JP3322208B2 - 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
- JP3322208B2 JP3322208B2 JP07014398A JP7014398A JP3322208B2 JP 3322208 B2 JP3322208 B2 JP 3322208B2 JP 07014398 A JP07014398 A JP 07014398A JP 7014398 A JP7014398 A JP 7014398A JP 3322208 B2 JP3322208 B2 JP 3322208B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- matrix
- perturbation
- feature extraction
- covariance
- 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 - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Description
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。
認識)の技術分野において、従来技術の評価の高い方法
は、データベースに登録されたモデル集合から計算され
る2次の統計量(共分散)をもとにパターンの分布、即
ち、上述したデータ空間内にパターンの集合が占める部
分を推定し、これをもとに、パターンからの特徴抽出を
行なうものである。
L展開によって特徴抽出を行なうもので文献(M. Turk,
A. Pentland,''Eigenfaces for recognition'',Journa
l ofCognitive Neuroscience, vol. 3, No. 1, 1991.)
に詳しく述べられており、他の方法もこれに準じたもの
が多い。
1)に示す通り、P個の基底ベクトル E_i (i=1...P) の
線形結合で近似し、近似データ間で照合をとるものであ
る。
の教示パターンデータから得られる共分散行列の固有値
の大きいものからP個(例えば100個程度)のものに対
応する固有ベクトルを用いる。その基底ベクトルによっ
て空間を構成すれば、 (1)射影された教示データが最もよく分離される、即
ち、区別しやすくなる。 (2)パターンに含まれるノイズ等、不規則に現れる成
分(変動)をとり除くことができるという利点を有する
と考えられている。
ーン標本集合から計算される分布のパラメタの推定精度
が十分高いことを仮定している点である。実際、例えば
顔画像認識において、比較する2つのパターンセットの
統計的性質が変動しなければ非常に精度の高い認識率を
達成されることが実験的にも確認されている。
従来法における仮定は、データ獲得のプロセスが大きく
異なる場合など、現実には成立しないことがしばしばあ
る。例えば画像認識において比較する2つの画像の撮影
時の照明条件変化は、2種類のパターンセットの間に大
きな統計的性質の変化をもたらし、その結果、画像認識
の十分な精度が得られないという課題が知られている。
比較する2種類のパターンセットが、共通の分布(統計
的パラメタ)から引かれたものであると仮定している点
にある。実際はパターンが2つ以上のかなり異なった分
布に由来する場合はこの前提ではうまく扱えないのは当
然である。
布の違いを取り除くような特徴抽出を施すことで上記課
題を解決することを目的とする。
に、本発明では、パターンの分布そのものを記述する統
計量に加えて、一方から他方の変化を捉えた統計量も予
め学習させ利用する。そのため、本発明では、パターン
そのものの共分散行列C_sを推定するパターン共分散推
定手段と、2つのセットでの対応する個々のパターンの
変動情報を予め学習させその共分散行列 C_p を推定す
る摂動共分散推定手段と、2つの共分散行列 C_s、C_p
を同時に対角化するアフィン変換行列Hを計算する同時
対角化行列計算手段と、同時対角化後に対角成分の振幅
調整を行なう行列Lを計算する再振幅変換行列計算手段
と、これらの合成変換として特徴抽出行列Fを計算する
特徴抽出行列計算手段とを備える。
得られる。
は、異なるプロセスで獲得したパターンaとbの集合で
ある教示用パターンセットA1とB1から、計算される
統計量を基にしたパターンの分布とパターンセットA1
とB1の対応する個々のパターンの摂動から計算される
統計量を基にした摂動の分布とを求め、パターンの分布
とパターンの摂動の分布の交わりの体積を最小化する特
徴抽出行列Fを求めて、教示用パターンセットB1のそ
れぞれのパターンb1に対して、前記特徴抽出行列Fを
用いて特徴量fb1を計算し、これら特徴量fb1の集
合である参照データベースFb1と前記特徴抽出行列F
を予め保存しておき、入力されたパターンa2から前記
特徴抽出行列Fを用いて特徴量fa2を抽出し、前記参
照データベースFb1の特徴量の集合の中から前記入力
されたパターンの特徴量fa2に最も類似した特徴量f
b1の要素を認識結果とするパターン認識方法におい
て、特徴抽出行列Fは、異なるプロセスで獲得したパタ
ーンaとbの集合である教示用パターンセットA1とB
1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、パターン標本空間の共分散行列
C_sを推定する工程と、パターンセットA1とパターン
セットB1の間で対応するパターンの摂動を計算する工
程と、前記計算されたパターンの摂動から共分散行列 C
_pを推定する工程と、前記2つの共分散行列 C_s, C_p
を同時に対角化し、それぞれ新たに行列D_s, D_p を生
成するための同時対角化行列Hを計算する工程と、前記
対角化された共分散行列 D_s, D_pの対角成分を2つの
共分散が表現する分布の交わりが最小化するように変換
する再振幅変換行列Lを計算する工程と、前記行列Hと
前記行列Lの積から特徴抽出行列Fを計算することを特
徴とするもので、パターンと摂動がそれぞれ占める空間
は特徴抽出変換によって、分布の軸を全て共有し、パタ
ーンの分布とその摂動の分布はあたかも直交したかのよ
うな状態になり、その交わりの体積が最小化されること
