TW202205146A - 個體識別系統 - Google Patents
個體識別系統 Download PDFInfo
- Publication number
- TW202205146A TW202205146A TW110115473A TW110115473A TW202205146A TW 202205146 A TW202205146 A TW 202205146A TW 110115473 A TW110115473 A TW 110115473A TW 110115473 A TW110115473 A TW 110115473A TW 202205146 A TW202205146 A TW 202205146A
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- processing unit
- wide
- condition
- feature
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本發明的課題是在於按照環境的變化來設定適當的條件而使干擾的影響減低來謀求識別精度的提升。
其解決手段,個體識別系統(1)係具備:
畫像取得處理部(212),其係可實行畫像取得處理,取得藉由攝影機器(10)所攝影的識別對象的畫像,分別作為登錄畫像及識別畫像;
特徵點抽出處理部(221),其係可實行特徵點抽出處理,抽出在畫像取得處理取得的登錄畫像及識別畫像中所含的特徵點;
局部特徵量計算處理部(222),其係可實行局部特徵量計算處理,計算在特徵點抽出處理被抽出的特徵點的局部特徵量;
攝影對象條件調整處理部(312),其係可實行攝影對象條件調整處理,調整關於攝影對象的條件即攝影對象條件;及
攝影機器條件調整處理部(311),其係可實行攝影機器條件調整處理,調整關於攝影機器的條件即攝影機器條件。
Description
本案是有關根據顯現於個體表面的個體固有的模樣、所謂的個體指紋來識別個體的個體識別系統。
近年來,例如工業製品等是不僅生產後的流通過程,在生產過程中也被要求高的可追溯性(traceability)。例如即使是同一工程且同一批生產的同一種類的零件,也會有在其性能通常的使用無任何問題的程度的些微的不同的情形。在製品的生產過程中,若如此的零件1個1個的些微的特性的不同也考慮進去來以最適的組合製造製品,則可使該製品的性能提升。
又,以往的生產工程是零件的加工條件等與檢查結果未建立關聯,因此難以使檢查結果反映給加工條件等。對於此,在生產過程中若能以零件1個單位追跡,則可使檢查結果適當地反映給加工條件等,其結果,可減少不良或使品質・性能更提升。
以往,作為製品等的追跡管理的手法,例如有使用二維碼(code)或RFID者。然而,二維碼或RFID是印字或貼附的成本高。因此,對於構成製品的多數的零件1個1個賦予二維碼或RFID是經濟上的考量實現困難。
於是,利用各個的個體所固有的表面形狀來識別個體的技術受到注目。若為如此的物體的表面形狀或模樣,則由於不需要賦予二維碼或RFID等,因此零件1個1個的追跡管理也可以低成本實現。
[先前技術文獻]
[專利文獻]
[專利文獻1]日本特開2012-103758號公報
[專利文獻2]日本特開2012-181566號公報
(發明所欲解決的課題)
然而,在工廠內,粉塵或工廠內的照明、外光等的自然光、周圍的雜訊源等會成為干擾的主要因素,登錄畫像的攝影與識別畫像的攝影的攝影環境有大幅度變化的可能性。於是,被抽出的特徵點或局部特徵量等會改變,恐有識別性能降低之虞。
