JPH10232930A - 画像処理方法及び画像処理装置 - Google Patents
画像処理方法及び画像処理装置Info
- Publication number
- JPH10232930A JPH10232930A JP3508697A JP3508697A JPH10232930A JP H10232930 A JPH10232930 A JP H10232930A JP 3508697 A JP3508697 A JP 3508697A JP 3508697 A JP3508697 A JP 3508697A JP H10232930 A JPH10232930 A JP H10232930A
- Authority
- JP
- Japan
- Prior art keywords
- image
- clustering
- image processing
- area
- size
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】 対象とする画像から特徴的な部位に相当する
画像領域を、高速、且つ高精度に検出する画像処理方法
及び画像処理装置の提供。 【解決手段】 S101にて設定された顔領域に対して、均
等色空間でしきい値Ｔｄ１によりクラスタリングし、所
定値Ｔａ１により大領域を除外する(S102,S103)。更
に、しきい値Ｔｄ２によりクラスタリングし、所定値Ｔ
ａ２により小領域を除外する(S104,S105)。これによ
り、顔画像の中から目や口、眉等の特徴部分を検出す
る。
画像領域を、高速、且つ高精度に検出する画像処理方法
及び画像処理装置の提供。 【解決手段】 S101にて設定された顔領域に対して、均
等色空間でしきい値Ｔｄ１によりクラスタリングし、所
定値Ｔａ１により大領域を除外する(S102,S103)。更
に、しきい値Ｔｄ２によりクラスタリングし、所定値Ｔ
ａ２により小領域を除外する(S104,S105)。これによ
り、顔画像の中から目や口、眉等の特徴部分を検出す
る。
Description
【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、対象とする画像か
ら特徴的な部位に相当する画像領域を検出する画像処理
方法及び画像処理装置に関する。
ら特徴的な部位に相当する画像領域を検出する画像処理
方法及び画像処理装置に関する。
【０００２】
【従来の技術】近年、画像処理装置としてのデジタルカ
メラにより、被写体である人物を撮影することにより得
られたデジタル画像信号や、銀塩カメラで撮影したフィ
ルムをスキャナで読み込んだデジタル画像信号のうち、
その人物の顔の領域に相当するデジタル画像信号に特定
の処理を施す手法が提案されている。
メラにより、被写体である人物を撮影することにより得
られたデジタル画像信号や、銀塩カメラで撮影したフィ
ルムをスキャナで読み込んだデジタル画像信号のうち、
その人物の顔の領域に相当するデジタル画像信号に特定
の処理を施す手法が提案されている。
【０００３】これらの手法において提案されている画像
処理技術の目的は、例えば、被写体である人物の識別
や、その人物の顔画像の加工等が挙げられるが、係る顔
画像を対象とした画像処理においては、人物の顔の特徴
となる目や口、眉等の部位が画像信号中のどの領域に存
在するかを検出することが共通した重要課題である。ま
た、従来提案されている画像処理方法においては、顔の
領域の画像信号に微分演算を行って得られる微分値の大
きい部分、即ちエッジ部分を検出することにより、上記
のような特徴的な部位を検出するのが一般的である。
処理技術の目的は、例えば、被写体である人物の識別
や、その人物の顔画像の加工等が挙げられるが、係る顔
画像を対象とした画像処理においては、人物の顔の特徴
となる目や口、眉等の部位が画像信号中のどの領域に存
在するかを検出することが共通した重要課題である。ま
た、従来提案されている画像処理方法においては、顔の
領域の画像信号に微分演算を行って得られる微分値の大
きい部分、即ちエッジ部分を検出することにより、上記
のような特徴的な部位を検出するのが一般的である。
【０００４】
【発明が解決しようとする課題】しかしながら、上記微
分演算を用いる従来例においては、ノイズに弱く、Ｓ／
Ｎ比が低い画像に対して微分演算を行うと、検出すべき
エッジ部に相当する信号がノイズの中に埋もれてしま
い、結果として、特徴的な部位が含まれる領域を確実に
検出することが困難であるという問題が有る。
分演算を用いる従来例においては、ノイズに弱く、Ｓ／
Ｎ比が低い画像に対して微分演算を行うと、検出すべき
エッジ部に相当する信号がノイズの中に埋もれてしま
い、結果として、特徴的な部位が含まれる領域を確実に
検出することが困難であるという問題が有る。
【０００５】また、画像信号の微分処理においては、１
つの注目画素の微分値を算出するためにその注目画素周
辺の複数の画素の画像信号との積和演算を行うことが必
要であり、処理すべき画像信号全体の演算に要する時間
が長いという問題が有る。
つの注目画素の微分値を算出するためにその注目画素周
辺の複数の画素の画像信号との積和演算を行うことが必
要であり、処理すべき画像信号全体の演算に要する時間
が長いという問題が有る。
【０００６】そこで、本発明は、対象とする画像から特
徴的な部位に相当する画像領域を、高速、且つ高精度に
検出する画像処理方法及び画像処理装置の提供を目的と
する。
徴的な部位に相当する画像領域を、高速、且つ高精度に
検出する画像処理方法及び画像処理装置の提供を目的と
する。
【０００７】
【課題を解決するための手段】上記の目的を達成するた
め、本発明の画像処理方法は以下の構成を特徴とする。
め、本発明の画像処理方法は以下の構成を特徴とする。
【０００８】即ち、対象とする画像から特徴的な部位に
相当する画像領域を検出する画像処理方法であって、ク
ラスタリングを行って、クラスタを生成するクラスタリ
ング工程と、そのクラスタリング工程により得られるそ
れぞれのクラスタの大きさを評価して、前記特徴的な部
位には相当しない画像領域を除外する除外工程とを備
え、得られる結果を順次用いて、これらの工程を少なく
とも２回行うことを特徴とする。これにより、対象とす
る画像の中から特徴的な部位に相当する領域を、高速、
且つ高精度に検出する。
相当する画像領域を検出する画像処理方法であって、ク
ラスタリングを行って、クラスタを生成するクラスタリ
ング工程と、そのクラスタリング工程により得られるそ
れぞれのクラスタの大きさを評価して、前記特徴的な部
位には相当しない画像領域を除外する除外工程とを備
え、得られる結果を順次用いて、これらの工程を少なく
とも２回行うことを特徴とする。これにより、対象とす
る画像の中から特徴的な部位に相当する領域を、高速、
且つ高精度に検出する。
【０００９】または、対象とする画像から特徴的な部位
に相当する画像領域を検出する画像処理方法であって、
前記対象とする画像の大きさに応じて解像度を設定し、
その解像度に応じて前記対象とする画像を間引く間引き
工程と、その間引き工程により得られた画像にクラスタ
リングを行って、クラスタを生成するクラスタリング工
程と、そのクラスタリング工程により得られるそれぞれ
のクラスタの大きさを評価して、前記特徴的な部位には
相当しない画像領域を除外する除外工程とを備え、得ら
れる結果を順次用いて、前記クラスタリング工程及び前
記除外工程を少なくとも２回行うことを特徴とする。こ
れにより、対象とする画像の中から特徴的な部位に相当
する領域を、更に高速、且つ高精度に検出する。
に相当する画像領域を検出する画像処理方法であって、
前記対象とする画像の大きさに応じて解像度を設定し、
その解像度に応じて前記対象とする画像を間引く間引き
工程と、その間引き工程により得られた画像にクラスタ
リングを行って、クラスタを生成するクラスタリング工
程と、そのクラスタリング工程により得られるそれぞれ
のクラスタの大きさを評価して、前記特徴的な部位には
相当しない画像領域を除外する除外工程とを備え、得ら
れる結果を順次用いて、前記クラスタリング工程及び前
記除外工程を少なくとも２回行うことを特徴とする。こ
れにより、対象とする画像の中から特徴的な部位に相当
する領域を、更に高速、且つ高精度に検出する。
【００１０】好ましくは、前記除外工程における評価
を、Ｌ*ａ*ｂ*或はＬ*ｕ*ｖ*で表わされる均等色空間に
