專利名稱：頭部檢測方法、頭部檢測裝置、屬性判定方法、屬性判定裝置、程序、記錄介質(zhì)和屬性判定系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及一種頭部檢測方法、頭部檢測裝置、屬性判定方法、屬性判定裝置、程序、記錄介質(zhì)和屬性判定系統(tǒng)。
背景技術：
使用模式識別來檢測圖像中的人的技術通過檢測例如人臉的器官(例如，眼睛、鼻子和嘴)、頭部和皮膚顏色來實施(例如，參見專利文檔I)。在這種類型的對人的檢測中，一般而言，通過以下方式掃描來判定圖像是否是頭部等相對于待檢測圖像數(shù)據(jù)(原始圖像)細微地移動預定區(qū)域的圖像片。上述判定例如通過參考預先獲取的學習圖像來實現(xiàn)。
現(xiàn)有技術文檔[專利文檔][專利文檔I]日本專利No.381094
發(fā)明內(nèi)容
發(fā)明要解決的問題學習可以利用作為頭部圖像的正例的在圖像片中示出了預定位置和尺寸的頭部的圖像或者作為頭部圖像的反例的頭部的位置或尺寸不同于圖像片中的預定位置和尺寸的圖像來進行。例如，如圖7所示，原始圖像(待檢測圖像)70的尺寸可以漸變，掃描是針對每個尺寸進行的。在這種情況下，通過縮減原始圖像70的尺寸并移動圖像片71來搜索頭部，可以檢測到各種尺寸的頭部。然而，對于這種方法而言，除非逐漸地移動圖像片71，否則可能會錯過頭部，但是當細微地移動片時，用于檢測的處理時間將增加。此外，對于原始圖像的尺寸而言，除非逐步地縮減原始圖像的尺寸，否則可能會錯過頭部，但是當逐步地縮減原始圖像時，用于檢測的處理時間將增加。因此，本發(fā)明旨在提供一種快速而準確地檢測圖像中的頭部的頭部檢測方法、頭部檢測裝置、屬性判定方法、屬性判定裝置、程序、記錄介質(zhì)和屬性判定系統(tǒng)。解決問題的技術方案為了實現(xiàn)上述目的，本發(fā)明的頭部檢測方法使用預備的頭部檢測模型和確定的頭部檢測模型，其中預備的頭部檢測模型是利用作為正例的圖像和作為反例的圖像獲得的，作為正例的圖像中的每一個在預先規(guī)定的規(guī)定圖像區(qū)中包括頭部的至少一部分，作為反例的圖像中的每一個在規(guī)定圖像區(qū)中不包括頭部，確定的頭部檢測模型是利用作為正例的圖像和作為反例的圖像獲得的，作為正例的圖像中的每一個包括與規(guī)定圖像區(qū)中預先規(guī)定的位置和尺寸相匹配的頭部，作為反例的圖像中的每一個包括與規(guī)定圖像區(qū)中預先規(guī)定的位置和尺寸中的至少一個不匹配的頭部，所述方法包括圖像獲取步驟，獲取待檢測圖像；
預備的頭部檢測步驟，裁剪出待檢測圖像的規(guī)定圖像區(qū)作為圖像片，通過參考預備的頭部檢測模型，從待檢測圖像中檢測頭部圖像；以及確定的頭部檢測步驟， 通過參考確定的頭部檢測模型，從在預備的頭部檢測步驟中獲取的多個頭部圖像中檢測確定的頭部圖像。本發(fā)明的頭部檢測裝置包括預備的頭部檢測模型，利用作為正例的圖像和作為反例的圖像獲得的，該作為正例的圖像中的每一個在預先規(guī)定的規(guī)定圖像區(qū)中包括頭部的至少一部分，該作為反例的圖像中的每一個在規(guī)定圖像區(qū)中不包括頭部；確定的頭部檢測模型，利用作為正例的圖像和作為反例的圖像獲得的，作為正例的圖像中的每一個包括與規(guī)定圖像區(qū)中的預先規(guī)定的位置和尺寸相匹配的頭部，作為反例的圖像中的每一個包括與規(guī)定圖像區(qū)中的預先規(guī)定的位置和尺寸中的至少一個不匹配的頭部;圖像獲取單元，獲取待檢測圖像；預備的頭部檢測單元，裁剪出待檢測圖像的規(guī)定圖像區(qū)作為圖像片，通過參考預備的頭部檢測模型，從待檢測圖像中檢測頭部圖像；以及確定的頭部檢測單元，通過參考確定的頭部檢測模型，從預備的頭部檢測單元獲取的多個頭部圖像中檢測確定的頭部圖像。本發(fā)明的屬性判定方法包括頭部檢測步驟，根據(jù)本發(fā)明的頭部檢測方法來檢測頭部；以及屬性判定步驟，基于頭部圖像來判定屬性。本發(fā)明的屬性判定裝置包括頭部檢測單元，由根據(jù)本發(fā)明的頭部檢測裝置來檢測頭部；以及屬性判定單元，基于頭部圖像來判定屬性。本發(fā)明的程序使得計算機執(zhí)行本發(fā)明的頭部檢測方法和本發(fā)明的屬性判定方法中的至少一個。本發(fā)明的記錄介質(zhì)記錄了根據(jù)本發(fā)明的程序。