特開 2024-110644 属性判定装置、属性判定方法及び属性判定プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024110644

(43)【公開日】2024-08-16

(54)【発明の名称】属性判定装置、属性判定方法及び属性判定プログラム

(51)【国際特許分類】

   G06T 7/00 20170101AFI20240808BHJP

   G06V 40/16 20220101ALI20240808BHJP

【ＦＩ】

G06T7/00 660A

G06V40/16 Z

【審査請求】未請求

【請求項の数】11

【出願形態】ＯＬ

(21)【出願番号】P 2023015347

(22)【出願日】2023-02-03

(71)【出願人】

【識別番号】000001432

【氏名又は名称】グローリー株式会社

(74)【代理人】

【識別番号】100114306

【弁理士】

【氏名又は名称】中辻 史郎

(74)【代理人】

【識別番号】100148655

【弁理士】

【氏名又は名称】諏訪 淳一

(72)【発明者】

【氏名】栗岡 克仁

(72)【発明者】

【氏名】和田 幸洋

(72)【発明者】

【氏名】栗林 英範

(72)【発明者】

【氏名】小林 誉幸

(72)【発明者】

【氏名】中尾 幸司

(72)【発明者】

【氏名】東本 真治

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096GA30

5L096HA11

(57)【要約】

【課題】年代や性別等の人物の属性を効率良く判定することを課題とする。
【解決手段】属性判定装置１０は、撮像部１３から取得した属性判定対象者の顔画像とにおいセンサ部１４から取得した属性判定対象者においデータとに基づいて属性判定対象者の属性を判定する装置である。属性判定装置１０は、年代算出部１７において、顔画像及びにおいデータに基づいて属性判定対象者の年代を算出し、属性判定対象者の年代を出力する。また、属性判定装置１０は、性別算出部２１において、顔画像及びにおいデータに基づいて属性判定対象者の性別を算出し、属性判定対象者の性別を出力する。
【選択図】図１

【特許請求の範囲】

【請求項1】

人物の属性を判定する属性判定装置であって、
前記人物の顔画像を取得する顔画像取得部と、
前記人物のにおい情報を取得するにおい情報取得部と、
前記人物の顔画像及び前記人物のにおい情報に基づいて、前記人物の属性を判定する属性判定部と
を備えたことを特徴とする属性判定装置。

【請求項2】

人物の年代及び性別を含む属性を判定する属性判定装置であって、
前記人物の顔画像を取得する顔画像取得部と、
前記人物のにおい情報を取得するにおい情報取得部と、
前記人物の顔画像に基づいて、前記人物の属性を推定する第１の属性推定部と、
前記人物のにおい情報に基づいて、前記人物の属性を推定する第２の属性推定部と、
前記第１の属性推定部による属性の推定結果と、前記第２の属性推定部による属性の推定結果とに基づいて、前記属性を判定する属性判定部と
を備えたことを特徴とする属性判定装置。

【請求項3】

前記属性判定部は、
前記人物の顔画像に基づいて、人間の確からしさを示す顔パラメータを算定する顔パラメータ算定部と、
前記人物のにおい情報に基づいて、人間の確からしさを示すにおいパラメータを算定するにおいパラメータ算定部と、
少なくとも前記第１の属性推定部による属性の推定結果と、前記第２の属性推定部による属性の推定結果と、前記顔パラメータと、前記においパラメータとに基づいて、前記属性を判定する判定部と
を備えたことを特徴とする請求項２に記載の属性判定装置。

【請求項4】

前記属性判定部は、
前記人物の顔画像に基づいて、人間の確からしさを示す顔パラメータを算定する顔パラメータ算定部と、
前記人物のにおい情報に基づいて、人間の確からしさを示すにおいパラメータを算定するにおいパラメータ算定部と、
あらかじめ設定された顔推定の信頼度に基づいて、前記顔パラメータを補正する顔パラメータ補正部と、
あらかじめ設定されたにおい推定の信頼度に基づいて、前記においパラメータを補正するにおいパラメータ補正部と、
前記第１の属性推定部による属性の推定結果と、前記第２の属性推定部による属性の推定結果と、補正後の顔パラメータと、補正後のにおいパラメータとに基づいて、前記属性を判定する判定部と
を備えたことを特徴とする請求項２に記載の属性判定装置。

【請求項5】

前記属性判定部は、
前記第１の属性推定部による性別の推定結果と、前記第２の属性推定部による性別の推定結果とが同一である場合には、該性別が前記人物の性別であると判定することを特徴とする請求項２に記載の属性判定装置。

【請求項6】

前記属性判定部は、
前記第１の属性推定部による性別の推定結果と、前記第２の属性推定部による性別の推定結果とが異なり、前記補正後の顔パラメータが前記補正後のにおいパラメータよりも大きい場合には、前記第１の属性推定部による性別の推定結果が前記人物の性別であると判定することを特徴とする請求項４に記載の属性判定装置。

【請求項7】

前記属性判定部は、
前記第１の属性推定部による性別の推定結果と、前記第２の属性推定部による性別の推定結果とが異なり、前記補正後の顔パラメータが前記補正後のにおいパラメータよりも小さい場合には、前記第２の属性推定部による性別の推定結果が前記人物の性別であると判定することを特徴とする請求項４に記載の属性判定装置。

【請求項8】

前記属性判定部は、
前記第１の属性推定部による年代の推定結果と、前記第２の属性推定部による年代の推定結果とが同一である場合には、該年代が前記人物の年代であると判定することを特徴とする請求項２に記載の属性判定装置。

【請求項9】

前記属性判定部は、
前記第１の属性推定部による年代の推定結果と、前記第２の属性推定部による年代の推定結果とが異なる場合には、前記補正後の顔パラメータに基づく顔年齢と前記補正後のにおいパラメータに基づくにおい年齢とに基づいて算出された年代が前記人物の年代であると判定することを特徴とする請求項４に記載の属性判定装置。

【請求項10】

人物の属性を判定する属性判定装置における属性判定方法であって、
前記人物の顔画像を取得する顔画像取得工程と、
前記人物のにおい情報を取得するにおい情報取得工程と、
前記人物の顔画像及び前記人物のにおい情報に基づいて、前記人物の属性を判定する属性判定工程と
を含むことを特徴とする属性判定方法。

