[发明专利]图像处理装置以及图像处理方法

说明书

本发明提供一种图像处理装置以及图像处理方法，用于计算从输入图像检测出的对象物的像的似然。图像处理装置(121)获取输入图像并根据检测算法来检测对象物(101)的像，其具有：机器学习器(2)，其根据至少一个所述对象物(101)的像的检测结果，使用从所述输入图像剪切出的多个局部图像来进行机器学习，计算所述对象物(101)的像的似然。

技术领域

本发明涉及对从输入图像检测出的对象物的像的似然进行计算的图像处理装置以及图像处理方法。

背景技术

以往，例如在使用图像处理装置从拍摄装置视野内的图像中检测特定对象物的像的情况下，在表示对象物的基准信息(一般情况下，称为模型模式(model pattern)或模板(template)等)与通过拍摄装置取得的输入图像之间进行特征量的匹配(matching)。然后，例如一般是在模型模式与对象物的像的一致度超过所指定的水准(阈值)时判断为对象物的检测成功。

这里，当使用的一致度阈值过低时，会将不适合的对象检测为对象物(误检测)，相反，当一致度阈值过高时，会不将想要检测的对象检测为对象物(未检测)。因此，例如由操作员一边多次重复检测一边试错来进行包含了一致度阈值的检测参数的调整。

以往例如日本特开2016-057918号公报公开了如下图像处理装置：使用多个学习用图像和区域教师数据来学习区域分割，以该学习到的结果为基础来进行区域分割，该区域分割的结果是，将可正确分割的区域与无法正确分割的区域组合，生成新的学习用图像，使用其重新来学习区域分割。

此外，以往例如日本特开2010-191772号公报公开了如下学习装置：将反映对象的正像图像(positive image)和没有反映对象的负像图像(negative image)作为生成用图像，从生成用图像提取特征点。并且，通过多个滤波器来对生成用图像进行过滤处理，取得多个过滤完成图像，针对特征点周边的各小区域根据过滤完成图像求出像素值统计量，然后，将求出的统计量作为特征点的特征量，学习能正确地识别识别对象。

并且，以往例如日本特开2016-062524号公报公开了如下数据处理系统：将输入图像分割成多个区域，对分割后的区域中的每一个区域附加教师标签，以切割区域内的图像而得的图像和教师标签为基础来进行学习，以学习到的模型为基础从图像中检测包含对象物在内的区域。

此外，以往例如日本专利第5234833号公报公开了如下表情识别装置：从图像数据中提取反映了与所指定的关键字相符的表情的人脸的区域，通过将从该区域取得的特征量输入到学习器来进行学习，由此，生成识别人脸表情的识别器。

并且，以往例如国际公开第2014/084218号公报公开了如下对象物检查装置：将输入图像分割成多个区域，如果在分割出的子区域没有反映对象物的一部分，则进行掩模(mask)，从进行了掩模的部分以外的部分提取特征，将其输入到学习器来进行学习，然后，通过可以进行学习的识别器来识别在图像内的特定区域中是否反映了对象物。

如上所述，例如包含模型模式与对象物的像的一致度阈值在内的检测参数的调整，例如通过操作员一边多次重复检测一边试错来进行。这里，一致度的定义例如依赖检测算法，换言之，只有某个检测算法使用的图像特性被用于一致度。例如，像广义霍夫变换那样，应用检测对象物的算法作为图像中边缘点的特征的情况下，根据边缘点的一致情况来计算一致度，但是有时即使边缘点一致当人观察时也会检测出明显不同的地方。

即，例如为了将检测参数调整成仅检测操作员想要的，就要花费时间。此外，在检测算法内计算出的一致度中，有时无法仅检测操作员想要的。此时想到了：根据检测算法的检测结果，重新计算似然(对象物的像是正确检测的概率或表示对象物的像的可信程度、成功检测的可能性)，使用该似然来判定是否检测出对象物。例如，有时优选对某处的特征增大权值，对其他处的特征减小权值来计算似然。并且，有时还可以是：优选使用检测算法所使用的特征以外的特征来计算(算出)似然。

发明内容