圖像處理裝置及圖像處理方法
【技術領域】
[0001]本發(fā)明涉及一種圖像處理裝置、圖像處理方法以及存儲介質。
【背景技術】
[0002]近年來，對識別網絡攝像機記錄的圖像并且將從識別結果獲取的附加信息用于系統服務的需求日益增長。例如，使用的情況包括特定人的檢索、被攝體的屬性(性別、年齡等)的估計、人體運動軌跡的顯示。在2013年3月由Kyoritsu Shuppan C0.出版的、由 Richard Szeliski 編著的 “Computer Vis1n:Algorithms and Applicat1ns” 中全面地描述了關于實現這種系統所需的圖像處理和特征檢測或識別的公知技術。在日本特開2002-373332號公報中，公開了如下方法:從運動矢量檢測物體、基于檢測結果估計下一圖像的檢索位置、以及通過模板匹配來跟蹤物體。
[0003]甚至存在如下情況:不僅需要執(zhí)行針對實時獲取的圖像的圖像識別，而且還需要執(zhí)行針對過去記錄的圖像的識別再處理。在日本特許第5193944號公報中公開了一種用于通過批處理從過去記錄的圖像中檢索新登記的人的技術。過去記錄的圖像的數量取決于要拍攝的圖像的幀速率和大小或處理時間段而大幅度增加。因此，在日本特許第5193944號公報中公開的技術中，預先計算實時處理時圖像之間的變化量，在再處理時僅針對識別預定量或更多的變化的區(qū)域執(zhí)行識別處理。
[0004]不僅在用于檢索人臉的系統中而且在其他圖像識別系統中，經常針對記錄圖像執(zhí)行再處理。例如，在通過使用諸如身高、性別或服裝等屬性信息來檢索/識別人的系統的情況下，要從一個拍攝目標中提取的屬性信息是不同的。針對一個區(qū)域執(zhí)行要提取的多個屬性的圖像識別處理。這可能產生如下情況:無法實時針對所有被攝體提取所有屬性信息。在這種情況下，根據需要，需要針對各個過去的記錄圖像檢測必要屬性。
[0005]當建立圖像識別系統時，通常無盲角地布置多個網絡攝像機。如果通過使用個人計算機(PC)來執(zhí)行圖像識別處理，則期望利用較少數量的裝置來應對更多的網絡攝像機。
[0006]無論圖像識別處理速度多么高，當針對過去記錄的圖像執(zhí)行再處理時，防止處理量/處理時間變得更大是不容易的。例如，當每秒記錄10個圖像時，每分鐘獲取600個圖像，每小時獲取36，000個圖像。當網絡攝像機的數量是10個時，即使在針對過去的一小時的圖像執(zhí)行再處理的情況下，也需要處理360萬個圖像。
[0007]當在諸如身高、性別和服裝等屬性的情況下要獲取多個圖像識別結果時，處理時間較長。例如，當針對一個人檢測20個屬性時，假設檢測一個屬性需要50毫秒，則完成一個人的識別處理需要I秒。

【發(fā)明內容】

[0008]根據實施例，一種圖像處理裝置包括:獲取單元，其被構造為獲取針對多個圖像的分析處理的結果；指定單元，其被構造為指定要從圖像中檢測的目標的類型；以及確定單元，其被構造為基于所述指定單元指定的所述檢測目標的類型以及所述分析處理的結果，來在所述多個圖像當中確定，用于所述指定單元指定的所述檢測目標的檢測處理的圖像。
[0009]根據以下參照附圖對示例性實施例的描述，本發(fā)明的其他特征將變得清楚。
【附圖說明】
[0010]圖1是例示網絡系統的結構的圖。
[0011]圖2是例示網絡系統的功能結構的圖。
[0012]圖3是例示圖像識別前提條件計算單元的處理的流程圖。
[0013]圖4是例示圖像識別前提條件計算單元的計算結果的表。
[0014]圖5是例示再處理推薦區(qū)域計算單元的處理的流程圖。
[0015]圖6是例示更新前的再處理推薦區(qū)域計算單元的計算結果的表。
[0016]圖7是例示過去的圖像中物體的拍攝狀態(tài)、分數以及區(qū)域的表。
[0017]圖8是例示更新后的再處理推薦區(qū)域計算單元的計算結果的表。
[0018]圖9是例示識別目標和針對該識別目標要考慮的項目之間的關系的表。
【具體實施方式】
[0019]現在，參照附圖詳細說明本發(fā)明的示例性實施例。以下描述的示例性實施例的結構僅是示例，決不限制本發(fā)明。
[0020]圖1是例示網絡系統(圖像識別系統)的結構的示例的圖。在圖1中，網絡攝像機100、網絡存儲裝置200、圖像識別服務器裝置300以及圖像顯示裝置400經由作為網絡線路的示例的局域網(LAN) 500互相連接。
