專利名稱：圖像評價裝置、圖像評價方法、程序、集成電路的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及為了支持用戶從其保有的數(shù)量龐大的圖像中選擇對用戶重要的圖像， 而對各個圖像進行評價的技術(shù)。
背景技術(shù)：
近年來，隨著數(shù)字照相機的普及和記錄介質(zhì)的容量增加，用戶能夠保有數(shù)量龐大的圖像。已經(jīng)公知這樣的方法，為了支持用戶容易地從這種大量的圖像中找出想要欣賞的圖像，對各個圖像進行評價并排名(ranking)。例如，一種方法是根據(jù)使用圖像進行的作業(yè)(打印或幻燈片放映等)的次數(shù)等計算各個圖像的評價值(參照專利文獻1)?，F(xiàn)有技術(shù)文獻專利文獻專利文獻1 日本特開2007-135065號公報專利文獻2 日本特開2007-80014號公報
發(fā)明概要發(fā)明要解決的問題但是，專利文獻1的方法存在以下問題，用戶必須進行操作，在用戶完全不進行操作的情況下或者操作次數(shù)較少的時候，將不能計算出反映了用戶的意圖的評價值。并且，過去有利用被攝入到圖像中的人物來計算圖像的評價值的技術(shù)，但尚沒有以拍攝了該圖像的人物(攝影者)為線索來計算圖像的評價值的技術(shù)。根據(jù)本申請發(fā)明者們的研究，認為如果能夠以圖像的攝影者為線索來計算圖像的評價值，則對于用戶而言能夠得到恰當?shù)慕Y(jié)果。

發(fā)明內(nèi)容
本發(fā)明正是鑒于基于這種觀點而提出的，其目的在于，提供能夠以圖像的攝影者為線索來評價圖像的圖像評價裝置。用于解決問題的手段本發(fā)明的圖像評價裝置，分別計算多個圖像的重要度，其特征在于，該圖像評價裝置具有特征值計算單元，針對各個圖像中所包含的對象，計算表示該對象的拍攝狀況的特征值；攝影者抽取單元，確定各個圖像的攝影者，并計算表示其可靠度的似然值；以及評價單元，針對各個圖像，根據(jù)對圖像中所包含的對象計算的特征值和對該圖像計算的似然值， 計算各個圖像的重要度。發(fā)明效果根據(jù)本發(fā)明的圖像評價裝置，能夠以圖像的攝影者為線索來評價圖像。


圖1是圖像評價系統(tǒng)1的功能框圖。圖2是表示圖像評價處理的概況的流程圖。圖3是表示圖像取得/聚類處理的流程圖。圖4是說明對象聚類的流程的圖。圖5是表示人物聚類信息存儲部41的存儲內(nèi)容的圖。圖6是說明事件聚類的流程的圖。圖7是表示事件聚類信息存儲部42的存儲內(nèi)容的圖。圖8是表示占有率計算處理的流程圖。圖9是說明占有率計算的流程的圖。圖10是表示占有率存儲部43的存儲內(nèi)容的圖。圖11是表示攝影者抽取處理的流程圖。圖12是表示攝影者的選定處理的流程圖。圖13是表示攝影者A的選定處理的流程圖。圖14是說明攝影者A的選定的流程的圖。圖15是表示攝影者B的選定處理的流程圖。圖16是說明攝影者B的選定的流程的圖。圖17是表示攝影者似然值的計算處理的概況的流程圖。圖18是表示攝影者A的攝影者似然值的計算處理的流程圖。圖19是說明計算攝影者密度的流程的圖。圖20是說明計算攝影者A的攝影者似然值的流程的圖。圖21是表示攝影者B的攝影者似然值的計算處理的流程圖。圖22是表示攝影者似然值存儲部44的存儲內(nèi)容的圖。圖23是表示圖表生成(被攝體鏈接設(shè)定)處理的流程圖。圖24是說明圖像節(jié)點與被攝體節(jié)點之間的鏈接設(shè)定的圖。圖25是表示圖表生成(攝影者鏈接設(shè)定)處理的流程圖。圖26是說明圖像節(jié)點與攝影者節(jié)點之間的鏈接設(shè)定的圖。圖27是說明攝影者節(jié)點與被攝體節(jié)點之間的鏈接設(shè)定的圖。圖28是表示圖表生成(虛擬鏈接設(shè)定)處理的流程圖。