おいて行うとよい。
を、Ｌ*ａ*ｂ*或はＬ*ｕ*ｖ*で表わされる均等色空間に
おいて行うとよい。
【００１１】また、例えば、前記クラスタリング工程の
うち、初回のクラスタリング工程における色差評価の第
１のしきい値は、２回目以降のクラスタリング工程にお
ける色差評価の第２のしきい値より小さいことを特徴と
する。
うち、初回のクラスタリング工程における色差評価の第
１のしきい値は、２回目以降のクラスタリング工程にお
ける色差評価の第２のしきい値より小さいことを特徴と
する。
【００１２】好ましくは、対象とする画像の中で大部分
に相当する領域を、確実に検出対象から除外すべく、以
下の構成を更に備えると良い。
に相当する領域を、確実に検出対象から除外すべく、以
下の構成を更に備えると良い。
【００１３】例えば、前記第１のしきい値を３〜１０程
度にするとよい。
度にするとよい。
【００１４】また、例えば、前記クラスタリング工程の
うち、初回のクラスタリング工程で生成された領域のう
ち、大きさが第１の所定値より大きい領域を、検出対象
から除外するとよい。
うち、初回のクラスタリング工程で生成された領域のう
ち、大きさが第１の所定値より大きい領域を、検出対象
から除外するとよい。
【００１５】また、例えば、前記第１の所定値を、前記
対象とする画像の大きさに応じて算出するとよい。
対象とする画像の大きさに応じて算出するとよい。
【００１６】好ましくは、対象とする画像の中から特徴
的な部位以外の微小領域を、確実に検出対象から除外す
べく、以下の構成を更に備えると良い。
的な部位以外の微小領域を、確実に検出対象から除外す
べく、以下の構成を更に備えると良い。
【００１７】例えば、前記第２のしきい値を３０程度以
上とするとよい。
上とするとよい。
【００１８】また、例えば、前記クラスタリング工程の
うち、２回目以降のクラスタリング工程で生成された領
域のうち、大きさが第２の所定値より小さい領域を、検
出対象から除外するとよい。
うち、２回目以降のクラスタリング工程で生成された領
域のうち、大きさが第２の所定値より小さい領域を、検
出対象から除外するとよい。
【００１９】また、例えば、前記第２の所定値を、前記
対象とする画像の大きさに応じて算出するとよい。
対象とする画像の大きさに応じて算出するとよい。
【００２０】好ましくは、対象とする画像の周辺に存在
する特徴的な部位に相当する領域以外の領域を、検出対
象から確実に除外すべく、最終的に残った画像領域のう
ち、前記対象とする画像との境界に接する領域を、検出
対象から除外するとよい。
する特徴的な部位に相当する領域以外の領域を、検出対
象から確実に除外すべく、最終的に残った画像領域のう
ち、前記対象とする画像との境界に接する領域を、検出
対象から除外するとよい。
【００２１】尚、上記の画像処理が可能な画像処理装置
によっても、同目的が達成できることは言うまでもな
い。
によっても、同目的が達成できることは言うまでもな
い。
【００２２】
【発明の実施の形態】以下、本発明に係る画像処理装置
を図面を参照して詳細に説明する。
を図面を参照して詳細に説明する。
【００２３】＜第１の実施形態＞はじめに、本発明を適
用する画像処理装置の構成を図１を参照して説明する。
図１は、本発明を適用する画像処理装置としてのパーソ
ナルコンピュータのブロック構成図である。
用する画像処理装置の構成を図１を参照して説明する。
図１は、本発明を適用する画像処理装置としてのパーソ
ナルコンピュータのブロック構成図である。
【００２４】図中、２１はＣＰＵ、２２はＣＲＴ等のデ
ィスプレイ、２３は入力手段であるキーボード、２４は
ブートプログラム等を記憶しているＲＯＭ、２５は各種
処理結果を一時記憶するＲＡＭ、２６は本発明の特徴領
域検出処理を行なうプログラム等を記憶するハードディ
スクドライブ（ＨＤＤ）等の記憶装置、２７は外部の装
置と通信回線３１を介して通信するための通信インタフ
ェースである。また、２８は、入力補助手段としてのマ
ウス等のポインティング装置である。２９は、所謂ＣＣ
Ｄを含み、被写体を撮影してデジタル画像信号を生成す
る画像入力装置である。これらの各構成は、内部バス３
０を介して接続されている。後述の特徴領域の検出処理
の対象となるデジタル画像信号（自然画像）は、画像入
力装置２９により得られた情報であっても、外部の画像
処理装置（例えば、デジタルカメラ、スキャナ等）から
の情報を通信インタフェース２７を介して入手したもの
でも良い。
ィスプレイ、２３は入力手段であるキーボード、２４は
ブートプログラム等を記憶しているＲＯＭ、２５は各種
処理結果を一時記憶するＲＡＭ、２６は本発明の特徴領
域検出処理を行なうプログラム等を記憶するハードディ
スクドライブ（ＨＤＤ）等の記憶装置、２７は外部の装
置と通信回線３１を介して通信するための通信インタフ
ェースである。また、２８は、入力補助手段としてのマ
ウス等のポインティング装置である。２９は、所謂ＣＣ
Ｄを含み、被写体を撮影してデジタル画像信号を生成す
る画像入力装置である。これらの各構成は、内部バス３
０を介して接続されている。後述の特徴領域の検出処理
の対象となるデジタル画像信号（自然画像）は、画像入
力装置２９により得られた情報であっても、外部の画像
処理装置（例えば、デジタルカメラ、スキャナ等）から
の情報を通信インタフェース２７を介して入手したもの
でも良い。
【００２５】次に、本実施形態における画像処理装置に
よる画像信号からの特徴領域の検出処理を図２を参照し
て説明する。
よる画像信号からの特徴領域の検出処理を図２を参照し
て説明する。
【００２６】図２は、本発明の第１の実施形態としての
特徴領域の検出処理を示すフローチャートである。
特徴領域の検出処理を示すフローチャートである。
【００２７】図中、ステップＳ１０１では、自然画像中
に含まれる顔画像の領域（閉領域）を設定する。本実施
形態では、検出対象となる自然画像をディスプレイ２２
に表示して、オペレータがポインティング装置２８で顔
の輪郭をトレースすることにより設定する。
に含まれる顔画像の領域（閉領域）を設定する。本実施
形態では、検出対象となる自然画像をディスプレイ２２
に表示して、オペレータがポインティング装置２８で顔
の輪郭をトレースすることにより設定する。
【００２８】尚、この顔領域の設定処理について本願は
限定しないが、本発明を適用する画像処理装置自体が所
謂デジタルカメラであれば、公知のアルゴリズムを用い
て顔領域を自動的に認識しても良い。
限定しないが、本発明を適用する画像処理装置自体が所
謂デジタルカメラであれば、公知のアルゴリズムを用い
て顔領域を自動的に認識しても良い。
【００２９】ステップＳ１０２では、ステップＳ１０１
において設定された閉領域内の画素を対象として、隣接
する画素との色の差が少ないもの同士でグループを構成
する。これは一般的にクラスタリングとかグルーピング
等と呼ばれる。このクラスタリング処理について図３を
参照して説明する。
において設定された閉領域内の画素を対象として、隣接
する画素との色の差が少ないもの同士でグループを構成
する。これは一般的にクラスタリングとかグルーピング
等と呼ばれる。このクラスタリング処理について図３を
参照して説明する。
【００３０】図３は、本発明の一実施形態としてのクラ
スタリングを説明する図である。
スタリングを説明する図である。
【００３１】同図において、各格子は画像の１画素を表
わしており、この画像は幅ｍ画素×高さｎ画素の矩形領
域からなる。本実施形態においては、説明の便宜上左上
の画素を座標（０，０）としている。１０１は、該矩形
領域のうち、ステップＳ１０１において設定された顔画
像の領域に外接する画素を示す。また、画素１０２は、
注目画素である。
わしており、この画像は幅ｍ画素×高さｎ画素の矩形領
域からなる。本実施形態においては、説明の便宜上左上
の画素を座標（０，０）としている。１０１は、該矩形
領域のうち、ステップＳ１０１において設定された顔画
像の領域に外接する画素を示す。また、画素１０２は、
注目画素である。
【００３２】ここで、図３上部に示す矢印の如く、画像
の左上から右下に注目画素１０２を移動しながら、各画
素毎に以下に説明する処理を行う。
の左上から右下に注目画素１０２を移動しながら、各画
素毎に以下に説明する処理を行う。
【００３３】同図において注目画素１０２の座標を
（ｘ，ｙ）とし、この注目画素の色は色空間Ｌ*ａ*ｂ*
