DE4136830A1 - Vorrichtung und verfahren zur mustererkennung - Google Patents

Vorrichtung und verfahren zur mustererkennung

Info

Publication number
DE4136830A1
DE4136830A1 DE4136830A DE4136830A DE4136830A1 DE 4136830 A1 DE4136830 A1 DE 4136830A1 DE 4136830 A DE4136830 A DE 4136830A DE 4136830 A DE4136830 A DE 4136830A DE 4136830 A1 DE4136830 A1 DE 4136830A1
Authority
DE
Germany
Prior art keywords
data
pattern comparison
input
pattern
unit
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.)
Granted
Application number
DE4136830A
Other languages
English (en)
Other versions
DE4136830C2 (de
Inventor
Norio Tanaka
Hitoshi Fushimi
Masayasu Kato
Kazuyoshi Asada
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Publication of DE4136830A1 publication Critical patent/DE4136830A1/de
Application granted granted Critical
Publication of DE4136830C2 publication Critical patent/DE4136830C2/de
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/768Arrangements for image or video recognition or understanding using pattern recognition or machine learning using context analysis, e.g. recognition aided by known co-occurring patterns
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63Scene text, e.g. street names
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition
    • G06V30/19Recognition using electronic means
    • G06V30/19007Matching; Proximity measures
    • G06V30/19013Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G06V30/1902Shifting or otherwise transforming the patterns to accommodate for positional errors
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Character Discrimination (AREA)
  • Image Analysis (AREA)
  • Character Input (AREA)