圖29是說明圖像節(jié)點與虛擬節(jié)點之間的鏈接設(shè)定的圖。圖30是表示圖表的具體示例的圖。圖31是表示圖表存儲部45的存儲內(nèi)容的圖。圖32是表示鄰接矩陣生成/特征向量計算處理的流程圖。圖33是表示鄰接矩陣M的具體示例的圖。圖34是說明根據(jù)主特征向量P的成分求出各個圖像的評價值和各個對象的重要度的流程的圖。圖35(a)是表示對象重要度存儲部46的存儲內(nèi)容的圖，圖35(b)是表示圖像評價值存儲部47的存儲內(nèi)容的圖。圖36是說明主體人物對圖像的評價值產(chǎn)生的影響的圖。
圖37是說明在節(jié)點之間傳遞重要度的狀態(tài)的圖。圖38 (a)是表示對象出現(xiàn)特征量計算部50的變形例的圖，圖38 (b)是表示笑臉計算部52計算出較高的笑臉度的人臉的示例的圖，圖38(c)是表示笑臉計算部52計算出較低的笑臉度的人臉的示例的圖。圖39是說明從圖像中抽取各種對象的流程的圖。圖40是表示與特定的期間對應的人物的重要度的圖。
具體實施例方式(實施方式1)下面，參照

本實施方式。〈結(jié)構(gòu)〉如圖1所示，圖像評價系統(tǒng)1構(gòu)成為包括SD存儲卡2、圖像評價裝置3和顯示器4。圖像評價裝置3具有圖像取得部10、對象抽取部20 (包括對象特征量抽取部21、 對象聚類部22)、事件抽取部30(包括攝影時間日期抽取部31、事件聚類部32)、存儲部 40 (包括人物聚類信息存儲部41、事件聚類信息存儲部42、占有率存儲部43、攝影者似然值存儲部44、圖表存儲部45、對象重要度存儲部46、圖像評價值存儲部47)、對象出現(xiàn)特征量計算部50 (包括占有率計算部51)、攝影者抽取部60 (包括攝影者取得部61、攝影者選定部 62、攝影者似然值計算部63)、圖表生成部70 (包括圖像被攝體節(jié)點生成部71、攝影者節(jié)點生成部72、虛擬節(jié)點生成部73、被攝體鏈接設(shè)定部74、攝影者鏈接設(shè)定部75、虛擬鏈接設(shè)定部76)、評價部80 (包括鄰接矩陣生成部81、特征向量計算部82、重要度計算部83)、顯示控制部90。圖像取得部10例如由SD讀卡器構(gòu)成，從被插入到SD卡槽內(nèi)的SD存儲卡4取得圖像數(shù)據(jù)。對象抽取部20從由圖像取得部10取得的圖像數(shù)據(jù)中抽取被攝入到圖像中的人物的對象(object)(下面只要沒有特別說明，對象指人物的對象)的對象特征量，并根據(jù)所抽取的對象特征量進行聚類(clustering)。具體地講，對象特征量抽取部21進行對象特征量的抽取。其抽取方法能夠采用通常的方法，例如可以采用基于Gabor濾波器的抽取方法 (參照后面敘述的參考文獻1)。在進行抽取后，對象聚類部22根據(jù)所抽取的對象特征量，進行人物的對象的聚類。并且，將表示聚類的結(jié)果的人物聚類信息(對象聚類信息)存儲在人物聚類信息存儲部41中。關(guān)于這種聚類的方法，能夠采用非分層式方法(對固定的各個聚類賦予代表進行聚類的方法)中的一種即k-means法(參照參考文獻2)。事件抽取部30從由圖像取得部10取得的圖像中抽取攝影日期時間信息，根據(jù)所抽取的攝影日期時間信息將圖像分類為多個事件(聚類)，將表示其結(jié)果的事件聚類信息存儲在事件聚類信息存儲部42中。
