JP5992206B2 - パターン認識用辞書の学習装置、パターン認識装置、コーディング装置、区分装置、および、パターン認識用辞書の学習方法 - Google Patents
パターン認識用辞書の学習装置、パターン認識装置、コーディング装置、区分装置、および、パターン認識用辞書の学習方法 Download PDFInfo
- Publication number
- JP5992206B2 JP5992206B2 JP2012120684A JP2012120684A JP5992206B2 JP 5992206 B2 JP5992206 B2 JP 5992206B2 JP 2012120684 A JP2012120684 A JP 2012120684A JP 2012120684 A JP2012120684 A JP 2012120684A JP 5992206 B2 JP5992206 B2 JP 5992206B2
- Authority
- JP
- Japan
- Prior art keywords
- unit
- pattern
- input
- character
- image
- 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
Links
Images
Landscapes
- Character Discrimination (AREA)
Description
本実施形態に係る学習装置は、パターン認識用辞書を更新するものである。ここで、認識対象となるパターンは、例えば、文字、記号或いはコードなどの情報であり、パターン認識用辞書は、それらのパターンを認識するための辞書データを記憶する記憶部である。本実施形態では、パターン認識用辞書としての文字認識用辞書を用いた文字認識処理を行う区分装置について説明するものとする。
紙葉類処理装置1は、たとえば、郵便物あるいは帳票等の紙葉類に記載された住所などの文字で表現された区分情報を文字認識し、その文字認識の結果に基づいて当該紙葉類を区分処理する。図1に示す構成例おいて、紙葉類処理装置1は、区分機本体3及びビデオコーディングシステム(以降、VCSと略称する)4などから構成される。区分機本体3及びVCS4は、互いに通信可能なように接続されている。
図1に示す紙葉類処理装置の区分機本体3は、紙葉類を区分情報としての住所情報により区分処理するものである。区分機本体3は、文字認識部及び住所認識部を有する。区分機本体3の文字認識部は、文字認識用の辞書を参照して、スキャナにより読み取った紙葉類の画像における住所情報らしい各文字を認識する。区分機本体3の住所判定部は、文字認識部による文字認識の結果と住所データベースに記憶されている住所情報とを参照して、紙葉類に記載されている住所情報を判定する。紙葉類処理装置の区分機本体3は、住所情報が認識(特定)できなかった紙葉類の画像をVCS4へ送る。VCS4は、紙葉類の画像における住所情報をオペレータにより入力され、その入力結果を区分機本体4へ返す。区分機本体4は、VCS4で入力された住所情報に基づいて住所情報が認識できなかった紙葉類を区分処理する機能も有する。
供給部11は、紙葉類処理装置1に取り込む紙葉類をストックする。供給部11は、重ねられた状態の紙葉類をまとめて受け入れる。供給部11は、紙葉類を1つずつ主搬送路12へ供給する。たとえば、供給部11は、分離ローラを備え、分離ローラは、供給部11に紙葉類が投入された場合、投入された紙葉類の集積方向の下端に接する。分離ローラは、回転することにより、供給部11にセットされた紙葉類を集積方向の下端から1枚ずつ主搬送路12へ一定のピッチで供給する。
VCS4は、画像蓄積分配装置21および複数のビデオコーディングディスク(以降、VCDと略称する)22などから構成されている。画像蓄積分配装置21は、制御部、記憶部、および各種インターフェースなどを有するコンピュータで実現される。VCD22は、たとえば、表示部、入力部、制御部、記憶部、および各種インターフェースなどを有するコンピュータで実現される。
CPU23は、VCD22全体の制御を司る制御部として機能する。CPU23は、ROM26あるいは不揮発性メモリ24に記憶されている制御プログラム及び制御データに基づいて種々の処理を行う。たとえば、CPU23は、オペレーティングシステムのプログラムを実行することにより、VCD22の基本的な動作制御を行う。なお、各種の機能のうちの一部は、ハードウェア回路により実現されるものであっても良い。
図2は、本実施形態に係るVCD22の動作例を示すフローチャートである。