Description

Die Erfindung betrifft eine Vorrichtung und ein Verfahren zur Mustererkennung mit bzw. in einer Datenverarbeitungseinrichtung, mit der bzw. mit dem zum Beispiel Schriftzeichen (einschließlich Zahlen), Symbole, Muster und/oder Gegenstände anhand von Ein­ gangsdaten erkannt werden können.
Es ist bekannt, zur Mustererkennung eine Kamera als Datenein­ gabevorrichtung zu verwenden, so daß die Eingangsdaten in der Form von Bilddaten erhalten werden.
Ein bekanntes Verfahren zur Mustererkennung ist zum Beispiel in "Image Processing for Industrial Use" von Ejiri, Seiten 81 bis 88 beschrieben.
Bei dem bekannten Verfahren werden die Bezugsdaten mittels eines Vorganges wie Lernen oder Programmieren vorab als Modelldaten gespeichert. Daraufhin wird die zu untersuchende Abbildung, die die Eingangsdaten darstellt, in einen Bildspeicher eingegeben. Im Bildspeicher werden die zu verarbeitende Abbildung und die Modelldaten über den ganzen Bereich dieses Bildspeichers vergli­ chen (der Bildspeicher ist dazu in Einheiten aufgeteilt, die Pixel oder Bildelemente genannt werden).
Für jede eingegebene, zu untersuchende Abbildung werden so die Werte der Übereinstimmungen der vorgegebenen Position mit den Modelldaten, die maximal mit der zu untersuchenden Abbildung übereingestimmt haben, und die Koordinaten dieser Position im Bereich des Bildspeichers festgestellt.
Im Falle des Herausgreifens einer bestimmten Position ist das bekannte Verfahren wirkungsvoll, da die Anzahl der Wiederholun­ gen beim Mustervergleich klein ist. Wenn jedoch der Musterver­ gleich zur Buchstabenerkennung oder dergleichen vorgesehen ist, ist es erforderlich, Modelldateneinheiten in einer Anzahl vorzu­ bereiten, die der Anzahl von zu erkennenden Buchstaben ent­ spricht, und den Mustervergleich jedesmal in dieser Anzahl zu wiederholen. Das führt zu dem Problem, daß der Mustervergleich sehr oft wiederholt werden muß.
Wenn darüberhinaus die gleichen Buchstaben in verschiedenen Formen vorliegen können, muß die Anzahl der vorbereiteten Modelldateneinheiten weiter erhöht werden, um eingegebene Buch­ staben auch in den verschiedenen Formen genau zu erkennen. Die Anzahl von Mustervergleichen nimmt dabei ebenfalls entsprechend zu.
Aufgabe der vorliegenden Erfindung ist es daher, eine Vorrich­ tung und ein Verfahren zur Musterkennung zu schaffen, bei dem die einem Eingangssignal entsprechenden Daten mit hoher Ge­ schwindigkeit erkannt werden können.
Diese Aufgabe wird erfindungsgemäß dadurch gelöst, daß das Konzept des bekannten Vorgehens umgekehrt wird.
Die Erfindung wird demnach beispielsweise dadurch ausgeführt, daß eine Datenverarbeitungseinrichtung mit einem ersten Speicher zum Speichern von Daten, die einem Eingangssignal entsprechen, und mit einer Mustervergleichseinheit einen zweiten Speicher zum Speichern von Daten aufweist, die als Bezugsdaten für den Mu­ stervergleich verwendet werden; wobei die Mustervergleichsein­ heit die Eingangsdaten als Modelldaten hernimmt und sie dem Mustervergleich mit den im zweiten Speicher gespeicherten Daten unterwirft.
Unter Berücksichtigung der Tatsache, daß die Anzahl von Ein­ gangsdateneinheiten oft geringer ist als die Anzahl von Bezugs­ dateneinheiten, besteht die vorliegende Erfindung darin, daß der Mustervergleich durch Wiederholen des Mustervergleichsprozesses in einer Anzahl ausgeführt wird, die der Anzahl von Eingangsda­ teneinheiten entspricht und nicht der Anzahl von Bezugsdaten­ einheiten. Zu diesem Zweck werden die Bezugsdateneinheiten im zweiten Speicher gespeichert.
Die Mustervergleichseinheit setzt somit die Eingangsdaten als Modelldaten fest und unterwirft sie dem Mustervergleichsvorgang, wobei die Bezugsdateneinheiten vom zweiten Speicher zugeführt werden.
Die Anzahl oder Nummer der sich ergebenden Übereinstimmungen zwischen den Eingangsdaten und den Bezugsdateneinheiten wird verglichen, und die Bezugsdateneinheit, die den Eingangsdaten entspricht, wird auf der Basis eines Kriteriums wie der Koor­ dinatenposition, die den Maximalwert zeigt, oder der Koordina­ tenposition, bei der der Wert der Übereinstimmungen nicht kleiner ist als ein gegebener Wert, herausgefunden, wodurch die Entscheidung über die Eingangsdaten erfolgt.
Mit dieser Vorgehensweise wird der Mustervergleichsvorgang in der Anzahl der Eingangsdateneinheiten ausgeführt, und der Mustervergleich ist nach einer relativ geringen Anzahl von Wiederholungen beendet.
Ausführungsbeispiele der Erfindung werden anhand der Zeichnung näher erläutert. Es zeigen:
Fig. 1 eine Darstellung zur Erläuterung der Arbeitsweise einer Datenverarbeitungseinrichtung für die Mustererkennung;
Fig. 2 ein Flußdiagramm für die Vorrichtung der Fig. 1;
Fig. 3 ein Blockschaltbild der Vorrichtung der Fig. 1;
Fig. 4 eine Darstellung zur Erläuterung der Verarbeitung, wenn nicht vollständige Buchstaben berücksichtigt werden sollen;
Fig. 5 ein Flußdiagramm für den Fall der Fig. 4;
Fig. 6(a) und 6(b) Darstellungen zur Erläuterung der Vergröße­ rung des erlaubten Bereichs für die Koordinaten des Mittelpunktes der Bezugsdaten;
Fig. 7(a) und 7(b) Darstellungen zur Erläuterung der Verarbei­ tung für den Fall, daß das Eingabezeichen groß ist;
Fig. 8 ein Flußdiagramm für den Fall der Fig. 7(a) und 7(b);
Fig. 9, Fig. 10(a) bis (c) und Fig. 11 Darstellungen zur Er­ läuterung der Verarbeitung für den Fall, daß die Nummernschilder von Kraftfahrzeugen erkannt werden sollen;
Fig. 12 ein Flußdiagramm für den Fall der Fig. 9 bis 11;
Fig. 13(a) und 13(b) Darstellungen zur Erläuterung eines Histogrammprozesses; und
Fig. 14 ein Flußdiagramm für die Erkennung von Nummernschil­ dern unter Verwendung von Histogrammen.
Anhand der Fig. 1 bis 3 wird eine erste Ausführungsform einer Vorrichtung zur Mustererkennung erläutert.
Zuerst soll der Aufbau einer Datenverarbeitungseinrichtung zur Mustererkennung mit Bezug zur Fig. 3 beschrieben werden.
Die Datenverarbeitungseinrichtung weist als Dateneingabeeinrich­ tung eine Kamera 12, als Annahmeeinrichtung ein Dateneingabegerät oder eine Tastatur 12a zur Aufnahme von Befehlen, die für einen Mustervergleichsvorgang erforderlich sind, als Anzeigeeinrich­ tung einen Monitor 13 und als Datenverarbeitungseinheit einen Bildprozessor 11 auf.
