JP2001351104A - パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置 - Google Patents

パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置

Info

Publication number
JP2001351104A
JP2001351104A JP2000168560A JP2000168560A JP2001351104A JP 2001351104 A JP2001351104 A JP 2001351104A JP 2000168560 A JP2000168560 A JP 2000168560A JP 2000168560 A JP2000168560 A JP 2000168560A JP 2001351104 A JP2001351104 A JP 2001351104A
Authority
JP
Japan
Prior art keywords
pattern
class
feature extraction
patterns
cab
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
Application number
JP2000168560A
Other languages
English (en)
Inventor
Kenji Nagao
健司 長尾
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.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co 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 Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Priority to JP2000168560A priority Critical patent/JP2001351104A/ja
Priority to EP01112830A priority patent/EP1162566A3/en
Priority to US09/874,199 priority patent/US6865296B2/en
Publication of JP2001351104A publication Critical patent/JP2001351104A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

(57)【要約】 【課題】 比較する２つのタイプのパターンセットの間
で、データの取得条件が大きく変化している場合でも、
入力パターンがデータベースに登録しているどのパター
ンクラスに対応するかを認識、並びに、２つのタイプの
パターンが同一のクラスに由来するかどうか照合するこ
とを目的とする。 【解決手段】 それぞれのパターンセットの内部、及
び、２つのパターンセットまたがって、異なるクラスに
対応するパターン間の散らばりであるクラス間分散を最
大化し、同一のクラスに含まれパターンの間の散らばり
であるクラス内分散を最小化する特徴抽出手段を備え
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、画像や音声等の認
識を行うパターン認識方法及びパターン認識装置、並び
にパターン照合方法及びパターン照合装置に関する。
【０００２】
【従来の技術】パターン認識とは、カメラやイメージス
キャナ、マイクなどのセンシグデバイスを介してコンピ
ュータに取り込まれた、実体の表現、例えば、実体とし
て人物の顔や、文字人の声などを想定すれば、顔の画像
や、音声のシグナルを、その実体などとの対応を基本に
分類したりすることである。従って、（１）同一の実体
にに由来しながらも、センシング時の状況などに依存し
て、見かけ上、異なった様相の散らばりを呈すること、
即ち、クラス内の分散と（２）実体の相違ゆえに、パタ
ーンに現れる相違、即ち、クラス間の分散の、２つの変
動要因を扱う技術であると言える。従来、パターン認識
の技術分野において、評価の高い方法は、まず、パター
ン全体の集合に対応した一つの標本空間を仮定し、その
上で、クラス内の分散を最小化し、クラス間の分散を最
大化するような一貫した関数を個々の入力データに対し
て適用することで、特徴抽出を実行するという基本的な
モデルに基づくものであった。例えば、Fisher の判別
分析法(Fukunaga: Introduction to Statistical Patte
rn Recognition, Academic Press, 1972)、はその代表
例として極めてよく知られており、実際、文字認識や音
声認識、顔画像認識などの分野ではしばしば利用されて
きた。
【０００３】
【発明が解決しようとする課題】しかし、従来法におけ
る仮定、即ち、パターン全体が大域的な一つの分布から
引かれているとするモデルは、しばしば、現実の問題か
ら見ると無理のある設定となっている。例えば、身分証
の顔写真と、ビデオカメラで直接取り込んだ顔画像の照
合を実行するシステムを考察すると、一方は、対象を直
接撮影したのに対して、他方は、印刷物などから間接的
に取り込まれた画像であり、これらを比べて同一性を判
定する必要があるわけである。しかしながら、全く異な
ったプロセスから生成された全ての画像の集合を一つの
分布に由来すると仮定するには、画像の変貌があまりに
大きく、実際、身分証写真と本人の照合は、我々人間に
とってもしばしば困難な作業となる。従って、従来のモ
デルにおける、パターン全体を一つの分布で記述し、分
類すべき入力データに対して一貫して共通の特徴抽出関
数を適用するというアプローチには限界があるという課
題を有していた。
【０００４】本発明は、２つにまたがるクラス内分散を
最小化し、クラス間分散を最大化するという統一的な基
準を満足する、最適な特徴抽出を実行するため、従来法
に比べ格段に高精度なパターン認識及びパターン照合を
行うことを目的とする。
【０００５】
【課題を解決するための手段】上記課題を解決するため
に、本発明では、２つの条件ＣＡ、ＣＢのもとで獲得さ
れたパターンセットＡ１、Ｂ１に対して、それぞれのパ
ターンセット内部にとどまらず、パターンセット間にま
たがり、異なるクラス（異なる実体）に対応するパター
ン間の散らばりであるクラス間分散を最大化し、同一の
