專利名稱：區(qū)域檢測方法及其裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于檢測應(yīng)從對(duì)象圖像中提取的規(guī)定區(qū)域的區(qū)域檢測方法及其裝置，例如，涉及用于從照片圖像提取人物的臉的區(qū)域檢測方法及其裝置。
背景技術(shù)：
近年來，提議自動(dòng)地從照片圖像等提取特定區(qū)域的圖像處理方法，尤其是在提取人物的臉區(qū)域時(shí)被廣泛應(yīng)用于統(tǒng)計(jì)人物像上。伴隨著該圖像處理技術(shù)的發(fā)展，要求不僅進(jìn)行正確的識(shí)別，還要求高速地搜索臉區(qū)域，并可進(jìn)行個(gè)人鑒別。
作為上述臉區(qū)域的檢測方法，提議給予用于從對(duì)象圖像判斷臉區(qū)域的閾值，根據(jù)該閾值檢測的方法，或基于使用神經(jīng)網(wǎng)絡(luò)的膚色提取的臉區(qū)域決定方法。
專利文獻(xiàn)1特開2000-105819號(hào)公報(bào)專利文獻(xiàn)2特開2000-48184號(hào)公報(bào)專利文獻(xiàn)3特開平11-2830011號(hào)公報(bào)非專利文獻(xiàn)1滿倉靖惠《根據(jù)唇檢測NN和膚色識(shí)別NN從彩色圖像中檢測臉區(qū)域的方法》電子學(xué)會(huì)論文雜志2001年Vol.121-C，No.1，pp.112-117但是，若通過給予用于從上述對(duì)象圖像判斷臉區(qū)域的膚色的閾值、根據(jù)該閾值來檢測的方法，可高速地搜索，但是相反，決定閾值是困難的，存在若在背景中包含膚色的顏色，則不但導(dǎo)致誤識(shí)別，而且識(shí)別率因人種而異，因拍攝被攝物的條件，導(dǎo)致誤識(shí)別，降低識(shí)別率的問題。
另外，根據(jù)基于使用神經(jīng)網(wǎng)絡(luò)的膚色提取的臉區(qū)域決定方法，在提高識(shí)別率和檢索時(shí)需要的時(shí)間之間存在折衷選擇的關(guān)系，存在若重視正確性則在識(shí)別上花費(fèi)時(shí)間，若重視速度則識(shí)別率極度降低的問題。
因此，如非專利文獻(xiàn)1所示，本申請發(fā)明者提議在提取臉時(shí)，著眼于顏色信息不依賴于比較人種的唇，利用在唇的周圍存在膚色的特征，若在檢測唇之后能確認(rèn)其周圍的膚色，則轉(zhuǎn)向搜索臉的位置的方法，但為了通過神經(jīng)網(wǎng)絡(luò)一個(gè)象素一個(gè)象素地判定唇/膚色，還是存在為得到高識(shí)別率花費(fèi)時(shí)間、適用于運(yùn)動(dòng)圖像或?qū)嵱美щy的問題。

發(fā)明內(nèi)容
本發(fā)明鑒于上述問題作出，其目的在于提供一種區(qū)域檢測方法及其裝置，可不受攝影條件影響設(shè)定適當(dāng)?shù)拈撝担⒖筛咚偾艺_地檢測臉區(qū)域等特定的區(qū)域。
為了實(shí)現(xiàn)上述目的，本發(fā)明的區(qū)域檢測方法的第一特征結(jié)構(gòu)是一種基于閾值的遺傳決定法的區(qū)域檢測方法，其中，包括第一步驟，通過遺傳性算法，分別獲得對(duì)應(yīng)于包含共同的提取區(qū)域、平均亮度不同的多個(gè)采樣圖像的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)；第二步驟，根據(jù)所述對(duì)象圖像的平均亮度、與在所述第一步驟中獲得的閾值及平均亮度的關(guān)系，適當(dāng)?shù)剡\(yùn)算導(dǎo)出對(duì)應(yīng)于對(duì)象圖像的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)；和第三步驟，根據(jù)在所述第二步驟中運(yùn)算導(dǎo)出的閾值數(shù)據(jù)，來檢測提取區(qū)域。
根據(jù)上述構(gòu)成，在第一步驟中，對(duì)于攝影條件不同的多個(gè)采樣圖像的共同提取區(qū)域，分別對(duì)應(yīng)于平均亮度，獲得用遺傳性算法得到的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)。在第二步驟中，根據(jù)采樣圖像的平均亮度和與之對(duì)應(yīng)的閾值數(shù)據(jù)的關(guān)系，適當(dāng)?shù)剡\(yùn)算導(dǎo)出基于所述對(duì)象圖像的平均亮度的閾值數(shù)據(jù)。因此，對(duì)于攝影條件不同的各種對(duì)象圖像，可適當(dāng)?shù)厍蟪鲎R(shí)別提取區(qū)域用的閾值數(shù)據(jù)，提高識(shí)別率。這里，因?yàn)樵谠O(shè)定對(duì)象圖像的閾值之后，只要僅進(jìn)行對(duì)對(duì)象圖像檢測提取區(qū)域的閾值處理即可，所以可極高速地進(jìn)行檢測提取區(qū)域的處理。
