CN101828181B - 数据处理装置 - Google Patents
数据处理装置 Download PDFInfo
- Publication number
- CN101828181B CN101828181B CN200880108845.5A CN200880108845A CN101828181B CN 101828181 B CN101828181 B CN 101828181B CN 200880108845 A CN200880108845 A CN 200880108845A CN 101828181 B CN101828181 B CN 101828181B
- Authority
- CN
- China
- Prior art keywords
- circuit
- signal
- distance
- correlation matrix
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
- Radar Systems Or Details Thereof (AREA)
- Complex Calculations (AREA)
Abstract
通过一群数据的部分彼此之间的类似判断,不用使用数据库就可进行高速处理。使用送出与划分数据相对应的信号的划分信号线(L1~Lk)。相关矩阵生成电路(12)、固有值和固有矢量算出电路(14)、第2积和运算电路(15)、距离算出电路(16-1~16-k)、阈值设置电路(17)以及结果输出电路(18-1~18-k)通过逻辑电路构成。相关矩阵生成电路(12)对每个划分信号线(LI~Lk)的信号算出平均值,并且对各划分生成构成相关矩阵的相关矩阵信号。固有值和固有矢量算出电路(14)算出与相关矩阵的固有值和固有矢量相对应的信号;第2积和运算电路(15)算出与各划分的特征矢量相对应的信号。距离算出电路(16-1~16-k)算出特征矢量的各要素间的距离。阈值设置电路(17)设置用于与各要素间的距离进行比较的阈值信号。结果输出电路(18-1~18-k)根据阈值信号,与由距离算出电路(16-1~16-k)算出的各要素间的距离信号进行对比,而加以信号输出。
Description
技术领域
本发明涉及对图像和声音等各种数据使用固有空间法进行处理的数据处理装置,尤其涉及用逻辑电路来构成并实现了高速化的数据处理装置。
背景技术
在使用现有的固有空间法的数据处理中,例如,将与图案识别对象有关的几个图像与数据库进行比较,类似度的阈值使用公共值。
例如,在比较脸部照片和输入脸部图像的情况下,对上述方法进行改良的已知的处理方法,分离模型空间和改变分空间(変動分空間)而进行特征抽出(参考专利文献1)。
但是,并没有从存在与一幅图像和一系列声音类似的部分(图像和单词等)或存在与一幅图像和一系列声音不同的部分(图像和单词等)这方面进行数据处理。
在这种数据处理中,多数情况下事先计算与各数据的主要成份分析结果有关的固有值和固有矢量,并将其作成数据库。比较数据也构成为根据上述作成数据库后的固有值和固有矢量来计算算出主要成份。
例如,已知在行为分析装置中,在数据库中包括特征矢量的平均值、协方差矩阵、对协方差矩阵的固有值矩阵和固有矢量,并使用这些值(参考专利文献2(尤其是权利要求6))。
专利文献1:特开平10-171988号公报
专利文献2:特开2004-157614号公报
但是,对于各划分数据(划分图像后的图像数据)等,有不能同时实时进行算出固有值和固有矢量的处理以及主要成份的分析的问题。
发明内容
本发明鉴于上述这种使用了固有空间法的数据处理的现状,其目的是提供一种对于一群数据的部分彼此之间进行类似和非类似等的判断,而可抽出希望的部分数据,且可进行高速处理,而不使用数据库的数据处理装置。
本发明的数据处理装置,其特征在于,包括:划分信号线,用于送出与划分数据相对应的信号,该划分数据是将处理对象数据分别分割为进行比较的划分的大小而得到的;相关矩阵生成电路,由逻辑和电路和逻辑积电路构成,输入所述划分信号线的信号,并对每个划分信号线的信号算出平均值,并且根据所算出的每个划分的平均值信号和所述划分信号线的信号,来对各划分生成构成相关矩阵的相关矩阵信号;固有值和固有矢量算出电路,由逻辑电路构成,输入由所述相关矩阵生成电路生成的相关矩阵信号和所述划分信号线的信号,并算出与该相关矩阵的固有值和固有矢量相对应的信号;积和运算电路,由逻辑和电路和逻辑积电路构成,输入由所述固有值和固有矢量算出电路算出的固有矢量信号和所述划分信号线的信号,并算出与所述各划分的特征矢量相对应的信号;距离算出电路,由逻辑电路构成,输入由所述积和运算电路算出的特征矢量信号,并算出所述特征矢量的各要素间的距离;阈值设置电路,设置用于与各要素间的距离进行比较的阈值信号;结果输出电路,由逻辑电路构成,根据由所述阈值设置电路设置的阈值信号,与由所述距离算出电路算出的各要素间的距离信号进行对比,而输出表示是否是具有相应距离的区间的信号。
