JPH0565907B2 - - Google Patents
Info
- Publication number
- JPH0565907B2 JPH0565907B2 JP59016471A JP1647184A JPH0565907B2 JP H0565907 B2 JPH0565907 B2 JP H0565907B2 JP 59016471 A JP59016471 A JP 59016471A JP 1647184 A JP1647184 A JP 1647184A JP H0565907 B2 JPH0565907 B2 JP H0565907B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- standard pattern
- mapping function
- standard
- recognition
- 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 - Lifetime
Links
- 238000013507 mapping Methods 0.000 claims description 56
- 230000006870 function Effects 0.000 claims description 55
- 238000000034 method Methods 0.000 claims description 27
- 239000013598 vector Substances 0.000 claims description 17
- 238000010606 normalization Methods 0.000 claims description 14
- 230000008602 contraction Effects 0.000 claims description 13
- 238000003909 pattern recognition Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 13
- 230000001186 cumulative effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
Landscapes
- Character Discrimination (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】
本発明はパタン認識における標準パタン作成方
式、特に文字認識、音声認識等のパタン認識にお
いて、特徴ベクトルの系列として記述されたパタ
ンを用いて認識処理を行なうときの標準パタンを
作成する方式に関する。
式、特に文字認識、音声認識等のパタン認識にお
いて、特徴ベクトルの系列として記述されたパタ
ンを用いて認識処理を行なうときの標準パタンを
作成する方式に関する。
従来パタン認識において、最も重要な処理は特
徴抽出処理と、種々のパタンマツチング法を含ん
だ判定処理であつた。その重要性は現在も変わら
ないが、種々のパタン認識での認識率が向上し、
実用化が意識されるにつれて、標準パタンの良し
悪しの占める比重が大きくなりつつある。認識過
程で扱われるパタンが多次元空間の１点を示す特
徴ベクトルとして表わされる場合は、用意された
複数個の学習パタンからより良い標準パタンを作
成する方法が研究され、提案されているが、特徴
ベクトルの系列として記述されたパタンが非線形
処理によつて認識処理が行なわれるような場合に
は、複数個の学習データから標準パタンを作成す
ることは例が少ない。例えば、特徴ベクトルの系
列を伸縮させた後に平均をとる方法が、文献（音
声認識｛新美康永著、共立出版株式会社、昭和54
年10月10日発行｝）のp.123−124に述べられてい
る。ここでは、仮の標準パタンに対して学習パタ
ンの特徴ベクトルを伸縮し、山部、谷部の位置合
わせをしてから特徴ベクトルの平均化を行つてい
る。
徴抽出処理と、種々のパタンマツチング法を含ん
だ判定処理であつた。その重要性は現在も変わら
ないが、種々のパタン認識での認識率が向上し、
実用化が意識されるにつれて、標準パタンの良し
悪しの占める比重が大きくなりつつある。認識過
程で扱われるパタンが多次元空間の１点を示す特
徴ベクトルとして表わされる場合は、用意された
複数個の学習パタンからより良い標準パタンを作
成する方法が研究され、提案されているが、特徴
ベクトルの系列として記述されたパタンが非線形
処理によつて認識処理が行なわれるような場合に
は、複数個の学習データから標準パタンを作成す
ることは例が少ない。例えば、特徴ベクトルの系
列を伸縮させた後に平均をとる方法が、文献（音
声認識｛新美康永著、共立出版株式会社、昭和54
年10月10日発行｝）のp.123−124に述べられてい
る。ここでは、仮の標準パタンに対して学習パタ
ンの特徴ベクトルを伸縮し、山部、谷部の位置合
わせをしてから特徴ベクトルの平均化を行つてい
る。
本発明は前記非線形処理によつて認識処理が行
なわれるような場合において、複数個の学習パタ
ンからより良い標準パタンを自動的に作成する標
準パタン作成方式を提供するものであり、これに
よつて認識処理による認識率を向上させ、且つ標
準パタン作成のための工数を大幅に軽減できる。
なわれるような場合において、複数個の学習パタ
ンからより良い標準パタンを自動的に作成する標
準パタン作成方式を提供するものであり、これに
よつて認識処理による認識率を向上させ、且つ標
準パタン作成のための工数を大幅に軽減できる。
ここでいう「良さ」の尺度は、非線形演算にお
ける計算量の削減と誤認識の削減を目的としたも
のである。
ける計算量の削減と誤認識の削減を目的としたも
のである。
本発明によると特徴ベクトルの系列として表わ
されるパタンを用いたパタン認識に必要な標準パ
タンを複数個の学習パタンを用いて作成する標準
パタン作成方式において、仮の標準パタンを格納
する仮の標準パタン記憶手段と、順次入力される
前記複数個の学習パタンの各々と前記仮の標準パ
タンとを入力し両者の伸縮整合を行ない最適な整
合となるときの前記学習パタンの各々と前記仮の
標準パタンとの対応を示す写像関数を出力する写
像関数生成手段と、前記複数個の学習パタンの
各々について得られる写像関数の平均となる平均
写像関数を求める平均写像関数生成手段と、前記
平均写像関数を伸縮正規化用写像関数として前記
仮の標準パタンを作成する伸縮正規化して標準パ
タンを作成する伸縮正規化手段とを含むことを特
徴とするパタン認識における標準パタン作成方式
が得られる。
されるパタンを用いたパタン認識に必要な標準パ
タンを複数個の学習パタンを用いて作成する標準
パタン作成方式において、仮の標準パタンを格納
する仮の標準パタン記憶手段と、順次入力される
前記複数個の学習パタンの各々と前記仮の標準パ
タンとを入力し両者の伸縮整合を行ない最適な整
合となるときの前記学習パタンの各々と前記仮の
標準パタンとの対応を示す写像関数を出力する写
像関数生成手段と、前記複数個の学習パタンの
各々について得られる写像関数の平均となる平均
写像関数を求める平均写像関数生成手段と、前記
平均写像関数を伸縮正規化用写像関数として前記
仮の標準パタンを作成する伸縮正規化して標準パ
タンを作成する伸縮正規化手段とを含むことを特
徴とするパタン認識における標準パタン作成方式
が得られる。
以下図面を用いて本発明の原理について詳細に
説明する。第１図は特徴ベクトルの系列として表
わされる２個のパタン１０，１１の伸縮整合を行
ない、最適な整合となるきの写像関数１２を示す
図である。第２図は標準パタンの違いが認識処理
に及ぼす影響の一例を示すための図である。第２
図ａにおいて１３は標準パタン、１３０は各写像
関数の始点と終点を結ぶ直線、１３１，１３２，
１３３，１３４，１３５は前記標準パタン１３と
同じカテゴリＡのサンプルパタンとの間の写像関
数、１３６，１３７は前記標準パタン１３と異な
るカテゴリＢのサンプルパタンとの間の写像関数
とする。
説明する。第１図は特徴ベクトルの系列として表
わされる２個のパタン１０，１１の伸縮整合を行
ない、最適な整合となるきの写像関数１２を示す
図である。第２図は標準パタンの違いが認識処理
に及ぼす影響の一例を示すための図である。第２
図ａにおいて１３は標準パタン、１３０は各写像
関数の始点と終点を結ぶ直線、１３１，１３２，
１３３，１３４，１３５は前記標準パタン１３と
同じカテゴリＡのサンプルパタンとの間の写像関
数、１３６，１３７は前記標準パタン１３と異な
るカテゴリＢのサンプルパタンとの間の写像関数
とする。
従来のパタン認識方式では伸縮整合を行なつて
得られる類似度のみで判定処理を行なつていたの
で、前記１３１，…，１３７の写像関数を求めた
ときに得られる類似度がほぼ同じ値になるとき、
カテゴリＡとカテゴリＢとの識別が困難であつ
た。
得られる類似度のみで判定処理を行なつていたの
で、前記１３１，…，１３７の写像関数を求めた
ときに得られる類似度がほぼ同じ値になるとき、
カテゴリＡとカテゴリＢとの識別が困難であつ
た。
第２図ｂにおいて、１４は前記標準パタン１３
を伸縮正規化して得られるカテゴリＡの標準パタ
ンであり、１４０は各写像関数の始点と終点を結
ぶ直線、１４１，１４２，１４３，１４４，１４
５は前記カテゴリＡのサンプルパタンと前記標準
パタン１４との写像関数、１４６，１４７は前記
カテゴリＢのサンプルパタンと前記標準パタン１
４との写像関数とする。
を伸縮正規化して得られるカテゴリＡの標準パタ
ンであり、１４０は各写像関数の始点と終点を結
ぶ直線、１４１，１４２，１４３，１４４，１４
５は前記カテゴリＡのサンプルパタンと前記標準
パタン１４との写像関数、１４６，１４７は前記
カテゴリＢのサンプルパタンと前記標準パタン１
４との写像関数とする。
若し、前記１４１，…，１４７の写像関数を求
めたときに得られる類似度がほぼ同じ値になると
しても、前記直線１４０と各写像関数の離れ具合
で前記カテゴリＡと前記カテゴリＢとを識別する
ことできる。例えば、この場合は、後述するDP
マツチングを利用して類似度計算を行うときの整
合窓幅を狭めるだけで、カテゴリＢをはじき出し
て合わせすぎによる誤認識を防ぐことができる。
また類似度を求めるときに、写像関数が、直線１
４０から離れる程ペナルテイを加えるように類似
度を定めると、類似度の判定能力が更に増すこと
になる。
めたときに得られる類似度がほぼ同じ値になると
しても、前記直線１４０と各写像関数の離れ具合
で前記カテゴリＡと前記カテゴリＢとを識別する
ことできる。例えば、この場合は、後述するDP
マツチングを利用して類似度計算を行うときの整
合窓幅を狭めるだけで、カテゴリＢをはじき出し
て合わせすぎによる誤認識を防ぐことができる。
また類似度を求めるときに、写像関数が、直線１
４０から離れる程ペナルテイを加えるように類似
度を定めると、類似度の判定能力が更に増すこと
になる。
従つて、第２図ａ，ｂの例でパタン１３よりは
パタン１４の方が標準パタンとして好ましいこと
がわかる。前記パタン１３から前記パタン１４を
生成する手段を以下に述べるが、同時にこれが本
発明の原理である。
パタン１４の方が標準パタンとして好ましいこと
がわかる。前記パタン１３から前記パタン１４を
生成する手段を以下に述べるが、同時にこれが本
発明の原理である。
写像関数１３１，…，１３７をそれぞれ
ｊ＝1(i)、ｊ＝2(i)、…、ｊ＝7(i)
とする。ここでカテゴリＡの写像関数の荷重平均
として得られる関数を ｊ＝(i) とすると、(i)は次式のようにして求まる。
として得られる関数を ｊ＝(i) とすると、(i)は次式のようにして求まる。
(i)＝｛5
〓k=1
ωk k(i)｝／｛5
〓k=1
ωk｝
ここで、ωk（ｋ＝１、…、５）は荷重であり、
ωk＝１（ｋ＝１、…、５）のとき、(i)は単純平
均となる。
ωk＝１（ｋ＝１、…、５）のとき、(i)は単純平
均となる。
あるいは、
Ｉ＝ｉ＋ｊ／√２、Ｉ＝ｉ−ｊ／√２
による座標変換で座標軸を45度回転させて、ｊ＝
φk(i)に対してＪ＝Φk(I)を定めてから、 Φ(I)＝｛5 〓k=1 ωkΦk(I)｝／｛5 〓k=1 ωk｝ としてΦ(I)を求めた後に、上記座標変換でもとの
座標に戻してφ(i)を定める方法もある。後者の方
が精度の点で優れる。
φk(i)に対してＪ＝Φk(I)を定めてから、 Φ(I)＝｛5 〓k=1 ωkΦk(I)｝／｛5 〓k=1 ωk｝ としてΦ(I)を求めた後に、上記座標変換でもとの
座標に戻してφ(i)を定める方法もある。後者の方
が精度の点で優れる。
このようにして得られる前記関数ｊ＝(i)を用
いて、第３図に示すような操作で、前記パタン１
３から写像関数ｊ＝(i)を示す１５を経て、前記
パタン１４が生成できる。式で表現すると、前記
パタン１３をｊ＝j13(i)、前記パタン１４をｊ＝
j14(i)とすると、 j14(i)＝j13（(i)） で表わされる非線形正規化処理で前記パタン１３
から前記パタン１４が得られる。
いて、第３図に示すような操作で、前記パタン１
３から写像関数ｊ＝(i)を示す１５を経て、前記
パタン１４が生成できる。式で表現すると、前記
パタン１３をｊ＝j13(i)、前記パタン１４をｊ＝
j14(i)とすると、 j14(i)＝j13（(i)） で表わされる非線形正規化処理で前記パタン１３
から前記パタン１４が得られる。
第４図ａ，ｂ，ｃ，ｄは伸縮整合処理の一つで
あるDPマツチング法の一例を説明するための図
である。
あるDPマツチング法の一例を説明するための図
である。
標準パタンA0がＭ次元ベクトルA1 0、A2 0、…、
AN 0の系列から成り、入力パタＡがＭ次元ベクト
ルA1、A2、…ANの系列から成つているとする。
また標準パタンの任意のベクトルAj 0と、入力パ
タン任意のベクトルAiとの距離をｄ（ｉ、ｊ）と
する。単純な整合をとると、入力パタンＡと標準
パタンA0との相違度Ｄ（Ａ、A0）は、例えば下式
で求めることになる。
AN 0の系列から成り、入力パタＡがＭ次元ベクト
ルA1、A2、…ANの系列から成つているとする。
また標準パタンの任意のベクトルAj 0と、入力パ
タン任意のベクトルAiとの距離をｄ（ｉ、ｊ）と
する。単純な整合をとると、入力パタンＡと標準
パタンA0との相違度Ｄ（Ａ、A0）は、例えば下式
で求めることになる。
Ｄ（Ａ、A0）＝N
〓i=1
ｄ（ｉ、ｊ）
この式は第４図ａの写像関数ｊ＝ｉ上でAiと
Ai 0とを対応させて、両パタンの相違度を求めて
いるが、同図の写像関数ｊ＝(i)上で、AiとA0 j
とを対応させることができれば、両パタンの相違
度を求めるのに、入力パタンＡを部分的に伸縮し
て標準パタンA0と整合をとることができる。
Ai 0とを対応させて、両パタンの相違度を求めて
いるが、同図の写像関数ｊ＝(i)上で、AiとA0 j
とを対応させることができれば、両パタンの相違
度を求めるのに、入力パタンＡを部分的に伸縮し
て標準パタンA0と整合をとることができる。
DPマツチング法は、入力パタンを部分的に伸
縮して整合をとるための手法であり、例えば第４
図ｂでは下記の初期値及び漸化式から、ｇ（Ｎ、
Ｎ）を求めることにより、写像関数ｊ＝(i)上で
AiとAj 0とを対応させて整合をとることができる。
縮して整合をとるための手法であり、例えば第４
図ｂでは下記の初期値及び漸化式から、ｇ（Ｎ、
Ｎ）を求めることにより、写像関数ｊ＝(i)上で
AiとAj 0とを対応させて整合をとることができる。
ｇ（１、１）＝ｄ（１、１）
ｇ（ｉ、ｊ）＝ｄ（ｉ、ｊ）＋min｛ｇ（ｉ
−１、ｊ）、ｇ（ｉ−１、ｊ−１）、ｇ（ｉ
−１、ｉ−２）｝
ただし、ｄ（ｉ、ｊ）＝∞（ｉ≦０またはｊ≦
０）である。
０）である。
第４図ｅは上記漸化式を求めるDPマツチング
法の一例を示すための図であり、入力パタンは５
個の一次元ベクトル、すなわちスカラー量の系列
｛１、２、４、５、５｝であり、標準パタンは同
じく５個の系列｛１、２、３、４、５｝であり、
（ｉ、ｊ）が（１、１）、（２、２）、（３、４）、
（４、５）、（５、５）となる写像関数上の伸縮整
合を行なつている。
法の一例を示すための図であり、入力パタンは５
個の一次元ベクトル、すなわちスカラー量の系列
｛１、２、４、５、５｝であり、標準パタンは同
じく５個の系列｛１、２、３、４、５｝であり、
（ｉ、ｊ）が（１、１）、（２、２）、（３、４）、
（４、５）、（５、５）となる写像関数上の伸縮整
合を行なつている。
第４図ｄは上記漸化式計算の計算量を減少させ
るために ｉ−Δ≦ｊ≦ｉ＋Δ の範囲内で、漸化式計算を行なうことを示してお
り、一般にDPマツチング法では、この範囲を整
合窓と呼び、実際に計算量の効率化を図つてい
る。
るために ｉ−Δ≦ｊ≦ｉ＋Δ の範囲内で、漸化式計算を行なうことを示してお
り、一般にDPマツチング法では、この範囲を整
合窓と呼び、実際に計算量の効率化を図つてい
る。
前記漸化式は単に相違度を求めるためだけのも
のであるが、 min（ｇ（ｉ−１、ｊ）、ｇ（ｉ−１、ｊ−１）、ｇ
（ｉ−１、ｊ−２））＝ｇ（ｉ−１、ｊ（ｉ−１）） （ただしｊ（ｉ−１）はｊ、ｊ−１、ｊ−２のい
ずれかである） のとき、 ｈ（ｉ、ｊ）＝ｊ（ｉ−１） として、関数ｈ（ｉ、ｊ）を求めておくことによ
り、相違度が求められた後にｈ（ｉ、ｊ）の値を
ｈ（Ｎ、Ｎ）から順次ｈ（１、１）まで求めること
により写像関数を求めることができる。例えば第
４図ｃの例では、ｈ（５、５）は ｈ（５、５）＝５、ｈ（４、５）＝４、ｈ（
３、４）＝２、ｈ（２、２）＝１ であるから、写像関数（ｉ、ｊ）が （１、１）、（２、２）、（３、４）、（４、５）、
（５、５） と求まる。
のであるが、 min（ｇ（ｉ−１、ｊ）、ｇ（ｉ−１、ｊ−１）、ｇ
（ｉ−１、ｊ−２））＝ｇ（ｉ−１、ｊ（ｉ−１）） （ただしｊ（ｉ−１）はｊ、ｊ−１、ｊ−２のい
ずれかである） のとき、 ｈ（ｉ、ｊ）＝ｊ（ｉ−１） として、関数ｈ（ｉ、ｊ）を求めておくことによ
り、相違度が求められた後にｈ（ｉ、ｊ）の値を
ｈ（Ｎ、Ｎ）から順次ｈ（１、１）まで求めること
により写像関数を求めることができる。例えば第
４図ｃの例では、ｈ（５、５）は ｈ（５、５）＝５、ｈ（４、５）＝４、ｈ（
３、４）＝２、ｈ（２、２）＝１ であるから、写像関数（ｉ、ｊ）が （１、１）、（２、２）、（３、４）、（４、５）、
（５、５） と求まる。
第５図は伸縮正規化処理の一例を示すための図
であり、Ｘ(i)（１≦ｉ≦16）は入力パタン、Ｙ(j)
（１≦ｊ≦16）は伸縮正規化パタンで、ｊ＝(i)
は伸縮正規化のための写像関数である。この例で
はＹ(j)は次の規則によつて定まる。
であり、Ｘ(i)（１≦ｉ≦16）は入力パタン、Ｙ(j)
（１≦ｊ≦16）は伸縮正規化パタンで、ｊ＝(i)
は伸縮正規化のための写像関数である。この例で
はＹ(j)は次の規則によつて定まる。
(1) ｊ＝(i)＞（ｉ−１）且つ(i)＜（ｉ＋
１）のときＹ(j)＝Ｘ(i) (2) ｊ＝(i)＝（ｉ−１）＋２ときＹ（ｊ−１）＝
Ｘ(i) (3) ｊ＝(i)＝（ｉ−１）＜（ｉ＋１）のとき
Ｙ(j)＝Ｘ(i) 次に本発明の実施例を図面について説明する。
１）のときＹ(j)＝Ｘ(i) (2) ｊ＝(i)＝（ｉ−１）＋２ときＹ（ｊ−１）＝
Ｘ(i) (3) ｊ＝(i)＝（ｉ−１）＜（ｉ＋１）のとき
Ｙ(j)＝Ｘ(i) 次に本発明の実施例を図面について説明する。
第６図は本発明の一実施例の構成図であり、２
は仮の標準パタン記憶手段で、２０は仮の標準パ
タンを示す信号であり、前記信号２０として入力
した仮の標準パタンを格納し、信号２２として、
後述する写像関数生成手段３と新種正規化手段５
に仮の標準パタンを供給する。写像関数生成手段
３は前記複数個の学習パタンを１個ずつ信号２１
として順次入力し写像関数を求め、信号２３して
順次出力する。４は平均写像関数生成手段で、前
記信号２３して順次入力されるすべての写像関数
の荷重平均を求めることにより平均写像関数を定
め、信号２４として前記平均写像関数を出力す
る。伸縮正規化手段５は前記仮の標準パタンを信
号２２として、前記平均写像関数を信号２４とし
て入力し、非線形正規化処理を行なつて得られる
標準パタンを信号２５として出力する。
は仮の標準パタン記憶手段で、２０は仮の標準パ
タンを示す信号であり、前記信号２０として入力
した仮の標準パタンを格納し、信号２２として、
後述する写像関数生成手段３と新種正規化手段５
に仮の標準パタンを供給する。写像関数生成手段
３は前記複数個の学習パタンを１個ずつ信号２１
として順次入力し写像関数を求め、信号２３して
順次出力する。４は平均写像関数生成手段で、前
記信号２３して順次入力されるすべての写像関数
の荷重平均を求めることにより平均写像関数を定
め、信号２４として前記平均写像関数を出力す
る。伸縮正規化手段５は前記仮の標準パタンを信
号２２として、前記平均写像関数を信号２４とし
て入力し、非線形正規化処理を行なつて得られる
標準パタンを信号２５として出力する。
上記説明において前記仮の標準パタン記憶手段
２は通常用いられているものでよい。
２は通常用いられているものでよい。
第７図は前記写像関数生成手段３の構成の一例
を示すためのブロツク図である。ここでの処理は
前記DPマツチング法の説明の中の、漸化式ｇ
（ｉ、ｊ）の計算と、漸化式計算の結果得られる
軌跡ｈ（ｉ、ｊ）を求め、ｈ（ｉ、ｊ）から写像関
数を求めるものである。
を示すためのブロツク図である。ここでの処理は
前記DPマツチング法の説明の中の、漸化式ｇ
（ｉ、ｊ）の計算と、漸化式計算の結果得られる
軌跡ｈ（ｉ、ｊ）を求め、ｈ（ｉ、ｊ）から写像関
数を求めるものである。
２１は順次入力される前記学習パタンを示す信
号で、特徴ベクトルの系列A1、A2、…、ANに対
応し、２２は前記仮の標準パタンを示す信号で、
特徴ベクトルの系列A1 0、A2 0、…、AN 0に対応し、
３１は距離演算部で上記２信号を入力とし、ｄ
（ｉ、ｊ）を計算し、信号３１１として出力する。
３２は前出の漸次式 ｇ（ｉ、ｊ）＝ｄ（ｉ、ｊ）＋min｛ｇ（ｉ−１、ｊ
）、ｇ（ｉ−１、ｊ−１）、ｇ（ｉ−１、ｊ−２）｝ を計算する漸化式演算部で、ｄ（ｉ、ｊ）を信号
３１１、min（ｇ（ｉ−１、ｊ）、ｇ（ｉ−１、ｊ−
１）、ｇ（ｉ−１、ｊ−２））を信号３４１として
入力し、演算結果のｇ（ｉ、ｊ）を信号３２１と
して、累積値記憶部３３に出力する。
号で、特徴ベクトルの系列A1、A2、…、ANに対
応し、２２は前記仮の標準パタンを示す信号で、
特徴ベクトルの系列A1 0、A2 0、…、AN 0に対応し、
３１は距離演算部で上記２信号を入力とし、ｄ
（ｉ、ｊ）を計算し、信号３１１として出力する。
３２は前出の漸次式 ｇ（ｉ、ｊ）＝ｄ（ｉ、ｊ）＋min｛ｇ（ｉ−１、ｊ
）、ｇ（ｉ−１、ｊ−１）、ｇ（ｉ−１、ｊ−２）｝ を計算する漸化式演算部で、ｄ（ｉ、ｊ）を信号
３１１、min（ｇ（ｉ−１、ｊ）、ｇ（ｉ−１、ｊ−
１）、ｇ（ｉ−１、ｊ−２））を信号３４１として
入力し、演算結果のｇ（ｉ、ｊ）を信号３２１と
して、累積値記憶部３３に出力する。
３４は最小値選択部で、累積値記憶部３３から
ｇ（ｉ−１、ｊ）、ｇ（ｉ−１、ｊ−１）そしてｇ
（ｉ−１、ｊ−２）を信号３３１、信号３３２、
そして信号３３３として読込み、min（ｇ（ｉ−
１、ｊ）、ｇ（ｉ−１、ｊ−１）、ｇ（ｉ−１、ｊ−
２））を信号３４１、そしてｈ（ｉ、ｊ）を信号３
４２として写像軌跡記憶部３５に出力する。漸化
式演算が終了すると前記写像軌跡記憶部３５から
写像関数を信号２３として出力する。
ｇ（ｉ−１、ｊ）、ｇ（ｉ−１、ｊ−１）そしてｇ
（ｉ−１、ｊ−２）を信号３３１、信号３３２、
そして信号３３３として読込み、min（ｇ（ｉ−
１、ｊ）、ｇ（ｉ−１、ｊ−１）、ｇ（ｉ−１、ｊ−
２））を信号３４１、そしてｈ（ｉ、ｊ）を信号３
４２として写像軌跡記憶部３５に出力する。漸化
式演算が終了すると前記写像軌跡記憶部３５から
写像関数を信号２３として出力する。
上記説明において、距離演算部３１、漸化式演
算部３２、累積値記憶部３３、最小値選択部３
４、写像軌跡記憶部３５はいずれも通常の記憶手
段、加算等の演算手段、比較手段を用いて容易に
実現できる。
算部３２、累積値記憶部３３、最小値選択部３
４、写像軌跡記憶部３５はいずれも通常の記憶手
段、加算等の演算手段、比較手段を用いて容易に
実現できる。
前記平均写像関数生成手段４は、前記信号２３
として入力される写像関数を逐次加算し、荷重平
均をとるものであるが、これは通常の記憶手段、
加算、乗算等の演算手段を用いて容易に実現でき
る。尚、荷重平均処理の荷重は認識対象のパタン
の性質によつて変わるが、前記性質が末知のとき
には単純平均でもよい。
として入力される写像関数を逐次加算し、荷重平
均をとるものであるが、これは通常の記憶手段、
加算、乗算等の演算手段を用いて容易に実現でき
る。尚、荷重平均処理の荷重は認識対象のパタン
の性質によつて変わるが、前記性質が末知のとき
には単純平均でもよい。
このようにすれば複数個の学習パタンと仮の標
準パタンとから得られる複数個の写像関数の平均
写像関数を求め、前記仮の標準パタンと前記平均
写像関数とから、偏りの少ない標準パタンを自動
的に得ることができる。この偏りの少ない標準パ
タンを用いることにより、認識率の向上を計るこ
とができ、更に認識のための伸縮整合処理として
DPマツチング法を用いる場合には、偏りの大き
い標準パタンに比べて整合窓幅を狭くできるの
で、計算量を減らす効果も得られる。また自動的
に処理できることから、標準パタン作成のための
工数の大幅に減らすという効果も得られる。
準パタンとから得られる複数個の写像関数の平均
写像関数を求め、前記仮の標準パタンと前記平均
写像関数とから、偏りの少ない標準パタンを自動
的に得ることができる。この偏りの少ない標準パ
タンを用いることにより、認識率の向上を計るこ
とができ、更に認識のための伸縮整合処理として
DPマツチング法を用いる場合には、偏りの大き
い標準パタンに比べて整合窓幅を狭くできるの
で、計算量を減らす効果も得られる。また自動的
に処理できることから、標準パタン作成のための
工数の大幅に減らすという効果も得られる。
尚、以上の説明では、標準パタンと入力パタン
の系列が同じ長さとしてきたが、若し長さが異な
る場合には長さの正規化等の前処理を行なえばよ
く、また前処理によつてパタンの形状が大きく変
わる場合は、別のサブカテゴリーとして取り扱え
ばよい。従つて本発明は必ずしも１つのカテゴリ
ーのすべての学習パタンに対して適用するもので
はなく、サブカテゴリー単位で適用すれば、より
以上の効果が得られる。また伸縮整合処理はDP
マツチングに限ることはなく、またDPマツチン
グを用いる場合でも、使用する漸化式は本説明の
漸化式に限るものではない。また仮の標準パタン
はあらかじめ用意されたものではなく、複数個の
学習パタンの中から１個を選択したものでもよ
い。
の系列が同じ長さとしてきたが、若し長さが異な
る場合には長さの正規化等の前処理を行なえばよ
く、また前処理によつてパタンの形状が大きく変
わる場合は、別のサブカテゴリーとして取り扱え
ばよい。従つて本発明は必ずしも１つのカテゴリ
ーのすべての学習パタンに対して適用するもので
はなく、サブカテゴリー単位で適用すれば、より
以上の効果が得られる。また伸縮整合処理はDP
マツチングに限ることはなく、またDPマツチン
グを用いる場合でも、使用する漸化式は本説明の
漸化式に限るものではない。また仮の標準パタン
はあらかじめ用意されたものではなく、複数個の
学習パタンの中から１個を選択したものでもよ
い。
本発明は複数個の学習パタンからより良い標準
パタンを自動的に作成することができ、認識処理
による認識率を向上させ、且つ標準パタン作成の
ための工数を大幅に軽減できる効果がある。
パタンを自動的に作成することができ、認識処理
による認識率を向上させ、且つ標準パタン作成の
ための工数を大幅に軽減できる効果がある。
第１図は特徴ベクトルの系列として表わされる
２つのパタンの伸縮整合を行なつたときの写像関
数を示す図、第２図は標準パタンの違いによる写
像関数の違いを示す図で、ａは複数個の学習パタ
ンに対して偏りの大きな標準パタンの場合、ｂは
偏りの少ない標準パタンの場合である。第３図は
写像関数を用いて伸縮正規化処理を行うときの
図、第４図ａ〜ｄはDPマツチング法の一例を説
明するための図、第５図は伸縮正規化処理の一例
を示すための図、第６図は本発明の一実施例のブ
ロツク図、第７図は第６図中の写像関数生成手段
の構成の一例を示すブロツク図である。 ２は仮の標準パタン記憶手段、３は写像関数生
成手段、４は平均写像関数生成手段、５は伸縮正
規化手段、３１距離演算部、３２は漸化式演算
部、３３は累積値記憶部、３４は最小値選択部、
３５は写像軌跡記憶部。
２つのパタンの伸縮整合を行なつたときの写像関
数を示す図、第２図は標準パタンの違いによる写
像関数の違いを示す図で、ａは複数個の学習パタ
ンに対して偏りの大きな標準パタンの場合、ｂは
偏りの少ない標準パタンの場合である。第３図は
写像関数を用いて伸縮正規化処理を行うときの
図、第４図ａ〜ｄはDPマツチング法の一例を説
明するための図、第５図は伸縮正規化処理の一例
を示すための図、第６図は本発明の一実施例のブ
ロツク図、第７図は第６図中の写像関数生成手段
の構成の一例を示すブロツク図である。 ２は仮の標準パタン記憶手段、３は写像関数生
成手段、４は平均写像関数生成手段、５は伸縮正
規化手段、３１距離演算部、３２は漸化式演算
部、３３は累積値記憶部、３４は最小値選択部、
３５は写像軌跡記憶部。
Claims (1)
- １ 特徴ベクトルの系列として表わされるパタン
を用いたパタン認識に必要な標準パタンを複数個
の学習パタンを用いて作成する標準パタン作成方
式において、仮の標準パタンを格納する仮の標準
パタン記憶手段と、順次入力される前記複数個の
学習パタンの各々と前記仮の標準パタンとを入力
し両者の伸縮整合を行ない最適な整合となるとき
の前記学習パタンの各々と前記仮の標準パタンと
の対応を示す写像関数を出力する写像関数生成手
段と、前記複数個の学習パタンの各々について得
られる写像関数の平均となる平均写像関数を求め
る平均写像関数生成手段と、前記平均写像関数を
伸縮正規化用写像関数として前記仮の標準パタン
を伸縮正規化して標準パタンを作成する伸縮正規
化手段とを含むことを特徴とするパタン認識にお
ける標準パタン作成方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59016471A JPS60160488A (ja) | 1984-02-01 | 1984-02-01 | パタン認識における標準パタン作成方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59016471A JPS60160488A (ja) | 1984-02-01 | 1984-02-01 | パタン認識における標準パタン作成方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS60160488A JPS60160488A (ja) | 1985-08-22 |
| JPH0565907B2 true JPH0565907B2 (ja) | 1993-09-20 |
Family
ID=11917175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59016471A Granted JPS60160488A (ja) | 1984-02-01 | 1984-02-01 | パタン認識における標準パタン作成方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS60160488A (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02263275A (ja) * | 1989-04-03 | 1990-10-26 | Kiyadeitsukusu:Kk | 手書き文字の登録パターン作成方式 |
| JPH087788B2 (ja) * | 1989-04-10 | 1996-01-29 | 株式会社キャディックス | 署名照合方法 |
| JP2749692B2 (ja) * | 1990-03-12 | 1998-05-13 | 富士ファコム制御株式会社 | 標準パターン作成方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS57204598A (en) * | 1981-06-11 | 1982-12-15 | Matsushita Electric Ind Co Ltd | Voice recognizer |
-
1984
- 1984-02-01 JP JP59016471A patent/JPS60160488A/ja active Granted
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS57204598A (en) * | 1981-06-11 | 1982-12-15 | Matsushita Electric Ind Co Ltd | Voice recognizer |
Also Published As
| Publication number | Publication date |
|---|---|
| JPS60160488A (ja) | 1985-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7162105B2 (en) | Method, apparatus, computer program, computer system, and computer-readable storage medium for representing and searching for an object in an image | |
| US5040222A (en) | Pattern generation method for registering handwriting | |
| US7068843B2 (en) | Method for extracting and matching gesture features of image | |
| EP0103245B1 (en) | Pattern matching apparatus | |
| US4905287A (en) | Pattern recognition system | |
| KR100937273B1 (ko) | 화상 중의 오브젝트를 표시하거나 검색하기 위한 방법, 장치, 컴퓨터 시스템 및 컴퓨터 판독가능 기록매체 | |
| US5889892A (en) | Line symmetrical figure shaping apparatus | |
| JPS6024994B2 (ja) | パタ−ン類似度計算方式 | |
| US4901352A (en) | Pattern matching method using restricted matching paths and apparatus therefor | |
| JPH0565907B2 (ja) | ||
| JP3903613B2 (ja) | 検索装置及び検索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 | |
| US7447373B2 (en) | Method for efficient coding of shape descriptor parameters | |
| JPH0565908B2 (ja) | ||
| JPH11213004A (ja) | データ処理装置及びその方法、及びそのプログラムを記憶した記憶媒体 | |
| JP3477751B2 (ja) | 連続単語音声認識装置 | |
| JPH0531792B2 (ja) | ||
| JPH06119451A (ja) | パターン認識装置およびそれを用いたシステム | |
| JPH02750B2 (ja) | ||
| JP2518871B2 (ja) | パタン比較器 | |
| JPH0436400B2 (ja) | ||
| JP2785939B2 (ja) | 連続音声認識装置 | |
| JPH024919B2 (ja) | ||
| JPH0683938A (ja) | 連続手話認識方法および装置 | |
| JPS60209794A (ja) | パタ−ンマツチング方法 | |
| JPH01102688A (ja) | パターン認識方式 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EXPY | Cancellation because of completion of term |