対象物検出装置、テレビ受像機、対象物検出方法
【課題】対象物検出処理の高速化および負荷軽減できる対象物検出技術を提供する。
【解決手段】部分画像抽出部(103)は、入力画像から複数枚の部分画像を抽出する。記憶部(105)は、ｎ個の弱識別器を格納する。識別器選択部(107)は、通常識別モードにおいて、記憶部(105)に格納されたｎ個の弱識別器を読み出し、優先識別モードにおいて、識別器優先情報(D102)に基づいて記憶部(105)に格納されたｎ個の弱識別器のうちｍ個の弱識別器を読み出す。検出処理部(108)は、識別器選択部(107)によって読み出された弱識別器を用いて複数枚の部分画像の各々に対して識別処理を実行する。識別器学習部(109)は、通常識別モードにおいて、検出処理部(107)による識別処理のときに得られたｎ個の弱識別評価値に基づいて、ｎ個の弱識別器のうち部分画像における対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を識別器優先情報(D102)として生成する。
【解決手段】部分画像抽出部(103)は、入力画像から複数枚の部分画像を抽出する。記憶部(105)は、ｎ個の弱識別器を格納する。識別器選択部(107)は、通常識別モードにおいて、記憶部(105)に格納されたｎ個の弱識別器を読み出し、優先識別モードにおいて、識別器優先情報(D102)に基づいて記憶部(105)に格納されたｎ個の弱識別器のうちｍ個の弱識別器を読み出す。検出処理部(108)は、識別器選択部(107)によって読み出された弱識別器を用いて複数枚の部分画像の各々に対して識別処理を実行する。識別器学習部(109)は、通常識別モードにおいて、検出処理部(107)による識別処理のときに得られたｎ個の弱識別評価値に基づいて、ｎ個の弱識別器のうち部分画像における対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を識別器優先情報(D102)として生成する。
【発明の詳細な説明】
【技術分野】
【０００１】
この発明は、画像における対象物の有無を検出する技術に関する。
【背景技術】
【０００２】
コンピュータビジョンなどの多くの技術分野において、画像の中に対象物（例えば、車，歩行者，人間の顔など）が映っているか否かを判定する対象物検出技術が利用されている。また、多くのアプリケーションにおいて、画像の中から対象物を検出することは非常に難しい。例えば、対象物が“人間の顔”である場合、顔の向き，照明，サングラスやマスクによる部分的な隠れなどによって、対象物の見え方が大きく変化する。また、監視装置に利用されるアプリケーションのように、画像の画質が悪い場合や、画像の中に映る対象物が小さい場合などは、画像の中から対象物を検出することがさらに難しくなる。
【０００３】
このような対象物検出の困難性を緩和する方式として、統計的学習に基づくパターン認識技術が一般的に知られている。パターン認識技術では、予め与えられた学習用サンプルに基づいて識別器のパラメータが決定される。例えば、顔検出技術（画像の中に人間の顔が映っているか否かを判定する技術）として、ニューラルネットワーク，サポートベクターマシン，ベイズ推定法などを利用した手法が一般的に知られている。また、一般的に、対象物検出技術では、入力画像から画像ウィンドウ内の画像を部分画像として抽出する工程と、部分画像の特徴量を抽出する工程と、予め学習された識別器を用いて部分画像の特徴量に基づいて画像ウィンドウ（すなわち、部分画像）における対象物の有無を判定する工程とが実行される。
【０００４】
識別器の生成方法としては、非特許文献１に記載されたアダプティブブースティング（Adaptive Boosting）やアダブースト（Adaboost）が知られている。以下、これらを“アダブースト学習法”と称する。アダブースト学習法は、多くの対象物検出システムに適用されている。例えば、特許文献１や非特許文献２には、アダブースト学習法を用いた顔検出手法が記載されている。アダブースト学習法では、識別エラーが５０％以下であればよいとされる弱識別器の中からいくつかの弱識別器を選択し、これらの弱識別器を組み合わせることによって、識別エラーが低い強識別器を構成する。また、特許文献１や非特許文献２には、複数個の強識別器を一列に連結してカスケード識別器を構成することが記載されている。このようなカスケード識別器を構成する複数個の強識別器の各々は、対象物を含む学習サンプル（画像）に対してほぼ１００％で識別が正解するように訓練されるとともに、対象物を含まない学習サンプル（画像）に対して５０％程度で識別が正解すれば良いように訓練される。また、対象物検出処理において、第１番目の強識別器は、入力された部分画像に対する識別処理（対象物の有無の識別）に用いられ、第２番目以降の強識別器の各々は、その強識別器の前段の強識別器を用いた識別処理において対象物を含んでいると判定された部分画像に対する識別処理に用いられる。このようにカスケード識別器を構成することにより、１秒あたり１５フレーム程度の処理速度で対象物検出処理を実行できることが知られている。
【０００５】
また、非特許文献２には、矩形特徴（Rectangle Feature）と称される特徴量を顔検出のための特徴量として抽出する抽出方法が記載されている。矩形特徴は、入力画像のうち矩形フィルタで定義された長方形状の部分領域間の輝度差を測定することによって抽出される。さらに、非特許文献３には、入力画像の中の３×３画素ブロックを２値化画像に変換することにより特徴量を抽出することが記載されている。すなわち、９個の画素ブロックの輝度値に応じて各画素ブロックに“１”または“０”をラベル付けし、９個のラベルを順番に並べることにより、９ビットの情報が特徴量として形成される。
【先行技術文献】
【特許文献】
【０００６】
【特許文献１】米国特許出願公開第２００２／０１０２０２４号明細書
【非特許文献】
【０００７】
【非特許文献１】Yoav Freund，Robert E.Schapire「A decision - theoretic generalization of on-line learning and an application to boosting」Computational Learning Theory : Eurocolt'95，Springer-Verlag，1995年，p.23−37
【非特許文献２】Paul Viola，Michael Jones「Rapid Object Detection Using a Boosted Cascade of Simple Features」IEEE Computer Society Conference on Computer Vision and Pattern Recognition(CVPR)，2001年12月，ISSN:1063-6919,Vol.1，p.511−518
【非特許文献３】Bernhard Froba，Andreas Ernst「Face Detection with the Modified Census Transform」Proceedings for Sixth IEEE International Conference on Automatic Faceand Gesture Recognition(AFGR)，2004年5月，p.91−96
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、従来の対象物検出技術では、対象物の種類や対象物の撮影状況に左右されずに対象物を正確に検出できるようにするために非常に多くの弱識別器によって強識別器が構成されているので、対象物の種類や対象物の撮影状況の変化が少ない場合であっても、全ての弱識別器を用いて対象物の検出が実行されることになる。例えば、対象物が“人間の顔”である場合、個人の特徴（人種など）に左右されずに人間の顔を正確に検出できるように非常に多くの弱識別器によって強識別器が構成されることになる。ここで、特定の人物の顔を検出する場合（すなわち、対象物の種類の変化が少ない場合）、強識別器を構成する全ての弱識別器のうちその特定の人物の顔の特徴に対応する一部の弱識別器が強く反応することになる。また、対象物検出装置の設置場所が固定されている場合（すなわち、対象物の撮影状況の変化が少ない場合）、強識別器を構成する全ての弱識別器のうち対象物が含まれていないことを識別する一部の弱識別器が強く反応することになる。このように、対象物の種類や対象物の撮影状況の変化が少ない場合には強識別器を構成する全ての弱識別器のうち一部の弱識別器を用いて対象物の有無を検出することが可能であるにも拘わらず、従来の対象物検出技術では、対象物の種類や対象物の撮影状況の変化が少ない場合であっても、全ての弱識別器を用いて対象物の検出が実行されることになるので、対象物検出処理の高速化および負荷軽減が困難である。
【０００９】
そこで、この発明は、対象物の種類や対象物の撮影状況の変化が少ない場合に対象物検出処理の高速化および負荷軽減できる対象物検出技術を提供することを目的とする。
【課題を解決するための手段】
【００１０】
この発明の１つの局面に従うと、対象物検出装置は、入力画像の中から対象物を検出する装置であって、上記入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出する部分画像抽出部と、上記部分画像の特徴量に基づいて上記部分画像に上記対象物が含まれている確率を示した弱識別評価値を生成するｎ個（ｎ≧２）の弱識別器を格納する記憶部と、通常識別モードにおいて、上記記憶部に格納されたｎ個の弱識別器を読み出し、優先識別モードにおいて、上記ｎ個の弱識別器のうち優先的に読み出されるｍ個（１≦ｍ＜ｎ）の弱識別器を示した識別器優先情報に基づいて上記記憶部に格納されたｎ個の弱識別器のうちｍ個の弱識別器を読み出す識別器選択部と、上記識別器選択部によって読み出されたｎ個またはｍ個の弱識別器からなる１または複数の強識別器を用いて上記部分画像抽出部によって抽出された複数枚の部分画像の各々に対してその部分画像における上記対象物の有無を識別する識別処理を実行し、上記複数枚の部分画像の各々に対する識別処理の結果に基づいて上記入力画像における上記対象物の有無を判定する判定処理を実行する検出処理部と、上記通常識別モードにおいて、上記検出処理部による識別処理のときに用いられたｎ個の弱識別器によって生成されたｎ個の弱識別評価値に基づいて、上記ｎ個の弱識別器のうち上記部分画像における上記対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を上記識別器優先情報として生成する識別器学習部とを備える。
【００１１】
上記対象物検出装置では、対象物検出処理への寄与度の高い弱識別器を示した識別器優先情報に基づいて対象物検出処理のときに用いられる弱識別器の個数を制限することにより、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。
【００１２】
この発明の別の局面に従うと、対象物検出装置は、入力画像の中から対象物を検出する装置であって、上記入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出する部分画像抽出部と、上記部分画像の特徴量に基づいて上記部分画像に上記対象物が含まれている確率を示した弱識別評価値を生成する複数個の弱識別器をそれぞれが含むｐ個の検出パターンを格納する記憶部と、通常判定モードにおいて、上記記憶部に格納されたｐ個（ｐ≧２）の検出パターンを順次選択するとともにその検出パターンに含まれる複数個の弱識別器を読み出し、優先判定モードにおいて、上記ｐ個の検出パターンのうち優先的に選択されるｑ個（１≦ｑ＜ｐ）の検出パターンを示した検出パターン優先情報に基づいて上記記憶部に格納されたｐ個の検出パターンのうちｑ個の検出パターンを順次選択するとともにその検出パターンに含まれる複数個の弱識別器を読み出す識別器選択部と、上記識別器選択部によって検出パターンが選択される毎に、上記識別器選択部によって読み出された複数個の弱識別器からなる１または複数の強識別器を用いて上記部分画像抽出部によって抽出された複数枚の部分画像の各々に対してその部分画像における上記対象物の有無を識別する識別処理を実行し、上記複数枚の部分画像の各々に対する識別処理の結果に基づいて上記入力画像における上記対象物の有無を判定する判定処理を実行する検出処理部と、上記通常判定モードにおいて、上記検出処理部による上記検出パターン毎の判定処理によって得られたｐ個の検出パターンにそれぞれ対応するｐ個の判定結果に基づいて、上記ｐ個の検出パターンのうち上記入力画像における上記対象物の有無の判定に寄与したｑ個の検出パターンを示した情報を上記検出パターン優先情報として生成する検出パターン学習部とを備える。
【００１３】
上記対象物検出装置では、対象物検出処理への寄与度の高い検出パターンを示した検出パターン優先情報に基づいて対象物検出処理のときに用いられる検出パターンを制限することにより、結果的に弱識別器の個数を制限することができる。これにより、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。
【００１４】
この発明の別の局面に従うと、対象物検出方法は、入力画像における対象物の有無を検出する方法であって、上記入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出するステップ（ａ）と、それぞれが記憶部に格納され且つそれぞれが上記部分画像と特徴量に基づいて上記部分画像に上記対象物が含まれている確率を示した弱識別評価値を生成するｎ個（ｎ＞２）の弱識別器のうち優先的に読み出されるｍ個（１≦ｍ＜ｎ）の弱識別器を示した識別器優先情報が上記記憶部に格納されていない場合には、上記記憶部に格納されたｎ個の弱識別器を読み出し、上記識別器優先情報が上記記憶部に格納されている場合には、上記識別器優先情報に基づいて上記記憶部に格納された上記ｎ個の弱識別器の中からｍ個の弱識別器を読み出すステップ（ｂ）と、上記ステップ（ｂ）によって読み出されたｎ個またはｍ個の弱識別器から構成された１または複数の強識別器を用いて上記部分画像抽出部によって抽出された複数枚の部分画像の各々に対してその部分画像における上記対象物の有無を識別する識別処理を実行し、上記複数枚の部分画像の各々に対する識別処理の結果に基づいて上記入力画像における上記対象物の有無を判定する判定処理を実行するステップ（ｃ）と、上記識別器優先情報が上記記憶部に格納されている場合に、上記ステップ（ｃ）による識別処理のときに用いられたｎ個の弱識別器によって生成されたｎ個の弱識別器評価値に基づいて、上記ｎ個の弱識別器の中から上記部分画像における上記対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を上記識別器優先情報として生成するステップ（ｄ）とを備える。
【００１５】
上記対象物検出方法では、対象物検出処理への寄与度の高い弱識別器を示した識別器優先情報に基づいて対象物検出処理のときに用いられる弱識別器の個数を制限することにより、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。
【００１６】
この発明の別の局面に従うと、対象物検出方法は、入力画像における対象物の有無を検出する方法であって、上記入力画像の一部を部分画像として抽出する処理を繰り返すことによって複数個の部分画像を生成するステップ（ａ）と、それぞれが記憶部に格納され且つ各々が上記部分画像の特徴量に基づいて上記部分画像に上記対象物が含まれている確率を示した弱識別評価値を生成する複数個の弱識別器をそれぞれが含むｐ個の検出パターンのうち優先的に使用されるｍ個（１≦ｍ＜ｎ）の検出パターンを示した検出パターン優先情報が上記記憶部に格納されていない場合には、上記記憶部に格納されたｐ個の検出パターンを順次選択するとともにその検出パターンに含まれる複数個の弱識別器を読み出し、上記検出パターン優先情報が上記記憶部に格納されている場合には、上記検出パターン優先情報に基づいて上記記憶部に格納されたｐ個の検出パターンのうちｑ個の検出パターンを順次選択するとともにその検出パターンに含まれる複数個の弱識別器を読み出すステップ（ｂ）と、上記ステップ（ｂ）によって検出パターンが選択される毎に、上記ステップ（ｂ）によって読み出された複数個の弱識別器から構成された１または複数の強識別器を用いて上記画像抽出部によって抽出された複数個の部分画像の各々に対してその部分画像における上記対象物の有無を識別する識別処理を実行し、上記複数個の部分画像の各々に対する識別処理の結果に基づいて上記入力画像における上記対象物の有無を判定する判定処理を実行するステップ（ｃ）と、検出パターン優先情報が上記記憶部に格納されていない場合に、上記ステップ（ｃ）による上記検出パターン毎の判定処理によって得られた上記ｐ個の検出パターンにそれぞれ対応するｐ個の判定結果に基づいて、上記記憶部に格納されたｐ個の検出パターンの中から上記入力画像における対象物の有無の検出に寄与したｑ個の検出パターンを示した情報を上記検出パターン優先情報として生成するステップ（ｄ）とを備える。
【００１７】
上記対象物検出方法では、対象物検出処理への寄与度の高い検出パターンを示した検出パターン優先情報に基づいて対象物検出処理のときに用いられる検出パターンを制限することにより、結果的に弱識別器の個数を制限することができる。これにより、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。
【発明の効果】
【００１８】
以上のように、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。
【図面の簡単な説明】
【００１９】
【図１】実施形態１による対象物検出装置の構成例を示す図。
【図２】部分画像の抽出について説明するための図。
【図３】学習データのデータ構造について説明するための図。
【図４】強識別器について説明するための図。
【図５】図１に示した対象物検出装置の動作について説明するための図。
【図６】対象物検出処理について説明するための図。
【図７】対象物検出処理について説明するための図。
【図８】矩形テンプレートについて説明するための図。
【図９】識別器優先情報が格納されていない場合に構成される強識別器の一例について説明するための図。
【図１０】識別器優先情報が格納されている場合に構成される強識別器の一例について説明するための図。
