JP5004743B2 - データ処理装置 - Google Patents

データ処理装置 Download PDF

Info

Publication number
JP5004743B2
JP5004743B2 JP2007264965A JP2007264965A JP5004743B2 JP 5004743 B2 JP5004743 B2 JP 5004743B2 JP 2007264965 A JP2007264965 A JP 2007264965A JP 2007264965 A JP2007264965 A JP 2007264965A JP 5004743 B2 JP5004743 B2 JP 5004743B2
Authority
JP
Japan
Prior art keywords
circuit
signal
distance
division
data
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
JP2007264965A
Other languages
English (en)
Other versions
JP2009093500A (ja
Inventor
昭宜 大黒
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.)
Toshiba Information Systems Japan Corp
Original Assignee
Toshiba Information Systems Japan 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 Toshiba Information Systems Japan Corp filed Critical Toshiba Information Systems Japan Corp
Priority to JP2007264965A priority Critical patent/JP5004743B2/ja
Priority to PCT/JP2008/067299 priority patent/WO2009047983A1/ja
Priority to CN200880108845.5A priority patent/CN101828181B/zh
Priority to EP08836935.0A priority patent/EP2199923A4/en
Priority to US12/680,826 priority patent/US8396911B2/en
Priority to KR1020107010208A priority patent/KR101124637B1/ko
Publication of JP2009093500A publication Critical patent/JP2009093500A/ja
Application granted granted Critical
Publication of JP5004743B2 publication Critical patent/JP5004743B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/15Correlation function computation including computation of convolution operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2134Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Medical Informatics (AREA)
  • Image Analysis (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Complex Calculations (AREA)