[0021]網絡攝像機100是攝像裝置的示例。網絡攝像機100具有拍攝要拍攝的目標同時針對拍攝的圖像執(zhí)行諸如物體檢測、跟蹤或人臉識別等圖像識別處理的功能。
[0022]網絡存儲裝置200是記錄裝置的示例。網絡存儲裝置200經由LAN500接收并且記錄網絡攝像機100拍攝的圖像數據、或者在網絡攝像機100中執(zhí)行的圖像識別處理的結果O
[0023]圖像識別服務器裝置300針對網絡存儲裝置200中記錄的過去的圖像數據進行圖像識別處理。圖像顯示裝置400將圖像識別處理的結果疊加在網絡存儲裝置200中記錄的圖像數據上，以再現網絡存儲裝置200中記錄的圖像數據。此外，圖像顯示裝置400具有提供被構造為進行諸如人的檢索等各種操作的輸入單元的功能。
[0024]圖2是例示網絡系統(網絡攝像機100和圖像識別服務器裝置300)的功能結構的示例的框圖。具體而言，圖2例示了用于通過網絡攝像機100執(zhí)行第一圖像識別處理的功能結構以及用于通過圖像識別服務器裝置300執(zhí)行第二圖像識別處理的功能結構的示例。
[0025]第一圖像獲取單元110針對從諸如互補金屬氧化物半導體(complementary metaloxide semiconductor,CMOS)等的攝像元件獲取的數字電信號執(zhí)行預定像素插值處理或顏色轉換處理，從而顯影或生成RGB或YUV等的數字圖像。此外，第一圖像獲取單元110針對顯影的數字圖像執(zhí)行諸如白平衡、銳度、對比度或顏色轉換等的圖像校正處理。
[0026]物體跟蹤單元120處理從第一圖像獲取單元110獲取的數字圖像，并且針對在時間軸方向上的多個圖像上出現的同一物體分配唯一的ID。物體可以是人體、運動體或汽車。對于針對同一物體分配唯一的ID的詳細處理過程，例如，能夠應用日本特開2002-373332號公報中公開的方法。
[0027]圖像識別前提條件計算單元130計算物體跟蹤單元120檢測到的物體(具有同一 ID的物體)中的各個是否滿足圖像識別前提條件。圖3是例示圖像識別前提條件計算單元130的處理的示例的流程圖。針對以下要描述的詳細的圖像識別處理，例如，能夠應用 2013 年 3 月由 Kyoritsu Shuppan C0.出版的、由 Richard Szeliski 編著的 “ComputerVis1n:Algorithms and Applicat1ns” 中的第 14 章中識別的內容。
[0028]在步驟S301中，圖像識別前提條件計算單元130確定是否存在未處理的分配有ID的物體。當確定的結果例示了不存在未處理的分配有ID的物體時，圖3中所示的流程圖的處理結束，在以后的處理中計算物體的拍攝狀態(tài)。當存在未處理的分配有ID的物體時，圖像識別前提條件計算單元130選擇未處理的分配有ID的物體中的一個，并且針對分配有ID的物體執(zhí)行步驟S302至S308的處理。
[0029]在該實施例中，具體而言，通過確認諸如圖像是否包含人臉、圖像是否包含上半身、或者圖像是否在包含全身等物體的攝像范圍，來確定物體的拍攝狀態(tài)。因此，在步驟S302中，圖像識別前提條件計算單元130檢測腳。在步驟S304中，圖像識別前提條件計算單元130檢測人體。在步驟S305中，圖像識別前提條件計算單元130檢測人臉?；诶缡欠癯晒z測到人臉，來確定圖像中是否包含人臉?；诶缡欠癯晒z測到人臉和人體，來確定圖像是否包含上半身?；诶缡欠癯晒z測到人臉、人體以及腳，來確定圖像是否包括全身。因此，在圖3所示的示例中，在步驟S308中，圖像識別前提條件計算單元130檢測拍攝有物體的區(qū)域。
[0030]圖像識別處理的結果可以取決于識別目標的方向。因此，圖像識別前提條件計算單元130檢測人臉、上半身和全身中的各個在各圖像中的方向。在圖3中所示的示例中，在步驟S303中，圖像識別前提條件計算單元130檢測人體的方向。在步驟S307中，圖像識別前提條件計算單元130檢測人臉的方向。圖像識別前提條件計算單元130可以參照先前的物體跟蹤結果、比較當前的圖像和先前的圖像、并且確定人臉或人體的運動方向，從而以該運動方向代替人臉或人體的方向。
[0031]在各檢測期間，圖像識別前提條件計算單元130同時獲取檢測時的分數。在該實施例中，利用該分數，對以是否以期望的方式拍攝的