JP2953706B2 - パターン認識装置 - Google Patents
パターン認識装置Info
- Publication number
- JP2953706B2 JP2953706B2 JP1095659A JP9565989A JP2953706B2 JP 2953706 B2 JP2953706 B2 JP 2953706B2 JP 1095659 A JP1095659 A JP 1095659A JP 9565989 A JP9565989 A JP 9565989A JP 2953706 B2 JP2953706 B2 JP 2953706B2
- Authority
- JP
- Japan
- Prior art keywords
- similarity
- reject
- pattern
- axis
- recognition
- 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.)
- Expired - Lifetime
Links
Landscapes
- Image Analysis (AREA)
Description
【発明の詳細な説明】 ［発明の目的］ （産業上の利用分野） 本発明は入力音声や図形等の未知入力パターンを高性
能に認識することのできるパターン認識装置に関する。
能に認識することのできるパターン認識装置に関する。
（従来の技術） パターン認識技術の目覚ましい発展に伴い、種々のパ
ターン認識装置が開発されている。中でも未知カテゴリ
の入力を特徴分析して求められる入力パターンＸと、認
識対象カテゴリｌ（ｌ＝1,2,〜Ｌ）に属する標準パター
ンの集合をそれぞれＭ個の直交ベクトルに展開した標準
パターンセット▲φ() m▼（ｍ＝1,2,〜M;直交展開
軸）との間で、その類似度S( ）を としてそれぞれ計算する。そしてその中で最大類似度S
(K)（＝max｛S( ）｝）が得られるカテゴリＫを前記入
力パターンＸに対する認識結果として求めるパターン認
識方法が注目されている。
ターン認識装置が開発されている。中でも未知カテゴリ
の入力を特徴分析して求められる入力パターンＸと、認
識対象カテゴリｌ（ｌ＝1,2,〜Ｌ）に属する標準パター
ンの集合をそれぞれＭ個の直交ベクトルに展開した標準
パターンセット▲φ() m▼（ｍ＝1,2,〜M;直交展開
軸）との間で、その類似度S( ）を としてそれぞれ計算する。そしてその中で最大類似度S
(K)（＝max｛S( ）｝）が得られるカテゴリＫを前記入
力パターンＸに対する認識結果として求めるパターン認
識方法が注目されている。
尚、上式において（・）は内積を示し、wmは（０≦wm
≦１）なる重み係数を示している。
≦１）なる重み係数を示している。
しかして上述した如く求められる類似度S( ）は、入
力パターンＸに対する標準パターンセット▲φ() m▼
の各部分空間への射影成分の累計と看做すことができ
る。そして各カテゴリの標準パターンセット▲φ() m
▼に対する類似度S( ）が最大となる標準パターンセッ
ト▲φ(K) m▼のカテゴリを求めると云うことは、前記入
力パターンＸが認識対象カテゴリｌ中のどのカテゴリに
属するかと云う類別規則であると云える。従ってこのよ
うなパターン認識方式は、パターン変動を効果的に吸収
して入力パターンを類別し得るものと云える。
力パターンＸに対する標準パターンセット▲φ() m▼
の各部分空間への射影成分の累計と看做すことができ
る。そして各カテゴリの標準パターンセット▲φ() m
▼に対する類似度S( ）が最大となる標準パターンセッ
ト▲φ(K) m▼のカテゴリを求めると云うことは、前記入
力パターンＸが認識対象カテゴリｌ中のどのカテゴリに
属するかと云う類別規則であると云える。従ってこのよ
うなパターン認識方式は、パターン変動を効果的に吸収
して入力パターンを類別し得るものと云える。
ところがこのようなパターン認識においては、同時に
認識対象外のパターンを如何にして効率的にリジェクト
するかと云う要求がある。このリジェクトについては、
各カテゴリＫの標準パターンセット▲φ(K) m▼に対して
求められた類似度S(K)に対してリジェクトレベルR(K)の
概念を導入し、 S(K) ＞ R(K) …リジェクトしない S(K) ＜ R(K) …リジェクトする なるリジェクト判定を行うことが試みられている。
認識対象外のパターンを如何にして効率的にリジェクト
するかと云う要求がある。このリジェクトについては、
各カテゴリＫの標準パターンセット▲φ(K) m▼に対して
求められた類似度S(K)に対してリジェクトレベルR(K)の
概念を導入し、 S(K) ＞ R(K) …リジェクトしない S(K) ＜ R(K) …リジェクトする なるリジェクト判定を行うことが試みられている。
