JP2001126074A - パターンマッチングによるデータ検索方法及びそのプログラムを記録した記録媒体 - Google Patents
パターンマッチングによるデータ検索方法及びそのプログラムを記録した記録媒体Info
- Publication number
- JP2001126074A JP2001126074A JP31836999A JP31836999A JP2001126074A JP 2001126074 A JP2001126074 A JP 2001126074A JP 31836999 A JP31836999 A JP 31836999A JP 31836999 A JP31836999 A JP 31836999A JP 2001126074 A JP2001126074 A JP 2001126074A
- Authority
- JP
- Japan
- Prior art keywords
- similarity
- data search
- data
- observation
- difference
- 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.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】より簡単なアルゴリズムで高速にパターンマッ
チングを行える手法を提供し、処理装置におけるデータ
検索の高速化を図る。 【解決手段】入力された観測パターンとデータベースに
ある標準パターンとのマッチングに、両パターンの波形
間の差を変数とした指数関数を用いて類似度を判断する
方式を使用する。すなわち、たとえば図１のように、ｆ
(x)で示される観測データが入力され、データベース中
のｇ(x)で示される標準データとのマッチングを判断す
るとした場合、波形上の所定の点における両データの波
形間の差（両波形上の２点間の差）ｄ(x)をｅ
−｜ｄ(x)｜に挿入して、その値から類似度を判断す
る。このように指数関数を利用する手法は、アルゴリズ
ムが簡単であり、計算も速い。
チングを行える手法を提供し、処理装置におけるデータ
検索の高速化を図る。 【解決手段】入力された観測パターンとデータベースに
ある標準パターンとのマッチングに、両パターンの波形
間の差を変数とした指数関数を用いて類似度を判断する
方式を使用する。すなわち、たとえば図１のように、ｆ
(x)で示される観測データが入力され、データベース中
のｇ(x)で示される標準データとのマッチングを判断す
るとした場合、波形上の所定の点における両データの波
形間の差（両波形上の２点間の差）ｄ(x)をｅ
−｜ｄ(x)｜に挿入して、その値から類似度を判断す
る。このように指数関数を利用する手法は、アルゴリズ
ムが簡単であり、計算も速い。
Description
【０００１】
【発明の属する技術分野】本発明は、入力された観測パ
ターンとデータベースの標準パターンとの近さによって
識別を行うパターンマッチング法（パターン整合法）を
利用してコンピュータなど処理装置（プロセッサ）でデ
ータベースの検索を行うデータ検索方法に関する。
ターンとデータベースの標準パターンとの近さによって
識別を行うパターンマッチング法（パターン整合法）を
利用してコンピュータなど処理装置（プロセッサ）でデ
ータベースの検索を行うデータ検索方法に関する。
【０００２】
【発明が解決しようとする課題】現在よく知られている
パターンマッチング法としては、ユークリッド距離を採
用し、内積に基づく単純類似度の手法や、動的計画法
（ＤＰＭatching）、残差逐次検定法（ＳＳＤＡ）など
がある。これらの手法はいずれも優れたものではある
が、入室管理システム（顔、虹彩、指紋認識等）や音
声、振動などに関する波形認識などリアルタイムのデー
タ検索処理を要求されるシステムにおいては、アルゴリ
ズムの複雑さや処理速度の点で向上が望まれている。
パターンマッチング法としては、ユークリッド距離を採
用し、内積に基づく単純類似度の手法や、動的計画法
（ＤＰＭatching）、残差逐次検定法（ＳＳＤＡ）など
がある。これらの手法はいずれも優れたものではある
が、入室管理システム（顔、虹彩、指紋認識等）や音
声、振動などに関する波形認識などリアルタイムのデー
タ検索処理を要求されるシステムにおいては、アルゴリ
ズムの複雑さや処理速度の点で向上が望まれている。
【０００３】そこで本発明は、より簡単なアルゴリズム
で高速にパターンマッチングを行える手法を提供し、処
理装置におけるデータ検索の高速化を図るものである。
で高速にパターンマッチングを行える手法を提供し、処
理装置におけるデータ検索の高速化を図るものである。
【０００４】
【課題を解決するための手段】本発明では、入力された
観測パターンとデータベースにある標準パターンとのマ
ッチングに、両パターンの波形間の差を変数とした指数
関数を用いて類似度を判断する方式を使用する。すなわ
ち、たとえば図１のように、ｆ(x)で示される観測デー
タが入力され、データベース中のｇ(x)で示される標準
