JP5004876B2 - 撮像装置 - Google Patents

Description

本発明は、入射した光を電気信号に変換する撮像素子の出力をデジタル値に変換して画像データを得る撮像装置に関する。特に、被写体の顔を検出する機能を備える撮像装置に関する。

従来、人物撮影を行う場合において、主被写体である人物とその背景のコントラストの関係から焦点が人物に合わずに、背景に合ってしまうという問題があった。このような問題を解決するために、画面内の顔を検出し、検出した顔の位置に合焦させることで、人物に焦点を合わせる撮像装置が開発されている（特許文献１参照）。

しかし特許文献１によると、撮影画面内に人物がいるかいないかに関わらず顔検出処理を実行するため、撮影に時間がかかるという問題があった。

この問題を解決するために、撮像装置に設けられているマイクで撮影者の音声を検出すると、顔検出を実行する撮像装置が提案されている（特許文献２参照）。

特許文献２によると、撮像装置が風景撮影モードのときは顔検出処理を実行せず、人物撮影モードのときは顔検出処理を実行し、どちらのモードでもないときは撮影者の音声を検出したときだけ顔検出処理を実行する。

尚、画像データからの顔検出については、非特許文献１、２に記載されたものが知られている。更に、特許文献３〜６に記載されている手法で目を検出することにより、顔の位置や大きさを推定することもできる。
特開２００１−２１５４０３号公報 特開２００５−３１８０８４号公報 特開平３−１７６９６号公報 特開平４−２５５０１５号公報 特開平５−３００６０１号公報 特開平９−２５１３４２号公報 テレビジョン学会誌Ｖｏｌ．４９，Ｎｏ．６，ｐｐ．７８７−７９７（１９９５）、「顔領域抽出に有効な修正ＨＳＶ表色系の提案」 電子情報通信学会誌Ｖｏｌ．７４−Ｄ−ＩＩ，Ｎｏ．１１，ｐｐ．１６２５−１６２７（１９９１）、「静止濃淡情景画像から顔領域を抽出する手法」

しかしながら、上記従来の撮像装置では、確実に人物撮影である場合の顔検出処理と、人物撮影であるかどうか撮像装置が判定できない場合の顔検出処理に違いが無く、状況に応じて、顔検出処理が最適化されていなかった。

本発明の目的は、顔検出処理の精度を向上させることができる撮像装置を提供することにある。

上記目的を達成するために、本発明による撮像装置は、被写体像を光電変換することにより画像データを取得する撮像手段と、前記撮像手段によって得られた撮影画像から、顔を検出するための評価値を演算し、前記評価値をしきい値と比較して顔判定を行い、評価値がしきい値より大きければ顔であると判定する顔検出手段と、音声を検出する音声検出手段とを備え、前記顔検出手段は、前記音声検出手段の検出結果に応じて、前記しきい値を変更することを特徴とする。

本発明の撮像装置によれば、顔検出処理の精度を向上させることができる。

以下、本発明の実施の形態を図面を参照しながら詳細に説明する。

図１は、本発明の実施の形態に係る撮像装置としてのデジタルカメラの外観斜視図である。

装置本体１は、光学ファインダ２、電源スイッチ（ボタン）３、静止画または動画を撮影する際に押下するレリーズスイッチ４、撮影の画角を変更するためのズームレバー５、モード切替スイッチ６を備える。

モード切替スイッチ６は、装置本体１における各種モードを切り替える。より具体的には、装置本体１の背面に印刷されたアイコンマーク１ａにモード切替スイッチ６を合わせると、静止画記録モードへの切り替えが可能である。また、アイコンマーク１ｂにモード切替スイッチ６を合わせると、動画記録モードへの切り替えが可能である。また、アイコンマーク１ｃにモード切替スイッチ６を合わせると、再生モードにモードの切り替えが可能である。

液晶パネル７は、装置本体１の背面に備えられた表示手段であり、撮影レンズを介して撮像素子の受光面に結像した撮影前の被写体像をスルー画像として表示し、あるいは、撮影後記録された画像を再生して表示する。