然し乍ら、一般的にはこのようなリジェクト判定が有
効に機能しないことが非常に多い。即ち、上記リジェク
トレベルR(K)は、入力パターンＸに対する標準パターン
セット▲φ() m▼の各部分空間への射影成分の累計
（類似度S( ））に対して設定されるものであり、この
類似度S( ））は上述したように入力パターンの変動を
吸収して求められたものとなっている。これ故、類似度
S( ））として求められる情報は、パターン変動の吸収
に伴って入力パターンＸの特徴自体も抑え込まれたもの
となっている。従ってパターン変動や認識対象外の入力
パターンに対する類似度S( ））の変動、更には類似カ
テゴリ間での類似度S( ））の接近等を考慮した上で、
そのリジェクトレベルR( ））を適正に設定することが
甚だ困難である。
効に機能しないことが非常に多い。即ち、上記リジェク
トレベルR(K)は、入力パターンＸに対する標準パターン
セット▲φ() m▼の各部分空間への射影成分の累計
（類似度S( ））に対して設定されるものであり、この
類似度S( ））は上述したように入力パターンの変動を
吸収して求められたものとなっている。これ故、類似度
S( ））として求められる情報は、パターン変動の吸収
に伴って入力パターンＸの特徴自体も抑え込まれたもの
となっている。従ってパターン変動や認識対象外の入力
パターンに対する類似度S( ））の変動、更には類似カ
テゴリ間での類似度S( ））の接近等を考慮した上で、
そのリジェクトレベルR( ））を適正に設定することが
甚だ困難である。
この為、認識対象外の入力パターンに対するリジェク
ト効果を高めてパターン認識しようとするパターン変動
の吸収効果が薄れ、逆にパターン変動の吸収効果を高め
てパターン認識しようとするとリジェクト効果が薄れて
しまうと云う相反する問題が生じた。
ト効果を高めてパターン認識しようとするパターン変動
の吸収効果が薄れ、逆にパターン変動の吸収効果を高め
てパターン認識しようとするとリジェクト効果が薄れて
しまうと云う相反する問題が生じた。
（発明が解決しようとする課題） このように従来のパターン認識方式にあっては、パタ
ーン変動等を吸収して認識性能を高め、しかも認識対象
外の入力パターンに対するリジェクト効果を高める上で
相反する問題があり、認識対象とする入力パターンだけ
を高性能に認識する上で大きな課題が残されている。
ーン変動等を吸収して認識性能を高め、しかも認識対象
外の入力パターンに対するリジェクト効果を高める上で
相反する問題があり、認識対象とする入力パターンだけ
を高性能に認識する上で大きな課題が残されている。
本発明はこのような事情を考慮してなされたもので、
その目的とするところは、認識対象外の入力パターンを
効果的にリジェクトしながら認識対象パターンを高性能
に認識することのできるパターン認識装置を提供するこ
とにある。
その目的とするところは、認識対象外の入力パターンを
効果的にリジェクトしながら認識対象パターンを高性能
に認識することのできるパターン認識装置を提供するこ
とにある。
［発明の構成］ （課題を解決するための手段） 本発明に係るパターン認識装置は、未知カテゴリを特
徴分析して入力パターンＸを求める特徴分析部と、認識
対象カテゴリｌ（ｌ＝1,2,〜Ｌ）に属する標本パターン
の集合をＭ個の直交ベクトルに展開した標準パターンセ
ット▲φ() m▼（ｍ＝1,2,〜M;直交展開軸）を記憶し
た標準パターンセット部とを備え、 類似度演算部にて前記入力パターンＸの上記標準パタ
ーンセット▲φ() m▼に対する最大類似度▲Ｓ(K) m▼
をｍ軸毎に求め、この最大類似度▲Ｓ(K) m▼とｍ軸毎に
予め定められてリジェクトテーブル部に格納されている
リジェクト値▲Ｒ(K) m▼とをｍ軸毎に比較し、このリジ
ェクト判定によりリジェクトが生じた場合には前記類似
度演算部における（ｍ＋１）軸の類似度演算を中止にす
るようにしたことを特徴とするものである。
徴分析して入力パターンＸを求める特徴分析部と、認識
対象カテゴリｌ（ｌ＝1,2,〜Ｌ）に属する標本パターン
の集合をＭ個の直交ベクトルに展開した標準パターンセ
ット▲φ() m▼（ｍ＝1,2,〜M;直交展開軸）を記憶し
た標準パターンセット部とを備え、 類似度演算部にて前記入力パターンＸの上記標準パタ
ーンセット▲φ() m▼に対する最大類似度▲Ｓ(K) m▼
をｍ軸毎に求め、この最大類似度▲Ｓ(K) m▼とｍ軸毎に
予め定められてリジェクトテーブル部に格納されている
リジェクト値▲Ｒ(K) m▼とをｍ軸毎に比較し、このリジ
ェクト判定によりリジェクトが生じた場合には前記類似
度演算部における（ｍ＋１）軸の類似度演算を中止にす
るようにしたことを特徴とするものである。
（作 用） 本発明によれば、ｍ軸毎に求められる入力パターンＸ
の標準パターンセット▲φ() m▼に対する最大類似度
