JPWO2010122721A1 - 照合装置、照合方法および照合プログラム - Google Patents

Abstract

データ同士の類似度を計算する場合に、計算する類似度の精度を向上させることができる照合装置を提供する。要素選択手段４１は、第１のデータに基づく複数の要素を含む第１ベクトルと第２のデータに基づく複数の要素を含む第２ベクトルとの間で、互いに対応する要素同士を選択する。類似度算出手段４２は、第１ベクトルおよび第２ベクトルから選択された各要素から、第１のデータおよび第２のデータの類似度のスコアを算出する。スコア補正手段４３は、類似度の算出に用いるデータ量が多いほどスコアの増加量が多くなるように、類似度算出手段４２に算出されたスコアを補正する。

Description

本発明は、照合を行うための照合装置、照合方法および照合プログラムに関し、特に、データ同士の類似度を計算する照合装置、照合方法および照合プログラムに関する。

コンピュータによる顔画像認識に用いられる技術が種々提案されている。例えば、非特許文献１には収集した顔画像に対して主成分分析を行い、顔認識を行う技術が記載されている。

また、向きや照明を変化させた場合の被写体の様々な画像を生成する技術も提案されている。非特許文献２に記載の技術では、被写体の３次元形状を計測し、向きや照明を変化させた場合の被写体の画像を生成する。画像を３次元形状から生成する場合には、目的画像との類似度の差分が小さくなるように位置合わせ、姿勢調整を行う。

また、非特許文献３に記載の技術では、被写体の３次元形状を前もって計測することで、照明条件・姿勢条件が未知の被写体の２次元画像に対して、３次元形状から目的画像に近い画像を生成し、照合を行う。

被写体の３次元形状から２次元画像を生成する際には、目的画像との類似度が小さくなるように位置合わせ・姿勢調整を行う。この過程では、目的画像との差分が大きい部分が隠れるように３次元形状の位置合わせや姿勢調整が行われる。その結果、３次元形状のうち目的画像との差分が小さい領域のみを用いて画像が生成され、生成される画像は小さくなる傾向がある。

また、特許文献１や非特許文献４には、顔画像の類似度を計算する手法として、画像の領域ごとに算出された類似度に対して重み付けを行い、新たに統合された類似度を用いる手法が記載されている。

また、非特許文献５には、画像からのエッジ部分を検出した画像を生成する技術が記載されている。

また、非特許文献６には、物体の３次元形状データを取得する技術が記載されている。

また、非特許文献７には、顔の画像に合わせて、顔の３次元モデルの姿勢（向き）を推定する技術が記載されている。

また、特許文献２には、主成分分析により照明変動空間の基底ベクトル群を生成し、入力画像に近似する画像を基底ベクトル群から生成する画像照合装置が記載されている。

また、非特許文献８には、顔画像の中から、物によって顔が隠されている領域を特定する技術が記載されている。

特開２００８−１５２７８９号公報 特開２００４−８６９２９号公報

Matthew Turk, Alex Pentland, "Face Recognition Using Eigenfaces", Computer Vision and Pattern Recognition, Proceedings of CVPR ’91, p.586-591, 1991年 Volker Blanz, Thomas Vetter, "A Morphable Model For The Synthesis Of 3D Faces", ACM SIGGRAPH 99, Proceedings of the 26th annual conference on Computer graphics and interactive techniques, pp.187-194,1999年 Rui Ishiyama, Masahiko Hamanaka, Shizuo Sakamoto, "Face recognition under variable pose and illumination conditions using 3D facial appearance models", Systems and Computers in Japan, volume 38, issue 2, pages 57-70, 2007年 Robert Brunelli, Tomaso Poggio, "Face Recognition: Features versus Templates", IEEE Transactions on Pattern Analysis and Machine Intelligence, voleme 15, issue 10, pages 1042-1052, 1993年 Andreas Koschan,"A Comparative Study On Color Edge Detection"，1995年 Rui Ishiyama, Shizuo Sakamoto, Johji Tajima, Takayuki Okatani, Koichiro Deguchi, "Absolute phase measurements using geometric constraints between multiple cameras and projectors", Optical Society of America, APPLIED OPTICS Vol.47, No.17, 2007年 Rui Ishiyama, Shizuo Sakamoto, "Fast and Accurate Facial Pose Estimation by Aligning a 3D Appearance Model", Proceeding of the 17th International Conference on Pattern Recognition(ICPR’04), 2004年 Andreas Lantis, "Person Identification From Heavily Occluded Face Images", 2004 ACM Symposium on Applied Computing, 2004年

前もって計測された複数の３次元形状を用いて、ある人物の目的画像の照合を行うとする。この場合、その目的画像と、他人の３次元形状を用いて生成された小さい合成画像との類似度を求めた場合と、その目的画像と、本人の３次元形状を用いて生成された大きい合成画像との類似度を求めた場合とを比較すると、前者の方が類似度が高くなる傾向があり、照合に失敗することが多いという問題がある。

このような問題は、撮影によって得た２次元画像を用いて照合を行う場合にも生じる。図２８は、照合に用いる面積が小さい場合に正確な照合結果が得られない場合の例を示す概念図である。人物ａ，ｂの画像が予め登録されているものとし、それぞれ登録画像ａ，ｂとする。人物ａの登録画像ａには特に隠れ部分ないが、人物ｂの登録画像ｂには眼鏡等による隠れ部分があるものとする。隠れは、オクルージョン、ノイズと称される場合もある。また、画像内の各人物の表情は同様とは限らず、口部分の画像には人物毎に変化があるものとする。また、登録画像と照合される照合画像として、人物ａの照合画像ａが入力されるとする。登録画像ａと照合画像ａとでは、画像の領域全体同士の類似度を計算すればよい。登録画像ｂに関しては、隠れが生じている部分を検知し、その部分を除外した領域のみで、照合画像ａとの類似度を計算することが考えられる。このように類似度を計算すると、登録画像ａの領域全体を用いて計算した類似度よりも、登録画像ｂの一部の領域を用いて計算した類似度の方が高くなってしまい、結果的に、照合画像ａは人物ｂの画像であると判定されることがある。

特許文献１や非特許文献４に記載された手法では、画像の領域ごとの類似度を考慮して画像同士の類似度を算出する。領域毎の類似度に重み付けを行うこれらの手法は、予め照合に用いることが可能な領域が分かっている場合には適用可能である。しかし、一般に登録画像や照合画像では、照合可能な領域（隠れ部分以外の領域）の位置や大きさは常に同じであるとは限らないため、特許文献１や非特許文献４に記載された手法を利用することができない。

また、ここでは画像同士の類似度を計算する場合を例にしたが、画像以外のデータ同士の類似度を計算する場合にも、類似度計算に用いる情報量が少ないほど類似度が大きく算出される傾向がある。

そこで、本発明は、データ同士の類似度を計算する場合に、計算する類似度の精度を向上させることができる照合装置、照合方法および照合プログラムを提供することを目的とする。

本発明による照合装置は、第１のデータに基づく複数の要素を含む第１ベクトルと第２のデータに基づく複数の要素を含む第２ベクトルとの間で、互いに対応する要素同士を選択する要素選択手段と、第１ベクトルおよび第２ベクトルから選択された各要素から、第１のデータおよび第２のデータの類似度のスコアを算出する類似度算出手段と、類似度の算出に用いるデータ量が多いほどスコアの増加量が多くなるように、類似度算出手段に算出されたスコアを補正するスコア補正手段とを備えることを特徴とする。

また、本発明による照合方法は、第１のデータに基づく複数の要素を含む第１ベクトルと第２のデータに基づく複数の要素を含む第２ベクトルとの間で、互いに対応する要素同士を選択し、第１ベクトルおよび第２ベクトルから選択した各要素から、第１のデータおよび第２のデータの類似度のスコアを算出し、類似度の算出に用いるデータ量が多いほどスコアの増加量が多くなるように、算出したスコアを補正することを特徴とする。

また、本発明による照合プログラムは、コンピュータに、第１のデータに基づく複数の要素を含む第１ベクトルと第２のデータに基づく複数の要素を含む第２ベクトルとの間で、互いに対応する要素同士を選択する要素選択処理、第１ベクトルおよび第２ベクトルから選択された各要素から、第１のデータおよび第２のデータの類似度のスコアを算出する類似度算出処理、および、類似度の算出に用いるデータ量が多いほどスコアの増加量が多くなるように、類似度算出処理で算出されたスコアを補正するスコア補正処理を実行させることを特徴とする。

本発明によれば、データ同士の類似度を計算する場合に、計算する類似度の精度を向上させることができる。

本発明の第１の実施形態の照合装置の概略を示す説明図である。 本発明の第１の実施形態の照合装置の構成例を示すブロック図である。 異なる人物の特徴ベクトル同士のペアおよび同じ人物の特徴ベクトル同士のペアについて求めたＤ，Ａの例を示す説明図である。 ペア毎に求めた（Ｄ，Ａ）を２次元平面に示した説明図である。 ペア毎に求めた（Ｄ，Ａ）を２次元平面に示した説明図である。 本発明の第１の実施形態の処理経過の例を示すフローチャートである。 本発明の第２の実施形態の照合装置の概略を示す説明図である。 第２の実施形態の照合装置の構成例を示すブロック図である。 背景除去手段３１および画像正規化手段３２を備えた場合の構成例を示すブロック図である。 画像の正規化の例を示す説明図である。 照合特徴選択手段３ａの処理を模式的に示す説明図である。 第２の実施形態の処理経過の例を示すフローチャートである。 第３の実施形態の照合装置の構成例を示すブロック図である。 フィルタの例を示す説明図である。 第３の実施形態の処理経過の例を示すフローチャートである。 第４の実施形態の照合装置の構成例を示すブロック図である。 第４の実施形態の処理経過の例を示すフローチャートである。 第５の実施形態の照合装置の構成例を示すブロック図である。 第５の実施形態の処理経過の例を示すフローチャートである。 第５の実施形態の処理を模式的に説明する説明図である。 第６の実施形態の照合装置の構成例を示すブロック図である。 第６の実施形態の処理経過の例を示すフローチャートである。 ステップＳ６０１の処理を模式的に示す説明図である。 本発明の第７の実施形態の照合装置の概略を示す説明図である。 第７の実施形態の照合装置の構成例を示すブロック図である。 第７の実施形態の処理経過の例を示すフローチャートである。 本発明の最小構成を示すブロック図である。 照合に用いる面積が小さい場合に正確な照合結果が得られない場合の例を示す概念図である。

以下、本発明の実施形態を図面を参照して説明する。

実施形態１．
図１は、本発明の第１の実施形態の照合装置の概略を示す説明図である。第１の実施形態の照合装置は、登録手段１と、入力手段２と、データ記憶手段７１と、情報処理装置７２とを備える。本実施形態では、データの特徴を表す特徴ベクトルを予め保持しておき、新たに入力された特徴ベクトルと、予め保持している特徴ベクトルとの類似度を計算する。予め保持しておく特徴ベクトルを登録側特徴ベクトルと記し、新たに入力される特徴ベクトルを照合側特徴ベクトルと記す。

データ記憶手段７１は、登録側特徴ベクトルを記憶する記憶装置である。登録手段１は、特徴ベクトルが入力されると、その特徴ベクトルをデータ記憶手段７１に記憶させる。この特徴ベクトルが登録側特徴ベクトルとなる。予め登録される登録側特徴ベクトルは１つであっても、複数であってもよい。

入力手段２は、照合側特徴ベクトルを情報処理装置７２に入力するためのインタフェースである。

情報処理装置７２は、照合側特徴ベクトルが入力されると、照合側特徴ベクトルと、データ記憶手段７１に記憶されている各登録側特徴ベクトルとの類似度を計算する。なお、登録手段１、入力手段２、データ記憶手段７１が情報処理装置７２に設けられていてもよい。

図２は、本発明の第１の実施形態の照合装置の構成例を示すブロック図である。照合装置は、登録手段１と、入力手段２と、照合特徴選択手段３と、補正前評価値算出手段４と、評価値補正手段５と、照合判定手段６とを備える。図２では、データ記憶手段７１（図１参照）の図示を省略しているが、照合装置は、データ記憶手段７１も備える。

登録手段１は、上述のように、特徴ベクトル（登録側特徴ベクトル）が入力されると、その特徴ベクトルをデータ記憶手段７１（図１参照。図２において図示略。）に記憶させる。登録側特徴ベクトルは、照合特徴選択手段３によって読み込まれる。

入力手段２は、照合側特徴ベクトルが入力されると、その照合側特徴ベクトルを照合特徴選択手段３に出力する。

ここで、登録側特徴ベクトルおよび照合側特徴ベクトルについて説明する。各特徴ベクトルは、いずれも物体（人物等も含む。）のデータの特徴を表すベクトルである。登録側特徴ベクトルがデータ記憶手段７１（図１参照。図２において図示略。）に登録されているならば、その特徴ベクトルに対応する物体が登録されているということができる。特徴ベクトルによって表されるデータの態様は、本実施形態では特に限定されない。例えば、人物等の顔を表す画像であっても、音声を表す音声データであってもよい。また、物体等の電気信号であってもよい。登録側特徴ベクトルおよび照合側特徴ベクトルが、それぞれ画像の特徴ベクトルである場合、例えば、画素の画素値を要素とするベクトルを特徴ベクトルとすればよい。また、登録側特徴ベクトルおよび照合側特徴ベクトルが、それぞれ音声データである場合、例えば、各周波数毎の音声レベルの値を要素とするベクトルを特徴ベクトルとすればよい。

