情報処理装置、情報処理方法およびプログラム
【課題】特定対象物の識別処理を迅速に行う。
【解決手段】情報処理装置は、変換部および算出部を具備する。ここで、画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、第１領域に含まれる１つの画素を基準画素とした場合におけるその基準画素とその周囲の画素とを含む領域を第２領域とする。変換部は、基準画素の特徴量とその基準画素に係る第２領域に含まれる他の画素の特徴量との比較結果に基づいて、他の画素の特徴量をその第２領域に含まれる画素毎に変換する。算出部は、基準画素毎に変換により求められた第２領域に含まれる各画素の値について、第２領域に含まれる各画素の位置毎に演算を行うことにより、特定対象物を識別する識別処理に用いられる特徴量を算出する。
【解決手段】情報処理装置は、変換部および算出部を具備する。ここで、画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、第１領域に含まれる１つの画素を基準画素とした場合におけるその基準画素とその周囲の画素とを含む領域を第２領域とする。変換部は、基準画素の特徴量とその基準画素に係る第２領域に含まれる他の画素の特徴量との比較結果に基づいて、他の画素の特徴量をその第２領域に含まれる画素毎に変換する。算出部は、基準画素毎に変換により求められた第２領域に含まれる各画素の値について、第２領域に含まれる各画素の位置毎に演算を行うことにより、特定対象物を識別する識別処理に用いられる特徴量を算出する。
【発明の詳細な説明】
【技術分野】
【０００１】
本技術は、情報処理装置に関する。詳しくは、画像を扱う情報処理装置および情報処理方法ならびに当該方法をコンピュータに実行させるプログラムに関する。
【背景技術】
【０００２】
従来、デジタルスチルカメラ、デジタルビデオカメラ（例えば、カメラ一体型レコーダ）等の情報処理装置により生成された画像について、この画像に含まれる被写体が何であるかを認識する被写体認識技術が提案されている。この被写体認識技術として、例えば、輝度や色等の特徴量を用いた画像処理により画像に含まれる人物の顔を検出する顔検出技術が提案されている。
【０００３】
また、そのように顔検出技術を用いて検出された顔について、特定人物の顔であるか否かを識別する技術が提案されている。
【０００４】
例えば、画像に含まれる顔上において一定の間隔で配置された複数の特徴点の局所的な特徴量をガボア・フィルタにより検出し、この検出された特徴量を用いて、人物の顔を識別する画像処理装置が提案されている（例えば、特許文献１参照。）。この画像処理装置では、画像に含まれる顔上に一定の間隔で離れて位置する特徴点を検出し、この特徴点の局所的な特徴量をガボア・フィルタにより検出する。そして、その検出された特徴量が、予め登録されている顔の特徴量に対してどの程度類似しているかを演算することにより、人物の顔を識別する。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００６−４００３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
上述の従来技術によれば、入力された画像に含まれる顔上において一定の間隔で配置された特徴点の局所的な特徴量を求め、この特徴量を用いて特定対象物（例えば、人物の顔）の識別を行うことができる。
【０００７】
しかしながら、上述の従来技術では、ガボア・フィルタを用いて特徴量を求めるため、演算量が多くなる。ここで、例えば、デジタルスチルカメラやデジタルスチルカメラ等の撮像装置において、生成された画像について顔識別を行う場合には、この顔識別の精度を維持し、顔識別処理を迅速に行うことが重要となる。このように、各態様において、特定対象物の識別処理の精度を維持し、その識別処理を迅速に行うことが重要となる。
【０００８】
本技術はこのような状況に鑑みてなされたものであり、特定対象物の識別処理を迅速に行うことを目的とする。
【課題を解決するための手段】
【０００９】
本技術は、上述の問題点を解消するためになされたものであり、その第１の側面は、画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、上記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、上記基準画素の特徴量と当該基準画素に係る上記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換部と、上記基準画素毎に上記変換により求められた上記第２領域に含まれる各画素の値について上記第２領域に含まれる各画素の位置毎に演算を行うことにより上記特定対象物を識別する識別処理に用いられる特徴量を算出する算出部とを具備する情報処理装置および情報処理方法ならびに当該方法をコンピュータに実行させるプログラムである。これにより、基準画素の特徴量とこの基準画素に係る第２領域に含まれる他の画素の特徴量との比較結果に基づいて、他の画素の特徴量を画素毎に変換し、基準画素毎に求められた第２領域に含まれる各画素の値について、第２領域に含まれる各画素の位置毎に演算を行うことにより、特定対象物を識別する識別処理に用いられる特徴量を算出するという作用をもたらす。
【００１０】
また、この第１の側面において、上記算出部は、上記第２領域に含まれる各画素の位置毎の演算結果を構成要素とする特徴量を上記識別処理に用いられる特徴量として算出するようにしてもよい。これにより、第２領域に含まれる各画素の位置毎の演算結果を構成要素とする特徴量を算出するという作用をもたらす。
【００１１】
また、この第１の側面において、上記識別処理に用いられる特徴量と上記特定対象物とを関連付けて記憶する記憶部から取得された当該特徴量と上記算出された特徴量とについて、上記構成要素毎に比較することにより上記識別処理を行う識別部をさらに具備するようにしてもよい。これにより、記憶部から取得された特徴量と、算出された特徴量とについて、構成要素毎に比較することにより識別処理を行うという作用をもたらす。
【００１２】
また、この第１の側面において、上記変換部は、上記特定対象物における複数の特徴点について上記変換を行い、上記算出部は、上記複数の特徴点について上記識別処理に用いられる特徴量を算出し、上記識別部は、上記記憶部から取得された特徴量と上記算出された特徴量とを上記特徴点毎に比較することにより上記識別処理を行うようにしてもよい。これにより、特定対象物における複数の特徴点について変換を行い、複数の特徴点について特徴量を算出し、記憶部から取得された特徴量と、算出された特徴量とを特徴点毎に比較することにより識別処理を行うという作用をもたらす。
【００１３】
また、この第１の側面において、上記変換部は、上記基準画素の特徴量を基準として当該基準画素に係る上記第２領域に含まれる他の画素の特徴量が大きい場合には当該特徴量を第１の値に変換して、上記基準画素の特徴量を基準として当該基準画素に係る上記第２領域に含まれる他の画素の特徴量が小さい場合には当該特徴量を第２の値に変換するようにしてもよい。これにより、基準画素の特徴量を基準としてその基準画素に係る第２領域に含まれる他の画素の特徴量が大きい場合には、その特徴量を第１の値に変換し、基準画素の特徴量を基準としてその基準画素に係る第２領域に含まれる他の画素の特徴量が小さい場合には、その特徴量を第２の値に変換するという作用をもたらす。
【００１４】
また、この第１の側面において、上記変換部は、上記第１の値および上記第２の値のうちの何れか一方を正値とし、他方を負値とする上記変換を行うようにしてもよい。これにより、第１の値および第２の値のうちの何れか一方を正値とし、他方を負値とするという作用をもたらす。
【００１５】
また、この第１の側面において、上記算出部は、上記演算として加算を行うことにより上記識別処理に用いられる特徴量を算出するようにしてもよい。これにより、同一要素の加算を行うことにより特徴量を算出するという作用をもたらす。
【００１６】
また、この第１の側面において、上記変換部は、上記特定対象物における複数の特徴点に係る上記第１領域のサイズおよび形態の少なくとも１つを上記特徴点に応じて変更して上記変換を行うようにしてもよい。これにより、特定対象物における複数の特徴点に係る第１領域のサイズおよび形態の少なくとも１つを、特徴点に応じて変更して変換を行うという作用をもたらす。
【００１７】
また、この第１の側面において、上記変換部は、上記特定対象物における複数の特徴点に係る上記第２領域のサイズおよび形態の少なくとも１つを上記特徴点に応じて変更して上記変換を行うようにしてもよい。これにより、特定対象物における複数の特徴点に係る第２領域のサイズおよび形態の少なくとも１つを、特徴点に応じて変更して変換を行うという作用をもたらす。
【００１８】
また、この第１の側面において、上記変換部は、上記第２領域に含まれる各画素の位置のうち、上記識別処理に用いられる特徴量に係る位置のみ上記変換を行い、上記識別部は、上記第２領域に含まれる各画素の位置のうち、上記識別処理に用いられる特徴量に係る位置のみ上記演算を行うようにしてもよい。これにより、識別処理に用いられる特徴量に係る位置のみ変換を行い、識別処理に用いられる特徴量に係る位置のみ演算を行うという作用をもたらす。
【００１９】
また、この第１の側面において、上記画像に含まれる上記特定対象物を検出する特定対象物検出部と、上記検出された特定対象物における上記特徴点を検出する特徴点検出部と、上記識別処理に用いられる特徴量と上記特定対象物とを関連付けて記憶する記憶部から取得された当該特徴量と上記算出された特徴量とを用いて上記識別処理を行う識別部とをさらに具備するようにしてもよい。これにより、画像に含まれる特定対象物を検出し、この検出された特定対象物における特徴点を検出し、記憶部から取得された特徴量と、算出された特徴量とを用いて識別処理を行うという作用をもたらす。
【００２０】
また、この第１の側面において、上記特定対象物を人物の顔とし、上記特徴点を、上記顔に含まれる器官の少なくとも１つの端部とし、上記識別処理は、上記検出された人物の顔が特定人物の顔であるか否かを識別するようにしてもよい。これにより、検出された人物の顔が特定人物の顔であるか否かを識別するという作用をもたらす。
【発明の効果】
【００２１】
本技術によれば、特定対象物の識別処理を迅速に行うことができるという優れた効果を奏し得る。
【図面の簡単な説明】
【００２２】
【図１】本技術の第１の実施の形態における撮像装置１００の機能構成例を示すブロック図である。
【図２】本技術の第１の実施の形態におけるカメラ制御部２００の機能構成例を示すブロック図である。
【図３】本技術の第１の実施の形態における登録顔検出部２３０の機能構成例を示すブロック図である。
【図４】本技術の第１の実施の形態における顔画像生成部３００の機能構成例を示すブロック図である。
【図５】本技術の第１の実施の形態における顔画像生成部３００による顔画像の生成例を示す図である。
【図６】本技術の第１の実施の形態における特徴点検出辞書記憶部２５０の記憶内容の一例を模式的に示す図である。
【図７】本技術の第１の実施の形態における特徴点検出部２３２により顔の特徴点を検出する場合における検出例を示す図である。
【図８】本技術の第１の実施の形態における特徴点検出部２３２による特徴点検出処理の対象となった顔画像３９０と、その特徴点検出処理の検出結果とを模式的に示す図である。
【図９】本技術の第１の実施の形態における登録顔特徴量記憶部４００の記憶内容の一例を模式的に示す図である。
【図１０】本技術の第１の実施の形態における登録顔特徴量記憶部４００に記憶されている特徴量および登録顔の関係例を模式的に示す図である。
【図１１】本技術の第１の実施の形態における顔識別辞書記憶部５００の記憶内容の一例を模式的に示す図である。
【図１２】本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出処理の対象となる顔画像と、この顔画像について特徴量を算出する際に用いられる対象領域とを簡略化して示す図である。
【図１３】本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出の際に用いられる画素を模式的に示す図である。
【図１４】本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出の際に用いられる比較対象領域と、この比較対象領域について算出された符号化情報との関係を模式的に示す図である。
【図１５】本技術の第１の実施の形態における特徴量算出部２３３により算出された各符号化情報と、これらの符号化情報の加算処理により算出された特徴量との関係を模式的に示す図である。
【図１６】本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出処理の対象となる顔画像と、この顔画像における各特徴点について算出された特徴量との関係を模式的に示す図である。
【図１７】本技術の第１の実施の形態における識別部２３４による識別処理に用いられるスコアを算出する場合における算出方法を模式的に示す図である。
【図１８】本技術の第１の実施の形態における撮像装置１００による画像記録処理の処理手順の一例を示すフローチャートである。
【図１９】本技術の第１の実施の形態における撮像装置１００による画像記録処理の処理手順のうちの登録顔検出処理手順を示すフローチャートである。
【図２０】本技術の第１の実施の形態における撮像装置１００による登録顔検出処理手順のうちの特徴量算出処理手順を示すフローチャートである。
【図２１】本技術の実施の形態における撮像装置１００による登録顔検出処理手順のうちの識別処理手順を示すフローチャートである。
【図２２】本技術の第２の実施の形態における特徴量算出部２３３により特徴量を算出する際に用いられる特徴点周辺領域の設定例を示す図である。
【図２３】本技術の第２の実施の形態における特徴量算出部２３３により特徴量を算出する際に用いられる特徴点周辺領域の設定例を示す図である。
【図２４】本技術の第２の実施の形態における特徴量算出部２３３により特徴量を算出する際に用いられる比較対象領域の設定例を示す図である。
【図２５】本技術の第２の実施の形態における特徴量算出部２３３により特徴量を算出する際に用いられる比較対象領域の設定例を示す図である。
【発明を実施するための形態】
【００２３】
以下、本技術を実施するための形態（以下、実施の形態と称する）について説明する。説明は以下の順序により行う。
１．第１の実施の形態（特徴量算出制御：特定対象物の識別処理に用いる特徴量として、特定対象物における特徴点に関する特徴量を算出する例）
２．第２の実施の形態（特徴量算出制御：特徴量を算出する際に用いられる特徴点周辺の領域サイズを特徴点に応じて変更する例）
【００２４】
＜１．第１の実施の形態＞
［撮像装置の構成例］
図１は、本技術の第１の実施の形態における撮像装置１００の機能構成例を示すブロック図である。
【００２５】
撮像装置１００は、レンズ１１１と、撮像部１１２と、システム制御部１２０と、記憶装置部１３０と、外部Ｉ／Ｆ（Inter/Face）部１４０と、記録部１５０と、操作入力部１６０と、表示部１７０と、音声出力部１８０と、カメラ制御部２００とを備える。撮像装置１００は、例えば、被写体を撮像して画像データを生成し、この画像データについて画像解析により各特徴量を抽出し、この抽出された各特徴量を用いて各種画像処理を施すことが可能なデジタルスチルカメラによって実現することができる。なお、撮像装置１００は、特許請求の範囲に記載の情報処理装置の一例である。
【００２６】
レンズ１１１は、被写体からの光を集光する複数のレンズ（ズームレンズ、フォーカスレンズ等）から構成され、入射された被写体からの光がこれらのレンズを介して撮像部１１２に供給される。
【００２７】
撮像部１１２は、電子シャッター機能を有する撮像素子（図示せず）と、この撮像素子の出力信号を処理して画像（画像データ）を生成する信号処理部（図示せず）とを備える。すなわち、撮像部１１２において、レンズ１１１を介して入射された被写体の光学像が撮像素子の撮像面に結像され、この状態で撮像素子が撮像動作を行い、信号処理部が撮像信号に対して信号処理を行うことにより画像（撮像画像）が生成される。そして、生成された画像が記憶装置部１３０に供給されて記憶される。なお、画像の生成に用いられるカメラパラメータ（撮像パラメータ）が、カメラ制御部２００により順次決定される。
【００２８】
カメラ制御部２００は、記憶装置部１３０を介して撮像部１１２から供給される画像、および、システム制御部１２０からの制御に基づいて、撮像部１１２を制御するものである。なお、カメラ制御部２００については、図２を参照して詳細に説明する。
【００２９】
システム制御部１２０は、撮像装置１００全体の制御を行うものである。例えば、システム制御部１２０は、操作入力部１６０により受け付けられたユーザからの操作入力に応じた制御を行う。また、システム制御部１２０は、表示部１７０に表示されるメニュー画面等の表示、記録部１５０に対する画像の記録や読出し、外部Ｉ／Ｆ部１４０を介して行われる外部コンピュータやネットワークとの通信等を制御する。さらに、システム制御部１２０は、撮像動作中のモニタリング時には、撮像部１１２により生成された画像を表示部１７０に表示させる制御を行う。
【００３０】
記憶装置部１３０は、撮像装置１００のシステム上で画像等を一時的に保存するための主記憶装置であり、例えば、ＤＲＡＭ（Dynamic Random Access Memory）により構成される。すなわち、撮像装置１００内における各部間の画像のやりとりは、主に記憶装置部１３０を介して行われる。
【００３１】
外部Ｉ／Ｆ部１４０は、ＵＳＢ（Universal Serial Bus）等の入出力端子を備える外部インターフェースであり、外部コンピュータとの接続やネットワーク接続のためのインターフェースを提供する。
【００３２】
記録部１５０は、システム制御部１２０の制御に基づいて、撮像部１１２により生成された画像を記録するものである。また、記録部１５０は、システム制御部１２０の制御に基づいて、記録されている画像を読み出してシステム制御部１２０に供給する。記録部１５０として、例えば、フラッシュメモリ等の記録媒体を用いることができる。また、記録部１５０は、撮像装置１００に内蔵するようにしてもよく、着脱可能に撮像装置１００に装着されるようにしてもよい。
【００３３】
操作入力部１６０は、ユーザからの操作入力を受ける操作入力部であり、受け付けられた操作入力に応じた信号をシステム制御部１２０に出力する。例えば、画像の記録を指示するためのシャッターボタンが押下されると、シャッターボタン押下に応じた信号がシステム制御部１２０に出力される。
【００３４】
表示部１７０は、システム制御部１２０の制御に基づいて、各種画像を表示する表示部である。例えば、表示部１７０は、撮像部１１２により生成された画像（例えば、スルー画像）、記録部１５０から読み出された画像、ユーザに提供されるメニュー画面等を表示する。
【００３５】
音声出力部１８０は、システム制御部１２０の制御に基づいて、各種の音声情報を出力するものである。音声出力部１８０は、例えば、スピーカにより実現することができる。
【００３６】
［カメラ制御部の構成例］
図２は、本技術の第１の実施の形態におけるカメラ制御部２００の機能構成例を示すブロック図である。図２では、カメラ制御部２００の機能構成例とともに、図１に示す撮像部１１２、システム制御部１２０および記憶装置部１３０の構成についても図示する。
【００３７】
カメラ制御部２００は、シーケンス制御部２１０と、カメラパラメータ制御部２２０と、登録顔検出部２３０と、記憶装置Ｉ／Ｆ２４０とを備える。ここで、記憶装置部１３０およびカメラパラメータ制御部２２０の間、また、記憶装置部１３０および登録顔検出部２３０の間で行われる画像のやりとりは、記憶装置Ｉ／Ｆ２４０を介して行われる。
【００３８】
シーケンス制御部２１０は、システム制御部１２０からの画像記録待機命令で起動し、撮像部１１２により生成される画像を記録することが可能な状態を保持するものである。この画像記録待機状態では、撮像部１１２により生成される画像が、記憶装置部１３０に順次記憶される。例えば、１／６０秒の間隔で、記憶装置部１３０に記憶される画像が順次更新される。また、シーケンス制御部２１０は、記憶装置部１３０に記憶されている現在の画像（撮像部１１２により生成された最新の画像）に基づいて、カメラパラメータ制御部２２０がカメラパラメータを決定するように制御を行う。また、シーケンス制御部２１０は、記憶装置部１３０に記憶されている現在の画像について登録顔検出部２３０が登録顔検出処理を行うための制御を行う。ここで、シーケンス制御部２１０は、登録されている顔（登録顔）を検出したことを示す登録顔検出情報が登録顔検出部２３０から出力された場合には、登録顔が検出された旨をシステム制御部１２０およびカメラパラメータ制御部２２０に出力する。
【００３９】
カメラパラメータ制御部２２０は、画像に関するカメラパラメータを決定するものであり、決定されたカメラパラメータを用いて、撮像部１１２に対する撮像制御を行う。具体的には、カメラパラメータ制御部２２０は、シーケンス制御部２１０からのトリガに基づいて、記憶装置Ｉ／Ｆ２４０を介して、記憶装置部１３０に記憶されている現在の画像を取得する。そして、この現在の画像を評価して、シャッター速度、露出、ホワイトバランス等のカメラパラメータを決定する。また、カメラパラメータ制御部２２０は、現在の画像から登録顔が検出された場合には、検出された登録顔および現在の画像の評価に基づいてシャッター速度、露出、ホワイトバランス等のカメラパラメータを決定する。例えば、登録顔が検出された場合には、検出された登録顔の画像における位置および大きさに基づいて、検出された登録顔に最適なカメラパラメータが決定される。
【００４０】
登録顔検出部２３０は、記憶装置部１３０に記憶されている現在の画像について登録顔検出処理を行うものであり、登録顔が検出された場合には登録顔検出情報をシーケンス制御部２１０に出力する。具体的には、登録顔検出部２３０は、シーケンス制御部２１０からのトリガに基づいて、記憶装置Ｉ／Ｆ２４０を介して、記憶装置部１３０に記憶されている現在の画像を取得し、この現在の画像について登録顔検出処理を行う。ここで、登録顔検出情報は、検出された登録顔に関する情報であり、例えば、検出された登録顔の画像における位置、大きさ、その顔の度合いを表すスコアを含む情報である。なお、登録顔検出部２３０については、図３を参照して詳細に説明する。
【００４１】
［登録顔検出部の構成例］
図３は、本技術の第１の実施の形態における登録顔検出部２３０の機能構成例を示すブロック図である。
【００４２】
登録顔検出部２３０は、画像取得部２３１と、特徴点検出部２３２と、特徴量算出部２３３と、識別部２３４と、識別結果出力部２３５とを備える。また、登録顔検出部２３０は、特徴点検出辞書記憶部２５０と、顔画像生成部３００と、顔識別辞書記憶部５００と、登録顔特徴量記憶部４００とを備える。
【００４３】
画像取得部２３１は、記憶装置Ｉ／Ｆ２４０を介して、記憶装置部１３０に記憶されている画像（画像データ）を取得するものであり、取得された画像を顔画像生成部３００に出力する。
【００４４】
顔画像生成部３００は、画像取得部２３１から出力された画像について、人物の顔を含む画像（顔画像）を生成するものであり、生成された顔画像を特徴点検出部２３２および特徴量算出部２３３に出力する。なお、顔画像生成部３００については、図４を参照して詳細に説明する。
【００４５】
特徴点検出部２３２は、特徴点検出辞書記憶部２５０に記憶されている特徴点検出辞書を用いて、顔画像生成部３００により生成された顔画像に含まれる顔における特徴点を検出するものであり、検出結果（特徴点情報）を特徴量算出部２３３に出力する。
【００４６】
特徴点検出辞書記憶部２５０は、特徴点検出部２３２による特徴点検出処理に用いられる特徴点検出辞書を記憶するものであり、記憶されている特徴点検出辞書を特徴点検出部２３２に供給する。なお、特徴点検出辞書記憶部２５０の記憶内容については、図６を参照して詳細に説明する。
【００４７】
特徴量算出部２３３は、顔画像生成部３００により生成された顔画像における各特徴点（特徴点検出部２３２により検出された各特徴点）について、特徴量を算出するものであり、算出された特徴量を識別部２３４に出力する。
【００４８】
ここで、画像（例えば、顔画像）に含まれる特定対象物（例えば、人物の顔）における特徴点とその周囲とを含む領域を第１領域（例えば、図１３（ａ）に示す特徴点周辺領域５２０（ｍ×ｎ領域））とする。また、第１領域に含まれる１つの画素を基準画素とした場合におけるその基準画素とその周囲の画素とを含む領域を第２領域（例えば、図１３（ａ）に示す比較対象領域５２２（Ｍ×Ｎ領域））とする。この場合に、特徴量算出部２３３は、基準画素の特徴量と、この基準画素に係る第２領域に含まれる他の画素の特徴量との比較結果に基づいて、他の画素の特徴量を画素毎に変換する。そして、特徴量算出部２３３は、基準画素毎に求められた第２領域に含まれる各画素の値（例えば、−１、＋１）について、第２領域に含まれる各画素の位置毎に演算（例えば、加算処理）を行う。この演算により、特徴量算出部２３３は、特定対象物を識別する識別処理に用いられる特徴量を算出する。
【００４９】
例えば、特徴量算出部２３３は、基準画素の特徴量を基準としてその基準画素に係る第２領域に含まれる他の画素の特徴量が大きい場合には、その特徴量を第１の値に変換する。一方、特徴量算出部２３３は、基準画素の特徴量を基準としてその基準画素に係る第２領域に含まれる他の画素の特徴量が小さい場合には、その特徴量を第２の値に変換する。この場合に、特徴量算出部２３３は、例えば、第１の値および第２の値のうちの何れか一方を正値（例えば、＋１）とし、他方を負値（例えば、−１）とする変換を行う。なお、ここで、基準画素の特徴量を基準として大きい場合とは、基準画素の特徴量以上の場合と、基準画素の特徴量よりも大きい場合との双方の意味を含むものとする。また、基準画素の特徴量を基準として小さい場合とは、基準画素の特徴量以下の場合と、基準画素の特徴量未満の場合との双方の意味を含むものとする。ただし、基準画素の特徴量を基準として大きい場合が、基準画素の特徴量以上を意味するときには、基準画素の特徴量を基準として小さい場合は、基準画素の特徴量未満を意味するものとする。一方、基準画素の特徴量を基準として大きい場合が、基準画素の特徴量よりも大きい場合を意味するときには、基準画素の特徴量を基準として小さい場合は、基準画素の特徴量以下を意味するものとする。