Description

この発明は、画像や音声などの各種のデータについて固有空間法を用いて処理を行うデータ処理装置に関するものであり、特に論理回路を用いて構成し、高速化を図ったデータ処理装置である。
従来の固有空間法を用いたデータ処理にあっては、例えば、パターン認識の対象に係る幾つかの画像をデータベースと比較するものであり、類似度の閾値は共通のものが用いられている。
例えば、顔写真と入力顔画像とを比較する場合に、上記手法に改良を加え、モデル空間と変動分空間を分離して特徴抽出するものが知られている(特許文献1参照)。
しかしながら、一枚の画像や一連の音声に類似する部分(イメージや単語など)が存在するか、或いは一枚の画像や一連の音声に異なる部分(イメージや単語など)が存在するかという観点からデータ処理を行うことはなされていない。
また、この種のデータ処理にあっては、各データの主成分分析結果に係る固有値、固有ベクトルを事前に計算しデータベース化しておくことが多い。また、比較データも、上記データベース化された固有値、固有ベクトルにより主成分を算出するように構成されている。
例えば、行動分析装置においては、データベースに特徴ベクトルの平均値、共分散行列、共分散行列についての固有値行列及び固有ベクトルを備え、これらを用いるものが知られている(特許文献2(特に、請求項6)参照)。
特開平10−171988号公報 特開2004−157614号公報
しかしながら、各区分データ(一画像を区分した画像のデータ)などについて、固有値、固有ベクトルを算出する処理と、主成分分析を同時にリアルタイムに行うようなことはできないという問題点がある。
本発明は、上記のような固有空間法を用いたデータ処理の現状に鑑なされたもので、その目的は、一まとまりのデータの部分相互について、類似や非類似などの判定を行い、所望の部分データを引き出すことが可能であり、データベースを用いることなく高速処理を行うことの可能なデータ処理装置を提供することである。
本発明に係るデータ処理装置は、処理対象データを比較する区分の大きさにそれぞれ分割した区分データに対応する信号を送出するための区分信号線と、論理和回路及び論理積回路により構成され、前記区分信号線の信号を入力し、各区分信号線毎の信号について平均値を算出すると共に、算出された区分毎の平均値信号と前記区分信号線の信号に基づき、各区分について相関行列を構成する相関行列信号を生成する相関行列生成回路と、論理回路により構成され、前記相関行列生成回路により生成された相関行列信号と前記区分信号線の信号を入力し、該相関行列の固有値及び固有ベクトルに対応する信号を算出する固有値・固有ベクトル算出回路と、論理和回路及び論理積回路により構成され、前記固有値・固有ベクトル算出回路により算出された固有ベクトル信号と前記区分信号線の信号を入力し、前記各区分の特徴ベクトルに対応する信号を算出する積和演算回路と、論理回路により構成され、前記積和演算回路により算出された特徴ベクトル信号を入力し、前記特徴ベクトルの各要素間の距離を算出する距離算出回路と、ユーザが、各要素間の距離と比較するための閾値の信号を設定するための閾値設定回路と、論理回路により構成され、前記閾値設定回路においてユーザにより設定された閾値信号に基づき前記距離算出回路により算出された各要素間の距離信号と対比し、該当する距離を有する区間であるか否か示す信号出力する結果出力回路とを具備することを特徴とする。
本発明に係るデータ処理装置は、論理回路により構成され、距離算出回路により算出された各要素間の距離信号を入力し、各区分毎のそれぞれの要素について距離が最小である距離を抽出する最小距離抽出回路を備え、結果出力回路は、この最小距離抽出回路により抽出された距離の信号と閾値信号を対比し、該当する距離を有する区間であるか否か示す信号出力することを特徴とする。
本発明に係るデータ処理装置では、結果出力回路の出力に基づき、該当する距離を有する区間である区分のデータを出力する処理回路を具備することを特徴とする。
本発明によれば、処理対象データを比較する区分の大きさに分割し、分割された各区分について特徴ベクトルを抽出し、特徴ベクトルの各要素間の距離を算出して、各要素間の距離と比較するので、一まとまりのデータの部分相互について、類似や非類似などの判定を行うことが可能である。この場合、各回路が論理回路により構成されており、高速処理が可能である。
また、ユーザが、各要素間の距離と比較するための閾値を設定でき、この、ユーザにより設定された閾値に基づき、該当する距離を有する各要素を求め、この要素に対応する区分を特定するので、閾値をコントロールして所望の類似度の範囲にある一まとまりのデータの部分を自在に取り出すことができる。
更に、算出された各要素間の距離について、各区分毎にそれぞれの要素について距離が最小である距離を抽出し、この抽出された距離と閾値を対比し、該当する距離を有する各要素を求め、この要素に対応する区分を特定するので、一まとまりのデータの部分毎に最も類似度が高い部分を選ぶことができ、かつその部分が所定類似度にある場合に特定を行い、より厳格な基準により一まとまりのデータの部分相互について、類似や非類似などの判定を行うことが可能である。この場合にも、各回路が論理回路により構成されており、高速処理が可能である。
以下添付図面を参照して、本発明に係るデータ処理装置の実施例を説明する。各図において同一の構成要素には、同一の番号を付して重複する説明を省略する。
