JP7176638B2 - 照合位置出力システム - Google Patents

Description

本発明は、照合位置出力システム、照合位置出力方法、および、記録媒体に関する。

従来から、製品などに製品番号を付与し、製品の品質・流通管理などに利用されている。また、バーコード・ＩＣタグ・ＲＦＩＤを製品に付与し、製品のロットや個体を識別する方法が用いられている。しかしながら、たとえば微小な製品などの物体に対しては、個々の物体に印字を行い、あるいはＩＣタグなどを付与することは、コストや技術面で困難であり、上記の方法を用いてロット・個体管理を行うのは難しかった。

これに対し近年では、製品などの物体の表面もしくは物体表面に付与された素材の表面のランダムパターンを画像で識別し、物体の個体識別や真贋判定を行う方法が提案されている（例えば特許文献１参照）。このようなランダムパターンによる個体識別や真贋判定では、登録対象の物体上の予め定められた照合位置から取得したランダムパターン画像を登録データとして登録しておき、判定対象の物体上の照合位置から取得したランダムパターン画像を照合データとして登録データと比較することにより、同一物体か否かを判定する。

ＷＯ２０１７／００２４７５

ところで、ランダムパターン画像による物体の個体識別や真贋判定を行う場合、登録データを取得する物体上の照合位置と照合データを取得する物体上の照合位置とが対応していなければ、正確な識別や判定を行うことはできない。そのため、個体識別や真贋判定を行う対象となる物体に対しては、その物体の照合位置が事前に定められている。しかしながら、そのように事前に定められている物体の照合位置を簡単に確認することはできなかった。

本発明の目的は、上述した課題、すなわち、物体の照合位置を簡単に確認することは困難である、という課題を解決する照合位置出力システムを提供することにある。

本発明の一形態に係る照合位置出力システムは、
物体の画像を撮影する撮影手段と、
前記撮影された前記物体の画像から前記物体を識別する情報を生成する生成手段と、
前記生成された前記物体を識別する情報に基づいて、前記物体を識別する情報と前記物体の照合位置の情報とを関連付けて記録する記録手段から前記物体の照合位置の情報を取得して出力する出力手段と、
を備えるように構成されている。

また本発明の他の形態に係る照合位置出力方法は、
物体の画像を撮影し、
前記撮影された前記物体の画像から前記物体を識別する情報を生成し、
前記生成された前記物体を識別する情報に基づいて、前記物体を識別する情報と前記物体の照合位置の情報とを関連付けて記録する記録手段から前記物体の照合位置の情報を取得して出力する、ように構成されている。

また本発明の他の形態に係るコンピュータ読み取り可能な記録媒体は、
コンピュータに、
物体の画像を撮影する処理と、
前記撮影された前記物体の画像から前記物体を識別する情報を生成する処理と、
前記生成された前記物体を識別する情報に基づいて、前記物体を識別する情報と前記物体の照合位置の情報とを関連付けて記録する記録手段から前記物体の照合位置の情報を取得して出力する処理と、
を行わせるためのプログラムを記録するように構成されている。

本発明は、上述したような構成を有することにより、物体の照合位置を簡単に確認することができる。

本発明の第１の実施形態に係る照合位置出力装置のブロック図である。 本発明の第１の実施形態に係る照合位置出力装置における照合位置データベースの内容の一例を示す図である。 医療用ハサミの外観画像に照合位置をマーキングした画像の一例を示す図である。 医療用メスの外観画像の２か所に照合位置をマーキングした画像の例を示す図である。 本発明の第１の実施形態に係る照合位置出力装置の動作の一例を示すフローチャートである。 本発明の第１の実施形態に係る照合位置出力装置における物体認識部の構成例を示すブロック図である。 本発明の第２の実施形態に係る照合位置出力装置のブロック図である。 本発明の第２の実施形態に係る照合位置出力装置における撮影条件データベースの内容例を示す図である。 本発明の第２の実施形態に係る照合位置出力装置の動作の一例を示すフローチャートである。 本発明の第３の実施形態に係る照合位置出力装置のブロック図である。 本発明の第３の実施形態に係る照合位置出力装置における撮影条件データベースの内容例を示す図である。 本発明の第３の実施形態に係る照合位置出力装置の動作の一例を示すフローチャートである。 本発明の第３の実施形態に係る照合位置出力装置における表面特徴認識部のブロック図である。 本発明の第４の実施形態に係る照合位置出力装置のブロック図である。 本発明の第４の実施形態に係る照合位置出力装置における照合位置決定部のブロック図である。 医療用ハサミの候補照合位置の例を示す図である。 本発明の第５の実施形態に係る照合位置出力装置のブロック図である。 本発明の第６の実施形態に係る照合位置出力装置のブロック図である。

［第１の実施の形態］
先ず、本発明の第１の実施形態に係る照合位置出力装置１００について説明する。図１は、照合位置出力装置１００のブロック図である。図１を参照すると、照合位置出力装置１００は、カメラ１１１と、通信Ｉ／Ｆ部１１２と、操作入力部１１３と、画面表示部１１４と、記憶部１１５と、演算処理部１１６とから構成されている。

カメラ１１１は、照合位置の確認を行う対象となる物体の外観を撮像するための撮影手段である。カメラ１１１は、例えば、数百万画素程度の画素容量を有するＣＣＤ（Ｃｈａｒｇｅ－Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）イメージセンサやＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ ＭＯＳ）イメージセンサを備えた可視光かつカラーカメラであってよい。

通信Ｉ／Ｆ部１１２は、専用のデータ通信回路から構成され、無線回線などを介して接続された各種装置との間でデータ通信を行うように構成されている。操作入力部１１３は、キーボードやマウスなどの操作入力装置から構成され、オペレータの操作を検出して演算処理部１１６に出力するように構成されている。画面表示部１１４は、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）やＰＤＰ（Ｐｌａｓｍａ Ｄｉｓｐｌａｙ Ｐａｎｅｌ）などの画面表示装置から構成され、演算処理部１１６からの指示に応じて、照合位置などの各種情報を画面表示するように構成されている。

記憶部１１５は、ハードディスクやメモリなどの記憶装置から構成され、演算処理部１１６における各種処理に必要な処理情報およびプログラム１１５１を記憶するように構成されている。プログラム１１５１は、演算処理部１１６に読み込まれて実行されることにより各種処理部を実現するプログラムであり、通信Ｉ／Ｆ部１１２などのデータ入出力機能を介して外部装置（図示せず）や記録媒体（図示せず）から予め読み込まれて記憶部１１５に保存される。記憶部１１５に記憶される主な処理情報には、照合位置データベース１１５２がある。

照合位置データベース１１５２は、物体識別情報と照合位置情報とを関連付けて記録するように構成されている。図２は照合位置データベース１１５２の内容の一例を示す。この例では、照合位置データベース１１５２は複数のエントリから構成され、各エントリは物体識別情報欄と照合位置情報欄とを有する。照合位置の確認を行う物体がｎ種類存在する場合、照合位置データベース１１５２はｎエントリから構成され、各エントリは物品の種類に１対１に対応する。また１つの種類の物体に対応するエントリの物体識別情報欄には、その種類の物体を特定する物体識別情報Ｂ０００１などが記録される。物体識別情報Ｂ０００１などは、文字列、記号列、数字列あるいはそれらの組み合わせであってよい。また照合位置情報欄には、その種類の物体に設定された照合位置を特定する情報Ｌ０００１などが記録される。照合位置情報Ｌ０００１などは、照合位置を特定し得る情報であれば、テキストあるいは画像の何れであってもよいし、テキストと画像を組み合わせたものであってもよい。

照合位置の確認を行うｎ種類の物体の例として、本実施形態では、医療用ハサミ、メス、鉗子などの手術器械を取り上げる。但し、本発明における物体は手術器械に限定されず、機械工具、スポーツ用具など任意の物体であってもよい。

