WO2023189080A1

WO2023189080A1 - 画像処理装置、および画像処理方法、並びにプログラム

Info

Publication number: WO2023189080A1
Application number: PCT/JP2023/006808
Authority: WO
Inventors: 理継平山
Original assignee: ソニーグループ株式会社
Priority date: 2022-03-30
Filing date: 2023-02-24
Publication date: 2023-10-05

Abstract

フリッカ補正対象オブジェクトを効率的に検出し、フリッカ補正処理を高精度かつ高速に実行する画像処理装置を実現する。フリッカ補正処理を実行するフリッカ補正部を有し、フリッカ補正部は、画像からフリッカを発生させる可能性のある被写体であるフリッカ補正対象オブジェクトを検出するフリッカ補正対象オブジェクト検出部と、フリッカ補正対象オブジェクト検出部が検出したフリッカ補正対象オブジェクトの画像領域に対するフリッカ補正処理を実行する画像補正部を有し、フリッカ補正対象オブジェクト検出部は、学習モデルを適用したフリッカ補正対象オブジェクト検出処理を実行する。

Description

画像処理装置、および画像処理方法、並びにプログラム

　本開示は、画像処理装置、および画像処理方法、並びにプログラムに関する。さらに詳細には、フリッカ補正を行う画像処理装置、および画像処理方法、並びにプログラムに関する。

　カメラを用いて動画撮影を行う場合、被写体にディスプレイや信号機等、所定周波数の出力信号変化（輝度変化）のある被写体が含まれると、撮影された動画の再生時にこれら被写体の光出力部（ディスプレイや信号機の発光部）が激しく輝度変化を示す場合がある。これはいわゆるフリッカ現象と呼ばれる。

　フリッカ現象は動画を構成する画像フレーム各々の撮影タイミングにおいて被写体であるディスプレイや信号機等の出力輝度が異なっていることに起因する。
　例えば、信号機の出力周波数が５０Ｈｚである場合、信号機は１秒間に５０回の点滅を周期的に繰り返す。

　これに対して、カメラによる動画像の撮影フレームレートが例えば３０ｆｐｓ、すなわち１秒間に３０枚の画像を撮影するフレームレートであるとする。
　カメラによる動画像撮影開始時の最初の撮影画像フレーム（Ｆ１）の撮影タイミングで信号機の輝度が最高輝度であったとしても、次の撮影画像フレーム（Ｆ２）の撮影タイミング、すなわち１／３０秒経過後の撮影画像フレーム（Ｆ２）の撮影タイミングでは５０Ｈｚで点滅する信号機の出力は最高輝度ではなく、輝度が低下している。

　さらに、次の１／３０秒経過後の撮影画像フレーム（Ｆ３）の撮影タイミングでも、信号機の出力は先行する撮影画像フレーム（Ｆ１，Ｆ２）とは異なる輝度になっている。

　この結果、カメラが撮影した動画像を構成する各画像フレーム（Ｆ１，Ｆ２，Ｆ３・・・）に含まれる信号機の発光部の輝度は異なる輝度の画像となり、再生動画像はフリッカを発生させる動画像になる。

　なお、カメラによる撮影画像のフリッカ低減構成について開示した従来技術として、例えば特許文献１（特開２０１３－１２１０９９号公報）がある。

　この特許文献１は、カメラに長時間露光画像と短時間露光画像の２種類の画像を撮影させて、これらの画像を用いてフリッカの影響を排除した補正画像を生成する構成を開示している。

　しかし、このように露光時間の異なる複数の画像を撮影するためには特殊な構成が必要でありコスト高になるという問題がある。

特開２０１３－１２１０９９号公報

　本開示は、例えば上記問題点に鑑みてなされたものであり、複数の異なる露光時間の画像を撮影するといった特殊な構成を用いることなく、フリッカの無い、またはフリッカを低減した画像を生成することを可能とした画像処理装置、および画像処理方法、並びにプログラムを提供することを目的とする。

　本開示の第１の側面は、
　フリッカ補正処理を実行するフリッカ補正部を有し、
　前記フリッカ補正部は、
　画像からフリッカを発生させる可能性のある被写体であるフリッカ補正対象オブジェクトを検出するフリッカ補正対象オブジェクト検出部と、
　前記フリッカ補正対象オブジェクト検出部が検出したフリッカ補正対象オブジェクトの画像領域に対するフリッカ補正処理を実行する画像補正部を有し、
　前記フリッカ補正対象オブジェクト検出部は、
　学習モデルを適用したフリッカ補正対象オブジェクト検出処理を実行する画像処理装置にある。

　さらに、本開示の第２の側面は、
　画像処理装置において実行する画像処理方法であり、
　前記画像処理装置は、フリッカ補正処理を実行するフリッカ補正部を有し、
　前記フリッカ補正部が、
　画像からフリッカを発生させる可能性のある被写体であるフリッカ補正対象オブジェクトを検出するフリッカ補正対象オブジェクト検出処理と、
　前記フリッカ補正対象オブジェクト検出処理において検出したフリッカ補正対象オブジェクトの画像領域に対するフリッカ補正処理を実行する画像補正処理を実行し、
　前記フリッカ補正対象オブジェクト検出処理において、
　学習モデルを適用したフリッカ補正対象オブジェクト検出処理を実行する画像処理方法にある。

　さらに、本開示の第３の側面は、
　画像処理装置に画像処理を実行させるプログラムであり、
　前記画像処理装置は、フリッカ補正処理を実行するフリッカ補正部を有し、
　前記プログラムは、前記フリッカ補正部に、
　画像からフリッカを発生させる可能性のある被写体であるフリッカ補正対象オブジェクトを検出するフリッカ補正対象オブジェクト検出処理と、
　前記フリッカ補正対象オブジェクト検出処理において検出したフリッカ補正対象オブジェクトの画像領域に対するフリッカ補正処理を実行する画像補正処理を実行させ、
　前記フリッカ補正対象オブジェクト検出処理において、
　学習モデルを適用したフリッカ補正対象オブジェクト検出処理を実行させるプログラムにある。

　なお、本開示のプログラムは、例えば、様々なプログラム・コードを実行可能な情報処理装置やコンピュータ・システムに対して、コンピュータ可読な形式で提供する記憶媒体、通信媒体によって提供可能なプログラムである。このようなプログラムをコンピュータ可読な形式で提供することにより、情報処理装置やコンピュータ・システム上でプログラムに応じた処理が実現される。

　本開示のさらに他の目的、特徴や利点は、後述する本開示の実施例や添付する図面に基づくより詳細な説明によって明らかになるであろう。なお、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

　本開示の一実施例の構成によれば、フリッカ補正対象オブジェクトを効率的に検出し、フリッカ補正処理を高精度かつ高速に実行する画像処理装置が実現される。
　具体的には、例えば、フリッカ補正処理を実行するフリッカ補正部を有し、フリッカ補正部は、画像からフリッカを発生させる可能性のある被写体であるフリッカ補正対象オブジェクトを検出するフリッカ補正対象オブジェクト検出部と、フリッカ補正対象オブジェクト検出部が検出したフリッカ補正対象オブジェクトの画像領域に対するフリッカ補正処理を実行する画像補正部を有し、フリッカ補正対象オブジェクト検出部は、学習モデルを適用したフリッカ補正対象オブジェクト検出処理を実行する。
　本構成により、フリッカ補正対象オブジェクトを効率的に検出し、フリッカ補正処理を高精度かつ高速に実行する画像処理装置が実現される。
　なお、本明細書に記載された効果はあくまで例示であって限定されるものではなく、また付加的な効果があってもよい。

フリッカ現象の具体例について説明する図である。フリッカ現象の具体例とその原因について説明する図である。フリッカ現象の具体例とその原因について説明する図である。本開示の画像処理装置の構成例について説明する図である。カメラの撮影画像を入力して画像処理を実行するＰＣ等、カメラ外の外部装置を本開示の画像処理装置とした場合の構成例について説明する図である。本開示の実施例１のフリッカ補正部１５０の構成例を示す図である。フリッカ補正対象オブジェクト検出部（第１学習モデル）が利用する学習モデルについて説明する図である。フリッカ補正対象オブジェクト検出部（第１学習モデル）が実行する処理の具体例について説明する図である。本開示の画像処理装置が実行するフリッカ補正処理のシーケンスについて説明するフローチャートを示す図である。フリッカ補正対象オブジェクト検出部（第１学習モデル）が学習モデル（第１学習モデル）を適用してフリッカ補正対象オブジェクトを検出する処理の具体例について説明する図である。本開示の実施例２のフリッカ補正部の構成例を示す図である。フリッカ補正対象オブジェクト検出部（第２学習モデル）が利用する第２学習モデルについて説明する図である。信号機の点灯状態と、点滅状態における輝度変化態様について説明する図である。実施例２で利用する第２学習モデルを適用することで点灯状態と点滅状態を区別する処理が可能となる理由について説明する図である。実施例２で利用する第２学習モデルを適用することで点灯状態と点滅状態を区別する処理が可能となる理由について説明する図である。実施例２のフリッカ補正対象オブジェクト検出部（第２学習モデル）がカメラのフレームレート情報に応じてフリッカ補正対象オブジェクトの検出を行う場合の具体例について説明する図である。フリッカ補正対象オブジェクト検出部（第２学習モデル）がカメラフレームレートに応じて学習モデルを選択する構成について説明する図である。実施例２のフリッカ補正対象オブジェクト検出部（第２学習モデル）が実行する処理の具体例について説明する図である。実施例２のフリッカ補正部が実行するフリッカ補正処理のシーケンスについて説明するフローチャートを示す図である。カメラの連続撮影画像フレームの全てにフリッカ補正対象オブジェクトの最低輝度状態の画像が撮影されてしまう具体例について説明する図である。連続撮影画像フレームのすべてが最低輝度（Ｌｍｉｎ）画像になった場合のフリッカ補正で補正エラーが発生する例について説明する図である。本開示の実施例３のフリッカ補正部の構成例を示す図である。画像撮影実行中のユーザに対する警告出力の具体例について説明する図である。警告メッセージ確認後、撮影を停止する処理を行い、再度、撮影を開始する処理を行った場合の画像撮影タイミング変更例について説明する図である。自動的に画像撮影タイミングをシフトする構成例について説明する図である。撮影タイミング制御部が実行する動画像撮影タイミングの変更処理例について説明する図である。警告出力部と、撮像タイミング制御部を有するフリッカ補正部の構成例について説明する図である。実施例３のフリッカ補正部が実行するフリッカ補正処理のシーケンスについて説明するフローチャートを示す図である。本開示の画像処理装置のハードウェア構成例について説明する図である。

　以下、図面を参照しながら本開示の画像処理装置、および画像処理方法、並びにプログラムの詳細について説明する。なお、説明は以下の項目に従って行なう。
　１．フリッカ現象の概要について
　２．本開示の画像処理装置の構成例について
　３．（実施例１）本開示の実施例１のフリッカ補正部の構成と処理について
　４．（実施例２）本開示の実施例２のフリッカ補正部の構成と処理について
　５．（実施例３）本開示の実施例３のフリッカ補正部の構成と処理について
　６．画像処理装置のハードウェア構成例について
　７．本開示の構成のまとめ

　　［１．フリッカ現象の概要について］
　まず、フリッカ現象の概要について説明する。

　前述したように、カメラを利用して撮影した動画像の中に例えばディスプレイや信号機等、所定周波数で出力信号が変化（輝度変化）する被写体があると、撮影動画像の再生時に、これらの被写体の光出力部（ディスプレイや信号機の発光部）の画像領域が激しい輝度変化、いわゆるフリッカ現象を示す場合がある。

　図１以下を参照してフリッカ現象の具体例とその原因について説明する。
　図１には、ユーザ１がカメラ１０を用いて画像（動画）を撮影している例を示している。なお、図１にはカメラ１０の一例としてカメラ機能を有するスマホ（スマートフォン）を示している。

