图像处理装置、图像处理方法、控制程序以及记录介质的制作方法
【专利摘要】异种对象检测部（24）从包含由检测对象检测部（22）从图像检测出的被认为是检测对象的推定检测对象的区域检测被认为是异种对象的推定异种对象，所述异种对象是类别与检测对象的主体的类别不同的主体的全部或一部分，检测对象区域判定部（25）基于异种对象检测部（24）的检测结果判定检测对象检测部（22）所检测出的推定检测对象是否为检测对象。
【专利说明】图像处理装置、图像处理方法、控制程序以及记录介质
【技术领域】
[0001]本发明涉及根据图像检测人类的脸等对象的图像处理装置、图像处理方法、控制程序以及记录介质。
【背景技术】
[0002]近年来，在数码相机等中，搭载有在拍摄时检测人类的脸等并对检测出的对象进行对焦或者调整检测出的对象的白平衡等的技术。在该技术中，优选能够从图像中正确地检测人类的脸等对象。因此，关于提闻检测对象的精度的技术，开发有各种技术。
[0003]例如，在专利文献I中，记载有如下技术:当从图像中检测人类的脸时，针对图像执行二维的脸检测处理和三维的脸检测处理，将通过任一检测处理检测出的对象确定为人类的脸。
[0004]另外，在专利文献2中，记载有如下技术:当从图像中检测人类、动物的脸时，首先执行脸检测处理，然后针对通过脸检测处理检测出的对象的规定区域执行耳检测处理，在通过耳检测处理检测出了耳部时，将通过脸检测处理检测出的对象确定为脸。
[0005]现有技术文献
[0006]专利文献
[0007]专利文献1:日本国公开专利公报“特开2009— 60379号公报(2009年3月19日公开)”；
[0008]专利文献2:日本国公开专利公报“特开2009— 289230号公报(2009年12月10日公开)”。
【发明内容】
[0009]发明所要解决的问题
[0010]但是，在如上所述的现有技术中，存在可提高的检测精度有限的问题。
[0011]在现有技术中，在检测规定的主体的全部或一部分时，执行对该主体的全部或一部分进行检测的多种检测处理，并基于检测的结果来检测对象。在此，通过增加执行的检测处理的种类数量能够提高检测精度。
[0012]但是，在为了提高检测规定的主体的全部或一部分的精度而增加检测处理的种类数量的情况下，与该种类数量成正比地，检测处理时间、在检测处理中使用的存储器等资源量也增加。另外，即使增加了检测处理的种类数量，只要进行以规定的主体为对象的检测处理，则检测精度的提闻就会受:限制。
[0013]本发明是鉴于上述问题而完成的，其目的在于实现能够高效或有效地提高从图像中检测对象的检测精度的图像处理装置、图像处理方法、控制程序以及记录介质。
[0014]用于解决问题的手段
[0015]为了解决上述问题，本发明的图像处理装置对图像上的检测对象进行检测，其中，上述检测对象是规定的主体的全部或一部分，其具有:检测对象检测单元，从上述图像检测被认为是上述检测对象的推定检测对象；异种对象判定单元，判定上述检测对象检测单元所检测出的推定检测对象是否为被认为是异种对象的推定异种对象，其中，上述异种对象是类别与上述主体的类别不同的主体的全部或一部分；以及检测对象判定单元，基于上述异种对象判定单元的判定结果，判定上述检测对象检测单元所检测出的推定检测对象是否为上述检测对象。
[0016]为了解决上述问题，本发明的图像处理方法用于对图像上的检测对象进行检测，其中，上述检测对象是规定的主体的全部或一部分，其包括:检测对象检测步骤，从上述图像检测被认为是上述检测对象的推定检测对象；异种对象判定步骤，判定在上述检测对象检测步骤中检测出的推定检测对象是否为被认为是异种对象的推定异种对象，其中，上述异种对象是类别与上述主体的类别不同的主体的全部或一部分；以及检测对象判定步骤，基于上述异种对象判定步骤的判定结果，判定在上述检测对象检测步骤中检测出的推定检测对象是否为上述检测对象。
[0017]在此，一般情况下，对规定的检测对象进行检测的检测对象检测单元不仅检测出希望的检测对象，也有可能检测出与希望的检测对象不同的对象来作为推定检测对象。通过减少该检测对象检测单元的误检测，能够提高检测精度。
[0018]对此，本发明的图像处理装置和图像处理方法判定上述检测对象检测单元所检测出的推定检测对象是否为被认为是异种对象的推定异种对象，并基于其判定结果，判定推定检测对象是否为检测对象。
[0019]在此，当将推定检测对象判定为推定异种对象时，该推定检测对象不是检测对象而是异种对象的可能性大。另外，当将推定检测对象判定为不是推定异种对象时，该推定检测对象不是异种对象而是检测对象的可能性大。
[0020]因此,例如,在将推定检测对象判定为推定异种对象时,将该推定检测对象判定为不是检测对象，而在将推定检测对象判定为不是推定异种对象时，将该推定检测对象判定为检测对象，由此，与现有技术相比，能够有效而且高效地减少误检测。因此，起到能够有效而且闻效地提闻检测精度的效果。
[0021 ] 另外，存在以下情况:即，根据检测对象，存在发生误检测的可能性大的对象。在该情况下，通过将发生误检测的可能性大的对象设定为异种对象，能够更高效地减少误检测，由此能够提高检测精度。
[0022]发明的效果
[0023]本发明的图像处理装置具有:检测对象检测单元，从上述图像检测被认为是上述检测对象的推定检测对象；异种对象判定单元，判定上述检测对象检测单元所检测出的推定检测对象是否为被认为是异种对象的推定异种对象，其中，上述异种对象是类别与上述主体的类别不同的主体的全部或一部分；以及检测对象判定单元，基于上述异种对象判定单元的判定结果，判定上述检测对象检测单元所检测出的推定检测对象是否为上述检测对象。
[0024]另外，本发明的图像处理方法包括:检测对象检测步骤，从上述图像检测被认为是上述检测对象的推定检测对象；异种对象判定步骤，判定在上述检测对象检测步骤中检测出的推定检测对象是否为被认为是异种对象的推定异种对象，其中，上述异种对象是类别与上述主体的类别不同的主体的全部或一部分；以及检测对象判定步骤，基于上述异种对象判定步骤的判定结果，判定在上述检测对象检测步骤中检测出的推定检测对象是否为上述检测对象。
[0025]因此，起到能够有效而且高效地提高检测精度的效果。
【专利附图】
【附图说明】
[0026]图1是示出本发明的实施方式的图，是示出图像处理装置的主要部分结构的一个例子的框图；
[0027]图2是示出保存在上述图像处理装置的存储部中的检测类别信息的一个例子的图；
[0028]图3是示出保存在上述图像处理装置的存储部中的权重信息的一个例子的图；
[0029]图4是示出从输入图像检测宠物的检测处理的一个例子的图；
[0030]图5是示出在上述检测处理中使用的输入图像的图；
[0031]图6是示出针对上述输入图像执行了宠物检测的结果的图；
[0032]图7是示出包含通过上述宠物检测来检测出的区域的图像的图；
[0033]图8是示出针对包含通过上述宠物检测来检测出的区域的图像执行了人类的脸检测的结果的图；
[0034]图9是示出上述检测处理的结果的图；
[0035]图10是示出从输入图像检测人类的脸的检测处理的一个例子的图；
[0036]图11是示出在上述检测处理中使用的输入图像的图；
[0037]图12是示出针对上述输入图像执行了人类的脸检测的结果的图；
[0038]图13是示出包含通过上述的人类的脸检测来检测出的区域的图像的图；
[0039]图14是示出针对包含通过上述的人类的脸检测来检测出的区域的图像执行了汽车的轮胎检测的结果的图；
[0040]图15是示出上述检测处理的结果的图；
[0041]图16是示出从输入图像检测人类的脸的检测处理的另一个例子的图；
[0042]图17是示出针对上述输入图像执行了人类的脸检测的结果的图；
[0043]图18是示出包含通过上述人类的脸检测来检测出的区域的图像；
[0044]图19是示出针对包含通过上述的人类的脸检测来检测出的区域的图像分别执行了狗的脸检测、猫的脸检测以及鸟的脸检测的结果的图；
[0045]图20是示出上述检测处理的结果的图；
[0046]图21是示出在从输入图像检测人类的脸的检测处理中针对包含通过上述的人类的脸检测来检测出的区域的图像分别执行了狗的脸检测、猫的脸检测以及鸟的脸检测的结果的图；
[0047]图22是示出在从输入图像检测人类的脸的检测处理中针对包含通过上述的人类的脸检测来检测出的区域的图像分别执行了狗的脸检测、猫的脸检测以及鸟的脸检测的结果的图。