Der Bildprozessor 11 dieser Ausführungsform beinhaltet einen Eingangsbildspeicher 14 als erste Speichereinrichtung, eine Binär-Umwandlungseinheit 17, einen Binär-Bildspeicher 18, eine Objekt-Extraktionseinheit 19 als Extraktionseinrichtung, eine Mustervergleichseinheit 16, einen Modelldatenspeicher 15 für vorgegebene Muster als zweite Speichereinrichtung und einen Ergebnisspeicher 15a für das Ergebnis des Mustervergleichs.
Eine Bildaufnahmeeinrichtung wie die Kamera 12, die die Daten­ eingabeeinrichtung ist, nimmt ein Bild auf und wandelt gleich­ zeitig die analogen Bilddaten in digitale Bilddaten um. Die sich ergebenden Bilddaten werden im Eingangsbildspeicher 14 gespei­ chert, der die erste Speichereinrichtung darstellt.
Die Binär-Umwandlungseinheit 17 führt vor der Extraktion eines zu erkennenden Objektes aus den Eingangsbilddaten eine Vorverar­ beitung durch. Die binären Bilddaten, die das Ergebnis am Aus­ gang dieser Umwandlungseinheit 17 sind, werden im Binär-Bild­ speicher 18 gespeichert.
Die Objekt-Extraktionseinheit 19 extrahiert das zu erkennende Objekt. Diese Extraktionseinheit 19 schließt eine Histogramm­ einheit 20 und eine Markierungseinheit 21 ein, die für den Extraktionsvorgang vorgesehen sind. Es kann entweder dabei einer oder beide der von den Einheiten 20 und 21 ausgeführten Prozesse ausgewählt werden.
Das extrahierte, zu erkennende Objekt wird in einem Modellspei­ cher (nicht gezeigt, im folgenden jedoch mit dem Bezugszeichen 16a bezeichnet) , mit dem die Mustervergleichseinheit 16 versehen ist, gespeichert. Das extrahierte Objekt wird dann dem Muster­ vergleichsvorgang mit Dateneinheiten als Bezugsdaten unterwor­ fen, die im Modelldatenspeicher 15 für vorgegebene Muster ge­ speichert sind, der die zweite Speichereinrichtung darstellt. Das Ergebnis des Mustervergleichs wird im Ergebnisspeicher 15a gespeichert.
Der Monitor 13, der die Anzeigeeinrichtung darstellt, wird dazu verwendet, die als Bezugsdaten eingegebenen Daten zu bestätigen, die als Eingangssignal anliegenden Daten anzuzeigen und um das Verarbeitungsergebnis auszugeben.
Befehle, die für den Mustervergleichsvorgang erforderlich sind, werden vom Dateneingabegerät 12a aufgenommen, das die Annahme­ einrichtung darstellt.
Die Arbeitsweise der Einrichtung wird im folgenden mit Bezug zur Fig. 1 beschrieben.
Der Mustervergleich besteht darin, den Grad der Übereinstimmung zwischen den Mustern zu bestimmen. Es ist daher erforderlich, zuerst Datenmuster zu speichern (vorzugeben oder zu programmie­ ren), die als Bezug verwendet werden.
Zur Vereinfachung werden hier als Bezugsdateneinheiten (vorgege­ bene Dateneinheiten) 1 die Buchstaben des Alphabets verwendet.
Die Bezugsdateneinheiten werden von der Bildaufnahmeeinrichtung, wie der Kamera 12, eingegeben. Dabei werden nur die Bereiche der einzelnen Schriftzeichen in Extraktionsdateneinheiten 2 extra­ hiert.
Die Extraktionsdateneinheiten 2 werden im Modelldatenspeicher 15 für vorgegebene Muster gespeichert, der in der Lage ist, die Dateneinheiten in zwei Dimensionen anzuordnen, wobei die Mittel­ punkte dieser Extraktionsdateneinheiten 2 in dem zweidimensiona­ len Koordinatensystem (von beispielsweise x- und y-Koordinaten) dieses Speichers 15 in beliebige Positionen gebracht werden können (bei der vorliegenden Ausführungsform werden die Mittel­ punkte der Dateneinheiten für alle Schriftzeichen auf die glei­ chen Positionen gesetzt).
Beispielsweise wird der Buchstabe A so gespeichert, daß der Mittelpunkt der Extraktionsdaten auf einer Position ist, die einen x-Koordinatenwert von 10 und einen y-Koordinatenwert von 5 hat, wie es beim Bezugszeichen 7 gezeigt ist.
Die Koordinaten sind für die Ausführung des Mustervergleichs wichtig.
Dieser Extraktions- und Speichervorgang wird für alle Arten von zu erkennenden Objekten (der Arten von Buchstaben) wiederholt, um die Extraktionsdateneinheiten der Bezugsdaten im Modelldaten­ speicher 15 für vorgegebene Muster zu speichern.
Wenn alle Arten von Buchstaben gespeichert sind, ist der Lern­ vorgang beendet.
Daraufhin wird eine Abbildung eingegeben, die das zu erkennende Objekt zeigt.
Der Eingabevorgang ist dabei ähnlich wie im Falle des Lernens oder Vorgebens der Bezugsdaten. Er wird durch Ersetzen der Bezugs- oder Modelldateneinheiten mit den zu erkennenden Objek­ ten in der Fig. 1 beschrieben.
Das zu erkennende Objekt (in der Abbildung der Buchstabe A) wird aus der zu erkennenden Abbildung, die als Eingabe vorliegt, extrahiert.
Der extrahierte Buchstabe wird im Modellspeicher 16a für den Modelldatenvergleich gespeichert und dem Mustervergleich mit Modelldateneinheiten A bis D (mit den Bezugszeichen 3 bis 6 bezeichnet) im Bereich des Modelldatenspeichers 15 unterworfen.
Als Ergebnis des Mustervergleichs wird der Wert der Überein­ stimmung des Buchstabens A mit den vorgegebenen Modelldaten A, die bei 3 gezeigt sind, und die Übereinstimmungskoordinaten davon (der x-Koordinatenwert 10 und der y-Koordinatenwert 5) erhalten.
Das heißt, daß die Koordinaten des Modelldatenspeichers 15 die Funktion der Unterscheidung oder Bestimmung des zu erkennenden Objektes haben. Es werden somit durch den Mustervergleich unter allen Koordinaten die Koordinaten der maximalen Übereinstimmung herausgefunden, wodurch das zu erkennende Objekt erkannt wird.
Darüberhinaus werden nicht nur die Koordinaten der maximalen Übereinstimmung, sondern es wird als Ergebnis des Musterver­ gleichs auch der Grad der Übereinstimmung mit allen Positionen des Modelldatenspeichers 15 erhalten. Das zu erkennende Objekt kann daher nur durch Vergleichen der Werte der Übereinstimmungen der Mittelpunktskoordinaten für die einzelnen vorgegebenen Mo­ delldateneinheiten A3 bis D6 erkannt werden.
Folglich ist die Verarbeitungsgeschwindigkeit erhöht.
Die Fig. 2 ist ein Flußdiagramm der wesentlichen Verarbeitungs­ schritte bei obigem Vorgang. Der Ablauf beinhaltet die Schritte des Extrahierens des zu erkennenden Objekts (der als Eingang erhaltenen Daten) (S1), des Speicherns der Eingangsdaten im Modellspeicher 16a (S2), des Ausführens des Mustervergleichs (S3), des Herausgreifens der Koordinaten maximaler Übereinstim­ mung (S4) und der Entscheidung über das zu erkennende Objekt (S5).
Mit Bezug zu der Fig. 4 wird nun eine weitere Ausführungsform beschrieben.
