JP2001501750A - アイローカリゼーションフィルタ - Google Patents

Abstract

(57)【要約】 この高速なアイローカリゼーションシステムは、人間の顔のグレイスケール画像の中の目の位置を決定するために目の領域の比較的高い水平方向コントラスト密度を利用するフィルタに基づく。このシステムは個人を走査するカメラを有しており、さらに所要のフィルタリングを行うプロセッサに取り付けられる。このフィルタリングは、水平方向コントラスト計算フィルタ、水平方向コントラスト密度決定フィルタ、顔面の幾何学的構成推論部及び目の位置決定部を含み、さらに様々な目の形状、顔面配向及び眼鏡のような他の要素がある場合でも又は目が閉じていても機能する。

Description

【発明の詳細な説明】 アイローカリゼーションフィルタ 発明の分野 本発明は、目の位置を決定すること、とりわけ顔のグレイスケール画像に比べ て目の領域の比較的高い水平方向コントラスト密度を利用することに関する。 従来技術の記述 多くの視覚的監視アプリケーションにとって、人間の顔を含んでいる画像シー クエンスから人間の目の位置を決定することは重要である。一度人間の目の位置 が決定されれば、鼻や口の位置のような他の全ての重要な顔面特徴が容易に決定 される。両眼の間の距離、鼻及び口の大きさなどの基本的な顔面の幾何学的情報 をさらに抽出することができる。その後で、この幾何学的情報は所定の顔面デー タベースからの顔の識別のような様々な作業に使用される。このアイローカリゼ ーションシステム（eye localization system）は車両の運転者の居眠り運転の 検知にも直接的に使用できる。 幾つかの技術がハフ変換、幾何学及び対称性チェック及び変形可能モデルに基 づくアイローカリゼーションに対して存在する。これらの技術の大部分は形状変 化に対してロバスト性が充分ではない。これらのシス テムはまた膨大なコンピュータ処理時間を要する。さらに、これらの既存のシス テムは、目が閉じている場合には目の位置を求めることができない。 発明の要点 本発明は高速なアイローカリゼーションのためのシステムである。この高速な アイローカリゼーションのためのシステムは、人間の顔のグレイスケール画像の 中の目の位置を決定するために目の領域の比較的高い水平方向コントラスト密度 を利用するフィルタに基づく。このシステムは個人を走査するカメラを有してお り、さらに所要のフィルタリングを行うプロセッサに取り付けられる。このフィ ルタリングは、水平方向コントラスト計算フィルタ、水平方向コントラスト密度 決定フィルタ、顔面の幾何学的構成推論部及び目の位置決定部を含む。 図面の説明 図１は本発明の１つの実施形態を図示している。 図２は本発明のフィルタリングのシグナルフローチャートを図示している。 図３は本発明で使用される水平方向コントラストフィルタを図示している。 図４は水平方向コントラスト密度決定を図示している。 図５は水平方向コントラストフィルタの結果及び水平方向コントラスト密度決 定を図示している。 図６は顔面の幾何学的構成推論を図示している。 図７は顔面の幾何学的構成推論の別の実施形態を図示している。 図８は目の位置決定を図示している。 図９は見本の顔面に対するアイローカリゼーションを図示している。 図１０はビデオシークエンスの３つの典型的な人物見本のフレームを図示して いる。 図１１は眼鏡ありの場合と眼鏡なしの場合のこのシステムの性能を示す例を図 示している。 発明の詳細な説明 本発明は、目の位置を決定するために目の領域の比較的高い水平方向コントラ ストを利用する。図１に図示されているような基本システムはカメラ１１を有し 、このカメラ１１は個人１２を走査しプロセッサ１３に接続されている。このプ ロセッサ１３は走査された画像の必要なフィルタリング処理を行う。このフィル タリングは水平方向コントラスト計算、水平方向コントラスト密度の決定、顔面 の幾何学的構成の推論および目の位置の決定を含む。 