本发明的数据处理装置,其特征在于,上述数据处理装置包括最小距离抽出电路,该最小距离抽出电路由逻辑电路构成,输入由距离算出电路算出的各要素间的距离信号,并对每个划分的各个要素抽出距离最小的距离;结果输出电路将该最小距离抽出电路抽出的距离的信号与阈值信号进行对比,并输出表示是否是具有相应距离的区间的信号。
本发明的数据处理装置,其特征在于,该数据处理装置包括处理电路,该处理电路根据结果输出电路的输出,输出作为具有相应距离的区间的划分数据。
发明的效果
根据本发明,由于将处理对象数据分割为比较的划分大小,并对所分割出的各划分抽出特征矢量,算出特征矢量的各要素间的距离,而与各要素间的距离进行比较,所以一群数据的部分彼此之间可以进行类似和非类似等的判断。该情况下,各电路由逻辑电路构成,可以进行高速处理。
另外,由于可以设置用于与各要素间的距离进行比较的阈值,并根据该设置的阈值,来求出具有相应距离的各要素,并确定与该要素相对应的划分,所以可以控制阈值来自由取出处于希望的类似度范围内的一群数据的一部分。
进一步,由于对于所算出的各要素间的距离,按每个划分对于各个要素抽出距离为最小的距离,并将所抽出的距离与阈值进行对比,而求出具有相应距离的各要素,从而确定出与该要素相对应的划分,所以可以对一群数据的每个部分选出类似度最高的部分,且在该部分处于预定类似度之内的情况下进行确定,可以通过更严格的标准,在一群数据的部分彼此之间进行类似和非类似等的判断。该情况下,也通过逻辑电路构成各电路,而可进行高速处理。
附图说明
图1是表示本发明的数据处理装置的第1实施例的结构的框图;
图2是对用于说明本发明的数据处理装置中的处理的一例的图像和表格的一例进行了拍摄的代替照片;
图3是表示本发明的数据处理装置中的与输入到划分信号线的信号对应的数据矩阵的图;
图4是表示本发明的数据处理装置中的实施例的主要部分结构的框图;
图5是表示本发明的数据处理装置中的实施例的主要部分结构的框图;
图6是对用于说明本发明的数据处理装置中的处理的一例的图像的一例进行了拍摄的代替照片;
图7是对本发明的数据处理装置处理图6的图像之后的结果的第1例进行了拍摄的代替照片;
图8是对本发明的数据处理装置处理图6的图像之后的结果的第2例进行了拍摄的代替照片;
图9是表示本发明的数据处理装置中的第2实施例的结构的框图;
图10是表示本发明的数据处理装置中的第2实施例的主要部分结构的框图;
图11是表示基于本发明的数据处理装置中的第2实施例的最小值抽出处理的图;
图12是代入数字来示出本发明的数据处理装置中的第2实施例的最小值抽出处理的图。
附图标记的说明
L1~Lk划分信号线
11输入部
12相关矩阵生成电路
14固有值·固有矢量算出电路
15积和运算电路
16-1~16-k距离算出电路
17阈值设置电路
18-1~18-k结果输出电路
18A-1~18A-k结果输出电路
20-1~20-k最小距离抽出电路
具体实施方式
下面,参考附图,说明本发明的数据处理装置的实施例。在各附图中对同一构成要素添加同一附图标记,并省略重复的说明。
<实施例1>
图1表示第1实施例的数据处理装置的框图。数据处理装置包括取得数据的输入部11,取得某一群的数据。
对于输入部11,也可从数据存储装置等中取得数据,也可贮存实时到来的数据而作为一群数据加以输入。所谓某一群数据是指一幅图像数据和演讲会等的声音数据。作为具体例,可以举出图2(b)所示的图像数据。在输入部11中,可以将所取得的数据记载为{I0,…,Ij}。图2的图像中,每一像素的颜色的亮度数据(R,G,B)相当于{I0,…,Ij},一个图像由i个像素构成。
输入部11中具有划分信号线L1~Lk。划分信号线L1~Lk是用于送出与将处理对象数据分别分割为所比较的划分大小的划分数据相对应的信号的信号线。将数据分割为几个划分大小而提供给划分信号线L1~Lk,在图2(a)的例子中,输入将1个图像分割为k(16)等分的划分图像Pic·1~Pic·k(k=16)后的划分数据。
