拍摄设备、方法和计算机程序产品的制作方法

专利名称：拍摄设备、方法和计算机程序产品的制作方法
技术领域：
本发明涉及用于通过拍摄而获得图像的拍摄设备和方法，诸如数 码相机等。本发明还涉及用于使计算机执行该拍摄方法的计算机程序产品。
背景技术：
在用数码相机拍摄中，惯例是从通过拍摄而获得的图像中检测目 标对象，诸如面部等，改变用于针对该图像执行的图像处理的条件或 者当拍摄时根据该目标对象的检测结果而改变拍摄条件。尤其当目标 对象是面部时， 一般还要计算检测到的面部的数目并且在剪裁所检测 到的面部之后记录该图像。为了从图像中检测目标对象并且如上所述地对该图像执行各种类 型的图像处理，有必要准确地从图像中检测目标对象。因此，已经提 议了用于准确检测目标对象的不同方法。例如，如日本待审专利公开2002-183734所述，提议了一种方法，其中，当通过拍摄鉴别目标人物 的面部图像而鉴别多个鉴别目标人物时，从面部图像中提取目标鉴别 人物的面部的特征量，计算提取的特征量与参考特征量之间的相似度 水平，在计算出的相似度水平与阈值之间进行比较，根据是否在鉴别 目标人物的高使用时间内执行鉴别而改变阈值，由此改善了在鉴别目 标人物的高使用时间期间的成功鉴别率。例如，如日本待审专利公开2005-78376中所述，提议了另一种方 法，其中，从图像中检测面部候选，不满足预定条件的面部候选，诸 如面部候选的色散值太小，或者肉色区域所占的比例太大，这样的面 部候选就被确定为非面部并且从检测到的面部候选中排除。上述专利公开物中所描述的方法可以改善面部鉴别准确度或者面 部检测准确度，但进一步改善准确度的要求依然存在。考虑到上述的因素而开发出本发明，本发明的目标在于进一步改 善从图像中检测面部的准确度。发明内容面部和非面部之间存在很大差别，面部包括面部成分，诸如眼睛、 鼻子、嘴等，而非面部则不包括这些面部成分。因此，对面部成分的考虑可以为确定图像中所包括的面部候选是否是真面部提供有效的线 索。通过将注意力集中于这一点上而开发出了本发明。也就是说，根据本发明的第一拍摄设备是一种这样的设备，其包括拍摄装置，用于通过拍摄获得图像；面部检测装置，用于检测图像中包括的面部候选；面部成分检测装置，用于针对每一面部成分而检测面部候选中包 括的至少一个面部成分的候选；以及确定装置，用于基于针对每一面部成分而检测的面部成分候选的 数目确定面部候选是否是真面部。这里使用的"面部成分"所指的意思是面部中所包括的成分，更 具体地，使用双眼的内角、双眼的外角、左右鼻侧面、左右嘴角、以 及嘴中心部分等作为面部成分。这里，如果面部候选是真面部，通常 情况下，在对应于每一面部成分的位置处不仅仅检测到一个面部成分 候选，而是检测到分布在对应于每一面部成分的位置周围的多个候选。 因此，在本发明中，针对每一面部成分检测一个或更多面部成分候选。根据本发明的第二拍摄设备是一种这样的设备，其包括拍摄装置，用于通过拍摄获得图像； 面部检测装置，用于检测图像中包括的面部候选； 面部成分检测装置，用于针对每一面部成分而检测面部候选中包括的多个面部成分的候选；以及确定装置，用于基于针对每一面部成分而检测的面部成分候选的位置确定面部候选是否是真面部。在根据本发明的第二拍摄设备中，所述确定装置可以是用于针对 对应面部成分计算面部候选的区域内的每一面部成分候选的位置可能 性、并且基于所述位置可能性确定面部候选是否是真面部的装置。进而，在根据本发明的第二拍摄设备中，所述确定装置可以是用 于计算面部候选的区域内的每一面部成分候选相对于对应面部成分以外的其他面部成分的位置关系可能性、并且基于所述位置关系可能性 确定面部候选是否是真面部的装置。进而，在根据本发明的第二拍摄设备中，所述确定装置可以是用 于归一化面部候选使得每一面部成分候选的位置对应于面部候选区域 内相应面部成分的位置、并且基于归一化的面部候选内的每一面部成 分的位置来确定面部候选是否是真面部的装置。这里使用的"归一化面部候选"所指的意思是将每一面部成分候 选置于面部候选区域内其合适的位置处。更具体地，通过以面部候选 区域内的图像的仿射变换来縮放、转换和旋转每一面部成分，每一面 部成分候选可以置于其合适位置处。根据本发明的第三拍摄设备是一种这样的设备，其包括: 拍摄装置，用于通过拍摄获得图像； 面部检测装置，用于检测图像中包括的面部候选；括的多个面部成分的候选；以及确定装置，用于基于针对每一面部成分检测的面部成分候选的数 目确定面部候选是否是真面部、非面部、或不明确面部，并且对于被 确定为不明确面部的面部候选，基于针对每一面部成分而检测的面部 成分候选的位置确定被确定为不明确面部的面部候选是否是真面部。在根据本发明的第一到第三拍摄设备中，所述面部检测装置可以 是用于移动具有预定尺寸、用来检测图像上的面部的检测框从而在其 每一移动位置处从检测框内的图像中计算特征量、计算计算出的特征 量与预定面部特征量之间的匹配水平、当所述匹配水平大于或等于预 定阈值时基于预定条件而选择是否将检测框的位置处的图像检测为面 部候选或真面部的装置。进而，在根据本发明的第一到第三拍摄设备中，在所述拍摄装置 是用于连续地获得图像的装置的情况下，所述面部检测装置可以是用 于针对连续获得的图像、将在检测框的位置处的图像检测为真面部、 当不再检测到真面部时将在检测框的位置处的图像检测为面部候选的 装置。在根据本发明的第三拍摄设备中，在所述拍摄装置是用于连续地 获得图像的装置的情况下，所述面部检测装置可以是用于针对连续获 得的图像、将在检测框的位置处的图像检测为真面部、当图像的场景 亮度不再满足预定条件时将在检测框的位置处的图像检测为面部候选 的装置。根据本发明的第一拍摄方法是一种这样的方法，其包括如下步骤通过拍摄获得图像；检测图像中包括的面部候选；针对每一面部成分而检测面部候选中包括的至少一个面部成分的 候选；以及基于针对每一面部成分而检测的面部成分候选的数目确定面部候 选是否是真面部。根据本发明的第二拍摄方法是一种这样的方法，其包括如下步骤通过拍摄获得图像；检测图像中包括的面部候选；针对每一面部成分而检测面部候选中包括的多个面部成分的候 选；以及基于针对每一面部成分而检测的面部成分候选的位置确定面部候 选是否是真面部。根据本发明的第三拍摄方法是一种这样的方法，其包括如下步骤:通过拍摄获得图像；检测图像中包括的面部候选；针对每一面部成分而检测面部候选中包括的多个面部成分的候选；基于针对每一面部成分检测的面部成分候选的数目确定面部候选 是否是真面部、非面部、或不明确面部；以及对于被确定为不明确面部的面部候选，基于针对每一面部成分而 检测的面部成分候选的位置确定被确定为不明确面部的面部候选是否 是真面部。注意，根据本发明的第一到第三拍摄方法可以以用于使计算机执 行该方法的计算机程序产品的方式提供。