JP5181888B2 - グラフィカルユーザインターフェースを生成する方法及びシステム - Google Patents

Description

本発明はパッチ認識(patch recognition)の技法に関連する。具体的には、本発明は画像ベース書類パッチ認識に関するインビジブルジャンクション(invisible junction)と呼ばれる新たな特徴を使用するシステム及び方法に関連する。より具体的には、本発明はインビジブルジャンクションを使って３次元ナビゲーション用のユーザインターフェースをもたらすシステム及び方法に関連する。

かつてコンピュータ及び電子書類はデスクトップ環境での使用に制限されていた。デスクトップ環境では、電子書類はコンピュータによりプリンタに出力され、紙で印刷されていた。プリンタ及びコピーは、私用の及び商用のオフィス環境で、パーソナルコンピュータを伴う家庭環境で及び書類印刷や出版サービス環境で使用される。電子書類が紙で印刷されると、これら２種類の書類の取り扱いは殆ど独立である。印刷及び複写技術は、静的な印刷媒体(即ち、紙書類)とインタラクティブな仮想世界(virtual world of interactivity)との間のギャップを埋めることができておらず、その仮想世界は、ディジタル通信、ネットワーキング、情報提供、広告、娯楽及び電子商取引等のようなものをふくむ。

ここ数年にわたる小型携帯通信装置及びパーソナル電子装置(例えば、パーソナルディジタルアシスタント(PDA)、携帯電話機(例えば、カメラ付き携帯電話機)及びディジタルカメラ等)の出現及び普及は、電子的に読取可能且つ検索可能な形式にすることで、及びインタラクティブなマルチメディア機能を導入することで、書類の概念を電子形式を含むように拡張し、これらは従来の印刷媒体では例を見ないものである。

一方の電子書類の世界と他方の紙書類の世界の間を橋渡しする際、従来技術には問題がある。電子的にアクセス可能な仮想マルチメディアの世界と紙媒体の物理的な世界との間にはギャップがある。特に、印刷された紙を使って、その紙書類の生成元の電子書類にアクセスすること又はそれを発見することさえ、非常に困難である及び／又は演算負担が大きい。印刷された書類に対応する電子書類を特定及び発見する際の主な障害は、カメラで捕らえられている画像パッチの認識である。印刷書類の画像を捕捉することは、カメラ付き携帯電話の普及と共に些細なことになりつつあるが、そのような低解像度画像を使って電子書類を取り出す技法は確立してない。

言い換えれば、カメラが見ている書類をデータベースから効率的に特定し、認識されたページでカメラが見ている地点をピンポイントで正確に特定し、認識された書類ページにおける画像のフレームボックスを推定する方法は確立してない。この認識作業は、次のような事項により更に困難になる：１）入力画像は、見ている書類ページの小さな一部分であること；２）互いに同様に見える多数の書類ページがデータベースに存在すること；３）携帯カメラは様々な表示状態を有し、その表示状態は、手の動きに起因して紙及びカメラの動きに関して様々な表示角度及び距離を含むこと；４）照明の変化に起因して顕著な高度変動が起こること；及び５）ユーザが紙を手で持っている場合、平坦でない幾何学的な歪みがあるかもしれないこと等である。

従来いくつかの試みがあるが、それらはいくつもの欠点を有する。例えば、一般的なSIFT(Scale Invariant Feature Transform)は、テキスト書類には適していない。SIFTキーポイントは、スケール空間中の極値から選択される。より具体的には、全てのスケール及び画像位置が、スケール空間内の局所的（ローカル）な最大値に関してスキャンされ、それらの局所的な最大値がキーポイント候補になる。これは文字の識別におけるSIFTを貧弱なものにしてしまい、SIFTは適切でなくなり、ノイズの多い環境で反復的になる。他の従来法は、テキストブロックの幾何学的特徴に焦点を当てるが、それらはアジアの言語や象形文字の言語には適切でない。

従来技術の更に別の問題は、利用可能な僅かな認識タイプしか識別力が無く、文字や画像とテキストの組み合わせに関して貧弱にしか機能しないことである。これは、部分的には、全てのテキスト書類の幾何学的配置に何らかの規則性のあることに起因する。従来の認識法は、ランキングと共に又はランキングを伴わずに多数の合致候補を返し、その候補は誤った肯定的な合致を多く与える。

従来技術の更なる問題は、入力された問い合わせ画像に対応する電子書類の領域を指示する方法が確立してないことである。特に、電子書類上でカメラが見ているポイントや見ている領域を指示する方法が確立されていない。

紙書類と仮想世界との間のリンクを作る際の従来技術の更なる別の問題は、紙及びコンピュータ装置の組み合わせを使用しながら、仮想世界と効率的にインターフェースをとる方法が確立されていないことである。コンピュータ画面に単独で表示可能な及びマウス型のコントローラやキーボード等と共に使用される、ツールバー、ボタン及び他のインターフェースのような様々な手段が存在する。しかしながら、紙及び電子書類と共に同時に機能するインターフェースは未だ無い。

本発明の課題は、画像ベースの書類パッチ認識用のインビジブルジャンクションを用いるシステムと共に、従来技術の欠点を克服することである。

本システムは有利である。なぜなら、本システムは低解像度の画像パッチのインビジブルジャンクションを用いて、関連する電子書類、ページ、見ている場所及び見ている領域を特定及び抽出するからである。本システムは有利である。なぜなら、本システムは西洋の及び東洋の言語双方と共に非常に高速に動作し、文字及び画像成分の混ざった画像を処理するからである。本発明は、電子書類のページ毎に固有の局所的な特徴群であるインビジブルジャンクションを利用して、捕捉した画像と電子書類の一部分とを照合する。一実施例では、本発明によるシステムは、画像捕捉装置、特徴量抽出及び認識システム、及びデータベースを含む。特徴量抽出及び認識システムは、特徴量抽出部、特徴量インデキシング部、特徴量検索部及び幾何学的推定部を更に有する。電子書類が印刷される場合、特徴量抽出及び認識システムは、例えば印刷捕捉ソフトウエアにより、書類ページの画像を捕捉する。その後、捕捉した画像中の特徴は、抽出され、索引付けされ、データベースに格納される。所与の問い合わせ画像(query image)−通常的には、ウェブカム(web-cam)のような低解像度の画像捕捉装置で捕捉された何らかの書類ページの小さなパッチ−に関し、問い合わせ画像中の特徴が抽出され、データベースに格納済みの画像と比較され、その問い合わせ画像を確認する。特徴量抽出及び認識システムは、有利なことに、幾何学的な推定を利用して、問い合わせ結果を、単一の又は少数の合致候補に減らす。一実施例では、特徴量抽出及び認識システムは、２つの別個の幾何学的推定を利用して、照合する候補を格付け及び確認する。本発明は、特徴量抽出、特徴量インデキシング、特徴量抽出及び幾何学低推定を行う方法も含む。

本発明は、入力された問い合わせ画像に対応する、視認中の領域及び見ている場所を認識及び追跡する方法も含む。更に本発明は特に有利である。なぜなら、その情報は元の入力書類の表現と組み合わせられ、新たなグラフィカルユーザインターフェースをそのユーザのために生成するからである。このユーザインターフェースは、通常のブラウザで表示可能であり、又は画像捕捉装置のディスプレイでさえも表示可能である。

上記の特徴及び利点は全てを包含するものではなく、特に、多くの追加的な特徴及び利点が、明細書及び図面の観点から、当該技術分野で通常の知識を有する者に明らかになるであろう。更に、本願で使用されている言葉は、原則として、説明や理解を促すように選ばれており、発明事項の範囲を限定する意図ではないことに留意すべきである。

本特許又は原出願のファイルはカラーで描かれた少なくとも１つの図面を含む。カラーの図面を伴う本特許又は原出願の公報の複写は、必要な手数料の支払と共にUSPTOに請求することで入手できるであろう。

本発明は非限定的な実施例により添付図面と共に以下で説明され、図中、同じ要素を指すために同じ番号が使用される。

画像ベース書類パッチ認識のインビジブルジャンクションと言及される新規な特徴を利用するシステムが説明される。以下の説明では、説明の目的で多くの具体的詳細が説明され、本発明の十分な理解を図っている。しかしながら、本発明はそのような具体的詳細によらずに実施できることは当業者に明らかであろう。また、本発明を曖昧にすることを避けるため、構造や装置はブロック図形式で示される。

本明細書における「一実施例」又は「実施例」は、その実施例に関して説明される特定の特質、構造又は特徴が、本発明の少なくとも１つの実施例に含まれることを意味する。本明細書の様々な場所で「一実施例」なる用語が使用されていることは、全て同じ実施例であることを必ずしも意味しているわけではない。

以下の詳細な説明の一部は、コンピュータメモリ内のデータビットを処理するアルゴリズム及び記号表現で与えられる。これらのアルゴリズムの説明及び表現は、データ処理技術分野の当業者が他の当業者に彼らの仕事内容を最も効率的に伝えるのに使用される手段である。ここで、アルゴリズムは一般に所望の結果に導く首尾一貫した一連のステップと考えられる。そのステップは物理量の物理的処理を必要とするものである。必須ではないが、通常それらの物理量は、格納、転送、結合、比較その他の処理を施すことの可能な電気的な又は磁気的な信号の形態をとる。原則的な一般的な用法の観点から、ビット、値、エレメント、シンボル、キャラクタ、期間、数等としてそれらの信号に言及することが折に触れて便利なことが分かる。

しかしながら、これらの及び類似の用語の全ては、適切な物理量に関連しており且つそれらの量に付された便宜的なラベルにすぎないことに留意を要する。特に断りのない限り、以下の説明から明らかなように、本説明を通じて、「処理」、「演算」、「計算」、「決定」又は「表示」等のような用語を用いる説明は、コンピュータシステム又は同様な電子コンピュータ装置の動作や処理に関連し、その動作や処理は、コンピュータシステムのレジスタ及びメモリの中で物理的な（電子的な）量として表現されるデータを、コンピュータシステムメモリやレジスタその他の情報ストレージ、伝送又は表示装置の中で物理量として同様に表現される他のデータに変換及び処理することが、理解されるであろう。

本発明はここで説明される処理を実行する装置にも関連している。その装置は、必要な目的に応じて特別に構築されてもよいし、コンピュータに格納されているコンピュータプログラムによって選択的にアクティブにされる又は再構成される汎用コンピュータで構築されてもよい。そのようなコンピュータプログラムはコンピュータ読取可能な記憶媒体に格納されてもよく、その記憶媒体は、フロッピディスク、光ディスク、CD-ROM、磁気光ディスク、リードオンリメモリ(ROM)、ランダムアクセスメモリ(RAM)、EPROM、EEPROM、磁気又は光カード等の如何なるタイプのディスクを含んでもよいし、或いは電子的な命令を格納するのに摘した如何なるタイプの媒体を含んでもよい。また、ディスクも媒体もそれぞれコンピュータシステムバスに結合されてもよい。

最後に、ここで説明されるアルゴリズム及び表示は、特定のコンピュータその他の装置のどれにも固有に関連するものではない。様々な汎用システムがここで教示するものによるプログラムと共に使用されてよく、或いは、必要な方法ステップを実行するように、よりいっそう特化した装置を構築することが便利なことが分かるかもしれない。これら様々なシステムに必要な構造は以下の説明から明らかになるであろう。更に、本発明は特定のプログラミング言語のどれにも依存しない。ここで説明される本発明の教示内容を実現するのに様々なプログラミング言語が使用されてよいことが分かるであろう。

システム概要
図１を参照するに、本発明のシステムの例100が示され、その新たな特徴は、画像ベース書類パッチ認識のインビジブルジャンクション(invisible junction)と言及される。本発明はインビジブルジャンクションを使用し、インビジブルジャンクションは、図５Ａ−５Ｄを参照しながら以下で説明されるような局所的な特徴量の組み合わせであり、捕捉した画像を電子書類の一部分と照合するためのものである。本実施例では、システム100は、画像捕捉装置106、特徴量抽出及び認識システム108、並びにデータベース110を有し、印刷された又は紙の書類102の一部の画像を捕捉し、対応する電子書類、ページ、見ている場所及び見ている領域を抽出する。紙書類102の元の領域104と電子表現112との間の関連付け(対応関係)は、線114で示されている。図１は、ある紙書類102の小さなパッチ104のようなクエリ画像(問い合わせ画像)を画像捕捉装置106と共に捕捉するシステム100の具体例116aを示す。特徴量抽出及び認識システム108は、問い合わせ画像中の特徴を抽出し、データベース110に格納済みの画像とそれらを比較し、電子表現112を同定する。

画像捕捉装置106は当該技術分野で既知の如何なる既存のタイプのものでもよい。例えば、問い合わせ画像を処理する場合、画像捕捉装置106は、ウェブカメラでもよいし、携帯電話に備わるカメラでもよいし、或いはディジタルカメラでもよい。本発明は、低解像度の画像捕捉装置と共に動作可能なので、特に有利である。画像捕捉装置106は、特徴量抽出及び認識システム108と通信するように結合されている。この通信は有線ネットワークを介してもよいし或いは無線ネットワークを介してもよい。

モデル画像が索引付け(インデキシング)される別の例では、画像捕捉装置106は、印刷書類を生成するソフトウエアや複合機のスキャナである。例えば、そのような実施例の場合、画像捕捉装置106は印刷捕捉ソフトウエアでもよい。これらの実施例はコンピュータ(図示せず)により出力又は印刷される書類を索引付けするのに使用される。

特徴量抽出及び認識システム108は、特徴量抽出、索引付け及び検索のインビジブルジャンクションに関する機能を実行する。特徴量抽出及び認識システム108は、特徴量抽出部310、特徴量インデキシング部312、特徴量検索部314及び幾何学的推定部316を、図２−４を参照しながら詳細に後述されるように更に有する。特徴量抽出及び認識システム108は、画像捕捉装置106に結合され、画像パッチ又は紙書類のモデル画像、紙書類の画像を受信する。特徴量抽出及び認識システム108は、データベース110に結合され、書類ページ及び電子書類の特徴記述又は電子書類に至るためのインデックスを格納する。特徴量抽出及び認識システム108は更にデータベース110にも結合され、検索の際に電子書類へのインデックス又は電子書類を検索する。特徴量抽出及び認識システム108は電子書類、ページ、見ている地点及び見ている領域等の検索されたものを、他のコンピュータシステムへ出力し、ユーザインターフェースによる表示に備える。