攝影時間日期抽取部31從圖像的元數(shù)據(jù)中抽取攝影日期時間信息。該元數(shù)據(jù)例如指用Exif (Exchangeable image file format 可交換圖像文件)格式記述的Exif信息。在抽取出攝影日期時間信息后，事件聚類部32進行將多個圖像分類為不同的事件的聚類。關(guān)于這種事件的聚類的方法，能夠采用通常的方法。例如，能夠采用將任意的時間設(shè)定為閾值，將圖像彼此之間的攝影日期時間的差超過閾值者作為事件的劃分的方法(參照參考文獻2)。存儲部40具有存儲各種信息的功能。存儲部40的硬件能夠用例如RAM(Random Access Memory 隨機存取存儲器)或HDD (Hard Disk Drive 硬盤驅(qū)動)構(gòu)成。對象出現(xiàn)特征量計算部50參照人物聚類信息存儲部41，計算有關(guān)圖像中的對象的“對象出現(xiàn)特征量”?！皩ο蟪霈F(xiàn)特征量”指表示被攝入到圖像中的對象是何種攝入狀況的量。在本實施方式中，作為對象出現(xiàn)特征量的一例，列舉由占有率計算部51計算的占有率。“占有率”用于表示屬于人物聚類的對象在圖像中所占的比例。由占有率計算部51計算出的占有率被存儲在占有率存儲部43中。攝影者抽取部60具有攝影者取得部61，將由圖像取得部10取得的圖像作為對象(下面稱為“對象圖像”)來取得攝影者信息；攝影者選定部62，選定對象圖像的攝影者； 攝影者似然值計算部63，計算所選定的攝影者的似然值(表示可靠的程度)。這種選定對象圖像的攝影者的方法有以下三種方法。關(guān)于這三種方法的定位順序如下，首先嘗試基于方法Z的選定，如果用方法Z未能選定攝影者，則執(zhí)行方法A，如果用方法A未能選定攝影者，則執(zhí)行方法B。(1)方法 Z·嘗試取得對象圖像中所包含的攝影者信息·根據(jù)取得的攝影者信息來選定攝影者關(guān)于上述攝影者信息，例如采用圖像的Exif信息。另外，在采用方法Z的情況下，如果是Exif所包含的攝影者信息，攝影者似然值計算部63視為可靠性較高，將似然值計算為較高的值(例如似然值1)。(2)方法A (將利用該方法A選定的攝影者稱為“攝影者A”)·抽取在與對象圖像相同的事件中出現(xiàn)的人物·從所抽取的人物中進一步抽取沒有攝入到對象圖像中的人物·將進一步抽取的人物全部選定為攝影者(被選定的攝影者有可能是多名攝影者)(3)方法B(將利用該方法B選定的攝影者稱為“攝影者B”)·抽取在與對象圖像相同的事件中未出現(xiàn)的人物·對所抽取的各個人物計算攝影者選定度·將攝影者選定度為最高的人物選定為攝影者(被選定的攝影者一定是1名)圖表生成部70生成表示圖像節(jié)點、被攝體節(jié)點、攝影者節(jié)點、虛擬節(jié)點、以及這些節(jié)點間的鏈接的圖表(graph)，將所生成的圖表存儲在圖表存儲部45中。另外，該鏈接具有朝向，因而圖表指被稱為有向圖(directed graph)的類型。
圖像被攝體節(jié)點生成部71生成圖像節(jié)點和被攝體節(jié)點，攝影者節(jié)點生成部(主體人物設(shè)定部)72生成攝影者節(jié)點，虛擬節(jié)點生成部73生成虛擬節(jié)點。其中，攝影者節(jié)點指與成為圖像的評價主體(評價基準)的主體人物對應的節(jié)點。 在進行圖像的評價時，即使是相同的圖像，如果評價主體不同，也需要考慮針對該圖像的評價不同的情況，例如對于人物a，認為將拍攝了人物a自身(或者與人物a親近的人物)的圖像或由人物a親自拍攝到的圖像評價為較高的值。在本實施方式中，通過采用這種與主體人物對應的攝影者節(jié)點，能夠計算出對該主體人物比較恰當?shù)膱D像的評價。并且，虛擬節(jié)點指用于對節(jié)點間的鏈接調(diào)整加權(quán)的節(jié)點。例如，沒有向外的鏈接而累積重要度的節(jié)點的問題(problem of rank sinks 等級沉沒問題)得以消除。被攝體鏈接設(shè)定部74設(shè)定被攝體節(jié)點_圖像節(jié)點間的鏈接。攝影者鏈接設(shè)定部75設(shè)定攝影者節(jié)點_圖像節(jié)點間的鏈接、以及攝影者節(jié)點-被攝體節(jié)點間的鏈接。