划分图像Pic·1~Pic·k(k=16)的数据在划分图像Pic·1中可以表示为{A11,…,Aj1}T,在划分图像Pic·2中可以表示为{A12,…,Aj2}T、…、在划分图像Pic·k(k=16)中可以表示为{A1k,…,Ajk}T。另外,T表示转置矩阵。通过该分割,j=i/k,因k=16,故1个划分图像中含有j个像素。
上述的{A11,…,Aj1}T、{A12,…,Aj2}T、…、{A1k,…,Ajk}T中的各要素Axy表示1个像素的像素亮度数据(R,G,B)。若用j行k列的矩阵表示划分图像Pic·1~Pic·k(k=16)的数据,则变为图3所示这样,在由A1,A2,…,Ak表示列方向的一群要素时,将这些要素A1,A2,…,Ak的信号输入到划分信号线L1~Lk的对应信号线上。因此,各划分信号线L1~Lk分别由与数据比特对应的多条构成。
将通过了划分信号线L1~Lk的信号提供给相关矩阵生成电路12以及积和运算电路15。相关矩阵生成电路12由逻辑和电路及逻辑积电路构成,输入上述划分信号线L1~Lk的信号,并对每个划分信号线L1~Lk的信号算出平均值。该相关矩阵生成电路12对各划分的数据(这里是图像)中含有的同一行的要素算出平均值,可以由下面的(式1)来表示一般的对j行(第j)要素{Aj1,…,Aj1}求出平均值M的式子。进行(式1)的计算的相关矩阵生成电路12的平均值算出部分,可通过组合由逻辑电路形成的公知的加法运算电路和除法运算电路来实现。
【数学式1】
由上述相关矩阵生成电路12中的平均值算出部分得到的平均值Mj,被用于相关矩阵生成电路12的下述的处理中。该相关矩阵生成电路12的结构例如作为生成协方差矩阵的电路来加以实现。相关矩阵生成电路12输入之前算出的每个划分的平均值信号和上述划分信号线L1~Lk的信号,并对各划分生成构成相关矩阵的相关矩阵信号。具体而言,若使用上述平均值Mj,若将与一般j行(第j)的要素{A11,…,A1j}的减法运算的结果表示为Qjk,则可通过使用下面(式2)而求出协方差Skk。这里,Qjk T表示Qjk的转置矩阵。进行(式2)的计算的相关矩阵生成电路12,通过组合由逻辑电路形成的公知的减法运算电路及乘法运算电路来加以实现。
【数学式2】
Qjk=Ajk-Mj Skk=Qjk T·Qjk…(式2)
将相关矩阵生成电路12的输出送到固有值和固有矢量计算电路14。固有值和固有矢量计算电路14输入由相关矩阵生成电路12生成的相关矩阵信号和上述划分信号线L1~Lk的信号,并计算出与该相关矩阵的固有值和固有矢量相对应的信号。固有值和固有矢量计算电路14由逻辑电路构成,是由使用相关矩阵的要素通过已知的运算得到k次方程式的解的电路以及逻辑电路构成,并由使用上述解和相关矩阵的要素来得到固有矢量的电路构成,用于求出协方差Skk的固有值λ1~λk和固有矢量V。固有矢量V可以如(式3)那样进行记载。
【数学式3】
λ1,λ2,…,λk
将固有值和固有矢量计算电路14的输出提供给积和运算电路15。积和运算电路15由逻辑和电路及逻辑积电路构成,并输入通过固有值和固有矢量计算电路14算出的固有矢量信号以及划分信号线L1~Lk的信号,来算出与上述各划分的特征矢量对应的信号。即,积和运算电路15使用(式3)的固有值矢量V和上述Qjk T与Qjk,计算(Qjk·V)T·Qjk而得到特征矢量。由于该算出的特征矢量如下面所示的(式4)那样是k行k列的,所以集合在(式4)的行方向上排列的要素而得到特征矢量c1~ck。即,得到c1={c11,…,ck1}T、c2={c12,…,ck2}T、…、ck={c1k,…,ckk}T。
【数学式4】
c1…………………………………………………ck
将积和运算电路15的输出提供给距离算出电路16-1、…、16-i、…、16-k。距离算出电路16-1、…、16-i、…、16-k算出特征矢量c1~ck的各要素间的距离,在本实施例中各要素间的距离为dmin时,由下面的(式5)求出欧几里德距离。
【数学式5】
m=1,…,k ····(式5)
n=1,…,k
m≠n
图4示出代表距离算出电路16-1~16-k,距离算出电路16-1和距离算出电路16-k中的输入和输出以及电路内进行的运算。各距离算出电路16-1、…、16-i、…、16-k由进行上述图4所示的运算的逻辑电路构成。若用矩阵示出在此求出的欧几里德距离,则如下面的(式6)所示,是k行k列。