により、もとのパターンの空間に入り込んだ摂動(変
動)成分が効果的に取り除かれために、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。
で獲得したパターンaとb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、計算
される統計量を基にしたパターンの分布とパターンセッ
トA1とB1の対応する個々のパターンの摂動から計算
される統計量を基にした摂動の分布とを求め、パターン
の分布とパターンの摂動の分布の交わりの体積を最小化
する特徴抽出行列Fを予め求めておき、異なるプロセス
で獲得した入力された入力パターンa、bから前記特徴
抽出行列F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パタ
ーン照合方法において、特徴抽出行列Fは、異なるプロ
セスで獲得したパターンaとb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、パターン標
本空間の共分散行列 C_sを推定する工程と、パターンセ
ットA1とパターンセットB1の間で対応するパターン
の摂動を計算する工程と、前記計算されたパターンの摂
動から共分散行列 C_pを推定する工程と、前記2つの共
分散行列 C_s, C_pを同時に対角化し、それぞれ新たに
行列D_s, D_p を生成するための同時対角化行列Hを計
算する工程と、前記対角化された共分散行列 D_s, D_p
の対角成分を2つの共分散が表現する分布の交わりが最
小化するように変換する再振幅変換行列Lを計算する工
程と、前記行列Hと前記行列Lから特徴抽出行列Fを計
算することを特徴とするもので、パターンと摂動がそれ
ぞれ占める空間は特徴抽出変換によって、分布の軸を全
て共有し、パターンの分布とその摂動の分布はあたかも
直交したかのような状態になり、その交わりの体積が最
小化されることにより、もとのパターンの空間に入り込
んだ摂動(変動)成分が効果的に取り除かれために、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。
で獲得したパターンaとbの集合であるパターンセット
A1とB1を獲得するパターン入力手段と、前記獲得し
たパターン標本集合から計算される統計量を基にしたパ
ターンの分布とパターンセットA1とB1の対応する個
々のパターンの摂動から計算される統計量を基にした摂
動の分布とを求め、パターンの分布とパターンの摂動の
分布の交わりの体積を最小化する特徴抽出行列Fを求め
て、教示用パターンセットB1のそれぞれのパターンb
1に対して、特徴抽出行列Fを用いて特徴量fb1を計
算し、これら特徴量fb1の集合である参照データベー
スFb1と前記特徴抽出行列Fを予め保存する特徴抽出
手段と、パターン入力手段から入力されたパターンa2
から前記特徴抽出行列Fを用いて特徴量fa2を抽出
し、前記参照データベースFb1の特徴量の集合の中か
ら前記入力されたパターンの特徴量fa2に最も類似し
た特徴量fb1の要素を認識結果として出力する最適マ
ッチ決定手段とを具備するパターン認識装置において、
特徴抽出手段は、入力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、パターン標本空
間の共分散行列 C_sを推定するパターン共分散推定手段
と、パターンセットA1とパターンセットB1の間で対
応するパターンの摂動を計算する摂動パターン計算手段
と、前記摂動パターン計算手段によって計算された摂動
パターンの共分散行列 C_p を推定する摂動共分散推定
手段と2つの共分散行列 C_s, C_pを同時に対角化し、
それぞれ新たに行列D_s, D_pを生成するための同時対角
化行列Hを計算する同時対角化行列計算手段と、前記同
時対角化行列計算手段によって計算された行列Hによっ
てC_s, C_pからそれぞれ生成されたD_s, D_pから再振幅
変換行列Lを計算する再振幅変換行列計算手段と、前記
同時対角化行列計算手段からの対角化された共分散行列
D_s, D_pの対角成分を2つの共分散が表現する分布の
交わりが最小化するように変換する特徴抽出行列Fを計
算する特徴抽出行列計算手段とを具備するもので、パタ
ーンと摂動がそれぞれ占める空間は特徴抽出変換によっ
て、分布の軸を全て共有し、パターンの分布とその摂動
の分布はあたかも直交したかのような状態になり、その
交わりの体積が最小化されることにより、もとのパター
ンの空間に入り込んだ摂動(変動)成分が効果的に取り
除かれために、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。
で獲得したパターンaとbの集合であるパターンセット
A1とB1を獲得するパターン入力手段と、前記獲得し
たパターン標本集合から計算される統計量を基にしたパ
ターンの分布とパターンセットA1とB1の対応する個
々のパターンの摂動から計算される統計量を基にした摂
動の分布とを求め、パターンの分布とパターンの摂動の
分布の交わりの体積を最小化する特徴抽出行列Fを求め
予め保存する特徴抽出行列手段と、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
F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パターン照合装置におい
て、特徴抽出行列手段は、入力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、パター
ン標本空間の共分散行列 C_s を推定するパターン共分
散推定手段と、パターンセットA1とパターンセットB
1の間で対応するパターンの摂動を計算する摂動パター
ン計算手段と、前記摂動パターン計算手段によって計算
された摂動パターンの共分散行列 C_p を推定する摂動
共分散推定手段と2つの共分散行列 C_s, C_pを同時に
対角化し、それぞれ新たに行列D_s, D_p を生成するた
めの同時対角化行列Hを計算する同時対角化行列計算手
段と、前記同時対角化行列計算手段からの対角化された
共分散行列 D_s, D_pの対角成分を2つの共分散が表現
する分布の交わりが最小化するように変換する再振幅変