【図１１】弱識別器の並び替えについて説明するための図。
【図１２】実施形態２による対象物検出装置の構成例を示す図。
【図１３】図１２に示した対象物検出装置による動作について説明するための図。
【図１４】対象物検出装置を備えたテレビ受像機の構成例を示す図。
【図１５】テレビ受像機の概観について説明するための図。
【発明を実施するための形態】
【００２０】
以下、実施の形態を図面を参照して詳しく説明する。なお、図中同一または相当部分には同一の符号を付しその説明は繰り返さない。
【００２１】
（実施形態１）
図１は、実施形態１による対象物検出装置１１の構成例を示す。対象物検出装置１１は、入力画像の中から対象物（例えば、人間の顔）を検出するものであって、入力処理部１０１と、画像サイズ変換部１０２と、部分画像抽出部１０３と、対象物検出処理部１０４と、記憶部１０５と、出力処理部１０６とを備える。
【００２２】
〔入力処理部，画像サイズ変換部，部分画像抽出部〕
入力処理部１０１は、入力画像を入力する。画像サイズ変換部１０２は、入力処理部１０１によって入力された入力画像に対して画像サイズ変換処理（画像サイズの拡大または縮小）を施して入力画像の画像サイズを変換する。部分画像抽出部１０３は、画像サイズ変換部１０２によって処理された入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出する。例えば、図２のように、部分画像抽出部１０３は、入力画像ＰＳの全面において画像ウィンドウＰＷ（入力画像内の部分領域）を移動させながら画像ウィンドウＰＷの中の画像を部分画像として抽出する。また、画像ウィンドウのサイズが一定であったとしても、画像サイズ変換部１０２によって入力画像の画像サイズを変換（拡大または縮小）することによって任意の大きさの対象物を検出できる。
【００２３】
〔対象物検出処理部〕
対象物検出処理部１０４は、識別器選択部１０７と、検出処理部１０８と、識別器学習部１０９と、学習データソート部１１０とを含む。識別器選択部１０７，検出処理部１０８，および識別器学習部１０９は、ＭＰＵ（Micro Processing Unit）やメモリ（例えば、ＳＲＡＭなど）などによって構成されていても良い。
【００２４】
〔記憶部〕
記憶部１０５は、学習データＤ１０１と、識別器優先情報Ｄ１０２とを格納する。記憶部１０５は、不揮発性メモリ（例えば、シリアル・フラッシュ・メモリ）によって構成されても良いし、揮発性メモリによって構成されても良い。図３のように、学習データＤ１０１は、ｐ個（ｐ≧２）の検出パターンＤＰ１〜ＤＰｐを含む。
【００２５】
《検出パターン》
検出パターンＤＰ１〜ＤＰｐは、それぞれ異なる撮影条件や対象物の種類に対応している。例えば、対象物が“人間の顔”である場合、第１番目の検出パターンＤＰ１は“正面顔”に対応し、第２番目の検出パターンＤＰ２は“横顔”に対応し、第３番目の検出パターンＤＰ３は“眼鏡を着用した顔”に対応する。また、検出パターンＤＰ１〜ＤＰｐの各々は、ｎ個（ｎ≧２）の弱識別器ＷＣＤ１〜ＷＤＣｎを含む。さらに、検出パターンＤＰ１〜ＤＰｐにはパターン番号が付加されている。ここでは、第１番目の検出パターンＤＰ１，第２番目の検出パターンＤＰ２，…，第ｐ番目の検出パターンＤＰｎの順番で記憶部１０５に格納されており、検出パターンＤＰ１〜ＤＰｐの各々では、第１番目の弱識別器ＷＣＤ１，第２番目の弱識別器ＷＣＤ２，…，第ｎ番目の弱識別器ＷＣＤｎの順番で記憶部１０５に格納されている。なお、検出パターンＤＰ１〜ＤＰｐの各々に含まれる弱識別器の個数は同数であっても良いし、それぞれ異なる個数であっても良い。
【００２６】
《弱識別器》
弱識別器ＷＣＤ１〜ＷＤＣｎの各々は、部分画像の特徴量を抽出するために利用される矩形テンプレートに関する情報（矩形テンプレートの座標，形状，大きさなど）や、部分画像の特徴量と弱識別評価値（部分画像に対象物が含まれている確率を示した値）との対応関係を示したルックアップテーブルなどを含む。すなわち、弱識別器ＷＣＤ１〜ＷＤＣｎは、部分画像の特徴量に基づいて弱識別評価値を生成する評価関数である。また、弱識別器ＷＣＤ１〜ＷＤＣｎには識別器番号が付加されている。
【００２７】
ここで、弱識別器について簡単に説明する。検出パターンＤＰ１〜ＤＰｐの各々に含まれる弱識別器ＷＣＤ１〜ＷＤＣｎは、集団学習機８０によって次のように生成されて記憶部１０５に予め格納されている。すなわち、集団学習機８０が、ある検出パターンに関連する膨大な学習サンプル（例えば、数千個の学習サンプル）を使用し、多数の学習モデル（仮説の組み合わせ）から所定の学習アルゴリズム（例えば、ブースティング・アルゴリズム）に従って１つの仮説を選択（学習）することによってその検出パターンに対応する複数個の弱識別器を生成するとともに、複数個の弱識別器の組み合わせ（例えば、弱識別器の選別や、弱識別器の出力値（弱識別評価値）の重み付けなど）を決定する。このように、集団学習機８０は、検出パターンＤＰ１〜ＤＰｐの各々に対して上述のような弱識別器の生成処理を実行する。これにより、検出パターンＤＰ１〜ＤＰｐに対してｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎが生成される。なお、学習サンプルとは、予め正解付け（ラベリング）された対象物を含む画像および対象物を含まない画像（例えば、顔を含む画像と、顔を含まない画像）からなるサンプル画像のことである。
【００２８】
《強識別器，カスケード識別器》
弱識別器の識別性能は低いものであるが、複数個（例えば、数百個から数千個）の弱識別器の組み合わせることによって、結果的に識別能力の高い識別器（強識別器）を得ることができる。例えば、図４のように、複数個の弱識別器をカスケード接続（一列に接続）することにより、識別能力の高い強識別器を構成できる。さらに、第１番目の強識別器，第２番目の強識別器，…，第ｋ番目の強識別器を一列に連結してカスケード識別器を構成することにより、識別能力を向上させることができる。例えば、ｋ個の強識別器の各々は、対象物を含む学習サンプル（画像）に対してほぼ１００％で識別が正解するように集団学習機８０によって訓練されるとともに、対象物を含まない学習サンプル（画像）に対して５０％程度で識別が正解すれば良いように集団学習機８０によって訓練される。また、対象物検出処理において、第１番目の強識別器は、入力された部分画像に対する識別処理（対象物の有無の識別）に用いられ、第２番目以降の強識別器の各々は、その強識別器の前段の強識別器を用いた識別処理において対象物を含んでいると判定された部分画像に対する識別処理に用いられる。
【００２９】
《識別器優先情報》
識別器優先情報Ｄ１０２は、検出パターンＤＰ１〜ＤＰｐの各々に含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎのうち優先的に読み出されるｍ個（１≦ｍ＜ｎ）の弱識別器を示している。例えば、識別器優先情報Ｄ１０２には、ｍ個の弱識別器の識別器番号が登録されている。
【００３０】
〔識別器選択部，検出処理部，識別器学習部，出力処理部〕
識別器選択部１０７は、識別器優先情報Ｄ１０２が記憶部１０５に格納されていない場合には通常識別モードで動作し、識別器優先情報Ｄ１０２が記憶部１０５に格納されている場合には優先識別モードで動作する。識別器選択部１０７は、通常識別モードでは、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐを順次選択するとともに選択した検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを読み出す。また、識別器選択部１０７は、優先識別モードでは、識別器優先情報Ｄ１０２に基づいて、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐを順次選択するとともに選択した検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎのうちｍ個の弱識別器（例えば、識別器優先情報Ｄ１０２に登録された識別器番号に対応する識別器）を読み出す。
【００３１】
検出処理部１０８は、識別器選択部１０７によって読み出された複数個の弱識別器（ｎ個またはｍ個の弱識別器）からなる１または複数の強識別器を用いて、部分画像抽出部１０３によって抽出された複数枚の部分画像の各々に対して識別処理を実行する。これにより、検出処理部１０８は、複数枚の部分画像の各々についてその部分画像に対象物が含まれているか否かを示した判定結果を生成する。また、検出処理部１０８は、複数枚の部分画像の各々に対する識別処理の結果に基づいて判定処理（入力画像における対象物の有無を判定する処理）を実行する。これにより、検出処理部１０８は、入力画像に対象物が含まれているか否かを示した検出情報（さらに詳しくは、対象物が含まれている位置や対象物のサイズなど）を生成する。
【００３２】
識別器学習部１０９は、通常識別モードの場合に（すなわち、識別器優先情報Ｄ１０２が記憶部１０５に格納されていない場合に）、検出処理部１０８による識別処理のときに用いられたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎによって生成されたｎ個の弱識別評価値に基づいて、ｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎのうち部分画像における対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を識別器優先情報Ｄ１０２として生成して記憶部１０５に格納する。なお、識別器学習部１０９は、任意のタイミングで識別器優先情報Ｄ１０２を初期化しても良い。
【００３３】
出力処理部１０６は、対象物検出処理部１０４によって得られた検出情報を出力する。
【００３４】
また、ここでは、優先識別モードにおいて検出処理部１０８によって入力画像に対象物が含まれていないことが検出された場合、識別器選択部１０７は、記憶部１０５に格納されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎ（入力画像に対象物が含まれていないことが検出されなかった検出パターンに対応するｎ個の弱識別器）を読み出し、検出処理部１０８は、識別器選択部１０７によって読み出されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを用いて識別処理および検出処理を再度実行する。識別器学習部１０９は、検出処理部１０８によって識別処理が再度実行されたときに用いられたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎによって生成されたｎ個の弱識別評価値に基づいて、ｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎのうち部分画像における対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を識別器優先情報Ｄ１０２として生成して記憶部１０５に上書きする（すなわち、識別器優先情報Ｄ１０２を更新する）。
【００３５】
〔動作〕
次に、図５を参照して、対象物検出装置１１による動作について説明する。
【００３６】
《ＳＴ１０１》
識別器選択部１０７は、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中から１つの検出パターン（未使用の検出パターン）を選択する。例えば、識別器選択部１０７は、第１番目の検出パターンＤＰ１から順番に選択する。
【００３７】
《ＳＴ１０２》
次に、識別器選択部１０７は、記憶部１０５に識別器優先情報Ｄ１０２が格納されているか否かを判断する。識別器優先情報Ｄ１０２が格納されていない場合には、ステップＳＴ１０３へ進み、そうでない場合には、ステップＳＴ１０７へ進む。
【００３８】
《ＳＴ１０３》
次に、識別器選択部１０７は、ステップＳＴ１０１において選択された検出パターンに対応するｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの全てを記憶部１０５の中から読み出す。
【００３９】
《ＳＴ１０４》
次に、検出処理部１０８は、識別器選択部１０７によって読み出されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを用いて対象物検出処理（入力画像から抽出された複数枚の部分画像の各々に対してその部分画像における対象物の有無を識別する識別処理と、複数枚の部分画像の各々に対する識別処理の結果に基づいて入力画像における対象物の有無を判定する判定処理）を実行する。これにより、入力画像の中に対象物が含まれているか否かを示した検出情報が出力される。なお、対象物検出処理については後述する。
【００４０】
《ＳＴ１０５》
次に、識別器学習部１０９は、ステップＳＴ１０４の対象物検出処理の識別処理のときにｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎによって得られたｎ個の弱識別評価値に基づいて、ｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの中から対象物検出処理の識別処理において部分画像における対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を識別器優先情報Ｄ１０２として生成して記憶部１０５に格納する。
【００４１】
例えば、識別器学習部１０９は、ステップＳＴ１０４における対象物検出処理において入力画像に対象物が含まれていることが検出された場合、部分画像に対象物が含まれていると識別するために寄与した弱識別器（すなわち、弱識別評価値が比較的大きい弱識別器）の中からｉ個（ｉ≦ｍ）の弱識別器を選択し、選択した弱識別器の識別器番号を識別器優先情報Ｄ１０２に登録しても良い。また、識別器学習部１０９は、ステップＳＴ１０４における対象物検出処理において入力画像に対象物が含まれていないことが検出された場合、部分画像に対象物が含まれていないと識別するために寄与した弱識別器（すなわち、弱識別評価値が比較的小さい弱識別器）の中からｊ個（ｊ≦ｍ）の弱識別器を選択し、選択した弱識別器の識別器番号を識別器優先情報Ｄ１０２に登録しても良い。ただし、ｉ＋ｊ＝ｍである。このようにして、識別器学習部１０９は、対象物検出処理において部分画像における対象物の有無の識別に寄与したｍ個の弱識別器の識別器番号が登録された識別器優先情報を生成する。
【００４２】
《ＳＴ１０６》
次に、識別器選択部１０７は、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中に未使用の検出パターンが残っているか否かを判断する。未使用の検出パターンが残っている場合には、ステップＳＴ１０１ヘ進み、そうでない場合には、動作を終了する。
【００４３】
《ＳＴ１０７》
一方、ステップＳＴ１０２において記憶部１０５に識別器優先情報Ｄ１０２が格納されていると判断された場合、識別器選択部１０７は、記憶部１０５の中からステップＳＴ１０１において選択された検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎのうち識別器優先情報Ｄ１０２に示されたｍ個の弱識別器を記憶部１０５の中から読み出す。
【００４４】
《ＳＴ１０８》
次に、検出処理部１０８は、ステップＳＴ１０４と同様に、識別器選択部１０７によって読み出されたｍ個の弱識別器を用いて対象物検出処理を実行する。これにより、入力画像の中に対象物が含まれているか否かを示した検出情報が出力される。
【００４５】
《ＳＴ１０９》
次に、識別器選択部１０７は、検出処理部１０８によって入力画像に対象物が含まれていることが検出されたか否かを判断する。入力画像に対象物が含まれていることが検出された場合には、ステップＳＴ１０６ヘ進み、入力画像に対象物が含まれていないことが検出された場合には、ステップＳＴ１１０へ進む。
【００４６】
《ＳＴ１１０》
次に、識別器選択部１０７は、ステップＳＴ１０１において選択された検出パターンに対応するｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの全てを記憶部１０５の中から読み出す。
【００４７】
《ＳＴ１１１》
次に、検出処理部１０８は、識別器選択部１０７によって読み出された弱識別器ＷＣＤ１〜ＷＤＣｎを用いて対象物検出処理を再度実行する。
【００４８】
《ＳＴ１１２》
次に、識別器学習部１０９は、ステップＳＴ１０５と同様に、ステップＳＴ１１１の対象物検出処理（再度実行された対象物検出処理）においてｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎによって得られたｎ個の弱識別評価値に基づいて、ｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの中から対象物検出処理において対象物の有無の判定に寄与したｍ個の弱識別器を示した情報を識別器優先情報Ｄ１０２として生成する。そして、識別器学習部１０９は、新たに生成した識別器優先情報Ｄ１０２を記憶部１０５に上書きする。次に、ステップＳＴ１０６へ進む。なお、ステップＳＴ１１２を実行せずに、ステップＳＴ１１１の後にステップＳＴ１０６へ進んでも良い。すなわち、識別器学習部１０９は、識別器優先情報Ｄ１０２を上書き（更新）しなくても良い。
【００４９】
〔対象物検出処理〕
次に、図５および図６を参照して、図１に示した検出処理部１０８による対象物検出処理について説明する。なお、ここでは、ｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎによって複数個の強識別器が構成されているものとする。また、複数個の強識別器が一列に連結されてカスケード識別器が構成されているものとする。
【００５０】
《ＳＴ２０１》
画像サイズ変換部１０２は、入力画像の画像サイズを変換する。例えば、画像サイズ変換部１０２は、画像の濃淡が一定の割合となるように入力画像を縮小する。
【００５１】
《ＳＴ２０２》
次に、部分画像抽出部１０３は、画像サイズ変換部１０２によって処理された入力画像に画像ウィンドウを配置して画像ウィンドウ内の画像を部分画像として抽出する。例えば、部分画像抽出部１０３は、入力画像の左上隅の矩形領域から順番に部分画像を抽出しても良い。
【００５２】