画像蓄積分配装置21は、区分機本体3の住所判定部19が住所を読み取れなかった紙葉類の画像を含むコーディング用のデータを区分機本体3から順次受信する。たとえば、コーディング用のデータには、紙葉類の画像と当該紙葉類のIDとを含むデータである。また、コーディング用のデータには、さらに、文字認識部18および住所判定部19による処理結果(たとえば、認識できた文字を示す情報など)を含めても良い。画像蓄積分配装置21は、住所判定部19から供給されたコーディング用のデータを蓄積する。画像蓄積分配装置21は、蓄積したコーディング用のデータを各VCD22の動作状況に応じて各VCD22へ分配する。
紙葉類の画像を含むコーディング用のデータを取得すると、CPU23は、受信したコーディング用のデータに含まれる紙葉類の画像を表示部27に表示する(ステップ12)。紙葉類の画像は、文字(パターン)認識の対象となる文字を含む画像である。紙葉類の画像を表示部27に表示した状態において、CPU23は、オペレータによる入力部28への入力を受け付ける。
図4は、表示部27が表示する図3に示すような紙葉類の画像を見て文字(住所)情報を入力するオペレータの視線位置と文字を入力するタイミングとの例を示す図である。
図4上にある線lは、オペレータの視線位置の動きを時系列で示すものである。図4に示す例において、オペレータの視線位置は、線lで示すように、紙葉類の画像における「s t o c k H o l m」上に集中している。図4に示す点aは、オペレータが入力部28により入力文字として「H」を入力した時刻における視線位置を示している。VCD22は、上述したように、時系列の視線位置情報と時刻情報に対応づけて入力文字情報とにより、各文字(たとえば、「k」、「o」など)が入力された時刻での視線位置を示す情報も有している。また、入力文字は、住所情報としても格納されている。このため、VCD22は、当該紙葉類の画像に記載されている住所情報も得ることができる。
図5は、VCD22が作成する学習用データの構成例である。
学習用データは、紙葉類の画像データ(図5に示す例では、XXX.JPG)、各時刻の視線位置を示す視線位置情報、および、入力文字と入力時刻とを対応づけた入力文字情報を有する。図5に示す例では、a時刻でのオペレータの視線位置が表示画面における座標(x100、y100)の位置となっていることを示している。また、図5に示す例は、b時刻で文字情報「H」が入力されたこと(言い換えると、文字「H」が入力された時刻が「b」であること)を示している。
ここでは、学習部20がVCS(VCD)から供給された学習用データを用いて文字認識用の辞書18aを更新する処理(学習機能)について説明するものとする。ただし、後述する学習処理は、パターン認識用の辞書学習に適用できるものである。たとえば、後述する学習処理は、文字単体だけでなく、単語についても適用できるため、住所DB19aにおける住所情報の更新に適用しても良い。また、後述する学習処理は、文字或いは単語だけでなく、生体認証処理あるいは特定の物体の検出処理などの他のパターン認識に用いられる辞書の学習処理に適用しても良い。
図6に示す構成例において、学習部20は、データ格納部31、仮説生成部32、仮説事前確率設定部33、仮説事後確率設定部34、特徴抽出部36及び更新部37などを備える。学習部20は、プロセッサが制御プログラムを実行することにより上述した各部の処理を含む種々の処理機能を実現する。たとえば、学習部20は、プロセッサとメモリとインターフェースとを有するコンピュータにより実現できる。
仮説事前確率設定部33は、たとえば、オペレータがある文字を入力した時刻でのオペレータの視線位置を基に、各仮説が正解仮説である確率(事前確率)を計算する。オペレータは、表示部27に表示された認識対象の画像(紙葉類の画像)を見ながら文字を入力する。このため、オペレータが文字を入力した時刻に視線があった位置(文字入力時の視線位置)の周辺にある仮説が正解仮説である確率が高い。すなわち、文字の入力時刻に視線があった位置の周辺にある仮説は正解仮説である可能性が高く、当該視線位置より遠くにある仮説は正解仮説である確率は低い。
まず、学習部20は、データ格納部31から学習用データを読み出す。ここでは、具体例として、学習用データに含まれる認識対象の画像が、図3に示す紙葉類の画像であることを想定して説明するものとする。図3に示す紙葉類の画像では、「Taro Toshibe TOSHIBE vagen 151 stockHolm SWEDEN」と記載されている。図3に示す画像を含む学習用データには、入力文字として、「s」「t」「o」「c」「k」「H」「o」「l」「m」が含まれる。また、図3に示す画像を含む学習用データには、視線位置情報として、図4に示すような視線位置を示す情報が含まれる。図4に示す視線位置は、「stockHolm」と記載されている位置に集中している。図4における点aは、文字「H」が入力された時刻におけるオペレータの視線位置である。