本發(fā)明的屬性判定系統(tǒng)包括圖像獲取單元，獲取待檢測圖像；預備的頭部檢測模型，利用作為正例的圖像和作為反例的圖像獲得的，作為正例的圖像中的每一個在預先規(guī)定的規(guī)定圖像區(qū)中包括頭部的至少一部分，作為反例的圖像中的每一個在規(guī)定圖像區(qū)中不包括頭部；確定的頭部檢測模型，利用作為正例的圖像和作為反例的圖像獲得的，作為正例的圖像中的每一個在規(guī)定圖像區(qū)中包括與預先規(guī)定的位置和尺寸相匹配的頭部，作為反例的圖像中的每一個在規(guī)定圖像區(qū)中包括與預先規(guī)定的位置和尺寸中的至少一個不匹配的頭部;屬性判定模型和屬性判定規(guī)則中的至少一個，用于基于頭部圖像來判定屬性；預備的頭部檢測單元，裁剪出待檢測圖像的規(guī)定圖像區(qū)作為圖像片，通過參考預備的頭部檢測模型，從待檢測圖像中檢測頭部圖像；確定的頭部檢測單元，通過參考確定的頭部檢測模型，從預備的頭部檢測單元獲取的多個頭部圖像中檢測確定的頭部圖像。屬性判定單元，基于頭部圖像來判定屬性；以及輸出單元，輸出屬性判定結果，其中，圖像獲取單元和輸出單元經(jīng)由系統(tǒng)外部提供的通信網(wǎng)絡與預備的頭部檢測單元、預備的頭部檢測模型、確定的頭部檢測單元、確定的頭部檢測模型、屬性判定單元、以及屬性判定模型和屬性判定規(guī)則二者中的至少一個相連。發(fā)明的有益效果
根據(jù)本發(fā)明，可以提供一種高速而準確地檢測圖像中的頭部的頭部檢測方法、頭部檢測裝置、屬性判定方法、屬性判定裝置、程序、記錄介質(zhì)和屬性判定系統(tǒng)。


圖IA是示出了本發(fā)明的頭部檢測方法的示例(實施例I)的流程圖。圖IB是示出了本發(fā)明的頭部檢測裝置的示例(實施例I)的配置的框圖。圖2A至2F是用于說明本發(fā)明中獲取預備的頭部檢測模型的示例的視圖。圖3A和3B是用于說明實施例I的頭部檢測方法中的預備的頭部檢測步驟的示例的視圖。圖3C和3D是用于說明實施例I的頭部檢測方法中的確定的頭部檢測步驟的示例的視圖。圖4A是示出了本發(fā)明的頭部檢測方法的另一示例(實施例2)的流程圖。圖4B是示出了本發(fā)明的頭部檢測裝置的另一示例(實施例2)的配置的框圖。圖5A是示出了本發(fā)明的屬性判定方法的示例(實施例3)的流程圖。圖5B是示出了本發(fā)明的屬性判定裝置的示例(實施例3)的配置的框圖。圖5C是示出了實施例3的屬性判定裝置的另一示例的框圖。圖6是示出了使用本發(fā)明的屬性判定裝置的屬性判定系統(tǒng)的示例(實施例5)的配置的框圖。圖7是示出了現(xiàn)有技術的檢測頭部方法的示例的視圖。
具體實施例方式接下來，將描述本發(fā)明的實施例。這里，應注意，本發(fā)明不限于或約束于以下實施例。在下圖I至6中，相同數(shù)字和符號指示相同部件。[實施例I]圖IA示出了實施例I的頭部檢測方法的流程圖。圖IB示出了實施例I的頭部檢測裝置的框圖。如圖IB所示，實施例I的頭部檢測裝置包括圖像獲取裝置(單元)111、計算裝置(單元)120、輸出裝置(單元)131和數(shù)據(jù)存儲裝置(單元)140，作為主要部件。圖像獲取裝置111電連接至計算裝置120。計算裝置120電連接至輸出裝置131和數(shù)據(jù)存儲裝置140。計算裝置120包括預備的頭部檢測裝置(單元)121和確定的頭部檢測裝置(單元)122。預先獲取的預備的頭部檢測模型141和確定的頭部檢測模型142存儲在數(shù)據(jù)存儲裝置140中。預備的頭部檢測裝置121與預備的頭部檢測模型141相連。確定的頭部檢測裝置122與確定的頭部檢測模型142相連。圖像獲取裝置111的示例包括電荷耦合器件(CXD)攝像機、互補金屬氧化物半導體(CMOS)攝像機和圖像掃描儀。計算裝置120的示例包括中央處理單元(CPU)。輸出裝置131的示例包括通過圖像輸出數(shù)據(jù)的監(jiān)視器(例如，諸如液晶顯示器(LCD)和陰極射線管(CRT)顯示器之類的圖像顯示器)、通過打印輸出數(shù)據(jù)的印刷機和通過聲音輸出數(shù)據(jù)的揚聲器。輸出裝置131是可選部件。優(yōu)選地，本發(fā)明的頭部檢測裝置包括輸出裝置131，盡管這并非始終是必要的。數(shù)據(jù)存儲裝置140的示例包括隨機存取存儲器(RAM)、只讀存儲器(ROM)、硬盤(HD)、光盤和軟(注冊的商標名)盤(FD)。數(shù)據(jù)存儲裝置140可以例如是，內(nèi)置型或外部型，例如，外部存儲設備。對于圖像獲取裝置、計算裝置、輸出裝置和數(shù)據(jù)存儲裝置，同樣適用于以下實施例。例如，使用如下圖IB的頭部檢測裝置實現(xiàn)實施例I的頭部檢測方法。首先，在執(zhí)行頭部檢測方法之前，使用機器學習(模式識別)技術進行學習。具體地，首先，利用作為正例的圖像和作為反例的圖像機器學習(模式識別)進行學習，根據(jù)用于學習的圖像形成預備的頭部檢測模型141，作為正例的圖像中的每一個在預先規(guī)定的規(guī)定圖像區(qū)中包括頭部的至少一部分，作為反例的圖像中的每一個在規(guī)定圖像區(qū)中不包括頭部。例如，如圖2A所示，在用于學習的圖像(示出了正面面向人的圖像)IOA中，將圖像·IOa (整個頭部)、IOb (頭部的右上部)和IOc (頭部的左半邊)分為正例，圖像10a、IOb和IOc中的每一個在預定尺寸(例如32X32像素)的規(guī)定圖像區(qū)中包括頭部的至少一部分。