JP3483113B2 - 時系列画像検索方法、装置、および時系列画像検索プログラムを記録した記録媒体 - Google Patents

時系列画像検索方法、装置、および時系列画像検索プログラムを記録した記録媒体

Info

Publication number
JP3483113B2
JP3483113B2 JP14973898A JP14973898A JP3483113B2 JP 3483113 B2 JP3483113 B2 JP 3483113B2 JP 14973898 A JP14973898 A JP 14973898A JP 14973898 A JP14973898 A JP 14973898A JP 3483113 B2 JP3483113 B2 JP 3483113B2
Authority
JP
Japan
Prior art keywords
image
series
calculating
eigenspace
time
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
JP14973898A
Other languages
English (en)
Other versions
JPH11345342A (ja
Inventor
和弘 大塚
力 堀越
智 鈴木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
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 Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP14973898A priority Critical patent/JP3483113B2/ja
Publication of JPH11345342A publication Critical patent/JPH11345342A/ja
Application granted granted Critical
Publication of JP3483113B2 publication Critical patent/JP3483113B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Description

【発明の詳細な説明】
【0001】
【発明の属する技術分野】本発明は、データベース中に
蓄積されている大量の時系列画像の中から、キーとして
入力される任意の時系列画像と類似する時系列画像の部
分を検索する時系列画像検索方法および装置に関する。
【0002】
【従来の技術】これまでの時系列画像の検索の技術とし
て固有空間を用いた技術が存在した。その一例として、
文献:藤本泰史、岩佐秀彦、横矢直和、竹村治雄“固有
空間内の軌跡の類似性に基づく動画像検索”、電子情報
通信学会技術報告、PRMU96−110,pp.49
−56,1996.が挙げられる。この方法は、時系列
画像のフレーム毎に、画像中の画素の濃淡値を1次元の
ベクトルとして表現し、時系列画像データベースを構成
する画像系列の各フレームについて計算したこのベクト
ルを列ベクトルとした行列をつくり、この行列から全画
像系列の特徴量のベクトルの平均値を引いた行列につい
て共分散行列を求め、この行列の固有値問題を解いて得
られる大きい固有値に対応する固有ベクトルを基底とす
る固有空間をつくり、各画像系列を固有空間上に投影し
た軌跡を計算する。そして検索のキーの画像系列に対応
する固有空間上の軌跡と、データベースに蓄積されてい
る画像系列の固有空間上の軌跡との距離を非類似度の尺
度として用い、距離の小さい画像系列を検索結果として
いる。
【0003】画像系列を固有空間上の軌跡として表現す
ることで時間変化する画像パターンが簡易に表現でき、
また、元の画像特徴の次元数に比較して小さな次元の固
有空間内で検索が実行できるため、検索による時間が短
いという利点がある。
【0004】
【発明が解決しようとする課題】しかしながら、上述し
た従来技術は、固有空間内の軌跡間の距離が、利用者の
類似性の評価に必ずしも一致せず、また、軌跡間の距離
が同一である場合にも画像系列によって、利用者が認識
する類似の度合いが変化してしまうという問題がある。
さらに、固有空間を構成するために利用している画像の
濃淡値などの空間分布特徴のみでは、検索のための特徴
量として不十分であるという問題もある。
【0005】したがって、本発明の目的は、利用者の類
似性の評価に合致した、画像系列の高精度の検索が可能
な時系列画像検索方法および装置を提供することにあ
る。
【0006】
【課題を解決するための手段】本発明の時系列画像検索
方法は、時系列の画像系列をキーとして与え、時系列画
像データベース中から類似する時系列の画像系列の部分
を検索する時系列画像検索方法であって、時系列をなす
画像系列を入力し、時系列画像データベースに蓄積させ
るステップと、該入力された画像系列から単位時刻毎に
画像の空間分布特徴量ベクトルを計算するステップと、
時系列画像データベース中の画像系列の集合から計算さ
れた空間分布特徴ベクトルの系列から、該空間分布特徴
の固有空間を計算するステップと、該画像の系列を固有
空間上に投影したときの軌跡を計算し、データベースに
記憶させるステップと、画像系列の集合から単位時間毎
に補助的な特徴量を計算するステップと、該補助的な特
徴量をデータベースに記憶させるステップと、検索のキ
ーとなる時系列の画像系列を入力するステップと、該入
力された画像系列につて、先に計算された固有空間上に
投影したときの軌跡を計算するステップと、該軌跡と該
データベースに蓄積されている画像系列の軌跡との距離
を計算するステップと、該検索のキーとして入力された
画像系列について、補助的な特徴量を計算するステップ
と、該補助的な特徴量と該データベースに蓄積されてい
る画像系列の補助的な特徴量との距離を計算するステッ
プと、固有空間上の軌跡間の距離と補助的な特徴量量間
の距離の加重和を画像系列間の非類似度として計算し、
データベースに蓄積されている画像系列の中から非類似
度が小さい画像系列を検索結果として出力するステップ
とを有する。
【0007】本発明では、画像系列を固有空間上の軌跡
として表現することで時間変化する画像パターンを簡易
に表現でき、また、元の画像特徴の次元数に比較して小
さな次元の固有空間内で検索が実行できるため、検索に
要する時間が短いという利点がある。
【0008】また、本発明では、画像の空間分布特徴に
より構成される固有空間上の軌跡間の距離という類似性
の尺度に加え、補助的な特徴量を導入し、それら複数の
特徴量間の距離に重み付けした和を画像系列間の非類似
性の尺度とし、検索を行う。よって、従来の画像の空間
分布特徴の固有空間を用いた方法と比較し、幅広い画像
特徴量を用いることができ、利用者の要求により合致し
た、精度の高い検索が可能となる。
【0009】本発明の実施態様によれば、画像系列から
単位時間毎に画像の空間分布特徴量ベクトルを計算する
ステップが、画像平面上の画素の濃淡値を順番に並べて
できている1次元のベクトルとして計算するステップを
含む。
【0010】本発明の実施態様によれば、画像系列から
単位時間毎に画像の空間分布特徴量ベクトルを計算する
ステップが、画像平面をメッシュ状に区切り、各メッシ
ュに含まれる画像の濃淡値の平均をある時間間隔毎に計
算し、各時刻毎に1次元の特徴量ベクトルとして空間分
布特徴量ベクトルを求めるステップを含む。
【0011】本発明の実施態様によれば、画像系列から
単位時間毎に画像の空間分布特徴量ベクトルを計算する
ステップが、各時刻における速度ベクトル上を求め、画
像平面上の各点の速度成分を一列に並べて1次元の特徴
量ベクトルとして空間分布特徴量ベクトルを求めるステ
ップを含む。
【0012】本発明の実施態様によれば、画像系列の集
合から単位時間毎に補助的な特徴量を計算するステップ
が、画像濃淡分布のテクスチャー特徴、または色特徴、
または画像パターンの形状特徴の一部または全部を特徴
量として、それぞれ単位時刻毎の1次元ベクトルとして
補助的な特徴量を計算するステップを含む。
【0013】本発明の実施態様によれば、固有空間を計
算するステップが、画像系列に対してある時間間隔毎に
得られる1次元ベクトルの特徴量を全画像系列について
まとめて行列を作り、この行列から全画像系列の特徴量
のベクトルの平均値を引いた行列について共分散行列を
求め、この行列の固有値問題を解いて得られる大きい固
有値に対応する固有ベクトルを基底とする固有空間を得
るステップを含む。
【0014】本発明の実施態様によれば、画像系列に対
応する空間分布特徴量の系列を固有空間上に投影したと
きの軌跡を計算するステップが、該軌跡を、画像系列に
対してある時間間隔毎に得られる1次元ベクトルの特徴
量をそれぞれ順番に固有空間上の点に変換し、その点列
を画像系列に対する固有空間上の軌跡として求めるステ
ップを含む。
【0015】本発明の実施態様によれば、検索のキーと
して入力された画像系列についての固有空間上の軌跡
と、該データベースに蓄積されている画像系列の軌跡と
の距離を計算するステップが、それぞれの軌跡につい
て、各時刻の特徴量ベクトルに対応する軌跡上の点列の
間の距離を、各々の点の時間順序を守り総和して求める
ステップを含む。
【0016】本発明の実施態様によれば、検索のキーと
して入力された画像系列とデータベースに蓄積されてい
る画像系列との間の非類似度を、固有空間上の軌跡間の
距離と補助的な特徴量間の距離の加重和として計算する