データとのマッチングを判断するとした場合、波形上の
所定の点における両データの波形間の差（両波形上の２
点間の差）ｄ(x)をｅ−｜ｄ(x)｜に挿入して、その値か
ら類似度を判断する。このように指数関数を利用する手
法は、アルゴリズムが簡単であり、計算も速い。
観測パターンとデータベースにある標準パターンとのマ
ッチングに、両パターンの波形間の差を変数とした指数
関数を用いて類似度を判断する方式を使用する。すなわ
ち、たとえば図１のように、ｆ(x)で示される観測デー
タが入力され、データベース中のｇ(x)で示される標準
データとのマッチングを判断するとした場合、波形上の
所定の点における両データの波形間の差（両波形上の２
点間の差）ｄ(x)をｅ−｜ｄ(x)｜に挿入して、その値か
ら類似度を判断する。このように指数関数を利用する手
法は、アルゴリズムが簡単であり、計算も速い。
【０００５】このデータ検索方法では、その｜ｄ(x)｜
をｎ乗（ｎは実数）して｜ｄ(x)｜ｎとすれば（数式
７）、ｎの値を変えることにより、図２に示すごとく類
似判断の“鈍さ”を調整することができる。すなわち、
ｎの値を上げていくと図中→のように変化してい
き、ｎが大きくなるほど、ｄ(x)がある値になったとき
に急激に類似度が低下する挙動を示す。したがってｎを
大きくすれば、波形間の差ｄ(x)の所定の値（類似度が
急激に下がるところ）を区切りとして、それ以下は類
似、それを越えると非類似というように、０，１のデジ
タル式判断を行うことができる。一方、ｎを小さくした
場合には、ｄ(x)が大きくなるにつれて緩やかに類似度
は減少していくので、区切り判定を鈍くすることができ
る。
をｎ乗（ｎは実数）して｜ｄ(x)｜ｎとすれば（数式
７）、ｎの値を変えることにより、図２に示すごとく類
似判断の“鈍さ”を調整することができる。すなわち、
ｎの値を上げていくと図中→のように変化してい
き、ｎが大きくなるほど、ｄ(x)がある値になったとき
に急激に類似度が低下する挙動を示す。したがってｎを
大きくすれば、波形間の差ｄ(x)の所定の値（類似度が
急激に下がるところ）を区切りとして、それ以下は類
似、それを越えると非類似というように、０，１のデジ
タル式判断を行うことができる。一方、ｎを小さくした
場合には、ｄ(x)が大きくなるにつれて緩やかに類似度
は減少していくので、区切り判定を鈍くすることができ
る。
【数７】
【０００６】また、｜ｄ(x)｜を感度係数Ｓ(x)でわり、
（｜ｄ(x)｜／Ｓ(x)）ｎとしておくと（数式８）、その
Ｓ(x)の値により、図３に示すように類似度の傾きをコ
ントロールすることができる（Ｓ１，Ｓ２，Ｓ３，
Ｓ４）。これによって、たとえば図中の差“Ｄ”は、Ｓ
１のときには非類似とみなされるが、Ｓ４のときには類
似とみなされるというように、類似判断感度を調整する
ことが可能である。
（｜ｄ(x)｜／Ｓ(x)）ｎとしておくと（数式８）、その
Ｓ(x)の値により、図３に示すように類似度の傾きをコ
ントロールすることができる（Ｓ１，Ｓ２，Ｓ３，
Ｓ４）。これによって、たとえば図中の差“Ｄ”は、Ｓ
１のときには非類似とみなされるが、Ｓ４のときには類
似とみなされるというように、類似判断感度を調整する
ことが可能である。
【数８】
【０００７】以上の手法については、波形上のＮ点につ
いてｅ−｜ｄ(x)｜を求め、これらの重心又は平均から
波形の類似度を判断する方式とするのがよい（数式
９）。なお、式中のｎ乗や感度係数Ｓ(x)は必要に応じ
て挿入し（Ｓ(x)＝１とすれば関与しない）、設定する
ことができる。このときに使う重み係数α(x)は、波形
上のＮ個の点で求められた各類似度にそれぞれかけられ
るもので、どの点の類似度を重視するかを決定する役割
をもつことになる。このような重み係数は、たとえば映
像信号の類似度を判断するような場合に、色信号Ｒ、
Ｇ、Ｂのいずれを重視するかというようなときにも使用
することができる。すなわち、Ｒ、Ｇ、Ｂの各波形につ
いて求めた類似度にそれぞれ重み係数をかけるようにす
ればよい。
いてｅ−｜ｄ(x)｜を求め、これらの重心又は平均から
波形の類似度を判断する方式とするのがよい（数式
９）。なお、式中のｎ乗や感度係数Ｓ(x)は必要に応じ
て挿入し（Ｓ(x)＝１とすれば関与しない）、設定する
ことができる。このときに使う重み係数α(x)は、波形
上のＮ個の点で求められた各類似度にそれぞれかけられ
るもので、どの点の類似度を重視するかを決定する役割
をもつことになる。このような重み係数は、たとえば映
像信号の類似度を判断するような場合に、色信号Ｒ、
Ｇ、Ｂのいずれを重視するかというようなときにも使用
することができる。すなわち、Ｒ、Ｇ、Ｂの各波形につ
いて求めた類似度にそれぞれ重み係数をかけるようにす
ればよい。
【数９】
【０００８】このようなパターンマッチング法において
は、ある点の差ｄ(x)を算出するときに、波形のずれを
考慮に入れるようにするのがよい。すなわち、ずれを考
慮して比較範囲に幅をもたせることにより、画像中の一
部分のマッチングを判断するような場合に、比較範囲が
