JP3422787B1 - 画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、音声の類似度検出方法及びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法 - Google Patents

画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、音声の類似度検出方法及びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法

Info

Publication number
JP3422787B1
JP3422787B1 JP2002068231A JP2002068231A JP3422787B1 JP 3422787 B1 JP3422787 B1 JP 3422787B1 JP 2002068231 A JP2002068231 A JP 2002068231A JP 2002068231 A JP2002068231 A JP 2002068231A JP 3422787 B1 JP3422787 B1 JP 3422787B1
Authority
JP
Japan
Prior art keywords
value
component
pattern
standard
matrix
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
JP2002068231A
Other languages
English (en)
Other versions
JP2003271184A (ja
Inventor
教博 神内
Original Assignee
株式会社エントロピーソフトウェア研究所
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 株式会社エントロピーソフトウェア研究所 filed Critical 株式会社エントロピーソフトウェア研究所
Priority to JP2002068231A priority Critical patent/JP3422787B1/ja
Priority to CA002422003A priority patent/CA2422003C/en
Priority to US10/386,662 priority patent/US7194133B2/en
Priority to AU2003201379A priority patent/AU2003201379B2/en
Priority to EP03005733A priority patent/EP1349144A3/en
Application granted granted Critical
Publication of JP3422787B1 publication Critical patent/JP3422787B1/ja
Publication of JP2003271184A publication Critical patent/JP2003271184A/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/06—Decision making techniques; Pattern matching strategies
    • G10L17/08—Use of distortion metrics or a particular distance between probe pattern and reference templates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/10—Speech classification or search using distance or distortion measures between unknown speech and reference templates