虛擬鏈接設(shè)定部76設(shè)定虛擬節(jié)點_圖像節(jié)點間的鏈接、以及虛擬節(jié)點-被攝體節(jié)點間的鏈接。評價部80具有計算圖像及對象各自的重要度的功能，包括鄰接矩陣生成部81、特征向量計算部82、重要度計算部83。鄰接矩陣生成部81生成用于表述在圖表存儲部45中存儲的圖表的鄰接矩陣。特征向量計算部82計算所生成的鄰接矩陣的特征向量。重要度計算部83根據(jù)計算出的特征向量的成分，計算各個對象的對象重要度和各個圖像的圖像評價值。并且，將計算出的重要度存儲在對象重要度存儲部46中，將評價值存儲在圖像評價值存儲部47中。另外，對象抽取部20、事件抽取部30、對象出現(xiàn)特征量計算部50、攝影者抽取部 60、圖表生成部70、評價部80等，例如能夠利用在ROM (Read Only Memory 只讀存儲器)中存儲的控制程序、和執(zhí)行該控制程序的(Central Processing Unit)等構(gòu)成。顯示控制部90控制顯示器4的畫面顯示。該顯示控制部90例如用顯示器控制器構(gòu)成，使在顯示器4的畫面上顯示被存儲于圖像評價值存儲部47中的圖像評價值。〈動作〉下面，說明截止到對圖像進行評價的流程。圖2是表示圖像評價處理的概況的流程圖。如圖2所示，在圖像信息處理裝置3中依次進行以下處理由對象抽取部20和事件抽取部30進行的圖像取得/聚類(S21)，由占有率計算部51進行的占有率計算(S22)， 由攝影者抽取部60進行的攝影者抽取(S23)。然后，攝影者節(jié)點生成部72將從人物聚類信息存儲部41取得的人物聚類信息所示出的多個對象中的一個對象設(shè)定為主體人物(S24)。然后，進行由圖表生成部70進行的圖表生成(被攝體鏈接設(shè)定)(S25)、圖表生成 (攝影者鏈接設(shè)定)(S26)、圖表生成(虛擬鏈接設(shè)定)(S27)、鄰接矩陣生成/特征向量計算 (S28)。并且，在圖像信息處理裝置3中，如果沒有將人物聚類信息中包含的全部人物設(shè)定為主體人物(S29 否)，則返回步驟S24，反復S25 S28的處理。
并且，在圖像信息處理裝置3中，如果已將人物聚類信息中包含的全部人物設(shè)定為主體人物(S29 是)，則視為能夠計算以各個人物為主體的圖像評價值，并結(jié)束處理。如圖3所示，在圖像取得/聚類處理中，圖像取得部10從SD存儲卡2取得在SD 存儲卡2中存儲的圖像數(shù)據(jù)(S31)。對象特征量抽取部21將所取得的圖像數(shù)據(jù)作為對象，從圖像中切取人臉的區(qū)域， 并抽取該人臉的特征量作為對象特征量(S32)。對象聚類部22使用所抽取的對象特征量進行聚類，將聚類的結(jié)果即人物聚類信息存儲在人物聚類信息存儲部41中(S33)。然后，攝影時間日期抽取部31從所取得的各個圖像的Exif信息中抽取攝影日期時間(S34)。事件聚類部32根據(jù)所抽取的攝影日期時間進行聚類，將聚類的結(jié)果即事件聚類信息存儲在事件聚類信息存儲部42中(S35)。使用圖4具體說明步驟S32、S33，對象特征量抽取部21從3張圖像A 圖像C (圖 4 (a))中切取4個人臉Fl F4，并抽取各個人臉Fl F4的特征量(圖4 (b))。并且，對象聚類部22將4個人臉Fl F4中相似的各個人臉的人臉F2、F3聚類為人物a，將人臉Fl、F4聚類為人物b (圖4 (c))。圖5是表示用于示出對象聚類的結(jié)果的人物聚類信息的數(shù)據(jù)構(gòu)造的圖。人物聚類信息指表示出現(xiàn)于圖像中的各個人臉屬于哪個人物聚類的信息，包括項目“人物聚類名稱”、“人臉”、“圖像”。然后，使用圖6具體說明步驟S34、S35，攝影時間日期抽取部31從4張圖像A 圖像D(圖6(a))中分別抽取攝影日期時間(圖6(b))。