図３Ａは医療用ハサミに設定された照合位置の一例を示す。この例では、医療用ハサミのヒンジ近くに矩形の照合位置Ｌ１が設定されている。また図３Ｂは医療用メスに設定された照合位置の例を示す。この例では、医療用メスに刻印されたロゴマークの外接矩形が１つの照合位置Ｌ２１に設定され、さらに手元側の端部付近にもう１つの照合位置Ｌ２２が設定されている。このように１つの物体に２以上の照合位置が設定されることがある。

例えば図３Ａに示す医療用ハサミに対して物体識別情報Ｂ０００１が割り当てられている場合、照合位置データベース１１５２の照合位置情報Ｌ０００１には、照合位置Ｌ１を特定する情報が設定される。また図３Ｂに示す医療用メスに対して物体識別情報Ｂ０００２が割り当てられている場合、照合位置データベース１１５２の照合位置情報Ｌ０００２には、照合位置Ｌ２１、Ｌ２２を特定する情報が設定される。前述したように照合位置情報は、照合位置を特定し得る情報であれば任意である。例えば、図３Ａおよび図３Ｂに示したように、物体の外観画像に照合位置を定義した画像を照合位置情報とすることができる。

演算処理部１１６は、ＭＰＵなどのマイクロプロセッサとその周辺回路を有し、記憶部１１５からプログラム１１５１を読み込んで実行することにより、上記ハードウェアとプログラム１１５１とを協働させて各種処理部を実現するように構成されている。演算処理部１１６で実現される主な処理部には、物体認識部１１６１と照合位置出力部１１６２とがある。

物体認識部１１６１は、カメラ１１１によって撮影された物体の画像からその物体を識別する情報（物体識別情報）を生成するように構成されている。本画像は、物体の微細な個体差にとらわれず、物体の種類を特定するために、物体を大域的にとらえた画像である。具体的には、一例として、２０ｃｍ程度の医療用ハサミ全体をとらえられるように、５０ｃｍ四方の範囲を撮影する。もちろん、複数の物体や異なる物体が同時に撮影されても良い。カメラ１１１が百万画素（１０００×１０００画素程度）のカメラであり、その分解能は1画素あたり０．５ｍｍとなる。この程度の分解能では、表面が平滑につくられている医療用はさみなどの物体のランダムパターンをとらえることは分解能が足りず難しい。また物体認識部１１６１は、生成した物体識別情報を照合位置出力部１１６２へ伝達するように構成されている。

照合位置出力部１１６２は、物体認識部１１６１によって生成された物体を識別する情報に基づいて、その物体の照合位置情報を照合位置データベース１１５２から取得するように構成されている。また照合位置出力部１１６２は、取得した照合位置情報を画面表示部１１４の表示画面に表示し、または／および、通信Ｉ／Ｆ部１１２を通じて外部装置へ送信するように構成されている。

次に、照合位置出力装置１００の動作を説明する。図４は照合位置出力装置１００の動作の一例を示すフローチャートである。図４を参照すると、先ず物体認識部１１６１は、照合位置の確認を行う対象となる物体の外観の画像をカメラ１１１で撮影する（ステップＳ１）。この撮影は、例えばオペレータによる手動で行うことができる。次に物体認識部１１６１は、カメラ１１１で撮影された物体の外観の画像を入力し、物体認識をして、物体識別情報を生成する（ステップＳ２）。

次に照合位置出力部１１６２は、物体認識部１１６１によって生成された物体識別情報に基づいて、照合位置データベース１１５２から照合位置情報を取得する（ステップＳ３）。例えば照合位置出力部１１６２は、照合位置データベース１１５２に記録されたエントリの中から、物体認識部１１６１によって生成された物体識別情報に一致する物体識別情報を物体識別情報欄に有する１つのエントリを選択し、その選択したエントリの照合位置情報欄に記録された照合位置情報を取得する。次に照合位置出力部１１６２は、取得した照合位置情報を画面表示部１１４に表示し、または／および、通信Ｉ／Ｆ部１１２を通じて外部装置へ送信する（ステップＳ４）。

このように照合位置出力装置１００によれば、物体の照合位置を簡単に確認することができる。その理由は、照合位置を確認する対象の物体の外観をカメラ１１１によって撮影すると、物体認識部１１６１が撮影された物体の外観の画像から物体認識により物体識別情報を生成し、照合位置出力部１１６２が、物体識別情報と照合位置情報とを関連付けて記録する照合位置データベース１１５２から上記生成された物体識別情報に対応する照合位置情報を取得して、画面表示部１１４に表示し、または／および通信Ｉ／Ｆ部１１２を通じて外部装置へ送信するためである。

続いて、物体認識部１１６１の構成例について説明する。

図５は、物体認識部１１６１の構成例を示すブロック図である。この例の物体認識部１１６１は、学習部１１６１１と取得部１１６１２と認識部１１６１３とトレーニングデータセット１１６１４とモデル１１６１５とから構成される。

トレーニングデータセット１１６１４は、照合位置の確認を行う物体の外観の画像とその画像が示す物体の識別情報とを関連付けたデータの集合である。トレーニングデータセット１１６１４は、照合位置の確認を行う物体の種類毎に存在する。また、１つの種類の物体に対応するトレーニングデータセット１１６１４は、複数のトレーニングデータを含む。１つのトレーニングデータは、物体の外観画像と物体識別情報とのペアを含む。１つの種類の物体に対応する複数のトレーニングデータに含まれる複数の物体識別情報は、すべて同じである。一方、１つの種類の物体に対応する複数のトレーニングデータに含まれる複数の物体の外観画像は、撮影時の物体の姿勢、撮影方向、照明条件など撮影条件が互いに相違している。このようなトレーニングデータセット１１６１４を使用することにより、撮影時の物体の姿勢、撮影方向、照明条件などの撮影条件に頑健な物体認識が行える。

学習部１１６１１は、トレーニングデータセット１１６１４を使用してディープラーニングによる物体認識手法により学習を行ってモデル１１６１５を作成するように構成されている。学習部１１６１１は、例えば畳み込みニューラルネットワーク（ＣＮＮ）上にモデル１１６１５を構築する。学習部１１６１１が使用するディープラーニングモデルによる物体認識手法は、例えば、Ｒ－ＣＮＮベースのアルゴリズム、あるいはＹＯＬＯ（Ｙｏｕ Ｏｎｌｙ Ｌｏｏｋ Ｏｎｃｅ）型アルゴリズムなどとすることができる。

取得部１１６１２は、照合位置の確認を行う物体の外観の画像をカメラ１１１から取得するように構成されている。認識部１１６１３は、取得部１１６１２によって取得された物体の外観画像を入力し、モデル１１６１５を使用して、入力画像からディープラーニングによる物体認識手法により推論を行って特定の識別対象を検出し、検出した識別対象を表す物体識別情報１１６１６を出力するように構成されている。

次に図５に示した物体認識部１１６１の動作を説明する。物体認識部１１６１の動作は学習動作と認識動作とに大別される。学習動作では、学習部１１６１１がトレーニングデータセット１１６１４を使用して、モデル１１６１５を生成する。認識動作では、認識部１１６１３が、モデル１１６１５を使用して、照合位置の確認を行う物体の外観の画像からその物体の識別情報を生成して出力する。

以上、物体認識部１１６１の構成例について説明したが、物体認識部１１６１は上記した構成例に限定されない。例えば、物体認識部１１６１は、物体に付属の製品コードをバーコードリーダ等で読み取り、製品コードと物体識別情報とを予め関連付けている対応表に基づいて物体識別情報を生成するように構成されていてもよい。

