[发明专利]图像处理设备和图像处理方法

说明书

技术领域

本发明涉及一种执行图像数据中的对象的识别处理的图像处理设备和图像处理方法。

背景技术

已知这样的技术：从图像检测是否存在人脸，并通过检测此人的脸部特征，来识别此人的脸部表情。

例如，已知这样的方法(例如，参见专利文献1)：从图像中提取与易于显现人的脸部表情的预定区域相对应的部分，计算所提取的部分的小波变换，以计算各频带的平均能量，并且基于与从无表情的脸部所获得的平均能量的差异，来检测脸部表情。另外，已知这样的方法(例如，参见专利文献2)：基于预先准备的无表情脸部和待识别脸部的特征量之间的差异，来检测识别脸部表情所需的预定特征的变化，并根据预定特征的变化来计算各种脸部表情的分值，以识别脸部表情。

然而，当利用上述技术时，由于诸如阴影、附属物等的影响，常常不能准确地检测识别处理中使用的特征。

因此，作为即使当这些影响发生时也能实现识别处理的技术，已经提出了下列技术。

下面的专利文献3的技术公开了以下方法。即，将整个的所输入的脸部图像划分成多个块，计算从这些块所获得的特征向量与从预先准备的所登记的图像组所获得的相应块的平均特征向量之间的距离，并针对各个块对特征向量进行加权。此后，基于加权后的特征向量来计算认证分值，从而执行认证处理。另外，下面的专利文献4的技术公开了这样的方法：在脸部部分检测技术中，通过对去除了诸如眼镜的具有闪亮反射表面的对象的反射图像的图像进行处理，来以高精度检测脸部部分。

[专利文献1]日本专利2840816

[专利文献2]日本特开2005-56388

[专利文献3]日本特开2003-323622 

[专利文献4]日本特开2002-352229

[专利文献5]日本特开2000-30065

[非专利文献1]Edgar Osuna，Robert Freund，Federico Girosi″Training Support Vector Machines：an Application to FaceDetection″Proceedings of CVPR′97，pp.130-136，1997

[非专利文献2]Yann LeCun and Yoshua Bengio″Convolutional Networks for Images，Speech，and Time Series″The Handbook of Brain Theory and Neural Networks，pp.255-258，1995

[非专利文献3]Watanabe，S.and Pakvasa，N.(1973).Subspace method of pattern recognition，Proceedings of 1stInternational Joint Conference of Pattern Recognition，pp.25-32

可以通过诸如眉毛、眼睛、嘴部、脸颊等的部分的运动的组合，来表示人的脸部表情。在识别脸部表情时，只设置易于显现表情运动的区域，并且在所设置的这些区域中进行分析，而不是仅将脸部区域划分成几个区域并在所有区域中执行分析，从而导致处理成本的降低。

依赖于脸部表情，各区域具有不同的重要等级(例如，当微笑时，嘴部周围的区域容易变化较大，而眼睛周围的区域不会变化如此大)。因此，期望根据待识别的脸部表情，对易于显现表情运动的、构成脸部的诸如眼睛、嘴部等的各部分，或者对在将脸部区域划分成多个区域时的各区域进行加权。

在对人进行认证时，将脸部划分成多个区域，只设置对个人认证重要的区域，并且只有所设置的区域需要进行分析。在这种情况下，从所设置的这些区域所获得的特征具有不同的重要等级。例如，相比于作为对人进行认证所需的特征的、从靠近眼睛和嘴部的区域中提取出的特征，从不包括器官的诸如脸颊的区域中提取出的特征通常具有较低的重要等级。

作为如上所述的设置识别脸部表情所需的区域的方法，例如，可以使用通过某方法提取眼睛和嘴部的位置，并使用这些位置来设置区域的方法。

然而，当由于被诸如太阳镜、胡须、阴影等物体遮挡而不能检测到眼睛和嘴部的位置时，也不能设置易于显现表情运动的区域。在这种情况下，不能检测到所有预定特征，因此不能识别脸部表情。即使当应用某种图像校正时，也不能很好地消除太阳镜、胡须、阴影等的影响。