換行列Lを計算する再振幅変換行列計算手段と、前記同
時対角化行列計算手段が出力した行列Hと前記再振幅変
換行列計算手段が出力した行列Lから特徴抽出行列Fを
計算する特徴抽出行列計算手段と具備するもので、する
もので、パターンと摂動がそれぞれ占める空間は特徴抽
出変換によって、分布の軸を全て共有し、パターンの分
布とその摂動の分布はあたかも直交したかのような状態
になり、その交わりの体積が最小化されることにより、
もとのパターンの空間に入り込んだ摂動(変動)成分が
効果的に取り除かれために、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。
を用いて説明する。 (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。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)、11は参照画像データベース、12〜1
6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)、17はシステムバス、18は認識結果を
出力する出力端子、19は特徴抽出行列メモリ、20は
コンピュータシステムで構成されている。
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、ビデオカメラで撮像した顔画像がデータベースに
登録されているか、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、その処理は、特
徴抽出行列Fの計算と、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オンライン処理とに大別され
る。
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、特徴抽出行列Fの計算と、参照画
像データベースFB1の構築にある。
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例えば15000人
分程度収集する。
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)。
(S12)〜ステップ16(S16)の手順で計算され
る。
ーンセットの一方例えばパターンB1(身分証写真)を
用いて(数2)に従って計算される。なお、パターンA
1(顔画像)のパターンセットAとパターンB1(身分
証写真)とから(数3)によって、顔パターンの標本空
間共分散を計算してもよい(S12)。
(数4)に従って計算され、この結果から(数5)に従
って摂動の共分散 C_p が計算される(S13)。
(数6)にしたがって同時対角化行列Hを計算し、これ
を用いてC_s, C_pを(数7)に示すようにそれぞれ 対
角行列D_s, D_pに変換する(S14)。
8)に従って再振幅変換行列Lが計算される(S1
5)。
Lの合成変換として特徴抽出行列F計算し、特徴抽出行
列メモリ19に記憶する(S16)。
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、そのおのおののパター
ンb1に対して特徴抽出行列Fを用いて(数10)に従
って特徴ベクトルfb1を計算し、参照画像データベー
スFB1に登録する(S17)。
換行列 L は、(数11)で計算して求めても良い。
ある。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FB
1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。
像は、画像メモリA7に記憶され、パターンa2に変換
してパターンメモリAに転送する(S30)。
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Fを用いて(数12)に従って特徴ベクトルf
a2の計算をする(S31)。
a2に最も類似した特徴ベクトルを参照画像データベー
スFB1から選びだし、最も類似度の高いものを認識結
果として、1つ以上を出力端子18に出力するものであ
る(S33)。
のように説明される。特徴抽出行列 F は(数9)に示
されるように、同時対角化行列Hと再振幅変換行列Lの
積に分解される。(数7)より明らかなように、行列H
を用いた同時対角化によって生成されたパターン共分散
C_sと摂動共分散C_pは固有ベクトルを共有する。これに
引き続いて、行列Lを用いて共分散行列の対角成分をさ
らに変換すれば、パターンと摂動の共分散は、固有ベク
トルを共通に持ち、かつ、対応する固有値(分散)の大
きさを逆順にすることができる。
3 ...> xn (全て非負)とすると後者の対応する軸の固
有値は降順に yn > yn-1 > .. > y1 となる。ここで、
共分散行列の固有値は対応する固有ベクトルの方向での
分散、即ち、分布の広がり(の2乗)を示すものであ
る。パターンと摂動がそれぞれ占める空間は特徴抽出変
換によって、分布の軸を全て共有し、かつ、軸方向での
広がりの大きさの順位が逆転することになり、即ち、パ
ターンの分布とその摂動の分布はあたかも直交したかの
ような状態になり、その交わりの体積が最小化される。
これは、特徴抽出によって、もとのパターンの空間に入
り込んだ摂動(変動)成分が効果的に取り除かれたこと
を意味する。摂動とは、2種類のプロセスを通して獲得
された比較パターンの間の違いであるから、これが小さ
くなった状態は、パターン認識にとって理想的な状況で
あるといえる。
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。
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。
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。
を例にして説明したが、顔以外に車、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。
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。
