JP2006351001A - コンテンツ特徴量抽出方法及び装置及びコンテンツ同一性判定方法及び装置 - Google Patents

Abstract

【課題】フォーマットや品質などが変化したコンテンツであっても、一定の範囲内で表す内容が同じであるコンテンツについては同一であると判断可能にする
【解決手段】本発明は、入力されたコンテンツデータの複数の特定領域を一組の領域群として選択し、領域選択ステップで選択された各々の領域におけるデータ分布特徴を数値化し、領域毎の特徴値を一組の領域群内で比較し、比較結果に特定の符号を割り当て、該符号をコンテンツの特徴量として出力する。
【選択図】図１

Description

本発明は、コンテンツ特徴量抽出方法及び装置及びコンテンツ同一性判定方法及び装置に係り、特に、動画像、静止画像、音声、テキスト情報などのディジタルコンテンツ個々の特徴を抽出するコンテンツ特徴量抽出方法及び装置、さらに、コンテンツ特徴量抽出装置により抽出された特徴量を用いて、コンテンツの同一性を判定するコンテンツ同一性判定方法及び装置に関する。

パーソナルコンピュータや携帯端末等の情報処理装置及び光ファイバー、３G携帯通信が普及し、多くの家庭や企業において、動画像、静止画、音声、テキスト情報等様々なコンテンツが流通・利用されている。このような環境の下では、大量の情報の中から、利用者が所望のコンテンツを効率よく見つけ出す検索の手段が求められている。また、コンテンツの不正な配布などにより、提供者が意図せぬ流通拡大が行われる場合があり、それら不正流通コンテンツの所在を確認するための、特定コンテンツの検索手段が求められている。

特定のコンテンツを同一のコンテンツを検索する手段としては、コンテンツの全体もしくは一部構成要素の固有情報を特徴量として抽出し、それらの類似度もしくは一致度を判定する方法がある。例えば、コンテンツが画像の場合は、類似画像検索技術としていくつかの方式が提案されており、画像中のオブジェクトを切り出して、その形状や色ヒストグラムのデータを比較する方法がある（例えば、非特許文献１参照）。

また、画像を数十の領域に分割して離散コサイン変換（DCT変換）などを行い、各領域の代表色を算出して特徴量列を決定し、比較する方法などが提案されている（例えば、非特許文献２参照）。
「オブジェクトに基づく高速画像検索システム：ExSight：」串間和彦他、情報処理学会論文誌、Vol.40, No.2, pp832-741, (1999). 「高速映像検索のためのColorLayout 記述子の開発とその国際標準化」、山田昭雄他、NEC技法、Vol.56, No3, pp.11-14, (2003).

コンテンツの構成要素を固有の特徴として抽出する、例えば、類似画像検索による特徴値比較の方法では、特徴量抽出のため、画像からのオブジェクト切り出しなど負荷の高い計算処理が必要であったり、フォーマット変換時の使用色数の減少などによって全体の色調が変化した場合などに検出率が低下するといった問題がある。

本発明は、上記の点に鑑みなされたもので、フォーマットや品質などが変化したコンテンツであっても、一定の範囲内で表す内容が同じであるコンテンツについては同一であると判断可能にするためのコンテンツ特徴量抽出方法及び装置及びコンテンツ同一性判定方法及び装置を提供することを目的とする。

また、特徴量の算出、蓄積、及び比較について、携帯端末のような演算処理性能の低い機器においても容易に実行が可能である、演算負荷の小さい効率のよいコンテンツ特徴量抽出方法及び装置及びコンテンツ同一性判定方法及び装置を提供することを目的とする。

図１は、本発明の原理を説明するための図である。

本発明（請求項１）は、ディジタルコンテンツを構成するデータの分布特徴に基づき、コンテンツ固有の特徴量を抽出するコンテンツ特徴量抽出装置におけるコンテンツ特徴量抽出方法であって、
領域選択手段が、入力されたコンテンツデータの複数の特定領域を一組の領域群として選択する領域選択ステップ（ステップ１）と、
領域内特徴値算出手段が、領域選択ステップで選択された各々の領域におけるデータ分布特徴を数値化する領域内特徴値算出ステップ（ステップ２）と、
領域内特徴値比較手段が、領域毎の特徴値を一組の領域群内で比較する領域内特徴値比較ステップ（ステップ３）と、
符号化手段が、領域内特徴値比較ステップの比較結果に特定の符号を割り当て、該符号をコンテンツの特徴量として出力する符号化ステップ（ステップ４）と、を行う。