Die Arbeitsweise ist bei dieser Ausführungsform dieselbe wie in der Fig. 1 gezeigt, mit folgender Ausnahme: Beim Speichern der vorgegebenen Modelldateneinheiten werden solche Buchstaben, bei denen leicht Teile fehlen, berücksichtigt und entsprechende Mo­ delldateneinheiten A- bis A- (mit den Bezugszeichen 23 bis 25 bezeichnet) zusätzlich zu den nicht fehlerhaften Buchstaben entsprechenden Modelldateneinheiten A- der jeweiligen Art ge­ speichert.
Beim Speichern der Modelldateneinheiten werden dabei die y-Koor­ dinaten der Mittelpunkte der Dateneinheiten auf einem konstanten Wert gehalten, zum Beispiel 5, während sich die x-Koordinaten ändern. Es kann daher über die Eingangsdaten entschieden werden, indem nur die y-Koordinaten der Übereinstimmungsergebnisse be­ rücksichtigt werden.
Es ist auch möglich, die Speicher-Koordinatenwerte wie oben angegeben zu gruppieren und zu korrelieren.
Entsprechend dieser Ausführungsform kann die Erkennungsgeschwin­ digkeit weiter gesteigert werden, da eine größere Anzahl von zu erwartenden Mustern als Bezugsdateneinheiten, das heißt als die Modelldateneinheiten gespeichert sind.
Die Fig. 5 ist ein Flußdiagramm für die Verarbeitungsschritte bei der Ausführungsform der Fig. 4.
Die Schritte bis zur Extraktion der Koordinaten maximaler Über­ einstimmung (S51 bis S54) sind die gleichen wie bei der Fig. 2. Danach wird die Übereinstimmung des zu erkennenden Objekts mit den vorgegebenen Modelldaten anhand der y-Koordinatenwerte (y = 5, 15, ...) festgestellt, und die Grade der Übereinstimmung an den Punkten, deren x-Koordinatenwerte gleich 10, 20, 30, 40, ... sind, werden als Bezug erhalten (S55). Schließlich wird über das zu erkennende Objekt (die Eingangsdaten) endgültig entschieden (S56).
Es wird nun eine Ausführungsform, bei der der erlaubte Bereich der Koordinaten des Mittelpunktes für die Modelldaten vergrößert ist, mit Bezug zu den Fig. 6(a) und 6(b) beschrieben.
Wie in der Fig. 6(a) gezeigt, sind die Koordinaten maximaler Übereinstimmung, die durch einen Mustervergleich erhalten wer­ den, im allgemeinen die Mittelpunktskoordinaten 7 von vorge­ gebenen Modelldaten 3. Bezüglich mancher Objekte oder mancher Änderungen der Bedingungen weichen jedoch die Koordinaten maxi­ maler Übereinstimmung etwas von den Mittelpunktskoordinaten ab.
Um diese Abweichung zu berücksichtigen, können vorab, wie in der Fig. 6(b) gezeigt, gewisse Grenzen für die Mittelpunktskoordi­ naten als erlaubter Bereich (in der Darstellung der erlaubte Koordinatenbereich 30 der Daten für A) festgesetzt werden. Ein Eingangsbuchstabe, der in den erlaubten Bereich fällt, wird als um die Koordinaten liegend erkannt.
Mit Bezug zu den Fig. 7(a) und (b) wird nun ein Verarbeitungs­ verfahren zur Berücksichtigung verschiedener Größen des zu er­ kennenden Objekts beschrieben.
Die Speicherkapazität des Modellspeichers 16a für den Muster­ vergleich im Bildprozessor, der den Mustervergleichsvorgang aus­ führt, liegt im allgemeinen fest. Entsprechend sind auch die vertikalen und horizontalen Dimensionen eines Musters festge­ legt.
Die Größe eines zu erkennenden Objektes, das als Eingangssignal vorliegt, entspricht jedoch nicht immer der Größe des Modell­ speichers 16a, das Objekt ist manchmal für den Modellspeicher zu groß.
Bei einer solchen Situation werden, wie in der Fig. 7(a) ge­ zeigt, die als Referenz dienenden Daten (in der Abbildung die vorgegebenen Modelldaten für A mit dem Bezugszeichen 3) ent­ sprechend der Größe des Modellspeichers 16a um die Mittelpunkts­ koordinaten der Bezugsdaten (die Koordinaten 7 des Mittelpunktes der Daten für A) aufgeteilt. Es ergibt sich eine Anzahl von Teilmustern, die als Modelldateneinheiten gespeichert werden (vorgegebene Teil-Modelldateneinheiten a bis d mit den Bezugs­ zeichen 31 bis 34). Daraufhin wird der Mustervergleichsvorgang für alle Teilmuster ausgeführt, um die Werte der maximalen Übereinstimmung und die Koordinaten der jeweiligen Teile heraus­ zugreifen.
Bei dieser Verarbeitung bleibt jedoch der Übereinstimmungswert für die gesamten Eingangsdaten unbekannt. Wie in der Fig. 7(b) gezeigt, werden daher die Werte für die maximalen Übereinstim­ mungen um die Beträge der Differenzen zwischen den Mittelpunkts­ koordinaten 7, die zum Aufteilen als Bezugspunkt verwendet wur­ den, und den Mittelpunktskoordinaten 35 bis 38 der jeweiligen Teil-Modelldateneinheiten a bis d so verschoben, daß sie bei den Mittelpunktskoordinaten 7 der Daten für A zusammenfallen.
Der Vorgang dieses Zusammenführens kann auch so erfolgen, daß der gesamte Bereich eines Bildspeichers durch einen Verschiebe­ prozeß, der einer der Abbildungsprozesse ist, verschoben wird. Da die Mittelpunktskoordinaten 7 für die Daten von A und jene mit den Bezugszeichen 35 bis 38 für die jeweiligen Teil-Modell­ dateneinheiten a bis d bekannt sind, kann der Vorgang des Zu­ sammenführens durch Addieren der Übereinstimmungsgrade der Mittelpunktskoordinaten ausgeführt werden.
Die Fig. 8 ist ein Flußdiagramm für die in den Fig. 7(a) und (b) dargestellte Verarbeitung.
Wenn die Extraktionsdaten ein größeres Ausmaß haben als der Modellspeicher 16a, werden sie aufgeteilt, um die Speichergröße zu erhalten (S81). Nachdem die Teil-Extraktionsdateneinheiten im Modellspeicher 16a gespeichert wurden (S82), werden sie dem Mustervergleichsvorgang unterworfen (S83).
Die Koordinaten maximaler Übereinstimmung für die Extraktions­ daten werden aus den Werten maximaler Übereinstimmung abgelei­ tet, die für die jeweiligen Teile erhalten werden (S84), worauf­ hin über die Extraktionsdaten entschieden wird (S85).
Es wird nun eine Ausführungsform für ein Schriftzeichen-Lese­ system beschrieben, das als Kraftfahrzeug-Nummernschild-Lese­ system (Nummernschild-Erkennungssystem) dient.
Die Fig. 9 zeigt ein Beispiel für die Speicherung von Datenein­ heiten, die als Bezugsdaten für die Ziffern der Nummernschilder von Kraftfahrzeugen dienen sollen, durch einen Lernvorgang.
Ein an einem echten Kraftfahrzeug angebrachtes Nummernschild wird von einer Kamera 12 photographiert, und die Photographie wird auf einem Monitor 13 dargestellt, der für einen Bildpro­ zessor 11 die Anzeigeeinheit ist.
Wenn ein Bediener des Systems durch Betätigung eines Datenein­ gabegerätes 12a, das eine Annahmeeinrichtung darstellt, den Vorgang "Lernen" bezeichnet, wird auf dem Monitor 13 ein Cursor 39a dargestellt, der zur Anzeige der Extraktionsposition dient.
