JPH03229378A - 画像の分類・識別装置およびそのための方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野］ 本発明は１顔画像分類・認識を例にとると知的画像通信
への適用やセキュリティシステムにおける個人識別など
に用いられる画像の分類・識別装置に関する。

（従来の技術） 画像の分類・認識に関する従来の技術は、一般に画像か
ら得られる物理的時＠量を基に分類　識別するものであ
る。例えば、対象が顔である場合には顔の部品ごとに特
徴量を定義し、統計処理に基づいて判別するようにされ
る。それは１頭部品の全体部と局所部とのそれぞれにつ
いて、形状特徴ベクトルと位置特徴ベクトルとに分け、
これらの特徴ベクトルと標準顔画像データの特徴ベクト
ルとのなす関係から導かれる判別関数を用いて分類、・
識別している。

また神経回路網を用いて３文字、Ｒ画像では濃淡画像を
そのまま分類・識別したものがある。

〔発明が解決しようとする課題〕

線形な関数を用いて画像を判別する方法では。

特徴ベクトル空間を複雑に区分できないため、適切な分
類・識別ができない欠点がある。また、神経回路網を用
いた方法は多大な学習時間がかかるとともに、高い認識
率が得られない欠点がある。

さらに、顔画像を例にとった場合、従来の顔画像の分類
・識別では、既に登録済みのデータの中から選択するも
のであり、未知のデータを分類できるものはなかった。

（課題を解決するための手段〕 このため、学習機能を有し、非線形の写像が可能な神経
回路網を並列かつ層状に組み合わせること、ならびに分
類・識別するための要素として人間の主観評価量を組み
入れることを特徴とする。

（作　用〕 このように１画像の特徴量として物理的特徴量に加えて
人間の主観評価量を用い、各要素部分ごとに専用の神経
回路網を設けて、それらを組み合わせることにより、未
知画像に対しても分類・識別が可能となる。

［実施例］ 例えば分類・識別対象が顔画像である場合について実施
例１に示す。第１図は本発明の実施例全体を示す。１は
顔画像データ入力部、　　２−１．　２２、・・・２−
ｎは前置処理回路、３は主処理神経回路網、４は結果出
力部である。

動作は事前の学習過程と実際の未知データに対する処理
過程との２つからなる。但し、構成は同一である。

学習過程は次のとおりである。

第１図において、顔画像データ入力部１はテレビカメラ
あるいはスキャナ等により、予め分類・識別結果の分か
っている学習用顔画像データを取り込み、これを前置処
理回路２に送り込む。前置処理回路２は、顔画像の要素
部分（以下部品と呼ぶ）ごとに設置され、顔画像データ
入力部１の出力である顔画像データから、各部品を正し
く特徴抽出あるいは分類・識別するよう繰り返し学習す
る。このとき、各前置処理回路２の学習は、いわゆる「
教師あり学習Ｊが一般的であるが、「教師なしの競合学
習等」でもよい。学習が終了すると各前置処理回路２は
それぞれ正しい分類結果を主処理神経回路′ＩＡ３に出
力する。但し、前置処理回路２が学習機能をもたず決め
られた算術演算のみでよい場合もあり、このときは当該
前置処理回路２は部品対応に適切な処理がされるよう構
成されている。

次に、主処理神経回路網３は、これらのデータから顔画
像を正しく分類・識別するよう繰り返し学習する。この
とき、主処理神経回路網３の学習は、前置処理回路２と
同様、「教師あり学習」でも「教師なし学習等Ｊでもよ
い。学習が終了すると主処理神経回路網３は当該顔画像
の正しい分類識別結果を結果出力部４に出力する。

以上の学習過程は一つの顔画像データに対して繰り返し
実施されるのみでなく、多種の顔画像データに対しても
繰り返し実施される。一般に精度を上げるためには多く
の学習データが必要である。

こうして、全体の学習が終了すると、未知の顔画像デー
タに対する分類・識別が可能となる。動作は繰り返しの
学習動作がないだけで上記と同様となる。

すなわち、顔画像データ入力部１は未知の顔画像データ
を取り込み、これを前置処理回路２に送り込む。前置処
理回路２は、事前に多種の顔画像データにより学習され
た機能により、顔画像データ人力部１の出力である顔画
像データから各部品の特徴を抽出するとともに当該部品
を分類する。

各前置処理回路２の出力は主処理神経回路網３に集めら
れ、主処理神経回路Ｗ４３は、これも事前に学習された
機能により、ｌｔ１画像を分類・識別する。

次に、前置処理回路２の実施例をのべる。第２図（ａ）
ないし第２図（Ｃ）は、夫々、各顔部品の特徴抽出ある
いは分類をする前置処理回路の内部を示す図であり１図
中の符号２１あるいは２１′は顔部品の物理的特徴量抽
出部７２２は顔部品の分類部である。

第２図（ａ）は顔部品の物理的特徴を抽出する前置処理
回路２タイプａ（以下２ａと記述）の例である。

この場合、前置処理回路２ａは、顔部品の物理的性微量
抽出部２１のみを有し、顔画像データ入力部ｌの直像デ
ータから各顔部品の形態を表す物理的特徴量を算出する
。例えば、顔部品である目については、目の長さ１幅、
傾き、目の面積、黒目の面積、黒目の位買、目尻の長さ
１　目尻の傾きなどを算出する。これらの特徴データは
すべて主処理神経回路ｖＡ３へ送られる。

同様に、他の顔部品として５鼻、耳１ロ、眉顔輪郭など
の特徴が、対応する前置処理回路で抽出され、これらの
結果は主処理神経回路ｙ４３に送られる。主処理神経回
路網３は、これらの全特徴データから顔画像の分類・識
別を行う。

第２図℃）は、顔部品の物理的特徴から人間の主観評価
により、当該部品を分類する前置処理回路２タイプｂ（
以下２ｂと記述）の例である。

この場合、前置処理回路２ｂは、顔部品の物理的性微量
抽出部２１′と顔部品の分類部２２とを有し、顔部品の
物理的性微量抽出部２１′で顔画像データ入力部１の画
像データから各頭部品の物理的特徴量を算出し、この特
徴データから主観評価に基づいて、顔部品の分類部２２
で当該部品を分類する。例えば顔部品である目について
は、まず。

前置処理回路２ａの場合と同様、顔部品の物理的性微量
抽出部２１′において、目の長さ２幅９等の物理的時＠
量を算出する。次に顔部品の分類部２２は、これらの物
理的特徴量から主観評価実験に基づいて、得られた分類
項目（目の大きさの度合い、目の丸みの度合い、目の傾
き度合いなど）に分ける。

このような分類項目は次に示すような評価実験を行って
決定する。被験者に顔データを呈示し目に関する形容詞
を与え、それに対してあてはまる度合いを３段階で評定
させる。その結果を分析して分類項目を決定する。また
、このときの教師信号は、評価実験によって得られたデ
ータより算出する。なお、顔部品の物理的性微量抽出部
２１′は、第２図（ａｌの顔部品の物理的性微量抽出部
２１と同一でも、あるいは頭部品の分類のためにこれを
変更したものでもよい。

これらの結果は主処理神経回路＃ｉ１３に送られ主処理
神経回路網３は、これらの顔部品の分類データから顔画
像の分類・識別を行う。

第２図（Ｃ）は、顔部品の物理的特徴と、この特徴から
当該部品の分類結果との両者を出力する。前置処理回路
２タイプＣ（以下２ｃと記述）の例である。

この場合１前置処理回路２ｃは、前置処理回路２ｂと同
様、顔部品の物理的性微量抽出部２１’と顔部品の分類
部２２とを有し、顔画像データ入力部ｌの画像データか
ら各頭部品の物理的特徴量を算出し１　これを出力する
とともに１　この特徴データから主観評価に基づいて当
該部品を分類しこれを出力する。これらの結果は主処理
神経回路網３に送られ７主処理神経回路網３は、これら
の顔部品の物理的特徴と分類データから顔画像の分類・
識別を行う。

前置処理回路２ａ、２ｂ、２ｃは応用形態によって選択
や組み合わせが可能である。例えば、１ｔｆｉ部品を物
理的特徴のみで表したければ、前置処理回路２ａのみを
部品数だけ用いればよい。また頭部品をすべて分類した
ければ、前置処理回路２ｂのみを部品数だけ用いればよ
い。

第３図は本発明の場合の構成例を示す。

図中の符号は第１図、第２図に対応している。

この場合、前置処理回路２の部分は、前置処理回路２ａ
と前置処理回路２ｂとを組み合わせたものであり９例え
ば、目１ロ、鼻、耳などは前置処理回路２ｂでそれぞれ
を分類し、一方、目と眉との距離、目と鼻との距離など
部品間の位置関係は。

前置処理回路２ａで物理的特徴量として算出するもので
ある。主処理神経回路網３は、これらの顔部品の物理的
特徴と分類データとから顔画像の分類・識別を行う。こ
の例と前置処理回路２〔を用いる場合との違いは、前者
が部品ごとに特徴データと分類データとを使い分けるの
に対し、後者は同じ部品の中に特徴データと分類データ
とが混在することにある。

〔発明の効果１ 以上説明した如く１本発明によれば （１）非線形関数を含んだ神経回路網を組み合わせるこ
とにより、複雑な特徴空間を分けることが可能になり、
従来に比べ適切な分類・識別が可能となる。

（２）また１画像の特徴量として物理的特徴量に加えて
人間の主観評価量を用いることにより、従来に比べて人
間に近い分類・識別が可能となる。

（３）神経回路網は学習機能を有しているために学習時
に多種にわたる顔画像を用いることにより未知顔画像に
対しても分類・識別が可能となる。

（４）　　さらに１画像の要素部分ごとに専用の神経回
路網を設けることにより、学習時間を大幅に低減できる
。

【図面の簡単な説明】

第１図は本発明の顔画像に通用した場合の全体構成を示
す回、第２　Ｕａ　（ａ）（ｂ）　（ｃｌは夫々前置処
理回路の構成例を示す図、第３図は前置処理回路タイプ
ａと前置処理回路タイプｂとの組み合わせによる構成の
例を示す。 図中、ｌは顔画像データ入力部、２−１は前置処理回路
、３は主処理神経回路網、４は結果出力部、２１は顔部
品の物理的性微量抽出部５２１′は顔部品の物理的性微
量抽出部、２２は顔部品の分類部を表す。

Claims (2)

【特許請求の範囲】
1. （１）画像データから画像を構成する要素部分ごとに特
   徴を抽出し当該部分を分類する前置処理回路と、これら
   の出力データから全体の画像を分類・識別する主処理神
   経回路網を有することを特徴とする画像の分類・識別装
   置。
2. （２）前置処理回路は、画像を構成する要素部分の長さ
   、幅、傾き、面積などの物理的特徴量を入力とし、当該
   の要素部分に対する人間の主観評価量を用いて当該要素
   部分を分類することを特徴とする請求項（１）記載の画
   像の分類・識別装置。