最好是在上述構(gòu)成中，所述第一步驟包括個(gè)體群生成步驟，初期生成由作為所述識(shí)別提取區(qū)域用的閾值數(shù)據(jù)表征提取區(qū)域的至少第一色成分區(qū)域和與之相鄰連接的第二色成分區(qū)域各自的RGB閾值數(shù)據(jù)構(gòu)成的個(gè)體群；適應(yīng)度評(píng)價(jià)步驟，評(píng)價(jià)生成的個(gè)體群對(duì)采樣圖像的適應(yīng)度；基因處理步驟，根據(jù)評(píng)價(jià)的適應(yīng)度，執(zhí)行選擇和交叉或突變的基因操作，生成新的個(gè)體群；和世代交替步驟，在設(shè)定世代中重復(fù)所述基因處理步驟和所述適應(yīng)度評(píng)價(jià)步驟。
通過在適用遺傳性算法時(shí)，將作為所述識(shí)別提取區(qū)域用的閾值數(shù)據(jù)表征提取區(qū)域的至少第一色成分區(qū)域和與之相鄰連接的第二色成分區(qū)域各自的RGB閾值數(shù)據(jù)設(shè)定為基因，從而通過色組合來提高識(shí)別率。就是說，通過以表征提取區(qū)域的2個(gè)或2個(gè)以上相鄰連接的色組合來設(shè)定閾值，可盡量降低背景噪聲的影響。
并且，最好是在上述基因處理步驟中，在比預(yù)先設(shè)定的世代數(shù)少的規(guī)定世代之前，執(zhí)行根據(jù)精英(elite)戰(zhàn)略從適應(yīng)度高的個(gè)體中按順序選擇規(guī)定數(shù)量個(gè)體的基因操作，可確實(shí)地保留有效的基因，加快淘汰不要的基因。
最好是這時(shí)在所述基因處理步驟中，在預(yù)先設(shè)定的世代數(shù)之后的世代中，通過執(zhí)行選擇個(gè)體的基因操作，以使適應(yīng)度以規(guī)定概率分布，最好是正態(tài)分布，可一面防止產(chǎn)生局部解(solution)于未然，一面提前收斂。而且，若在最后之前重復(fù)根據(jù)精英戰(zhàn)略的選擇，則擔(dān)心導(dǎo)致產(chǎn)生局部解，是不理想的，為了防止這種情況的發(fā)生，最好是如果產(chǎn)生突變，反而存在解發(fā)散的傾向。
最好是在上述基因處理步驟中，通過所述交叉生成將以適應(yīng)度的反比求出一對(duì)個(gè)體的各閾值數(shù)據(jù)的值作為新的閾值的個(gè)體，可生成適應(yīng)度更高的個(gè)體。
最好是在上述一系列處理中，若所述提取區(qū)域是人的臉區(qū)域，所述第一色成分區(qū)域是對(duì)應(yīng)于唇色的區(qū)域，所述第二色成分區(qū)域是對(duì)應(yīng)于膚色的區(qū)域，則可更正確且迅速地檢測出人的臉區(qū)域。
并且，采用上述區(qū)域檢測方法的基于本發(fā)明的區(qū)域檢測裝置的第一特征結(jié)構(gòu)，是一種基于閾值的遺傳決定法的區(qū)域檢測裝置，其中，包括第一運(yùn)算機(jī)構(gòu)，通過遺傳性算法，分別獲得對(duì)應(yīng)于包含共同的提取區(qū)域、平均亮度不同的多個(gè)采樣圖像的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)，生成對(duì)應(yīng)于所述平均亮度的閾值表格；第二運(yùn)算機(jī)構(gòu)，根據(jù)所述對(duì)象圖像的平均亮度與所述閾值表格，適當(dāng)?shù)剡\(yùn)算導(dǎo)出對(duì)應(yīng)于對(duì)象圖像的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)；和第三運(yùn)算機(jī)構(gòu)，根據(jù)由所述第二運(yùn)算機(jī)構(gòu)運(yùn)算導(dǎo)出的閾值數(shù)據(jù)，來檢測提取區(qū)域。
根據(jù)第一運(yùn)算機(jī)構(gòu)生成的、對(duì)應(yīng)于平均亮度的閾值表格，在第二運(yùn)算機(jī)構(gòu)中，即便是在任何攝影條件下拍攝的對(duì)象圖像，也可通過求出該對(duì)象圖像的平均亮度，根據(jù)所述閾值表格，適當(dāng)?shù)剡\(yùn)算導(dǎo)出識(shí)別提取區(qū)域用的閾值數(shù)據(jù)。
下面，同樣地，最好是所述第一運(yùn)算機(jī)構(gòu)包括個(gè)體群生成機(jī)構(gòu)，初期生成由作為所述識(shí)別提取區(qū)域用的閾值數(shù)據(jù)表征提取區(qū)域的至少第一色成分區(qū)域和與之相鄰連接的第二色成分區(qū)域各自的RGB閾值數(shù)據(jù)構(gòu)成的個(gè)體群；適應(yīng)度評(píng)價(jià)機(jī)構(gòu)，評(píng)價(jià)生成的個(gè)體群對(duì)采樣圖像的適應(yīng)度；基因處理機(jī)構(gòu)，根據(jù)評(píng)價(jià)的適應(yīng)度，執(zhí)行選擇和交叉或突變的基因操作，生成新的個(gè)體群；和世代交替運(yùn)算機(jī)構(gòu)，在設(shè)定世代中重復(fù)所述基因處理機(jī)構(gòu)和所述適應(yīng)度評(píng)價(jià)機(jī)構(gòu)。