続いて、照合位置出力装置１００の利用例について説明する。

ランダムパターン画像による個体識別や真贋判定では、登録対象の物体上の照合位置からランダムパターン画像を取得してデータベースに登録する作業と、判定対象の物体上の照合位置からランダムパターン画像を取得してデータベースと照合する作業とが実施される。

登録作業および照合作業では、登録対象および照合対象の物体の照合位置のランダムパターン画像を適切な撮影条件の下でカメラによって撮影する作業が行われる。この撮影作業を人手で実施する場合、撮影者が撮影対象とする物体の照合位置を正確に認識していなければ、正確な撮影を行うことは困難である。そして、照合位置は一般に物体の種類が相違すれば異なるものとなる。そのような場面で照合位置出力装置１００が利用される。撮影者が、撮影対象の物体の外観をカメラ１１１によって撮影すると、物体認識部１１６１が撮影された物体の外観画像を物体認識して物体識別情報を生成する。次に照合位置出力部１１６２が上記生成された物体識別情報に対応して照合位置データベース１１５２に記憶された照合位置情報を画面表示部１１４に表示する。これによって撮影者は、撮影対象の物体の照合位置がどこであるかを視覚的に容易に確認することができるようになる。さらに、上記の撮影条件は、対象の物体ランダムパターンを撮影するために必要な分解能を得るためのカメラレンズのズーム倍率、照明の条件、などのパラメータや機材の設定値などの条件である。一例として、医療用はさみの場合、１０ｍｍの範囲を百万画素（１０００ｘ１０００画素）の分解能で撮影する。この例では、ランダムパターンの分解能は1画素あたり０．０１ｍｍ程度となり、ランダムパターンを照合に十分な分解能で撮影可能となる。カメラ１１１と同じカメラで設定を変えて撮影しても良いし、異なるカメラあるいはレンズ、照明機材を用いて撮影することも可能である。

［第２の実施の形態］
次に、本発明の第２の実施形態に係る照合位置出力装置２００について説明する。図６は、照合位置出力装置２００のブロック図であり、図１と同一符号は同一部分を示し、１１５３は撮影条件データベース、１１６３は撮影条件出力部である。

撮影条件データベース１１５３は、物体識別情報と撮影条件情報とを関連付けて記録するように構成されている。図７は撮影条件データベース１１５３の内容の一例を示す。この例では、撮影条件データベース１１５３は複数のエントリから構成され、各エントリは物体識別情報欄と撮影条件情報欄とを有する。照合位置の確認を行う物体がｎ種類存在する場合、撮影条件データベース１１５３はｎエントリから構成され、各エントリは物品の種類に１対１に対応する。また１つの種類の物体に対応するエントリの物体識別情報欄には、照合位置データベース１１５２における当該種類の物体を特定する物体識別情報Ｂ０００１などが記録される。また撮影条件情報欄には、その種類の物体に設定された照合位置を撮影するのに適した撮影条件情報Ｐ０００１などが記録される。撮影条件情報Ｐ０００１などは、撮影条件を特定し得る情報であれば、テキストあるいは画像の何れであってもよいし、テキストと画像を組み合わせたものであってもよい。

物体に設定された照合位置を撮影する条件としては、例えば、照明角度がある。照明角度は、照明光が物体の表面に入射する角度である。また撮影条件の他の例として、画像解像度がある。画像解像度は、例えばＤＰＩ（Ｄｏｔ Ｐｅｒ Ｉｎｃｈ）で表される。また画像解像度と撮影倍率とには一定の因果関係があるため、画像解像度の代わりに撮影倍率を使用してもよい。但し、撮影条件は上記の例に限定されない。物体とカメラとの距離、照明光の強度、照明光の波長、照明の大きさなどが、撮影条件の他の例である。撮影条件情報Ｐ０００１などで特定する撮影条件は、上記例示した撮影条件のうちの何れか１つ、或いは複数を特定するものであってよい。

撮影条件出力部１１６３は、物体認識部１１６１によって生成された物体を識別する情報に基づいて、その物体の撮影条件情報を撮影条件データベース１１５３から取得するように構成されている。また撮影条件出力部１１６３は、取得した撮影条件情報を画面表示部１１４の表示画面に表示し、または／および、通信Ｉ／Ｆ部１１２を通じて外部装置へ送信するように構成されている。

次に、照合位置出力装置２００の動作を説明する。図８は照合位置出力装置２００の動作の一例を示すフローチャートである。図８を参照すると、照合位置出力装置２００は、図４を参照して説明した照合位置出力装置１００と同様の動作を行った後（ステップＳ１～Ｓ４）、さらに以下のような動作を行う。先ず、撮影条件出力部１１６３は、物体認識部１１６１によって生成された物体識別情報に基づいて、撮影条件データベース１１５３から撮影条件情報を取得する（ステップＳ５）。例えば撮影条件出力部１１６３は、撮影条件データベース１１５３に記録されたエントリの中から、物体認識部１１６１によって生成された物体識別情報に一致する物体識別情報を物体識別情報欄に有する１つのエントリを選択し、その選択したエントリの撮影条件情報欄に記録された撮影条件情報を取得する。次に撮影条件出力部１１６３は、取得した撮影条件情報を画面表示部１１４に表示し、または／および、通信Ｉ／Ｆ部１１２を通じて外部装置へ送信する（ステップＳ６）。

このように照合位置出力装置２００によれば、物体の照合位置を簡単に確認することができるだけでなく、照合位置のランダムパターン画像を撮影するのに適した撮影条件を簡単に確認することができる。その理由は、照合位置および撮影条件を確認する対象の物体の外観をカメラ１１１によって撮影すると、物体認識部１１６１が撮影された物体の外観の画像から物体認識により物体識別情報を生成し、照合位置出力部１１６２および撮影条件出力部１１６３が、物体識別情報と照合位置情報とを関連付けて記録する照合位置データベース１１５２および物体識別情報と撮影条件情報とを関連付けて記録する撮影条件データベース１１５３から上記生成された物体識別情報に対応する照合位置情報および撮影条件情報を取得して、画面表示部１１４に表示し、または／および通信Ｉ／Ｆ部１１２を通じて外部装置へ送信するためである。

続いて、照合位置出力装置２００の利用例について説明する。

ランダムパターン画像による個体識別や真贋判定では、登録対象および照合対象の物体の照合位置のランダムパターン画像を適切な撮影条件の下でカメラによって撮影する作業が行われる。この撮影作業を人手で実施する場合、撮影者が撮影対象とする物体の照合位置および適切な撮影条件を正確に認識していなければ、物体固有のランダムパターン画像を安定して読み取れる画像を撮影することは困難である。そして、照合位置は一般に物体の種類が相違すれば異なるものとなる。また適切な撮影条件も、一般に物体の種類が相違し材質などが違えば異なるものとなる。そのような場面で照合位置出力装置２００が利用される。撮影者が、撮影対象の物体の外観をカメラ１１１によって撮影すると、物体認識部１１６１が撮影された物体の外観画像を物体認識して物体識別情報を生成する。次に照合位置出力部１１６２が上記生成された物体識別情報に対応して照合位置データベース１１５２に記憶された照合位置情報を画面表示部１１４に表示する。これによって撮影者は、撮影対象の物体の照合位置がどこであるかを視覚的に容易に確認することができるようになる。さらに撮影条件出力部１１６３が上記生成された物体識別情報に対応して撮影条件データベース１１５３に記憶された撮影条件情報を画面表示部１１４に表示する。これによって撮影者は、物体の照合位置を撮影するための撮影条件を容易に確認することができるようになる。

本実施形態では、撮影条件出力部１１６３は、取得した撮影条件情報を画面表示部１１４の表示画面に表示し、または／および、通信Ｉ／Ｆ部１１２を通じて外部装置へ送信するように構成されている。しかし、撮影条件出力部１１６３は、取得した撮影条件情報に基づいて、撮影条件を自動調整するように構成されていてもよい。