データベース110は通常のタイプのものであり、インデックス、電子書類、特徴記述及び他の情報（索引付けプロセス及び検索プロセスで使用される他の情報）を格納する。データベースはデータベースの連体でもよい。一実施例では、データベース110は複合機内に設けられる。

本発明によるシステム100は、多数の利益をもたらす点で特に優れている。第１に、本発明は新たな特徴を使用し、その特徴はインビジブルジャンクションと呼ばれ、対応する電子書類、ページ、見ている場所及び見ている領域を特定及び抽出することを可能にする。インビジブルジャンクションは、ノイズや表示状態によらない独立性や安定性をもたらし；問い合わせ画像及びモデル画像双方で反復可能であり；強い識別性をもたらし；低次元である。第２に、本発明は10000ページのデータベースで毎秒ほぼ４フレームという非常に速い速度で認識及び検索を行う。この認識及び検索は、リアルタイムのインタラクティブなアプリケーションに充分なほど速い。第３に本発明は、認識及び検索の際、カメラ付き携帯電話で取得されるような低品質の入力画像を利用できる。言い換えれば、画像の回転、スケール変更及び噛み合わせ(occlusions)によらず、検索は正確に行われる。第４に、本発明は東洋の及び西洋の言語の双方で認識及び検索を実行できる。第５に、本発明は、文字及び図形画像双方を含む入力画像について、テキストから画像に至るどの部分ででも、認識及び検索を実行できる。

システム実施例
図２を参照するに、本発明の一実施例により構築された特徴量抽出及び認識システム108の機能ブロック図が示されている。特徴量抽出及び認識システム108は、好ましくは、制御部250、ディスプレイ装置210、入力装置212、カーソル制御部214、通信装置216及び１つ以上の入力／出力(I/O)装置218を有する。

制御部250は、算術論理演算部、マイクロプロセッサ、汎用コンピュータ又は他の情報機器を有し、ディスプレイ装置210に電子表示信号を提供するように備えている。一実施例では、制御部250はグラフィックユーザインターフェース(GUI)を有する汎用コンピュータを有し、例えば、そのGUIはウインドウズ(登録商標)又はユニックス(登録商標)ベースのオペレーティングシステムのようなオペレーティングシステム上で動作するジャバ(Java(登録商標))で書かれたプログラムによって生成されてもよい。一実施例では、１つ以上のアプリケーションプログラムが制御部250によって実行され、そのアプリケーションプログラムは、限定ではないが、描画アプリケーション、ワードプロセシングアプリケーション、電子メールアプリケーション、財務アプリケーション及びウェブブラウザアプリケーション等を含む。

更に図２を参照するに、制御部250はプロセッサ202、メインメモリ204及びデータストレージ装置206を含むように示され、それら全てはシステムバス208に通信可能に結合されている。

プロセッサ202は、データ信号を処理し、様々なコンピュータアーキテクチャを備えていてもよく、コンピュータアーキテクチャは、複合命令セットコンピュータ(CISC)アーキテクチャ、縮小命令セットコンピュータ(RISC)アーキテクチャ又は組み合わせの命令セットを実現するアーキテクチャを含んでよい。図２には１つのプロセッサしか図示されていないが、複数のプロセッサが含まれてもよい。

メインメモリ204は、プロセッサ202で実行されてもよい命令及び／又はデータを格納する。命令及び／又はデータは、本願で説明される技法の全部又は何らかの一部分を実行するコードを有する。メインメモリ204は、ダイナミックランダムアクセスメモリ(RAM)装置、スタティックランダムアクセスメモリ(SRAM)装置、又は当該技術分野で既知の他のメモリ装置でもよい。メモリ204は図３に関連して更に詳細に説明される。

データストレージ装置206は、プロセッサ202用のデータ及び命令を格納し、１つ以上の装置を有する。１つ以上の装置は、ハードディスクドライブ、フロッピディスクドライブ、CD-ROM装置、DVD-ROM装置、DVD-RAM装置、DVD-RW装置、フラッシュメモリ装置又は当該技術分野で既知の他の大容量ストレージ装置等を含む。一実施例では、データストレージ装置206はデータベース110を含む。別の実施例では、データベースは特徴量抽出及び認識システム108に通信装置216及び信号線220（通常のネットワークを表す）を介して結合される。

システムバス208は、制御部250の中で情報及びデータを通信するための共有バスを表す。システムバス208は１つ以上のバスを表現し、その１つ以上のバスは、工業規格アーキテクチャ(ISA)バス、ペリフェラルコンポーネント相互接続(PCI)バス、ユニバーサルシリアルバス(USB)又は同様な機能を備えた当該技術分野で既知の他のバスを含む。システムバス208を介して制御部250に結合される追加的なコンポーネントは、ディスプレイ装置210、入力装置212、カーソル制御部214、通信装置216及びI/Oデバイス218を含む。

ディスプレイ装置210は、上述したような電子画像及びデータを表示するように用意された如何なる装置を表現してもよい。一実施例では、表示装置210は、液晶ディスプレイ(LCD)及び発光ダイオード(LED)であり、ステータスフィードバック、動作設定及び他の情報をユーザに与える。他の実施例では、ディスプレイ装置210は、例えば陰極線管(CRT)でもよいし、或いは表示装置、画面又はモニタを備えた同様な他の如何なるものでもよい。一実施例では、ディスプレイ装置210はタッチスクリーンを備え、及び／又はディジタイザを含み、接触式で感知する透明パネルがディスプレイ装置210の画面をカバーしている。

一実施例では入力装置212はキーパッドである。キーパッドはQWERTYキーパッド、キーのパッド、又はタッチスクリーン上でそのように表現されたものでもよい。カーソル制御部214はユーザ入力装置を表現し、位置データだけでなくコマンド選択内容もプロセッサ202に伝送するように備えられる。カーソル制御部214は、マウス、トラックボール、スタイラス、ペン、タッチスクリーン、カーソル指示キー、又はカーソルを動かす他の手段を含んでもよい。

通信装置216は、制御部250をネットワーク220に結合し、ネットワークは複数の処理システムを含み、一実施例ではネットワークコントローラである。処理システムのネットワークは、ローカルエリアネットワーク(LAN)、広域ネットワーク(WAN)（例えば、インターネット）及び／又は他の何らかの相互接続されたデータ経路(そのデータ経路で複数の装置が通信可能である)を含んでもよい。制御部250は、ネットワークのような他のシステムに対する他の通常の接続も有し、当業者に理解されるようなTCP/IP、http、https及びSMTPのような標準的なネットワークプロトコルを使ってファイル(メディアオブジェクト)を分配する。

I/Oデバイス218はバス208に結合される。これらのI/O装置は他のシステム(図示せず)の一部分でもよい。例えば、I/O装置218は、書類の画像を捕捉する画像スキャナを含んでもよい。I/O装置218も書類を生成するプリンタを含んでもよい。I/O装置218はオーディオ入力／出力装置を備え、マイクロホンを介して音声入力を受信し、スピーカを介して音声出力を送信してもよい。一実施例では、オーディオ装置は汎用のものでもよいし、汎用コンピュータシステム内で使用するように設計されたオーディオアドイン／拡張カードでもよい。選択的に、I/Oオーディオ装置は、１つ以上のアナログディジタル変換器又はディジタルアナログ変換器、及び／又は１つ以上のディジタル信号プロセッサを含み、オーディオ処理を行ってもよい。

特徴量抽出及び認識システム108は、本発明の精神及び範囲から逸脱せずに、図２に示されるものより多い又は少ない要素を含んでよいことが、当業者に明らかであろう。例えば、特徴量抽出及び認識システム108は、追加的なメモリ（例えば、第１又は第２レベルキャッシュ）又は１つ以上の特定用途向け集積回路(ASIC)を含んでもよい。更に、特徴量抽出及び認識システム108は、単独のバス208ではなく、複数のデータバスを含んでもよい。複数のバスは、特徴量抽出及び認識システム108の構成要素間の及び構成要素からの画像データを高速に転送することを可能にし、例えば、ディスプレイ装置へのユーザインターフェース情報の同時データ転送を可能にする。同様に、追加的な入力／出力装置218は制御部250に結合され、制御部はRFIDタグリーダ、ディジタルスチル若しくはビデオカメラ又は他の装置(制御部250に電子データをダウンロードする及び／又は取得するように備わっていてもいなくてもよい)を含む。１つ以上の要素は、キーボード及びカーソル制御部212のように省略されてもよい。

図３は特徴量抽出及び認識システム108のメモリユニット204の一例を示すブロック図である。メモリユニット204は、好ましくは、オペレーティングシステム302、アプリケーション304、制御モジュール306、ブラウザ308、特徴量抽出部310、特徴量インデキシング部312、特徴量検索部314、幾何学的推定部316、ビデオトラッカ320、用紙トラッカ322、認識部324、ドリフトコレクタ326及びユーザインターフェースモジュール328を有する。当業者は、メモリ204がバッファを含み、そのバッファは索引付け及び検索プロセスの際にデータ及び他の情報を一時的に格納することを認識するであろう。上述したように、メモリユニット204は、プロセッサ202で実行される命令及び／又はデータを格納する。命令及び／又はデータは、本願で説明される技法の全部又は何れかを実行するコードを有する。これらのモジュール302-314はバス208によりプロセッサ202に結合され、システム100と通信及び協同する。本発明はコンピュータのメモリユニット204の一部分として又はモジュールとして説明されるが、そのモジュール又は一部分は、永続的なデータストレージ装置206のような他の媒体に格納されてもよいし、クライアント／サーバ環境の場合のような複数のコンピュータを有するネットワーク220の中で分散されてもよいことを、当業者は認識するであろう。

オペレーティングシステム302は、好ましくは、カスタムオペレーティングシステムであり、アプリケーションインターフェースを介してユーザはそこにアクセス可能である。代替例では、オペレーティングシステム302は、ウインドウズ(登録商標)、ソラリス(登録商標)又はリナックス(登録商標)ベースのオペレーティングシステムのような通常のタイプのものでよい。

メモリユニット204は、１つ以上のアプリケーションプログラム304を含み、そのアプリケーションプログラムは、限定ではないが、描画アプリケーション、ワードプロセシングアプリケーション、電子メールアプリケーション、財務アプリケーション及びウェブブラウザアプリケーション等を含む。一実施例では、アプリケーション304は特にメモリ204の他のモジュール又はユニットに固有の機能を使用し、印刷された用紙及び対応する電子書類間のリンクをユーザが設定及び確認できるようにすることで、電子書類及び紙書類間のギャップを埋める（橋渡しを行う）。より具体的には、アプリケーション304は用紙からの電子データにアクセスし、及び電子データを用紙上の特定の場所に付随させ／埋め込み、ユーザが、上記の処理用のツールとしてのカメラを使って、その用紙からの電子データを後で検索できるようにする。例えば、あるアプリケーション304は、ユーザが単にウェブカムを指示し、指示された用紙の画像を捕捉したことに応答して、印刷された用紙の電子ファイル(マイクロソフトワード、アドビPDF等)を検索する。他のアプリケーション例304は、紙ベースのフォトwiki(paper-based photo-wiki)であり、物理的な用紙マップ上の所望の場所にカメラを単に指示することで、ユーザが撮影した像を用紙マップ上の特定の場所に付ける。これらには他の多くのアプリケーション304があり、そのアプリケーションは、例えば、書類データベースにアクセス又はブラウズする新規なユーザインターフェース、ディジタルペン及び用紙、マップナビゲータ、コピーのセキュリティ及びスキャナ、カメラゲーム、著作権保護用の重複検出等である。

制御モジュール306は、メモリ204の他のモジュールを制御するのに使用される。制御モジュール306は、アプリケーション304、ブラウザ308、特徴量抽出部310、特徴量インデキシング部312、特徴量検索部314及び幾何学的推定部316の制御を行い且つそれらとの通信を行うように合わせられている。制御モジュール306の動作は、図４及び６−９に関する以下の説明から明らかになるであろう。制御モジュール306はメモリ204の別個のモジュールとして示されているが、当業者は、別の実施例での制御モジュール306が他のモジュール310-316でのルーチンとして分散されてよいことを認識するであろう。

ブラウザ308は、マイクロソフト(登録商標)のインターネットエクスプローラ又はモジリアのファイヤフォックスのような通常のタイプのものでよい。ウェブブラウザはソフトウエアアプリケーションであり、そのソフトウエアアプリケーションは、文字、画像及び他の情報（典型的には、ローカルエリアネットワーク又はワールドワイドウェブのウェブサイトのウェブページにある）と共にユーザが表示及びやりとりすることを可能にする。

特徴量抽出部310は、紙書類のスキャンした画像及び元の電子書類からインビジブルジャンクションを取り出すソフトウエア及びルーチンである。一実施例では、特徴量抽出部310は、元の電子書類の受信に関連する入力機能と、特徴量記述を特徴量インデキシング部312に与える出力機能とを含む。他の実施例では、特徴量抽出部310は、紙書類の画像受信に関連する入力機能と、特徴記述を特徴量検索部314に与える出力機能とを含む。更に別の実施例では、特徴量抽出部310は、ロケーション判定モジュール、サイズ判定モジュール、方向判定モジュール及び記述子生成モジュールを含み、これらを組み合わせることで特徴量記述を生成する。特徴量抽出部310の動作は、図５Ａ−６を参照しながら以下で詳細に説明される。特徴量抽出部310は、特徴量インデキシング部312及び特徴量検索部314と結合されて通信が行われる。

特徴量インデキシング部312は、インビジブルジャンクション特徴記述子の１つ以上のインデックスを生成し、それらをデータベース110に格納するためのソフトウエア及びルーチンである。一実施例では、特徴量インデキシング部312は量子化ツリーを使って特徴記述を索引付けする。特徴量インデキシング部312は、特徴量抽出部310の出力に結合され、インビジブルジャンクション特徴記述子を受ける。特徴量インデキシング部312はデータベース110に結合される。特徴量インデキシング部312の動作は、図７Ａ及び７Ｂを参照しながら以下で詳細に説明される。