　ユーザ１は、カメラ１０を用いて交差点の動画像を撮影している。
　交差点には、信号機２１や大型のディスプレイ２２があり、これらも撮影される。
　しかし、例えば信号機２１の光出力部、すなわち赤、黄、緑の光出力部は、所定周波数で出力（輝度）が変化する。
　ディスプレイも同様であり、画像表示部の出力が所定周波数で変化する。

　これらの輝度変化の周波数は例えば５０Ｈｚ以上と高い周波数であり、肉眼では点滅を認識できない。
　しかし、このような所定の周期で輝度変化など出力信号が変化する被写体をカメラ１０を用いて動画撮影を行い、撮影動画を再生すると、これらの被写体の光出力部（ディスプレイや信号機の発光部）の画像領域が激しい輝度変化、いわゆるフリッカを発生させる場合がある。

　前述したように、このフリッカ現象は、カメラが撮影する動画を構成する画像フレーム各々の撮影タイミングにおいて被写体であるディスプレイや信号機等の出力輝度が異なることに起因する。

　図２を参照して、フリッカ現象の発生理由について説明する。
　図２には、以下のグラフを示している。
　（１）信号機の出力（輝度）変化と、カメラの画像撮影タイミングとの対応関係

　図２（１）に示すグラフは、横軸に時間、縦軸に信号機の３つの発光部（赤、黄、緑）中、点灯中の１つの発光部の輝度変化を示している。
　具体的には、信号機が赤信号状態で、赤信号が点灯（発光）している期間における赤信号の輝度変化を示している。

　赤信号の輝度は、点灯中においてグラフの縦軸（輝度）に示すＬｍｉｎ（最小輝度）～Ｌｍａｘ（最大輝度）の間を周期的に変化する。
　この赤信号の輝度変化の周波数は例えば５０Ｈｚであり、肉眼では輝度変化を認識できない。

　図２に示す横軸は時間（ｔ）軸であり、ｔ０，ｔ１，ｔ２，ｔ３・・・は、カメラ１０の動画撮影時の動画構成画像フレーム各々の撮影タイミングを示している。
　カメラ１０は例えばスマホである。多くのスマホのカメラは、動画撮影時のフレームレートが３０ｆｐｓ、すなわち１秒間に３０枚の画像を撮影する。
　図２に示すグラフのｔ０，ｔ１，ｔ２，ｔ３・・・、これらの時間間隔は１／３０ｓｅｃであり、カメラ１０は、グラフに示す時間ｔ０，ｔ１，ｔ２，ｔ３・・・、これらの各時間に１枚の画像フレームを順次、撮影する。

　例えば、時間ｔ０では、画像フレーム（ｆ０）を撮影する。その後、時間ｔ０から１／３０ｓｅｃ経過後に次の画像フレーム（ｆ１）を撮影する。さらに、時間ｔ１から１／３０ｓｅｃ経過後に次の画像フレーム（ｆ２）を撮影する。以下、同様に１／３０ｓｅｃごとに１枚の画像を撮影していく。
　再生時には、これらを連続再生することで動画像を再生できる。

　図２の上部には、カメラ１０が撮影した各画像フレーム（ｆ０，ｆ１，ｆ２，・・・）内に含まれる信号機の撮影画像の変化を示している。
　例えば、時間ｔ０に撮影される画像フレーム（ｆ０）は、信号機の赤信号の輝度が図に示すグラフの（Ｌ０）の輝度の状態にある。

　図に示すグラフから理解されるように、輝度Ｌ０は、グラフの縦軸（輝度）に示すＬｍｉｎ（最小輝度）～Ｌｍａｘ（最大輝度）のほぼ中間の輝度であり、図上部に示す画像フレーム（ｆ０）の赤信号の輝度は、Ｌｍａｘ（最大輝度）のほぼ半分の輝度を有する画像となる。

　その後、時間ｔ０から１／３０ｓｅｃ経過後に撮影された画像フレーム（ｆ１）は、信号機の赤信号の輝度が図に示すグラフの（Ｌ１）の輝度の状態にある。
　輝度Ｌ１は、グラフの縦軸（輝度）に示すＬｍｉｎ（最小輝度）～Ｌｍａｘ（最大輝度）間の、Ｌｍａｘ（最大輝度）側にやや近い輝度である。従って、図上部に示す画像フレーム（ｆ１）の赤信号の輝度は、時間ｔ０に撮影された画像フレームｆ０の赤信号の輝度より少し、明るく変化することになる。

　その後、時間ｔ１から１／３０ｓｅｃ経過後に撮影された画像フレーム（ｆ２）は、信号機の赤信号の輝度が図に示すグラフの（Ｌ２）の輝度の状態にある。
　輝度Ｌ２は、ほぼＬｍｉｎ（最小輝度）である。従って、図上部に示す画像フレーム（ｆ２）の赤信号の輝度は、ほぼＬｍｉｎ（最小輝度）となり、消灯状態に近い画像となってしまう。

　その後、時間ｔ２から１／３０ｓｅｃ経過後に撮影された画像フレーム（ｆ３）は、信号機の赤信号の輝度が図に示すグラフの（Ｌ３）の輝度の状態にある。
　輝度Ｌ３は、ほぼＬｍａｘ（最大輝度）である。従って、図上部に示す画像フレーム（ｆ３）の赤信号の輝度は、ほぼＬｍａｘ（最大輝度）となる。

　その後、時間ｔ３から１／３０ｓｅｃ経過後に撮影された画像フレーム（ｆ４）は、信号機の赤信号の輝度が図に示すグラフの（Ｌ４）の輝度の状態にある。
　輝度Ｌ４は、ほぼＬｍｉｎ（最小輝度）である。従って、図上部に示す画像フレーム（ｆ４）の赤信号の輝度は、ほぼＬｍｉｎ（最小輝度）となり、消灯状態に近い画像となる。

　このように、カメラ１０がグラフに示す時間ｔ０，ｔ１，ｔ２，ｔ３・・・、これらの各時間に撮影する画像に含まれる信号機の赤信号の輝度は、連続撮影フレーム間で大きく変化することになる。この結果、撮影画像を再生した場合、実際は点灯状態にある赤信号が激しい輝度変化のある動画像となる。すなわちフリッカが発生した再生画像となる。

　図３は、図１に示すディスプレイ２２のフリッカ発生例を説明する図である。
　図３には、以下のグラフを示している。
　（２）ディスプレイの出力（輝度）変化と、カメラの画像撮影タイミングとの対応関係

　図３に示すグラフも図２と同様、横軸に時間、縦軸にディスプレイの輝度変化を示している。なお、この例では、ディスプレイの輝度とは、ディスプレイ全体の平均的な輝度である。なお、表示画像は大きく変化しないことを想定した例である。

　ディスプレイの輝度は、グラフの縦軸（輝度）に示すＬｍｉｎ（最小輝度）～Ｌｍａｘ（最大輝度）の間を周期的に変化する。
　この赤信号の輝度変化の周波数は例えば８０Ｈｚであり、肉眼では輝度変化を認識できない。

　図３に示す横軸は時間（ｔ）軸であり、ｔ０，ｔ１，ｔ２，ｔ３・・・は、カメラ１０の動画撮影時の動画構成画像フレーム各々の撮影タイミングを示している。

　図３の上部には、カメラ１０が撮影した各画像フレーム（ｆ０，ｆ１，ｆ２，・・・）内に含まれるディスプレイの撮影画像の変化を示している。
　例えば、時間ｔ０に撮影される画像フレーム（ｆ０）は、ディスプレイの輝度が図に示すグラフの（Ｌ０）の輝度の状態にある。

　図に示すグラフから理解されるように、輝度Ｌ０は、グラフの縦軸（輝度）に示すＬｍｉｎ（最小輝度）～Ｌｍａｘ（最大輝度）のややＬｍａｘ（最大輝度）側に近い輝度であり、図上部に示す画像フレーム（ｆ０）のディスプレイの輝度は、Ｌｍａｘ（最大輝度）に近いレベルの輝度を有する画像となる。

　その後、時間ｔ０から１／３０ｓｅｃ経過後に撮影された画像フレーム（ｆ１）は、ディスプレイの輝度が図に示すグラフの（Ｌ１）の輝度の状態にある。
　輝度Ｌ１は、グラフの縦軸（輝度）に示すＬｍｉｎ（最小輝度）～Ｌｍａｘ（最大輝度）間の、Ｌｍｉｎ（最小輝度）側に近い輝度である。従って、図上部に示す画像フレーム（ｆ１）のディスプレイの輝度は、時間ｔ０に撮影された画像フレーム（ｆ０）のディスプレイの輝度より暗く変化することになる。

　その後、時間ｔ１から１／３０ｓｅｃ経過後に撮影された画像フレーム（ｆ２）は、ディスプレイの輝度が図に示すグラフの（Ｌ２）の輝度の状態にある。
　輝度Ｌ２は、ほぼＬｍｉｎ（最小輝度）である。従って、図上部に示す画像フレーム（ｆ２Ｚ）のディスプレイの輝度は、ほぼＬｍｉｎ（最小輝度）となり、真っ暗に近い画像となってしまう。

　その後、時間ｔ２から１／３０ｓｅｃ経過後に撮影された画像フレーム（ｆ３）は、ディスプレイの輝度が図に示すグラフの（Ｌ３）の輝度の状態にある。
　輝度Ｌ３もほぼＬｍｉｎ（最小輝度）である。従って、図上部に示す画像フレーム（ｆ３）のディスプレイの輝度も、ほぼＬｍｉｎ（最小輝度）となり、真っ暗に近い画像となってしまう。

　その後、時間ｔ３から１／３０ｓｅｃ経過後に撮影された画像フレーム（ｆ４）は、ディスプレイの輝度が図に示すグラフの（Ｌ４）の輝度の状態にある。
　輝度Ｌ４は、ほぼＬｍｉｎ（最小輝度）～Ｌｍａｘ（最大輝度）の中間の輝度である。従って、図上部に示す画像フレーム（ｆ４）のディスプレイの輝度は、Ｌｍｉｎ（最小輝度）～Ｌｍａｘ（最大輝度）の中間の輝度の画像となる。

　このように、カメラ１０がグラフに示す時間ｔ０，ｔ１，ｔ２，ｔ３・・・、これらの各時間に撮影する画像に含まれるディスプレイの輝度は、連続撮影フレーム間で大きく変化することになる。この結果、撮影画像を再生した場合、実際は継続的な画像表示灯状態にあるディスプレイが、激しい輝度変化のある動画像となる。すなわちフリッ発生した再生画像となる。

　本開示の画像処理装置は、このようなフリッカ現象を解消する処理を実行する。
　以下、本開示の画像処理装置の構成と処理について説明する。

　　［２．本開示の画像処理装置の構成例について］
　次に、本開示の画像処理装置の構成例について説明する。

　本開示の画像処理装置は、上述したフリッカ現象を除去する画像処理を実行する。
　本開示の画像処理装置は、例えばカメラとして構成される。あるいはカメラの撮影画像を入力して画像処理を実行するＰＣ等、カメラ外の外部装置として構成することも可能である。

　図４、図５を参照して、本開示の画像処理装置の構成例について説明する。
　図４は、画像撮影を実行するカメラを本開示の画像処理装置とした場合の画像処理装置１００の構成例を示す図である。
　なお、カメラは動画像を撮影可能なカメラであり、例えばカメラ機能を有するスマホ（スマートフォン）も含まれる。

　図４に示す画像処理装置１００は、撮像部１０１、画像処理部１０２、画像記録部１０３、記録メディア１０４、画像再生部１０５、表示部１０６を有する。
　撮像部１０１は、動画像を撮影する。例えば３０ｆｐｓ等、規定のフレームレートで動画撮影を行う。
　なお、撮像部１０１は、例えばＣＣＤ（Ｃｈａｒｇｅ　Ｃｏｕｐｌｅｄ　Ｄｅｖｉｃｅｓ）イメージセンサやＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ　Ｍｅｔａｌ　Ｏｘｉｄｅ　Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）イメージセンサなどによって構成される。

