對象物OBla?0B4a、OB lb?0B3b、OBlc?0B3c、OBld?0B9d、0Ble(以下統(tǒng)稱為對象物OB)的圖像。
[0053]識別部101基于顏色、形狀等多個(gè)屬性所涉及的特征來識別目標(biāo)圖像TG所包含的不確定的對象物0B。
[0054]具體而言，識別部101使用任意的公知技術(shù)，對目標(biāo)圖像TG的顏色的分布、形狀(例如輪廓、圖案)等進(jìn)行解析，來識別目標(biāo)圖像TG所包含的對象物0B。然后，識別部101獲取表示所識別出的對象物0B的面積、目標(biāo)圖像TG內(nèi)的寬度方向(広汾<0方向)的位置的信息，從而獲取所識別出的對象物0B的大小、位置。進(jìn)而，識別部101使用臉部檢測所涉及的任意的公知技術(shù)，從目標(biāo)圖像TG識別臉部圖像區(qū)域(表示被攝體人物的臉部的圖像區(qū)域)。
[0055]這樣，識別部101獲取關(guān)于在目標(biāo)圖像TG內(nèi)的哪個(gè)位置(包含寬度方向和深度方向)存在什么顏色、形狀、大小的對象物0B、以及該對象物0B是否是人的臉部的信息。
[0056]識別部101通過CPU21來實(shí)現(xiàn)。
[0057]距離測定部102測定到由識別部101識別出的對象物0B為止的距離，并生成表示所測定出的距離的信息。并且，識別部101基于該生成的表示距離的信息，獲取表示所識別出的對象物0B在目標(biāo)圖像TG內(nèi)的深度方向(奧行g(shù)方向)的位置的信息。
[0058]距離測定部102通過上述的CPU21與攝像部10的協(xié)作來實(shí)現(xiàn)。具體而言，攝像部10按照CPU21的控制，使攝像部10的焦點(diǎn)位置進(jìn)行變化，基于焦點(diǎn)與對象物0B —致時(shí)的焦點(diǎn)位置，來獲取到對象物0B為止的距離。
[0059]輸入部103受理對檢測對象進(jìn)行指定的語句的輸入。更具體而言，輸入部103包含:聲音輸入部33，其受理聲音(聲音信號)的輸入；和變換部103a，其通過將由聲音輸入部33輸入的聲音變換為語句，從而獲取對檢測對象進(jìn)行指定的語句。
[0060]這里，所謂對檢測對象進(jìn)行指定的語句(關(guān)鍵詞、關(guān)鍵短語、指示語)，是指對操作者希望檢測的檢測對象(操作者希望拍攝的被攝體、關(guān)注被攝體)進(jìn)行指定的信息。例如，操作者通過聲音來輸入包含“甜瓜(melon) ”、“紅色”等一個(gè)以上詞語的語句，從而指定檢測對象。
[0061]變換部103a通過聲音處理部34來實(shí)現(xiàn)。
[0062]提取部104從由變換部103a變換后的對檢測對象進(jìn)行指定的語句中，提取用于對檢測對象進(jìn)行檢測的特征。例如，提取部104通過從由聲音輸入部33受理了聲音輸入的語句中，利用任意的公知技術(shù)(例如詞素解析)，來提取“甜瓜”、“紅色”等詞語，從而提取語句所具有的屬性所涉及的特征。
[0063]提取部104通過CPU21來實(shí)現(xiàn)。
[0064]判別部105從通過輸入部103輸入的語句中判別檢測對象的指定所涉及的屬性。具體而言，判別部105將提取部104所提取出的各詞語與預(yù)先存儲的屬性判別信息進(jìn)行對照，來判別所提取出的各詞語的檢測對象的指定所涉及的屬性。
[0065]如圖3A?圖3C所示，屬性判別信息將有可能從所輸入的語句中提取的詞語與各詞語的屬性“名稱” “顏色” “形狀” “大小” “寬度方向的位置關(guān)系”以及“深度方向的位置關(guān)系”所涉及的評價(jià)值分別建立對應(yīng)地保存。這里，各詞語的各屬性值所涉及的評價(jià)值表示各詞語是該屬性所涉及的特征的可能性(各詞語是該屬性所具有的屬性值之一的可能性)。
