JP3322216B2 - 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
JP3322216B2
JP3322216B2 JP20157398A JP20157398A JP3322216B2 JP 3322216 B2 JP3322216 B2 JP 3322216B2 JP 20157398 A JP20157398 A JP 20157398A JP 20157398 A JP20157398 A JP 20157398A JP 3322216 B2 JP3322216 B2 JP 3322216B2
Authority
JP
Japan
Prior art keywords
pattern
matrix
perturbation
distribution
feature extraction
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
Application number
JP20157398A
Other languages
English (en)
Other versions
JP2000036045A (ja
Inventor
健司 長尾
正宜 相馬
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 Corp
Panasonic Holdings Corp
Original Assignee
Panasonic Corp
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 Panasonic Corp, Matsushita Electric Industrial Co Ltd filed Critical Panasonic Corp
Priority to JP20157398A priority Critical patent/JP3322216B2/ja
Priority to EP99301749A priority patent/EP0944018B1/en
Priority to US09/271,387 priority patent/US6628811B1/en
Publication of JP2000036045A publication Critical patent/JP2000036045A/ja
Application granted granted Critical
Publication of JP3322216B2 publication Critical patent/JP3322216B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)

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（例えば顔画像認識や音声
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。
【０００３】例えば、よく知られたＫＬ展開方法は、Ｋ
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”,Journ
al of Cognitive Neuroscience, vol. 3, No. 1, 199
1.）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。
【０００４】ＫＬ法では、２つのパターンＡ、Ｂを（数
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。
【０００５】
【数１】
【０００６】ＫＬ法は、この基底ベクトルとして、Ｗ個
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。
【０００７】このＫＬ法において注意すべき点は、パタ
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。
【０００８】
【発明が解決しようとする課題】しかし、以上のような
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を有していた。
【０００９】このような問題の根本原因は、従来法が、
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。
【００１０】本発明は、このようなパターンセットの分
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。
【００１１】
【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、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（摂動）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。
【００１２】これにより、高精度なパターン認識装置が
得られる。
【００１３】
【発明の実施の形態】本発明の請求項１に記載の発明
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Ｂ１のそれ
ぞれの要素 Ｂ１ｉ 毎にパターンセットＡ１の中のＢ１
ｉに対応するパターンの集合｛Ａ１ｊ（ｉ）｝とＢ１ｉ
との間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Ｂ１ｉのパターン摂動
の分布の交わりの体積を最小化する特徴抽出行列Ｆｉを
求め、教示用パターンセットＢ１のそれぞれのパターン
Ｂ１ｉに対して、前記特徴抽出行列Ｆｉ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の集合｛Ｆｉ｝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Ｆｉを適用して特徴量ｆＡ２
ｊｉを抽出し、前記参照データベースＦＢ１に保存され
た特徴量ｆＢ１ｉの集合｛ｆＢ１ｉ｝の中から前記入力
されたパターンの特徴量ｆＡ２ｊｉに最も類似した特徴
量の要素を認識結果として出力するようにしたもので、
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。
【００１４】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Ｆｉ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とを獲得し、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Ｂ１のそれぞれの要素 Ｂ１ｉ 毎に、パターンセッ
トＡ１の中のＢ１ｉに対応するパターンの集合｛ Ａ１
ｊ（ｉ）｝とＢ１ｉとの間の摂動パターンのを計算する
工程と、前記計算された摂動パターンの共分散行列 C_p
(i)を推定する工程と、前記２つの共分散行列 C_s,C_p
(i)を同時に対角化し、それぞれ新たに行列D_s(i), D_p
(i)を生成するための同時対角化行列Ｈｉを計算する工
程と、前記対角化された共分散行列 D_s(i), D_p(i)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Ｌｉを計算する工
程と、前記行列Ｈｉと前記行列Ｌｉの積から特徴抽出行
列Ｆｉを計算するようにしたもので、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。
【００１５】請求項３に記載の発明は、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及びセットＢ１のパターンセットからパターン標本
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Ｂ１のそれぞれの要素 Ｂ１ｉ 毎
に、パターンセットＡ１の中の対応するパターンの集合
｛Ａ１ｊ（ｉ）｝とＢ１ｉ との間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、これらＢｌｉ
毎の摂動からセットＡとセットＢの間の平均的摂動分布
を求め、パターンの分布と前記平均的摂動分布の交わり
の体積を最小化する特徴抽出行列Ｆを求め、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。
【００１６】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Ｆ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Ａ
１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
Ｂ１のそれぞれの要素 Ｂ１ｉ 毎に、パターンセットＡ
１の中の対応するパターンの集合｛ Ａ１ｊ（ｉ）｝と
Ｂ１ｉ との間の摂動パターンを計算する工程と、これ
らＢｌｉ毎の摂動パターンからセットＡとセットＢの間
の平均的摂動分布を計算する工程と、前記計算された平
均的摂動分布の共分散行列 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を計算するもので、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を求めることができ、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。
【００１７】請求項５に記載の発明は、２つのプロセス
で獲得したパターン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Ｂ１のそれぞれの要素 Ｂ１
ｉ 毎にパターンセットＡ１の中のＢ１ｉに対応するパ
ターンの集合｛ Ａ１ｊ（ｉ）｝とＢ１ｉ との間の摂動
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Ｂ１ｉのパターン摂動の分布の交わり
の体積を最小化する特徴抽出行列Ｆｉを求め、教示用パ
ターンセットＢ１のそれぞれのパターンＢ１ｉに対し
て、特徴抽出行列Ｆｉを用いて特徴量ｆＢ１ｉを計算
し、これら特徴量の集合｛ｆＢ１ｉ｝を保持するデータ
ベースＦＢ１と前記特徴抽出行列Ｆｉの集合｛Ｆｉ｝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Ａ２ｊから前記特徴抽出行列Ｆｉを用
いて特徴量ｆＡ２ｊｉを抽出し、前記参照データベース
ＦＢ１に保存された特徴量ｆＢ１ｉの集合｛ｆＢ１ｉ｝
の中から前記入力されたパターンの特徴量ｆＡ２ｊｉに
最も類似した特徴量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。
【００１８】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Ｂ１の
それぞれの要素Ｂ１ｉ毎にパターンセットＡ１の中のＢ
１ｉに対応するパターンの集合｛ Ａ１ｊ（ｉ）｝とＢ
１ｉ との間の摂動の分布と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(i) 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(i) を同時
に対角化し、それぞれ新たに行列D_s(i), D_p(i)を生成
するための同時対角化行列Ｈｉ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(i), D_p(i)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Ｌｉ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
Ｈｉと前記再振幅変換行列計算手段が出力した行列Ｌｉ
から特徴抽出行列Ｆｉの積を計算する特徴抽出行列計算
手段とを具備するするもので、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Ｆｉを求めることができ、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。
【００１９】請求項７に記載の発明は、２つのプロセス
で獲得したパターン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Ｂ１のそれぞれの要素 Ｂ１
ｉ 毎にパターンセットＡ１の中のＢ１ｉに対応するパ
ターンの集合｛ Ａ１ｊ（ｉ）｝とＢ１ｉ との間の摂動
から計算される統計量を基にした摂動のの分布を求め、
これらＢｌｉ毎の摂動からセットＡとセットＢの間の平
均的摂動分布を求め、パターンの分布と前記平均的摂動
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
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ｆ
ｂ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。
【００２０】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Ｂ
１のそれぞれの要素Ｂ１ｉ毎にパターンセットＡ１の中
のＢ１ｉに対応するパターンの集合｛ Ａ１ｊ（ｉ）｝
とＢ１ｉ との間の摂動の分布と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Ｂ１ｉ毎の摂動パターンからセットＡとセットＢ
の間の平均的摂動分布を計算し、その平均的摂動分布の
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、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を求めることができ、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。
【００２１】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、２つのプロセスで獲
得したパターンの集合であるパターンセットＡ１とＢ１
から、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Ｂ１のそれぞれの要
素Ｂ１ｉ毎にパターンセットＡ１の中のＢ１ｉに対応す
るパターンの集合｛ Ａ１ｊ（ｉ）｝とＢ１ｉとの間の
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、パターン分布と摂動パターンの分布の交わりの体積
を最小化する特徴抽出行列Ｆｉ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Ｂ１ｉに対して、特
徴抽出行列Ｆｉを用いて特徴量ｆＢ１ｉを計算し、これ
ら特徴量ｆＢ１ｉの集合である参照データベースＦＢ１
と前記特徴抽出行列の集合｛Ｆｉ｝を予め保存してお
き、入力されたパターンＡ２ｊから前記特徴抽出行列Ｆ
ｉを用いて特徴量ｆＡ２ｊｉを抽出し、前記参照データ
ベースＦＢ１に保存された特徴量ｆＢ１ｉの集合｛ｆＢ
１ｉ｝の中から前記入力されたパターンの特徴量ｆＡ２
ｊｉに最も類似した特徴量の要素を認識結果として出力
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。
【００２２】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、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Ａ
１及びセットＢ１のパターンセットから、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Ｂ１のそれぞれの要素Ｂ１ｉ毎にパター
ンセットＡ１の中のＢ１ｉに対応するパターンの集合
｛ Ａ１ｊ（ｉ）｝とＢ１ｉ との間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、前記Ｂ１ｉ毎
の摂動パターンからセットＡとセットＢの間の平均的摂
動分布を求め、パターンの分布と平均的摂動分布の交わ
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、入力された２つのパターン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。
【００２３】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。 （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。
【００２４】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、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、登
録人物（インデックスｉ）毎の特徴抽出行列Ｆｉ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。
【００２５】まず、最初にオフライン処理について、図
２のオフライン処理の動作フロー図を用いて説明する。
オフライン処理の目的は、登録人物（インデックスｉ）
毎の特徴抽出行列Ｆｉの計算と、参照画像データベース
ＦＢ１の構築にある。
【００２６】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Ｆｉ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。 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、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）。
【００２７】特徴抽出行列Ｆは、以下のステップ１２
（Ｓ１２）〜ステップ１６（Ｓ１６）の手順で計算され
る。顔パターンの標本空間共分散C_sが、パターンセッ
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Ａ１（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）。
【００２８】
【数２】
【００２９】
【数３】
【００３０】パターンセットＢ１のそれぞれの要素Ｂ１
ｉ毎にパターンセットＡ１の中のＢ１ｉに対応するパタ
ーンの集合｛ Ａ１ｊ（ｉ）｝とＢ１ｉ との間の摂動の
分布の共分散行列 C_p(i) が（数４）に従って計算され
る（Ｓ１３）。
【００３１】
【数４】
【００３２】続いて、２つの共分散 C_s と C_p(i) か
ら（数５）にしたがって同時対角化行列Ｈｉが計算さ
れ、これを用いてC_s, C_p(i)を（数６）に示すように
それぞれ 対角行列D_s(i), D_p(i)に変換する（Ｓ１
４）。
【００３３】
【数５】
【００３４】
【数６】
【００３５】変換生成された共分散D_s(i), D_p(i)から
（数７）に従って再振幅変換行列Ｌｉが計算される（Ｓ
１５）。
【００３６】
【数７】
【００３７】最後に、（数８）に示すように、行列Ｈｉ
とＬｉの合成変換として特徴抽出行列 Ｆｉ 計算し、特
徴抽出行列メモリ１９に記憶する（Ｓ１６）。
【００３８】
【数８】
【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、そのおのおののパター
ンＢ１ｉに対して特徴抽出行列Ｆｉを用いて（数９）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（Ｓ１７）。
【００４０】
【数９】
【００４１】なお、ステップ１５（Ｓ１５）の再振幅変
換行列 Ｌｉ は、（数１０）で計算して求めても良い。
【００４２】
【数１０】
【００４３】以上がオフラインで実行されるプロセスで
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。
【００４４】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、パターンａ２に変換
してパターンメモリＡに転送する（Ｓ３０）。
【００４５】パタンメモリＡからのパターンＡ２ｊは、
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Ｆｉを用いて、（数１１）に従ってＦ１〜Ｆ
ＮまでのＮ個に対応する特徴ベクトルｆＡ２ｊｉの計算
をする（Ｓ３１）。
【００４６】
【数１１】
【００４７】次は、最適マッチ処理で、参照データベー
スＦＢ１にエントリされた特徴ベクトルｆＢ１ｉのイン
デックスｉを１からＮまで変化させ、特徴ベクトルｆＡ
２ｊｉに最も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、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
（Ｓ３２）。
【００４８】ここで、特徴抽出手段の処理の効果は以下
のように説明される。特徴抽出行列 Ｆｉ は（数８）に
示されるように、同時対角化行列Ｈｉと再振幅変換行列
Ｌｉの積に分解される。（数６）より明らかなように、
行列Ｈｉ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(i)は固有ベクトルを共有
する。これに引き続いて、行列Ｌｉを用いて共分散行列
の対角成分をさらに変換すれば、パターンの分布とＢｉ
に対する摂動分布共分散は、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。
【００４９】即ち、前者の固有値を降順に x1 > x2 > x
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。
【００５０】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。
【００５１】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。
【００５２】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。
【００５３】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、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。
【００５４】（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。
【００５５】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。
【００５６】まず、最初にオフライン処理について、図
４のオフライン処理の動作フロー図を用いて説明する。
オフライン処理の目的は、特徴抽出行列Ｆの計算にあ
る。
【００５７】まず、ビデオカメラから得られた人物顔の
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。
【００５８】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（Ｓ４０）。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。
【００５９】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（Ｓ４１）。特徴抽出行列Ｆは、以下のステップ
１２（Ｓ４２）〜ステップ１６（Ｓ４７）の手順で計算
される。顔パターンの標本空間共分散C_sが、パターン
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Ａ１
（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（Ｓ４２）。
【００６０】パターンセットＡ、Ｂの間の摂動の共分散
C_p は、パターンセットＢ１のそれぞれの要素Ｂ１ｉ
毎にパターンセットＡ１の中のＢ１ｉに対応するパター
ンの集合｛ Ａ１ｊ（ｉ）｝とＢ１ｉ との間の摂動の分
布の共分散行列 C_p(i) を（数４）に従って計算し（Ｓ
４３）、その加重平均として（数１２）に従って計算さ
れる（Ｓ４４）。
【００６１】
【数１２】
【００６２】続いて、２つの共分散 C_s と C_p から
（数５）に従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６）に示すようにそれぞれ 対角
行列D_s, D_pに変換する（Ｓ４５）。
【００６３】変換生成された共分散 D_s, D_p ら（数
７）に従って再振幅変換行列Ｌが計算される（Ｓ４
６）。最後に、（数８）に示すように、行列Ｈと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（Ｓ４７）。
【００６４】以上がオフラインで実行されるプロセスで
ある。次に、オンライン処理について、オンライン処理
の動作フロー図を図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。
【００６５】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）。
【００６６】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、ｆｂ
２を求める（Ｓ５１）。
【００６７】
【数１３】
【００６８】
【数１４】
【００６９】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
どうかを判定し、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（Ｓ５
２）。
【００７０】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。
【００７１】
【発明の効果】以上のように本発明では、パターンが占
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。
【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 特徴抽出行列メモリ ２０ コンピュータシステム
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平10−171988（ＪＰ，Ａ) 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，Ｖｏ ｌ．97，Ｎｏ．113，ｐｐ．１−７ (58)調査した分野(Int.Cl.7，ＤＢ名) G06T 7/00 - 7/60 G06K 9/62 - 9/72 G10L 15/00 - 15/28 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (10)

    (57)【特許請求の範囲】
  1. 【請求項１】 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
    Ｂ１のそれぞれの要素 Ｂ１ｉ 毎にパターンセットＡ１
    の中のＢ１ｉに対応するパターンの集合｛Ａ１ｊ
    （ｉ）｝とＢ１ｉ との間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Ｂ１
    ｉのパターン摂動の分布の交わりの体積を最小化する特
    徴抽出行列Ｆｉを求め、教示用パターンセットＢ１のそ
    れぞれのパターンＢ１ｉに対して、前記特徴抽出行列Ｆ
    ｉ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の集合｛Ｆ
    ｉ｝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Ｆｉを適用
    して特徴量ｆＡ２ｊｉを抽出し、前記参照データベース
    ＦＢ１に保存された特徴量ｆＢ１ｉの集合｛ｆＢ１ｉ｝
    の中から前記入力されたパターンの特徴量ｆＡ２ｊｉに
    最も類似した特徴量の要素を認識結果として出力するこ
    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Ｆｉ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Ａ
    １とＢ１とを獲得し、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Ｂ１のそ
    れぞれの要素 Ｂ１ｉ 毎に、パターンセットＡ１の中の
    Ｂ１ｉに対応するパターンの集合｛ Ａ１ｊ（ｉ）｝と
    Ｂ１ｉとの間の摂動パターンのを計算する工程と、前記
    計算された摂動パターンの共分散行列 C_p(i)を推定す
    る工程と、前記２つの共分散行列 C_s,C_p(i)を同時に
    対角化し、それぞれ新たに行列D_s(i), D_p(i)を生成す
    るための同時対角化行列Ｈｉを計算する工程と、前記対
    角化された共分散行列 D_s(i), D_p(i)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Ｌｉを計算する工程と、前記行
    列Ｈｉと前記行列Ｌｉの積から特徴抽出行列Ｆｉを計算
    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】 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及びセットＢ１のパ
    ターンセットから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Ｂ１の
    それぞれの要素Ｂ１ｉ 毎に、パターンセットＡ１の中
    の対応するパターンの集合｛ Ａ１ｊ（ｉ）｝とＢ１ｉ
    との間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、これらＢｌｉ毎の摂動からセットＡとセッ
    トＢの間の平均的摂動分布を求め、パターンの分布と前
    記平均的摂動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、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Ｆ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Ｂ１のそれぞ
    れの要素 Ｂ１ｉ 毎に、パターンセットＡ１の中の対応
    するパターンの集合｛ Ａ１ｊ（ｉ）｝とＢ１ｉ との間
    の摂動パターンを計算する工程と、これらＢｌｉ毎の摂
    動パターンからセットＡとセットＢの間の平均的摂動分
    布を計算する工程と、前記計算された平均的摂動分布の
    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請求項３記載のパターン照合方
    法。
  5. 【請求項５】 ２つのプロセスで獲得したパターンの集
    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Ｂ１のそれぞれの要素 Ｂ１ｉ 毎にパターンセットＡ
    １の中のＢ１ｉに対応するパターンの集合｛ Ａ１ｊ
    （ｉ）｝とＢ１ｉ との間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Ｂ１
    ｉのパターン摂動の分布の交わりの体積を最小化する特
    徴抽出行列Ｆｉを求め、教示用パターンセットＢ１のそ
    れぞれのパターンＢ１ｉに対して、特徴抽出行列Ｆｉを
    用いて特徴量ｆＢ１ｉを計算し、これら特徴量の集合
    ｛ｆＢ１ｉ｝を保持するデータベースＦＢ１と前記特徴
    抽出行列Ｆｉの集合｛Ｆｉ｝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Ａ２ｊ
    から前記特徴抽出行列Ｆｉを用いて特徴量ｆＡ２ｊｉを
    抽出し、前記参照データベースＦＢ１に保存された特徴
    量ｆＢ１ｉの集合｛ｆＢ１ｉ｝の中から前記入力された
    パターンの特徴量ｆＡ２ｊｉに最も類似した特徴量の要
    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Ｂ１のそれぞれの要
    素Ｂ１ｉ毎にパターンセットＡ１の中のＢ１ｉに対応す
    るパターンの集合｛ Ａ１ｊ（ｉ）｝とＢ１ｉ との間の
    摂動の分布と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(i) 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(i) を同時に対角化し、そ
    れぞれ新たに行列D_s(i), D_p(i)を生成するための同時
    対角化行列Ｈｉ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(i), D_p(i)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Ｌｉ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Ｈｉと前記再振
    幅変換行列計算手段が出力した行列Ｌｉから特徴抽出行
    列Ｆｉの積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請求項５記載のパターン認識装置。
  7. 【請求項７】 ２つのプロセスで獲得したパターンの集
    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Ｂ１のそれぞれの要素 Ｂ１ｉ 毎にパターンセットＡ
    １の中のＢ１ｉに対応するパターンの集合｛ Ａ１ｊ
    （ｉ）｝とＢ１ｉ との間の摂動から計算される統計量
    を基にした摂動のの分布を求め、これらＢｌｉ毎の摂動
    からセットＡとセットＢの間の平均的摂動分布を求め、
    パターンの分布と前記平均的摂動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
    を判定する同一性判定手段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Ｂ１のそれぞれ
    の要素Ｂ１ｉ毎にパターンセットＡ１の中のＢ１ｉに対
    応するパターンの集合｛ Ａ１ｊ（ｉ）｝とＢ１ｉ との
    間の摂動の分布と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Ｂ１ｉ毎
    の摂動パターンからセットＡとセットＢの間の平均的摂
    動分布を計算し、その平均的摂動分布の共分散行列 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、２つのプロセ
    スで獲得したパターンの集合であるパターンセットＡ１
    とＢ１から、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Ｂ１のそれぞ
    れの要素Ｂ１ｉ毎にパターンセットＡ１の中のＢ１ｉに
    対応するパターンの集合｛ Ａ１ｊ（ｉ）｝とＢ１ｉ と
    の間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、パターン分布と摂動パターンの分布の交わり
    の体積を最小化する特徴抽出行列Ｆｉ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Ｂ１ｉに対し
    て、特徴抽出行列Ｆｉを用いて特徴量ｆＢ１ｉを計算
    し、これら特徴量ｆＢ１ｉの集合である参照データベー
    スＦＢ１と前記特徴抽出行列の集合｛Ｆｉ｝を予め保存
    しておき、入力されたパターンＡ２ｊから前記特徴抽出
    行列Ｆｉを用いて特徴量ｆＡ２ｊｉを抽出し、前記参照
    データベースＦＢ１に保存された特徴量ｆＢ１ｉの集合
    ｛ｆＢ１ｉ｝の中から前記入力されたパターンの特徴量
    ｆＡ２ｊｉに最も類似した特徴量の要素を認識結果とし
    て出力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、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及びセットＢ１のパターンセットから、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Ｂ１のそれぞれの要素Ｂ１ｉ毎に
    パターンセットＡ１の中のＢ１ｉに対応するパターンの
    集合｛Ａ１ｊ（ｉ）｝とＢ１ｉ との間の摂動から計算
    される統計量を基にした摂動の分布とを求め、前記Ｂ１
    ｉ毎の摂動パターンからセットＡとセットＢの間の平均
    的摂動分布を求め、パターンの分布と平均的摂動分布の
    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、入力された２つのパターン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
    照合プログラムを記録した記録媒体。
JP20157398A 1998-03-19 1998-07-16 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 Expired - Fee Related JP3322216B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP20157398A JP3322216B2 (ja) 1998-07-16 1998-07-16 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
JP20157398A JP3322216B2 (ja) 1998-07-16 1998-07-16 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
JP2000036045A JP2000036045A (ja) 2000-02-02
JP3322216B2 true JP3322216B2 (ja) 2002-09-09

Family

ID=16443309

Family Applications (1)

Application Number Title Priority Date Filing Date
JP20157398A Expired - Fee Related JP3322216B2 (ja) 1998-03-19 1998-07-16 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) JP3322216B2 (ja)

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
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
JP2000036045A (ja) 2000-02-02

Similar Documents

Publication Publication Date Title
US6430307B1 (en) Feature extraction system and face image recognition system
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
US5901244A (en) Feature extraction system and face image recognition system
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
WO2008015586A2 (en) Face recognition with combined pca-based datasets
JP4511135B2 (ja) データ分布を表現する方法、データ要素を表現する方法、データ要素の記述子、照会データ要素を照合または分類する方法、その方法を実行するように設定した装置、コンピュータプログラム並びにコンピュータ読み取り可能な記憶媒体
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
JP3729581B2 (ja) パターン認識・照合装置
US7330591B2 (en) Apparatus for generating a pattern recognition dictionary, a method thereof, a pattern recognition apparatus and a method thereof
US6865296B2 (en) Pattern recognition method, pattern check method and pattern recognition apparatus as well as pattern check apparatus using the same methods
JPH1185988A (ja) 顔画像認識システム
US20080019595A1 (en) System And Method For Identifying Patterns
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
CN110633631A (zh) 一种基于部件幂集和多尺度特征的行人重识别方法
CN107798282B (zh) 一种活体人脸的检测方法和装置
CN112329890B (zh) 图像处理方法及装置、电子设备及存储介质
JP4219151B2 (ja) 画像照合装置、画像照合方法および画像照合プログラム
Geetha et al. 3D face recognition using Hadoop
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
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
WO2006030687A1 (ja) データ照合システム、データ照合装置、及びデータ照合方法
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