本発明（請求項２）は、別の領域群からなる一組の一度以上再選択させるスケジューラを用いて、新しい一組の領域群を領域選択手段に選択させ、符号化ステップにおいて割り当てた符号を結合手段により結合して結合データを生成する処理を、複数回繰り返すステップを更に行い、
結合データをコンテンツ特徴量として出力する。

本発明（請求項３）は、請求項１乃至２に記載のコンテンツ特徴量抽出方法により出力されたコンテンツ特徴量を用いて、２つのコンテンツの同一性を判定するコンテンツ同一性判定装置における、コンテンツ同一性判定方法であって、
入力手段が、出力された２つのコンテンツの特徴量を構成する符号を入力し、該２つのコンテンツの特徴量から、コンテンツ特徴量抽出装置の領域選択手段が各々のコンテンツにおいて、同一の領域選択を行った領域群内の比較結果から得られた符号を抜粋するステップと、
比較手段が、抜粋された符号同士を逐次比較し、値が一致する割合から同一性を判定するステップと、を行う。

また、本発明（請求項４）は、比較手段が、比較対象のコンテンツから各々抽出された２つの符号のうち、片方の符号が特定の符号である場合に、比較対象から除外する。

図２は、本発明の原理構成図である。

本発明（請求項５）は、ディジタルコンテンツを構成するデータの分布特徴に基づき、コンテンツ固有の特徴量を抽出するコンテンツ特徴量抽出装置であって、
入力されたコンテンツデータの複数の特定領域を一組の領域群として選択する領域選択手段１０１と、
各々の領域におけるデータ分布特徴を数値化する領域内特徴値算出手段１０２と、
領域毎の特徴値を一組の領域群内で比較する領域内特徴値比較手段１０３と、
領域内特徴値比較手段による特徴値比較結果に特定の符号を割り当て、該符号をコンテンツの特徴量として出力する符号化手段１０４と、を有する。

また、本発明（請求項６）は、領域選択手段１０１に対して、別の領域群からなる一組を一度以上再選択させるスケジューラと、
符号化手段１０４において割り当てられた符号を結合した結合データをコンテンツ特徴量として出力する結合手段と、
スケジューラと結合手段の処理を複数回繰り返した後、前記結合データをコンテンツ特徴量として出力する手段を、さらに有する。

また、本発明（請求項７）は、領域内特徴値比較手段１０３において、特徴値の差分を比較結果とし、
符号化手段１０４において、差分を一定のビット長で収まる値に量子化した数値を符号とする。

また、本発明（請求項８）は、領域内特徴値算出手段１０２において、
領域内のバイナリデータの平均値を算出する手段を含む。

また、本発明（請求項９）は、領域選択手段１０１において、コンテンツが画像データである場合、画像の空間的な特定位置の画素値集合を選択する手段を含む。

また、本発明（請求項１０）は、領域選択手段１０１において、コンテンツが画像データである場合、画像の空間的な特定位置の画素集合の、分布関数による変換後の周波数成分値を選択する手段を含む。

また、本発明（請求項１１）は、領域選択手段１０１において、コンテンツが画像データであり、空間的な特定位置の画素値集合を選択する際に、
ある特定の画素値集合領域と、該画素値集合から空間位置的に一定距離範囲内に存在する画素値集合領域を選択する手段を含み、
領域内特徴値算出手段１０２において、領域の画素値の平均値を領域内特徴値として算出する手段を含む。

また、本発明（請求項１２）は、領域選択手段１０１において、コンテンツが画像データであり、画像の空間的な特定位置の画素集合の、分布関数による変換後の周波数成分値を選択する際に、
ある特定の周波数成分領域と、その画素値集合から周波数的に一定距離離れた領域内に存在する周波数成分値を選択する手段を含み、
領域内特徴値算出手段１０２において、
領域の周波数成分値の平均値を領域内特徴値として算出する手段を含む。

