CN1271568C - 信息变换系统 - Google Patents

Abstract

在本发明的信息变换系统中，其构成具备以下各部，即，把含有模型化的部件三维形状数据的各种对象物属性数据及识别代码进行登录的数据库(300)，从每个部件的属性数据中生成比较用部件信息的比较用部件生成部(400)，获取含有对象物画像的输入画像的输入部(100)，对输入画像进行画像处理、并生成不须将对象物画像剪切的比较用画像信息的比较用画像生成部(200)，从比较用画像信息中检索出与比较用部件信息相对应部分并以比较用画像信息中的对应部分作为对象物画像来识别的同时，将含有比较用部件信息的部件作为对应对象物画像的部件来特定的特定处理部(500)。

Description

信息变换系统

(发明所属的技术领域)

本发明涉及的是根据包含能够显示对象性质的物理量的输入信息来自动识别对象物的信息转换系统，特别是把具有三维形状的对象物根据输入画像进行自动识别的信息转换系统，以及利用识别结果作为信息传送技术或成为人工智能基础的相关技术。

(现有技术)

现有技术中的防范监视系统，使用的是监视摄像机、红外线感应器等各种感应装置。利用监视摄像机或感应器的话，可以比较容易地远距离监视、检查是否有人侵入建筑物内。

另外，近年来随着画像的数码化，画像处理技术有了飞跃性的进步。其带来的优点是对画像的特定部分可以进行强调、剪切等操作，还可以对喜欢的画像进行合成，例如在实况转播棒球比赛时，任意的切换放映击球区后面的广告画像的技术被实际应用。

随着近年来通讯技术的进步，介由国际互联网等通讯线路的信息传送量不断增加，特别是画像信息，它拥有文字信息所无法相比的巨大信息量，在此，为了减少画像信息的传送量，先将画像信号压缩后再发送，所以在接收端将其复原的各种画像压缩技术就被开发出来。

例如，就静止画像的压缩符号化方式来说，JPEC(Joint Photographiccoding Experts Group)方式已作为国际标准形式被采用。JPEG方式是根据一定的法则以减少画素数量来减少画像全体的信息量的。另外，动态画像的压缩符号化方式是以MPEG(Motion Picture coding Experts Group)方式作为国际标准形式被采用，MPEG方式只是通过画面中的动画部分进行处理来减少画像全体的信息量。

然而，对监视摄像机画面中发生的事故或犯罪事件进行识别的终究还是人类，也就是说，并不是摄像机或监视器本身在识别事故等突发状况。所以，如果安装了监视器而没有监视员对画面的监视的话，还是有漏过发现事故等发生的可能。

另外，即使像红外线感应器等的防范感应装置检测到有何物体入侵，也难以识别此物体究竟是什么。因此，防范感应装置有时也会发生错误，也就是说，防范感应装置不但会检测到入侵者，还会检测到狗等动物的闯入。

最终这些问题的起因就是无法自动识别对象物是什么。

另外，如果要用画像处理对数码画像的特定部分进行强调、剪切的话，就必须由操作人员指定特定部分，然后，不论怎样处理这些数码画像，画像本身也不过只是画素信号的集合而已。因此对画像中的对象物“是何物”进行识别的，与上述监视摄像机的情况相同，还是由人类来识别。

作为画像识别技术，光学式文字读取装置(optical character reader；OCR)已被实用化。OCR通常以白色无地的纸面上的文字为识别对象。且OCR会通过对输入画像中剪切出来的文字模式与基准模式进行比较的模式匹配方式，自动识别文字。

但是如果是对存在于三维空间的对象物进行画像识别的话，对象物的背景不再限定于白色无地，而将邻接的对象物的轮廓线连在一起的情况比较多。这样，把每个对象物进行剪切分离就会比较困难，因此，即使直接用OCR等现有的模式匹配技术，对三维对象物的识别也不是很容易的。

现有的画像压缩技术是对画像信号进行处理的，所以画像在压缩后的传送容量也要远远大于文字信息的传送容量，其结果还是有在画像信息传送上花大量的时间、线路的负担也很大的问题。

但是，现有的画像识别技术还不能实现像人类那样从三维对象物的二维画像信息中识别出三维对象物为何物、或从二维画像信息中读取对象物所含的多种三维信息来类推的功能。也就是说，虽然现在二维画像识别技术有了很大进步，可是现有技术所能实现的也只不过是识别出对象的名称或类别的程度，要想像人类的大脑那样将对象物与其他的对象物分离识别、或进行对象物在包含物理量的三维测量是很困难的。

因此，只要能够实现包含对象物各种属性、三维形状或三维坐标位置的真正意义上的三维识别，再通过与现有的电脑技术相结合，就可以实现像人类那样，不是只识别名称或种类的程度，而是从复数的对象物中选择目标物，对其进行识别和计算，实现从与其他对象物之间的位置关系和意义关系中得出一个最终结论的人工智能技术。

(本发明所要解决的课题)

本发明鉴于上述情况，以提供能够自动识别三维对象物的信息转换系统为第1目的。

而且，不仅可以自动识别三维对象物，更能够将某对象物从其他对象物中区分出来进行识别，连看不到的部分都包含在内决定其三维形状、位置坐标，再把复数的对象物用对应的复数的三维CG连同其位置一起再构成，并使之可以用自由视点来表现。

另外本发明以提供通过信息转换大幅降低了画像信息的信息容量，并能够实现画像信息高速传送的技术为第2目的。

而通过第1和第2目的结合，就能够提供代替人类在远距离判断对象物的状况、实现能够得出结论的人工智能技术。

为了达到上述的第1目的，本发明者经过种种的检讨而得出的结果是，如果用现有的模式匹配方式来识别三维对象物的话，就会使得从输入画像中进行对象物画像的个别剪切处理非常困难。在此，本发明想到了在不须从输入画像剪切出对象物画像的情况下，就能自动进行识别的技术。

根据本发明的申请权项1信息转换系统，此系统包括以下各部，即，拥有将各种对象物进行模型化的部件的、表示对象性质的数据的属性数据及登录有识别代码的数据库，从每个部件的属性数据中生成一个或复数的比较用部件信息的比较用部件生成部，获取包含对象信息的输入信息的输入部，从输入信息中生成未将对象信息个别分离的比较用信息的比较用信息生成部，利用相互间拥有同一种数据的比较用部件信息及比较用信息来特定对应于对象的部件的部件特定部，以及将被特定的部件的识别代码以及属性数据的一部分的作为上述对象的识别结果来输出的输出部。其中部件特定部由以下各部构成，对于一个或复数的部件的一个或复数的比较用信息来说、能够从比较用信息中按顺序检索出与比较用部件信息的一部分相对应的对应部分的检索处理部，将比较用信息中的对应部分作为对象来识别的识别处理部，和将含有比较用部件信息的部件作为对应于对象的部件来特定的特定处理部。

通过上述的构成，例如当对象是声音信息时，即使在因为杂音等想把目标声音信息从输入信息中提取的过程十分困难的情况下，也可以通过从部件端检索输入信息中的对应部分来特定目标声音信息。

不单识别对象的名称，还可以将部件特定后的处理置换成部件来进行。其结果是，只要在特定部件中包含事先赋予的属性数据的话，即使是未包含在输入信息里的数据，也可以输出。因此，通过本发明可以实现更高度的对象识别，例如画像识别或画像理解、乃至声音识别、声音理解或自动翻译，亦可以作为人工智能等的信息处理技术的基础技术，利用在各个领域中。

(画像)

本发明申请权项2信息转换系统中包括以下各部，把含有模型化的部件三维形状数据的各种对象物属性数据及识别代码进行登录的数据库，从每个部件的属性数据中生成一个或复数的比较用部件信息的比较用部件生成部，获取含有对象物画像的输入画像的输入部，对输入画像进行画像处理、并生成不须将对象物画像个别剪切的比较用画像信息的比较用画像生成部，利用相互间含有同一种数据的比较用部件信息及比较用画像信息来特定对应于上述对象物画像的部件的部件特定部，将被特定的部件的识别代码及属性数据的一部分作为对象物画像的识别结果输出的输出部。其中，部件特定部由如下各部构成，对于一个或复数的部件的一个或复数的比较用部件信息来说，能够从比较用画像信息中按顺序检索出与比较用部件信息一部分相对应的对应部分的检索处理部，以比较用画像信息中的对应部分作为对象物画像来识别的识别处理部，和将含有比较用部件信息的部件作为对应对象的部件来特定的特定处理部。

这样，本发明的信息转换系统，是通过把对象物画像转换成拥有属性数据的模型化部件来识别的。此时，以比较用部件信息形式来检索比较用画像信息，然后，把比较画像中的对应部分作为对象物画像来识别的同时，特定对应的部件。

这样的话，则不须从输入画像中剪出每个对象物画像，就可以自动识别对象物。因此，在从输入画像中个别剪出对象物画像十分困难的情况下，也能自动识别三维对象物。

本发明中的对象物并不一定是实际存在的物体，亦可以将假想现实的画像等作为输入画像使用。另外，可以作为比较用画像信息，从输入画像中通过傅立叶(FOURIER)转换等方法生成积分转换数据的同时，也可以作为比较用部件信息，从部件的属性数据中通过傅立叶(FOURIER)转换等方法生成积分转换数据。

通过本发明，在各部件中赋予属性数据，因此不仅要识别对象物名称，还可以将被特定的部件的处理转换成部件进行。其结果是，只要在被特定的部件中事先赋予属性数据的话，即使存在输入画像中没有的数据也可以输出，例如，可以把没有出现在输入画像中的对象物的形状、或对象物的金额、重量等信息作为属性数据予以输出。

这样，根据本发明可以实现更高度的画像识别或画像理解，并且本发明还可以作为人工智能等信息处理技术的基础技术利用到各个领域中。

对象物包含在申请权项1中的对象中，比较用画像生成部被包含在申请权项1中的比较用信息生成部中，而比较用画像信息亦被包含在申请权项1中的比较用信息中。

(部件的特征要素)

根据申请权项3所记载的本发明的构成中，比较用部件生成部是作为比较用部件信息，将部件的属性数据分解成轮廓线等基本要素，生成由个别或复数的基本要素组合成的复合要素；比较用画像生成部作为比较用画像信息，抽出轮廓线等基本要素，生成个别基本要素或复合要复的集合；检索处理部是从比较用画像信息中检索与部件基本要素和复合要素相对应的部分。

这样，若把属性数据分解成基本要素，以基本要素或复合要素单位来检索比较画像中的对应部分的话，就能够提高检索处理的效率。

在各基本要素或复合要素中，为了方便以后的处理，分别赋予各自的要素识别代码较宜。

(部件特征要素)

申请权项4所记载的本发明的构成中，比较用部件生成部作为比较用部件信息，生成部件属性数据特征部分的基本要素或复合要素；检索处理部从比较用画像信息中检索对应于特征部分的基本要素或复合要素的部分；识别处理部是在检索到与特征部分的基本要素或复合要素相对应的部分后，确认该对应部分、和同一部件的该特征部分以外的基本要素或复合要素的对应，再将对应部分作为对象物画像来识别。

这样，只要通过特征部分的基本要素或复合要素来进行检索处理的话，就能够使检索处理更有效。

(部件工作)

根据申请权项5所记载的本发明的构成中，比较用部件生成部作为比较用部件信息，给予与基本要素或复合要素形状一致的画素单位以高得点，并生成给予偏离要素形状的画素单位以低得点的由二维矩阵或三维矩阵形成的要素抽出过滤器(以下称“要素工作”)；检索处理部作为上述的对应部分，检索出与比较用画像信息的基本要素或复合要素一致的画素单位的合计得点最高的部分。

像这样如果使用要素抽出过滤器的话，就可以再检索出合计得点最高的部分的同时，也取得最终的一致，这样，就能够抑制不必要的检索，提高检索效率。

(结合关系)

根据申请权项6记载的本发明的构成，比较用部件生成部在复合要素中给予只特定基本要素间的结合关系的信息，部件特定部则以与结合关系的一部分相一致为条件来检索对应部分。

像这样仅仅规定结合关系的话，就可以舍去复合要素的方向、大小、位置及形状的信息。因此，即使方向、大小、位置及形状等不一致的话，也可以检索出与复合要素部分一致的对应部分。其结果是，能够通过较少种类的比较用部件信息检索出对应部分，使得检索处理的效率更佳。

在向构成复合要素的各基本要素中赋予要素识别代码的同时，如果能再赋予将输入画像分解成了基本要素的比较用画像信息的各基本要素以要素识别代码的话，就能在要素识别代码之间寻求一致。例如，可以将比较用部件信息端的要素识别代码与比较用画像信息端的要素识别代码以桌子形状来比较。

另外，基本要素中还包含了角、线段、面、或者三者的组合，还包含有通过傅立叶(Fourier)变换等方法进行积分变换后的数据。

(自动识别函数)

申请权项7记载的本发明的构成是，使记录在数据库中的各部件属性数据包含指示特定该部件的处理方法的自我特定信息，而比较用部件生成部生成指定自我特定信息的比较用部件信息，把比较用部件信息按自我特定信息的指定优先顺序向部件特定部输出，部件特定部基于自我特定信息来特定部件。

只要让各部件持有自我特定信息的话，就能在特定了各部件后再生成含有特征信息的比较用部件信息。通过指定比较用部件信息的种类或生成顺序，还可以使得检索处理更效率化。其结果是，在实现特定处理效率化的同时，还能够提高特定的精度。

有关部件的处理方法或条件，以在部件特定部中事先设定好为宜，也可以作为自我设定信息登录到数据库中。

例如，事先在部件特定部中，设定好可供选择的复数处理方法，在选择部件时，遵从此部件属性数据中的自我特定信息的指令，从中选择出最合适的处理办法。

另外，例如作为自我特定信息，除上述处理方法的选择外，在部件特定部中还有处理方法的程序，而部件特定部通过获得此程序，可以按照自我特定信息进行检索处理、识别处理及特定处理。

