JP6495219B2 - 映像検出装置、方法、及びプログラム - Google Patents

Description

本発明は、映像検出装置、方法、及びプログラムに係り、特に、入力映像のうちの素材映像の位置を計算する映像検出装置、方法、及びプログラムに関する。

編集済み映像とは、映画、ビデオ、又はテレビ等の映像を伴うメディアにおいて、素材映像が格納されたデータベースから素材映像の一部を選び出し、素材映像を用いて編集を行い、複数の素材映像の断片を組み合わせることで得られた映像である。また、ビデオコピー検出とは、編集済み映像の断片と素材映像とが入力された場合に、編集済み映像の断片のうちの、素材映像に対応する箇所を検出するプロセスである。具体的には、入力された編集済み映像のフレームが素材映像のどのフレームから選び出されたかを検出する。ビデオコピー検出は、映像作品、映画の製作におけるポストプロダクション、又は違法に複製されたメディアの検出等の応用において、需要が高まっている。

素材映像の編集には、撮影後の素材映像の画面にパン、チルト、ズーム等の動きをつける（リフレーミングとも称される）編集方法がある。それによって編集済み映像と素材映像との間のフレームに拡大縮小、回転、位置変動等の幾何変換が生じ、フレームの見た目が変わる場合が多い。また、ビデオコピー検出は、幾何変換が生じた編集済み映像と、素材映像とに対しても、正確且つ高速に照合する必要がある。以下、編集済み映像の断片と素材映像との間には、時間軸における伸縮がないと仮定する。

幾何変換に対して頑健な画像照合方法として、空間的ハフ変換方法がある（例えば、非特許文献１）。非特許文献１に記載された技術は、入力された二枚の画像の類似度を算出する方法であり、画像から複数の特徴点を検出し、特徴点の照合に基づいて画像を照合する。特徴点とは、画像に存在する特徴的な局所領域である。特徴点の検出では、各特徴点について、特徴点の視覚特徴を表す局所特徴量と、スケール（大きさ）、方向、座標等の幾何形状パラメータとが出力される。ここで、入力画像間において、局所特徴量の類似する特徴点のペアを対応点と称する。各対応点について、特徴点の幾何形状パラメータに基づいて、拡大縮小倍率、回転角度、位置変動ベクトル等の幾何変換パラメータが算出できる。二枚の入力画像に同一物体や同一場面が写っている場合、対応点の幾何変換パラメータが類似する場合が多い。すなわち、二枚の入力画像から、幾何変換パラメータの類似する対応点を見つけ出し、対応点の数に基づいて画像の類似度を算出できる。ここで、幾何変換パラメータの類似する対応点を正対応点と称する。

上記非特許文献１の方法では、対応点の幾何変換パラメータのヒストグラムを作成することによって正対応点を見付け出す。具体的には、幾何変換パラメータの数値の範囲を複数の区間に区切り、各対応点について、その幾何変換パラメータがどの区間に含まれるかによって、対応点をその区間に投票する。そして、最も票を集めた区間について、その区間に投票した全ての対応点を正対応点と見なす。最後に、正対応点の数に基づいて入力画像間の類似度を算出する。

上記非特許文献１の方法をビデオコピー検出に適用した方法として、時空間的ハフ変換方法がある（例えば、非特許文献２）。非特許文献２の方法は、編集済み映像に対応する入力映像の断片と素材映像とから一定間隔でフレームをサンプリングし、フレームのペアから見つけ出した対応点に基づいて入力映像の断片の位置を検出する。正対応点を見付け出すためには、入力映像の断片と素材映像とのペアについて、対応点の幾何変換パラメータとフレームの位置の差とを合わせて、ヒストグラムを作成する。具体的には、幾何変換パラメータとフレームの位置の差とを合わせて、数値の範囲を複数の区間に区切る。各対応点について、その幾何変換パラメータとフレームの位置の差とがどの区間に含まれるかによって、対応点をその区間に投票する。最も票を集めた区間について、当該区間が該当するフレームの位置の差に基づいて、入力映像の断片のうち素材映像に対応する位置を算出する。