另一方面，將各自在規(guī)定圖像區(qū)中不包括頭部的圖像IOd(人的肩部)和IOe(背部)分為反例。例如，如圖2B所示，在用于學習的圖像(示出了背面面向人的圖像)10B中，將各自在規(guī)定圖像區(qū)中包括頭部的至少一部分的圖像IOf (整個頭部)和IOg(頭部的左半邊)分為正例。例如，如圖2C所示，在用于學習的圖像(以極小尺寸示出了正面面向人的圖像)IOC中，各自將在規(guī)定圖像區(qū)中包括頭部的一至少部分的圖像IOh(整個頭部)和10i(頭部的左半邊)分為正例。例如，如圖2D所示，在用于學習圖像(以極大尺寸示出了正面面向人的圖像)IOD中，將各自在規(guī)定圖像區(qū)中包括頭部的至少一部分的圖像IOj (整個頭部)和IOk(頭部的左下部)分為正例。例如，如圖2E所示，在用于學習的圖像(以極小尺寸示出了背面面向人的圖像)10E中，將各自在規(guī)定圖像區(qū)中包括頭部的至少一部分圖像IOm(整個頭部)和IOn(頭部的上半部)分為正例。例如，如圖2F所示，在用于學習的圖像(以極大尺寸示出了背面面向人的圖像)10F中，將各自在規(guī)定圖像區(qū)中包括頭部的至少一部分的圖像IOp(整個頭部)和IOq(頭部的右下部)分為正例?？紤]到檢測精度，例如，優(yōu)選地，示出了側面面向人等的圖像也用作用于學習的圖像。此外，用于學習的圖像的數(shù)目越多越好。例如，在預備的頭部檢測模型中，可以將示出了可能被誤認為是頭部的事物的這種圖像分為反例。例如，如下機器學習形成預備的頭部檢測模型141。首先，將頭部區(qū)正確地應用于用于學習的圖像中的頭部，使得不會造成尺寸和位置上的偏差(注釋)。例如，通過人使用諸如鍵盤、鼠標之類的常規(guī)已知輸入裝置進行輸入來應用頭部區(qū)。接下來，例如指定可接受范圍，如下將頭部位置處于頭部區(qū)中的正確位置的圖像和頭部位置與頭部區(qū)中的正確位置偏離不超過50%的圖像分類為正例；將頭部尺寸在頭部區(qū)中是正確尺寸的圖像和頭部尺寸在頭部區(qū)中不超過正確尺寸的±30%的圖像分類為正例；等等。然后，程序自動地形成正例來形成預備的頭部檢測模型141。另一方面，利用作為正例的圖像和作為反例的圖像，通過機器學習(模式識別)進行學習來形成確定的頭部檢測模型142，其中，作為正例的每個圖像中的每一個在規(guī)定圖像區(qū)中包括與預先規(guī)定的位置和尺寸相匹配的頭部，作為反例的每個圖像中的每一個包括與預先規(guī)定的位置和尺寸中的至少一個不匹配的頭部。具體地，例如，將頭部幾乎位于規(guī)定圖像區(qū)中心以及頭部輪廓(尺寸)幾乎與規(guī)定圖像區(qū)相同的圖像定義為正例。接下來，在作為形成的預備的頭部檢測模型141的正例的圖像IOa至10c、10f至10k、IOm至IOn和IOp至IOq中，將匹配上述定義的圖像(IOa和IOf)分為正例，將與上述定義不匹配的圖像(10b、10c、IOg至10k、IOm至IOn和IOp至IOq)分為反例。按照這種方式，因為例如將各自包括作為預備檢測到的頭部的圖像中與上述定義不相配的圖像集中分為反例，所以不需要相對于包括各自不含頭部的圖像在內(nèi)的所有圖像執(zhí)行學習。因此，可以高效地執(zhí)行學習。接下來，如圖IA的流程圖所示，執(zhí)行以下步驟。首先，圖像獲取裝置111獲取待檢測圖像(步驟SI I)。接下來，預備的頭部檢測裝置121裁剪出待檢測圖像的規(guī)定圖像區(qū)，作為圖像片，并通過參考預先獲取的預備的頭部檢測模型141，從待檢測圖像中檢測頭部圖像(步驟S21)。具體地，例如，如圖3A所示，通過參考預先獲取的預備的頭部檢測模型141，通過沿著水平方向從待檢測圖像20的左上端移動圖像片21并且順序地連續(xù)向下移動，通過所謂的 光柵掃描來搜索頭部圖像。在這個示例中，圖像片的行進量(寬度)是整個圖像片尺寸的四分之一。結果，例如，如圖3B所示，檢測到頭部圖像21a至21g等。接下來，確定的頭部檢測裝置122通過參考確定的頭部檢測模型142從在預備的頭部檢測步驟S21中獲得的多個頭部圖像中檢測出確定的頭部圖像(步驟S22)。具體地，將比包括在預備的頭部檢測步驟S21中獲得的頭部圖像21b、21d、21f、21g等(位于圖3B左側的包括人頭部的圖像)在內(nèi)的范圍稍大的區(qū)域用作輸入圖像。如圖3C所示，對輸入圖像進行光柵掃描并縮小輸入圖像，通過參考確定的頭部檢測模型142來從輸入圖像中檢測確定的頭部圖像22a。此外，將比包括在預備的頭部檢測步驟S21中獲得的頭部圖像21a、21c、21e等(位于圖3B右側的包括人頭部的圖像)在內(nèi)的范圍稍大的區(qū)域用作輸入圖像。如圖3D所示，對輸入圖像進行光柵掃描并縮小輸入圖像，通過參考確定的頭部檢測模型142來從輸入圖像中檢測確定的頭部圖像22b。