(集合部件)

中请权项8所记载的本发明的构成是，在数据库中，作为集合部件的属性数据，先将构成该集合部件的复数部件的识别代码及组合条件予以登录，而特定处理部在特定部件间满足了此组合条件的前提下，再次对组合的特定部件后的集合部件进行特定。

即使全体画像是非固定的对象物，也可以将其作为对应于此对象物各部分的部件集合来特定。

另外，作为部件间的组合条件，可以举出部件间的配置关系。而集合部件是由复数的块构成，适用于识别全体形状发生变化的对象物上。

(四维部件)

申请权项9所记载的本发明的构成是，数据库作为将对象物的一系列动作模型化的四维部件属性数据，含有该对象物三维形状数据的时间系列顺序的集合。

这样也可以对对象物的动作本身进行识别。

(一般部件)

根据申请权项10所记载的本发明的构成，数据库作为对象物群共通化模型化后的一般部件的属性数据，在该对象物群的每个对象物模型化后的部件中含有共通的属性数据。

由此能够较容易地生成允许范围较宽的比较用部件信息。例如，像形状与规格化的工业制品不一样的对象物、农产物等，要对一个个形状不同的对象物进行识别时，作为表现其一般形状的方式来使用为宜。

(部件的限定)

根据申请权项11记载的本发明来看，在数据库中，事先将一般部件与该一般部件的属性数据共通的部件连接起来，比较用部件生成部生成对一般部件的比较部件信息，通过特定处理部特定一般部件时，生成与此一般部件有关联的部件的比较用部件信息。

这样可以有效的进行对象物的特定。

另外，像这样分为两个阶段的对象物特定处理方法，也可以通过申请权项6记载的自我特定函数来指定。

(数据读取)

根据申请权项12记载的本发明，数据库会将从识别后的对象物画像中得到的数据，作为特定部件的属性数据来读取，或与属性数据的一部分进行置换。

这样，从对象物画像中读取属性数据、或者进行置换的话，就能够得到更准确的属性数据。例如，部件被特定时，最好能读取与对象物画像不一致部分的属性数据，并进行置换。

而属性数据的读取等，可以用申请权项3记载的基本要素或复合要素单位来进行。

(通过部件的集团化的限定)

根据申请权项13记载的本发明，数据库事先对每个设定情况进行复数部件的集团化，而比较用部件生成部在输入画像与某个设定情况相符合时，生成关于符合该设定状况的集团内的部件的比较用部件信息。

像这样在设定状况的集团内特定部件的情况下，就能够限定用于检索处理的部件，可以使得检索处理更加效率化。

(坐标的限定)

根据申请权项14记载的本发明，检索部对应输入画像的情景，限定上述的比较用画像信息中的检索范围。

像这样限定了检索范围的情况下，可以更有效地进行检索处理。例如，在比较用画像信息中的一部分对象物画像已经被识别时，可以从已识别的对象物与将要检索的部件的关系中限定检索处理。例如，在桌子的画像已被识别，用杯子的部件来检索比较用画像信息时，可以从将检索范围限定在此桌子画像的上方领域中。

(通过多视点一致来特定)

根据申请权项15记载的本发明，复数的输入部从同一对象物的不同已知方向分别取得输入画像，比较用画像生成部从各输入部获得的输入画像中，生成分别含有二维形状数据的比较用画像信息，比较用部件生成部生成含有把部件的三维形状数据投影到各个已知方向的二维形状数据的比较用部件信息，而部件特定部，对应于各个比较用画像信息，分别特定部件，并确认被特定的同一部件。

像这样能够特定部件的情况，对于各方向的输入画像，被特定为同一部件。因此，部件特定的精度能够大幅的提高，同时也提高了对对像物识别的可信赖性。

例如，在一个比较用画像信息中与比较用部件信息的对应不成立时，原则上在其他方向的比较用画像信息中与比较用部件信息的对应也不会成立，部件不会被特定。而当一个比较用画像信息与比较用部件信息的对应成立的话，原则上其他方向的对应也会成立，部件则会被特定。

而生成二维比较用画像信息时，可以把各个多视点的输入画像分别通过傅立叶(Fourier)变换的方法用于二维积分变换后的数据。另外生成二维比较用部件信息时，假设部件放在了对象物的位置上的话，可以通过从已知方向拍摄的对象物画像的二维积分变换数据的演算来生成。然后，在部件特定处理部，寻求二维积分变换数据间的对应关系，若一致的话就可以进行部件的特定了。

(通过2D-2D的特定)

另外，根据申请权项16所记载的本发明，输入部获取含有从单一方向拍摄的对象物画像的输入画像，比较用画像生成部从输入画像生成包含二维形状数据的比较用画像信息，比较用部件生成部生成含有部件的三维形状数据向任意方向投影后的二维形状数据的比较用部件信息。

由于在部件的属性数据中含有三维形状，因此，在投影于已知方向的比较用部件信息中，亦可以赋予三维形状数据等属性数据。其结果是在检索比较用画像信息时，通过比较用部件信息所含有的属性数据，可以预测对应部分对象物的三维形状或坐标等。

例如，部件侯补是桌子时，与桌子飘浮于空中的状态、桌子倒立的状态相比，能够优先检索出桌子正立在地板上的状态，提高了检索效率。

(通过3D-3D的特定)

根据申请权项17所记载的本发明，输入部分别取得从同一对象物的不同方向所拍摄的有视差的输入画像，比较用画像生成部则从各个输入画像中生成包含有三维形状数据的比较用画像信息，比较用部件生成部生成含有部件的三维形状数据的比较用部件信息。

因为预先赋予部件全方位的三维形状数据，所以能生成含有三维形状数据的比较用部件信息。另外，也能从多个输入画像中生成含有作为由视差产生的立体画像的对象物一部分的三维形状数据的比较用画像信息。因此，以比较用部件信息的三维形状，可以直接检索比较用画像信息的三维形状部分，并可以在三维坐标内直接特定部件。据此，可以完成简单且准确的部件特定。

另外，当三维的比较用画像信息生成时，可以从通过把多方向拍摄的输入画像分别进行傅立叶(Fourier)变换等方法的二维积分变换后所得的各方向数据中，通过三维逆积分的变换来生成。又如，假设将部件放在对象物的位置上的话，可以将由摄像机从已知方向获得部件的三维数据通过来自属性数据的计算来生成。

(固定)

根据申请权项18记载的本发明，部件特定部备有决定表示部件三维形状及其配置关系的三维坐标的固定处理部。

在决定三维坐标时，当在特定部件的属性数据中遇到没有预先持有的数据的情况下，可以把从输入画像中所得到的数据添加到属性数据中。

如果像这样固定部件的话，就不单单是画像识别，还可以利用特定部件的三维坐标和属性数据进行更高的画像处理和画像理解。例如，从三维坐标中，可以获得各个对象物的对应部件间的三维位置关系。又如，从各部件的三维坐标和属性数据中，将对应于对象物的部件间的相互关系赋予意义的信息，并导出有关输入画像的表示状况意义的、进行综合判断所必需的数据。

(同一物体的区别)

根据申请权项19所记载的本发明，部件特定部在特定多个个别对象物画像间的同一部件时，固定处理部在特定各部件的识别代码中分别附加互不相同的识别子。

像这样在识别代码中附加识别子的话，即使多个对象物是相同的种类，也能对各个对象物进行区分和识别。

(跟踪)

根据申请权项20所记载的本发明，部件特定部在输入画像是由多个窗口构成的动画画像的情况下，对于一个窗口来说，特定部件，对于其他窗口来说，只对曾经被特定的部件重复进行固定处理。

因此，一旦特定部件，即使对象物在移动，也没有必要再进行识别处理和特定处理。也就是说，不改变部件的识别代码，只要在更新对象物画像的位置(例如坐标数据)的同时，就能跟踪对象物。其结果是因为能多次利用部件的特定结果，所以可以实现高效地传送·记录·显示。

例如，在VEDIO画像等连续输入的输入画像中，同一对象物的位置是连续变化的。因此，在连续变化的画像中，能把有一定误差范围的对象物作为同一部件按顺序特定，使得输入画像在每次更新时没有必要对同一部件进行再特定。

(自由视点)

根据申请权项21所记载的本发明，输出部把在部件特定部中被固定处理的复数部件以及这些部件的三维空间配置作为从任意位置视点看到的画像进行再构成并显示出来。

由于各部件含有三维的形状数据，因此，即使输入画像只是从一个方向获得的画像，对于被再构成的各部件来说，就能够得到从任意方向所看到的画像数据。其结果是能够输出表示从输入画像不同的视点所看到的部件群全体形态的画像。

因此，把在复数的对象物以及在它们的三维空间中的配置关系，以对应的各部件的属性数据为基础，可以作为模型化了的各部件的配置关系进行再现。

(摄像机校准和三维画像的结合)

根据申请权项22所记载的本发明，输入部以从互不相同的方向分别拍摄的三维形状和位置已知的对象物时而获得的输入画像中的对象物画像为基础，寻求各输入画像的摄像范围在三维空间中的重叠部分，把此重叠部分矫正到三维坐标上并使之一致后结合成画像，寻求各输入部的视点位置以及画角。

被特定并固定的部件因含有三维形状以及三维坐标数据，所以从拍摄到的已知对象物的对象物画像中，通过结合其重叠部分可以将从不同的摄像机获得的画像进行结合，同时，可以寻求对于此对象物的视点方向。另外，还可以寻求从别的方向拍摄此对象物时的视点方向。因此，根据对此对象物的被特定和固定的部件，可以分别寻求从各个方向拍摄同一对象物的各输入部的视点方向、视点位置以及画角。

复数的输入画像并不限于相互间同时被拍摄，例如，即使对着对象物的输入部在移动时，如果成为对象物基准的坐标系没有移动的话，就可以同样地结合画像，寻求视点位置及画角。

(通讯)

为了达成上述的第1目的和第2目的的，申请权项23所记载的本发明由如下各部构成，它们是把从输出部输出的识别代码向通讯回线发送的送信部，接收识别代码的接收部，建立识别代码和属性数据的对应关系并保存的接收端数据库，将对应于识别代码的部件属性从上述的接收端数据库中进行检索并将相应的属性数据输出的再构成部。

因此，在发送端传送被特定部件的识别代码和位置信息的话，就可以把输入画像的对象物画像变换成部件的画像在接收端进行再构成。其结果是无须传送对象物的画像数据，因此，能够实现大幅减低传送容量和高速传送，同时也减轻了回线的负荷。

(异部件库)

根据申请权项24所记载的本发明，在发送端数据库和接收端数据库中，同一识别代码的部件的三维形状数据是互不相同的。

在接收端的数据库中登记了的部件，与在发送端的数据库中登记的部件一致亦可不一致亦可。

例如，只想快速传送对象物的配置状态等信息时，这些数据库的内容不须一定相同。又如，要进行简要明了的说明时，漫画或插图部件，即作为虽然与对象物不同但能够象徵性地表现对象物的部件，也可以再生对象物。

(解析信息)

根据申请权项25记载的本发明的构成中，设有通过部件特定部组合特定的复数部件的属性数据，并生成对由这些部件形成的部件群的解析信息的解析生成部。

因此，不仅是对每个对象物的个别识别，还可以识别对象群全体的状态。例如，在每个对象物的属性数据中，重量数据间的互相组合后，能够把对象物全体的总重量作为解析属性信息来生成。

组合的属性数据并不限定在同一种类间，互不相同的部件、种类的属性数据间也可以相互组合。

如果利用不包含在输入画像中的属性数据生成解析属性信息的话，即使对于人类在仅仅依赖输入画像来识别和判断均存在困难(例如，制造年月日)的情况下，也可能进行自动的识别和判断。

对于生成的解析信息，最好具备用于选择利用解析信息的生成的部件或属性数据的组合方式的项目选择部。如果设立项目选择部，可以选择组合方式。其结果是信息转换系统不只是限定于再特定的用途，而可以作为通用的系统来使用。

(图的简单说明)

图1是说明本发明第1实施例的信息变换系统构成的机能块图。

图2是说明数据库的识别代码和属性数据例的图表。

图3是说明本发明第1实施例的信息变换系统动作的流程图。

图4表示的是在数据库中，复数的部件进行集团化后进行保存登录的形态的模式图。

图5(A)是本发明第1实施例中的信息变换的对象物的斜视图，图5(B)是输入画像的画像模式图。

图6是说明利用二维间的比较用画像信息和比较用部件信息的部件特定块图。

图7(A)表示的是图5(B)中的对应于各个对象物画像的部件模式图，图7(B)是表示被识别的部件群的表示画面。

图8是说明部件特定部的处理的流程图。

图9是说明本发明第1实施例的坐标代码例的图表。

图10(A)是表示从侧面视点看到的再构成后的部件群的形态的表示图，图10(B)是表示从上方视点看到的再构成后的部件群的形态的表示图。

图11是基本要素的比较用部件信息的模式图。

图12是要素过滤器的说明图。

图13是说明基本要素变形的模式图。

图14是比较用部件信息的1例。

图15是分解成基本要素的比较用画像信息的模式图。

图16(A)是特征部分的复合要素的比较用部件信息的模式图，图16(B)是分解成基本要素的比较用画素的一部分的模式图。

图17(A)是部件角和线条的向量表示一览表，图17(B)是部件角和线条的对应关系一览表。

图18是输入端角和线条的向量表示一览表。

图19是输入端角和线条间的对应关系一览表。

图20是表示输入画像中的桌子部分被特定的模式图。

图21是第3实施例的输入画像。

图22(A)是作为一般部件的影像，图22(B)是影像的要素抽出过滤器。

图23是输入信息向属性数据中进行读取处理的说明图。

图24是说明第4实施例的块图。

图25是在第4实施例中，表明对象物与摄像机间的位置关系的说明图。

图26是第4实施例的输入画像。

图27是说明第5实施例的信息变换系统的构成的块图。

图28是说明在接收端数据库登录的识别代码和属性数据例的图表。

图29(A)表示的是在第5实施例中模型化的部件的模式图，图29(B)表示的是被再构成的部件群的表示画面。

图30是第5实施例的信息变换系统的详细机能块图。

图31是接着图30的机能块图。

图32表示的是在图30所示的部件检索用相关函数演算装置中，与有关输入画像和部件的数据库进行比较识别的、将算法进行模型化的说明图。

图33表示的是图30和图31所示的信息变换系统中，把系统构成的信息处理程序进行模型化表示的说明图。

图34是说明第6实施例的信息变换系统构成的块图。

图35是说明第6实施例的信息变换系统动作的流程块图。

图36(A)是第6实施例的输入画像的模式图，图36(B)是登录车辆的模式图。

图37是说明第7实施例的信息变换系统构成的块图。

图38是说明第7实施例的信息变换系统动作的流程块图。

图39(A)是第7实施例的对象物模式图，图39(B)是表示模型化后的部件模式图。

图40是说明第8和第9实施例的信息变换系统构成的块图。

图41是说明第8实施例的信息变换系统动作的流程块图。

图42是第8和第9实施例的对象物模式图。

图43是说明第9实施例的信息变换系统动作的流程块图。

(实施本发明的最佳实例)