David G. Lowe, "Distinctive Image Features from Scale-Invariant Keypoints.", International Journal of Computer Vision 60(2), (2004), p.91-110 Matthijs Douze, Herve Jegou, Cordelia Schmid, "An Image-Based Approach to Video Copy Detection With Spatio-Temporal Post-Filtering.", IEEE Trans. Multimedia 12(4), (2010), p.257-266

上記非特許文献２の方法は、入力映像の断片と素材映像とのペアにおいて、フレーム間の幾何変換が時間軸において一定であると仮定している。この仮定が成立する場合、入力映像の断片と素材映像とのペアにおける、正解位置に該当するフレームのペアの各々から生成される正対応点と、正解位置に該当するフレームのペアとは異なるペアから生成された正対応点とについては、幾何変換パラメータが常に一定である。入力映像の断片と素材映像との間に、時間軸における伸縮がないため、フレームのペアの各々について、フレームの位置の差も常に一定である。従って、前述のように正対応点をヒストグラムに投票する際に、正対応点が常に同じ区間に投票される。このため、入力映像の断片のうちの素材映像の正解位置に該当するヒストグラム上の区間については、当該区間が集めた票数が他区間と比べて顕著であり、入力映像の断片のうちの素材映像の位置を容易に検出することができる。

しかし、実環境データにおいては、入力映像の断片と素材映像とのペアにおいて、フレーム間の幾何変換が時間軸において不規則に変動する場合が多い。この場合、前述のような仮定が成り立たなくなる。入力映像の断片と素材映像とのペアにおける、正解位置に該当するフレームのペアの各々から生成される正対応点と、正解位置とは異なるペアから生成される正対応点とは、幾何変換パラメータが異なってしまう。従って、前述のように正対応点をヒストグラムに投票する際に、正対応点が異なる区間に投票されてしまう。このため、入力映像の断片のうちの素材映像の正解位置に該当するヒストグラム上の区間については、当該区間が集めた票数が他区間と比べて顕著でなくなる可能性が高く、入力映像の断片のうちの素材映像の位置を容易に検出することができなくなる。

本発明は、上記課題を解決するために成されたものであり、フレーム間の幾何変換が時間軸において変動する場合であっても、入力映像に含まれる素材映像に対応する部分の位置を検出することができる映像検出装置、方法、及びプログラムを提供することを目的とする。

上記目的を達成するために、本発明に係る映像検出装置は、入力映像のフレームと素材映像のフレームとのペアの各々について、前記フレーム間の幾何変換を考慮して、前記ペアの類似度を算出する類似度算出部と、前記ペアの各々について、前記入力映像における前記フレームの位置と前記素材映像のフレームにおける前記フレームの位置との差を表すフレーム位置差を計算するフレーム位置差計算部と、前記ペアの各々について、前記類似度算出部によって算出された前記類似度に応じた値を、前記フレーム位置差に関する複数の区間のうち、前記フレーム位置差計算部によって計算された前記フレーム位置差に対応する区間に投票することにより、前記フレーム位置差に関する前記複数の区間に対する投票値を表すヒストグラムを生成する投票部と、前記投票部によって生成された前記ヒストグラムの前記複数の区間のうち、投票値が最大である前記区間に基づいて、前記入力映像のうちの前記素材映像に対応する部分の位置を計算する位置計算部と、を含んで構成されている。

