JP7251689B2 - 個体識別システム - Google Patents

個体識別システム Download PDF

Info

Publication number
JP7251689B2
JP7251689B2 JP2022510320A JP2022510320A JP7251689B2 JP 7251689 B2 JP7251689 B2 JP 7251689B2 JP 2022510320 A JP2022510320 A JP 2022510320A JP 2022510320 A JP2022510320 A JP 2022510320A JP 7251689 B2 JP7251689 B2 JP 7251689B2
Authority
JP
Japan
Prior art keywords
image
registered
unit
matching
feature
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.)
Active
Application number
JP2022510320A
Other languages
English (en)
Other versions
JPWO2021192216A1 (ja
JPWO2021192216A5 (ja
Inventor
徹 高橋
賢吾 牧野
塁 石山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of JPWO2021192216A1 publication Critical patent/JPWO2021192216A1/ja
Publication of JPWO2021192216A5 publication Critical patent/JPWO2021192216A5/ja
Application granted granted Critical
Publication of JP7251689B2 publication Critical patent/JP7251689B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Description

本発明は、個体識別システム、個体識別方法、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。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に係る技術の一例が特許文献１に記載されている。
特許文献１に記載の技術では、登録対象物体の表面の複数の部分領域（照合領域として予め定められた領域）のそれぞれから取得したランダムパターン画像を登録対象物体の識別ＩＤに関連付けて記憶装置に事前に記憶しておく。そして、照合対象物体が登録対象物体と同一か否かを判定する際、照合対象物体上の、登録時と同じ複数の部分領域のそれぞれからランダムパターン画像を取得し、それぞれの部分領域毎に、照合対象物体から取得したランダムパターン画像と記憶装置に記憶されている登録対象物体のランダムパターン画像とを比較し、全ての部分領域の比較結果を総合的に判断して、照合対象物が登録対象物と同一か否かを判定する。
特開２００７－０４１６４３号公報 ＷＯ－Ａ１－２０１９／１２３９１７
しかしながら、全ての部分領域におけるランダムパターン画像の比較結果を総合的に判断して照合対象物が登録対象物と同一か否かを判定する方法（以下、本発明に関連する個体識別方法と記す）では、照合対象物体が登録対象物体と同一か否かを判定する際、照合対象物体上の、登録時と同じ複数の部分領域の全てからランダムパターン画像を取得しなければならず、個体識別の利便性が低下する。
本発明の目的は、上述した課題を解決する個体識別システムを提供することにある。
本発明の一形態に係る個体識別システムは、
照合対象物体の所定領域の一部を撮影した照合画像を取得する取得手段と、
前記照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出し、前記スコアに基づいて、前記照合対象物体が前記登録対象物体と同一か否かを判定する判定手段と、
を備えるように構成されている。
本発明の他の形態に係る個体識別方法は、
照合対象物体の所定領域の一部を撮影した照合画像を取得し、
前記照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出し、
前記スコアに基づいて、前記照合対象物体が前記登録対象物体と同一か否かを判定する、
ように構成されている。
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、
照合対象物体の所定領域の一部を撮影した照合画像を取得する処理と、
前記照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出する処理と、
前記スコアに基づいて、前記照合対象物体が前記登録対象物体と同一か否かを判定する処理と、
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、照合対象物体が登録対象物体と同一か否かを判定する個体識別システムの利便性を高めることができる。
本発明の第１の実施形態に係る個体識別装置のブロック図である。 本発明の第１の実施形態に係る個体識別装置の登録動作の一例を示すフローチャートである。 本発明の第１の実施形態に係る個体識別装置の照合動作の一例を示すフローチャートである。 本発明の第１の実施形態において登録対象とする直方体状の部品の外観と所定領域と登録画像の例を示す図である。 本発明の第１の実施形態において登録対象とする平板状の部品の外観と所定領域と登録画像の例を示す図である。 本発明の第１の実施形態において登録対象とする円柱状の部品の外観と所定領域と登録画像の例を示す図である。 本発明の第１の実施形態に係る個体識別装置における登録ＤＢのフォーマットの例を示す図である。 本発明の第１の実施形態において照合対象とする直方体状の部品の外観と所定領域の一部と照合画像の例を示す図である。 本発明の第１の実施形態において照合対象とする平板状の部品の外観と所定領域の一部と照合画像の例を示す図である。 本発明の第１の実施形態において照合対象とする円柱状の部品の外観と所定領域の一部と照合画像の例を示す図である。 本発明の第１の実施形態に係る個体識別装置の照合部における判定部の一例を示すブロック図である。 照合画像の周波数特徴と登録画像の周波数特徴とを示す数式の例を示す図である。 振幅成分ＡF（ｋ1，ｋ2）およびＡG（ｋ1，ｋ2）、位相成分θF（ｋ1，ｋ2）およびθG（ｋ1，ｋ2）のイメージの例を示す図である。 本発明の第１の実施形態に係る個体識別装置の照合部における判定部の周波数特徴合成部の一例を示すブロック図である。 正規化クロスパワースペクトルを算出する数式の例を示す図である。 位置ずれを伴う同一画像ペアの周波数特徴Ｆ（ｋ1，ｋ2）、周波数特徴Ｇ（ｋ1，ｋ2）、および正規化クロスパワースペクトルＲ（ｋ1，ｋ2）を示す数式の例を示す図である。 同一画像ペアの正規化クロスパワースペクトルＲ（ｋ1，ｋ2）のイメージの例を示す図である。 同一画像ペアの正規化クロスパワースペクトルを二値データに量子化したイメージの例を示す図である。 本発明の第１の実施形態に係る個体識別装置の照合部を構成する判定部における矩形波判定部の一例を示すブロック図である。 アダマール行列の説明図である。 アダマール行列を用いた直交変換を示す式を示す図である。 本発明の第１の実施形態に係る個体識別装置の照合部を構成する判定部における矩形波判定部の他の例を示すブロック図である。 本発明の第１の実施形態に係る個体識別装置の照合部を構成する判定部における矩形波判定部の更に別の例を示すブロック図である。 本発明の第２の実施形態に係る個体識別装置のブロック図である。 本発明の第２の実施形態に係る個体識別装置の登録動作の一例を示すフローチャートである。 本発明の第２の実施形態に係る個体識別装置の照合動作の一例を示すフローチャートである。 本発明の第２の実施形態において登録対象とする直方体状の部品の外観と所定領域と登録画像の例を示す図である。 本発明の第２の実施形態において登録対象とする平板状の部品の外観と所定領域と登録画像の例を示す図である。 本発明の第２の実施形態において登録対象とする円柱状の部品の外観と所定領域と登録画像の例を示す図である。 本発明の第２の実施形態において照合対象とする直方体状の部品の外観と所定領域の一部と照合画像の例を示す図である。 本発明の第２の実施形態において照合対象とする平板状の部品の外観と所定領域の一部と照合画像の例を示す図である。 本発明の第２の実施形態において照合対象とする円柱状の部品の外観と所定領域の一部と照合画像の例を示す図である。 本発明の第２の実施形態に係る個体識別システムのブロック図である。 本発明の他の実施形態における登録画像の例を示す図である。 本発明の他の実施形態における登録対象物体の所定領域の例を示す図である。
［第１の実施の形態］
図１は、本発明の第１の実施形態に係る個体識別装置１００のブロック図である。図１に示す個体識別装置１００は、製造工程管理、品質管理、出荷管理、販売管理などのために、大量生産される部品の個体を管理する情報処理装置である。
図１を参照すると、個体識別装置１００は、カメラ１１０と、通信Ｉ／Ｆ部１２０と、操作入力部１３０と、画面表示部１４０と、記憶部１５０と、演算処理部１６０とから構成されている。
カメラ１１０は、個体識別の対象となる部品を撮影する撮影装置である。カメラ１１０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のエリアカメラであってよい。また、カメラ１１０は、例えば、１万画素／ラインの画素容量を有するラインセンサを備えた可視光かつカラーのラインカメラであってよい。
通信Ｉ／Ｆ部１２０は、データ通信回路から構成され、無線または有線によって外部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１３０は、キーボードやマウスなどの装置から構成され、オペレータの操作を検出して演算処理部１６０に出力するように構成されている。画面表示部１４０は、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）などの装置から構成され、演算処理部１６０からの指示に応じて、各種情報を画面表示するように構成されている。
記憶部１５０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１６０における各種処理に必要な処理情報およびプログラム１５１を記憶するように構成されている。プログラム１５１は、演算処理部１６０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１２０などのデータ入出力機能を介して図示しない外部装置や記録媒体から予め読み込まれて記憶部１５０に保存される。記憶部１５０に記憶される主な処理情報には、登録ＤＢ（データベース）１５２がある。
登録ＤＢ１５２は、登録対象の部品をカメラ１１０によって撮影した画像から生成した部品個体固有の特徴量を個体番号に関連付けて保存するデータベースである。
演算処理部１６０は、ＭＰＵなどのプロセッサとその周辺回路を有し、記憶部１５０からプログラム１５１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１５１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１６０で実現される主な処理部は、登録部１６１、および照合部１６２である。
登録部１６１は、登録対象の部品を撮影した画像から部品個体固有の特徴量を生成し、生成した特徴量を部品の個体番号に関連付けて登録ＤＢ１５２に登録するように構成されている。登録部１６１は、画像取得部１６１１と画像結合部１６１２と特徴量生成部１６１３とを有する。
画像取得部１６１１は、登録対象の部品毎に、部品の所定領域を必要に応じて複数回に分けて撮影した複数の画像をカメラ１１０から取得するように構成されている。
画像結合部１６１２は、登録対象の部品毎に、画像取得部１６１１によって取得された複数の画像を並べて１枚の画像とした登録画像を生成するように構成されている。
特徴量生成部１６１３は、登録対象の部品毎に、画像結合部１６１２によって生成された登録画像から画像中に存在するランダムパターンに依存する特徴量を登録特徴量として抽出するように構成されている。また、特徴量生成部１６１３は、登録対象の部品毎に、登録特徴量を部品の個体番号に関連付けて登録ＤＢ１５２に登録するように構成されている。
照合部１６２は、照合対象の部品の所定領域の少なくとも一部を撮影した画像に類似する部分画像が、登録対象の部品の所定領域を撮影した画像中に存在する程度を表すスコアを算出するように構成されている。画像間の類似度を求める方法には、画像どうしを直接比較する方法と、それぞれの画像から抽出した特徴量どうしを比較する方法とがある。本例では、照合部１６２は後者の方法を使用する。また、照合部１６２は、上記スコアに基づいて、照合対象の部品が登録対象の部品と同一か否かを判定するように構成されている。照合部１６２は、画像取得部１６２１と画像サイズ拡大部１６２２と特徴量生成部１６２３と判定部１６２４とを有する。
画像取得部１６２１は、照合対象の部品の所定領域の少なくとも一部を撮影した画像をカメラ１１０から取得するように構成されている。ここで、所定領域の少なくとも一部は、できるだけ多くの部品個体に関して、異なる部品を識別できる度合いである識別能力を確保するために必要なランダムパターンが得られる最低面積以上の面積（例えば、０．１ｍｍ2以上、好ましくは数ｍｍ2以上）の領域であることが望ましい。
画像サイズ拡大部１６２２は、画像取得部１６２１によって取得された画像のサイズが、登録画像のサイズよりも小さい場合、登録画像と同じサイズに拡大することにより、照合画像を生成するように構成されている。例えば、画像サイズ拡大部１６２２は、画像取得部１６２１によって取得された画像を、登録画像と同じサイズを有し全画素がゼロ値などの所定値を持つ１枚の背景画像に張り付けた合成画像を照合画像として生成するように構成されている。換言すれば、画像サイズ拡大部１６２２は、例えば、ゼロ値などの所定値を持つ画素を連結することによって画像取得部１６２１によって取得された画像のサイズを、登録画像と同じサイズに拡大した画像を生成するように構成されている。
特徴量生成部１６２３は、画像サイズ拡大部１６２２によって生成された照合画像から画像中に存在するランダムパターンに依存する特徴量を照合特徴量として抽出するように構成されている。
判定部１６２４は、特徴量生成部１６２３によって生成された照合特徴量に類似する部分特徴量が、登録ＤＢ１５２に保存されている登録特徴量に存在する程度を表すスコアを算出し、そのスコアに基づいて、照合対象部品が何れの登録対象部品と同一であるか否かを判定するように構成されている。また、判定部１６２４は、判定結果を画面表示部１４０に表示し、または／および、通信Ｉ／Ｆ部１２０を通じて外部の装置に出力するように構成されている。
続いて、個体識別装置１００の動作を説明する。個体識別装置１００の動作は、登録動作と照合動作の２つに大別される。図２は、個体識別装置１００の登録動作の一例を示すフローチャートである。また、図３は、個体識別装置１００の照合動作の一例を示すフローチャートである。
先ず、個体識別装置１００の登録動作を説明する。登録動作では、図２に示されるように、画像取得部１６１１は、登録対象の部品毎に、部品の所定領域を必要に応じて複数回に分けて撮影した複数の画像をカメラ１１０から取得する（ステップＳ１）。次に、画像結合部１６１２は、登録対象の部品毎に、画像取得部１６１１によって取得された複数の画像を並べて１枚の画像とした登録画像を生成する（ステップＳ２）。次に、特徴量生成部１６１３は、登録対象の部品毎に、画像結合部１６１２によって生成された登録画像から画像中に存在するランダムパターンに依存する特徴量を登録特徴量として抽出し、登録特徴量を部品の個体番号に関連付けて登録ＤＢ１５２に保存する（ステップＳ３）。以上で登録動作が終了する。