并且，事件聚類部32將4個攝影日期時間中日期時間接近的各個圖像的圖像A、B 聚類為事件f，將圖像C、D聚類事件g (圖6 (c))。圖7是表示用于示出事件聚類的結(jié)果的事件聚類信息的數(shù)據(jù)構(gòu)造的圖。事件聚類信息指表示圖像屬于哪個事件聚類的信息，包括項目“事件聚類名稱”、“圖像”、“攝影日期時間”。下面，使用圖8說明有關(guān)占有率計算(圖2 :S22)的處理。占有率計算部51從人物聚類信息存儲部41取得人物聚類信息(S81)。占有率計算部51根據(jù)所取得的人物聚類信息，將由對象出現(xiàn)特征量計算部50抽取的對象的區(qū)域的面積除以該對象出現(xiàn)的圖像整體的面積，由此計算各個對象在各個圖像中所占的比例(占有率)。并且，將1減去對象的占有率，由此計算背景(非對象區(qū)域)的占有率。并且，將計算出的對象的占有率和背景的占有率存儲在占有率存儲部43中(S82)。使用圖9說明步驟S82的具體示例。如圖9所示，在圖像B中包含人臉F3的對象。占有率計算部51求出人臉F3的區(qū)域的面積S2和人臉F3出現(xiàn)的圖像B整體的面積Si。并且，根據(jù)S2A1來計算占有率。例如，如果人臉F3的區(qū)域的面積S2是50萬像素量、圖像B的面積S1是100萬像素量，則50/100 = 0. 5就是人臉f3在圖像B中的占有率。并且，根據(jù)1-0. 5 = 0.5,圖像B 的背景的占有率為0.5。
圖10是表示用于示出占有率計算的結(jié)果的被攝體信息的數(shù)據(jù)構(gòu)造的圖。被攝體信息包括項目“圖像”、“人物a的占有率”、“人物b的占有率”、“背景的占有率”。下面，使用圖11說明攝影者抽取處理(圖2 :S23)的詳細情況。首先，攝影者抽取部60從人物聚類信息存儲部41取得人物聚類信息(Slll)。之后的步驟S112對應于上述的選定攝影者的方法之一的方法Z。S卩，攝影者取得部61嘗試取得圖像的Exif信息所包含的攝影者信息(S112)。如果取得成功，攝影者取得部61參照在步驟Slll已經(jīng)取得的人物聚類信息，確定與所取得的攝影者對應的人物聚類名稱。另外，在步驟S112，也可以顯示催促用戶確定攝影者的菜單等，以根據(jù)用戶操作而設(shè)定的信息為線索來取得攝影者。如果能夠取得攝影者，則進入步驟S117(S113 是)。如果不能取得攝影者(S113 否)，攝影者選定部62從人物聚類信息存儲部41取得人物聚類信息、從事件聚類信息存儲部42取得事件聚類信息，并進行后續(xù)處理的準備 (S114)。然后，攝影者選定部62根據(jù)所取得的人物聚類信息和事件聚類信息，選定被估計為拍攝了圖像的攝影者的人物(S115)。在該步驟S115依次執(zhí)行上述的方法A、方法B。另外，攝影者似然值計算部63根據(jù)所取得的人物聚類信息和事件聚類信息，計算被選定為攝影者的人物的攝影者似然值(S116)。并且，將在步驟S115選定的攝影者和計算出的攝影者似然值存儲在攝影者似然值存儲部44中(Si 17)。另外，當在S113為是的情況下，針對由攝影者取得部61取得的攝影者，攝影者似然值計算部63計算攝影者似然值，將攝影者和計算出的攝影者似然值相對應地存儲在攝影者似然值存儲部44中(S117)。使用圖12說明攝影者選定(圖11 :S115)的處理。攝影者選定部62根據(jù)在步驟S114取得的人物聚類信息和事件聚類信息，進行攝影者A的選定(S121)，然后進行攝影者B的選定(S122)。另外，在步驟S122選定攝影者B時的對象圖像局限于雖然進行了攝影者A的選定 (S121)但是未選定攝影者A的圖像。對于在選定攝影者A時(S121)已經(jīng)選定攝影者A的圖像，從攝影者B的對象圖像中去除。使用圖13詳細說明攝影者A的選定方法。