JP2011159097A - Method and device for detecting object - Google Patents

Abstract

Translated fromJapanese

【課題】オブジェクト検出漏れの割合を急増させることなく、オブジェクトの誤検出を低減するための技術を提供する。
【解決手段】入力画像からオブジェクト判定の対象となる小領域を所定のずらし幅でずらしながら切り出していく第１処理と、上記入力画像における上記小領域毎の特徴量を算出する第２処理と、上記特徴量の算出結果に基づいて上記小領域毎にオブジェクトか非オブジェクトかを判別する第３処理とを含んでオブジェクト検出を行う。上記第３処理におけるオブジェクト判定の誤りを低減するための第１誤検出低減処理と、上記第１誤検出低減処理とは異なる方式により、上記第３処理におけるオブジェクト判定の誤りを低減するための第２誤検出低減処理とを、誤検出低減方式切り替え部（１０５）により、上記小領域を切り出す際のずらし幅に応じて選択的に実行させることでオブジェクト誤検出の低減を図る。
【選択図】図１A technique for reducing false detection of an object without rapidly increasing the rate of object detection omission.
A first process of cutting out a small area to be subjected to object determination from an input image while shifting the image by a predetermined shift width; a second process of calculating a feature amount for each of the small areas in the input image; Object detection is performed including a third process for determining whether each small region is an object or a non-object based on the calculation result of the feature amount. A first error detection reduction process for reducing object determination errors in the third process and a first error detection error reduction process for reducing object determination errors in the third process are different from the first error detection reduction process. 2 The erroneous detection reduction process is selectively executed by the erroneous detection reduction method switching unit (105) according to the shift width when the small area is cut out, thereby reducing the erroneous detection of the object.
[Selection] Figure 1

Description

Translated fromJapanese

本発明は、入力された画像から顔などの特定のオブジェクトを検出するための技術に関する。  The present invention relates to a technique for detecting a specific object such as a face from an input image.

入力された画像から顔などの特定オブジェクトを検出する方法として、例えば非特許文献１が知られている。非特許文献１には、顔の解析に効率的かつ効果的なハールと呼ばれる画像の特徴の組、アダブースト(AdaBoost)に基づく特徴選択プロセス、学習及び検出用のカスケード式アーキテクチャの３つの新しい方式による高精度なオブジェクト検出手法が記載されている。  For example, Non-PatentDocument 1 is known as a method for detecting a specific object such as a face from an input image. Non-PatentDocument 1 is based on three new methods: a set of image features called Haar, which is efficient and effective for facial analysis, a feature selection process based on AdaBoost, and a cascaded architecture for learning and detection A highly accurate object detection technique is described.

非特許文献１におけるオブジェクト検出では、複数のステージで構成されたオブジェクト判別器を用いる。１回の判別処理では、入力画像から切り出された１つの小領域に対し、このオブジェクト判別器によりその領域が検出対象とするオブジェクトであるかないかを判別する。  In object detection inNon-Patent Document 1, an object discriminator composed of a plurality of stages is used. In one discrimination process, it is discriminate | determined by this object discriminator whether the area | region is an object made into a detection object with respect to one small area cut out from the input image.

各ステージで、ハール特徴に応じた特徴量の総和をステージ毎の出力値として求め、閾値と比較して、オブジェクトであるかどうかの判別を行う。ある閾値以下であればオブジェクトではないと判別して判別処理を打ち切る。一方、閾値以上であればステージクリアと判定して、次のステージによる判別処理へと移行する。オブジェクト判別器内の全てのステージの判別処理をクリアした場合、オブジェクトがあると判定する。  At each stage, the sum of the feature values corresponding to the Haar features is obtained as an output value for each stage, and compared with a threshold value to determine whether the object is an object. If it is below a certain threshold value, it is determined that the object is not an object, and the determination process is terminated. On the other hand, if it is equal to or greater than the threshold value, it is determined that the stage is cleared, and the process proceeds to determination processing by the next stage. When the discrimination processing for all stages in the object discriminator is cleared, it is determined that there is an object.

以上の処理を、入力画像から切り出される全ての小領域に対して繰り返すことで、高精度にオブジェクトが検出できる。  By repeating the above processing for all the small regions cut out from the input image, the object can be detected with high accuracy.

さらに非特許文献２には、上記処理結果によりオブジェクトがあると判定した領域に対して、各ステージでの出力値の総和を「オブジェクトらしさ」として求めて閾値と比較することで、誤ってオブジェクトとして判定したケースを誤検出として削減する方式での処理（この処理を、『オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理』という）が記載されている。  Furthermore, inNon-Patent Document 2, by calculating the sum of the output values at each stage as “object-likeness” and comparing it with a threshold value for an area determined to have an object based on the above processing results, A process in a method of reducing the determined cases as false detections (this process is referred to as “false detection reduction process using“ object-likeness ”summation only of object detection positions”) is described.

また、非特許文献３には、非特許文献２のアイディアを拡張し、検出位置周辺での顔らしさも含めて加重平均を求めて閾値と比較して誤検出を低減する方式での処理（この処理を『検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理』という）が記載されている。また非特許文献３には、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理は、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理に比べて高い性能を示すことが記載されている。  Further, Non-Patent Document 3 expands the idea ofNon-Patent Document 2 and obtains a weighted average including face-likeness around the detection position and compares it with a threshold value to reduce false detection (this method) The processing is referred to as “error detection reduction processing using the“ object-likeness ”summation in the vicinity of the detection position”). Non-Patent Document 3 discloses that the false detection reduction process using the “object-likeness” summation in the vicinity of the detection position is higher than the false detection reduction process using the “object-likeness” summation only at the object detection position. Is described.

P. Viola, M. Jones, ”Rapid Object Detection using a Boosted Cascade of Simple Features,” Proceedings IEEE Conf. on Computer Vision and Pattern Recognition (2001).P. Viola, M. Jones, “Rapid Object Detection using a Boosted Cascade of Simple Features,” Proceedings IEEE Conf. On Computer Vision and Pattern Recognition (2001).P. Viola他：「Robust Real-Time Face Detection」, IJCV2004.P. Viola et al: “Robust Real-Time Face Detection”, IJCV2004.東工大・高塚他：「顔らしさ分布を利用した顔検出手法」、情処CVIM研究会(2006/9).Tokyo Institute of Technology, Takatsuka et al .: “Face Detection Method Using Facialness Distribution”, AJI CVIM Study Group (2006/9).

本願発明者は、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理や、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理の製品への採用について検討したところ、以下の課題が見いだされた。  The inventor of the present application examined the adoption of a false detection reduction process using the “object-likeness” sum of only the object detection positions and a false detection reduction process using the “object-likeness” summation around the detection position in the product. However, the following issues were found.

オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理や、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理においては、顔等のオブジェクト検出における誤検出を削減することができるものの、実際にはオブジェクトが存在するにもかかわらずそれを検出できないケース（「オブジェクト検出漏れ」という）の割合が急増することがある。これについて本願発明者が検討したところ、上記オブジェクト検出漏れの割合が急増するのは、入力画像からオブジェクト判定の対象となる小領域を所定のずらし幅でずらしながら切り出していく際の「位置ずらし幅」の割合に起因することが見いだされた。本願発明者の実験によれば、例えばオブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理では、ずらし幅が大きい場合のオブジェクト検出漏れの割合が急激に増加し、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理においては、ずらし幅が小さい場合のオブジェクト検出漏れの割合が急激に増加することが確認されている。  Reduces false detection in detection of objects such as faces in the false detection reduction process using the “object-likeness” sum of only the object detection positions and the false detection reduction process using the “object-likeness” summation around the detection position. The percentage of cases where an object exists but cannot be detected even though the object actually exists (referred to as “object detection omission”) may increase rapidly. The inventor of the present application examined this, and the ratio of the object detection omission increases rapidly because the “position shift width” is obtained when a small area to be subjected to object determination is cut out from the input image with a predetermined shift width. ”Was found to be due to the percentage of According to the experiment of the present inventor, for example, in the false detection reduction process using the “object-likeness” summation of only the object detection position, the ratio of the object detection omission when the shift width is large increases rapidly, In the false detection reduction process using the “object-likeness” sum in FIG. 5, it has been confirmed that the ratio of the object detection omission when the shift width is small increases rapidly.

本発明の目的は、オブジェクト検出漏れの割合を急増させることなく、オブジェクトの誤検出を低減するための技術を提供することにある。  An object of the present invention is to provide a technique for reducing erroneous detection of an object without rapidly increasing the rate of object detection omission.

本発明の前記並びにその他の目的と新規な特徴は本明細書の記述及び添付図面から明らかになるであろう。  The above and other objects and novel features of the present invention will be apparent from the description of this specification and the accompanying drawings.

本願において開示される発明のうち代表的なものの概要を簡単に説明すれば下記の通りである。  The following is a brief description of an outline of typical inventions disclosed in the present application.

すなわち、本発明にかかるオブジェクト検出方法は、入力画像からオブジェクト判定の対象となる小領域を所定のずらし幅でずらしながら切り出していく第１処理と、上記入力画像における上記小領域毎の特徴量を算出する第２処理と、上記特徴量の算出結果に基づいて上記小領域毎にオブジェクトか非オブジェクトかを判別する第３処理とを含む。さらに、上記第３処理におけるオブジェクト判定の誤りを低減するための第１誤検出低減処理と、上記第１誤検出低減処理とは異なる方式により、上記第３処理におけるオブジェクト判定の誤りを低減するための第２誤検出低減処理とを、誤検出低減方式切り替え部により、上記小領域を切り出す際のずらし幅に応じて選択的に実行させる。  That is, in the object detection method according to the present invention, a first process of cutting out a small area that is a target of object determination from an input image while shifting it with a predetermined shift width, and a feature amount for each small area in the input image A second process for calculating, and a third process for determining whether each of the small areas is an object or a non-object based on the calculation result of the feature amount. Further, in order to reduce the error in the object determination in the third process by a method different from the first erroneous detection reduction process for reducing the error in the object determination in the third process and the first erroneous detection reduction process. The second erroneous detection reduction process is selectively executed by the erroneous detection reduction method switching unit according to the shift width when the small area is cut out.

本願において開示される発明のうち代表的なものによって得られる効果を簡単に説明すれば下記のとおりである。  The effects obtained by the representative ones of the inventions disclosed in the present application will be briefly described as follows.

すなわち、オブジェクト検出漏れの割合を急増させることなく、オブジェクトの誤検出を低減するための技術を提供することができる。  That is, it is possible to provide a technique for reducing the erroneous detection of an object without rapidly increasing the object detection omission ratio.

本発明にかかるオブジェクト検出装置における主要部の構成例ブロック図である。It is a block diagram of a configuration example of the main part in the object detection device according to the present invention.上記オブジェクト検出装置における主要処理の例を示す説明図である。It is explanatory drawing which shows the example of the main processes in the said object detection apparatus.上記オブジェクト検出装置における主要処理の例を示す説明図である。It is explanatory drawing which shows the example of the main processes in the said object detection apparatus.上記オブジェクト検出装置でのオブジェクト判別で用いる特徴パターンの一例を示す説明図である。It is explanatory drawing which shows an example of the characteristic pattern used by the object discrimination in the said object detection apparatus.上記オブジェクト検出装置での処理の手順を示すフローチャートである。It is a flowchart which shows the procedure of the process in the said object detection apparatus.上記オブジェクト検出装置全体の構成例を示すブロック図である。It is a block diagram which shows the structural example of the said whole object detection apparatus.上記オブジェクト検出装置の別の構成例を示すブロック図である。It is a block diagram which shows another structural example of the said object detection apparatus.図７に示されるオブジェクト検出装置にけるパラメータ設定画面の例を示す説明図である。It is explanatory drawing which shows the example of the parameter setting screen in the object detection apparatus shown by FIG.

１．実施の形態の概要
先ず、本願において開示される発明の代表的な実施の形態について概要を説明する。代表的な実施の形態についての概要説明で括弧を付して参照する図面中の参照符号はそれが付された構成要素の概念に含まれるものを例示するに過ぎない。1. First, an outline of a typical embodiment of the invention disclosed in the present application will be described. Reference numerals in the drawings referred to in parentheses in the outline description of the representative embodiments merely exemplify what are included in the concept of the components to which the reference numerals are attached.

〔１〕本発明の代表的な実施の形態に係るオブジェクト検出方法は、オブジェクト検出装置（９００）で実施される。そして本発明の代表的な実施の形態に係るオブジェクト検出方法は、入力画像からオブジェクト判定の対象となる小領域を所定のずらし幅でずらしながら切り出していく第１処理と、上記入力画像における上記小領域毎の特徴量を算出する第２処理と、上記特徴量の算出結果に基づいて上記小領域毎にオブジェクトか非オブジェクトかを判別する第３処理とを含む。さらに、上記第３処理におけるオブジェクト判定の誤りを低減するための第１誤検出低減処理と、上記第１誤検出低減処理とは異なる方式により、上記第３処理におけるオブジェクト判定の誤りを低減するための第２誤検出低減処理とを、誤検出低減方式切り替え部（１０５）により、上記小領域を切り出す際のずらし幅に応じて選択的に実行させる。  [1] An object detection method according to a representative embodiment of the present invention is implemented by an object detection apparatus (900). The object detection method according to the representative embodiment of the present invention includes a first process of cutting out a small area that is an object determination target from an input image while shifting the image by a predetermined shift width, and the small image in the input image. A second process for calculating a feature amount for each region; and a third process for determining whether the small region is an object or a non-object based on the calculation result of the feature amount. Further, in order to reduce the error in the object determination in the third process by a method different from the first erroneous detection reduction process for reducing the error in the object determination in the third process and the first erroneous detection reduction process. The second false detection reduction process is selectively executed by the false detection reduction method switching unit (105) according to the shift width when the small area is cut out.

上記のように、オブジェクト検出漏れの割合が急増するのは、入力画像からオブジェクト判定の対象となる小領域を所定のずらし幅でずらしながら切り出していく際の「位置ずらし幅」の割合に起因している。例えばオブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理では、上記小領域を切り出す際のずらし幅が大きい場合のオブジェクト検出漏れの割合が急激に増加し、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理においては、上記小領域を切り出す際のずらし幅が小さい場合のオブジェクト検出漏れの割合が急激に増加することが確認されている。  As described above, the ratio of the object detection omission increases rapidly because of the ratio of the “position shift width” when the small area that is the object determination target is cut out from the input image with a predetermined shift width. ing. For example, in the false detection reduction process using the “object-likeness” summation of only the object detection positions, the ratio of object detection omissions when the shift width when cutting out the small area is large increases rapidly, In the false detection reduction process using the “object-likeness” sum, it has been confirmed that the rate of object detection omission increases rapidly when the shift width when cutting out the small area is small.