以下，参照各图对本发明的实施例予以说明，并声明本发明的实施例不限定于下述的实施例中。

[第1实施例]

本实施例的说明参照图1～图10。

1，信息变换系统的构成

图1是第1实施例中的信息变换系统的机能块图。如图1所示，第一实施例中信息变换系统是由数据库(DB)300、比较用部件生成部400、输入部100、比较用图像生成部200、部件特定部500以及输出部600构成。

(1)数据库

首先，对于数据库300予以说明。

在数据库300中，登录有被模型化了的对象物部件。此部件中，以表示对象物的三维形状的数据为开始，其他还包括对象物的特征，性质，状况等各种属性数据。然后，各个部件的属性数据与各个部件的识别码相对应，登录到数据库300中。

一般，在数据库300中的登录的部件的资料数量，总是希望尽可能多一点。但是，当被认识的对象物被限定的情况下，最好只登录与被限定对象相对应的部件。

另外，一般认为，属性数据的种类也总是希望尽可能多一点为好。但是，根据认识对象物的目的以及对象物的种类，也可以对属性数据种类做出限定。

图2表示的是在数据库300中登录的识别码以及属性数据的一个例子。如图2所示，在数据库300中与识别码(ID)相对应的部件的名称、三维形状、颜色、用途等属性数据被保存起来。此外，三维形状以及颜色的属性数据被作为数值数据也保存在数据库中。

另外，在数据库300中，作为集合部件M10的属性数据，也可以把构成该集合部件M10的数个部件M1的识别码及其组合条件一起登录。在图3的(A)中，模式化地表示出了集合附件M10的概念。

例如，把人的脸作为一个集合部件的例子。此时，可以把眼睛、嘴巴以及鼻子等部件组合成集合部件，作为脸的部件予以登录。另外，也可以把眼睛，嘴巴等部件的位置关系组合起来作为条件予以登录。

还可以举一个把小汽车作为集团附件的例子。此时，可以把轮胎、车门等部件组合作集合部件，把小汽车模型化的部件登录到数据库。另外，也可以把轮胎和车门等各个部件的位置关系组合起来作为条件。

在数据库300中，作为把对象物的一系列动作进行模型化的四维部件的属性数据，可以把该对象物的三维行形状数据的时间顺序的集合登录进去。图3(B)中模式化地表示了四维部件M20的概念。如果使用四维部件M20的话，就能够认识像人类的跑步动作、姿势手势等之类的对象物的动作。

另外，在数据库300中，把对象物共通化，作为已模型化了的一般部件的属性数据，并可以把该对象物群的每个已模型化了的对象物的部件中的共通属性数据登录到数据库中。

如果使用一般部件的话，则比较适合于认识农产品那种形状各异的对象物。

另外，一般部件一旦特定后，个别的部件也可以进行特定。

另外，最好是把每个设定情况中的数个部件集团化预先登录到数据库(部件库)300中。

图4所示的是把数个部件M1作为一个关联商品柜301进行集团化的一个模式例子。作为关联商品柜301，假如设定状况为室内，就可以把桌子、凳子等家具的部件集团化登录到数据库中。

像这样如果把部件集团化，就可以把在检索处理时用的部件限定在与设定状况相符合的集团之内。其结果就是能够提高检索处理的效率。

因此，本实施例中，在数据库中登录的各个部件的属性数据包含用来指示特定这些部件的处理方法的自我特定信息。

在这些部件的属性数据中，自我特定信息指定比较用部件信息中所用数据种类的同时，也指定用于检索的比较用部件信息的顺序。

对于部件特定的处理方法，可以预先在部件特定部500中设定好，也可以作为自我特定信息设定。如果把处理方法作为自我特定信息来设定的话，可以参考下面两个例子。

例一，预先在部件特定部500中设定可能选择的数个设定方法，根据自我特定信息，把这些处理方法中最适合的方法选择到部件特定部500中。

例二，作为自我特定信息，设定对于部件特定部500的处理方法的程式，然后把这个程式送到部件特定部500中并运行。

此外，因为部件中预先赋予了全方位的三维形状数据，所以比较用部件生成部400就可以生成包含部件的三维形状数据的比较用部件信息。此时，假设把部件定位于对象物的位置的话，这个部件则会被从既知方向摄影的摄像机所取得的该部件的三维数据根据属性数据的计算而生成。

(2)比较用部件生成部

接下来，比较较用部件生成部400予以说明。

比较用部件生成部400是根据每个部件中的属性数据生成一个或者数个比较用部件信息。例如，作为比较用部件信息，可以分别生成拥有三维形状数据的部件在各个方向投影而生成的二维图像。此外，作为比较用部件信息，亦可根据源自部件的属性数据的Fourier变换等方法生成积分变换数据。

生成比较用部件信息的侯补部件的范围或者顺序，可以预先设定好，亦可以由操作者予以指示。

另外，在部件拥有自我特定信息的情况下，比较用部件生成部400会生成指定自我特定信息的比较用部件信息。于是，比较用部件生成部400就按照自我特定信息的指定优先顺序将比较用部件信息向部件特定部输出。

(3)输入部

下面，对输入部100予以说明。

输入部100用于获得包含有对象物图像的输入图像。在第1实施例中，输入部100是由立体摄像机构成，作为输入图像，此立体摄像机就可以获得从不同角度、方位部摄像而捕获的有视差效果的模拟三维图像。

(4)比较用图像生成部

下面，比较用图像生成部200予以说明。

比较用图像生成部200对输入图像进行处理，并生成比较用图像信息。这些比较用图像信息就像是把各个对象物图像分别提取出来一样，没有经过高度的图像处理。

在本实施例中，比较用图像生成部200生成拥有与比较用部件信息的数据的种类相同的比较用图像信息。例如，比较用部件信息是二维图像的情况下，就生成二维图像的比较用图像信息。此外，比较用部件信息仅仅提取二维图像中的轮廓线时，就只生成从从输入图像中提取的轮廓线的比较用图像信息。又例如，作为比较用图像信息，亦可生成根据源自于输入画像的Fourier变换等方法的积分变换数据。

此外，比较用图像生成部200还可以根据从输入部100获得的立体图像，生成含有三维形状数据的比较用图像信息。此时，根据对对像物从各个方向拍摄而获得的输入图像分别进行Fourier变换等方法而生成的经二次积分变换的各个方向数据，可以从三次积分逆变换生成比较用画像信息。

在本实施例中，综合含有比较用部件信息的数据的种类，生成比较用图像信息，但是在本发明中，综合含有比较用图像信息的数据的种类后，比较用部件生成部400亦可以生成比较用部件信息。

(5)部件特定部

下面，对部件特定部500予以说明。

部件特定部500是利用相互之间拥有同一种数据的比较用部件信息以和比较用图像信息来特定与对象物图像相对应的部件。

因此，部件特定部500包含检索处理部510、识别处理部520、特定处理部530和固定处理部540。

在本实施例中，从输入图像中把各个对象物图像提取出来，而不把被提取出来的对象物图像与部件相核对。

(5-1)检索处理部

检索处理部510在一个或者数个部件的一个或者数个比较用部件信息中，按照顺序，从比较用图像信息中检索与比较用部件信息相对应的部分。于是，在比较用图像信息中，就能判断出是否有至少与比较用部件信息的一部分相对应的部分存在。

对于相对应部分的检索，比较用图像信息任一部分与比较用部件信息没有必要完全一致。例如，在比较用部件信息的要素中，只要有一定比例以上的部分一致，就可以判断为对应部分。

(5-2)识别处理部

识别处理部520是把比较用图像信息中的对应部分作为对象物图像进行识别，由此，不必从输入图像中把对象物分别提取出来，就能够确定输入图像中对象物图像的范围。

另外，比较用图像信息中各部分作为对象物图像被识别后，在进行其他部件的检查处理时，可以检索关于比较图像中的剩余部分。

(5-3)特定处理部

特定处理部530特定含有比较用部件信息的部件中与对象物图像相对应的部件。这样，这些部件的识别码(ID)及属性数据可以从数据库300中获得。

由此，对象物的图像信息转换成部件的数据，从而，不须人类来识别对象物是何物，由计算机自身就能够自动识别。

(5-4)固定处理部

固定处理部540中，根据被识别对象物图像的位置来决定特定部件的位置，对于已定位置的部件的配置方向，是基于与对象物图像相对应的比较用部件信息的数据来决定。

对象物的位置信息中内藏信息，可以假定作为立体图像的视觉差来获得。在没有立体图像的情况下，根据部件的特定，其结果也可以从对象物间的相对位置关系获得。

例如，在水平的地板上放置一张桌子，当地板、桌子以及桌子上放置的杯子在被认识时，部件地板、部件桌子和部件杯子都具有三维形状数据。因此即使没有视觉差，部件地板、部件桌子和部件杯子的位置关系都可以限定。例如，有重力存在，桌子和杯子就不会在空气中浮起，在此合理的假定条件下，就可以把这些部件的位置关系分别限定在各自的水平面上，然后，在这些水平面的范围内，能够检索到和部件一致的图像。如果一致的话，部件就可以被特定。然后，从被特定部件的三维形状的大小以及方向开始逆算，就能够得到桌子和杯子的三维位置。

另外，部件的配置方向信息通常包含有比较用部件信息的数据，例如，在生成包含由部件的三维形状数据向二维空间投影时而得的二维形状数据的比较用部件信息的情况下，这种比较用部件的信息包含有投影方向的信息，因此，根据对应部分已经发现的比较用部件信息的投影方向的信息，来决定部件的配置方向。

固定处理部不仅可以从对象物得到位置方向，如果有必要的话，还可以最终决定有关部件的作为属性数据所有的形状、颜色、声音、味道以及硬度等五感信息，甚至可以最终决定制造年月日等由人类制作出的信息等。

然而，在数个对象物图像中相互之间有相同的部件被特定的时候，此时，各个对象物会有因相互间的位置坐标不同而分离的可能，因此，固定处理部540在被特定的各部件的识别代码中附加上相互间各自不同的识别子，使得被特定的同一部件的各个对象物能够被分别认识。

识别子的记述方法可以用任意一种合适的方法，例如，可以在识别代码的末尾加上字母或者数字。

(5-4-1)追踪

然而，当输入图像作为视频图像连续输入时，同一对象物的位置则连续变位。因此，在连续的输入图像帧中，能够把一定偏差范围内的对象物作为同一种部件按顺序予以特定。此时，对于一幅帧来说一旦部件被特定的话，别的帧则仅仅进行固定处理就完成。也就是说，在不改变部件的识别代码的情况下，由固定处理部540将部件位置不断更新的时候，就能够追踪到对象物。

(6)输出部

输出部600是把被特定的识别代码和属性数据中的至少一部分作为对象物图像的识别处理、特定处理以及固定处理的结果予以输出。

另外，输出部600亦可以表示出将数个部件及这些部件的空间配置从任意的位置视点来看所见到图像的再构成。那样，数个部件及这些部件的配置关系则可以根据对应部件的属性数据，使模型化的各部件配置关系得以再现，因此会较容易作成反应现实空间状态的计算机图像(CG)。

另外，如果必要的话，输出部600除了CG以外，还可以输出包含部件的属性数据的声音或者制造年份等信息。

各个部件及其配置关系，可根据特定部件的识别代码和在属性数据中追加的位置数据，在固定处理部来决定并输出。

这样，本实施例中，在所附属性数据的部件中能够将对象物变换并输出。其结果是，若在特定的部件中含有事先赋予的属性数据的话，即使输入图像中不包含此数据亦能够输出。例如，输入图像中未显示的桌子的内部形状、或者桌子及椅子的重量信息作为属性数据亦可输出。

由于特定了部件，部件被特定后的处理不单单是识别对象物名称，还能够在各种属性数据被登录的部件中进行置换。因此，可以实现高度的图像识别和图像理解，使得作为人工智能等信息处理技术的基础技术利用于各个方面。

2.处理例

下面是根据图5的(A)所示，说明识别室内家具等的例子。

图5的(A)中所示的是在室内的对象物桌子31、椅子32、灭火器33以及垃圾箱34的配置图。

(1)输入图像的取得

首先，图5(A)所示的室内家居等经输入部100的立体摄像机摄像，取得输入图像Im1(图6)。

所拍摄的立体图像40a和40b如图5所示。在立体图像40a和40b中，桌子的图像41、椅子的图像42、灭火器的图像43和垃圾箱的图像44分别进行有视差摄影。

在图5(B)中、为了强调有图像数据，为了方便，在输入图像中的桌子的图像41等图像上实行阴影线表示。

(2)比较用图像信息的生成

其次，经比较用图像生成部200，对立体图像40a或者40b进行图像处理，然后不须对对象物图像加以切割生成比较用图像信息Im2(图6)。

在本实施例中，可以用现有公开的任意合适的方法，抽出输入图像中的轮廓线生成比较用图像信息。对于比较用图像信息来说，将邻接的对象物轮廓加以连接，不用对每个对象物图像进行切割提出。例如，图5(B)中所示将桌子41的轮廓线和椅子42的轮廓线进行连接，将灭火器43的轮廓线和垃圾箱44的轮廓线进行连接。