［第３の実施の形態］
次に、本発明の第３の実施形態に係る照合位置出力装置３００について説明する。図９は、照合位置出力装置３００のブロック図であり、図１と同一符号は同一部分を示し、１１５４は撮影条件データベース、１１６４は表面特徴認識部、１１６５は撮影条件出力部である。

撮影条件データベース１１５４は、物体表面を特徴付ける情報と撮影条件情報とを関連付けて記録するように構成されている。図１０は撮影条件データベース１１５４の内容の一例を示す。この例では、撮影条件データベース１１５４は複数のエントリから構成され、各エントリは物体表面を特徴付ける情報欄と撮影条件情報欄とを有する。物体表面を特徴付ける情報がｍ種類存在する場合、撮影条件データベース１１５３はｍエントリから構成され、各エントリは物品表面を特徴付ける情報の種類に１対１に対応する。

各エントリの物体表面を特徴付ける情報欄には、予め定められた物体表面を特徴付ける情報が記録される。物体の表面を特徴付ける情報の１つの例は、物体表面の素材を表現する情報である。例えば、金属、セラミック、樹脂、炭素繊維、ガラス、紙、木材、鉄鋼などが素材を表現する情報の例である。物体の表面を特徴付ける情報の他の１つの例は、物体表面の粗さを表現する情報である。例えば、算術平均粗さ（Ｒａ）は、物体表面の粗さを表現する情報の例である。物体の表面を特徴付ける情報の更に他の1つの例は、撮影画像中の物体（個体識別対象）の形状である。形状の例には、平面（矩形）、多角形、円、リング（ドーナツ形状）などがある。形状は、撮影対象の面の2次元的な形であるとも言える。また、形状は、ランダムパターン画像を抽出する物体表面の画像領域の形状であるとも言える。物体の表面を特徴付けるデータの他の例は、物体の表面の反射率、透過率、光物性、梨地加工・旋盤加工などの加工方法などがある。撮影条件データベース１１５４の物体表面を特徴付ける情報欄には、上記例示した情報のうち予め定められた１つあるいは複数の組み合わせが記録される。

また撮影条件データベース１１５４の撮影条件情報欄には、その物体表面を特徴付ける情報で特定される物体の照合位置を撮影するのに適した撮影条件を特定する撮影条件情報Ｐ０００１などが記録される。撮影条件としては、前述したように、照明角度、画像解像度などがある。撮影条件は、物体表面を特徴付ける情報の種類ごとに事前に学習しておくことが望ましい。

表面特徴認識部１１６４は、カメラ１１１によって撮影された物体の外観の画像からその物体表面を特徴付ける情報を生成するように構成されている。また表面特徴認識部１１６４は、生成した物体表面を特徴付ける情報を撮影条件出力部１１６５へ伝達するように構成されている。

撮影条件出力部１１６５は、表面特徴認識部１１６４によって生成された物体表面を特徴付ける情報に基づいて、その物体の撮影条件情報を撮影条件データベース１１５４から取得するように構成されている。具体的には、先ず撮影条件出力部１１６５は、上記生成された物体表面を特徴付ける情報と撮影条件データベース１１５４の各エントリに記録されている物体表面を特徴付ける情報との近似度を算出する。物体表面を特徴付ける情報間の近似度を計算する方法は、情報間の近似度を定量的に比較し得るものであれば如何なるものであってもよい。次に撮影条件出力部１１６５は、表面特徴認識部１１６４によって生成された物体表面を特徴付ける情報との間の近似度が最も大きい（最も近似している）物体表面を特徴付ける情報に対応する撮影条件情報を撮影条件データベース１１５４から取得する。また撮影条件出力部１１６５は、取得した撮影条件情報を画面表示部１１４の表示画面に表示し、または／および、通信Ｉ／Ｆ部１１２を通じて外部装置へ送信するように構成されている。

次に、照合位置出力装置３００の動作を説明する。図１１は照合位置出力装置３００の動作の一例を示すフローチャートである。図１１を参照すると、照合位置出力装置３００は、図４を参照して説明した照合位置出力装置１００と同様の動作を行った後（ステップＳ１～Ｓ４）、さらに以下のような動作を行う。先ず、表面特徴認識部１１６４は、カメラ１１１によって撮影された物体の外観の画像からその物体表面を特徴付ける情報を生成する（ステップＳ７）。次に撮影条件出力部１１６５は、表面特徴認識部１１６４によって生成された物体表面を特徴付ける情報に基づいて、撮影条件データベース１１５４から撮影条件情報を取得する（ステップＳ８）。次に撮影条件出力部１１６５は、取得した撮影条件情報を画面表示部１１４に表示し、または／および、通信Ｉ／Ｆ部１１２を通じて外部装置へ送信する（ステップＳ９）。

このように照合位置出力装置３００によれば、物体の照合位置を簡単に確認することができだけでなく、照合位置のランダムパターン画像を撮影するのに適した撮影条件を簡単に確認することができる。その理由は、先ず、照合位置および撮影条件を確認する対象の物体の外観をカメラ１１１によって撮影すると、物体認識部１１６１が撮影された物体の外観の画像から物体認識により物体識別情報を生成し、照合位置出力部１１６２が、物体識別情報と照合位置情報とを関連付けて記録する照合位置データベース１１５２から上記生成された物体識別情報に対応する照合位置情報を取得して、画面表示部１１４に表示し、または／および通信Ｉ／Ｆ部１１２を通じて外部装置へ送信するためである。また、他の理由は、表面特徴認識部１１６４が撮影された物体の外観の画像から物体表面を特徴付ける情報を生成し、撮影条件出力部１１６５が、物体表面を特徴付ける情報と撮影条件とを関連付けて記録する撮影条件データベース１１５４から上記生成された物体表面を特徴付ける情報に対応する撮影条件情報を取得して、画面表示部１１４に表示し、または／および通信Ｉ／Ｆ部１１２を通じて外部装置へ送信するためである。

続いて、表面特徴認識部１１６４の構成例について説明する。

図１２は、表面特徴認識部１１６４の構成例を示すブロック図である。この例の表面特徴認識部１１６４は、学習部１１６４１と取得部１１６４２と認識部１１６４３とトレーニングデータセット１１６４４とモデル１１６４５とから構成される。

トレーニングデータセット１１６４４は、撮影条件の確認を行う物体の外観の画像とその画像が示す物体の表面を特徴付ける情報とを関連付けたデータの集合である。トレーニングデータセット１１６４４は、撮影条件の確認を行う物体の種類毎に存在する。また、１つの種類の物体に対応するトレーニングデータセット１１６４４は、複数のトレーニングデータを含む。１つのトレーニングデータは、物体の外観画像と物体表面を特徴付ける情報とのペアを含む。１つの種類の物体に対応する複数のトレーニングデータに含まれる物体表面を特徴付ける情報は、すべて同じである。一方、１つの種類の物体に対応する複数のトレーニングデータに含まれる複数の物体の外観画像は、撮影時の物体の姿勢、撮影方向、照明条件など撮影条件が互いに相違している。このようなトレーニングデータセット１１６４４を使用することにより、撮影時の物体の姿勢、撮影方向、照明条件などの撮影条件に頑健な物体表面特徴認識が行える。

学習部１１６４１は、トレーニングデータセット１１６４４を使用してディープラーニングによる物体認識手法により学習を行ってモデル１１６４５を作成するように構成されている。学習部１１６４１は、例えば畳み込みニューラルネットワーク（ＣＮＮ）上にモデル１１６４５を構築する。学習部１１６４１が使用するディープラーニングモデルによる物体認識手法は、例えば、Ｒ－ＣＮＮベースのアルゴリズム、あるいはＹＯＬＯ（Ｙｏｕ Ｏｎｌｙ Ｌｏｏｋ Ｏｎｃｅ）型アルゴリズムなどとすることができる。