【数学式6】
将距离算出电路16-1、…、16-i、…、16-k的输出提供给结果输出电路18-1~18-k。将阈值设置电路17与结果输出电路18-1~18-k相连。阈值设置电路17设置用于与各要素间的距离(上述欧几里德距离)进行比较的阈值,可以由寄存器构成。结果输出电路18-1~18-k由逻辑电路构成,根据由阈值设置电路17设置的阈值,与由上述距离算出电路16-1~16-k算出的各要素间的距离进行对比,并输出表示是否是具有相应的距离的区间的多个信号。
该结果输出电路18-1~18-k为同一结构,若表示与一个结果输出电路的一输入对应的结构,则如图5所示。若将由阈值设置电路17设置的小的一侧的阈值作为低阈值a,大的一侧的阈值作为高阈值b,则具有由检测a<dmn的逻辑电路构成的比较器31、由检测b>dmn的逻辑电路构成的比较器32以及求出比较器31、32的输出的逻辑积的与电路33。在一个结果输出电路上设置k组图5的结构,由于按每k组求出结果,所以可以从一个结果输出电路得到多个输出。
这里举出具体例来加以说明。例如,设通过阈值设置电路17设置比5大比40小的值来作为阈值。由此,结果输出电路18-1~18-k对于(式6)的k行k列的各要素d,求出满足5<d<40的要素。这里,若设(式6)的k行k列的要素dk1和要素d23满足上述阈值的条件5<d<40,从而与电路33的输出为H电平,则该与电路33所属的结果输出电路的输出成为H电平,由于从一个结果输出电路输出的多个输出中的一个成为H电平,所以在该要素所属的列方向上排列的划分数据被确定。即,对上述要素dk1,确定为第1列的{A11,…,Aj1}T=Pic·1满足阈值条件,对于要素d23确定为第3列的{A13,…,Aj3}T=Pic·3满足阈值条件。
这里,在图2(a)的例子中,将一个图像分割为k(16)等分的划分图像Pic·1~Pic·k(k=16),若将输入到划分信号线L1~Lk的情况下的特征矢量C1~Ck决定为以0~255的256灰度等级进行表示,并求出欧几里德距离,则变为图2(b)所示的表格所示的值。
在图2(a)的划分图像Pic·1~Pic·k(k=16)中,划分图像Pic·1和划分图像Pic·3相等,划分图像Pic·2和划分图像Pic·4相等,划分图像Pic·5和划分图像Pic·7相等,划分图像Pic·6和划分图像Pic·8相等,划分图像Pic·10和划分图像Pic·12相等,划分图像Pic·13和划分图像Pic·15相等,划分图像Pic·14和划分图像Pic·16相等。唯一地只有划分图像Pic·9和划分图像Pic·11稍微不同。
因此,图2(b)所示的表格的划分图像Pic·9和划分图像Pic·11的距离成为表示是稍微不同的划分图像的“25”。完全相等的划分图像Pic·1和划分图像Pic·3等的距离是表示相同的“0”。除此之外的划分图像的组合(例如,划分图像Pic·1和划分图像Pic·16等)的距离为表示完全不同的“255”。在图2(b)所示的表格中,本来应当为DMAXw的地方标记为”0”。
如上所述,若求k行k列的表格值,则结果输出电路18-1~18-k使用所设置的作为小的一侧的阈值的“低阈值”和作为大的一侧的阈值的“高阈值”,对所有距离dn抽出比“低阈值”大且比“高阈值”小的距离,并将各个输出设作H电平。可以使与该输出为H电平的距离dn对应的数据群根据H电平,通过例如图中未示的显示部来进行显示输出。
在上述图2的图像的例子中,通过将“低阈值”设作10,将“高阈值”设作36,而抽出划分图像Pic·9和划分图像Pic·11,并加以显示输出。由于这些划分图像Pic·9和划分图像Pic·11如上所述,是稍微有差别的图像,所以适合于抽出有稍微的图像变化的部分的情形和进行两幅图片中的“找错”等的情形。
将如图6所示的4×4幅的图像作为一幅图像进行输入,分割为4×4的划分图像,而与上述同样,输入到划分信号线L1~Lk中来进行处理,通过将“低阈值”设作175,将“高阈值”设作200,而可以如图7所示那样,确定出照了同一人物的Label4、Label5、Label11三个划分图像来进行显示。进一步,通过对于图6的图像,将“低阈值”设作160,将“高阈值”设作168,从而如图8所示那样可以确定出照了同一人物的Label8、Label9的划分图像,并进行显不。
<实施例2>