攝影者選定部62根據(jù)所取得的事件聚類信息和人物聚類信息，抽取在屬于包括用于選定攝影者的對象的圖像(以下稱為“對象圖像”)的事件的圖像中出現(xiàn)的人物(S131)。然后，從所抽取的人物中進一步抽取除被攝入到對象圖像中的人物之外的人物(S132)，將抽取出的全部人物選定為攝影者A(S133)。使用圖14說明選定攝影者A的示例。攝影者選定部62抽取在事件f所包含的兩張圖像A、B中出現(xiàn)的人物a、b (圖 14 (a)、圖 14(b))。在圖像A中不存在是出現(xiàn)于事件f中的人物且沒有攝入到圖像A中的人物，因而視為沒有圖像A的攝影者A。在圖像B中，將沒有攝入到圖像B中的人物b選定為攝影者A(圖14(c))。然后，使用圖15說明攝影者B的選定方法。攝影者選定部62根據(jù)所取得的事件聚類信息和人物聚類信息，抽取雖然沒有在屬于包括對象圖像的事件的圖像中出現(xiàn)、但是在其它事件中出現(xiàn)的所有人物(S151)。然后，攝影者選定部62對所抽取的各個人物，計算與在包括對象圖像的事件中出現(xiàn)的人物的親密度(S152)。然后，攝影者選定部62計算稀少度(S153)。并且，攝影者選定部62將計算出的親密度和稀少度相乘，計算在包括對象圖像的事件中沒有出現(xiàn)的各個人物的攝影者選定度(S144)。然后，攝影者選定部62在計算出的攝影者選定度中，將攝影者選定度為最大的人物選定為攝影者B(S155)。依次說明步驟S152的親密度計算處理和步驟S153的稀少度計算處理的詳細情況。(1)親密度的計算(S152)“親密度”指在對象圖像中出現(xiàn)的人物、與在該對象圖像中沒有出現(xiàn)的(被選定為攝影者B的候選者)人物之間的親密程度的評價尺度。將兩個人物一起出現(xiàn)在相同事件中的事件的數(shù)量、和兩個人物一起作為被攝體出現(xiàn)在相同圖像中的圖像的數(shù)量相乘，由此計算該親密度。下面，說明具體的親密度的計算方法。例如，說明包括拍攝了人物a、b的對象圖像A的事件f。并且，作為在該事件f中沒有出現(xiàn)的人物c的親密度，將在其它事件中人物c和人物a(或者人物b)出現(xiàn)于相同事件中的數(shù)量(EVentCo(C，a), EventCo (c, b))、與人物 c和人物a(或者人物b) —起出現(xiàn)于相同圖像中的數(shù)量(Ph0t0C0(c，a), PhotoCo (c, b)) 分別相乘，將相乘得到的值相加，由此計算人物c與出現(xiàn)于對象圖像A中的人物的親密度 Familiarity (A, c)。將該親密度用算式表示如下(式1)。[數(shù)式1]Familiarity (A, c)= (PhotoCo (c, a) +1)X ((EventCo (c, a)+1) + (PhotoCo (c, b)+1)X (EventCo (c, b)+l)…(式1)(2)稀少度的計算(S153)“稀少度”表示沒有出現(xiàn)于對象圖像中的各個人物在事件中的出現(xiàn)頻度稀少的程度。說明稀少度的計算方法。將對象人物出現(xiàn)的事件的圖像數(shù)量設(shè)為N，將對象人物出現(xiàn)于事件中的圖像數(shù)量設(shè)為N(m)。針對每個該圖像，將該N除以N(m)并相加，由此求出稀少度Scarcity。將該稀少度用算式表示如下(式2)。[數(shù)式2]
權(quán)利要求
1.一種圖像評價裝置，分別計算多個圖像的重要度，其特征在于， 該圖像評價裝置具有特征值計算單元，針對各個圖像中所包含的對象，計算表示該對象的拍攝狀況的特征值；攝影者抽取單元，確定各個圖像的攝影者，并計算表示其可靠度的似然值；以及評價單元，針對各個圖像，根據(jù)對圖像中所包含的對象計算的特征值和對該圖像計算的似然值，計算各個圖像的重要度。