クラスに対応するセットＡ１、セットＢ１のパターンの
間のクラス内の散らばりであるクラス内分散を最小化す
るセットＡ１の特徴抽出行列ＡＦ、及びセットＢ１の特
徴抽出行列ＢＦを求める特徴抽出行列生成手段を有する
ものである。
【０００６】これにより、従来法に比べ格段に高精度な
パターン認識／照合装置が実現できる。
【０００７】
【発明の実施の形態】本発明の請求項１に記載の発明
は、同一の実体（一つのクラス）から２つのセンシング
プロセスＣＡ、ＣＢを通して獲得されたパターンのペア
の集合（パターンのペアは1対１である必要はない、単
に、同一の実体に由来するという対応がついていればよ
い）である教示用パターンセット（Ａ１、Ｂ１）に対し
て、それぞれのパターンセット内部にとどまらず、パタ
ーンセット間にまたがり、異なるクラス（異なる実体）
に対応するパターン間の散らばりであるクラス間分散を
最大化し、同一のクラスに対応するセットＡ１、セット
Ｂ１のパターンの間のクラス内の散らばりであるクラス
内分散を最小化するセットＡ１の特徴抽出行列ＡＦ、及
びセットＢ１の特徴抽出行列ＢＦを求め、教示用パター
ンセットＢ１のそれぞれのクラスiの代表パターンＢ１
ｉに対して、前記特徴抽出行列ＢＦを用いて特徴量ｆＢ
１ｉを計算し、これら特徴量ｆＢ１ｉの集合｛ｆＢ１
ｉ｝と前記特徴抽出行列ＡＦとＢＦを予め参照データベ
ースに保存し、入力されたパターンＡ２ｊに対して前記
特徴抽出行列ＡＦを適用して抽出した特徴量ｆＡ２ｊ
と、前記参照データベースＦＢ１に保存された特徴量の
中で最も類似した要素を決定するようにしたもので、比
較する２つのデータセットＡ１、Ｂ１の分布に応じて、
クラス内分散を最小化し、クラス間分散を最大化すると
いう統一的な基準を満足する、それぞれ最適な特徴抽出
行列が得られるため、高精度なパターン認識を可能にす
るという作用を有する。
【０００８】請求項２に記載の発明は、請求項１記載の
パターン認識方法において、特徴抽出行列ＡＦ及びＢＦ
は、２つのプロセスで獲得したパターンの集合である教
示用パターンセットＡ１とＢ１を獲得し、教示用パター
ンセットＡ１及びセットＢ１のパターンセットから、そ
れぞれパターンセット内のクラス間分散 Ca-b、Cb-b、
また、パターンセットＡ1内のクラス内分散Ca-wを推定
するステップと、パターンセットＡ１とＢ１のそれぞれ
の対応する要素のペアの集合から、それらのＡ１、Ｂ１
にまたがったクラス内分散Cab-w、 クラス間分散Cab-b
を計算するステップと、前記5つの統計量 Ca-b、Cb-b、
Ca-w、Cab-w、Cab-b のうち、Ca-b、Cb-b、Cab-bを最大
化し、Ca-w、Cab-wを最小化するという統一的な基準を
満足する、それぞれ最適な特徴抽出行列が得られるた
め、高精度なパターン認識を可能にするという作用を有
する。
【０００９】請求項３に記載の発明は、一つのクラス
（同一の実体）から２つの条件ＣＡ、ＣＢのもと獲得さ
れたパターンのペアの集合である教示用パターンセット
（Ａ１、Ｂ１）に対して、それぞれのパターンセット内
部にとどまらず、パターンセット間にまたがり、異なる
クラス（異なる実体）に対応するパターン間の散らばり
であるクラス間分散を最大化し、同一のクラスに対応す
るセットＡ１、セットＢ１のパターンの間のクラス内の
散らばりであるクラス内分散を最小化するセットＡ１の
特徴抽出行列ＡＦ、及びセットＢ１の特徴抽出行列ＢＦ
を求め、２つの条件下で獲得した入力パターンａ、ｂか
ら前記特徴抽出行列ＡＦ、ＢＦを用いてそれぞれ特徴量
ｆａ、ｆｂを計算し、特徴量ｆａとｆｂの類似度から２
つのパターンａとパターンｂが同一のものであるかどう
かを判定するようにしたもので、比較する２つのデータ
セットＡ１、Ｂ１の分布に応じて、それぞれのパターン
セット内部にとどまらず、パターンセット間にまたが
り、クラス内分散を最小化し、クラス間分散を最大化す
るという統一的な基準を満足する、それぞれ最適な特徴
抽出行列が得られるため、高精度なパターン照合を可能
にするという作用を有する。
【００１０】請求項４に記載の発明は、請求項３記載の
パターン照合方法において、特徴抽出行列ＡＦ及びＢＦ
は、条件ＣＡ、ＣＢのもとで獲得したパターンの集合で
ある教示用パターンセットＡ１とＢ１を獲得し、教示用
パターンセットＡ１及びセットＢ１のパターンセットか
ら、それぞれパターンセットＡ１、Ｂ１内のクラス間分
散Ca-b、Cb-b、また、クラス内分散Ca-w、Cb-wを推定す
るステップと、パターンセットＡ１とＢ１のそれぞれの
対応する要素のペアの集合から、それらのＡ１、Ｂ１に
またがったクラス内分散 Cab-w、クラス間分散 Cab-bを
計算するステップと、前記６つの統計量 Ca-b、Cb-b、C
a-w、Cb-w、Cab-w、Cab-bのうち、Ca-b、 Cb-b、Cab-b
を最大化し、Ca-w、Cb-w、Cab-wを最小化するという統
一的な基準を満足する、それぞれ最適な特徴抽出行列が
得られるため、高精度なパターン認識を可能にするとい
う作用を有する。
【００１１】請求項５に記載の発明は、同一の実体（一
つのクラス）から２つの条件ＣＡ、ＣＢでパターンのペ
アの集合である教示用パターンセット（Ａ１、Ｂ１）を
獲得するパターン入力手段と、異なるクラス（異なる実
体）に対応するパターン間の散らばりであるクラス間分
散を最大化し、同一のクラスに対応するセットＡ１、セ
ットＢ１のパターンの間のクラス内の散らばりであるク
ラス内分散を最小化するセットＡ１の特徴抽出行列Ａ
Ｆ、及びセットＢ１の特徴抽出行列ＢＦを求める特徴抽
出行列生成手段と、教示用パターンセットＢ１のそれぞ
れのクラスiの代表パターンＢ１ｉに対して、前記特徴
抽出行列ＢＦを用いて特徴量ｆＢ１ｉを計算し、これら
特徴量ｆＢ１ｉの集合｛ｆＢ１ｉ｝と前記特徴抽出行列
ＢＦとを予め参照データベースＦＢ１に保存し、入力さ
れたパターンＡ２ｊに対して前記特徴抽出行列ＡＦを適
用して抽出した特徴量ｆＡ２ｊと最も類似した要素を前
記参照データベースＦＢ１の中から選ぶ最適マッチ決定
手段とを具備するもので、比較する２つのデータセット
Ａ１、Ｂ１の分布に応じて、それぞれ最適な特徴抽出行
列が得られるため、高精度なパターン認識を可能にする
という作用を有する。
【００１２】請求項６に記載の発明は、請求項５記載の
パターン認識装置において、特徴抽出行列ＡＦ及びＢＦ
は、２つのプロセスで獲得したパターンの集合である教
示用パターンセットＡ１とＢ１を獲得し、教示用パター