特徴量検索部314は、紙書類のインビジブルジャンクション特徴記述子からクエリ(query)を作成し、データベース110と通信し、データベース110の中で合致する電子書類の表示領域、場所及び書類を検索するソフトウエア及びルーチンである。特徴量検索部314は、特徴量抽出部310の出力に関連してインビジブルジャンクション特徴記述子を受信する。また特徴量検索部314は、データベース110に結合されており、これによって問い合わせを実行するとともに、その結果を受信する。類似候補の書類、場所及び表示領域は、特徴量検索部314から出力される。特徴量検索部314の動作は図8を参照しながら以下で詳細に説明される。

幾何学的推定部316は、特徴量検索部314から出力された候補書類を分類し、ある幾何学的制約に合う特徴点を最大数含む書類を選択するソフトウエア及びルーチンである。幾何学的推定部316は、特徴量検索部314と通信するように適合させられ、入力画像パッチに合う視野、ポイント及び書類を与える出力を有する。幾何学的推定部316の動作は図９Ａを参照しながら以下で詳細に説明される。

本発明は、入力クエリ画像に基づいて、見ている場所及び見ている領域を認識及び追跡する機能も有する。書類、見ている場所及び見ている領域を指す情報を生成することに加えて、本発明はその情報を元の電子書類と合併し、新たなユーザインターフェースを生成し、その新たなユーザインターフェースは、ユーザに正確な情報を与え、電子書類の中で非常に具体的な場所を結び付け(リンクさせ)、注釈の付加等の動作や動作の制御に備える。この認識及び追跡機能は、ビデオトラッカ320、用紙トラッカ322、認識部324及びドリフトコレクタ326によって用意される。制御モジュール306は、ビデオトラッカ320、用紙トラッカ322、認識部324及びドリフトコレクタ326の動作を図１０Ｃの状態図に合わせて制御する。代替実施例では、認識及び追跡モジュールのような他のモジュール（図示せず）が、制御モジュール306の代わりに使用されてもよいことを当業者は認識するであろう。この機能は図１０Ａ，１０Ｃを参照しながら以下で詳細に説明される。

ビデオトラッカ320は、ビデオフレーム間の投影変換等を行う、カメラ動作を追跡するソフトウエア及びルーチンである。ビデオトラッカ320は第１ビデオフレームを基準フレーム(リファレンスフレーム)として使用し、カメラの動きを示す情報を出力する。本質的には、ビデオトラッカ320はフレーム間でのカメラの相対的な動き提供する。ビデオトラッカ320は、特徴量検索部314と通信するよう適合させられ、特徴記述子を受信し、生成されたカメラ動作情報をもたらす出力を有する。ビデオトラッカ320の動作は、図１０Ａ，１０Ｃを参照しながら以下で詳細に説明される。

用紙トラッカ322は、用紙の位置に関するカメラの動きを追跡するソフトウエア及びルーチンである。用紙トラッカ322は紙面を基準フレームとして使用し、その紙面に対するカメラ位置を示す情報を出力する。その情報は、用紙のリファレンスと共に動くビデオトラッカ320からの情報を変換するのに使用可能である（相対的な又は局所的な座標空間から大域的（グローバル）な座標空間への変換）。用紙トラッカ322は、特徴量検索部314と通信するように適合させられ、特徴量記述子を受信し、用紙位置情報を与えるように出力する。用紙トラッカ322の動作は、図１０Ａ，１０Ｃを参照しながら以下で詳細に説明される。

認識部324は、書類のページ、場所及び表示領域、現在のビデオフレーム等を認識し、用紙及びビデオフレーム間のリンクをイニシャライズするソフトウエア及びルーチンである。認識部324は、特徴量検索部314、ビデオトラッカ及び用紙トラッカ322と通信するよう適合させられる。認識部324は、現在のビデオフレーム、用紙とビデオフレームとの間のリンクを用紙トラッカ322に与える。認識部324の動作は、図１０Ａ，１０Ｃを参照しながら以下で詳細に説明される。

ドリフトコレクタ326は、用紙及びビデオフレーム間のリンクを修正するソフトウエア及びルーチンである。ドリフトコレクタ326は、用紙トラッカ322と通信するよう適合させられ、書類のページ、場所及び表示領域がその用紙に関して適切に整合していることを確認するために、信号を送信する。ドリフトコレクタ326は、その情報を用紙トラッカ322に与える。ドリフトコレクタ326の動作は、図１０Ａ，１０Ｃを参照しながら以下で詳細に説明される。

ユーザインターフェースモジュール328は、図１０Ａ−１０Ｋ及び図１５−１９Ｈを参照しながら以下で詳細に図示及び説明されるユーザインターフェースを生成するソフトウエア及びルーチンである。一実施例では、ユーザインターフェースモジュール328は、ビデオトラッカ320、用紙トラッカ322、認識部324及びドリフトコレクタ326と共に動作し、ユーザへの視覚的なフィードバックを生成し、表示領域及びカメラの見ている場所を示す。他の実施例では、ユーザインターフェースモジュール328はこれらの要素と共に機能し、カメラ位置を決定し、そのカメラ位置の変化を制御手段として使用し、３次元モデルとのインターフェースをとり及び３次元ナビゲーションを行う。他の実施例でのユーザインターフェースモジュール328の動作は、図１５乃至１９Ｈを参照しながら詳細に説明される。

図４を参照するに、本発明の一実施例による特徴量抽出及び認識システム108の機能的なフローが示されている。特徴量抽出及び認識システム108は、２つの動作モードを有し；第1モードでは、オリジナルの電子書類が表示及び入力され、その入力からのインビジブルジャンクション特徴量に関して、特徴量インデックスが格納され；第２モードでは、画像パッチが入力され、特徴量記述が作成され、その特徴量記述を使って、対応する書類、場所及び表示領域を検索して出力する。説明の簡明化を図るため、上記の他の実施例と同じ又は同様な機能を有する要素について、同様な番号が使用される。システム108のこの第２の例は、特徴量抽出部310、特徴量インデキシング部312、特徴量検索部314及び幾何学的推定部316を含む。

図４は、特徴量抽出部310、特徴量インデキシング部312、特徴量検索部314及び幾何学的推定部316間の情報の流れを示す。特に、２つの動作モードが別個の組み合わせ420,430と共に示されている。例えば、第１モードは二重線420の経路と共に示され、元の電子書類402が表示され、信号線420を介して特徴量抽出部310に入力される。特徴量抽出部310は、その書類402のインビジブルジャンクションの特徴量記述子を信号線402を介して特徴量インデキシング部312に出力し、特徴量インデキシング部312はインデックスを生成し、それらをデータベース110に格納する。第２モードは単一の線430の経路と共に示され、ビデオデータ又はビデオフレームのパッチ404が、信号線430を介して特徴量抽出部310に入力される。特徴量抽出部310は、そのビデオフレーム404内のインビジブルジャンクションの特徴量記述子を、信号線430を介して特徴量検索部314に出力する。特徴量検索部314は、特徴量記述子を用いて信号線430を介してデータベース110に問い合わせを行い、合致する特徴量を有する書類のリストを信号線430を介して幾何学的推定部316に出力する。幾何学的推定部316は、幾何学的な制約を適用し、合致する書類、場所及び表示領域406を選択する。

インビジブルジャンクション特徴量
本発明は、書類パッチ認識に関する新たな特徴量群を作成及び使用する。書類表現及び検索に使用される特徴点は、書類ページに存在する固有の骨組の分岐合流点(ジャンクション)である。これらのジャンクションは目に見えないので、即ち、テキスト書類の空白スペース内にある又は一様な色の領域内にあるので、我々はそれらを「インビジブルジャンクション」又は「インビジブルジャンクション特徴量」と言及している。インビジブルジャンクション特徴量には、４つの主要な成分がある：
ロケーション：特徴点の座標。書類ページの左上隅を原点とする。

方向：隣接する画素を使って各特徴点の記述を演算する際、各特徴点の局所的な座標系を設定するために使用される。

スケール：特徴量の大きさ。

説明：特徴量の内容。

特徴量の内容は、これらの主要な成分(キーファクタ)全てによって決定されるので、それらを安定的に反復可能に持つことは重要である。認識を行うため、記述子(特徴記述)も識別可能でなければならない。

特徴量抽出
図５Ａ乃至５Ｄ及び図６を参照するに、特徴量抽出を行うプロセスの一例が示されている。プロセスは書類を受信すること602で始まる。一実施例では、特徴量抽出部310が、電子書類402の理想的なモデルを受信する602。別の実施例では、特徴量抽出部310は、ビデオフレーム又はウェブカメラ画像のような印刷された書類404の捕捉画像を受信する602。

次にプロセスは、１つ以上のインビジブルジャンクションの場所を判定する604。一実施例では、特徴量抽出部310は、テキスト書類の骨組みの分岐合流点で特徴量を検出する。本実施例に関し、図５Ａ及び５Ｂに示されるように、特徴量抽出部310は、入力画像を２値化し、２値画像に距離変換を適用する。入力画像501の例の場合、入力画像501を２値化したもの502及び２値化されたものの距離変換503が、図５Ａに示されている。次の骨組み(スケルトン)504は、距離変換によるラベルフィールドの境界として検出される。スケルトン504は代替的に、距離フィールドの尾根線(ridge line)でもよい。一実施例では、尾根線は、一次元の中で局所的な最大値として検出される。例えば図５Ａの入力例に関し、距離変換503及びスケルトン504が図５Ｂに示されている。この特徴量は、図５Ｂに示されるようなジャンクション点506として検出される。ジャンクション点506は、代替的に、距離変換フィールドの(２Ｄにおける)極大値又はスケルトン504での極大値でもよい。インビジブルジャンクションを利用することは、それらが安定的で反復可能なので特に有利である。文字書類は、テキスト中に大抵は高周波の画像成分(high frequency image content)を含み、その画像成分は容易に汚染され、テキストを劣化させずに選別することは困難である。これに対して、テキストページ中の白色空間は殆ど安定的であり、周波数領域で殆どＤＣである成分を含む。白色空間中のノイズは、特徴量的な場所に影響を及ぼさずに容易に選別できる。テキストの内容は最終的には分類に使用されるので、距離変換フィールドは、望まれているテキストの場所に依存するが、インビジブルジャンクション点506の場所は、各ジャンクション付近のテキストは通常同じように汚れるので、ノイズに対して堅牢(ロバスト的)である。

プロセスは、次に、そのインビジブルジャンクションについてジャンクションのサイズ又はスケールを判定する606。一実施例では、各特徴点506での距離変換値は、特徴点506に固有である。従って特徴点506のスケールは、因子αを乗算したそのような距離値として割り当てられる。図５Ｃで拡大図512に示されるように、この例の場合、αは２に等しいように選択される。円510の内側の内容（円は、特徴点506を中心とし、スケールに等しい半径を有する円である）は、カメラの面内回転及びズーム（又は、カメラの光軸が紙に垂直な場合、紙書類までの距離）に対して不変である。この特徴量は局所的(ローカル)なので、即ち、円は小さいので、この特徴量も、用紙に対するカメラの視野角の変化（面外回転）に対して堅牢である。言い換えれば、全体的な投影歪みが生じても、そのような投影歪みは局所的には非常に小さく、最終的な特徴量記述子に及ぶ影響は、広範囲に亘るカメラの面外回転に関して無視できる。位置と同様に、インビジブルジャンクションのスケールも安定的で反復可能である。スケールは、スケルトンに基づいて計算され、それ故に安定的になる。しかしながら、位置及び方向と比較すると、スケールは、大抵テキスト付近の変化の影響を受ける。一実施例では、この影響は、特徴量記述子を計算する際に、距離に逆比例する重み(ウエイト)を適用することで軽減される。

次に、プロセスはインビジブルジャンクション506の向きを判定する608。一実施例では、各特徴点506には局所的な向きが割り当てられている。各特徴点506に関する２次元ローカル座標系は、特徴点を原点とし、局所的な向きをｘ軸とするように決定される。特徴量記述子は、この局所的な座標系に基づいて計算される。局所的な向きを導出するため、特徴量抽出部310は、特徴点506を中心とし、その特徴スケールで決定される半径の円511を計算する。円511は、いくつかの位置でスケルトンと交わる。（スケルトンと交わる円周上の点全てのペアの中で）最も離れた２つの交点の位置が、この特徴量の局所的な向きを決める。同様な距離の位置ペアが２つあった場合、特徴量抽出部310は、より水平方向に近いものを選択する。図５Ｄは特徴量方向の判定例を示す。特徴点506を中心として特徴スケールに等しい半径を有する円511は、スケルトン504と３つの点Ａ，Ｂ及びＣと交わる。２つの点Ａ，Ｂが最も長い距離を有し、従って特徴量方向は、線分ＡＢの向きに割り当てられる。局所的な向きは、よりノイズに敏感であり、いくつかの向きは異常値にさえなるかもしれないので、特徴量抽出部310は、よりグローバルな向き(global orientation)を利用する。特に、局所的な方向を伴う特徴点は、問い合わせ画像についてグローバルな向きを表明している。この表明（投票）は、局所的な特徴量方向の数を360ビン（各ビンにつき１度）にわたって計数することで行われる。向きのヒストグラムの大勢は、グローバル方向として選択される。投票の後、全特徴点は、選択されたグローバルな向きに一致した向きに割り当て直される。一実施例では、ヒストグラムについて数を数える際、特徴量抽出部310はソフトスプリット法を使用し、ノイズで乱される場合でもヒストグラムが円滑に変化することを保証する。

テキストパッチの場合、グローバル方向は安定的である。なぜなら他のほとんどの非テキスト書類についても正しい書類方向が存在するからである。本発明は、純粋に局所的な方向と純粋にグローバルな方向との間でトレードオフを行うように調整を行う。具体的には、各特徴点について、特徴量抽出部310は近隣から向きを収集し（同じ画像中の全ての特徴点からのものと比較しながら）、方向を決定する。これは、日本語や中国語のような言語で、書類ページが縦及び横の文字列双方をみうる問題を解決する。

