JP2000101437A - コ―ドブック方式によるデ―タ分析装置および方法、デ―タ認識装置および方法、記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 画像や音声等の分析・認識処理を実時間の範
囲で高精度に行うことができるようにする。 【解決手段】 あらかじめ用意されたコードブックの中
から、入力データより抽出される複数のベクトルに類似
したコードベクトルを夫々探し出してそれに対応するコ
ードを出力するコードブック方式圧縮部１０２と、出力
されたコード列を用いて出力コードの頻度分布を生成す
る頻度分布生成部１０４とを備え、入力データに対して
マッチングを行った後の出力コード列を用いて頻度分布
を生成することでデータ分析を行い、更には、この頻度
分布の違いからデータ認識を行うようにすることによ
り、フーリエ変換に代表される周波数変換処理などの極
めて計算量の多い処理を施すことなく、入力データの分
析や認識処理を行うことができるようにする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明はコードブック方式に
よるデータ分析装置および方法、データ認識装置および
方法、記録媒体に関するものである。

【０００２】

【従来の技術】従来、画像や音声の分析・認識などを行
う処理においては、それぞれの空間的あるいは時間的デ
ータを周波数データに変換して周波数スペクトルを求
め、そのスペクトル形状を解析する方法がとられてき
た。

【０００３】

【発明が解決しようとする課題】しかしながら、この方
法によると、空間あるいは時間軸のデータを周波数軸の
データに変換するために、フーリエ変換等の極めて計算
量の多い処理を施さなければならなかった。そのため、
分析・認識処理に多くの時間を要し、実時間応答を目的
としたシステムに組み込むことは困難であった。

【０００４】また、人物認識や音声認識など、マン・マ
シンインターフェイスを扱う部分に応用する場合、周波
数解析による処理がそのようなインターフェイス部分を
扱うのに最適なものであるとは限らない。したがって、
人間とシステムとが混在するような「インターフェイス
の領域」を扱うために、簡単なアルゴリズムで高速な処
理能力を持ったマン・マシンインターフェイス技術を実
現することが渇望されていた。

【０００５】本発明はこのような実情に鑑みて成された
ものであり、画像や音声等の分析・認識処理を実時間の
範囲で高精度に行うことができるようにすることを目的
とする。

【０００６】

【課題を解決するための手段】本発明のコードブック方
式によるデータ分析装置は、少なくとも１つ以上のデー
タを有するデータ列から成るベクトルを複数備えたコー
ドブックの中から、入力データより抽出される複数のベ
クトルに類似したコードベクトルを夫々探し出して、そ
れに対応するコードを出力するマッチング手段と、上記
マッチング手段より出力されるコード列を用いて、出力
コードの頻度分布を生成する頻度分布生成手段とを備え
たことを特徴とする。ここで、上記頻度分布生成手段
は、一部分のコードに対する頻度分布を生成するように
しても良い。また、上記入力データは、画像データもし
くは音声データであっても良い。

【０００７】また、本発明のコードブック方式によるデ
ータ認識装置は、少なくとも１つ以上のデータを有する
データ列から成るベクトルを複数備えたコードブックの
中から、入力データより抽出される複数のベクトルに類
似したコードベクトルを夫々探し出して、それに対応す
るコードを出力するマッチング手段と、上記マッチング
手段より出力されるコード列を用いて、出力コードの頻
度分布を生成する頻度分布生成手段と、少なくとも１つ
以上の頻度分布の情報を記憶する頻度分布記憶手段と、
上記頻度分布生成手段により生成された上記入力データ
に関する頻度分布と上記頻度分布記憶手段内の各頻度分
布とを比較し、上記頻度分布記憶手段に記憶されている
各頻度分布の中から、所定の比較関数によって特定され
る頻度分布を選び出す比較手段とを備えたことを特徴と
する。

【０００８】ここで、上記頻度分布は、一部分のコード
に対する頻度分布であっても良い。例えば、上記コード
ブックが、ベクトルを構成するブロック内で各要素のデ
ータ値がある方向に徐々に変化する第１のパターンのコ
ードベクトルと、上記ブロック内で各要素のデータ値が
急激に変化する第２のパターンのコードベクトルとから
構成され、上記頻度分布が、上記第１のパターンに対応
するコードの頻度分布のみであっても良い。

【０００９】本発明の他の態様では、上記比較手段によ
る比較の結果、上記所定の比較関数によって選び出され
た頻度分布もしくはこれに対応する認識情報を表示手段
に表示することを特徴とする。また、上記比較手段によ
る比較の結果、上記所定の比較関数によって選び出され
る頻度分布が上記頻度分布記憶手段内にない場合、当該
生成された頻度分布を上記頻度分布記憶手段に登録する
頻度分布登録手段を備えても良い。また、上記比較手段
による比較の結果、上記所定の比較関数によって選び出
された頻度分布もしくはこれに対応する認識情報を出力
する応答出力手段と、上記応答出力手段からの出力に基
づくユーザの反応に応じて、上記比較の結果が正しいも
のであるかどうかを判断し、間違っている場合は上記頻
度分布記憶手段に対して上記生成された頻度分布を登録
し、あるいは上記頻度分布記憶手段に記憶されている頻
度分布に対して書き換えを行う頻度分布登録・修正手段
とを備えても良い。

【００１０】本発明のその他の態様では、少なくとも１
つ以上のデータを有するデータ列から成るベクトルを複
数備えたコードブックの中から、入力データより抽出さ
れる複数のベクトルに類似したコードベクトルを夫々探
し出して、それに対応するコードを出力するマッチング
手段と、上記マッチング手段より出力されるコード列を
用いて、出力コードの頻度分布を生成する頻度分布生成
手段と、上記頻度分布生成手段により生成された出力コ
ードの頻度分布に基づいて、各出力コードの頻度を２値
で表した特徴データ列を生成する特徴データ列生成手段
と、少なくとも１つ以上の特徴データ列を記憶する特徴
データ列記憶手段と、上記特徴データ列生成手段により
生成された上記入力データに関する特徴データ列と上記
特徴データ列記憶手段内の各特徴データ列とを比較し、
上記特徴データ列記憶手段に記憶されている各特徴デー
タ列の中から、所定の比較関数によって特定される特徴
データ列を選び出す比較手段とを備えたことを特徴とす
る。

【００１１】ここで、上記特徴データ列は、一部分のコ
ードに対する特徴データ列であっても良い。例えば、上
記コードブックが、ベクトルを構成するブロック内で各
要素のデータ値がある方向に徐々に変化する第１のパタ
ーンのコードベクトルと、上記ブロック内で各要素のデ
ータ値が急激に変化する第２のパターンのコードベクト
ルとから構成され、上記特徴データ列が、上記第１のパ
ターンに対応するコードの特徴データ列のみであっても
良い。

【００１２】本発明のその他の態様では、上記比較手段
による比較の結果、上記所定の比較関数によって選び出
された特徴データ列もしくはこれに対応する認識情報を
表示手段に表示することを特徴とする。また、上記比較
手段による比較の結果、上記所定の比較関数によって選
び出される特徴データ列が上記特徴データ列記憶手段内
にない場合、当該生成された特徴データ列を上記特徴デ
ータ列記憶手段に登録する特徴データ列登録手段を備え
ても良い。また、上記比較手段による比較の結果、上記
所定の比較関数によって選び出された特徴データ列もし
くはこれに対応する認識情報を出力する応答出力手段
と、上記応答出力手段からの出力に基づくユーザの反応
に応じて、上記比較の結果が正しいものであるかどうか
を判断し、間違っている場合は上記特徴データ列記憶手
段に対して上記生成された特徴データ列を登録し、ある
いは上記特徴データ列記憶手段に記憶されている特徴デ
ータ列に対して書き換えを行う特徴データ列登録・修正
手段とを備えても良い。