微妙にずれていたとしても問題なく実行できるようにな
り、データ検索の精度を上げられる。たとえば図４に示
すように、本来は一致しているとみなすべき観測データ
ｆ(x)と標準データｇ(x)とにずれがあるとする。この場
合、所定の点ｐにおける両波形の差ｄ~(ｘｐ)の算出に
際し、近隣点の差…，ｄ(xｐ−１)，ｄ(xｐ)，ｄ(x
ｐ＋１)，…を影響させるようにする。その近隣値影響
には重み付け係数ｗ(x)を用い（たとえばｗ(x)＝ｅ
−ｘ２：式中の指数ｘ２はｘ２の意味）、観測点ｐの重
み付けを最大とし、観測点ｐから離れるに従って小さく
なるようにして、各近隣点の差…，ｄ(xｐ−１)，ｄ(x
ｐ)，ｄ(xｐ ＋１)，…に乗算する［ｗ・ｄ］。すなわ
ち、ｗ・ｄ＝…，ｗ(xｐ−１−xｐ)ｄ(xｐ−１)，ｗ(0)
ｄ(xｐ)，ｗ(xｐ＋１−xｐ)ｄ(xｐ＋１)，…であり、そ
して、その結果ｗ・ｄを積算するとともに、重み付け係
数ｗ(x)も積算し、該積算結果を除算する。つまり、Σ
ｗ・ｄ／Σｗ＝ｄ~(p)を計算し、そのｄ~(p)を点ｐにお
ける差と再定義する。この重み付け係数ｗ(x)をコント
ロールすれば、ずれを考慮したマッチングが可能にな
る。
は、ある点の差ｄ(x)を算出するときに、波形のずれを
考慮に入れるようにするのがよい。すなわち、ずれを考
慮して比較範囲に幅をもたせることにより、画像中の一
部分のマッチングを判断するような場合に、比較範囲が
微妙にずれていたとしても問題なく実行できるようにな
り、データ検索の精度を上げられる。たとえば図４に示
すように、本来は一致しているとみなすべき観測データ
ｆ(x)と標準データｇ(x)とにずれがあるとする。この場
合、所定の点ｐにおける両波形の差ｄ~(ｘｐ)の算出に
際し、近隣点の差…，ｄ(xｐ−１)，ｄ(xｐ)，ｄ(x
ｐ＋１)，…を影響させるようにする。その近隣値影響
には重み付け係数ｗ(x)を用い（たとえばｗ(x)＝ｅ
−ｘ２：式中の指数ｘ２はｘ２の意味）、観測点ｐの重
み付けを最大とし、観測点ｐから離れるに従って小さく
なるようにして、各近隣点の差…，ｄ(xｐ−１)，ｄ(x
ｐ)，ｄ(xｐ ＋１)，…に乗算する［ｗ・ｄ］。すなわ
ち、ｗ・ｄ＝…，ｗ(xｐ−１−xｐ)ｄ(xｐ−１)，ｗ(0)
ｄ(xｐ)，ｗ(xｐ＋１−xｐ)ｄ(xｐ＋１)，…であり、そ
して、その結果ｗ・ｄを積算するとともに、重み付け係
数ｗ(x)も積算し、該積算結果を除算する。つまり、Σ
ｗ・ｄ／Σｗ＝ｄ~(p)を計算し、そのｄ~(p)を点ｐにお
ける差と再定義する。この重み付け係数ｗ(x)をコント
ロールすれば、ずれを考慮したマッチングが可能にな
る。
【０００９】本発明のデータ検索方法を画像データに適
用する場合、波形の変化量（振幅）が所定のしきい値を
越える部分についてのみ類似度を判断するようにすれ
ば、いっそうの高速化が図れ、リアルタイム処理により
向いている。すなわち、たとえば図５に示すように画面
中にリンゴのある画像で、その画像データをなす輝度、
Ｒ、Ｇ、Ｂのいずれかの波形をＡ−Ａ切断線でとりだす
と、リンゴの輪郭を表している部分で最も変化量が大き
くなる。つまり、画像データのマッチングを判断する場
合、変化量の大きい部分についてのみ類似判断を行え
ば、画像中の物の形をとらえて整合性の判断をつけられ
るということである。
用する場合、波形の変化量（振幅）が所定のしきい値を
越える部分についてのみ類似度を判断するようにすれ
ば、いっそうの高速化が図れ、リアルタイム処理により
向いている。すなわち、たとえば図５に示すように画面
中にリンゴのある画像で、その画像データをなす輝度、
Ｒ、Ｇ、Ｂのいずれかの波形をＡ−Ａ切断線でとりだす
と、リンゴの輪郭を表している部分で最も変化量が大き
くなる。つまり、画像データのマッチングを判断する場
合、変化量の大きい部分についてのみ類似判断を行え
ば、画像中の物の形をとらえて整合性の判断をつけられ
るということである。
【００１０】本発明はさらに、上記のようなデータ検索
機能をコンピュータ（データ処理装置）に実行させるプ
ログラムを記録したコンピュータ読取可能な記録媒体も
範囲に含む。すなわち、領域Ｍで、入力された観測パタ
ーン［ｆ(x)］とデータベースにある標準パターン［ｇ
(x)］とをパターンマッチングにより類似判断する際
に、観測パターンの波形と標準パターンの波形との波形
間の差［ｄ(x)］により指数関数［ｅ−｜ｄ(x)｜］を定
義し、これを類似度として判断するようにしたデータ検
索機能をコンピュータに実行させるためのプログラムを
記録してある、コンピュータ読取可能な記録媒体が提供
される。
機能をコンピュータ（データ処理装置）に実行させるプ
ログラムを記録したコンピュータ読取可能な記録媒体も
範囲に含む。すなわち、領域Ｍで、入力された観測パタ
ーン［ｆ(x)］とデータベースにある標準パターン［ｇ
(x)］とをパターンマッチングにより類似判断する際
に、観測パターンの波形と標準パターンの波形との波形
間の差［ｄ(x)］により指数関数［ｅ−｜ｄ(x)｜］を定