【請求項11】

人物の属性を判定する属性判定装置において実行される属性判定プログラムであって、
前記人物の顔画像を取得する顔画像取得手順と、
前記人物のにおい情報を取得するにおい情報取得手順と、
前記人物の顔画像及び前記人物のにおい情報に基づいて、前記人物の属性を判定する属性判定手順と
をコンピュータに実行させることを特徴とする属性判定プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、人物の属性を効率良く判定することができる属性判定装置、属性判定方法及び属性判定プログラムに関する。

【背景技術】

【0002】

従来、人物の年齢や性別等の属性を判定する技術が知られている。例えば、特許文献１には、人物の顔が含まれる画像を複数の領域に分割し、分割した複数の領域毎に人物属性を推定し、領域毎の人物属性の推定結果に関する情報を表示する人物属性提示装置が開示されている。すなわち、この特許文献１では、人物の目、鼻、口などの特徴部ごとに、該人物の属性を推定している。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１５－００１９２１号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、上記特許文献１のものは、人物の目、鼻、口などの特徴部がマスク又はサングラス等により隠されたならば、人物の属性の推定精度が低下するという問題がある。また、環境光の影響、顔の角度等により人物の顔画像が正確に取得されない場合にも、人物の属性の推定精度が低下してしまう。このため、人物の属性をいかに効率良く判定するかが重要な課題となっている。

【0005】

本発明は、上記従来技術による問題点（課題）を解決するためになされたものであって、人物の属性を効率良く判定することができる属性判定装置、属性判定方法及び属性判定プログラムを提供することを目的とする。

【課題を解決するための手段】

【0006】

上述した課題を解決し、目的を達成するため、本発明は、人物の属性を判定する属性判定装置であって、前記人物の顔画像を取得する顔画像取得部と、前記人物のにおい情報を取得するにおい情報取得部と、前記人物の顔画像及び前記人物のにおい情報に基づいて、前記人物の属性を判定する属性判定部とを備えた。

【0007】

また、本発明は、人物の年代及び性別を含む属性を判定する属性判定装置であって、前記人物の顔画像を取得する顔画像取得部と、前記人物のにおい情報を取得するにおい情報取得部と、前記人物の顔画像に基づいて、前記人物の属性を推定する第１の属性推定部と、前記人物のにおい情報に基づいて、前記人物の属性を推定する第２の属性推定部と、前記第１の属性推定部による属性の推定結果と、前記第２の属性推定部による属性の推定結果とに基づいて、前記属性を判定する属性判定部とを備えた。

【0008】

また、本発明は、上記発明において、前記属性判定部は、前記人物の顔画像に基づいて、人間の確からしさを示す顔パラメータを算定する顔パラメータ算定部と、前記人物のにおい情報に基づいて、人間の確からしさを示すにおいパラメータを算定するにおいパラメータ算定部と、少なくとも前記第１の属性推定部による属性の推定結果と、前記第２の属性推定部による属性の推定結果と、前記顔パラメータと、前記においパラメータとに基づいて、前記属性を判定する判定部とを備えた。

【0009】

また、本発明は、上記発明において、前記属性判定部は、前記人物の顔画像に基づいて、人間の確からしさを示す顔パラメータを算定する顔パラメータ算定部と、前記人物のにおい情報に基づいて、人間の確からしさを示すにおいパラメータを算定するにおいパラメータ算定部と、あらかじめ設定された顔推定の信頼度に基づいて、前記顔パラメータを補正する顔パラメータ補正部と、あらかじめ設定されたにおい推定の信頼度に基づいて、前記においパラメータを補正するにおいパラメータ補正部と、前記第１の属性推定部による属性の推定結果と、前記第２の属性推定部による属性の推定結果と、補正後の顔パラメータと、補正後のにおいパラメータとに基づいて、前記属性を判定する判定部とを備えた。

【0010】

また、本発明は、上記発明において、前記属性判定部は、前記第１の属性推定部による性別の推定結果と、前記第２の属性推定部による性別の推定結果とが同一である場合には、該性別が前記人物の性別であると判定する。

【0011】

また、本発明は、上記発明において、前記属性判定部は、前記第１の属性推定部による性別の推定結果と、前記第２の属性推定部による性別の推定結果とが異なり、前記補正後の顔パラメータが前記補正後のにおいパラメータよりも大きい場合には、前記第１の属性推定部による性別の推定結果が前記人物の性別であると判定する。

【0012】

また、本発明は、上記発明において、前記属性判定部は、前記第１の属性推定部による性別の推定結果と、前記第２の属性推定部による性別の推定結果とが異なり、前記補正後の顔パラメータが前記補正後のにおいパラメータよりも小さい場合には、前記第２の属性推定部による性別の推定結果が前記人物の性別であると判定する。

【0013】

また、本発明は、上記発明において、前記属性判定部は、前記第１の属性推定部による年代の推定結果と、前記第２の属性推定部による年代の推定結果とが同一である場合には、該年代が前記人物の年代であると判定する。

【0014】

また、本発明は、上記発明において、前記属性判定部は、前記第１の属性推定部による年代の推定結果と、前記第２の属性推定部による年代の推定結果とが異なる場合には、前記補正後の顔パラメータに基づく顔年齢と前記補正後のにおいパラメータに基づくにおい年齢とに基づいて算出された年代が前記人物の年代であると判定する。

【0015】

また、本発明は、人物の属性を判定する属性判定装置における属性判定方法であって、
前記人物の顔画像を取得する顔画像取得工程と、前記人物のにおい情報を取得するにおい情報取得工程と、前記人物の顔画像及び前記人物のにおい情報に基づいて、前記人物の属性を判定する属性判定工程とを含む。

【0016】

また、本発明は、人物の属性を判定する属性判定装置において実行される属性判定プログラムであって、前記人物の顔画像を取得する顔画像取得手順と、前記人物のにおい情報を取得するにおい情報取得手順と、前記人物の顔画像及び前記人物のにおい情報に基づいて、前記人物の属性を判定する属性判定手順とをコンピュータに実行させる。