取得部１１６４２は、撮影条件の確認を行う物体の外観の画像をカメラ１１１から取得するように構成されている。認識部１１６４３は、取得部１１６４２によって取得された物体の外観画像を入力し、モデル１１６４５を使用して、入力画像からディープラーニングによる物体認識手法により推論を行って特定の物体表面を特徴付ける情報１１６４６を検出し、出力するように構成されている。

次に図１２に示した表面特徴認識部１１６４の動作を説明する。表面特徴認識部１１６４の動作は学習動作と認識動作とに大別される。学習動作では、学習部１１６４１がトレーニングデータセット１１６４４を使用して、モデル１１６４５を生成する。認識動作では、認識部１１６４３が、モデル１１６４５を使用して、撮影条件の確認を行う物体の外観の画像からその物体の表面を特徴付ける情報を生成して出力する。

以上、表面特徴認識部１１６４の構成例について説明したが、表面特徴認識部１１６４は上記した構成例に限定されない。例えば、表面特徴認識部１１６４は、物体に付属の製品コードをバーコードリーダ等で読み取り、製品コードと物体表面特徴とを予め関連付けている対応表に基づいて表面を特徴付ける情報を生成するように構成されていてよい。

本実施形態では、撮影条件出力部１１６５は、取得した撮影条件情報を画面表示部１１４の表示画面に表示し、または／および、通信Ｉ／Ｆ部１１２を通じて外部装置へ送信するように構成されている。しかし、撮影条件出力部１１６５は、取得した撮影条件情報に基づいて、撮影条件を自動調整するように構成されていてもよい。

［第４の実施の形態］
次に、本発明の第４の実施形態に係る照合位置出力装置４００について説明する。図１３は、照合位置出力装置４００のブロック図であり、図１と同一符号は同一部分を示し、１１７はカメラ、１１６６は照合位置決定部である。

カメラ１１７は、物体の表面に形成されたランダムパターンを撮影するための撮影手段である。カメラ１１７は、例えば、数百万画素程度の画素容量を有するＣＣＤイメージセンサやＣＭＯＳイメージセンサを備えた可視光かつカラーカメラであってよい。

照合位置決定部１１６６は、物体の種類ごとに、その物体の候補照合位置から照合位置データベース１１５２に記録する照合位置を学習により決定するように構成されている。

図１４は、照合位置決定部１１６６の構成例を示すブロック図である。この例の照合位置決定部１１６６は、学習部１１６６１と取得部１１６６２と識別部１１６６３と抽出部１１６６４と決定部１１６６５とトレーニングデータセット１１６６６とモデル１１６６７とから構成される。

トレーニングデータセット１１６６６は、物体個体の候補照合位置のランダムパターン画像とその物体個体の個体識別情報とを関連付けたデータの集合である。トレーニングデータセット１１６６６は、照合位置を決定する物体の種類ごとに存在する。また、１つの種類の物体に対応するトレーニングデータセット１１６６６は、物体の個体ごとのトレーニングデータサブセットを含む。１つのトレーニングデータサブセットは、複数のトレーニングデータを含む。１つのトレーニングデータは、物体個体の候補照合位置のランダムパターン画像とその物体個体の個体識別情報とのペアを含む。１つの物体の個体に対応する複数のトレーニングデータに含まれる個体識別情報は、すべて同じである。一方、１つの物体の個体に対応する複数のトレーニングデータに含まれる候補照合位置のランダムパターン画像は、撮影時の物体の姿勢、撮影方向、照明条件などの撮影条件、および、撮影時の当該物体個体の使用履歴が互いに相違している。使用履歴とは、実際に使用された回数や日数のことを意味する。このようなトレーニングデータセット１１６４４を使用することにより、撮影時の物体の姿勢、撮影方向、照明条件などの撮影条件、および、使用履歴に頑健な個体識別が行える照合位置の決定が可能になる。

図１５は、医療用ハサミの候補照合位置の例を示す。この例では、破線で囲んだ領域、すなわち、外側に露出する刃面、内側に隠れる裏すき面、および、把持部の両面などを候補照合位置としている。

学習部１１６６１は、トレーニングデータセット１１６６６を使用してディープラーニングによる物体認識手法により学習を行ってモデル１１６６７を作成するように構成されている。学習部１１６６１は、例えば畳み込みニューラルネットワーク（ＣＮＮ）上にモデル１１６６７を構築する。学習部１１６６１が使用するディープラーニングモデルによる物体認識手法は、例えば、Ｒ－ＣＮＮベースのアルゴリズム、あるいはＹＯＬＯ（Ｙｏｕ Ｏｎｌｙ Ｌｏｏｋ Ｏｎｃｅ）型アルゴリズムなどとすることができる。

取得部１１６６２は、個体識別対象とする物体の候補照合位置のランダムパターン画像をカメラ１１７から取得するように構成されている。識別部１１６６３は、取得部１１６６２によって取得されたランダムパターン画像を入力し、モデル１１６６７を使用して、入力画像からディープラーニングによる物体認識手法により推論を行って入力画像の物体個体を識別するように構成されている。

抽出部１１６６４は、識別部１１６６３の注視領域を抽出するように構成されている。すなわち、抽出部１１６６４は、識別部１１６６３が個体識別の結果を導出する際に着目した入力画像中の部分領域を抽出するように構成されている。抽出部１１６６４は、例えばＧｒａｄ－ＣＡＭ（Ｇｒａｄｉｅｎｔ－Ｗｅｉｇｈｔｅｄ Ｃｌａｓｓ Ａｃｔｉｖａｔｉｏｎ Ｍａｐｐｉｎｇ）で構成することができる。

決定部１１６６５は、抽出部１１６６４によって抽出された注視領域の全部あるいは一部を照合位置データベース１１５２に記録する照合位置に決定するように構成されている。また決定部１１６６５は、決定した照合位置を画面表示部１１４に表示し、または／および通信Ｉ／Ｆ部１１２を通じて外部装置へ出力するように構成されている。

次に図１４に示した照合位置決定部１１６６の動作を説明する。照合位置決定部１１６６の動作は学習動作と照合位置決定動作とに大別される。学習動作では、学習部１１６６１がトレーニングデータセット１１６６６を使用して、モデル１１６６７を生成する。照合位置決定動作では、識別部１１６６３が、モデル１１６６７を使用して、照合位置の決定を行う物体個体の候補照合位置のランダムパターン画像からその個体識別を行う。そして、その個体識別の際、抽出部１１６６４が個体識別時の注視領域を抽出し、決定部１１６６５が注視領域の全部あるいは一部を当該個体識別対象の物体の種類の照合位置として決定し、出力する。こうして出力された物体の種類に対応する照合位置は、必要に応じてさらに最頻値の選択などの統計処理を経た後、例えば人手を介して照合位置データベース１１５２に物体の種類を特定する物体識別情報と関連付けて記録される。

照合位置出力装置４００のその他の構成および動作は、図１の照合位置出力装置１００の構成および動作と同じである。

本実施形態では、図１の照合位置出力装置１００に対して照合位置出力部１１６２を追加したが、図６および図９に示した照合位置出力装置２００、３００に対して照合位置出力部１１６２を追加するようにしてもよい。

［第５の実施の形態］
次に、本発明の第５の実施形態に係る照合位置出力装置５００について説明する。図１６は、照合位置出力装置５００のブロック図であり、図１と同一符号は同一部分を示し、１１８はカメラ、１１５５は物体指紋データベース、１１６７は登録部、１１６８は照合部である。