根据第一拍摄设备和方法，检测通过拍摄获得的图像中包括的面 部候选，针对每一面部成分检测面部候选中包括的至少一个面部成分 的候选。然后，基于针对每一面部成分检测的面部成分候选的数目确 定面部候选是否是真面部。这里，面部包括面部成分，诸如眼睛、鼻 子、嘴等，如果面部候选是真面部，针对每一面部成分检测更多的面部成分候选。因此，可以通过基于针对每一面部成分检测的面部成分 候选的数目确定面部候选是否是真面部，而从面部候选中准确地检测 真面部。根据第二拍摄设备和方法，检测通过拍摄获得的图像中包括的面 部候选，针对每一面部成分检测面部候选中包括的多个面部成分的候 选。然后，基于针对每一面部成分检测的面部成分候选的位置确定面 部候选是否是真面部。这里，面部包括面部成分，诸如眼睛、鼻子、 嘴等，如果面部候选是真面部，每一面部成分候选位于对应面部成分 的位置处。因此，可以通过基于针对每一面部成分检测的面部成分候 选的位置确定面部候选是否是真面部，而从面部候选中准确地检测真 面部。在此情况下，可以通过归一化面部候选而使得每一面部成分候选 的位置对应于相应面部候选的位置而更准确地确定面部候选是否是真 面部。根据第三拍摄设备和方法，检测通过拍摄获得的图像中包括的面 部候选，针对每一面部成分检测面部候选中包括的多个面部成分的候 选。然后，基于检测到的面部成分候选的数目确定面部候选是否是真 面部、非面部、或不明确面部。进而，基于每一面部成分候选的位置 来确定被确定为不明确面部的面部候选是否是真面部。这里，如果在基于面部成分候选的数目确定面部候选是否是真面 部与基于每一面部成分的位置确定面部候选是否是真面部之间进行比 较，前者需要更少的计算量。因此，可以通过只针对基于面部成分候 选的数目而被确定为不明确面部的面部候选，基于其每一面部成分候 选的位置，进行关于面部候选是否是真面部的确定，以较少的计算量 从面部候选中准确地检测真面部。


图1是应用根据本发明第一实施例的拍摄设备的数码相机的示意 框图，图示说明了其配置。图2图示说明了如何检测面部候选。图3A、 3B图示说明了如何检测面部成分候选。 图4A、 4B图示说明了如何确定面部候选是否是真面部。 图5图示说明了直通图像，其中，真面部由矩形围绕。 图6是图示说明第一实施例中执行的处理的流程图。 图7图示说明了面部成分存在概率的概率分布。 图8图示说明了概率分布曲线。图9图示说明了接近概率分布的面部成分候选的示例位置。图10图示说明了为每一面部成分候选计算的位置可能性。图11图示说明了关于两个面部候选的各自面部成分的面部成分候选的位置可能性的平均值。图12是图示说明第二实施例中执行的处理的流程图。图13图示说明了右眼内角相对于双眼外角、左眼内角、左右鼻侧面、左右嘴角和嘴中心位置的八个面部成分的存在概率的概率分布。 图14是图示说明第三实施例中执行的处理的流程图。 图15图示说明了面部成分的位置移动。 图16是图示说明第四实施例中执行的处理的流程图。 图17是图示说明第五实施例中执行的处理的流程图。 图18是图示说明第六实施例中执行的处理的流程图。 图19是图示说明第七实施例中执行的处理的流程图。 图20是应用根据本发明第八实施例的拍摄设备的数码相机的示意框图，图示说明了其配置。图21是图示说明第八实施例中执行的处理的流程图。
具体实施方式
下文中，将结合附图来描述本发明的示例实施例。图1是应用根 据本发明第一实施例的拍摄设备的数码相机的示意框图，图示说明了其配置。如图1所示，根据本实施例的数码相机1包括操作系统2和 操作系统控制部分3，其中操作系统2包括操作模式开关、变焦推杆、 上下左右按钮、释放按钮、电源开关等，而操作系统控制部分3是用于将这些开关的操作内容传送到CPU 40的接口部分。至于成像系统6，数码相机1包括聚焦镜头10a和变焦镜头10b， 其组成了拍摄镜头10。每一镜头都可分别通过聚焦镜头驱动部分11和 变焦镜头驱动部分12而沿着光轴方向移动，聚焦镜头驱动部分11和 变焦镜头驱动部分12中每个都包括马达和马达驱动器。聚焦镜头驱动 部分11基于从AF处理部分30输出的聚焦驱动量数据来控制聚焦镜头 10a的移动。变焦镜头驱动部分12基于变焦推杆的操作量来控制变焦 镜头10b的移动。孔径光阑14由孔径光阑驱动部分15来驱动，孔径光阑驱动部分 15包括马达和马达驱动器。孔径光阑驱动部分15基于从AE/AWB处 理部分31输出的孔径值数据来控制孔径光阑的孔径直径。快门16是机械快门，由快门驱动部分17驱动，快门驱动部分17 包括马达和马达驱动器。快门驱动部分17基于释放按钮被按下时生成 的信号以及从AE/AWB处理部分31输出的快门速度数据来执行对快门 16的开/合控制。作为图像传感器的CCD 18提供于光学系统的后侧。CCD 18具有 光电表面，该光电表面包括二维放置的大量光接收元件，表示通过光 学系统传送的被摄物图像的光被聚焦于光电表面并进行光电转换。用 于将光引导至各个像素的微镜头阵列以及包括规则排列的R、 G、 B滤 镜的色滤镜阵列被放置在光电表面之前。CCD 18逐行地读出存储在各 个像素中的电荷，与由CCD控制部分19所提供的垂直传输时钟信号 和水平传输时钟信号同步，并且输出电荷作为串行模拟图像信号。每 一像素的电荷存储时间，即曝光时间，是由CCD控制部分19所提供的电子快门驱动信号来确定的。CCD 18由CCD控制部分19进行增益 调节，从而获得具有预定幅度的模拟图像信号。拍摄镜头10、孔径14、快门16以及CCD 18构成了成像系统6。CCD 18所获得的模拟图像信号被输入到模拟信号处理部分20。 模拟信号处理部分20包括用于从模拟信号中去除噪声的相关双采样 电路(CDS);用于控制模拟信号的增益的自动增益控制器(AGC); 以及用于将模拟信号转换为数字信号的A/D转换器(ADC)。模拟信 号处理部分20所执行的处理被称为模拟信号处理。转换为数字信号的 图像数据是CCD-RAW数据，其中每一像素都具有RGB密度值。时序发生器21是用于生成时序信号的发生器，时序信号被输入到 快门驱动部分17、 CCD控制部分19、模拟信号处理部分20，由此， 释放按钮的操作、快门16的开/合、CCD 18的电荷获取以及模拟信号 处理部分20的处理都得以同步。闪光控制部分23使得闪光灯24在拍摄时发射光。图像输入控制器25向帧存储器26中写入从模拟信号处理部分20 输入的CCD-RAW数据。帧存储器26是在针对图像数据执行各种类型数字图像处理(信号 处理)时使用的工作存储器，诸如使用SDRAM (同步动态随机存取存 储器)，其与具有恒定周期的总线时钟信号相同步地执行数据传输。显示控制部分27是控制部分，用于使得监视器18将存储在帧存 储器26中的图像数据显示为直通图像，或者在处于回放模式时显示存 储在记录介质35中的图像数据。