ンセットＡ１及びセットＢ１のパターンセットから、そ
れぞれパターンセットＡ１、Ｂ１内のクラス間分散 Ca-
b、Cb-b、また、クラス内分散Ca-ｗを推定するステップ
と、パターンセットＡ１とＢ１のそれぞれの対応する要
素のペアの集合から、それらのＡ１、Ｂ１にまたがった
クラス内分散Cab-w、クラス間分散Cab-bを計算するステ
ップと、前記５つの統計量 Ca-b、Cb-b、Ca-w、Cb-w、C
ab-w、Cab-bのうち、Ca-b、Cb-b、Cab-bを最大化し、Ca
-w、Cb-w、Cab-wを最小化するという統一的な基準を満
足する、それぞれ最適な特徴抽出行列が得られるため、
高精度なパターン認識がを可能にするという作用を有す
る。
【００１３】請求項７に記載の発明は、同一の実体（一
つのクラス）から２つの条件でパターンのペアの集合で
ある教示用パターンセット（Ａ１、Ｂ１）を獲得するパ
ターン入力手段と、異なるクラス（異なる実体）に対応
するパターン間の散らばりであるクラス間分散を最大化
し、同一のクラスに対応するセットＡ１、セットＢ１の
パターンの間のクラス内の散らばりであるクラス内分散
を最小化するセットＡ１の特徴抽出行列ＡＦ、及びセッ
トＢ１の特徴抽出行列ＢＦを求める特徴抽出行列生成手
段と、パターン入力手段から入力された入力パターン
ａ、ｂから前記特徴抽出行列ＡＦ及びＢＦを用いてそれ
ぞれ特徴量ｆａ、ｆｂを計算する特徴抽出手段と、特徴
量ｆａとｆｂの類似度から２つのパターンａとパターン
ｂが同一のものであるかどうかを判定する同一性判定手
段を具備するもので、比較する２つのデータセットＡ
１、Ｂ１の分布に応じて、クラス内分散を最小化し、ク
ラス間分散を最大化するという統一的な基準を満足す
る、それぞれ最適な特徴抽出行列が得られるため、高精
度なパターン照合を可能にするという作用を有する。
【００１４】請求項８に記載の発明は、請求項７記載の
パターン照合装置において、特徴抽出行列ＡＦ及びＢＦ
は、２つのプロセスで獲得したパターンの集合である教
示用パターンセットＡ１とＢ１を獲得し、教示用パター
ンセットＡ１及びセットＢ１のパターンセットから、そ
れぞれパターンセットＡ１、Ｂ１内のクラス間分散Ca-
b、Cb-b、また、クラス内分散Ca-w、Cb-wを推定するス
テップと、パターンセットＡ１とＢ１のそれぞれの対応
する要素のペアの集合から、それらのＡ１、Ｂ１にまた
がったクラス内分散 Cab-w、クラス間分散 Cab-bを計算
するステップと、前記６つの統計量Ca-b、Cb-b、Ca-w、
Cb-w、Cab-w、Cab-bのうち、Ca-b、Cb-b、 Cab-bを最大
化し、Ca-w、Cb-w、Cab-wを最小化するという統一的な
基準を満足する、それぞれ最適な特徴抽出行列が得られ
るため、高精度なパターン照合を可能にするという作用
を有する。
【００１５】請求項９に記載の発明は、コンピュータに
記録媒体から読み込まれたプログラムによって動作する
もので、コンピュータによりパターン認識を行うプログ
ラムを記録した記録媒体であって、同一の実体（一つの
クラス）から２つのセンシングプロセスを通してパター
ンのペアの集合である教示用パターンセット（Ａ１、Ｂ
１）を獲得するパターン入力手段と、それぞれのパター
ンセット内部にとどまらず、パターンセット間にまたが
り、異なるクラス（異なる実体）に対応するパターン間
の散らばりであるクラス間分散を最大化し、同一のクラ
スに対応するセットＡ１、セットＢ１のパターンの間の
クラス内の散らばりであるクラス内分散を最小化するセ
ットＡ１の特徴抽出行列ＡＦ、及びセットＢ１の特徴抽
出行列ＢＦを求める特徴抽出行列生成手段と、教示用パ
ターンセットＢ１のそれぞれのクラスiの代表パターン
Ｂ１ｉに対して、前記特徴抽出行列ＢＦを用いて特徴量
ｆＢ１ｉを計算し、これら特徴量ｆＢ１ｉの集合｛ｆＢ
１ｉ｝と前記特徴抽出行列ＢＦとを予め参照データベー
スＦＢ１に保存し、入力されたパターンＡ２ｊに対して
前記特徴抽出行列ＡＦを適用して抽出した特徴量ｆＡ２
ｊと最も類似した要素を前記参照データベースＦＢ１の
中から選ぶ最適マッチ決定手段とを具備するもので、比
較する２つのデータセットＡ１、Ｂ１の分布に応じて、
それぞれ最適な特徴抽出行列が得られるため、高精度な
パターン認識を可能にするという作用を有する。
【００１６】請求項１０に記載の発明は、コンピュータ
に記録媒体から読み込まれたプログラムによって動作す
るもので、コンピュータによりパターン照合を行うプロ
グラムを記録した記録媒体であって、同一の実体（一つ
のクラス）から２つのセンシングプロセスを通してパタ
ーンのペアの集合である教示用パターンセット（Ａ１、
Ｂ１）を獲得するパターン入力手段と、それぞれのパタ
ーンセット内部にとどまらず、パターンセット間にまた
がり、異なるクラス（異なる実体）に対応するパターン
間の散らばりであるクラス間分散を最大化し、同一のク
ラスに対応するセットＡ１、セットＢ１のパターンの間
のクラス内の散らばりであるクラス内分散を最小化する
セットＡ１の特徴抽出行列ＡＦ、及びセットＢ１の特徴
抽出行列ＢＦを求める特徴抽出行列生成手段と、パター
ン入力手段から入力された入力パターンａ、ｂから前記
特徴抽出行列ＡＦ及びＢＦを用いてそれぞれ特徴量ｆ
ａ、ｆｂを計算する特徴抽出手段と、特徴量ｆａとｆｂ
の類似度から２つのパターンａとパターンｂが同一のも
のであるかどうかを判定する同一性判定手段を具備する
もので、比較する２つのデータセットＡ１、Ｂ１の分布
に応じて、クラス内分散を最小化し、クラス間分散を最
大化するという統一的な基準を満足する、それぞれ最適
な特徴抽出行列が得られるため、高精度なパターン照合
を可能にするという作用を有する。
【００１７】以下、本発明の実施の形態について、図面
を用いて説明する。
【００１８】（実施の形態１）図１に、本発明の実施の
形態１におけるパターン認識装置を身分証照合に適用し
た顔画像認識装置のブロック構成図を示し説明する。
【００１９】図１は、顔画像認識装置をコンピュータシ
ステムで実現したものである。図１において、１は人物
の顔画像（パターンセットＡ）を直接撮影するためのビ
デオカメラ、２は身分証の顔写真（パターンセットＢ）
から顔画像を取り込むためのイメージスキャナ、３、４
はビデオカメラ１およびイメージスキャナ２からの画像
信号を記憶する画像メモリＡ、Ｂ、５はプログラムの格
納やワーク用のメモリ、６はＣＰＵ、７、８はそれぞれ
Ａ、Ｂの画像パターンや、特徴抽出の実行によって計算
された特徴パターンを記憶するパターンメモリＡ、Ｂ、