【００１３】本発明のその他の態様では、上記入力デー
タは、画像データもしくは音声データであることを特徴
とする。ここで、上記入力データである画像データ中か
ら人物の顔部分のみを抽出する画像処理手段を備え、上
記抽出した顔部分についてのみ上記出力コードの頻度分
布を生成するようにしても良い。また、上記マッチング
手段は、上記顔部分から抽出される複数ブロックのベク
トルに対して夫々マッチング処理を行うようにしても良
い。

【００１４】本発明のその他の態様では、少なくとも１
つ以上のデータを有するデータ列から成るベクトルであ
って、当該ベクトルを構成するブロック内で各要素のデ
ータ値がある方向に徐々に変化する第１のパターンのコ
ードベクトルと、上記ブロック内で各要素のデータ値が
急激に変化する第２のパターンのコードベクトルとを備
えたコードブックを記憶するコードブック記憶手段と、
上記コードブックの中から、入力データより抽出される
複数のベクトルに類似したコードベクトルを夫々探し出
して、それに対応するコードを出力するマッチング手段
と、上記マッチング手段より出力されるコード列のう
ち、上記第１のパターンおよび上記第２のパターンの何
れか一方に対応するコード列に対して出力コードの頻度
分布を生成する頻度分布生成手段と、少なくとも１つ以
上の頻度分布の情報を記憶する頻度分布記憶手段と、上
記頻度分布生成手段により生成された上記入力データに
関する頻度分布と上記頻度分布記憶手段内の各頻度分布
とを比較し、上記頻度分布記憶手段に記憶されている各
頻度分布の中から、所定の比較関数によって特定される
頻度分布を選び出す比較手段とを備えたことを特徴とす
る。

【００１５】また、本発明のコードブック方式によるデ
ータ分析方法は、少なくとも１つ以上のデータを有する
データ列から成るベクトルを複数備えたコードブックの
中から、入力データより抽出される複数のベクトルに類
似したコードベクトルを夫々探し出して、それに対応す
るコードを出力するマッチングステップと、上記マッチ
ングステップで出力されたコード列を用いて、出力コー
ドの頻度分布を生成する頻度分布生成ステップとを有
し、上記入力データに対して上記マッチングを行った後
の出力コード列を用いて上記頻度分布を生成するように
したことを特徴とする。

【００１６】本発明の他の態様では、少なくとも１つ以
上のデータを有するデータ列から成るベクトルを複数備
えたコードブックの中から、入力データより抽出される
複数のベクトルに類似したコードベクトルを夫々探し出
して、それに対応するコードを出力するマッチングステ
ップと、上記マッチングステップで出力されたコード列
を用いて、出力コードの頻度分布を生成する頻度分布生
成ステップと、上記頻度分布生成ステップで生成された
上記入力データに関する頻度分布と、頻度分布記憶部に
あらかじめ記憶されている少なくとも１つ以上の頻度分
布とを比較し、上記頻度分布記憶部に記憶されている各
頻度分布の中から、所定の比較関数によって特定される
頻度分布を選び出す比較ステップとを有し、上記入力デ
ータに対して上記マッチングを行った後の出力コード列
を用いて上記頻度分布を生成し、上記生成した頻度分布
に対応する頻度分布を上記頻度分布記憶部から選び出す
ようにしたことを特徴とする。

【００１７】本発明のその他の態様では、少なくとも１
つ以上のデータを有するデータ列から成るベクトルを複
数備えたコードブックの中から、入力データより抽出さ
れる複数のベクトルに類似したコードベクトルを夫々探
し出して、それに対応するコードを出力するマッチング
ステップと、上記マッチングステップで出力されたコー
ド列を用いて、出力コードの頻度分布を生成する頻度分
布生成ステップと、上記頻度分布生成ステップで生成さ
れた出力コードの頻度分布に基づいて、各出力コードの
頻度を２値で表した特徴データ列を生成する特徴データ
列生成ステップと、上記特徴データ列生成ステップで生
成された上記入力データに関する特徴データ列と、特徴
データ列記憶部にあらかじめ記憶されている少なくとも
１つ以上の特徴データ列とを比較し、上記特徴データ列
記憶部に記憶されている各特徴データ列の中から、所定
の比較関数によって特定される特徴データ列を選び出す
比較ステップとを有し、上記入力データに対して上記マ
ッチングを行った後の出力コード列を用いて上記頻度分
布を生成するとともに、上記生成した頻度分布から特徴
データ列を生成し、生成した特徴データ列に対応する特
徴データ列を上記特徴データ列記憶部から選び出すよう
にしたことを特徴とする。

【００１８】また、本発明のコンピュータ読み取り可能
な記録媒体は、請求項１、４、８〜１０、１４〜１５の
何れか１項に記載の各手段としてコンピュータを機能さ
せるためのプログラムを記録したことを特徴とする。ま
た、請求項１９〜２１の何れか１項に記載の各ステップ
をコンピュータに実行させるためのプログラムを記録す
るようにしても良い。

【００１９】

【発明の実施の形態】（第１の実施形態）以下に、本発
明の一実施形態を図面を用いて詳細に説明する。図１
は、第１の実施形態によるコードスペクトル分析装置の
基本的な構成を示すブロック図である。なお、この図１
において、制御回路および制御線は図示を省略してあ
る。

【００２０】図１において、本実施形態のコードスペク
トル分析装置１０７は、入力データ記憶部１０１に記憶
されている一定量（例えば１９２００×１６バイト）の
データに対して、以下に述べるようなコードブック方式
による分析処理を行い、その結果を出力部１０６から出
力する。なお、上記入力データ記憶部１０１には、入力
データが一定の順序で記憶されている。

【００２１】図１に示すように、本実施形態のコードス
ペクトル分析装置１０７は、コードブック方式圧縮部１
０２、コードブック記憶部１０３、出力コードの頻度分
布生成部１０４および頻度分布記憶部１０５を備えてい
る。上記コードブック方式圧縮部１０２は、コードブッ
ク記憶部１０３に記憶されているコードブックを用い
て、入力データ記憶部１０１から読み出された複数バイ
トのデータ（一例として１６バイトのベクトルデータ）
から圧縮コードを生成する。

【００２２】コードブック記憶部１０３に記憶されてい
るコードブックは、複数（例えば２０４８個）のベクト
ルデータの集合である。また、このコードブックを構成
する個々のベクトルデータは、上記入力データ記憶部１
０１から読み出されるデータと同じ次元数を持ったパタ
ーンデータ（１６バイトのベクトルデータ）である。以
下、上記入力データ記憶部１０１から読み出されるデー
タを入力ベクトル、コードブック記憶部１０３に記憶さ
れているデータをコードベクトルと称する。

【００２３】上記圧縮コードは、入力データ記憶部１０
１より入力された入力ベクトルと、コードブック記憶部
１０３に格納されている各コードベクトルとの相関から
求める。すなわち、コードブック方式圧縮部１０２は、
上記入力ベクトルデータと各コードベクトルデータとを
夫々比較することにより、入力ベクトルと最も似通った
パターンのコードベクトルをコードブック中から見つけ
出して、そのパターンに対応するコードを出力する。こ
の出力されるコードは、例えば、コードブック記憶部１
０３に格納されているデータヘのポインタ（アドレス）
である。

【００２４】コードブック方式圧縮部１０２より出力さ
れるコードの数は、入力データの量による。上述したよ
うに、入力データ記憶部１０１からは一定量のデータ
（例えば１９２００×１６バイト）が順次入力され、コ
ードブック方式圧縮部１０２で順次処理される。そのた
め、出力コードとしては、入力データ分（例えば１９２
００個のコード）が順次出力される。