直通图像是选择拍摄模式时CCD 18 以预定时间间隔获得的。AF处理部分30和AWB处理部分31基于预图像来确定拍摄条件。 预图像是基于作为CCD 18所执行的预拍摄的结果而存储在帧存储器 16中图像数据的图像，所述预拍摄是由CPU40引起的，其中CPU40 检测到在半按下释放按钮时生成的半按下信号。AF处理部分30基于预图像来检测聚焦位置，输出聚焦驱动量数 据(AF处理)。至于上述的用于检测聚焦位置的方法，可以使用被动 系统，其通过利用图像对比度在对所需被摄物聚焦时变高这一情况而 检测焦点对准的位置。AE/AWB处理部分31基于预图像来测量被摄物亮度，基于测量到 的被摄物亮度来确定ISO感光度、孔径值、快门速度等，确定ISO感 光度数据、孔径值数据和快门速度数据等作为曝光设定值(AE处理)， 并且在拍摄时自动地调节白平衡(AWB处理)。注意，在将拍摄模式 设定为手动模式时，曝光和白平衡可以由数码相机1的拍摄者手动设 定。进而，即使在自动地设定曝光和白平衡的情况下，操作者也可以 通过操作系统2给出指令来手动地调节曝光和白平衡。图像处理部分32针对主图像的图像数据执行图像质量校正，诸如 色调校正、锐度校正、色彩校正等。此外，其执行YC处理，其中， CCD-RAW数据被转换为Y数据与C数据，Y数据即亮度信号数据，C 数据包括作为蓝色色差信号的Cb数据和作为红色色差信号的Cr数据。 这里所称的"主图像"意思是基于由CCD 18在执行通过完全按下释放 按钮而实现的主拍摄时拾取的并且通过模拟信号处理部分20和图像输 入控制器25而存储在帧存储器26中的图像数据的图像。实际图像的 像素数上限取决于CCD 18的像素数。但是，用于记录的像素数可以变 化，例如，通过精细或正常设定等。在平均时间里，直通图像或预图 像的像素数可能小于实际图像，例如是主图像的1/16。在由图像处理部分32执行图像质量校正和转换之后，压縮/扩展处理部分33通过对图像数据执行压縮而生成例如JPEG格式图像文件。 将包括诸如拍摄的日期和时间等的辅助信息的标签信息基于例如Exif 格式等附加于图像文件。进而，在回放模式中，压缩/扩展处理部分33 从记录介质35中读出压縮的图像文件，对其执行扩展。扩展的图像数 据被输出到监视器18以显示图像数据的图像。介质控制部分34访问记录介质35以控制图像文件的读取/写入操作。内部存储器36存储要在数码相机1内设定的各种常数、要由CPU 40执行的程序等。面部检测部分37检测通过拍摄所获得的图像中包括的所有面部 候选。这里，图像可以是直通图像、预图像、或者主图像。至于面部 检测方法，使用下面的方法。也就是，在该方法中，在图像上逐比特 地移动具有特定尺寸的检测框，以在检测框的每个移动位置处计算检 测框内图像的特征量，然后计算计算出的特征量与预定面部特征量之 间的匹配水平，其中匹配水平大于或等于阈值ThO的检测框的位置被 检测为面部候选。注意，通过改变检测框的尺寸而检测具有不同尺寸 的面部候选。这允许从图2所示的图像Gl中检测被矩形框所围绕的面部候选 F1到F5。图2包括其中那个不存在面部的由检测框所围绕的区域，因 为其也是被检测到的面部的候选。注意，面部候选检测方法不限于此，可以使用任何方法，例如，将具有肉色且围绕面部轮廓形状的图像的矩形区域检测为面部候选， 或者将具有面部轮廓形状的区域检测为面部候选。面部成分检测部分38检测面部成分候选，该面部成分候选是关于 包括在面部候选中的多个面部成分的候选。在这个实施例中，针对九个面部成分Kl到K9来检测面部成分候选，这九个面部成分为双眼的 外角Kl、 K2、双眼的内角K3、 K4、左右鼻侧面K5、 K6、左右嘴角 K7、 K8、以及嘴中心部分K9。更具体地，在处理目标面部候选的区域 内的图像上逐比特地移动每一矩形面部成分图案，以在每一移动位置 处计算匹配水平，将匹配水平大于或等于预定阈值Thl的图案的位置 的坐标检测为面部成分候选。这里，上述的坐标是面部候选区域内的 坐标，其原点位于面部候选区域的左上角。当面部候选为真面部时，如果匹配水平大于或等于阈值Thl的图 案的位置被检测为面部成分候选，则通常在对应于每一面部成分K1到 K9的位置处不仅仅检测到一个面部成分候选，而是检测到多个候选分 布在对应于每一面部成分K1到K9的位置的周围。因此，面部成分检 测部分38针对每一面部成分检测到一个或多个面部成分候选。这里，如果面部候选包括九个面部成分K1到K9中的每一个，则 检测到分别对应于九个面部成分的面部成分候选，即双眼的外角Kl、 K2、双眼的内角K3、 K4、左右鼻侧面K5、 K6、左右嘴角K7、 K8、 以及嘴中心部分K9，如图3A所示。进而，例如，关于左眼的内角， 检测到多个面部成分候选，如图3B中"x"记号所标出。当没有检测到具有大于或等于阈值Thl的匹配水平的面部成分候 选时，确定没有检测到对应于面部成分的候选。确定部分39基于针对每一面部成分的面部成分候选的数目来确 定面部检测部分37所检测到的每一面部候选是否是真面部，并且将确 定为真面部的面部候选检测为真面部。更具体地，计算针对九个面部 成分Kl到K9的每一个的面部成分候选的总和Nl到N9中的每一个， 用于处理所有面部候选的目标面部候选，以及进一步地，计算Nsum，即总和Nl到N9的合计总和。然后，如果合计总和Nsum大于或等于 阈值Th2，则将处理目标面部候选确定为真面部，该面部候选被检测为 真面部。当合计总和Nsum大于阈值Th2时，处理目标面部候选被确 定为非面部。注意，关于处理目标面部候选是否是真面部的确定也可以以下步 骤而进行通过在九维空间上绘制针对九个面部成分Kl到K9中每一 个的面部成分候选的总和Nl到N9的每一个、在九维空间中设置确定 阈值的超平面或超曲面、根据绘制的总和N1到N9位于超平面或超曲 面的哪个面而确定处理目标面部候选是否是真面部。这里，如果简便 起见，用于确定的面部成分限于左右嘴角K7、 K8以及嘴中心部分K9, 则在三维空间上绘制总和N7到N9。图4A、 4B图示说明了具有在其 上绘制了总和N7到N9的三维空间。如果总和N7到N9绘制如图4A 所示，绘制的位置X1 (N7,N8,N9)位于确定阈值的超平面Al的上面 (即，在具有更大值的一侧)。因此，如果总和N7到N9绘制如图4A 所示，则处理目标面部候选被确定为真面部。另一方面，如果总和N7到N9绘制如图4B所示，绘制的位置X2 (N7,N8,N9)位于确定阈值的超平面Al的下面(即，在具有更小值 的一侧)。因此，如果总和N7到N9绘制如图4B所示，则处理目标 面部候选不被确定为真面部。注意，这里也可以使用另一方法，其中，对总和N7到N9中的每 一个是否超过阈值Th3进行确定，当超过阈值Th3的总和的数目超过 阈值Th4时，处理目标面部候选被确定为真面部。