各登録側特徴ベクトルおよび照合側特徴ベクトルの次元は、同じ次元であるものとする。ただし、ベクトルの要素の一部が欠損していてもよい。例えば、特徴ベクトルが画像の各画素の画素値を要素としているとする。この場合、登録側でも照合側でも、画像の画素数は一定であるが、要素の中にエラーを表すエラー値が存在していてもよい。例えば、隠れ等によって一部の画素値が欠損していたり、画素値が異常な値を示している場合には、その画素に対応する要素をエラー値として定めてもよい。ここでは、画像の場合を例にしたが、音声データ等から特徴ベクトルを定める場合であっても同様である。

照合特徴選択手段３は、入力手段２から照合側特徴ベクトルを入力されると、その照合側特徴ベクトルと登録側特徴ベクトルとの組毎に、照合側特徴ベクトルおよび登録側特徴ベクトルから、類似度算出に用いる特徴ベクトルの要素を選択し、一つの特徴ベクトルから選択した要素の数を、類似度算出に用いる特徴ベクトルの要素数としてカウントする。登録側特徴ベクトルと照合側特徴ベクトルとでは、データ欠損等により、エラー値となっていない要素の位置が一致しているとは限らない。照合特徴選択手段３は、登録側特徴ベクトルと照合側特徴ベクトルとで、エラー値となっていない要素同士が対応している箇所の要素を、類似度算出に用いる特徴ベクトルの要素として選択すればよい。以下に例を示す。説明を簡単にするために、登録側特徴ベクトルおよび照合側特徴ベクトルが５次元ベクトルであるとし、登録側特徴ベクトルをＶａ、照合側特徴ベクトルをＶｂとする。このとき、Ｖａ，Ｖｂが以下のようなベクトルであるとする。

Ｖａ＝（Ｖａ１，Ｖａ２，Ｘ，Ｘ，Ｖａ５）
Ｖｂ＝（Ｖｂ１，Ｘ、Ｖｂ３，Ｘ，Ｖｂ５）

Ｘは、エラー値を表す。この場合、Ｖａ，Ｖｂいずれにおいても、エラー値となっていない要素は、１番目と５番目の要素であるので、照合特徴選択手段３は、登録側特徴ベクトルＶａにおける１番目および５番目の要素を選択し、同様に、照合側特徴ベクトルにおける１番目および５番目の要素を選択する。この場合、各特徴ベクトル毎に選択した要素数は２個であるので、類似度算出に用いる特徴ベクトルの要素の数は２個となる。本例では、説明を簡単にするために、各特徴ベクトルが５次元である場合を例に説明したが、実際の特徴ベクトルの次元は、５次元に限定されない。

照合特徴選択手段３は互いに対応する要素の組が成立している要素を選択していると言える。

照合特徴選択手段３は、照合側特徴ベクトルおよび登録側特徴ベクトルから選択した、類似度算出に用いる各要素からなるベクトルを補正前評価値算出手段４に出力し、類似度算出に用いる要素数を評価値補正手段５に出力する。登録側特徴ベクトルから選択された要素からなるベクトルを、登録側選択要素ベクトルと記す。同様に、照合側特徴ベクトルから選択された要素からなるベクトルを、照合側選択要素ベクトルと記す。すなわち、照合特徴選択手段３は、登録側選択要素ベクトルおよび照合側特徴ベクトルを補正前評価値算出手段４に出力し、それらのベクトルの要素数を評価値補正手段５に出力する。

補正前評価値算出手段４は、照合特徴選択手段３によって選択された照合側特徴ベクトルおよび登録側特徴ベクトルの要素を用いて、照合側特徴ベクトルおよび登録側特徴ベクトルの類似度の評価値を計算する。補正前評価値算出手段４が計算する評価値は、補正される前の評価値であり、この評価値は後述の評価値補正手段５によって補正される。補正前評価値算出手段４は、例えば、以下のように類似度の評価値を計算すればよい。補正前評価値算出手段４は、登録側選択要素ベクトルおよび照合側選択要素ベクトルの対応する要素同士の差の二乗和を、類似度の評価値として計算すればよい。すなわち、登録側選択要素ベクトルのｉ番目の要素をｑｉと記し、照合側選択要素ベクトルのｉ番目の要素をｃｉと記す。この場合、補正前評価値算出手段４は、以下に示す式（１）の計算を行うことによって、評価値（Ｄとする。）を計算すればよい。

評価値補正手段５は、補正前評価値算出手段４が算出した類似度の評価値Ｄを、類似度算出に用いる特徴ベクトルの要素数に応じて補正する。類似度算出に用いる特徴ベクトルの要素数は、照合特徴選択手段３から入力された値である。このとき、評価値補正手段５は、類似度算出に用いる特徴ベクトルの要素数が大きいほど評価値の増加量が多くなるように評価値を補正する。例えば、評価値補正手段５は、以下に示す式（２）を計算することによって、補正後の評価値（Ｄｃとする。）を計算する。

Ｄｃ＝Ｄ＋ｆ（Ａ） 式（２）

式（２）において、Ａは、類似度算出に用いる特徴ベクトルの要素数である。関数ｆは補正用関数であり、Ａの値が大きいほどｆ（Ａ）の値も大きくなる関数である。補正用関数ｆの決定方法として様々な手法を用いることができるが、例えば、以下に示す式（３）のような関数ｆ（Ａ）におけるｗの値を決定する場合を例にして説明する。

ｆ（Ａ）＝ｗ×Ａ 式（３）

式（３）の関数ｆ（Ａ）は、ｗを補正重みとして、線形の補正を行う関数であるということができる。このｗは、以下のように予め定めておけばよい。ここでは、各特徴ベクトルが人物の顔画像を表す場合を例にする。

例えば、予め異なる人物の特徴ベクトル同士のペア、および、同じ人物の特徴ベクトル同士のペアをそれぞれ複数用意する。そして、各ペア毎に、照合特徴選択手段３と同様の方法で、類似度算出に用いる特徴ベクトルの要素を選択するとともに、類似度算出に用いる特徴ベクトルの要素数Ａをカウントし、補正前評価値算出手段４と同様の計算を行って類似度の評価値Ｄを求めておく。図３は、このように求めたＤ，Ａの例を示す説明図である。図３に示す例では、人物ａ，ｂ等のように異なる人物の特徴ベクトル同士を用いて、Ｄ１，Ａ１，Ｄ２，Ａ２，Ｄ３，Ａ３等を計算し、同一人物の特徴ベクトル同士を用いてＤ４，Ａ４，Ｄ５，Ａ５，Ｄ６，Ａ６等を計算した場合を示している。なお、同一人物の特徴ベクトルが常に同一であるとは限らない。

このように求めたＤ，Ａの各組に対して、それぞれ式（３）におけるｗの値を例えば０．１刻みで変化させて、式（２）におけるＤｃの値を計算する。そして、異なる人物の特徴ベクトルの組み合わせにおけるＤｃの値と、同じ人物の特徴ベクトルの組み合わせにおけるＤｃの値との間で最も明確な差が生じるｗの値を特定すればよい。例えば、異なる人物の特徴ベクトルの組み合わせにおけるＤｃはある値以下となり、同じ人物の特徴ベクトルの組み合わせにおけるＤｃがその値を超えるという傾向が最も顕著に現れるｗの値を特定すればよい。このように、補正重みｗを実験的に予め求めることによって、予め関数ｆ（Ａ）を定めておけばよい。

なお、上記の例ではｗの値を０．１刻みで変化させる場合を例示したが、このｗの値の間隔は０．１に限定されない。また、ある範囲でｗの値を変化させても適切なｗの値を特定できない場合には、ｗを変化させる範囲や、ｗを変化させるときの間隔を変更していけばよい。

また、評価値補正手段５は、式（２）以外の計算で補正を行ってもよい。例えば、評価値Ｄ、類似度算出に用いる特徴ベクトルの要素数Ａに対して、本人および他人の２クラス問題を適用し、線形判別分析、主成分分析、線形ＳＶＭ（Support Vector Machine）等の手法を用いて、以下に示す式（４）のような補正を行ってもよい。Ｗｄは評価値Ｄに対する補正重みであり、Ｗａは、類似度算出に用いる特徴ベクトルの要素数Ａに対する補正重みである。

Ｄｃ＝Ｗｄ×Ｄ＋Ｗａ×Ａ 式（４）

式（４）で補正を行う場合には、以下のようにＷｄ，Ｗａを予め定めておけばよい。すなわち、予め異なる人物の特徴ベクトル同士のペア、および、同じ人物の特徴ベクトル同士のペアをそれぞれ複数用意し、図３に示す場合と同様に、ペア毎にＤ，Ａを計算する。ここで得られたＤ，Ａを２次元平面に表すと、図４に例示するようになる。図４では、図３のように得られたＤ，ＡをそれぞれＤ軸、Ａ軸の座標値として、（Ｄ，Ａ）の平面内の位置を表している。また、図４では、異なる人物の特徴ベクトル同士のペアから求められた座標（Ｄ，Ａ）と、同じ人物の特徴ベクトル同士のペアから求められた座標（Ｄ，Ａ）とを異なる図形でプロットしている。図４に示すように、同じ人物の特徴ベクトルのペアから求めた（Ｄ，Ａ）と、異なる人物の特徴ベクトルのペアから求めた（Ｄ，Ａ）とは分布範囲が異なり、図４に示すように、その範囲を区切ることができる。また、Ｄ軸とＡ軸で規定される２次元平面を区切る直線はＷｄ，Ｗａに対応する。よって、図４に例示する２次元平面内で、実験的に計算された座標の分布を分類する直線を決定し、その直線を表すＷｄ，Ｗａを決定すればよい。

また、評価値補正手段５は、以下に示す式（５）のように、Ｄ，Ａを変数とする関数の関数値として補正後の評価値Ｄｃを計算してもよい。

Ｄｃ＝ｆ（Ｄ，Ａ） 式（５）

図５に例示するように、座標分布を曲線で区切ることも考えられるが、このような曲線に対応する関数ｆ（Ｄ，Ａ）を定めればよい。非線形の補正を行う関数ｆ（Ｄ，Ａ）は、例えば非線形ＳＶＭ、ニューラルネットワーク等の手法で求めればよい。

評価値補正手段５によって計算されたＤｃが、類似度の最終的な評価値である。

照合判定手段６は、計算された補正後の評価値Ｄｃと、閾値とを比較することによって、照合側特徴ベクトルが表す物体と、登録側特徴ベクトルが表す物体との照合を行う。例えば、照合側特徴ベクトルと登録側特徴ベクトルとの類似度（評価値補正手段５によって計算されたＤｃ）が、予め定められた閾値未満であれば、その二つの特徴ベクトルが表す物体は異なっていると判定し、類似度が閾値以上であれば、その二つの特徴ベクトルが表す物体は同じである（または類似している）と判定すればよい。すなわち、閾値をＤｔとすると、Ｄｃ＜Ｄｔであるならば、物体が異なっていると判定し、Ｄｔ≦Ｄｃであるならば、物体が同一である（または近似している）と判定すればよい。

また、登録側特徴ベクトルが複数存在する場合には、照合特徴選択手段３、補正前評価値算出手段４、評価値補正手段５は、それぞれ、個々の登録側特徴ベクトル毎に処理を実行し、照合判定手段６は、照合側特徴ベクトルとの類似度Ｄｃが、予め定められた閾値以上となっている登録側特徴ベクトルを検索してもよい。また、照合判定手段６は、類似度Ｄｃが最大の登録側特徴ベクトルを検索してもよい。すなわち、照合側特徴ベクトルに最も近似する登録側特徴ベクトルを検索してもよい。

登録手段１、照合特徴選択手段３、補正前評価値算出手段４、評価値補正手段５、および照合判定手段６は、例えば、照合プログラムに従って動作するコンピュータのＣＰＵによって実現される。照合プログラムは、例えばコンピュータが備えるプログラム記憶装置（図示せず）に記憶され、ＣＰＵはそのプログラムを読み込み、そのプログラムに従って、登録手段１、照合特徴選択手段３、補正前評価値算出手段４、評価値補正手段５、および照合判定手段６として動作してもよい。登録手段１、入力手段２、照合特徴選択手段３、補正前評価値算出手段４、評価値補正手段５、および照合判定手段６は、それぞれ別個のハードウェアであってもよい。

次に、動作について説明する。
図６は、本発明の第１の実施形態の処理経過の例を示すフローチャートである。登録手段１は、登録対象となる物体の特徴を表す登録側特徴ベクトルが入力されると、その登録側特徴ベクトルをデータ記憶手段７１（図１参照。図２において図示略。）に記憶させる（ステップＳ１０１）。

その後、入力手段２に、照合対象となる物体の特徴を表す照合側特徴ベクトルが入力されると（ステップＳ１０２）、照合特徴選択手段３は、照合側特徴ベクトルと登録側特徴ベクトルから、類似度算出に用いる特徴ベクトルの要素を選択する。このとき、照合特徴選択手段３は、録側特徴ベクトルおよび照合側特徴ベクトルで、エラー値となっていない要素同士が対応している箇所の要素を選択すればよい。照合特徴選択手段３は、登録側特徴ベクトルから選択された要素からなる登録側選択要素ベクトル、および、照合側特徴ベクトルから選択された要素からなる照合側選択要素ベクトルを定め、補正前評価値算出手段４に出力する（ステップＳ１０３）。また、ステップＳ１０３において、照合特徴選択手段３は、一つの特徴ベクトルから選択した要素の数を、類似度算出に用いる特徴ベクトルの要素数としてカウントする。

次に、補正前評価値算出手段４は、ステップＳ１０３で照合側特徴ベクトルから選択された要素からなる照合側選択要素ベクトルと、登録側特徴ベクトルから選択された要素からなる登録側選択要素ベクトルとを用いて、照合側特徴ベクトルおよび登録側特徴ベクトルの類似度の評価値Ｄを計算する（ステップＳ１０４）。ステップＳ１０４では、例えば、式（１）の計算によって評価値Ｄを求めればよい。