【具体实施方式】
[0048]以下，基于图1至图22对本发明的一个实施方式进行说明。[0049][图像处理装置的结构]
[0050]首先，基于图1说明图像处理装置。图像处理装置是对作为图像上的规定的主体的全部或一部分的检测对象进行检测的装置。在此，检测对象是指图像上的任意有形物体，例如，人类的全身、脸、眼睛、鼻子、嘴、手、胳膊或脚等；或者狗、猫、鸟等动物的全身或脸等；或者汽车、摩托车等的整个车身或轮胎等；或者大厦、住宅等建筑物等；或者树、云彩、太阳等自然物等。另外，例如当检测对象是“人类的脸”时，检测对象的主体是“人类”。另外，当检测对象是“狗的脸”时，检测对象的主体是“狗”。另外，当检测对象是“汽车的轮胎”时，检测对象的主体是“汽车”。
[0051]只要是能够对图像上的检测对象进行检测的装置，图像处理装置可以是任意装置，例如，可以是PC、数码相机、移动电话机、PDA (Personal Digital Assistant)、游戏机、拍摄照片并进行印刷的装置、编辑图像的装置等。
[0052]图1是示出图像处理装置1的主要部分结构的一个例子的框图。如图1所示，图像处理装置1具有控制部11、存储部12、图像输入部13以及显示部14。此外，图像处理装置1也可以具有用于与其他装置进行通信的通信部、用于用户对图像处理装置进行操作的操作部、声音输入部、声音输出部等部件，但是由于与发明的特征点无关，所以未对所述部件进行图示。
[0053]图像输入部13从外部的图像提供装置(未图示)接收图像。只要是向其他装置提供所保存的图像或者获取的图像的装置，图像提供装置可以是任意装置。例如，图像提供装置是数码相机、PC、移动电话机、PDA、游戏机、数码电视、USB (Universal Serial Bus)存储器等存储装置等。此外，图像处理装置1也可以搭载摄像头来取代图像输入部13。
[0054]显示部14按照控制部11的指示来显示图像。显示部14只要是按照控制部11的指示来显示图像的装置即可，可以应用例如LCD (液晶显示器)、有机电致发光显示器、等离子显示器等。
[0055]控制部11通过执行从存储部12读取到临时存储部(未图示)中的程序，进行各种运算，并且整体地控制图像处理装置1所包括的各部分。
[0056]在本实施方式中，控制部11具有以下功能块:图像获取部21、检测对象检测部(检测对象检测单元)22、候补区域确定部23、异种对象检测部(异种对象判定单元)24、检测对象区域判定部(检测对象判定单元)25以及检测对象区域输出部26。这些控制部11的各功能块(21 ?26)能够通过 CPU (Central Processing Unit)将存储在由 ROM (Read OnlyMemory)等实现的存储装置中的程序读取至由RAM (Random Access Memory)等实现的临时存储部并执行该程序来实现。
[0057]图像获取部21获取经由图像输入部13输入的图像。图像获取部21将获取的图像向检测对象检测部22输出。此外，当存储部12中存储有图像时，图像获取部21也可以从存储部12读取图像。
[0058]检测对象检测部22从图像获取部21所获取的图像中检测被认为是检测对象的对象。即，检测对象检测部22不仅从图像中检测与检测对象完全一致的对象，还检测与检测对象相似的对象、一个或多个特征点与检测对象一致或相似的对象等。以下，将被认为是检测对象的对象称作推定检测对象。此外，检测对象检测部22从图像中检测推定检测对象的方法可以是任意的。[0059]检测对象检测部22在从图像中检测推定检测对象时，也可以确定所述推定检测对象是对应的检测对象的准确度。以下，将由检测对象检测部22确定的准确度称作检测对象准确度。检测对象准确度表示推定检测对象是检测对象的程度，例如，也可以是表示推定检测对象与检测对象相似的程度的相似度。此外，可以比较推定检测对象的特征点与检测对象的特征点来计算出所述相似度。
[0060]候补区域确定部23在检测对象检测部22从图像中检测推定检测对象时，针对检测出的每个推定检测对象，确定包含推定检测对象的图像上的区域。以下，将由候补区域确定部23确定的包含推定检测对象的区域称作候补区域。候补区域确定部23在检测对象检测部22从图像中检测出多个推定检测对象时，确定分别包含各推定检测对象的多个候补区域。候补区域确定部23向异种对象检测部24和检测对象区域判定部25输出表示确定的候补区域的候补区域信息。
[0061]只要是包含一个推定检测对象的区域，候补区域可以具有任何形状。例如，候补区域确定部23可以将由推定检测对象的轮廓封闭的区域作为该推定检测对象的候补区域。另外，候补区域确定部23也可以将与推定检测对象的轮廓之间的距离为规定距离内的区域作为该推定检测对象的候补区域。另外，候补区域确定部23也可以将包含推定检测对象的全部特征点的矩形内的区域作为候补区域。
[0062]另外，候补区域信息是表示候补区域的位置和大小的信息，例如，可以是表示图像上的包围推定检测对象的矩形的四个角的坐标的信息，也可以是表示上述矩形的端点的坐标和上述矩形的大小的信息。另外，候补区域信息也可以是表示推定检测对象的轮廓的信
肩、Ο
[0063]候补区域确定部23例如基于推定检测对象的轮廓(边缘)的位置生成候补区域信息，或者基于推定检测对象的一个或多个特征点的位置生成候补区域信息。
[0064]候补区域确定部23在检测对象检测部22确定了推定检测对象的准确度时，使得表示该推定检测对象的准确度的检测对象准确度信息与表示包含该推定检测对象的候补区域的候补区域信息相对应。
[0065]异种对象检测部24从候补区域确定部23获取候补区域信息，并从获取的候补区域信息所表示的候补区域中检测以下对象:即，被认为是与检测对象的主体类别不同的主体的全部或一部分的对象。以下，将与检测对象的主体类别不同的主体的全部或一部分称作异种对象，将被认为是该异种对象的对象称作推定异种对象。异种对象检测部24在从候补区域确定部23获取了多个候补区域信息时，从各候补区域分别检测推定异种对象。
[0066]换言之，异种对象是图像上的任意有形物体(对象)，其主体的类别与检测对象不同。例如，当检测对象是“狗的脸”时，异种对象可以是“人类的脸”等。另外，当检测对象是“人类的脸”时，异种对象可以是“狗的脸”、“猫的脸”、“鸟的脸”、“汽车的轮胎”等。另外，当检测对象是“人类的全身”是，异种对象可以是“树”等。另外，当检测对象是“汽车的整个车体”时，异种对象可以是“摩托车的整个车体”等。
[0067]另外，例如，在以当人类的身高大于等于规定值时设为“成人”且当人类的身高小于规定值时设为“孩子”的方式对人类进行分类来定义时，作为对象的“成人的全身”和“孩子的全身”的主体类别不同。在该情况下，当检测对象是“成人的全身”时，异种对象是“孩子的全身”等。[0068]在此，异种对象可以是任意对象，但是优选将在对检测对象进行检测时被误检测的可能性高的对象作为异种对象。这样，通过选择异种对象，能够有效地提高检测对象的检测精度。
[0069]此外，在本发明中，规定当检测的对象(检测对象或异种对象)或者对象的主体不同时，对象的类别不同。即，对象“人类的脸”和“狗的脸”虽然在部位是“脸”这一点上一致，但是因为对象的主体不同，所以对象的类别不同。另外，对象“人类的脸”和“人类的全身”虽然主体一致，但是因为主体的整体或一部分不同，所以对象的类别不同。
[0070]异种对象检测部24也可以从一个候补区域中分别检测多个类别的推定异种对象。在此，根据被认为是异种对象的推定异种对象的范围来对推定异种对象进行分类。也就是说，当两个推定异种对象的范围不同时，二者是不同类别的推定异种对象。当异种对象的类别不同时，推定异种对象的类别当然不同，然而即使在异种对象的类别相同的情况下，也有时由于检测方法不同而推定异种对象的范围也不同。换言之，由异种对象检测部24执行的检测的类别(检测类别)根据作为检测的对象的异种对象的类别和进行检测的检测方法而进行分类。另外，当异种对象检测部24的检测类别相同时，推定异种对象的范围也相同，当检测类别不同时，推定异种对象的范围也不同，检测类别和推定异种对象的类别的划分是一致的。