　画像処理部１０２は、撮像部１０１から入力する画像データ（ＲＡＷ画像）に対する画像処理を実行する。例えば入力ＲＡＷ画像に含まれるノイズを低減するノイズ低減処理の他、ＲＡＷ画像の各画素位置にＲＧＢの全色に対応する画素値を設定するデモザイク処理や、ホワイトバランス（ＷＢ）調整、ガンマ補正等、一般的なカメラにおける信号処理を実行する。

　さらに、画像処理部１０２には、フリッカ補正部１５０が含まれる。
　フリッカ補正部１５０は、撮像部１０１が撮影した動画像を構成する各画像フレームからフリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトがあるか否かを解析し、フリッカ補正対象オブジェクトが検出された場合は、フリッカを解消または低減させるためのフリッカ補正処理を実行する。
　このフリッカ補正部１５０の具体的構成と処理については後段で説明する。

　画像処理部１０２においてフリッカ補正処理を含む様々な画像処理が実行された補正後の画像は画像記録部１０３を介して記録メディア１０４に格納される。
　記録メディア１０４に格納された画像は、画像再生部１０５において再生され、表示部１０６に出力される。
　表示部１０６に表示される動画像は、フリッカが解消したまたは低減された高品質な画像となる。

　本開示の画像処理装置は、図４を参照して説明したカメラ以外に、カメラの撮影画像を入力して画像処理を実行するＰＣ等、カメラ外の外部装置として構成することも可能である。

　図５を参照して、カメラの撮影画像を入力して画像処理を実行するＰＣ等、カメラ外の外部装置を本開示の画像処理装置とした場合の画像処理装置１２０の構成例について説明する。

　図５に示すように、画像処理装置１２０は、動画像撮影を行うカメラ１０から、撮影画像を入力し、フリッカ補正を含む画像処理を実行する。

　図５に示す画像処理装置１２０は、入力部１２１、画像処理部１２２、画像記録部１２３、記録メディア１２４、画像再生部１２５、表示部１２６を有する。
　入力部１２１は、動画像を撮影するカメラ１０から撮影画像を入力する。なお、カメラ１０は、例えば３０ｆｐｓ等、規定のフレームレートで動画撮影を行う。カメラ１０が撮影した動画像を構成する画像フレームが、順次、画像処理装置１２０に入力される。

　画像処理部１２２は、入力部１２１を介して入力する画像データに対する画像処理を実行する。なお、カメラ１０内で、すでにノイズ低減処理や、デモザイク処理、ホワイトバランス（ＷＢ）調整、ガンマ補正等、一般的なカメラにおける信号処理が施されている場合は、画像処理部１２２は、これらの処理は行うことなく、フリッカ補正処理を行う。
　なお、画像処理部１２２は、必要に応じて、ノイズ低減処理や、ホワイトバランス（ＷＢ）調整、ガンマ補正等を行ってもよい。

　画像処理部１２２内のフリッカ補正部１５０は、先に図４を参照して説明したと同様、カメラ１０が撮影した動画像を構成する各画像フレームからフリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトがあるか否かを解析し、フリッカ補正対象オブジェクトが検出された場合は、フリッカを解消または低減させるためのフリッカ補正処理を実行する。
　このフリッカ補正部１５０の具体的構成と処理については後段で説明する。

　画像処理部１２２においてフリッカ補正処理を含む様々な画像処理が実行された補正後の画像は画像記録部１２３を介して記録メディア１２４に格納される。
　記録メディア１２４に格納された画像は、画像再生部１２５において再生され、表示部１２６に出力される。
　表示部１２６に表示される動画像は、フリッカが解消したまたは低減された高品質な画像となる。

　なお、例えばスマートフォンのカメラで撮影した画像をスマートフォンからネットワークで接続されたサーバ装置に送り、サーバ装置側で一連のフリッカ補正処理を行い、フリッカ補正後の画像をサーバ装置からスマートフォンに送り返すという構成としてもよい。

　以下、図４や図５を参照して説明した画像処理装置１００，１２０内の画像処理部１０２，１２２内に構成されるフリッカ補正部１５０の構成と実行する処理の詳細について説明する。
　なお、以下では、フリッカ補正部１５０の複数の実施例について、順次、説明する。

　　［３．（実施例１）本開示の実施例１のフリッカ補正部の構成と処理について］
　まず、本開示の実施例１のフリッカ補正部の構成と処理について説明する。

　図６は、本開示の実施例１のフリッカ補正部１５０の構成例を示す図である。
　図６に示すように、本開示のフリッカ補正部１５０は、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１と、画像補正部１５２を有する。

　フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１は、カメラが撮影した動画像を構成する各画像フレームからフリッカを発生させる可能性のある被写体、すなわちフリッカ補正対象オブジェクトがあるか否かを解析する。

　画像補正部１５２は、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１においてフリッカ補正対象オブジェクトが検出された場合に、フリッカを解消または低減させるためのフリッカ補正処理を実行する。

　フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１では、予め実行した学習処理によって生成した学習モデルを適用して、カメラの撮影画像からフリッカを発生させる可能性のある被写体（被写体画像）、すなわちフリッカ補正対象オブジェクトがあるか否かを解析する。

　フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１は、例えば多層型のニューラルネットワークであるディープニューラルネットワーク（ＤＮＮ：Ｄｅａｐ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）や、畳み込みニューラルネットワーク（ＣＮＮ：Ｃｏｎｖｏｌｕｔｉｏｎａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）、あるいは再帰型ニューラルネットワーク（ＲＮＮ：Ｒｅｃｕｒｒｅｎｔ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）などのアルゴリズムを適用した機械学習を実行して生成した学習モデルを利用して、カメラ撮影画像からフリッカ補正対象オブジェクトを検出する処理を行う。

　図７を参照して、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１が利用する学習モデルについて説明する。
　図７に示す学習処理実行部（学習モデル生成部）１７１は、様々な被写体が撮影された画像を含む「第１学習セット（画像フレーム）」を入力して学習処理を実行する。

　入力する「第１学習セット」は、カメラによって撮影された様々な画像と、各画像内に含まれるフリッカ補正対象オブジェクトの識別情報からなる学習セット（教師データセット）である。

　入力画像は、例えばディスプレイを含む画像、信号機を含む画像、駅の電光掲示板を含む画像などである。さらにこれら画像各々に含まれるフリッカ補正対象オブジェクト識別データ、例えばフリッカ対象オブジェクトを規定した矩形枠等のフリッカ補正対象オブジェクト識別データが、学習処理用のデータセット（教師データセット）として学習処理実行部（第１学習モデル生成部）１７１に入力され、学習処理が実行される。

　すなわち、図７に示す学習処理実行部（第１学習モデル生成部）１７１は、どの被写体（オブジェクト）が、フリッカ補正対象オブジェクトであるかを示した識別データ（例えば矩形枠等の識別データ）を含む様々な画像を学習セットとした学習処理、すなわち「教師あり学習処理」を実行する。

　図７に示す学習処理実行部（第１学習モデル生成部）１７１は、この学習処理によって、様々なカメラの撮影画像からフリッカを発生させる可能性のある被写体（オブジェクト）、すなわちフリッカ補正対象オブジェクトを検出する処理を実行可能とした学習モデル（第１学習モデル）を生成する。

　図６に示すフリッカ補正対象オブジェクト検出部（第１学習モデル）１５１は、この学習処理によって生成した学習モデル（第１学習モデル）を適用して、カメラの撮影画像からフリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトを検出する。

　図８を参照して、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１が実行する処理の具体例について説明する。
　図８に示すように、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１は、カメラが撮影した動画像を構成する１枚の撮影画像である入力画像（画像フレーム１）を入力する。

　フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１は、学習モデル（第１学習モデル）を適用して、この１枚の入力画像（画像フレーム１）から、フリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトを検出する。
　図８に示す画像の例は、先に図１を参照して説明した撮影画像の例である。

　この撮影画像には、２つのフリッカ補正対象オブジェクトがある。すなわち、
　フリッカ補正対象オブジェクトＡ＝信号機
　フリッカ補正対象オブジェクトＢ＝ディスプレイ
　フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１は、学習モデル（第１学習モデル）を適用して、これら２つのフリッカ補正対象オブジェクトＡ，Ｂを検出し、この検出情報を画像補正部１５２に出力する。

　なお、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１が画像補正部１５２に出力するフリッカ補正対象オブジェクト検出情報は、具体的には、例えば、フリッカ補正対象オブジェクト画像領域の撮影画像内の位置を示す座標情報や、フリッカ補正対象オブジェクト画像領域の形状情報等であり、入力画像からフリッカ補正対象オブジェクト画像領域を特定可能とした情報である。

　画像補正部１５２は、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１から入力したフリッカ補正対象オブジェクト画像領域の座標情報や、フリッカ補正対象オブジェクト画像領域の形状情報等に基づいて、入力画像からフリッカ補正対象オブジェクト画像領域を特定し、その画像領域に対するフリッカ補正を実行する。
　すなわち、本例では、画像補正部１５２は、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１が検出したフリッカ補正対象オブジェクトＡ，Ｂに対するフリッカ補正を実行する。

　図６に示すように、画像補正部１５２は、複数の連続する撮影画像を入力し、これら複数の連続撮影画像を用いて、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１から入力したフリッカ補正対象オブジェクトＡ，Ｂの画像領域のみに対するフリッカ補正処理、すなわちフリッカを解消する処理、またはフリッカを低減するための画像補正処理を実行する。

　このように、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１によってフリッカ補正対象となる画像領域が特定されるので、画像補正部１５２は、撮影画像全体のフリッカ解析を行う必要がなく、フリッカ補正対象オブジェクトＡ，Ｂの画像領域のみに対するフリッカ補正を行うことが可能となる。結果として、高速、かつ高精度なフリッカ補正処理を行うことが可能となる。

　なお、画像補正部１５２において実行するフリッカ補正対象オブジェクトＡ，Ｂの画像領域に対するフリッカ補正処理は、例えば、以下の処理のいずれかである。

　（フリッカ補正処理例１）フリッカ補正対象オブジェクトの画像領域の輝度が一定になるよう直近数フレーム（例えば３枚の入力画像フレーム１～３）間で移動平均を行って、各フレームのフリッカ補正対象オブジェクトの画像領域の輝度として設定する。
　（フリッカ補正処理例２）フリッカ補正対象オブジェクトの画像領域の輝度が一定になるよう直近数フレーム（例えば３枚の入力画像フレーム１～３）間で所定輝度（例えば最大輝度）のものを選択して各フレームのフリッカ補正対象オブジェクトの画像領域の輝度として設定する。
　（フリッカ補正処理例３）フリッカ補正対象オブジェクトの画像領域を事前に用意した画像で置き換える。

　例えば、これらの処理のいずれかを実行して、撮影画像から検出されたフリッカ補正対象オブジェクトＡ，Ｂの画像領域の画像補正を実行する。
　この処理によって生成される補正画像は、フリッカが解消または低減した画像となる。

　なお、例えば、信号が実際に点滅状態にある場合などもあり、このような場合は、画像補正部１５２では、残したい点滅を消さないよう、上記のフリッカ補正処理例１～３を適用するフレーム数を最適化（信号の点滅は１～２秒周期）するといった処理を行うことが好ましい。

　また、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１によるフリッカ補正対象オブジェクト検出処理は、カメラによる撮影画像の全フレームを対象として実行してもよいが、予め規定したフレーム間隔で行ってもよい。

　さらに、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１において、ある１つの画像フレームにおいて検出されたフリッカ補正対象オブジェクトを後続フレームにおいてトラッキング（追従）して、後続フレームではトラッキング（追従）処理によってフリッカ補正対象オブジェクトの画像領域を特定する構成としてもよい。