本案是有鑑於上述課題而研發者,其目的是在於提供一種可按照環境的變化來設定適當的條件而減低干擾的影響謀求識別精度的提升之個體識別系統
(用以解決課題的手段)
實施形態的個體識別系統(1)係具備:
畫像取得處理部(212),其係可實行畫像取得處理,取得藉由登錄側及識別側的攝影機器(10a、10b)所攝影的識別對象的畫像,分別作為登錄畫像及識別畫像;
特徵點抽出處理部(221),其係可實行特徵點抽出處理,抽出在前述畫像取得處理取得的前述登錄畫像及前述識別畫像中所含的特徵點;
局部特徵量計算處理部(222),其係可實行局部特徵量計算處理,計算在前述特徵點抽出處理被抽出的前述特徵點的局部特徵量;
攝影對象條件調整處理部(312),其係可實行攝影對象條件調整處理,調整關於攝影對象的條件即攝影對象條件;及
攝影機器條件調整處理部(311),其係可實行攝影機器條件調整處理,調整關於前述攝影機器的條件即攝影機器條件。
若根據此,則使用者可操作攝影對象條件調整處理部(312)及攝影機器條件調整處理部(311),調整適於特徵點的抽出及局部特徵量的計算之攝影對象條件及攝影機器條件。因此,藉由按照環境的變化來設定適當的條件,可使干擾的影響減低,可使作為特徵的模樣適當地浮起。其結果,可使識別精度提升。
以下,邊參照圖面邊說明有關一實施形態。另外,各方塊圖的箭號是表示資料的流程。在本實施形態說明的各處理部,亦即機能區塊是可分別以不同的硬體所構成,亦可設為以1個的硬體共用複數的裝置或處理部的構成。又,雖詳細未圖示,但實際構成各裝置及各處理部的硬體是可分別將例如具有CPU、ROM、RAM及可改寫的快閃記憶體等的記憶區域之微電腦構成主體。記憶區域是記憶用以實現各裝置及各處理部的個體識別程式。然後,藉由在CPU中實行個體識別程式,可實現各裝置及各處理部的各處理。
亦即,在本實施形態說明的各處理部是藉由CPU實行被儲存於上述的記憶區域等的非遷移的實體的記憶媒體的電腦程式而實行對應於電腦程式的處理來實現,亦即藉由軟體來實現。另外,亦可設為藉由硬體來實現各處理部之中至少一部分來實現的構成。
本實施形態的個體識別系統1是比較預先被登錄的複數的登錄畫像與在攝影機器攝影的識別畫像,可從複數的登錄畫像之中識別拍攝有識別畫像的被照體的登錄畫像之系統。此個體識別系統1是例如可用在工廠等的零件的追蹤(trace),但不被限於此。
個體識別系統1是如圖1所示般,具備攝影機器10、輸入裝置11、顯示裝置12、個體識別裝置20及調整裝置30。本實施形態的情況,個體識別系統1是具備登錄側的攝影機器10及識別側的攝影機器10。在以下的說明中,區別該等時,將登錄側的攝影機器10稱為登錄側攝影機器10a,將識別側的攝影機器10稱為識別側攝影機器10b。在本實施形態中,登錄側攝影機器10a是攝取用以登錄於個體識別裝置20的畫像。又,識別側攝影機器10b是用以攝取所欲識別的被照體者。而且,在本實施形態中,所謂登錄畫像,主要是意思在登錄側的攝影機器10a攝影而被登錄於個體識別裝置20的畫像。又,所謂識別畫像,主要是意思在識別側的攝影機器10b攝影的畫像。
攝影機器10是具有照相機101、照明102及平台103而構成。照相機101是具有攝取成為工件等的攝影對象的被照體之機能。照相機101是被構成可依照來自外部的指示,變更快門速度或影像感測器的感度、解像度、攝影範圍、焦點等。照明102是用以使用光來照明被照體者,被構成可依照來自外部的指示,變更亮度或光度、色彩等。然後,平台103是支撐照相機101或照明102,且載置被照體者,被構成可變更照相機101或照明102與被照體的距離或角度亦即姿勢。