において、（Ｌ0，ａ0，ｂ0）であるとする。ここで、
この注目画素１０２に隣接する１つ上の画素（ｘ，ｙ−
１）の色が、（Ｌ1，ａ1，ｂ1）であるとき、これら２
つの画素の色差ｄは、 ｄ＝｛（Ｌ1−Ｌ0）↑2＋（ａ1−ａ0）↑2＋（ｂ1−ｂ
0）↑2｝↑(1/2) で表わされる(但し、Ｘ↑ＹはＸのＹ乗を表わすものと
する。以下同様）。
（ｘ，ｙ）とし、この注目画素の色は色空間Ｌ*ａ*ｂ*
において、（Ｌ0，ａ0，ｂ0）であるとする。ここで、
この注目画素１０２に隣接する１つ上の画素（ｘ，ｙ−
１）の色が、（Ｌ1，ａ1，ｂ1）であるとき、これら２
つの画素の色差ｄは、 ｄ＝｛（Ｌ1−Ｌ0）↑2＋（ａ1−ａ0）↑2＋（ｂ1−ｂ
0）↑2｝↑(1/2) で表わされる(但し、Ｘ↑ＹはＸのＹ乗を表わすものと
する。以下同様）。
【００３４】これは、視覚的に感じる色の差に比例した
値を表わすものとなっている。この色差ｄが、第１のし
きい値Ｔｄ１（ここで、しきい値Ｔｄ１は、均等色空間
における色差に関するしきい値である。）以下である場
合は、２つの画素は同じクラスタを構成するものとす
る。また、色差ｄが、第１のしきい値Ｔｄ１より大きい
場合は、２つの画素は別のクラスタを構成する可能性が
あると判断する。
値を表わすものとなっている。この色差ｄが、第１のし
きい値Ｔｄ１（ここで、しきい値Ｔｄ１は、均等色空間
における色差に関するしきい値である。）以下である場
合は、２つの画素は同じクラスタを構成するものとす
る。また、色差ｄが、第１のしきい値Ｔｄ１より大きい
場合は、２つの画素は別のクラスタを構成する可能性が
あると判断する。
【００３５】更に、同様の判断処理を、注目画素１０２
の左側の画素（ｘ−１，ｙ）に対しても行い、これら２
つの画素が同じクラスタを構成するか、或は別のクラス
タを構成する可能性が有るかどうかを判断する。
の左側の画素（ｘ−１，ｙ）に対しても行い、これら２
つの画素が同じクラスタを構成するか、或は別のクラス
タを構成する可能性が有るかどうかを判断する。
【００３６】また、注目画素１０２が顔領域以外の領域
である場合は、抽出対象外であるものとして無視する。
また、注目画素１０２と比較される画素（以下、比較画
素）が、顔領域以外の領域である場合や、比較画素の座
標がｘ＜０またはｙ＜０等の場合には、色差の比較を行
わずに別の領域として判断する。
である場合は、抽出対象外であるものとして無視する。
また、注目画素１０２と比較される画素（以下、比較画
素）が、顔領域以外の領域である場合や、比較画素の座
標がｘ＜０またはｙ＜０等の場合には、色差の比較を行
わずに別の領域として判断する。
【００３７】上記のような判断を、矩形領域１０１の全
画素について行い、クラスタ毎に番号を割り付けると、
色が類似している領域毎に番号が振られることになる。
従って、近似色で連続する領域毎に領域が分割され、領
域分割が完了する。
画素について行い、クラスタ毎に番号を割り付けると、
色が類似している領域毎に番号が振られることになる。
従って、近似色で連続する領域毎に領域が分割され、領
域分割が完了する。
【００３８】上記の均等色空間における色差に関するし
きい値Ｔｄ１は、比較的小さい値が好ましく、本願発明
者らによる検討によると、しきい値Ｔｄ１は３〜１０程
度（但し、この値はＬ*ａ*ｂ*空間における値であ
る。）に設定すると人間の肌の領域を１つの大きなクラ
スタとして領域分割することが可能であることが分かっ
た。
きい値Ｔｄ１は、比較的小さい値が好ましく、本願発明
者らによる検討によると、しきい値Ｔｄ１は３〜１０程
度（但し、この値はＬ*ａ*ｂ*空間における値であ
る。）に設定すると人間の肌の領域を１つの大きなクラ
スタとして領域分割することが可能であることが分かっ
た。
【００３９】次に、このしきい値Ｔｄ１によりクラスタ
リングを行った場合の効果を図４を用いて説明する。
リングを行った場合の効果を図４を用いて説明する。
【００４０】図４は、本発明の第１の実施形態としての
クラスタリングによる結果を説明する図である。
クラスタリングによる結果を説明する図である。
【００４１】図４（ａ）はサンプルの顔画像の例であ
る。この画像に対して小さい値のしきい値Ｔｄ１でクラ
スタリングを行うと、領域分割の結果は図４（ｂ）のよ
うになる。同図に示すように、人間の肌の部分は、ほく
ろ染み、微妙な陰影等の様々な要因で細かくクラスタリ
ングされてしまう領域は幾つか存在するが、その大きさ
はかなり小さいことが多く、しきい値Ｔｄ１を比較的小
さい値にしてクラスタリングを行っても、まとまった領
域として分割される。これは、顔画像においては、隣接
する画素間における色差の相関が高いためである。一
方、顔画像の特徴領域である目や口、眉等は、隣接する
画素間において色差の変動が大きい場合が多いため、細
かな領域としてバラバラの領域にクラスタリングされる
ことが判る。
る。この画像に対して小さい値のしきい値Ｔｄ１でクラ
スタリングを行うと、領域分割の結果は図４（ｂ）のよ
うになる。同図に示すように、人間の肌の部分は、ほく
ろ染み、微妙な陰影等の様々な要因で細かくクラスタリ
ングされてしまう領域は幾つか存在するが、その大きさ
はかなり小さいことが多く、しきい値Ｔｄ１を比較的小
さい値にしてクラスタリングを行っても、まとまった領
域として分割される。これは、顔画像においては、隣接
する画素間における色差の相関が高いためである。一
方、顔画像の特徴領域である目や口、眉等は、隣接する
画素間において色差の変動が大きい場合が多いため、細
かな領域としてバラバラの領域にクラスタリングされる
ことが判る。
【００４２】次に、図２のステップＳ１０３を説明す
る。ここでは、クラスタリングにより生成された各領域
についてその大きさを調べ、各領域の大きさと第１の所
定値Ｔａ１との大小関係を調べ、領域の大きさがＴａ１
より大きければ、その領域は顔の特徴的部位を含まない
領域として抽出対象から除外する処理を行う。即ち、図
４（ｂ）の如く分割された全ての領域の大きさを調べ
て、第１の所定値Ｔａ１より大きい領域は除外する。こ
の除外処理により残った領域は、図４（ｃ）の明部の領
域となり、肌の大部分は除外することが可能となる。但
し、前述したように肌のほくろや染み等、細かな陰影等
により一部領域が点々と残る。
る。ここでは、クラスタリングにより生成された各領域
についてその大きさを調べ、各領域の大きさと第１の所
定値Ｔａ１との大小関係を調べ、領域の大きさがＴａ１
より大きければ、その領域は顔の特徴的部位を含まない
領域として抽出対象から除外する処理を行う。即ち、図
４（ｂ）の如く分割された全ての領域の大きさを調べ
て、第１の所定値Ｔａ１より大きい領域は除外する。こ
の除外処理により残った領域は、図４（ｃ）の明部の領
域となり、肌の大部分は除外することが可能となる。但
し、前述したように肌のほくろや染み等、細かな陰影等
により一部領域が点々と残る。
【００４３】ここで、ステップＳ１０２のクラスタリン
グにより生成された各領域の大きさの評価要素として
は、各領域の画素数や、高さ、幅等が考えられる。この
うちどれか１つを対象に所定値Ｔａ１を設定しても良い
し、複数の要素に対してそれぞれ所定値Ｔａ１に相当す
る所定値を複数設定しても良いことは言うまでもない。
グにより生成された各領域の大きさの評価要素として
は、各領域の画素数や、高さ、幅等が考えられる。この
うちどれか１つを対象に所定値Ｔａ１を設定しても良い
し、複数の要素に対してそれぞれ所定値Ｔａ１に相当す
る所定値を複数設定しても良いことは言うまでもない。
【００４４】また、顔画像の撮影倍率が予め分かってい
る場合には、所定値Ｔａ１は、撮影倍率に応じた固定値
で構わないが、顔画像の撮影倍率が予め分からない場合
には、ステップＳ１０１において設定された顔領域の大
きさから、適当な大きさの所定値Ｔａ１を設定すること
が好ましく、例えば、設定された顔領域の面積の１５％
の面積をＴａ１に設定すると、撮影倍率によらず一定の
結果を得ることが可能となる。
る場合には、所定値Ｔａ１は、撮影倍率に応じた固定値
で構わないが、顔画像の撮影倍率が予め分からない場合
には、ステップＳ１０１において設定された顔領域の大
きさから、適当な大きさの所定値Ｔａ１を設定すること
が好ましく、例えば、設定された顔領域の面積の１５％
の面積をＴａ１に設定すると、撮影倍率によらず一定の
結果を得ることが可能となる。