　次に図９に示すフローチャートを参照して、本開示の画像処理装置が実行するフリッカ補正処理のシーケンスについて説明する。
　なお、図９に示すフローに従った処理は、画像処理装置の記憶部に格納されたプログラムに従って、フリッカ補正部１５０において実行することが可能である。フリッカ補正部１５０は、例えばプログラム実行機能を有するＣＰＵ等のプロセッサを有し、プロセッサを利用したプログラム実行処理により、フローに従った処理を行うことができる。

　以下、図９に示すのフローチャートに示す各ステップの処理について説明する。
　なお、図９に示すフローは、カメラによって撮影された動画像を構成する各フレームについて順次、実行する。あるいは、予め規定したフレーム間隔で実行する構成としてもよい。

　　（ステップＳ１０１）
　まず、フリッカ補正部は、ステップＳ１０１において、学習モデルを適用して、撮影画像フレームからフリッカ補正対象オブジェクトを検出する。

　この処理は、図６、図８を参照して説明したフリッカ補正対象オブジェクト検出部（第１学習モデル）１５１が実行する処理である。

　フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１は、カメラが撮影した動画像を構成する各画像フレームにフリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトがあるか否かを解析する。

　前述したように、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１では、先に図７を参照して説明した学習処理によって生成した学習モデルを適用して、カメラの撮影画像内にフリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトがあるか否かを解析する。

　例えば図１０に示すように、１枚の撮影画像から、フリッカを発生させる可能性のある被写体画像の検出処理を行う。
　図１０に示す例は、
　フリッカ補正対象オブジェクトＡ＝信号機
　フリッカ補正対象オブジェクトＢ＝ディスプレイ
　これら２つのフリッカ補正対象オブジェクトを検出した例である。

　　（ステップＳ１０２）
　ステップＳ１０２は、ステップＳ１０１の画像解析処理においてフリッカ補正対象オブジェクトが検出されたか否かを判定するステップである。
　フリッカ補正対象オブジェクトが検出された場合は、ステップＳ１０３に進む。
　一方、フリッカ補正対象オブジェクトが検出されなかった場合は、処理を終了する。
　なお、後続の処理対象画像フレームがある場合、その画像フレームについてステップＳ１０１以下の処理を実行する。

　　（ステップＳ１０３）
　ステップＳ１０１のフリッカ補正対象オブジェクト検出処理において、フリッカ補正対象オブジェクトが検出された場合は、ステップＳ１０３に進む。

　この場合、フリッカ補正部１５０は、ステップＳ１０３において、検出したフリッカ補正対象オブジェクトに対するフリッカ補正処理を実行する。

　この処理は、図６に示す画像補正部１５２が実行する処理である。
　画像補正部１５２は、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１が検出したフリッカ補正対象オブジェクトに対するフリッカ補正を実行する。

　図６に示すように、画像補正部１５２は、複数の連続する撮影画像を入力し、これら複数の連続撮影画像を用いて、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１から入力したフリッカ補正対象オブジェクトの画像領域のみに対するフリッカ補正処理、すなわちフリッカを解消する処理、またはフリッカを低減するための画像補正処理を実行する。

　先に説明したように、画像補正部１５２が実行するフリッカ補正処理は、例えば以下のいずれかの処理である。
　（フリッカ補正処理例１）フリッカ補正対象オブジェクトの画像領域の輝度が一定になるよう直近数フレーム（例えば３枚の入力画像フレーム１～３）間で移動平均を行って、各フレームのフリッカ補正対象オブジェクトの画像領域の輝度として設定する。
　（フリッカ補正処理例２）フリッカ補正対象オブジェクトの画像領域の輝度が一定になるよう直近数フレーム（例えば３枚の入力画像フレーム１～３）間で所定輝度（例えば最大輝度）のものを選択して各フレームのフリッカ補正対象オブジェクトの画像領域の輝度として設定する。
　（フリッカ補正処理例３）フリッカ補正対象オブジェクトの画像領域を事前に用意した画像で置き換える。

　例えば、これらの処理のいずれかを実行して、撮影画像から検出されたフリッカ補正対象オブジェクトの画像領域の画像補正を実行する。
　この処理によって生成される補正画像は、フリッカが解消または低減した画像となる。

　このように、本開示の画像処理装置は、まず、フリッカ補正対象オブジェクト検出部１５１が学習モデルを適用してフリッカ補正対象となる画像領域を特定し、その後、画像補正部１５２がフリッカ補正対象オブジェクの画像領域のみに対するフリッカ補正を行う。
　これらの処理を行うことで、撮影画像全体のフリッカ解析を行う必要がなく、フリッカ補正対象オブジェクトの画像領域のみに限定したフリッカ補正処理を行うことが可能となり、高速、かつ高精度なフリッカ補正処理を行うことが可能となる。

　　［４．（実施例２）本開示の実施例２のフリッカ補正部の構成と処理について］
　次に、本開示の実施例２のフリッカ補正部の構成と処理について説明する。

　図１１は、本開示の実施例２のフリッカ補正部１５０Ｂの構成例を示す図である。
　図１１に示すように、実施例２のフリッカ補正部１５０Ｂは、フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂと、画像補正部１５２を有する。

　実施例２の構成と、先に図６を参照して説明した実施例１のフリッカ補正部１５０との差異は、図６に示す実施例１のフリッカ補正対象オブジェクト検出部（第１学習モデル）１５１を、図１１に示すフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂに置き換えた点である。

　実施例２では、先に図６～図１１を参照して説明した実施例１で利用した学習モデル（第１学習モデル）とは異なる学習モデル（第２学習モデル）を利用して、フリッカ補正対象オブジェクトの検出処理を実行する。

　図１１に示すように、実施例２のフリッカ補正部１５０Ｂのフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、カメラ撮影した動画像を構成する連続する複数の画像フレームを入力する。
　なお、図１１に示す構成では、３枚の連続撮影フレームを入力する構成としているが、３枚に限らず、さらに多くの連続撮影画像フレームを入力する構成としてもよい。

　図１１に示す実施例２のフリッカ補正部１５０Ｂのフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、複数の連続撮影画像フレームを入力して、より高精度なフリッカ補正対象オブジェクトの検出処理を実行する。

　また、図１１に示すように、実施例２のフリッカ補正部１５０Ｂのフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、カメラフレームレート情報も入力する。

　動画像を撮影するカメラは、例えば１秒間に３０枚の画像を撮影するフレームレート＝３０ｆｐｓに限らず、その他のフレームレート、例えば１秒間に６０枚の画像を撮影するフレームレート＝６０ｆｐｓや、１秒間に１２０枚の画像を撮影するフレームレート＝１２０ｆｐｓ等のフレームレートを設定可能なカメラもある。
　図１１に示す実施例２のフリッカ補正部１５０Ｂのフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、これら様々なカメラフレームレートに応じた最適なフリッカ補正対象オブジェクトの検出処理を実行する。

　図１１に示す実施例２のフリッカ補正部１５０Ｂのフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、カメラが撮影した動画像を構成する複数の連続撮影画像フレームと、カメラフレームレート情報を入力して、これらの情報を予め生成した第２学習モデルに入力して、フリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトがあるか否かを解析する。

　画像補正部１５２は、フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂにおいてフリッカ補正対象オブジェクトが検出された場合に、フリッカを解消または低減させるためのフリッカ補正処理を実行する。

　フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂでは、予め実行した学習処理によって生成した学習モデル（第２学習モデル）に、複数の連続撮影画像フレームと、カメラフレームレート情報を入力して、カメラの撮影画像からフリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトがあるか否かを解析する。

　フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂが利用する第２学習モデルも、例えば多層型のニューラルネットワークであるディープニューラルネットワーク（ＤＮＮ：Ｄｅａｐ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）や、畳み込みニューラルネットワーク（ＣＮＮ：Ｃｏｎｖｏｌｕｔｉｏｎａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）、あるいは再帰型ニューラルネットワーク（ＲＮＮ：Ｒｅｃｕｒｒｅｎｔ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）などのアルゴリズムを適用した機械学習を実行して生成した学習モデルである。

　図１２を参照して、フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂが利用する第２学習モデルについて説明する。
　図１２に示す学習処理実行部（学習モデル生成部）１７２は、様々な被写体が撮影された連続撮影画像を含む「第２学習セット（複数画像フレーム）」と、これらの画像を撮影したカメラフレームレート情報を入力して学習処理を実行する。

　入力する「第２学習セット」は、カメラによって撮影された動画を構成する複数の連続撮影画像フレーム（例えば３フレーム）と、各画像内に含まれるフリッカ補正対象オブジェクトの識別情報からなる学習セットである。
　入力画像は、例えばディスプレイを含む画像、信号機を含む画像、駅の電光掲示板を含む画像などである。さらにこれら画像各々に含まれるフリッカ補正対象オブジェクト識別データ、例えばフリッカ対象オブジェクトを規定した矩形枠等のフリッカ補正対象オブジェクト識別データが、学習処理用のデータセット（教師データセット）として学習処理実行部（第２学習モデル生成部）１７２に入力され、学習処理が実行される。

　すなわち、図１２に示す学習処理実行部（第２学習モデル生成部）１７２は、どの被写体（オブジェクト）がフリッカ補正対象オブジェクトであるかを予め示した識別データ（例えば矩形枠等の識別データ）を含む様々な連続撮影画像フレームと、これらの画像を撮影したカメラフレームレート情報を入力した学習処理、すなわち「教師あり学習処理」を実行する。

　なお、学習処理は、例えば、複数の異なるカメラフレームレートごとに実行して、異なる複数の学習モデルを生成してもよい。例えば、
　（ａ）カメラフレームレート＝３０ｆｐｓで撮影した連続撮影画像フレームを用いた学習処理によって、カメラフレームレート＝３０ｆｐｓ対応の第２学習モデルａ、
　（ｂ）カメラフレームレート＝３０ｆｐｓで撮影した連続撮影画像フレームを用いた学習処理によって、カメラフレームレート＝６０ｆｐｓ対応の第２学習モデルｂ、
　（ｃ）カメラフレームレート＝１２０ｆｐｓで撮影した連続撮影画像フレームを用いた学習処理によって、カメラフレームレート＝３０ｆｐｓ対応の第２学習モデルｃ、
　このような複数の学習モデルを生成する構成としてもよい。

　このようなカメラフレームレート対応の複数の学習モデルを生成した場合は、学習モデル利用時にカメラフレームレートに応じて利用する学習モデルを選択する。

　あるいは、上記（ａ）～（ｃ）のようにフレームレート対応の複数の学習モデルではなく、これらを区別せず複数のカメラフレームレート対応の１つの学習モデルを生成する構成としてもよい。
　複数のカメラフレームレート対応の１つの学習モデルを生成した場合は、学習モデル利用時にカメラフレームレートを入力し、入力カメラフレームレートに応じて学習モデル側で処理態様を変更し、各フレームレートに応じた解析処理結果を出力する。

　いずれの場合も、学習モデルを利用した処理によって、カメラのフレームレートに応じてフリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトを検出することができる。

　図１２に示す学習処理実行部（第２学習モデル生成部）１７２は、この学習処理によって、カメラの撮影画像からフリッカを発生させる可能性のある被写体（オブジェクト）、すなわちフリッカ補正対象オブジェクトを、カメラのフレームレートに応じて検出する学習モデル（第２学習モデル）を生成する。

　図１１に示すフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、カメラによって撮影された動画像を構成する複数の連続撮影画像と、この画像を撮影したカメラのフレームレート情報を入力し、図１２に示す学習処理によって生成した学習モデル（第２学習モデル）を適用してフリッカ補正対象オブジェクトを検出する。

　このような処理を行うことで、より高精度なフリッカ補正対象オブジェクトの検出処理が可能となる。
　具体的には、例えば信号は点灯以外に点滅状態に設定されることがある。１～２秒間隔で黄色信号が点滅するパターンや赤信号が点滅するパターンに設定されることがある。この点滅は肉眼で見て確認できるものである。