輸入裝置11是受理使用者的操作的介面,例如鍵盤或滑鼠等。使用者是可操作輸入裝置11來對於調整裝置30或個體識別裝置20進行各種的設定等。顯示裝置12是可文字或畫像等的顯示的顯示器,可顯示從個體識別裝置20或調整裝置30接收的資訊。使用者是藉由看被顯示於顯示裝置12的資訊,可確認個體識別裝置20或調整裝置30之處理的結果或設定內容等。
個體識別裝置20是具有攝影裝置21、特徵抽出裝置22、登錄處理裝置23、記錄裝置24、字典裝置25、畫像對照識別裝置26、攝影條件賦予裝置27及特徵抽出條件賦予裝置28。本實施形態的情況,攝影裝置21、特徵抽出裝置22、登錄處理裝置23、記錄裝置24、攝影條件賦予裝置27及特徵抽出條件賦予裝置28是分別被設在登錄側及識別側。此情況,以虛線a所包圍的裝置成為登錄側的裝置,以虛線b所包圍的裝置成為識別側的裝置。另外,登錄側的裝置a及識別側的裝置b是亦可以不同的硬體所構成,或亦可以相同的硬體所構成。又,個體識別裝置20及調整裝置30是亦可被設置於被連接至網際網路等的電訊線路的雲端伺服器上。
攝影裝置21是具有控制攝影機器10的驅動,攝取被照體的畫像而取得之機能。攝影裝置21是如圖2所示般,具有攝影處理部211及畫像取得處理部212。攝影處理部211是使攝影機器10以預定的條件驅動而攝取被照體。此情況,將攝影機器10所攝影時的預定的條件稱為攝影條件。攝影條件是包含例如關於攝影機器10的條件即攝影機器條件及關於成為攝影對象的被照體的條件即攝影對象條件。
攝影機器條件,主要是關於光學機器的條件,例如有攝影機器10所具備的照相機101的快門速度、影像感測器的感度、解像度、攝影範圍、焦點、倍率、光圈、照明102的種類或亮度、光度、色彩等。攝影對象條件是關於攝影對象亦即被照體的條件,例如有被照體的姿勢,亦即被照體相對於照相機101或照明102的角度,照相機101或照明102與被照體的距離等。
攝影處理部211是根據從攝影條件賦予裝置27接受的指示內容來改變攝影機器條件或攝影對象條件而使攝影機器10驅動,而可攝取被照體。
畫像取得處理部212是可實行畫像取得處理。畫像取得處理是包含:取得在攝影機器10攝影的被照體的畫像而交給特徵抽出裝置22之處理。本實施形態的情況,登錄側的裝置a的畫像取得處理部212是以在攝影機器10a攝影的畫像作為登錄畫像交給登錄側的裝置a的特徵抽出裝置22。又,識別側的裝置b的畫像取得處理部212是以在攝影機器10b攝影的畫像作為識別畫像交給識別側的裝置b的特徵抽出裝置22。在本實施形態中,畫像取得處理之中,將在登錄側的裝置a進行之取得登錄畫像的處理稱為登錄畫像取得處理,將在識別側的裝置b進行之取得識別畫像的處理稱為識別畫像取得處理。另外,畫像取得處理是亦可包含:例如經由網際網路或經由記憶媒體而取得畫像等,從攝影機器10以外的手段取得畫像之處理。
特徵抽出裝置22是具有抽出從攝影裝置21取得的畫像中所含的特徵之機能。特徵抽出裝置22是具有計算特徵點、局部特徵量及廣域特徵量作為畫像的特徵之機能。特徵抽出裝置22是如圖3所示般,具有特徵點抽出處理部221、局部特徵量計算處理部222、局部特徵量群分類處理部223及廣域特徵量計算處理部224。特徵抽出裝置22是從特徵抽出條件賦予裝置28接受特徵抽出條件,實行各處理部221~224的處理。在特徵抽出條件中是含有例如抽出特徵點且計算局部特徵量時的用以決定金字塔畫像的階數及角落或似曲線的臨界值等。
特徵點抽出處理部221是可實行特徵點抽出處理。特徵點抽出處理是包含:如圖11所示般,從在畫像取得處理部212取得的畫像,抽出在被照體S的表面顯現的1個以上的特徵點P之處理。本實施形態的情況,特徵點抽出處理是從1張的畫像抽出例如數千點的特徵點。此情況,登錄側的裝置a的特徵點抽出處理部221是可抽出在登錄側的攝影機器10a攝影的登錄畫像的特徵點。又,識別側的裝置b的特徵點抽出處理部221是可抽出在識別側的攝影機器10b攝影的識別畫像的特徵點。