【００５０】
また、特徴量算出部２３３は、例えば、図１５に示すように、第２領域に含まれる各画素の位置毎の演算結果を構成要素とする特徴量を、識別処理に用いられる特徴量として算出する。また、特徴量算出部２３３は、特定対象物における複数の特徴点について変換を行い、複数の特徴点について、識別処理に用いられる特徴量を算出する。なお、特徴量の算出処理については、図１２乃至図１６を参照して詳細に説明する。また、特徴量算出部２３３は、特許請求の範囲に記載の変換部および算出部の一例である。
【００５１】
登録顔特徴量記憶部４００は、識別部２３４による識別処理に用いられる登録顔特徴量を記憶するものであり、記憶されている登録顔特徴量を識別部２３４に供給する。なお、登録顔特徴量記憶部４００の記憶内容については、図９および図１０を参照して詳細に説明する。
【００５２】
顔識別辞書記憶部５００は、識別部２３４による識別処理に用いられる顔識別辞書（統計学習辞書）を記憶するものであり、記憶されている顔識別辞書を識別部２３４に供給する。なお、顔識別辞書記憶部５００の記憶内容については、図１１を参照して詳細に説明する。
【００５３】
識別部２３４は、顔画像生成部３００により生成された顔画像に含まれる顔が、登録顔であるか否かを判定する顔判定処理（識別処理）を行うものである。そして、この判定結果（識別結果）を識別結果出力部２３５に出力する。
【００５４】
具体的には、識別部２３４は、登録顔特徴量記憶部４００に記憶されている登録顔特徴量を取得し、この登録顔特徴量と、特徴量算出部２３３により算出された特徴量とを、各特徴点について、構成要素毎に比較することにより識別処理を行う。この場合に、比較対象となる特徴点およびその要素は、顔識別辞書記憶部５００に記憶されている顔識別辞書により特定される。
【００５５】
すなわち、顔識別辞書記憶部５００には、特徴点に関する情報（特徴点識別情報）と、特徴量における位置と、閾値との組合せを複数含む同一形式の判定情報が１または複数記憶されている。識別部２３４は、その判定情報に含まれる複数の組合せに係る位置に対応する特徴量（特徴量算出部２３３により算出された特徴量）と、この位置に対応する登録顔特徴量とを比較して類似度（例えば、差分値）を算出する。そして、識別部２３４は、その算出された類似度と、その組合せに係る閾値との比較結果に基づいて、評価値（スコア）を算出し、このスコアに基づいて識別を行う。なお、識別部２３４による識別処理については、図１７を参照して詳細に説明する。
【００５６】
識別結果出力部２３５は、識別部２３４による識別結果をシーケンス制御部２１０に出力するものである。例えば、識別結果出力部２３５は、顔画像に含まれる顔が登録顔であると判定された判定結果が識別部２３４から出力された場合には、登録顔が検出された旨を示す登録顔検出情報をシーケンス制御部２１０に出力する。この登録顔検出情報には、例えば、検出された登録顔の画像における位置および大きさと、その顔の度合いを表すスコアとが含まれる。
【００５７】
［顔画像生成部の構成例］
図４は、本技術の第１の実施の形態における顔画像生成部３００の機能構成例を示すブロック図である。
【００５８】
顔画像生成部３００は、顔検出辞書記憶部３１０と、顔検出部３２０と、眼検出辞書記憶部３３０と、眼検出部３４０と、正規化部３５０とを備える。
【００５９】
顔検出辞書記憶部３１０は、顔検出部３２０による顔検出処理に用いられる顔検出辞書を記憶するものであり、記憶されている顔検出辞書を顔検出部３２０に供給する。
【００６０】
顔検出部３２０は、画像取得部２３１から出力された画像に含まれる人物の顔を検出するものであり、検出された顔に関する顔検出情報を眼検出部３４０に出力する。顔検出方法として、例えば、顔の輝度分布情報が記録されているテンプレートと実画像とのマッチングによる顔検出方法（例えば、特開２００４−１３３６３７参照。）、画像に含まれる肌色の部分や人間の顔の特徴量等に基づいた顔検出方法等を用いることができる。また、顔検出情報には、検出された顔を含む顔画像や、検出された顔の画像上における位置およびサイズが含まれる。なお、顔検出部３２０は、特許請求の範囲に記載の特定対象物検出部の一例である。
【００６１】
眼検出辞書記憶部３３０は、眼検出部３４０による眼検出処理に用いられる眼検出辞書を記憶するものであり、記憶されている眼検出辞書を眼検出部３４０に供給する。
【００６２】
眼検出部３４０は、顔検出部３２０により検出された顔の両眼を検出するものであり、検出された両眼に関する眼情報と、顔検出部３２０から出力された顔検出情報とを正規化部３５０に出力する。すなわち、眼検出部３４０は、画像取得部２３１から出力された画像に含まれる顔における両眼を検出する。この眼検出方法として、例えば、顔検出方法と同様に、眼の輝度分布情報が記録されているテンプレートと実画像とのマッチングによる眼検出方法等を用いることができる。また、眼情報には、検出された両眼の顔画像における位置が含まれる。この眼情報により、画像上における両眼の位置を特定することができる。この両眼の位置は、例えば、両眼の中心位置とすることができる。
【００６３】
正規化部３５０は、眼検出部３４０から出力された眼情報および顔検出情報に基づいて、画像取得部２３１から出力された画像に含まれる顔に関する顔画像を正規化するものであり、正規化された顔画像を特徴点検出部２３２および特徴量算出部２３３に出力する。例えば、正規化部３５０は、正規化テンプレートを用いて、顔検出部３２０により検出された顔画像について正規化を行う。この正規化テンプレートとして、例えば、図５（ｃ）に示すように、顔画像における両眼の位置を基準とする正規化テンプレート３５１を用いることができる。すなわち、正規化部３５０は、眼検出部３４０から出力された顔画像における両眼の位置が、正規化テンプレートにおける両眼の位置と合致するように、顔検出部３２０から出力された顔画像に回転処理および拡大縮小処理を施す。そして、正規化部３５０は、その顔画像に解像度変換（例えば、８０画素×８０画素）を施して正規化する。なお、顔画像の正規化については、図５を参照して詳細に説明する。
【００６４】
［顔画像生成例］
図５は、本技術の第１の実施の形態における顔画像生成部３００による顔画像の生成例を示す図である。
【００６５】
図５（ａ）には、撮像部１１２により生成された画像３６０を簡略化して示す。画像３６０には、３人の人物３６１乃至３６３が含まれているものとする。このように、撮像部１１２により生成された画像３６０について、顔検出部３２０が顔検出処理を行う。
【００６６】
図５（ｂ）には、顔検出部３２０による顔検出処理の検出結果を模式的に示す。すなわち、画像３６０において、顔検出部３２０により検出された顔を矩形３６４乃至３６６で囲んで示す。このように、顔検出部３２０により検出された顔（矩形３６４乃至３６６内の顔）について、眼検出部３４０が眼検出処理を行う。
【００６７】
図５（ｃ）には、眼検出部３４０による眼検出処理の検出結果と、正規化部３５０による正規化処理に用いられる正規化テンプレート３５１とを模式的に示す。図５（ｃ）では、顔検出部３２０により検出された顔（矩形３６４乃至３６６内の顔）のうち、人物３６３の顔（矩形３６６内の顔）について正規化処理を行う例のみを示すが、他の顔についても同様に正規化処理を行うことができる。
【００６８】
また、図５（ｃ）では、画像３６０から取り出された顔画像３７０において、眼検出部３４０により検出された目の位置を×印３７１および３７２で示す。なお、図５（ｃ）では、眼における中心位置を眼の位置とする例を示す。
【００６９】
正規化テンプレート３５１は、正規化部３５０が正規化処理を行う際に用いられるテンプレートであり、正規化を行う際に基準となる基準位置３５２および３５３が規定されている。また、正規化部３５０は、眼検出部３４０により検出された顔画像３７０における両眼の位置（×印３７１および３７２）が、正規化テンプレート３５１における基準位置３５２および３５３に合致するように、正規化処理を行う。すなわち、左右の眼間距離が一定となるように正規化処理が行われる。具体的には、正規化部３５０は、顔画像３７０を回転処理するとともに、顔画像の解像度を変換する。顔画像のサイズは、例えば、顔における特徴点を検出することができる程度のサイズとすることが好ましい。例えば、顔画像の解像度が８０画素×８０画素となるように解像度変換され、正規化顔画像が生成される。
【００７０】
図５（ｄ）には、正規化部３５０による正規化処理により生成された正規化顔画像３７５を簡略化して示す。
【００７１】
例えば、図５（ｄ）に示すように、顔画像３７０について解像度変換および回転処理がされると、正規化された顔画像（正規化顔画像３７５）が生成される。正規化顔画像３７５に含まれる人物３６３の顔の両眼の位置が、図５（ｃ）に示す正規化テンプレート３５１における基準位置３５２および３５３に合致している。
【００７２】
なお、基準位置としては、顔に含まれる両眼以外の他の器官の位置を用いるようにしてもよい。また、複数の器官の位置を、基準位置として用いるようにしてもよい。
【００７３】
［特徴点検出辞書記憶部の内容例］
図６は、本技術の第１の実施の形態における特徴点検出辞書記憶部２５０の記憶内容の一例を模式的に示す図である。
【００７４】
特徴点検出辞書記憶部２５０は、顔画像生成部３００により生成された顔画像に含まれる人物の顔における特徴点を検出するための特徴点検出辞書を記憶するものである。特徴点検出辞書記憶部２５０には、特徴点識別情報２５１および特徴点検出辞書２５２が関連付けて記憶されている。
【００７５】
特徴点識別情報２５１は、人物の顔における各特徴点を識別するための識別情報である。なお、本技術の第１の実施の形態では、検出対象となる特徴点をＫ個（例えば、Ｋ＝７０）とする例について説明する。
【００７６】
特徴点検出辞書２５２は、顔画像生成部３００により生成された顔画像に含まれる人物の顔における特徴点を検出するための情報である。すなわち、特徴点検出部２３２は、特徴点検出辞書２５２を用いて、顔画像生成部３００により生成された顔画像に含まれる人物の顔における特徴点を検出する。
【００７７】
例えば、特徴点検出方法として、顔検出方法および眼検出方法と同様に、各特徴点の輝度分布情報が記録されているテンプレートと実画像とのマッチングによる検出方法を用いることができる。このように、特徴点検出方法としてマッチングによる検出方法を用いる場合には、各特徴点の輝度分布情報が記録されているテンプレートが、特徴点検出辞書２５２として格納される。例えば、左眼の左側端部を特徴点として検出する際に用いられるテンプレート２５３、鼻の左側端部を特徴点として検出する際に用いられるテンプレート２５４、口の左側端部を特徴点として検出する際に用いられるテンプレート２５５等が格納される。このように、顔における特徴点として、目尻や鼻先等の個体差に依存しにくい器官の一部（端部等）等が用いられる。
【００７８】
［特徴点の検出例］
図７は、本技術の第１の実施の形態における特徴点検出部２３２により顔の特徴点を検出する場合における検出例を示す図である。図７（ａ）乃至（ｃ）には、特徴点の検出対象となる顔画像の遷移例（顔画像３８０乃至３８２）を示す。すなわち、図７（ａ）には、顔画像生成部３００により生成された顔画像３８０を示し、図７（ｂ）および（ｃ）には、顔画像３８０について縮小処理が施された顔画像３８１および３８２を示す。なお、顔画像３８０は、例えば、８０画素×８０画素の画像とすることができる。また、縮小処理は、例えば、前の画像を０．８３倍に縮小する縮小処理とすることができる。
【００７９】
例えば、顔画像３８０について特徴点を検出する場合には、図７（ａ）の左側に示すように、顔画像３８０の左上隅に取出枠３８５が配置され、取出枠３８５内に含まれる画像について、特徴点検出部２３２が特徴点検出処理（例えば、マッチング処理）を行う。続いて、取出枠３８５が右側方向（矢印３８６、３８７に示す方向）に１画素シフトされて、取出枠３８５内に含まれる画像について特徴点検出処理が行われる。
【００８０】
以降も同様にして、取出枠３８５が１画素ずつ右側方向に順次シフトされて、取出枠３８５内に含まれる画像について特徴点検出処理が順次行われる。そして、取出枠３８５が、顔画像３８０の右端の位置にシフトされて取出枠３８５内に含まれる画像について特徴点検出処理が行われると、取出枠３８５が１画素下側にシフトされるとともに顔画像３８０の左端に移動される。
【００８１】
続いて、顔画像３８０の左端に移動直後の取出枠３８５内に含まれる画像について特徴点検出処理が行われた後に、取出枠３８５が１画素ずつ右側方向に順次シフトされて、取出枠３８５内に含まれる画像について特徴点検出処理が順次行われる。
【００８２】
以降も同様に、取出枠３８５内に含まれる画像について特徴点検出処理が順次行われる。そして、図７（ａ）の右側に示すように、取出枠３８５が、顔画像３８０の右端および下端の位置にシフトされて取出枠３８５内に含まれる画像が取り出されると、顔画像３８０についての特徴点検出処理を終了する。
【００８３】
また、図７（ｂ）および（ｃ）に示す顔画像３８１および３８２（顔画像３８０について縮小処理が施された顔画像）についても同様に、特徴点検出処理が行われる。なお、図７（ｂ）および（ｃ）の左側の顔画像３８１および３８２では、取出枠３８５の最初の配置位置を示し、図７（ｂ）および（ｃ）の右側の顔画像３８１および３８２では、取出枠３８５の最後の配置位置を示す。ここで、取出枠３８５の最初の配置位置から最後の配置位置までの移動については、図７（ａ）に示す移動と同様である。また、取出枠３８５の大きさは、特徴点の検出対象となる顔画像のサイズにかかわらず一定である。そして、特徴点の検出対象となる顔画像のサイズが、一定サイズとなるまで、特徴点検出処理が行われる。
【００８４】
図８は、本技術の第１の実施の形態における特徴点検出部２３２による特徴点検出処理の対象となった顔画像３９０と、その特徴点検出処理の検出結果とを模式的に示す図である。図８に示す顔画像３９０は、図７（ａ）に示す顔画像３８０と同一であり、人物の顔３９１が含まれる。
【００８５】
また、図８には、顔画像３９０に含まれる顔３９１について検出された特徴点の位置を、太線の×印で模式的に示す。また、図８では、説明の容易のため、検出対象となる特徴点のうちの代表的な特徴点のみを示す。例えば、顔３９１における眼３９２、３９３、鼻３９４、口３９５、あご３９６等の顔の各パーツ（器官）における端部が特徴点として検出される。
【００８６】
このように、特徴点検出部２３２により検出された各特徴点について、特徴量算出部２３３が特徴量を算出する。
【００８７】
［登録顔特徴量記憶部の内容例］
図９は、本技術の第１の実施の形態における登録顔特徴量記憶部４００の記憶内容の一例を模式的に示す図である。
【００８８】
登録顔特徴量記憶部４００は、識別部２３４による識別処理の対象となる人物の顔（登録顔）に関する特徴量を記憶するものである。登録顔特徴量記憶部４００には、個人識別情報４０１と、氏名４０２と、登録顔情報４０３と、特徴量４０４とが関連付けて記憶されている。
【００８９】
個人識別情報４０１は、登録顔として登録されている人物を識別するための識別情報である。
【００９０】
氏名４０２は、登録顔として登録されている人物の氏名である。なお、氏名４０２には、氏名以外に、ニックネームや芸名等を格納するようにしてもよい。例えば、登録顔検出部２３０により登録顔が検出された場合には、氏名４０２に格納されている情報に基づいて、その検出された顔の人物に関する情報（氏名、ニックネーム等）を表示することができる。
【００９１】
登録顔情報４０３は、登録顔として登録されている人物の顔に関する情報である。登録顔情報４０３には、例えば、登録顔として登録されている人物の顔を含む画像（登録顔画像）が格納される。
【００９２】
特徴量４０４は、登録顔に関する特徴量（登録顔特徴量）である。なお、登録顔および特徴量の関係については、図１０を参照して詳細に説明する。
【００９３】
図１０は、本技術の第１の実施の形態における登録顔特徴量記憶部４００に記憶されている特徴量および登録顔の関係例を模式的に示す図である。
【００９４】
図１０（ａ）には、登録顔特徴量記憶部４００に特徴量が記憶されている人物に関する登録顔情報４０３の一例を示す。図１０（ａ）では、登録顔情報４０３として、図９に示す丙谷美子（個人識別情報４０１の＃１０２）の登録顔画像４１１を簡略化して示す。また、図１０（ａ）では、登録顔画像４１１における特徴点の一部を×印で模式的に示す。これらの特徴点は、特徴点検出部２３２により検出される特徴点に対応する。
【００９５】
図１０（ｂ）には、登録顔特徴量記憶部４００に記憶されている特徴量４０４の一例を示す。図１０（ｂ）では、特徴量４０４として、図１０（ａ）に示す登録顔画像４１１における各特徴点について算出された特徴量の一部を模式的に示す。
【００９６】
図１０（ｂ）に示すように、特徴量４１２は、登録顔画像４１１における特徴点単位で格納される。また、特徴量４１２は、特徴点毎に２４個（５×５−１）の要素により構成される。なお、特徴量４１２を構成する２４個の要素については、図１２乃至図１６を参照して詳細に説明する。
【００９７】
［顔識別辞書記憶部の内容例］
図１１は、本技術の第１の実施の形態における顔識別辞書記憶部５００の記憶内容の一例を模式的に示す図である。図１１（ａ）には、顔識別辞書記憶部５００の記憶内容の一例を示す。また、図１１（ｂ）には、図１１（ａ）に示す位置情報（ｘ，ｙ）５０２に対応するｘｙ座標を示す。
【００９８】
顔識別辞書記憶部５００は、顔画像生成部３００により生成された顔画像について識別処理を行うための判定情報である。また、顔識別辞書記憶部５００は、登録顔特徴量記憶部４００に特徴量が登録されている人物の顔（登録顔）を識別するための判定情報である。
【００９９】
顔識別辞書記憶部５００には、特徴点識別情報５０１と、位置情報（ｘ，ｙ）５０２と、閾値（ｔｈ）５０３と、スコア（α）５０４との組合せがＬ組格納されている。例えば、Ｌ＝１０００程度とすることができる。
【０１００】
特徴点識別情報５０１には、特徴点単位の特徴量のうち、比較対象となる特徴量に対応する特徴点の識別情報が格納される。例えば、特徴点識別情報５０１には、図１０（ｂ）に示す特徴点識別情報４１３のうち、比較対象となる特徴量に対応する特徴点の識別情報（＃０乃至＃（Ｋ−１））が格納される。
【０１０１】
位置情報（ｘ，ｙ）５０２には、比較対象となる特徴量の位置が格納される。例えば、位置情報（ｘ，ｙ）５０２には、特徴量（例えば、図１０（ｂ）に示す特徴量４１４）をｘｙ座標（平面座標）に対応させた場合において、このｘｙ座標の左上隅を原点とした場合における座標点（ｘ，ｙ）が格納される。
【０１０２】
ここで、特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２に格納される情報について説明する。例えば、図１１（ｂ）に示す矩形群５０５を構成する各矩形のうち、左上隅を原点とし、水平方向をｘ軸、垂直方向をｙ軸とする。この場合に、図１０（ｂ）に示す特徴量（矩形４１５で示す）の位置が、特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２に格納される場合を想定する。この場合には、特徴点識別情報５０１には「＃１」が格納され、位置情報（ｘ，ｙ）５０２のｘには「０」が格納され、ｙには「２」が格納される。
【０１０３】
閾値（ｔｈ）５０３には、比較対象となる２つの特徴量の差分値に関する閾値が格納される。この比較対象となる２つの特徴量は、特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される２つの特徴量（登録顔特徴量記憶部４００における特徴量（登録顔特徴量）、特徴量算出部２３３により算出された特徴量）である。
【０１０４】
スコア（α）５０４には、識別処理を行うためのスコアの算出に用いられる値が格納される。このスコアは、登録顔の度合いを表す評価値である。なお、これらの各値を用いて行われる登録顔の度合いを表すスコアの算出については、図１７を参照して詳細に説明する。
【０１０５】
また、これらの各値は、例えば、アダブースト（ＡｄａＢｏｏｓｔ）等の機械学習アルゴリズムにより学習されたもののうちで、最も効果的な上位１０００組の組合せを用いて設定される。この学習の対象となる画像として、例えば、登録顔が含まれている顔画像と、登録顔が含まれていない顔画像とを用いる。また、判定処理に用いられる顔識別辞書は、対象画像が登録顔を含むか否かを判定する際の判定基準のみに関するデータを保持する判定情報であり、画像そのものを保持するものではない。このため、記憶容量を削減することができるとともに、判定処理を迅速に行うことができる。なお、機械学習アルゴリズムとして、ＳＶＭ（Support Vector Machine）やＲｅａｌ ＡｄａＢｏｏｓｔ等を用いるようにしてもよい。
【０１０６】
［特徴量の算出例］
図１２は、本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出処理の対象となる顔画像と、この顔画像について特徴量を算出する際に用いられる対象領域とを簡略化して示す図である。なお、図１２（ａ）に示す顔画像３９０は、領域５１１を追加した点以外は、図８と同様である。
【０１０７】
図１２（ｂ）には、顔画像３９０における一部の領域（領域５１１）を拡大して示す。すなわち、領域５１１は、顔画像３９０において検出された特徴点５１０を含む矩形領域であり、特徴点５１０について特徴量を算出する際に用いられる領域である。なお、図１２（ｂ）では、領域５１１に含まれる各画素を矩形で模式的に示す。また、顔画像３９０は、例えば、８０画素×８０画素により構成される画像であり、顔画像３９０における領域５１１は、例えば、図１２（ｂ）に示すように、７画素×７画素により構成される領域である。
【０１０８】
図１３は、本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出の際に用いられる画素を模式的に示す図である。
【０１０９】
図１３（ａ）には、図１２（ｂ）に示す領域５１１に含まれる各画素を、その内部に識別番号１乃至４９を付して示す。なお、以下では、各画素について説明する場合には、その識別番号を付して説明する。例えば、図１２（ｂ）に示す特徴点５１０に対応する画素５１２は、図１３（ａ）に示す画素５である。また、特徴点周辺領域５２０に対応する矩形を太線で示す。ここで、特徴点周辺領域５２０は、特徴点を含むその周りの領域（ｍ画素×ｎ画素の領域（ｍ×ｎ領域））である。また、特徴点周辺領域５２０に含まれる各画素が、特徴量を算出する際に基準となる画素（基準画素）として順次選択される。
【０１１０】
例えば、画素１（矩形５２１で囲んで示す）が基準画素として選択された場合における特徴量算出例について説明する。画素１が基準画素として選択された場合には、画素１を中心とする矩形領域（Ｍ画素×Ｎ画素の領域（Ｍ×Ｎ領域））が、比較対象領域５２２として設定される。この比較対象領域５２２を図１３（ｂ）に示す。
【０１１１】
ここで、特徴点周辺領域（ｍ×ｎ領域）および比較対象領域（Ｍ×Ｎ領域）のパラメータ（Ｍ×Ｎ、ｍ×ｎ）は予め設定され、その設定されているパラメータが特徴量算出部２３３に保持されている。
【０１１２】
例えば、比較対象領域（Ｍ×Ｎ領域）として、検出対象となる特徴点の周辺における特徴的なテクスチャを十分に含んでいる範囲が設定される。また、特徴点周辺領域（ｍ×ｎ領域）として、顔における特徴点の検出誤差を網羅する領域が設定される。
【０１１３】
例えば、１ピクセルの誤差を含む検出精度により特徴点を検出する場合には、ｍ×ｎ＝３×３が設定される。また、２ピクセルの誤差を含む検出精度により特徴点検出をする場合には、ｍ×ｎ＝５×５が設定される。
【０１１４】
なお、特徴点検出の位置誤差が統計的に異方性を持つ場合には、位置誤差が発生しやすい方向へ異方性を持たせてもよい（例えば、ｍ×ｎ＝３×５）。また、検出誤差を網羅していれば、必ずしもｍ×ｎの矩形領域である必要は無く、特徴点を中心とした任意の形状としてよい。
【０１１５】
また、比較対象領域（Ｍ画素×Ｎ画素の領域（Ｍ×Ｎ領域））は、顔における特徴点の検出処理において誤差が発生すると想定される領域を含むものとし、誤差領域をカバーすることができれば、必ずしも矩形とする必要はなく、任意の形状領域とすることができる。これらについては、本技術の第２の実施の形態で示す。
【０１１６】
図１３（ｂ）には、図１３（ａ）に示す領域５１１における比較対象領域５２２のみを示す。また、基準画素（画素１）を太線で示す。ここで、特徴量算出部２３３は、比較対象領域５２２に含まれる各画素のうち、基準画素（画素１）の輝度成分（Ｙ成分）と他の画素の輝度成分とを順次比較して、基準画素（画素１）以外の画素を符号化する。例えば、基準画素（画素１）の輝度成分と、他の画素の輝度成分とを比較して、比較対象となった画像の輝度成分が基準画素（画素１）の輝度成分以上である場合には、その比較対象となった画像を「＋１」として符号化する。また、例えば、基準画素（画素１）の輝度成分と、他の画素の輝度成分とを比較して、比較対象となった画像の輝度成分が基準画素（画素１）の輝度成分未満である場合には、その比較対象となった画像を「−１」として符号化する。すなわち、次の式１を用いて、基準画素（画素１）以外の各画素ｆ（ｘ，ｙ）について符号化が行われる。
ｆ（ｘ，ｙ）＝＋１（ただし、Ｉ（ｘ，ｙ）≧Ｐである場合）
ｆ（ｘ，ｙ）＝−１（ただし、Ｉ（ｘ，ｙ）＜Ｐである場合） … 式１
【０１１７】
ここで、ｘ，ｙは、比較対象領域５２２における座標位置を意味する（すなわち、ｘ，ｙ∈｛比較対象領域５２２における座標｝）。また、Ｐは、基準画素（画素１）の輝度成分の値である。また、Ｉ（ｘ，ｙ）は、比較対象領域５２２における座標（ｘ，ｙ）の輝度成分の値である。
【０１１８】
このように、基準画素（画素１）以外の各画素について符号化された値（符号化情報５２５）を図１３（ｃ）に示す。
【０１１９】
図１３（ｃ）には、図１３（ｂ）に示す比較対象領域５２２において符号化された各画素（基準画素（画素１）以外の各画素）の値を符号化情報５２５として示す。なお、図１３（ｃ）では、対応する画素の矩形内に、符号化された値（「＋１」、「−１」）を付して示す。
【０１２０】
また、特徴点周辺領域５２０に含まれる他の画素（画素２乃至９）についても同様に符号化情報が生成される。すなわち、画素２乃至９が基準画素として順次選択され、基準画素について符号化情報が生成される。このように、特徴点周辺領域５２０に含まれる各画素（画素１乃至９）について算出された符号化情報の例を図１４に示す。