　しかし、先に説明した実施例１のように、１枚の画像からフリッカ補正対象オブジェクトを検出する構成では、図６に示すフリッカ補正対象オブジェクト検出部（第１学習モデル）１５１は、信号機をフリッカ補正対象オブジェクトとして検出する。その後、画像補正部１５２においてフリッカ補正を実行することになる。
　しかし、例えば信号機の赤信号が点滅状態にあるとき、画像補正部１５２においてフリッカ補正を実行すると、点滅状態が再現されなくなる場合がある。

　例えば、前述した（フリッカ補正処理例１）、すなわち、
　（フリッカ補正処理例１）フリッカ補正対象オブジェクトの画像領域の輝度が一定になるよう直近数フレーム（例えば３枚の入力画像フレーム１～３）間で移動平均を行って、各フレームのフリッカ補正対象オブジェクトの画像領域の輝度として設定する。
　このようなフリッカ補正を行ってしまうと、フリッカ補正後の再生動画では、点滅状態が再現されなくなる場合がある。

　本実施例２で利用する第２学習モデルは、このような問題を発生させないための学習モデルである。
　図１３を参照して信号機の点灯状態と、点滅状態における輝度変化態様について説明する。
　図１３（Ａ）は、赤信号の点灯状態を示している。（Ｂ）は点滅状態を示している。
　（Ａ）赤信号点灯状態は、例えば５０Ｈｚで輝度変化を繰り返している。
　一方、（Ｂ）赤信号点滅状態は、点灯期間は５０ＨＺの輝度変化、消灯期間は、輝度変化のない消灯状態に設定される。これら点灯期間と消灯期間は、例えば約１～２秒の期間として設定される。

　実施例１で説明した第１学習モデルは１枚の画像からフリッカ補正対象オブジェクトを検出する構成であるため、図１３に示す（Ａ）点灯状態と（Ｂ）点滅状態を区別することができない、しかし、本実施例２で利用する第２学習モデルは、これら、図１３に示す（Ａ）点灯状態と（Ｂ）点滅状態を区別することを可能としている。
　図１４、図１５を参照して、この理由について説明する。

　図１４は、信号機の赤信号が点灯状態にある場合の赤信号の輝度変化パターンである。赤信号は例えば５０Ｈｚで輝度変化を繰り返している。
　この状態で、カメラ１０が動画像を撮影する。カメラのフレームレートは３０ｆｐｓである。
　時間ｔ１で画像フレーム１（ｆ１）を撮影し、その後、時間ｔ２で画像フレーム２（ｆ２）、撮影時間ｔ３で画像フレーム３（ｆ３）を撮影する。

　これらの画像（画像フレームｆ１～ｆ３）に撮影される信号機の赤信号の輝度は、図に示すように変化する。
　時間ｔ１の画像フレーム１（ｆ１）は高輝度、
　時間ｔ２の画像フレーム２（ｆ２）は低輝度、
　時間ｔ３の画像フレーム３（ｆ３）は高輝度、
　このように２／３０ｓｅｃの間に高輝度と低輝度が繰り返されている。これは、赤信号が高周期で輝度変化を示していることの証明であり、点灯状態であると判断することができる。

　次に、図１５を参照して信号機の赤信号が点滅状態にある場合の赤信号の輝度変化例について説明する。図１５に示す時間（ｔｐ）以前が短滅実行中の点灯期間であり、時間（ｔｐ）以後が点滅状態の消灯期間である。
　点灯期間は５０Ｈｚで輝度変化を繰り返している。消灯期間は、消灯状態が継続される。

　この状態で、カメラ１０が動画像を撮影する。カメラのフレームレートは３０ｆｐｓである。
　時間ｔ１で画像フレーム１（ｆ１）を撮影し、その後、時間ｔ２で画像フレーム２（ｆ２）、撮影時間ｔ３で画像フレーム３（ｆ３）を撮影する。

　これらの画像（画像フレームｆ１～ｆ３）に撮影される信号機の赤信号の輝度は、図に示すように変化する。
　時間ｔ１の画像フレーム１（ｆ１）は高輝度、
　時間ｔ２の画像フレーム２（ｆ２）は最低輝度、
　時間ｔ３の画像フレーム３（ｆ３）は最低輝度、
　このように、時間ｔ２とｔ３では、最低輝度が継続していると判定することができる。この結果、赤信号が消灯状態に移行したと判定することができる。
　なお、これのみでは、赤信号が点滅状態にあるのか、単なる消灯状態に移行したのかを判定することは困難であるが、この状態にある信号機の画像は、フリッカ補正対象から除くという処理が可能となる。

　このように、本実施例２の図１１に示すフリッカ補正部１５０Ｂのフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂが利用する第２学習モデルは、複数の連続撮影画像の解析により、信号の点灯状態と、それ以外の状態（点滅状態、消灯状態）を区別することが可能となる。
　この結果、例えば点滅状態の信号機画像についてはフリッカ補正対象オブジェクトとして選択しないという処理を可能としている。

　さらに、本実施例２の図１１に示すフリッカ補正部１５０Ｂのフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、連続撮影画像のみではなく、カメラのフレームレート情報も入力して、カメラのフレームレート情報に応じてフリッカ補正対象オブジェクトの検出を行う構成である。

　図１６を参照してこの構成について説明する。
　図１６には、５０Ｈｚの輝度変化を示す信号機の点灯状態の画像を、異なるフレームレートのカメラで撮影した場合の撮影画像中の信号機の輝度変化（黒丸）を示している。
　（ａ）カメラフレームレート＝３０ｆｐｓ
　（ｂ）カメラフレームレート＝６０ｆｐｓ

　（ａ），（ｂ）いずれも、撮影画像中の信号機の輝度変化（黒丸）は発生する。
　しかし、このような撮影画像を再生し、撮影画像を再生した場合、カメラのフレームレートによって輝度の変化パターンは異なってくる。

　本実施例２の図１１に示すフリッカ補正部１５０Ｂのフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、カメラのフレームレート情報に応じてフリッカ補正対象オブジェクトの選択を行う。
　具体的には、カメラのフレームレートが高い場合は、カメラのフレームレートが低い場合より、フリッカ補正対象オブジェクトの選択基準を厳しくするといった処理を行う。例えば、カメラのフレームレートが高い場合は、入力する連続撮影画像の輝度変化幅がしきい値以下の場合は、フリッカ補正対象オブジェクトとして選択しないといった処理を行う。

　なお、先に説明したように、図１２に示す学習処理実行部（第２学習モデル生成部）１７２は、複数の異なるカメラフレームレートごとに異なる複数の学習モデルを生成する構成としてもよく、この場合、図１１に示すフリッカ補正部１５０Ｂのフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、学習モデル利用時にカメラフレームレートに応じて利用する学習モデルを選択する。
　例えば図１７に示すような構成である。

　図１７に示すフリッカ補正部１５０Ｂのフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、
　カメラフレームレート＝３０ｆｐｓ対応の学習モデル、
　カメラフレームレート＝６０ｆｐｓ対応の学習モデル、
　これらカメラフレームレート対応の２つの学習モデルを有している。

　フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、入力するカメラフレームレート情報に応じて、利用する学習モデルを選択して利用する。

　なお、前述したようにフレームレート対応の複数の学習モデルではなく、これらを区別せず複数のカメラフレームレート対応の１つの学習モデルを生成する構成としてもよい。
　複数のカメラフレームレート対応の１つの学習モデルを生成した場合は、フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、入力したカメラフレームレートを情報に応じて処理態様を変更し、各フレームレートに応じた解析処理結果を出力する。

　いずれの場合も、学習モデルを利用した処理によって、カメラのフレームレートに応じてフリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトを検出し、検出結果を画像補正部１５２に出力する。

　図１１や、図１７に示す実施例２のフリッカ補正部１５０Ｂのフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂが実行する処理の具体例について、図１８を参照して説明する。
　図１８に示すように、フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、カメラが撮影した動画像を構成する複数の連続撮影画像（例えば３連続撮影画像フレーム）と、これらの画像を撮影したカメラのフレームレート情報（例えば３０ｆｐｓ、６０ｆｐｓなど）を入力する。

　フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、入力した複数の連続撮影画像と、カメラのフレームレート情報を第２学習モデルに入力し、フリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトを検出する。
　図１８に示す画像の例は、先に図１を参照して説明した撮影画像の例である。

　この撮影画像には、２つのフリッカ補正対象オブジェクトがある。すなわち、
　フリッカ補正対象オブジェクトＡ＝信号機
　フリッカ補正対象オブジェクトＢ＝ディスプレイ
　フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、学習モデル（第２学習モデル）を適用して、これら２つのフリッカ補正対象オブジェクトＡ，Ｂを検出し、この検出情報を画像補正部１５２に出力する。

　なお、フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂが画像補正部１５２に出力するフリッカ補正対象オブジェクト検出情報は、具体的には、例えば、フリッカ補正対象オブジェクト画像領域の撮影画像内の位置を示す座標情報や、フリッカ補正対象オブジェクト画像領域の形状情報等であり、入力画像からフリッカ補正対象オブジェクト画像領域を特定可能とするための情報である。

　画像補正部１５２は、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１が検出したフリッカ補正対象オブジェクトＡ，Ｂに対するフリッカ補正を実行する。
　図１１や図１７に示すように、画像補正部１５２は、複数の連続する撮影画像を入力し、これら複数の連続撮影画像を用いて、フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂから入力したフリッカ補正対象オブジェクトＡ，Ｂの画像領域のみに対するフリッカ補正処理、すなわちフリッカを解消する処理、またはフリッカを低減するための画像補正処理を実行する。

　このように、フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂによってフリッカ補正対象となる画像領域が特定されるので、画像補正部１５２は、撮影画像全体のフリッカ解析を行う必要がなく、フリッカ補正対象オブジェクトＡ，Ｂの画像領域のみに対するフリッカ補正を行うことが可能となる。結果として、高速、かつ高精度なフリッカ補正処理を行うことが可能となる。

　なお、画像補正部１５２において実行するフリッカ補正対象オブジェクトＡ，Ｂの画像領域に対するフリッカ補正処理は、先の実施例１において説明したと同様、例えば、以下の処理のいずれかである。

　次に図１９に示すフローチャートを参照して、本実施例２のフリッカ補正部１５０Ｂが実行するフリッカ補正処理のシーケンスについて説明する。
　以下、図１９に示すのフローチャートに示す各ステップの処理について説明する。
　なお、図１９に示すフローは、カメラによって撮影された動画像を構成する各フレームについて順次、実行する。あるいは、予め規定したフレーム間隔で実行する構成としてもよい。

　　（ステップＳ２０１）
　まず、フリッカ補正部は、ステップＳ２０１において、学習モデル（第２学習モデル）を適用して、撮影画像フレームからフリッカ補正対象オブジェクトを検出する。

　この処理は、図１１、図１７に示すフリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂが実行する処理である。

　フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂは、カメラが撮影した動画像を構成する複数の連続撮影画像（例えば３連続撮影画像フレーム）と、これらの画像を撮影したカメラのフレームレート情報（例えば３０ｆｐｓ、６０ｆｐｓなど）を第２学習モデルに入力し、フリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトを検出する。

　この第２学習モデルを利用した処理では、例えば点滅状態にある信号機等のオブジェクトはフリッカ補正対象オブジェクトとして選択しない。また、カメラフレームレートが６０ｆｐｓ等、予め規定したしきい値より高い場合、入力した複数の連続撮影画像中の輝度変化オブジェクトの輝度変化幅が規定しきい値以下であるオブジェクトもフリッカ補正対象オブジェクトとして選択しない。

　　（ステップＳ２０２）
　ステップＳ２０２は、フリッカ補正対象オブジェクトが検出されたか否かの判定ステップである。
　フリッカ補正対象オブジェクトが検出された場合は、ステップＳ２０３に進む。
　一方、フリッカ補正対象オブジェクトが検出されなかった場合は、処理を終了する。
　なお、後続の処理対象画像フレームがある場合、その画像フレームについてステップＳ２０１以下の処理を実行する。