<実施例1>
図1に、第1の実施例に係るデータ処理装置のブロック図を示す。データ処理装置は、データを取り込む入力部11を備えており、ある一まとまりのデータを取り込む。
入力部11に対しては、データ記憶装置などからデータを取り込んでも良いし、リアルタイムに到来するデータを蓄積して一まとまりのデータとして入力しても良い。また、ある一まとまりのデータとは、一枚の画像のデータや講演会などの音声データである。具体例としては、図2(b)に示す画像のデータを挙げることができる。入力部11において、取り込んだデータは{I0,・・・,Ii}と記載することができる。図2の画像においては1ピクセル毎の色の輝度データ(R,G,B)が{I0,・・・,Ii}に相当することになり、1画像がi個のピクセルから構成されている。
入力部11には、区分信号線L1〜Lkが具備されている。区分信号線L1〜Lkは、処理対象データを比較する区分の大きさにそれぞれ分割した区分データに対応する信号を送出するための信号ラインである。区分信号線L1〜Lkには、データが幾つかの区分の大きさに分割されて与えられるものであり、図2(a)の例では、1画像をk(16)等分した区分画像Pic・1〜Pic・k(k=16)に分割した区分データが入力される。
区分画像Pic・1〜Pic・k(k=16)のデータは、区分画像Pic・1において{A11,・・・,Aj1Tと表すことができ、区分画像Pic・2において{A12,・・・,Aj2Tと表すことができ、・・・、区分画像Pic・k(k=16)において{A1k,・・・,AjkTと表すことができる。なお、Tは転置行列であることを示す。この分割により、j=i/kであり、k=16により、1区分画像中にj個のピクセルが含まれる。
上記の{A11,・・・,Aj1T、{A12,・・・,Aj2T、・・・、{A1k,・・・,AjkTにおける各要素Axyは、1個のピクセルの画素の輝度データ(R,G,B)を示すものである。区分画像Pic・1〜Pic・k(k=16)のデータをj行k列の行列により示すと、図3に示されるようになり、列方向の一群の要素をA1,A2,・・・,Akにより表すとき、これらの要素A1,A2,・・・,Akの信号が区分信号線L1〜Lkの対応する信号線に入力される。従って、各区分信号線L1〜Lkはそれぞれデータのビットに対応する複数本により構成される。
区分信号線L1〜Lkを通過した信号は、相関行列生成回路12と積和演算回路15とへ与えられる。相関行列生成回路12は、論理和回路及び論理積回路により構成され、上記区分信号線L1〜Lkの信号を入力し、各区分信号線L1〜Lk毎の信号について平均値を算出するものである。この相関行列生成回路12は、各区分のデータ(ここでは画像)に含まれている同一行の要素について平均値を算出するものであり、一般的なj行(j番目)の要素{Aj1,・・・,Aj1}に対する平均値Mjを求める式は、次の(式1)により表すことができる。(式1)の計算を行う相関行列生成回路12における平均値算出部分は、論理回路による公知の和算回路及び除算回路を組み合わせて実現される。
上記相関行列生成回路12における平均値算出部分により得られた平均値Mjは、相関行列生成回路12において次の処理に用いられている。この相関行列生成回路12における構成は、例えば共分散行列を生成する回路として実現される。相関行列生成回路12は、先に算出した区分毎の平均値信号と上記区分信号線L1〜Lkの信号を入力し、各区分について相関行列を構成する相関行列信号を生成するものである。具体的には、上記平均値Mjを用いて、一般的なj行(j番目)の要素{A11,・・・,A1j}との引き算の結果をQjkと表すと、次の(式2)を用いることにより共分散Skkを求めることができる。ここで、Qjk TはQjkの転置行列を示す。(式2)の計算を行う相関行列生成回路12は、論理回路による公知の引算回路及乗算回路を組み合わせて実現される。
相関行列生成回路12の出力は、固有値・固有ベクトル算出回路14へ送出されている。固有値・固有ベクトル算出回路14は、相関行列生成回路12により生成された相関行列信号と上記区分信号線L1〜Lkの信号を入力し、該相関行列の固有値及び固有ベクトルに対応する信号を算出するものである。固有値・固有ベクトル算出回路14は、論理回路により構成され、相関行列の要素を用いて既知の演算によりk次方程式の解を得る回路と、論理回路により構成され、上記解と相関行列の要素を用いて固有ベクトルを得る回路により構成され、共分散Skkの固有値λ1〜λkと固有ベクトルVを求めるものである。固有ベクトルVは(式3)のように記載することができる。
固有値・固有ベクトル算出回路14の出力は、積和演算回路15へ与えられている。積和演算回路15は、論理和回路及び論理積回路により構成され、固有値・固有ベクトル算出回路14により算出された固有ベクトル信号と区分信号線L1〜Lkの信号を入力し、上記各区分の特徴ベクトルに対応する信号を算出するものである。つまり、積和演算回路15は、(式3)の固有値ベクトルVと上記Ajk TとAjkを用いて、(Ajk・V)T・Ajkを計算して特徴ベクトルを得る。この算出された特徴ベクトルは、次に示す(式4)のようにk行k列であるから、(式4)における行方向に並ぶ要素を集合して特徴ベクトルc1〜ckを得る。即ち、c1={c11,・・・,ck1T、c2={c12,・・・,ck2T、・・・、ck={c1k,・・・,ckkTを得る。