９はシステムコンソールとしてのキーボード＆ディスプ
レイ、１０は画像パターン情報など大規模なデータを保
存するための２次記憶装置（光磁気ディスクなど）、１
１は参照画像データベース、１２〜１６は外部機器との
データのやり取りを行うインタフェース（Ｉ／Ｆ）、１
７はシステムバス、１８は認識結果を出力する出力端
子、１９、２０はそれぞれパターンＡ、パターンＢのた
めの特徴抽出行列ＡＦ、ＢＦを格納する特徴抽出行列メ
モリ、２１はコンピュータシステムで構成されている。
【００２０】顔画像認識装置は、予め多くの人の身分証
がイメージスキャナ等により顔画像をデータベースに登
録しておき、ビデオカメラで撮像した顔画像の人物の該
当者がデータベースの中にいるか、あるいは登録された
身分証のどれに一番類似しているかを認識するものであ
る。その処理は、ビデオ画像用の特徴徴抽出行列ＡＦの
計算と身分証画像用の特徴抽出行列ＢＦの計算、さら
に、参照画像データベースＦＢ１の構築を行うオフライ
ン処理と、入力された顔画像が参照画像データベースＦ
Ｂ１に登録済みの人物かどうかの判定と、登録済みであ
ればその最も類似したものをデータベースのエントリか
ら選ぶオンライン処理とに大別される。
【００２１】まず、最初にオフライン処理について、図
２のオフライン処理動作フローを用いて説明する。オフ
ライン処理の目的は、画像メモリに一旦蓄えられた教示
画像から特徴抽出行列ＡＦ、ＢＦを計算し、さらに、パ
ターンセット、即ち、身分証画像から特徴ベクトルを抽
出しておくことにある。まず、ビデオカメラからの顔画
像はセットＡ１（ビデオ顔画像）と、イメージスキャナ
からの身分証の顔画像はセットＢ１（身分証写真）とし
て、例えば顔画像データは１次元のデータ列としたパタ
ーンＡとパターンＢに変換してパターンメモリＡとパタ
ーンメモリＢに保持する（Ｓ１１）。この場合、一般的
には、ビデオカメラからは、各人について複数枚の顔画
像が、また、身分証画像からは各人1枚の顔画像がえら
れる。
【００２２】特徴抽出行列ＡＦ及びＢＦは、以下のステ
ップ１２（Ｓ１２）〜ステップ１4（Ｓ１4）の手順で計
算される。まず、パターンセットＡ１のクラス内分散行
列Ca-w、クラス間分散Ca-bが、それぞれ（数１）(数2)
に従って計算され、並行して、パターンセットＢ１のク
ラス間分散行列Cb-bが、（数3）に従って計算される
（Ｓ１２）。
【００２３】
【数１】
【００２４】
【数２】
【００２５】
【数３】
【００２６】続いて、（数４）に従って計算されるパタ
ーンセットＡとパターンセットＢの相互相関行列Cab-r
が計算される（Ｓ１３）。
【００２７】
【数４】
【００２８】次に、（数５）（数６）に従って、パター
ンセットＡ１、Ｂ１のそれぞれに対して、特徴抽出行列
ＡＦ、ＢＦを計算する（Ｓ１４）。
【００２９】
【数５】
【００３０】
【数６】
【００３１】この特徴抽出関数の妥当性は、以下のよう
に説明される。まず、Cab-r は、（数７）に示される、
パターンセットＡとパターンセットＢにまたがるクラス
内分散行列Cab-wと（数８）に示される関係があるた
め、Cab-wの最小化は、Ca-b、Cb-bの最小化、及びCab-r
の最大化と等価である。
【００３２】
【数７】
【００３３】
【数８】
【００３４】ここで（数９）に示されるような評価基準
Ｓは、パターンセットＡ１、パターンセットＢ１のそれ
ぞれの内部で、また、２つのパターンセットにまたがっ
て、クラス内分散を最小化し、クラス間分散を最大化す
るときにのみ最大化される。
【００３５】
【数９】
【００３６】また、評価基準Ｓを最大化するような特徴
抽出関数fa = AF(X^a)、fb =ＢＦ(X^b)は、（数１０）
を最大化するＡＦ、ＢＦに一致する。
【００３７】
【数１０】
【００３８】この（数１０）を最大化する準最適な特徴
抽出行列の一つが、（数５）（数６）で示されるＡＦ、
ＢＦである。
【００３９】続いて、参照画像データベースＦＢ１構築
のために、教示画像入力の場合と同様に身分証顔画像を
イメージスキャナから取り込み（データベースＢ１）、
そのおのおののクラスの代表パターンＢ１ｉを（数１
０）に従って計算し、それに対して特徴抽出行列ＢＦを
用いて（数１１）に従って特徴ベクトルｆＢ１ｉを計算
し、参照画像データベースＦＢ１に登録する（Ｓ１
５）。
【００４０】
【数１１】
【００４１】以上がオフラインで実行されるプロセスで
ある。
【００４２】次に、オンライン処理について、オンライ
ン処理の動作フローを図３に示し説明する。オンライン
処理の目的は、入力された顔画像が参照画像データベー
スＦＢ１に登録済みの人物かどうかの判定と、登録済み
であればその最も類似したものをデータベースのエント
リから選ぶことである。
【００４３】ビデオカメラ１から直接取り込まれた顔画
像は、画像メモリＡ７に記憶され、入力されたパターン
ａをパターンＡ２ｊに変換してパターンメモリＡに転送
する（Ｓ３０）。パタンメモリＡに保持されたパターン
Ａ２ｊに対して、オフライン時に求めた特徴抽出行列メ
モリ１９からの特徴抽出行列ＡＦが適用され、（数１
２）に従って特徴ベクトルｆＡ２ｊが計算される（Ｓ３
１）。
【００４４】
【数１２】
【００４５】次に、最適マッチ処理で、参照データベー
スＦＢ１のエントリのインデックスｉを変化させ、特徴
ベクトルｆＡ２ｊに類似した特徴ベクトルを参照画像デ
ータベースから選びだし（Ｓ３２）、これら（１つ以
上）を認識結果として、出力端子１８に出力するもので
ある（Ｓ３３）。
【００４６】なお、参照画像データベースは、身分証か
らイメージスキャナによりその顔画像をデータベース化
したが、ビデオカメラから顔画像を入力しデータベース
を構築しても構わない。また、パターン入力手段とし
て、イメージスキャンとビデオカメラを用いたが、どち
らか１方であっても良く、他の入力手段であっても構わ
ない。
【００４７】また、顔画像データ、パターンセットＡ、
Ｂ及び参照画像データベースＦＢ１をオフラインで作成
したが、二次記憶装置１０から入力することも可能であ
る。さらに、オフラインで獲得、作成した、顔画像デー
タ、パターンセットＡ、Ｂ及び参照画像データベースＦ
Ｂ１を二次記憶装置１０に格納することも可能である。
【００４８】なお、本実施の形態では、顔画像認識装置
を例にして説明したが、顔以外に車、組み立て部品等の
画像データ、あるいは音声データ、文字データ等、パタ
ーンデータ化することによりパターン認識装置として幅
広く応用が可能である。
【００４９】（実施の形態２）本発明の実施の形態２の