在此,例如圖12所示般,可思考藉由抽出顯現於被照體S的表面的模樣之中角落或曲線等之類的非幾何學的模樣作為特徵點P,即使是在經同製造工程製造的同一種類的零件間也能識別該個體。這例如顯現於零件等的表面的直線或直角等的幾何學的模樣大多是在該種類的零件全體共通顯現的模樣,在零件間難以成為用以進行個體的識別的特徵。另一方面,可思考因為角落或曲線等的非幾何學的模樣大多是依照製造過程的極些微的條件的不同而形成者,該個體固有的情形多。因以,本實施形態的特徵點抽出處理部221是抽出在被照體的表面局部地顯現的角落或曲線的模樣作為特徵點P。
本實施形態的特徵點抽出處理部221是利用從被照體的畫像取得的亮度梯度強度分佈,抽出局部地顯現於被照體的表面的角落或曲線作為特徵點。畫像是在畫素間具有亮度的梯度及其強度。均一的模樣時,亮度梯度強度的擴大小,又,直線的模樣時,亮度梯度強度是朝特定的方向擴大。另一方面,伴隨角落或曲線的模樣時,亮度梯度強度是朝複數方向擴大。因此,特徵點抽出處理部221是藉由尋求亮度梯度強度朝複數方向擴大的模樣,可抽出成為特徵點的角落或曲線。
局部特徵量計算處理部222是可實行局部特徵量計算處理。局部特徵量計算處理是包含:根據包含在特徵點抽出處理被抽出的特徵點之周邊的區域的亮度梯度來計算特徵點的特徵量作為局部特徵量之處理。局部特徵量是具有特徵點的座標與256位元的二進位特徵量。在特徵量的計算是可使用既存技術的SIFT(Scale-Invariant Feature Transform)。又,若可能的話,亦可使用其他的SURF (Speeded- Up Robust Features)等的畫像特徵量計算算法。特徵點抽出處理是亦可求取將畫像多階段地縮小的金字塔畫像,對於各縮尺的畫像,以相同的條件來分別獨立地抽出特徵點。而且,局部特徵量計算處理部222是亦可計算在各金字塔畫像取得的特徵點的局部特徵量。藉由如此,可求取具有規模(scale)不變性,不易受規模的不同影響的局部特徵量。
局部特徵量群分類處理部223是可實行局部特徵量群分類處理。局部特徵量群分類處理是成為用以計算登錄畫像及識別畫像的廣域特徵量的事前準備之處理。局部特徵量群分類處理是包含:例如圖13的(A)、(B)所示般,將針對各畫像實行局部特徵量計算處理而取得的複數的局部特徵量A予以按照該局部特徵量A的值來分類成預定數例如64~4096個的局部特徵量群B之處理。換言之,局部特徵量群分類處理是包含:將從各畫像取得的多數的局部特徵量A予以集合其值相似者彼此間而群集(clustering)的處理。構成局部特徵量群B的各個的要素Bn是具有至少1個以上從畫像取得的特徵點及其局部特徵量的一對。另外,Bn的n是表示要素的數量的整數。
局部特徵量群分類處理是包含:根據字典資訊d來分類從各畫像取得的局部特徵量A之處理。字典資訊d是從預先取得的學習用畫像所求得的特徵點的特徵量之中代表性者,在局部特徵量分類處理的實行前準備。局部特徵量群分類處理部223是將所欲分類的局部特徵量A充當成具有與該局部特徵量A接近的特徵量之字典資訊d而分類。
廣域特徵量計算處理部224是可實行廣域特徵量計算處理。廣域特徵量計算處理是包含:根據在局部特徵量分離處理取得的各局部特徵量群B來計算廣域特徵量之處理。廣域特徵量計算處理是包含:如圖13(C)所示般,以投票給與從畫像取得的各局部特徵量A相關性高的字典資訊d而得到的頻率分佈亦即柱狀圖作為廣域特徵量計算的處理。廣域特徵量計算處理是包含:以從和由畫像取得的各局部特徵量A相關性高的字典資訊d的出現數來取得的頻率分佈(亦即局部特徵量A所屬的局部特徵量群B的頻率分佈)作為廣域特徵量計算的處理。亦即,廣域特徵量是在橫軸取局部特徵量群B(字典資訊d),在縱軸取投票給各局部特徵量群B的投票數(出現數)。藉由利用如此計算的廣域特徵量,可用1個的特徵量來表示1張的畫像。廣域特徵量計算處理是例如可採用VLAD(Vector of Locally Aggregated Descriptors)或BAG-OF-WORDS(BoVW)作為計算方法。
