专利名称：信息处理装置、信息处理方法和程序的制作方法
信息处理装置、信息处理方法和程序
背景技术：
本发明涉及ー种信息处理装置。具体地讲，本发明涉及一种处理图像的信息处理装置、ー种信息处理方法和使计算机执行该方法的程序。在现有技术中，已提出一种用于识别由信息处理装置(诸如，数字静止照相机、数字视频照相机(例如，集成了照相机的记录器)等)产生的图像中所包括的被摄体是什么的被摄体识别技木。作为被摄体识别技术，例如，已提出脸部检测技术，所述脸部检测技术使用特征量(诸如，亮度、顔色等)通过图像处理检测图像中所包括的人脸部。另外，已提出一种用于识别使用如上所述脸部检测技术检测的脸部是否是特定人脸部的技术。例如，已提出ー种图像处理装置，在该图像处理装置中，由Gabor滤波器检测在图 像中所包括的脸部上以固定间隔布置的多个特征点之间的局部特征量，并且使用所检测到的特征量识别人脸部(例如，參见日本未审专利申请公开No. 2006-4003)。在该图像处理装置中，检测以固定间隔分开地位于图像中所包括的脸部上的特征点，并且由Gabor滤波器检测这些特征点的局部特征量。然后，通过计算检测的特征量和预先登记的脸部的特征量之间的相似的程度，识别人脸部。
发明内容
根据如上所述的现有技术，获得位于输入图像中所包括的脸部上以固定间隔布置的特征点的局部特征量，然后使用这些特征量能够识别特定目标(例如，人脸部)。然而，在以上描述的现有技术中，由于使用Gabor滤波器获得特征量，所以计算量増加。在本文，在成像装置(诸如，数字静止照相机、数字视频照相机等)中，例如，当在产生的图像中识别到脸部时，很重要的是，保持识别脸部的精度并且迅速地执行脸部识别处理。如此，在每ー情况下，很重要的是，在识别特定目标的处理中保持精度并且迅速地执行识别处理。因此希望迅速地执行识别特定目标的处理。根据本发明的实施例，提供了一种处理图像的信息处理装置、ー种信息处理方法和使计算机执行该方法的程序，所述信息处理装置包括转换单元，执行转换以使得图像中所包括的特定目标中包括特征点及其周围的区域被设置为第一区域，当第一区域中所包括的一个像素被设置为基准像素时，包括基准像素及其周围的像素的区域被设置为第二区域，并且基于基准像素的特征量和与基准像素相关的第二区域中所包括的另ー像素的特征量的比较结果，针对第二区域中所包括的每个像素转换另一像素的特征量；和计算单元，通过针对第二区域中所包括的每个像素的位置对从每个基准像素的转换获得的第二区域中所包括的每个像素的值执行计算，计算将要在用于识别特定目标的识别处理中使用的特征量。因此，表现出这样的效果，即基于基准像素的特征量和与基准像素相关的第二区域中所包括的另ー像素的特征量的比较结果，针对第二区域中所包括的每个像素转换另一像素的特征量，并且通过针对第二区域中所包括的每个像素的位置对为每个基准像素获得的第二区域中所包括的每个像素的值执行计算，计算将要在用于识别特定目标的识别处理中使用的特征量。另外，根据本发明的实施例，所述计算単元可计算具有第二区域中所包括的每个像素的每个位置的计算结果作为构成元素的特征量作为将要在识别处理中使用的特征量。因此，表现出这样的效果，即特征量具有第二区域中所包括的每个像素的每个位置的计算结果作为构成元素。另外，根据本发明的实施例，可还包括识别单元，该识别単元通过比较从相关联地存储将要在识别处理中使用的特征量与该特定目标的存储单元获取的该特征量与计算的特征量，执行识别处理。因此，表现出这样的效果，即通过针对每个构成元素比较从存储单元获取的特征量与计算的特征量来执行识别处理。另外，根据本发明的实施例，所述转换単元可对特定目标中的多个特征点执行转换，计算単元为所述多个特征点计算将要在识别处理中使用的特上征量，并且识别单元通过针对每个特征点比较从存储单元获取的特征量与计算的特征量执行识别处理。因此，表 现出这样的效果，即对特定目标中的多个特征点执行转换，计算所述多个特征点的特征量，并且通过针对每个特征点比较从存储单元获取的特征量与计算的特征量来执行识别处理。另外，根据本发明的实施例，当基于基准像素的特征量，与基准像素相关的第二区域中所包括的另ー像素的特征量较大吋，该特征量可被转换成第一值，并且当基于基准像素的特征量，与基准像素相关的第二区域中所包括的另ー像素的特征量较小时，该特征量可被转换成第二值。因此，表现出这样的效果，即当基于基准像素的特征量，与基准像素相关的第二区域中所包括的另ー像素的特征量较大吋，该特征量被转换成第一值，并且当基于基准像素的特征量，与基准像素相关的第二区域中所包括的另ー像素的特征量较小吋，该特征量被转换成第二值。另外，根据本发明的实施例，所述转换単元可通过把第一和第二值中的任何ー个设置为正值并且把另ー个值转换成负值来执行所述转换。因此，表现出这样的效果，即第一和第二值中的任何一个被设置为正值并且另一个值被设置为负值。另外，根据本发明的实施例，所述计算単元可通过执行加法作为所述计算来计算将要在识别处理中使用的特征量。因此，表现出这样的效果，即通过执行相同元素的加法计算特征量。另外，根据本发明的实施例，所述转换単元可通过根据特征点改变与特定目标中的多个特征点相关的第一区域的尺寸和形状中的至少ー项执行所述转换。因此，表现出这样的效果，即通过根据特征点改变与特定目标中的多个特征点相关的第一区域的尺寸和形状中的至少ー项执行所述转换。另外，根据本发明的实施例，所述转换単元可通过根据特征点改变与特定目标中的多个特征点相关的第二区域的尺寸和形状中的至少ー项执行所述转换。因此，表现出这样的效果，即通过根据特征点改变与特定目标中的多个特征点相关的第二区域的尺寸和形状中的至少ー项执行所述转换。另外，根据本发明的实施例，所述转换単元可仅对第二区域中所包括的各像素的位置之中与将要在识别处理中使用的特征量相关的位置执行转换，并且识别单元可仅对第ニ区域中所包括的各像素的位置之中与将要在识别处理中使用的特征量相关的位置执行计算。因此，表现出这样的效果，即仅对与将要在识别处理中使用的特征量相关的位置执行转换，并且仅对与将要在识别处理中使用的特征量相关的位置执行计算。另外，根据本发明的实施例，可还包括特定目标检测単元，检测图像中所包括的特定目标；特征点检测单元，检测在检测到的特定目标中的特征点；和识别单元，使用从相关联地存储将要在识别处理中使用的特征量与特定目标的存储单元获取的该特征量和计算的特征量来执行识别处理。因此，表现出这样的效果，即检测图像中所包括的特定目标，检测检测到的特定目标的特征点，并且使用从存储单元获取的特征量和计算的特征量执行识别处理。另外，根据本发明的实施例，所述特定目标可以是人的脸部，特征点可以是脸部中所包括的器官的至少ー个边缘部分，并且识别处理可以识别检测到的人的脸部是否是特定人的脸部。因此，表现出这样的效果，即执行识别以识别检测到的人的脸部是否是特定人的脸部。 根据本发明的实施例，能够表现出执行识别特定目标的快速处理的优异效果。