　　（ステップＳ２０３）
　ステップＳ２０１のフリッカ補正対象オブジェクト検出処理において、フリッカ補正対象オブジェクトが検出された場合は、ステップＳ２０３に進む。

　この場合、フリッカ補正部１５０は、ステップＳ２０３において、検出したフリッカ補正対象オブジェクトに対するフリッカ補正処理を実行する。

　この処理は、図１１や図１７に示す画像補正部１５２が実行する処理である。
　画像補正部１５２は、フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂが検出したフリッカ補正対象オブジェクトに対するフリッカ補正を実行する。

　画像補正部１５２は、複数の連続する撮影画像を入力し、これら複数の連続撮影画像を用いて、フリッカ補正対象オブジェクト検出部（第２学習モデル）１５１Ｂから入力したフリッカ補正対象オブジェクトの画像領域のみに対するフリッカ補正処理、すなわちフリッカを解消する処理、またはフリッカを低減するための画像補正処理を実行する。

　このように、本実施例２の画像処理装置は、フリッカ補正対象オブジェクト検出部１５１Ｂにおいて、複数の連続撮影画像フレームと、カメラフレームレート情報を第２学習モデルに入力してフリッカ補正対象オブジェクトを検出する。
　このようなフリッカ補正対象オブジェクト検出処理を実行することで、より高精度なフリッカ補正対象オブジェクトの検出が実現される。

　また、実施例１と同様、画像補正部１５２は、フリッカ補正対象オブジェクト検出部１５１Ｂが検出したフリッカ補正対象オブジェクトの画像領域のみに対するフリッカ補正を行うことが可能であり、撮影画像全体のフリッカ解析を行う必要がなく、高速、かつ高精度なフリッカ補正処理を行うことが可能となる。

　　［５．（実施例３）本開示の実施例３のフリッカ補正部の構成と処理について］
　次に、本開示の実施例３のフリッカ補正部の構成と処理について説明する。

　例えばフリッカ補正対象オブジェクトの輝度変化周期がカメラフレームレートの倍数である場合、カメラの連続撮影画像フレームの全てにフリッカ補正対象オブジェクトの最低輝度状態の画像が撮影されてしまう場合がある。
　図２０を参照して、具体例について説明する。

　図２０には、信号機の赤信号が点灯状態にある場合の赤信号の輝度変化パターンを示している。
　図に示すように、赤信号の輝度は、最大輝度（Ｌｍａｘ）と最低輝度（Ｌｍｉｎ）の輝度レベルを周期的に繰り返している。ここで、赤信号の点灯状態での輝度変化周期が「６０Ｈｚ」であるとする。
　カメラフムレートは「３０ｆｐｓ」である。
　すなわち、フリッカ補正対象オブジェクト（信号機の赤信号）の輝度変化周期はカメラフレームレートの倍数となる。

　このような設定で、例えばカメラの動画像の撮影が、図２０に示すグラフの時間ｔ１において開始されると、図に示すように、時間ｔ１，ｔ２，ｔ３、すべての画像フレーム撮影タイミングで赤信号の最低輝度（Ｌｍｉｎ）の画像が撮影されてしまう。
　このように連続撮影画像フレームのすべてが最低輝度（Ｌｍｉｎ）の画像となってしまった場合、フリッカ補正を実行しても補正エラーが発生する。

　すなわち、図２１に示すように、フリッカ補正部１５０の画像補正部１５２は、３枚の画像を用いて輝度平均化処理などのフリッカ補正を行ったとしても、補正画像の赤信号部分は真っ暗な信号状態となってしまい、実際の点灯状態とは異なる画像が生成されることになる。

　本実施例３は、このようなフリッカ補正エラーを解消する実施例である。
　図２２に実施例３のフリッカ補正部１５０Ｃの構成を有する。図２２に示すフリッカ補正部１５０Ｃは、先に図６を参照して説明した実施例１のフリッカ補正部１５０の構成に、判定部１５３と、警告出力部１５４を追加した構成である。

　判定部１５３は、カメラが撮影した複数の連続撮影画像フレームを入力し、さらに、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１から、検出されたフリッカ補正対象オブジェクト情報を入力する。

　判定部１５３は、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１が検出したフリッカ補正対象オブジェクトの輝度変化状態を解析する。
　すなわち、入力した複数の連続撮影画像フレーム内のフリッカ補正対象オブジェクトの輝度変化状態を解析する。
　この解析処理の結果として、フリッカ補正対象オブジェクトの輝度変化がなく、その輝度が予め規定したしきい値以下の輝度（例えば消灯状態に近い輝度）である場合、警告出力部１５４に、画像撮影実行中のユーザに対する警告出力を実行させる。

　例えば図２３に示すような警告を出力する。
　図２３には、カメラ１０を用いて画像撮影を行っているユーザに対するメッセージとして、以下の警告メッセージを表示した例を示している。
　「フリッカ補正エラーが発生しています。撮影を一度、停止した後、再開してください」
　ユーザは、このメッセージを確認すると、撮影を停止する処理を行い、再度、撮影を開始する処理を行う。

　このように、撮影を再開することで、カメラ１０による画像撮影タイミングがずらされ、例えば図２４に示すような設定となる。
　図２４（ａ）は、ユーザによる撮影停止前の撮影状態であり、先に図２０を参照して説明した状態である。すなわち、図に示すように、時間ｔ１，ｔ２，ｔ３、すべての画像フレームの撮影タイミングで赤信号の最低輝度（Ｌｍｉｎ）の画像が撮影されてしまう。

　図２４（ｂ）は、ユーザによる撮影停止後、時間ｔ１０で撮影を再開した後の撮影状態の例である。この図２４（ｂ）に示す設定では、撮影タイミングが時間ｔ１０，ｔ１１，ｔ１２，ｔ１３、すべての画像フレームの撮影タイミングで赤信号の最高輝度（Ｌｍａｘ）の画像が撮影される。
　このような撮影画像が得られれば、最終的な補正画像も、信号機の赤信号部分は、最高輝度（Ｌｍａｘ）の画像とすることができる。

　なお、図２２～図２４を参照して説明した構成は、ユーザに画像撮影タイミングをずらすように要求する構成を持つ装置の例を説明したが、自動的に画像撮影タイミングをシフトする構成としてもよい。
　例えば図２５に示すような構成である。

　図２５に示すフリッカ補正部１５０Ｄは、先に図６を参照して説明した実施例１のフリッカ補正部１５０の構成に、判定部１５３と、撮影タイミング制御部１５５を追加した構成である。なお、撮影タイミング制御部１５５は、撮像部１５６を制御して動画像の撮影タイミングの変更処理を行う。

　判定部１５３は、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１が検出したフリッカ補正対象オブジェクトの輝度変化状態を解析する。
　すなわち、入力した複数の連続撮影画像フレーム内のフリッカ補正対象オブジェクトの輝度変化状態を解析する。
　この解析処理の結果として、フリッカ補正対象オブジェクトの輝度変化がなく、その輝度が予め規定したしきい値以下の輝度（例えば消灯状態に近い輝度）である場合、撮影タイミング制御部１５５に動画像の撮影タイミングの変更処理を実行させる。
　撮影タイミング制御部１５５は、撮像部１５６を制御して動画像の撮影タイミングの変更処理を行う。

　図２６に撮影タイミング制御部１５５が実行する動画像撮影タイミングの変更処理例を示す。
　時間ｔ２以前が、動画像撮影タイミングの変更処理前である。この状態は、先に図２０を参照して説明した状態である。すなわち、図に示すように、時間ｔ１以前はすべての画像フレームの撮影タイミングで赤信号の最低輝度（Ｌｍｉｎ）の画像が撮影されてしまう。

　ここで、撮影タイミング制御部１５５が撮像部１５６を制御して動画像の撮影タイミングの変更処理を行う。
　時間ｔ２での画像撮影を停止し、時間ｔ３から画像撮影を再開する。この結果、新たに設定される撮影タイミング時間ｔ３，ｔ４，ｔ５、すべての画像フレームの撮影タイミングで赤信号の最高輝度（Ｌｍａｘ）の画像が撮影される。
　このような撮影画像が得られれば、最終的な補正画像も、信号機の赤信号部分は、最高輝度（Ｌｍａｘ）の画像とすることができる。

　図２７は、図２２を参照して説明した警告出力部１５４を有するフリッカ補正部１５０Ｃと、図２５を参照して説明した撮像タイミング制御部１５５を有するフリッカ補正部１５５Ｄの各構成を併せ持つフリッカ補正部１５０Ｅの構成例を示す図である。
　例えばこのような構成を持つフリッカ補正部１５０Ｅを用いて、ユーザに対する警告、あるいは撮像タイミングの自動制御を行うことで、フリッカ補正のエラーが解消される。

　次に、図２８に示すフローを参照して、本実施例３のフリッカ補正部が実行するフリッカ補正処理のシーケンスについて説明する。
　以下、図２８に示すのフローチャートに示す各ステップの処理について説明する。

　　（ステップＳ３０１）
　まず、フリッカ補正部は、ステップＳ３０１において、学習モデルを適用して、撮影画像フレームからフリッカ補正対象オブジェクトを検出する。

　この処理は、例えば図２７に示すフリッカ補正部１５０Ｅのフリッカ補正対象オブジェクト検出部（第１学習モデル）１５１が実行する処理である。

　フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１は、カメラが撮影した動画像を構成する各画像フレームからフリッカを発生させる可能性のある被写体画像、すなわちフリッカ補正対象オブジェクトがあるか否かを解析する。

　　（ステップＳ３０２）
　ステップＳ３０２は、フリッカ補正対象オブジェクトが検出されたか否かの判定ステップである。
　フリッカ補正対象オブジェクトが検出された場合は、ステップＳ３０３に進む。
　一方、フリッカ補正対象オブジェクトが検出されなかった場合は、処理を終了する。
　なお、後続の処理対象画像フレームがある場合、その画像フレームについてステップＳ３０１以下の処理を実行する。

　　（ステップＳ３０３）
　ステップＳ３０３は、ステップＳ３０２でフリッカ補正対象オブジェクトが検出された場合に実行する。

　ステップＳ３０２でフリッカ補正対象オブジェクトが検出された場合、ステップＳ３０３において、ステップＳ３０２で検出されたフリッカ補正対象オブジェクトの輝度が予め規定したしきい値以下であるか否かを判定する。

　フリッカ補正対象オブジェクトの輝度が予め規定したしきい値以下であると判定した場合はステップＳ３０４に進む。
　一方、フリッカ補正対象オブジェクトの輝度が予め規定したしきい値以下でないと判定した場合はステップＳ３０５に進む。
　この処理は、例えば図２７に示すフリッカ補正部１５０Ｅの判定部１５３が実行する処理である。

　　（ステップＳ３０４）
　ステップＳ３０４の処理は、ステップＳ３０３で、フリッカ補正対象オブジェクトの輝度が予め規定したしきい値以下であると判定した場合に実行する。

　この場合、フリッカ補正部は、ステップＳ３０４において、以下の処理のいずれかを実行する。
　（ａ）ユーザに対する警告出力、
　（ｂ）画像撮影タイミングの自動シフト処理、
　（ｃ）フレームレートの変更処理、
　（ｄ）シャッタースピードの変更処理

　「（ａ）ユーザに対する警告出力」は、先に図２２～図２４を参照して説明した処理であり、警告出力部１５４が、撮影タイミングをずらすようにユーザに対して警告を出力する処理である。
　「（ｂ）画像撮影タイミングの自動シフト処理」は、先に図２５～図２６を参照して説明した処理であり、撮影タイミング制御部１５５が、画像撮影タイミングを自動シフトしてずらす処理である。

　「（ｃ）フレームレートの変更処理」は、例えば、現在のカメラフレームレートが３０ｆｐｓである場合、４０ｆｐｓや５０ｆｐｓに設定するフレームレート変更処理である。この処理を行うことで、輝度変化のある画像を撮影することが可能となる。

