專利名稱：圖像處理裝置的制作方法
技術領域：
本發(fā)明涉及圖像處理裝置，特別涉及應用于電子照相機，且選擇多個連拍圖像的任意ー個作為記錄連拍圖像的圖像處理裝置。
背景技術：
這種裝置的一例在專利文獻1中公開。根據該背景技術，針對在幀中出現(xiàn)的多個人物的每ー個，檢測出笑臉度、面部的位置、面部的傾斜度、性別等面部識別參數(shù)。快門的定時決定和自拍(self-timer)設定等攝影控制基于檢測出的面部識別參數(shù)的相互關系來執(zhí)行。具體來說，基于各面部的間隔、各面部的笑臉度以及各面部的傾斜度來計算人物的親密度，在計算出的親密度超過閾值時啟動攝影控制。專利文獻1 JP特開2010-16796號公報但是，在背景技術中，只要親密度不超過閾值則不會啟動攝影控制，圖像選擇性能存在限度。

發(fā)明內容
因此，本發(fā)明的主要目的在干，提供一種能夠提高圖像選擇性能的圖像處理裝置。依據本發(fā)明的圖像處理裝置(10 在實施例中相當?shù)膮⒄辗?。以下相?具備 檢測單元(S47)，其從K個連拍圖像的每ー個中檢測出分別符合辭典圖像的1個或2個以上的物體像，其中K為2以上的整數(shù)；分類單元(S67)，其對K個連拍圖像執(zhí)行將由檢測單元檢測出的物體像按照每個共同的物體進行分類的處理；判別単元(S87 S89、S95、S101 S103)，其判別分別屬于由分類單元形成的1個或2個以上的物體像群的K個以下的物體像的屬性；第1排除単元(S91 S93、S97 S99)，其基于判別単元的判別結果來排除K個連拍圖像中的符合錯誤條件的連拍圖像；以及選擇單元(S111 Sl 19)，其選擇在第1排除單元排除后剩下的1個或2個以上的連拍圖像的一部分作為特定圖像。優(yōu)選還具備制作単元(S56 S61)，其制作定義由檢測單元檢測出的物體像的品質的參數(shù)；搜索単元(S73 S75、S81 S83)，其基于由制作単元制作的參數(shù)來執(zhí)行如下處理從通過分類單元分類后的1個或2個以上的物體像群中捜索由表示與希望物體不同的物體的物體像形成的物體像群；以及第2排除単元(S77 S79)，其從判別単元的判別對象中排除由搜索單元發(fā)現(xiàn)的物體像群。更優(yōu)選由制作単元制作的參數(shù)包含形成所希望物體的要素的再現(xiàn)度，由搜索單元捜索出的物體像群相當于由參數(shù)的值低于基準的物體像形成的物體像群。更優(yōu)選所希望物體相當于人物的面部。優(yōu)選分類單元基于由檢測單元檢測出的物體像的位置來執(zhí)行分類。優(yōu)選判別單元所關注的屬性包含分別出現(xiàn)了 K個以下的物體像的K個以下的連拍圖像的識別信息，錯誤條件包括如下條件與分別出現(xiàn)了 K個以下的物體像的K個以下的連拍圖像不同。
優(yōu)選判別單元所關注的屬性包含K個以下的物體像的各自的再現(xiàn)度，錯誤條件包括如下條件具有再現(xiàn)度低于基準的物體像。依據本發(fā)明的圖像處理程序，其用于使圖像處理裝置(10)的處理器06)執(zhí)行如下步驟檢測步驟(S47)，從K個連拍圖像的每ー個中檢測出分別符合辭典圖像的1個或2 個以上的物體像，其中K為2以上的整數(shù)；分類步驟(S67)，對K個連拍圖像執(zhí)行將通過檢測步驟檢測出的物體像按照每個共同的物體進行分類的處理；判別步驟(S87 S89、S95、 SlOl S103)，判別分別屬于通過分類步驟形成的1個或2個以上的物體像群的K個以下的物體像的屬性；排除步驟(S91 S93、S97 S99)，基于判別步驟的判別結果來排除K個連拍圖像中的符合錯誤條件的連拍圖像；以及選擇步驟(S111 S119)，選擇在排除步驟排除后剩下的1個或2個以上的連拍圖像的一部分作為特定圖像。依據本發(fā)明的圖像處理方法，其由圖像處理裝置(10)執(zhí)行，具備檢測步驟 (S47)，從K個連拍圖像的每ー個中檢測出分別符合辭典圖像的1個或2個以上的物體像， 其中K為2以上的整數(shù)；分類步驟(S67)，對K個連拍圖像執(zhí)行將通過檢測步驟檢測出的物體像按照每個共同的物體進行分類的處理；判別步驟(S87 S89、S95、S101 S103)，判別分別屬于通過分類步驟形成的1個或2個以上的物體像群的K個以下的物體像的屬性；排除步驟(S91 S93、S97 S99)，基于判別步驟的判別結果來排除K個連拍圖像中的符合錯誤條件的連拍圖像；以及選擇步驟(S111 S119)，選擇在排除步驟排除后剩下的1個或 2個以上的連拍圖像的一部分作為特定圖像。依據本發(fā)明的外部控制程序，其被提供給具備處理器06)的圖像處理裝置(10)， 其中處理器06)按照保存在存儲器04)中的內部控制程序執(zhí)行處理，外部控制程序用于與內部控制程序協(xié)作來使處理器執(zhí)行如下步驟檢測步驟(S47)，從K個連拍圖像的每ー個中檢測出分別符合辭典圖像的1個或2個以上的物體像，其中K為2以上的整數(shù)；分類步驟 (S67)，對K個連拍圖像執(zhí)行將通過檢測步驟檢測出的物體像按照每個共同的物體進行分類的處理；判別步驟(S87 S89、S95、S101 S103)，判別分別屬于通過分類步驟形成的1 個或2個以上的物體像群的K個以下的物體像的屬性；排除步驟(S91 S93、S97 S99)， 基于判別步驟的判別結果來排除K個連拍圖像中的符合錯誤條件的連拍圖像；以及選擇步驟(S111 S119)，選擇在排除步驟排除后剩下的1個或2個以上的連拍圖像的一部分作為特定圖像。