採用VLAD作為廣域特徵量的計算方法時,廣域特徵量計算處理是僅代表值的數量計算例如將局部特徵量與相關性高的字典資訊即代表值的差分向量總和後的向量V,以連接該等的向量作為廣域特徵量計算的向量V。具體而言,廣域特徵量計算處理部224是將從畫像得到的局部特徵量適用於其次的(1)式的計算而算出廣域特徵量的向量V。此情況,廣域特徵量的向量V是以64個的128次元的向量所構成。此情況,將各局部特徵量群B中所含的局部特徵量設為v,將字典資訊設為d。又,若將各局部特徵量群B中所含的特徵量的數量設為N,則成為1≦i≦N。
[數1]
另外,(1)式的NN(v)=dk是意思在畫像中所含的特徵量之中,與此情況有64個的各字典資訊d相關性最高的局部特徵量v。
又,採用BAG-OF-WORDS作為廣域特徵量時,廣域特徵量字典產生處理是如其次般,計算廣域特徵量。此情況,廣域特徵量是持有字典資訊的數量的次元之向量,例如成為64次元的向量V。廣域特徵量字典產生處理部251是利用成為64個的代表值的字典資訊,針對各特徵量,尋找最近的字典資訊d,在接近的向量V的要素加上1。藉此,向量V是成為特徵量的柱狀圖,向量V的要素的總和是與特徵量的個數形成相等。此向量V是以此總數除算全體,作為正規化利用。
登錄處理裝置23是具有將在各處理取得的資料記錄於記錄裝置24之機能。登錄處理裝置23是如圖4所示般,具有檢索對象畫像登錄處理部231、評價用畫像登錄處理部232、局部特徵量登錄處理部233及廣域特徵量登錄處理部234。檢索對象畫像登錄處理部231是可實行檢索對象畫像登錄處理。檢索對象畫像登錄處理是包含:預先將作為複數的檢索對象的畫像設為登錄畫像,登錄於記錄裝置24的檢索對象畫像登錄部241之處理。
評價用畫像登錄處理部232是可實行評價用畫像登錄處理。評價用畫像登錄處理是包含:以在進行在畫像對照識別裝置26被實行的對照處理的評價時使用的畫像作為評價用的畫像登錄於記錄裝置24的評價用畫像登錄部242之處理。評價用畫像是構成包括:包含攝取了各個不同的被照體的複數的登錄畫像之登錄畫像群、及以和登錄畫像群之中的1個相同的被照體且不同的條件來攝取的識別畫像。此情況,識別畫像是亦可依被照體或條件的數量而為複數。又,攝取了相同的被照體的登錄畫像及識別畫像是例如藉由賦予相同或部分共通的識別號碼等等來互相建立關聯的狀態下登錄於記錄裝置24的評價用畫像登錄部242。
局部特徵量登錄處理部233是可實行局部特徵量登錄處理。局部特徵量登錄處理是包含:將藉由在特徵抽出裝置22的處理來從登錄畫像抽出的特徵點的局部特徵量登錄於記錄裝置24的局部特徵量登錄部243之處理。又,局部特徵量登錄處理是包含:將藉由在特徵抽出裝置22的處理來從評價用畫像抽出的特徵點的局部特徵量登錄於記錄裝置24的局部特徵量登錄部243之處理。局部特徵量登錄處理部233是將從各畫像取得的局部特徵量與成為抽出源的畫像建立關聯而登錄。
廣域特徵量登錄處理部234是可實行廣域特徵量登錄處理。廣域特徵量登錄處理是包含:將涉及登錄畫像的廣域特徵量登錄於記錄裝置24的廣域特徵量登錄部244之處理。又,廣域特徵量登錄處理是包含:將涉及評價用畫像的廣域特徵量登錄於記錄裝置24的廣域特徵量登錄部244之處理。局部特徵量登錄處理部233是將從各畫像取得的廣域特徵量與成為抽出源的畫像建立關聯而登錄。
