や鼻孔、口の両端等の顔の特徴点を検出し、その座
標や特徴点間の距離を用いて、各特徴データの信頼度ｒｉを算出しても構わない。特徴点
の検出方法は、例えば特許文献４の方法を用いてもよい。特徴点間の距離は、例えば両目
間の距離等を用いてよい。

また、各特徴データの信頼度ｒｉは、数式ではなく予め記憶した信頼度テーブルを使い
、定めてもよい。図４は顔領域のサイズと特徴データの信頼度とを対応付けた信頼度テー
ブルの一例図である。図４の信頼度テーブルでは、例えば顔のサイズが「２５」のとき、
第１特徴量の信頼度は「０．８」、第２特徴量の信頼度は「０．１」となる。

信頼度算出部１４２は、算出した信頼度を照合部１５に供給する。

ステップＳ１０６において、照合部１５は、照合データ格納部５１を参照し、対象人物
の顔領域から抽出された各特徴データと、照合データに含まれる各人物の顔の特徴量とを
照合することにより、対象人物の特徴データに対する各人物の特徴データ類似度を算出す
る（Ｓ１０６）。

図５は、照合データの一例図である。図５に示すように、本実施形態の照合データは、
複数の人物の各々について、人物の識別情報である人物ＩＤと、当該人物の顔の特徴デー
タとが対応付けられたデータである。

本例では、人物ＩＤがＡの人物に対して、当該人物の顔画像から抽出した第１特徴デー
タ（ａ１，ａ２，…，ａｄ）〜第Ｎ特徴データ（Ａ１，Ａ２，…，Ａｄ）が対応付けられ
ている。人物ＩＤがＢの人物に対して、当該人物の顔画像から抽出した第１特徴データ（
ｂ１，ｂ２，…，ｂｄ）〜第Ｎ特徴データ（Ｂ１，Ｂ２，…，Ｂｄ）が対応付けられてい
る。ここで、ｄは特徴データ（ベクトル）の次元である。

本実施形態において、照合部１５は、対象人物の顔領域から抽出された各特徴データと
、照合データの各人物の特徴データとの内積を、各特徴データの特徴データ類似度として
算出する。各特徴データは長さ１のベクトルのため、内積は単純類似度と同様である。す
なわち、特徴データ類似度ｓｉは、式４により表されてよい。

ただし、（ｘ１、・・・、ｘｄ）は、抽出部１３で抽出されたｉ番目の特徴データを表
す。（ａ１、・・・、ａｄ）は、照合データ格納部５１に格納された人物ＩＤがＡの人物
のｉ番目の特徴データを表す。

ステップＳ１０７において、照合部１５は、算出した各特徴データ類似度と、信頼度算
出部１４２が算出した信頼度とに基づいて、照合データ格納部５１の照合データに含まれ
る人物について、対象人物との類似の程度である人物類似度を算出する（Ｓ１０７）。

すなわち、本実施形態において、照合部１５は、各特徴データの類似度ｓ１〜ｓＮと、
算出部１４で得られた信頼度ｒ１〜ｒＮとに基づいて、照合データに含まれる人物と対象
人物との類似度である人物類似度ｓを算出する。類似度ｓは、式５により表されてよい。

ステップＳ１０８において、照合部１５は、照合データに含まれる全ての人物の人物類
似度を算出したか否かを判定する（Ｓ１０８）。

全ての人物の人物類似度を算出していない場合は（Ｓ１０８：ＮＯ）、ステップＳ１０
７に遷移し、照合部１５は、まだ人物類似度を算出していない人物の人物類似度を算出す
る。

全ての人物の人物類似度を算出した場合（Ｓ１０８：ＹＥＳ）、ステップＳ１０９にお
いて、照合部１５は、人物類似度が高い人物ＩＤを照合データ格納部５１から、認識結果
として得る。本実施形態において、照合部１５は、人物類似度が高い人物ＩＤを照合デー
タ格納部５１から抽出する。

ステップＳ１１０において、出力部１６は、認識結果を出力する（Ｓ１１０）。本実施
形態において、出力部１６は、人物類似度が最も高い人物の人物ＩＤと、その人物類似度
とを出力する。

ただし、これに限られず、出力部１６は、人物類似度が予め設定された閾値以上となっ
た人物ＩＤと、その人物類似度とを出力してもよい。この場合、閾値以上となる人物類似
度が存在しない場合は、照合データに含まれる人物に該当者がいないことを示す情報を出
力してよい。あるいは、照合データに含まれる、全員の人物の人物ＩＤと、各人物ＩＤに
対応する人物類似度とを出力してもよい。