そこで、発明の代表的な実施の形態に係るオブジェクト検出方法では、上記第３処理におけるオブジェクト判定の誤りを低減するための第１誤検出低減処理と、上記第１誤検出低減処理とは異なる方式により、上記第３処理におけるオブジェクト判定の誤りを低減するための第２誤検出低減処理とを、誤検出低減方式切り替え部（１０５）により、上記小領域を切り出す際のずらし幅に応じて選択的に実行させる。このように第１誤検出低減処理と第２誤検出低減処理とを上記小領域を切り出す際のずらし幅に応じて選択的に実行させることによって、オブジェクト検出漏れの割合を急増させることなく、オブジェクトの誤検出を低減することができる。  Therefore, in the object detection method according to the representative embodiment of the invention, the first false detection reduction process for reducing the object determination error in the third process is different from the first false detection reduction process. Thus, the second erroneous detection reduction process for reducing the object determination error in the third process is selectively performed according to the shift width when the small area is cut out by the erroneous detection reduction method switching unit (105). To run. As described above, the first erroneous detection reduction process and the second erroneous detection reduction process are selectively executed according to the shift width when the small area is cut out, so that the object detection omission ratio is not increased rapidly. False detection can be reduced.

〔２〕上記〔１〕において、上記第１誤検出低減処理には、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理が含まれる。上記第２誤検出低減処理には、オブジェクト検出位置周辺での「オブジェクトらしさ」総和を使った誤検出低減処理が含まれる。このとき上記入力画像から小領域を切り出す際の位置ずらし幅の割合が所定の閾値より大きい場合には、上記誤検出低減方式切り替え部により上記第１誤検出低減処理が選択され、入力画像から小領域を切り出す際の位置ずらし幅の割合が上記閾値より大きくない場合には、誤検出低減方式切り替え部により上記第２誤検出低減処理が選択される。  [2] In the above [1], the first false detection reduction process includes a false detection reduction process using the “object-likeness” sum of only the object detection positions. The second erroneous detection reduction process includes an erroneous detection reduction process using the “object-likeness” summation around the object detection position. At this time, if the ratio of the position shift width when the small area is cut out from the input image is larger than a predetermined threshold value, the first erroneous detection reduction process is selected by the erroneous detection reduction method switching unit, and a small amount is selected from the input image. When the ratio of the position shift width at the time of cutting out the area is not larger than the threshold value, the second erroneous detection reduction process is selected by the erroneous detection reduction method switching unit.

上記のようにオブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理では、上記小領域を切り出す際のずらし幅が大きい場合のオブジェクト検出漏れの割合が急激に増加し、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理においては、上記小領域を切り出す際のずらし幅が小さい場合のオブジェクト検出漏れの割合が急激に増加することが確認されている。  As described above, in the false detection reduction process using the “object-likeness” summation of only the object detection positions, the ratio of object detection omissions increases sharply when the shift width when extracting the small area is large, and adjacent detection positions In the false detection reduction process using the “object-likeness” summation in the vicinity, it has been confirmed that the rate of object detection omission increases rapidly when the shift width when cutting out the small area is small.

そこで、入力画像から小領域を切り出す際のずらし幅が大きい場合には、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理を選択的に実行し、入力画像から小領域を切り出す際のずらし幅が小さい場合には、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理を選択的に実行する。このようにすることで、オブジェクト検出漏れの割合を急増させることなく、オブジェクトの誤検出を低減することができる。  Therefore, if the shift width when extracting a small area from the input image is large, the false detection reduction process using the “object-likeness” summation around the detection position is selectively performed, and the small area is extracted from the input image. When the shift width at the time of cutting is small, the false detection reduction process using the “object-likeness” sum of only the object detection positions is selectively executed. By doing so, it is possible to reduce erroneous detection of an object without rapidly increasing the rate of object detection omission.

〔３〕本発明の代表的な実施の形態に係るオブジェクト検出装置（９００）は、入力画像からオブジェクト判定の対象となる小領域を所定のずらし幅でずらしながら切り出していく第１処理と、上記入力画像における上記小領域毎の特徴量を算出する第２処理と、上記特徴量の算出結果に基づいて上記小領域毎にオブジェクトか非オブジェクトかを判別する第３処理とを実行する。このようなオブジェクト検出装置において、上記第３処理におけるオブジェクト判定の誤りを低減するための第１誤検出低減処理と、上記第１誤検出低減処理とは異なる方式により、上記第３処理におけるオブジェクト判定の誤りを低減するための第２誤検出低減処理とを選択的に実行可能な誤差検出低減部（１０６）を設ける。さらに上記ブジェクト検出装置において、上記小領域を切り出す際のずらし幅に応じて、上記誤差検出低減部における上記第１誤検出低減処理と第２誤検出低減処理とを切り替え可能な誤検出低減方式切り替え部（１０５）を設ける。  [3] An object detection apparatus (900) according to a representative embodiment of the present invention includes a first process of cutting out a small area that is a target of object determination from an input image while shifting it with a predetermined shift width; A second process for calculating the feature quantity for each small area in the input image and a third process for determining whether the small area is an object or a non-object based on the calculation result of the feature quantity are executed. In such an object detection device, the object determination in the third process is performed by a method different from the first error detection reduction process for reducing the error in the object determination in the third process and the first error detection reduction process. An error detection reduction unit (106) capable of selectively executing the second erroneous detection reduction process for reducing the error is provided. Further, in the object detection device, switching of an erroneous detection reduction method capable of switching between the first erroneous detection reduction process and the second erroneous detection reduction process in the error detection reduction unit according to a shift width when the small region is cut out. Part (105) is provided.

上記のように、オブジェクト検出漏れの割合が急増するのは、入力画像からオブジェクト判定の対象となる小領域を所定のずらし幅でずらしながら切り出していく際の「位置ずらし幅」の割合に起因している。このことから、上記誤検出低減方式切り替え部により、上記ブジェクト検出装置において、上記小領域を切り出す際のずらし幅に応じて、上記誤差検出低減部における上記第１誤検出低減処理と第２誤検出低減処理とを切り替えることによって、オブジェクト検出漏れの割合を急増させることなく、オブジェクトの誤検出を低減することができるようになる。  As described above, the ratio of the object detection omission increases rapidly because of the ratio of the “position shift width” when the small area that is the object determination target is cut out from the input image with a predetermined shift width. ing. From this, the first detection error reduction processing and the second detection error in the error detection reduction unit according to the shift width when the small area is cut out in the object detection device by the error detection reduction method switching unit. By switching to the reduction process, it is possible to reduce the erroneous detection of the object without rapidly increasing the ratio of the object detection omission.

〔４〕上記第１誤検出低減処理は、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理を含み、上記第２誤検出低減処理は、オブジェクト検出位置周辺での「オブジェクトらしさ」総和を使った誤検出低減処理を含む。このとき、上記誤検出低減方式切り替え部は、上記入力画像から小領域を切り出す際の位置ずらし幅の割合が所定の閾値より大きい場合には、上記第１誤検出低減処理を選択し、入力画像から小領域を切り出す際の位置ずらし幅の割合が上記閾値より大きくない場合には、上記第２誤検出低減処理を選択するように構成することができる。  [4] The first false detection reduction process includes a false detection reduction process using the sum of the “object-likeness” only at the object detection position, and the second false detection reduction process includes the “object-likeness around the object detection position. Including false detection reduction processing using the sum. At this time, the error detection reduction method switching unit selects the first error detection reduction process when the ratio of the position shift width when the small area is cut out from the input image is larger than a predetermined threshold, and the input image When the ratio of the position shift width when cutting out the small area from the image is not larger than the threshold value, the second erroneous detection reduction process can be selected.

上記のようにオブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理では、上記小領域を切り出す際のずらし幅が大きい場合のオブジェクト検出漏れの割合が急激に増加し、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理においては、上記小領域を切り出す際のずらし幅が小さい場合のオブジェクト検出漏れの割合が急激に増加することが確認されている。
このため、上記誤検出低減方式切り替え部により、上記入力画像から小領域を切り出す際の位置ずらし幅の割合が所定の閾値より大きい場合には、上記第１誤検出低減処理を選択し、入力画像から小領域を切り出す際の位置ずらし幅の割合が上記閾値より大きくない場合には、上記第２誤検出低減処理を選択することによって、オブジェクト検出漏れの割合を急増させることなく、オブジェクトの誤検出を低減することができるようになる。As described above, in the false detection reduction process using the “object-likeness” summation of only the object detection positions, the ratio of object detection omissions increases sharply when the shift width when extracting the small area is large, and adjacent detection positions In the false detection reduction process using the “object-likeness” summation in the vicinity, it has been confirmed that the rate of object detection omission increases rapidly when the shift width when cutting out the small area is small.
For this reason, when the ratio of the position shift width when the small area is cut out from the input image is larger than a predetermined threshold by the erroneous detection reduction method switching unit, the first erroneous detection reduction process is selected and the input image is selected. If the ratio of the position shift width when the small area is cut out from the image is not larger than the threshold value, by selecting the second erroneous detection reduction process, the erroneous detection of the object is prevented without increasing the ratio of the object detection omission. Can be reduced.

〔５〕上記〔４〕において、外部から与えられた情報に従って、上記誤検出低減方式切り替え部における処理のパラメータ制御を行う設定制御部（１０２０）を設けることができる。  [5] In the above [4], a setting control unit (1020) for performing parameter control of processing in the erroneous detection reduction method switching unit can be provided according to information given from the outside.

上記設定制御部によって、上記誤検出低減方式切り替え部における処理のパラメータ制御を行うことができるので、オブジェクト検出装置において、安定に誤検出を低減しつつ、誤検出低減の程度とオブジェクト検出漏れの程度を制御することが可能となる。  Since the parameter control of the process in the erroneous detection reduction method switching unit can be performed by the setting control unit, the degree of false detection reduction and the degree of object detection omission while stably reducing false detection in the object detection device. Can be controlled.

２．実施の形態の詳細
実施の形態について更に詳述する。2. Details of Embodiments Embodiments will be further described in detail.

＜実施の形態１＞
図６には、本発明にかかるオブジェクト検出装置の構成例が示される。<Embodiment 1>
FIG. 6 shows a configuration example of the object detection apparatus according to the present invention.

図６に示されるオブジェクト検出装置９００は、特に制限されないが、例えば監視カメラやデジタルカメラなどの撮像装置９０１によって得られた画像から対象となるオブジェクトを検出する機能を有する。オブジェクト検出装置９００の検出結果（オブジェクト）は、出力装置９０８に出力される。この出力装置９０８としては、例えばディスプレイや、プリンタ、パーソナルコンピュータなどを挙げることができる。ディスプレイによれば、オブジェクト検出装置９００の検出結果を表示することができる。プリンタによれば、オブジェクト検出装置９００の検出結果を印刷することができる。パーソナルコンピュータによれば、オブジェクト検出装置９００の検出結果を処理したり、適宜の記憶媒体に記録することができる。  Theobject detection device 900 shown in FIG. 6 is not particularly limited, but has a function of detecting a target object from an image obtained by animaging device 901 such as a surveillance camera or a digital camera. The detection result (object) of theobject detection device 900 is output to theoutput device 908. Examples of theoutput device 908 include a display, a printer, and a personal computer. According to the display, the detection result of theobject detection device 900 can be displayed. According to the printer, the detection result of theobject detection device 900 can be printed. According to the personal computer, the detection result of theobject detection apparatus 900 can be processed or recorded in an appropriate storage medium.

上記オブジェクト検出装置９００は、特に制限されないが、画像入力部９０９、画像メモリ９０２、ＣＰＵ（Central Processing Unit）９０３、ＲＡＭ（Random Access Memory）９０４、ＲＯＭ（Read Only Memory）９０５、検出結果記録部９０６、及びインタフェース（Ｉ／Ｆ）９０７を含む。そしてオブジェクト検出装置９００は、公知の半導体集積回路製造技術により、例えば単結晶シリコン基板などの一つの半導体基板に形成される。  Theobject detection apparatus 900 is not particularly limited, but includes animage input unit 909, animage memory 902, a CPU (Central Processing Unit) 903, a RAM (Random Access Memory) 904, a ROM (Read Only Memory) 905, and a detectionresult recording unit 906. , And an interface (I / F) 907. Theobject detection device 900 is formed on a single semiconductor substrate such as a single crystal silicon substrate by a known semiconductor integrated circuit manufacturing technique.

画像入力部９０９、画像メモリ９０２、ＣＰＵ９０３、ＲＡＭ９０４、ＲＯＭ９０５、検出結果記録部９０６、及びインタフェース（Ｉ／Ｆ）９０７は、バス９１０によって、互いに信号のやり取りが可能に結合されている。画像入力部９０９は、上記撮影部９０１によって得られた画像をオブジェクト検出装置９００の内部に取り込む。画像メモリ９０２は、上記画像入力部９０９を介して取り込まれた画像を記憶する。ＣＰＵ９０３は、所定のプログラムを実行することにより、上記画像メモリ９０２内の画像を取り込んでオブジェクト検出処理を実行したり、オブジェクト検出装置９００における各部の動作を制御する。ＲＡＭ９０４は、上記ＣＰＵ９０３でのオブジェクト検出処理の作業領域などに利用される。ＲＯＭ９０５には、上記ＣＰＵ９０３で実行されるプログラムや、上記ＣＰＵ９０３でのオブジェクト検出処理で参照される各種データが格納される。検出結果記録部９０６には、上記ＣＰＵ９０３でのオブジェクト検出処理結果が記録される。インタフェース９０７は、上記検出結果記録部９０６内のオブジェクト検出処理結を所定のデータ形式に変換してから上記出力装置９０８へ出力する。  Theimage input unit 909, theimage memory 902, theCPU 903, theRAM 904, theROM 905, the detectionresult recording unit 906, and the interface (I / F) 907 are coupled to each other via abus 910 so that signals can be exchanged. Theimage input unit 909 takes in the image obtained by the photographingunit 901 into theobject detection device 900. Animage memory 902 stores an image captured via theimage input unit 909. TheCPU 903 executes a predetermined program to capture an image in theimage memory 902 and execute an object detection process, and control operations of each unit in theobject detection apparatus 900. TheRAM 904 is used as a work area for object detection processing by theCPU 903. TheROM 905 stores programs executed by theCPU 903 and various data referred to in object detection processing by theCPU 903. In the detectionresult recording unit 906, the object detection processing result in theCPU 903 is recorded. Theinterface 907 converts the object detection processing result in the detectionresult recording unit 906 into a predetermined data format, and then outputs it to theoutput device 908.