記錄裝置24是具有記錄藉由登錄處理裝置23的各登錄處理所傳送的各種的資料之機能,構成資料庫。記錄裝置24是亦可例如構成個體識別裝置20的電腦的記錄裝置,或以經由網路線路來連接的外部的伺服器等所構成。記錄裝置24是如圖5所示般,具有檢索對象畫像登錄部241、評價用畫像登錄部242、局部特徵量登錄部243、廣域特徵量登錄部244及廣域特徵量字典登錄部245。
檢索對象畫像登錄部241是記錄從登錄處理裝置23的檢索對象畫像登錄處理部231傳送的檢索對象畫像的記錄區域。評價用畫像登錄部242是記錄從登錄處理裝置23的評價用畫像登錄處理部232傳送的評價用畫像的記錄區域。局部特徵量登錄部243是記錄從登錄處理裝置23的局部特徵量登錄處理部233傳送的局部特徵量的記錄區域。廣域特徵量登錄部244是記錄從登錄處理裝置23的廣域特徵量登錄處理部234傳送的廣域特徵量的記錄區域。
又,廣域特徵量字典登錄部245是記錄從字典裝置25的廣域特徵量字典登錄處理部252傳送的廣域特徵量字典的記錄區域。在畫像對照識別裝置26實行檢索處理以前,登錄有複數的廣域特徵量字典,該複數的廣域特徵量字典是使要素持有根據從預先取得的學習用畫像得到局部特徵量來計算的複數的字典資訊。
字典裝置25是以從複數張的畫像抽出的特徵點及其局部特徵量為基礎,產生複數的字典資訊,產生根據該字典資訊的廣域特徵量字典,具有登錄及設定的機能。字典裝置25是如圖6所示般,具有廣域特徵量字典產生處理部251及廣域特徵量字典登錄處理部252。
廣域特徵量字典產生處理部251是可實行廣域特徵量字典產生處理。廣域特徵量字典產生處理是包含:產生廣域特徵量字典之處理,該廣域特徵量字典是在字典資訊中持有例如從複數的學習用畫像取得的局部特徵量群的各個的代表值。此情況,廣域特徵量字典產生處理是包含:以局部特徵量群的重心作為代表值設定於字典資訊的處理。字典資訊是構成廣域特徵量字典的要素,集合複數個的字典資訊來構成1個的廣域特徵量字典。
此情況,例如,在廣域特徵量字典產生處理中,廣域特徵量字典產生處理部251是可如其次般產生廣域特徵量字典。亦即,在廣域特徵量字典產生處理中,廣域特徵量字典產生處理部251是首先如圖14(A)、(B)所示般,接受例如在特徵抽出裝置22被計算的m張分的學習用畫像T1~Tm的局部特徵量A。其次,廣域特徵量字典產生處理部251是如圖14(C)所示般,例如利用k-means法來將接受的局部特徵量A予以分類成k個、此情況是64個的族群、亦即局部特徵量群B1~Bk,針對各局部特徵量群B1~Bk的各者,求取重心C1~Ck。然後,廣域特徵量字典產生處理部251是如圖14(D)所示般,將如此求取的各局部特徵量群B1~Bk的重心C1~Ck予以設定於字典資訊d1~dk,作為各個的局部特徵量群B1~Bk的代表值,產生匯集字典資訊d1~dk的廣域特徵量字典E。然後,廣域特徵量字典產生處理部251是進一步利用不同的學習用畫像T來產生複數的廣域特徵量字典E。另外,字典資訊d1~dk只要是代表各局部特徵量群B1~Bk的值即可,不被限於重心。
廣域特徵量字典登錄處理部252是可實行廣域特徵量字典登錄處理。廣域特徵量字典登錄處理是包含:將在廣域特徵量字典產生處理所產生的複數的廣域特徵量字典Eic記錄於記錄裝置24的廣域特徵量字典登錄部245之處理。此情況,在廣域特徵量字典E是含有構成廣域特徵量字典E的複數的字典資訊d1~dk。
畫像對照識別裝置26是具有:對照被記錄於記錄裝置24的登錄畫像與從識別側的特徵抽出裝置22輸出的識別畫像,識別該畫像的一致不一致之機能。畫像對照識別裝置26是如圖7所示般,具有檢索處理部261、對照處理部262及結果通知處理部263。