[0071]例如，当异种对象是“狗的脸”且检测“狗的脸”的方法存在A、B、C等三种方法时，利用检测方法A、B、C检测出的推定异种对象的范围分别不同。因此，在该情况下，异种对象检测部24从候补区域中分别检测出三种推定异种对象。此外，与检测对象检测部22相同地，异种对象检测部24从区域检测推定异种对象的方法是任意的。此外，以下，只要没有特别说明，异种对象检测部24不论异种对象都以规定的方法进行检测。
[0072]另外，异种对象检测部24也可以在从候补区域确定部23获取了候补区域信息和检测对象准确度信息时，基于与所述候补区域信息对应的检测对象准确度信息所表示的检测对象准确度来决定从所述候补区域信息所表示的候补区域检测的对象即推定异种对象的类别内容和/或类别数。即，异种对象检测部24也可以基于检测对象准确度来决定检测类别的内容和/或类别数。
[0073]具体而言，异种对象检测部24从存储部12读取检测对象准确度与检测类别的内容和/或类别数相对应的检测类别信息31，并参照读取的检测类别信息31，确定与获取的检测对象准确度信息所表示的检测对象准确度对应的检测类别的内容和/或类别数。异种对象检测部24基于确定的检测类别的内容和/或类别数，执行异种对象的检测。
[0074]例如，当推定检测对象的准确度高时，推定检测对象是检测对象的可能性大，因此异种对象检测部24将检测对象限定在当进行检测对象的检测时出现误检测的可能性大的异种对象或者减少异种对象的类别数来执行异种对象的检测。另一方面，当推定检测对象的准确度低时，推定检测对象是检测对象的可能性小，因此异种对象检测部24将在进行检测对象的检测时出现误检测的可能性小的异种对象也作为检测对象或者增加异种对象的类别数来执行异种对象的检测。
[0075]异种对象检测部24在从候补区域检测推定异种对象时，将表示检测出的推定异种对象的推定异种对象信息与表示检测出所述推定异种对象的候补区域的候补区域信息相对应起来输出至检测对象区域判定部25。异种对象检测部24在从候补区域检测出多个类别的推定异种对象时，使得分别表示多个类别的推定异种对象的多个推定异种对象信息与候补区域信息相对应。
[0076]换言之，异种对象检测部24判定由候补区域确定部23确定的候补区域内包含的推定检测对象是否为被认为是异种对象的推定异种对象，所述异种对象是与检测对象的主体类别不同的主体的全部或一部分。另外，异种对象检测部24将表示是否为推定异种对象的异种对象判定结果信息与表示被进行判定处理的候补区域的候补区域信息相对应起来输出至检测对象区域判定部25。
[0077]另外，异种对象检测部24也可以在从候补区域检测出推定异种对象时，针对每个推定异种对象，确定用于表示所述推定异种对象是相对应的异种对象的准确度。以下，将由异种对象检测部24确定的准确度称作异种对象准确度。异种对象准确度表示推定异种对象是异种对象的程度，例如，也可以是表示推定异种对象与异种对象相似的程度的相似度。此外，可以比较推定异种对象的特征点与异种对象的特征点来计算出所述相似度。
[0078]异种对象检测部24在确定了异种对象准确度时，将表示检测出的推定异种对象的推定异种对象信息、表示确定的异种对象准确度的异种对象准确度信息与表示检测出该推定异种对象的候补区域的候补区域信息相对应起来输出至检测对象区域判定部25。
[0079]检测对象区域判定部25从异种对象检测部24获取推定异种对象信息(异种对象判定结果信息)和候补区域信息，并基于获取的推定异种对象信息，判定候补区域确定部23所确定的候补区域中包含的推定检测对象是否为检测对象。判定的结果，检测对象区域判定部25将包含检测对象的候补区域(包含判定为检测对象的推定检测对象的候补区域)确定为检测对象区域，并将表示所述检测对象区域的检测对象区域信息输出至检测对象区域输出部26。
[0080]具体而言，检测对象区域判定部25在存在与从异种对象检测部24获取的候补区域信息相对应的推定异种对象信息时，将该候补区域信息所表示的候补区域中包含的推定检测对象判定为不是检测对象，确定该候补区域不是检测对象区域。即，检测对象区域判定部25将由异种对象检测部24检测出了推定异种对象的候补区域确定为不是检测对象区域的去除区域。当异种对象检测部24检测多个类别的推定异种对象时，检测对象区域判定部25将由异种对象检测部24检测出了任一推定异种对象的候补区域确定为不是检测对象区域的去除区域。另一方面，检测对象区域判定部25也可以将未检测出任何推定异种对象的候补区域确定为检测对象区域。
[0081]另外，检测对象区域判定部25在存在与从异种对象检测部24获取的候补区域信息相对应的规定的推定异种对象信息时，将该候补区域信息所表示的候补区域中包含的推定检测对象判定为不是检测对象，确定该候补区域不是检测对象区域。即，检测对象区域判定部25将由异种对象检测部24检测出规定类别的推定异种对象的候补区域确定为不是检测对象区域的去除区域。另一方面，检测对象区域判定部25也可以将未检测出规定类别的推定异种对象的候补区域确定为检测对象区域。
[0082]另外，当异种对象检测部24检测多个类别的推定异种对象时，检测对象区域判定部25在存在与从异种对象检测部24获取的候补区域信息相对应的规定数量的推定异种对象信息时，将该候补区域信息所表示的候补区域中包含的推定检测对象判定为不是检测对象，而且将该候补区域判定为不是检测对象区域。即，检测对象区域判定部25将由异种对象检测部24检测出规定类别数的推定异种对象的候补区域确定为不是检测对象区域的去除区域。另一方面，检测对象区域判定部25也可以将未检测出规定类别数的推定异种对象的候补区域确定为检测对象区域。
[0083]另外，检测对象区域判定部25例如在异种对象检测部24作为检测的对象的推定异种对象的类别数的一半以上的推定异种对象信息与从异种对象检测部24获取的候补区域信息相对应时，将该候补区域信息所表示的候补区域确定为不是检测对象区域的去除区域。另一方面，检测对象区域判定部25也可以在小于由异种对象检测部24作为检测的对象的推定异种对象的类别数的一半的推定异种对象信息与从异种对象检测部24获取的候补区域信息相对应时，将该候补区域信息所表示的候补区域确定为检测对象区域。
[0084]另外，检测对象区域判定部25也可以在存在与从异种对象检测部24获取的候补区域信息相对应的推定异种对象信息和异种对象准确度信息时，在对各推定异种对象的异种对象准确度进行合计所得的准确度合计值大于等于规定的阈值时，将该候补区域信息所表示的候补区域中包含的推定检测对象判定为不是检测对象，将该候补区域确定为不是检测对象区域的去除区域。另一方面，检测对象区域判定部25也可以在准确度合计值小于规定的阈值时，将该候补区域确定为检测对象区域。
[0085]另外，检测对象区域判定部25也可以在存在与从异种对象检测部24获取的候补区域信息相对应的推定异种对象信息、异种对象准确度信息以及检测对象准确度信息时，比较对各推定异种对象的异种对象准确度进行合计所得的准确度合计值和检测对象准确度，来判定该候补区域信息所表示的候补区域中包含的推定检测对象是否为检测对象。例如，检测对象区域判定部25在对异种对象准确度进行合计所得的准确度合计值大于检测对象准确度时，将候补区域信息所表示的候补区域中包含的推定检测对象判定为不是检测对象，将该候补区域确定为不是检测对象区域的去除区域。另外，例如，检测对象区域判定部25在从对异种对象准确度进行合计所得的准确度合计值减去检测对象准确度所得的值大于等于规定值时，将候补区域信息所表示的候补区域中包含的推定检测对象判定为不是检测对象，将该候补区域确定为不是检测对象区域的去除区域。
[0086]另外，检测对象区域判定部25也可以从存储部12读取表示各推定异种对象的权重值的权重信息32，并基于读取出的权重信息32所表示的权重值，将各推定异种对象的异种对象准确度分别与权重值相乘，并对其乘积进行合计而计算出准确度合计值。
[0087]另外，检测对象区域判定部25将判定为不是检测对象的推定检测对象以外的推定检测对象判定为检测对象，并且将包含该推定检测对象的候补区域确定为检测对象区域。
[0088]检测对象区域输出部26将从检测对象区域判定部25获取的检测对象区域信息所表示的区域重叠在由图像获取部21获取的图像上并显示在显示部14。
[0089]存储部12保存供控制部11进行参照的程序、数据等，例如，保存上述检测类别信息31和权重信息32等。基于图2、3说明由存储部12保存的检测类别信息31和权重信息32的一个例子。图2是示出检测类别信息31的一个例子的图。图3是示出权重信息32的一个例子的图。