次に、照合動作を説明する。照合動作では、図３に示されるように、先ず、画像取得部１６２１は、照合対象の部品の所定領域の少なくとも一部を撮影した画像をカメラ１１０から取得する（ステップＳ４）。次に、画像サイズ拡大部１６２２は、画像取得部１６２１によって取得された画像のサイズが登録画像のサイズよりも小さい場合、登録画像と同じサイズに拡大した照合画像を生成する（ステップＳ５）。画像サイズ拡大部１６２２は、画像取得部１６２１によって取得された画像のサイズが登録画像のサイズと同じであれば、取得された画像そのものを照合画像として生成する。次に、特徴量生成部１６２３は、照合画像から画像中に存在するランダムパターンに依存する特徴量を照合特徴量として抽出する（ステップＳ６）。
次に、判定部１６２４は、照合特徴量と全体に類似している登録特徴量だけでなく、部分的に類似している登録特徴量も登録ＤＢ１５２から検索することにより、照合対象部品が何れの登録対象部品と同一であるか否かを判定する。具体的には、判定部１６２４は、登録ＤＢ１５２に保存された登録対象部品の登録特徴量毎に、照合特徴量と登録特徴量とを比較して類似の程度を表すスコアを算出する（ステップＳ７）。次に、判定部１６２４は、その算出したスコアに基づいて、照合対象部品が何れの登録対象部品と同一であるか否かを判定する（ステップＳ８）。次に、判定部１６２４は、判定結果を画面表示部１４０に表示し、または／および、通信Ｉ／Ｆ部１２０を通じて外部の装置に出力する（ステップＳ９）。
続いて、登録部１６１、および照合部１６２をより詳細に説明する。
先ず、登録部１６１について詳細に説明する。
図４は、登録部１６１が登録対象とする部品の例を示す。この例の部品は、金属や合成樹脂などの素材で形成された直方体形状の部品２００である。部品２００の縦Ｌ、横Ｗ、高さＨのサイズは任意である。例えば、Ｌ＝８ｍｍ、Ｗ＝１２ｍｍ、Ｈ＝６ｍｍであってよい。部品２００の表面は、紙面から観察して、上面、下面、手前側面、奥側面、右側面、および左側面の合計６面から構成される。図４では、部品の各面および各面の画像に細い矢印が記載されている。この矢印は、部品２００の各面および各画像の向きを定めるための便宜上の記号であり、部品２００の各面および各面の画像に実際に存在するわけではない。他の図面に記載された細い矢印も同様である。本例では、これら６面の全領域から部品個体固有のランダムパターンに依存する登録特徴量を抽出する。即ち、部品２００の所定領域は、６面全体である。
登録部１６１の画像取得部１６１１は、登録作業を行うオペレータの操作に従って或いは登録部１６１の自律動作により、部品２００の面毎に、その面を正面からカメラ１１０によって撮影することにより、図４に示すような、上面の撮影画像２０１、下面の撮影画像２０２、手前側面の撮影画像２０３、奥側面の撮影画像２０４、右側面の撮影画像２０５、および左側面の撮影画像２０６の合計６枚の撮影画像を取得する。例えば、画像取得部１６１１は、上面全体を所定の画素解像度で撮影した画像からエッジ検出などによって上面の画像領域だけを切り出すことによって、上面の撮影画像２０１を取得する。画像取得部１６１１は、上面の撮影画像２０１以外の画像も同様の方法で取得することができる。なお、複数のカメラ１１０を使用して、各面の画像を複数のカメラ１１０で撮影するようにしてもよい。ここで、これら６枚の撮影画像のサイズは任意であるが、一例として、図４に付記したような画像サイズになっているものとする。即ち、例えば、上面の撮影画像２０１は、縦：４００画素、横：６００画素である。
次に、画像結合部１６１２は、上記６枚の撮影画像を並べて、登録画像を生成する。直方体の６面のように隣接する面の境界を跨って照合画像が生成されることがない複数の面の撮影画像の場合、並べる順序や間隔などは任意である。但し、画像の向きは、同じ種類の部品の同じ撮影画像毎に決められた向きに統一する必要がある。また、複数の撮影画像は互いに重ならないようにする必要がある。例えば、画像結合部１６１２は、複数の撮影画像を、間隔を開けずに同じ向きに揃えて一列あるいは複数列に並べるようにしてもよいし、幅の広い撮影画像は同じ向きに揃えて一例に並べ、幅の狭い撮影画像は同じ向きに揃えて二列に並べるようにしてもよい。図４に示す登録画像２０７の例では、上面の撮影画像２０１と下面の撮影画像２０２と手前側面の撮影画像２０３と奥側面の撮影画像２０４とを互いに接するように矢印が紙面左を向く向きに一列に並べ、その一方の端に、二列に並べた右側面の撮影画像２０５と左側面の撮影画像２０６とを矢印が紙面上を向く向きに配列することにより、縦：６００画素、横：１８００画素の登録画像２０７が生成されている。
次に、特徴量生成部１６１３は、登録画像２０７から画像中に存在するランダムパターンに依存する特徴量を登録特徴量として抽出し、登録ＤＢ１５２に保存する。例えば、特徴量生成部１６１３は、以下のような方法を使用して登録特徴量を抽出してよい。
特徴量生成部１６１３は、先ず、登録画像２０７に対して周波数変換（例えば離散フーリエ変換）を施すことによって、周波数領域に変換した結果である振幅情報、および位相情報（それぞれ２次元配列データ）を算出する。即ち、特徴量生成部１６１３は、登録画像２０７に対して紙面横方向に１次元フーリエ変換を施し、次に紙面縦方向に１次元フーリエ変換を施して、振幅情報と位相情報を２次元配列データとして算出する。
次に、特徴量生成部１６１３は、上記振幅情報および位相情報の少なくとも一方から個体識別に有用な周波数帯域のみを抽出し、その抽出結果を登録特徴量とする。このように個体識別に有用な周波数帯域のみを登録特徴量とすることにより、登録特徴量のデータ量を削減することができる。但し、個体識別に有用な周波数帯域を抽出する前の振幅情報および位相情報のどちらか一方を登録特徴量としてもよい。
図５は、登録部１６１が登録対象とする部品の他の例を示す。この例の部品は、金属や樹脂などの素材で形成された平板状の部品２１０である。部品２１０の縦Ｌ、横Ｗのサイズは任意である。例えば、Ｌ＝１２ｍｍ、Ｗ＝３６ｍｍであってよい。本例では、部品２１０の表面の全領域から部品個体固有のランダムパターンに依存する登録特徴量を抽出する。部品２１０の裏面および側面からは登録特徴量は抽出しない。即ち、部品２１０の所定領域は、表面の全領域である。
登録部１６１の画像取得部１６１１は、登録作業を行うオペレータの操作に従って或いは登録部１６１の自律動作により、カメラ１１０によって部品２１０の表面全体を撮影した１枚の撮影画像を取得する。例えば、カメラ１１０がエリアカメラであり、部品２１０の表面全体をカメラ視野に含めて撮影しても所定の画像解像度の表面画像が得られるならば、画像取得部１６１１は、１回の撮影により部品２１０の表面全体を撮影して１枚の撮影画像を取得する。また、部品２１０の表面全体をカメラ視野に含めた撮影では所定の画像解像度の表面画像が得られない場合、画像取得部１６１１は、部品２１０の表面全体を幾つかに分割し、個々の分割領域をカメラ１１０によって個別に撮影し、その複数の分割領域の撮影画像を繋いで部品２１０の表面全体を網羅する１枚の撮影画像を取得する。
図５には、左側の撮影画像２１１、中央の撮影画像２１２、および右側の撮影画像２１３の合計３枚の撮影画像を取得し、それら３枚の撮影画像を繋いで部品２１０の表面全体を網羅した１枚の画像を取得する例が示されている。ここで、これら３枚の撮影画像の画像サイズは任意であるが、ここでは、一例として、図５に付記したような画像サイズになっているものとする。即ち、左側、中央、および右側の撮影画像２１１～２１３は、何れも縦：６００画素、横：６００画素である。なお、画像取得部１６１１は、カメラ１１０がラインカメラの場合、部品２１０の表面全体を１枚の撮影画像として取得するようにしてもよい。
次に、画像結合部１６１２は、画像取得部１６１１によって取得された部品２１０の表面全体を撮影した１枚の画像から登録画像２１４を生成する。図５に示す例では、画像結合部１６１２は、画像取得部１６１１によって取得された部品２１０の表面全体を撮影した１枚の画像そのものを、登録画像２１４としている。その結果、縦：６００画素、横：１８００画素の登録画像２１４が生成されている。
次に、特徴量生成部１６１３は、前述した方法と同様の方法によって、登録画像２１４から画像中に存在するランダムパターンに依存する特徴量を登録特徴量として抽出し、登録ＤＢ１５２に保存する。
図６は、登録部１６１が登録対象とする部品の更に別の例を示す。この例の部品は、金属などの素材で形成された円柱状の部品２２０である。部品２２０の高さＬ、最大幅Ｗのサイズは任意である。例えば、Ｌ＝５ｍｍ、Ｗ＝７ｍｍであってよい。部品２２０の表面は、上面、下面、および側面の合計３面から構成される。本例では、これら３面の全領域から部品個体固有のランダムパターンに依存する登録特徴量を抽出する。即ち、部品２２０の所定領域は、表面全体である。
登録部１６１の画像取得部１６１１は、登録作業を行うオペレータの操作に従って或いは登録部１６１の自律動作により、カメラ１１０がエリアカメラの場合、所定の画像解像度が得られるように、部品２２０の表面全体を複数回に分けてカメラ１１０によって撮影することにより、複数の撮影画像を取得する。図６に示す例では、上面の撮影画像２２１、側面の複数の撮影画像２２２－１～２２２－ｎ、および下面の撮影画像２２３の合計ｎ＋２枚の撮影画像を取得している。例えば、画像取得部１６１１は、部品２２０の上面をその正面からカメラ１１０で撮影した画像から上面領域の画像領域だけを切り出すことによって、上面の撮影画像２２１を取得する。また、画像取得部１６１１は、下面の撮影画像２２３を上面の撮影画像２２１と同様の方法で取得する。また、画像取得部１６１１は、部品２１０の側面を全周に沿ってｎ個の部分領域に区分し、部分領域毎にその正面からカメラ１１０で撮影した画像から当該部分領域の画像領域だけを切り出すことによって、側面のそれぞれ異なる部分領域を撮影したｎ個の撮影画像２２２－１～２２２－ｎを取得する。分割数ｎは任意である。ｎの数が大きいほど、歪みの少ない部分領域の画像を得ることができる。ここで、上記ｎ＋２枚の撮影画像の画像サイズは任意であるが、ここでは、一例として、図６に付記したような画像サイズになっているものとする。即ち、上面および下面の撮影画像２２１、２２３の最大の幅は３５０画素である。また、ｎ個の撮影画像２２２－１～２２２－ｎは、何れも縦：２５０画素、横：９２画素である。
次に、画像取得部１６１１は、部品２１０の側面を撮影したｎ個の撮影画像２２２－１～２２２－ｎを繋げて部品２２０の側面全体を１周以上にわたって網羅する１枚の側面の撮影画像を取得する。
なお、画像取得部１６１１は、カメラ１１０がラインカメラの場合、部品２２０の側面全体を１周以上にわたって網羅する１枚の撮影画像をラインカメラから取得するようにしてもよい。
次に、画像結合部１６１２は、画像取得部１６１１によって取得された上面の撮影画像２２１、下面の撮影画像２２３、および側面全体を１周以上にわたって網羅する側面の撮影画像の合計３枚の撮影画像を並べて、登録画像を生成する。本例では、画像結合部１６１２は、予め用意された規定サイズの背景画像に上記３枚の撮影画像を互いに重ならないように張り付けることによって、既定サイズの登録画像を生成する。上記背景画像は、全画素の値が所定値である画像である。所定値としては、例えばゼロ値を使用してよい。或いは、ランダムパターンに影響を与えないのであれば、ゼロ値以外の一定値であってもよい。
円柱の上面、下面、側面のように隣接する面の境界を跨って照合画像が生成されることがない複数の面の撮影画像の場合、背景画像上に並べる順序や間隔などは任意である。但し、画像の向きは、同じ種類の部品の同じ撮影画像毎に決められた向きに統一する必要がある。また、複数の撮影画像は互いに重ならないようにする必要がある。図６に示す登録画像２２４の例では、背景画像の上側の領域にｎ個の撮影画像２２２－１～２２２－ｎを繋いで得られた側面全体を１周以上にわたって網羅する側面の撮影画像を矢印が紙面上を向く向きに張り付け、下側の領域に上面および下面の撮影画像２２１、２２３を矢印が紙面上を向く向きに張り付けている。図６において、登録画像２２４上のドットを付した領域は、何れの撮影画像も張り付けられていない、ゼロ値を有する画素の領域を示す。
円柱の側面などのように物体の全周を１枚の画像に展開した連続画像とした場合、展開画像の両端は元の物体上では連続しているにもかかわらず、展開画像上では分離されてしまう。即ち、図６の例では、撮影画像２２２－ｎの右辺と撮影画像２２２－１の左辺とは、元の部品２２０上では連続しているにもかかわらず、展開画像上では分離されてしまう。そのため、撮影画像２２２－ｎと撮影画像２２２－１とに跨るような照合画像に一致する部分画像を登録画像上から発見することが困難になる。そのため、図６の例では、撮影画像２２２－ｎの右辺に撮影画像２２２－１の左辺が接するように、撮影画像２２２－１～２２２－４のコピー画像２２２－１Ｃ～２２２－４Ｃを繋げることによって、連続画像の一方の端部を４つの撮影画像２２２－ｉの画像サイズである３６８画素だけ拡大している。なお、拡大するサイズは３６８画素以下であってもよいし、以上であってもよい。
次に、特徴量生成部１６１３は、前述した方法と同様の方法によって、登録画像２２４から画像中に存在するランダムパターンに依存する特徴量を登録特徴量として抽出し、登録ＤＢ１５２に保存する。
図７は、登録ＤＢ１５２のフォーマットの例を示す。この例では、登録ＤＢ１５２は、登録対象部品に１対１に対応する複数のエントリから構成され、それぞれのエントリは、部品番号、登録特徴量、および、登録画像サイズの各項目から構成されている。部品番号の項目には、登録対象部品に割り振られた通番などの部品番号が設定される。登録特徴量の項目には、登録特徴量を記録したファイルの名前が設定される。ファイルの実体は、記憶部１５０の他の領域あるいは図示しないクラウドストレージなどに保存されている。登録画像サイズの項目には、登録特徴量の抽出元の登録画像のサイズが設定される。図７の例では、登録対象の部品毎に、部品番号と登録特徴量と登録画像のサイズとを保存している。しかし、全ての部品の登録画像サイズが予め定めた規定値に統一するように構成されている場合、個々の部品毎に登録画像サイズを保存する必要はなく、規定値のみを保存しておけばよい。
登録ＤＢ１５２のフォーマットは上記に限定されない。例えば、登録ＤＢ１５２のそれぞれのエントリは、上述した部品番号、登録特徴量、および、登録画像サイズの各項目以外にその他の項目が設けられていてよい。例えば、その他の項目として、製品の種類、ロット番号、製造年月日、製品検査結果データなどが考えられる。
続いて、照合部１６２について詳細に説明する。
図８は、照合部１６２が照合対象とする部品の例を示す。この例の部品３００は、図４に示した登録対象の部品２００と同じ種類の部品である。
照合部１６２の画像取得部１６２１は、照合作業を行うオペレータの操作に従って或いは照合部１６２の自律動作により、例えば部品３００の右側面をその正面からカメラ１１０によって撮影することにより、図８に示すような、部品３００の右側面を所定の向きで撮影した撮影画像３０１を取得する。例えば、画像取得部１６２１は、右側面全体を所定の向き且つ所定の画素解像度で撮影した画像からエッジ検出などによって右側面の画像領域だけを切り出すことによって、撮影画像３０１を取得する。ここで、撮影画像３０１の画像サイズは任意であるが、ここでは、一例として、縦：３００画素、横：４００画素であったとする。
次に、画像サイズ拡大部１６２２は、撮影画像３０１の画像サイズが、登録画像サイズよりも小さいか否かを判定する。ここでは、登録画像サイズは、部品個体の相違にかかわらず一定であり、そのサイズは、縦：６００画素、横：１８００画素であるとする。この場合、画像サイズ拡大部１６２２は、上記の登録画像サイズを有し、全画素がゼロ値などの所定値を持つ１枚の背景画像に、撮影画像３０１を張り付けた画像を照合画像として生成する。撮影画像３０１を張り付ける場所は任意である。しかし、撮影画像３０１を張り付ける向きは、登録画像のときと同じにする必要がある。図８の例では、背景画像のほぼ中央部分に撮影画像３０１を矢印が紙面上を向く向きに張り付けた照合画像３０２が生成されている。