依據本發(fā)明的圖像處理裝置(10)具備取入単元(46)，其取入外部控制程序；以及處理器(沈)，其按照由取入単元取入的外部控制程序和保存在存儲器G4)中的內部控制程序執(zhí)行處理，外部控制程序與內部控制程序協(xié)作來執(zhí)行如下步驟檢測步驟(S47)，從 K個連拍圖像的每ー個中檢測出分別符合辭典圖像的1個或2個以上的物體像，其中K為 2以上的整數(shù)；分類步驟(S67)，對K個連拍圖像執(zhí)行將通過檢測步驟檢測出的物體像按照每個共同的物體進行分類的處理；判別步驟(S87 S89、S95、SlOl S103)，判別分別屬于通過分類步驟形成的1個或2個以上的物體像群的K個以下的物體像的屬性；排除步驟 (S91 S93、S97 S99)，基于判別步驟的判別結果來排除K個連拍圖像中的符合錯誤條件的連拍圖像；以及選擇步驟(S111 S119)，選擇在排除步驟排除后剩下的1個或2個以上的連拍圖像的一部分作為特定圖像。根據本發(fā)明，若在連拍的過程中物體的姿勢發(fā)生變動，則形成物體像群的物體像的個數(shù)在K個以下的范圍內變化。因此，通過關注屬于各物體像群的K個以下的物體像的屬性，能夠把握出現(xiàn)在K個連拍圖像的每ー個中的物體像的品質，并且能夠排除出現(xiàn)了低品質的物體像的連拍圖像。特定圖像從像這樣排除后剩下的1個或2個以上的連拍圖像中進行選擇。由此，圖像選擇性能提高。本發(fā)明的上述目的、其他目的、特征以及優(yōu)點根據參照附圖進行的以下的實施例的詳細說明將會更加明確。


圖1是表示本發(fā)明的一個實施例的基本結構的框圖。圖2是表示本發(fā)明的一個實施例的結構的框圖。圖3是表示攝像面上的評價區(qū)域的分配狀態(tài)的一例的圖解圖。圖4是表示在面部檢測處理中使用的面部框的一例的圖解圖。圖5是表示在面部檢測處理中參照的面部辭典的結構的一例的圖解圖。圖6是表示面部檢測處理的一部分的圖解圖。圖7是表示應用于圖2實施例的寄存器的結構的一例的圖解圖。圖8是表示應用于圖2實施例的其他寄存器的結構的一例的圖解圖。圖9㈧是表示第1幀的圖像數(shù)據的一例的圖解圖，⑶是表示第2幀的圖像數(shù)據的一例的圖解圖。圖10(A)是表示第3幀的圖像數(shù)據的一例的圖解圖，(B)是表示第4幀的圖像數(shù)據的一例的圖解圖。圖11是表示圖2實施例的動作的一部分的圖解圖。圖12是表示圖2實施例的動作的另一部分的圖解圖。圖13是表示應用于圖2實施例的CPU的動作的一部分的流程圖。圖14是表示應用于圖2實施例的CPU的動作的另一部分的流程圖。圖15是表示應用于圖2實施例的CPU的動作的其他一部分的流程圖。圖16是表示應用于圖2實施例的CPU的動作的另外其他一部分的流程圖。圖17是表示應用于圖2實施例的CPU的動作的另一部分的流程圖。圖18是表示應用于圖2實施例的CPU的動作的其他一部分的流程圖。圖19是表示應用于圖2實施例的CPU的動作的另外其他一部分的流程圖。圖20是表示應用于圖2實施例的CPU的動作的另一部分的流程圖。圖21是表示應用于圖2實施例的CPU的動作的其他一部分的流程圖。圖22是表示本發(fā)明的其他實施例的結構的框圖。(符號說明)10……數(shù)碼照相機16……成像器22......AE評價電路24......AF評價電路26......CPU32......SDRAM
44......閃存
具體實施例方式以下，參照附圖對本發(fā)明的實施方式進行說明。(基本結構)參照圖1，本實施例的圖像處理裝置基本上如下來構成。檢測單元1從K個(K :2 以上的整數(shù))連拍圖像的每ー個中檢測出分別符合辭典圖像的1個或2個以上的物體像。 分類單元2對K個連拍圖像執(zhí)行將由檢測單元1檢測出的物體像按照每個共同的物體進行分類的處理。判別單元3判別分別屬于由分類單元2形成的1個或2個以上的物體像群中各個物體像群的K個以下的物體像的屬性。第1排除単元4基于判別単元3的判別結果來排除K個連拍圖像中符合錯誤條件的連拍圖像。選擇單元5選擇第1排除単元4排除后剩下的1個或2個以上的一部分作為特定圖像。若在連拍的過程中物體的姿勢發(fā)生變動，則形成物體像群的物體像的個數(shù)在K個以下的范圍內變化。因此，通過關注屬于各物體像群的K個以下的物體像的屬性，能夠把握在K個連拍圖像的每ー個中出現(xiàn)的物體像的品質，進而能夠排除出現(xiàn)了低品質的物體像的連拍圖像。特定圖像從像這樣排除后剩下的1個或2個以上的連拍圖像中進行選擇。由此， 圖像選擇性能提高。(實施例)參照圖2，本實施例的數(shù)碼照相機10含有分別由驅動器18a以及18b來驅動的聚焦透鏡12以及光圈單元14。經過了這些部件的拍攝視場的光學像被照射到成像器16的攝像面上，并被實施光電變換。由此，生成表示拍攝視場像的電荷。接通電源后，CPU26為了執(zhí)行動態(tài)圖像取入處理，而在攝像任務下命令驅動器18c 反復進行曝光動作以及電荷讀出動作。驅動器18c響應從未圖示的SG(Signal Generator) 周期性地產生的垂直同步信號Vsync，來對攝像面進行曝光，并且在光柵掃描方式下讀出在攝像面生成的電荷。從成像器16周期性地輸出基于讀出的電荷的原始圖像數(shù)據。前處理電路20對從成像器16輸出的原始圖像數(shù)據實施數(shù)字鉗位(digital clamp)、像素缺陷校正、增益控制等處理。實施了這些處理后的原始圖像數(shù)據通過存儲器控制電路30而被寫入到SDRAM32的原始圖像區(qū)域32a。后處理電路34通過存儲器控制電路30讀出保存在原始圖像區(qū)域3 中的原始圖像數(shù)據，并對讀出的原始圖像數(shù)據實施顏色分離處理、白平衡調整處理以及YUV變換處理。 由此生成的YUV形式的圖像數(shù)據通過存儲器控制電路30而被寫入到SDRAM32的YUV圖像區(qū)域32b。IXD驅動器36通過存儲器控制電路30反復讀出保存在YUV圖像區(qū)域32b中的圖像數(shù)據，并基于讀出的圖像數(shù)據來驅動LCD監(jiān)視器38。其結果，拍攝視場的實時動態(tài)圖像 (取景圖像)被顯示在監(jiān)視器畫面上。參照圖3，在攝像面的中央分配評價區(qū)域EVA。評價區(qū)域EVA在水平方向以及垂直方向上分別被分割為16份，256個分割區(qū)域形成評價區(qū)域EVA。此外，圖2所示的前處理電路20除了執(zhí)行上述處理之外，還執(zhí)行將原始圖像數(shù)據簡易地變換為RGB數(shù)據的簡易RGB變換處理。