次に、評価値補正手段５は、類似度算出に用いる特徴ベクトルの要素数が大きいほど評価値の増加量が多くなるように評価値Ｄを補正する（ステップＳ１０５）。例えば、式（２）、式（４）、式（５）等の計算を行うことによって、評価値Ｄを補正すればよい。式（２）における関数ｆ（Ａ）や、式（４）におけるＷｄ，Ｗａや、式（５）における関数ｆ（Ｄ，Ａ）は予め定めておけばよい。

次に、照合判定手段６は、ステップＳ１０５における補正後の評価値をもとに、照合側特徴ベクトルが表す物体と、登録側特徴ベクトルが表す物体との照合を行う（ステップＳ１０６）。例えば、類似度の評価値が閾値以上であれば、２つの物体が同一である（または近似している）と判定し、閾値未満であれば、２つの物体が異なっていると判定すればよい。

登録側特徴ベクトルが複数ある場合、登録側特徴ベクトル毎に、ステップＳ１０３〜Ｓ１０５を行えばよい。そして、ステップＳ１０６では、照合側特徴ベクトルとの類似度の評価値が閾値以上となる登録側特徴ベクトルを選択してもよい。すなわち、照合側特徴ベクトルが表す物体と同一の物体（または近似すると判定される物体）を特定してもよい。また、類似度の評価値が最大となる登録側特徴ベクトルを選択してもよい。すなわち、照合側特徴ベクトルが表す物体と最も近似していると判定される物体を特定してもよい。

本実施形態では、類似度算出に用いる特徴ベクトルの要素数が大きいほど評価値の増加量が多くなるように評価値を補正する。従って、類似度算出に用いる特徴ベクトルの要素数の影響を受けずに、精度の高い類似度を計算することができる。すなわち、一般的に、類似度算出に用いるベクトル要素数が少ない場合には、ベクトル要素数が多い場合と比べて、計算された類似度が高くなる傾向が生じてしまうが、本発明によれば、そのような傾向が生じない類似度を得ることができる。

実施形態２．
第２の実施形態では、画像の画素値をベクトル要素とする特徴ベクトルを用いて類似度を計算する。すなわち、予め登録した画像（登録画像と記す。）の画素値を各要素とするベクトルを登録側特徴ベクトルとし、照合を行う画像として入力された画像（照合画像と記す。）の画素値を各要素とするベクトルを照合側特徴ベクトルとする。

図７は、本発明の第２の実施形態の照合装置の概略を示す説明図である。第２の実施形態の照合装置は、登録側撮影手段７と、照合側撮影手段８と、データ記憶手段７１と、情報処理装置７２とを備える。

本実施形態では、データ記憶手段７１は、登録画像を記憶する。登録側撮影手段７は、登録画像として予め保持しておく物体を撮影し、撮影によって生成した画像をデータ記憶手段７１に記憶させる。この画像が登録画像に該当する。

また、照合側撮影手段８は、登録画像が表す物体と照合される物体を撮影し、撮影によって生成した画像を情報処理装置７２に入力する。この画像が照合画像に該当する。

情報処理装置７２は、照合画像が入力されると、照合画像の画素値を要素とする照合側特徴ベクトルと、登録画像の画素値を要素とする登録側特徴ベクトルとの類似度を計算する。

登録側撮影手段７および照合側撮影手段８は、例えば、カメラによって実現される。登録側撮影手段７および照合側撮影手段８が同一のカメラであってもよい。また、登録側撮影手段７、照合側撮影手段８、データ記憶手段７１が情報処理装置７２に設けられていてもよい。

図８は、第２の実施形態の照合装置の構成例を示すブロック図である。第２の実施形態の照合装置は、登録側撮影手段７と、照合側撮影手段８と、照合特徴選択手段３ａと、補正前評価値算出手段４と、評価値補正手段５と、照合判定手段６とを備える。図８では、データ記憶手段７１（図７参照）の図示を省略しているが、照合装置は、データ記憶手段７１も備える。また、第１の実施形態と同様の構成要素については、図２と同一の符号を付し、詳細な説明を省略する。

登録側撮影手段７は、上述のように、登録画像として予め保持しておく物体を撮影し、撮影によって生成した画像をデータ記憶手段７１に記憶させる。この登録画像は、照合特徴選択手段３ａによって読み込まれる。照合側撮影手段８は、登録画像が表す物体と照合される物体を撮影し、撮影によって生成した画像を照合特徴選択手段３ａに出力する。

登録画像および照合画像は、例えば人物の顔画像であるが、人物以外の物体の画像であってもよい。

登録側撮影手段７および照合側撮影手段８が物体を撮影するときは背景も撮影することがある。この場合、生成された各画像は物体以外の様々な背景の領域も含んでいる。照合装置は、図９に示すように、登録画像および照合画像における背景領域を除去するように画像を加工する背景除去手段３１を備えていてもよい。図９は、背景除去手段３１および、次に説明する画像正規化手段３２を備えた場合の構成例を示す。背景除去手段３１は、例えば、背景領域を白色等の所定の画素値の色とするように画像を加工すればよい。

また、ここでは、登録側撮影手段７および照合側撮影手段８が生成する画像の画素数は同数であり、登録側撮影手段７および照合側撮影手段８が撮影を行う際における撮影対象物体までの距離は、常にほぼ等しくなっている場合を例にする。この結果、各画像は、同じ画素数であり、各画像の対応する位置に同様の物が現れることになる。例えば、顔を撮影する場合、目などは各画像のほぼ対応する箇所に位置することになる。

また、撮影時における物体までの距離が一定ではなく、画像中における物体の位置が異なる場合もある。このような場合が生じ得るならば、図９に示すように、照合装置に、各画像の対応する位置に同様の物が現れるように各画像を変換する画像正規化手段３２を設けてもよい。画像正規化手段３２は、物体の特徴的部分が所定の条件を満たした状態で、物体が予め定められた画素数の画像内に現れるように画像を変換（正規化）すれよい。例えば、登録画像や照合画像が人物の顔画像であるとする。この場合、目尻などの特徴的な画素を特定し、左右の目尻を表す画素間の画素数が所定画素数であり、画像左上の画素を基準位置として、右目尻の画素が基準位置から右方向および下方向に所定画素数ずれた位置になるような画像に、各登録画像および照合画像を変換すればよい。すなわち、図１０（ａ）に例示するように、予め定められたｐ×ｑ画素の画像であって、目尻の位置が、所定の画素数ａ，ｂ，ｃ（図１０（ａ）参照）で規定される位置になる画像になるように、登録画像や照合画像をそれぞれ変換すればよい。例えば、図１０（ｂ）のように、顔が中央に配置されていなかったり、小さく写っている場合でも、画像正規化手段３２が画像を正規化すればよい。すなわち、物体が同様の位置に配置されるように画像を変換すればよい。なお、正規化を行う際に、画像正規化手段３２は、目尻等の特徴的部分の画素のパターンを表すパターン情報を予め保持しておき、パターン情報に合う位置を画像中から検出すればよい。

第２の実施形態および後述の各実施形態では、説明を簡単にするため、登録側撮影手段７および照合側撮影手段８が、一定距離で物体を撮影し、正規化された状態の画像を生成する場合を例にして説明する。ただし、後述の第３の実施形態以降の各実施形態においても、背景除去手段３１および画像正規化手段３２が設けられていてもよい。

照合特徴選択手段３ａは、登録画像および照合画像において、物体の領域に隠れが生じている領域を特定する。そして、登録画像および照合画像のいずれにおいても隠れが生じていない領域の画素の画素値をベクトルの要素として選択し、その要素からなるベクトル（登録側選択要素ベクトル、照合側選択要素ベクトル）を補正前評価値算出手段４に出力する。登録側選択要素ベクトル、照合側選択要素ベクトルの要素数は等しい。照合特徴選択手段３ａは、その要素数を、類似度算出に用いる要素数として、評価値補正手段５に出力する。

図１１は、照合特徴選択手段３ａの処理を模式的に示す説明図である。例えば、図１１（ａ）に示す登録画像および照合画像が与えられたとする。照合画像では、サングラスによって顔の一部が隠されている。この場合、登録画像および照合画像のいずれにおいても隠れが生じていない領域は、図１１（ｂ）に示す登録画像中の領域６１以外の領域と、照合画像中の領域６２以外の領域である。ただし、領域６１は、領域６２に対応する領域であり、換言すれば、領域６２内の画素に対応する登録画像内の画素によって定まる領域である。複数の画像中の画素が対応しているとは、画像中における画素の位置が同じ位置であることを意味する。照合特徴選択手段３ａは、登録画像中の領域６１以外の領域の画素の画素値を要素とする登録側選択要素ベクトルと、照合画像中の領域６２以外の領域の画素の画素値を要素とする照合側選択要素ベクトルとを補正前評価値算出手段４に出力する。なお、対応する画素の画素値同士が、登録側選択要素ベクトルおよび照合側選択要素ベクトルにおいて互いに対応する要素となるように、登録側選択要素ベクトルおよび照合側選択要素ベクトルを決定する。

図１１では、照合画像に隠れが生じている場合を例示したが、登録画像に隠れが生じていてもよい。また、両方に隠れが生じていてもよい。また、図１１では、サングラスによる隠れを例示したが、隠れはサングラス以外の物によって生じていてもよい。

照合特徴選択手段３ａは、画像中において隠れが生じている領域を以下のように決定すればよい。照合特徴選択手段３ａは、隠れの生じていない種々の物体（例えば、様々な人の顔）の画像群に対して主成分分析を行って得られた主要な主成分を予め保持しておく。ここでは、第１主成分から第３主成分までを保持する場合を例にするが、どの主成分まで保持するかは特に限定されない。各主成分は、正規化されている登録画像および照合画像の画素数と同数の要素からなるベクトルとして表され、主成分毎に適切な係数を乗じた結果の和によって、物体の画像に近似する画像を表すことができる。例えば、第１から第３までの各主成分をＶ_１，Ｖ_２，Ｖ_３とすると、適切な係数ｋ_１，ｋ_２，ｋ_３を定めることにより、ｋ_１Ｖ_１＋ｋ_２Ｖ_２＋ｋ_３Ｖ_３の計算によって物体を表す画像を得ることができる。照合特徴選択手段３ａは、このような主成分Ｖ_１，Ｖ_２，Ｖ_３を予め保持し、着目する画像（例えば、照合画像）に最も近似する画像を生成する。照合特徴選択手段３ａはｋ_１，ｋ_２，ｋ_３の組み合わせを変化させて、ｋ_１Ｖ_１＋ｋ_２Ｖ_２＋ｋ_３Ｖ_３を計算することによって画像を生成し、着目する画像との画素毎の差の総和が最も小さい画像を生成する。生成した画像と、着目している画像とで画素毎に画素値の差分を計算し、その差分が大きい箇所（例えば、予め定めた閾値より大きい箇所）が隠れ領域であると判定すればよい。

また、照合特徴選択手段３ａは、非特許文献８に記載された技術によって隠れ領域を特定してもよい。

照合特徴選択手段３ａは、登録画像の各画素値を要素とする登録側特徴ベクトル、および照合画像の各画素値を要素とする照合側特徴ベクトルから、登録側選択要素ベクトルおよび照合側選択要素ベクトルを決定しているということができる。

照合特徴選択手段３ａは、第１の実施形態における照合特徴選択手段３と同様に、例えば、照合プログラムに従って動作するＣＰＵによって実現される。この場合、ＣＰＵが、照合プログラムに従って、照合特徴選択手段３ａや他の各手段４，５，６として動作する。また、上述の背景除去手段３１や画像正規化手段３２を備える場合、背景除去手段３１や画像正規化手段３２も、照合プログラムに従って動作するＣＰＵによって実現される。また、各手段がそれぞれ別個のハードウェアで実現されていてもよい。

次に、第２の実施形態の動作について説明する。図１２は、第２の実施形態の処理経過の例を示すフローチャートである。第１の実施形態と同様の処理については、図６と同一の符号を付す。登録側撮影手段７は、登録対象の物体を撮影し、その物体の画像（登録画像）をデータ記憶手段７１（図７参照。図８において図示略。）に記憶させる（ステップＳ１０１ａ）。その後、照合側撮影手段８は、照合対象の物体を撮影し、その物体の画像（照合画像）を生成する（ステップＳ１０２ａ）。照合特徴選択手段３ａは、照合画像および登録画像において、物体の領域に隠れが生じている領域を特定し、いずれの画像においても隠れが生じていない領域の画素の画素値をベクトルの要素として選択する。そして、登録画像から選択した画素値を要素とする登録側選択要素ベクトルと、照合画像から選択した画素値を要素とする照合側選択要素ベクトルを定め、補正前評価値算出手段４に出力する（ステップＳ１０３ａ）。また、それらのベクトルの要素数を、類似度算出に用いる要素数として、評価値補正手段５に出力する。

以降の動作は、第１の実施形態と同様である。すなわち、補正前評価値算出手段４は、登録側選択要素ベクトルおよび照合側選択要素ベクトルを用いて、照合画像および登録画像の類似度の評価値Ｄを計算する（ステップＳ１０４）。評価値補正手段５は、類似度算出に用いるベクトルの要素数が大きいほど評価値の増加量が多くなるように評価値Ｄを補正する（ステップＳ１０５）。照合判定手段６は、補正後の評価値をもとに、照合画像が示す物体と、登録画像が示す物体とを照合する（ステップＳ１０６）。ステップＳ１０４〜Ｓ１０６は、第１の実施形態と同様である。

本実施形態においても、類似度算出に用いるベクトル要素数が少ない場合には計算された類似度が高くなる傾向が生じてしまうという傾向のない、精度の高い類似度を計算することができる。