次に、特徴量生成部１６２３は、照合画像３０２から画像中に存在するランダムパターンに依存する特徴量を照合特徴量として抽出する。特徴量生成部１６２３が照合画像３０２から照合特徴量を抽出する方法は、特徴量生成部１６１３が登録画像２０７から登録特徴量を抽出する方法と同じである。
次に、判定部１６２４は、登録ＤＢ１５２に保存されている登録特徴量毎に、照合特徴量と登録特徴量とを比較することにより、照合特徴量と登録特徴量間の類似性を表すスコアを算出する。判定部１６２４が２つの特徴量を比較して類似性を表すスコアを算出する方法の詳細については後述する。
次に、判定部１６２４は、登録ＤＢ１５２に保存されている登録特徴量毎に算出した上記スコアのうち、最大のスコアが予め設定された判定閾値を超えていれば、その最大のスコアとなった登録特徴量に関連付けて登録ＤＢ１５２に保存されている部品番号で特定される登録対象部品と部品３００とが同じ個体であると判定する。また、上記最大のスコアが判定閾値を超えていなければ、部品３００と同一の個体の部品は登録ＤＢ１５２に存在しないと判定する。
上記説明では、画像取得部１６２１は、部品３００の右側面全体の撮影画像３０１を取得した。しかし、画像取得部１６２１が、部品３００の右側面の一部や、右側面以外の面、すなわち、上面、下面、手前側面、奥側面、および左側面の何れかの面の全体あるいは一部の撮影画像を取得する場合にも、右側面全体の撮影画像３０１を取得したときと同様の動作が照合部１６２で行われることにより、部品３００が登録ＤＢ１５２に保存された何れの登録対象の部品２００と同一個体であるか否かを判定することができる。その理由は、登録対象の部品２００については、６面のそれぞれの面毎に、その撮影画像から抽出された部品個体固有の登録特徴量が登録ＤＢ１５２に事前に登録されているためである。
図９は、照合部１６２が照合対象とする部品の別の例を示す。この例の部品３１０は、図５に示した登録対象の部品２１０と同じ種類の部品である。
照合部１６２の画像取得部１６２１は、照合作業を行うオペレータの操作に従って或いは照合部１６２の自律動作により、例えば部品３１０の上面の中央部分をその正面からカメラ１１０によって撮影することにより、図９に示すような撮影画像３１１を取得したとする。ここで、撮影画像３１１の画像サイズは任意であるが、ここでは、一例として、縦：３００画素、横：６００画素であったとする。
次に、画像サイズ拡大部１６２２は、撮影画像３１１の画像サイズが、登録画像サイズよりも小さいか否かを判定する。ここでは、登録画像サイズは、部品個体の相違にかかわらず一定であり、そのサイズは、縦：６００画素、横：１８００画素であるとする。この場合、画像サイズ拡大部１６２２は、上記の登録画像サイズを有し、全画素がゼロ値などの所定値を持つ１枚の背景画像に、撮影画像３１１を張り付けた画像を照合画像として生成する。撮影画像３１１を張り付ける場所は任意である。しかし、撮影画像３１１を張り付ける向きは、登録画像のときと同じにする必要がある。図９の例では、背景画像の中央部分に撮影画像３１１を矢印が紙面上を向く向きに張り付けた照合画像３１２が生成されている。
次に、特徴量生成部１６２３は、図８の照合画像３０２から照合特徴量を抽出した方法と同様の方法により、照合画像３１２から画像中に存在するランダムパターンに依存する特徴量を照合特徴量として抽出する。
次に、判定部１６２４は、図８の部品３００において説明した方法と同様の方法により、登録ＤＢ１５２に保存されている登録特徴量毎に、照合特徴量と登録特徴量とを比較することにより、照合特徴量と登録特徴量間の類似性を表すスコアを算出する。そして、判定部１６２４は、登録特徴量毎に算出したスコアに基づいて、部品３１０が登録ＤＢ１５２に保存されている何れの部品と同一個体か否かを判定し、結果を出力する。
上記説明では、画像取得部１６２１は、部品３１０の上面の中央部分の一部を、撮影画像３１１として取得した。しかし、画像取得部１６２１が、照合作業を行うオペレータの操作によって、部品３１０の上面の中央部分以外の領域、例えば、上面の左側や右側などの領域の撮影画像を取得する場合にも、上面の中央部分の撮影画像３１１を取得したときと同様の動作が照合部１６２で行われることにより、部品３１０が登録ＤＢ１５２に保存された何れの登録対象の部品２１０と同一個体であるか否かを判定することができる。その理由は、登録対象の部品２１０については、上面の全領域の撮影画像から抽出された部品個体固有の登録特徴量が登録ＤＢ１５２に事前に登録されているためである。一方、画像取得部１６２１によって部品３１０の下面の画像や側面の画像が取得された場合、部品３１０の個体識別は行えない。その理由は、登録対象の部品２１０については、下面および側面の特徴量が登録ＤＢ１５２に事前に登録されていないためである。そのため、登録対象部品２１０が、その照合時に下面や側面が撮影される可能性がある場合には、下面や側面の特徴量を登録ＤＢ１５２に登録しておいてよい。
図１０は、照合部１６２が照合対象とする部品の更に別の例を示す。この例の部品３２０は、図６に示した登録対象の部品２２０と同じ種類の部品である。
照合部１６２の画像取得部１６２１は、照合作業を行うオペレータの操作に従って或いは照合部１６２の自律動作により、例えば部品３２０の側面の一部をカメラ１１０によって撮影することにより、図１０に示すような撮影画像３２１を取得したとする。ここで、撮影画像３２１の画像サイズは任意であるが、ここでは、一例として、縦：２５０画素、横：３６８画素であったとする。
次に、画像サイズ拡大部１６２２は、撮影画像３２１の画像サイズが、登録画像サイズよりも小さいか否かを判定する。ここでは、登録画像サイズは、部品個体の相違にかかわらず一定であり、そのサイズは、縦：６００画素、横：１８００画素であるとする。この場合、画像サイズ拡大部１６２２は、上記の登録画像サイズを有し、全画素がゼロ値などの所定値を持つ１枚の背景画像に、撮影画像３２１を張り付けた画像を照合画像として生成する。撮影画像３２１を張り付ける場所は任意である。しかし、撮影画像３２１を張り付ける向きは、登録画像のときと同じにする必要がある。図１０の例では、背景画像の中央部分に撮影画像３２１を矢印が紙面上を向く向きに張り付けた照合画像３２２が生成されている。
次に、特徴量生成部１６２３は、図８の照合画像３０２から照合特徴量を抽出した方法と同様の方法により、照合画像３２２から画像中に存在するランダムパターンに依存する特徴量を照合特徴量として抽出する。
次に、判定部１６２４は、図８の部品３００において説明した方法と同様の方法により、登録ＤＢ１５２に保存されている登録特徴量毎に、照合特徴量と登録特徴量とを比較することにより、照合特徴量と登録特徴量間の類似性を表すスコアを算出する。そして、判定部１６２４は、登録特徴量毎に算出したスコアに基づいて、部品３２０が登録ＤＢ１５２に保存されている何れの部品と同一個体か否かを判定し、結果を出力する。
上記説明では、画像取得部１６２１は、部品３２０の側面の一部を、撮影画像３２１として取得した。しかし、画像取得部１６２１が、部品３２０の側面の上記以外の部分や、部品３２０の上面、および下面の撮影画像を取得する場合にも、撮影画像３２１を取得したときと同様の動作が照合部１６２で行われることにより、部品３２０が登録ＤＢ１５２に保存された何れの登録対象の部品２２０と同一個体であるか否かを判定することができる。その理由は、登録対象の部品２２０については、側面と上面と下面の全領域の撮影画像から抽出された部品個体固有の登録特徴量が登録ＤＢ１５２に事前に登録されているためである。
続いて、判定部１６２４の詳細について説明する。
図１１は、判定部１６２４の一例を示すブロック図である。この例の判定部１６２４は、周波数特徴合成部１６２４１と矩形波判定部１６２４２と情報提示部１６２４３とから構成されている。
周波数特徴合成部１６２４１は、登録ＤＢ１５２に登録された登録特徴量毎に、照合特徴量と登録特徴量との正規化クロスパワースペクトルを算出するように構成されている。さらに、周波数特徴合成部１６２４１は、算出した正規化クロスパワースペクトルを量子化し、各要素の値を二値、もしくは三値のデータに変換するように構成されている。
矩形波判定部１６２４２は、周波数特徴合成部１６２４１から得た量子化クロスパワースペクトル毎に、量子化クロスパワースペクトルが、単一の周期を持つ矩形波である程度を示すスコアを算出するように構成されている。さらに、矩形波判定部１６２４２は、算出したスコアに基づいて、照合画像と登録画像との照合を行うように構成されている。例えば、矩形波判定部１６２４２は、複数の登録画像に対応する複数の量子化クロスパワースペクトルについて算出した複数のスコアのうちの最良のスコアが所定の基準値を満たす場合、照合画像と上記最良のスコアとなった登録画像とは少なくとも部分的に一致する（同一の部分画像が存在する）旨の照合結果を導出する。他方、矩形波判定部１６２４２は、上記最良のスコアが所定の基準値を満たさない場合、照合画像と部分的に一致する登録画像は登録ＤＢ１５２に存在しない旨の照合結果を導出する。
情報提示部１６２４３は、矩形波判定部１６２４２から得た照合結果を提示するように構成されている。
続いて、周波数特徴合成部１６２４１および矩形波判定部１６２４２の詳細を説明する前に、照合画像および登録画像を周波数変換して生成された照合特徴量および登録特徴量について説明する。
今、照合画像および登録画像を、Ｎ1×Ｎ2ピクセルの２つの画像ｆ（ｎ1，ｎ2）および画像ｇ（ｎ1，ｎ2）とする。また、２次元画像信号の離散空間インデックス（整数）を、ｎ1＝－Ｍ1，…，Ｍ1およびｎ2＝－Ｍ2，…，Ｍ2とする。ただし、Ｍ1およびＭ2は正の整数であり、Ｎ1＝２Ｍ1＋１およびＮ2＝２Ｍ2＋１である。そうすると、画像ｆ（ｎ1，ｎ2）を２次元離散フーリエ変換して得られる第１の周波数特徴Ｆ（ｋ1，ｋ2）、および画像ｇ（ｎ1，ｎ2）を２次元離散フーリエ変換して得られる第２の周波数特徴Ｇ（ｋ1，ｋ2）は、図１２に示す式１、式２で与えられる。ここで、第１の周波数特徴Ｆ（ｋ1，ｋ2）が照合特徴量に相当し、第２の周波数特徴Ｇ（ｋ1，ｋ2）が登録特徴量に相当する。式１、式２において、ｋ1＝－Ｍ1，…，Ｍ1およびｋ2＝－Ｍ2，…，Ｍ2は離散周波数インデックス（整数）である。また、ＷN1およびＷN2は回転因子であり、図１２に示す式３、式４で与えられる。また、ＡF（ｋ1，ｋ2）およびＡG（ｋ1，ｋ2）は振幅スペクトル（振幅成分）、θF（ｋ1，ｋ2）およびθG（ｋ1，ｋ2）は位相スペクトル（位相成分）をそれぞれ表す。また、Σn1,n2は、図１２の式５に示すようにインデックス全域にわたる加算を表す。
図１３は、振幅成分ＡF（ｋ1，ｋ2）およびＡG（ｋ1，ｋ2）、位相成分θF（ｋ1，ｋ2）およびθG（ｋ1，ｋ2）のイメージの例を示す。
次に、周波数特徴合成部１６２４１について詳細に説明する。
図１４は、周波数特徴合成部１６２４１の一例を示すブロック図である。この例の周波数特徴合成部１６２４１は、合成部１６２４１１と、量子化部１６２４１２とで構成される。
合成部１６２４１１は、第１の周波数特徴Ｆ（ｋ1，ｋ2）と第２の周波数特徴Ｇ（ｋ1，ｋ2）の正規化クロスパワースペクトルＲ（ｋ1，ｋ2）を、図１５に示す式６により算出する。式６において、オーバーラインＧ（ｋ1，ｋ2）は第２の周波数特徴Ｇ（ｋ1，ｋ2）の複素共役である。また、θF（ｋ1，ｋ2）－θG（ｋ1，ｋ2）は第１の周波数特徴と第２の周波数特徴の位相差スペクトルである。式６に示されるように、周波数特徴合成部１６２４１は、第１の周波数特徴Ｆ（ｋ1，ｋ2）と、第２の周波数特徴Ｇ（ｋ1，ｋ2）の複素共役の要素ごとの積である、クロスパワースペクトルを求め、さらにその絶対値で正規化することにより、正規化クロスパワースペクトルを算出する。
ところで、画像ｆ（ｎ1，ｎ2）と画像ｇ（ｎ1，ｎ2）が位置ずれを伴う同一画像ペアの場合、それらの周波数特徴Ｆ（ｋ1，ｋ2）、周波数特徴Ｇ（ｋ1，ｋ2）、ならびにその２つの正規化クロスパワースペクトルＲ（ｋ1，ｋ2）は、図１６に示す式７、式８、式９で与えられる。ここで、δ1、δ2は画像ｆ（ｎ1，ｎ2）と画像ｇ（ｎ1，ｎ2）間の位置ずれ量である。即ち、画像ｇ（ｎ1，ｎ2）は画像ｆ（ｎ1，ｎ2）を（δ1，δ2）だけ平行移動させた画像である。式９に示されるように、照合を行う２つの周波数特徴Ｆ（ｋ1，ｋ2）、Ｇ（ｋ1，ｋ2）が同一画像ペアの場合、その正規化クロスパワースペクトルＲ（ｋ1，ｋ2）は、次元ごと（ｋ1，ｋ2ごと）に単一の周期を持つ複素正弦波として表現される。これに対して、照合を行う２つの周波数特徴Ｆ（ｋ1，ｋ2）、Ｇ（ｋ1，ｋ2）が同一画像ペアでない場合、その正規化クロスパワースペクトルＲ（ｋ1，ｋ2）は、次元ごとに単一の周期を持つ複素正弦波にはならない。また、照合を行う２つの画像ペアが、周波数領域上の特定帯域に該当する要素において相関を持つ場合、周波数特徴Ｆ（ｋ1，ｋ2）、Ｇ（ｋ1，ｋ2）の正規化クロスパワースペクトルＲ（ｋ1，ｋ2）は、単一の周期を持つ複素正弦波が部分的に出現するパターンになる。
図１７は、同一画像ペアの正規化クロスパワースペクトルＲ（ｋ1，ｋ2）のイメージの例を示す。このように同一画像ペアの正規化クロスパワースペクトルは、明るい箇所を山、暗い箇所を谷に見立てると、単一の周期を持つ波のようなイメージである。また、照合を行う２つの画像ペアが、周波数領域上の特定帯域に該当する要素において相関を持つ場合、部分的に一致する画像ペアの正規化クロスパワースペクトルでは、波のようなイメージが全体でなく部分的に出現する。
量子化部１６２４１２は、合成部１６２４１１で得られた正規化クロスパワースペクトルの各要素を二値または三値のデータに量子化する。このような量子化を行う方法は任意である。例えば、以下のような量子化方法を使用してよい。
量子化部１６２４１２は、合成部１６２４１１で得られた正規化クロスパワースペクトルの各要素の値（実部および虚部から構成される）を、各要素の実部および虚部のうち予め定められた側を二値あるいは三値に量子化した値で置き換える。例えば、ある要素Ｕの値をＡ＋Ｂｊとする。ここで、Ａ、Ｂは実数であり、ｊは虚数単位である。要素Ｕを二値に量子化する場合、量子化部１６２４１２は、例えばＡ≧０ならば、Ａ＋Ｂｊを「＋１」に変換し、Ａ＜０ならば、Ａ＋Ｂｊを「－１」に変換する。この例では、実部の実数Ａの符号に基づいて二値に量子化したが、虚部の実数Ｂの符号に基づいて二値に量子化してもよい。また、要素Ｕを三値に量子化する場合、量子化部１６２４１２は、例えばＡ＞０ならば、Ａ＋Ｂｊを「＋１」に変換し、Ａ＝０ならば、Ａ＋Ｂｊを「０」に変換し、Ａ＜０ならば、Ａ＋Ｂｊを「－１」に変換する。この例では、実部の実数Ａの符号に基づいて二値に量子化したが、虚部の実数Ｂの符号に基づいて二値に量子化してもよい。以上のような量子化方法によれば、量子化部１６２４１２は、合成部１６２４１１で得られた正規化クロスパワースペクトルの各要素を、1ビットあるいは2ビットのデータとして表現する。
量子化部１６２４１２が正規化クロスパワースペクトルの各要素を二値または三値のデータに量子化する理由は、以下の通りである。
通常、正規化クロスパワースペクトルＲ（ｋ1，ｋ2）の各要素の実部および虚部は実数値（浮動小数）として計算され、各要素を表現するためには多くのビットを要する（例えば、倍精度浮動小数では64bit、単精度浮動小数では32bitのデータ）。画像間の位置ずれ量を正確に求める画像間の位置合わせの用途においては、正規化クロスパワースペクトルを複素正弦波として誤差を極力抑えて求め、その複素正弦波の周期を精度よく求めることが重要となる。一方、本発明の実施形態のように、二つの画像が同一か否かを判定する用途では、正規化クロスパワースペクトルを複素正弦波として正確に算出する必要はない。すなわち、正規化クロスパワースペクトルが繰り返しのある周期的なデータとして分布しているかどうかが重要である。正規化クロスパワースペクトルの各要素を二値、あるいは三値のデータに量子化し、各要素の情報量を落としても、得られるデータの分布が周期的な繰り返し模様として分布しているかどうかは判別可能である。このため、情報を落としても照合や識別の精度が極端に悪化することはない。これを踏まえ、本実施形態では、量子化部１６２４１２によって、合成部１６２４１１で得られた正規化クロスパワースペクトルの各要素を二値、あるいは三値のデータに量子化する。