每當產生垂直同步信號Vsync吋，AE評價電路22對由前處理電路20生成的RGB 數(shù)據中的屬于評價區(qū)域EVA的RGB數(shù)據進行積分。由此，響應垂直同步信號Vsync，從AE評價電路22輸出256個積分值、即256個AE評價值。每當產生垂直同步信號Vsync吋，AF評價電路M對由前處理電路20生成的RGB數(shù)據中的屬于評價區(qū)域EVA的RGB數(shù)據的高頻分量進行積分。由此，響應垂直同步信號Vsync，從AF評價電路M輸出256個積分值、即256 個AF評價值。在設置于鍵輸入裝置28的快門按鈕^sh處于非操作狀態(tài)時，CP似6基于從AE評價電路22輸出的256個AE評價值來執(zhí)行簡易AE處理，并計算合理EV值。定義計算出的合理EV值的光圈量以及曝光時間被設定于驅動器18b以及18c，由此，取景圖像的明亮度被大體調整。若半按快門按鈕^sh,則CPU26執(zhí)行參照了 AE評價值的嚴格AE處理，并計算最佳 EV值。定義計算出的最佳EV值的光圈量以及曝光時間也被設定于驅動器18b以及18c，由此，取景圖像的明亮度被嚴格地調整。CP似6還基于從AF評價電路M輸出的256個AF評價值來執(zhí)行AF處理。聚焦透鏡12為了搜索合焦點而通過驅動器18a在光軸方向上移動， 并配置于由此發(fā)現(xiàn)的合焦點。其結果，取景圖像的清晰度提高。攝像模式能夠通過模式切換開關^md在單拍模式以及連拍模式之間切換。此外， 對于連拍模式，能夠開啟/關閉最佳攝影選擇功能。若在選擇了單拍模式的狀態(tài)下全按快門按鈕^sh,則CP似6只執(zhí)行1次靜止圖像取入處理。其結果，表示快門按鈕^sh被全按的時間點的拍攝視場的1幀圖像數(shù)據被保存在記錄圖像區(qū)域32c中。靜止圖像取入處理完成后，CPU26命令存儲器I/F40執(zhí)行對保存在記錄圖像區(qū)域32c中的1幀圖像數(shù)據的記錄處理。存儲器I/F40通過存儲器控制電路30 從記錄圖像區(qū)域32c中讀出指定的圖像數(shù)據，并將讀出的圖像數(shù)據以文件形式記錄在記錄介質42中。若在選擇了連拍模式的狀態(tài)下全按快門按鈕^sh,則每當產生垂直同步信號 Vsync時CP似6執(zhí)行合計4次的靜止圖像取入處理。其結果，連續(xù)的4幀圖像數(shù)據被保存在記錄圖像區(qū)域32c中。在最佳攝影選擇功能處于關閉狀態(tài)吋，CPU26命令存儲器I/F40執(zhí)行對所保存的全部4幀圖像數(shù)據的記錄處理。與此相対，若最佳攝影選擇功能處于開啟狀態(tài)，則CP似6命令存儲器I/F40執(zhí)行對所保存的4幀中的任意ー幀圖像數(shù)據的記錄處理。與上述相同，存儲器I/F40通過存儲器控制電路30從記錄圖像區(qū)域32c中讀出所指定的圖像數(shù)據，并將所讀出的圖像數(shù)據以文件形式記錄在記錄介質42中。在最佳攝影選擇功能處于開啟狀態(tài)吋，CPU26執(zhí)行以下的處理。首先，將變量K分別設定為“ 1” “4”，并將保存在記錄圖像區(qū)域32c中的第K幀的圖像數(shù)據重設尺寸。由此，與第K幀對應地追加做成了分別具有QVGA分辨率以及XGA分辨率的2幀圖像數(shù)據。接著，對QVGA分辨率的圖像數(shù)據實施面部檢測處理。在面部檢測處理中，使用以圖4所示的要領來調整尺寸的面部框、和收納了圖5所示的3個辭典圖像(=朝向相互不同的面部圖像)的面部辭典DC_F。從圖5可知，在3個辭典圖像的每ー個中分配了面部辭典編號FDIC和面部的朝向。此外，面部辭典DC_F被保存在閃存44中。
捜索區(qū)域按照覆蓋圖3所示的評價區(qū)域EVA整個區(qū)域的方式設定。此外，為了定義面部框FD的尺寸的可變范圍，最大尺寸SZmax被設定為“ 200 ”，最小尺寸SSiiin被設定為 “20”。面部框FD從搜索區(qū)域的開始位置(左上位置)向著結束位置(右下位置)，以光柵掃描方式毎次被移動規(guī)定量(參照圖6)。此外，每當面部框FD到達結束位置吋，面部框FD 的尺寸從“SZmax”到“SSnin”毎次被縮小5。屬于面部框FD的一部分圖像數(shù)據從具有QVGA分辨率的第K幀圖像數(shù)據中被提取。所提取出的圖像數(shù)據的特征量與收納于面部辭典DC_F中的3個辭典圖像的各自的特征量進行匹配。若得到了閾值TH以上的匹配度，則看作檢測出了面部圖像。此時，當前時間點的面部框FD的位置以及尺寸、和分配給匹配目標的辭典圖像的面部朝向作為面部信息的一部分被登記到設置于圖7所示的寄存器RGSTl中的第K個大列。此外，屬于面部框FD的圖像數(shù)據的面部類似度(face likelihood)基于上述匹配度來計算。所計算出的面部類似度也作為面部信息的另一部分被登記到寄存器RGSTl的第K個大列中。并且，在寄存器RGSTl的第K個大列中記述的面部數(shù)伴隨這些登記處理而增量。如圖7所示，在寄存器RGSTl中設置的各個大列具有分別與多個面部編號對應的多個小列。此外，相當于面部編號的變量N每當檢測出面部圖像時被増量。因此，與從第K 幀的圖像數(shù)據中檢測出的第N個面部圖像對應的面部信息被記述在形成第K個大列的第N 個小列中。若在寄存器RGSTl的第K個列中記述的面部數(shù)顯示出“1”以上的值，則變量N分別被設定為“1” “Nmax” (Nmax 面部數(shù))，第N個面部圖像在與第K幀對應的XGA分辨率的圖像數(shù)據上被確定。