[发明专利]信息处理装置及信息处理方法

说明书

技术领域

本发明涉及一种使用级联连接的多个弱判别器(classifier)来处理数据的信息处理技术。

背景技术

近年来，提出了从图像数据中提取诸如人脸的特定对象的各种方法，并且投入实际使用。

在这些方法中，在Viola，P.& Jones，M.’s″Rapid Object Detection usinga Boosted Cascade of Simple Features″，(Proc.of Computer Vision andPattern Recognition，Dec.2001，IEEE Computer Society，pp.511-518)中所公开的方法因其高速性而受到关注(下文中，将该文献称为“文献1”)。该方法将由增强(boosting)学习算法生成的多个弱判别器组构成的判别器级联连接，并在对各个判别器执行终止判定的同时进行处理。注意，在例如Yoav Freund and Robert E.Schapire’s“A decision-theoreticgeneralization of on-line learning and an application to boosting”(inEurocolt’95，Computational Learning and Theory；Springer-Verlag，1995，pp.23-37)中公开了增强学习算法的细节。

图24示出了这种技术所使用的总体结构。2401至240n(其中，n是自然数)是通过学习生成的判别器(也称为“级”)，各个判别器由例如处理负荷低的多个矩形过滤器构成。由于这时使用的矩形过滤器中的各个的判别能力不是很高，因此将其通称为“弱判别器”。

图25是示出用于提取特定对象的矩形过滤器的图。2501a至2501c是要使用矩形过滤器进行提取的图像块的示例，其是从整个图像数据中切出的预定尺寸的部分图像。

此外，图26是表示要处理的图像数据的图。在该图中，2601表示要处理的一帧图像数据。此外，2602表示作为对要处理的一帧图像数据进行实际处理时使用的处理单位的处理块，处理块是尺寸与矩形过滤器2052a至2502c的尺寸相对应的部分图像。通过使用矩形过滤器2052a至2502c计算由白色区域和黑色区域表示的区域数据的总和之间的差，来提取部分图像内的局部区域的特征。

通过使用基于部分图像2602的预定步长依次扫描整个图像数据2601，并使用处理单位处理图像数据，来提取图像数据2601内的特定对象。

判别器2401至240n中的各个累积作为各矩形过滤器的确定结果的输出的评价值，并通过使用识别阈值进行阈值处理来确定是否存在特定对象。如上所述，将判别器2401至240n级联连接，仅当确定在处理单位的部分图像2602中存在特定对象时，各判别器使处理进入到后面的判别器。

以这种方式，所描述的方法在各判别器(也称为级)处确定处理单位的部分图像是特定对象，还是不是特定对象。在确定部分图像不是特定对象的情况下，立即结束计算。在实际图像数据中，经常在初期阶段确定部分图像不是特定对象，因此能够实现高速提取处理。

在此，考虑在嵌入式设备等中实现使用诸如在文献1中描述的方法提取特定对象的功能的情况。这种情况需要根据提取的目的以及嵌入式设备的计算性能来调整提取精度与提取处理速度之间的折衷(tradeoff)。

作为一个示例，可以给出在规格彼此不同的多个嵌入式设备中，作为公用设备安装通过硬件来实现的单元(或集成电路)的情况。在这种情况下，期望基于安装该单元的嵌入式设备的操作时钟、使用条件等，调整提取精度与提取处理速度之间的折衷。

此外，即使在相同的嵌入式设备中安装该单元时，也存在所需的提取精度及提取处理时间根据安装在嵌入式设备中的应用程序的类型而不同的情况。在这些情况下，如果能够调整提取精度与提取处理速度之间的折衷，则还能够将嵌入式设备的性能最优化。

传统上，通过降低要处理的图像数据的分辨率、加宽在基于部分图像扫描要处理的图像数据时使用的步长等来应对这些情况。例如，文献1公开了一种改变步长的方法。

然而，当应对诸如这些的情况时，存在不能灵活地实现提取精度与提取处理速度之间的折衷的问题。例如，当试着通过改变分辨率来控制提取处理速度时，需要将输入的图像数据的分辨率转换为相应的分辨率。还需要准备与各分辨率相对应的多个判别器。