最好是在所述基因處理機(jī)構(gòu)中，在比預(yù)先設(shè)定的世代數(shù)少的規(guī)定世代之前，執(zhí)行根據(jù)精英戰(zhàn)略從適應(yīng)度高的個(gè)體中按順序選擇規(guī)定數(shù)量個(gè)體的基因操作。
最好是在所述基因處理機(jī)構(gòu)中，在預(yù)先設(shè)定的世代數(shù)之后的世代中，執(zhí)行選擇個(gè)體的基因操作，以使適應(yīng)度以規(guī)定概率分布，最好是正態(tài)分布。
最好是在所述基因處理機(jī)構(gòu)中，所述交叉生成將以適應(yīng)度的反比求出一對(duì)個(gè)體的各閾值數(shù)據(jù)的值作為新的閾值的個(gè)體。
最好是若所述提取區(qū)域是人的臉區(qū)域，所述第一色成分區(qū)域是對(duì)應(yīng)于唇色的區(qū)域，所述第二色成分區(qū)域是對(duì)應(yīng)于膚色的區(qū)域，則可正確且迅速地檢測圖像中人的臉。
并且，本發(fā)明的個(gè)人鑒別方法，對(duì)于由上述區(qū)域檢測方法檢測到的臉區(qū)域的各RGB數(shù)據(jù)，運(yùn)算導(dǎo)出唇和皮膚的色成分比，根據(jù)獲得的色成分比，應(yīng)用最小距離分類法。
根據(jù)提取到的臉區(qū)域判斷唇和皮膚的色成分比，表示該人物固有的值，不受外界影響。就是說，因?yàn)槿四樀拇胶推つw的色成分比不受該人的身體條件或照明光的影響，通常是一定的，所以若根據(jù)所述色成分比，應(yīng)用最小距離分類法，則可進(jìn)行個(gè)人鑒別。
同樣地，本發(fā)明的個(gè)人鑒別裝置，具備上述區(qū)域檢測裝置；第四運(yùn)算機(jī)構(gòu)，對(duì)于該區(qū)域檢測裝置檢測的臉區(qū)域的各RGB數(shù)據(jù)，運(yùn)算導(dǎo)出唇和皮膚的色成分比；和個(gè)人鑒別機(jī)構(gòu)，根據(jù)所述第四運(yùn)算機(jī)構(gòu)獲得的色成分比，應(yīng)用最小距離分類法來進(jìn)行個(gè)人鑒別。


圖1是本發(fā)明的區(qū)域檢測裝置的結(jié)構(gòu)框圖。
圖2是說明本發(fā)明的區(qū)域檢測裝置執(zhí)行的區(qū)域檢測處理程序的流程圖。
圖3(a)是對(duì)于通過GA獲得的平均亮度的唇的RGB各閾值的圖表，(b)是表示作為此時(shí)的表格數(shù)據(jù)登記的RGB各特性直線的圖表。
圖4(a)是對(duì)應(yīng)于通過GA獲得的平均亮度的皮膚的RGB各閾值的圖表，(b)是表示作為此時(shí)的表格數(shù)據(jù)登記的RGB各特性直線的圖表。
圖5(a)是實(shí)驗(yàn)中使用的對(duì)象圖像的說明圖，(b)是表示僅皮膚區(qū)域檢測結(jié)果的說明圖，(c)是合并皮膚和唇區(qū)域的檢測結(jié)果的說明圖。
圖6是在GA中使用的個(gè)體的說明圖。
圖7是就RGB分別計(jì)算(唇顏色信息/膚顏色信息)比的分布圖。
圖中1第一運(yùn)算機(jī)構(gòu)2第二運(yùn)算機(jī)構(gòu)3第三運(yùn)算機(jī)構(gòu)4個(gè)體群生成機(jī)構(gòu)5適應(yīng)度評(píng)價(jià)機(jī)構(gòu)6基因處理機(jī)構(gòu)7世代交替運(yùn)算機(jī)構(gòu)8閾值表格10圖像數(shù)據(jù)存儲(chǔ)部11對(duì)象圖像12采樣圖像
具體實(shí)施例方式
下面，參照附圖來說明本發(fā)明的實(shí)施方式。本發(fā)明的基于閾值遺傳決定法的區(qū)域檢測裝置，由具備執(zhí)行各種工作的CPU板、輸入輸出圖像數(shù)據(jù)的接口部、存儲(chǔ)圖像數(shù)據(jù)的硬盤、作為進(jìn)行圖像數(shù)據(jù)處理作業(yè)區(qū)的RAM板等的計(jì)算機(jī)；和安裝在該計(jì)算機(jī)上、執(zhí)行預(yù)期處理的應(yīng)用程序構(gòu)成，若將功能區(qū)分割成塊來說明，則如圖1所示，包括劃定在所述硬盤的存儲(chǔ)區(qū)域中、存儲(chǔ)采樣圖像12及對(duì)象圖像11的圖像數(shù)據(jù)存儲(chǔ)部10；第一運(yùn)算機(jī)構(gòu)1，通過遺傳性算法，分別獲得對(duì)應(yīng)于包含共同的提取區(qū)域、平均亮度不同的多個(gè)采樣圖像12的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)，生成對(duì)應(yīng)于所述平均亮度的閾值表格8；第二運(yùn)算機(jī)構(gòu)2，根據(jù)對(duì)象圖像的平均亮度與所述閾值表格8，適當(dāng)?shù)剡\(yùn)算導(dǎo)出對(duì)應(yīng)于對(duì)象圖像11的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)；和第三運(yùn)算機(jī)構(gòu)3，根據(jù)由所述第二運(yùn)算機(jī)構(gòu)2運(yùn)算導(dǎo)出的閾值數(shù)據(jù)，來檢測提取區(qū)域。