《ＳＴ２０３》
次に、検出処理部１０８は、識別器選択部１０７によって記憶部１０５から読み出された複数個の弱識別器から構成された複数個の強識別器の中から１つの強識別器（未使用の強識別器）を選択する。例えば、検出処理部１０８は、カスケード識別器を構成する複数個の強識別器のうち第１番目の強識別器から順番に選択しても良い。
【００５３】
《ＳＴ２０４》
次に、検出処理部１０８は、ＳＴ２０３において選択された強識別器を構成する複数個の弱識別器の中から１つの弱識別器（未使用の弱識別器）を選択する。
【００５４】
《ＳＴ２０５》
次に、検出処理部１０８は、ＳＴ２０４において選択された弱識別器を用いて弱識別処理を実行して弱識別評価値を生成する。なお、弱識別処理については後述する。
【００５５】
《ＳＴ２０６》
次に、検出処理部１０８は、ステップＳＴ２０５において得られた弱識別評価値を累積加算する。これにより、弱識別評価値の累積加算値が更新される。
【００５６】
《ＳＴ２０７》
次に、検出処理部１０８は、ＳＴ２０３において選択された強識別器を構成する複数個の弱識別器の中に未使用の弱識別器が残っているか否かを判断する。未使用の弱識別器が残っている場合には、ステップＳＴ２０４へ進み、そうでない場合には、ステップＳＴ２０８へ進む。
【００５７】
《ＳＴ２０８》
次に、検出処理部１０８は、弱識別評価値の累積加算値が強識別閾値（部分画像における対象物の有無を識別するための基準値）よりも大きいか否かを判断する。弱識別評価値の累積加算値が強識別閾値よりも大きい場合には、ステップＳＴ２０９へ進み、そうでない場合には、ステップＳＴ２１０へ進む。
【００５８】
《ＳＴ２０９》
次に、検出処理部１０８は、識別器選択部１０７によって記憶部１０５から読み出された複数個の弱識別器から構成された複数個の強識別器の中に未使用の強識別器が残っているか否かを判断する。未使用の強識別器が残っている場合には、ステップＳＴ２０３へ進み、そうでない場合には、ステップＳＴ２１０へ進む。
【００５９】
《ＳＴ２１０》
次に、検出処理部１０８は、ステップＳＴ２０２において得られた部分画像に関する識別結果（部分画像に対象物が含まれているか否かを示した結果）を生成する。例えば、検出処理部１０８は、ステップＳＴ２０８において弱識別評価値の累積加算値が強識別閾値よりも大きくないと判断した場合には、部分画像に対象物が含まれていないことを示した識別結果を生成し、ステップＳＴ２０９において未使用の強識別器が残っていないと判断した場合には、部分画像に対象物が含まれていることを示した識別結果を生成する。
【００６０】
《ＳＴ２１１》
次に、検出処理部１０８は、ステップＳＴ２０１において画像サイズが変換された入力画像の中から抽出していない部分画像（未抽出の部分画像）が残っているか否かを判断する。未抽出の部分画像が残っている場合には、ステップＳＴ２０２へ進み、そうでない場合には、ステップＳＴ２１２へ進む。
【００６１】
《ＳＴ２１２》
次に、検出処理部１０８は、入力画像の画像サイズを変更する必要があるか否かを判断する。入力画像の画像サイズを変更する必要がある場合には、ステップＳＴ２０１へ進み、そうでない場合には、ステップＳＴ２１３へ進む。このようにして、識別処理（ＳＴ２０３〜ＳＴ２１０）が繰り返し実行される。すなわち、画像サイズ毎に複数枚の部分画像の各々に対してその部分画像における対象物の有無を識別する識別処理が実行される。
【００６２】
《ＳＴ２１３》
次に、検出処理部１０８は、複数枚の部分画像の各々に対する識別処理の結果に基づいて、入力画像における対象物の有無を判定する判定処理を実行し、入力画像に関する検出情報（入力画像に対象物が含まれているか否かを示した情報）を生成する。なお、検出情報には、対象物が含まれている位置や、対象物のサイズに関する情報が含まれていても良い。
【００６３】
〔弱識別処理〕
次に、弱識別処理（ＳＴ２０５）について説明する。まず、検出処理部１０８は、ステップＳＴ２０４において選択された弱識別器に対応する矩形テンプレートを部分画像抽出部１０３によって抽出された部分画像に配置する。図８Ａ，図８Ｂ，図８Ｃのように、矩形テンプレートＲＴａ，ＲＴｂ，ＲＴｃは、複数個の矩形ブロックによって構成される。ここでは、矩形テンプレートＲＴａ，ＲＴｂ，ＲＴｃは、それぞれ、６個，９個，８個の矩形ブロックによって構成される。
【００６４】
次に、検出処理部１０８は、矩形テンプレートの中に含まれる全画素の平均輝度値を参照輝度値として算出する。次に、検出処理部１０８は、矩形テンプレートを構成する複数個の矩形ブロックの各々についてその矩形ブロックの中に含まれる画素の平均輝度値を算出する。次に、検出処理部１０８は、矩形テンプレートを構成する複数個の矩形ブロックの各々について、その矩形ブロックの平均輝度値が参照輝度値よりも小さい場合にはその矩形ブロックの強度を“１”と決定し、その矩形ブロックの平均輝度値が参照輝度値よりも大きい場合にはその矩形ブロックの強度を“０”と決定する。各矩形ブロックの強度は、積分画像を利用することにより素速く効率的に計算できる。次に、検出処理部１０８は、矩形テンプレートを構成する複数個の矩形ブロックの各々の強度を集めて空間分布情報（パターンキー）を生成する。これにより、検出処理部１０８は、矩形テンプレートを構成する複数個の矩形ブロックの中でどの矩形ブロックが他の矩形ブロックよりも高い輝度値を有するのかを示す空間分布情報を生成したことになる。
【００６５】
また、検出処理部１０８は、強度が“１”であると決定された全ての矩形ブロックの中に含まれる画素の平均輝度値から強度が“０”であると決定された全ての矩形ブロックの中に含まれる画素の平均輝度値を差し引く。これにより、検出処理部１０８は、矩形テンプレートにおいてどのブロック間でどのくらい強度差があるのかを示す空間輝度情報を生成したことになる。
【００６６】
次に、検出処理部１０８は、ステップＳＴ２０４において選択された弱識別器に対応する２次元ルックアップテーブル（空間分布情報および空間輝度情報の組合せと弱識別評価値との対応関係を示したルックアップテーブル）を参照して、空間分布情報および空間輝度情報から弱識別評価値を生成する。
【００６７】
〔識別器優先情報の有無〕
次に、図９および図１０を参照して、識別器優先情報Ｄ１０２が格納されていない場合（通常識別モード）と識別器優先情報Ｄ１０２が格納されている場合（優先識別モード）とを比較する。識別器優先情報Ｄ１０２が格納されていない場合、識別器選択部１０７は、検出パターンＤＰ１〜ＤＰｐのいずれか１つの検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを読み出す。例えば、図９のように、第１番目〜第２５０番目の弱識別器ＷＣＤ１〜ＷＣＤ２５０によって１つの強識別器が構成されている場合、検出処理部１０８は、２５０個の弱識別器ＷＣＤ１〜ＷＣＤ２５０を用いて２５０回の弱識別処理を実行することになる。
【００６８】
ここで、２５０個の弱識別器ＷＣＤ１〜ＷＣＤ２５０のうち第５番目，第２０番目，第２１番目，第８０番目，第１１１番目の弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１の対象物検出処理（識別処理）に対する寄与度が他の弱識別器よりも高く、識別器学習部１０９が弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１を示した識別器優先情報を生成して記憶部１０５に格納したと仮定する。この場合、識別器選択部１０７は、２５０個の弱識別器ＷＣＤ１〜ＷＣＤ２５０のうち５個の弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１を読み出し、検出処理部１０８は、図１０のように、５個の弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１によって構成された強識別器を用いて識別処理を実行する。すなわち、検出処理部１０８は、５回の弱識別処理を実行することになる。
【００６９】
以上のように、対象物検出処理に対する寄与度の高い弱識別器を示した識別器優先情報Ｄ１０２に基づいて対象物検出処理（識別処理）のときに用いられる弱識別器の個数を制限することにより、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。例えば、対象物検出装置１１の検出対象物を“特定人物の顔”として対象物検出装置１１の設置場所を固定する場合、検出パターンＤＰ１〜ＤＰｐの各々に含まれるｎ個の弱識別器ＷＣＤ１〜ＷＣＤｎのうちその特定人物の顔に強く反応する弱識別器を優先的に使用することができるので、入力画像に“特定人物の顔”が含まれているか否かを素早く検出できる。
【００７０】
また、非常に多くの弱識別器を使用するために、記憶部１０５をシリアル・フラッシュ・メモリのような大容量かつ低速なメモリによって構成するとともに、識別器選択部１０７をＳＲＡＭのような小容量かつ高速なメモリによって構成することが多い。ここで、対象物検出処理のときに用いられる弱識別器の個数を制限しない場合、記憶部１０５に格納された弱識別器ＷＣＤ１〜ＷＣＤｎの全てが読み出されることになる。このとき、識別器選択部１０７は、記憶部１０５に格納された弱識別器ＷＣＤ１〜ＷＣＤｎの全てを一度に読み出すことができずに複数回に分けて読み出すことになる場合がある。この場合、対象物検出処理の処理速度が低下してしまうことになる。また、識別器選択部１０７による弱識別器の読み出し回数を少なくするために識別器選択部１０７を記憶容量を増加させるとコストアップを招いてしまう。一方、識別器優先情報Ｄ１０２に基づいて対象物検出処理（識別処理）のときに用いられる弱識別器の個数を制限することにより、識別器選択部１０７による弱識別器の読み出し回数の増加を抑制できる。これにより、対象物検出処理の高速化およびコストアップの抑制を実現できる。
【００７１】
〔ランク分け〕
なお、識別器優先情報Ｄ１０２に示されたｍ個の弱識別器は、ランク分けされていても良い。すなわち、識別器学習部１０９は、識別器優先情報Ｄ１０２を生成する場合（例えば、ステップＳＴ１０５，ＳＴ１１２）において、優先識別モード（例えば、ステップＳＴ１０７）において識別器選択部１０７によって読み出される順番を示した優先度を識別器優先情報Ｄ１０２に示されたｍ個の弱識別器（例えば、ｍ個の弱識別器の識別器番号）に付加しても良い。この場合、識別器選択部１０７は、優先識別モード（例えば、ステップＳＴ１０７）において、識別器優先情報Ｄ１０２に示されたｍ個の弱識別器に付加された優先度に基づいて記憶部１０５に格納されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの中からｍ個の弱識別器を読み出す順番を決定しても良い。例えば、第１のランクに弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１が所属し、第２のランクに第３０番目，第２００番目，第２４０番目の弱識別器ＷＣＤ３０，ＷＣＤ２００，ＷＣＤ２４０が所属している場合（例えば、識別器番号５，２０，２１，８０，１１１に“第１番目”を示す優先度が対応付けられ、識別番号３０，２００，２４０に“第２番目”を示す優先度が対応付けられている場合）、識別器選択部１０７は、最初に、第１のランクに属する弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１を読み出して検出処理部１０８に対象物検出処理を実行させる。ここで、第１のランクに属する弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１を用いた対象物検出処理によって入力画像に対象物が含まれていないと判定された場合、識別器選択部１０７は、第２のランクに属する弱識別器ＷＣＤ３０，ＷＣＤ２００，ＷＣＤ２４０を読み出して検出処理部１０８に対象物検出処理を再度実行させる。
【００７２】
〔学習データソート部〕
学習データソート部１１０は、識別器優先情報Ｄ１０２に示されたｍ個の弱識別器が記憶部１０５の連続領域に格納されるように、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの各々においてｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを並び替える。例えば、識別器優先情報Ｄ１０２に示された弱識別器が判定パターンＤＰ１に含まれる第５番目，第２０番目，第２１番目，第８０番目，第１１１番目の弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１である場合、学習データソート部１１０は、弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１が記憶部１０５の連続領域（例えば、学習データＤ１０１の先頭領域）に配置されるように弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１を移動させる。なお、識別器優先情報Ｄ１０２に示されたｍ個の弱識別器がランク分けされている場合、学習データソート部１１０は、記憶部１０５の連続領域においてｍ個の弱識別器がランク順（例えば、優先度の高い順）に並ぶように、ｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを並び替えても良い。
【００７３】
記憶部１０５がシリアル・フラッシュ・メモリのようなシーケンシャル・アクセスを実行するメモリによって構成されている場合、識別器優先情報Ｄ１０２に示されたｍ個の弱識別器を記憶部１０５の連続領域に格納することにより、ｍ個の弱識別器が記憶部１０５の連続領域に格納されていない場合よりもｍ個の弱識別器を効率良く読み出すことができる。
【００７４】
（実施形態２）
図１２は、実施形態２による対象物検出装置２１の構成例を示す。対象物検出装置２１は、図１に示した対象物検出処理部１０４に代えて対象物検出処理部２０４を備える。記憶部１０５は、識別器優先情報Ｄ１０２に代えて検出パターン優先情報Ｄ２０２を格納する。その他の構成は、図１と同様である。
【００７５】
〔検出パターン優先情報〕
検出パターン優先情報Ｄ２０２は、ｐ個の検出パターンＤＰ１〜ＤＰｐのうち優先的に選択されるｑ個（１≦ｑ＜ｐ）の検出パターンを示している。例えば、検出パターン優先情報Ｄ２０２には、ｑ個の検出パターンのパターン番号が登録されている。
【００７６】
〔対象物検出処理部〕
対象物検出処理部２０４は、識別器選択部２０７と、検出処理部１０８と、検出パターン学習部２０９とを含む。
【００７７】
《識別器選択部》
識別器選択部２０７は、検出パターン優先情報Ｄ１０２が記憶部１０５に格納されていない場合には通常判定モードで動作し、識別器優先情報Ｄ１０２が記憶部１０５に格納されている場合には優先判定モードで動作する。識別器選択部２０７は、通常判定モードにおいて、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐを順次選択するとともにその検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを読み出す。また、識別器選択部２０７は、優先判定モードにおいて、検出パターン優先情報Ｄ２０２に基づいて、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐのうちｑ個の検出パターンを順次選択するとともにその検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを読み出す。
【００７８】
《検出処理部》
検出処理部１０８は、識別器選択部２０７によって検出パターンが選択される毎に、識別器選択部２０７によって読み出されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎからなる１または複数の強識別器を用いて部分画像抽出部１０３によって抽出された複数枚の部分画像の各々に対して識別処理（部分画像における対象物の有無を識別する処理）を実行する。これにより、検出処理部１０８は、複数枚の部分画像の各々についてその部分画像に対象物が含まれているか否かを示した識別結果を生成する。また、検出処理部１０８は、複数枚の部分画像の各々に対する識別処理の結果に基づいて判定処理（入力画像における対象物の有無を判定する処理）を実行する。これにより、検出処理部１０８は、入力画像に対象物が含まれているか否かを示した検出情報（さらに詳しくは、対象物が含まれている位置や対象物のサイズなど）を生成する。
【００７９】
《学習パターン学習部》
検出パターン学習部２０９は、通常判定モードに場合に（すなわち、検出パターン優先情報Ｄ２０２が記憶部１０５に格納されていない場合に）、検出処理部１０８による検出パターン毎の判定処理によって得られたｐ個の検出パターンにそれぞれ対応するｐ個の判定結果に基づいて、ｐ個の検出パターンＤＰ１〜ＤＰｐのうち入力画像における前記対象物の有無の判定に寄与したｑ個の検出パターンを示した情報を検出パターン優先情報Ｄ２０２として生成して記憶部１０５に格納する。
【００８０】
〔動作〕
次に、図１２を参照して、対象物検出装置２１による動作について説明する。
【００８１】
《ＳＴ３０１》
識別器選択部２０７は、記憶部１０５の中に検出パターン優先情報Ｄ２０２が格納されているか否かを判断する。検出パターン優先情報Ｄ２０２が格納されていない場合には、ステップＳＴ３０２へ進み、検出パターン優先情報Ｄ２０２が格納されている場合には、ステップＳＴ３０７へ進む。
【００８２】
《ＳＴ３０２》
次に、識別器選択部２０７は、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中から１つの検出パターン（未使用の検出パターン）を選択する。例えば、識別器選択部２０７は、第１番目の検出パターンＤＰ１から順番に選択する。
【００８３】
《ＳＴ３０３》
次に、識別器選択部２０７は、ステップＳＴ３０２において選択された検出パターンに対応するｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの全てを記憶部１０５の中から読み出す。
【００８４】
《ＳＴ３０４》
次に、検出処理部１０８は、識別器選択部１０７によって読み出されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを用いて対象物検出処理（ＳＴ２０１〜ＳＴ２１３）を実行する。これにより、入力画像の中に対象物が含まれているか否かを示した検出情報が出力される。