また、本発明（請求項１３）は、領域選択手段１０１において、コンテンツが動画像データであり、時系列で変化する任意のフレーム画像を選択の対象に加える手段を含む。

本発明（請求項１４）は、請求項５乃至１２記載のコンテンツ特徴量抽出装置により得られるコンテンツ特徴量を用いて、２つのコンテンツの同一性を判定するコンテンツ同一性判定装置であって、
コンテンツ特徴量抽出装置から入力された２つのコンテンツの特徴量を構成する符号から、該コンテンツ特徴量抽出装置の領域選択手段が各々のコンテンツにおいて、同一の領域選択を行った領域群内の比較結果から得られた符号を抜粋する入力手段と、
抜粋した符号同士を逐次比較し、値が一致する割合から同一性を判定する比較手段と、を有する。

また、本発明（請求項１５）は、比較手段において、比較対象のコンテンツから各々抽出された２つの符号のうち、片方の符号が特定の符号である場合に、比較対象から除外する手段を含む。

上記のように、本発明のコンテンツ特徴量抽出方法（装置）では、コンテンツの部分領域を複数求め、それぞれの領域の特徴量を求め、複数の特徴量の比較を行って、比較結果を符号化し、コンテンツの最終的な特徴量とすることにより、携帯端末のような演算処理能力の小さな端末においても、フォーマットや品質などの変化にも影響を受けにくい、コンテンツ固有の特徴量を算出することが可能になる。

また、コンテンツ特徴量に対し、コンテンツ同一性判定方法（装置）では、特徴量を利用してコンテンツの同一性を判定することにより、一定の範囲内で表す内容が同じであるコンテンツについては同一であると判断可能になる。

以下、図面と共に本発明の実施の形態を説明する。

以下の説明において、特に断りがない限り、「コンテンツ」とは、動画像、静止画像、音声、テキスト、メタデータ等のディジタルデータ全てを対象とする。

［第１の実施の形態］
図３は、本発明の第１の実施の形態におけるコンテンツ特徴量抽出装置の構成を示す。

なお、同図においてコンテンツ特徴量抽出装置１００の上部にデータの模式図を併せて示している。

コンテンツ特徴量抽出装置１００は、領域選択部１０１、領域内特徴値算出部１０２、領域内特徴値比較部１０３、符号化部１０４から構成される。

コンテンツ特徴量抽出装置１００にコンテンツデータ１１０を入力すると、領域選択部１０１がコンテンツデータから特定の部分を選択する。図３（ａ）の例では、３つの領域をまとめて領域群と呼ぶ。

コンテンツデータ１１０より選択された各々の領域のデータに対して、領域内特徴値算出部１０２は、領域内のデータの特徴値を算出する。図３（ｂ）は、（ａ）の３領域の選択例において、領域内特徴値算出部１０２により、各々“３”、“５０”、“２７１”が算出された例を示す。

領域内特徴値は領域内特徴値比較部１０３へと送られ、特徴値同士の比較が行われる。図３（ｃ）は、領域内特徴値算出部１０２の算出結果例に対して大小関係の比較を行い、結果を符号化部１０４へと送信する例である。

領域内特徴値比較部１０３の比較結果情報を受け取った符号化部１０４は、定められた手順に従って比較結果に対応した符合を割り当てる。図３（ｄ）は、各領域内特徴値の大小関係を元に、対応表を用いて特定の目次列を符号として割り当てる例である。

コンテンツ特徴量抽出装置１００は、符号化部１０４から出力された符号をコンテンツ特徴量１１５として出力する。

図４は、本発明の第１の実施の形態における動作のフローチャートである。

ステップ１０１） コンテンツデータ１１０が領域選択部１０１に入力される
ステップ１０２） 領域選択部１０１は、当該コンテンツデータの複数の特定領域を１つの領域群として選択する。

例えば、コンテンツがテキストの場合、領域選択部１０１で選択されるデータは、文章の先頭から特定文字数後の任意の文字数からなる文字列集合や、文字列のアスキーコード、UNICODE、EUC、SJIS、JISなどの文字コード集合である。