パターン照合装置を身分証照合に適用した顔画像照合装
置のブロック構成図を示し説明する。顔画像照合装置の
ブロック構成図は、実施の形態１の顔画像認識装置と同
じ、コンピュータシステムを用いて実現したもので、ブ
ロック構成図の説明は省略する。
【００５０】顔画像照合装置は、身分証の顔画像とビデ
オカメラの顔画像が同一のものかどうかを判定するもの
で、その処理は予め多くの人の身分証がイメージスキャ
ナ等により顔画像と、ビデオカメラで撮像した顔画像と
を獲得し、特徴抽出行列ＡＦ、ＢＦの計算を行うオフラ
イン処理と、イメージスキャナから入力された顔画像
（パターンＡ）とビデオカメラから入力した顔画像（パ
ターンＢ）から特徴抽出行列を用いて特徴量を計算し、
特徴量同士の類似度から同一かどうかを判定するオンラ
イン処理とに大別される。
【００５１】最初にオフライン処理について、図４のオ
フライン処理動作フローを用いて説明する。オフライン
処理の目的は、特徴抽出行列ＡＦ、ＢＦの計算にある。
【００５２】まず、ビデオカメラ１から得られた人物顔
の画像信号がＩ／Ｆ１２を介してデジタル変換された画
像メモリＡ３に蓄積される。並行して、当人の身分証顔
写真からイメージスキャナ２によって身分証の顔画像が
獲得されＩ／Ｆ１３を介して画像メモリＢ４に蓄積され
る（Ｓ１０）。この過程は、特徴抽出行列Ｆの学習に必
要な十分な教示画像の数が得られるまで（例えば１５０
００人分程度）収集される。
【００５３】画像メモリに一旦蓄えられた教示画像は、
ビデオカメラからの多数の顔画像はセットＡ１（顔画
像）として、イメージスキャナからの多数の身分証の顔
画像はセットＢ１（身分証写真）として、例えば１次元
のデータ列としてパターンＡとパターンＢに変換してパ
ターンメモリＡとパターンメモリＢに保持する（Ｓ１
１）。 特徴抽出行列ＡＦ及びＢＦは、以下のステップ
１２（Ｓ１２）〜ステップ１4（Ｓ１4）の手順で計算さ
れる。
【００５４】まず、パターンセットＡ１のクラス内分散
行列Ca-w、クラス間分散Ca-bが、それぞれ（数１）(数
2)に従って計算され、並行して、パターンセットＢ１の
クラス間分散行列Cb-bが、（数3）に従って計算される
（Ｓ１２）。続いて、（数４）に従って計算されるパタ
ーンセットＡとパターンセットＢの相互相関行列Cab-r
が計算される（Ｓ１３）。
【００５５】次に、（数５）（数６）に従って、パター
ンセットＡ１、Ｂ１のそれぞれに対して、特徴抽出行列
ＡＦ、ＢＦを計算する（Ｓ１４）。この特徴抽出関数の
妥当性は、以下のように説明される。
【００５６】まず、Cab-r は、（数７）に示される、パ
ターンセットＡとパターンセットＢにまたがるクラス内
分散行列Cab-wと（数８）に示される関係があるため、C
ab-wの最小化は、Ca-b、Cb-bの最小化、及びCab-rの最
大化と等価である。ここで（数９）に示されるような評
価基準Ｓは、パターンセットＡ１、パターンセットＢ１
のそれぞれの内部で、また、２つのパターンセットにま
たがって、クラス内分散を最小化し、クラス間分散を最
大化するときにのみ最大化される。
【００５７】また、評価基準Ｓを最大化するような特徴
抽出関数fa = AF(X^a)、fb =ＢＦ(X^b)は、（数１０）
を最大化するＡＦ、ＢＦに一致する。この（数１０）を
最大化する準最適な特徴抽出行列の一つが、（数５）
（数６）で示されるＡＦ、ＢＦである。
【００５８】以上がオフラインで実行されるプロセスで
ある。
【００５９】次に、オンライン処理について、オンライ
ン処理の動作フローを図５に示し説明する。オンライン
処理の目的は、イメージスキャナ１から入力された身分
証の顔画像とビデオカメラ２からの顔画像とが同一人物
かどうかを判定するものである。
【００６０】ビデオカメラ１から直接取り込まれた顔画
像（Ａ／Ｄ変換後）とイメージスキャナ２から得られた
顔画像は、画像メモリＡ３、画像メモリＢ４に入力さ
れ、入力された顔画像は画像メモリＡ３、画像メモリＢ
４から読み出され、例えば一次元のデータ列に変換さ
れ、パターンメモリＡ７及びパターンメモリＢ８に転送
される（Ｓ５０）。
【００６１】パターンメモリＡ、Ｂのパターンａ２及び
パターンｂ２は、オフライン時に予め求めた特徴抽出行
列メモリ１９、２０からの特徴抽出行列ＡＦ、ＢＦから
（数１３）、（数１４）により、それぞれ特徴ベクトル
ｆＡ２、ｆＢ２を求める（Ｓ５１）。
【００６２】
【数１３】
【００６３】
【数１４】
【００６４】次に、特徴ベクトルｆＡ２、ｆＢ２の両者
の類似度からこれらが同一人物に由来するものであるか
どうかを判定する（Ｓ５２）。判定結果 Ｙ／Ｎ をパタ
ーン照合のアウトプットとして、出力端子１８に出力す
る（Ｓ５３）。なお、顔画像データ、パターンセット
Ａ、Ｂをオフラインで獲得、作成したが、二次記憶装置
１０から入力することも可能である。さらに、オフライ
ンで獲得、作成した、顔画像データ、パターンセット
Ａ、Ｂを二次記憶装置１０に格納することも可能であ
る。
【００６５】
【発明の効果】以上のように本発明では、比較するパタ
ーンデータセットの分布の相違を前提とし、その上で、
それぞれの分布に応じて、２つの分布のそれぞれに対し
て、また、２つにまたがるクラス内分散を最小化し、ク
ラス間分散を最大化するという統一的な基準を満足す
る、最適な特徴抽出を実行するため、従来法に比べ格段
に高精度なパターン認識及びパターン照合が実現でき、
その効果は非常に大きい。
【図面の簡単な説明】
【図１】本発明の実施の形態１における顔画像認識装置
のブロック構成図
【図２】顔画像認識装置のオフライン処理を説明する動
作フロー図
【図３】顔画像認識装置のオンライン処理を説明する動
作フロー図
【図４】本発明の実施の形態２の顔画像照合装置のオフ
ライン処理を説明する動作フロー図
【図５】顔画像照合装置のオンライン処理を説明する動
作フロー図
【符号の説明】
１ ビデオカメラ（パターンＡ入力手段） ２ イメージスキャナ（パターンＢ入力手段） ３ 画像メモリＡ ４ 画像メモリＢ ５ 高速アクセスメモリ ６ ＣＰＵ ７ パターンメモリＡ ８ パターンメモリＢ ９ コンソール（キーボード＋ディスプレイ） １０ 二次記憶手段（光磁気ディスク） １１ 参照画像データベース １２ Ｉ／Ｆユニット １３ Ｉ／Ｆユニット １４ Ｉ／Ｆユニット １５ Ｉ／Ｆユニット １６ Ｉ／Ｆユニット １７ システムバス １８ 出力端子 １９ 特徴抽出行列ＡＦメモリ ２０ 特徴抽出行列ＢＦメモリ ２１ コンピュータシステム