積和演算回路15の出力は、距離算出回路16−1、・・・、16−i、・・・、16−kに与えられている。距離算出回路16−1、・・・、16−i、・・・、16−kは、特徴ベクトルc1〜ckの各要素間の距離を算出するものであり、本実施例では各要素間の距離をdmnとするとき、次の(式5)により、ユークリッド距離が求められている。
距離算出回路16−1〜16−kを代表して、距離算出回路16−1と距離算出回路16−kにおける入力と出力及び回路内において行っている演算を図4に示す。各距離算出回路16−1、・・・、16−i、・・・、16−kは、上記図4に示した演算を行う論理回路により構成される。ここで求められたユークリッド距離を行列により示すと、次の(式6)のようにk行k列である。
距離算出回路16−1、・・・、16−i、・・・、16−kの出力は、結果出力回路18−1〜18−kへ与えられている。結果出力回路18−1〜18−kには、閾値設定回路17が接続されている。閾値設定回路17は、各要素間の距離(上記ユークリッド距離)と比較するための閾値を設定するもので、レジスタにより構成することができる。結果出力回路18−1〜18−kは、論理回路により構成されており、閾値設定回路17により設定された閾値に基づき上記距離算出回路16−1〜16−kにより算出された各要素間の距離と対比し、該当する距離を有する区間であるか否か示す複数信号を出力するものである。
この結果出力回路18−1〜18−kは、同一の構成であり、一つの結果出力回路における一入力に対応する構成を示すと、図5のようになる。閾値設定回路17により設定された小さい側の閾値を閾値低aとし、大きい側の閾値を閾値高bとすると、a<dmnを検出する論理回路により構成された比較器31と、b>dmnを検出する論理回路により構成された比較器32と、比較器31、32の出力の論理積を求めるアンド回路33を備える。一つの結果出力回路には、図5の構成がkセット設けられ、kセット毎に結果を求めるので、一つの結果出力回路から複数出力が得られる。
ここで具体例を挙げて説明する。例えば、閾値設定回路17により閾値として、5より大きく40より小さい値という設定されたとする。これにより、結果出力回路18−1〜18−kは、(式6)のk行k列の各要素dについて5<d<40を満たすものを求める。ここで、(式6)におけるk行k列の要素dk1と要素d23とが上記閾値の条件5<d<40を満たすものとしてアンド回路33の出力がHレベルにされると、当該アンド回路33が属する結果出力回路の出力がHレベルとなり、一つの結果出力回路から出力されている複数出力の一つがHレベルとなるため、当該要素が属する列方向に並んでいる区分のデータが特定される。つまり、上記要素dk1に対しては第1列目の{A11,・・・,Aj1T=Pic・1が閾値の条件を満たしていると特定され、要素d23に対しては第3列目の{A13,・・・,Aj3T=Pic・3が閾値の条件を満たしていると特定される。
ここで、図2(a)の例において、1画像をk(16)等分した区分画像Pic・1〜Pic・k(k=16)に分割し、区分信号線L1〜Lkに入力した場合の特徴ベクトルC1〜Ckを0〜255の256階調で表すように値を定め、ユークリッド距離を求めると、図2(b)に示すテーブルのような値となる。
図2(a)の区分画像Pic・1〜Pic・k(k=16)において、区分画像Pic・1と区分画像Pic・3が等しく、区分画像Pic・2と区分画像Pic・4が等しく、区分画像Pic・5と区分画像Pic・77が等しく、区分画像Pic・6と区分画像Pic・8が等しく、区分画像Pic・10と区分画像Pic・12が等しく、区分画像Pic・13と区分画像Pic・15が等しく、区分画像Pic・14と区分画像Pic・16が等しい。唯一、区分画像Pic・9と区分画像Pic・11のみが僅かに異なっている。
したがって、図2(b)に示すテーブルの区分画像Pic・9と区分画像Pic・11の距離が、僅かに異なる区分画像であることを示す「25」となっている。全く等しい区分画像Pic・1と区分画像Pic・3等の距離は、同一であることを示す「0」となっている。その他の区分画像の組み合わせ(例えば、区分画像Pic・1と区分画像Pic・16等)における距離は、全く異なることを示す「255」となっている。なお、図2(b)に示すテーブルにおいては、本来dMAXw本来とすべきところを、「0」と表記してある。
上記のように、k行k列のテーブル値が求まると、結果出力回路18−1〜18−kは、設定されている小さい側の閾値である「閾値低」及び大きい側の閾値である「閾値高」とを用いて、全ての距離d nについて「閾値低」より大であり且つ「閾値高」より小であるものを抽出し、それぞれの出力をHレベルとする。この出力がHレベルとされた距離d nに対応するデータ群を、Hレベルに基づいて、例えば図示せぬ表示部へ通過させて表示出力することができる。
上記図2の画像の例では、「閾値低」を10として「閾値高」を36とすることにより、区分画像Pic・9と区分画像Pic・11が抽出され、表示出力される。これらの区分画像Pic・9と区分画像Pic・11は上述の通り、僅かに差のある画像であるから、僅かな画像変化があった部分を抽出する場合や、二枚の絵の中の「誤り探し」などを行う場合に好適なものである。