【０１２１】
図１４は、本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出の際に用いられる比較対象領域と、この比較対象領域について算出された符号化情報との関係を模式的に示す図である。
【０１２２】
図１４（ａ）には、特徴点周辺領域５２０に含まれる画素１について符号化情報を算出する際に用いられる比較対象領域５２２と、特徴点周辺領域５２０に含まれる画素１について算出された符号化情報５２５とを示す。なお、図１４（ａ）に示す比較対象領域５２２および符号化情報５２５は、図１３（ｂ）に示す比較対象領域５２２と、図１３（ｃ）に示す符号化情報５２５と同一である。
【０１２３】
図１４（ｂ）には、特徴点周辺領域５２０に含まれる画素２について符号化情報を算出する際に用いられる比較対象領域５３１と、特徴点周辺領域５２０に含まれる画素２について算出された符号化情報５３２とを示す。
【０１２４】
図１４（ｃ）には、特徴点周辺領域５２０に含まれる画素９について符号化情報を算出する際に用いられる比較対象領域５３５と、特徴点周辺領域５２０に含まれる画素９について算出された符号化情報５３６とを示す。
【０１２５】
なお、図１４に示す比較対象領域５２２、５３１、５３５における基準画素については、太線で囲んで示す。また、図１４に示す符号化情報５２５、５３２、５３６における基準画素の位置に対応する矩形については、白抜き矩形として太線で囲んで示す。なお、図１４では、特徴点周辺領域５２０に含まれる画素３乃至８に関する比較対象領域および符号化情報の図示を省略する。
【０１２６】
このように、特徴点周辺領域５２０に含まれる各画素（画素１乃至９）について符号化情報が算出される。このように算出された各符号化情報について、特徴量算出部２３３が加算処理を行うことにより特徴量を算出する。この例を図１５に示す。
【０１２７】
図１５は、本技術の第１の実施の形態における特徴量算出部２３３により算出された各符号化情報と、これらの符号化情報の加算処理により算出された特徴量との関係を模式的に示す図である。
【０１２８】
図１５（ａ）には、特徴点周辺領域５２０に含まれる各画素（画素１乃至９）について算出された符号化情報５２５、５３２、５３６を示す。なお、符号化情報５２５、５３２、５３６は、図１４（ａ）乃至（ｃ）と同様である。また、図１５（ａ）では、図１４と同様に、特徴点周辺領域５２０に含まれる画素３乃至８に関する符号化情報の図示を省略する。
【０１２９】
図１５（ｂ）には、特徴点周辺領域５２０に含まれる各画素（画素１乃至９）について算出された符号化情報の加算処理により算出された特徴量５４０を模式的に示す。すなわち、特徴点周辺領域５２０に含まれる各画素（画素１乃至９）について算出された９つの符号化情報の各要素（２４個）の値（「＋１」または「−１」）が、要素毎に順次加算されることにより、特徴量５４０が算出される。すなわち、符号化情報におけるｘｙ座標において、同一要素の値（９個の値）を順次加算することにより、その要素における値が算出される。例えば、特徴量５４０を構成する要素５４１の値については、特徴量５４０に対応するｘｙ座標において、要素５４１の位置と同一の位置（例えば、点線の矩形５４２乃至５４４で示す）の値を順次加算することにより算出される。すなわち、次の式２を用いて、特徴量を構成する各要素Ｆ（ｘ，ｙ）が算出される。
【数１】
【０１３０】
ここで、ｘ，ｙは、比較対象領域（Ｍ×Ｎ領域）における座標位置を意味する（すなわち、ｘ，ｙ∈｛比較対象領域（Ｍ×Ｎ領域）における座標｝）。また、ｘ'，ｙ'は、特徴点周辺領域（ｍ×ｎ領域）における座標位置を意味する（すなわち、ｘ'，ｙ'∈｛特徴点周辺領域（ｍ×ｎ領域）における座標｝）。ここで、９つの符号化情報の各要素（２４個）の値は、「＋１」または「−１」であるため、特徴量５４０を構成する各要素の値ａは一定の範囲内の値（−９≦ａ≦＋９）となる。
【０１３１】
また、他の特徴点についても同様に特徴量が算出される。すなわち、次の式３を用いて、各特徴点について、特徴量を構成する各要素Ｆ（ｋ，ｘ，ｙ）が算出される。
【数２】
【０１３２】
ここで、ｘ，ｙ、ｘ'，ｙ'は、式２と同様である。また、ｋは、特徴点識別情報を意味する（すなわち、ｋ＝０〜Ｋ−１）。
【０１３３】
また、各特徴点について算出される特徴量の例を図１６に示す。また、このように算出される特徴量については、ＧＨＦ（Gradient Histogram Feature）と称することができる。
【０１３４】
図１６は、本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出処理の対象となる顔画像と、この顔画像における各特徴点について算出された特徴量との関係を模式的に示す図である。なお、図１６（ａ）に示す顔画像３９０は、図８と同様である。
【０１３５】
図１６（ｂ）には、顔画像３９０における各特徴点について算出された特徴量５４０、５４５、５４６を模式的に示す。なお、特徴量５４０は、図１５（ｂ）と同様である。また、特徴量５４５は、顔画像３９０における特徴点５１５について算出された特徴量であり、特徴量５４６は、顔画像３９０における特徴点５１６について算出された特徴量であるものとする。また、これらの関係を太線の矢印で結んで示す。なお、図１６では、特徴点５１０、５１５、５１６について算出された特徴量５４０、５４５、５４６以外の特徴量の図示を省略する。
【０１３６】
このように、特徴点検出部２３２が、顔画像生成部３００により生成された顔画像３９０において各特徴点を検出する。続いて、特徴量算出部２３３が、顔画像３９０において検出された各特徴点について特徴量を算出する。
【０１３７】
また、登録顔特徴量記憶部４００には、上述した算出処理により予め算出された特徴量が記憶されている（例えば、図１０（ｂ）に示す特徴量４１２）。
【０１３８】
このように各特徴点について算出された特徴量を用いて、識別部２３４が、識別処理を行う。この例を図１７に示す。
【０１３９】
［登録顔の識別例］
図１７は、本技術の第１の実施の形態における識別部２３４による識別処理に用いられるスコアを算出する場合における算出方法を模式的に示す図である。
【０１４０】
最初に、識別部２３４が、識別処理に用いられる２つの特徴量Ａ（ｉ）およびＢ（ｉ）を取得する。ここで、特徴量Ａ（ｉ）は、登録顔特徴量記憶部４００に記憶されている特徴量のうち、顔識別辞書記憶部５００の特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される特徴量を意味する。また、特徴量Ｂ（ｉ）は、特徴量算出部２３３により算出された特徴量のうち、顔識別辞書記憶部５００の特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される特徴量を意味する。なお、ｉは、顔識別辞書記憶部５００の各レコードを表す値であり、０≦ｉ≦Ｌ−１となる。
【０１４１】
続いて、識別部２３４が、取得された２つの値の差分値Ｄ（ｉ）を算出する。ここで、差分値Ｄ（ｉ）＝Ａ（ｉ）−Ｂ（ｉ）である。
【０１４２】
続いて、識別部２３４が、顔識別辞書記憶部５００の閾値（ｔｈ）５０３に格納されている閾値ｔｈ（ｉ）と、差分値Ｄ（ｉ）とを比較する。続いて、識別部２３４が、閾値ｔｈ（ｉ）と差分値Ｄ（ｉ）との比較結果に基づいて、弱仮説（Weak Learner）ｈ（ｉ）を算出する。具体的には、弱仮説ｈ（ｉ）は、次式を用いて算出される。
差分値Ｄ（ｉ）≦閾値ｔｈ（ｉ）であれば、弱仮説ｈ（ｉ）＝１
差分値Ｄ（ｉ）＞閾値ｔｈ（ｉ）であれば、弱仮説ｈ（ｉ）＝０
【０１４３】
また、ｈ（ｚ）は、ｚ＞０の場合には０となり、ｚ≦０の場合には１となる関数を表すものとする。
【０１４４】
続いて、識別部２３４が、算出された弱仮説ｈ（ｉ）と、スコア（α）５０４に格納されている値α（ｉ）とを乗算することにより、ｈ（ｉ）α（ｉ）を算出する。識別部２３４は、これらの算出処理を顔識別辞書記憶部５００の０行目から（Ｌ−１）行目まで繰り返し行い、ｈ（ｉ）α（ｉ）の合計値をスコアＳとして算出する。具体的には、スコアＳ（最終仮説）は、式４を用いて算出される。
【数３】
【０１４５】
続いて、識別部２３４が、式４により算出されたスコアＳに基づいて、顔画像に含まれる顔が登録顔であるか否かを判定する。具体的には、スコアＳが閾値Ｓ１以上である場合には、顔画像に含まれる顔が登録顔であると判定される。一方、スコアＳが閾値Ｓ１未満である場合には、顔画像に含まれる顔が登録顔ではないと判定される。なお、閾値Ｓ１については、固定値を用いるようにしてもよく、登録顔に応じて変更するようにしてもよい。すなわち、スコアＳと比較する閾値Ｓ１については、適宜調整することができる。また、差分値Ｄ（ｉ）については、ゲイン係数等を用いて調整するようにしてもよい。
【０１４６】
次に、具体的な計算方法について説明する。
【０１４７】
ここで、図１７（ａ）乃至（ｃ）では、その左側に登録顔特徴量記憶部４００に記憶されている特徴量６０１、６１１、６２１を示し、その右側に特徴量算出部２３３により算出された特徴量６０２、６１２、６２２を示す。また、図１７（ａ）乃至（ｃ）では、識別部２３４による識別処理に用いられる２つの特徴量に対応する領域を、太線の矩形で囲んで示す。
【０１４８】
最初に、判定を行うためのスコアＳの値に０がセットされる。そして、図１７（ａ）に示すように、顔識別辞書記憶部５００の０行目に格納されている各値を用いた演算が行われる。具体的には、顔識別辞書記憶部５００の０行目の特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される２つの特徴量が取得される。ここで、登録顔特徴量記憶部４００から取得された特徴量をＡ（０）とし、特徴量算出部２３３により算出された特徴量をＢ（０）とする。そして、次式を用いて、差分値Ｄ（０）が算出される。
Ｄ（０）＝Ａ（０）−Ｂ（０）
【０１４９】
例えば、点線の矩形６０３に示すように、差分値Ｄ（０）が算出される。
【０１５０】
続いて、算出された差分値Ｄ（０）と、顔識別辞書記憶部５００の０行目に格納されている閾値（ｔｈ）５０３の閾値ｔｈ（０）とが比較される。そして、閾値ｔｈ（０）と差分値Ｄ（０）との比較結果に基づいて、弱仮説ｈ（０）が算出される。なお、弱仮説ｈ（０）は、上述した式を用いて算出される。
【０１５１】
続いて、算出された弱仮説ｈ（０）と、顔識別辞書記憶部５００の１行目に格納されているスコア（α）５０４の値α（０）とを乗算することにより、ｈ（０）α（０）が算出される。そして、算出されたｈ（０）α（０）がスコアＳに加算される。
【０１５２】
続いて、顔識別辞書記憶部５００の１行目に格納されている各値を用いて、上述した各演算を繰り返す。具体的には、図１７（ｂ）に示すように、顔識別辞書記憶部５００の１行目に格納されている各値を用いた演算（差分値Ｄ（１）の算出（点線の矩形６１３）、弱仮説ｈ（１）の算出、ｈ（１）α（１）の算出、スコアＳの算出）が行われる。
【０１５３】
続いて、顔識別辞書記憶部５００の２行目から（Ｌ−１）行目までに格納されている各値を順次用いて、上述した各演算を繰り返す。そして、顔識別辞書記憶部５００の（Ｌ−１）行目に格納されている各値を用いた各演算が終了した後に、スコアＳが閾値Ｓ１以上であるか否かが判断される。
【０１５４】
例えば、上述の機械学習アルゴリズムによって学習時における登録顔識別成功の学習サンプルを正側とし、登録顔識別失敗時の学習サンプルを負側として学習した場合を想定する。この場合において、顔識別辞書記憶部５００の０乃至（Ｌ−１）行目に格納されている各値を用いた各演算の終了後におけるスコアＳが閾値Ｓ１以上である場合には、顔画像に登録顔が含まれていると判定される。一方、各演算の終了後におけるスコアＳが閾値Ｓ１未満である場合には、顔画像に登録顔が含まれていないと判定される。
【０１５５】
ここで、撮像部１１２により生成される画像が表示部１７０に表示されている場合（いわゆる、スルー画像の表示）を想定する。この場合において、例えば、識別部２３４による識別処理の検出結果として、顔画像に含まれる顔が登録顔であると判定された場合には、その検出結果をその登録顔に関連付けて表示部１７０に表示させることができる。例えば、その検出結果として、その登録顔の少なくとも一部を囲むように枠を付して表示部１７０に表示させることができる。
【０１５６】
また、この検出結果に基づいて、例えば、カメラパラメータ制御部２２０が、その登録顔に最適なカメラパラメータを決定することができる。例えば、その登録顔を綺麗にするようにカメラパラメータを設定することができる。例えば、画像における登録顔の位置をＡＦエリア（距測エリア）として設定してオートフォーカス制御を行う。また、登録顔について最適な撮影条件となるように、ホワイトバランス、カラーバランス、露出等のオート制御を行う。
【０１５７】
［撮像装置の動作例］
次に、上述の実施の形態における撮像装置１００の動作について図面を参照して説明する。
【０１５８】
図１８は、本技術の第１の実施の形態における撮像装置１００による画像記録処理の処理手順の一例を示すフローチャートである。この例では、画像記録待機状態である場合に、画像を生成し、この画像について顔識別処理を行う例について説明する。
【０１５９】
最初に、画像記録待機状態であるか否かが判断される（ステップＳ９０１）。画像記録待機状態である場合には（ステップＳ９０１）、撮像部１１２が画像を生成し（ステップＳ９０２）、生成された画像について登録顔検出部２３０が登録顔検出処理を行う（ステップＳ９１０）。この登録顔検出処理については、図１９を参照して詳細に説明する。なお、この登録顔検出処理は各フレームに対して行うようにしてもよく、一定間隔毎のフレームに対して行うようにしてもよい。一方、画像記録待機状態でない場合には（ステップＳ９０１）、画像記録処理の動作を終了する。
【０１６０】
続いて、カメラパラメータ制御部２２０がカメラパラメータを決定する（ステップＳ９０３）。例えば、登録顔検出部２３０から登録顔検出情報が出力された場合には、カメラパラメータ制御部２２０が、検出された登録顔の画像における位置および大きさに基づいて、検出された登録顔に最適なカメラパラメータを決定する。続いて、シャッターボタンが押下されたか否かが判断され（ステップＳ９０４）、シャッターボタンが押下された場合には、生成された画像が静止画として記録部１５０に記録される（ステップＳ９０５）。一方、シャッターボタンが押下されない場合には（ステップＳ９０４）、画像記録処理の動作を終了する。
【０１６１】
図１９は、本技術の第１の実施の形態における撮像装置１００による画像記録処理の処理手順のうちの登録顔検出処理手順（図１８に示すステップＳ９１０の処理手順）を示すフローチャートである。
【０１６２】
最初に、顔画像生成部３００が、画像取得部２３１から出力された画像について、人物の顔を含む画像（顔画像）を生成する（ステップＳ９１１）。続いて、特徴点検出部２３２が、特徴点検出辞書記憶部２５０に記憶されている特徴点検出辞書を用いて、顔画像生成部３００により生成された顔画像に含まれる顔における特徴点を検出する（ステップＳ９１２）。
【０１６３】
続いて、特徴量算出部２３３が、顔画像生成部３００により生成された顔画像における各特徴点について特徴量を算出する特徴量算出処理を行う（ステップＳ９２０）。この特徴量算出処理については、図２０を参照して詳細に説明する。
【０１６４】
続いて、識別部２３４が、登録顔特徴量記憶部４００に特徴量が記憶されている登録顔のうちから、識別対象となる１つの登録顔を選択する（ステップＳ９１３）。続いて、この選択された登録顔（識別対象となる登録顔）に関連付けて記憶されている特徴量を用いて、顔画像生成部３００により生成された顔画像に含まれる顔が登録顔であるか否かを識別する識別処理が行われる（ステップＳ９４０）。この識別処理については、図２１を参照して詳細に説明する。
【０１６５】
続いて、識別処理（ステップＳ９４０）により、登録顔である旨の判定がされたか否かが判断される（ステップＳ９１４）。そして、登録顔である旨の判定がされた場合には、識別結果出力部２３５が、その判定結果（識別結果）をシーケンス制御部２１０に出力する（ステップＳ９１６）。
【０１６６】
また、登録顔である旨の判定がされない場合には（ステップＳ９１４）、登録顔特徴量記憶部４００に特徴量が記憶されている登録顔のうち、全ての登録顔について識別処理が終了したか否かが判断される（ステップＳ９１５）。そして、全ての登録顔について識別処理が終了した場合には（ステップＳ９１５）、識別結果出力部２３５が、その判定結果（識別結果）をシーケンス制御部２１０に出力する（ステップＳ９１６）。一方、全ての登録顔について識別処理が終了していない場合には（ステップＳ９１５）、ステップＳ９１３に戻り、登録顔特徴量記憶部４００に特徴量が記憶されている登録顔のうちから、新たな識別対象となる１つの登録顔が選択される。
【０１６７】
図２０は、本技術の第１の実施の形態における撮像装置１００による登録顔検出処理手順のうちの特徴量算出処理手順（図１９に示すステップＳ９２０の処理手順）を示すフローチャートである。
【０１６８】
最初に、特徴点ｋ（ｉ）（ただし、０≦ｉ≦Ｋ−１）が選択される（ステップＳ９２１）。続いて、特徴点ｋ（ｉ）について設定された特徴点周辺領域内の画素から基準画素Ｐが選択される（ステップＳ９２２）。続いて、基準画素Ｐについて設定された比較対象領域内の画素から比較対象画素Ｉが選択される（ステップＳ９２３）。
【０１６９】
続いて、比較対象画素Ｉの輝度成分が、基準画素Ｐの輝度成分以上であるか否かが判断される（ステップＳ９２４）。比較対象画素Ｉの輝度成分が、基準画素Ｐの輝度成分以上である場合には（ステップＳ９２４）、比較対象画素Ｉが「＋１」に符号化される（ステップＳ９２５）。一方、比較対象画素Ｉの輝度成分が、基準画素Ｐの輝度成分未満である場合には（ステップＳ９２４）、比較対象画素Ｉが「−１」に符号化される（ステップＳ９２６）。なお、ステップＳ９２４乃至Ｓ９２６は、特許請求の範囲に記載の変換手順の一例である。
【０１７０】
続いて、比較対象画素Ｉについて符号化された値（「＋１」または「−１」）が、特徴点ｋ（ｉ）について設定された特徴点周辺領域内の同一要素の値に加算される（ステップＳ９２７）。なお、ステップＳ９２７は、特許請求の範囲に記載の算出手順の一例である。
【０１７１】
続いて、基準画素Ｐについて設定された比較対象領域内の全ての画素について符号化が終了したか否かが判断され（ステップＳ９２８）、全ての画素について符号化が終了していない場合には、ステップＳ９２３に戻り、新たな比較対象画素Ｉが選択される。一方、全ての画素について符号化が終了した場合には（ステップＳ９２８）、特徴点ｋ（ｉ）について設定された特徴点周辺領域内の全ての画素が基準画素Ｐとして選択されたか否かが判断される（ステップＳ９２９）。
【０１７２】
特徴点ｋ（ｉ）について設定された特徴点周辺領域内の全ての画素が基準画素Ｐとして選択されていない場合には（ステップＳ９２９）、ステップＳ９２２に戻り、新たな基準画素Ｐが選択される。全ての画素が基準画素Ｐとして選択された場合には（ステップＳ９２９）、全ての特徴点について特徴量の算出が終了したか否かが判断される（ステップＳ９３０）。全ての特徴点について特徴量の算出が終了していない場合には（ステップＳ９３０）、ステップＳ９２１に戻り、新たな特徴点ｋ（ｉ）（ただし、０≦ｉ≦Ｋ−１）が選択される。全ての特徴点について特徴量の算出が終了した場合には（ステップＳ９３０）、特徴量算出処理の動作を終了する。
【０１７３】
図２１は、本技術の実施の形態における撮像装置１００による登録顔検出処理手順のうちの識別処理手順（図１９に示すステップＳ９４０の処理手順）を示すフローチャートである。
【０１７４】
最初に、スコアＳが「０」に初期化され（ステップＳ９４１）、変数ｉが「１」に初期化される（ステップＳ９４２）。続いて、顔識別辞書記憶部５００のｉ行目に格納されている特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される要素Ａ（ｉ）およびＢ（ｉ）の値が取得される（ステップＳ９４３）。ここで、要素Ａ（ｉ）は、登録顔特徴量記憶部４００から取得され、要素Ｂ（ｉ）は、特徴量算出部２３３により算出された特徴量のうちから取得される。
【０１７５】
続いて、取得された要素Ａ（ｉ）およびＢ（ｉ）の値の差分値Ｄ（ｉ）が算出される（ステップＳ９４４）。続いて、顔識別辞書記憶部５００のｉ行目に格納されている閾値（ｔｈ）５０３の閾値ｔｈ（ｉ）と、算出された差分値Ｄ（ｉ）とが比較される（ステップＳ９４５）。そして、算出された差分値Ｄ（ｉ）が閾値ｔｈ（ｉ）以下である場合には（ステップＳ９４５）、弱仮説ｈ（ｉ）＝１と算出される（ステップＳ９４６）。一方、算出された差分値Ｄ（ｉ）が閾値ｔｈ（ｉ）よりも大きい場合には（ステップＳ９４５）、弱仮説ｈ（ｉ）＝０と算出される（ステップＳ９４７）。
【０１７６】
続いて、顔識別辞書記憶部５００のｉ行目に格納されているスコア（α）５０４の値α（ｉ）と、算出された弱仮説ｈ（ｉ）とが乗算され、この乗算により求められた値ｈ（ｉ）α（ｉ）がスコアＳに加算される（ステップＳ９４８）。
【０１７７】
続いて、変数ｉに「１」が加算され（ステップＳ９４９）、変数ｉが（Ｌ−１）よりも大きいか否かが判断される（ステップＳ９５０）。変数ｉが（Ｌ−１）よりも大きくない場合には（ステップＳ９５０）、顔識別辞書記憶部５００の各行の値についての判定処理が終了していないため、ステップＳ９４３に戻り、判定処理を繰り返す（ステップＳ９４３乃至Ｓ９４９）。一方、変数ｉが（Ｌ−１）よりも大きい場合には（ステップＳ９５０）、顔識別辞書記憶部５００の各行の値についての判定処理が終了しているため、ステップＳ９５１に進み、スコアＳの値が、閾値Ｓ１以上であるか否かが判断される（ステップＳ９５１）。
【０１７８】
スコアＳの値が、閾値Ｓ１以上である場合には（ステップＳ９５１）、顔画像に含まれる顔は登録顔である判定される（ステップＳ９５２）。一方、スコアＳの値が、閾値Ｓ１未満である場合には（ステップＳ９５１）、顔画像に含まれる顔は登録顔ではないと判定される（ステップＳ９５３）。
【０１７９】
また、この例では、顔識別辞書記憶部５００の０行目から（Ｌ−１）行目までの各値を用いてスコアＳを算出した後に判定処理を行う例について説明した。しかしながら、例えば、顔識別辞書記憶部５００の各レコードに対応させて打切閾値を格納しておき、ステップＳ９４８で求められたスコアＳが、現在のレコードの打切閾値を下回った場合に、判定処理を打ち切るようにしてもよい。これにより、識別処理をさらに高速化することができる。
【０１８０】
以上では、特徴点検出部２３２により検出された全ての特徴点について、特徴量算出部２３３が、全ての要素を含む特徴量（ＧＨＦ）を算出する例を示した。ただし、識別部２３４による識別処理に用いられる特徴量の要素のみを算出するようにしてもよい。具体的には、顔識別辞書記憶部５００の特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される要素のみを、特徴量算出部２３３が算出するようにしてもよい。すなわち、特徴量算出部２３３は、第２領域に含まれる各画素の位置のうち、識別処理に用いられる特徴量に係る位置のみ変換を行い、第２領域に含まれる各画素の位置のうち、識別処理に用いられる特徴量に係る位置のみ、特徴量の演算を行う。
【０１８１】
例えば、特徴点周辺領域（ｍ×ｎ領域）を３画素×３画素とし（ｍ×ｎ＝３×３）、比較対象領域（Ｍ×Ｎ領域）を５画素×５画素とし（Ｍ×Ｎ＝５×５）、特徴点の数を７０とする（Ｋ＝７０）場合を想定する。例えば、全ての要素を含む特徴量（ＧＨＦ）を算出する場合には、（３×３）×（５×５−１）×７０＝１５１２０の要素の演算を行う必要がある。これに対して、顔識別辞書記憶部５００の特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される要素のみを算出する場合には、Ｌ（例えば、１，０００程度）の要素のみの演算を行う。すなわち、全ての要素を含む特徴量（ＧＨＦ）を算出する場合と比較して、１／１５程度の演算のみでよい。このため、特徴量算出に係る演算量およびメモリ使用量を同時に削減することができる。
【０１８２】
［ガボア・フィルタおよびＬＢＰ（Local Binary Pattern）との比較例］
ここで、同一人物を識別する識別処理に用いられる特徴量として、「ガボア・フィルタ」および「ＬＢＰ」を比較対象として簡単に説明する。
【０１８３】
例えば、人物の顔識別処理に用いられる特徴量としてガボア・フィルタを用いる場合を想定する。例えば、ガボア・フィルタは、特定の周波数ｆと特定の角度θに選択性を持つ空間フィルタである。また、周波数ｆおよび角度θを段階的に変化させた組み合わせで複数のフィルタを構成し、得られるスカラ応答の組を「ガボア・ジェット」と呼ぶ。ガボア・フィルタを適用するフィルタ窓は、２４画素×２４画素等の固定サイズが用いられ、固定フィルタ窓内で有効なスカラ応答が得られる周波数ｆと角度θを選択する。例えば、５パターンの周波数ｆ、８パターンの角度θを用い、全４０パターンのガボア・フィルタを４５画素×３６画素の正規化済み顔画像の全画素について適用し、ガボア・ジェットを求めて特徴量とすることができる。
【０１８４】
この場合に、人物顔識別を行うための辞書作成時には、入力顔画像と登録顔画像の特徴量（ガボア・ジェット）を計算する。そして、顔画像の対応画素の特徴量類似度から、同一人物顔の判定に有利なガボア・フィルタ応答を統計学習（Ａｄａ ｂｏｏｓｔ）により選択し、辞書を作成する。
【０１８５】
また、識別処理時には、学習済みの統計辞書を参照して、特定の画素、周波数ｆ、角度θのガボア・フィルタ応答を計算し、その応答差分値から同一人物顔の類似スコアを算出する。例えば、ガボア・フィルタの計算を行う際に、ガボア・フィルタ応答を公式から直接計算すると、三角関数を含む等の要因により演算が遅くなる。
【０１８６】
このため、事前に決定したパターンの周波数ｆ・角度θに対して、ガボア・フィルタ応答を計算するフィルタ係数集合を用意し、その係数集合を顔画像に乗算することにより、フィルタ応答を求める方法が一般に用いられている。この場合には、フィルタ係数集合をテーブル化しておく必要があるため、メモリ消費量が増える。
【０１８７】
また、ガボア・フィルタの演算を高速化するために、フィルタ窓サイズを小さくすると、フィルタ窓内のテクスチャ自体が、全てのパターンの周波数ｆを表現することができずに、有効なフィルタ応答が得られなくなる。このため、２４画素×２４画素程度のフィルタ窓サイズが一般に用いられ、演算高速化のために９画素×９画素等の小さなフィルタ窓を用いることは通常は無い。