在確定面部圖像時，參照在形成第K個大列的第N個小列中記述的面部位置以及面部尺寸。接著，計算形成確定的面部圖像的器官(器官眼、鼻、ロ)的再現(xiàn)度、確定的面部圖像的笑臉度、以及確定的面部圖像上的眼睛的開閉度。計算出的器官再現(xiàn)度、笑臉度以及開閉度作為面部信息的另外一部分被登記到形成第K個大列的第N個小列中。因此，在人物HM_1 HM_3以及標志FG_1以圖9㈧所示的要領出現(xiàn)在第1幀的圖像數(shù)據中吋，與包圍人物HM_1的面部圖像的面部框FD_1對應地檢測出第1個面部圖像、 與包圍人物HM_2的面部圖像的面部框FD_2對應地檢測出第2個面部圖像、并且與包圍人物HM_3的面部圖像的面部框FD_3對應地檢測出第3個面部圖像。在寄存器RGSTl的第1個大列中，在第1個小列中登記與人物HM_1的面部圖像對應的面部信息、在第2個小列中登記與人物HM_2的面部圖像對應的面部信息、在第3個小列中登記與人物HM_3的面部圖像對應的面部信息。此外，在人物HM_1 HM_3以及標志FG_1以圖9(B)所示的要領出現(xiàn)在第2幀的圖像數(shù)據中吋，與包圍人物HM_1的面部圖像的面部框FD_1對應地檢測出第1個面部圖像、與包圍人物HM_3的面部圖像的面部框FD_2對應地檢測出第2個面部圖像。在寄存器RGSTl 的第2個大列中，在第1個小列中登記與人物HM_1的面部圖像對應的面部信息、在第2個小列中登記與人物HM_3的面部圖像對應的面部信息。并且，在人物HM_1 HM_3以及標志FG_1以圖10 (A)所示的要領出現(xiàn)在第3幀的圖像數(shù)據中吋，與包圍人物HM_1的面部圖像的面部框FD_1對應地檢測出第1個面部圖像、 與包圍人物HM_2的面部圖像的面部框FD_2對應地檢測出第2個面部圖像。此外，與包圍出現(xiàn)在標志FG_1上的褶皺的面部框FD_3對應地誤檢測出第3個面部圖像、與包圍人物HM_3 的面部圖像的面部框FD_4對應地檢測出第4個面部圖像。在寄存器RGSTl的第3個大列中，在第1個小列中登記與人物HM_1的面部圖像對應的面部信息、在第2個小列中登記與人物HM_2的面部圖像對應的面部信息。此外，在第 3個小列中登記與標志FG_1的褶皺對應地誤作成的面部信息、在第4個小列中登記與人物 HM_3的面部圖像對應的面部信息。此外，在人物HM_1 HM_3以及標志FG_1以圖10⑶所示的要領出現(xiàn)在第4幀的圖像數(shù)據中吋，與包圍人物HM_1的面部圖像的面部框FD_1對應地檢測出第1個面部圖像、 與包圍人物HM_2的面部圖像的面部框FD_2對應地檢測出第2個面部圖像。此外，與包圍人物HM_3的面部圖像的面部框FD_3對應地檢測出第3個面部圖像、與包圍出現(xiàn)在標志FG_1 上的褶皺的面部框FD_4對應地誤檢測出第4個面部圖像。在寄存器RGSTl的第4個大列中，在第1個小列中登記與人物HM_1的面部圖像對應的面部信息、在第2個小列中登記與人物HM_2的面部圖像對應的面部信息。此外，在第 3個小列中登記與人物HM_3的面部圖像對應的面部信息、在第4個小列中登記與標志FG_1 的褶皺對應地誤作成的面部信息。對保存在記錄圖像區(qū)域32c中的4幀圖像數(shù)據的上述處理完成后，出現(xiàn)在這些圖像數(shù)據中的面部圖像按照每個共同的面部被分組。在分組時，參照在寄存器RGSTl中記述的面部圖像的尺寸以及位置。其結果，構筑了分別由4個以下的面部圖像形成的1個或2 個以上的組。所構筑的各組的識別面部圖像的面部編號被記述在圖8所示的寄存器RGST2 中。在圖9㈧ 圖10(B)的例子中，人物HM_1的面部圖像被分類為第1個組，人物 HM_2的面部圖像被分類為第2個組，人物HM_3的面部圖像被分類為第3個組，并且從標志 FG_1誤檢測出的面部圖像被分類為第4個組(參照圖11)。根據圖11，與圖9(A)所示的面部框FD_1對應的面部編號(=1)、與圖9(B)所示的面部框ド0_1對應的面部編號(=1)、與圖10(幻所示的面部框ド0_1對應的面部編號(= 1)以及與圖10(B)所示的面部框FD_1對應的面部編號(=1)與第1個組對應地登記到寄存器RGST2中。此外，與圖9(A)所示的面部框FD_2對應的面部編號(=1)、與圖10(A) 所示的面部框FD_2對應的面部編號(=2)以及與圖10(B)所示的面部框FD_2對應的面部編號(=2)與第2個組對應地登記到寄存器RGST2中。并且，與圖9 (A)所示的面部框FD_3對應的面部編號(=3)、與圖10(A)所示的面部框FD_2對應的面部編號(=2)、與圖10(A)所示的面部框FD_4對應的面部編號(=4) 以及與圖10(B)所示的面部框FD_3對應的面部編號(=3)與第3個組對應地登記到寄存器RGST2中。此外，與圖10(A)所示的面部框FD_3對應的面部編號(=3)以及與圖10(B) 所示的面部框FD_4對應的面部編號(=4)與第4個組對應地登記到寄存器RGST2中。接著，從在寄存器RGST2中登記的1個或2個以上的組中搜索所屬的面部圖像的個數(shù)低于“4”的組。若發(fā)現(xiàn)了希望的組，則將相當于組編號的變量G分別設定為“1” "Gmaxl" (Gmaxl 所發(fā)現(xiàn)的組的總數(shù))，為了判別面部圖像的誤檢測而指定所發(fā)現(xiàn)的1個或 2個以上的組中的第G個組。從寄存器RGSTl中讀出分別與屬于所指定的組的1個或2個以上的面部圖像對應的1個或兩個以上的器官再現(xiàn)度。將讀出的1個或2個以上的器官再現(xiàn)度的平均值與基準值REFl進行比較。若平均值為基準值REFl以下，則所指定的組被看作由于面部圖像的誤檢測而構筑的組。與所指定的組相關的登記響應誤檢測的判別而從寄存器RGST2中被刪除或排除。在圖9㈧ 圖10⑶的例子中，寄存器RGST2上的第2個 第4個組成為誤檢測判別處理的對象，與第4個組相關的登記從寄存器RGST2中被刪除或排除(參照圖12上部)。