カメラ１１８は、物体の表面に形成されたランダムパターンを撮影するための撮影手段である。カメラ１１８は、例えば、数百万画素程度の画素容量を有するＣＣＤイメージセンサやＣＭＯＳイメージセンサを備えた可視光かつカラーカメラであってよい。

物体指紋データベース１１５５は、登録対象の物体の個体について、その個体を撮影して得られたランダムパターン画像とその個体にラベル付けするデータとを関連付けて記録するように構成されている。個体にラベル付けするデータは、任意である。例えば、登録対象の物体が手術器械の場合、例えば日本医療機器工業会の「鋼製器具二次元シンボル表示ガイドライン」で標準化されている表示項目、すなわち、アプリケーション識別子（０１の２桁）、鋼製器具標準コード（１４桁）、アプリケーション識別子（２１の２桁）、および、シリアル番号（８桁）の合計２６桁のデータとすることができる。しかし、個体にラベル付けするデータの桁数および内容は上記の例に限定されない。また、スマートフォンで入力したデータをＱＲコード化し、そのＱＲコードを個体にラベル付けするデータとしてもよい。

登録部１１６７は、登録対象物体の個体の照合位置におけるランダムパターン画像をカメラ１１８から取得するように構成されている。また登録部１１６７は、登録対象物体の個体にラベル付けするデータを操作入力部１１３または通信Ｉ／Ｆ部１１２から入力するように構成されている。また登録部１１６７は、上記取得したランダムパターン画像と上記入力したデータとを関連付けて物体指紋データベース１１５５に登録するように構成されている。なお、物体指紋データベース１１５５に記録するランダムパターン画像は、ランダムパターン画像の特徴を表す特徴量であってもよい。

照合部１１６８は、照合対象の個体の照合位置におけるランダムパターン画像（以下、照合データと記す）をカメラ１１８から取得するように構成されている。また照合部１１６８は、物体指紋データベース１１５５から登録対象物体の個体のランダムパターン画像（以下、登録データと記す）を取得するように構成されている。また照合部１１６８は、登録データごとに、登録データと照合データとの類似度を表す照合スコアを算出し、それら照合スコアの最大値を算出するように構成されている。また照合部１１６８は、照合スコアの最大値が予め定められた閾値以上であれば、その照合スコアの最大値に係る登録データに関連付けて物体指紋データベース１１５５に記録されているデータを、照合対象の個体にラベル付けされたデータとして画面表示部１１４に表示し、または／および、通信Ｉ／Ｆ部１１２から外部装置へ送信するように構成されている。また照合部１１６８は、上記照合スコアの最大値が閾値未満であれば、照合対象の個体は登録されていない旨の判定結果を画面表示部１１４に表示し、または／および、通信Ｉ／Ｆ部１１２から外部装置へ送信するように構成されている。

次に照合位置出力装置５００を使用して、登録対象物体の個体の照合位置におけるランダムパターン画像とその個体にラベル付けするデータとを関連付けて物体指紋データベース１１５５に登録する動作を説明する。

先ず、照合位置出力装置５００の物体認識部１１６１は、登録対象物体の個体の外観画像をカメラ１１１によって撮影する。この撮影作業は、例えばオペレータによる手動あるいはロボットによる自動で行うことができる。次に物体認識部１１６１は、登録対象物体の個体の外観画像に対して物体認識を行い、物体識別情報を生成する。次に照合位置出力部１１６２は、上記生成された物体識別情報に関連付けて照合位置データベース１１５２に記録された照合位置情報を画面表示部１１４に表示し、または／および、通信Ｉ／Ｆ部１１２を通じて図示しないロボットへ送信する。画面表示部１１４に照合位置情報が表示されることにより、オペレータは、登録対象物体の個体の照合位置を視覚的に容易に認識することができる。またロボットに照合位置情報が送信されることにより、ロボットは、登録対象物体の個体の照合位置を認識することができる。さらに照合位置出力部１１６２は、上記生成された物体識別情報に関連付けて照合位置データベース１１５２に記録された照合位置情報を登録部１１６７へ伝達する。照合位置情報が登録部１１６７へ伝達されることにより、登録部１１６７は、登録対象物体の個体の照合位置を認識することができる。

次に登録部１１６７は、登録対象物体の個体の照合位置を適切な撮影条件の下でカメラ１１８によって撮影する。これは、例えばオペレータによる手動あるいはロボットによる自動で行うことができる。次に登録部１１６７は、照合位置出力部１１６２から伝達された照合位置情報に基づいて、カメラ１１８によって撮影された画像から登録対象物体の個体の照合位置の画像を抽出する。また登録部１１６７は、登録対象物体の個体にラベル付けするデータを操作入力部１１３あるいは通信Ｉ／Ｆ部１１２を通じて外部装置から入力する。次に登録部１１６７は、上記登録対象物体の個体の照合位置のランダムパターン画像と個体にラベル付けするデータとを関連付けて物体指紋データベース１１５５に記録する。

以上のような登録動作は、登録対象物体の個体それぞれについて繰り返される。

次に照合位置出力装置５００を使用して、照合対象物体の個体の照合位置におけるランダムパターン画像と物体指紋データベース１１５５に記録されているランダムパターン画像とを照合する照合動作を説明する。

先ず、照合位置出力装置５００の物体認識部１１６１は、照合対象物体の個体の外観画像をカメラ１１１によって撮影する。この撮影作業は、例えばオペレータによる手動あるいはロボットによる自動で行うことができる。次に物体認識部１１６１は、照合対象物体の個体の外観画像に対して物体認識を行い、物体識別情報を生成する。次に照合位置出力部１１６２は、上記生成された物体識別情報に関連付けて照合位置データベース１１５２に記録された照合位置情報を画面表示部１１４に表示し、または／および、通信Ｉ／Ｆ部１１２を通じて図示しないロボットへ送信する。画面表示部１１４に照合位置情報が表示されることにより、オペレータは、照合対象物体の個体の照合位置を視覚的に容易に認識することができる。またロボットに照合位置情報が送信されることにより、ロボットは、照合対象物体の個体の照合位置を認識することができる。さらに照合位置出力部１１６２は、上記生成された物体識別情報に関連付けて照合位置データベース１１５２に記録された照合位置情報を照合部１１６８へ伝達する。照合位置情報が照合部１１６８へ伝達されることにより、照合部１１６８は、照合対象物体の個体の照合位置を認識することができる。

次に照合部１１６８は、照合対象物体の個体の照合位置を適切な撮影条件の下でカメラ１１８によって撮影する。これは、例えばオペレータによる手動あるいはロボットによる自動で行うことができる。次に照合部１１６８は、照合位置出力部１１６２から伝達された照合位置情報に基づいて、カメラ１１８によって撮影された画像から照合対象物体の個体の照合位置のランダムパターン画像を抽出する。次に照合部１１６８は、照合対象物体の個体の照合位置のランダムパターン画像と物体指紋データベース１１５５に記録されている登録対象物体の個体のランダムパターン画像とを照合し、照合結果を画面表示部１１４に表示し、または／および、通信Ｉ／Ｆ部１１２から外部装置へ送信する。

本実施形態では、図１の照合位置出力装置１００に対して物体指紋データベース１１５５、登録部１１６７、および、照合部１１６８を追加したが、図６、図９、図１３に示した照合位置出力装置２００、３００、４００に対して物体指紋データベース１１５５、登録部１１６７、および、照合部１１６８を追加するようにしてもよい。

［第６の実施の形態］
次に、本発明の第６の実施形態に係る照合位置出力装置６００について説明する。図１７は、照合位置出力装置６００のブロック図である。図１７を参照すると、照合位置出力装置６００は、撮影手段６０１と生成手段６０２と出力手段６０３とを備えている。