実施形態３．
第３の実施形態の照合装置は、第２の実施形態と同様に、登録側撮影手段７と、照合側撮影手段８と、データ記憶手段７１と、情報処理装置７２とを備える。ただし、登録画像および照合画像の画素値を、そのまま登録側特徴ベクトルや照合側特徴ベクトルの要素として用いるのではなく、登録画像および照合画像に対して特徴抽出を行い、特徴抽出によって得られるベクトルを登録側特徴ベクトルや照合側特徴ベクトルとする。

図１３は、第３の実施形態の照合装置の構成例を示すブロック図である。第１、第２の実施形態と同様の構成要素については、図２、図８と同一の符号を付し、詳細な説明を省略する。第３の実施形態の照合装置は、登録側撮影手段７と、照合側撮影手段８と、登録側特徴抽出手段９と、照合側特徴抽出手段１０と、照合特徴選択手段３ａと、補正前評価値算出手段４と、評価値補正手段５と、照合判定手段６とを備える。図１３では図示を省略しているが、照合装置は、登録画像を記憶するデータ記憶手段７１（図７参照）も備える。

登録側特徴抽出手段９は、登録画像に対して特徴抽出手法を適用して、登録側特徴ベクトルを算出する。特徴抽出とは、画像等のデータの特徴を際だたせるように、そのデータを変換することである。すなわち、登録側特徴抽出手段９は、登録画像に対して変換を行い、変換後の画素値を要素とするベクトルを、登録側特徴ベクトルとする。このような特徴抽出の手法として、非特許文献１に記載されているような画像に対して主成分分析を行う手法を用いることができる。また、非特許文献５に記載された、エッジを検出した画像を生成する手法を用いてもよい。以下、特徴抽出の例を説明する。

物体に対する照明の位置に応じて、物体の画像には明るい部分と影の部分が生じる。この明るい部分と影の部分の明るさは、低い周波数で変化する。登録側特徴抽出手段９は、登録画像に対して、このような低い周波数の明るさの変化を除去する変換を行い、その変換後の画像の画素値を要素とするベクトルを登録側特徴ベクトルとしてもよい。

また、登録側特徴抽出手段９は、登録画像の個々の画素に対して、エッジを抽出するためのフィルタを施し、その結果得られる画像の画素値を要素とするベクトルを登録側特徴ベクトルとしてもよい。図１４は、フィルタの例を示す説明図である。図１４（ａ）は、横方向の色の変化をなくしてエッジを検出するためのフィルタであり、着目している画素（９×９個の画素のうちの中央の画素）の画素値を、着目画素の右側の３つの画素値の和から、着目画素の左側の３つの画素値の和を減算した値に置き換えることを意味している。例えば、着目画素近辺の画素値が図１４（ｂ）のように与えられている場合、着目画素の画素値を、Ｐ１＋Ｐ２＋Ｐ３−Ｐ４−Ｐ５−Ｐ６にすることを意味している。登録側特徴抽出手段９は、このようなフィルタに従って、登録画像の画素値を変換し、変換後の画素値を要素とするベクトルを登録側特徴ベクトルとしてもよい。

また、登録側特徴抽出手段９は、登録画像を拡大または縮小し、その変換後の画像の画素値を要素とするベクトルを登録側特徴ベクトルとしてもよい。

登録側特徴抽出手段９は、算出した登録側特徴ベクトルを照合特徴選択手段３に出力する。

照合側特徴抽出手段１０は、照合画像に対して特徴抽出手法を適用して、登録側特徴ベクトルを算出する。特徴抽出の方法は、登録側特徴抽出手段９と同様である。従って、照合側特徴抽出手段１０および登録側特徴抽出手段９は、それぞれ同じ方法で、照合画像、登録画像を変換し、変換後の画素値を要素として特徴ベクトルを定める。

照合側特徴抽出手段１０は、算出した照合側特徴ベクトルを照合特徴選択手段３に出力する。

登録側特徴抽出手段９、照合側特徴抽出手段１０は、登録側特徴ベクトルおよび照合側特徴ベクトルの次元が等しくなるように、登録側特徴ベクトル、照合側特徴ベクトルを算出する。

照合特徴選択手段３ａは、登録側特徴抽出手段９によって定められた登録側特徴ベクトルと、照合側特徴抽出手段１０によって定められた照合側特徴ベクトルとを用いて、類似度算出に用いる特徴ベクトルの要素を選択し、その要素からなるベクトル（登録側選択要素ベクトル、照合側選択要素ベクトル）を補正前評価値算出手段４に出力する。この動作は、第２の実施形態と同様である。また、登録側選択要素ベクトル、照合側選択要素ベクトルの要素数は等しい。照合特徴選択手段３ａは、その要素数を、類似度算出に用いる要素数として、評価値補正手段５に出力する。この動作も第２の実施形態と同様である。また、照合特徴選択手段３ａは、第１の実施形態における照合特徴選択手段３と同様に動作してもよい。

また、補正前評価値算出手段４、評価値補正手段５および照合判定手段６の動作は、第１および第２の実施形態と同様である。

登録側特徴抽出手段９および照合側特徴抽出手段１０は、例えば、照合プログラムに従って動作するＣＰＵによって実現される。この場合、ＣＰＵが、照合プログラムに従って、登録側特徴抽出手段９および照合側特徴抽出手段１０や、他の各手段３ａ，４，５，６として動作する。また、各手段がそれぞれ別個のハードウェアで実現されていてもよい。

次に、第３の実施形態の動作について説明する。図１５は、第３の実施形態の処理経過の例を示すフローチャートである。第１、第２の実施形態と同様の処理については、図６、図１２と同一の符号を付す。登録側撮影手段７は、登録対象の物体を撮影し、その物体の画像（登録画像）をデータ記憶手段７１（図７参照。図１３において図示略。）に記憶させる（ステップＳ１０１ａ）。

そして、登録側特徴抽出手段９は、登録画像に対して特徴抽出を行い、登録側特徴ベクトルを定める（ステップＳ３０１）。登録側特徴抽出手段９は、その登録側特徴ベクトルをデータ記憶手段７１（図９において図示略。）に記憶させておけばよい。ステップＳ３０１では、登録側特徴抽出手段９は、例えば、低い周波数の明るさの変化を除去する変換を登録画像に対して行い、その変換後の画像の画素値を要素とするベクトルを登録側特徴ベクトルとしてもよい。また、図１４に例示するフィルタや非特許文献５に記載された技術を用いてエッジを検出する変換を登録画像に対して行い、その変換後の画像の画素値を要素とするベクトルを登録側特徴ベクトルとしてもよい。このような特徴抽出を行う変換の種類は特に限定されず、上記以外の変換であってもよい。

照合側撮影手段８は、照合対象の物体を撮影し、その物体の画像（照合画像）を生成する（ステップＳ１０２ａ）。そして、照合側特徴抽出手段１０は、照合画像に対して特徴抽出を行い、照合側特徴ベクトルを定める（ステップＳ３０２）。この特徴抽出（変換）の方法は、登録側特徴抽出手段９と同様である。

以降の動作は、第２の実施形態と同様である。すなわち、照合特徴選択手段３ａは、登録側特徴ベクトルおよび照合側特徴ベクトルから、いずれにおいても隠れ部分に該当しない領域の画素の画素値を選択する。そして、登録画像から選択した画素値を要素とする登録側選択要素ベクトルと、照合画像から選択した画素値を要素とする照合側選択要素ベクトルを定め、補正前評価値算出手段４に出力する（ステップＳ１０３ａ）。また、それらのベクトルの要素数を、類似度算出に用いる要素数として、評価値補正手段５に出力する。

続いて、補正前評価値算出手段４は、登録側選択要素ベクトルおよび照合側選択要素ベクトルを用いて、照合画像および登録画像の類似度の評価値Ｄを計算する（ステップＳ１０４）。評価値補正手段５は、類似度算出に用いるベクトルの要素数が大きいほど評価値の増加量が多くなるように評価値Ｄを補正する（ステップＳ１０５）。照合判定手段６は、補正後の評価値Ｄｃをもとに、照合画像が示す物体と、登録画像が示す物体とを照合する（ステップＳ１０６）。

本実施形態においても、類似度算出に用いるベクトル要素数が少ない場合には計算された類似度が高くなる傾向が生じてしまうという傾向のない、精度の高い類似度を計算することができる。

実施形態４．
第４の実施形態の照合装置は、第２および第３の実施形態と同様に、登録側撮影手段７と、照合側撮影手段８と、データ記憶手段７１と、情報処理装置７２とを備える（図７参照）。また、第３の実施形態と同様に特徴抽出を行う。ただし、第４の実施形態では、類似度の計算に用いたベクトル要素数ではなく、与えられた登録画像および照合画像において、いずれの画像においても類似度算出に用いる領域の面積（画素数）で補正を行う。

図１６は、第４の実施形態の照合装置の構成例を示すブロック図である。第４の実施形態の照合装置は、登録側撮影手段７と、照合側撮影手段８と、照合特徴選択手段３ａと、登録側特徴抽出手段９と、照合側特徴抽出手段１０と、補正前評価値算出手段４と、評価値補正手段５と、照合判定手段６とを備える。図１６では図示を省略しているが、照合装置は、登録画像を記憶するデータ記憶手段７１（図７参照）も備える。なお、登録側撮影手段７、照合側撮影手段８および照合判定手段６については、第３の実施形態と同様であり、説明を省略する。

第４の実施形態において、照合特徴選択手段３ａは、録画像および照合画像において、物体の領域に隠れが生じている領域を特定する。そして、登録画像および照合画像のいずれにおいても隠れが生じていない領域を、登録画像および照合画像から特定する。照合特徴選択手段３ａは、登録画像から特定した領域を登録側特徴抽出手段９に出力し、照合画像から特定した領域を照合側特徴抽出手段１０に出力する。登録画像および照合画像のいずれにおいても隠れが生じていない領域は、類似度算出に用いる領域（すなわち、照合に用いる領域）である。

登録画像から特定される領域の面積（画素数）と、照合画像から特定される面積とは等しく、照合特徴選択手段３ａは、その面積を、類似度算出に用いる画像の面積（画素数）として、評価値補正手段５に出力する。

登録側特徴抽出手段９は、照合特徴選択手段３ａによって特定された登録画像内の領域に対して特徴抽出を行う。特徴抽出の方法は特に限定されず、例えば第３の実施形態で例示したように、低い周波数の明るさの変化を除去する変換を行ってもよい。また、図１４に例示するフィルタや非特許文献５に記載された技術を用いて、エッジを検出する変換を行ってもよい。また、特徴抽出として、拡大または縮小変換を行ってもよい。登録側特徴抽出手段９は、特徴抽出（変換）によって得られた画素値を要素とするベクトルを登録側選択要素ベクトルとして、補正前評価値算出手段４に出力する。

照合側特徴抽出手段１０は、照合特徴選択手段３ａによって特定された照合画像内の領域に対して特徴抽出を行う。特徴抽出の方法は、登録側特徴抽出手段９と同様である。照合側特徴抽出手段１０は、特徴抽出によって得られた画素値を要素とするベクトルを照合側選択要素ベクトルとして、補正前評価値算出手段４に出力する。

補正前評価値算出手段４は、登録側選択要素ベクトルおよび照合側選択要素ベクトルを用いて、類似度の評価値Ｄを算出する。この算出方法は、第１ないし第３の各実施形態と同様である。

評価値補正手段５は、補正前評価値算出手段４が算出した類似度の評価値Ｄを、類似度算出に用いる画像の面積に応じて補正する。この面積は、照合特徴選択手段３ａから入力された面積（画素数）である。評価値補正手段５は、類似度算出に用いる画像の面積が大きいほど評価値の増加量が多くなるように評価値Ｄを補正する。この補正方法は、類似度算出に用いる画像の面積をＡとして、式（２）、式（４）または式（５）の計算を行い、補正後の評価値Ｄｃを求めればよい。また、式（２）における関数ｆ（Ａ）、式（４）におけるＷｄ，Ｗａ等の決定方法は、第１の実施形態と同様である。第４の実施形態では、特徴抽出前の登録画像および照合画像から定めた面積を用いて補正を行う点が第３の実施形態と異なる。

本実施形態においても、照合特徴選択手段３ａ、登録側特徴抽出手段９、照合側特徴抽出手段１０、補正前評価値算出手段４、評価値補正手段５および照合判定手段６は、例えば照合プログラムに従って動作するＣＰＵによって実現される。また、各手段が別々のハードウェアによって実現されていてもよい。

次に、第４の実施形態の動作について説明する。図１７は、第４の実施形態の処理経過の例を示すフローチャートである。登録側撮影手段７は、登録対象の物体を撮影し、その物体の画像（登録画像）をデータ記憶手段７１（図７参照。図１６において図示略。）に記憶させる（ステップＳ１０１ａ）。照合側撮影手段８は、照合対象の物体を撮影し、その物体の画像（照合画像）を生成する（ステップＳ１０２ａ）。ステップＳ１０１ａ，Ｓ１０２ａは第２および第３の実施形態と同様である。

次に、照合特徴選択手段３ａは、データ記憶手段７１（図７参照。）に記憶された登録画像、およびステップＳ１０２ａで生成された照合画像において、物体の領域に隠れが生じている領域を特定し、さらに、どちらの画像においても隠れが生じていない領域を特定する（ステップＳ４０１）。この領域は、類似度算出に用いる領域である。なお、隠れが生じている領域は、第２の実施形態と同様に判定すればよい。