【００８５】
《ＳＴ３０５》
次に、識別器選択部１０７は、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中に未使用の検出パターンが残っているか否かを判断する。未使用の検出パターンが残っている場合には、ステップＳＴ３０２ヘ進み、そうでない場合には、ステップＳＴ３０６へ進む。
【００８６】
《ＳＴ３０６》
次に、検出パターン学習部２０９は、ステップＳＴ３０４の対象物検出処理の判定処理によって得られたｐ個の検出パターンＤＰ１〜ＤＰｐの各々の判定結果（入力画像に対象物が含まれているか否かを示した結果）に基づいて、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中から対象物検出処理の判定処理において入力画像に対象物が含まれていることを検出したときに寄与したｑ個の検出パターンを示した情報を検出パターン優先情報Ｄ２０２として生成して記憶部１０５に格納する。
【００８７】
《ＳＴ３０７》
一方、ステップＳＴ３０１において記憶部１０５に検出パターン優先情報Ｄ２０２が格納されていると判断された場合、識別器選択部２０７は、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐのうち検出パターン優先情報Ｄ２０２に示されたｑ個の検出パターンの中の１つの検出パターン（未使用の検出パターン）を選択する。
【００８８】
《ＳＴ３０８》
次に、識別器選択部２０７は、ステップＳＴ３０７において選択された検出パターンに対応するｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの全てを記憶部１０５の中から読み出す。
【００８９】
《ＳＴ３０９》
次に、検出処理部１０８は、識別器選択部１０７によって読み出されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを用いて対象物検出処理（ＳＴ２０１〜ＳＴ２１３）を実行する。これにより、入力画像の中に対象物が含まれているか否かを示した検出情報が出力される。
【００９０】
《ＳＴ３１０》
次に、識別器選択部１０７は、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐのうち検出パターン優先情報Ｄ２０２に示されたｑ個の検出パターンの中に未使用の検出パターンが残っているか否かを判断する。未使用の検出パターンが残っている場合には、ステップＳＴ３０７ヘ進み、そうでない場合には、動作を終了する。
【００９１】
以上のように、対象物検出処理への寄与度の高い検出パターンを示した検出パターン優先情報に基づいて対象物検出処理のときに用いられる検出パターンを制限することにより、結果的に弱識別器の個数を制限することができる。これにより、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。例えば、対象物検出装置１１の検出対象物を“眼鏡を着用した人の顔”として対象物検出装置１１の設置場所を固定する場合、ｐ個の検出パターンのうち“眼鏡を着用した人の顔”に対応する検出パターンを優先的に使用することができるので、入力画像に“眼鏡を着用した人の顔”が含まれているか否かを素早く検出できる。
【００９２】
〔ランク分け〕
なお、検出パターン優先情報Ｄ２０２に示されたｑ個の検出パターンは、ランク分けされていても良い。すなわち、検出パターン学習部２０９は、検出パターン優先情報Ｄ２０２を生成する場合（例えば、ステップＳＴ３０６）において、優先判定モード（例えば、ステップＳＴ３０７）において識別器選択部２０７によって読み出される順番を示した優先度を検出パターン優先情報Ｄ２０２に示されたｑ個の検出パターン（例えば、ｑ個の検出パターンのパターン番号）に付加しても良い。この場合、識別器選択部２０７は、優先識別モード（例えば、ステップＳＴ３０７）において、検出パターン優先情報Ｄ２０２に示されたｑ個の検出パターンに付加された優先度に基づいて記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中からｑ個の検出パターンを読み出す順番を決定しても良い。
【００９３】
〔外部機器情報〕
なお、識別器選択部２０７は、対象物検出装置２１に接続された外部機器９０に関する情報（例えば、外部機器９０の動作状況や時刻情報など）を受け取り、外部機器９０に関する情報に基づいて記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中から１または複数の検出パターンを順次選択するとともにその検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを読み出しても良い。
【００９４】
また、実施形態１と実施形態２とを組み合わせても良い。すなわち、図１２に示した対象物検出装置２１は、図１に示した識別器学習部１０９および学習データソート部１１０をさらに備えていても良い。また、記憶部１０５は、識別器優先情報Ｄ１０２をさらに格納していても良い。この場合、識別器選択部２０７は、図１に示した識別器選択部１０７のように、通常識別モードと優先識別モードと有していても良い。例えば、図１３に示したステップＳＴ３０３〜ＳＴ３０５の組合せおよびステップＳＴ３０８〜ＳＴ３１０の組合せを図５に示したステップＳＴ１０２〜ＳＴ１１２に置き換えても良い。
【００９５】
（適用例）
図１３のように、上記の対象物検出装置１１，１２はテレビ受像機に適用可能である。テレビ受像機は、テレビ本体３１と、画像取得装置３２とを備える。テレビ本体３１は、テレビジョンチューナ３０１と、映像処理部３０２と、オーディオ部３０３と、電源部３０４と、ディスプレイ部３０５と、入力部３０６と、制御部３０７と、対象物検出装置１１とを含む。画像取得装置３２は、画像を取得するためのレンズやイメージセンサなどによって構成される。テレビジョンチューナ３０１は、放送テレビジョン信号を受信して映像信号とオーディオ信号を分離して出力する。映像処理部３０２は、テレビジョンチューナ３０１からの映像信号を復調して出力する。オーディオ部３０３は、テレビジョンチューナ３０１からのオーディオ信号を復調して出力する。電源部３０４は、テレビジョン受像機の各部を駆動する電源を供給する。ディスプレイ部３０５は、映像処理部３０２によって復調された映像信号に基づいて映像を表示する。入力部３０６は、使用者のボタン操作などによる制御信号を受け取る。対象物検出装置１１は、画像取得装置３２からの入力信号（入力画像）を受け取り検出情報を制御部３０７に出力する。制御部３０７は、対象物検出装置１１からの検出情報に基づいてディスプレイ部３０５や電源部３０４を制御する。例えば、制御部３０７は、対象物（ここでは、視聴者）が検出されなかった場合には、ディスプレイ部３０５による映像表示を停止させても良いし、電源部３０４による電源供給を停止させても良い。なお、画像取得装置３２は、図１４Ａのようにテレビ本体３１に組み込まれていても良い。また、画像取得装置３２は、図１４Ｂのようにテレビ本体３１に外部接続されていても良い。
【００９６】
テレビ受像機の利用者（視聴者）は特定の人物に限られていることが多い。そのため、テレビ受像機に備えられた対象物検出装置１１は、検出パターンの各々に含まれるｎ個の弱識別器のうちテレビ受像機の利用者に強く反応する弱識別器を優先的に使用して、入力画像に“テレビ受像機の利用者”が含まれているか否かを素早く検出する。したがって、制御部３０７は、ディスプレイ部３０５および電源部３０４を素早く制御できる。
【００９７】
また、上述の対象物検出装置１１，２１は、個人認証装置にも適用可能である。個人認証装置は、対象物検出装置１１，２１を用いて個人認証を実行し、個人認証の結果に基づいて他の処理を実行しても良い。
【産業上の利用可能性】
【００９８】
以上説明したように、上述の対象物検出装置は、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できるので、カメラ等により取得された画像から対象物を検出して機器制御を行う家庭用電化製品などに有用である。
【符号の説明】
【００９９】
１１ 対象物検出装置
１０１ 入力処理部
１０２ 画像サイズ変換部
１０３ 部分画像抽出部
１０４ 検出処理部
１０５ 記憶部
１０６ 出力処理部
１０７ 識別器選択部
１０８ 検出処理部
１０９ 識別器学習部
１１１ 学習データソート部
８０ 集団学習機
２１ 対象物検出装置
２０４ 検出処理部
２０７ 識別器選択部
２０９ 検出パターン学習部
９０ 外部機器
【技術分野】
【０００１】
この発明は、画像における対象物の有無を検出する技術に関する。
【背景技術】
【０００２】
コンピュータビジョンなどの多くの技術分野において、画像の中に対象物（例えば、車，歩行者，人間の顔など）が映っているか否かを判定する対象物検出技術が利用されている。また、多くのアプリケーションにおいて、画像の中から対象物を検出することは非常に難しい。例えば、対象物が“人間の顔”である場合、顔の向き，照明，サングラスやマスクによる部分的な隠れなどによって、対象物の見え方が大きく変化する。また、監視装置に利用されるアプリケーションのように、画像の画質が悪い場合や、画像の中に映る対象物が小さい場合などは、画像の中から対象物を検出することがさらに難しくなる。
【０００３】
このような対象物検出の困難性を緩和する方式として、統計的学習に基づくパターン認識技術が一般的に知られている。パターン認識技術では、予め与えられた学習用サンプルに基づいて識別器のパラメータが決定される。例えば、顔検出技術（画像の中に人間の顔が映っているか否かを判定する技術）として、ニューラルネットワーク，サポートベクターマシン，ベイズ推定法などを利用した手法が一般的に知られている。また、一般的に、対象物検出技術では、入力画像から画像ウィンドウ内の画像を部分画像として抽出する工程と、部分画像の特徴量を抽出する工程と、予め学習された識別器を用いて部分画像の特徴量に基づいて画像ウィンドウ（すなわち、部分画像）における対象物の有無を判定する工程とが実行される。
【０００４】
識別器の生成方法としては、非特許文献１に記載されたアダプティブブースティング（Adaptive Boosting）やアダブースト（Adaboost）が知られている。以下、これらを“アダブースト学習法”と称する。アダブースト学習法は、多くの対象物検出システムに適用されている。例えば、特許文献１や非特許文献２には、アダブースト学習法を用いた顔検出手法が記載されている。アダブースト学習法では、識別エラーが５０％以下であればよいとされる弱識別器の中からいくつかの弱識別器を選択し、これらの弱識別器を組み合わせることによって、識別エラーが低い強識別器を構成する。また、特許文献１や非特許文献２には、複数個の強識別器を一列に連結してカスケード識別器を構成することが記載されている。このようなカスケード識別器を構成する複数個の強識別器の各々は、対象物を含む学習サンプル（画像）に対してほぼ１００％で識別が正解するように訓練されるとともに、対象物を含まない学習サンプル（画像）に対して５０％程度で識別が正解すれば良いように訓練される。また、対象物検出処理において、第１番目の強識別器は、入力された部分画像に対する識別処理（対象物の有無の識別）に用いられ、第２番目以降の強識別器の各々は、その強識別器の前段の強識別器を用いた識別処理において対象物を含んでいると判定された部分画像に対する識別処理に用いられる。このようにカスケード識別器を構成することにより、１秒あたり１５フレーム程度の処理速度で対象物検出処理を実行できることが知られている。
【０００５】
また、非特許文献２には、矩形特徴（Rectangle Feature）と称される特徴量を顔検出のための特徴量として抽出する抽出方法が記載されている。矩形特徴は、入力画像のうち矩形フィルタで定義された長方形状の部分領域間の輝度差を測定することによって抽出される。さらに、非特許文献３には、入力画像の中の３×３画素ブロックを２値化画像に変換することにより特徴量を抽出することが記載されている。すなわち、９個の画素ブロックの輝度値に応じて各画素ブロックに“１”または“０”をラベル付けし、９個のラベルを順番に並べることにより、９ビットの情報が特徴量として形成される。
【先行技術文献】
【特許文献】
【０００６】
【特許文献１】米国特許出願公開第２００２／０１０２０２４号明細書
【非特許文献】
【０００７】
【非特許文献１】Yoav Freund，Robert E.Schapire「A decision - theoretic generalization of on-line learning and an application to boosting」Computational Learning Theory : Eurocolt'95，Springer-Verlag，1995年，p.23−37
【非特許文献２】Paul Viola，Michael Jones「Rapid Object Detection Using a Boosted Cascade of Simple Features」IEEE Computer Society Conference on Computer Vision and Pattern Recognition(CVPR)，2001年12月，ISSN:1063-6919,Vol.1，p.511−518
【非特許文献３】Bernhard Froba，Andreas Ernst「Face Detection with the Modified Census Transform」Proceedings for Sixth IEEE International Conference on Automatic Faceand Gesture Recognition(AFGR)，2004年5月，p.91−96
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、従来の対象物検出技術では、対象物の種類や対象物の撮影状況に左右されずに対象物を正確に検出できるようにするために非常に多くの弱識別器によって強識別器が構成されているので、対象物の種類や対象物の撮影状況の変化が少ない場合であっても、全ての弱識別器を用いて対象物の検出が実行されることになる。例えば、対象物が“人間の顔”である場合、個人の特徴（人種など）に左右されずに人間の顔を正確に検出できるように非常に多くの弱識別器によって強識別器が構成されることになる。ここで、特定の人物の顔を検出する場合（すなわち、対象物の種類の変化が少ない場合）、強識別器を構成する全ての弱識別器のうちその特定の人物の顔の特徴に対応する一部の弱識別器が強く反応することになる。また、対象物検出装置の設置場所が固定されている場合（すなわち、対象物の撮影状況の変化が少ない場合）、強識別器を構成する全ての弱識別器のうち対象物が含まれていないことを識別する一部の弱識別器が強く反応することになる。このように、対象物の種類や対象物の撮影状況の変化が少ない場合には強識別器を構成する全ての弱識別器のうち一部の弱識別器を用いて対象物の有無を検出することが可能であるにも拘わらず、従来の対象物検出技術では、対象物の種類や対象物の撮影状況の変化が少ない場合であっても、全ての弱識別器を用いて対象物の検出が実行されることになるので、対象物検出処理の高速化および負荷軽減が困難である。
【０００９】
そこで、この発明は、対象物の種類や対象物の撮影状況の変化が少ない場合に対象物検出処理の高速化および負荷軽減できる対象物検出技術を提供することを目的とする。
【課題を解決するための手段】
【００１０】
この発明の１つの局面に従うと、対象物検出装置は、入力画像の中から対象物を検出する装置であって、上記入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出する部分画像抽出部と、上記部分画像の特徴量に基づいて上記部分画像に上記対象物が含まれている確率を示した弱識別評価値を生成するｎ個（ｎ≧２）の弱識別器を格納する記憶部と、通常識別モードにおいて、上記記憶部に格納されたｎ個の弱識別器を読み出し、優先識別モードにおいて、上記ｎ個の弱識別器のうち優先的に読み出されるｍ個（１≦ｍ＜ｎ）の弱識別器を示した識別器優先情報に基づいて上記記憶部に格納されたｎ個の弱識別器のうちｍ個の弱識別器を読み出す識別器選択部と、上記識別器選択部によって読み出されたｎ個またはｍ個の弱識別器からなる１または複数の強識別器を用いて上記部分画像抽出部によって抽出された複数枚の部分画像の各々に対してその部分画像における上記対象物の有無を識別する識別処理を実行し、上記複数枚の部分画像の各々に対する識別処理の結果に基づいて上記入力画像における上記対象物の有無を判定する判定処理を実行する検出処理部と、上記通常識別モードにおいて、上記検出処理部による識別処理のときに用いられたｎ個の弱識別器によって生成されたｎ個の弱識別評価値に基づいて、上記ｎ個の弱識別器のうち上記部分画像における上記対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を上記識別器優先情報として生成する識別器学習部とを備える。
【００１１】
上記対象物検出装置では、対象物検出処理への寄与度の高い弱識別器を示した識別器優先情報に基づいて対象物検出処理のときに用いられる弱識別器の個数を制限することにより、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。
【００１２】
この発明の別の局面に従うと、対象物検出装置は、入力画像の中から対象物を検出する装置であって、上記入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出する部分画像抽出部と、上記部分画像の特徴量に基づいて上記部分画像に上記対象物が含まれている確率を示した弱識別評価値を生成する複数個の弱識別器をそれぞれが含むｐ個の検出パターンを格納する記憶部と、通常判定モードにおいて、上記記憶部に格納されたｐ個（ｐ≧２）の検出パターンを順次選択するとともにその検出パターンに含まれる複数個の弱識別器を読み出し、優先判定モードにおいて、上記ｐ個の検出パターンのうち優先的に選択されるｑ個（１≦ｑ＜ｐ）の検出パターンを示した検出パターン優先情報に基づいて上記記憶部に格納されたｐ個の検出パターンのうちｑ個の検出パターンを順次選択するとともにその検出パターンに含まれる複数個の弱識別器を読み出す識別器選択部と、上記識別器選択部によって検出パターンが選択される毎に、上記識別器選択部によって読み出された複数個の弱識別器からなる１または複数の強識別器を用いて上記部分画像抽出部によって抽出された複数枚の部分画像の各々に対してその部分画像における上記対象物の有無を識別する識別処理を実行し、上記複数枚の部分画像の各々に対する識別処理の結果に基づいて上記入力画像における上記対象物の有無を判定する判定処理を実行する検出処理部と、上記通常判定モードにおいて、上記検出処理部による上記検出パターン毎の判定処理によって得られたｐ個の検出パターンにそれぞれ対応するｐ個の判定結果に基づいて、上記ｐ個の検出パターンのうち上記入力画像における上記対象物の有無の判定に寄与したｑ個の検出パターンを示した情報を上記検出パターン優先情報として生成する検出パターン学習部とを備える。
【００１３】
上記対象物検出装置では、対象物検出処理への寄与度の高い検出パターンを示した検出パターン優先情報に基づいて対象物検出処理のときに用いられる検出パターンを制限することにより、結果的に弱識別器の個数を制限することができる。これにより、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。
【００１４】
この発明の別の局面に従うと、対象物検出方法は、入力画像における対象物の有無を検出する方法であって、上記入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出するステップ（ａ）と、それぞれが記憶部に格納され且つそれぞれが上記部分画像と特徴量に基づいて上記部分画像に上記対象物が含まれている確率を示した弱識別評価値を生成するｎ個（ｎ＞２）の弱識別器のうち優先的に読み出されるｍ個（１≦ｍ＜ｎ）の弱識別器を示した識別器優先情報が上記記憶部に格納されていない場合には、上記記憶部に格納されたｎ個の弱識別器を読み出し、上記識別器優先情報が上記記憶部に格納されている場合には、上記識別器優先情報に基づいて上記記憶部に格納された上記ｎ個の弱識別器の中からｍ個の弱識別器を読み出すステップ（ｂ）と、上記ステップ（ｂ）によって読み出されたｎ個またはｍ個の弱識別器から構成された１または複数の強識別器を用いて上記部分画像抽出部によって抽出された複数枚の部分画像の各々に対してその部分画像における上記対象物の有無を識別する識別処理を実行し、上記複数枚の部分画像の各々に対する識別処理の結果に基づいて上記入力画像における上記対象物の有無を判定する判定処理を実行するステップ（ｃ）と、上記識別器優先情報が上記記憶部に格納されている場合に、上記ステップ（ｃ）による識別処理のときに用いられたｎ個の弱識別器によって生成されたｎ個の弱識別器評価値に基づいて、上記ｎ個の弱識別器の中から上記部分画像における上記対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を上記識別器優先情報として生成するステップ（ｄ）とを備える。
【００１５】
上記対象物検出方法では、対象物検出処理への寄与度の高い弱識別器を示した識別器優先情報に基づいて対象物検出処理のときに用いられる弱識別器の個数を制限することにより、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。
【００１６】
この発明の別の局面に従うと、対象物検出方法は、入力画像における対象物の有無を検出する方法であって、上記入力画像の一部を部分画像として抽出する処理を繰り返すことによって複数個の部分画像を生成するステップ（ａ）と、それぞれが記憶部に格納され且つ各々が上記部分画像の特徴量に基づいて上記部分画像に上記対象物が含まれている確率を示した弱識別評価値を生成する複数個の弱識別器をそれぞれが含むｐ個の検出パターンのうち優先的に使用されるｍ個（１≦ｍ＜ｎ）の検出パターンを示した検出パターン優先情報が上記記憶部に格納されていない場合には、上記記憶部に格納されたｐ個の検出パターンを順次選択するとともにその検出パターンに含まれる複数個の弱識別器を読み出し、上記検出パターン優先情報が上記記憶部に格納されている場合には、上記検出パターン優先情報に基づいて上記記憶部に格納されたｐ個の検出パターンのうちｑ個の検出パターンを順次選択するとともにその検出パターンに含まれる複数個の弱識別器を読み出すステップ（ｂ）と、上記ステップ（ｂ）によって検出パターンが選択される毎に、上記ステップ（ｂ）によって読み出された複数個の弱識別器から構成された１または複数の強識別器を用いて上記画像抽出部によって抽出された複数個の部分画像の各々に対してその部分画像における上記対象物の有無を識別する識別処理を実行し、上記複数個の部分画像の各々に対する識別処理の結果に基づいて上記入力画像における上記対象物の有無を判定する判定処理を実行するステップ（ｃ）と、検出パターン優先情報が上記記憶部に格納されていない場合に、上記ステップ（ｃ）による上記検出パターン毎の判定処理によって得られた上記ｐ個の検出パターンにそれぞれ対応するｐ個の判定結果に基づいて、上記記憶部に格納されたｐ個の検出パターンの中から上記入力画像における対象物の有無の検出に寄与したｑ個の検出パターンを示した情報を上記検出パターン優先情報として生成するステップ（ｄ）とを備える。
【００１７】
上記対象物検出方法では、対象物検出処理への寄与度の高い検出パターンを示した検出パターン優先情報に基づいて対象物検出処理のときに用いられる検出パターンを制限することにより、結果的に弱識別器の個数を制限することができる。これにより、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。
【発明の効果】
【００１８】
以上のように、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。
【図面の簡単な説明】
【００１９】
【図１】実施形態１による対象物検出装置の構成例を示す図。
【図２】部分画像の抽出について説明するための図。
【図３】学習データのデータ構造について説明するための図。
【図４】強識別器について説明するための図。
【図５】図１に示した対象物検出装置の動作について説明するための図。
【図６】対象物検出処理について説明するための図。
【図７】対象物検出処理について説明するための図。
【図８】矩形テンプレートについて説明するための図。
【図９】識別器優先情報が格納されていない場合に構成される強識別器の一例について説明するための図。
【図１０】識別器優先情報が格納されている場合に構成される強識別器の一例について説明するための図。
【図１１】弱識別器の並び替えについて説明するための図。
【図１２】実施形態２による対象物検出装置の構成例を示す図。
【図１３】図１２に示した対象物検出装置による動作について説明するための図。
【図１４】対象物検出装置を備えたテレビ受像機の構成例を示す図。
【図１５】テレビ受像機の概観について説明するための図。
【発明を実施するための形態】
【００２０】
以下、実施の形態を図面を参照して詳しく説明する。なお、図中同一または相当部分には同一の符号を付しその説明は繰り返さない。
【００２１】
（実施形態１）
図１は、実施形態１による対象物検出装置１１の構成例を示す。対象物検出装置１１は、入力画像の中から対象物（例えば、人間の顔）を検出するものであって、入力処理部１０１と、画像サイズ変換部１０２と、部分画像抽出部１０３と、対象物検出処理部１０４と、記憶部１０５と、出力処理部１０６とを備える。
【００２２】
〔入力処理部，画像サイズ変換部，部分画像抽出部〕
入力処理部１０１は、入力画像を入力する。画像サイズ変換部１０２は、入力処理部１０１によって入力された入力画像に対して画像サイズ変換処理（画像サイズの拡大または縮小）を施して入力画像の画像サイズを変換する。部分画像抽出部１０３は、画像サイズ変換部１０２によって処理された入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出する。例えば、図２のように、部分画像抽出部１０３は、入力画像ＰＳの全面において画像ウィンドウＰＷ（入力画像内の部分領域）を移動させながら画像ウィンドウＰＷの中の画像を部分画像として抽出する。また、画像ウィンドウのサイズが一定であったとしても、画像サイズ変換部１０２によって入力画像の画像サイズを変換（拡大または縮小）することによって任意の大きさの対象物を検出できる。
【００２３】
〔対象物検出処理部〕
対象物検出処理部１０４は、識別器選択部１０７と、検出処理部１０８と、識別器学習部１０９と、学習データソート部１１０とを含む。識別器選択部１０７，検出処理部１０８，および識別器学習部１０９は、ＭＰＵ（Micro Processing Unit）やメモリ（例えば、ＳＲＡＭなど）などによって構成されていても良い。
【００２４】
〔記憶部〕
記憶部１０５は、学習データＤ１０１と、識別器優先情報Ｄ１０２とを格納する。記憶部１０５は、不揮発性メモリ（例えば、シリアル・フラッシュ・メモリ）によって構成されても良いし、揮発性メモリによって構成されても良い。図３のように、学習データＤ１０１は、ｐ個（ｐ≧２）の検出パターンＤＰ１〜ＤＰｐを含む。
【００２５】
《検出パターン》
検出パターンＤＰ１〜ＤＰｐは、それぞれ異なる撮影条件や対象物の種類に対応している。例えば、対象物が“人間の顔”である場合、第１番目の検出パターンＤＰ１は“正面顔”に対応し、第２番目の検出パターンＤＰ２は“横顔”に対応し、第３番目の検出パターンＤＰ３は“眼鏡を着用した顔”に対応する。また、検出パターンＤＰ１〜ＤＰｐの各々は、ｎ個（ｎ≧２）の弱識別器ＷＣＤ１〜ＷＤＣｎを含む。さらに、検出パターンＤＰ１〜ＤＰｐにはパターン番号が付加されている。ここでは、第１番目の検出パターンＤＰ１，第２番目の検出パターンＤＰ２，…，第ｐ番目の検出パターンＤＰｎの順番で記憶部１０５に格納されており、検出パターンＤＰ１〜ＤＰｐの各々では、第１番目の弱識別器ＷＣＤ１，第２番目の弱識別器ＷＣＤ２，…，第ｎ番目の弱識別器ＷＣＤｎの順番で記憶部１０５に格納されている。なお、検出パターンＤＰ１〜ＤＰｐの各々に含まれる弱識別器の個数は同数であっても良いし、それぞれ異なる個数であっても良い。
【００２６】
《弱識別器》
弱識別器ＷＣＤ１〜ＷＤＣｎの各々は、部分画像の特徴量を抽出するために利用される矩形テンプレートに関する情報（矩形テンプレートの座標，形状，大きさなど）や、部分画像の特徴量と弱識別評価値（部分画像に対象物が含まれている確率を示した値）との対応関係を示したルックアップテーブルなどを含む。すなわち、弱識別器ＷＣＤ１〜ＷＤＣｎは、部分画像の特徴量に基づいて弱識別評価値を生成する評価関数である。また、弱識別器ＷＣＤ１〜ＷＤＣｎには識別器番号が付加されている。
【００２７】
ここで、弱識別器について簡単に説明する。検出パターンＤＰ１〜ＤＰｐの各々に含まれる弱識別器ＷＣＤ１〜ＷＤＣｎは、集団学習機８０によって次のように生成されて記憶部１０５に予め格納されている。すなわち、集団学習機８０が、ある検出パターンに関連する膨大な学習サンプル（例えば、数千個の学習サンプル）を使用し、多数の学習モデル（仮説の組み合わせ）から所定の学習アルゴリズム（例えば、ブースティング・アルゴリズム）に従って１つの仮説を選択（学習）することによってその検出パターンに対応する複数個の弱識別器を生成するとともに、複数個の弱識別器の組み合わせ（例えば、弱識別器の選別や、弱識別器の出力値（弱識別評価値）の重み付けなど）を決定する。このように、集団学習機８０は、検出パターンＤＰ１〜ＤＰｐの各々に対して上述のような弱識別器の生成処理を実行する。これにより、検出パターンＤＰ１〜ＤＰｐに対してｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎが生成される。なお、学習サンプルとは、予め正解付け（ラベリング）された対象物を含む画像および対象物を含まない画像（例えば、顔を含む画像と、顔を含まない画像）からなるサンプル画像のことである。
【００２８】
《強識別器，カスケード識別器》
弱識別器の識別性能は低いものであるが、複数個（例えば、数百個から数千個）の弱識別器の組み合わせることによって、結果的に識別能力の高い識別器（強識別器）を得ることができる。例えば、図４のように、複数個の弱識別器をカスケード接続（一列に接続）することにより、識別能力の高い強識別器を構成できる。さらに、第１番目の強識別器，第２番目の強識別器，…，第ｋ番目の強識別器を一列に連結してカスケード識別器を構成することにより、識別能力を向上させることができる。例えば、ｋ個の強識別器の各々は、対象物を含む学習サンプル（画像）に対してほぼ１００％で識別が正解するように集団学習機８０によって訓練されるとともに、対象物を含まない学習サンプル（画像）に対して５０％程度で識別が正解すれば良いように集団学習機８０によって訓練される。また、対象物検出処理において、第１番目の強識別器は、入力された部分画像に対する識別処理（対象物の有無の識別）に用いられ、第２番目以降の強識別器の各々は、その強識別器の前段の強識別器を用いた識別処理において対象物を含んでいると判定された部分画像に対する識別処理に用いられる。
【００２９】
《識別器優先情報》
識別器優先情報Ｄ１０２は、検出パターンＤＰ１〜ＤＰｐの各々に含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎのうち優先的に読み出されるｍ個（１≦ｍ＜ｎ）の弱識別器を示している。例えば、識別器優先情報Ｄ１０２には、ｍ個の弱識別器の識別器番号が登録されている。
【００３０】
〔識別器選択部，検出処理部，識別器学習部，出力処理部〕
識別器選択部１０７は、識別器優先情報Ｄ１０２が記憶部１０５に格納されていない場合には通常識別モードで動作し、識別器優先情報Ｄ１０２が記憶部１０５に格納されている場合には優先識別モードで動作する。識別器選択部１０７は、通常識別モードでは、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐを順次選択するとともに選択した検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを読み出す。また、識別器選択部１０７は、優先識別モードでは、識別器優先情報Ｄ１０２に基づいて、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐを順次選択するとともに選択した検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎのうちｍ個の弱識別器（例えば、識別器優先情報Ｄ１０２に登録された識別器番号に対応する識別器）を読み出す。
【００３１】
検出処理部１０８は、識別器選択部１０７によって読み出された複数個の弱識別器（ｎ個またはｍ個の弱識別器）からなる１または複数の強識別器を用いて、部分画像抽出部１０３によって抽出された複数枚の部分画像の各々に対して識別処理を実行する。これにより、検出処理部１０８は、複数枚の部分画像の各々についてその部分画像に対象物が含まれているか否かを示した判定結果を生成する。また、検出処理部１０８は、複数枚の部分画像の各々に対する識別処理の結果に基づいて判定処理（入力画像における対象物の有無を判定する処理）を実行する。これにより、検出処理部１０８は、入力画像に対象物が含まれているか否かを示した検出情報（さらに詳しくは、対象物が含まれている位置や対象物のサイズなど）を生成する。
【００３２】
識別器学習部１０９は、通常識別モードの場合に（すなわち、識別器優先情報Ｄ１０２が記憶部１０５に格納されていない場合に）、検出処理部１０８による識別処理のときに用いられたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎによって生成されたｎ個の弱識別評価値に基づいて、ｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎのうち部分画像における対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を識別器優先情報Ｄ１０２として生成して記憶部１０５に格納する。なお、識別器学習部１０９は、任意のタイミングで識別器優先情報Ｄ１０２を初期化しても良い。
【００３３】
出力処理部１０６は、対象物検出処理部１０４によって得られた検出情報を出力する。
【００３４】
また、ここでは、優先識別モードにおいて検出処理部１０８によって入力画像に対象物が含まれていないことが検出された場合、識別器選択部１０７は、記憶部１０５に格納されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎ（入力画像に対象物が含まれていないことが検出されなかった検出パターンに対応するｎ個の弱識別器）を読み出し、検出処理部１０８は、識別器選択部１０７によって読み出されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを用いて識別処理および検出処理を再度実行する。識別器学習部１０９は、検出処理部１０８によって識別処理が再度実行されたときに用いられたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎによって生成されたｎ個の弱識別評価値に基づいて、ｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎのうち部分画像における対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を識別器優先情報Ｄ１０２として生成して記憶部１０５に上書きする（すなわち、識別器優先情報Ｄ１０２を更新する）。
【００３５】
〔動作〕
次に、図５を参照して、対象物検出装置１１による動作について説明する。
【００３６】
《ＳＴ１０１》
識別器選択部１０７は、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中から１つの検出パターン（未使用の検出パターン）を選択する。例えば、識別器選択部１０７は、第１番目の検出パターンＤＰ１から順番に選択する。
【００３７】
《ＳＴ１０２》
次に、識別器選択部１０７は、記憶部１０５に識別器優先情報Ｄ１０２が格納されているか否かを判断する。識別器優先情報Ｄ１０２が格納されていない場合には、ステップＳＴ１０３へ進み、そうでない場合には、ステップＳＴ１０７へ進む。
【００３８】
《ＳＴ１０３》
次に、識別器選択部１０７は、ステップＳＴ１０１において選択された検出パターンに対応するｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの全てを記憶部１０５の中から読み出す。
【００３９】
《ＳＴ１０４》
次に、検出処理部１０８は、識別器選択部１０７によって読み出されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを用いて対象物検出処理（入力画像から抽出された複数枚の部分画像の各々に対してその部分画像における対象物の有無を識別する識別処理と、複数枚の部分画像の各々に対する識別処理の結果に基づいて入力画像における対象物の有無を判定する判定処理）を実行する。これにより、入力画像の中に対象物が含まれているか否かを示した検出情報が出力される。なお、対象物検出処理については後述する。
【００４０】
《ＳＴ１０５》
次に、識別器学習部１０９は、ステップＳＴ１０４の対象物検出処理の識別処理のときにｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎによって得られたｎ個の弱識別評価値に基づいて、ｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの中から対象物検出処理の識別処理において部分画像における対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を識別器優先情報Ｄ１０２として生成して記憶部１０５に格納する。
【００４１】
例えば、識別器学習部１０９は、ステップＳＴ１０４における対象物検出処理において入力画像に対象物が含まれていることが検出された場合、部分画像に対象物が含まれていると識別するために寄与した弱識別器（すなわち、弱識別評価値が比較的大きい弱識別器）の中からｉ個（ｉ≦ｍ）の弱識別器を選択し、選択した弱識別器の識別器番号を識別器優先情報Ｄ１０２に登録しても良い。また、識別器学習部１０９は、ステップＳＴ１０４における対象物検出処理において入力画像に対象物が含まれていないことが検出された場合、部分画像に対象物が含まれていないと識別するために寄与した弱識別器（すなわち、弱識別評価値が比較的小さい弱識別器）の中からｊ個（ｊ≦ｍ）の弱識別器を選択し、選択した弱識別器の識別器番号を識別器優先情報Ｄ１０２に登録しても良い。ただし、ｉ＋ｊ＝ｍである。このようにして、識別器学習部１０９は、対象物検出処理において部分画像における対象物の有無の識別に寄与したｍ個の弱識別器の識別器番号が登録された識別器優先情報を生成する。
【００４２】
《ＳＴ１０６》
次に、識別器選択部１０７は、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中に未使用の検出パターンが残っているか否かを判断する。未使用の検出パターンが残っている場合には、ステップＳＴ１０１ヘ進み、そうでない場合には、動作を終了する。
【００４３】
《ＳＴ１０７》
一方、ステップＳＴ１０２において記憶部１０５に識別器優先情報Ｄ１０２が格納されていると判断された場合、識別器選択部１０７は、記憶部１０５の中からステップＳＴ１０１において選択された検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎのうち識別器優先情報Ｄ１０２に示されたｍ個の弱識別器を記憶部１０５の中から読み出す。
【００４４】
《ＳＴ１０８》
次に、検出処理部１０８は、ステップＳＴ１０４と同様に、識別器選択部１０７によって読み出されたｍ個の弱識別器を用いて対象物検出処理を実行する。これにより、入力画像の中に対象物が含まれているか否かを示した検出情報が出力される。
【００４５】
《ＳＴ１０９》
次に、識別器選択部１０７は、検出処理部１０８によって入力画像に対象物が含まれていることが検出されたか否かを判断する。入力画像に対象物が含まれていることが検出された場合には、ステップＳＴ１０６ヘ進み、入力画像に対象物が含まれていないことが検出された場合には、ステップＳＴ１１０へ進む。
【００４６】
《ＳＴ１１０》
次に、識別器選択部１０７は、ステップＳＴ１０１において選択された検出パターンに対応するｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの全てを記憶部１０５の中から読み出す。
【００４７】
《ＳＴ１１１》
次に、検出処理部１０８は、識別器選択部１０７によって読み出された弱識別器ＷＣＤ１〜ＷＤＣｎを用いて対象物検出処理を再度実行する。
【００４８】
《ＳＴ１１２》
次に、識別器学習部１０９は、ステップＳＴ１０５と同様に、ステップＳＴ１１１の対象物検出処理（再度実行された対象物検出処理）においてｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎによって得られたｎ個の弱識別評価値に基づいて、ｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの中から対象物検出処理において対象物の有無の判定に寄与したｍ個の弱識別器を示した情報を識別器優先情報Ｄ１０２として生成する。そして、識別器学習部１０９は、新たに生成した識別器優先情報Ｄ１０２を記憶部１０５に上書きする。次に、ステップＳＴ１０６へ進む。なお、ステップＳＴ１１２を実行せずに、ステップＳＴ１１１の後にステップＳＴ１０６へ進んでも良い。すなわち、識別器学習部１０９は、識別器優先情報Ｄ１０２を上書き（更新）しなくても良い。
【００４９】
〔対象物検出処理〕
次に、図５および図６を参照して、図１に示した検出処理部１０８による対象物検出処理について説明する。なお、ここでは、ｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎによって複数個の強識別器が構成されているものとする。また、複数個の強識別器が一列に連結されてカスケード識別器が構成されているものとする。
【００５０】
《ＳＴ２０１》
画像サイズ変換部１０２は、入力画像の画像サイズを変換する。例えば、画像サイズ変換部１０２は、画像の濃淡が一定の割合となるように入力画像を縮小する。
【００５１】
《ＳＴ２０２》
次に、部分画像抽出部１０３は、画像サイズ変換部１０２によって処理された入力画像に画像ウィンドウを配置して画像ウィンドウ内の画像を部分画像として抽出する。例えば、部分画像抽出部１０３は、入力画像の左上隅の矩形領域から順番に部分画像を抽出しても良い。
【００５２】
《ＳＴ２０３》
次に、検出処理部１０８は、識別器選択部１０７によって記憶部１０５から読み出された複数個の弱識別器から構成された複数個の強識別器の中から１つの強識別器（未使用の強識別器）を選択する。例えば、検出処理部１０８は、カスケード識別器を構成する複数個の強識別器のうち第１番目の強識別器から順番に選択しても良い。
【００５３】
《ＳＴ２０４》
次に、検出処理部１０８は、ＳＴ２０３において選択された強識別器を構成する複数個の弱識別器の中から１つの弱識別器（未使用の弱識別器）を選択する。
【００５４】
《ＳＴ２０５》
次に、検出処理部１０８は、ＳＴ２０４において選択された弱識別器を用いて弱識別処理を実行して弱識別評価値を生成する。なお、弱識別処理については後述する。
【００５５】
《ＳＴ２０６》
次に、検出処理部１０８は、ステップＳＴ２０５において得られた弱識別評価値を累積加算する。これにより、弱識別評価値の累積加算値が更新される。
【００５６】
《ＳＴ２０７》
次に、検出処理部１０８は、ＳＴ２０３において選択された強識別器を構成する複数個の弱識別器の中に未使用の弱識別器が残っているか否かを判断する。未使用の弱識別器が残っている場合には、ステップＳＴ２０４へ進み、そうでない場合には、ステップＳＴ２０８へ進む。
【００５７】
《ＳＴ２０８》
次に、検出処理部１０８は、弱識別評価値の累積加算値が強識別閾値（部分画像における対象物の有無を識別するための基準値）よりも大きいか否かを判断する。弱識別評価値の累積加算値が強識別閾値よりも大きい場合には、ステップＳＴ２０９へ進み、そうでない場合には、ステップＳＴ２１０へ進む。
【００５８】
《ＳＴ２０９》
次に、検出処理部１０８は、識別器選択部１０７によって記憶部１０５から読み出された複数個の弱識別器から構成された複数個の強識別器の中に未使用の強識別器が残っているか否かを判断する。未使用の強識別器が残っている場合には、ステップＳＴ２０３へ進み、そうでない場合には、ステップＳＴ２１０へ進む。
【００５９】
《ＳＴ２１０》
次に、検出処理部１０８は、ステップＳＴ２０２において得られた部分画像に関する識別結果（部分画像に対象物が含まれているか否かを示した結果）を生成する。例えば、検出処理部１０８は、ステップＳＴ２０８において弱識別評価値の累積加算値が強識別閾値よりも大きくないと判断した場合には、部分画像に対象物が含まれていないことを示した識別結果を生成し、ステップＳＴ２０９において未使用の強識別器が残っていないと判断した場合には、部分画像に対象物が含まれていることを示した識別結果を生成する。
【００６０】
《ＳＴ２１１》
次に、検出処理部１０８は、ステップＳＴ２０１において画像サイズが変換された入力画像の中から抽出していない部分画像（未抽出の部分画像）が残っているか否かを判断する。未抽出の部分画像が残っている場合には、ステップＳＴ２０２へ進み、そうでない場合には、ステップＳＴ２１２へ進む。
【００６１】
《ＳＴ２１２》
次に、検出処理部１０８は、入力画像の画像サイズを変更する必要があるか否かを判断する。入力画像の画像サイズを変更する必要がある場合には、ステップＳＴ２０１へ進み、そうでない場合には、ステップＳＴ２１３へ進む。このようにして、識別処理（ＳＴ２０３〜ＳＴ２１０）が繰り返し実行される。すなわち、画像サイズ毎に複数枚の部分画像の各々に対してその部分画像における対象物の有無を識別する識別処理が実行される。
【００６２】
《ＳＴ２１３》
次に、検出処理部１０８は、複数枚の部分画像の各々に対する識別処理の結果に基づいて、入力画像における対象物の有無を判定する判定処理を実行し、入力画像に関する検出情報（入力画像に対象物が含まれているか否かを示した情報）を生成する。なお、検出情報には、対象物が含まれている位置や、対象物のサイズに関する情報が含まれていても良い。
【００６３】
〔弱識別処理〕
次に、弱識別処理（ＳＴ２０５）について説明する。まず、検出処理部１０８は、ステップＳＴ２０４において選択された弱識別器に対応する矩形テンプレートを部分画像抽出部１０３によって抽出された部分画像に配置する。図８Ａ，図８Ｂ，図８Ｃのように、矩形テンプレートＲＴａ，ＲＴｂ，ＲＴｃは、複数個の矩形ブロックによって構成される。ここでは、矩形テンプレートＲＴａ，ＲＴｂ，ＲＴｃは、それぞれ、６個，９個，８個の矩形ブロックによって構成される。
【００６４】
次に、検出処理部１０８は、矩形テンプレートの中に含まれる全画素の平均輝度値を参照輝度値として算出する。次に、検出処理部１０８は、矩形テンプレートを構成する複数個の矩形ブロックの各々についてその矩形ブロックの中に含まれる画素の平均輝度値を算出する。次に、検出処理部１０８は、矩形テンプレートを構成する複数個の矩形ブロックの各々について、その矩形ブロックの平均輝度値が参照輝度値よりも小さい場合にはその矩形ブロックの強度を“１”と決定し、その矩形ブロックの平均輝度値が参照輝度値よりも大きい場合にはその矩形ブロックの強度を“０”と決定する。各矩形ブロックの強度は、積分画像を利用することにより素速く効率的に計算できる。次に、検出処理部１０８は、矩形テンプレートを構成する複数個の矩形ブロックの各々の強度を集めて空間分布情報（パターンキー）を生成する。これにより、検出処理部１０８は、矩形テンプレートを構成する複数個の矩形ブロックの中でどの矩形ブロックが他の矩形ブロックよりも高い輝度値を有するのかを示す空間分布情報を生成したことになる。
【００６５】
また、検出処理部１０８は、強度が“１”であると決定された全ての矩形ブロックの中に含まれる画素の平均輝度値から強度が“０”であると決定された全ての矩形ブロックの中に含まれる画素の平均輝度値を差し引く。これにより、検出処理部１０８は、矩形テンプレートにおいてどのブロック間でどのくらい強度差があるのかを示す空間輝度情報を生成したことになる。
【００６６】
次に、検出処理部１０８は、ステップＳＴ２０４において選択された弱識別器に対応する２次元ルックアップテーブル（空間分布情報および空間輝度情報の組合せと弱識別評価値との対応関係を示したルックアップテーブル）を参照して、空間分布情報および空間輝度情報から弱識別評価値を生成する。
【００６７】
〔識別器優先情報の有無〕
次に、図９および図１０を参照して、識別器優先情報Ｄ１０２が格納されていない場合（通常識別モード）と識別器優先情報Ｄ１０２が格納されている場合（優先識別モード）とを比較する。識別器優先情報Ｄ１０２が格納されていない場合、識別器選択部１０７は、検出パターンＤＰ１〜ＤＰｐのいずれか１つの検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを読み出す。例えば、図９のように、第１番目〜第２５０番目の弱識別器ＷＣＤ１〜ＷＣＤ２５０によって１つの強識別器が構成されている場合、検出処理部１０８は、２５０個の弱識別器ＷＣＤ１〜ＷＣＤ２５０を用いて２５０回の弱識別処理を実行することになる。
【００６８】
ここで、２５０個の弱識別器ＷＣＤ１〜ＷＣＤ２５０のうち第５番目，第２０番目，第２１番目，第８０番目，第１１１番目の弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１の対象物検出処理（識別処理）に対する寄与度が他の弱識別器よりも高く、識別器学習部１０９が弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１を示した識別器優先情報を生成して記憶部１０５に格納したと仮定する。この場合、識別器選択部１０７は、２５０個の弱識別器ＷＣＤ１〜ＷＣＤ２５０のうち５個の弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１を読み出し、検出処理部１０８は、図１０のように、５個の弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１によって構成された強識別器を用いて識別処理を実行する。すなわち、検出処理部１０８は、５回の弱識別処理を実行することになる。
【００６９】
以上のように、対象物検出処理に対する寄与度の高い弱識別器を示した識別器優先情報Ｄ１０２に基づいて対象物検出処理（識別処理）のときに用いられる弱識別器の個数を制限することにより、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。例えば、対象物検出装置１１の検出対象物を“特定人物の顔”として対象物検出装置１１の設置場所を固定する場合、検出パターンＤＰ１〜ＤＰｐの各々に含まれるｎ個の弱識別器ＷＣＤ１〜ＷＣＤｎのうちその特定人物の顔に強く反応する弱識別器を優先的に使用することができるので、入力画像に“特定人物の顔”が含まれているか否かを素早く検出できる。
【００７０】
また、非常に多くの弱識別器を使用するために、記憶部１０５をシリアル・フラッシュ・メモリのような大容量かつ低速なメモリによって構成するとともに、識別器選択部１０７をＳＲＡＭのような小容量かつ高速なメモリによって構成することが多い。ここで、対象物検出処理のときに用いられる弱識別器の個数を制限しない場合、記憶部１０５に格納された弱識別器ＷＣＤ１〜ＷＣＤｎの全てが読み出されることになる。このとき、識別器選択部１０７は、記憶部１０５に格納された弱識別器ＷＣＤ１〜ＷＣＤｎの全てを一度に読み出すことができずに複数回に分けて読み出すことになる場合がある。この場合、対象物検出処理の処理速度が低下してしまうことになる。また、識別器選択部１０７による弱識別器の読み出し回数を少なくするために識別器選択部１０７を記憶容量を増加させるとコストアップを招いてしまう。一方、識別器優先情報Ｄ１０２に基づいて対象物検出処理（識別処理）のときに用いられる弱識別器の個数を制限することにより、識別器選択部１０７による弱識別器の読み出し回数の増加を抑制できる。これにより、対象物検出処理の高速化およびコストアップの抑制を実現できる。
【００７１】
〔ランク分け〕
なお、識別器優先情報Ｄ１０２に示されたｍ個の弱識別器は、ランク分けされていても良い。すなわち、識別器学習部１０９は、識別器優先情報Ｄ１０２を生成する場合（例えば、ステップＳＴ１０５，ＳＴ１１２）において、優先識別モード（例えば、ステップＳＴ１０７）において識別器選択部１０７によって読み出される順番を示した優先度を識別器優先情報Ｄ１０２に示されたｍ個の弱識別器（例えば、ｍ個の弱識別器の識別器番号）に付加しても良い。この場合、識別器選択部１０７は、優先識別モード（例えば、ステップＳＴ１０７）において、識別器優先情報Ｄ１０２に示されたｍ個の弱識別器に付加された優先度に基づいて記憶部１０５に格納されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの中からｍ個の弱識別器を読み出す順番を決定しても良い。例えば、第１のランクに弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１が所属し、第２のランクに第３０番目，第２００番目，第２４０番目の弱識別器ＷＣＤ３０，ＷＣＤ２００，ＷＣＤ２４０が所属している場合（例えば、識別器番号５，２０，２１，８０，１１１に“第１番目”を示す優先度が対応付けられ、識別番号３０，２００，２４０に“第２番目”を示す優先度が対応付けられている場合）、識別器選択部１０７は、最初に、第１のランクに属する弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１を読み出して検出処理部１０８に対象物検出処理を実行させる。ここで、第１のランクに属する弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１を用いた対象物検出処理によって入力画像に対象物が含まれていないと判定された場合、識別器選択部１０７は、第２のランクに属する弱識別器ＷＣＤ３０，ＷＣＤ２００，ＷＣＤ２４０を読み出して検出処理部１０８に対象物検出処理を再度実行させる。
【００７２】
〔学習データソート部〕
学習データソート部１１０は、識別器優先情報Ｄ１０２に示されたｍ個の弱識別器が記憶部１０５の連続領域に格納されるように、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの各々においてｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを並び替える。例えば、識別器優先情報Ｄ１０２に示された弱識別器が判定パターンＤＰ１に含まれる第５番目，第２０番目，第２１番目，第８０番目，第１１１番目の弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１である場合、学習データソート部１１０は、弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１が記憶部１０５の連続領域（例えば、学習データＤ１０１の先頭領域）に配置されるように弱識別器ＷＣＤ５，ＷＣＤ２０，ＷＣＤ２１，ＷＣＤ８０，ＷＣＤ１１１を移動させる。なお、識別器優先情報Ｄ１０２に示されたｍ個の弱識別器がランク分けされている場合、学習データソート部１１０は、記憶部１０５の連続領域においてｍ個の弱識別器がランク順（例えば、優先度の高い順）に並ぶように、ｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを並び替えても良い。
【００７３】
記憶部１０５がシリアル・フラッシュ・メモリのようなシーケンシャル・アクセスを実行するメモリによって構成されている場合、識別器優先情報Ｄ１０２に示されたｍ個の弱識別器を記憶部１０５の連続領域に格納することにより、ｍ個の弱識別器が記憶部１０５の連続領域に格納されていない場合よりもｍ個の弱識別器を効率良く読み出すことができる。
【００７４】
（実施形態２）
図１２は、実施形態２による対象物検出装置２１の構成例を示す。対象物検出装置２１は、図１に示した対象物検出処理部１０４に代えて対象物検出処理部２０４を備える。記憶部１０５は、識別器優先情報Ｄ１０２に代えて検出パターン優先情報Ｄ２０２を格納する。その他の構成は、図１と同様である。
【００７５】
〔検出パターン優先情報〕
検出パターン優先情報Ｄ２０２は、ｐ個の検出パターンＤＰ１〜ＤＰｐのうち優先的に選択されるｑ個（１≦ｑ＜ｐ）の検出パターンを示している。例えば、検出パターン優先情報Ｄ２０２には、ｑ個の検出パターンのパターン番号が登録されている。
【００７６】
〔対象物検出処理部〕
対象物検出処理部２０４は、識別器選択部２０７と、検出処理部１０８と、検出パターン学習部２０９とを含む。
【００７７】
《識別器選択部》
識別器選択部２０７は、検出パターン優先情報Ｄ１０２が記憶部１０５に格納されていない場合には通常判定モードで動作し、識別器優先情報Ｄ１０２が記憶部１０５に格納されている場合には優先判定モードで動作する。識別器選択部２０７は、通常判定モードにおいて、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐを順次選択するとともにその検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを読み出す。また、識別器選択部２０７は、優先判定モードにおいて、検出パターン優先情報Ｄ２０２に基づいて、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐのうちｑ個の検出パターンを順次選択するとともにその検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを読み出す。
【００７８】
《検出処理部》
検出処理部１０８は、識別器選択部２０７によって検出パターンが選択される毎に、識別器選択部２０７によって読み出されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎからなる１または複数の強識別器を用いて部分画像抽出部１０３によって抽出された複数枚の部分画像の各々に対して識別処理（部分画像における対象物の有無を識別する処理）を実行する。これにより、検出処理部１０８は、複数枚の部分画像の各々についてその部分画像に対象物が含まれているか否かを示した識別結果を生成する。また、検出処理部１０８は、複数枚の部分画像の各々に対する識別処理の結果に基づいて判定処理（入力画像における対象物の有無を判定する処理）を実行する。これにより、検出処理部１０８は、入力画像に対象物が含まれているか否かを示した検出情報（さらに詳しくは、対象物が含まれている位置や対象物のサイズなど）を生成する。
【００７９】
《学習パターン学習部》
検出パターン学習部２０９は、通常判定モードに場合に（すなわち、検出パターン優先情報Ｄ２０２が記憶部１０５に格納されていない場合に）、検出処理部１０８による検出パターン毎の判定処理によって得られたｐ個の検出パターンにそれぞれ対応するｐ個の判定結果に基づいて、ｐ個の検出パターンＤＰ１〜ＤＰｐのうち入力画像における前記対象物の有無の判定に寄与したｑ個の検出パターンを示した情報を検出パターン優先情報Ｄ２０２として生成して記憶部１０５に格納する。
【００８０】
〔動作〕
次に、図１２を参照して、対象物検出装置２１による動作について説明する。
【００８１】
《ＳＴ３０１》
識別器選択部２０７は、記憶部１０５の中に検出パターン優先情報Ｄ２０２が格納されているか否かを判断する。検出パターン優先情報Ｄ２０２が格納されていない場合には、ステップＳＴ３０２へ進み、検出パターン優先情報Ｄ２０２が格納されている場合には、ステップＳＴ３０７へ進む。
【００８２】
《ＳＴ３０２》
次に、識別器選択部２０７は、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中から１つの検出パターン（未使用の検出パターン）を選択する。例えば、識別器選択部２０７は、第１番目の検出パターンＤＰ１から順番に選択する。
【００８３】
《ＳＴ３０３》
次に、識別器選択部２０７は、ステップＳＴ３０２において選択された検出パターンに対応するｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの全てを記憶部１０５の中から読み出す。
【００８４】
《ＳＴ３０４》
次に、検出処理部１０８は、識別器選択部１０７によって読み出されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを用いて対象物検出処理（ＳＴ２０１〜ＳＴ２１３）を実行する。これにより、入力画像の中に対象物が含まれているか否かを示した検出情報が出力される。
【００８５】
《ＳＴ３０５》
次に、識別器選択部１０７は、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中に未使用の検出パターンが残っているか否かを判断する。未使用の検出パターンが残っている場合には、ステップＳＴ３０２ヘ進み、そうでない場合には、ステップＳＴ３０６へ進む。
【００８６】
《ＳＴ３０６》
次に、検出パターン学習部２０９は、ステップＳＴ３０４の対象物検出処理の判定処理によって得られたｐ個の検出パターンＤＰ１〜ＤＰｐの各々の判定結果（入力画像に対象物が含まれているか否かを示した結果）に基づいて、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中から対象物検出処理の判定処理において入力画像に対象物が含まれていることを検出したときに寄与したｑ個の検出パターンを示した情報を検出パターン優先情報Ｄ２０２として生成して記憶部１０５に格納する。
【００８７】
《ＳＴ３０７》
一方、ステップＳＴ３０１において記憶部１０５に検出パターン優先情報Ｄ２０２が格納されていると判断された場合、識別器選択部２０７は、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐのうち検出パターン優先情報Ｄ２０２に示されたｑ個の検出パターンの中の１つの検出パターン（未使用の検出パターン）を選択する。
【００８８】
《ＳＴ３０８》
次に、識別器選択部２０７は、ステップＳＴ３０７において選択された検出パターンに対応するｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎの全てを記憶部１０５の中から読み出す。
【００８９】
《ＳＴ３０９》
次に、検出処理部１０８は、識別器選択部１０７によって読み出されたｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを用いて対象物検出処理（ＳＴ２０１〜ＳＴ２１３）を実行する。これにより、入力画像の中に対象物が含まれているか否かを示した検出情報が出力される。
【００９０】
《ＳＴ３１０》
次に、識別器選択部１０７は、記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐのうち検出パターン優先情報Ｄ２０２に示されたｑ個の検出パターンの中に未使用の検出パターンが残っているか否かを判断する。未使用の検出パターンが残っている場合には、ステップＳＴ３０７ヘ進み、そうでない場合には、動作を終了する。
【００９１】
以上のように、対象物検出処理への寄与度の高い検出パターンを示した検出パターン優先情報に基づいて対象物検出処理のときに用いられる検出パターンを制限することにより、結果的に弱識別器の個数を制限することができる。これにより、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できる。例えば、対象物検出装置１１の検出対象物を“眼鏡を着用した人の顔”として対象物検出装置１１の設置場所を固定する場合、ｐ個の検出パターンのうち“眼鏡を着用した人の顔”に対応する検出パターンを優先的に使用することができるので、入力画像に“眼鏡を着用した人の顔”が含まれているか否かを素早く検出できる。
【００９２】
〔ランク分け〕
なお、検出パターン優先情報Ｄ２０２に示されたｑ個の検出パターンは、ランク分けされていても良い。すなわち、検出パターン学習部２０９は、検出パターン優先情報Ｄ２０２を生成する場合（例えば、ステップＳＴ３０６）において、優先判定モード（例えば、ステップＳＴ３０７）において識別器選択部２０７によって読み出される順番を示した優先度を検出パターン優先情報Ｄ２０２に示されたｑ個の検出パターン（例えば、ｑ個の検出パターンのパターン番号）に付加しても良い。この場合、識別器選択部２０７は、優先識別モード（例えば、ステップＳＴ３０７）において、検出パターン優先情報Ｄ２０２に示されたｑ個の検出パターンに付加された優先度に基づいて記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中からｑ個の検出パターンを読み出す順番を決定しても良い。
【００９３】
〔外部機器情報〕
なお、識別器選択部２０７は、対象物検出装置２１に接続された外部機器９０に関する情報（例えば、外部機器９０の動作状況や時刻情報など）を受け取り、外部機器９０に関する情報に基づいて記憶部１０５に格納されたｐ個の検出パターンＤＰ１〜ＤＰｐの中から１または複数の検出パターンを順次選択するとともにその検出パターンに含まれるｎ個の弱識別器ＷＣＤ１〜ＷＤＣｎを読み出しても良い。
【００９４】
また、実施形態１と実施形態２とを組み合わせても良い。すなわち、図１２に示した対象物検出装置２１は、図１に示した識別器学習部１０９および学習データソート部１１０をさらに備えていても良い。また、記憶部１０５は、識別器優先情報Ｄ１０２をさらに格納していても良い。この場合、識別器選択部２０７は、図１に示した識別器選択部１０７のように、通常識別モードと優先識別モードと有していても良い。例えば、図１３に示したステップＳＴ３０３〜ＳＴ３０５の組合せおよびステップＳＴ３０８〜ＳＴ３１０の組合せを図５に示したステップＳＴ１０２〜ＳＴ１１２に置き換えても良い。
【００９５】
（適用例）
図１３のように、上記の対象物検出装置１１，１２はテレビ受像機に適用可能である。テレビ受像機は、テレビ本体３１と、画像取得装置３２とを備える。テレビ本体３１は、テレビジョンチューナ３０１と、映像処理部３０２と、オーディオ部３０３と、電源部３０４と、ディスプレイ部３０５と、入力部３０６と、制御部３０７と、対象物検出装置１１とを含む。画像取得装置３２は、画像を取得するためのレンズやイメージセンサなどによって構成される。テレビジョンチューナ３０１は、放送テレビジョン信号を受信して映像信号とオーディオ信号を分離して出力する。映像処理部３０２は、テレビジョンチューナ３０１からの映像信号を復調して出力する。オーディオ部３０３は、テレビジョンチューナ３０１からのオーディオ信号を復調して出力する。電源部３０４は、テレビジョン受像機の各部を駆動する電源を供給する。ディスプレイ部３０５は、映像処理部３０２によって復調された映像信号に基づいて映像を表示する。入力部３０６は、使用者のボタン操作などによる制御信号を受け取る。対象物検出装置１１は、画像取得装置３２からの入力信号（入力画像）を受け取り検出情報を制御部３０７に出力する。制御部３０７は、対象物検出装置１１からの検出情報に基づいてディスプレイ部３０５や電源部３０４を制御する。例えば、制御部３０７は、対象物（ここでは、視聴者）が検出されなかった場合には、ディスプレイ部３０５による映像表示を停止させても良いし、電源部３０４による電源供給を停止させても良い。なお、画像取得装置３２は、図１４Ａのようにテレビ本体３１に組み込まれていても良い。また、画像取得装置３２は、図１４Ｂのようにテレビ本体３１に外部接続されていても良い。
【００９６】
テレビ受像機の利用者（視聴者）は特定の人物に限られていることが多い。そのため、テレビ受像機に備えられた対象物検出装置１１は、検出パターンの各々に含まれるｎ個の弱識別器のうちテレビ受像機の利用者に強く反応する弱識別器を優先的に使用して、入力画像に“テレビ受像機の利用者”が含まれているか否かを素早く検出する。したがって、制御部３０７は、ディスプレイ部３０５および電源部３０４を素早く制御できる。
【００９７】
また、上述の対象物検出装置１１，２１は、個人認証装置にも適用可能である。個人認証装置は、対象物検出装置１１，２１を用いて個人認証を実行し、個人認証の結果に基づいて他の処理を実行しても良い。
【産業上の利用可能性】
【００９８】
以上説明したように、上述の対象物検出装置は、対象物の種類や対象物の撮影状況の変化が少ない場合（対象物の種類や対象物の撮影状況が限定されている場合）に対象物検出処理の高速化および負荷軽減を実現できるので、カメラ等により取得された画像から対象物を検出して機器制御を行う家庭用電化製品などに有用である。
【符号の説明】
【００９９】
１１ 対象物検出装置
１０１ 入力処理部
１０２ 画像サイズ変換部
１０３ 部分画像抽出部
１０４ 検出処理部
１０５ 記憶部
１０６ 出力処理部
１０７ 識別器選択部
１０８ 検出処理部
１０９ 識別器学習部
１１１ 学習データソート部
８０ 集団学習機
２１ 対象物検出装置
２０４ 検出処理部
２０７ 識別器選択部
２０９ 検出パターン学習部
９０ 外部機器
【特許請求の範囲】
【請求項１】
入力画像の中から対象物を検出する装置であって、
前記入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出する部分画像抽出部と、
前記部分画像の特徴量に基づいて前記部分画像に前記対象物が含まれている確率を示した弱識別評価値を生成するｎ個（ｎ≧２）の弱識別器を格納する記憶部と、
通常識別モードにおいて、前記記憶部に格納されたｎ個の弱識別器を読み出し、優先識別モードにおいて、前記ｎ個の弱識別器のうち優先的に読み出されるｍ個（１≦ｍ＜ｎ）の弱識別器を示した識別器優先情報に基づいて前記記憶部に格納されたｎ個の弱識別器のうちｍ個の弱識別器を読み出す識別器選択部と、
前記識別器選択部によって読み出されたｎ個またはｍ個の弱識別器からなる１または複数の強識別器を用いて前記部分画像抽出部によって抽出された複数枚の部分画像の各々に対して当該部分画像における前記対象物の有無を識別する識別処理を実行し、前記複数枚の部分画像の各々に対する識別処理の結果に基づいて前記入力画像における前記対象物の有無を判定する判定処理を実行する検出処理部と、
前記通常識別モードにおいて、前記検出処理部による識別処理のときに用いられたｎ個の弱識別器によって生成されたｎ個の弱識別評価値に基づいて、前記ｎ個の弱識別器のうち前記部分画像における前記対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を前記識別器優先情報として生成する識別器学習部とを備える
ことを特徴とする対象物検出装置。
【請求項２】
請求項１において、
前記識別器学習部は、前記優先識別モードにおいて前記識別器選択部によって読み出される順番を示した優先度を前記識別器優先情報に示されたｍ個の弱識別器に付加し、
前記識別器選択部は、前記優先識別モードにおいて、前記識別器優先情報に示されたｍ個の弱識別器に付加された優先度に基づいて前記記憶部に格納されたｎ個の弱識別器の中から前記ｍ個の弱識別器を読み出す順番を決定する
ことを特徴とする対象物検出装置。
【請求項３】
請求項１において、
前記識別器選択部は、前記優先識別モードにおいて前記検出処理部によって前記入力画像に前記対象物が含まれていないことが検出された場合に、前記記憶部に格納されたｎ個の弱識別器を読み出し、
前記検出処理部は、前記識別器選択部によって読み出されたｎ個の弱識別器を用いて前記識別処理および前記判定処理を再度実行する
ことを特徴とする対象物検出装置。
【請求項４】
請求項１において、
前記記憶部は、不揮発性メモリによって構成される
ことを特徴とする対象物検出装置。
【請求項５】
請求項１において、
前記識別器優先情報に示されたｍ個の弱識別器が前記記憶部の連続領域に格納されるように、前記記憶部に格納されたｎ個の弱識別器を並び替える学習データソート部をさらに備える
ことを特徴とする対象物検出装置。
【請求項６】
請求項１において、
前記識別器学習部は、任意のタイミングで前記識別器優先情報を初期化する
ことを特徴とする対象物検出装置。
【請求項７】