仮説41〜51は、文字「H」が含まれると推定される文字候補領域としての仮説の例である。各仮説41〜51は、連結画素の成分に対する外接矩形を基準として生成される文字候補領域のうち視線位置を参照して選択された仮説(文字候補領域)の例である。また、仮説生成部32は、連結画素成分の外接矩形のうち隣接する矩形を組み合わせて1つの文字領域候補(仮説)を生成しても良い。たとえば、仮説45及び仮説48は、複数の仮説を含む。仮説45及び仮説48は、複数の外接矩形が1つの文字を含む領域である可能性を考慮した仮説である。複数の外接矩形からなる仮説は、隣接する矩形間の距離および隣接する各矩形の相対的な大きさなどに応じて組み合わせることができる。なお、生成する仮説(文字候補領域)は、必ずしも矩形に限定されるものではない。
仮説生成部32は、生成した仮説を仮説事前確率設定部33及び特徴抽出部36へ送信する。
仮説事前確率設定部33は、各仮説に対して計算した事前確率を仮説事後確率生成部34へ送信する。
特徴抽出部36は、各仮説としての文字領域候補から抽出した文字としての特徴Xは、仮説事後確率設定部34及び更新部37へ送信される。
仮説事後確率設定部34は、入力文字ごとに各仮説に対して計算した事後確率を学習部としての更新部37へ送信する。
また、仮説生成部32、仮説事前確率設定部33、仮説事後確率設定部34、特徴抽出部36及び更新部37は、プロセッサがプログラムを実行することにより実現されるものとするが、一部又は全部をハードウェアで実現しても良い。
図10は、学習部20による辞書18aの学習処理の流れを説明するためのフローチャートである。
まず、学習部20は、データ格納部31から学習用データを読み出す(ステップ21)。読み出された学習用データは、仮説生成部32へ送信される。
学習用データを受信すると、仮説生成部32は、視線情報から、ある入力文字cに対する仮説を生成する(ステップ22)。たとえば、仮説生成部32は、認識対象の画像における連結画素成分に対する外接矩形を元に文字領域らしい領域を抽出する。また、仮説生成部32は、文字領域らしい領域から当該文字を入力した時の視線位置に基づいて仮説とする文字領域を選択しても良い。仮説生成部32は、生成した仮説を仮説事前確率設定部33及び特徴抽出部36へ送信する。
文字に対する各仮説の事後確率と特徴パラメータとを取得すると、更新部37は、辞書18aに記憶されている当該文字の辞書データを更新する(ステップS26)。たとえば、更新部37は、事後確率を重みとして特徴パラメータを用いて辞書18aに記憶されている当該文字の辞書データ(特徴パラメータ)を更新する。
[1]
入力者が入力したパターンが記載されているらしい認識対象の画像におけるパターン領域候補を生成する生成部と、
前記生成部により生成したパターン領域候補における特徴量を算出する特徴抽出部と、
前記パターンを入力した前記入力者の視線位置に基づいて、前記生成部により生成したパターン領域候補に前記入力者が入力したパターンが記載されている確率を設定する設定部と、
前記設定部により設定された確率と前記特徴抽出部により算出した特徴量とに基づいてパターン認識用辞書を更新する更新部と、
を有するパターン認識用辞書の学習装置。
[2]
前記設定部は、
前記入力者の視線位置に基づいて前記生成部で生成したパターン領域候補に前記入力者が入力したパターンが記載されている事前確率を設定する事前確率設定部と、
前記事前確率と前記特徴抽出部で抽出された前記パターン領域候補における特徴量とに基づいて前記パターン領域候補に対して事後確率を設定する事後確率設定部と、を備え、
前記更新部は、前記パターン領域候補に対する前記事後確率と前記特徴量とに基づいてパターン認識用辞書を更新する、
前記[1]に記載のパターン認識用辞書の学習装置。
[3]
前記生成部は、前記パターンを入力した前記入力者の視線位置に基づいて複数のパターン領域候補からパターン領域候補を選択する、
前記[1]又は[2]の何れかに記載のパターン認識用辞書の学習装置。
[4]
前記事前確率設定部は、前記入力者が前記パターンを入力した時刻における前記入力者の視線位置に基づいて各文字領域候補に対する事前確率を設定する、
前記[2]に記載のパターン認識用辞書の学習装置。
[5]
前記事前確率設定部は、前記入力者が前記パターンを入力した時よりも前の時刻における前記入力者の視線位置に基づいてパターン領域候補に対する事前確率を設定する、
前記[2]又は[4]の何れかに記載のパターン認識用辞書の学習装置。
[6]
前記事後確率設定部は、前記事前確率と前記パターン領域候補における特徴量と前記パターン認識用辞書に記憶されているパターンの特徴量との類似性とに基づいて前記パターン領域候補に対して事後確率を設定する、