图9示出第2实施例的数据处理装置的框图。该数据处理装置在第1实施例中,在距离算出电路16-1~16-k与结果输出电路18-1~18-k之间插入了最小距离抽出电路20-1~20-k。该最小距离抽出电路20-1~20-k对于由距离算出电路16-1~16-k算出的各要素间的距离,按每个划分抽出对于要素距离最小的距离。此外,本实施例的结果输出电路18A-1~18A-k为1输入1输出。即,结果输出电路18A-1~18A-k分别具有一个图5所示结构的电路。本实施例除该结果输出电路18A-1~18A-k和最小距离抽出电路20-1~20-k之外,采用与第1实施例相同的结构。
由于最小距离抽出电路20-1~20-k是同一结构,所以其中一个电路的具体例如图10所示那样构成。使用由比较距离算出电路16-i输出的相邻的输出的逻辑电路构成的第1级比较器41-1~41-(d/2)来得到第1级的输出,进一步在第2级中通过由比较前级的输出的相邻的输出的逻辑电路构成的第2级比较器来进行比较。最末级前级通过2个比较器45-1、45-2比较前级输出的相邻输出。最末级的比较器46对比较器45-1、45-2的输出进行比较。
通过该最小距离抽出电路20-1~20-k,如(式6)所示,在作为k行k列的欧几里德距离的矩阵中,比较列方向上排列的要素,而抽出其中最小的要素。在最小距离抽出电路20-1~20-k中,如图11所示,通过对所有列抽出最小列,而抽出k(图2中k=16)个距离。图11所示的例子中,作为一例,将距离dk1、d12、d23、…、d1k作为最小值抽出。
结果输出电路18A-1~18A-k接受由上述最小距离抽出电路20-1~20-k抽出的k个距离中对应的一个,对于该k个距离的各距离,使用阈值来检测是否处于相应的范围内。在图12的例子中,在图11中抽出的距离dk1、d12、d23、d1k分别是30、100、30、50的情况下,通过设置阈值的条件5<d<40,而检测出距离dk1、d23,并对作为结果的上述要素dk1确定第1列的{A11,…,Aj1}T=Pic·1,对于要素d23,确定第3列的{A13,…,Aj3}T=Pic·3。因此,可以根据这些结果输出电路18A-1~18A-k的输出,选择对应的划分图像来进行显示。
在本实施例中,由于按每个划分,对于各个要素抽出距离最小的距离,所以在每个划分中抽出了类似度最高的距离,从而进一步在结果输出电路18A-1~18A-k中,在该部分处于规定类似度中的情况下进行确定,而按照更严格的标准对一群数据的部分彼此进行类似和非类似等的判断。
因此,若使用第2实施例来进行图6所示的图像处理,则可以抽出类似且不相同的图像,而可通过阈值的改变,而如图7和图8所示那样抽出图像来加以显示。
Claims (3)
1.一种数据处理装置,其特征在于,包括:
划分信号线,用于送出与划分数据相对应的信号,该划分数据是通过将处理对象数据分别分割为进行比较的划分的大小而得到的;
相关矩阵生成电路,由逻辑和电路和逻辑积电路构成,输入所述划分信号线的信号,并对每个划分信号线的信号算出平均值,并且从对应的所述划分信号线的信号Ajk减去算出的每个划分的平均值Mj的信号,将减法运算结果的矩阵Qjk的信号和其转置矩阵Qjk T的信号相乘,来对各划分生成相关矩阵Qjk TQjk的信号,其中,k是将处理对象数据分割为k划分时的划分数,j=i/k,i是处理对象数据的数量;
固有值和固有矢量算出电路,由逻辑电路构成,输入由所述相关矩阵生成电路生成的相关矩阵信号和所述划分信号线的信号,并算出与该相关矩阵的固有值和固有矢量V相对应的信号;
积和运算电路,由逻辑和电路和逻辑积电路构成,输入由所述固有值和固有矢量算出电路算出的与固有矢量V相对应的信号和所述相关矩阵生成电路的输出信号,将与固有矢量V相对应的信号的转置矩阵VT和由所述相关矩阵生成电路生成的相关矩阵中的转置矩阵Qjk T的乘法运算结果再乘以所述相关矩阵中的非转置矩阵Qjk,而算出与所述各划分的特征矢量C1~Ck相对应的信号;
距离算出电路,由逻辑电路构成,输入由所述积和运算电路算出的与特征矢量C1~Ck相对应的信号,进行所述特征矢量C1~Ck的各要素Cm和所述特征矢量的另外的各要素Cn的减法运算,其中m=1,…,k;n=1,…,k;m≠n,并算出作为减法运算的绝对值的各要素间的距离
阈值设置电路,设置用于与各要素间的距离进行比较的阈值信号;
结果输出电路,由逻辑电路构成,根据由所述阈值设置电路设置的阈值信号,与由所述距离算出电路算出的各要素间的距离信号进行对比,而输出表示是否是具有相应距离的区间的信号。
2.根据权利要求1所述的数据处理装置,其特征在于,