請求項１において、
前記１または複数の強識別器は、前記識別器選択部によって選択された複数個の弱識別器がカスケード状に接続されることによって構成される
ことを特徴とする対象物検出装置。
【請求項８】
入力画像の中から対象物を検出する装置であって、
前記入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出する部分画像抽出部と、
前記部分画像の特徴量に基づいて前記部分画像に前記対象物が含まれている確率を示した弱識別評価値を生成する複数個の弱識別器をそれぞれが含むｐ個の検出パターンを格納する記憶部と、
通常判定モードにおいて、前記記憶部に格納されたｐ個（ｐ≧２）の検出パターンを順次選択するとともに当該検出パターンに含まれる複数個の弱識別器を読み出し、優先判定モードにおいて、前記ｐ個の検出パターンのうち優先的に選択されるｑ個（１≦ｑ＜ｐ）の検出パターンを示した検出パターン優先情報に基づいて前記記憶部に格納されたｐ個の検出パターンのうちｑ個の検出パターンを順次選択するとともに当該検出パターンに含まれる複数個の弱識別器を読み出す識別器選択部と、
前記識別器選択部によって検出パターンが選択される毎に、前記識別器選択部によって読み出された複数個の弱識別器からなる１または複数の強識別器を用いて前記部分画像抽出部によって抽出された複数枚の部分画像の各々に対して当該部分画像における前記対象物の有無を識別する識別処理を実行し、前記複数枚の部分画像の各々に対する識別処理の結果に基づいて前記入力画像における前記対象物の有無を判定する判定処理を実行する検出処理部と、
前記通常判定モードにおいて、前記検出処理部による前記検出パターン毎の判定処理によって得られたｐ個の検出パターンにそれぞれ対応するｐ個の判定結果に基づいて、前記ｐ個の検出パターンのうち前記入力画像における前記対象物の有無の判定に寄与したｑ個の検出パターンを示した情報を前記検出パターン優先情報として生成する検出パターン学習部とを備える
ことを特徴とする対象物検出装置。
【請求項９】
請求項８において、
前記検出パターン学習部は、前記優先検出モードにおいて前記識別器選択部によって選択される順番を示した優先度を前記検出パターン優先情報に示されたｑ個の検出パターンに付加し、
前記識別器選択部は、前記優先検出モードにおいて、前記検出パターン優先情報に示されたｑ個の検出パターンに付加された優先度に基づいて前記記憶部に格納されたｐ個の検出パターンの中から前記ｑ個の検出パターンを読み出す順番を決定する
ことを特徴とする対象物検出装置。
【請求項１０】
請求項８において、
前記記憶部は、不揮発性メモリによって構成される
ことを特徴とする対象物検出装置。
【請求項１１】
請求項８において、
前記識別器選択部は、当該対象物検出装置に接続されている外部機器の動作状況および時刻のうち少なくとも１つに基づいて、前記格納部に格納されたｐ個の検出パターンの中から１または複数の検出パターンを順次選択するとともに当該検出パターンに登録された複数個の弱識別器を読み出す
ことを特徴とする対象物検出装置。
【請求項１２】
請求項１〜１１のいずれか１項に記載の対象物検出装置と、
前記対象物検出装置に前記入力画像を供給する画像取得装置と、
映像信号を復調して出力するテレビジョンチューナと、
前記テレビジョンチューナからの映像信号を復調して出力する映像処理部とを備える
ことを特徴とするテレビ受像機。
【請求項１３】
請求項１２において、
前記対象物検出装置によって前記入力画像に前記対象物が含まれていないことが検出された場合に、前記映像処理部および前記テレビジョンチューナの少なくとも一方への電源供給を停止する制御部をさらに備える
ことを特徴とするテレビ受像機。
【請求項１４】
入力画像における対象物の有無を検出する方法であって、
前記入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出するステップ（ａ）と、
それぞれが記憶部に格納され且つそれぞれが前記部分画像と特徴量に基づいて前記部分画像に前記対象物が含まれている確率を示した弱識別評価値を生成するｎ個（ｎ＞２）の弱識別器のうち優先的に読み出されるｍ個（１≦ｍ＜ｎ）の弱識別器を示した識別器優先情報が前記記憶部に格納されていない場合には、前記記憶部に格納されたｎ個の弱識別器を読み出し、前記識別器優先情報が前記記憶部に格納されている場合には、前記識別器優先情報に基づいて前記記憶部に格納された前記ｎ個の弱識別器の中からｍ個の弱識別器を読み出すステップ（ｂ）と、
前記ステップ（ｂ）によって読み出されたｎ個またはｍ個の弱識別器から構成された１または複数の強識別器を用いて前記部分画像抽出部によって抽出された複数枚の部分画像の各々に対して当該部分画像における前記対象物の有無を識別する識別処理を実行し、前記複数枚の部分画像の各々に対する識別処理の結果に基づいて前記入力画像における前記対象物の有無を判定する判定処理を実行するステップ（ｃ）と、
前記識別器優先情報が前記記憶部に格納されている場合に、前記ステップ（ｃ）による識別処理のときに用いられたｎ個の弱識別器によって生成されたｎ個の弱識別器評価値に基づいて、前記ｎ個の弱識別器の中から前記部分画像における前記対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を前記識別器優先情報として生成するステップ（ｄ）とを備える
ことを特徴とする対象物検出方法。
【請求項１５】
入力画像における対象物の有無を検出する方法であって、
前記入力画像の一部を部分画像として抽出する処理を繰り返すことによって複数個の部分画像を生成するステップ（ａ）と、
それぞれが記憶部に格納され且つ各々が前記部分画像の特徴量に基づいて前記部分画像に前記対象物が含まれている確率を示した弱識別評価値を生成する複数個の弱識別器をそれぞれが含むｐ個の検出パターンのうち優先的に使用されるｍ個（１≦ｍ＜ｎ）の検出パターンを示した検出パターン優先情報が前記記憶部に格納されていない場合には、前記記憶部に格納されたｐ個の検出パターンを順次選択するとともに当該検出パターンに含まれる複数個の弱識別器を読み出し、前記検出パターン優先情報が前記記憶部に格納されている場合には、前記検出パターン優先情報に基づいて前記記憶部に格納されたｐ個の検出パターンのうちｑ個の検出パターンを順次選択するとともに当該検出パターンに含まれる複数個の弱識別器を読み出すステップ（ｂ）と、
前記ステップ（ｂ）によって検出パターンが選択される毎に、前記ステップ（ｂ）によって読み出された複数個の弱識別器から構成された１または複数の強識別器を用いて前記画像抽出部によって抽出された複数個の部分画像の各々に対して当該部分画像における前記対象物の有無を識別する識別処理を実行し、前記複数個の部分画像の各々に対する識別処理の結果に基づいて前記入力画像における前記対象物の有無を判定する判定処理を実行するステップ（ｃ）と、
検出パターン優先情報が前記記憶部に格納されていない場合に、前記ステップ（ｃ）による前記検出パターン毎の判定処理によって得られた前記ｐ個の検出パターンにそれぞれ対応するｐ個の判定結果に基づいて、前記記憶部に格納されたｐ個の検出パターンの中から前記入力画像における対象物の有無の検出に寄与したｑ個の検出パターンを示した情報を前記検出パターン優先情報として生成するステップ（ｄ）とを備える
ことを特徴とする対象物検出方法。
【請求項１】
入力画像の中から対象物を検出する装置であって、
前記入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出する部分画像抽出部と、
前記部分画像の特徴量に基づいて前記部分画像に前記対象物が含まれている確率を示した弱識別評価値を生成するｎ個（ｎ≧２）の弱識別器を格納する記憶部と、
通常識別モードにおいて、前記記憶部に格納されたｎ個の弱識別器を読み出し、優先識別モードにおいて、前記ｎ個の弱識別器のうち優先的に読み出されるｍ個（１≦ｍ＜ｎ）の弱識別器を示した識別器優先情報に基づいて前記記憶部に格納されたｎ個の弱識別器のうちｍ個の弱識別器を読み出す識別器選択部と、
前記識別器選択部によって読み出されたｎ個またはｍ個の弱識別器からなる１または複数の強識別器を用いて前記部分画像抽出部によって抽出された複数枚の部分画像の各々に対して当該部分画像における前記対象物の有無を識別する識別処理を実行し、前記複数枚の部分画像の各々に対する識別処理の結果に基づいて前記入力画像における前記対象物の有無を判定する判定処理を実行する検出処理部と、
前記通常識別モードにおいて、前記検出処理部による識別処理のときに用いられたｎ個の弱識別器によって生成されたｎ個の弱識別評価値に基づいて、前記ｎ個の弱識別器のうち前記部分画像における前記対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を前記識別器優先情報として生成する識別器学習部とを備える
ことを特徴とする対象物検出装置。
【請求項２】
請求項１において、
前記識別器学習部は、前記優先識別モードにおいて前記識別器選択部によって読み出される順番を示した優先度を前記識別器優先情報に示されたｍ個の弱識別器に付加し、
前記識別器選択部は、前記優先識別モードにおいて、前記識別器優先情報に示されたｍ個の弱識別器に付加された優先度に基づいて前記記憶部に格納されたｎ個の弱識別器の中から前記ｍ個の弱識別器を読み出す順番を決定する
ことを特徴とする対象物検出装置。
【請求項３】
請求項１において、
前記識別器選択部は、前記優先識別モードにおいて前記検出処理部によって前記入力画像に前記対象物が含まれていないことが検出された場合に、前記記憶部に格納されたｎ個の弱識別器を読み出し、
前記検出処理部は、前記識別器選択部によって読み出されたｎ個の弱識別器を用いて前記識別処理および前記判定処理を再度実行する
ことを特徴とする対象物検出装置。
【請求項４】
請求項１において、
前記記憶部は、不揮発性メモリによって構成される
ことを特徴とする対象物検出装置。
【請求項５】
請求項１において、
前記識別器優先情報に示されたｍ個の弱識別器が前記記憶部の連続領域に格納されるように、前記記憶部に格納されたｎ個の弱識別器を並び替える学習データソート部をさらに備える
ことを特徴とする対象物検出装置。
【請求項６】
請求項１において、
前記識別器学習部は、任意のタイミングで前記識別器優先情報を初期化する
ことを特徴とする対象物検出装置。
【請求項７】
請求項１において、
前記１または複数の強識別器は、前記識別器選択部によって選択された複数個の弱識別器がカスケード状に接続されることによって構成される
ことを特徴とする対象物検出装置。
【請求項８】
入力画像の中から対象物を検出する装置であって、
前記入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出する部分画像抽出部と、
前記部分画像の特徴量に基づいて前記部分画像に前記対象物が含まれている確率を示した弱識別評価値を生成する複数個の弱識別器をそれぞれが含むｐ個の検出パターンを格納する記憶部と、
通常判定モードにおいて、前記記憶部に格納されたｐ個（ｐ≧２）の検出パターンを順次選択するとともに当該検出パターンに含まれる複数個の弱識別器を読み出し、優先判定モードにおいて、前記ｐ個の検出パターンのうち優先的に選択されるｑ個（１≦ｑ＜ｐ）の検出パターンを示した検出パターン優先情報に基づいて前記記憶部に格納されたｐ個の検出パターンのうちｑ個の検出パターンを順次選択するとともに当該検出パターンに含まれる複数個の弱識別器を読み出す識別器選択部と、
前記識別器選択部によって検出パターンが選択される毎に、前記識別器選択部によって読み出された複数個の弱識別器からなる１または複数の強識別器を用いて前記部分画像抽出部によって抽出された複数枚の部分画像の各々に対して当該部分画像における前記対象物の有無を識別する識別処理を実行し、前記複数枚の部分画像の各々に対する識別処理の結果に基づいて前記入力画像における前記対象物の有無を判定する判定処理を実行する検出処理部と、
前記通常判定モードにおいて、前記検出処理部による前記検出パターン毎の判定処理によって得られたｐ個の検出パターンにそれぞれ対応するｐ個の判定結果に基づいて、前記ｐ個の検出パターンのうち前記入力画像における前記対象物の有無の判定に寄与したｑ個の検出パターンを示した情報を前記検出パターン優先情報として生成する検出パターン学習部とを備える
ことを特徴とする対象物検出装置。
【請求項９】
請求項８において、
前記検出パターン学習部は、前記優先検出モードにおいて前記識別器選択部によって選択される順番を示した優先度を前記検出パターン優先情報に示されたｑ個の検出パターンに付加し、
前記識別器選択部は、前記優先検出モードにおいて、前記検出パターン優先情報に示されたｑ個の検出パターンに付加された優先度に基づいて前記記憶部に格納されたｐ個の検出パターンの中から前記ｑ個の検出パターンを読み出す順番を決定する
ことを特徴とする対象物検出装置。
【請求項１０】
請求項８において、
前記記憶部は、不揮発性メモリによって構成される
ことを特徴とする対象物検出装置。
【請求項１１】
請求項８において、
前記識別器選択部は、当該対象物検出装置に接続されている外部機器の動作状況および時刻のうち少なくとも１つに基づいて、前記格納部に格納されたｐ個の検出パターンの中から１または複数の検出パターンを順次選択するとともに当該検出パターンに登録された複数個の弱識別器を読み出す
ことを特徴とする対象物検出装置。
【請求項１２】
請求項１〜１１のいずれか１項に記載の対象物検出装置と、
前記対象物検出装置に前記入力画像を供給する画像取得装置と、
映像信号を復調して出力するテレビジョンチューナと、
前記テレビジョンチューナからの映像信号を復調して出力する映像処理部とを備える
ことを特徴とするテレビ受像機。
【請求項１３】
請求項１２において、
前記対象物検出装置によって前記入力画像に前記対象物が含まれていないことが検出された場合に、前記映像処理部および前記テレビジョンチューナの少なくとも一方への電源供給を停止する制御部をさらに備える
ことを特徴とするテレビ受像機。
【請求項１４】
入力画像における対象物の有無を検出する方法であって、
前記入力画像の一部を部分画像として抽出する処理を繰り返して複数枚の部分画像を抽出するステップ（ａ）と、
それぞれが記憶部に格納され且つそれぞれが前記部分画像と特徴量に基づいて前記部分画像に前記対象物が含まれている確率を示した弱識別評価値を生成するｎ個（ｎ＞２）の弱識別器のうち優先的に読み出されるｍ個（１≦ｍ＜ｎ）の弱識別器を示した識別器優先情報が前記記憶部に格納されていない場合には、前記記憶部に格納されたｎ個の弱識別器を読み出し、前記識別器優先情報が前記記憶部に格納されている場合には、前記識別器優先情報に基づいて前記記憶部に格納された前記ｎ個の弱識別器の中からｍ個の弱識別器を読み出すステップ（ｂ）と、
前記ステップ（ｂ）によって読み出されたｎ個またはｍ個の弱識別器から構成された１または複数の強識別器を用いて前記部分画像抽出部によって抽出された複数枚の部分画像の各々に対して当該部分画像における前記対象物の有無を識別する識別処理を実行し、前記複数枚の部分画像の各々に対する識別処理の結果に基づいて前記入力画像における前記対象物の有無を判定する判定処理を実行するステップ（ｃ）と、
前記識別器優先情報が前記記憶部に格納されている場合に、前記ステップ（ｃ）による識別処理のときに用いられたｎ個の弱識別器によって生成されたｎ個の弱識別器評価値に基づいて、前記ｎ個の弱識別器の中から前記部分画像における前記対象物の有無の識別に寄与したｍ個の弱識別器を示した情報を前記識別器優先情報として生成するステップ（ｄ）とを備える
ことを特徴とする対象物検出方法。
【請求項１５】
入力画像における対象物の有無を検出する方法であって、
前記入力画像の一部を部分画像として抽出する処理を繰り返すことによって複数個の部分画像を生成するステップ（ａ）と、
それぞれが記憶部に格納され且つ各々が前記部分画像の特徴量に基づいて前記部分画像に前記対象物が含まれている確率を示した弱識別評価値を生成する複数個の弱識別器をそれぞれが含むｐ個の検出パターンのうち優先的に使用されるｍ個（１≦ｍ＜ｎ）の検出パターンを示した検出パターン優先情報が前記記憶部に格納されていない場合には、前記記憶部に格納されたｐ個の検出パターンを順次選択するとともに当該検出パターンに含まれる複数個の弱識別器を読み出し、前記検出パターン優先情報が前記記憶部に格納されている場合には、前記検出パターン優先情報に基づいて前記記憶部に格納されたｐ個の検出パターンのうちｑ個の検出パターンを順次選択するとともに当該検出パターンに含まれる複数個の弱識別器を読み出すステップ（ｂ）と、
前記ステップ（ｂ）によって検出パターンが選択される毎に、前記ステップ（ｂ）によって読み出された複数個の弱識別器から構成された１または複数の強識別器を用いて前記画像抽出部によって抽出された複数個の部分画像の各々に対して当該部分画像における前記対象物の有無を識別する識別処理を実行し、前記複数個の部分画像の各々に対する識別処理の結果に基づいて前記入力画像における前記対象物の有無を判定する判定処理を実行するステップ（ｃ）と、
検出パターン優先情報が前記記憶部に格納されていない場合に、前記ステップ（ｃ）による前記検出パターン毎の判定処理によって得られた前記ｐ個の検出パターンにそれぞれ対応するｐ個の判定結果に基づいて、前記記憶部に格納されたｐ個の検出パターンの中から前記入力画像における対象物の有無の検出に寄与したｑ個の検出パターンを示した情報を前記検出パターン優先情報として生成するステップ（ｄ）とを備える
ことを特徴とする対象物検出方法。
【図１】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図２】
【公開番号】特開２０１２−９８７９１（Ｐ２０１２−９８７９１Ａ）
【公開日】平成２４年５月２４日（２０１２．５．２４）
【国際特許分類】
【出願番号】特願２０１０−２４３７８６（Ｐ２０１０−２４３７８６）
【出願日】平成２２年１０月２９日（２０１０．１０．２９）
【出願人】（０００００５８２１）パナソニック株式会社 (73,050)
【Ｆターム（参考）】
【公開日】平成２４年５月２４日（２０１２．５．２４）
【国際特許分類】
【出願日】平成２２年１０月２９日（２０１０．１０．２９）
【出願人】（０００００５８２１）パナソニック株式会社 (73,050)
【Ｆターム（参考）】
[ Back to top ]