[0090]检测类别信息31是在检测对象准确度与检测类别的内容和类别数之间建立关联的信息。换言之，检测类别信息31是在检测对象准确度与推定检测对象的类别内容和类别数之间建立关联的信息。具体而言，如图2所示，检测对象准确度分为“600以下”、“601?800”、“801?1000”、“1001以上”这四个范围，表示是否执行各检测类别的信息与检测对象准确度的各范围相对应。
[0091]在图2所示的例子中，作为模式(pattern)l，当检测对象准确度大于等于1001时，异种对象检测部24不执行“狗的脸”检测、“猫的脸”检测以及“鸟的脸”检测中的任何检测。另外，当检测对象准确度在801?1000时，异种对象检测部24只执行“狗的脸”检测。当检测对象准确度在601?800时，异种对象检测部24执行“狗的脸”检测和“猫的脸”检测。当检测对象准确度小于等于600时，异种对象检测部24执行“狗的脸”检测、“猫的脸”检测以及“鸟的脸”检测。
[0092]在图2所示的例子中，针对每个检测对象准确度的范围，对应有由异种对象检测部24执行的检测类别的内容和类别数，但是并不仅限于此。例如，针对每个检测对象准确度的范围，也可以只对应有由异种对象检测部24执行的检测类别的内容，或者，针对每个检测对象准确度的范围，也可以只对应有异种对象检测部24执行的检测类别的类别数。
[0093]当在检测类别信息31中，针对每个检测对象准确度的范围只对应有由异种对象检测部24执行的检测类别的内容时，异种对象检测部24只要至少执行根据检测类别信息31确定的检测类别的内容所表示的检测即可，执行的检测类别的类别数可以是任意的。也就是说，当根据检测类别信息31确定的检测类别存在两种时，只需执行该确定的两种检测类别的检测即可，而对于除此之外的检测类别，可以执行，也可以不执行。
[0094]另外，当在检测类别信息31中，针对每个检测对象准确度的范围只对应有由异种对象检测部24执行的检测类别的类别数时，异种对象检测部24只要执行根据检测类别信息31确定的检测类别的类别数即可，而执行的检测类别的内容可以是任意的。
[0095]另外，在图2所示的例子中，将检测对象准确度分类至四个范围，但是并不仅限于此，检测对象准确度的范围的上限值、下限值以及分类数可以任意设定。
[0096]接下来，如图3所示，权重信息32是在检测类别(推定异种对象)和权重值之间建立关联的信息。在图3所示的例子中，“狗的脸”检测的权重值是0.8，“猫的脸”检测的权重值是0.8，“鸟的脸”检测的权重值是1.4。
[0097]此外，针对检测类别设定的权重值的值可以是任意的。但是，优选基于检测对象和检测类别的检测精度等来进行设定。例如，假设针对某一检测对象，存在在检测该检测对象时发生误检测的可能性大的异种对象和发生误检测的可能性小的异种对象。在该情况下，将对发生误检测的可能性大的异种对象进行检测的检测类别的权重值设定成大的值，将对发生误检测的可能性小的异种对象进行检测的检测类别的权重值设定成小的值，由此能够闻效地减少误检测。
[0098]另外，例如假设存在检测精度高的检测类别和检测精度低的检测类别。在该情况下，将检测精度高的检测类别的权重值设定成大的值，将检测精度低的检测类别的权重值设定成小的值，由此，能够高效地减少误检测。
[0099]另外，如上所述，例如异种对象是“狗的脸”且检测“狗的脸”的方法存在A、B、C这三种方法时，认为存在“狗的脸”检测A、“狗的脸”检测B、“狗的脸”检测C这三种检测类别(推定异种对象)。在该情况下，可以针对“狗的脸”检测A、“狗的脸”检测B以及“狗的脸”检测C分别设定不同的权重值。[0100][检测处理]
[0101]接下来，基于图4?22对由图像处理装置1执行的对检测对象进行检测的检测处理进行说明。首先，基于图4?9说明从图像中检测宠物的脸的检测处理例(实施例1)。接下来，基于图10?图15说明从图像中检测人类的脸的检测处理例(实施例2)。接下来，基于图5、16?20说明从图像中检测人类的脸的检测处理例(实施例3)。接下来，基于图21说明检测对象区域判定部25判定是否为检测对象区域的判定处理例(实施例4)。最后，基于图22说明检测对象区域判定部25判定是否为检测对象区域的其他判定处理例(实施例5)。
[0102][实施例1]
[0103]首先，针对作为实施例1的、从图5所示的输入图像41检测宠物的脸的检测处理例进行说明。图4是示出从图5所示的输入图像41检测宠物的检测处理的一个例子的图。另外，图5是示出在实施例1中使用的输入图像41的图。
[0104]在实施例1中，假设检测对象是狗、猫等的“宠物的脸”，异种对象是“人类的脸”。另外，假设检测对象区域判定部25将候补区域中的检测出推定异种对象的区域判定为不是检测对象区域。另外，如图5所示，在输入图像41中，绘出有人类42和狗43。
[0105]如图4所示，首先，图像获取部21获取输入图像41 (S1)。接着，检测对象检测部22执行“宠物的脸”检测，从输入图像41检测被认为是宠物的脸的对象(S2)。
[0106]接着，候补区域确定部23判定检测对象检测部22是否检测出推定检测对象(S3)。在此，如图6所示，假设检测对象检测部22检测出了狗的脸45和人类的脸44。
[0107]因为检测对象检测部22检测出了狗的脸45和人类的脸44 (S3:是)，所以候补区域确定部23将包含狗的脸45的矩形区域47确定为候补区域而且将包含人类的脸44的矩形区域46确定为候补区域(S4)。
[0108]异种对象检测部24如图7所示地从输入图像41截取分别包含候补区域46和47的区域48和49，并针对区域48和49 (候补区域46和47)执行“人类的脸”检测(S5)。
[0109]接着，检测对象区域判定部25判定从区域48和49 (候补区域46和47)是否检测出了“人类的脸”(S6)。在此，如图8所示，异种对象检测部24从区域48 (候补区域46)检测出了人类的脸44，而从区域49 (候补区域47 )没能检测出任何对象。
[0110]由于异种对象检测部24从区域48 (候补区域46)检测出了人类的脸44即异种对象(S6:是)，因此检测对象区域判定部25将候补区域46判定为不是检测对象区域的去除区域(S7)。另外，异种对象检测部24从区域49 (候补区域47)未检测出任何对象(S6:否)，因此检测对象区域判定部25将候补区域47判定为检测对象区域。
[0111]然后，检测对象区域判定部25从候补区域46和47去除被判定为去除区域的候补区域46，将剩余的候补区域47确定为检测对象区域(S8)。如图9所示，检测对象区域输出部26将包含狗的脸45的区域(候补区域47)作为检测对象区域50描绘在输入图像41上而生成检测结果图像51，并将生成的检测结果图像51显示在显示部14 (S9)。
[0112]此外，在S2中，当检测对象检测部22执行了 “宠物的脸”检测而没能检测出任何对象时(S3:否)，检测对象区域输出部26在显示部14显示表示从输入图像41没能检测出“宠物的脸”的图像(S9)。例如，检测对象区域输出部26在显示部14保持原样地显示输入图像41。[0113][实施例2]
[0114]接着，针对作为实施例2的、从图11所示的输入图像61检测人类的脸的检测处理例进行说明。图10是示出从图11所示的输入图像61检测人类的脸的检测处理的一个例子的图。另外，图11是示出在实施例2中使用的输入图像61的图。
[0115]在实施例2中，假设检测对象是“人类的脸”，异种对象是“汽车的轮胎”。另外，假设检测对象区域判定部25将候补区域中的检测出推定异种对象的区域判定为不是检测对象区域。另外，如图11所示，在输入图像61中，绘出有人类62、63和汽车64。
[0116]如图10所示，首先，图像获取部21获取输入图像61 (S11)。接下来，检测对象检测部22执行“人类的脸”检测，从输入图像61检测被认为是人类的脸的对象(S12)。
[0117]接下来，候补区域确定部23判定检测对象检测部22是否检测出了推定检测对象
(513)。在此，如图12所示，假设检测对象检测部22检测出了人类的脸65、66和汽车的轮胎67。
[0118]因为检测对象检测部22检测出了人类的脸65、66和汽车的轮胎67 (S13:是)，所以候补区域确定部23将包含人类的脸65的矩形区域68确定为候补区域，将包含人类的脸66的矩形区域69确定为候补区域，将包含汽车轮胎67的矩形区域70确定为候补区域
(514)。