所述第一運(yùn)算機(jī)構(gòu)1包括個(gè)體群生成機(jī)構(gòu)4，初期生成由作為所述識(shí)別提取區(qū)域用的閾值數(shù)據(jù)表征提取區(qū)域的至少第一色成分區(qū)域和與之相鄰連接的第二色成分區(qū)域各自的RGB閾值數(shù)據(jù)構(gòu)成的規(guī)定數(shù)量個(gè)體群；適應(yīng)度評(píng)價(jià)機(jī)構(gòu)5，評(píng)價(jià)生成的個(gè)體群對(duì)采樣圖像的適應(yīng)度；基因處理機(jī)構(gòu)6，根據(jù)評(píng)價(jià)的適應(yīng)度，執(zhí)行選擇和交叉或突變的基因操作，生成新的個(gè)體群；和世代交替運(yùn)算機(jī)構(gòu)7，在設(shè)定世代中重復(fù)所述基因處理機(jī)構(gòu)6和所述適應(yīng)度評(píng)價(jià)機(jī)構(gòu)5。
所述基因處理機(jī)構(gòu)6在比預(yù)先設(shè)定的世代數(shù)少的規(guī)定世代之前，以規(guī)定概率執(zhí)行交叉或突變的基因操作，同時(shí)，從剩余個(gè)體中，根據(jù)精英戰(zhàn)略，從適應(yīng)度高的個(gè)體中按順序選擇規(guī)定數(shù)量的個(gè)體后，重新生成不足的個(gè)體，并在預(yù)先設(shè)定的世代數(shù)之后的世代中，以規(guī)定的概率進(jìn)行交叉或突變的基因操作，同時(shí)從剩余的個(gè)體選擇個(gè)體后，重新生成不足的個(gè)體，以使適應(yīng)度正態(tài)分布，在所述基因處理中，對(duì)交叉進(jìn)行處理，以生成處理將以適應(yīng)度的反比求出一對(duì)個(gè)體的各閾值數(shù)據(jù)的值作為新的閾值的個(gè)體。
說明由上述區(qū)域檢測裝置從作為對(duì)象圖像的靜止圖像或運(yùn)動(dòng)圖像中提取不特定的人物的臉作為提取區(qū)域時(shí)的區(qū)域檢測方法。一般地，既便靜止圖像或運(yùn)動(dòng)圖像中的人物的臉是同一人物，也通過各個(gè)時(shí)期的拍攝(照明)條件，以不同的顏色來表現(xiàn)。但是，每個(gè)拍攝條件下求出檢測區(qū)域用的閾值是非常復(fù)雜的。因此，在該方法中使用定義為人類的認(rèn)識(shí)色差可近似表現(xiàn)成幾何學(xué)距離的色標(biāo)系統(tǒng)的YCrCb色標(biāo)系統(tǒng)中的Y值，通過遺傳性算法(GA)，決定對(duì)于未知的Y值的最近似唇色值(RGB)和最近似膚色值(RGB)，根據(jù)該結(jié)果適當(dāng)?shù)厍蟪鰧?duì)象圖像的唇和膚色的閾值，通過該閾值檢測成為提取對(duì)象的區(qū)域。就是說，所述提取區(qū)域是人的臉區(qū)域，所述第一色成分區(qū)域是對(duì)應(yīng)于唇色的區(qū)域，所述第二色成分區(qū)域是對(duì)應(yīng)于膚色的區(qū)域。
下面，根據(jù)圖2所示的流程圖，具體地說明以圖5(a)的照片圖像作為對(duì)象圖像、提取其中拍攝的3人的人物臉的情況。對(duì)于圖5(a)所示的對(duì)象圖像，準(zhǔn)備多個(gè)在白天、窗簾等導(dǎo)致的遮光、夜間、不同光源等各種攝影條件下拍攝的學(xué)習(xí)用的采樣圖像，并存儲(chǔ)在圖像數(shù)據(jù)存儲(chǔ)部10中(S1)。最好是采樣圖像是同一場景，但若被攝物的姿勢相同則沒有問題。
通過所述平均亮度運(yùn)算機(jī)構(gòu)9，根據(jù)(式1)，將采樣圖像從RGB色標(biāo)系統(tǒng)變換處理成YCrCb色標(biāo)系統(tǒng)，求出采樣圖像的亮度Y值的平均值YAV(S2，S3)。
YCrCb=0.299000.587000.114000.50000-0.41869-0.08131-0.168740.331260.50000RGB]]>通過所述個(gè)體群生成機(jī)構(gòu)4，生成個(gè)體數(shù)100的個(gè)體集團(tuán)I，作為初期集團(tuán)。個(gè)體集團(tuán)I的各要素是分別用RGB定義唇及膚色的閾值的值，K世代第1個(gè)個(gè)體的第C個(gè)基因表示為I(K，1，C)。如圖6(a)所示，第1個(gè)基因由唇色閾值(R11，G11，B11)和膚色閾值(RS1，GS1，BS1)6種屬性構(gòu)成，各屬性值用實(shí)數(shù)值表示，初期生成為隨機(jī)數(shù)
。例如，生成第一世代的第1個(gè)個(gè)體的第1個(gè)基因I(1，1，1)＝R11，作為隨機(jī)數(shù)
。通過將屬性值作成實(shí)數(shù)值編碼，不必要變更為二進(jìn)制編碼型，1個(gè)個(gè)體本身變?yōu)殚撝担钥纱蠓鹊乜s減以后的運(yùn)算處理時(shí)間(S4)。