本発明に係る映像検出方法は、類似度算出部、フレーム位置差計算部、投票部、及び位置計算部を含む映像検出装置における映像検出方法であって、前記類似度算出部が、入力映像のフレームと素材映像のフレームとのペアの各々について、前記フレーム間の幾何変換を考慮して、前記ペアの類似度を算出するステップと、前記フレーム位置差計算部が、前記ペアの各々について、前記入力映像における前記フレームの位置と前記素材映像のフレームにおける前記フレームの位置との差を表すフレーム位置差を計算するステップと、前記投票部が、前記ペアの各々について、前記類似度算出部によって算出された前記類似度に応じた値を、前記フレーム位置差に関する複数の区間のうち、前記フレーム位置差計算部によって計算された前記フレーム位置差に対応する区間に投票することにより、前記フレーム位置差に関する前記複数の区間に対する投票値を表すヒストグラムを生成するステップと、前記位置計算部が、前記投票部によって生成された前記ヒストグラムの前記複数の区間のうち、投票値が最大である前記区間に基づいて、前記入力映像のうちの前記素材映像に対応する部分の位置を計算するステップと、を含む。

本発明に係る前記投票部は、前記ペアの各々について、前記類似度算出部によって算出された前記類似度を、前記フレーム位置差計算部によって計算された前記フレーム位置差に対応する区間に投票することにより、前記ヒストグラムを生成するようにすることができる。

本発明に係る前記類似度算出部は、前記ペアの各々について、前記フレーム間の幾何変換に関する仮説を複数生成し、複数の前記仮説の各々について、前記仮説における幾何変換での前記フレーム間の対応点の数を計算し、前記対応点の数の最大値を前記類似度として算出するようにすることができる。

本発明に係るプログラムは、コンピュータを、上記の映像検出装置を構成する各部として機能させるためのプログラムである。

本発明の映像検出装置、方法、及びプログラムによれば、入力映像のフレームと素材映像のフレームとのペアの各々について、フレーム間の幾何変換を考慮してペアの類似度を算出し、入力映像におけるフレームの位置と素材映像のフレームにおけるフレームの位置との差を表すフレーム位置差を計算し、類似度を、計算されたフレーム位置差に対応する区間に投票することにより、フレーム位置差に関する複数の区間に対する投票値を表すヒストグラムを生成し、ヒストグラムの複数の区間のうち、投票値が最大である区間に基づいて、入力映像のうちの素材映像に対応する部分の位置を計算することにより、フレーム間の幾何変換が時間軸において変動する場合であっても、入力映像に含まれる素材映像に対応する部分の位置を検出することができる、という効果が得られる。

本発明の第１の実施の形態に係る映像検出装置の構成を示すブロック図である。 本発明の第１の実施の形態に係る映像検出装置における検出処理ルーチンを示すフローチャートである。

以下、図面を参照して本発明の実施の形態を詳細に説明する。

＜第１の実施の形態に係る映像検出装置の構成＞
本発明の第１の実施の形態に係る映像検出装置の構成について説明する。図１に示すように、本発明の第１の実施の形態に係る映像検出装置１００は、ＣＰＵと、ＲＡＭと、後述する検出処理ルーチンを実行するためのプログラムや各種データを記憶したＲＯＭと、を含むコンピュータで構成することが出来る。この映像検出装置１００は、機能的には図１に示すように、入力部１０、演算部２０と、出力部４０とを備えている。

入力部１０は、入力映像と素材映像とを受け付ける。入力映像としては、素材映像に基づき生成された編集済み映像を用いることができる。

演算部２０は、フレーム抽出部２２と、フレーム抽出部２４と、ペア設定部２５と、類似度算出部２６と、フレーム位置差計算部２８と、投票部３０と、判断部３２と、位置計算部３４とを含んで構成されている。

フレーム抽出部２２は、入力部１０により受け付けられた入力映像から、複数のフレームを抽出する。そして、フレーム抽出部２２は、入力映像の複数のフレームを、入力映像フレーム集合として出力する。

フレーム抽出部２４は、入力部１０により受け付けられた素材映像から、複数のフレームを抽出する。そして、フレーム抽出部２４は、素材映像の複数のフレームを、素材映像フレーム集合として出力する。

ペア設定部２５は、フレーム抽出部２２によって出力された入力映像フレーム集合と、フレーム抽出部２４によって出力された素材映像フレーム集合とに基づいて、入力映像のフレームと素材映像のフレームとのペアを複数設定する。