CPU 40响应于来自各个部分的信号而控制数码相机l的主机身的 每一部分，包括操作系统2、 AF处理部分30等。此外，当拍摄直通图 像时，CPU40控制面部检测部分37、面部成分检测部分38、以及确定 部分39，使得从每一直通图像中检测到真面部。当确定部分39检测到真面部时，CPU 40指令显示控制部分27显示直通图像，检测到的真面 部用矩形区域Al到A3围绕，如图5所示。注意，矩形区域对应于面 部检测部分37所检测到的面部候选的检测框。数据总线41连接到各种处理部分、帧存储器26、 CPU 40等，数 字图像数据、各种指令等通过数据总线进行交换。接下来，将描述在第一实施例中执行的处理。图6是图示说明在 第一实施例中执行的处理的流程图。当数码相机1的操作模式被设置 为拍摄模式时，该处理由CPU40启动并且记录直通图像(步骤ST1)。 然后，面部检测部分37检测直通图像中包括的所有面部候选(步骤 ST2)。然后，以第i个面部候选作为处理目标面部候选，面部成分检测 部分38针对每一面部成分从处理目标面部中检测面部成分候选(步骤 ST3)。注意，"i"的初始值为1。可以执行面部成分检测的顺序为， 例如，从直通图像上位于观察者左边的面部候选朝向右边。然后，确定部分39确定针对由面部成分检测部分38所检测的每 一面部成分的面部成分候选的总和的合计总和Nsum是否大于或等于 阈值Th2(步骤ST4)。如果步骤ST4为肯定的，处理目标面部候选被 检测为真面部(步骤ST5)。另一方面，如果步骤ST4是否定的，处 理目标面部候选被检测为非面部(步骤ST6)。步骤ST5和ST6之后，CPU 40确定是否针对所有面部候选完成 了确定部分39所做出的确定(步骤ST7)。如果步骤ST7为否定的，"i"的值递增一 (步骤ST8),处理返回步骤ST3。如果步骤ST7为 肯定的，具有由矩形区域围绕的真面部的直通图像显示在监视器28上(步骤ST9)，处理返回到步骤ST1。这样，在第一实施例中，基于检测到的面部成分候选的数目而从 每一面部候选中检测真面部。这里，面部包括面部成分，诸如眼、鼻、 嘴等，如果面部候选是真面部，对于一个面部成分就应该检测到更多 的面部成分候选。因此，基于针对每一面部成分的面部成分候选而确 定面部候选是否是真面部允许从面部候选中准确检测真面部。在第一实施例中，检测九个面部成分，即双眼的外角K1、 K2、双眼的内角K3、 K4、左右鼻侧面K5、 K6、左右嘴角K7、 K8、以及嘴 中心部分K9，但并不是所有成分都需要被检测，检测这些面部成分中 的一个或多个的候选就可以令人满意。在此情况下，要与总和的合计 总和Nsum相比较的阈值Th2可以根据要检测的面部成分的数目而变 化。当只检测一个面部成分时，有可能检测双眼的外角或内角的任何 一个。进而，要检测的面部成分不限于双眼的外角、双眼的内角、左 右鼻侧面、左右嘴角、嘴中心部分，并且，任何成分都可以使用，只 要其组成面部，诸如眉毛、双眼的瞳孔等。接下来，将描述本发明的第二实施例。第二实施例不同于第一实 施例的地方仅在于确定部分39所执行的处理，由此，这里将不会进一 步详细描述其配置。在第二实施例中，确定部分(其不同于第一实施例，称之为确定 部分39A)针对由面部成分检测部分38所检测的每一面部成分而计算 面部成分候选的位置可能性，基于位置可能性而确定面部候选是否是 真面部。这里使用的"位置可能性"所指的意思是检测到的面部成分 候选位于面部候选区域内对应面部成分的合适位置处的可能性。这里，在这个实施例中，预先获得表示面部候选内的九种类型的 面部成分的每一个的存在概率的概率分布。图7图示说明表示面部成分的存在概率的概率分布。图7中所示的每一概率分布表示检测到归一化为预定特定尺寸的面部候选的检测框内的双眼的外角Kl、 K2、双眼的内角K3、 K4、左右鼻侧面K5、 K6、左右嘴角K7、 K8、以及嘴中心部分K9等九个面部成分的每一个 的存在概率的概率分布。图7中的圆圈Bl到B9分别指示双眼的外角 Kl、 K2、双眼的内角K3、 K4、左右鼻侧面K5、 K6、左右嘴角K7、 K8、以及嘴中心部分K9的存在概率的概率分布。如果图7的表面视为 X-Y平面，垂直于该表面的方向视为"z"方向，则"z"方向表示每一 面部成分的存在概率，如图8概率分布曲线中所示。因此，位置上越 接近每个圆圈的中心，每一面部成分的存在概率就越大。可以使用大量面部采样图像来预先获得概率分布。确定部分39A将面部检测部分37所检测到的每一面部候选归一化 为上述的特定尺寸，并且针对每一归一化面部候选内的每一面部成分、 通过指向对应面部成分的概率分布来计算面部成分候选的存在概率作 为位置可能性。更具体地，对于每一面部成分候选，获得接近表示对 应面部成分的存在概率的概率分布的位置，将该位置处的存在概率计 算为位置可能性。这可以提供每一面部成分候选的位置可能性，例如， 如果左眼外角的候选1到4位于接近图9中所示的概率分布Bl的位置 Cl到C4，位于位置Cl的左眼外角候选1的可能性为0%，位于位置 C2的左眼外角候选2的可能性为2%，位于位置C3的左眼外角候选3 的可能性为9%，位于位置C4的左眼外角候选4的可能性为17%，如 图IO所示。进而，确定部分39A针对每一面部成分计算面部成分候选的位置 可能性的平均值。图11图示说明了针对两个面部候选的各个面部成分 的面部成分候选的位置可能性的平均值。然后，对于处理目标面部候 选，确定部分39A确定位置可能性平均值大于或等于阈值Th5的面部 成分的数目是否大于或等于阈值Th6,如果该确定是肯定的，处理目标 图像被确定并检测为真面部。例如，如果使用13。/。作为阈值Th5，使用5作为阈值Th6，因为在本实施例中使用九个面部成分，对于图11中 所示的面部候选1来说，位置可能性的平均值大于或等于阈值Th5的 面部成分是左眼外角、左眼内角、右眼内角、左鼻侧面、右鼻侧面、 以及右嘴角，总共为6个，大于阈值Th6,因此面部候选l被确定并检 测为真面部。与之相对照，对于面部候选2，可能性的平均值大于或等 于阈值Th5的面部成分的数目为0，则面部候选2不被确定为真面部。接下来，将描述在第二实施例中执行的处理。图12是图示说明在 第二实施例中执行的处理的流程图。当数码相机1的操作模式被设置 为拍摄模式时，该处理由CPU 40启动并且记录直通图像(步骤ST11)。 然后，面部检测部分37检测直通图像中包括的所有面部候选(步骤 ST12)。接下来，以第i个面部候选作为处理目标面部候选，面部成 分检测部分38针对每一面部成分从处理目标面部中检测面部成分候选 (步骤ST13)。