ステップが、距離に乗じられる加重の大きさを、検索の
結果が利用者の評価に合致するように事前に調整するス
テップを含む。
【0017】本発明の実施態様によれば、検索キーとし
て入力された画像系列とデータベースに蓄積されている
画像系列との間の非類似度を計算する際の個々の特徴量
間の距離の加重を調整するステップが、データベースに
蓄積されている画像系列の中から利用者が代表的な画像
系列を選択し、それぞれについて、固有空間上の軌跡の
間の距離が近い画像系列を検索し、その検索された画像
系列が、検索のキーの画像系列と類似しているかどうか
を利用者が与える評価尺度により評価し、類似する画像
系列に対する非類似度が小さくなるように、前記の個々
の特徴量間の距離の加重を決定するステップを含む。
【0018】本発明の実施態様によれば、利用者が選択
した代表的な画像系列について、固有空間中の軌跡間の
距離が近い画像系列を検索し、類似しているかどうかの
評価を利用者が与え、類似する画像系列に対する非類似
度が小さくなるように、前記個々の特徴量の距離の加重
を決定するステップが、個々の代表的な画像系列につい
て、検索された画像系列の集合を、代表的な画像系列に
類似すると評価された画像系列のクラスと、類似しない
と評価された画像系列の2つのクラスに分類し、各クラ
ス内の特徴量の距離のばらつきが小さくなるように、ま
た、各クラス間のばらつきが大きくなるように、特徴量
間の距離の加重を判別分析により計算する手順を含むス
テップを含む。
【0019】本発明の実施態様によれば、利用者が選択
した代表的な画像系列について、それぞれ得られた非類
似度計算のための加重を、個々の代表的な画像系列に対
応する該固有空間上の軌跡上の位置と関連づけて記憶さ
せるステップを含む。
【0020】本発明の実施態様によれば、検索のキーと
して入力された画像系列とデータベースに蓄積されてい
る画像系列との間の非類似度を、固有空間上の軌跡間の
距離と補助的な特徴量間の距離の加重和として計算する
ステップが、検索のキーの画像系列に対応する固有空間
上の軌跡に最も近い、事前に利用者が選択した代表的な
画像系列に対応する固有空間上の軌跡を探し、その代表
的な画像系列について計算された加重和を用いて検索の
キーとデータベース中の画像系列との非類似度を計算す
るステップを含む。
【0021】複数の特徴量間の距離の重み付けを、利用
者の類似性の尺度に合致させるように調整することがで
きるため、利用者毎の類似性の尺度を検索に反映させる
ことができる。
【0022】また、複数の特徴量間の距離の重み付け
を、利用者がデータベースの中から選択した代表的な画
像系列毎に設定することができ、それぞれ設定された重
みを、固有空間上の軌跡の位置と関連づけて記憶させる
ことができる。よって、画像系列の違いによる類似性の
尺度の違いを考慮でき、より広範囲な画像系列の検索が
可能となる。
【0023】さらに、検索の段階において、検索のキー
として与える画像系列の固有空間上での軌跡に最も近
い、事前に設定した代表的な画像系列に対する特徴量間
の重みを検索し、この重みを用いた類似性の尺度に基づ
き検索を行う。そのため、画像系列毎に、最も適した類
似性の尺度を用いて検索ができるため、利用者の要求に
合致した、より精度の高い検索が可能となる。
【0024】本発明の時系列画像検索装置は、時系列の
画像系列をキーとして与え、時系列画像データベース中
から類似する時系列の画像系列の部分を検索する時系列
画像検索装置であって、時系列をなす画像系列を入力
し、時系列画像データベースに蓄積させる手段と、該入
力された画像系列から単位時刻毎に画像の空間分布特徴
量ベクトルを計算する手段と、時系列画像データベース
中の画像系列の集合から計算された空間分布特徴ベクト
ルの系列から、該空間分布特徴の固有空間を計算する手
段と、該画像の系列を固有空間上に投影したときの軌跡
を計算し、データベースに記憶させる手段と、画像系列
の集合から単位時刻毎に補助的な特徴量を計算する手段
と、該補助的な特徴量をデータベースに記憶させる手段
と、検索のキーとなる時系列の画像系列を入力する手段
と、該入力された画像系列について、先に計算された固
有空間上に投影したときの軌跡との距離を計算する手段
と、該軌跡とデータベースに蓄積されている画像系列の
軌跡との距離を計算する手段と、該検索のキーとして入
力された画像系列について、補助的な特徴量を計算する
手段と、該補助的な特徴量と該データベースに蓄積され
ている画像系列の補助的な特徴量との距離を計算する手
段と、固有空間上の軌跡間の距離と補助的な特徴量間の
距離の加重和を画像系列間の非類似度として計算し、デ
ータベースに蓄積されている画像系列の中から非類似度
が小さい画像系列を検索結果として出力する手段を有す
る。
【0025】
【発明の実施の形態】次に、本発明の実施の形態を図面
を参照して詳細に説明する。
【0026】図1を参照すると、本発明の一実施形態の
時系列検索装置は入力部100と処理部200と出力部
300で構成されている。
【0027】入力部100は、データベースに蓄積する
ための画像系列を入力するデータベース画像系列入力部
101と、検索のキーとなる画像系列を入力する検索キ
ー画像系列入力部102と、類似性の尺度を調整するた
めの、データベース中の代表的な画像系列を選択する学
習画像系列選択部103と、学習画像系列選択部103
によって与えられたデータベース中の代表的な画像系列
について、類似性の評価を与える類似性評価提供部10
4からなる。
【0028】処理部200は、データベース画像系列入
力部101により入力された画像系列を記憶する画像系
列記憶部201と、画像系列から画像空間分布の特徴量
を計算する画像空間分布特徴計算部202と、画像系列
記憶部201中の画像系列について、画像空間分布特徴
計算部202により計算された特徴量の固有空間を構築
する固有空間構築部203と、画像系列に対応する固有
空間上の軌跡を得る固有空間投影部204と、画像系列
に対して補助的な画像特徴を計算する補助画像特徴計算
部205と、画像系列記憶部201中の画像系列に対応
する固有空間上の軌跡および補助画像特徴を記憶する固
有空間内画像系列記憶部206と、キーとして与えられ
た画像系列の固有空間上の軌跡および補助画像特徴を用
いて、固有空間内画像系列記憶部206から画像系列を
検索する検索部207と、画像系列選択部103によっ
て選択された画像系列記憶部201中の画像系列につい
て、固有空間上の軌跡間の距離の尺度により検索した画
像系列の類似性を類似性評価提供部104により与えら
れた評価基準より評価し、評価基準に合致するように非
類似性計算の際の加重を調整する特徴量加重調整部20
8と、調整された加重を記憶する特徴量加重記憶部20
9からなる。
【0029】出力部300は、処理部200から出力さ
れた検索結果の画像系列をディスプレイ装置やファイル
装置などに出力する。
【0030】図2、図3、図4は、図1の本実施形態の
処理例を示すフローチャートである。
【0031】図2、図3、図4で示すように、本実施形
態の処理は固有空間構成段階と特徴量加重調整段階と検
索段階の3段階からなり、順番に実行される。
【0032】段階1の固有空間構成段階においては、デ
ータベースの画像系列を入力し(ステップ401)、画
像系列の空間分布特徴を単位時間毎に計算し(ステップ
402)、画像系列の空間分布特徴より固有空間を構成
し(ステップ403)、画像系列に対応する固有空間内
での軌跡を計算し(ステップ404)、画像系列の補助
特徴量を単位時間毎に計算し(ステップ405)、画像
系列に対する固有空間上の軌跡と補助特徴量を記憶させ
る(ステップ406)。
【0033】段階2の特徴量加重調整段階においては、
特徴量加重の調整のための、代表的な画像系列を選択し
(ステップ410)、それぞれの代表的な画像系列につ
いて、画像系列の空間分布特徴を計算し(ステップ41
1)、固有空間上の軌跡を計算し、距離の近い複数の画
像系列を検索し(ステップ412)、検索された画像系
列と、キーとして入力された代表的な画像系列との類似
性を評価し(ステップ413)、また、キーとして入力
された代表的な画像系列について補助画像特徴量を計算
し(ステップ414)、特徴量加重を調整し(ステップ
415)、加重をキーとして入力された代表的な画像系
列の固有空間上での軌跡の位置と関連づけて記憶させる
(ステップ416)。
【0034】段階3の検索段階においては、検索のキー
となる画像系列を入力し(ステップ420)、固有空間
上での軌跡を計算し(ステップ421)、補助画像特徴
量を計算し(ステップ(422)、検索キーの画像系列
に適する特徴量加重を検索し(ステップ423)、デー
タベース内の画像系列から類似する画像系列を検索し
(ステップ424)、検索された画像系列を出力する
(ステップ425)。
【0035】以下、各部の処理を具体的に説明する。
【0036】画像系列記憶部201は、データベース画
像系列入力部101によって入力された画像系列を蓄積
するデータベースであり、段階1の固有空間構成段階に
おいては、蓄積されている全ての画像系列を画像空間分
布特徴計算部202および補助画像特徴計算部205に
出力し、段階2の特徴量加重調整段階においては、学習
画像系列選択部103によって指定された画像系列を画
像空間分布特徴計算部202および補助画像特徴計算部
205に出力し、また、検索部207からの要求に応じ
て画像系列を検索部207に出力する。
【0037】この画像系列として時間的に切目なく継続