所述適應(yīng)度評(píng)價(jià)機(jī)構(gòu)5評(píng)價(jià)對(duì)由所述個(gè)體群生成機(jī)構(gòu)4生成的第一世代基因的適應(yīng)度(S5)。具體地說，在每個(gè)象素中比較從采樣圖像中預(yù)先分出的人的唇區(qū)域和皮膚區(qū)域的各象素的RGB數(shù)據(jù)是否包含在使定義為所述基因的唇的閾值RGB數(shù)據(jù)和皮膚的閾值RGB數(shù)據(jù)具有數(shù)％大小的數(shù)據(jù)范圍內(nèi)，使與唇區(qū)域全體的象素?cái)?shù)一致的象素?cái)?shù)(包含在數(shù)％大小內(nèi)的象素?cái)?shù))的比例在0-1間正態(tài)化，同時(shí)將與皮膚區(qū)域全體的象素?cái)?shù)一致的象素?cái)?shù)(包含在數(shù)％大小內(nèi)的象素?cái)?shù))的比例在0-1間正態(tài)化，求出其積，將這一系列運(yùn)算程序定義為評(píng)價(jià)函數(shù)，導(dǎo)出由該評(píng)價(jià)函數(shù)評(píng)價(jià)的值，作為各個(gè)體的適應(yīng)度。
所述世代交替運(yùn)算機(jī)構(gòu)7判斷基于所述適應(yīng)度評(píng)價(jià)機(jī)構(gòu)5的評(píng)價(jià)結(jié)果是否是到達(dá)預(yù)先設(shè)定的世代數(shù)Ng(本實(shí)施方式中設(shè)定為Ng＝100)的一半的50世代的結(jié)果，在到達(dá)一半世代時(shí)，前進(jìn)到步驟S7，在此以后的世代中前進(jìn)到步驟S11，若在到達(dá)設(shè)定世代Ng＝100時(shí)獲得適應(yīng)度1的個(gè)體，則處理結(jié)束(S11)。
此次是第一世代的處理，所以前進(jìn)到步驟S7，這里，首先所述基因處理機(jī)構(gòu)6通過交叉，從100個(gè)個(gè)體中，生成25％，作為下世代的新的個(gè)體(S7)，對(duì)2％的個(gè)體，隨機(jī)挑選為隨機(jī)數(shù)
，使其中的任一基因發(fā)生突變(S8)，接著按適應(yīng)度高的順序，選擇25％的個(gè)體，作為精英保留在下世代中(S9)。并且，為了維持個(gè)體數(shù)100，生成下世代的新的個(gè)體，作為隨機(jī)數(shù)
(S10)。
將通過所述世代交替運(yùn)算機(jī)構(gòu)7對(duì)在上述基因處理中生成的下世代的個(gè)體群應(yīng)評(píng)價(jià)適應(yīng)度的處理返回到步驟5，。
若詳細(xì)描述交叉，則如圖6(b)所示，生成以通過適應(yīng)度的反比求出一對(duì)個(gè)體的各閾值數(shù)據(jù)，作為新的閾值。例如，將第K世代第m個(gè)個(gè)體的各基因中唇的R成分R1m、與第K世代第n個(gè)個(gè)體的各基因中唇的閾值R成分R1n交叉，在第K+1世代第P個(gè)基因中生成唇的閾值R成分R1P時(shí)，若設(shè)各適應(yīng)度為i，j(0≤i，j≤1)，則求出新的基因?yàn)镽1P＝j(luò)·(R1m+R1n)/(i+j)。
在上述步驟S11中，在世代數(shù)變?yōu)轭A(yù)先設(shè)定的世代數(shù)Ng之前，首先所述基因處理機(jī)構(gòu)6通過交叉，從100個(gè)個(gè)體中生成25％，作為下世代的新的個(gè)體(S12)，對(duì)2％的個(gè)體，隨機(jī)挑選為隨機(jī)數(shù)
，使其中的任一基因發(fā)生突變(S13)，接著，選擇在下世代中保留的個(gè)體，以使所述適應(yīng)度評(píng)價(jià)機(jī)構(gòu)5評(píng)價(jià)的各個(gè)體的適應(yīng)度變成N(a，σ2)的正態(tài)分布(S14)，并且，為維持個(gè)體數(shù)100，生成下世代的新的個(gè)體，作為隨機(jī)數(shù)
(S15)。這里，也將通過所述世代交替運(yùn)算機(jī)構(gòu)7對(duì)下世代的個(gè)體群應(yīng)評(píng)價(jià)適應(yīng)度的處理返回到步驟S5。
若反復(fù)上述步驟5至步驟14，世代數(shù)變?yōu)轭A(yù)先設(shè)定的世代數(shù)Ng，則通過上述世代交替運(yùn)算機(jī)構(gòu)7，將適應(yīng)度為1.0、即唇與皮膚的識(shí)別率為100％的個(gè)體的基因作為對(duì)該采樣圖像的閾值數(shù)據(jù)，與在步驟3中導(dǎo)出的平均亮度數(shù)據(jù)一起存儲(chǔ)在所述閾值表格8中。并且，若在到達(dá)設(shè)定世代時(shí)未獲得適應(yīng)度為1的個(gè)體，則在獲得適應(yīng)度1的個(gè)體之前，每十個(gè)世代重復(fù)步驟S11至步驟S15。
對(duì)各采樣圖像執(zhí)行上述步驟S1至S15的處理，將對(duì)不同平均亮度的唇與皮膚的各閾值數(shù)據(jù)存儲(chǔ)在所述閾值表格8中。圖3(a)是標(biāo)繪采樣圖像的平均亮度與由對(duì)該采樣圖像的遺傳性算法決定的最近似唇色的RGB各閾值的圖表，圖4(a)是標(biāo)繪采樣圖像的平均亮度與由對(duì)該采樣圖像的遺傳性算法決定的最近似膚色的RGB各閾值的圖表，在圖3(b)、4(b)中分別表示通過最小平方法對(duì)各數(shù)據(jù)直線近似的結(jié)果，最后將該特性直線作為表格數(shù)據(jù)存儲(chǔ)在所述閾值表格8中。