Der Cursor kann eine Kastenform, eine Kreuzform oder ähnliches haben, und seine Gestalt braucht nicht besonders festgelegt zu werden, so lange die Position erkannt werden kann.
Unter Verwendung des Dateneingabegerätes 12a (beispielsweise einer Maus, eines Berührungsfeldes oder einer Tastatur) wird die Position des Cursors 39a bewegt, um auf die Bezugsdaten zu zei­ gen und die Daten mittels des Bildprozessors 11 zu extrahieren. Die extrahierten Daten werden in einem Modelldatenspeicher 15 für ein vorgegebenes Muster gespeichert. In der Darstellung der Fig. 9 wird die Zahl "1" des Nummernschildes herausgegriffen und gespeichert, wie es bei dem Bezugszeichen 39 gezeigt ist.
Diese Extraktions- und Speichervorgänge werden entsprechend der Anzahl von Arten von Bezugsdateneinheiten wiederholt, um alle diese Dateneinheiten im Modelldatenspeicher 15 zu speichern.
Für die Nummernschilderkennung schließen die zu speichernden Dateneinheiten die Zahlen und alphabetischen Buchstaben der Nummernschilder (die Zahlen zur Unterscheidung der Kraftfahr­ zeugtypen und Buchstaben für abgekürzte Bezeichnungen von Staaten oder Ländern beinhalten können) und die Merkmale für die Gestalt der Nummernschilder (die im folgenden mit Bezug zu den Fig. 10(a) bis 10(c) erklärt werden) ein.
Es wird nun die Stufe der Nummernschilderkennung nach dem Ende des Lernens beschrieben.
In den Fig. 10(a) bis 10(c) ist der Vorgang zur Ableitung des Teiles eines Kraftfahrzeuges mit dem Nummernschild dargestellt.
Das zu erkennende Objekt wird hier so extrahiert, daß die Daten, die als Eingangssignal vorliegen, einem Mustervergleich unter Verwendung der abgeleiteten Modelldaten unterworfen werden.
Das Eingangssignal für das Nummernschild kann nicht kleiner als eine gegebene Größe relativ zum Gesamtbild des eingegebenen Objekts festgesetzt werden, um für den späteren Erkennungsvor­ gang noch von Nutzen zu sein.
Die Eingangsgröße sollte vorzugsweise als Modelldaten speicher­ bar sein; wie in Verbindung mit der Fig. 7(a) beschrieben, ist die Größe des Modellspeichers 16a jedoch oft begrenzt. In einer solchen Situation muß dann das Eingangssignal zur Speicherung im Modellspeicher 16a aufgeteilt werden.
Im Falle der Fig. 7 wurden die vorgegebenen Modelldaten um die Mittelpunktskoordinaten in vier Einheiten aufgeteilt. Demgegen­ über wird hier berücksichtigt, daß die Nummernschilder von Kraftfahrzeugen rechteckig sind, und es werden die Merkmale der Ecken 40 bis 43 der Nummernschilder wie in der Fig. 10(a) ge­ zeigt als Bezugsdateneinheiten (Nummer-Modelldateneinheiten a bis d jeweils entsprechend den Ecken 40 bis 43) in einem Bezugs- Modelldatenspeicher 15 gespeichert.
Wenn der Mustervergleichsvorgang unter Verwendung der Modellda­ ten ausgeführt wird, werden, wie bei den Bezugszeichen 44 bis 47 in der Fig. 10(b) gezeigt, Daten-a bis Daten-d als Ergebnis er­ halten.
Wenn das Nummernschild jedoch von einem realen Kraftfahrzeug abfotographiert wurde, sind die relativen Koordinatenwerte für die vier Punkte der Ergebnisse 44 bis 47 für die Daten-a bis Daten-d nicht immer gleich, da es verschiedene Arten von Kraft­ fahrzeugen gibt und die Anbringungsstellen für die Nummernschil­ der bei den einzelnen Kraftfahrzeugen unterschiedlich sind.
Es wird daher der Relativwert (das Seitenverhältnis) für die Koordinaten 48 bis 51 der Mittelpunkte der Ergebnisse für die Daten-a bis Daten-d, die durch den Mustervergleich erzeugt wurden, durch Anwenden der in der Fig. 7 gezeigten Methode herausgefunden. Dann wird geprüft, ob der Wert in der Nähe des Verhältnisses für Nummernschilder liegt (das Verhältnis ist in Japan 1 : 2). Damit kann die Position des Nummernschildes exakt abgeleitet werden.
Diese Situation ist in der Fig. 10(c) gezeigt.
Mit Bezug zu den Fig. 11 bis 14 werden nun Verfahren zur Extrak­ tion der einzelnen Zeichen innerhalb des Nummernschildes be­ schrieben.
Die Fig. 11 zeigt ein Extraktionsverfahren mit einem Markie­ rungsvorgang.
Eine durch das Herausgreifen des das Nummernschild darstellenden Abschnittes gemäß dem Vorgang der Fig. 10 und des Unterwerfens dieses Abschnittes unter einen Binär-Umwandlungsprozeß (bei dem der Teil eines Zeichens als "1" kodiert wird und jeder andere Teil als "0") erhaltenen Abbildung wird zu der Binärabbildung 52 des Nummernschild-Abschnittes.
Wenn die Binärabbildung 52 einem Markierungsvorgang unterworfen wird, wird das Markierungsbild 53 erhalten.
Der Markierungsvorgang ist einer der Abbildungsvorgänge, mit ihm werden den einzelnen Gegenständen der Binärabbildung Nummern zu­ geordnet. Der Begriff "Gegenstand" bezeichnet dabei jedes konti­ nuierliche Element, das ein Zeichen bildet. Zum Beispiel wird der Buchstabe "i" oder "j" als aus zwei Gegenständen zusammenge­ setzt betrachtet. Nach dem Markierungsvorgang werden die zuge­ ordneten Nummern im Bildspeicher dadurch gespeichert, daß sie als Dichtewerte betrachtet werden, die den Grad der Grauabstu­ fung eines Bildes in gewöhnlichen Bilddaten bezeichnen. Gleich­ zeitig wird ein Verfahren ausgeführt, um zu bestimmen, wie viele Bildelemente (jedes entspricht einem Punkt im Bildspeicher) je­ der Gegenstand hat (die Anzahl der Bildelemente kann als Fläche betrachtet werden).
Im Ergebnis ist dann die Anzahl der Gegenstände (Zeichen) und die Anzahl der Bildelemente (Fläche) dafür in der Binärabbildung 52 des Nummernschildes bekannt. Wenn die Flächenwerte der zu erkennenden Zeichen vorab erhalten wurden, kann das zu erkennen­ de Objekt durch einen Vergleich des Ergebnisses des Markierungs­ vorganges mit den Flächenwerten extrahiert werden.
Beispielsweise werden in der Fig. 11 die Gegenstände mit Flä­ chenwerten von mindestens 90 als die großen Zeichen des Num­ mernschildes erkannt, wodurch diese großen Zeichen 54 extrahiert werden können. Genauer, es kann aufgrund des Ergebnisses der Markierung die Markierungsnummer des zu erkennenden Objektes in der Form einer Dichte gespeichert werden. Unter den Gegenständen der Markierungsnummern werden diejenigen durch Binär-Umwandlung auf der Basis der Anzahl der Bildelemente aufeinanderfolgend ausgewählt, deren Anzahl von Bildelementen wenigstens 90 be­ trägt. Das zu erkennende Objekt kann daher als Markierungsnum­ mereinheit extrahiert werden.
Die Fig. 12 zeigt ein Flußdiagramm für den obigen Vorgang des Markierens.
Die in Binärdaten umgewandelte Abbildung wird einem Markierungs­ vorgang unterworfen (S121, S122). Das Markierungsergebnis wird mit dem vorab erhaltenen vorgeschriebenen Ergebnis verglichen, und das zu erkennende Objekt, das den vorgeschriebenen Wert hat oder darüberliegt, wird abgeleitet (S123).
Die folgenden Verarbeitungsschritte (S124 bis S127) sind die gleichen wie in der Fig. 2. Der Extraktions- und Erkennungsvor­ gang wird wiederholt, bis alle Zeichen auf dem Nummernschild erkannt und festgestellt sind (S128).
Die Fig. 13(a) und 13(b) zeigen ein Extraktionsverfahren mit der Verwendung von Histogrammen.
Die Binärabbildung 52 des Nummernschildes wird dabei einem Projektions-Histogrammprozeß unterworfen, und das erhaltene Ergebnis wird als Extraktionsinformation verwendet.
Zuerst wird, wie in der Fig. 13(a) gezeigt, der Projektions- Histogrammprozeß in y-Richtung ausgeführt.
Der Projektions-Histogrammprozeß in y-Richtung ist ein Vorgang, bei dem die Anzahl von Teilen (Teilen von Zeichen) mit dem gleichen y-Koordinatenwert in der Binärabbildung im zweidimen­ sionalen x- und y-Koordinatensystem aufaddiert wird.
Das Ergebnis ist bei dem Projektions-Histogramm-Ergebnis 55 für die y-Richtung gezeigt, und es kann aus dem Ergebnis der y-Koor­ dinatenwert gefunden werden, der die Grenze zwischen dem oberen Teil und dem unteren Teil des Nummernschildes anzeigt.
Eine zum Beispiel nur dem unteren Teil des Nummernschildes entsprechende Abbildung (eine Extraktionsabbildung 56 des unteren Teils) wird unter Verwendung des erwähnten y-Koordi­ natenwertes abgeleitet.
Die Extraktionsabbildung 56 des unteren Teiles des Nummernschil­ des wird, wie in der Fig. 13(b) gezeigt, einem Projektions- Histogrammprozeß in x-Richtung unterworfen. Aufgrund des erhal­ tenen Projektions-Histogramm-Ergebnisses 57 für die x-Richtung können die Positionen der Grenzen eines Buchstabens und großer Zahlen in der Extraktionsabbildung 56 festgestellt werden.
Auf der Basis dieser Positionen können Extraktionsergebnisse 54 für große Zahlen erhalten werden.
Die Fig. 14 ist ein Flußdiagramm für den Histogrammprozeß der Fig. 13 zur Erkennung von Nummernschildern.
Nach der Binär-Umwandlung des Nummernschildes (S141) wird durch den Projektions-Histogrammprozeß in y-Richtung die Position des unteren Teiles des Nummernschildes festgestellt (S142), und dieser untere Teil wird extrahiert (S143). Daraufhin werden die Positionen der Grenzen des Buchstabens und der großen Zahlen durch den Projektions-Histogrammprozeß in x-Richtung herausge­ funden (S144) und die einzelnen Zeichen extrahiert (S145).
Die folgenden Verarbeitungsschritte (S146 bis S149) sind die gleichen wie in der Fig. 2, und die Extraktion und Erkennung wird wiederholt, bis alle Zahlen auf dem Nummernschild erkannt und festgestellt sind (S150).
Wie beschrieben können somit erfindungsgemäß zu erkennende Ob­ jekte mit hoher Geschwindigkeit und einer hohen Erkennungsrate festgestellt werden, so daß der Bereich, der unter Verwendung der Bildverarbeitung automatisiert werden kann, erheblich er­ weitert ist.
Bezüglich der erhöhten Geschwindigkeit kann erfindungsgemäß, da die Anzahl (n) von Bezugsdateneinheiten größer ist, die Verar­ beitungszeit auf 1/n oder so verringert werden.
Aufgrund der hohen Erkennungsrate können die vorgegebenen Model­ le für Bezugsdateneinheiten in großer Anzahl gespeichert werden. Wenn eine Anzahl von Dateneinheiten für jede Art von Bezugsdaten vorbereitet wird, kann daher eine Mehrfachentscheidung wie ein Vergleich der Übereinstimmungsergebnisse der Ausdrucksdaten rea­ lisiert werden, und der Anteil an Fehlerkennungen ist verrin­ gert.
Wenn die Bezugsdateneinheiten in einem Bildspeicher gespeichert werden, kann eine sehr große Anzahl von Bezugsdateneinheiten angeboten werden, da der Bildspeicher in seiner Speicherkapa­ zität wesentlich größer ist als der Speicher, der beim Stand der Technik die Bezugsdaten speichert. Erfindungsgemäß wird somit erreicht, daß die Erkennungsrate vergrößert ist.
Wenn die Bezugsdateneinheiten im Bildspeicher gespeichert sind, kann darüberhinaus jedes Bildelement mit Informationen zum Iden­ tifizieren der Bezugsdaten versehen werden, da der Bildspeicher eine Speicherkapazität von zum Beispiel 8 Bit pro Bildelement hat und damit viel größer in der Kapazität pro Bildelement ist als der Speicher, der beim Stand der Technik die Bezugsdaten speichert (1 Bit oder so pro Bildelement).
Auf der Basis der Identifikationsinformationen können beim Mustervergleich Relativinformationen zwischen den einzelnen Bezugsdateneinheiten abgeleitet werden, wie Korrelationen oder Kombinationsbeziehungen, wodurch mehr aufbereitete Information für eine Änderung des Ortes usw. bereitgestellt werden kann.
Dadurch wird es möglich, einen Mustervergleich mit Objekten auszuführen, die eine komplizierte Form haben.
Die Anderung eines Ortes wird mit Bezug zur Fig. 4 als Beispiel erläutert. Es wird bezüglich des Buchstabens A angenommen, daß die Eingangs-Dateneinheiten eine Tendenz zu einer guten Überein­ stimmung mit den Modelldaten A- für x = 30 haben, wie es beim Bezugszeichen 24 gezeigt ist. Daher wird die Dateneinheit 24 zur Position mit x = 10 verschoben. Es wird dabei angenommen, daß für kleinere x-Koordinatenwerte ein größeres Gewicht festgelegt ist. Die Eingangs-Dateneinheiten werden daher öfters als mit den Dateneinheiten 24 übereinstimmend festgestellt, und die Erken­ nungsrate ist erhöht. Das Festlegen einer erhöhten Gewichtung hat den Vorteil, daß, wenn die Dateneinheit 24 dem Buchstaben B an der Position x = 30 ähnlich ist und daher zu einer Fehlerken­ nung führen kann, durch die Gewichtung eine leichtere Unter­ scheidung möglich ist.
Erfindungsgemäß sind darüberhinaus die x- und y-Koordinaten feste Informationseinheiten, die bestimmt werden, wenn die Be­ zugsdateneinheiten vorab durch eine Maßnahme wie Lernen eingege­ ben werden. Wenn nach einem Mustervergleich ein Ergebnis bestä­ tigt werden soll, reicht es daher aus, den Wert der Überein­ stimmung zu bestätigen, der bei der festen Koordinatenposition gespeichert ist. Dadurch wird die Verarbeitung schneller, und es werden Fehlerkennungen verhindert.
Die erfindungsgemäße Datenverarbeitungseinrichtung kann daher eingegebene Daten mit hoher Geschwindigkeit erkennen.

Claims (12)

1. Datenverarbeitungseinrichtung zur Mustererkennung, gekenn­ zeichnet durch eine erste Speichereinrichtung (14) zum Speichern von Daten, die als Eingangssignal eingegeben werden; durch eine Mustervergleichseinheit (16); und durch eine zweite Speicher­ einrichtung (15) zum Speichern von Daten, die für einen Muster­ vergleichsvorgang als Bezugsdaten dienen; wobei die Muster­ vergleichseinheit (16) die Eingangsdaten als Modelldaten behan­ delt, die dem Mustervergleichsvorgang mit den in der zweiten Speichereinrichtung (15) gespeicherten Daten unterworfen werden.
2. Datenverarbeitungseinrichtung zur Mustererkennung, gekenn­ zeichnet durch eine erste Speichereinrichtung (14) zum Speichern von Daten, die als Eingangssignal eingegeben werden; durch eine Mustervergleichseinheit (16); durch eine zweite Speichereinrich­ tung (15) zum Speichern von Daten, die für einen Musterver­ gleichsvorgang als Bezugsdaten dienen; und durch eine Extrak­ tionseinheit (19) zum Extrahieren eines zu erkennenden Objekts aus den Eingangsdaten; wobei die Mustervergleichseinheit (16) das extrahierte, zu erkennende Objekt als Modelldaten behandelt, die dem Mustervergleichsvorgang mit den in der zweiten Speicher­ einrichtung (15) gespeicherten Daten unterworfen werden.
3. Einrichtung nach Anspruch 2, dadurch gekennzeichnet, daß die Extraktionseinheit (19) eine Markierungseinheit (21) aufweist, die die Eingangsdaten einem Markierungsvorgang unterwirft; und daß das zu erkennende Objekt derart extrahiert wird, daß die Größe eines jeden einzelnen Gegenstandes, der in den Eingangs­ daten enthalten ist und der durch den Markierungsvorgang er­ halten wird, mit der Größe eines bekannten Gegenstandes vergli­ chen wird.
4. Einrichtung nach Anspruch 2, dadurch gekennzeichnet, daß die Extraktionseinheit (19) eine Histogrammeinheit (20) aufweist, die die Eingangsdaten einem Histogrammprozeß unterwirft; und daß das zu erkennende Objekt gemäß der Histogramm-Verteilung, die durch den Histogrammprozeß erhalten wird, und einer Histogramm- Verteilung erhalten wird, die sich aus bekannten Daten ergibt.
5. Einrichtung nach Anspruch 2, dadurch gekennzeichnet, daß die Extraktionseinheit (19) das zu erkennende Objekt derart extra­ hiert, daß die Eingangsdaten einem Mustervergleichsvorgang unter Verwendung von Modelldaten zur Extraktion unterworfen werden.
6. Einrichtung nach Anspruch 1, dadurch gekennzeichnet, daß die Mustervergleichseinheit (16) relationale Informationen zwischen den Bezugsdatensdateneinheiten in Übereinstimmung mit einem Ergebnis des Mustervergleichsvorganges ableitet und dann gemäß den Informationen eine Position der Bezugsdatensdaten ändert.
7. Einrichtung nach Anspruch 5, dadurch gekennzeichnet, daß die Extraktionseinheit (19) die Eingangsdaten mit Bezugsdaten zu einer Modellgröße aufteilt; und daß die Mustervergleichseinheit (16) jede der Teil-Dateneinheiten dem Mustervergleichsvorgang unterwirft und die Ergebnisse dieser Mustervergleiche für jede Dateneinheit zusammensetzt.
8. Datenverarbeitungseinrichtung zur Mustererkennung, gekenn­ zeichnet durch eine Datenverarbeitungseinheit (11) mit einer ersten Speichereinrichtung (14) zum Speichern von Daten, die als Eingangssignal eingegeben werden, einer Mustervergleichseinheit (16) und einer zweiten Speichereinrichtung (15) zum Speichern von Daten, die für einen Mustervergleichsvorgang als Bezugsdaten dienen; wobei die Mustervergleichseinheit (16) die Eingangsdaten als Modelldaten behandelt, die dem Mustervergleichsvorgang mit den in der zweiten Speichereinrichtung (15) gespeicherten Daten unterworfen werden; durch eine Dateneingabeeinrichtung (12) zur Erzeugung der Eingangsdaten; durch eine Annahmeeinrichtung (12a) zur Annahme von Informationen, die für den Mustervergleichsvor­ gang erforderlich sind; und durch eine Anzeigeeinrichtung (13) zur Darstellung der Eingangsdaten.
9. Datenverarbeitungseinrichtung zur Mustererkennung, gekenn­ zeichnet durch eine Datenverarbeitungseinheit (11) mit einer ersten Speichereinrichtung (14) zum Speichern von Daten, die als Eingangssignal eingegeben werden, einer Mustervergleichseinheit (16), einer zweiten Speichereinrichtung (15) zum Speichern von Daten, die für einen Mustervergleichsvorgang als Bezugsdaten dienen; und mit einer Extraktionseinheit (19) zum Extrahieren eines zu erkennenden Objekts aus den Eingangsdaten; wobei die Mustervergleichseinheit (16) das extrahierte, zu erkennende Objekt als Modelldaten behandelt, die dem Mustervergleichsvor­ gang mit den in der zweiten Speichereinrichtung (15) gespeicher­ ten Daten unterworfen werden, und wobei die Extraktionseinheit (19) das zu erkennende Objekt derart extrahiert, daß die Ein­ gangsdaten einem Mustervergleichsvorgang unter Verwendung von Modelldaten zur Extraktion unterworfen werden; durch eine Da­ teneingabeeinrichtung (12) zur Erzeugung der Eingangsdaten; durch eine Annahmeeinrichtung (12a) zur Annahme von Informa­ tionen, die für den Mustervergleichsvorgang erforderlich sind; und durch eine Anzeigeeinrichtung (13) zur Darstellung der Eingangsdaten.
10. Zeichenleseeinrichtung, gekennzeichnet durch eine Kamera (12), die ein Zeichen als Eingangssignal darstellt, eine erste Speichereinrichtung (14) zum Speichern des eingegebenen Zei­ chens, eine Mustervergleichseinheit (16), eine Annahmeinrichtung (12a) zur Annahme von Befehlen für den Mustervergleichsvorgang, eine Anzeigeeinrichtung (13) und eine zweite Speichereinrichtung (15) zum Speichern von Zeichen, die für den Mustervergleichsvor­ gang als Bezugsdaten dienen; wobei die Mustervergleichseinheit (16) das eingegebene Zeichen als Modelldaten behandelt, die dem Mustervergleichsvorgang mit den in der zweiten Speichereinrich­ tung (15) gespeicherten Daten unterworfen werden.
11. Verfahren zur Mustererkennung, wobei Daten, die als Ein­ gangssignale vorliegen, in einer ersten Speichereinrichtung (14) gespeichert und einem Mustervergleichsvorgang unterworfen wer­ den, dadurch gekennzeichnet, daß in einer zweiten Speicherein­ richtung (15) Daten gespeichert werden, die für den Musterver­ gleichsvorgang als Bezugsdaten dienen; und daß die Eingangsdaten als Modelldaten festgelegt werden und dem Mustervergleichsvor­ gang mit den in der zweiten Speichereinrichtung (15) gespeicher­ ten Daten unterworfen werden.
12. Einrichtung nach Anspruch 1, dadurch gekennzeichnet, daß die Daten, die für den Mustervergleichsvorgang als Bezugsdaten dienen, Standard-Modelldaten für den Mustervergleichsvorgang sind.
DE4136830A 1990-11-08 1991-11-08 Datenverarbeitungseinrichtung und Verfahren zur Mustererkennung Expired - Fee Related DE4136830C2 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2302864A JPH04177483A (ja) 1990-11-08 1990-11-08 パターンマッチング方式

Publications (2)

Publication Number Publication Date
DE4136830A1 true DE4136830A1 (de) 1992-05-14
DE4136830C2 DE4136830C2 (de) 1995-06-22

Family

ID=17914017

Family Applications (1)

Application Number Title Priority Date Filing Date
DE4136830A Expired - Fee Related DE4136830C2 (de) 1990-11-08 1991-11-08 Datenverarbeitungseinrichtung und Verfahren zur Mustererkennung

Country Status (3)

Country Link
JP (1) JPH04177483A (de)
KR (1) KR920010495A (de)
DE (1) DE4136830C2 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4410603C1 (de) * 1994-03-26 1995-06-14 Jenoptik Technologie Gmbh Verfahren zur Erkennung von Fehlern bei der Inspektion von strukturierten Oberflächen

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19713511A1 (de) * 1997-04-01 1998-10-08 Cwa Gmbh Verfahren zur automatischen Wiedererkennung von beschrifteten Kennzeichen anhand der Zeichenfolge sowie geometrischer Merkmale

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4410603C1 (de) * 1994-03-26 1995-06-14 Jenoptik Technologie Gmbh Verfahren zur Erkennung von Fehlern bei der Inspektion von strukturierten Oberflächen

Also Published As

Publication number Publication date
DE4136830C2 (de) 1995-06-22
KR920010495A (ko) 1992-06-26
JPH04177483A (ja) 1992-06-24

Similar Documents

Publication Publication Date Title
DE3689416T2 (de) Mustermerkmalextraktion.
DE2909153C2 (de) Einrichtung zur digitalen Analyse von Bild- oder Zeichenmustern
DE68928154T2 (de) Fingerabdruckverarbeitungssystem, geeignet für das Ermitteln des Kernes eines Fingerabdruckbildes durch Krümmungsparameter
DE2801536C2 (de) Zeichenformkodiervorrichtung
DE69810581T2 (de) Merkmalkorrelator für Fingerabdrücke
DE2831582C2 (de) Verfahren zur Identifizierung einer Person und Vorrichtung zur Durchführung des Verfahrens
EP0523407B1 (de) Verfahren zur Klassifikation von Signalen
DE19705757C2 (de) Verfahren zum Erkennen eines Eingabemusters und zum Erzeugen einer Datenbank sowie Zeichenerkennungssystem
DE3111027A1 (de) Verfahren und vorrichtung zur positionsabtastung eines objektes
DE19521346A1 (de) Bilduntersuchungs/Erkennungsverfahren, darin verwendetes Verfahren zur Erzeugung von Referenzdaten und Vorrichtungen dafür
DE112017005651T5 (de) Vorrichtung zur Klassifizierung von Daten
DE2703158B2 (de) Einrichtung zum Erfassen der Position eines Musters oder Zeichens
DE69322095T2 (de) Verfahren und gerät zur identifizierung eines objekts mittels eine geordneten folge von grenz-pixel-parametern
DE102017220307A1 (de) Vorrichtung und Verfahren zum Erkennen von Verkehrszeichen
DE2844156A1 (de) Verfahren zum verifizieren eines sprechers
DE2829808A1 (de) Verfahren und vorrichtung zum lesen von zeichen
DE3718620C2 (de)
EP1180258B1 (de) Mustererkennung mittels prüfung zusätzlicher merkmale nach teilverarbeitung
DE69115176T2 (de) Verfahren und Vorrichtung zur Messung und zur Anzeige von magnetischen Feldern.
DE3622222A1 (de) Zeichenerkennung in zweidimensionalen signalen
DE69026668T2 (de) Genaue Erkennung von Eingabemustern
DE102020209080A1 (de) Bildverarbeitungssystem
DE4136830C2 (de) Datenverarbeitungseinrichtung und Verfahren zur Mustererkennung
DE69028398T2 (de) Verfahren zur Musterdatenverarbeitung auf der Grundlage geordneter Amplitudenwerte, Gerät zum Durchführen des Verfahrens
DE68910625T2 (de) Verfahren zum Erkennen eines Musters in einem Feld mit einer Mehrwertamplitude, Anordnung zum Durchführen eines derartigen Verfahrens.

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
D2 Grant after examination
8364 No opposition during term of opposition
8339 Ceased/non-payment of the annual fee