　また、「（ｄ）シャッタースピードの変更処理」は、露光時間を変化させる処理である。例えば１枚の撮影画像フレームの露光時間を長く設定することで、高輝度状態の画像を撮影することが可能となる。
　このような処理を行ってもよい。

　ステップＳ３０４の処理が完了したら、ステップＳ３０３に戻る。
　ステップＳ３０３では、再度、ステップＳ３０２で検出されたフリッカ補正対象オブジェクトの輝度が予め規定したしきい値以下であるか否かを判定する。

　フリッカ補正対象オブジェクトの輝度が予め規定したしきい値以下であると判定した場合はステップＳ３０４に進む。
　一方、フリッカ補正対象オブジェクトの輝度が予め規定したしきい値以下でないと判定した場合はステップＳ３０５に進み、警告出力等の処理を繰り返す。

　最終的に、ステップＳ３０３でフリッカ補正対象オブジェクトの輝度が予め規定したしきい値以下でないと判定された場合、ステップＳ３０５に進む。

　　（ステップＳ３０５）
　フリッカ補正部１５０は、ステップＳ３０５において、検出したフリッカ補正対象オブジェクトに対するフリッカ補正処理を実行する。

　この処理は、図２７に示す画像補正部１５２が実行する処理である。
　画像補正部１５２は、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１が検出したフリッカ補正対象オブジェクトに対するフリッカ補正を実行する。

　画像補正部１５２は、複数の連続する撮影画像を入力し、これら複数の連続撮影画像を用いて、フリッカ補正対象オブジェクト検出部（第１学習モデル）１５１から入力したフリッカ補正対象オブジェクトの画像領域のみに対するフリッカ補正処理、すなわちフリッカを解消する処理、またはフリッカを低減するための画像補正処理を実行する。

　本実施例３は、フリッカ補正対象オブジェクトがしきい値以下の輝度でありフリッカ補正エラーが発生する可能性がある場合、撮影タイミングの制御などを実行して、フリッカ補正対象オブジェクトがしきい値以上の輝度となる画像を取得して、この画像を利用してフリッカ補正を行う構成としたものである。

　このような処理を行うことで、フリッカ補正エラーの発生を防止でき、正しいフリッカ補正画像を生成することが可能となる。

　なお、本実施例３においても、実施例１、実施例２と同様、学習モデルを適用してフリッカ補正対象となる画像領域を特定し、その後、画像補正部１５２がフリッカ補正対象オブジェクの画像領域のみに対するフリッカ補正を行う。
　これらの処理を行うことで、撮影画像全体のフリッカ解析を行う必要がなく、フリッカ補正対象オブジェクトの画像領域のみに限定したフリッカ補正処理を行うことが可能となり、高速、かつ高精度なフリッカ補正処理を行うことが可能となる。

　なお、上述した実施例３は、先に説明した実施例１をベースとした構成として説明したが、先に説明した実施例２をベースとして実施例３の構成とすることも可能である。すなわち、先に図１１や図１７を参照して説明した実施例２のフリッカ補正部１５０Ｂの構成に、図２７に示すフリッカ補正部１５０Ｅの判定部１５３や、警告出力部１５４、さらに撮像タイミング制御部１５５を追加した構成としてもよい。

　　［６．画像処理装置のハードウェア構成例について］
　先に、本開示の画像処理装置は、例えばカメラ機能を備えたスマホ（スマートフォン）や、タブレット端末、ＰＣ等によって構成され得る。
　本開示の画像処理装置の一例であるスマホ（スマートフォン）や、タブレット端末、ＰＣのハードウェア構成例について図２９を参照して説明する。図２９に示すハードウェアは、本開示の画像処理装置の具体的なハードウェアの一構成例である。

　ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）３０１は、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）３０２、または記憶部３０８に記憶されているプログラムに従って各種の処理を実行する制御部やデータ処理部として機能する。例えば、上述した実施例において説明したシーケンスに従った処理を実行する。ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）３０３には、ＣＰＵ３０１が実行するプログラムやデータなどが記憶される。これらのＣＰＵ３０１、ＲＯＭ３０２、およびＲＡＭ３０３は、バス３０４により相互に接続されている。

　ＣＰＵ３０１はバス３０４を介して入出力インタフェース３０５に接続され、入出力インタフェース３０５には、カメラ、各種スイッチ、マイクロホン、センサなどよりなる入力部３０６、ディスプレイ、スピーカーなどよりなる出力部３０７が接続されている。
　ＣＰＵ３０１は、入力部３０６から入力される指令に対応して各種の処理を実行し、処理結果を例えば出力部３０７に出力する。

　入出力インタフェース３０５に接続されている記憶部３０８は、例えばフラッシュメモリ等からなり、ＣＰＵ３０１が実行するプログラムや各種のデータを記憶する。通信部３０９は、ＮＦＣ等の近接通信部や、Ｗｉ－Ｆｉ通信、ブルートゥース（登録商標）（ＢＴ）通信、その他インターネットやローカルエリアネットワークなどのネットワークを介したデータ通信の通信部によって構成され、外部の装置と通信する。

　入出力インタフェース３０５に接続されているドライブ３１０は、磁気ディスク、光ディスク、光磁気ディスク、あるいはメモリカード等の半導体メモリなどのリムーバブルメディア３１１を駆動し、データの記録あるいは読み取りを実行する。

　　［７．本開示の構成のまとめ］
　以上、特定の実施例を参照しながら、本開示の実施例について詳解してきた。しかしながら、本開示の要旨を逸脱しない範囲で当業者が実施例の修正や代用を成し得ることは自明である。すなわち、例示という形態で本発明を開示してきたのであり、限定的に解釈されるべきではない。本開示の要旨を判断するためには、特許請求の範囲の欄を参酌すべきである。

　なお、本明細書において開示した技術は、以下のような構成をとることができる。
　（１）　フリッカ補正処理を実行するフリッカ補正部を有し、
　前記フリッカ補正部は、
　画像からフリッカを発生させる可能性のある被写体であるフリッカ補正対象オブジェクトを検出するフリッカ補正対象オブジェクト検出部と、
　前記フリッカ補正対象オブジェクト検出部が検出したフリッカ補正対象オブジェクトの画像領域に対するフリッカ補正処理を実行する画像補正部を有し、
　前記フリッカ補正対象オブジェクト検出部は、
　学習モデルを適用したフリッカ補正対象オブジェクト検出処理を実行する画像処理装置。

　（２）　前記フリッカ補正対象オブジェクト検出部が適用する学習モデルは、
　フリッカ補正対象オブジェクトを含む多数の画像と、各画像に含まれるフリッカ補正対象オブジェクトの識別データを含む学習データセットを適用した学習処理によって生成された学習モデルである（１）に記載の画像処理装置。

　（３）　前記フリッカ補正対象オブジェクト検出部は、
　動画像を構成する１枚の画像フレームを入力して、入力画像フレームからフリッカ補正対象オブジェクトを検出し、
　前記画像補正部は、
　前記フリッカ補正対象オブジェクト検出部がフリッカ補正対象オブジェクトを検出した画像フレームを含む連続画像フレームを入力して、フリッカ補正処理を実行する（１）または（２）に記載の画像処理装置。

　（４）　前記フリッカ補正対象オブジェクト検出部が適用する学習モデルは、
　フリッカ補正対象オブジェクトを含む動画の連続画像フレームと、各画像フレームに含まれるフリッカ補正対象オブジェクトの識別データを含む学習データセットを適用した学習処理によって生成された学習モデルである（１）～（３）いずれかに記載の画像処理装置。

　（５）　前記フリッカ補正対象オブジェクト検出部が適用する学習モデルは、
　さらに、前記フリッカ補正対象オブジェクトを含む動画を撮影したカメラのフレームレート情報を適用した学習処理によって生成された学習モデルである（４）に記載の画像処理装置。

　（６）　前記フリッカ補正対象オブジェクト検出部は、
　動画を撮影したカメラのフレームレートに応じた複数の学習モデルを選択適用する構成である（４）または（５）に記載の画像処理装置。

　（７）　前記フリッカ補正対象オブジェクト検出部は、
　動画像を構成する複数の連続画像フレームを入力して、入力画像フレームからフリッカ補正対象オブジェクトを検出し、
　前記画像補正部は、
　前記フリッカ補正対象オブジェクト検出部がフリッカ補正対象オブジェクトを検出した連続画像フレームを含む画像フレームを入力して、フリッカ補正処理を実行する（４）～（６）いずれかに記載の画像処理装置。

　（８）　前記フリッカ補正対象オブジェクト検出部は、
　動画像を構成する複数の連続画像フレームを入力して、点灯中のオブジェクトと、点滅中のオブジェクトを区別して、点灯中のオブジェクトをフリッカ補正対象オブジェクトとして検出する処理を実行する（４）～（７）いずれかに記載の画像処理装置。

　（９）　前記フリッカ補正対象オブジェクト検出部は、
　動画像を構成する複数の連続画像フレームと、前記動画像を撮影したカメラのフレームレート情報を入力し、前記動画像を撮影したカメラのフレームレートに応じて、フリッカ発生可能性が高いオブジェクトをフリッカ補正対象オブジェクトとして選択する処理を実行する（４）～（８）いずれかに記載の画像処理装置。

　（１０）　前記画像補正部は、
　前記フリッカ補正対象オブジェクト検出部が検出したフリッカ補正対象オブジェクトの画像領域のみを補正対象領域としたフリッカ補正処理を実行する（１）～（９）いずれかに記載の画像処理装置。

　（１１）　前記フリッカ補正対象オブジェクト検出部は、
　検出したフリッカ補正対象オブジェクトの画像領域を示す座標情報を前記画像補正部に出力し、
　前記画像補正部は、前記フリッカ補正対象オブジェクト検出部から入力する座標情報に基づいて、フリッカ補正対象オブジェクトの画像領域を特定して、フリッカ補正対象オブジェクトの画像領域のみを補正対象領域としたフリッカ補正処理を実行する（１）～（１０）いずれかに記載の画像処理装置。

　（１２）　前記画像補正部は、
　（ａ）フリッカ補正対象オブジェクトの画像領域の輝度が一定になるよう直近数フレーム間で輝度の移動平均を算出し、各画像フレームのフリッカ補正対象オブジェクト画像領域の輝度として設定する画像補正処理、
　（ｂ）フリッカ補正対象オブジェクトの画像領域の輝度が一定になるよう直近数フレーム間で所定輝度の画像フレームを選択し、各画像フレームのフリッカ補正対象オブジェクトの画像領域の輝度として設定する画像補正処理、
　（ｃ）フリッカ補正対象オブジェクトの画像領域を事前に用意した画像で置き換える画像補正処理、
　上記（ａ）～（ｃ）いずれかの画像補正処理を実行する（１）～（１１）いずれかに記載の画像処理装置。

　（１３）　前記画像処理装置は、さらに、
　動画像を構成する複数の連続画像フレームを入力して、複数の連続画像フレームに含まれるフリッカ補正対象オブジェクトの輝度レベルが規定しきい値以下であるか否かを判定する判定部を有する（１）～（１２）いずれかに記載の画像処理装置。

　（１４）　前記画像処理装置は、さらに、
　動画像を撮影中のカメラの表示部に警告メッセージを出力する警告出力部を有し、
　前記警告出力部は、
　前記判定部が、複数の連続画像フレームに含まれるフリッカ補正対象オブジェクトの輝度レベルが規定しきい値以下であるとの判定に基づいて、画像撮影タイミングのシフト処理を実行させるための警告メッセージを出力する（１３）に記載の画像処理装置。

　（１５）　前記画像処理装置は、さらに、
　動画像を撮影中のカメラに画像撮影タイミングのシフト処理を実行させる撮影タイミング制御部を有し、
　前記撮影タイミング制御部は、
　前記判定部が、複数の連続画像フレームに含まれるフリッカ補正対象オブジェクトの輝度レベルが規定しきい値以下であるとの判定に基づいて、前記カメラに画像撮影タイミングのシフト処理を実行させる（１３）または（１４）に記載の画像処理装置。