類似度算出部２６は、ペア設定部２５により設定された、入力映像のフレームと素材映像のフレームとのペアの各々について、フレーム間の幾何変換を考慮して、当該ペアの類似度を算出する。具体的には、類似度算出部２６は、所定の幾何検証方法を用いて、フレームのペアの類似度を計算する。幾何検証方法としては、例えば、上記非特許文献１に記載の手法を用いることができる。

フレーム位置差計算部２８は、ペア設定部２５により設定されたペアの各々について、入力画像におけるフレームの位置と素材映像のフレームにおけるフレームの位置との差を表すフレーム位置差を計算する。例えば、入力映像のフレームのフレーム番号をｔ_ｉとし、素材映像のフレームのフレーム番号をｔ_ｊ’とする場合、フレーム位置差はΔｔ_ｉ，ｊ＝ｔ_ｊ’−ｔ_ｉにより計算することができる。

投票部３０は、ペア設定部２５により設定されたペアの各々について、類似度算出部２６によって算出された類似度を、フレーム位置差に関する複数の区間のうち、フレーム位置差計算部２８によって計算された当該フレーム位置差に対応する区間に投票する。これにより、フレーム位置差に関する複数の区間に対する投票値を表すヒストグラムが生成される。当該ヒストグラムは、横軸がフレーム位置差に該当し、縦軸が投票値に該当する。ここで、幾何変換に関する類似度をｓ_ｉ，ｊとし、Δｔ_ｉ，ｊに該当する区間の投票値をｈ（Δｔ_ｉ，ｊ）とする場合、ヒストグラムは以下の式（１）に示すように更新される。

（１）

判断部３２は、ペア設定部２５によって設定された全てのフレームのペアについて、類似度算出部２６、フレーム位置差計算部２８、及び投票部３０の処理が終了したかどうかを判断し、全てのフレームのペアについて処理が終了した場合、投票部３０により生成されたヒストグラムを出力する。また、判断部３２は、類似度算出部２６、フレーム位置差計算部２８、及び投票部３０の処理が終了していないフレームのペアが存在する場合には、全てのフレームのペアに対する処理が終了するまで、類似度算出部２６、フレーム位置差計算部２８、及び投票部３０の処理を反復する。

位置計算部３４は、投票部３０によって生成されたヒストグラムの複数の区間のうち、投票値が最大である区間に基づいて、入力映像のうちの素材映像に対応する部分の位置を計算する。

例えば、ヒストグラムｈ（Δｔ）の最大値に該当する区間（最も票を集めた区間）をΔｔ^＊とする場合、位置計算部３４は、以下の式（２）に従って、Δｔ^＊を検出する。

（２）

そして、例えば入力映像の先頭フレームのフレーム位置をｔ_ｂとする場合、位置計算部３４は、以下の式（３）に従って、入力映像のうちの素材映像に対応する部分の位置ｔ_ｂ’を求める。

（３）

出力部４０は、入力映像のうちの素材映像に対応する部分の位置を結果として出力する。

＜本発明の第１の実施の形態に係る映像検出装置の作用＞
次に、本発明の第１の実施の形態に係る映像検出装置１００の作用について説明する。入力部１０によって、入力映像と素材映像とを受け付けると、映像検出装置１００は、図２に示す検出処理ルーチンを実行する。

ステップＳ１００において、フレーム抽出部２２は、入力部１０により受け付けられた入力映像を取得する。また、フレーム抽出部２４は、入力部１０により受け付けられた素材映像を取得する。

ステップＳ１０２において、フレーム抽出部２２は、上記ステップＳ１００で受け付けた入力映像から複数のフレームを抽出し、入力映像フレーム集合として出力する。また、フレーム抽出部２４は、上記ステップＳ１００で受け付けた素材映像から、複数のフレームを抽出し、素材映像フレーム集合として出力する。

ステップＳ１０３において、ペア設定部２５は、上記ステップＳ１０２で出力された入力映像フレーム集合及び素材映像フレーム集合に基づいて、入力映像のフレームと素材映像のフレームとのペアを複数設定する。