Abstract

【要約】 【課題】 画像等の正確な類似度検出値を得る方法を提
供する。 【解決手段】 画像の特徴量を成分とする標準及び入力
パターン原始行列を作成し(Sb1,Sb3)、基準形状より成
る基準パターンベクトルの尖度の変化率の値を成分とす
る加重ベクトルを作成し、加重ベクトルの成分値と標準
パターン原始行列の成分値との積和演算により標準パタ
ーン原始加重行列を算出し(Sb2)、同加重ベクトルの成
分値と入力パターン原始行列の成分値との積和演算によ
り入力パターン原始加重行列を算出し(Sb4)、標準及び
入力パターン原始加重行列間の角度の余弦として標準及
び入力パターン原始行列間の形状距離値を算出する(Sb
5)。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、標準情報と入力情
報との間の類似度を検出する方法と、その類似度検出値
を用いて入力情報が標準情報であるか否かの認識、ある
いは、入力情報が異常であるか否かの判定を行う方法に
関する。より詳しくは、本発明は、文字や模様について
標準画像と入力画像との間の類似度を検出する方法と、
その類似度検出値を用いて画像を認識する方法に関し、
また、人間が発声する音声についての音声の類似度検出
方法と、その類似度検出値を用いて音声を認識する方法
に関し、そして、運転中の設備等が発する音や振動につ
いての振動波の類似度検出方法と、その類似度検出値に
基づいて機械の異常を判定する方法にも関する。また、
動画像の類似度検出方法と、その類似度検出値を用いて
動画像を認識する方法に関し、そして、立体の類似度検
出方法と、その類似度検出値を用いて立体を認識する方
法にも関する。
【０００２】
【従来の技術】文字や模様などの画像をコンピュータが
自動認識する画像認識装置においては、予めコンピュー
タに登録した既知の画像を標準画像とし、新たにコンピ
ュータに入力した未知の画像を入力画像としたとき、標
準画像と入力画像との間の類似度を検出し、その類似度
の検出値により入力画像を認識する手段が装備されてい
る。
【０００３】［従来技術」：標準音声と入力音声間等の
類似度を形状距離として検出する技術として、特開平１
０−２５３４４４号公報（特願平９−６１００７号：発
明の名称：異常音の検出方法及びその検出値を用いた機
械の異常判定方法、並びに、振動波の類似度検出方法及
びその検出値を用いた音声認識方法）が知られている。
以下、これを従来技術と呼ぶ。 ［関連技術」出願人は、標準情報と入力情報との間の類
似度を形状距離として検出する改良された技術として、
特願２０００−２７７７４９号（発明の名称：音声の類
似度検出方法及びその検出値を用いた音声認識方法、並
びに、振動波の類似度検出方法及びその検出値を用いた
機械の異常判定方法、並びに、画像の類似度検出方法及
びその検出値を用いた画像認識方法、並びに、立体の類
似度検出方法及びその検出値を用いた立体認識方法、並
びに、動画像の類似度検出方法及びその検出値を用いた
動画像認識方法）を特許出願している。以下、特願２０
００−２７７７４９号は未だ公開されてなく、公知の先
行技術ではないので、関連技術と呼ぶ。関連技術（特願
２０００−２７７７４９号）における画像の類似度検出
方法では、標準画像の濃度などの特徴量を成分とする標
準パターン行列を予め登録しておき、入力画像の特徴量
を成分とする入力パターン行列を作成し、標準パターン
行列と入力パターン行列との間の形状距離を算出する方
法を採っている。また、関連技術の画像認識方法では、
上記形状距離の算出値と任意に設定した許容値とを比較
して画像の認識を行う方法を採っている。
【０００４】即ち、関連技術（特願２０００−２７７７
４９号）の方法は、第１に、文字などの２値画像であっ
ても一律に、各画素の濃度を全画素の濃度の合計で除算
して各画素の正規化濃度とするものであり、それを用い
て標準パターン行列と入力パターン行列とを作成し、標
準パターン行列と入力パターン行列との類似の程度を形
状距離値として検出している。
【０００５】更に、第２に、関連技術（特願２０００−
２７７７４９号）の方法では、パターン行列の指定成分
と各成分との間の長さの最大値を、定数１．４で除算し
た比の値の２乗を以て、正規分布の分散の値としてい
る。また、基準パターンベクトルのすべての成分番号に
それぞれ定数１の重みをつけ、標準パターン行列の成分
値と入力パターン行列の成分値との間の変化量の絶対値
を、基準パターンベクトルの成分番号にかかわらず、そ
のまま基準パターンベクトルの増加量に置き換えてい
る。即ち、固定的な分散の値をもつ正規分布を用いて基
準パターンベクトルを作成し、また、固定的な重みの値
をもつ増加手段を用いて基準パターンベクトルを増加さ
せている。
【０００６】
【発明が解決しようとする課題】ところが、第１に、２
値画像を扱う手書き文字認識においては、一般に、同じ
文字であっても筆記ごとに文字部分の画素数が異なる画
像が多く出現し、このような２値画像を全画素の濃度の
合計で正規化した場合には画像ごとに文字部分の正規化
濃度が異なる値になり、このことが画像の類似度検出を
不正確にする要因となっている。
【０００７】例えば、図７１（ａ）は、アルファベット
“Ｅ”の２値画像の２つの例であり、これらを標準画像
３１及び入力画像３２としたものである。また、図７１
（ｂ）は、標準画像３１及び入力画像３２において文字
部分の濃度を１、背景部分の濃度を０とし、この濃度を
成分とする標準パターン原始行列３１Ａｏ及び入力パタ
ーン原始行列３２Ａｏを作成したものである。ここで、
標準パターン原始行列３１Ａｏ及び入力パターン原始行
列３２Ａｏの全画素の濃度の合計はそれぞれ２８及び３
０である。また、図７１（ｃ）は、標準パターン原始行
列３１Ａｏ及び入力パターン原始行列３２Ａｏにおいて
各画素の濃度を全画素の濃度の合計で除算して各画素の
正規化濃度とし、この正規化濃度を成分とする標準パタ
ーン行列３１Ａ及び入力パターン行列３２Ａを作成した
ものである。
【０００８】図７１（ａ）において、例えば、標準画像
３１の第１行・第１列の濃度と入力画像３２の第１行・
第１列の濃度は同じであるが、図７１（ｃ）では、標準
パターン行列３１Ａの第１行・第１列の正規化濃度は１
／２８（＝ε）になり、入力パターン行列３２Ａの第１
行・第１列の正規化濃度は１／３０（＝ζ）になる。従
って、標準パターン行列３１Ａの成分値ｈ１１と入力パ
ターン行列３２Ａの成分値ｎ１１との間の変化量の絶対
値｜ｎ１１−ｈ１１｜に、０でない値が現われる。この
ように画像の濃度パターンを全画素の濃度の合計で正規
化した場合、標準画像と入力画像の同じ位置で、かつ、
同じ濃度の部分において、標準パターン行列の成分値と
入力パターン行列の成分値との間に変化量が現われるこ
とになり、このため形状距離値に誤差を生じさせること
になる。
【０００９】上記の問題に対処するため、関連技術（特
願２０００−２７７７４９号）の代わりに、各画素の濃
度を全画素の濃度の最大値で除算して各画素の正規化濃
度とする方法が考えられる。この場合には、２値画像の
文字部分の正規化濃度は１、背景部分の正規化濃度は０
になり、従って、図７１（ｃ）において、標準パターン
行列３１Ａの成分値ｈ１１と入力パターン行列３２Ａの
成分値ｎ１１との間の変化量の絶対値｜ｎ１１−ｈ１１
｜は０になる。このように２値画像の場合には、画像の
濃度パターンを全画素の濃度の最大値で正規化すれば、
上記の問題が改善できると考えられる。
【００１０】しかしながら、２値画像、及び、それ以外
の画像が混在する画像認識においては、一般に、入力画
像が２値画像、または、それ以外の画像のどちらである
か予め分かっていないことが多く、このような場合に
は、画像の濃度パターンを全画素の濃度の最大値で正規
化する方法、または、全画素の濃度の合計で正規化する
方法のどちらを用いて入力画像を処理すべきか判断でき
ないことになる。
【００１１】第２に、手書き文字認識においては、同じ
文字であっても筆記ごとに変形した文字が出現するた
め、通常、多数の人間が同じ文字を繰り返し筆記して、
各文字ごとに複数個の標準画像を登録する方法が採られ
ている。
【００１２】例えば、図７２は、アルファベット“Ｅ”
の２値画像の２つの例、及び、アルファベット“Ｆ”の
２値画像の２つの例であり、これらをそれぞれ“Ｅ”の
標準画像３３、３４、及び、“Ｆ”の標準画像３５、３
６としたものである。アルファベット“Ｅ”とアルファ
ベット“Ｆ”はカテゴリが異なる。また、図７２では、
各標準画像間の形状距離をｄ３３−３４、ｄ３５−３
６、ｄ３３−３５、ｄ３３−３６、ｄ３４−３５、ｄ３
４−３６として模式的に示している。但し、実線矢印で
示すｄ３３−３４は同じカテゴリ“Ｅ”の標準画像３
３、３４間の形状距離であり、実線矢印で示すｄ３５−
３６は同じカテゴリ“Ｆ”の標準画像３５、３６間の形
状距離である。破線矢印で示すｄ３３−３５、ｄ３３−
３６は異なるカテゴリ“Ｅ”の標準画像３３と“Ｆ”の
標準画像３５、３６間の形状距離であり、破線矢印で示
すｄ３４−３５、ｄ３４−３６は異なるカテゴリ“Ｅ”
の標準画像３４と“Ｆ”の標準画像３５、３６間の形状
距離である。
【００１３】ここで、同じカテゴリの標準画像間の距離
が近くなり、同時に、異なるカテゴリの標準画像間の距
離が遠くなるようにできれば、結果として、同じカテゴ
リの標準画像と異なるカテゴリの標準画像の分離が良く
なり、入力画像が与えられたときの認識性能が向上す
る。
【００１４】ところが、関連技術（特願２０００−２７
７７４９号）の方法では、固定的な分散の値をもつ正規
分布を用いて基準パターンベクトルを作成し、また、固
定的な重みの値をもつ増加手段を用いて基準パターンベ
クトルを増加させるため、同じカテゴリの標準画像と異
なるカテゴリの標準画像の分離が固定化され、入力画像
が与えられたときの認識性能を向上することができな
い。
【００１５】上記第１、第２の課題に示すように、関連
技術（特願２０００−２７７７４９号）の画像の類似度
検出方法では、画像の類似度を正確に検出することがで
きず、画像を認識する上で十分に満足のいく精度が得ら
れないという問題がある。
【００１６】本発明は、上記問題を解決するためになさ
れたものであり、第１の目的は標準パターン行列と入力
パターン行列（或いは、それらが正規化される前のパタ
ーン行列である、標準パターン原始行列と入力パターン
原始行列）から、２つのパターン行列間（或いはパター
ン原始行列間）の正確な形状距離値を求めることができ
る画像の類似度検出方法を提供することにある。また、
本発明の第２の目的は画像の類似度検出値から高い精度
で画像認識を行うことができる方法を提供することにあ
る。
【００１７】また、本発明の第３の目的は標準パターン
行列と入力パターン行列（或いは標準パターン原始行列
と入力パターン原始行列）から、２つのパターン行列間
（或いはパターン原始行列間）の正確な形状距離値を求
めることができる音声の類似度検出方法を提供すること
にある。また、本発明の第４の目的は音声の類似度検出
値から高い精度で音声認識を行うことができる方法を提
供することにある。
【００１８】本発明の第５の目的は標準パターン行列と
入力パターン行列（或いは標準パターン原始行列と入力
パターン原始行列）から、２つのパターン行列間（或い
はパターン原始行列間）の正確な形状距離値を求めるこ
とができる振動波の類似度検出方法を提供することにあ
る。また、本発明の第６の目的は振動波の類似度検出値
から高い精度で機械の異常判定を行うことができる判定
方法を提供することにある。
【００１９】本発明の第７の目的は標準パターン行列層
と入力パターン行列層（或いは標準パターン原始行列層
と入力パターン原始行列層）から、２つのパターン行列
層間（或いはパターン原始行列層間）の正確な形状距離
値を求めることができる動画像の類似度検出方法を提供
することにある。また、本発明の第８の目的は動画像の
類似度検出値から高い精度で動画像認識を行うことがで
きる方法を提供することにある。
【００２０】本発明の第９の目的は標準パターン行列層
と入力パターン行列層（或いは標準パターン原始行列層
と入力パターン原始行列層）から、２つのパターン行列
層間（或いはパターン原始行列層間）の正確な形状距離
値を求めることができる立体の類似度検出方法を提供す
ることにある。また、本発明の第１０の目的は立体の類
似度検出値から高い精度で立体認識を行うことができる
方法を提供することにある。
【００２１】本発明の第１１の目的は標準パターンベク
トルと入力パターンベクトル（或いは標準パターン原始
ベクトルと入力パターン原始ベクトル）から、２つのパ
ターンベクトル間（或いはパターン原始ベクトル間）の
正確な形状距離値を求めることができる音声の類似度検
出方法を提供することにある。また、本発明の第１２の
目的は音声の類似度検出値から高い精度で音声認識を行
うことができる方法を提供することにある。
【００２２】本発明の第１３の目的は標準パターンベク
トルと入力パターンベクトル（或いは標準パターン原始
ベクトルと入力パターン原始ベクトル）から、２つのパ
ターンベクトル間（或いはパターン原始ベクトル間）の
正確な形状距離値を求めることができる振動波の類似度
検出方法を提供することにある。また、本発明の第１４
の目的は振動波の類似度検出値から高い精度で機械の異
常判定を行うことができる判定方法を提供することにあ
る。
【００２３】なお、本発明は、関連技術（特願２０００
−２７７７４９号）、並びに、従来技術（特開平１０−
２５３４４４号公報）において説明されている形状距離
値の算出方法を改良したものである。
【００２４】
【課題を解決するための手段】上記の課題を解決するた
め、第１発明は画像の類似度検出方法であり、（ａ）標
準画像の特徴量を成分とする標準パターン行列と、入力
画像の特徴量を成分とする入力パターン行列とを作成す
ること、（ｂ）パターン行列の指定成分ごとに異なる分
散の値を持つ、正規分布や矩形など任意の基準形状を作
成し、上記基準形状の値を成分とする基準パターンベク
トルを作成し、上記基準パターンベクトルの尖度の変化
率の値を成分とする加重ベクトルを作成すること、
（ｃ）標準パターン行列の指定成分と各成分との間の長
さを求め、加重ベクトルの中心から上記長さだけ離れた
位置に最も近い加重ベクトルの成分番号を算出し、加重
ベクトルの上記成分番号の成分値と標準パターン行列の
各成分の成分値との積の値を求め、上記積の値を標準パ
ターン行列の各成分について加算した積和値を算出する
こと、（ｄ）上記積和値を算出するに際し、標準パター
ン行列の指定成分を各成分の位置に移動しながら積和値
を求め、上記積和値を指定成分の成分値とする標準パタ
ーン加重行列を作成すること、（ｅ）入力パターン行列
の指定成分と各成分との間の長さを求め、加重ベクトル
の中心から上記長さだけ離れた位置に最も近い加重ベク
トルの成分番号を算出し、加重ベクトルの上記成分番号
の成分値と入力パターン行列の各成分の成分値との積の
値を求め、上記積の値を入力パターン行列の各成分につ
いて加算した積和値を算出すること、（ｆ）上記積和値
を算出するに際し、入力パターン行列の指定成分を各成
分の位置に移動しながら積和値を求め、上記積和値を指
定成分の成分値とする入力パターン加重行列を作成する
こと、（ｇ）標準パターン加重行列と入力パターン加重
行列の各成分ごとの差の値の２乗和、あるいは同２乗和
の平方根を、標準パターン行列と入力パターン行列との
間の形状距離値とすることを特徴とする。
【００２５】第２発明の画像の類似度検出方法は、第１
発明における前記加重ベクトルに代えて、同じカテゴリ
の標準画像間の形状距離平均値を、異なるカテゴリの標
準画像間の形状距離平均値で除算した平均値の比の値を
求め、上記平均値の比の値を最小にする加重係数の値を
成分とする加重ベクトルを作成することを特徴とする。
【００２６】また、第３発明は画像認識方法であり、第
１発明と第２発明いずれかの画像の類似度検出方法で、
標準画像の特徴量を成分とする標準パターン行列と入力
画像の特徴量を成分とする入力パターン行列との間の形
状距離を求め、求めた形状距離値と任意に設定した許容
値を比較し、形状距離値が許容値より大きいとき入力画
像は標準画像でないと判定し、形状距離値が許容値以下
のとき入力画像が標準画像であると判定することを特徴
とする。
【００２７】次に、第４発明は他の画像の類似度検出方
法であり、（ａ）標準画像の特徴量を成分とする標準パ
ターン原始行列と、入力画像の特徴量を成分とする入力
パターン原始行列とを作成すること、（ｂ）パターン原
始行列の指定成分ごとに異なる分散の値を持つ、正規分
布や矩形など任意の基準形状を作成し、上記基準形状の
値を成分とする基準パターンベクトルを作成し、上記基
準パターンベクトルの尖度の変化率の値を成分とする加
重ベクトルを作成すること、（ｃ）標準パターン原始行
列の指定成分と各成分との間の長さを求め、加重ベクト
ルの中心から上記長さだけ離れた位置に最も近い加重ベ
クトルの成分番号を算出し、加重ベクトルの上記成分番
号の成分値と標準パターン原始行列の各成分の成分値と
の積の値を求め、上記積の値を標準パターン原始行列の
各成分について加算した積和値を算出すること、（ｄ）
上記積和値を算出するに際し、標準パターン原始行列の
指定成分を各成分の位置に移動しながら積和値を求め、
上記積和値を指定成分の成分値とする標準パターン原始
加重行列を作成すること、（ｅ）入力パターン原始行列
の指定成分と各成分との間の長さを求め、加重ベクトル
の中心から上記長さだけ離れた位置に最も近い加重ベク
トルの成分番号を算出し、加重ベクトルの上記成分番号
の成分値と入力パターン原始行列の各成分の成分値との
積の値を求め、上記積の値を入力パターン原始行列の各
成分について加算した積和値を算出すること、（ｆ）上
記積和値を算出するに際し、入力パターン原始行列の指
定成分を各成分の位置に移動しながら積和値を求め、上
記積和値を指定成分の成分値とする入力パターン原始加
重行列を作成すること、（ｇ）標準パターン原始加重行
列と入力パターン原始加重行列の各成分ごとの積の和の
値を、標準パターン原始加重行列の各成分の２乗和の平
方根と入力パターン原始加重行列の各成分の２乗和の平
方根で除算した比の値を以て、標準パターン原始行列と
入力パターン原始行列との間の形状距離値とすることを
特徴とする。
【００２８】第５発明の画像の類似度検出方法は、第４
発明における前記加重ベクトルに代えて、同じカテゴリ
の標準画像間の形状距離平均値から、異なるカテゴリの
標準画像間の形状距離平均値を減算した平均値の差の値
を求め、上記平均値の差の値を最大にする加重係数の値
を成分とする加重ベクトルを作成することを特徴とす
る。
【００２９】また、第６発明は画像認識方法であり、第
４発明と第５発明いずれかの画像の類似度検出方法で、
標準画像の特徴量を成分とする標準パターン原始行列と
入力画像の特徴量を成分とする入力パターン原始行列と
の間の形状距離を求め、求めた形状距離値と任意に設定
した許容値を比較し、形状距離値が許容値より小さいと
き入力画像は標準画像でないと判定し、形状距離値が許
容値以上のとき入力画像が標準画像であると判定するこ
とを特徴とする。
【００３０】次に、第７発明は音声の類似度検出方法で
あり、（ａ）標準音声の特徴量を成分とする標準パター
ン行列と、入力音声の特徴量を成分とする入力パターン
行列とを作成すること、（ｂ）パターン行列の指定成分
ごとに異なる分散の値を持つ、正規分布や矩形など任意
の基準形状を作成し、上記基準形状の値を成分とする基
準パターンベクトルを作成し、上記基準パターンベクト
ルの尖度の変化率の値を成分とする加重ベクトルを作成
すること、（ｃ）標準パターン行列の指定成分と各成分
との間の長さを求め、加重ベクトルの中心から上記長さ
だけ離れた位置に最も近い加重ベクトルの成分番号を算
出し、加重ベクトルの上記成分番号の成分値と標準パタ
ーン行列の各成分の成分値との積の値を求め、上記積の
値を標準パターン行列の各成分について加算した積和値
を算出すること、（ｄ）上記積和値を算出するに際し、
標準パターン行列の指定成分を各成分の位置に移動しな
がら積和値を求め、上記積和値を指定成分の成分値とす
る標準パターン加重行列を作成すること、（ｅ）入力パ
ターン行列の指定成分と各成分との間の長さを求め、加
重ベクトルの中心から上記長さだけ離れた位置に最も近
い加重ベクトルの成分番号を算出し、加重ベクトルの上
記成分番号の成分値と入力パターン行列の各成分の成分
値との積の値を求め、上記積の値を入力パターン行列の
各成分について加算した積和値を算出すること、（ｆ）
上記積和値を算出するに際し、入力パターン行列の指定
成分を各成分の位置に移動しながら積和値を求め、上記
積和値を指定成分の成分値とする入力パターン加重行列
を作成すること、（ｇ）標準パターン加重行列と入力パ
ターン加重行列の各成分ごとの差の値の２乗和、あるい
は同２乗和の平方根を、標準パターン行列と入力パター
ン行列との間の形状距離値とすることを特徴とする。
【００３１】第８発明の音声の類似度検出方法は、第７
発明における前記加重ベクトルに代えて、同じカテゴリ
の標準音声間の形状距離平均値を、異なるカテゴリの標
準音声間の形状距離平均値で除算した平均値の比の値を
求め、上記平均値の比の値を最小にする加重係数の値を
成分とする加重ベクトルを作成することを特徴とする。
【００３２】また、第９発明は音声認識方法であり、第
７発明と第８発明いずれかの音声の類似度検出方法で、
標準音声の特徴量を成分とする標準パターン行列と入力
音声の特徴量を成分とする入力パターン行列との間の形
状距離を求め、求めた形状距離値と任意に設定した許容
値を比較し、形状距離値が許容値より大きいとき入力音
声は標準音声でないと判定し、形状距離値が許容値以下
のとき入力音声が標準音声であると判定することを特徴
とする。
【００３３】次に、第１０発明は他の音声の類似度検出
方法であり、（ａ）標準音声の特徴量を成分とする標準
パターン原始行列と、入力音声の特徴量を成分とする入
力パターン原始行列とを作成すること、（ｂ）パターン
原始行列の指定成分ごとに異なる分散の値を持つ、正規
分布や矩形など任意の基準形状を作成し、上記基準形状
の値を成分とする基準パターンベクトルを作成し、上記
基準パターンベクトルの尖度の変化率の値を成分とする
加重ベクトルを作成すること、（ｃ）標準パターン原始
行列の指定成分と各成分との間の長さを求め、加重ベク
トルの中心から上記長さだけ離れた位置に最も近い加重
ベクトルの成分番号を算出し、加重ベクトルの上記成分
番号の成分値と標準パターン原始行列の各成分の成分値
との積の値を求め、上記積の値を標準パターン原始行列
の各成分について加算した積和値を算出すること、
（ｄ）上記積和値を算出するに際し、標準パターン原始
行列の指定成分を各成分の位置に移動しながら積和値を
求め、上記積和値を指定成分の成分値とする標準パター
ン原始加重行列を作成すること、（ｅ）入力パターン原
始行列の指定成分と各成分との間の長さを求め、加重ベ
クトルの中心から上記長さだけ離れた位置に最も近い加
重ベクトルの成分番号を算出し、加重ベクトルの上記成
分番号の成分値と入力パターン原始行列の各成分の成分
値との積の値を求め、上記積の値を入力パターン原始行
列の各成分について加算した積和値を算出すること、
（ｆ）上記積和値を算出するに際し、入力パターン原始
行列の指定成分を各成分の位置に移動しながら積和値を
求め、上記積和値を指定成分の成分値とする入力パター
ン原始加重行列を作成すること、（ｇ）標準パターン原
始加重行列と入力パターン原始加重行列の各成分ごとの
積の和の値を、標準パターン原始加重行列の各成分の２
乗和の平方根と入力パターン原始加重行列の各成分の２
乗和の平方根で除算した比の値を以て、標準パターン原
始行列と入力パターン原始行列との間の形状距離値とす
ることを特徴とする。
【００３４】第１１発明の音声の類似度検出方法は、第
１０発明における前記加重ベクトルに代えて、同じカテ
ゴリの標準音声間の形状距離平均値から、異なるカテゴ
リの標準音声間の形状距離平均値を減算した平均値の差
の値を求め、上記平均値の差の値を最大にする加重係数
の値を成分とする加重ベクトルを作成することを特徴と
する。
【００３５】また、第１２発明は音声認識方法であり、
第１０発明と第１１発明いずれかの音声の類似度検出方
法で、標準音声の特徴量を成分とする標準パターン原始
行列と入力音声の特徴量を成分とする入力パターン原始
行列との間の形状距離を求め、求めた形状距離値と任意
に設定した許容値を比較し、形状距離値が許容値より小
さいとき入力音声は標準音声でないと判定し、形状距離
値が許容値以上のとき入力音声が標準音声であると判定
することを特徴とする。
【００３６】次に、第１３発明は振動波の類似度検出方
法であり、（ａ）標準振動波の特徴量を成分とする標準
パターン行列と、入力振動波の特徴量を成分とする入力
パターン行列とを作成すること、（ｂ）パターン行列の
指定成分ごとに異なる分散の値を持つ、正規分布や矩形
など任意の基準形状を作成し、上記基準形状の値を成分
とする基準パターンベクトルを作成し、上記基準パター
ンベクトルの尖度の変化率の値を成分とする加重ベクト
ルを作成すること、（ｃ）標準パターン行列の指定成分
と各成分との間の長さを求め、加重ベクトルの中心から
上記長さだけ離れた位置に最も近い加重ベクトルの成分
番号を算出し、加重ベクトルの上記成分番号の成分値と
標準パターン行列の各成分の成分値との積の値を求め、
上記積の値を標準パターン行列の各成分について加算し
た積和値を算出すること、（ｄ）上記積和値を算出する
に際し、標準パターン行列の指定成分を各成分の位置に
移動しながら積和値を求め、上記積和値を指定成分の成
分値とする標準パターン加重行列を作成すること、
（ｅ）入力パターン行列の指定成分と各成分との間の長
さを求め、加重ベクトルの中心から上記長さだけ離れた
位置に最も近い加重ベクトルの成分番号を算出し、加重
ベクトルの上記成分番号の成分値と入力パターン行列の
各成分の成分値との積の値を求め、上記積の値を入力パ
ターン行列の各成分について加算した積和値を算出する
こと、（ｆ）上記積和値を算出するに際し、入力パター
ン行列の指定成分を各成分の位置に移動しながら積和値
を求め、上記積和値を指定成分の成分値とする入力パタ
ーン加重行列を作成すること、（ｇ）標準パターン加重
行列と入力パターン加重行列の各成分ごとの差の値の２
乗和、あるいは同２乗和の平方根を、標準パターン行列
と入力パターン行列との間の形状距離値とすることを特
徴とする。
【００３７】第１４発明の振動波の類似度検出方法は、
第１３発明における前記加重ベクトルに代えて、同じカ
テゴリの標準振動波間の形状距離平均値を、異なるカテ
ゴリの標準振動波間の形状距離平均値で除算した平均値
の比の値を求め、上記平均値の比の値を最小にする加重
係数の値を成分とする加重ベクトルを作成することを特
徴とする。
【００３８】また、第１５発明は機械の異常判定方法で
あり、第１３発明と第１４発明いずれかの振動波の類似
度検出方法で、標準振動波の特徴量を成分とする標準パ
ターン行列と入力振動波の特徴量を成分とする入力パタ
ーン行列との間の形状距離を求め、求めた形状距離値と
任意に設定した許容値を比較し、形状距離値が許容値よ
り大きいとき異常と判定し、形状距離値が許容値以下の
とき正常と判定することを特徴とする。
【００３９】次に、第１６発明は他の振動波の類似度検
出方法であり、（ａ）標準振動波の特徴量を成分とする
標準パターン原始行列と、入力振動波の特徴量を成分と
する入力パターン原始行列とを作成すること、（ｂ）パ
ターン原始行列の指定成分ごとに異なる分散の値を持
つ、正規分布や矩形など任意の基準形状を作成し、上記
基準形状の値を成分とする基準パターンベクトルを作成
し、上記基準パターンベクトルの尖度の変化率の値を成
分とする加重ベクトルを作成すること、（ｃ）標準パタ
ーン原始行列の指定成分と各成分との間の長さを求め、
加重ベクトルの中心から上記長さだけ離れた位置に最も
近い加重ベクトルの成分番号を算出し、加重ベクトルの
上記成分番号の成分値と標準パターン原始行列の各成分
の成分値との積の値を求め、上記積の値を標準パターン
原始行列の各成分について加算した積和値を算出するこ
と、（ｄ）上記積和値を算出するに際し、標準パターン
原始行列の指定成分を各成分の位置に移動しながら積和
値を求め、上記積和値を指定成分の成分値とする標準パ
ターン原始加重行列を作成すること、（ｅ）入力パター
ン原始行列の指定成分と各成分との間の長さを求め、加
重ベクトルの中心から上記長さだけ離れた位置に最も近
い加重ベクトルの成分番号を算出し、加重ベクトルの上
記成分番号の成分値と入力パターン原始行列の各成分の
成分値との積の値を求め、上記積の値を入力パターン原
始行列の各成分について加算した積和値を算出するこ
と、（ｆ）上記積和値を算出するに際し、入力パターン
原始行列の指定成分を各成分の位置に移動しながら積和
値を求め、上記積和値を指定成分の成分値とする入力パ
ターン原始加重行列を作成すること、（ｇ）標準パター
ン原始加重行列と入力パターン原始加重行列の各成分ご
との積の和の値を、標準パターン原始加重行列の各成分
の２乗和の平方根と入力パターン原始加重行列の各成分
の２乗和の平方根で除算した比の値を以て、標準パター
ン原始行列と入力パターン原始行列との間の形状距離値
とすることを特徴とする。
【００４０】第１７発明の振動波の類似度検出方法は、
第１６発明における前記加重ベクトルに代えて、同じカ
テゴリの標準振動波間の形状距離平均値から、異なるカ
テゴリの標準振動波間の形状距離平均値を減算した平均
値の差の値を求め、上記平均値の差の値を最大にする加
重係数の値を成分とする加重ベクトルを作成することを
特徴とする。
【００４１】また、第１８発明は機械の異常判定方法で
あり、第１６発明と第１７発明いずれかの振動波の類似
度検出方法で、標準振動波の特徴量を成分とする標準パ
ターン原始行列と入力振動波の特徴量を成分とする入力
パターン原始行列との間の形状距離を求め、求めた形状
距離値と任意に設定した許容値を比較し、形状距離値が
許容値より小さいとき異常と判定し、形状距離値が許容
値以上のとき正常と判定することを特徴とする。
【００４２】次に、第１９発明は動画像の類似度検出方
法であり、（ａ）標準動画像の特徴量を成分とする標準
パターン行列層と、入力動画像の特徴量を成分とする入
力パターン行列層とを作成すること、（ｂ）パターン行
列層の指定成分ごとに異なる分散の値を持つ、正規分布
や矩形など任意の基準形状を作成し、上記基準形状の値
を成分とする基準パターンベクトルを作成し、上記基準
パターンベクトルの尖度の変化率の値を成分とする加重
ベクトルを作成すること、（ｃ）標準パターン行列層の
指定成分と各成分との間の長さを求め、加重ベクトルの
中心から上記長さだけ離れた位置に最も近い加重ベクト
ルの成分番号を算出し、加重ベクトルの上記成分番号の
成分値と標準パターン行列層の各成分の成分値との積の
値を求め、上記積の値を標準パターン行列層の各成分に
ついて加算した積和値を算出すること、（ｄ）上記積和
値を算出するに際し、標準パターン行列層の指定成分を
各成分の位置に移動しながら積和値を求め、上記積和値
を指定成分の成分値とする標準パターン加重行列層を作
成すること、（ｅ）入力パターン行列層の指定成分と各
成分との間の長さを求め、加重ベクトルの中心から上記
長さだけ離れた位置に最も近い加重ベクトルの成分番号
を算出し、加重ベクトルの上記成分番号の成分値と入力
パターン行列層の各成分の成分値との積の値を求め、上
記積の値を入力パターン行列層の各成分について加算し
た積和値を算出すること、（ｆ）上記積和値を算出する
に際し、入力パターン行列層の指定成分を各成分の位置
に移動しながら積和値を求め、上記積和値を指定成分の
成分値とする入力パターン加重行列層を作成すること、
（ｇ）標準パターン加重行列層と入力パターン加重行列
層の各成分ごとの差の値の２乗和、あるいは同２乗和の
平方根を、標準パターン行列層と入力パターン行列層と
の間の形状距離値とすることを特徴とする。
【００４３】第２０発明の動画像の類似度検出方法は、
第１９発明における前記加重ベクトルに代えて、同じカ
テゴリの標準動画像間の形状距離平均値を、異なるカテ
ゴリの標準動画像間の形状距離平均値で除算した平均値
の比の値を求め、上記平均値の比の値を最小にする加重
係数の値を成分とする加重ベクトルを作成することを特
徴とする。
【００４４】また、第２１発明は動画像認識方法であ
り、第１９発明と第２０発明いずれかの動画像の類似度
検出方法で、標準動画像の特徴量を成分とする標準パタ
ーン行列層と入力動画像の特徴量を成分とする入力パタ
ーン行列層との間の形状距離を求め、求めた形状距離値
と任意に設定した許容値を比較し、形状距離値が許容値
より大きいとき入力動画像は標準動画像でないと判定
し、形状距離値が許容値以下のとき入力動画像が標準動
画像であると判定することを特徴とする。
【００４５】次に、第２２発明は他の動画像の類似度検
出方法であり、（ａ）標準動画像の特徴量を成分とする
標準パターン原始行列層と、入力動画像の特徴量を成分
とする入力パターン原始行列層とを作成すること、
（ｂ）パターン原始行列層の指定成分ごとに異なる分散
の値を持つ、正規分布や矩形など任意の基準形状を作成
し、上記基準形状の値を成分とする基準パターンベクト
ルを作成し、上記基準パターンベクトルの尖度の変化率
の値を成分とする加重ベクトルを作成すること、（ｃ）
標準パターン原始行列層の指定成分と各成分との間の長
さを求め、加重ベクトルの中心から上記長さだけ離れた
位置に最も近い加重ベクトルの成分番号を算出し、加重
ベクトルの上記成分番号の成分値と標準パターン原始行
列層の各成分の成分値との積の値を求め、上記積の値を
標準パターン原始行列層の各成分について加算した積和
値を算出すること、（ｄ）上記積和値を算出するに際
し、標準パターン原始行列層の指定成分を各成分の位置
に移動しながら積和値を求め、上記積和値を指定成分の
成分値とする標準パターン原始加重行列層を作成するこ
と、（ｅ）入力パターン原始行列層の指定成分と各成分
との間の長さを求め、加重ベクトルの中心から上記長さ
だけ離れた位置に最も近い加重ベクトルの成分番号を算
出し、加重ベクトルの上記成分番号の成分値と入力パタ
ーン原始行列層の各成分の成分値との積の値を求め、上
記積の値を入力パターン原始行列層の各成分について加
算した積和値を算出すること、（ｆ）上記積和値を算出
するに際し、入力パターン原始行列層の指定成分を各成
分の位置に移動しながら積和値を求め、上記積和値を指
定成分の成分値とする入力パターン原始加重行列層を作
成すること、（ｇ）標準パターン原始加重行列層と入力
パターン原始加重行列層の各成分ごとの積の和の値を、
標準パターン原始加重行列層の各成分の２乗和の平方根
と入力パターン原始加重行列層の各成分の２乗和の平方
根で除算した比の値を以て、標準パターン原始行列層と
入力パターン原始行列層との間の形状距離値とすること
を特徴とする。
【００４６】第２３発明の動画像の類似度検出方法は、
第２２発明における前記加重ベクトルに代えて、同じカ
テゴリの標準動画像間の形状距離平均値から、異なるカ
テゴリの標準動画像間の形状距離平均値を減算した平均
値の差の値を求め、上記平均値の差の値を最大にする加
重係数の値を成分とする加重ベクトルを作成することを
特徴とする。
【００４７】また、第２４発明は動画像認識方法であ
り、第２２発明と第２３発明いずれかの動画像の類似度
検出方法で、標準動画像の特徴量を成分とする標準パタ
ーン原始行列層と入力動画像の特徴量を成分とする入力
パターン原始行列層との間の形状距離を求め、求めた形
状距離値と任意に設定した許容値を比較し、形状距離値
が許容値より小さいとき入力動画像は標準動画像でない
と判定し、形状距離値が許容値以上のとき入力動画像が
標準動画像であると判定することを特徴とする。
【００４８】次に、第２５発明は立体の類似度検出方法
であり、（ａ）標準立体の特徴量を成分とする標準パタ
ーン行列層と、入力立体の特徴量を成分とする入力パタ
ーン行列層とを作成すること、（ｂ）パターン行列層の
指定成分ごとに異なる分散の値を持つ、正規分布や矩形
など任意の基準形状を作成し、上記基準形状の値を成分
とする基準パターンベクトルを作成し、上記基準パター
ンベクトルの尖度の変化率の値を成分とする加重ベクト
ルを作成すること、（ｃ）標準パターン行列層の指定成
分と各成分との間の長さを求め、加重ベクトルの中心か
ら上記長さだけ離れた位置に最も近い加重ベクトルの成
分番号を算出し、加重ベクトルの上記成分番号の成分値
と標準パターン行列層の各成分の成分値との積の値を求
め、上記積の値を標準パターン行列層の各成分について
加算した積和値を算出すること、（ｄ）上記積和値を算
出するに際し、標準パターン行列層の指定成分を各成分
の位置に移動しながら積和値を求め、上記積和値を指定
成分の成分値とする標準パターン加重行列層を作成する
こと、（ｅ）入力パターン行列層の指定成分と各成分と
の間の長さを求め、加重ベクトルの中心から上記長さだ
け離れた位置に最も近い加重ベクトルの成分番号を算出
し、加重ベクトルの上記成分番号の成分値と入力パター
ン行列層の各成分の成分値との積の値を求め、上記積の
値を入力パターン行列層の各成分について加算した積和
値を算出すること、（ｆ）上記積和値を算出するに際
し、入力パターン行列層の指定成分を各成分の位置に移
動しながら積和値を求め、上記積和値を指定成分の成分
値とする入力パターン加重行列層を作成すること、
（ｇ）標準パターン加重行列層と入力パターン加重行列
層の各成分ごとの差の値の２乗和、あるいは同２乗和の
平方根を、標準パターン行列層と入力パターン行列層と
の間の形状距離値とすることを特徴とする。
【００４９】第２６発明の立体の類似度検出方法は、第
２５発明における前記加重ベクトルに代えて、同じカテ
ゴリの標準立体間の形状距離平均値を、異なるカテゴリ
の標準立体間の形状距離平均値で除算した平均値の比の
値を求め、上記平均値の比の値を最小にする加重係数の
値を成分とする加重ベクトルを作成することを特徴とす
る。
【００５０】また、第２７発明は立体認識方法であり、
第２５発明と第２６発明いずれかの立体の類似度検出方
法で、標準立体の特徴量を成分とする標準パターン行列
層と入力立体の特徴量を成分とする入力パターン行列層
との間の形状距離を求め、求めた形状距離値と任意に設
定した許容値を比較し、形状距離値が許容値より大きい
とき入力立体は標準立体でないと判定し、形状距離値が
許容値以下のとき入力立体が標準立体であると判定する
ことを特徴とする。
【００５１】次に、第２８発明は他の立体の類似度検出
方法であり、（ａ）標準立体の特徴量を成分とする標準
パターン原始行列層と、入力立体の特徴量を成分とする
入力パターン原始行列層とを作成すること、（ｂ）パタ
ーン原始行列層の指定成分ごとに異なる分散の値を持
つ、正規分布や矩形など任意の基準形状を作成し、上記
基準形状の値を成分とする基準パターンベクトルを作成
し、上記基準パターンベクトルの尖度の変化率の値を成
分とする加重ベクトルを作成すること、（ｃ）標準パタ
ーン原始行列層の指定成分と各成分との間の長さを求
め、加重ベクトルの中心から上記長さだけ離れた位置に
最も近い加重ベクトルの成分番号を算出し、加重ベクト
ルの上記成分番号の成分値と標準パターン原始行列層の
各成分の成分値との積の値を求め、上記積の値を標準パ
ターン原始行列層の各成分について加算した積和値を算
出すること、（ｄ）上記積和値を算出するに際し、標準
パターン原始行列層の指定成分を各成分の位置に移動し
ながら積和値を求め、上記積和値を指定成分の成分値と
する標準パターン原始加重行列層を作成すること、
（ｅ）入力パターン原始行列層の指定成分と各成分との
間の長さを求め、加重ベクトルの中心から上記長さだけ
離れた位置に最も近い加重ベクトルの成分番号を算出
し、加重ベクトルの上記成分番号の成分値と入力パター
ン原始行列層の各成分の成分値との積の値を求め、上記
積の値を入力パターン原始行列層の各成分について加算
した積和値を算出すること、（ｆ）上記積和値を算出す
るに際し、入力パターン原始行列層の指定成分を各成分
の位置に移動しながら積和値を求め、上記積和値を指定
成分の成分値とする入力パターン原始加重行列層を作成
すること、（ｇ）標準パターン原始加重行列層と入力パ
ターン原始加重行列層の各成分ごとの積の和の値を、標
準パターン原始加重行列層の各成分の２乗和の平方根と
入力パターン原始加重行列層の各成分の２乗和の平方根
で除算した比の値を以て、標準パターン原始行列層と入
力パターン原始行列層との間の形状距離値とすることを
特徴とする。
【００５２】第２９発明の立体の類似度検出方法は、第
２８発明における前記加重ベクトルに代えて、同じカテ
ゴリの標準立体間の形状距離平均値から、異なるカテゴ
リの標準立体間の形状距離平均値を減算した平均値の差
の値を求め、上記平均値の差の値を最大にする加重係数
の値を成分とする加重ベクトルを作成することを特徴と
する。
【００５３】また、第３０発明は立体認識方法であり、
第２８発明と第２９発明いずれかの立体の類似度検出方
法で、標準立体の特徴量を成分とする標準パターン原始
行列層と入力立体の特徴量を成分とする入力パターン原
始行列層との間の形状距離を求め、求めた形状距離値と
任意に設定した許容値を比較し、形状距離値が許容値よ
り小さいとき入力立体は標準立体でないと判定し、形状
距離値が許容値以上のとき入力立体が標準立体であると
判定することを特徴とする。
【００５４】次に、第３１発明は他の音声の類似度検出
方法であり、（ａ）標準音声の特徴量を成分とする標準
パターンベクトルと、入力音声の特徴量を成分とする入
力パターンベクトルとを作成すること、（ｂ）パターン
ベクトルの指定成分ごとに異なる分散の値を持つ、正規
分布や矩形など任意の基準形状を作成し、上記基準形状
の値を成分とする基準パターンベクトルを作成し、上記
基準パターンベクトルの尖度の変化率の値を成分とする
加重ベクトルを作成すること、（ｃ）標準パターンベク
トルの指定成分と各成分との間の長さを求め、加重ベク
トルの中心から上記長さだけ離れた位置に最も近い加重
ベクトルの成分番号を算出し、加重ベクトルの上記成分
番号の成分値と標準パターンベクトルの各成分の成分値
との積の値を求め、上記積の値を標準パターンベクトル
の各成分について加算した積和値を算出すること、
（ｄ）上記積和値を算出するに際し、標準パターンベク
トルの指定成分を各成分の位置に移動しながら積和値を
求め、上記積和値を指定成分の成分値とする標準パター
ン加重ベクトルを作成すること、（ｅ）入力パターンベ
クトルの指定成分と各成分との間の長さを求め、加重ベ
クトルの中心から上記長さだけ離れた位置に最も近い加
重ベクトルの成分番号を算出し、加重ベクトルの上記成
分番号の成分値と入力パターンベクトルの各成分の成分
値との積の値を求め、上記積の値を入力パターンベクト
ルの各成分について加算した積和値を算出すること、
（ｆ）上記積和値を算出するに際し、入力パターンベク
トルの指定成分を各成分の位置に移動しながら積和値を
求め、上記積和値を指定成分の成分値とする入力パター
ン加重ベクトルを作成すること、（ｇ）標準パターン加
重ベクトルと入力パターン加重ベクトルの各成分ごとの
差の値の２乗和、あるいは同２乗和の平方根を、標準パ
ターンベクトルと入力パターンベクトルとの間の形状距
離値とすることを特徴とする。
【００５５】第３２発明の音声の類似度検出方法は、第
３１発明における前記加重ベクトルに代えて、同じカテ
ゴリの標準音声間の形状距離平均値を、異なるカテゴリ
の標準音声間の形状距離平均値で除算した平均値の比の
値を求め、上記平均値の比の値を最小にする加重係数の
値を成分とする加重ベクトルを作成することを特徴とす
る。
【００５６】また、第３３発明は音声認識方法であり、
第３１発明と第３２発明いずれかの音声の類似度検出方
法で、標準音声の特徴量を成分とする標準パターンベク
トルと入力音声の特徴量を成分とする入力パターンベク
トルとの間の形状距離を求め、求めた形状距離値と任意
に設定した許容値を比較し、形状距離値が許容値より大
きいとき入力音声は標準音声でないと判定し、形状距離
値が許容値以下のとき入力音声が標準音声であると判定
することを特徴とする。
【００５７】次に、第３４発明は更に他の音声の類似度
検出方法であり、（ａ）標準音声の特徴量を成分とする
標準パターン原始ベクトルと、入力音声の特徴量を成分
とする入力パターン原始ベクトルとを作成すること、
（ｂ）パターン原始ベクトルの指定成分ごとに異なる分
散の値を持つ、正規分布や矩形など任意の基準形状を作
成し、上記基準形状の値を成分とする基準パターンベク
トルを作成し、上記基準パターンベクトルの尖度の変化
率の値を成分とする加重ベクトルを作成すること、
（ｃ）標準パターン原始ベクトルの指定成分と各成分と
の間の長さを求め、加重ベクトルの中心から上記長さだ
け離れた位置に最も近い加重ベクトルの成分番号を算出
し、加重ベクトルの上記成分番号の成分値と標準パター
ン原始ベクトルの各成分の成分値との積の値を求め、上
記積の値を標準パターン原始ベクトルの各成分について
加算した積和値を算出すること、（ｄ）上記積和値を算
出するに際し、標準パターン原始ベクトルの指定成分を
各成分の位置に移動しながら積和値を求め、上記積和値
を指定成分の成分値とする標準パターン原始加重ベクト
ルを作成すること、（ｅ）入力パターン原始ベクトルの
指定成分と各成分との間の長さを求め、加重ベクトルの
中心から上記長さだけ離れた位置に最も近い加重ベクト
ルの成分番号を算出し、加重ベクトルの上記成分番号の
成分値と入力パターン原始ベクトルの各成分の成分値と
の積の値を求め、上記積の値を入力パターン原始ベクト
ルの各成分について加算した積和値を算出すること、
（ｆ）上記積和値を算出するに際し、入力パターン原始
ベクトルの指定成分を各成分の位置に移動しながら積和
値を求め、上記積和値を指定成分の成分値とする入力パ
ターン原始加重ベクトルを作成すること、（ｇ）標準パ
ターン原始加重ベクトルと入力パターン原始加重ベクト
ルの各成分ごとの積の和の値を、標準パターン原始加重
ベクトルの各成分の２乗和の平方根と入力パターン原始
加重ベクトルの各成分の２乗和の平方根で除算した比の
値を以て、標準パターン原始ベクトルと入力パターン原
始ベクトルとの間の形状距離値とすることを特徴とす
る。
【００５８】第３５発明の音声の類似度検出方法は、第
３４発明における前記加重ベクトルに代えて、同じカテ
ゴリの標準音声間の形状距離平均値から、異なるカテゴ
リの標準音声間の形状距離平均値を減算した平均値の差
の値を求め、上記平均値の差の値を最大にする加重係数
の値を成分とする加重ベクトルを作成することを特徴と
する。
【００５９】また、第３６発明は音声認識方法であり、
第３４発明と第３５発明いずれかの音声の類似度検出方
法で、標準音声の特徴量を成分とする標準パターン原始
ベクトルと入力音声の特徴量を成分とする入力パターン
原始ベクトルとの間の形状距離を求め、求めた形状距離
値と任意に設定した許容値を比較し、形状距離値が許容
値より小さいとき入力音声は標準音声でないと判定し、
形状距離値が許容値以上のとき入力音声が標準音声であ
ると判定することを特徴とする。
【００６０】次に、第３７発明は他の振動波の類似度検
出方法であり、（ａ）標準振動波の特徴量を成分とする
標準パターンベクトルと、入力振動波の特徴量を成分と
する入力パターンベクトルとを作成すること、（ｂ）パ
ターンベクトルの指定成分ごとに異なる分散の値を持
つ、正規分布や矩形など任意の基準形状を作成し、上記
基準形状の値を成分とする基準パターンベクトルを作成
し、上記基準パターンベクトルの尖度の変化率の値を成
分とする加重ベクトルを作成すること、（ｃ）標準パタ
ーンベクトルの指定成分と各成分との間の長さを求め、
加重ベクトルの中心から上記長さだけ離れた位置に最も
近い加重ベクトルの成分番号を算出し、加重ベクトルの
上記成分番号の成分値と標準パターンベクトルの各成分
の成分値との積の値を求め、上記積の値を標準パターン
ベクトルの各成分について加算した積和値を算出するこ
と、（ｄ）上記積和値を算出するに際し、標準パターン
ベクトルの指定成分を各成分の位置に移動しながら積和
値を求め、上記積和値を指定成分の成分値とする標準パ
ターン加重ベクトルを作成すること、（ｅ）入力パター
ンベクトルの指定成分と各成分との間の長さを求め、加
重ベクトルの中心から上記長さだけ離れた位置に最も近
い加重ベクトルの成分番号を算出し、加重ベクトルの上
記成分番号の成分値と入力パターンベクトルの各成分の
成分値との積の値を求め、上記積の値を入力パターンベ
クトルの各成分について加算した積和値を算出するこ
と、（ｆ）上記積和値を算出するに際し、入力パターン
ベクトルの指定成分を各成分の位置に移動しながら積和
値を求め、上記積和値を指定成分の成分値とする入力パ
ターン加重ベクトルを作成すること、（ｇ）標準パター
ン加重ベクトルと入力パターン加重ベクトルの各成分ご
との差の値の２乗和、あるいは同２乗和の平方根を、標
準パターンベクトルと入力パターンベクトルとの間の形
状距離値とすることを特徴とする。
【００６１】第３８発明の振動波の類似度検出方法は、
第３７発明における前記加重ベクトルに代えて、同じカ
テゴリの標準振動波間の形状距離平均値を、異なるカテ
ゴリの標準振動波間の形状距離平均値で除算した平均値
の比の値を求め、上記平均値の比の値を最小にする加重
係数の値を成分とする加重ベクトルを作成することを特
徴とする。
【００６２】また、第３９発明は機械の異常判定方法で
あり、第３７発明と第３８発明いずれかの振動波の類似
度検出方法で、標準振動波の特徴量を成分とする標準パ
ターンベクトルと入力振動波の特徴量を成分とする入力
パターンベクトルとの間の形状距離を求め、求めた形状
距離値と任意に設定した許容値を比較し、形状距離値が
許容値より大きいとき異常と判定し、形状距離値が許容
値以下のとき正常と判定することを特徴とする。
【００６３】次に、第４０発明は更に他の振動波の類似
度検出方法であり、（ａ）標準振動波の特徴量を成分と
する標準パターン原始ベクトルと、入力振動波の特徴量
を成分とする入力パターン原始ベクトルとを作成するこ
と、（ｂ）パターン原始ベクトルの指定成分ごとに異な
る分散の値を持つ、正規分布や矩形など任意の基準形状
を作成し、上記基準形状の値を成分とする基準パターン
ベクトルを作成し、上記基準パターンベクトルの尖度の
変化率の値を成分とする加重ベクトルを作成すること、
（ｃ）標準パターン原始ベクトルの指定成分と各成分と
の間の長さを求め、加重ベクトルの中心から上記長さだ
け離れた位置に最も近い加重ベクトルの成分番号を算出
し、加重ベクトルの上記成分番号の成分値と標準パター
ン原始ベクトルの各成分の成分値との積の値を求め、上
記積の値を標準パターン原始ベクトルの各成分について
加算した積和値を算出すること、（ｄ）上記積和値を算
出するに際し、標準パターン原始ベクトルの指定成分を
各成分の位置に移動しながら積和値を求め、上記積和値
を指定成分の成分値とする標準パターン原始加重ベクト
ルを作成すること、（ｅ）入力パターン原始ベクトルの
指定成分と各成分との間の長さを求め、加重ベクトルの
中心から上記長さだけ離れた位置に最も近い加重ベクト
ルの成分番号を算出し、加重ベクトルの上記成分番号の
成分値と入力パターン原始ベクトルの各成分の成分値と
の積の値を求め、上記積の値を入力パターン原始ベクト
ルの各成分について加算した積和値を算出すること、
（ｆ）上記積和値を算出するに際し、入力パターン原始
ベクトルの指定成分を各成分の位置に移動しながら積和
値を求め、上記積和値を指定成分の成分値とする入力パ
ターン原始加重ベクトルを作成すること、（ｇ）標準パ
ターン原始加重ベクトルと入力パターン原始加重ベクト
ルの各成分ごとの積の和の値を、標準パターン原始加重
ベクトルの各成分の２乗和の平方根と入力パターン原始
加重ベクトルの各成分の２乗和の平方根で除算した比の
値を以て、標準パターン原始ベクトルと入力パターン原
始ベクトルとの間の形状距離値とすることを特徴とす
る。
【００６４】第４１発明の振動波の類似度検出方法は、
第４０発明における前記加重ベクトルに代えて、同じカ
テゴリの標準振動波間の形状距離平均値から、異なるカ
テゴリの標準振動波間の形状距離平均値を減算した平均
値の差の値を求め、上記平均値の差の値を最大にする加
重係数の値を成分とする加重ベクトルを作成することを
特徴とする。
【００６５】また、第４２発明は機械の異常判定方法で
あり、第４０発明と第４１発明いずれかの振動波の類似
度検出方法で、標準振動波の特徴量を成分とする標準パ
ターン原始ベクトルと入力振動波の特徴量を成分とする
入力パターン原始ベクトルとの間の形状距離を求め、求
めた形状距離値と任意に設定した許容値を比較し、形状
距離値が許容値より小さいとき異常と判定し、形状距離
値が許容値以上のとき正常と判定することを特徴とす
る。
【００６６】
【発明の実施の形態】以下、本発明の実施の形態を説明
する。
【００６７】［原理説明］基準形状として正規分布を用
いる場合について、本発明の原理を説明する。また、パ
ターン行列（或いはパターン原始行列）、パターン行列
層（或いはパターン原始行列層）、パターンベクトル
（或いはパターン原始ベクトル）を代表して、標準パタ
ーン行列と入力パターン行列（或いは標準パターン原始
行列と入力パターン原始行列）との間の形状距離につい
て、本発明の原理を説明する。
【００６８】［原理その１］第１に、関連技術（特願２
０００−２７７７４９号）、並びに、従来技術（特開平
１０−２５３４４４号公報）においては、標準パターン
行列と入力パターン行列との間の形状変化を、正規分布
の値を成分とする基準パターンベクトルの形状変化に置
き換え、この基準パターンベクトルの形状変化の大きさ
を尖度の変化量として数値化することにより、標準パタ
ーン行列と入力パターン行列との類似の程度を形状距離
値として検出している。
【００６９】即ち、これらの方法では、パターン行列の
各成分ごとに標準パターン行列の成分値と入力パターン
行列の成分値との大小比較を行い、標準パターン行列に
対して入力パターン行列が変化した全ての成分について
基準パターンベクトルを形状変化させ、形状変化した基
準パターンベクトルの尖度値を直接的に求めて形状変化
量を算出している。
【００７０】本発明では、第１の課題を解決するため、
上述の直接的な方法に代えて、基準パターンベクトルの
尖度の変化率と同ベクトルの変化量との積の値を求め、
上記積の値を標準パターン行列に対して入力パターン行
列が変化した全ての成分について加算した積和値を求め
ることにより形状変化量を算出しても近似的に同じ結果
が得られることを示す。次に、上記形状変化量は、基準
パターンベクトルの尖度の変化率の値を成分とする加重
ベクトルの成分値と標準パターン行列の成分値との積和
演算、及び、同加重ベクトルの成分値と入力パターン行
列の成分値との積和演算に分解できることを示す。
【００７１】従って、加重ベクトルの成分値と標準パタ
ーン行列の成分値との積和演算により標準パターン加重
行列を作成すること、及び、同加重ベクトルの成分値と
入力パターン行列の成分値との積和演算により入力パタ
ーン加重行列を作成することが独立して行えるようにな
り、結果として、これら標準パターン加重行列及び入力
パターン加重行列を用いて従来のユークリッド距離の計
算を行うことにより形状距離値を算出することができ
る。
【００７２】一方、画像の濃度パターンを正規化しない
で作成した標準パターン原始行列及び入力パターン原始
行列についても、上記と同様に、加重ベクトルの成分値
と標準パターン原始行列の成分値との積和演算により標
準パターン原始加重行列を作成し、同加重ベクトルの成
分値と入力パターン原始行列の成分値との積和演算によ
り入力パターン原始加重行列を作成し、これら標準パタ
ーン原始加重行列及び入力パターン原始加重行列を用い
て従来の角度の余弦の計算を行うことにより形状距離値
を算出することができる。
【００７３】具体的には、パターン行列の指定成分ごと
に異なる分散の値をもつ正規分布を作成し、上記正規分
布の値を成分とする基準パターンベクトルを作成し、上
記基準パターンベクトルの尖度の変化率の値を成分とす
る加重ベクトルを予め作成しておく。そして、標準パタ
ーン行列（或いは標準パターン原始行列）の指定成分と
各成分との間の長さを求め、加重ベクトルの中心から上
記長さだけ離れた位置に最も近い加重ベクトルの成分番
号を算出し、加重ベクトルの上記成分番号の成分値と標
準パターン行列（或いは標準パターン原始行列）の各成
分の成分値との積の値を求め、上記積の値を標準パター
ン行列（或いは標準パターン原始行列）の各成分につい
て加算した積和値を算出する。
【００７４】その際、標準パターン行列（或いは標準パ
ターン原始行列）の指定成分を各成分の位置に移動しな
がら積和値を求め、上記積和値を指定成分の成分値とす
る標準パターン加重行列（或いは標準パターン原始加重
行列）を作成する。
【００７５】同様に、入力パターン行列（或いは入力パ
ターン原始行列）の指定成分と各成分との間の長さを求
め、加重ベクトルの中心から上記長さだけ離れた位置に
最も近い加重ベクトルの成分番号を算出し、加重ベクト
ルの上記成分番号の成分値と入力パターン行列（或いは
入力パターン原始行列）の各成分の成分値との積の値を
求め、上記積の値を入力パターン行列（或いは入力パタ
ーン原始行列）の各成分について加算した積和値を算出
する。
【００７６】その際、入力パターン行列（或いは入力パ
ターン原始行列）の指定成分を各成分の位置に移動しな
がら積和値を求め、上記積和値を指定成分の成分値とす
る入力パターン加重行列（或いは入力パターン原始加重
行列）を作成する。
【００７７】次に、標準パターン加重行列と入力パター
ン加重行列の各成分ごとの差の値の２乗和の平方根、或
いは、２乗和自身を標準パターン行列と入力パターン行
列との間の形状距離値として検出する。一方、標準パタ
ーン原始加重行列と入力パターン原始加重行列の各成分
ごとの積の和の値を、標準パターン原始加重行列の各成
分の２乗和の平方根と入力パターン原始加重行列の各成
分の２乗和の平方根で除算した比の値を以て、標準パタ
ーン原始行列と入力パターン原始行列との間の形状距離
値とする。
【００７８】［原理その２］第２に、関連技術（特願２
０００−２７７７４９号）においては、パターン行列の
指定成分と各成分との間の長さの最大値を、定数１．４
で除算した比の値の２乗を以て、正規分布の分散の値と
している。また、同関連技術、並びに、従来技術（特開
平１０−２５３４４４号公報（特願平９−６１００７
号））においては、基準パターンベクトルのすべての成
分番号にそれぞれ定数１の重みを付け、標準パターン行
列の成分値と入力パターン行列の成分値との間の変化量
の絶対値を、基準パターンベクトルの成分番号にかかわ
らず、そのまま基準パターンベクトルの増加量に置き換
えている。
【００７９】即ち、これらの方法では、固定的な分散の
値をもつ正規分布を用いて基準パターンベクトルを作成
し、また、固定的な重みの値をもつ増加手段を用いて基
準パターンベクトルを増加させている。
【００８０】本発明では、第２の課題を解決するため、
上述の固定的な方法に代えて、可変的な分散の値をもつ
正規分布を用いて基準パターンベクトルを作成し、ま
た、可変的な重みの値をもつ増加手段を用いて基準パタ
ーンベクトルを増加させた場合には、パターン行列間
（或いはパターン原始行列間）の形状距離値に変化が現
われることを示す。従って、分散の値及び重みの値を調
整することにより、同じカテゴリの標準パターン行列間
（或いは標準パターン原始行列間）の距離が近くなり、
同時に、異なるカテゴリの標準パターン行列間（或いは
標準パターン原始行列間）の距離が遠くなるようにでき
る。その結果として、同じカテゴリの標準パターン行列
（或いは標準パターン原始行列）と異なるカテゴリの標
準パターン行列（或いは標準パターン原始行列）の分離
が良くなり、入力パターン行列（或いは入力パターン原
始行列）が与えられたときの認識性能が向上する。
【００８１】具体的には、同じカテゴリの標準パターン
行列間の形状距離平均値を、異なるカテゴリの標準パタ
ーン行列間の形状距離平均値で除算した平均値の比の値
を求め、上記平均値の比の値を最小にする加重係数の値
を成分とする加重ベクトルを作成し、この加重ベクトル
を用いて標準パターン行列と入力パターン行列との間の
形状距離値を検出する。一方、同じカテゴリの標準パタ
ーン原始行列間の形状距離平均値から、異なるカテゴリ
の標準パターン原始行列間の形状距離平均値を減算した
平均値の差の値を求め、上記平均値の差の値を最大にす
る加重係数の値を成分とする加重ベクトルを作成し、こ
の加重ベクトルを用いて標準パターン原始行列と入力パ
ターン原始行列との間の形状距離値を検出する。
【００８２】なお、基準形状が矩形など、正規分布以外
のものであっても、上記の説明は成立する。また、パタ
ーン行列層（或いはパターン原始行列層）、及び、パタ
ーンベクトル（或いはパターン原始ベクトル）について
も、上記の説明は成立する。ここで、パターン行列層
（或いはパターン原始行列層）は、動画像や立体など３
次元の場合に、複数個のパターン行列（或いはパターン
原始行列）で構成されるものである。
【００８３】このような形状距離値は、標準画像と入力
画像との間のパターン行列形状変化（或いはパターン原
始行列形状変化）を正確に検出するものであり、標準音
声と入力音声との間の類似度を正確に検出するものであ
り、標準振動波と入力振動波との間の類似度を正確に検
出するものである。また、標準動画像と入力動画像との
間のパターン行列層形状変化（或いはパターン原始行列
層形状変化）を正確に検出するものであり、標準立体と
入力立体との間の類似度を正確に検出するものである。
また、標準音声と入力音声との間のパターンベクトル形
状変化（或いはパターン原始ベクトル形状変化）を正確
に検出するものであり、標準振動波と入力振動波との間
の類似度を正確に検出するものである。
【００８４】従って、上記のように得られる形状距離値
を用いて画像認識を行うことにより、標準パターン行列
と入力パターン行列（或いは標準パターン原始行列と入
力パターン原始行列）との間の形状変化を正確に検出す
ることができ、画像認識の精度を著しく向上させること
ができる。また、このような形状距離値を用いて音声認
識を行うことにより、標準パターン行列と入力パターン
行列（或いは標準パターン原始行列と入力パターン原始
行列）との間の形状変化を正確に検出することができ、
音声認識の精度を著しく向上させることができる。ま
た、このような形状距離値を用いて機械の異常判定を行
うことにより、標準パターン行列と入力パターン行列
（或いは標準パターン原始行列と入力パターン原始行
列）との間の形状変化を正確に検出することができ、機
械の異常検知の精度を著しく向上させることができる。
また、このような形状距離値を用いて動画像認識を行う
ことにより、標準パターン行列層と入力パターン行列層
（或いは標準パターン原始行列層と入力パターン原始行
列層）との間の形状変化を正確に検出することができ、
動画像認識の精度を著しく向上させることができる。ま
た、このような形状距離値を用いて立体認識を行うこと
により、標準パターン行列層と入力パターン行列層（或
いは標準パターン原始行列層と入力パターン原始行列
層）との間の形状変化を正確に検出することができ、立
体認識の精度を著しく向上させることができる。また、
このような形状距離値を用いて音声認識を行うことによ
り、標準パターンベクトルと入力パターンベクトル（或
いは標準パターン原始ベクトルと入力パターン原始ベク
トル）との間の形状変化を正確に検出することができ、
音声認識の精度を著しく向上させることができる。ま
た、このような形状距離値を用いて機械の異常判定を行
うことにより、標準パターンベクトルと入力パターンベ
クトル（或いは標準パターン原始ベクトルと入力パター
ン原始ベクトル）との間の形状変化を正確に検出するこ
とができ、機械の異常検知の精度を著しく向上させるこ
とができる。
【００８５】以下、本発明の実施例を添付図面に基づい
て説明する。本実施例では、２つのパターン行列間（或
いは、正規化する前のパターン原始行列間）の類似度検
出値を用いた画像認識方法、音声認識方法、機械の異常
判定方法について、また、２つのパターン行列層間（或
いは、正規化する前のパターン原始行列層間）の類似度
検出値を用いた動画像認識方法、立体認識方法につい
て、また、２つのパターンベクトル間（或いは、正規化
する前のパターン原始ベクトル間）の類似度検出値を用
いた音声認識方法、機械の異常判定方法について順を追
って説明する。
【００８６】［実施例（Ｉ）：画像認識方法（２次
元）］２つのパターン行列間（或いはパターン原始行列
間）の類似度検出値を用いた画像認識方法について述べ
る。本実施例（Ｉ）では、画像認識を行うために、画像
の濃度パターンを全画素の濃度の合計、または、全画素
の濃度の最大値で正規化して標準パターン行列と入力パ
ターン行列とを作成し、また、基準パターンベクトルの
尖度の変化率の値を成分とする加重ベクトルを作成す
る。そして、加重ベクトルの成分値と標準パターン行列
の成分値との積和演算により標準パターン加重行列を作
成し、これと独立して、同加重ベクトルの成分値と入力
パターン行列の成分値との積和演算により入力パターン
加重行列を作成する。次に、これら標準パターン加重行
列及び入力パターン加重行列を用いて従来のユークリッ
ド距離の計算を行うことにより画像の類似度を検出す
る。
【００８７】一方、画像の濃度パターンを正規化しない
で標準パターン原始行列と入力パターン原始行列とを作
成する。そして、上記加重ベクトルの成分値と標準パタ
ーン原始行列の成分値との積和演算により標準パターン
原始加重行列を作成し、これと独立して、同加重ベクト
ルの成分値と入力パターン原始行列の成分値との積和演
算により入力パターン原始加重行列を作成する。次に、
これら標準パターン原始加重行列及び入力パターン原始
加重行列を用いて従来の角度の余弦の計算を行うことに
より画像の類似度を検出する。このように、画像の類似
度検出には、画像の濃度パターンを正規化する場合と、
しない場合の２通りがある。
【００８８】更に、同じカテゴリの標準パターン行列間
（或いは標準パターン原始行列間）の距離が近くなり、
同時に、異なるカテゴリの標準パターン行列間（或いは
標準パターン原始行列間）の距離が遠くなるように上記
加重ベクトルの成分値を調整し、調整後の加重ベクトル
を用いて画像の類似度を検出し、その検出値を用いて画
像認識を行うものとする。もっとも、このような加重ベ
クトルの調整は必ずしも必要ではなく、省略することが
できる。
【００８９】図１は、アルファベット“Ｅ”の画像の一
例である。同図に示されるように、画像はｘ方向及びｙ
方向をそれぞれｍ1個及びｍ2個に区切ったｍ1×ｍ2個の
画素により構成される。ここで、ｘ方向にｉ1番目、か
つ、ｙ方向にｉ2番目の画素における画像の濃度をＰｉ1
ｉ2とする。
【００９０】次に、標準画像の濃度Ｐｉ1ｉ2（ｉ1＝
１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）を成分
とする標準パターン原始行列Ｈｏと、入力画像の濃度Ｐ
ｉ1ｉ2（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・
・，ｍ2）を成分とする入力パターン原始行列Ｎｏを作成
する。この標準パターン原始行列Ｈｏ及び入力パターン
原始行列Ｎｏを、次の数１のように表現しておく。ただ
し、数１は、標準画像及び入力画像の濃度の形状を、パ
ターン原始行列のｍ1×ｍ2個の成分値で表現したもので
ある。
【００９１】
【数１】
【００９２】また、図２（ａ）は、標準パターン原始行
列Ｈｏを（ｘ−ｙ）平面で表現したものであり、同図
（ｂ）は、入力パターン原始行列Ｎｏを同じく（ｘ−
ｙ）平面で表現したものである。ここで、ｈｏi1i2はＨ
ｏの（ｘi1，ｙi2）における成分、ｎｏi1i2はＮｏの
（ｘi1，ｙi2）における成分を示す。
【００９３】関連技術（特願２０００−２７７７４９
号）では、画像の濃度Ｐｉ1ｉ2（ｉ1＝１，２，・・・，ｍ
1）（ｉ2＝１，２，・・・，ｍ2）を全画素の濃度の合計で
正規化する処理を行っている。即ち、ｘ方向にｉ1番
目、かつ、ｙ方向にｉ2番目の画素における画像の正規
化濃度ｐｉ1ｉ2を、次の数２により算出している。
【００９４】
【数２】
【００９５】また、２値画像の場合などでは、画像の濃
度Ｐｉ1ｉ2（ｉ1＝１，２，・・・，ｍ 1）（ｉ2＝１，２，
・・・ ，ｍ2）を全画素の濃度の最大値で正規化する。即
ち、ｘ方向にｉ1番目、かつ、ｙ方向にｉ2番目の画素に
おける画像の正規化濃度ｐｉ 1ｉ2は、次の数３により算
出できる。ただし、数３中の記号ｍａｘ｛Ｐｊ1ｊ2｝は
画像の濃度Ｐｊ1ｊ2（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝
１，２，・・・，ｍ2）において、その中の最大値を意味す
る。
【００９６】
【数３】
【００９７】ここで、数２による正規化濃度の形状と数
３による正規化濃度の形状とは相似形であるため、数２
または数３のどちらを用いた場合でも、同様に以下の議
論が成り立つ。
【００９８】次に、標準画像の正規化濃度ｐｉ1ｉ2（ｉ
1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）を成
分とする標準パターン行列Ｈと、入力画像の正規化濃度
ｐｉ 1ｉ2（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・