檢索處理部261是可實行檢索處理。檢索處理是包含:檢索被記錄於記錄裝置24的檢索對象畫像登錄部241的涉及複數的登錄畫像的廣域特徵量之中,與從識別側的特徵抽出裝置22傳送的涉及識別畫像的廣域特徵量相關性高者之處理。本實施形態的情況,檢索處理部261是具有可實行鎖定處理的鎖定處理部2611及可實行特定處理的特定處理部2612。亦即,本實施形態的情況,檢索處理是包含鎖定處理及特定處理。
在鎖定處理部2611被實行的鎖定處理是包含:如圖15所示般,從被登錄於記錄裝置24的檢索對象畫像登錄部241的複數的登錄畫像之中,以具有與識別畫像所具有的廣域特徵量的相關性高的廣域特徵量之預定數的登錄畫像作為候補鎖定的處理。當被登錄於檢索對象畫像登錄部241的登錄畫像例如為數千~數十萬張時,登錄畫像的候補是在鎖定處理被鎖定至例如數~數十張程度。
在特定處理部2612被實行的特定處理是可利用:使用局部特徵量的畫像對照手法,及驗證特徵點的幾何性的配置的整合性的算法來進行。特定處理部2612是首先比較藉由鎖定處理所抽出的候補的登錄畫像的局部特徵量與識別畫像的局部特徵量,從雙方的畫像求取特徵量的差成為最小的特徵點作為一對。然後,特定處理部2612是抽出與其他的特徵點的相對性的位置關係不矛盾的特徵點作為對應點,特定該對應點數最多的登錄畫像。
此情況,鎖定處理是如圖15所示般,比較登錄畫像與識別畫像的各個的廣域特徵量之處理,因此精度雖低於比較畫像中所含的全部的局部特徵量的特定處理,但處理量少可高速地處理。相對於此,特定處理是如圖16所示般,針對登錄畫像及識別畫像的各個的局部特徵量A的全部,探索對應點的處理,因此處理量及時間雖多於比較廣域特徵量彼此間的鎖定處理,但精度佳。如此,檢索處理是藉由實行鎖定處理與特定處理的2階段的處理(在進行鎖定處理之後進行特定處理),可高速且精度佳地從複數的登錄畫像之中特定與識別畫像相同的登錄畫像。
對照處理部262是可實行對照處理。對照處理是不伴隨畫像的檢索的處理,在為了藉由調整裝置30來調整各種的條件或算法、參數等而對照特定的畫像彼此間時被實行。對照處理是利用與檢索處理之中用以對照畫像彼此間的算法相同的算法來被實行。因此,對照處理部262是可作為檢索處理部261的一部分。藉由調整裝置30所調整的各種的條件或算法、參數等是被反映於檢索處理部261的檢索處理。
對照處理是包含:比較例如作為評價用畫像被登錄於評價用畫像登錄部242的特定的登錄畫像與識別畫像的局部特徵量,取得該特徵點的對應點數來對照登錄畫像與識別畫像的處理。此情況,對照處理部262是可依據來自調整裝置30的指示,針對攝取了相同的被照體的登錄畫像及識別畫像進行對照。又,對照處理部262是亦可依據來自調整裝置30的指示,針對攝取了不同的被照體的登錄畫像及識別畫像進行對照。對照處理部262是輸出登錄畫像與識別畫像的局部特徵量的對應點數。
又,對照處理部262是可利用從對照識別條件調整裝置32接受的參數組來實行對照處理。參數組是例如圖17所示般,針對用以設定檢索處理及對照處理的條件之複數的參數,組合可設定於各個的參數組合的值者。圖17的條件1、條件2、條件3・・・會分別成為1個的參數組。圖17的例子的情況,參數組是全部成為5400種。
結果通知處理部263是可實行結果通知處理。結果通知處理是包含:將檢索處理的結果及對照處理的結果輸出至調整裝置30或外部的裝置之處理。此情況,檢索處理的結果是含有關於特定的登錄畫像的資訊。又,對照處理的結果是含有對應點數。