上述数据处理装置还包括最小距离抽出电路,该最小距离抽出电路由逻辑电路构成,输入由距离算出电路算出的各要素间的距离信号,并对每个划分的各个要素抽出距离最小的距离;
结果输出电路将该最小距离抽出电路抽出的距离的信号与阈值信号进行对比,并输出表示是否是具有相应距离的区间的信号。
3.根据权利要求1或2所述的数据处理装置,其特征在于,
该数据处理装置还包括处理电路,该处理电路根据结果输出电路的输出,输出作为具有相应距离的区间的划分数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007-264965 | 2007-10-10 | ||
JP2007264965A JP5004743B2 (ja) | 2007-10-10 | 2007-10-10 | データ処理装置 |
PCT/JP2008/067299 WO2009047983A1 (ja) | 2007-10-10 | 2008-09-25 | データ処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101828181A CN101828181A (zh) | 2010-09-08 |
CN101828181B true CN101828181B (zh) | 2013-03-20 |
Family
ID=40549128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200880108845.5A Expired - Fee Related CN101828181B (zh) | 2007-10-10 | 2008-09-25 | 数据处理装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8396911B2 (zh) |
EP (1) | EP2199923A4 (zh) |
JP (1) | JP5004743B2 (zh) |
KR (1) | KR101124637B1 (zh) |
CN (1) | CN101828181B (zh) |
WO (1) | WO2009047983A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5554984B2 (ja) * | 2009-12-24 | 2014-07-23 | キヤノン株式会社 | パターン認識方法およびパターン認識装置 |
JP5441737B2 (ja) * | 2010-01-28 | 2014-03-12 | 東芝情報システム株式会社 | 画像処理装置、画像処理方法及び画像処理用プログラム |
JP5367601B2 (ja) * | 2010-01-28 | 2013-12-11 | 東芝情報システム株式会社 | 画像処理装置、画像処理方法及び画像処理用プログラム |
JP5455682B2 (ja) * | 2010-01-28 | 2014-03-26 | 東芝情報システム株式会社 | 画像処理装置、画像処理方法及び画像処理用プログラム |
JP7101084B2 (ja) * | 2018-08-29 | 2022-07-14 | 株式会社東芝 | 情報処理装置、情報処理システム及び情報処理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1478233A (zh) * | 2001-10-22 | 2004-02-25 | ���ṫ˾ | 信号处理方法及设备 |
CN1479910A (zh) * | 2001-10-22 | 2004-03-03 | ���ṫ˾ | 信号处理方法及设备 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2979711B2 (ja) * | 1991-04-24 | 1999-11-15 | 日本電気株式会社 | パターン認識方式および標準パターン学習方式 |
JP3729581B2 (ja) * | 1996-12-05 | 2005-12-21 | 松下電器産業株式会社 | パターン認識・照合装置 |