操作部８は、操作者が各種操作を行う操作スイッチであり、具体的には、液晶パネル７上の表示を切り替える表示スイッチや、メニュースイッチ、印刷スイッチ、ＳＥＴスイッチである。

十字スイッチ９は、十字に配置された４方向スイッチ（上スイッチ、下スイッチ、右スイッチ、左スイッチ）である。

図２は、図１のデジタルカメラのブロック図である。

以下、その構成を動作（機能）と併せて説明する。

図２において、バリア１０１は、装置本体１の、撮影レンズ１０２を含む撮像系を覆うことにより、撮像系の汚れや破損を防止する。撮影レンズ１０２、絞り機能を備えるシャッター１０３、光学像を電気信号に変換（光電変換）するＣＣＤやＣＭＯＳ素子等で構成される撮像部（撮像素子）１０４がある。

Ａ／Ｄ変換器１０５は、アナログ信号をデジタル信号に変換する。Ａ／Ｄ変換器１０５は、撮像部１０４から出力されるアナログ信号をデジタル信号に変換する場合や、音声制御部１０６から出力されるアナログ信号をデジタル信号に変換する場合に用いられる。

タイミング発生部１０７は、撮像部１０４、Ａ／Ｄ変換器１０５、音声制御部１０６、Ｄ／Ａ変換器１０８にクロック信号や制御信号を供給する。タイミング発生部１０７は、メモリ制御部１０９及びシステム制御部１１０により制御される。

画像処理部１１１は、Ａ／Ｄ変換器１０５からのデータ、または、メモリ制御部１０９からのデータに対し所定の画素補間、縮小といったリサイズ処理や色変換処理を行う。

また、画像処理部１１１では、撮影した画像データを用いて所定の演算処理が行われ、得られた演算結果に基づいてシステム制御部１１０が露光制御、測距制御を行う。これにより、ＴＴＬ（スルー・ザ・レンズ）方式のＡＦ（オートフォーカス）処理、ＡＥ（自動露出）処理、ＥＦ（フラッシュプリ発光）処理が行われる。

システム制御部１１０は、撮像手段としての撮像部１０４によって得られた撮影画像から、顔を検出するための評価値を演算し、評価値をしきい値と比較して顔判定を行い、評価値がしきい値より大きければ顔であると判定する顔検出手段として機能する。その詳細については、後述する図３のステップＳ３０１で説明する。

画像処理部１１１では更に、撮影した画像データを用いて所定の演算処理を行い、得られた演算結果に基づいてＴＴＬ方式のＡＷＢ（オートホワイトバランス）処理も行っている。

Ａ／Ｄ変換器１０５からの出力データは、画像処理部１１１及びメモリ制御部１０９を介して、あるいは、直接メモリ制御部１０９を介して、メモリ１１２に書き込まれる。メモリ１１２は、撮像部１０４によって得られ、Ａ／Ｄ変換器１０５によりデジタルデータに変換された画像データや、液晶パネル７を含む画像表示部２３に表示するための画像データを格納する。

尚、メモリ１１２は、マイク２１（２１ａ、２１ｂ）において録音された音声データ、静止画像、動画像及び画像ファイルを構成する場合のファイルヘッダを格納するのにも用いられる。従って、メモリ１１２は、所定枚数の静止画像や所定時間の動画像及び音声を格納するのに十分な記憶容量を備えている。

圧縮／伸張部１１３は、適応離散コサイン変換（ＡＤＣＴ）等により画像データを圧縮、伸張する。圧縮／伸張部１１３は、シャッター１０３をトリガにしてメモリ１１２に格納された撮影画像を読み込んで圧縮処理を行い、処理を終えたデータをメモリ１１２に書き込む。

また、圧縮／伸張部１１３は、記録媒体２００の記録部２０１等からメモリ１１２に読み込まれた圧縮画像に対して伸張処理を行い、処理を終えたデータをメモリ１１２に書き込む。

圧縮／伸張部１１３によりメモリ１１２に書き込まれた画像データは、システム制御部１１０のファイル部においてファイル化される。そして、インターフェース（Ｉ／Ｆ）１１４、コネクタ１１５、記録媒体２００側のコネクタ２０３、インターフェース（Ｉ／Ｆ）２０２を介して、記録部２０１に記録される。また、メモリ１１２は、画像表示用のメモリ（ビデオメモリ）を兼ねている。