2.根據(jù)權(quán)利要求1所述的圖像評價裝置，其特征在于，所述各個圖像中所包含的對象分別屬于多個對象聚類中的任意一個對象聚類， 所述攝影者抽取單元將所述多個對象聚類中的一個以上的對象聚類確定為攝影者。
3.根據(jù)權(quán)利要求2所述的圖像評價裝置，其特征在于， 所述各個圖像與表示該圖像所屬的事件的事件聚類相關(guān)聯(lián)，所述攝影者抽取單元根據(jù)與成為確定對象的一個圖像相關(guān)聯(lián)的事件聚類，取得屬于和所述一個圖像相同的事件的其他圖像，并抽取所取得的其他圖像中所包含的對象，從所抽取的對象中，將不包含于所述一個圖像中的一個以上的對象確定為攝影者， 所述攝影者抽取單元計算與確定出的一個以上的對象分別對應的似然值。
4.根據(jù)權(quán)利要求3所述的圖像評價裝置，其特征在于，所述攝影者抽取單元針對所述確定出的對象分別計算稀少度和攝影者密度，該稀少度表示在所述相同事件中的出現(xiàn)頻度的稀少的程度，該攝影者密度表示在攝影日期時間與所述成為確定對象的一個圖像接近的圖像中，該對象被確定為攝影者的比例， 所述攝影者抽取單元根據(jù)計算出的稀少度和攝影者密度計算所述似然值。
5.根據(jù)權(quán)利要求3所述的圖像評價裝置，其特征在于，在盡管所述攝影者抽取單元嘗試了確定攝影者，但是沒有被確定為成為確定對象的圖像的攝影者的對象的情況下，所述攝影者抽取單元還根據(jù)與所述成為確定對象的一個圖像相關(guān)聯(lián)的事件聚類，取得屬于與所述一個圖像不同的事件的其他圖像，并抽取所取得的其他圖像中所包含的對象， 從所抽取的對象中，將不包含于所述成為確定對象的圖像中的對象確定為攝影者。
6.根據(jù)權(quán)利要求2所述的圖像評價裝置，其特征在于， 所述多個圖像分別與表示其所屬的事件的事件聚類相關(guān)聯(lián)，所述攝影者抽取單元根據(jù)與成為確定對象的一個圖像相關(guān)聯(lián)的事件聚類，取得屬于與所述一個圖像不同的事件的其他圖像，并抽取所取得的其他圖像中所包含的對象，將在所抽取的對象中且不包含于所述成為確定對象的圖像中的對象確定為所述攝影者。
7.根據(jù)權(quán)利要求6所述的圖像評價裝置，其特征在于，在所述攝影者抽取單元進行的確定攝影者的結(jié)果是被確定為攝影者的對象有多個的情況下，所述攝影者抽取單元對該多個對象的每個對象計算親密度，該親密度是表示該對象所屬的對象聚類、與包含于所述成為確定對象的圖像中的對象所屬的對象聚類的親密程度的評價尺度，所述攝影者抽取單元對所述多個對象的每個對象計算表示在事件中的出現(xiàn)頻度的稀少的程度的稀少度，所述攝影者抽取單元對所述多個對象的每個對象計算基于所計算出的親密度和稀少度的攝影者選定度，所述攝影者抽取單元將在所述多個對象中、計算出的攝影者選定度為最大的對象確定為所述攝影者。
8.根據(jù)權(quán)利要求1所述的圖像評價裝置，其特征在于，所述攝影者抽取單元將所述成為確定對象的圖像的元數(shù)據(jù)作為對象來嘗試取得攝影者信息，根據(jù)所取得的攝影者信息來確定攝影者。
9.根據(jù)權(quán)利要求1所述的圖像評價裝置，其特征在于，所述評價單元除計算各個圖像的重要度之外，也計算攝影者的重要度，在進行該計算時，將攝影者的重要度傳遞至被確定出攝影者的圖像的重要度。
10.根據(jù)權(quán)利要求9所述的圖像評價裝置，其特征在于，所述各個圖像中所包含的對象分別屬于多個對象聚類中的任意一個對象聚類， 所述評價單元也計算各個對象聚類的重要度，在進行該計算時，將圖像的重要度傳遞至所述對象聚類的重要度。
11.根據(jù)權(quán)利要求1所述的圖像評價裝置，其特征在于， 所述圖像評價裝置還具有生成數(shù)據(jù)構(gòu)造的生成單元，該數(shù)據(jù)構(gòu)造包括將所述各個圖像分別作為要素的圖像集合、將所述各個圖像中所包含的對象所屬的對象聚類作為要素的對象聚類集合、以及表示所述圖像的攝影者的攝影者要素；第1鏈接設(shè)定單元，根據(jù)計算出的似然值來設(shè)定所述圖像集合的要素即各個圖像與所述攝影者要素之間的鏈接值；以及第2鏈接設(shè)定單元，根據(jù)計算出的特征值來設(shè)定所述圖像集合的要素即各個圖像與作為所述對象聚類集合的要素的各個對象聚類之間的鏈接值，所述評價單元根據(jù)對所述圖像集合的要素即各個圖像設(shè)定的鏈接值，計算該各個圖像的重要度。
12.根據(jù)權(quán)利要求11所述的圖像評價裝置，其特征在于，所述生成單元將所述對象聚類的要素中的一個要素設(shè)定為表示圖像的評價主體的主體人物的要素，其中，所述數(shù)據(jù)構(gòu)造中所包含的所述攝影者的要素指所述主體人物的要素， 所述第1鏈接設(shè)定單元將所述主體人物的要素與該主體人物被確定為攝影者的圖像之間的鏈接值作為設(shè)定的對象。
13.根據(jù)權(quán)利要求11所述的圖像評價裝置，其特征在于， 所述數(shù)據(jù)構(gòu)造包括作為所述圖像集合的要素的圖像節(jié)點；作為所述對象聚類集合的要素的對象聚類節(jié)點；以及作為所述攝影者要素的攝影者節(jié)點，所述第1鏈接設(shè)定單元將所述圖像節(jié)點與所述攝影者節(jié)點之間的鏈接值作為設(shè)定的對象，所述第2鏈接設(shè)定單元將所述圖像節(jié)點與所述對象聚類節(jié)點之間的鏈接值作為設(shè)定的對象，所述圖像評價裝置還具有用于生成鄰接矩陣的鄰接矩陣生成單元，該鄰接矩陣表述利用由所述生成單元生成的各個節(jié)點和由鏈接設(shè)定單元設(shè)定的鏈接值構(gòu)成的圖表， 所述評價單元包括特征向量計算單元，計算所生成的鄰接矩陣的主特征向量；以及重要度計算單元，根據(jù)計算出的主特征向量的元素，計算各個圖像的重要度和各個對象聚類的重要度。
14.一種圖像評價方法，分別計算多個圖像的重要度，其特征在于， 該圖像評價方法包括特征值計算步驟，針對各個圖像中所包含的對象，計算表示該對象的拍攝狀況的特征值；攝影者抽取步驟，確定各個圖像的攝影者，并計算表示其可靠度的似然值；以及評價步驟，針對各個圖像，根據(jù)對圖像中所包含的對象計算的特征值和對該圖像計算的似然值，計算各個圖像的重要度。
15.一種使計算機執(zhí)行用于評價圖像的圖像評價處理的程序，其特征在于， 所述圖像評價處理包括特征值計算步驟，針對各個圖像中所包含的對象，計算表示該對象的拍攝狀況的特征值；攝影者抽取步驟，確定各個圖像的攝影者，并計算表示其可靠度的似然值；以及評價步驟，針對各個圖像，根據(jù)對圖像中所包含的對象計算的特征值和對該圖像計算的似然值，計算各個圖像的重要度。
16.一種集成電路，用于分別計算多個圖像的重要度，其特征在于， 該集成電路具有特征值計算單元，針對各個圖像中所包含的對象，計算表示該對象的拍攝狀況的特征值；攝影者抽取單元，確定各個圖像的攝影者，并計算表示其可靠度的似然值；以及評價單元，針對各個圖像，根據(jù)對圖像中所包含的對象計算的特征值和對該圖像計算的似然值，計算各個圖像的重要度。
全文摘要
圖像評價裝置計算表示包含于圖像A中的人物a、b的對象、包含于圖像B中的人物b的對象的攝入狀況的特征值。并且，圖像評價裝置將圖像B的攝影者確定為人物b’，并計算其似然值。然后，圖像評價裝置使用包含于圖像A、B中的人物a、b的特征值和圖像B的攝影者的似然值，計算圖像A、B的重要度。
文檔編號G06F17/30GK102483841SQ20118000348
公開日2012年5月30日 申請日期2011年6月8日 優(yōu)先權(quán)日2010年6月23日
發(fā)明者藪博史 申請人:松下電器產(chǎn)業(yè)株式會社