(3)比较用部件信息的生成

在比较用部件生成部400中，如图6所示，把含有三维形状数据的部件M1在各个方向投影的二维图像作为比较用部件信息M2，并分别生成。

在这里，图7(A)中所示的是部件桌子51、部件椅子52、部件灭火器53以及部件垃圾箱54的比较用部件信息M2的一例。在图7的(A)中，显示了每个部件均附比较用部件信息，但实际上，生成了各个部件所附的复数的比较用部件信息。例如，作为部件桌子51的比较用部件信息，分别生成了从各个方向看到桌子的比较用部件信息。另外，关于图7(A)中所示的家具等以外的部件，也分别生成了比较用部件信息。

比较用图像信息和比较用部件信息中，任何一个都可以先生成。另外，比较用部件信息可以事先将各个部件汇总后生成，也可以针对必要情况生成。

(4)部件的特定

于是，根据部件特定部500，使用相互间含有相同种类数据的比较用部件信息M2和比较用图像信息Im2，特定与对象物图像41～44相对应的部件。

(4-1)检索处理

在这里，参照图8的程序方框图，对部件特定部500中的处理予以说明。

首先，检索处理部510是从比较用部件生成部400获得比较部件(图8的STEP S1)。

其次，检索处理部510从比较用图像信息Im2中检索与比较用部件信息M2相对应的对应部分(图8的STEP S2)。

再其次，检索处理部510在比较用图像Im2中，判断与比较用部件信息M2相对应的部分是否存在(图8的STEP S3)。

于是，检索处理部510在对应部分被找到之前，分别按照一个或者数个部件的比较用部件信息的顺序，重复STEP S1～S3的处理(图8的STEP S8～S10)。于是，如图5所示，当部件合适时，从此部件生成的各个比较用部件信息M2中，把从任意方向看到的二维形状数据与比较用部件信息、比较用图像信息的对象物图像的部分相对应。

另外，即使检索了所定部件的全部所定比较用部件信息，亦找不到对应部分的情况时，可判断为无对应部件(图8的步骤S7)从而停止处理。

(4-2)识别处理

找到对应部分的时候，识别处理部520就会把比较用图像信息中的对应部分作为对象物图像来识别(图8的步骤S4)，因此，不用逐个从输入图像中抽出对象物图像来，就能够确定输入图像中对象物图像的范围。

(4-3)特定处理

接下来，特定处理部530来特定拥有比较用部件信息的部件与对象物图像相对应的部件(图8的STEP S5)。然后，从数据库300中获得此部件的识别代码(ID)和属性数据。

原则上，直到比较用图像信息所定部分的全部对象物图像得到特定时，STEPS1～S5的处理要一直重复执行。

(4-4)固定处理

本实施例中，与特定处理(STEP S5)同时，在固定处理部540中，以被识别的对象物图像的位置来决定特定部件的位置。而且，固定处理部540将按照与对象物图像对应的比较用部件信息的数据来对已被决定位置的部件的配置方向予以确定。

此处，图9中显示了一例位置坐标数据。如图所示，作为各部件的位置坐标数据，生成各部件位置的XYZ轴坐标以及各部件方向的XYZ轴坐标。

(5)读取属性数据

另外，在特定部件的时候，可以把对象物图像的色调、阴影等图像信息读取至部件的属性数据中，然后，就可以将输入信息的一部分数据与部件的固有属性数据组合起来输出，例如，可以原封不动地将输入信息中的声音信息或亮度等信息进行再现并输出。

另外，还可以将固有各种形状的自然造型物的形状等数据附加在部件的属性数据中。另外，对于像被破坏的护栏等的形状的变形，此变形后的形状数据亦可以置换成属性数据。

图23是就输入图像中的数据置换成部件的属性数据例的说明。

图23(A)所示的是盆栽的输入图像，图23(B)所示的是特定部件的盆栽。在输入图像的盆栽和部件的盆栽中，花盆图像46和部件花盆56的形状基本一致，可是，树木部分的图像47和部件的树木部分57的形状却不尽相同。于是，可以从输入图像中生成部件的树木部分57a，从而生成新的部件盆栽，更新的部件盆栽如图23(C)所示。

(6)输出

如图7的(B)所示，作为与椅子图像42部分相对应的部件，部件椅子52被特定。此外，作为与灭火器图像43部分相对应的部件，部件灭火器53被特定。以此类推，作为与桌子图像41部分相对应的部件，部件桌子51亦被特定，而作为与垃圾箱图像44部分相对应的部件，部件垃圾箱54被特定。

另外，如果事先保存各部件51～54的识别代码或者位置信息的话，就能够很容易地利用储存在数据库300中的属性数据构成图7(B)中所示的表示图像50。因此，就没有必要保存图5(B)中所示的立体图像40a及40b。其结果可以使得有关对象物信息的记忆容量大幅减少。

(6-1)自由视点的表示

各部件还拥有三维形状数据，所以，即使输入图像仅为一个方向的图像，亦能够得到关于各部件51～54的全角度的数据。其结果是，可以输出表示与从输入图像不同的视点获取的部件群全体的图像。并能够将各对象物的三维空间中的配置关系作为部件的配置关系进行再构成。

例如，如图10(A)中所示的再构成图像50a，可以表示部件群51～54从部件桌子51的侧面所视的配置关系。此外，也可以如图10(B)的再组合图像50b所示，表示出部件群51～54从上方看的配置关系。

[第2实施例]

下面参照图11～图20，予以说明第2实施例。

第2实施例中，信息变换系统的构成基本上与图1所示的第1实施例的构成相同。

(1)比较用部件信息

然而，在第2实施例中，和第1实施例不同的是，作为比较用部件信息，比较用部件生成部400把部件的属性数据分解成轮廓线等基本要素，再将个别的基本要素或者复数的基本要素组合生成复合要素。

基本要素在此包含了作为输入画像的构成要素的、从输入图像中尽可能抽取的全部要素。所谓基本要素，举例说便是轮廓线直线部分的线条，曲线部分、角部分等等。所谓基本要素的角部分，还包括轮廓的直角部分或丁字部分。而且，这些基本要素可以用向量描述。

另外，所谓复合要素，举例说便是将复数的直线部分或角部分中规定的平面、曲面、同一构造面、色调等连续的面，以及收于同一点的线段的集合即无限圆点线群。

在这些基本要素和复合要素中，就需要给各要素附加上识别代码。其结果是，输入图像由要素识别代码来记述。

在此，图11则表示了分解成基本要素的比较用部件信息的一个例子。图11(A)中，表示了把部件桌子51的轮廓线分解成直线部分的线段及角部分的情形。图11(B)则表示了抽取基本要素主要部分的比较用部件信息。

(1-1)要素抽取过滤

各基本要素由要素抽取过滤来记述。要素抽取过滤是由给予与基本要素或者复合要素的形状一致的像素高点、而给予与要素形状偏离较远的像素低点的二维矩阵或者三维矩阵组成。

图12(A)所示的是二维要素矩阵的一例。此要素矩阵是与L字形状的角部分的基本要素相对应。与基本要素的形状一致的部分，给与[5]，而随着与L字形状的偏离，得点也会以[3]、[1]、[-1]、[-3]逐渐递减。

另外，得点的值或分布可以任意设定。

然后，运用要素抽取过滤时，检索处理部将把与比较用图像信息的基本要素或者复合要素相一致的像素的合计得点最高得部分作为对应部分来检索。

比如在图12(B)所示的例子中，就表示了比较用图像信息中的轮廓线的L字部分C与要素抽取过滤相重叠的形态。L字部分与要素抽取过滤的基本要素在本质上相一致时，合计得点为[5×15＝275]。因此，图12(B)所示的合计得点则为[1×3+3×3+5×5+3×4＝49]。因此，与比较用图像信息上使要素抽取过滤回转或者移动相比，检索出合计得点的最高值部分为好。

而且，可以根据使用要素抽取过滤来扩大检索处理时的允许范围。图13(A)所示的是把轿车轮廓线分解成基本要素的比较用部件信息。在图13(A)中，轮廓线的直线部分和曲线部分的基本要素均由两端为箭头的线段来表示的。

另外，图13(B)则表示，通过在每个基本要素的长度上所给的允许范围，也可能检索出类似形状的轿车。

此外，作为基本要素或复合要素的比较用部件信息，使用的不仅是上述轮廓线的各个线段，还能够使用如图14(A)所示的外周轮廓信号、如图14(B)所示的投影信号。

在第2实施例中，比较用图像生成部200作为比较用图像信息，抽取轮廓线等基本要素，生成一个个基本要素或者复合要素的集合；检索处理部则从比较用图像信息中检索与部件的基本要素或者复合要素相对应的部分。

(2)比较用图像信息

在此，图15所示的是用轮廓线等的基本要素的集合来表示比较用部件信息的一例。图15中，表示了把部件桌子41、部件椅子42、部件灭火器43以及部件垃圾箱44的轮廓线分别分解成直线部分的线段和角部分形态的模式。

在本实施例中，检索时，比较用部件生成部400作为比较用部件信息，仅生成部件属性数据的特征部分的复合要素。例如，把部件桌子51分解成基本要素时，如图16(A)所示，仅用规定桌面的基本要素生成复合要素。桌面的复合要素由四个角部分、和与这些角部分的视点共有的四个直线部分来规定。给各个角部分付与要素识别代码(c-1～c-4)，给各个直线部分亦赋予要素识别代码(I-1～I-4)。

另外，此桌面的复合要素仅由基本要素之间的结合关系来规定。即，消除各个基本要素的方向、距离及形状的信息，意义只在于基本要素的结合顺序。

本实施例中，如图15所示，检索处理部510是以基本要素或复合要素单位来检索比较用图像中与桌面的复合要素相对应的部分。

在图15中，说明的是从所示的轮廓线的各个基本要素中的桌子图像41的轮廓线的基本要素中(角落：c-01～c-11、线条：I-01～I-07)，检索与桌面的复合要素(角落：c-1～c-4)、线条：I-1～I-4)相对应的基本要素的例子。

在此，图17(A)所示的是部件角及线的向量表示一览表。图17(B)所示的则是部件角和线的对应关系，在图17(B)中表示了角和线共有向量，结合顺序正好为一周。

图18所示的亦是部件角及线的向量表示一览表。图19所示的是在图18中所示的部件角及线当中，与变动的复合要素拥有同一结合关系的角及线。由此，就可以判定在图16(B)中所示的基本要素中，由四个角(c-03～c-06)及四条线(I-04～I-07)所规定的部分为对应部分。

不过，角及线的对应关系也不必完全一致。例如，一定比率以上的角及线对应时，即可判定对应部分。

其次，特征部分的基本要素或复合要素的对应部分待检索完毕后，认识处理部520确认该对应部分和同一部件的该特征部分以外的基本要素或复合要素的对应，并将对应部分作为对象物图像来识别。具体的说，在找到桌面复合要素的对应部分时，如图16(B)所示，认识处理部520进一步确认同一部件的桌面部分以外的基本要素或复合要素是否对应，然后再把此对应部分作为桌子的对象物图像来认识。

(3)特定处理

另外，特定处理部530还要从检出的桌面部分形状来寻找桌面的方向。然后，进一步寻找桌子的方向，确认部件的轮廓、投影及色调与对象物图像的对应，然后特定该部件。在图20中，仅模拟表示了输入图像中桌子部分得到特定的形态。

这样，就能够根据部件特微部分的基本要素或复合要素，有效地进行检索处理，从而特定部件。

另外，在本实施例中，比较用部件信息的指定及检索处理方法最好在部件的属性数据中作为自身特定信息事先登记好。

[第3实施例]

下面参照图21和图22具体说明第3实施例。

在第3实施例中，信息变换系统的构成基本上与图1所示的第1实施例相同。

可是，在第2实施例中，与第1实施例有所不同，在数据库300中记录的是人类的一般部件。所谓一般部件就是，将对象物群共通化后，作为模式化后的一般部件的属性数据，赋予该对象物群的每个对象物以与模式化后的部件共通的属性数据。在此，如图22(A)所示，作为人类的一般部件，对各种投影赋予属性数据。

在本实施例中，如图21(A)所示，输入图像中包含了人物像45。此时，对于桌子图像41和椅子图像42来说，与上述第1实施例或第2实施例一样，可以特定部件桌子51及部件椅子52。这些部件被特定后，则如图21(B)所示，只有人物像45作为未特定部分保留下来。

在此，第3实施例中，要判断此部分的投影是否与一般部件的投影相对应。判断对应时，则如图22(B)所示使用投影的要素抽取过滤(要素操作)即可。

另外，在图22(B)中，省略了要素抽取过滤的像素。

图22(B)的要素抽取过滤中，设定与一般部件的投影一致的部分的像素得点为[5]，此投影旁边的像素得点为[3]，而偏离投影的部分的像素得点为[-1]。

然后，再整理一下与未特定部分的投影重合的像素合计得点达到最高的要素抽取过滤的种类或位置，特定一般部件。

另外，一般部件被特定时，根据需要，可以特定与这个一般部件建立关联的具体部件。这样，分成两个阶段来特定对象物的话，就能够有效地进行对象物的特定。

[第4实施例]

下面参照图24至图26，对第4实施例予以说明。

第4实施例中的信息变换系统的构成基本上与图1所示的第1实施例相同。

可是，与第1实施例不同，在第4实施例中，复数的输入不100是分别取得的同一对象物从不同的既知方向拍摄成的输入图像Im1。图25所示的是用摄像机100a～100c分别从三个方向拍摄作为对象部的椅子48的形态。另外，图26(A)～(C)所示的是用照相机100a～100c分别拍摄的输入图像。