Ｄ／Ａ変換器１０８は、メモリ１１２に格納されている画像表示用のデータをアナログ信号に変換して画像表示部２３に供給する。画像表示部２３は、液晶パネル７等の表示器上に、メモリ１１２に書き込まれた表示用の画像データをＤ／Ａ変換器１０８を介してアナログ信号に変換して表示を行う。

マイク２１から出力された音声信号は、アンプ等で構成される音声制御部１０６を介してＡ／Ｄ変換器１０５に供給され、Ａ／Ｄ変換器１０５においてデジタル信号に変換された後、メモリ制御部１０９によってメモリ１１２に格納される。

一方、記録媒体２００に記録されている音声データは、メモリ１１２に読み込まれた後、Ｄ／Ａ変換器１０８によりアナログ信号に変換される。音声制御部１０６は、このアナログ信号によりスピーカ２２を駆動し、音声出力する。

不揮発性メモリ１１６は、電気的に消去・記録可能なメモリであり、例えばＥＥＰＲＯＭ等が用いられる。不揮発性メモリ１１６には、システム制御部１１０の動作用の定数、プログラム等が記憶（記録）される。ここでいう、プログラムとは、本実施の形態にて後述する各種フローチャートを実行するためのプログラムのことである。

システム制御部１１０は、不揮発性メモリ１１６に記憶されたプログラムを実行することで、後述する本実施の形態の各処理を実現する。システムメモリ１１７は、ＲＡＭが用いられる。システムメモリ１１７には、システム制御部１１０の動作用の定数、変数、不揮発性メモリ１１６から読み出したプログラム等を展開（記憶）する。

ズームレバー５、モード切替スイッチ６、第１シャッタースイッチ５１、第２シャッタースイッチ５２、操作部８及び十字スイッチ９はシステム制御部１１０に各種の動作指示を入力するための操作手段である。

モード切替スイッチ６は、システム制御部１１０の動作モードを静止画記録モード、動画記録モード、再生モード等のいずれかに切り替えることができる。第１シャッタースイッチ５１は、装置本体１に設けられたレリーズスイッチ４の操作途中（半押し）でオンとなり第１シャッタースイッチ信号ＳＷ１を発生する。

システム制御部１１０は、第１シャッタースイッチ信号ＳＷ１により、ＡＦ処理、ＡＥ処理、ＡＷＢ処理、ＥＦ処理等の動作を開始する。

第２シャッタースイッチ５２は、レリーズスイッチ４の操作完了（全押し）でオンとなり、第２シャッタースイッチ信号ＳＷ２を発生する。システム制御部１１０は、第２シャッタースイッチ信号ＳＷ２により、撮像部１０４からの信号読み出しから記録媒体２００に画像データを書き込むまでの一連の撮影処理の動作を開始する。

操作部８の各操作部材は、画像表示部２３に表示される種々の機能アイコンを選択操作すること等により、場面毎に適宜機能が割り当てられ、各種機能スイッチとして作用する。機能スイッチとしては、例えば、終了スイッチ、戻るスイッチ、画像送りスイッチ、ジャンプスイッチ、絞込みスイッチ、属性変更スイッチ等がある。

例えば、メニュースイッチが押されると各種設定が可能なメニュー画面が画像表示部２３に表示される。操作者は、画像表示部２３に表示されたメニュー画面と、十字スイッチ９やＳＥＴスイッチとを用いて直感的に各種設定を行うことができる。電源スイッチ３は、電源オン、電源オフを切り替える。

電源制御部１１８は、電池検出回路、ＤＣ−ＤＣコンバータ、通電するブロックを切り替えるスイッチ回路等により構成され、電池の装着の有無、電池の種類、電池残量の検出を行う。また、電源制御部１１８は、その検出結果及びシステム制御部１１０の指示に基づいてＤＣ−ＤＣコンバータを制御し、必要な電圧を必要な期間、記録媒体２００を含む各部へ供給する。

電源部１１９は、アルカリ電池やリチウム電池等の一次電池やＮｉＣｄ電池やＮｉＭＨ電池、Ｌｉ電池等の二次電池、ＡＣアダプター等からなる。コネクタ５４及び５５は電源部１１９と電源制御部１１８とを接続する。

ＲＴＣ（Ｒｅａｌ Ｔｉｍｅ Ｃｌｏｃｋ）１２０は、日付及び時刻を計時する。ＲＴＣ１２０は、電源制御部１１８とは別に内部に電源部を保持しており、電源部１１９が落ちた状態であっても、計時状態を続ける。システム制御部１１０は、起動時にＲＴＣ１２０より取得した日時を用いてシステムタイマを設定し、タイマ制御を実行する。

インターフェース１１４は、メモリカードやハードディスク等の記録媒体２００またはチューナーカードと、装置本体１とのインターフェースを司る。コネクタ１１５は、記録媒体２００やチューナーカードとインターフェース１１４との接続を行う。記録媒体着脱検出部１２１は、コネクタ１１５に記録媒体２００やチューナーカードが装着されているか否かを検出する。

記録媒体２００は、図２においてはメモリカードやハードディスク等である。記録媒体２００は、半導体メモリや磁気ディスク等から構成される記録部２０１、装置本体１とのインターフェース２０２、及び、記録媒体２００と装置本体１とを接続するためのコネクタ２０３を備えている。

また、コネクタ１１５、２０３はＳＤＩ／Ｏカードの拡張規格に準拠しており、先述の記録媒体の他、ＳＤＩ／Ｏカードの拡張規格に準拠したチューナーカードが着脱可能となっている。

通信部１２２は、ＲＳ２３２ＣやＵＳＢ、ＩＥＥＥ１３９４、Ｐ１２８４、ＳＣＳＩ、モデム、ＬＡＮ、無線通信等の各種通信処理を行う。コネクタ（無線通信の場合はアンテナ）１２３は、通信部１２２を介して装置本体１を他の機器と接続する。

図３は、図２のデジタルカメラによって実行される撮影（撮像）処理の手順を示すフローチャートである。

図３に示される処理は、システム制御部１１０により実行される。例えば、システム制御部１１０は不図示のＣＰＵを備え、例えば、システムメモリ１１７に格納された制御プログラムを実行することにより図３に示される処理を実現する。

図３において撮影動作が開始されると、ステップＳ３０１において、システム制御部１１０は、スルー表示される画像信号中に人の顔が存在するか否かを検出する顔検出処理を行う。この顔検出処理については図４を用いて後述する。

システム制御部１１０は、顔検出処理において人の顔が検出された場合、画像信号中において検出した顔の位置座標、サイズ（幅、高さ）、検出個数、信頼性係数等を顔情報としてシステムメモリ１１７に記憶する。顔検出処理において顔が検出されなかった場合は、システムメモリ１１７内の位置座標、サイズ（幅、高さ）、検出個数、信頼性係数等の領域に０を設定する。

続いてステップＳ３０２において、第１シャッタースイッチ信号ＳＷ１がＯＮされたか否か判定される。第１シャッタースイッチ信号ＳＷ１がＯＦＦであれば、再度ステップＳ３０１の顔検出処理が実行され、ＯＮであれば、次のステップＳ３０３に進む。

ステップＳ３０３において、システム制御部１１０は、測距処理を行って撮影レンズ１０２の焦点を被写体に合わせるとともに、測光処理を行って絞り値及びシャッター時間（シャッタースピード）を決定する。

尚、測光処理において、必要であればフラッシュの設定も行われる。このとき、ステップＳ３０１において顔が検出されていれば、検出した顔の範囲で測距を行うようにすることも可能である。

次に、ステップＳ３０４では、第２シャッタースイッチ信号ＳＷ２のＯＮ／ＯＦＦ状態を判定する。第１シャッタースイッチ信号ＳＷ１がＯＮした状態で、第２シャッタースイッチ信号ＳＷ２がＯＮになると、処理はステップＳ３０４からステップＳ３０６へ進む。

第２シャッタースイッチ信号ＳＷ２がＯＮせずに、更に第１シャッタースイッチ信号ＳＷ１も解除された場合（ステップＳ３０５）、処理はステップＳ３０５からステップＳ３０１へ戻る。

また、第１シャッタースイッチ信号ＳＷ１がＯＮ、第２シャッタースイッチ信号ＳＷ２がＯＦＦの間は、ステップＳ３０３〜Ｓ３０５の処理が繰り返される。

第２シャッタースイッチＳＷ２が押されると（第２シャッタースイッチ信号ＳＷ２がＯＮされると）、ステップＳ３０６において、システム制御部１１０は、露光処理や現像処理を含む撮影処理（露光処理）を実行する。

尚、露光処理では、撮像部１０４、Ａ／Ｄ変換器１０５を経て得られた画像データが、画像処理部１１１及びメモリ制御部１０９を介して、或いはＡ／Ｄ変換器１０５から直接メモリ制御部１０９を介して、メモリ１１２に書き込まれる。

また、現像処理では、システム制御部１１０が、メモリ制御部１０９そして必要に応じて画像処理部１１１を用いて、メモリ１１２に書き込まれた画像データを読み出して各種処理を行う。

撮影後、ステップＳ３０７において、システム制御部１１０は、撮影処理で得られた画像データを画像ファイルとして記録媒体２００に対して書き込む記録処理を実行する。

（第１の実施の形態）
図４は、図３のステップＳ３０１で実行される顔検出処理の第１の実施の形態の手順を示すフローチャートである。

顔検出処理がスタートすると、ステップＳ４０１で、画像の顔評価値を算出する。顔評価値とは、画像に含まれる領域の顔らしさを表す数値であり、例えば、パターンマッチング法における顔テンプレートとのマッチング度であり、目・鼻・口等の特徴点のレイアウトから演算される特徴量である。

顔テンプレートとのマッチング度を求める場合、画像の内、顔検出処理を行う領域内でエッジ抽出を行い、予め決められた顔テンプレートを、抽出したエッジと比較し、顔テンプレートとの類似度を算出する。

顔テンプレートは、顔検出処理を行う領域内で走査され、顔テンプレートとの類似度が対象画素ごとに順次算出される。これらの顔評価値を求める技術は公知であり、例えば、特開平８−６３５９７号公報等に開示されている。

次に、ステップＳ４０２で、ステップＳ４０１で算出した顔評価値を、予め決められていたしきい値と比較する。

顔検出処理を行う画像内に、顔評価値がしきい値以上となる領域が含まれていれば、ステップＳ４０３に進み、対象領域は顔であると判定し、顔検出処理を終了する。ステップＳ４０２で、顔評価値がしきい値以上となる領域が存在しなければ、ステップＳ４０４に進む。

ステップＳ４０４では、装置本体１に備えられたマイク２１を用いて、音声検出が行われる。

ステップＳ４０５では、音声の有無が判定され、音声が検出されれば、ステップＳ４０６に進む。

ステップＳ４０６では、顔評価値と比較するしきい値を下げる。これは音声が検出されていることから、撮影範囲内に人物が存在すると想定されるためである。

しきい値を変更した後、ステップＳ４０７において、改めてステップＳ４０１で求めた顔評価値としきい値を比較する。ここで顔評価値がしきい値以上であれば、ステップＳ４０３に進み、対象領域は顔であると判定される。

一方、ステップＳ４０５で音声が検出されなかった場合、またはステップＳ４０７で顔評価値がしきい値以上となる領域が存在しなかった場合は、顔を検出することなく顔検出処理を終了する。

以上説明したように、第１の実施の形態では、音声を検出した場合に顔判定の基準となるしきい値を下げる。そのため、例えば、暗がりでの撮影や、横向き、目瞑り等の、通常の顔検出処理では検出できない対象物も検出可能となり、顔検出率の向上に寄与する。

尚、第１の実施の形態では、顔評価値がしきい値以上か否かで顔判定の基準としたが、例えば、顔評価値が上限と下限の間の一定範囲内に入っていれば顔であると判定する技術も公知である。その場合、音声を検出した際に顔であると判定する範囲の上限と下限をそれぞれ変更して、範囲を広げることで、顔検出率の向上を図ることができる。

（第２の実施の形態）
第２の実施の形態では、人物の発声音を検出することで、しきい値を下げるものとする。また音源位置を検出して、音源位置を含む一部の領域のみのしきい値を下げるものとする。

図５は、図３のステップＳ３０１で実行される顔検出処理の第２の実施の形態の手順を示すフローチャートである。

顔検出処理がスタートすると、ステップＳ５０１で、音声検出処理を実行し、ステップＳ５０２で音声の有無を判定する。音声ありと判定されれば、次にステップＳ５０３で、音声が人物の発声音であるか否かを判定する。人物の発声音であると判定された場合には、ステップＳ５０４で、撮影画角内であるかどうかを判定する。

これら一連の音声・音源判定技術は公知であり、例えば特開平０５−２１５８３３号公報にて開示されている。

図６は、図５のステップＳ５０１で実行される音源方向検出処理に用いられる音源方向検出手段の構成例を示す図である。

図６において、指向性の高いマイク２１（２１ａ、２１ｂ）の出力信号は、バンドパスフィルタ６０２（６０２ａ、６０２ｂ）によって、特定周波数のみ減衰無く通過する。音圧差検出回路６０３では、各マイク２１ａ、２１ｂが出力した音圧レベルを比較し、音圧レベルの差値がシステム制御部１１０へ出力される。

音源６０１がマイク２１の指向特性パターンから離れる程、マイク２１の出力する音圧レベルは下がる。このため、各マイク２１ａ、２１ｂの出力する音圧レベルに差があれば、高いレベルを出力するマイク側に音声信号を発する音源６０１があることが検出でき、両出力レベルの差が小さい程音源が真正面にあることが検出できる。

ここで、バンドパスフィルタ６０２が減衰無く通過させる特定帯域の周波数を、例えば、人の発声する周波数帯域である２ＫＨｚ前後とすることで、人の発声音の音源位置を検出することが可能となる。

また、指向性のマイク２１を、装置本体１の左右に１個ずつ計２個を用いることにより、装置本体１に対して左右方向の音源位置を検出することができる。更に、上下方向において異なる位置に更にもう１つ、マイク２１を備えることにより、装置本体１に対して上下方向についても音源位置を検出することができる。マイク２１の数を増やせば音源位置の検出精度は更に高まる。

音源位置を検出する他の技術として、装置本体１に設けられた複数のマイク２１ａ、２１ｂの出力する音声信号の位相差を利用する技術も知られている。これは、音源６０１から各マイク２１ａ、２１ｂまでの距離に差があると、マイク２１の出力信号に位相差が生じるため、既知のマイク間距離と音速から、音源の方向を演算によって特定する技術である。詳しくは、特開平０７−１４０５２７号公報に開示されている。

更に、撮影レンズ１０２の焦点距離によって上記の音源位置検出方法を使い分けても良い。

音源６０１が装置本体１の正面から横に寄るほど、音源６０１から各マイク２１ａ、２１ｂまでの距離に差が生じるため、位相差が大きくなる。そのため、広角寄りでは位相差方式での音源位置検出が好適である。

一方、音源６０１が装置本体１の正面付近の場合、音声検出範囲の狭い指向性のマイク２１であれば、音源位置のわずかな違いでも音圧差が生じる。そのため、望遠寄りでは指向性のマイク２１による音圧差方式での音源位置検出が好適である。

図５に戻り、ステップＳ５０４で、音源６０１が画角内であると判定されたら、ステップＳ５０５に進む。ステップＳ５０５では、音源方向を含む撮影範囲の一部領域を設定し、次のステップＳ５０６では、ステップＳ５０５で設定した音源位置を含む領域内のみ顔判定の基準となるしきい値を下げる処理を行う。

顔検出の基準となるしきい値を下げる処理を行うか、あるいはステップＳ５０２からステップＳ５０４において、音源６０１を検出できない、音声は人物の発声音ではない、音源６０１は撮影画各内ではない等の判定がなされると、ステップＳ５０７に進む。

ステップＳ５０７では、第１の実施の形態のステップＳ４０１と同様に、撮影領域の顔評価値の算出が行われる。

ステップＳ５０８では、算出された顔評価値としきい値の比較が行われる。顔評価値がしきい値以上となる領域があれば、ステップＳ５０９において、顔であると判定された上で顔検出処理は終了し、顔評価値がしきい値以上となる領域が無ければ、顔を検出することなく顔検出処理は終了する。

以上説明した通り、第２の実施の形態では、音声の種類を人物の発声音か否かで区別する。そのため、撮影画角内に人物が存在する場合のみ、しきい値を下げて顔検出率を向上することが可能となり、人物が存在しない場合には、不必要にしきい値を下げることが無いため、誤検出の増加を抑えることができる。

また、音源方向を検出し、音源を含む一部領域のみしきい値を下げるため、人物が存在しない領域では誤検出の増加を抑えることができる。

更に、撮影レンズ１０２の焦点距離によって音源方向検出方法を変えるため、音源方向の検出精度をより高めることができる。

本発明の実施の形態に係る撮像装置としてのデジタルカメラの外観斜視図である。 図１のデジタルカメラのブロック図である。 図２のデジタルカメラによって実行される撮影（撮像）処理の手順を示すフローチャートである。 図３のステップＳ３０１で実行される顔検出処理の第１の実施の形態の手順を示すフローチャートである。 図３のステップＳ３０１で実行される顔検出処理の第２の実施の形態の手順を示すフローチャートである。 図５のステップＳ５０１で実行される音源方向検出処理に用いられる音源方向検出手段の構成例を示す図である。

符号の説明

１ 装置本体
２１ マイク
１０４ 撮像部
１０６ 音声制御部
１１０ システム制御部
１１１ 画像処理部
６０３ 音圧差検出回路

Claims (11)

1. 被写体像を光電変換することにより画像データを取得する撮像手段と、
   前記撮像手段によって得られた撮影画像から、顔を検出するための評価値を演算し、前記評価値をしきい値と比較して顔判定を行い、評価値がしきい値より大きければ顔であると判定する顔検出手段と、
   音声を検出する音声検出手段とを備え、
   前記顔検出手段は、前記音声検出手段の検出結果に応じて、前記しきい値を変更することを特徴とする撮像装置。
2. 被写体像を光電変換することにより画像データを取得する撮像手段と、
   前記撮像手段によって得られた撮影画像から、顔を検出するための評価値を演算し、前記評価値が所定の範囲内であれば顔であると判定する顔検出手段と、
   音声を検出する音声検出手段とを備え、
   前記顔検出手段は、前記音声検出手段の検出結果に応じて、前記所定の範囲を変更することを特徴とする撮像装置。
3. 前記音声検出手段は、人の発声音を前記音声として検出することを特徴とする請求項１または２記載の撮像装置。
4. 前記音声検出手段は、人の発声の周波数帯域の周波数を検出することで、人の発声音を前記音声として検出することを特徴とする請求項３記載の撮像装置。
5. 前記音声検出手段は、前記音声の検出結果からその音源の方向を検出することを特徴とする請求項１乃至４のいずれかに記載の撮像装置。
6. 前記音声検出手段は、複数のマイクの出力信号の位相差を利用して前記音源の方向を検出することを特徴とする請求項５記載の撮像装置。
7. 前記音声検出手段は、複数のマイクの出力信号の音圧差を利用して前記音源の方向を検出することを特徴とする請求項５記載の撮像装置。
8. 装置本体に備えられる撮影レンズの焦点距離が広角寄りのときは、前記音声検出手段は、複数のマイクの出力信号の位相差を利用して前記音源の方向を検出することを特徴とする請求項５記載の撮像装置。
9. 装置本体に備えられる撮影レンズの焦点距離が望遠寄りのときは、前記音声検出手段は、複数のマイクの出力信号の音圧差を利用して前記音源の方向を検出することを特徴とする請求項５記載の撮像装置。
10. 前記顔検出手段は、前記音声検出手段が検出した音源方向を含む領域を選択し、選択された領域において前記しきい値又は前記所定の範囲を変更することを特徴とする請求項５乃至９のいずれかに記載の撮像装置。
11. 前記顔を検出するための評価値は、パターンマッチング法におけるテンプレートとの類似度であることを特徴とする請求項１乃至１０のいずれかに記載の撮像装置。

Images