前記[2]、[4]又は[5]の何れかに記載のパターン認識用辞書の学習装置。
[7]
前記パターンは、文字である、
前記[2]、[4]、[5]又は[6]の何れかに記載のパターン認識用辞書の学習装置。
[8]
認識の対象となるパターンを含む画像を表示する表示部と、
前記表示部に表示した画像に含まれるパターンを入力者が入力するための入力部と、
前記表示部の表示画面上における前記入力者の視線位置を検出する視線検出部と、
を有するコーディング装置。
[9]
さらに、前記入力部により入力されたパターンを示す情報と前記パターンを入力した前記入力者の視線位置を示す情報とを含むパターン認識用辞書の学習用データを生成するデータ生成部を有する、
前記[8]に記載のコーディング装置。
[10]
パターン認識用の辞書データを記憶した記憶部と、
認識対象とするパターンを含む画像を取得する画像取得部と、
前記画像取得部により取得した画像に含まれるパターンを前記記憶部が記憶する辞書データを用いて認識するパターン認識部と、
前記パターン認識部によりパターンが認識できなかった画像を表示する表示部と、
前記表示部に表示した画像に含まれるパターンを入力者が入力するための入力部と、
前記表示部の表示画面上における前記入力者の視線位置を検出する視線検出部と、
前記入力部により入力されたパターンが記載されているらしい前記画像におけるパターン領域候補を生成する生成部と、
前記生成部により生成したパターン領域候補における特徴量を算出する特徴抽出部と、
前記生成部により生成したパターン領域候補に前記入力部により入力されたパターンが記載されている確率を前記視線検出部が検出した視線位置に基づいて設定する設定部と、
前記設定部により設定された確率と前記特徴抽出部により算出した特徴量とに基づいて前記記憶部に記憶した辞書データを更新する更新部と、
を有するパターン認識装置。
[11]
区分対象物を区分情報に基づいて区分する区分装置であって、
区分対象物における区分情報の記載領域の画像を読取る画像読取部と、
区分対象物の区分情報となりうるパターンを認識するための辞書データを記憶した記憶部と、
前記画像読取部により読み取った画像に含まれるパターンを前記記憶部が記憶する辞書データを用いて認識するパターン認識部と、
前記パターン認識部による認識結果として得られたパターンからなる区分情報に基づいて区分対象物を区分する区分部と、
前記パターン認識部により区分情報を構成するパターンが認識できなかった区分対象物の読取画像を表示する表示部と、
前記表示部に表示した区分対象物の読取画像に含まれる区分情報を構成するパターンを入力者が入力するための入力部と、
前記表示部の表示画面上における前記入力者の視線位置を検出する視線検出部と、
前記入力部により入力されたパターンが記載されているらしい前記区分対象物の画像におけるパターン領域候補を生成する生成部と、
前記生成部により生成したパターン領域候補における特徴量を算出する特徴抽出部と、
前記生成部により生成したパターン領域候補に前記入力部により入力されたパターンが記載されている確率を前記視線検出部が検出した視線位置に基づいて設定する設定部と、
前記設定部により設定された確率と前記特徴抽出部により算出した特徴量とに基づいて前記記憶部に記憶した辞書データを更新する更新部と、
を有する区分装置。
[12]
認識対象の画像において入力者が入力したパターンが記載されているらしいパターン領域候補を生成し、
前記生成したパターン領域候補における特徴量を算出し、
前記生成した各パターン領域候補に前記入力者が入力したパターンが記載されている確率を前記入力者の視線位置に用いて設定し、
前記設定された確率と前記算出した特徴量とに基づいてパターン認識用の辞書を更新する、
を有するパターン認識用辞書の学習方法。
Claims (11)
- 入力者が入力したパターンが記載されているらしい認識対象の画像におけるパターン領域候補を生成する生成部と、
前記生成部により生成したパターン領域候補における特徴量を算出する特徴抽出部と、
前記パターンを入力した前記入力者の視線位置に基づいて、前記生成部により生成したパターン領域候補に前記入力者が入力したパターンが記載されている確率を設定する設定部と、
前記設定部により設定された確率と前記特徴抽出部により算出した特徴量とに基づいてパターン認識用辞書を更新する更新部と、
を有するパターン認識用辞書の学習装置。 - 前記設定部は、
前記入力者の視線位置に基づいて前記生成部で生成したパターン領域候補に前記入力者が入力したパターンが記載されている事前確率を設定する事前確率設定部と、
前記事前確率と前記特徴抽出部で抽出された前記パターン領域候補における特徴量とに基づいて前記パターン領域候補に対して事後確率を設定する事後確率設定部と、を備え、