而且，比较用图像生成部200是从各个输入部100取得的输入图像中，分别生成包含二维形状数据的比较用图像信息Im2。

另一方面，比较用部件生成部400生成含有把部件M1的三维形状数据投影到各种不同的既知方向的二维形状数据的比较用部件信息M2。

另外，对于各比较用图像信息Im2来说，部件特定部500分别特定部件M1。在这种情况下，每个比较用图像信息中均包含同样的椅子图像，所以同一部件必须被特定。在此，对于各比较用图像信息Im2来说，部件特定部500确认部件椅子是否被特定。

这样，对于从不同方向看到的椅子来说，只要同一部件能够特定，就能够提高部件特定的精度。其结果是提高了对对象物认识的可靠性。

另外，在各输入图像拍摄范围中的三维空间之间重合的同时，输入部100a～100c则能够根据三维形状和位置把既知的对象物从不同的方向分别拍摄的输入图像中的对象物图像来寻求各输入部的视点位置。被特定、固定的部件均含有三维形状数据和三维坐标数据。因此，可以从拍摄的既知对象物的对象物图像中，寻求对于此对象物的视点方向。另外，还能寻求从别的方向拍摄此对象物时的视点方向。所以，可以根据有关此对象物被特定及固定的部件，来分别寻求以各种方法拍摄的同一对象物的各输入部的视点方向和视点位置。例如，如图26所示，在既知位置上预先设置三个标记P1～P3的话，可以根据此标记来寻找到摄像机100b的位置。

当然，对于同时拍摄的复数的输入图像并没有限定。例如，即使把一个输入部按顺序移动，并从不同方向拍摄对象物时，同样也能寻求到视点位置。

[第5实施例]

接下来参照图27～图29，就本发明的第5实施例进行说明。

首先，参照图27的机能方块图就第5实施例的信息变换系统的构成予以说明。如图27所示，第5实施例的信息变换系统将发信端和收信端两个部分予以分离。

第5实施例的信息变换系统除了包含第1实施例的构成外，还有发信部810、收信部820、收信端数据库310以及再构成部900。

发信部810将从输出部600输出的识别代码发信至通讯回线830，收信部802则接收识别代码，另外，在收信端数据库310中，注册有相互对应的识别代码和属性数据，而再构成部900会从收信端数据库中检索出与识别代码相对应的部件属性数据，并将该属性数据输出。由此，只要传送出各个部件的识别代码，就能大幅地消减画像信息的信息容量，从而实现画像信息的高速传送。

图28所示的是收信端数据库310的数据构成例。

如果以画像的忠实再现为目的的话，收信端数据库310的内容能和发信端的数据库300的内容相一致是较理想的。但是，要实现其他的目的时，例如仅仅想尽快传递对象物的配置状态等信息的话，这些数据库的内容则不须一致，另外，若以小孩为对象，以简单易懂的说明为目的时，可以用漫画或插图等(也就是使用虽与对象物不同但却可以象征性的表现出对象物的部件)来再生对象物亦可。

图29所示的是，对于第1部件库400和第2部件库410来说，同一识别代码的部件属性数据不同时的各个部件及再构成的实例。图29(A)的各个部件61～64中，均为与图7(A)中所示的部件51～54的识别代码相对应的同样代码的部件。

但是，如图29(A)所示，部件61～64的形态与部件51～54的形态有所不同。例如，与图7(A)所示的部件桌子51是一个两旁各有3层抽屉的桌子相对应，图29(A)所示的部件桌子61却在桌子下设2个左右并列的抽屉。另外，部件椅子52与部件椅子62的形态也有所差异。

图29(B)所示的是附加上位置信息后再构成的各部件61～64的再构成画像60。如再构成画像60所示，各部件61～64的配置关系与图7所示的再构成画像50相同。

另外，参照图30～图33来详细说明与第5实施例相关的具体实例。图30所示的是，取代人力部100的对着旋转的对象物的单视点摄像机1和多视点摄像机、或者是视点可移动的动态视点摄像机3(时间差多视点摄像机)的两个系统。摄像机1和3均要拍摄对象物的画像。摄像机1还能够以对象物的一次旋转来完成360°全方位的摄影。另一方面，摄像机3则可以通过联机获取三维画像。即可以得到通过全方位的二维摄影的拍摄获得物体的三维画像。然后，将由摄像机1和3拍摄的画像作为画像信息分别保存为二维画像文件2和拟似三维画像文件4。

摄像机1的画像的取得是从对象物的三维的信息空间中作为二维信息而取得的。此时，可以通过数字记录的方式将三维空间变换成二维数据，而对于对象物来说，在获取其有视差(视点不同)的复数画像时，能够获取到被视点方向所限定的作为模拟的三维画像来识别所得的三维信息。另一方面，通过摄像机3而获得的画像则可以从对象物的三维信息空间直接作为三维信息来获取。对于转动的有运动视差的动态画像或者无视差的静止画像来说，与前述相同，获取对象物的画像并处理，保存至画像文件2和4中。

这样，如图30所示，作为被保存的对象物的画像信息，通过相当与部件特定部500的信息代码变换装置10，解析对象物信息后，将此信息的种类、数量、如与对象物的大致位置、线段方向、颜色、材质等内容相对应并赋予关联、变换成ID(Key)化、代码化的信息代码。即此信息代码变换装置10分别有下述各部构成：将位置信息数据库11A作为基础来分析的位置分析用相关函数演算装置11；从此位置分析用相关函数演算装置11的演算结果中以三维坐标代码数据库12A作为基础分析并生成画像中最合适坐标的最佳坐标生成装置12；在已获取的画像中分析而使得各对象物的轮廓清晰的、并能够对作为对象物的物品或物体、以及其他轮廓等进行处理的前处理装置13；以及根据上述11、12、13装置而得到的数据将物品等变换成物品排列代码的同时，生成与此排列代码组合的信息代码的部件检索用相关函数演算装置14。

在由上述装置构成的信息代码变换装置10中，分别以由上述前处理装置13而得的轮廓等数据、上述位置分析用相关函数演算装置11获得的位置数据、以及最佳坐标生成装置12所得的最佳坐标数据等为基础，将各数据在部件检索用相关函数演算装置14中变换成物品排列代码。然后，在上述部件检索用相关函数演算装置14中，将变换后的排列代码分别与有关认识各类对象物的信息相对应并建立关联，然后，把在作为第1部件库的三维部件库(数据库)14A内预先登录、制作并保存的有关对象物的数据(参照图3中的保存数据例A)，进行比较、对照，选择有关相应对象物的数据，生成能够与排列代码组合的信息代码。

在上述位置分析用相关函数演算装置11中的位置信息数据库11A中，先将对象物的块分类数据化，例如，可以在对作为画像获取的有关对象的画像信息进行频率分析时，设定成频率成分高的复杂的一方作为上或下，明朗的一方作为上或下来认识等的上下认识方式。另外，若将频率高的一方作为复杂、远距离来认识等进行设定的话，就能够进行远近距离的识别。例如可以区分屋外、屋内、空中、海中等空间，可以对区分后各空间所存在的部件进行限制，并可以将这些作为部件存储，同时亦可以进行早、晚、季节等时间的区分。

另外，当产生不可能或矛盾的配置时，只要重新进行对象物和部件的检索就可以了。

上述前处理装置13中，为了识别作为画像获得的对象物，可以寻找边缘抽出轮廓等，将对象物的排列放至容易的坐标系中，制作成有效的三维网，然后将部件变换成边线来比较。例如，通过查出水平面和垂直面等来注目一个部件并决定其方位坐标，此方位坐标决定的部件在获得三维坐标的同时，此方位坐标在任何时候均可以与正方(垂直)坐标系(三维静止坐标系)相互变换，并可以求得变换式。

成立三维画像的第1方法是，如果能够特定部件，则可以决定在不同的取得画像中的同一部件，因此，通过对部件位置的合成(画像的结合)，可以生成并结合成三维画像。另外，作为第2方法，是通过移动及旋转摄像机的视点，使方位坐标系追踪摄像机视点并随之变化。因此，如果从再现部件排列上看方位坐标系的话，就可以扩大画像的视野，反之，摄像机的移动量和旋转角度的大小则可以根据部件的移动和变形，即方位坐标系的变形来算出。

画像的结合，未必需要摄像机的位置或移动、旋转，只要能够特定部件，则可以从被特定的部件的变形确定唯一的方位坐标。也就是说，即使获得的画像不同，只要追踪一个部件的方位坐标，就能够进行画像的结合。所以，当摄像机的视点移动时，就可以得出方位坐标系的坐标变换式。

上述部件检索用相关函数演算装置14中，可以从获得的对象物的画像中，由位置分析用相关函数演算装置11、最佳坐标生成装置12、前处理装置13等，将被解析和识别后的对象物作为部件画像来特定，同时与存储在对应于此部件画像的三维部件库14A中作为关于对象物数据的各种部件的有关数据进行比较和对照，选择相应得部件。如果没有相对应的部件，则会检索相近的部件，或者是可以更精确地测量部件，并将其作为新部件保存。

这种情况下，如图2所示，在三维部件库14A中，假设对象物被认知为[桌子-1]的话，其形状数值数据为[25694458]，色调数值数据为[2685696]，并将其他属性的各种数据作为特定数值数据建立关联，其ID(识别代码)或被称作Key的信息代码，被特定为[1001]。

同样，如果有[桌子2]则为[1002]，[桌子3]为[1003]，依此类推，其他被识别地各种对象物作为信息代码的特定数值被分别对应地保存下来。然后，其属性如形状、色彩及其他等，也同样作为特定数值被数据化，使之与分析识别画像的结果相对应，并将被识别的对象物的ID(Key)、和在与这些对象物中的各种属性相关的数据等，与识别结果对应、组合，则能够生成信息代码。

有关三维部件库14A中的对象物的数据，在送信端附属于部件检测用相关函数演算装置14，作为与信息代码对应的数据而设置。另外，像这样对象物数据与信息代码的对应，附属于后述的接受端中的部件排列处理装置24中，与把作为第2部件库的三维部件库(数据库)24A的再现对象物的数据和信息对应起来的构成基本相同。例如，对象物数据和再现对象物的数据，如果把再现对象物的信息变换、再现成与输入的对象物信息完全相同的信息的话，这些信息则可作为构成同一数据库的数据。

上述的三维部件14A中，通过所谓的信息输入装置摄像机1或3而获得的各种画像信息，使将预知的对象物物体模型化并作为部件来保存的。因此，将有关对象物的属性一一如物理特性方面的大小、角度、曲面或圆弧等外形特征、色调、材质、重量、对称性、表面反射率、光泽、气味、音谱、寿命等分别予以数据库化。甚至，可以将数值化后的危险性或爱好的条件、制造年月日、制造厂家、屋外或屋内等的对象物所存在的位置条件等，以及其他方面的各种属性予以数据库化。

另外，像有关与其他部件的亲和性或排他性等这样的与其他物体的关系、像有关用于识别物体的各种特性等的其他物体的关系、用于识别物体的各种特性或其他属性及与其他物体的关系等的优先顺序、均根据其他的特征分别整理。

对于部件的结合，亦是作为一个部件存在的，例如，部件汽车由于是由车身、车轮、方向盘、引擎等各种部件结合而成的，所以即使部件汽车由这些部件构成，亦可设定成一个部件来识别。

此三维部件库14A在部件检索用相关函数演算装置14中，可以连接、附设用于学习有关未被代码化的对象物信息的学习装置15。此学习装置15的构成既可以将新的对象物自身作为新部件登录，也可以登录有关对象物的新属性。对于没有被数据库化的对象物信息，作为存在概率高的部件，将其变成与之近似的信息代码，同时学习此变换动作。

将获取的对象物画像等通过部件检索用相关函数演算装置14，连同代码化进行连锁，设置对此对象物的排列状况进行坐标解析的部件排列生成装置16。此装置16中，能够进行对象物排列的平面/向量的变换，并能够与三维部件库14A中的部件ID进行连锁。

也就是说，通过部件检索用相关函数演算装置14变换的信息代码，例如上述[桌子1]、[桌子2]、[桌子3]等的信息代码，分别在画像上的坐标、方向等被ID化或关键字(keyword)化。即将方向等附加到部件上。坐标化时，将沿X、Y、Z各轴的位置数值化，假设为[12.236]等，其方向也同样将X、Y、Z各轴的方向数值化，定为[0.365]等，这些分别被数据化的排列代码被保存在三维部件排列数据库16A中。

如图9所示，把[桌子1]、[桌子2]、[桌子3]等的解析及识别后的画像上的对象物坐标、方向、分别进行解析，再通过能将这些数值化的坐标数据库12A，数据化为排列代码。然后，将此排列代码分别与每个对象物中所设定的信息代码相对应，它们的坐标、方向等表示为坐标-X、坐标-Y、坐标-Z、方向-X、方向-Y、方向-Z等内容，并与排列代码等各数据等相组合，作为坐标代码数据库保存起来。

这样，在信息代码变换装置10中，对用摄像机1或3获取的画像信息来说，其画像中的对象物的内容被解析和识别，并使之与三维部件库14A内的对象物数据相对照，分别对每个部件进行ID化变换成信息代码。另外，部件的排列状况也在三维部件数据库16中被数据化变换排列代码。于是，在上述的信息代码和排列代码组合后被保存的同时，这些数据容量在经过一系列处理变为极少状态时记录下来并进行发送。