對相當于“Gmaxl”的組的上述排除處理完成后，為了排除符合錯誤條件的幀，而將變量G分別設定為“1” “GamX2” (Gamx2 殘留在寄存器RGST2中的組的總數(shù))。在此，錯誤條件有第一條件，即屬于第G個組的面部圖像缺失；第二條件，即屬于第G個組的面部圖像的器官再現(xiàn)度低于基準值REF2(REF2 > REF1)。與第1條件相關聯(lián)，從所關注的4個幀中確定出現(xiàn)了屬于第G個組的面部圖像的幀。在此沒有被確定的幀被看作是符合第1條件的幀、即缺失幀，與缺失幀相關的登記從寄存器RGST2中被刪除或排除。與第2條件相關聯(lián)，從第G個組中捜索器官再現(xiàn)度低于基準值REF2的面部圖像。 若發(fā)現(xiàn)了希望的面部圖像，則出現(xiàn)了所發(fā)現(xiàn)的面部圖像的幀被看作是符合第2條件的幀， 與此幀相關的登記從寄存器RGST2中被刪除或排除。在圖9㈧ 圖10(B)的例子中，屬于寄存器RGST2上的第2個組的人物HM_2的面部圖像在第2幀的圖像數(shù)據中沒有被檢測出。因此，第2幀被看作符合第1條件的幀，與第2幀相關的登記從寄存器RGST2中被刪除或排除(參照圖12中部)。此外，屬于寄存器RGST2上的第3個組的人物HM_3的面部圖像的器官再現(xiàn)度在第 4幀中低于基準值REF2。因此，第4幀被看作符合第2條件的幀，與第4幀相關的登記從寄存器RGST2中被刪除或排除(參照圖12下部)。對相當干“Gmax2”的組的上述排除處理完成后，此后殘留在寄存器RGST2中的幀的數(shù)量作為殘存幀數(shù)RF被檢測出。若檢測出的殘存幀數(shù)RF為“0”，則對存儲器I/F40發(fā)出對所關注的4個幀中的最前面的幀的圖像數(shù)據的記錄處理的執(zhí)行命令。此外，若殘存幀數(shù)RF為“ 1 ”，則CP似6對存儲器I/F40發(fā)出對殘存幀的圖像數(shù)據的記錄處理的執(zhí)行命令。若殘存幀數(shù)RF超過“1”，則按照每個幀來評價出現(xiàn)在殘存幀中的1個或2個以上的面部圖像的品質。在評價時，參照在寄存器RGSTl中記述的面部的朝向、面部類似度、笑臉度、以及眼睛的開閉度。然后，從殘存幀中選擇評價最高的単一的幀。選擇處理完成后， 對存儲器I/F40發(fā)出對所選擇的幀的圖像數(shù)據的記錄處理的執(zhí)行命令。存儲器I/F40通過存儲器控制電路30從記錄圖像區(qū)域32c中讀出所指定的圖像數(shù)據，并將所讀出的圖像數(shù)據以文件形式記錄在記錄介質42中。在圖9㈧ 圖10⑶的例子中，如圖12下部所示，將第1幀以及第4幀作為殘存幀。因此，評價出現(xiàn)在第1幀中的人物HM_1 HM_3的面部圖像的品質，并且評價出現(xiàn)在第 4幀中的人物HM_1 HM_3的面部圖像的品質。其結果，若對第4幀的評價較高，則將第4 幀的圖像數(shù)據記錄在記錄介質42中。CPU26在多任務OS的控制下并行地執(zhí)行包括圖13 圖20所示的攝像任務在內的多個任務。另外，與這些任務對應的控制程序被存儲在閃存44中。參照圖13，在步驟Sl中執(zhí)行動態(tài)圖像取入處理。其結果，表示拍攝視場的取景圖像被顯示在IXD監(jiān)視器38上。在步驟S3中判別快門按鈕^sh是否被半按，只要判別結果為“否”，則在步驟S5中反復進行簡易AE處理。其結果，取景圖像的明亮度被大致調整。若步驟S3的判別結果從“否”被更新為“是”，則在步驟S7中執(zhí)行嚴格AE處理，在步驟S9中執(zhí)行AF處理。取景圖像的明亮度通過嚴格AE處理被嚴格地調整，取景圖像的清晰度通過AF處理而提高。在步驟Sll中判別快門按鈕^sh是否被全按，在步驟S13中判別快門按鈕^sh 的操作是否被解除。若在步驟S13中為“是”，則直接返回步驟S3，若在步驟Sll中為“是”， 則經過步驟S15 S21的處理而返回步驟S3。在步驟S15中，判別當前時間點的攝像模式是連拍模式以及單拍模式的哪ー種。 若當前時間點的拍攝模式為單拍模式，則在步驟S17中執(zhí)行靜止圖像取入處理，在步驟S19 中執(zhí)行記錄處理。另ー方面，若當前時間點的攝像模式為連拍模式，則在步驟S21中執(zhí)行連拍&記錄處理。步驟S19或S21的處理完成后，返回到步驟S3。步驟S17的靜止圖像取入處理的結果，表示快門按鈕^sh被全按的時間點的拍攝視場的1幀圖像數(shù)據從YUV圖像區(qū)域32b被保存到記錄圖像區(qū)域32c中。此外，步驟S19 的記錄處理的結果，對存儲器I/F40發(fā)出對應的命令。存儲器I/F40通過存儲器控制電路 30讀出保存在記錄圖像區(qū)域32c中的1幀圖像數(shù)據，并將讀出的圖像數(shù)據以文件形式記錄在記錄介質42中。步驟S21的連拍&記錄處理按照圖14 圖21所示的子程序來執(zhí)行。首先，在步驟S31中將相當于幀編號的變量K設定為“1”。在步驟S33中，等待垂直同步信號Vsync的產生來執(zhí)行與上述步驟S17同樣的靜止圖像取入處理。在步驟S35中對變量K進行增量，在步驟S37中判別增量后的變量K是否超過“4”。若判別結果為“否” 則返回到步驟S33，若判別結果為“是”則進入到步驟S39以后的處理。因此，步驟S33的靜止圖像取入處理響應垂直同步信號Vsync而被執(zhí)行合計4次，將連續(xù)的4幀圖像數(shù)據保存在記錄圖像區(qū)域32c中。在步驟S39中，判別最佳攝影選擇功能是否處于開啟狀態(tài)。若判別結果為“否”，則進入到步驟S41，命令存儲器I/F40記錄保存在記錄圖像區(qū)域32c中的全部幀的圖像數(shù)據。 存儲器I/F40通過存儲器控制電路30讀出所指定的圖像數(shù)據，并將所讀出的圖像數(shù)據以文件形式記錄在記錄介質42中。