ジャンクションの向きはスケルトンによって決定され、スケルトンは上述したように安定的であり、従ってジャンクションの向きも安定的になる。この点、従来のSIFTと対照的であり、SIFTの場合、局所的な方向は、特徴点周辺の画素の階調度又は輝度変化(gradient)によって決定されている。階調度の方向はノイズを増幅し、それ故に特徴点をノイズに敏感にしてしまうことが良く知られている。本願の局所的方向は、スケルトンから導出され、それよりも充分に安定的である。グローバル投票ステップは、特徴点を更に安定的なものにする。なぜなら、カメラは平坦なページを見ていること、及びそのようなページは不可視の骨組(インビジブルスケルトン)の中で何らかの支配的な方向を有すること、という性質を活用しているからである。

次に、プロセスはインビジブルジャンクションに関する記述子又は特徴量記述を作成する610。図５Ｅも参照するに、場所、スケール及び方向が或る特徴量についていったん決定されると、特徴量抽出部310は各特徴点506について二次元座標枠516を割り当て、その座標枠516内で記述子518を算出する。各々の特徴量について、特徴量抽出部310は、特徴量スケールの２倍に等しいエッジ長さの正方形を算出する。この正方形は４×４のセルに分割される。代替実施例では、特徴量抽出部310は、これらのセルを構築するために同心円を利用することができる。各セルの中で、特徴量抽出部310は、８つのビン（即ち、８つの方向）を有する重み付けされた階調度方向のヒストグラムを累積する。ロバート又はソベル演算子(Robert or Sobel operator)を含むいくつかの技法によって階調度は算出可能である。特徴量記述子は、そのような方向ヒストグラムの連結であり、128次元の特徴量ベクトルになる。特徴量ベクトルは、線形な輝度変化に対処できるように規格化される。

一実施例では、特徴量抽出部310は、主成分分析(PCA)を用いる次元低減法を適用し、最初の14次元を確保する。これはその特徴量の識別力を減らすかもしれないが、ノイズを減らすことに寄与する。本実施例では、中心付近のセルは殆ど空白なので、次元の削減は更に有意義である。目下の例では各クラスについて唯１つのプロトタイプしか存在しないことを考えると、有利なことに、これは、固有に低次元の特徴点をもたらす。本発明の記述子は、識別可能であって反復可能な点で、特に有利である。この反復可能性は、特徴量の場所、方向及びスケールの反復可能性の結果である。理解できるように、各特徴点の中身は、テキスト文書中の３つ以上の言葉からの画素を含む。異なる言葉からのこれらの中身(コンテンツ)は、或る特殊なレイアウトで共に配置され、その識別子を非常に顕著にする。なぜなら、そのような特徴点にとって、同じレイアウトで共に配置された同様な言葉と、他の場所で重複する機会はめったにないからである。量子化（４×４セルおよび８方向）も特徴量記述子をノイズに対して堅牢にする。

最後にプロセスは書類中に更に多くのインビジブルジャンクションが有るか否かを確認する612。存在した場合、本方法は未処理のジャンクションを選択し、それを処理するためにステップ604に続く。それ以上のインビジブルジャンクションが無かった場合、書類の処理は完了し、終了する。

特徴量インデキシング
上述したように、特徴量インデキシング部312は、インビジブルジャンクション特徴量記述子の１つ以上のインデックスを生成し、それらをデータベース110に格納する。モデル画像各々について、特徴量インデキシング部312は、特徴点を取り出し、それらをデータベース110に格納する。特徴量インデキシング部312は、各特徴点に関連するメタデータも格納し、メタデータは、その特徴点を含む書類ページの固有のID、特徴量記述子、スケール、方向及び場所(x,y)を含む。高速なリアルタイムの照合及び抽出を可能にするため、特徴量インデキシング部312は、効率的な格納及びデータベースからの効率的な抽出に備えてこれらのデータを索引付けする。

図７Ａを参照するに、本発明による特徴量インデキシングを行う方法例が示されている。プロセスは量子化ツリーを作成することで始まる702。一実施例では、量子化ツリーは、階層的なクラスタリングを行って一群のトレーニング特徴量（トレーニングセット）によって慣らされる。そのトレーニングセットはＫ個のクラスタに再帰的に分割される。Ｋ個の分岐(ブランチ)及びＬ個のレベルを伴う量子化ツリーの場合、Ｋ^Ｌ個のリーフノードが有り、即ちボキャブラリ(vocabulary)サイズはＫ^Ｌである。特徴量をクラスタリングする場合、特徴量インデキシング部312は、複数のランダム初期化と共にk-meansアルゴリズムを使用する。ツリーの各ノードにおいて、特徴量インデキシング部312は、そのノードに属する点（ポイント）によって与えられるクラスタ中心を記録する。量子化ツリーの各ノードは、用語−頻度−逆−書類−頻度(term-frequency-inverse-document-frequency)を使って、あるノードにも関連付けられる。量子化ツリーは、階層的な方法で特徴量空間を区分けする。いったん量子化ツリーが作成されると、それはデータベース110に格納される704。次に、特徴点が特徴量抽出部310から抽出され又は受信され706、ツリーを押し下げ、データベースに加えられる708。ツリーの各レベルにて、特徴点は、その特徴点に最も近いクラスタ中心を伴うブランチを選択する。特徴点がリーフノードに達すると、その特徴点に関するエントリがそのリーフノードのヒットリストに挿入され、その特徴点の座標(x,y)及びページIDを記録する。そのページIDがヒットリスト中に既に存在していた場合、特徴量インデキシング部312はその作法を既存のエントリに付随させ、ヒットリストにおけるそのページIDの出現頻度をインクリメントする。特徴点は２つのクラスタ間の境界にある又は境界近傍にあるかもしれないので、特徴量インデキシング部312は、特徴点を量子化ツリーに押し込む際にソフトスプリット(soft split)を使用する。しかしながら、これは、そのような特徴点によってヒットするリーフノード数を多数にしてしまう。トレードオフとして、特徴量インデキシング部312は、最も近いｋ個（目下の例の場合、ｋ＝２）のリーフノードだけに特徴点を挿入する。

代替実施例では、特徴量インデキシング部312は、元の特徴量記述子を格納しない。いったん特徴量インデキシング部312が特徴量空間を量子化すると、特徴量インデキシング部312は、量子か空間内にあるセルのインデックスで特徴量記述子を近似する。各フレームについて、特徴量インデキシング部312は書類ページIDのみを格納し、書類ページIDは、その特徴量に加えて、書類ページ内の特徴量の座標も含む。従って、必要な格納スペースは顕著に減少する。

図７Ｂを参照するに、特徴量インデキシングを行う本発明による別の方法例が示されている。本実施例では、特徴量インデキシング部312は通常のk-dツリーを使用して、特徴点を組織化する722。他の実施例では、通常のk-dツリーは、高速ディスクI/O用に拡張されたk-dツリーに修正されてもよい。k-dツリーは、特徴点を複数のセルに分割し、各セルは１つ以上の特徴点（実際には、特徴点を指すポインタ）を含んでいる。k-最近接サーチ(k-nearest neighbor search)を行う際、ツリーを逆に辿ることがしばしば必要になる。特徴量インデキシング部312は、ツリーの深度優先線形化(depth-first linearization)を利用して、特徴点を順序付ける；逆に辿る際に、メモリ／ディスクの場所が保存される方法で行われる。その結果として、キャッシュミス率が減り（その特徴量がメインメモリ内に或る場合、キャッシュはCPUキャッシュでもよいし、或いは特徴量が外部ハードディスクドライブ内にある場合、キャッシュはメモリキャッシュでもよい）、速度性能が向上する。そして、特徴量インデキシング部312はPCAを利用して、特徴量の次元を減らし724、或いはより正確には、有用な次元数を発見する。我々のデータが本来的に低次元であったとしても、その低次元の空間は、結果のk-dツリーが良好にバランスをとるように推定される必要がある。そのような次元削減の有用性は、低次元の要請に合うだけでなく、空間分割が最も効率的になるような方法で特徴量次元をも要求する。言い換えれば、殆どのエネルギを伴う次元が先ず削減されるような方法で空間削減が要求され726、システム108はあるk-dツリーに至ることができ、そのツリーは、バランスがとれているだけでなく、安定的なセル境界を伴うものでもある（即ち、ノイズが小さければ、特徴量が属すべきセル内を乱さない。）。

特徴量抽出及び幾何学的推定
図８を参照するに、本発明による特徴量抽出の方法例が示されている。

図７Ａに関して説明された第１の例に従って索引付け(インデキシング)が行われる場合、特徴量検索部314は、問い合わせ画像の中で検出された特徴点を量子化に至るまで送信し、リーフノードでヒットリストを収集する。これは、各候補ページについての座標(x,y)のリストと共に書類ページ候補のテーブルを生成する。これは更なる処理に備えて幾何学的推定部に送信可能である。

図７Ｂでのインデキシングの代替例では、検索プロセスは、特徴量検索部314が特徴量抽出部310から特徴量記述子を受信することで始まる802。特徴量検索部314は、局所的な特徴量に基づいてパターン認識を実行する。特徴量検索部314はあるページ書類を探し、そのページ書類の特徴点は、所与の問い合わせ画像パッチの特徴点に最良に対応するものである。その対応関係を確立するため（即ち、認識するため）、特徴量検索部314は、所与の画像の中で各特徴点を認識する。より具体的には、特徴量検索部314は、問い合わせ画像におけるｋ個の最近接の(kNN: k nearest neighbors)特徴点を求めてデータベース110を探す。でーたべーす中のそのような点全体の集まりは、複数の群(セット)に分割され806、ある群中の点は同じ書類ページIDを共有する(IDは、その特徴点を伴うメタデータとしてデータベースに記録される)。書類ページの候補各々について、特徴量検索部314は、一群の特徴量対応物を生成する。そのような多くの対応物は飛び値になることに留意を要する（各問い合わせ点に関し、最近接のｋ個の中で高々１つの真の対応物しか存在しないからである。）。

当業者は、様々なｋの値が使用可能なことを認識するであろう。一実施例では、k=10である。他の値のｋが、問い合わせ時間を短縮するために使用されてもよい。代替方法は、問い合わせ特徴量と現在の近辺との間の距離もモニタする。その距離に大きな飛躍があった場合、特徴量検索部314は、k<10個の近辺に戻り、その場合の近隣はおそらくは飛び値になる（即ち、真の対応物はおそらく現在のｋ＜10個の点の中にある。）。

更に別の実施例では、特徴量検索部314は、ツリー交差(tree intersection)を用いるスコアリングを行う。問い合わせ画像の各々について、特徴量検索部314は、問い合わせの点が出て行くパスを与えるツリー表現を有する。特徴量検索部314は、候補ページ各々について同様なツリーを構築する。問い合わせ画像とモデル画像の類似性は、２つのツリーの交差に基づいて算出される。その後にツリー交差がランキングされる。

図９Ａは、幾何学的推定を行う本発明による第１の方法例のフローチャートである。全ての候補ページの身元が特徴量検索部314で確認されると、候補は幾何学的推定部316に伝送され、書類ページ候補全ての身元を格付け（ランキング）し、最終的な問い合わせ結果を生成する。各候補ページ書類が持っている特徴点の数を利用して、候補書類を分類することで、幾何学的推定部316は処理を始める902。幾何学的推定部316は、幾何学的な制約を使ってその候補をランキングする。例えば、幾何学的推定部316はある書類を選択し、その書類は、入力された画像面の幾何学的制約に合う特徴点を最多数含んでいる。従って、紙面とカメラ画像面との間に或る変換が存在する。最終的に、幾何学的推定部316は合致する書類の身元、ページ、ポイント及び表示領域を出力する906。

図９Ｂ及び９Ｄ双方を参照しながら、幾何学的推定を行う本発明による第２の方法例が説明される。図９Ｂは方法のステップを示し、図９Ｄは画像面956、紙面952及びそれらの間の変換の様子を示す。本方法は、特徴量検索部314で確認された候補ページの身元を受けることから始まり、幾何学的推定部316は、各候補ページの特徴点数に基づいて候補書類ページを分類する910。幾何学的推定部316は、基本的には、幾何学的制約を使って或る書類を取得し、その書類は、その幾何学的制約にある特徴点を最多数含んでいる。図９Ｄに示されるように、幾何学的制約の具体例は、書類ページが紙面952であるということに起因し、紙面952とカメラ画像面956との間で投影変換がなされる。投影変換は８つの独立したパラメータを含み且つ投影変換は非線形変換なので、その推定は不変的（安定的）ではなく、飛び値が除去されなければ高価になる。そこで、幾何学的推定部316は、変換後の推定と共にその飛び値を除去する912。例えば、ランダムサンプルコンセンサス(RANSAC)アルゴリズムを使用して、（投影変換の現実的な近似である）変換後に推定を行い、特徴量対応物に関する飛び値を検出する。一実施例では、幾何学的推定部316もRANSACにより推定されたアフィン変換について有効性検査を実行する。例えば、アフィン変換は、一般的なフルランクの３×３行列（最終行は、［０，０，１］である）であり、目下のコンフィギュレーションに関しては物理的に無効な変換も含む。より具体的には、そのアフィン変換の左上の２×２サブマトリクスは、回転α、スケールλ₁及びλ₂及び他の回転φに分解可能である：

本発明によれば、回転、スケール、スキュー(歪み)(比率λ₁/λ₂)及び変換(アフィン変換Hの第３列)に拘束されなければならないように、幾何学的推定部316は制約を強制する。例えば、書類ページの範囲外にすることはこの変換では不可能である。

アフィン変換が推定され、飛び値が除去されると912、幾何学的推定部316は、投影変換に対する非飛び値(飛び値でないもの)を使ってそのアフィン変換を改良する914。幾何学的推定部316は、アフィン変換による初期化を伴う非線形最適化(Levenberg-Marquardt最適化法等)を利用して、最良の候補書類を特定する。投影変換は(及びアフィン変換も)用紙に対するカメラの向き及び画像スケールの推定を与えるので、幾何学的推定部316は、その向き及びスケールに強制し916、特徴量検出段階での各特徴量による投票で決まった向き及びスケールに合わせる。特徴量抽出による幾何学的制約を使って最良の候補を選択することは、誤判定を減らし、場合によってはそれをゼロにする。