撮影手段６０１は、物体の画像を撮影するように構成されている。撮影手段６０１は、例えば図１のカメラ１１１と同様に構成することができるが、それに限定されない。生成手段６０２は、撮影手段６０１によって撮影された物体の画像から物体を識別する情報を生成するように構成されている。生成手段６０２は、例えば図１の物体認識部１１６１と同様に構成することができるが、それに限定されない。出力手段６０３は、生成手段６０２によって生成された物体を識別する情報に基づいて、物体を識別する情報と物体の照合位置の情報とを関連付けて記録する図示しない記録手段から物体の照合位置の情報を取得して出力するように構成されている。出力手段６０３は、例えば図１の照合位置出力部１１６２と同様に構成することができるが、それに限定されない。また上記記録手段は、例えば図１の照合位置データベース１１５２と同様に構成することができるが、それに限定されない。

このように構成された照合位置出力装置６００は、以下のように動作する。すなわち、先ず撮影手段６０１は、物体の画像を撮影する。次に生成手段６０２は、撮影手段６０１によって撮影された物体の画像から物体を識別する情報を生成する。次に出力手段６０３は、生成手段６０２によって生成された物体を識別する情報に基づいて、物体を識別する情報と物体の照合位置の情報とを関連付けて記録する図示しない記録手段から物体の照合位置の情報を取得して出力する。

照合位置出力装置６００によれば、物体の照合位置を簡単に確認することができる。その理由は、物体の画像を撮影する撮影手段６０１と、撮影された物体の画像から物体を識別する情報を生成する生成手段６０２と、生成された物体を識別する情報に基づいて、物体を識別する情報と物体の照合位置の情報とを関連付けて記録する記録手段から物体の照合位置の情報を取得して出力する出力手段６０３とを備えているためである。

［その他の実施の形態］
以上、幾つかの実施形態を参照して本発明を説明したが、本発明は、上述した実施形態に限定されるものではない。本発明の構成や詳細には、本発明の範囲内で当業者が理解しうる様々な変更をすることができる。例えば、以下のような形態も本発明に含まれる。

例えば、上記実施形態では、照合位置データベース、撮影条件データベース、物体指紋データベースは、演算処理部１１６に接続された記憶部１１５に設けられているが、それらのデータベースの一部あるいは全部は、クラウドに設けられていてもよい。

本発明は、手術器械などの物体の個体識別や真贋判定などに利用でき、特に物体表面のランダムパターンの個体差を利用して個体識別や真贋判定を行う際の照合位置の確認に利用できる。

上記の実施形態の一部又は全部は、以下の付記のようにも記載され得るが、以下には限られない。
［付記１］
物体の画像を撮影する撮影手段と、
前記撮影された前記物体の画像から前記物体を識別する情報を生成する生成手段と、
前記生成された前記物体を識別する情報に基づいて、前記物体を識別する情報と前記物体の照合位置の情報とを関連付けて記録する記録手段から前記物体の照合位置の情報を取得して出力する出力手段と、
を備える照合位置出力システム。
［付記２］
前記記録手段は、さらに、前記物体を識別する情報と前記物体の照合位置を撮影する際の撮影条件とを関連付けて記録するように構成され、
前記出力手段は、さらに、前記生成された前記物体を識別する情報に基づいて、前記物体の照合位置を撮影する際の撮影条件を前記記録手段から取得して出力するように構成されている、
付記１に記載の照合位置出力システム。
［付記３］
前記記録手段は、さらに、前記物体の表面を特徴付けるデータと前記物体の照合位置を撮影する際の撮影条件とを関連付けて記録するように構成され、
前記撮影された前記物体の画像から前記物体の表面を特徴付けるデータを生成する生成手段をさらに備え、
前記出力手段は、さらに、前記生成された前記物体の表面を特徴付けるデータに基づいて、前記物体の照合位置を撮影する際の撮影条件を前記記録手段から取得して出力するように構成されている、
付記１に記載の照合位置出力システム。
［付記４］
前記出力手段は、前記生成された前記物体の表面を特徴付けるデータと前記記録手段に記録されている前記物体の表面を特徴付けるデータとの近似度を算出し、前記算出した近似度に基づいて前記物体の照合位置を撮影する際の撮影条件を前記記録手段から取得するように構成されている、
付記３に記載の照合位置出力システム。
［付記５］
前記物体の候補照合位置から前記記録手段に記録する前記物体の照合位置を学習により決定する照合位置決定手段を、さらに備える、
付記１乃至４の何れかに記載の照合位置出力システム。
［付記６］
前記照合位置決定手段は、
前記候補照合位置のランダムパターン画像を含むトレーニングデータを使用してディープラーニングによる物体認識手法によりモデルを学習する学習手段と、
前記モデルを使用して、前記候補照合位置のランダムパターン画像を含む入力画像に対する個体識別を行う識別手段と、
前記識別手段の注視領域を抽出する抽出手段と、
前記注視領域の全部あるいは一部を前記記録手段に記録する前記物体の照合位置に決定する決定手段と、を含む、
付記５に記載の照合位置出力システム。
［付記７］
物体の画像を撮影し、
前記撮影された前記物体の画像から前記物体を識別する情報を生成し、
前記生成された前記物体を識別する情報に基づいて、前記物体を識別する情報と前記物体の照合位置の情報とを関連付けて記録する記録手段から前記物体の照合位置の情報を取得して出力する、
照合位置出力方法。
［付記８］
前記記録手段は、さらに、前記物体を識別する情報と前記物体の照合位置を撮影する際の撮影条件とを関連付けて記録するように構成され、
前記出力では、さらに、前記生成された前記物体を識別する情報に基づいて、前記物体の照合位置を撮影する際の撮影条件を前記記録手段から取得して出力する、
付記７に記載の照合位置出力方法。
［付記９］
前記記録手段は、さらに、前記物体の表面を特徴付けるデータと前記物体の照合位置を撮影する際の撮影条件とを関連付けて記録するように構成され、
さらに、前記撮影された前記物体の画像から前記物体の表面を特徴付けるデータを生成し、
前記出力では、さらに、前記生成された前記物体の表面を特徴付けるデータに基づいて、前記物体の照合位置を撮影する際の撮影条件を前記記録手段から取得して出力する、
付記７に記載の照合位置出力方法。
［付記１０］
前記出力では、前記生成された前記物体の表面を特徴付けるデータと前記記録手段に記録されている前記物体の表面を特徴付けるデータとの近似度を算出し、前記算出した近似度に基づいて前記物体の照合位置を撮影する際の撮影条件を前記記録手段から取得する、
付記９に記載の照合位置出力方法。
［付記１１］
さらに、前記物体の候補照合位置から前記記録手段に記録する前記物体の照合位置を学習により決定する、
付記７乃至１０の何れかに記載の照合位置出力方法。
［付記１２］
前記照合位置の学習による決定では、
前記候補照合位置のランダムパターン画像を含むトレーニングデータを使用してディープラーニングによる物体認識手法によりモデルを学習し、
前記モデルを使用して、前記候補照合位置のランダムパターン画像を含む入力画像に対する個体識別を行い、
前記個体識別の注視領域を抽出し、
前記注視領域の全部あるいは一部を前記記録手段に記録する前記物体の照合位置に決定する、
付記１１に記載の照合位置出力方法。
［付記１３］
コンピュータに、
物体の画像を撮影する処理と、
前記撮影された前記物体の画像から前記物体を識別する情報を生成する処理と、
前記生成された前記物体を識別する情報に基づいて、前記物体を識別する情報と前記物体の照合位置の情報とを関連付けて記録する記録手段から前記物体の照合位置の情報を取得して出力する処理と、
を行わせるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。

