JPS58178483A - パタ−ン認識方式 - Google Patents
パタ−ン認識方式Info
- Publication number
- JPS58178483A JPS58178483A JP57061064A JP6106482A JPS58178483A JP S58178483 A JPS58178483 A JP S58178483A JP 57061064 A JP57061064 A JP 57061064A JP 6106482 A JP6106482 A JP 6106482A JP S58178483 A JPS58178483 A JP S58178483A
- Authority
- JP
- Japan
- Prior art keywords
- maximum similarity
- pattern
- similarity
- threshold value
- candidate category
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
本発明は、パターン認識方式の改良に関するものである
。
。
従来の入カバターンと複数個の標準パターンとの間の類
似度を評価するパターン認識方式では、次のようにし７
てリジェクトを決定していた。
似度を評価するパターン認識方式では、次のようにし７
てリジェクトを決定していた。
この最大類似度１１によらずしきい値Ｃが一定であるパ
ターン認識方式には、不要な多数のりジエクト（リジェ
クトせずにカテゴリＣ，を答として出力してもエラーを
生じず利足条件を変えることな２写り正しい答、すなわ
ちコレクトにできるようなりジエクト）を発生するとい
う欠点があつ九。
ターン認識方式には、不要な多数のりジエクト（リジェ
クトせずにカテゴリＣ，を答として出力してもエラーを
生じず利足条件を変えることな２写り正しい答、すなわ
ちコレクトにできるようなりジエクト）を発生するとい
う欠点があつ九。
＃！１図は最大類似度Ｓ１．シよび最大類似度と医大類
似度との差（５１８ｔ）の２ｆ数について、サンプルパ
ターンをプロットした図である。
似度との差（５１８ｔ）の２ｆ数について、サンプルパ
ターンをプロットした図である。
第１Ｆにおいて、１は答の第１位候補カテゴリＣ１が入
カバターンの有するカテゴリＣと一致せず、リジェクト
しなければエラー音生じるパターンの領域（エラー発生
可能領域と呼ぶ）を表わし２２はエラー発生可能飴域の
境界（関数表現により８、−８．＝ｆ（ｓ、）と記述で
きる）ｔ−弄わす。
カバターンの有するカテゴリＣと一致せず、リジェクト
しなければエラー音生じるパターンの領域（エラー発生
可能領域と呼ぶ）を表わし２２はエラー発生可能飴域の
境界（関数表現により８、−８．＝ｆ（ｓ、）と記述で
きる）ｔ−弄わす。
上記従来のパターン認識方式により、第１図におけるエ
ラーの発生をなくすためにはε＝ａとすれば良いが、こ
のときのりジエクト領域は第１図の１および３となり、
エラー発生の可能性がなくコレクトにできるパターン領
域３（コレクト可能なりジエクト領域と呼ぶ）に属する
パターンもリジェクトになってし１う。
ラーの発生をなくすためにはε＝ａとすれば良いが、こ
のときのりジエクト領域は第１図の１および３となり、
エラー発生の可能性がなくコレクトにできるパターン領
域３（コレクト可能なりジエクト領域と呼ぶ）に属する
パターンもリジェクトになってし１う。
本発明は従来のパターン認識方式の肩する上記問題点を
解決し、従来より認識ａ度の高いパターン認識方式を掃
供することを目的としている。
解決し、従来より認識ａ度の高いパターン認識方式を掃
供することを目的としている。
この目的ヲ運成するため、本発明においては判別用のし
きい値を豪大類似度と候補カテゴリに志じて可変とした
点に％徴がある。
きい値を豪大類似度と候補カテゴリに志じて可変とした
点に％徴がある。
以下、本発明の詳細な説明する。
第１の実施例は、入カバターンと″ａ数個の標準パター
ンとの間の類似度を評価し１次のようにし０式によりリ
ジェクトを決定するパターン認識方式の特徴は、リジェ
クト決定用しきい値を第１位候補カテゴリＣ１に応じて
変化させただけでなく。
ンとの間の類似度を評価し１次のようにし０式によりリ
ジェクトを決定するパターン認識方式の特徴は、リジェ
クト決定用しきい値を第１位候補カテゴリＣ１に応じて
変化させただけでなく。
” （Ｃ１＊ Ｓｌ ）のごとく最大類似度＄１に
応じて変化させたことである。
応じて変化させたことである。
本実施例の特別な場合として、ε（’１ ｅ ’１ ）
ｅδ（Ｃ１）が第１位候補カテゴリＣ１によらない場
合（ε（Ｓ、）、δと記述できる場合）がある。
ｅδ（Ｃ１）が第１位候補カテゴリＣ１によらない場
合（ε（Ｓ、）、δと記述できる場合）がある。
このとき、第１図において％ ｇ（ｓ、）をエラー発生
可能領域１の境界２に沿って設定（ｇ（１，）＝ｆ（ｓ
ｌ ））して認識実験をおこなったところ、従来の０式
によってリジエク）ｆ決定するノ（ターン認識方式では
りジエクトであった、コレクト可能なりジエクト領域３
に属していた）（ターンをすべてコレクトにできた。
可能領域１の境界２に沿って設定（ｇ（１，）＝ｆ（ｓ
ｌ ））して認識実験をおこなったところ、従来の０式
によってリジエク）ｆ決定するノ（ターン認識方式では
りジエクトであった、コレクト可能なりジエクト領域３
に属していた）（ターンをすべてコレクトにできた。
第２図は、本実施例（０式によってリジェクトを決定す
るパターン認識方式）を単純類似度法による印刷文字認
識に適用した場合〔第１位候補カテゴリＣ１＝”５”、
サンプル数４３１３文字〕のサンプルパターンを２変数
’１ ＊ ’Ｉ ＩＩについてプロットした図であ
り、４はエラー発生可能領域を衣わす。（Ｑ従来の最大
類似度によらないしきい値によるリジェクト決定方式 （リ 本発明の最大類似度に応じたしきい値によるを開
繊精度（エラーを０％とした場合のりジエクト）につい
て比較する。（ｂ）の方式によると（ａ）の方式より、
第２図の斜線領域５の分（２５７文字）だけりジエクト
を減少できる。リジェクトの減少分は２５７文字／４３
１３文字＝ ５．９６％である。
るパターン認識方式）を単純類似度法による印刷文字認
識に適用した場合〔第１位候補カテゴリＣ１＝”５”、
サンプル数４３１３文字〕のサンプルパターンを２変数
’１ ＊ ’Ｉ ＩＩについてプロットした図であ
り、４はエラー発生可能領域を衣わす。（Ｑ従来の最大
類似度によらないしきい値によるリジェクト決定方式 （リ 本発明の最大類似度に応じたしきい値によるを開
繊精度（エラーを０％とした場合のりジエクト）につい
て比較する。（ｂ）の方式によると（ａ）の方式より、
第２図の斜線領域５の分（２５７文字）だけりジエクト
を減少できる。リジェクトの減少分は２５７文字／４３
１３文字＝ ５．９６％である。
■式において＝（３，）は区分的線形関数により表現し
た。この例のように、■式における’（’ｌ５ｓ１ ）
、δ（Ｃ１）を区分的線形関数で表現した場合、メモリ
容量を節約できるという効果がある。
た。この例のように、■式における’（’ｌ５ｓ１ ）
、δ（Ｃ１）を区分的線形関数で表現した場合、メモリ
容量を節約できるという効果がある。
第２の実施例は第１の実施例の特別な場合であり、次の
ようにリジェクトを決定する方式である。
ようにリジェクトを決定する方式である。
（１） 広大類似Ｉｆを与える標準パターンのカテゴ
リである第２位候補カテゴリｃ８ に応じてしきい／ 値Ｉを変えた場合（すなわち、第１の実施例における’
（ｃＩｅＳｌ）を’（ｃｌｓ ｃｌｅｓｔ ）とし、
第２の実施例におけるｇ（ｃ、）を’（’ｓ ＊ ｃ
＊ ）とした場合）（ＩＩＪ 人カバターンと標準
パターンとの間で類イ以度の代わりに距離を評価し、最
大類似［１１と医大類似度８．の代わりに、最小距離Ｘ
（−１）・・・（−ｄ、 と衆わす）と送手距離Ｘ（−
１）・・・（−ｄ、と表わす）を用いて、■式と０式の
パターン認識方式を実施した場合 （１１０■式、■式のりジエクト決定用の変数としてＳ
ｌ ’ｔｌ ｄｔ） （ｄｔ）の代わりに他の変
数を用いた場合 ４Ｖ） 入カバターンに各種の前処理と特徴抽出とい
う変換を施した後に、ｆ換されたパターンと標準パター
ンとの間で、類似Ｉｆ筐ｆＣ，は距離などを評価した場
合 も上記２つの実施例と同様にして実施できる。
リである第２位候補カテゴリｃ８ に応じてしきい／ 値Ｉを変えた場合（すなわち、第１の実施例における’
（ｃＩｅＳｌ）を’（ｃｌｓ ｃｌｅｓｔ ）とし、
第２の実施例におけるｇ（ｃ、）を’（’ｓ ＊ ｃ
＊ ）とした場合）（ＩＩＪ 人カバターンと標準
パターンとの間で類イ以度の代わりに距離を評価し、最
大類似［１１と医大類似度８．の代わりに、最小距離Ｘ
（−１）・・・（−ｄ、 と衆わす）と送手距離Ｘ（−
１）・・・（−ｄ、と表わす）を用いて、■式と０式の
パターン認識方式を実施した場合 （１１０■式、■式のりジエクト決定用の変数としてＳ
ｌ ’ｔｌ ｄｔ） （ｄｔ）の代わりに他の変
数を用いた場合 ４Ｖ） 入カバターンに各種の前処理と特徴抽出とい
う変換を施した後に、ｆ換されたパターンと標準パター
ンとの間で、類似Ｉｆ筐ｆＣ，は距離などを評価した場
合 も上記２つの実施例と同様にして実施できる。
以上の実施例は通常のマイクロプロセサによりプログラ
ム制御により実行できる。
ム制御により実行できる。
たとえば、前記■式で与えられる方式蝶第３図のフロー
チャートにしたがって実行される。
チャートにしたがって実行される。
第１図は最大類似度Ｓｌ、および最大類似度と医大類似
度との差’ｔ ｓｔの２変数について。 サンプルパターンをプロットした図、第２図は本発明を
印刷文字認識に適用した場合のサンプルパターン’ｒｓ
、、Ｓ、−ｓ、の２変数についてプロットした図、第３
図は本発明のパターン認識方式を実行するためのフロー
チャートである。 茅 １ 図 ￥ＪＺ図 第 ３ 図
度との差’ｔ ｓｔの２変数について。 サンプルパターンをプロットした図、第２図は本発明を
印刷文字認識に適用した場合のサンプルパターン’ｒｓ
、、Ｓ、−ｓ、の２変数についてプロットした図、第３
図は本発明のパターン認識方式を実行するためのフロー
チャートである。 茅 １ 図 ￥ＪＺ図 第 ３ 図
Claims (1)
- １、入カバターンと標準パターンとの最大類似度および
次大類供度を求め、該最大類似度と次大類イ以度との差
を所定の第１のしきい値と比較し且つ上記最大類似＃を
所定の第２のしきい値と比較することにより選足された
候補カテゴリを上記入カバターンの属するカテゴリと判
定するパターン認識方式において、上記Ｗ４１のしきい
値を上記最大類似度とすくなくとも１個の上記候補カテ
ゴリに応じて可変とし、上記第２のしきい値をすくなく
とも１個の上記候補カテゴリに応じて可変とすることを
特徴とするノくターン認識方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57061064A JPS58178483A (ja) | 1982-04-14 | 1982-04-14 | パタ−ン認識方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57061064A JPS58178483A (ja) | 1982-04-14 | 1982-04-14 | パタ−ン認識方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS58178483A true JPS58178483A (ja) | 1983-10-19 |
Family
ID=13160353
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57061064A Pending JPS58178483A (ja) | 1982-04-14 | 1982-04-14 | パタ−ン認識方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS58178483A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008298460A (ja) * | 2007-05-29 | 2008-12-11 | National Research Institute Of Police Science Japan | 規制薬物判別装置、規制薬物判別方法および規制薬物判別プログラム |
-
1982
- 1982-04-14 JP JP57061064A patent/JPS58178483A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008298460A (ja) * | 2007-05-29 | 2008-12-11 | National Research Institute Of Police Science Japan | 規制薬物判別装置、規制薬物判別方法および規制薬物判別プログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Karu et al. | Fingerprint classification | |
| Lu | Knowledge integration in a multiple classifier system | |
| Sun et al. | Face detection based on color and local symmetry information | |
| Ying | Analytical analysis and feedback linearization tracking control of the general Takagi-Sugeno fuzzy dynamic systems | |
| CN102982349A (zh) | 一种图像识别方法及装置 | |
| CN103745237A (zh) | 光照变化条件下的人脸识别算法 | |
| CN104504383A (zh) | 一种基于肤色和Adaboost算法的人脸检测方法 | |
| CN111783543A (zh) | 一种基于多任务学习的面部活动单元检测方法 | |
| JPS58178483A (ja) | パタ−ン認識方式 | |
| US5293454A (en) | Learning method of neural network | |
| Karungaru et al. | Face recognition in colour images using neural networks and genetic algorithms | |
| Chowdhury et al. | Fuzzy rule based approach for face and facial feature extraction in biometric authentication | |
| JPS6089291A (ja) | 文字認識方式 | |
| RU2103738C1 (ru) | Способ классификации ориентированных отпечатков пальцев | |
| Miron et al. | Fuzzy logic method for partial fingerprint recognition | |
| JPS62138986A (ja) | 文字認識装置 | |
| JP2953706B2 (ja) | パターン認識装置 | |
| JPH02171876A (ja) | パターン認識処理方式 | |
| Martinez | Identification of individuals using fingerprints by linguistic descriptions fuzzy comparison | |
| Pallavi et al. | Deep Learning Based Application in Detecting Wrinkle and Predicting Age | |
| JPS62271190A (ja) | セグメント数字認識方式 | |
| JPS6152782A (ja) | 文字認識方式 | |
| JPS6355677A (ja) | パタ−ン認識方法 | |
| JP2868770B2 (ja) | パターン辞書の構成方式 | |
| CN114973225A (zh) | 号牌识别方法、装置及设备 |