本发明专利技术提供数据处理设备和数据处理的方法。数据处理设备包括连接单元，连接单元在各级上分配多个处理模块，并连接多个处理模块以使得并行处理多个部分数据。数据处理设备针对至少一部分级检测在后续级中进行了处理的数据量的比作为通过率，基于通过率获取要在检测到通过率的各级中处理的数据量的处理时间，并基于数据量确定分配给各级的处理模块的数量。
【技术实现步骤摘要】
本专利技术涉及，其中，多个处理模块串联连接，并且进行根据当前的处理结果判断是否执行后续处理的级联处理。
技术介绍
一般地，提出了用于在数字照相机和打印机中检测输入图像中诸如人物或面部的特定被摄体，并进行适用于所检测到的被摄体的处理的技术。用于对面部进行皮肤颜色校正处理的面部检测处理是检测特定被摄体的例子。作为人面部检测处理，已经提出了各种方法，例如由 P. Viola 和 M. Jones 在 “Robust Real-time Object Detection”，SECOND INTERNATIONAL WORKSHOP ON STATISTICAL AND COMPUTATIONAL THEORIES OF VISION,July 13 2001(以下称为文献1)中提出的方法(称为Viola & Jones方法)，以及利用人面部的对称特征、模板匹配和神经网络等的方法。利用Viola & Jones方法，基于Adaboost学习的结果(特征量)来执行多个识别处理。通过级联处理来实现这些识别处理，并且各识别处理在将要进行下一识别处理时输出True (正确)，或在将不进行下一识别处理时输出False (错误)，作为进行了识别的结果。如果识别处理为!^1%，则识别处理结束。图15A示出作为在这种处理时使用的学习的结果而获得的特征量的例子。特征量210呈现了以下特征当眼部周围的小的矩形部分与眼部下面的部分(脸颊部分)相比较时，眼部周围的部分比眼部下面的部分黑。特征量 211呈现以下特征在眼部周围的部分中，眼部的部分黑，眉毛之间的眉间部分比眼部的部分白。将输入数据与这种学习的结果(学习的特征量)进行比较，如果针对所有的特征量识别处理输出True，则判断为输入数据表示(人的)面部。而且，利用Viola & Jones方法，将识别处理分成多个区(以下称为级)，针对每个级进行Ture/False识别，从而进行面部或非面部的识别。而且，前面的级仅使用简单的特征，以使得false negative (错误否定)(将面部判断为非面部、或漏失)的概率最小化，并且false positive (错误肯定)(将非面部判断为面部、或错误检测)的概率相对较高。仅使用简单的特征使得能够利用减少了的计算次数进行识别处理，由此即使使用处理器进行处理，也可以进行高速处理。此外，为了检测整个图像的一部分中存在的面部，从整个图像中剪切矩形区域来识别剪切出的区域。根据上述方法，在前面的级，可以将更多的矩形区域有效地识别为非面部)，由此可以在短时间内完成对整个图像的面部检测处理。当从整个图像中剪切矩形区域以在矩形区域上顺次进行识别处理时，考虑确定剪切矩形区域的顺序的几种方法。广泛使用的是以下方法以图像的左上方的像素为起始点， 在主扫描方向(水平方向)上逐像素地进行扫描。将参考图14A说明这种扫描方法。将通过以进行识别处理的矩形区域的高度、在主扫描方向上对输入图像进行分割而创建的带状的区域称为带(band)。在图14A中，Band_A是顶角为输入图像的左上方的像素的带。Band_ a是顶角为从Band_A的顶角在副扫描方向(垂直方向)上偏移一个像素的位置处的像素的带。在这种扫描方法中，首先，将输入图像的左上方的像素设置为起始点，并对矩形区域的左上方的像素与起始点一致的该矩形区域(子窗口)进行识别处理。接着，对在主扫描方向上分别偏移一个像素的位置处的矩形区域顺次进行识别处理，直到矩形区域的右端与输入图像的右端一致为止。此时完成对Band_A的处理。接着，将从处理Band_A时使用的起始点在副扫描方向上偏移了一个像素的位置处的像素设置为起始点，并对在主扫描方向上分别偏移一个像素的位置处的矩形区域顺次进行识别处理，直到矩形区域的右端与输入图像的右端一致为止。此时完成对Band_a的处理。之后，通过在副扫描方向上偏移一个像素对各带进行处理，直到矩形区域的下端与输入图像的下端一致为止。