更に別の実施例では、投影変換に対する非飛び値を使ってアフィン変換を改良するステップ914は、ある近い合致が発見された場合に終了してもよい。幾何学的推定部316は、充分な非飛び値の支援と共に有効な幾何学的変換をもたらす書類ページを特定する。これは、更に、精度に大きな影響を及ぼさずに本発明の認識法の実効性を高める。

図９Ｃは、幾何学的推定を行う本発明による第３の方法例のフローチャートである。この例は、２つの別個の幾何学的推定を利用し、パフォーマンスを向上させるためそれらの動作は並列的に行われる。プロセスは、特徴量検索部314で確認された候補ページの身元を受けることから始まり、各候補ページの特徴点数に基づいて候補書類ページを分類する920。候補ページの分類されたリストが、２つの別々の幾何学的推定用に用意される。第１の幾何学的推定は、幾何学的制約と共に特徴量検出を行いながら候補ページをランキングする922。例えば、特徴量検出による回転又は方向及びスケールの属性が、この幾何学的推定に利用される。第２の幾何学的推定は、図９Ｂに関して上述したような幾何学的制約と共に投影変換を用いて候補ページをランキングする924。例えば、投影変換におけるカメラの表示領域及び見ている場所の属性が、この第２の幾何学的推定に強制される。当業者は、これら２つの幾何学的推定が同時に又は連続的に実行されてもよいことを認識するであろう。２つのページランキングはその後に確認され又は統合させられる。例えば、確認では、その特徴量が物理的に有意義であること及び特徴量が特徴量抽出部310で推定されたスケール及び方向と一致していることが前提である。１つの再ランキングされた候補リストが生成されるように、２つの幾何学的推定結果が有効化されると、幾何学的推定部316は、書類の身元、ページ、ポイント及び表示領域を出力する。

認識及びトラッキング
ユーザが紙書類上でカメラを動かす場合、例えば、電子データ又は他の注釈が紙に関連付けられているホットスポットを求めて走査する際、本発明は各ビデオフレームについてフレッシュクエリ(fresh query)を発行する必要がない。その代わりに、本発明は、紙面上のカメラの見ている場所に加えて、現在のフレームのＩＤをするために過去の認識結果も利用する。これを行うため、本発明はカメラを追跡し、画像処理される書類ページに関する動きを推察する。２つのビデオフレーム間でカメラの３次元的動きを直接的に推定するのは現実的でない。なぜなら、３次元のカメラの動きのパラメータの中に不明なものがいくつも存在するからである（例えば、面外回転と並進との関係、ズームイン／ズームアウトと用紙への／用紙からの動きとの関係等が曖昧になる。）。この問題を回避するため、本発明は、紙面でカメラの見ている二次元的な場所を直接的に追跡し、時間的な冗長性を用いてカメラの運動状態を推定する。カメラの見ている２次元的な場所を追跡することは、ビデオフレームにおける特徴点を追跡し、その後にビデオフレーム間で平面的な動き（投影変換）を推定することで実現される。更に本発明は、、現在のフレームの認識に備えて過去の結果を利用することに加えて、過去の認識結果が利用可能でなかった場合、追跡をして複数のフレームの情報を蓄積することで新たな認識を行う。

図１０Ａを参照しながら、認識及び追跡を組み合わせた本発明による方法例が説明される。プロセスは、書類ページを認識することから始まる1002。この初期認識ステップ1002は、図９Ａ−９Ｃを参照しながら上述した認識法の何れを用いて実行されてもよい。特徴量抽出及び認識システム108は、書類ページを認識すると、問い合わせ画像及び結果の書類ページを登録することで、カメラの見ている場所を追跡する。言い換えれば、特徴量抽出及び認識システム108は、先ず過去に検索したページを使って、問い合わせ画像を「認識(recognize)」しようと試みる。更に、特徴量抽出及び認識システム108は、フレーム追跡及び認識を組み合わせる。認識は初期化として機能し、ドリフトコレクタ326は連続的なビデオフレームを追跡する。

次に、本発明のプロセスは、カメラのモデルを推定する1004。この例では、特徴量抽出及び認識システム108は、追跡する時間、認識する時間、追跡に備えてドリフトを修正する時間を判定するために状態マシンを維持する。状態マシンは、図１０Ｃに示され、以下で更に詳しく説明される。カメラのモデルの変更は、状態遷移を引き起こす。特徴量抽出及び認識システム108は、ビデオカメラの動的なモードを推定し、以下の状態を有するように定義される：
ホバーリング：カメラはほとんど静止しており、紙書類を見ている；
スキャニング：並進及び／又は回転を行うことでカメラが書類を走査している；
ズーミング：カメラが書類ページに向かって動いている又は書類ページから遠ざかっている；及び
急変：カメラが別の書類ページに動いている。

モードが推定されると1004、特徴量抽出及び認識システム108は追跡の現在状態を判定する1006。本発明は追跡に４つの異なる状態を用意し、ビデオトラッカ320、用紙トラッカ322、認識部324又はドリフトコーディネータ326の何れかがアクティブである。トラッキングの現状及びカメラモードに依存して、追跡状態、認識状態、用紙追跡状態又はドリフト修正状態の中で本プロセスは遷移する。次に、本発明による方法は、推定されたカメラモード及び判定された状態に基づいて、ビデオフレームを処理する1008。

ビデオトラッカ320、用紙トラッカ322、認識部324又はドリフトコーディネータ326により用意された情報は、グラフィカルユーザインターフェースを生成又は修正するために使用可能である1010。このグラフィカルユーザインターフェースは、電子書類の表現と共に合成可能である。一実施例では、グラフィカルユーザインターフェースは、表示領域の複数の視覚的なインデックス1022,1024、画像捕捉装置106で捕捉された各画像から生成された遷移経路の視覚的な指示1026等を含む。グラフィカルユーザインターフェースのこれらの成分1022,1024,1026は、認識される電子書類1020の画像上で重ねられてもよい。認識及び追跡を組み合わせた本発明による方法で生成されたユーザインターフェース例は、図１０Ｂに示されている。グラフィカルユーザインターフェースを修正するステップは、そのステップが選択的であることを表す波線と共に図１０Ａに示されていることに留意すべきである。認識及び追跡で生成された情報は、デスクトップコンピュータと共に使用するための注釈ツールやユーザ入力制御装置を含む多種多様なアプリケーションに使用可能であり、当業者は、グラフィカルユーザインターフェースを生成及び提供することが、認識及び追跡を結合した本発明の単なる一例に過ぎないことを認識するであろう。

いったんグラフィカルユーザインターフェースが修正、生成又は表示されると1010、本発明方法は、処理する追加的な入力画像フレームの有無を確認する1012。存在していれば、本方法は次の画像フレームを取り出し、ステップ1004に戻り、ステップ1004,1006,1008及び1010を次の画像フレームについて実行する。処理する追加的な入力画像フレームが無ければ、本方法は完了し、終了する。

図１０Ｃも参照するに、本発明による認識及び追跡を行うのに使用されるプロセスの状態図が示されている。プロセスは状態1-1050から始まり、ビデオトラッカ320が、基準フレームである第１ビデオフレームと共にビデオフレームにおける（投影変換としての）カメラの動きを追跡する。カメラモードがホバーリングモードでない限り、本発明のプロセスは状態2-1052に留まる。しかしながら、カメラモードがホバーリングモードに変わると、本発明のプロセスは状態3-1054に遷移する。状態3-1054では、認識部324が動作している。認識部324は、現在のビデオフレームを認識し、用紙及び入力ビデオフレーム間のリンクを初期化する。認識が失敗すると、本発明のプロセスは状態2-1052に戻る。一方、認識が成功すると、本発明のプロセスは状態4-1056に遷移する。なぜなら、用紙及びビデオフレーム間のリンクは確立されており且つ以後のフレームは用紙トラッカ322で処理されるからである。状態4-1056では、用紙トラッカ322は、基準フレームとして機能する紙面と共に、その用紙に対するカメラの動きを追跡する。用紙トラッカ322も周期的なタイマで動作する。周期的なタイマの時間が経過すると、本発明のプロセスは、状態4-1056から状態5-1058に遷移する。状態5-1058では、ドリフトコーディネータ326が用紙トラッカ322のドリフト補正を行う。これは、画像及び用紙の間の整合性が維持されることを保証する。ドリフト補正が完了すると、本発明のプロセスは状態4-1056に戻り、以後のフレームは用紙トラッカ322によって処理される。用紙の追跡(トラッキング)が成功している限り、本発明方法は、ドリフト補正用の状態5-1058との間で周期的な遷移を行いながら、状態4-1056に留まる。しかしながら、用紙トラッキングが失敗すると、本発明方法は、状態2-1052に戻り、以後のフレームはビデオトラッカ320により処理される。

特徴点はビデオクリップの中で複数回現れるかもしれないことに留意すべきである。追跡を行うことで、本発明は同じ特徴点のこれらの例を関連付け、それらを一緒に使ってそのような特徴点に関するkNN(最近接のk個)を抽出する。代替実施例では、例えば、本発明は、時間的に統合することで高解像度を処理でき、或いは最良の解像度又は抽出用の視野角を伴うインスタンスを単に選択することさえ可能である。認識される所与の新しいフレームの場合、多くの特徴点が既に自身のIDを持っており、それ故に過去のフレーム内に最近接のｋ個がある。その結果、本発明はビデオフレームにわたって特徴点を単に追跡することで、多くのkNN抽出を削減できる。

図１０Ｄ−１０Ｋを参照するに、認識及び追跡を組み合わせることで生成される本発明によるユーザインターフェース例が図示されている。この例の場合、用意されるユーザインターフェースは、スマートフォンのような携帯用コンピュータ装置に用意される。このディスプレイフォーマットは、単なる例示としてしか使用されないこと、及びグラフィカルユーザインターフェースの構成要素は多様な他の構成で使用されてもよいことを、当業者は認識するであろう。更に、特定の色、フォーマット、形状及び形態等の視覚的な表現は、例示としてのみ示され、他の視覚的な表現がいくつでも使用されてよい。図10D-10Kの説明を通じて、同じ又は同様な機能を備えた同様な要素を示すために、同様な参照番号が使用される。

図10Dは、通常のフォーマットと共にラベル1052を有するウインドウを含むグラフィカルユーザインターフェース例を示す。ウインドウ1050の中には、認識及び追跡GUIを示す表示領域1054がある。表示領域1054は、選択可能な開始ボタン1056、及び表示領域1054のウインドウを閉じるためのボタン1058を含む。開始ボタン1056が選択されると、GUIは図10Eに示されるような表示に更新される。

図10Eは、第１入力画像を示す表示領域1054と共にGUIを示す。言い換えれば、GUIは問い合わせ画像を表示し、問い合わせ画像はカメラ又は入力装置106により捕捉されている。図10EのGUIが表示された後、本方法は図10FのGUIを示すように遷移する。

図10Fは、認識に成功した後の表示領域1054と共にGUIを示す。いったん認識が成功すると、GUIは表示領域1054にて、システム108により認識された電子書類の完全なパス名1060を示す。GUIのボタン1056は、ストップボタン1056であるように修正されている。図10FのGUIが表示された後、本方法は図10GのGUIを示すように遷移する。

図10Gは、表示領域1054にて、元の電子書類の表現を示すGUIを示す。この表現物の上に重なっているのは、本発明により認識されるようなカメラの表示ウインドウ1062及び複数のカメラの見ている場所1064である。これは、用紙トラッカ322の動作中に示されるインターフェースである。電子書類中の地点と用紙上の地点との非常に詳細な整合性に起因して、特にその関係をユーザに示すように用意された視覚的なフィードバックに起因して、この表示は特に有利である。

図10Hは、表示領域1054で通常は認識できない不明りょうな(blurry)画像を表示するGUIを示す。本発明の認識及び追跡プロセスが短期間の間なされた後、入力画像における冗長性は、認識を可能にする。図10IはGUIを含み、そのGUIは、表示ウインドウ1062及びカメラの視点1064を重ねた表示領域1054に示される電子書類の表現を含む。この例でカメラの視点1064,1066は、（基礎出願では）緑色の正方形で表現されている。これらの緑の四角の位置1064,1066は、カメラが追跡した結果の軌跡を表す。処理される冗長データを伴う多数のフレームに起因して、本発明は、当初は認識できなかった画像を、短時間の後に認識可能にする。例えば、ほんの数秒以内に、当初は認識されなかった画像が、認識可能な画像に変換可能であり、本発明による視覚的表現を伴って作成されたGUIは図101に示されている。

図10Jは、始めは認識でない画像の別の例を示す。この例は、本発明による認識及び追跡の方法が、テキストコンテンツ及び図形コンテンツ双方を含む画像について、どのように特に優れているかを示す。当初認識できない画像は、特徴量抽出及び特徴量検索を実行するには少なすぎるテキストを含んでいる。図10Kも参照するに、GUIは合成された認識及び追跡の結果を示す。表示領域1062は、当初認識できないが、いったん画像フレームが認識されると、本発明のトラッキングは、そのGUIがカメラの視点の追跡を示すようにできる。この追跡(トラッキング)は、入力画像がデータベースの中で多数ヒットする際の曖昧さの問題を解決するだけでなく、トラッキングは最終出力が一意になるようにコンテキストキューを用意する。画像は当初認識できないが、いったん画像がその書類を識別する程度に充分な量の文字を持つようになると、カメラの相対的な動きが画像の中で捕捉され、カメラの視点1064,1066の軌跡として示されるように、表示ウインドウ1062の一部に対する修正を与える。表示ウインドウが、ほとんど文字を含まないかつての認識できないポイントから、かなりの量の文字を含む地点に図10Kに示されるように動くと、ほとんど文字を含まない地点は認識可能になる。これは、文字と図形画像が混ざっている書類の場合に特に有利である。

セキュリティ及び注釈アプリケーション
図11を参照しながら、複合機1100に統合された本発明の特定の実施例が説明される。特に、特徴量抽出及び認識システム108は、セキュリティ及び注釈用の他のモジュールと共に複合機1100に統合され、固有のアプリケーション群を提供することができる。統合された本発明の実施例は複合機1100に関して以下で説明されるが、この複合機1100は、ローエンドの複合機デスクトップポインタから、ハイエンドのもの、商用グレードのもの、複合コピー機、又はそれらの如何なる組み合わせに至るまで、如何なる構成でもよいことを、当業者は認識するであろう。

一実施例では、複合機1100は、スキャナ1102、プリンタ1104、ファクシミリモジュール1106、プロセッサ／コントローラ1108、入力／出力装置1110、データベース1112、特徴量抽出及び認識システム108、通信装置216、データベース更新部1114、セキュリティモジュール1116及び注釈モジュール1118を有する。これらの構成要素のリファレンスと共に説明されたものと同じ又は同様な機能を備えた構成要素を指すために、同様な参照番号が使用される。スキャナ1102、プリンタ1104、ファクシミリモジュール1106、プロセッサ／コントローラ1108、入力／出力装置1110、通信装置216及びデータベース1112は、ハイエンドの市販の複写機の通常の構成要素と機能的に同様であり、従ってそれらは詳細には説明されない。

スキャナ1102は、通常の様々な画像捕捉装置の何れかである。

プリンタ1104は、印刷エンジン及び用紙処理手段を備えた通常の様々なものの何れかである。

ファクシミリモジュール1106は、通常のハードウエア又はソフトウエアであり、プロセッサ／コントローラ1108及び通信装置216と協同して、ファクシミリメッセージを送受信する。

プロセッサ／コントローラ1108は、図２に関して上述したプロセッサ202と同様である。

入力／出力装置1110は、図２に関して説明した装置210,212,214の機能を含み、一実施例では、複写機に見受けられるキーパッド入力及び表示出力機能を有する。

通信装置216は、図２を参照しながら説明済みである。一実施例では、通信手段216は、複合機1100を信号線1052を介してネットワーク(図示せず)に結合する。

図11は、データベース110,1112の２つの代替例を示す。何れの例でも、データベース110，1112は、不揮発性データストレージを表し、好ましくは、電子書類、特徴量インデックス及び特徴量記述子等の以前に説明されたようなものを含むデータを格納する。更に別の実施例では、データベース110,1112は混合メディアリアリティ(MMR: Mixed Media Reality)書類を格納し、これについては、“System and Method for Creation and Use of a Mixed Media Environment”と題する西暦2006年7月31日付け米国特許出願第11/461,017号に開示されており、その内容は本願のリファレンスに組み入れられる。第１実施例の場合、データベース1112は複合機1100の中に含まれる。波線で示される第２実施例の場合、データベース110は、信号線1052及び通信装置216によって複合機1100に結合され、データベース110は複合機1100の外部にある。特徴量抽出及び認識システム108、データベース更新部1114、セキュリティモジュール1116及び注釈モジュール1118で生成される様々な他の情報をデータベース110,1112は格納してもよいことを、当業者は認識するであろう。残りの説明の部分の中で本発明はデータベース1112を使用するように説明されるが、データベース1112又はデータベース110はこれらのアプリケーションに使用可能であることが理解されるべきである。

特徴量抽出及び認識システム108の機能は上述したとおりである。特徴量抽出及び認識システム108は、プロセッサ／コントローラ1108により制御され、データベース更新部1114、セキュリティモジュール1116及び注釈モジュール1118と協同し、これについては図12,13,14を参照しながら以下で説明される。

データベース更新部1114は、プロセッサ／コントローラ1108で動作し、図12を参照しながら後述される機能を提供するソフトウエア及びルーチンである。データベース更新部1114は、特徴量抽出及び認識システム108、スキャナ1102、入力／出力装置1110、データベース1112及びプロセッサ／コントローラ1108と通信するように適合させられる。データベース更新部1114は、特徴量抽出及び認識システム108の機能を使って、スキャン済みの書類を確認し、データベース1112内のエントリを更新する。例えば一実施例では、データベース更新部1114は、情報を受信してデータベース1112に格納し、特徴量抽出及び認識システム108を使って、データベース1112内に格納済みの対応する電子書類が有るか否かを判定し、受信した情報とデータベース1112内で認識された情報との対応関係を作成する。

セキュリティモジュール1116は、書類にセキュリティをもたらすようにプロセッサ／コントローラ1108で動作するソフトウエア及びルーチンである。より具体的には、複合機1100の機能が、ユーザのスキャンした書類を複写又は送信するのに使用できるか否かを、セキュリティモジュール1116は制御する。セキュリティモジュール1116は、スキャナ1102、プロセッサ／コントローラ1108、入力／出力装置1110、データベース1112及び特徴量抽出及び認識システム108と通信するように構成される。データベース1112内に対応する電子書類が格納されているか否か、及び書類が関連するセキュリティプロトコルを持っているか否かを、セキュリティモジュール1116は入力画像から判定する。持っていれば、セキュリティモジュール1116は、プロセッサ／コントローラ1108でルーチンを実行し、関連するセキュリティプロトコルを実行する。セキュリティモジュール1116の動作は、図13を参照しながら以下で詳細に説明される。

注釈モジュール1118は、プロセッサ／コントローラ1108で動作し、データベース1112に格納された電子書類に注釈を付けるソフトウエアエンティティである。注釈モジュール1118は複合機の一部として説明されているが、注釈モジュール1118は、携帯電話機、パーソナルコンピュータ又はデータベース110に関連するサーバのような他の装置で動作してもよいことに留意すべきである。注釈モジュール1118は、スキャナ1102、プロセッサ／コントローラ1108、入力／出力装置1110、特徴量抽出及び認識システム108及びデータベース1112と通信するように構成される。注釈モジュール1118の動作は、図14を参照しながら以下で詳細に説明される。

図12を参照しながら、書類セキュリティの一部にインビジブルジャンクション認識を使う本発明による方法が説明される。プロセスは、書類又は書類の一部の画像をスキャンすることから始まる1202。次に、複合機1100は、特徴量抽出及び認識システム108を使用して、特徴量抽出及び特徴量検索を実行する1204。上述したように、これは、認識された電子書類に関する情報又は認識できなかったことの指示を生成する。次に、本方法は、認識された特徴量が電子書類と合致するか否かを判定する1206。特徴量抽出及び認識システム108が、合致する電子書類を特定できなかった場合、本プロセスは次のプロセスに続き、通常行うように、入力されたスキャンされた画像を処理する1208。例えば、その通常の処理は、コピーを作成すること、ファクシミリメッセージを送ること、スキャン画像を電子メールで送ること等を含み、或いは複合機1100で実行される他の通常の機能のどれを含んでもよい。極度に高度なセキュリティ環境の場合、この通常の処理は、複合機1100の機能を動作不能にすること、入力／出力装置1110でユーザに或るメッセージを表示することを含んでもよく、その或るメッセージは、スキャンした画像が電子的対応物を持っていないこと及び／又は認識できなかったこと等を示す。

しかしながら、特徴量抽出及び認識システム108が合致する書類を特定できた場合、プロセスは、スキャンした画像に付随するセキュリティ処理を確認するステップに続く1210。一実施例では、データベース1112は、索引付けされデータベース1112に格納された画像各々について、セキュリティ処理を行う。関連するセキュリティ処理が確認されると1210、そのセキュリティ処理が検索され、スキャンされた画像は、その検索されたセキュリティ処理を用いて処理される1212。ステップ1212では複合機1100によってセキュリティ処理がいくつでも実行されてよいことを、当業者は理解するであろう。以下のセキュリティ処理は例示として用意されており、複合機1100が行うプロセスを限定するものではない。更に、セキュリティ処理の各々は、更なるセキュリティ及び機能に関する他の処理と共に結合されてもよい。

第１のセキュリティ処理では、セキュリティモジュール1116は、入力／出力装置1110がユーザのパスワードを求める要求を出力するようにする。入力／出力装置1110はパスワードを受信し、複合機1100の機能にアクセスするために入力されるようなユーザのIDに対応するものに対して、パスワードを確認する。入力されたパスワードが、データベース1112に格納されている情報に一致していた場合、プロセッサ／コントローラ1108は、スキャン画像の印刷出力がプリンタから生成されるようにする。一方、入力されたパスワードが合致していなかった場合、複合機1100は如何なる書類も出力しないであろう。このことは、パスワードを備えた特定の者のみが、スキャン書類のコピーを作成できることを保証する。或いは、ユーザのアクセスコードが、パスワードの代わりに使用されてもよい。その場合、書類のコピーすることを認められたユーザだけが、それを行い得る。ユーザの身元は、複合機1100へのアクセス権を得るのに使用されたアクセスコードによって確認される。

第２のセキュリティ処理では、セキュリティモジュール1116は、認識された書類が印刷されたことを示す記録をデータベース1112に格納し、コピーを出力する。このセキュリティ処理の下では、セキュリティモジュール1116は、時間、コピー数、出力方法、画像又は電子書類が出力を生成するために使用されたか否か、及び使用した受信者等を記録してもよい。ユーザがアクセスコードを入力することを複合機1100が要求する場合、アクセスコードもデータベース1112に記録されてよい。

第３のセキュリティ処理では、セキュリティモジュール1116は、コピーを複合機1100により出力することを控える又はコピーを提示する。この場合、書類はアクセスに際し高度に制限され、コピーされることは許容されない。セキュリティモジュール1116は、処理を自ら拘束する。

第４のセキュリティ処理では、セキュリティモジュール1116は或る通知を生成し、その通知を例えばファクシミリ又は電子メールで管理者又はアドミニストレータに送信する。この通知は、認識された書類がコピーされていることを示してもよい。或いは、通知は、その書類をコピーしようとした試みがなされたことを示してもよい。この場合、セキュリティモジュールはプロセッサ／コントローラ1108と共に協働し、メッセージを生成し、そしてファクシミリモジュール1106がファクシミリで送信する、或いは通信装置が電子的に例えば電子メールでインスタントメッセージを電子的に送信する。

第５のセキュリティ処理では、セキュリティモジュール1116は、複数のユーザが単独の書類にアクセスして注釈を行う協同的な環境で動作する。この環境では、セキュリティモジュール1116は、プロセッサ／コントローラ1108と協同し、入力メッセージが次の１）〜４）に対応するか否かを判定する：１）入力されスキャンされた画像が生成されて以来、更新されている書類；２）非常に長い書類の１ページ又は一部分；３）データベース1112に格納されている元の電子書類；又は４）かつてコピーされた又は印刷されたバージョンの書類。これらの例のどれにおいても、セキュリティモジュール1116は、スキャンした書類とは異なる書類を出力できる。例えば、書類の更新されたバージョンが出力されてもよいし、書類全体が出力されてもよいし、元の古い電子情報から生成された完全なコピーが出力されてもよいし、或いは以前にコピーした又は印刷されたバージョンが出力されてもよい。

上記のセキュリティ処理は主にコピーに関して議論されているが、セキュリティ処理は複合機1100で実行される如何なる機能に適用されてもよいことを、当業者は理解するであろう。例えば、セキュリティ処理は、複合機1100による入力画像のファクシミリ伝送に応用されてもよいし、複合機1100による入力画像の電子メールやインスタントメッセージングのような電子的な伝送に応用されてもよい。

図１３を参照しながら、データベース更新及び書類処理の一部にインビジブルジャンクション認識を使用する本発明による方法例が説明される。本発明は混合メディアリアリティ(MMR: Mixed Media Reality)に関連して説明されるが、ここで説明される方法は、データベース1112に対して必要とされるかもしれない又は望まれるかもしれない如何なるタイプの更新にも適用可能であることを、当業者は認識するであろう。本方法は図12に関して説明された能都同様なステップと共に始まり、画像をスキャニングし1202、特徴量抽出及び特徴量検索を行い1204、特定され認識された特徴量が電子書類に合致しているか否かを判定する1206。合致する電子書類が認識されなかった場合、本方法はステップ1208に進み、書類は通常通りに処理される。これは、入力／出力装置1110を用いて、ユーザにより要求されるような入力画像を処理することを要する。

しかしながら、合致する電子書類が認識された場合、本方法は、処理及び更新する指示をユーザに促す1302。一実施例では、データベース更新部1114は、入力／出力装置1110が、処理及び更新する指示を求める要求を表示するようにする。そしてユーザは入力／出力装置1110を使って応答し、処理及び更新する指示を与える。指示する処理の具体例は、例えば：１）スキャンした画像を合致する電子書類に関連付けること；２）メタデータを付加し、それを合致する電子書類に関連付けること；３）新たな独立したMMR(混合メディアリアリティ)書類を作成すること；４）スキャンした画像のインデックスを生成し、それをデータベース1112に格納すること；及び５）付加的な情報を受信／検索し、それを合致する電子書類に関連付けることである。処理及び更新する指示をユーザがいったん入力すると、本方法は入力されたユーザの指示に従ってデータベース1112を更新する1304。データベース1112が更新されると、入力されたユーザの指示に従ってスキャンされた画像が処理され、プロセスは完了し、終了する。

図１４を参照しながら、混合メディアリアリティデータベース注釈及び書類処理の一部にインビジブルジャンクション認識を使用する本発明による方法例が説明される。本方法は、図12を参照しながら説明されたものと同様なステップから始まり、即ち、画像をスキャンし1202、特徴量抽出及び検索を実行し1204、特定され認識された特徴量が電子書類に合致するか否かを確認する1206/1402。本実施例での発明は、MMR(混合メディアリアリティ)の観点から説明されるが、如何なる電子書類に一般化されてもよい。より具体的には、判定するステップは、印刷書類の一部の表現を含むMMR(混合メディアリアリティ)書類、アクション又は音声のメディア、インデックス若しくはホットスポット、及び書類全体の電子表現等の確認でもよい。合致する書類が認識されなかった場合、本方法はステップ1208に進み、書類は通常通り処理される。これは、入力／出力装置1110を用いて、ユーザにより要求されるような入力画像を処理することを要する。