以上、画像認識装置１の処理について説明した。

なお、本実施形態において、顔領域は矩形であるとして説明したがこれに限られない。
例えば、顔領域は、円領域や楕円領域、多角形領域でもよい。顔領域が円領域の場合、検
出部１２は、顔領域の中心と半径を位置情報として抽出部１３に供給してもよい。楕円領
域の場合、検出部１２は、顔領域の中心と長軸と短軸の座標を位置情報として抽出部１３
に供給してもよい。多角形領域の場合、検出部１２は、各頂点の座標を位置情報として抽
出部１３に供給してもよい。

本実施形態によれば、顔領域のサイズに基づいて算出した信頼度と特徴データとを用い
て、対象人物を認識するため、対象人物を精度よく認識することができる。

（変形例）
本実施形態では、抽出部１３が各特徴データを抽出した後、算出部１４が各特徴データ
の信頼度を算出しているが、この順序は逆でも構わない。また、このとき、抽出部１３は
、算出された信頼度を用いて、抽出する特徴データを選択してもよい。すなわち、抽出部
１３は、算出された信頼度が予め定められた閾値以上となった特徴データのみを抽出して
もよい。また、信頼度の大きい順に特徴データを並べ、上位のものだけを抽出してもよい
。また、信頼度が０の特徴量については抽出しなくてもよい。これにより、処理を高速化
することができる。

（第２の実施形態）
第２の実施形態に係る画像認識装置２は、入力画像に写っている対象人物の顔領域を周
波数変換して、顔領域の空間周波数成分を抽出し、特徴データの信頼度を算出する点が第
１の実施形態の場合と異なる。空間周波数成分はベクトルで表現される。すなわち、本実
施形態では、空間周波数成分の各成分が特徴データとなる。以下、第１の実施形態と異な
る部分について説明する。

図６は、画像認識装置２を表すブロック図である。画像認識装置２は、画像認識装置１
と比較して、抽出部１３が抽出部２３に置き変わり、算出部１４が算出部２４に置き変わ
る。算出部２４は、フィルタ適用部２４１と、信頼度算出部２４２と、フィルタテーブル
格納部５２とを含む。

抽出部２３は、入力画像において、検出部１２が検出した顔領域の周波数成分を抽出す
る。例えば、抽出部２３は、図２に示す対象人物の顔領域（矩形２０１）に対して、２次
元フーリエ変換を施し、空間周波数成分を抽出する。このとき、抽出部２３は、入力画像
における顔領域を予め定めたサイズに正規化し、顔領域の周波数成分を抽出する。

入力画像における顔領域のサイズに応じて、抽出部２３が抽出する空間周波数成分の帯
域が異なる。例えば、入力画像における顔領域のサイズが大きくなると、空間周波数成分
の高周波の帯域が大きくなり、入力画像における顔領域のサイズが小さくなると、空間周
波数成分の低周波の帯域が大きくなる。

図７は、顔領域の空間周波数成分を可視化した周波数画像である。図７に示す周波数画
像では、中央付近が低周波成分の強度を表し、より外側が高周波成分の強度を表している
。２次元フーリエ変換は、フーリエ変換の他に、離散フーリエ変換、高速フーリエ変換、
離散コサイン変換等を含む。

フィルタテーブル格納部５２は、信頼度算出部２４２（後述）が信頼度を算出する際に
用いるフィルタと、当該フィルタに対応する特徴データとを対応付けたフィルタテーブル
を格納している。

図８は、フィルタテーブルの一例図である。特徴データに対応するフィルタはベクトル
で表現される。図９は、可視化した各フィルタを表す一例図である。フィルタ適用部２４
１は、抽出部２３が抽出した顔領域の空間周波数成分に、図９に示すフィルタを適用する
。すなわち、フィルタ適用部２４１は、周波数成分とフィルタとを共に数値を並べた同じ
次元のベクトルとみなし、ベクトルの各成分同士の積を成分とするベクトル（適用ベクト
ル）を求める。これが、本実施形態におけるフィルタの適用を意味する。

本実施形態の場合、フィルタ適用部２４１は、フィルタ９０１を顔領域の空間周波数成
分に適用し、顔領域の低周波成分を得る。フィルタ適用部２４１は、フィルタ９０２を顔
領域の空間周波数成分に適用し、顔領域の中周波成分を得る。フィルタ適用部２４１は、
フィルタ９０３を顔領域の空間周波数成分に適用し、顔領域の高周波成分を得る。

また、フィルタ適用部２４１は、フィルタ９０４を顔領域の空間周波数成分に適用して
もよい。フィルタ９０４は、ガボールフィルタであり、周波数と周期の方向とを同時に指
定し、その成分を得ることができる。