義し、これを類似度として判断するようにしたデータ検
索機能をコンピュータに実行させるためのプログラムを
記録してある、コンピュータ読取可能な記録媒体が提供
される。
【００１１】この記録媒体に入れられたプログラムによ
るデータ検索機能についても、上記処理装置の実行する
データ検索方法と同様のバリエーションが可能である。
るデータ検索機能についても、上記処理装置の実行する
データ検索方法と同様のバリエーションが可能である。
【００１２】
【発明の実施の形態】以下、本発明のデータ検索方法の
実施形態につき２つの例をあげて説明する。なお、本例
では数式９を使用するものとする。
実施形態につき２つの例をあげて説明する。なお、本例
では数式９を使用するものとする。
【００１３】図６に示す第１の例は、入室管理システム
におけるデータ検索の例である。すなわち、カメラ、マ
イクなどのセンサー(sensor)で取り込んだ入室者の特徴
（画像、音声など）である観測データｆ(x)がこの場合
の処理装置であるコンピュータＰＣ（計算機）へ入力さ
れると、データベースＤＢに入っている登録者特徴の標
準データｇ(x)が順次読み出され、逐次類比判断されて
いく。その結果、類似度が高く一致していると判断され
るものがあった場合、ドア(door)のロックを解除する命
令が出され、入室者が室内へ入ることができるようにな
る。
におけるデータ検索の例である。すなわち、カメラ、マ
イクなどのセンサー(sensor)で取り込んだ入室者の特徴
（画像、音声など）である観測データｆ(x)がこの場合
の処理装置であるコンピュータＰＣ（計算機）へ入力さ
れると、データベースＤＢに入っている登録者特徴の標
準データｇ(x)が順次読み出され、逐次類比判断されて
いく。その結果、類似度が高く一致していると判断され
るものがあった場合、ドア(door)のロックを解除する命
令が出され、入室者が室内へ入ることができるようにな
る。
【００１４】図７に示す第２の例は、音声認識システム
におけるデータ検索の例である。すなわち、マイク(mic
rophone)で取り込んだユーザーの声である観測データｆ
(x)がコンピュータＰＣへ入力されると、データベース
ＤＢに格納されている音声の標準データｇ(x)が順に読
み出され、類似判断されていく。このときデータベース
ＤＢから読み出される標準データは、たとえば“あ”
“い”“う”が発声されたときのそれぞれの波形であ
り、これらと類似判断することでユーザーの音声が認識
される。そして、音声が認識されると、それに合致する
文字をコードで表示したり、あるいは、ユーザーが音声
により指定したアクションを実施する。マイクで取り込
むのは音声に限らず、たとえば自動車のエンジン音をひ
ろって比較するなども可能である。この場合、標準デー
タとして故障時の異常エンジン音を格納しておけば、故
障診断をリアルタイムで行えることになる。また、音楽
のイントロ比較を行って所望の曲を選曲したり、ＶＴＲ
の頭出しを行うなど、音の比較による各種の応用例があ
る。
におけるデータ検索の例である。すなわち、マイク(mic
rophone)で取り込んだユーザーの声である観測データｆ
(x)がコンピュータＰＣへ入力されると、データベース
ＤＢに格納されている音声の標準データｇ(x)が順に読
み出され、類似判断されていく。このときデータベース
ＤＢから読み出される標準データは、たとえば“あ”
“い”“う”が発声されたときのそれぞれの波形であ
り、これらと類似判断することでユーザーの音声が認識
される。そして、音声が認識されると、それに合致する
文字をコードで表示したり、あるいは、ユーザーが音声
により指定したアクションを実施する。マイクで取り込
むのは音声に限らず、たとえば自動車のエンジン音をひ
ろって比較するなども可能である。この場合、標準デー
タとして故障時の異常エンジン音を格納しておけば、故
障診断をリアルタイムで行えることになる。また、音楽
のイントロ比較を行って所望の曲を選曲したり、ＶＴＲ
の頭出しを行うなど、音の比較による各種の応用例があ
る。
【００１５】なお、この他にも、スキャナで読みとった
手書き文字を観測データとして入力し、データベースに
入っているタイプ文字の標準データの中から類似してい
るものを引き当てる文字認識など、時系列、音声、画
像、三次元等々の各種データ検索への適用例がある。
手書き文字を観測データとして入力し、データベースに
入っているタイプ文字の標準データの中から類似してい
るものを引き当てる文字認識など、時系列、音声、画
像、三次元等々の各種データ検索への適用例がある。
【００１６】これらの例では、コンピュータのソフトウ
ェア（又はハードウェア）に本発明に係るパターンマッ
チングの手法を組み入れ、これに従い観測データにマッ
チするデータベース中の標準データを検索する。このよ
うなコンピュータに適用するときのプログラミングに
は、以下のような応用例がよい。
ェア（又はハードウェア）に本発明に係るパターンマッ
チングの手法を組み入れ、これに従い観測データにマッ
チするデータベース中の標準データを検索する。このよ