・，ｍ2）を成分とする入力パターン行列Ｎを作成する。
この標準パターン行列Ｈ及び入力パターン行列Ｎを、次
の数４のように表現しておく。ただし、数４は、標準画
像及び入力画像の正規化濃度の形状を、パターン行列の
ｍ1×ｍ2個の成分値で表現したものである。
【００９９】
【数４】
【０１００】また、図３（ａ）は、標準パターン行列Ｈ
を（ｘ−ｙ）平面で表現したものであり、同図（ｂ）
は、入力パターン行列Ｎを同じく（ｘ−ｙ）平面で表現
したものである。ここで、ｈi1i2はＨの（ｘi1，ｙi2）
における成分、ｎi1i2はＮの（ｘi1，ｙi2）における成
分を示す。
【０１０１】関連技術（特願２０００−２７７７４９
号）においては、図４（ａ）に示すように、平均値μ＝
０、分散σｊ1ｊ2 2の値をもつ正規分布のグラフ（正規
曲線）を作成し、また、図４（ｂ）、（ｃ）に示すよう
に、同正規分布の値を成分とする基準パターン正ベクト
ルＫｊ1ｊ2 (+)及び基準パターン負ベクトルＫｊ1ｊ2 (-)
を作成している。
【０１０２】次に、関連技術（特願２０００−２７７７
４９号）においては、標準パターン行列Ｈと入力パター
ン行列Ｎとの間の形状変化を、基準パターン正ベクトル
Ｋｊ 1ｊ2 (+)及び基準パターン負ベクトルＫｊ1ｊ2 (-)の
形状変化に置き換えている。即ち、パターン行列のｉ1
ｉ2成分（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・
・，ｍ2）について、標準パターン行列Ｈの成分値ｈｉ1
ｉ2と入力パターン行列Ｎの成分値ｎｉ1ｉ2との間の変
化量の絶対値は｜ｎｉ1ｉ2−ｈｉ1ｉ2｜であるが、次の
数５に示すように、ｎｉ1ｉ2がｈｉ1ｉ2より大きいとき
基準パターン正ベクトルＫｊ1ｊ2 (+)の成分値ｋｊ1ｊ2
(+)ｉ0をこの変化量の絶対値｜ｎｉ1ｉ2−ｈｉ1ｉ2｜だ
け増加させ、ｎｉ1ｉ2がｈｉ1ｉ2より小さいとき基準パ
ターン負ベクトルＫｊ1ｊ2 (-)の成分値ｋｊ1ｊ2 (-)ｉ0
をこの変化量の絶対値｜ｎｉ1ｉ2−ｈｉ1ｉ2｜だけ増加
させるようにしている。
【０１０３】
【数５】
【０１０４】そして、関連技術（特願２０００−２７７
７４９号）においては、数５により形状変化した一対の
基準パターンベクトル（基準パターン正ベクトルＫｊ1
ｊ2 (+ )と基準パターン負ベクトルＫｊ1ｊ2 (-) ）につい
て、それぞれの形状変化の大きさを、尖度の変化量とし
て数値化している。即ち、基準パターン正ベクトルＫｊ
1ｊ2 (+)の尖度Ａｊ1ｊ2 (+)、及び、基準パターン負ベク
トルＫｊ1ｊ2 (-)の尖度Ａｊ1ｊ2 (-)を、それぞれ次の数
６により算出している。
【０１０５】
【数６】
【０１０６】ここで、図５〜図７に示す典型例を用い
て、基準パターンベクトルの尖度の変化率について説明
する。これら図５〜図７の各（ａ）は模式図であって、
標準パターン行列に対して入力パターン行列のｉ1ｉ2成
分（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，
ｍ2）だけがδ増加したことにより基準パターン正ベク
トルＫｊ1ｊ2 (+)の１個の成分が同じ値δだけ増加した
例を示したものである。
【０１０７】また、これら図５〜図７の各（ｂ）は、各
図の（ａ）のように形状変化した基準パターン正ベクト
ルＫｊ1ｊ2 (+)の尖度Ａｊ1ｊ2 (+)を、数６により直接的
に求めて記号（ｉ）〜（iii）の各グラフで示したもの
である。図５〜図７の各（ｂ）では、標準パターン行列
の成分値と入力パターン行列の成分値との間の変化量の
絶対値を｜ｎｉ1ｉ2−ｈｉ1ｉ2｜として、δ＝｜ｎｉ1
ｉ2−ｈｉ1ｉ2｜とおき、δの値を０．０から０．１ま
で増加させたときに、尖度の算出値Ａｊ1ｊ2 (+)が変化
する様子を示している。
【０１０８】（１）図５（ａ）は、基準パターン正ベク
トルの中央部分の第（ｍ0＋１）／２成分だけがδ増加
した例を示したものである。この場合、図５（ｂ）にお
いて、δの変化に対する尖度Ａｊ1ｊ2 (+)の変化を記号
（ｉ）のグラフで示しているが、図より、記号（ｉ）の
グラフは直線で近似できることが分かる。ここで、記号
（ｉ）のグラフの平均の傾きをｇｊ1ｊ2（ｍ0＋１）／
２とすると、この傾きｇｊ1ｊ2（ｍ0＋１）／２の値は
基準パターン正ベクトルの第（ｍ0＋１）／２成分にお
ける尖度の変化率になる。（２）図６（ａ）は、基準パ
ターン正ベクトルの中間部分の第ｉ0成分だけがδ増加
した例を示したものである。この場合、図６（ｂ）にお
いて、δの変化に対する尖度Ａｊ1ｊ2 (+)の変化を記号
（ii）のグラフで示しているが、図より、記号（ii）の
グラフは直線で近似できることが分かる。ここで、記号
（ii）のグラフの平均の傾きをｇｊ1ｊ2ｉ0とすると、
この傾きｇｊ1ｊ2ｉ0の値は基準パターン正ベクトルの
第ｉ0成分における尖度の変化率になる。（３）図７
（ａ）は、基準パターン正ベクトルの端の部分の第２成
分だけがδ増加した例を示したものである。この場合、
図７（ｂ）において、δの変化に対する尖度Ａｊ1ｊ2
(+)の変化を記号（iii）のグラフで示しているが、図よ
りδの値が小さいときには、記号（iii）のグラフは直
線で近似できることが分かる。ここで、記号（iii）の
グラフの平均の傾きをｇｊ1ｊ2２とすると、この傾きｇ
ｊ1ｊ2２の値は基準パターン正ベクトルの第２成分にお
ける尖度の変化率になる。
【０１０９】なお、基準パターン正ベクトルＫｊ1ｊ2
(+)及び基準パターン負ベクトルＫｊ1ｊ2 (-)が相等なベ
クトルであることにより、図５〜図７に係る上記の説明
は、基準パターン負ベクトルＫｊ1ｊ2 (-)についても成
り立つ。また、図５〜図７に係る上記の説明は、正規分
布の分散σｊ1ｊ2 2の値にかかわらず、常に成り立つ。
【０１１０】前述したように、関連技術や従来技術の方
法では、数５により基準パターンベクトルを形状変化さ
せ、形状変化した基準パターンベクトルの尖度値を数６
により直接的に求めている。以上の説明より図５〜図７
の各（ａ）の場合には、上記の直接的な方法に代えて、
次の数７の上側の条件式により、尖度Ａｊ1ｊ2 (+)の近
似値を算出できることが分かる。即ち、予め基準パター
ン正ベクトルＫｊ1ｊ2 (+)の各成分における尖度の変化
率を算出しておき、標準パターン行列に対して入力パタ
ーン行列のｉ1ｉ2成分だけが増加したことにより基準パ
ターン正ベクトルの第ｉ0成分（ｉ0＝１，２，・・・，
ｍ0）が同じ値だけ増加した場合には、基準パターン正
ベクトルの第ｉ0成分における尖度の変化率をｇｊ1ｊ2
ｉ0とし、標準パターン行列の成分値と入力パターン行
列の成分値との間の変化量の絶対値を｜ｎｉ1ｉ2−ｈｉ
1ｉ2｜として、ｇｊ1ｊ2ｉ0と｜ｎｉ1ｉ2−ｈｉ1ｉ2｜
との積の値を求めて尖度値Ａｊ1ｊ2 (+)を算出できる。
【０１１１】同様に、標準パターン行列に対して入力パ
ターン行列のｉ1ｉ2成分だけが減少したことにより基準
パターン負ベクトルの第ｉ0成分（ｉ0＝１，２，・・・，
ｍ0）が同じ値だけ増加した場合には、次の数７の下側
の条件式により、ｇｊ1ｊ2ｉ0と｜ｎｉ1ｉ2−ｈｉ1ｉ2
｜との積の値を求めて尖度値Ａｊ1ｊ2 (-)を算出でき
る。なお、数７は、基準パターン正ベクトルまたは基準
パターン負ベクトルの１個の成分だけが増加した場合に
限って成り立つものである。
【０１１２】
【数７】
【０１１３】数７において、符号を考慮しながら、｜ｎ
ｉ1ｉ2−ｈｉ1ｉ2｜を（ｎｉ1ｉ2−ｈｉ1ｉ2）に置き換
えることにより、次の数８を得る。
【０１１４】
【数８】
【０１１５】次に、図８〜図１３に示す典型例を用い
て、基準パターンベクトルの尖度の変化の性質について
説明する。図８〜図１０の各（ａ）は模式図であって、
標準パターン行列に対して入力パターン行列の２個の成
分が同時にδ増加したことにより基準パターン正ベクト
ルＫｊ1ｊ2 (+)の２個の成分が同時に同じ値δだけ増加
した例を示したものである。図１１〜図１３の各（ａ）
は模式図であって、標準パターン行列に対して入力パタ
ーン行列の１個の成分がδ増加し、これと同時に、他の
１個の成分が０．１増加したことにより、基準パターン
正ベクトルＫｊ1ｊ2 (+)の１個の成分がδ増加し、これ
と同時に、他の１個の成分が０．１増加した例を示した
ものである。
【０１１６】また、これら図８〜図１３の各（ｂ）は、
各図の（ａ）のように形状変化した基準パターン正ベク
トルＫｊ1ｊ2 (+)の尖度Ａｊ1ｊ2 (+)を、数６により直接
的に求めて記号（iv）〜（ix）の各グラフで示したもの
である。図８〜図１３の各（ｂ）では、標準パターン行
列の成分値と入力パターン行列の成分値との間の変化量
の絶対値を｜ｎｉ1ｉ2−ｈｉ1ｉ2｜として、δ＝｜ｎｉ
1ｉ2−ｈｉ1ｉ2｜とおき、δの値を０．０から０．１ま
で増加させたときに、尖度の算出値Ａｊ1ｊ2 (+ )が変化
する様子を示している。
【０１１７】（１）図８（ａ）は、基準パターン正ベク
トルの中央部分の第（ｍ0＋１）／２成分と中間部分の
第ｉ0成分が同時にδ増加した例を示したものである。
この場合、図８（ｂ）において、δの変化に対する尖度
Ａｊ1ｊ2 (+)の変化を記号（iv）のグラフで示し、ま
た、図５中の記号（ｉ）のグラフと図６中の記号（ii）
のグラフを加算した結果を記号（ｉ）＋（ii）のグラフ
で示しているが、図より、記号（iv）のグラフは、近似
的に、記号（ｉ）＋（ii）のグラフに等しいことが分か
る。 （２）図９（ａ）は、基準パターン正ベクトルの中間部
分の第ｉ0成分と端の部分の第２成分が同時にδ増加し
た例を示したものである。この場合、図９（ｂ）におい
て、δの変化に対する尖度Ａｊ1ｊ2 (+)の変化を記号
（ｖ）のグラフで示し、また、図６中の記号（ii）のグ
ラフと図７中の記号（iii）のグラフを加算した結果を
記号（ii）＋（iii）のグラフで示しているが、図よ
り、記号（ｖ）のグラフは、近似的に、記号（ii）＋
（iii）のグラフに等しいことが分かる。 （３）図１０（ａ）は、基準パターン正ベクトルの中央
部分の第（ｍ0＋１）／２成分と端の部分の第２成分が
同時にδ増加した例を示したものである。この場合、図
１０（ｂ）において、δの変化に対する尖度Ａｊ1ｊ2
(+)の変化を記号（vi）のグラフで示し、また、図５中
の記号（ｉ）のグラフと図７中の記号（iii）のグラフ
を加算した結果を記号（ｉ）＋（iii）のグラフで示し
ているが、図より、記号（vi）のグラフは、δの値が小
さいときには近似的に、記号（ｉ）＋（iii）のグラフ
に等しいことが分かる。 （４）図１１（ａ）は、基準パターン正ベクトルの中央
部分の第（ｍ0＋１）／２成分がδ増加し、これと同時
に、中間部分の第ｉ0成分が０．１増加した例を示した
ものである。この場合、図１１（ｂ）において、δの変
化に対する尖度Ａｊ1ｊ2 (+)の変化を記号（vii）のグラ
フで示し、また、図５中の記号（ｉ）のグラフを示して
いるが、図より、記号（vii）のグラフは、近似的に、
記号（ｉ）のグラフを平行移動したものであり、その移
動量は、図６中の記号（ii）のグラフにおけるδ＝０．
１のときの尖度の変化量に等しいことが分かる。 （５）図１２（ａ）は、基準パターン正ベクトルの中間
部分の第ｉ0成分がδ増加し、これと同時に、端の部分
の第２成分が０．１増加した例を示したものである。こ
の場合、図１２（ｂ）において、δの変化に対する尖度
Ａｊ1ｊ2 (+)の変化を記号（viii）のグラフで示し、ま
た、図６中の記号（ii）のグラフを示しているが、図よ
り、記号（viii）のグラフは、近似的に、記号（ii）の
グラフを平行移動したものであり、その移動量は、図７
中の記号（iii）のグラフにおけるδ＝０．１のときの
尖度の変化量に等しいことが分かる。 （６）図１３（ａ）は、基準パターン正ベクトルの端の
部分の第２成分がδ増加し、これと同時に、中央部分の
第（ｍ0＋１）／２成分が０．１増加した例を示したも
のである。この場合、図１３（ｂ）において、δの変化
に対する尖度Ａｊ1ｊ2 (+)の変化を記号（ix）のグラフ
で示し、また、図７中の記号（iii）のグラフを示して
いるが、図より、記号（ix）のグラフは、近似的に、記
号（iii）のグラフを平行移動したものであり、その移
動量は、図５中の記号（ｉ）のグラフにおけるδ＝０．
１のときの尖度の変化量に等しいことが分かる。
【０１１８】なお、基準パターン正ベクトルＫｊ1ｊ2
(+)及び基準パターン負ベクトルＫｊ1ｊ2 (-)が相等なベ
クトルであることにより、図８〜図１３に係る上記の説
明は、基準パターン負ベクトルＫｊ1ｊ2 (-)についても
成り立つ。また、図８〜図１３に係る上記の説明は、正
規分布の分散σｊ1ｊ2 2の値にかかわらず、常に成り立
つ。
【０１１９】以上の説明より図８〜図１３の各（ａ）の
場合には、直接的な方法に代えて、図５〜図７の各
（ｂ）から得られる尖度の各変化量を加算することによ
り尖度Ａｊ1ｊ2 (+)の近似値を算出できることが分か
る。即ち、基準パターン正ベクトルが増加した２個の成
分について図５〜図７の各（ｂ）を用いてそれぞれの尖
度の変化量を求め、上記尖度の各変化量を加算した和の
値を求めて尖度値Ａｊ1ｊ2 (+ )を算出できる。同様にし
て、尖度値Ａｊ1ｊ2 (-)を算出できる。
【０１２０】このことは、標準パターン行列に対して入
力パターン行列の３個以上の成分が同時に増加したこと
により、基準パターン正ベクトルＫｊ 1 ｊ 2 (+) の３個以
上の成分が同時に増加した場合にも成り立つ。同様に、
このことは、標準パターン行列に対して入力パターン行
列の３個以上の成分が同時に減少したことにより、基準
パターン負ベクトルＫｊ1ｊ2 (-)の３個以上の成分が同
時に増加した場合にも成り立つ。
【０１２１】従って、標準パターン行列に対して入力パ
ターン行列の複数の成分が同時に増加したことにより基
準パターン正ベクトルの複数の成分が同時に増加した場
合には、次の数９の上側の条件式により、尖度値Ａｊ1
ｊ2 (+)を算出できる。即ち、基準パターン正ベクトルの
第ｉ0成分における尖度の変化率をｇｊ1ｊ2ｉ0とし、標
準パターン行列の成分値と入力パターン行列の成分値と
の間の変化量を（ｎｉ 1ｉ2−ｈｉ1ｉ2）として、ｇｊ1
ｊ2ｉ0と（ｎｉ1ｉ2−ｈｉ1ｉ2）との積の値を求め、上
記積の値を標準パターン行列に対して入力パターン行列
が増加した全ての成分について加算した和の値を求めて
尖度値Ａｊ1ｊ2 (+)を算出する。
【０１２２】同様に、標準パターン行列に対して入力パ
ターン行列の複数の成分が同時に減少したことにより基
準パターン負ベクトルの複数の成分が同時に増加した場
合には、次の数９の下側の条件式により、ｇｊ1ｊ2ｉ0
と（ｎｉ1ｉ2−ｈｉ1ｉ2）との積の値を求め、上記積の
値を標準パターン行列に対して入力パターン行列が減少
した全ての成分について加算した和の値を求めて尖度値
Ａｊ1ｊ2 (-)を算出する。
【０１２３】
【数９】
【０１２４】ところで、関連技術（特願２０００−２７
７７４９号）では、数６により算出した基準パターン正
ベクトルＫｊ1ｊ2 (+)の尖度Ａｊ1ｊ2 (+)、及び、基準パ
ターン負ベクトルＫｊ1ｊ2 (-)の尖度Ａｊ1ｊ2 (-)を用い
て、次の数１０より、形状変化量Ｄｊ1ｊ2を算出してい
る。即ち、正規分布形状に初期設定された２つの基準パ
ターンベクトルＫｊ1ｊ2 (+)及びＫｊ1ｊ2 (-)の尖度の値
は、共に３に等しく、そのため、数５により形状変化し
た基準パターン正ベクトル及び基準パターン負ベクトル
の尖度の変化量は、それぞれ｛Ａｊ1ｊ2 (+)−３｝及び
｛Ａｊ1ｊ2 (-)−３｝となり、従って、正方向の変化量
は｛Ａｊ1ｊ2 (+)−３｝、また負方向の変化量は｛Ａｊ1
ｊ2 (-)−３｝となり、全体の変化量はこの差の値になる
として形状変化量Ｄｊ1ｊ2を算出している。
【０１２５】
【数１０】
【０１２６】従って、数９を数１０に代入して、次の数
１１を得る。即ち、標準パターン行列に対して入力パタ
ーン行列の複数の成分が同時に増加及び減少したことに
より基準パターン正ベクトル及び基準パターン負ベクト
ルの複数の成分が同時に増加した場合には、数１１によ
り、形状変化量Ｄｊ1ｊ2を算出できる。
【０１２７】
【数１１】
【０１２８】数１１より、形状変化量Ｄｊ1ｊ2は、基準
パターンベクトルの尖度の変化率ｇｊ1ｊ2ｉ0と標準パ
ターン行列の成分値ｈｉ1ｉ2との積和演算、及び、同変
化率ｇｊ1ｊ2ｉ0と入力パターン行列の成分値ｎｉ1ｉ2
との積和演算に分解できることが分かる。そこで、次の
数１２に示すように、それぞれの積和値をｈｇｊ1ｊ2及
びｎｇｊ1ｊ2とおいておく。
【０１２９】
【数１２】
【０１３０】次に、数１２中の尖度の変化率ｇｊ1ｊ2ｉ
0（ｉ0＝１，２，・・・，ｍ0）の算出方法、及び、成分番
号ｉ0の算出方法について説明する。なお、基準パター
ン正ベクトルＫｊ1ｊ2 (+)及び基準パターン負ベクトル
Ｋｊ1ｊ2 (-)が相等なベクトルであることにより、基準
パターン正ベクトルＫｊ1ｊ2 (+)の尖度の変化率、及
び、基準パターン負ベクトルＫｊ1ｊ2 (-)の尖度の変化
率は等しく（算出方法が等しい）、また、数１２に示さ
れるように、これらを区別する必要もない。従って、以
下の説明では、基準パターン正ベクトル及び基準パター
ン負ベクトルに代えて、単に基準パターンベクトルと表
記し、また、記号(+)及び(-)を除いて表記する。
【０１３１】図１４（ａ）は模式図であって、基準パタ
ーンベクトルＫｊ1ｊ2の第ｉ0成分だけが１．０増加し
た例を示したものである。また、図１４（ｂ）は、同図
（ａ）のように形状変化した基準パターンベクトルの尖
度Ａｊ1ｊ2の変化量ΔＡｊ1ｊ2を、数６により直接的に
求めて図中のｉ0の位置にプロットし、次に、このｉ 0を
１からｍ0まで変化させたときに、尖度の変化量の算出
値ΔＡｊ1ｊ2が変化する様子をグラフ（加重曲線）で示
したものである。ここで、この加重曲線は、基準パター
ンベクトルの第ｉ0成分だけが１．０増加したときの尖
度の変化量をプロットしたものであるから、加重曲線の
関数値は、基準パターンベクトルの第ｉ 0成分（ｉ0＝
１，２，・・・，ｍ0）における尖度の変化率ｇｊ1ｊ2ｉ0
に等しくなる。また、この図１４（ｂ）において加重曲
線の関数値に等しい高さの棒グラフも示しているが、こ
の棒グラフの高さの値を成分とする加重ベクトルＧｊ1
ｊ2を図１４（ｂ）のように作成し、次の数１３のよう
に表現しておく。数１３は、基準パターンベクトルの尖
度の変化率をベクトルのｍ0個の成分値で表現したもの
であり、数１及び数４は、行列（２次元）であるのに対
し、数１３はベクトル（１次元）である。
【０１３２】
【数１３】
【０１３３】図１５（ａ）、（ｂ）は、正規曲線と加重
曲線との関係を示し、また、基準パターンベクトルＫｊ
1ｊ2と加重ベクトルＧｊ1ｊ2との関係を示したものであ
る。図１５（ａ）は、分散σｊ1ｊ2 2の値をもつ正規曲
線、及び、この正規曲線の関数値を成分とする基準パタ
ーンベクトルＫｊ1ｊ2を示し、図１５（ｂ）は、上記基
準パターンベクトルの尖度の変化率に基づき作成した加
重曲線、及び、この加重曲線の関数値を成分とする加重
ベクトルＧｊ1ｊ2を示している。
【０１３４】図１５（ａ）、（ｂ）より、正規曲線と加
重曲線が対応し、また、基準パターンベクトルＫｊ1ｊ2
と加重ベクトルＧｊ1ｊ2が対応し、基準パターンベクト
ルＫｊ1ｊ2の添数ｊ1ｊ2、ｉ0、ｍ0と、加重ベクトルＧ
ｊ1ｊ2の添数ｊ1ｊ2、ｉ0、ｍ0はそれぞれ同じ値をもつ
ことが分かる。
【０１３５】また、図１６及び図１７は、正規曲線と加
重曲線との関係を３次元で示したものであり、図１６は
（ｘ−ｙ）正規化平面上の正規曲線を示し、図１７は同
じく（ｘ−ｙ）正規化平面上の加重曲線を示している。
図１６では、２つの正規曲線を示している。その１つは
正規曲線の中心線が点（ｊ1，ｊ2）を通り、かつ、（ｘ
−ｙ）正規化平面に垂直であり、また、正規曲線のｕ軸
が点（ｍ1，１）を通るものである。別の１つは、正規
曲線の中心線が点（ｊ1，ｊ2）を通り、かつ、上記平面
に垂直であり、また、正規曲線のｕ軸が点（ｉ1，ｉ2）
を通るものである。ここで、これら２つの正規曲線の分
散σｊ1ｊ2 2は、同じ値であるものとする。従って、上
記中心線を軸として正規曲線を回転したとき、これら２
つの正規曲線は一致する。図１６では、点（ｊ1，ｊ2）
と点（ｉ1，ｉ2）との間の長さλｉ1ｉ2ｊ1ｊ2を求め、
正規曲線の中心から上記長さだけ離れた位置を算出する
様子を示している。
【０１３６】同様に、図１７では、２つの加重曲線を示
している。その１つは加重曲線の中心線が点（ｊ1，
ｊ2）を通り、かつ、（ｘ−ｙ）正規化平面に垂直であ
り、また、加重曲線のｕ軸が点（ｍ1，１）を通るもの
である。別の１つは、加重曲線の中心線が点（ｊ1，
ｊ2）を通り、かつ、上記平面に垂直であり、また、加
重曲線のｕ軸が点（ｉ1，ｉ2）を通るものである。ここ
で、これら２つの加重曲線は、図１６に示す２つの同じ
正規曲線の尖度の変化率に基づき作成したものとする。
従って、上記中心線を軸として加重曲線を回転したと
き、これら２つの加重曲線は一致する。図１７では、点
（ｊ1，ｊ2）と点（ｉ1，ｉ2）との間の長さλｉ1ｉ2ｊ
1ｊ2を求め、加重曲線の中心から上記長さだけ離れた位
置を算出する様子を示している。図１６及び図１７よ
り、正規曲線と加重曲線が対応することが分かる。
【０１３７】また、図１８及び図１９は、正規曲線の中
心の移動と加重曲線の中心の移動との関係を示したもの
である。図１８は、正規曲線の中心が点（ｊ1，ｊ2）
（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）
の位置に移動したときのそれぞれの場合について、異な
る分散の値をもつ正規曲線を示し、また、正規曲線の中
心と点（ｉ1，ｉ2）との間の長さλｉ1ｉ2ｊ1ｊ2（ｊ1
＝１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）を求
め、正規曲線の中心から上記長さだけ離れた位置を算出
する様子を示している。
【０１３８】同様に、図１９は、加重曲線の中心が点
（ｊ1，ｊ2）（ｊ1＝１，２，・・・，ｍ 1）（ｊ2＝１，
２，・・・，ｍ2）の位置に移動したときのそれぞれの場合
について、図１８に示すそれぞれの正規曲線の尖度の変
化率に基づき作成した加重曲線を示し、また、加重曲線
の中心と点（ｉ1，ｉ2）との間の長さλｉ1ｉ2ｊ1ｊ
2（ｊ 1＝１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，
ｍ2）を求め、加重曲線の中心から上記長さだけ離れた
位置を算出する様子を示している。
【０１３９】図１８及び図１９より、正規曲線の中心の
移動と加重曲線の中心の移動が対応し、また、基準パタ
ーンベクトルの中心から長さλｉ1ｉ2ｊ1ｊ2だけ離れた
位置に最も近い基準パターンベクトルの成分番号ｉ0を
算出する方法と、加重ベクトルの中心から長さλｉ1ｉ2
ｊ1ｊ2だけ離れた位置に最も近い加重ベクトルの成分番
号ｉ0を算出する方法は同じであることが分かる。従っ
て、数１２中のｉ0は、パターン行列のｊ1ｊ2成分とｉ1
ｉ2成分が与えられたとき、（ｘ−ｙ）正規化平面上の
これら２点間の長さに基づき算出されることが分かる。
【０１４０】即ち、数１２の左辺に示すｈｇｊ1ｊ2は、
標準パターン行列の指定成分と各成分との間の長さを求
め、加重ベクトルの中心から上記長さだけ離れた位置に
最も近い加重ベクトルの成分番号ｉ0を算出し、加重ベ
クトルの上記成分番号の成分値ｇｊ1ｊ2ｉ0と標準パタ
ーン行列の各成分の成分値ｈｉ1ｉ2との積の値を求め、
上記積の値を標準パターン行列の各成分について加算し
た積和値として算出できる。また、数１２の左辺に示す
ｎｇｊ1ｊ2は、入力パターン行列の指定成分と各成分と
の間の長さを求め、加重ベクトルの中心から上記長さだ
け離れた位置に最も近い加重ベクトルの成分番号ｉ0を
算出し、加重ベクトルの上記成分番号の成分値ｇｊ1ｊ2
ｉ0と入力パターン行列の各成分の成分値ｎｉ1ｉ2との
積の値を求め、上記積の値を入力パターン行列の各成分
について加算した積和値として算出できる。
【０１４１】次に、数１２中のｈｇｊ1ｊ2（ｊ1＝１，
２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）を成分とす
る標準パターン加重行列Ｈｇと、数１２中のｎｇｊ1ｊ2
（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）
を成分とする入力パターン加重行列Ｎｇを作成する。こ
の標準パターン加重行列Ｈｇ及び入力パターン加重行列
Ｎｇを、次の数１４のように表現しておく。
【０１４２】
【数１４】
【０１４３】また、数１２を数１１に代入して、次の数
１５を得る。数１５より、形状変化量Ｄｊ1ｊ2は、入力
パターン加重行列Ｎｇの成分値ｎｇｊ1ｊ2から標準パタ
ーン加重行列Ｈｇの成分値ｈｇｊ1ｊ2を減算して得られ
ることが分かる。
【０１４４】
【数１５】
【０１４５】関連技術（特願２０００−２７７７４９
号）では、数１５により算出したｍ1×ｍ2個の形状変化
量Ｄｊ1ｊ2の２乗和の平方根を形状距離値としている。
従って、次の数１６より、形状距離値ｄEを算出でき
る。
【０１４６】
【数１６】
【０１４７】また、関連技術（特願２０００−２７７７
４９号）では、数１５により算出したｍ1×ｍ2個の形状
変化量Ｄｊ1ｊ2の２乗和自身を形状距離値としている。
従って、次の数１７により、形状距離値ｄEを算出する
こともできる。
【０１４８】
【数１７】
【０１４９】一方、数１２において、標準パターン行列
の成分値ｈｉ1ｉ2及び入力パターン行列の成分値ｎｉ1
ｉ2を、それぞれ標準パターン原始行列の成分値ｈｏｉ1
ｉ2及び入力パターン原始行列の成分値ｎｏｉ1ｉ2に置
き換え、次の数１８に示すように、基準パターンベクト
ルの尖度の変化率ｇｊ1ｊ2ｉ0と標準パターン原始行列
の成分値ｈｏｉ1ｉ2との積和値をｈｏｇｊ1ｊ2とおき、
同変化率ｇｊ1ｊ2ｉ0 と入力パターン原始行列の成分値
ｎｏｉ1ｉ2との積和値をｎｏｇｊ1ｊ2とおく。
【０１５０】
【数１８】
【０１５１】次に、数１８中のｈｏｇｊ1ｊ2（ｊ1＝
１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）を成分
とする標準パターン原始加重行列Ｈｏｇと、数１８中の
ｎｏｇｊ 1ｊ2（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝１，
２，・・・，ｍ2）を成分とする入力パターン原始加重行列
Ｎｏｇを作成する。この標準パターン原始加重行列Ｈｏ
ｇ及び入力パターン原始加重行列Ｎｏｇを、次の数１９
のように表現しておく。
【０１５２】
【数１９】
【０１５３】ここで、数１に示す標準パターン原始行列
Ｈｏ及び入力パターン原始行列Ｎｏを、数２により全画
素の濃度の合計で正規化して、数４に示す標準パターン
行列Ｈ及び入力パターン行列Ｎを作成した場合には、次
の数２０が成り立つ。
【０１５４】
【数２０】
【０１５５】また、数１に示す標準パターン原始行列Ｈ
ｏ及び入力パターン原始行列Ｎｏを、数３により全画素
の濃度の最大値で正規化して、数４に示す標準パターン
行列Ｈ及び入力パターン行列Ｎを作成した場合には、次
の数２１が成り立つ。
【０１５６】
【数２１】
【０１５７】数２０における右辺の分母の値は、それぞ
れ標準画像及び入力画像の全画素の濃度の合計であり、
これらはそれぞれ定数である。また、数２１における右
辺の分母の値は、それぞれ標準画像及び入力画像の全画
素の濃度の最大値であり、これらもそれぞれ定数であ
る。従って、Ｃｈ及びＣｎをそれぞれ定数とし、数２０
及び数２１をまとめて、次の数２２のように表記する。
【０１５８】
【数２２】
【０１５９】数２２を数１２に代入し、次に、数１８を
用いて、次の数２３を得る。
【０１６０】
【数２３】
【０１６１】数２３より、ｊ1（ｊ1＝１，２，・・・，
ｍ1）とｊ2（ｊ2＝１，２，・・・，ｍ2）について、標準
パターン加重行列の成分値ｈｇｊ1ｊ2は、標準パターン
原始加重行列の成分値ｈｏｇｊ1ｊ2を定数Ｃｈで除算し
たものであり、また、入力パターン加重行列の成分値ｎ
ｇｊ1ｊ2は、入力パターン原始加重行列の成分値ｎｏｇ
ｊ 1ｊ2を定数Ｃｎで除算したものであることが分かる。
【０１６２】図２０は、数２３の関係を示した模式図で
あって、ｍ1×ｍ2次元パターン空間において、原点Ｏか
ら、それぞれ標準パターン加重行列Ｈｇの点、入力パタ
ーン加重行列Ｎｇの点、標準パターン原始加重行列Ｈｏ
ｇの点、入力パターン原始加重行列Ｎｏｇの点へ向かう
矢印を示したものである。数２３の関係より、図２０で
は、原点Ｏ、標準パターン加重行列Ｈｇの点、及び、標
準パターン原始加重行列Ｈｏｇの点は１つの直線上に並
び、また、原点Ｏ、入力パターン加重行列Ｎｇの点、及
び、入力パターン原始加重行列Ｎｏｇの点は別の直線上
に並ぶ様子を示している。
【０１６３】また、数１６より、形状距離ｄEは、標準
パターン加重行列の成分値ｈｇｊ1ｊ 2、及び、入力パタ
ーン加重行列の成分値ｎｇｊ1ｊ2を用いて従来のユーク
リッド距離の計算を行うことにより算出できることが分
かる。そこで、図２０において、形状距離ｄEは、標準
パターン加重行列Ｈｇの点と入力パターン加重行列Ｎｇ
の点との間のユークリッド距離になることを示してい
る。
【０１６４】一方、２値画像、及び、それ以外の画像が
混在する画像認識においては、一般に、入力画像が２値
画像、または、それ以外の画像のどちらであるか予め分
かっていないことが多く、このような場合には、画像の
濃度パターンを全画素の濃度の最大値で正規化する方
法、または、全画素の濃度の合計で正規化する方法のど
ちらを用いて入力画像を処理するのか判断できない問題
があり、従って、数１６に示す形状距離値ｄEを利用で
きないことになる。
【０１６５】そこで、画像の濃度パターンを正規化しな
いで作成した標準パターン原始加重行列及び入力パター
ン原始加重行列について、これら２つのパターン原始加
重行列間の角度、即ち、図２０において、直線ＯＨｏｇ
と直線ＯＮｏｇとの間の角度を類似性尺度として用いる
ことができれば都合が良い。従って、標準パターン原始
加重行列Ｈｏｇと入力パターン原始加重行列Ｎｏｇとの
間の角度の余弦として、次の数２４により、形状距離値
ｄAを算出できる。数２４において、形状距離値ｄAは、
−１≦ｄA≦＋１の範囲の値になり、また、標準パター
ン原始行列Ｈｏの形状と入力パターン原始行列Ｎｏの形
状が似ているとき、従って、標準パターン原始加重行列
Ｈｏｇの形状と入力パターン原始加重行列Ｎｏｇの形状
が似ているとき、これら２つのパターン原始加重行列間
の角度の値は小さくなるため、形状距離値ｄAは＋１に
近い値になる。
【０１６６】
【数２４】
【０１６７】本発明の第１の課題について以上をまとめ
ると、数１６及び図２０に示すように、標準パターン行
列Ｈと入力パターン行列Ｎとの間の形状距離ｄEは、標
準パターン加重行列Ｈｇと入力パターン加重行列Ｎｇと
の間のユークリッド距離として算出でき、一方、数２４
及び図２０に示すように、標準パターン原始行列Ｈｏと
入力パターン原始行列Ｎｏとの間の形状距離ｄAは、標
準パターン原始加重行列Ｈｏｇと入力パターン原始加重
行列Ｎｏｇとの間の角度の余弦として算出できる。な
お、図２０より分かるように、標準パターン原始加重行
列Ｈｏｇと入力パターン原始加重行列Ｎｏｇとの間の角
度の値は、標準パターン加重行列Ｈｇと入力パターン加
重行列Ｎｇとの間の角度の値に等しいため、標準パター
ン加重行列Ｈｇと入力パターン加重行列Ｎｇとの間の角
度の余弦として形状距離ｄAを算出しても良い。
【０１６８】以上で形状距離値ｄE及び形状距離値ｄAの
算出方法を述べたが、次に、この方法を用いて標準画像
と入力画像との間の形状距離値ｄE及び形状距離値ｄAを
実際に算出することを考えてみる。
【０１６９】関連技術（特願２０００−２７７７４９
号）においては、標準音声及び３個の入力音声の例を示
している。図２１、図２２は、これらと同じ形状を持つ
標準画像及び３個の入力画像を示したものである。即
ち、図２１、図２２は、平坦な濃度形状を持つ標準画像
１、及び、この標準画像１と全画素の濃度の合計が同じ
であるが濃度形状の特徴が異なる入力画像２、３、４に
ついて、標準画像１の濃度を成分とする７行９列の標準
パターン原始行列１Ａｏを予め登録しておき、各入力画
像２、３、４の濃度を成分とする７行９列の入力パター
ン原始行列２Ａｏ、３Ａｏ、４Ａｏを作成し、標準画像
１と各入力画像２、３、４との間の類似性尺度として、
形状距離値ｄE２、ｄE３、ｄE４、及び、形状距離値ｄA
２、ｄA３、ｄA４を算出する様子を模式的に示したもの
である。
【０１７０】ただし、形状距離値ｄEの算出において
は、画像の濃度パターンを全画素の濃度の合計で正規化
することが予め指示されているものとして、数２を用い
て正規化濃度を求め、標準画像１の正規化濃度を成分と
する標準パターン行列を予め登録しておき、各入力画像
２、３、４の正規化濃度を成分とするそれぞれの入力パ
ターン行列を作成する。
【０１７１】ここで、各入力画像２、３、４は、変数α
について、図２２中に示されるγ、δ、ε、ζ、η、θ
の関係を持っているものとする。つまり、標準画像１の
濃度形状に対する各入力画像２、３、４の濃度形状の変
化が、図２２に示す関係で、変数αにより規定されるも
のとしている。
【０１７２】また、関連技術（特願２０００−２７７７
４９号）においては、標準音声及び３個の入力音声の例
を示している。図２３、図２４は、これらの例と同じ形
状を持つ標準画像及び３個の入力画像を示したものであ
る。即ち、図２３、図２４は、濃度形状に２個のピーク
を持つ標準画像５、及び、この標準画像５と全画素の濃
度の合計が同じであるがピークの位置が異なる入力画像
６、７、８について、標準画像５の濃度を成分とする７
行９列の標準パターン原始行列５Ａｏを予め登録してお
き、各入力画像６、７、８の濃度を成分とする７行９列
の入力パターン原始行列６Ａｏ、７Ａｏ、８Ａｏを作成
し、標準画像５と各入力画像６、７、８との間の類似性
尺度として、形状距離値ｄE６、ｄE７、ｄE ８、及び、
形状距離値ｄA６、ｄA７、ｄA８を算出する様子を模式
的に示したものである。
【０１７３】ただし、形状距離値ｄEの算出において
は、画像の濃度パターンを全画素の濃度の合計で正規化
することが予め指示されているものとして、数２を用い
て正規化濃度を求め、標準画像５の正規化濃度を成分と
する標準パターン行列を予め登録しておき、各入力画像
６、７、８の正規化濃度を成分とするそれぞれの入力パ
ターン行列を作成する。
【０１７４】ここで、標準画像５、及び、各入力画像
６、７、８は、変数βについて、図２４中に示される
ω、φの関係を持っているものとする。つまり、標準画
像５の濃度形状に対する各入力画像６、７、８の濃度形
状の変化が、図２４に示す関係で、変数βにより規定さ
れるものとしている。
【０１７５】図２５は、図２２における変数αの値を０
から１まで増加させたとき、形状距離値ｄE２、ｄE３、
ｄE４が変化する様子を示したものである。この図２５
から、図２１、図２２の例では、形状距離値は常にｄE
２＝ｄE３＜ｄE４であり、αの値が増加するにつれて、
形状距離値ｄE２、ｄE３、ｄE４も増加することが分か
る。即ち、図２５の結果は、近似的に、関連技術（特願
２０００−２７７７４９号）の結果に等しいことが分か
る。従って、以上の結果より、数７及び数９による近似
が適切であったことが確認できる。
【０１７６】一方、図２６は、図２２における変数αの
値を０から１まで増加させたとき、形状距離値ｄA２、
ｄA３、ｄA４が変化する様子を示したものである。この
図２６から、図２１、図２２の例では、形状距離値は常
にｄA２＝ｄA３＞ｄA４であり、αの値が増加するにつ
れて、形状距離値ｄA２、ｄA３、 ｄA４が減少すること
が分かる。形状距離値ｄA２、ｄA３、ｄA４が減少する
ことは、角度の値が増加することである。即ち、標準パ
ターン原始行列１Ａｏと入力パターン原始行列４Ａｏと
の間の角度の値は、標準パターン原始行列１Ａｏと入力
パターン原始行列２Ａｏまたは３Ａｏとの間の角度の値
より、常に大きいことが分かる。角度の値が大きいこと
は、距離が遠いことである。従って、関連技術（特願２
０００−２７７７４９号）に示されるように、従来の角
度の余弦では標準パターン原始行列１Ａｏに対して各入
力パターン原始行列２Ａｏ、３Ａｏ、４Ａｏを区別でき
なかったものが、図２６に示すように、形状距離値ｄA
では入力パターン原始行列２Ａｏ、３Ａｏと入力パター
ン原始行列４Ａｏとを区別できることが分かる。
【０１７７】また、図２７は、図２４における変数βの
値を０から１まで増加させたとき、形状距離値ｄE６、
ｄE７、ｄE８が変化する様子を示したものである。この
図２７から、図２３、図２４の例では、形状距離値は常
にｄE６＜ｄE７＜ｄE８であり、βの値が増加するにつ
れて、形状距離値ｄE６、ｄE７、ｄE８も増加すること
が分かる。即ち、図２７の結果は、近似的に、関連技術
（特願２０００−２７７７４９号）の結果に等しいこと
が分かる。従って、以上の結果より、数７及び数９によ
る近似が適切であったことが確認できる。
【０１７８】一方、図２８は、図２４における変数βの
値を０から１まで増加させたとき、形状距離値ｄA６、
ｄA７、ｄA８が変化する様子を示したものである。この
図２８から、図２３、図２４の例では、形状距離値は常
にｄA６＞ｄA７＞ｄA８であり、βの値が増加するにつ
れて、形状距離値ｄA６、ｄA７、ｄA８が減少すること
が分かる。形状距離値ｄA６、ｄA７、ｄA８が減少する
ことは、角度の値が増加することである。即ち、標準パ
ターン原始行列５Ａｏと各入力パターン原始行列６Ａ
ｏ、７Ａｏ、８Ａｏとの間の角度の値は、入力パターン
原始行列６Ａｏ、７Ａｏ、８Ａｏの順に大きくなってい
ることが分かる。角度の値が大きいことは、距離が遠い
ことである。従って、関連技術（特願２０００−２７７
７４９号）に示されるように、従来の角度の余弦では標
準パターン原始行列５Ａｏに対して各入力パターン原始
行列６Ａｏ、７Ａｏ、８Ａｏを区別できなかったもの
が、図２８に示すように、形状距離値ｄAではこれらを
区別できることが分かる。
【０１７９】図２１〜図２４では、標準画像の全画素の
濃度の合計、及び、各入力画像の全画素の濃度の合計が
すべて等しい例を示し、図２５〜図２８において、標準
画像と各入力画像との間の形状距離値ｄE及び形状距離
値ｄAを算出した。次に、標準画像の全画素の濃度の合
計、及び、各入力画像の全画素の濃度の合計がそれぞれ
異なる例について、標準画像と各入力画像との間の形状
距離値ｄE及び形状距離値ｄAを算出し、従来のユークリ
ッド距離値及び角度の余弦値と比較してみる。
【０１８０】［実験例］図２９、図３０、図３１
（ａ）、（ｂ）及び図３２（ａ）、（ｂ）を参照して実
験例を説明する。図２９、図３０は、アルファベット
“Ｅ”の濃度形状を持つ標準画像９、及び、それぞれア
ルファベット“Ｅ”、“Ｆ”、“Ｇ”の濃度形状を持つ
入力画像１０、１１、１２について、標準画像９の濃度
を成分とする７行９列の標準パターン原始行列９Ａｏ、
及び、標準画像９の正規化濃度を成分とする７行９列の
標準パターン行列９Ａを予め登録しておき、また、各入
力画像１０、１１、１２の濃度を成分とする７行９列の
入力パターン原始行列１０Ａｏ、１１Ａｏ、１２Ａｏ、
及び、各入力画像１０、１１、１２の正規化濃度を成分
とする７行９列の入力パターン行列１０Ａ、１１Ａ、１
２Ａを作成し、標準画像９と各入力画像１０、１１、１
２との間の類似性尺度として、ユークリッド距離（従
来）ｅE１０、ｅE１１、ｅE１２、角度の余弦（従来）
ｅA１０、ｅA１１、ｅA１２、形状距離ｄE１０、ｄE１
１、ｄE１２、及び、形状距離ｄA１０、ｄA１１、ｄA１
２を算出する様子を模式的に示したものである。
【０１８１】ただし、図２９に示す標準画像９と各入力
画像１０、１１、１２は２値画像であり、画像の文字部
分の濃度を１、背景部分の濃度を０とする。また、形状
距離ｄEの算出においては、画像の濃度パターンを全画
素の濃度の最大値で正規化することが予め指示されてい
るとして、数３を用いて正規化濃度を求める。このと
き、画像の文字部分の正規化濃度は１、背景部分の正規
化濃度は０になる。従って、図３０に示すように、標準
パターン行列９Ａ及び各入力パターン行列１０Ａ、１１
Ａ、１２Ａは、それぞれ標準パターン原始行列９Ａｏ及
び各入力パターン原始行列１０Ａｏ、１１Ａｏ、１２Ａ
ｏに等しくなる。なお、図３０において、標準パターン
原始行列９Ａｏの全画素の濃度の合計は３１であり、各
入力パターン原始行列１０Ａｏ、１１Ａｏ、１２Ａｏの
全画素の濃度の合計はそれぞれ２７、２３、２９であ
り、それぞれが異なっている。
【０１８２】図３１（ａ）、（ｂ）は、それぞれ実験で
得られたユークリッド距離値ｅE１０、ｅE１１、ｅE１
２、及び、形状距離値ｄE１０、ｄE１１、ｄE１２を棒
グラフで示したものである。
【０１８３】上述の如く、図３１（ａ）、（ｂ）は同一
の測定データからユークリッド距離値ｅE、及び、形状
距離値ｄEを算出し、標準画像と入力画像との間のそれ
ぞれの距離値を棒グラフで表したものであり、図３１
（ａ）、（ｂ）によれば、以下のことがいえる。 （１）図３１（ａ）において、ユークリッド距離ｅE１
０、ｅE１１、ｅE１２の中でｅE１２の値が最も小さく
なっている。即ち、標準パターン行列９Ａと各入力パタ
ーン行列１０Ａ、１１Ａ、１２Ａとの間のユークリッド
距離値の中で、標準パターン行列９Ａと入力パターン行
列１２Ａとの間のユークリッド距離値ｅE１２が最も小
さいことが分かる。また、図３１（ｂ）において、形状
距離ｄE１０、ｄE１１、ｄE１２の中でｄE１０の値が最
も小さくなっている。即ち、標準パターン行列９Ａと各
入力パターン行列１０Ａ、１１Ａ、１２Ａとの間の形状
距離値の中で、標準パターン行列９Ａと入力パターン行
列１０Ａとの間の形状距離値ｄE１０が最も小さいこと
が分かる。 （２）図２９、図３０において、入力画像１０は標準画
像９と同じカテゴリの文字であって、その縦線に「位置
のずれ」が発生したものであり、入力画像１１と入力画
像１２は標準画像９とは異なるカテゴリの文字である。
ここで、ユークリッド距離を用いたときは、図３１
（ａ）において許容値をどのような位置（値）に設定し
ても、入力画像１２が標準画像であると誤って判定され
るか、または、３個の入力画像がともに標準画像でない
と判定されることになる。これに対して、形状距離ｄE
を用いたときは、図３１（ｂ）に示す位置に許容値を設
定したならば、入力画像１０は標準画像であり、入力画
像１１、１２は標準画像でないと判定することができ
る。
【０１８４】一方、図３２（ａ）、（ｂ）は、それぞれ
実験で得られた角度の余弦値ｅA１０、ｅA１１、ｅA１
２、及び、形状距離値ｄA１０、ｄA１１、ｄA１２を棒
グラフで示したものである。
【０１８５】上述の如く、図３２（ａ）、（ｂ）は同一
の測定データから角度の余弦値ｅA、及び、形状距離値
ｄAを算出し、標準画像と入力画像との間のそれぞれの
距離値を棒グラフで表したものであり、図３２（ａ）、
（ｂ）によれば、以下のことがいえる。 （１）図３２（ａ）において、角度の余弦値ｅA１０、
ｅA１１、ｅA１２の中でｅA１２の値が最も大きくなっ
ている。即ち、標準パターン原始行列９Ａｏと各入力パ
ターン原始行列１０Ａｏ、１１Ａｏ、１２Ａｏとの間の
角度の余弦値の中で、標準パターン原始行列９Ａｏと入
力パターン原始行列１２Ａｏとの間の角度の余弦値ｅA
１２が最も大きいことが分かる。角度の余弦値が大きい
ことは、距離が近いことである。また、図３２（ｂ）に
おいて、形状距離値ｄA１０、ｄA１１、ｄA１２の中で
ｄA１０の値が最も大きくなっている。即ち、標準パタ
ーン原始行列９Ａｏと各入力パターン原始行列１０Ａ
ｏ、１１Ａｏ、１２Ａｏとの間の形状距離値の中で、標
準パターン原始行列９Ａｏと入力パターン原始行列１０
Ａｏとの間の形状距離値ｄA１０が最も大きいことが分
かる。形状距離が大きいことは、距離が近いことであ
る。 （２）図２９、図３０において、入力画像１０は標準画
像９と同じカテゴリの文字であって、その縦線に「位置
のずれ」が発生したものであり、入力画像１１と入力画
像１２は標準画像９とは異なるカテゴリの文字である。
ここで、角度の余弦値を用いたときは、図３２（ａ）に
おいて許容値をどのような位置（値）に設定しても、入
力画像１２が標準画像であると誤って判定されるか、ま
たは、３個の入力画像がともに標準画像でないと判定さ
れることになる。これに対して、形状距離値ｄAを用い
たときは、図３２（ｂ）に示す位置に許容値を設定した
ならば、入力画像１０は標準画像であり、入力画像１
１、１２は標準画像でないと判定することができる。
【０１８６】以上の実験結果より、画像の濃度パターン
を正規化する方法が予め指示されている場合には、ユー
クリッド距離を用いるよりも形状距離ｄEを用いる方
が、より正確に画像の類似度の検出が行えることが理解
できる。一方、画像の濃度パターンを正規化する方法が
予め指示されていない場合には、角度の余弦を用いるよ
りも形状距離ｄAを用いる方が、より正確に画像の類似
度の検出が行えることが理解できる。
【０１８７】次に、以上で述べた画像の類似度検出方法
を用いてコンピュータが連続的に画像の類似度を検出
し、画像を認識する例を図３３〜図４２を参照して説明
する。ただし、図３３〜図３７は、形状距離ｄEを用い
て画像を認識する例であり、図３８〜図４２は、形状距
離ｄAを用いて画像を認識する例である。
【０１８８】図３３は、形状距離ｄEを用いてコンピュ
ータが画像を認識するためのフローチャートである。図
３３において、ステップＳａ１では標準画像から標準パ
ターン行列Ｈを予め作成しておき、ステップＳａ２では
標準パターン行列Ｈから標準パターン加重行列Ｈｇを予
め算出しておく。ここで、ステップＳａ２の標準パター
ン加重行列Ｈｇの算出手順は、図３４に示すステップＳ
ａ２−１からステップＳａ２−８により構成される。次
のステップＳａ３では入力画像から入力パターン行列Ｎ
を作成し、ステップＳａ４では入力パターン行列Ｎから
入力パターン加重行列Ｎｇを算出する。ここで、ステッ
プＳａ４の入力パターン加重行列Ｎｇの算出手順は、図
３５に示すステップＳａ４−１からステップＳａ４−８
により構成される。そして、ステップＳａ５では標準パ
ターン加重行列Ｈｇと入力パターン加重行列Ｎｇの間の
ユークリッド距離、即ち、標準パターン行列Ｈと入力パ
ターン行列Ｎの間の形状距離値ｄEを算出し、ステップ
Ｓａ６では許容値と比較して判定を行う。判定の後、再
び、ステップＳａ３からの処理を繰り返す。
【０１８９】このような処理手順により、画像を連続的
に認識することができる。形状距離値ｄEが許容値より
大きいとき、ステップＳａ７で入力画像は標準画像でな
いと判定し、形状距離値ｄEが許容値以下のとき、ステ
ップＳａ８で入力画像は標準画像であると判定する。
【０１９０】ところで、一般に、画像認識においては、
例えばアルファベット“Ａ”、“Ｂ”、“Ｃ”、
“Ｄ”、“Ｅ”という画像のように、入力画像が複数の
画像のうちのどれであるかを認識することが多い。この
ような場合には、“Ａ”、“Ｂ”、“Ｃ”、“Ｄ”、
“Ｅ”というそれぞれの画像を別々の標準画像と考え、
これらの標準画像から５個の標準パターン行列を作成し
ておく。
【０１９１】次に、入力画像からは１個の入力パターン
行列を作成し、この入力パターン行列と上記５個の各標
準パターン行列との間の形状距離値ｄEを算出し、これ
らの形状距離値ｄEのうちの最小値と、任意に設定した
許容値とを比較し、最小の形状距離値ｄEが許容値以下
のときには、入力画像は最小の形状距離値ｄEを与える
標準画像であると判定し、許容値より大きいときには入
力画像は５個の標準画像のいずれでもないと判定する。
【０１９２】図３４は、標準パターン加重行列Ｈｇのｍ
1×ｍ2個の成分値ｈｇｊ1ｊ2を算出する処理手順を示し
たフローチャートである。ここでは、数４により標準パ
ターン行列Ｈを作成した後の処理手順を示しており、図
３４中のステップＳａ２−１〜Ｓａ２−８は図３３中の
ステップＳａ２の詳細でもある。
【０１９３】図３４において、最初のステップＳａ２−
１では、ｊ1＝１，ｊ2＝１と初期設定しておき、次のス
テップＳａ２−２からステップＳａ２−６では、ｊ2＝
ｍ2までｊ2を１ずつ増加し、ステップＳａ２−２からス
テップＳａ２−８では、ｊ1＝ｍ1までｊ1を１ずつ増加
して標準パターン加重行列Ｈｇの成分値ｈｇｊ1ｊ2を算
出するループに入る。
【０１９４】この成分値算出ループ内のステップＳａ２
−２では、ループを回る毎に、基準パターンベクトルＫ
ｊ1ｊ2を、次の数２５、数２６、数２７、数２８を順に
用いて作成する。即ち、数２５により点（ｊ1，ｊ2）と
各点との間の長さの最大値を求め、数２６により正規分
布の分散の値を算出し、数２７及び数２８により正規分
布の値を成分とする基準パターンベクトルを作成する。
ステップＳａ２−３では、数６、数１３を順に用いて加
重ベクトルＧｊ1ｊ2を作成する。即ち、数６により図１
４（ａ）に示す基準パターンベクトルの尖度の変化率を
求め、数１３により尖度の変化率の値を成分とする加重
ベクトルを作成する。次に、ステップＳａ２−４では、
次の数２９、先の数１２を順に用いて標準パターン加重
行列Ｈｇの成分値ｈｇｊ1ｊ2を算出する。即ち、数２９
により点（ｊ1，ｊ2）と各点との間の長さを求め、加重
ベクトルの中心から上記長さだけ離れた位置に最も近い
加重ベクトルの成分番号ｉ0を算出し、数１２を用いて
標準パターン加重行列Ｈｇの成分値ｈｇｊ1ｊ2を算出す
る。
【数２５】
【数２６】
【数２７】
【数２８】
【数２９】
【０１９５】このような処理手順により、ｊ1ｊ2成分
（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）
に対応するそれぞれの場合について、標準パターン加重
行列Ｈｇのｍ1×ｍ2個の成分値ｈｇｊ1ｊ2を算出するこ
とができる。
【０１９６】同様に、図３５は、入力パターン加重行列
Ｎｇのｍ1×ｍ2個の成分値ｎｇｊ1ｊ2を算出する処理手
順を示したフローチャートである。ここでは、数４によ
り入力パターン行列Ｎを作成した後の処理手順を示して
おり、図３５中のステップＳａ４−１〜Ｓａ４−８は図
３３中のステップＳａ４の詳細でもある。
【０１９７】図３５において、図３４中の標準パターン
加重行列Ｈｇの成分値ｈｇｊ1ｊ2を入力パターン加重行
列Ｎｇの成分値ｎｇｊ1ｊ2に置き換え、図３４と同じ処
理手順を実行する。
【０１９８】また、図３６は、標準パターン行列Ｈの成
分値ｈｉ1ｉ2（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，
２，・・・，ｍ2）、及び、加重ベクトルＧｊ1ｊ2の成分値
ｇｊ1ｊ2ｉ0（ｉ0＝１，２，・・・，ｍ0）から標準パター
ン加重行列Ｈｇの成分値ｈｇｊ1ｊ2を算出する処理手順
を示したものであり、図３４中のステップＳａ２−４の
模式図でもある。
【０１９９】図３６では、標準パターン行列Ｈのｊ1ｊ2
成分とｉ1ｉ2成分との間の長さλｉ 1ｉ2ｊ1ｊ2を求め、
加重ベクトルの中心から上記長さだけ離れた位置に最も
近い加重ベクトルの成分番号ｉ0を算出し、加重ベクト
ルの上記成分番号の成分値ｇｊ1ｊ2ｉ0と標準パターン
行列のｉ1ｉ2成分の成分値ｈｉ1ｉ2との積の値を求め、
上記積の値を標準パターン行列の全ての成分について加
算した積和値を算出し、この積和値を標準パターン加重
行列Ｈｇの成分値ｈｇｊ1ｊ2とする様子を示している。
ただし、図３６中の記号▽（逆三角形）は乗算器であ
り、また、記号Σ（総和記号）は加算器である。図３６
及び図１７より、長さλｉ1ｉ2ｊ1ｊ2に基づく加重係数
ｇｊ1ｊ2ｉ0を標準パターン行列の成分値ｈｉ1ｉ2に乗
算することが分かる。
【０２００】同様に、図３７は、入力パターン行列Ｎの
成分値ｎｉ1ｉ2（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，
２，・・・，ｍ2）、及び、加重ベクトルＧｊ1ｊ2の成分値
ｇｊ 1ｊ2ｉ0（ｉ0＝１，２，・・・，ｍ0）から入力パター
ン加重行列Ｎｇの成分値ｎｇｊ1ｊ2を算出する処理手順
を示したものであり、図３５中のステップＳａ４−４の
模式図でもある。図３７中の記号▽は乗算器であり、ま
た、記号Σは加算器である。
【０２０１】図３７では、図３６中の標準パターン行列
Ｈの成分値ｈｉ 1 ｉ 2 （ｉ 1 ＝１，２， ・・・ ，ｍ 1 ）（ｉ 2 ＝
１，２， ・・・ ，ｍ 2 ）、及び、標準パターン加重行列Ｈｇ
の成分値ｈｇｊ1ｊ2を、それぞれ入力パターン行列Ｎの
成分値ｎｉ 1 ｉ 2 （ｉ 1 ＝１，２， ・・・ ，ｍ 1 ）（ｉ 2 ＝１，
２， ・・・ ，ｍ 2 ）、及び、入力パターン加重行列Ｎｇの成
分値ｎｇｊ1ｊ2に置き換え、図３６と同じ処理手順を実
行する。
【０２０２】従って、図３４〜図３７に示した処理手順
により、ｊ1ｊ2成分（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝
１，２，・・・，ｍ2）に対応するそれぞれの場合につい
て、標準パターン加重行列Ｈｇのｍ1×ｍ2個の成分値ｈ
ｇｊ1ｊ2、及び、入力パターン加重行列Ｎｇのｍ1×ｍ2
個の成分値ｎｇｊ1ｊ2を算出することができる。
【０２０３】一方、図３８は、形状距離ｄAを用いてコ
ンピュータが画像を認識するためのフローチャートであ
る。図３８において、ステップＳｂ１では標準画像から
標準パターン原始行列Ｈｏを予め作成しておき、ステッ
プＳｂ２では標準パターン原始行列Ｈｏから標準パター
ン原始加重行列Ｈｏｇを予め算出しておく。ここで、ス
テップＳｂ２の標準パターン原始加重行列Ｈｏｇの算出
手順は、図３９に示すステップＳｂ２−１からステップ
Ｓｂ２−８により構成される。次のステップＳｂ３では
入力画像から入力パターン原始行列Ｎｏを作成し、ステ
ップＳｂ４では入力パターン原始行列Ｎｏから入力パタ
ーン原始加重行列Ｎｏｇを算出する。ここで、ステップ
Ｓｂ４の入力パターン原始加重行列Ｎｏｇの算出手順
は、図４０に示すステップＳｂ４−１からステップＳｂ
４−８により構成される。そして、ステップＳｂ５では
標準パターン原始加重行列Ｈｏｇと入力パターン原始加
重行列Ｎｏｇの間の角度の余弦、即ち、標準パターン原
始行列Ｈｏと入力パターン原始行列Ｎｏの間の形状距離
値ｄAを算出し、ステップＳｂ６では許容値と比較して
判定を行う。判定の後、再び、ステップＳｂ３からの処
理を繰り返す。
【０２０４】このような処理手順により、画像を連続的
に認識することができる。形状距離値ｄAが許容値より
小さいとき、ステップＳｂ７で入力画像は標準画像でな
いと判定し、形状距離値ｄAが許容値以上のとき、ステ
ップＳｂ８で入力画像は標準画像であると判定する。
【０２０５】ところで、一般に、画像認識においては、
例えばアルファベット“Ａ”、“Ｂ”、“Ｃ”、
“Ｄ”、“Ｅ”という画像のように、入力画像が複数の
画像のうちのどれであるかを認識することが多い。この
ような場合には、“Ａ”、“Ｂ”、“Ｃ”、“Ｄ”、
“Ｅ”というそれぞれの画像を別々の標準画像と考え、
これらの標準画像から５個の標準パターン原始行列を作
成しておく。
【０２０６】次に、入力画像からは１個の入力パターン
原始行列を作成し、この入力パターン原始行列と上記５
個の各標準パターン原始行列との間の形状距離値ｄAを
算出し、これらの形状距離値ｄAのうちの最大値と、任
意に設定した許容値とを比較し、最大の形状距離値ｄA
が許容値以上のときには、入力画像は最大の形状距離値
ｄAを与える標準画像であると判定し、許容値より小さ
いときには入力画像は５個の標準画像のいずれでもない
と判定する。
【０２０７】図３９は、標準パターン原始加重行列Ｈｏ
ｇのｍ1×ｍ2個の成分値ｈｏｇｊ1ｊ2を算出する処理手
順を示したフローチャートである。ここでは、数１によ
り標準パターン原始行列Ｈｏを作成した後の処理手順を
示しており、図３９中のステップＳｂ２−１〜Ｓｂ２−
８は図３８中のステップＳｂ２の詳細でもある。
【０２０８】図３９において、最初のステップＳｂ２−
１では、ｊ1＝１、ｊ2＝１と初期設定しておき、次のス
テップＳｂ２−２からステップＳｂ２−６では、ｊ2＝
ｍ2までｊ2を１ずつ増加し、ステップＳｂ２−２からス
テップＳｂ２−８では、ｊ1＝ｍ1までｊ1を１ずつ増加
して標準パターン原始加重行列Ｈｏｇの成分値ｈｏｇｊ
1ｊ2を算出するループに入る。
【０２０９】この成分値算出ループ内のステップＳｂ２
−２では、ループを回る毎に、基準パターンベクトルＫ
ｊ1ｊ2を、数２５、数２６、数２７、数２８を順に用い
て作成する。即ち、数２５により点（ｊ1，ｊ2）と各点
との間の長さの最大値を求め、数２６により正規分布の
分散の値を算出し、数２７及び数２８により正規分布の
値を成分とする基準パターンベクトルを作成する。ステ
ップＳｂ２−３では、数６、数１３を順に用いて加重ベ
クトルＧｊ1ｊ2を作成する。即ち、数６により図１４
（ａ）に示す基準パターンベクトルの尖度の変化率を求
め、数１３により尖度の変化率の値を成分とする加重ベ
クトルを作成する。次に、ステップＳｂ２−４では、数
２９、数１８を順に用いて標準パターン原始加重行列Ｈ
ｏｇの成分値ｈｏｇｊ1ｊ2を算出する。即ち、数２９に
より点（ｊ1，ｊ2）と各点との間の長さを求め、加重ベ
クトルの中心から上記長さだけ離れた位置に最も近い加
重ベクトルの成分番号ｉ0を算出し、数１８を用いて標
準パターン原始加重行列Ｈｏｇの成分値ｈｏｇｊ1ｊ2を
算出する。
【０２１０】このような処理手順により、ｊ1ｊ2成分
（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）
に対応するそれぞれの場合について、標準パターン原始
加重行列Ｈｏｇのｍ1×ｍ2個の成分値ｈｏｇｊ1ｊ2を算
出することができる。
【０２１１】同様に、図４０は、入力パターン原始加重
行列Ｎｏｇのｍ1×ｍ2個の成分値ｎｏｇｊ1ｊ2を算出す
る処理手順を示したフローチャートである。ここでは、
数１により入力パターン原始行列Ｎｏを作成した後の処
理手順を示しており、図４０中のステップＳｂ４−１〜
Ｓｂ４−８は図３８中のステップＳｂ４の詳細でもあ
る。
【０２１２】図４０において、図３９中の標準パターン
原始加重行列Ｈｏｇの成分値ｈｏｇｊ1ｊ2を入力パター
ン原始加重行列Ｎｏｇの成分値ｎｏｇｊ1ｊ2に置き換
え、図３９と同じ処理手順を実行する。
【０２１３】また、図４１は、標準パターン原始行列Ｈ
ｏの成分値ｈｏｉ1ｉ2（ｉ1＝１，２，・・・，ｍ1）（ｉ2
＝１，２，・・・，ｍ2）、及び、加重ベクトルＧｊ1ｊ2の
成分値ｇｊ1ｊ2ｉ0（ｉ0＝１，２，・・・，ｍ0）から標準
パターン原始加重行列Ｈｏｇの成分値ｈｏｇｊ1ｊ2を算
出する処理手順を示したものであり、図３９中のステッ
プＳｂ２−４の模式図でもある。
【０２１４】図４１では、標準パターン原始行列Ｈｏの
ｊ1ｊ2成分とｉ1ｉ2成分との間の長さλｉ1ｉ2ｊ1ｊ2を
求め、加重ベクトルの中心から上記長さだけ離れた位置
に最も近い加重ベクトルの成分番号ｉ0を算出し、加重
ベクトルの上記成分番号の成分値ｇｊ1ｊ2ｉ0と標準パ
ターン原始行列のｉ1ｉ2成分の成分値ｈｏｉ1ｉ2との積
の値を求め、上記積の値を標準パターン原始行列の全て
の成分について加算した積和値を算出し、この積和値を
標準パターン原始加重行列Ｈｏｇの成分値ｈｏｇｊ1ｊ2
とする様子を示している。ただし、図４１中の記号▽は
乗算器であり、また、記号Σは加算器である。図４１及
び図１７より、長さλｉ1ｉ2ｊ1ｊ2に基づく加重係数ｇ
ｊ1ｊ2ｉ0を標準パターン原始行列の成分値ｈｏｉ1ｉ2
に乗算することが分かる。
【０２１５】同様に、図４２は、入力パターン原始行列
Ｎｏの成分値ｎｏｉ1ｉ2（ｉ1＝１，２，・・・，ｍ1）
（ｉ2＝１，２，・・・，ｍ2）、及び、加重ベクトルＧｊ1
ｊ2の成分値ｇｊ1ｊ2ｉ0（ｉ0＝１，２，・・・，ｍ0）か
ら入力パターン原始加重行列Ｎｏｇの成分値ｎｏｇｊ1
ｊ2を算出する処理手順を示したものであり、図４０中
のステップＳｂ４−４の模式図でもある。図４２中の記
号▽は乗算器であり、また、記号Σは加算器である。
【０２１６】図４２では、図４１中の標準パターン原始
行列Ｈｏの成分値ｈｏｉ 1 ｉ 2 （ｉ 1 ＝１，２， ・・・ ，
ｍ 1 ）（ｉ 2 ＝１，２， ・・・ ，ｍ 2 ）、及び、標準パターン
原始加重行列Ｈｏｇの成分値ｈｏｇｊ1ｊ2を、それぞれ
入力パターン原始行列Ｎｏの成分値ｎｏｉ 1 ｉ 2 （ｉ 1 ＝
１，２， ・・・ ，ｍ 1 ）（ｉ 2 ＝１，２， ・・・ ，ｍ 2 ）、及
び、入力パターン原始加重行列Ｎｏｇの成分値ｎｏｇｊ
1ｊ2に置き換え、図４１と同じ処理手順を実行する。
【０２１７】従って、図３９〜図４２に示した処理手順
により、ｊ1ｊ2成分（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝
１，２，・・・，ｍ2）に対応するそれぞれの場合につい
て、標準パターン原始加重行列Ｈｏｇのｍ1×ｍ2個の成
分値ｈｏｇｊ1ｊ2、及び、入力パターン原始加重行列Ｎ
ｏｇのｍ1×ｍ2個の成分値ｎｏｇｊ1ｊ2を算出すること
ができる。
【０２１８】図４３及び図４４は、それぞれ形状距離値
ｄE及び形状距離値ｄAの算出手順を実現するため、画像
の類似度検出装置としてブロック図で示したものであ
る。
【０２１９】図４３において、１３はパターンベクトル
生成器、１４は加重ベクトル生成器、１５、１６はパタ
ーン行列生成器、１７、１８、１９は計算器である。
【０２２０】パターンベクトル生成器１３は、正規分布
の値を成分とする基準パターンベクトルＫｊ1ｊ2を生成
し、加重ベクトル生成器１４は、基準パターンベクトル
Ｋｊ 1ｊ2の尖度の変化率の値を成分とする加重ベクトル
Ｇｊ1ｊ2を生成し、パターン行列生成器１５は、標準画
像の特徴量を成分とする標準パターン行列Ｈを生成し、
パターン行列生成器１６は、入力画像の特徴量を成分と
する入力パターン行列Ｎを生成する。計算器１７は、標
準パターン行列の指定成分と各成分との間の長さを求
め、加重ベクトルの中心から上記長さだけ離れた位置に
最も近い加重ベクトルの成分番号を算出し、加重ベクト
ルＧｊ1ｊ2の上記成分番号の成分値と標準パターン行列
Ｈの各成分の成分値との積の値を求め、上記積の値を標
準パターン行列の各成分について加算した積和値を算出
する。ここで、積和値を算出するに際し、標準パターン
行列の指定成分を各成分の位置に移動しながら積和値を
求め、上記積和値を指定成分の成分値とする標準パター
ン加重行列Ｈｇを生成する。計算器１８は、入力パター
ン行列の指定成分と各成分との間の長さを求め、加重ベ
クトルの中心から上記長さだけ離れた位置に最も近い加
重ベクトルの成分番号を算出し、加重ベクトルＧｊ1ｊ2
の上記成分番号の成分値と入力パターン行列Ｎの各成分
の成分値との積の値を求め、上記積の値を入力パターン
行列の各成分について加算した積和値を算出する。ここ
で、積和値を算出するに際し、入力パターン行列の指定
成分を各成分の位置に移動しながら積和値を求め、上記
積和値を指定成分の成分値とする入力パターン加重行列
Ｎｇを生成する。計算器１９は、上記計算器１７により
生成された標準パターン加重行列Ｈｇと、上記計算器１
８により生成された入力パターン加重行列Ｎｇの間のユ
ークリッド距離値を算出することにより、標準パターン
行列Ｈと入力パターン行列Ｎの間の形状距離値ｄEを得
る。
【０２２１】一方、図４４において、２０はパターンベ
クトル生成器、２１は加重ベクトル生成器、２２、２３
はパターン行列生成器、２４、２５、２６は計算器であ
る。
【０２２２】パターンベクトル生成器２０は、正規分布
の値を成分とする基準パターンベクトルＫｊ1ｊ2を生成
し、加重ベクトル生成器２１は、基準パターンベクトル
Ｋｊ 1ｊ2の尖度の変化率の値を成分とする加重ベクトル
Ｇｊ1ｊ2を生成し、パターン行列生成器２２は、標準画
像の特徴量を成分とする標準パターン原始行列Ｈｏを生
成し、パターン行列生成器２３は、入力画像の特徴量を
成分とする入力パターン原始行列Ｎｏを生成する。計算
器２４は、標準パターン原始行列の指定成分と各成分と
の間の長さを求め、加重ベクトルの中心から上記長さだ
け離れた位置に最も近い加重ベクトルの成分番号を算出
し、加重ベクトルＧｊ1ｊ2の上記成分番号の成分値と標
準パターン原始行列Ｈｏの各成分の成分値との積の値を
求め、上記積の値を標準パターン原始行列の各成分につ
いて加算した積和値を算出する。ここで、積和値を算出
するに際し、標準パターン原始行列の指定成分を各成分
の位置に移動しながら積和値を求め、上記積和値を指定
成分の成分値とする標準パターン原始加重行列Ｈｏｇを
生成する。計算器２５は、入力パターン原始行列の指定
成分と各成分との間の長さを求め、加重ベクトルの中心
から上記長さだけ離れた位置に最も近い加重ベクトルの
成分番号を算出し、加重ベクトルＧｊ1ｊ2の上記成分番
号の成分値と入力パターン原始行列Ｎｏの各成分の成分
値との積の値を求め、上記積の値を入力パターン原始行
列の各成分について加算した積和値を算出する。ここ
で、積和値を算出するに際し、入力パターン原始行列の
指定成分を各成分の位置に移動しながら積和値を求め、
上記積和値を指定成分の成分値とする入力パターン原始
加重行列Ｎｏｇを生成する。計算器２６は、上記計算器
２４により生成された標準パターン原始加重行列Ｈｏｇ
と、上記計算器２５により生成された入力パターン原始
加重行列Ｎｏｇの間の角度の余弦値を算出することによ
り、標準パターン原始行列Ｈｏと入力パターン原始行列
Ｎｏの間の形状距離値ｄAを得る。
【０２２３】以上で本発明の第１の課題について解決手
段を述べたが、次に、本発明の第２の課題について解決
手段を説明する。
【０２２４】手書き文字認識においては、同じ文字であ
っても筆記ごとに変形した文字が出現するため、通常、
多数の人間が同じ文字を繰り返し筆記して、各文字ごと
に複数個の標準画像を登録する方法が採られている。
【０２２５】例えば、図４５は、アルファベット“Ｅ”
の２値画像の２つの例、及び、アルファベット“Ｆ”の
２値画像の２つの例であり、これらをそれぞれ“Ｅ”の
標準画像２７、２８、及び、“Ｆ”の標準画像２９、３
０としたものである。アルファベット“Ｅ”とアルファ
ベット“Ｆ”はカテゴリが異なる。ただし、これらの標
準画像において文字部分の濃度を１、背景部分の濃度を
０とする。また、図４５では、各標準画像間の形状距離
ｄEをｄE２７−２８、ｄE２９−３０、ｄE２７−２９、
ｄE２７−３０、ｄE２８−２９、ｄE２８−３０として
模式的に示している。但し、実線矢印で示すｄE２７−
２８は同じカテゴリ“Ｅ”の標準画像２７、２８間の形
状距離であり、実線矢印で示すｄE２９−３０は同じカ
テゴリ“Ｆ”の標準画像２９、３０間の形状距離であ
る。破線矢印で示すｄE２７−２９、ｄE２７−３０は異
なるカテゴリ“Ｅ”の標準画像２７と“Ｆ”の標準画像
２９、３０間の形状距離であり、破線矢印で示すｄE２
８−２９、ｄE２８−３０は異なるカテゴリ“Ｅ”の標
準画像２８と“Ｆ”の標準画像２９、３０間の形状距離
である。
【０２２６】一方、図４５では、各標準画像間の形状距
離ｄAをｄA２７−２８、ｄA２９−３０、ｄA２７−２
９、ｄA２７−３０、ｄA２８−２９、ｄA２８−３０と
して模式的に示している。但し、実線矢印で示すｄA２
７−２８は同じカテゴリ“Ｅ”の標準画像２７、２８間
の形状距離であり、実線矢印で示すｄA２９−３０は同
じカテゴリ“Ｆ”の標準画像２９、３０間の形状距離で
ある。破線矢印で示すｄ A２７−２９、ｄA２７−３０は
異なるカテゴリ“Ｅ”の標準画像２７と“Ｆ”の標準画
像２９、３０間の形状距離であり、破線矢印で示すｄA
２８−２９、ｄA２８−３０は異なるカテゴリ“Ｅ”の
標準画像２８と“Ｆ”の標準画像２９、３０間の形状距
離である。
【０２２７】ここで、同じカテゴリの標準画像間の距離
が近くなり、同時に、異なるカテゴリの標準画像間の距
離が遠くなるようにできれば、結果として、同じカテゴ
リの標準画像と異なるカテゴリの標準画像の分離が良く
なり、入力画像が与えられたときの認識性能が向上す
る。
【０２２８】ところが、数２６では、パターン行列の指
定成分と各成分との間の長さの最大値λｍ1１ｊ1ｊ
2を、定数１．４で除算した比の値の２乗を以て、正規
分布の分散の値としている。即ち、関連技術（特願２０
００−２７７７４９号）の方法では、固定的な分散の値
をもつ正規分布を用いて基準パターンベクトルを作成し
ているため、同じカテゴリの標準画像と異なるカテゴリ
の標準画像の分離が固定化され、入力画像が与えられた
ときの認識性能を向上することができない。
【０２２９】この問題を解決するため本発明では、関連
技術の固定的な方法に代えて、可変的な分散の値をもつ
正規分布を用いて基準パターンベクトルを作成する。こ
のため、上記定数１．４を変数に置き換えて正規曲線の
分散の値を変化させたとき、加重曲線が変化する様子を
調べることにする。
【０２３０】図４６（ａ）は、数２６において、定数
１．４をそれぞれ定数２．１、１．４、０．７に置き換
えた場合について、それぞれの正規曲線を示したもので
ある。また、図４６（ｂ）は、これらの正規曲線の尖度
の変化率に基づき作成したそれぞれの加重曲線を示した
ものである。図４６（ａ）、（ｂ）より、分散σｊ1ｊ2
2の値が大きくなるにつれて、正規曲線はなだらかにな
り、加重曲線はｕ軸に平行な方向に伸びることが分か
る。なお、上記の定数２．１、１．４、０．７は、下記
の説明に基づく数値である。即ち、平均値μ＝０、分散
σ2としたとき、正規曲線の尖度値は「３」に等しい。