図１には、上記ＣＰＵ９０３が所定のプログラムを実行することにより機能的に実現されるオブジェクト検出部の構成例が示される。  FIG. 1 shows a configuration example of an object detection unit that is functionally realized by theCPU 903 executing a predetermined program.

上記ＣＰＵ９０３によって機能的に実現されるオブジェクト検出部は、図１に示されるように、特徴評価部１０２、オブジェクト判定部１０４、誤検出低減方式切り替え部１０５、及び誤検出低減部１０６を含む。  The object detection unit functionally realized by theCPU 903 includes afeature evaluation unit 102, anobject determination unit 104, a false detection reductionmethod switching unit 105, and a falsedetection reduction unit 106, as shown in FIG.

次に、オブジェクト検出処理を詳細に説明する。  Next, the object detection process will be described in detail.

オブジェクト検出部にて検出するオブジェクトとしては、人、車、標識等、その他のオブジェクトを対象とすることができるが、ここでは、説明の便宜上、人物の正面顔を検出対象とする。  The object detected by the object detection unit may be another object such as a person, a car, or a sign, but here, for convenience of explanation, a person's front face is a detection target.

画像入力部９０９は、カメラなどの撮像モジュールや、あらかじめ記録された画像の再生画像等を入力画像２００として受信し、顔か非顔かの判別処理を行う画像領域２０３を特徴評価部１０２に出力する。特徴パターンデータベース１１０には顔か非顔かを判別するための特徴パターンが格納されている。特徴パターンデータベース１１０は、特に制限されないが、図６におけるＲＯＭ９０５内に形成することができる。特徴評価部１０２は、入力された画像領域２０３に対して特徴パターンデータベース１１０に定義された複数の特徴パターンに対する特徴量を算出する。特徴量格納部１０３では、特徴評価部１０２から得られた特徴量を格納する。特徴量格納部１０３は、特に制限されないが、図６におけるＲＡＭ９０４に形成することができる。オブジェクト判別部１０４では、特徴評価部１０２で得られた複数の特徴量の値を元に、顔か非顔かの判別処理を行う。その結果、顔と判別したら誤検出低減部１０６に結果を出力する。誤検出低減部１０６は、上記オブジェクト判別部１０４での判別結果を取り込んで、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理と、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理とを選択的に実行することができる。誤検出低減方式切り替え部１０５では画像入力部９０９から得られた入力画像から小領域を切り出す際の「位置ずらし幅」の割合に基づいて、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理と、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理とのいずれを使用するかを誤検出低減部１０６に指示する。誤検出低減部１０６は、誤検出低減方式切り替え部１０５からの指示に応じた誤検出低減処理を行う。  Theimage input unit 909 receives an imaging module such as a camera, a reproduction image of a pre-recorded image, or the like as theinput image 200, and outputs animage region 203 for performing face / non-face discrimination processing to thefeature evaluation unit 102. To do. Thefeature pattern database 110 stores feature patterns for discriminating between faces and non-faces. Thefeature pattern database 110 is not particularly limited, but can be formed in theROM 905 in FIG. Thefeature evaluation unit 102 calculates feature amounts for a plurality of feature patterns defined in thefeature pattern database 110 for theinput image region 203. The featureamount storage unit 103 stores the feature amount obtained from thefeature evaluation unit 102. The featureamount storage unit 103 is not particularly limited, but can be formed in theRAM 904 in FIG. Theobject discriminating unit 104 performs discrimination processing of a face or a non-face based on a plurality of feature value values obtained by thefeature evaluation unit 102. As a result, if the face is determined, the result is output to the falsedetection reduction unit 106. The falsedetection reduction unit 106 takes in the discrimination result in theobject discrimination unit 104, and performs false detection reduction processing using the “object-likeness” sum of only the object detection positions, and the “object-likeness” summation around the detection positions. It is possible to selectively execute a false detection reduction process using. The erroneous detection reductionmethod switching unit 105 uses the total “object-likeness” summation of only the object detection positions based on the ratio of “position shift width” when a small area is cut out from the input image obtained from theimage input unit 909. It instructs the falsedetection reduction unit 106 to use either the detection reduction process or the false detection reduction process using the “object-likeness” summation around the detection position. The falsedetection reduction unit 106 performs false detection reduction processing in accordance with an instruction from the false detection reductionmethod switching unit 105.

次に、図１に示される画像入力部９０９の動作の詳細について図２を参照しながら説明する。  Next, details of the operation of theimage input unit 909 shown in FIG. 1 will be described with reference to FIG.

画像入力部９０９を介して取り込まれた入力画像２００に対して、検出すべき顔２０１、２０２は任意の位置に任意の大きさで存在する。これに対応するため画像入力部９０９では、入力画像からオブジェクト判定の対象となる小領域を所定のずらし幅でずらしながら切り出していく。例えば入力画像２００上の複数位置で複数の大きさの画像領域（オブジェクト判定の対象となる小領域）２０３を例えばラスタスキャン状に切り出していく。切り出された画像領域は、特徴評価部１０２に伝達される。この特徴評価部１０２以降では、ある1枚の入力画像２００中の複数の画像領域に対して顔か非顔かの判別処理が行われることになる。これによって、入力画像２００中の任意の場所に存在する任意の大きさの顔を検出することができる。  With respect to theinput image 200 captured via theimage input unit 909, thefaces 201 and 202 to be detected exist at arbitrary positions and in arbitrary sizes. In order to cope with this, theimage input unit 909 cuts out a small area to be subjected to object determination from the input image while shifting it with a predetermined shift width. For example, a plurality of image areas (small areas subject to object determination) 203 at a plurality of positions on theinput image 200 are cut out in a raster scan form, for example. The cut out image area is transmitted to thefeature evaluation unit 102. In thefeature evaluation unit 102 and later, a process for determining whether the face is a face or a non-face is performed on a plurality of image areas in oneinput image 200. As a result, it is possible to detect a face of an arbitrary size present at an arbitrary location in theinput image 200.

図１の特徴パターンデータベース１１０について説明する。  Thefeature pattern database 110 in FIG. 1 will be described.

特徴パターンデータベース１１０には顔判別に用いる複数の画像特徴パラメータが定義される。図３には、定義される画像特徴パターンの一例が示される。図３に示される特徴パターンは、黒矩形３０１と白矩形３０２から構成されており、この矩形内の画素値の総和の差分によって特徴量をもとめる。図４には、この特徴パラメータを定義した顔判別パラメータテーブル４００の一例が示される。顔と非顔を判別するためＮ（Ｎは、正の整数）個の画像特徴ｈ_ｉ（ｉ∈Ｎ）が定義されており、各特徴に対して顔判定を行う際の重みα、右斜め横顔判定を行う際の重みβ、左斜め横顔判定を行う際の重みγがそれぞれ定義されている。Thefeature pattern database 110 defines a plurality of image feature parameters used for face discrimination. FIG. 3 shows an example of the defined image feature pattern. The feature pattern shown in FIG. 3 is composed of ablack rectangle 301 and awhite rectangle 302, and the feature amount is obtained by the difference in the sum of the pixel values in the rectangle. FIG. 4 shows an example of a face discrimination parameter table 400 that defines the feature parameters. N (N is a positive integer) number of image features h_i (i∈N) are defined to discriminate between faces and non-faces. A weight β for side profile determination and a weight γ for left side profile determination are defined.

図１の特徴評価部１０２の動作の詳細について説明する。  Details of the operation of thefeature evaluation unit 102 in FIG. 1 will be described.

特徴評価部１０２では、入力された画像領域２０３に対する複数の特徴量を算出する。特徴パターンデータベース１１０内に定義された画像特徴パターンｈ_ｉに対して入力された画像領域２０３をベクトルＩとすると、得られる特徴量ｈ_ｉ(Ｉ)は、次式（数１）で求めることができる。Thefeature evaluation unit 102 calculates a plurality of feature amounts for theinput image region 203. When theimage area 203 input to the image feature pattern h_i defined in thefeature pattern database 110 is a vector I, the obtained feature quantity h_i (I) can be obtained by the following equation (Equation 1). it can.

ＲｅｃｔやＴｈｒｅは、特徴パラメータとされる。特徴評価部１０２では、上記の演算によってＮ個の特徴量を求める。求められた特徴量は、特徴量格納部１０３に格納される。  Rect and Thre are feature parameters. Thefeature evaluation unit 102 obtains N feature amounts by the above calculation. The obtained feature quantity is stored in the featurequantity storage unit 103.

尚、特徴評価部１０２で評価する特徴量として矩形特徴を用いた例を示したが、検出対象とするオブジェクトに応じて、ＥＯＨ（Edge of Orientation Histograms）やＨＯＧ（Histogram of Orientation Gradients）などの異なる特徴量を用いても良い。  In addition, although the example using the rectangular feature as the feature amount evaluated by thefeature evaluation unit 102 has been shown, different values such as EOH (Edge of Orientation Histograms) and HOG (Histogram of Orientation Gradients) differ depending on the object to be detected. A feature amount may be used.

図１のオブジェクト判別部１０４の動作の詳細について説明する。  Details of the operation of theobject determination unit 104 in FIG. 1 will be described.

オブジェクト判別部１０４では、各ステージで特徴評価部１０２にて得られた各特徴量ｈ_ｉ(Ｉ)を元に顔尤度を算出して画像領域２０３が顔か非顔かの判別を行う。顔判別の例として、「ＡｄａＢｏｏｓｔアルゴリズムによる識別方式を挙げることができる。この判別方式では、図４の顔判別パラメータテーブル４００に記述された各特徴ｈ_ｉに対する顔判別の重みα_ｉを用いた線形和から、そのステージsでの顔尤度Ｆ_s（Ｉ）を次式（数２）により算出する。Theobject discriminating unit 104 calculates face likelihood based on each feature amount h_i (I) obtained by thefeature evaluation unit 102 at each stage, and discriminates whether theimage region 203 is a face or a non-face. As an example of face discrimination, “a discrimination method based on the AdaBoost algorithm can be cited. In this discrimination method, linear using a face discrimination weight α_i for each feature h_i described in the face discrimination parameter table 400 of FIG. From the sum, the face likelihood F_s (I) at the stage s is calculated by the following equation (Equation 2).

これより、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理による顔尤度F_(A)(I)は、次式（数３）により算出される。From this, the face likelihood F_(A) (I) by the false detection reduction process using the “object-likeness” summation of only the object detection positions is calculated by the following equation (Equation 3).

また、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理による顔尤度F_(B)(I)は、次式（数４）により算出される。Further, the face likelihood F_(B) (I) by the false detection reduction process using the “object-likeness” summation around the detection position adjacent area is calculated by the following equation (Equation 4).

ただしCは検出位置隣接周辺を示す。顔尤度Ｆ_(A)（Ｉ）,Ｆ_(B)（Ｉ）が大きいほど顔らしいことを示しており、顔尤度Ｆが閾値Ｔｈ_Ｆ以上であれば顔、未満であれば非顔と判別する。オブジェクト判別部１０４では、判別結果が顔であれば、その結果を誤検出低減部１０６に出力する。誤検出低減方式切り替え部１０５では画像入力部９０９から得られた入力画像から小領域を切り出す際の「位置ずらし幅」の割合に基づいて、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理と、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理とのいずれを使用するかを誤検出低減部１０６に指示する。誤検出低減部１０６では誤検出低減方式切り替え部１０５からの指示に応じて、誤検出低減処理として顔尤度Ｆ_(A)（Ｉ）又はＦ_(B)（Ｉ）を算出し、閾値処理を行って最終的なオブジェクト（ここでは顔）の有無を判別する。Here, C indicates the vicinity of the detection position. Kaoyudo_{F (A) (I),} F (B) (I) indicates that seems the larger faces, a non-face is less than the face, if Kaoyudo F threshold Th_F or higher Determine. If the discrimination result is a face, theobject discrimination unit 104 outputs the result to the falsedetection reduction unit 106. The erroneous detection reductionmethod switching unit 105 uses the total “object-likeness” summation of only the object detection positions based on the ratio of “position shift width” when a small area is cut out from the input image obtained from theimage input unit 909. It instructs the falsedetection reduction unit 106 to use either the detection reduction process or the false detection reduction process using the “object-likeness” summation around the detection position. In response to an instruction from the false detection reductionmethod switching unit 105, the falsedetection reduction unit 106 calculates the face likelihood F_(A) (I) or F_(B) (I) as false detection reduction processing, and performs threshold processing. Go to determine if there is a final object (face here).

次に、図１の誤検出低減方式切り替え部１０５の動作の詳細について図５を参照しながら説明する。  Next, details of the operation of the erroneous detection reductionmethod switching unit 105 of FIG. 1 will be described with reference to FIG.

図５には、誤検出低減方式切り替え部１０５において行われる処理のフローチャートが示される。  FIG. 5 shows a flowchart of processing performed in the erroneous detection reductionmethod switching unit 105.

ステップ５０１では、画像入力部９０９より、小領域切り出し「位置ずらし幅」Ｗと小領域サイズＫを取得する。  Instep 501, a small area cutout “position shift width” W and a small area size K are acquired from theimage input unit 909.

ステップ５０２では、次式（数５）が成立するか否かの判別が行われる。Ｔ_ｓｗは、この判別のために設定された閾値である。上記ステップ５０２の判別において、成立する（Ｙｅｓ）と判断された場合には、ステップ５０３に遷移し、成立しない（Ｎｏ）と判断された場合には、ステップ５０４に遷移する。ステップ５０３に遷移したならば、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理の実行を誤検出低減部１０６に指示する。ステップ５０４に遷移したならば、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理の実行を誤検出低減部１０６に指示する。Instep 502, it is determined whether or not the following equation (Equation 5) holds. T_sw is a threshold set for this determination. If it is determined instep 502 that the condition is satisfied (Yes), the process proceeds to step 503. If it is determined that the condition is not satisfied (No), the process proceeds to step 504. When the process proceeds to step 503, the erroneousdetection reduction unit 106 is instructed to execute the false detection reduction process using the “object-likeness” summation of only the object detection position. If the process proceeds to step 504, the erroneousdetection reduction unit 106 is instructed to execute the false detection reduction process using the “object-likeness” summation around the detection position adjacent.

誤検出低減部１０６では、上記誤検出低減方式切り替え部１０５からの指示に対応する処理が実行される。このような処理が行われることで、ジェクト検出における、オブジェクト検出漏れの割合を急増させることなく、オブジェクトの誤検出を低減することができる。また、特許文献１に開示されているようなオブジェクト検出高速化方式で使用されるテクニックである「位置ずらし幅」の割合を適応的に変化させるケースでも、誤検出低減を安定に行うことができる。  In the falsedetection reduction unit 106, processing corresponding to the instruction from the false detection reductionmethod switching unit 105 is executed. By performing such processing, it is possible to reduce erroneous detection of an object without rapidly increasing the rate of object detection omission in the detection of the object. Further, even when the ratio of “position shift width”, which is a technique used in the object detection speed-up method disclosed inPatent Document 1, is adaptively changed, false detection reduction can be performed stably. .

＜実施の形態２＞
図７には、上記オブジェクト検出装置９００の別の構成例が示される。図７に示されるオブジェクト検出装置９００が、図５に示されるのと大きく相違するのは、設定制御部１０２０が設けられている点である。また、オブジェクト検出装置９００の外部には入力装置１０１０が設けられている。入力装置１０１０を介して、利用用途や環境に応じたパラメータをオブジェクト検出装置９００に入力することができ、この入力情報は、インタフェース９０７を介して設定制御部１０２０に伝達される。<Embodiment 2>
FIG. 7 shows another configuration example of theobject detection apparatus 900. Theobject detection apparatus 900 shown in FIG. 7 is greatly different from that shown in FIG. 5 in that asetting control unit 1020 is provided. Aninput device 1010 is provided outside theobject detection device 900. Parameters according to the usage and environment can be input to theobject detection device 900 via theinput device 1010, and this input information is transmitted to thesetting control unit 1020 via theinterface 907.

上記の構成において、入力装置１０１０を介して、誤検出低減方式切り替え部１０５における誤検出低減方式切り替え処理におけるパラメータ調整の命令を入力することができる。本命令を受け取った設定制御部１０２０は、誤検出低減方式切り替え部１０５における誤検出低減方式の切り替え処理のオン／オフ制御や感度の調整などのパラメータ制御を行う。これによりオブジェクト検出装置９００において、安定に誤検出を低減しつつ、誤検出低減の程度とオブジェクト検出漏れの程度を制御することが可能となる。  In the above configuration, a parameter adjustment command in the erroneous detection reduction method switching process in the erroneous detection reductionmethod switching unit 105 can be input via theinput device 1010. Receiving this command, the settingcontrol unit 1020 performs parameter control such as on / off control of erroneous detection reduction method switching processing and sensitivity adjustment in the erroneous detection reductionmethod switching unit 105. As a result, theobject detection apparatus 900 can control the degree of false detection reduction and the degree of object detection omission while stably reducing false detection.

図８には、上記入力装置１０１０で誤検出低減処理と誤検出低減方式切り替えにおけるパラメータ設定を行うためのパラメータ設定画面が示される。  FIG. 8 shows a parameter setting screen for performing parameter setting in the erroneous detection reduction process and the erroneous detection reduction method switching by theinput device 1010.

図８に示されるパラメータ設定画面１１００は、誤検出低減パラメータ１１０１と、誤検出低減方式切り替えパラメータ１１０２によって構成される。誤検出低減パラメータ１１０１で誤検出低減部１０６における誤検出低減の感度を制御する。誤検出低減の感度を例えば「レベル：高」に設定すると、前記顔尤度Ｆ_(A)（Ｉ）,Ｆ_(B)（Ｉ）に対する閾値Ｔ_Ｆを厳しくすることで、誤検出判定を厳しくする。Aparameter setting screen 1100 shown in FIG. 8 includes an erroneous detection reduction parameter 1101 and an erroneous detection reductionmethod switching parameter 1102. The false detection reduction sensitivity in the falsedetection reduction unit 106 is controlled by the false detection reduction parameter 1101. If the sensitivity of false detection reduction is set to “level: high”, for example, the threshold_TF for the face likelihoods F_(A) (I) and F_(B) (I) is tightened, thereby making the false detection determination severe. To do.

誤検出低減方式切り替えパラメータ１１０２では誤検出低減方式切り替えレベル（検出サイズに対する切り出し位置のずらし幅の比率に対する閾値T_sw）をパラメータとして設定する。こうして設定した各項目のパラメータ情報は、設定制御部１０２０に送られ、設定制御部１０２０においてＣＰＵ９０３でのオブジェクト検出処理に用いられる。In the erroneous detection reductionmethod switching parameter 1102, the erroneous detection reduction method switching level (threshold value T_sw for the ratio of the shift width of the cutout position to the detection size) is set as a parameter. The parameter information of each item set in this way is sent to thesetting control unit 1020, and is used for object detection processing in theCPU 903 in thesetting control unit 1020.

以上本発明者によってなされた発明を実施形態に基づいて具体的に説明したが、本発明はそれに限定されるものではなく、その要旨を逸脱しない範囲において種々変更可能であることは言うまでもない。  Although the invention made by the present inventor has been specifically described based on the embodiments, it is needless to say that the present invention is not limited thereto and can be variously modified without departing from the gist thereof.

例えば、上記の実施形態では、ＣＰＵ９０３が所定のプログラムを実行することによりオブジェクト検出部を機能的に実現したが、このオブジェクト検出部をハードウェアによって形成しても良いし、ソフトウェアとハードウェアの双方で構成しも良い。  For example, in the above embodiment, the object detection unit is functionally realized by theCPU 903 executing a predetermined program. However, the object detection unit may be formed by hardware, or both software and hardware may be used. It may be configured with.

上記では誤検出低減方式として非特許文献１および２に記載されている処理方式、すなわち、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理や、検出位置隣接周辺での「オブジェクトらしさ」総和を使った誤検出低減処理を選択的に実行する場合について説明したが、これに限定されない。すなわち、他の誤検出低減方式であっても、入力画像からオブジェクト判定の対象となる小領域を所定のずらし幅でずらしながら切り出す際のずらし幅の割合でオブジェクト検出漏れの性質が変化するならば、誤検出低減部１０６に実装して切り替え対象とすることができる。  In the above, the processing methods described inNon-Patent Documents 1 and 2 as false detection reduction methods, that is, false detection reduction processing using the sum of “object-likeness” only at object detection positions, and “objects in the vicinity of detection positions” Although the case where the false detection reduction process using the “likeness” sum is selectively executed has been described, the present invention is not limited to this. In other words, even if other false detection reduction methods are used, if the nature of the object detection omission changes with the ratio of the shift width when the small area that is the object determination target is extracted from the input image while shifting with a predetermined shift width, It can be mounted on the falsedetection reduction unit 106 to be a switching target.

１００ オブジェクト検出部
１０２ 特徴評価部
１０３ 特徴量格納部
１０４ オブジェクト判別部
１０５ 変化オブジェクト判別部
１０６ 判別結果出力部
１１０ 特徴パターンデータベース
２００ 入力画像
２０１、２０２ 顔
２０３ 画像領域
３０１、３０２ 矩形特徴
４００ 顔判別パラメータテーブル
５０１ ステップ
９０１ 撮像部
９０２ 画像メモリ
９０３ ＣＰＵ
９０４ ＲＡＭ
９０５ ＲＯＭ
９０６ 計測結果記録部
９０７ インタフェース
９０８ 出力装置
９０９ 画像入力部
９１０ バス
１０１０ 入力装置
１０２０ 設定制御部
１１００ パラメータ設定画面
１１０１ 誤検出低減レベルパラメータ
１１０２ 誤検出低減方式切り替えレベルパラメータDESCRIPTION OF SYMBOLS 100Object detection part 102Feature evaluation part 103 Feature-value storage part 104 Object discrimination |determination part 105 Changed object discrimination |determination part 106 Discriminationresult output part 110Feature pattern database 200Input image 201, 202Face 203Image area 301, 302Rectangular feature 400 Face discrimination parameter Table 501Step 901Imaging unit 902Image memory 903 CPU
904 RAM
905 ROM
906 Measurementresult recording unit 907interface 908output device 909image input unit 910bus 1010input device 1020setting control unit 1100 parameter setting screen 1101 false detectionreduction level parameter 1102 false detection reduction method switching level parameter

Claims (5)

Translated fromJapanese

入力画像からオブジェクト判定の対象となる小領域を所定のずらし幅でずらしながら切り出していく第１処理と、上記入力画像における上記小領域毎の特徴量を算出する第２処理と、上記特徴量の算出結果に基づいて上記小領域毎にオブジェクトか非オブジェクトかを判別する第３処理とを、オブジェクト検出装置で実行するオブジェクト検出方法であって、
上記第３処理におけるオブジェクト判定の誤りを低減するための第１誤検出低減処理と、上記第１誤検出低減処理とは異なる方式により、上記第３処理におけるオブジェクト判定の誤りを低減するための第２誤検出低減処理とを、誤検出低減方式切り替え部により、上記小領域を切り出す際のずらし幅に応じて選択的に実行させることを特徴とするオブジェクト検出方法。A first process for cutting out a small area as an object determination target from the input image while shifting the object by a predetermined shift width; a second process for calculating a feature quantity for each of the small areas in the input image; and An object detection method in which an object detection device executes a third process for determining whether an object or a non-object for each small region based on a calculation result,
A first error detection reduction process for reducing object determination errors in the third process and a first error detection error reduction process for reducing object determination errors in the third process are different from the first error detection reduction process. (2) An object detection method, wherein the erroneous detection reduction process is selectively executed by an erroneous detection reduction method switching unit according to a shift width when the small area is cut out. 上記第１誤検出低減処理には、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理が含まれ、
上記第２誤検出低減処理には、オブジェクト検出位置周辺での「オブジェクトらしさ」総和を使った誤検出低減処理が含まれ、
上記入力画像から小領域を切り出す際の位置ずらし幅の割合が所定の閾値より大きい場合には、上記誤検出低減方式切り替え部により上記第１誤検出低減処理が選択され、入力画像から小領域を切り出す際の位置ずらし幅の割合が上記閾値より大きくない場合には、誤検出低減方式切り替え部により上記第２誤検出低減処理が選択される請求項１記載のオブジェクト検出方法。The first false detection reduction process includes a false detection reduction process using the “object-likeness” sum of only the object detection positions,
The second false detection reduction processing includes false detection reduction processing using the “object-likeness” summation around the object detection position.
When the ratio of the position shift width when the small area is cut out from the input image is larger than a predetermined threshold, the first erroneous detection reduction process is selected by the erroneous detection reduction method switching unit, and the small area is selected from the input image. The object detection method according to claim 1, wherein when the ratio of the position shift width at the time of cutting is not larger than the threshold value, the second erroneous detection reduction process is selected by the erroneous detection reduction method switching unit. 入力画像からオブジェクト判定の対象となる小領域を所定のずらし幅でずらしながら切り出していく第１処理と、上記入力画像における上記小領域毎の特徴量を算出する第２処理と、上記特徴量の算出結果に基づいて上記小領域毎にオブジェクトか非オブジェクトかを判別する第３処理とを実行するオブジェクト検出装置であって、
上記第３処理におけるオブジェクト判定の誤りを低減するための第１誤検出低減処理と、上記第１誤検出低減処理とは異なる方式により、上記第３処理におけるオブジェクト判定の誤りを低減するための第２誤検出低減処理とを選択的に実行可能な誤差検出低減部と、
上記小領域を切り出す際のずらし幅に応じて、上記誤差検出低減部における上記第１誤検出低減処理と第２誤検出低減処理とを切り替え可能な誤検出低減方式切り替え部と、を含むことを特徴とするオブジェクト検出装置。A first process for cutting out a small area as an object determination target from the input image while shifting the object by a predetermined shift width; a second process for calculating a feature quantity for each of the small areas in the input image; and An object detection device that executes a third process for determining whether each small region is an object or a non-object based on a calculation result,
A first error detection reduction process for reducing object determination errors in the third process and a first error detection error reduction process for reducing object determination errors in the third process are different from the first error detection reduction process. An error detection reduction unit capable of selectively executing two erroneous detection reduction processes;
An error detection reduction method switching unit capable of switching between the first error detection reduction process and the second error detection reduction process in the error detection reduction unit according to a shift width when cutting out the small region. A featured object detection device. 上記第１誤検出低減処理は、オブジェクト検出位置のみの「オブジェクトらしさ」総和を使った誤検出低減処理を含み、
上記第２誤検出低減処理は、オブジェクト検出位置周辺での「オブジェクトらしさ」総和を使った誤検出低減処理を含み、
上記誤検出低減方式切り替え部は、上記入力画像から小領域を切り出す際の位置ずらし幅の割合が所定の閾値より大きい場合には、上記第１誤検出低減処理を選択し、入力画像から小領域を切り出す際の位置ずらし幅の割合が上記閾値より大きくない場合には、上記第２誤検出低減処理を選択する請求項３記載のオブジェクト検出装置。The first false detection reduction process includes a false detection reduction process using the “object-likeness” sum of only the object detection positions,
The second false detection reduction process includes a false detection reduction process using the “object-likeness” summation around the object detection position,
The false detection reduction method switching unit selects the first false detection reduction process and selects the small region from the input image when the ratio of the position shift width when the small region is cut out from the input image is larger than a predetermined threshold. The object detection device according to claim 3, wherein the second erroneous detection reduction process is selected when the ratio of the position shift width when cutting out is not larger than the threshold. 外部から与えられた情報に従って、上記誤検出低減方式切り替え部における処理のパラメータ制御を行う設定制御部を含む請求項４記載のオブジェクト検出装置。  The object detection apparatus according to claim 4, further comprising a setting control unit that performs parameter control of processing in the erroneous detection reduction method switching unit in accordance with information given from outside.

Images