ステップＳ１０４において、ペア設定部２５は、上記ステップＳ１０３で設定された複数のペアのうち、１つのペアを設定する。

そして、ステップＳ１０６において、類似度算出部２６は、上記ステップＳ１０４で設定されたペアについて、フレーム間の幾何変換を考慮して、当該ペアの類似度を算出する。

ステップＳ１０８において、フレーム位置差計算部２８は、上記ステップＳ１０４で設定されたペアについて、入力画像におけるフレームの位置と素材映像のフレームにおけるフレームの位置との差を表すフレーム位置差を計算する。

ステップＳ１１０において、投票部３０は、上記ステップＳ１０４で設定されたペアについて、上記ステップＳ１０６で算出された類似度を、フレーム位置差に関する複数の区間のうち、上記ステップＳ１０８で計算された当該フレーム位置差に対応する区間に投票する。

ステップＳ１１２において、判断部３２は、上記ステップＳ１０３で設定された全てのフレームのペアについて、上記ステップＳ１０４〜ステップＳ１１０の処理が実行されたか否かを判定する。全てのフレームのペアについて、上記ステップＳ１０４〜ステップＳ１１０の処理が実行された場合には、ステップＳ１１４へ進む。一方、上記ステップＳ１０４〜ステップＳ１１０の処理が実行されていないペアが存在する場合には、ステップＳ１０４へ戻る。

ステップＳ１１４において、位置計算部３４は、上記ステップＳ１１０で生成されたヒストグラムの複数の区間のうち、投票値が最大である区間に基づいて、上記式（２）及び（３）に従って、入力映像のうちの素材映像に対応する部分の位置を計算する。

ステップＳ１１６において、入力映像のうちの素材映像に対応する部分の位置を出力部４０により出力し、検出処理ルーチンを終了する。

以上説明したように、本発明の第１の実施の形態に係る映像検出装置によれば、入力映像のフレームと素材映像のフレームとのペアの各々について、フレーム間の幾何変換を考慮してペアの類似度を算出し、入力映像におけるフレームの位置と素材映像のフレームにおけるフレームの位置との差を表すフレーム位置差を計算し、類似度を、計算されたフレーム位置差に対応する区間に投票することにより、フレーム位置差に関する複数の区間に対する投票値を表すヒストグラムを生成し、ヒストグラムの複数の区間のうち、投票値が最大である区間に基づいて、入力映像のうちの素材映像に対応する部分の位置を計算することにより、フレーム間の幾何変換が時間軸において変動する場合であっても、入力映像に含まれる素材映像に対応する部分の位置を検出することができる。

また、フレーム間の幾何変換が時間軸において変動する場合であっても、本実施の形態によれば、入力映像のうちの素材映像に対応する部分の正解位置に該当するヒストグラム上の区間では、当該区間の投票値が他の区間と比べて顕著に大きくなる。そのため、入力映像のうちの素材映像に対応する部分の位置を容易に検出することができる。また、入力映像のうちの素材映像に対応する部分の位置をより正確に検出することができる。

＜第２の実施の形態に係る映像検出装置の構成＞
次に、本発明の第２の実施の形態に係る映像検出装置の構成について説明する。なお、第２の実施の形態に係る映像検出装置は、第１の実施の形態と同様であるため、同一符号を付して説明を省略する。

第２の実施の形態では、幾何変換を考慮した空間マッチングを用いて、類似度を算出する点が、第１の実施の形態と異なる。第２の実施の形態では、幾何変換を考慮した空間マッチングとして、以下の非特許文献３に記載の技術を用いる場合を例に説明する。

［非特許文献３］James Philbin, Ondrej Chum, Michael Isard, Josef Sivic, Andrew Zisserman, "Object retrieval with large vocabularies and fast spatial matching.", CVPR 2007