【００４５】次に、図２のステップＳ１０４に移り、再
びクラスタリング処理を実施する。クラスタリングの手
順自体はステップＳ１０２で実施した内容と同様である
が、ステップＳ１０３において検出対象から除外した領
域は無視することと、色差の大小を評価するしきい値が
異なる。ここで用いる第２のしきい値Ｔｄ２は第１のし
きい値Ｔｄ１より大きい値を用いる。このクラスタリン
グによる領域分割結果は図４（ｄ）のようになり、特徴
的な部位はそれぞれ１つのクラスタとして形成される。
びクラスタリング処理を実施する。クラスタリングの手
順自体はステップＳ１０２で実施した内容と同様である
が、ステップＳ１０３において検出対象から除外した領
域は無視することと、色差の大小を評価するしきい値が
異なる。ここで用いる第２のしきい値Ｔｄ２は第１のし
きい値Ｔｄ１より大きい値を用いる。このクラスタリン
グによる領域分割結果は図４（ｄ）のようになり、特徴
的な部位はそれぞれ１つのクラスタとして形成される。
【００４６】第２のしきい値Ｔｄ２は、比較的大きい値
が好ましく本願発明者らによる検討によれば、しきい値
Ｔｄ２は３０以上（但し、この値はＬ*ａ*ｂ*空間にお
ける値である。）に設定すると人間の特徴的な部位（例
えば、同図に示すように白目と黒目の部位）をそれぞれ
１つのクラスタとして領域分割することが可能であるこ
とが分かった。
が好ましく本願発明者らによる検討によれば、しきい値
Ｔｄ２は３０以上（但し、この値はＬ*ａ*ｂ*空間にお
ける値である。）に設定すると人間の特徴的な部位（例
えば、同図に示すように白目と黒目の部位）をそれぞれ
１つのクラスタとして領域分割することが可能であるこ
とが分かった。
【００４７】次に図２のステップＳ１０５に移る。ここ
では、ステップＳ１０４のクラスタリングにより生成さ
れた各領域についてその大きさを調べ、これらの各領域
の大きさと第２の所定値Ｔａ２との大小関係を調べ、領
域の大きさがしきい値Ｔａ２より小さければ、その領域
は顔の特徴的部位を含まない領域として検出対象から除
外する処理を行う。即ち、図４（ｄ）のように分割され
た全ての領域の大きさを調べて、第２の所定値Ｔａ２よ
り小さい領域は除外する。この除外処理により残った領
域は、図４（ｅ）の明部の領域となり、図４（ｄ）にお
いて肌等に残っていた細かい領域を除外することができ
る。
では、ステップＳ１０４のクラスタリングにより生成さ
れた各領域についてその大きさを調べ、これらの各領域
の大きさと第２の所定値Ｔａ２との大小関係を調べ、領
域の大きさがしきい値Ｔａ２より小さければ、その領域
は顔の特徴的部位を含まない領域として検出対象から除
外する処理を行う。即ち、図４（ｄ）のように分割され
た全ての領域の大きさを調べて、第２の所定値Ｔａ２よ
り小さい領域は除外する。この除外処理により残った領
域は、図４（ｅ）の明部の領域となり、図４（ｄ）にお
いて肌等に残っていた細かい領域を除外することができ
る。
【００４８】ここで、ステップＳ１０４のクラスタリン
グにより生成された各領域大きさの評価要素としては、
各領域の画素数や高さ、幅等が考えられる。このうちど
れか１つを対象に所定値Ｔａ２を設定しても良いし、複
数の要素に対してそれぞれ所定値Ｔａ２に相当する所定
値を複数設定しても良いことは言うまでもない。
グにより生成された各領域大きさの評価要素としては、
各領域の画素数や高さ、幅等が考えられる。このうちど
れか１つを対象に所定値Ｔａ２を設定しても良いし、複
数の要素に対してそれぞれ所定値Ｔａ２に相当する所定
値を複数設定しても良いことは言うまでもない。
【００４９】また、顔画像の撮影倍率が予め分かってい
る場合には、所定値Ｔａ２は撮影倍率に応じた固定値で
構わないが、顔画像の撮影倍率が予め分からない場合に
は、ステップＳ１０１において設定された顔領域の大き
さから、適切な所定値Ｔａ２を設定することが好まし
く、例えばステップＳ１０１において設定された顔領域
の面積の３％の面積をＴａ２に設定すると、撮像倍率に
よらず一定の結果を得ることが可能となる。
る場合には、所定値Ｔａ２は撮影倍率に応じた固定値で
構わないが、顔画像の撮影倍率が予め分からない場合に
は、ステップＳ１０１において設定された顔領域の大き
さから、適切な所定値Ｔａ２を設定することが好まし
く、例えばステップＳ１０１において設定された顔領域
の面積の３％の面積をＴａ２に設定すると、撮像倍率に
よらず一定の結果を得ることが可能となる。
【００５０】以上の処理により残った領域は、顔画像の
中から目や口、眉等の特徴的部位を表わす領域となる。
中から目や口、眉等の特徴的部位を表わす領域となる。
【００５１】尚、被写体である顔画像が、ステップＳ１
０１で設定する矩形領域に対して真正面に位置する（正
対する）ことが予め分かっている場合等には、次のよう
な判断を加えることにより、特徴領域の検出確度を向上
することができる。即ち、顔画像が真正面を向いている
場合は、図４（ａ）の如く目や口、眉等の特徴的部位は
顔画像の輪郭内に存在する。そこで、ステップＳ１０５
の処理により残った領域のうち、顔画像の輪郭線（図３
の顔領域と顔領域外の領域との境界）に接している領域
は、更に除外するという判断を加えることで、特徴領域
の検出確度を向上することができる。
０１で設定する矩形領域に対して真正面に位置する（正
対する）ことが予め分かっている場合等には、次のよう
な判断を加えることにより、特徴領域の検出確度を向上
することができる。即ち、顔画像が真正面を向いている
場合は、図４（ａ）の如く目や口、眉等の特徴的部位は
顔画像の輪郭内に存在する。そこで、ステップＳ１０５
の処理により残った領域のうち、顔画像の輪郭線（図３
の顔領域と顔領域外の領域との境界）に接している領域
は、更に除外するという判断を加えることで、特徴領域
の検出確度を向上することができる。
【００５２】図２のステップＳ１０６では、最終的に残
った領域の情報の出力が行われる。この出力結果は、例
えば、人物識別や赤目除去等の処理ルーチン等の後段の
処理工程に渡すための処理である。従って、処理の内容
は後段の処理工程に応じて異なるが、例えば、ｍ画素×
ｎ画素分のメモリを確保して、最終的に候補として残っ
た画素に対応するメモリアドレスは１に、候補外として
判断された画素に対応するメモリアドレスは０に設定
し、このメモリアドレスを別の処理ルーチンに渡す等の
処理が行われる。
った領域の情報の出力が行われる。この出力結果は、例
えば、人物識別や赤目除去等の処理ルーチン等の後段の
処理工程に渡すための処理である。従って、処理の内容
は後段の処理工程に応じて異なるが、例えば、ｍ画素×
ｎ画素分のメモリを確保して、最終的に候補として残っ
た画素に対応するメモリアドレスは１に、候補外として
判断された画素に対応するメモリアドレスは０に設定
し、このメモリアドレスを別の処理ルーチンに渡す等の
処理が行われる。
【００５３】尚、本実施形態の他の応用例としては、例
えば、空を飛ぶ鳥や飛行機等を、特徴的な画像領域とし
て検出する場合等が挙げられる。つまり、上述した本実
施形態の特徴は、図２のフローチャートに示したシーケ
ンスにより、特徴的な画像領域を検出することであり、
本実施形態で処理可能な画像は顔画像に限定されるもの
ではない。そのような場合、検出すべき画像の種類とし
きい値とを対応付けて記憶した記憶媒体（フロッピディ
スク（ＦＤ）、光磁気ディスク（ＭＯ）等）を用意（個
別に用意しても良い）すれば、様々な画像に対して本実
施形態に示した処理を応用できることは明らかである。
えば、空を飛ぶ鳥や飛行機等を、特徴的な画像領域とし
て検出する場合等が挙げられる。つまり、上述した本実
施形態の特徴は、図２のフローチャートに示したシーケ
ンスにより、特徴的な画像領域を検出することであり、
本実施形態で処理可能な画像は顔画像に限定されるもの
ではない。そのような場合、検出すべき画像の種類とし
きい値とを対応付けて記憶した記憶媒体（フロッピディ
スク（ＦＤ）、光磁気ディスク（ＭＯ）等）を用意（個
別に用意しても良い）すれば、様々な画像に対して本実
施形態に示した処理を応用できることは明らかである。
【００５４】＜第２の実施形態＞次に、第２の実施形態
における画像信号からの特徴領域の検出処理を図５を参
照して説明する。
における画像信号からの特徴領域の検出処理を図５を参
照して説明する。
【００５５】図５は、本発明の第２の実施形態としての