图I是显示根据本发明第一实施例的成像装置的功能结构例子的方框图；图2是显示根据本发明第一实施例的照相机控制单元的功能结构例子的方框图；图3是显示根据本发明第一实施例的登记脸部检测单元的功能结构例子的方框图；图4是显示根据本发明第一实施例的脸部图像产生单元的功能结构例子的方框图；图5A至是显示由根据本发明第一实施例的脸部图像产生单元产生脸部图像的例子的示图；图6是示意性地显示根据本发明第一实施例的特征点检测字典存储单元的存储内容的例子的示图；图7A至7C是显示当由根据本发明第一实施例的特征点检测单元检测脸部的特征点时的检测例子的示图；图8是示意性地显示根据本发明第一实施例的作为特征点检测单元的特征点检测处理的目标的脸部图像和特征点检测处理的检测结果的示图；图9是示意性地显示根据本发明第一实施例的登记脸部特征量存储单元的存储内容的例子的示图；图IOA和IOB是示意性地显示根据本发明第一实施例的登记脸部特征量存储单元中存储的特征量和登记的脸部之间的关系例子的示图；图IlA和IlB是示意性地显示根据本发明第一实施例的脸部识别字典存储单元的存储内容的例子的示图；图12A和12B是简要地显示根据本发明第一实施例的作为特征量计算单元的特征量计算处理的目标的脸部图像和当为脸部图像计算特征量时使用的目标区域的示图；图13A至13C是示意性地显示根据本发明第一实施例的用于特征量计算单元的特征量计算的像素的示图14A至14C是示意性地显示根据本发明第一实施例的用于特征量计算单元的特征量计算的比较目标区域和为比较目标区域计算的编码信息之间的关系的示图；图15A和15B是示意性地显示根据本发明第一实施例的由特征量计算单元计算的每条编码信息和在编码信息的加法处理中计算的特征量之间的关系的示图；图16A和16B是示意性地显示根据本发明第一实施例的作为特征量计算单元的特征量计算处理的目标的脸部图像和为脸部图像中的每个特征点计算的特征量之间的关系的示图；图17A至17C是示意性地显示根据本发明第一实施例的当计算识别单元的识别处理中使用的分数时的计算方法的示图；图18是显示根据本发明第一实施例的成像装置的图像记录处理的处理过程的例子的流程图； 图19是显示根据本发明第一实施例的成像装置的图像记录处理的处理过程中的登记脸部检测处理过程的流程图；图20是显示根据本发明第一实施例的成像装置的登记脸部检测处理过程中的特征量计算处理过程的流程图；图21是显示根据本发明第一实施例的成像装置的登记脸部检测处理过程中的识别处理过程的流程图；图22A至22C是显示根据本发明第二实施例设置当由特征量计算单元计算特征量时使用的特征点周围区域的例子的示图；图23A至23C是显示根据本发明第二实施例设置当由特征量计算单元计算特征量时使用的特征点周围区域的例子的示图；图24A至24B是显示根据本发明第二实施例设置当由特征量计算单元计算特征量时使用的比较目标区域的例子的示图；图25A至2 是显示根据本发明第二实施例设置当由特征量计算单元计算特征量时使用的比较目标区域的例子的示图。
具体实施例方式以下，将描述本发明的示例性实施例(以下，称为实施例)。将按照下面的次序提供描述。I.第一实施例(特征量计算控制计算与特定目标中的特征点相关的特征量作为用于特定目标的识别处理的特征量的例子)2.第二实施例(特征量计算控制根据特征点改变当计算特征量时使用的特征点周围区域的尺寸的例子)〈I.第一实施例>[成像装置的结构例子]图I是显示根据本发明第一实施例的成像装置100的功能结构例子的方框图。成像装置100包括镜头111、成像单元112、系统控制单元120、存储装置单元130、外部I/F(接ロ)单元140、记录单元150、操作输入单元160、显示单元170、音频输出単元180和照相机控制单元200。成像装置100通过例如对被摄体成像产生图像数据，通过对图像数据执行图像分析提取各个特征量，并且能够实现为能够使用这种每ー个提取的特征量执行各种图像处理的数字静止照相机。另外，成像装置100是权利要求中描述的信息处理装置的例子。镜头111由聚集来自被摄体的光的多个透镜(变焦透镜、聚焦透镜等)构成，并且从被摄体入射的光经这些透镜被提供给成像単元112。成像単元112包括具有电子快门功能的成像元件(图中未示出)和通过处理成像元件的输出信号产生图像(图像数据)的信号处理单元(图中未示出)。换句话说，成像単元112以这样的方式产生图像(捕捉图像)经镜头111入射的被摄体的光学图像在成像元件的成像面上形成图像，成像元件在该状态下执行成像操作，并且信号处理单元对成像信号执行信号处理。然后，产生的图像被提供给存储装置単元130并存储在存储装置单元130中。另外，由照相机控制单元200顺序地确定用于图像的产生的照相机參数(成像參数)。照相机控制单元200基于经存储装置单元130从成像单元112提供的图像和系统 控制单元120的控制来控制成像单元112。将參照图2详细描述照相机控制单元200。系统控制单元120控制总体的成像装置100。例如，系统控制单元120根据操作输入単元160从用户接收的操作输入执行控制。另外，系统控制単元120控制显示単元170上显示的菜单屏幕等的显示、为记录単元150记录和读取图像以及通过外部I/F単元140执行的与外部计算机或网络的通信等。另外，当系统控制単元监测成像操作时，系统控制単元120控制显示单元170显示由成像单元112产生的图像。存储装置単元130是用于在成像装置100的系统上暂时保存图像等的主存储装置，并由例如DRAM (动态随机存取存储器)构成。换句话说，成像装置100中的各个单元之间的图像的交换绝大部分通过存储装置単元130执行。外部I/F単元140是包括输入和输出端子(诸如，USB(通用串行总线)等)的外部接ロ，并提供用于连接到外部计算机或者连接到网络的接ロ。记录单元150基于系统控制单元120的控制记录由成像单元112产生的图像。另夕卜，记录单元150基于系统控制单元120的控制把记录的图像提供给系统控制单元120。作为记录单元150,例如，能够使用诸如闪存等的记录介质。另外,记录单元150可以安装在成像装置100中，或者可以可拆卸地安装在成像装置100上。操作输入单元160是从用户接收操作输入的操作输入单元，井根据接收的操作输入把信号输出给系统控制単元120。例如，如果快门按钮被按下以便指示记录图像，则与快门按钮的按下对应的信号被输出给系统控制单元120。显示单元170是用于基于系统控制单元120的控制显示各种图像的显示单元。