Claims (10)

    【特許請求の範囲】
  1. 【請求項１】 同一実体（クラスに対応）から条件Ｃ
    Ａ、ＣＢのもと獲得されたパターンのペアの集合である
    教示用パターンセット（Ａ１、Ｂ１）に対して、それぞ
    れのパターンセット内部にとどまらず、パターンセット
    間にまたがり、異なるクラス（異なる実体）に対応する
    パターン間の散らばりであるクラス間分散を最大化し、
    同一のクラスに対応するセットＡ１、セットＢ１のパタ
    ーンの間のクラス内の散らばりであるクラス内分散を最
    小化するセットＡ１の特徴抽出行列ＡＦ、及びセットＢ
    １の特徴抽出行列ＢＦを求め、教示用パターンセットＢ
    １のそれぞれのクラスiの代表パターンＢ１ｉに対し
    て、前記特徴抽出行列ＢＦを用いて特徴量ｆＢ１ｉを計
    算し、これら特徴量ｆＢ１ｉの集合｛ｆＢ１ｉ｝と前記
    特徴抽出行列ＡＦとＢＦを予め参照データベースに保存
    し、入力されたパターンＡ２ｊに対して前記特徴抽出行
    列ＡＦを適用して抽出した特徴量ｆＡ２ｊと、前記参照
    データベースＢＦ１に保存された特徴量の中で最も類似
    した要素を決定することを特徴とするパターン認識方
    法。
  2. 【請求項２】 特徴抽出行列ＡＦ及びＢＦは、条件Ｃ
    Ａ、ＣＢのもとで獲得されたパターンの集合である教示
    用パターンセットＡ１及びセットＢ１のパターンセット
    から、それぞれパターンセット内のクラス間分散Ca-b、
    Cb-b、また、パターンセットＡ1内のクラス内分散Ca-ｗ
    を推定するステップと、パターンセットＡ１とＢ１のそ
    れぞれの対応する要素のペアの集合から、それらのＡ
    １、Ｂ１にまたがったクラス内分散Cab-w、クラス間分
    散Cab-bを計算するステップと、前記5つの統計量Ca-b、
    Cb-b、Ca-w、Cab-w、Cab-bのうち、Ca-b、Cb-b、Cab-b
    を最大化し、Ca-w、Cab-wを最小化するような特徴抽出
    関数を計算するステップから計算することを特徴とする
    請求項１記載のパターン認識方法。
  3. 【請求項３】 同一実体（クラスに対応）から条件Ｃ
    Ａ、ＣＢのもと獲得されたパターンのペアの集合である
    教示用パターンセット（Ａ１、Ｂ１）に対して、それぞ
    れのパターンセット内部にとどまらず、パターンセット
    間にまたがり、異なるクラス（異なる実体）に対応する
    パターン間の散らばりであるクラス間分散を最大化し、
    同一のクラスに対応するセットＡ１、セットＢ１のパタ
    ーンの間のクラス内の散らばりであるクラス内分散を最
    小化するセットＡ１の特徴抽出行列ＡＦ、及びセットＢ
    １の特徴抽出行列ＢＦを求め、２つの条件ＣＡ、ＣＢで
    獲得した入力パターンａ、ｂから前記特徴抽出行列Ａ
    Ｆ、ＢＦを用いてそれぞれ特徴量ｆａ、ｆｂを計算し、
    特徴量ｆａとｆｂの類似度から２つのパターンａとパタ
    ーンｂが同一のものであるかどうかを判定することを特
    徴とするパターン照合方法。
  4. 【請求項４】 特徴抽出行列ＡＦ及びＢＦは、条件Ｃ
    Ａ、ＣＢのもと獲得されたパターンの集合である教示用
    パターンセットＡ１とＢ１から、それぞれパターンセッ
    トＡ１、Ｂ１内のクラス間分散 Ca-b、Cb-bまた、クラ
    ス内分散Ca-ｗ、Cb-wを推定するステップと、パターン
    セットＡ１とＢ１のそれぞれの対応する要素のペアの集
    合から、それらのＡ１、Ｂ１にまたがったクラス内分散
    Cab-w、 クラス間分散 Cab-bを計算するステップと、
    前記６つの統計量 Ca-b、Cb-b、Ca-w、Cb-w、 Cab-w、C
    ab-bのうち、Ca-b、Cb-b、Cab-bを最大化し、Ca-w、Cb-
    w、Cab-wを最小化するような特徴抽出関数を計算するス
    テップから計算することを特徴とする請求項３記載のパ
    ターン照合方法。
  5. 【請求項５】 同一の実体（一つのクラス）から条件Ｃ
    Ａ、ＣＢのもと、パターンのペアの集合である教示用パ
    ターンセット（Ａ１、Ｂ１）を獲得するパターン入力手
    段と、２つのパターンセットに対して、それぞれのパタ
    ーンセット内部にとどまらず、パターンセット間にまた
    がり、異なるクラス（異なる実体）に対応するパターン
    間の散らばりであるクラス間分散を最大化し、同一のク
    ラスに対応するセットＡ１、セットＢ１のパターンの間
    のクラス内の散らばりであるクラス内分散を最小化する
    セットＡ１の特徴抽出行列ＡＦ、及びセットＢ１の特徴
    抽出行列ＢＦを求める特徴抽出行列生成手段と、教示用
    パターンセットＢ１のそれぞれのクラスiの代表パター
    ンＢ１ｉに対して、前記特徴抽出行列ＢＦを用いて特徴
    量ｆＢ１ｉを計算し、これら特徴量ｆＢ１ｉの集合｛ｆ
    Ｂ１ｉ｝と前記特徴抽出行列ＢＦとを予め参照データベ
    ースＦＢ１に保存し、入力されたパターンＡ２ｊに対し
    て前記特徴抽出行列ＡＦを適用して抽出した特徴量ｆＡ
    ２ｊと最も類似した要素を前記参照データベースＢＦ１
    の中から選ぶ最適マッチ決定手段とを具備することを特
    徴とするパターン認識装置。
  6. 【請求項６】 特徴抽出行列生成手段は、条件ＣＡ、Ｃ
    Ｂのもと獲得された教示用パターンセットＡ１及びセッ
    トＢ１のパターンセットから、それぞれパターンセット
    Ａ１、Ｂ１内のクラス間分散Ca-b、Cb-b、また、セット
    Ａ１のクラス内分散Ca-ｗを推定する手段と、パターン
    セットＡ１とＢ１のそれぞれの対応する要素のペアの集
    合から、それらのＡ１、Ｂ１にまたがったクラス内分散
    Cab-w、クラス間分散 Cab-bを計算する手段を有し、前
    記５つの統計量 Ca-b、Cb-b、Ca-w、Cab-w、Cab-bのう
    ち、Ca-b、Cb-b、Cab-bを最大化し、Ca-w、Cab-wを最小
    化するような特徴抽出関数を計算する手段を有すること
    を特徴とする請求項５記載のパターン認識装置。
  7. 【請求項７】 同一の実体（一つのクラス）から条件Ｃ
    Ａ、ＣＢのもと、パターンのペアの集合である教示用パ
    ターンセット（Ａ１、Ｂ１）を獲得するパターン入力手
    段と、２つのパターンセットに対して、それぞれのパタ
    ーンセット内部にとどまらず、パターンセット間にまた
    がり、異なるクラス（異なる実体）に対応するパターン
    間の散らばりであるクラス間分散を最大化し、同一のク
    ラスに対応するセットＡ１、セットＢ１のパターンの間
    のクラス内の散らばりであるクラス内分散を最小化する
    セットＡ１の特徴抽出行列ＡＦ、及びセットＢ１の特徴
    抽出行列ＢＦを求める特徴抽出行列生成手段と、パター
    ン入力手段から入力された入力パターンａ、ｂから前記
    特徴抽出行列ＡＦ及びＢＦを用いてそれぞれ特徴量ｆ
    ａ、ｆｂを計算する特徴抽出手段と、特徴量ｆａとｆｂ
    の類似度から２つのパターンａとパターンｂが同一のも
    のであるかどうかを判定する同一性判定手段とを具備す
    ることを特徴とするパターン照合装置。
  8. 【請求項８】 特徴抽出行列生成手段は、条件ＣＡ、Ｃ
    Ｂのもとパターンの集合である教示用パターンセットＡ
    １とＢ１を獲得し、教示用パターンセットＡ１及びセッ
    トＢ１のパターンセットから、それぞれパターンセット
    Ａ１、Ｂ１内のクラス間分散Ca-b、Cb-b、また、クラス
    内分散Ca-ｗ、Cb-wを推定する手段と、パターンセット
    Ａ１とＢ１のそれぞれの対応する要素のペアの集合か
    ら、それらのＡ１、Ｂ１にまたがったクラス内分散Cab-
    w、クラス間分散 Cab-bを計算する手段を有し、前記６
    つの統計量 Ca-b、Cb-b、Ca-w、Cb-w、Cab-w、Cab-bの
    うち、Ca-b、Cb-b、Cab-bを最大化し、Ca-w、Cb-w、Cab
    -wを最小化するような特徴抽出関数を計算する手段を有
    することを特徴とする請求項７記載のパターン照合装
    置。
  9. 【請求項９】 コンピュータによりパターン認識を行う
    プログラムを記録した記録媒体であって、同一の実体
    （一つのクラス）から、条件ＣＡ、ＣＢのもと獲得され
    たパターンのペアの集合である教示用パターンセット
    （Ａ１、Ｂ１）に対して、それぞれのパターンセット内
    部にとどまらず、パターンセット間にまたがり、異なる
    クラス（異なる実体）に対応するパターン間の散らばり
    であるクラス間分散を最大化し、同一のクラスに対応す
    るセットＡ１、セットＢ１のパターンの間のクラス内の
    散らばりであるクラス内分散を最小化するセットＡ１の
    特徴抽出行列ＡＦ、及びセットＢ１の特徴抽出行列ＢＦ
    を求め、教示用パターンセットＢ１のそれぞれのクラス
    iの代表パターンＢ１ｉに対して、前記特徴抽出行列Ｂ
    Ｆを用いて特徴量ｆＢ１ｉを計算し、これら特徴量ｆＢ
    １ｉの集合｛ｆＢ１ｉ｝と前記特徴抽出行列AFとBFを予
    め参照データベースに保存し、入力されたパターンＡ２
    ｊに対して前記特徴抽出行列ＡＦを適用して抽出した特
    徴量ｆＡ２ｊと、前記参照データベースＦＢ１に保存さ
    れた特徴量の中で最も類似した要素を決定するパターン
    認識プログラムを記録した記録媒体。
  10. 【請求項１０】 コンピュータによりパターン照合を行
    うプログラムを記録した記録媒体であって、一つのクラ
    ス（同一の実体）から条件ＣＡ、ＣＢのもと獲得された
    パターンのペアの集合である教示用パターンセット（Ａ
    １、Ｂ１）から、それぞれのパターンセット内部にとど
    まらず、パターンセット間にまたがり、異なるクラス
    （異なる実体）に対応するパターン間の散らばりである
    クラス間分散を最大化し、同一のクラスに対応するセッ
    トＡ１、セットＢ１のパターンの間のクラス内の散らば
    りであるクラス内分散を最小化するセットＡ１の特徴抽
    出行列ＡＦ、及びセットＢ１の特徴抽出行列ＢＦを求
    め、２つのプロセスで獲得した入力パターンａ、ｂから
    前記特徴抽出行列ＡＦ、ＢＦを用いてそれぞれ特徴量ｆ
    ａ、ｆｂを計算し、特徴量ｆａとｆｂの類似度から２つ
    のパターンａとパターンｂが同一のものであるかどうか
    を判定するパターン照合プログラムを記録した記録媒
    体。
JP2000168560A 2000-06-06 2000-06-06 パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置 Pending JP2001351104A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2000168560A JP2001351104A (ja) 2000-06-06 2000-06-06 パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置
EP01112830A EP1162566A3 (en) 2000-06-06 2001-05-30 Methods and apparatuses for recognising or checking patterns
US09/874,199 US6865296B2 (en) 2000-06-06 2001-06-05 Pattern recognition method, pattern check method and pattern recognition apparatus as well as pattern check apparatus using the same methods