しているもの、および任意の区間連続している画像系列
の集合を入力、蓄積することができる。
【0038】画像空間分布特徴計算部202では、画像
系列記憶部201に蓄積されている画像系列、および検
索キー画像系列入力部102により入力された画像系列
を入力し、単位時間毎に画像平面上のパターンの空間分
布に関する特徴量を1次元ベクトルとして計算する。段
階1の固有空間構成段階においては、画像系列記憶部2
01から入力された画像系列について特徴量を計算し、
固有空間構築部203および固有空間投影部204に出
力する。また、段階2と段階3においては、入力された
画像系列に対して計算した特徴量を固有空間投影部20
4に出力する。
【0039】ここでは画像の空間分布特徴の例として、
画像平面をメッシュ状に区切り、各メッシュに含まれる
画像の濃淡値の平均をある時間間隔毎に計算し、各時刻
毎に1次元の特徴量ベクトルとして求める方法、および
各時刻における速度ベクトル場を求め、各時刻毎にこれ
を一列に並べて、特徴量ベクトルとして求める方法のい
ずれか、または両方を用いて特徴量を得る方法を示す。
【0040】前者の特徴の場合、ある時刻tにおいて図
5の例のように得られた画像I(i,j,t)を、図6
のように、NX ×Ny のメッシュに区切り、各メッシュ
内の画素の濃淡値I(i,j,t)の平均値をそのメッ
シュの値Dt (x,y)とする。特徴量としては各メッ
シュの値をラスタースキャンし、一次元ベクトルとして
【0041】
【外1】 と表す。
【0042】後者の速度場の特徴は、時刻tの最新の画
像I(i,j,t)と、1〜数フレーム前の時刻の画像
I(i,j,t−a)を図7のようにメッシュに区切
り、その各部分画像について従来の技術において説明し
た画像間の相互相関係数を用いたマッチングを行い、相
互相関係数が最大になるずれ幅からパターンの移動速度
を得る方法により、各メッシュ毎の速度成分として計算
できる。その結果、速度場
【0043】
【外2】 を求めることができる。これもまた、1次元ベクトルと
して
【0044】
【外3】 と表現する。
【0045】このような空間分布特徴をいずれか一つ独
立に用いることもでき、また、いくつかの特徴量を1時
刻当り1次元の特徴ベクトルに統合することもできる。
【0046】なお、単純に画像平面上の各画素の濃淡値
を順番に並べて1次元ベクトルとしたものなど、上述以
外の特徴量も利用可能である。
【0047】固有空間構築部203では、段階1の固有
空間構成段階において、画像系列記憶部201に記憶さ
れている全画像系列について画像空間分布特徴計算部2
02によって計算された画像空間分布特徴の系列を入力
し、特徴量ベクトルの集合から固有空間を構成し、固有
空間を張る基底ベクトルを固有空間投影部204に出力
する。
【0048】画像空間分布特徴計算部202により得ら
れた画像系列の特徴量は1時刻当り1組の特徴ベクトル
【0049】
【外4】 として表されている。ここで、全ての学習用の画像系列
の特徴量ベクトルの平均
【0050】
【外5】
【0051】
【数1】 のように計算する。ただし、Zは画像系列記憶部201
に記憶されている全画像系列について画像空間分布特徴
計算部202によって計算された特徴量ベクトルの個数
である。
【0052】次に、全ての学習用の画像系列の特徴量ベ
クトル
【0053】
【外6】 から平均ベクトル
【0054】
【外7】 を引き、一つの行列
【0055】
【外8】 にまとめる。
【0056】
【数2】 次に、学習用の画像系列の特徴量集合の共分散行列
【0057】
【外9】
【0058】
【数3】 と計算し、学習用の画像系列に対する固有方程式
【0059】
【数4】 を解き、k個の大きい固有値
【0060】
【外10】 に対応する固有ベクトル
【0061】
【外11】 を基底ベクトルとした固有空間を得る。この基底ベクト
【0062】
【外12】 は固有空間投影部204に出力される。
【0063】固有空間投影部205では、画像空間分布
特徴計算部202により得られた画像系列の特徴量を入
力し、画像系列を、固有空間構築部203により得られ
た基底ベクトルが張る固有空間上に投影して得られる軌
跡を計算する。段階1の固有空間構成段階においては、
画像系列記憶部201に記憶されている全画像系列につ
いて固有空間上の軌跡を計算し、それぞれ軌跡を構成す
る点列を固有空間内画像系列記憶部206に記憶させ
る。また、段階2および段階3においては、対象となる
画像系列の固有空間上での軌跡を計算し、検索部207
に出力する。
【0064】入力される特徴量ベクトルの系列
【0065】
【外13】 に対応する固有空間上での点
【0066】
【外14】 は、
【0067】
【数5】 のように得られ、画像系列は固有空間上での点列からな
る軌跡として表現される。
【0068】補助画像特徴計算部205では、画像系列
記憶部201および検索キー画像系列入力部102によ
り入力された画像系列に対して、単位時間毎に補助的な
画像特徴量を計算し、段階1においては固有空間内画像
系列記憶部206に、段階2および段階3においては、
検索部207に出力する。
【0069】その補助的な画像特徴量の例としては、画
像濃淡分布のテクスチャー特徴、または色特徴、または
画像パターンの形状特徴などが挙げられる。これらの特
徴は、特徴の種類毎に、1時刻あたり1次元の特徴量ベ
クトル
【0070】
【数6】 として計算される。
【0071】なお、N−1は補助特徴量の個数である。
【0072】検索部207では、検査のキーとなる画像
系列に対応する固有空間上での軌跡、および補助画像特
徴量の系列を入力し、画像系列記憶部201に記録され
ている画像系列の中から検索のキーの画像系列に類似す
る画像系列の検索を行う。
【0073】段階2の特徴量加重調整段階においては、
学習画像系列選択部103によって選択された画像系列
記憶部201中の画像系列に対する固有空間上での軌跡
を入力し、固有空間内画像系列記憶部206中に蓄積さ
れている軌跡の中から、入力された軌跡と距離が小さい
ものを検索し、対応する画像系列を画像系列記憶部20
1から取り出し、画像系列の軌跡、補助特徴量とともに
特徴量加重調整部208に出力する。
【0074】段階3の検索段階においては、検索キー画
像系列入力部102により入力された検索キーの画像系
列に対して計算される固有空間上の軌跡、および補助画
像特徴量を入力し、検索キーの画像系列に適する特徴量
加重を検索し、固有空間内画像系列記憶部206中に蓄
積されている画像系列との非類似度を固有空間上の軌跡
間の距離と補助的な特徴量間の距離の加重和として計算
し、非類似度が小さい画像系列を検索結果として、その
元の画像系列を画像系列記憶部201より取り出し、出
力部300に出力する。
【0075】ここでは、段階2、段階3の方法の例とし
て、以下の方法を示す。なお、下記以外の方法も利用可
能である。
【0076】まず、段階2では、利用者が有する画像系
列間の類似性の評価を検索に反映させるため、いくつか
の画像特徴の間の距離の計算の際の重み付けの係数の決
定を行う。そこで、始めに学習画像系列選択部103に
おいて、画像系列記憶部201中の画像系列の中から、
利用者が代表的な画像系列を選択し、その画像系列を固
有空間上に投影したときの軌跡を固有空間投影部204
により計算する。この代表的な画像系列(代表画像系列
と呼ぶ)の軌跡の一つを構成する点列を
【0077】
【外15】 と表す。ただし、Mは予測対象の画像系列について特徴
量を計算した時刻の個数である。この点列を入力画像軌
跡と呼ぶ。ここで、入力画像軌跡と固有空間内画像系列
記憶部206中に蓄積されている画像系列
【0078】
【外16】 との間の距離Dを次のように計算する。
【0079】
【数7】 ただし、一般に、距離Dが小さければ小さいほど、2つ
の画像系列は類似していると考えられる。
【0080】そこで、このような距離Dを固有空間内画
像系列記憶部206中に蓄積されている全画像系列につ
いて計算し、距離Dが小さい部分画像系列を1つまたは
複数個抽出する。
【0081】図8には、代表画像系列および候補画像系
列に対応する固有空間上の軌跡の様子を示す。このよう
に検索された画像系列の軌跡、および補助画像特徴、画
像系列は特徴量加重調整部208に出力される。
【0082】次に、段階3の検索段階においては、検索
キー画像系列入力部102により入力された検索キーの
画像系列に対して、固有空間投影部204により計算さ
れた固有空間上の軌跡、および補助画像特徴計算部20
5により計算された補助画像特徴量を入力する。ここ
で、検索キー画像系列に対応する軌跡を構成する点列を
【0083】
【外17】 と表す。ただし、Mは予測対象の画像系列について特徴
量を計算した時刻の個数である。また、N−1種類の補
助画像特徴量を
【0084】
【数8】 と表す。
【0085】検索キー画像系列と固有空間内画像系列記
憶部206内の画像系列との非類似度を固有空間上の軌
跡間の距離と補助的な特徴量間の距離の加重和として計
算する。その際の加重は、段階2の特徴量加重調整段階
において、選択した代表的な画像系列についての固有空
間上の軌跡の中から、検索のキーの画像系列に対応する
固有空間上の軌跡に最も近いものを特徴量加重記憶部2
09から検索し、検索された画像系列について計算され
た加重を用いる。ここで、検索キー画像系列に対する固
有空間上の軌跡の一点
【0086】
【外18】 について、検索された加重を
【0087】
【外19】 と表す。
【0088】これらを用い、検索キー画像系列と固有空