【０１８８】
次に、人物の顔識別処理に用いられる特徴量としてＬＢＰを用いる場合を想定する。ＬＢＰは、局所テクスチャの回転情報を「０」または「１」の符号パターンに置き換え、注目画像領域における符号情報の発現頻度をヒストグラム化した特徴量である。
【０１８９】
ＬＢＰの計算方法は、例えば、注目画素を中央として、その周囲の外枠画素と中央画素との比較を行う。この比較結果に基づいて、外枠画素が中央画素以上の輝度であれば「１」、中央画素未満の輝度であれば「０」として符号化し、その結果得られた「０」「１」の符号パターンの数値をラベルとする。そして、注目画像領域の全ての画素についてＬＢＰを適用し、同一のラベルが何回発現したかをヒストグラム化したものがＬＢＰの特徴量となる。
【０１９０】
なお、ＬＢＰでは、「０→１」「１→０」の符号変化が２回以下の頻度で再現するラベルをＵｎｉｆｏｒｍ Ｐａｔｔｅｒｎと呼ぶ。Ｕｎｉｆｏｒｍ Ｐａｔｔｅｒｎは、それぞれ単一のラベルとしてカウントし、Ｕｎｉｆｏｒｍ Ｐａｔｔｅｒｎ以外のラベルをまとめてひとつのラベルとしてカウントする。
【０１９１】
このように、ＬＢＰを特徴量として用いる場合には、「０」「１」の符号パターンを求めた後、ラベル発現頻度をカウントするため、検出符号パターンと対応するラベルを探索する必要があり、その探索処理に時間かかる。
【０１９２】
また、画像自体にノイズが含まれ、符号パターン作成時の中央画素上にノイズがのった場合、異なる符号パターンが生成される可能性があり、ＬＢＰはノイズに影響を受けやすい特徴量であると考えられる。
【０１９３】
これに対して、本技術の第１の実施の形態では、識別処理を行う際に用いられる特徴量としてＧＨＦを用いる。このＧＨＦは、特徴量を算出する際における演算が、輝度の比較と加算のみであるため、高速に特徴量を求めることができる。すなわち、ガボア・フィルタおよびＬＢＰよりも高速に特徴量を求めることができる。
【０１９４】
例えば、ガボア・フィルタを用いる場合には、４５画素×３６画素の入力顔画像に対して、フィルタ窓のサイズが２４画素×２４画素程度とする必要がある。これに対して、特徴量（ＧＨＦ）は、８０画素×８０画素の入力顔画像に対して、１５画素×１５画素のフィルタ窓により有効な特徴を表現することができ、高速な演算が可能となる。
【０１９５】
また、特徴量（ＧＨＦ）を用いた識別処理の実行時には、ＡｄａＢｏｏｓｔを併用することにより、弱仮説数分の特徴量要素の特徴量のみを用いて、判定処理に用いられるスコアＳを算出することができ、高速演算が可能となる。
【０１９６】
また、特徴量（ＧＨＦ）による識別処理に用いられる辞書を作成する場合には、特徴量（ＧＨＦ）の演算自体が高速であるため、その辞書の作成時間を短縮させることができる。
【０１９７】
また、特徴量（ＧＨＦ）の演算は、基準画素とその周辺画素との比較演算と、符号化、同一要素の加算のみである。このため、ガボア・フィルタで使用するフィルタテーブルや、ＬＢＰで使用するラベルのテーブル等のテーブルデータ（すなわち、事前準備が必要なテーブルデータ）を用意する必要がなく、省メモリ化を実現することができる。
【０１９８】
また、特徴量（ＧＨＦ）自体が位置誤差を考慮した特徴量であるため、ガボア・フィルタやＬＢＰと比較して、特徴量（ＧＨＦ）は、顔パーツ検出の特徴点位置誤差に強い特徴量である。このため、入力画像にノイズを含み、特徴点検出に誤差が発生しやすい状況でも、精度良く識別処理を行うことができる。
【０１９９】
また、顔パーツ検出に利用するアルゴリズムを変更した場合でも、想定される検出誤差を吸収するように、特徴点周辺領域および比較対象領域のサイズや形態を変更することにより、容易に対処することができる。
【０２００】
また、特徴量（ＧＨＦ）を算出する場合には、基準画素との比較により、輝度情報を符号化（−１、＋１）するため、特徴量（ＧＨＦ）は、輝度変化の大小に左右されにくい特徴量である。このため、照明変化が生じる場合でも、ロバストな識別処理が可能となる。
【０２０１】
＜２．第２の実施の形態＞
本技術の第１の実施の形態では、特徴点周辺領域および比較対象領域として、一定サイズ（例えば、特徴点周辺領域（ｍ画素×ｎ画素）、比較対象領域（Ｍ画素×Ｎ画素））の領域を用いる例について説明した。ここで、例えば、人物の顔については、その特徴点に対応する部分毎に特徴的な範囲が異なることが多い。このため、特徴点周辺領域および比較対象領域については、そのサイズを特徴点毎に変更することが考えられる。そこで、本技術の第２の実施の形態では、特徴点周辺領域および比較対象領域のサイズを特徴点毎に変更する例について説明する。なお、本技術の第２の実施の形態における撮像装置の構成については、本技術の第１の実施の形態と略同様である。このため、本技術の第１の実施の形態と共通する部分については、同一の符号を付して、これらの説明の一部を省略する。
【０２０２】
［特徴点周辺領域（ｍ×ｎ領域）の設定例］
図２２および図２３は、本技術の第２の実施の形態における特徴量算出部２３３により特徴量を算出する際に用いられる特徴点周辺領域の設定例を示す図である。
【０２０３】
図２２には、人物の顔７００のアゴ先を特徴点７０１とする場合における特徴点周辺領域の設定例を示す。
【０２０４】
図２２（ａ）には、本技術の第１の実施の形態で示した特徴点周辺領域７０５（一定サイズ）を示す。すなわち、特徴点周辺領域７０５は、人物の顔７００のアゴ先の特徴点７０１を中心位置とする一定サイズ（例えば、５画素×５画素）の領域である。
【０２０５】
図２２（ｂ）には、図２２（ａ）に示す特徴点周辺領域７０５を、人物の顔７００の上下方向の上側に移動させた場合における特徴点周辺領域７０６を示す。すなわち、特徴点周辺領域７０６は、人物の顔７００のアゴ先の特徴点７０１の位置よりも上側（人物の顔７００の上下方向の上側）を中心位置とする一定サイズ（例えば、５画素×５画素）の領域である。図２２（ｂ）に示すように、特徴点周辺領域７０６の中心位置をアゴ先の特徴点７０１の位置よりも上方にずらした方が、顔に関してさらに多くのテクスチャ情報を含む特徴量を求めることができる。
【０２０６】
ここで、特徴点周辺領域（ｍ×ｎ領域）の面積は、特徴量の計算時間に比例する。このため、特徴点周辺領域（ｍ×ｎ領域）を小さくすることにより、特徴量の算出処理を高速化することができる。この例を図２２（ｃ）に示す。
【０２０７】
図２２（ｃ）には、図２２（ｂ）に示す特徴点周辺領域７０６を、人物の顔７００の左右方向のサイズを短くした場合における特徴点周辺領域７０７を示す。すなわち、特徴点周辺領域７０７は、人物の顔７００のアゴ先の特徴点７０１の位置よりも上側（人物の顔７００の上下方向の上側）を中心位置とし、サイズを変更した領域（例えば、５画素×３画素）である。図２２（ｃ）に示すように、特徴点周辺領域７０７の左右方向のサイズを短くし、テクスチャ情報の少ない領域を省略することができる。これにより、特徴点７０１の周辺領域において、必要なテクスチャ情報を効率的に用いて特徴量を算出することができる。
【０２０８】
図２３には、人物の顔７１０における右眼７１１の目頭を特徴点７１３とする場合における特徴点周辺領域の設定例を示す。
【０２０９】
図２３（ａ）には、人物の顔７１０を示す。また、図２３（ｂ）および（ｃ）には、図２３（ａ）に示す人物の顔７１０における右眼７１１を含む領域７１２を拡大して示す。
【０２１０】
図２３（ｂ）には、本技術の第１の実施の形態で示した特徴点周辺領域７１５（一定サイズ）を示す。すなわち、特徴点周辺領域７１５は、人物の顔７１０における右眼７１１の目頭の特徴点７１３を中心位置とする一定サイズ（例えば、５画素×５画素）の領域である。
【０２１１】
図２３（ｃ）には、図２３（ｂ）に示す特徴点周辺領域７１５を、人物の顔７１０の左右方向の右側に移動させた場合における特徴点周辺領域７１６を示す。すなわち、特徴点周辺領域７１６は、人物の顔７１０における右眼７１１の目頭の特徴点７１３の位置よりも右側（人物の顔７１０の左右方向の右側）を中心位置とする一定サイズ（例えば、５画素×５画素）の領域である。図２３（ｃ）に示すように、特徴点周辺領域７１６の中心位置を右眼７１１の目頭の特徴点７１３の位置よりも右方にずらした方が、目尻周辺の有効な特徴を取得することができる。
【０２１２】
［比較対象領域（Ｍ×Ｎ領域）の設定例］
図２４および図２５は、本技術の第２の実施の形態における特徴量算出部２３３により特徴量を算出する際に用いられる比較対象領域の設定例を示す図である。
【０２１３】
上述したように、比較対象領域として、顔における各部の特徴点の検出誤差を網羅する領域を設定する。例えば、１ピクセルの誤差を含む顔パーツ検出精度で特徴点検出をする場合には、Ｍ×Ｎ＝３×３を設定し、２ピクセルの誤差を含む顔パーツ検出精度で特徴点検出をする場合には、Ｍ×Ｎ＝５×５を設定することができる。なお、特徴点検出の位置誤差が統計的に異方性を持つ場合には、位置誤差が発生しやすい方向へ異方性を持たせてもよい（例えば、Ｍ×Ｎ＝３×５）。特徴点検出の位置誤差が異方性を持つ場合（例えば、人物の顔の場合）として、アゴ先の例（図２４に示す）および目の真横の輪郭点の例（図２５に示す）を示す。また、検出誤差を網羅している場合には、必ずしも矩形領域とする必要は無く、特徴点を基準とする任意の形状とすることができる。
【０２１４】
図２４には、人物の顔７２０のアゴ先を特徴点７２２とする場合における比較対象領域の設定例を示す。図２４（ａ）には、人物の顔７２０（アゴ先を特徴点７２２とする）を示す。図２４（ｂ）には、図２４（ａ）に示す特徴点７２２に対応する比較対象領域の設定例を示す。
【０２１５】
図２４（ａ）に示すように、アゴ先の特徴点７２２は、口７２１の動きに合わせて上下に移動するが、横の動作は生じにくい。このため、特徴点検出誤差は、上下方向に長い楕円形（例えば、特徴点７２２から延びる４本の矢印により特定される楕円形）となる。そこで、特徴点検出誤差に対応する楕円形（上下方向に長い楕円形）の領域をカバーするように比較対象領域を設定することができる。この例（比較対象領域７２５）を図２４（ｂ）に示す。
【０２１６】
図２５には、人物の顔７３０における眼の真横の輪郭点を特徴点７３１とする場合における比較対象領域の設定例を示す。図２５（ａ）乃至（ｃ）には、人物の顔７３０（眼の真横の輪郭点を特徴点７３１とする）の姿勢の遷移例を示す。図２５（ａ）には、正面向きの人物の顔７３０を示し、図２５（ｂ）には、左右方向において微小に左側を向いた場合における人物の顔７３０を示し、図２５（ｃ）には、左右方向において微小に右側を向いた場合における人物の顔７３０を示す。図２５（ｄ）には、図２５（ａ）乃至（ｃ）に示す特徴点７３１に対応する比較対象領域の設定例を示す。
【０２１７】
例えば、図２５（ｂ）または（ｃ）に示すように、人物の顔７３０が微小に左右方向を向いた場合に、同一人物判定を行う場合を想定する。この場合には、図２５（ａ）乃至（ｃ）に示すように、人物の顔７３０の輪郭点（特徴点７３１）は、統計的に左右方向に広い検出分布を持つことになる。このため、特徴点検出の検出誤差も、左右方向に広い異方性を持つことになる。
【０２１８】
このように、顔の姿勢によって特徴点検出誤差が異方性を持つ場合においても、検出誤差範囲に基づいて比較対象領域を設定することができる。すなわち、人物の顔７３０における眼の真横の輪郭点を特徴点７３１とする場合において、特徴量を求める場合には、図２５（ｄ）に示すように、左右方向に長い検出誤差範囲をカバーするように比較対象領域７３５を設定することができる。この例（比較対象領域７３５）を図２５（ｄ）に示す。
【０２１９】
図２４および図２５に示すように、人物の顔７２０のアゴ先を特徴点７２２とする場合における比較対象領域７２５として、矩形領域以外の領域（例えば、楕円形の領域）を設定することができる。また、人物の顔７３０における眼の真横の輪郭点を特徴点７３１とする場合における比較対象領域７３５として、矩形領域以外の領域（例えば、楕円形の領域）を設定することができる。すなわち、特徴量算出部２３３は、特定対象物における複数の特徴点に係る特徴点周辺領域のサイズおよび形態の少なくとも１つを特徴点に応じて変更して変換（符号化）を行うことができる。また、特徴量算出部２３３は、特定対象物における複数の特徴点に係る比較対象領域のサイズおよび形態の少なくとも１つを特徴点に応じて変更して変換（符号化）を行うことができる。
【０２２０】
このように各領域を設定することにより、特徴量の算出処理を高速化することができ、検出誤差に対処した特徴量を得ることができる。
【０２２１】
なお、本技術の実施の形態では、画像を構成する各画素の輝度（Ｙ）を用いて、識別処理を行うための特徴量を算出する例を示したが、各画素の他の特徴を用いて特徴量を算出するようにしてもよい。例えば、各画素の他の特徴として、ＲＧＢ、ＹＣｂＣｒ、ＨＳＶ（Hue Saturation Value）、色差等の要素（例えば、特徴量を演算する画像のカラーフォーマットの要素）をそのまま用いることができる。また、例えば、各要素のうちの１つの要素（例えば、ＲＧＢのうち１つのＲ）のみを用いるようにしてもよい。
【０２２２】
また、本技術の実施の形態では、人物の顔が特定人物の顔であるか否かを識別する場合について説明したが、他の対象物を識別する場合についても、本技術の実施の形態を適用することができる。例えば、猫や犬等のペットや動物、家、乗り物（車、バイク）等の様々な対象物について個体識別を行う場合に本技術の実施の形態を適用することができる。例えば、ペットを個体識別する場合は、色、模様、耳の形等の違いにより、人間を個人識別する場合よりも識別し易い。
【０２２３】
また、静止画および動画を撮像するデジタルビデオカメラ（例えば、カメラ一体型レコーダ）や撮像機能を備える携帯電話機の各種の情報処理装置に本技術の実施の形態を適用することができる。また、例えば、監視カメラに接続されて、人物の顔を識別する登録顔検出装置等の情報処理装置に本技術の実施の形態を適用することができる。
【０２２４】
なお、本技術の第１の実施の形態では、比較対象となる２つの特徴量（ＧＨＦ）の類似度として、２つの特徴量（ＧＨＦ）を構成する同一要素における差分値を用いて、識別処理を行う例を示した。この差分値は、最も簡単で高速演算が可能な類似度であるため、識別処理を迅速に行うことができる。ただし、他の類似度を弱仮説関数の入力に置き換えることも可能である。例えば、ヒストグラムの類似度に値するもの（例えば、Histogram intersection、Log-likelihood statistic、Chi square statistic）を、弱仮説関数の入力に置き換えることも可能である。
【０２２５】
なお、上述の実施の形態は本技術を具現化するための一例を示したものであり、実施の形態における事項と、特許請求の範囲における発明特定事項とはそれぞれ対応関係を有する。同様に、特許請求の範囲における発明特定事項と、これと同一名称を付した本技術の実施の形態における事項とはそれぞれ対応関係を有する。ただし、本技術は実施の形態に限定されるものではなく、その要旨を逸脱しない範囲において実施の形態に種々の変形を施すことにより具現化することができる。
【０２２６】
また、上述の実施の形態において説明した処理手順は、これら一連の手順を有する方法として捉えてもよく、また、これら一連の手順をコンピュータに実行させるためのプログラム乃至そのプログラムを記憶する記録媒体として捉えてもよい。この記録媒体として、例えば、ＣＤ（Compact Disc）、ＭＤ（MiniDisc）、ＤＶＤ（Digital Versatile Disk）、メモリカード、ブルーレイディスク（Blu-ray Disc（登録商標））等を用いることができる。
【０２２７】
なお、本技術は以下のような構成もとることができる。
（１） 画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、前記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、前記基準画素の特徴量と当該基準画素に係る前記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換部と、
前記基準画素毎に前記変換により求められた前記第２領域に含まれる各画素の値について前記第２領域に含まれる各画素の位置毎に演算を行うことにより前記特定対象物を識別する識別処理に用いられる特徴量を算出する算出部と
を具備する情報処理装置。
（２） 前記算出部は、前記第２領域に含まれる各画素の位置毎の演算結果を構成要素とする特徴量を前記識別処理に用いられる特徴量として算出する前記（１）記載の情報処理装置。
（３） 前記識別処理に用いられる特徴量と前記特定対象物とを関連付けて記憶する記憶部から取得された当該特徴量と前記算出された特徴量とについて、前記構成要素毎に比較することにより前記識別処理を行う識別部をさらに具備する前記（２）記載の情報処理装置。
（４） 前記変換部は、前記特定対象物における複数の特徴点について前記変換を行い、
前記算出部は、前記複数の特徴点について前記識別処理に用いられる特徴量を算出し、
前記識別部は、前記記憶部から取得された特徴量と前記算出された特徴量とを前記特徴点毎に比較することにより前記識別処理を行う
前記（３）記載の情報処理装置。
（５） 前記変換部は、前記基準画素の特徴量を基準として当該基準画素に係る前記第２領域に含まれる他の画素の特徴量が大きい場合には当該特徴量を第１の値に変換して、前記基準画素の特徴量を基準として当該基準画素に係る前記第２領域に含まれる他の画素の特徴量が小さい場合には当該特徴量を第２の値に変換する前記（１）から（４）のいずれかに記載の情報処理装置。
（６） 前記変換部は、前記第１の値および前記第２の値のうちの何れか一方を正値とし、他方を負値とする前記変換を行う前記（５）記載の情報処理装置。
（７） 前記算出部は、前記演算として加算を行うことにより前記識別処理に用いられる特徴量を算出する前記（１）から（６）のいずれかに記載の情報処理装置。
（８） 前記変換部は、前記特定対象物における複数の特徴点に係る前記第１領域のサイズおよび形態の少なくとも１つを前記特徴点に応じて変更して前記変換を行う前記（１）から（７）のいずれかに記載の情報処理装置。
（９） 前記変換部は、前記特定対象物における複数の特徴点に係る前記第２領域のサイズおよび形態の少なくとも１つを前記特徴点に応じて変更して前記変換を行う前記（１）から（８）のいずれかに記載の情報処理装置。
（１０） 前記変換部は、前記第２領域に含まれる各画素の位置のうち、前記識別処理に用いられる特徴量に係る位置のみ前記変換を行い、
前記識別部は、前記第２領域に含まれる各画素の位置のうち、前記識別処理に用いられる特徴量に係る位置のみ前記演算を行う
前記（１）から（９）のいずれかに記載の情報処理装置。
（１１） 前記画像に含まれる前記特定対象物を検出する特定対象物検出部と、
前記検出された特定対象物における前記特徴点を検出する特徴点検出部と、
前記識別処理に用いられる特徴量と前記特定対象物とを関連付けて記憶する記憶部から取得された当該特徴量と前記算出された特徴量とを用いて前記識別処理を行う識別部と
をさらに具備する前記（１）から（１１）のいずれかに記載の情報処理装置。
（１２） 前記特定対象物は、人物の顔であり、
前記特徴点は、前記顔に含まれる器官の少なくとも１つの端部であり、
前記識別処理は、前記検出された人物の顔が特定人物の顔であるか否かを識別する
前記（１）から（１１）のいずれかに記載の情報処理装置。
（１３） 画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、前記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、前記基準画素の特徴量と当該基準画素に係る前記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換手順と、
前記基準画素毎に前記変換により求められた前記第２領域に含まれる各画素の値について前記第２領域に含まれる各画素の位置毎に演算を行うことにより前記特定対象物を識別する識別処理に用いられる特徴量を算出する算出手順と
を具備する情報処理方法。
（１４） 画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、前記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、前記基準画素の特徴量と当該基準画素に係る前記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換手順と、
前記基準画素毎に前記変換により求められた前記第２領域に含まれる各画素の値について前記第２領域に含まれる各画素の位置毎に演算を行うことにより前記特定対象物を識別する識別処理に用いられる特徴量を算出する算出手順と
をコンピュータに実行させるプログラム。
【符号の説明】
【０２２８】
１００ 撮像装置
１１１ レンズ
１１２ 撮像部
１２０ システム制御部
１３０ 記憶装置部
１４０ 外部Ｉ／Ｆ部
１５０ 記録部
１６０ 操作入力部
１７０ 表示部
１８０ 音声出力部
２００ カメラ制御部
２１０ シーケンス制御部
２２０ カメラパラメータ制御部
２３０ 登録顔検出部
２３１ 画像取得部
２３２ 特徴点検出部
２３３ 特徴量算出部
２３４ 識別部
２３５ 識別結果出力部
２４０ 記憶装置Ｉ／Ｆ
２５０ 特徴点検出辞書記憶部
３００ 顔画像生成部
３１０ 顔検出辞書記憶部
３２０ 顔検出部
３３０ 眼検出辞書記憶部
３４０ 眼検出部
３５０ 正規化部
４００ 登録顔特徴量記憶部
５００ 顔識別辞書記憶部
【技術分野】
【０００１】
本技術は、情報処理装置に関する。詳しくは、画像を扱う情報処理装置および情報処理方法ならびに当該方法をコンピュータに実行させるプログラムに関する。
【背景技術】
【０００２】
従来、デジタルスチルカメラ、デジタルビデオカメラ（例えば、カメラ一体型レコーダ）等の情報処理装置により生成された画像について、この画像に含まれる被写体が何であるかを認識する被写体認識技術が提案されている。この被写体認識技術として、例えば、輝度や色等の特徴量を用いた画像処理により画像に含まれる人物の顔を検出する顔検出技術が提案されている。
【０００３】
また、そのように顔検出技術を用いて検出された顔について、特定人物の顔であるか否かを識別する技術が提案されている。
【０００４】
例えば、画像に含まれる顔上において一定の間隔で配置された複数の特徴点の局所的な特徴量をガボア・フィルタにより検出し、この検出された特徴量を用いて、人物の顔を識別する画像処理装置が提案されている（例えば、特許文献１参照。）。この画像処理装置では、画像に含まれる顔上に一定の間隔で離れて位置する特徴点を検出し、この特徴点の局所的な特徴量をガボア・フィルタにより検出する。そして、その検出された特徴量が、予め登録されている顔の特徴量に対してどの程度類似しているかを演算することにより、人物の顔を識別する。
【先行技術文献】
【特許文献】
【０００５】
【特許文献１】特開２００６−４００３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
上述の従来技術によれば、入力された画像に含まれる顔上において一定の間隔で配置された特徴点の局所的な特徴量を求め、この特徴量を用いて特定対象物（例えば、人物の顔）の識別を行うことができる。
【０００７】
しかしながら、上述の従来技術では、ガボア・フィルタを用いて特徴量を求めるため、演算量が多くなる。ここで、例えば、デジタルスチルカメラやデジタルスチルカメラ等の撮像装置において、生成された画像について顔識別を行う場合には、この顔識別の精度を維持し、顔識別処理を迅速に行うことが重要となる。このように、各態様において、特定対象物の識別処理の精度を維持し、その識別処理を迅速に行うことが重要となる。
【０００８】
本技術はこのような状況に鑑みてなされたものであり、特定対象物の識別処理を迅速に行うことを目的とする。
【課題を解決するための手段】
【０００９】
本技術は、上述の問題点を解消するためになされたものであり、その第１の側面は、画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、上記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、上記基準画素の特徴量と当該基準画素に係る上記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換部と、上記基準画素毎に上記変換により求められた上記第２領域に含まれる各画素の値について上記第２領域に含まれる各画素の位置毎に演算を行うことにより上記特定対象物を識別する識別処理に用いられる特徴量を算出する算出部とを具備する情報処理装置および情報処理方法ならびに当該方法をコンピュータに実行させるプログラムである。これにより、基準画素の特徴量とこの基準画素に係る第２領域に含まれる他の画素の特徴量との比較結果に基づいて、他の画素の特徴量を画素毎に変換し、基準画素毎に求められた第２領域に含まれる各画素の値について、第２領域に含まれる各画素の位置毎に演算を行うことにより、特定対象物を識別する識別処理に用いられる特徴量を算出するという作用をもたらす。
【００１０】
また、この第１の側面において、上記算出部は、上記第２領域に含まれる各画素の位置毎の演算結果を構成要素とする特徴量を上記識別処理に用いられる特徴量として算出するようにしてもよい。これにより、第２領域に含まれる各画素の位置毎の演算結果を構成要素とする特徴量を算出するという作用をもたらす。
【００１１】
また、この第１の側面において、上記識別処理に用いられる特徴量と上記特定対象物とを関連付けて記憶する記憶部から取得された当該特徴量と上記算出された特徴量とについて、上記構成要素毎に比較することにより上記識別処理を行う識別部をさらに具備するようにしてもよい。これにより、記憶部から取得された特徴量と、算出された特徴量とについて、構成要素毎に比較することにより識別処理を行うという作用をもたらす。
【００１２】
また、この第１の側面において、上記変換部は、上記特定対象物における複数の特徴点について上記変換を行い、上記算出部は、上記複数の特徴点について上記識別処理に用いられる特徴量を算出し、上記識別部は、上記記憶部から取得された特徴量と上記算出された特徴量とを上記特徴点毎に比較することにより上記識別処理を行うようにしてもよい。これにより、特定対象物における複数の特徴点について変換を行い、複数の特徴点について特徴量を算出し、記憶部から取得された特徴量と、算出された特徴量とを特徴点毎に比較することにより識別処理を行うという作用をもたらす。