なお、フィルタ適用部２４１は、複数の顔領域から抽出した周波数成分に対して主成分
分析や線形判別分析等を適用して得られたベクトルをフィルタとして適用してもよい。

信頼度算出部２４２は、フィルタ適用部２４１で得られた適用ベクトルから、特徴デー
タ（空間周波数成分の各成分）の信頼度を算出する。本実施形態では、各特徴データの信
頼度は、適用ベクトルの大きさ（長さ）とする。

入力画像における顔領域のサイズに応じて、抽出部２３が抽出する空間周波数成分の帯
域が異なるため、信頼度算出部２４２が算出する信頼度も、顔領域のサイズに応じて切り
替わる。例えば、顔領域のサイズが大きい場合は、高周波成分の帯域を抽出するフィルタ
処理により得られる特徴データの信頼度が高くなり、顔領域のサイズが小さい場合は、低
周波成分を抽出するフィルタ処理により得られる特徴データの信頼度が低くなる。

なお、各特徴データの信頼度は、適用ベクトルの長さの２乗でもよい。すなわち、適用
ベクトルが長い程、当該適用ベクトルに対応するフィルタで得られた成分が多いことを意
味する。

また、各特徴データの信頼度を算出した後、信頼度の総和が１になるように信頼度の総
和で各信頼度を除したものを改めて各特徴データの信頼度としてもよい。また、この信頼
度に顔領域のサイズから得られる信頼度との平均や積等を、改めて各特徴データの信頼度
としてもよい。

図１０は、抽出部２３及び算出部２４の処理を表すフローチャートである。

ステップＳ２０１において、抽出部２３は、入力画像において、検出部１２が検出した
顔領域の周波数成分を抽出する（Ｓ２０１）。ステップＳ２０２において、フィルタ適用
部２４１は、抽出部２３が抽出した顔領域の空間周波数成分に、フィルタテーブル格納部
５２が格納するフィルタを順次選択して適用する（Ｓ２０２）。信頼度算出部２４２は、
フィルタ適用部２４１で得られた適用ベクトルから、特徴データの信頼度を算出する（Ｓ
２０３）。

ステップＳ２０４において、信頼度算出部２４２は、全ての特徴データの信頼度を算出
したか否かを判定する（Ｓ２０４）。全ての特徴データの信頼度を算出していない場合は
（Ｓ２０４：ＮＯ）、ステップＳ２０２に遷移する。全ての特徴データの信頼度を算出し
た場合（Ｓ２０４：ＹＥＳ）、信頼度算出部２４２は、各特徴データの信頼度を照合部１
５に供給する。

以上、抽出部２３及び算出部２４の処理について説明した。

なお、照合部１５は、抽出された空間周波数成分を特徴データとして用い、第１実施形
態と同様の処理を行なう。このとき、照合データ格納部５１が格納する照合データに含ま
れる特徴データは、抽出部２３が抽出する特徴データと比較可能なように予め対応させて
おく。

本実施形態によれば、入力画像のける顔領域のサイズのみならず、上述したような処理
を行うことにより、顔の解像度や入力画像のボケ等も考慮することができるため、画像に
写っている人物を精度よく認識することができる。

図１１は、画像認識装置１，２のハードウェア構成の一例を表すブロック図である。図
１１に示すように、画像認識装置１，２は、ＣＰＵ１１０１と、画像中から顔と物体の認
識を行う認識プログラムなどを記憶するＲＯＭ１１０２と、ＲＡＭ１１０３と、認識テー
ブルなどを記憶するＨＤＤ１１０４と、ＨＤＤ１１０４とのインタフェイスであるＩ／Ｆ
１１０５と、画像入力用のインタフェイスであるＩ／Ｆ１１０６と、マウスやキーボード
などの入力装置１１０７と、入力装置１１０７とのインタフェイスであるＩ／Ｆ１１１６
と、ディスプレイなどの表示装置１１０８と、表示装置１１０８とのインタフェイスであ
るＩ／Ｆ１１１０と、バス１１１１とを備えており、通常のコンピュータを利用したハー
ドウェア構成となっている。なおＣＰＵ１１０１、ＲＯＭ１１０２、ＲＡＭ１１０３、Ｉ
／Ｆ１１０５、Ｉ／Ｆ１１０６、Ｉ／Ｆ１１１６、及びＩ／Ｆ１１１０は、バス１１１１
を介して互いに接続されている。

画像認識装置１，２では、ＣＰＵ１１０１が、ＲＯＭ１１０２から認識プログラムをＲ
ＡＭ１１０３上に読み出して実行することにより、上記各部（検出部、算出部、抽出部、
照合部等）がコンピュータ上で実現され、ＨＤＤ１１０４に記憶されている照合データ等
を用いて、Ｉ／Ｆ１１０６から入力画像に含まれる対象人物の顔領域を認識する。