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F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とビデオカ
メラから入力した顔画像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。
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Fの計算にある。
画像信号がI/Fを介してA/D後画像メモリA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によって顔画像が獲得されバスを介して画像メ
モリBに蓄積される。この過程は、特徴抽出行列の学習
に必要な十分な教示画像の数が得られるまで繰り返され
る。
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例えば15000人
分程度収集する。
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)。
(S12)〜ステップ16(S16)の手順で計算され
る。
ーンセットの一方例えばパターンB1(身分証写真)を
用いて(数2)に従って計算される。なお、パターンA
1(顔画像)のパターンセットAとパターンB1(身分
証写真)とから(数3)によって、顔パターンの標本空
間共分散を計算してもよい(S12)。
(数4)に従って計算され、この結果から(数5)に従
って摂動の共分散 C_p が計算される(S13)。
(数6)にしたがって同時対角化行列Hを計算し、これ
を用いてC_s, C_pを(数7)に示すようにそれぞれ 対
角行列D_s, D_pに変換する(S14)。
に従って再振幅変換行列Lが計算される(S15)。
Lの合成変換として特徴抽出行列F計算し、特徴抽出行
列メモリ19に記憶する(S16)。
ある。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。
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)。
パターンbは、オフライン時に予め求めた特徴抽出行列
メモリ19からの特徴抽出行列F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)。
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)。
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。
める空間と比較する2つのタイプのパターンの間の摂動
が占める空間を直交させるような変換を適用し、両者が
交わる体積を最小化する特徴抽出行列を求めることによ
り、2つのタイプのパターンの間のずれである摂動をと
り除くことができるために、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。
のブロック構成図
作フロー図
作フロー図
ライン処理を説明する動作フロー図
作フロー図
図
Claims (4)
- 【請求項1】 異なるプロセスで獲得したパターンaと
bの集合である教示用パターンセットA1とB1から、
計算される統計量を基にしたパターンの分布とパターン
セットA1とB1の対応する個々のパターンの摂動から
計算される統計量を基にした摂動の分布とを求め、パタ
ーンの分布とパターンの摂動の分布の交わりの体積を最
小化する特徴抽出行列Fを求めて、教示用パターンセッ
トB1のそれぞれのパターンb1に対して、前記特徴抽
出行列Fを用いて特徴量fb1を計算し、これら特徴量
fb1の集合である参照データベースFb1と前記特徴
抽出行列Fを予め保存しておき、入力されたパターンa
2から前記特徴抽出行列Fを用いて特徴量fa2を抽出
し、前記参照データベースFb1の特徴量の集合の中か
ら前記入力されたパターンの特徴量fa2に最も類似し
た特徴量fb1の要素を認識結果とするパターン認識方
法において、特徴抽出行列Fは、異なるプロセスで獲得
したパターンaとb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、パターン標本空間の共
分散行列 C_sを推定する工程と、パターンセットA1と
パターンセットB1の間で対応するパターンの摂動を計
算する工程と、前記計算されたパターンの摂動から共分
散行列 C_pを推定する工程と、前記2つの共分散行列 C
_s, C_pを同時に対角化し、それぞれ新たに行列D_s, D_
p を生成するための同時対角化行列Hを計算する工程
と、前記対角化された共分散行列 D_s, D_pの対角成分
を2つの共分散が表現する分布の交わりが最小化するよ
うに変換する再振幅変換行列Lを計算する工程と、前記
行列Hと前記行列Lの積から特徴抽出行列Fを計算する
ことを特徴とするパターン認識方法。 - 【請求項2】 異なるプロセスで獲得したパターンaと
bの集合である教示用パターンセットA1及びセットB
1のパターンセットから、計算される統計量を基にした
パターンの分布とパターンセットA1とB1の対応する
個々のパターンの摂動から計算される統計量を基にした
摂動の分布とを求め、パターンの分布とパターンの摂動
の分布の交わりの体積を最小化する特徴抽出行列Fを予
め求めておき、異なるプロセスで獲得した入力された入
力パターンa、bから前記特徴抽出行列F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パターン照合方法において、特
徴抽出行列Fは、異なるプロセスで獲得したパターンa
とb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、パターン標本空間の共分散行列 C_sを
推定する工程と、パターンセットA1とパターンセット
B1の間で対応するパターンの摂動を計算する工程と、
前記計算されたパターンの摂動から共分散行列 C_pを推
定する工程と、前記2つの共分散行列 C_s, C_pを同時
に対角化し、それぞれ新たに行列D_s, D_p を生成する
ための同時対角化行列Hを計算する工程と、前記対角化
された共分散行列 D_s, D_pの対角成分を2つの共分散
が表現する分布の交わりが最小化するように変換する再
振幅変換行列Lを計算する工程と、前記行列Hと前記行
列Lから特徴抽出行列Fを計算することを特徴とするパ
ターン照合方法。 - 【請求項3】 異なるプロセスで獲得したパターンaと
bの集合であるパターンセットA1とB1を獲得するパ
ターン入力手段と、前記獲得したパターン標本集合から
計算される統計量を基にしたパターンの分布とパターン
セットA1とB1の対応する個々のパターンの摂動から
計算される統計量を基にした摂動の分布とを求め、パタ
ーンの分布とパターンの摂動の分布の交わりの体積を最
小化する特徴抽出行列Fを求めて、教示用パターンセッ
トB1のそれぞれのパターンb1に対して、特徴抽出行
列Fを用いて特徴量fb1を計算し、これら特徴量fb
1の集合である参照データベースFb1と前記特徴抽出
行列Fを予め保存する特徴抽出手段と、パターン入力手
段から入力されたパターンa2から前記特徴抽出行列F
を用いて特徴量fa2を抽出し、前記参照データベース
Fb1の特徴量の集合の中から前記入力されたパターン
の特徴量fa2に最も類似した特徴量fb1の要素を認
識結果として出力する最適マッチ決定手段とを具備する
パターン認識装置において、特徴抽出手段は、入力され
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、パターン標本空間の共分散行列 C_sを推定
するパターン共分散推定手段と、パターンセットA1と
パターンセットB1の間で対応するパターンの摂動を計
算する摂動パターン計算手段と、前記摂動パターン計算
手段によって計算された摂動パターンの共分散行列 C_p
を推定する摂動共分散 推定手段と2つの共分散行列 C_
s, C_pを同時に対角化し、それぞれ新たに行列D_s, D_p
を生成するための同時対角化行列Hを計算する同時対角
化行列計算手段と、前記同時対角化行列計算手段によっ
て計算された行列HによってC_s, C_pからそれぞれ生成
されたD_s, D_pから再振幅変換行列Lを計算する再振幅
変換行列計算手段と、前記同時対角化行列計算手段から
の対角化された共分散行列 D_s,D_pの対角成分を2つの
共分散が表現する分布の交わりが最小化するように変換
する特徴抽出行列Fを計算する特徴抽出行列計算手段と
を具備することを特徴とするパターン認識装置。 - 【請求項4】 異なるプロセスで獲得したパターンaと
bの集合であるパターンセットA1とB1を獲得するパ
ターン入力手段と、前記獲得したパターン標本集合から
計算される統計量を基にしたパターンの分布とパターン
セットA1とB1の対応する個々のパターンの摂動から
計算される統計量を基にした摂動の分布とを求め、パタ
ーンの分布とパターンの摂動の分布の交わりの体積を最
小化する特徴抽出行列Fを求め予め保存する特徴抽出行
列手段と、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F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
するパターン照合装置において、特徴抽出行列手段は、
入力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、パターン標本空間の共分散行列 C
_s を推定するパターン共分散推定手段と、パターンセ
ットA1とパターンセットB1の間で対応するパターン
の摂動を計算する摂動パターン計算手段と、前記摂動パ
ターン計算手段によって計算された摂動パターンの共分
散行列C_p を推定する摂動共分散推定手段と2つの共分
散行列 C_s, C_p を同時に対角化し、それぞれ新たに行
列D_s, D_p を生成するための同時対角化行列Hを計算
する同時対角化行列計算手段と、前記同時対角化行列計
算手段からの対角化された共分散行列 D_s, D_pの対角
成分を2つの共分散が表現する分布の交わりが最小化す
るように変換する再振幅変換行列Lを計算する再振幅変
換行列計算手段と、前記同時対角化行列計算手段が出力
した行列Hと前記再振幅変換行列計算手段が出力した行
列Lから特徴抽出行列Fを計算する特徴抽出行列計算手
段と具備することを特徴とするパターン照合装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP07014398A JP3322208B2 (ja) | 1998-03-19 | 1998-03-19 | 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 |
EP99301749A EP0944018B1 (en) | 1998-03-19 | 1999-03-09 | 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 |
US09/271,387 US6628811B1 (en) | 1998-03-19 | 1999-03-18 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP07014398A JP3322208B2 (ja) | 1998-03-19 | 1998-03-19 | 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 (2)
Publication Number | Publication Date |
---|---|
JPH11272862A JPH11272862A (ja) | 1999-10-08 |
JP3322208B2 true JP3322208B2 (ja) | 2002-09-09 |
Family
ID=13423067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP07014398A Expired - Fee Related JP3322208B2 (ja) | 1998-03-19 | 1998-03-19 | 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 (1)