本発明のフィルタリングのシグナルフローチャートが図２に示されている。図 ２では、顔のグレイスケール画像が水平方向コントラストフィルタへの入力であ る。この水平方向コントラストフィルタの出力、フィルタリングされた画像は、 さらにフィルタリングする ために水平方向コントラスト密度フィルタに供給される。この水平方向コントラ スト密度フィルタの出力はこのシステムの顔面の幾何学的構成推論セクションに 供給される。この顔面の幾何学的構成推論セクションの出力はこのシステムの目 の位置決定セクションへ供給される。この目の位置決定セクションの出力、本発 明の出力は、左眼及び右眼の位置である。水平方向コントラストフィルタ、水平 方向コントラスト密度フィルタ、顔面の幾何学的構成推論及び目の位置決定の処 理を次に説明する。 図３に水平方向コントラストフィルタのシグナルフローチャートが示されてい る。この水平方向コントラストフィルタは次のように動作する。画像の中のｍピ クセル対ｎピクセルのサイズの小さな局所ウィンドウにおいて、ｍピクセルに亘 る水平方向の加算が、このフィルタウィンドウ内の垂直方向の構造を平滑化する ためにまず最初に行われる。次にｍピクセル加算値の中の最大差値を計算する。 この最大差値が所定の閾値よりも大きい場合、このピクセルは高い水平方向コン トラストを有するピクセルとして分類される。もし水平方向コントラストが高く かつ値ｓ１，…ｓｎが減少順に並んでいる場合には、このフィルタの出力は画像 の“白い”ピクセルを表す“１”である。これ以外の場合には、このフィルタの 出力は画像の“黒い”ピクセルに相応する“０”である。従来技術で公知のよう に、３×３ピクセル又は５×５ピクセルのサイズのウィンドウで２５６×２５６ ピクセルのサイズの入力画像に対しては充分である。この水平方向コントラスト フィルタの顔の典型的な入力グレイスケール画像及びこの水平方向コントラスト フィルタの相応する出力画像すなわちバイナリマスク画像が図５ａ及び図５ｂに それぞれ示されている。 ここで注意すべき重要なことは、上述の水平方向コントラストフィルタは多く の可能な実施形態の中の１つにすぎないということである。若干の修正を加えれ ば大抵の既存の水平方向エッジ検出技術を使用することもできる。 この水平方向コントラストフィルタの出力であるバイナリマスク画像から２つ の観察を導き出すことができる。第１には、この水平方向コントラストフィルタ の出力は鼻及び唇の近傍と同様に両眼及び髪の近傍で“１”である。第２には、 このフィルタは顔面の特徴と関係のない領域で若干の偽の応答を送出する。アイ ローカリゼーションのためにこのバイナリマスク画像を整えてより適切な画像を 生成するためには、水平方向コントラスト密度決定が必要である。 水平方向コントラスト密度決定が図４に図示されている。水平方向コントラス トフィルタからのバイナリマスク画像出力は水平方向コントラスト密度に供給さ れるる。このバイナリマスク画像の中の“白い”ピク セルがサーチされる。３０×１５ピクセルのような比較的大きなウィンドウを使 用して、図５（ｂ）に示されたバイナリマスク画像の各“白い”ピクセルに対し てこのウィンドウ内の“白い”ピクセルの数を計数し閾値と比較する。言い換え れば、各“白い”ピクセルに対して、このウィンドウ内のその近傍にある“白い ”ピクセルの数が計数される。この局所ウィンドウ内の“白い”ピクセルの数は 、高い水平方向コントラストを有するピクセルの密度と見なされ得るので、この 数は水平方向コントラスト密度と呼ばれる。その次に、閾値がこの閾値よりも小 さいコントラスト密度を有する出力ピクセルを除去するために適用され、ノイズ 及び無関係な特徴の効果を取り除く。図５（ｃ）は水平方向コントラスト密度フ ィルタの出力を示すグレイスケールマスク画像を示す。 図６は、顔面の幾何学的構成の推論を示しており、この場合顔の特徴の幾何学 的構成に関するアプリオリな情報が目の位置を検出し確認するために使用される 。両眼は通常非常に高い（そして大抵はほぼ最大の）水平方向コントラスト密度 を有しているので、まず第１の推定として水平方向コントラスト密度フィルタか ら得られるグレイスケールマスク画像の所定の領域の中の最大強度をサーチする 。大抵の画像では、両眼はこの画像の上側の１/４の領域には位置していないと 想定される。よって、このマスク画像の最上部の１/ ４の領域は最大ピクセル値サーチにとってスキップできる。同様にこのマスク画 像の最下部の１/４の領域もこのアイロケーションサーチにとってスキップでき る。これらの領域を排除することにより本発明の計算コストは低減される。この マスク画像の中の最大値ピクセルの位置が分かった後で、この位置が本当に２つ の目の位置の内の１つに相応するのかを確認する。（頭部の小部分を考慮して） 両眼は幅２ｋ＋１の水平方向ストリップ内に位置しているという事実が利用され る。次にこのストリップのピクセルの列毎の合計（投影）を計算する。この結果 １次元（１Ｄ）曲線Ｃ１が得られる。この１次元（１Ｄ）曲線Ｃ１は目の領域に 相応する２つの大きなピークを有する。２つの大きなピークが見つからない場合 には、サーチエリアを変え、このプロシージャを再び行う。 図７は、顔面の幾何学的構成の推論の第２の実施形態を示す。この実施形態は 顔面の幾何学的構成に関するより多くの情報を利用してアイローカリゼーション の確認プロシージャを改善する。１つの可能な方法は、口の付加的な情報を利用 してこの確認をよりロバストにすることである。図５（ｃ）に示されているよう に水平方向コントラスト密度フィルタは通常両眼ならびに口の近傍で強い応答を 有する。Ｃ１のピークを検出した後で、このシステムは目の下の口の強い応答を 探す。Ｃ１曲線の２つのピークの間の距離は両眼の間 の近似的な距離を示すので、口の近似的な領域も推定できる。そしてこの領域に 対する１次元（１Ｄ）曲線Ｃ２が生成される。Ｃ２の大きなピークは口の位置を 確定する。これが逆に両眼の位置を確定する。 図８は、目の位置の決定を図示している。この目の位置の決定は、図６又は７ の顔面の幾何学的構成推論によって供給される目の位置を改善する。顔のオリジ ナルのグレイスケール画像及び近似的な目の位置が必要な入力である。ローパス フィルタがこの近似的な目の位置の周囲の小さなウィンドウの中のオリジナルの グレイスケール画像に適用される。次にこの近似的な目の位置の周囲の小さなウ ィンドウの中の最小値をサーチし、出力としての最小値の位置がアイリス位置で ある。 本発明のテストを様々な人々のビデオシークエンスにおいて行った。テスト結 果は最小限の背景の混乱（minimum background clutter）を有する様々な室内照 明条件下で記録された。全ての画像は２５６×２５６ピクセルの解像度にサブサ ンプリングされた。このシステムは、２５６×２５６画像に対する両眼の位置決 定にSUN SPARC 10ワークステーションで約２００ｍｓｅｃ.を要した。 図９は、本発明によって求められた目の位置を示す十字線を有する様々な人々 の顔面画像を図示している。図１０ａ、図１０ｂ及び図１０ｃは、目が閉じてい る場合と頭部のサイズ及び頭部の配向が変化する場合のビデオシークエンスの３ つの典型的な人物見本のフレームを図示している。図１０ａは両眼が閉じている 場合のケースである。図１０ｂは頭部のサイズの変化及び頭部の配向の僅かな変 化を示している。図１０ｃは頭部の配向が変化している。図１１は眼鏡ありの場 合及び眼鏡なしの場合のこのシステムの性能を示している。 本発明は非常に簡単で高速であり、さらに様々な目の形状、顔面配向及び眼鏡 のような他の要素に対してロバスト性を有している。本発明の別の際立った重要 な特徴は、両眼が閉じている場合でもこのシステムは目の領域を検出できること である。このシステムは汎用コンピュータにおいて非常に迅速に動作する。例と して、２５６×２５６ピクセルの顔面画像に対してこのシステムはSUN SPARC 10 ワークステーションで約２００ｍｓｅｃ.しか要さない。本発明は実時間処理の ために特化されたハードウェアによって実装される。 本発明はここに開示されたハードウェア又はソフトウェア装備又は演算処理プ ロセッサに限定されるものではない。本発明は請求項の範囲内に含まれる全ての 変更を内包する。

【手続補正書】特許法第１８４条の８第１項 【提出日】平成９年６月２０日（１９９７．６．２０） 【補正内容】 １． グレイスケール画像を生成するために個人を走査するイメージング手段及 び前記グレイスケール画像に基づいて前記個人の両眼位置決定を行うためのプロ セッサ手段を有するアイローカリゼーションフィルタにおいて、 前記プロセッサ手段は、 前記グレイスケール画像に基づいてバイナリマスク画像を生成するための水 平方向コントラスト計算フィルタ手段と、 該水平方向コントラスト計算フィルタ手段から前記バイナリマスク画像を供 給されてグレイスケールマスク画像を生成するための水平方向コントラスト密度 決定フィルタ手段と、 該水平方向コントラスト密度決定フィルタ手段から前記グレイスケールマス ク画像を供給されて前記両眼の推定位置を決定するための顔面の幾何学的構成推 論手段と、 該顔面の幾何学的構成推論手段から前記両眼の推定位置を供給されて前記両 眼の位置決定を行うための両眼位置決定手段とを有する、グレイスケール画像を 生成するために個人を走査するイメージング手段及び前記グレイスケール画像に 基づいて前記個人の両眼位置決定を行うためのプロセッサ手段を有す るアイローカリゼーションフィルタ。 ２． 前記水平方向コントラスト計算フィルタ手段は、 顔面のグレイスケール画像を受け取り、フィルタウィンドウの中の垂直方向 構造を平滑化するための加算手段と、 水平方向構造に対して、加算値の間の最大差を計算し、該最大差を分析し、 前記バイナリマスク画像を供給するための計算手段とを有する、請求項１記載の アイローカリゼーションフィルタ。 ３． 前記水平方向コントラスト密度決定フィルタ手段は、 前記バイナリマスク画像の中の白いピクセルをサーチするためのピクセルサ ーチ手段と、 各白いピクセルに対して局所ウィンドウの中の白いピクセルの数を計数する ための計数手段と、 閾値より下のコントラスト密度を有する出力ピクセルを除去し、前記グレイ スケールマスク画像を供給するための閾値手段とを有する、請求項２記載のアイ ローカリゼーションフィルタ。 ４． 前記顔面の幾何学的構成推論手段は、 前記グレイスケールマスク画像の選択されたサーチエリアの中の最大の白い ピクセル値を有する行を確認するための決定手段と、 ストリップの中のピクセルの列毎の合計を計算す る計算手段と、 前記ストリップが２つのピークを有するかどうかを確認し、推定両眼位置を 供給するための分析手段とを有する、請求項３記載のアイローカリゼーションフ ィルタ。 ５． 前記顔面の幾何学的構成推論手段は、 前記グレイスケールマスク画像の選択されたサーチエリアの中の最大の白い ピクセル値を有する行を確認するための決定手段と、 第１のストリップの中のピクセルの列毎の合計を計算する第１の計算手段と 、 前記ストリップが２つのピークを有するかどうかを確認するための第１の分 析手段と 前記第１のストリップの下の第２のストリップの中のピクセルの列毎の合計 を計算する第２の計算手段と、 前記第２のストリップが１つのピークを有するかどうかを確認し、推定両眼 位置を供給するための第２の分析手段とを有する、請求項３記載のアイローカリ ゼーションフィルタ。 ６． 前記目の位置決定手段は、 前記推定両眼位置の周囲の小さなウィンドウの中の前記グレイスケール画像 をフィルタリングするためのローパスフィルタ手段と、 前記推定両眼位置の周囲の前記小さなウィンドウ の中の最小の白いピクセル値をサーチし、前記両眼の位置を出力するためのサー チ手段とを有する、請求項４記載のアイローカリゼーションフィルタ。 ７． 前記目の位置決定手段は、 前記推定両眼位置の周囲の小さなウィンドウの中の前記グレイスケール画像 をフィルタリングするためのローパスフィルタ手段と、 前記推定両眼位置の周囲の小さなウィンドウの中の最小値をサーチし、前記 両眼の位置を出力するためのサーチ手段とを有する、請求項５記載のアイローカ リゼーションフィルタ。 ８． 個人を走査して前記個人の顔面のグレイスケール画像を生成するためのイ メージング手段と、 該イメージング手段に接続されるプロセッサ手段とを有するアイローカリゼ ーションフィルタにおい て、 前記プロセッサ手段は、 前記イメージング手段から前記顔面の前記グレイスケール画像を受け取り、 バイナリマスク画像を供給するための水平方向コントラスト計算フィルタ手段と 、 前記バイナリマスク画像を受け取り、グレイスケールマスク画像を供給する ための水平方向コントラスト密度決定フィルタ手段と、 前記グレイスケールマスク画像を受け取り、該グ レイスケール画像の中の近似的な両眼位置を供給するための顔面の幾何学的構成 推論手段と、 前記顔面の前記グレイスケールマスク画像及び前記近似的な両眼位置を受け 取り、前記両眼の位置を供給するための目の位置決定手段とを有する、個人を走 査し前記個人の顔面のグレイスケール画像を生成するためのイメージング手段と 、該イメージング手段に接続されるプロセッサ手段とを有するアイローカリゼー ションフィルタ。 ９． 前記水平方向コントラスト計算フィルタ手段は、 前記顔面の前記グレイスケール画像を受け取り、フィルタウィンドウの中の 垂直方向構造を平滑化するための加算手段と、 水平方向に対して、加算値の間の最大差を計算し、該最大差を分析し、前記 バイナリマスク画像を供給するための計算手段とを有する、請求項８記載のアイ ローカリゼーションフィルタ。 １０． 前記水平方向コントラスト密度決定フィルタ手段は、 前記バイナリマスク画像の中の白いピクセルをサーチするためのピクセルサ ーチ手段と、 各白いピクセルに対して局所ウィンドウの中の白いピクセルの数を計数する ための計数手段と、 閾値より下のコントラスト密度を有する出力ピク セルを除去し、前記グレイスケールマスク画像を供給するための閾値手段とを有 する、請求項９記載のアイローカリゼーションフィルタ。 １１．前記顔面の幾何学的構成推論手段は、 前記グレイスケールマスク画像の選択されたサーチエリアの中の最大の白い ピクセル値を有する行を確認するための決定手段と、 ストリップの中のピクセルの列毎の合計を計算するための計算手段と、 前記ストリップが２つのピークを有するかどうかを確認し、前記近似的な両 眼位置を供給するための分析手段とを有する、請求項１０記載のアイローカリゼ ーションフィルタ。 １２． 前記顔面の幾何学的構成推論手段は、 前記グレイスケールマスク画像の選択されたサーチエリアの中の最大ピクセ ル値を有する行を確認するための決定手段と、 第１のストリップの中のピクセルの列毎の合計を計算する第１の計算手段と 、 前記ストリップが２つのピークを有するかどうかを確認するための第１の分 析手段と 前記第１のストリップの下の第２のストリップの中のピクセルの列毎の合計 を計算する第２の計算手段と、 前記第２のストリップが１つのピークを有するか どうかを確認し、近似的な両眼位置を供給するための第２の分析手段とを有する 、請求項10記載のアイローカリゼーションフィルタ。 １３． 前記目の位置決定手段は、 前記近似的な両眼位置の周囲の小さなウィンドウの中の前記グレイスケール 画像をフィルタリングするためのローパスフィルタ手段と、 前記近似的な両眼位置の周囲の前記小さなウィンドウの中の最小の白いピク セル値をサーチし、両眼位置を出力するためのサーチ手段とを有する、請求項１ ２記載のアイローカリゼーションフィルタ。 １４． カメラによって個人を走査して前記個人の顔面のグレイスケール画像を 生成するステップと、 前記走査された画像を処理するステップとを有する両眼位置決定方法におい て、 前記処理するステップは、 バイナリマスク画像を供給するために顔面の前記グレイスケール画像を水平 方向コントラスト計算フィルタリングすることと、 グレイスケールマスク画像を供給するために前記バイナリマスク画像を水平 方向コントラスト密度決定フィルタリングすることと、 近似的両眼位置を供給するために前記グレイスケールマスク画像に基づいて 顔面の幾何学的構成推論を行うことと、 両眼位置を供給するために顔面の前記グレイスケール画像及び前記近似的な 両眼位置から目の位置決定を行うこととを有する、カメラによって個人を走査し て前記個人の顔面のグレイスケール画像を生成するステップと前記走査された画 像を処理するステップとを有する両眼位置決定方法。 １５． 水平方向コントラスト計算フィルタリングは、 顔面の前記グレイスケール画像において水平方向に加算を行い、これにより フィルタウィンドウの中の垂直方向構造を平滑化するステップと、 加算値の間の最大差を計算するステップと、 前記最大差を分析するステップと、 前記バイナリマスク画像を供給するステップとを有する、請求項１４記載の 両眼位置決定方法。 １６． 水平方向コントラスト密度決定フィルタリング処理は、 前記バイナリマスク画像の中の白いピクセルをサーチするステップと、 各白いピクセルに対して局所ウィンドウの中の白いピクセルの数を計数する ステップと、 閾値より下のコントラスト密度を有する出力ピクセルを除去するステップと 、 前記グレイスケールマスク画像を供給するステップとを有する、請求項１５ 記載の両眼位置決定方法 。 １７． 顔面の幾何学的構成推論処理は、 前記グレイスケールマスク画像の選択されたサーチエリアの中の最大ピクセ ル値を有する行を確認するステップと、 ストリップの中のピクセルの列毎の合計を計算するステップと、 前記ストリップが２つのピークを有するかどうか分析するステップと、 前記近似的な両眼位置を供給するステップとを有する、請求項１６記載の両 眼位置決定方法。 １８． 目の位置決定処理は、 前記近似的な両眼位置の周囲の小さいウィンドウの中の前記グレイスケール 画像をフィルタリングするステップと、 前記近似的な両眼位置の周囲の小さいウィンドウの中の最小値をサーチする ステップと、 前記両眼の位置を出力するステップとを有する、請求項１７記載の両眼位置 決定方法。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 アジット スィング アメリカ合衆国 08536 ニュージャージ ー プレインスボロー マーション レー ン ７ (72)発明者 ミン−イー チー アメリカ合衆国 08550 ニュージャージ ー プリンストン ジャンクション バー ナード プレイス ５

Claims (1)

1. 【特許請求の範囲】 １． 個人を走査するイメージング手段及び前記個人の両眼位置決定のために該 イメージング手段に接続されるプロセッサ手段を有するアイローカリゼーション フィルタ。 ２． 前記プロセッサ手段は、 水平方向コントラスト計算フィルタ手段と、 該水平方向コントラスト計算フィルタ手段に接続される水平方向コントラス ト密度決定フィルタ手段と、 該水平方向コントラスト密度決定フィルタ手段に接続される顔面の幾何学的 構成推論手段と、 該顔面の幾何学的構成推論手段に接続される目の位置決定手段とを有する、 請求項１記載のアイローカリゼーションフィルタ。 ３． 前記水平方向コントラスト計算フィルタ手段は、 顔面のグレイスケール画像を受け取り、フィルタウィンドウの中の垂直方向構 造を平滑化するための加算手段と、 加算値の間の最大差を計算し、該最大差を分析し、バイナリマスク画像を供給 するための計算手段とを有する、請求項２記載のアイローカリゼーションフィル タ。 ４． 前記水平方向コントラスト密度決定フィルタ手段は、 前記バイナリマスク画像の中の白いピクセルをサーチするためのピクセルサ ーチ手段と、 各白いピクセルに対して局所ウィンドウの中の白いピクセルの数を計数する ための計数手段と、 閾値より下のコントラスト密度を有する出力ピクセルを除去し、グレイスケ ールマスク画像を供給するための閾値手段とを有する、請求項３記載のアイロー カリゼーションフィルタ。 ５． 前記顔面の幾何学的構成推論手段は、 前記グレイスケールマスク画像の選択されたサーチエリアの中の最大ピクセ ル値を有する行を確認するための決定手段と、 ストリップの中のピクセルの列毎の合計を計算する計算手段と、 前記ストリップが２つのピークを有するかどうかを確認し、近似的な両眼位 置を供給するための分析手段とを有する、請求項４記載のアイローカリゼーショ ンフィルタ。 ６． 前記顔面の幾何学的構成推論手段は、 前記グレイスケールマスク画像の選択されたサーチエリアの中の最大ピクセ ル値を有する行を確認するための決定手段と、 第１のストリップの中のピクセルの列毎の合計を 計算する第１の計算手段と、 前記ストリップが２つのピークを有するかどうかを確認するための第１の分 析手段と 前記第１のストリップの下の第２のストリップの中のピクセルの列毎の合計 を計算する第２の計算手段と、 前記第２のストリップが１つのピークを有するかどうかを確認し、近似的な 両眼位置を供給するための第２の分析手段とを有する、請求項４記載のアイロー カリゼーションフィルタ。 ７． 前記目の位置決定手段は、 前記近似的な両眼位置の周囲の小さなウィンドウの中の前記グレイスケール 画像をフィルタリングするためのローパスフィルタ手段と、 前記近似的な両眼位置の周囲の小さなウィンドウの中の最小値をサーチし、 両眼位置を出力するためのサーチ手段とを有する、請求項５記載のアイローカリ ゼーションフィルタ。 ８． 前記目の位置決定手段は、 前記近似的な両眼位置の周囲の小さなウィンドウの中の前記グレイスケール 画像をフィルタリングするためのローパスフィルタ手段と、 前記近似的な両眼位置の周囲の小さなウィンドウの中の最小値をサーチし、 両眼位置を出力するためのサーチ手段とを有する、請求項６記載のアイロー カリゼーションフィルタ。 ９． 個人を走査するためのイメージング手段と、 該イメージング手段に接続されるプロセッサ手段とを有するアイローカリゼ ーションフィルタにおいて、 前記プロセッサ手段は、 顔面のグレイスケール画像を受け取り、バイナリマスク画像を供給するため の水平方向コントラスト計算フィルタ手段と、 前記バイナリマスク画像を受け取り、グレイスケールマスク画像を供給する ための水平方向コントラスト密度決定フィルタ手段と、 前記グレイスケールマスク画像を受け取り、近似的な両眼位置を供給するた めの顔面の幾何学的構成推論手段と、 顔面の前記グレイスケールマスク画像及び前記近似的な両眼位置を受け取り 、両眼位置を供給するための目の位置決定手段とを有する、個人を走査するため のイメージング手段と、該イメージング手段に接続されるプロセッサ手段とを有 するアイローカリゼーションフィルタ。 １０． 前記水平方向コントラスト計算フィルタ手段は、 顔面の前記グレイスケール画像を受け取り、フィルタウィンドウの中の垂直 方向構造を平滑化するた めの加算手段と、 加算値の間の最大差を計算し、該最大差を分析し、前記バイナリマスク画像 を供給するための計算手段とを有する、請求項９記載のアイローカリゼーション フィルタ。 １１． 前記水平方向コントラスト密度決定フィルタ手段は、 前記バイナリマスク画像の中の白いピクセルをサーチするためのピクセルサ ーチ手段と、 各白いピクセルに対して局所ウィンドウの中の白いピクセルの数を計数する ための計数手段と、 閾値より下のコントラスト密度を有する出力ピクセルを除去し、前記グレイ スケールマスク画像を供給するための閾値手段とを有する、請求項１０記載のア イローカリゼーションフィルタ。 １２． 前記顔面の幾何学的構成推論手段は、 前記グレイスケールマスク画像の選択されたサーチエリアの中の最大値ピク セルを有する行を確認するための決定手段と、 ストリップの中のピクセルの列毎の合計を計算するための訃算手段と、 前記ストリップが２つのピークを有するかどうかを確認し、前記近似的な両 眼位置を供給するための分析手段とを有する、請求項１１記載のアイローカリゼ ーションフィルタ。 １３． 前記顔面の幾何学的構成推論手段は、 前記グレイスケールマスク画像の選択されたサーチエリアの中の最大ピクセ ル値を有する行を確認するための決定手段と、 第１のストリップの中のピクセルの列毎の合計を計算する第１の計算手段と 、 前記ストリップが２つのピークを有するかどうかを確認するための第１の分 析手段と 前記第１のストリップの下の第２のストリップの中のピクセルの列毎の合計 を計算する第２の計算手段と、 前記第２のストリップが１つのピークを有するかどうかを確認し、近似的な 両眼位置を供給するための第２の分析手段とを有する、請求項１１記載のアイロ ーカリゼーションフィルタ。 １４． 前記目の位置決定手段は、 前記近似的な両眼位置の周囲の小さなウィンドウの中の前記グレイスケール 画像をフィルタリングするためのローパスフィルタ手段と、 前記近似的な両眼位置の周囲の小さなウィンドウの中の最小値をサーチし、 両眼位置を出力するためのサーチ手段とを有する、請求項１２記載のアイローカ リゼーションフィルタ。 １５． 前記目の位置決定手段は、 前記近似的な両眼位置の周囲の小さなウィンドウ の中の前記グレイスケール画像をフィルタリングするためのローパスフィルタ手 段と、 前記近似的な両眼位置の周囲の小さなウィンドウの中の最小値をサーチし、 両眼位置を出力するためのサーチ手段とを有する、請求項１３記載のアイローカ リゼーションフィルタ。 １６． カメラによって個人を走査するステップと、 走査された画像を供給するステップと、 前記走査された画像を処理するステップとを有する両眼位置決定方法におい て、 前記処理するステップは、 バイナリマスク画像を供給するために顔面のグレイスケール画像を水平方向 コントラスト計算フィルタリングすることと、 グレイスケールマスク画像を供給するために前記バイナリマスク画像を水平 方向コントラスト密度決定フィルタリングすることと、 近似的両眼位置を供給するために前記グレイスケールマスク画像に基づいて 顔面の幾何学的構成推論を行うことと、 両眼位置を供給するために顔面の前記グレイスケール画像及び前記近似的な 両眼位置から目の位置決定を行うこととを有する、カメラによって個人を走査す るステップと、 走査された画像を供給するステップと、 前記走査された画像を処理するステップとを有する両眼位置決定方法。 １７． 水平方向コントラスト計算フィルタリングは、 顔面のグレイスケール画像において加算を行うステップと、 フィルタウィンドウの中の垂直方向構造を平滑化するステップと、 加算値の間の最大差を計算するステップと、 前記最大差を分析するステップと、 バイナリマスク画像を供給するステップとを有する、請求項１６記載の両眼 位置決定方法。 １８． 水平方向コントラスト密度決定フィルタリングは、 前記バイナリマスク画像の中の白いピクセルをサーチするステップと、 各白いピクセルに対して局所ウィンドウの中の白いピクセルの数を計数する ステップと、 閾値より下のコントラスト密度を有する出力ピクセルを除去するステップと 、 グレイスケールマスク画像を供給するステップとを有する、請求項１７記載 の両眼位置決定方法。 １９． 顔面の幾何学的構成推論処理は、 前記グレイスケールマスク画像の選択されたサーチエリアの中の最大ピクセ ル値を有する行を確認す るステップと、 ストリップの中のピクセルの列毎の合計を計算するステップと、 前記ストリップが２つのピークを有するかどうか分析するステップと、 近似的な両眼位置を供給するステップとを有する、請求項１８記載の両眼位 置決定方法。 ２０． 目の位置決定処理は、 前記近似的な両眼位置の周囲の小さいウィンドウの中の前記グレイスケール 画像をフィルタリングするステップと、 前記近似的な両眼位置の周囲の小さいウィンドウの中の最小値をサーチする ステップと、 両眼位置を出力するステップとを有する、請求項１９記載の両眼位置決定方 法。