在送信端作成的被数据化的信息代码，例如与画像相关的信息代码等被发送后，在接受它的接受端，如图31所示，通过能够执行与送信端所执行的处理相反的反处理所构成的信息再现变换装置20，将输入的对象物变换成再现的画像信息。如果存在与通过信息代码变换装置10变换的对象物信息相一致信息的话，就要通过与信息代码变换装置10中的第1三维部件库(数据库)14A基本相同的第2三维部件库(数据库)24A，将此信息再现变换装置20，变换成再现对象物的画像信息后，再再现对象物，同时与此再现处理连锁，并随着送信端发送的排列代码来排列部件，再现画像。

也就是说，信息再现变换装置20，从被发送的信息代码——例如画像信息代码，把与之相对应关联的部件变换为再现的画像，另外，由于连锁此部件的画像并发送的坐标、方向等关键字的排列代码(参照图9)，装置20设有用于排列再次再现部件的画像的部件排列处理装置24，也是排列再次再现被排列后部件的画像的部件排列处理装置24。再现被排列后部件的画像的构成是，通过作为输出装置的画像再生装置27，由电视监视器等显示装置28，表示出对象物的再生画像。

因为部件拥有三维立体形状的属性数据，所以如果有三维显示器的话，就可以显示出三维效果，但一般情况下，只显示出自由视点的次元画像。

部件排列处理装置24的构成是，把部件检索用相关函数演算装置14以第1三维部件库14A的对象物数据为基础，将识别后的部件画像内容变换成特定的信息码，再通过与上述第1三维部件库14A基本对应的有数据库构成的第2三维部件库24A进行反向再变换，然后从含有形状、色调等属性的信息代码中选择出可再现相当于原画像内容部件的画像并进行变换。即，根据与三维坐标代码数据库22A的数据一起再现部件画像的坐标的平面/向量变换以及与再现部件画像的连锁，对通过摄像机1或3获得的输入对象物的画像进行再构成。

这时，对于部件排列的变换数据——即排列代码，与部件排列生成装置16中的三维部件排列数据库16A的代码以完全相同的样式形成(如图31、图9所示)。然后，可以随着与每个信息代码分别相关联的被发送了的排列代码，通过三维部件排列数据库26A，对再现此特定部件的画像的坐标沿X、Y、Z各轴予以定位，其方向也同样以X、Y、Z各轴的方向为准，分别排列再现。

对于再现部件时的排列，是在求得静止坐标系后，与作为部件而登录好的地面、水面、地板、墙壁、桌子等支配部件连接，将部件按顺序粘贴好。在粘贴过程中，付与部件的旋转、移动向量等，检测出在获取对象物画像时摄像机1的视点信息即方向、视野范围、移动向量等，亦可设定为根据画面的接合将画像的三维结合。

另外，再现部件的排列时间中，设定为即使是何时、何地、谁、与谁、何物、为何、如何做等相关信息，也能够进行输出。这种情况下，最好考虑到与其他部件的关系、存在条件等等，检测出其矛盾所在，并能够很好地与其他部件进行比较及选择程序的试行。另外，在这种场合下，与部件检索用相关函数演算装置14中的三维部件库基本数据14A同样，对于部件的画像、与其相关的部件的登录、修正、删除等方面的学习，也能够不问其方法，即不论是强制性的(一次性的强制学习)还是经验性的(统计处理学习)方法，均可进行。

另外，在信息代码变换装置10中，可根据三维部件库(数据库)14A中的有关对象物数据等的不足等——即使在输入的对象物信息没有全部被信息代码化的情况下，只要其未变换的部分是画像就可以直接传送其映像信息，也可以把传送量减到极小。

上述的有关本发明的信息变换系统的实施例中，输入信息输入装置中的输入信号经过画像处理后，成为比较信号(输入画像)，并与比较判断装置中的有关部件的数据进行比较。此时，输入信号(画像信号)的处理，最好能够按那个时代的最高水准进行。

但是，不管怎样处理也不可能将其变换为输出信号。输出信息不是被处理后的信息，而通常是根据比较一致而得到的部件本身，或是附加了新属性的部件及其ID代码。输入信号与部件之间一般是次元或物理量有所不同。例如输入信号是二维画像时，输入信号则为二维输出信号，部件则是三维信号。

如图30所示，也可以把三维信号或拟似三维信号输入到比较判断装置(部件特定部)中。

另一方面，对部件进行的比较时，作为各个部件的属性，要事先决定正面、上、下、对称轴、中心轴等。另外，如果能从输入信号也能决定正面、上、下、对称轴的话，其比较就可以限定在非常窄的范围内有效。坐标系表示是决定接地面、垂直面、水平面的，将对比部件的侯补用接地面切取。另外，有关对比部件，应事先决定假设的正面、上、下、对称轴、中心轴等。在实际的比较时，接近正面、上、下、对称轴，寻找一致度最高的点。并不是随便地比较，而是利用像吸附相似面那样的算法来接近，求得一致点，评价一致度，并使一致度向提高的方向旋转移动，得到最终的一致点。有关在比较判断上的比较项目及比较优势顺序的信息，可作为属性来保持部件。

下面，对于比较时的一部件、二部件的属性和三部件集合的关系予以说明。

此时，虽然构成对象物的物体群分解成了部件群，但每个部件通常各有一个意义的块(如人、车等)。另外，虽然各部件还有可能分别分解成更小的小部件(手、脚等；车轮、保险杠等)，但那只是作为部件所持的属性来处理。另外，具有各种意义的块被分解成部件，然后作为复数意义块的部件的集团位置关系来决定。

作为独立的复数部件的组合，还可能构成新的部件。此新构成的部件被赋予新的属性和识别数据，并作为新部件保存。

作为上述的识别数据，拥有属性优先顺序数据、履历数据、经历(场所、时刻、季节、周边状况、参数、其他)、识别部件所需的必要数据等，并持有学习功能。另外，识别数据是把此部件与其他部件分离并识别的必要数据，原则上是各部件自身所持。还有，识别数据会通过经历与学习不断进化，因此，履历成为识别的重要数据。

关于比较信号，并非要全体才行。即，因为对象物是三维部件，一般只能够观测到一部分，而对象物成为物体的阴影，也经常是只能看到一部分而已。在此，与部件的比较是将对象物的一部分与部件的一部分进行比较，只判定其一致的部分。例如，由于部件是三维结构(对象物)，所以使部件与其一部分的二维投影(取得信息)一致成为可能。另外，还可以将三维部件与对象物中三维化的一小部分进行比较，并根据一致的部分选择目标部件。

即使只有作为输入信号的二维画像(或者对二维画像进行处理后所得的模拟三维画像)的一部分，亦可成为比较用画像信息(以下称[比较信号])。

下面，就与部件属性一致的判定基准予以说明。

部件的比较不仅是形状，其属性均成为比较的对象侯补。例如，画像中不只是形状和物体的坐标，色调、分布特性、质地、其他的综合信息(声音、气味、硬度等)均成为对象。对象物被分解成部件作为复数的部件配置被信号化，通过再配置，把输出信号组合后再生。另外，由于部件将自身的判断基准作为属性的一部分，即各个部件均持有与部件自身的一致判定相称的基准，因此其精度明显提高。

本发明的信息变换系统中，在把有关上述部件的数据进行比较时，如下所述的比较器(部件特定部)的机能种类较为理想。

A.优先进行形状比较。

B.优先进行色调分布比较。

C.优先进行空间频率成分的分布比较

以上分别编组后被进行比较判断。

优先进行上述机能时，作为比较器有以下的(1)～(3)三种类型。(1)优先进行形状比较时，其构成是对输入的二维画像与部件库中的三维画像、或输入的三维画像与部件库中的三维画像进行比较，可以将一致的部分作为输出信号输出。

a)此时，使用输入的二维画像中有视差的连续画像时，则可以从输入画像中获得经画像处理的模拟三维画像。这样，对象物的分离和与部件的比较则会较容易。另外，在比较时由于是将三维画像直接进行比较，就会有极高的判断精度。

b)另外，不管输入画像有无视差，将从多个摄像机拍摄的多方向输入画像保持二维不变，将三维部件分解成与摄像机对应的多个方向并投影成二维画像，通过寻求此部件多方向的二维投影与多方向的输入画像(有45度差的八方向二维画像)同时一致的部件配置，来判断一致。

c)还有，当只有一枚二维画像时也可以进行部件的二维投影比较。也就是说，对象物的种类少或较单纯的对象物时亦完全可以进行比较。

d)通过对输入画像的轮廓与部件的三维轮廓的比较，可以先寻求大致轮廓的一致点。这时，部件轮廓的允许度可以分别以不失去部件特性的前提各自设定。所说的轮廓是作为获取三维的极值点的复数轨迹。在粗略的轮廓一致机能中还有部件的扩大和缩小。

接着，进入到寻求一致面的程序，同时特定场所和方向。在确定一致的基础上的下一程序是，将部件的三维轮廓在输入画像中进行扩大、缩小并对应调和。这就是制作新部件数据的方法。

(2)在如果是优先进行色调的分布比较时，其构成是在大致的形状中优先进行颜色和色调分成分布的比较和判断，以寻求一致。这时，对自然的物体如山、树木等是有效的。

(3)在优先进行空间频率成分分布的比较时，其构成是在大致的形状中将比较空间频率的分布进行比较以寻求一致。此时，与上述的(2)一样，对自然物体也十分有效。

另一方面，本发明的信息变换系统中，部件的选择就意味着识别部件的属性。但是，如果是一个部件或者仅仅是相互间有紧密关联的复数的部件的话，就不适宜作为本发明的系统的完整部件进行分离。在此，

(1)要将全部的对象物分解成部件，就意味着要识别所有构成对象物的物体的名称和属性，同时还要理解其全部。即，在完全理解了每个部件的属性后，再把对象物全体分解成部件，而每个对象物与每个部件能够对应，意味着系统已经识别了每个对象物。另外，所说的决定各部件的配置是指能够理解由一个个对象物构成的对象物全体。

(2)如果找不到与对象物相对应的部件的话，就说明不能识别此对象物。对这种情况的处理是

①没有识别的必要，以此对象物不存在的状况来判断。

②为数据库的部件库中若不存在与此对象物相对应的部件的话，可以做成新的部件后再重新识别，或者以不识别的形状直接表示从输入画像获得的此未知物体的容量及占有空间。

通过把对象物分解成部件，使得每个对象物所有的一般性质(属性)和分别持有的特殊性，作为新的属性移植到部件中，成为输出信号。即，分解后各部件所有的一般性质分别作为属性包含于部件中，而只有特殊性才被作为部件的新属性附加到输出信号中。

以上所述的本发明信息变换系统的实施例，只是说明了经对象物画像的分析、识别等而变换的信息代码被远距离发送后，在接收端接收，或者直接在其他机器中输出，再分别将输入的信息代码逆向变换，来获得再现对象物的画像的过程。但是，获得的有关对象物的信息并不仅限于画像。

也就是说，如果只要是能够变换成一般物理量的话，就可以把取得的与各种对象物相关的信息分别以信息代码发送后，在接收端再现各种对象物，例如，与五感相关的视觉、听觉、嗅觉、味觉、触觉亦可，各物体的质、重量、表面反射率的物理性等，或者寿命、危险性、喜好等，对一切信息的变换作相应的对称。

图32是将本发明信息变换系统中与对象相关的输入画像、以及部件库(第1部件库14A及第2部件库24A)中存有的有关部件属性数据库，在如图30所示的部件检索用相关函数演算装置14中，通过比较识别装置(识别驱动器)，分别进行比较、识别，并将比较、识别时的算法进行模型化的说明图。

把到此为止的说明予以整理如图32所示。图中表示了本发明的系统循环从开始至终了的经过。首先，进行作为画像信息的画像及其属性的输入，对这些画像及其属性的输入，通过检索数据库的位置确定和优先顺序的决定，并对第1部件库14A进行位置确定和实行分类部件棚的选择命令。然后，再以此选择命令为基础，对部件库中的位置和分类部件棚分别进行各部件属性数据库的检索。

另外，对于上述的画像输入及属性输入，分别就各自的Zkey(内存信号)、色调及空间频率分布等进行前处理，输入到识别驱动器中。然后，对于此识别驱动器，根据在上述第1部件库14A中的检索结果，将以按顺序存取的部件单的输出以及优先顺序的决定为基础的数据，伴同部件属性的优先顺序、识别算法的选择以及参数的取得，进入比较驱动器(比较部)中，与输入信号相比较，将一致的部件和分别对应的部件进行数据输出，构成全部部件齐备的部件群。这样，由各部件的数据输出构成的输出部件群可根据目的要求，进行发送、记录和显示。

此时，对于存有与上述第1部件库14A同样的部件属性数据库的第2部件库24A来说，在对再现对应画像信息而获得的部件进行检索的同时，可以进行部件的再配置，并遵循适宜的判断，进行画像信息的活用及表示等。

对于前述的输出部件群，可以将重新判断的结果作为适宜的记录数据保存，同时亦可以作为决定位置及优先顺序的信息而使用，并在检索数据库中作为新数据保存。

图33是将图30及图31所示的系统构成的信息处理过程进行模型化的说明图。

图33中，步骤(STEP)S1是，对由摄像机的输出而获得的画像信息进行全部的理解和位置决定的选择工程。即，在此工程中，选择对画像输入的位置，并通过画像检索，从数据库中参考履历后决定概要，并决定部件库的位置整理棚。

步骤(STEP)S2是表示对象群内部的Zkey等的分离工程。此工程是以将画像全体粗略地分解成三维对象群，不须将对应的部件完全分离即可，例如，部件的块或大型部件的一部分均可。

步骤(STEP)S3是通过色调分布、空间频率分布、无限远点、材质等制作画像图的工程。这时，将一个对象群在数个领域内分解，其分解不须完全亦可，进行同性质领域的涂抹。另外通过对应部件在较小领域亦可，即使不完全，作为一个识别的线索信息是非常有效的。

接着，步骤(STEP)S4是根据垂直、水平、接地面来决定坐标系部件关联的工程。即，首先根据画像内的垂直线、垂直面、水平线、水平面、接地面等基本构成，决定对象画像的构成要素。