[0119]异种对象检测部24如图13所示地从输入图像61截取分别包含候补区域68、69以及70的区域71、72以及73，并针对区域71、72以及73 (候补区域68、69以及70)执行“汽车的轮胎”检测(S15)。
[0120]接着，检测对象区域判定部25判定从区域71、72以及73 (候补区域68、69以及70)是否检测出了“汽车的轮胎”(S16)。在此，如图14所示，异种对象检测部24从区域73(候补区域70)检测出了汽车的轮胎67，从区域71和72 (候补区域68和69)没能检测出任
何对象。
[0121]由于异种对象检测部24从区域73 (候补区域70)检测出了汽车的轮胎67即异种对象(S16:是)，因此检测对象区域判定部25将候补区域70判定为不是检测对象区域的去除区域(S17)。另外，由于异种对象检测部24从区域71和72 (候补区域68和69)没有检测出任何对象(S16:否)，因此检测对象区域判定部25将候补区域68和69判定为检测对象区域。
[0122]然后，检测对象区域判定部25从候补区域68?70去除被判定为去除区域的候补区域70，将剩余的候补区域68和69确定为检测对象区域(S8)。如图15所示，检测对象区域输出部26将分别包含人类的脸65和66的区域(候补区域68和69)分别作为检测对象区域74、75描绘在输入图像61上而生成检测结果图像76，并将生成的检测结果图像76显示在显示部14 (S19)。
[0123]此外，在S12中，当检测对象检测部22执行了“人类的脸”检测而没能检测出任何对象时(S13:否)，检测对象区域输出部26在显示部14显示表示从输入图像61未能检测出“人类的脸”的图像(S19)。例如，检测对象区域输出部26在显示部14保持原样地显示输入图像61。
[0124][实施例3]
[0125]接着，针对作为实施例3的、从图5所示的输入图像41检测人类的脸的检测处理例进行说明。图16是示出从图5所示的输入图像41检测人类的脸的检测处理的一个例子的图。
[0126]在实施例3中，假设检测对象是“人类的脸”，异种对象是“狗的脸”、“猫的脸”以及“鸟的脸”。即，在实施例3中，推定异种对象的类别数是3。另外，检测对象区域判定部25将候补区域中的检测出两种以上的推定异种对象的区域判定为不是检测对象区域。
[0127]如图16所示，首先，图像获取部21获取输入图像41 (S21)。接着，检测对象检测部22执行“人类的脸”检测(检测对象的检测)，从输入图像41检测被认为是人类的脸的对象(S22)。
[0128]接着，候补区域确定部23判定检测对象检测部22是否检测出了推定检测对象(S23)。在此，如图17所示，假设检测对象检测部22检测出了人类的脸44和狗的脸45。
[0129] 因为检测对象检测部22检测出了人类的脸44和狗的脸45 (S23:是)，所以候补区域确定部23将包含人类的脸44的矩形区域81确定为候补区域而且将包含狗的脸45的矩形区域82确定为候补区域(S24)。
[0130]异种对象检测部24如图18所示地从输入图像41截取分别包含候补区域81和82的区域83和84，并针对区域83和84 (候补区域81和82)分别执行“狗的脸”检测、“猫的脸”检测以及“鸟的脸”检测(多个异种对象的检测)(S25)。
[0131]接下来，检测对象区域判定部25针对每个区域判定从区域83和84 (候补区域81和82)是否分别检测出了“狗的脸”、“猫的脸”以及“鸟的脸”(S26)。
[0132]在此，如图19所示，假设异种对象检测部24针对区域83 (候补区域81)执行了“狗的脸”检测的结果检测出了人类的脸44，而且虽然执行了“猫的脸”检测和“鸟的脸”检测但是从区域83 (候补区域81)未能检测出任何对象。另外，假设异种对象检测部24针对区域84 (候补区域82)执行了 “狗的脸”检测的结果检测出了狗的脸45，执行了 “猫的脸”检测的结果检测出了狗的脸45，而且虽然进行了“鸟的脸”检测但从区域84 (候补区域82)未能检测出任何对象。
[0133]此外，通过“狗的脸”检测和“猫的脸”检测从区域84 (候补区域82)分别检测出了相同的狗的脸45。但是，因为“狗的脸”检测和“猫的脸”检测用于检测不同的异种对象，所以视作从区域84 (候补区域82)检测出了两种推定异种对象。也就是说，图19所示的“〇”的数量表示从各区域检测出的推定异种对象的种类数量。
[0134]在S27中，检测对象区域判定部25基于异种对象的检测结果确定去除区域。在本实施例3的情况下，如上所述，将检测出了两种推定异种对象的区域判定为不是检测对象区域，也就是说，判定为去除区域。
[0135]即，因为异种对象检测部24从区域83 (候补区域81)检测出了一种推定异种对象(S26:是)，所以检测对象区域判定部25将候补区域81判定为检测对象区域(S27)。另外，因为异种对象检测部24从区域84 (候补区域82)检测出了两种推定异种对象(S26:是)，所以检测对象区域判定部25将候补区域82判定为作为非检测对象区域的去除区域。此外，当从区域未检测出任何推定异种对象时(S26:否)，检测对象区域判定部25将该区域判定为检测对象区域(S27)。
[0136]然后，检测对象区域判定部25将候补区域81确定为检测对象区域(S28)。如图20所示，检测对象区域输出部26将包含人类的脸44的区域(候补区域81)作为检测对象区域85描绘在输入图像41上而生成检测结果图像86，并将生成的检测结果图像86显示在显示部 14 (S29)。
[0137]此外，在S22中，当检测对象检测部22执行了“人类的脸”检测(检测对象的检测)而没能检测出任何对象时(S23:否)，检测对象区域输出部26在显示部14显示表示从输入图像41未能检测出“人类的脸”的图像(S29)。例如，检测对象区域输出部26在显示部14保持原样地显示输入图像41。
[0138][实施例4]
[0139]接下来，针对作为实施例4的以下判定处理例进行说明:即，在从某一输入图像检测人类的脸的检测处理中，基于图21所示的异种对象的检测结果，判定各候补区域是否为检测对象区域。
[0140]在实施例4中，与实施例3相同地，假设检测对象是“人类的脸”，异种对象是“狗的脸”、“猫的脸”以及“鸟的脸”。
[0141]另外，假设检测对象检测部22从输入图像检测出六个被认为是人类的脸的对象，候补区域确定部23确定分别包含六个推定检测对象的候补区域A?F。另外，异种对象检测部24针对候补区域A?F分别执行“狗的脸”检测、“猫的脸”检测以及“鸟的脸”检测，获得图21所示的结果。
[0142]具体而言，假设从候补区域A检测出了基于“狗的脸”检测、“猫的脸”检测以及“鸟的脸”检测的三种推定异种对象，从候补区域B检测出了基于“狗的脸”检测的一种推定异种对象，从候补区域C检测出了基于“狗的脸”检测和“猫的脸”检测的两种推定异种对象，从候补区域D检测出基于“猫的脸”检测和“鸟的脸”检测的两种推定异种对象，从候补区域E未检测出任何推定异种对象，从候补区域F检测出基于“猫的脸”检测的一种推定异种对象。
[0143]在实施例4中，针对以下三种情况进行说明:即，检测对象区域判定部25将检测出任一推定异种对象的候补区域判定为不是检测对象区域的情况、检测对象区域判定部2将检测出规定的推定异种对象的候补区域判定为不是检测对象区域的情况、以及检测对象区域判定部25将检测出规定的推定异种对象的候补区域和检测出规定的类别数的推定异种对象的候补区域判定为不是检测对象区域的情况。
[0144]首先，针对检测对象区域判定部25将检测出任一推定异种对象的候补区域判定为不是检测对象区域的情况进行说明。在该情况下，参照图21的结果，因为检测出任一推定异种对象的候补区域是候补区域A?D、F，所以检测对象区域判定部25将候补区域A?D、F判定为不是检测对象区域。另一方面，因为候补区域E未检测出任何推定异种对象，所以检测对象区域判定部25将候补区域E判定为检测对象区域。
[0145]接下来，针对检测对象区域判定部25将检测出规定的推定异种对象的候补区域判定为不是检测对象区域的情况进行说明。在此，例如假设检测对象区域判定部25将通过“狗的脸”检测而检测出了推定异种对象的候补区域判定为不是检测对象区域。
[0146]在该情况下，参照图21的结果，因为通过“狗的脸”检测而检测出了推定异种对象的候补区域是候补区域A?C，所以检测对象区域判定部25将候补区域A?C判定为不是检测对象区域。另一方面，就候补区域D?F而言，通过“狗的脸”检测未检测出推定异种对象，所以检测对象区域判定部25将候补区域D?F判定为检测对象区域。[0147]最后针对检测对象区域判定部25将检测出规定的推定异种对象的候补区域和检测出规定的类别数的推定异种对象的候补区域判定为不是检测对象区域的情况进行说明。在此，例如检测对象区域判定部25将通过“狗的脸”检测而检测出了推定异种对象的候补区域判定为不是检测对象区域并且将检测出两种以上的推定异种对象的候补区域判定为不是检测对象区域。即，在通过“狗的脸”检测从候补区域检测出了推定异种对象的情况下，或者，在虽然通过“狗的脸”检测从候补区域未检测出推定异种对象但是通过“猫的脸”检测和“鸟的脸”检测而检测出了两种推定异种对象的情况下，检测对象区域判定部25将候补区域判定为不是检测对象区域。
[0148]在该情况下，参照图21的结果，因为通过“狗的脸”检测而检测出了推定异种对象的候补区域是候补区域A?C，所以检测对象区域判定部25将候补区域A?C判定为不是检测对象区域。另外，在通过“狗的脸”检测未检测出推定异种对象的候补区域D?F中，通过“猫的脸”检测和“鸟的脸”检测而检测出两种推定异种对象的候补区域是候补区域D，所以检测对象区域判定部25将候补区域D判定为不是检测对象区域。另一方面，检测对象区域判定部25将不符合上述情况的剩余的候补区域E、F判定为检测对象区域。
[0149][实施例5]
[0150]最后，针对作为实施例5的以下判定处理例进行说明:即，在从某一输入图像检测人类的脸的检测处理中，基于异种对象准确度或者基于异种对象准确度和检测对象准确度，判定各候补区域是否为检测对象区域。
[0151]在实施例5中，与实施例3相同地，假设检测对象是“人类的脸”，异种对象是“狗的脸”、“猫的脸”以及“鸟的脸”。
[0152]另外，假设检测对象检测部22从输入图像检测出三个被认为是人类的脸的对象，候补区域确定部23确定分别包含三个推定检测对象的候补区域G?I。另外，假设异种对象检测部24针对候补区域G?I分别执行“狗的脸”检测、“猫的脸”检测以及“鸟的脸”检测，而且异种对象检测部24确定所检测出的推定异种对象的异种对象准确度，从而获得了图22所示的结果。
[0153]具体而言，假设从候补区域G检测出基于“狗的脸”检测、“猫的脸”检测以及“鸟的脸”检测的三种推定异种对象，异种对象准确度分别是300、300、400。另外，假设从候补区域Η检测出基于“狗的脸”检测、“猫的脸”检测以及“鸟的脸”检测的三种推定异种对象，异种对象准确度分别是200、200、200。另外，假设从候补区域I检测出基于“狗的脸”检测和“猫的脸”检测的两种推定异种对象，异种对象准确度分别是400、400。
[0154]在实施例5中，针对以下两种情况进行说明:即，检测对象区域判定部25基于异种对象准确度来判定候补区域是否为检测对象区域的情况和检测对象区域判定部25基于异种对象准确度和检测对象准确度来判定候补区域是否为检测对象区域的情况。
[0155]首先，针对检测对象区域判定部25基于异种对象准确度来判定候补区域是否为检测对象区域的情况进行说明。在此，例如，假设在检测出的推定异种对象的异种对象准确度的合计值大于700时将候补区域判定为不是检测对象区域。
[0156]在该情况下，参照图22的结果，因为在候补区域G中，推定异种对象的异种对象准确度的合计值为300 + 300 + 400 = 1000 (> 700)，所以检测对象区域判定部25将候补区域G判定为不是检测对象区域。另外，在候补区域Η中，因为推定异种对象的异种对象准确度的合计值为200 + 200 + 200 = 600 ? 700)，所以检测对象区域判定部25将候补区域Η判定为检测对象区域。另外，因为在候补区域I中，推定异种对象的异种对象准确度的合计值为400 + 400 = 800 (> 700)，所以检测对象区域判定部25将候补区域I判定为不是检测对象区域。
[0157]接下来，针对检测对象区域判定部25基于异种对象准确度和检测对象准确度来判定候补区域是否为检测对象区域的情况进行说明。在此，假设候补区域G~I中分别包含的推定检测对象的检测对象准确度全是900，当检测出的推定异种对象的异种对象准确度的合计值大于检测对象准确度(900)时，将候补区域判定为不是检测对象区域。
[0158]在该情况下，参照图22的结果，因为在候补区域G中，推定异种对象的异种对象准确度的合计值为300 + 300 + 400 = 1000 (> 900)，所以检测对象区域判定部25将候补区域G判定为不是检测对象区域。另外，因为在候补区域Η中，推定异种对象的异种对象准确度的合计值为200 + 200 + 200 = 600 ? 900)，所以检测对象区域判定部25将候补区域Η判定为检测对象区域。另外，因为在候补区域I中，推定异种对象的异种对象准确度的合计值为400 + 400 = 800 ? 900)，所以检测对象区域判定部25将候补区域I判定为检测对象区域。
[0159]此外，在此检测对象区域判定部25通过比较推定异种对象的异种对象准确度的合计值与检测对象准确度的大小关系来判定候补区域是否为检测对象区域，但是并不仅限于此，如何使用多个推定异种对象的异种对象准确度与检测对象准确度是任意的。即，检测对象区域判定部25只要是基于多个推定异种对象的异种对象准确度和检测对象准确度来判定候补区域是否为检测对象区域的装置即可。
[0160]而且，在上述两种情况中，检测对象区域判定部25也可以使用图3中示出的权重信息32来计算异种对象准确度的合计值。
[0161]具体而言，在检测对`象区域判定部25只基于异种对象准确度进行判定时，针对候补区域G的异种对象准确度的合计值为300X0.8 + 300X0.8 + 400X 1.4 = 1040。因为合计值大于阈值700，所以检测对象区域判定部25将候补区域G判定为不是检测对象区域。另外，针对候补区域Η的异种对象准确度的合计值为200X0.8 + 200X0.8 + 200 X 1.4 =600。因为合计值小于阈值700，所以检测对象区域判定部25将候补区域G判定为检测对象区域。另外，针对候补区域I的异种对象准确度的合计值为400X0.8 + 400X0.8 = 640。因为合计值小于阈值700，所以检测对象区域判定部25将候补区域G判定为检测对象区域。
[0162]另外，在检测对象区域判定部25基于异种对象准确度和检测对象准确度进行判定时，同样地，针对候补区域G的异种对象准确度的合计值为300X0.8 + 300X0.8 +400X1.4 = 1040。因为合计值大于检测对象准确度900，所以检测对象区域判定部25将候补区域G判定为不是检测对象区域。另外，针对候补区域Η的异种对象准确度的合计值为200X0.8 + 200X0.8 + 200X1.4 = 600。因为合计值小于检测对象准确度900，所以检测对象区域判定部25将候补区域G判定为检测对象区域。另外，针对候补区域I的异种对象准确度的合计值为400X0.8 + 400X0.8 = 640。因为合计值小于检测对象准确度900，所以检测对象区域判定部25将候补区域G判定为检测对象区域。
[0163][变形例1]
[0164]另外，针对作为变形例1的、异种对象检测部24基于检测对象准确度来决定检测类别的内容和/或类别数的例子进行说明。
[0165]在该变形例1中，假设检测对象是“人类的脸”，检测对象检测部22从输入图像检测出四个被认为是人类的脸的对象，候补区域确定部23确定分别包含四个推定检测对象的候补区域J?M。另外，设候补区域J?Μ中分别包含的推定检测对象的检测对象准确度分别是1200、900、700、500。另外，假设异种对象检测部24从存储部12读取图2所示的检测类别信息31，并基于检测类别信息31决定检测类别的内容和类别数。
[0166]在该情况下，因为候补区域J中包含的推定检测对象的检测对象准确度是1200，所以异种对象检测部24选择在检测类别信息31中示出的模式1。具体而言，异种对象检测部24针对候补区域J不执行任何异种对象的检测。另外，因为候补区域Κ中包含的推定检测对象的检测对象准确度是900，所以异种对象检测部24选择在检测类别信息31中示出的模式2。具体而言，异种对象检测部24针对候补区域Κ只执行“狗的脸”检测。另外，因为候补区域L中包含的推定检测对象的检测对象准确度是700，所以异种对象检测部24选择在检测类别信息31中示出的模式3。具体而言，异种对象检测部24针对候补区域L执行“狗的脸”检测和“猫的脸”检测。另外，因为候补区域Μ中包含的推定检测对象的检测对象准确度是500，所以异种对象检测部24选择在检测类别信息31中示出的模式4。具体而言，异种对象检测部24针对候补区域Μ执行“狗的脸”检测、“猫的脸”检测以及“鸟的脸”检测。
[0167][变形例2]
[0168]在本实施方式中，异种对象检测部24检测的对象即异种对象是被认为是与检测对象的主体类别不同的主体的全部或一部分的对象，但是并不仅限于此。例如，异种对象也可以是其类别与检测对象的类别不同的对象。
[0169]在该情况下，例如，当检测对象是“人类的眼睛”时，异种对象可以是“人类的嘴”等。另外，当检测对象是“人类的手”时，异种对象可以是“人类的脸”、“人类的脚”等。
[0170][用于解决问题的手段]
[0171]本发明的图像处理装置用于对图像上的检测对象进行检测，其中，上述检测对象是规定的主体的全部或一部分，其具有:检测对象检测单元，从上述图像检测被认为是上述检测对象的推定检测对象；异种对象判定单元，判定上述检测对象检测单元所检测出的推定检测对象是否为被认为是异种对象的推定异种对象，其中，上述异种对象是类别与上述主体的类别不同的主体的全部或一部分；以及检测对象判定单元，基于上述异种对象判定单元的判定结果，判定上述检测对象检测单元所检测出的推定检测对象是否为上述检测对象。
[0172]本发明的图像处理方法用于对图像上的检测对象进行检测，其中，上述检测对象是规定的主体的全部或一部分，其包括:检测对象检测步骤，从上述图像检测被认为是上述检测对象的推定检测对象；异种对象判定步骤，判定在上述检测对象检测步骤中检测出的推定检测对象是否为被认为是异种对象的推定异种对象，其中，上述异种对象是类别与上述主体的类别不同的主体的全部或一部分；以及检测对象判定步骤，基于上述异种对象判定步骤的判定结果，判定在上述检测对象检测步骤中检测出的推定检测对象是否为上述检测对象。
[0173]在此，一般情况下，对规定的检测对象进行检测的检测对象检测单元不仅检测出希望的检测对象，也有可能检测出与希望的检测对象不同的对象来作为推定检测对象。通过减少该检测对象检测单元的误检测，能够提高检测精度。
[0174]对此，本发明的图像处理装置和图像处理方法判定上述检测对象检测单元所检测出的推定检测对象是否为被认为是异种对象的推定异种对象，并基于其判定结果，判定推定检测对象是否为检测对象。
[0175]在此，当将推定检测对象判定为推定异种对象时，该推定检测对象不是检测对象而是异种对象的可能性大。另外，当将推定检测对象判定为不是推定异种对象时，该推定检测对象不是异种对象而是检测对象的可能性大。
[0176]因此,例如,在将推定检测对象判定为推定异种对象时,将该推定检测对象判定为不是检测对象，而在将推定检测对象判定为不是推定异种对象时，将该推定检测对象判定为检测对象，由此，与现有技术相比，能够有效而且高效地减少误检测。因此，起到能够有效而且闻效地提闻检测精度的效果。
[0177]另外，存在以下情况:即，根据检测对象，存在发生误检测的可能性大的对象。在该情况下，通过将发生误检测的可能性大的对象设定为异种对象，能够更高效地减少误检测，由此能够提高检测精度。
[0178]另外，优选地，在本发明的图像处理装置中，针对多个类别的推定异种对象，上述异种对象判定单元对每个类别分别判定上述检测对象检测单元所检测出的推定检测对象是否为推定异种对象。
[0179]例如，当对一种推定异种对象进行判定时，有时即使推定检测对象实际上不是检测对象，也会将推定检测对象判定为不是推定异种对象而将该推定检测对象判定为检测对象。另外，相反地，有时即使推定检测对象实际上是检测对象，也会将推定检测对象判定为推定异种对象而将所述推定检测对象判定为不是检测对象。
[0180]因此，上述异种对象判定单元针对多个类别的推定异种对象中的每个类别分别判定推定检测对象是否为推定异种对象，并基于该多个判定结果判定推定检测对象是否为检测对象，由此能够提闻排除误检测的精度。
[0181]另外，优选地，在本发明的图像处理装置中，上述检测对象检测单元检测上述推定检测对象并确定用于表示该推定检测对象是上述检测对象的准确度的检测对象准确度，上述异种对象判定单元基于上述检测对象检测单元所检测出的推定检测对象的检测对象准确度，来决定要判定的推定异种对象的类别内容和/或类别数。
[0182]在此，检测对象准确度高的推定检测对象是检测对象的可能性大，检测对象准确度低的推定检测对象是检测对象的可能性小。例如，针对检测对象准确度高的推定检测对象，即使限定要判定的推定异种对象的类别内容或者减少类别数，也能够充分地防止误检测。另外，针对检测对象准确度低的推定检测对象，通过增加要判定的推定异种对象的类别内容或者增加类别数，能够有效地防止误检测。
[0183]因此，通过上述异种对象判定单元基于检测对象准确度来决定要判定的推定异种对象的类别内容和/或类别数，能够高效地减少误检测。
[0184]另外，优选地，在本发明的图像处理装置中，在上述异种对象判定单元将上述推定检测对象判定为上述推定异种对象时，上述检测对象判定单元将所述推定检测对象判定为不是上述检测对象。[0185]根据上述结构，在上述异种对象判定单元将上述推定检测对象判定为上述推定异种对象时，上述检测对象判定单元将所述推定检测对象判定为不是上述检测对象。如上所述，在将推定检测对象判定为推定异种对象时，存在该推定检测对象不是检测对象而是异种对象的情况。因此，通过将被判定为是推定异种对象的推定检测对象判定为不是检测对象，能够减少误检测。
[0186]另外，优选地，在本发明的图像处理装置中，在上述异种对象判定单元将上述推定检测对象判定为规定类别的推定异种对象时，上述检测对象判定单元将该推定检测对象判定为不是上述检测对象。
[0187]例如，存在规定类别的推定异种对象的判定精度高的情况、或在对检测对象进行检测时误检测出与规定类别的推定异种对象相对应的异种对象的可能性大的情况等。即，在该情况下，被判定为是规定类别的推定异种对象的推定检测对象不是检测对象而是异种对象的可能性大。因此，通过将被判定为规定类别的推定异种对象的推定检测对象判定为不是检测对象，能够高效而且有效地减少误检测。
[0188]另外，优选地，在本发明的图像处理装置中，在上述异种对象判定单元就规定数量的类别数的推定异种对象判定为上述推定检测对象是上述推定异种对象时，上述检测对象判定单元将该推定检测对象判定为不是上述检测对象。
[0189]就被判定为是推定异种对象的推定检测对象而言，实际上可能并不是检测对象，但也可能是检测对象。但是，就对多个类别分别判定为是推定异种对象的推定检测对象而言，其是异种对象的可能性大。
[0190]因此，通过将针对规定数量的类别数的推定异种对象判定为是推定异种对象的推定检测对象判定为不是检测对象，能够有效地减少误检测。
[0191]优选地，上述异种对象判定单元在将上述推定检测对象判定为上述推定异种对象时，针对每个推定异种对象，分别确定用于表示该推定异种对象是对应的异种对象的准确度的异种对象准确度，在对各推定异种对象的异种对象准确度进行合计所得的合计值大于等于规定的阈值时，上述检测对象判定单元将上述推定检测对象判定为不是上述检测对象。
[0192]在此，异种对象准确度或其合计值大的推定检测对象是异种对象的可能性大，异种对象准确度或其合计值小的推定检测对象是异种对象的可能性小。
[0193]因此，通过将异种对象准确度的合计值大于等于规定值的推定检测对象判定为不是检测对象，能够有效地减少误检测。
[0194]优选地，上述检测对象检测单元检测上述推定检测对象并确定用于表示该推定检测对象是上述检测对象的准确度的检测对象准确度，上述异种对象判定单元在将上述推定检测对象判定为上述推定异种对象的情况下，针对每个推定异种对象，分别确定用于表示该推定异种对象是对应的异种对象的准确度的异种对象准确度，上述检测对象判定单元基于各推定异种对象的异种对象准确度和上述检测对象准确度，判定上述推定检测对象是否为上述检测对象。
[0195]在此，检测对象准确度高且异种对象准确度或其合计值小的推定检测对象是检测对象的可能性大。另外，检测对象准确度低且异种对象准确度或其合计值大的推定检测对象是检测对象的可能性小。[0196]因此，通过基于多个推定异种对象的异种对象准确度和检测对象准确度来判定推定检测对象是否为检测对象，能够有效地减少误检测。