特徴領域の検出処理を示すフローチャートである。
特徴領域の検出処理を示すフローチャートである。
【００５６】図中、ステップＳ２０１では、自然画像中
の顔の領域（閉領域）を設定する。この設定は、第１の
実施形態における図２のステップＳ１０１と同様に行
う。
の顔の領域（閉領域）を設定する。この設定は、第１の
実施形態における図２のステップＳ１０１と同様に行
う。
【００５７】ステップＳ２０２では、ステップＳ２０１
において設定された閉領域（即ち顔の領域）の大きさに
応じて検出解像度を設定する。ここで、検出の解像度を
設定するのは、処理の高速化のためである。顔領域の画
素数は撮影倍率の２乗に比例して大きくなるので、高速
化を実現するために、顔領域として設定された領域の大
きさに応じて間引きを行う。ステップＳ２０２で行う検
出解像度の設定は、画素の間引き間隔を設定することで
ある。本実施形態において、間引き間隔は、 （間引き間隔）＝（設定された領域の幅）／３００ により算出する。尚、本実施形態では、設定された領域
の幅方向に間引いたが、設定された領域の高さ方向に間
引いても、幅方向及び高さ方向の両方向に間引いても良
いことは言うまでもない。
において設定された閉領域（即ち顔の領域）の大きさに
応じて検出解像度を設定する。ここで、検出の解像度を
設定するのは、処理の高速化のためである。顔領域の画
素数は撮影倍率の２乗に比例して大きくなるので、高速
化を実現するために、顔領域として設定された領域の大
きさに応じて間引きを行う。ステップＳ２０２で行う検
出解像度の設定は、画素の間引き間隔を設定することで
ある。本実施形態において、間引き間隔は、 （間引き間隔）＝（設定された領域の幅）／３００ により算出する。尚、本実施形態では、設定された領域
の幅方向に間引いたが、設定された領域の高さ方向に間
引いても、幅方向及び高さ方向の両方向に間引いても良
いことは言うまでもない。
【００５８】以降の処理においては、顔領域の画像を算
出した間引き間隔で間引いた状態のデータに対して処理
を行う。但し、実際に間引いた画像を新たに生成する必
要はなく、ステップＳ２０１で顔領域を設定するために
画像データの画素にアクセスする際、間欠的にアクセス
するようにすれば良い。
出した間引き間隔で間引いた状態のデータに対して処理
を行う。但し、実際に間引いた画像を新たに生成する必
要はなく、ステップＳ２０１で顔領域を設定するために
画像データの画素にアクセスする際、間欠的にアクセス
するようにすれば良い。
【００５９】ステップＳ２０３では、ステップＳ２０１
において設定された閉領域内の画素を対象として、隣接
する画素の色の差が少ないもの同士でグループを構成す
る。本実施形態におけるクラスタリングの方法について
図３を用いて説明する。本実施形態においても、１０１
は、図３のｍ画素×ｎ画素の矩形領域のうち、ステップ
Ｓ２０１において設定された顔画像の領域に外接する画
素を示す。また、画素１０２は、注目画素である。但
し、これはステップＳ２０２において間引きを行った後
の顔領域に対応するものである。
において設定された閉領域内の画素を対象として、隣接
する画素の色の差が少ないもの同士でグループを構成す
る。本実施形態におけるクラスタリングの方法について
図３を用いて説明する。本実施形態においても、１０１
は、図３のｍ画素×ｎ画素の矩形領域のうち、ステップ
Ｓ２０１において設定された顔画像の領域に外接する画
素を示す。また、画素１０２は、注目画素である。但
し、これはステップＳ２０２において間引きを行った後
の顔領域に対応するものである。
【００６０】ここで、図３上部に示す矢印の如く、画像
の左上から右下に注目画素１０２を移動しながら、各画
素毎に以下に説明する処理を行う。
の左上から右下に注目画素１０２を移動しながら、各画
素毎に以下に説明する処理を行う。
【００６１】同図において注目画素１０２の座標を
（ｘ，ｙ）とし、この注目画素の色は色空間Ｌ*ｕ*ｖ*
において、（Ｌ0，ｕ0，ｖ0）であるとする。本実施形
態において、この画素に隣接する１つ上の画素（ｘ，ｙ
−１）の色が（Ｌ1，ｕ1，ｖ1）であるとき、これら２
つの画素の色差ｄは、 ｄ＝｛（Ｌ1−Ｌ0）↑2＋（ｕ1−ｕ0）↑2＋（ｖ1−ｖ
0）↑2｝↑(1/2) で表わされる。これは、視覚的に感じる色の差に比例し
た値を表わすものとなっている。この色差ｄが、第１の
しきい値Ｔｄ１以下である場合、２つの画素は同じクラ
スタを構成するものとし、また色差ｄが第１のしきい値
Ｔｄ１より大きい場合、２つの画素は別のクラスタを構
成する可能性があると判断する。
（ｘ，ｙ）とし、この注目画素の色は色空間Ｌ*ｕ*ｖ*
において、（Ｌ0，ｕ0，ｖ0）であるとする。本実施形
態において、この画素に隣接する１つ上の画素（ｘ，ｙ
−１）の色が（Ｌ1，ｕ1，ｖ1）であるとき、これら２
つの画素の色差ｄは、 ｄ＝｛（Ｌ1−Ｌ0）↑2＋（ｕ1−ｕ0）↑2＋（ｖ1−ｖ
0）↑2｝↑(1/2) で表わされる。これは、視覚的に感じる色の差に比例し
た値を表わすものとなっている。この色差ｄが、第１の
しきい値Ｔｄ１以下である場合、２つの画素は同じクラ
スタを構成するものとし、また色差ｄが第１のしきい値
Ｔｄ１より大きい場合、２つの画素は別のクラスタを構
成する可能性があると判断する。
【００６２】同様の判断を注目画素の左側の画素（ｘ−
１，ｙ）に対しても行い、２つの画素が同じクラスタを
構成するか、或は別のクラスタを構成する可能性が有る
かどうかを判断する。
１，ｙ）に対しても行い、２つの画素が同じクラスタを
構成するか、或は別のクラスタを構成する可能性が有る
かどうかを判断する。
【００６３】また、注目画素が顔領域以外の領域である
場合は、検索対象外であるものとして無視する。また、
比較画素が顔領域以外の領域である場合や、比較画素の
座標がｘ＜０またはｙ＜０等の場合には、色差の比較を
行わず別の領域として判断する。
場合は、検索対象外であるものとして無視する。また、
比較画素が顔領域以外の領域である場合や、比較画素の
座標がｘ＜０またはｙ＜０等の場合には、色差の比較を
行わず別の領域として判断する。
【００６４】上記のような判断を、矩形領域１０１の全
画素について行い、クラスタ毎に番号を割り付けると、
色が類似している領域毎に番号が振られることになる。
従って、近似色で連続する領域毎に領域が分割され、領
域分割が完了する。
画素について行い、クラスタ毎に番号を割り付けると、
色が類似している領域毎に番号が振られることになる。
従って、近似色で連続する領域毎に領域が分割され、領
域分割が完了する。
【００６５】本実施形態においても、均等色空間におけ
る色差に関するしきい値Ｔｄ１は、比較的小さい値が好
ましく、しきい値Ｔｄ１は３〜１０程度に設定すると人
間の肌の領域を１つの大きなクラスタとして領域分割す
ることが可能である。このしきい値Ｔｄ１によりクラス
タリングを行うことにより、第１の実施形態同様に図４
（ａ）から領域分割された図４（ｂ）が得られる。
る色差に関するしきい値Ｔｄ１は、比較的小さい値が好
ましく、しきい値Ｔｄ１は３〜１０程度に設定すると人
間の肌の領域を１つの大きなクラスタとして領域分割す
ることが可能である。このしきい値Ｔｄ１によりクラス
タリングを行うことにより、第１の実施形態同様に図４
（ａ）から領域分割された図４（ｂ）が得られる。
【００６６】次に、図５のステップＳ２０４に移る。こ
こでは、図２のステップＳ１０３と同様に、クラスタリ
ングにより生成された各領域の大きさが、第１の所定値
Ｔａ１より大きければ、その領域は顔の特徴的部位を含
まない領域として抽出対象から除外する処理を行う。こ
れにより、図４（ｃ）の明部の領域を得る。
こでは、図２のステップＳ１０３と同様に、クラスタリ
ングにより生成された各領域の大きさが、第１の所定値
Ｔａ１より大きければ、その領域は顔の特徴的部位を含
まない領域として抽出対象から除外する処理を行う。こ
れにより、図４（ｃ）の明部の領域を得る。
【００６７】次に、図５のステップＳ２０５に移り、図
２のステップＳ１０４と同様に、第１のしきい値Ｔｄ１
より大きい第２のしきい値Ｔｄ２を用いて再びクラスタ
リングを実施する。これにより、図４（ｄ）の明部の領
域を得る。
２のステップＳ１０４と同様に、第１のしきい値Ｔｄ１
より大きい第２のしきい値Ｔｄ２を用いて再びクラスタ
リングを実施する。これにより、図４（ｄ）の明部の領
域を得る。