【発明の効果】

【0017】

本発明によれば、人物の属性を効率良く判定することができる。

【図面の簡単な説明】

【0018】

【図1】図１は、実施形態１に係る属性判定装置の概要を説明するための説明図である。

【図2】図２は、図１に示した年代算出部の概要を説明するための説明図である。

【図3】図３は、図１に示した性別算出部の概要を説明するための説明図である。

【図4】図４は、図１に示した属性判定装置の構成を示す機能ブロック図である。

【図5】図５は、図４に示した顔年代データ推定部の処理を説明する説明図である。

【図6】図６は、図４に示したにおい年代データ推定部の処理を説明する説明図である。

【図7】図７は、年代信頼度、年代、パラメータ及び補正パラメータの一例を示す図である。

【図8】図８は、図４に示した顔性別データ推定部の処理を説明する説明図である。

【図9】図９は、図４に示したにおい性別データ推定部の処理を説明する説明図である。

【図10】図１０は、性別信頼度、性別、性別パラメータ及び性別補正パラメータの一例を示す図である。

【図11】図１１は、図４に示した属性判定装置の処理手順を示したフローチャートである。

【図12】図１２は、年代算出処理の処理手順を示したフローチャートである。

【図13】図１３は、顔年代データ推定処理の処理手順を示したフローチャートである。

【図14】図１４は、におい年代データ推定処理の処理手順を示したフローチャートである。

【図15】図１５は、性別算出処理の処理手順を示したフローチャートである。

【図16】図１６は、顔性別データ推定処理の処理手順を示したフローチャートである。

【図17】図１７は、におい性別データ推定処理の処理手順を示したフローチャートである。

【図18】図１８は、ハードウエア構成の一例を示す図である。

【発明を実施するための形態】

【0019】

以下に、本発明に係る属性判定装置、属性判定方法及び属性判定プログラムの実施形態を図面に基づいて詳細に説明する。

【0020】

＜属性判定装置１０の概要＞
本実施形態に係る属性判定装置１０の概要について説明する。図１は、実施形態に係る属性判定装置１０の概要を説明するための説明図である。図２は、図１に示した年代算出部１７の概要を説明するための説明図であり、図３は、図１に示した性別算出部２１の概要を説明するための説明図である。ここでは、属性を判定する人物（以下、「属性判定対象者」と言う）の年代及び性別を属性として特定する場合について説明する。

【0021】

図１に示す属性判定装置１０は、属性判定対象者の属性を判定する装置であり、年代算出部１７と、性別算出部２１とを有する。また、属性判定装置１０には、撮像部１３及びにおいセンサ部１４が接続される。撮像部１３は、ＣＣＤ（Charge Coupled Device）等からなる撮像装置であり、属性判定対象者の顔画像を撮像して属性判定装置１０に送信する。においセンサ部１４は、においを検出して数値化するセンサであり、属性判定対象者のにおいを検出して属性判定装置１０に送信する。なお、半導体式センサ、水晶振動子式センサ、ＦＥＴバイオセンサ又は膜型表面応力センサなどをにおいセンサ部として用いることができる。

【0022】

年代算出部１７は、顔画像データ（以下、単に「顔画像」と言う）及びにおいデータに基づいて、属性判定対象者の年代を算出する処理部である。図２に示すように、年代算出部１７は、顔年代データ推定部１８が顔画像に基づいて顔年代データを推定し、におい年代データ推定部１９がにおいデータに基づいてにおい年代データを推定し、年代特定部２０がこれらのデータから属性判定対象者の年代を算出する。なお、年代算出部１７の詳細な説明については後述する。

【0023】

性別算出部２１は、顔画像及びにおいデータに基づいて、属性判定対象者の性別を算出する処理部である。図３に示すように、性別算出部２１は、顔性別データ推定部２２が顔画像に基づいて顔性別データを推定し、におい性別データ推定部２３がにおいデータに基づいてにおい性別データを推定し、性別特定部２４がこれらのデータから属性判定対象者の性別を算出する。なお、性別算出部２１の詳細な説明については後述する。

【0024】

このように、本実施形態に係る属性判定装置１０は、顔画像及びにおいデータに基づいて、属性判定対象者の年代を算出して出力するとともに、顔画像及びにおいデータに基づいて、属性判定対象者の性別を算出して出力する。その結果、例えば属性判定対象者が「２０代女性」、「５０代男性」等という属性が出力される。

【0025】

＜属性判定装置１０の構成＞
次に、属性判定装置１０の構成について説明する。図４は、図１に示した属性判定装置１０の構成を示す機能ブロック図である。図４に示すように、属性判定装置１０は、表示部１１と、入力部１２と、撮像部１３と、においセンサ部１４と、記憶部１５と、制御部１６とを有する。なお、撮像部１３及びにおいセンサ部１４についてはすでに説明したため、ここではその詳細な説明を省略する。

【0026】

表示部１１は、各種情報を表示する液晶ディスプレイなどの表示デバイスである。入力部１２は、マウスやキーボードなどの入力デバイスである。記憶部１５は、ハードディスク装置や不揮発性メモリなどの記憶デバイスであり、画像年代学習済モデル１５ａと、におい年代学習済モデル１５ｂと、画像性別学習済モデル１５ｃと、におい性別学習済モデル１５ｄと、年代信頼度データ１５ｅと、性別信頼度データ１５ｆとを記憶する。

【0027】

画像年代学習済モデル１５ａは、複数の顔画像と、各顔画像に含まれる被写体となる人物の年代とを対応付けた学習データを用いて生成された学習済モデルである。具体的には、畳み込み多層ニューラルネットワーク（ＣＮＮ）に対して学習データに含まれる顔画像と正解となる年代とを入力し、バックプロパゲーションを行う処理を繰り返すことにより、画像年代学習済モデル１５ａが生成される。

【0028】

におい年代学習済モデル１５ｂは、複数の人物のにおいデータと、各においデータの人物の年代とを対応付けた学習データを用いて生成された学習済モデルである。具体的には、画像年代学習済モデル１５ａと同様にＣＮＮを用いて、におい年代学習済モデル１５ｂが生成される。

【0029】

画像性別学習済モデル１５ｃは、複数の顔画像と、各顔画像に含まれる被写体となる人物の性別とを対応付けた学習データを用いて生成された学習済モデルである。具体的には、画像年代学習済モデル１５ａと同様にＣＮＮを用いて、画像性別学習済モデル１５ｃが生成される。

【0030】

におい性別学習済モデル１５ｄは、複数の人物のにおいデータと、各においデータの人物の性別とを対応付けた学習データを用いて生成された学習済モデルである。具体的には、画像年代学習済モデル１５ａと同様にＣＮＮを用いて、におい性別学習済モデル１５ｄが生成される。

【0031】

年代信頼度データ１５ｅは、年代判定を行った年代判定結果の信頼度であり、「顔年代信頼度」と「におい年代信頼度」とからなる。例えば、信頼度の上限を１００％とした場合に、「顔画像を用いたならば、かなり高い確率（例えば８０％）で『判定結果としての年代』を信頼できる」とされたならば、顔年代信頼度が「８０」とされる。また、「においを用いたならば、低い確率（例えば２０％）でしか『判定結果としての年代』を信頼できない」とされた場合には、におい年代信頼度が「２０」とされる。なお、顔年代信頼度とにおい年代信頼度の和は「１００」となる。