　（１６）　画像処理装置において実行する画像処理方法であり、
　前記画像処理装置は、フリッカ補正処理を実行するフリッカ補正部を有し、
　前記フリッカ補正部が、
　画像からフリッカを発生させる可能性のある被写体であるフリッカ補正対象オブジェクトを検出するフリッカ補正対象オブジェクト検出処理と、
　前記フリッカ補正対象オブジェクト検出処理において検出したフリッカ補正対象オブジェクトの画像領域に対するフリッカ補正処理を実行する画像補正処理を実行し、
　前記フリッカ補正対象オブジェクト検出処理において、
　学習モデルを適用したフリッカ補正対象オブジェクト検出処理を実行する画像処理方法。

　（１７）　画像処理装置に画像処理を実行させるプログラムであり、
　前記画像処理装置は、フリッカ補正処理を実行するフリッカ補正部を有し、
　前記プログラムは、前記フリッカ補正部に、
　画像からフリッカを発生させる可能性のある被写体であるフリッカ補正対象オブジェクトを検出するフリッカ補正対象オブジェクト検出処理と、
　前記フリッカ補正対象オブジェクト検出処理において検出したフリッカ補正対象オブジェクトの画像領域に対するフリッカ補正処理を実行する画像補正処理を実行させ、
　前記フリッカ補正対象オブジェクト検出処理において、
　学習モデルを適用したフリッカ補正対象オブジェクト検出処理を実行させるプログラム。

　また、明細書中において説明した一連の処理はハードウェア、またはソフトウェア、あるいは両者の複合構成によって実行することが可能である。ソフトウェアによる処理を実行する場合は、処理シーケンスを記録したプログラムを、専用のハードウェアに組み込まれたコンピュータ内のメモリにインストールして実行させるか、あるいは、各種処理が実行可能な汎用コンピュータにプログラムをインストールして実行させることが可能である。例えば、プログラムは記録媒体に予め記録しておくことができる。記録媒体からコンピュータにインストールする他、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、インターネットといったネットワークを介してプログラムを受信し、内蔵するハードディスク等の記録媒体にインストールすることができる。

　なお、明細書に記載された各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。また、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

　以上、説明したように、本開示の一実施例の構成によれば、フリッカ補正対象オブジェクトを効率的に検出し、フリッカ補正処理を高精度かつ高速に実行する画像処理装置が実現される。
　具体的には、例えば、フリッカ補正処理を実行するフリッカ補正部を有し、フリッカ補正部は、画像からフリッカを発生させる可能性のある被写体であるフリッカ補正対象オブジェクトを検出するフリッカ補正対象オブジェクト検出部と、フリッカ補正対象オブジェクト検出部が検出したフリッカ補正対象オブジェクトの画像領域に対するフリッカ補正処理を実行する画像補正部を有し、フリッカ補正対象オブジェクト検出部は、学習モデルを適用したフリッカ補正対象オブジェクト検出処理を実行する。
　本構成により、フリッカ補正対象オブジェクトを効率的に検出し、フリッカ補正処理を高精度かつ高速に実行する画像処理装置が実現される。

　　１０　カメラ
　　２１　信号機
　　２２　ディスプレイ
　１００　画像処理装置（カメラ）
　１０１　撮像部
　１０２　画像処理部
　１０３　画像記録部
　１０４　記録メディア
　１０５　画像再生部
　１０６　表示部
　１２０　画像処理装置（外部装置）
　１２１　画像入力部
　１２２　画像処理部
　１２３　画像記録部
　１２４　記録メディア
　１２５　画像再生部
　１２６　表示部
　１５０，１５０Ｂ～Ｅ　フリッカ補正部
　１５１　フリッカ補正対象オブジェクト検出部（第１学習モデル）
　１５１Ｂ　フリッカ補正対象オブジェクト検出部（第２学習モデル）
　１５２　画像補正部
　１５３　判定部
　１５４　警告出力部
　１５５　撮像タイミング制御部
　１５６　撮像部
　１７１　学習処理実行部（第１学習モデル生成部）
　１７２　学習処理実行部（第２学習モデル生成部）
　３０１　ＣＰＵ
　３０２　ＲＯＭ
　３０３　ＲＡＭ
　３０４　バス
　３０５　入出力インタフェース
　３０６　入力部
　３０７　出力部
　３０８　記憶部
　３０９　通信部
　３１０　ドライブ
　３１１　リムーバブルメディア

Claims

　フリッカ補正処理を実行するフリッカ補正部を有し、
　前記フリッカ補正部は、
　画像からフリッカを発生させる可能性のある被写体であるフリッカ補正対象オブジェクトを検出するフリッカ補正対象オブジェクト検出部と、
　前記フリッカ補正対象オブジェクト検出部が検出したフリッカ補正対象オブジェクトの画像領域に対するフリッカ補正処理を実行する画像補正部を有し、
　前記フリッカ補正対象オブジェクト検出部は、
　学習モデルを適用したフリッカ補正対象オブジェクト検出処理を実行する画像処理装置。
　前記フリッカ補正対象オブジェクト検出部が適用する学習モデルは、
　フリッカ補正対象オブジェクトを含む多数の画像と、各画像に含まれるフリッカ補正対象オブジェクトの識別データを含む学習データセットを適用した学習処理によって生成された学習モデルである請求項１に記載の画像処理装置。
　前記フリッカ補正対象オブジェクト検出部は、
　動画像を構成する１枚の画像フレームを入力して、入力画像フレームからフリッカ補正対象オブジェクトを検出し、
　前記画像補正部は、
　前記フリッカ補正対象オブジェクト検出部がフリッカ補正対象オブジェクトを検出した画像フレームを含む連続画像フレームを入力して、フリッカ補正処理を実行する請求項１に記載の画像処理装置。
　前記フリッカ補正対象オブジェクト検出部が適用する学習モデルは、
　フリッカ補正対象オブジェクトを含む動画の連続画像フレームと、各画像フレームに含まれるフリッカ補正対象オブジェクトの識別データを含む学習データセットを適用した学習処理によって生成された学習モデルである請求項１に記載の画像処理装置。
　前記フリッカ補正対象オブジェクト検出部が適用する学習モデルは、
　さらに、前記フリッカ補正対象オブジェクトを含む動画を撮影したカメラのフレームレート情報を適用した学習処理によって生成された学習モデルである請求項４に記載の画像処理装置。
　前記フリッカ補正対象オブジェクト検出部は、
　動画を撮影したカメラのフレームレートに応じた複数の学習モデルを選択適用する構成である請求項４に記載の画像処理装置。
　前記フリッカ補正対象オブジェクト検出部は、
　動画像を構成する複数の連続画像フレームを入力して、入力画像フレームからフリッカ補正対象オブジェクトを検出し、
　前記画像補正部は、
　前記フリッカ補正対象オブジェクト検出部がフリッカ補正対象オブジェクトを検出した連続画像フレームを含む画像フレームを入力して、フリッカ補正処理を実行する請求項４に記載の画像処理装置。
　前記フリッカ補正対象オブジェクト検出部は、
　動画像を構成する複数の連続画像フレームを入力して、点灯中のオブジェクトと、点滅中のオブジェクトを区別して、点灯中のオブジェクトをフリッカ補正対象オブジェクトとして検出する処理を実行する請求項４に記載の画像処理装置。
　前記フリッカ補正対象オブジェクト検出部は、
　動画像を構成する複数の連続画像フレームと、前記動画像を撮影したカメラのフレームレート情報を入力し、前記動画像を撮影したカメラのフレームレートに応じて、フリッカ発生可能性が高いオブジェクトをフリッカ補正対象オブジェクトとして選択する処理を実行する請求項４に記載の画像処理装置。
　前記画像補正部は、
　前記フリッカ補正対象オブジェクト検出部が検出したフリッカ補正対象オブジェクトの画像領域のみを補正対象領域としたフリッカ補正処理を実行する請求項１に記載の画像処理装置。
　前記フリッカ補正対象オブジェクト検出部は、
　検出したフリッカ補正対象オブジェクトの画像領域を示す座標情報を前記画像補正部に出力し、
　前記画像補正部は、前記フリッカ補正対象オブジェクト検出部から入力する座標情報に基づいて、フリッカ補正対象オブジェクトの画像領域を特定して、フリッカ補正対象オブジェクトの画像領域のみを補正対象領域としたフリッカ補正処理を実行する請求項１に記載の画像処理装置。
　前記画像補正部は、
　（ａ）フリッカ補正対象オブジェクトの画像領域の輝度が一定になるよう直近数フレーム間で輝度の移動平均を算出し、各画像フレームのフリッカ補正対象オブジェクト画像領域の輝度として設定する画像補正処理、
　（ｂ）フリッカ補正対象オブジェクトの画像領域の輝度が一定になるよう直近数フレーム間で所定輝度の画像フレームを選択し、各画像フレームのフリッカ補正対象オブジェクトの画像領域の輝度として設定する画像補正処理、
　（ｃ）フリッカ補正対象オブジェクトの画像領域を事前に用意した画像で置き換える画像補正処理、
　上記（ａ）～（ｃ）いずれかの画像補正処理を実行する請求項１に記載の画像処理装置。
　前記画像処理装置は、さらに、
　動画像を構成する複数の連続画像フレームを入力して、複数の連続画像フレームに含まれるフリッカ補正対象オブジェクトの輝度レベルが規定しきい値以下であるか否かを判定する判定部を有する請求項１に記載の画像処理装置。
　前記画像処理装置は、さらに、
　動画像を撮影中のカメラの表示部に警告メッセージを出力する警告出力部を有し、
　前記警告出力部は、
　前記判定部が、複数の連続画像フレームに含まれるフリッカ補正対象オブジェクトの輝度レベルが規定しきい値以下であるとの判定に基づいて、画像撮影タイミングのシフト処理を実行させるための警告メッセージを出力する請求項１３に記載の画像処理装置。
　前記画像処理装置は、さらに、
　動画像を撮影中のカメラに画像撮影タイミングのシフト処理を実行させる撮影タイミング制御部を有し、
　前記撮影タイミング制御部は、
　前記判定部が、複数の連続画像フレームに含まれるフリッカ補正対象オブジェクトの輝度レベルが規定しきい値以下であるとの判定に基づいて、前記カメラに画像撮影タイミングのシフト処理を実行させる請求項１３に記載の画像処理装置。
　画像処理装置において実行する画像処理方法であり、
　前記画像処理装置は、フリッカ補正処理を実行するフリッカ補正部を有し、
　前記フリッカ補正部が、
　画像からフリッカを発生させる可能性のある被写体であるフリッカ補正対象オブジェクトを検出するフリッカ補正対象オブジェクト検出処理と、
　前記フリッカ補正対象オブジェクト検出処理において検出したフリッカ補正対象オブジェクトの画像領域に対するフリッカ補正処理を実行する画像補正処理を実行し、
　前記フリッカ補正対象オブジェクト検出処理において、
　学習モデルを適用したフリッカ補正対象オブジェクト検出処理を実行する画像処理方法。
　画像処理装置に画像処理を実行させるプログラムであり、
　前記画像処理装置は、フリッカ補正処理を実行するフリッカ補正部を有し、
　前記プログラムは、前記フリッカ補正部に、
　画像からフリッカを発生させる可能性のある被写体であるフリッカ補正対象オブジェクトを検出するフリッカ補正対象オブジェクト検出処理と、
　前記フリッカ補正対象オブジェクト検出処理において検出したフリッカ補正対象オブジェクトの画像領域に対するフリッカ補正処理を実行する画像補正処理を実行させ、
　前記フリッカ補正対象オブジェクト検出処理において、
　学習モデルを適用したフリッカ補正対象オブジェクト検出処理を実行させるプログラム。