第２の実施形態の類似度算出部２６は、ペア設定部２５により設定された、入力映像のフレームと素材映像のフレームとのペアの各々について、フレーム間の幾何変換に関する仮説を複数生成する。フレーム間の幾何変換に関する仮説は、入力映像と素材映像とのペアのフレーム間に、どのような幾何変換（例えば、拡大縮小、回転、又は位置変動等）が生じたかを表す。

次に、類似度算出部２６は、入力映像のフレームと素材映像のフレームとのペアに対し、複数の仮説の各々について、当該仮説における幾何変換でのフレーム間の対応点の数を計算する。そして、類似度算出部２６は、対応点の数の最大値を類似度として算出する。

ここで、対応点とは、入力映像のフレームと素材映像のフレームとのペア間において、局所特徴量が類似する特徴点のペアである。対応点は、ペア間における特徴点の空間的マッチングにより特定される。任意の仮説において、フレームのペア間での対応点の数が多いほど、当該仮説は尤もらしいことになる。

なお、第２の実施の形態に係る映像検出装置の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。

以上説明したように、本発明の第２の実施の形態に係る映像検出装置によれば、フレーム間の幾何変換に関する仮説を複数生成し、仮説における幾何変換でのフレーム間の対応点の数を計算し、対応点の数の最大値を類似度として算出することにより、空間的マッチングによるフレーム間の幾何変換に関する仮説を用いて、フレーム間の幾何変換が時間軸において変動する場合であっても、入力映像に含まれる素材映像に対応する部分の位置を検出することができる。

なお、本発明は、上述した実施の形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

例えば、投票部３０がヒストグラムを生成する際に、フレームのペアの各々について、類似度算出部２６によって算出された類似度に応じた値を、フレーム位置差計算部２８によって計算されたフレーム位置差に対応する区間に投票することにより、ヒストグラムを生成するようにしてもよい。この場合、例えば、類似度が予め設定された閾値より大きい場合には、類似度に応じた値として１を投票することにより、ヒストグラムを生成するようにしてもよい。

上述の映像検出装置は、内部にコンピュータシステムを有しているが、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。

また、本願明細書中において、プログラムが予めインストールされている実施形態として説明したが、当該プログラムを、コンピュータ読み取り可能な記録媒体に格納して提供することも可能である。

１０ 入力部
２０ 演算部
２２ フレーム抽出部
２４ フレーム抽出部
２５ ペア設定部
２６ 類似度算出部
２８ フレーム位置差計算部
３０ 投票部
３２ 判断部
３４ 位置計算部
４０ 出力部
１００ 映像検出装置

Claims (5)