間内画像系列記憶部206内の画像系列との非類似度
は、
【0089】
【数9】 と計算できる。ただし、距離の計算対象とする固有空間
内画像系列記憶部206中に蓄積されている画像系列を
【0090】
【外20】 と表し、N−1種類の補助画像特徴量を
【0091】
【外21】 と表す。
【0092】固有空間内画像系列記憶部206内の画像
系列から、この非類似度が小さいものを検索結果として
取り出し出力する。
【0093】特徴量加重調整部208は、段階2の特徴
量加重調整段階において、検索部207の段階2によっ
て、利用者により学習画像系列選択部103で選択され
た代表的な画像系列(代表画像系列と呼ぶ)のそれぞれ
について、固有空間内画像系列記憶部206中に蓄積さ
れている軌跡の中から、検索された軌跡間の距離の小さ
い複数個の画像系列を入力とし、その検索された画像系
列が代表画像系列と類似しているかどうかを類似性評価
提供部104で利用者が与える評価尺度により評価し、
類似する画像系列に対する非類似度が小さくなるよう
に、特徴量間の距離の加重を計算し、特徴量加重記憶部
209に代表画像系列の軌跡と関連付けて記憶させる。
【0094】ここでは、以下の方法を示す。なお、下記
以外の方法も利用可能である。
【0095】まず、利用者が画像系列記憶部201中の
画像系列の中から代表的な画像系列を複数選択する。続
いて、選択された代表画像系列について、固有空間内画
像系列記憶部206内の固有空間上の軌跡の距離が小さ
い複数の画像系列を検索し、入力する。この検索された
画像系列を候補画像系列と呼ぶ。個々の代表画像系列と
候補画像系列との間の類似性を類似性評価提供部104
により利用者が与える尺度により評価し、候補画像系列
のそれぞれについて、代表画像系列と類似しているか類
似していないかを決定する。その方法の一つとしては、
代表画像系列と候補画像系列を利用者に提示し、利用者
が目視により類似性を判断し、その結果を類似性評価提
供部104を通して与える方法が利用できる。なお、こ
の方法以外の方法も利用可能である。
【0096】次に、この結果を利用し、候補画像系列
を、検索のキーである画像系列とそれと類似する評価さ
れた画像系列のクラスと、類似しないと評価された画像
系列の2つのクラスについて分け、各クラス内の特徴量
の距離のばらつきが小さくなるように、また、各クラス
間のばらつきが大きくなるように、特徴量間の距離の加
重を判別分析により計算する。
【0097】ここで、代表画像系列と候補画像系列との
非類似度の定義として、固有空間上の軌跡同士の距離
と、補助的な特徴量同士の距離の加重和を用いる。
【0098】代表画像系列と候補画像系列Si との間の
固有空間上の軌跡同士の距離をd1、補助的な特徴量間
の距離をdj(dj=2,3,・・・,N)と表す。距
離d 1 は式(7)のDが利用でき、補助的な特徴量j同
士の距離dj(j=2,3,・・・,N)は、
【0099】
【数10】 のように計算ができる。
【0100】また、特徴量の距離の加重をw1 ,w2
・・・,wN と表す。すると、代表画像系列と候補画像
系列との間の特徴量の距離の加重和(非類似度)yは、
【0101】
【数11】 と表すことができる。ここで、代表画像系列と類似する
候補画像系列のクラスをC1 、類似しない候補画像系列
のクラスをC2 として候補画像系列を分類し、対応する
代表画像系列と候補画像系列との間の距離
【0102】
【外22】 を各クラスの集合の要素とする。同じクラス内の画像は
なるべく近く、異なるクラスに属する画像同士はできる
だけ遠くに配置できれば、類似する画像のみを容易に検
索することが可能になる。そのため、変換後の空間(距
離)Yにおいて、各クラス内のばらつきが小さく、クラ
ス間のばらつきが大きくなるように変換行列Aを求め
る。そのため、クラス内共分散行列
【0103】
【外23】 、クラス間共分散行列
【0104】
【外24】 を導入する。
【0105】
【数12】 ただし、Pi はクラスiの事前確率であり、ni はクラ
スi内のサンプル数である。また、
【0106】
【外25】 はクラスiの平均ベクトルであり、
【0107】
【外26】 は全要素の平均ベクトルである。
【0108】変換後の空間Yにおいても同様の量
【0109】
【外27】
【0110】
【数13】 のように求めることができる。ここで、変換後の特徴空
間内では、クラス内分散がなるべく小さく、クラス間分
散がなるべく大きくなっていることが望ましいため、変
換後のクラス間の分離度を表わす評価関数J(A)を設
定する。この評価関数J(A)としては、変換後の空間
におけるクラス内分散とクラス間分散の比として、
【0111】
【数14】 を与えることができ、この評価関数J(A)を最大にす
るようなAを求める最大化問題として考えられる。この
最大化問題は、
【0112】
【数15】 という正規化条件のもとで、式(19)の分子を最大に
することと等価であり、固有値問題
【0113】
【数16】 に帰着する。したがって、
【0114】
【外28】 の最も大きい固有値に対応する固有ベクトルを行ベクト
ルとする行列が求める変換行列Aとなり、その要素が求
めるべき特徴量間の距離の加重となる。
【0115】個々の代表画像系列についてそれぞれ独立
に上記の処理を行い加重を求める。そして、得られた加
重を、特徴量加重記憶部209内の各代表画像系列の固
有空間上での軌跡上の各点の位置にそれぞれ記憶させ
る。
【0116】図9を参照すると、本発明の他の実施形態
の時系列画像検索装置は入力装置501と記憶装置50
2,503,504と出力装置505と記録媒体506
とデータ処理装置507で構成されている。
【0117】入力装置501は、利用者がデータベース
に蓄積するための画像系列検索のキーとなる画像系列を
入力し、またデータベース中の画像系列を選択し、また
類似性評価の評価基準を入力するためのものである。記
憶装置502,503,504はそれぞれ図1中の画像
系列記憶部201、固有空間内画像系列記憶部206、
特徴量加重記憶部209に相当する。出力装置505は
検索結果が出力されるディスプレイ装置、ファイル装置
等である。記録媒体506は、入力装置501から入力
された画像系列、検索のキーとなる画像系列の記憶装置
502への格納、図1中の画像空間分布特徴計算部20
2、固有空間構築部203、固有空間投影部204、補
助画像特徴計算部205、検索部207、特徴量加重調
整部208、出力部300の各手順からなる時系列画像
検索プログラムを記録した、CD−ROM,フロッピィ
ディスク,光磁気ディスク,半導体メモリなどの記録媒
体である。データ処理装置507は記録媒体506から
の時系列画像検索プログラムを読み込んで、これを実行
するCPUである。
【0118】
【発明の効果】以上説明したように、本発明は、画像の
空間分布特徴量に基づき構成される固有空間上の軌跡間
の距離に加え、補助的な特徴量を導入し、それらの特徴
量間の距離に重み付けした和を、画像系列間の非類似性
の尺度とし、その重みを利用者の類似性の尺度に合致さ
せるように調整して検索を行うことで、利用者の類似性
の評価に合致した、画像系列の高精度な検索が可能とな
る。また、固有空間上の任意の画像系列については特徴
量間の距離の重みを計算でき、その画像系列の固有空間
上の軌跡の位置と関連づけて特徴量間の距離の重みを記
憶させるために、画像系列の違いによる類似性の尺度の
違いに柔軟に対応することができ、より広範囲の画像系
列の検索に適用が可能となる。
【図面の簡単な説明】
【図1】本発明の一実施形態の時系列画像検索装置の構
成図である。
【図2】図1の実施形態における段階1の処理の流れ図
である。
【図3】図1の実施形態における段階2の処理の流れ図
である。
【図4】図1の実施形態における段階3の処理の流れ図
である。
【図5】図1の実施形態における入力気象画像の例を示
す図である。
【図6】図1の実施形態で用いたパターンの空間分布特
徴を説明する図である。
【図7】図1の実施形態で用いたパターンの速度場を説
明する図である。
【図8】図1の実施形態で、代表画像系列および候補画
像系列に対応する固有空間上の軌跡を説明する図であ
る。
【図9】本発明の他の実施形態の時系列画像検索装置の
構成図である。
【符号の説明】
100 入力部 101 データベース画像系列入力部 102 検索キー画像系列入力部 103 学習画像系列選択部 104 類似性評価提供部 200 処理部 201 画像系列記憶部 202 画像空間分布特徴計算部 203 固有空間構築部 204 固有空間投影部 205 補助画像特徴計算部 206 固有空間内画像系列記憶部 207 検索部 208 特徴量加重調整部 209 特徴量加重記憶部 300 出力部 401〜406,410〜416,420〜425
ステップ 501 入力装置 502,503,504 記憶装置 505 出力装置 506 記録媒体 507 データ処理装置
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平8−329247(JP,A) 特開 平11−326542(JP,A) 特開 平11−328407(JP,A) 大野崇ほか,固有空間によるモーショ ンシステムのビジュアルシミュレーショ ン,日本シミュレーション学会第16回シ ミュレーションテクノロジーコンファレ ンス発表論文集,1997年 6月18日,p p. 261−264 (58)調査した分野(Int.Cl.7,DB名) G06T 7/00 - 7/60 G06T 1/00 G06F 17/30