前記更新部は、前記パターン領域候補に対する前記事後確率と前記特徴量とに基づいてパターン認識用辞書を更新する、
前記請求項1に記載のパターン認識用辞書の学習装置。 - 前記生成部は、前記パターンを入力した前記入力者の視線位置に基づいて複数のパターン領域候補からパターン領域候補を選択する、
前記請求項1又は2の何れか1項に記載のパターン認識用辞書の学習装置。 - 前記事前確率設定部は、前記入力者が前記パターンを入力した時刻における前記入力者の視線位置に基づいて各文字領域候補に対する事前確率を設定する、
前記請求項2に記載のパターン認識用辞書の学習装置。 - 前記事前確率設定部は、前記入力者が前記パターンを入力した時よりも前の時刻における前記入力者の視線位置に基づいてパターン領域候補に対する事前確率を設定する、
前記請求項2又は4の何れか1項に記載のパターン認識用辞書の学習装置。 - 前記事後確率設定部は、前記事前確率と前記パターン領域候補における特徴量と前記パターン認識用辞書に記憶されているパターンの特徴量との類似性とに基づいて前記パターン領域候補に対して事後確率を設定する、
前記請求項2、4又は5の何れか1項に記載のパターン認識用辞書の学習装置。 - 前記パターンは、文字である、
前記請求項1乃至6の何れか1項に記載のパターン認識用辞書の学習装置。 - 認識の対象となるパターンを含む画像を表示する表示部と、
前記表示部に表示した画像に含まれるパターンを入力者が入力するための入力部と、
前記表示部の表示画面上における前記入力者の視線位置を検出する視線検出部と、
前記入力部により入力されたパターンを示す情報と前記視線検出部が検出した前記パターンを入力した前記入力者の視線位置を示す情報とを含むパターン認識用辞書の学習用データを生成するデータ生成部と、
を有するコーディング装置。 - パターン認識用の辞書データを記憶した記憶部と、
認識対象とするパターンを含む画像を取得する画像取得部と、
前記画像取得部により取得した画像に含まれるパターンを前記記憶部が記憶する辞書データを用いて認識するパターン認識部と、
前記パターン認識部によりパターンが認識できなかった画像を表示する表示部と、
前記表示部に表示した画像に含まれるパターンを入力者が入力するための入力部と、
前記表示部の表示画面上における前記入力者の視線位置を検出する視線検出部と、
前記入力部により入力されたパターンが記載されているらしい前記画像におけるパターン領域候補を生成する生成部と、
前記生成部により生成したパターン領域候補における特徴量を算出する特徴抽出部と、
前記生成部により生成したパターン領域候補に前記入力部により入力されたパターンが記載されている確率を前記視線検出部が検出した視線位置に基づいて設定する設定部と、
前記設定部により設定された確率と前記特徴抽出部により算出した特徴量とに基づいて前記記憶部に記憶した辞書データを更新する更新部と、
を有するパターン認識装置。 - 区分対象物を区分情報に基づいて区分する区分装置であって、
区分対象物における区分情報の記載領域の画像を読取る画像読取部と、
区分対象物の区分情報となりうるパターンを認識するための辞書データを記憶した記憶部と、
前記画像読取部により読み取った画像に含まれるパターンを前記記憶部が記憶する辞書データを用いて認識するパターン認識部と、
前記パターン認識部による認識結果として得られたパターンからなる区分情報に基づいて区分対象物を区分する区分部と、
前記パターン認識部により区分情報を構成するパターンが認識できなかった区分対象物の読取画像を表示する表示部と、
前記表示部に表示した区分対象物の読取画像に含まれる区分情報を構成するパターンを入力者が入力するための入力部と、
前記表示部の表示画面上における前記入力者の視線位置を検出する視線検出部と、
前記入力部により入力されたパターンが記載されているらしい前記区分対象物の画像におけるパターン領域候補を生成する生成部と、
前記生成部により生成したパターン領域候補における特徴量を算出する特徴抽出部と、
前記生成部により生成したパターン領域候補に前記入力部により入力されたパターンが記載されている確率を前記視線検出部が検出した視線位置に基づいて設定する設定部と、
前記設定部により設定された確率と前記特徴抽出部により算出した特徴量とに基づいて前記記憶部に記憶した辞書データを更新する更新部と、
を有する区分装置。 - 認識対象の画像において入力者が入力したパターンが記載されているらしいパターン領域候補を生成し、
前記生成したパターン領域候補における特徴量を算出し、
前記生成した各パターン領域候補に前記入力者が入力したパターンが記載されている確率を前記入力者の視線位置に用いて設定し、
前記設定された確率と前記算出した特徴量とに基づいてパターン認識用の辞書を更新する、