そして、曲線ｆ（ｙ）の値がｙ＝−０．７σ〜＋０．７
σの範囲において正規曲線の値より増加したとき、尖度
値は「３」より大きくなり、曲線ｆ（ｙ）の値がｙ＝−
２．１σ〜−０．７σ或いはｙ＝＋０．７σ〜＋２．１
σの範囲において正規曲線の値より増加したとき、尖度
値は「３」より小さくなる。また、曲線ｆ（ｙ）の値が
ｙ＝−０．７σの近傍或いはｙ＝＋０．７σの近傍にお
いて正規曲線の値より増加したとき、尖度値の変化量は
少なく、尖度値は「３」に近い値となる。一方、曲線ｆ
（ｙ）の値がｙ＝−２．１σ以下、或いは、ｙ＝＋２．
１σ以上の範囲において正規曲線の値より増加したと
き、尖度値は「３」より大きくなったり小さくなったり
する不安定な動きになる。このことは、正規分布の分散
σ2の値にかかわらず、常に成り立つ。
【０２３１】次に、図４６（ａ）、（ｂ）に示すよう
に、正規曲線の分散の値を変化させることにより加重曲
線をｕ軸に平行な方向に伸縮させたとき、図４５に示し
た標準画像２７、２８、２９、３０について、各標準画
像間の形状距離値ｄE及び形状距離値ｄAが変化する様子
を調べてみる。なお、これまでの説明では、標準画像と
入力画像との間の形状距離値ｄE及び形状距離値ｄAの算
出方法を示したが、入力画像を標準画像に置き換え、こ
れまでの説明と同様な方法により、２つの標準画像間の
形状距離値ｄE及び形状距離値ｄAを算出することができ
る。
【０２３２】ここでは、形状距離ｄEを用いる場合につ
いて考える。各標準画像間の形状距離値が変化する様子
を調べるために、次の数３０に示すように、同じカテゴ
リの標準画像間の形状距離平均値を、異なるカテゴリの
標準画像間の形状距離平均値で除算した平均値の比の値
ＲE（Ｃｇ）を算出する。ただし、図４６中の定数２．
１、１．４、０．７を変数Ｃｇに置き換え、０．７≦Ｃ
ｇ≦２．１の範囲において変数Ｃｇの値を変化させ、こ
のときの平均値の比の値ＲE（Ｃｇ）を算出するものと
する。また、形状距離ｄEの算出においては、画像の濃
度パターンを全画素の濃度の最大値で正規化することが
予め指示されているとして、数３を用いて正規化濃度を
求めるものとする。
【０２３３】
【数３０】
【０２３４】数３０において、変数Ｃｇの値が増加する
につれて、分散σｊ1ｊ2 2の値は減少し、従って、加重
曲線はｕ軸に平行な方向に縮まり、各標準画像間の形状
距離ｄE２７−２８、ｄE２９−３０、ｄE２７−２９、
ｄE２７−３０、ｄE２８−２９、ｄE２８−３０も、ｄE
≧０の範囲において値が変化する。ここで、数３０中の
ＲE（Ｃｇ）の分子は同じカテゴリの標準画像間の形状
距離平均値であり、分母は異なるカテゴリの標準画像間
の形状距離平均値であるから、平均値の比の値ＲE（Ｃ
ｇ）が最小になったとき、同じカテゴリの標準画像間の
距離が近くなり、同時に、異なるカテゴリの標準画像間
の距離が遠くなる。従って、平均値の比の値ＲE（Ｃ
ｇ）を最小にする変数Ｃｇの値に基づき作成した加重曲
線が最適なものとなる。
【０２３５】図４７は、図４５に示した標準画像２７、
２８、２９、３０について、変数Ｃｇの値を０．７から
２．１まで増加させたとき、平均値の比の値ＲE（Ｃ
ｇ）が変化する様子を示したものである。図４７より、
Ｃｇ＝１．６５のとき平均値の比の値ＲE（Ｃｇ）は最
小値０．１６３をとることが分かる。
【０２３６】従って、図４５に示した標準画像２７、２
８、２９、３０については、図４７の結果より、Ｃｇ＝
１．６５の値に基づき作成した加重曲線が最適なものと
なり、このとき、ＲE（Ｃｇ）＝０．１６３になる。な
お、図４５に示した標準画像２７、２８、２９、３０に
従来のユークリッド距離を用いた場合、同じカテゴリの
標準画像間のユークリッド距離平均値を、異なるカテゴ
リの標準画像間のユークリッド距離平均値で除算した平
均値の比の値は０．４７２となる。以上の結果より、ユ
ークリッド距離を用いるよりも形状距離ｄEを用いる方
が、同じカテゴリの標準画像と異なるカテゴリの標準画
像の分離が良くなり、入力画像が与えられたときの認識
性能が向上することが理解できる。
【０２３７】一方、形状距離ｄAを用いる場合について
考える。各標準画像間の形状距離値が変化する様子を調
べるために、次の数３１に示すように、同じカテゴリの
標準画像間の形状距離平均値から、異なるカテゴリの標
準画像間の形状距離平均値を減算した平均値の差の値Ｒ
A（Ｃｇ）を算出する。ただし、図４６中の定数２．
１、１．４、０．７を変数Ｃｇに置き換え、０．７≦Ｃ
ｇ≦２．１の範囲において変数Ｃｇの値を変化させ、こ
のときの平均値の差の値ＲA（Ｃｇ）を算出するものと
する。
【０２３８】
【数３１】
【０２３９】数３１において、変数Ｃｇの値が増加する
につれて、分散σｊ1ｊ2 2の値は減少し、従って、加重
曲線はｕ軸に平行な方向に縮まり、各標準画像間の形状
距離ｄA２７−２８、ｄA２９−３０、ｄA２７−２９、
ｄA２７−３０、ｄA２８−２９、ｄA２８−３０も、−
１≦ｄA≦＋１の範囲において値が変化する。ここで、
数３１中のＲA（Ｃｇ）の第１項は同じカテゴリの標準
画像間の形状距離平均値であり、第２項は異なるカテゴ
リの標準画像間の形状距離平均値であるから、平均値の
差の値ＲA（Ｃｇ）が最大になったとき、同じカテゴリ
の標準画像間の距離が近くなり、同時に、異なるカテゴ
リの標準画像間の距離が遠くなる。従って、平均値の差
の値ＲA（Ｃｇ）を最大にする変数Ｃｇの値に基づき作
成した加重曲線が最適なものとなる。
【０２４０】図４８は、図４５に示した標準画像２７、
２８、２９、３０について、変数Ｃｇの値を０．７から
２．１まで増加させたとき、平均値の差の値ＲA（Ｃ
ｇ）が変化する様子を示したものである。図４８より、
Ｃｇ＝１．２８のとき平均値の差の値ＲA（Ｃｇ）は最
大値０．３８９をとることが分かる。
【０２４１】従って、図４５に示した標準画像２７、２
８、２９、３０については、図４８の結果より、Ｃｇ＝
１．２８の値に基づき作成した加重曲線が最適なものと
なり、このとき、ＲA（Ｃｇ）＝０．３８９になる。な
お、図４５に示した標準画像２７、２８、２９、３０に
従来の角度の余弦を用いた場合、同じカテゴリの標準画
像間の角度の余弦平均値から、異なるカテゴリの標準画
像間の角度の余弦平均値を減算した平均値の差の値は
０．１２９となる。以上の結果より、角度の余弦を用い
るよりも形状距離ｄAを用いる方が、同じカテゴリの標
準画像と異なるカテゴリの標準画像の分離が良くなり、
入力画像が与えられたときの認識性能が向上することが
理解できる。
【０２４２】これまで、図４６（ｂ）に示すように、加
重曲線をｕ軸に平行な方向に伸縮させた場合について、
各標準画像間の形状距離値が変化する様子を調べてきた
が、次に、加重曲線をｕ軸に垂直な方向にも変化させる
ことを考える。ただし、本実施例では、加重曲線をｕ軸
に平行な方向に伸縮させ、同時に、ｕ軸に垂直な方向に
変化させたとき、図４６（ｂ）に示した曲線と同様に、
変化した加重曲線のｕ＝０のときの関数値が正になり、
変化した加重曲線がｕ軸と２点で交差し、かつ、ｕ＝０
に関して対称になる場合に限って考える。
【０２４３】関連技術（特願２０００−２７７７４９
号）では、次の数３２により、基準パターン正ベクトル
及び基準パターン負ベクトルのすべての成分番号にそれ
ぞれ定数１の重みをつけ、パターン行列のｉ1ｉ2成分
（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）
について、標準パターン行列の成分値ｈｉ1ｉ2と入力パ
ターン行列の成分値ｎｉ1ｉ2との間の変化量の絶対値｜
ｎｉ1ｉ2−ｈｉ1ｉ2｜を、基準パターンベクトルの成分
番号にかかわらず、そのまま基準パターン正ベクトルま
たは基準パターン負ベクトルの増加量に置き換えてい
る。即ち、関連技術の方法では、固定的な重みの値をも
つ増加手段を用いて基準パターンベクトルを増加させて
いるため、同じカテゴリの標準画像と異なるカテゴリの
標準画像の分離が固定化され、入力画像が与えられたと
きの認識性能を向上することができない。
【数３２】
【０２４４】この問題を解決するため本発明では、関連
技術の固定的な方法に代えて、可変的な重みの値をもつ
増加手段を用いて基準パターンベクトルを増加させる。
このため、次の数３３に示すように、基準パターン正ベ
クトル及び基準パターン負ベクトルの成分番号ｉ0（ｉ0
＝１，２，・・・，ｍ0）に変数ｗｊ1ｊ2ｉ0の重みをつ
け、変数ｗｊ1ｊ2ｉ0と変化量の絶対値｜ｎｉ1ｉ2−ｈ
ｉ1ｉ2｜との積の値を、基準パターン正ベクトルまたは
基準パターン負ベクトルの増加量に置き換えることにす
る。ここで、変数ｗｊ1ｊ2ｉ0は、成分番号ｉ0ごとに異
なる値をもつものとする。ただし、成分番号ｉ0（ｉ0＝
１，２，・・・，ｍ0 ）について、ｗｊ1ｊ2ｉ0＝ｗｊ1ｊ2
（ｍ0−ｉ0＋１）、かつ、ｗｊ1ｊ2ｉ0＞０であるもの
とする。
【０２４５】
【数３３】
【０２４６】ここで、数３３に示すように、基準パター
ン正ベクトル及び基準パターン負ベクトルの成分番号ｉ
0（ｉ0＝１，２，・・・，ｍ0）に変数ｗｊ1ｊ2ｉ0の重み
をつけることは、図１４（ａ）より分かるように、基準
パターンベクトルの成分番号ｉ0における尖度の変化率
ｇｊ1ｊ2ｉ0に変数ｗｊ1ｊ2ｉ0の重みをつけることと等
価であり、従って、加重ベクトルの成分番号ｉ0の成分
値ｇｊ1ｊ2ｉ0に変数ｗｊ1ｊ2ｉ0の重みをつけることに
も等価である。このため、数３３に示す増加手段と、加
重曲線をｕ軸に垂直な方向に変化させることは同じ効果
が得られることになる。ここでは、前者に比べて計算処
理が簡単である後者を調べることにする。
【０２４７】図４９は、それぞれ定数１．２π、０．８
π、０．５πを長さλｍ1１ｊ1ｊ2で除算した角度の係
数値をもつ余弦関数に基づき作成した加重曲線を示した
ものである。ただし、πは円周率であり、λｍ1１ｊ1ｊ
2はパターン行列の指定成分と各成分との間の長さの最
大値である。図４９より、角度の係数値が小さくなるに
つれて、加重曲線はｕ軸に平行な方向に伸びることが分
かる。また、図４６（ｂ）に示すように、正規曲線の尖
度の変化率に基づき作成した加重曲線では、ｕ軸から加
重曲線の最大値までの長さはｕ軸から加重曲線の最小値
までの長さよりも短いが、図４９に示すように、余弦関
数に基づき作成した加重曲線では、両者は等しいことが
分かる。従って、正数の重みの値を乗算することによ
り、正規曲線の尖度の変化率に基づき作成した加重曲線
をｕ軸に垂直な方向に変化させた結果、余弦関数に基づ
き作成した加重曲線になったと言える。
【０２４８】そこで次に、正規曲線の尖度の変化率に基
づき作成した加重曲線に代えて、余弦関数に基づき作成
した加重曲線を用いて形状距離値ｄE及び形状距離値ｄA
を算出してみる。具体的には、図４９に示すように、余
弦関数に基づき作成した加重曲線をｕ軸に平行な方向に
伸縮させたとき、図４５に示した標準画像２７、２８、
２９、３０について、各標準画像間の形状距離値ｄE及
び形状距離値ｄAが変化する様子を調べる。
【０２４９】ここでは、形状距離ｄEを用いる場合につ
いて考える。各標準画像間の形状距離値が変化する様子
を調べるために、数３０と同様に、同じカテゴリの標準
画像間の形状距離平均値を、異なるカテゴリの標準画像
間の形状距離平均値で除算した平均値の比の値ＲE（Ｃ
ｇ）を算出する。ただし、図４９中の定数１．２π、
０．８π、０．５πを変数Ｃｇに置き換え、０．５π≦
Ｃｇ≦１．２πの範囲において変数Ｃｇの値を変化さ
せ、このときの平均値の比の値ＲE（Ｃｇ）を算出する
ものとする。また、形状距離ｄEの算出においては、画
像の濃度パターンを全画素の濃度の最大値で正規化する
ことが予め指示されているとして、数３を用いて正規化
濃度を求めるものとする。
【０２５０】図５０は、図４５に示した標準画像２７、
２８、２９、３０について、変数Ｃｇの値を０．５πか
ら１．２πまで増加させたとき、平均値の比の値Ｒ
E（Ｃｇ）が変化する様子を示したものである。図５０
より、Ｃｇ＝１．０７πのとき平均値の比の値ＲE（Ｃ
ｇ）は最小値０．１９３をとることが分かる。
【０２５１】このように、図４５に示した標準画像２
７、２８、２９、３０については、図４７及び図５０に
おいて、平均値の比の値ＲE（Ｃｇ）の最小値はそれぞ
れ０．１６３及び０．１９３となる。従って、これら平
均値の比の値ＲE（Ｃｇ）の最小値の中の最小値は前者
であるため、図４７に示すＣｇ＝１．６５の値に基づき
作成した加重曲線が最適なものとなる。即ち、図４６
（ｂ）に示した加重曲線において、σｊ1ｊ2＝λｍ1１
ｊ1ｊ2／１．６５としたとき最適なものとなる。
【０２５２】一方、形状距離ｄAを用いる場合について
考える。各標準画像間の形状距離値が変化する様子を調
べるために、数３１と同様に、同じカテゴリの標準画像
間の形状距離平均値から、異なるカテゴリの標準画像間
の形状距離平均値を減算した平均値の差の値ＲA（Ｃ
ｇ）を算出する。ただし、図４９中の定数１．２π、
０．８π、０．５πを変数Ｃｇに置き換え、０．５π≦
Ｃｇ≦１．２πの範囲において変数Ｃｇの値を変化さ
せ、このときの平均値の差の値ＲA（Ｃｇ）を算出する
ものとする。
【０２５３】図５１は、図４５に示した標準画像２７、
２８、２９、３０について、変数Ｃｇの値を０．５πか
ら１．２πまで増加させたとき、平均値の差の値Ｒ
A（Ｃｇ）が変化する様子を示したものである。図５１
より、Ｃｇ＝０．９０πのとき平均値の差の値ＲA（Ｃ
ｇ）は最大値０．３８７をとることが分かる。
【０２５４】このように、図４５に示した標準画像２
７、２８、２９、３０については、図４８及び図５１に
おいて、平均値の差の値ＲA（Ｃｇ）の最大値はそれぞ
れ０．３８９及び０．３８７となる。従って、これら平
均値の差の値ＲA（Ｃｇ）の最大値の中の最大値は前者
であるため、図４８に示すＣｇ＝１．２８の値に基づき
作成した加重曲線が最適なものとなる。即ち、図４６
（ｂ）に示した加重曲線において、σｊ1ｊ2＝λｍ1１
ｊ1ｊ2／１．２８としたとき最適なものとなる。
【０２５５】以上の説明では、正規曲線の尖度の変化率
に基づき作成した加重曲線をｕ軸に垂直な方向に変化さ
せた後に、ｕ軸に平行な方向に伸縮させる例を示した
が、上記の例は、可変的な分散の値をもつ正規分布を用
いて基準パターンベクトルを作成した後に、可変的な重
みの値をもつ増加手段を用いて基準パターンベクトルを
増加させることと等価である。
【０２５６】ところで、これまでの説明では、図４６
（ｂ）において、（ｘ−ｙ）正規化平面全体を覆う加重
曲線の範囲を変化させるために加重曲線をｕ軸に平行な
方向に伸縮させる方法を示し、また、図１９において、
加重曲線の中心が（ｘ−ｙ）正規化平面上を移動するに
つれて加重曲線をｕ軸に平行な方向に伸縮させる方法を
示したが、これらのことは、加重曲線とｕ軸との相対的
な伸縮の問題である。従って、実際の計算では、ｕ軸に
対して加重曲線を伸縮させる代わりに、逆に、加重曲線
に対してｕ軸を伸縮しても良く、両者は等価である。
【０２５７】そこで、後者の場合について、次の４つの
例を用いて、パターン行列の指定成分と各成分との間の
長さを求め、加重ベクトルの中心から上記長さだけ離れ
た位置に最も近い加重ベクトルの成分番号ｉ0を算出す
る方法を説明する。
【０２５８】なお、数２６では、正規曲線の−１．４σ
≦ｕ≦＋１．４σの範囲が（ｘ−ｙ）正規化平面全体を
覆うようにしているが、これに対して第１及び第２の例
では、１．４σを変数Ｃｇに置き換え、加重曲線の−Ｃ
ｇ≦ｕ≦＋Ｃｇの範囲が（ｘ−ｙ）正規化平面全体を覆
うようにして、変数Ｃｇの値が変化するにつれて、１つ
の加重曲線に対してｕ軸を伸縮する。また、第３及び第
４の例では、加重曲線の中心が（ｘ−ｙ）正規化平面上
を移動するにつれて、１つの加重曲線に対してｕ軸を伸
縮する。このとき、これら４つの例について、成分番号
ｉ0を算出する方法を示す。
【０２５９】第１の例として、図５２（ａ）、（ｂ）、
（ｃ）は、（ａ）、（ｂ）、（ｃ）の順に変数Ｃｇの値
が増加するにつれて、ｕ軸が伸びる様子を示したもので
ある。ただし、図５２（ａ）、（ｂ）、（ｃ）では、σ
ｊ1ｊ2＝１．０の分散の値をもつ正規曲線の尖度の変化
率に基づき作成した加重曲線を示しており、それぞれの
加重曲線は同じものであり、また、それぞれの点
（ｍ1，１）、点（ｊ1，ｊ2）、点（ｉ1，ｉ2）は、
（ｘ−ｙ）正規化平面上の同じ座標であるものとする。
【０２６０】図５２（ａ）、（ｂ）、（ｃ）の各グラフ
は、図４６（ｂ）に示したσｊ1ｊ2＝λｍ1１ｊ1ｊ2／
０．７の加重曲線、σｊ1ｊ2＝λｍ1１ｊ1ｊ2／１．４
の加重曲線、σｊ1ｊ2＝λｍ1１ｊ1ｊ2／２．１の加重
曲線にそれぞれ対応するものである。即ち、図４６
（ｂ）に示した各加重曲線は、ｕ軸上の固定した長さλ
ｍ1１ｊ1ｊ2に対して加重曲線を伸縮させたものであ
り、逆に、図５２（ａ）、（ｂ）、（ｃ）の各グラフ
は、１つの加重曲線に対してｕ軸上の長さλｍ1１ｊ1ｊ
2を伸縮したものであり、両者は等価である。
【０２６１】図５２（ａ）、（ｂ）、（ｃ）において、
それぞれ−Ｃｇ＝−０．７、−Ｃｇ＝−１．４、−Ｃｇ
＝−２．１と表示しているが、これは、長さλｍ1１ｊ1
ｊ2がそれぞれ−０．７≦ｕ≦０、−１．４≦ｕ≦０、
−２．１≦ｕ≦０の範囲に対応することを示している。
また、図中に、点（ｉ1，ｉ2）に対応するｕ軸上の位置
ｕ0を表示している。ここで、図５２（ａ）、（ｂ）、
（ｃ）に示すｕ軸の伸縮に関して、点（ｊ1，ｊ2）と点
（ｉ1，ｉ2）との間の長さλｉ1ｉ2ｊ1ｊ2は、点
（ｊ1，ｊ2）と点（ｍ1，１）との間の長さλｍ1１ｊ1
ｊ2と同じ割合で伸縮されるため、長さλｉ1ｉ2ｊ1ｊ2
を長さλｍ1１ｊ1ｊ2で除算した比の値は、ｕ軸の伸縮
にかかわらず、常に一定の値になる。従って、次の数３
４より、位置ｕ0を算出できる。
【０２６２】
【数３４】
【０２６３】第２の例として、図５３（ａ）、（ｂ）、
（ｃ）は、（ａ）、（ｂ）、（ｃ）の順に変数Ｃｇの値
が増加するにつれて、ｕ軸が伸びる様子を示したもので
ある。ただし、図５３（ａ）、（ｂ）、（ｃ）では、
１．０の角度の係数値をもつ余弦関数に基づき作成した
加重曲線を示しており、それぞれの加重曲線は同じもの
であり、また、それぞれの点（ｍ1，１）、点（ｊ1，ｊ
2）、点（ｉ1，ｉ2）は、（ｘ−ｙ）正規化平面上の同
じ座標であるものとする。
【０２６４】図５３（ａ）、（ｂ）、（ｃ）の各グラフ
は、図４９に示したcos(０．５πｕ／λｍ1１ｊ1ｊ2）
の加重曲線、cos(０．８πｕ／λｍ1１ｊ1ｊ2）の加重
曲線、cos(１．２πｕ／λｍ1１ｊ1ｊ2）の加重曲線に
それぞれ対応するものである。即ち、図４９に示した各
加重曲線は、ｕ軸上の固定した長さλｍ1１ｊ1ｊ2に対
して加重曲線を伸縮させたものであり、逆に、図５３
（ａ）、（ｂ）、（ｃ）の各グラフは、１つの加重曲線
に対してｕ軸上の長さλｍ1１ｊ1ｊ2を伸縮したもので
あり、両者は等価である。
【０２６５】図５３（ａ）、（ｂ）、（ｃ）において、
それぞれ−Ｃｇ＝−０．５π、−Ｃｇ＝−０．８π、−
Ｃｇ＝−１．２πと表示しているが、これは、長さλｍ
1１ｊ1ｊ2がそれぞれ−０．５π≦ｕ≦０、−０．８π
≦ｕ≦０、−１．２π≦ｕ≦０の範囲に対応することを
示している。また、図中に、点（ｉ1，ｉ2）に対応する
ｕ軸上の位置ｕ0を表示している。ここで、図５３
（ａ）、（ｂ）、（ｃ）に示すｕ軸の伸縮に関して、点
（ｊ1，ｊ2）と点（ｉ1，ｉ2）との間の長さλｉ1ｉ2ｊ
1ｊ2は、点（ｊ1，ｊ2）と点（ｍ1，１）との間の長さ
λｍ1１ｊ1ｊ2と同じ割合で伸縮されるため、長さλｉ1
ｉ2ｊ1ｊ2を長さλｍ1１ｊ1ｊ2で除算した比の値は、ｕ
軸の伸縮にかかわらず、常に一定の値になる。従って、
数３４より、位置ｕ0を算出できる。
【０２６６】第３の例として、図５４（ａ）、（ｂ）
は、加重曲線の中心が（ｘ−ｙ）正規化平面上を移動す
るにつれて、ｕ軸が伸縮する様子を示したものであり、
図５４（ｂ）におけるｕ軸上の２点間の長さが、同図
（ａ）におけるそれの２分の１に縮まっていることを示
している。ただし、図５４（ａ）、（ｂ）では、任意形
状の加重曲線を示しており、それぞれの加重曲線は同じ
ものであり、また、それぞれの変数Ｃｇの値は、加重曲
線の中心の移動にかかわらず、同じであるものとする。
【０２６７】図５４（ａ）では、加重曲線の中心が点
（ｊ1，ｊ2）＝（（ｍ1＋１）／２，（ｍ2＋１）／２）
の位置に移動したときの長さλｉ1ｉ2ｊ1ｊ2、及び、長
さλｍ1１ｊ1ｊ2を示し、図５４（ｂ）では、加重曲線
の中心が点（ｊ1，ｊ2）＝（１，ｍ2）の位置に移動し
たときの長さλｉ1ｉ2ｊ1ｊ2、及び、長さλｍ1１ｊ1ｊ
2を示している。また、図中に、点（ｉ1，ｉ2）に対応
するｕ軸上の位置ｕ0を表示している。従って、数３４
より、位置ｕ0を算出できる。
【０２６８】第４の例として、図５５（ａ）、（ｂ）
は、図５４（ａ）、（ｂ）中の変数Ｃｇを変数Ｃｇ*に
置き換えることにより、（ｘ−ｙ）正規化平面全体を覆
う加重曲線の範囲を図５４（ａ）、（ｂ）よりも広げた
ものである。ただし、０＜Ｃｇ＜Ｃｇ*の関係があり、
また、図５５（ａ）、（ｂ）のそれぞれの変数Ｃｇ*の
値は、加重曲線の中心の移動にかかわらず、同じである
ものとする。従って、数３４においてＣｇをＣｇ*に置
き換えることにより、位置ｕ0を算出できる。
【０２６９】以上の４つの例より、１つの加重曲線に対
してｕ軸を伸縮する場合には、加重曲線の−Ｃｇ≦ｕ≦
＋Ｃｇの範囲が（ｘ−ｙ）正規化平面全体を覆うように
変数Ｃｇの値を設定しておき、パターン行列の指定成分
と各成分との間の長さλｉ1ｉ2ｊ1ｊ2、及び、指定成分
と各成分との間の長さの最大値λｍ1１ｊ1ｊ2を求め、
これらの長さを数３４に代入して位置ｕ0を求め、上記
位置ｕ0に最も近い加重ベクトルの成分番号としてｉ0を
算出できることが分かる。また、このような処理方法に
より、ｊ1ｊ2成分（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝
１，２，・・・，ｍ2）に対応するそれぞれの場合について
加重ベクトルをｍ1×ｍ2個作成しておかなくても、１個
の加重ベクトルを作成するだけで標準パターン加重行列
のｍ1×ｍ2個の成分値ｈｇｊ1ｊ2、及び、入力パターン
加重行列のｍ1×ｍ2個の成分値ｎｇｊ1ｊ2（或いは標準
パターン原始加重行列のｍ1×ｍ2個の成分値ｈｏｇｊ1
ｊ2、及び、入力パターン原始加重行列のｍ1×ｍ2個の
成分値ｎｏｇｊ1ｊ2）を算出することができる。
【０２７０】これまでの説明では、具体的な加重曲線と
して、σｊ1ｊ2＝１．０の分散の値をもつ正規曲線の尖
度の変化率に基づき作成した加重曲線、及び、１．０の
角度の係数値をもつ余弦関数に基づき作成した加重曲線
の２つの例を示し、これらの中から最適な加重曲線を求
めてきた。しかしながら、最適な加重曲線は、登録した
すべての標準画像の濃度形状に関係するものであるた
め、登録した標準画像が異なる場合には最適な加重曲線
も異なることになる。従って、一般には、上記の２つの
例で示した加重曲線の中に必ず最適な加重曲線があると
は限らず、任意形状の加重曲線の中から最適な加重曲線
を見つける必要がある。
【０２７１】そこで次に、任意形状の加重曲線の中か
ら、最適な加重曲線、及び、最適な加重曲線に係る変数
Ｃｇの最適値を求める方法を図５６〜図５９を参照して
説明する。なお、図５６〜図５９は、標準画像を登録し
た後の処理手順を示したものであり、また、図５６〜図
５９では、１つの加重曲線に対してｕ軸を伸縮する方法
を用いることとする。
【０２７２】図５６は、各標準画像間の類似性尺度とし
て形状距離ｄEを用いる場合について、最適な加重曲
線、及び、最適な加重曲線に係る変数Ｃｇの最適値を算
出する処理手順を示したフローチャートである。図５６
において、最初のステップＳｃ１では、分散の値が１で
ある正規曲線の尖度の変化率に基づいて加重曲線を作成
し、これを１番目（ｃｏｕｎｔ＝１）の加重曲線とす
る。ステップＳｃ２では、１番目の加重曲線に正数の重
みの値を乗算して（規定数−１）個の重み付き加重曲線
を作成し、これらをｃｏｕｎｔ番目（ｃｏｕｎｔ＝２〜
規定数）の加重曲線とする。前述したように、図５２に
示す１つの加重曲線は、ｕ軸の伸縮により図４６（ｂ）
に示す複数の加重曲線を生成することができ、また、図
５３に示す別の１つの加重曲線は、ｕ軸の伸縮により図
４９に示す複数の加重曲線を生成することができる。こ
のため、ステップＳｃ１、及び、ステップＳｃ２では、
代表的な１つの加重曲線を作成しておけばよい。ステッ
プＳｃ３では、ｃｏｕｎｔ＝１と初期設定しておき、次
のステップＳｃ４からステップＳｃ８では、ｃｏｕｎｔ
＝規定数までｃｏｕｎｔを１ずつ増加して最適な加重曲
線、及び、最適な加重曲線に係る変数Ｃｇの最適値を算
出するループに入る。ただし、規定数には、コンピュー
タの処理時間の許す範囲で十分に大きい値を用いるもの
とする。
【０２７３】この最適値算出ループ内のステップＳｃ４
では、ループを回る毎に、ｃｏｕｎｔ番目の加重曲線の
関数値を成分とする加重ベクトルを作成する。次に、ス
テップＳｃ５では、変数Ｃｇの値を変化させながら、同
じカテゴリの標準画像間の形状距離平均値を、異なるカ
テゴリの標準画像間の形状距離平均値で除算した平均値
の比の値ＲE（Ｃｇ）を算出する。ここで、ステップＳ
ｃ５の平均値の比の値ＲE（Ｃｇ）の算出手順は、図５
７に示すステップＳｃ５−１からステップＳｃ５−６に
より構成される。なお、図４７及び図５０は、ステップ
Ｓｃ５において算出した平均値の比の値ＲE（Ｃｇ）を
グラフで示したものである。そして、ステップＳｃ６で
は、平均値の比の値ＲE（Ｃｇ）の最小値をｍｉｎＲ
E［ｃｏｕｎｔ］とし、これに対応する変数Ｃｇの値を
ｍｉｎＣｇ［ｃｏｕｎｔ］とする。図４７では、ｍｉｎ
ＲE［ｃｏｕｎｔ］＝０．１６３、ｍｉｎＣｇ［ｃｏｕ
ｎｔ］＝１．６５となり、図５０では、ｍｉｎＲE［ｃ
ｏｕｎｔ］＝０．１９３、ｍｉｎＣｇ［ｃｏｕｎｔ］＝
１．０７πとなっている。
【０２７４】ループを出た後、ステップＳｃ９では、最
小値ｍｉｎＲE［ｃｏｕｎｔ］（ｃｏｕｎｔ＝１〜規定
数）の中の最小値に対応する加重曲線を最適なものと
し、それに対応するｍｉｎＣｇ［ｃｏｕｎｔ］を最適な
加重曲線に係る変数Ｃｇの最適値とする。なお、規定数
＝２として、図５２及び図５３に示した加重曲線を用い
た場合には、図４７及び図５０より、最小値ｍｉｎＲE
［ｃｏｕｎｔ］の中の最小値は０．１６３となり、それ
に対応するｍｉｎＣｇ［ｃｏｕｎｔ］は１．６５とな
る。即ち、図５２に示した加重曲線を最適なものとし、
１．６５を変数Ｃｇの最適値とする。
【０２７５】図５７は、変数Ｃｇの値を変化させなが
ら、平均値の比の値ＲE（Ｃｇ）を算出する処理手順を
示したフローチャートである。ここでは、数１３により
加重ベクトルを作成した後の処理手順を示しており、図
５７中のステップＳｃ５−１〜Ｓｃ５−６は図５６中の
ステップＳｃ５の詳細でもある。
【０２７６】図５７において、最初のステップＳｃ５−
１では、変数Ｃｇの値の範囲をｃ１≦Ｃｇ≦ｃ２、変数
Ｃｇの増分をΔｃと設定しておき、ステップＳｃ５−２
では、Ｃｇ＝ｃ１と初期設定しておく。次のステップＳ
ｃ５−３からステップＳｃ５−６では、Ｃｇ＝ｃ２まで
ＣｇをΔｃずつ増加して平均値の比の値ＲE（Ｃｇ）を
算出するループに入る。ただし、変数Ｃｇの増分Δｃに
は、コンピュータの処理時間の許す範囲で十分に小さい
値を用いるものとする。
【０２７７】この平均値の比の値算出ループ内のステッ
プＳｃ５−３では、ループを回る毎に、数４、数３４、
数１２、数１４、数１６を順に用いて、すべての標準画
像間の形状距離値ｄEを算出する。即ち、数４において
標準パターン行列及び入力パターン行列を２つの標準パ
ターン行列に置き換えたものを作成し、数３４により点
（ｉ1，ｉ2）に対応するｕ軸上の位置ｕ0及び加重ベク
トルの成分番号ｉ0を算出し、その結果を用いて、数１
２及び数１４において標準パターン加重行列及び入力パ
ターン加重行列を２つの標準パターン加重行列に置き換
えたものを作成し、数１６により２つの標準画像間の形
状距離値ｄEを算出する。そして、数４、数３４、数１
２、数１４、数１６を繰り返し用いることにより、すべ
ての標準画像間の形状距離値ｄEを算出する。次に、ス
テップＳｃ５−４では、同じカテゴリの標準画像間の形
状距離平均値を、異なるカテゴリの標準画像間の形状距
離平均値で除算した平均値の比の値ＲE（Ｃｇ）を算出
する。即ち、数３０と同様に、同じカテゴリの標準画像
間の形状距離の和の値を形状距離値の個数で除算した形
状距離平均値を分子とし、異なるカテゴリの標準画像間
の形状距離の和の値を形状距離値の個数で除算した形状
距離平均値を分母として、分子を分母で除算した平均値
の比の値ＲE（Ｃｇ）を算出する。
【０２７８】このような処理手順により、ｃ１≦Ｃｇ≦
ｃ２の範囲において、Δｃ毎の変数Ｃｇの値について、
平均値の比の値ＲE（Ｃｇ）を算出することができる。
従って、各標準画像間の類似性尺度として形状距離ｄE
を用いる場合には、図５６及び図５７に示した処理手順
により、最適な加重曲線、及び、最適な加重曲線に係る
変数Ｃｇの最適値を算出することができる。
【０２７９】一方、図５８は、各標準画像間の類似性尺
度として形状距離ｄAを用いる場合について、最適な加
重曲線、及び、最適な加重曲線に係る変数Ｃｇの最適値
を算出する処理手順を示したフローチャートである。図
５８において、最初のステップＳｄ１では、分散の値が
１である正規曲線の尖度の変化率に基づいて加重曲線を
作成し、これを１番目（ｃｏｕｎｔ＝１）の加重曲線と
する。ステップＳｄ２では、１番目の加重曲線に正数の
重みの値を乗算して（規定数−１）個の重み付き加重曲
線を作成し、これらをｃｏｕｎｔ番目（ｃｏｕｎｔ＝２
〜規定数）の加重曲線とする。前述したように、図５２
に示す１つの加重曲線は、ｕ軸の伸縮により図４６
（ｂ）に示す複数の加重曲線を生成することができ、ま
た、図５３に示す別の１つの加重曲線は、ｕ軸の伸縮に
より図４９に示す複数の加重曲線を生成することができ
る。このため、ステップＳｄ１、及び、ステップＳｄ２
では、代表的な１つの加重曲線を作成しておけばよい。
ステップＳｄ３では、ｃｏｕｎｔ＝１と初期設定してお
き、次のステップＳｄ４からステップＳｄ８では、ｃｏ
ｕｎｔ＝規定数までｃｏｕｎｔを１ずつ増加して最適な
加重曲線、及び、最適な加重曲線に係る変数Ｃｇの最適
値を算出するループに入る。ただし、規定数には、コン
ピュータの処理時間の許す範囲で十分に大きい値を用い
るものとする。
【０２８０】この最適値算出ループ内のステップＳｄ４
では、ループを回る毎に、ｃｏｕｎｔ番目の加重曲線の
関数値を成分とする加重ベクトルを作成する。次に、ス
テップＳｄ５では、変数Ｃｇの値を変化させながら、同
じカテゴリの標準画像間の形状距離平均値から、異なる
カテゴリの標準画像間の形状距離平均値を減算した平均
値の差の値ＲA（Ｃｇ）を算出する。ここで、ステップ
Ｓｄ５の平均値の差の値ＲA（Ｃｇ）の算出手順は、図
５９に示すステップＳｄ５−１からステップＳｄ５−６
により構成される。なお、図４８及び図５１は、ステッ
プＳｄ５において算出した平均値の差の値ＲA（Ｃｇ）
をグラフで示したものである。そして、ステップＳｄ６
では、平均値の差の値ＲA（Ｃｇ）の最大値をｍａｘＲA
［ｃｏｕｎｔ］とし、これに対応する変数Ｃｇの値をｍ
ａｘＣｇ［ｃｏｕｎｔ］とする。図４８では、ｍａｘＲ
A［ｃｏｕｎｔ］＝０．３８９、ｍａｘＣｇ［ｃｏｕｎ
ｔ］＝１．２８となり、図５１では、ｍａｘＲA［ｃｏ
ｕｎｔ］＝０．３８７、ｍａｘＣｇ［ｃｏｕｎｔ］＝
０．９０πとなっている。
【０２８１】ループを出た後、ステップＳｄ９では、最
大値ｍａｘＲA［ｃｏｕｎｔ］（ｃｏｕｎｔ＝１〜規定
数）の中の最大値に対応する加重曲線を最適なものと
し、それに対応するｍａｘＣｇ［ｃｏｕｎｔ］を最適な
加重曲線に係る変数Ｃｇの最適値とする。なお、規定数
＝２として、図５２及び図５３に示した加重曲線を用い
た場合には、図４８及び図５１より、最大値ｍａｘＲA
［ｃｏｕｎｔ］の中の最大値は０．３８９となり、それ
に対応するｍａｘＣｇ［ｃｏｕｎｔ］は１．２８とな
る。即ち、図５２に示した加重曲線を最適なものとし、
１．２８を変数Ｃｇの最適値とする。
【０２８２】図５９は、変数Ｃｇの値を変化させなが
ら、平均値の差の値ＲA（Ｃｇ）を算出する処理手順を
示したフローチャートである。ここでは、数１３により
加重ベクトルを作成した後の処理手順を示しており、図
５９中のステップＳｄ５−１〜Ｓｄ５−６は図５８中の
ステップＳｄ５の詳細でもある。
【０２８３】図５９において、最初のステップＳｄ５−
１では、変数Ｃｇの値の範囲をｃ１≦Ｃｇ≦ｃ２、変数
Ｃｇの増分をΔｃと設定しておき、ステップＳｄ５−２
では、Ｃｇ＝ｃ１と初期設定しておく。次のステップＳ
ｄ５−３からステップＳｄ５−６では、Ｃｇ＝ｃ２まで
ＣｇをΔｃずつ増加して平均値の差の値ＲA（Ｃｇ）を
算出するループに入る。ただし、変数Ｃｇの増分Δｃに
は、コンピュータの処理時間の許す範囲で十分に小さい
値を用いるものとする。
【０２８４】この平均値の差の値算出ループ内のステッ
プＳｄ５−３では、ループを回る毎に、数１、数３４、
数１８、数１９、数２４を順に用いて、すべての標準画
像間の形状距離値ｄAを算出する。即ち、数１において
標準パターン原始行列及び入力パターン原始行列を２つ
の標準パターン原始行列に置き換えたものを作成し、数
３４により点（ｉ1，ｉ2）に対応するｕ軸上の位置ｕ0
及び加重ベクトルの成分番号ｉ0を算出し、その結果を
用いて、数１８及び数１９において標準パターン原始加
重行列及び入力パターン原始加重行列を２つの標準パタ
ーン原始加重行列に置き換えたものを作成し、数２４に
より２つの標準画像間の形状距離値ｄAを算出する。そ
して、数１、数３４、数１８、数１９、数２４を繰り返
し用いることにより、すべての標準画像間の形状距離値
ｄAを算出する。次に、ステップＳｄ５−４では、同じ
カテゴリの標準画像間の形状距離平均値から、異なるカ
テゴリの標準画像間の形状距離平均値を減算した平均値
の差の値ＲA（Ｃｇ）を算出する。即ち、数３１と同様
に、同じカテゴリの標準画像間の形状距離の和の値を形
状距離値の個数で除算した形状距離平均値を第１項と
し、異なるカテゴリの標準画像間の形状距離の和の値を
形状距離値の個数で除算した形状距離平均値を第２項と
して、第１項から第２項を減算した平均値の差の値ＲA
（Ｃｇ）を算出する。
【０２８５】このような処理手順により、ｃ１≦Ｃｇ≦
ｃ２の範囲において、Δｃ毎の変数Ｃｇの値について、
平均値の差の値ＲA（Ｃｇ）を算出することができる。
従って、各標準画像間の類似性尺度として形状距離ｄA
を用いる場合には、図５８及び図５９に示した処理手順
により、最適な加重曲線、及び、最適な加重曲線に係る
変数Ｃｇの最適値を算出することができる。
【０２８６】以上に述べたことを一般化して表現すれ
ば、最適な加重曲線、及び、変数Ｃｇの最適値を求める
問題は、平均値の比の値ＲE（Ｃｇ）、或いは、平均値
の差の値ＲA（Ｃｇ）を目的関数とし、加重ベクトルの
成分値ｇｊ1ｊ2ｉ0（ｉ0＝１，２，・・・，ｍ0）、及び、
変数Ｃｇの値を（ｍ0＋１）個の変数としたとき、目的
関数を最小、或いは、最大にする（ｍ0＋１）個の変数
の値を求める最適化問題を解くことに帰着する。最適化
問題については、数値計算法の分野において、最急降下
法やニュートン法などの数値解法が提案されている。こ
れらの数値解法は、目的関数が急速に減少、或いは、増
加する方向に変数の値を変化させるものであり、少ない
計算回数で変数の最適値を算出しようとするものであ
る。本発明においても、これらの数値解法を用いること
により、最適な加重曲線、及び、変数Ｃｇの最適値を能
率良く算出することが可能となる。そこで、図５６中の
ステップＳｃ２または図５８中のステップＳｄ２におい
て、予め重み付き加重曲線を作成しておく代わりに、図
５６中のステップＳｃ４または図５８中のステップＳｄ
４において、ループを回る毎に重み付き加重曲線を作成
するように変更し、上記の数値解法を利用するようにし
ても良い。即ち、平均値の比の値ＲE（Ｃｇ）、或い
は、平均値の差の値ＲA（Ｃｇ）が急速に減少、或い
は、増加する方向にｃｏｕｎｔ番目の重み付き加重曲
線、及び、ｃｏｕｎｔ番目の変数Ｃｇの値を変化させて
（ｃｏｕｎｔ＋１）番目の重み付き加重曲線、及び、
（ｃｏｕｎｔ＋１）番目の変数Ｃｇの値を求めるように
しても良い。
【０２８７】また、以上に述べたことを一般化して考え
るため、次に、従来のユークリッド距離と本発明による
形状距離ｄEとの関係について述べる。本実施例では、
加重曲線をｕ軸に垂直な方向に変化させたとき、図４６
（ｂ）に示した曲線と同様に、変化した加重曲線のｕ＝
０のときの関数値が正になり、変化した加重曲線がｕ軸
と２点で交差し、かつ、ｕ＝０に関して対称になる場合
に限って考えている。ここで、この制限を緩め、形状距
離ｄEにおいて加重曲線をｕ軸に垂直な方向に変化させ
た結果、加重曲線が特に、Ｄｉｒａｃ（ディラック）の
デルタ関数になった場合を考える。即ち、加重ベクトル
において、ｉ0＝（ｍ0＋１）／２のときｇｊ1ｊ2ｉ0＝
１、かつ、ｉ0≠（ｍ0＋１）／２のときｇｊ1ｊ2ｉ0＝
０である場合には、数１２は、ｈｇｊ1ｊ2＝ｈｊ1ｊ2、
ｎｇｊ1ｊ2＝ｎｊ1ｊ2（ｊ1＝１，２，・・・，ｍ1）（ｊ2
＝１，２，・・・，ｍ2）となる。このとき、標準パターン
加重行列及び入力パターン加重行列は、それぞれ標準パ
ターン行列及び入力パターン行列に等しくなる。従っ
て、上記の特別な場合には、数１６に示す形状距離ｄ E
は、従来のユークリッド距離に等しくなる。即ち、形状
距離ｄEは、従来のユークリッド距離を拡張し、一般化
したものとして位置付けられる。
【０２８８】一方、従来の角度の余弦と本発明による形
状距離ｄAとの関係について述べる。本実施例では、加
重曲線をｕ軸に垂直な方向に変化させたとき、図４６
（ｂ）に示した曲線と同様に、変化した加重曲線のｕ＝
０のときの関数値が正になり、変化した加重曲線がｕ軸
と２点で交差し、かつ、ｕ＝０に関して対称になる場合
に限って考えている。ここで、この制限を緩め、形状距
離ｄAにおいて加重曲線をｕ軸に垂直な方向に変化させ
た結果、加重曲線が特に、Ｄｉｒａｃのデルタ関数にな
った場合を考える。即ち、加重ベクトルにおいて、ｉ0
＝（ｍ0＋１）／２のときｇｊ1ｊ2ｉ0＝１、かつ、ｉ0
≠（ｍ0＋１）／２のときｇｊ1ｊ2ｉ0＝０である場合に
は、数１８は、ｈｏｇｊ1ｊ2＝ｈｏｊ1ｊ2、ｎｏｇｊ1
ｊ2＝ｎｏｊ1ｊ2（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝
１，２，・・・，ｍ2）となる。このとき、標準パターン原
始加重行列及び入力パターン原始加重行列は、それぞれ
標準パターン原始行列及び入力パターン原始行列に等し
くなる。従って、上記の特別な場合には、数２４に示す
形状距離ｄAは、従来の角度の余弦に等しくなる。即
ち、形状距離ｄAは、従来の角度の余弦を拡張し、一般
化したものとして位置付けられる。
【０２８９】また、以上に述べたことを従来技術と比較
して考えてみる。形状距離ｄEの計算処理においては、
加重ベクトルの成分値と標準パターン行列の成分値との
積和演算により標準パターン加重行列を作成し、これと
独立して、同加重ベクトルの成分値と入力パターン行列
の成分値との積和演算により入力パターン加重行列を作
成し、次に、これら標準パターン加重行列及び入力パタ
ーン加重行列を用いて従来のユークリッド距離の計算を
行っている。ここで、この計算処理について別の表現を
するならば、標準パターン行列に対し加重ベクトルによ
るデジタルフィルタ処理を行うことにより標準パターン
加重行列を作成し、これと独立して、入力パターン行列
に対し同加重ベクトルによるデジタルフィルタ処理を行
うことにより入力パターン加重行列を作成し、次に、こ
れら標準パターン加重行列及び入力パターン加重行列を
用いて従来のユークリッド距離の計算を行っているとも
言える。従って、形状距離ｄEの計算処理は、形式的に
は、デジタルフィルタ処理とユークリッド距離の結合で
あると表現できる。しかしながら、従来のデジタルフィ
ルタやユークリッド距離は、それぞれが単独で別々のも
のとして考えられているのに対し、形状距離ｄEの計算
処理では、図５６に示したように、平均値の比の値ＲE
（Ｃｇ）が最小になるように加重ベクトルを作成してい
る。即ち、形状距離ｄEの計算処理は、形式的には、デ
ジタルフィルタ処理とユークリッド距離の結合であって
も、実質的には、両者が密接に関連した従来技術とは異
なる処理方法であると言える。
【０２９０】一方、形状距離ｄAの計算処理において
は、加重ベクトルの成分値と標準パターン原始行列の成
分値との積和演算により標準パターン原始加重行列を作
成し、これと独立して、同加重ベクトルの成分値と入力
パターン原始行列の成分値との積和演算により入力パタ
ーン原始加重行列を作成し、次に、これら標準パターン
原始加重行列及び入力パターン原始加重行列を用いて従
来の角度の余弦の計算を行っている。ここで、この計算
処理について別の表現をするならば、標準パターン原始
行列に対し加重ベクトルによるデジタルフィルタ処理を
行うことにより標準パターン原始加重行列を作成し、こ
れと独立して、入力パターン原始行列に対し同加重ベク
トルによるデジタルフィルタ処理を行うことにより入力
パターン原始加重行列を作成し、次に、これら標準パタ
ーン原始加重行列及び入力パターン原始加重行列を用い
て従来の角度の余弦の計算を行っているとも言える。従
って、形状距離ｄAの計算処理は、形式的には、デジタ
ルフィルタ処理と角度の余弦の結合であると表現でき
る。しかしながら、従来のデジタルフィルタや角度の余
弦は、それぞれが単独で別々のものとして考えられてい
るのに対し、形状距離ｄ Aの計算処理では、図５８に示
したように、平均値の差の値ＲA（Ｃｇ）が最大になる
ように加重ベクトルを作成している。即ち、形状距離ｄ
Aの計算処理は、形式的には、デジタルフィルタ処理と
角度の余弦の結合であっても、実質的には、両者が密接
に関連した従来技術とは異なる処理方法であると言え
る。
【０２９１】本発明の第２の課題について以上をまとめ
ると、各標準画像間の類似性尺度として形状距離ｄEを
用いる場合には、加重曲線をｕ軸に垂直な方向、及び、
ｕ軸に平行な方向に変化させながら、同じカテゴリの標
準画像間の形状距離平均値を、異なるカテゴリの標準画
像間の形状距離平均値で除算した平均値の比の値を求
め、上記平均値の比の値を最小にする加重曲線を算出す
る。そして、上記加重曲線の関数値を加重係数とし、上
記加重係数の値を成分とする加重ベクトルを作成し形状
距離値を算出することにより、同じカテゴリの標準画像
間の距離が近くなり、同時に、異なるカテゴリの標準画
像間の距離が遠くなるようにできる。その結果として、
同じカテゴリの標準画像と異なるカテゴリの標準画像の
分離が良くなり、入力画像が与えられたときの認識性能
が向上する。
【０２９２】一方、各標準画像間の類似性尺度として形
状距離ｄAを用いる場合には、加重曲線をｕ軸に垂直な
方向、及び、ｕ軸に平行な方向に変化させながら、同じ
カテゴリの標準画像間の形状距離平均値から、異なるカ
テゴリの標準画像間の形状距離平均値を減算した平均値
の差の値を求め、上記平均値の差の値を最大にする加重
曲線を算出する。そして、上記加重曲線の関数値を加重
係数とし、上記加重係数の値を成分とする加重ベクトル
を作成し形状距離値を算出することにより、同じカテゴ
リの標準画像間の距離が近くなり、同時に、異なるカテ
ゴリの標準画像間の距離が遠くなるようにできる。その
結果として、同じカテゴリの標準画像と異なるカテゴリ
の標準画像の分離が良くなり、入力画像が与えられたと
きの認識性能が向上する。
【０２９３】以上要するに、標準画像の特徴量を成分と
する標準パターン原始行列と入力画像の特徴量を成分と
する入力パターン原始行列とを作成し、画像の濃度パタ
ーンを正規化する方法が予め指示されている場合には、
画像の濃度パターンを指示された方法で正規化して標準
パターン行列と入力パターン行列とを作成する。また、
基準パターンベクトルの尖度の変化率の値を成分とする
加重ベクトルを作成する。そして、加重ベクトルの成分
値と標準パターン行列の成分値との積和演算により標準
パターン加重行列を作成し、これと独立して、同加重ベ
クトルの成分値と入力パターン行列の成分値との積和演
算により入力パターン加重行列を作成する。次に、これ
ら標準パターン加重行列及び入力パターン加重行列を用
いて従来のユークリッド距離の計算を行うことにより、
標準パターン行列と入力パターン行列との間の形状距離
値を算出する。
【０２９４】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準画像間の形状距離平均値を、異なるカテゴ
リの標準画像間の形状距離平均値で除算した平均値の比
の値を求め、上記平均値の比の値を最小にする加重係数
の値を成分とする加重ベクトルを作成し、この加重ベク
トルを用いて標準パターン行列と入力パターン行列との
間の形状距離値を算出することができる。
【０２９５】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
大きいとき入力画像は標準画像でないと判定し、形状距
離値が許容値以下のとき入力画像が標準画像であると判
定する。
【０２９６】一方、標準画像の特徴量を成分とする標準
パターン原始行列と入力画像の特徴量を成分とする入力
パターン原始行列とを作成し、画像の濃度パターンを正
規化する方法が予め指示されていない場合には、画像の
濃度パターンを正規化しないで標準パターン原始行列と
入力パターン原始行列とをそのまま用いる。また、基準
パターンベクトルの尖度の変化率の値を成分とする加重
ベクトルを作成する。そして、加重ベクトルの成分値と
標準パターン原始行列の成分値との積和演算により標準
パターン原始加重行列を作成し、これと独立して、同加
重ベクトルの成分値と入力パターン原始行列の成分値と
の積和演算により入力パターン原始加重行列を作成す
る。次に、これら標準パターン原始加重行列及び入力パ
ターン原始加重行列を用いて従来の角度の余弦の計算を
行うことにより、標準パターン原始行列と入力パターン
原始行列との間の形状距離値を算出する。
【０２９７】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準画像間の形状距離平均値から、異なるカテ
ゴリの標準画像間の形状距離平均値を減算した平均値の
差の値を求め、上記平均値の差の値を最大にする加重係
数の値を成分とする加重ベクトルを作成し、この加重ベ
クトルを用いて標準パターン原始行列と入力パターン原
始行列との間の形状距離値を算出することができる。
【０２９８】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
小さいとき入力画像は標準画像でないと判定し、形状距
離値が許容値以上のとき入力画像が標準画像であると判
定する。
【０２９９】［実施例（II）：音声認識方法（２次
元）］次に、２つのパターン行列間（或いはパターン原
始行列間）の類似度検出値を用いた音声認識方法につい
て述べる。本実施例では、音声認識を行うために、音声
のパワースペクトルパターン（声紋）をパワースペクト
ルの全エネルギー、または、パワースペクトルの最大値
で正規化して標準パターン行列と入力パターン行列とを
作成し、また、基準パターンベクトルの尖度の変化率の
値を成分とする加重ベクトルを作成する。そして、加重
ベクトルの成分値と標準パターン行列の成分値との積和
演算により標準パターン加重行列を作成し、これと独立
して、同加重ベクトルの成分値と入力パターン行列の成
分値との積和演算により入力パターン加重行列を作成す
る。次に、これら標準パターン加重行列及び入力パター
ン加重行列を用いて従来のユークリッド距離の計算を行
うことにより音声の類似度を検出する。
【０３００】一方、音声のパワースペクトルパターンを
正規化しないで標準パターン原始行列と入力パターン原
始行列とを作成する。そして、上記加重ベクトルの成分
値と標準パターン原始行列の成分値との積和演算により
標準パターン原始加重行列を作成し、これと独立して、
同加重ベクトルの成分値と入力パターン原始行列の成分
値との積和演算により入力パターン原始加重行列を作成
する。次に、これら標準パターン原始加重行列及び入力
パターン原始加重行列を用いて従来の角度の余弦の計算
を行うことにより音声の類似度を検出する。
【０３０１】更に、同じカテゴリの標準パターン行列間
（或いは標準パターン原始行列間）の距離が近くなり、
同時に、異なるカテゴリの標準パターン行列間（或いは
標準パターン原始行列間）の距離が遠くなるように上記
加重ベクトルの成分値を調整し、調整後の加重ベクトル
を用いて音声の類似度を検出し、その検出値を用いて音
声認識を行うものとする。
【０３０２】関連技術「特願２０００−２７７７４９
号」では、音声の周波数分布の時間変化の特徴を抽出す
るため、次の数３５により、ｉ1番目の周波数帯域にお
けるｉ2番目の時刻のパワースペクトルＰｉ1ｉ2（ｉ1＝
１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）を算出
する方法を示している。
【数３５】
【０３０３】そこで次に、標準音声のパワースペクトル
Ｐｉ1ｉ2（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・
・，ｍ2）を成分とする標準パターン原始行列Ｈｏと、入
力音声のパワースペクトルＰｉ1ｉ2（ｉ1＝ １，２，・・
・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）を成分とする入力
パターン原始行列Ｎｏを作成する。この標準パターン原
始行列Ｈｏ及び入力パターン原始行列Ｎｏを、数１のよ
うに表現しておく。ただし、数１は、標準音声及び入力
音声のパワースペクトルの形状を、パターン原始行列の
ｍ1×ｍ2個の成分値で表現したものであると読み替え
る。
【０３０４】ところで、音声認識においては、同じ音声
であっても発声ごとにパワースペクトルパターン（声
紋）が変動した音声が出現するため、通常、多数の人間
が同じ音声を繰り返し発声して、各音声ごとに複数個の
標準音声を登録する方法が採られている。本実施例で
は、上記のように登録した同じ音声を同じカテゴリの標
準音声とし、これらとは異なる音声を異なるカテゴリの
標準音声とする。
【０３０５】そして、以上で述べた画像の類似度検出手
順を、上記で作成した音声の標準パターン原始行列Ｈｏ
及び入力パターン原始行列Ｎｏに適用し、音声認識を行
う。
【０３０６】具体的には、標準音声の特徴量を成分とす
る標準パターン原始行列と入力音声の特徴量を成分とす
る入力パターン原始行列とを作成し、音声のパワースペ
クトルパターンを正規化する方法が予め指示されている
場合には、音声のパワースペクトルパターンを指示され
た方法で正規化して標準パターン行列と入力パターン行
列とを作成する。また、基準パターンベクトルの尖度の
変化率の値を成分とする加重ベクトルを作成する。そし
て、加重ベクトルの成分値と標準パターン行列の成分値
との積和演算により標準パターン加重行列を作成し、こ
れと独立して、同加重ベクトルの成分値と入力パターン
行列の成分値との積和演算により入力パターン加重行列
を作成する。次に、これら標準パターン加重行列及び入
力パターン加重行列を用いて従来のユークリッド距離の
計算を行うことにより、標準パターン行列と入力パター
ン行列との間の形状距離値を算出する。
【０３０７】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準音声間の形状距離平均値を、異なるカテゴ
リの標準音声間の形状距離平均値で除算した平均値の比
の値を求め、上記平均値の比の値を最小にする加重係数
の値を成分とする加重ベクトルを作成し、この加重ベク
トルを用いて標準パターン行列と入力パターン行列との
間の形状距離値を算出することもできる。
【０３０８】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
大きいとき入力音声は標準音声でないと判定し、形状距
離値が許容値以下のとき入力音声が標準音声であると判
定する。
【０３０９】一方、標準音声の特徴量を成分とする標準
パターン原始行列と入力音声の特徴量を成分とする入力
パターン原始行列とを作成し、音声のパワースペクトル
パターンを正規化する方法が予め指示されていない場合
には、音声のパワースペクトルパターンを正規化しない
で標準パターン原始行列と入力パターン原始行列とをそ
のまま用いる。また、基準パターンベクトルの尖度の変
化率の値を成分とする加重ベクトルを作成する。そし
て、加重ベクトルの成分値と標準パターン原始行列の成
分値との積和演算により標準パターン原始加重行列を作
成し、これと独立して、同加重ベクトルの成分値と入力
パターン原始行列の成分値との積和演算により入力パタ
ーン原始加重行列を作成する。次に、これら標準パター
ン原始加重行列及び入力パターン原始加重行列を用いて
従来の角度の余弦の計算を行うことにより、標準パター
ン原始行列と入力パターン原始行列との間の形状距離値
を算出する。
【０３１０】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準音声間の形状距離平均値から、異なるカテ
ゴリの標準音声間の形状距離平均値を減算した平均値の
差の値を求め、上記平均値の差の値を最大にする加重係
数の値を成分とする加重ベクトルを作成し、この加重ベ
クトルを用いて標準パターン原始行列と入力パターン原
始行列との間の形状距離値を算出することもできる。
【０３１１】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
小さいとき入力音声は標準音声でないと判定し、形状距
離値が許容値以上のとき入力音声が標準音声であると判
定する。
【０３１２】［実施例（III）：機械の異常判定方法
（２次元）］次に、２つのパターン行列間（或いはパタ
ーン原始行列間）の類似度検出値を用いた機械の異常判
定方法について述べる。本実施例では、機械の異常判定
を行うために、振動波のパワースペクトルパターンをパ
ワースペクトルの全エネルギー、または、パワースペク
トルの最大値で正規化して標準パターン行列と入力パタ
ーン行列とを作成し、また、基準パターンベクトルの尖
度の変化率の値を成分とする加重ベクトルを作成する。
そして、加重ベクトルの成分値と標準パターン行列の成
分値との積和演算により標準パターン加重行列を作成
し、これと独立して、同加重ベクトルの成分値と入力パ
ターン行列の成分値との積和演算により入力パターン加
重行列を作成する。次に、これら標準パターン加重行列
及び入力パターン加重行列を用いて従来のユークリッド
距離の計算を行うことにより振動波の類似度を検出す
る。
【０３１３】一方、振動波のパワースペクトルパターン
を正規化しないで標準パターン原始行列と入力パターン
原始行列とを作成する。そして、上記加重ベクトルの成
分値と標準パターン原始行列の成分値との積和演算によ
り標準パターン原始加重行列を作成し、これと独立し
て、同加重ベクトルの成分値と入力パターン原始行列の
成分値との積和演算により入力パターン原始加重行列を
作成する。次に、これら標準パターン原始加重行列及び
入力パターン原始加重行列を用いて従来の角度の余弦の
計算を行うことにより振動波の類似度を検出する。
【０３１４】更に、同じカテゴリの標準パターン行列間
（或いは標準パターン原始行列間）の距離が近くなり、
同時に、異なるカテゴリの標準パターン行列間（或いは
標準パターン原始行列間）の距離が遠くなるように上記
加重ベクトルの成分値を調整し、調整後の加重ベクトル
を用いて振動波の類似度を検出し、その検出値を用いて
機械の異常判定を行うものとする。
【０３１５】関連技術（特願２０００−２７７７４９
号）では、振動波の周波数分布の時間変化の特徴を抽出
するため、数３５により、ｉ1番目の周波数帯域におけ
るｉ2番目の時刻のパワースペクトルＰｉ1ｉ2（ｉ1＝
１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）を算出
する方法を示している。
【０３１６】そこで次に、標準振動波のパワースペクト
ルＰｉ1ｉ2（ｉ1＝１，２，・・・，ｍ 1）（ｉ2＝１，２，
・・・，ｍ2）を成分とする標準パターン原始行列Ｈｏと、
入力振動波のパワースペクトルＰｉ1ｉ2（ｉ1＝１，
２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）を成分とす
る入力パターン原始行列Ｎｏを作成する。この標準パタ
ーン原始行列Ｈｏ及び入力パターン原始行列Ｎｏを、数
１のように表現しておく。ただし、数１は、標準振動波
及び入力振動波のパワースペクトルの形状を、パターン
原始行列のｍ1×ｍ2個の成分値で表現したものであると
読み替える。
【０３１７】ところで、機械の異常判定においては、同
じ機械であっても運転モードごとに異なる振動波が測定
され、また、同じ運転モードであっても測定ごとにパワ
ースペクトルパターンが変動した振動波が出現するた
め、通常、同じ運転モードの振動波を繰り返し測定し
て、各運転モードごとに複数個の標準振動波を登録する
方法が採られている。本実施例では、上記のように登録
した同じ運転モードの振動波を同じカテゴリの標準振動
波とし、これらとは異なる運転モードの振動波を異なる
カテゴリの標準振動波とする。
【０３１８】そして、先に述べた画像の類似度検出手順
を、上記で作成した振動波の標準パターン原始行列Ｈｏ
及び入力パターン原始行列Ｎｏに適用し、機械の異常判
定を行う。
【０３１９】具体的には、標準振動波の特徴量を成分と
する標準パターン原始行列と入力振動波の特徴量を成分
とする入力パターン原始行列とを作成し、振動波のパワ
ースペクトルパターンを正規化する方法が予め指示され
ている場合には、振動波のパワースペクトルパターンを
指示された方法で正規化して標準パターン行列と入力パ
ターン行列とを作成する。また、基準パターンベクトル
の尖度の変化率の値を成分とする加重ベクトルを作成す
る。そして、加重ベクトルの成分値と標準パターン行列
の成分値との積和演算により標準パターン加重行列を作
成し、これと独立して、同加重ベクトルの成分値と入力
パターン行列の成分値との積和演算により入力パターン
加重行列を作成する。次に、これら標準パターン加重行
列及び入力パターン加重行列を用いて従来のユークリッ
ド距離の計算を行うことにより、標準パターン行列と入
力パターン行列との間の形状距離値を算出する。
【０３２０】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準振動波間の形状距離平均値を、異なるカテ
ゴリの標準振動波間の形状距離平均値で除算した平均値
の比の値を求め、上記平均値の比の値を最小にする加重
係数の値を成分とする加重ベクトルを作成し、この加重
ベクトルを用いて標準パターン行列と入力パターン行列
との間の形状距離値を算出することもできる。
【０３２１】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
大きいとき機械は異常であると判定し、形状距離値が許
容値以下のとき正常であると判定する。
【０３２２】一方、標準振動波の特徴量を成分とする標
準パターン原始行列と入力振動波の特徴量を成分とする
入力パターン原始行列とを作成し、振動波のパワースペ
クトルパターンを正規化する方法が予め指示されていな
い場合には、振動波のパワースペクトルパターンを正規
化しないで標準パターン原始行列と入力パターン原始行
列とをそのまま用いる。また、基準パターンベクトルの
尖度の変化率の値を成分とする加重ベクトルを作成す
る。そして、加重ベクトルの成分値と標準パターン原始
行列の成分値との積和演算により標準パターン原始加重
行列を作成し、これと独立して、同加重ベクトルの成分
値と入力パターン原始行列の成分値との積和演算により
入力パターン原始加重行列を作成する。次に、これら標
準パターン原始加重行列及び入力パターン原始加重行列
を用いて従来の角度の余弦の計算を行うことにより、標
準パターン原始行列と入力パターン原始行列との間の形
状距離値を算出する。
【０３２３】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準振動波間の形状距離平均値から、異なるカ
テゴリの標準振動波間の形状距離平均値を減算した平均
値の差の値を求め、上記平均値の差の値を最大にする加
重係数の値を成分とする加重ベクトルを作成し、この加
重ベクトルを用いて標準パターン原始行列と入力パター
ン原始行列との間の形状距離値を算出することもでき
る。
【０３２４】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
小さいとき機械は異常であると判定し、形状距離値が許
容値以上のとき正常であると判定する。
【０３２５】［実施例（IV）：動画像認識方法（３次
元）］次に、２つのパターン行列層間（或いはパターン
原始行列層間）の類似度検出値を用いた動画像認識方法
について述べる。本実施例では、動画像認識を行うため
に、動画像の濃度パターンを全画素の濃度の合計、また
は、全画素の濃度の最大値で正規化して標準パターン行
列層と入力パターン行列層とを作成し、また、基準パタ
ーンベクトルの尖度の変化率の値を成分とする加重ベク
トルを作成する。そして、加重ベクトルの成分値と標準
パターン行列層の成分値との積和演算により標準パター
ン加重行列層を作成し、これと独立して、同加重ベクト
ルの成分値と入力パターン行列層の成分値との積和演算
により入力パターン加重行列層を作成する。次に、これ
ら標準パターン加重行列層及び入力パターン加重行列層
を用いて従来のユークリッド距離の計算を行うことによ
り動画像の類似度を検出する。
【０３２６】一方、動画像の濃度パターンを正規化しな
いで標準パターン原始行列層と入力パターン原始行列層
とを作成する。そして、上記加重ベクトルの成分値と標
準パターン原始行列層の成分値との積和演算により標準
パターン原始加重行列層を作成し、これと独立して、同
加重ベクトルの成分値と入力パターン原始行列層の成分
値との積和演算により入力パターン原始加重行列層を作
成する。次に、これら標準パターン原始加重行列層及び
入力パターン原始加重行列層を用いて従来の角度の余弦
の計算を行うことにより動画像の類似度を検出する。
【０３２７】更に、同じカテゴリの標準パターン行列層
間（或いは標準パターン原始行列層間）の距離が近くな
り、同時に、異なるカテゴリの標準パターン行列層間
（或いは標準パターン原始行列層間）の距離が遠くなる
ように上記加重ベクトルの成分値を調整し、調整後の加
重ベクトルを用いて動画像の類似度を検出し、その検出
値を用いて動画像認識を行うものとする。
【０３２８】ここでは、先に述べた画像、音声、振動波
等に関する標準パターン行列と入力パターン行列（或い
は標準パターン原始行列と入力パターン原始行列）との
間の類似度検出方法を、標準パターン行列層と入力パタ
ーン行列層（或いは標準パターン原始行列層と入力パタ
ーン原始行列層）との間の類似度検出方法に拡張する。
【０３２９】図６０は、アルファベット“Ｅ”を筆記す
るペンの動きを時間を追って撮影した動画像の一例であ
る。同図に示されるように、動画像は時間を追って撮影
したｍ3枚の画像により構成され、各画像はｘ方向及び
ｙ方向をそれぞれｍ1個及びｍ 2個に区切ったｍ1×ｍ2個
の画素により構成される。ここで、ｘ方向にｉ1番目、
かつ、ｙ方向にｉ2番目、かつ、ｉ3番目の時刻の画素に
おける動画像の濃度をＰｉ1ｉ2ｉ3とする。
【０３３０】次に、標準動画像の濃度Ｐｉ1ｉ2ｉ3（ｉ1
＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）（ｉ3
＝１，２，・・・，ｍ3）を成分とする標準パターン原始行
列層Ｈｏと、入力動画像の濃度Ｐｉ1ｉ2ｉ3 （ｉ1＝
１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）（ｉ3＝
１，２，・・・，ｍ3）を成分とする入力パターン原始行列
層Ｎｏを作成する。この標準パターン原始行列層Ｈｏ及
び入力パターン原始行列層Ｎｏを、数１の代わりに、次
の数３６、数３７のように表現しておく。ただし、数３
６、数３７はそれぞれ、標準動画像及び入力動画像の濃
度の形状を、パターン原始行列層のｍ1×ｍ2×ｍ3個の
成分値で表現したものである。
【０３３１】
【数３６】
【０３３２】
【数３７】
【０３３３】また、図６１は、標準パターン原始行列層
Ｈｏを（ｘ−ｙ−時間）空間で表現したものであり、図
６２は、入力パターン原始行列層Ｎｏを同じく（ｘ−ｙ
−時間）空間で表現したものである。
【０３３４】関連技術（特願２０００−２７７７４９
号）では、動画像の濃度Ｐｉ1ｉ2ｉ3（ｉ1＝１，２，・・
・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）（ｉ3＝１，２，・・
・，ｍ 3）を全画素の濃度の合計で正規化する処理を行っ
ている。即ち、ｘ方向にｉ1番目、かつ、ｙ方向にｉ2番
目、かつ、ｉ3番目の時刻の画素における動画像の正規
化濃度ｐｉ1ｉ2ｉ3を、数２の代わりに、次の数３８に
より算出している。
【０３３５】
【数３８】
【０３３６】また、２値動画像の場合には、動画像の濃
度Ｐｉ1ｉ2ｉ3（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，
２，・・・，ｍ2）（ｉ3＝１，２，・・・，ｍ3）を全画素の
濃度の最大値で正規化する。即ち、ｘ方向にｉ1番目、
かつ、ｙ方向にｉ2番目、かつ、ｉ3番目の時刻の画素に
おける動画像の正規化濃度ｐｉ1ｉ2ｉ3は、数３の代わ
りに、次の数３９により算出できる。ただし、数３９中
の記号ｍａｘ｛Ｐｊ1ｊ2ｊ3｝は動画像の濃度Ｐｊ1ｊ2
ｊ3（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ
2）（ｊ3＝１，２，・・・，ｍ3）において、その中の最大
値を意味する。
【０３３７】
【数３９】
【０３３８】ここで、数３８による正規化濃度の形状と
数３９による正規化濃度の形状とは相似形であるため、
数３８または数３９のどちらを用いた場合でも、同様に
以下の議論が成り立つ。
【０３３９】次に、標準動画像の正規化濃度ｐｉ1ｉ2ｉ
3（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，
ｍ2 ）（ｉ3＝１，２，・・・，ｍ3）を成分とする標準パ
ターン行列層Ｈと、入力動画像の正規化濃度ｐｉ1ｉ2ｉ
3（ｉ1＝１，２，・・・，ｍ1）（ｉ 2＝１，２，・・・，
ｍ2）（ｉ3＝１，２，・・・，ｍ3）を成分とする入力パタ
ーン行列層Ｎを作成する。この標準パターン行列層Ｈ及
び入力パターン行列層Ｎを、数４の代わりに、次の数４
０、数４１のように表現しておく。ただし、数４０、数
４１はそれぞれ、標準動画像及び入力動画像の正規化濃
度の形状を、パターン行列層のｍ1×ｍ2×ｍ3個の成分
値で表現したものである。
【０３４０】
【数４０】
【０３４１】
【数４１】
【０３４２】また、図６３は、標準パターン行列層Ｈを
（ｘ−ｙ−時間）空間で表現したものであり、図６４
は、入力パターン行列層Ｎを同じく（ｘ−ｙ−時間）空
間で表現したものである。
【０３４３】関連技術（特願２０００−２７７７４９
号）においては、図６５（ａ）に示すように、平均値μ
＝０、分散σｊ1ｊ2ｊ3 2の値をもつ正規分布のグラフ
（正規曲線）を作成し、また、図６５（ｂ）、（ｃ）に
示すように、同正規分布の値を成分とする基準パターン
正ベクトルＫｊ1ｊ2ｊ3 (+)及び基準パターン負ベクトル
Ｋｊ1ｊ2ｊ3 (-)を作成している。
【０３４４】次に、関連技術（特願２０００−２７７７
４９号）では、次の数４２において、標準パターン行列
層Ｈと入力パターン行列層Ｎとの間の形状変化を、基準
パターン正ベクトルＫｊ1ｊ2ｊ3 (+)及び基準パターン負
ベクトルＫｊ1ｊ2ｊ3 (-)の形状変化に置き換えている。
即ち、パターン行列層のｉ1ｉ2ｉ3成分（ｉ1＝１，２，
・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）（ｉ3＝１，２，
・・・，ｍ3）について、標準パターン行列層Ｈの成分値ｈ
ｉ1ｉ2ｉ3と入力パターン行列層Ｎの成分値ｎｉ1ｉ2ｉ3
との間の変化量の絶対値は｜ｎｉ1ｉ2ｉ3−ｈｉ1ｉ2ｉ3
｜であるが、数４２に示すように、ｎｉ1ｉ2ｉ3がｈｉ1
ｉ2ｉ3より大きいとき基準パターン正ベクトルＫｊ1ｊ2
ｊ3 (+)の成分値ｋｊ1ｊ2ｊ3 (+)ｉ0をこの変化量の絶対
値｜ｎｉ1ｉ2ｉ3−ｈｉ1ｉ2ｉ3｜だけ増加させ、ｎｉ1
ｉ2ｉ3がｈｉ1ｉ2ｉ3より小さいとき基準パターン負ベ
クトルＫｊ1ｊ2ｊ3 (-)の成分値ｋｊ1ｊ2ｊ3 (-)ｉ0をこ
の変化量の絶対値｜ｎｉ1ｉ2ｉ3−ｈｉ1ｉ2ｉ3｜だけ増
加させるようにしている。
【数４２】
【０３４５】そして、関連技術（特願２０００−２７７
７４９号）では、次の数４３において、数４２により形
状変化した一対の基準パターンベクトル（基準パターン
正ベクトルＫｊ1ｊ2ｊ3 (+)と基準パターン負ベクトルＫ
ｊ1ｊ2ｊ3 (-) ）について、それぞれの形状変化の大き
さを、尖度の変化量として数値化している。即ち、基準
パターン正ベクトルＫｊ1ｊ2ｊ3 (+)の尖度Ａｊ1ｊ2ｊ3
(+)、及び、基準パターン負ベクトルＫｊ1ｊ2ｊ3 (-)の
尖度Ａｊ1ｊ2ｊ3 (-)を、それぞれ数４３により算出して