ステップ１０３） 領域内特徴値算出部１０２において、領域選択部１０１で選択されたデータの各領域におけるデータ分布特徴値（領域内特徴値）を算出する。領域内特徴値算出部１０２で算出する領域内特徴値は、文字列の単語辞書マッチングによるインデックス値、文字コードに対する平均値、標準偏差、ハッシュ演算、その他の関数により写像された値である。

例えば、コンテンツが音声データの場合、領域選択部１０１で選択されるデータは、ある時間帯に相当する音量強度データや、ＰＣＭ符号化、MPEG Audio等の音声符号化データの符号の集合である。

また、領域内特徴値算出部１０２で算出する領域内特徴値は、強度データ、符号化データ値の平均値、標準偏差、ハッシュ演算、その他の関数により写像された値である。

例えば、静止画像データの場合、領域選択部１０１で選択されるデータは、空間的な特定部分の矩形もしくは、任意の形状の領域における画素値の集合、または、離散コサイン変換（ＤＣＴ）、ウェーブレット変換、その他の変換関数により得られる係数値の部分集合、JPEG、GIF等の画像符号化データの集合である。画素値は、RGB、YCrCb等の色空間における個々の要素の値、要素の合計値、要素の平均値、もしくは、カラーインデックス値である。また、領域内特徴値算出部１０２で算出する領域内特徴値は、画素値、係数値、符号化データ値等に対する平均値、標準偏差、ハッシュ演算、その他の関数により写像された値である。

あるいは、領域選択部１０１で選択されるデータは、コンテンツの種別に関係なく先頭から特定バイト後の任意のバイト数のバイナリデータの集合であり、領域内特徴値算出部１０２で算出する領域内特徴値は、バイナリデータの平均値、標準偏差、ハッシュ演算、その他の関数により写像された値である。

ステップ１０４） 領域内特徴値比較部１０３において、領域内特徴値算出部１０２から送られる特徴値に対し、値の大小の情報を昇順もしくは降順で符号化部１０４に出力する。もしくは、各領域特徴値の差分情報、分散情報として符号化部１０４に出力する場合もある。

ステップ１０５） 符号化部１０４は、領域内特徴値比較部１０３から出力された比較結果の情報に基づいて、ある一定の符号を決定する。符号は、数値データ、文字データの集合体である場合がある。符号の決定は、比較結果に対応する対応表を用いて対応する符号に決定する方法や、決定結果をある関数を用いて変換した写像の値とする方法がある。また、領域の選択が２つの場合は、値の大小を１ビットで表す方法があり、また、２つの領域内特徴値の差分を元に、符号を割り当てる方法もある。

ステップ１０６） 上記のようにして決定された符号は、コンテンツ特徴量抽出装置１００よりコンテンツ特徴量として後述するコンテンツ同一性判定装置や記憶手段に出力される。

［第２の実施の形態］
図５は、本発明の第２の実施の形態におけるコンテンツ特徴量抽出装置の構成を示す。第１の実施の形態の図３の構成と同一構成要素には同一符号を付し、その説明を省略する。

図５に示す本実施の形態のコンテンツ特徴量抽出装置２００は、第１の実施の形態と同様に、入力コンテンツの特徴量を出力する装置である。第１の実施の形態と異なる点は、結合部２０５とスケジューラ２０６が追加実装されている点である。

図６は、本発明の第２の実施の形態における動作のフローチャートである。

本実施の形態では、前述の第１の実施の形態の符号化部１０４で作成された符号を結合部２０５内のメモリで一旦保持し、スケジューラ２０６は、領域選択部１０１に対して異なる領域群の選択を指示し（ステップ２０４）、結合部２０５は、再度得られた符号を保持していた符号と結合し、結合後の符号を保持する（ステップ２０７）。スケジューラ２０６は、領域選択部１０１に対して再度別の領域群を選択する指示を出すことを必要回数繰り返し（ステップ２０８）、最終的に結合部２０５が保持していた結合済み符号をコンテンツ特徴量２１１として後述するコンテンツ同一性判定装置や記憶手段に出力する（ステップ２０９）。