【００１３】
また、この第１の側面において、上記変換部は、上記基準画素の特徴量を基準として当該基準画素に係る上記第２領域に含まれる他の画素の特徴量が大きい場合には当該特徴量を第１の値に変換して、上記基準画素の特徴量を基準として当該基準画素に係る上記第２領域に含まれる他の画素の特徴量が小さい場合には当該特徴量を第２の値に変換するようにしてもよい。これにより、基準画素の特徴量を基準としてその基準画素に係る第２領域に含まれる他の画素の特徴量が大きい場合には、その特徴量を第１の値に変換し、基準画素の特徴量を基準としてその基準画素に係る第２領域に含まれる他の画素の特徴量が小さい場合には、その特徴量を第２の値に変換するという作用をもたらす。
【００１４】
また、この第１の側面において、上記変換部は、上記第１の値および上記第２の値のうちの何れか一方を正値とし、他方を負値とする上記変換を行うようにしてもよい。これにより、第１の値および第２の値のうちの何れか一方を正値とし、他方を負値とするという作用をもたらす。
【００１５】
また、この第１の側面において、上記算出部は、上記演算として加算を行うことにより上記識別処理に用いられる特徴量を算出するようにしてもよい。これにより、同一要素の加算を行うことにより特徴量を算出するという作用をもたらす。
【００１６】
また、この第１の側面において、上記変換部は、上記特定対象物における複数の特徴点に係る上記第１領域のサイズおよび形態の少なくとも１つを上記特徴点に応じて変更して上記変換を行うようにしてもよい。これにより、特定対象物における複数の特徴点に係る第１領域のサイズおよび形態の少なくとも１つを、特徴点に応じて変更して変換を行うという作用をもたらす。
【００１７】
また、この第１の側面において、上記変換部は、上記特定対象物における複数の特徴点に係る上記第２領域のサイズおよび形態の少なくとも１つを上記特徴点に応じて変更して上記変換を行うようにしてもよい。これにより、特定対象物における複数の特徴点に係る第２領域のサイズおよび形態の少なくとも１つを、特徴点に応じて変更して変換を行うという作用をもたらす。
【００１８】
また、この第１の側面において、上記変換部は、上記第２領域に含まれる各画素の位置のうち、上記識別処理に用いられる特徴量に係る位置のみ上記変換を行い、上記識別部は、上記第２領域に含まれる各画素の位置のうち、上記識別処理に用いられる特徴量に係る位置のみ上記演算を行うようにしてもよい。これにより、識別処理に用いられる特徴量に係る位置のみ変換を行い、識別処理に用いられる特徴量に係る位置のみ演算を行うという作用をもたらす。
【００１９】
また、この第１の側面において、上記画像に含まれる上記特定対象物を検出する特定対象物検出部と、上記検出された特定対象物における上記特徴点を検出する特徴点検出部と、上記識別処理に用いられる特徴量と上記特定対象物とを関連付けて記憶する記憶部から取得された当該特徴量と上記算出された特徴量とを用いて上記識別処理を行う識別部とをさらに具備するようにしてもよい。これにより、画像に含まれる特定対象物を検出し、この検出された特定対象物における特徴点を検出し、記憶部から取得された特徴量と、算出された特徴量とを用いて識別処理を行うという作用をもたらす。
【００２０】
また、この第１の側面において、上記特定対象物を人物の顔とし、上記特徴点を、上記顔に含まれる器官の少なくとも１つの端部とし、上記識別処理は、上記検出された人物の顔が特定人物の顔であるか否かを識別するようにしてもよい。これにより、検出された人物の顔が特定人物の顔であるか否かを識別するという作用をもたらす。
【発明の効果】
【００２１】
本技術によれば、特定対象物の識別処理を迅速に行うことができるという優れた効果を奏し得る。
【図面の簡単な説明】
【００２２】
【図１】本技術の第１の実施の形態における撮像装置１００の機能構成例を示すブロック図である。
【図２】本技術の第１の実施の形態におけるカメラ制御部２００の機能構成例を示すブロック図である。
【図３】本技術の第１の実施の形態における登録顔検出部２３０の機能構成例を示すブロック図である。
【図４】本技術の第１の実施の形態における顔画像生成部３００の機能構成例を示すブロック図である。
【図５】本技術の第１の実施の形態における顔画像生成部３００による顔画像の生成例を示す図である。
【図６】本技術の第１の実施の形態における特徴点検出辞書記憶部２５０の記憶内容の一例を模式的に示す図である。
【図７】本技術の第１の実施の形態における特徴点検出部２３２により顔の特徴点を検出する場合における検出例を示す図である。
【図８】本技術の第１の実施の形態における特徴点検出部２３２による特徴点検出処理の対象となった顔画像３９０と、その特徴点検出処理の検出結果とを模式的に示す図である。
【図９】本技術の第１の実施の形態における登録顔特徴量記憶部４００の記憶内容の一例を模式的に示す図である。
【図１０】本技術の第１の実施の形態における登録顔特徴量記憶部４００に記憶されている特徴量および登録顔の関係例を模式的に示す図である。
【図１１】本技術の第１の実施の形態における顔識別辞書記憶部５００の記憶内容の一例を模式的に示す図である。
【図１２】本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出処理の対象となる顔画像と、この顔画像について特徴量を算出する際に用いられる対象領域とを簡略化して示す図である。
【図１３】本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出の際に用いられる画素を模式的に示す図である。
【図１４】本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出の際に用いられる比較対象領域と、この比較対象領域について算出された符号化情報との関係を模式的に示す図である。
【図１５】本技術の第１の実施の形態における特徴量算出部２３３により算出された各符号化情報と、これらの符号化情報の加算処理により算出された特徴量との関係を模式的に示す図である。
【図１６】本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出処理の対象となる顔画像と、この顔画像における各特徴点について算出された特徴量との関係を模式的に示す図である。
【図１７】本技術の第１の実施の形態における識別部２３４による識別処理に用いられるスコアを算出する場合における算出方法を模式的に示す図である。
【図１８】本技術の第１の実施の形態における撮像装置１００による画像記録処理の処理手順の一例を示すフローチャートである。
【図１９】本技術の第１の実施の形態における撮像装置１００による画像記録処理の処理手順のうちの登録顔検出処理手順を示すフローチャートである。
【図２０】本技術の第１の実施の形態における撮像装置１００による登録顔検出処理手順のうちの特徴量算出処理手順を示すフローチャートである。
【図２１】本技術の実施の形態における撮像装置１００による登録顔検出処理手順のうちの識別処理手順を示すフローチャートである。
【図２２】本技術の第２の実施の形態における特徴量算出部２３３により特徴量を算出する際に用いられる特徴点周辺領域の設定例を示す図である。
【図２３】本技術の第２の実施の形態における特徴量算出部２３３により特徴量を算出する際に用いられる特徴点周辺領域の設定例を示す図である。
【図２４】本技術の第２の実施の形態における特徴量算出部２３３により特徴量を算出する際に用いられる比較対象領域の設定例を示す図である。
【図２５】本技術の第２の実施の形態における特徴量算出部２３３により特徴量を算出する際に用いられる比較対象領域の設定例を示す図である。
【発明を実施するための形態】
【００２３】
以下、本技術を実施するための形態（以下、実施の形態と称する）について説明する。説明は以下の順序により行う。
１．第１の実施の形態（特徴量算出制御：特定対象物の識別処理に用いる特徴量として、特定対象物における特徴点に関する特徴量を算出する例）
２．第２の実施の形態（特徴量算出制御：特徴量を算出する際に用いられる特徴点周辺の領域サイズを特徴点に応じて変更する例）
【００２４】
＜１．第１の実施の形態＞
［撮像装置の構成例］
図１は、本技術の第１の実施の形態における撮像装置１００の機能構成例を示すブロック図である。
【００２５】
撮像装置１００は、レンズ１１１と、撮像部１１２と、システム制御部１２０と、記憶装置部１３０と、外部Ｉ／Ｆ（Inter/Face）部１４０と、記録部１５０と、操作入力部１６０と、表示部１７０と、音声出力部１８０と、カメラ制御部２００とを備える。撮像装置１００は、例えば、被写体を撮像して画像データを生成し、この画像データについて画像解析により各特徴量を抽出し、この抽出された各特徴量を用いて各種画像処理を施すことが可能なデジタルスチルカメラによって実現することができる。なお、撮像装置１００は、特許請求の範囲に記載の情報処理装置の一例である。
【００２６】
レンズ１１１は、被写体からの光を集光する複数のレンズ（ズームレンズ、フォーカスレンズ等）から構成され、入射された被写体からの光がこれらのレンズを介して撮像部１１２に供給される。
【００２７】
撮像部１１２は、電子シャッター機能を有する撮像素子（図示せず）と、この撮像素子の出力信号を処理して画像（画像データ）を生成する信号処理部（図示せず）とを備える。すなわち、撮像部１１２において、レンズ１１１を介して入射された被写体の光学像が撮像素子の撮像面に結像され、この状態で撮像素子が撮像動作を行い、信号処理部が撮像信号に対して信号処理を行うことにより画像（撮像画像）が生成される。そして、生成された画像が記憶装置部１３０に供給されて記憶される。なお、画像の生成に用いられるカメラパラメータ（撮像パラメータ）が、カメラ制御部２００により順次決定される。
【００２８】
カメラ制御部２００は、記憶装置部１３０を介して撮像部１１２から供給される画像、および、システム制御部１２０からの制御に基づいて、撮像部１１２を制御するものである。なお、カメラ制御部２００については、図２を参照して詳細に説明する。
【００２９】
システム制御部１２０は、撮像装置１００全体の制御を行うものである。例えば、システム制御部１２０は、操作入力部１６０により受け付けられたユーザからの操作入力に応じた制御を行う。また、システム制御部１２０は、表示部１７０に表示されるメニュー画面等の表示、記録部１５０に対する画像の記録や読出し、外部Ｉ／Ｆ部１４０を介して行われる外部コンピュータやネットワークとの通信等を制御する。さらに、システム制御部１２０は、撮像動作中のモニタリング時には、撮像部１１２により生成された画像を表示部１７０に表示させる制御を行う。
【００３０】
記憶装置部１３０は、撮像装置１００のシステム上で画像等を一時的に保存するための主記憶装置であり、例えば、ＤＲＡＭ（Dynamic Random Access Memory）により構成される。すなわち、撮像装置１００内における各部間の画像のやりとりは、主に記憶装置部１３０を介して行われる。
【００３１】
外部Ｉ／Ｆ部１４０は、ＵＳＢ（Universal Serial Bus）等の入出力端子を備える外部インターフェースであり、外部コンピュータとの接続やネットワーク接続のためのインターフェースを提供する。
【００３２】
記録部１５０は、システム制御部１２０の制御に基づいて、撮像部１１２により生成された画像を記録するものである。また、記録部１５０は、システム制御部１２０の制御に基づいて、記録されている画像を読み出してシステム制御部１２０に供給する。記録部１５０として、例えば、フラッシュメモリ等の記録媒体を用いることができる。また、記録部１５０は、撮像装置１００に内蔵するようにしてもよく、着脱可能に撮像装置１００に装着されるようにしてもよい。
【００３３】
操作入力部１６０は、ユーザからの操作入力を受ける操作入力部であり、受け付けられた操作入力に応じた信号をシステム制御部１２０に出力する。例えば、画像の記録を指示するためのシャッターボタンが押下されると、シャッターボタン押下に応じた信号がシステム制御部１２０に出力される。
【００３４】
表示部１７０は、システム制御部１２０の制御に基づいて、各種画像を表示する表示部である。例えば、表示部１７０は、撮像部１１２により生成された画像（例えば、スルー画像）、記録部１５０から読み出された画像、ユーザに提供されるメニュー画面等を表示する。
【００３５】
音声出力部１８０は、システム制御部１２０の制御に基づいて、各種の音声情報を出力するものである。音声出力部１８０は、例えば、スピーカにより実現することができる。
【００３６】
［カメラ制御部の構成例］
図２は、本技術の第１の実施の形態におけるカメラ制御部２００の機能構成例を示すブロック図である。図２では、カメラ制御部２００の機能構成例とともに、図１に示す撮像部１１２、システム制御部１２０および記憶装置部１３０の構成についても図示する。
【００３７】
カメラ制御部２００は、シーケンス制御部２１０と、カメラパラメータ制御部２２０と、登録顔検出部２３０と、記憶装置Ｉ／Ｆ２４０とを備える。ここで、記憶装置部１３０およびカメラパラメータ制御部２２０の間、また、記憶装置部１３０および登録顔検出部２３０の間で行われる画像のやりとりは、記憶装置Ｉ／Ｆ２４０を介して行われる。
【００３８】
シーケンス制御部２１０は、システム制御部１２０からの画像記録待機命令で起動し、撮像部１１２により生成される画像を記録することが可能な状態を保持するものである。この画像記録待機状態では、撮像部１１２により生成される画像が、記憶装置部１３０に順次記憶される。例えば、１／６０秒の間隔で、記憶装置部１３０に記憶される画像が順次更新される。また、シーケンス制御部２１０は、記憶装置部１３０に記憶されている現在の画像（撮像部１１２により生成された最新の画像）に基づいて、カメラパラメータ制御部２２０がカメラパラメータを決定するように制御を行う。また、シーケンス制御部２１０は、記憶装置部１３０に記憶されている現在の画像について登録顔検出部２３０が登録顔検出処理を行うための制御を行う。ここで、シーケンス制御部２１０は、登録されている顔（登録顔）を検出したことを示す登録顔検出情報が登録顔検出部２３０から出力された場合には、登録顔が検出された旨をシステム制御部１２０およびカメラパラメータ制御部２２０に出力する。
【００３９】
カメラパラメータ制御部２２０は、画像に関するカメラパラメータを決定するものであり、決定されたカメラパラメータを用いて、撮像部１１２に対する撮像制御を行う。具体的には、カメラパラメータ制御部２２０は、シーケンス制御部２１０からのトリガに基づいて、記憶装置Ｉ／Ｆ２４０を介して、記憶装置部１３０に記憶されている現在の画像を取得する。そして、この現在の画像を評価して、シャッター速度、露出、ホワイトバランス等のカメラパラメータを決定する。また、カメラパラメータ制御部２２０は、現在の画像から登録顔が検出された場合には、検出された登録顔および現在の画像の評価に基づいてシャッター速度、露出、ホワイトバランス等のカメラパラメータを決定する。例えば、登録顔が検出された場合には、検出された登録顔の画像における位置および大きさに基づいて、検出された登録顔に最適なカメラパラメータが決定される。
【００４０】
登録顔検出部２３０は、記憶装置部１３０に記憶されている現在の画像について登録顔検出処理を行うものであり、登録顔が検出された場合には登録顔検出情報をシーケンス制御部２１０に出力する。具体的には、登録顔検出部２３０は、シーケンス制御部２１０からのトリガに基づいて、記憶装置Ｉ／Ｆ２４０を介して、記憶装置部１３０に記憶されている現在の画像を取得し、この現在の画像について登録顔検出処理を行う。ここで、登録顔検出情報は、検出された登録顔に関する情報であり、例えば、検出された登録顔の画像における位置、大きさ、その顔の度合いを表すスコアを含む情報である。なお、登録顔検出部２３０については、図３を参照して詳細に説明する。
【００４１】
［登録顔検出部の構成例］
図３は、本技術の第１の実施の形態における登録顔検出部２３０の機能構成例を示すブロック図である。
【００４２】
登録顔検出部２３０は、画像取得部２３１と、特徴点検出部２３２と、特徴量算出部２３３と、識別部２３４と、識別結果出力部２３５とを備える。また、登録顔検出部２３０は、特徴点検出辞書記憶部２５０と、顔画像生成部３００と、顔識別辞書記憶部５００と、登録顔特徴量記憶部４００とを備える。
【００４３】
画像取得部２３１は、記憶装置Ｉ／Ｆ２４０を介して、記憶装置部１３０に記憶されている画像（画像データ）を取得するものであり、取得された画像を顔画像生成部３００に出力する。
【００４４】
顔画像生成部３００は、画像取得部２３１から出力された画像について、人物の顔を含む画像（顔画像）を生成するものであり、生成された顔画像を特徴点検出部２３２および特徴量算出部２３３に出力する。なお、顔画像生成部３００については、図４を参照して詳細に説明する。
【００４５】
特徴点検出部２３２は、特徴点検出辞書記憶部２５０に記憶されている特徴点検出辞書を用いて、顔画像生成部３００により生成された顔画像に含まれる顔における特徴点を検出するものであり、検出結果（特徴点情報）を特徴量算出部２３３に出力する。
【００４６】
特徴点検出辞書記憶部２５０は、特徴点検出部２３２による特徴点検出処理に用いられる特徴点検出辞書を記憶するものであり、記憶されている特徴点検出辞書を特徴点検出部２３２に供給する。なお、特徴点検出辞書記憶部２５０の記憶内容については、図６を参照して詳細に説明する。
【００４７】
特徴量算出部２３３は、顔画像生成部３００により生成された顔画像における各特徴点（特徴点検出部２３２により検出された各特徴点）について、特徴量を算出するものであり、算出された特徴量を識別部２３４に出力する。
【００４８】
ここで、画像（例えば、顔画像）に含まれる特定対象物（例えば、人物の顔）における特徴点とその周囲とを含む領域を第１領域（例えば、図１３（ａ）に示す特徴点周辺領域５２０（ｍ×ｎ領域））とする。また、第１領域に含まれる１つの画素を基準画素とした場合におけるその基準画素とその周囲の画素とを含む領域を第２領域（例えば、図１３（ａ）に示す比較対象領域５２２（Ｍ×Ｎ領域））とする。この場合に、特徴量算出部２３３は、基準画素の特徴量と、この基準画素に係る第２領域に含まれる他の画素の特徴量との比較結果に基づいて、他の画素の特徴量を画素毎に変換する。そして、特徴量算出部２３３は、基準画素毎に求められた第２領域に含まれる各画素の値（例えば、−１、＋１）について、第２領域に含まれる各画素の位置毎に演算（例えば、加算処理）を行う。この演算により、特徴量算出部２３３は、特定対象物を識別する識別処理に用いられる特徴量を算出する。
【００４９】
例えば、特徴量算出部２３３は、基準画素の特徴量を基準としてその基準画素に係る第２領域に含まれる他の画素の特徴量が大きい場合には、その特徴量を第１の値に変換する。一方、特徴量算出部２３３は、基準画素の特徴量を基準としてその基準画素に係る第２領域に含まれる他の画素の特徴量が小さい場合には、その特徴量を第２の値に変換する。この場合に、特徴量算出部２３３は、例えば、第１の値および第２の値のうちの何れか一方を正値（例えば、＋１）とし、他方を負値（例えば、−１）とする変換を行う。なお、ここで、基準画素の特徴量を基準として大きい場合とは、基準画素の特徴量以上の場合と、基準画素の特徴量よりも大きい場合との双方の意味を含むものとする。また、基準画素の特徴量を基準として小さい場合とは、基準画素の特徴量以下の場合と、基準画素の特徴量未満の場合との双方の意味を含むものとする。ただし、基準画素の特徴量を基準として大きい場合が、基準画素の特徴量以上を意味するときには、基準画素の特徴量を基準として小さい場合は、基準画素の特徴量未満を意味するものとする。一方、基準画素の特徴量を基準として大きい場合が、基準画素の特徴量よりも大きい場合を意味するときには、基準画素の特徴量を基準として小さい場合は、基準画素の特徴量以下を意味するものとする。
【００５０】
また、特徴量算出部２３３は、例えば、図１５に示すように、第２領域に含まれる各画素の位置毎の演算結果を構成要素とする特徴量を、識別処理に用いられる特徴量として算出する。また、特徴量算出部２３３は、特定対象物における複数の特徴点について変換を行い、複数の特徴点について、識別処理に用いられる特徴量を算出する。なお、特徴量の算出処理については、図１２乃至図１６を参照して詳細に説明する。また、特徴量算出部２３３は、特許請求の範囲に記載の変換部および算出部の一例である。
【００５１】
登録顔特徴量記憶部４００は、識別部２３４による識別処理に用いられる登録顔特徴量を記憶するものであり、記憶されている登録顔特徴量を識別部２３４に供給する。なお、登録顔特徴量記憶部４００の記憶内容については、図９および図１０を参照して詳細に説明する。
【００５２】
顔識別辞書記憶部５００は、識別部２３４による識別処理に用いられる顔識別辞書（統計学習辞書）を記憶するものであり、記憶されている顔識別辞書を識別部２３４に供給する。なお、顔識別辞書記憶部５００の記憶内容については、図１１を参照して詳細に説明する。
【００５３】
識別部２３４は、顔画像生成部３００により生成された顔画像に含まれる顔が、登録顔であるか否かを判定する顔判定処理（識別処理）を行うものである。そして、この判定結果（識別結果）を識別結果出力部２３５に出力する。
【００５４】
具体的には、識別部２３４は、登録顔特徴量記憶部４００に記憶されている登録顔特徴量を取得し、この登録顔特徴量と、特徴量算出部２３３により算出された特徴量とを、各特徴点について、構成要素毎に比較することにより識別処理を行う。この場合に、比較対象となる特徴点およびその要素は、顔識別辞書記憶部５００に記憶されている顔識別辞書により特定される。
【００５５】
すなわち、顔識別辞書記憶部５００には、特徴点に関する情報（特徴点識別情報）と、特徴量における位置と、閾値との組合せを複数含む同一形式の判定情報が１または複数記憶されている。識別部２３４は、その判定情報に含まれる複数の組合せに係る位置に対応する特徴量（特徴量算出部２３３により算出された特徴量）と、この位置に対応する登録顔特徴量とを比較して類似度（例えば、差分値）を算出する。そして、識別部２３４は、その算出された類似度と、その組合せに係る閾値との比較結果に基づいて、評価値（スコア）を算出し、このスコアに基づいて識別を行う。なお、識別部２３４による識別処理については、図１７を参照して詳細に説明する。
【００５６】
識別結果出力部２３５は、識別部２３４による識別結果をシーケンス制御部２１０に出力するものである。例えば、識別結果出力部２３５は、顔画像に含まれる顔が登録顔であると判定された判定結果が識別部２３４から出力された場合には、登録顔が検出された旨を示す登録顔検出情報をシーケンス制御部２１０に出力する。この登録顔検出情報には、例えば、検出された登録顔の画像における位置および大きさと、その顔の度合いを表すスコアとが含まれる。
【００５７】
［顔画像生成部の構成例］
図４は、本技術の第１の実施の形態における顔画像生成部３００の機能構成例を示すブロック図である。
【００５８】
顔画像生成部３００は、顔検出辞書記憶部３１０と、顔検出部３２０と、眼検出辞書記憶部３３０と、眼検出部３４０と、正規化部３５０とを備える。
【００５９】
顔検出辞書記憶部３１０は、顔検出部３２０による顔検出処理に用いられる顔検出辞書を記憶するものであり、記憶されている顔検出辞書を顔検出部３２０に供給する。
【００６０】
顔検出部３２０は、画像取得部２３１から出力された画像に含まれる人物の顔を検出するものであり、検出された顔に関する顔検出情報を眼検出部３４０に出力する。顔検出方法として、例えば、顔の輝度分布情報が記録されているテンプレートと実画像とのマッチングによる顔検出方法（例えば、特開２００４−１３３６３７参照。）、画像に含まれる肌色の部分や人間の顔の特徴量等に基づいた顔検出方法等を用いることができる。また、顔検出情報には、検出された顔を含む顔画像や、検出された顔の画像上における位置およびサイズが含まれる。なお、顔検出部３２０は、特許請求の範囲に記載の特定対象物検出部の一例である。
【００６１】
眼検出辞書記憶部３３０は、眼検出部３４０による眼検出処理に用いられる眼検出辞書を記憶するものであり、記憶されている眼検出辞書を眼検出部３４０に供給する。
【００６２】
眼検出部３４０は、顔検出部３２０により検出された顔の両眼を検出するものであり、検出された両眼に関する眼情報と、顔検出部３２０から出力された顔検出情報とを正規化部３５０に出力する。すなわち、眼検出部３４０は、画像取得部２３１から出力された画像に含まれる顔における両眼を検出する。この眼検出方法として、例えば、顔検出方法と同様に、眼の輝度分布情報が記録されているテンプレートと実画像とのマッチングによる眼検出方法等を用いることができる。また、眼情報には、検出された両眼の顔画像における位置が含まれる。この眼情報により、画像上における両眼の位置を特定することができる。この両眼の位置は、例えば、両眼の中心位置とすることができる。
【００６３】
正規化部３５０は、眼検出部３４０から出力された眼情報および顔検出情報に基づいて、画像取得部２３１から出力された画像に含まれる顔に関する顔画像を正規化するものであり、正規化された顔画像を特徴点検出部２３２および特徴量算出部２３３に出力する。例えば、正規化部３５０は、正規化テンプレートを用いて、顔検出部３２０により検出された顔画像について正規化を行う。この正規化テンプレートとして、例えば、図５（ｃ）に示すように、顔画像における両眼の位置を基準とする正規化テンプレート３５１を用いることができる。すなわち、正規化部３５０は、眼検出部３４０から出力された顔画像における両眼の位置が、正規化テンプレートにおける両眼の位置と合致するように、顔検出部３２０から出力された顔画像に回転処理および拡大縮小処理を施す。そして、正規化部３５０は、その顔画像に解像度変換（例えば、８０画素×８０画素）を施して正規化する。なお、顔画像の正規化については、図５を参照して詳細に説明する。
【００６４】
［顔画像生成例］
図５は、本技術の第１の実施の形態における顔画像生成部３００による顔画像の生成例を示す図である。
【００６５】
図５（ａ）には、撮像部１１２により生成された画像３６０を簡略化して示す。画像３６０には、３人の人物３６１乃至３６３が含まれているものとする。このように、撮像部１１２により生成された画像３６０について、顔検出部３２０が顔検出処理を行う。