照合特徴選択手段３ａは、類似度算出に用いる領域として登録画像から特定した領域を登録側特徴抽出手段９に出力する。同様に、類似度算出に用いる領域として照合画像から特定した領域を照合側特徴抽出手段１０に出力する。また、照合特徴選択手段３ａは、類似度算出に用いる領域の面積（画素数）を評価値補正手段５に出力する。例えば、図１１（ａ）に示すように、登録画像と、隠れの発生している照合画像とが与えられたとする。照合特徴選択手段３ａは、照合画像中において隠れが生じている領域６２（図１１（ｂ）参照）を特定し、登録画像および照合画像のいずれにおいても隠れが生じていない領域として、登録画像から領域６１を除いた領域と、照合画像から領域６２を除いた領域を特定する。そして、照合特徴選択手段３ａは、登録画像から領域６１を除いた領域を登録側特徴抽出手段９に出力し、照合画像から領域６２を除いた領域を照合側特徴抽出手段１０に出力する。また、登録画像から領域６１を除いた領域の面積（画素数）と、照合画像から領域６２を除いた領域の面積とは等しく、照合特徴選択手段３ａは、その面積を評価値補正手段５に出力する。

次に、登録側特徴抽出手段９は、照合特徴選択手段３ａから入力された登録画像の画像領域に対して特徴抽出を行い、その結果得られた画素値を要素とするベクトルを登録側選択要素ベクトルとする（ステップＳ４０２）。例えば、図１１（ｂ）に示す登録画像から領域６１を除いた領域が入力されると、その領域６１以外の領域に関して特徴抽出を行い、その結果得られる画素値を要素とする登録側選択要素ベクトルを定める。

同様に、照合側特徴抽出手段１０も、照合特徴選択手段３ａから入力された照合画像の画像領域に対して特徴抽出を行い、その結果得られた画素値を要素とするベクトルを照合側選択要素ベクトルとする（ステップＳ４０３）。ステップＳ４０２，Ｓ４０３における特徴抽出（変換）方法は同じである。

次に、補正前評価値算出手段４は、ステップＳ４０２，Ｓ４０３で定められた登録側選択要素ベクトルおよび照合側選択ベクトルを用いて、照合画像および登録画像の類似度の評価値Ｄを計算する（ステップＳ１０４）。ステップＳ１０４は、第１ないし第３の実施形態と同様である。

続いて、評価値補正手段５は、照合特徴選択手段３ａから入力された、類似度算出に用いる面積（画素値）を用いて、その面積が大きいほど評価値の増加量が多くなるように評価値Ｄを補正する（ステップＳ１０５ａ）。補正の計算方法自体は、第１ないし第３の実施形態と同様であるが、ステップＳ４０２，Ｓ４０３の特徴抽出処理前の登録画像および照合画像から求めた面積を用いて補正を行う点が第３の実施形態と異なる。

次に、照合判定手段６は、補正後の評価値Ｄｃをもとに、照合画像が示す物体と、登録画像が示す物体とを照合する（ステップＳ１０６）。この動作は、第１ないし第３の実施形態と同様である。

本実施形態では、登録画像および照合画像において類似度算出に用いる面積が大きいほど評価値の増加量が多くなるように類似度の評価値Ｄを補正し、最終的な評価値Ｄｃを求める。従って、類似度算出に用いる面積が小さく、その結果、類似度算出に用いるベクトル要素数が少なくなるような場合であっても、類似度が高くなる傾向をなくし、精度の高い類似度を計算することができる。

実施形態５．
第５の実施形態の照合装置は、第２の実施形態と同様に、登録側撮影手段７と、照合側撮影手段８と、データ記憶手段７１と、情報処理装置７２とを備える（図７参照）。第２の実施形態では、登録側選択要素ベクトルや照合側選択要素ベクトルの要素数に基づいて類似度の評価値を補正した。それに対し、第５の実施形態では、登録側選択要素ベクトルや照合側選択要素ベクトルから、さらに、類似度算出に有効なベクトル要素の数を求め、類似度算出に有効なベクトル要素数に基づいて類似度の評価値を補正する。

図１８は、第５の実施形態の照合装置の構成例を示すブロック図である。第１、第２の実施形態と同様の構成要素については、図２、図８と同一の符号を付し、詳細な説明を省略する。第５の実施形態の照合装置は、登録側撮影手段７と、照合側撮影手段８と、照合特徴選択手段３ａと、有効領域決定手段１１と、補正前評価値算出手段４と、評価値補正手段５と、照合判定手段６とを備える。

有効領域決定手段１１は、照合特徴選択手段３ａによって定められた登録側選択要素ベクトルや照合側選択要素ベクトルの中から、類似度算出に有効なベクトル要素を抽出し、その要素数を評価値補正手段５に出力する。類似度算出に有効なベクトル要素の要素数は、登録画像および照合画像において、類似度算出に有効な領域の面積であるということができる。

類似度算出に有効と考えられる領域とは、画像内で物体の個別性が現れている領域である。例えば、照明の状態変動が大きい条件下で、照合画像を撮影するとする。その場合、照明画像中に、影となる部分や、白飛びが生じている部分が生じ得る。影や白飛びの部分では、被写体の個別性が現れない。そのような領域は、隠れが生じているわけではないので、類似度計算に用いられる。しかし、そのような被写体の個別性が現れない領域の面積（画素数）が大きいと、個別性が現れていない領域が補正時に類似度を高めるように作用してしまうことになる。すなわち、隠れが生じているわけではないが、影や白飛びとなっている部分の面積が大きいと、本来の類似度よりも高い類似度を計算する傾向が生じる。有効領域決定手段１１は、物体の個別性が現れている、類似度算出に有効な領域の面積（画素数）を求める。

例えば、影部分は非常に画素値（輝度値）が低くなっているので、そのような領域の画素値に該当するか否かを判定するための閾値（以下、影除外用閾値と記す。）を予め定めておけばよい。有効領域決定手段１１は、登録側選択要素ベクトルや照合側選択要素ベクトルの中から、ベクトル要素の値（画素値）が影除外用閾値以上となっているベクトル要素の数を求めればよい。ベクトル要素の値が影除外用閾値以上となっているということは、その要素は影部分には対応していないということである。よって、このようにして求めた要素数は、影ではない有効な領域の面積を表している。

また、白飛びの部分は輝度が高くなっているので、そのような領域の画素値（輝度値）に該当するか否かを判定するための閾値（以下、白飛び除外用閾値と記す。）を予め定めておけばよい。有効領域決定手段１１は、登録側選択要素ベクトルや照合側選択要素ベクトルの中から、ベクトル要素の値が白飛び除外用閾値以下となっているベクトル要素の数を求めればよい。ベクトル要素の値が白飛び除外用閾値以下となっているということは、その要素は白飛び部分には対応していないということである。よって、このようにして求めた要素数は、白飛びではない有効な領域の面積を表している。

影除外用閾値や白飛び除外用等の閾値は、手動で決定してもよいし、あるいは、事前に学習によって決定しておいてもよい。

また、登録側選択要素ベクトルや照合側選択要素ベクトルの中から、複数の条件を満足するベクトル要素を抽出することによって、類似度算出に有効なベクトル要素を判定してもよい。例えば、ベクトル要素の値が影除外用閾値以上かつ白飛び除外用閾値以下となっているベクトル要素を抽出してもよい。

本実施形態では、評価値補正手段５は、有効領域決定手段１１から入力される類似度算出に有効なベクトル要素の要素数（有効な領域の面積）に基づいて、類似度の評価値を補正する。すなわち、類似度算出に有効なベクトル要素の要素数が大きいほど評価値の増加量が多くなるように評価値を補正する。補正の計算方法は他の実施形態と同様であり、例えば、式（２）、式（４）、式（５）等の計算を行うことによって、評価値Ｄを補正すればよい。式（２）における関数ｆ（Ａ）や、式（４）におけるＷｄ，Ｗａや、式（５）における関数ｆ（Ｄ，Ａ）は予め定めておけばよい。

有効領域決定手段１１は、例えば、照合プログラムに従って動作するＣＰＵによって実現される。この場合、ＣＰＵは、照合プログラムに従って、有効領域決定手段１１や他の各手段３ａ，４，５，６として動作する。また、各手段がそれぞれ別個のハードウェアで実現されていてもよい。

次に、第５の実施形態の動作について説明する。図１９は、第５の実施形態の処理経過の例を示すフローチャートである。第１、第２の実施形態と同様の処理については、図６や図１２と同一の符号を付す。また、図２０は、第５の実施形態の処理を模式的に説明する説明図である。

登録側撮影手段７は、登録対象の物体を撮影し、その物体の画像（登録画像）をデータ記憶手段７１（図７参照。図１８において図示せず。）に記憶させる（ステップＳ１０１ａ）。その後、照合側撮影手段８は、照合対象の物体を撮影し、その物体の画像（照合画像）を生成する（ステップＳ１０２ａ）。続いて、照合特徴選択手段３ａは、照合画像および登録画像において、物体の領域に隠れが生じている領域を特定し、いずれの画像においても隠れが生じていない領域の画素の画素値をベクトルの要素として選択する。そして、登録画像から選択した画素値を要素とする登録側選択要素ベクトルと、照合画像から選択した画素値を要素とする照合側選択要素ベクトルを定める（ステップＳ１０３ａ）。ステップＳ１０１ａ〜Ｓ１０３ａは、第２の実施形態と同様である。ただし、第５の実施形態では、照合特徴選択手段３ａは、登録側選択要素ベクトルおよび照合側選択要素ベクトルを補正前評価値算出手段４および有効領域決定手段１１に出力する。

例えば、図２０（ａ）に例示する登録画像８１および照合画像８２を対象に類似度計算を行うとする。照合画像８２には、影に該当する影領域８３と、隠れ領域８４とが存在する。この場合、照合特徴選択手段３ａは、登録画像８１から、隠れ領域８４に対応する領域８５以外の領域を選択し、その領域の画素値をベクトル要素とする登録側選択要素ベクトルを定める（図２０（ｂ）参照。）。また、照合特徴選択手段３ａは、照合画像８２から隠れ領域８４以外の領域を選択し、その領域の画素値をベクトル要素とする照合側選択要素ベクトルを定める（図２０（ｂ）参照。）。照合側選択要素ベクトルには、影領域８３の画素に対応する要素も含まれている。

ステップＳ１０３ａの後、補正前評価値算出手段４は、登録側選択要素ベクトルおよび照合側選択要素ベクトルを用いて、照合画像および登録画像の類似度の評価値Ｄを計算する（ステップＳ１０４）。ステップＳ１０４は、第１および第２の実施形態と同様である。ステップＳ１０４の計算は、影部分に対応するベクトル要素値も用いて行われる。

また、有効領域決定手段１１は、登録側選択要素ベクトルおよび照合側選択要素ベクトルを参照して、類似度算出に有効な領域の面積を定める（ステップＳ５０１）。具体的には、有効領域決定手段１１は、登録側選択要素ベクトルおよび照合側選択要素ベクトルから、類似度算出に有効なベクトル要素を抽出する。例えば、ベクトル要素の値が影除外用閾値以上である要素を抽出する。本例では、登録画像８１中の領域８５以外の各画素に対応している登録側選択要素ベクトルの各要素がそれぞれ抽出される。また、照合画像８２中の隠れ領域８４以外の各画素に対応している照合側選択要素ベクトルの各要素のうち、影領域８３以外の各画素に対応する要素がそれぞれ抽出される。有効領域決定手段１１は、登録側選択要素ベクトルおよび照合側選択要素ベクトルから要素のうち、互いに対応している要素がある要素同士の組の数を、類似度算出に有効な領域の面積として求める。例えば、影領域８３に対応する画素に該当する要素は登録側選択要素ベクトルから抽出されるが、照合側選択要素ベクトルからは影領域８３に該当する要素は抽出されない。よって、登録側選択要素ベクトルから抽出された要素のうち、影領域８３に対応する画素に該当する要素は、類似度算出に有効な領域の面積として計数されない。有効領域決定手段１１による計数結果は、図２０（ｃ）に示す例において、登録画像８１における領域８５以外の領域と照合画像８２における領域８３，８４以外の領域との、共通部分（対応している部分）の面積である。

また、有効領域決定手段１１は、類似度算出に有効なベクトル要素として登録側選択要素ベクトルから抽出した要素数と、照合側選択要素ベクトルから抽出した要素数の平均値を計算してもよい。この平均値は、類似度算出に有効な登録画像内領域の面積と、類似度算出に有効な照合画像内領域の面積との平均値である。この平均値を、類似度算出に有効な領域の面積としてもよい。

有効領域決定手段１１は、類似度算出に有効な領域の面積（ベクトル要素数）を求めたならば、その面積を評価値補正手段５に出力する。

次に、評価値補正手段５は、ステップＳ５０１で計算された類似度算出に有効な領域の面積（ベクトル要素数）に基づいて、類似度の評価値Ｄを補正する（ステップＳ１０５ｂ）。ステップＳ１０５ｂにおいて、評価値補正手段５は、類似度算出に有効な領域の面積が大きいほど評価値の増加量が多くなるように評価値Ｄを補正する。補正の計算方法自体は、第２の実施形態と同様であるが、類似度算出に有効な領域の面積（ベクトル要素数）を用いて補正を行う点が第２の実施形態と異なる。

次に、照合判定手段６は、補正後の評価値Ｄｃをもとに、照合画像が示す物体と、登録画像が示す物体とを照合する（ステップＳ１０６）。この動作は、第２の実施形態と同様である。

なお、図２０に示す例では、画像内に影領域が生じている場合を例示しているが、白飛び領域が生じている場合も同様である。また、図２０では、照合画像８２に影領域が生じている場合を例にしているが、登録画像８１に影領域や白飛び領域が生じていたり、あるいは、登録画像８１および照合画像８２の両方に影領域や白飛び領域が生じている場合においても、上記と同様に処理すればよい。

本実施形態では、影や白飛びが生じていない領域のような類似度算出に有効な領域の面積に着目し、そのような面積が大きいほど評価値の増加量が多くなるように類似度の評価値Ｄを補正する。従って、影や白飛びの面積が大きい場合に補正後の評価値が大きくなることを防止して、精度の高い類似度を求めることができる。その結果、照合性能を高めることができる。