うなコンピュータに適用するときのプログラミングに
は、以下のような応用例がよい。
【００１７】上記の各例の場合、観測パターン中の一部
分に、標準パターンに一致するデータがあるかどうかを
検出する必要がある。つまり、観測パターンに対し標準
パターンを移動しながら重ねて相関を調べていくことに
なる。
分に、標準パターンに一致するデータがあるかどうかを
検出する必要がある。つまり、観測パターンに対し標準
パターンを移動しながら重ねて相関を調べていくことに
なる。
【００１８】ｆとｇにつき、次の数式１０のように定義
し、ｍ次元で定義されるＮ個の要素をもったベクトルと
する。ただし、ｆの定義領域をＦ、ｇの定義領域をＧと
し、Ｇ⊂Ｆとする（図８）。また、データのｉ番目の要
素に関する類似度をＥｉとする。
し、ｍ次元で定義されるＮ個の要素をもったベクトルと
する。ただし、ｆの定義領域をＦ、ｇの定義領域をＧと
し、Ｇ⊂Ｆとする（図８）。また、データのｉ番目の要
素に関する類似度をＥｉとする。
【数１０】
【００１９】ｇの領域を適当なスケール係数ａｉ，ｂｉ
により拡大又は縮小してｆの縮尺にあわせ、上記のよう
にｆ内でｇを移動させるため、ｇの原点がｆの原点から
ｒ離れた場合のＥｉを、次のようにして計算する。
により拡大又は縮小してｆの縮尺にあわせ、上記のよう
にｆ内でｇを移動させるため、ｇの原点がｆの原点から
ｒ離れた場合のＥｉを、次のようにして計算する。
【数１１】
【数１２】
【００２０】式中、ｆ(r)はｒにおける観測データ、ｇ
(r)はｒにおける標準データ、ｄ(r,u)はｆ(r)とｇ(r)の
差、ａ，ｂはそれぞれ水平と垂直方向のスケール係数、
Ｓは上述の感度係数、ｗは上述の重み付け係数である。
ｗは、点Ｐからｒ＾離れた近隣点が点Ｐに及ぼす影響を
考慮するものであり、ηを変えることによりその影響を
制御することができる。したがってηは、近隣点影響関
数である。
(r)はｒにおける標準データ、ｄ(r,u)はｆ(r)とｇ(r)の
差、ａ，ｂはそれぞれ水平と垂直方向のスケール係数、
Ｓは上述の感度係数、ｗは上述の重み付け係数である。
ｗは、点Ｐからｒ＾離れた近隣点が点Ｐに及ぼす影響を
考慮するものであり、ηを変えることによりその影響を
制御することができる。したがってηは、近隣点影響関
数である。
【００２１】数式１１，１２は、数式９をプログラムに
適した形としたものである。
適した形としたものである。
【００２２】上記の計算結果については、予め計算して
おいて、たとえば差ｄ(x)＝０〜５は類似度１（一
致）、ｄ(x)＝６〜１０は類似度０．８、ｄ(x)＝１１〜
１５は類似度０．６というように段階別のテーブルにし
てメモリへ格納し、実際の処理時には、算出された波形
間の差ｄ(x)に対応するメモリのテーブルをアクセスし
て類似度を読み出す方式にしておくのがよい。これによ
り、計算時間をいっそう短縮させることが可能となる。
おいて、たとえば差ｄ(x)＝０〜５は類似度１（一
致）、ｄ(x)＝６〜１０は類似度０．８、ｄ(x)＝１１〜
１５は類似度０．６というように段階別のテーブルにし
てメモリへ格納し、実際の処理時には、算出された波形
間の差ｄ(x)に対応するメモリのテーブルをアクセスし
て類似度を読み出す方式にしておくのがよい。これによ
り、計算時間をいっそう短縮させることが可能となる。
【００２３】以上の例においてｎは、自然の物理データ
の分布が近似的に正規分布であり、おおむねｎ＝２の形
になっているので、ｎ＝２を採用するのがよい。また、
たとえば画像データでは、輝度Ｙ、色信号Ｒ、Ｇ、Ｂの
それぞれについて類似度を求め、これら各類似度の集合
を数式１３にあてはめて計算するようにする。式中のＥ
ｉは各類似度を表し、αｉはＥｉに対する重み係数を示
し、類似度ＥｉがＮ個存在するとしている。
の分布が近似的に正規分布であり、おおむねｎ＝２の形
になっているので、ｎ＝２を採用するのがよい。また、
たとえば画像データでは、輝度Ｙ、色信号Ｒ、Ｇ、Ｂの
それぞれについて類似度を求め、これら各類似度の集合
を数式１３にあてはめて計算するようにする。式中のＥ
ｉは各類似度を表し、αｉはＥｉに対する重み係数を示
し、類似度ＥｉがＮ個存在するとしている。
【数１３】
【００２４】
【発明の効果】本発明は、時系列データ、画像、音声、
三次元データなどの各種データを取り扱い可能で、リア
ルタイム監視システム、画像や音声、音楽の検索システ
ムなど各種のデータ検索を行うシステムへ適用可能であ
る。この指数関数を利用したパターンマッチングによる
データ検索方法は、従来の他の手法に比べてアルゴリズ
ムが単純であり、高速処理を実現することができる。
三次元データなどの各種データを取り扱い可能で、リア
ルタイム監視システム、画像や音声、音楽の検索システ
ムなど各種のデータ検索を行うシステムへ適用可能であ
る。この指数関数を利用したパターンマッチングによる
データ検索方法は、従来の他の手法に比べてアルゴリズ
ムが単純であり、高速処理を実現することができる。
【００２５】また、感度係数を利用することにより、マ