また、図6のような4×4枚の画像を一枚の画像として入力し、4×4の区分画像に分割して上記と同様に区分信号線L1〜Lkに入力して処理を行い、「閾値低」を175として「閾値高」を200とすることにより、図7に示すように同一人物が写っているLabel4、Label5、Label11の三つの区分画像を特定して、表示することができる。更に、図6の画像に対し「閾値低」を160として「閾値高」を168とすることにより、図8に示すように同一人物が写っているLabel8、Label9の区分画像を特定して、表示することができる。
<実施例2>
図9に、第2の実施例に係るデータ処理装置のブロック図を示す。このデータ処理装置は、第1の実施例のものにおいて、距離算出回路16−1〜16−kと結果出力回路18−1〜18−kと間に、最小距離抽出回路20−1〜20−kを介装したものである。この最小距離抽出回路20−1〜20−kは、距離算出回路16−1〜16−kにより算出された各要素間の距離について、それぞれの区分毎に要素について距離が最小である距離を抽出するものである。また、本実施例の結果出力回路18A−1〜18A−kは、1入力1出力となっている。つまり、結果出力回路18A−1〜18A−kは、それぞれ図5に示す構成の回路を一つ具備している。本実施例は、この結果出力回路18A−1〜18A−kおよび最小距離抽出回路20−1〜20−kを除き、第1の実施例と同一の構成が採用されている。
最小距離抽出回路20−1〜20−kは、同一の構成であるから、この中の一回路の具体例は図10に示されるように構成される。距離算出回路16−iの出力の隣接する出力を比較する論理回路により構成される第1段比較器41−1〜41−(d/2)を用いて第1段の出力を得て、更に第2段において前段の出力の隣接する出力を比較する論理回路により構成される第2段比較器により比較を行う。前最終段は2個の比較器45−1、45−2により前段の出力の隣接する出力を比較する。最終段の比較器46は、比較器45−1、45−2の出力を比較する。
この最小距離抽出回路20−1〜20−kによって、(式6)のようにk行k列であるユークリッド距離の行列において、列方向に並んだ要素を比較して、その中で最小のものを抽出する。最小距離抽出回路20−1〜20−kにおいて、図11に示すように、全ての列について最小のものを抽出することにより、k(図2では、k=16)個の距離を抽出する。図11に示す例では、一例として距離dk1、d12、d23、・・・、d1kが最小値として抽出されている。
上記最小距離抽出回路20−1〜20−kにより抽出されたk個の距離の対応する1つを結果出力回路18A−1〜18A−kが受け取り、このk個のそれぞれの距離について、閾値を適用して該当する範囲にあるか否か検出される。図12の例では、図11において抽出された距離dk1、d12、d23、d1kがそれぞれ、30、100、30、50である場合において、閾値の条件5<d<40が設定されていることにより、距離dk1、d23が検出され、結果である上記要素dk1に対しては第1列目の{A11,・・・,Aj1T=Pic・1が特定され、要素d23に対しては第3列目の{A13,・・・,Aj3T=Pic・3が特定される。このため、これら結果出力回路18A−1〜18A−kの出力に基づき対応する区分画像を選択して表示させることができる。
本実施例では、各区分毎にそれぞれの要素について距離が最小である距離を抽出するので、区分毎において類似度が最も高い距離が抽出されることになり、更に結果出力回路18A−1〜18A−kにおいてその部分が所定類似度にある場合に特定を行い、より厳格な基準により一まとまりのデータの部分相互について、類似や非類似などの判定を行うことが可能である。
したがって、第2の実施例を用いて図6に示される画像の処理を行うと、同一ではなく且つ類似する画像を抽出することができ、閾値の変更により図7や図8のように画像を抽出して表示することができる。
本発明に係るデータ処理装置における第1の実施例の構成を示すブロック図。 本発明に係るデータ処理装置における処理の一例を説明するための画像とテーブルの一例を撮像した代用写真。 本発明に係るデータ処理装置における区分信号線に入力される信号に対応するデータ行列を示す図。 本発明に係るデータ処理装置における実施例の要部構成を示すブロック図。 本発明に係るデータ処理装置における実施例の要部構成を示すブロック図。 本発明に係るデータ処理装置における処理の一例を説明するための画像の一例を撮像した代用写真。 本発明に係るデータ処理装置により図6の画像を処理した結果の第1の例を撮像した代用写真。 本発明に係るデータ処理装置により図6の画像を処理した結果の第2の例を撮像した代用写真。 発明に係るデータ処理装置における第2の実施例の構成を示すブロック図。 本発明に係るデータ処理装置における第2の実施例の要部構成を示すブロック図。 本発明に係るデータ処理装置における第2の実施例による最小値抽出の処理を示す図。 本発明に係るデータ処理装置における第2の実施例による最小値抽出の処理を、数字を入れて示した図。
符号の説明
L1〜Lk 区分信号線
11 入力部
12 相関行列生成回路
14 固有値・固有ベクトル算出回路
15 積和演算回路
16−1〜16−k 距離算出回路
17 閾値設定回路
18−1〜18−k 結果出力回路
18A−1〜18A−k 結果出力回路
20−1〜20−k 最小距離抽出回路