显示单元170显示例如由成像单元112产生的图像(例如,贯通图像(through image))、从记录单元150读取的图像、将要提供给用户的菜单屏幕等。首频输出单兀180基于系统控制单兀120的控制输出各种首频イ目息。首频输出单元180能够由例如扬声器实现。[照相机控制单元的结构例子]图2是显示根据本发明第一实施例的照相机控制单元200的功能结构例子的方框图。图2显示照相机控制单元200的功能结构例子，并且还显示图I中示出的成像単元112、系统控制单元120和存储装置单元130的结构。照相机控制单元200包括顺序控制単元210、照相机參数控制単元220、登记脸部检测单元230和存储装置I/F 240。这里，存储装置单元130和照相机參数控制单元220之间以及存储装置単元130和登记脸部检测单元230之间的图像的交換通过存储装置I/F240执行。顺序控制单元210由来自系统控制单元120的图像记录待机命令启动，并在可记录状态下保存由成像単元112产生的图像。在图像记录待机状态下，由成像単元112产生的图像被顺序存储在存储装置单元130中。例如，存储在存储装置单元130中的图像以1/60秒的间隔被更新。另外，顺序控制单元210控制照相机參数控制单元220基于存储在存储装置単元130中的当前图像(由成像単元112产生的最新图像)确定照相机參数。另外，顺序控制单元210控制登记脸部检测单元230对存储在存储装置单元130中的当前图像执行登记图像检测处理。这里，当从登记脸部检测单元230输出指示检测到登记脸部(已经登记过的脸部)的登记脸部检测信息时，顺序控制单元210把检测到登记脸部的含义输出 给系统控制单元120和照相机參数控制単元220。照相机參数控制単元220确定与图像相关的照相机參数，并使用确定的照相机參数对成像单元112执行成像控制。具体地讲,照相机參数控制单元220基于来自顺序控制単元210的触发经存储装置I/F240获取存储在存储装置単元130中的当前图像。然后，通过评估当前图像确定包括快门速度、曝光、白平衡等的照相机參数。另外，当从当前图像检测到登记脸部时，照相机參数控制単元220基于检测到的登记脸部和当前图像的评估确定包括快门速度、曝光、白平衡等的照相机參数。例如，当检测到登记脸部时，基于图像中的检测到的脸部的位置和尺寸确定检测到的登记脸部的最佳照相机參数。登记脸部检测单元230对存储在存储装置単元130中的当前图像执行登记脸部检测处理，并在检测到登记脸部时把登记脸部检测信息输出给顺序控制単元210。具体地讲，登记脸部检测单元230基于来自顺序控制単元210的触发经存储装置I/F 240获取存储在存储装置単元130中的当前图像，并对当前图像执行登记脸部检测处理。这里，登记脸部检测信息是与检测的登记脸部相关的信息以及包括例如图像中的检测的脸部的位置和尺寸和指示脸部的程度的分数的信息。将參照图3详细描述登记脸部检测单元230。[登记脸部检测单元的结构例子]图3是显示根据本发明第一实施例的登记脸部检测单元230的功能结构例子的方框图。登记脸部检测单元230包括图像获取单元231、特征点检测单元232、特征量计算单元233、识别单元234和识别结果输出单元235。另外，登记脸部检测单元230包括特征点检测字典存储单元250、脸部图像产生单元300、脸部识别字典存储单元500和登记脸部特征量存储单元400。图像获取单元231经存储装置I/F 240获取存储在存储装置单元130中的图像(图像数据)，并把获取的图像输出给脸部图像产生単元300。脸部图像产生单元300从由图像获取单元231输出的图像产生包括人脸的图像(脸部图像)，并把产生的脸部图像输出给特征点检测单元232和特征量计算单元233。另夕卜，将參照图4描述脸部图像产生単元300的细节。
特征点检测单元232使用存储在特征点检测字典存储单元250中的特征点检测字典在由脸部图像产生单元300产生的脸部图像中所包括的脸部中检测特征点，并把检测结果(特征点信息)输出给特征量计算单元233。特征点检测字典存储单元250存储用于特征点检测单元232的特征点检测处理的特征点检测字典，并把存储的特征点检测字典提供给特征点检测单元232。将參照图6详细描述特征点检测字典存储单元250的存储内容。特征量计算单元233为由脸部图像产生单元300产生的脸部图像中的每个特征点(由特征点检测单元232检测的每个特征点)计算特征量，并把计算的特征量输出给识别单元 234。这里，图像(例如，脸部图像)中所包括的特定目标(例如，人脸)中包括特征点及其周围的区域被设置为第一区域(例如，图13A中显示的特征点周围区域520(mXn区 域))。另外，当第一区域中所包括的一个像素被设置为基准像素吋，基准像素和该基准像素周围的像素被设置为第二区域(例如，图13A中显示的比较目标区域522 (MXN区域))。在这种情况下，基于基准像素的特征量和与基准像素相关的第二区域中所包括的其它像素的特征量的比较结果，特征量计算单元233针对每个像素转换其它像素的特征量。然后，特征量计算单元233针对第二区域中所包括的每个像素的位置计算(例如，加法处理)为每个基准像素获得的第二区域中所包括的每个像素的值(例如，-1或者+1)。通过该计算，特征量计算单元233计算将要在用于识别特定目标的识别处理中使用的特征量。例如，当基于作为基准的基准像素的特征量，与基准像素相关的第二区域中所包括的另ー像素的特征量较大时，特征量计算单元233把该特征量转换成第一值。另ー方面，当基于作为基准的基准像素的特征量，与基准像素相关的第二区域中所包括的另ー像素的特征量较小时，特征量计算单元233把该特征量转换成第二值。在这种情况下，特征量计算单元233把例如第一值或者第二值之ー转换成正值(例如，+1)并且把另ー个值转换成负值(例如，-1)。另外，这里，基于作为基准的基准像素的特征量较大的情况被设置为既包括等于基准像素的特征量的含义又包括大于基准像素的特征量的含义。另外，基于作为基准的基准像素的特征量较小的情况被设置为既包括等于基准像素的特征量的含义又包括小于基准像素的特征量的含义。然而，当基于作为基准的基准像素的特征量较大的情况指示等于或大于基准像素的特征量时，基于作为基准的基准像素的特征量较小的情况指示小于基准像素的特征量。另ー方面，当基于作为基准的基准像素的特征量较大的情况指示大于基准像素的特征量时，基于作为基准的基准像素的特征量较小的情况指示等于或小于基准像素的特征量。另外，如图15中所示，特征量计算单元233计算ー个特征量，作为在识别处理中使用的特征量，该特征量具有针对作为构成元素的第二区域中所包括的每个像素的每个位置的计算結果。另外，特征量计算单元233对特定目标中的多个特征点执行转换，并计算在识别处理中使用的所述多个特征点的特征量。将參照图12A至16B详细描述特征量的计算处理。另外，特征量计算单元233是转换単元和计算单元的例子。登记脸部特征量存储单元400存储用于识别単元234的识别处理的登记脸部特征量，并在识别单元234中提供存储的登记脸部特征量。另外，将參照图9至IOB详细描述登记脸部特征量存储单元400的存储内容。
脸部识别字典存储单元500存储用于识别単元234的识别处理的脸部识别字典(统计字典)，并把存储的脸部识别字典提供给识别単元234。另外，将參照图IlA和IlB详细描述脸部识别字典存储单元500的存储内容。识别单元234执行用于确定由脸部图像产生单元300产生的脸部图像中所包括的脸部是否是登记图像的脸部确定处理(识别处理)。然后，确定结果(识别結果)被输出给识别结果输出单元235。具体地讲，识别単元234获取存储在登记脸部特征量存储单元400中的登记脸部特征量，并通过比较登记脸部特征量与由特征量计算单元233为每个构成元素的每个特征点计算的特征量执行识别处理。在这种情况下，利用存储在脸部识别字典存储单元500中的脸部识别字典指定用作比较目标的特征点及其像素。
换句话说，脸部识别字典存储单元500以相同类型存储一条或多条确定信息，该确定信息包括与特征点相关的信息(特征点识别信息)与特征量的位置和阈值的多种组合。识别单元234通过比较计算与确定信息中所包括的多种组合相关的位置所对应的特征量(由特征量计算单元233计算的特征量)和与该位置对应的登记脸部特征量之间的相似的程度(例如，差值)。然后，识别単元234基于计算的相似的程度的比较结果和与各组合相关的阈值计算评估值(分数)，并基于该分数执行识别。将參照图17A至17C详细描述识别单元234的识别处理。识别结果输出単元235把识别单元234的识别结果输出给顺序控制单元210。当从识别単元234输出脸部图像中所包括的脸部被确定是登记脸部的确定结果时，例如，识别结果输出单元235把指示检测到登记脸部的含义的登记脸部检测信息输出给顺序控制単元210。登记脸部检测信息包括例如图像中的检测的登记脸部的位置和尺寸以及指示脸部的程度的分数。[脸部图像产生单元的结构例子]图4是显示根据本发明第一实施例的脸部图像产生单元300的功能结构例子的方框图。脸部图像产生单元300包括脸部检测字典存储单元310、脸部检测单元320、眼睛检测字典存储单元330、眼睛检测単元340和正规化单元350。脸部检测字典存储单元310存储用于脸部检测单元320的脸部检测处理的脸部检测字典，并把存储的脸部检测字典提供给脸部检测单元320。脸部检测单元320检测从图像获取単元231输出的图像中所包括的人脸，并把与检测的脸部相关的脸部检测信息输出给眼睛检测単元340。作为脸部检测方法，例如，能够使用利用记录了脸部的亮度分布信息的模板和实际图像之间的匹配的脸部检测方法(例如，參见日本未审专利申请公开No. 2004-133637)、基于图像中所包括的肤色的一部分、人脸的特征量的脸部检测方法等。另外，脸部检测信息包括包含检测到的脸部的脸部图像以及图像中的检测到的脸部的位置和尺寸。另外，脸部检测单元320是特定目标检测単元的例子。眼睛检测字典存储单元330存储用于眼睛检测单元340的眼睛检测处理的眼睛检测字典，并把存储的眼睛检测字典提供给眼睛检测单元340。眼睛检测単元340检测由脸部检测单元320检测到的脸部的双眼，并把与检测到的双眼相关的眼睛信息和从脸部检测单元320输出的脸部检测信息输出给正规化单元350。换句话说，眼睛检测単元340检测从图像获取単元231输出的图像中所包括的脸部中的双眼。作为这种眼睛检测方法，例如，能够以与脸部检测方法相同的方式使用利用记录了眼睛的亮度分布信息的模板和实际图像之间的匹配的眼睛检测方法等。另外，眼睛信息包括脸部图像中的检测到的双眼的位置。利用眼睛信息，可以指定图像上的双眼的位置。双眼的位置能够设置为例如双眼中的中心位置。正规化单元350基于从眼睛检测単元340输出的眼睛信息和脸部检测信息正规化与从图像获取单元231输出的图像中所包括的脸部相关的脸部图像，并把正规化的脸部图像输出给特征点检测单元232和特征量计算单元233。正规化单元350使用例如正规化模板对由脸部检测单元320检测的脸部图像执行正规化。作为正规化模板，例如，如图5C中所示，能够使用具有双眼的位置作为脸部图像中的基准的正规化模板351。换句话说，正规化単元350对从脸部检测单元320输出的脸部图像执行旋转处理以及放大和减小处理，以使得从眼睛检测单元340输出的脸部图像中的双眼的位置与正规化模板中的双眼的位置一致。然后，正规化单元350通过执行分辨率转换(例如，80像素X80像素)正规化脸部图像。另外，将參照图5A至详细描述脸部图像的正规化。[脸部图像产生例子]图5A至是显示由根据本发明第一实施例的脸部图像产生单元300产生脸部图像的例子的示图。图5A简要地显示由成像单元112产生的图像360。图像360被设置为包括三个人361至363。脸部检测单元320对如上所述由成像单元112产生的图像360执行脸部检测处理。图5B示意性地显示脸部检测单元320的脸部检测处理的检测結果。换句话说，在图像360中，通过利用矩形364至366包围由脸部检测单元320检测到的脸部来显示由脸部检测单元320检测到的脸部。以这种方式，眼睛检测単元340对由脸部检测单元320检测到的脸部(矩形364至366中的脸部)执行眼睛检测处理。图5C示意性地显示眼睛检测単元340的眼睛检测处理的检测结果和用于正规化単元350的正规化处理的正规化模板351。图5C仅显示对由脸部检测单元320检测到的脸部(矩形364至366中的脸部)之中的人363的脸部执行正规化处理的例子，但能够以相同方式对其它脸部执行正规化处理。另外，图5C在从图像360取出的脸部图像370中利用X符号371和372显示由眼睛检测単元340检测到的眼睛的位置。另外，图5C显示把眼睛的位置设置为眼睛中的中心位置的例子。正规化模板351是当正规化单元350执行正规化处理时使用的模板，并定义基准位置352和353作为在执行正规化时的基准。另外，正规化单元350执行正规化处理，以使得由眼睛检测单元340检测的脸部图像370中的双眼的位置(X符号371和372)与正规化模板351中的基准位置352和353 —致。换句话说，执行正规化处理，以使得右眼和左眼之间的距离固定。具体地讲，正规化单元350对脸部图像370执行旋转处理并转换脸部图像的分辨率。脸部图像的尺寸优选地设置为达到这种程度的尺寸例如，能够检测脸部中的特征点。例如，执行分辨率转换，以使得脸部图像的分辨率被设置为80像素X80像素，然、后产生正规化的脸部图像。图简要地显示在正规化处理中由正规化单元350产生的正规化的脸部图像375。如图中所示，例如，如果对脸部图像370执行分辨率转换和旋转处理，则产生正规化的脸部图像(正规化的脸部图像375)。正规化的脸部图像375中所包括的人363的脸部上的双眼的位置与图5C中显示的正规化模板351中的基准位置352和353匹配。另外，作为基准位置，可以使用脸部中所包括的除双眼之外的其它器官的位置。另夕卜，可使用多个器官的位置作为基准位置。[特征点检测字典存储单元的内容例子]图6是示意性地显示根据本发明第一实施例的特征点检测字典存储单元250的存储内容的例子的示图。 特征点检测字典存储单元250存储用于在由脸部图像产生单元300产生的脸部图像中所包括的人的脸部中检测特征点的特征点检测字典。特征点检测字典存储单元250以对应的方式存储特征点识别信息251和特征点检测字典252。特征点识别信息251是用于识别人的脸部中的每个特征点的识别信息。另外，在本发明的第一实施例中，将描述待检测的特征点的数量被设置为K(例如，K = 70)的例子。特征点检测字典252是用于在由脸部图像产生单元300产生的脸部图像中所包括的人的脸部中检测特征点的信息。换句话说，特征点检测单元232使用特征点检测字典252在由脸部图像产生单元300产生的脸部图像中所包括的人的脸部中检测特征点。例如，作为特征点检测方法，能够以与脸部检测方法和眼睛检测方法相同的方式使用利用记录了每个特征点的亮度分布信息的模板和实际图像之间的匹配的检测方法。如此，当根据匹配的检测方法用作特征点检测方法时，记录了每个特征点的亮度分布信息的模板被存储为特征点检测字典252。例如，存储用于检测左眼的左边缘部分作为特征点的模板253、用于检测鼻子的左边缘部分作为特征点的模板254、用于检测嘴的左边缘部分作为特征点的模板255等。如此，难以依赖于个体差异的器官的一部分(边缘部分等)(诸如，眼尾、鼻尖等)被用作脸部中的特征点。[特征点的检测例子]图7A至7C是显示当由根据本发明第一实施例的特征点检测单元232检测脸部的特征点时的检测例子的示图。图7A至7C显示用于检测脸部图像(脸部图像380至382)的特征量的脸部图像(脸部图像380至382)的转变例子。换句话说，图7A显示由脸部图像产生单元300产生的脸部图像380，并且图7B和7C显示通过对脸部图像380执行减小处理获得的脸部图像381和382。另外，脸部图像380能够被设置为例如具有80像素X80像素的图像。另外，减小处理能够被设置为把图像减小到例如其0. 83倍。当将要对脸部图像380检测特征量时，例如，取出框385布置在脸部图像380的左上角，如图7A的左侧所示，并且特征点检测单元232对取出框385中所包括的图像执行特征点检测处理(例如，匹配处理)。随后，取出框385向右侧方向(由箭头386和387指示的方向)移动ー个像素，并且对取出框385中所包括的图像执行特征点检测处理。其后以相同的方式，取出框385顺序地向右侧方向移动ー个像素，并且顺序地对取出框385中所包括的图像执行特征点检测处理。然后，在取出框385移动到脸部图像380的右端的位置并且对取出框385中所包括的图像执行特征点检测处理之后，取出框385向下侧移动一个像素井随后移动到脸部图像380的左端。随后，在移动到脸部图像380的左端之后立即对取出框385中所包括的图像执行特征点检测处理之后，取出框385顺序地向右侧方向移动ー个像素并且对取出框385中所包括的图像执行特征点检测处理。其后以相同的方式，顺序地对取出框385中所包括的图像执行特征点检测处理。然后，当如图7A的右侧所示取出框385移动到脸部图像380的右下端的位置并且取出取出框385中所包括的图像时，脸部图像380的特征点检测处理结束。另外，以相同的方式对图7B和7C中显示的脸部图像381和382 (通过对脸部图像380执行减小处理获得的脸部图像)执行特征点检测处理。另外，位于图7B和7C的左侧的 脸部图像381和382显示布置取出框385的第一位置，并且位于图7B和7C的右侧的脸部图像381和382显示布置取出框385的最后位置。这里，取出框382从第一布置位置到最后布置位置的移动与图7A中显示的移动相同。另外，取出框385的尺寸固定而与将要检测其特征点的脸部图像的尺寸无关。另外，执行特征点检测处理，直至将要检测其特征点的脸部图像的尺寸变得相同。图8是示意性地显示根据本发明第一实施例的作为特征点检测单元232的特征点检测处理的目标的脸部图像390和特征点检测处理的检测结果的示图。图8中显示的脸部图像390与图7A中显示的脸部图像380相同，并包括人的脸部391。另外，图8利用粗线X符号示意性地显示脸部图像390中所包括的脸部391中检测到的特征点的位置。另外，为了简单描述起见，图8仅显示将要检测的特征点之中的代表性特征点。例如，脸部上的每个部位(器官)(包括脸部391中的眼睛392和393、鼻子394、嘴395、下巴396等)的边缘被检测为特征点。如此，特征量计算单元233为由特征点检测单元232检测的每个特征点计算特征量。[登记脸部特征量存储单元的内容例子]图9是示意性地显示根据本发明第一实施例的登记脸部特征量存储单元400的存储内容的例子的示图。登记脸部特征量存储单元400存储与将要经受识别単元234的识别处理的人的脸部(登记脸部)相关的特征量。登记脸部特征量存储单元400以对应的方式存储个人识别信息401、姓名402、登记脸部信息403和特征量404。个人识别信息401是用于识别其脸部被登记为登记脸部的人的识别信息。姓名402是其脸部被登记为登记脸部的人的姓名。另外，在姓名402的字段中，可存储除全名之外的绰号、艺名等。当由登记脸部检测单元230检测到登记脸部时，例如，可以基于存储在姓名402中的信息显示与所检测的脸部的人相关的信息(全名、绰号等)。登记脸部信息403是与其脸部被登记为登记脸部的人的脸部相关的信息。登记脸部信息403存储例如包括其脸部被登记为登记脸部的人的脸部的图像(登记脸部图像)。特征量404是与登记脸部相关的特征量(登记脸部特征量)。另外，将參照图IOA和IOB详细描述登记脸部和特征量之间的关系。