【0032】

性別信頼度データ１５ｆは、性別判定を行った性別判定結果の信頼度であり、「顔性別信頼度」と「におい性別信頼度」とからなる。例えば、信頼度の上限を１００％とした場合に、「顔画像を用いたならば、かなり高い確率（例えば８０％）で『判定結果としての性別』を信頼できる」とされたならば、顔性別信頼度が「８０」とされる。また、「においを用いたならば、低い確率（例えば２０％）でしか『判定結果としての性別』を信頼できない」とされた場合には、におい性別信頼度が「２０」とされる。なお、顔性別信頼度とにおい性別信頼度の和は「１００」となる。

【0033】

制御部１６は、属性判定装置１０の全体を制御する制御部であり、画像取得部１６ａと、におい取得部１６ｂと、年代算出部１７と、性別算出部２１とを有する。実際には、これらのプログラムをＣＰＵにロードして実行することにより、画像取得部１６ａと、におい取得部１６ｂと、年代算出部１７と、性別算出部２１とにそれぞれ対応するプロセスを実行させることになる。

【0034】

画像取得部１６ａは、属性判定対象者の顔画像を取得する処理部である。具体的には、撮像部１３を制御して属性判定対象者の顔画像を撮像する。におい取得部１６ｂは、属性判定対象者のにおいデータを取得する処理部である。具体的には、においセンサ部１４を制御して属性判定対象者のにおいデータを取得する。

【0035】

年代算出部１７は、属性判定対象者の年代を算出する処理部であり、顔年代データ推定部１８と、におい年代データ推定部１９と、年代特定部２０とを有する。顔年代データ推定部１８は、顔画像に基づいて顔年代を算出する処理部である。また、顔画像に基づいて人間の確からしさのパラメータである顔パラメータを算出する。そして、顔パラメータ及び顔年代信頼度に基づいて、顔補正パラメータを算出する。その後、顔年代データ推定部１８は、顔年代及び顔補正パラメータに基づいて顔年代データを生成する処理を行う。

【0036】

におい年代データ推定部１９は、においデータに基づいてにおい年代を算出する処理部である。また、においデータに基づいて人間の確からしさのパラメータであるにおいパラメータを算出する。そして、においパラメータ及びにおい年代信頼度に基づいて、におい補正パラメータを算出する。その後、におい年代データ推定部１９は、におい年代及びにおい補正パラメータに基づいてにおい年代データを生成する処理を行う。

【0037】

年代特定部２０は、顔年代データ推定部１８において算出された顔年代データと、におい年代データ推定部１９により算出されたにおい年代データとに基づいて、属性判定対象者の年代を特定する処理を行う。具体的には、顔年代データに含まれる顔年代の推定結果とにおい年代データに含まれるにおい年代の推定値が同一である場合は、該年代の推定結果を属性判定対象者の年代であると判定する処理を行う。

【0038】

また、顔年代データに含まれる顔年代の推定結果とにおい年代データに含まれるにおい年代の推定結果が同一でない場合は、顔年代データに含まれる顔補正パラメータの比率Ａｐと、におい年代データに含まれるにおい補正パラメータの比率Ｂｐを算出する。そして、顔年代の中央値と顔補正パラメータの比率Ａｐを掛け合わせて顔年齢を算出する。その後、におい年代の中央値とにおい補正パラメータの比率Ｂｐを掛け合わせにおい年齢を算出し、顔年齢とにおい年齢を加算し推定年齢を算出する。そして、該推定年齢から年代を判定する処理を行う。

【0039】

性別算出部２１は、顔性別データ推定部２２と、におい性別データ推定部２３と、性別特定部２４とを有する。顔性別データ推定部２２は、顔画像に基づいて顔性別を算出する。また、顔画像に基づいて人間の確からしさのパラメータである顔性別パラメータを算出する。そして、顔性別パラメータ及び顔性別信頼度に基づいて顔性別補正パラメータを算出する。その後、顔性別データ推定部２２は、顔性別及び顔性別補正パラメータに基づいて顔性別データを生成する処理を行う。

【0040】

におい性別データ推定部２３は、においデータに基づいてにおい性別を算出する。また、においデータに基づいて人間の確からしさのパラメータであるにおい性別パラメータを算出する。そして、におい性別パラメータ及びにおい性別信頼度に基づいてにおい性別補正パラメータを算出する。その後、におい性別データ推定部２３は、におい性別及びにおい性別補正パラメータに基づいてにおい性別データを生成する処理を行う。

【0041】

性別特定部２４は、顔性別データ推定部２２において算出された顔性別データと、におい性別データ推定部２３において算出されたにおい性別データとに基づいて属性判定対象者の性別を特定する処理を行う。具体的には、顔性別データに含まれる性別の推定結果とにおい性別データに含まれる性別の推定結果が同一である場合は、該性別の判定結果を属性判定対象者の性別であると判定する処理を行う。

【0042】

また、顔性別データに含まれる性別の推定結果とにおい性別データに含まれる性別の推定結果が同一でない場合は、顔性別データに含まれる顔性別補正パラメータの比率Ｃｐと、におい性別データに含まれるにおい性別補正パラメータの比率Ｄｐを算出し、ＣｐがＤｐより大きい場合は、顔性別データによる性別推定を有効とする。また、ＤｐがＣｐより大きい場合は、におい性別データによる性別推定を有効とする。そして、ＣｐとＤｐがほぼ同じ場合は、不定と判定する処理を行う。

【0043】

＜顔年代データ推定部１８の処理＞
次に、図４に示す顔年代データ推定部１８の処理について説明する。図５は、顔年代データ推定部１８の処理を説明する説明図である。図５に示すように、顔年代データ推定部１８は、顔年代算出部１８ａと、顔パラメータ算出部１８ｂと、顔補正パラメータ算出部１８ｃと顔年代データ処理部１８ｄを有する。

【0044】

顔年代算出部１８ａは、画像年代学習済モデル１５ａを用いて、属性判定対象者の顔年代を算出する処理部である。具体的には、属性判定対象者の顔画像を画像年代学習済モデル１５ａに入力したならば、該画像年代学習済モデル１５ａから属性判定対象者の年代が出力される。