Claims (3)

  1. 処理対象データを比較する区分の大きさにそれぞれ分割した区分データに対応する信号を送出するための区分信号線と、
    論理和回路及び論理積回路により構成され、前記区分信号線の信号を入力し、各区分信号線毎の信号について平均値を算出すると共に、算出された区分毎の平均値信号と前記区分信号線の信号に基づき、各区分について相関行列を構成する相関行列信号を生成する相関行列生成回路と、
    論理回路により構成され、前記相関行列生成回路により生成された相関行列信号と前記区分信号線の信号を入力し、該相関行列の固有値及び固有ベクトルに対応する信号を算出する固有値・固有ベクトル算出回路と、
    論理和回路及び論理積回路により構成され、前記固有値・固有ベクトル算出回路により算出された固有ベクトル信号と前記区分信号線の信号を入力し、前記各区分の特徴ベクトルに対応する信号を算出する積和演算回路と、
    論理回路により構成され、前記積和演算回路により算出された特徴ベクトル信号を入力し、前記特徴ベクトルの各要素間の距離を算出する距離算出回路と、
    ユーザが、各要素間の距離と比較するための閾値の信号を設定するための閾値設定回路と、
    論理回路により構成され、前記閾値設定回路においてユーザにより設定された閾値信号に基づき前記距離算出回路により算出された各要素間の距離信号と対比し、該当する距離を有する区間であるか否か示す信号出力する結果出力回路と
    を具備することを特徴とするデータ処理装置。
  2. 論理回路により構成され、距離算出回路により算出された各要素間の距離信号を入力し、各区分毎のそれぞれの要素について距離が最小である距離を抽出する最小距離抽出回路を備え、
    結果出力回路は、この最小距離抽出回路により抽出された距離の信号と閾値信号を対比し、該当する距離を有する区間であるか否か示す信号出力することを特徴とする請求項1に記載のデータ処理装置。
  3. 結果出力回路の出力に基づき、該当する距離を有する区間である区分のデータを出力する処理回路を具備することを特徴とする請求項1または2に記載のデータ処理装置。
JP2007264965A 2007-10-10 2007-10-10 データ処理装置 Expired - Fee Related JP5004743B2 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
JP2007264965A JP5004743B2 (ja) 2007-10-10 2007-10-10 データ処理装置
PCT/JP2008/067299 WO2009047983A1 (ja) 2007-10-10 2008-09-25 データ処理装置
CN200880108845.5A CN101828181B (zh) 2007-10-10 2008-09-25 数据处理装置
EP08836935.0A EP2199923A4 (en) 2007-10-10 2008-09-25 DATA PROCESSING UNIT
US12/680,826 US8396911B2 (en) 2007-10-10 2008-09-25 Data processing device
KR1020107010208A KR101124637B1 (ko) 2007-10-10 2008-09-25 데이터 처리장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2007264965A JP5004743B2 (ja) 2007-10-10 2007-10-10 データ処理装置

Publications (2)

Publication Number Publication Date
JP2009093500A JP2009093500A (ja) 2009-04-30
JP5004743B2 true JP5004743B2 (ja) 2012-08-22

Family

ID=40549128

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007264965A Expired - Fee Related JP5004743B2 (ja) 2007-10-10 2007-10-10 データ処理装置

Country Status (6)

Country Link
US (1) US8396911B2 (ja)
EP (1) EP2199923A4 (ja)
JP (1) JP5004743B2 (ja)
KR (1) KR101124637B1 (ja)
CN (1) CN101828181B (ja)
WO (1) WO2009047983A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5554984B2 (ja) * 2009-12-24 2014-07-23 キヤノン株式会社 パターン認識方法およびパターン認識装置
JP5441737B2 (ja) * 2010-01-28 2014-03-12 東芝情報システム株式会社 画像処理装置、画像処理方法及び画像処理用プログラム
JP5367601B2 (ja) * 2010-01-28 2013-12-11 東芝情報システム株式会社 画像処理装置、画像処理方法及び画像処理用プログラム
JP5455682B2 (ja) * 2010-01-28 2014-03-26 東芝情報システム株式会社 画像処理装置、画像処理方法及び画像処理用プログラム
JP7101084B2 (ja) * 2018-08-29 2022-07-14 株式会社東芝 情報処理装置、情報処理システム及び情報処理方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2979711B2 (ja) * 1991-04-24 1999-11-15 日本電気株式会社 パターン認識方式および標準パターン学習方式
US6345109B1 (en) * 1996-12-05 2002-02-05 Matsushita Electric Industrial Co., Ltd. Face recognition-matching system effective to images obtained in different imaging conditions
JP3729581B2 (ja) * 1996-12-05 2005-12-21 松下電器産業株式会社 パターン認識・照合装置
US6671404B1 (en) * 1997-02-14 2003-12-30 Hewlett-Packard Development Company, L.P. Method and apparatus for recognizing patterns
JP3997749B2 (ja) * 2001-10-22 2007-10-24 ソニー株式会社 信号処理方法及び装置、信号処理プログラム、並びに記録媒体
JP3823804B2 (ja) * 2001-10-22 2006-09-20 ソニー株式会社 信号処理方法及び装置、信号処理プログラム、並びに記録媒体
JP2004157614A (ja) 2002-11-01 2004-06-03 Advanced Telecommunication Research Institute International 行動分析装置
JP2005250562A (ja) * 2004-03-01 2005-09-15 Tama Tlo Kk 判別分析を行う方法、類似画像検索方法、及び、そのプログラム、装置
JP4484643B2 (ja) * 2004-09-10 2010-06-16 独立行政法人科学技術振興機構 時系列データ異常判定用プログラム及び時系列データ異常判別方法
US7715597B2 (en) * 2004-12-29 2010-05-11 Fotonation Ireland Limited Method and component for image recognition
JP2007080061A (ja) * 2005-09-15 2007-03-29 Univ Of Tsukuba Webページの検索方法及びWebページのクラスタリング方法
JP4641492B2 (ja) * 2005-11-16 2011-03-02 日本電信電話株式会社 特異映像検出装置、特異映像検出方法およびプログラム
US7620204B2 (en) * 2006-02-09 2009-11-17 Mitsubishi Electric Research Laboratories, Inc. Method for tracking objects in videos using covariance matrices