合致するMMR(混合メディアリアリティ)が認識された場合、本方法は、処理及び更新する指示をユーザに促す1402。一実施例では、注釈モジュール1118は、入力／出力装置1110が、処理及び更新する指示を求める要求を表示するようにする。そしてユーザは入力／出力装置1110を使って応答し、処理及び更新する指示を与える。更に、ユーザは、テキスト、音声、ビデオ又は他の情報のような如何なるタイプの注釈を入力してもよく、他の情報は、複合機1100に結合された入力／出力装置1110により捕捉される。注釈モジュール1118が携帯電話の一部に含まれるような実施例の場合、利用可能なタイプの注釈は、携帯電話の入力／出力の能力に制限される。次に、注釈モジュール1118は、処理する指示及び注釈をユーザから受信する1406。注釈モジュール1118はその後にユーザの入力した指示に従ってデータベース1112を更新する1408。一実施例では、注釈情報はMMR(混合メディアリアリティ)書類に付けられる。いったんデータベース1112が更新されると、ユーザの入力した指示に従って、スキャンした画像が処理され1410、プロセスは完了し、終了する。

ユーザインターフェース及び3Dナビゲーション
上述したように、本発明は非常に有利である。なぜなら、認識を行うプロセスの際、認識部324及び関連する要素がカメラの画像処理面の位置、即ち書類又は紙面に対するカメラの位置に関する情報を生成するからである。この情報は、紙面に対するカメラの向き(カメラの位置及び向きを含む)を含み、カメラの画像処理面及び紙面の間で推定される投影変換から導出される。カメラ固有のパラメータの元で、認識部324は、ビデオプレーン毎に用紙に関するカメラ向き−ポーズ−を推定する。カメラ固有のパラメータは、オンラインで推定可能であり、或いは固有のパラメータに関してカメラを予め校正してもよい。特に、複数のビデオプレーンが処理される追跡アプリケーションの場合でその情報が各フレームについて生成される場合、その情報はユーザインターフェースの一部として使用され、コンピュータシステムに命令や指示を入力する新たな方法を、印刷された書類及びその印刷書類に対するカメラの向きの双方を使うことで提供する。処理を実行したりコマンドを入力する構成手段として用紙に対するカメラ向きを使用することは、様々なグラフィカルユーザインターフェースのどの一部分にもなり得るし、以下に説明される２つは単なる例示に過ぎないことを、当業者は認識するであろう。本発明によるこの固有の構成手段は、２つの異なるグラフィカルユーザインターフェースに関して説明される。これらのグラフィカルユーザインターフェース例は、電子書類の識別に関する特性と３次元モデルのナビゲーションに関する特性とを組み合わせる。第１のグラフィカルユーザインターフェース例は、電子書類の身元を用紙から提供し、元の書類と準独立的な(semi-independent)以後のナビゲーションを３次元モデル検索にもたらす。第２のグラフィカルユーザインターフェース例は、３次元モデル検索及び３次元ナビゲーションモデルを、２次元的な印刷書類に関するカメラ向きに基づいて提供する。

図１５を参照しながら、３次元モデルの表示を制御するユーザインターフェースの一部にインビジブルジャンクション認識を使用する本発明による方法例が説明される。一実施例では、３次元ユーザインターフェースモジュール328は、メモリ装置204の他の要素と協同して、図１５に示される方法を実行するよう動作する。プロセスは、画像を受信し1202、特徴量抽出及び検索を実行し1204、図12に関して説明したようなインビジブルジャンクション識別子の比較に基づいて、合致する電子書類の有無を判定する1206。判定するステップ1206で、合致する電子書類が発見されなかった場合、本発明方法は或るメッセージを生成し、そのメッセージは、入力画像に関連する追加的なコンテンツは無いことを示し、本方法は完了し、終了する。

一方、合致する書類が存在するように判定された場合1206、本発明方法はステップ1504に続く。ステップ1504では、本方法は、書類ページ、表示場所及びカメラの見ている場所に関連する３次元モデルの有無を判定する。特徴量抽出及び検索ステップ1204は、スキャンした画像に関する情報が生成されているので、その情報は、データベース110中の情報と比較され、何らかの関連する３次元モデルを探す。次に、本方法は３次元モデル及び関連するデータをデータベース110から取得する。データベース110に格納済みのオブジェクトモデルは、３次元モデル、そのオブジェクトのパノラマ画像又はそのオブジェクトの取得済みの一連の画像によって表現可能である。その後に本方法は３次元モデル及びデータを初期画面に表示する。３次元オブジェクトの表示角度は、その用紙に関するカメラ（例えば、携帯電話）の向きによって決定される。用紙に関するカメラ向きを追跡することで、様々な表示角度によるオブジェクトモデルの連続的な表示を、ユーザは取得可能である。オブジェクトモデルは、３次元幾何学モデルに加えてテクスチャマップ（又はオブジェクトのパノラマ画像）によって特定可能である。

図１７Ａ及び１７Ｂも参照すると、第１のユーザインターフェース例が示されている。図１７Ａは、自動車情報に関するウェブページを有する書類を示す図1702である。画像捕捉装置106で捕捉された表示領域は、概して四角形の枠(ボックス)として示され、1704で示されているものは、印刷ページ1702上ではなく図17Aに示され、図17Bに示されるような印刷書類1702と捕捉画像1706間の関係を表す。図17Bは、画像捕捉装置106で捕捉した画像1706の図形表現を表す。表示領域1704及び電子書類は、上述したようにインビジブルジャンクションを使って画像1706を処理することで確認可能であるので、画像1706のその部分に関する３次元モデルが検索及び表示可能である。図17Bは、ステップ1508で取得される３次元モデルの初期画面1708も示している。

図１９Ａ及び１９Ｂを参照すると、第２のユーザインターフェース例が示されている。図19Aは紙に印刷されている地図(マップ)1902を示す図である。紙1902自身には示されていないが、表示領域1904及びカメラの見ている場所1906が、本発明を説明するために示されている。図19Bは、画像捕捉装置106で捕捉された画像を示す図である。個の画像の表示は、カメラの見ている場所1906の表示を含む。図19Bは初期画像表示1910も示している。この例では、初期画像1910は、現実世界の地理的領域の平面図であり、その平面図は、捕捉画像に関し、マップのその部分で表現される地理的領域に対応する。本発明によるGUIを利用するこの初期画面は、カメラの見ている場所1912を含んでいる。

本発明の方法が３次元モデル又はデータを初期画面に表示すると1508、本方法は、画像捕捉装置106が追加的なフレーム又は画像データを提供しているか否かを確認する。提供していなければ、本方法は完了し、終了する。しかしながら追加的なフレーム又は画像データが提供されていた場合、本発明の方法はステップ1512に続き、次のフレームが処理される。ステップ1512では、ユーザインターフェースモジュール328は、次のフレームを取り出し、そのフレームに関するカメラ向きを確認する。次に、本方法は、現在フレーム及び次フレーム間のカメラ位置の変化を確認する1514。各フレームに関し、カメラの位置及び向きは既知なので、現在及び次のカメラ位置の間の差異は、計算可能であり、ベクトルとして表現可能である。次に、３次元モデル及びデータの表示が、ステップ1514で判定された位置変化に基づいて更新される1516。表示を修正するプロセスは、図16,17の第１の例により、及び図18,19の第２の例により以下で詳細に説明される。いったん表示が更新されると1516、本方法はステップ1510に戻り、追加的なフレーム又は画像が受信されているか否かを確認する。受信されていれば、本方法はステップ1512,1514及び1516を介して各フレームについてループ処理を行う。代替例では、そのループはｎ番目のフレームについて実行され、ｎは２より大きな整数である。

図16を参照しながら、入力装置の位置変化に基づいて３次元モデルの表示を変更する方法例が説明される。図１６に関して図示及び説明される方法は、図17A乃至17Iに示される３次元ナビゲーションに関するグラフィカルユーザインターフェースの第1例についても説明される。上述したように、ステップ1514はカメラ向きの変化を確認する。この例では、カメラの位置及び方向の判定は、６つの変化の可能性を有する。カメラ位置に関して判定される変化は、以下の状態の内の何れかである：１）カメラが左に回転させられている、２）カメラが右に回転させられている、３）カメラが上に回転させられている、４）カメラが下に回転させられている、５）カメラが時計回りに回転させられている、６）カメラが反時計回りに回転させられている、及び７）変化していない。カメラ位置について確認された変化に依存して、本方法はステップ1514から関連するステップ1602，1604，1606，1608，1610又は1612に移る。

例えば、カメラ向きに関して判定された変化が右回転であった場合、本方法はステップ1604に続き、３次元モデルの表示を右に回転させる。図17A,17Bに示される３次元モデル、捕捉画像、表示領域及びページを、図17C,17Dに示される３次元モデル、捕捉画像、表示領域及びページと比較することで、本発明のグラフィカルユーザインターフェースにて、カメラの動きにより生成された入力コマンド及び結果的な変化が、明確に表示可能になる。図17Aは、上述したような紙書類1702を示す。図17Bは、３次元モデルの初期画像1708に加えて、表示領域1704から捕捉された画像1706も示している。これに対して、図17Cは図17Aとほぼ同じであるが、表示領域1712が台形の形状を有し、カメラの右回転を反映している点が異なる。この場合、図17Dの捕捉画像をもたらし、修正された３次元モデルの表示は、図17Dに示されるような側面図1716の表示をもたらす。

カメラ向きに関して判定された変化が左回転であった場合、本方法はステップ1602に続き、３次元モデルの表示を左に回転させる。これは、画像捕捉装置106が、図17E及びユーザインターフェースモジュール328の画像1718を生成することを引き起こし、図17Eに示されるような正面図1720を示すように修正された３次元モデルを表示する。

カメラ向きに関して判定された変化が上回転であった場合、本方法はステップ1606に続き、モデルの上を表示するように３次元モデルの表示を回転させる。これは、画像捕捉装置106が、図17F及びユーザインターフェースモジュール328の画像1722を生成することを引き起こし、図17Fに示されるような平面図1724を示すように修正された３次元モデルを表示する。

カメラ向きに関して判定された変化が下回転であった場合、本方法はステップ1608に続き、モデルの斜め下を表示するように３次元モデルの表示を回転させる。これは、画像捕捉装置106が、図17G及びユーザインターフェースモジュール328の画像1726を生成することを引き起こし、図17Gに示されるような平面図1728を示すように修正された３次元モデルを表示する。
図16に示されるように、時計回りや反時計回り方向のカメラの動きのような他の位置変化は、グラフィカルユーザインターフェースが追加的な情報を表示することを引き起こす。例えば、カメラ向きの変化が時計回り方向であった場合、本発明方法は、表示されている現在の３次元モデルと共に設定されている第１データを示す1610。或いは、その表示は、第1データだけが設定されている表示に変わってもよい。カメラ向きの変化が反時計回り方向であった場合、本発明方法は、表示されていた現在の３次元モデルと共に設定されている第２データを示す1612。特に、カメラを右に回すと、その車の価格情報が表示され、装置を回し始めると、車のオプションやアクセサリのリストが表示される。カメラの他の３次元運動がメニュー選択肢内にあってもよく、それ故にGUIをいくつでも作成してよく、各GUIはカメラの様々な３次元運動に関連する入力コマンドの様々な配置構成を有してよいことを、当業者は認識するであろう。本発明の更に他の応用例(アプリケーション)は、画像捕捉装置106の位置を、通常のデスクトップアプリケーションの入力ツールとして使用することである。例えば、本発明は一枚の紙と共に入力装置として使用され、調査、注釈及び修正のコマンドを、スプレッドシート、プレゼンテーションプログラム、ワードプロセッシングプログラム等のようなアプリケーション及び他のアプリケーションに提供し、そのアプリケーションは音声、映像又は画像と共に書類に注釈を与える。

図17Hを参照するに、ユーザインターフェースの他の例が示されている。図17Hは一枚の紙1750を示す図である。この紙1750は自動車の広告を含む。この紙片には示されていないが、表示領域1752及びカメラの見ている場所1754が、図17Hの紙片に重ねて示される。この例では、左、右又は上へのカメラの動きは、グラフィカルユーザインターフェースに表示される画像の並進を引き起こし、例えば図17Iの３つの例に示されるように、右への並進1756、左への並進1758及び上への並進が引き起こされる。

図18を参照するに、入力装置の位置変化に基づいて、３次元モデルの表示を更新する第２の方法例が説明される。図18を参照しながら図示及び説明される方法は、図19A乃至19Hに示される３次元ナビゲーション用のグラフィカルユーザインターフェースの第２例を示す。特に、この例では、画像捕捉装置106（カメラ又は携帯電話）は、地図のような用紙上に位置している。上述したように、ステップ1514はカメラ向きの変化を確認する。この例では、カメラの位置及び方向の判定は、６つの変化の可能性を有する。カメラ向きに関して判定される変化は、以下の状態の内の何れかである：１）カメラが上又は下に動かされる、２）カメラが右にパンする(パノラマ撮影を行う)、３）カメラが左にパンする、４）カメラが時計回り又は反時計回りに回転させられる、５）カメラが北に又は南に動かされる、６）カメラが東に又は西に動かされる、及び７）変化していない。カメラ向きについて確認された変化に依存して、本方法はステップ1514から関連するステップ1802，1804，1806，1808，1810又は1812に移る。ステップ1802,1804及び1806の各々は、地図／紙で表現されている現実世界に対応する地形の３次元表示とは異なる。これらのステップは、左にパンする、右にパンする、前を示す又は後を示す。GUIは、有利なことに、この地形及び動きの観点からパノラマ表示をもたらす。各ステップ1808,1810,1812は、回転する空中写真、或る領域をカバーするように上下に動く空中写真のような空中表示の提供及び調整を行い、或いは新たな領域をカバーするように左右に空中写真を動かす。

例えば、カメラの向きについて判定された変化が、カメラを下に傾けることであった場合、本方法はステップ1802に進み、３次元モデルの表示を平面図から正面斜視図に修正する。図19A,19Bに示される３次元モデル、捕捉画像、表示領域及びページを、図19C,19Dに示される３次元モデル、捕捉画像、表示領域及びページと比較することで、本発明によるグラフィカルユーザインターフェースにおいて、カメラの動き及び結果的な変化により生成される入力コマンドは、明確に表示される。図19Aは、上述したように紙書類1902を示す。図19Bは、３次元モデルの初期表示1910だけでなく、表示領域1904から捕捉された画像1908も示す。画像が認識されると、GUIは四角形で示される領域を表示するカメラと共に、地図のバージョンを表示することができる。カメラの見ている場所も示される。関連する地形データ1910及びカメラの見ている場所1912も図19Bに示されている。これに対して、図19Cは図19Aと本質的には同じ紙書類を示すが、表示領域1914が台形の形状をしており、カメラをした向き動かしたことを反映している点が異なる。これは、図19Dのような捕捉画像1916をもたらし、地形データの表示が、図19Dに示されるような３次元モデル1918を示すように修正されることを引き起こす。異なる表示角度でカメラを下に傾けると、３次元的な建物は、２次元地図に関するカメラの向きで決定される別の角度で視覚化される。

