JPH0720547A - カメラの手ぶれ補正装置 - Google Patents

Abstract

(57)【要約】 【目的】 撮影者個有のぶれ特性、カメラの重量バラン
スによって異なるぶれ特性など広範囲のぶれ振動の態様
に適応した手ぶれ補正を実現する。 【構成】 学習プロセッサ１８は、手ぶれに起因する加
速度および像移動を検出する加速度センサ１１ａおよび
ＣＣＤ１４からのぶれデータを、第１のメモリ回路１３
および第２のメモリ回路１７を介して受けて所定の関係
を満たす係数を演算する。変数選択プロセッサ１９は、
上記係数を基に上記両ぶれデータ間の誤差成分が最小に
なる入力変数を選択する。この入力変数と第１のメモリ
回路１３に記憶されたデータを基にして、ぶれ演算回路
２１、ぶれ補正演算回路２２によりフィルム面５上のぶ
れを打ち消すぶれ補正データを演算する。アクチュエー
タ２３は、このぶれ補正データに基き、手ぶれを打ち消
すようにぶれ補正レンズ４を駆動する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、カメラの手ぶれ補正装
置に関し、より詳細には、撮影者が撮影を行う際に、カ
メラ本体に生じる手ぶれを検出し、この手ぶれを打ち消
すように制御できるカメラの手ぶれ補正装置に関するも
のである。

【０００２】

【従来の技術】近年、カメラの自動化が著しく進み、撮
影行うに際して基本的なことは、その殆どが自動化され
るような趨勢であり、露出の自動化は勿論のことピント
合わせを自動化することも広く行われている。

【０００３】また、その一環としてカメラ本体に生じる
手ぶれを検出し、この手ぶれを打ち消すように制御する
ことも提案されている。この一例として、特開平３−３
７６３３号公報に開示されているカメラの手ぶれ補正装
置がある。

【０００４】即ち、この手ぶれ補正装置は、カメラ本体
に角速度計を設け、この角速度計によって手ぶれ振動を
検出し、この検出結果に基づいてフィルム面上での像位
置の移動量を演算し、この演算結果に基づいて手ぶれを
打ち消すための駆動を行うものであるが、この手ぶれの
打消の駆動量を、撮影レンズ光学系の鏡筒をボイスコイ
ルモータで駆動することによって行っている。これによ
って、撮影者の手ぶれに起因する像ぶれを打ち消した撮
影を行うようにしている。

【０００５】しかしながら、この従来技術は、通常の撮
影で生じる手ぶれ成分の１Ｈｚないし１２Ｈｚの周波数
の成分を重点的に抽出しているので、この帯域の手ぶれ
については有効に抑制できるものの、いわゆるリアルタ
イム的な制御であるので時間平均的な制御に対応させる
ことが難しい。

【０００６】そこで、特開昭６３−８６２８号公報に開
示されているカメラ振動検出装置においては、時間平均
的な制御で得られる速度信号を所定時間に亘る移動時間
平均値として連続的に算出する移動平均算出手段を設
け、この移動平均算出手段の出力を用いてカメラの手ぶ
れ補正を行なうようにしている。

【０００７】これによって、実際のカメラに生じている
手ぶれ振動状態あるいはその他の取扱いに由来した状態
に対応させて、高精度制御のために必要とされる、検出
回路全体の有するフィルタ特性上の位相誤差の難の解消
や対象外信号の除去を都合よく調整することができる。

【０００８】

【発明が解決しようとする課題】従来のカメラの手ぶれ
補正装置においては、カメラ本体に生じる手ぶれを、カ
メラ本体に取りつけられた加速度センサにより検出し、
これによって得られるデータに基づいて像ぶれ補正量を
演算によって求め、この像ぶれ補正量だけぶれ補正部材
（補正プリズム等）を駆動して像ぶれの生じない鮮明な
写真を得るようにしているので、一応の手ぶれ補正が行
えるものの、手ぶれの検出を行う態様としては現実的で
ない面がある。

【０００９】即ち、手ぶれ補正のための従来の手ぶれ検
出は、撮影者によって異なるカメラ保持の態様、撮影者
によって異なる手ぶれ振動の振動数及び振幅、あるい
は、カメラ本体に装着される交換レンズの重量バランス
については何ら考慮されておらず、特別の前提条件の無
い状態で行われているのが現状である。従って、手ぶれ
補正の対象とする条件がかなり広い範囲に亘っているの
で、正確な手ぶれ補正が行えないという問題がある。

【００１０】また、この問題は、近年特に著しく発達し
ているズームレンズの高倍率化のために手ぶれ補正の精
度向上が要求されていることに応じ得ないという問題に
つながっている。

【００１１】本発明は、上述の事情に鑑みてなされたも
ので、その目的とするところは、実際の手ぶれ振動の特
性、即ち、撮影者の癖やカメラ本体に装着された交換レ
ンズの重量バランス等に対応した広い範囲の手ぶれ振動
の態様に適応できるカメラの手ぶれ補正装置を提供する
ことにある。

【００１２】

【課題を解決する手段】本発明の請求項１に係るカメラ
の手ぶれ補正装置は、上述の目的を達成するために、少
なくとも撮影者の手ぶれに起因する加速度または角速度
を検知するぶれセンサと、被写体像または被写体像に相
応する像を受けて画像情報信号に変換して少なくとも撮
影者の手ぶれに起因する像移動を検出して像データを得
る光センサと、上記ぶれセンサの出力をサンプリングし
て得たぶれデータを時系列的に記憶する第１の記憶手段
と、上記光センサの出力をサンプリングして得た像デー
タを時系列的に記憶する第２の記憶手段と、上記第１の
記憶手段に記憶された時系列ぶれデータと上記第２の記
憶手段に記憶された時系列データとからこれらの関係を
満たす係数を複数時点で演算する学習手段と、この学習
手段で得られる複数の係数を演算して複数の入力変数を
求め、求められた複数の入力変数のうちの、上記第１の
記憶手段に記憶された時系列ぶれデータと上記第２の記
憶手段に記憶された時系列データとの誤差成分が最小に
なるものを選択する変数選択手段と、上記第１の記憶手
段に記憶されたデータと上記変数選択手段で選択された
入力変数に基づいてぶれ速度データまたはぶれ量データ
を演算するぶれ演算手段と、このぶれ演算手段で求めら
れたぶれ速度データまたはぶれ量データをフィルム面上
のぶれを打ち消すように補正するぶれ補正データに変換
するぶれ補正演算手段と、このぶれ補正演算手段で得ら
れたぶれ補正データに基づいてぶれ補正部材を駆動する
ぶれ補正駆動手段と、を具備することを特徴とするもの
である。

【００１３】また、上記の目的を達成するために、本発
明の請求項２に係るカメラの手ぶれ補正装置は、請求項
１におけるぶれセンサと光センサとぶれ補正演算手段と
ぶれ補正駆動手段とを具備すると共に、少なくとも撮影
者の手ぶれに起因する加速度または角速度を検知するぶ
れセンサと、被写体像または被写体像に相応する像を受
けて画像情報信号に変換して少なくとも撮影者の手ぶれ
に起因する像移動を検出する光センサと、上記ぶれセン
サの出力を時系列的に記憶する記憶手段と、この記憶手
段に記憶された時系列データと上記光センサの出力デー
タからこれらの関係を満たす結合係数を複数時点で演算
する学習手段と、上記記憶手段に記憶されたデータと上
記学習手段で求められた結合係数に基づいてぶれ速度デ
ータまたはぶれ量データを演算するぶれ演算手段と、こ
のぶれ演算手段で求められたぶれ速度データまたはぶれ
量データをフィルム面上のぶれを打ち消すように補正す
るぶれ補正データに変換するぶれ補正演算手段と、上記
ぶれ補正演算手段で得られたぶれ補正データに基づいて
ぶれ補正部材を駆動するぶれ補正駆動手段と、を具備す
ることを特徴とするものである。

【００１４】さらに、上記の目的を達成するために、本
発明の請求項３に係るカメラの手ぶれ補正装置は、請求
項１におけるぶれセンサと光センサとぶれ補正演算手段
とぶれ補正駆動手段と記憶手段とを具備すると共に、少
なくとも撮影者の手ぶれに起因する加速度または角速度
を検知するぶれセンサと、被写体像または被写体像に相
応する像を受けて画像情報信号に変換して少なくとも撮
影者の手ぶれに起因する像移動を検出する光センサと、
上記ぶれセンサの出力を時系列的に記憶する記憶手段
と、この記憶手段に記憶されたデータと上記光センサの
出力データからこれらの関係を満たす結合係数を複数時
点で演算しこの演算により得られた結合係数を略対数的
に変換した学習データとする学習手段と、上記記憶手段
に記憶されたデータと上記学習手段で求められた学習デ
ータに基づいてぶれ速度データまたはぶれ量データを演
算するぶれ演算手段と、このぶれ演算手段で求められた
ぶれ速度データまたはぶれ量データをフィルム面上のぶ
れを打ち消すように補正するぶれ補正データに変換する
ぶれ補正演算手段と、このぶれ補正演算手段で得られた
ぶれ補正データに基づいてぶれ補正部材を駆動するぶれ
補正駆動手段と、を具備することを特徴とするものであ
る。

【００１５】また、本発明の請求項４、５、６のそれぞ
れにおけるカメラの手ぶれ補正装置は、請求項１、２、
３のそれぞれにおける構成のうちのぶれ補正演算回路を
上記ぶれ演算手段で求められたぶれ速度データまたはぶ
れ量データを撮影レンズ光学系の焦点距離データに応じ
てフィルム面上のぶれを打ち消すように補正するぶれ補
正データに変換するぶれ補正演算手段とするように構成
したことを特徴とするものである。

【００１６】

【作用】上記のように構成されたカメラの手ぶれ補正装
置は、少なくとも撮影者の手ぶれに起因する加速度また
は角速度をぶれセンサで検知し、被写体像または被写体
像に相応する像を受けて画像情報信号に変換して少なく
とも撮影者の手ぶれに起因する像移動を光センサで検出
して像データを求める。

【００１７】上記ぶれセンサで得られたぶれデータを第
１の記憶手段に時系列的に記憶し、上記光センサで得ら
れた像データを第２の記憶手段に時系列的に記憶し、上
記第１の記憶手段に記憶された時系列ぶれデータと上記
第２の記憶手段に記憶された時系列データとからこれら
の関係を満たす係数を複数時点で学習手段で演算する。

【００１８】この学習手段で得られる複数の係数を演算
して複数の入力変数を求め、求められた複数の入力変数
のうちの、上記第１の記憶手段に記憶された時系列ぶれ
データと上記第２の記憶手段に記憶された時系列データ
との誤差成分が最小になるものを選択手段で選択する。

【００１９】上記第１の記憶手段に記憶されたデータと
上記選択手段で選択された入力変数に基づいてぶれ速度
データまたはぶれ量データをぶれ演算手段で演算し、上
記ぶれ演算手段で求められたぶれ速度データまたはぶれ
量データをフィルム面上のぶれを打ち消すように補正す
るためのぶれ補正データへの変換をぶれ補正演算手段で
演算する。

【００２０】このぶれ補正演算手段で得られたぶれ補正
データに基づいてぶれ補正駆動手段がぶれ補正部材を駆
動することによって、撮影者の癖やカメラ本体に装着さ
れる交換レンズの重量等に対応した広い範囲の手ぶれ振
動の態様に適応できる手ぶれ補正をすることができる。

【００２１】また、上記請求項２のように構成されたカ
メラの手ぶれ補正装置は、ぶれセンサと光センサとぶれ
補正演算手段とぶれ補正駆動手段とを有し、上記ぶれセ
ンサの出力を時系列的に記憶手段で記憶し、上記記憶手
段に記憶された時系列データと上記光センサの出力デー
タとから両データの結合係数を複数時点で学習手段で演
算する。

【００２２】上記記憶手段に記憶されたデータと上記学
習手段で求められた結合係数に基づいてぶれ速度データ
またはぶれ量データをぶれ演算手段で演算することによ
って、撮影者の癖やカメラ本体に装着される交換レンズ
の重量等に対応した広い範囲の手ぶれ振動の態様に適応
できる手ぶれ補正を実現している。

【００２３】さらに、本発明の請求項３に係るカメラの
手ぶれ補正装置は、請求項１のように構成されたぶれセ
ンサと光センサとぶれ補正演算手段とぶれ補正駆動手段
と記憶手段とを有し、上記記憶手段に記憶されたデータ
と上記光センサの出力データとから両データの結合係数
を複数時点で演算する。得られた結合係数を略対数的に
変換した学習データを学習手段で求め、上記記憶手段に
記憶されたデータと上記学習手段で求められた学習デー
タに基づいてぶれ速度データまたはぶれ量データをぶれ
演算手段で演算することによって、撮影者の癖やカメラ
本体に装着される交換レンズの重量等に対応した広い範
囲の手ぶれ振動の態様に適応できる手ぶれ補正を実現し
ている。

【００２４】

【実施例】以下、本発明の実施例について詳細に説明す
る。先ず、第１実施例を図１ないし図１２を用いて説明
する。この実施例は、撮影光学系を構成する撮影レンズ
に、自動合焦機能を有するズームレンズを用いたカメラ
に、請求項１の発明を適用したものである。

【００２５】全体構成の概略を示す図１において、撮影
光学系１は、フォーカスレンズ２とズームレンズ３とぶ
れ補正レンズ４で構成され、その光軸Ｏ上にフィルム５
が位置されている。

【００２６】また、フォーカスレンズ２を光軸Ｏの方向
に駆動することによって合焦状態にすることができ、ズ
ームレンズ３を光軸Ｏの方向に駆動することによって焦
点距離が変更でき、ぶれ補正レンズ４を光軸Ｏに直交し
た方向もしくは光軸Ｏに対して傾斜する方向に駆動する
ことによってフィルム５の面に生じる手ぶれを打ち消す
ことができるようになっている。

【００２７】このような撮影光学系１には、像検出光学
系６が設けられ、この像検出光学系６は、被写体像また
は被写体像に相応する像を受けて画像情報信号に変換し
て少なくとも撮影者の手ぶれに起因する像移動を検出す
る光センサ（後述するＣＣＤ１４）に像を導くものであ
る。

【００２８】この具体例としては、フォーカスレンズ
２、ズームレンズ３、ぶれ補正レンズ４で形成される撮
影光学系の光束の一部をハーフミラー等で分岐して光セ
ンサへの導入光学系を構成したり、撮影光学系とは全く
の別個に光センサへの導入光学系を構成したり、ファイ
ンダ光学系の光束の一部をハーフミラー等で分岐して光
センサへの導入光学系を構成することができる。

【００２９】撮影光学系１が設けられたカメラ本体には
加速度センサ１１が固定され、カメラ本体に生じる手ぶ
れに起因する加速度を検知することができるようになっ
ている。

【００３０】この加速度センサ１１には、サンプリング
回路１２が接続され、その出力端には第１の記憶手段と
しての第１のメモリ回路１３が接続されている。この第
１のメモリ回路１３は、上記加速度センサのぶれデータ
を時系列的に記憶するための第１の記憶手段である。一
方、像検出光学系６によって形成される導入光は、ＣＣ
Ｄ１４に導かれるように構成されている。

【００３１】このＣＣＤ１４の出力端は、サンプリング
回路１５とピーク検出回路１６を順次に介して第２のメ
モリ回路１７に接続されている。この第２のメモリ回路
１７は、ＣＣＤ１４で得られる像データを時系列的に記
憶するための第２の記憶手段である。

【００３２】この第１のメモリ回路１３と第２のメモリ
回路１７のそれぞれから時系列的に得られるデータは、
学習プロセッサ１８に供給されるようになっている。こ
の学習プロセッサ１８は、第１のメモリ回路１３に記憶
された時系列ぶれデータと第２のメモリ回路１７に記憶
された時系列データとから、これらの関係を満たす係数
（詳細は後述する）を複数時点で演算する学習手段であ
る。

【００３３】この学習プロセッサ１８には、自身で得ら
れる複数の係数を演算して複数の入力変数を求め、求め
られた複数の入力変数のうちの最適なものを選択する変
数選択手段としての変数選択プロセッサ１９が接続され
ている。

【００３４】以上の第１のメモリ回路１３、第２のメモ
リ回路１７、学習プロセッサ１８、変数選択プロセッサ
１９等や後述するぶれ演算回路２１のそれぞれは、ＣＰ
Ｕ２０によって総合的に制御され、所定の演算プログラ
ムが実行できるようにされている。

【００３５】第１のメモリ回路１３から時系列的に出力
されるデータは、上述の変数選択プロセッサ１９で選択
された入力変数のデータと共にぶれ演算回路２１に供給
されるように構成されている。このぶれ演算回路２１
は、第１のメモリ回路１３に記憶されたデータと変数選
択プロセッサ１９で選択された入力変数に基づいてぶれ
速度データまたはぶれ量データを演算するぶれ演算手段
である。

【００３６】このぶれ演算回路２１の次段には、ぶれ補
正演算回路２２が接続されている。このぶれ補正演算回
路２２は、ぶれ演算回路２１で求められたぶれ速度デー
タまたはぶれ量データを撮影レンズ光学系の焦点距離デ
ータに応じてフィルム面５上のぶれを打ち消すように補
正するぶれ補正データに変換して演算するものである。
このぶれ補正演算回路２２の出力端には、ぶれ補正レン
ズ４を駆動してフィルム面上の像ぶれを打ち消すように
駆動するアクチュエータ２３が接続されている。

【００３７】さて、ＣＰＵ２０には、自身の制御の基に
適正露光を与えることが出来るようにされた周知の測光
回路２４が接続されている。また、ＣＰＵ２０には、レ
リーズスイッチ２５が接続されている。

【００３８】このレリーズスイッチ２５は、シャッタレ
リーズ釦の押込みに連動して半押しでオンされる第１レ
リーズスイッチと、さらに釦を押込むことによってオン
される第２レリーズスイッチとの２つのスイッチで構成
されている。

【００３９】さらに、ＣＰＵ２０には、ズームスイッチ
２６が接続されている。このズームスイッチ２６は、撮
影光学系１ゐ形成するズームレンズ３の焦点距離を広角
側に駆動させるための広角スイッチと望遠側に駆動させ
るための望遠スイッチとの２つのスイッチで構成されて
いる。

【００４０】また、ＣＰＵ２０には、駆動回路２７を介
して給送モータ２８が接続され、フィルムを給送出来る
ように構成されている。さらに、ＣＰＵ２０には、周知
のＡＦ回路２９が接続され、その出力端に被写体距離デ
ータが得られるように構成され、この被写体距離データ
は、ＡＦ回路２９の次段に接続されたＡＦデータ変換回
路３０によって合焦駆動量データに変換されるように構
成されている。

【００４１】上述のズームスイッチ２６によって指定さ
れるズーミングの方向がＣＰＵ２０によって識別されて
出力される駆動データは、ズーム駆動回路３１を介して
ズームモータ３２に供給され、このズームモータ３２で
ズームレンズ３を所定の方向に駆動できるように構成さ
れている。

【００４２】このときにズームレンズ３の焦点距離デー
タは、ズーム位置検出回路３３によって検出されてズー
ム駆動回路３１に入力されると共にＡＦデータ変換回路
３０にも入力されるように接続されている。

【００４３】上述のＡＦデータ変換回路３０で得られる
合焦駆動量データは、次段のフォーカス駆動回路３４を
介してフォーカスモータ３５に供給され、フォーカスモ
ータ３５によって撮影光学系１を形成するフォーカスレ
ンズ２が合焦駆動されるように構成されている。

【００４４】このときにフォーカス駆動された量を検出
するフォトインタラプタ３６が設けられていて、このフ
ォトインタラプタ３６のデータがフォーカス駆動回路３
４に出力されるようになっている。

【００４５】上述の第１のメモリ回路１３と第２のメモ
リ回路１７の内部は、図２に示されるように構成されて
いる。即ち、第１のメモリ回路１３は、メモリ１、メモ
リ２、……メモリＮでなる複数（Ｎ個）のメモリを直列
的に形成して構成され、最初のメモリ１にサンプリング
回路１２からの出力であるぶれデータＤが供給され、所
定の周期でもって順々に次段のメモリにシフトとされ、
第１のメモリ回路１３全体を見た場合には、第１のメモ
リ回路１３から時系列的なデータが学習プロセッサ１８
とぶれ演算回路２１の両方にデータ出力されることにな
る。

【００４６】また、第２のメモリ回路１７も、メモリ
１、メモリ２、……メモリＮでなる複数（Ｎ個）のメモ
リを直列的に形成して構成され、最初のメモリ１にピー
ク検出回路１６からの出力である光データＣが供給さ
れ、所定の周期でもって順々に次段のメモリにシフトと
され、第２のメモリ回路１７全体を見た場合には、第２
のメモリ回路１７から時系列的なデータが学習プロセッ
サ１８にデータ入力されることになる。

【００４７】以上のように構成されたカメラの手ぶれ補
正装置における動作を図３ないし図１２を用いて説明す
る。図３に示すステップ＃１（以下、「ステップ＃」を
「＃」と省略して記載する）でメインスイッチがオンさ
れると回路各部に電源供給がなされ、初期設定が行われ
て待機状態にされる。

【００４８】そして、＃２においてレリーズスイッチ２
５を形成する２つのスイッチのうちの第１レリーズスイ
ッチがオンされたか否か、即ちカメラ本体に設けられた
レリーズ釦が半押しされたか否かがＣＰＵ２０で判断さ
れ、ＮＯの場合には待機状態がそのまま継続し、ＹＥＳ
の場合には＃３に移行して測光回路２４による測光とＡ
Ｆ回路２９による測距が開始される。

【００４９】この測光と測距の動作は、周知の手段でも
って行われ、本発明の要旨には直接に関係しないのでそ
の詳細を省略するが、その概要は、次の通りである。即
ち、＃３で行われた測光と測距の適正露光データと合焦
駆動データが記憶され、後述する＃２１でレリーズスイ
ッチ２５を形成する２つのスイッチのうちの第２レリー
ズスイッチがオンされたときに露光動作が開始されると
共に合焦駆動が開始され、しかる後に適正露光が与えら
れると共に合焦状態にされることになるのである。

【００５０】さて、＃３で測光と測距が上述のように実
行されると共に、撮影光学系１を形成するズームレンズ
３における焦点距離データＺｐがズーム位置検出回路３
３で検出されて格納され、この焦点距離データＺｐがＡ
Ｆデータ変換回路３０に入力されると共にズーム駆動回
路３１にも入力される。

【００５１】そして、このような＃３が実行された後に
移行する＃４は、ｊを０に初期セットし、次の＃５でｉ
をｎに初期セットするものである。このｎは、第１のメ
モリ回路１３における複数のメモリの数Ｎに対応したア
ドレスを意味し、この実施例ではＮとなっている。

【００５２】また、ｊは、第１のメモリ回路１３におけ
る複数のメモリの数ｎのそれぞれの出力データのうちの
２つのデータを組み合わせたもののペア数になってい
る。次の＃４で上述のｊが０にセットされ＃５でｉがｎ
（この例ではｎ＝１２）にセットされ＃６に移行する。

【００５３】この＃６から＃９は、ぶれデータＤと光デ
ータＣを時系列的に並べ変えるステップであり、＃１１
から＃１５は、加速度センサ１１で検出されたぶれデー
タをサンプリング回路１２でサンプリングしたぶれデー
タＤと、ＣＣＤ１４に生じる光出力をサンプリング回路
１５でサンプリングした出力をピーク検出回路１６でピ
ーク検出した光データＣとを時系列的に並べ変えるステ
ップである。

【００５４】ピーク検出回路１６におけるピーク検出
は、図５に示すように光データＣの出力が、例えば時点
ｔ₀ において実線で示すようになり、時点ｔ₁ において
破線で示すようになり、時点ｔ₂ において一点鎖線で示
すようになった場合に、それぞれのピーク値Ｐ₀ 、Ｐ
₁ 、Ｐ₂ が検出されることになる。

【００５５】このピーク値Ｐ₀ 、Ｐ₁ 、Ｐ₂ は、手ぶれ
に相応して変化することになり、経過時間的に見た場合
には、図６に示すように手ぶれ振動に相応した変化をす
ることになる。即ち、基準点０を境にしてプラスピーク
（＋Ｐ）とマイナスピーク（−Ｐ）に分布することにな
る。一方、サンプリング回路１２より得られるぶれデー
タＤは、その一例を図７に示すように手ぶれの方向（±
方向）と絶対量に追従したものとなり、その変位は、図
８に一例を示すようになる。さて、このようにして得ら
れるぶれデータＤと光データＣの処理は、図３に戻り＃
１６で、学習プロセッサ１８における処理手順の階層Ｌ
が１にセットされ、次段の＃１７で第１階層の学習手法
が実行され、次の＃１８で階層Ｌが１ステップ歩進され
て２にセットされ、次の＃１９で「Ｌ≦２？」の判定が
なされ、ＹＥＳの場合（階層Ｌが１または２の場合）に
第２階層の学習手法が実行され、＃１９がＮＯとなって
＃２０に移行されるのである。

【００５６】次にこれらの学習手法の詳細について説明
する。即ち、学習手法は、基本的には、下記のような関
数を基礎関数として変数を自然発生的に増やして行く手
法である。即ち、基礎関数を Ｙ_k ＝ａ₀ ＋（ａ₁ ・ｘ_i ）＋（ａ₂ ・ｘ_j ）＋（ａ₃ ・ｘ_i ² ） ＋（ａ₄ ・ｘ_j ² ）＋（ａ₅ ・ｘ_i ・ｘ_j ） …………式１ とし、ｘ_i とｘ_j のそれぞれを入力変数とし、出力変数
をＹ_k とし、係数をａ₀〜ａ₅ とする。

【００５７】そして、Ｎ個の入力変数ｘ_i （i ＝１，
２，３・・・Ｎ）と出力変数Ｃ（ｔ）との間には、 Ｃ（ｔ）＝ｆ（ｘ₁ ，ｘ₂ ・・ｘ_preN） …………式２ という非線形の関係がある。

【００５８】この実施例の場合には、入力変数ｘ_i が、
加速度センサ１１から出力されるぶれデータＤに置き換
えられ、出力変数Ｃ（ｔ）は、ＣＣＤ１４への入射像の
面の移動量（フィルム５における像面の移動量に等価な
もの）データである光データＣに置き換えられる。

【００５９】また、入力変数ｘ_i の個数ｐreNは、一定
の学習期間ｔLを定めたときにその中に含まれる個数で
ある。そして、Ｎ個の入力変数ｘ_i （i ＝１，２，３・
・・Ｎ）から２つのデータをｘ_i ，ｘ_j のように組み合
わせて上述の式１を用いて時間ｔにおけるｘ_i ，ｘ_j を
代入しておく。上述の式１におけるｘ_i とｘ_j に、時間
ｔにおける第１のメモリ回路１３から出力データを代入
するのである。

【００６０】一方、時間ｔにおける出力変数Ｃ（ｔ）と
出力変数Ｙ_k の２乗誤差εは、次の式３により求められ
る。 ε＝｛Ｃ（ｔ）−Ｙ_k ｝² ＝［Ｃ（ｔ）−｛ａ₀ ＋（ａ₁ ・ｘ_i ）＋（ａ₂ ・ｘ_j ）＋（ａ₃ ・ｘ_i ² ） ＋（ａ₄ ・ｘ_j ² ）＋（ａ₅ ・ｘ_i ・ｘ_j ）｝］² …………式３ この式３より学習期間の時点０からｔL までの間の２乗
誤差εは、次の式４により求められる。

【００６１】

【数１】 ここで、学習期間ｔ_L は、１回当たりの学習時間より充
分に長いものにする。

【００６２】この式４においては、出力変数Ｃ（ｔ）と
入力変数ｘ_i ，ｘ_j が既知となっていて、係数ａ₀ ，ａ
₁ ，ａ₂ ，ａ₃ ，ａ₄ ，ａ₅ と２乗誤差εが未知数であ
り、最終的には係数ａ₀ 〜ａ₅ を求めるのであるから、
式４を誤差εを０として係数ａ₀ 〜ａ₅ で偏微分する
と、次の式５ないし式１０のような６つの式が得られ
る。

【００６３】 ∂ε_k ／∂ａ₀ ＝２・Σ［Ｃ（ｔ）−{ ａ₀ ＋( ａ₁ ・ｘ_i)＋（ａ₂ ・ｘ_j) ＋（ａ₃ ・ｘ_i ²）＋（ａ₄ ・ｘ_j ²） ＋（ａ₅ ・ｘ_i ・ｘ_j）｝］＝０ …………式５ ∂ε_k ／∂ａ₁ ＝２・Σ［Ｃ（ｔ）−{ ａ₀ ＋（ａ₁ ・ｘ_i)＋（ａ₂ ・ｘ_j) ＋（ａ₃ ・ｘ_i ²）＋（ａ₄ ・ｘ_j ²） ＋（ａ₅ ・ｘ_i ・ｘ_j ）｝］ｘ_i ＝０ …………式６ ∂ε_k ／∂ａ₂ ＝２・Σ［Ｃ（ｔ）−｛ａ₀ ＋（ａ₁ ・ｘ_i)＋（ａ₂ ・ｘ_j) ＋（ａ₃ ・ｘ_i ²）＋（ａ₄ ・ｘ_j ²） ＋（ａ₅ ・ｘ_i ・ｘ_j ）｝］ｘ_j ＝０ …………式７ ∂ε_k ／∂ａ₃ ＝２・Σ［Ｃ（ｔ）−｛ａ₀ ＋（ａ₁ ・ｘ_i)＋（ａ₂ ・ｘ_j) ＋（ａ₃ ・ｘ_i ²）＋（ａ₄ ・ｘ_j ²） ＋（ａ₅ ・ｘ_i ・ｘ_j ）｝］ｘ_i ² ＝０ …………式８ ∂ε_k ／∂ａ₄ ＝２・Σ［Ｃ（ｔ）−｛ａ₀ ＋（ａ₁ ・ｘ_i)＋（ａ₂ ・ｘ_j) ＋（ａ₃ ・ｘ_i ²）＋（ａ₄ ・ｘ_j ²） ＋（ａ₅ ・ｘ_i ・ｘ_j ）｝］ｘ_j ² ＝０ …………式９ ∂ε_k ／∂ａ₅ ＝２・Σ［Ｃ（ｔ）−｛ａ₀ ＋（ａ₁ ・ｘ_i)＋（ａ₂ ・ｘ_j) ＋（ａ₃ ・ｘ_i ²）＋（ａ₄ ・ｘ_j ²） ＋（ａ₅ ・ｘ_i ・ｘ_j ）｝］ｘ_i ・ｘ_j ＝０ …………式１０ この式５ないし式１０は、連立１次方程式となっている
ので、周知のガウス・ヨルダン法等を用いて解くことに
より係数ａ₀ 〜ａ₅ を求めることができる。これによ
り、学習期間０〜ｔ_LEARN における最適な係数ａ₀ 〜ａ
₅ を求めることになる。これは次の式１１のような構造
式になる。

【００６４】

【数２】 この式１１において係数ａ₀ 〜ａ₅ は、既知であるので
入力変数ｘ_i ，ｘ_jとしてぶれデータＤと光データＣ
を代入することによって２乗誤差εを求めることが出来
るのである。

【００６５】このようにして各入力変数ｘ_i ，ｘ_j ごと
に求められた２乗誤差εは、ＣＰＵ２０の制御の基に格
納されて学習演算が完了して、次の＃２０に移行する。

【００６６】このようなモデル化された構造式にぶれデ
ータＤと光データＣを代入して変位 ＃２０は、第１のメモリ回路１３に記憶された時系列ぶ
れデータと第２のメモリ回路１７に記憶された時系列デ
ータとの誤差成分が最小になるものを選択するものであ
り、具体的には、＃１９以前のステップで行われた学習
演算によって既に求められている複数の２乗誤差εにお
いて、複数の入力変数ｘ_i ，ｘ_j に対して最も誤差が小
さくなる組み合わせを必要な数だけ選択するのである。

【００６７】例えば、上述のＮが４とした場合には、入
力変数ｘ_i と入力変数ｘ_j の組み合わせは、（ｘ₁ ，ｘ
₂ ）（ｘ₁ ，ｘ₃ ）（ｘ₁ ，ｘ₄ ）（ｘ₂ ，ｘ₃ ）（ｘ
₂ ，ｘ₄ ）（ｘ₃ ，ｘ₄ ）のように６通りの組み合わせ
となる。

【００６８】なお、一般には、入力変数がＮ個あると、
その組み合わせは Ｎ（Ｎ−１）／２個 の組み合わせとなる。このようにして、学習期間中の誤
差を小さくするような入力変数の組み合わせと係数から
所定の構造式を得たときに次の＃２１に移行する。

【００６９】＃２１で第２レリーズスイッチがオンされ
たか否かが判定され、ＮＯの場合には、前述の＃５まで
戻され、＃５から＃２０までが再度に亘って実行され学
習が行われて最適な係数が選択されるという一連のルー
チンが実行される。

【００７０】この一連のルーチンは、＃２１がＹＥＳに
なるまで繰り返し行われる。言い換えれば、最初に演算
される構造式から上述の式１を得た後に、それ以降の式
を得るという演算を繰り返す。これを必要な回数だけ繰
り返して最も最適な構造式を得るのである。

【００７１】さて、第２レリーズスイッチがオンされる
と＃２１をＹＥＳに分岐し、次の＃２２で予測ぶれ量Ｂ
_pre が演算される。この予測演算の関数は、ルーチン＃
２１まで繰り返されて得た最適な構造式を利用するもの
である。

【００７２】この場合、最適な構造式は、複数の入力変
数ｘ_i 、ｘ_j に対して最も誤差が小さくなる組み合せか
ら成立するものである。ゆえに複数の入力変数に実際の
値（この場合加速度、角速度）を代入することにより、
将来のぶれ量を予測することができる。

【００７３】この予測演算式は、 Ｂ_pre ＝ａ₂₀＋ａ₂₁・Ｚ_i ＋ａ₂₂・Ｚ_j ＋ａ₂₃・Ｚ_i ²
＋ａ₂₄・Ｚ_j ²＋ａ₂₅・Ｚ_i・Ｚ_ｊ ここで Ｚ_i ＝ａ₁₁₀＋ａ₁₁₁・Ｘ_i ＋ａ₁₁₂・Ｘ_j ＋ａ₁₁₃・Ｘ_i ²
＋ａ₁₁₄・Ｘ_j ²＋ａ₁₁₅・Ｘ_i・Ｘ_j Ｚ_ｊ ＝ａ₁₂₀＋ａ₁₂₁・Ｘ_h ＋ａ₁₂₂・Ｘ_l ＋ａ₁₂₃・Ｘ_h
²＋ａ₁₂₄・Ｘ_l ²＋ａ₁₂₅・Ｘ_h・Ｘ_ｌ となる。

【００７４】以下簡略的に、 Ｂ_pre ＝ｆ｛Ｄ（ｘ_i ，・・・・，ｘ_h ）｝ と表現する。

【００７５】このＤ（ｘ_i ，・・・・，ｘ_h ）は、変数
選択プロセッサにより選択された最適な変数であり、ｘ
_i 〜ｘ_h までの最適な変数に相当する第１メモリの情報
から得られたデータである。

【００７６】この＃２２で予測ぶれ量Ｂ_pre が演算され
ると＃２３でアクチュエータ２３によってぶれ補正レン
ズ４が駆動開始され、次の＃２４でシャッタが開き始め
られる。

【００７７】このようにぶれ補正レンズ４の駆動の予測
は、その一例を図１０に示すようにぶれデータＤに基づ
く出力が変動した場合に図１１に示すようにその変位Ｚ
y が図１１に示すようになる。また、この予測に基づい
て、実際に駆動されるぶれ補正レンズ４の変位Ｚy とＺ
y をグラフ化した一例を図１２に示す。

【００７８】上述の＃２４の次は、図面作成上で生じた
中継点を介して図４に示す＃２５に移行する。この＃
２５は、測光回路２４で得られた適正なシャッタ秒時Ｓ
_s から、所定の時間Ｉt だけ減算するもので、この時間
Ｉt は、サンプリング回路１２とサンプリング回路１５
等の処理時間に基づいて定められている。

【００７９】そして、＃２６でシャッタ秒時Ｓ_s ＜０の
判定がなされ、ＮＯである場合には、次の＃２７から＃
３２までが上述と同様に行なわれ、ぶれデータＤを時系
列的に並べ変えて第１のメモリ回路１３に時系列的なデ
ータとして格納するステップが実行される。

【００８０】この＃３２の次に＃３３が実行され、ぶれ
量の予測が上述の２２と同様にして行われ、その演算結
果に基づいて＃３４でアクチュエータ２３によってぶれ
補正レンズ４が駆動開始され、＃２５に戻され、＃２５
でシャッタ秒時Ｓ_s の減算が行なわれ、＃２６がＮＯの
場合には再度＃２７から＃３４が実行される。言い換え
れば、シャッタが開いている間には常に手ぶれ補正の予
測駆動が行なわれるということである。

【００８１】そして、＃２６でＹＥＳの場合、即ち、シ
ャッタ開時間が適正なシャッタ秒時Ｓ_s の時間を経過し
たときには、＃３５に移行してシャッタ閉の確認がされ
た後に、＃３６でぶれ補正レンズ４を所定の初期位置ま
で戻すようにアクチュエータ２３が逆駆動され、＃３７
でアクチュエータ２３が停止され、＃３８でフィルム給
送が行なわれ、一連の手ぶれ補正制御が完了して次回の
撮影に備えられることになる。

【００８２】したがって、本実施例においては、学習プ
ロセッサ１８によって、ぶれデータＤと光データＣとか
らこれらの関係を満たす係数を複数時点で演算し、この
学習プロセッサ１８で得られた複数の係数を演算して複
数の入力変数を求め、求められた複数の入力変数のうち
の、ぶれデータＤと光データＣの時系列データの誤差成
分が最小になるものを変数選択プロセッサ１９で選択し
ているので、撮影者の癖やカメラ本体に装着される交換
レンズの重量等に対応した広い範囲の手ぶれ振動の態様
に適応できる手ぶれ補正装置を提供することができる。
しかも、手ぶれ補正は、シャッタが開いている間にも繰
り返し行なわれているので、急激な手ぶれに対しても充
分に対応できる利点もある。

【００８３】次に本発明の第２実施例を図１３ないし図
１９を用いて説明する。この実施例は、撮影光学系を構
成する撮影レンズに、自動合焦機能を有するズームレン
ズを用いたカメラに、請求項２の発明を適用したもので
ある。

【００８４】全体構成の概略を示す図１３は、前述説明
した第１実施例の全体構成（図１参照）とかなりの部分
が同様であるために、説明の重複化を避けるために図１
３中の構成部材のうち、図１と同様のものには図１に付
した符号と同一符号を付すにとどめ、異なる部分のみに
ついて説明する。

【００８５】この加速度センサ１１の後段に接続された
サンプリング回路１２の出力端には、メモリ回路４１が
接続されている。このメモリ回路４１は、加速度センサ
１１の出力を時系列的に記憶する記憶手段であり、この
メモリ回路４１からの時系列的な出力は、学習プロセッ
サ４３に供給されると共にぶれ演算回路４２にも供給さ
れるようになっている。

【００８６】この学習プロセッサ４３は、メモリ回路４
１に記憶されたぶれデータＤとしての時系列データとＣ
ＣＤ１４からの光データＣとから両データの結合係数を
複数時点で演算する学習手段となっている。

【００８７】また、ぶれ演算回路４２は、メモリ回路４
１に記憶されたデータと学習プロセッサ４３で求められ
た結合係数に基づいてぶれ速度データまたはぶれ量デー
タを演算するぶれ演算手段である。

【００８８】上述のメモリ回路４１の内部は、図１４に
示されるように構成されている。即ち、メモリ回路４１
は、１，２，……１２でなる複数のメモリを直列的に形
成して構成され、最初のメモリ１にサンプリング回路１
２からの出力であるぶれデータＤが供給され、所定の周
期でもって順々に次段のメモリにシフトされ、メモリ回
路４１全体を見た場合には、メモリ回路４１から時系列
的なデータが学習プロセッサ４３とぶれ演算回路４２の
両方にデータ出力されることになる。

【００８９】以上のように構成されたカメラの手ぶれ補
正装置における動作を図１３ないし図１９を用いて説明
する。図１５に示すステップ＃４１でメインスイッチが
オンされると回路各部に電源供給がなされ、初期設定が
行われて待機状態にされる。

【００９０】そして、＃４２においてレリーズスイッチ
２５を形成する２つのスイッチのうちの第１レリーズス
イッチがオンされたか否か、即ちカメラ本体に設けられ
たレリーズ釦が半押しされたか否かがＣＰＵ２０で判断
され、ＮＯの場合には、待機状態がそのまま継続し、Ｙ
ＥＳの場合には、＃４３に移行して測光回路２４による
測光とＡＦ回路２９による測距が開始される。

【００９１】＃４３で測光と測距が実行されると共に、
撮影光学系１を形成するズームレンズ３における焦点距
離データＺｐがズーム位置検出回路３３で検出されて格
納され、この焦点距離データＺｐがＡＦデータ変換回路
３０に入力されると共にズーム駆動回路３１にも入力さ
れる。

【００９２】そして、次の＃４４で適正シャッタ秒時Ｓ
_s の演算とレンズの繰出しが行われる。尚、このような
測光と測距の動作は、前述実施例と同様にして周知の手
段でもって行われることになる。

【００９３】そして、このような＃４４が実行された後
に移行する＃４５は、ｊを０に初期セットし、次の＃４
６でｊをｎに初期セットするものである。このｎは、メ
モリ回路４１における複数のメモリの数の１２に対応し
たアドレスを意味している。また、ｊは、メモリ回路４
１における複数のメモリの数ｎのそれぞれの出力データ
のうちの２つのデータを組み合わせたもののペア数にな
っている。

【００９４】従って、＃４５で上述のｊが０にセットさ
れ、＃４６でｉがｎ（ｎ＝１２）にセットされ、次の＃
４７に移行することになる。この＃４７から＃５３は、
ぶれデータＤを時系列的に並べ変えるステップであり、
＃５４から＃５５は、ＣＣＤ１４に生じる光出力をサン
プリング回路１５でサンプリングした出力をピーク検出
回路１６でピーク検出した光データＣを時系列的に並べ
変えるステップである。

【００９５】さて、このようにして得られるぶれデータ
Ｄと光データＣの処理は、＃５６でレリーズスイッチ２
５の第２レリーズスイッチがＯＮされたか否かが判定さ
れ、ＮＯの場合には＃４６に戻されて＃４６から＃５５
が再度実行され、これらは＃５６がＹＥＳとなるまで行
われることになる。＃５６がＹＥＳになったときには、
次の＃５７に移行して学習演算が行なわれる。

【００９６】この学習演算は、基本的な原理としては、
ニューラルネットワークの理論を用いたものである。次
に、ニューラルネットワークを入力層と中間層と出力層
の３つの階層で形成されたモデルを用いて説明する。

【００９７】図１７に示すようにニューロンユニット１
１，１２，１３の３つのユニットで入力層が構成され、
それぞれの入力には、入力ｘ₁ とｘ₂ とｘ₃ の１系統づ
つが入力されている。

【００９８】また、ニューロンユニット２１，２２の２
つユニットで中間層が構成され、このニューロンユニッ
ト２１の入力には、３つのニューロンユニット１１，１
２，１３のそれぞれの出力がシナプス２１１，２１２，
２１３を介して入力され、ニューロンユニット２２の入
力には、３つのニューロンユニット１１，１２，１３の
それぞれの出力がシナプス２２１，２２２，２２３を介
して入力されている。

【００９９】さらに、ニューロンユニット３１で出力層
が構成され、このニューロンユニット３１の入力には、
２つのニューロンユニット２１，２２のそれぞれの出力
がシナプス３１１，３１２を介して入力されている。

【０１００】そして、６つのニューロンユニット１１，
１２，２１，２２，３１のそれぞれの出力ｙ₁₁，ｙ₁₂，
ｙ₁₃，ｙ₂₁，ｙ₂₂，ｙ₃₁は、一般式で表すと式１２のよ
うになる。

【０１０１】

【数３】 ここで、Ｗ_ijは、シナプスの結合係数であり、ｆ［ ］
は、シグモイド関数であり、６つのニューロンユニット
１１，１２，１３，２１，２２，３１の出力関数であ
る。

【０１０２】また、このｆ［ ］は、通常のニューラル
ネットワークにおいては、 ｆ（ｘ）＝１／（１＋ｅ^-x） …………式１３ で表される。上述の入力ｘ₁ ，ｘ₂ ，ｘ₃ と出力ｙ₁₁，
ｙ₁₂，ｙ₁₃，ｙ₂₁，ｙ₂₂，ｙ₃₁の関係を次に示す。

【０１０３】入力層（第１層） ｘ₁ ＝ｙ₁₁ …………式１４ ｘ₂ ＝ｙ₁₂ …………式１５ ｘ₃ ＝ｙ₁₃ …………式１６

【０１０４】中間層（第２層） ｕ₂₁＝（Ｗ₂₁₁ ・ｙ₁₁）＋（Ｗ₂₁₂ ・ｙ₁₂）＋（Ｗ₂₁₃ ・ｙ₁₃）……式１７

【０１０５】

【数４】 ｕ₂₂＝（Ｗ₂₂₁ ・ｙ₁₁）＋（Ｗ₂₂₂ ・ｙ₁₂）＋（Ｗ₂₂₃ ・ｙ₁₃）……式１９

【０１０６】

【数５】 出力層（第３層） ｕ₃₁＝（Ｗ₃₁₁ ・ｙ₂₁）＋（Ｗ₃₁₂ ・ｙ₂₂） ……式２１

【０１０７】

【数６】 ここで、ニューラルネットワークは、学習演算を複数回
に亘って繰り返し行い、最終的には最も誤差が小さくな
る、理想的には誤差が０となるような結合係数に収束さ
れるように学習演算を行うものであり、バックプロパゲ
ーション法によって算出でき、この具体的な算出方法に
ついて説明する。

【０１０８】 は、実際の出力値であるｙ₃₁とは異なるものになってし
まう。これは、加速度センサ１１の出力データとＣＣＤ
１４の出力データというように、基データの形態が異な
るということに起因している。そこで、これらの異なっ
ている量、即ち誤差Ｉは、

【０１０９】

【数７】 となり、この誤差Ｉが０になるようにすれば良い。この
ために結合係数を学習の度毎に修正して行き誤差Ｉをで
きるだけ小さくする方法がバックプロパゲーション法で
ある。ここで、先ず、

【０１１０】

【数８】

【０１１１】

【数９】

【０１１２】

【数１０】 となる。ここで、ｆ［…］は、シグモイド関数である。
そして、これらの式２３〜式２６の誤差Ｉを、各結合係
数で偏微分すると、次のようになる。

【０１１３】

【数１１】

【０１１４】

【数１２】

【０１１５】

【数１３】

【０１１６】

【数１４】

【０１１７】

【数１５】

【０１１８】

【数１６】

【０１１９】

【数１７】

【０１２０】

【数１８】 ここで、

【０１２１】

【数１９】 ｆは、シグモイド関数であり、以下のようになる。

【０１２２】

【数２０】

【０１２３】

【数２１】 以上のように誤差Ｉを各結合係数で偏微分して行き、こ
の偏微分した値を更新して行くことにより正しい結合係
数へ近づけて行くことができる。結合係数が正しい値で
あれば誤差Ｉが０となり結合係数の更新はなされない。
このようにして学習演算が完了するとつぎの＃５８に移
行し、ぶれ量の予測演算が行われる。

【０１２４】この学習が完了したということは、結合係
数が最適となり、入力層の入力ｘ_iと出力層の出力ｙ₃
が最適化されたことになる。つまり、入力ｘ_i と出力ｙ
₃ は、ニューラルネットワークにより線形化され、複数
の入力ｘ_i に実際の値（この場合加速度または角速度）
を代入することにより将来のぶれ量を予測することがで
きる。この予測演算は、ぶれ量Ｂ_pre は、（式１２）、
（式１３）で示されるようになる。

【０１２５】これを簡略的に記述すると、 Ｂ_pre＝ｆ｛Ｄ（ｘ₁ ，ｘ₂ ，・・・・，ｘ_n ）｝ …………式３８ として行なわれる。このＤ（ｘ₁ ，ｘ_{2 ,}・・・・，ｘ
_n ）は、ニューラルネットワーク第１層目の入力変数と
なるものであり、ぶれ演算する時に第１のメモリに格納
されている情報を読み込んで、ぶれ演算をするものであ
る。なお、Ｄ（ｘ₁ ，ｘ₂ ・・・・ｘ_n ）は、時系列的
に与えられるデータである。

【０１２６】この＃５８で予測ぶれ量Ｂ_pre が演算され
ると＃５９でアクチュエータ２３によってぶれ補正レン
ズ４が駆動開始され、次の＃６０でシャッタが開き始め
られる。この＃６０の次は、図面作成上で生じた中継点
を介して図１６に示す＃６１に移行する。

【０１２７】この＃６１は、＃４４で求められた適正な
シャッタ秒時Ｓ_s から、所定の時間Ｉt だけ減算するも
ので、この時間Ｉt は、サンプリング回路１２とサンプ
リング回路１５等の処理時間に基づいて定められてい
る。

【０１２８】そして、＃６２でシャッタ秒時Ｓ_s ＜０の
判定がなされ、ＮＯである場合には、次の＃６３から＃
６８までが上述と同様に行なわれ、ぶれデータＤを時系
列的に並べ変えてメモリ回路４１内部の各メモリに時系
列的なデータとして格納するステップが実行される。こ
の＃６８の次に＃６９が実行され光データＣのサンプリ
ングと＃７０でそのピーク検出が行なわれる。

【０１２９】そして、つぎの＃７１で上述同様にして学
習演算が再び行なわれ、その結果に基づいて、上述同様
にして＃７２でぶれ量の予測が行なわれる。その演算結
果に基づいて＃７３でアクチュエータ２３によってぶれ
補正レンズ４が駆動開始され、＃６１に戻され、＃６１
でシャッタ秒時Ｓ_s の減算が行なわれ、＃６２がＮＯの
場合には再度＃６３から＃７３が実行される。言い換え
れば、シャッタが開いている間には、常に手ぶれ補正の
予測駆動が行なわれるということである。

【０１３０】そして、＃６２でＹＥＳの場合、即ち、シ
ャッタ開時間が適正なシャッタ秒時Ｓ_ｓの時間を経過し
たときには、＃７４に移行してシャッタ閉の確認がされ
た後に、＃７５でぶれ補正レンズ４が所定の初期位置ま
で戻されるようにアクチュエータ２３が逆駆動され、＃
７６でアクチュエータ２３が停止され＃７７でフィルム
給送が行なわれ、一連の手ぶれ補正制御が完了して次回
の撮影に備えられることになる。

【０１３１】従って、本実施例においては、学習プロセ
ッサ４３として、ニューラルネットワークを用いている
ので、学習演算を複数回に亘って繰り返し行い、最終的
には最も誤差が小さくなる、理想的には誤差が０となる
ような結合係数に収束されるように学習演算が行なわれ
るので極めて精度の高いぶれ補正制御を行なうことが出
来る。しかも、手ぶれ補正は、シャッタが開いている間
にも繰り返し行なわれているので急激な手ぶれに対して
も充分に対応できる利点もある。

【０１３２】なお、本発明は、上述の２つの実施例に限
定されることなく、本発明の要旨を逸脱しない範囲内で
種々の変形実施をすることが出来ることは勿論である。
例えば、本発明におけるぶれデータＤの取り出し周期
は、図１８に示すように、等間隔の時間スケールごとに
データとして取り出したり、図２０に示すように、対数
的な時間スケールごとにデータとして取り出したりして
もよい。対数的なスケールにした場合には、所要の演算
に要する時間を短縮させることが出来る。

【０１３３】また、第２実施例における学習演算におけ
るニューラルネットワークは、学習演算を複数回に亘っ
て繰り返し行い、最終的には最も誤差が小さくなる、理
想的には誤差が０となるような結合係数に収束されるよ
うに学習演算を行うものであり、３入力型のものであっ
たが、本発明は、これには限定されず図１９に示すよう
に、ｎ入力型のものにすればより精度の高いぶれ補正を
行なうことができる。この入力数を幾つにするかの選択
は、電気回路の規模の制限や撮影レンズの焦点距離やカ
メラ本体の全体重量等の諸々の条件に応じて自由に選択
することが出来る。

【０１３４】さらに、加速度センサ１１の出力電圧は、
通常はミリＶ単位で出力されるので、この出力電圧範囲
のフルスケールを１２ビットもしくは２４ビット等の規
格化をしても良い。また、光データＣの出力も同様にし
て１２ビットもしくは２４ビット等の規格化をしても良
い。

【０１３５】加速度センサ１１の形態は、半導体型のも
のであってもその他の形式のものであっても良く、その
大きさや消費電力等の条件によって自由に選択すること
ができることは勿論である。

【０１３６】また、第１のメモリ回路１３，第２のメモ
リ回路１７，メモリ回路４１を構成するメモリの数は実
施例のような１２のみならず全くの任意に選択できるこ
とも勿論である。

【０１３７】さらに、ぶれ補正レンズ４の具体例は、ガ
ラスプリズムを揺動させたり、液体プリズムの屈折を局
部的に変化させたりしたり、液に浸したミラーの光軸を
局部的に変化させる等のいずれであっても、もしくは他
の形式の光学部材であっても良いことは勿論である。

【０１３８】

【発明の効果】以上の説明で明らかなように本発明によ
れば、手ぶれ補正を行なうに際して、手ぶれ検出したデ
ータを学習機能を有する演算手段でもって学習演算した
結果に基づいて、手ぶれ補正の駆動を行なっているの
で、カメラ本体を扱う撮影者の癖やカメラ本体に装着さ
れる交換レンズの重量等に対応させることができ、極め
て広い範囲の手ぶれ振動の態様に適応し得るカメラの手
ぶれ補正装置を提供することができるのである。

【図面の簡単な説明】

【図１】本発明の第１実施例の回路構成を示すブロック
図である。

【図２】図１中に示される第１および第２のメモリ回路
の詳細を示すブロック図である。

【図３】本発明の第１実施例の動作を示すフローチャー
トである。

【図４】本発明の第１実施例の動作を示すフローチャー
トである。

【図５】光データの変化状態の一例を示す特性図であ
る。

【図６】光データの基準点からの移動状態の一例を示す
特性図である。

【図７】ぶれデータ出力の具体例を示す実測図である。

【図８】ぶれデータ出力に基づく変位の具体例を示す実
測図である。

【図９】学習演算を行なったぶれデータ出力に基づく変
位の具体例を示す実測図である。

【図１０】ぶれデータ予測出力の具体例を示す実測図で
ある。

【図１１】学習演算を行なったぶれデータ予測出力に基
づく変位の具体例を示す実測図である。

【図１２】学習演算を行なったぶれデータ予測出力に基
づく変位の具体例を示す実測図である。

【図１３】本発明の第２実施例の回路構成を示すブロッ
ク図である。

【図１４】図１３中に示されるメモリ回路の詳細を示す
ブロック図である。

【図１５】本発明の第２実施例の動作を示すフローチャ
ートである。

【図１６】本発明の第２実施例の動作を示すフローチャ
ートである。

【図１７】ニューラルネットワークの原理を説明するた
めの原理図である。

【図１８】ぶれデータの取り出し周期の一例を示す線図
である。

【図１９】ニューラルネットワークの具体例を説明する
ための原理図である。

【図２０】ぶれデータの取り出し周期の他の例を示す線
図である。

【符号の説明】

１ 撮影光学系 ２ フォーカスレンズ ３ ズームレンズ ４ ぶれ補正レンズ ５ フィルム ６ 像検出光学系 １１ 加速度センサ（ぶれセンサ） １２ サンプリング回路 １３ 第１のメモリ回路（第１の記憶手段） １４ ＣＣＤ（光センサ） １５ サンプリング回路 １６ ピーク検出回路 １７ 第２のメモリ回路（第２の記憶手段） １８ 学習プロセッサ（学習手段） １９ 変数選択プロセッサ ２０ ＣＰＵ ２１ ぶれ演算回路 ２２ ぶれ補正演算回路（ぶれ補正演算手段） ２３ アクチュエータ ２４ 測光回路 ２５ レリーズスイッチ ２６ ズームスイッチ ２７ 駆動回路 ２８ 給送回路 ２９ ＡＦ回路 ３０ ＡＦデータ変換回路 ３１ ズーム駆動回路 ３２ ズームモータ ３３ ズーム位置検出回路 ３４ フォーカス駆動回路 ３５ フォーカスモータ ３６ フォトインタラプタ ４１ メモリ回路（記憶手段） ４２ ぶれ演算回路 ４３ 学習プロセッサ

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０３Ｂ 5/00 Ｊ 7513−2Ｋ

Claims (6)

【特許請求の範囲】
1. 【請求項１】 少なくとも撮影者の手ぶれに起因する加
   速度または角速度を検知するぶれセンサと、 被写体像または被写体像に相応する像を受けて画像情報
   信号に変換して少なくとも撮影者の手ぶれに起因する像
   移動を検出して像データを得る光センサと、 上記ぶれセンサの出力をサンプリングして得たぶれデー
   タを時系列的に記憶する第１の記憶手段と、 上記光センサの出力をサンプリングして得た像データを
   時系列的に記憶する第２の記憶手段と、 上記第１の記憶手段に記憶された時系列ぶれデータと上
   記第２の記憶手段に記憶された時系列データとからこれ
   らの関係を満たす係数を複数時点で演算する学習手段
   と、 この学習手段で得られる複数の係数を演算して複数の入
   力変数を求め、求められた複数の入力変数のうちの、上
   記第１の記憶手段に記憶された時系列ぶれデータと上記
   第２の記憶手段に記憶された時系列データとの誤差成分
   が最小になるものを選択する変数選択手段と、 上記第１の記憶手段に記憶されたデータと上記変数選択
   手段で選択された入力変数に基づいてぶれ速度データま
   たはぶれ量データを演算するぶれ演算手段と、 このぶれ演算手段で求められたぶれ速度データまたはぶ
   れ量データをフィルム面上のぶれを打ち消すように補正
   するぶれ補正データに変換するぶれ補正演算手段と、 このぶれ補正演算手段で得られたぶれ補正データに基づ
   いてぶれ補正部材を駆動するぶれ補正駆動手段と、 を具備することを特徴とするカメラの手ぶれ補正装置。
2. 【請求項２】 少なくとも撮影者の手ぶれに起因する加
   速度または角速度を検知するぶれセンサと、 被写体像または被写体像に相応する像を受けて画像情報
   信号に変換して少なくとも撮影者の手ぶれに起因する像
   移動を検出する光センサと、 上記ぶれセンサの出力を時系列的に記憶する記憶手段
   と、 この記憶手段に記憶された時系列データと上記光センサ
   の出力データからこれらの関係を満たす結合係数を複数
   時点で演算する学習手段と、 上記記憶手段に記憶されたデータと上記学習手段で求め
   られた結合係数に基づいてぶれ速度データまたはぶれ量
   データを演算するぶれ演算手段と、 このぶれ演算手段で求められたぶれ速度データまたはぶ
   れ量データをフィルム面上のぶれを打ち消すように補正
   するぶれ補正データに変換するぶれ補正演算手段と、 上記ぶれ補正演算手段で得られたぶれ補正データに基づ
   いてぶれ補正部材を駆動するぶれ補正駆動手段と、 を具備することを特徴とするカメラの手ぶれ補正装置。
3. 【請求項３】 少なくとも撮影者の手ぶれに起因する加
   速度または角速度を検知するぶれセンサと、 被写体像または被写体像に相応する像を受けて画像情報
   信号に変換して少なくとも撮影者の手ぶれに起因する像
   移動を検出する光センサと、 上記ぶれセンサの出力を時系列的に記憶する記憶手段
   と、 この記憶手段に記憶されたデータと上記光センサの出力
   データからこれらの関係を満たす結合係数を複数時点で
   演算しこの演算により得られた結合係数を略対数的に変
   換した学習データとする学習手段と、 上記記憶手段に記憶されたデータと上記学習手段で求め
   られた学習データに基づいてぶれ速度データまたはぶれ
   量データを演算するぶれ演算手段と、 このぶれ演算手段で求められたぶれ速度データまたはぶ
   れ量データをフィルム面上のぶれを打ち消すように補正
   するぶれ補正データに変換するぶれ補正演算手段と、 このぶれ補正演算手段で得られたぶれ補正データに基づ
   いてぶれ補正部材を駆動するぶれ補正駆動手段と、 を具備することを特徴とするカメラの手ぶれ補正装置。
4. 【請求項４】 少なくとも撮影者の手ぶれに起因する加
   速度または角速度を検知するぶれセンサと、 被写体像または被写体像に相応する像を受けて画像情報
   信号に変換して少なくとも撮影者の手ぶれに起因する像
   移動を検出して像データを得る光センサと、 上記ぶれセンサのぶれデータを時系列的に記憶する第１
   の記憶手段と、 上記光センサの像データを時系列的に記憶する第２の記
   憶手段と、 上記第１の記憶手段に記憶された時系列ぶれデータと上
   記第２の記憶手段に記憶された時系列データとからこれ
   らの関係を満たす係数を複数時点で演算する学習手段
   と、 この学習手段で得られる複数の係数を演算して複数の入
   力変数を求め、求められた複数の入力変数のうちの、上
   記第１の記憶手段に記憶された時系列ぶれデータと上記
   第２の記憶手段に記憶された時系列データとの誤差成分
   が最小になるものを選択する変数選択手段と、 上記第１の記憶手段に記憶されたデータと上記変数選択
   手段で選択された入力変数に基づいてぶれ速度データま
   たはぶれ量データを演算するぶれ演算手段と、 上記ぶれ演算手段で求められたぶれ速度データまたはぶ
   れ量データを撮影レンズ光学系の焦点距離データに応じ
   てフィルム面上のぶれを打ち消すように補正するぶれ補
   正データに変換するぶれ補正演算手段と、 上記ぶれ補正演算手段で得られたぶれ補正データに基づ
   いてぶれ補正部材を駆動するぶれ補正駆動手段と、 を具備することを特徴とするカメラの手ぶれ補正装置。
5. 【請求項５】 少なくとも撮影者の手ぶれに起因する加
   速度または角速度を検知するぶれセンサと、 被写体像または被写体像に相応する像を受けて画像情報
   信号に変換して少なくとも撮影者の手ぶれに起因する像
   移動を検出する光センサと、 上記ぶれセンサの出力を時系列的に記憶する記憶手段
   と、 この記憶手段に記憶された時系列データと上記光センサ
   の出力データとから両データの結合係数を複数時点で演
   算する学習手段と、 上記記憶手段に記憶されたデータと上記学習手段で求め
   られた結合係数に基づいてぶれ速度データまたはぶれ量
   データを演算するぶれ演算手段と、 このぶれ演算手段で求められたぶれ速度データまたはぶ
   れ量データを撮影レンズ光学系の焦点距離データ応じて
   フィルム面上のぶれを打ち消すように補正するぶれ補正
   データに変換するぶれ補正演算手段と、 上記ぶれ補正演算手段で得られたぶれ補正データに基づ
   いてぶれ補正部材を駆動するぶれ補正駆動手段と、 を具備することを特徴とするカメラの手ぶれ補正装置。
6. 【請求項６】 少なくとも撮影者の手ぶれに起因する加
   速度または角速度を検知するぶれセンサと、 被写体像または被写体像に相応する像を受けて画像情報
   信号に変換して少なくとも撮影者の手ぶれに起因する像
   移動を検出する光センサと、 上記ぶれセンサの出力を時系列的に記憶する記憶手段
   と、 この記憶手段に記憶されたデータと上記光センサの出力
   データとから両データの結合係数を複数時点で演算して
   得られる結合係数を略対数的に変換した学習データとす
   る学習手段と、 上記記憶手段に記憶されたデータと上記学習手段で求め
   られた学習データに基づいてぶれ速度データまたはぶれ
   量データを演算するぶれ演算手段と、 このぶれ演算手段で求められたぶれ速度データまたはぶ
   れ量データを撮影レンズ光学系の焦点距離データに応じ
   てフィルム面上のぶれを打ち消すように補正するための
   ぶれ補正データに変換して演算するぶれ補正演算手段
   と、 このぶれ補正演算手段で得られたぶれ補正データに基づ
   いてぶれ補正部材を駆動するぶれ補正駆動手段と、 を具備することを特徴とするカメラの手ぶれ補正装置。