【0045】

顔パラメータ算出部１８ｂは、顔画像から人間の確からしさである顔パラメータを算出する。ここではその詳細な説明を省略するが、あらかじめ多数の人間の顔画像と各正解データ、多数の人間以外の画像と各正解データを学習用データとして深層学習を行い、学習済モデルを生成しておく。そして、属性判定対象者の顔画像を学習済モデルに入力したならば、該学習済モデルから人間の確からしさが百分率で出力される。例えば、極めて人間らしい場合には顔パラメータが１００に近づき、人間らしくない場合には顔パラメータが０に近づく。

【0046】

顔補正パラメータ算出部１８ｃは、人間の確からしさを表わす顔パラメータ及び属性判定装置１０にあらかじめ設定されている顔年代信頼度に基づいて顔補正パラメータを算出する。具体的には、例えば、顔画像から算出された顔パラメータが５０（図７（ｃ）参照）であり、顔年代信頼度が８０％（図７（ａ）参照）であった場合に、顔補正パラメータは、顔パラメータの５０に、顔年代信頼度の０．８を掛け合わせ、顔補正パラメータを４０（図７（ｃ）参照）と算出する。

【0047】

顔年代データ処理部１８ｄは、顔年代及び顔補正パラメータに基づいて顔年代データを生成する。例えば、顔年代算出部１８ａで算出した顔年代が２０（図７（ｂ）参照）、顔補正パラメータを４０（図７（ｃ）参照）とすると、該顔年代と該顔補正パラメータを１つのデータとして顔年代データを生成する。

【0048】

＜におい年代データ推定部１９の処理＞
次に、図４に示すにおい年代データ推定部１９の処理について説明する。図６は、におい年代データ推定部１９の処理を説明するための説明図である。図６に示すように、におい年代データ推定部１９は、におい年代算出部１９ａと、においパラメータ算出部１９ｂと、におい補正パラメータ算出部１９ｃとにおい年代データ処理部１９ｄを有する。

【0049】

におい年代算出部１９ａは、におい年代学習済モデル１５ｂを用いて、属性判定対象者のにおい年代を算出する処理部である。具体的には、属性判定対象者のにおいデータをにおい年代学習済モデル１５ｂに入力したならば、該におい年代学習済モデル１５ｂから属性判定対象者の年代が出力される。

【0050】

においパラメータ算出部１９ｂは、においデータから人間の確からしさであるにおいパラメータを算出する。ここではその詳細な説明を省略するが、あらかじめ多数の人間のにおいデータと各正解データ、多数の人間以外のにおいと各正解データを学習用データとして深層学習を行い、学習済モデルを生成しておく。そして、属性判定対象者のにおいデータを学習済モデルに入力したならば、該学習済モデルから人間の確からしさが百分率で出力される。例えば、極めて人間らしい場合にはにおいパラメータが１００に近づき、人間らしくない場合にはにおいパラメータが０に近づく。

【0051】

におい補正パラメータ算出部１９ｃは、人間の確からしさを表すにおいパラメータ及び属性判定装置１０にあらかじめ設定されているにおい年代信頼度に基づいてにおい補正パラメータを算出する。具体的には、例えば、においデータから算出されたにおいパラメータが１００（図７（ｃ）参照）であり、におい年代信頼度が２０％（図７（ａ）参照）であった場合に、におい補正パラメータは、においパラメータの１００に、におい年代信頼度の０．２を掛け合わせ、におい補正パラメータを２０（図７（ｃ）参照）と算出する。

【0052】

＜年代特定部２０の処理＞
次に、図４に示した年代特定部２０の処理について説明する。年代特定部２０は、顔年代データ推定部１８で推定された顔年代データと、におい年代データ推定部１９で推定されたにおい年代データとに基づいて、属性判定対象者の年代の特定を行う。具体的には、顔年代データに含まれる顔年代と、におい年代データに含まれるにおい年代が同一の場合は、該年代を属性判定対象者の年代と特定する。

【0053】

また、顔年代とにおい年代が同一でない場合には、顔補正パラメータの比率Ａｐとにおい補正パラメータの比率Ｂｐを算出する。例えば、顔補正パラメータが４０（図７（ｃ）参照）であり、におい補正パラメータが２０（図７（ｃ）参照）である場合は、顔補正パラメータの比率Ａｐは、４０／（４０＋２０）＝０．６６と算出する。また、におい補正パラメータの比率Ｂｐは、２０／（４０＋２０）＝０．３３と算出する。

【0054】

そして、顔画像による年齢を顔年代の２０（図７（ｂ）参照）の中央値２５及び顔補正パラメータの比率Ａｐの０．６６を掛け合わせ２５×０．６６＝１６．５と算出する。また、においデータによる年齢をにおい年代の５０（図７（ｂ）参照）の中央値５５及びにおい補正パラメータの比率Ｂｐの０．３３を掛け合わせ５５×０．３３＝１８．１５と算出する。そして、顔年齢の１６．５と、におい年齢の１８．１５とを加算し、推定年齢を３４．６５と算出し、年代を３０代と特定する。

【0055】

＜顔性別データ推定部２２の処理＞
次に、図４に示した顔性別データ推定部２２の処理について説明する。図８は、顔性別データ推定部２２の処理について説明する説明図である。図８に示すように、顔性別データ推定部２２は、顔性別算出部２２ａと、顔性別パラメータ算出部２２ｂと、顔性別補正パラメータ算出部２２ｃと顔性別データ処理部２２ｄを有する。

【0056】

顔性別算出部２２ａは、画像性別学習済モデル１５ｃを用いて、属性判定対象者の顔性別を算出する処理部である。具体的には、属性判定対象者の顔画像を画像性別学習済モデル１５ｃに入力したならば、該画像性別学習済モデル１５ｃから属性判定対象者の性別が出力される。

【0057】

顔性別パラメータ算出部２２ｂは、顔画像から人間の確からしさである顔性別パラメータを算出する。ここではその詳細な説明を省略するが、あらかじめ多数の人間の顔画像と各正解データ、多数の人間以外の画像と各正解データを学習用データとして深層学習を行い、学習済モデルを生成しておく。そして、属性判定対象者の顔画像を学習済モデルに入力したならば、該学習済モデルから人間の確からしさが百分率で出力される。例えば、極めて人間らしい場合には顔性別パラメータが１００に近づき、人間らしくない場合には顔性別パラメータが０に近づく。