記錄完成后，返回到上層程序。若步驟S39的判別結果為“是”，則在步驟S43中將變量K設定為“ 1”，對第K幀圖像數(shù)據重設尺寸。由此，分別具有QVGA分辨率以及XGA分辨率的2個幀的圖像數(shù)據與第K 幀對應地追加作成。在步驟S47中，對QVGA分辨率的圖像數(shù)據實施面部檢測處理。面部檢測處理的結果，從所關注的圖像數(shù)據中搜索出符合收納在面部辭典DC_F 中的3個辭典圖像的任意ー個的面部圖像。若檢測出1個或2個以上面部圖像，則各個面部圖像的位置以及尺寸、由各個面部圖像所表示的面部的朝向以及面部類似度作為面部信息的一部分被登記到寄存器RGSTl的第K列。并且，所檢測出的面部圖像的總數(shù)作為面部數(shù)被記述在寄存器RGSTl的第K列。在步驟S49中，判別記述在第K列的面部數(shù)是否為“0”。若判別結果為“是”，則直接進入到步驟S63，若判別結果為“否”，則經由步驟S51 S61進入到步驟S63。在步驟S51中，將相當于面部編號的變量N設定為“ 1 ”，在步驟S53中，確定出現(xiàn)在第K幀的第N個面部圖像。參照在寄存器RGSTl的第K列與變量N對應地記述的面部圖像的位置以及尺寸，在與第K幀對應的XGA分辨率的圖像數(shù)據上確定希望的面部圖像。在步驟S55中，計算形成確定的面部圖像的器官(器官眼、鼻、ロ)的再現(xiàn)度、確定的面部圖像的笑臉度、以及確定的面部圖像上的眼睛的開閉度。在步驟S57中，將所計算出的器官再現(xiàn)度、笑臉度、以及開閉度與變量N對應地登記在寄存器RGSTl的第K列。在步驟S59中，判別變量N是否達到了“Nmax”(=在寄存器RGSTl的第K列記述的面部數(shù))。若判別結果為“否”，則在步驟S61中對變量N進行增量，之后返回到步驟S53。另ー方面，若判別結果為“是”，則進入到步驟S63。在步驟S63中，判別變量K是否超過“4”。若判別結果為“否”，則在步驟S65中對變量K進行增量，之后返回到步驟S45。另ー方面，若判別結果為“是”，則進入到步驟S67。在步驟S67中，參照在寄存器RGSTl中記述的面部圖像的尺寸以及位置，將出現(xiàn)在所關注的4幀圖像數(shù)據中的面部圖像按照每個共同的面部進行分組。其結果，構筑了分別由4個以下的面部圖像形成的1個或2個以上的組。識別所構筑的各組的面部圖像的面部編號被記述在寄存器RGST2中。在步驟S69中，從在步驟S67中構筑的1個或2個以上的組中搜索所屬的面部圖像的個數(shù)低于“4”的組。在步驟S71中判別通過該搜索處理是否發(fā)現(xiàn)了所希望的組，若判別結果為“否”，則直接進入到步驟S85，另ー方面，若判別結果為“是”，則經過步驟S73 S83 的處理進入到步驟S85。在步驟S73中，將相當于組編號的變量G設定為“ 1 ”。在步驟S75中，關注在步驟 S69中發(fā)現(xiàn)的1個或2個以上的組中的第G個組，從寄存器RGSTl中讀出分別與屬于該第G 個組的1個或2個以上的面部圖像對應的1個或2個以上的器官再現(xiàn)度，然后計算讀出的 1個或2個以上的器官再現(xiàn)度的平均值。在步驟S77中判別所計算出的平均值是否低于基準值REFl (第G個組是否是面部圖像的誤檢測所產生的組)，若判別結果為“否”，則直接進入到步驟S81，另ー方面，若判別結果為“是”，則刪除登記在寄存器RGST2中的第G個組之后進入到步驟S81。在步驟S81中判別變量G是否達到了最大值Gmaxl (=通過步驟S69的處理發(fā)現(xiàn)的組的總數(shù))，若判別結果為“否”則在步驟S83中對變量G進行增量之后返回到步驟S75， 另ー方面，若判別結果為“是”，則進入到步驟S85。在步驟S85中判別通過步驟S79的處理寄存器RGST2是否被清空，若判別結果為“是”，則進入到步驟S109，另ー方面，若判別結果為“否”，則進入到步驟S87。在步驟S87中將變量G再次設定為“1”，在步驟S89中從所關注的4個幀中確定出現(xiàn)了屬于第G個組的面部圖像的幀。在步驟S91中，判別是否存在通過步驟S89的處理沒有被確定的幀、即缺失幀。若判別結果為“否”，則進入到步驟S95，另ー方面，若判別結果為 “是”，則進入到步驟S93。在步驟S93中，將與缺失幀相關的登記從寄存器RGST2中刪除或排除，之后進入到步驟S85。在步驟S95中從第G個組中搜索器官再現(xiàn)度低于基準值REF2(REF2 > REF1)的面部圖像，在步驟S97中判別通過該搜索處理是否發(fā)現(xiàn)了希望的面部圖像。若判別結果為“否”，則進入到步驟SlOl，另ー方面，若判別結果為“是”，則進入到步驟S99。在步驟S99中， 將與出現(xiàn)了所發(fā)現(xiàn)的面部圖像的幀相關的登記從寄存器RGST2中刪除或排除，之后進入到步驟SlOl。在步驟SlOl中，判別變量G是否達到了最大值GmaX2(GmaX2 在寄存器RGST2中登記的組的總數(shù))，若判別結果為“否”，則在步驟S103中對變量G進行增量之后返回到步驟S89，另ー方面，若判別結果為“是”，則進入到步驟S105。在步驟S105中，將殘存幀(在步驟S93以及/或者步驟S99的處理后殘留在寄存器RGST2中的幀)的個數(shù)作為殘存幀數(shù) RF而檢測出。在步驟S107以及Slll中，判別所檢測出的殘存幀數(shù)RF的值。若殘存幀數(shù)RF為 “0”，則經過步驟S109的處理而返回到上層的程序，若殘存幀數(shù)RF為“ 1 ”，則經過步驟S113 的處理而返回到上層的程序，并且若殘存幀數(shù)RF超過“ 1 ”，則經過步驟Sl 15 Sl 19的處理而返回到上層的程序。在步驟S109中，命令存儲器I/F40執(zhí)行對所關注的4個幀中的第1幀的圖像數(shù)據的記錄處理。此外，在步驟S113中，命令存儲器I/F40執(zhí)行對殘存幀的圖像數(shù)據的記錄處理。存儲器I/F40通過存儲器控制電路30從記錄圖像區(qū)域32c中讀出所指定的圖像數(shù)據， 并將所讀出的圖像數(shù)據以文件形式記錄在記錄介質42中。在步驟S115中，按照每個幀來評價出現(xiàn)在殘存幀中的1個或2個以上的面部圖像的品質。在評價時，參照在寄存器RGSTl中記述的面部的朝向、面部類似度、笑臉度、以及眼睛的開閉度。在步驟S117中從殘存幀中選擇評價最高的単一的幀，在步驟S119中命令存儲器I/F40執(zhí)行對所選擇的幀的圖像數(shù)據的記錄處理。與上述同樣地，存儲器I/F40通過存儲器控制電路30從記錄圖像區(qū)域32c中讀出所指定的圖像數(shù)據，并將所讀出的圖像數(shù)據以文件形式記錄在記錄介質42中。圖15所示的步驟S47的面部檢測處理按照圖19 圖21所示的子程序來執(zhí)行。首先，在步驟S121中將變量N設定為“0”，在步驟S123中將整個評價區(qū)域EVA設定為搜索區(qū)域。在步驟S125中，為了定義面部框FD的尺寸的可變范圍，而將最大尺寸SZmax 設定為“200”，將最小尺寸SSiiin設定為“20”?？勺兎秶亩x完成后，進入到步驟S127， 將面部框FD的尺寸設定為“SZmax”。在步驟SU9中，將面部框FD配置于搜索區(qū)域的開始位置(左上位置)。在步驟 S131中，從具有QVGA分辨率的第K幀的圖像數(shù)據中提取屬于面部框FD的一部分圖像數(shù)據， 并計算提取出的圖像數(shù)據的特征量。在步驟S133中，將面部辭典編號FDIC設定為“ 1 ”。在步驟S135中，將在步驟S131中計算出的特征量與收納在面部辭典DC_F中的3 個辭典圖像中的與面部辭典編號FDIC對應的辭典圖像的特征量進行匹配。在步驟S137中判別通過匹配處理而計算出的匹配度是否為閾值TH以上，在步驟S139中判別面部辭典編號FDIC是否為“3”。若步驟S139的判別結果為“否”，則在步驟S141中對面部辭典編號FDIC進行增量，之后返回到步驟S135。若步驟S137的判別結果為“否”且步驟S139的判別結果為“是”， 則直接進入到步驟S155。若在步驟S137中為“是”，則經過步驟S143 S153的處理而進入到步驟S155。在步驟S143中對變量N進行增量，在步驟S145中將當前時間點的面部框FD的位置以及尺寸與變量N對應地登記到寄存器RGSTl的第K列。在步驟S147中，從面部辭典DC_ F中檢測出分配給當前時間點的面部辭典編號FDIC的面部朝向，并將所檢測出的面部朝向與變量N對應地登記到寄存器RGSTl的第K列。在步驟S149中，基于通過步驟S135的匹配處理而計算出的匹配度來計算屬于面部框FD的圖像數(shù)據的面部類似度。在步驟S151中，將計算出的面部類似度與變量N對應地登記到寄存器RGSTl的第K列。在步驟S153中，對在寄存器RGSTl的第K列中記述的面部數(shù)進行增量。在步驟S155中，判別面部框FD是否到達了搜索區(qū)域的結束位置(右下位置)。若判別結果為“否”，則在步驟S157中使面部框FD在光柵方向上移動規(guī)定量，之后返回到步驟 S131。若判別結果為“是”，則在步驟S159中判別面部框FD的尺寸是否為“SSnin”以下。 若判別結果為“否”，則在步驟S161中將面部框FD的尺寸縮小“ 5”，在步驟S163中將面部框FD配置于面部捜索區(qū)域的開始位置，之后返回到步驟S131。若步驟S159的判別結果為 “是”，則返回到上層的程序。從以上的說明可知，CPU26從保存在SDRAM32的記錄圖像區(qū)域32c中的K幀圖像數(shù)據的每ー個中檢測出分別符合辭典圖像的1個或2個以上的面部圖像(S47)，并對相同的 K幀圖像數(shù)據執(zhí)行將檢測出的面部圖像按照每個共同的面部進行分類的處理(S67)。CPU26 還判別分別屬于通過分類處理而構筑的1個或2個以上的組的K個以下的面部圖像的屬性 (S87 S89、S95、SlOl S103)，將K幀圖像數(shù)據中的符合錯誤條件的幀的圖像數(shù)據排除 (S91 S93、S97 S99)。CP似6為了記錄而選擇在這種排除處理后殘留的1個或2個以上的幀中的任意ー個(S111 Sl 19)。若在連拍的過程中面部的姿勢發(fā)生變動，則形成組的面部圖像的個數(shù)在K個以下的范圍內變化。因此，通過關注屬于各組的K個以下的面部圖像的屬性，能夠把握出現(xiàn)在K 個幀的各自的圖像數(shù)據中的面部圖像的品質，并且能夠進ー步排除出現(xiàn)了低品質的面部圖像的圖像數(shù)據。應記錄的圖像數(shù)據從像這樣排除后剩下的1個或2個以上的幀的圖像數(shù)據中選擇。由此，圖像選擇性能提高。另外，在本實施例中，為了記錄而選擇在排除處理后剩下的1個或2個以上的幀的任意一個，但也可以為了記錄而選擇多個幀。此外，在本實施例中，多任務OS以及與由其執(zhí)行的多個任務相當?shù)目刂瞥绦虮活A先存儲在閃存44中。但是，也可以如圖22所示那樣將通信I/F46設置于數(shù)碼照相機10，并從ー開始就在閃存44中準備一部分控制程序作為內部控制程序，另ー方面，從外部服務器取得其他一部分控制程序作為外部控制程序。在此情況下，上述動作通過內部控制程序以及外部控制程序的協(xié)作而實現(xiàn)。此外，在本實施例中，按照上述要領將由CP似6執(zhí)行的處理區(qū)分為多個任務。但是，也可以將各個任務進ー步區(qū)分為多個小任務，并且也可以將區(qū)分后的多個小任務的ー 部分合并成其他任務。此外，在將各個任務區(qū)分為多個小任務的情況下，也可以從外部服務器取得其全部或一部分。
權利要求
1.一種圖像處理裝置，其具備檢測單元，其從K個連拍圖像的每一個中檢測出分別符合辭典圖像的1個或2個以上的物體像，其中K為2以上的整數(shù)；分類單元，其對所述K個連拍圖像執(zhí)行將由所述檢測單元檢測出的物體像按照每個共同的物體進行分類的處理；判別單元，其判別屬于由所述分類單元形成的1個或2個以上的物體像群中的各個物體像群的K個以下的物體像的屬性；第1排除單元，其基于所述判別單元的判別結果來排除所述K個連拍圖像中符合錯誤條件的連拍圖像；以及選擇單元，其選擇在所述第1排除單元排除后剩下的1個或2個以上的連拍圖像的一部分作為特定圖像。
2.根據權利要求1所述的圖像處理裝置，其中， 還具備制作單元，其制作對由所述檢測單元檢測出的物體像的品質進行定義的參數(shù)； 搜索單元，其基于由所述制作單元制作的參數(shù)來執(zhí)行如下處理從通過所述分類單元分類后的1個或2個以上的物體像群中搜索由表示與所希望物體不同的物體的物體像所形成的物體像群；以及第2排除單元，其從所述判別單元的判別對象中排除由所述搜索單元發(fā)現(xiàn)的物體像群。
3.根據權利要求2所述的圖像處理裝置，其中，由所述制作單元制作的參數(shù)包含用于形成所述所希望物體的要素的再現(xiàn)度， 由所述搜索單元搜索出的物體像群相當于由所述參數(shù)的值低于基準的物體像形成的物體像群。
4.根據權利要求3所述的圖像處理裝置，其中， 所述所希望物體相當于人物的面部。
5.根據權利要求1 4中任意一項所述的圖像處理裝置，其中，所述分類單元基于由所述檢測單元檢測出的物體像的位置來執(zhí)行分類。
6.根據權利要求1所述的圖像處理裝置，其中，所述判別單元所關注的屬性包含分別出現(xiàn)了所述K個以下的物體像的K個以下的連拍圖像的識別信息，所述錯誤條件包括如下條件與分別出現(xiàn)了所述K個以下的物體像的K個以下的連拍圖像不同。
7.根據權利要求1所述的圖像處理裝置，其中，所述判別單元所關注的屬性包含所述K個以下的物體像的各自的再現(xiàn)度， 所述錯誤條件包括如下條件具有所述再現(xiàn)度低于基準的物體像。
8.一種圖像處理程序，其用于使圖像處理裝置的處理器執(zhí)行如下步驟檢測步驟，從K個連拍圖像的每一個中檢測出分別符合辭典圖像的1個或2個以上的物體像，其中K為2以上的整數(shù)；分類步驟，對所述K個連拍圖像執(zhí)行將通過所述檢測步驟檢測出的物體像按照每個共同的物體進行分類的處理；判別步驟，判別屬于通過所述分類步驟形成的1個或2個以上的物體像群中的各個物體像群的K個以下的物體像的屬性；排除步驟，基于所述判別步驟的判別結果來排除所述K個連拍圖像中符合錯誤條件的連拍圖像；以及選擇步驟，選擇在所述排除步驟排除后剩下的1個或2個以上的連拍圖像的一部分作為特定圖像。
9.一種圖像處理方法，其由圖像處理裝置執(zhí)行， 所述圖像處理方法具備檢測步驟，從K個連拍圖像的每一個中檢測出分別符合辭典圖像的1個或2個以上的物體像，其中K為2以上的整數(shù)；分類步驟，對所述K個連拍圖像執(zhí)行將通過所述檢測步驟檢測出的物體像按照每個共同的物體進行分類的處理；判別步驟，判別屬于通過所述分類步驟形成的1個或2個以上的物體像群中的各個物體像群的K個以下的物體像的屬性；排除步驟，基于所述判別步驟的判別結果來排除所述K個連拍圖像中符合錯誤條件的連拍圖像；以及選擇步驟，選擇在所述排除步驟排除后剩下的1個或2個以上的連拍圖像的一部分作為特定圖像。
10.一種外部控制程序，其被提供給具備處理器的圖像處理裝置，其中所述處理器依照保存在存儲器中的內部控制程序執(zhí)行處理，所述外部控制程序用于與所述內部控制程序協(xié)作來使所述處理器執(zhí)行如下步驟檢測步驟，從K個連拍圖像的每一個中檢測出分別符合辭典圖像的1個或2個以上的物體像，其中K為2以上的整數(shù)；分類步驟，對所述K個連拍圖像執(zhí)行將通過所述檢測步驟檢測出的物體像按照每個共同的物體進行分類的處理；判別步驟，判別屬于通過所述分類步驟形成的1個或2個以上的物體像群中的各個物體像群的K個以下的物體像的屬性；排除步驟，基于所述判別步驟的判別結果來排除所述K個連拍圖像中符合錯誤條件的連拍圖像；以及選擇步驟，選擇在所述排除步驟排除后剩下的1個或2個以上的連拍圖像的一部分作為特定圖像。
11.一種圖像處理裝置，其具備 取入單元，其取入外部控制程序；以及處理器，其按照由所述取入單元取入的外部控制程序和保存在存儲器中的內部控制程序執(zhí)行處理，所述外部控制程序與所述內部控制程序協(xié)作來執(zhí)行如下步驟 檢測步驟，從K個連拍圖像的每一個中檢測出分別符合辭典圖像的1個或2個以上的物體像，其中K為2以上的整數(shù)；分類步驟，對所述K個連拍圖像執(zhí)行將通過所述檢測步驟檢測出的物體像按照每個共同的物體進行分類的處理；判別步驟，判別屬于通過所述分類步驟形成的1個或2個以上的物體像群中的各個物體像群的K個以下的物體像的屬性；排除步驟，基于所述判別步驟的判別結果來排除所述K個連拍圖像中符合錯誤條件的連拍圖像；以及選擇步驟，選擇在所述排除步驟排除后剩下的1個或2個以上的連拍圖像的一部分作為特定圖像。
全文摘要
CPU(26)從保存在SDRAM(32)的記錄圖像區(qū)域(32c)中的K幀圖像數(shù)據的每一個中檢測出分別符合辭典圖像的1個或2個以上的面部圖像，并對相同的K幀圖像數(shù)據執(zhí)行將所檢測出的面部圖像按照共同的每個面部進行分類的處理。CPU(26)還判別分別屬于通過分類處理而構筑的1個或2個以上的組的K個以下的面部圖像的屬性，排除K幀圖像數(shù)據中的符合錯誤條件的圖像數(shù)據。CPU(26)為了記錄而選擇這種排除處理后剩下的1個或2個以上的幀的任意一個。本發(fā)明能夠提高圖像選擇性能。
文檔編號H04N5/232GK102572267SQ20111040168
公開日2012年7月11日 申請日期2011年12月6日 優(yōu)先權日2010年12月9日
發(fā)明者岡本正義, 木山淳 申請人:三洋電機株式會社