即，上述一系列處理為第一步驟，通過遺傳性算法，分別獲得對(duì)應(yīng)于包含共同的提取區(qū)域、平均亮度不同的多個(gè)采樣圖像的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)。
接著，所述第二運(yùn)算機(jī)構(gòu)2運(yùn)算導(dǎo)出對(duì)于圖5(a)的對(duì)象圖像的平均亮度，從所述閾值表格8中求出對(duì)于運(yùn)算導(dǎo)出的平均亮度的唇和膚色的閾值數(shù)據(jù)。
通過第三運(yùn)算機(jī)構(gòu)3，首先根據(jù)所述唇的閾值數(shù)據(jù)，從對(duì)象圖像中檢測唇的區(qū)域，并根據(jù)所述皮膚的閾值數(shù)據(jù)，判斷在與檢測的區(qū)域相鄰連接的區(qū)域中是否存在皮膚的區(qū)域。這里，也可首先檢測皮膚的區(qū)域，之后判斷是否包含唇的區(qū)域。結(jié)果，如圖5(c)所示，判明可確實(shí)地檢測人的臉區(qū)域。這里，已確認(rèn)在僅檢測皮膚的區(qū)域時(shí)，如圖5(b)所示，還誤檢測臉以外的部分(圖中圓圈包圍的部分)，但若同時(shí)也檢測唇的區(qū)域，則以90％以上的概率適當(dāng)?shù)貦z測區(qū)域。
在上述實(shí)施方式中，查明在采用640×480象素的彩色圖像作為對(duì)象圖像時(shí)，僅用0.08秒完成臉區(qū)域的提取處理，并證實(shí)可用高識(shí)別率高速地處理。
在上述實(shí)施方式中，以世代數(shù)100、個(gè)體數(shù)100、突變率2％來執(zhí)行遺傳性算法，但這些值是示例，不只限于這些值，可根據(jù)對(duì)象圖像等諸多條件來適當(dāng)?shù)卦O(shè)定。
在上述實(shí)施方式中，說明了在所述基因處理步驟中，在比預(yù)先設(shè)定的世代數(shù)少的規(guī)定世代之前，根據(jù)精英戰(zhàn)略，從適應(yīng)度高的個(gè)體中按順序選擇規(guī)定數(shù)量的個(gè)體時(shí)，將預(yù)先設(shè)定的世代數(shù)Ng(Ng＝100)的一半世代設(shè)為規(guī)定世代的情況，但作為規(guī)定世代，不只限于設(shè)定的世代數(shù)的一半的值，也可以在其前后數(shù)世代的范圍內(nèi)。
在上述實(shí)施方式中，說明了從RGB色標(biāo)系統(tǒng)變換為YCrCb色標(biāo)系統(tǒng)后，根據(jù)圖像亮度的平均值導(dǎo)出閾值的方法及裝置，但作為變換對(duì)象的色標(biāo)系統(tǒng)不只限于YCrCb色標(biāo)系統(tǒng)，只要求出對(duì)于圖像的亮度的平均值，則也可是其他的色標(biāo)系統(tǒng)。例如，也可根據(jù)從RGB色標(biāo)系統(tǒng)變換成作為芒塞爾色標(biāo)系統(tǒng)之一的色相為H、彩度為S、亮度為V的HSV色標(biāo)系統(tǒng)，或亮度是HSV色標(biāo)系統(tǒng)的2倍的HIS色標(biāo)系統(tǒng)的值，求出平均亮度。
在上述實(shí)施方式中，說明了采用正態(tài)分布作為規(guī)定概率分布，但作為概率分布不只限于此，也可采用例如ε分布。
在上述實(shí)施方式中，對(duì)靜止圖像試行，但對(duì)運(yùn)動(dòng)圖像也可同樣適用。另外，在上述實(shí)施方式中，說明了提取區(qū)域是人的臉區(qū)域，所述第一色成分區(qū)域是對(duì)應(yīng)于唇色的區(qū)域，所述第二色成分區(qū)域是對(duì)應(yīng)于膚色的區(qū)域，但提取區(qū)域不限于人的臉區(qū)域，也可適宜地設(shè)定。例如，本發(fā)明可適用于從通過設(shè)置在高速公路等的車輛攝影裝置等拍攝的圖像中檢測汽車牌照區(qū)域，通過設(shè)定第一色成分區(qū)域是對(duì)應(yīng)于數(shù)字色(綠色)的區(qū)域，所述第二色成分區(qū)域是對(duì)應(yīng)于汽車牌照色(白色等)的區(qū)域，可不受天氣等攝影條件影響地、高速地檢測汽車牌照區(qū)域，根據(jù)這樣檢測的汽車牌照上的號(hào)碼，迅速地進(jìn)行車輛的鑒定。
下面，說明根據(jù)上述的區(qū)域檢測方法檢測到的人的臉區(qū)域，使用最小距離分類法，可個(gè)人鑒別的裝置及方法。個(gè)人鑒別裝置具備上述區(qū)域檢測裝置；第四運(yùn)算機(jī)構(gòu)，對(duì)于該區(qū)域檢測裝置檢測的臉區(qū)域的各RGB數(shù)據(jù)，運(yùn)算導(dǎo)出唇和皮膚的色成分比；和個(gè)人鑒別機(jī)構(gòu)，根據(jù)所述第四運(yùn)算機(jī)構(gòu)獲得的色成分比，適用最小距離分類法來進(jìn)行個(gè)人鑒別。