【0058】

顔性別補正パラメータ算出部２２ｃは、人間の確からしさを表わす顔パラメータ及び属性判定装置１０にあらかじめ設定されている顔性別信頼度に基づいて顔性別補正パラメータを算出する。具体的には、例えば、顔画像から算出された顔性別パラメータが５０（図１０（ｃ）参照）であり、顔性別信頼度が８０％（図１０（ａ）参照）であった場合に、顔性別補正パラメータは、顔性別パラメータの５０に、顔性別信頼度の０．８を掛け合わせ、顔補正パラメータを４０（図１０（ｃ）参照）と算出する。

【0059】

顔性別データ処理部２２ｄは、顔性別及び顔性別補正パラメータに基づいて顔性別データを生成する。例えば、顔性別算出部２２ａで算出した顔性別が女性（図１０（ｂ）参照）、顔性別補正パラメータを４０（図１０（ｃ）参照）とすると、該顔性別と該顔性別補正パラメータを１つのデータとして顔性別データを生成する。

【0060】

＜におい性別データ推定部２３の処理＞
次に、図４に示すにおい性別データ推定部２３の処理について説明する。図９は、におい性別データ推定部２３の処理を説明するための説明図である。図９に示すように、におい性別データ推定部２３は、におい性別算出部２３ａと、におい性別パラメータ算出部２３ｂと、におい性別補正パラメータ算出部２３ｃとにおい性別データ処理部２３ｄを有する。

【0061】

におい性別算出部２３ａは、におい性別学習済モデル１５ｄを用いて、属性判定対象者のにおい性別を算出する処理部である。具体的には、属性判定対象者のにおいデータをにおい性別学習済モデル１５ｄに入力したならば、該におい性別学習済モデル１５ｄから属性判定対象者の性別が出力される。

【0062】

におい性別パラメータ算出部２３ｂは、においデータから人間の確からしさであるにおい性別パラメータを算出する。ここではその詳細な説明を省略するが、あらかじめ多数の人間のにおいデータと各正解データ、多数の人間以外のにおいと各正解データを学習用データとして深層学習を行い、学習済モデルを生成しておく。そして、属性判定対象者のにおいデータを学習済モデルに入力したならば、該学習済モデルから人間の確からしさが百分率で出力される。例えば、極めて人間らしい場合にはにおい性別パラメータが１００に近づき、人間らしくない場合にはにおい性別パラメータが０に近づく。

【0063】

におい性別補正パラメータ算出部２３ｃは、人間の確からしさを表すにおいパラメータ及び属性判定装置１０にあらかじめ設定されているにおい性別信頼度に基づいてにおい性別補正パラメータを算出する。具体的には、例えば、においデータから算出されたにおい性別パラメータが１００（図１０（ｃ）参照）であり、におい性別信頼度が２０％（図１０（ａ）参照）であった場合に、におい性別補正パラメータは、におい性別パラメータの１００に、におい性別信頼度の０．２を掛け合わせ、におい性別補正パラメータを２０（図１０（ｃ）参照）と算出する。

【0064】

＜性別特定部２４の処理＞
次に、図４に示した性別特定部２４の処理について説明する。性別特定部２４は、顔性別データ推定部２２で算出された顔性別データ及びにおい性別データ推定部２３で算出されたにおい性別データに基づいて性別の特定を行う。具体的には、顔性別データに含まれる顔性別と、におい性別データに含まれるにおい性別が同一の場合は、該性別を属性判定対象者の性別と特定する。

【0065】

また、顔性別とにおい性別が同一でない場合には、顔性別補正パラメータの比率Ｃｐとにおい性別補正パラメータの比率Ｄｐを算出する。例えば、顔性別補正パラメータが４０（図１０（ｃ）参照）であり、におい性別補正パラメータが２０（図１０（ｃ）参照）である場合は、顔性別補正パラメータの比率Ｃｐは、４０／（４０＋２０）＝０．６６と算出する。また、におい性別補正パラメータの比率Ｄｐは、２０／（４０＋２０）＝０．３３と算出する。

【0066】

そして、顔性別補正パラメータの比率Ｃｐ（０．６６）と、におい性別補正パラメータの比率Ｄｐ（０．３３）とを比較し、この場合はＣｐ＞Ｄｐであるため、顔による性別推定を有効とし、性別は女性（図１０（ｂ）参照）と判定する。なお、におい性別補正パラメータの比率Ｄｐが顔性別補正パラメータの比率Ｃｐよりも大きい場合は、においによる性別推定を有効とする。また、顔性別補正パラメータの比率Ｃｐがにおい性別補正パラメータの比率Ｄｐより大きくなく、におい性別補正パラメータの比率Ｄｐが顔性別補正パラメータの比率Ｃｐより大きくない場合には、性別不定として判定する。

【0067】

＜属性判定装置１０の処理手順＞
次に、属性判定装置１０の処理手順について説明する。図１１は、図４に示した属性判定装置１０の処理手順を示したフローチャートである。図１１に示すように、属性判定装置１０は、撮像部１３により属性判定対象者の顔画像を取得する（ステップＳ１０１）。そして、属性判定装置１０は、においセンサ部１４により属性判定対象者のにおいデータを取得する（ステップＳ１０２）。

【0068】

その後、属性判定装置１０は、取得した顔画像及びにおいデータに基づいて年代算出処理を行う（ステップＳ１０３）。そして、属性判定装置１０は、取得した顔画像及びにおいデータに基づいて性別算出処理を行い（ステップＳ１０４）、一連の処理を終了する。

【0069】

＜年代算出処理の処理手順＞
次に、図１１に示した年代算出処理の処理手順について説明する。図１２は、年代算出処理の処理手順を示したフローチャートである。図１２に示すように、属性判定装置１０は、取得した顔画像に基づいて、顔年代データ推定処理を行う（ステップＳ２０１）。その後、属性判定装置１０は、取得した顔画像及びにおいデータに基づいて、におい年代データ推定処理を行う（ステップＳ２０２）。

【0070】

そして、属性判定装置１０は、顔年代データ推定処理で算出された顔年代と、におい年代データ推定処理で算出されたにおい年代が同一か否かを判定する（ステップＳ２０３）。顔年代とにおい年代が同一である場合は（ステップＳ２０３：Ｙｅｓ）、顔年代又はにおい年代を属性判定対象者の年代として特定し（ステップＳ２０４）、図１１のＳ１０４に移行する。