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2000168560A JP2001351104A (ja) 2000-06-06 2000-06-06 パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置

Publications (1)

Publication Number Publication Date
JP2001351104A true JP2001351104A (ja) 2001-12-21

Family

ID=18671548

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000168560A Pending JP2001351104A (ja) 2000-06-06 2000-06-06 パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置

Country Status (3)

Country Link
US (1) US6865296B2 (ja)
EP (1) EP1162566A3 (ja)
JP (1) JP2001351104A (ja)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080080744A1 (en) * 2004-09-17 2008-04-03 Mitsubishi Electric Corporation Face Identification Apparatus and Face Identification Method
US7561721B2 (en) * 2005-02-02 2009-07-14 Visteon Global Technologies, Inc. System and method for range measurement of a preceding vehicle
US20070031008A1 (en) * 2005-08-02 2007-02-08 Visteon Global Technologies, Inc. System and method for range measurement of a preceding vehicle
US7623681B2 (en) * 2005-12-07 2009-11-24 Visteon Global Technologies, Inc. System and method for range measurement of a preceding vehicle
US20090005948A1 (en) * 2007-06-28 2009-01-01 Faroog Abdel-Kareem Ibrahim Low speed follow operation and control strategy
US8024152B2 (en) * 2008-09-23 2011-09-20 Microsoft Corporation Tensor linear laplacian discrimination for feature extraction
TWI467498B (zh) * 2011-12-19 2015-01-01 Ind Tech Res Inst 影像識別方法及系統
JP5900052B2 (ja) * 2012-03-15 2016-04-06 オムロン株式会社 登録判定装置、その制御方法および制御プログラム、並びに電子機器
TWI443346B (zh) * 2012-09-14 2014-07-01 Chunghwa Telecom Co Ltd 電器設備識別系統及方法
CN105785187B (zh) * 2016-04-08 2018-06-15 湖南工业大学 一种学生宿舍用电器类型判断方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4914703A (en) * 1986-12-05 1990-04-03 Dragon Systems, Inc. Method for deriving acoustic models for use in speech recognition
JP2872776B2 (ja) 1990-08-20 1999-03-24 日本電信電話株式会社 顔画像照合装置
US5164992A (en) * 1990-11-01 1992-11-17 Massachusetts Institute Of Technology Face recognition system
US5842194A (en) * 1995-07-28 1998-11-24 Mitsubishi Denki Kabushiki Kaisha Method of recognizing images of faces or general images using fuzzy combination of multiple resolutions
EP0944018B1 (en) * 1998-03-19 2011-08-24 Panasonic Corporation Method and apparatus for recognizing image pattern, method and apparatus for judging identity of image patterns, recording medium for recording the pattern recognizing method and recording medium for recording the pattern identity judging method
US6405065B1 (en) * 1999-01-22 2002-06-11 Instrumentation Metrics, Inc. Non-invasive in vivo tissue classification using near-infrared measurements

Also Published As

Publication number Publication date
US20020018596A1 (en) 2002-02-14
US6865296B2 (en) 2005-03-08
EP1162566A2 (en) 2001-12-12
EP1162566A3 (en) 2004-07-28

Similar Documents

Publication Publication Date Title
EP0944018B1 (en) Method and apparatus for recognizing image pattern, method and apparatus for judging identity of image patterns, recording medium for recording the pattern recognizing method and recording medium for recording the pattern identity judging method
CN100492397C (zh) 人脸元数据生成设备和生成方法、人脸识别系统和方法
TWI427541B (zh) 人臉快速辨識系統及其方法
JP3938872B2 (ja) データ分類装置および物体認識装置
EP1530157B1 (en) Image matching system using 3-dimensional object model, image matching method, and image matching program
JP4321350B2 (ja) パラメタ推定方法、パラメタ推定装置および照合方法
CN111368772B (zh) 身份识别方法、装置、设备及存储介质
Srivastava et al. Real time attendance system using face recognition technique
CN108921038A (zh) 一种基于深度学习人脸识别技术的课堂快速点名签到方法
JP2001351104A (ja) パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置
EP1830308A2 (en) Pattern recognition apparatus and method therefor
CN116229552A (zh) 一种基于yolov7模型的面向嵌入式硬件的人脸识别方法
JPH0520442A (ja) 顔画像照合装置
JP4543455B2 (ja) パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置
CN101276404A (zh) 一种快速准确的智能图像处理系统及其处理方法
JP3468108B2 (ja) 顔画像照合方法及び顔画像照合装置
JP2001014465A (ja) 物体認識方法及び物体認識装置
JP3708383B2 (ja) パターン認識方法及びパターン認識装置
JP3322216B2 (ja) パターン認識方法及びパターン認識装置並びにパターン照合方法及びパターン照合装置
JP3322208B2 (ja) パターン認識方法及びパターン認識装置並びにパターン照合方法及びパターン照合装置
JP2000076459A (ja) 人物同定方法及び装置
CN114613058B (zh) 一种具有考勤功能的门禁系统、考勤方法和相关装置
Uma et al. Biometric Attendance Prediction using Face Recognition Method
Ballary et al. Deep Learning based Facial Attendance System using Convolutional Neural Network
JP3530363B2 (ja) 認識モデル生成方法および画像認識方法