図１８は、同一画像ペアの正規化クロスパワースペクトルＲ（ｋ1，ｋ2）を二値データに量子化したイメージの例を示す。このように、同一画像ペアの正規化クロスパワースペクトルを二値に量子化したデータにおいても、明るい箇所を山、暗い箇所を谷に見立てた単一の周期を持つ波のパターンが保持できる。したがって、従来、32bitもしくは64bitで表現された実数データである正規化クロスパワースペクトルを、二値（1bit）もしくは三値（2bit）に量子化しそのデータ量を削減しても、入力された画像間の相関有無を、精度を落とすことなく判別することができる。すなわち、相関を持つ同一画像ペアと、無相関の異なる画像ペアとの判別を、少ないデータ量で精度を損なうことなく実現できる。
次に、矩形波判定部１６２４２について詳細に説明する。前述したように、矩形波判定部１６２４２は、周波数特徴合成部１６２４１が算出した、要素が二値、または三値に量子化された正規化クロスパワースペクトルに対して、単一周期を持つ矩形波であるかの度合いを数値化し、スコアとして出力する。
＜矩形波判定部１６２４２の例１＞
図１９は、矩形波判定部１６２４２の一例を示すブロック図である。この例の矩形波判定部１６２４２は、例えば、アダマール行列を用いた直交変換を行う直交変換部１６２４２１で構成される。アダマール行列は、「＋１」「－１」を成分とし、各行が互いに直交である正方行列である。アダマール行列Ｈmをｍ×ｍ行列として、ｍ＝２P（Ｐは正の整数）の場合を考えると、アダマール行列Ｈmは図２０の式１０、式１１として定義される。
直交変換部１６２４２１は、二値、または三値に量子化された正規化クロスパワースペクトルに対してアダマール行列を用いた直交変換を行い、その出力の最大値をスコアとして出力するように構成されている。量子化された正規化クロスパワースペクトルが単一の周期を有する矩形波である場合、直交変換部１６２４２１の出力には上記周期に鋭いピーク値が出現する。他方、量子化された正規化クロスパワースペクトルが単一の周期を有する矩形波でない場合、直交変換部１６２４２１の出力には鋭いピーク値は出現しない。そのため、直交変換部１６２４２１の出力の最大値は、量子化された正規化クロスパワースペクトルが単一の周期を有する矩形波である程度を表すスコアとすることができる。直交変換部１６２４２１は、算出したスコアに基づいて画像の照合を行う。
直交変換部１６２４２１が行うアダマール行列を用いた直交変換は、図２１の式１２で記述される。式１２において、ＨNはアダマール行列、ＸはＮ×Ｎの入力信号（量子化クロスパワースペクトル）、ＹはＮ×Ｎの出力信号（スコア）である。式１２の演算は、二値（「＋１」「－１」）に量子化された正規化クロスパワースペクトルの場合、排他的論理和(XOR)といった論理演算とビットカウント、ならびに加減算の組み合わせによって実行することができるため、高速に処理が可能である。また、式１２の演算は、三値（「＋１」「０」「－１」）に量子化された正規化クロスパワースペクトルの場合、「０」の値を持つ要素については演算を行わず、「＋１」「－１」の要素に対して排他的論理和(XOR)といった論理演算とビットカウント、ならびに加減算の組み合わせによって実行することができるため、高速に処理が可能である。
＜矩形波判定部１６２４２の例２＞
図２２は、矩形波判定部１６２４２の他の例を示すブロック図である。この例の矩形波判定部１６２４２は、循環シフト処理部１６２４２２と類似度算出部１６２４２３とから構成されている。
循環シフト処理部１６２４２２は、各要素が二値、または三値に量子化された正規化クロスパワースペクトル（以下、循環シフト前データと記す）を入力し、キャリーなしローテート操作などによって要素を循環シフトした量子化クロスパワースペクトル（以下、循環シフト後データと記す）を出力するように構成されている。また、循環シフト処理部１６２４２２は、循環シフト量を様々に変更することによって、循環シフト量の異なる複数の循環シフト後データを出力するように構成されている。
類似度算出部１６２４２３は、循環シフト前データと循環シフト量の異なる複数の循環シフト後データとを入力し、循環シフト前データと複数の循環シフト後データとの複数の類似度を計算するように構成されている。また、類似度算出部１６２４２３は、計算した複数の類似度のうちの最大の類似度をスコアとして出力するように構成されている。類似度算出部１６２４２３は、算出したスコアに基づいて画像の照合を行う。
循環シフト前データが単一の周期を持つ矩形波である場合、循環シフト処理部１６２４２２によって循環シフト前データを循環シフトさせると、循環シフト前データと同じ単一の周期を持つ矩形波が循環シフト後データとして周期的に現れる。一方、循環シフト前データが単一の周期を持つ矩形波でない場合、循環シフト処理部１６２４２２によって循環シフト前データを様々なシフト量に循環シフトさせても、循環シフト前データと同じパターンの循環シフト後データは現れない。したがって、循環シフト前データと循環シフト後データとの類似度計算を、循環シフト量を変えながら繰り返し、その類似度の最大値をスコアとすることで、量子化クロスパワースペクトルが単一の周期を有する矩形波である程度を表すスコアを算出することができる。
上述した循環シフト処理部１６２４２２は、ビットシフト演算で実装できる。また、上述した類似度算出部１６２４２３は、循環シフト前後のデータ間のハミング距離を算出する排他的論理和（XOR）およびビットカウント演算で実装できる。そのため、実数データに対する自己相関演算より高速な計算が可能である。
＜矩形波判定部１６２４２の例３＞
図２３は、矩形波判定部１６２４２の更に別の例を示すブロック図である。この例の矩形波判定部１６２４２は、矩形波パターン記憶部１６２４２４と類似度算出部１６２４２５とから構成されている。
矩形波パターン記憶部１６２４２４は、複数の基準矩形波パターンを記憶するように構成されている。或る１つの基準矩形波パターンは、位置ずれ量が或る値である同一画像ペアの正規化クロスパワースペクトルの各要素を二値または三値に量子化した量子化クロスパワースペクトルである。矩形波パターン記憶部１６２４２４に記憶されている複数の基準矩形波パターンは、互いに上記位置ずれ量が相違している。
類似度算出部１６２４２５は、周波数特徴合成部１６２４１から、各要素が二値、または三値に量子化された正規化クロスパワースペクトル（以下、照合矩形波パターンと記す）を入力するように構成されている。また、類似度算出部１６２４２５は、矩形波パターン記憶部１６２４２４から複数の基準矩形波パターンを入力するように構成されている。また、類似度算出部１６２４２５は、入力した照合矩形波パターンと複数の基準矩形波パターンとの複数の類似度を計算し、複数の類似度のうちの最大の類似度をスコアとして出力するように構成されている。照合矩形波パターンおよび基準矩形波パターンとの類似度は、例えばハミング距離計算によって行うことができる。類似度算出部１６２４２５は、算出したスコアに基づいて画像の照合を行う。
同一個体ペア、すなわち入力した二つの画像に相関がある場合、その正規化クロスパワースペクトルは単一周期を持つ矩形波のパターンとなり、その周期は二つの画像間の位置ずれ量に対応する。したがって、撮影時の位置ずれ量について、その繰り返し誤差の範囲を求めることで、相関がある場合に生じる矩形波のパターンを類推することができる。これらパターンを事前に基準矩形波パターンとして矩形波パターン記憶部１６２４２４に記憶しておき、類似度算出部１６２４２５によって、照合矩形波パターンとのハミング距離計算を行い、その距離に基づき、照合矩形波パターンが単一周期を有する矩形波である程度を表すスコアを算出し判別する。
上述した判定部１６２４によれば、照合画像と登録画像との照合を高速に行うことができる。その理由は、照合画像の周波数特徴と登録画像の周波数特徴との正規化クロスパワースペクトルを量子化し、この量子化したクロスパワースペクトルが単一周期の矩形波である程度を表すスコアを算出し、そのスコアに基づいて照合画像と登録画像との照合を行うためである。すなわち、判定部１６２４では、量子化部１６２４１２によって、合成部１６２４１１で得られた正規化クロスパワースペクトルの各要素を二値、あるいは三値のデータに量子化するため、正規化クロスパワースペクトルを量子化しないでその正規化クロスパワースペクトルが単一周期を有する複素正弦波かどうかを判定する方法と比較して、矩形波判定部１６２４２で処理するデータ量を、大幅に削減することができる。
上記説明では、周波数特徴合成部１６２４１は、照合画像の周波数特徴と登録画像の周波数特徴との正規化クロスパワースペクトルの各要素を二値、あるいは三値のデータに量子化することによって、量子化クロスパワースペクトルを算出した。しかし、照合画像の周波数特徴と登録画像の周波数特徴とのクロスパワースペクトルを計算後、振幅成分で正規化することなく、クロスパワースペクトルの各要素の符号（＋，－）から「＋１，－１」あるいは「＋１，０，－１」に変換しても、上記と同様の量子化クロスパワースペクトルを算出することができる。従って、周波数特徴合成部１６２４１は、照合画像の周波数特徴と登録画像の周波数特徴とのクロスパワースペクトルを計算後、各要素の実部，虚部の少なくともどちらか一方の符号（＋，－）に基づき、二値もしくは三値に量子化するように構成されていてもよい。
このように本実施形態によれば、照合対象の部品が登録対象の部品と同一か否かを判定する個体識別装置の利便性を高めることができる。その理由は、照合部１６２は、照合対象の部品の所定領域の一部を撮影した照合画像に類似する部分画像が、登録対象の部品の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出し、そのスコアに基づいて、照合対象の部品が登録対象の部品と同一か否かを判定するためである。すなわち、照合の際、部品の所定領域の全領域を撮影する必要がなく、所定領域の一部を撮影すればよいためである。
また、本実施形態によれば、異なる部品を識別できる度合いである識別能力が低下するのを防止することができる。その理由は、照合対象の部品の特定領域の一部の領域は、できるだけ多くの部品個体に関して、異なる部品を識別できる度合いである識別能力を確保するために必要なランダムパターンが得られる最低面積以上の面積の領域としているためである。
また、本実施形態によれば、本発明に関連する個体識別方法と比較して、照合対象の部品が登録対象の部品と同一か否かを高速に判定することができる。その理由は、以下の通りである。
本発明に関連する個体識別方法では、例えば図８に示される直方体状の部品３００の照合では、上面、下面、手前側面、奥側面、左側面、右側面の合計６面の撮影画像を取得し、登録ＤＢ１５２に保存された登録対象の部品毎に、同じ面の撮影画像どうしを比較しなければならない。しかしながら、照合対象の部品３００の各面と登録対象の部品２００の各面とを正確に１対１に関連付けることができないことがある。例えば、直方体形状の部品の上面と下面とは同形状かつ同サイズであり、区別がつかない。そのため、照合時には、以下に例示するように、照合対象の部品３００から取得した面の撮影画像毎に、その面の撮影画像を登録対象部品の１つの面でなく、複数の面と比較しなければならないことがある。その結果、比較する画面サイズが増大し、比較処理に要する時間が増大することになる。
（１）部品３００の上面の撮影画像（600画素×400画素）と部品２００の上面の撮影画像（600画素×400画素）との比較
（２）部品３００の上面の撮影画像（600画素×400画素）と部品２００の下面の撮影画像（600画素×400画素）との比較
（３）部品３００の下面の撮影画像（600画素×400画素）と部品２００の上面の撮影画像（600画素×400画素）との比較
（４）部品３００の下面の撮影画像（600画素×400画素）と部品２００の下面の撮影画像（600画素×400画素）との比較
（５）部品３００の手前側面の撮影画像（600画素×300画素）と部品２００の手前側面の撮影画像（600画素×300画素）との比較
（６）部品３００の手前側面の撮影画像（600画素×300画素）と部品２００の奥側面の撮影画像（600画素×300画素）との比較
（７）部品３００の奥側面の撮影画像（600画素×300画素）と部品２００の手前側面の撮影画像（600画素×300画素）との比較
（８）部品３００の奥側面の撮影画像（600画素×300画素）と部品２００の奥側面の撮影画像（600画素×300画素）との比較
（９）部品３００の左側面の撮影画像（400画素×300画素）と部品２００の左側面の撮影画像（400画素×300画素）との比較
（10）部品３００の左側面の撮影画像（400画素×300画素）と部品２００の右側面の撮影画像（400画素×300画素）との比較
（11）部品３００の右側面の撮影画像（400画素×300画素）と部品２００の左側面の撮影画像（400画素×300画素）との比較
（12）部品３００の右側面の撮影画像（400画素×300画素）と部品２００の右側面の撮影画像（400画素×300画素）との比較
これに対して、本実施形態によれば、例えば図８に示される直方体状の部品３００の照合では、以下の比較を行うだけでよい。
（１）部品３００の照合画像（1800画素×600画素）と部品２００の登録画像（1800画素×600画素）との比較
すなわち、本実施形態では、登録対象の部品の異なる複数の面から取得した撮影画像を並べて１枚の画像とした登録画像から抽出した登録特徴量と上記複数の面の何れか１つの面から取得した画像を拡大した照合画像から抽出した登録特徴量とを周波数合成して算出したクロスパワースペクトルに基づいて、照合対象の部品が登録対象の部品と同一か否かを判定する。このように、登録対象の部品を撮影した撮影画像の枚数にかかわらず、１枚の登録画像と１枚の照合画像とを照合することにより、登録対象の部品を撮影した複数枚の撮影画像それぞれについて、照合画像と照合することを複数回繰り返す方法に比べて、オーバーヘッドを低減することができる。ここで、登録対象の部品の異なる複数の面から取得した撮影画像を並べて１枚の登録画像にしても照合に何らの支障が生じない理由は、部品個体の表面に存在するランダムパターンは、文字通りランダムなパターンであり、同一のものを故意に作り出すことが極めて困難なためである。即ち、部品の互いに異なる領域の画像を任意に配列し、また、画像間にゼロ値などの所定値を挟み込んでも、他の個体の表面に存在するランダムパターンと同一のランダムパターンが作り出されてしまうことがないためである。
続いて、本実施形態の変形例について説明する。
上記説明では、登録部１６１は、登録対象の部品毎に、その部品の所定領域を撮影した画像から抽出した特徴量を登録ＤＢ１５２に保存した。しかし、登録部１６１は、特徴量を登録ＤＢ１５２に保存する代わりに、特徴量の抽出元の登録画像を登録ＤＢ１５２に保存するように構成されていてよい。その場合、特徴量生成部１６１３は省略してよい。また、照合部１６２の判定部１６２４は、特徴量生成部１６２３によって生成された照合特徴量と比較する登録特徴量を、登録ＤＢ１５２に保存された登録画像から特徴量生成部１６２３を使用して照合時に生成するように構成されていてよい。
上記説明では、照合部１６２の判定部１６２４は、照合画像から抽出した特徴量と登録画像から抽出した特徴量とを比較することにより、照合画像に類似する部分画像が登録画像中に存在する程度を表すスコアを算出した。しかし、照合部１６２の判定部１６２４は、照合画像と登録画像とをテンプレートマッチングなどの手法を用いて比較することにより、照合画像に類似する部分画像が登録画像中に存在する程度を表すスコアを算出するように構成されていてよい。
上記説明では、１台の個体識別装置１００が、登録部１６１、および照合部１６２を備えていた。しかし、登録部１６１を備え、照合部１６２を備えない個体識別装置や、照合部１６２を備え、登録部１６１を備えない個体識別装置があってもよい。
［第２の実施の形態］
図２４は、本発明の第２の実施形態に係る個体識別装置４００のブロック図である。図２４を参照すると、個体識別装置４００は、カメラ４１０と、通信Ｉ／Ｆ部４２０と、操作入力部４３０と、画面表示部４４０と、記憶部４５０と、演算処理部４６０とから構成されている。そのうち、カメラ４１０と通信Ｉ／Ｆ部４２０と操作入力部４３０と画面表示部４４０とは、図１の個体識別装置１００のカメラ１１０と通信Ｉ／Ｆ部１２０と操作入力部１３０と画面表示部１４０と同様に構成されている。
記憶部４５０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４６０における各種処理に必要な処理情報およびプログラム４５１を記憶するように構成されている。プログラム４５１は、演算処理部４６０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４２０などのデータ入出力機能を介して図示しない外部装置や記録媒体から予め読み込まれて記憶部４５０に保存される。記憶部４５０に記憶される主な処理情報には、登録ＤＢ（データベース）４５２がある。
登録ＤＢ４５２は、登録対象の部品をカメラ４１０によって撮影した画像から生成した部品個体固有の登録画像を個体番号に関連付けて保存するデータベースである。
演算処理部４６０は、ＭＰＵなどのプロセッサとその周辺回路を有し、記憶部４５０からプログラム４５１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４５１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４６０で実現される主な処理部は、登録部４６１、および照合部４６２である。
登録部４６１は、登録対象の部品を撮影した画像から部品個体固有の特徴量を生成し、生成した特徴量を部品の個体番号に関連付けて登録ＤＢ４５２に登録するように構成されている。登録部４６１は、画像取得部４６１１と特徴量生成部４６１２と画像結合部４６１３とを有する。そのうち、画像取得部４６１１は、図１の画像取得部１６１１と同様に構成されている。即ち、画像取得部４６１１は、登録対象の部品毎に、部品の所定領域を必要に応じて複数回に分けて撮影した複数の画像をカメラ４１０から取得するように構成されている。
特徴量生成部４６１２は、登録対象の部品毎に、画像取得部４６１１によって生成された撮影画像から画像中に存在するランダムパターンに依存する特徴量を抽出するように構成されている。具体的には、特徴量生成部４６１２は、撮影画像毎に、その撮影画像に対してフーリエ・メリン変換を施して得られるフーリエ・メリン特徴画像を特徴量として取得する。例えば、特徴量生成部４６１２は、撮影画像に対して周波数変換（例えば離散フーリエ変換）を施すことによって、周波数領域に変換した結果の２次元振幅スペクトルを算出する。次に、特徴量生成部４６１２は、上記２次元振幅スペクトルに対して極座標変換あるいは対数極座標変換を施して、フーリエ・メリン特徴画像を算出する。元の撮影画像の倍率、回転の変化は、フーリエ・メリン特徴画像においては平行移動の変化に変換される。
画像結合部４６１３は、登録対象の部品毎に、特徴量生成部４６１２によって生成された撮影画像毎のフーリエ・メリン特徴画像を並べて１枚の画像とした登録画像を生成するように構成されている。また、画像結合部４６１３は、登録対象の部品毎に、登録画像を部品の個体番号に関連付けて登録ＤＢ４５２に登録するように構成されている。
照合部４６２は、照合対象の部品の所定領域の少なくとも一部を撮影した画像に類似する部分画像が、登録対象の部品の所定領域を撮影した画像中に存在する程度を表すスコアを算出するように構成されている。また、照合部４６２は、上記スコアに基づいて、照合対象の部品が登録対象の部品と同一か否かを判定するように構成されている。照合部４６２は、画像取得部４６２１と特徴量生成部４６２２と画像サイズ拡大部４６２３と判定部４６２４とを有する。
画像取得部４６２１は、照合対象の部品の所定領域の少なくとも一部を撮影した画像をカメラ４１０から取得するように構成されている。ここで、所定領域の少なくとも一部は、できるだけ多くの部品個体に関して、異なる部品を識別できる度合いである識別能力を確保するために必要なランダムパターンが得られる最低面積以上の面積の領域であることが望ましい。
特徴量生成部４６２２は、画像取得部４６２１によって取得された撮影画像から画像中に存在するランダムパターンに依存する特徴量を抽出するように構成されている。具体的には、特徴量生成部４６２２は、撮影画像に対してフーリエ・メリン変換を施すことによってフーリエ・メリンと特徴画像を生成するように構成されている。
画像サイズ拡大部４６２２は、特徴量生成部４６２２によって生成されたフーリエ・メリン特徴画像のサイズが、登録画像のサイズよりも小さい場合、登録画像と同じサイズに拡大することにより、照合画像を生成するように構成されている。例えば、画像サイズ拡大部４６２２は、特徴量生成部４６２２によって生成されたフーリエ・メリン特徴画像を、登録画像と同じサイズを有し全画素がゼロ値などの所定値を持つ１枚の背景画像に張り付けた合成画像を照合画像として生成するように構成されている。換言すれば、画像サイズ拡大部４６２２は、例えば、ゼロ値などの所定値を持つ画素を連結することによって特徴量生成部４６２２によって生成されたフーリエ・メリン特徴画像のサイズを、登録画像と同じサイズに拡大した画像を生成するように構成されている。
判定部４６２４は、登録ＤＢ４５２に保存されている登録画像毎に、画像サイズ拡大部４６２３によって生成された照合画像と登録画像間の類似する程度を表すスコアを算出し、そのスコアに基づいて、照合対象部品が何れの登録対象部品と同一であるか否かを判定するように構成されている。判定部４６２４は、図１の判定部１６２４と同様な方法で上記スコアを算出してよい。あるいは、判定部４６２４は、照合画像と登録画像とを合成してクロスパワースペクトルを算出し、そのクロスパワースペクトルが単一の周期を持つ波である程度を表すスコアを、照合画像と登録画像間の類似性を表すスコアとして算出してよい（例えば、特許文献２参照）。あるいは、判定部４６２４は、上記クロスパワースペクトルに対して逆フーリエ変換を施すことにより相関値マップを算出し、相関値マップにおける最大値ピークの有無およびピークの鋭さの評価値を算出し、最終的に照合画像と登録画像間の類似性を表すスコアを算出してもよい。また、判定部４６２４は、判定結果を画面表示部４４０に表示し、または／および、通信Ｉ／Ｆ部４２０を通じて外部の装置に出力するように構成されている。
続いて、個体識別装置４００の動作を説明する。個体識別装置４００の動作は、登録動作と照合動作の２つに大別される。図２５は、個体識別装置４００の登録動作の一例を示すフローチャートである。また、図２６は、個体識別装置４００の照合動作の一例を示すフローチャートである。
先ず、個体識別装置４００の登録動作を説明する。登録動作では、図２５に示されるように、画像取得部４６１１は、登録対象の部品毎に、部品の所定領域を必要に応じて複数回に分けて撮影した複数の画像をカメラ４１０から取得する（ステップＳ１１）。次に、特徴量生成部４６１２は、登録対象の部品毎に、画像取得部４６１１によって生成された撮影画像から画像中に存在するランダムパターンに依存するフーリエ・メリン特徴画像を算出する（ステップＳ１２）。次に、画像結合部４６１３は、登録対象の部品毎に、特徴量生成部４６１２によって生成された撮影画像毎のフーリエ・メリン特徴画像を並べて１枚の画像とした登録画像を生成し、部品の個体番号に関連付けて登録ＤＢ４５２に保存する（ステップＳ１３）。以上で登録動作が終了する。
次に、照合動作を説明する。照合動作では、図２６に示されるように、先ず、画像取得部４６２１は、照合対象の部品の所定領域の少なくとも一部を撮影した画像をカメラ４１０から取得する（ステップＳ１４）。次に、特徴量生成部４６２２は、画像取得部４６２１によって取得された撮影画像からフーリエ・メリン特徴画像を生成する（ステップＳ１５）。次に、画像サイズ拡大部４６２２は、特徴量生成部４６２２によって生成されたフーリエ・メリン特徴画像を登録画像と同じサイズに拡大して照合画像を生成する（ステップＳ１６）。次に、判定部４６２４は、登録ＤＢ４５２に保存されている登録画像毎に、画像サイズ拡大部４６２３によって生成された照合画像と登録画像間の類似する程度を表すスコアを算出する（ステップＳ１７）。次に、判定部４６２４は、上記スコアに基づいて、照合対象部品が何れの登録対象部品と同一であるか否かを判定する（ステップＳ１８）。次に、判定部４６２４は、判定結果を出力する（ステップＳ１９）。
続いて、登録部４６１、および照合部４６２をより詳細に説明する。
先ず、登録部４６１について詳細に説明する。
図２７は、登録部４６１が登録対象とする部品４００の例を示す。この例の部品４００は、図４に示した部品２００と同じ部品である。本例では、部品４００の６面の全領域から部品個体固有のランダムパターンに依存するフーリエ・メリン特徴画像を抽出する。即ち、部品４００の所定領域は、６面全体である。
登録部４６１の画像取得部４６１１は、登録作業を行うオペレータの操作に従って或いは登録部４６１の自律動作により、部品４００の面毎に、その面を正面からカメラ４１０によって撮影することにより、各面の撮影画像を取得する。次に、特徴量生成部４６１２は、各面の撮影画像から各面のフーリエ・メリン特徴画像を生成する。即ち、特徴量生成部４６１２は、図２７に示すように、上面の撮影画像のフーリエ・メリン特徴画像５０１、下面の撮影画像のフーリエ・メリン特徴画像５０２、手前側面の撮影画像のフーリエ・メリン特徴画像５０３、奥側面の撮影画像のフーリエ・メリン特徴画像５０４、左側面の撮影画像のフーリエ・メリン特徴画像５０５、および、右側面の撮影画像のフーリエ・メリン特徴画像５０６を生成する。図２７では、フーリエ・メリン特徴画像に太い矢印が記載されている。この太い矢印は、フーリエ・メリン特徴画像の向きを定めるための便宜上の記号である。図２８などの他の図面における太い矢印も同様である。
次に、画像結合部４６１３は、上記６枚のフーリエ・メリン特徴画像を並べて、登録画像を生成し、登録ＤＢ１５２に保存する。直方体の６面のように隣接する面の境界を跨って照合画像が生成されることがない複数の面の撮影画像のフーリエ・メリン特徴画像の場合、並べる順序や間隔などは任意である。但し、フーリエ・メリン特徴画像の向きは、同じ種類の部品の同じ撮影画像毎に決められた向きに統一する必要がある。また、複数のフーリエ・メリン特徴画像は互いに重ならないようにする必要がある。図２７に示す登録画像２０７の例では、フーリエ・メリン特徴画像５０１、５０２、５０３、５０４を互いに接し且つ矢印が紙面左を向く向きに一列に並べ、その一方の端に、二列に並べたフーリエ・メリン特徴画像５０５、５０６を矢印が紙面上を向く向きに配列することにより、登録画像５０７が生成されている。
図２８は、登録部４６１が登録対象とする部品の他の例を示す。この例の部品５１０は、図５に示した部品２１０と同じ部品である。本例では、部品５１０の表面の全領域から部品個体固有のランダムパターンに依存するフーリエ・メリン特徴画像を抽出する。即ち、部品５１０の所定領域は、表面全体である。
登録部４６１の画像取得部４６１１は、登録作業を行うオペレータの操作に従って或いは登録部４６１の自律動作により、カメラ４１０によって部品５１０の表面全体を撮影した１枚の撮影画像５１１を取得する。次に、特徴量生成部４６１３は、前述した方法と同様の方法によって、撮影画像５１１からフーリエ・メリン特徴画像を生成する。次に、画像結合部４６１３は、特徴量生成部４６１３によって生成されたフーリエ・メリン特徴画像が１枚だけなので、例えば、フーリエ・メリン特徴画像そのものを登録画像５１２とし、登録ＤＢ４５２に保存する。
図２９は、登録部４６１が登録対象とする部品の更に別の例を示す。この例の部品５２０は、図６の部品２２０と同じ部品である。部品５２０の表面は、上面、下面、および側面の合計３面から構成される。本例では、これら３面の全領域からフーリエ・メリン特徴画像を抽出する。即ち、部品５２０の所定領域は、表面全体である。
登録部４６１の画像取得部４６１１は、登録作業を行うオペレータの操作に従って或いは登録部４６１の自律動作により、カメラ４１０によって部品５２０の上面の撮影画像５２１、側面全体を１周以上にわたって網羅する側面の撮影画像５２２、下面の撮影画像５２３の合計３枚の撮影画像を取得する。次に、特徴量生成部４６１３は、前述した方法と同様の方法によって、撮影画像５２１、５２２、５２３のそれぞれからフーリエ・メリン特徴画像５２４、５２５、５２６を生成する。
次に、画像結合部４６１２は、上記３枚のフーリエ・メリン特徴画像５２４～５２６を並べて１枚にした登録画像５２７を生成する。本例では、画像結合部４６１２は、予め用意された規定サイズの背景画像に上記３枚のフーリエ・メリン特徴画像を互いに重ならないように張り付けることによって、既定サイズの登録画像を生成する。上記背景画像は、全画素の値が所定値である画像である。所定値としては、例えばゼロ値を使用してよい。或いは、ランダムパターンに影響を与えないのであれば、ゼロ値以外の一定値であってもよい。図２９に示す登録画像５２７の例では、背景画像の上側に側面のフーリエ・メリン特徴画像５２７を張り付け、下側の領域に上面および下面のフーリエ・メリン特徴画像５２４、５２６を張り付けている。図２９において、登録画像５２７上のドットを付した領域は、何れの撮影画像も張り付けられていない、ゼロ値を有する画素の領域を示す。
３枚のフーリエ・メリン特徴画像５２４～５２６を背景画像上に並べる順序や間隔は任意である。但し、フーリエ・メリン特徴画像の向きは、同じ種類の部品の同じ撮影画像毎に決められた向きに統一する必要がある。また、複数のフーリエ・メリン特徴画像は互いに重ならないようにする必要がある。
続いて、照合部４６２について詳細に説明する。
図３０は、照合部４６２が照合対象とする部品の例を示す。この例の部品６００は、図２７に示した登録対象の部品５００と同じ種類の部品である。
照合部４６２の画像取得部４６２１は、照合作業を行うオペレータの操作に従って或いは照合部４６２の自律動作により、例えば部品６００の右側面をその正面から任意の向きでカメラ４１０によって撮影することにより、図３０に示すような、部品６００の右側面を任意の向きで撮影した撮影画像６０１を取得する。次に、特徴量生成部４６２２は、撮影画像６０１からフーリエ・メリン特徴画像６０２を生成する。
次に、画像サイズ拡大部４６２３は、フーリエ・メリン特徴画像６０２が登録画像のサイズと同じになるように拡大して、照合画像６０３を生成する。この例では、画像サイズ拡大部４６２２は、登録画像サイズと同じサイズを有し、全画素がゼロ値などの所定値を持つ１枚の背景画像に、フーリエ・メリン特徴画像６０２を張り付けた画像を照合画像６０３として生成する。フーリエ・メリン特徴画像６０２を張り付ける場所は任意である。しかし、フーリエ・メリン特徴画像６０２を張り付ける向きは、登録画像のときと同じにする必要がある。図３０の例では、背景画像のほぼ中央部分にフーリエ・メリン特徴画像６０２を太い矢印が紙面上を向く向きに張り付けている。
次に、判定部４６２４は、判定部１６２４と同様な方法により、登録ＤＢ４５２に保存されている登録画像毎に、照合画像と登録画像とを比較することにより、照合画像と登録画像間の類似性を表すスコアを算出する。次に、判定部４６２４は、登録ＤＢ４５２に保存されている登録画像毎に算出した上記スコアのうち、最大のスコア（相互相関が最大）が予め設定された判定閾値を超えていれば、その最大のスコアとなった登録画像に関連付けて登録ＤＢ４５２に保存されている部品番号で特定される登録対象部品と部品６００とが同じ個体であると判定する。また、上記最大のスコアが判定閾値を超えていなければ、部品６００と同一の個体の部品は登録ＤＢ１５２に存在しないと判定する。
上記説明では、画像取得部４６２１は、部品６００の右側面全体の撮影画像６０１を取得した。しかし、画像取得部４６２１が、部品６００の右側面の一部や、右側面以外の面、すなわち、上面、下面、手前側面、奥側面、および左側面の何れかの面の全体あるいは一部の撮影画像を取得する場合にも、右側面全体の撮影画像６０１を取得したときと同様の動作が照合部４６２で行われることにより、部品６００が登録ＤＢ４５２に保存された何れの登録対象の部品５００と同一個体であるか否かを判定することができる。その理由は、登録対象の部品５００については、６面のそれぞれの面の撮影画像から抽出されたフーリエ・メリン特徴画像を並べて１枚の画像として登録画像が登録ＤＢ４５２に事前に登録されているためである。
図３１は、照合部４６２が照合対象とする部品の別の例を示す。この例の部品６１０は、図２８に示した登録対象の部品５１０と同じ種類の部品である。
照合部４６２の画像取得部４６２１は、照合作業を行うオペレータの操作に従って或いは照合部４６２の自律動作により、例えば部品６１０の上面の中央部分をその正面から任意の向きでカメラ４１０によって撮影することにより、図３１に示すような撮影画像６１１を取得したとする。次に、特徴量生成部４６２２は、撮影画像６１１からフーリエ・メリン特徴画像６１２を生成する。
次に、画像サイズ拡大部４６２３は、フーリエ・メリン特徴画像６１２が登録画像のサイズと同じになるように拡大して、照合画像６１３を生成する。この例では、画像サイズ拡大部４６２２は、登録画像サイズと同じサイズを有し、全画素がゼロ値などの所定値を持つ１枚の背景画像に、フーリエ・メリン特徴画像６１２を張り付けた画像を照合画像６１３として生成している。フーリエ・メリン特徴画像６１２を張り付ける場所は任意である。しかし、フーリエ・メリン特徴画像６１２を張り付ける向きは、登録画像のときと同じにする必要がある。図３１の例では、背景画像の中央部分にフーリエ・メリン特徴画像６１２を太い矢印が紙面上を向く向きに張り付けている。
次に、判定部４６２４は、登録ＤＢ４５２に保存されている登録画像毎に、照合画像と登録画像とを比較することにより、照合画像と登録画像間の類似性を表すスコアを算出する。そして、判定部４６２４は、登録画像毎に算出したスコアに基づいて、部品６１０が登録ＤＢ４５２に保存されている何れの部品と同一個体か否かを判定し、結果を出力する。
上記説明では、画像取得部４６２１は、部品６１０の上面の中央部分の一部を、撮影画像６１１として取得した。しかし、画像取得部４６２１が、照合作業を行うオペレータの操作によって、部品６１０の上面の中央部分以外の領域、例えば、上面の左側や右側などの領域の撮影画像を取得する場合にも、上面の中央部分の撮影画像６１１を取得したときと同様の動作が照合部４６２で行われることにより、部品６１０が登録ＤＢ４５２に保存された何れの登録対象の部品５１０と同一個体であるか否かを判定することができる。
図３２は、照合部４６２が照合対象とする部品の更に別の例を示す。この例の部品６２０は、図２９に示した登録対象の部品５２０と同じ種類の部品である。
照合部４６２の画像取得部４６２１は、照合作業を行うオペレータの操作に従って或いは照合部４６２の自律動作により、例えば部品６２０の側面の一部をカメラ４１０によって任意の向きで撮影することにより、図３２に示すような撮影画像６２１を取得したとする。次に、特徴量生成部４６２２は、撮影画像６２１からフーリエ・メリン特徴画像６２２を生成する。
次に、画像サイズ拡大部４６２２は、フーリエ・メリン特徴画像６２２が登録画像と同じサイズになるように拡大して、照合画像６２３を生成する。この例では、画像サイズ拡大部４６２２は、登録画像サイズと同じサイズを有し、全画素がゼロ値などの所定値を持つ１枚の背景画像に、フーリエ・メリン特徴画像６２２を張り付けた画像を照合画像６２３として生成している。フーリエ・メリン特徴画像６２２を張り付ける場所は任意である。しかし、フーリエ・メリン特徴画像６２２を張り付ける向きは、登録画像のときと同じにする必要がある。図３２の例では、背景画像の中央部分にフーリエ・メリン特徴画像６２２を太い矢印が紙面上を向く向きに張り付けている。
次に、判定部４６２４は、登録ＤＢ４５２に保存されている登録画像毎に、照合画像６２３と登録画像とを比較することにより、照合画像６２３と登録画像間の類似性を表すスコアを算出する。そして、判定部４６２４は、登録画像毎に算出したスコアに基づいて、部品６２０が登録ＤＢ４５２に保存されている何れの部品と同一個体か否かを判定し、結果を出力する。
上記説明では、画像取得部４６２１は、部品６２０の側面の一部を、撮影画像６２１として取得した。しかし、画像取得部４６２１が、部品６２０の側面の上記以外の部分や、部品６２０の上面、および下面の撮影画像を取得する場合にも、撮影画像６２１を取得したときと同様の動作が照合部４６２で行われることにより、部品６２０が登録ＤＢ４５２に保存された何れの登録対象の部品５２０と同一個体であるか否かを判定することができる。
このように本実施形態によれば、第１の実施形態と同様の効果が得られると共に、以下のような効果を得ることができる。即ち、本実施形態では、登録対象の部品の撮影画像から生成したフーリエ・メリン特徴画像と照合対象の部品の撮影画像から生成したフーリエ・メリン特徴画像とを比較して、照合対象の部品と登録対象の部品の同一性を判定するため、平行移動、回転、スケール変動に頑健な個体識別を行うことできる。
［第３の実施の形態］
次に、本発明の第３の実施の形態について、図３３を参照して説明する。図３３は、本実施の形態に係る個体識別システムのブロック図である。
図３３を参照すると、本実施形態に係る個体識別システム１は、取得手段２と判定手段３とを含んで構成されている。
取得手段２は、照合対象物体の所定領域の一部を撮影した照合画像を取得するように構成されている。取得手段２は、例えば、図１の画像取得部１６２１あるいは図２４の画像取得部４６２１と同様に構成することができるが、それに限定されない。
判定手段３は、取得手段２によって取得された照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出するように構成されている。また、判定手段３は、上記スコアに基づいて、照合対象物体が登録対象物体と同一か否かを判定するように構成されている。判定手段３は、例えば、図１の判定部１６２４あるいは図２４の判定部４６２４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個体識別システム１は、以下のように動作する。即ち、先ず、取得手段２は、照合対象物体の所定領域の一部を撮影した照合画像を取得する。次に、判定手段３は、取得手段２によって取得された照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出し、そのスコアに基づいて、照合対象物体が登録対象物体と同一か否かを判定するように構成されている。
以上のように構成され、動作する個体識別システム１によれば、照合対象物体が登録対象物体と同一か否かを判定する個体識別システムの利便性を高めることができる。その理由は、照合対象物体の所定領域の一部を撮影した照合画像を取得する取得手段２と、取得手段２によって取得された照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出し、そのスコアに基づいて、照合対象物体が登録対象物体と同一か否かを判定する判定手段３とを備えており、照合の際、部品の所定領域の全領域を撮影する必要がなく、所定領域の一部を撮影すればよいためである。
以上、上記各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、登録対象物体の面の撮影画像を並べて１枚の登録画像を作成する際、同じ撮影画像を、向きを変えて複数並べるようにしてもよい。例えば、図４に示した直方体状の部品２００の場合、上面の撮影画像２０１、下面の撮影画像２０２、手前側面の撮影画像２０３、奥側面の撮影画像２０４、左側面の撮影画像２０５、右側面の撮影画像２０６のうちの少なくとも１つの撮影画像を、図３４に例示するように、互いに向きが異なるように複数個並べるようにしてもよい。こうすることにより、第１の実施形態でも、第２の実施形態と同様に、画像の向きに頑健な個体識別が可能になる。
また、登録対象物体の所定領域は、登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域の集合としてよい。例えば、図３５に示すように、平板状の部品２１０の表面上の互いに異なる位置に設けられると共に、予め定められた形状（例えば矩形）で、予め定められたサイズを有する複数の部分領域２１５～２１８を所定領域としてもよい。この場合、第１の実施形態では、部分領域２１５～２１８それぞれの撮影画像を並べた１枚の画像が登録画像となる。また、第２の実施形態では、部分領域２１５～２１８それぞれの撮影画像のフーリエ・メリン特徴画像を並べた１枚の画像が登録画像となる。
本発明は、２つの画像の照合を行う分野に利用でき、特に、製品の表面の微細凹凸や紋様、素材表面のランダムパターン等の、同一製造過程で生じる自然発生的な微細なパターンの差異を、カメラ等の撮像装置を用いて画像として取得し、その微細なパターンを認識することで、製品個々の個体識別や管理を行う分野に利用できる。また、製造物に限らず、人の指紋等に代表される生物の表面微細パターンの差異を、カメラ等の撮像装置を用いて画像として取得し、その微細なパターンを認識することで、個人を認証する、あるいは生物の個体識別や管理を行う分野に利用できる。
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］
照合対象物体の所定領域の一部を撮影した照合画像を取得する取得手段と、
前記照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出し、前記スコアに基づいて、前記照合対象物体が前記登録対象物体と同一か否かを判定する判定手段と、
を備える個体識別システム。
［付記２］
前記登録画像は、前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を並べて１枚の画像にした合成画像である、
付記１に記載の個体識別システム。
［付記３］
前記複数の画像は、各画素の値が所定値を持つ背景画像に張り付けられている、
付記２に記載の個体識別システム。
［付記４］
前記複数の面を撮影した複数の画像のうちの少なくとも１つの画像は、前記登録対象物体の全周を１周以上にわたって網羅する画像である、
付記２または３に記載の個体識別システム。
［付記５］
前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を取得し、前記取得した複数の画像から前記登録画像を生成する生成手段を、さらに備える、
付記２乃至４の何れかに記載の個体識別システム。
［付記６］
前記判定手段は、前記登録画像と同じサイズになるように前記照合画像を拡張し、前記拡張後の前記照合画像の周波数特徴と前記登録画像の周波数特徴とを合成した合成周波数特徴に基づいて、前記スコアを算出するように構成されている、
付記１乃至５の何れかに記載の個体識別システム。
［付記７］
前記登録画像は、前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を、フーリエ・メリン変換して得られた複数のフーリエ・メリン特徴画像を並べて１枚の画像にした合成画像である、
付記１に記載の個体識別システム。
［付記８］
前記複数のフーリエ・メリン特徴画像は、各画素の値が所定値を持つ背景画像に張り付けられている、
付記７に記載の個体識別システム。
［付記９］
前記複数の面を撮影した複数の画像のうちの少なくとも１つの画像は、前記登録対象物体の全周を１周以上にわたって網羅する画像である、
付記７または８に記載の個体識別システム。
［付記１０］
前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を取得し、前記取得した複数の画像をフーリエ・メリン変換して複数のフーリエ・メリン特徴画像を生成し、前記生成した複数のフーリエ・メリン特徴画像から前記登録画像を生成する生成手段を、さらに備える、
付記７乃至９の何れかに記載の個体識別システム。
［付記１１］
前記判定手段は、前記照合画像をフーリエ・メリン変換して得られたフーリエ・メリン特徴画像が前記登録画像をフーリエ・メリン変換して得られたフーリエ・メリン特徴画像と同じサイズになるように拡張し、前記拡張後の前記照合画像のフーリエ・メリン特徴画像と前記登録画像のフーリエ・メリン特徴画像とを比較した結果に基づいて、前記スコアを算出するように構成されている、
付記１、７、８、９、または１０に記載の個体識別システム。
［付記１２］
照合対象物体の所定領域の一部を撮影した照合画像を取得し、
前記照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出し、
前記スコアに基づいて、前記照合対象物体が前記登録対象物体と同一か否かを判定する、
個体識別方法。
［付記１３］
前記登録画像は、前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を並べて１枚の画像にした合成画像である、
付記１２に記載の個体識別方法。
［付記１４］
前記複数の画像は、各画素の値が所定値を持つ背景画像に張り付けられている、
付記１２に記載の個体識別方法。
［付記１５］
前記複数の面を撮影した複数の画像のうちの少なくとも１つの画像は、前記登録対象物体の全周を１周以上にわたって網羅する画像である、
付記１４に記載の個体識別方法。
［付記１６］
更に、前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像から前記登録画像を生成する、
付記１２乃至１５の何れかに記載の個体識別方法。
［付記１７］
前記スコアの算出では、前記登録画像と同じサイズになるように前記照合画像を拡張し、前記拡張後の前記照合画像の周波数特徴と前記登録画像の周波数特徴とを合成した合成周波数特徴に基づいて、前記スコアを算出する、
付記１２乃至１６の何れかに記載の個体識別方法。
［付記１８］
前記登録画像は、前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を、フーリエ・メリン変換して得られた複数のフーリエ・メリン特徴画像を並べて１枚の画像にした合成画像である、
付記１２に記載の個体識別方法。
［付記１９］
前記複数のフーリエ・メリン特徴画像は、各画素の値が所定値を持つ背景画像に張り付けられている、
付記１２に記載の個体識別方法。
［付記２０］
前記複数の面を撮影した複数の画像のうちの少なくとも１つの画像は、前記登録対象物体の全周を１周以上にわたって網羅する画像である、
付記１８または１９に記載の個体識別方法。
［付記２１］
更に、前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を取得し、前記取得した複数の画像をフーリエ・メリン変換して複数のフーリエ・メリン特徴画像を生成し、前記生成した複数のフーリエ・メリン特徴画像から前記登録画像を生成する、
付記１８乃至２０の何れかに記載の個体識別方法。
［付記２２］
前記スコアの算出では、前記照合画像をフーリエ・メリン変換して得られたフーリエ・メリン特徴画像が前記登録画像をフーリエ・メリン変換して得られたフーリエ・メリン特徴画像と同じサイズになるように拡張し、前記拡張後の前記照合画像のフーリエ・メリン特徴画像と前記登録画像のフーリエ・メリン特徴画像とを比較した結果に基づいて、前記スコアを算出する、
付記１２、１８、１９、２０、または２１に記載の個体識別方法。
［付記２３］
コンピュータに、
照合対象物体の所定領域の一部を撮影した照合画像を取得する処理と、
前記照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出する処理と、
前記スコアに基づいて、前記照合対象物体が前記登録対象物体と同一か否かを判定する処理と、
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…個体識別装置
１１０…カメラ
１２０…通信Ｉ／Ｆ部
１３０…操作入力部
１４０…画面表示部
１５０…記憶部
１５１…プログラム
１５２…登録ＤＢ
１６０…演算処理部
１６１…登録部
１６１１…画像取得部
１６１２…画像結合部
１６１３…特徴量生成部
１６２…照合部
１６２１…画像取得部
１６２２…画像サイズ拡大部
１６２３…特徴量生成部
１６２４…判定部

Claims (8)

  1. 照合対象物体の所定領域の一部を撮影した照合画像を取得する取得手段と、
    前記照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出し、前記スコアに基づいて、前記照合対象物体が前記登録対象物体と同一か否かを判定する判定手段と、
    を備え、
    前記登録画像は、前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を、各画素の値が一定値を持つ背景画像に張り付けることにより生成された１枚の合成画像であり、
    前記判定手段は、前記登録画像と同じサイズになるように前記照合画像を拡張し、前記拡張後の前記照合画像の周波数特徴と前記登録画像の周波数特徴とを合成した合成周波数特徴に基づいて、前記スコアを算出するように構成されている、
    個体識別システム。
  2. 照合対象物体の所定領域の一部を撮影した照合画像を取得する取得手段と、
    前記照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出し、前記スコアに基づいて、前記照合対象物体が前記登録対象物体と同一か否かを判定する判定手段と、
    を備え、
    前記登録画像は、前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を、フーリエ・メリン変換して得られた複数のフーリエ・メリン特徴画像を、各画素の値が一定値を持つ背景画像に張り付けることにより生成された１枚の合成画像であり、
    前記判定手段は、前記照合画像をフーリエ・メリン変換して得られたフーリエ・メリン特徴画像が前記合成画像と同じサイズになるように拡張し、前記拡張後の前記照合画像のフーリエ・メリン特徴画像と前記合成画像とを比較した結果に基づいて、前記スコアを算出するように構成されている、
    個体識別システム。
  3. 前記複数の面を撮影した複数の画像のうちの少なくとも１つの画像は、前記登録対象物体の全周を１周以上にわたって網羅する画像である、
    請求項１または２に記載の個体識別システム。
  4. 照合対象物体の所定領域の一部を撮影した照合画像を取得し、
    前記照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出し、
    前記スコアに基づいて、前記照合対象物体が前記登録対象物体と同一か否かを判定し、
    前記登録画像は、前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を、各画素の値が一定値を持つ背景画像に張り付けることにより生成された１枚の合成画像であり、
    前記算出では、前記登録画像と同じサイズになるように前記照合画像を拡張し、前記拡張後の前記照合画像の周波数特徴と前記登録画像の周波数特徴とを合成した合成周波数特徴に基づいて、前記スコアを算出する、
    個体識別方法。
  5. 照合対象物体の所定領域の一部を撮影した照合画像を取得し、
    前記照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出し、
    前記スコアに基づいて、前記照合対象物体が前記登録対象物体と同一か否かを判定し、
    前記登録画像は、前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を、フーリエ・メリン変換して得られた複数のフーリエ・メリン特徴画像を、各画素の値が一定値を持つ背景画像に張り付けることにより生成された１枚の合成画像であり、
    前記算出では、前記照合画像をフーリエ・メリン変換して得られたフーリエ・メリン特徴画像が前記合成画像と同じサイズになるように拡張し、前記拡張後の前記照合画像のフーリエ・メリン特徴画像と前記合成画像とを比較した結果に基づいて、前記スコアを算出する、
    請求項４に記載の個体識別方法。
  6. 前記複数の面を撮影した複数の画像のうちの少なくとも１つの画像は、前記登録対象物体の全周を１周以上にわたって網羅する画像である、
    請求項４または５に記載の個体識別方法。
  7. コンピュータに、
    照合対象物体の所定領域の一部を撮影した照合画像を取得する処理と、
    前記照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出する処理と、
    前記スコアに基づいて、前記照合対象物体が前記登録対象物体と同一か否かを判定する処理と、
    を行わせるためのプログラムであって、
    前記登録画像は、前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を、各画素の値が一定値を持つ背景画像に張り付けることにより生成された１枚の合成画像であり、
    前記算出では、前記登録画像と同じサイズになるように前記照合画像を拡張し、前記拡張後の前記照合画像の周波数特徴と前記登録画像の周波数特徴とを合成した合成周波数特徴に基づいて、前記スコアを算出するように構成されている、
    プログラム。
  8. コンピュータに、
    照合対象物体の所定領域の一部を撮影した照合画像を取得する処理と、
    前記照合画像に類似する部分画像が、登録対象物体の所定領域を撮影した登録画像中に存在する程度を表すスコアを算出する処理と、
    前記スコアに基づいて、前記照合対象物体が前記登録対象物体と同一か否かを判定する処理と、
    を行わせるためのプログラムであって、
    前記登録画像は、前記登録対象物体の互いに相違する複数の面を撮影した複数の画像、または、前記登録対象物体の同一の面上の互いに空間的に離れた場所に存在する複数の部分領域を撮影した複数の画像を、フーリエ・メリン変換して得られた複数のフーリエ・メリン特徴画像を、各画素の値が一定値を持つ背景画像に張り付けることにより生成された１枚の合成画像であり、
    前記判定では、前記照合画像をフーリエ・メリン変換して得られたフーリエ・メリン特徴画像が前記合成画像と同じサイズになるように拡張し、前記拡張後の前記照合画像のフーリエ・メリン特徴画像と前記合成画像とを比較した結果に基づいて、前記スコアを算出するように構成されている、
    プログラム。
JP2022510320A 2020-03-27 2020-03-27 個体識別システム Active JP7251689B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/013992 WO2021192216A1 (ja) 2020-03-27 2020-03-27 個体識別システム