接下來，輸出裝置131輸出頭部的檢測結果(步驟S31)。輸出步驟S31是可選步驟。優(yōu)選地，本發(fā)明的頭部檢測方法包括輸出步驟S31，盡管這并非始終是必要的。在專利文檔I中描述的用于檢測人的技術中，為了不錯過頭部，應該細微地(例如，每I個像素)移動預定區(qū)域的圖像片來進行掃描，并且應該逐漸縮減圖像的尺寸(例如，X0. 95)。這將導致用于檢測的處理時間增加。另一方面，根據(jù)實施例I的頭部檢測方法，首先，從要檢測的圖像中檢測出各自包括頭部的至少一部分的圖像，作為預備的圖像。因此，即使當圖像片的行進量大(例如，每5個像素)或者圖像尺寸的變化速率大(例如，X0. 8)時，也不可能錯過頭部。因此，實施例I的頭部檢測方法可以快速地檢測出待檢測圖像中的候選者。接下來，在檢測為預備的圖像的候選頭部圖像中檢測出確定的頭部圖像。因此，還可以快速地進行確定的頭部檢測。因此，實施例I的頭部檢測方法可以快速而正確地檢測出待檢測圖像中的頭部。對于這些效果，都適用于下述實施例。[實施例2]圖4A是示出了實施例2的頭部檢測方法的流程圖。圖4B是示出了實施例2的頭部檢測裝置的框圖。如圖4B所示，在實施例2的頭部檢測裝置中，計算裝置120包括預備的頭部檢測裝置(單元)(第一階段)121-1和預備的頭部檢測裝置(單元)(第二階段)121-2來替換預備的頭部檢測裝置121，數(shù)據(jù)存儲裝置140中的預備的頭部檢測模型141包括第一階段參考模型141-1和第二階段參考模型141-2。預備的頭部檢測裝置(第一階段)121-1與第一階段參考模型141-1相連。預備的頭部檢測裝置(第二階段)121-2與第二階段參考模型141-2相連。除了這些以外，實施例2的其他配置與圖IB所示的實施例I的頭部檢測裝置相同。例如，使用如下圖4B的頭部檢測裝置來實現(xiàn)實施例2的頭部檢測方法。首先，在執(zhí)行頭部檢測方法之前，使用機器學習(模式識別)技術進行學習。即，通過機器學習(模式識別)進行學習來形成包括第一階段參考模型141-1和第二階段參考模型141-2的預備的頭部檢測模型141。具體地，例如，首先，在第一階段參考模型141-1中，按照與實施例I中的預備的頭部檢測模型141的形成相同的方式，在圖2A至2F所示用于學習的圖像IOA至IOF中，將各自在預定尺寸的規(guī)定圖像區(qū)中包括頭部的至少一部分的圖像IOa至10c、10f至10k、IOm至IOn和IOp至IOq分為正例。另一方面，將各自在規(guī)定圖像 區(qū)中不包括頭部的圖像IOd和IOe分為反例。接下來，在第二階段參考模型141-2中，將滿足以下條件的圖像定義為正例。條件如下在其每個中頭部幾乎位于規(guī)定圖像區(qū)中心的圖像和在其每個中頭部偏離規(guī)定圖像區(qū)中心不超過約50%的圖像；在其每個中頭部輪廓(尺寸)與規(guī)定圖像區(qū)的尺寸實質(zhì)上相同的圖像和在其每個中頭部尺寸大于規(guī)定圖像區(qū)尺寸的二分之一的圖像。在作為形成的第一階段參考模型141-1的正例的圖像IOa至10c、10f至IOkUOm至IOn和IOp至IOq中，將與上述定義匹配的圖像(10a、10c、IOf、10h、10i、IOm和10n)分為正例，將與上述定義不匹配的圖像(10b、IQgUQj、10k、10p^P IOq)分為反例。在本示例中，在第一階段參考模型中，將各自在用于學習的圖像中包括頭部的一至少部分的圖像分為正例。然而，本發(fā)明不限于此。例如，可以相對于頭部區(qū)中的正確位置和尺寸通過指定預定可接受范圍來定義正例。此外，在第二階段參考模型中，將滿足頭部位置和頭部尺寸這兩方面條件的圖像分為正例。然而，本發(fā)明不限于此。例如，可以將滿足頭部位置和頭部尺寸中的一個的圖像分為正例。相應地，在第一階段參考模型141-1中，例如，可以通過如下指定可接受范圍來定義正例將其中用于學習的圖像中的頭部位置在頭部區(qū)中的正確位置的圖像和在其每個中用于學習的圖像中的頭部位置在頭部區(qū)中偏離正確位置不超過50%的圖像分為正例；將其中頭部的尺寸是頭部區(qū)中的正確尺寸的圖像和在其每個中頭部的尺寸不超過頭部區(qū)中的正確尺寸的±30%的圖像分為正例；等等。在第二階段參考模型141-2中，例如，可以通過如下指定可接受范圍來定義正例將其中頭部的位置在頭部區(qū)中的正確適當位置處的圖像和在其每個中用于學習的圖像中的頭部位置偏離頭部區(qū)中的正確位置不超過25%的圖像分為正例；將其中頭部的尺寸是頭部區(qū)中的正確尺寸的圖像和在其每個中頭部的尺寸不超過頭部區(qū)中的正確尺寸的±15%的圖像分為正例；等等。另一方面，按照與實施例I相同的方式來形成確定的頭部檢測模型142。具體地，例如，將在其每個中頭部幾乎位于規(guī)定圖像區(qū)中心并且頭部輪廓(尺寸)幾乎與規(guī)定圖像區(qū)相同的圖像定義為正例。在作為形成的第二階段參考模塊141-2的正例的圖像10a、10c、10f、10h、10i、10m和IOn中，將與上述定義匹配的圖像(IOa和IOf)分為正例，將與上述定義不匹配的圖像a0c、10h、10i、10m、10n)分類為反例。接下來，如圖4A的流程圖所示，將執(zhí)行以下步驟。首先，圖像獲取裝置111獲取待檢測圖像(步驟SI I)。接下來，預備的頭部檢測裝置裁剪出待檢測圖像的規(guī)定圖像區(qū)，作為圖像片，并通過參考預先獲取的第一階段參考模型141-1和第二階段參考模型141-2來從待檢測圖像按階段地(兩個階段，即第一階段和第二階段)檢測出頭部圖像(步驟S23)。具體地，首先，作為第一階段，通過預備的頭部檢測裝置(第一階段)121-1按照與實施例I中的預備的頭部檢測步驟S21相同的方式參考預先獲取的第一階段參考模型141-1，從如圖3A所示的待檢測圖像20搜索頭部圖像來檢測出如圖3B所示的頭部圖像21a至21g。接下來，作為第二階段，通過參考預先獲取的第二階段參考模型141-2來從獲取的圖像21a至21g中檢測出頭部圖像21a、21d、21f和21g。接下來，按照與實施例I相同的方式，確定的頭部檢測裝置122通過參考確定的頭部檢測模型142來從預備的頭部檢測步驟S23中獲得的多個頭部圖像中檢測出確定的頭部圖像(步驟S22)。具體地，將比包括在預備的頭部檢測步驟S23中獲得的頭部圖像21d、21f、21g等(位于圖3B左側的包括人頭部的圖像)在內(nèi)的范圍稍大的區(qū)域用作輸入圖像。 如圖3C所示，對輸入圖像進行光柵掃描并縮小輸入圖像，通過參考確定的頭部檢測模型142從輸入圖像中檢測確定的頭部圖像22a。此外，將比包括在預備的頭部檢測步驟S23中獲得的頭部圖像21a等(位于圖3B右側的包括人頭部的圖像)在內(nèi)的范圍稍大的區(qū)域用作輸入圖像。如圖3D所示，對輸入圖像進行光柵掃描并縮小輸入圖像，通過參考確定的頭部檢測模型142從輸入圖像中檢測確定的頭部圖像22b。接下來，按照與實施例I相同的方式，輸出裝置131輸出頭部的檢測結果(步驟S31)。在實施例2的頭部檢測方法中，如上所述，在預備的頭部檢測步驟中，通過參考兩個階段的參考模型在兩各階段中執(zhí)行頭部檢測。因此，可以更快速更準確地檢測出待檢測圖像中的頭部。在實施例2的頭部檢測方法中，采用了兩個階段的參考模型，并進行了與其相對應的預定頭部檢測步驟。然而，本發(fā)明不限于此?？梢圆捎萌齻€階段或更多階段的參考模型，并且可以進行與其相對應的預備的頭部檢測步驟。[實施例3]圖5A示出了實施例3的屬性判定方法的流程圖。圖5B示出了實施例3的屬性判定裝置的框圖。如圖5B所示，實施例3的屬性判定裝置包括圖像獲取裝置(單元)111、計算裝置(單元)120、輸出裝置(單元)131和數(shù)據(jù)存儲裝置(單元)140，作為主要部件。圖像獲取裝置111電連接至計算裝置120。計算裝置120電連接至輸出裝置131和數(shù)據(jù)存儲裝置140。計算裝置120包括預備的頭部檢測裝置(單元)121、確定的頭部檢測裝置(單元)122和屬性判定裝置(單元)124。預先獲取的預備的頭部檢測模型141、確定的頭部檢測模型142和屬性判定模型144存儲在數(shù)據(jù)存儲裝置140中。預備的頭部檢測裝置121與預備的頭部檢測模型141相連。確定的頭部檢測裝置122與確定的頭部檢測模型142相連。屬性判定裝置124與屬性判定模型144相連。實施例3的屬性判定裝置中的圖像獲取裝置111、預備的頭部檢測裝置121和確定的頭部檢測裝置122與本發(fā)明中的“頭部檢測裝置”完全對應。在本發(fā)明中，對于屬性沒有特殊的限制，屬性的示例包括性別、年齡、種族、頭部方向、發(fā)型、頭發(fā)長度、有無帽子。例如，使用如下圖5B的屬性判定裝置實現(xiàn)實施例3的屬性判定方法。首先，在執(zhí)行屬性判定方法之前，使用機器學習(模式識別)技術來進行學習。即按照與實施例I相同的方式，形成預備的頭部檢測模型141和確定的頭部檢測模型142。具體地，例如，在確定的頭部檢測模型142中，按照與實施例I相同的方式，將圖2A中用于學習的模型IOA中的頭部圖像IOa等分為正例。另一方面，機器學習(模式識別)使用均應用了訓練數(shù)據(jù)(或屬性值)的許多頭部圖像來形成屬性判定模型。在實施例3的屬性判定方法中，訓練數(shù)據(jù)(屬性值)的示例包括性別和年齡。具體地，例如，將諸如“性別男和年齡30”之類的訓練數(shù)據(jù)(屬性值)應用于如圖2A所示用于的學習圖像IOA中的頭部圖像IOa等。例如，通過使用諸如鍵盤、鼠標之類的常規(guī)已知輸入裝置進行輸入來應用諸如性別和年齡之類的訓練數(shù)據(jù)(屬性值)。然后，使用均應用了訓練數(shù)據(jù)(或屬性值)的頭部圖像IOa等來形成屬性判定模型144。
接下來，如圖5A的流程圖所示，將執(zhí)行以下步驟。首先，圖像獲取裝置111獲取待檢測圖像(步驟SI I)。接下來，按照與實施例I相同的方式，預備的頭部檢測裝置121裁剪出待檢測圖像的規(guī)定圖像區(qū)，作為圖像片，并通過參考預先獲取的預備的頭部檢測模型141來從待檢測圖像中檢測出頭部圖像(步驟S21)。接下來，按照與實施例I相同的方式，確定的頭部檢測裝置122通過參考確定的頭部檢測模型142來從在預備的頭部檢測步驟S21中獲得的多個頭部圖像中檢測出確定的頭部圖像(步驟S22)。具體地，例如，如圖3C和3D所示，按照與實施例I相同的方式，檢測出確定的頭部圖像22a和22b。圖像獲取步驟S11、預備的頭部檢測步驟S21和確定的頭部檢測步驟S22總體對應于本發(fā)明中的“頭部檢測步驟”。接下來，屬性判定裝置124通過參考預先獲取的屬性判定模型144來基于頭部圖像來判定屬性(步驟S24)。判定項目的示例包括性別、年齡、頭部方向、發(fā)型、頭發(fā)長度和有無帽子。在判定項目是性別的情況下，例如，可以基于性別度(例如，0和I)來進行判定。例如，性別度可以基于頭部圖像求得。具體地，例如，如下設置準則。即，如果性別度是“0至小于0. 5”，則判定是“女性”，如果性別度是“0. 5至1”，則判定是“男性”。根據(jù)求得的性別度的值來進行性別判定。此外，對于年齡等，例如，通過設置預定準則，根據(jù)基于頭部圖像求得的值來進行年齡等的判定。接下來，輸出裝置131輸出屬性的判定結果(步驟S31)。判定項目的示例與上述判定項目相同。輸出步驟S31是可選步驟。優(yōu)選地，本發(fā)明的屬性判定方法包括輸出步驟S31，盡管這并非始終是必要的。如上所述，在實施例3的屬性判定方法中，通過實施例I的頭部檢測方法來檢測頭部，基于頭部圖像來進行屬性判定。因此，可以快速而準確地進行屬性判定。在實施例3的屬性判定方法中的屬性判定步驟(圖5A中的S24)中，參考屬性判定模型，基于頭部圖像進行屬性判定。然而，本發(fā)明不限于此。例如可以參考屬性判定規(guī)則來進行屬性判定。屬性判定規(guī)則的示例包括如下規(guī)則例如“如果頭發(fā)短，則判定為男性；如果頭發(fā)長，則判定為女性”。此外，例如，可以參考屬性判定模型和屬性判定規(guī)則二者來進行屬性判定。在這種情況下，例如，如圖5C所示，屬性判定規(guī)則244可以存儲在數(shù)據(jù)存儲裝置140中，屬性判定裝置124可以與屬性判定規(guī)則244相連?？梢岳绨凑张c實施例2的頭部檢測方法中的預備的頭部檢測步驟相同的方式來按階段地執(zhí)行實施例3的屬性判定方法中的預備的頭部檢測步驟。在這種情況下，屬性判定裝置的預備的頭部檢測模型包括例如多階段參考模型。這使得能夠高速地執(zhí)行準確的屬性判定。[實施例4]實施例4的程序是一種允許計算機執(zhí)行頭部檢測方法或屬性判定方法的程序。實施例4的程序可以記錄在例如記錄介質(zhì)中。對于記錄介質(zhì)沒有特殊的限制，記錄介質(zhì)的示例包括隨機存取存儲器(RAM)、只讀存儲器(ROM)、硬盤(HD)、光盤和軟(注冊的商標名)盤(FD)。[實施例5]·
圖6示出了使用本發(fā)明的屬性判定裝置的屬性判定系統(tǒng)的示例的配置。如圖6所示，屬性判定系統(tǒng)具有圖像獲取裝置(單元)IllaUllb和Illc ;輸出裝置(單元)131a、131b和131c ;通信接口 150a、150b和150c ;和服務器170。圖像獲取裝置Illa和輸出裝置131a與通信接口 150a相連。圖像獲取裝置111a、輸出裝置131a和通信接口 150a被布置在地點“X”。圖像獲取裝置Illb和輸出裝置131b與通信接口 150b相連。圖像獲取裝置111b、輸出裝置131b和通信接口 150b被布置在地點“Y”。圖像獲取裝置Illc和輸出裝置131c與通信接口 150c相連。圖像獲取裝置111c、輸出裝置131c和通信接口 150c被布置在地點“Z”。通信接口 150a、150b和150c經(jīng)由網(wǎng)絡160與服務器170相連。這個屬性判定系統(tǒng)在服務器170側包括預備的頭部檢測裝置、確定的頭部檢測裝置和屬性判定裝置，并且服務器170中存儲了預備的頭部檢測模型、確定的頭部檢測模型和屬性判定模型。例如，在地點“X”使用圖像獲取裝置Illa獲取的待檢測圖像被發(fā)送至服務器170，在服務器170側檢測頭部，并基于頭部圖像來進行屬性判定。然后，輸出裝置131a輸出判定的屬性。例如，還可以在服務器中存儲屬性判定規(guī)則。根據(jù)實施例5的屬性判定系統(tǒng)，通過就地布置圖像獲取裝置和輸出裝置并且在其他地點布置服務器等，可以在線地執(zhí)行頭部檢測和屬性判定。因此，例如，系統(tǒng)不需要用于布置設備的空間，并且維護不復雜。此外，例如，即使在設置了設備的地點彼此遠離的情況下，也可以集中或遠程地控制系統(tǒng)。實施例5的屬性判定系統(tǒng)可以是與實施例2的多階段檢測相對應的系統(tǒng)。此外，實施例5的屬性判定系統(tǒng)可以是例如與云計算相對應的系統(tǒng)。盡管已經(jīng)參考本發(fā)明的示例性實施例具體示出并描述了本發(fā)明，但是本發(fā)明不限于這些實施例。本領域普通技術人員應該理解，在不背離權利要求所限定的本發(fā)明的精神和范圍的情況下，可以在形式和細節(jié)上對本發(fā)明進行多種改變。本申請基于并要求2010年6月30日提交的日本專利申請No. 2010-149934的優(yōu)先權的權益，在此并入其公開的全部以供參考。工業(yè)適用性根據(jù)本發(fā)明，可以提供高速而準確地檢測圖像中的頭部的頭部檢測方法、頭部檢測裝置、屬性判定方法、屬性判定裝置、程序、記錄介質(zhì)和屬性判定系統(tǒng)，本發(fā)明可以應用于廣泛領域。附圖標記的描述
10A，10B，10C，10D，10E 和 IOF 用于學習的圖像10a, 10b, 10c, 10d, 10e, IOf，10g, 10h, 10i, 10j, 10k, 10m, 10n, IOp 和 IOq 規(guī)定圖像
區(qū)中的圖像20和70 待檢測圖像21和71 圖像片21a，21b，21c，21d，21e，21f■和 21g 頭部圖像22a和22b確定的頭部圖像111，111a，Illb 和 Illc 圖像獲取裝置 120計算裝置121預備的頭部檢測裝置121-1 預備的頭部檢測裝置(第一階段)121-2 預備的頭部檢測裝置(第二階段)122確定的頭部檢測裝置124屬性判定裝置131，131a，131b 和 131c 輸出裝置140數(shù)據(jù)存儲裝置141預備的頭部檢測模型141-1 第一階段參考模型141-2 第二階段參考模型142確定的頭部檢測模型144屬性判定模型150a，150b 和 150c 通信接口160網(wǎng)絡170服務器244屬性判定規(guī)則
權利要求
1.一種頭部檢測方法，使用預備的頭部檢測模型和確定的頭部檢測模型，其中所述預備的頭部檢測模型是利用作為正例的圖像和作為反例的圖像獲得的，該作為正例的圖像中的每一個在預先規(guī)定的規(guī)定圖像區(qū)中包括頭部的至少一部分，該作為反例的圖像中的每一個在所述規(guī)定圖像區(qū)中不包括頭部，所述確定的頭部檢測模型是利用作為正例的圖像和作為反例的圖像獲得的，該作為正例的圖像中的每一個包括與所述規(guī)定圖像區(qū)中預先規(guī)定的位置和尺寸相匹配的頭部，該作為反例的圖像中的每一個包括與所述規(guī)定圖像區(qū)中預先規(guī)定的位置和尺寸中的至少一個不匹配的頭部，所述方法包括 圖像獲取步驟，在 所述圖像獲取步驟中，獲取待檢測圖像； 預備的頭部檢測步驟，在所述預備的頭部檢測步驟中，裁剪出所述待檢測圖像的所述規(guī)定圖像區(qū)作為圖像片，并通過參考所述預備的頭部檢測模型，從所述待檢測圖像中檢測頭部圖像；以及 確定的頭部檢測步驟，在所述確定的頭部檢測步驟中，通過參考所述確定的頭部檢測模型，從在所述預備的頭部檢測步驟中獲取的多個頭部圖像中檢測確定的頭部圖像。
2.根據(jù)權利要求I所述的方法，其中，所述預備的頭部檢測模型包括多階段參考模型，其中，所述多階段參考模型是，利用作為正例的圖像和作為反例的圖像，通過多階段地定義所述確定的頭部檢測模型中與所述預先定義的位置和尺寸的匹配度來獲得的，該作為正例的圖像中的每一個與所述預先定義的位置和尺寸匹配，并且作為反例的圖像中的每一個與所述預先定義的位置和尺寸不匹配， 在所述預備的頭部檢測步驟中，根據(jù)所述多階段預備的頭部檢測模型中的每一階段，多階段地執(zhí)行頭部檢測，以及 從在前階段中獲得的多個頭部圖像中檢測當前階段的頭部圖像。
3.一種頭部檢測裝置，包括 預備的頭部檢測模型，所述預備的頭部檢測模型是利用作為正例的圖像和作為反例的圖像獲得的，該作為正例的圖像中的每一個在預先規(guī)定的規(guī)定圖像區(qū)中包括頭部的至少一部分，該作為反例的圖像中的每一個在所述規(guī)定圖像區(qū)中不包括所述頭部； 確定的頭部檢測模型，所述確定的頭部檢測模型是利用作為正例的圖像和作為反例的圖像獲得的，該作為正例的圖像中的每一個包括與所述規(guī)定圖像區(qū)中預先規(guī)定的位置和尺寸相匹配的頭部，該作為反例的圖像中的每一個包括與所述規(guī)定圖像區(qū)中預先規(guī)定的位置和尺寸中的至少一個不匹配的頭部； 圖像獲取單元，所述圖像獲取單元獲取待檢測圖像； 預備的頭部檢測單元，所述預備的頭部檢測單元裁剪出所述待檢測圖像的所述規(guī)定圖像區(qū)作為圖像片，并通過參考所述預備的頭部檢測模型，從所述待檢測圖像中檢測頭部圖像；以及 確定的頭部檢測單元，所述確定的頭部檢測單元通過參考所述確定的頭部檢測模型，從所述預備的頭部檢測單元獲取的多個頭部圖像中檢測確定的頭部圖像。
4.根據(jù)權利要求3所述的裝置，其中，所述預備的頭部檢測模型包括多階段參考模型，其中，所述多階段參考模型是利用作為正例的圖像和作為反例的圖像，通過多階段地定義與所述確定的頭部檢測模型中的所述預先定義的位置和尺寸的匹配度來獲得的，該作為正例的圖像中的每一個與所述預先定義的位置和尺寸匹配，并且作為反例的圖像中的每一個與所述預先定義的位置和尺寸不匹配， 所述預備的頭部檢測單元根據(jù)所述多階段預備的頭部檢測模型中的每一階段，多階段地執(zhí)行頭部檢測，以及 從在前階段中獲得的多個頭部圖像中檢測當前階段的頭部圖像。
5.一種屬性判定方法，包括 頭部檢測步驟，在所述頭部檢測步驟中通過根據(jù)權利要求I或2所述的頭部檢測方法來檢測頭部；以及 屬性判定步驟，在所述屬性判定步驟中基于頭部圖像來判定屬性。
6.根據(jù)權利要求5所述的方法，其中，在屬性判定步驟中，通過參考預先獲取的屬性判定模型和屬性判定規(guī)則中的至少一個，基于所述頭部圖像來判定屬性。
7.一種屬性判定裝置，包括 頭部檢測單元，所述頭部檢測單元通過根據(jù)權利要求3或4所述的頭部檢測裝置來檢測頭部；以及 屬性判定單元，所述屬性判定單元基于頭部圖像來判定屬性。
8.根據(jù)權利要求7所述的裝置，其中，所述屬性判定單元通過參考所述預先獲取的屬性判定模型和屬性判定規(guī)則中的至少一個，基于所述頭部圖像來判定屬性。
9.一種程序，使計算機執(zhí)行根據(jù)權利要求I或2所述的頭部檢測方法。
10.一種程序，使計算機執(zhí)行根據(jù)權利要求5或6所述的屬性判定方法。
11.一種記錄介質(zhì)，記錄了根據(jù)權利要求9或10所述的程序。
12.—種屬性判定系統(tǒng)，包括 圖像獲取單元，所述圖像獲取單元獲取待檢測圖像； 預備的頭部檢測模型，所述預備的頭部檢測模型是利用作為正例的圖像和作為反例的圖像獲得的，該作為正例的圖像中的每一個在預先規(guī)定的規(guī)定圖像區(qū)中包括頭部的至少一部分，該作為反例的圖像中的每一個在所述規(guī)定圖像區(qū)中不包括所述頭部； 確定的頭部檢測模型，所述確定的頭部檢測模型是利用作為正例的圖像和作為反例的圖像獲得的，該作為正例的圖像中的每一個包括與所述規(guī)定圖像區(qū)中預先規(guī)定的位置和尺寸相匹配的頭部，該作為反例的圖像中的每一個包括與所述規(guī)定圖像區(qū)中所述預先規(guī)定的位置和尺寸中的至少一個不匹配的頭部； 屬性判定模型和屬性判定規(guī)則中的至少一個，所述屬性判定模型和所述屬性判定規(guī)則中的至少一個用于基于頭部圖像來判定屬性； 預備的頭部檢測單元，所述預備的頭部檢測單元裁剪出所述待檢測圖像的所述規(guī)定圖像區(qū)作為圖像片，并通過參考所述預備的頭部檢測模型，從所述待檢測圖像中檢測所述頭部圖像； 確定的頭部檢測單元，所述確定的頭部檢測單元通過參考所述確定的頭部檢測模型，從所述預備的頭部檢測單元獲取的多個頭部圖像中檢測確定的頭部圖像； 屬性判定單元，所述屬性判定單元基于所述頭部圖像來判定屬性；以及輸出單元，所述輸出單元輸出屬性判定結果，其中，所述圖像獲取單元和所述輸出單元經(jīng)由所述系統(tǒng)外部提供的通信網(wǎng)絡與所述預備的頭部檢測單元、所述預備的頭部檢測模型、所述確定的頭部檢測單元、所述確定的頭部檢測模型、所述屬性判定單元、以及所述屬性判定模型和所述屬性判定規(guī)則二者中的至少一 個相連。
全文摘要
本發(fā)明提供了一種快速而準確地檢測圖像中的頭部的頭部檢測方法。本發(fā)明的頭部檢測方法使用預備的頭部檢測模型和確定的頭部檢測模型，其中所述預備的頭部檢測模型是利用作為正例的圖像和作為反例的圖像獲得的，該作為正例的圖像中的每一個在預先規(guī)定的規(guī)定圖像區(qū)中包括頭部的至少一部分，該作為反例的圖像中的每一個在所述規(guī)定圖像區(qū)中不包括頭部，所述確定的頭部檢測模型是利用作為正例的圖像和作為反例的圖像獲得的，該作為正例的圖像中的每一個包括與所述規(guī)定圖像區(qū)中預先規(guī)定的位置和尺寸相匹配的頭部，該作為反例的圖像中的每一個包括與所述規(guī)定圖像區(qū)中預先規(guī)定的位置和尺寸中的至少一個不匹配的頭部，所述方法包括圖像獲取步驟，獲取待檢測圖像；預備的頭部檢測步驟，裁剪出所述待檢測圖像的所述規(guī)定圖像區(qū)作為圖像片，通過參考所述預備的頭部檢測模型，從所述待檢測圖像中檢測頭部圖像；以及確定的頭部檢測步驟，通過參考所述確定的頭部檢測模型，從在所述預備的頭部檢測步驟中獲取的多個頭部圖像中檢測所述確定的頭部圖像。
文檔編號G06T7/00GK102971766SQ201180032670
公開日2013年3月13日 申請日期2011年5月12日 優(yōu)先權日2010年6月30日
發(fā)明者植木一也 申請人:Nec軟件有限公司