[0066]例如，如圖3A所示，對于詞語“甜瓜”而言，屬性“名稱”所涉及的評價(jià)值最高。這意味著詞語“甜瓜”是屬性“名稱”所涉及的特征的可能性較高。若屬性“名稱”所涉及的評價(jià)值是規(guī)定閾值(例如，50% )以上，則判別部105判別為詞語“甜瓜”的檢測對象的指定所涉及的屬性是“名稱”。
[0067]此外，如圖3B所示，對于詞語“紅色”而言，屬性“顏色”所涉及的評價(jià)值最高。這意味著詞語“紅色”是屬性“顏色”所涉及的特征的可能性較高。若屬性“顏色”所涉及的評價(jià)值是規(guī)定閾值以上，則判別部105判別為詞語“紅色”的檢測對象的指定所涉及的屬性是
“顏色”。
[0068]此外，如圖3C所示，對于詞語“三卜'' y ”而言，屬性“名稱”所涉及的評價(jià)值以及屬性“顏色”所涉及的評價(jià)值都較高。這意味著詞語“彡卜'' y ”是屬性“名稱”所涉及的特征的可能性以及是屬性“顏色”所涉及的特征的可能性都較高。若屬性“名稱”所涉及的評價(jià)值和屬性“顏色”所涉及的評價(jià)值都為規(guī)定閾值以上，則判別部105判別為詞語“ S卜'' y ”的檢測對象的指定所涉及的屬性是“名稱”以及“顏色”。
[0069]另外，屬性判別信息只要預(yù)先通過任意的方法適當(dāng)制成并使其存儲于判別部105即可。例如，能夠通過利用文本挖掘(text mining)等對各詞語以什么樣的意思使用進(jìn)行統(tǒng)計(jì)解析來制成屬性判別信息。
[0070]判別部105在判別檢測對象的指定所涉及的屬性時(shí)，也可以參考識別部101所進(jìn)行的對象.顏色.臉部識別處理的結(jié)果。
[0071 ] 例如，詞語“ s卜'' y ”具有“綠色”這種指“顏色”的情況、以及“綠”或者“扣V ”這種指人名(名稱)的情況。作為識別部101所進(jìn)行的對象?顏色?臉部識別處理的結(jié)果，在未從目標(biāo)圖像TG識別出臉部圖像區(qū)域時(shí)，目標(biāo)圖像TG不包含作為被攝體的人物的可能性較高，因此，詞語“ S卜'' y ”指名稱(人名)的可能性較低。即，詞語“ S卜'' y ”的檢測對象的指定所涉及的屬性是“名稱”的可能性較低。在該情況下，判別部105進(jìn)行使詞語“三卜''y ”的屬性“名稱”所涉及的評價(jià)值降低等的操作，通過使判別為檢測對象的指定所涉及的屬性是“名稱”的可能性降低，從而能夠更準(zhǔn)確地判別詞語的屬性。此外，作為其他的例子，詞語具有“圓形”這種表示形狀的情況、以及“丸井”這種指人名(名稱)的情況。
[0072]此外，判別部105通過使用任意的公知技術(shù)，判別從所輸入的語句中獲取到的詞語之間是否有修飾，從而判別檢測對象的指定所涉及的屬性是否是多個(gè)屬性的組合。
[0073]判別部105通過CPU21和主存儲部23的協(xié)作來實(shí)現(xiàn)。
[0074]選擇部106根據(jù)由判別部105判別出的、檢測對象的指定所涉及的屬性來選擇檢測對象的檢測方法。
[0075]具體而言，在由判別部105判別為檢測對象的指定所涉及的屬性是“名稱”的情況下，選擇部106選擇基于“對象檢測”的檢測方法作為檢測對象的檢測方法。
[0076]在由判別部105判別為檢測對象的指定所涉及的屬性是“顏色”的情況下，選擇部106選擇基于“顏色檢測”的檢測方法作為檢測對象的檢測方法。
[0077]在由判別部105判別為檢測對象的指定所涉及的屬性是“形狀”的情況下，選擇部106選擇基于“形狀檢測”的檢測方法作為檢測對象的檢測方法。
[0078]在由判別部105判別為檢測對象的指定所涉及的屬性是“大小”的情況下，選擇部106選擇基于“大小檢測”的檢測方法作為檢測對象的檢測方法。
[0079]在由判別部105判別為檢測對象的指定所涉及的屬性是“寬度方向的位置關(guān)系”的情況下，選擇部106選擇基于“寬度方向的位置關(guān)系檢測”的檢測方法作為檢測對象的檢測方法。