【００２５】出力コードの頻度分布生成部１０４は、コ
ードブック方式圧縮部１０２から順次出力されるコード
（アドレス）の頻度分布を生成するものである。また、
頻度分布記憶部１０５は、コードブック記憶部１０３に
記憶されているコードベクトルの数（例えば２０４８
個）分だけの記憶領域を持ち、その記憶領域にはそれぞ
れ、コードブック方式圧縮部１０２から出力される各コ
ードの使用頻度の情報が頻度分布生成部１０４によって
書き込まれる。

【００２６】図２に、上記頻度分布生成部１０４の動作
原理を示す。なお、図２において、頻度分布生成部１０
４および頻度分布記憶部１０５は、図１に示したものと
同一のものである。上述したように、頻度分布記憶部１
０５は、コードブックを構成するコードベクトルの数分
だけ記憶領域を持ち、それぞれの記憶領域にはアドレス
が付けられている。このアドレスは、コードブック方式
圧縮部１０２から出力されるコードの値と対応してい
る。

【００２７】頻度分布記憶部１０５内の各記憶領域の頻
度値は、データが入力される前の段階で“０”にリセッ
トしておく。そして、コードブック方式圧縮部１０２か
ら順次出力されるコードの値によって、頻度分布生成部
１０４が頻度分布記憶部１０５内の対応するアドレスの
記憶領域の頻度値を順次インクリメントしていく。図２
には、コードブック方式圧縮部１０２からコード値
“４”が出力され、それに対応するアドレスの頻度値を
１つインクリメントしている例が示されている。

【００２８】以上の処理を決められた数の入力データ
（ここでは、例えば１９２００個の入力ベクトル）につ
いて行うと、最終的に頻度分布記憶部１０５には、入力
データに対するコードブック方式圧縮部１０２の出力コ
ードの頻度分布が生成されることになる。この生成され
た頻度分布のことを、以下では「コードブックスペクト
ル」と呼ぶことにする。生成されたコードブックスペク
トルは、出力部１０６を介して外部に出力される。

【００２９】次に、入力データの例として画像データを
入力する場合を考える。ここでは、例えば１ピクセルが
８ビット（＝１バイト）で表された６４０×４８０ピク
セルの画像を入力データ記憶部１０１に記憶しておくも
のとする。コードブック方式圧縮部１０２には、１６バ
イト分のデータを１ベクトルとして入力する。１６バイ
トのとり方として、画像の４×４ピクセルのブロックを
１ベクトルとして、ブロック毎に順次入力する。

【００３０】一方、コードブック記憶部１０３に格納さ
れているコードブックは、ここでは２０４８個のコード
ベクトルで構成され、１つのコードベクトルは１６バイ
トのデータで構成されている。また、コードブック方式
圧縮部１０２での処理として、ここではコードブック方
式圧縮部１０２に入力された入力ベクトルと、コードブ
ック記憶部１０３に格納されているコードベクトルとの
マンハッタン距離（差分絶対値距離）を計算し、最も距
離の短いものに対応するポインタ（アドレス）を出力コ
ードとして出力することにする。

【００３１】全ての画像データ（１９２００個の入力ベ
クトル）を入力し、コードブック方式圧縮部１０２によ
るマッチング処理が終了すると、最終的に頻度分布記憶
部１０５には、例えば図３のような出力コードの頻度分
布（コードブックスペクトル）が生成されることにな
る。図３において、横軸はコード値（０〜２０４７）を
示し、縦軸は各コードの使用頻度を示している。

【００３２】入力する画像が異なると、その画像データ
からブロック毎に抽出される複数の入力ベクトルのデー
タも当然に異なってくる。これにより、この入力ベクト
ルに類似するものとしてコードブック方式圧縮部１０２
によりコードブック中から探し出されるコードベクトル
も当然に異なってくる。そのため、出力されるコードの
使用頻度（コードブックスペクトル）は、対象とする画
像に特有なものとなる。つまり、コードブック方式圧縮
部１０２より出力されるコードの頻度分布を求めること
により、入力データの分析を行うことができる。

【００３３】以上のように、本実施形態によれば、フー
リエ変換に代表される周波数変換処理などの極めて計算
量の多い処理を施すことなく、コードブック方式圧縮部
１０２でベクトル量子化処理を行い、これにより出力さ
れるコードの使用頻度分布を求めるという簡単な処理を
行うだけで入力データの分析を行うことができる。これ
により、入力データの分析処理を高精度かつ短時間で行
うことができるようになる。

【００３４】（第２の実施形態）次に、本発明の第２の
実施形態について説明する。第２の実施形態は、図１に
示したコードスペクトル分析装置１０７を利用した画像
認識システムについて説明するものである。図４に、コ
ードブックスペクトルを用いた人物認識のための基本的
な構成を示す。

【００３５】図４において、図１に示したブロックと同
じブロックには同一の符号を付している。画像入力部４
０１は、例えば人物の正面から見た顔の画像をデータと
して取り込むものである。ここでは、例えば１ピクセル
がＲＧＢ各８ビットの階調を持った６４０×４８０ピク
セルの画像データを取り込む。なお、この実施形態では
６４０×４８０ピクセルの画像を例に挙げているが、こ
れに限定されるものではない。

【００３６】画像処理部４０２は、画像入力部４０１で
得られた画像データを加工する。例えば、入力された画
像データ中から背景、服の部分などを取り除き、顔面と
髪の毛のみから成る画像を取り出し、その大きさをそろ
えたりする処理を行う。この画像処理部４０２の目的
は、コードブックスペクトルを用いた人物認識を容易に
する（それぞれの人の顔でコードブックスペクトルの違
いを明確にする）ための処理であり、そのために行うの
であればどんな処理（例えば、目や鼻等を抜き出した
り、顔の何らかの特徴量を抽出したりするような従来の
認識で用いられているような画像処理）であっても構わ
ない。

【００３７】この画像処理部４０２はまた、画像入力部
４０１で抽出された顔面と髪の毛のみから成るＲＧＢの
画像信号を、輝度信号（Ｙ信号）と色信号（Ｕ信号、Ｖ
信号）とから成る画像信号に変換する。そして、このよ
うに変換したＹ信号のみをコードスペクトル分析装置１
０７に供給することにより、実際の処理を行うデータは
Ｙ信号のみとする。

【００３８】図５は、この画像処理部４０２における処
理手順の例を示すフローチャートである。以下、このフ
ローチャートに従って説明する。図５において、ステッ
プＳ０で画像入力部４０１より取り込まれた画像データ
は、画像処理部４０２に与えられる。画像処理部４０２
では、まずステップＳ１において、上記取り込んだ画像
データ中から背景部分を取り除く処理を行う。これは、
各ピクセル毎に、例えば上記取り込んだ画像データの輝
度値から背景画像とする輝度値を引き、その差が所定の
値より小さくなったピクセルは背景画像であるとして輝
度を最大値（＝２５５）にセットすることによって実現
できる。

【００３９】次に、ステップＳ２で顔面と首の境目の窪
んだ所を検出し、ステップＳ３で左右の窪んだ所の２点
間の中心位置を検出する。さらに、ステップＳ４で上記
検出した中心位置から画像の下方に沿って所定の処理を
行うことにより、顎の部分を検出する。そして、ステッ
プＳ５で、上記検出した顎の先端より下側の画像（首の
部分など）をクリアする（例えば最大輝度値で置き換え
る）処理を行う。

【００４０】そして、ステップＳ６で顔面と首の境目の
左側輪郭を検出した後、ステップＳ７で顔面と首の境目
の右側輪郭を検出する。以上の処理により、画像入力部
４０１より入力された画像データ中から背景、服、首の
部分をすべて取り除き、顔面と髪の毛のみから成る画像
を生成する。以下に述べる人物認識処理は、このように
して取り出された画像に対して行われる。

【００４１】コードブック方式圧縮部１０２は、図１に
示したものと同等のものであり、画像処理部４０２で得
られた画像に対して、具体的に次の操作を行う。すなわ
ち、画像処理部４０２で処理された画像の左上を起点と
して、そこから右方向へ向かって４×４ピクセルのブロ
ックを順次取り出す。右端まで取り出したら、取り出す
位置を１ブロック分下にずらして左端から再び取り出し
て行き、それを繰り返すことにより全画面分のブロック
を取り出す。

【００４２】そして、取り出した各ブロックに対して、
コードブック記憶部１０３に多数登録されているコード
ベクトルの中から最もパターンの似ている（絶対値差分
距離の最も短い）ものを順次選び出し、そに対応するア
ドレスを出力コードとして出力する。例えば６４０×４
８０ピクセルの画像を処理する場合、１９２００個のブ
ロックが取り出されて処理されるので、出力コードも１
９２００個となる。

【００４３】なお、この例でコードブック記憶部１０３
には、４×４ピクセルのパターン画像が多数登録されて
いて、それぞれのブロックにはアドレスが割り当てられ
ている。そして、入力ベクトルと最も似ているパターン
に対応するアドレスがコードブック方式圧縮部１０２よ
り出力コードとして順次出力される。この実施形態では
コードブックに２０４８個のブロック（コードベクト
ル）を登録しているが、登録数は本実施形態によって限
定されるものではない。

【００４４】出力コードの頻度分布生成部１０４および
頻度分布記憶部１０５も図１に示したものと同等のもの
であり、コードブック方式圧縮部１０２から出力される
コードの頻度分布（コードブックスペクトル）を生成す
る。

【００４５】コードブックスペクトル記憶部４０４に
は、様々な人の顔について上記のようなコードブックス
ペクトルの生成を行い、それによって得られた複数のコ
ードブックスペクトルがあらかじめ格納されている。第
１の実施形態で述べたように、異なる人の顔から生成し
たコードブックスペクトルは夫々異なっている。それぞ
れのコードブックスペクトルにはアドレスが割り当てら
れていて、そのアドレスが誰の顔のコードブックスペク
トルなのかを示している。

【００４６】コードブックスペクトル比較部４０３は、
コードスペクトル分析装置１０７で生成されたある人の
顔のコードブックスペクトルと、コードブックスペクト
ル記憶部４０４に格納されている個々人の顔のコードブ
ックスペクトルとを比較し、入力画像のコードブックス
ペクトルと最もパターンの似ているものをコードブック
スペクトル記憶部４０４から選び出し、そのアドレスを
出力する。そのアドレスが認識された人物を示してい
る。なお、ここでは最もパターンの似ているものを選び
出しているが、これに限定されない。要は、所定の比較
関数によって特定される頻度分布を選び出すようにすれ
ば良い。

【００４７】以上のように、第２の実施形態によれば、
コードスペクトル分析装置１０７により分析されたコー
ドブックスペクトルを用い、あらかじめ登録された複数
のコードブックスペクトルとの比較という簡単な処理を
行うだけで、コードブックスペクトルの違いから人物の
認識を行うことができる。これにより、人物認識の処理
を高精度かつ短時間で行うことができるようになる。

【００４８】（第３の実施形態）次に、本発明の第３の
実施形態について説明する。第３の実施形態は、第２の
実施形態で述べたようなコードブックスペクトルを用い
た人物認識システムに対して、コードブックスペクトル
を自動的に登録・修正するようにしたシステムを説明す
るものである。図６は、第３の実施形態による人物認識
システムの構成を示すブロック図である。

【００４９】図６において、図４に示した符号と同一の
符号を付したものは、同一の機能を有するものであるの
で、これについての詳細な説明は省略する。認識対象人
物に対する応答部６０１は、コードブックスペクトル比
較部４０３で認識された結果に基づいて、認識対象であ
る人物に対して何らかの働きかけ（例えば声をかけた
り、名前を尋ねたり、認識結果を表示したりする処理）
を行い、認識した結果をチェックするためのものであ
る。

【００５０】もし、その認識された人物がコードブック
スペクトル記憶部４０４に未登録の人物であったり（す
なわち、所定の比較関数によって選び出される頻度分布
がない場合）、認識結果が誤りだと判断されたりした場
合には、コードブックスペクトルの登録・修正部６０２
により、コードブックスペクトル記憶部４０４に対して
コードブックスペクトルの書き込みあるいは書き換えを
行う。なお、認識結果の応答は、必ずしも認識された人
物本人に対して行う必要はない。

【００５１】このように構成した本実施形態によれば、
人物認識の処理を行いながら新たなコードブックスペク
トルを逐次データベースとして登録したり、適切でない
コードブックスペクトルを逐次修正したりすることを自
動的に行うことができ、システムのメンテナンスを簡単
に行うことができる。また、このようなメンテナンスを
行うことにより、認識率を高めることもできる。

【００５２】（第４の実施形態）次に、本発明の第４の
実施形態について説明する。第４の実施形態は、人物認
識システムの他の構成例について説明するものである。
図７は、本実施形態による人物認識システムの構成を示
すブロック図である。なお、図７において、図４に示し
た符号と同一の符号を付したものは、同一の機能を有す
るものであるので、これについての詳細な説明は省略す
る。

【００５３】図７に示すように、本実施形態のコードス
ペクトル分析装置７００は、図４に示したコードスペク
トル分析装置１０７の構成に加えて、頻度分布記憶部１
０５の後段に特徴データ列生成部７０１を備えている。
また、図４のコードブック記憶部１０３の代わりにコー
ドブック記憶部７０２が設けられ、後述するような基本
的なパターンのコードベクトルのみが記憶されている。
さらに、このコードスペクトル分析装置７００の出力段
には、特徴データ列比較部７０３およびコードブック特
徴データ列記憶部７０４が備えられている。

【００５４】上記コードブック記憶部７０２には、ベタ
パターン用に生成されたコードベクトルと、エッジパタ
ーン用に生成されたコードベクトルとを合わせて、例え
ば３２１個のパターン画像が記憶されている。本実施形
態において、ベタパターンとは、ブロック内で各ピクセ
ルの輝度値がある方向に向かって徐々に変化するパター
ンを言い、エッジパターンとは、ブロック内で各ピクセ
ルの輝度値が急激に変化するパターンのことを言う。

【００５５】ベタパターンのコードベクトルとしては、
例えば図８（ａ）に示すように、８つの方向に単調に変
化するパターンのコードベクトルを複数登録する。すな
わち、４×４ピクセル単位で構成されるブロックのエッ
ジ部分（上下左右の各辺および四隅の各点）の何れかを
始点として、各ピクセルの輝度値が徐々に変化するパタ
ーンである。なお、ここでは８個のパターンのみを示し
ているが、実際には始点の輝度値や輝度変化の度合いな
どにバリエーションを持たせて、例えば３２個のベタパ
ターンを登録している。

【００５６】また、エッジパターンのコードベクトルと
しては、例えば図８（ｂ）に示すように、輝度値の変化
が急激なパターンのコードベクトルを複数登録する。な
お、ここでは１２個のパターンのみを示しているが、ベ
タパターンと同様にバリエーションを持たせて、あるい
はここに示した以外のパターンも含めて多数のエッジパ
ターンを登録している。本実施形態では、コードブック
記憶部７０２の先頭アドレスから順に３２個のベタパタ
ーンを記憶し、その次にエッジパターンを記憶してい
る。

【００５７】特徴データ列生成部７０１は、頻度分布記
憶部１０５に記憶された出力コードの頻度分布（コード
ブックスペクトル）を用いて、所定の特徴データ列を生
成する。以下に、この特徴データ列の生成処理について
図９を用いて説明する。図９は、頻度分布生成部１０４
により生成され、頻度分布記憶部１０５に記憶された頻
度分布情報に基づくコードブックスペクトルの例を示し
ている。なお、ここではコード番号を５０番までしか示
していないが、実際には３２１番まである。

【００５８】この図９から分かるように、人物認識を行
うために入力画像として人の顔を用いた場合、０番〜３
２番までのコードが非常によく使用されており、その他
のコードはあまり使用されていない。０番〜３１番まで
のコード番号は、上述したようにベタパターンを示して
おり、３３番以降のコード番号はエッジパターンを示し
ている。なお、３２番のコード番号は背景のパターンを
示している。

【００５９】このように、一般に、人の顔画像は各ピク
セルの輝度値が全体的に滑らかに変化するパターンが大
半を占めており、その変化は単調で、変化量は非常に小
さいものであるため、本実施形態のコードブックを用い
てコードブックスペクトルを求めると、ほとんどのブロ
ックでベタパターンのコードベクトルが使用される。こ
れは、ベタパターンの頻度分布さえ分かれば人物認識を
行うことが可能であることを意味している。

【００６０】そこで、特徴データ列生成部７０１は、こ
のベタパターンの出力コードに関する部分のコードブッ
クスペクトルのみを用いて、以下に説明するような特徴
データ列を生成する。すなわち、図９に示したように、
０番〜３１番までの３２個の出力コードの使用頻度のう
ち、例えば上位１５位までのコードにはフラグ値として
“１”を与え、それ以外のコードにはフラグ値として
“０”を与える。これにより、３２個の出力コードの使
用頻度が、“０”および“１”の２値を用いたデータ列
で表される。これが特徴データ列である。

【００６１】特徴データ列比較部７０３は、特徴データ
列生成部７０１により生成されたある人の顔の特徴デー
タ列と、コードブック特徴データ列記憶部７０４に記憶
されている、様々な人の顔についてあらかじめ生成され
た特徴データ列とを比較する。そして、その一致度が最
も大きいものをコードブック特徴データ列記憶部７０４
から選び出し、それに対応するアドレスを出力する。そ
のアドレスが認識された人物を示している。

【００６２】図１０は、本実施形態による人物認識シス
テムの処理手順を示すフローチャートである。図１０に
おいて、まずステップＳ１１で、画像処理部４０２で生
成された顔面のみの画像を格納したメモリ（図示せず）
の先頭アドレスを変数Ｗresultに入れるとともに、ステ
ップＳ１２で、コードブック方式圧縮部１０２でのベク
トル量子化による出力コードの頻度分布結果を格納する
ためのメモリ（頻度分布記憶部１０５）の先頭アドレス
を変数Ｗvectorに入れる。

【００６３】さらに、ステップＳ１３でカウンタＷcnt
の値を０にリセットした後、ステップＳ１４に進み、現
在のカウンタＷcnt の値が４より大きいかどうかを判断
する。ここで、カウンタＷcnt の値が４以下の場合はス
テップＳ１５に進む。一方、４より大きい場合は更にス
テップＳ１６でカウンタＷcnt の値が７より大きいかど
うかを判断し、７より大きければステップＳ１７に進
む。カウンタＷcnt の値が４＜Ｗcnt ≦７の場合は、ス
テップＳ２３にジャンプする。

【００６４】ステップＳ１５では、コードブック方式圧
縮部１０２におけるベクトル量子化のスタートアドレス
Ｗvctsを Ｗvcts＝Ｗresult＋６４０×Ｗcnt のようにセットする。また、ステップＳ１７では、コー
ドブック方式圧縮部１０２におけるベクトル量子化のス
タートアドレスＷvctsを Ｗvcts＝Ｗresult＋Ｗcnt −４ のようにセットする。

【００６５】このようにしてベクトル量子化のスタート
アドレスＷvctsをセットしたら、次にステップＳ１８
で、コードブック方式圧縮部１０２においてベクトル量
子化を実行し、入力ベクトルとコードブック中の各コー
ドベクトルとのマッチングをとる。これにより、画像中
の各ブロック毎に入力ベクトルと類似したコードベクト
ルのコード（例えばコードブック記憶部１０３内のアド
レス）を出力する。ステップＳ１９では、頻度分布生成
部１０４により出力コードの頻度分布を生成し、その結
果を変数Ｗvectorで示される頻度分布記憶部１０５の領
域に格納する。

【００６６】次に、ステップＳ２０で、上記格納した出
力コードの頻度分布から、コード番号が０番〜３１番ま
でのベタパターンに関する頻度分布のみを取り出す。こ
のとき、頻度が高い順に上位３２個のコードの頻度分布
を取り出すようにしても良い。さらに、ステップＳ２１
で、その取り出した部分的な頻度分布から、図９に示し
たような特徴ヒストグラムを生成する。そして、ステッ
プＳ２２でカウンタＷcnt の値を１つ増やした後、ステ
ップＳ１４の処理に戻る。

【００６７】また、ステップＳ２３では、特徴データ列
生成部７０１により、上記ステップＳ２１で生成された
特徴ヒストグラムから特徴データ列を生成する。例え
ば、図示しない一時記憶メモリに格納された特徴ヒスト
グラムを頻度の大きい順にソートし、１６番目の値を記
憶する。そして、上記特徴ヒストグラムを構成している
各出力コードの頻度が上記１６番目の頻度より大きいか
どうかを判断し、大きい場合にはフラグ値として“１”
をセットし、小さい場合には“０”をセットする。これ
により、各出力コードの頻度を２値で表した特徴データ
列を生成する。

【００６８】そして、ステップＳ２４で、特徴データ列
比較部７０３は、上記のように生成された入力画像の特
徴データ列と、コードブック特徴データ列記憶部７０４
にあらかじめ記憶されている様々な人物画像の特徴デー
タ列とのマッチングをとり、その一致度に基づいて、上
記入力画像の人物を特定する。

【００６９】例えば、３２個の出力コードのうち、２０
個以上の出力コードでフラグ値が一致した場合は、その
特徴データ列に対応する人物の名前をコードブック特徴
データ列記憶部７０４内のデータベースから読み出し
て、表示する。一方、コードブック特徴データ列記憶部
７０４内の何れのパターンも、一致したフラグ値の個数
が２０個に満たない場合は、そのある人物について生成
された特徴データ列をデータベースに追加するととも
に、登録された人物の名前を入力してデータベースに書
き込むようにする。

【００７０】以上のように、第４の実施形態によれば、
２値で表した簡単な特徴データ列のマッチングにより人
物認識を行うことができ、しかもその特徴データ列はベ
タパターンのコードに対応する３２個のデータだけで構
成されているので、マッチング処理を非常に簡単かつ短
時間に行うことができ、人物認識の処理を更に短時間で
行うことができるようになる。

【００７１】なお、この第４の実施形態では、ベタパタ
ーンの３２個の出力コードのうち、ほぼ中間値である上
位１５位を境としてフラグ値を“０”あるいは“１”に
設定するようにしたが、これに限定されるものではな
く、任意の上位ｎ位を境としてフラグ値を設定するよう
にすることが可能である。また、３２個あるベタパター
ンの中でも、特に顔の特徴をよく表しているベタパター
ンが存在するので、そのようなベタパターンに対して
は、コードブックスペクトルを生成する際に頻度に重み
付けをするようにしても良い。

【００７２】また、上記第４の実施形態では、すべての
コードについて頻度分布を生成した後で、重要な部分の
みを取り出して特徴データ列を生成しているが、始めか
らこの重要な部分のコードについてのみ頻度分布を生成
するようにしても良い。このことは、第１〜第３の実施
形態にも適用可能である。また、以上の各実施形態で
は、入力データとして画像データを用いているが、音声
データを用いてもよく、同様にして音声認識を行うこと
が可能である。

【００７３】（第５の実施形態）次に、本発明の第５の
実施形態について説明する。第５の実施形態は、人物認
識システムの更に他の構成例について説明するものであ
る。図１１は、本実施形態による人物認識システムの構
成を示すブロック図である。なお、図１１において、図
４および図７に示した符号と同一の符号を付したもの
は、同一の機能を有するものであるので、これについて
の詳細な説明は省略する。

【００７４】図１１に示すように、本実施形態のコード
スペクトル分析装置１１００は、図７で説明したコード
ブック記憶部７０２を備え、図８に示したような基本的
なパターンのコードベクトルのみを記憶している。

【００７５】また、本実施形態では、第４の実施形態と
同様に、コードブック記憶部７０２に記憶されている３
２１パターンのコードベクトルのうち、アドレス０〜３
１に記憶されている３２個のベタパターンの使用頻度に
注目する。そこで、出力コードの頻度分布生成部１１０
１では、この３２パターンについてのみ頻度分布（コー
ドブックスペクトル）を求める。よって、頻度分布記憶
部１１０２は、少なくとも３２パターン分の記憶領域を
有していれば良い。

【００７６】コードブックスペクトル記憶部１１０４に
は、様々な人の顔について上記基本的なコードベクトル
を用いてコードブックスペクトルの生成を行い、それに
よって得られた複数のコードブックスペクトルがあらか
じめ格納されている。

【００７７】コードブックスペクトル比較部１１０３
は、コードスペクトル分析装置１１０１で生成されたあ
る人の顔のコードブックスペクトルと、コードブックス
ペクトル記憶部１１０４に格納されている個々人の顔の
コードブックスペクトルとを比較し、入力画像のコード
ブックスペクトルと最もパターンの似ているものをコー
ドブックスペクトル記憶部１１０４から選び出し、その
アドレスを出力する。例えば、両コードブックスペクト
ルのマンハッタン距離（差分絶対値距離）を計算し、最
も距離の短いものに対応するアドレスを出力する。この
出力されたアドレスが、認識された人物を示している。

【００７８】以上のように、第５の実施形態によれば、
ベタパターンの出力コードに関する３２個の頻度分布だ
けで人物認識を行うことができ、かつ、第４の実施形態
のように、出力コードの頻度分布を求めた後に閾値処理
によって特徴データ列を生成するという複雑な処理をし
なくても良いので、人物認識の処理速度を更に高速化す
ることができる。また、頻度分布から求めた特徴データ
列ではなく、頻度分布そのものから人物認識を行ってい
るので、認識率を向上させることもできる。

【００７９】なお、上記第５の実施形態では、１枚の入
力画像に対して１回のベクトル量子化を施した後で出力
コードの頻度分布を求めているが、ベクトル量子化を複
数回（例えば１６回）繰り返して行い、それぞれの回ご
とに求めた頻度特性を加算したものを対象として人物認
識を行うようにしても良い。

【００８０】また、第５の実施形態でも上記第３の実施
形態と同様に、図６に示したように認識対象人物に対す
る応答部６０１とコードブックスペクトルの登録・修正
部６０２とを設けても良い。そして、例えば、コードブ
ックスペクトル比較部１１０３での比較の結果求めたマ
ンハッタン距離の最小値があらかじめ設定しておいた範
囲に入っていない場合に、コードブックスペクトル記憶
部１１０４に該当するデータがないと判断して、コード
ブックスペクトルの登録モードに自動的に移行するよう
にしても良い。

【００８１】また、上記第４、第５の実施形態では、コ
ードブック記憶部７０２に記憶されている３２１パター
ンのコードベクトルのうち、ベタパターンの使用頻度に
注目して人物画像の認識を行っているが、エッジパター
ンが多く含まれるような画像（ほとんどのブロックでエ
ッジパターンのコードベクトルが使用されるような画
像）に対しては、エッジパターンに関する頻度分布だけ
でその画像認識を行うことができる。

【００８２】（その他の実施形態）上記様々な実施形態
に示した各機能ブロックおよび処理手順は、ハードウェ
アにより構成しても良いし、ＣＰＵあるいはＭＰＵ、Ｒ
ＯＭおよびＲＡＭ等からなるマイクロコンピュータシス
テムによって構成し、その動作をＲＯＭやＲＡＭに格納
された作業プログラムに従って実現するようにしても良
い。また、上記各機能ブロックの機能を実現するように
当該機能を実現するためのソフトウェアのプログラムを
ＲＡＭに供給し、そのプログラムに従って上記各機能ブ
ロックを動作させることによって実施したものも、本発
明の範疇に含まれる。

【００８３】この場合、上記ソフトウェアのプログラム
自体が上述した各実施形態の機能を実現することにな
り、そのプログラム自体、およびそのプログラムをコン
ピュータに供給するための手段、例えばかかるプログラ
ムを格納した記録媒体は本発明を構成する。かかるプロ
グラムを記憶する記録媒体としては、上記ＲＯＭやＲＡ
Ｍの他に、例えばフロッピーディスク、ハードディス
ク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ
−Ｉ、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＤＶＤ、ｚｉｐ、磁気テ
ープ、あるいは不揮発性のメモリカード等を用いること
ができる。

【００８４】また、コンピュータが供給されたプログラ
ムを実行することにより、上述の実施形態の機能が実現
されるだけでなく、そのプログラムがコンピュータにお
いて稼働しているＯＳ（オペレーティングシステム）あ
るいは他のアプリケーションソフト等の共同して上述の
実施形態の機能が実現される場合にもかかるプログラム
は本発明の実施形態に含まれることは言うまでもない。

【００８５】さらに、供給されたプログラムがコンピュ
ータの機能拡張ボードやコンピュータに接続された機能
拡張ユニットに備わるメモリに格納された後、そのプロ
グラムの指示に基づいてその機能拡張ボードや機能拡張
ユニットに備わるＣＰＵ等が実際の処理の一部または全
部を行い、その処理によって上述した実施形態の機能が
実現される場合にも本発明に含まれることは言うまでも
ない。

【００８６】

【発明の効果】本発明は上述したように、あらかじめ用
意されたコードブックの中から、入力データより抽出さ
れる複数のベクトルに類似したコードベクトルを夫々探
し出してそれに対応するコードを出力するマッチング手
段と、マッチング手段より出力されたコード列を用いて
出力コードの頻度分布を生成する頻度分布生成手段とを
備え、入力データに対してマッチングを行った後の出力
コード列を用いて頻度分布を生成することでデータ分析
を行い、更には、この頻度分布の違いからデータ認識を
行うようにしたので、フーリエ変換に代表される周波数
変換処理などの極めて計算量の多い処理を施すことなく
入力データの分析や認識を行うことができ、入力データ
の分析・認識処理を高精度かつ短時間で行うことができ
る。

【００８７】これにより、例えば人物認識や音声認識な
どのように人間とシステムとが混在するようなインター
フェイスの領域を扱うために、簡単なアルゴリズムで高
速な処理能力を持ったマン・マシンインターフェイス技
術を確立することができ、人物や音声等を高精度かつ高
速に認識できるシステムを提供することができる。

【図面の簡単な説明】

【図１】本発明の第１の実施形態によるコードスペクト
ル分析装置の構成を示すブロック図である。

【図２】図１に示した頻度分布生成部の動作原理を説明
するための図である。

【図３】出力コードの使用頻度分布に基づくコードブッ
クスペクトルの例を示す図である。

【図４】本発明の第２の実施形態を示す図であり、コー
ドブックスペクトルを用いた人物認識システムの構成を
示すブロック図である。

【図５】図４に示した画像処理部の処理手順の例を示す
フローチャートである。

【図６】本発明の第３の実施形態を示す図であり、コー
ドブックスペクトルを自動的に登録・修正するようにし
た人物認識システムの構成を示すブロック図である。

【図７】本発明の第４の実施形態による人物認識システ
ムの構成を示すブロック図である。

【図８】図７のコードブック記憶部に記憶されるコード
ベクトルの例を示す図である。

【図９】本発明の第４の実施形態で用いる特徴量データ
列について説明するための図である。

【図１０】本発明の第４の実施形態による人物認識シス
テムの処理手順の例を示すフローチャートである。

【図１１】本発明の第５の実施形態による人物認識シス
テムの構成を示すブロック図である。

【符号の説明】

１０１ 入力データ記憶部 １０２ コードブック方式圧縮部 １０３ コードブック記憶部 １０４ 出力コードの頻度分布生成部 １０５ 頻度分布記憶部 １０６ 出力部 １０７ コードスペクトル分析装置 ４０１ 画像入力部 ４０２ 画像処理部 ４０３ コードブックスペクトル比較部 ４０４ コードブックスペクトル記憶部 ６０１ 認識対象人物に対する応答部 ６０２ コードブックスペクトルの登録・修正部 ７００ コードスペクトル分析装置 ７０１ 特徴データ列生成部 ７０２ コードブック記憶部 ７０３ 特徴データ列比較部 ７０４ コードブック特徴データ列記憶部 １１００ コードスペクトル分析装置 １１０１ 出力コードの頻度分布生成部 １１０２ 頻度分布記憶部 １１０３ コードブックスペクトル比較部 １１０４ コードブックスペクトル記憶部

フロントページの続き (72)発明者 小谷 光司 千葉県千葉市美浜区稲毛海岸５丁目５−２ −206 (72)発明者 中田 明良 東京都足立区加平二丁目12番５号 (72)発明者 今井 誠 宮城県仙台市青葉区荒巻字青葉（無番地) 東北大学内 (72)発明者 譽田 正宏 宮城県仙台市青葉区荒巻字青葉（無番地) 東北大学内 (72)発明者 森本 達郎 宮城県仙台市青葉区荒巻字青葉（無番地) 東北大学内 (72)発明者 米澤 岳美 宮城県仙台市青葉区荒巻字青葉（無番地) 東北大学内 (72)発明者 野沢 俊之 宮城県仙台市青葉区荒巻字青葉（無番地) 東北大学内 (72)発明者 中山 貴裕 宮城県仙台市青葉区荒巻字青葉（無番地) 東北大学内 (72)発明者 藤林 正典 宮城県仙台市青葉区荒巻字青葉（無番地) 東北大学内 (72)発明者 新田 雄久 東京都文京区本郷４丁目１番４号 株式会 社ウルトラクリーンテクノロジー開発研究 所内

Claims (24)

【特許請求の範囲】
1. 【請求項１】 少なくとも１つ以上のデータを有するデ
   ータ列から成るベクトルを複数備えたコードブックの中
   から、入力データより抽出される複数のベクトルに類似
   したコードベクトルを夫々探し出して、それに対応する
   コードを出力するマッチング手段と、 上記マッチング手段より出力されるコード列を用いて、
   出力コードの頻度分布を生成する頻度分布生成手段とを
   備えたことを特徴とするコードブック方式によるデータ
   分析装置。
2. 【請求項２】 上記頻度分布生成手段は、一部分のコー
   ドに対する頻度分布を生成することを特徴とする請求項
   １に記載のコードブック方式によるデータ分析装置。
3. 【請求項３】 上記入力データは、画像データもしくは
   音声データであることを特徴とする請求項１または２に
   記載のコードブック方式によるデータ分析装置。
4. 【請求項４】 少なくとも１つ以上のデータを有するデ
   ータ列から成るベクトルを複数備えたコードブックの中
   から、入力データより抽出される複数のベクトルに類似
   したコードベクトルを夫々探し出して、それに対応する
   コードを出力するマッチング手段と、 上記マッチング手段より出力されるコード列を用いて、
   出力コードの頻度分布を生成する頻度分布生成手段と、 少なくとも１つ以上の頻度分布の情報を記憶する頻度分
   布記憶手段と、 上記頻度分布生成手段により生成された上記入力データ
   に関する頻度分布と上記頻度分布記憶手段内の各頻度分
   布とを比較し、上記頻度分布記憶手段に記憶されている
   各頻度分布の中から、所定の比較関数によって特定され
   る頻度分布を選び出す比較手段とを備えたことを特徴と
   するコードブック方式によるデータ認識装置。
5. 【請求項５】 上記頻度分布は、一部分のコードに対す
   る頻度分布であることを特徴とする請求項４に記載のコ
   ードブック方式によるデータ認識装置。
6. 【請求項６】 上記コードブックは、ベクトルを構成す
   るブロック内で各要素のデータ値がある方向に徐々に変
   化する第１のパターンのコードベクトルと、上記ブロッ
   ク内で各要素のデータ値が急激に変化する第２のパター
   ンのコードベクトルとから構成され、 上記頻度分布は、上記第１のパターンに対応するコード
   の頻度分布のみであることを特徴とする請求項５に記載
   のコードブック方式によるデータ認識装置。
7. 【請求項７】 上記比較手段による比較の結果、上記所
   定の比較関数によって選び出された頻度分布もしくはこ
   れに対応する認識情報を表示手段に表示することを特徴
   とする請求項４〜６の何れか１項に記載のコードブック
   方式によるデータ認識装置。
8. 【請求項８】 上記比較手段による比較の結果、上記所
   定の比較関数によって選び出される頻度分布が上記頻度
   分布記憶手段内にない場合、当該生成された頻度分布を
   上記頻度分布記憶手段に登録する頻度分布登録手段を備
   えたことを特徴とする請求項４〜６の何れか１項に記載
   のコードブック方式によるデータ認識装置。
9. 【請求項９】 上記比較手段による比較の結果、上記所
   定の比較関数によって選び出された頻度分布もしくはこ
   れに対応する認識情報を出力する応答出力手段と、 上記応答出力手段からの出力に基づくユーザの反応に応
   じて、上記比較の結果が正しいものであるかどうかを判
   断し、間違っている場合は上記頻度分布記憶手段に対し
   て上記生成された頻度分布を登録し、あるいは上記頻度
   分布記憶手段に記憶されている頻度分布に対して書き換
   えを行う頻度分布登録・修正手段とを備えたことを特徴
   とする請求項４〜６の何れか１項に記載のコードブック
   方式によるデータ認識装置。
10. 【請求項１０】 少なくとも１つ以上のデータを有する
    データ列から成るベクトルを複数備えたコードブックの
    中から、入力データより抽出される複数のベクトルに類
    似したコードベクトルを夫々探し出して、それに対応す
    るコードを出力するマッチング手段と、 上記マッチング手段より出力されるコード列を用いて、
    出力コードの頻度分布を生成する頻度分布生成手段と、 上記頻度分布生成手段により生成された出力コードの頻
    度分布に基づいて、各出力コードの頻度を２値で表した
    特徴データ列を生成する特徴データ列生成手段と、 少なくとも１つ以上の特徴データ列を記憶する特徴デー
    タ列記憶手段と、 上記特徴データ列生成手段により生成された上記入力デ
    ータに関する特徴データ列と上記特徴データ列記憶手段
    内の各特徴データ列とを比較し、上記特徴データ列記憶
    手段に記憶されている各特徴データ列の中から、所定の
    比較関数によって特定される特徴データ列を選び出す比
    較手段とを備えたことを特徴とするコードブック方式に
    よるデータ認識装置。
11. 【請求項１１】 上記特徴データ列は、一部分のコード
    に対する特徴データ列であることを特徴とする請求項１
    ０に記載のコードブック方式によるデータ認識装置。
12. 【請求項１２】 上記コードブックは、ベクトルを構成
    するブロック内で各要素のデータ値がある方向に徐々に
    変化する第１のパターンのコードベクトルと、上記ブロ
    ック内で各要素のデータ値が急激に変化する第２のパタ
    ーンのコードベクトルとから構成され、 上記特徴データ列は、上記第１のパターンに対応するコ
    ードの特徴データ列のみであることを特徴とする請求項
    １１に記載のコードブック方式によるデータ認識装置。
13. 【請求項１３】 上記比較手段による比較の結果、上記
    所定の比較関数によって選び出された特徴データ列もし
    くはこれに対応する認識情報を表示手段に表示すること
    を特徴とする請求項１０〜１２の何れか１項に記載のコ
    ードブック方式によるデータ認識装置。
14. 【請求項１４】 上記比較手段による比較の結果、上記
    所定の比較関数によって選び出される特徴データ列が上
    記特徴データ列記憶手段内にない場合、当該生成された
    特徴データ列を上記特徴データ列記憶手段に登録する特
    徴データ列登録手段を備えたことを特徴とする請求項１
    ０〜１２の何れか１項に記載のコードブック方式による
    データ認識装置。
15. 【請求項１５】 上記比較手段による比較の結果、上記
    所定の比較関数によって選び出された特徴データ列もし
    くはこれに対応する認識情報を出力する応答出力手段
    と、 上記応答出力手段からの出力に基づくユーザの反応に応
    じて、上記比較の結果が正しいものであるかどうかを判
    断し、間違っている場合は上記特徴データ列記憶手段に
    対して上記生成された特徴データ列を登録し、あるいは
    上記特徴データ列記憶手段に記憶されている特徴データ
    列に対して書き換えを行う特徴データ列登録・修正手段
    とを備えたことを特徴とする請求項１０〜１２の何れか
    １項に記載のコードブック方式によるデータ認識装置。
16. 【請求項１６】 上記入力データは、画像データもしく
    は音声データであることを特徴とする請求項４〜１５の
    何れか１項に記載のコードブック方式によるデータ認識
    装置。
17. 【請求項１７】 上記入力データである画像データ中か
    ら人物の顔部分のみを抽出する画像処理手段を備え、 上記抽出した顔部分についてのみ上記出力コードの頻度
    分布を生成することを特徴とする請求項１６に記載のコ
    ードブック方式によるデータ認識装置。
18. 【請求項１８】 上記マッチング手段は、上記顔部分か
    ら抽出される複数ブロックのベクトルに対して夫々マッ
    チング処理を行うことを特徴とする請求項１７に記載の
    コードブック方式によるデータ認識装置。
19. 【請求項１９】 少なくとも１つ以上のデータを有する
    データ列から成るベクトルを複数備えたコードブックの
    中から、入力データより抽出される複数のベクトルに類
    似したコードベクトルを夫々探し出して、それに対応す
    るコードを出力するマッチングステップと、 上記マッチングステップで出力されたコード列を用い
    て、出力コードの頻度分布を生成する頻度分布生成ステ
    ップとを有し、 上記入力データに対して上記マッチングを行った後の出
    力コード列を用いて上記頻度分布を生成するようにした
    ことを特徴とするコードブック方式によるデータ分析方
    法。
20. 【請求項２０】 少なくとも１つ以上のデータを有する
    データ列から成るベクトルを複数備えたコードブックの
    中から、入力データより抽出される複数のベクトルに類
    似したコードベクトルを夫々探し出して、それに対応す
    るコードを出力するマッチングステップと、 上記マッチングステップで出力されたコード列を用い
    て、出力コードの頻度分布を生成する頻度分布生成ステ
    ップと、 上記頻度分布生成ステップで生成された上記入力データ
    に関する頻度分布と、頻度分布記憶部にあらかじめ記憶
    されている少なくとも１つ以上の頻度分布とを比較し、
    上記頻度分布記憶部に記憶されている各頻度分布の中か
    ら、所定の比較関数によって特定される頻度分布を選び
    出す比較ステップとを有し、 上記入力データに対して上記マッチングを行った後の出
    力コード列を用いて上記頻度分布を生成し、上記生成し
    た頻度分布に対応する頻度分布を上記頻度分布記憶部か
    ら選び出すようにしたことを特徴とするコードブック方
    式によるデータ認識方法。
21. 【請求項２１】 少なくとも１つ以上のデータを有する
    データ列から成るベクトルを複数備えたコードブックの
    中から、入力データより抽出される複数のベクトルに類
    似したコードベクトルを夫々探し出して、それに対応す
    るコードを出力するマッチングステップと、 上記マッチングステップで出力されたコード列を用い
    て、出力コードの頻度分布を生成する頻度分布生成ステ
    ップと、 上記頻度分布生成ステップで生成された出力コードの頻
    度分布に基づいて、各出力コードの頻度を２値で表した
    特徴データ列を生成する特徴データ列生成ステップと、 上記特徴データ列生成ステップで生成された上記入力デ
    ータに関する特徴データ列と、特徴データ列記憶部にあ
    らかじめ記憶されている少なくとも１つ以上の特徴デー
    タ列とを比較し、上記特徴データ列記憶部に記憶されて
    いる各特徴データ列の中から、所定の比較関数によって
    特定される特徴データ列を選び出す比較ステップとを有
    し、 上記入力データに対して上記マッチングを行った後の出
    力コード列を用いて上記頻度分布を生成するとともに、
    上記生成した頻度分布から特徴データ列を生成し、生成
    した特徴データ列に対応する特徴データ列を上記特徴デ
    ータ列記憶部から選び出すようにしたことを特徴とする
    コードブック方式によるデータ認識方法。
22. 【請求項２２】 請求項１、４、８〜１０、１４〜１５
    の何れか１項に記載の各手段としてコンピュータを機能
    させるためのプログラムを記録したことを特徴とするコ
    ンピュータ読み取り可能な記録媒体。
23. 【請求項２３】 請求項１９〜２１の何れか１項に記載
    の各ステップをコンピュータに実行させるためのプログ
    ラムを記録したことを特徴とするコンピュータ読み取り
    可能な記録媒体。
24. 【請求項２４】 少なくとも１つ以上のデータを有する
    データ列から成るベクトルであって、当該ベクトルを構
    成するブロック内で各要素のデータ値がある方向に徐々
    に変化する第１のパターンのコードベクトルと、上記ブ
    ロック内で各要素のデータ値が急激に変化する第２のパ
    ターンのコードベクトルとを備えたコードブックを記憶
    するコードブック記憶手段と、 上記コードブックの中から、入力データより抽出される
    複数のベクトルに類似したコードベクトルを夫々探し出
    して、それに対応するコードを出力するマッチング手段
    と、 上記マッチング手段より出力されるコード列のうち、上
    記第１のパターンおよび上記第２のパターンの何れか一
    方に対応するコード列に対して出力コードの頻度分布を
    生成する頻度分布生成手段と、 少なくとも１つ以上の頻度分布の情報を記憶する頻度分
    布記憶手段と、 上記頻度分布生成手段により生成された上記入力データ
    に関する頻度分布と上記頻度分布記憶手段内の各頻度分
    布とを比較し、上記頻度分布記憶手段に記憶されている
    各頻度分布の中から、所定の比較関数によって特定され
    る頻度分布を選び出す比較手段とを備えたことを特徴と
    するコードブック方式によるデータ認識装置。