将参考图15A 15E说明当使用上述扫描方法进行顺次识别处理时，在识别处理的初始级(级0)中随着扫描的进行，识别结果从False转变到True然后从True转变到 False.假定在级0，使用图15A中示出的特征量210来进行识别处理。图15B 15E是示出当针对输入图像的面部部分在主扫描方向上扫描矩形区域时、特征量210和面部部分之间的相对位置的图。在图15C中示出的矩形区域位置处，面部基本上位于矩形区域的中心， 因此判断为True (可能是面部)作为与特征量210比较的结果。图15B和15D分别示出被判断为True (可能是面部)作为与特征量210比较的结果的左端和右端矩形区域。换句话说，将从图15B向左偏移一个像素的位置处的矩形区域判断为非面部)，并将从图 15D向右偏移一个像素的位置处的矩形区域判断为i^alse (非面部)，来作为识别的结果。图 15E示出在进行从15A到图15D的扫描时，识别结果从False转变到True然后从True转变至Ij False。当通过一点一点地偏移矩形区域进行识别处理时，如上所述，识别结果随着扫描的进行而重复地从False转变到True然后从True转变到hise。在这种情况下，True和 False出现的频率根据输入图像中包括的面部部分的密度而变化。将参考图16A 16C说明True和i^ilse出现的频率由于面部部分的密度而在级0中如何变化。在图16A 16C 中，在识别结果为True的矩形区域的左上方示出T，以及在识别结果为False的矩形区域的左上方示出F。图16A示出在一个带内仅存在一个面部部分的例子。随着扫描的进行，9个 T(True)连续并且之后27个FO^alse)连续。图16B示出两个面部部分在同一带内相互远离的例子。9个T(True)后跟随着6个F(False)，并且另外的9个T(True)后跟随着6个 FO^alse)。图16C示出两个面部部分在同一带内相互邻近的例子。9个T(True)后跟随着 1个F(False)，并且另外的9个T(True)后跟随着1个F(False)。从上述可以看出，作为来自面部检测处理时使用的识别器的输出结果的True和 False中哪一个具有较高的出现频率取决于输入图像中包括的面部部分的密度。在面部检测时，将识别处理分成各级，并针对各级判断True或i^alse。以下将各级中True出现的概率称为“通过率”。在图16A的情况下，根据T(True)和Fpalse)之间的比计算出级0的通过率为1/4。同样，在图16B的情况下，通过率为3/5，以及在图16C的情况下，通过率为 9/10。接着将说明在多个级串联的级联处理中、各级的通过率与作为识别结果从初始级到特定级连续返回True的概率(累积通过率)之间的关系。将第一或开头级的识别处理的处理总数(输入矩形区域的数量)定义为S。仅将作为前一级的第一级的识别处理中识别为True的矩形区域输入至接下来的第二级的识别处理。因此，第二级的识别处理所处理的数据量、或换句话说矩形区域的数量是通过将第一级的识别处理所处理的矩形区域的数量乘以第一级的识别处理的通过率P 而获得的积 (S*p)。此外，第三级的识别处理所处理的本文档来自技高网...
【技术保护点】
１．一种数据处理设备，用于处理包括多个部分数据的输入数据，所述数据处理设备包括：多个处理模块，用于通过连续的多个级对所述输入数据的多个部分数据进行数据处理，其中，至少一个级具有所分配的数个处理模块以使得并行处理多个部分数据，并且在各部分数据的数据处理期间，根据前一级中的部分数据的处理结果来判断是否在后续级中对该部分数据进行处理；改变部件，用于通过改变所述多个处理模块的连接模式来改变针对所述多个级的所述多个处理模块的分配；确定部件，用于针对所述多个级中的至少一个级，确定输入到该级的且随后在后续级中处理的数据量的比例作为通过率；计算部件，用于基于所述确定部件所确定的通过率来计算分配给各级的处理模块的数量，其中，所述改变部件根据所述计算部件所计算出的分配，改变所述多个处理模块的连接模式。
【技术特征摘要】
...
【专利技术属性】
技术研发人员：名取良子，白神慎二，
申请(专利权)人：佳能株式会社，
类型：发明
国别省市：JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。