Country | Link |
---|---|
JP (1) | JP3322208B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4543455B2 (ja) * | 1999-10-18 | 2010-09-15 | パナソニック株式会社 | 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 |
-
1998
- 1998-03-19 JP JP07014398A patent/JP3322208B2/ja not_active Expired - Fee Related
Non-Patent Citations (1)
Title |
---|
相馬正宜外1名,取得過程の極端に異なる顔画像の識別,電子情報通信学会技術研究報告,1997年 6月20日,Vol.97,No.113,pp.1−7 |
Also Published As
Publication number | Publication date |
---|---|
JPH11272862A (ja) | 1999-10-08 |
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 | |
US6430307B1 (en) | Feature extraction system and face image recognition system | |
US5901244A (en) | Feature extraction system and face image recognition system | |
KR100731937B1 (ko) | 얼굴 메타 데이터 생성 | |
Raghuwanshi et al. | An automated classroom attendance system using video based face recognition | |
CN108108662B (zh) | 深度神经网络识别模型及识别方法 | |
JPH1055444A (ja) | Dctをベースとするフィーチャー・ベクトルを使った顔の認識 | |
US20050226509A1 (en) | Efficient classification of three dimensional face models for human identification and other applications | |
US20070053590A1 (en) | Image recognition apparatus and its method | |
CN102938065A (zh) | 基于大规模图像数据的人脸特征提取方法及人脸识别方法 | |
CN114581491B (zh) | 一种行人轨迹跟踪方法、系统及相关装置 | |
JP3729581B2 (ja) | パターン認識・照合装置 | |
CN110826534A (zh) | 一种基于局部主成分分析的人脸关键点检测方法及系统 | |
JPH0520442A (ja) | 顔画像照合装置 | |
US6865296B2 (en) | Pattern recognition method, pattern check method and pattern recognition apparatus as well as pattern check apparatus using the same methods | |
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 | |
US20080019595A1 (en) | System And Method For Identifying Patterns | |
JP5353482B2 (ja) | パターン認識用辞書生成装置、パターン認識装置、及びパターン認識用辞書生成方法 | |
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 | |
Iwai et al. | Gesture recognition based on subspace method and hidden Markov model | |
CN107798282B (zh) | 一种活体人脸的检测方法和装置 | |
Shatnawi et al. | The impact of the number of eigen-faces on the face recognition accuracy using different distance measures | |
JP2003168113A (ja) | 画像認識システム、画像認識方法および画像認識プログラム | |
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 | |
JP4068888B2 (ja) | アイリス推定装置およびアイリス照合装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080628 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090628 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100628 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100628 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110628 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120628 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120628 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130628 Year of fee payment: 11 |
|
LAPS | Cancellation because of no payment of annual fees |