なお、上記の第１の実施の形態、及び、第２の実施の形態において、領域内特徴値比較部１０３が、特徴量の差分データを量子化した数値を符号にする方法がある。

例えば、領域選択部１０１が２つの領域として領域Ｘ、領域Ｙを選択し、領域内特徴値算出部１０２が各々１バイトの数値データｆｘ，ｆｙを算出する場合を考える。ここで、ｆｘ−ｆｙの差分に対して、符号化部１０４が図７に示すような量子化テーブルを用いて符号を割り当てる。また、ｆｘ−ｆｙに対して、ある関数で写像した値を量子化値とすることもある。図８は、以下の関数による変換例である。

Ceil（（ｆｘ−ｆｙ）÷８５）
但し、関数Ceil（）は、小数点以下切り上げを行う関数である。

図９は、本発明の第１・第２の実施の形態における領域内特徴値算出部が領域内のバイナリデータの平均値を領域内特徴値とする方法を説明するための図である。同図の例では、領域選択部１０１が２つの領域として、先頭から１７バイト目から８バイト目を領域Ｘ、先頭から３３バイト目から８バイトを領域Ｙとして選択し、領域内特徴値算出部１０２が各々１バイトの数値データｆｘ，ｆｙを算出する。ｆｘは領域内の平均値として“１”を、ｆｙは領域内の平均値として“６”を領域内特徴値とする。小数点以下が生じる場合は、切り上げもしくは切り捨ての処理を行う。

図１０〜図１８は、本発明の第１・第２の実施の形態における領域選択の例を示している。

図１０、図１１は、コンテンツが画像データである場合の例である。領域選択部１０１が２つの領域として、画像が空間的な特定位置である領域Ｘ、領域Ｙを選択している。図１０では、選択領域が矩形である。また、領域サイズは領域Ｘ、領域Ｙで同等である。図１１のように、選択領域が矩形ではなく、サイズが異なる場合もある。

スケジューラにより、コンテンツから領域群を何度も選択する場合には、予め用意した領域選択マスクを用いる。図１２は、４つの領域選択パターンを示しており、例として塗り分けた領域を領域Ｘ、領域Ｙとしている。このような選択パターンを定めておくことで、画像コンテンツの空間的な特徴量算出の基礎となる領域の選択が、定格的に行えるようになる。

図１３は、画像の選択方法の例を、前述の領域選択マスクの形式で記述している。領域Ｘをある位置に選択した場合、領域Ｙを領域Ｘから一定距離内に選択する方法がある。このような領域選択を加えることで、本発明のコンテンツ特徴量抽出装置１００，２００により作成された特徴量を用いて画像の同一性を判定する際に、画像内のオブジェクトの微小な位置の移動を検知することが可能になり、コンテンツ特徴量の唯一化と、類似画像の判別の精度向上に役立つ。

図１５は、本発明の第１・第２の実施の形態において、コンテンツが画像データである場合の領域選択の例を示している。領域選択部１０１は、画像の空間的な特定位置の画像集合を切り出し、その画像集合に対して、例えば、ＤＣＴ変換を行って周波数的な分布を計算する。図１５の例は、画像コンテンツ１０００にある画像集合１００１にＤＣＴ変換を行い、８×８のＤＣＴ係数テーブル１００２を作成し、ＤＣＴ係数テーブルより特定の９係数を選択し、選択領域としている。ＤＣＴ係数１００３はＤＣ係数であり、ＤＣ係数を選択領域とすることもできる。

図１６、図１７は、ＤＣＴ係数テーブルの領域選択の例を示しており、図１６、図１７とも２つの領域を選択する場合である。図１６は、領域ＸをＤＣ係数値にとり、領域Ｙに隣接するＡＣ係数値の領域を選択している。図１７は、領域ＸをＤＣ係数値にとり、領域Ｙに領域Ｘとは隔離した係数値から領域を選択している。このような領域選択を加えることにより、本発明のコンテンツ特徴量抽出装置１００，２００により作成された特徴量を用いて画像の同一性を判定する際に、コンテンツ特徴値の唯一化と、類似画像の判別の精度向上に役立つ。

図１８は、動画像からの領域選択の方法を示す。ある時刻ｔのフレーム画像Ｉｔにおいて、前述の静止画像に対する領域選択の方法に加えて、ｔ±ｎ（ｎは整数）のフレーム画像を対象として同様の領域選択を行う。