第５の実施形態では、第２の実施形態に有効領域決定手段１１を設けた場合を例に説明した。第３の実施形態に有効領域決定手段１１を設けた構成とし、有効領域決定手段１１によって判定された領域（類似度算出に有効な領域）の面積に基づいて評価値を補正してもよい。

実施形態６．
第６の実施形態の照合装置は、第２ないし第５の実施形態と同様に、登録側撮影手段７と、照合側撮影手段８と、データ記憶手段７１と、情報処理装置７２とを備える（図７参照）。第５の実施形態では、類似度算出に有効な領域を、登録画像や照合画像自体に基づいて判定する。それに対して、第６の実施形態では、照合画像とある登録画像との類似度を算出する際、その照合画像および登録画像における類似度算出に有効な領域を、その照合画像および登録画像だけでなくデータ記憶手段７１に記憶されている各登録画像も考慮し、画像群全体から判定する。

図２１は、第６の実施形態の照合装置の構成例を示すブロック図である。第５の実施形態と同様の構成要素については、図２１と同一の符号を付し、詳細な説明を省略する。第６の実施形態の照合装置は、登録側撮影手段７と、照合側撮影手段８と、照合特徴選択手段３ａと、相対的有効領域決定手段１２と、補正前評価値算出手段４と、評価値補正手段５と、照合判定手段６とを備える。

相対的有効領域決定手段１２は、照合特徴選択手段３ａによって定められた登録側選択要素ベクトルおよび照合側選択要素ベクトルにおいて互いに対応するベクトル要素毎に、そのベクトル要素に該当する画素位置が類似度算出に有効な領域に属するか否かを判定し、類似度算出に有効な領域の面積（ベクトル要素数）を計数する。

ただし、本実施形態では、データ記憶手段７１（図７参照。）に記憶された各登録画像および入力された照合画像において、対応する画素間での輝度変化（輝度のばらつき）が大きい画素が、類似度算出に有効な領域に属していると判定する。複数の画像間で対応する各画素の輝度変化が大きいということは、その画素は、画像内で被写体の個別性をよく表している領域の画素であるということができる。一方、複数の画像間で対応する各画素の輝度変化が小さいということは、その画像は、画像内で被写体の個別性をあまり表してない。

相対的有効領域決定手段１２は、例えば、登録側選択要素ベクトルおよび照合側選択要素ベクトルにおいて互いに対応するベクトル要素毎に、そのベクトル要素に該当する画素位置の画素値を、各登録画像および照合画像から抽出し、その画素値の分散を計算する。相対的有効領域決定手段１２は、その分散が所定の閾値以上であれば、登録側選択要素ベクトルおよび照合側選択要素ベクトルで着目しているベクトル要素が、類似度算出に有効な領域の画素に該当すると判定する。相対的有効領域決定手段１２は、登録側選択要素ベクトルおよび照合側選択要素ベクトルにおいて対応しているベクトル要素の組毎に同様の判定を行う。登録側選択要素ベクトルおよび照合側選択要素ベクトルで、類似度算出に有効な領域の画素に該当すると判定されるベクトル要素数は同数となり、このベクトル要素数を、類似度算出に有効な領域の面積として計数する。

このように、第６の実施形態では、類似度算出対象の登録画像および照合画像だけではなく、記憶されている登録画像も含めて、画像間における画素値のばらつき（分散）を画素位置毎に計算する。従って、類似度算出対象の登録画像および照合画像が変化しなくても、記憶されている他の登録画像が変化すれば、類似度算出に有効と判断される領域も変動する。

第５の実施形態と比較すると、第５の実施形態では、類似度算出対象の登録画像および照合画像と閾値（例えば、影除外用閾値等）とから、類似度算出に有効な領域を判定し、他の登録画像は、この判定に影響を及ぼさない。これに対し、第６の実施形態では、画像群全体から画素値の分散を画素位置毎に計算し、その分散を用いて、類似度算出に有効な領域を判定する。従って、第６の実施形態では、用意されている登録画像および照合画像を含む画像群全体から、類似度算出に有効な領域を適応的に判定している。

分散と比較する閾値は、手動で決定してもよいし、あるいは、事前に学習によって決定しておいてもよい。

第６の実施形態では、評価値補正手段５は、相対的有効領域決定手段１２から入力される類似度算出に有効な領域の面積に基づいて、類似度の評価値を補正する。すなわち、類似度算出に有効な領域の面積が大きいほど評価値の増加量が多くなるように評価値を補正する。補正の計算方法は他の実施形態と同様であり、例えば、式（２）、式（４）、式（５）等の計算を行うことによって、評価値Ｄを補正すればよい。式（２）における関数ｆ（Ａ）や、式（４）におけるＷｄ，Ｗａや、式（５）における関数ｆ（Ｄ，Ａ）は予め定めておけばよい。

相対的有効領域決定手段１２は、例えば、照合プログラムに従って動作するＣＰＵによって実現される。この場合、ＣＰＵは、照合プログラムに従って、相対的有効領域決定手段１２や他の各手段３ａ，４，５，６として動作する。また、各手段がそれぞれ別個のハードウェアで実現されていてもよい。

次に、第６の実施形態の動作について説明する。図２２は、第６の実施形態の処理経過の例を示すフローチャートである。第５の実施形態と同様の処理については、図１９と同一の符号を付し、説明を省略する。照合特徴選択手段３ａが登録側特徴ベクトルおよび照合側特徴ベクトルを定めるまでの処理（ステップＳ１０１ａ〜Ｓ１０３ａ）は、第５の実施形態と同様であり、説明を省略する。ただし、照合特徴選択手段３ａは、登録側選択要素ベクトルおよび照合側選択要素ベクトルを補正前評価値算出手段４および相対的有効領域決定手段１２に出力する。

ステップＳ１０３ａの後、補正前評価値算出手段４は、登録側選択要素ベクトルおよび照合側選択要素ベクトルを用いて、照合画像および登録画像の類似度の評価値Ｄを計算する（ステップＳ１０４）。ステップＳ１０４の処理も、第５の実施形態と同様である。

また、相対的有効領域決定手段１２は、登録側選択要素ベクトルおよび照合側選択要素ベクトルにおいて互いに対応するベクトル要素毎に、そのベクトル要素に該当する画素位置の画素値を、各登録画像および照合画像から抽出し、その分散を計算する。相対的有効領域決定手段１２は、その分散が所定の閾値以上であれば、登録側選択要素ベクトルおよび照合側選択要素ベクトルで着目しているベクトル要素が、類似度算出に有効な領域の画素に該当すると判定する。分散が閾値未満であれば、登録側選択要素ベクトルおよび照合側選択要素ベクトルで着目しているベクトル要素が、類似度算出に有効な領域の画素に該当しないと判定する。登録側選択要素ベクトルおよび照合側選択要素ベクトルにおいて互いに対応するベクトル要素毎にこの判定を行い、類似度算出に有効な領域の画素に該当したと判定した数を、類似度算出に有効な領域の面積とすればよい（ステップＳ６０１）。

図２３は、ステップＳ６０１の処理を模式的に示す説明図である。図２３に示す照合画像９０および登録画像９１との類似度を計算しているものとする。また、登録画像９１の他に、登録画像９２，９３，・・・が登録されている。なお、本実施形態では、各登録画像９１，９２，・・・には隠れ領域がないものとする。図２３では、各画像内の被写体の図示を省略している。図２３に示す例において、各画像の画素９０ａ，９１ａ，９２ａ，９３ａ，・・・が対応している画素位置の画素である。相対的有効領域決定手段１２は、これらの画素９０ａ，９１ａ，９２ａ，９３ａ，・・・の画素値の分散を計算し、分散が閾値以上であれば、類似度算出対象画像９０，９１における画素９０ａ，９１ａの画素位置は、類似度計算に有効な領域に該当すると判定する。相対的有効領域決定手段１２は、この判定を、類似度算出対象画像９０，９１において対応する画素位置毎（換言すれば登録側選択要素ベクトルおよび照合側選択要素ベクトルにおいて対応する要素毎）に行い、類似度計算に有効な領域に該当すると判定した画素位置を計数する。

ただし、照合領域９０の隠れ領域９５、および隠れ領域に対応する登録画像内の領域９６に属する画素の画素値は、登録側選択要素ベクトルおよび照合側選択要素ベクトルに含まれていない。よって、これらの領域９５，９６内の画素位置については、上記の判定を行わない。

次に、評価値補正手段５は、ステップＳ５０１で計算された類似度算出に有効な領域の面積に基づいて、類似度の評価値Ｄを補正する（ステップＳ１０５ｂ）。ステップＳ１０５ｂにおいて、評価値補正手段５は、類似度算出に有効な領域の面積が大きいほど評価値の増加量が多くなるように評価値Ｄを補正する。そして、照合判定手段６は、補正後の評価値Ｄｃをもとに、照合画像が示す物体と、登録画像が示す物体とを照合する（ステップＳ１０６）。ステップＳ１０５ｂ，Ｓ１０６は、第５の実施形態と同様である。

本実施形態では、照合画像および各登録画像から、画素値のばらつきが大きい画素位置を判定し、そのような画素の集合の面積が大きいほど評価値の増加量が多くなるように類似度の評価値Ｄを補正する。従って、物体の個別性が現れていない領域の面積が大きい場合に補正後の評価値が大きくなることを防止して、精度の高い類似度を求めることができる。その結果、照合性能を高めることができる。

第６の実施形態では、第２の実施形態に相対的有効領域決定手段１２を設けた場合を例に説明した。第３の実施形態に相対的有効領域決定手段１２を設けた構成とし、相対的有効領域決定手段１２によって判定された領域（類似度算出に有効な領域）の面積に基づいて評価値を補正してもよい。

実施形態７．
第７の実施形態は、２次元画像を撮影する代わりに３次元データを計測し、３次元データから２次元画像を生成して、２次元画像を用いて類似度を計算する。以下の説明では、登録対象の物体の３次元データを計測する場合を例にして説明するが、照合対象の物体の３次元データを計測する構成であってもよい。

図２４は、本発明の第７の実施形態の照合装置の概略を示す説明図である。第７の実施形態の照合装置は、登録対象の物体の３次元データを計測する登録側３次元形状計測手段１３と、照合側撮影手段８と、データ記憶手段７１と、情報処理装置７２とを備える。

本実施形態では、データ記憶手段７１は、物体の３次元形状データを記憶する。登録側３次元形状計測手段１３は、登録対象物体の３次元形状を計測し、その物体の３次元形状を表す３次元形状データをデータ記憶手段７１に記憶させる。照合側撮影手段８は、第２の実施形態等と同様に照合対象物体を撮影し、照合画像を生成する。本実施形態では、情報処理装置７２は、照合画像における物体の向きや照明状態に合う登録対象物体の画像を３次元形状データから生成する。そして、照合画像およびその画像の類似度を計算する。

ただし、照合対象物体の３次元形状データを計測する照合側３次元形状計測手段（図示せず。）と、登録対象物体を撮影して登録画像を生成する登録側撮影手段（図２４において図示せず。）を備える構成であってもよい。この場合、情報処理装置７２は、登録画像における物体の向きや照明状態に合う照合対象物体の照合画像を３次元形状データから生成し、照合画像およびその登録画像の類似度を計算すればよい。

図２５は、第７の実施形態の照合装置の構成例を示すブロック図である。第２の実施形態と同様の構成要素については図８と同一の符号を付し、詳細な説明を省略する。第７の実施形態の照合装置は、登録側３次元形状計測手段１３と、２次元画像生成手段２１と、照合側撮影手段８と、照合特徴選択手段３ａと、補正前評価値算出手段４と、評価値補正手段５と、照合判定手段６を備える。

登録側３次元形状計測手段１３は、登録対象の物体の３次元形状を計測し、その物体の３次元形状データをデータ記憶手段７１に記憶させる。登録側３次元形状計測手段１３は、例えば、非特許文献６に記載された方法によって３次元データを生成してもよい。また、登録側３次元形状計測手段１３が３次元スキャナによって実現されていてもよい。

２次元画像生成手段２１は、データ記憶手段７１に記憶された３次元データから、その物体を表す２次元画像を生成する。このとき、２次元画像生成手段２１は、生成する２次元画像における物体と他の画像（本例では照合画像）における物体とが同様の方向を向き、物体に対する照明の状態も同様の状態になるように、２次元画像を生成する。以下、２次元画像生成手段２１について、より詳細に説明する。２次元画像生成手段２１は、位置姿勢推定手段１４と、照明補正手段１５と、位置姿勢微調整手段１６とを備える。

位置姿勢推定手段１４は、照合画像を撮影したときの撮影条件である物体の位置姿勢（例えば顔の向き）を推定する。すなわち、照合画像における物体の位置姿勢と同様となるような、３次元形状データが示す物体（３次元物体と記す。）の位置姿勢を推定する。位置姿勢推定手段１４は、非特許文献７に記載された方法によって、物体の位置姿勢を推定してもよい。位置姿勢推定手段１４による位置姿勢推定の例を以下に示す。位置姿勢推定手段１４は、照合画像から物体の各特徴的部分（例えば顔における目尻等）の位置を推定する。例えば、位置姿勢推定手段１４は、各特徴的部分の画素のパターンを表すパターン情報を予め保持しておき、パターン情報に合う位置を照合画像から検出すればよい。そして、位置姿勢推定手段１４は、それらの各特徴的部分の位置の幾何情報（配置関係）から、照合画像における物体の位置姿勢を推定する。位置姿勢推定手段１４は、３次元物体の位置姿勢も、その位置姿勢であると推定する。位置姿勢推定手段１４は、推定した位置姿勢を表すパラメータを照明補正手段１５に出力する。

照明補正手段１５は、位置姿勢推定手段１４から入力されたパラメータが示す位置姿勢の３次元物体の２次元画像であって、最も照合画像の照明条件に近い画像を生成する。例えば、照明補正手段１５は、特許文献２に記載されているように、照明変動空間の基底ベクトル群を求め、基底ベクトルの和によって、種々の照明状態における３次元物体の画像の変動を表現すればよい。また、照明補正手段１５は、例えば、種々の照明状態における３次元物体の画像と照合画像との画素値の差分を求め、その差分が最小となるときの照明状態の画像を選択すればよい。

位置姿勢微調整手段１６は、最も照合画像の照明条件に近い画像として生成された画像における３次元物体の位置姿勢を照合画像に近似するように微調整する。例えば、近似するための手法としては特許文献２等に記載された技術が利用可能である。また、位置姿勢微調整手段１６は、照明補正手段１５に生成された画像における３次元物体の位置姿勢を少しずつずらした画像を生成し、それらの画像と照合画像との画素値の差分を求め、その差分が最小となる画像を選択してもよい。なお、照明条件は、照明補正手段１５に生成された画像の照明条件と同一である。位置姿勢微調整手段１６は、姿勢を微調整した後の２次元画像を照合特徴選択手段に出力する。

照合特徴選択手段３ａ、補正前評価値算出手段４、評価値補正手段５および照合判定手段６は、第２の実施形態と同様である。

位置姿勢推定手段１４、照明補正手段１５および位置姿勢微調整手段１６を含む２次元画像生成手段２１は、例えば、照合プログラムに従って動作するＣＰＵによって実現される。この場合、ＣＰＵは、照合プログラムに従って、位置姿勢推定手段１４、照明補正手段１５および位置姿勢微調整手段１６等として動作する。また、各手段が別個のハードウェアで実現されていてもよい。

次に、第７の実施形態の動作について説明する。図２６は、第７の実施形態の処理経過の例を示すフローチャートである。第２の実施形態と同様の処理については図６と同一の符号を付す。

登録側３次元形状計測手段１３は、登録対象となる物体の三次元形状を計測し、その物体の３次元形状データをデータ記憶手段７１（図２５において図示せず。図２４参照。）に記憶させる。その後、照合側撮影手段８は、照合対象の物体を撮影し、照合画像を生成する（ステップＳ１０２ａ）。照合側撮影手段８は、照合画像を位置姿勢推定手段１４、照明補正手段１５、位置姿勢微調整手段１６、および照合特徴選択手段３ａに出力する。

次に、２次元画像生成手段２１は、３次元データが示す３次元物体の２次元画像であって、物体の位置姿勢および照明条件が照合画像と同様となる画像を生成する（ステップＳ７０２）。

ステップＳ７０２では、位置姿勢推定手段１４が、照合画像から物体の各特徴的部分の位置を推定し、その位置の幾何情報から照合画像の位置姿勢を推定し、さらに、３次元物体の位置姿勢もその位置姿勢であると推定する。続いて、照明補正手段１５は、その位置姿勢の３次元物体の画像であって、照合画像における照明条件に最も近似する画像を推定画像として生成する。位置姿勢微調整手段１６は、その推定画像における３次元物体の位置姿勢を、照合画像に近似するように微調整した画像を生成し、その画像を照合特徴選択手段３ａに出力する。この画像が、第２の実施形態における登録画像に相当する。

照合特徴選択手段３ａは、位置姿勢微調整手段１６から入力された画像（登録画像）と、照合画像とから、登録側選択要素ベクトルおよび照合側選択要素ベクトルとを定め、また、類似度算出に用いるベクトルの要素数を求める（ステップＳ１０３ａ）。このステップＳ１０３ａ以降の各処理（ステップＳ１０３ａ〜Ｓ１０６）は、第２の実施形態と同様であり、説明を省略する。

本実施形態においても、第２の実施形態と同様に補正を行うので、３次元データから生成された２次元画像と、照合画像の類似度を精度よく求めることができ、照合性能を向上させることができる。

第７の実施形態では、２次元画像生成手段２１によって２次元画像が生成された後の処理を、第２の実施形態と同様に行う場合を示した。２次元画像生成手段２１によって２次元画像が生成された後の処理を、第３、第４、第５、または第６の実施形態と同様に行ってもよい。

また、第２ないし第６の実施形態において、登録側撮影手段７および照合側撮影手段８の代わりに、登録側３次元形状計測手段１３および照合側３次元形状計測手段（図示せず。）を備え、登録対象物体の３次元データと、照合対象物体の３次元データとに基づいて、登録側選択要素ベクトル、照合側選択要素ベクトルを求めてもよい。すなわち、各実施形態において、２次元画像の代わりに３次元データを用いて処理を行ってもよい。

また、第７の実施形態において、登録対象物体および照合対象物体それぞれの３次元献上データを求めた後、各３次元データに基づいて、位置姿勢および照明条件を同一として登録画像、照合画像を生成してもよい。

次に、本発明の最小構成を説明する。図２７は、本発明の最小構成を示すブロック図である。本発明の照合装置は、要素選択手段４１と、類似度算出手段４２と、スコア補正手段４３とを備える。

要素選択手段４１（例えば、照合特徴選択手段３，３ａ）は、第１のデータに基づく複数の要素を含む第１ベクトルと第２のデータに基づく複数の要素を含む第２ベクトルとの間で、互いに対応する要素同士を選択する。

類似度算出手段４２（例えば、補正前評価値算出手段４）は、第１ベクトルおよび第２ベクトルから選択された各要素から、第１のデータおよび第２のデータの類似度のスコアを算出する。

スコア補正手段４３（例えば、評価値補正手段５）は、類似度の算出に用いるデータ量が多いほどスコアの増加量が多くなるように、類似度算出手段４２に算出されたスコアを補正する。

このような構成により、類似度の精度を向上させることができる

また、上記の実施形態には、以下に示す構成の照合装置が開示されている。

（１）第１のデータに基づく複数の要素を含む第１ベクトルと第２のデータに基づく複数の要素を含む第２ベクトルとの間で、互いに対応する要素同士を選択する要素選択手段（例えば、照合特徴選択手段３，３ａ）と、第１ベクトルおよび第２ベクトルから選択された各要素から、第１のデータおよび第２のデータの類似度のスコアを算出する類似度算出手段（例えば、補正前評価値算出手段４）と、類似度の算出に用いるデータ量が多いほどスコアの増加量が多くなるように、類似度算出手段に算出されたスコアを補正するスコア補正手段（例えば、評価値補正手段５）とを備えることを特徴とする照合装置。

（２）要素選択手段（例えば、照合特徴選択手段３ａ）が、第１の画像（例えば、登録画像）に基づく第１ベクトル（例えば、登録側特徴ベクトル）と第２の画像（例えば、照合画像）に基づく第２ベクトル（例えば、照合側特徴ベクトル）との間で、互いに対応する要素同士を選択する照合装置。

（３）スコア補正手段が、要素選択手段に選択された要素数が多いほどスコアの増加量が多くなるように、類似度算出手段に算出されたスコアを補正する照合装置。

（４）要素選択手段が、第１の画像の各画素値を要素とする第１ベクトルと、第２の画像の各画素値を要素とする第２ベクトルとから、第１の画像と第２の画像との間で対応付け可能な領域（例えば、登録画像および照合画像のどちらにおいても隠れが生じていない領域）の画素に応じた要素を選択する照合装置。

（５）第１の画像に対して特徴抽出を行い、当該特徴抽出の結果を表す第１ベクトルを定める第１特徴抽出手段（例えば、第３の実施形態における登録側特徴抽出手段９）と、第２の画像に対して特徴抽出を行い、当該特徴抽出の結果を表す第２ベクトルを定める第２特徴抽出手段（例えば、第３の実施形態における照合側特徴抽出手段１０）とを備え、要素選択手段は、第１ベクトルおよび第２ベクトルから、互いに対応する要素同士を選択する照合装置。

（６）要素選択手段が、第１の画像の各画素値を要素とする第１ベクトルと、第２の画像の各画素値を要素とする第２ベクトルとから、第１の画像と第２の画像との間で対応付け可能な領域の画素に応じた要素を選択し、要素選択手段によって第１ベクトルから選択された要素群に対して特徴抽出を行う第１特徴抽出手段（例えば、第４の実施形態における登録側特徴抽出手段９）と、要素選択手段によって第２ベクトルから選択された要素群に対して特徴抽出を行う第２特徴抽出手段（例えば、第４の実施形態における照合側特徴抽出手段１０）とを備え、類似度算出手段が、第１特徴抽出手段および第２特徴抽出手段による特徴抽出の結果から、第１のデータおよび第２のデータの類似度のスコアを算出し、スコア補正手段が、第１の画像と第２の画像との間で対応付け可能な領域の面積が大きいほどスコアの増加量が多くなるように、類似度算出手段に算出されたスコアを補正する照合装置。

（７）第１のデータに該当する第１の画像および第２のデータに該当する第２の画像における類似度算出に有効な領域を判定する有効領域判定手段（例えば、有効領域決定手段１１または相対的有効領域決定手段１２）を備え、スコア補正手段が、類似度算出に有効な領域の面積が多いほどスコアの増加量が多くなるように、類似度算出手段に算出されたスコアを補正する照合装置。

（８）有効領域判定手段（例えば、有効領域決定手段１１）が、互いに対応する第１の画像の画素および第２の画像の画素の画素値が、所定の閾値（例えば、影除外用閾値や白飛び除外用閾値）に関する条件を満たしている場合に、第１の画像の画素および第２の画像の画素が類似度算出に有効な領域に属していると判定する照合装置。

（９）有効領域判定手段（例えば、相対的有効領域決定手段１２）が、第１のデータに該当する第１の画像および第２のデータに該当する第２の画像を含む与えられた画像群における対応する画素毎に画素値のばらつきの程度を算出し、ばらつきの程度が、定められた閾値以上である場合に、ばらつきの程度を算出した画素は類似度算出に有効な領域に属していると判定する照合装置。

（１０）物体の３次元形状を計測し、当該物体の３次元形状を表す３次元形状データを生成する３次元データ生成手段（例えば、登録側３次元形状計測手段１３）と、第２の画像が与えられたときに、当該第２の画像における物体の姿勢および照明条件に合わせて、３次元形状データによって表される物体の２次元画像を第１の画像として生成する２次元画像生成手段（例えば、２次元画像生成手段２１）とを備える照合装置。

（１１）第１のデータに基づく複数の要素を含む第１ベクトルと第２のデータに基づく複数の要素を含む第２ベクトルとの間で、互いに対応する要素同士を選択する要素選択部（例えば、照合特徴選択手段３，３ａ）と、第１ベクトルおよび第２ベクトルから選択された各要素から、第１のデータおよび第２のデータの類似度のスコアを算出する類似度算出部（例えば、補正前評価値算出手段４）と、類似度の算出に用いるデータ量が多いほどスコアの増加量が多くなるように、類似度算出部に算出されたスコアを補正するスコア補正部（例えば、評価値補正手段５）とを備えることを特徴とする照合装置。

（１２）要素選択部（例えば、照合特徴選択手段３ａ）が、第１の画像（例えば、登録画像）に基づく第１ベクトル（例えば、登録側特徴ベクトル）と第２の画像（例えば、照合画像）に基づく第２ベクトル（例えば、照合側特徴ベクトル）との間で、互いに対応する要素同士を選択する照合装置。

（１３）スコア補正部が、要素選択部に選択された要素数が多いほどスコアの増加量が多くなるように、類似度算出部に算出されたスコアを補正する照合装置。

（１４）要素選択部が、第１の画像の各画素値を要素とする第１ベクトルと、第２の画像の各画素値を要素とする第２ベクトルとから、第１の画像と第２の画像との間で対応付け可能な領域（例えば、登録画像および照合画像のどちらにおいても隠れが生じていない領域）の画素に応じた要素を選択する照合装置。

（１５）第１の画像に対して特徴抽出を行い、当該特徴抽出の結果を表す第１ベクトルを定める第１特徴抽出部（例えば、第３の実施形態における登録側特徴抽出手段９）と、第２の画像に対して特徴抽出を行い、当該特徴抽出の結果を表す第２ベクトルを定める第２特徴抽出部（例えば、第３の実施形態における照合側特徴抽出手段１０）とを備え、要素選択部は、第１ベクトルおよび第２ベクトルから、互いに対応する要素同士を選択する照合装置。

（１６）要素選択部が、第１の画像の各画素値を要素とする第１ベクトルと、第２の画像の各画素値を要素とする第２ベクトルとから、第１の画像と第２の画像との間で対応付け可能な領域の画素に応じた要素を選択し、要素選択部によって第１ベクトルから選択された要素群に対して特徴抽出を行う第１特徴抽出部（例えば、第４の実施形態における登録側特徴抽出手段９）と、要素選択部によって第２ベクトルから選択された要素群に対して特徴抽出を行う第２特徴抽出部（例えば、第４の実施形態における照合側特徴抽出手段１０）とを備え、類似度算出部が、第１特徴抽出部および第２特徴抽出部による特徴抽出の結果から、第１のデータおよび第２のデータの類似度のスコアを算出し、スコア補正部が、第１の画像と第２の画像との間で対応付け可能な領域の面積が大きいほどスコアの増加量が多くなるように、類似度算出部に算出されたスコアを補正する照合装置。

（１７）第１のデータに該当する第１の画像および第２のデータに該当する第２の画像における類似度算出に有効な領域を判定する有効領域判定部（例えば、有効領域決定手段１１または相対的有効領域決定手段１２）を備え、スコア補正部が、類似度算出に有効な領域の面積が多いほどスコアの増加量が多くなるように、類似度算出部に算出されたスコアを補正する照合装置。

（１８）有効領域判定部（例えば、有効領域決定手段１１）が、互いに対応する第１の画像の画素および第２の画像の画素の画素値が、所定の閾値（例えば、影除外用閾値や白飛び除外用閾値）に関する条件を満たしている場合に、第１の画像の画素および第２の画像の画素が類似度算出に有効な領域に属していると判定する照合装置。