▲Ｓ(K) m▼を、その都度、ｍ軸毎に予め定められたリジ
ェクト値▲Ｒ(K) m▼と比較してその入力パターンＸをリ
ジェクトするか否かを判定し、リジェクトが生じなった
場合にのみ次の（ｍ＋１）時での最大類似度を求めてい
くので、標準パターンセット▲φ() m▼に対する個々
の部分空間への射影成分の特徴を有効に利用して認識対
象外のパターンをリジェクトしながら、そのパターン認
識処理を進めていくことが可能となる。
の標準パターンセット▲φ() m▼に対する最大類似度
▲Ｓ(K) m▼を、その都度、ｍ軸毎に予め定められたリジ
ェクト値▲Ｒ(K) m▼と比較してその入力パターンＸをリ
ジェクトするか否かを判定し、リジェクトが生じなった
場合にのみ次の（ｍ＋１）時での最大類似度を求めてい
くので、標準パターンセット▲φ() m▼に対する個々
の部分空間への射影成分の特徴を有効に利用して認識対
象外のパターンをリジェクトしながら、そのパターン認
識処理を進めていくことが可能となる。
（実施例） 以下、図面を参照して本発明の一実施例に係るパター
ン認識装置について説明する。このパターン認識装置
は、例えば入力音声を認識する音声認識装置や、イメー
ジ入力される文字・図形、或いは筆記ストローク情報と
してオンライン入力される文字・図形を認識する文字・
図形パターン認識装置等として実現される。
ン認識装置について説明する。このパターン認識装置
は、例えば入力音声を認識する音声認識装置や、イメー
ジ入力される文字・図形、或いは筆記ストローク情報と
してオンライン入力される文字・図形を認識する文字・
図形パターン認識装置等として実現される。
第１図は実施例装置の概略構成図で、１は未知カテゴ
リの入力を特徴分析してその入力パターンＸを求める特
徴分析部である。類似度演算部２は特徴分析部１で求め
られる入力パターンＸと、標準パターンセット部３に登
録されている認識対象カテゴリｌ（ｌ＝1,2,〜Ｌ）につ
いての各標準パターンセット▲φ() m▼（ｍ＝1,2,〜
M;直交展開軸）との間で個々にその類似度を計算し、そ
の中で最大値を示す最大類似度とその最大類似度を得る
認識対象カテゴリとを、後述するようにｍ軸毎に順次求
める。
リの入力を特徴分析してその入力パターンＸを求める特
徴分析部である。類似度演算部２は特徴分析部１で求め
られる入力パターンＸと、標準パターンセット部３に登
録されている認識対象カテゴリｌ（ｌ＝1,2,〜Ｌ）につ
いての各標準パターンセット▲φ() m▼（ｍ＝1,2,〜
M;直交展開軸）との間で個々にその類似度を計算し、そ
の中で最大値を示す最大類似度とその最大類似度を得る
認識対象カテゴリとを、後述するようにｍ軸毎に順次求
める。
即ち、上記標準パターンセット部３に登録されている
複数の認識対象カテゴリｌについての各標準パターンセ
ット▲φ() m▼は、予め認識対象カテゴリｌに属する
複数の入力パターン（標本パターン）の集合を、例えば
KL展開して求めたＭ個の正規化直交ペクトルのセットか
らなる。類似度演算部２はこのような複数の認識対象カ
テゴリｌについての各標準パターンセット▲φ() m▼
と前記入力パターンＸとの間の類似度▲Ｓ() m▼を、
ｍ軸（ｍ＝1,2,〜Ｍ）毎にそれぞれ としてそれぞれ演算する。このようにして求められるｍ
軸での各認識対象カテゴリｌの標準パターンセット▲φ
() m▼に対する類似度▲Ｓ() m▼は、前記入力パター
ンＸの各標準パターンセット▲φ() m▼に対するｍ軸
までの部分空間への射影成分の累計となる。類似度演算
部２は、このようにしてｍ軸毎に求められる複数の認識
対象カテゴリｌの各標準パターンセット▲φ() m▼と
前記入力パターンＸとの間のｍ軸までの類似度▲Ｓ()
m▼を相互に比較し、その中で最大値を示す最大類似度 と、その最大類似度▲Ｓ(K) m▼を得る認識対象カテゴリ
Ｋとを求める。
複数の認識対象カテゴリｌについての各標準パターンセ
ット▲φ() m▼は、予め認識対象カテゴリｌに属する
複数の入力パターン（標本パターン）の集合を、例えば
KL展開して求めたＭ個の正規化直交ペクトルのセットか
らなる。類似度演算部２はこのような複数の認識対象カ
テゴリｌについての各標準パターンセット▲φ() m▼
と前記入力パターンＸとの間の類似度▲Ｓ() m▼を、
ｍ軸（ｍ＝1,2,〜Ｍ）毎にそれぞれ としてそれぞれ演算する。このようにして求められるｍ
軸での各認識対象カテゴリｌの標準パターンセット▲φ
() m▼に対する類似度▲Ｓ() m▼は、前記入力パター
ンＸの各標準パターンセット▲φ() m▼に対するｍ軸
までの部分空間への射影成分の累計となる。類似度演算
部２は、このようにしてｍ軸毎に求められる複数の認識
対象カテゴリｌの各標準パターンセット▲φ() m▼と
前記入力パターンＸとの間のｍ軸までの類似度▲Ｓ()