１００…照合位置出力装置
１１１…カメラ
１１２…通信Ｉ／Ｆ部
１１３…操作入力部
１１４…画面表示部
１１５…記憶部
１１６…演算処理部
２００…照合位置出力装置
３００…照合位置出力装置
４００…照合位置出力装置
５００…照合位置出力装置
６００…照合位置出力装置
６０１…撮影手段
６０２…生成手段
６０３…出力手段
１１５１…プログラム
１１５２…照合位置データベース
１１５３…撮影条件データベース
１１５４…撮影条件データベース
１１５５…物体指紋データベース
１１６１…物体認識部
１１６２…照合位置出力部
１１６３…撮影条件出力部
１１６４…表面特徴認識部
１１６５…撮影条件出力部
１１６６…照合位置決定部
１１６７…登録部
１１６８…照合部
１１６１１…学習部
１１６１２…取得部
１１６１３…認識部
１１６１４…トレーニングデータセット
１１６１５…モデル
１１６１６…物体識別情報
１１６４１…学習部
１１６４２…取得部
１１６４３…認識部
１１６４４…トレーニングデータセット
１１６４５…モデル
１１６４６…物体表面を特徴付ける情報
１１６６１…学習部
１１６６２…取得部
１１６６３…識別部
１１６６４…抽出部
１１６６５…決定部
１１６６６…トレーニングデータセット
１１６６７…モデル
Ｌ１…照合位置
Ｌ２１…照合位置
Ｌ２２…照合位置

Claims (8)

1. 物体の画像を撮影する撮影手段と、
   前記撮影された前記物体の画像から前記物体を識別する情報を生成する第１の生成手段と、
   前記生成された前記物体を識別する情報に基づいて、前記物体を識別する情報と前記物体の照合位置の情報とを関連付けて記録する記録手段から前記物体の照合位置の情報を取得して出力する出力手段と、
   前記撮影された前記物体の画像から前記物体の表面を特徴付けるデータを生成する第２の生成手段と、
   を備え、
   前記記録手段は、さらに、前記物体の表面を特徴付けるデータと前記物体の照合位置を撮影する際の撮影条件とを関連付けて記録するように構成され、
   前記出力手段は、さらに、前記生成された前記物体の表面を特徴付けるデータと前記記録手段に記録されている前記物体の表面を特徴付けるデータとの近似度を算出し、前記算出した近似度に基づいて前記物体の照合位置を撮影する際の撮影条件を前記記録手段から取得して出力するように構成されている照合位置出力システム。
2. 物体の画像を撮影する撮影手段と、
   前記撮影された前記物体の画像から前記物体を識別する情報を生成する生成手段と、
   前記生成された前記物体を識別する情報に基づいて、前記物体を識別する情報と前記物体の照合位置の情報とを関連付けて記録する記録手段から前記物体の照合位置の情報を取得して出力する出力手段と、
   前記物体の候補照合位置から前記記録手段に記録する前記物体の照合位置を学習により決定する照合位置決定手段と、
   を備え、
   前記照合位置決定手段は、
   前記候補照合位置のランダムパターン画像を含むトレーニングデータを使用してディープラーニングによる物体認識手法によりモデルを学習する学習手段と、
   前記モデルを使用して、前記候補照合位置のランダムパターン画像を含む入力画像に対する個体識別を行う識別手段と、
   前記識別手段の注視領域を抽出する抽出手段と、
   前記注視領域の全部あるいは一部を前記記録手段に記録する前記物体の照合位置に決定する決定手段と、を含む、
   照合位置出力システム。
3. 前記記録手段は、さらに、前記物体を識別する情報と前記物体の照合位置を撮影する際の撮影条件とを関連付けて記録するように構成され、
   前記出力手段は、さらに、前記生成された前記物体を識別する情報に基づいて、前記物体の照合位置を撮影する際の撮影条件を前記記録手段から取得して出力するように構成されている、
   請求項２に記載の照合位置出力システム。
4. 物体の画像を撮影し、
   前記撮影された前記物体の画像から前記物体を識別する情報を生成し、
   前記生成された前記物体を識別する情報に基づいて、前記物体を識別する情報と前記物体の照合位置の情報とを関連付けて記録する記録手段から前記物体の照合位置の情報を取得して出力し、
   前記記録手段は、さらに、前記物体の表面を特徴付けるデータと前記物体の照合位置を撮影する際の撮影条件とを関連付けて記録するように構成され、
   さらに、前記撮影された前記物体の画像から前記物体の表面を特徴付けるデータを生成し、
   前記出力では、さらに、前記生成された前記物体の表面を特徴付けるデータと前記記録手段に記録されている前記物体の表面を特徴付けるデータとの近似度を算出し、前記算出した近似度に基づいて前記物体の照合位置を撮影する際の撮影条件を前記記録手段から取得して出力する、
   照合位置出力方法。
5. 物体の画像を撮影し、
   前記撮影された前記物体の画像から前記物体を識別する情報を生成し、
   前記生成された前記物体を識別する情報に基づいて、前記物体を識別する情報と前記物体の照合位置の情報とを関連付けて記録する記録手段から前記物体の照合位置の情報を取得して出力し、
   前記物体の候補照合位置から前記記録手段に記録する前記物体の照合位置を学習により決定し、
   前記照合位置の学習による決定では、
   前記候補照合位置のランダムパターン画像を含むトレーニングデータを使用してディープラーニングによる物体認識手法によりモデルを学習し、
   前記モデルを使用して、前記候補照合位置のランダムパターン画像を含む入力画像に対する個体識別を行い、
   前記個体識別の注視領域を抽出し、
   前記注視領域の全部あるいは一部を前記記録手段に記録する前記物体の照合位置に決定する、
   照合位置出力方法。
6. 前記記録手段は、さらに、前記物体を識別する情報と前記物体の照合位置を撮影する際の撮影条件とを関連付けて記録するように構成され、
   前記出力では、さらに、前記生成された前記物体を識別する情報に基づいて、前記物体の照合位置を撮影する際の撮影条件を前記記録手段から取得して出力する、
   請求項５に記載の照合位置出力方法。
7. コンピュータに、
   物体の画像を撮影する処理と、
   前記撮影された前記物体の画像から前記物体を識別する情報を生成する処理と、
   前記生成された前記物体を識別する情報に基づいて、前記物体を識別する情報と前記物体の照合位置の情報とを関連付けて記録し且つ前記物体の表面を特徴付けるデータと前記物体の照合位置を撮影する際の撮影条件とを関連付けて記録する記録手段から前記物体の照合位置の情報を取得して出力する処理と、
   前記撮影された前記物体の画像から前記物体の表面を特徴付けるデータを生成する処理と、
   前記生成された前記物体の表面を特徴付けるデータと前記記録手段に記録されている前記物体の表面を特徴付けるデータとの近似度を算出し、前記算出した近似度に基づいて前記物体の照合位置を撮影する際の撮影条件を前記記録手段から取得して出力する処理と、
   を行わせるためのプログラム。
8. コンピュータに、
   物体の画像を撮影する処理と、
   前記撮影された前記物体の画像から前記物体を識別する情報を生成する処理と、
   前記生成された前記物体を識別する情報に基づいて、前記物体を識別する情報と前記物体の照合位置の情報とを関連付けて記録する記録手段から前記物体の照合位置の情報を取得して出力する処理と、
   前記物体の候補照合位置から前記記録手段に記録する前記物体の照合位置を学習により決定する処理とを行わせ、
   前記照合位置の学習による決定では、
   前記候補照合位置のランダムパターン画像を含むトレーニングデータを使用してディープラーニングによる物体認識手法によりモデルを学習する処理と、
   前記モデルを使用して、前記候補照合位置のランダムパターン画像を含む入力画像に対する個体識別を行う処理と、
   前記個体識別の注視領域を抽出する処理と、
   前記注視領域の全部あるいは一部を前記記録手段に記録する前記物体の照合位置に決定する処理とを行わせる、
   ためのプログラム。

Images