Claims (39)

    (57)【特許請求の範囲】
  1. 【請求項1】 時系列の画像系列をキーとして与え、時
    系列画像データベース中から類似する時系列の画像系列
    の部分を検索する時系列画像検索方法であって、 時系列をなす画像系列を入力し、時系列画像データベー
    スに蓄積させるステップと、該入力された画像系列から
    単位時刻毎に画像の空間分布特徴量ベクトルを計算する
    ステップと、時系列画像データベース中の画像系列の集
    合から計算された空間分布特徴ベクトルの系列から、該
    空間分布特徴の固有空間を計算するステップと、該画像
    の系列を前記固有空間上に投影したときの軌跡を計算
    し、データベースに記憶させるステップと、画像系列の
    集合から単位時刻毎に補助的な特徴量を計算するステッ
    プと、該補助的な特徴量をデータベースに記憶させるス
    テップと、検索のキーとなる時系列の画像系列を入力す
    るステップと、該入力された画像系列について、先に計
    算された固有空間上に投影したときの軌跡を計算するス
    テップと、該軌跡と該データベースに蓄積されている画
    像系列の軌跡との距離を計算するステップと、該検索の
    キーとして入力された画像系列について、補助的な特徴
    量を計算するステップと、該補助的な特徴量と該データ
    ベースに蓄積されている画像系列の補助的な特徴量との
    距離を計算するステップと、固有空間上の軌跡間の距離
    と補助的な特徴量間の距離の加重和を画像系列間の非類
    似度として計算し、データベースに蓄積されている画像
    系列の中から非類似度が小さい画像系列を検索結果とし
    て出力するステップとを有する時系列画像検索方法。
  2. 【請求項2】 前記画像系列から単位時刻毎に画像の空
    間分布特徴量ベクトルを計算するステップが、画像平面
    上の画素の濃淡値を順番にならべてできる1次元のベク
    トルとして前記空間分布特徴量ベクトルを計算するステ
    ップを含む請求項1の時系列画像検索方法。
  3. 【請求項3】 前記画像系列から単位時刻毎に画像の空
    間分布特徴量ベクトルを計算するステップが、画像平面
    をメッシュ状に区切り、各メッシュに含まれる画像の濃
    淡値の平均をある時間間隔毎に計算し、各時刻毎に1次
    元の特徴量ベクトルとして前記空間分布特徴量ベクトル
    を求めるステップを含む請求項1の時系列画像検索方
    法。
  4. 【請求項4】 前記画像系列から単位時刻毎に画像の空
    間分布特徴量ベクトルを計算するステップが、各時刻に
    おける速度ベクトル場を求め、画像平面上の各点の速度
    成分を一列に並べて1次元の特徴量ベクトルとして前記
    空間特徴量ベクトルを求めるステップを含む請求項1の
    時系列画像検索方法。
  5. 【請求項5】 前記画像系列の集合から単位時刻毎に補
    助的な特徴量を計算するステップが、画像濃淡分布のテ
    クスチャー特徴、または色特徴、または画像パターンの
    形状特徴の一部または全部の特徴として、それぞれ単位
    時刻毎の1次元ベクトルとして前記補助的な特徴量を計
    算するステップを含む請求項1の時系列画像検索方法。
  6. 【請求項6】 前記固有空間を計算するステップが、画
    像系列に対してある時間間隔毎に得られる1次元ベクト
    ルの特徴量を全画像系列についてまとめて行列をつく
    り、この行列から全画像系列の特徴量のベクトルの平均
    値を引いた行列について共分散行列を求め、この行列の
    固有値問題を解いて得られる大きい固有値に対する固有
    ベクトルを基底とする固有空間を得るステップを含む請
    求項1の時系列画像検索方。
  7. 【請求項7】 前記画像系列に対応する空間分布特徴量
    の系列を固有空間上に投影したときの軌跡を計算するス
    テップが、前記軌跡を、画像系列に対してある時間間隔
    毎に得られる1次元ベクトルの特徴量をそれぞれ順番に
    固有空間上の点に変換し、その点列を画像系列に対する
    固有空間上の軌跡として求めるステップを含む請求項1
    の時系列画像検索方法。
  8. 【請求項8】 前記検索のキーとして入力された画像系
    列についての固有空間上の軌跡と、該データベースに蓄
    積されている画像系列の軌跡との距離を計算するステッ
    プが、それぞれの軌跡について、各時刻の特徴量ベクト
    ルに対応する軌跡上の点列の間の距離を、各々の点の時
    間順序を守り総和して求めるステップを含む請求項1の
    時系列画像検索方法。
  9. 【請求項9】 前記検索のキーとして入力された画像系
    列とデータベースに蓄積されている画像系列との間の非
    類似度を、固有空間上の軌跡間の距離と補助的な特徴量
    間の距離の加重和として計算するステップが、距離に乗
    じられる加重の大きさを、検索の結果が利用者の評価に
    合致するように事前に調節するステップを含む請求項1
    の時系列画像検索方法。
  10. 【請求項10】 前記検索のキーとして入力された画像
    系列とデータベースに蓄積されている画像系列との間の
    非類似度を計算する際の個々の特徴量間の距離の加重を
    調整するステップが、データベスに蓄積されている画像
    系列の中から利用者が代表的な画像系列を選択し、それ
    ぞれについて、固有空間上の軌跡の間の距離が近い画像
    系列を検索し、その検索された画像系列が、検索のキー
    の画像系列と類似しているかどうかを利用者が与える評
    価尺度により評価し、類似する画像系列に対する非類似
    度が小さくなるように、前記の個々の特徴量間の距離の
    加重を決定するステップを含む請求項9の時系列画像検
    索方法。
  11. 【請求項11】 前記利用者が選択した代表的な画像系
    列について、固有空間中の軌跡間の距離が近い画像系列
    を検索し、類似しているかどうかの評価を利用者が与
    え、類似する画像系列に対する非類似度が小さくなるよ
    うに、前記個々の特徴量間の距離の加重を決定するステ
    ップが、個々の代表的な画像系列について、検索された
    画像系列の集合を、代表的な画像系列に類似すると評価
    された画像系列のクラスと、類似しないと評価された画
    像系列の2つのクラスに分類し、各クラス内の特徴量の
    距離のばらつきが小さくなるように、また、各クラス間
    のばらつきが大きくなるように、特徴量間の距離の加重
    を判別分析により計算するステップを含む請求項10の
    時系列画像検索方法。
  12. 【請求項12】 前記利用者が選択した代表的な画像系
    列について、それぞれ得られた非類似度計算のための加
    重を、個々の代表的な画像系列に対応する該固有空間上
    の軌跡上の位置と関連づけて記憶させるステップをさら
    に含む請求項9の時系列画像検索方法。
  13. 【請求項13】 前記検索のキーとして入力された画像
    系列とデータベースに蓄積されている画像系列との間の
    非類似度を、固有空間上の軌跡間の距離と補助的な特徴
    量間の距離の加重和として計算するステップが、検索の
    キーの画像系列に対応する固有空間上の軌跡に最も近
    い、事前に利用者が選択した代表的な画像系列に対応す
    る固有空間上の軌跡を探し、その代表的な画像系列につ
    いて計算された加重和を用いて、検索のキーとデータベ
    ース中の画像系列との非類似度を計算するステップを含
    む請求項10の時系列画像検索方法。
  14. 【請求項14】 時系列の画像系列をキーとして与え、