第四運(yùn)算機(jī)構(gòu)從由多張對(duì)象圖像中進(jìn)行區(qū)域檢測的臉區(qū)域中，根據(jù)多個(gè)人的膚顏色信息(RGB象素平均值)和唇顏色信息(RGB象素平均值)，對(duì)RGB分別計(jì)算(唇顏色信息/膚顏色信息)的比，如圖7所示，生成該分布圖。就是說，預(yù)先登記對(duì)象圖像中的人物(這里登記13名)。從由未知圖像同樣檢測到的臉區(qū)域中，根據(jù)膚顏色信息和唇顏色信息，對(duì)RGB分別計(jì)算(唇顏色信息/膚顏色信息)的比。個(gè)人鑒別機(jī)構(gòu)在由第四運(yùn)算機(jī)構(gòu)運(yùn)算的對(duì)未知人物的(唇顏色信息/膚顏色信息)的比與圖7所示的分布圖一致時(shí)，鑒別為與登記的人物一致。這里，對(duì)(唇顏色信息/膚顏色信息)的值計(jì)算RGB各自的距離，合計(jì)在1以上的為冒充者。在對(duì)100張圖像實(shí)施上述的模擬，在86張中正確地識(shí)別13名登記者。另外，沒有將登記者以外的人物識(shí)別為登記者。
發(fā)明的效果如上所述，根據(jù)本發(fā)明，可提供一種區(qū)域檢測方法及其裝置，可不受攝影條件影響地設(shè)定適當(dāng)?shù)拈撝?，并且可高速且正確地檢測臉區(qū)域等特定區(qū)域。
權(quán)利要求
1.一種區(qū)域檢測方法，是基于閾值的遺傳決定法的區(qū)域檢測方法，其中，包括第一步驟，通過遺傳性算法，分別獲得對(duì)應(yīng)于包含共同的提取區(qū)域、平均亮度不同的多個(gè)采樣圖像的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)；第二步驟，根據(jù)所述對(duì)象圖像的平均亮度、與在所述第一步驟中獲得的閾值及平均亮度的關(guān)系，適當(dāng)?shù)剡\(yùn)算導(dǎo)出對(duì)應(yīng)于對(duì)象圖像的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)；和第三步驟，根據(jù)在所述第二步驟中運(yùn)算導(dǎo)出的閾值數(shù)據(jù)，來檢測提取區(qū)域。
2.根據(jù)權(quán)利要求1所述的區(qū)域檢測方法，其特征在于所述第一步驟包括個(gè)體群生成步驟，初期生成由作為所述識(shí)別提取區(qū)域用的閾值數(shù)據(jù)表征提取區(qū)域的至少第一色成分區(qū)域和與之相鄰連接的第二色成分區(qū)域各自的RGB閾值數(shù)據(jù)構(gòu)成的個(gè)體群；適應(yīng)度評(píng)價(jià)步驟，評(píng)價(jià)生成的個(gè)體群的對(duì)采樣圖像的適應(yīng)度；基因處理步驟，根據(jù)評(píng)價(jià)的適應(yīng)度，執(zhí)行選擇和交叉或突變的基因操作，生成新的個(gè)體群；和世代交替步驟，在設(shè)定世代中重復(fù)所述基因處理步驟和所述適應(yīng)度評(píng)價(jià)步驟。
3.根據(jù)權(quán)利要求2所述的區(qū)域檢測方法，其特征在于在所述基因處理步驟中，在比預(yù)先設(shè)定的世代數(shù)少的規(guī)定世代數(shù)之前，執(zhí)行根據(jù)精英戰(zhàn)略從適應(yīng)度高的個(gè)體中按順序選擇規(guī)定數(shù)量個(gè)體的基因操作。
4.根據(jù)權(quán)利要求3所述的區(qū)域檢測方法，其特征在于在所述基因處理步驟中，在預(yù)先設(shè)定的世代數(shù)之后的世代中，執(zhí)行選擇個(gè)體的基因操作，以使適應(yīng)度滿足規(guī)定的概率分布。
5.根據(jù)權(quán)利要求4所述的區(qū)域檢測方法，其特征在于所述規(guī)定的概率分布是正態(tài)分布。
6.根據(jù)權(quán)利要求2～5之一所述的區(qū)域檢測方法，其特征在于在所述基因處理步驟中，所述交叉生成將以適應(yīng)度的反比求出一對(duì)個(gè)體的各閾值數(shù)據(jù)的值作為新的閾值的個(gè)體。
7.根據(jù)權(quán)利要求2～6之一所述的區(qū)域檢測方法，其特征在于所述提取區(qū)域是人的臉區(qū)域，所述第一色成分區(qū)域是對(duì)應(yīng)于唇色的區(qū)域，所述第二色成分區(qū)域是對(duì)應(yīng)于膚色的區(qū)域。
8.一種區(qū)域檢測裝置，是基于閾值的遺傳決定法的區(qū)域檢測裝置，其中，包括第一運(yùn)算機(jī)構(gòu)，通過遺傳性算法，分別獲得對(duì)應(yīng)于包含共同的提取區(qū)域、平均亮度不同的多個(gè)采樣圖像的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)，生成對(duì)應(yīng)于所述平均亮度的閾值表格；第二運(yùn)算機(jī)構(gòu)，根據(jù)所述對(duì)象圖像的平均亮度與所述閾值表格，適當(dāng)?shù)剡\(yùn)算導(dǎo)出對(duì)應(yīng)于對(duì)象圖像的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)；和第三運(yùn)算機(jī)構(gòu)，根據(jù)由所述第二運(yùn)算機(jī)構(gòu)運(yùn)算導(dǎo)出的閾值數(shù)據(jù)，來檢測提取區(qū)域。