1. 入力映像のフレームと素材映像のフレームとのペアの各々について、前記フレーム間の幾何変換を考慮して、前記ペアの類似度を算出する類似度算出部と、
   前記ペアの各々について、前記入力映像における前記フレームの位置と前記素材映像のフレームにおける前記フレームの位置との差を表すフレーム位置差を計算するフレーム位置差計算部と、
   前記ペアの各々について、前記類似度算出部によって算出された前記類似度に応じた値を、前記フレーム位置差に関する複数の区間のうち、前記フレーム位置差計算部によって計算された前記フレーム位置差に対応する区間に投票することにより、前記フレーム位置差に関する前記複数の区間に対する投票値を表すヒストグラムを生成する投票部と、
   前記投票部によって生成された前記ヒストグラムの前記複数の区間のうち、投票値が最大である前記区間に基づいて、前記入力映像のうちの前記素材映像に対応する部分の位置を計算する位置計算部と、を含み、
   前記投票部は、前記ペアの各々について、前記類似度算出部によって算出された前記類似度を、前記フレーム位置差計算部によって計算された前記フレーム位置差に対応する区間に投票することにより、前記ヒストグラムを生成する、
   映像検出装置。
2. 入力映像のフレームと素材映像のフレームとのペアの各々について、前記フレーム間の幾何変換を考慮して、前記ペアの類似度を算出する類似度算出部と、
   前記ペアの各々について、前記入力映像における前記フレームの位置と前記素材映像のフレームにおける前記フレームの位置との差を表すフレーム位置差を計算するフレーム位置差計算部と、
   前記ペアの各々について、前記類似度算出部によって算出された前記類似度に応じた値を、前記フレーム位置差に関する複数の区間のうち、前記フレーム位置差計算部によって計算された前記フレーム位置差に対応する区間に投票することにより、前記フレーム位置差に関する前記複数の区間に対する投票値を表すヒストグラムを生成する投票部と、
   前記投票部によって生成された前記ヒストグラムの前記複数の区間のうち、投票値が最大である前記区間に基づいて、前記入力映像のうちの前記素材映像に対応する部分の位置を計算する位置計算部と、を含み、
   前記類似度算出部は、前記ペアの各々について、前記フレーム間の幾何変換に関する仮説を複数生成し、複数の前記仮説の各々について、前記仮説における幾何変換での前記フレーム間の対応点の数を計算し、前記対応点の数の最大値を前記類似度として算出する、
   映像検出装置。
3. 類似度算出部、フレーム位置差計算部、投票部、及び位置計算部を含む映像検出装置における映像検出方法であって、
   前記類似度算出部が、入力映像のフレームと素材映像のフレームとのペアの各々について、前記フレーム間の幾何変換を考慮して、前記ペアの類似度を算出するステップと、
   前記フレーム位置差計算部が、前記ペアの各々について、前記入力映像における前記フレームの位置と前記素材映像のフレームにおける前記フレームの位置との差を表すフレーム位置差を計算するステップと、
   前記投票部が、前記ペアの各々について、前記類似度算出部によって算出された前記類似度に応じた値を、前記フレーム位置差に関する複数の区間のうち、前記フレーム位置差計算部によって計算された前記フレーム位置差に対応する区間に投票することにより、前記フレーム位置差に関する前記複数の区間に対する投票値を表すヒストグラムを生成するステップと、
   前記位置計算部が、前記投票部によって生成された前記ヒストグラムの前記複数の区間のうち、投票値が最大である前記区間に基づいて、前記入力映像のうちの前記素材映像に対応する部分の位置を計算するステップと、を含み、
   前記投票部が前記ヒストグラムを生成するステップは、前記ペアの各々について、前記類似度算出部によって算出された前記類似度を、前記フレーム位置差計算部によって計算された前記フレーム位置差に対応する区間に投票することにより、前記ヒストグラムを生成する、
   映像検出方法。
4. 類似度算出部、フレーム位置差計算部、投票部、及び位置計算部を含む映像検出装置における映像検出方法であって、
   前記類似度算出部が、入力映像のフレームと素材映像のフレームとのペアの各々について、前記フレーム間の幾何変換を考慮して、前記ペアの類似度を算出するステップと、
   前記フレーム位置差計算部が、前記ペアの各々について、前記入力映像における前記フレームの位置と前記素材映像のフレームにおける前記フレームの位置との差を表すフレーム位置差を計算するステップと、
   前記投票部が、前記ペアの各々について、前記類似度算出部によって算出された前記類似度に応じた値を、前記フレーム位置差に関する複数の区間のうち、前記フレーム位置差計算部によって計算された前記フレーム位置差に対応する区間に投票することにより、前記フレーム位置差に関する前記複数の区間に対する投票値を表すヒストグラムを生成するステップと、
   前記位置計算部が、前記投票部によって生成された前記ヒストグラムの前記複数の区間のうち、投票値が最大である前記区間に基づいて、前記入力映像のうちの前記素材映像に対応する部分の位置を計算するステップと、を含み、
   前記類似度算出部が前記類似度を算出するステップは、前記ペアの各々について、前記フレーム間の幾何変換に関する仮説を複数生成し、複数の前記仮説の各々について、前記仮説における幾何変換での前記フレーム間の対応点の数を計算し、前記対応点の数の最大値を前記類似度として算出する、
   映像検出方法。
5. コンピュータを、請求項１又は請求項２に記載の映像検出装置を構成する各部として機能させるためのプログラム。