ッチング感度をコントロールすることが可能であり、さ
らに、多次元のマッチングで各点における近隣点の影響
を考慮する重み付け係数を導入することで、ある程度の
波形のずれをも吸収することが可能である。加えて、た
とえば画像の場合には、輪郭部分を示す変化量（情報
量）の高いところでのみ計算を行うようにすることで、
いっそうの高速化を図ることができる。
ッチング感度をコントロールすることが可能であり、さ
らに、多次元のマッチングで各点における近隣点の影響
を考慮する重み付け係数を導入することで、ある程度の
波形のずれをも吸収することが可能である。加えて、た
とえば画像の場合には、輪郭部分を示す変化量（情報
量）の高いところでのみ計算を行うようにすることで、
いっそうの高速化を図ることができる。
【図１】本発明のデータ検索方法におけるパターンマッ
チングの原理を説明するグラフ。
チングの原理を説明するグラフ。
【図２】波形間の差と類似度（指数関数）の関係を示し
たグラフ。
たグラフ。
【図３】感度係数による類似度の感度制御を説明するグ
ラフ。
ラフ。
【図４】近隣点の影響を加味する重み付け係数を説明す
るグラフ。
るグラフ。
【図５】画像データの輪郭部分を抽出して類似度判断す
る手法の説明図。
る手法の説明図。
【図６】本発明の実施形態の一例を示したブロック図。
【図７】本発明の実施形態の他の例を示したブロック
図。
図。
【図８】プログラミング用の式を説明するための関数の
関係を示したグラフ。
関係を示したグラフ。
ｆ(x) 観測データ ｇ(x) 標準データ ｄ(x) 波形間の差（２点間の差） Ｓ(x) 感度係数 ｗ(x) 重み付け係数
Claims (14)
- 【請求項１】 領域Ｍで、入力された観測パターン［ｆ
(x)］とデータベースにある標準パターン［ｇ(x)］とを
パターンマッチングにより類似判断するようにした処理
装置のデータ検索方法において、 観測パターンの波形と標準パターンの波形との波形間の
差［ｄ(x)］により指数関数［ｅ−｜ｄ(x)｜］を定義
し、これを類似度として判断するようにしたことを特徴
とするデータ検索方法。 - 【請求項２】 数式１で示すように、指数関数［ｅ
−｜ｄ(x)｜］の｜ｄ(x)｜をｎ乗（ｎは実数）して｜ｄ
(x)｜ｎとする請求項１記載のデータ検索方法。 【数１】 - 【請求項３】 数式２で示すように、指数関数［ｅ
−｜ｄ(x)｜］の｜ｄ(x)｜を感度係数［Ｓ(x)］でわっ
て（｜ｄ(x)｜／Ｓ(x)）ｎとする請求項２記載のデータ
検索方法。 【数２】 - 【請求項４】 数式３で示すように、観測データ［ｆ
(x)］の波形上のＮ個の点につき指数関数［ｅ
−｜ｄ(x)｜］を求めて重み係数［α(x)］をかけ、これ
らの重心から類似度を判断する請求項３記載のデータ検
索方法。 【数３】 - 【請求項５】 観測データ［ｆ(x)］の波形上の観測点
について重み付けを最大とし且つ該観測点から離れるに
従って小さくなるようにした重み付け係数［ｗ(x)］を
観測点及びその近隣点における波形間の差［ｄ(x)］に
乗算し、そして、その乗算結果［ｗ・ｄ(x)］を積算す
るとともに使用した重み付け係数を積算してこれら積算
結果を除算し、該除算結果［Σｗ・ｄ(x)／Σｗ］を観
測点における波形間の差とする請求項１〜４のいずれか
１項に記載のデータ検索方法。 - 【請求項６】 観測データ［ｆ(x)］の波形の変化量が
所定のしきい値を越える部分についてのみ類似度を判断
する請求項１〜５のいずれか１項に記載のデータ検索方
法。 - 【請求項７】 予め計算した指数関数の計算結果をテー
ブルにしてメモリへ格納し、算出された波形間の差［ｄ
(x)］に従い該テーブルをアクセスして類似度を決定す
る請求項１〜６のいずれか１項に記載のデータ検索方
法。 - 【請求項８】 領域Ｍで、入力された観測パターン［ｆ
(x)］とデータベースにある標準パターン［ｇ(x)］とを
パターンマッチングにより類似判断する際に、観測パタ
ーンの波形と標準パターンの波形との波形間の差［ｄ
(x)］により指数関数［ｅ−｜ｄ(x)｜］を定義し、これ
を類似度として判断するようにしたデータ検索機能をコ
ンピュータに実行させるためのプログラムを記録してあ
る、コンピュータ読取可能な記録媒体。 - 【請求項９】 数式４で示すように、指数関数［ｅ
−｜ｄ(x)｜］の｜ｄ(x)｜をｎ乗（ｎは実数）し｜ｄ
(x)｜ｎとしてデータ検索機能を実行させるプログラム
を記録してある請求項８記載のコンピュータ読取可能な
記録媒体。 【数４】 - 【請求項１０】 数式５で示すように、指数関数［ｅ
−｜ｄ(x)｜］の｜ｄ(x)｜を感度係数［Ｓ(x)］でわり
（｜ｄ(x)｜／Ｓ(x)）ｎとしてデータ検索機能を実行さ
せるプログラムを記録してある請求項９記載のコンピュ
ータ読取可能な記録媒体。 【数５】 - 【請求項１１】 数式６で示すように、観測データ［ｆ
(x)］の波形上のＮ個の点につき指数関数［ｅ
−｜ｄ(x)｜］を求めて重み係数［α(x)］をかけ、これ
らの重心から類似度を判断するデータ検索機能を実行さ