【0071】

一方、属性判定装置１０は、顔年代とにおい年代が同一でない場合は（ステップＳ２０３：Ｎｏ）、顔補正パラメータ及びにおい補正パラメータに基づいて、顔補正パラメータの比率Ａｐを算出する（ステップＳ２０５）。そして、属性判定装置１０は、顔補正パラメータ及びにおい補正パラメータに基づいて、におい補正パラメータの比率Ｂｐを算出する（ステップＳ２０６）。

【0072】

その後、属性判定装置１０は、顔年代及び顔補正パラメータの比率Ａｐに基づいて顔年齢を算出する（ステップＳ２０７）。そして、属性判定装置１０は、におい年代及びにおい補正パラメータの比率Ｂｐに基づいてにおい年齢を算出する（ステップＳ２０８）。その後、属性判定装置１０は、顔年齢とにおい年齢を加算し推定年齢を算出し、推定年齢に基づいて属性判定対象者の年代を特定し（ステップＳ２０９）、図１１のＳ１０４に移行する。

【0073】

＜顔年代データ推定処理の処理手順＞
次に、図１２に示した顔年代データ推定処理の処理手順について説明する。図１３は、顔年代データ推定処理の処理手順を示すフローチャートである。図１３に示すように、属性判定装置１０は、顔画像から顔年代を算出する（ステップＳ３０１）。そして、属性判定装置１０は、顔画像から顔パラメータを算出する（ステップＳ３０２）。

【0074】

そして、属性判定装置１０は、顔パラメータと顔年代信頼度とに基づいて、顔補正パラメータを算出する（ステップＳ３０３）。その後、属性判定装置１０は、顔年代及び顔補正パラメータを１つのデータとして顔年代データを生成し（ステップＳ３０４）、図１２のＳ２０２に移行する。

【0075】

＜におい年代データ推定処理の処理手順＞
次に、図１２に示したにおい年代データ推定処理の処理手順について説明する。図１４は、におい年代データ推定処理の処理手順を示すフローチャートである。図１４に示すように、属性判定装置１０は、においデータからにおい年代を算出する（ステップＳ４０１）。そして、属性判定装置１０は、においデータからにおいパラメータを算出する（ステップＳ４０２）。

【0076】

その後、属性判定装置１０は、においパラメータとにおい年代信頼度とに基づいて、におい補正パラメータを算出する（ステップＳ４０３）。その後、属性判定装置１０は、におい年代及びにおい補正パラメータを１つのデータとしてにおい年代データを生成し（ステップＳ４０４）、図１２のＳ２０３に移行する。

【0077】

＜性別算出処理の処理手順＞
次に、図１１に示した性別算出処理の処理手順について説明する。図１５は、性別算出処理の処理手順を示すフローチャートである。図１５に示すように、属性判定装置１０は、顔画像に基づいて顔性別データ推定処理を行う（ステップＳ５０１）。そして、属性判定装置１０は、においデータに基づいてにおい性別データ推定処理を行う（ステップＳ５０２）。

【0078】

そして、属性判定装置１０は、顔性別データ推定処理で算出された顔性別と、におい性別データ推定処理で算出されたにおい性別が同一か否かを判定する（ステップＳ５０３）。顔性別とにおい性別が同一である場合は（ステップＳ５０３：Ｙｅｓ）、顔性別又はにおい性別を属性判定対象者の性別として特定し（ステップＳ５０４）、図１１のメインフローに移行して処理を終了する。

【0079】

一方、属性判定装置１０は、顔性別とにおい性別が同一でない場合は（ステップＳ５０３：Ｎｏ）、顔性別補正パラメータ及びにおい性別補正パラメータに基づいて、顔性別補正パラメータの比率Ｃｐを算出する（ステップＳ５０５）。そして、属性判定装置１０は、顔性別補正パラメータ及びにおい性別補正パラメータに基づいて、におい性別補正パラメータの比率Ｄｐを算出する（ステップＳ５０６）。

【0080】

その後、属性判定装置１０は、顔性別補正パラメータの比率Ｃｐがにおい性別パラメータの比率Ｄｐより大きいか否かを判定する（ステップＳ５０７）。顔性別補正パラメータの比率Ｃｐがにおい性別補正パラメータの比率Ｄｐよりも大きい場合は（ステップＳ５０７：Ｙｅｓ）、顔画像による性別の算出を有効とし（ステップＳ５０８）、図１１のメインフローに移行し、処理を終了する。

【0081】

一方、属性判定装置１０は、顔性別補正パラメータの比率Ｃｐがにおい性別補正パラメータの比率Ｄｐよりも大きくない場合は（ステップＳ５０７：Ｎｏ）、におい性別補正パラメータの比率Ｄｐが顔性別補正パラメータの比率Ｃｐより大きいか否かを判定する（ステップＳ５０９）。におい性別補正パラメータの比率Ｄｐが顔性別補正パラメータの比率Ｃｐより大きい場合は（ステップＳ５０９：Ｙｅｓ）、においデータによる性別の算出を有効とし（ステップＳ５１０）、図１１のメインフローに移行し、処理を終了する。

【0082】

また、属性判定装置１０は、におい性別補正パラメータの比率Ｄｐが顔性別補正パラメータの比率Ｃｐより大きくない場合は（ステップＳ５０９：Ｎｏ）、性別推定を不定と判定し（ステップＳ５１１）、図１１のメインフローに移行し、処理を終了する。

【0083】

＜顔性別データ推定処理の処理手順＞
次に、図１５に示した顔性別データ推定処理の処理手順について説明する。図１６は、顔性別データ推定処理の処理手順を示すフローチャートである。図１６に示すように、属性判定装置１０は、顔画像から顔性別を算出する（ステップＳ６０１）。そして、属性判定装置１０は、顔画像から顔性別パラメータを算出する（ステップＳ６０２）。

【0084】

そして、属性判定装置１０は、顔性別パラメータと顔性別信頼度とに基づいて、顔性別補正パラメータを算出する（ステップＳ６０３）。その後、属性判定装置１０は、顔性別パラメータと顔性別補正パラメータに基づいて顔性別データを生成し（ステップＳ６０４）、図１５のＳ５０２に移行する。

【0085】

＜におい性別データ推定処理の処理手順＞
次に、図１５に示したにおい性別データ推定処理の処理手順について説明する。図１７は、におい性別データ推定処理の処理手順を示すフローチャートである。図１７に示すように、属性判定装置１０は、においデータからにおい性別を算定する（ステップＳ７０１）。そして、属性判定装置１０は、においデータからにおい性別パラメータを算出する（ステップＳ７０２）。