然后，确定部分39A针对每一面部成分计算面部成分候选的位置 可能性(步骤ST14)，并且确定位置可能性平均值大于或等于阈值Th5 的面部成分的数目是否大于或等于阈值Th6 (步骤ST15)。如果步骤 ST15为肯定的，处理目标面部候选被确定并检测为真面部(步骤 ST16)。另一方面，如果步骤ST15是否定的，处理目标面部候选被确 定为非面部(步骤ST17)。步骤ST16和ST17之后，CPU 40确定是否针对所有面部候选完 成了确定部分39A所做出的确定(步骤ST18)。如果步骤ST18为否 定的，"i"的值递增一 (步骤ST19)，处理返回步骤ST13。如果步 骤ST18为肯定的，具有由矩形区域围绕的真面部的直通图像显示在监 视器28上(步骤ST20)，处理返回到步骤STll。这样，在第二实施例中，基于检测到的面部成分候选的位置，具 体是位置可能性，而从每一面部候选中检测真面部。这里，面部包括面部成分，诸如眼、鼻、嘴等，如果面部候选是真面部，就应该在对 应面部成分的位置处找到面部成分候选。因此，基于面部候选中包括 的面部成分候选的位置而确定面部候选是否是真面部允许从面部候选 中准确检测真面部。在第二实施例中，确定部分39A针对每一面部成分计算面部成分 候选的位置可能性，并且基于计算出的位置可能性来确定面部候选是 否是真面部。但是，确定面部候选是否是真面部可以通过针对每一面 部成分计算面部成分候选的位置关系的可能性并且基于计算出的位置 关系可能性来进行。这将在下面作为第三实施例来描述。在第三实施例中，针对由面部成分检测部分38所检测到的每一面部成分，对于每一面部成分候选，确定部分(其不同于第一实施例，被称之为确定部分39B)计算相对于其他面部成分的存在概率作为位置 关系可能性，并且基于计算出的位置关系可能性来确定面部候选是否 是真面部。图13图示说明了用于右眼内角相对于双眼外角、左眼内角、左右 鼻侧面、左右嘴角、嘴中心部分这八个面部成分的存在概率的概率分 布。在图13中，概率分布Bll到B18指示右眼内角分别相对于左眼外 角、右眼外角、左眼内角、左鼻侧面、右鼻侧面、左嘴角、右嘴角、 嘴中心部分的概率分布。现在，如果用于计算位置关系可能性的目标是右眼内角，则在第 三实施例中，如同在第二实施例中一样，确定部分39B将由面部检测 部分37所检测到的每一面部候选归一化为特定尺寸，并且在每一归一 化的面部候选内，结合概率分布Bll到B18，计算相对于由面部成分 检测部分38检测到的每一右眼内角候选的存在概率，作为临时位置关 系可能性。右眼内角的临时位置关系可能性被计算为分别相对于左眼 外角、右眼外角、左眼内角、左鼻侧面、右鼻侧面、左嘴角、右嘴角、22嘴中心部分为例如15%、 12%、 13%、 10%、 19%、 13%、 17%以及15%。然后，确定部分39B获得计算出的八个临时位置关系可能性的平 均值，进一步计算所有面部成分候选的平均值的平均值作为面部成分 的最终位置关系可能性。注意，在第三实施例中，获得左眼外角、右眼外角、左眼内角、 左鼻侧面、右鼻侧面、左嘴角、右嘴角、嘴中心部分以及右眼内角相 对于其他面部成分的存在概率的概率分布，确定部分39B计算所有九 个面部成分的面部成分候选的位置关系可能性。然后，确定部分39B 确定针对九个面部成分候选的各个面部成分所计算出的位置关系可能 性大于或等于阈值Th7的面部成分的数目是否大于或等于阈值ThS， 如果确定是肯定的，处理目标面部候选被确定并检测为真面部。接下来，将描述在第三实施例中执行的处理。图14是图示说明在 第三实施例中执行的处理的流程图。当数码相机1的操作模式被设置 为拍摄模式时，该处理由CPU 40启动并且记录直通图像(步骤ST31)。 然后，面部检测部分37检测直通图像中包括的所有面部候选(步骤 ST32)。接下来，以第i个面部候选作为处理目标面部候选，面部成 分检测部分38针对每一面部成分从处理目标面部中检测面部成分候选 (步骤ST33)。注意，"i"的初始值为1。然后，确定部分39B针对每一面部成分计算面部成分候选的位置 关系可能性(步骤ST34)，并且确定位置关系可能性大于或等于阈值 Th7的面部成分的数目是否大于或等于阈值Th8 (步骤ST35)。如果 步骤ST35为肯定的，处理目标面部候选被确定为真面部(步骤ST36)。 另一方面，如果步骤ST35是否定的，处理目标面部候选被确定为非面 部(步骤ST37)。步骤ST36和ST37之后，CPU 40确定是否针对所有面部候选完成了确定部分39B所做出的确定(步骤ST38)。如果步骤ST38为否 定的，"i"的值递增一(步骤ST39)，处理返回步骤ST33。如果步 骤ST38为肯定的，具有由矩形区域围绕的真面部的直通图像显示在监 视器28上(步骤ST40)，处理返回到步骤ST31。这样，在第三实施例中，基于检测到的面部成分候选的位置，具 体是位置关系可能性，而从每一面部候选中检测真面部。这里，面部 包括面部成分，诸如眼、鼻、嘴等，如果面部候选是真面部，就应该 在对应面部成分的位置处找到面部成分候选，进而大致固定面部成分 之间的关系。因此，基于面部候选中包括的面部成分候选的位置关系 而确定面部候选是否是真面部允许从面部候选中准确检测真面部。在第三实施例中，计算所有九种类型的面部成分的位置关系可能 性，并且基于位置关系可能性大于或等于阈值Th7的面部成分的数目 是否大于或等于阈值Th8来确定面部候选是否是真面部。但是，并非 所有九种类型面部成分都需要使用，可以基于至少一个面部成分的位 置关系可能性来确定面部候选是否是真面部。进而，在上述的第二和第三实施例中，当在对应面部成分的概率 分布上找到每一检测到的成分候选时，就可以准确地计算位置可能性 和位置关系可能性。但是，如图15中所示，如果各个面部成分候选的 位置(图15中"x"记号标出)从对应面部成分的合适位置的概率分 布移位，则不能准确地计算可能性。结果，不能准确地确定面部候选 是否是真面部。因此，优选地，将面部候选归一化，使得检测到的面 部成分候选置于概率分布内的位置上，这将在下面作为第四实施例而 描述。在第四实施例中，为了归一化面部候选，对面部候选的图像执行 仿射变换，使得面部候选的任何一个面部成分对应于相应面部成分的 中心(即，最高概率的位置)。仿射变换是一种这样的变化其通过进行縮放、转换和旋转而将平面上任何三个点移动到任意三个点，具 体地，通过公式(l)来表示，如下所示。x，= al-x+bl.y+dly,= a2'x+b2.y+d2 (1)为了通过公式(l)计算仿射变换系数al、 a2、 bl、 b2、 dl和d2， 需要面部候选和互相对应的面部成分的概率分布内的三个点的坐标。 这里，在面部候选和面部成分的概率分布中，如果原点位于左下角的 XY坐标系统被看做如图15所示，有必要设置仿射变换系数使得面部 成分候选Pl到P9分别位于概率分布Bl到B9的中心。