せるプログラムを記録してある請求項１０記載のコンピ
ュータ読取可能な記録媒体。 【数６】 - 【請求項１２】 観測データ［ｆ(x)］の波形上の観測
点について重み付けを最大とし且つ該観測点から離れる
に従って小さくなるようにした重み付け係数［ｗ(x)］
を観測点及びその近隣点における波形間の差［ｄ(x)］
に乗算し、そして、その乗算結果［ｗ・ｄ(x)］を積算
するとともに使用した重み付け係数を積算してこれら積
算結果を除算し、該除算結果［Σｗ・ｄ(x)／Σｗ］を
観測点における波形間の差とするデータ検索機能を実行
させるプログラムを記録してある請求項８〜１１のいず
れか１項に記載のコンピュータ読取可能な記録媒体。 - 【請求項１３】 観測データ［ｆ(x)］の波形の変化量
が所定のしきい値を越える部分についてのみ類似度を判
断するデータ検索機能を実行させるプログラムを記録し
てある請求項８〜１２のいずれか１項に記載のコンピュ
ータ読取可能な記録媒体。 - 【請求項１４】 予め計算した指数関数の計算結果をテ
ーブルにしてメモリへ格納し、算出された波形間の差
［ｄ(x)］に従い該テーブルをアクセスして類似度を決
定するデータ検索機能を実行させるプログラムを記録し
てある請求項８〜１３のいずれか１項に記載のコンピュ
ータ読取可能な記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP31836999A JP2001126074A (ja) | 1999-08-17 | 1999-11-09 | パターンマッチングによるデータ検索方法及びそのプログラムを記録した記録媒体 |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23018599 | 1999-08-17 | ||
| JP11-230185 | 1999-08-17 | ||
| JP31836999A JP2001126074A (ja) | 1999-08-17 | 1999-11-09 | パターンマッチングによるデータ検索方法及びそのプログラムを記録した記録媒体 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2001126074A true JP2001126074A (ja) | 2001-05-11 |
Family
ID=26529196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP31836999A Pending JP2001126074A (ja) | 1999-08-17 | 1999-11-09 | パターンマッチングによるデータ検索方法及びそのプログラムを記録した記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2001126074A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005003471A1 (ja) * | 2003-07-04 | 2005-01-13 | Yamatake Corporation | 不明水発生分布推定装置、方法、および記録媒体 |
| JP2009058548A (ja) * | 2007-08-30 | 2009-03-19 | Oki Electric Ind Co Ltd | 音声検索装置 |
| JPWO2007080764A1 (ja) * | 2006-01-12 | 2009-06-11 | パナソニック株式会社 | 対象音分析装置、対象音分析方法および対象音分析プログラム |
| JP2010164484A (ja) * | 2009-01-16 | 2010-07-29 | Toshiba Corp | 自動分析装置 |
| JP2012530963A (ja) * | 2009-06-19 | 2012-12-06 | アリババ・グループ・ホールディング・リミテッド | 線形および非線形のランキングモデルを用いるランク付けされた検索結果の生成 |
-
1999
- 1999-11-09 JP JP31836999A patent/JP2001126074A/ja active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005003471A1 (ja) * | 2003-07-04 | 2005-01-13 | Yamatake Corporation | 不明水発生分布推定装置、方法、および記録媒体 |
| KR100804203B1 (ko) | 2003-07-04 | 2008-02-18 | 야마타케 코포레이션 | 불명확한 물의 발생 및 분포 추정장치, 방법, 및 기록매체 |
| US7519473B2 (en) | 2003-07-04 | 2009-04-14 | Yamatake Corporation | Device and method for estimating occurrence distribution of unascertained water and recording medium |