US6345109B1 (en) * | 1996-12-05 | 2002-02-05 | Matsushita Electric Industrial Co., Ltd. | Face recognition-matching system effective to images obtained in different imaging conditions |
US6671404B1 (en) * | 1997-02-14 | 2003-12-30 | Hewlett-Packard Development Company, L.P. | Method and apparatus for recognizing patterns |
JP2004157614A (ja) | 2002-11-01 | 2004-06-03 | Advanced Telecommunication Research Institute International | 行動分析装置 |
JP2005250562A (ja) * | 2004-03-01 | 2005-09-15 | Tama Tlo Kk | 判別分析を行う方法、類似画像検索方法、及び、そのプログラム、装置 |
JP4484643B2 (ja) * | 2004-09-10 | 2010-06-16 | 独立行政法人科学技術振興機構 | 時系列データ異常判定用プログラム及び時系列データ異常判別方法 |
US7715597B2 (en) * | 2004-12-29 | 2010-05-11 | Fotonation Ireland Limited | Method and component for image recognition |
JP2007080061A (ja) * | 2005-09-15 | 2007-03-29 | Univ Of Tsukuba | Webページの検索方法及びWebページのクラスタリング方法 |
JP4641492B2 (ja) * | 2005-11-16 | 2011-03-02 | 日本電信電話株式会社 | 特異映像検出装置、特異映像検出方法およびプログラム |
US7620204B2 (en) * | 2006-02-09 | 2009-11-17 | Mitsubishi Electric Research Laboratories, Inc. | Method for tracking objects in videos using covariance matrices |
-
2007
- 2007-10-10 JP JP2007264965A patent/JP5004743B2/ja not_active Expired - Fee Related
-
2008
- 2008-09-25 KR KR1020107010208A patent/KR101124637B1/ko not_active IP Right Cessation
- 2008-09-25 WO PCT/JP2008/067299 patent/WO2009047983A1/ja active Application Filing
- 2008-09-25 CN CN200880108845.5A patent/CN101828181B/zh not_active Expired - Fee Related
- 2008-09-25 US US12/680,826 patent/US8396911B2/en not_active Expired - Fee Related
- 2008-09-25 EP EP08836935.0A patent/EP2199923A4/en not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1478233A (zh) * | 2001-10-22 | 2004-02-25 | ���ṫ˾ | 信号处理方法及设备 |
CN1479910A (zh) * | 2001-10-22 | 2004-03-03 | ���ṫ˾ | 信号处理方法及设备 |
Non-Patent Citations (3)
Title |
---|
JP特开2006-079479A 2006.03.23 |
JP特开2007-080061A 2007.03.29 |
JP特开平10-171988A 1998.06.26 |
Also Published As
Publication number | Publication date |