[0197]优选地，上述检测对象判定单元将针对每个上述推定异种对象事先设定的规定的权重值与各推定异种对象的异种对象准确度分别相乘，并基于相乘而得的多个异种对象准确度来判定上述推定检测对象是否为上述检测对象。
[0198]例如，针对判定精度高的推定异种对象或者出现误检测的可能性大的推定异种对象设定大的权重值，针对判定精度低的推定异种对象或者出现误检测的可能性小的推定异种对象设定小的权重值，由此，能够使异种对象准确度的值更高精度地反映推定检测对象是否为检测对象。
[0199]因此，上述检测对象判定单元通过将针对每个上述推定异种对象事先设定的规定的权重值与各推定异种对象的异种对象准确度分别相乘，并基于相乘而得的多个异种对象准确度来判定上述推定检测对象是否为上述检测对象，能够高效地减少误检测。
[0200]此外，上述图像处理装置也可以通过计算机实现，在该情况下，通过使计算机发挥上述图像处理装置的各单元的功能而使计算机实现上述图像处理装置的控制程序、以及记录有该控制程序的计算机可读取的记录介质也包含在本发明的范围内。
[0201][补充]
[0202]本发明并不仅限于上述实施方式，而在权利要求所示的范围内能够进行各种变更。即，对在权利要求所示的范围内进行了适当变更而得的技术手段进行组合所获得的实施方式也包含在本发明的技术范围内。
[0203]最后，图像处理装置1的各功能块，尤其是控制部11可以由硬件逻辑器件构成，也可以如下所述通过利用CPU由软件实现。
[0204]S卩，图像处理装置1具有执行用于实现各功能的控制程序的命令的CPU (centralprocessing unit)、保存了上述程序的ROM (read only memory)、展开上述程序的RAM(random access memory)、以及保存上述程序及各种数据的存储器等存储装置(记录介质)等。并且，本发明的目的也能够通过如下方式实现，即，向上述图像处理装置1提供计算机可读取的记录介质，该记录介质记录有实现上述功能的软件即图像处理装置1的控制程序的程序代码(执行形式程序、中间代码程序、源程序)，使该计算机(或者，CPU、MPU (微处理器))读取并执行记录在记录介质内的程序代码。
[0205]作为上述记录介质,例如，能够使用如下的设备:磁带、盒式磁带(cassette tape)等磁带类；包括软盘(Floppy disk:注册商标)/硬盘等磁盘、⑶一 ROM (只读光盘)/M0 (光磁盘)/MD (迷你光盘)/DVD (数字多功能光盘)/⑶一 R (数据写入光盘)等光盘的盘(disk)类，1C卡(包括存储卡)/光卡等卡类；或掩膜R0M/EPR0M (可擦除可编程只读存储器)/EEPR0M (电可擦可编程只读存储器)/快闪ROM等半导体存储器类等。
[0206]另外，也可以将图像处理装置1构成为能够与通信网络连接，经由通信网络供给上述程序代码。作为该通信网络，没有特别的限定，例如，能够利用互联网、内联网、外联网、LAN、ISDN (综合业务数字网)、VAN (增值网络)、CATV通信网、虚拟专用网(Virtual PrivateNetwork)、电话线路网、移动通信网、卫星通信网等。另外，作为构成通信网络的传送介质，没有特别的限定，例如，能够利用IEEE1394、USB、电力线载波、电缆TV线路、电话线、ADSL(非对称数字用户环路)线路等有线网络，还能够利用IrDA (红外数据组织)、遥控之类的红外线、蓝牙(注册商标)、802.11无线、HDR、移动电话网、卫星线路、地面波数字网等无线网络。此外，本发明还可以通过以电子传送体现上述程序代码的、加载到载波中的计算机数据信号的形式来实现。
[0207]产业可用性
[0208]本发明能够应用于对图像上的规定的有形物体进行检测的图像处理装置。
[0209]附图标记的说明
[0210]1:图像处理装置；
[0211]22:检测对象检测部(检测对象检测单元);
[0212]24:异种对象检测部(异种对象判定单元);
[0213]25:检测对象区域判定部(检测对象判定单元)。
【权利要求】
1.一种图像处理装置，用于对图像上的检测对象进行检测，上述检测对象是规定的主体的全部或一部分，其特征在于，具有: 检测对象检测单元，从上述图像检测被认为是上述检测对象的推定检测对象； 异种对象判定单元，判定上述检测对象检测单元所检测出的推定检测对象是否为被认为是异种对象的推定异种对象，上述异种对象是类别与上述主体的类别不同的主体的全部或一部分；以及 检测对象判定单元，基于上述异种对象判定单元的判定结果，判定上述检测对象检测单元所检测出的推定检测对象是否为上述检测对象。
2.如权利要求1所述的图像处理装置，其特征在于， 针对多个类别的推定异种对象，上述异种对象判定单元对每个类别分别判定上述检测对象检测单元所检测出的推定检测对象是否为推定异种对象。
3.如权利要求1所述的图像处理装置，其特征在于， 上述检测对象检测单元检测上述推定检测对象并确定用于表示该推定检测对象是上述检测对象的准确度的检测对象准确度， 上述异种对象判定单元基于上述检测对象检测单元所检测出的推定检测对象的检测对象准确度，来决定要判定的推定异种对象的类别内容和/或类别数。
4.如权利要求1~3中任一项所述的图像处理装置，其特征在于， 在上述异种对象判定单元将上述推定检测对象判定为上述推定异种对象时，上述检测对象判定单元将该推定检测对象判定为不是上述检测对象。
5.如权利要求2或3所述的图像处理装置，其特征在于， 在上述异种对象判定单元将上述推定检测对象判定为规定类别的推定异种对象时，上述检测对象判定单元将该推定检测对象判定为不是上述检测对象。
6.如权利要求2、3或5所述的图像处理装置，其特征在于， 在上述异种对象判定单元就规定数量的类别数的推定异种对象将上述推定检测对象判定为上述推定异种对象时，上述检测对象判定单元将该推定检测对象判定为不是上述检测对象。
7.如权利要求1~3中任一项所述的图像处理装置，其特征在于， 上述异种对象判定单元在将上述推定检测对象判定为上述推定异种对象时，针对每个推定异种对象，分别确定用于表示该推定异种对象是对应的异种对象的准确度的异种对象准确度， 在对各推定异种对象的异种对象准确度进行合计所得的合计值大于等于规定的阈值时，上述检测对象判定单元将上述推定检测对象判定为不是上述检测对象。
8.如权利要求1~3中任一项所述的图像处理装置，其特征在于， 上述检测对象检测单元检测上述推定检测对象并确定用于表示该推定检测对象是上述检测对象的准确度的检测对象准确度， 上述异种对象判定单元在将上述推定检测对象判定为上述推定异种对象的情况下，针对每个推定异种对象，分别确定用于表示该推定异种对象是对应的异种对象的准确度的异种对象准确度， 上述检测对象判定单元基于各推定异种对象的异种对象准确度和上述检测对象准确度，判定上述推定检测对象是否为上述检测对象。
9.如权利要求7或8所述的图像处理装置，其特征在于， 上述检测对象判定单元将针对每个上述推定异种对象事先设定的规定的权重值与各推定异种对象的异种对象准确度分别相乘，并基于相乘而得的多个异种对象准确度来判定上述推定检测对象是否为上述检测对象。
10.一种图像处理方法，用于对图像上的检测对象进行检测，上述检测对象是规定的主体的全部或一部分，其特征在于，包括: 检测对象检测步骤，从上述图像检测被认为是上述检测对象的推定检测对象； 异种对象判定步骤，判定在上述检测对象检测步骤中检测出的推定检测对象是否为被认为是异种对象的推定异种对象，上述异种对象是类别与上述主体的类别不同的主体的全部或一部分；以及 检测对象判定步骤，基于上述异种对象判定步骤的判定结果，判定在上述检测对象检测步骤中检测出的推定检测对象是否为上述检测对象。
11.一种控制程序，其特征在于， 用于使如权利要求1~9中任一项所述的图像处理装置动作， 使计算机发挥上述图像处理装置的各单元的功能。
12.—种记录介质,其特征在于， 记录有如权利要求11所述的`控制程序，且能够由计算机读取。
【文档编号】G06T7/00GK103688290SQ201280035765
【公开日】2014年3月26日 申请日期:2012年3月13日 优先权日:2011年9月15日
【发明者】田中清明, 山下隆义, 高山贵宏 申请人:欧姆龙株式会社