【００６８】次に、図５のステップＳ２０６に移り、図
２のステップＳ１０５と同様に、クラスタリングにより
生成された各領域のうち、第２の所定値Ｔａ２より小さ
い領域は顔の特徴的部位を含まない領域として検出対象
から除外する処理を行う。この除外処理により、図４
（ｅ）の明部の領域を得る。
２のステップＳ１０５と同様に、クラスタリングにより
生成された各領域のうち、第２の所定値Ｔａ２より小さ
い領域は顔の特徴的部位を含まない領域として検出対象
から除外する処理を行う。この除外処理により、図４
（ｅ）の明部の領域を得る。
【００６９】以上の処理により残った領域は顔画像の中
から目や口、眉等の特徴的部位を表わす領域となる。
から目や口、眉等の特徴的部位を表わす領域となる。
【００７０】そして、図５のステップＳ２０７では、図
２のステップＳ１０６と同様に、最終的に残った領域の
情報の出力が行われる。
２のステップＳ１０６と同様に、最終的に残った領域の
情報の出力が行われる。
【００７１】＜他の実施形態＞本発明の目的は、前述し
た実施形態の機能を実現するソフトウェアのプログラム
コードを記録した記憶媒体を、システム或は装置に供給
し、そのシステム或は装置のコンピュータ（またはＣＰ
ＵやＭＰＵ）が記憶媒体に格納されたプログラムコード
を読出し実行することによっても、達成されることは言
うまでもない。
た実施形態の機能を実現するソフトウェアのプログラム
コードを記録した記憶媒体を、システム或は装置に供給
し、そのシステム或は装置のコンピュータ（またはＣＰ
ＵやＭＰＵ）が記憶媒体に格納されたプログラムコード
を読出し実行することによっても、達成されることは言
うまでもない。
【００７２】この場合、記憶媒体から読出されたプログ
ラムコード自体が前述した実施形態の機能を実現するこ
とになり、そのプログラムコードを記憶した記憶媒体は
本発明を構成することになる。
ラムコード自体が前述した実施形態の機能を実現するこ
とになり、そのプログラムコードを記憶した記憶媒体は
本発明を構成することになる。
【００７３】プログラムコードを供給するための記憶媒
体としては、例えば、フロッピディスク，ハードディス
ク，光ディスク，光磁気ディスク，ＣＤ−ＲＯＭ，ＣＤ
−Ｒ，磁気テープ，不揮発性のメモリカード，ＲＯＭ等
を用いることができる。
体としては、例えば、フロッピディスク，ハードディス
ク，光ディスク，光磁気ディスク，ＣＤ−ＲＯＭ，ＣＤ
−Ｒ，磁気テープ，不揮発性のメモリカード，ＲＯＭ等
を用いることができる。
【００７４】また、コンピュータが読出したプログラム
コードを実行することにより、前述した実施形態の機能
が実現されるだけでなく、そのプログラムコードの指示
に基づき、コンピュータ上で稼働しているＯＳ（オペレ
ーティングシステム）等が実際の処理の一部または全部
を行い、その処理によって前述した実施形態の機能が実
現される場合も含まれることは言うまでもない。
コードを実行することにより、前述した実施形態の機能
が実現されるだけでなく、そのプログラムコードの指示
に基づき、コンピュータ上で稼働しているＯＳ（オペレ
ーティングシステム）等が実際の処理の一部または全部
を行い、その処理によって前述した実施形態の機能が実
現される場合も含まれることは言うまでもない。
【００７５】更に、記憶媒体から読出されたプログラム
コードが、コンピュータに挿入された機能拡張ボードや
コンピュータに接続された機能拡張ユニットに備わるメ
モリに書込まれた後、そのプログラムコードの指示に基
づき、その機能拡張ボードや機能拡張ユニットに備わる
ＣＰＵ等が実際の処理の一部または全部を行い、その処
理によって前述した実施形態の機能が実現される場合も
含まれることは言うまでもない。
コードが、コンピュータに挿入された機能拡張ボードや
コンピュータに接続された機能拡張ユニットに備わるメ
モリに書込まれた後、そのプログラムコードの指示に基
づき、その機能拡張ボードや機能拡張ユニットに備わる
ＣＰＵ等が実際の処理の一部または全部を行い、その処
理によって前述した実施形態の機能が実現される場合も
含まれることは言うまでもない。
【００７６】本発明を上記記憶媒体に適用する場合、そ
の記憶媒体には、先に説明したフローチャートに対応す
るプログラムコードを格納することになるが、簡単に説
明すると、図６のメモリマップ例に示す各モジュールを
記憶媒体に格納することになる。
の記憶媒体には、先に説明したフローチャートに対応す
るプログラムコードを格納することになるが、簡単に説
明すると、図６のメモリマップ例に示す各モジュールを
記憶媒体に格納することになる。
【００７７】即ち、少なくとも以下の各モジュールのプ
ログラムコードを記憶媒体に格納すれば良い。 ・「顔領域検出モジュール」：自然画像中に含まれる顔
画像の領域（閉領域）を検出する。 ・「解像度設定モジュール」：「顔領域検出モジュー
ル」により設定された閉領域の大きさに応じて検出解像
度を設定する。 ・「クラスタリングモジュール」：第１のしきい値Ｔｄ
１または第２のしきい値Ｔｄ２を用いて、顔画像の領域
において隣接する画素との色の差が少ないもの同士をク
ラスタリングする。 ・「領域除外モジュール」：クラスタリングにより生成
された各領域の大きさを、第１の所定値Ｔａ１または第
２の所定値Ｔａ２と比較して、顔の特徴部位を含まない
領域を抽出対象から除外する。 ・「制御モジュール」：「クラスタリングモジュー
ル」、「領域除外モジュール」により得られる結果を順
次用いて、これらの工程を少なくとも２回行うよう制御
する。
ログラムコードを記憶媒体に格納すれば良い。 ・「顔領域検出モジュール」：自然画像中に含まれる顔
画像の領域（閉領域）を検出する。 ・「解像度設定モジュール」：「顔領域検出モジュー
ル」により設定された閉領域の大きさに応じて検出解像
度を設定する。 ・「クラスタリングモジュール」：第１のしきい値Ｔｄ
１または第２のしきい値Ｔｄ２を用いて、顔画像の領域
において隣接する画素との色の差が少ないもの同士をク
ラスタリングする。 ・「領域除外モジュール」：クラスタリングにより生成
された各領域の大きさを、第１の所定値Ｔａ１または第
２の所定値Ｔａ２と比較して、顔の特徴部位を含まない
領域を抽出対象から除外する。 ・「制御モジュール」：「クラスタリングモジュー
ル」、「領域除外モジュール」により得られる結果を順
次用いて、これらの工程を少なくとも２回行うよう制御
する。
【００７８】尚、本発明を採用する画像処理装置は、上
述した実施形態のパーソナルコンピュータだけでなく、
デジタルカメラそのものであってもよいことは言うまで
もない。
述した実施形態のパーソナルコンピュータだけでなく、
デジタルカメラそのものであってもよいことは言うまで
もない。
【００７９】＜本実施形態の効果＞第１の実施形態で
は、設定された顔領域に対して均等色空間で２段階のク
ラスタリングを行い大小判断を２段階に分けて実施し
た。これにより、顔の特徴的部位を微分処理等によりエ
ッジ検出を行って検出する方法と比較して、対ノイズ性
に優れ、高精度で処理することが可能となり、且つ積和
演算等の回数が微分処理を用いる方法に比べて少ないた
め高速で処理を完了することが可能となる。
は、設定された顔領域に対して均等色空間で２段階のク
ラスタリングを行い大小判断を２段階に分けて実施し
た。これにより、顔の特徴的部位を微分処理等によりエ
ッジ検出を行って検出する方法と比較して、対ノイズ性
に優れ、高精度で処理することが可能となり、且つ積和
演算等の回数が微分処理を用いる方法に比べて少ないた
め高速で処理を完了することが可能となる。
【００８０】また、第２の実施形態では、２段階のクラ
スタリングに先立って、検出対象の領域を間引いて設定
した。即ち、設定された顔領域の大きさに応じて検出の
解像度を決定することにより、更に演算時間が短縮さ
れ、高速に処理することが可能となる。
スタリングに先立って、検出対象の領域を間引いて設定
した。即ち、設定された顔領域の大きさに応じて検出の
解像度を決定することにより、更に演算時間が短縮さ
れ、高速に処理することが可能となる。
【００８１】
【発明の効果】以上説明したように、本発明によれば、
対象とする画像から特徴的な部位に相当する画像領域
を、高速、且つ高精度に検出する画像処理方法及び画像
処理装置の提供が実現する。
対象とする画像から特徴的な部位に相当する画像領域
を、高速、且つ高精度に検出する画像処理方法及び画像
