[发明专利]图像处理装置、信息生成装置、图像处理方法、信息生成方法、控制程序及记录介质

说明书

技术领域

本发明涉及一种用于检测眼、嘴等物体的轮廓点、特征点等的部位点的图像处理装置、信息生成装置、图像处理方法、信息生成方法、控制程序及记录介质。

背景技术

由于从脸部图像中检测眼、嘴的轮廓点的技术能够应用在用于认证脸部或推断表情的前段处理、生成肖像画等的应用程序等，所以，以往人们一直积极地研究这项技术。

例如，在专利文献1中记载了如下的技术：将用户指定的眼、嘴等的中心点作为中心，来设定眼、嘴等的探索范围，在所设定的探索范围内进行扫描，基于颜色成分等，来提取眼区域、嘴区域等。另外，在专利文献1中记载了如下的技术：确定所提取的眼区域、嘴区域等左右的端点，基于左右的端点，设定用于探索眼区域、嘴区域等的上下的端点的探索范围，提取上下的端点。

另外，在专利文献2中记载了如下的技术：在提取眼的轮廓点的情况下，以眼左右的端点为基准点，基于基准点，拟合（fitting）动态的轮廓模型，利用能量最小化的方法来提取眼的轮廓点。

另外，作为根据脸部图像来检测眼、嘴的轮廓点的方法，有基于形状模型或纹理模型的拟合方法。具体来说，有非专利文献1、2及专利文献3、4所述的ASM（Active Shape Model：主动形状模型）、AAM（Active Appearance Model：主动外观模型）、ASAM（Active Structure Appearance Model：主动结构外观模型）等的拟合方法。

ASM、AAM及ASAM的形状模型，是以很少的参数来表现脸部的形状、纹理的模型。这些模型对脸部特征点坐标信息、纹理信息应用主成分分析，在由此得到的基础向量中，仅利用特征值大的基础向量来表现脸部的特征点坐标。由此，不仅能够利用很少的数据表现脸部的形状，还能够保证保持脸部的形状的约束条件。ASM及AAM通过能量最小化使其模型与脸部图像拟合，ASAM通过模型参数误差计算使其模型与脸部图像拟合，由此，检测脸部的特征点坐标。

现有技术文献

专利文献

专利文献1：日本国公开专利公报“日本特开平9-6964号公报（1997年1月10日公开）”

专利文献2：日本国公开专利公报“日本特开2005-339288号公报（2005年12月8日公开）”

专利文献3：日本国公开专利公报“专利第4093273号公报（2008年6月4日发行）”

专利文献4：日本国公开专利公报“专利第4501937号公报（2010年7月14日发行）”

非专利文献

非专利文献1：T.F.Cootes,et al，“Active Shape Models-Their Training and Application”，CVIU、Vol.6，No.1，p.38-59，1995年

非专利文献2：T.F.Cootes,et al，“Active appearance models”，ECCV’98Vol.II，Freiburg，Germany，1998年

发明内容

发明要解决的问题

通过嘴的形状、眼的形状或这些形状的组合等，使脸部的表情多样地变化，具有各种各样的变化状态。因此，难以完全预测到变化成各种各样的形状的眼、嘴等物体的形状状态。因此，上述的现有技术难以高精度地检测眼、嘴的轮廓点等的形状发生很大变化的物体的轮廓点。

具体来说，在专利文献1所述的技术中，在眼、嘴等的形状发生预想不到的变化，而导致眼、嘴等的轮廓点都超出探索范围的情况下，不能准确地检测轮廓点。另一方面，在为了覆盖多样的嘴的形状、眼的形状，而设定了广泛的探索范围的情况下，利用专利文献1所述的技术在探索范围内通过扫描来进行检测，因此，处理负担变得非常大。因此，在专利文献1所述的技术中，设定广泛的探索范围并不实用。因此，专利文献1所述的技术难以高精度地形状发生很大变化的物体的轮廓点。

另外，在专利文献2所述的技术中，在物体的形状与所使用的动态的轮廓模型有偏差的情况下，提取物体的轮廓点需要花费非常多的时间，或者，不能够提取准确的轮廓点。另一方面，在为了覆盖多样的嘴的形状、眼的形状，而准备了各种各样的模型的情况下，虽然轮廓点的提取的精度上升，但装置事先存储的数据大小变大，或者处理负担变大。因此，在专利文献2所述的技术中，准备各种各样的模型并不实用。因此，专利文献2所述的技术难以高精度地形状发生很大变化的物体的轮廓点。