［第３の実施の形態］
図１９は、本発明の第３の実施の形態におけるコンテンツ同一性判定装置の構成を示す。

同図に示すコンテンツ同一性判定装置３００は、入力部３０１、メモリ３０２、比較部３０３から構成される。

図２０は、本発明の第３の実施の形態におけるコンテンツ特徴量の例を示しており、前述の第１または第２の実施の形態におけるコンテンツ特徴量抽出装置１００，２００により抽出された２つのコンテンツ、コンテンツＡとコンテンツＢの特徴量（Ｆａ，Ｆｂ）の例である。

入力部３０１には、このコンテンツＡとコンテンツＢの特徴量が入力され、メモリ３０２に格納される。比較部３０３では、同一性判断を行う。数値を先頭から逐次照合していくと、Fa、Fbは▲マークを添付した３箇所で数値が異なっている。ここでコンテンツＡ、コンテンツＢは同一でないと見なす。逆に全ての値が一致する場合に同一と判断することができる。また、ある閾値を設けて、数値が異なる箇所が閾値以下ならば同一と判断してもよい。

上記の同一性判定方法では、２つの特徴量の要素を逐次比べて、数値が異なる数をカウントして不一致度とし、不一致度が閾値以下の場合を一致コンテンツと見做しているが、この方法では、例えば、元の同一の画像コンテンツ（Ｉ）でありながら、片方にフォーマット変換等による全体に微小な劣化がある画像（Ｉ’）と比較すると、不一致と検出される可能性がある。これは、わずかな画素値の変換によりＩ’の符号が、図７に記載の図の中の隣の左右何れかの符号、例えば、３→２，０→１、２→１等に変化した場合を、全て不一致度としてカウントしてしまうからである。

上記の同一性判断方法において、逐次先頭から数値を比較していく中で、例えば、Ｆａ，Ｆｂの少なくとも一方が、“０”か“１”である場合に、数値の不一致をカウントしないという方法もある。この方法では、図２０では星印が付与された部分のみが不一致と判定される。

符号が大きく変化した場合のみをカウントして不一致度を算出する方法では、この問題点は改善されるものの、全体として色成分が平坦な画像の場合においては、多くの符号が０と１に偏るため、全く異なる画像との一致度比較においても、不一致度のカウントが低くなるため、誤って同一と判定される場合が生じる。

これらの問題を解決するために次のような同一性判断方法もある。

上記の同一性判断方法において、単純に特徴量の不一致度をカウントするのではなく、符号の近い（差分の小さい）物を一致度係数、符号の遠い（差分の大きい）物を不一致度係数としてそれらの比率を求めて一致判定を行う方法である。例えば、差分が０の個数をｄ_０、差分が１の個数をｄ_１、差分が２の個数をｄ_２、差分が３の個数をｄ_３とし、差の大きいものの個数に占める差分が無いものの個数の割合をスコアとして計算し、スコアが一定の閾値以上の場合を一致と判定する方法である。

図２１は、本発明の第３の実施の形態における同一画像判定の例を示す図である。

同図の例では、ｄ_０からｄ_３まで全てを用いるスコアの計算式を記載しているが、例えば、重み付けパラメータｂ_１を０にし、スコアをｄ_０／ａ_０＊ｄ_２＋ａ_１＊ｄ_３と計算する方法もある。また、差分の大きな符号の一致を重視する観点から、ｄ_０のカウント時に符号１と１同士、符号２と２同士の場合を除く方法もある。

この方法により、不一致度が低いばかりでなく、一致度の高さも勘案した正確な一致コンテンツの比較が可能になる。また、低演算量であるため、携帯電話等の低リソース環境での同一性判断が実現可能となる。

なお、上記の第１〜第３の実施の形態における図３、図５に示すコンテンツ特徴量抽出装置及び図１９に示すコンテンツ同一性判定装置の各構成要素の動作をプログラムとして構築し、コンテンツ特徴量抽出装置及びコンテンツ同一性判定装置として利用されるコンピュータにインストールして実行させる、または、ネットワーク介して流通させることも可能である。

なお、本発明は、上記の実施の形態に限定されることなく、特許請求の範囲内において種々変更・応用が可能である。

本発明は、ディジタルコンテンツの特徴を抽出する、コンテンツの同一性を判定する技術に適用可能である。

本発明の原理を説明するための図である。 本発明の原理構成図である。 本発明の第１の実施の形態におけるコンテンツ特徴量抽出装置の構成図である。 本発明の第１の実施の形態における動作のフローチャートである。 本発明の第２の実施の形態におけるコンテンツ特徴量抽出装置の構成図である。 本発明の第２の実施の形態における動作のフローチャートである。 本発明の第１・第２の実施の形態における量子化テーブルの例である。 本発明の第１・第２の実施の形態における関数による変換の例である。 本発明の第１・第２の実施の形態における領域内特徴値算出部が領域内のバイナリデータの平均値を領域内特徴値とする方法を説明するための図である。 本発明の第１・第２の実施の形態における領域選択の例（その１）である。 本発明の第１・第２の実施の形態における領域選択の例（その２）である。 本発明の第１・第２の実施の形態における領域選択の例（その３）である。 本発明の第１・第２の実施の形態における領域選択の例（その４）である。 本発明の第１・第２の実施の形態における領域選択の例（その５）である。 本発明の第１・第２の実施の形態における領域選択の例（その６）である。 本発明の第１・第２の実施の形態における領域選択の例（その７）である。 本発明の第１・第２の実施の形態における領域選択の例（その８）である。 本発明の第１・第２の実施の形態における領域選択の例（その９）である。 本発明の第３の実施の形態におけるコンテンツ同一性判定装置の構成図である。 本発明の第３の実施の形態におけるコンテンツ特徴量の例である。 本発明の第３の実施の形態における同一画像判定の例である。

符号の説明

１００，２００ コンテンツ特徴量抽出装置
１０１ 領域選択手段、領域選択部
１０２ 領域内特徴値算出手段、領域内特徴値算出部
１０３ 領域内特徴値比較手段、領域内特徴値比較部
１０４ 符号化手段、符号化部
１１０ コンテンツデータ
１１５ コンテンツ特徴量
２０５ 結合部
２０６ スケジューラ
２１１ コンテンツ特徴量
３００ コンテンツ同一性判定装置
３０１ 入力部
３０２ メモリ
３０３ 比較部

Claims (15)

1. ディジタルコンテンツを構成するデータの分布特徴に基づき、コンテンツ固有の特徴量を抽出するコンテンツ特徴量抽出装置におけるコンテンツ特徴量抽出方法であって、
   領域選択手段が、入力されたコンテンツデータの複数の特定領域を一組の領域群として選択する領域選択ステップと、
   領域内特徴値算出手段が、前記領域選択ステップで選択された各々の領域におけるデータ分布特徴を数値化する領域内特徴値算出ステップと、
   領域内特徴値比較手段が、前記領域毎の特徴値を一組の領域群内で比較する領域内特徴値比較ステップと、
   符号化手段が、前記領域内特徴値比較ステップの比較結果に特定の符号を割り当て、該符号をコンテンツの特徴量として出力する符号化ステップと、
   を行うことを特徴とするコンテンツ特徴量抽出方法。
2. 別の領域群からなる一組を一度以上再選択させるスケジューラを用いて、新しい一組の領域群を前記領域選択手段に選択させ、前記符号化ステップにおいて割り当てた符号を結合手段により結合して結合データを生成する処理を、複数回繰り返すステップを更に行い、
   前記結合データをコンテンツ特徴量として出力する、請求項１記載のコンテンツ特徴量抽出方法。
3. 前記請求項１乃至２に記載のコンテンツ特徴量抽出方法により出力されたコンテンツ特徴量を用いて、２つのコンテンツの同一性を判定するコンテンツ同一性判定装置におけるコンテンツ同一性判定方法であって、
   入力手段が、前記出力された２つのコンテンツの特徴量を構成する符号を入力し、該２つのコンテンツの特徴量から、コンテンツ特徴量抽出装置の領域選択手段が各々のコンテンツにおいて、同一の領域選択を行った領域群内の比較結果から得られた符号を抜粋するステップと、
   比較手段が、抜粋された前記符号同士を逐次比較し、値が一致する割合から同一性を判定するステップと、
   を行うことを特徴とするコンテンツ同一性判定方法。
4. 前記比較手段が、比較対象のコンテンツから各々抽出された２つの符号のうち、片方の符号が特定の符号である場合に、比較対象から除外する、請求項３記載のコンテンツ同一性判定方法。
5. ディジタルコンテンツを構成するデータの分布特徴に基づき、コンテンツ固有の特徴量を抽出するコンテンツ特徴量抽出装置であって、
   入力されたコンテンツデータの複数の特定領域を一組の領域群として選択する領域選択手段と、
   各々の領域におけるデータ分布特徴を数値化する領域内特徴値算出手段と、
   前記領域毎の特徴値を一組の領域群内で比較する領域内特徴値比較手段と、
   前記領域内特徴値比較手段による特徴値比較結果に特定の符号を割り当て、該符号をコンテンツの特徴量として出力する符号化手段と、
   を有することを特徴とするコンテンツ特徴量抽出装置。
6. 前記領域選択手段に対して、別の領域群からなる一組を一度以上再選択させるスケジューラと、
   前記符号化手段において割り当てられた前記符号を結合した結合データをコンテンツ特徴量として出力する結合手段と、
   前記スケジューラと前記結合手段の処理を複数回繰り返した後、前記結合データをコンテンツ特徴量として出力する手段を、さらに有する請求項５記載のコンテンツ特徴量抽出装置。
7. 前記領域内特徴値比較手段は、特徴値の差分を比較結果とし、
   前記符号化手段は、前記差分を一定のビット長で収まる値に量子化した数値を符号とする、請求項５記載のコンテンツ特徴量抽出装置。
8. 前記領域内特徴値算出手段は、
   領域内のバイナリデータの平均値を算出する手段を含む請求項５記載のコンテンツ特徴量抽出装置。
9. 前記領域選択手段は、
   前記コンテンツが画像データである場合、画像の空間的な特定位置の画素値集合を選択する手段を含む請求項６記載のコンテンツ特徴量抽出装置。
10. 前記領域選択手段は、
    前記コンテンツが画像データである場合、画像の空間的な特定位置の画素集合の、分布関数による変換後の周波数成分値を選択する手段を含む請求項６記載のコンテンツ特徴量抽出装置。
11. 前記領域選択手段は、
    前記コンテンツが画像データであり、空間的な特定位置の画素値集合を選択する際に、
    ある特定の画素値集合領域と、該画素値集合から空間位置的に一定距離範囲内に存在する画素値集合領域を選択する手段を含み、
    前記領域内特徴値算出手段は、
    領域の画素値の平均値を領域内特徴値として算出する手段を含む、請求項９記載のコンテンツ特徴量抽出装置。
12. 前記領域選択手段は、
    前記コンテンツが画像データであり、画像の空間的な特定位置の画素集合の、分布関数による変換後の周波数成分値を選択する際に、
    ある特定の周波数成分領域と、その画素値集合から周波数的に一定距離離れた領域内に存在する周波数成分値を選択する手段を含み、
    前記領域内特徴値算出手段は、
    領域の周波数成分値の平均値を領域内特徴値として算出する手段を含む、請求項１０記載のコンテンツ特徴量抽出装置。
13. 前記領域選択手段は、
    前記コンテンツが動画像データであり、時系列で変化する任意のフレーム画像を選択の対象に加える手段を含む請求項８乃至１２記載のコンテンツ特徴量抽出装置。
14. 前記請求項５乃至１３記載のコンテンツ特徴量抽出装置により得られるコンテンツ特徴量を用いて、２つのコンテンツの同一性を判定するコンテンツ同一性判定装置であって、
    前記コンテンツ特徴量抽出装置から入力された２つのコンテンツの特徴量を構成する符号から、該コンテンツ特徴量抽出装置の領域選択手段が各々のコンテンツにおいて、同一の領域選択を行った領域群内の比較結果から得られた符号を抜粋する入力手段と、
    前記抜粋した符号同士を逐次比較し、値が一致する割合から同一性を判定する比較手段と、を有することを特徴とするコンテンツ同一性判定装置。
15. 前記比較手段は、
    比較対象のコンテンツから各々抽出された２つの符号のうち、片方の符号が特定の符号である場合に、比較対象から除外する手段を含む、請求項１４記載のコンテンツ同一性判定装置。

Images