Also Published As

Publication number Publication date
EP2199923A4 (en) 2013-12-25
US8396911B2 (en) 2013-03-12
WO2009047983A1 (ja) 2009-04-16
KR101124637B1 (ko) 2012-03-20
CN101828181A (zh) 2010-09-08
JP2009093500A (ja) 2009-04-30
EP2199923A1 (en) 2010-06-23
US20100211622A1 (en) 2010-08-19
CN101828181B (zh) 2013-03-20
KR20100084538A (ko) 2010-07-26

Similar Documents

Publication Publication Date Title
Meenpal et al. Facial mask detection using semantic segmentation
CN110765860B (zh) 摔倒判定方法、装置、计算机设备及存储介质
Agarwal et al. Are image-agnostic universal adversarial perturbations for face recognition difficult to detect?
CN106415594B (zh) 用于面部验证的方法和系统
US9098775B2 (en) Multi-class identifier, method, and computer-readable recording medium
US9619753B2 (en) Data analysis system and method
JP2009086901A (ja) 年齢推定システム及び年齢推定方法
Zhuge et al. Deep embedding features for salient object detection
JP2006172437A (ja) データのストリームにおけるセグメント境界の位置の決定方法、データサブセットを近隣のデータサブセットと比較してセグメント境界を決定する方法、コンピュータによって実行可能な命令のプログラム、ならびにデータのストリームにおける境界及び非境界を識別するシステム又は装置
EP3937076A1 (en) Activity detection device, activity detection system, and activity detection method
CN111814690B (zh) 一种目标重识别方法、装置和计算机可读存储介质
JP5004743B2 (ja) データ処理装置
CN111222558B (zh) 图像处理方法及存储介质
Özkan et al. Boosted multiple kernel learning for first-person activity recognition
CN110503090A (zh) 基于受限注意力模型的字符检测网络训练方法、字符检测方法和字符检测器
Bostanci et al. A fuzzy brute force matching method for binary image features
CN110704667B (zh) 一种基于语义信息的快速相似图检测方法
Patil et al. Improving the efficiency of image and video forgery detection using hybrid convolutional neural networks
CN112308153B (zh) 一种烟火检测方法和装置
Bui et al. Face and hand gesture recognition algorithm based on wavelet transforms and principal component analysis
Kumamoto et al. CNN-based pedestrian orientation estimation from a single image
EP3557476B1 (en) Device for determining a caption for an unknown traffic sign
Jhuang et al. Deeppear: Deep pose estimation and action recognition
JP4994174B2 (ja) データ処理装置及びデータ処理方法
Rodriguez et al. Fusion of steganalysis systems using Bayesian model averaging

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20100917

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20120228

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20120501

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20120522

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120522

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

Free format text: PAYMENT UNTIL: 20150601

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Ref document number: 5004743

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees