JPS60160488A - パタン認識における標準パタン作成方式 - 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】 不発明はバタン認識における標準バタン作成方式、特に
文字認識、音声認識等のバタン認識において、特徴ベク
トルの系列として記述されたバタンを用いて認識処理を
行なうときの標準バタンを作成する方式に関する。

従来バタン認識において、最も虚妄な処理は特徴抽出処
理と、種々のバタンマツチング法を含んだ判定処理であ
った。その′Ｍ、景性は現在毛質わらないが、樵々のバ
タン認識での認識率が同上し。

実用化が意識されるにつれて、標準バタンの良し悪しの
占める比重が大きくなフつつある。認識過程で扱われる
バタンか多次元窒１ｆ３ＪＣ１）　１点を下す特徴ベク
トルとして表わされる場合は、用意された複数個の学習
パタンからよシ良い標準バタンを作成する方法が研究さ
れ、提某されているが、％徴ベクトルの系列として記述
されたバタンか非線形処理によってｇ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バタン
を作成することは一般に行なわれていない。

不発明は前記非線形処理によって認識処理が行なわれる
ような場合において、複数個の学習バタンからよフ良い
標準バタンを自動的に作成する標準バタン作成方式を提
供するものでオフ、これによって認識処理による認識率
全同上させ、且つ標準バタン作成のための工数を太幅に
軽減できる。

本発明によると％畝ベクトルの系列として表わされるバ
タンを用いたバタン認識に必要な標準バタンを複数個の
学習バタンを用いて作成する標準バタン作成方式におい
て、仮の標準バタン全格納する仮の標準バタン記憶手段
と、順次人力される前記複数個の学習バタンの各々と前
記仮の標準バタンと全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バタンの各々と前記仮の
標準バタンとの対応を示す写像関数ケ出力する写像関数
生成手段と、前記複数個の学習バタンの谷々について得
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バタンを伸縮正規化して標準
バタンを作成する伸線正規化手段とを含むことを特徴と
する２パタン認識における標準バタン作成方式が得られ
る・ 以下図面を用いて不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
バタン１０．１１の伸縮整合を行ない、最適な整合とな
るときの写像関数１２を示す図である。第２図は標準バ
タンの違いが認識処理に及ぼす影響の一例全話すための
図である。第２図（ａ）において１３は標準バタン、１
３０は各写像関数の始点と終点ｔ＃ｊぶ直線、１３１，
１３２゜１３３．１３４．ｉ３５は前記標準バタン１３
と同じカテゴＩＪ　Ａのサンプルバタンとの間の写像関
数、１３６，１３７は前記標準バタン１３と異なるカテ
ゴリＢのサンプルバタンとの間の写像関数とする・ 従来のバタン認識方式では伸縮整合を行なって得られる
類似度のみで判定処理を行なっていたりで、前記１３１
．・・・・・・、１３７の写像関数をめたときに得られ
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との識別が困離であった。

第２図（ｂ）において％　１４は前記標準ノくタン１３
を伸縮正規化して得られるカテゴリＡの標準ノくタンで
あり％　１４０は各写像関数の始点と終点を結ぶ直線、
１４１，１４２，１４３，１４４，１４５はｍｌ　Ｍ己
カテコ゛すＡのサンブルノくタンと前６己標準ノ（タン
１４との写像関数％　１４６，１４７は盲＋Ｊ　暮己カ
テゴリＢのサンプルノくタンと前記標準）くタン１４と
の写像関数とする・ 若シ、前記１４１．・・・・・・、１４７の写株関数金
求めたときに得られる類似度がほぼ同じ１１１Ｌになる
としても、前ｌ匣ａ１４ｏと谷写像関数のｈ伍れ具合で
前記カテゴリＡと前記カテゴリＢとを８１１］すること
ができる。また類似度をめるときに、写像関数が、巨騙
１４０から離れる程ペナルティ’ｆｃ加えるように類似
度を定めると、類イ以度の中」足金しカが更に増すこと
になる− 従って、第２図（ａ）ｆｂ）の例でバタン１３よυはノ
（タン１４の方が標準バタンとして好ましいことがわか
る。前記バタン１３から前記バタン１４を生成する手段
を以下に述べるが、同時にこれが不発明の原理である。

写像関数１３１．・・・・・・、１３７をそれぞれｊ＝
ψ！　（す、　ｊ＝ψ２　（す、・・・・・・、ｊ＝ψ
７（ｉ）とする、ここでカテゴＩＪ　＆の写像関数の荷
重平均として得られる関１ｔ ｊ＝ψ（ｉ） とすると、ψｔｉ＞は次式のようにしてまる・ここでω
ｋ（ｋ＝１．・・−・・、５）は荷重であり、ωに＝１
　（ｋ＝１．・・・・・・、５）のとき　ψ（りは単純
平均となる。

このようにして得られる前記ｉ＝数ｊ＝ψ（りを用いて
、第３図に示すような操作で、　Ａ＋ｆ記〕くタン１３
から写像関数ｊ−ψ（ｉ）ｔ−示す１５を社て、前記、
＜タン１４が生成できる０式で表現すると、前記ノくタ
ン１３　′ｆｃＪ　＝Ｊ　１３　（ｉ）　ｓ前記パタン
１４をｊ＝ｊ１４ｔすとすると、 ｊ１４（ｉ）＝ｊ□３（ψ（す） で表わされる非線形正規化処理で前記バタン１３かう前
記バタン１４が得られる。

る。

トルＡ、Ａ、・・・・・−、Ａ　の系列から成っている
とする。また標準バタンの任恩のベクトルＡＪ　と、入
カバタンの任意のベクトルＡＩ　との距離−ｚｄ（ｉ。

ｊ）とする。単純な整合ｔとると、入力バタンＡと標準
パタンＡＯとの相違度Ｄ（Ａ、Ａ、）は。

例えば下式でめることになる。

１）（Ａ、　Ａ、　）＝、三□ｄ（ｌ、ｊ）この式は第
４図（ａ）の写像関数Ｊ＝ｉ上でＡＩ　とＡｏ　（！ｆ
対応させて、両パタンの相違度をめているが、同図の写
像関数ｊ＝ψ（り上で　ａｔとＡｏＪとを対応させるこ
とができれば、両バタンの相違度をめるのに、入力バタ
ンＡを部分的に伸縮して標準パタンＡｏ　と整合をとる
ことができる。

ＤＰマツチング法は、入力バタンを部分的に伸縮して脱
合金とるための手法であり、例えは第４図（ｂ）では下
記の初期値及び漸化式から、ｆ（Ｎ。

Ｎ）をめることによル、写像関数ｊ＝ψ（ｉ）上でＡＩ
とＡｊ　とを対応させて整合をとることができる。

Ｆ（１，１）＝ｄ（１，ｌ） ｆ　（ｉ、ｊ　）＝ｄ（ｉ、ｊ）＋ｒｎｉｎ（ｆ（ｊ−
１，ｊ）ｓＩＩ（ｉ−１，ｊ−ｘ）、　ｙＣｉ−ｘ、　
ｊ−２）Ｊただし、ｄ　（ｉ、　ｊ）＝ａｏ（ｉ≦Ｏま
たはｊ≦０）である。

第４図ｆｅ）は上記漸化式を氷めるＪ）Ｐマツチング法
の一例を示すための図であり、入力バタンは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、Ｄ準パタンは同じく５個の系列（１，
２，３，４，５）であシ、（ｉｓｊ）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っている。

第４図（ｄ）は上記漸化式計算のｉｔ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１）Ｐマツチング法では、この範囲を蟹合窓と呼び
、実際に計算量の効率化を図っている。

前記漸化式は単に相違Ｍｌ求めるためだけのものである
が。

１ｎｉｎ（ｙ＜　ｔ−１，ｊ）、　ｆ（ｉ−１，ｊ−ｓ
）、　ｙ（ｉ−ｔ。

ｊ−２））＝ｆ（ｉ−ｘ、ｊ（ｉ−ｘ））け光しｊｕ−
１）はｊ、　ｊ−ｘ、ｊ−２のいう”れかである） のとき、 ｈ（ｉ、ｊ）＝ｊ（ｉ−１） として、関数ｈ（ｉ、請求めておくことにより、相違度
がめられた後にｈ（ｉ、ｊ）の値をｈ（Ｎ、Ｎ）から順
次ｈ（１，１）−までめることにより写像関数をめるこ
とができる０例えば第４図（Ｃ１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、写真関数
（ｉ、ｊ）が （１，１）、　（２，２）、　（３，４）、　（４，５
）、　（５，５）と葦る。

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（１（１≦ｉ　≦１６　）　Ｉｄ、人カッ＜ｌ　ｙ、
Ｙ（ｊ）（１≦ｊ≦１６）は伸縮正規化バタンで、ｊ＝
ψ＋１）は伸縮正規化のための写像関数である。この例
ではＹ（ハは次の規則によって定まる・（１）ｊ＝ψ（
１）〉ψ（ｉ−１）且つψ（ｉ）＜ψ（ｉ＋りのときＹ
（ｊ）＝Ｘ（ｉ） （ｚ＞３＝ψ（ｉ）＝ψ（ｉ−１）＋２のとき　Ｙ　（
ｊ−１）’Ｘ（ｉ）＝＝１今１１播袢ト （３）ｊ＝ψ（ｉ）二ψ（ｉ−１）＜ψ（ｉ＋１）のと
き　Ｙ（ｊ）＝χ（わ 次に不発明の笑施例を図面について説明する。

第６図は不発明の一実施例の構成図であり、２は仮の標
準バタン記憶手段で、２０は仮の標準バタンを示す信号
であり、前記信号２ｏとして人力した仮の標準バタンを
格納し、信号２２として、後述する写像関数生成手段３
と伸縮正規化手段５に仮の標準バタン金供給する。写像
関数生成手段３は前記複数個の学習バタン全１個ずつ信
号２１として順次入力し写像関数をめ、信号２３として
順次出力する。４は平均写像関数生成手段で、前記信号
２３として順次人力されるすべての写像関数の荷重平均
処理めることによシ平均写像１ぬ数を足め１個号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
前記仮の標準バタンを信号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っ
て得られる標準バタンを信号２５として出力する。