【００６６】
図５（ｂ）には、顔検出部３２０による顔検出処理の検出結果を模式的に示す。すなわち、画像３６０において、顔検出部３２０により検出された顔を矩形３６４乃至３６６で囲んで示す。このように、顔検出部３２０により検出された顔（矩形３６４乃至３６６内の顔）について、眼検出部３４０が眼検出処理を行う。
【００６７】
図５（ｃ）には、眼検出部３４０による眼検出処理の検出結果と、正規化部３５０による正規化処理に用いられる正規化テンプレート３５１とを模式的に示す。図５（ｃ）では、顔検出部３２０により検出された顔（矩形３６４乃至３６６内の顔）のうち、人物３６３の顔（矩形３６６内の顔）について正規化処理を行う例のみを示すが、他の顔についても同様に正規化処理を行うことができる。
【００６８】
また、図５（ｃ）では、画像３６０から取り出された顔画像３７０において、眼検出部３４０により検出された目の位置を×印３７１および３７２で示す。なお、図５（ｃ）では、眼における中心位置を眼の位置とする例を示す。
【００６９】
正規化テンプレート３５１は、正規化部３５０が正規化処理を行う際に用いられるテンプレートであり、正規化を行う際に基準となる基準位置３５２および３５３が規定されている。また、正規化部３５０は、眼検出部３４０により検出された顔画像３７０における両眼の位置（×印３７１および３７２）が、正規化テンプレート３５１における基準位置３５２および３５３に合致するように、正規化処理を行う。すなわち、左右の眼間距離が一定となるように正規化処理が行われる。具体的には、正規化部３５０は、顔画像３７０を回転処理するとともに、顔画像の解像度を変換する。顔画像のサイズは、例えば、顔における特徴点を検出することができる程度のサイズとすることが好ましい。例えば、顔画像の解像度が８０画素×８０画素となるように解像度変換され、正規化顔画像が生成される。
【００７０】
図５（ｄ）には、正規化部３５０による正規化処理により生成された正規化顔画像３７５を簡略化して示す。
【００７１】
例えば、図５（ｄ）に示すように、顔画像３７０について解像度変換および回転処理がされると、正規化された顔画像（正規化顔画像３７５）が生成される。正規化顔画像３７５に含まれる人物３６３の顔の両眼の位置が、図５（ｃ）に示す正規化テンプレート３５１における基準位置３５２および３５３に合致している。
【００７２】
なお、基準位置としては、顔に含まれる両眼以外の他の器官の位置を用いるようにしてもよい。また、複数の器官の位置を、基準位置として用いるようにしてもよい。
【００７３】
［特徴点検出辞書記憶部の内容例］
図６は、本技術の第１の実施の形態における特徴点検出辞書記憶部２５０の記憶内容の一例を模式的に示す図である。
【００７４】
特徴点検出辞書記憶部２５０は、顔画像生成部３００により生成された顔画像に含まれる人物の顔における特徴点を検出するための特徴点検出辞書を記憶するものである。特徴点検出辞書記憶部２５０には、特徴点識別情報２５１および特徴点検出辞書２５２が関連付けて記憶されている。
【００７５】
特徴点識別情報２５１は、人物の顔における各特徴点を識別するための識別情報である。なお、本技術の第１の実施の形態では、検出対象となる特徴点をＫ個（例えば、Ｋ＝７０）とする例について説明する。
【００７６】
特徴点検出辞書２５２は、顔画像生成部３００により生成された顔画像に含まれる人物の顔における特徴点を検出するための情報である。すなわち、特徴点検出部２３２は、特徴点検出辞書２５２を用いて、顔画像生成部３００により生成された顔画像に含まれる人物の顔における特徴点を検出する。
【００７７】
例えば、特徴点検出方法として、顔検出方法および眼検出方法と同様に、各特徴点の輝度分布情報が記録されているテンプレートと実画像とのマッチングによる検出方法を用いることができる。このように、特徴点検出方法としてマッチングによる検出方法を用いる場合には、各特徴点の輝度分布情報が記録されているテンプレートが、特徴点検出辞書２５２として格納される。例えば、左眼の左側端部を特徴点として検出する際に用いられるテンプレート２５３、鼻の左側端部を特徴点として検出する際に用いられるテンプレート２５４、口の左側端部を特徴点として検出する際に用いられるテンプレート２５５等が格納される。このように、顔における特徴点として、目尻や鼻先等の個体差に依存しにくい器官の一部（端部等）等が用いられる。
【００７８】
［特徴点の検出例］
図７は、本技術の第１の実施の形態における特徴点検出部２３２により顔の特徴点を検出する場合における検出例を示す図である。図７（ａ）乃至（ｃ）には、特徴点の検出対象となる顔画像の遷移例（顔画像３８０乃至３８２）を示す。すなわち、図７（ａ）には、顔画像生成部３００により生成された顔画像３８０を示し、図７（ｂ）および（ｃ）には、顔画像３８０について縮小処理が施された顔画像３８１および３８２を示す。なお、顔画像３８０は、例えば、８０画素×８０画素の画像とすることができる。また、縮小処理は、例えば、前の画像を０．８３倍に縮小する縮小処理とすることができる。
【００７９】
例えば、顔画像３８０について特徴点を検出する場合には、図７（ａ）の左側に示すように、顔画像３８０の左上隅に取出枠３８５が配置され、取出枠３８５内に含まれる画像について、特徴点検出部２３２が特徴点検出処理（例えば、マッチング処理）を行う。続いて、取出枠３８５が右側方向（矢印３８６、３８７に示す方向）に１画素シフトされて、取出枠３８５内に含まれる画像について特徴点検出処理が行われる。
【００８０】
以降も同様にして、取出枠３８５が１画素ずつ右側方向に順次シフトされて、取出枠３８５内に含まれる画像について特徴点検出処理が順次行われる。そして、取出枠３８５が、顔画像３８０の右端の位置にシフトされて取出枠３８５内に含まれる画像について特徴点検出処理が行われると、取出枠３８５が１画素下側にシフトされるとともに顔画像３８０の左端に移動される。
【００８１】
続いて、顔画像３８０の左端に移動直後の取出枠３８５内に含まれる画像について特徴点検出処理が行われた後に、取出枠３８５が１画素ずつ右側方向に順次シフトされて、取出枠３８５内に含まれる画像について特徴点検出処理が順次行われる。
【００８２】
以降も同様に、取出枠３８５内に含まれる画像について特徴点検出処理が順次行われる。そして、図７（ａ）の右側に示すように、取出枠３８５が、顔画像３８０の右端および下端の位置にシフトされて取出枠３８５内に含まれる画像が取り出されると、顔画像３８０についての特徴点検出処理を終了する。
【００８３】
また、図７（ｂ）および（ｃ）に示す顔画像３８１および３８２（顔画像３８０について縮小処理が施された顔画像）についても同様に、特徴点検出処理が行われる。なお、図７（ｂ）および（ｃ）の左側の顔画像３８１および３８２では、取出枠３８５の最初の配置位置を示し、図７（ｂ）および（ｃ）の右側の顔画像３８１および３８２では、取出枠３８５の最後の配置位置を示す。ここで、取出枠３８５の最初の配置位置から最後の配置位置までの移動については、図７（ａ）に示す移動と同様である。また、取出枠３８５の大きさは、特徴点の検出対象となる顔画像のサイズにかかわらず一定である。そして、特徴点の検出対象となる顔画像のサイズが、一定サイズとなるまで、特徴点検出処理が行われる。
【００８４】
図８は、本技術の第１の実施の形態における特徴点検出部２３２による特徴点検出処理の対象となった顔画像３９０と、その特徴点検出処理の検出結果とを模式的に示す図である。図８に示す顔画像３９０は、図７（ａ）に示す顔画像３８０と同一であり、人物の顔３９１が含まれる。
【００８５】
また、図８には、顔画像３９０に含まれる顔３９１について検出された特徴点の位置を、太線の×印で模式的に示す。また、図８では、説明の容易のため、検出対象となる特徴点のうちの代表的な特徴点のみを示す。例えば、顔３９１における眼３９２、３９３、鼻３９４、口３９５、あご３９６等の顔の各パーツ（器官）における端部が特徴点として検出される。
【００８６】
このように、特徴点検出部２３２により検出された各特徴点について、特徴量算出部２３３が特徴量を算出する。
【００８７】
［登録顔特徴量記憶部の内容例］
図９は、本技術の第１の実施の形態における登録顔特徴量記憶部４００の記憶内容の一例を模式的に示す図である。
【００８８】
登録顔特徴量記憶部４００は、識別部２３４による識別処理の対象となる人物の顔（登録顔）に関する特徴量を記憶するものである。登録顔特徴量記憶部４００には、個人識別情報４０１と、氏名４０２と、登録顔情報４０３と、特徴量４０４とが関連付けて記憶されている。
【００８９】
個人識別情報４０１は、登録顔として登録されている人物を識別するための識別情報である。
【００９０】
氏名４０２は、登録顔として登録されている人物の氏名である。なお、氏名４０２には、氏名以外に、ニックネームや芸名等を格納するようにしてもよい。例えば、登録顔検出部２３０により登録顔が検出された場合には、氏名４０２に格納されている情報に基づいて、その検出された顔の人物に関する情報（氏名、ニックネーム等）を表示することができる。
【００９１】
登録顔情報４０３は、登録顔として登録されている人物の顔に関する情報である。登録顔情報４０３には、例えば、登録顔として登録されている人物の顔を含む画像（登録顔画像）が格納される。
【００９２】
特徴量４０４は、登録顔に関する特徴量（登録顔特徴量）である。なお、登録顔および特徴量の関係については、図１０を参照して詳細に説明する。
【００９３】
図１０は、本技術の第１の実施の形態における登録顔特徴量記憶部４００に記憶されている特徴量および登録顔の関係例を模式的に示す図である。
【００９４】
図１０（ａ）には、登録顔特徴量記憶部４００に特徴量が記憶されている人物に関する登録顔情報４０３の一例を示す。図１０（ａ）では、登録顔情報４０３として、図９に示す丙谷美子（個人識別情報４０１の＃１０２）の登録顔画像４１１を簡略化して示す。また、図１０（ａ）では、登録顔画像４１１における特徴点の一部を×印で模式的に示す。これらの特徴点は、特徴点検出部２３２により検出される特徴点に対応する。
【００９５】
図１０（ｂ）には、登録顔特徴量記憶部４００に記憶されている特徴量４０４の一例を示す。図１０（ｂ）では、特徴量４０４として、図１０（ａ）に示す登録顔画像４１１における各特徴点について算出された特徴量の一部を模式的に示す。
【００９６】
図１０（ｂ）に示すように、特徴量４１２は、登録顔画像４１１における特徴点単位で格納される。また、特徴量４１２は、特徴点毎に２４個（５×５−１）の要素により構成される。なお、特徴量４１２を構成する２４個の要素については、図１２乃至図１６を参照して詳細に説明する。
【００９７】
［顔識別辞書記憶部の内容例］
図１１は、本技術の第１の実施の形態における顔識別辞書記憶部５００の記憶内容の一例を模式的に示す図である。図１１（ａ）には、顔識別辞書記憶部５００の記憶内容の一例を示す。また、図１１（ｂ）には、図１１（ａ）に示す位置情報（ｘ，ｙ）５０２に対応するｘｙ座標を示す。
【００９８】
顔識別辞書記憶部５００は、顔画像生成部３００により生成された顔画像について識別処理を行うための判定情報である。また、顔識別辞書記憶部５００は、登録顔特徴量記憶部４００に特徴量が登録されている人物の顔（登録顔）を識別するための判定情報である。
【００９９】
顔識別辞書記憶部５００には、特徴点識別情報５０１と、位置情報（ｘ，ｙ）５０２と、閾値（ｔｈ）５０３と、スコア（α）５０４との組合せがＬ組格納されている。例えば、Ｌ＝１０００程度とすることができる。
【０１００】
特徴点識別情報５０１には、特徴点単位の特徴量のうち、比較対象となる特徴量に対応する特徴点の識別情報が格納される。例えば、特徴点識別情報５０１には、図１０（ｂ）に示す特徴点識別情報４１３のうち、比較対象となる特徴量に対応する特徴点の識別情報（＃０乃至＃（Ｋ−１））が格納される。
【０１０１】
位置情報（ｘ，ｙ）５０２には、比較対象となる特徴量の位置が格納される。例えば、位置情報（ｘ，ｙ）５０２には、特徴量（例えば、図１０（ｂ）に示す特徴量４１４）をｘｙ座標（平面座標）に対応させた場合において、このｘｙ座標の左上隅を原点とした場合における座標点（ｘ，ｙ）が格納される。
【０１０２】
ここで、特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２に格納される情報について説明する。例えば、図１１（ｂ）に示す矩形群５０５を構成する各矩形のうち、左上隅を原点とし、水平方向をｘ軸、垂直方向をｙ軸とする。この場合に、図１０（ｂ）に示す特徴量（矩形４１５で示す）の位置が、特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２に格納される場合を想定する。この場合には、特徴点識別情報５０１には「＃１」が格納され、位置情報（ｘ，ｙ）５０２のｘには「０」が格納され、ｙには「２」が格納される。
【０１０３】
閾値（ｔｈ）５０３には、比較対象となる２つの特徴量の差分値に関する閾値が格納される。この比較対象となる２つの特徴量は、特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される２つの特徴量（登録顔特徴量記憶部４００における特徴量（登録顔特徴量）、特徴量算出部２３３により算出された特徴量）である。
【０１０４】
スコア（α）５０４には、識別処理を行うためのスコアの算出に用いられる値が格納される。このスコアは、登録顔の度合いを表す評価値である。なお、これらの各値を用いて行われる登録顔の度合いを表すスコアの算出については、図１７を参照して詳細に説明する。
【０１０５】
また、これらの各値は、例えば、アダブースト（ＡｄａＢｏｏｓｔ）等の機械学習アルゴリズムにより学習されたもののうちで、最も効果的な上位１０００組の組合せを用いて設定される。この学習の対象となる画像として、例えば、登録顔が含まれている顔画像と、登録顔が含まれていない顔画像とを用いる。また、判定処理に用いられる顔識別辞書は、対象画像が登録顔を含むか否かを判定する際の判定基準のみに関するデータを保持する判定情報であり、画像そのものを保持するものではない。このため、記憶容量を削減することができるとともに、判定処理を迅速に行うことができる。なお、機械学習アルゴリズムとして、ＳＶＭ（Support Vector Machine）やＲｅａｌ ＡｄａＢｏｏｓｔ等を用いるようにしてもよい。
【０１０６】
［特徴量の算出例］
図１２は、本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出処理の対象となる顔画像と、この顔画像について特徴量を算出する際に用いられる対象領域とを簡略化して示す図である。なお、図１２（ａ）に示す顔画像３９０は、領域５１１を追加した点以外は、図８と同様である。
【０１０７】
図１２（ｂ）には、顔画像３９０における一部の領域（領域５１１）を拡大して示す。すなわち、領域５１１は、顔画像３９０において検出された特徴点５１０を含む矩形領域であり、特徴点５１０について特徴量を算出する際に用いられる領域である。なお、図１２（ｂ）では、領域５１１に含まれる各画素を矩形で模式的に示す。また、顔画像３９０は、例えば、８０画素×８０画素により構成される画像であり、顔画像３９０における領域５１１は、例えば、図１２（ｂ）に示すように、７画素×７画素により構成される領域である。
【０１０８】
図１３は、本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出の際に用いられる画素を模式的に示す図である。
【０１０９】
図１３（ａ）には、図１２（ｂ）に示す領域５１１に含まれる各画素を、その内部に識別番号１乃至４９を付して示す。なお、以下では、各画素について説明する場合には、その識別番号を付して説明する。例えば、図１２（ｂ）に示す特徴点５１０に対応する画素５１２は、図１３（ａ）に示す画素５である。また、特徴点周辺領域５２０に対応する矩形を太線で示す。ここで、特徴点周辺領域５２０は、特徴点を含むその周りの領域（ｍ画素×ｎ画素の領域（ｍ×ｎ領域））である。また、特徴点周辺領域５２０に含まれる各画素が、特徴量を算出する際に基準となる画素（基準画素）として順次選択される。
【０１１０】
例えば、画素１（矩形５２１で囲んで示す）が基準画素として選択された場合における特徴量算出例について説明する。画素１が基準画素として選択された場合には、画素１を中心とする矩形領域（Ｍ画素×Ｎ画素の領域（Ｍ×Ｎ領域））が、比較対象領域５２２として設定される。この比較対象領域５２２を図１３（ｂ）に示す。
【０１１１】
ここで、特徴点周辺領域（ｍ×ｎ領域）および比較対象領域（Ｍ×Ｎ領域）のパラメータ（Ｍ×Ｎ、ｍ×ｎ）は予め設定され、その設定されているパラメータが特徴量算出部２３３に保持されている。
【０１１２】
例えば、比較対象領域（Ｍ×Ｎ領域）として、検出対象となる特徴点の周辺における特徴的なテクスチャを十分に含んでいる範囲が設定される。また、特徴点周辺領域（ｍ×ｎ領域）として、顔における特徴点の検出誤差を網羅する領域が設定される。
【０１１３】
例えば、１ピクセルの誤差を含む検出精度により特徴点を検出する場合には、ｍ×ｎ＝３×３が設定される。また、２ピクセルの誤差を含む検出精度により特徴点検出をする場合には、ｍ×ｎ＝５×５が設定される。
【０１１４】
なお、特徴点検出の位置誤差が統計的に異方性を持つ場合には、位置誤差が発生しやすい方向へ異方性を持たせてもよい（例えば、ｍ×ｎ＝３×５）。また、検出誤差を網羅していれば、必ずしもｍ×ｎの矩形領域である必要は無く、特徴点を中心とした任意の形状としてよい。
【０１１５】
また、比較対象領域（Ｍ画素×Ｎ画素の領域（Ｍ×Ｎ領域））は、顔における特徴点の検出処理において誤差が発生すると想定される領域を含むものとし、誤差領域をカバーすることができれば、必ずしも矩形とする必要はなく、任意の形状領域とすることができる。これらについては、本技術の第２の実施の形態で示す。
【０１１６】
図１３（ｂ）には、図１３（ａ）に示す領域５１１における比較対象領域５２２のみを示す。また、基準画素（画素１）を太線で示す。ここで、特徴量算出部２３３は、比較対象領域５２２に含まれる各画素のうち、基準画素（画素１）の輝度成分（Ｙ成分）と他の画素の輝度成分とを順次比較して、基準画素（画素１）以外の画素を符号化する。例えば、基準画素（画素１）の輝度成分と、他の画素の輝度成分とを比較して、比較対象となった画像の輝度成分が基準画素（画素１）の輝度成分以上である場合には、その比較対象となった画像を「＋１」として符号化する。また、例えば、基準画素（画素１）の輝度成分と、他の画素の輝度成分とを比較して、比較対象となった画像の輝度成分が基準画素（画素１）の輝度成分未満である場合には、その比較対象となった画像を「−１」として符号化する。すなわち、次の式１を用いて、基準画素（画素１）以外の各画素ｆ（ｘ，ｙ）について符号化が行われる。
ｆ（ｘ，ｙ）＝＋１（ただし、Ｉ（ｘ，ｙ）≧Ｐである場合）
ｆ（ｘ，ｙ）＝−１（ただし、Ｉ（ｘ，ｙ）＜Ｐである場合） … 式１
【０１１７】
ここで、ｘ，ｙは、比較対象領域５２２における座標位置を意味する（すなわち、ｘ，ｙ∈｛比較対象領域５２２における座標｝）。また、Ｐは、基準画素（画素１）の輝度成分の値である。また、Ｉ（ｘ，ｙ）は、比較対象領域５２２における座標（ｘ，ｙ）の輝度成分の値である。
【０１１８】
このように、基準画素（画素１）以外の各画素について符号化された値（符号化情報５２５）を図１３（ｃ）に示す。
【０１１９】
図１３（ｃ）には、図１３（ｂ）に示す比較対象領域５２２において符号化された各画素（基準画素（画素１）以外の各画素）の値を符号化情報５２５として示す。なお、図１３（ｃ）では、対応する画素の矩形内に、符号化された値（「＋１」、「−１」）を付して示す。
【０１２０】
また、特徴点周辺領域５２０に含まれる他の画素（画素２乃至９）についても同様に符号化情報が生成される。すなわち、画素２乃至９が基準画素として順次選択され、基準画素について符号化情報が生成される。このように、特徴点周辺領域５２０に含まれる各画素（画素１乃至９）について算出された符号化情報の例を図１４に示す。
【０１２１】
図１４は、本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出の際に用いられる比較対象領域と、この比較対象領域について算出された符号化情報との関係を模式的に示す図である。
【０１２２】
図１４（ａ）には、特徴点周辺領域５２０に含まれる画素１について符号化情報を算出する際に用いられる比較対象領域５２２と、特徴点周辺領域５２０に含まれる画素１について算出された符号化情報５２５とを示す。なお、図１４（ａ）に示す比較対象領域５２２および符号化情報５２５は、図１３（ｂ）に示す比較対象領域５２２と、図１３（ｃ）に示す符号化情報５２５と同一である。
【０１２３】
図１４（ｂ）には、特徴点周辺領域５２０に含まれる画素２について符号化情報を算出する際に用いられる比較対象領域５３１と、特徴点周辺領域５２０に含まれる画素２について算出された符号化情報５３２とを示す。
【０１２４】
図１４（ｃ）には、特徴点周辺領域５２０に含まれる画素９について符号化情報を算出する際に用いられる比較対象領域５３５と、特徴点周辺領域５２０に含まれる画素９について算出された符号化情報５３６とを示す。
【０１２５】
なお、図１４に示す比較対象領域５２２、５３１、５３５における基準画素については、太線で囲んで示す。また、図１４に示す符号化情報５２５、５３２、５３６における基準画素の位置に対応する矩形については、白抜き矩形として太線で囲んで示す。なお、図１４では、特徴点周辺領域５２０に含まれる画素３乃至８に関する比較対象領域および符号化情報の図示を省略する。
【０１２６】
このように、特徴点周辺領域５２０に含まれる各画素（画素１乃至９）について符号化情報が算出される。このように算出された各符号化情報について、特徴量算出部２３３が加算処理を行うことにより特徴量を算出する。この例を図１５に示す。
【０１２７】
図１５は、本技術の第１の実施の形態における特徴量算出部２３３により算出された各符号化情報と、これらの符号化情報の加算処理により算出された特徴量との関係を模式的に示す図である。
【０１２８】
図１５（ａ）には、特徴点周辺領域５２０に含まれる各画素（画素１乃至９）について算出された符号化情報５２５、５３２、５３６を示す。なお、符号化情報５２５、５３２、５３６は、図１４（ａ）乃至（ｃ）と同様である。また、図１５（ａ）では、図１４と同様に、特徴点周辺領域５２０に含まれる画素３乃至８に関する符号化情報の図示を省略する。
【０１２９】
図１５（ｂ）には、特徴点周辺領域５２０に含まれる各画素（画素１乃至９）について算出された符号化情報の加算処理により算出された特徴量５４０を模式的に示す。すなわち、特徴点周辺領域５２０に含まれる各画素（画素１乃至９）について算出された９つの符号化情報の各要素（２４個）の値（「＋１」または「−１」）が、要素毎に順次加算されることにより、特徴量５４０が算出される。すなわち、符号化情報におけるｘｙ座標において、同一要素の値（９個の値）を順次加算することにより、その要素における値が算出される。例えば、特徴量５４０を構成する要素５４１の値については、特徴量５４０に対応するｘｙ座標において、要素５４１の位置と同一の位置（例えば、点線の矩形５４２乃至５４４で示す）の値を順次加算することにより算出される。すなわち、次の式２を用いて、特徴量を構成する各要素Ｆ（ｘ，ｙ）が算出される。
【数１】
【０１３０】
ここで、ｘ，ｙは、比較対象領域（Ｍ×Ｎ領域）における座標位置を意味する（すなわち、ｘ，ｙ∈｛比較対象領域（Ｍ×Ｎ領域）における座標｝）。また、ｘ'，ｙ'は、特徴点周辺領域（ｍ×ｎ領域）における座標位置を意味する（すなわち、ｘ'，ｙ'∈｛特徴点周辺領域（ｍ×ｎ領域）における座標｝）。ここで、９つの符号化情報の各要素（２４個）の値は、「＋１」または「−１」であるため、特徴量５４０を構成する各要素の値ａは一定の範囲内の値（−９≦ａ≦＋９）となる。
【０１３１】
また、他の特徴点についても同様に特徴量が算出される。すなわち、次の式３を用いて、各特徴点について、特徴量を構成する各要素Ｆ（ｋ，ｘ，ｙ）が算出される。
【数２】
【０１３２】
ここで、ｘ，ｙ、ｘ'，ｙ'は、式２と同様である。また、ｋは、特徴点識別情報を意味する（すなわち、ｋ＝０〜Ｋ−１）。
【０１３３】
また、各特徴点について算出される特徴量の例を図１６に示す。また、このように算出される特徴量については、ＧＨＦ（Gradient Histogram Feature）と称することができる。
【０１３４】
図１６は、本技術の第１の実施の形態における特徴量算出部２３３による特徴量算出処理の対象となる顔画像と、この顔画像における各特徴点について算出された特徴量との関係を模式的に示す図である。なお、図１６（ａ）に示す顔画像３９０は、図８と同様である。
【０１３５】
図１６（ｂ）には、顔画像３９０における各特徴点について算出された特徴量５４０、５４５、５４６を模式的に示す。なお、特徴量５４０は、図１５（ｂ）と同様である。また、特徴量５４５は、顔画像３９０における特徴点５１５について算出された特徴量であり、特徴量５４６は、顔画像３９０における特徴点５１６について算出された特徴量であるものとする。また、これらの関係を太線の矢印で結んで示す。なお、図１６では、特徴点５１０、５１５、５１６について算出された特徴量５４０、５４５、５４６以外の特徴量の図示を省略する。
【０１３６】
このように、特徴点検出部２３２が、顔画像生成部３００により生成された顔画像３９０において各特徴点を検出する。続いて、特徴量算出部２３３が、顔画像３９０において検出された各特徴点について特徴量を算出する。
【０１３７】
また、登録顔特徴量記憶部４００には、上述した算出処理により予め算出された特徴量が記憶されている（例えば、図１０（ｂ）に示す特徴量４１２）。
【０１３８】
このように各特徴点について算出された特徴量を用いて、識別部２３４が、識別処理を行う。この例を図１７に示す。
【０１３９】
［登録顔の識別例］
図１７は、本技術の第１の実施の形態における識別部２３４による識別処理に用いられるスコアを算出する場合における算出方法を模式的に示す図である。
【０１４０】
最初に、識別部２３４が、識別処理に用いられる２つの特徴量Ａ（ｉ）およびＢ（ｉ）を取得する。ここで、特徴量Ａ（ｉ）は、登録顔特徴量記憶部４００に記憶されている特徴量のうち、顔識別辞書記憶部５００の特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される特徴量を意味する。また、特徴量Ｂ（ｉ）は、特徴量算出部２３３により算出された特徴量のうち、顔識別辞書記憶部５００の特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される特徴量を意味する。なお、ｉは、顔識別辞書記憶部５００の各レコードを表す値であり、０≦ｉ≦Ｌ−１となる。
【０１４１】
続いて、識別部２３４が、取得された２つの値の差分値Ｄ（ｉ）を算出する。ここで、差分値Ｄ（ｉ）＝Ａ（ｉ）−Ｂ（ｉ）である。
【０１４２】
続いて、識別部２３４が、顔識別辞書記憶部５００の閾値（ｔｈ）５０３に格納されている閾値ｔｈ（ｉ）と、差分値Ｄ（ｉ）とを比較する。続いて、識別部２３４が、閾値ｔｈ（ｉ）と差分値Ｄ（ｉ）との比較結果に基づいて、弱仮説（Weak Learner）ｈ（ｉ）を算出する。具体的には、弱仮説ｈ（ｉ）は、次式を用いて算出される。
差分値Ｄ（ｉ）≦閾値ｔｈ（ｉ）であれば、弱仮説ｈ（ｉ）＝１
差分値Ｄ（ｉ）＞閾値ｔｈ（ｉ）であれば、弱仮説ｈ（ｉ）＝０
【０１４３】
また、ｈ（ｚ）は、ｚ＞０の場合には０となり、ｚ≦０の場合には１となる関数を表すものとする。
【０１４４】
続いて、識別部２３４が、算出された弱仮説ｈ（ｉ）と、スコア（α）５０４に格納されている値α（ｉ）とを乗算することにより、ｈ（ｉ）α（ｉ）を算出する。識別部２３４は、これらの算出処理を顔識別辞書記憶部５００の０行目から（Ｌ−１）行目まで繰り返し行い、ｈ（ｉ）α（ｉ）の合計値をスコアＳとして算出する。具体的には、スコアＳ（最終仮説）は、式４を用いて算出される。
【数３】
【０１４５】
続いて、識別部２３４が、式４により算出されたスコアＳに基づいて、顔画像に含まれる顔が登録顔であるか否かを判定する。具体的には、スコアＳが閾値Ｓ１以上である場合には、顔画像に含まれる顔が登録顔であると判定される。一方、スコアＳが閾値Ｓ１未満である場合には、顔画像に含まれる顔が登録顔ではないと判定される。なお、閾値Ｓ１については、固定値を用いるようにしてもよく、登録顔に応じて変更するようにしてもよい。すなわち、スコアＳと比較する閾値Ｓ１については、適宜調整することができる。また、差分値Ｄ（ｉ）については、ゲイン係数等を用いて調整するようにしてもよい。
【０１４６】
次に、具体的な計算方法について説明する。
【０１４７】
ここで、図１７（ａ）乃至（ｃ）では、その左側に登録顔特徴量記憶部４００に記憶されている特徴量６０１、６１１、６２１を示し、その右側に特徴量算出部２３３により算出された特徴量６０２、６１２、６２２を示す。また、図１７（ａ）乃至（ｃ）では、識別部２３４による識別処理に用いられる２つの特徴量に対応する領域を、太線の矩形で囲んで示す。
【０１４８】
最初に、判定を行うためのスコアＳの値に０がセットされる。そして、図１７（ａ）に示すように、顔識別辞書記憶部５００の０行目に格納されている各値を用いた演算が行われる。具体的には、顔識別辞書記憶部５００の０行目の特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される２つの特徴量が取得される。ここで、登録顔特徴量記憶部４００から取得された特徴量をＡ（０）とし、特徴量算出部２３３により算出された特徴量をＢ（０）とする。そして、次式を用いて、差分値Ｄ（０）が算出される。
Ｄ（０）＝Ａ（０）−Ｂ（０）
【０１４９】
例えば、点線の矩形６０３に示すように、差分値Ｄ（０）が算出される。
【０１５０】
続いて、算出された差分値Ｄ（０）と、顔識別辞書記憶部５００の０行目に格納されている閾値（ｔｈ）５０３の閾値ｔｈ（０）とが比較される。そして、閾値ｔｈ（０）と差分値Ｄ（０）との比較結果に基づいて、弱仮説ｈ（０）が算出される。なお、弱仮説ｈ（０）は、上述した式を用いて算出される。
【０１５１】
続いて、算出された弱仮説ｈ（０）と、顔識別辞書記憶部５００の１行目に格納されているスコア（α）５０４の値α（０）とを乗算することにより、ｈ（０）α（０）が算出される。そして、算出されたｈ（０）α（０）がスコアＳに加算される。
【０１５２】
続いて、顔識別辞書記憶部５００の１行目に格納されている各値を用いて、上述した各演算を繰り返す。具体的には、図１７（ｂ）に示すように、顔識別辞書記憶部５００の１行目に格納されている各値を用いた演算（差分値Ｄ（１）の算出（点線の矩形６１３）、弱仮説ｈ（１）の算出、ｈ（１）α（１）の算出、スコアＳの算出）が行われる。
【０１５３】
続いて、顔識別辞書記憶部５００の２行目から（Ｌ−１）行目までに格納されている各値を順次用いて、上述した各演算を繰り返す。そして、顔識別辞書記憶部５００の（Ｌ−１）行目に格納されている各値を用いた各演算が終了した後に、スコアＳが閾値Ｓ１以上であるか否かが判断される。
【０１５４】
例えば、上述の機械学習アルゴリズムによって学習時における登録顔識別成功の学習サンプルを正側とし、登録顔識別失敗時の学習サンプルを負側として学習した場合を想定する。この場合において、顔識別辞書記憶部５００の０乃至（Ｌ−１）行目に格納されている各値を用いた各演算の終了後におけるスコアＳが閾値Ｓ１以上である場合には、顔画像に登録顔が含まれていると判定される。一方、各演算の終了後におけるスコアＳが閾値Ｓ１未満である場合には、顔画像に登録顔が含まれていないと判定される。
【０１５５】
ここで、撮像部１１２により生成される画像が表示部１７０に表示されている場合（いわゆる、スルー画像の表示）を想定する。この場合において、例えば、識別部２３４による識別処理の検出結果として、顔画像に含まれる顔が登録顔であると判定された場合には、その検出結果をその登録顔に関連付けて表示部１７０に表示させることができる。例えば、その検出結果として、その登録顔の少なくとも一部を囲むように枠を付して表示部１７０に表示させることができる。
【０１５６】
また、この検出結果に基づいて、例えば、カメラパラメータ制御部２２０が、その登録顔に最適なカメラパラメータを決定することができる。例えば、その登録顔を綺麗にするようにカメラパラメータを設定することができる。例えば、画像における登録顔の位置をＡＦエリア（距測エリア）として設定してオートフォーカス制御を行う。また、登録顔について最適な撮影条件となるように、ホワイトバランス、カラーバランス、露出等のオート制御を行う。
【０１５７】
［撮像装置の動作例］
次に、上述の実施の形態における撮像装置１００の動作について図面を参照して説明する。
【０１５８】
図１８は、本技術の第１の実施の形態における撮像装置１００による画像記録処理の処理手順の一例を示すフローチャートである。この例では、画像記録待機状態である場合に、画像を生成し、この画像について顔識別処理を行う例について説明する。
【０１５９】
最初に、画像記録待機状態であるか否かが判断される（ステップＳ９０１）。画像記録待機状態である場合には（ステップＳ９０１）、撮像部１１２が画像を生成し（ステップＳ９０２）、生成された画像について登録顔検出部２３０が登録顔検出処理を行う（ステップＳ９１０）。この登録顔検出処理については、図１９を参照して詳細に説明する。なお、この登録顔検出処理は各フレームに対して行うようにしてもよく、一定間隔毎のフレームに対して行うようにしてもよい。一方、画像記録待機状態でない場合には（ステップＳ９０１）、画像記録処理の動作を終了する。
【０１６０】
続いて、カメラパラメータ制御部２２０がカメラパラメータを決定する（ステップＳ９０３）。例えば、登録顔検出部２３０から登録顔検出情報が出力された場合には、カメラパラメータ制御部２２０が、検出された登録顔の画像における位置および大きさに基づいて、検出された登録顔に最適なカメラパラメータを決定する。続いて、シャッターボタンが押下されたか否かが判断され（ステップＳ９０４）、シャッターボタンが押下された場合には、生成された画像が静止画として記録部１５０に記録される（ステップＳ９０５）。一方、シャッターボタンが押下されない場合には（ステップＳ９０４）、画像記録処理の動作を終了する。
【０１６１】
図１９は、本技術の第１の実施の形態における撮像装置１００による画像記録処理の処理手順のうちの登録顔検出処理手順（図１８に示すステップＳ９１０の処理手順）を示すフローチャートである。
【０１６２】
最初に、顔画像生成部３００が、画像取得部２３１から出力された画像について、人物の顔を含む画像（顔画像）を生成する（ステップＳ９１１）。続いて、特徴点検出部２３２が、特徴点検出辞書記憶部２５０に記憶されている特徴点検出辞書を用いて、顔画像生成部３００により生成された顔画像に含まれる顔における特徴点を検出する（ステップＳ９１２）。
【０１６３】
続いて、特徴量算出部２３３が、顔画像生成部３００により生成された顔画像における各特徴点について特徴量を算出する特徴量算出処理を行う（ステップＳ９２０）。この特徴量算出処理については、図２０を参照して詳細に説明する。
【０１６４】
続いて、識別部２３４が、登録顔特徴量記憶部４００に特徴量が記憶されている登録顔のうちから、識別対象となる１つの登録顔を選択する（ステップＳ９１３）。続いて、この選択された登録顔（識別対象となる登録顔）に関連付けて記憶されている特徴量を用いて、顔画像生成部３００により生成された顔画像に含まれる顔が登録顔であるか否かを識別する識別処理が行われる（ステップＳ９４０）。この識別処理については、図２１を参照して詳細に説明する。
【０１６５】
続いて、識別処理（ステップＳ９４０）により、登録顔である旨の判定がされたか否かが判断される（ステップＳ９１４）。そして、登録顔である旨の判定がされた場合には、識別結果出力部２３５が、その判定結果（識別結果）をシーケンス制御部２１０に出力する（ステップＳ９１６）。
【０１６６】
また、登録顔である旨の判定がされない場合には（ステップＳ９１４）、登録顔特徴量記憶部４００に特徴量が記憶されている登録顔のうち、全ての登録顔について識別処理が終了したか否かが判断される（ステップＳ９１５）。そして、全ての登録顔について識別処理が終了した場合には（ステップＳ９１５）、識別結果出力部２３５が、その判定結果（識別結果）をシーケンス制御部２１０に出力する（ステップＳ９１６）。一方、全ての登録顔について識別処理が終了していない場合には（ステップＳ９１５）、ステップＳ９１３に戻り、登録顔特徴量記憶部４００に特徴量が記憶されている登録顔のうちから、新たな識別対象となる１つの登録顔が選択される。
【０１６７】
図２０は、本技術の第１の実施の形態における撮像装置１００による登録顔検出処理手順のうちの特徴量算出処理手順（図１９に示すステップＳ９２０の処理手順）を示すフローチャートである。
【０１６８】
最初に、特徴点ｋ（ｉ）（ただし、０≦ｉ≦Ｋ−１）が選択される（ステップＳ９２１）。続いて、特徴点ｋ（ｉ）について設定された特徴点周辺領域内の画素から基準画素Ｐが選択される（ステップＳ９２２）。続いて、基準画素Ｐについて設定された比較対象領域内の画素から比較対象画素Ｉが選択される（ステップＳ９２３）。
【０１６９】
続いて、比較対象画素Ｉの輝度成分が、基準画素Ｐの輝度成分以上であるか否かが判断される（ステップＳ９２４）。比較対象画素Ｉの輝度成分が、基準画素Ｐの輝度成分以上である場合には（ステップＳ９２４）、比較対象画素Ｉが「＋１」に符号化される（ステップＳ９２５）。一方、比較対象画素Ｉの輝度成分が、基準画素Ｐの輝度成分未満である場合には（ステップＳ９２４）、比較対象画素Ｉが「−１」に符号化される（ステップＳ９２６）。なお、ステップＳ９２４乃至Ｓ９２６は、特許請求の範囲に記載の変換手順の一例である。
【０１７０】
続いて、比較対象画素Ｉについて符号化された値（「＋１」または「−１」）が、特徴点ｋ（ｉ）について設定された特徴点周辺領域内の同一要素の値に加算される（ステップＳ９２７）。なお、ステップＳ９２７は、特許請求の範囲に記載の算出手順の一例である。
【０１７１】
続いて、基準画素Ｐについて設定された比較対象領域内の全ての画素について符号化が終了したか否かが判断され（ステップＳ９２８）、全ての画素について符号化が終了していない場合には、ステップＳ９２３に戻り、新たな比較対象画素Ｉが選択される。一方、全ての画素について符号化が終了した場合には（ステップＳ９２８）、特徴点ｋ（ｉ）について設定された特徴点周辺領域内の全ての画素が基準画素Ｐとして選択されたか否かが判断される（ステップＳ９２９）。
【０１７２】
特徴点ｋ（ｉ）について設定された特徴点周辺領域内の全ての画素が基準画素Ｐとして選択されていない場合には（ステップＳ９２９）、ステップＳ９２２に戻り、新たな基準画素Ｐが選択される。全ての画素が基準画素Ｐとして選択された場合には（ステップＳ９２９）、全ての特徴点について特徴量の算出が終了したか否かが判断される（ステップＳ９３０）。全ての特徴点について特徴量の算出が終了していない場合には（ステップＳ９３０）、ステップＳ９２１に戻り、新たな特徴点ｋ（ｉ）（ただし、０≦ｉ≦Ｋ−１）が選択される。全ての特徴点について特徴量の算出が終了した場合には（ステップＳ９３０）、特徴量算出処理の動作を終了する。
【０１７３】
図２１は、本技術の実施の形態における撮像装置１００による登録顔検出処理手順のうちの識別処理手順（図１９に示すステップＳ９４０の処理手順）を示すフローチャートである。
【０１７４】
最初に、スコアＳが「０」に初期化され（ステップＳ９４１）、変数ｉが「１」に初期化される（ステップＳ９４２）。続いて、顔識別辞書記憶部５００のｉ行目に格納されている特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される要素Ａ（ｉ）およびＢ（ｉ）の値が取得される（ステップＳ９４３）。ここで、要素Ａ（ｉ）は、登録顔特徴量記憶部４００から取得され、要素Ｂ（ｉ）は、特徴量算出部２３３により算出された特徴量のうちから取得される。
【０１７５】
続いて、取得された要素Ａ（ｉ）およびＢ（ｉ）の値の差分値Ｄ（ｉ）が算出される（ステップＳ９４４）。続いて、顔識別辞書記憶部５００のｉ行目に格納されている閾値（ｔｈ）５０３の閾値ｔｈ（ｉ）と、算出された差分値Ｄ（ｉ）とが比較される（ステップＳ９４５）。そして、算出された差分値Ｄ（ｉ）が閾値ｔｈ（ｉ）以下である場合には（ステップＳ９４５）、弱仮説ｈ（ｉ）＝１と算出される（ステップＳ９４６）。一方、算出された差分値Ｄ（ｉ）が閾値ｔｈ（ｉ）よりも大きい場合には（ステップＳ９４５）、弱仮説ｈ（ｉ）＝０と算出される（ステップＳ９４７）。
【０１７６】
続いて、顔識別辞書記憶部５００のｉ行目に格納されているスコア（α）５０４の値α（ｉ）と、算出された弱仮説ｈ（ｉ）とが乗算され、この乗算により求められた値ｈ（ｉ）α（ｉ）がスコアＳに加算される（ステップＳ９４８）。
【０１７７】
続いて、変数ｉに「１」が加算され（ステップＳ９４９）、変数ｉが（Ｌ−１）よりも大きいか否かが判断される（ステップＳ９５０）。変数ｉが（Ｌ−１）よりも大きくない場合には（ステップＳ９５０）、顔識別辞書記憶部５００の各行の値についての判定処理が終了していないため、ステップＳ９４３に戻り、判定処理を繰り返す（ステップＳ９４３乃至Ｓ９４９）。一方、変数ｉが（Ｌ−１）よりも大きい場合には（ステップＳ９５０）、顔識別辞書記憶部５００の各行の値についての判定処理が終了しているため、ステップＳ９５１に進み、スコアＳの値が、閾値Ｓ１以上であるか否かが判断される（ステップＳ９５１）。
【０１７８】
スコアＳの値が、閾値Ｓ１以上である場合には（ステップＳ９５１）、顔画像に含まれる顔は登録顔である判定される（ステップＳ９５２）。一方、スコアＳの値が、閾値Ｓ１未満である場合には（ステップＳ９５１）、顔画像に含まれる顔は登録顔ではないと判定される（ステップＳ９５３）。
【０１７９】
また、この例では、顔識別辞書記憶部５００の０行目から（Ｌ−１）行目までの各値を用いてスコアＳを算出した後に判定処理を行う例について説明した。しかしながら、例えば、顔識別辞書記憶部５００の各レコードに対応させて打切閾値を格納しておき、ステップＳ９４８で求められたスコアＳが、現在のレコードの打切閾値を下回った場合に、判定処理を打ち切るようにしてもよい。これにより、識別処理をさらに高速化することができる。
【０１８０】
以上では、特徴点検出部２３２により検出された全ての特徴点について、特徴量算出部２３３が、全ての要素を含む特徴量（ＧＨＦ）を算出する例を示した。ただし、識別部２３４による識別処理に用いられる特徴量の要素のみを算出するようにしてもよい。具体的には、顔識別辞書記憶部５００の特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される要素のみを、特徴量算出部２３３が算出するようにしてもよい。すなわち、特徴量算出部２３３は、第２領域に含まれる各画素の位置のうち、識別処理に用いられる特徴量に係る位置のみ変換を行い、第２領域に含まれる各画素の位置のうち、識別処理に用いられる特徴量に係る位置のみ、特徴量の演算を行う。
【０１８１】
例えば、特徴点周辺領域（ｍ×ｎ領域）を３画素×３画素とし（ｍ×ｎ＝３×３）、比較対象領域（Ｍ×Ｎ領域）を５画素×５画素とし（Ｍ×Ｎ＝５×５）、特徴点の数を７０とする（Ｋ＝７０）場合を想定する。例えば、全ての要素を含む特徴量（ＧＨＦ）を算出する場合には、（３×３）×（５×５−１）×７０＝１５１２０の要素の演算を行う必要がある。これに対して、顔識別辞書記憶部５００の特徴点識別情報５０１および位置情報（ｘ，ｙ）５０２により特定される要素のみを算出する場合には、Ｌ（例えば、１，０００程度）の要素のみの演算を行う。すなわち、全ての要素を含む特徴量（ＧＨＦ）を算出する場合と比較して、１／１５程度の演算のみでよい。このため、特徴量算出に係る演算量およびメモリ使用量を同時に削減することができる。
【０１８２】
［ガボア・フィルタおよびＬＢＰ（Local Binary Pattern）との比較例］
ここで、同一人物を識別する識別処理に用いられる特徴量として、「ガボア・フィルタ」および「ＬＢＰ」を比較対象として簡単に説明する。
【０１８３】
例えば、人物の顔識別処理に用いられる特徴量としてガボア・フィルタを用いる場合を想定する。例えば、ガボア・フィルタは、特定の周波数ｆと特定の角度θに選択性を持つ空間フィルタである。また、周波数ｆおよび角度θを段階的に変化させた組み合わせで複数のフィルタを構成し、得られるスカラ応答の組を「ガボア・ジェット」と呼ぶ。ガボア・フィルタを適用するフィルタ窓は、２４画素×２４画素等の固定サイズが用いられ、固定フィルタ窓内で有効なスカラ応答が得られる周波数ｆと角度θを選択する。例えば、５パターンの周波数ｆ、８パターンの角度θを用い、全４０パターンのガボア・フィルタを４５画素×３６画素の正規化済み顔画像の全画素について適用し、ガボア・ジェットを求めて特徴量とすることができる。
【０１８４】
この場合に、人物顔識別を行うための辞書作成時には、入力顔画像と登録顔画像の特徴量（ガボア・ジェット）を計算する。そして、顔画像の対応画素の特徴量類似度から、同一人物顔の判定に有利なガボア・フィルタ応答を統計学習（Ａｄａ ｂｏｏｓｔ）により選択し、辞書を作成する。
【０１８５】
また、識別処理時には、学習済みの統計辞書を参照して、特定の画素、周波数ｆ、角度θのガボア・フィルタ応答を計算し、その応答差分値から同一人物顔の類似スコアを算出する。例えば、ガボア・フィルタの計算を行う際に、ガボア・フィルタ応答を公式から直接計算すると、三角関数を含む等の要因により演算が遅くなる。
【０１８６】
このため、事前に決定したパターンの周波数ｆ・角度θに対して、ガボア・フィルタ応答を計算するフィルタ係数集合を用意し、その係数集合を顔画像に乗算することにより、フィルタ応答を求める方法が一般に用いられている。この場合には、フィルタ係数集合をテーブル化しておく必要があるため、メモリ消費量が増える。
【０１８７】
また、ガボア・フィルタの演算を高速化するために、フィルタ窓サイズを小さくすると、フィルタ窓内のテクスチャ自体が、全てのパターンの周波数ｆを表現することができずに、有効なフィルタ応答が得られなくなる。このため、２４画素×２４画素程度のフィルタ窓サイズが一般に用いられ、演算高速化のために９画素×９画素等の小さなフィルタ窓を用いることは通常は無い。
【０１８８】
次に、人物の顔識別処理に用いられる特徴量としてＬＢＰを用いる場合を想定する。ＬＢＰは、局所テクスチャの回転情報を「０」または「１」の符号パターンに置き換え、注目画像領域における符号情報の発現頻度をヒストグラム化した特徴量である。
【０１８９】
ＬＢＰの計算方法は、例えば、注目画素を中央として、その周囲の外枠画素と中央画素との比較を行う。この比較結果に基づいて、外枠画素が中央画素以上の輝度であれば「１」、中央画素未満の輝度であれば「０」として符号化し、その結果得られた「０」「１」の符号パターンの数値をラベルとする。そして、注目画像領域の全ての画素についてＬＢＰを適用し、同一のラベルが何回発現したかをヒストグラム化したものがＬＢＰの特徴量となる。
【０１９０】
なお、ＬＢＰでは、「０→１」「１→０」の符号変化が２回以下の頻度で再現するラベルをＵｎｉｆｏｒｍ Ｐａｔｔｅｒｎと呼ぶ。Ｕｎｉｆｏｒｍ Ｐａｔｔｅｒｎは、それぞれ単一のラベルとしてカウントし、Ｕｎｉｆｏｒｍ Ｐａｔｔｅｒｎ以外のラベルをまとめてひとつのラベルとしてカウントする。
【０１９１】
このように、ＬＢＰを特徴量として用いる場合には、「０」「１」の符号パターンを求めた後、ラベル発現頻度をカウントするため、検出符号パターンと対応するラベルを探索する必要があり、その探索処理に時間かかる。
【０１９２】
また、画像自体にノイズが含まれ、符号パターン作成時の中央画素上にノイズがのった場合、異なる符号パターンが生成される可能性があり、ＬＢＰはノイズに影響を受けやすい特徴量であると考えられる。
【０１９３】
これに対して、本技術の第１の実施の形態では、識別処理を行う際に用いられる特徴量としてＧＨＦを用いる。このＧＨＦは、特徴量を算出する際における演算が、輝度の比較と加算のみであるため、高速に特徴量を求めることができる。すなわち、ガボア・フィルタおよびＬＢＰよりも高速に特徴量を求めることができる。
【０１９４】
例えば、ガボア・フィルタを用いる場合には、４５画素×３６画素の入力顔画像に対して、フィルタ窓のサイズが２４画素×２４画素程度とする必要がある。これに対して、特徴量（ＧＨＦ）は、８０画素×８０画素の入力顔画像に対して、１５画素×１５画素のフィルタ窓により有効な特徴を表現することができ、高速な演算が可能となる。
【０１９５】
また、特徴量（ＧＨＦ）を用いた識別処理の実行時には、ＡｄａＢｏｏｓｔを併用することにより、弱仮説数分の特徴量要素の特徴量のみを用いて、判定処理に用いられるスコアＳを算出することができ、高速演算が可能となる。
【０１９６】
また、特徴量（ＧＨＦ）による識別処理に用いられる辞書を作成する場合には、特徴量（ＧＨＦ）の演算自体が高速であるため、その辞書の作成時間を短縮させることができる。
【０１９７】
また、特徴量（ＧＨＦ）の演算は、基準画素とその周辺画素との比較演算と、符号化、同一要素の加算のみである。このため、ガボア・フィルタで使用するフィルタテーブルや、ＬＢＰで使用するラベルのテーブル等のテーブルデータ（すなわち、事前準備が必要なテーブルデータ）を用意する必要がなく、省メモリ化を実現することができる。
【０１９８】
また、特徴量（ＧＨＦ）自体が位置誤差を考慮した特徴量であるため、ガボア・フィルタやＬＢＰと比較して、特徴量（ＧＨＦ）は、顔パーツ検出の特徴点位置誤差に強い特徴量である。このため、入力画像にノイズを含み、特徴点検出に誤差が発生しやすい状況でも、精度良く識別処理を行うことができる。
【０１９９】
また、顔パーツ検出に利用するアルゴリズムを変更した場合でも、想定される検出誤差を吸収するように、特徴点周辺領域および比較対象領域のサイズや形態を変更することにより、容易に対処することができる。
【０２００】
また、特徴量（ＧＨＦ）を算出する場合には、基準画素との比較により、輝度情報を符号化（−１、＋１）するため、特徴量（ＧＨＦ）は、輝度変化の大小に左右されにくい特徴量である。このため、照明変化が生じる場合でも、ロバストな識別処理が可能となる。
【０２０１】
＜２．第２の実施の形態＞
本技術の第１の実施の形態では、特徴点周辺領域および比較対象領域として、一定サイズ（例えば、特徴点周辺領域（ｍ画素×ｎ画素）、比較対象領域（Ｍ画素×Ｎ画素））の領域を用いる例について説明した。ここで、例えば、人物の顔については、その特徴点に対応する部分毎に特徴的な範囲が異なることが多い。このため、特徴点周辺領域および比較対象領域については、そのサイズを特徴点毎に変更することが考えられる。そこで、本技術の第２の実施の形態では、特徴点周辺領域および比較対象領域のサイズを特徴点毎に変更する例について説明する。なお、本技術の第２の実施の形態における撮像装置の構成については、本技術の第１の実施の形態と略同様である。このため、本技術の第１の実施の形態と共通する部分については、同一の符号を付して、これらの説明の一部を省略する。
【０２０２】
［特徴点周辺領域（ｍ×ｎ領域）の設定例］
図２２および図２３は、本技術の第２の実施の形態における特徴量算出部２３３により特徴量を算出する際に用いられる特徴点周辺領域の設定例を示す図である。
【０２０３】
図２２には、人物の顔７００のアゴ先を特徴点７０１とする場合における特徴点周辺領域の設定例を示す。
【０２０４】
図２２（ａ）には、本技術の第１の実施の形態で示した特徴点周辺領域７０５（一定サイズ）を示す。すなわち、特徴点周辺領域７０５は、人物の顔７００のアゴ先の特徴点７０１を中心位置とする一定サイズ（例えば、５画素×５画素）の領域である。
【０２０５】
図２２（ｂ）には、図２２（ａ）に示す特徴点周辺領域７０５を、人物の顔７００の上下方向の上側に移動させた場合における特徴点周辺領域７０６を示す。すなわち、特徴点周辺領域７０６は、人物の顔７００のアゴ先の特徴点７０１の位置よりも上側（人物の顔７００の上下方向の上側）を中心位置とする一定サイズ（例えば、５画素×５画素）の領域である。図２２（ｂ）に示すように、特徴点周辺領域７０６の中心位置をアゴ先の特徴点７０１の位置よりも上方にずらした方が、顔に関してさらに多くのテクスチャ情報を含む特徴量を求めることができる。
【０２０６】
ここで、特徴点周辺領域（ｍ×ｎ領域）の面積は、特徴量の計算時間に比例する。このため、特徴点周辺領域（ｍ×ｎ領域）を小さくすることにより、特徴量の算出処理を高速化することができる。この例を図２２（ｃ）に示す。
【０２０７】
図２２（ｃ）には、図２２（ｂ）に示す特徴点周辺領域７０６を、人物の顔７００の左右方向のサイズを短くした場合における特徴点周辺領域７０７を示す。すなわち、特徴点周辺領域７０７は、人物の顔７００のアゴ先の特徴点７０１の位置よりも上側（人物の顔７００の上下方向の上側）を中心位置とし、サイズを変更した領域（例えば、５画素×３画素）である。図２２（ｃ）に示すように、特徴点周辺領域７０７の左右方向のサイズを短くし、テクスチャ情報の少ない領域を省略することができる。これにより、特徴点７０１の周辺領域において、必要なテクスチャ情報を効率的に用いて特徴量を算出することができる。
【０２０８】
図２３には、人物の顔７１０における右眼７１１の目頭を特徴点７１３とする場合における特徴点周辺領域の設定例を示す。
【０２０９】
図２３（ａ）には、人物の顔７１０を示す。また、図２３（ｂ）および（ｃ）には、図２３（ａ）に示す人物の顔７１０における右眼７１１を含む領域７１２を拡大して示す。
【０２１０】
図２３（ｂ）には、本技術の第１の実施の形態で示した特徴点周辺領域７１５（一定サイズ）を示す。すなわち、特徴点周辺領域７１５は、人物の顔７１０における右眼７１１の目頭の特徴点７１３を中心位置とする一定サイズ（例えば、５画素×５画素）の領域である。
【０２１１】
図２３（ｃ）には、図２３（ｂ）に示す特徴点周辺領域７１５を、人物の顔７１０の左右方向の右側に移動させた場合における特徴点周辺領域７１６を示す。すなわち、特徴点周辺領域７１６は、人物の顔７１０における右眼７１１の目頭の特徴点７１３の位置よりも右側（人物の顔７１０の左右方向の右側）を中心位置とする一定サイズ（例えば、５画素×５画素）の領域である。図２３（ｃ）に示すように、特徴点周辺領域７１６の中心位置を右眼７１１の目頭の特徴点７１３の位置よりも右方にずらした方が、目尻周辺の有効な特徴を取得することができる。
【０２１２】
［比較対象領域（Ｍ×Ｎ領域）の設定例］
図２４および図２５は、本技術の第２の実施の形態における特徴量算出部２３３により特徴量を算出する際に用いられる比較対象領域の設定例を示す図である。
【０２１３】
上述したように、比較対象領域として、顔における各部の特徴点の検出誤差を網羅する領域を設定する。例えば、１ピクセルの誤差を含む顔パーツ検出精度で特徴点検出をする場合には、Ｍ×Ｎ＝３×３を設定し、２ピクセルの誤差を含む顔パーツ検出精度で特徴点検出をする場合には、Ｍ×Ｎ＝５×５を設定することができる。なお、特徴点検出の位置誤差が統計的に異方性を持つ場合には、位置誤差が発生しやすい方向へ異方性を持たせてもよい（例えば、Ｍ×Ｎ＝３×５）。特徴点検出の位置誤差が異方性を持つ場合（例えば、人物の顔の場合）として、アゴ先の例（図２４に示す）および目の真横の輪郭点の例（図２５に示す）を示す。また、検出誤差を網羅している場合には、必ずしも矩形領域とする必要は無く、特徴点を基準とする任意の形状とすることができる。
【０２１４】
図２４には、人物の顔７２０のアゴ先を特徴点７２２とする場合における比較対象領域の設定例を示す。図２４（ａ）には、人物の顔７２０（アゴ先を特徴点７２２とする）を示す。図２４（ｂ）には、図２４（ａ）に示す特徴点７２２に対応する比較対象領域の設定例を示す。
【０２１５】
図２４（ａ）に示すように、アゴ先の特徴点７２２は、口７２１の動きに合わせて上下に移動するが、横の動作は生じにくい。このため、特徴点検出誤差は、上下方向に長い楕円形（例えば、特徴点７２２から延びる４本の矢印により特定される楕円形）となる。そこで、特徴点検出誤差に対応する楕円形（上下方向に長い楕円形）の領域をカバーするように比較対象領域を設定することができる。この例（比較対象領域７２５）を図２４（ｂ）に示す。
【０２１６】
図２５には、人物の顔７３０における眼の真横の輪郭点を特徴点７３１とする場合における比較対象領域の設定例を示す。図２５（ａ）乃至（ｃ）には、人物の顔７３０（眼の真横の輪郭点を特徴点７３１とする）の姿勢の遷移例を示す。図２５（ａ）には、正面向きの人物の顔７３０を示し、図２５（ｂ）には、左右方向において微小に左側を向いた場合における人物の顔７３０を示し、図２５（ｃ）には、左右方向において微小に右側を向いた場合における人物の顔７３０を示す。図２５（ｄ）には、図２５（ａ）乃至（ｃ）に示す特徴点７３１に対応する比較対象領域の設定例を示す。
【０２１７】
例えば、図２５（ｂ）または（ｃ）に示すように、人物の顔７３０が微小に左右方向を向いた場合に、同一人物判定を行う場合を想定する。この場合には、図２５（ａ）乃至（ｃ）に示すように、人物の顔７３０の輪郭点（特徴点７３１）は、統計的に左右方向に広い検出分布を持つことになる。このため、特徴点検出の検出誤差も、左右方向に広い異方性を持つことになる。
【０２１８】
このように、顔の姿勢によって特徴点検出誤差が異方性を持つ場合においても、検出誤差範囲に基づいて比較対象領域を設定することができる。すなわち、人物の顔７３０における眼の真横の輪郭点を特徴点７３１とする場合において、特徴量を求める場合には、図２５（ｄ）に示すように、左右方向に長い検出誤差範囲をカバーするように比較対象領域７３５を設定することができる。この例（比較対象領域７３５）を図２５（ｄ）に示す。
【０２１９】
図２４および図２５に示すように、人物の顔７２０のアゴ先を特徴点７２２とする場合における比較対象領域７２５として、矩形領域以外の領域（例えば、楕円形の領域）を設定することができる。また、人物の顔７３０における眼の真横の輪郭点を特徴点７３１とする場合における比較対象領域７３５として、矩形領域以外の領域（例えば、楕円形の領域）を設定することができる。すなわち、特徴量算出部２３３は、特定対象物における複数の特徴点に係る特徴点周辺領域のサイズおよび形態の少なくとも１つを特徴点に応じて変更して変換（符号化）を行うことができる。また、特徴量算出部２３３は、特定対象物における複数の特徴点に係る比較対象領域のサイズおよび形態の少なくとも１つを特徴点に応じて変更して変換（符号化）を行うことができる。
【０２２０】
このように各領域を設定することにより、特徴量の算出処理を高速化することができ、検出誤差に対処した特徴量を得ることができる。
【０２２１】
なお、本技術の実施の形態では、画像を構成する各画素の輝度（Ｙ）を用いて、識別処理を行うための特徴量を算出する例を示したが、各画素の他の特徴を用いて特徴量を算出するようにしてもよい。例えば、各画素の他の特徴として、ＲＧＢ、ＹＣｂＣｒ、ＨＳＶ（Hue Saturation Value）、色差等の要素（例えば、特徴量を演算する画像のカラーフォーマットの要素）をそのまま用いることができる。また、例えば、各要素のうちの１つの要素（例えば、ＲＧＢのうち１つのＲ）のみを用いるようにしてもよい。
【０２２２】
また、本技術の実施の形態では、人物の顔が特定人物の顔であるか否かを識別する場合について説明したが、他の対象物を識別する場合についても、本技術の実施の形態を適用することができる。例えば、猫や犬等のペットや動物、家、乗り物（車、バイク）等の様々な対象物について個体識別を行う場合に本技術の実施の形態を適用することができる。例えば、ペットを個体識別する場合は、色、模様、耳の形等の違いにより、人間を個人識別する場合よりも識別し易い。
【０２２３】
また、静止画および動画を撮像するデジタルビデオカメラ（例えば、カメラ一体型レコーダ）や撮像機能を備える携帯電話機の各種の情報処理装置に本技術の実施の形態を適用することができる。また、例えば、監視カメラに接続されて、人物の顔を識別する登録顔検出装置等の情報処理装置に本技術の実施の形態を適用することができる。
【０２２４】
なお、本技術の第１の実施の形態では、比較対象となる２つの特徴量（ＧＨＦ）の類似度として、２つの特徴量（ＧＨＦ）を構成する同一要素における差分値を用いて、識別処理を行う例を示した。この差分値は、最も簡単で高速演算が可能な類似度であるため、識別処理を迅速に行うことができる。ただし、他の類似度を弱仮説関数の入力に置き換えることも可能である。例えば、ヒストグラムの類似度に値するもの（例えば、Histogram intersection、Log-likelihood statistic、Chi square statistic）を、弱仮説関数の入力に置き換えることも可能である。
【０２２５】
なお、上述の実施の形態は本技術を具現化するための一例を示したものであり、実施の形態における事項と、特許請求の範囲における発明特定事項とはそれぞれ対応関係を有する。同様に、特許請求の範囲における発明特定事項と、これと同一名称を付した本技術の実施の形態における事項とはそれぞれ対応関係を有する。ただし、本技術は実施の形態に限定されるものではなく、その要旨を逸脱しない範囲において実施の形態に種々の変形を施すことにより具現化することができる。
【０２２６】
また、上述の実施の形態において説明した処理手順は、これら一連の手順を有する方法として捉えてもよく、また、これら一連の手順をコンピュータに実行させるためのプログラム乃至そのプログラムを記憶する記録媒体として捉えてもよい。この記録媒体として、例えば、ＣＤ（Compact Disc）、ＭＤ（MiniDisc）、ＤＶＤ（Digital Versatile Disk）、メモリカード、ブルーレイディスク（Blu-ray Disc（登録商標））等を用いることができる。
【０２２７】
なお、本技術は以下のような構成もとることができる。
（１） 画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、前記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、前記基準画素の特徴量と当該基準画素に係る前記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換部と、
前記基準画素毎に前記変換により求められた前記第２領域に含まれる各画素の値について前記第２領域に含まれる各画素の位置毎に演算を行うことにより前記特定対象物を識別する識別処理に用いられる特徴量を算出する算出部と
を具備する情報処理装置。
（２） 前記算出部は、前記第２領域に含まれる各画素の位置毎の演算結果を構成要素とする特徴量を前記識別処理に用いられる特徴量として算出する前記（１）記載の情報処理装置。
（３） 前記識別処理に用いられる特徴量と前記特定対象物とを関連付けて記憶する記憶部から取得された当該特徴量と前記算出された特徴量とについて、前記構成要素毎に比較することにより前記識別処理を行う識別部をさらに具備する前記（２）記載の情報処理装置。
（４） 前記変換部は、前記特定対象物における複数の特徴点について前記変換を行い、
前記算出部は、前記複数の特徴点について前記識別処理に用いられる特徴量を算出し、
前記識別部は、前記記憶部から取得された特徴量と前記算出された特徴量とを前記特徴点毎に比較することにより前記識別処理を行う
前記（３）記載の情報処理装置。
（５） 前記変換部は、前記基準画素の特徴量を基準として当該基準画素に係る前記第２領域に含まれる他の画素の特徴量が大きい場合には当該特徴量を第１の値に変換して、前記基準画素の特徴量を基準として当該基準画素に係る前記第２領域に含まれる他の画素の特徴量が小さい場合には当該特徴量を第２の値に変換する前記（１）から（４）のいずれかに記載の情報処理装置。
（６） 前記変換部は、前記第１の値および前記第２の値のうちの何れか一方を正値とし、他方を負値とする前記変換を行う前記（５）記載の情報処理装置。
（７） 前記算出部は、前記演算として加算を行うことにより前記識別処理に用いられる特徴量を算出する前記（１）から（６）のいずれかに記載の情報処理装置。
（８） 前記変換部は、前記特定対象物における複数の特徴点に係る前記第１領域のサイズおよび形態の少なくとも１つを前記特徴点に応じて変更して前記変換を行う前記（１）から（７）のいずれかに記載の情報処理装置。
（９） 前記変換部は、前記特定対象物における複数の特徴点に係る前記第２領域のサイズおよび形態の少なくとも１つを前記特徴点に応じて変更して前記変換を行う前記（１）から（８）のいずれかに記載の情報処理装置。
（１０） 前記変換部は、前記第２領域に含まれる各画素の位置のうち、前記識別処理に用いられる特徴量に係る位置のみ前記変換を行い、
前記識別部は、前記第２領域に含まれる各画素の位置のうち、前記識別処理に用いられる特徴量に係る位置のみ前記演算を行う
前記（１）から（９）のいずれかに記載の情報処理装置。
（１１） 前記画像に含まれる前記特定対象物を検出する特定対象物検出部と、
前記検出された特定対象物における前記特徴点を検出する特徴点検出部と、
前記識別処理に用いられる特徴量と前記特定対象物とを関連付けて記憶する記憶部から取得された当該特徴量と前記算出された特徴量とを用いて前記識別処理を行う識別部と
をさらに具備する前記（１）から（１１）のいずれかに記載の情報処理装置。
（１２） 前記特定対象物は、人物の顔であり、
前記特徴点は、前記顔に含まれる器官の少なくとも１つの端部であり、
前記識別処理は、前記検出された人物の顔が特定人物の顔であるか否かを識別する
前記（１）から（１１）のいずれかに記載の情報処理装置。
（１３） 画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、前記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、前記基準画素の特徴量と当該基準画素に係る前記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換手順と、
前記基準画素毎に前記変換により求められた前記第２領域に含まれる各画素の値について前記第２領域に含まれる各画素の位置毎に演算を行うことにより前記特定対象物を識別する識別処理に用いられる特徴量を算出する算出手順と
を具備する情報処理方法。
（１４） 画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、前記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、前記基準画素の特徴量と当該基準画素に係る前記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換手順と、
前記基準画素毎に前記変換により求められた前記第２領域に含まれる各画素の値について前記第２領域に含まれる各画素の位置毎に演算を行うことにより前記特定対象物を識別する識別処理に用いられる特徴量を算出する算出手順と
をコンピュータに実行させるプログラム。
【符号の説明】
【０２２８】
１００ 撮像装置
１１１ レンズ
１１２ 撮像部
１２０ システム制御部
１３０ 記憶装置部
１４０ 外部Ｉ／Ｆ部
１５０ 記録部
１６０ 操作入力部
１７０ 表示部
１８０ 音声出力部
２００ カメラ制御部
２１０ シーケンス制御部
２２０ カメラパラメータ制御部
２３０ 登録顔検出部
２３１ 画像取得部
２３２ 特徴点検出部
２３３ 特徴量算出部
２３４ 識別部
２３５ 識別結果出力部
２４０ 記憶装置Ｉ／Ｆ
２５０ 特徴点検出辞書記憶部
３００ 顔画像生成部
３１０ 顔検出辞書記憶部
３２０ 顔検出部
３３０ 眼検出辞書記憶部
３４０ 眼検出部
３５０ 正規化部
４００ 登録顔特徴量記憶部
５００ 顔識別辞書記憶部
【特許請求の範囲】
【請求項１】
画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、前記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、前記基準画素の特徴量と当該基準画素に係る前記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換部と、
前記基準画素毎に前記変換により求められた前記第２領域に含まれる各画素の値について前記第２領域に含まれる各画素の位置毎に演算を行うことにより前記特定対象物を識別する識別処理に用いられる特徴量を算出する算出部と
を具備する情報処理装置。
【請求項２】
前記算出部は、前記第２領域に含まれる各画素の位置毎の演算結果を構成要素とする特徴量を前記識別処理に用いられる特徴量として算出する請求項１記載の情報処理装置。
【請求項３】
前記識別処理に用いられる特徴量と前記特定対象物とを関連付けて記憶する記憶部から取得された当該特徴量と前記算出された特徴量とについて、前記構成要素毎に比較することにより前記識別処理を行う識別部をさらに具備する請求項２記載の情報処理装置。
【請求項４】
前記変換部は、前記特定対象物における複数の特徴点について前記変換を行い、
前記算出部は、前記複数の特徴点について前記識別処理に用いられる特徴量を算出し、
前記識別部は、前記記憶部から取得された特徴量と前記算出された特徴量とを前記特徴点毎に比較することにより前記識別処理を行う
請求項３記載の情報処理装置。
【請求項５】
前記変換部は、前記基準画素の特徴量を基準として当該基準画素に係る前記第２領域に含まれる他の画素の特徴量が大きい場合には当該特徴量を第１の値に変換して、前記基準画素の特徴量を基準として当該基準画素に係る前記第２領域に含まれる他の画素の特徴量が小さい場合には当該特徴量を第２の値に変換する請求項１記載の情報処理装置。
【請求項６】
前記変換部は、前記第１の値および前記第２の値のうちの何れか一方を正値とし、他方を負値とする前記変換を行う請求項５記載の情報処理装置。
【請求項７】
前記算出部は、前記演算として加算を行うことにより前記識別処理に用いられる特徴量を算出する請求項１記載の情報処理装置。
【請求項８】
前記変換部は、前記特定対象物における複数の特徴点に係る前記第１領域のサイズおよび形態の少なくとも１つを前記特徴点に応じて変更して前記変換を行う請求項１記載の情報処理装置。
【請求項９】
前記変換部は、前記特定対象物における複数の特徴点に係る前記第２領域のサイズおよび形態の少なくとも１つを前記特徴点に応じて変更して前記変換を行う請求項１記載の情報処理装置。
【請求項１０】
前記変換部は、前記第２領域に含まれる各画素の位置のうち、前記識別処理に用いられる特徴量に係る位置のみ前記変換を行い、
前記識別部は、前記第２領域に含まれる各画素の位置のうち、前記識別処理に用いられる特徴量に係る位置のみ前記演算を行う
請求項１記載の情報処理装置。
【請求項１１】
前記画像に含まれる前記特定対象物を検出する特定対象物検出部と、
前記検出された特定対象物における前記特徴点を検出する特徴点検出部と、
前記識別処理に用いられる特徴量と前記特定対象物とを関連付けて記憶する記憶部から取得された当該特徴量と前記算出された特徴量とを用いて前記識別処理を行う識別部と
をさらに具備する請求項１記載の情報処理装置。
【請求項１２】
前記特定対象物は、人物の顔であり、
前記特徴点は、前記顔に含まれる器官の少なくとも１つの端部であり、
前記識別処理は、前記検出された人物の顔が特定人物の顔であるか否かを識別する
請求項１記載の情報処理装置。
【請求項１３】
画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、前記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、前記基準画素の特徴量と当該基準画素に係る前記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換手順と、
前記基準画素毎に前記変換により求められた前記第２領域に含まれる各画素の値について前記第２領域に含まれる各画素の位置毎に演算を行うことにより前記特定対象物を識別する識別処理に用いられる特徴量を算出する算出手順と
を具備する情報処理方法。
【請求項１４】
画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、前記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、前記基準画素の特徴量と当該基準画素に係る前記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換手順と、
前記基準画素毎に前記変換により求められた前記第２領域に含まれる各画素の値について前記第２領域に含まれる各画素の位置毎に演算を行うことにより前記特定対象物を識別する識別処理に用いられる特徴量を算出する算出手順と
をコンピュータに実行させるプログラム。
【請求項１】
画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、前記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、前記基準画素の特徴量と当該基準画素に係る前記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換部と、
前記基準画素毎に前記変換により求められた前記第２領域に含まれる各画素の値について前記第２領域に含まれる各画素の位置毎に演算を行うことにより前記特定対象物を識別する識別処理に用いられる特徴量を算出する算出部と
を具備する情報処理装置。
【請求項２】
前記算出部は、前記第２領域に含まれる各画素の位置毎の演算結果を構成要素とする特徴量を前記識別処理に用いられる特徴量として算出する請求項１記載の情報処理装置。
【請求項３】
前記識別処理に用いられる特徴量と前記特定対象物とを関連付けて記憶する記憶部から取得された当該特徴量と前記算出された特徴量とについて、前記構成要素毎に比較することにより前記識別処理を行う識別部をさらに具備する請求項２記載の情報処理装置。
【請求項４】
前記変換部は、前記特定対象物における複数の特徴点について前記変換を行い、
前記算出部は、前記複数の特徴点について前記識別処理に用いられる特徴量を算出し、
前記識別部は、前記記憶部から取得された特徴量と前記算出された特徴量とを前記特徴点毎に比較することにより前記識別処理を行う
請求項３記載の情報処理装置。
【請求項５】
前記変換部は、前記基準画素の特徴量を基準として当該基準画素に係る前記第２領域に含まれる他の画素の特徴量が大きい場合には当該特徴量を第１の値に変換して、前記基準画素の特徴量を基準として当該基準画素に係る前記第２領域に含まれる他の画素の特徴量が小さい場合には当該特徴量を第２の値に変換する請求項１記載の情報処理装置。
【請求項６】
前記変換部は、前記第１の値および前記第２の値のうちの何れか一方を正値とし、他方を負値とする前記変換を行う請求項５記載の情報処理装置。
【請求項７】
前記算出部は、前記演算として加算を行うことにより前記識別処理に用いられる特徴量を算出する請求項１記載の情報処理装置。
【請求項８】
前記変換部は、前記特定対象物における複数の特徴点に係る前記第１領域のサイズおよび形態の少なくとも１つを前記特徴点に応じて変更して前記変換を行う請求項１記載の情報処理装置。
【請求項９】
前記変換部は、前記特定対象物における複数の特徴点に係る前記第２領域のサイズおよび形態の少なくとも１つを前記特徴点に応じて変更して前記変換を行う請求項１記載の情報処理装置。
【請求項１０】
前記変換部は、前記第２領域に含まれる各画素の位置のうち、前記識別処理に用いられる特徴量に係る位置のみ前記変換を行い、
前記識別部は、前記第２領域に含まれる各画素の位置のうち、前記識別処理に用いられる特徴量に係る位置のみ前記演算を行う
請求項１記載の情報処理装置。
【請求項１１】
前記画像に含まれる前記特定対象物を検出する特定対象物検出部と、
前記検出された特定対象物における前記特徴点を検出する特徴点検出部と、
前記識別処理に用いられる特徴量と前記特定対象物とを関連付けて記憶する記憶部から取得された当該特徴量と前記算出された特徴量とを用いて前記識別処理を行う識別部と
をさらに具備する請求項１記載の情報処理装置。
【請求項１２】
前記特定対象物は、人物の顔であり、
前記特徴点は、前記顔に含まれる器官の少なくとも１つの端部であり、
前記識別処理は、前記検出された人物の顔が特定人物の顔であるか否かを識別する
請求項１記載の情報処理装置。
【請求項１３】
画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、前記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、前記基準画素の特徴量と当該基準画素に係る前記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換手順と、
前記基準画素毎に前記変換により求められた前記第２領域に含まれる各画素の値について前記第２領域に含まれる各画素の位置毎に演算を行うことにより前記特定対象物を識別する識別処理に用いられる特徴量を算出する算出手順と
を具備する情報処理方法。
【請求項１４】
画像に含まれる特定対象物における特徴点とその周囲とを含む領域を第１領域とし、前記第１領域に含まれる１つの画素を基準画素とした場合における当該基準画素とその周囲の画素とを含む領域を第２領域として、前記基準画素の特徴量と当該基準画素に係る前記第２領域に含まれる他の画素の特徴量との比較結果に基づいて当該他の画素の特徴量を当該第２領域に含まれる画素毎に変換する変換手順と、
前記基準画素毎に前記変換により求められた前記第２領域に含まれる各画素の値について前記第２領域に含まれる各画素の位置毎に演算を行うことにより前記特定対象物を識別する識別処理に用いられる特徴量を算出する算出手順と
をコンピュータに実行させるプログラム。
【図１】
【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１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【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１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【公開番号】特開２０１２−１９８７８１（Ｐ２０１２−１９８７８１Ａ）
【公開日】平成２４年１０月１８日（２０１２．１０．１８）
【国際特許分類】
【出願番号】特願２０１１−６２７３６（Ｐ２０１１−６２７３６）
【出願日】平成２３年３月２２日（２０１１．３．２２）
【出願人】（０００００２１８５）ソニー株式会社 (34,172)
【Ｆターム（参考）】
【公開日】平成２４年１０月１８日（２０１２．１０．１８）
【国際特許分類】
【出願日】平成２３年３月２２日（２０１１．３．２２）
【出願人】（０００００２１８５）ソニー株式会社 (34,172)
【Ｆターム（参考）】
[ Back to top ]