図19Eもカメラが動かされる例を示すが、この例では用紙1902も回転させられている。図19Eは回転させられた紙書類1902を示す。表示領域1920は、紙画像1902上に重ねられる。図19Fは、GUIで表示する際の、画像捕捉装置106で捕捉された画像1924を示す。カメラを下に傾け、地図を回転させることで、ユーザは全ての側から建物の表示を得ることができる。図19Fは、その紙に対するカメラと同じ角度からの３次元的な建物の表示1926を示す。

図19Gは、GUIで表示する際の、画像捕捉装置106で捕捉された別の画像1928を示す。左に傾けることで、建物の異なる表示1930が示される。同様に、図19Hはその紙に対するカメラと同じ角度からの３次元的な建物の表示及び捕捉画像1932を示す。

以上、本発明の実施例の説明が例示及び記述の観点からなされてきた。説明が網羅的なものであることを意図してはおらず、説明された厳密な形式に本発明を限定する意図でもない。多くの修正及び変形が上記の教示内容に照らして可能である。本発明はこの詳細な説明によっては限定されず、本願の特許請求の範囲によって規定される。当業者に理解されるように、本発明は、その本質的特徴又は精神から逸脱せずに、他の特定の形態に具現化されてもよい。同様に、モジュール、ルーチン、特徴、属性、方法及び他の性質に関する特手の名称や区分けは、必須でも重要でもなく、本発明又はその特徴を実現する手段は、別の名称、区分け及び／又は形式をとってもよい。

更に、当業者に明白なように、モジュール、ルーチン、特徴、属性、方法及び他の本発明の性質は、ソフトウエア、ハードウエア若しくはファームウエアによって、又はそれらの如何なる組み合わせによって実現されてもよい。例えばモジュールであるコンポーネントがソフトウエアとして実現される場合はいつでも、そのコンポーネントは、スタンドアローンプログラムとして、大規模なプログラムの一部分として、複数の別々のプログラムとして、静的に又は動的にリンクしたライブラリとして、カーネルローダブルモジュールとして、デバイスドライバとして実現されてもよいし、及び／又は、コンピュータプログラミングの技術分野の当業者にとって現在既知の若しくは将来既知になる何らかの他の方法で実現されてもよい。更に、本発明は、何らかの特定のプログラミング言語で実現されることに限定されず、何らかの特定のオペレーティングシステムや環境で実現されることにも限定されない。従って、本発明の開示内容は例示的であり、本発明の範囲を限定するものでもなく、本発明は特許請求の範囲の記載によって規定される。

特徴量抽出及び認識を行う本発明によるシステムの機能を示す図である。 本発明の一実施例により構築されたシステム例の機能を示す図である。 本発明の一実施例により構築された図２のシステム例のメモリに関するブロック図である。 本発明による図１の特徴量抽出及び認識システム例のブロック図である。 ある画像例で実行される本発明の一実施例による特徴量抽出ステップの図式表現を示す図である。 ある画像例で実行される本発明の一実施例による特徴量抽出ステップの図式表現を示す図である。 ある画像例で実行される本発明の一実施例による特徴量抽出ステップの図式表現を示す図である。 ある画像例で実行される本発明の一実施例による特徴量抽出ステップの図式表現を示す図である。 ある画像例で実行される本発明の一実施例による特徴量抽出ステップの図式表現を示す図である。 特徴量抽出を行う本発明による方法例のフローチャートである。 特徴量インデキシングを行う本発明による方法例のフローチャートである。 特徴量インデキシングを行う本発明による別の方法例のフローチャートである。 本発明による特徴量抽出方法例のフローチャートである。 幾何学的推定を行う本発明による第１の方法例のフローチャートである。 幾何学的推定を行う本発明による第２の方法例のフローチャートである。 幾何学的推定を行う本発明による第３の方法例のフローチャートである。 紙面、画像面及びクエリを示す幾何学的な制約例を示す図である。 認識及び追跡を組み合わせた本発明による方法例のフローチャートである。 認識及び追跡を組み合わせた本発明による方法例により作成されたユーザインターフェースを示す図である。 認識及び追跡を組み合わせた本発明による方法例で使用されるプロセスの状態図である。 認識及び追跡を組み合わせることで生成される本発明によるユーザインターフェースの他の例を示す図である。 認識及び追跡を組み合わせることで生成される本発明によるユーザインターフェースの他の例を示す図である。 認識及び追跡を組み合わせることで生成される本発明によるユーザインターフェースの他の例を示す図である。 認識及び追跡を組み合わせることで生成される本発明によるユーザインターフェースの他の例を示す図である。 認識及び追跡を組み合わせることで生成される本発明によるユーザインターフェースの他の例を示す図である。 認識及び追跡を組み合わせることで生成される本発明によるユーザインターフェースの他の例を示す図である。 認識及び追跡を組み合わせることで生成される本発明によるユーザインターフェースの他の例を示す図である。 認識及び追跡を組み合わせることで生成される本発明によるユーザインターフェースの他の例を示す図である。 特徴量抽出及び認識を行う本発明によるシステム例を含む複合機の機能ブロック図である。 ドキュメントセキュリティの一部にインビジブルジャンクション認識を使用する本発明による方法例のフローチャートである。 データベース更新及び書類処理の一部にインビジブルジャンクション認識を使用する本発明による方法例のフローチャートである。 混合メディアリアリティデータベース注釈及び書類処理の一部にインビジブルジャンクション認識を使用する本発明による方法例のフローチャートである。 ３次元モデルの表示を制御するユーザインターフェースの一部にインビジブルジャンクション認識を使用する本発明による方法例のフローチャートである。 入力デバイス位置の変化に基づいて３次元モデルの表示を更新する方法例のフローチャートである。 図１５の方法で生成される本発明によるユーザインターフェースを示す図である。 図１５の方法で生成される本発明によるユーザインターフェースを示す図である。 図１５の方法で生成される本発明によるユーザインターフェースを示す図である。 図１５の方法で生成される本発明によるユーザインターフェースを示す図である。 図１５の方法で生成される本発明によるユーザインターフェースを示す図である。 図１５の方法で生成される本発明によるユーザインターフェースを示す図である。 図１５の方法で生成される本発明によるユーザインターフェースを示す図である。 図１５の方法で生成される本発明によるユーザインターフェースを示す図である。 図１５の方法で生成される本発明によるユーザインターフェースを示す図である。 入力デバイス位置の変化に基づいてナビゲーション情報の表示を更新する方法例のフローチャートである。 図１８の方法で生成される本発明によるユーザインターフェースを示す図である。 図１８の方法で生成される本発明によるユーザインターフェースを示す図である。 図１８の方法で生成される本発明によるユーザインターフェースを示す図である。 図１８の方法で生成される本発明によるユーザインターフェースを示す図である。 図１８の方法で生成される本発明によるユーザインターフェースを示す図である。 図１８の方法で生成される本発明によるユーザインターフェースを示す図である。 図１８の方法で生成される本発明によるユーザインターフェースを示す図である。 図１８の方法で生成される本発明によるユーザインターフェースを示す図である。

符号の説明

１００ システム
１０２ 印刷された又は紙の書類
１０４ 紙書類の元の領域
１０６ 画像捕捉装置
１０８ 特徴量抽出及び認識システム
１１０ データベース
１１２ 電子表現
１１４ 対応関係を表す線
２０４ メモリユニット
２１０ ディスプレイ装置
２１２ 入力装置
２１４ カーソル制御部
２１６ 通信装置
２１８ 入力／出力(I/O)装置
２５０ 制御部
３０２ オペレーティングシステム
３０４ アプリケーション
３０６ 制御モジュール
３０８ ブラウザ
３１０ 特徴量抽出部
３１２ 特徴量インデキシング部
３１４ 特徴量検索部
３１６ 幾何学的推定部
３２０ ビデオトラッカ
３２２ 用紙トラッカ
３２４ 認識部
３２６ ドリフトコレクタ
３２８ ユーザインターフェースモジュール
１１００ 複合機
１１０２ スキャナ
１１０４ プリンタ
１１０６ ファクシミリモジュー
１１０８ プロセッサ／コントローラ
１１１０ 入力／出力装置
１１１２ データベース
１１１４ データベース更新部
１１１６ セキュリティモジュール
１１１８ 注釈モジュール

Claims (25)

1. 少なくともテキストを含む電子データに対応する画像を画像捕捉装置から受信部が受信するステップと、
   前記受信した画像の2値画像に対して距離変換を適用した画像から骨組のジャンクションの少なくとも位置に基づく特徴量を特徴量抽出部が抽出するステップと、
   前記画像捕捉装置の向きを該画像捕捉装置が取得した画像に基づいて認識部が認識するステップと、
   前記特徴量に基づいて特定された画像に関連付けられた情報を、ユーザインターフェースモジュールが、前記認識された向きに応じて前記画像捕捉装置に表示するステップと
   を有する方法。
2. 前記認識するステップは、第１カメラ向きを判定するステップを有し、更に、第２カメラ向きを判定するステップ、向きの変化を判定するステップ、及び検索した情報の表示を前記向きの変化に基づいて更新するステップを有する請求項１記載の方法。
3. 別の画像を受信するステップと、
   前記画像及び前記別の画像の相違を判定するステップと、
   カメラ向きの変化に基づいてグラフィカルユーザインターフェースを修正するステップと、
   を有する請求項１記載の方法。
4. 前記カメラ向きが左に変化していた場合、３次元モデルの表示を左に調整し、前記カメラ向きが右に変化していた場合、前記３次元モデルの表示を右に調整するように、グラフィカルユーザインターフェースが修正される請求項３記載の方法。
5. 前記電子データで記述されているオブジェクトに関連するデータを、前記画像の変化に応じて与えるようにグラフィカルユーザインターフェースが修正される、請求項１記載の方法。
6. グラフィカルユーザインターフェースが表示されている検索された情報及びカメラ向きの変化に基づいて修正される請求項３記載の方法。
7. 前記情報が、３次元モデルで表現される請求項１記載の方法。
8. 前記情報が、地形の航空写真で表現される請求項１記載の方法。
9. 前記電子データに重ねられた前記画像に対応するサイズ及び形状を有する表示領域を有する前記電子データにおいて前記情報が表現される請求項１記載の方法。
10. ユーザから命令を受けるステップと、
    前記電子データに関連する追加的な情報を取得するステップと、
    前記電子データに関連する追加的な情報をグラフィカルユーザインターフェースで表示するステップと、
    を更に有する請求項１記載の方法。
11. 前記取得された情報が前記画像で表現され、前記追加的な情報が地形の航空写真で表現される請求項１０記載の方法。
12. 別の画像を受信するステップと、
    前記画像及び前記別の画像からカメラ向きの変化を判定するステップと、
    カメラ向きの変化に基づいてグラフィカルユーザインターフェースを修正するステップと、
    を有する請求項１０記載の方法。
13. カメラ向きの変化は、前記受信した画像に対応する印刷書類の位置と前記印刷書類に関連するカメラ向きとに応じて変わる請求項３記載の方法。
14. 少なくともテキストを含む電子データに対応する画像を画像捕捉装置から受信する受信部と、
    前記受信した画像の2値画像に対して距離変換を適用した画像から骨組のジャンクションの少なくとも位置に基づく特徴量を抽出する特徴量抽出部と、
    前記画像捕捉装置の向きを該画像捕捉装置が取得した画像に基づいて認識する認識部と、
    前記特徴量に基づいて特定された画像に関連付けられた情報を、前記認識された向きに応じて前記画像捕捉装置に表示するユーザインターフェースモジュールと
    を有するシステム。
15. 前記認識部は、第１カメラ向き、第２カメラ向き及びカメラ向きの変化を判定し、前記認識部は、カメラ向きの前記変化を前記ユーザインターフェースモジュールに送信する請求項１４記載のシステム。
16. 前記認識部は、第１の画像及び第２の画像によりカメラ向きの変化を判定し、前記ユーザインターフェースモジュールは、カメラ向きの前記変化に基づいてグラフィカルユーザインターフェースを修正する請求項１４記載のシステム。
17. 前記ユーザインターフェースモジュールは、グラフィカルユーザインターフェースに、オブジェクトの３次元モデルの表示を行わせる請求項１４記載のシステム。
18. 前記ユーザインターフェースモジュールは、カメラ向きが左に変化した場合、前記３次元モデルの表示を左に修正し、カメラ向きが右に変化した場合、前記３次元モデルの表示を右に修正し、カメラ向きが上に変化した場合、前記３次元モデルの表示を上に修正し、カメラ向きが下に変化した場合、前記３次元モデルの表示を下に修正する請求項１７記載のシステム。
19. 前記ユーザインターフェースモジュールは、表示されているオブジェクトに関するデータを、前記画像の変化に応じて提供するようにグラフィカルユーザインターフェースを修正する請求項１４記載のシステム。
20. グラフィカルユーザインターフェースに表示される検索された情報及びカメラ向きの変化に基づいて、前記ユーザインターフェースモジュールは、前記グラフィカルユーザインターフェースを修正する請求項１６記載のシステム。
21. 前記情報が、３次元モデルで表現される請求項１４記載のシステム。
22. 前記情報が、地形の航空写真で表現される請求項１４記載のシステム。
23. 前記電子データに重ねられた前記画像に対応するサイズ及び形状を有する表示領域を有する電子データにおいて前記情報が表現される請求項１４記載のシステム。
24. 前記ユーザインターフェースモジュールは、ユーザから命令を受信し、それに応じて検索を行い、グラフィカルユーザインターフェースに追加的な情報を表示する請求項１４記載のシステム。
25. 或る紙面に対するカメラ画像面の位置を判定することで、前記ユーザインターフェースモジュールはカメラ向きを判定する請求項１４記載のシステム。