m▼を相互に比較し、その中で最大値を示す最大類似度 と、その最大類似度▲Ｓ(K) m▼を得る認識対象カテゴリ
Ｋとを求める。
しかしてリジェクト判定部４は上述した如く類似度演
算部２で求められたｍ軸での最大類似度▲Ｓ(K) m▼とそ
の最大類似度▲Ｓ(K) m▼を得る認識対象カテゴリＫとに
従い、リジェクトテーブル部５から上記認識対象カテゴ
リＫに対して予め設定されているｍ軸でのリジェクト値
▲Ｒ(K) m▼を求め、前記最大類似度▲Ｓ(K) m▼と比較す
る。即ち、リジェクトテーブル部５には、前記複数の認
識対象カテゴリｌのそれぞれに対してｍ軸におけるリジ
ェクト値▲Ｒ(K) m▼が予め設定登録されている。リジェ
クト判定部４は類似度演算部２で求められた最大類似度
▲Ｓ(K) m▼を得る認識対象カテゴリＫに従い、当該認識
対象カテゴリＫについての当該ｍ軸に対して予め設定登
録されているリジェクト値▲Ｒ(K) m▼を読み出し、この
リジェクト値▲Ｒ(K) m▼と前記類似度演算部２で求めら
れた最大類似度▲Ｓ(K) m▼とを比較する。そして、例え
ば Hi＝Si−Ri なるリジェクト判別関数Hiを求め、 Hi ＞０ …リジェクトしない Hi ≦０ …リジェクトする として前記入力パターンＸをリジェクトするか否かを判
定する。
算部２で求められたｍ軸での最大類似度▲Ｓ(K) m▼とそ
の最大類似度▲Ｓ(K) m▼を得る認識対象カテゴリＫとに
従い、リジェクトテーブル部５から上記認識対象カテゴ
リＫに対して予め設定されているｍ軸でのリジェクト値
▲Ｒ(K) m▼を求め、前記最大類似度▲Ｓ(K) m▼と比較す
る。即ち、リジェクトテーブル部５には、前記複数の認
識対象カテゴリｌのそれぞれに対してｍ軸におけるリジ
ェクト値▲Ｒ(K) m▼が予め設定登録されている。リジェ
クト判定部４は類似度演算部２で求められた最大類似度
▲Ｓ(K) m▼を得る認識対象カテゴリＫに従い、当該認識
対象カテゴリＫについての当該ｍ軸に対して予め設定登
録されているリジェクト値▲Ｒ(K) m▼を読み出し、この
リジェクト値▲Ｒ(K) m▼と前記類似度演算部２で求めら
れた最大類似度▲Ｓ(K) m▼とを比較する。そして、例え
ば Hi＝Si−Ri なるリジェクト判別関数Hiを求め、 Hi ＞０ …リジェクトしない Hi ≦０ …リジェクトする として前記入力パターンＸをリジェクトするか否かを判
定する。
識別判定部６はこのようなリジェクト判定結果に従っ
て前述した類似度演算部２におけるｍ軸毎の類似度演算
を制御するもので、ｍ軸での上述したリジェクト判定に
おいてリジェクトが発生した時にはそのリジェクト結果
を出力し、前記類似度演算部２による次の（ｍ＋１）軸
についての類似度演算を中止する。またこのｍ軸でのリ
ジェクト判定でリジェクトが生じなかった場合には前記
類似度演算部２を付勢し、次の（ｍ＋１）軸についての
前述した類似度演算、および最大類似度▲Ｓ(K) m▼とそ
の最大類似度▲Ｓ(K) m▼を得る認識対象カテゴリの抽出
処理を実行させる。
て前述した類似度演算部２におけるｍ軸毎の類似度演算
を制御するもので、ｍ軸での上述したリジェクト判定に
おいてリジェクトが発生した時にはそのリジェクト結果
を出力し、前記類似度演算部２による次の（ｍ＋１）軸
についての類似度演算を中止する。またこのｍ軸でのリ
ジェクト判定でリジェクトが生じなかった場合には前記
類似度演算部２を付勢し、次の（ｍ＋１）軸についての
前述した類似度演算、および最大類似度▲Ｓ(K) m▼とそ
の最大類似度▲Ｓ(K) m▼を得る認識対象カテゴリの抽出
処理を実行させる。
この結果、前記類似度演算部２は識別判定部６からの
制御に基づいてｍ軸毎の類似度演算を順次繰り返し実行
する。そして識別判定部６はリジェクトの発生を生じる
ことなくＭ軸までの類似度演算が繰り返し実行され、こ
のＭ軸での類似度演算結果として求められた最大類似度
▲Ｓ(K) M▼がリジェクトされなかったとき、この最大類
似度▲Ｓ(K) M▼を得る認識対象カテゴリKMを前記入力パ
ターンＸの認識結果として出力する。
制御に基づいてｍ軸毎の類似度演算を順次繰り返し実行
する。そして識別判定部６はリジェクトの発生を生じる
ことなくＭ軸までの類似度演算が繰り返し実行され、こ
のＭ軸での類似度演算結果として求められた最大類似度
▲Ｓ(K) M▼がリジェクトされなかったとき、この最大類
似度▲Ｓ(K) M▼を得る認識対象カテゴリKMを前記入力パ
ターンＸの認識結果として出力する。
第２図は上述した如く構成された実施例装置における
パターン認識処理手続きの流れを示すものである。この
処理手続きの流れに沿って上述したパターン認識処理に
ついて今少し詳しく説明すると、先ず準備処理として前
記類似度演算部２においてｍ軸毎に求められる最大類似
度▲Ｓ() i▼と、その最大類似度▲Ｓ() i▼を得たカ
テゴリKiを格納する為のメモリ領域をそれぞれ［０］に
初期設定し（ステップａ）、次に前記類似度演算部２に
おけるｍ軸毎の類似度演算を制御する為のパラメータｉ
を［１］に初期設定する（ステップｂ）。
パターン認識処理手続きの流れを示すものである。この
処理手続きの流れに沿って上述したパターン認識処理に
ついて今少し詳しく説明すると、先ず準備処理として前
記類似度演算部２においてｍ軸毎に求められる最大類似
度▲Ｓ() i▼と、その最大類似度▲Ｓ() i▼を得たカ
テゴリKiを格納する為のメモリ領域をそれぞれ［０］に
初期設定し（ステップａ）、次に前記類似度演算部２に
おけるｍ軸毎の類似度演算を制御する為のパラメータｉ
を［１］に初期設定する（ステップｂ）。
このような準備手続きの後、認識対象カテゴリｌに対
する制御パラメータｌを［１］に初期設定し（ステップ
ｃ）、入力パターンＸと上記パラメータｉで示される直
交化軸での前記制御パラメータｌで示される標準パター
ンセット▲φ() m▼との類似度▲Ｓ() i▼を計算する
（ステップｄ）。そしてこの演算処理によって求められ
た類似度▲Ｓ() i▼と、前記メモリ領域に格納れてい
る最大類似度Siとを比較し（ステップｅ）、新たに求め
られた類似度▲Ｓ() i▼の方が大きい場合には、その
類似度▲Ｓ() i▼を用いて前記メモリ領域に格納され
ている最大類似度Siを更新し、同時に前記メモリ領域に
格納されているカテゴリKiを更新する（ステップｆ）。
尚、新たに求められた類似度▲Ｓ() i▼の方が小さい
場合には、メモリ領域の格納情報をそのままにして次の
処理に進む。
する制御パラメータｌを［１］に初期設定し（ステップ
ｃ）、入力パターンＸと上記パラメータｉで示される直
交化軸での前記制御パラメータｌで示される標準パター
ンセット▲φ() m▼との類似度▲Ｓ() i▼を計算する
（ステップｄ）。そしてこの演算処理によって求められ
た類似度▲Ｓ() i▼と、前記メモリ領域に格納れてい
る最大類似度Siとを比較し（ステップｅ）、新たに求め
られた類似度▲Ｓ() i▼の方が大きい場合には、その
類似度▲Ｓ() i▼を用いて前記メモリ領域に格納され
ている最大類似度Siを更新し、同時に前記メモリ領域に
格納されているカテゴリKiを更新する（ステップｆ）。
尚、新たに求められた類似度▲Ｓ() i▼の方が小さい
場合には、メモリ領域の格納情報をそのままにして次の
処理に進む。
この処理を前記制御パラメータｌをインクリメントし
ながら（ステップｇ）、全ての認識対象カテゴリについ
ての類似度演算処理と、その類似度に対する評価が行わ
れるまで、繰り返し実行する（ステップｈ）。この繰り
返し処理により、前記メモリ領域にパラメータｉで示さ
れる直交化軸での入力パターンＸと標準パターンセット
▲φ() m▼との間での最大類似度Siと、その最大類似
度Siを得た認識対象カテゴリの情報がそれぞれ格納され
ることになる。
ながら（ステップｇ）、全ての認識対象カテゴリについ
ての類似度演算処理と、その類似度に対する評価が行わ
れるまで、繰り返し実行する（ステップｈ）。この繰り
返し処理により、前記メモリ領域にパラメータｉで示さ
れる直交化軸での入力パターンＸと標準パターンセット
▲φ() m▼との間での最大類似度Siと、その最大類似
度Siを得た認識対象カテゴリの情報がそれぞれ格納され
ることになる。
しかる後、リジェクトテーブル部５から、上記パラメ
ータｉで示される軸での前記メモリ領域に格納された認
識対象カテゴリKiに対応するリジェクトレベル▲Ｒ(Ki)
i▼を求め、前記メモリ領域に格納されている最大類似
度Siとの差をリジェクト判別関数Hiとして求める（ステ
ップｉ）。そしてこのリジェクト判別関数Hiが［０］よ
り大きいか否かを判定し、リジェクト対象とならないこ
とを確認する（ステップｊ）。この判定処理にて入力パ
ターンＸがリジェクト対象となることが確認された場合
には、当該入力パターンＸが認識不能（認識リジェク
ト）である旨をメッセージ出力して、そのパターン認識
処理を終了する（ステップｎ）。
ータｉで示される軸での前記メモリ領域に格納された認
識対象カテゴリKiに対応するリジェクトレベル▲Ｒ(Ki)
i▼を求め、前記メモリ領域に格納されている最大類似
度Siとの差をリジェクト判別関数Hiとして求める（ステ
ップｉ）。そしてこのリジェクト判別関数Hiが［０］よ
り大きいか否かを判定し、リジェクト対象とならないこ
とを確認する（ステップｊ）。この判定処理にて入力パ
ターンＸがリジェクト対象となることが確認された場合
には、当該入力パターンＸが認識不能（認識リジェク
ト）である旨をメッセージ出力して、そのパターン認識
処理を終了する（ステップｎ）。
これに対してリジェクト判別関数Hiが［０］より大き
いことが確認された場合には、前記ｍ軸毎の類似度演算
を制御する為のパラメータｉをインクリメントし（ステ
ップｋ）、その値が最大軸数Ｍに達していないことを確
認して前述したステップｃからの処理手続きを再度実行
させる（ステップｌ）。
いことが確認された場合には、前記ｍ軸毎の類似度演算
を制御する為のパラメータｉをインクリメントし（ステ
ップｋ）、その値が最大軸数Ｍに達していないことを確
認して前述したステップｃからの処理手続きを再度実行
させる（ステップｌ）。
この処理制御により、次の軸での類似度演算と、その
最大類似度に対するリジェクト判定処理が、前記制御パ
ラメータｌをインクリメントしながら全ての認識対象カ
テゴリの標準パターンセット▲φ() m▼に対して同様
にして組り返し実行される。そして認識リジェクトが生
じない限り、前記パラメータｉのインクリメントによっ
てその軸数を増やしながら各軸での類似度演算と、その
最大類似度に対するリジェクト判定処理が順次繰り返し
実行される。そしてＭ軸までの類似度演算と、その最大
類似度に対するリジェクト判定処理が行われたにも拘ら
ずリジェクトが発生しなかった場合には、その時に前記
メモリ領域に求められる最大類似度SMを得た認識対象カ
テゴリKMを前記入力パターンＸに対する認識結果として
出力する。（ステップｍ）。
最大類似度に対するリジェクト判定処理が、前記制御パ
ラメータｌをインクリメントしながら全ての認識対象カ
テゴリの標準パターンセット▲φ() m▼に対して同様
にして組り返し実行される。そして認識リジェクトが生
じない限り、前記パラメータｉのインクリメントによっ
てその軸数を増やしながら各軸での類似度演算と、その
最大類似度に対するリジェクト判定処理が順次繰り返し
実行される。そしてＭ軸までの類似度演算と、その最大
類似度に対するリジェクト判定処理が行われたにも拘ら
ずリジェクトが発生しなかった場合には、その時に前記
メモリ領域に求められる最大類似度SMを得た認識対象カ
テゴリKMを前記入力パターンＸに対する認識結果として
出力する。（ステップｍ）。
かくして前述した第１図に示すように構成され、第２
図に示すように処理動作する本装置によれば、入力パタ
ーンＸに対する標準パターンセット▲φ() m▼のｉ軸
までの部分空間への射影成分の累計をそれぞれ判定しな
がら、上記入力パターンＸに対するリジェクトを制御す
るので、標準パターンセット▲φ() m▼の各軸で示さ
れるパターン特徴を有効に活かして認識対象外のパター
ンを効果的にリジェクトしていくことが可能となる。つ
まり各軸毎に予め定められたリジェクトレベル▲Ｒ()
m▼に従い、その軸で最大類似度Siを得るにも拘らず、
標準パターンセット▲φ() m▼の特徴を反映していな
い入力パターンをリジェクトしていくので、認識対象外
のパターンを効果的にリジェクトしていくことが可能と
なる。この結果、標準パターンセット▲φ() m▼の任
意の部分空間に対する正確なリジェクト処理を行うこと
が可能となる。
図に示すように処理動作する本装置によれば、入力パタ
ーンＸに対する標準パターンセット▲φ() m▼のｉ軸
までの部分空間への射影成分の累計をそれぞれ判定しな
がら、上記入力パターンＸに対するリジェクトを制御す
るので、標準パターンセット▲φ() m▼の各軸で示さ
れるパターン特徴を有効に活かして認識対象外のパター
ンを効果的にリジェクトしていくことが可能となる。つ
まり各軸毎に予め定められたリジェクトレベル▲Ｒ()
m▼に従い、その軸で最大類似度Siを得るにも拘らず、
標準パターンセット▲φ() m▼の特徴を反映していな
い入力パターンをリジェクトしていくので、認識対象外
のパターンを効果的にリジェクトしていくことが可能と
なる。この結果、標準パターンセット▲φ() m▼の任
意の部分空間に対する正確なリジェクト処理を行うこと
が可能となる。
また認識リジェクトが生じなかった場合には、標準パ
ターンセット▲φ() m▼の各部分空間への射影成分の
累計であるＭ軸までの類似度演算結果の最大類似度SMを
得るカテゴリKMが求められることになるので、パターン
変動を効果的に吸収したパターン認識をなされることに
なる。従って認識対象外のパターンを効果的にリジェク
トしつつ、パターン変動を効果的に吸収して性能の高い
パターン認識処理を行うことが可能となる。
ターンセット▲φ() m▼の各部分空間への射影成分の
累計であるＭ軸までの類似度演算結果の最大類似度SMを
得るカテゴリKMが求められることになるので、パターン
変動を効果的に吸収したパターン認識をなされることに
なる。従って認識対象外のパターンを効果的にリジェク
トしつつ、パターン変動を効果的に吸収して性能の高い
パターン認識処理を行うことが可能となる。
尚、本発明は上述した実施例に限定されるものではな
い。この実施例では各軸毎に標準パターンセット▲φ
() m▼との最大類似度を求めてリジェクト判定した
が、例えば予め定められた軸での最大類似度に対してだ
けリジェクト判定を行うようにしても良い。また最大類
似度を得たカテゴリに対するリジェクト判定だけではな
く、その他のカテゴリについて求められた類似度に対し
てもリジェクト判定を行い、そこでリジェクトされたカ
テゴリについては認識対象から除外し、その後の軸に対
する類似度演算を行わないようにしても良い。換言すれ
ば、各軸においてリジェクトされなかったカテゴリにつ
いてのみ、類似度演算処理の対象を絞り込んで行くこと
により、演算処理の無駄を省くようにすることも効果的
である。その他、本発明はその要旨を逸脱しない範囲で
種々変形して実施することができる。
い。この実施例では各軸毎に標準パターンセット▲φ
() m▼との最大類似度を求めてリジェクト判定した
が、例えば予め定められた軸での最大類似度に対してだ
けリジェクト判定を行うようにしても良い。また最大類
似度を得たカテゴリに対するリジェクト判定だけではな
く、その他のカテゴリについて求められた類似度に対し
てもリジェクト判定を行い、そこでリジェクトされたカ
テゴリについては認識対象から除外し、その後の軸に対
する類似度演算を行わないようにしても良い。換言すれ
ば、各軸においてリジェクトされなかったカテゴリにつ
いてのみ、類似度演算処理の対象を絞り込んで行くこと
により、演算処理の無駄を省くようにすることも効果的
である。その他、本発明はその要旨を逸脱しない範囲で
種々変形して実施することができる。
［発明の効果］ 以上説明したように本発明によれば、標準パターンセ
ットに対して各軸毎に類似度を求め、各軸において定め
られたリジェクトレベルを用いてリジェクト判定を行い
ながらパターン認識処理を進めるので、認識対象外のパ
ターンを効果的に排除しながら、パターン変動を効果的
に吸収して認識処理を高性能に進めることができる等の
実用上多大なる効果が奏せられる。
ットに対して各軸毎に類似度を求め、各軸において定め
られたリジェクトレベルを用いてリジェクト判定を行い
ながらパターン認識処理を進めるので、認識対象外のパ
ターンを効果的に排除しながら、パターン変動を効果的
に吸収して認識処理を高性能に進めることができる等の
実用上多大なる効果が奏せられる。
第１図は本発明の一実施例に係るパターン認識装置の要
部概略構成図、第２図は実施例装置における認識処理手
続きの流れを示す図である。 １……特徴分析部、２……類似度演算部、３……標準パ
ターンセット部、４……リジェクト判定部、５……リジ
ェクトテーブル部、６……識別判定部。
部概略構成図、第２図は実施例装置における認識処理手
続きの流れを示す図である。 １……特徴分析部、２……類似度演算部、３……標準パ
ターンセット部、４……リジェクト判定部、５……リジ
ェクトテーブル部、６……識別判定部。
フロントページの続き (56)参考文献 特開 昭62−27878（ＪＰ，Ａ) 特開 昭63−259598（ＪＰ，Ａ) 特開 昭59−202575（ＪＰ，Ａ) 特開 昭62−231391（ＪＰ，Ａ) 特開 昭57−102698（ＪＰ，Ａ) (58)調査した分野(Int.Cl.6，ＤＢ名) G06T 7/00 G10L 3/00
Claims (1)
- 【請求項１】未知カテゴリの入力を特徴分析して入力パ
ターンＸを求める特徴分析部と、 認識対象カテゴリｌ（ｌ＝1,2,〜Ｌ）に属する標本パタ
ーンの集合をＭ個の直交ベクトルに展開した標準パター
ンセット▲φ() m▼（ｍ＝1,2,〜M;直交展開軸）を記
憶した標準パターンセット部と、 前記各認識対象カテゴリｌの前記標準パターンセット▲
φ() m▼と前記入力パターンＸとの間の類似度▲Ｓ
() m▼をｍ軸毎に算出して、ｍ軸毎の最大類似度▲Ｓ
(K) m▼（ｌ＝Ｋ）を求める類似度演算部と、 前記各認識対象カテゴリｌについて予め定められたｍ軸
のリジェクト値▲Ｒ() m▼を格納したリジェクトテー
ブル部と、 前記類似度演算部により前記予め定められたｍ軸での前
記最大類似度▲Ｓ(K) m▼が求められる都度、当該最大類
似度▲Ｓ(K) m▼と、前記リジェクトテーブル部に格納さ
れている、そのｍ軸及び最大類似度▲Ｓ(K) m▼を得た認
識対象カテゴリＫ（ｌ＝Ｋ）に固有のリジェクト値▲Ｒ
(K) m▼とを比較してリジェクト判定を行うリジェクト判
定部と、 前記リジェクト判定部にてリジェクトが生じた場合には
前記入力パターンＸを認識対象外としてリジェクトし、
前記類似度演算部における次の軸以降の全ての前記認識
対象カテゴリｌの前記標準パターンセット▲φ() m▼
を対象とする前記入力パターンＸとの類似度演算を中止
させる手段とを具備したことを特徴とするパターン認識
装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1095659A JP2953706B2 (ja) | 1989-04-15 | 1989-04-15 | パターン認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1095659A JP2953706B2 (ja) | 1989-04-15 | 1989-04-15 | パターン認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH02273880A JPH02273880A (ja) | 1990-11-08 |
| JP2953706B2 true JP2953706B2 (ja) | 1999-09-27 |
Family
ID=14143619
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1095659A Expired - Lifetime JP2953706B2 (ja) | 1989-04-15 | 1989-04-15 | パターン認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2953706B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4623920B2 (ja) * | 2002-07-09 | 2011-02-02 | ソニー株式会社 | 類似度算出方法及び装置、並びにプログラム及び記録媒体 |
-
1989
- 1989-04-15 JP JP1095659A patent/JP2953706B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH02273880A (ja) | 1990-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6397986B2 (ja) | 画像オブジェクト領域の認識方法及び装置 | |
| US7020337B2 (en) | System and method for detecting objects in images | |
| JP2607457B2 (ja) | パターン認識装置 | |
| US11062120B2 (en) | High speed reference point independent database filtering for fingerprint identification | |
| CN101339609A (zh) | 图像处理装置和图像处理方法 | |
| US10002285B2 (en) | Fast, high-accuracy, large-scale fingerprint verification system | |
| Kyaw et al. | License plate recognition of Myanmar vehicle number plates a critical review | |
| EP2073146A1 (en) | Pattern recognizing device for recognizing input pattern by using dictionary pattern | |
| JP2953706B2 (ja) | パターン認識装置 | |
| Hashim et al. | Face detection by using haar cascade classifier | |
| US20200387691A1 (en) | A quick match algorithm for biometric data | |
| CN110580469B (zh) | 一种基于嵌入式设备的掌脉识别系统及方法 | |
| JP3074691B2 (ja) | 文字認識装置 | |
| JP2924192B2 (ja) | パターン認識装置 | |
| JP2002259978A (ja) | パターン認識装置 | |
| JPH0830734A (ja) | 文字列認識装置 | |
| CN112464894A (zh) | 交互方法、装置及计算机设备 | |
| JP2712186B2 (ja) | 文字認識装置 | |
| JPH03161890A (ja) | 文字認識装置 | |
| JPH02309458A (ja) | パターン認識装置 | |
| JPH0313630B2 (ja) | ||
| JP2001143020A (ja) | 文字認識装置、文字認識方法、および記録媒体 | |
| JPH05242299A (ja) | 文字認識装置 | |
| JPH08315079A (ja) | 文字認識装置及び文字認識方法 | |
| JPH05334493A (ja) | 文字認識装置 |