上記説明において前記仮の標準バタン記憶手段２は〆通
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
めのブロック図である。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ｆ（ｉｓｊ）の計算と、漸
化式計算の結果得られる軌跡ｈ（’ｓ　請求めｈｈ（ｉ
ｓｊ）から写像関数をめるものである。

２１は順次人力される前記学習バタンを示す信号で、特
徴ベクトルの系列７１１．　Ａ２．・・・・・・、ＡＮ
に対応し、２２は前記仮の標準バタンを下す信号で、特
徴ベクトルの系列ＡＯ＃　ＡＯｅ・山・・、Ａ。

に対応し、３１は距離演算部で上記２石号を入力とし、
ｄ（ｉ、ｊ）を計算し、信号３１１として出力する。３
２は前出の鹸化式 ％式％） ）） 全計算する順化式演算部でｈ　ｄ（ｉ−Ｊ　）　′ｆ：
ｉｓ号３１１、ｍｉｎ（ｇ（ｉ−１，ｊ　Ｌ　ｊ’（ｔ
−ｉ。

ｊ−１）、ｐｃｉ−ｘ、　ｊ−ｚ＞）を信号３４１とし
て入力し、？ｘ算結果のｙ（ｉ＝）＋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ｙ（ｉ−
ｘ、ｊ）、ｙ＜ｉ−１，ｊ−１）そして１（ｉ−１，ｊ
−２′）ｉ信号３３１、信号３３２゜そして信号３３３
として読込み、ｍ１ｎ（ｆ　（１−ｂＪ）呼テ→→＊　
Ｉ　（’　−ｌｅ　Ｊ　−１）　＊　ｙ　（ｔ　−１。

ｊ−２））ｅ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ｆＬ算が終了すると前記写像軌跡記憶部３５から
写像関数を’＋８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３４゜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、前記イＨ号２３として
人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２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バタンの性質によっ
て変わるが、前記性質が未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バタンと仮の標準バタン
とから得られる複数個の写像関数の平均写像関数をめ、
前記仮の標準バタンと前記平均写像関数とから、偏りの
少ない標準バタン全自動的に得ることができる。この偏
りの少ない標準バタンを用いることによフ、認舷率の同
上全針ることができ、更に認識のための伸縮光合処理と
してＤＰマツチング＠’ｆｔ用いる場合には、偏りの大
きい標準バ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、標準バタン作成のための工数を大幅に減らす
という効果も得られる。

尚、以上の説明では、標準バタンと入力バタンの系列が
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、また前処理によっ
てバタンの形状が大きく変わる場合は、別のサブカテゴ
リーとして取シ扱えばよい、従って不発明は必ずしも１
つのカテゴリーのすべての学習バタンに対して適用する
ものではなく、サブカテゴリ一単位で適用すれば、より
以上の効果が得られる。また伸縮整合処理はＤｒ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、使用する漸化式は不説明の漸化式に限るもので
はない、また仮の祢準パタンは２あらかじめ用意された
ものではなく、被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。

不発明は複数個の学習パタンからよシ良い標準バタン全
自動的に作成することができ、認識処理による認識率を
同上させ、且つ標準バタン作ＩＲＣＤだめの工数を大幅
に軽減できる効果がある。

４、　図面の１＾】単な説明 第１図は特徴ベクトルの系列として表わされる２つのバ
タンの伸縮製合金性なったときの写像関数全話す図、第
２図は標準バ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）は偏りリ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）〜ｆｄ）はＬＡＰ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図は不発明の一来施例のブロック図、第
７図は第６図中の写像関数生成手段の構均写像関数生成
手段、５は伸縮正規化手段、３１は距離演算部、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。

懲　ｌ　国 筋　ａ　国 （ｏＬ）　（ｂ） 乃３閃 Ｆ７４　圀 （ｂ） ｈ　４国 ２４５５ （ｄ）

Claims (1)

【特許請求の範囲】
1. 特徴ベクトルの系列として表わされるバタンを用いたバ
   タン認識に必要な標準バタン金瞑数個の学習バタン金相
   いて作成する標準バタン作成方式において、仮の標準パ
   タン會格納する仮の標準バタン叱憶手段と、順次人力さ
   れる前記狽数個の学習バタンの谷々と前記仮の標準バタ
   ンとを入力し両者の伸縮置台全行ない最適ｌ蓋合となる
   ときの前記学習パタンの谷々と前記仮の標準バタンとの
   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・ｄバタンの各々について得られる写１ａ
   ！胸数の平均となる平均写像関数全求める平均写像開数
   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バタン全伸縮正規化して標準バタン
   を作成する伸縮正規化手段とを含むことを特徴とするバ
   タン認識における標準バタン作成方式。