（１９）有効領域判定部（例えば、相対的有効領域決定手段１２）が、第１のデータに該当する第１の画像および第２のデータに該当する第２の画像を含む与えられた画像群における対応する画素毎に画素値のばらつきの程度を算出し、ばらつきの程度が、定められた閾値以上である場合に、ばらつきの程度を算出した画素は類似度算出に有効な領域に属していると判定する照合装置。

（２０）物体の３次元形状を計測し、当該物体の３次元形状を表す３次元形状データを生成する３次元データ生成部（例えば、登録側３次元形状計測手段１３）と、第２の画像が与えられたときに、当該第２の画像における物体の姿勢および照明条件に合わせて、３次元形状データによって表される物体の２次元画像を第１の画像として生成する２次元画像生成部（例えば、２次元画像生成手段２１）とを備える照合装置。

以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

この出願は、２００９年４月２２日に出願された日本特許出願２００９−１０４４９５を基礎とする優先権を主張し、その開示の全てをここに取り込む。

産業上の利用の可能性

本発明は、照合のために画像などのデータ同士の類似度を算出する照合装置に好適に適用可能である。

１ 登録手段
２ 入力手段
３，３ａ 照合特徴選択手段
４ 補正前評価値算出手段
５ 評価値補正手段
６ 照合判定手段
７ 登録側撮影手段
８ 照合側撮影手段
９ 登録側特徴抽出手段
１０ 照合側特徴抽出手段
１１ 有効領域決定手段
１２ 相対的有効領域決定手段
１３ 登録側３次元形状計測手段
１４ 位置姿勢推定手段
１５ 照明補正手段
１６ 位置姿勢微調整手段
２１ ２次元画像生成手段

Claims (30)

1. 第１のデータに基づく複数の要素を含む第１ベクトルと第２のデータに基づく複数の要素を含む第２ベクトルとの間で、互いに対応する要素同士を選択する要素選択手段と、
   第１ベクトルおよび第２ベクトルから選択された各要素から、前記第１のデータおよび前記第２のデータの類似度のスコアを算出する類似度算出手段と、
   類似度の算出に用いるデータ量が多いほどスコアの増加量が多くなるように、類似度算出手段に算出されたスコアを補正するスコア補正手段とを備える
   ことを特徴とする照合装置。
2. 要素選択手段は、第１の画像に基づく第１ベクトルと第２の画像に基づく第２ベクトルとの間で、互いに対応する要素同士を選択する
   請求項１に記載の照合装置。
3. スコア補正手段は、要素選択手段に選択された要素数が多いほどスコアの増加量が多くなるように、類似度算出手段に算出されたスコアを補正する
   請求項１または請求項２に記載の照合装置。
4. 要素選択手段は、第１の画像の各画素値を要素とする第１ベクトルと、第２の画像の各画素値を要素とする第２ベクトルとから、第１の画像と第２の画像との間で対応付け可能な領域の画素に応じた要素を選択する
   請求項１から請求項３のうちのいずれか１項に記載の照合装置。
5. 第１の画像に対して特徴抽出を行い、当該特徴抽出の結果を表す第１ベクトルを定める第１特徴抽出手段と、
   第２の画像に対して特徴抽出を行い、当該特徴抽出の結果を表す第２ベクトルを定める第２特徴抽出手段とを備え、
   要素選択手段は、前記第１ベクトルおよび前記第２ベクトルから、互いに対応する要素同士を選択する
   請求項１から請求項３のうちのいずれか１項に記載の照合装置。
6. 要素選択手段は、第１の画像の各画素値を要素とする第１ベクトルと、第２の画像の各画素値を要素とする第２ベクトルとから、第１の画像と第２の画像との間で対応付け可能な領域の画素に応じた要素を選択し、
   要素選択手段によって第１ベクトルから選択された要素群に対して特徴抽出を行う第１特徴抽出手段と、
   要素選択手段によって第２ベクトルから選択された要素群に対して特徴抽出を行う第２特徴抽出手段とを備え、
   類似度算出手段は、第１特徴抽出手段および第２特徴抽出手段による特徴抽出の結果から、第１のデータおよび第２のデータの類似度のスコアを算出し、
   スコア補正手段は、第１の画像と第２の画像との間で対応付け可能な領域の面積が大きいほどスコアの増加量が多くなるように、類似度算出手段に算出されたスコアを補正する
   請求項１または請求項２に記載の照合装置。
7. 第１のデータに該当する第１の画像および第２のデータに該当する第２の画像における類似度算出に有効な領域を判定する有効領域判定手段を備え、
   スコア補正手段は、前記類似度算出に有効な領域の面積が多いほどスコアの増加量が多くなるように、類似度算出手段に算出されたスコアを補正する
   請求項１、請求項２，請求項４および請求項５のうちのいずれか１項に記載の照合装置。
8. 有効領域判定手段は、互いに対応する第１の画像の画素および第２の画像の画素の画素値が、所定の閾値に関する条件を満たしている場合に、前記第１の画像の画素および前記第２の画像の画素が類似度算出に有効な領域に属していると判定する
   請求項７に記載の照合装置。
9. 有効領域判定手段は、第１のデータに該当する第１の画像および第２のデータに該当する第２の画像を含む与えられた画像群における対応する画素毎に画素値のばらつきの程度を算出し、前記ばらつきの程度が、定められた閾値以上である場合に、前記ばらつきの程度を算出した画素は類似度算出に有効な領域に属していると判定する
   請求項７に記載の照合装置。
10. 物体の３次元形状を計測し、当該物体の３次元形状を表す３次元形状データを生成する３次元データ生成手段と、
    第２の画像が与えられたときに、当該第２の画像における物体の姿勢および照明条件に合わせて、前記３次元形状データによって表される物体の２次元画像を第１の画像として生成する２次元画像生成手段とを備える
    請求項２から請求項９のうちのいずれか１項に記載の照合装置。
11. 第１のデータに基づく複数の要素を含む第１ベクトルと第２のデータに基づく複数の要素を含む第２ベクトルとの間で、互いに対応する要素同士を選択し、
    第１ベクトルおよび第２ベクトルから選択した各要素から、前記第１のデータおよび前記第２のデータの類似度のスコアを算出し、
    類似度の算出に用いるデータ量が多いほどスコアの増加量が多くなるように、算出したスコアを補正する
    ことを特徴とする照合方法。
12. 第１の画像に基づく第１ベクトルと第２の画像に基づく第２ベクトルとの間で、互いに対応する要素同士を選択する
    請求項１１に記載の照合方法。
13. 選択した要素数が多いほどスコアの増加量が多くなるように、算出したスコアを補正する
    請求項１１または請求項１２に記載の照合方法。
14. 第１の画像の各画素値を要素とする第１ベクトルと、第２の画像の各画素値を要素とする第２ベクトルとから、第１の画像と第２の画像との間で対応付け可能な領域の画素に応じた要素を選択する
    請求項１１から請求項１３のうちのいずれか１項に記載の照合方法。
15. 第１の画像に対して特徴抽出を行い、当該特徴抽出の結果を表す第１ベクトルを定め、
    第２の画像に対して特徴抽出を行い、当該特徴抽出の結果を表す第２ベクトルを定め、
    前記第１ベクトルおよび前記第２ベクトルから、互いに対応する要素同士を選択する
    請求項１１から請求項１３のうちのいずれか１項に記載の照合方法。
16. 第１の画像の各画素値を要素とする第１ベクトルと、第２の画像の各画素値を要素とする第２ベクトルとから、第１の画像と第２の画像との間で対応付け可能な領域の画素に応じた要素を選択し、
    第１ベクトルから選択した要素群に対して特徴抽出を行い、
    第２ベクトルから選択した要素群に対して特徴抽出を行い、
    第１ベクトルから選択した要素群に対する特徴抽出の結果および第２ベクトルから選択した要素群に対する特徴抽出の結果から、第１のデータおよび第２のデータの類似度のスコアを算出し、
    第１の画像と第２の画像との間で対応付け可能な領域の面積が大きいほどスコアの増加量が多くなるように、算出したスコアを補正する
    請求項１１または請求項１２に記載の照合方法。
17. 第１のデータに該当する第１の画像および第２のデータに該当する第２の画像における類似度算出に有効な領域を判定し、
    前記類似度算出に有効な領域の面積が多いほどスコアの増加量が多くなるように、算出したスコアを補正する
    請求項１１、請求項１２，請求項１４および請求項１５のうちのいずれか１項に記載の照合方法。
18. 互いに対応する第１の画像の画素および第２の画像の画素の画素値が、所定の閾値に関する条件を満たしている場合に、前記第１の画像の画素および前記第２の画像の画素が類似度算出に有効な領域に属していると判定する
    請求項１７に記載の照合方法。
19. 第１のデータに該当する第１の画像および第２のデータに該当する第２の画像を含む与えられた画像群における対応する画素毎に画素値のばらつきの程度を算出し、前記ばらつきの程度が、定められた閾値以上である場合に、前記ばらつきの程度を算出した画素は類似度算出に有効な領域に属していると判定する
    請求項１７に記載の照合方法。
20. 物体の３次元形状を計測し、当該物体の３次元形状を表す３次元形状データを生成し、
    第２の画像が与えられたときに、当該第２の画像における物体の姿勢および照明条件に合わせて、前記３次元形状データによって表される物体の２次元画像を第１の画像として生成する
    請求項１２から請求項１９のうちのいずれか１項に記載の照合方法。
21. コンピュータに、
    第１のデータに基づく複数の要素を含む第１ベクトルと第２のデータに基づく複数の要素を含む第２ベクトルとの間で、互いに対応する要素同士を選択する要素選択処理、
    第１ベクトルおよび第２ベクトルから選択された各要素から、前記第１のデータおよび前記第２のデータの類似度のスコアを算出する類似度算出処理、および、
    類似度の算出に用いるデータ量が多いほどスコアの増加量が多くなるように、類似度算出処理で算出されたスコアを補正するスコア補正処理
    を実行させるための照合プログラム。
22. コンピュータに、
    要素選択処理で、第１の画像に基づく第１ベクトルと第２の画像に基づく第２ベクトルとの間で、互いに対応する要素同士を選択させる
    請求項２１に記載の照合プログラム。
23. コンピュータに、
    スコア補正処理で、要素選択処理で選択された要素数が多いほどスコアの増加量が多くなるように、類似度算出処理で算出されたスコアを補正させる
    請求項２１または請求項２２に記載の照合プログラム。
24. コンピュータに、
    要素選択処理で、第１の画像の各画素値を要素とする第１ベクトルと、第２の画像の各画素値を要素とする第２ベクトルとから、第１の画像と第２の画像との間で対応付け可能な領域の画素に応じた要素を選択させる
    請求項２１から請求項２３のうちのいずれか１項に記載の照合プログラム。
25. コンピュータに、
    第１の画像に対して特徴抽出を行い、当該特徴抽出の結果を表す第１ベクトルを定める第１特徴抽出処理、および、
    第２の画像に対して特徴抽出を行い、当該特徴抽出の結果を表す第２ベクトルを定める第２特徴抽出処理を実行させ、
    要素選択処理で、前記第１ベクトルおよび前記第２ベクトルから、互いに対応する要素同士を選択させる
    請求項２１から請求項２３のうちのいずれか１項に記載の照合プログラム。
26. コンピュータに、
    要素選択処理で、第１の画像の各画素値を要素とする第１ベクトルと、第２の画像の各画素値を要素とする第２ベクトルとから、第１の画像と第２の画像との間で対応付け可能な領域の画素に応じた要素を選択させ、
    要素選択処理で第１ベクトルから選択された要素群に対して特徴抽出を行う第１特徴抽出処理、および、
    要素選択処理で第２ベクトルから選択された要素群に対して特徴抽出を行う第２特徴抽出処理を実行させ、
    類似度算出処理で、第１特徴抽出処理および第２特徴抽出処理での特徴抽出の結果から、第１のデータおよび第２のデータの類似度のスコアを算出させ、
    スコア補正処理で、第１の画像と第２の画像との間で対応付け可能な領域の面積が大きいほどスコアの増加量が多くなるように、類似度算出処理で算出されたスコアを補正させる
    請求項２１または請求項２２に記載の照合プログラム。
27. コンピュータに、
    第１のデータに該当する第１の画像および第２のデータに該当する第２の画像における類似度算出に有効な領域を判定する有効領域判定処理を実行させ、
    スコア補正処理で、前記類似度算出に有効な領域の面積が多いほどスコアの増加量が多くなるように、類似度算出処理で算出されたスコアを補正する
    請求項２１、請求項２２，請求項２４および請求項２５のうちのいずれか１項に記載の照合プログラム。
28. コンピュータに、
    有効領域判定処理で、互いに対応する第１の画像の画素および第２の画像の画素の画素値が、所定の閾値に関する条件を満たしている場合に、前記第１の画像の画素および前記第２の画像の画素が類似度算出に有効な領域に属していると判定させる
    請求項２７に記載の照合プログラム。
29. コンピュータに、
    有効領域判定処理で、第１のデータに該当する第１の画像および第２のデータに該当する第２の画像を含む与えられた画像群における対応する画素毎に画素値のばらつきの程度を算出させ、前記ばらつきの程度が、定められた閾値以上である場合に、前記ばらつきの程度を算出した画素は類似度算出に有効な領域に属していると判定させる
    請求項２７に記載の照合プログラム。
30. 物体の３次元形状を計測し、当該物体の３次元形状を表す３次元形状データを生成する３次元データ生成手段を備えたコンピュータに、
    第２の画像が与えられたときに、当該第２の画像における物体の姿勢および照明条件に合わせて、前記３次元形状データによって表される物体の２次元画像を第１の画像として生成する２次元画像生成処理
    を実行させる請求項２２から請求項２９のうちのいずれか１項に記載の照合プログラム。

Images