图IOA和IOB是示意性地显示根据本发明第一实施例的登记脸部特征量存储单元400中存储的特征量和登记的脸部之间的关系例子的示图。图IOA显示与其特征量被存储在登记脸部特征量存储单元400中的人相关的登记脸部信息403的例子。图IOA简要地显示图9中示出的Yoshiko Heitani (个人识别信息401的#102)的登记脸部图像411作为登记脸部信息403。另外，图IOA示意性地通过X符号显示登记脸部图像411中的一部分特征点。这些特征点对应于由特征点检测单元232检测到的特征点。 图IOB显示存储在登记脸部特征量存储单元400中的特征量404的例子。图IOB示意性地显示为图IOA中示出的登记脸部图像411中的每个特征点计算、作为特征量404的特征量的一部分。如图IOB中所示，特征量412以登记脸部图像411中的特征点为单位被存储。另夕卜，对于每个特征点，特征量412由24(5X5-1)个元素构成。另外，将參照图12A至16B详细描述构成特征量412的24个元素。[脸部识别字典存储单元的内容例子]图IlA和IlB是显示根据本发明第一实施例的脸部识别字典存储单元500的存储内容的例子的示图。图IlA显示脸部识别字典存储单元500的存储内容的例子。另外，图IlB显示与图IlA中示出的位置信息(X，y)502对应的xy坐标。脸部识别字典存储单元500是用于对由脸部图像产生単元300产生的脸部图像执行识别处理的确定信息。另外，脸部识别字典存储单元500是用于识别其特征量被登记在登记脸部特征量存储单元400中的人的脸部(登记脸部)的确定信息。脸部识别字典存储单元500存储特征点识别信息501、位置信息(X，y) 502、阈值(th) 503和分数(a ) 504的L组组合。L能够设置为例如大约1000。特征点识别信息501以特征点为单位存储与特征量之中待比较的特征量对应的特征点的识别信息。特征点识别信息501存储例如图IOB中示出的特征点识别信息413 (从#0到#(K-I))之中与待比较的特征量对应的特征点的识别信息。位置信息(x,y)502存储待比较的特征量的位置。当使特征量(例如，图IOB中不出的特征量414)对应于xy坐标(平面坐标)时，位置信息(x,y) 502存储例如坐标点(x,y)，所述坐标点(X, y)以位于xy坐标的左上角的坐标作为原点。这里，将描述存储在特征点识别信息501和位置信息(x，y)502中的信息。在构成图IlB示出的矩形组505的矩形中，左上角被设置为例如原点，水平方向被设置为X轴并且垂直方向被设置为y轴。在这种情况下，假设这样的情况图IOB中显示的特征量(显示为矩形415)的位置被存储在特征点识别信息501和位置信息(X，y) 502中。在这种情况下，“#1”被存储在特征点识别信息501中，并且在位置信息(x，y)502中为x存储“0”并且为y存储“2”。在阈值(th)503中，存储与待比较的两个特征量的差值相关的阈值。待比较的两个特征量是由特征点识别信息501和位置信息(X，y) 502指定的两个特征量(登记脸部特征量存储单元400中的特征量(登记脸部特征量)和由特征量计算单元233计算的特征量)。
在分数(a )504中，存储在用于执行识别处理的分数的计算中使用的值。分数是指示登记脸部的程度的评估值。另外，将參照图17A至17C详细描述使用这种值执行的指示登记脸部的程度的分数的计算。另外，使用通过机器学习算法(例如，AdaBoost等)学习的值之中最有效的前1000组的组合设置这种值。对于用作这种学习目标的图像，例如，使用包括登记脸部的脸部图像和不包括登记脸部的脸部图像。另外，在确定处理中使用的脸部识别字典是保留仅与用于确定目标图像是否包括登记图像的确定基准相关的数据而不保留图像自身的确定信息。由于这个原因，能够减小将要存储的容量，并且能够迅速地执行确定处理。另外，作为机器学习算法，可以使用SVM (支持向量机)、Real AdaBoost等。[特征量的计算例子]图12A和12B是简要地显示根据本发明第一实施例的作为特征量计算单元233的特征量计算处理的目标的脸部图像和当为脸部图像计算特征量时使用的目标区域的示图。另外，除了对其添加区域511之外，图12A中显示的脸部图像390与图8中的脸部图像390 相同。图12B通过放大显示脸部图像390中的一部分区域(区域511)。换句话说，区域511是包括脸部图像390中检测到的特征点510的矩形区域和当为特征点510计算特征量时使用的区域。另外，图12B利用矩形示意性地显示区域511中所包括的每个像素。另外，脸部图像390是由例如80像素X 80像素构成的图像，并且脸部图像390中的区域511是由例如7像素X 7像素构成的区域，如图12B中所示。图13A至13C是示意性地显示根据本发明第一实施例的用于特征量计算单元233的特征量计算的像素的示图。图13A通过把识别号码I到49给予图12B中示出的区域511中所包括的每个像素来显示图12B中示出的区域511中所包括的每个像素。另外，以下，将通过分配给每个像素的识别号码来描述每个像素。例如，与图12B中示出的特征点510对应的像素512是图13A中示出的像素5。另外，与特征点周围区域520对应的矩形由粗线指示。这里，特征点周围区域520是包括特征点的周围区域(m像素Xn像素的区域(mXn区域))。另外，特征点周围区域520中所包括的每个像素被顺序选择作为当计算特征量时用作基准的像素(基准像素)。例如，将描述当像素I (通过由矩形521包围像素I指示)被选择作为基准像素时的特征量计算例子。当像素I被选择作为基准像素时，具有像素I作为中心的矩形区域(M像素XN像素的区域(MXN区域))被设置为比较目标区域522。比较目标区域522显示在图13B中。这里，预先设置特征点周围区域(mXn区域)和比较目标区域(MXN区域)的參数(MXN，mXn)，并且设置的參数被保留在特征量计算单元233中。例如，在待检测的特征点的周围包括足够的特性纹理的范围被设置为比较目标区域(MXN区域)。另外，包含脸部中的特征点的检测误差的区域被设置为特征点周围区域(mXn区域)。例如，当将要利用包括一个像素的误差的检测精度检测特征量吋，mXn被设置为3X3。另外，当将要利用包括两个像素的误差的检测精度检测特征量吋，mXn被设置为5X5。另外，当特征点检测中的位置误差具有统计各向异性时，可以在容易发生这种位置误差的方向上保持这种各向异性(例如，mXn = 3X5)。另外，如果ー个区域包含检测误差，则该区域不必是mXn的矩形区域，而是可以是具有特征点作为其中心的任意形状。另外，如果比较目标区域(M像素XN像素的区域(MXN区域))被设置为包括被假设在脸部中的特征点的检测处理中发生误差的区域并且能够包含该误差区域，则它不必是矩形，而是能够是具有任意形状的区域。将在本发明的第二实施例中描述这个问题。图13B仅显示图13A中示出的区域511中的比较目标区域522。另外，基准像素(像素I)由粗线指示。这里，特征量计算单元233顺序地比较基准像素(像素I)的亮度分量(Y分量)和另ー像素的亮度分量，并对除基准像素(像素I)之外的像素编码。例如，当比较基准像素(像素I)的亮度分量和另ー像素的亮度分量并且用作比较目标的像素的亮度分量等于或高于基准像素(像素I)的亮度分量时，用作比较目标的像素被编码为“+I”。另外，例如，当比较基准像素(像素I)的亮度分量和另ー像素的亮度分量并且用作比较目 标的像素的亮度分量小于基准像素(像素I)的亮度分量时，用作比较目标的像素被编码为“-I”。换句话说，使用下面的公式1，对除基准像素(像素I)之外的每个像素f(x，y)执行编码。f (x, y) =+1 (然而,在 I (X, y)彡 P 的情况下)f (x, y) =-I (然而,在I (X, y) < P的情况下)…公式I这里，X和y表示比较目标区域522中的坐标位置(换句话说，x, y G {比较目标区域522中的坐标})。另外，P是基准像素(像素I)的亮度分量的值。另外，I(x，y)是比较目标区域522中的坐标(X，y)的亮度分量的值。如此，为除基准像素(像素I)之外的姆个像素编码的值(编码信息525)显示在图13C中。图13C显示在图13B示出的比较目标区域522中编码的每个像素(除基准像素(像素I)之外的每个像素)的值作为编码信息525。另外，在图13C中，编码值(“+I”和“-I”)被给予对应像素的矩形。另外，还以相同的方式为特征点周围区域520中所包括的其它像素(像素2至9)产生编码信息。换句话说，像素2至9被顺序选择作为基准像素，并且为这些基准像素产生编码信息。如此，为特征点周围区域520中所包括的每个像素(像素I至9)计算的编码信息的例子显示在图14A至14C中。图14A至14C是示意性地显示根据本发明第一实施例的用于特征量计算单元233的特征量计算的比较目标区域和为比较目标区域计算的编码信息之间的关系的示图。图14A显示当计算特征点周围区域520中所包括的像素I的编码信息时使用的比较目标区域522和为特征点周围区域520中所包括的像素I计算的编码信息525。另外，图14A中显示的比较目标区域522和编码信息525与图13B中显示的比较目标区域522和图13C中显示的编码信息525相同。图14B显示当计算特征点周围区域520中所包括的像素2的编码信息时使用的比较目标区域531和为特征点周围区域520中所包括的像素2计算的编码信息532。图14C显示当计算特征点周围区域520中所包括的像素9的编码信息时使用的比较目标区域535和为特征点周围区域520中所包括的像素9计算的编码信息536。另外，通过利用粗线包围图14A至14C中显示的比较目标区域522、531和535的參考像素来指示图14A至14C中显示的比较目标区域522、531和535的參考像素。另外，通过利用粗线包围与图14A至14C中显示的编码信息525、532和536的基准像素的位置对应的矩形把这些矩形指示为空白矩形。另外，在图14A至14C中，在图中省略了特征点周围区域520中所包括的像素3至8的比较目标区域和编码信息。如此，计算特征点周围区域520中所包括的每个像素(像素I至9)的编码信息。通过由特征量计算单元233对如上计算的每条编码信息执行加法处理来计算特征量。其例子显示在图15A和15B中。图15A和15B是示意性地显示根据本发明第一实施例的由特征量计算单元233计算的每条编码信息和在编码信息的加法处理中计算的特征量之间的关系的示图。 图15A显示为特征点周围区域520中所包括的每个像素(像素I至9)计算的编码信息525、532和536。另外，编码信息525、532和536与图14A至14C中的编码信息525、532和536相同。另外，在图15A中，像图14A至14C中一祥，在图中省略了特征点周围区域520中所包括的像素3至8的编码信息。图15B示意性地显示在为特征点周围区域520中所包括的每个像素(像素I至9)计算的编码信息的加法处理中计算的特征量540。换句话说，通过对于每个元素顺序地相加为特征点周围区域520中所包括的像素(像素I至9)计算的九条编码信息的元素(24)的值(“+I”或“-1”)，计算特征量540。换句话说，在编码信息的xy坐标中，顺序地相加同一元素的值(九个值)，由此计算该元素的值。对于构成特征量540的元素541的值，例如，通过顺序地相加与xy坐标中与特征量540对应的元素541的位置相同的位置(例如，由虚线的矩形542至544指示)处的值，实现该计算。换句话说，使用下面的公式2计算构成特征量的姆个元素F (X, y)。F(x，y)=Zf(x，y) 公式2
X ’，y 5这里，X和y表示比较目标区域(MXN区域)中的坐标位置(换句话说，x，y G {比较目标区域(MXN区域)中的坐标})。另外，X'和デ表示特征点周围区域(m Xn区域)中的坐标位置(换句话说，X' ,1' G {持征点周围区域(mXn区域)中的坐标})。这里，由于九条编码信息的元素(24)的值是“+I”或者“-1”，所以构成特征量540的每个元素的值变为固定范围中的值(_9彡a彡+9)。另外，以相同的方式计算另一特征点的特征量。换句话说，使用下面的公式3，为每个特征点计算构成特征量的姆个元素F (X, y)。F(k’ x，y)=if(k, X，y) 公式3
X ’，y ’其中，x、y、x'和y'与公式2中的x、y、x'和y'相同。另外，k表示特征点识别信息(换句话说，k = 0至K-1)。另外，图16A和16B显示为每个特征点计算的特征量的例子。另外，如上计算的特征量能够称为GHF (梯度直方图特征)。
图16A和16B是示意性地显示根据本发明第一实施例的作为特征量计算单元233的特征量计算处理的目标的脸部图像和为脸部图像中的每个特征点计算的特征量之间的关系的不图。另外，图16A中显不的脸部图像390与图8中的脸部图像390相同。图16B示意性地显示为脸部图像390中的姆个特征点计算的特征量540、545和546。另外,特征量540与图15B中的特征量540相同。另外，特征量545被设置为为脸部图像390中的特征点515计算的特征量并且特征量546被设置为为脸部图像390中的特征点516计算的特征量。另外，通过利用粗线箭头的连接显示这种关系。另外，在图16A和16B中，在图中省略了除了为特征点510、515和516计算的特征量540、545和546之外的特征量。如此，特征点检测单元232检测由脸部图像产生单元300产生的脸部图像390中的每个特征点。随后，特征量计算单元233为脸部图像390中检测到的每个特征点计算特征量。