Publications (3)

Publication Number Publication Date
JPWO2021192216A1 JPWO2021192216A1 (ja) 2021-09-30
JPWO2021192216A5 JPWO2021192216A5 (ja) 2022-05-19
JP7251689B2 true JP7251689B2 (ja) 2023-04-04

Family

ID=77889964

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022510320A Active JP7251689B2 (ja) 2020-03-27 2020-03-27 個体識別システム

Country Status (4)

Country Link
US (1) US20220335617A1 (ja)
EP (1) EP4024334A4 (ja)
JP (1) JP7251689B2 (ja)
WO (1) WO2021192216A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4024847A4 (en) * 2020-10-23 2022-09-28 NEC Corporation INDIVIDUAL IDENTIFICATION DEVICE

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008015848A (ja) 2006-07-07 2008-01-24 Kobe Univ 物体領域探索方法，物体領域探索プログラムおよび物体領域探索装置
JP2017010322A (ja) 2015-06-23 2017-01-12 国立大学法人 鹿児島大学 認証処理装置及び認証処理方法
JP2020047151A (ja) 2018-09-21 2020-03-26 富士ゼロックス株式会社 画像形成装置、検査対象物照合装置、検査対象物照合システム、検査対象物照合方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3254622B2 (ja) * 1996-08-08 2002-02-12 株式会社山武 パターン照合装置
JP2007041643A (ja) 2005-07-29 2007-02-15 Fuji Xerox Engineering Co Ltd 物品確認装置、物品確認方法及び物品確認プログラム
WO2019123917A1 (ja) 2017-12-22 2019-06-27 日本電気株式会社 画像照合装置
JP7215485B2 (ja) * 2018-08-23 2023-01-31 日本電気株式会社 物体照合装置
EP3845213A4 (en) * 2018-08-31 2021-10-27 FUJIFILM Toyama Chemical Co., Ltd. OBJECT COMPARISON DEVICE AND OBJECT COMPARISON METHOD

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008015848A (ja) 2006-07-07 2008-01-24 Kobe Univ 物体領域探索方法，物体領域探索プログラムおよび物体領域探索装置
JP2017010322A (ja) 2015-06-23 2017-01-12 国立大学法人 鹿児島大学 認証処理装置及び認証処理方法
JP2020047151A (ja) 2018-09-21 2020-03-26 富士ゼロックス株式会社 画像形成装置、検査対象物照合装置、検査対象物照合システム、検査対象物照合方法

Also Published As

Publication number Publication date
WO2021192216A1 (ja) 2021-09-30
EP4024334A1 (en) 2022-07-06
JPWO2021192216A1 (ja) 2021-09-30
US20220335617A1 (en) 2022-10-20
EP4024334A4 (en) 2022-11-30

Similar Documents

Publication Publication Date Title
US20220335561A1 (en) Embedding signals in a raster image processor
Qureshi et al. A bibliography of pixel-based blind image forgery detection techniques
Sadeghi et al. State of the art in passive digital image forgery detection: copy-move image forgery
Emam et al. PCET based copy-move forgery detection in images under geometric transforms
Yan et al. Quaternion-based image hashing for adaptive tampering localization
EP2126789B1 (en) Improved image identification
Muhammad et al. Passive copy move image forgery detection using undecimated dyadic wavelet transform
EP1912160B1 (en) Image descriptor for image recognition
Pandey et al. Fast and robust passive copy-move forgery detection using SURF and SIFT image features
CN106663195B (zh) 用于指纹匹配和相机识别的改进的方法、设备和系统
KR101191516B1 (ko) 향상된 이미지 식별
Alamro et al. Copy-move forgery detection using integrated DWT and SURF
Muhammad et al. Copy move image forgery detection method using steerable pyramid transform and texture descriptor
US20130243341A1 (en) Frequency domain interest point descriptor
Kumar et al. Salient keypoint-based copy–move image forgery detection
CN110147800A (zh) 基于sift的图像复制粘贴篡改盲检方法
JP7251689B2 (ja) 個体識別システム
Kumar et al. Syn2real: Forgery classification via unsupervised domain adaptation
Mehta et al. Near-duplicate image detection based on wavelet decomposition with modified deep learning model
Mehta et al. Near-duplicate detection for LCD screen acquired images using edge histogram descriptor
Muhammad Multi-scale local texture descriptor for image forgery detection
Benhamza et al. Image forgery detection review
Vaishnavi et al. Recognizing image splicing forgeries using histogram features
Agarwal et al. Blind forensics of images using higher order local binary pattern
Huynh-Kha et al. The efficiency of applying DWT and feature extraction into copy-move images detection

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220303

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220303

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230110

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230201

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: 20230221

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230306

R151 Written notification of patent or utility model registration

Ref document number: 7251689

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151