在第四实施例 中，具有由面部成分检测部分38针对每一面部成分所检测到的最高匹 配水平的至少一个面部成分被选为表示面部成分候选的每一面部成分 候选P1到P9。然后，计算仿射变换系数，使得九个面部成分候选P1 到P9中具有最大的三个匹配水平的候选对应于相应面部成分的概率分 布的中心。例如，如果面部成分候选Pl到P9的匹配水平是P1>P2〉P3〉P4>P5......,则计算仿射变换系数al、 a2、 bl、 b2、 dl和d2，使得面部成分候选P1、 P2和P3对应于相应面部成分的概率分布 Bl、 B2和B3的中心。注意，可以使用四个或更多点的坐标，而不是使用三个点的坐标， 来计算仿射变换系数。例如，计算仿射变换系数，使得所有九个面部 成分候选Pl到P9对应于相应面部成分的概率分布Bl到B9的中心。 在此情况下，可以使用最小平方法来计算仿射变换系数，使得变换后 的九个面部成分候选Pl到P9中每一个的坐标与概率分布Bl到B9中 每一个的中心的坐标之差最小化。接下来，将描述在第四实施例中执行的处理。图16是图示说明在第四实施例中执行的处理的流程图。注意，这里将描述将第四实施例 施加于第二实施例的处理，但也可等价地施加于第三实施例。当数码相机1的操作模式被设置为拍摄模式时，该处理由CPU 40启动并且记录直通图像(步骤ST41)。然后，面部检测部分37检测直 通图像中包括的所有面部候选(步骤ST42)。接下来，以第i个面部 候选作为处理目标面部候选，面部成分检测部分38针对每一面部成分 从处理目标面部中检测面部成分候选(步骤ST43)。注意，"i"的初 始值为1。然后，确定部分39A归一化处理目标面部候选(步骤ST44)，在 归一化后针对每一面部成分计算面部成分候选的位置可能性(步骤 ST45)，并且确定位置可能性平均值大于或等于阈值Th5的面部成分 的数目是否大于或等于阈值Th6 (步骤ST46)。如果步骤ST46为肯定 的，处理目标面部候选被确定并检测为真面部(步骤ST47)。另一方 面，如果步骤ST46是否定的，处理目标面部候选被确定为非面部(步 骤ST48)。步骤ST47和ST48之后，CPU 40确定是否针对所有面部候选完 成了确定部分39A所做出的确定(步骤ST49)。如果步骤ST49为否 定的，"i"的值递增一 (步骤ST50)，处理返回步骤ST43。如果步 骤ST49为肯定的，具有由矩形区域围绕的真面部的直通图像显示在监 视器28上(步骤ST51)，处理返回到步骤ST41。这样，在第四实施例中，通过仿射变换来归一化面部候选，使得 每一面部成分候选位于面部候选区域内的对应面部成分的位置，由此 可以更准确地从面部候选中检测真面部。在第四实施例中，计算每一面部候选的仿射变换系数，以对其执 行仿射变换。但是，可以使用替换方法，其中，针对每一面部成分，计算从各个面部候选中选择的面部成分候选的平均位置，计算仿射变 换系数，使得计算出的平均位置对应于概率分布的中心。也是在此情 况下，可以从选自九个面部成分的面部成分候选的三个候选中计算仿 射变换系数，或者可以从四个或更多面部成分候选中计算它们。进而，在第四实施例中，可以通过在归一化之前针对每一面部成 分计算面部成分候选的临时位置可能性或临时位置关系可能性，对面 部候选执行仿射变换来对面部候选执行归一化，使得预定几个最高临 时位置可能性或位置关系可能性的面部成分候选对应于相应面部成分 的位置(即，在该位置，存在概率变为最大)。接下来，将描述本发明的第五实施例。第五实施例不同于第一实 施例之处仅在于确定部分39所执行的处理，由此，这里将不会进一步 详细描述其配置。第五实施例不同于第一实施例之处在于，确定部分(其不同于第一实施例，被称之为确定部分39C)执行第一确定处理和第二确定处理， 第一确定处理用于检测真面部，其中，基于面部成分检测部分38针对 每一面部成分检测到的面部成分候选的数目来确定面部候选是否是真 面部、非面部或不明确面部，第二确定处理用于检测真面部，其中， 基于面部成分候选的位置来确定被第一确定处理确定为不明确面部的 面部候选是否是真面部，如第二、第三或第四实施例中一样。第五实施例中的确定部分39C针对第一确定处理中九个面部成分 Kl到K9中的每一个计算面部成分候选的每一总和Nl到N9，进一步 计算Nsum，即总和Nl到N9的合计总和，类似第一实施例中的确定 部分39。然后，如果合计总和Nsum大于或等于阈值Th9，处理目标 面部候选被确定为真面部，面部候选被检测为真面部。如果合计总和 Nsum大于或等于阈值ThlO但小于阈值Th9，处理目标面部候选被确 定为不明确面部，如果合计总和Nsum小于阈值ThlO，处理目标面部候选被确定为非面部。进而，对被确定为不明确面部的面部候选执行 第二、第三和第四实施例中任意一个的处理，作为第二确定处理。接下来，将描述在第五实施例中执行的处理。图17是图示说明在 第五实施例中执行的处理的流程图。当数码相机1的操作模式被设置为拍摄模式时，该处理由CPU 40启动并且记录直通图像(步骤ST61)。 然后，面部检测部分37检测直通图像中包括的所有面部候选(步骤 ST62)。接下来，以第i个面部候选作为处理目标面部候选，面部成 分检测部分38针对每一面部成分从处理目标面部中检测面部成分候选 (步骤ST63)。注意，"i"的初始值为1。然后，确定部分39C执行第一确定处理(步骤ST64)。首先，针 对面部成分检测部分38所检测的每一面部成分确定面部成分候选的总 和的合计总和Nsum是否大于或等于阈值Th9 (步骤ST65)。如果步 骤ST65为肯定的，处理目标面部候选被确定并检测为真面部(步骤 ST66)。另一方面，如果步骤ST65是否定的，确定合计总和Nsum是 否大于或等于阈值ThlO但小于阈值Th9(步骤ST67)。如果步骤ST67 是否定的，处理目标面部候选被确定为非面部(步骤ST68)。如果步 骤ST67是肯定的，处理目标面部候选被确定为不明确面部并执行第二 确定处理(步骤ST69)。首先，如同在第二实施例中一样，确定部分39C针对每一面部成 分计算面部成分候选的位置可能性(步骤ST70)，确定位置可能性平 均值大于或等于阈值Th5的面部成分的数目是否大于或等于阈值Th6 (步骤ST71)。注意，在步骤ST70之前，处理目标面部候选可以被 归一化，如在第四实施例中一样。进而，可以使用位置关系可能性来 执行步骤ST70和ST71中的处理，如第三实施例中步骤ST34和ST35 中的处理一样。如果步骤ST71是肯定的，处理目标面部候选被确定并 检测为真面部(步骤ST72)。另一方面，如果步骤ST71是否定的， 处理目标面部候选被确定为非面部(步骤ST73)。