いる。
【数４３】
【０３４６】ここで、基準パターンベクトルの尖度の変
化率について説明する。図６５（ｂ）、（ｃ）に示した
基準パターン正ベクトルＫｊ1ｊ2ｊ3 (+)及び基準パター
ン負ベクトルＫｊ1ｊ2ｊ3 (-)は、図４（ｂ）、（ｃ）に
示した基準パターン正ベクトルＫｊ1ｊ2 (+)及び基準パ
ターン負ベクトルＫｊ1ｊ2 (-)と同じく、ベクトル（１
次元）であり、かつ、正規分布の形状をベクトルのｍ0
個の成分値で表現したものである。従って、図５〜図７
に係る基準パターン正ベクトルＫｊ1ｊ2 (+)及び基準パ
ターン負ベクトルＫｊ1ｊ2 (-)の尖度の変化率の説明
は、基準パターン正ベクトルＫｊ1ｊ2ｊ3 (+)及び基準パ
ターン負ベクトルＫｊ1ｊ2ｊ3 (-)についても成り立つ。
【０３４７】従って、予め基準パターン正ベクトルＫｊ
1ｊ2ｊ3 (+)の各成分における尖度の変化率を算出してお
き、標準パターン行列層に対して入力パターン行列層の
ｉ1ｉ2ｉ3成分だけが増加したことにより基準パターン
正ベクトルの第ｉ0成分（ｉ0＝１，２，・・・，ｍ0）が同
じ値だけ増加した場合には、基準パターン正ベクトルの
第ｉ0成分における尖度の変化率をｇｊ1ｊ2ｊ3ｉ0と
し、標準パターン行列層の成分値と入力パターン行列層
の成分値との間の変化量の絶対値を｜ｎｉ1ｉ2ｉ 3−ｈ
ｉ1ｉ2ｉ3｜として、数７の上側の条件式の代わりに、
次の数４４の上側の条件式により、ｇｊ1ｊ2ｊ3ｉ0と｜
ｎｉ1ｉ2ｉ3−ｈｉ1ｉ2ｉ3｜との積の値を求めて尖度値
Ａｊ1ｊ2ｊ3 (+)を算出できる。
【０３４８】同様に、標準パターン行列層に対して入力
パターン行列層のｉ1ｉ2ｉ3成分だけが減少したことに
より基準パターン負ベクトルの第ｉ0成分（ｉ0＝１，
２，・・・，ｍ0）が同じ値だけ増加した場合には、数７の
下側の条件式の代わりに、次の数４４の下側の条件式に
より、ｇｊ1ｊ2ｊ3ｉ0と｜ｎｉ1ｉ2ｉ3−ｈｉ1ｉ2ｉ3｜
との積の値を求めて尖度値Ａｊ1ｊ2ｊ3 (-)を算出でき
る。なお、数４４は、基準パターン正ベクトルまたは基
準パターン負ベクトルの１個の成分だけが増加した場合
に限って成り立つものである。
【０３４９】
【数４４】
【０３５０】数４４において、符号を考慮しながら、｜
ｎｉ1ｉ2ｉ3−ｈｉ1ｉ2ｉ3｜を（ｎｉ1ｉ2ｉ3−ｈｉ1ｉ
2ｉ3）に置き換えることにより、数８の代わりに、次の
数４５を得る。
【０３５１】
【数４５】
【０３５２】次に、基準パターンベクトルの尖度の変化
の性質について説明する。図６５（ｂ）、（ｃ）に示し
た基準パターン正ベクトルＫｊ1ｊ2ｊ3 (+)及び基準パタ
ーン負ベクトルＫｊ1ｊ2ｊ3 (-)は、図４（ｂ）、（ｃ）
に示した基準パターン正ベクトルＫｊ1ｊ2 (+)及び基準
パターン負ベクトルＫｊ1ｊ2 (-)と同じく、ベクトル
（１次元）であり、かつ、正規分布の形状をベクトルの
ｍ0個の成分値で表現したものである。従って、図８〜
図１３に係る基準パターン正ベクトルＫｊ1ｊ2 (+)及び
基準パターン負ベクトルＫｊ1ｊ2 (-)の尖度の変化の性
質の説明は、基準パターン正ベクトルＫｊ1ｊ2ｊ3 (+)及
び基準パターン負ベクトルＫｊ1ｊ2ｊ3 (-)についても成
り立つ。
【０３５３】従って、基準パターン正ベクトルが増加し
た２個の成分について図５〜図７の各（ｂ）と同じ方法
を用いてそれぞれの尖度の変化量を求め、上記尖度の各
変化量を加算した和の値を求めて尖度値Ａｊ1ｊ2ｊ3 (+)
を算出できる。同様にして、尖度値Ａｊ1ｊ2ｊ3 (-)を算
出できる。
【０３５４】このことは、標準パターン行列層に対して
入力パターン行列層の３個以上の成分が同時に増加した
ことにより、基準パターン正ベクトルＫｊ 1 ｊ 2 ｊ 3 (+) の
３個以上の成分が同時に増加した場合にも成り立つ。同
様に、このことは、標準パターン行列層に対して入力パ
ターン行列層の３個以上の成分が同時に減少したことに
より、基準パターン負ベクトルＫｊ1ｊ2ｊ3 (-)の３個以
上の成分が同時に増加した場合にも成り立つ。
【０３５５】従って、標準パターン行列層に対して入力
パターン行列層の複数の成分が同時に増加したことによ
り基準パターン正ベクトルの複数の成分が同時に増加し
た場合には、数９の上側の条件式の代わりに、次の数４
６の上側の条件式により、尖度値Ａｊ1ｊ2ｊ3 (+)を算出
できる。即ち、基準パターン正ベクトルの第ｉ0成分に
おける尖度の変化率をｇｊ1ｊ2ｊ3ｉ0とし、標準パター
ン行列層の成分値と入力パターン行列層の成分値との間
の変化量を（ｎｉ1ｉ2ｉ3−ｈｉ1ｉ2ｉ3）として、ｇｊ
1ｊ2ｊ3ｉ0と（ｎｉ1ｉ2ｉ3−ｈｉ1ｉ2ｉ3）との積の値
を求め、上記積の値を標準パターン行列層に対して入力
パターン行列層が増加した全ての成分について加算した
和の値を求めて尖度値Ａｊ1ｊ2ｊ3 (+)を算出する。
【０３５６】同様に、標準パターン行列層に対して入力
パターン行列層の複数の成分が同時に減少したことによ
り基準パターン負ベクトルの複数の成分が同時に増加し
た場合には、数９の下側の条件式の代わりに、次の数４
６の下側の条件式により、ｇｊ1ｊ2ｊ3ｉ0と（ｎｉ1ｉ2
ｉ3−ｈｉ1ｉ2ｉ3）との積の値を求め、上記積の値を標
準パターン行列層に対して入力パターン行列層が減少し
た全ての成分について加算した和の値を求めて尖度値Ａ
ｊ1ｊ2ｊ3 (-)を算出する。
【０３５７】
【数４６】
【０３５８】ところで、関連技術（特願２０００−２７
７７４９号）では、数４３により算出した基準パターン
正ベクトルＫｊ1ｊ2ｊ3 (+)の尖度Ａｊ1ｊ2ｊ3 (+)、及
び、基準パターン負ベクトルＫｊ1ｊ2ｊ3 (-)の尖度Ａｊ
1ｊ2ｊ3 (-)を用いて、数１０の代わりに、次の数４７よ
り、形状変化量Ｄｊ1ｊ2ｊ3を算出している。即ち、正
規分布形状に初期設定された２つの基準パターンベクト
ルＫｊ1ｊ2ｊ3 (+)及びＫｊ1ｊ2ｊ3 (-)の尖度の値は、共
に３に等しく、そのため、数４２により形状変化した基
準パターン正ベクトル及び基準パターン負ベクトルの尖
度の変化量は、それぞれ｛Ａｊ1ｊ2ｊ3 (+)−３｝及び
｛Ａｊ1ｊ2ｊ3 (-)−３｝となり、従って、正方向の変化
量は｛Ａｊ1ｊ2ｊ3 (+)−３｝、また負方向の変化量は
｛Ａｊ1ｊ2ｊ3 ( -)−３｝となり、全体の変化量はこの差
の値になるとして形状変化量Ｄｊ1ｊ2ｊ 3を算出してい
る。
【０３５９】
【数４７】
【０３６０】従って、数４６を数４７に代入して、数１
１の代わりに、次の数４８を得る。即ち、標準パターン
行列層に対して入力パターン行列層の複数の成分が同時
に増加及び減少したことにより基準パターン正ベクトル
及び基準パターン負ベクトルの複数の成分が同時に増加
した場合には、数４８により、形状変化量Ｄｊ1ｊ2ｊ 3
を算出できる。
【０３６１】
【数４８】
【０３６２】数４８より、形状変化量Ｄｊ1ｊ2ｊ3は、
基準パターンベクトルの尖度の変化率ｇｊ1ｊ2ｊ3ｉ0と
標準パターン行列層の成分値ｈｉ1ｉ2ｉ3との積和演
算、及び、同変化率ｇｊ1ｊ2ｊ3ｉ0と入力パターン行列
層の成分値ｎｉ1ｉ2ｉ3との積和演算に分解できること
が分かる。そこで、数１２の代わりに、次の数４９に示
すように、それぞれの積和値をｈｇｊ1ｊ2ｊ3及びｎｇ
ｊ1ｊ2ｊ3とおいておく。
【０３６３】
【数４９】
【０３６４】次に、数４９中の尖度の変化率ｇｊ1ｊ2ｊ
3ｉ0（ｉ0＝１，２，・・・，ｍ0）の算出方法、及び、成
分番号ｉ0の算出方法について説明する。なお、基準パ
ターン正ベクトルＫｊ1ｊ2ｊ3 (+)及び基準パターン負ベ
クトルＫｊ1ｊ2ｊ3 (-)が相等なベクトルであることによ
り、基準パターン正ベクトルＫｊ1ｊ2ｊ3 (+)の尖度の変
化率、及び、基準パターン負ベクトルＫｊ1ｊ2ｊ3 (-)の
尖度の変化率は等しく、また、数４９に示されるよう
に、これらを区別する必要もない。従って、以下の説明
では、基準パターン正ベクトル及び基準パターン負ベク
トルに代えて、単に基準パターンベクトルと表記し、ま
た、記号(+)及び(-)を除いて表記する。
【０３６５】図６６（ａ）は模式図であって、基準パタ
ーンベクトルＫｊ1ｊ2ｊ3の第ｉ0成分だけが１．０増加
した例を示したものである。また、図６６（ｂ）は、同
図（ａ）のように形状変化した基準パターンベクトルの
尖度Ａｊ1ｊ2ｊ3の変化量ΔＡｊ1ｊ2ｊ3を、数４３によ
り直接的に求めて図中のｉ0の位置にプロットし、次
に、このｉ0を１からｍ0まで変化させたときに、尖度の
変化量の算出値ΔＡｊ1ｊ2ｊ3が変化する様子をグラフ
（加重曲線）で示したものである。ここで、この加重曲
線は、基準パターンベクトルの第ｉ0成分だけが１．０
増加したときの尖度の変化量をプロットしたものである
から、加重曲線の関数値は、基準パターンベクトルの第
ｉ0成分（ｉ0＝１，２，・・・，ｍ0）における尖度の変化
率ｇｊ1ｊ2ｊ3ｉ0に等しくなる。また、この図６６
（ｂ）において加重曲線の関数値に等しい高さの棒グラ
フも示しているが、この棒グラフの高さの値を成分とす
る加重ベクトルＧｊ1ｊ2ｊ3を図６６（ｂ）のように作
成し、数１３の代わりに、次の数５０のように表現して
おく。数５０は、基準パターンベクトルの尖度の変化率
をベクトルのｍ0個の成分値で表現したものであり、数
３６、数３７、数４０、数４１は、行列層（３次元）で
あるのに対し、数５０はベクトル（１次元）である。
【０３６６】
【数５０】
【０３６７】次に、正規曲線と加重曲線との関係を示
し、また、基準パターンベクトルＫｊ 1ｊ2ｊ3と加重ベ
クトルＧｊ1ｊ2ｊ3との関係を示す。図６５（ｂ）、
（ｃ）に示した基準パターン正ベクトルＫｊ1ｊ2ｊ3 (+)
及び基準パターン負ベクトルＫｊ1ｊ2ｊ3 (-)は、図４
（ｂ）、（ｃ）に示した基準パターン正ベクトルＫｊ1
ｊ2 (+)及び基準パターン負ベクトルＫｊ1ｊ2 (-)と同じ
く、ベクトル（１次元）であり、かつ、正規分布の形状
をベクトルのｍ0個の成分値で表現したものである。ま
た、図６６（ｂ）に示した加重ベクトルＧｊ1ｊ2ｊ
3は、図１４（ｂ）に示した加重ベクトルＧｊ1ｊ2と同
じく、ベクトル（１次元）であり、かつ、基準パターン
ベクトルの尖度の変化率をベクトルのｍ0個の成分値で
表現したものである。従って、図６６に係る正規曲線と
加重曲線との関係、及び、基準パターンベクトルＫｊ1
ｊ2ｊ3と加重ベクトルＧｊ1ｊ2ｊ3との関係は、それぞ
れ図１５〜図１９に係る正規曲線と加重曲線との関係、
及び、基準パターンベクトルＫｊ1ｊ2と加重ベクトルＧ
ｊ1ｊ2との関係に等しい。
【０３６８】即ち、正規曲線と加重曲線が対応し、ま
た、基準パターンベクトルＫｊ1ｊ2ｊ 3と加重ベクトル
Ｇｊ1ｊ2ｊ3が対応し、基準パターンベクトルＫｊ1ｊ2
ｊ3の添数ｊ1ｊ2ｊ3、ｉ0、ｍ0と、加重ベクトルＧｊ1
ｊ2ｊ3の添数ｊ1ｊ2ｊ3、ｉ0、ｍ 0はそれぞれ同じ値を
もつ。
【０３６９】そして、正規曲線の中心の移動と加重曲線
の中心の移動が対応し、また、基準パターンベクトルの
中心から長さλｉ1ｉ2ｉ3ｊ1ｊ2ｊ3だけ離れた位置に最
も近い基準パターンベクトルの成分番号ｉ0を算出する
方法と、加重ベクトルの中心から長さλｉ1ｉ2ｉ3ｊ1ｊ
2ｊ3だけ離れた位置に最も近い加重ベクトルの成分番号
ｉ0を算出する方法は同じである。従って、数４９中の
ｉ0は、パターン行列層のｊ1ｊ2ｊ3成分とｉ1ｉ2ｉ3成
分が与えられたとき、（ｘ−ｙ−時間）正規化空間内の
これら２点間の長さに基づき算出される。
【０３７０】即ち、数４９の左辺に示すｈｇｊ1ｊ2ｊ3
は、標準パターン行列層の指定成分と各成分との間の長
さを求め、加重ベクトルの中心から上記長さだけ離れた
位置に最も近い加重ベクトルの成分番号ｉ0を算出し、
加重ベクトルの上記成分番号の成分値ｇｊ1ｊ2ｊ3ｉ0と
標準パターン行列層の各成分の成分値ｈｉ1ｉ2ｉ3との
積の値を求め、上記積の値を標準パターン行列層の各成
分について加算した積和値として算出できる。また、数
４９の左辺に示すｎｇｊ1ｊ2ｊ3は、入力パターン行列
層の指定成分と各成分との間の長さを求め、加重ベクト
ルの中心から上記長さだけ離れた位置に最も近い加重ベ
クトルの成分番号ｉ0を算出し、加重ベクトルの上記成
分番号の成分値ｇｊ1ｊ2ｊ3ｉ0と入力パターン行列層の
各成分の成分値ｎｉ1ｉ2ｉ3との積の値を求め、上記積
の値を入力パターン行列層の各成分について加算した積
和値として算出できる。
【０３７１】次に、数４９中のｈｇｊ1ｊ2ｊ3（ｊ1＝
１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝
１，２，・・・，ｍ3）を成分とする標準パターン加重行列
層Ｈｇと、数４９中のｎｇｊ1ｊ2ｊ3（ｊ1＝１，２，・・
・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝１，２，・・
・，ｍ3）を成分とする入力パターン加重行列層Ｎｇを作
成する。この標準パターン加重行列層Ｈｇ及び入力パタ
ーン加重行列層Ｎｇを、数１４の代わりに、次の数５
１、数５２のように表現しておく。
【０３７２】
【数５１】
【０３７３】
【数５２】
【０３７４】また、数４９を数４８に代入して、数１５
の代わりに、次の数５３を得る。数５３より、形状変化
量Ｄｊ1ｊ2ｊ3は、入力パターン加重行列層Ｎｇの成分
値ｎｇｊ1ｊ2ｊ3から標準パターン加重行列層Ｈｇの成
分値ｈｇｊ1ｊ2ｊ3を減算して得られることが分かる。
【０３７５】
【数５３】
【０３７６】関連技術（特願２０００−２７７７４９
号）では、数５３により算出したｍ1×ｍ2×ｍ3個の形
状変化量Ｄｊ1ｊ2ｊ3の２乗和の平方根を形状距離値と
している。従って、数１６の代わりに、次の数５４よ
り、形状距離値ｄEを算出できる。
【０３７７】
【数５４】
【０３７８】また、関連技術（特願２０００−２７７７
４９号）では、数５３により算出したｍ1×ｍ2×ｍ3個
の形状変化量Ｄｊ1ｊ2ｊ3の２乗和自身を形状距離値と
している。従って、数１７の代わりに、次の数５５によ
り、形状距離値ｄEを算出することもできる。
【０３７９】
【数５５】
【０３８０】一方、数４９において、標準パターン行列
層の成分値ｈｉ1ｉ2ｉ3及び入力パターン行列層の成分
値ｎｉ1ｉ2ｉ3を、それぞれ標準パターン原始行列層の
成分値ｈｏｉ1ｉ2ｉ3及び入力パターン原始行列層の成
分値ｎｏｉ1ｉ2ｉ3に置き換え、数１８の代わりに、次
の数５６に示すように、基準パターンベクトルの尖度の
変化率ｇｊ1ｊ2ｊ3ｉ0と標準パターン原始行列層の成分
値ｈｏｉ1ｉ2ｉ3との積和値をｈｏｇｊ1ｊ2ｊ3とおき、
同変化率ｇｊ1ｊ2ｊ3ｉ0と入力パターン原始行列層の成
分値ｎｏｉ1ｉ2ｉ3との積和値をｎｏｇｊ1ｊ2ｊ3とお
く。
【０３８１】
【数５６】
【０３８２】次に、数５６中のｈｏｇｊ1ｊ2ｊ3（ｊ1＝
１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝
１，２，・・・，ｍ3）を成分とする標準パターン原始加重
行列層Ｈｏｇと、数５６中のｎｏｇｊ1ｊ2ｊ3（ｊ1＝
１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝
１，２，・・・，ｍ3）を成分とする入力パターン原始加重
行列層Ｎｏｇを作成する。この標準パターン原始加重行
列層Ｈｏｇ及び入力パターン原始加重行列層Ｎｏｇを、
数１９の代わりに、次の数５７、数５８のように表現し
ておく。
【０３８３】
【数５７】
【０３８４】
【数５８】
【０３８５】ここで、数３６、数３７に示す標準パター
ン原始行列層Ｈｏ及び入力パターン原始行列層Ｎｏを、
数３８により全画素の濃度の合計で正規化して、数４
０、数４１に示す標準パターン行列層Ｈ及び入力パター
ン行列層Ｎを作成した場合には、数２０の代わりに、次
の数５９が成り立つ。
【０３８６】
【数５９】
【０３８７】また、数３６、数３７に示す標準パターン
原始行列層Ｈｏ及び入力パターン原始行列層Ｎｏを、数
３９により全画素の濃度の最大値で正規化して、数４
０、数４１に示す標準パターン行列層Ｈ及び入力パター
ン行列層Ｎを作成した場合には、数２１の代わりに、次
の数６０が成り立つ。
【０３８８】
【数６０】
【０３８９】数５９における右辺の分母の値は、それぞ
れ標準動画像及び入力動画像の全画素の濃度の合計であ
り、これらはそれぞれ定数である。また、数６０におけ
る右辺の分母の値は、それぞれ標準動画像及び入力動画
像の全画素の濃度の最大値であり、これらもそれぞれ定
数である。従って、Ｃｈ及びＣｎをそれぞれ定数とし、
数５９及び数６０をまとめて、数２２の代わりに、次の
数６１のように表記する。
【０３９０】
【数６１】
【０３９１】数６１を数４９に代入し、次に、数５６を
用いて、数２３の代わりに、次の数６２を得る。
【０３９２】
【数６２】
【０３９３】数６２より、（ｊ1＝１，２，・・・，ｍ1）
（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝１，２，・・・，ｍ3）
について、標準パターン加重行列層の成分値ｈｇｊ1ｊ2
ｊ3は、標準パターン原始加重行列層の成分値ｈｏｇｊ1
ｊ2ｊ3を定数Ｃｈで除算したものであり、また、入力パ
ターン加重行列層の成分値ｎｇｊ1ｊ2ｊ3は、入力パタ
ーン原始加重行列層の成分値ｎｏｇｊ1ｊ2ｊ3を定数Ｃ
ｎで除算したものであることが分かる。
【０３９４】図２０は、数６２の関係を示した模式図で
あって、ｍ1×ｍ2×ｍ3次元パターン空間において、原
点Ｏから、それぞれ標準パターン加重行列層Ｈｇの点、
入力パターン加重行列層Ｎｇの点、標準パターン原始加
重行列層Ｈｏｇの点、入力パターン原始加重行列層Ｎｏ
ｇの点へ向かう矢印を示したものであると読み替える。
数６２の関係より、図２０では、原点Ｏ、標準パターン
加重行列層Ｈｇの点、標準パターン原始加重行列層Ｈｏ
ｇの点は１つの直線上に並び、また、原点Ｏ、入力パタ
ーン加重行列層Ｎｇの点、入力パターン原始加重行列層
Ｎｏｇの点は別の直線上に並ぶ様子を示している。
【０３９５】また、数５４より、形状距離ｄEは、標準
パターン加重行列層の成分値ｈｇｊ1ｊ2ｊ3、及び、入
力パターン加重行列層の成分値ｎｇｊ1ｊ2ｊ3を用いて
従来のユークリッド距離の計算を行うことにより算出で
きることが分かる。そこで、図２０において、形状距離
ｄEは、標準パターン加重行列層Ｈｇの点と入力パター
ン加重行列層Ｎｇの点との間のユークリッド距離になる
ことを示している。
【０３９６】一方、２値動画像、及び、それ以外の動画
像が混在する動画像認識においては、一般に、入力動画
像が２値動画像、または、それ以外の動画像のどちらで
あるか予め分かっていないことが多く、このような場合
には、動画像の濃度パターンを全画素の濃度の最大値で
正規化する方法、または、全画素の濃度の合計で正規化
する方法のどちらを用いて入力動画像を処理するのか判
断できない問題があり、従って、数５４に示す形状距離
値ｄEを利用できないことになる。
【０３９７】そこで、動画像の濃度パターンを正規化し
ないで作成した標準パターン原始加重行列層及び入力パ
ターン原始加重行列層について、これら２つのパターン
原始加重行列層間の角度、即ち、図２０において、直線
ＯＨｏｇと直線ＯＮｏｇとの間の角度を類似性尺度とし
て用いることができれば都合が良い。従って、標準パタ
ーン原始加重行列層Ｈｏｇと入力パターン原始加重行列
層Ｎｏｇとの間の角度の余弦として、数２４の代わり
に、次の数６３により、形状距離値ｄAを算出できる。
数６３において、形状距離値ｄAは、−１≦ｄA≦＋１の
範囲の値になり、また、標準パターン原始行列層Ｈｏの
形状と入力パターン原始行列層Ｎｏの形状が似ていると
き、従って、標準パターン原始加重行列層Ｈｏｇの形状
と入力パターン原始加重行列層Ｎｏｇの形状が似ている
とき、これら２つのパターン原始加重行列層間の角度の
値は小さくなるため、形状距離値ｄAは＋１に近い値に
なる。
【０３９８】
【数６３】
【０３９９】本発明の第１の課題について以上をまとめ
ると、数５４及び図２０に示すように、標準パターン行
列層Ｈと入力パターン行列層Ｎとの間の形状距離ｄ
Eは、標準パターン加重行列層Ｈｇと入力パターン加重
行列層Ｎｇとの間のユークリッド距離として算出でき、
一方、数６３及び図２０に示すように、標準パターン原
始行列層Ｈｏと入力パターン原始行列層Ｎｏとの間の形
状距離ｄAは、標準パターン原始加重行列層Ｈｏｇと入
力パターン原始加重行列層Ｎｏｇとの間の角度の余弦と
して算出できる。なお、図２０より分かるように、標準
パターン原始加重行列層Ｈｏｇと入力パターン原始加重
行列層Ｎｏｇとの間の角度の値は、標準パターン加重行
列層Ｈｇと入力パターン加重行列層Ｎｇとの間の角度の
値に等しいため、標準パターン加重行列層Ｈｇと入力パ
ターン加重行列層Ｎｇとの間の角度の余弦として形状距
離ｄAを算出しても良い。
【０４００】以上で本発明の第１の課題について解決手
段を述べたが、次に、本発明の第２の課題について解決
手段を説明する。
【０４０１】オンライン手書き文字認識は、筆記するペ
ンの動きから、書かれた文字を認識する技術である。こ
のオンライン手書き文字認識においては、同じ文字であ
っても筆記ごとに変形した文字が出現するため、通常、
多数の人間が同じ文字を繰り返し筆記して、各文字ごと
に複数個の標準動画像を登録する方法が採られている。
本実施例では、上記のように登録した同じ文字を同じカ
テゴリの標準動画像とし、これらとは異なる文字を異な
るカテゴリの標準動画像とする。
【０４０２】ここで、同じカテゴリの標準動画像間の距
離が近くなり、同時に、異なるカテゴリの標準動画像間
の距離が遠くなるようにできれば、結果として、同じカ
テゴリの標準動画像と異なるカテゴリの標準動画像の分
離が良くなり、入力動画像が与えられたときの認識性能
が向上する。
【０４０３】ところが、関連技術（特願２０００−２７
７７４９号）では、次の数６４により、パターン行列層
の指定成分と各成分との間の長さの最大値λｍ1１１ｊ1
ｊ2ｊ3を、定数１．４で除算した比の値の２乗を以て、
正規分布の分散の値としている。また、関連技術（特願
２０００−２７７７４９号）では、先の数４２により、
基準パターン正ベクトル及び基準パターン負ベクトルの
すべての成分番号にそれぞれ定数１の重みをつけ、パタ
ーン行列層のｉ1ｉ2ｉ3成分（ｉ1＝１，２，・・・，ｍ1）
（ｉ2＝１，２，・・・，ｍ2）（ｉ3＝１，２，・・・，ｍ3）
について、標準パターン行列層の成分値ｈｉ1ｉ2ｉ3と
入力パターン行列層の成分値ｎｉ1ｉ2ｉ3との間の変化
量の絶対値｜ｎｉ1ｉ2ｉ3−ｈｉ1ｉ2ｉ3｜を、基準パタ
ーンベクトルの成分番号にかかわらず、そのまま基準パ
ターン正ベクトルまたは基準パターン負ベクトルの増加
量に置き換えている。
【数６４】
【０４０４】即ち、関連技術の方法では、固定的な分散
の値をもつ正規分布を用いて基準パターンベクトルを作
成し、また、固定的な重みの値をもつ増加手段を用いて
基準パターンベクトルを増加させるため、同じカテゴリ
の標準動画像と異なるカテゴリの標準動画像の分離が固
定化され、入力動画像が与えられたときの認識性能を向
上することができない。
【０４０５】この問題を解決するため本発明では、関連
技術の固定的な方法に代えて、可変的な分散の値をもつ
正規分布を用いて基準パターンベクトルを作成し、ま
た、可変的な重みの値をもつ増加手段を用いて基準パタ
ーンベクトルを増加させる。
【０４０６】その際、可変的な分散の値をもつ正規分布
を用いて基準パターンベクトルを作成し、同時に、可変
的な重みの値をもつ増加手段を用いて基準パターンベク
トルを増加させることは、正規曲線の尖度の変化率に基
づき作成した加重曲線をｕ軸に平行な方向に伸縮させ、
同時に、ｕ軸に垂直な方向に変化させることと等価であ
り、このため、前者と後者は同じ効果が得られることに
なる。ここでは、前者に比べて計算処理が簡単である後
者を用いることにする。そして、後者は、同じカテゴリ
の標準動画像と異なるカテゴリの標準動画像の分離が最
も良くなる加重曲線、即ち、最適な加重曲線を見つける
問題に帰着する。
【０４０７】ここで、後者の場合について、（ｘ−ｙ−
時間）正規化空間全体を覆う加重曲線の範囲を変化させ
るために加重曲線をｕ軸に平行な方向に伸縮させるこ
と、及び、加重曲線の中心が（ｘ−ｙ−時間）正規化空
間内を移動するにつれて加重曲線をｕ軸に平行な方向に
伸縮させることは、加重曲線とｕ軸との相対的な伸縮の
問題である。従って、実際の計算では、ｕ軸に対して加
重曲線を伸縮させる代わりに、逆に、加重曲線に対して
ｕ軸を伸縮しても良く、両者は等価である。
【０４０８】そこで次に、加重曲線に対してｕ軸を伸縮
する場合について、パターン行列層の指定成分と各成分
との間の長さを求め、加重ベクトルの中心から上記長さ
だけ離れた位置に最も近い加重ベクトルの成分番号ｉ0
を算出する方法を説明する。
【０４０９】第１に、先に示した図５２及び図５３を、
３次元の（ｘ−ｙ−時間）正規化空間に拡張して考え
る。先の数６４では、正規曲線の−１．４σ≦ｕ≦＋
１．４σの範囲が（ｘ−ｙ−時間）正規化空間全体を覆
うようにしているが、これに対してここでは、１．４σ
を変数Ｃｇに置き換え、加重曲線の−Ｃｇ≦ｕ≦＋Ｃｇ
の範囲が（ｘ−ｙ−時間）正規化空間全体を覆うように
して、変数Ｃｇの値が変化するにつれて、１つの加重曲
線に対してｕ軸を伸縮する。
【０４１０】このとき、ｕ軸の伸縮に関して、点
（ｊ1，ｊ2，ｊ3）と点（ｉ1，ｉ2，ｉ3）との間の長さ
λｉ1ｉ2ｉ3ｊ1ｊ2ｊ3は、点（ｊ1，ｊ2，ｊ3）と点
（ｍ1，１，１）との間の長さλｍ1１１ｊ1ｊ2ｊ3と同
じ割合で伸縮されるため、長さλｉ1ｉ2ｉ3ｊ1ｊ2ｊ3を
長さλｍ1１１ｊ1ｊ2ｊ3で除算した比の値は、ｕ軸の伸
縮にかかわらず、常に一定の値になる。従って、点（ｉ
1，ｉ2，ｉ3）に対応するｕ軸上の位置をｕ0としたと
き、数３４の代わりに、次の数６５より、位置ｕ0を算
出できる。
【０４１１】
【数６５】
【０４１２】第２に、先に示した図５４及び図５５を、
３次元の（ｘ−ｙ−時間）正規化空間に拡張して考え
る。ここでは、加重曲線の中心が（ｘ−ｙ−時間）正規
化空間内を移動するにつれて、１つの加重曲線に対して
ｕ軸を伸縮する。このとき、変数Ｃｇ（或いは変数Ｃｇ
*）の値は、加重曲線の中心の移動にかかわらず、同じ
である。従って、数６５より、位置ｕ0を算出できる。
【０４１３】以上の説明より、１つの加重曲線に対して
ｕ軸を伸縮する場合には、加重曲線の−Ｃｇ≦ｕ≦＋Ｃ
ｇの範囲が（ｘ−ｙ−時間）正規化空間全体を覆うよう
に変数Ｃｇの値を設定しておき、パターン行列層の指定
成分と各成分との間の長さλｉ1ｉ2ｉ3ｊ1ｊ2ｊ3、及
び、指定成分と各成分との間の長さの最大値λｍ1１１
ｊ1ｊ2ｊ3を求め、これらの長さを数６５に代入して位
置ｕ0を求め、上記位置ｕ 0に最も近い加重ベクトルの成
分番号としてｉ0を算出できることが分かる。また、こ
のような処理方法により、ｊ1ｊ2ｊ3成分（ｊ1＝１，
２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝１，
２，・・・，ｍ3）に対応するそれぞれの場合について加重
ベクトルをｍ1×ｍ2×ｍ3個作成しておかなくても、１
個の加重ベクトルを作成するだけで標準パターン加重行
列層のｍ1×ｍ2×ｍ3個の成分値ｈｇｊ1ｊ2ｊ3、及び、
入力パターン加重行列層のｍ1×ｍ2×ｍ3個の成分値ｎ
ｇｊ1ｊ2ｊ3（或いは標準パターン原始加重行列層のｍ1
×ｍ2×ｍ3個の成分値ｈｏｇｊ1ｊ2ｊ3、及び、入力パ
ターン原始加重行列層のｍ1×ｍ2×ｍ3個の成分値ｎｏ
ｇｊ1ｊ2ｊ3）を算出することができる。
【０４１４】ところで、最適な加重曲線は、登録したす
べての標準動画像の濃度形状に関係するものであるた
め、登録した標準動画像が異なる場合には最適な加重曲
線も異なることになる。従って、任意形状の加重曲線の
中から最適な加重曲線を見つける必要がある。
【０４１５】そこで次に、任意形状の加重曲線の中か
ら、最適な加重曲線、及び、最適な加重曲線に係る変数
Ｃｇの最適値を求める方法を図５６〜図５９を参照して
説明する。ただし、図５６及び図５７において、標準画
像を標準動画像に読み替え、また、図５６中のステップ
Ｓｃ４において、数１３を数５０に読み替え、図５７中
のステップＳｃ５−３において、数４、数３４、数１
２、数１４、数１６を、それぞれ数４０及び数４１、数
６５、数４９、数５１及び数５２、数５４に読み替え
る。このとき、図５６及び図５７は、各標準動画像間の
類似性尺度として形状距離ｄEを用いる場合について、
最適な加重曲線、及び、最適な加重曲線に係る変数Ｃｇ
の最適値を算出する処理手順を示したフローチャートと
なる。
【０４１６】即ち、図５６及び図５７に示すように、予
め、分散の値が１である正規曲線の尖度の変化率に基づ
いて加重曲線を作成し、また、上記加重曲線に正数の重
みの値を乗算して複数個の重み付き加重曲線を作成す
る。そして、これらのうちの１つの加重曲線の関数値を
成分とする加重ベクトルを作成し、変数Ｃｇの値を変化
させながら、同じカテゴリの標準動画像間の形状距離平
均値を、異なるカテゴリの標準動画像間の形状距離平均
値で除算した平均値の比の値ＲE（Ｃｇ）を算出し、上
記平均値の比の値ＲE（Ｃｇ）の最小値を求める。これ
を上記すべての加重曲線について繰り返して求め、これ
ら平均値の比の値ＲE（Ｃｇ）の最小値の中の最小値に
対応する加重曲線を最適なものとし、それに対応する変
数Ｃｇの値を、最適な加重曲線に係る変数Ｃｇの最適値
とする。
【０４１７】また、上記で得られた最適な加重曲線の関
数値を加重係数とし、上記加重係数の値を成分とする加
重ベクトルを作成することにより、同じカテゴリの標準
動画像間の距離が近くなり、同時に、異なるカテゴリの
標準動画像間の距離が遠くなるようにできる。その結果
として、同じカテゴリの標準動画像と異なるカテゴリの
標準動画像の分離が良くなり、入力動画像が与えられた
ときの認識性能が向上する。
【０４１８】一方、図５８及び図５９において、標準画
像を標準動画像に読み替え、また、図５８中のステップ
Ｓｄ４において、数１３を数５０に読み替え、図５９中
のステップＳｄ５−３において、数１、数３４、数１
８、数１９、数２４を、それぞれ数３６及び数３７、数
６５、数５６、数５７及び数５８、数６３に読み替え
る。このとき、図５８及び図５９は、各標準動画像間の
類似性尺度として形状距離ｄAを用いる場合について、
最適な加重曲線、及び、最適な加重曲線に係る変数Ｃｇ
の最適値を算出する処理手順を示したフローチャートと
なる。
【０４１９】即ち、図５８及び図５９に示すように、予
め、分散の値が１である正規曲線の尖度の変化率に基づ
いて加重曲線を作成し、また、上記加重曲線に正数の重
みの値を乗算して複数個の重み付き加重曲線を作成す
る。そして、これらのうちの１つの加重曲線の関数値を
成分とする加重ベクトルを作成し、変数Ｃｇの値を変化
させながら、同じカテゴリの標準動画像間の形状距離平
均値から、異なるカテゴリの標準動画像間の形状距離平
均値を減算した平均値の差の値ＲA（Ｃｇ）を算出し、
上記平均値の差の値ＲA（Ｃｇ）の最大値を求める。こ
れを上記すべての加重曲線について繰り返して求め、こ
れら平均値の差の値ＲA（Ｃｇ）の最大値の中の最大値
に対応する加重曲線を最適なものとし、それに対応する
変数Ｃｇの値を、最適な加重曲線に係る変数Ｃｇの最適
値とする。
【０４２０】また、上記で得られた最適な加重曲線の関
数値を加重係数とし、上記加重係数の値を成分とする加
重ベクトルを作成することにより、同じカテゴリの標準
動画像間の距離が近くなり、同時に、異なるカテゴリの
標準動画像間の距離が遠くなるようにできる。その結果
として、同じカテゴリの標準動画像と異なるカテゴリの
標準動画像の分離が良くなり、入力動画像が与えられた
ときの認識性能が向上する。
【０４２１】以上に述べたことを一般化して表現すれ
ば、最適な加重曲線、及び、変数Ｃｇの最適値を求める
問題は、平均値の比の値ＲE（Ｃｇ）、或いは、平均値
の差の値ＲA（Ｃｇ）を目的関数とし、加重ベクトルの
成分値ｇｊ1ｊ2ｊ3ｉ0（ｉ0＝１，２，・・・，ｍ0）、及
び、変数Ｃｇの値を（ｍ0＋１）個の変数としたとき、
目的関数を最小、或いは、最大にする（ｍ0＋１）個の
変数の値を求める最適化問題を解くことに帰着する。最
適化問題については、数値計算法の分野において、最急
降下法やニュートン法などの数値解法が提案されてい
る。これらの数値解法は、目的関数が急速に減少、或い
は、増加する方向に変数の値を変化させるものであり、
少ない計算回数で変数の最適値を算出しようとするもの
である。本発明においても、これらの数値解法を用いる
ことにより、最適な加重曲線、及び、変数Ｃｇの最適値
を能率良く算出することが可能となる。そこで、図５６
中のステップＳｃ２または図５８中のステップＳｄ２に
おいて、予め重み付き加重曲線を作成しておく代わり
に、図５６中のステップＳｃ４または図５８中のステッ
プＳｄ４において、ループを回る毎に重み付き加重曲線
を作成するように変更し、上記の数値解法を利用するよ
うにしても良い。即ち、平均値の比の値ＲE（Ｃｇ）、
或いは、平均値の差の値ＲA（Ｃｇ）が急速に減少、或
いは、増加する方向にｃｏｕｎｔ番目の重み付き加重曲
線、及び、ｃｏｕｎｔ番目の変数Ｃｇの値を変化させて
（ｃｏｕｎｔ＋１）番目の重み付き加重曲線、及び、
（ｃｏｕｎｔ＋１）番目の変数Ｃｇの値を求めるように
しても良い。
【０４２２】また、以上に述べたことを一般化して考え
るため、次に、従来のユークリッド距離と本発明による
形状距離ｄEとの関係について述べる。本実施例では、
加重曲線をｕ軸に垂直な方向に変化させたとき、図４６
（ｂ）に示した曲線と同様に、変化した加重曲線のｕ＝
０のときの関数値が正になり、変化した加重曲線がｕ軸
と２点で交差し、かつ、ｕ＝０に関して対称になる場合
に限って考えている。ここで、この制限を緩め、形状距
離ｄEにおいて加重曲線をｕ軸に垂直な方向に変化させ
た結果、加重曲線が特に、Ｄｉｒａｃのデルタ関数にな
った場合を考える。即ち、加重ベクトルにおいて、ｉ0
＝（ｍ0＋１）／２のときｇｊ1ｊ2ｊ3ｉ0＝１、かつ、
ｉ0≠（ｍ0＋１）／２のときｇｊ1ｊ2ｊ3ｉ0＝０である
場合には、数４９は、ｈｇｊ1ｊ2ｊ3＝ｈｊ1ｊ2ｊ3、ｎ
ｇｊ1ｊ2ｊ3＝ｎｊ1ｊ2ｊ3（ｊ1＝１，２，・・・，ｍ1）
（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝１，２，・・・，ｍ3）
となる。このとき、標準パターン加重行列層及び入力パ
ターン加重行列層は、それぞれ標準パターン行列層及び
入力パターン行列層に等しくなる。従って、上記の特別
な場合には、数５４に示す形状距離ｄEは、従来のユー
クリッド距離に等しくなる。即ち、形状距離ｄEは、従
来のユークリッド距離を拡張し、一般化したものとして
位置付けられる。
【０４２３】一方、従来の角度の余弦と本発明による形
状距離ｄAとの関係について述べる。本実施例では、加
重曲線をｕ軸に垂直な方向に変化させたとき、図４６
（ｂ）に示した曲線と同様に、変化した加重曲線のｕ＝
０のときの関数値が正になり、変化した加重曲線がｕ軸
と２点で交差し、かつ、ｕ＝０に関して対称になる場合
に限って考えている。ここで、この制限を緩め、形状距
離ｄAにおいて加重曲線をｕ軸に垂直な方向に変化させ
た結果、加重曲線が特に、Ｄｉｒａｃのデルタ関数にな
った場合を考える。即ち、加重ベクトルにおいて、ｉ0
＝（ｍ0＋１）／２のときｇｊ1ｊ2ｊ3ｉ0＝１、かつ、
ｉ0≠（ｍ0＋１）／２のときｇｊ1ｊ2ｊ3ｉ0＝０である
場合には、数５６は、ｈｏｇｊ1ｊ2ｊ3＝ｈｏｊ1ｊ
2ｊ3、ｎｏｇｊ1ｊ2ｊ3＝ｎｏｊ1ｊ2ｊ3（ｊ1＝１，
２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝１，
２，・・・，ｍ3）となる。このとき、標準パターン原始加
重行列層及び入力パターン原始加重行列層は、それぞれ
標準パターン原始行列層及び入力パターン原始行列層に
等しくなる。従って、上記の特別な場合には、数６３に
示す形状距離ｄAは、従来の角度の余弦に等しくなる。
即ち、形状距離ｄAは、従来の角度の余弦を拡張し、一
般化したものとして位置付けられる。
【０４２４】また、以上に述べたことを従来技術と比較
して考えてみる。形状距離ｄEの計算処理においては、
加重ベクトルの成分値と標準パターン行列層の成分値と
の積和演算により標準パターン加重行列層を作成し、こ
れと独立して、同加重ベクトルの成分値と入力パターン
行列層の成分値との積和演算により入力パターン加重行
列層を作成し、次に、これら標準パターン加重行列層及
び入力パターン加重行列層を用いて従来のユークリッド
距離の計算を行っている。ここで、この計算処理につい
て別の表現をするならば、標準パターン行列層に対し加
重ベクトルによるデジタルフィルタ処理を行うことによ
り標準パターン加重行列層を作成し、これと独立して、
入力パターン行列層に対し同加重ベクトルによるデジタ
ルフィルタ処理を行うことにより入力パターン加重行列
層を作成し、次に、これら標準パターン加重行列層及び
入力パターン加重行列層を用いて従来のユークリッド距
離の計算を行っているとも言える。従って、形状距離ｄ
Eの計算処理は、形式的には、デジタルフィルタ処理と
ユークリッド距離の結合であると表現できる。しかしな
がら、従来のデジタルフィルタやユークリッド距離は、
それぞれが単独で別々のものとして考えられているのに
対し、形状距離ｄEの計算処理では、図５６に示したよ
うに、平均値の比の値ＲE（Ｃｇ）が最小になるように
加重ベクトルを作成している。即ち、形状距離ｄEの計
算処理は、形式的には、デジタルフィルタ処理とユーク
リッド距離の結合であっても、実質的には、両者が密接
に関連した従来技術とは異なる処理方法であると言え
る。
【０４２５】一方、形状距離ｄAの計算処理において
は、加重ベクトルの成分値と標準パターン原始行列層の
成分値との積和演算により標準パターン原始加重行列層
を作成し、これと独立して、同加重ベクトルの成分値と
入力パターン原始行列層の成分値との積和演算により入
力パターン原始加重行列層を作成し、次に、これら標準
パターン原始加重行列層及び入力パターン原始加重行列
層を用いて従来の角度の余弦の計算を行っている。ここ
で、この計算処理について別の表現をするならば、標準
パターン原始行列層に対し加重ベクトルによるデジタル
フィルタ処理を行うことにより標準パターン原始加重行
列層を作成し、これと独立して、入力パターン原始行列
層に対し同加重ベクトルによるデジタルフィルタ処理を
行うことにより入力パターン原始加重行列層を作成し、
次に、これら標準パターン原始加重行列層及び入力パタ
ーン原始加重行列層を用いて従来の角度の余弦の計算を
行っているとも言える。従って、形状距離ｄAの計算処
理は、形式的には、デジタルフィルタ処理と角度の余弦
の結合であると表現できる。しかしながら、従来のデジ
タルフィルタや角度の余弦は、それぞれが単独で別々の
ものとして考えられているのに対し、形状距離ｄAの計
算処理では、図５８に示したように、平均値の差の値Ｒ
A（Ｃｇ）が最大になるように加重ベクトルを作成して
いる。即ち、形状距離ｄAの計算処理は、形式的には、
デジタルフィルタ処理と角度の余弦の結合であっても、
実質的には、両者が密接に関連した従来技術とは異なる
処理方法であると言える。
【０４２６】本発明の第２の課題について以上をまとめ
ると、各標準動画像間の類似性尺度として形状距離ｄE
を用いる場合には、加重曲線をｕ軸に垂直な方向、及
び、ｕ軸に平行な方向に変化させながら、同じカテゴリ
の標準動画像間の形状距離平均値を、異なるカテゴリの
標準動画像間の形状距離平均値で除算した平均値の比の
値を求め、上記平均値の比の値を最小にする加重曲線を
算出する。そして、上記加重曲線の関数値を加重係数と
し、上記加重係数の値を成分とする加重ベクトルを作成
し形状距離値を算出することにより、同じカテゴリの標
準動画像間の距離が近くなり、同時に、異なるカテゴリ
の標準動画像間の距離が遠くなるようにできる。その結
果として、同じカテゴリの標準動画像と異なるカテゴリ
の標準動画像の分離が良くなり、入力動画像が与えられ
たときの認識性能が向上する。
【０４２７】一方、各標準動画像間の類似性尺度として
形状距離ｄAを用いる場合には、加重曲線をｕ軸に垂直
な方向、及び、ｕ軸に平行な方向に変化させながら、同
じカテゴリの標準動画像間の形状距離平均値から、異な
るカテゴリの標準動画像間の形状距離平均値を減算した
平均値の差の値を求め、上記平均値の差の値を最大にす
る加重曲線を算出する。そして、上記加重曲線の関数値
を加重係数とし、上記加重係数の値を成分とする加重ベ
クトルを作成し形状距離値を算出することにより、同じ
カテゴリの標準動画像間の距離が近くなり、同時に、異
なるカテゴリの標準動画像間の距離が遠くなるようにで
きる。その結果として、同じカテゴリの標準動画像と異
なるカテゴリの標準動画像の分離が良くなり、入力動画
像が与えられたときの認識性能が向上する。
【０４２８】以上のようにして算出した標準パターン行
列層と入力パターン行列層との間の形状距離値ｄE、ま
たは、標準パターン原始行列層と入力パターン原始行列
層との間の形状距離値ｄAを用いて、動画像認識を行
う。
【０４２９】具体的には、標準動画像の特徴量を成分と
する標準パターン原始行列層と入力動画像の特徴量を成
分とする入力パターン原始行列層とを作成し、動画像の
濃度パターンを正規化する方法が予め指示されている場
合には、動画像の濃度パターンを指示された方法で正規
化して標準パターン行列層と入力パターン行列層とを作
成する。また、基準パターンベクトルの尖度の変化率の
値を成分とする加重ベクトルを作成する。そして、加重
ベクトルの成分値と標準パターン行列層の成分値との積
和演算により標準パターン加重行列層を作成し、これと
独立して、同加重ベクトルの成分値と入力パターン行列
層の成分値との積和演算により入力パターン加重行列層
を作成する。次に、これら標準パターン加重行列層及び
入力パターン加重行列層を用いて従来のユークリッド距
離の計算を行うことにより、標準パターン行列層と入力
パターン行列層との間の形状距離値を算出する。
【０４３０】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準動画像間の形状距離平均値を、異なるカテ
ゴリの標準動画像間の形状距離平均値で除算した平均値
の比の値を求め、上記平均値の比の値を最小にする加重
係数の値を成分とする加重ベクトルを作成し、この加重
ベクトルを用いて標準パターン行列層と入力パターン行
列層との間の形状距離値を算出することができる。
【０４３１】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
大きいとき入力動画像は標準動画像でないと判定し、形
状距離値が許容値以下のとき入力動画像が標準動画像で
あると判定する。
【０４３２】一方、標準動画像の特徴量を成分とする標
準パターン原始行列層と入力動画像の特徴量を成分とす
る入力パターン原始行列層とを作成し、動画像の濃度パ
ターンを正規化する方法が予め指示されていない場合に
は、動画像の濃度パターンを正規化しないで標準パター
ン原始行列層と入力パターン原始行列層とをそのまま用
いる。また、基準パターンベクトルの尖度の変化率の値
を成分とする加重ベクトルを作成する。そして、加重ベ
クトルの成分値と標準パターン原始行列層の成分値との
積和演算により標準パターン原始加重行列層を作成し、
これと独立して、同加重ベクトルの成分値と入力パター
ン原始行列層の成分値との積和演算により入力パターン
原始加重行列層を作成する。次に、これら標準パターン
原始加重行列層及び入力パターン原始加重行列層を用い
て従来の角度の余弦の計算を行うことにより、標準パタ
ーン原始行列層と入力パターン原始行列層との間の形状
距離値を算出する。
【０４３３】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準動画像間の形状距離平均値から、異なるカ
テゴリの標準動画像間の形状距離平均値を減算した平均
値の差の値を求め、上記平均値の差の値を最大にする加
重係数の値を成分とする加重ベクトルを作成し、この加
重ベクトルを用いて標準パターン原始行列層と入力パタ
ーン原始行列層との間の形状距離値を算出することがで
きる。
【０４３４】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
小さいとき入力動画像は標準動画像でないと判定し、形
状距離値が許容値以上のとき入力動画像が標準動画像で
あると判定する。
【０４３５】［実施例（Ｖ）：立体認識方法（３次
元）］次に、２つのパターン行列層間（或いはパターン
原始行列層間）の類似度検出値を用いた立体認識方法に
ついて述べる。本実施例では、立体認識を行うために、
立体の密度（単位体積の質量）パターンを全質量、また
は、密度の最大値で正規化して標準パターン行列層と入
力パターン行列層とを作成し、また、基準パターンベク
トルの尖度の変化率の値を成分とする加重ベクトルを作
成する。そして、加重ベクトルの成分値と標準パターン
行列層の成分値との積和演算により標準パターン加重行
列層を作成し、これと独立して、同加重ベクトルの成分
値と入力パターン行列層の成分値との積和演算により入
力パターン加重行列層を作成する。次に、これら標準パ
ターン加重行列層及び入力パターン加重行列層を用いて
従来のユークリッド距離の計算を行うことにより立体の
類似度を検出する。
【０４３６】一方、立体の密度パターンを正規化しない
で標準パターン原始行列層と入力パターン原始行列層と
を作成する。そして、上記加重ベクトルの成分値と標準
パターン原始行列層の成分値との積和演算により標準パ
ターン原始加重行列層を作成し、これと独立して、同加
重ベクトルの成分値と入力パターン原始行列層の成分値
との積和演算により入力パターン原始加重行列層を作成
する。次に、これら標準パターン原始加重行列層及び入
力パターン原始加重行列層を用いて従来の角度の余弦の
計算を行うことにより立体の類似度を検出する。
【０４３７】更に、同じカテゴリの標準パターン行列層
間（或いは標準パターン原始行列層間）の距離が近くな
り、同時に、異なるカテゴリの標準パターン行列層間
（或いは標準パターン原始行列層間）の距離が遠くなる
ように上記加重ベクトルの成分値を調整し、調整後の加
重ベクトルを用いて立体の類似度を検出し、その検出値
を用いて立体認識を行うものとする。
【０４３８】図６７は、立体の密度（単位体積の質量）
分布を示したものである。同図に示されるように、立体
はｘ方向、ｙ方向、ｚ方向をそれぞれｍ1個、ｍ2個、ｍ
3個に区切ったｍ1×ｍ2×ｍ3個の区画により構成され
る。ここで、ｘ方向にｉ1番目、かつ、ｙ方向にｉ2番
目、かつ、ｚ方向にｉ3番目の区画における立体の密度
をＰｉ1ｉ2ｉ3とする。
【０４３９】次に、標準立体の密度Ｐｉ1ｉ2ｉ3（ｉ1＝
１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）（ｉ3＝
１，２，・・・，ｍ3）を成分とする標準パターン原始行列
層Ｈｏと、入力立体の密度Ｐｉ1ｉ2ｉ3（ｉ1＝１，２，
・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）（ｉ3＝１，２，
・・・，ｍ3）を成分とする入力パターン原始行列層Ｎｏを
作成する。この標準パターン原始行列層Ｈｏ及び入力パ
ターン原始行列層Ｎｏを、数３６、数３７のように表現
しておく。ただし、数３６、数３７はそれぞれ、標準立
体及び入力立体の密度の形状を、パターン原始行列層の
ｍ1×ｍ2×ｍ3個の成分値で表現したものであると読み
替える。
【０４４０】ところで、立体認識においては、例えば、
３次元ＣＴ（コンピュータ断層撮影）画像の濃度を用い
て立体の密度を測定する場合には、同じ立体であっても
測定ごとに変動した密度分布が出現するため、通常、同
じ立体を繰り返し測定して、各立体ごとに複数個の標準
立体を登録する方法が採られている。本実施例では、上
記のように登録した同じ立体の密度分布を同じカテゴリ
の標準立体とし、これらとは異なる立体の密度分布を異
なるカテゴリの標準立体とする。
【０４４１】そして、以上で述べた動画像の類似度検出
手順を、上記で作成した立体の標準パターン原始行列層
Ｈｏ及び入力パターン原始行列層Ｎｏに適用し、立体認
識を行う。
【０４４２】具体的には、標準立体の特徴量を成分とす
る標準パターン原始行列層と入力立体の特徴量を成分と
する入力パターン原始行列層とを作成し、立体の密度パ
ターンを正規化する方法が予め指示されている場合に
は、立体の密度パターンを指示された方法で正規化して
標準パターン行列層と入力パターン行列層とを作成す
る。また、基準パターンベクトルの尖度の変化率の値を
成分とする加重ベクトルを作成する。そして、加重ベク
トルの成分値と標準パターン行列層の成分値との積和演
算により標準パターン加重行列層を作成し、これと独立
して、同加重ベクトルの成分値と入力パターン行列層の
成分値との積和演算により入力パターン加重行列層を作
成する。次に、これら標準パターン加重行列層及び入力
パターン加重行列層を用いて従来のユークリッド距離の
計算を行うことにより、標準パターン行列層と入力パタ
ーン行列層との間の形状距離値を算出する。
【０４４３】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準立体間の形状距離平均値を、異なるカテゴ
リの標準立体間の形状距離平均値で除算した平均値の比
の値を求め、上記平均値の比の値を最小にする加重係数
の値を成分とする加重ベクトルを作成し、この加重ベク
トルを用いて標準パターン行列層と入力パターン行列層
との間の形状距離値を算出することができる。
【０４４４】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
大きいとき入力立体は標準立体でないと判定し、形状距
離値が許容値以下のとき入力立体が標準立体であると判
定する。
【０４４５】一方、標準立体の特徴量を成分とする標準
パターン原始行列層と入力立体の特徴量を成分とする入
力パターン原始行列層とを作成し、立体の密度パターン
を正規化する方法が予め指示されていない場合には、立
体の密度パターンを正規化しないで標準パターン原始行
列層と入力パターン原始行列層とをそのまま用いる。ま
た、基準パターンベクトルの尖度の変化率の値を成分と
する加重ベクトルを作成する。そして、加重ベクトルの
成分値と標準パターン原始行列層の成分値との積和演算
により標準パターン原始加重行列層を作成し、これと独
立して、同加重ベクトルの成分値と入力パターン原始行
列層の成分値との積和演算により入力パターン原始加重
行列層を作成する。次に、これら標準パターン原始加重
行列層及び入力パターン原始加重行列層を用いて従来の
角度の余弦の計算を行うことにより、標準パターン原始
行列層と入力パターン原始行列層との間の形状距離値を
算出する。
【０４４６】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準立体間の形状距離平均値から、異なるカテ
ゴリの標準立体間の形状距離平均値を減算した平均値の
差の値を求め、上記平均値の差の値を最大にする加重係
数の値を成分とする加重ベクトルを作成し、この加重ベ
クトルを用いて標準パターン原始行列層と入力パターン
原始行列層との間の形状距離値を算出することができ
る。
【０４４７】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
小さいとき入力立体は標準立体でないと判定し、形状距
離値が許容値以上のとき入力立体が標準立体であると判
定する。
【０４４８】［実施例（VI）：音声認識方法（１次
元）］次に、２つのパターンベクトル間（或いはパター
ン原始ベクトル間）の類似度検出値を用いた音声認識方
法について述べる。本実施例では、音声認識を行うため
に、音声のパワースペクトルパターンをパワースペクト
ルの全エネルギー、または、パワースペクトルの最大値
で正規化して標準パターンベクトルと入力パターンベク
トルとを作成し、また、基準パターンベクトルの尖度の
変化率の値を成分とする加重ベクトルを作成する。そし
て、加重ベクトルの成分値と標準パターンベクトルの成
分値との積和演算により標準パターン加重ベクトルを作
成し、これと独立して、同加重ベクトルの成分値と入力
パターンベクトルの成分値との積和演算により入力パタ
ーン加重ベクトルを作成する。次に、これら標準パター
ン加重ベクトル及び入力パターン加重ベクトルを用いて
従来のユークリッド距離の計算を行うことにより音声の
類似度を検出する。
【０４４９】一方、音声のパワースペクトルパターンを
正規化しないで標準パターン原始ベクトルと入力パター
ン原始ベクトルとを作成する。そして、上記加重ベクト
ルの成分値と標準パターン原始ベクトルの成分値との積
和演算により標準パターン原始加重ベクトルを作成し、
これと独立して、同加重ベクトルの成分値と入力パター
ン原始ベクトルの成分値との積和演算により入力パター
ン原始加重ベクトルを作成する。次に、これら標準パタ
ーン原始加重ベクトル及び入力パターン原始加重ベクト
ルを用いて従来の角度の余弦の計算を行うことにより音
声の類似度を検出する。
【０４５０】更に、同じカテゴリの標準パターンベクト
ル間（或いは標準パターン原始ベクトル間）の距離が近
くなり、同時に、異なるカテゴリの標準パターンベクト
ル間（或いは標準パターン原始ベクトル間）の距離が遠
くなるように上記加重ベクトルの成分値を調整し、調整
後の加重ベクトルを用いて音声の類似度を検出し、その
検出値を用いて音声認識を行うものとする。
【０４５１】ここでは、先に述べた画像、音声、振動波
等に関する標準パターン行列と入力パターン行列（或い
は標準パターン原始行列と入力パターン原始行列）との
間の類似度検出方法を、標準パターンベクトルと入力パ
ターンベクトル（或いは標準パターン原始ベクトルと入
力パターン原始ベクトル）との間の類似度検出方法に適
用する。
【０４５２】なお、従来技術（特開平１０−２５３４４
４号公報（特願平９−６１００７号））では、基準パタ
ーン正ベクトル及び基準パターン負ベクトルの成分の個
数は、標準パターンベクトル及び入力パターンベクトル
の成分の個数に等しく、また、正規曲線の中心の移動に
かかわらず、正規分布の分散の値は常に１に等しいとし
ている。
【０４５３】これに対して本実施例では、関連技術（特
願２０００−２７７７４９号）と同様に、基準パターン
正ベクトル及び基準パターン負ベクトルの成分の個数
は、標準パターンベクトル及び入力パターンベクトルの
成分の個数と異なり、また、正規曲線の中心が移動する
につれて、正規分布の分散の値が変化するものとする。
そこで本発明の実施例を説明する前に、従来技術（特開
平１０−２５３４４４号公報（特願平９−６１００７
号））について、以下に示す修正及び追加をしておくこ
ととする。
【０４５４】最初に、従来技術（特開平１０−２５３４
４４号公報（特願平９−６１００７号））の段落［００
４１］の式では、標準パターンベクトルＨ及び入力パタ
ーンベクトルＮの成分の個数はｍであるが、この個数を
ｍ1とする。
【０４５５】次に、図６８は、ｍ1個の周波数帯域をも
つ音声のパワースペクトルの模式図であって、周波数軸
の長さを１にした周波数正規化線分を示したものであ
る。なお、本実施例では、上記周波数帯域のそれぞれの
帯域幅が異なっている場合であっても、図６８におい
て、各成分の間の長さが等間隔になるように作図するも
のとする。従って、図６８中に示すように、成分間の長
さは１／（ｍ1−１）になる。図６８において、周波数
正規化線分上の点ｊ1、及び、点ｉ1を示している。ま
た、同線分上のすべての点の中で、点ｊ1から最も遠い
点１も示している。従って、点ｊ1と点ｉ1との間の長さ
λｉ1ｊ1は、次の数６６により算出できる。同様に、点
ｊ1と点１との間の長さλ１ｊ1は、次の数６７により算
出できる。λ１ｊ1は、点ｊ1と各点との間の長さの最大
値である。
【０４５６】
【数６６】
【０４５７】
【数６７】
【０４５８】図６９（ａ）は、平均値μ＝０、分散σｊ
1 2としたとき、正規分布のグラフ（正規曲線）を示した
ものである。また、図６９（ｂ）、（ｃ）において正規
曲線の関数値に等しい高さの棒グラフを示しているが、
この棒グラフの高さの値を成分とする基準パターン正ベ
クトルＫｊ1 (+)を図６９（ｂ）のように作成し、また、
同棒グラフの高さの値を成分とする基準パターン負ベク
トルＫｊ1 (-)を図６９（ｃ）のように作成し、次の数６
８のように表現しておく。数６８は正規分布の形状をベ
クトルのｍ0個の成分値で表現したものであり、標準パ
ターンベクトルＨ及び入力パターンベクトルＮはｍ1個
の成分値をもつベクトル（１次元）であるのに対し、数
６８はｍ0個の成分値をもつベクトル（１次元）であ
る。図６９から分かるように、これら一対の基準パター
ンベクトルＫｊ1 (+)、Ｋｊ1 (-)は相等なベクトルであ
る。なお、数６８中の添数ｊ1は、図６８に示す点ｊ1に
対応するものであり、数６８中のｍ0は標準パターンベ
クトルＨ及び入力パターンベクトルＮの成分の個数ｍ1
と異なる任意の自然数であってよい。
【０４５９】
【数６８】
【０４６０】図６９（ａ）において、点ｊ1をｕ＝０に
対応させ、点１をｕ＝−１．４σｊ1に対応させてい
る。従って、点ｉ1はｕ＝０とｕ＝−１．４σｊ1の間の
ｕの値に対応することになる。また、点ｊ1と点１との
間の長さλ１ｊ1は数６７より算出できるが、図６９
（ａ）に示すｕ軸上の０と−１．４σｊ1との間の長さ
でもある。従って、次の数６９より、正規分布の分散の
値が算出できる。
【０４６１】
【数６９】
【０４６２】上記の方法により正規分布の分散の値を算
出すれば、正規分布の主要成分（数６９の場合には−
１．４σｊ1≦ｕ≦＋１．４σｊ1の範囲）が周波数正規
化線分全体を覆うようにできる。即ち、数６９より求め
た正規分布の分散の値により正規曲線が決定され、ま
た、この正規曲線を図６９（ｂ）、（ｃ）、及び、数６
８に適用することにより基準パターン正ベクトルＫｊ1
(+)及び基準パターン負ベクトルＫｊ1 (-)が作成でき
る。
【０４６３】ここで、パターンベクトルの指定成分とし
て第ｊ1成分をｊ1＝１〜ｍ1の中の一つの値に固定して
おいた上で、パターンベクトルの第ｉ1成分（ｉ1＝１，
２，・・・，ｍ1）のそれぞれについて考える。点ｊ1と点
ｉ1との間の長さλｉ1ｊ1は数６６より算出できるが、
図６９（ａ）に示すように、λｉ1ｊ1は正規分布の平均
値からの偏差の値でもある。
【０４６４】また、図６９（ｃ）に示すように、基準パ
ターンベクトルの各成分番号の間の長さをΔｙｊ1とし
たとき、成分番号ｉ0（ｉ0＝１，２，・・・，ｍ0）に対応
する正規分布の平均値からの偏差の値Ｌｊ1ｉ0は、次の
数７０により算出できる。なお、ここでは、基準パター
ンベクトルの各成分番号の間の長さが等間隔である場合
を考える。数７０において（ｍ0＋１）／２は基準パタ
ーンベクトルの中央の成分番号である。
【０４６５】
【数７０】
【０４６６】図６９（ａ）、（ｂ）、（ｃ）に、上記λ
ｉ1ｊ1とＬｊ1ｉ0との関係を示す。同図（ａ）におい
て、λｉ1ｊ1は点ｊ1と点ｉ1との間の長さであることを
示している。また、同図（ｂ）、（ｃ）において、基準
パターン正ベクトル及び基準パターン負ベクトルの中心
からλｉ1ｊ1だけ離れた位置に最も近い基準パターン正
ベクトル及び基準パターン負ベクトルの成分番号がｉ0
であり、成分番号ｉ0に対応する正規分布の平均値から
の偏差の値がＬｊ1ｉ0であることを示している。
【０４６７】即ち、パターンベクトルの第ｊ1成分と第
ｉ1成分が与えられたとき、数６６よりこれら２点間の
長さλｉ1ｊ1が算出され、次に、基準パターンベクトル
について成分番号ｉ0、正規分布の平均値からの偏差の
値Ｌｊ1ｉ0、及び、成分値ｋｊ1 (+)ｉ0とｋｊ1 (-)ｉ0が
得られることになる。
【０４６８】ここで、基準パターンベクトルの成分の個
数ｍ0を十分に大きく（Δｙｊ1を十分に小さく）してお
けば、λｉ1ｊ1の値とＬｊ1ｉ0の値との間の誤差を十分
に小さくすることができ、精度の高い計算結果が得られ
る。また、成分番号ｉ0と成分番号（ｍ0−ｉ0+１）は正
規分布の平均値に関して対称であるため、ｉ0の代わり
に（ｍ0−ｉ0+１）を用いてもよい。
【０４６９】次に、標準パターンベクトルと入力パター
ンベクトルとの間の形状変化を、基準パターン正ベクト
ルＫｊ1 (+)及び基準パターン負ベクトルＫｊ1 (-)の形状
変化に置き換える。即ち、パターンベクトルの第ｉ1成
分（ｉ1＝１，２，・・・，ｍ1）について、標準パターン
ベクトルの成分値ｈｉ1と入力パターンベクトルの成分
値ｎｉ1との間の変化量の絶対値は｜ｎｉ1−ｈｉ1｜で
あるが、次の数７１に示すように、ｎｉ1がｈｉ1より大
きいとき基準パターン正ベクトルＫｊ1 (+)の成分値ｋｊ
1 (+)ｉ0をこの変化量の絶対値｜ｎｉ1−ｈｉ1｜だけ増
加させ、ｎｉ1がｈｉ1より小さいとき基準パターン負ベ
クトルＫｊ1 (-)の成分値ｋｊ1 (-)ｉ0をこの変化量の絶
対値｜ｎｉ1−ｈｉ1｜だけ増加させる。
【０４７０】
【数７１】
【０４７１】従って、数６９により正規分布の分散の値
を算出し、数７１により基準パターンベクトルの成分値
ｋｊ1 (+)ｉ0及びｋｊ1 (-)ｉ0を増加させるようにすれ
ば、パターンベクトルの第ｊ1成分と第ｉ1成分のあらゆ
る組み合わせに対して、−１．４σｊ1≦ｕ≦＋１．４
σｊ1の範囲において正規分布の値が増加するようにで
きる。
【０４７２】また、正規分布の平均値を標準パターンベ
クトル形状の各成分位置に順次移動させる場合には、点
ｊ1（ｊ1＝１，２，・・・，ｍ1）のそれぞれについて、周
波数正規化線分上のすべての点の中で点ｊ1 から最も遠
い点を数６７に適用して点ｊ 1と各点との間の長さの最
大値を求め、数６９により点ｊ1ごとに異なる分散の値
をもつ正規分布を作成する。従って、正規分布の主要部
分が正規分布の平均値の位置にかかわらず常に上記線分
全体を覆うようにできる。これにともない、点ｊ 1（ｊ1
＝１，２，・・・，ｍ1）に対応する基準パターン正ベクト
ル形状及び基準パターン負ベクトル形状は、点ｊ1毎に
異なるものになる。
【０４７３】以上のように、従来技術（特開平１０−２
５３４４４号公報（特願平９−６１００７号））につい
て、修正及び追加をしておいた上で、以下に、２つのパ
ターンベクトル間（或いはパターン原始ベクトル間）の
類似度検出値を用いた音声認識方法について述べる。
【０４７４】従来技術（特開平１０−２５３４４４号公
報（特願平９−６１００７号））では、音声の周波数分
布の特徴を抽出するため、次の数７２により、ｉ1番目
の周波数帯域のパワースペクトルＰｉ1（ｉ1＝１，２，
・・・，ｍ1）を算出する方法を示している。ただし、数７
２において、ＰｉをＰｉ1と、ｘi(t)をｘi1(t)と、ｉを
ｉ1と、ｍをｍ1とそれぞれ読み替えるものとする。
【数７２】
【０４７５】そこで次に、標準音声のパワースペクトル
Ｐｉ1（ｉ1＝１，２，・・・，ｍ1）を成分とする標準パタ
ーン原始ベクトルＨｏと、入力音声のパワースペクトル
Ｐｉ 1（ｉ1＝１，２，・・・，ｍ1）を成分とする入力パタ
ーン原始ベクトルＮｏを作成する。この標準パターン原
始ベクトルＨｏ及び入力パターン原始ベクトルＮｏを、
数１の代わりに、次の数７３のように表現しておく。た
だし、数７３は、標準音声及び入力音声のパワースペク
トルの形状を、パターン原始ベクトルのｍ1個の成分値
で表現したものである。
【０４７６】
【数７３】
【０４７７】従来技術（特開平１０−２５３４４４号公
報（特願平９−６１００７号））では、音声のパワース
ペクトルＰｉ1（ｉ1＝１，２，・・・，ｍ1）をパワースペ
クトルの全エネルギーで正規化する処理を行っている。
即ち、ｉ1番目の周波数帯域の正規化パワースペクトル
ｐｉ1を、数２の代わりに、次の数７４により算出して
いる。
【０４７８】
【数７４】
【０４７９】また、音声のパワースペクトルＰｉ1（ｉ1
＝１，２，・・・，ｍ1）をパワースペクトルの最大値で正
規化しても良い。即ち、ｉ1番目の周波数帯域の正規化
パワースペクトルｐｉ1は、数３の代わりに、次の数７
５により算出できる。ただし、数７５中の記号ｍａｘ
｛Ｐｊ1｝は音声のパワースペクトルＰｊ1（ｊ1＝１，
２，・・・，ｍ1）において、その中の最大値を意味する。
【０４８０】
【数７５】
【０４８１】ここで、数７４による正規化パワースペク
トルの形状と数７５による正規化パワースペクトルの形
状とは相似形であるため、数７４または数７５のどちら
を用いた場合でも、同様に以下の議論が成り立つ。
【０４８２】次に、標準音声の正規化パワースペクトル
ｐｉ1（ｉ1＝１，２，・・・，ｍ1）を成分とする標準パタ
ーンベクトルＨと、入力音声の正規化パワースペクトル
ｐｉ 1（ｉ1＝１，２，・・・，ｍ1）を成分とする入力パタ
ーンベクトルＮを作成する。この標準パターンベクトル
Ｈ及び入力パターンベクトルＮを、数４の代わりに、次
の数７６のように表現しておく。ただし、数７６は、標
準音声及び入力音声の正規化パワースペクトルの形状
を、パターンベクトルのｍ1個の成分値で表現したもの
である。
【０４８３】
【数７６】
【０４８４】従来技術（特開平１０−２５３４４４号公
報（特願平９−６１００７号））においては、図６９
（ａ）に示すように、平均値μ＝０、分散σｊ1 2の値を
もつ正規分布のグラフ（正規曲線）を作成し、また、図
６９（ｂ）、（ｃ）に示すように、同正規分布の値を成
分とする基準パターン正ベクトルＫｊ1 (+)及び基準パタ
ーン負ベクトルＫｊ1 (-)を作成している。
【０４８５】次に、数７１において、標準パターンベク
トルＨと入力パターンベクトルＮとの間の形状変化を、
基準パターン正ベクトルＫｊ1 (+)及び基準パターン負ベ
クトルＫｊ1 (-)の形状変化に置き換えている。即ち、パ
ターンベクトルの第ｉ1成分（ｉ1＝１，２，・・・，ｍ1）
について、標準パターンベクトルＨの成分値ｈｉ1と入
力パターンベクトルＮの成分値ｎｉ1との間の変化量の
絶対値は｜ｎｉ1−ｈｉ 1｜であるが、数７１に示すよう
に、ｎｉ1がｈｉ1より大きいとき基準パターン正ベクト
ルＫｊ1 (+)の成分値ｋｊ1 (+)ｉ0をこの変化量の絶対値
｜ｎｉ1−ｈｉ1｜だけ増加させ、ｎｉ1がｈｉ1より小さ
いとき基準パターン負ベクトルＫｊ1 (-)の成分値ｋｊ1
(-)ｉ0をこの変化量の絶対値｜ｎｉ1−ｈｉ1｜だけ増加
させるようにしている。
【０４８６】そして、従来技術（特開平１０−２５３４
４４号公報（特願平９−６１００７号））では、次の数
７７により、数７１で形状変化した一対の基準パターン
ベクトル（基準パターン正ベクトルＫｊ1 (+)と基準パタ
ーン負ベクトルＫｊ1 (-) ）について、それぞれの形状
変化の大きさを、尖度の変化量として数値化している。
即ち、基準パターン正ベクトルＫｊ1 (+)の尖度Ａ
ｊ1 (+)、及び、基準パターン負ベクトルＫｊ1 (-)の尖度
Ａｊ1 (-)を、数７７により算出している。ただし、数７
７において、Ａ(+)をＡj1 (+)と、ｍをｍ0と、ｉ＝１を
ｉ0＝１と、ｋ (+) iをｋj 1 (+) i 0 と、ＬiをＬj1i0と、Ａ
(-)をＡj1 (-)と、ｋ (-) iをｋj 1 (-) i 0 とそれぞれ読み替
え、ｊ1＝１，２，・・・，ｍ1とする。
【０４８７】ここで、基準パターンベクトルの尖度の変
化率について説明する。図６９（ｂ）、（ｃ）に示した
基準パターン正ベクトルＫｊ1 (+)及び基準パターン負ベ
クトルＫｊ1 (-)は、図４（ｂ）、（ｃ）に示した基準パ
ターン正ベクトルＫｊ1ｊ2 (+ )及び基準パターン負ベク
トルＫｊ1ｊ2 (-)と同じく、ベクトル（１次元）であ
り、かつ、正規分布の形状をベクトルのｍ0個の成分値
で表現したものである。従って、図５〜図７に係る基準
パターン正ベクトルＫｊ1ｊ2 (+)及び基準パターン負ベ
クトルＫｊ1ｊ2 (-)の尖度の変化率の説明は、基準パタ
ーン正ベクトルＫｊ1 (+)及び基準パターン負ベクトルＫ
ｊ1 (-)についても成り立つ。
【０４８８】従って、予め基準パターン正ベクトルＫｊ
1 (+)の各成分における尖度の変化率を算出しておき、標
準パターンベクトルに対して入力パターンベクトルの第
ｉ1成分だけが増加したことにより基準パターン正ベク
トルの第ｉ0成分（ｉ0＝１，２，・・・，ｍ0）が同じ値だ
け増加した場合には、基準パターン正ベクトルの第ｉ 0
成分における尖度の変化率をｇｊ1ｉ0とし、標準パター
ンベクトルの成分値と入力パターンベクトルの成分値と
の間の変化量の絶対値を｜ｎｉ1−ｈｉ1｜として、数７
の上側の条件式の代わりに、次の数７８の上側の条件式
により、ｇｊ1ｉ0と｜ｎｉ1−ｈｉ1｜との積の値を求め
て尖度値Ａｊ1 (+)を算出できる。
【０４８９】同様に、標準パターンベクトルに対して入
力パターンベクトルの第ｉ1成分だけが減少したことに
より基準パターン負ベクトルの第ｉ0成分（ｉ0＝１，
２，・・・，ｍ0）が同じ値だけ増加した場合には、数７の
下側の条件式の代わりに、次の数７８の下側の条件式に
より、ｇｊ1ｉ0と｜ｎｉ1−ｈｉ1｜との積の値を求めて
尖度値Ａｊ1 (-)を算出できる。なお、数７８は、基準パ
ターン正ベクトルまたは基準パターン負ベクトルの１個
の成分だけが増加した場合に限って成り立つものであ
る。
【０４９０】
【数７８】
【０４９１】数７８において、符号を考慮しながら、｜
ｎｉ1−ｈｉ1｜を（ｎｉ1−ｈｉ1）に置き換えることに
より、数８の代わりに、次の数７９を得る。
【０４９２】
【数７９】
【０４９３】次に、基準パターンベクトルの尖度の変化
の性質について説明する。図６９（ｂ）、（ｃ）に示し