[0080]在由判別部105判別為檢測對象的指定所涉及的屬性是“深度方向的位置關(guān)系”的情況下，選擇部106選擇基于“深度方向的位置關(guān)系檢測”的檢測方法作為檢測對象的檢測方法。
[0081]在由判別部105判別為檢測對象的指定所涉及的屬性是多個(gè)屬性的組合的情況(由判別部105判別為在從輸入的語句中獲取到的詞語之間存在修飾結(jié)構(gòu)的情況)下，選擇部106選擇基于“組合檢測”的檢測方法作為檢測對象的檢測方法。
[0082]選擇部106通過CPU21來實(shí)現(xiàn)。
[0083]特征信息存儲部107存儲特征信息。特征信息是表示有可能作為指定檢測對象的語句來輸入的詞語的特征的信息。
[0084]若具體說明，則特征信息包含特征信息表和檢測優(yōu)先度表。
[0085]圖4A中示出被分類為水果的詞語的特征信息表的例子。特征信息表FE針對屬性“名稱”所涉及的各詞語，將分類與“圖像”、“顏色”、“形狀”、“同類物”以及“關(guān)聯(lián)用語”的各屬性所涉及的特征相互建立對應(yīng)地保存。
[0086]所謂“圖像”，表示用于與目標(biāo)圖像TG內(nèi)的識別出的對象物0B進(jìn)行圖像對照的圖像數(shù)據(jù)。例如與“西瓜”建立了對應(yīng)的“對照圖像#1”是預(yù)先拍攝到的西瓜的圖像數(shù)據(jù)。
[0087]所謂“顏色”以及“形狀”，是指各詞語所表示的物體的典型的顏色以及形狀。例如預(yù)先設(shè)定“綠色、黑色”作為“西瓜”的顏色，預(yù)先設(shè)定“圓形”作為“西瓜”的形狀。
[0088]所謂“同類物”，是指與各詞語所表示的物體類似的其它物體。例如預(yù)先設(shè)定“甜瓜”作為“西瓜”的同類物。
[0089]所謂“關(guān)聯(lián)用語”，是指與各詞語相關(guān)聯(lián)的用語。例如預(yù)先設(shè)定“條紋、種子、夏天”的用語作為“西瓜”的關(guān)聯(lián)用語。
[0090]特征信息表FE將這樣的特征信息與“西瓜”、“香蕉”等各詞語建立對應(yīng)來預(yù)先進(jìn)行保存。
[0091]圖4B中示出檢測優(yōu)先度表的例子。檢測優(yōu)先度表PR是在通過作為后述的檢測方法之一的名稱檢測方法進(jìn)行檢測時(shí)使用的表。檢測優(yōu)先度表PR保存有優(yōu)先順序，該優(yōu)先順序表示針對“水果”、“建筑物”、“交通工具”等每種分類，使用哪個(gè)屬性的檢測方法來對檢測對象進(jìn)行檢測。例如，在從操作者輸入了表示例如“甜瓜”、“西瓜”等被分類為“水果”的名稱的語句的情況下，選擇部106按照“圖像”、“顏色”、“形狀”、“同類物”以及“關(guān)聯(lián)用語”的順序選擇檢測方法。另一方面，在從操作者輸入了表示被分類為“建筑物”的名稱的語句的情況下，選擇部106按照“圖像”、“形狀”、“顏色”、“同類物”以及“關(guān)聯(lián)用語”的順序選擇檢測方法。檢測部108按照由選擇部106所選擇的順序，通過各檢測方法，來嘗試檢測對象的檢測。此外，對于各優(yōu)先順序?qū)⒒鶞?zhǔn)值設(shè)定為優(yōu)先順序越高基準(zhǔn)值越高。
[0092]特征信息存儲部107通過主存儲部23來實(shí)現(xiàn)。
[0093]檢測部108通過由選擇部106選擇出的檢測方法來對檢測對象進(jìn)行檢測。具體而言，檢測部108包含名稱檢測部108a、顏色檢測部108b、形狀檢測部108c、位置.大小檢測部108d、同類物檢測部108e和關(guān)聯(lián)用語檢測部108f。檢測部108通過使用了由選擇部106從這些檢測引擎中選擇出的檢測引擎的檢測方法，來對檢測對象進(jìn)行檢測。關(guān)于各檢測引擎的詳細(xì)內(nèi)容后面進(jìn)行敘述。
[0094]檢測部108通過CPU21來實(shí)現(xiàn)。
[0095]執(zhí)行部109針對由檢測部108檢測出的檢測