---|---|
CN101828181A (zh) | 2010-09-08 |
KR20100084538A (ko) | 2010-07-26 |
JP2009093500A (ja) | 2009-04-30 |
EP2199923A1 (en) | 2010-06-23 |
KR101124637B1 (ko) | 2012-03-20 |
EP2199923A4 (en) | 2013-12-25 |
US8396911B2 (en) | 2013-03-12 |
US20100211622A1 (en) | 2010-08-19 |
JP5004743B2 (ja) | 2012-08-22 |
WO2009047983A1 (ja) | 2009-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109446430B (zh) | 产品推荐的方法、装置、计算机设备及可读存储介质 | |
US4167728A (en) | Automatic image processor | |
Paschos | Fast color texture recognition using chromaticity moments | |
CN101828181B (zh) | 数据处理装置 | |
CN105488515A (zh) | 训练卷积神经网路分类器的方法和图像处理装置 | |
CN104408405B (zh) | 人脸表示和相似度计算方法 | |
CN102592148A (zh) | 基于非负矩阵分解和多种距离函数的人脸识别方法 | |
CN102982349A (zh) | 一种图像识别方法及装置 | |
Dulá | An algorithm for data envelopment analysis | |
CN106257496B (zh) | 海量网络文本与非文本图像分类方法 | |
CN103093247B (zh) | 一种植物图片的自动分类方法 | |
US20180143968A1 (en) | System, method and non-transitory computer readable storage medium for conversation analysis | |
CN111986180A (zh) | 基于多相关帧注意力机制的人脸伪造视频检测方法 | |
CN104156979A (zh) | 一种基于高斯混合模型的视频中异常行为在线检测方法 | |
CN111739037A (zh) | 一种针对室内场景rgb-d图像的语义分割方法 | |
CN103824063A (zh) | 基于稀疏表示的动态手势识别方法 | |
CN108021693A (zh) | 一种图像检索方法和装置 | |
CN108363962A (zh) | 一种基于多层次特征深度学习的人脸检测方法及系统 | |
Zhu et al. | Graph-based reasoning attention pooling with curriculum design for content-based image retrieval | |
CN114492634A (zh) | 一种细粒度装备图片分类识别方法及系统 | |
Li et al. | HTDFormer: Hyperspectral target detection based on transformer with distributed learning | |
Gang et al. | Coresets for PCB character recognition based on deep learning | |
CN107330382A (zh) | 基于局部卷积特征联合表示的单样本人脸识别方法及装置 | |
Srinivasan et al. | The independent components of characters are'strokes' | |
Ribas et al. | Fractal dimension of bag-of-visual words |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130320 Termination date: 20170925 |