を有するパターン認識用辞書の学習方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012120684A JP5992206B2 (ja) | 2012-05-28 | 2012-05-28 | パターン認識用辞書の学習装置、パターン認識装置、コーディング装置、区分装置、および、パターン認識用辞書の学習方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012120684A JP5992206B2 (ja) | 2012-05-28 | 2012-05-28 | パターン認識用辞書の学習装置、パターン認識装置、コーディング装置、区分装置、および、パターン認識用辞書の学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013246677A JP2013246677A (ja) | 2013-12-09 |
JP5992206B2 true JP5992206B2 (ja) | 2016-09-14 |
Family
ID=49846382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012120684A Expired - Fee Related JP5992206B2 (ja) | 2012-05-28 | 2012-05-28 | パターン認識用辞書の学習装置、パターン認識装置、コーディング装置、区分装置、および、パターン認識用辞書の学習方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5992206B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6208094B2 (ja) | 2014-08-26 | 2017-10-04 | 株式会社東芝 | 情報処理装置、情報処理システム、情報処理方法及びそのプログラム |
JP6548920B2 (ja) | 2015-03-09 | 2019-07-24 | 株式会社東芝 | 情報処理装置、情報処理方法及びプログラム |
JP2017021695A (ja) | 2015-07-14 | 2017-01-26 | 株式会社東芝 | 情報処理装置および情報処理方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2739950B2 (ja) * | 1988-03-31 | 1998-04-15 | 株式会社東芝 | パターン認識装置 |
JPH0695685A (ja) * | 1992-09-17 | 1994-04-08 | N T T Data Tsushin Kk | パターン認識辞書作成方法 |
JPH07191796A (ja) * | 1993-12-27 | 1995-07-28 | Canon Inc | 視線入力システム |
JP3307075B2 (ja) * | 1994-04-06 | 2002-07-24 | キヤノン株式会社 | 撮影装置 |
JPH0957204A (ja) * | 1995-08-24 | 1997-03-04 | Toshiba Corp | 郵便物の宛先自動読取システム |
JP2010061265A (ja) * | 2008-09-02 | 2010-03-18 | Fujifilm Corp | 人物検索登録システム |
-
2012
- 2012-05-28 JP JP2012120684A patent/JP5992206B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2013246677A (ja) | 2013-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5554987B2 (ja) | オブジェクト識別装置及びその制御方法 | |
Kittler et al. | On combining classifiers | |
JP6361387B2 (ja) | 識別装置および識別装置の制御方法 | |
US8311272B2 (en) | Image processing apparatus for identifying an individual object, image processing method, and storage medium | |
JP2020030857A (ja) | 画像処理装置及び画像処理方法 | |
CN109409398B (zh) | 图像处理装置、图像处理方法以及存储介质 | |