処理装置の提供が実現する。
【００８２】
【図１】本発明の第１の実施形態としての画像処理装置
のブロック構成図である。
のブロック構成図である。
【図２】本発明の第１の実施形態としての特徴領域の検
出処理を示すフローチャートである。
出処理を示すフローチャートである。
【図３】本発明の一実施形態としてのクラスタリングを
説明する図である。
説明する図である。
【図４】本発明の第１の実施形態としてのクラスタリン
グによる結果を説明する図である。
グによる結果を説明する図である。
【図５】本発明の第２の実施形態としての特徴領域の検
出処理を示すフローチャートである。
出処理を示すフローチャートである。
【図６】本発明の他の実施形態としてのメモリマップの
一例を示す図である。
一例を示す図である。
２１ ＣＰＵ ２２ ディスプレイ ２３ キーボード ２４ ＲＯＭ ２５ ＲＡＭ ２６ 記憶装置 ２７ 通信インタフェース ２８ ポインティング装置 ２９ 画像入力装置 ３０ 内部バス ３１ 通信回線 １０１ 矩形領域 １０２ 注目画素
Claims (25)
- 【請求項１】 対象とする画像から特徴的な部位に相当
する画像領域を検出する画像処理方法であって、 クラスタリングを行って、クラスタを生成するクラスタ
リング工程と、 そのクラスタリング工程により得られるそれぞれのクラ
スタの大きさを評価して、前記特徴的な部位には相当し
ない画像領域を除外する除外工程とを備え、 得られる結果を順次用いて、これらの工程を少なくとも
２回行うことを特徴とする画像処理方法。 - 【請求項２】 対象とする画像から特徴的な部位に相当
する画像領域を検出する画像処理方法であって、 前記対象とする画像の大きさに応じて解像度を設定し、
その解像度に応じて前記対象とする画像を間引く間引き
工程と、 その間引き工程により得られた画像にクラスタリングを
行って、クラスタを生成するクラスタリング工程と、 そのクラスタリング工程により得られるそれぞれのクラ
スタの大きさを評価して、前記特徴的な部位には相当し
ない画像領域を除外する除外工程とを備え、得られる結
果を順次用いて、前記クラスタリング工程及び前記除外
工程を少なくとも２回行うことを特徴とする画像処理方
法。 - 【請求項３】 前記除外工程における評価を、Ｌ*ａ*ｂ
*或はＬ*ｕ*ｖ*で表わされる均等色空間において行うこ
とを特徴とする請求項１または請求項２記載の画像処理
方法。 - 【請求項４】 前記クラスタリング工程のうち、初回の
クラスタリング工程における色差評価の第１のしきい値
は、２回目以降のクラスタリング工程における色差評価
の第２のしきい値より小さいことを特徴とする請求項３
記載の画像処理方法。 - 【請求項５】 前記クラスタリング工程のうち、初回の
クラスタリング工程で生成された領域のうち、大きさが
第１の所定値より大きい領域を、検出対象から除外する
ことを特徴とする請求項４記載の画像処理方法。 - 【請求項６】 前記クラスタリング工程のうち、２回目
以降のクラスタリング工程で生成された領域のうち、大
きさが第２の所定値より小さい領域を、検出対象から除
外することを特徴とする請求項４記載の画像処理方法。 - 【請求項７】 前記第１の所定値を、前記対象とする画
像の大きさに応じて算出することを特徴とする請求項５
記載の画像処理方法。 - 【請求項８】 前記第２の所定値を、前記対象とする画
像の大きさに応じて算出することを特徴とする請求項６
記載の画像処理方法。 - 【請求項９】 最終的に残った画像領域のうち、前記対
象とする画像との境界に接する領域を、検出対象から除
外することを特徴とする請求項１または請求項２記載の
画像処理方法。 - 【請求項１０】 前記対象とする画像は顔画像であり、
その顔画像の特徴的な部位は目や口、眉であることを特
徴とする請求項１乃至請求項９記載の画像処理方法。 - 【請求項１１】 対象とする画像から特徴的な部位に相
当する画像領域を検出する画像処理装置であって、 クラスタリングを行って、クラスタを生成するクラスタ
リング手段と、 そのクラスタリング手段により得られるそれぞれのクラ
スタの大きさを評価して、前記特徴的な部位には相当し
ない画像領域を除外する除外手段とを備え、得られる結
果を順次用いて、これらの手段を少なくとも２回行うこ
とを特徴とする画像処理装置。 - 【請求項１２】 対象とする画像から特徴的な部位に相
当する画像領域を検出する画像処理装置であって、 前記対象とする画像の大きさに応じて解像度を設定し、
その解像度に応じて前記対象とする画像を間引く間引き
手段と、 その間引き手段により得られた画像にクラスタリングを
行って、クラスタを生成するクラスタリング手段と、 そのクラスタリング手段により得られるそれぞれのクラ
スタの大きさを評価して、前記特徴的な部位には相当し
ない画像領域を除外する除外手段とを備え、得られる結
果を順次用いて、前記クラスタリング手段及び前記除外
手段を少なくとも２回行うことを特徴とする画像処理装
置。 - 【請求項１３】 前記除外手段における評価を、Ｌ*ａ*
ｂ*或はＬ*ｕ*ｖ*で表わされる均等色空間において行う
ことを特徴とする請求項１１または請求項１２記載の画
像処理装置。 - 【請求項１４】 前記クラスタリング手段のうち、初回
のクラスタリング手段における色差評価の第１のしきい
値は、２回目以降のクラスタリング手段における色差評
価の第２のしきい値より小さいことを特徴とする請求項
１３記載の画像処理装置。 - 【請求項１５】 前記クラスタリング手段のうち、初回
のクラスタリング手段で生成された領域のうち、大きさ
が第１の所定値より大きい領域を、検出対象から除外す
ることを特徴とする請求項１４記載の画像処理装置。 - 【請求項１６】 前記クラスタリング手段のうち、２回
目以降のクラスタリング手段で生成された領域のうち、
大きさが第２の所定値より小さい領域を、検出対象から
除外することを特徴とする請求項１４記載の画像処理装
置。 - 【請求項１７】 前記第１のしきい値を、３〜１０程度
とすることを特徴とする請求項１４記載の画像処理装
置。 - 【請求項１８】 前記第２のしきい値を、３０程度以上
とすることを特徴とする請求項１４記載の画像処理装
置。 - 【請求項１９】 前記第１の所定値を、前記対象とする
画像の大きさに応じて算出することを特徴とする請求項
１５記載の画像処理装置。 - 【請求項２０】 前記第２の所定値を、前記対象とする
画像の大きさに応じて算出することを特徴とする請求項
１６記載の画像処理装置。 - 【請求項２１】 最終的に残った画像領域のうち、前記
対象とする画像との境界に接する領域を、検出対象から
除外することを特徴とする請求項１１または請求項１２
記載の画像処理装置。 - 【請求項２２】 前記対象とする画像は顔画像であり、
その顔画像の特徴的な部位は目や口、眉であることを特
徴とする請求項１１乃至請求項２１記載の画像処理装
置。 - 【請求項２３】 画像処理のプログラムコードを納めた
コンピュータ可読メモリであって、 対象とする画像から特徴的な部位に相当する画像領域を
検出する検出工程のコードと、 その検出工程により得られる画像領域にクラスタリング
を行って、クラスタを生成するクラスタリング工程のコ
ードと、 そのクラスタリング工程により得られるそれぞれのクラ
スタの大きさを評価して、前記特徴的な部位には相当し
ない画像領域を除外する除外工程のコードと、 前記クラスタリング工程及び除外工程により得られる結
果を順次用いて、これらの工程を少なくとも２回行うよ
うに制御する制御工程のコードと、を備えることを特徴
とするコンピュータ可読メモリ。 - 【請求項２４】 画像処理のプログラムコードを納めた
コンピュータ可読メモリであって、 対象とする画像から特徴的な部位に相当する画像領域を
検出する検出工程のコードと、 その検出工程により得られる画像領域の大きさに応じて
解像度を設定し、その解像度に応じて前記顔画像を間引
く間引き工程のコードと、 その間引き工程により得られた画像にクラスタリングを
行って、クラスタを生成するクラスタリング工程のコー
ドと、 そのクラスタリング工程により得られるそれぞれのクラ
スタの大きさを評価して、前記特徴的な部位には相当し
ない画像領域を除外する除外工程のコードと、 前記クラスタリング工程及び除外工程により得られる結
果を順次用いて、前記クラスタリング工程及び前記除外
工程を少なくとも２回行うように制御する制御工程のコ
ードと、を備えることを特徴とするコンピュータ可読メ
モリ。 - 【請求項２５】 前記対象とする画像は顔画像であり、
その顔画像の特徴的な部位は目や口、眉であることを特
徴とする請求項２３または請求項２４記載のコンピュー
タ可読メモリ。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03508697A JP3624069B2 (ja) | 1997-02-19 | 1997-02-19 | 画像処理方法及び画像処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03508697A JP3624069B2 (ja) | 1997-02-19 | 1997-02-19 | 画像処理方法及び画像処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH10232930A true JPH10232930A (ja) | 1998-09-02 |
| JP3624069B2 JP3624069B2 (ja) | 2005-02-23 |
Family
ID=12432164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP03508697A Expired - Fee Related JP3624069B2 (ja) | 1997-02-19 | 1997-02-19 | 画像処理方法及び画像処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3624069B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015075963A (ja) * | 2013-10-09 | 2015-04-20 | キヤノン株式会社 | 画像処理方法及び装置、プログラム |
-
1997
- 1997-02-19 JP JP03508697A patent/JP3624069B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015075963A (ja) * | 2013-10-09 | 2015-04-20 | キヤノン株式会社 | 画像処理方法及び装置、プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3624069B2 (ja) | 2005-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9092868B2 (en) | Apparatus for detecting object from image and method therefor | |
| JP6871314B2 (ja) | 物体検出方法、装置及び記憶媒体 | |
| EP3709266A1 (en) | Human-tracking methods, apparatuses, systems, and storage media | |
| US20170243352A1 (en) | 3-dimensional scene analysis for augmented reality operations | |
| US6088483A (en) | Image processing method for system employing pattern matching | |
| US20150178568A1 (en) | Method for improving tracking using dynamic background compensation with centroid compensation | |
| US11403819B2 (en) | Three-dimensional model processing method, electronic device, and readable storage medium | |
| US20230334235A1 (en) | Detecting occlusion of digital ink | |
| JPH0944670A (ja) | 特定画像領域抽出方法及び特定画像領域抽出装置 | |
| JP2000105829A (ja) | 顔パーツ検出方法及びその装置 | |
| KR20110021500A (ko) | 이동객체의 실시간 추적과 거리 측정 방법 및 그 장치 | |
| CN112686122B (zh) | 人体及影子的检测方法、装置、电子设备、存储介质 | |
| US11941498B2 (en) | Facial motion detection and image correction method and apparatus | |
| JP2012068948A (ja) | 顔属性推定装置およびその方法 | |
| JPH11312243A (ja) | 顔領域検出装置 | |
| CN115797870A (zh) | 基于轻量化动作侦测的ai物件侦测系统、方法、电子设备及存储介质 | |
| JPH10232930A (ja) | 画像処理方法及び画像処理装置 | |
| CN112348112B (zh) | 图像识别模型的训练方法、训练装置及终端设备 | |
| CN107977644B (zh) | 基于图像采集设备的图像数据处理方法及装置、计算设备 | |
| CN111448586B (zh) | 表面颜色分割 | |
| CN113591858A (zh) | 一种文本识别方法、装置、电子设备和存储介质 | |
| CN112464753B (zh) | 图像中关键点的检测方法、检测装置及终端设备 | |
| US11657573B2 (en) | Automatic mesh tracking for 3D face modeling | |
| JP7459151B2 (ja) | 情報処理装置、情報処理システム、情報処理方法、及びプログラム | |
| CN113221596A (zh) | 人像实时聚类推送方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Effective date: 20040825 Free format text: JAPANESE INTERMEDIATE CODE: A971007 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040830 |
|
| A521 | Written amendment |
Effective date: 20041029 Free format text: JAPANESE INTERMEDIATE CODE: A523 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20041122 |
|
| A61 | First payment of annual fees (during grant procedure) |
Effective date: 20041129 Free format text: JAPANESE INTERMEDIATE CODE: A61 |
|
| R150 | Certificate of patent (=grant) or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081203 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091203 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 5 Free format text: PAYMENT UNTIL: 20091203 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 6 Free format text: PAYMENT UNTIL: 20101203 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111203 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |