JP6160196B2 - 識別器更新装置、識別器更新プログラム、情報処理装置、および識別器更新方法 - Google Patents

Description

本発明は、画像中の識別対象物を識別する識別器を更新する識別器更新装置、識別器更新プログラム、情報処理装置、および識別器更新方法に関する。

従来、画像に含まれる犬、猫などのペットや人の顔といった識別対象物を識別する識別器が開発されている。このような識別器は、画像中の領域を探索領域として、探索領域内の表示物が有する特徴を抽出し、表示物の特徴が、識別対象物の特徴に一致または類似するものである場合、その探索領域内に識別対象物が存在すると識別する。図１３の（ａ）および（ｂ）に、画像中の探索領域ＲＸ、ＲＸ’を模式的に示す。図１３の（ａ）および（ｂ）において、犬の顔に探索領域ＲＸが重なっている。このとき、犬の顔を識別対象物とする識別器は、探索領域ＲＸ中に犬の顔が存在すると識別する。一方、図１３の（ａ）において、探索領域ＲＸ’は犬の顔から外れている。このとき、識別器は、探索領域ＲＸ’中に犬の顔は存在しないと識別する。

また、特許文献１には、特定のサンプル画像の識別精度が高くなるように、複数の識別器で構成された識別器群の構成を更新する装置が記載されている。より詳細には、上記装置は、複数の識別器の中から、サンプル画像の識別精度の高いいくつかの識別器を選択して、組み合わせることによって、新たな識別器群を作成する。その他、特許文献２〜７にも、識別器の構成を更新する技術が開示されている。

特開２００５−１１５５２５号公報（２００５年４月２８日公開） 特開２００８−２０４１０３号公報（２００８年９月 ４日公開） 特開２００９− ６４１６２号公報（２００９年３月２６日公開） 特開２０１０− ９５１７号公報（２０１０年１月１４日公開） 特開２０１０− ６１４１５号公報（２０１０年３月１８日公開） 特開２０１０−１７０１９９号公報（２０１０年８月 ５日公開） 特開２０１１−１３８３８７号公報（２０１１年７月１４日公開）

しかしながら、上記のような識別器による識別の対象となる個々の識別対象物は、それぞれに異なった特徴を有している場合がある。例えば、犬の顔は、犬の種類によって、互いに異なる鼻の長さ、模様、色などの特徴を有する。このような場合、識別器が、特定の識別対象物を正しく識別しない、あるいは識別しにくいという問題が生じる。例えば、犬の顔を識別対象物とする識別器の場合、その識別器は、鼻の短い犬の顔（図１３の（ａ）の画像参照）をよく識別するが、鼻の長い犬の顔（図１３の（ｂ）の画像参照）をあまり識別しないという問題が生じる可能性がある。

また、特許文献１に記載の装置は、サンプル画像の識別精度が高くなるように、複数の識別器を組み合わせて、新たな識別器群を構成する。ところが、この識別器群を構成する複数の識別器は、サンプル画像を用いない学習により作成されたものである。従って、識別器の各々は、サンプル画像の識別精度が低い場合がある。この場合、これらの識別器で構成される識別器群は、サンプル画像の識別精度を十分に向上させることができない。その他の特許文献２〜７にも、特定の識別対象物の識別精度を十分に向上させる技術は記載されていない。

本発明は、上記の課題に鑑みてなされたものであり、その目的は、識別器による特定の識別対象物の識別精度を向上させる識別器更新装置等を提供することにある。

上記の課題を解決するために、本発明に係る識別器更新装置は、画像データから抽出された所定の特徴量に関する値に基づいて、所定の判断基準によって該画像データに含まれる特定の種類の対象物の有無を識別する識別器を更新する識別器更新装置であって、上記特定の種類の対象物を含む対象物画像データを取得する画像取得部と、上記画像取得部によって取得された上記対象物画像データに基づいて、上記識別器における上記所定の判断基準の基準値を更新する特徴量更新部とを備えたことを特徴とする。

また、上記の課題を解決するために、本発明に係る識別器更新方法は、画像データから抽出された所定の特徴量に関する値に基づいて、所定の判断基準によって該画像データに含まれる特定の種類の対象物の有無を識別する識別器を更新する識別器更新装置による識別器更新方法であって、上記特定の種類の対象物を含む対象物画像データを取得する画像取得ステップと、上記対象物画像データに基づいて、上記識別器における上記所定の判断基準の基準値を更新する特徴量更新ステップとを含んだことを特徴とする。

上記の構成によれば、特定の種類の対象物を含む画像データである対象物画像データに基づいて、識別器の有する所定の判断基準の基準値を更新する。すなわち、識別器が有する所定の判断基準の基準値は、画像取得部が取得した対象物画像データに応じて変更される。具体的には、新たに取得された対象物画像データが、識別器によってより精度よく識別されるように、所定の判断基準の基準値が更新される。

本構成を有する識別器更新装置に対して、ユーザは、ある対象物が含まれている対象物画像データを入力することにより、識別器による該対象物の識別精度を向上させることができる。

また、本発明に係る識別器更新装置は、上記特徴量更新部が、上記所定の判断基準の基準値として、上記識別器における上記所定の特徴量の基準値を更新する構成であってもよい。

上記の構成によれば、画像取得部が取得した対象物画像データに基づいて、所定の特徴量の基準値が更新される。例えば、所定の特徴量の基準値が、取得された対象物画像データから抽出される特徴量により近い値となるように更新される。これにより、識別器は、取得された対象物画像データに含まれる対象物をより識別しやすくなる。言い換えれば、識別器による該対象物の識別精度が向上する。

また、本発明に係る識別器更新装置は、上記対象物画像データを学習することによって、上記所定の特徴量の基準値を更新用基準値として算出する学習処理部をさらに備え、上記特徴量更新部が、上記学習処理部によって算出された上記更新用基準値に基づいて、上記識別器における上記所定の特徴量の基準値を更新する構成であってもよい。

上記の構成によれば、対象物画像データを用いた学習により、対象物画像データを識別するための特徴量の基準値である更新用基準値が算出される。その後、識別器の有する所定の特徴量の基準値が、更新用基準値に基づいて更新される。例えば、識別器の有する所定の特徴量の基準値が、更新用基準値に置換される。これにより、識別器は、学習に使用された対象物画像データに含まれる対象物をより識別しやすくなる。言い換えれば、識別器による該対象物の識別精度が向上する。

また、本発明に係る識別器更新装置において、上記所定の特徴量が、上記画像データ中の輝度情報を参照すべき画素の位置としての参照位置、および、該参照位置における輝度情報の少なくともいずれか一方である構成であってもよい。

上記の構成によれば、識別器は、画素の位置である参照位置および該参照位置における輝度情報のいずれか一方に基づいて、対象物画像データに含まれる対象物を識別する。従って、参照位置および輝度情報という、画像データが一般的に備えている特徴量によって、対象物が識別される。ここで、参照位置は２点からなる一ペアの位置であってもよいし、複数ペアの位置であってもよい。また、輝度情報は、ペアを構成する参照位置同士の間での輝度差あるいは輝度の大小関係であってよい。

また、本発明に係る識別器更新装置は、上記識別器が複数の弱識別器で構成されているとともに、上記画像取得部によって取得された上記対象物画像データに関して、上記各弱識別器での識別結果を取得する識別結果取得部をさらに備え、上記特徴量更新部が、上記対象物画像データは上記特定の種類の対象物を含んでいないと識別した弱識別器のみに関して、該弱識別器における上記所定の判断基準の基準値を更新する構成であってもよい。

上記の構成によれば、複数の弱識別器がそれぞれ有する所定の判断基準の基準値のうち、画像取得部により取得された特定の対象物画像データに含まれる対象物を正しく識別しなかった弱識別器の基準値が更新される。そのため、これらの弱識別器は、特定の対象物画像データに含まれる対象物を正しく識別しやすくなる。一方、対象物画像データに含まれる対象物を正しく識別した弱識別器の基準値は更新されない。そのため、これらの弱識別器の基準値は元のままであるので、特定の対象物画像データ以外の対象物画像データに含まれる対象物を精度よく識別することができる。従って、上述した性質を有する弱識別器で構成される識別器は、画像取得部により取得された特定の対象物画像データに含まれる対象物をより精度よく識別しつつ、その他の対象物画像データに含まれる対象物も精度よく識別することができる。

また、本発明に係る識別器更新装置において、上記所定の判断基準は、上記画像取得部によって取得された上記対象物画像データから抽出された所定の特徴量に関する値と、上記識別器における上記所定の特徴量の基準値との差が所定の閾値を超えるか否かであり、
上記特徴量更新部は、上記所定の判断基準の基準値である上記所定の閾値を更新する構成であってもよい。

上記の構成によれば、画像取得部が取得した対象物画像データに基づいて、所定の判断基準の基準値としての所定の閾値が更新される。具体的には、画像取得部に取得された対象物画像データに含まれる対象物から抽出された所定の特徴量に関する値が所定の閾値以下となるように、該所定の閾値が更新される。これにより、画像取得部により取得された対象物画像データに含まれる対象物が、識別器により正しく識別されるようになる。

また、本発明に係る識別器更新装置において、上記識別器が、上記所定の特徴量の基準値のパターンを複数有しているとともに、上記画像取得部によって取得された上記対象物画像データに関して、上記識別器による上記パターン毎の識別結果のスコアを取得するスコア取得部をさらに備え、上記特徴量更新部が、上記スコア取得部によって取得されたスコアが最も高いパターンを、上記識別器における上記所定の特徴量の基準値となるように更新する構成であってもよい。

上記の構成によれば、まず、識別器の有するパターン毎に、画像取得部によって取得された対象物画像データに特定の種類の対象物が含まれることの確からしさを表すスコアが取得される。そして、スコアの最も高いパターンが、識別器における所定の特徴量の基準値となる。これにより、画像取得部によって取得された対象物画像データが、識別器により正しく（すなわち、特定の種類の対象物を含んでいると）識別されるようになる。

本発明の各態様に係る識別器更新装置は、コンピュータによって実現してもよく、この場合には、コンピュータを上記識別器更新装置が備える各手段として動作させることにより上記識別器更新装置をコンピュータにて実現させる識別器更新装置の制御プログラムも、本発明の範疇に入る。

さらに、上述したいずれかの識別器更新装置と、上記識別器とを備えた情報処理装置も、本発明の範疇に含まれる。

本発明は、・・・の効果を奏する。

本発明の一実施形態に係る情報処理装置の構成を示すブロック図である。 図１に示す情報処理装置に含まれる弱識別器が有する特徴量に含まれる参照位置、および輝度情報の例を示す図である。 図１に示す情報処理装置の識別器更新部によって実行される汎用識別器更新処理の流れを示すフローチャートである。 本発明の他の実施形態に係る情報処理装置の構成を示すブロック図である。 図４に示す情報処理装置の識別器更新部によって実行される汎用識別器更新処理の流れを示すフローチャートである。 本発明のまた別の実施形態に係る情報処理装置の構成を示すブロック図である。 図６に示す情報処理装置の識別器更新部によって実行される汎用識別器更新処理の流れを示すフローチャートである。 本発明のまた別の実施形態に係る情報処理装置の構成を示すブロック図である。 図８に示す情報処理装置に含まれるパターン生成部の構成を示すブロック図である。 図８に示す情報処理装置に含まれる弱識別器のパターンの一例を示す図である。 図９に示すパターン生成部によって実行される汎用識別器更新処理の流れを示すフローチャートである。 図８に示す情報処理装置の識別器更新部によって実行される汎用識別器更新処理の流れを示すフローチャートである。 一般的な識別器が画像中に設定する探索領域を模式的に示す図である。

〔実施形態１〕
以下、本発明の一実施形態について、図１〜図３を用いて、詳細に説明する。

［情報処理装置１の構成］
まず、図１を用いて、本実施形態に係る情報処理装置１の構成を説明する。図１は、情報処理装置１の構成を示すブロック図である。図１に示すように、情報処理装置１は、汎用識別器１０および識別器更新部（識別器更新装置）２０を含んだ構成である。

汎用識別器１０は、画像中から、「猫の顔」を識別対象物として識別するものである。図１に示すように、汎用識別器１０は、多層構造を有するＮ個（Ｎは正整数）の弱識別器１１の群で構成されている。識別器更新部２０は、ユーザが指定する猫（以下、特定猫と呼ぶ）の顔が、汎用識別器１０によって正しく識別されるように、汎用識別器１０を構成する弱識別器１１を更新するものである。汎用識別器１０の詳細、および識別器更新部２０の詳細を、以下に順番に説明する。

［汎用識別器１０の説明］
［ａ．弱識別器１１］
弱識別器１１は、識別対象物すなわち猫の顔が含まれる画像（以下、汎用画像と呼ぶ）と、識別対象物が含まれない画像（以下、その他画像と呼ぶ）とを用いた学習によって取得される固有の特徴量を持つ。ここで、画像を用いた学習によって、固有の特徴量を有する弱識別器を作成する方法は、例えば、特許文献１に記載されている。

弱識別器１１の持つ特徴量には、探索領域中の２点がペアとなった参照位置と、ペアの参照位置に対応づけられた輝度情報と、該探索領域に識別対象物が存在することの確からしさを示すスコアの閾値（以下、スコア閾値と呼ぶ）とが含まれる。ここで、輝度情報は、探索領域内に識別対象物が存在する場合に、ペアを構成する２点の参照位置において示されることが期待される輝度差である。また、スコアは、ペアを構成する２点の参照位置における輝度差と、上記輝度情報との類似度を示すものである。弱識別器１１は、探索領域のスコアを評価して、スコアがスコア閾値を超える場合、探索領域内に識別対象物が存在すると識別する一方、スコアがスコア閾値以下である場合、探索領域内に識別対象物が存在しないと識別する。

図２の（ａ）および（ｂ）に、例として、ある弱識別器１１に含まれる３ペアの参照位置ＦＸ１〜ＦＸ３、ＦＸ４〜ＦＸ６と、各ペアの参照位置に対応する３つの輝度情報ＦＹ１〜ＦＹ３、ＦＹ４〜ＦＹ６とを示す。図２の（ａ）および（ｂ）に示すように、ある弱識別器１１の特徴量には、複数ペアの参照位置と、各ペアの参照位置と対応づけられた複数の輝度情報とが含まれていてもよい。ただし、特徴量が、複数の参照位置および複数の輝度情報を含む場合、各ペアの参照位置における輝度差と、各ペアの参照位置に対応する輝度情報とを用いて計算される各スコアの累積が、探索領域のスコアとなる。

また、弱識別器１１には、予め、探索領域が識別対象物を含んでいるか否かを識別する精度の高さを示す識別精度パラメータが設定される。弱識別器１１の識別精度パラメータが高くなるほど、その弱識別器１１が識別対象物を識別する識別精度は高くなる。識別精度パラメータがより高い弱識別器１１は、一般的には、より多くの参照位置および輝度情報を持つ。そのため、高い識別精度パラメータを有する弱識別器１１が識別処理のために要する時間は長くなる。

［ｂ．汎用識別器１０による識別の流れ］
汎用識別器１０に、情報処理装置１の外部または画像データの記憶部（図示せず）より画像が入力されると、汎用識別器１０は、まず、所定の大きさの探索領域を画像内に設定する。そして、汎用識別器１０は、探索領域を画像内で少しずつ移動させながら、以下に説明するように、探索領域内に識別対象物が存在しているか否かを識別する。

画像取得部２１より汎用識別器１０に入力された画像は、まず第１の階層の弱識別器１１が受信する。画像を受信した弱識別器１１は、探索領域のスコアが閾値を超えるか否かを識別する。探索領域のスコアが閾値を超える場合、探索領域は、第１の階層の弱識別器１１を通過して、第２の階層の弱識別器１１に入力される。第１の階層の弱識別器１１以降の階層の弱識別器１１は、直前の階層の弱識別器１１を通過してきた探索領域のスコアが閾値を超えるか否かをそれぞれ識別する。ある階層の弱識別器１１が、探索領域のスコアは閾値以下であると識別した場合、探索領域が画像内で移動した後、探索領域のスコアが閾値を超えるか否かを第１の階層の弱識別器１１が識別するステップに戻る。一方、探索領域が全ての弱識別器１１を通過した場合、汎用識別器１０は、探索領域内に識別対象物が存在していると識別する。

上記の説明では、汎用識別器１０は、ある大きさの探索領域を用いて、画像全体の識別を１度だけ行った。しかしながら、実際には、汎用識別器１０は、ある大きさの探索領域を用いた画像全体の識別を終えるごとに、探索領域の大きさを変化させて、画像全体の識別を繰り返し行う。

ここで、汎用識別器１０において、浅い階層の弱識別器１１（図１において番号の小さい弱識別器１１）ほど低い識別精度パラメータが設定され、深い階層の弱識別器１１（図１において番号の大きい弱識別器１１）ほど高い識別精度パラメータが設定されていることが望ましい。例えば、汎用識別器１１を構成する弱識別器１１の個数がＮ＝１０である場合、第１、第２の階層の弱識別器１１は、それぞれ、１０個、３０個の参照位置ペアおよび輝度情報を持つような識別精度パラメータに設定され、第１０の階層の弱識別器１１は、１４０個の参照位置ペアおよび輝度情報を持つような識別精度パラメータに設定される。第３〜第９の階層の弱識別器１１は、第２の階層の弱識別器１１の識別精度パラメータと第１０の階層の弱識別器１１の識別精度パラメータとの間の識別精度パラメータに設定される。

この構成では、低い識別精度パラメータの設定された浅い階層の弱識別器１１は、短い処理時間で、明らかに識別対象物を含んでいない探索領域（例えば、図１３の（ａ）に示す探索領域ＲＸ’）を除去する（通過させない）。その後、高い識別精度パラメータの設定された深い階層の弱識別器１１は、浅い階層の弱識別器１１を通過した探索領域内に識別対象物が存在しているか否かを正確に識別する。従って、この構成では、深い階層の弱識別器１１が、浅い階層の弱識別器１１を通過した探索領域のみに対して、識別処理を実行することになる。そのため、この構成は、浅い階層の弱識別器１１の識別精度パラメータが、深い階層の弱識別器１１と同じ高い識別精度パラメータである構成と比較して、識別精度は同程度のままで、処理時間を短縮することができる。

［識別器更新部２０の詳細］
図１に示すように、識別器更新部２０は、画像取得部２１、登録画像学習部（学習処理部）２２および弱識別器置換部（特徴量更新部）２３を含んでいる。画像取得部２１は、「特定猫の顔の画像」である登録画像を取得するものである。この登録画像は、ユーザが、特定猫を含む画像から、特定猫の顔の領域を選択することで作成される。登録画像の枚数は、１００枚以上であることが望ましい。また、登録画像は、特定猫の顔を様々な方向から撮影した画像であることが望ましい。しかしながら、ユーザは、多くの登録画像を入力することは手間に感じる可能性がある。また、ユーザが１００枚以上もの登録画像を準備することは、あまり現実的でない。そこで、登録画像学習部２２は、以下のように、各登録画像から複数枚の学習用画像を作成して、更新用特徴量を取得してもよい。

登録画像学習部２２は、登録画像および「猫の顔以外の画像」を用いた学習を行う。より詳細には、登録画像学習部２２は、ユーザに入力された登録画像に対して、アフィン変換を行うことによって、各登録画像から複数の学習用画像生成し、これらの学習用画像を用いて学習する。これにより、登録画像学習部２２は、特定猫を識別するための特徴量（参照位置、輝度情報、スコア閾値）を取得する。登録画像学習部２２は、取得した特徴量を用いて、Ｍ個の更新用弱識別器で構成された更新用識別器を生成する。なお、更新用弱識別器の個数Ｍは、弱識別器の個数Ｎと等しい必要はない。

弱識別器置換部（特徴量更新部）２３は、汎用識別器１０を構成する弱識別器１１の特徴量（参照位置、輝度情報；図２の（ｂ））を、登録画像学習部２２によって取得された更新用弱識別器の特徴量（参照位置、輝度情報；図２の（ａ））に置換するものである。図２の（ａ）および（ｂ）では、図２の（ｂ）に示す更新後の参照位置ＦＸ４〜ＦＸ６および輝度情報ＦＹ４〜ＦＹ６が、図２の（ａ）に示す参照位置ＦＸ１〜ＦＸ３および輝度情報ＦＹ１〜ＦＹ３となっている。

以下では、弱識別器１１の特徴量と区別するために、更新用識別器の特徴量を更新用特徴量と呼び、更新用特徴量に含まれる参照位置、輝度情報を、それぞれ、更新用参照位置、更新用輝度情報と呼ぶ。

弱識別器置換部２３は、ある弱識別器１１の特徴量を、更新用弱識別器の更新用特徴量に置換するとき、該弱識別器１１と同程度の識別精度パラメータが設定された更新用弱識別器の更新用特徴量に置換することが望ましい。なぜならば、第１に、弱識別器１１の特徴量を、該弱識別器１１よりも低い識別精度パラメータが設定された更新用弱識別器の更新用特徴量に置換した場合、更新後の汎用識別器１０による識別対象物の識別能力が、更新前の汎用識別器１０の識別能力よりも低下する可能性があるためである。第２に、弱識別器１１の特徴量を、該弱識別器１１よりも高い識別精度パラメータが設定された更新用弱識別器の更新用特徴量に置換した場合、更新後の汎用識別器１０による画像の識別時間が、更新前の汎用識別器１０による同じ画像の識別時間よりも長くなる可能性があるためである。

ここで、弱識別器置換部２３は、弱識別器１１の全特徴量を、更新用特徴量に置換してもよい。あるいは、弱識別器置換部２３は、更新用弱識別器の特徴量に含まれる更新用参照位置の中に、弱識別器１１の特徴量に含まれるいずれかの参照位置と大きく異なる（すなわち類似度が低い）更新用参照位置がある場合に、該参照位置を、該更新用参照位置に置換してもよい。後者の構成の場合、弱識別器置換部２３は、まず、更新用弱識別器の特徴量に含まれる各更新用参照位置と、弱識別器１１の特徴量に含まれる各参照位置との類似度を計算する。そして、ある参照位置との類似度が所定値以下である更新用参照位置が存在する場合、弱識別器置換部２３は、該参照位置および該参照位置に対応付けられた輝度情報を、該更新用参照位置および該更新用参照位置に対応付けられた更新用輝度情報に置換する。

［汎用識別器更新処理αの流れ］
以下に、図３を用いて、識別器更新部２０によって実行される汎用識別器更新処理αの流れを説明する。図３は、汎用識別器更新処理αの流れを示すフローチャートである。

汎用識別器更新処理αでは、まず、画像取得部２１が、特定猫の顔の画像である登録画像を取得する（Ｓ１０１）。次に、登録画像学習部２２が、画像取得部２１より取得した登録画像を用いた学習を行う（Ｓ１０２）。これにより、登録画像学習部２２は、特定猫の顔を識別するための特徴量（更新用特徴量）を抽出する（Ｓ１０３）。また、登録画像学習部２２は、抽出した更新用特徴量を有する弱識別器で構成された更新用識別器を生成する。その後、弱識別器置換部２３が、弱識別器１１の特徴量を更新用特徴量に置換する（Ｓ１０４）。以上で、汎用識別器更新処理αは終了する。

［変形例１］
本実施形態の一変形例は、弱識別器１１の特徴量のうち、参照位置のみが更新される構成であってもよい。本変形例では、弱識別器置換部２３は、弱識別器１１の特徴量に含まれる輝度情報Ｘ１と類似する更新用輝度情報Ｘ２を探索する。ここで、輝度情報Ｘ１と更新用輝度情報Ｘ２とが類似するとは、例えば、輝度情報Ｘ１と更新用輝度情報Ｘ２との差が所定値以下であることであってよい。そのような輝度情報Ｘ１および更新用輝度情報Ｘ２があった場合、弱識別器置換部２３は、輝度情報Ｘ１と対応付けられた参照位置を、更新用輝度情報Ｘ２と対応付けられた更新用参照位置に置換する。

［変形例２］
また、本実施形態の他の一変形例は、弱識別器１１の特徴量のうち、輝度情報のみが更新される構成であってもよい。本変形例では、弱識別器置換部２３が、弱識別器１１の特徴量に含まれる参照位置Ｙ１と類似する更新用参照位置Ｙ２を探索する。ここで、参照位置Ｙ１と更新用参照位置Ｙ２とが類似するとは、例えば、ペアを構成する２点の参照位置Ｙ１と、ペアを構成する２点の更新用参照位置Ｙ２とを、一対一で適切に対応付けて２組を形成した場合、対応付けられた２点同士の距離が２組とも所定距離以下となることであることであってよい。そのような参照位置Ｙ１および更新用参照位置Ｙ２があった場合、弱識別器置換部２３は、参照位置Ｙ１と対応付けられた輝度情報を、更新用参照位置Ｙ２と対応付けられた更新用輝度情報と置換する。あるいは、本変形例では、更新用参照位置が、弱識別器１１の特徴量に含まれる参照位置と同じ位置であってもよい。この構成では、弱識別器置換部２３は、参照位置と対応付けられた輝度情報を、該参照位置における登録画像の輝度差に置換することになる。

〔実施形態２〕
本発明の他の実施形態について、図４〜図５に基づいて説明すれば、以下のとおりである。なお、説明の便宜上、前記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を省略する。

前記実施形態の情報処理装置１の識別器更新部２０は、弱識別器１１が登録画像を識別することができたか否かによらず、その弱識別器１１の特徴量を更新用特徴量に置換する構成であった。一方、本実施形態の識別器更新部２２０（図４参照）は、登録画像を正しく識別することができなかった弱識別器１１（誤識別器）を更新する一方、登録画像を正しく識別することができた弱識別器１１を更新しない構成である。そのため、識別器更新部２２０によって更新された汎用識別器１０は、識別器更新部２０によって更新された汎用識別器１０と比較して、登録画像を識別する識別能力は同程度のままで、汎用画像を正しく識別する識別能力が高くなる。なぜならば、更新後の汎用識別器１０には、登録画像を識別することができた弱識別器１１が更新されることなく残るためである。

図４に、本実施形態に係る情報処理装置２のブロック図を示す。情報処理装置２の識別器更新部２２０は、図１に示す情報処理装置１の識別器更新部２０の構成に加えて、さらに識別結果取得部２４を備えている構成である。本実施形態では、画像取得部２１が、汎用識別器１０に登録画像を入力し、汎用識別器１０を構成する弱識別器１１は、入力された登録画像の識別を行う。識別結果取得部２４は、各弱識別器１１による登録画像の識別結果を取得する。すなわち、各弱識別器１１が登録画像を正しく識別することができたか否かを取得する。弱識別器置換部２３は、識別結果取得部２４から弱識別器１１の識別結果を取得して、汎用識別器１０を構成する弱識別器１１のうち、登録画像を正しく識別することができなかった弱識別器１１（以下、誤識別器と呼ぶ）の特徴量を、更新用特徴量に置換する。

［汎用識別器更新処理βの流れ］
以下に、図５を用いて、識別器更新部２２０によって実行される汎用識別器更新処理βの流れを説明する。図５は、汎用識別器更新処理βの流れを示すフローチャートである。

汎用識別器更新処理βでは、まず、画像取得部２１が、ユーザに入力された登録画像を汎用識別器１０に入力する（Ｓ２０１）。登録画像が汎用識別器１０に入力されると、弱識別器１１は、その登録画像の識別を実行する（Ｓ２０２）。識別結果取得部２４は、弱識別器１１による登録画像の識別結果を取得する。弱識別器置換部２３は、登録画像を正しく識別することができなかった弱識別器（誤識別器）が存在するか否かを判定する（Ｓ２０３）。誤識別器が存在していないと弱識別器置換部２３が判定した場合（Ｓ２０３でＮｏ）、汎用識別器更新処理βは終了する。

一方、Ｓ２０３において、誤識別器が存在していると弱識別器置換部２３が判定した場合（Ｓ２０３でＹｅｓ）、登録画像学習部２２は、登録画像を用いた学習により、更新用特徴量を取得する（Ｓ２０４）。次に、弱識別器置換部２３は、誤識別器の特徴量を、その誤識別器と同程度の識別精度パラメータを有する更新用弱識別器の更新用特徴量に置換する（Ｓ２０５）。こうして、誤識別器が更新される。このとき、弱識別器置換部２３は、前記実施形態のように、誤識別器の特徴量に含まれる参照位置および輝度情報の両者を置換してもよい。あるいは、前記実施形態の変形例のように、参照位置および輝度情報のうち、どちらか一方のみを置換してもよい。

その後、弱識別器１１が登録画像を識別するＳ２０２に戻る。登録画像を正しく識別することができない他の誤識別器が存在する場合（Ｓ２０３でＹｅｓ）、Ｓ２０４およびＳ２０５のステップが繰り返される。ついに、誤識別器が存在していないと判定部２３が判定した場合（Ｓ２０３でＮｏ）、汎用識別器更新処理βは終了する。

〔実施形態３〕
本発明の他の実施形態について、図６〜図７に基づいて説明すれば、以下のとおりである。なお、説明の便宜上、前記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を省略する。

本実施形態の情報処理装置３の識別器更新部３２０（図６参照）は、前記実施形態の情報処理装置２の識別器更新部２２０と同様、汎用識別器１０を構成する弱識別器１１のうち、登録画像を正しく識別することができなかった弱識別器（誤識別器）のみを更新するものである。しかしながら、前記実施形態の識別器更新部２２０は、登録画像を用いた学習により取得した更新用特徴量によって、誤識別器の特徴量のうち、参照位置および／または輝度情報を更新するものであった。一方、本実施形態の識別器更新部３２０は、誤識別器の特徴量のうち、スコア閾値を更新する。従って、識別器更新部３２０は、更新用特徴量を取得することはない。この点で、本実施形態の識別器更新部３２０は、前記実施形態の識別器更新部２２０とは異なる。

［情報処理装置３の構成］
図６に、情報処理装置３のブロック図を示す。図６に示すように、情報処理装置３の識別器更新部３２０は、情報処理装置２の識別器更新部２２０の構成において、登録画像学習部２２を含まない構成である。また、識別器更新部２２０の弱識別器置換部２３は、誤識別器の特徴量のうち、参照位置および／または輝度情報を更新するものであった。一方、識別器更新部３２０の弱識別器置換部（特徴量更新部）２３’は、誤識別器の特徴量のうち、スコアの閾値を更新するものである。

［汎用識別器更新処理γの流れ］
以下に、図７を用いて、識別器更新部３２０によって実行される汎用識別器更新処理γの流れを説明する。図７は、汎用識別器更新処理γの流れを示すフローチャートである。

汎用識別器更新処理γでは、まず、画像取得部２１が、外部または画像データの記憶部（図示せず）から取得した登録画像を汎用識別器１０に入力する（Ｓ３０１）。登録画像が入力された弱識別器１１は、その登録画像の識別を実行する（Ｓ３０２）。その後、識別結果取得部２４は、各弱識別器１１による登録画像の識別結果を取得する。弱識別器置換部２３は、識別結果取得部２４から、弱識別器１１による登録画像の識別結果を取得して、登録画像を正しく識別することができなかった弱識別器（誤識別器）が存在しているか否かを判定する（Ｓ３０３）。誤識別器が存在している場合（Ｓ３０３でＹｅｓ）、弱識別器置換部２３’は、誤弱識別器の特徴量に含まれるスコア閾値を更新する（Ｓ３０４）。具体的に、弱識別器置換部２３’は、誤識別器によって評価された登録画像のスコアがスコア閾値を超えるように、スコア閾値を更新する。

その後、弱識別器１１が登録画像を識別するＳ３０２に戻る。登録画像を正しく識別することができない他の誤識別器が存在する場合（Ｓ３０３でＹｅｓ）、Ｓ３０４のステップが再度実行される。ついに、誤識別器が存在していないと弱識別器置換部２３’が判定した場合（Ｓ３０３でＮｏ）、汎用識別器更新処理γは終了する。

〔実施形態４〕
本発明の他の実施形態について、図８〜図１２に基づいて説明すれば、以下のとおりである。なお、説明の便宜上、前記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を省略する。

本実施形態の情報処理装置４は、外部からの新たな画像（登録画像、汎用画像、その他画像）の入力を受け付けていない期間であるオフライン期間中に、汎用識別器１０を構成する単一の階層の弱識別器１１（以下、弱識別器１１と呼ぶ）として、複数の弱識別器１１のパターンを生成する。そして、情報処理装置４の識別器更新部４２０（図８参照）は、外部からの新たな画像（登録画像、汎用画像、その他画像）の入力を受け付けている期間であるオンライン期間中に、登録画像が入力された場合、オフライン時に生成した複数の弱識別器１１のパターンの中から、登録画像を正しく識別する識別能力の高い弱識別器１１を選択する。

［情報処理装置４の構成］
図８に、情報処理装置４のブロック図を示す。情報処理装置４の識別器更新部４２０は、画像取得部２１の他に、パターン生成部２５、スコア取得部２６、およびパターン選択部（特徴量更新部）２７をさらに備えている。パターン生成部２５は、汎用識別器１０内の同一階層の弱識別器１１のパターンを生成するものである。スコア取得部２６は、パターン生成部２５に生成された複数のパターンが評価した登録画像のスコアを取得するものである。パターン選択部２７は、ある階層の弱識別器１１のパターンのうち、登録画像を一番大きなスコアで評価したパターンを、その階層の弱識別器１１として選択するものである。

［パターン生成部２５］
ここで、図９を用いて、パターン生成部２５の詳細な構成を説明する。図９は、パターン生成部２５の構成を示すブロック図である。図９に示すように、パターン生成部２５は、汎用画像学習部２５１、類似度算出部２５２、および特徴量クラスタリング部２５３を含んでいる。

汎用画像学習部２５１は、画像データの記憶部（図視せず）あるいは情報処理装置４の外部から入力される様々な猫の顔の画像（汎用画像）および猫の顔の画像以外の画像（その他画像）を用いた学習により、猫の顔を識別するための特徴量（特徴量Ａ）を取得するものである。汎用画像学習部２５１は、特徴量Ａを取得した後、先の学習で用いた汎用画像、あるいは、それとは異なる汎用画像を用いて、再度、猫の顔の特徴量（特徴量Ｂ）を取得する。このようにして、汎用画像学習部２５１は、複数の特徴量Ａ、Ｂ、・・・を学習する。類似度算出部２５２は、汎用画像学習部２５１に取得された複数の特徴量（輝度情報）同士の類似度を算出するものである。特徴量クラスタリング部２５３は、類似度算出部２５２によって算出された類似度が所定値よりも大きい特徴量同士をクラスタリングするものである。

より詳細には、特徴量クラスタリング部２５３は、類似度が所定値よりも大きい輝度情報を有する特徴量同士をクラスタリングする。ここで、輝度情報同士が類似しているとは、複数のパターンの間で、輝度情報同士の差が所定値以下であることを意味する。特に、各パターンの特徴量に含まれる輝度情報が複数である場合、複数のパターンの間で、複数の輝度情報を一対一で適切に対応付けしたとき、対応付けられた輝度情報同士の差がいずれも所定値以下となることを意味する。

パターン生成部２５は、特徴量クラスタリング部２５３によってクラスタリングされた特徴量を有する複数の弱識別器を、汎用識別器１０の同一の階層の弱識別器１１のパターンとして生成する。例として、弱識別器１１のパターンの例を示す。図９に示す３つのパターンＡ〜Ｃの特徴量には、４つの参照位置と、４つの輝度情報が含まれる。図９に示す通り、パターンＡ〜Ｃの特徴量に含まれる４つの輝度情報は互いに類似している。なお、図９に示すように、クラスタリングされる特徴量に含まれる参照位置同士は、互いに類似していなくてもよい。

次に、図１１を用いて、パターン生成部２５が弱識別器１１のパターンを生成するパターン生成処理の流れを説明する。図１１は、パターン生成処理の流れを示すフローチャートである。

パターン生成処理では、まず、汎用画像学習部２５１が、汎用画像およびその他画像を取得する（Ｓ４０１）。次に、汎用画像学習部２５１は、取得した画像を用いた学習により、識別対象物を識別するための特徴量を取得する（Ｓ４０２）。汎用画像学習部２５１は、Ｓ４０１およびＳ４０２の処理を繰り返すことにより、複数の特徴量を学習する。その後、類似度算出部２５２は、汎用画像学習部２５１によって取得された複数の特徴量同士の類似度を算出する（Ｓ４０３）。特徴量クラスタリング部２５３は、類似度算出部２５２によって算出された類似度が所定値以上である特徴量同士をクラスタリングする（Ｓ４０４）。パターン生成部２５は、汎用画像学習部２５１によって学習された特徴量を有する弱識別器１１を生成した後、特徴量クラスタリング部２５３によってクラスタリングされた特徴量を有する複数の弱識別器１１を、汎用識別器１０の同一の階層の弱識別器１１、すなわちパターンとする（Ｓ４０５）。以上で、パターン生成処理が終了する。

［汎用識別器更新処理δの流れ］
続いて、図１２を用いて、情報処理装置４の識別器更新部４２０によって実行される汎用識別器更新処理δの流れを説明する。図１２は、汎用識別器更新処理δの流れを示すフローチャートである。なお、汎用識別器更新処理δに先立って、パターン生成部２５により、汎用識別器１０の各弱識別器のパターンが既に生成されているとする。

汎用識別器更新処理δでは、まず、画像取得部２１が、ある階層の弱識別器１１のパターンの中から、いずれかのパターンを選択する（Ｓ５０１）。次に、画像取得部２１は、登録画像を取得して、選択したパターンに入力する（Ｓ５０２）。登録画像を取得したパターンは登録画像を評価する。続いて、スコア取得部２６は、登録画像を評価したパターンから、登録画像のスコアを取得する（Ｓ５０３）。スコア取得部２６は、先に取得したスコアがある場合、取得したスコアを、先に取得したスコアに累積する（Ｓ５０４）。その後、画像取得部２１は、他の登録画像があるか否かを判定する（Ｓ５０５）。他の登録画像がある場合（Ｓ５０５でＹｅｓ）、汎用識別器更新処理δは、Ｓ５０２に戻り、再度、Ｓ５０２〜Ｓ５０４の処理が行われる。

Ｓ５０５において、他の登録画像がない場合（Ｓ５０５でＮｏ）、スコア取得部２６は、他のパターンが存在するか否かを判定する（Ｓ５０６）。他のパターンがある場合（Ｓ５０６でＹｅｓ）、汎用識別器更新処理δは、Ｓ５０１に戻る。一方、他のパターンがない場合（Ｓ５０６でＮｏ）、パターン選択部２７は、登録画像のスコア（の累積値）が最も高くなるパターンを判定する（Ｓ５０７）。

〔ソフトウェアによる実現例〕
更新部１〜４を構成する各部（制御ブロック）は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ＣＰＵ（Central Processing Unit）を用いてソフトウェアによって実現してもよい。

後者の場合、更新部１〜４は、各機能を実現するソフトウェアであるプログラムの命令を実行するＣＰＵ、上記プログラムおよび各種データがコンピュータ（またはＣＰＵ）で読み取り可能に記録されたＲＯＭ（Read Only Memory）または記憶装置（これらを「記録媒体」と称する）、上記プログラムを展開するＲＡＭ（Random Access Memory）などを備えている。そして、コンピュータ（またはＣＰＵ）が上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

本発明は、画像中から識別対象物を識別する情報処理装置に利用することができる。

１、２、３、４ 情報処理装置
２０、２２０、３２０、４２０ 識別器更新部（識別器更新装置）
２１ 画像取得部
２２ 登録画像学習部（学習処理部）
２３、２３’、２７ 弱識別器置換部、パターン選択部（特徴量更新部）
２４ 識別結果取得部
２６ スコア取得部

Claims (5)

1. 画像データから抽出された所定の特徴量に関する値に基づいて、所定の判断基準によって該画像データに含まれる特定の種類の対象物の有無を識別する識別器を更新する識別器更新装置であって、
   上記特定の種類の対象物を含む対象物画像データを取得する画像取得部と、
   上記画像取得部によって取得された上記対象物画像データに基づいて、上記識別器における上記所定の判断基準の基準値を更新する特徴量更新部とを備え、
   上記識別器が、上記所定の特徴量の基準値のパターンを複数有しているとともに、
   上記画像取得部によって取得された上記対象物画像データに関して、上記識別器による上記パターン毎の識別結果のスコアを取得するスコア取得部をさらに備え、
   上記特徴量更新部が、上記スコア取得部によって取得されたスコアが最も高いパターンを、上記識別器における上記所定の特徴量の基準値となるように更新することを特徴とする識別器更新装置。
2. 上記所定の特徴量が、上記画像データ中の輝度情報を参照すべき画素の位置としての参照位置、および、該参照位置における輝度情報の少なくともいずれか一方であることを特徴とする請求項１に記載の識別器更新装置。
3. 画像データから抽出された所定の特徴量に関する値に基づいて、所定の判断基準によって該画像データに含まれる特定の種類の対象物の有無を識別する識別器を更新する識別器更新装置による識別器更新方法であって、
   上記特定の種類の対象物を含む対象物画像データを取得する画像取得ステップと、
   上記対象物画像データに基づいて、上記識別器における上記所定の判断基準の基準値を更新する特徴量更新ステップとを含み、
   上記識別器が、上記所定の特徴量の基準値のパターンを複数有しているとともに、
   上記画像取得ステップにおいて取得された上記対象物画像データに関して、上記識別器による上記パターン毎の識別結果のスコアを取得するスコア取得ステップをさらに含み、
   上記特徴量更新ステップでは、上記スコア取得ステップにおいて取得されたスコアが最も高いパターンを、上記識別器における上記所定の特徴量の基準値となるように更新することを特徴とする識別器更新方法。
4. 請求項１または２に記載の識別器更新装置としてコンピュータを機能させるための識別器更新プログラムであって、コンピュータを上記の各部として機能させるための識別器更新プログラム。
5. 請求項１または２に記載の識別器更新装置と、
   上記識別器とを備えたことを特徴とする情報処理装置。

Images