【0086】

その後、属性判定装置１０は、におい性別パラメータ及びにおい性別信頼度に基づいて、におい性別補正パラメータを算出する（ステップＳ７０３）。その後、属性判定装置１０は、におい性別及びにおい性別補正パラメータを１つのデータとしてにおい性別データを生成し（ステップＳ７０４）、図１５のＳ５０３に移行する。

【0087】

＜ハードウエアとの関係＞
次に、本実施形態に係る属性判定装置１０と、コンピュータの主たるハードウエア構成の対応関係について説明する。図１８は、ハードウエア構成の一例を示す図である。

【0088】

一般的に、コンピュータは、ＣＰＵ４１、ＲＯＭ４２、ＲＡＭ４３及び不揮発性メモリ４４などがバス４５により接続された構成となる。不揮発性メモリ４４の代わりにハードディスク装置が設けられていてもよい。説明の便宜上、基本的なハードウエア構成のみを示している。

【0089】

ここで、ＲＯＭ４２又は不揮発性メモリ４４には、オペレーティングシステム（以下、単に「ＯＳ」と言う）の起動に必要となるプログラム等が記憶されており、ＣＰＵ４１は、電源投入時にＲＯＭ４２又は不揮発性メモリ４４からＯＳのプログラムをリードして実行する。

【0090】

一方、ＯＳ上で実行される各種のアプリケーションプログラムは、不揮発性メモリ４４に記憶されており、ＣＰＵ４１がＲＡＭ４３を主メモリとして利用しつつアプリケーションプログラムを実行することにより、アプリケーションに対応するプロセスが実行される。

【0091】

そして、本実施形態に係る属性判定装置１０の属性判定プログラムについても、他のアプリケーションプログラムと同様に不揮発性メモリ４４等に記憶され、ＣＰＵ４１が、かかる属性判定プログラムをロードして実行することになる。本実施形態に係る属性判定装置１０の場合には、図２に示した画像取得部１６ａ、におい取得部１６ｂ、年代算出部１７及び性別算出部２１に対応するルーチンを含む属性判定プログラムが不揮発性メモリ４４等に記憶される。ＣＰＵ４１により属性判定プログラムがロード実行されることにより、画像取得部１６ａ、におい取得部１６ｂ、年代算出部１７及び性別算出部２１に対応する属性判定プロセスが生成される。

【0092】

上述してきたように、本実施形態では、属性判定装置１０は、撮像部１３から属性判定対象者の顔画像を取得するとともに、においセンサ部１４から属性判定対象者のにおいデータを取得する。そして、属性判定装置１０は、年代算出部１７において、顔画像に基づいて顔年代データ推定部１８により顔年代データを算出するとともに、におい年代データ推定部１９において、においデータに基づいてにおい年代データを算出する。そして、属性判定装置１０は、顔年代データ及びにおい年代データに基づいて、年代特定部２０において、属性判定対象者の年代を算出する。また、属性判定装置１０は、性別算出部２１において、顔画像に基づいて顔性別データ推定部２２により顔性別データを算出するとともに、におい性別データ推定部２３において、においデータに基づいてにおい性別データを算出する。そして、属性判定装置１０は、顔性別データ及びにおい性別データに基づいて、性別特定部２４において、属性判定対象者の性別を算出するように構成したため、年代や性別等の人物の属性を効率良く判定することができる。

【0093】

なお、上記の実施形態では、においによる人間の確からしさを求めることとしたが、かかるにおいには、人間が発するにおいのほかに、人が纏う香水や香料などのにおいも含まれる。

【0094】

また、上記の実施形態では、顔画像そのものを学習済モデルに入力する場合を示したが、本発明はこれに限定されるものではなく、顔画像の特徴量を抽出し、この特徴量を学習済モデルに入力することもできる。

【0095】

また、上記の実施形態では、深層学習の学習済モデルを用いた場合について説明したが、本発明はこれに限定されるものではなく、ライトＧＢＭ、ランダムフォレスト等の機械学習を用いて学習済モデルを生成することもできる。また、学習済モデルの代わりに統計的手法を用いることもできる。例えば、あらかじめ求めた年代ごとのデータを求めておき、属性判定対象者のデータとの相互相関をとり、相関値の最も高い年代とすることができる。

【0096】

また、上記の実施形態では、属性として年代及び性別について判定をする場合について説明したが、本発明はこれに限定されるものではなく、属性として人種、居住地、職業などの判定に適用することができる。

【0097】

上記の実施形態で図示した各構成は機能概略的なものであり、必ずしも物理的に図示の構成をされていることを要しない。すなわち、各装置の分散・統合の形態は図示のものに限られず、その全部又は一部を各種の負荷や使用状況などに応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。

【産業上の利用可能性】

【0098】

本発明に係る属性判定装置、属性判定方法及び属性判定プログラムは、人物の顔情報とにおい情報を取得し、顔画像による属性判定と、においによる属性判定との両方の判定結果を総合的に判定することで、年代や性別等の人物属性の判定制度を向上する場合に適している。

【符号の説明】

【0099】

１０ 属性判定装置
１１ 表示部
１２ 入力部
１３ 撮像部
１４ においセンサ部
１５ 記憶部
１５ａ 画像年代学習済モデル
１５ｂ におい年代学習済モデル
１５ｃ 画像性別学習済モデル
１５ｄ におい性別学習済モデル
１５ｅ 年代信頼度データ
１５ｆ 性別信頼度データ
１６ 制御部
１６ａ 画像取得部
１６ｂ におい取得部
１７ 年代算出部
１８ 顔年代データ推定部
１８ａ 顔年代算出部
１８ｂ 顔パラメータ算出部
１８ｃ 顔補正パラメータ算出部
１８ｄ 顔年代データ処理部
１９ におい年代データ推定部
１９ａ におい年代算出部
１９ｂ においパラメータ算出部
１９ｃ におい補正パラメータ算出部
１９ｄ におい年代データ処理部
２０ 年代特定部
２１ 性別算出部
２２ 顔性別データ推定部
２２ａ 顔性別算出部
２２ｂ 顔性別パラメータ算出部
２２ｃ 顔性別補正パラメータ算出部
２２ｄ 顔性別データ処理部
２３ におい性別データ推定部
２３ａ におい性別算出部
２３ｂ におい性別パラメータ算出部
２３ｃ におい性別補正パラメータ算出部
２３ｄ におい性別データ処理部
２４ 性別特定部
４１ ＣＰＵ
４２ ＲＯＭ
４３ ＲＡＭ
４４ 不揮発性メモリ
４５ バス

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】