た基準パターン正ベクトルＫｊ1 (+)及び基準パターン負
ベクトルＫｊ1 (-)は、図４（ｂ）、（ｃ）に示した基準
パターン正ベクトルＫｊ1ｊ2 (+)及び基準パターン負ベ
クトルＫｊ1ｊ2 (-)と同じく、ベクトル（１次元）であ
り、かつ、正規分布の形状をベクトルのｍ0個の成分値
で表現したものである。従って、図８〜図１３に係る基
準パターン正ベクトルＫｊ1ｊ2 (+)及び基準パターン負
ベクトルＫｊ1ｊ2 (-)の尖度の変化の性質の説明は、基
準パターン正ベクトルＫｊ1 (+)及び基準パターン負ベク
トルＫｊ1 (-)についても成り立つ。
【０４９４】従って、基準パターン正ベクトルが増加し
た２個の成分について図５〜図７の各（ｂ）と同じ方法
を用いてそれぞれの尖度の変化量を求め、上記尖度の各
変化量を加算した和の値を求めて尖度値Ａｊ1 (+)を算出
できる。同様にして、尖度値Ａｊ1 (-)を算出できる。
【０４９５】このことは、標準パターンベクトルに対し
て入力パターンベクトルの３個以上の成分が同時に増加
したことにより、基準パターン正ベクトルＫｊ 1 (+) の３
個以上の成分が同時に増加した場合にも成り立つ。同様
に、このことは、標準パターンベクトルに対して入力パ
ターンベクトルの３個以上の成分が同時に減少したこと
により、基準パターン負ベクトルＫｊ1 (-)の３個以上の
成分が同時に増加した場合にも成り立つ。
【０４９６】従って、標準パターンベクトルに対して入
力パターンベクトルの複数の成分が同時に増加したこと
により基準パターン正ベクトルの複数の成分が同時に増
加した場合には、数９の上側の条件式の代わりに、次の
数８０の上側の条件式により、尖度値Ａｊ1 (+)を算出で
きる。即ち、基準パターン正ベクトルの第ｉ0成分にお
ける尖度の変化率をｇｊ1ｉ0とし、標準パターンベクト
ルの成分値と入力パターンベクトルの成分値との間の変
化量を（ｎｉ1−ｈｉ1）として、ｇｊ1ｉ0と（ｎｉ1−
ｈｉ1）との積の値を求め、上記積の値を標準パターン
ベクトルに対して入力パターンベクトルが増加した全て
の成分について加算した和の値を求めて尖度値Ａｊ1 (+)
を算出する。
【０４９７】同様に、標準パターンベクトルに対して入
力パターンベクトルの複数の成分が同時に減少したこと
により基準パターン負ベクトルの複数の成分が同時に増
加した場合には、数９の下側の条件式の代わりに、次の
数８０の下側の条件式により、ｇｊ1ｉ0と（ｎｉ1−ｈ
ｉ1）との積の値を求め、上記積の値を標準パターンベ
クトルに対して入力パターンベクトルが減少した全ての
成分について加算した和の値を求めて尖度値Ａｊ1 (-)を
算出する。
【０４９８】
【数８０】
【０４９９】ところで、従来技術（特開平１０−２５３
４４４号公報（特願平９−６１００７号））では、数７
７により算出した基準パターン正ベクトルＫｊ1 (+)の尖
度Ａｊ1 (+)、及び、基準パターン負ベクトルＫｊ1 (-)の
尖度Ａｊ1 (-)を用いて、数１０の代わりに、次の数８１
より、形状変化量Ｄｊ1を算出している。即ち、正規分
布形状に初期設定された２つの基準パターンベクトルＫ
ｊ1 (+)及びＫｊ1 (-)の尖度の値は、共に３に等しく、そ
のため、数７１により形状変化した基準パターン正ベク
トル及び基準パターン負ベクトルの尖度の変化量は、そ
れぞれ｛Ａｊ1 ( +)−３｝及び｛Ａｊ1 (-)−３｝となり、
従って、正方向の変化量は｛Ａｊ1 (+)−３｝、また負方
向の変化量は｛Ａｊ1 (-)−３｝となり、全体の変化量は
この差の値になるとして形状変化量Ｄｊ1を算出してい
る。
【０５００】
【数８１】
【０５０１】従って、数８０を数８１に代入して、数１
１の代わりに、次の数８２を得る。即ち、標準パターン
ベクトルに対して入力パターンベクトルの複数の成分が
同時に増加及び減少したことにより基準パターン正ベク
トル及び基準パターン負ベクトルの複数の成分が同時に
増加した場合には、数８２により、形状変化量Ｄｊ1を
算出できる。
【０５０２】
【数８２】
【０５０３】数８２より、形状変化量Ｄｊ1は、基準パ
ターンベクトルの尖度の変化率ｇｊ1ｉ0と標準パターン
ベクトルの成分値ｈｉ1との積和演算、及び、同変化率
ｇｊ1ｉ0と入力パターンベクトルの成分値ｎｉ1との積
和演算に分解できることが分かる。そこで、数１２の代
わりに、次の数８３に示すように、それぞれの積和値を
ｈｇｊ1及びｎｇｊ1とおいておく。
【０５０４】
【数８３】
【０５０５】次に、数８３中の尖度の変化率ｇｊ1ｉ
0（ｉ0＝１，２，・・・，ｍ0）の算出方法、及び、成分番
号ｉ0の算出方法について説明する。なお、基準パター
ン正ベクトルＫｊ1 (+)及び基準パターン負ベクトルＫｊ
1 (-)が相等なベクトルであることにより、基準パターン
正ベクトルＫｊ1 (+)の尖度の変化率、及び、基準パター
ン負ベクトルＫｊ1 (-)の尖度の変化率は等しく、また、
数８３に示されるように、これらを区別する必要もな
い。従って、以下の説明では、基準パターン正ベクトル
及び基準パターン負ベクトルに代えて、単に基準パター
ンベクトルと表記し、また、記号(+)及び(-)を除いて表
記する。
【０５０６】図７０（ａ）は模式図であって、基準パタ
ーンベクトルＫｊ1の第ｉ0成分だけが１．０増加した例
を示したものである。また、図７０（ｂ）は、同図
（ａ）のように形状変化した基準パターンベクトルの尖
度Ａｊ1の変化量ΔＡｊ1を、数７７により直接的に求め
て図中のｉ0の位置にプロットし、次に、このｉ0を１か
らｍ0まで変化させたときに、尖度の変化量の算出値Δ
Ａｊ1が変化する様子をグラフ（加重曲線）で示したも
のである。ここで、この加重曲線は、基準パターンベク
トルの第ｉ0成分だけが１．０増加したときの尖度の変
化量をプロットしたものであるから、加重曲線の関数値
は、基準パターンベクトルの第ｉ0成分（ｉ0＝１，２，
・・・，ｍ0）における尖度の変化率ｇｊ1ｉ0に等しくな
る。また、この図７０（ｂ）において加重曲線の関数値
に等しい高さの棒グラフも示しているが、この棒グラフ
の高さの値を成分とする加重ベクトルＧｊ1を図７０
（ｂ）のように作成し、数１３の代わりに、次の数８４
のように表現しておく。数８４は、基準パターンベクト
ルの尖度の変化率をベクトルのｍ0個の成分値で表現し
たものであり、数７３及び数７６は、ｍ1個の成分値を
もつベクトル（１次元）であるのに対し、数８４はｍ0
個の成分値をもつベクトル（１次元）である。
【０５０７】
【数８４】
【０５０８】次に、正規曲線と加重曲線との関係を示
し、また、基準パターンベクトルＫｊ 1と加重ベクトル
Ｇｊ1との関係を示す。図６９（ｂ）、（ｃ）に示した
基準パターン正ベクトルＫｊ1 (+)及び基準パターン負ベ
クトルＫｊ1 (-)は、図４（ｂ）、（ｃ）に示した基準パ
ターン正ベクトルＫｊ1ｊ2 (+)及び基準パターン負ベク
トルＫｊ1ｊ2 (-)と同じく、ベクトル（１次元）であ
り、かつ、正規分布の形状をベクトルのｍ0個の成分値
で表現したものである。また、図７０（ｂ）に示した加
重ベクトルＧｊ1は、図１４（ｂ）に示した加重ベクト
ルＧｊ1ｊ2と同じく、ベクトル（１次元）であり、か
つ、基準パターンベクトルの尖度の変化率をベクトルの
ｍ0個の成分値で表現したものである。従って、図７０
に係る正規曲線と加重曲線との関係、及び、基準パター
ンベクトルＫｊ1と加重ベクトルＧｊ1との関係は、それ
ぞれ図１５〜図１９に係る正規曲線と加重曲線との関
係、及び、基準パターンベクトルＫｊ1ｊ2と加重ベクト
ルＧｊ1ｊ2との関係に等しい。
【０５０９】即ち、正規曲線と加重曲線が対応し、ま
た、基準パターンベクトルＫｊ1と加重ベクトルＧｊ1が
対応し、基準パターンベクトルＫｊ1の添数ｊ1、ｉ0、
ｍ0と、加重ベクトルＧｊ1の添数ｊ1、ｉ0、ｍ0はそれ
ぞれ同じ値をもつ。
【０５１０】そして、正規曲線の中心の移動と加重曲線
の中心の移動が対応し、また、基準パターンベクトルの
中心から長さλｉ1ｊ1だけ離れた位置に最も近い基準パ
ターンベクトルの成分番号ｉ0を算出する方法と、加重
ベクトルの中心から長さλｉ1ｊ1だけ離れた位置に最も
近い加重ベクトルの成分番号ｉ0を算出する方法は同じ
である。従って、数８３中のｉ0は、パターンベクトル
の第ｊ1成分と第ｉ1成 分が与えられたとき、周波数正
規化線分上のこれら２点間の長さに基づき算出される。
【０５１１】即ち、数８３の左辺に示すｈｇｊ1は、標
準パターンベクトルの指定成分と各成分との間の長さを
求め、加重ベクトルの中心から上記長さだけ離れた位置
に最も近い加重ベクトルの成分番号ｉ0を算出し、加重
ベクトルの上記成分番号の成分値ｇｊ1ｉ0と標準パター
ンベクトルの各成分の成分値ｈｉ1との積の値を求め、
上記積の値を標準パターンベクトルの各成分について加
算した積和値として算出できる。また、数８３の左辺に
示すｎｇｊ1は、入力パターンベクトルの指定成分と各
成分との間の長さを求め、加重ベクトルの中心から上記
長さだけ離れた位置に最も近い加重ベクトルの成分番号
ｉ0を算出し、加重ベクトルの上記成分番号の成分値ｇ
ｊ1ｉ0と入力パターンベクトルの各成分の成分値ｎｉ1
との積の値を求め、上記積の値を入力パターンベクトル
の各成分について加算した積和値として算出できる。
【０５１２】次に、数８３中のｈｇｊ1（ｊ1＝１，２，
・・・，ｍ1）を成分とする標準パターン加重ベクトルＨｇ
と、数８３中のｎｇｊ1（ｊ1＝１，２，・・・，ｍ1）を成
分とする入力パターン加重ベクトルＮｇを作成する。こ
の標準パターン加重ベクトルＨｇ及び入力パターン加重
ベクトルＮｇを、数１４の代わりに、次の数８５のよう
に表現しておく。
【０５１３】
【数８５】
【０５１４】また、数８３を数８２に代入して、数１５
の代わりに、次の数８６を得る。数８６より、形状変化
量Ｄｊ1は、入力パターン加重ベクトルＮｇの成分値ｎ
ｇｊ1から標準パターン加重ベクトルＨｇの成分値ｈｇ
ｊ1を減算して得られることが分かる。
【０５１５】
【数８６】
【０５１６】従来技術（特開平１０−２５３４４４号公
報（特願平９−６１００７号））では、数８６により算
出したｍ1個の形状変化量Ｄｊ1の２乗和の平方根を形状
距離値としている。従って、数１６の代わりに、次の数
８７より、形状距離値ｄEを算出できる。
【０５１７】
【数８７】
【０５１８】また、従来技術（特開平１０−２５３４４
４号公報（特願平９−６１００７号））では、数８６に
より算出したｍ1個の形状変化量Ｄｊ1の２乗和自身を形
状距離値としている。従って、数１７の代わりに、次の
数８８を、形状距離値ｄEとすることもできる。
【０５１９】
【数８８】
【０５２０】一方、数８３において、標準パターンベク
トルの成分値ｈｉ1及び入力パターンベクトルの成分値
ｎｉ1を、それぞれ標準パターン原始ベクトルの成分値
ｈｏｉ1及び入力パターン原始ベクトルの成分値ｎｏｉ1
に置き換え、数１８の代わりに、次の数８９に示すよう
に、基準パターンベクトルの尖度の変化率ｇｊ1ｉ0と標
準パターン原始ベクトルの成分値ｈｏｉ1との積和値を
ｈｏｇｊ1とおき、同変化率ｇｊ1ｉ0と入力パターン原
始ベクトルの成分値ｎｏｉ1との積和値をｎｏｇｊ1とお
く。
【０５２１】
【数８９】
【０５２２】次に、数８９中のｈｏｇｊ1（ｊ1＝１，
２，・・・，ｍ1）を成分とする標準パターン原始加重ベク
トルＨｏｇと、数８９中のｎｏｇｊ1（ｊ1＝１，２，・・
・，ｍ1）を成分とする入力パターン原始加重ベクトルＮ
ｏｇを作成する。この標準パターン原始加重ベクトルＨ
ｏｇ及び入力パターン原始加重ベクトルＮｏｇを、数１
９の代わりに、次の数９０のように表現しておく。
【０５２３】
【数９０】
【０５２４】ここで、数７３に示す標準パターン原始ベ
クトルＨｏ及び入力パターン原始ベクトルＮｏを、数７
４によりパワースペクトルの全エネルギーで正規化し
て、数７６に示す標準パターンベクトルＨ及び入力パタ
ーンベクトルＮを作成した場合には、数２０の代わり
に、次の数９１が成り立つ。
【０５２５】
【数９１】
【０５２６】また、数７３に示す標準パターン原始ベク
トルＨｏ及び入力パターン原始ベクトルＮｏを、数７５
によりパワースペクトルの最大値で正規化して、数７６
に示す標準パターンベクトルＨ及び入力パターンベクト
ルＮを作成した場合には、数２１の代わりに、次の数９
２が成り立つ。
【０５２７】
【数９２】
【０５２８】数９１における右辺の分母の値は、それぞ
れ標準音声及び入力音声のパワースペクトルの全エネル
ギーであり、これらはそれぞれ定数である。また、数９
２における右辺の分母の値は、それぞれ標準音声及び入
力音声のパワースペクトルの最大値であり、これらもそ
れぞれ定数である。従って、Ｃｈ及びＣｎをそれぞれ定
数とし、数９１及び数９２をまとめて、数２２の代わり
に、次の数９３のように表記する。
【０５２９】
【数９３】
【０５３０】数９３を数８３に代入し、次に、数８９を
用いて、数２３の代わりに、次の数９４を得る。
【０５３１】
【数９４】
【０５３２】数９４より、（ｊ1＝１，２，・・・，ｍ1）
について、標準パターン加重ベクトルの成分値ｈｇｊ1
は、標準パターン原始加重ベクトルの成分値ｈｏｇｊ1
を定数Ｃｈで除算したものであり、また、入力パターン
加重ベクトルの成分値ｎｇｊ1は、入力パターン原始加
重ベクトルの成分値ｎｏｇｊ1を定数Ｃｎで除算したも
のであることが分かる。
【０５３３】図２０は、数９４の関係を示した模式図で
あって、ｍ1次元パターン空間において、原点Ｏから、
それぞれ標準パターン加重ベクトルＨｇの点、入力パタ
ーン加重ベクトルＮｇの点、標準パターン原始加重ベク
トルＨｏｇの点、入力パターン原始加重ベクトルＮｏｇ
の点へ向かう矢印を示したものであると読み替える。数
９４の関係より、図２０では、原点Ｏ、標準パターン加
重ベクトルＨｇの点、標準パターン原始加重ベクトルＨ
ｏｇの点は１つの直線上に並び、また、原点Ｏ、入力パ
ターン加重ベクトルＮｇの点、入力パターン原始加重ベ
クトルＮｏｇの点は別の直線上に並ぶ様子を示してい
る。
【０５３４】また、数８７より、形状距離ｄEは、標準
パターン加重ベクトルの成分値ｈｇｊ1、及び、入力パ
ターン加重ベクトルの成分値ｎｇｊ1を用いて従来のユ
ークリッド距離の計算を行うことにより算出できること
が分かる。そこで、図２０において、形状距離ｄEは、
標準パターン加重ベクトルＨｇの点と入力パターン加重
ベクトルＮｇの点との間のユークリッド距離になること
を示している。
【０５３５】一方、音声のパワースペクトルパターンを
パワースペクトルの最大値で正規化する方法、または、
パワースペクトルの全エネルギーで正規化する方法のど
ちらを用いて入力音声を処理するのか判断できない場合
には、数８７に示す形状距離値ｄEを利用できない。
【０５３６】そこで、音声のパワースペクトルパターン
を正規化しないで作成した標準パターン原始加重ベクト
ル及び入力パターン原始加重ベクトルについて、これら
２つのパターン原始加重ベクトル間の角度、即ち、図２
０において、直線ＯＨｏｇと直線ＯＮｏｇとの間の角度
を類似性尺度として用いることができれば都合が良い。
従って、標準パターン原始加重ベクトルＨｏｇと入力パ
ターン原始加重ベクトルＮｏｇとの間の角度の余弦とし
て、数２４の代わりに、次の数９５により、形状距離値
ｄAを算出できる。数９５において、形状距離値ｄAは、
−１≦ｄA≦＋１の範囲の値になり、また、標準パター
ン原始ベクトルＨｏの形状と入力パターン原始ベクトル
Ｎｏの形状が似ているとき、従って、標準パターン原始
加重ベクトルＨｏｇの形状と入力パターン原始加重ベク
トルＮｏｇの形状が似ているとき、これら２つのパター
ン原始加重ベクトル間の角度の値は小さくなるため、形
状距離値ｄAは＋１に近い値になる。
【０５３７】
【数９５】
【０５３８】本発明の第１の課題について以上をまとめ
ると、数８７及び図２０に示すように、標準パターンベ
クトルＨと入力パターンベクトルＮとの間の形状距離ｄ
Eは、標準パターン加重ベクトルＨｇと入力パターン加
重ベクトルＮｇとの間のユークリッド距離として算出で
き、一方、数９５及び図２０に示すように、標準パター
ン原始ベクトルＨｏと入力パターン原始ベクトルＮｏと
の間の形状距離ｄAは、標準パターン原始加重ベクトル
Ｈｏｇと入力パターン原始加重ベクトルＮｏｇとの間の
角度の余弦として算出できる。なお、図２０より分かる
ように、標準パターン原始加重ベクトルＨｏｇと入力パ
ターン原始加重ベクトルＮｏｇとの間の角度の値は、標
準パターン加重ベクトルＨｇと入力パターン加重ベクト
ルＮｇとの間の角度の値に等しいため、標準パターン加
重ベクトルＨｇと入力パターン加重ベクトルＮｇとの間
の角度の余弦として形状距離ｄAを算出しても良い。
【０５３９】以上で本発明の第１の課題について解決手
段を述べたが、次に、本発明の第２の課題について解決
手段を説明する。
【０５４０】音声認識においては、同じ音声であっても
発声ごとにパワースペクトルパターンが変動した音声が
出現するため、通常、多数の人間が同じ音声を繰り返し
発声して、各音声ごとに複数個の標準音声を登録する方
法が採られている。本実施例では、上記のように登録し
た同じ音声を同じカテゴリの標準音声とし、これらとは
異なる音声を異なるカテゴリの標準音声とする。
【０５４１】ここで、同じカテゴリの標準音声間の距離
が近くなり、同時に、異なるカテゴリの標準音声間の距
離が遠くなるようにできれば、結果として、同じカテゴ
リの標準音声と異なるカテゴリの標準音声の分離が良く
なり、入力音声が与えられたときの認識性能が向上す
る。
【０５４２】ところが、数６９では、パターンベクトル
の指定成分と各成分との間の長さの最大値λ１ｊ1を、
定数１．４で除算した比の値の２乗を以て、正規分布の
分散の値としている。また、数７１では、基準パターン
正ベクトル及び基準パターン負ベクトルのすべての成分
番号にそれぞれ定数１の重みをつけ、パターンベクトル
の第ｉ1成分（ｉ1＝１，２，・・・，ｍ1）について、標準
パターンベクトルの成分値ｈｉ1と入力パターンベクト
ルの成分値ｎｉ1との間の変化量の絶対値｜ｎｉ 1−ｈｉ
1｜を、基準パターンベクトルの成分番号にかかわら
ず、そのまま基準パターン正ベクトルまたは基準パター
ン負ベクトルの増加量に置き換えている。
【０５４３】即ち、関連技術の方法では、固定的な分散
の値をもつ正規分布を用いて基準パターンベクトルを作
成し、また、固定的な重みの値をもつ増加手段を用いて
基準パターンベクトルを増加させるため、同じカテゴリ
の標準音声と異なるカテゴリの標準音声の分離が固定化
され、入力音声が与えられたときの認識性能を向上する
ことができない。
【０５４４】この問題を解決するため本発明では、関連
技術の固定的な方法に代えて、可変的な分散の値をもつ
正規分布を用いて基準パターンベクトルを作成し、ま
た、可変的な重みの値をもつ増加手段を用いて基準パタ
ーンベクトルを増加させる。
【０５４５】その際、可変的な分散の値をもつ正規分布
を用いて基準パターンベクトルを作成し、同時に、可変
的な重みの値をもつ増加手段を用いて基準パターンベク
トルを増加させることは、正規曲線の尖度の変化率に基
づき作成した加重曲線をｕ軸に平行な方向に伸縮させ、
同時に、ｕ軸に垂直な方向に変化させることと等価であ
り、このため、前者と後者は同じ効果が得られることに
なる。ここでは、前者に比べて計算処理が簡単である後
者を用いることにする。そして、後者は、同じカテゴリ
の標準音声と異なるカテゴリの標準音声の分離が最も良
くなる加重曲線、即ち、最適な加重曲線を見つける問題
に帰着する。
【０５４６】ここで、後者の場合について、周波数正規
化線分全体を覆う加重曲線の範囲を変化させるために加
重曲線をｕ軸に平行な方向に伸縮させること、及び、加
重曲線の中心が周波数正規化線分上を移動するにつれて
加重曲線をｕ軸に平行な方向に伸縮させることは、加重
曲線とｕ軸との相対的な伸縮の問題である。従って、実
際の計算では、ｕ軸に対して加重曲線を伸縮させる代わ
りに、逆に、加重曲線に対してｕ軸を伸縮しても良く、
両者は等価である。
【０５４７】そこで次に、加重曲線に対してｕ軸を伸縮
する場合について、パターンベクトルの指定成分と各成
分との間の長さを求め、加重ベクトルの中心から上記長
さだけ離れた位置に最も近い加重ベクトルの成分番号ｉ
0を算出する方法を説明する。
【０５４８】第１に、先に示した図５２及び図５３を、
１次元の周波数正規化線分に適用して考える。数６９で
は、正規曲線の−１．４σｊ1≦ｕ≦＋１．４σｊ1の範
囲が周波数正規化線分全体を覆うようにしているが、こ
れに対してここでは、１．４σｊ1を変数Ｃｇに置き換
え、加重曲線の−Ｃｇ≦ｕ≦＋Ｃｇの範囲が周波数正規
化線分全体を覆うようにして、変数Ｃｇの値が変化する
につれて、１つの加重曲線に対してｕ軸を伸縮する。
【０５４９】このとき、ｕ軸の伸縮に関して、点ｊ1と
点ｉ1との間の長さλｉ1ｊ1は、点ｊ 1と点１との間の長
さλ１ｊ1と同じ割合で伸縮されるため、長さλｉ1ｊ1
を長さλ１ｊ1で除算した比の値は、ｕ軸の伸縮にかか
わらず、常に一定の値になる。従って、点ｉ1に対応す
るｕ軸上の位置をｕ0としたとき、数３４の代わりに、
次の数９６より、位置ｕ0を算出できる。
【０５５０】
【数９６】
【０５５１】第２に、先に示した図５４及び図５５を、
１次元の周波数正規化線分に適用して考える。ここで
は、加重曲線の中心が周波数正規化線分上を移動するに
つれて、１つの加重曲線に対してｕ軸を伸縮する。この
とき、変数Ｃｇ（或いは変数Ｃｇ*）の値は、加重曲線
の中心の移動にかかわらず、同じである。従って、数９
６より、位置ｕ0を算出できる。
【０５５２】以上の説明より、１つの加重曲線に対して
ｕ軸を伸縮する場合には、加重曲線の−Ｃｇ≦ｕ≦＋Ｃ
ｇの範囲が周波数正規化線分全体を覆うように変数Ｃｇ
の値を設定しておき、パターンベクトルの指定成分と各
成分との間の長さλｉ1ｊ1、及び、指定成分と各成分と
の間の長さの最大値λ１ｊ1を求め、これらの長さを数
９６に代入して位置ｕ0を求め、上記位置ｕ0に最も近い
加重ベクトルの成分番号としてｉ0を算出できることが
分かる。また、このような処理方法により、第ｊ1成分
（ｊ1＝１，２，・・・，ｍ1）に対応するそれぞれの場合
について加重ベクトルをｍ1個作成しておかなくても、
１個の加重ベクトルを作成するだけで標準パターン加重
ベクトルのｍ1個の成分値ｈｇｊ1、及び、入力パターン
加重ベクトルのｍ1個の成分値ｎｇｊ1（或いは標準パタ
ーン原始加重ベクトルのｍ1個の成分値ｈｏｇｊ1、及
び、入力パターン原始加重ベクトルのｍ1個の成分値ｎ
ｏｇｊ 1）を算出することができる。
【０５５３】ところで、最適な加重曲線は、登録したす
べての標準音声のパワースペクトル形状に関係するもの
であるため、登録した標準音声が異なる場合には最適な
加重曲線も異なることになる。従って、任意形状の加重
曲線の中から最適な加重曲線を見つける必要がある。
【０５５４】そこで次に、任意形状の加重曲線の中か
ら、最適な加重曲線、及び、最適な加重曲線に係る変数
Ｃｇの最適値を求める方法を図５６〜図５９を参照して
説明する。ただし、図５６及び図５７において、標準画
像を標準音声に読み替え、また、図５６中のステップＳ
ｃ４において、数１３を数８４に読み替え、図５７中の
ステップＳｃ５−３において、数４、数３４、数１２、
数１４、数１６を、それぞれ数７６、数９６、数８３、
数８５、数８７に読み替える。このとき、図５６及び図
５７は、各標準音声間の類似性尺度として形状距離ｄE
を用いる場合について、最適な加重曲線、及び、最適な
加重曲線に係る変数Ｃｇの最適値を算出する処理手順を
示したフローチャートとなる。
【０５５５】即ち、図５６及び図５７に示すように、予
め、分散の値が１である正規曲線の尖度の変化率に基づ
いて加重曲線を作成し、また、上記加重曲線に正数の重
みの値を乗算して複数個の重み付き加重曲線を作成す
る。そして、これらのうちの１つの加重曲線の関数値を
成分とする加重ベクトルを作成し、変数Ｃｇの値を変化
させながら、同じカテゴリの標準音声間の形状距離平均
値を、異なるカテゴリの標準音声間の形状距離平均値で
除算した平均値の比の値ＲE（Ｃｇ）を算出し、上記平
均値の比の値ＲE（Ｃｇ）の最小値を求める。これを上
記すべての加重曲線について繰り返して求め、これら平
均値の比の値ＲE（Ｃｇ）の最小値の中の最小値に対応
する加重曲線を最適なものとし、それに対応する変数Ｃ
ｇの値を、最適な加重曲線に係る変数Ｃｇの最適値とす
る。
【０５５６】また、上記で得られた最適な加重曲線の関
数値を加重係数とし、上記加重係数の値を成分とする加
重ベクトルを作成することにより、同じカテゴリの標準
音声間の距離が近くなり、同時に、異なるカテゴリの標
準音声間の距離が遠くなるようにできる。その結果とし
て、同じカテゴリの標準音声と異なるカテゴリの標準音
声の分離が良くなり、入力音声が与えられたときの認識
性能が向上する。
【０５５７】一方、図５８及び図５９において、標準画
像を標準音声に読み替え、また、図５８中のステップＳ
ｄ４において、数１３を数８４に読み替え、図５９中の
ステップＳｄ５−３において、数１、数３４、数１８、
数１９、数２４を、それぞれ数７３、数９６、数８９、
数９０、数９５に読み替える。このとき、図５８及び図
５９は、各標準音声間の類似性尺度として形状距離ｄA
を用いる場合について、最適な加重曲線、及び、最適な
加重曲線に係る変数Ｃｇの最適値を算出する処理手順を
示したフローチャートとなる。
【０５５８】即ち、図５８及び図５９に示すように、予
め、分散の値が１である正規曲線の尖度の変化率に基づ
いて加重曲線を作成し、また、上記加重曲線に正数の重
みの値を乗算して複数個の重み付き加重曲線を作成す
る。そして、これらのうちの１つの加重曲線の関数値を
成分とする加重ベクトルを作成し、変数Ｃｇの値を変化
させながら、同じカテゴリの標準音声間の形状距離平均
値から、異なるカテゴリの標準音声間の形状距離平均値
を減算した平均値の差の値ＲA（Ｃｇ）を算出し、上記
平均値の差の値ＲA（Ｃｇ）の最大値を求める。これを
上記すべての加重曲線について繰り返して求め、これら
平均値の差の値ＲA（Ｃｇ）の最大値の中の最大値に対
応する加重曲線を最適なものとし、それに対応する変数
Ｃｇの値を、最適な加重曲線に係る変数Ｃｇの最適値と
する。
【０５５９】また、上記で得られた最適な加重曲線の関
数値を加重係数とし、上記加重係数の値を成分とする加
重ベクトルを作成することにより、同じカテゴリの標準
音声間の距離が近くなり、同時に、異なるカテゴリの標
準音声間の距離が遠くなるようにできる。その結果とし
て、同じカテゴリの標準音声と異なるカテゴリの標準音
声の分離が良くなり、入力音声が与えられたときの認識
性能が向上する。
【０５６０】以上に述べたことを一般化して表現すれ
ば、最適な加重曲線、及び、変数Ｃｇの最適値を求める
問題は、平均値の比の値ＲE（Ｃｇ）、或いは、平均値
の差の値ＲA（Ｃｇ）を目的関数とし、加重ベクトルの
成分値ｇｊ1ｉ0（ｉ0＝１，２，・・・，ｍ0）、及び、変
数Ｃｇの値を（ｍ0＋１）個の変数としたとき、目的関
数を最小、或いは、最大にする（ｍ0＋１）個の変数の
値を求める最適化問題を解くことに帰着する。最適化問
題については、数値計算法の分野において、最急降下法
やニュートン法などの数値解法が提案されている。これ
らの数値解法は、目的関数が急速に減少、或いは、増加
する方向に変数の値を変化させるものであり、少ない計
算回数で変数の最適値を算出しようとするものである。
本発明においても、これらの数値解法を用いることによ
り、最適な加重曲線、及び、変数Ｃｇの最適値を能率良
く算出することが可能となる。そこで、図５６中のステ
ップＳｃ２または図５８中のステップＳｄ２において、
予め重み付き加重曲線を作成しておく代わりに、図５６
中のステップＳｃ４または図５８中のステップＳｄ４に
おいて、ループを回る毎に重み付き加重曲線を作成する
ように変更し、上記の数値解法を利用するようにしても
良い。即ち、平均値の比の値ＲE（Ｃｇ）、或いは、平
均値の差の値ＲA（Ｃｇ）が急速に減少、或いは、増加
する方向にｃｏｕｎｔ番目の重み付き加重曲線、及び、
ｃｏｕｎｔ番目の変数Ｃｇの値を変化させて（ｃｏｕｎ
ｔ＋１）番目の重み付き加重曲線、及び、（ｃｏｕｎｔ
＋１）番目の変数Ｃｇの値を求めるようにしても良い。
【０５６１】また、以上に述べたことを一般化して考え
るため、次に、従来のユークリッド距離と本発明による
形状距離ｄEとの関係について述べる。本実施例では、
加重曲線をｕ軸に垂直な方向に変化させたとき、図４６
（ｂ）に示した曲線と同様に、変化した加重曲線のｕ＝
０のときの関数値が正になり、変化した加重曲線がｕ軸
と２点で交差し、かつ、ｕ＝０に関して対称になる場合
に限って考えている。ここで、この制限を緩め、形状距
離ｄEにおいて加重曲線をｕ軸に垂直な方向に変化させ
た結果、加重曲線が特に、Ｄｉｒａｃのデルタ関数にな
った場合を考える。即ち、加重ベクトルにおいて、ｉ0
＝（ｍ0＋１）／２のときｇｊ1ｉ0＝１、かつ、ｉ0≠
（ｍ0＋１）／２のときｇｊ1ｉ0＝０である場合には、
数８３は、ｈｇｊ1＝ｈｊ1、ｎｇｊ1＝ｎｊ1（ｊ1＝
１，２，・・・，ｍ1）となる。このとき、標準パターン加
重ベクトル及び入力パターン加重ベクトルは、それぞれ
標準パターンベクトル及び入力パターンベクトルに等し
くなる。従って、上記の特別な場合には、数８７に示す
形状距離ｄEは、従来のユークリッド距離に等しくな
る。即ち、形状距離ｄEは、従来のユークリッド距離を
拡張し、一般化したものとして位置付けられる。
【０５６２】一方、従来の角度の余弦と本発明による形
状距離ｄAとの関係について述べる。本実施例では、加
重曲線をｕ軸に垂直な方向に変化させたとき、図４６
（ｂ）に示した曲線と同様に、変化した加重曲線のｕ＝
０のときの関数値が正になり、変化した加重曲線がｕ軸
と２点で交差し、かつ、ｕ＝０に関して対称になる場合
に限って考えている。ここで、この制限を緩め、形状距
離ｄAにおいて加重曲線をｕ軸に垂直な方向に変化させ
た結果、加重曲線が特に、Ｄｉｒａｃのデルタ関数にな
った場合を考える。即ち、加重ベクトルにおいて、ｉ0
＝（ｍ0＋１）／２のときｇｊ1ｉ0＝１、かつ、ｉ0≠
（ｍ0＋１）／２のときｇｊ1ｉ0＝０である場合には、
数８９は、ｈｏｇｊ1＝ｈｏｊ1、ｎｏｇｊ1＝ｎｏｊ
1（ｊ1＝１，２，・・・，ｍ1）となる。このとき、標準パ
ターン原始加重ベクトル及び入力パターン原始加重ベク
トルは、それぞれ標準パターン原始ベクトル及び入力パ
ターン原始ベクトルに等しくなる。従って、上記の特別
な場合には、数９５に示す形状距離ｄAは、従来の角度
の余弦に等しくなる。即ち、形状距離ｄAは、従来の角
度の余弦を拡張し、一般化したものとして位置付けられ
る。
【０５６３】また、以上に述べたことを従来技術と比較
して考えてみる。形状距離ｄEの計算処理においては、
加重ベクトルの成分値と標準パターンベクトルの成分値
との積和演算により標準パターン加重ベクトルを作成
し、これと独立して、同加重ベクトルの成分値と入力パ
ターンベクトルの成分値との積和演算により入力パター
ン加重ベクトルを作成し、次に、これら標準パターン加
重ベクトル及び入力パターン加重ベクトルを用いて従来
のユークリッド距離の計算を行っている。ここで、この
計算処理について別の表現をするならば、標準パターン
ベクトルに対し加重ベクトルによるデジタルフィルタ処
理を行うことにより標準パターン加重ベクトルを作成
し、これと独立して、入力パターンベクトルに対し同加
重ベクトルによるデジタルフィルタ処理を行うことによ
り入力パターン加重ベクトルを作成し、次に、これら標
準パターン加重ベクトル及び入力パターン加重ベクトル
を用いて従来のユークリッド距離の計算を行っていると
も言える。従って、形状距離ｄ Eの計算処理は、形式的
には、デジタルフィルタ処理とユークリッド距離の結合
であると表現できる。しかしながら、従来のデジタルフ
ィルタやユークリッド距離は、それぞれが単独で別々の
ものとして考えられているのに対し、形状距離ｄ Eの計
算処理では、図５６に示したように、平均値の比の値Ｒ
E（Ｃｇ）が最小になるように加重ベクトルを作成して
いる。即ち、形状距離ｄEの計算処理は、形式的には、
デジタルフィルタ処理とユークリッド距離の結合であっ
ても、実質的には、両者が密接に関連した従来技術とは
異なる処理方法であると言える。
【０５６４】一方、形状距離ｄAの計算処理において
は、加重ベクトルの成分値と標準パターン原始ベクトル
の成分値との積和演算により標準パターン原始加重ベク
トルを作成し、これと独立して、同加重ベクトルの成分
値と入力パターン原始ベクトルの成分値との積和演算に
より入力パターン原始加重ベクトルを作成し、次に、こ
れら標準パターン原始加重ベクトル及び入力パターン原
始加重ベクトルを用いて従来の角度の余弦の計算を行っ
ている。ここで、この計算処理について別の表現をする
ならば、標準パターン原始ベクトルに対し加重ベクトル
によるデジタルフィルタ処理を行うことにより標準パタ
ーン原始加重ベクトルを作成し、これと独立して、入力
パターン原始ベクトルに対し同加重ベクトルによるデジ
タルフィルタ処理を行うことにより入力パターン原始加
重ベクトルを作成し、次に、これら標準パターン原始加
重ベクトル及び入力パターン原始加重ベクトルを用いて
従来の角度の余弦の計算を行っているとも言える。従っ
て、形状距離ｄAの計算処理は、形式的には、デジタル
フィルタ処理と角度の余弦の結合であると表現できる。
しかしながら、従来のデジタルフィルタや角度の余弦
は、それぞれが単独で別々のものとして考えられている
のに対し、形状距離ｄAの計算処理では、図５８に示し
たように、平均値の差の値ＲA（Ｃｇ）が最大になるよ
うに加重ベクトルを作成している。即ち、形状距離ｄA
の計算処理は、形式的には、デジタルフィルタ処理と角
度の余弦の結合であっても、実質的には、両者が密接に
関連した従来技術とは異なる処理方法であると言える。
【０５６５】本発明の第２の課題について以上をまとめ
ると、各標準音声間の類似性尺度として形状距離ｄEを
用いる場合には、加重曲線をｕ軸に垂直な方向、及び、
ｕ軸に平行な方向に変化させながら、同じカテゴリの標
準音声間の形状距離平均値を、異なるカテゴリの標準音
声間の形状距離平均値で除算した平均値の比の値を求
め、上記平均値の比の値を最小にする加重曲線を算出す
る。そして、上記加重曲線の関数値を加重係数とし、上
記加重係数の値を成分とする加重ベクトルを作成し形状
距離値を算出することにより、同じカテゴリの標準音声
間の距離が近くなり、同時に、異なるカテゴリの標準音
声間の距離が遠くなるようにできる。その結果として、
同じカテゴリの標準音声と異なるカテゴリの標準音声の
分離が良くなり、入力音声が与えられたときの認識性能
が向上する。
【０５６６】一方、各標準音声間の類似性尺度として形
状距離ｄAを用いる場合には、加重曲線をｕ軸に垂直な
方向、及び、ｕ軸に平行な方向に変化させながら、同じ
カテゴリの標準音声間の形状距離平均値から、異なるカ
テゴリの標準音声間の形状距離平均値を減算した平均値
の差の値を求め、上記平均値の差の値を最大にする加重
曲線を算出する。そして、上記加重曲線の関数値を加重
係数とし、上記加重係数の値を成分とする加重ベクトル
を作成し形状距離値を算出することにより、同じカテゴ
リの標準音声間の距離が近くなり、同時に、異なるカテ
ゴリの標準音声間の距離が遠くなるようにできる。その
結果として、同じカテゴリの標準音声と異なるカテゴリ
の標準音声の分離が良くなり、入力音声が与えられたと
きの認識性能が向上する。
【０５６７】以上のようにして算出した標準パターンベ
クトルと入力パターンベクトルとの間の形状距離値
ｄE、または、標準パターン原始ベクトルと入力パター
ン原始ベクトルとの間の形状距離値ｄAを用いて、音声
認識を行う。
【０５６８】具体的には、標準音声の特徴量を成分とす
る標準パターン原始ベクトルと入力音声の特徴量を成分
とする入力パターン原始ベクトルとを作成し、音声のパ
ワースペクトルパターンを正規化する方法が予め指示さ
れている場合には、音声のパワースペクトルパターンを
指示された方法で正規化して標準パターンベクトルと入
力パターンベクトルとを作成する。また、基準パターン
ベクトルの尖度の変化率の値を成分とする加重ベクトル
を作成する。そして、加重ベクトルの成分値と標準パタ
ーンベクトルの成分値との積和演算により標準パターン
加重ベクトルを作成し、これと独立して、同加重ベクト
ルの成分値と入力パターンベクトルの成分値との積和演
算により入力パターン加重ベクトルを作成する。次に、
これら標準パターン加重ベクトル及び入力パターン加重
ベクトルを用いて従来のユークリッド距離の計算を行う
ことにより、標準パターンベクトルと入力パターンベク
トルとの間の形状距離値を算出する。
【０５６９】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準音声間の形状距離平均値を、異なるカテゴ
リの標準音声間の形状距離平均値で除算した平均値の比
の値を求め、上記平均値の比の値を最小にする加重係数
の値を成分とする加重ベクトルを作成し、この加重ベク
トルを用いて標準パターンベクトルと入力パターンベク
トルとの間の形状距離値を算出することができる。
【０５７０】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
大きいとき入力音声は標準音声でないと判定し、形状距
離値が許容値以下のとき入力音声が標準音声であると判
定する。
【０５７１】一方、標準音声の特徴量を成分とする標準
パターン原始ベクトルと入力音声の特徴量を成分とする
入力パターン原始ベクトルとを作成し、音声のパワース
ペクトルパターンを正規化する方法が予め指示されてい
ない場合には、音声のパワースペクトルパターンを正規
化しないで標準パターン原始ベクトルと入力パターン原
始ベクトルとをそのまま用いる。また、基準パターンベ
クトルの尖度の変化率の値を成分とする加重ベクトルを
作成する。そして、加重ベクトルの成分値と標準パター
ン原始ベクトルの成分値との積和演算により標準パター
ン原始加重ベクトルを作成し、これと独立して、同加重
ベクトルの成分値と入力パターン原始ベクトルの成分値
との積和演算により入力パターン原始加重ベクトルを作
成する。次に、これら標準パターン原始加重ベクトル及
び入力パターン原始加重ベクトルを用いて従来の角度の
余弦の計算を行うことにより、標準パターン原始ベクト
ルと入力パターン原始ベクトルとの間の形状距離値を算
出する。
【０５７２】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準音声間の形状距離平均値から、異なるカテ
ゴリの標準音声間の形状距離平均値を減算した平均値の
差の値を求め、上記平均値の差の値を最大にする加重係
数の値を成分とする加重ベクトルを作成し、この加重ベ
クトルを用いて標準パターン原始ベクトルと入力パター
ン原始ベクトルとの間の形状距離値を算出することがで
きる。
【０５７３】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
小さいとき入力音声は標準音声でないと判定し、形状距
離値が許容値以上のとき入力音声が標準音声であると判
定する。
【０５７４】［実施例（VII）：機械の異常判定方法
（１次元）］次に、２つのパターンベクトル間（或いは
パターン原始ベクトル間）の類似度検出値を用いた機械
の異常判定方法について述べる。本実施例では、機械の
異常判定を行うために、振動波のパワースペクトルパタ
ーンをパワースペクトルの全エネルギー、または、パワ
ースペクトルの最大値で正規化して標準パターンベクト
ルと入力パターンベクトルとを作成し、また、基準パタ
ーンベクトルの尖度の変化率の値を成分とする加重ベク
トルを作成する。そして、加重ベクトルの成分値と標準
パターンベクトルの成分値との積和演算により標準パタ
ーン加重ベクトルを作成し、これと独立して、同加重ベ
クトルの成分値と入力パターンベクトルの成分値との積
和演算により入力パターン加重ベクトルを作成する。次
に、これら標準パターン加重ベクトル及び入力パターン
加重ベクトルを用いて従来のユークリッド距離の計算を
行うことにより振動波の類似度を検出する。
【０５７５】一方、振動波のパワースペクトルパターン
を正規化しないで標準パターン原始ベクトルと入力パタ
ーン原始ベクトルとを作成する。そして、上記加重ベク
トルの成分値と標準パターン原始ベクトルの成分値との
積和演算により標準パターン原始加重ベクトルを作成
し、これと独立して、同加重ベクトルの成分値と入力パ
ターン原始ベクトルの成分値との積和演算により入力パ
ターン原始加重ベクトルを作成する。次に、これら標準
パターン原始加重ベクトル及び入力パターン原始加重ベ
クトルを用いて従来の角度の余弦の計算を行うことによ
り振動波の類似度を検出する。
【０５７６】更に、同じカテゴリの標準パターンベクト
ル間（或いは標準パターン原始ベクトル間）の距離が近
くなり、同時に、異なるカテゴリの標準パターンベクト
ル間（或いは標準パターン原始ベクトル間）の距離が遠
くなるように上記加重ベクトルの成分値を調整し、調整
後の加重ベクトルを用いて振動波の類似度を検出し、そ
の検出値を用いて機械の異常判定を行うものとする。
【０５７７】従来技術（特開平１０−２５３４４４号公
報（特願平９−６１００７号））では、振動波の周波数
分布の特徴を抽出するため、数７２により、ｉ1番目の
周波数帯域のパワースペクトルＰｉ1（ｉ1 ＝１，２，・
・・，ｍ1）を算出する方法を示している。
【０５７８】そこで次に、標準振動波のパワースペクト
ルＰｉ1（ｉ1＝１，２，・・・，ｍ1）を成分とする標準パ
ターン原始ベクトルＨｏと、入力振動波のパワースペク
トルＰｉ1（ｉ1＝１，２，・・・，ｍ1）を成分とする入力
パターン原始ベクトルＮｏを作成する。この標準パター
ン原始ベクトルＨｏ及び入力パターン原始ベクトルＮｏ
を、数７３のように表現しておく。ただし、数７３は、
標準振動波及び入力振動波のパワースペクトルの形状
を、パターン原始ベクトルのｍ1個の成分値で表現した
ものであると読み替える。
【０５７９】ところで、機械の異常判定においては、同
じ機械であっても運転モードごとに異なる振動波が測定
され、また、同じ運転モードであっても測定ごとにパワ
ースペクトルパターンが変動した振動波が出現するた
め、通常、同じ運転モードの振動波を繰り返し測定し
て、各運転モードごとに複数個の標準振動波を登録する
方法が採られている。本実施例では、上記のように登録
した同じ運転モードの振動波を同じカテゴリの標準振動
波とし、これらとは異なる運転モードの振動波を異なる
カテゴリの標準振動波とする。
【０５８０】そして、以上で述べた音声の類似度検出手
順を、上記で作成した振動波の標準パターン原始ベクト
ルＨｏ及び入力パターン原始ベクトルＮｏに適用し、機
械の異常判定を行う。
【０５８１】具体的には、標準振動波の特徴量を成分と
する標準パターン原始ベクトルと入力振動波の特徴量を
成分とする入力パターン原始ベクトルとを作成し、振動
波のパワースペクトルパターンを正規化する方法が予め
指示されている場合には、振動波のパワースペクトルパ
ターンを指示された方法で正規化して標準パターンベク
トルと入力パターンベクトルとを作成する。また、基準
パターンベクトルの尖度の変化率の値を成分とする加重
ベクトルを作成する。そして、加重ベクトルの成分値と
標準パターンベクトルの成分値との積和演算により標準
パターン加重ベクトルを作成し、これと独立して、同加
重ベクトルの成分値と入力パターンベクトルの成分値と
の積和演算により入力パターン加重ベクトルを作成す
る。次に、これら標準パターン加重ベクトル及び入力パ
ターン加重ベクトルを用いて従来のユークリッド距離の
計算を行うことにより、標準パターンベクトルと入力パ
ターンベクトルとの間の形状距離値を算出する。
【０５８２】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準振動波間の形状距離平均値を、異なるカテ
ゴリの標準振動波間の形状距離平均値で除算した平均値
の比の値を求め、上記平均値の比の値を最小にする加重
係数の値を成分とする加重ベクトルを作成し、この加重
ベクトルを用いて標準パターンベクトルと入力パターン
ベクトルとの間の形状距離値を算出することができる。
【０５８３】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
大きいとき機械は異常であると判定し、形状距離値が許
容値以下のとき正常であると判定する。
【０５８４】一方、標準振動波の特徴量を成分とする標
準パターン原始ベクトルと入力振動波の特徴量を成分と
する入力パターン原始ベクトルとを作成し、振動波のパ
ワースペクトルパターンを正規化する方法が予め指示さ
れていない場合には、振動波のパワースペクトルパター
ンを正規化しないで標準パターン原始ベクトルと入力パ
ターン原始ベクトルとをそのまま用いる。また、基準パ
ターンベクトルの尖度の変化率の値を成分とする加重ベ
クトルを作成する。そして、加重ベクトルの成分値と標
準パターン原始ベクトルの成分値との積和演算により標
準パターン原始加重ベクトルを作成し、これと独立し
て、同加重ベクトルの成分値と入力パターン原始ベクト
ルの成分値との積和演算により入力パターン原始加重ベ
クトルを作成する。次に、これら標準パターン原始加重
ベクトル及び入力パターン原始加重ベクトルを用いて従
来の角度の余弦の計算を行うことにより、標準パターン
原始ベクトルと入力パターン原始ベクトルとの間の形状
距離値を算出する。
【０５８５】更に、前記加重ベクトルに代えて、同じカ
テゴリの標準振動波間の形状距離平均値から、異なるカ
テゴリの標準振動波間の形状距離平均値を減算した平均
値の差の値を求め、上記平均値の差の値を最大にする加
重係数の値を成分とする加重ベクトルを作成し、この加
重ベクトルを用いて標準パターン原始ベクトルと入力パ
ターン原始ベクトルとの間の形状距離値を算出すること
ができる。
【０５８６】このようにして得られた形状距離値と任意
に設定した許容値とを比較し、形状距離値が許容値より
小さいとき機械は異常であると判定し、形状距離値が許
容値以上のとき正常であると判定する。
【０５８７】以上で、２つのパターン行列間（或いはパ
ターン原始行列間）の類似度検出値を用いた画像認識方
法、音声認識方法、機械の異常判定方法、また、２つの
パターン行列層間（或いはパターン原始行列層間）の類
似度検出値を用いた動画像認識方法、立体認識方法、ま
た、２つのパターンベクトル間（或いはパターン原始ベ
クトル間）の類似度検出値を用いた音声認識方法、機械
の異常判定方法のそれぞれについての説明を終わる。
【０５８８】なお、以上の各実施例は、基準形状として
正規分布を用いて基準パターンベクトルを作成し、基準
パターンベクトルの尖度の変化率の値を成分とする加重
ベクトルを作成したものであったが、基準形状として矩
形など任意の形状を用いて基準パターンベクトルを作成
し、基準パターンベクトルの尖度の変化率の値を成分と
する加重ベクトルを作成しても良い。
【０５８９】このことは、次の理由により理解できる。
即ち、図５〜図７の各（ｂ）において、記号（ｉ）〜
（iii）の各グラフは、近似的に直線に等しく、また、
図１１〜図１３の各（ｂ）において、記号（vii）、（v
iii）、（ix）のグラフの傾きは、近似的にそれぞれ記
号（ｉ）、（ii）、（iii）のグラフの傾きに等しいこ
とにより、各グラフの傾きに基づき算出される基準パタ
ーンベクトルの尖度の変化率ｇｊ1ｊ2ｉ0（或いはｇｊ1
ｊ2ｊ3ｉ0、或いはｇｊ1ｉ0）は、基準パターンベクト
ルの初期形状に影響されないことが分かる。
【０５９０】また、以上の各実施例は、標準パターン原
始行列及び入力パターン原始行列（或いは標準パターン
原始行列層及び入力パターン原始行列層、或いは標準パ
ターン原始ベクトル及び入力パターン原始ベクトル）の
成分として、測定値そのままの特徴量を用いて形状距離
値を算出したものであったが、標準パターン原始行列及
び入力パターン原始行列（或いは標準パターン原始行列
層及び入力パターン原始行列層、或いは標準パターン原
始ベクトル及び入力パターン原始ベクトル）の成分とし
て、測定値に各種の前処理を行い生成した特徴量を用い
て形状距離値を算出しても良い。
【０５９１】この場合、前処理として、必要に応じて、
測定値の雑音除去、拡大、縮小、回転、平行移動などを
行っても良く、また、各測定値から全測定値の平均値を
減算した特徴量を生成することにより、標準パターン原
始行列（或いは標準パターン原始行列層、或いは標準パ
ターン原始ベクトル）の平均値、及び、入力パターン原
始行列（或いは入力パターン原始行列層、或いは入力パ
ターン原始ベクトル）の平均値を０に等しくしておいて
も良い。
【０５９２】また、以上の各実施例は、画像、音声、振
動波、動画像、立体について、標準パターン行列と入力
パターン行列（或いは標準パターン行列層と入力パター
ン行列層、或いは標準パターンベクトルと入力パターン
ベクトル）との間の形状距離値を算出し、一方、標準パ
ターン原始行列と入力パターン原始行列（或いは標準パ
ターン原始行列層と入力パターン原始行列層、或いは標
準パターン原始ベクトルと入力パターン原始ベクトル）
との間の形状距離値を算出したものであったが、一般に
は、平面、空間、線分を問わず任意の図形や模様につい
て、標準パターン行列と入力パターン行列（或いは標準
パターン行列層と入力パターン行列層、或いは標準パタ
ーンベクトルと入力パターンベクトル）との間の形状距
離値を算出し、一方、標準パターン原始行列と入力パタ
ーン原始行列（或いは標準パターン原始行列層と入力パ
ターン原始行列層、或いは標準パターン原始ベクトルと
入力パターン原始ベクトル）との間の形状距離値を算出
し、得られた形状距離値を以て図形や模様の類似度検出
を行うことができる。また、この類似度検出値に基づい
て図形や模様に関する解析等、各種処理を行うことがで
きる。
【０５９３】
【発明の効果】以上のように、この発明の画像の類似度
検出方法では、標準パターン行列と入力パターン行列と
の間の形状変化を、標準パターン加重行列と入力パター
ン加重行列との間のユークリッド距離として数値化し形
状距離値として算出する、一方、標準パターン原始行列
と入力パターン原始行列との間の形状変化を、標準パタ
ーン原始加重行列と入力パターン原始加重行列との間の
角度の余弦として数値化し形状距離値として算出するの
で、画像の濃度パターンを正規化する場合でも、正規化
しない場合でも、パターン行列、或いは、パターン原始
行列の形状差から形状距離値を算出することができ、正
確な画像の類似度検出値を得ることができる。更に、最
適な加重ベクトルを作成し形状距離値を算出するので、
同じカテゴリの標準画像と異なるカテゴリの標準画像の
分離が良くなり、正確な画像の類似度検出値を得ること
ができる。
【０５９４】また、本発明の画像認識方法では、正確な
画像の類似度検出値に基づいて画像認識を行うので、判
定の基準が信頼性の高いものとなり、画像認識の精度を
著しく向上できる利点がある。
【０５９５】次に、本発明の音声の類似度検出方法で
は、標準パターン行列と入力パターン行列との間の形状
変化を、標準パターン加重行列と入力パターン加重行列
との間のユークリッド距離として数値化し形状距離値と
して算出する、一方、標準パターン原始行列と入力パタ
ーン原始行列との間の形状変化を、標準パターン原始加
重行列と入力パターン原始加重行列との間の角度の余弦
として数値化し形状距離値として算出するので、音声の
パワースペクトルパターンを正規化する場合でも、正規
化しない場合でも、パターン行列、或いは、パターン原
始行列の形状差から形状距離値を算出することができ、
正確な音声の類似度検出値を得ることができる。更に、
最適な加重ベクトルを作成し形状距離値を算出するの
で、同じカテゴリの標準音声と異なるカテゴリの標準音
声の分離が良くなり、正確な音声の類似度検出値を得る
ことができる。
【０５９６】また、本発明の音声認識方法では、正確な
音声の類似度検出値に基づいて音声認識を行うので、判
定の基準が信頼性の高いものとなり、音声認識の精度を
著しく向上できる利点がある。
【０５９７】次に、本発明の振動波の類似度検出方法で
は、標準パターン行列と入力パターン行列との間の形状
変化を、標準パターン加重行列と入力パターン加重行列
との間のユークリッド距離として数値化し形状距離値と
して算出する、一方、標準パターン原始行列と入力パタ
ーン原始行列との間の形状変化を、標準パターン原始加
重行列と入力パターン原始加重行列との間の角度の余弦
として数値化し形状距離値として算出するので、振動波
のパワースペクトルパターンを正規化する場合でも、正
規化しない場合でも、パターン行列、或いは、パターン
原始行列の形状差から形状距離値を算出することがで
き、正確な振動波の類似度検出値を得ることができる。
更に、最適な加重ベクトルを作成し形状距離値を算出す
るので、同じカテゴリの標準振動波と異なるカテゴリの
標準振動波の分離が良くなり、正確な振動波の類似度検
出値を得ることができる。
【０５９８】また、本発明の機械の異常判定方法では、
正確な振動波の類似度検出値に基づいて異常の判定を行
うので、判定の基準が信頼性の高いものとなり、機械の
異常検知の精度を著しく向上できる利点がある。
【０５９９】次に、本発明の動画像の類似度検出方法で
は、標準パターン行列層と入力パターン行列層との間の
形状変化を、標準パターン加重行列層と入力パターン加
重行列層との間のユークリッド距離として数値化し形状
距離値として算出する、一方、標準パターン原始行列層
と入力パターン原始行列層との間の形状変化を、標準パ
ターン原始加重行列層と入力パターン原始加重行列層と
の間の角度の余弦として数値化し形状距離値として算出
するので、動画像の濃度パターンを正規化する場合で
も、正規化しない場合でも、パターン行列層、或いは、
パターン原始行列層の形状差から形状距離値を算出する
ことができ、正確な動画像の類似度検出値を得ることが
できる。更に、最適な加重ベクトルを作成し形状距離値
を算出するので、同じカテゴリの標準動画像と異なるカ
テゴリの標準動画像の分離が良くなり、正確な動画像の
類似度検出値を得ることができる。
【０６００】また、本発明の動画像認識方法では、正確
な動画像の類似度検出値に基づいて動画像認識を行うの
で、判定の基準が信頼性の高いものとなり、動画像認識
の精度を著しく向上できる利点がある。
【０６０１】次に、本発明の立体の類似度検出方法で
は、標準パターン行列層と入力パターン行列層との間の
形状変化を、標準パターン加重行列層と入力パターン加
重行列層との間のユークリッド距離として数値化し形状
距離値として算出する、一方、標準パターン原始行列層
と入力パターン原始行列層との間の形状変化を、標準パ
ターン原始加重行列層と入力パターン原始加重行列層と
の間の角度の余弦として数値化し形状距離値として算出
するので、立体の密度パターンを正規化する場合でも、
正規化しない場合でも、パターン行列層、或いは、パタ
ーン原始行列層の形状差から形状距離値を算出すること
ができ、正確な立体の類似度検出値を得ることができ
る。更に、最適な加重ベクトルを作成し形状距離値を算
出するので、同じカテゴリの標準立体と異なるカテゴリ
の標準立体の分離が良くなり、正確な立体の類似度検出
値を得ることができる。
【０６０２】また、本発明の立体認識方法では、正確な
立体の類似度検出値に基づいて立体認識を行うので、判
定の基準が信頼性の高いものとなり、立体認識の精度を
著しく向上できる利点がある。
【０６０３】次に、本発明の音声の類似度検出方法で
は、標準パターンベクトルと入力パターンベクトルとの
間の形状変化を、標準パターン加重ベクトルと入力パタ
ーン加重ベクトルとの間のユークリッド距離として数値
化し形状距離値として算出する、一方、標準パターン原
始ベクトルと入力パターン原始ベクトルとの間の形状変
化を、標準パターン原始加重ベクトルと入力パターン原
始加重ベクトルとの間の角度の余弦として数値化し形状
距離値として算出するので、音声のパワースペクトルパ
ターンを正規化する場合でも、正規化しない場合でも、
パターンベクトル、或いは、パターン原始ベクトルの形
状差から形状距離値を算出することができ、正確な音声
の類似度検出値を得ることができる。更に、最適な加重
ベクトルを作成し形状距離値を算出するので、同じカテ
ゴリの標準音声と異なるカテゴリの標準音声の分離が良
くなり、正確な音声の類似度検出値を得ることができ
る。
【０６０４】また、本発明の音声認識方法では、正確な
音声の類似度検出値に基づいて音声認識を行うので、判
定の基準が信頼性の高いものとなり、音声認識の精度を
著しく向上できる利点がある。
【０６０５】次に、本発明の振動波の類似度検出方法で
は、標準パターンベクトルと入力パターンベクトルとの
間の形状変化を、標準パターン加重ベクトルと入力パタ
ーン加重ベクトルとの間のユークリッド距離として数値
化し形状距離値として算出する、一方、標準パターン原
始ベクトルと入力パターン原始ベクトルとの間の形状変
化を、標準パターン原始加重ベクトルと入力パターン原
始加重ベクトルとの間の角度の余弦として数値化し形状
距離値として算出するので、振動波のパワースペクトル
パターンを正規化する場合でも、正規化しない場合で
も、パターンベクトル、或いは、パターン原始ベクトル
の形状差から形状距離値を算出することができ、正確な
振動波の類似度検出値を得ることができる。更に、最適
な加重ベクトルを作成し形状距離値を算出するので、同
じカテゴリの標準振動波と異なるカテゴリの標準振動波
の分離が良くなり、正確な振動波の類似度検出値を得る
ことができる。
【０６０６】また、本発明の機械の異常判定方法では、
正確な振動波の類似度検出値に基づいて異常の判定を行
うので、判定の基準が信頼性の高いものとなり、機械の
異常検知の精度を著しく向上できる利点がある。
【図面の簡単な説明】
【図１】本発明の一実施例において、アルファベット
“Ｅ”の画像の一例を示す図。
【図２】標準パターン原始行列と入力パターン原始行列
を（ｘ−ｙ）平面で表現する方法を示す図。
【図３】標準パターン行列と入力パターン行列を（ｘ−
ｙ）平面で表現する方法を示す図。
【図４】正規曲線と、その値を成分とする基準パターン
正ベクトル及び基準パターン負ベクトルの一例を示す
図。
【図５】基準パターン正ベクトルの中央部分だけが増加
した場合について、その増加量に対する基準パターン正
ベクトルの尖度の変化を示す図。
【図６】基準パターン正ベクトルの中間部分だけが増加
した場合について、その増加量に対する基準パターン正
ベクトルの尖度の変化を示す図。
【図７】基準パターン正ベクトルの端の部分だけが増加
した場合について、その増加量に対する基準パターン正
ベクトルの尖度の変化を示す図。
【図８】基準パターン正ベクトルの中央部分と中間部分
が同時に増加した場合について、その増加量に対する基
準パターン正ベクトルの尖度の変化を示す図。
【図９】基準パターン正ベクトルの中間部分と端の部分
が同時に増加した場合について、その増加量に対する基
準パターン正ベクトルの尖度の変化を示す図。
【図１０】基準パターン正ベクトルの中央部分と端の部
分が同時に増加した場合について、その増加量に対する
基準パターン正ベクトルの尖度の変化を示す図。
【図１１】基準パターン正ベクトルの中央部分と中間部
分が同時に増加した場合について、その増加量に対する
基準パターン正ベクトルの尖度の変化を示す図。
【図１２】基準パターン正ベクトルの中間部分と端の部
分が同時に増加した場合について、その増加量に対する
基準パターン正ベクトルの尖度の変化を示す図。
【図１３】基準パターン正ベクトルの中央部分と端の部
分が同時に増加した場合について、その増加量に対する
基準パターン正ベクトルの尖度の変化を示す図。
【図１４】基準パターンベクトルの尖度の変化率に基づ
いて加重ベクトルを作成する例を示す図。
【図１５】正規曲線と加重曲線との関係、及び、基準パ
ターンベクトルと加重ベクトルとの関係を示す図。
【図１６】（ｘ−ｙ）正規化平面上の正規曲線を３次元
で示す図。
【図１７】（ｘ−ｙ）正規化平面上の加重曲線を３次元
で示す図。
【図１８】正規曲線の中心が移動したときの正規曲線の
分散の値の変化例、及び、正規曲線の中心と点（ｉ1，
ｉ2）との間の長さの変化例を示す図。
【図１９】加重曲線の中心が移動したときの加重曲線の
変化例、及び、加重曲線の中心と点（ｉ1，ｉ2）との間
の長さの変化例を示す図。
【図２０】標準パターン加重行列の点、入力パターン加
重行列の点、標準パターン原始加重行列の点、入力パタ
ーン原始加重行列の点の関係を示す図。
【図２１】標準画像と入力画像の濃度の例を示す図。
【図２２】図２１に対応した標準画像と入力画像のパタ
ーン原始行列の例を示す図。
【図２３】標準画像と入力画像の濃度の他の例を示す
図。
【図２４】図２３に対応した標準画像と入力画像のパタ
ーン原始行列の例を示す図。
【図２５】図２２中のαに対し、標準パターン行列と入
力パターン行列との間の形状距離値が変化する様子を示
す図。
【図２６】図２２中のαに対し、標準パターン原始行列
と入力パターン原始行列との間の形状距離値が変化する
様子を示す図。
【図２７】図２４中のβに対し、標準パターン行列と入
力パターン行列との間の形状距離値が変化する様子を示
す図。
【図２８】図２４中のβに対し、標準パターン原始行列
と入力パターン原始行列との間の形状距離値が変化する
様子を示す図。
【図２９】標準画像と入力画像の濃度の他の例を示す
図。
【図３０】図２９に対応した標準画像と入力画像のパタ
ーン原始行列及びパターン行列の例を示す図。
【図３１】実験結果として、上段に、標準画像と、標準
画像と同じ入力画像及び標準画像とは異なる入力画像と
の間のユークリッド距離値の棒グラフを、下段に、標準
画像と、標準画像と同じ入力画像及び標準画像とは異な
る入力画像との間の形状距離値の棒グラフを示す図。
【図３２】実験結果として、上段に、標準画像と、標準
画像と同じ入力画像及び標準画像とは異なる入力画像と
の間の角度の余弦値の棒グラフを、下段に、標準画像
と、標準画像と同じ入力画像及び標準画像とは異なる入
力画像との間の形状距離値の棒グラフを示す図。
【図３３】画像を認識するためのフローチャートを示す
ブロック図。
【図３４】標準パターン加重行列の成分値を算出するた
めのフローチャートを示すブロック図。
【図３５】入力パターン加重行列の成分値を算出するた
めのフローチャートを示すブロック図。
【図３６】標準パターン加重行列の成分値を算出するた
めの処理手順を示す模式図。
【図３７】入力パターン加重行列の成分値を算出するた
めの処理手順を示す模式図。
【図３８】画像を認識するための他のフローチャートを
示すブロック図。
【図３９】標準パターン原始加重行列の成分値を算出す
るためのフローチャートを示すブロック図。
【図４０】入力パターン原始加重行列の成分値を算出す
るためのフローチャートを示すブロック図。
【図４１】標準パターン原始加重行列の成分値を算出す
るための処理手順を示す模式図。
【図４２】入力パターン原始加重行列の成分値を算出す
るための処理手順を示す模式図。
【図４３】画像の類似度検出装置の構造を示すブロック
図。
【図４４】画像の類似度検出装置の他の構造を示すブロ
ック図。
【図４５】アルファベット“Ｅ”の２値画像の２つの
例、及び、アルファベット“Ｆ”の２値画像の２つの例
を示す図。
【図４６】分散の値が変化したときの正規曲線の変化
例、及び、正規曲線の尖度の変化率に基づき作成した加
重曲線の変化例を示す図。
【図４７】正規曲線の尖度の変化率に基づき作成した加
重曲線を用いて形状距離を算出したとき、平均値の比の
値の変化を示す図。
【図４８】正規曲線の尖度の変化率に基づき作成した加
重曲線を用いて形状距離を算出したとき、平均値の差の
値の変化を示す図。
【図４９】余弦関数に基づき作成した加重曲線の変化例
を示す図。
【図５０】余弦関数に基づき作成した加重曲線を用いて
形状距離を算出したとき、平均値の比の値の変化を示す
図。
【図５１】余弦関数に基づき作成した加重曲線を用いて
形状距離を算出したとき、平均値の差の値の変化を示す
図。
【図５２】正規曲線の尖度の変化率に基づき作成した加
重曲線に対してｕ軸を伸縮する例を示す図。
【図５３】余弦関数に基づき作成した加重曲線に対して
ｕ軸を伸縮する例を示す図。
【図５４】加重曲線の中心が（ｘ−ｙ）正規化平面上を
移動するにつれて、１つの加重曲線に対してｕ軸を伸縮
する例を示す図。
【図５５】加重曲線の中心が（ｘ−ｙ）正規化平面上を
移動するにつれて、１つの加重曲線に対してｕ軸を伸縮
する他の例を示す図。
【図５６】最適な加重曲線を算出するためのフローチャ
ートを示すブロック図。
【図５７】平均値の比の値を算出するためのフローチャ
ートを示すブロック図。
【図５８】最適な加重曲線を算出するための他のフロー
チャートを示すブロック図。
【図５９】平均値の差の値を算出するためのフローチャ
ートを示すブロック図。
【図６０】アルファベット“Ｅ”を筆記するペンの動き
を時間を追って撮影した動画像の一例を示す図。
【図６１】標準パターン原始行列層を（ｘ−ｙ−時間）
空間で表現する方法を示す図。
【図６２】入力パターン原始行列層を（ｘ−ｙ−時間）
空間で表現する方法を示す図。
【図６３】標準パターン行列層を（ｘ−ｙ−時間）空間
で表現する方法を示す図。
【図６４】入力パターン行列層を（ｘ−ｙ−時間）空間
で表現する方法を示す図。
【図６５】正規曲線と、その値を成分とする基準パター
ン正ベクトル及び基準パターン負ベクトルの他の例を示
す図。
【図６６】基準パターンベクトルの尖度の変化率に基づ
いて加重ベクトルを作成する他の例を示す図。
【図６７】立体の密度分布を示す図。
【図６８】周波数正規化線分を示す図。
【図６９】正規曲線と、その値を成分とする基準パター
ン正ベクトル及び基準パターン負ベクトルの他の例を示
す図。
【図７０】基準パターンベクトルの尖度の変化率に基づ
いて加重ベクトルを作成する他の例を示す図。
【図７１】従来技術に関して、標準画像と入力画像の濃
度、パターン原始行列、パターン行列の例を示す図。
【図７２】従来技術に関して、アルファベット“Ｅ”の
２値画像の２つの例、及び、アルファベット“Ｆ”の２
値画像の２つの例を示す図。
【符号の説明】
１ 標準画像 ２ 標準画像と同じ入力画像 ３ 標準画像と同じ入力画像 ４ 標準画像とは異なる入力画像 ５ 標準画像 ６ 標準画像と同じ入力画像 ７ 標準画像とは異なる入力画像 ８ 標準画像とは異なる入力画像 ９ 標準画像 １０ 標準画像と同じ入力画像 １１ 標準画像とは異なる入力画像 １２ 標準画像とは異なる入力画像 １３ パターンベクトル生成器 １４ 加重ベクトル生成器 １５ パターン行列生成器 １６ パターン行列生成器 １７ 積和値の計算器 １８ 積和値の計算器 １９ ユークリッド距離の計算器 ２０ パターンベクトル生成器 ２１ 加重ベクトル生成器 ２２ パターン行列生成器 ２３ パターン行列生成器 ２４ 積和値の計算器 ２５ 積和値の計算器 ２６ 角度の余弦の計算器 ２７ 標準画像 ２８ 標準画像 ２９ 標準画像 ３０ 標準画像 ３１ 標準画像 ３２ 入力画像 ３３ 標準画像 ３４ 標準画像 ３５ 標準画像 ３６ 標準画像 ｄE２、ｄA２、ｄE３、ｄA３ 標準画像と、この標準画
像と同じ入力画像との間の形状距離値 ｄE４、ｄA４ 標準画像と、この標準画像とは異なる入
力画像との間の形状距離値 ｄE６、ｄA６ 標準画像と、この標準画像と同じ入力画
像との間の形状距離値 ｄE７、ｄA７、ｄE８、ｄA８ 標準画像と、この標準画
像とは異なる入力画像との間の形状距離値 ｄE１０、ｄA１０ 標準画像と、この標準画像と同じ入
力画像との間の形状距離値 ｄE１１、ｄA１１、ｄE１２、ｄA１２ 標準画像と、こ
の標準画像とは異なる入力画像との間の形状距離値 ｄE２７−２８、ｄA２７−２８、ｄE２９−３０、ｄA２
９−３０ 同じカテゴリの標準画像間の形状距離値 ｄE２７−２９、ｄA２７−２９、ｄE２７−３０、ｄA２
７−３０、ｄE２８−２９、ｄA２８−２９、ｄE２８−
３０、ｄA２８−３０ 異なるカテゴリの標準画像間の
形状距離値 ｄ３３−３４、ｄ３５−３６ 同じカテゴリの標準画像
間の形状距離値 ｄ３３−３５、ｄ３３−３６、ｄ３４−３５、ｄ３４−
３６ 異なるカテゴリの標準画像間の形状距離値
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ Ｇ１０Ｌ 3/00 ５３１Ｆ ５３１Ｇ ５３１Ｎ (56)参考文献 特開 平10−253444（ＪＰ，Ａ) 特開2002−91481（ＪＰ，Ａ) 特公 平４−59638（ＪＰ，Ｂ２) 草薙，平田，神内，山口，濱田，榊 原，形状距離パターンマッチング法を用 いた異常音検出，日本音響学会2000年春 季研究発表会講演論文集，日本，社団法 人日本音響学会，2000年 ３月15日, Ｉ，３−６−４，Ｐａｇｅｓ 509−510 (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 15/10 G01H 17/00 G06K 9/62 640 G06T 7/00 300 G06T 7/20 (54)【発明の名称】 画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、音声の類似度検出方法及 びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた 機械の異常判定方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方 法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法

Claims (42)

    (57)【特許請求の範囲】
  1. 【請求項１】 （ａ）標準画像の特徴量を成分とする標
    準パターン行列と、入力画像の特徴量を成分とする入力
    パターン行列とを作成すること、（ｂ）パターン行列の
    指定成分ごとに異なる分散の値を持つ、正規分布や矩形
    など任意の基準形状を作成し、上記基準形状の値を成分
    とする基準パターンベクトルを作成し、上記基準パター
    ンベクトルの尖度の変化率の値を成分とする加重ベクト
    ルを作成すること、（ｃ）標準パターン行列の指定成分
    と各成分との間の長さを求め、加重ベクトルの中心から
    上記長さだけ離れた位置に最も近い加重ベクトルの成分
    番号を算出し、加重ベクトルの上記成分番号の成分値と
    標準パターン行列の各成分の成分値との積の値を求め、
    上記積の値を標準パターン行列の各成分について加算し
    た積和値を算出すること、（ｄ）上記積和値を算出する
    に際し、標準パターン行列の指定成分を各成分の位置に
    移動しながら積和値を求め、上記積和値を指定成分の成
    分値とする標準パターン加重行列を作成すること、
    （ｅ）入力パターン行列の指定成分と各成分との間の長
    さを求め、加重ベクトルの中心から上記長さだけ離れた
    位置に最も近い加重ベクトルの成分番号を算出し、加重
    ベクトルの上記成分番号の成分値と入力パターン行列の
    各成分の成分値との積の値を求め、上記積の値を入力パ
    ターン行列の各成分について加算した積和値を算出する
    こと、（ｆ）上記積和値を算出するに際し、入力パター
    ン行列の指定成分を各成分の位置に移動しながら積和値
    を求め、上記積和値を指定成分の成分値とする入力パタ
    ーン加重行列を作成すること、（ｇ）標準パターン加重
    行列と入力パターン加重行列の各成分ごとの差の値の２
    乗和、あるいは同２乗和の平方根を、標準パターン行列
    と入力パターン行列との間の形状距離値とすることを特
    徴とする画像の類似度検出方法。
  2. 【請求項２】 前記加重ベクトルに代えて、同じカテゴ
    リの標準画像間の形状距離平均値を、異なるカテゴリの
    標準画像間の形状距離平均値で除算した平均値の比の値
    を求め、上記平均値の比の値を最小にする加重係数の値
    を成分とする加重ベクトルを作成することを特徴とする
    請求項１に記載の画像の類似度検出方法。
  3. 【請求項３】 請求項１または２に記載の画像の類似度
    検出方法で標準画像の特徴量を成分とする標準パターン
    行列と入力画像の特徴量を成分とする入力パターン行列
    との間の形状距離を求め、求めた形状距離値と任意に設
    定した許容値を比較し、形状距離値が許容値より大きい
    とき入力画像は標準画像でないと判定し、形状距離値が
    許容値以下のとき入力画像が標準画像であると判定する
    ことを特徴とする画像認識方法。
  4. 【請求項４】 （ａ）標準画像の特徴量を成分とする標
    準パターン原始行列と、入力画像の特徴量を成分とする
    入力パターン原始行列とを作成すること、（ｂ）パター
    ン原始行列の指定成分ごとに異なる分散の値を持つ、正
    規分布や矩形など任意の基準形状を作成し、上記基準形
    状の値を成分とする基準パターンベクトルを作成し、上
    記基準パターンベクトルの尖度の変化率の値を成分とす
    る加重ベクトルを作成すること、（ｃ）標準パターン原
    始行列の指定成分と各成分との間の長さを求め、加重ベ
    クトルの中心から上記長さだけ離れた位置に最も近い加
    重ベクトルの成分番号を算出し、加重ベクトルの上記成
    分番号の成分値と標準パターン原始行列の各成分の成分
    値との積の値を求め、上記積の値を標準パターン原始行
    列の各成分について加算した積和値を算出すること、
    （ｄ）上記積和値を算出するに際し、標準パターン原始
    行列の指定成分を各成分の位置に移動しながら積和値を
    求め、上記積和値を指定成分の成分値とする標準パター
    ン原始加重行列を作成すること、（ｅ）入力パターン原
    始行列の指定成分と各成分との間の長さを求め、加重ベ
    クトルの中心から上記長さだけ離れた位置に最も近い加
    重ベクトルの成分番号を算出し、加重ベクトルの上記成
    分番号の成分値と入力パターン原始行列の各成分の成分
    値との積の値を求め、上記積の値を入力パターン原始行
    列の各成分について加算した積和値を算出すること、
    （ｆ）上記積和値を算出するに際し、入力パターン原始
    行列の指定成分を各成分の位置に移動しながら積和値を
    求め、上記積和値を指定成分の成分値とする入力パター
    ン原始加重行列を作成すること、（ｇ）標準パターン原
    始加重行列と入力パターン原始加重行列の各成分ごとの
    積の和の値を、標準パターン原始加重行列の各成分の２
    乗和の平方根と入力パターン原始加重行列の各成分の２
    乗和の平方根で除算した比の値を以て、標準パターン原
    始行列と入力パターン原始行列との間の形状距離値とす
    ることを特徴とする画像の類似度検出方法。
  5. 【請求項５】 前記加重ベクトルに代えて、同じカテゴ
    リの標準画像間の形状距離平均値から、異なるカテゴリ
    の標準画像間の形状距離平均値を減算した平均値の差の
    値を求め、上記平均値の差の値を最大にする加重係数の
    値を成分とする加重ベクトルを作成することを特徴とす
    る請求項４に記載の画像の類似度検出方法。
  6. 【請求項６】 請求項４または５に記載の画像の類似度
    検出方法で標準画像の特徴量を成分とする標準パターン
    原始行列と入力画像の特徴量を成分とする入力パターン
    原始行列との間の形状距離を求め、求めた形状距離値と
    任意に設定した許容値を比較し、形状距離値が許容値よ
    り小さいとき入力画像は標準画像でないと判定し、形状
    距離値が許容値以上のとき入力画像が標準画像であると
    判定することを特徴とする画像認識方法。
  7. 【請求項７】 （ａ）標準音声の特徴量を成分とする標
    準パターン行列と、入力音声の特徴量を成分とする入力
    パターン行列とを作成すること、（ｂ）パターン行列の
    指定成分ごとに異なる分散の値を持つ、正規分布や矩形
    など任意の基準形状を作成し、上記基準形状の値を成分
    とする基準パターンベクトルを作成し、上記基準パター
    ンベクトルの尖度の変化率の値を成分とする加重ベクト
    ルを作成すること、（ｃ）標準パターン行列の指定成分
    と各成分との間の長さを求め、加重ベクトルの中心から
    上記長さだけ離れた位置に最も近い加重ベクトルの成分
    番号を算出し、加重ベクトルの上記成分番号の成分値と
    標準パターン行列の各成分の成分値との積の値を求め、
    上記積の値を標準パターン行列の各成分について加算し
    た積和値を算出すること、（ｄ）上記積和値を算出する
    に際し、標準パターン行列の指定成分を各成分の位置に
    移動しながら積和値を求め、上記積和値を指定成分の成
    分値とする標準パターン加重行列を作成すること、
    （ｅ）入力パターン行列の指定成分と各成分との間の長
    さを求め、加重ベクトルの中心から上記長さだけ離れた
    位置に最も近い加重ベクトルの成分番号を算出し、加重
    ベクトルの上記成分番号の成分値と入力パターン行列の
    各成分の成分値との積の値を求め、上記積の値を入力パ
    ターン行列の各成分について加算した積和値を算出する
    こと、（ｆ）上記積和値を算出するに際し、入力パター
    ン行列の指定成分を各成分の位置に移動しながら積和値
    を求め、上記積和値を指定成分の成分値とする入力パタ
    ーン加重行列を作成すること、（ｇ）標準パターン加重
    行列と入力パターン加重行列の各成分ごとの差の値の２
    乗和、あるいは同２乗和の平方根を、標準パターン行列
    と入力パターン行列との間の形状距離値とすることを特
    徴とする音声の類似度検出方法。
  8. 【請求項８】 前記加重ベクトルに代えて、同じカテゴ
    リの標準音声間の形状距離平均値を、異なるカテゴリの
    標準音声間の形状距離平均値で除算した平均値の比の値
    を求め、上記平均値の比の値を最小にする加重係数の値
    を成分とする加重ベクトルを作成することを特徴とする
    請求項７に記載の音声の類似度検出方法。
  9. 【請求項９】 請求項７または８に記載の音声の類似度
    検出方法で標準音声の特徴量を成分とする標準パターン
    行列と入力音声の特徴量を成分とする入力パターン行列
    との間の形状距離を求め、求めた形状距離値と任意に設
    定した許容値を比較し、形状距離値が許容値より大きい
    とき入力音声は標準音声でないと判定し、形状距離値が
    許容値以下のとき入力音声が標準音声であると判定する
    ことを特徴とする音声認識方法。
  10. 【請求項１０】 （ａ）標準音声の特徴量を成分とする
    標準パターン原始行列と、入力音声の特徴量を成分とす
    る入力パターン原始行列とを作成すること、（ｂ）パタ
    ーン原始行列の指定成分ごとに異なる分散の値を持つ、
    正規分布や矩形など任意の基準形状を作成し、上記基準
    形状の値を成分とする基準パターンベクトルを作成し、
    上記基準パターンベクトルの尖度の変化率の値を成分と
    する加重ベクトルを作成すること、（ｃ）標準パターン
    原始行列の指定成分と各成分との間の長さを求め、加重
    ベクトルの中心から上記長さだけ離れた位置に最も近い
    加重ベクトルの成分番号を算出し、加重ベクトルの上記
    成分番号の成分値と標準パターン原始行列の各成分の成
    分値との積の値を求め、上記積の値を標準パターン原始
    行列の各成分について加算した積和値を算出すること、
    （ｄ）上記積和値を算出するに際し、標準パターン原始
    行列の指定成分を各成分の位置に移動しながら積和値を
    求め、上記積和値を指定成分の成分値とする標準パター
    ン原始加重行列を作成すること、（ｅ）入力パターン原
    始行列の指定成分と各成分との間の長さを求め、加重ベ
    クトルの中心から上記長さだけ離れた位置に最も近い加
    重ベクトルの成分番号を算出し、加重ベクトルの上記成
    分番号の成分値と入力パターン原始行列の各成分の成分
    値との積の値を求め、上記積の値を入力パターン原始行
    列の各成分について加算した積和値を算出すること、
    （ｆ）上記積和値を算出するに際し、入力パターン原始
    行列の指定成分を各成分の位置に移動しながら積和値を
    求め、上記積和値を指定成分の成分値とする入力パター
    ン原始加重行列を作成すること、（ｇ）標準パターン原
    始加重行列と入力パターン原始加重行列の各成分ごとの
    積の和の値を、標準パターン原始加重行列の各成分の２
    乗和の平方根と入力パターン原始加重行列の各成分の２
    乗和の平方根で除算した比の値を以て、標準パターン原
    始行列と入力パターン原始行列との間の形状距離値とす
    ることを特徴とする音声の類似度検出方法。
  11. 【請求項１１】 前記加重ベクトルに代えて、同じカテ
    ゴリの標準音声間の形状距離平均値から、異なるカテゴ
    リの標準音声間の形状距離平均値を減算した平均値の差
    の値を求め、上記平均値の差の値を最大にする加重係数
    の値を成分とする加重ベクトルを作成することを特徴と
    する請求項１０に記載の音声の類似度検出方法。
  12. 【請求項１２】 請求項１０または１１に記載の音声の
    類似度検出方法で標準音声の特徴量を成分とする標準パ
    ターン原始行列と入力音声の特徴量を成分とする入力パ
    ターン原始行列との間の形状距離を求め、求めた形状距
    離値と任意に設定した許容値を比較し、形状距離値が許
    容値より小さいとき入力音声は標準音声でないと判定
    し、形状距離値が許容値以上のとき入力音声が標準音声
    であると判定することを特徴とする音声認識方法。
  13. 【請求項１３】 （ａ）標準振動波の特徴量を成分とす
    る標準パターン行列と、入力振動波の特徴量を成分とす
    る入力パターン行列とを作成すること、（ｂ）パターン
    行列の指定成分ごとに異なる分散の値を持つ、正規分布
    や矩形など任意の基準形状を作成し、上記基準形状の値
    を成分とする基準パターンベクトルを作成し、上記基準
    パターンベクトルの尖度の変化率の値を成分とする加重
    ベクトルを作成すること、（ｃ）標準パターン行列の指
    定成分と各成分との間の長さを求め、加重ベクトルの中
    心から上記長さだけ離れた位置に最も近い加重ベクトル
    の成分番号を算出し、加重ベクトルの上記成分番号の成
    分値と標準パターン行列の各成分の成分値との積の値を
    求め、上記積の値を標準パターン行列の各成分について
    加算した積和値を算出すること、（ｄ）上記積和値を算
    出するに際し、標準パターン行列の指定成分を各成分の
    位置に移動しながら積和値を求め、上記積和値を指定成
    分の成分値とする標準パターン加重行列を作成するこ
    と、（ｅ）入力パターン行列の指定成分と各成分との間
    の長さを求め、加重ベクトルの中心から上記長さだけ離
    れた位置に最も近い加重ベクトルの成分番号を算出し、
    加重ベクトルの上記成分番号の成分値と入力パターン行
    列の各成分の成分値との積の値を求め、上記積の値を入
    力パターン行列の各成分について加算した積和値を算出
    すること、（ｆ）上記積和値を算出するに際し、入力パ
    ターン行列の指定成分を各成分の位置に移動しながら積
    和値を求め、上記積和値を指定成分の成分値とする入力
    パターン加重行列を作成すること、（ｇ）標準パターン
    加重行列と入力パターン加重行列の各成分ごとの差の値
    の２乗和、あるいは同２乗和の平方根を、標準パターン
    行列と入力パターン行列との間の形状距離値とすること
    を特徴とする振動波の類似度検出方法。
  14. 【請求項１４】 前記加重ベクトルに代えて、同じカテ
    ゴリの標準振動波間の形状距離平均値を、異なるカテゴ
    リの標準振動波間の形状距離平均値で除算した平均値の
    比の値を求め、上記平均値の比の値を最小にする加重係
    数の値を成分とする加重ベクトルを作成することを特徴
    とする請求項１３に記載の振動波の類似度検出方法。
  15. 【請求項１５】 請求項１３または１４に記載の振動波
    の類似度検出方法で標準振動波の特徴量を成分とする標
    準パターン行列と入力振動波の特徴量を成分とする入力
    パターン行列との間の形状距離を求め、求めた形状距離
    値と任意に設定した許容値を比較し、形状距離値が許容
    値より大きいとき異常と判定し、形状距離値が許容値以
    下のとき正常と判定することを特徴とする機械の異常判
    定方法。
  16. 【請求項１６】 （ａ）標準振動波の特徴量を成分とす
    る標準パターン原始行列と、入力振動波の特徴量を成分
    とする入力パターン原始行列とを作成すること、（ｂ）
    パターン原始行列の指定成分ごとに異なる分散の値を持
    つ、正規分布や矩形など任意の基準形状を作成し、上記
    基準形状の値を成分とする基準パターンベクトルを作成
    し、上記基準パターンベクトルの尖度の変化率の値を成
    分とする加重ベクトルを作成すること、（ｃ）標準パタ
    ーン原始行列の指定成分と各成分との間の長さを求め、
    加重ベクトルの中心から上記長さだけ離れた位置に最も
    近い加重ベクトルの成分番号を算出し、加重ベクトルの
    上記成分番号の成分値と標準パターン原始行列の各成分
    の成分値との積の値を求め、上記積の値を標準パターン
    原始行列の各成分について加算した積和値を算出するこ
    と、（ｄ）上記積和値を算出するに際し、標準パターン
    原始行列の指定成分を各成分の位置に移動しながら積和
    値を求め、上記積和値を指定成分の成分値とする標準パ
    ターン原始加重行列を作成すること、（ｅ）入力パター
    ン原始行列の指定成分と各成分との間の長さを求め、加
    重ベクトルの中心から上記長さだけ離れた位置に最も近
    い加重ベクトルの成分番号を算出し、加重ベクトルの上
    記成分番号の成分値と入力パターン原始行列の各成分の
    成分値との積の値を求め、上記積の値を入力パターン原
    始行列の各成分について加算した積和値を算出するこ
    と、（ｆ）上記積和値を算出するに際し、入力パターン
    原始行列の指定成分を各成分の位置に移動しながら積和
    値を求め、上記積和値を指定成分の成分値とする入力パ
    ターン原始加重行列を作成すること、（ｇ）標準パター
    ン原始加重行列と入力パターン原始加重行列の各成分ご
    との積の和の値を、標準パターン原始加重行列の各成分
    の２乗和の平方根と入力パターン原始加重行列の各成分
    の２乗和の平方根で除算した比の値を以て、標準パター
    ン原始行列と入力パターン原始行列との間の形状距離値
    とすることを特徴とする振動波の類似度検出方法。
  17. 【請求項１７】 前記加重ベクトルに代えて、同じカテ
    ゴリの標準振動波間の形状距離平均値から、異なるカテ
    ゴリの標準振動波間の形状距離平均値を減算した平均値
    の差の値を求め、上記平均値の差の値を最大にする加重
    係数の値を成分とする加重ベクトルを作成することを特
    徴とする請求項１６に記載の振動波の類似度検出方法。
  18. 【請求項１８】 請求項１６または１７に記載の振動波
    の類似度検出方法で標準振動波の特徴量を成分とする標
    準パターン原始行列と入力振動波の特徴量を成分とする
    入力パターン原始行列との間の形状距離を求め、求めた
    形状距離値と任意に設定した許容値を比較し、形状距離
    値が許容値より小さいとき異常と判定し、形状距離値が
    許容値以上のとき正常と判定することを特徴とする機械
    の異常判定方法。
  19. 【請求項１９】 （ａ）標準動画像の特徴量を成分とす
    る標準パターン行列層と、入力動画像の特徴量を成分と
    する入力パターン行列層とを作成すること、（ｂ）パタ
    ーン行列層の指定成分ごとに異なる分散の値を持つ、正
    規分布や矩形など任意の基準形状を作成し、上記基準形
    状の値を成分とする基準パターンベクトルを作成し、上
    記基準パターンベクトルの尖度の変化率の値を成分とす
    る加重ベクトルを作成すること、（ｃ）標準パターン行
    列層の指定成分と各成分との間の長さを求め、加重ベク
    トルの中心から上記長さだけ離れた位置に最も近い加重
    ベクトルの成分番号を算出し、加重ベクトルの上記成分
    番号の成分値と標準パターン行列層の各成分の成分値と
    の積の値を求め、上記積の値を標準パターン行列層の各
    成分について加算した積和値を算出すること、（ｄ）上
    記積和値を算出するに際し、標準パターン行列層の指定
    成分を各成分の位置に移動しながら積和値を求め、上記
    積和値を指定成分の成分値とする標準パターン加重行列
    層を作成すること、（ｅ）入力パターン行列層の指定成
    分と各成分との間の長さを求め、加重ベクトルの中心か
    ら上記長さだけ離れた位置に最も近い加重ベクトルの成
    分番号を算出し、加重ベクトルの上記成分番号の成分値
    と入力パターン行列層の各成分の成分値との積の値を求
    め、上記積の値を入力パターン行列層の各成分について
    加算した積和値を算出すること、（ｆ）上記積和値を算
    出するに際し、入力パターン行列層の指定成分を各成分
    の位置に移動しながら積和値を求め、上記積和値を指定
    成分の成分値とする入力パターン加重行列層を作成する
    こと、（ｇ）標準パターン加重行列層と入力パターン加
    重行列層の各成分ごとの差の値の２乗和、あるいは同２
    乗和の平方根を、標準パターン行列層と入力パターン行
    列層との間の形状距離値とすることを特徴とする動画像
    の類似度検出方法。
  20. 【請求項２０】 前記加重ベクトルに代えて、同じカテ
    ゴリの標準動画像間の形状距離平均値を、異なるカテゴ
    リの標準動画像間の形状距離平均値で除算した平均値の
    比の値を求め、上記平均値の比の値を最小にする加重係
    数の値を成分とする加重ベクトルを作成することを特徴
    とする請求項１９に記載の動画像の類似度検出方法。
  21. 【請求項２１】 請求項１９または２０に記載の動画像
    の類似度検出方法で標準動画像の特徴量を成分とする標
    準パターン行列層と入力動画像の特徴量を成分とする入
    力パターン行列層との間の形状距離を求め、求めた形状
    距離値と任意に設定した許容値を比較し、形状距離値が
    許容値より大きいとき入力動画像は標準動画像でないと
    判定し、形状距離値が許容値以下のとき入力動画像が標
    準動画像であると判定することを特徴とする動画像認識
    方法。
  22. 【請求項２２】 （ａ）標準動画像の特徴量を成分とす
    る標準パターン原始行列層と、入力動画像の特徴量を成
    分とする入力パターン原始行列層とを作成すること、
    （ｂ）パターン原始行列層の指定成分ごとに異なる分散
    の値を持つ、正規分布や矩形など任意の基準形状を作成
    し、上記基準形状の値を成分とする基準パターンベクト
    ルを作成し、上記基準パターンベクトルの尖度の変化率
    の値を成分とする加重ベクトルを作成すること、（ｃ）
    標準パターン原始行列層の指定成分と各成分との間の長
    さを求め、加重ベクトルの中心から上記長さだけ離れた
    位置に最も近い加重ベクトルの成分番号を算出し、加重
    ベクトルの上記成分番号の成分値と標準パターン原始行
    列層の各成分の成分値との積の値を求め、上記積の値を
    標準パターン原始行列層の各成分について加算した積和
    値を算出すること、（ｄ）上記積和値を算出するに際
    し、標準パターン原始行列層の指定成分を各成分の位置
    に移動しながら積和値を求め、上記積和値を指定成分の
    成分値とする標準パターン原始加重行列層を作成するこ
    と、（ｅ）入力パターン原始行列層の指定成分と各成分
    との間の長さを求め、加重ベクトルの中心から上記長さ
    だけ離れた位置に最も近い加重ベクトルの成分番号を算
    出し、加重ベクトルの上記成分番号の成分値と入力パタ
    ーン原始行列層の各成分の成分値との積の値を求め、上
    記積の値を入力パターン原始行列層の各成分について加
    算した積和値を算出すること、（ｆ）上記積和値を算出
    するに際し、入力パターン原始行列層の指定成分を各成
    分の位置に移動しながら積和値を求め、上記積和値を指
    定成分の成分値とする入力パターン原始加重行列層を作
    成すること、（ｇ）標準パターン原始加重行列層と入力
    パターン原始加重行列層の各成分ごとの積の和の値を、
    標準パターン原始加重行列層の各成分の２乗和の平方根
    と入力パターン原始加重行列層の各成分の２乗和の平方
    根で除算した比の値を以て、標準パターン原始行列層と
    入力パターン原始行列層との間の形状距離値とすること
    を特徴とする動画像の類似度検出方法。
  23. 【請求項２３】 前記加重ベクトルに代えて、同じカテ
    ゴリの標準動画像間の形状距離平均値から、異なるカテ
    ゴリの標準動画像間の形状距離平均値を減算した平均値
    の差の値を求め、上記平均値の差の値を最大にする加重
    係数の値を成分とする加重ベクトルを作成することを特
    徴とする請求項２２に記載の動画像の類似度検出方法。
  24. 【請求項２４】 請求項２２または２３に記載の動画像
    の類似度検出方法で標準動画像の特徴量を成分とする標
    準パターン原始行列層と入力動画像の特徴量を成分とす
    る入力パターン原始行列層との間の形状距離を求め、求
    めた形状距離値と任意に設定した許容値を比較し、形状
    距離値が許容値より小さいとき入力動画像は標準動画像
    でないと判定し、形状距離値が許容値以上のとき入力動
    画像が標準動画像であると判定することを特徴とする動
    画像認識方法。
  25. 【請求項２５】 （ａ）標準立体の特徴量を成分とする
    標準パターン行列層と、入力立体の特徴量を成分とする
    入力パターン行列層とを作成すること、（ｂ）パターン
    行列層の指定成分ごとに異なる分散の値を持つ、正規分
    布や矩形など任意の基準形状を作成し、上記基準形状の
    値を成分とする基準パターンベクトルを作成し、上記基
    準パターンベクトルの尖度の変化率の値を成分とする加
    重ベクトルを作成すること、（ｃ）標準パターン行列層
    の指定成分と各成分との間の長さを求め、加重ベクトル
    の中心から上記長さだけ離れた位置に最も近い加重ベク
    トルの成分番号を算出し、加重ベクトルの上記成分番号
    の成分値と標準パターン行列層の各成分の成分値との積
    の値を求め、上記積の値を標準パターン行列層の各成分
    について加算した積和値を算出すること、（ｄ）上記積
    和値を算出するに際し、標準パターン行列層の指定成分
    を各成分の位置に移動しながら積和値を求め、上記積和
    値を指定成分の成分値とする標準パターン加重行列層を
    作成すること、（ｅ）入力パターン行列層の指定成分と
    各成分との間の長さを求め、加重ベクトルの中心から上
    記長さだけ離れた位置に最も近い加重ベクトルの成分番
    号を算出し、加重ベクトルの上記成分番号の成分値と入
    力パターン行列層の各成分の成分値との積の値を求め、
    上記積の値を入力パターン行列層の各成分について加算
    した積和値を算出すること、（ｆ）上記積和値を算出す
    るに際し、入力パターン行列層の指定成分を各成分の位
    置に移動しながら積和値を求め、上記積和値を指定成分
    の成分値とする入力パターン加重行列層を作成するこ
    と、（ｇ）標準パターン加重行列層と入力パターン加重
    行列層の各成分ごとの差の値の２乗和、あるいは同２乗
    和の平方根を、標準パターン行列層と入力パターン行列
    層との間の形状距離値とすることを特徴とする立体の類
    似度検出方法。
  26. 【請求項２６】 前記加重ベクトルに代えて、同じカテ
    ゴリの標準立体間の形状距離平均値を、異なるカテゴリ
    の標準立体間の形状距離平均値で除算した平均値の比の
    値を求め、上記平均値の比の値を最小にする加重係数の
    値を成分とする加重ベクトルを作成することを特徴とす
    る請求項２５に記載の立体の類似度検出方法。
  27. 【請求項２７】 請求項２５または２６に記載の立体の
    類似度検出方法で標準立体の特徴量を成分とする標準パ
    ターン行列層と入力立体の特徴量を成分とする入力パタ
    ーン行列層との間の形状距離を求め、求めた形状距離値
    と任意に設定した許容値を比較し、形状距離値が許容値
    より大きいとき入力立体は標準立体でないと判定し、形
    状距離値が許容値以下のとき入力立体が標準立体である
    と判定することを特徴とする立体認識方法。
  28. 【請求項２８】 （ａ）標準立体の特徴量を成分とする
    標準パターン原始行列層と、入力立体の特徴量を成分と
    する入力パターン原始行列層とを作成すること、（ｂ）
    パターン原始行列層の指定成分ごとに異なる分散の値を
    持つ、正規分布や矩形など任意の基準形状を作成し、上
    記基準形状の値を成分とする基準パターンベクトルを作
    成し、上記基準パターンベクトルの尖度の変化率の値を
    成分とする加重ベクトルを作成すること、（ｃ）標準パ
    ターン原始行列層の指定成分と各成分との間の長さを求
    め、加重ベクトルの中心から上記長さだけ離れた位置に
    最も近い加重ベクトルの成分番号を算出し、加重ベクト
    ルの上記成分番号の成分値と標準パターン原始行列層の
    各成分の成分値との積の値を求め、上記積の値を標準パ
    ターン原始行列層の各成分について加算した積和値を算
    出すること、（ｄ）上記積和値を算出するに際し、標準
    パターン原始行列層の指定成分を各成分の位置に移動し
    ながら積和値を求め、上記積和値を指定成分の成分値と
    する標準パターン原始加重行列層を作成すること、
    （ｅ）入力パターン原始行列層の指定成分と各成分との
    間の長さを求め、加重ベクトルの中心から上記長さだけ
    離れた位置に最も近い加重ベクトルの成分番号を算出
    し、加重ベクトルの上記成分番号の成分値と入力パター
    ン原始行列層の各成分の成分値との積の値を求め、上記
    積の値を入力パターン原始行列層の各成分について加算
    した積和値を算出すること、（ｆ）上記積和値を算出す
    るに際し、入力パターン原始行列層の指定成分を各成分
    の位置に移動しながら積和値を求め、上記積和値を指定
    成分の成分値とする入力パターン原始加重行列層を作成
    すること、（ｇ）標準パターン原始加重行列層と入力パ
    ターン原始加重行列層の各成分ごとの積の和の値を、標
    準パターン原始加重行列層の各成分の２乗和の平方根と
    入力パターン原始加重行列層の各成分の２乗和の平方根
    で除算した比の値を以て、標準パターン原始行列層と入
    力パターン原始行列層との間の形状距離値とすることを
    特徴とする立体の類似度検出方法。
  29. 【請求項２９】 前記加重ベクトルに代えて、同じカテ
    ゴリの標準立体間の形状距離平均値から、異なるカテゴ
    リの標準立体間の形状距離平均値を減算した平均値の差
    の値を求め、上記平均値の差の値を最大にする加重係数
    の値を成分とする加重ベクトルを作成することを特徴と
    する請求項２８に記載の立体の類似度検出方法。
  30. 【請求項３０】 請求項２８または２９に記載の立体の
    類似度検出方法で標準立体の特徴量を成分とする標準パ
    ターン原始行列層と入力立体の特徴量を成分とする入力
    パターン原始行列層との間の形状距離を求め、求めた形
    状距離値と任意に設定した許容値を比較し、形状距離値
    が許容値より小さいとき入力立体は標準立体でないと判
    定し、形状距離値が許容値以上のとき入力立体が標準立
    体であると判定することを特徴とする立体認識方法。
  31. 【請求項３１】 （ａ）標準音声の特徴量を成分とする
    標準パターンベクトルと、入力音声の特徴量を成分とす
    る入力パターンベクトルとを作成すること、（ｂ）パタ
    ーンベクトルの指定成分ごとに異なる分散の値を持つ、
    正規分布や矩形など任意の基準形状を作成し、上記基準
    形状の値を成分とする基準パターンベクトルを作成し、
    上記基準パターンベクトルの尖度の変化率の値を成分と
    する加重ベクトルを作成すること、（ｃ）標準パターン
    ベクトルの指定成分と各成分との間の長さを求め、加重
    ベクトルの中心から上記長さだけ離れた位置に最も近い
    加重ベクトルの成分番号を算出し、加重ベクトルの上記
    成分番号の成分値と標準パターンベクトルの各成分の成
    分値との積の値を求め、上記積の値を標準パターンベク
    トルの各成分について加算した積和値を算出すること、
    （ｄ）上記積和値を算出するに際し、標準パターンベク
    トルの指定成分を各成分の位置に移動しながら積和値を
    求め、上記積和値を指定成分の成分値とする標準パター
    ン加重ベクトルを作成すること、（ｅ）入力パターンベ
    クトルの指定成分と各成分との間の長さを求め、加重ベ
    クトルの中心から上記長さだけ離れた位置に最も近い加
    重ベクトルの成分番号を算出し、加重ベクトルの上記成
    分番号の成分値と入力パターンベクトルの各成分の成分
    値との積の値を求め、上記積の値を入力パターンベクト
    ルの各成分について加算した積和値を算出すること、
    （ｆ）上記積和値を算出するに際し、入力パターンベク
    トルの指定成分を各成分の位置に移動しながら積和値を
    求め、上記積和値を指定成分の成分値とする入力パター
    ン加重ベクトルを作成すること、（ｇ）標準パターン加
    重ベクトルと入力パターン加重ベクトルの各成分ごとの
    差の値の２乗和、あるいは同２乗和の平方根を、標準パ
    ターンベクトルと入力パターンベクトルとの間の形状距
    離値とすることを特徴とする音声の類似度検出方法。
  32. 【請求項３２】 前記加重ベクトルに代えて、同じカテ
    ゴリの標準音声間の形状距離平均値を、異なるカテゴリ
    の標準音声間の形状距離平均値で除算した平均値の比の
    値を求め、上記平均値の比の値を最小にする加重係数の
    値を成分とする加重ベクトルを作成することを特徴とす
    る請求項３１に記載の音声の類似度検出方法。
  33. 【請求項３３】 請求項３１または３２に記載の音声の
    類似度検出方法で標準音声の特徴量を成分とする標準パ
    ターンベクトルと入力音声の特徴量を成分とする入力パ
    ターンベクトルとの間の形状距離を求め、求めた形状距
    離値と任意に設定した許容値を比較し、形状距離値が許
    容値より大きいとき入力音声は標準音声でないと判定
    し、形状距離値が許容値以下のとき入力音声が標準音声
    であると判定することを特徴とする音声認識方法。
  34. 【請求項３４】 （ａ）標準音声の特徴量を成分とする
    標準パターン原始ベクトルと、入力音声の特徴量を成分
    とする入力パターン原始ベクトルとを作成すること、
    （ｂ）パターン原始ベクトルの指定成分ごとに異なる分
    散の値を持つ、正規分布や矩形など任意の基準形状を作
    成し、上記基準形状の値を成分とする基準パターンベク
    トルを作成し、上記基準パターンベクトルの尖度の変化
    率の値を成分とする加重ベクトルを作成すること、
    （ｃ）標準パターン原始ベクトルの指定成分と各成分と
    の間の長さを求め、加重ベクトルの中心から上記長さだ
    け離れた位置に最も近い加重ベクトルの成分番号を算出
    し、加重ベクトルの上記成分番号の成分値と標準パター
    ン原始ベクトルの各成分の成分値との積の値を求め、上
    記積の値を標準パターン原始ベクトルの各成分について
    加算した積和値を算出すること、（ｄ）上記積和値を算
    出するに際し、標準パターン原始ベクトルの指定成分を
    各成分の位置に移動しながら積和値を求め、上記積和値
    を指定成分の成分値とする標準パターン原始加重ベクト
    ルを作成すること、（ｅ）入力パターン原始ベクトルの
    指定成分と各成分との間の長さを求め、加重ベクトルの
    中心から上記長さだけ離れた位置に最も近い加重ベクト
    ルの成分番号を算出し、加重ベクトルの上記成分番号の
    成分値と入力パターン原始ベクトルの各成分の成分値と
    の積の値を求め、上記積の値を入力パターン原始ベクト
    ルの各成分について加算した積和値を算出すること、
    （ｆ）上記積和値を算出するに際し、入力パターン原始
    ベクトルの指定成分を各成分の位置に移動しながら積和
    値を求め、上記積和値を指定成分の成分値とする入力パ
    ターン原始加重ベクトルを作成すること、（ｇ）標準パ
    ターン原始加重ベクトルと入力パターン原始加重ベクト
    ルの各成分ごとの積の和の値を、標準パターン原始加重
    ベクトルの各成分の２乗和の平方根と入力パターン原始
    加重ベクトルの各成分の２乗和の平方根で除算した比の
    値を以て、標準パターン原始ベクトルと入力パターン原
    始ベクトルとの間の形状距離値とすることを特徴とする
    音声の類似度検出方法。
  35. 【請求項３５】 前記加重ベクトルに代えて、同じカテ
    ゴリの標準音声間の形状距離平均値から、異なるカテゴ
    リの標準音声間の形状距離平均値を減算した平均値の差
    の値を求め、上記平均値の差の値を最大にする加重係数
    の値を成分とする加重ベクトルを作成することを特徴と
    する請求項３４に記載の音声の類似度検出方法。
  36. 【請求項３６】 請求項３４または３５に記載の音声の
    類似度検出方法で標準音声の特徴量を成分とする標準パ
    ターン原始ベクトルと入力音声の特徴量を成分とする入
    力パターン原始ベクトルとの間の形状距離を求め、求め
    た形状距離値と任意に設定した許容値を比較し、形状距
    離値が許容値より小さいとき入力音声は標準音声でない
    と判定し、形状距離値が許容値以上のとき入力音声が標
    準音声であると判定することを特徴とする音声認識方
    法。
  37. 【請求項３７】 （ａ）標準振動波の特徴量を成分とす
    る標準パターンベクトルと、入力振動波の特徴量を成分
    とする入力パターンベクトルとを作成すること、（ｂ）
    パターンベクトルの指定成分ごとに異なる分散の値を持
    つ、正規分布や矩形など任意の基準形状を作成し、上記
    基準形状の値を成分とする基準パターンベクトルを作成
    し、上記基準パターンベクトルの尖度の変化率の値を成
    分とする加重ベクトルを作成すること、（ｃ）標準パタ
    ーンベクトルの指定成分と各成分との間の長さを求め、
    加重ベクトルの中心から上記長さだけ離れた位置に最も
    近い加重ベクトルの成分番号を算出し、加重ベクトルの
    上記成分番号の成分値と標準パターンベクトルの各成分
    の成分値との積の値を求め、上記積の値を標準パターン
    ベクトルの各成分について加算した積和値を算出するこ
    と、（ｄ）上記積和値を算出するに際し、標準パターン
    ベクトルの指定成分を各成分の位置に移動しながら積和
    値を求め、上記積和値を指定成分の成分値とする標準パ
    ターン加重ベクトルを作成すること、（ｅ）入力パター
    ンベクトルの指定成分と各成分との間の長さを求め、加
    重ベクトルの中心から上記長さだけ離れた位置に最も近
    い加重ベクトルの成分番号を算出し、加重ベクトルの上
    記成分番号の成分値と入力パターンベクトルの各成分の
    成分値との積の値を求め、上記積の値を入力パターンベ
    クトルの各成分について加算した積和値を算出するこ
    と、（ｆ）上記積和値を算出するに際し、入力パターン
    ベクトルの指定成分を各成分の位置に移動しながら積和
    値を求め、上記積和値を指定成分の成分値とする入力パ
    ターン加重ベクトルを作成すること、（ｇ）標準パター
    ン加重ベクトルと入力パターン加重ベクトルの各成分ご
    との差の値の２乗和、あるいは同２乗和の平方根を、標
    準パターンベクトルと入力パターンベクトルとの間の形
    状距離値とすることを特徴とする振動波の類似度検出方
    法。
  38. 【請求項３８】 前記加重ベクトルに代えて、同じカテ
    ゴリの標準振動波間の形状距離平均値を、異なるカテゴ
    リの標準振動波間の形状距離平均値で除算した平均値の
    比の値を求め、上記平均値の比の値を最小にする加重係
    数の値を成分とする加重ベクトルを作成することを特徴
    とする請求項３７に記載の振動波の類似度検出方法。
  39. 【請求項３９】 請求項３７または３８に記載の振動波
    の類似度検出方法で標準振動波の特徴量を成分とする標
    準パターンベクトルと入力振動波の特徴量を成分とする
    入力パターンベクトルとの間の形状距離を求め、求めた
    形状距離値と任意に設定した許容値を比較し、形状距離
    値が許容値より大きいとき異常と判定し、形状距離値が
    許容値以下のとき正常と判定することを特徴とする機械
    の異常判定方法。
  40. 【請求項４０】 （ａ）標準振動波の特徴量を成分とす
    る標準パターン原始ベクトルと、入力振動波の特徴量を
    成分とする入力パターン原始ベクトルとを作成するこ
    と、（ｂ）パターン原始ベクトルの指定成分ごとに異な
    る分散の値を持つ、正規分布や矩形など任意の基準形状
    を作成し、上記基準形状の値を成分とする基準パターン
    ベクトルを作成し、上記基準パターンベクトルの尖度の
    変化率の値を成分とする加重ベクトルを作成すること、
    （ｃ）標準パターン原始ベクトルの指定成分と各成分と
    の間の長さを求め、加重ベクトルの中心から上記長さだ
    け離れた位置に最も近い加重ベクトルの成分番号を算出
    し、加重ベクトルの上記成分番号の成分値と標準パター
    ン原始ベクトルの各成分の成分値との積の値を求め、上
    記積の値を標準パターン原始ベクトルの各成分について
    加算した積和値を算出すること、（ｄ）上記積和値を算
    出するに際し、標準パターン原始ベクトルの指定成分を
    各成分の位置に移動しながら積和値を求め、上記積和値
    を指定成分の成分値とする標準パターン原始加重ベクト
    ルを作成すること、（ｅ）入力パターン原始ベクトルの
    指定成分と各成分との間の長さを求め、加重ベクトルの
    中心から上記長さだけ離れた位置に最も近い加重ベクト
    ルの成分番号を算出し、加重ベクトルの上記成分番号の
    成分値と入力パターン原始ベクトルの各成分の成分値と
    の積の値を求め、上記積の値を入力パターン原始ベクト
    ルの各成分について加算した積和値を算出すること、
    （ｆ）上記積和値を算出するに際し、入力パターン原始
    ベクトルの指定成分を各成分の位置に移動しながら積和
    値を求め、上記積和値を指定成分の成分値とする入力パ
    ターン原始加重ベクトルを作成すること、（ｇ）標準パ
    ターン原始加重ベクトルと入力パターン原始加重ベクト
    ルの各成分ごとの積の和の値を、標準パターン原始加重
    ベクトルの各成分の２乗和の平方根と入力パターン原始
    加重ベクトルの各成分の２乗和の平方根で除算した比の
    値を以て、標準パターン原始ベクトルと入力パターン原
    始ベクトルとの間の形状距離値とすることを特徴とする
    振動波の類似度検出方法。
  41. 【請求項４１】 前記加重ベクトルに代えて、同じカテ
    ゴリの標準振動波間の形状距離平均値から、異なるカテ
    ゴリの標準振動波間の形状距離平均値を減算した平均値
    の差の値を求め、上記平均値の差の値を最大にする加重
    係数の値を成分とする加重ベクトルを作成することを特
    徴とする請求項４０に記載の振動波の類似度検出方法。
  42. 【請求項４２】 請求項４０または４１に記載の振動波
    の類似度検出方法で標準振動波の特徴量を成分とする標
    準パターン原始ベクトルと入力振動波の特徴量を成分と
    する入力パターン原始ベクトルとの間の形状距離を求
    め、求めた形状距離値と任意に設定した許容値を比較
    し、形状距離値が許容値より小さいとき異常と判定し、
    形状距離値が許容値以上のとき正常と判定することを特
    徴とする機械の異常判定方法。
JP2002068231A 2002-03-13 2002-03-13 画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、音声の類似度検出方法及びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法 Expired - Fee Related JP3422787B1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2002068231A JP3422787B1 (ja) 2002-03-13 2002-03-13 画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、音声の類似度検出方法及びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法
CA002422003A CA2422003C (en) 2002-03-13 2003-03-12 A method for obtaining and use of an accurate detection value of a similarity between images, voices, oscillation waves and for judging abnormalities in a machine
US10/386,662 US7194133B2 (en) 2002-03-13 2003-03-13 Methods for detecting similarity between images, voices, oscillation waves, moving images, and solids and methods for recovering the image, voice, abnormality in a machine, moving image, and solid by the use of detected value thereof
AU2003201379A AU2003201379B2 (en) 2002-03-13 2003-03-13 Method for detecting similarity between images and method for recognizing image by use of detected value thereof, method for detecting similarity between voices and method for recognizing voice by use of detected value thereof, method for detecting similarity between oscillation waves and method for judging abnormality in machine by use of detected value thereof, method for detecting similarity between moving images and method for recognizing moving image by use of detected value thereof, and method for detecting similarity between solids and method for recognizing solid by use of detected
EP03005733A EP1349144A3 (en) 2002-03-13 2003-03-13 Similarity measure for pattern recognition

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2002068231A JP3422787B1 (ja) 2002-03-13 2002-03-13 画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、音声の類似度検出方法及びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法

Publications (2)

Publication Number Publication Date
JP3422787B1 true JP3422787B1 (ja) 2003-06-30
JP2003271184A JP2003271184A (ja) 2003-09-25

Family

ID=19193130

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002068231A Expired - Fee Related JP3422787B1 (ja) 2002-03-13 2002-03-13 画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、音声の類似度検出方法及びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法

Country Status (5)

Country Link
US (1) US7194133B2 (ja)
EP (1) EP1349144A3 (ja)
JP (1) JP3422787B1 (ja)
AU (1) AU2003201379B2 (ja)
CA (1) CA2422003C (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9552831B2 (en) 2015-02-02 2017-01-24 West Nippon Expressway Engineering Shikoku Company Limited Method for detecting abnormal sound and method for judging abnormality in structure by use of detected value thereof, and method for detecting similarity between oscillation waves and method for recognizing voice by use of detected value thereof

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3342864B2 (ja) * 2000-09-13 2002-11-11 株式会社エントロピーソフトウェア研究所 音声の類似度検出方法及びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法、並びに、画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方法
US7366666B2 (en) * 2003-10-01 2008-04-29 International Business Machines Corporation Relative delta computations for determining the meaning of language inputs
JP2011228918A (ja) * 2010-04-20 2011-11-10 Sony Corp 情報処理装置、情報処理方法およびプログラム
US9460390B1 (en) * 2011-12-21 2016-10-04 Emc Corporation Analyzing device similarity
CN102819605A (zh) * 2012-08-17 2012-12-12 东方钢铁电子商务有限公司 适应性匹配方法
US10332545B2 (en) * 2017-11-28 2019-06-25 Nuance Communications, Inc. System and method for temporal and power based zone detection in speaker dependent microphone environments
CN111257277B (zh) * 2018-11-30 2023-02-17 湖南中烟工业有限责任公司 一种基于近红外光谱技术的烟叶相似度判定方法
CN111145736B (zh) * 2019-12-09 2022-10-04 华为技术有限公司 语音识别方法及相关设备
DE102020100565A1 (de) 2020-01-13 2021-07-15 Aixtron Se Verfahren zum Abscheiden von Schichten

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4914734A (en) * 1989-07-21 1990-04-03 The United States Of America As Represented By The Secretary Of The Air Force Intensity area correlation addition to terrain radiometric area correlation
JP2815045B2 (ja) 1996-12-16 1998-10-27 日本電気株式会社 画像特徴抽出装置，画像特徴解析装置，および画像照合システム
GB2320532B (en) * 1996-12-20 2000-09-27 Massey Ferguson Ltd Tractor transmission casing
JP3426905B2 (ja) 1997-03-14 2003-07-14 東京瓦斯株式会社 異常音の検出方法及びその検出値を用いた機械の異常判定方法、並びに、振動波の類似度検出方法及びその検出値を用いた音声認識方法
DE19915527A1 (de) * 1999-04-07 2000-10-12 Mannesmann Sachs Ag Hydrodynamische Kupplungseinrichtung, insbesondere hydrodynamischer Drehmomentwandler
US6246978B1 (en) * 1999-05-18 2001-06-12 Mci Worldcom, Inc. Method and system for measurement of speech distortion from samples of telephonic voice signals
JP2002068231A (ja) 2000-08-29 2002-03-08 Yoshiaki Arai １８リットル缶の封印
JP3342864B2 (ja) * 2000-09-13 2002-11-11 株式会社エントロピーソフトウェア研究所 音声の類似度検出方法及びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法、並びに、画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
草薙，平田，神内，山口，濱田，榊原，形状距離パターンマッチング法を用いた異常音検出，日本音響学会２０００年春季研究発表会講演論文集，日本，社団法人日本音響学会，２０００年 ３月１５日，Ｉ，３−６−４，Ｐａｇｅｓ ５０９−５１０

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9552831B2 (en) 2015-02-02 2017-01-24 West Nippon Expressway Engineering Shikoku Company Limited Method for detecting abnormal sound and method for judging abnormality in structure by use of detected value thereof, and method for detecting similarity between oscillation waves and method for recognizing voice by use of detected value thereof

Also Published As

Publication number Publication date
JP2003271184A (ja) 2003-09-25
AU2003201379B2 (en) 2005-09-29
US20030185443A1 (en) 2003-10-02
EP1349144A3 (en) 2010-04-21
AU2003201379A1 (en) 2003-10-09
CA2422003A1 (en) 2003-09-13
EP1349144A2 (en) 2003-10-01
CA2422003C (en) 2008-11-18
US7194133B2 (en) 2007-03-20

Similar Documents

Publication Publication Date Title
JP3422787B1 (ja) 画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、音声の類似度検出方法及びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法
US10621969B2 (en) Method for forming the excitation signal for a glottal pulse model based parametric speech synthesis system
JP3815704B2 (ja) 図形分類処理方法、図形検索処理方法、図形分類システム、図形検索システム、図形分類用特徴抽出処理方法、図形分類用表作成処理方法、情報記録媒体、図形間の類似度又は相異度の評価処理方法、図形正規化処理方法、及び、図形間対応付け処理方法
EP0492470A2 (en) Method of speech recognition
JP3342864B2 (ja) 音声の類似度検出方法及びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法、並びに、画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方法
US6230129B1 (en) Segment-based similarity method for low complexity speech recognizer
US6850644B1 (en) Method for analyzing texture of digital image
CN113160852A (zh) 语音情绪识别方法、装置、设备及存储介质
JPH09114978A (ja) 指紋特異点検出方法及び指紋特異点検出装置
Nandasena et al. Spectral stability based event localizing temporal decomposition
Loweimi et al. Speech acoustic modelling from raw phase spectrum
Dix et al. A breakpoint analysis procedure based on temporal decomposition
Asakawa et al. Automatic recognition of connected vowels only using speaker-invariant representation of speech dynamics
Levy et al. Classification of audio signals using spectrogram surfaces and extrinsic distortion measures
JPH04273298A (ja) 音声認識装置
McGuirl et al. SE and SNL diagrams: Flexible data structures for MIR.
Cheneviere et al. Hmm-based dance gesture recognition
D'haes et al. Discrete cepstrum coefficients as perceptual features
Liu et al. Vowel classification by global dynamic modeling
Saito et al. Decomposition of rotational distortion caused by VTL difference using eigenvalues of its transformation matrix.
JPS5922178A (ja) 図形認識装置
JPH0854223A (ja) 半導体パターン幅測定装置
Fujiwara et al. Reduced-rank modeling of time-varying spectral patterns for supervised source separation
Lucero Parametrization of the vocal tract area function using a subset selection approach (L)
Kosk et al. Deep Spectral Meshes: Multi-Frequency Facial Mesh Processing with Graph Neural Networks

Legal Events

Date Code Title Description
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20030401

S531 Written request for registration of change of domicile

Free format text: JAPANESE INTERMEDIATE CODE: R313531

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080425

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090425

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100425

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110425

Year of fee payment: 8

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120425

Year of fee payment: 9

LAPS Cancellation because of no payment of annual fees