    時系列画像データベース中から類似する画像系列の部分
    を検索する時系列画像検索装置であって、 時系列をなす画像系列を入力し、時系列画像データベー
    スに蓄積させる手段と、該入力された画像系列から単位
    時刻毎に画像の空間分布特徴量ベクトルを計算する手段
    と、時系列画像データベース中の画像系列の集合から計
    算された空間分布特徴ベクトルの系列から、該空間分布
    特徴の固有空間を計算する手段と、該画像の系列を固有
    空間上に投影したときの軌跡を計算し、データベースに
    記憶させる手段と、画像系列の集合から単位時刻毎に補
    助的な特徴量を計算する手段と、該補助的な特徴量をデ
    ータベースに記憶させる手段と、検索のキーとなる時系
    列の画像系列を入力する手段と、該入力された画像系列
    について、先に計算された固有空間上に投影したときの
    軌跡を計算する手段と、該軌跡と該データベースに蓄積
    されている画像系列の軌跡との距離を計算する手段と、
    該検索のキーとして入力された画像系列について、補助
    的な特徴量を計算する手段と、該補助的な特徴量と該デ
    ータベースに蓄積されている画像系列の補助的な特徴量
    との距離を計算する手段と、固有空間上の軌跡間の距離
    と補助的な特徴量間の距離の加重和を画像系列間の非類
    似度として計算し、データベースに蓄積されている画像
    系列の中から非類似度が小さい画像系列を検索結果とし
    て出力する手段とを有する時系列画像検索装置。
  15. 【請求項15】 前記画像系列から単位時刻毎に画像の
    空間分布特徴量ベクトルを計算する手段が、画像平面上
    の画素の濃淡値を順番に並べてできる1次元のベクトル
    として前記空間分布特徴量ベクトルを計算する手段を含
    む請求項14の時系列画像検索装置。
  16. 【請求項16】 前記画像系列から単位時刻毎に画像の
    空間分布特徴量ベクトルを計算する手段が、画像平面を
    メッシュ上に区切り、各メッシュに含まれる画像の濃淡
    値を平均をある時間間隔毎に計算し、各時刻毎に1次元
    の特徴量ベクトルとして前記空間分布特徴量ベクトルを
    求める手段を含む請求項14の時系列画像検索装置。
  17. 【請求項17】 前記画像系列から単位時刻毎に画像の
    空間分布特徴量ベクトルを計算する手段が、各時刻にお
    ける速度ベクトル場を求め、画像平面上の各点の速度成
    分を一列に並べて1次元の特徴量ベクトルとして前記空
    間分布特徴量ベクトルを求める手段を含む請求項14の
    時系列画像検索装置。
  18. 【請求項18】 前記画像系列の集合から単位時刻毎に
    補助的な特徴量を計算する手段が、画像濃淡分布のテク
    スチャー特徴、または色特徴、または画像パターンの形
    状特徴の一部または全部を特徴量として、それぞれ単位
    時刻毎の1次元ベクトルとして前記補助的な特徴量を計
    算する手段を含む請求項14の時系列画像検索装置。
  19. 【請求項19】 前記固有空間を計算する手段が、画像
    系列に対してある時間間隔毎に得られる1次元ベクトル
    の特徴量を全画像系列についてまとめて行列をつくり、
    この行列から全画像系列の特徴量のベクトルの平均値を
    引いた行列について共分散行列を求め、この行列の固有
    値問題を解いて得られる大きい固有値に対する固有ベク
    トルを基底とする固有空間を得る手段を含む請求項14
    の時系列画像検索装置。
  20. 【請求項20】 前記画像系列に対応する空間分布特徴
    量の系列を固有空間場に投影したときの軌跡を計算する
    手段が、前記軌跡を、画像系列に対してある時間間隔毎
    に得られる1次元ベクトルの特徴量をそれぞれ順番に固
    有空間上の点に変換し、その点列を画像系列に対する固
    有空間上の軌跡として求める手段を含む請求項14の時
    系列画像検索装置。
  21. 【請求項21】 前記検索のキーとして入力された画像
    系列について固有空間上の軌跡と、該データベースに蓄
    積されている画像系列の軌跡との距離を計算する手段
    が、それぞれの軌跡について、各時刻の特徴量ベクトル
    に対応する軌跡上の点列の間の距離を、各々の点の時間
    の順序を守り総和して求める手段を含む請求項14の時
    系列検索装置。
  22. 【請求項22】 前記検索のキーとして入力された画像
    系列とデータベースに蓄積されている画像系列との間の
    非類似度を、固有空間上の軌跡間の距離と補助的な特徴
    量間の距離の加重和として計算する手段が、距離に乗じ
    られる加重の大きさを、検索の結果が利用者の評価に合
    致するように事前に調節する手段を含む請求項14の時
    系列画像検索装置。
  23. 【請求項23】 前記検索のキーとして入力された画像
    系列とデータベースに蓄積されている画像系列との間の
    非類似度を計算する際の個々の特徴量間の距離の加重を
    調節する手段が、データベースに蓄積されている画像系
    列の中から利用者が代表的な画像系列を選択し、それぞ
    れについて、固有空間上の軌跡の間の距離が近い画像系
    列を検索し、その検索された画像系列が、検索のキーの
    画像系列に類似しているかどうかを利用者が与える評価
    尺度により評価し、類似する画像系列に対する非類似度
    が小さくなるように、前記の個々の特徴量間の距離の加
    重を決定する手段を含む請求項22の時系列検索装置。
  24. 【請求項24】 前記利用者が選択した代表的な画像系
    列について、固有空間中の軌跡間の距離が近い画像系列
    を検索し、類似しているかどうかの評価を利用者が与
    え、類似する画像系列に対する非類似度が小さくなるよ
    うに、前記個々の特徴量の距離の加重を決定する手段
    が、個々の代表的な画像系列について、検索された画像
    系列の集合を、代表的な画像系列に類似すると評価され
    た画像系列のクラスと、類似しないと評価された画像系
    列の2つのクラスに分類し、各クラス内の特徴量の距離
    のばらつきが小さくなるように、また、各クラス間のば
    らつきが大きくなるように、特徴量間の距離の加重を判
    別分析により計算する手段を含む請求項23の時系列画
    像検索装置。
  25. 【請求項25】 前記利用者が選択した代表的な画像系
    列について、それぞれ得られた非類似度計算のための加
    重を、個々の代表的な画像系列に対応する該固有空間上
    の軌跡上の位置と関連づけて記憶させる手段をさらに含
    む請求項22の時系列画像検索装置。
  26. 【請求項26】 前記検索のキーとして入力された画像
    系列とデータベースに蓄積されている画像系列との間の
    非類似度を、固有空間上の軌跡間の距離と補助的な特徴
    量間の距離の加重和として計算する手段が、検索のキー
    の画像系列に対応する固有空間上の軌跡に最も近い、事
    前に利用者が選択した代表的な画像系列に対応する固有
    空間上の軌跡を探し、その代表的な画像系列について計
    算された加重和を用いて、検索のキーとデータベース中
    の画像系列との非類似度を計算する手段を含む請求項2
    3の時系列画像検索装置。
  27. 【請求項27】 時系列をなす画像系列を入力し、時系
    列画像データベースに蓄積させる手段と、該入力された
    画像系列から単位時刻毎に画像の空間分布特徴量ベクト
    ルを計算する手順と、時系列画像データーベース中の画
    像系列の集合から計算された空間分布特徴ベクトルの系
    列から、該空間分布特徴の固有空間を計算する手順と、
    該画像の系列を前記固有空間上に投影したときの軌跡を
    計算し、データベースに記憶させる手順と、画像系列の
    集合から単位時刻毎に補助的な特徴量を計算する手順
    と、該補助的な特徴量をデータベースに記憶させる手順
    と、検索のキーとなる時系列の画像系列を入力する手順
    と、該入力された画像系列について、先に計算された固
    有空間上の投影したときの軌跡を計算する手順と、該軌
    跡と該データベースに蓄積されている画像系列の軌跡と
    の距離を計算する手順と、該検索のキーとして入力され
    た画像系列について、補助的な特徴量を計算する手順
    と、該補助的な特徴量と該データベースに蓄積されてい
    る画像系列の補助的な特徴量との距離を計算する手順
    と、固有空間上の軌跡間の距離と補助的な特徴量間の距
    離の加重和を画像系列間の非類似度として計算し、デー
    タベースに蓄積されている画像系列の中から非類似度が
    小さい画像系列を検索結果として出力する手順をコンピ
    ュータに実行させるための時系列画像検索プログラムを
    記録した記録媒体。
  28. 【請求項28】 前記画像系列から単位時刻毎に画像の
    空間分布特徴量ベクトルを計算する手順が、画像平面上
    の画素の濃淡値を順番に並べてできる1次元のベクトル
    として前記空間分布特徴量ベクトルを計算する手順を含
    む請求項27の記録媒体。
  29. 【請求項29】 前記画像系列から単位時刻毎に画像の
    空間分布特徴量ベクトルを計算する手順が、画像平面を
    メッシュに状に区切り、各メッシュに含まれる画像の濃
    淡値の平均をある時間間隔毎に計算し、各時刻毎に1次
    元の特徴量ベクトルとして前記空間分布特徴量ベクトル
    を求める手順を含む請求項27の記録媒体。
  30. 【請求項30】 前記画像系列から単位時刻毎に画像の
    空間分布特徴量ベクトルを計算する手順が、各時刻にお
    ける速度ベクトル場を求め、画像平面上の各点の速度成
    分を一列に並べて1次元の特徴量ベクトルとして前記空
    間分布特徴量ベクトルを求める手順を含む請求項27の
    記録媒体。
  31. 【請求項31】 前記画像系列の集合から単位時刻毎に
    補助的な特徴量を計算する手順が、画像濃淡分布のテク
    スチャーと特徴、または色特徴、または画像パターンの
    形状特徴の一部または全部を特徴として、それぞれ単位
    時刻毎の1次元ベクトルとして前記補助的な特徴量を計
    算する手順を含む請求項27の記録媒体。
  32. 【請求項32】 前記固有空間を計算する手順が、画像
    系列に対してある時間間隔毎に得られる1次元ベクトル
    の特徴量を全画像系列についてまとめて行列をつくり、
    この行列から全画像系列の特徴量のベクトルの平均値を
    引いた行列について共分散行列を求め、この行列の固有
    値問題を解いて得られる大きい固有値に対応する固有ベ
    クトルを基底とする固有空間を得る手順を含む請求項2
    7の記録媒体。
  33. 【請求項33】 前記画像系列に対応する空間分布特徴
    量の系列を固有空間上に投影したときの軌跡を計算する
    手順が、前記軌跡を、画像系列に対してある時間間隔毎
    に得られる1次元ベクトルの特徴量をそれぞれ順番に固
    有空間上の点に変換し、その点列を画像系列に対する固
    有空間上の軌跡として求める手順を含む請求項27の記
    録媒体。
  34. 【請求項34】 前記検索のキーとして入力された画像
    系列についての固有空間上の軌跡と、該データベースに
    蓄積されている画像系列の軌跡との距離を計算する手順
    が、それぞれの軌跡について、各時刻の特徴量ベクトル
    に対応する軌跡上の点列の間の距離を、各々の点の時間
    順序を守り総和して求める手順を含む請求項27の記録
    媒体。
  35. 【請求項35】 前記検索のキーとして入力された画像
    系列とデータベースに蓄積されている画像系列との間の
    非類似度を、固有空間上の軌跡間の距離と補助的な特徴
    量間の距離の加重和として計算する手順が、距離に重じ
    られる加重の大きさを、検索の結果が利用者の評価に合
    致するように事前に調整する手順を含む請求項27の記
    録媒体。
  36. 【請求項36】 前記検索のキーとして入力された画像
    系列とデータベースに蓄積されている画像系列との間の
    非類似度を計算する際の個々の特徴量間の距離の加重を
    調整する手順が、データベースに蓄積されている画像系
    列の中から利用者が代表的な画像系列を選択し、それぞ
    れについて、固有空間上の軌跡の間の距離が近い画像系
    列を検索し、その検索された画像系列が、検索のキーの
    画像系列に類似しているかどうかを利用者が与える評価
    尺度により評価し、類似する画像系列に対する非類似度
    が小さくなるように、前記の個々の特徴量間の距離の加
    重を決定する手順を含む請求項35の記録媒体。
  37. 【請求項37】 前記利用者が選択した代表的な画像系
    列について、固有空間中の軌跡間の距離が近い画像系列
    を検索し、類似しているかどうかの評価を利用者が与
    え、類似する画像系列に対する非類似度が小さくなるよ
    うに、前記個々の特徴量の距離の加重を決定する手順
    が、個々の代表的な画像系列について、検索された画像
    系列の集合を、代表的な画像系列に類似すると評価され
    た画像系列のクラスと、類似しないと評価された画像系
    列の2つのクラスに分類し、各クラス内の特徴量の距離
    のばらつきが小さくなるように、また、各クラス間のば
    らつきが大きくなるように、特徴量間の距離の加重を判
    別分析により計算する手順を含む請求項36の記録媒
    体。
  38. 【請求項38】 前記利用者が選択した代表的な画像系
    列について、それぞれ得られた非類似度計算のための加
    重を、個々の代表的な画像系列に対応する該固有空間上
    の軌跡上の位置と関連づけて記憶させる手順をさらに含
    む請求項35の記録媒体。
  39. 【請求項39】 前記検索のキーとして入力された画像
    系列とデータベースに蓄積されている画像系列との間の
    非類似度を、固有空間上の軌跡間の距離と補助的な特徴
    量間の距離の加重和として計算する手順が、検索のキー
    の画像系列に対応する固有空間上の軌跡に最も近い、事
    前に利用者が選択した代表的な画像系列に対応する固有
    空間上の軌跡を探し、その代表的な画像系列について計
    算された加重和を用いて検索のキーとデータベース中の
    画像系列との非類似度を計算する手順を含む請求項36
    の記録媒体。
JP14973898A 1998-05-29 1998-05-29 時系列画像検索方法、装置、および時系列画像検索プログラムを記録した記録媒体 Expired - Fee Related JP3483113B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP14973898A JP3483113B2 (ja) 1998-05-29 1998-05-29 時系列画像検索方法、装置、および時系列画像検索プログラムを記録した記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP14973898A JP3483113B2 (ja) 1998-05-29 1998-05-29 時系列画像検索方法、装置、および時系列画像検索プログラムを記録した記録媒体

Publications (2)

Publication Number Publication Date
JPH11345342A JPH11345342A (ja) 1999-12-14
JP3483113B2 true JP3483113B2 (ja) 2004-01-06

Family

ID=15481728

Family Applications (1)

Application Number Title Priority Date Filing Date
JP14973898A Expired - Fee Related JP3483113B2 (ja) 1998-05-29 1998-05-29 時系列画像検索方法、装置、および時系列画像検索プログラムを記録した記録媒体

Country Status (1)

Country Link
JP (1) JP3483113B2 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3672234B2 (ja) * 2000-06-12 2005-07-20 インターナショナル・ビジネス・マシーンズ・コーポレーション データベースからのドキュメントのリトリーブ・ランク付け方法、コンピュータシステム、および記録媒体
JP4570764B2 (ja) * 2000-12-01 2010-10-27 本田技研工業株式会社 運動情報認識システム
JP4812063B2 (ja) * 2001-08-21 2011-11-09 独立行政法人科学技術振興機構 人物動画作成システム
JP4625948B2 (ja) * 2005-01-21 2011-02-02 国立大学法人徳島大学 パターン検出装置、パターン検出方法、パターン検出プログラム及びコンピュータで読み取り可能な記録媒体並びに記録した機器
CN112368683B (zh) * 2018-07-03 2024-03-26 三菱电机株式会社 数据处理装置以及数据处理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
大野崇ほか,固有空間によるモーションシステムのビジュアルシミュレーション,日本シミュレーション学会第16回シミュレーションテクノロジーコンファレンス発表論文集,1997年 6月18日,pp. 261−264

Also Published As

Publication number Publication date
JPH11345342A (ja) 1999-12-14

Similar Documents

Publication Publication Date Title
US8180161B2 (en) Image classification device and image classification program
US9077949B2 (en) Content search device and program that computes correlations among different features
US6246790B1 (en) Image indexing using color correlograms
US6771268B1 (en) Video skimming system utilizing the vector rank filter
JP3026712B2 (ja) 画像検索方法及びその装置
US5696964A (en) Multimedia database retrieval system which maintains a posterior probability distribution that each item in the database is a target of a search
JP4388095B2 (ja) 距離測定法を用いる画像検索
JP3528915B2 (ja) 2次元画像をデータベース内の複数の3次元候補モデルの1つと照合する方法
KR20010042672A (ko) 신호 처리 방법 및 영상 음성 처리 장치
WO2006129791A1 (ja) 画像処理システム、3次元形状推定システム、物体位置姿勢推定システム及び画像生成システム
US20050036712A1 (en) Image retrieving apparatus and image retrieving program
US20030081859A1 (en) Determination of similarity using weighting value depending on the type of characteristic
JPH10240716A (ja) 時系列データ解析装置及びプログラムを記録した機械読み取り可能な記録媒体
US7373021B2 (en) Image search program, information storage medium, image search apparatus and image search method
JP5322111B2 (ja) 類似画像検索装置
CN115187786A (zh) 一种基于旋转的CenterNet2目标检测方法
JP3483113B2 (ja) 時系列画像検索方法、装置、および時系列画像検索プログラムを記録した記録媒体
CN111898637A (zh) 一种基于ReliefF-DDC特征选择算法
JP3311077B2 (ja) 画像検索装置
CN113988198A (zh) 一种基于地标约束的多尺度城市功能分类方法
JP3499663B2 (ja) レーダイメージ処理装置
US20110136093A1 (en) Personalized studying path generating method in serious game
JP3421469B2 (ja) 類似画像の検索装置および方法
JP2000305940A (ja) 時系列データ検索方法及び装置及び時系列データ検索プログラムを格納した記憶媒体
JPH08263522A (ja) 画像検索方法

Legal Events

Date Code Title Description
FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20071017

Year of fee payment: 4

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

Free format text: PAYMENT UNTIL: 20081017

Year of fee payment: 5

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

Free format text: PAYMENT UNTIL: 20091017

Year of fee payment: 6

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

Free format text: PAYMENT UNTIL: 20101017

Year of fee payment: 7

LAPS Cancellation because of no payment of annual fees