步骤ST66、 ST68、 ST72和ST73之后，CPU 40确定是否针对所 有面部候选完成了确定部分39C所做出的确定(步骤ST74)。如果步 骤ST74为否定的，"i"的值递增一(步骤ST75)，处理返回步骤ST63。 如果步骤ST74为肯定的，具有由矩形区域围绕的真面部的直通图像显 示在监视器28上(步骤ST20)，处理返回到步骤ST61。这里，如果在基于面部成分候选的数目确定面部候选是否是真面 部与基于面部成分候选的位置确定面部候选是否是真面部之间进行比 较，前者需要更少的计算量。当对黑暗场景或在背光中执行拍摄时， 面部候选是成像的黑暗，使得检测到的面部成分候选的数目减少，即 使面部候选是真面部。结果，真面部可能被确定为非面部，其中只执 行第一实施例的处理。因此，如在第五实施例中一样，只对基于面部 成分候选的数目而被确定为不明确面部的面部候选，基于面部成分候 选的位置而进行关于面部候选是否是真面部的确定，可以减少计算量， 并且从面部候选中准确地检测真面部。在第五实施例中，作为第一确定处理，通过针对九个面部成分K1 到K9中每一个在九维空间上绘制面部成分候选的每一总和Nl到N9, 在九维空间中设置确定阈值的超平面或超曲面，并且根据绘制的总和 Nl到N9位于超平面或超曲面的哪一侧，来确定面部候选是否是真面 部、不明确面部或非面部。进而，在第五实施例中，在相同确定部分中，即在确定部分39C 中，执行第一和第二确定处理，但是也可以提供两个分立的确定部分 来分布执行第一和第二处理。接下来，将描述本发明的第六实施例。第六实施例不同于第一实 施例之处只在于面部检测部分37和确定部分39所执行的处理，由此， 这里将不会进一步详细描述其配置。在第六实施例中，CPU 40根据通过操作系统2来自用户的指令选 择下列两种处理之一来执行在一种处理中，匹配水平大于或等于阈 值ThO的检测框的位置处的图像被面部检测部分(其不同于第一实施例，被称之为面部检测部分37A)检测为真面部(只基于面部检测部 分的处理)；在另一种处理中，匹配水平大于或等于阈值ThO的检测 框的位置处的图像被检测为面部候选，对检测到的面部候选执行第一 到第五实施例中的任何一个的处理(基于面部成分的处理)。接下来，将描述在第六实施例中执行的处理。图18是图示说明在 第六实施例中执行的处理的流程图。当数码相机1的操作模式被设置 为拍摄模式时，该处理由CPU40启动并且记录直通图像(步骤ST81)。 然后，CPU40确定是否设置了基于面部成分执行处理(步骤ST82)。 如果步骤ST82是否定的，执行只基于面部检测部分的处理(步骤 ST83)。另一方面，如果步骤ST82是肯定的，执行基于面部成分的处 理(步骤ST84)。在基于面部成分的处理中，执行第一到第五实施例 的任何一个的处理，由此，这里将不会进一步详细描述。然后，CPU40使得具有由矩形区域围绕的真面部的直通图像显示 在监视器28上(步骤ST85)，处理返回到步骤ST81。这里，由于大量计算，基于面部成分的处理需要长时间，但提供 高面部检测准确性，而只基于面部检测部分的处理需要较少计算量， 但面部检测准确性不那么高。因此，如在第六实施例中一样，通过允 许基于面部成分的处理与只基于面部检测部分的处理之间的选择，用 户可以任意地针对用户给出优先级、面部检测准确性或计算速度而选 择。在第六实施例中，在基于面部成分的处理与只基于面部检测部分 的处理之间的切换是通过用户设定来执行的。但是，当获得直通图像时，例如，30帧/秒，在可以采纳的方案中，针对前25帧执行只基于面部检测部分的处理，针对剩余的5帧执行基于面部成分的处理。接下来，将描述本发明的第七实施例。第七实施例不同于第一实施例之处只在于面部检测部分37和确定部分39所执行的处理，由此， 这里将不会进一步详细描述其配置。在第七实施例中，在面部检测部分(其不同于第一实施例，被称 之为面部检测部分37B)执行的处理中，匹配水平大于或等于阈值ThO 的检测框的位置处的图像被检测为真面部(只基于面部检测部分的处 理)，当针对接下来的直通图像执行只基于面部检测部分的处理时， 如果不再检测到前面检测到的面部的话，匹配水平大于或等于阈值ThO 的检测框的位置处的图像被检测为面部候选，如同第一到第五实施例 中一样，对检测到的面部候选执行第一到第五实施例中的任何一个的 处理(基于面部成分的处理)。接下来，将描述在第七实施例中执行的处理。图19是图示说明在 第七实施例中执行的处理的流程图。当数码相机1的操作模式被设置 为拍摄模式时，该处理由CPU 40启动并且记录直通图像(步骤ST91)。 然后，CPU40使得执行只基于面部检测部分的处理(步骤ST92)，进 一步确定在前面的直通图像的获取中检测到的真面部是否被再次检测 到(步骤ST93)。注意，步骤ST93中的确定处理在初始运行中被跳 过。如果步骤ST93是否定的，执行基于面部成分的处理(步骤ST94)。 在基于面部成分的处理中，执行第一到第五实施例的任何一个的处理， 由此，这里将不会进一步详细描述。如果步骤ST93是肯定的或者在步骤ST94之后，CPU 40使得具 有由矩形区域围绕的真面部的直通图像显示在监视器28上(步骤ST95)，处理返回到步骤ST91。这里，由于大量计算，基于面部成分的处理需要长时间，但提供 高面部检测准确性，而只基于面部检测部分的处理需要较少计算量， 但面部检测准确性不那么高。因此，如在第七实施例中一样，通过在 只基于面部检测的处理没有检测到真面部时执行基于面部成分的处 理，可以防止只基于面部检测部分的处理所造成的面部检测失败，可 以准确地检测真面部。接下来，将描述本发明的第八实施例。图20是应用根据本发明第 八实施例的拍摄设备的数码相机的示意框图，图示说明了其配置。在 第八实施例中，与第一实施例相同的部件被给出相同的附图标记，这 里将不进一步详细描述。根据第八实施例的数码相机1A不同于第一实 施例之处在于它包括场景确定部分43，用于确定拍摄场景的亮度，使 用面部检测部分37C的真面部检测结果和场景确定部分43的确定结 果，由确定部分39D执行面部检测。在第八实施例中，CPU40对应于 切换装置。场景确定部分43计算整个直通图像的平均像素值作为亮度，如果 计算出的亮度大于或等于阈值Thll则确定场景为明亮，或者，如果计 算出的亮度小于阈值Thll则确定场景为黑暗。在第八实施例中，场景确定部分43确定场景，如果场景被确定为 明亮，在对由确定部分39D所检测的面部候选执行的处理中，匹配水 平大于或等于阈值ThO的检测框的位置处的图像被面部检测部分37C 检测为真面部(只基于面部检测部分的处理)，如果场景被确定为黑 暗，在对由确定部分39D所检测的面部候选执行的处理中，匹配水平 大于或等于阈值ThO的检测框的位置处的图像被检测为面部候选，如 在第一到第五实施例中一样，进行第一到第五实施例的任何一个的处 理(基于面部成分的处理)。进而，执行只基于面部检测部分的处理，如果下一直通图像的场景被场景确定部分43确定为黑暗，执行基于面 部成分的处理。接下来，将描述在第八实施例中执行的处理。图21是图示说明在 第八实施例中执行的处理的流程图。当数码相机1A的操作模式被设置为拍摄模式时，该处理由CPU 40启动并且记录直通图像(步骤ST101)。 然后，场景确定部分43确定场景是否明亮(步骤ST102)。如果步骤 ST102是肯定的，执行只基于面部检测部分的处理(步骤ST103)。另 一方面，如果步骤ST102是否定的，执行基于面部成分的处理(步骤 ST104)。在基于面部成分的处理中，执行第一到第五实施例的任何一 个的处理，由此，这里将不会进一步详细描述。然后，CPU40使得具有由矩形区域围绕的真面部的直通图像显示 在监视器28上(步骤ST105),处理返回到步骤STIOI。这里，由于大量计算，基于面部成分的处理需要长时间，但提供 高面部检测准确性，而只基于面部检测部分的处理需要较少计算量， 但面部检测准确性不那么高。因此，如在第八实施例中一样，通过只 在场景黑暗时执行基于面部成分的处理，可以防止只基于面部检测部分所造成的真面部检测失败，可以准确地检测真面部。在第八实施例中，由场景确定部分43确定场景的亮度。进而，可 以通过在直通图像的中心部分和外围部分之间进行比较，如果中心部 分的亮度比外围部分暗的程度大于或等于预定值的量的话则确定场景 为背光场景，来检测背光场景。在此情况下，如果场景被确定为背光 场景，可以执行基于面部成分的处理，如果场景被确定为不是背光场 景，则可以执行只基于面部检测部分的处理。迄今为止，已经描述了根据本发明实施例的数码相机。用于使得 计算机用作对应于面部检测部分37、 37A到37C、面部成分检测部分
38、确定部分39、 39A到39D、以及场景确定部分43，由此使得计算 机执行如本发明图6、 12、 14到19和21中所示处理的程序是本发明 的进一步的实施例。此外，其上记录这样的程序的计算机可读记录介 质也是本发明的进一步的实施例。
权利要求
1.一种拍摄设备，包括拍摄装置，用于通过拍摄获得图像；面部检测装置，用于检测图像中包括的面部候选；面部成分检测装置，用于针对每一面部成分而检测面部候选中包括的至少一个面部成分的候选；以及确定装置，用于基于针对每一面部成分而检测的面部成分候选的数目确定面部候选是否是真面部。
2. —种拍摄设备，包括 拍摄装置，用于通过拍摄获得图像； 面部检测装置，用于检测图像中包括的面部候选； 面部成分检测装置，用于针对每一面部成分而检测面部候选中包括的多个面部成分的候选；以及确定装置，用于基于针对每一面部成分而检测的面部成分候选的 位置确定面部候选是否是真面部。
3. 根据权利要求2所述的拍摄设备，其特征在于，所述确定装置 是用于针对对应面部成分计算面部候选的区域内的每一面部成分候选 的位置可能性、并且基于所述位置可能性确定面部候选是否是真面部 的装置。
4. 根据权利要求2所述的拍摄设备，其特征在于，所述确定装置 是用于计算面部候选的区域内的每一面部成分候选相对于对应面部成分以外的其他面部成分的位置关系可能性、并且基于所述位置关系可 能性确定面部候选是否是真面部的装置。
5. 根据权利要求2到4中任意一项所述的拍摄设备，其特征在于， 所述确定装置是用于归一化面部候选使得每一面部成分候选的位置对应于面部候选区域内相应面部成分的位置、并且基于归一化的面部候 选内的每一面部成分的位置来确定面部候选是否是真面部的装置。
6. —种拍摄设备，包括 拍摄装置，用于通过拍摄获得图像； 面部检测装置，用于检测图像中包括的面部候选； 面部成分检测装置，用于针对每一面部成分而检测面部候选中包括的多个面部成分的候选；以及确定装置，用于基于针对每一面部成分检测的面部成分候选的数 目确定面部候选是否是真面部、非面部、或不明确面部，并且对于被 确定为不明确面部的面部候选，基于针对每一面部成分而检测的面部 成分候选的位置确定被确定为不明确面部的面部候选是否是真面部。
7. 根据权利要求1、 2和6中任意一项所述的拍摄设备，其特征 在于，所述面部检测装置是用于移动具有预定尺寸、用来检测图像上 的面部的检测框从而在其每一移动位置处从检测框内的图像中计算特 征量、计算计算出的特征量与预定面部特征量之间的匹配水平、当所 述匹配水平大于或等于预定阈值时基于预定条件而选择是否将检测框 的位置处的图像检测为面部候选或真面部的装置。
8. 根据权利要求7所述的拍摄设备，其特征在于，在所述拍摄装 置是用于连续地获得图像的装置的情况下，所述面部检测装置是用于 针对连续获得的图像、将在检测框的位置处的图像检测为真面部、当 不再检测到真面部时将在检测框的位置处的图像检测为面部候选的装 置。
9. 根据权利要求7所述的拍摄设备，其特征在于，在所述拍摄装 置是用于连续地获得图像的装置的情况下，所述面部检测装置是用于 针对连续获得的图像、将在检测框的位置处的图像检测为真面部、当 图像的场景亮度不再满足预定条件时将在检测框的位置处的图像检测为面部候选的装置。
10. —种拍摄方法，包括如下步骤通过拍摄获得图像；检测图像中包括的面部候选；针对每一面部成分而检测面部候选中包括的至少一个面部成分的 候选；以及基于针对每一面部成分而检测的面部成分候选的数目确定面部候 选是否是真面部。
11. 一种拍摄方法，包括如下步骤通过拍摄获得图像；检测图像中包括的面部候选；针对每一面部成分而检测面部候选中包括的多个面部成分的候 选；以及基于针对每一面部成分而检测的面部成分候选的位置确定面部候 选是否是真面部。
12.—种拍摄方法，包括如下步骤.-通过拍摄获得图像；检测图像中包括的面部候选；针对每一面部成分而检测面部候选中包括的多个面部成分的候选；基于针对每一面部成分检测的面部成分候选的数目确定面部候选 是否是真面部、非面部、或不明确面部；以及对于被确定为不明确面部的面部候选，基于针对每一面部成分而 检测的面部成分候选的位置确定被确定为不明确面部的面部候选是否 是真面部。
全文摘要
本发明公开拍摄设备、方法和计算机程序产品。一种拍摄设备包括拍摄单元，用于通过拍摄获得图像；面部检测单元，用于检测图像中包括的面部候选；面部成分检测单元，用于针对每一面部成分而检测面部候选中包括的至少一个面部成分的候选；以及确定单元，用于基于针对每一面部成分而检测的面部成分候选的数目确定面部候选是否是真面部。
文档编号G06K9/00GK101241549SQ20081000972
公开日2008年8月13日 申请日期2008年2月13日 优先权日2007年2月9日
发明者井泽克俊 申请人:富士胶片株式会社