なお、認識プログラムはＨＤＤ１１０４に記憶されていてもよい。また、認識プログラ
ムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、ＣＤ−Ｒ
、メモリカード、ＤＶＤ、フレキシブルディスク（ＦＤ）等のコンピュータで読み取り可
能な記憶媒体に記憶されて提供されるようにしてもよい。また、認識プログラムを、イン
ターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由で
ダウンロードさせることにより提供するようにしてもよい。また、認識プログラムを、イ
ンターネット等のネットワーク経由で提供または配布するようにしてもよい。また、認識
テーブルは、ＲＯＭ１１０２に記憶されていてもよい。また、画像をＨＤＤ１１０４に記
憶しておき、Ｉ／Ｆ１１０５から画像を入力するようにしてもよい。

以上のように、画像認識装置１，２では、入力画像に写っている対象人物の顔領域のサ
イズから、使用する特徴データの信頼度を算出し、その信頼度に基づいて各特徴量の認識
結果を統合することで、顔のサイズや顔の解像度による顔認識精度の低下を抑制すること
が可能となる。また、第２の実施形態によれば、低解像度の顔画像を拡大して入力された
場合や、ボケているが顔領域のサイズが大きい場合に周波数成分から、信頼度を算出する
ため、得られた信頼度を使うことにより、顔認識精度低下を抑止することが可能となる。

なお、本発明は、上記実施の形態そのままに限定されるものではなく、実施段階ではそ
の要旨を逸脱しない範囲で構成要素を変形して具体化することができる。また、上記実施
の形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成す
ることができる。例えば、実施の形態に示される全構成要素からいくつかの構成要素を削
除してもよい。さらに、異なる実施の形態にわたる構成要素を適宜組み合わせてもよい。

これまで、本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として
提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形
態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲
で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発
明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲
に含まれる。

１，２ 画像認識装置
１１ 取得部
１２ 検出部
１３、２３ 抽出部
１４ 算出部
１５ 照合部
１６ 出力部
５１ 照合データ格納部
５２ フィルタテーブル格納部
１４１ サイズ算出部
１４２、２４２ 信頼度算出部
２４１ フィルタ適用部

Claims (6)

1. 画像を取得する取得部と、
   前記画像から認識対象となる対象人物の顔領域を検出する検出部と、
   前記顔領域の特徴データを抽出する抽出部と、
   前記顔領域のサイズに基づく前記特徴データの信頼度を算出する算出部と、
   複数の人物の顔の特徴データを予め格納しているデータベースを参照し、前記信頼度を
   用いて、抽出された前記特徴データと、前記データベースに格納されている前記特徴デー
   タとを照合し、前記対象人物を認識する照合部とを備え、
   前記抽出部は、サイズを正規化した前記顔領域の周波数成分を前記特徴データとして抽
   出し、
   前記算出部は、前記周波数成分の帯域毎の前記信頼度を算出する、
   ことを特徴とする画像認識装置。
2. 前記算出部は、前記周波数成分から帯域毎の成分を抽出するフィルタを適用し、各々の前
   記成分について、フィルタ適用後の前記成分の大きさに応じた前記信頼度を算出する、
   請求項１記載の画像認識装置。
3. 前記抽出部は、前記信頼度を用いて、抽出する特徴データを選択する、
   請求項１記載の画像認識装置。
4. 前記抽出部は、前記信頼度が所定の閾値以上の前記特徴データを抽出する、
   請求項３記載の画像認識装置。
5. 画像を取得し、
   前記画像から認識対象となる対象人物の顔領域を検出し、
   前記顔領域の特徴データを抽出し、
   前記顔領域のサイズに基づく前記特徴データの信頼度を算出し、
   複数の人物の顔の特徴データを予め格納しているデータベースを参照し、前記信頼度を用
   いて、抽出された前記特徴データと、前記データベースに格納されている前記特徴データ
   とを照合し、前記対象人物を認識し、
   サイズを正規化した前記顔領域の周波数成分を前記特徴データとして抽出し、
   前記周波数成分の帯域毎の前記信頼度を算出する、
   画像認識方法。
6. コンピュータを
   画像を取得する手段と、
   前記画像から認識対象となる対象人物の顔領域を検出する手段と、
   前記顔領域の特徴データを抽出し、サイズを正規化した前記顔領域の周波数成分を当該
   特徴データとして抽出する手段と、
   前記顔領域のサイズに基づく前記特徴データの信頼度を算出し、前記周波数成分の帯域
   毎の当該信頼度を算出する手段と、
   複数の人物の顔の特徴データを予め格納しているデータベースを参照し、前記信頼度を
   用いて、抽出された前記特徴データと、前記データベースに格納されている前記特徴デー
   タとを照合する前記対象人物を認識する手段として機能させる、
   画像認識プログラム。