步骤(STEP)S5是对静止对象物(图33中记载的静止对象部件)的关联，进行上下、正面的决定和对称轴、视觉重心的检测的工程。这时，从步骤(STEP)S2的对象部件群和步骤(STEP)S3的示意图中，可以寻求对象物的上下、正面、对称轴及视觉重心，并参照这些，就能够用比较识别装置限定部件的位置和姿势。

步骤(STEP)S6是检测动体对象物的速度矢量的工程。此时，动体的处理与静止体不同，动体是要求得速度矢量以及加速度矢量(包括往复运动)。

另外，步骤(STEP)S20是寻求其他对象物的形态，并与部件属性相比较或付与属性的工程。

步骤(STEP)S7是记录对象群以及位置决定的部件对应关系的工程。此时，记录再构成的三维画像，并被利用到输入画像检索中。

步骤(STEP)S8是附加判定条件的工程，此步骤(STEP)是向识别算法提供条件的。由于能把识别结果进行反馈，使得位置设定变得简单，部件的侯补范围也会缩小，因此会加快比较识别的演算。

步骤(STEP)S9是设定比较条件的工程。此时，首先通过比较对象物的轮廓与部件的轮廓的比较，能够实现高速比较，接着再进行面的比较，决定详细内容。

步骤(STEP)S10是通过聚焦相关摄动接近法进行比较判断的工程。此聚焦摄动接近法是通过缩减对象群的视觉体积以及部件的视觉体积二者不一致部分的体积ΔV，通过移动部件的视野位置，而寻求一致点的手法。即，并不是在极大的三维空间中胡乱进行相关的演算，而是从对象附近，逐渐朝接近一致的方向进行相关的演算，并提供此信息的工程。因此可以飞快地进行演算。

步骤(STEP)S11是运行识别驱动器的工程。此识别驱动器持有各式各样的识别算法，根据给予部件属性的选择权，选择部件固有的算法，在对部件进行判定的同时，获取部件自身所有的自我识别函数，进行比较照合演算。

也就是说，比较识别的算法的选择及其参数是从部件中提取。对持有自我识别函数的部件，就从部件自身具有的算法中提取算法。

步骤(STEP)S12是决定判定算法的工程(对没有自我识别函数的部件)。

步骤(STEP)S13是从部件中获取部件的判定及属性转移、部件优先顺序、新算法的选择及参数的取得，并从自我识别函数中获得算法的工程。

步骤(STEP)S14是按顺序传送部件的工程。这时从部件库的位置整理棚中，按优先顺序传送出部件。

步骤(STEP)S15是进行部件输出的工程。

步骤(STEP)S16是再构成部件的工程。

步骤(STEP)S17是进行状况判断的工程。可以从复数的部件所持有的属性及其分布中，理解状况的持有位置，进行标准、异常、危险、安全、喜好、讨厌、美、丑等判断。

最后步骤(STEP)S18是进行行动和表示的工程。根据接收的步骤(STEP)S17的判断结果，可以选择合适的行动。另外，即使只是单纯表示前述的结果，也可以自动判断并选择合适的视角。

[第6实施例]

下面，结合图34～图36，详细说明本实施例。

本实施例说明的是把本发明的信息变换系统作为合同停车场的监视系统来使用的例子。

合同停车场通常是无人看管的。因此，除签约了的车辆以外，未签约的车辆也会私自进来私自停泊。在此，作为防止这种私自停车方法，则会考虑让巡逻人员在停车场内巡逻，或者安装监视器予以监视。但是，为了安排人员一整天巡逻或者监视摄像画像，需要人工费较高。因此，若要以更低的成本来防止私自停车的现象是很困难的。

下面说明的是通过信息变换系统来监视停车场的例子。

首先，参照图34的功能块图，对第6实施例的系统构成进行说明。如图34所示，本系统由输入部100、比较用画像生成部200、部件特定部500、数据库(DB)400、解析信息生成部700以及输出部600构成。

其中输入部100是由能够监视到整个停车场的监视摄像机构成的。

数据库300中，是存储作为属性数据的各种车辆的车种和外形。并且，数据库300中，作为各个划分合约停车场内车辆的属性数据，登录签约车辆的车种、外形等数据。

此外，比较用画像生成部200生成包含监视摄像机所拍到的停泊车辆画像的比较用画像信息。

部件特定部500是通过特定监视画像中的与停泊车辆相吻合的部件，识别出停泊车辆的车种。

解析信息生成部700是把互不相同的部件的属性数据中所特定的各个项目数据组合起来，生成由这些部件构成的部件群的解析信息。在第6实施例中，解析信息生成部700把停泊车辆的属性数据中的特定项目的数据——车种与停车区域的属性数据中的特定项目数据——签约车辆的车种进行比较对照。于是，解析信息生成部700则会生成停泊的车辆是签约车辆还是私自停泊车辆的解析信息。

当解析信息显示出是私自停泊的车辆时，输出部600就发出通知或者警报。

接着，参照图35对把本发明作为专用停车场的监视系统时的处理予以说明。

首先，如图36(A)所示，通过输入部100的监视摄像机，获取合约停车场的全部画像画面。

在图36(A)中，显示有停车场的第1～第3区域71～73、以及第2区域72中停泊的轻型卡车70的画像。因为画面中有车辆70显示出来(图35的STEP S2在YES的情况下)，所以接下来，部件特定部500就依据数据库300中的属性数据来识别所停车辆的车种(图35的STEP S3)。

接着，提取车辆70的停车位置(图35的STEP S4)，并提取停车位置即第2停车区域72。

部件特定部500就从数据库300中检索读取在第2停车区域72的签约车辆75的属性数据(图35的STEP S5)。在此，如图36(B)中所示，作为属性数据中“车辆”这个项目，读出部件箱型面包车75。

接着，通过解析信息生成部700，把画面中所示的车辆70的车辆种类与被登录的签约车辆75的车种进行比较对照(图35的STEP S6)。

对于比较对照，可以直接比较车辆全体的形状、颜色、也可以从构成车辆的部件形状或者其配置关系来特定车辆的种类。

例如，1，首先，先特定车辆的轮胎、前灯、挡泥板、门、窗、方向灯、车牌号等构成车辆的部件。

2，然后，再构成组成此车辆的部件间的配置关系。

3，然后，如果条件适合的话，可以再从各个构成部件的三维位置关系识别车辆，还可以特定车辆的种类名称。

像这样的方法，特别适合识别没有固定形状的对象物，或者容易变形的对象物。

本实施例中，由于所停车辆是轻型卡车70，而签约车辆是箱型面包车75，因此车种不一致(图35的STEP S7中NO的情况)。

这种情况下，解析信息生成部700就判断出第2停车区域72处所停车辆70是私自停泊的车辆(图35的STEP S9)。

即，解析信息生成部700基于从画像被特定的停泊车辆70的车种是“轻型卡车”的属性数据、和在第2停车区域72的签约车辆75的车辆是“箱型面包车”的属性数据，重新生成“区域中所停车辆是私自停泊的车辆”的解析信息。

接着，输出部600则会输出把由私自停泊的车辆这个信息通报给管理者，或者在停车场内通过播放警告广播来禁止等。

当停泊车辆的车种与被登录的签约车辆的车种一致时，解析信息生成部700就会生成“所停车辆和签约车辆一致”的解析信息(图35的STEP S8)。

这样，本实施例中，仅在停车场内放置一台监视摄像机，就能够监视整个停车场的私自停车现象。这样的自动监视系统实现了能够识别停泊车辆车种的功能。

在此，考虑一下对照车辆的车牌号(NUMBER PLATE)的方法，特别在大的停车场中，用一台或者很少数据的监视摄像机来摄取整个停车场所停车辆的车牌号(NUMBRER PLATE)是很困难的。

不仅是车种，若在判断要素种附加上车辆的色彩等的要素的话，其判断精度则会提高。

另外，停车场的地面一般是平面或者是斜面，停泊车辆的轮胎则会与这些平面接触，因此，就能够根据从监视器看到的车辆方向和车辆与平面的交点，求得车辆的位置。

[第7实施例]

下面，参照图37～图39，对本发明的第7实施例进行说明。

第7实施例中，主要对本发明的系统在用于商店的自动收银系统的例子的说明。

在便利商店中，为了方便商品的管理或结算等，在每个商品上均贴有条形码。现在，在结算处能够通过读取条形码来识别各个商品、并把每个商品的合计金额自动显示出来的条形码系统已普及了。

条形码系统，并不是在所有商品或者包装上预先附加条形码。因此，在商品出售的每个商品上必须分别一个个贴上条形码的情形较多，其结果，特别是在大型超市等大商店中，为了在大量的商品上分别一张一张地贴条形码，其庞大的工作量是可想而知的。

此外，在结算时，向来都是由店员把商品一件一件拿起，并使之通过固定的条形码扫描机上扫描，读取条形码。这样，店员的手腕和腰部的负担很大。于是，就开发了手提式条形码扫描仪，用条形码扫描仪读取商品的条形码的方式由此开始普及。但是，这种方式并没有改变店员必须一件一件逐个扫描商品的条形码的工作方式。

实际上，条形码系统所识别内容无外乎商品上贴着的条形码，即不是直接识别商品本身。因此，若是在商品上贴错条形码的话，结帐时就会对商品进行错误识别，其金额的表示亦会出现误差。

本实施例是把信息变换系统适用于自动收银系统的例子。

首先，参照图37的机能块图，对本实施例的系统的构成进行说明。如图37表示，第7实施例的信息变换系统由输入部100、比较用画像生成部200、部件特定部500、数据库(DB)400、解析信息生成部700以及输出部600构成。

其中，输入部100由摄像机110和重量秤120构成。摄像机110能够拍摄处在结帐时所放的装有商品的篮子C的整个外形。另外，重量秤120则能够测量出装有商品的该篮子C的重量。

另外，最好设置多台摄像机，使之能够从相互间不同的方向拍摄到篮子C。

此外，作为商店中被贩卖的盒装牛奶、香波等各商品的属性数据，商品的形态、金额以及重量的数据都被储存在数据库300中。

部件特定部500根据摄像机100拍摄到的篮子C内的商品的画像，识别出各个商品。

解析信息生成部700由总计部710以及判断部720构成。总计部710计算通过部件特定部500所识别出的各个商品的总金额，生成合计金额这个解析信息。总计部710还可以计算出各个部件商品和篮子C的合计重量，生成合计重量这个解析信息。

判断部720是将通过重量秤120所测出的装有商品的篮子C的总测定重量，与由总计部710算出的合计重量进行比较对照，在允许的范围内判断重量是否一致。如果一致，则判断出对篮子C内的所有商品的识别是正确的，如果不一致，则表明在篮子C中有被识别错误的商品。判断部720就是这样根据测定重量和合计重量，生成判断的解析信息。

当判断部720判断识别正确时，输出部600就显示出总计部710算出的总金额。反之，当判断部720判断识别错误时，输出部600就输出判断出错的信息。

接着，参照图38对本发明用于自动收银机时的处理予以说明。

首先，如图39(A)所示，根据输入部100的摄像机110获得装有商品的篮子C的全体画像(图38的STEP S1)。在图39(A)中，模式化地显示出在篮子C中装有的液体洗涤剂容器81、豆腐盒82以及牛奶盒83。

在获得画像的同时，通过重量秤120测量出篮子C的总重量G1(图38的STEPS2)。

接下来，通过部件特定部500，特定与摄像机110拍摄到的画像中的各个对象物相对应的部件(图38STEP S3)。

图39(B)中，模式化的显示了作为商品对应物被特定的部件，即，在此，部件液体洗涤剂81a、部件豆腐盒82a、以及部件牛奶盒83a被特定。

于是，在确认画像中的所有对象物被提取后(图38STEP S4)，通过总计部710计算出被特定的各个部件81a～83a的金额，并算出其合计金额(图38STEP S5)。

接着，合计各个部件81a～83a以及篮子C的重量，算出合计重量G2(图38STEP S6)。

然后，将由重量秤120测量出的重量G1与由总计部710算出的合计重量G2在判断部720进行比较对照(图38STEP S7)。

当测量重量G1和合计重量G2一致时(图38STEP S8中YES的情况)，输出部600就显示出合计金额(图38STEP S9)。

当测量重量G1和合计重量G2不一致时(图38STEP S8中NO的情况)，输出部600就显示出错误的提示信息(图38STEP S10)。

像这样把本发明适用于自动收银系统，因为能够特定各个商品相对应的部件，所以不需要条形码。为此，店员不需要将一个一个的商品上所贴的条形码进行读取，就能够在短时间内算出商品的合计金额。其结果是加快了结算处的处理速度，缩短了结帐的等待时间。而且在结帐时店员拿起扫描每个商品，所以亦减轻了店员的体力负担。

[第8实施例]

下面参照图40～图42，对本发明的第8实施例予以说明。

第8实施例是将信息变换系统用作交通流量调查的例子。

迄今为止，交通流量数据的收集都是通过动员临时工等，将通勤车辆按照种类区别，一辆一辆地进行计数的。

但是依靠人力来统计的话，很容易发生误差，因此，很难验证统计信息数据的可靠性。特别是在交通流量很大的交叉路口，在信号灯变换的同时很多车辆一起启动行走地情况下，很可能会发生遗漏。

另外，雇用临时工还要花费工钱，使得调查成本上升。特别是在深夜和凌晨，很难保证调查人员的数量能够满足需要。

下面，就第8实施例中把信息变换系统适用于交通流量调查的例子予以说明。

首先，参照图40的机能块图，对第8实施例的构成予以说明。如图40所示，第8实施例的信息变换系统由输入部100、比较画像生成部200、部件特定部500、数据库(DB)300、比较用部件生成部400、解析信息生成部700、项目选择部800以及输出部600构成。

其中，如图42所示，输入部100是由拍摄通过大桥90的车辆的摄像机构成。这台监视摄像机的视野，可以是把整个大桥90都拍摄进去的较广视野，也可以是仅能拍到通过的一辆汽车的较窄视野。此外，此监视摄像机可以设置成从正面拍摄通过大桥90的车辆，也可以设置成从侧面拍摄。