US9002101B2 (en) | Recognition device, recognition method, and computer program product | |
US20170154209A1 (en) | Image identification apparatus and image identification method | |
US8498454B2 (en) | Optimal subspaces for face recognition | |
US20120288148A1 (en) | Image recognition apparatus, method of controlling image recognition apparatus, and storage medium | |
JP2016201094A (ja) | 画像処理装置及び画像処理方法 | |
Nuevo et al. | RSMAT: Robust simultaneous modeling and tracking | |
JP2010039788A (ja) | 画像処理装置及びその方法並びに画像処理プログラム | |
JP2017102906A (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP5992206B2 (ja) | パターン認識用辞書の学習装置、パターン認識装置、コーディング装置、区分装置、および、パターン認識用辞書の学習方法 | |
JP2010231254A (ja) | 画像解析装置、画像解析方法およびプログラム | |
Wang et al. | Age categorization via ECOC with fused gabor and LBP features | |
WO2018173848A1 (ja) | オブジェクト追跡システム、インテリジェント撮像装置、オブジェクト特徴量抽出装置、オブジェクト特徴量抽出方法及び記憶媒体 | |
Shoyaib et al. | Facial expression classification based on dempster-shafer theory of evidence | |
Liu et al. | Unstructured document recognition on business invoice | |
JP2016051211A (ja) | 住所認識装置、区分装置、統括住所認識装置、住所認識方法 | |
US11568564B2 (en) | Mapping multiple views to an identity | |
JP2014182618A (ja) | 区分装置及びパターン認識装置 | |
US20230306273A1 (en) | Information processing device, information processing method, and recording medium | |
Aly et al. | Adaptive feature selection and data pruning for 3D facial expression recognition using the Kinect |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20131219 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20131226 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20140109 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150306 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20151127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160222 |
|
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: 20160719 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160817 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5992206 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
LAPS | Cancellation because of no payment of annual fees |