| JPWO2007080764A1 (ja) * | 2006-01-12 | 2009-06-11 | パナソニック株式会社 | 対象音分析装置、対象音分析方法および対象音分析プログラム |
| JP2009058548A (ja) * | 2007-08-30 | 2009-03-19 | Oki Electric Ind Co Ltd | 音声検索装置 |
| JP2010164484A (ja) * | 2009-01-16 | 2010-07-29 | Toshiba Corp | 自動分析装置 |
| JP2012530963A (ja) * | 2009-06-19 | 2012-12-06 | アリババ・グループ・ホールディング・リミテッド | 線形および非線形のランキングモデルを用いるランク付けされた検索結果の生成 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019210796A1 (zh) | 语音识别方法、装置、存储介质及电子设备 | |
| JP5554984B2 (ja) | パターン認識方法およびパターン認識装置 | |
| EP1073272A1 (en) | Signal processing method and video/audio processing device | |
| US6128410A (en) | Pattern matching apparatus and method that considers distance and direction | |
| CN108877787A (zh) | 语音识别方法、装置、服务器及存储介质 | |
| WO2008016109A1 (fr) | Procédé d'optimisation de jeu de données d'apprentissage pour dispositif d'identification du signal et dispositif d'identification du signal capable d'optimiser le jeu de données d'apprentissage | |
| CN106096519A (zh) | 活体鉴别方法及装置 | |
| CN111951828B (zh) | 发音测评方法、装置、系统、介质和计算设备 | |
| US20220155258A1 (en) | Stamping quality inspection system and stamping quality inspection method | |
| CN117116290B (zh) | 基于多维特征的数控机床部件缺陷定位方法和相关设备 | |
| JP4919297B2 (ja) | 画像評価装置および方法並びにプログラム | |
| US8391544B2 (en) | Image processing apparatus and method for processing image | |
| CN112735437A (zh) | 一种声纹比对方法及系统及装置及存储机构 | |
| US6718306B1 (en) | Speech collating apparatus and speech collating method | |
| US10997972B2 (en) | Object authentication device and object authentication method | |
| WO2021235061A1 (ja) | 画像分類装置、画像分類方法、及び、画像分類プログラム | |
| JP2001126074A (ja) | パターンマッチングによるデータ検索方法及びそのプログラムを記録した記録媒体 | |
| CN108847251A (zh) | 一种语音去重方法、装置、服务器及存储介质 | |
| US11107476B2 (en) | Speaker estimation method and speaker estimation device | |
| Mok et al. | Lip features selection with application to person authentication | |
| JP2003216935A (ja) | 顔抽出装置及び方法及びそれを記憶した記録媒体 | |
| JP4449483B2 (ja) | 画像解析装置、および画像解析方法、並びにコンピュータ・プログラム | |
| CN114582321A (zh) | 语音识别准确率提高方法、系统、电子设备和存储介质 | |
| JPH10340342A (ja) | 個体識別装置 | |
| CN111951791A (zh) | 声纹识别模型训练方法、识别方法、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20020618 |