在数据库300中存储有各种车辆的种类和外形的属性数据。

部件特定部500可以特定与输入部100的摄像机拍摄到的车辆画像相对应的部件。

项目选择部800，对应于解析信息生成部生成的解析信息，选择出组合属性数据的部件以及/或者该部件的特定项目。

解析信息生成部700对应选择部800的选择结果，生成解析信息。本实施例是将部件车辆的种类进行分类，再按照车种计算合计通过车辆的数量。

然后，输出部600输出各种类型车辆的通过数量。

下面参照图41对说明本发明用作交通流量调查时的处理。

首先，通过输入部100的监视摄像机，把拍摄到的通过桥的车辆画像输入(图41STEP S1)。

然后，由部件特定部500特定与车辆相对应的部件。根据被特定部件的属性数据来决定车辆种类(图41STEP S2)。

车辆种类的分类方法，可以根据交通流量调查的目的进行设定。例如，可以单单以“大型车”和“非大型车”来分类，也可以根据车辆的制造品牌来进行分类。

接下来，在解析信息生成部700中对车种进行分类(图41STEP S3)，再计算各个车种的通过数量(图41STEP S4)。

于是，输出部600就会输出各个车种通过数量的总数(图41STEP S5)。

像这样的能够自动统计各个车种车辆的通过数量的系统，可以使得具有很高可靠性的统计数据在低成本的情况下进行收集。像这样分类后再进行的统计，是通过特定通行车辆的车种而实现的。

[第9实施例]

下面参照图40、图42以及图43，详细说明本发明的第9实施例。

在第9实施例中，使用于与第8实施例相同的系统构成，即进行大桥安全管理的例子。

如图43所示，第9实施例和上述的第8实施例一样，要输入通过大桥的车辆的画像(图43STEP S1)。但是，在第9实施例中，不仅要拍摄桥上行驶的车辆，还要拍摄临到大桥的车辆画像。

然后，与第8实施例一样，识别画像中各个车辆91、92、93、(图43STEP S2)。

但在第9实施例中，项目选择部800是指示用于大桥安全管理的解析信息的生成的。因此，解析信息生成部700算出在大桥90上行驶的车辆91、92重量g1、g2以及临到大桥的车辆93的重量g3的合计重量G(＝g1+g2+g3)(图43STEPS3)。

也就是说，此合计重量G是各车辆91、92以及93的解析信息。

另外，各种车辆的重量最好设定成附加装载物后的值。例如，如果是卡车的话，就应加上这辆卡车的最大载重量。

通过解析信息生成部700将合计重量G同大桥90的最大负荷重量Gh进行比较(图43STEP S5)。

于是，当卡车合计重量G小于大桥最大负荷重量Gh时，可以判断为安全(图43STEP S6)。

即，解析信息生成部700把解析信息的合计重量G与大桥90的属性数据的最大负荷重量Gh组合起来，生成表示安全判断的各车辆91、92、93、和大桥90的全部新的解析信息。

反之，如果合计重量G超过了大桥的最大负荷重量Gh的话，就判断为危险(图43STEP S7)。

也就是说，解析信息生成部700把解析信息的合计重量G与大桥90的属性数据的最大负荷重量Gh组合起来，生成表示危险判断的各车辆91、92、93和大桥90的全部新的解析信息。

在被判断为危险时，从输出部600立即向信号机94发送变换成红色信号的控制信号。

根据这些，大桥的安全管理就能够自动进行。

但是，在第9实施例中，车辆的重量是不能从监视画像中直接获得。因此，单单由人来监视摄像画像的话，在本实施例是很难判断其安全或者危险的。对此，本实施例中，由于是对画像中的车辆进行识别、对作为拥有属性数据的部件车辆进行识别，所以不包含输入画像，就能够利用各种车辆的重量数据自动进行安全管理。因此，在第9实施例中，仅仅通过人工监视就可以实现高度的安全管理。

以上所讲的各个实施例中，说明了由特定的条件构成本发明的例子，但本发明还可以进行各种变更。例如，在上述的实施例中，说明的是把对象物的影像作为输入信息的例子，但在本发明中，输入信息并不只限定于画像信息，例如，在画像中附加上对象物的声音信息、或者对象物的温度等信息，并可以将其组合起来作为输入信息予以利用。

此外，作为输入信息，也可以利用对象物质量、电气、磁气等各种物理量的测试结果，还可以利用对象物的动作模型等。

输入画像也不只限定于可见光的画像。例如，作为输入画像，可以利用红外线画像、或者X光、中子射线等放射线的曝光画像、或者电子线画像，此外，还可以利用超声波或者电波的发射波画像、乃至衍射画像。

另外、本发明中，如果把文章、单词的发音作为部件予以登录，获取声音信息来代替画像信息的话，就可以进行声音识别。声音识别中，输入的声音信息是通过麦克风捕捉到的声音电子信号。因此，作为比较用声音信息，考虑到作为时间的函数的频率光谱、声音强度、乃至语言特性，可以生成FM成分和AM成分两重分析对象。另一方面，作为比较用声音部件信息，只要有语言，提供单词和文章的频率光谱、声音强度、FM成分、AM成分即可。于是，在部件特定部中可以调查比较用声音信息和比较用声音部件信息的对应状况。

上述各实施例中，说明了为实现一个或者数个特定的目的而进行信息变换的例子，但是本发明的信息变换系统能够作为不须特定用途的通用系统使用。例如，把对象物的画像等信息输入后，对于与此对象物相对应的部件的各种属性数据输出的电子百科词典的功能，能够通过数据库、输入部和部件特定部的构成来实现。

[产业上的利用]

本发明适合用于可利用防范监视系统等中的画像识别技术的各种领域中。此外，也适用于工业自动化(FA)中的画像处理技术，以可以作为人工智能等信息处理技术的基础技术用于各个方面。

此外，本发明还适用于传送实况转播等画像信息的各种领域。

Claims (25)

1、一种信息变换系统，它包括下述各部：即，

拥有将各种对象物进行模型化的部件的、表示对象性质的数据的属性数据及登录有识别代码的数据库，

从每个部件的属性数据中生成一个或复数的比较用部件信息的比较用部件生成部，获取包含对象信息的输入信息的输入部，

从输入信息中生成未将对象信息个别分离的比较用信息的比较用信息生成部，

利用相互间拥有同一种数据的比较用部件信息及比较用信息来特定对应于对象的部件的部件特定部，

以及将被特定的部件的识别代码以及属性数据的一部分的作为上述对象的识别结果来输出的输出部；

其特征在于所说的特定部由下述各部构成，即，

对于一个或复数的部件的一个或复数的比较用信息来说、能够从比较用信息中按顺序检索出与比较用部件信息的一部分相对应的对应部分的检索处理部，

和将比较用信息中的对应部分作为对象来识别的识别处理部，以及将含用比较用部件信息的部件作为对应于对象的部件来特定的特定处理部。

2、一种信息变换系统，它包括以下各部，即，

把含有模型化的部件三维形状数据的各种对象物属性数据及识别代码进行登录的数据库，

从每个部件的属性数据中生成一个或复数的比较用部件信息的比较用部件生成部，

获取含有对象物画像的输入画像的输入部，

对输入画像进行画像处理、并生成不须将对象物画像个别剪切的比较用画像信息的比较用画像生成部，

利用相互间含有同一种数据的比较用部件信息及比较用画像信息来特定对应于上述对象物画像的部件的部件特定部，

将被特定的部件的识别代码及属性数据的一部分作为对象物画像的识别结果输入的输出部；

其中，部件特定部由如下各部构成，即，

对于一个或复数的部件的一个或复数的比较用部件信息来说，能够从比较用画像信息中按顺序检索出与比较用部件信息一部分相对应的对应部分的检索处理部，

以比较用画像信息中的对应部分作为对象物画像来识别的识别处理部，

和将含有比较用部件信息的部件作为对应对象物画像的部件来特定的特定处理部。

3、如权利要求2所述的信息变换系统，其特征在于所说的比较用部件生成部是作为比较用部件信息，将部件的属性数据分解成轮廓线等基本要素，生成由个别或复数的基本要素组合成的复合要素；

比较用画像生成部作为比较用画像信息，抽出轮廓线等基本要素，生成个别基本要素或复合要素的集合；

检索处理部是从比较用画像信息中检索与部件基本要素和复合要素相对应的部分。

4、如权利要求3所述的信息变换系统，其特征在于所说的比较用部件生成部作为比较用部件信息，生成部件属性数据特征部分的基本要素或复合要素；

检索处理部从比较用画像信息中检索对应于特征部分的基本要素或复合要素的部分；

识别处理部是在检索到与特征部分的基本要素或复合要素相对应的部分后，确认该对应部分、和同一部分的该特征部分以外的基本要素或复合要素的对应，再将对应部分作为对象物画像来识别。

5、如权利要求3或4所述的信息变换系统，其特征在于比较用部件生成部作为比较用部件信息，给予与基本要素或复合要素形状一致的画素单位以高得点，并生成给予偏离要素形成的画素单位以低得点的由二维矩阵或三维矩阵形状的要素抽出过滤器；

检索处理部作为上述的对应部分，检索出与比较用画像信息的基本要素或复合要素一致的画素单位的合计得点最高的部分。

6、如权利要求3或4所述的信息变换系统，其特征在于比较用部件生成部在复合要素中给予只特定基本要素间的结合关系的信息，部件特定部则以与结合关系的一部分相一致为条件来检索对应部分。

7、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于记录在上述数据库中的各部件属性数据包含指示特定该部件的处理方法的自我特定信息；

而比较用部件生成部生成指定上述自我特定信息的比较用部件信息，把上述比较用部件信息按自我特定信息的指定优先顺序向部件特定部输出；

部件特定部基于自我特定信息来特定部件。

8、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于在数据库中，作为集合部件的属性数据，先将构成该集合部件的复数部件的识别代码及组合条件予以登录，而特定处理部在特定部件间满足了此组合条件的前提下，再次对组合的特定部件后的集合部件进行特定。

9、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于所说的数据库作为将对像物的一系列动作模型化的四维部件属性数据，含有该对象物三维形状数据的时间系列顺序的集合。

10、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于所说的数据库作为对象物群共通化模型化后的一般部件的属性数据，在该对象物群的每个对象物模型化后的部件中含有共通的属性数据。

11、如权利要求10所述的信息变换系统，其特征在于在所说的数据库中，事先将一般部件与该一般部件的属性数据共通的部件连接起来，比较用部件生成部生成对一般部件的比较用部件信息，通过特定处理部特定一般部件时，生成与此一般部件有关联的部件的比较用部件信息。

12、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于在所说的数据库会将从识别后的对象物画像中得到的数据，作为特定部件的属性数据来读取，或与属性数据的一部分进行置换。

13、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于在所说的数据库事先对每个设定情况进行复数部件的集团化，而比较用部件生成部在输入画像与某个设定情况相符合时，生成关于符合该设定状况的集团内的部件的比较用部件信息。

14、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于所说的检索处理部对应输入画像的情景，限定上述的比较用画像信息中的检索范围。

15、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于在所说的复数的输入部从同一对象物的不同已知方向分别取得输入画像，比较用画像生成部从各输入部获得的输入画像中，生成分别含有二维形状数据的比较用画像信息，比较用部件生成部生成含有把部件的三维形状数据投影到各个已知方向的二维形状数据的比较用部件信息，而部件特定部，对应于各个比较用画像信息，分别特定部件，并确认被特定的同一部件。

16、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于在所说的输入部获取含有从单一方向拍摄的对象物画像的输入画像，比较用画像生成部从输入画像生成包含二维形状数据的比较用画像信息，比较用部件生成部生成含有部件的三维形状数据向任意方向投影后的二维形状数据的比较用部件信息。

17、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于在所说的输入部分别取得从同一对象物的不同方向所拍摄的由视差的输入画像，比较用画像生成部则从各个输入画像中生成含有三维形状数据的比较用画像信息，比较用部件生成部生成含有部件的三维形状数据的比较用部件信息。

18、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于在所说的部件特定部备有决定表示部件三维形状及其配置关系的三维坐标的固定处理部。

19、如权利要求18所述的信息变换系统，其特征在于所说的部件特定部在特定多个个别对象物画像间的同一部件时，固定处理部在特定各部件的识别代码中分别附加互不相同的识别子。

20、如权利要求18所述的信息变换系统，其特征在于在上述的部件特定部在输入画像是由多个窗口构成的动画画像的情况下，对于一个窗口来说，特定部件，对于其他窗口来说，只对曾经被特定的部件重复进行固定处理。

21、如权利要求18所述的信息变换系统，其特征在于输出部把在部件特定部中被固定处理的复数部件以及这些部件的三维空间配置作为从任意位置视点看到的画像进行再构成并显示出来。

22、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于在所说的输入部以从互不相同的方向分别拍摄的三维形状和位置已知的对象物时而获得的输入画像中的对象物画像为基础，寻求各输入画像的摄像范围在三维空间中的重叠部分，把此重叠部分矫正到三维坐标上并使之一致后结合成画像，寻求各输入部的视点位置以及画角。

23、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于其拥有以下各部，即，

把从输出部输出的识别代码向通讯回线发送的送信部，

接收识别代码的接收部，

建立识别代码和属性数据的对应关系并保存的接收端数据库，

将对应于识别代码的部件属性从上述的接收端数据库中进行检索并将相应的属性数据输出的再构成部。

24、如权利要求23所述的信息变换系统，其特征在于在发送端数据库和接收端数据库中，同一识别代码的部件的三维形状数据是互不相同的。

25、如权利要求2～4中的任意一项所述的信息变换系统，其特征在于设有能够通过部件特定部组合特定的复数部件的属性数据，并生成对由这些部件形成的部件群的解析信息的解析生成部。

Images