另外，登记脸部特征量存储单元400存储通过上述计算处理预先计算的特征量(例如，图IOB中显示的特征量412)。使用如上为每个特征点计算的特征量，识别单元234执行识别处理。其例子显示在图17A至17C中。[登记脸部的识别例子]图17A至17C是示意性地显示根据本发明第一实施例的当计算识别单元234的识别处理中使用的分数时的计算方法的示图。首先，识别单元234获取在识别处理中使用的两个特征量A(i)和B(i)。这里，特征量A(i)指示存储在登记脸部特征量存储单元400中的特征量之中由脸部识别字典存储単元500的特征点识别信息501和位置信息(X，y) 502指定的特征量。另外，特征量B (i)指示由特征量计算单元233计算的特征量之中由脸部识别字典存储单元500的特征点识别信息501和位置信息(X，y)502指定的特征量。另外，i是指示脸部识别字典存储单元500的每个记录的值，并且0彡i ^L-I0随后，识别单元234计算这两个获取的值的差值D(i)。这里，差值D(i)=
a ⑴-Ba)。随后，识别単元234比较存储在脸部识别字典存储单元500的阈值(th) 503中的阈值th(i)与差值D(i)。然后，识别単元234基于阈值th(i)和差值D(i)的比较结果计算弱假设(弱学习器)h(i)。具体地讲，使用下面的公式计算弱假设h (i)。如果差值D (i)彡阈值th(i)，则弱假设h(i) = I ；如果差值D (i) >阈值th(i)，则弱假设h(i) =O0另外，h(z)指示ー个函数，当z > 0时该函数变为0并且当z彡0时该函数变为
Io随后，识别単元234把计算的弱假设h(i)和存储在分数(a)504中的值a⑴相乘以计算h (i) a (i)。识别单元234从脸部识别字典存储单元500的第0行到第(L_l)行重复该计算处理，并计算h(i) a (i)的总和值作为分数S。具体地讲，使用公式4计算分数S (最后假设)。
权利要求
1.ー种信息处理装置，包括 转换单元，执行转换以使得图像中所包括的特定目标中包括特征点及其周围的区域被设置为第一区域，当第一区域中所包括的一个像素被设置为基准像素吋，包括基准像素及其周围的像素的区域被设置为第二区域，并且基于基准像素的特征量和与基准像素相关的第二区域中所包括的另ー像素的特征量的比较结果，针对第二区域中所包括的每个像素转换另ー像素的特征量；和 计算单元，通过针对第二区域中所包括的每个像素的位置对从每个基准像素的转换获得的第二区域中所包括的每个像素的值执行计算，计算将要在用于识别特定目标的识别处理中使用的特征量。
2.如权利要求I所述的信息处理装置，其中所述计算単元计算具有第二区域中所包括的每个像素的每个位置的计算结果作为构成元素的特征量作为将要在识别处理中使用的特征量。
3.如权利要求2所述的信息处理装置，还包括识别单元，通过针对每个构成元素比较从相关联地存储将要在识别处理中使用的特征量与该特定目标的存储单元获取的该特征量与计算的特征量，执行识别处理。
4.如权利要求3所述的信息处理装置， 其中所述转换单元对特定目标中的多个特征点执行转换， 其中计算单元为所述多个特征点计算将要在识别处理中使用的特征量，并且 其中识别单元通过针对姆个特征点比较从存储单元获取的特征量与计算的特征量来执行识别处理。
5.如权利要求I所述的信息处理装置，其中当基于基准像素的特征量，与基准像素相关的第二区域中所包括的另ー像素的特征量较大时，该特征量被转换成第一值，并且当基于基准像素的特征量，与基准像素相关的第二区域中所包括的另ー像素的特征量较小吋，该特征量被转换成第二值。
6.如权利要求5所述的信息处理装置，其中所述转换単元通过把第一和第二值之ー设置为正值并且把另ー个值设置为负值来执行所述转换。
7.如权利要求I所述的信息处理装置，其中所述计算単元通过执行加法作为所述计算来计算将要在识别处理中使用的特征量。
8.如权利要求I所述的信息处理装置，其中所述转换単元通过根据特征点改变与特定目标中的多个特征点相关的第一区域的尺寸和形状中的至少ー项来执行所述转换。
9.如权利要求I所述的信息处理装置，其中所述转换単元通过根据特征点改变与特定目标中的多个特征点相关的第二区域的尺寸和形状中的至少ー项来执行所述转换。
10.如权利要求I所述的信息处理装置， 其中所述转换単元仅对第二区域中所包括的各像素的位置之中与将要在识别处理中使用的特征量相关的位置执行转换，并且 并且其中识别单元仅对第二区域中所包括的各像素的位置之中与将要在识别处理中使用的特征量相关的位置执行计算。
11.如权利要求I所述的信息处理装置，还包括 特定目标检测単元，检测图像中所包括的特定目标；特征点检测单元，检测在检测到的特定目标中的特征点；和 识别单元，使用从相关联地存储将要在识别处理中使用的特征量与特定目标的存储单元获取的该特征量和计算的特征量来执行识别处理。
12.如权利要求I所述的信息处理装置， 其中所述特定目标是人的脸部，特征点是脸部中所包括的器官的至少ー个边缘部分，并且 其中识别处理识别检测到的人的脸部是否是特定人的脸部。
13.—种信息处理方法,包括 执行转换以使得图像中所包括的特定目标中包括特征点及其周围的区域被设置为第一区域，当第一区域中所包括的一个像素被设置为基准像素时，包括基准像素及其周围的像素的区域被设置为第二区域，并且基于基准像素的特征量和与基准像素相关的第二区域中所包括的另ー像素的特征量的比较结果，针对第二区域中所包括的每个像素转换另一像素的特征量；以及 通过针对第二区域中所包括的每个像素的位置对从每个基准像素的转换获得的第二区域中所包括的每个像素的值执行计算，计算将要在用于识别特定目标的识别处理中使用的特征量。
14.一种使计算机执行下述步骤的程序，所述步骤包括 执行转换以使得图像中所包括的特定目标中包括特征点及其周围的区域被设置为第一区域，当第一区域中所包括的一个像素被设置为基准像素时，包括基准像素及其周围的像素的区域被设置为第二区域，并且基于基准像素的特征量和与基准像素相关的第二区域中所包括的另ー像素的特征量的比较结果，针对第二区域中所包括的每个像素转换另一像素的特征量；以及 通过针对第二区域中所包括的每个像素的位置对从每个基准像素的转换获得的第二区域中所包括的每个像素的值执行计算，计算将要在用于识别特定目标的识别处理中使用的特征量。
全文摘要
本发明涉及信息处理装置、信息处理方法和程序。一种信息处理装置，包括转换单元，执行转换以使得图像中所包括的特定目标中包括特征点及其周围的区域被设置为第一区域，当第一区域中所包括的一个像素被设置为基准像素时，包括基准像素及其周围的像素的区域被设置为第二区域，并且基于基准像素的特征量和与基准像素相关的第二区域中所包括的另一像素的特征量的比较结果，针对第二区域中所包括的每个像素转换另一像素的特征量；和计算单元，通过对从每个基准像素的转换获得的第二区域中所包括的每个像素的值执行计算，计算将要在用于识别特定目标的识别处理中使用的特征量。
文档编号H04N5/232GK102737226SQ201210066460
公开日2012年10月17日 申请日期2012年3月14日 优先权日2011年3月22日
发明者佐藤洋一郎, 小川要 申请人:索尼公司