9.根據(jù)權(quán)利要求8所述的區(qū)域檢測裝置，其特征在于所述第一運(yùn)算機(jī)構(gòu)包括個(gè)體群生成機(jī)構(gòu)，初期生成由作為所述識(shí)別提取區(qū)域用的閾值數(shù)據(jù)表征提取區(qū)域的至少第一色成分區(qū)域和與之相鄰連接的第二色成分區(qū)域各自的RGB閾值數(shù)據(jù)構(gòu)成的個(gè)體群；適應(yīng)度評(píng)價(jià)機(jī)構(gòu)，評(píng)價(jià)生成的個(gè)體群的對(duì)采樣圖像的適應(yīng)度；基因處理機(jī)構(gòu)，根據(jù)評(píng)價(jià)的適應(yīng)度，執(zhí)行選擇和交叉或突變的基因操作，生成新的個(gè)體群；和世代交替運(yùn)算機(jī)構(gòu)，在設(shè)定世代中重復(fù)所述基因處理機(jī)構(gòu)和所述適應(yīng)度評(píng)價(jià)機(jī)構(gòu)。
10.根據(jù)權(quán)利要求9所述的區(qū)域檢測裝置，其特征在于在所述基因處理機(jī)構(gòu)中，在比預(yù)先設(shè)定的世代數(shù)少的規(guī)定世代數(shù)之前，執(zhí)行根據(jù)精英戰(zhàn)略從適應(yīng)度高的個(gè)體中按順序選擇規(guī)定數(shù)量個(gè)體的基因操作。
11.根據(jù)權(quán)利要求10所述的區(qū)域檢測裝置，其特征在于在所述基因處理機(jī)構(gòu)中，在預(yù)先設(shè)定的世代數(shù)之后的世代中，執(zhí)行選擇個(gè)體的基因操作，以使適應(yīng)度滿足規(guī)定的概率分布。
12.根據(jù)權(quán)利要求11所述的區(qū)域檢測裝置，其特征在于所述規(guī)定的概率分布是正態(tài)分布。
13.根據(jù)權(quán)利要求9～12之一所述的區(qū)域檢測裝置，其特征在于在所述基因處理機(jī)構(gòu)中，所述交叉生成將以適應(yīng)度的反比求出一對(duì)個(gè)體的各閾值數(shù)據(jù)的值作為新的閾值的個(gè)體。
14.根據(jù)權(quán)利要求9～13之一所述的區(qū)域檢測裝置，其特征在于所述提取區(qū)域是人的臉區(qū)域，所述第一色成分區(qū)域是對(duì)應(yīng)于唇色的區(qū)域，所述第二色成分區(qū)域是對(duì)應(yīng)于膚色的區(qū)域。
15.一種個(gè)人鑒別方法，其特征在于對(duì)于通過權(quán)利要求7所述的區(qū)域檢測方法檢測到的臉區(qū)域的各RGB數(shù)據(jù)，運(yùn)算導(dǎo)出唇和皮膚的色成分比，根據(jù)獲得的色成分比，應(yīng)用最小距離分類法。
16.一種個(gè)人鑒別裝置，具備權(quán)利要求14所述的區(qū)域檢測裝置；第四運(yùn)算機(jī)構(gòu)，對(duì)于該區(qū)域檢測裝置檢測的臉區(qū)域的各RGB數(shù)據(jù)，運(yùn)算導(dǎo)出唇和皮膚的色成分比；和個(gè)人鑒別機(jī)構(gòu)，根據(jù)所述第四運(yùn)算機(jī)構(gòu)獲得的色成分比，應(yīng)用最小距離分類法來進(jìn)行個(gè)人鑒別。
全文摘要
本發(fā)明提供一種可不受攝影條件影響地設(shè)定適當(dāng)?shù)拈撝?、并能高速且正確地檢測臉區(qū)域等特定的區(qū)域的區(qū)域檢測方法及其裝置。由如下部件構(gòu)成存儲(chǔ)采樣圖像(12)及對(duì)象圖像(11)的圖像數(shù)據(jù)存儲(chǔ)部(10)；第一運(yùn)算機(jī)構(gòu)(1)，通過遺傳性算法，分別獲得對(duì)應(yīng)于包含共同的提取區(qū)域、平均亮度不同的多個(gè)采樣圖像(12)的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)，生成對(duì)應(yīng)于所述平均亮度的閾值表格(8)；第二運(yùn)算機(jī)構(gòu)(2)，根據(jù)對(duì)象圖像的平均亮度與所述閾值表格(8)，適當(dāng)?shù)剡\(yùn)算導(dǎo)出對(duì)應(yīng)于對(duì)象圖像(11)的識(shí)別提取區(qū)域用的閾值數(shù)據(jù)；和第三運(yùn)算機(jī)構(gòu)(3)，根據(jù)由所述第二運(yùn)算機(jī)構(gòu)(2)運(yùn)算導(dǎo)出的閾值數(shù)據(jù)，來檢測提取區(qū)域。
文檔編號(hào)G06T5/00GK1573795SQ20041004530
公開日2005年2月2日 申請日期2004年5月21日 優(yōu)先權(quán)日2003年5月26日
發(fā)明者大松繁, 滿倉靖惠, 福見稔, 滿倉健介, 北耕次, 久后耕一 申請人:諾日士鋼機(jī)株式會(huì)社