攝影條件賦予裝置27是具有:接受來自調整裝置30的攝影條件調整裝置31的指示,對攝影裝置21賦予上述的攝影條件之機能。特徵抽出條件賦予裝置28是具有:接受來自調整裝置30的對照識別條件調整裝置32的指示,對特徵抽出裝置22賦予特徵抽出條件之機能。
調整裝置30是具有將從畫像對照識別裝置26取得的結果可視化而顯示於顯示裝置12的機能,或接受來自畫像對照識別裝置26的反餽,調整攝影機器10的攝影條件或在特徵抽出裝置22使用的條件或算法等、在個體識別裝置20使用的各種的條件、算法、或參數等的機能等。調整裝置30是如圖1所示般,具有攝影條件調整裝置31、對照識別條件調整裝置32及可視化裝置33。
攝影條件調整裝置31是具有:接受來自畫像對照識別裝置26的反餽而自動地,或接受來自使用者的操作而手動地,調整利用攝影機器10來攝取攝影對象時的各種條件,對於攝影條件賦予裝置27指示其條件的機能。使用者是例如藉由操作輸入裝置11,可依照攝影條件調整裝置31的處理來調整各種條件。又,攝影條件調整裝置31是具有按照藉由特徵抽出裝置22的處理所取得的特徵點的數量來自動調整各種條件的機能。攝影條件調整裝置31是如圖8所示般,具有攝影機器條件調整處理部311、攝影對象條件調整處理部312、總括條件產生處理部313及最適條件提示處理部314。
攝影機器條件調整處理部311可實行調整攝影機器條件的攝影機器條件調整處理。藉由攝影機器條件調整處理的實行,主要調整有關光學機器的條件,例如攝影機器10所具有的照相機101的快門速度或影像感測器的感度、解像度、攝影範圍、焦點、照明102的亮度或光度、色彩等。攝影機器條件調整處理部311是將被調整的攝影機器條件發送至攝影條件賦予裝置27。藉此,攝影裝置21是按照在攝影機器條件調整處理部311被調整的攝影機器條件來使攝影機器10的主要照相機101或照明102動作而攝取攝影對象。
攝影對象條件調整處理部312是可實行調整有關成為攝影對象的被照體的條件的攝影對象條件之攝影對象條件調整處理。藉由攝影對象條件調整處理的實行,例如調整被照體的姿勢,亦即被照體相對於照相機101或照明102的角度、照相機101或照明102與被照體的距離等。攝影對象條件調整處理部312是將被調整的攝影對象條件發送至攝影條件賦予裝置27。藉此,攝影裝置21是按照在攝影對象條件調整處理部312被調整的攝影對象條件來使攝影機器10的主要平台103動作而攝取攝影對象。
總括條件產生處理部313是可實行總括條件產生處理。總括條件產生處理是包含:預先被設定的範圍內的攝影對象條件與預先被設定的範圍內的攝影機器條件的組合之處理。此情況,在攝影裝置21的畫像取得處理部212被實行的畫像取得處理是包含:取得以在總括條件產生處理產生的全部的條件攝影後的畫像之處理。藉此,畫像取得處理部212是可取得以不同的條件攝影的多數的畫像,亦即可取得以攝影對象條件及攝影機器條件的各者來攝影後的多數的畫像。
例如圖19的例子,設定被照體與照明102的距離即照明距離,作為攝影對象條件,設定照明102的光量即光量設定值,作為攝影機器條件。此情況,總括條件產生處理部313是總括產生照明距離與光量設定值的取得的值的全部的組合。然後,畫像取得處理部212是按照此總括的組合的條件,自動攝影,而僅組合的全部的條件的數量取得登錄畫像及識別畫像。
最適條件提示處理部314是可實行最適條件提示處理。最適條件提示處理是包含:以在總括條件產生處理產生的全部的條件來攝影的登錄畫像及識別畫像之中,針對攝取了相同的被照體的登錄畫像及識別畫像,使對照處理實行於對照處理部262,以藉由該對照處理而取得的對應點數多的攝影對象條件與攝影機器條件的組合作為最適條件提示給使用者或自動設定的處理。此情況,最適條件提示處理部314是亦可將最適條件顯示於顯示裝置12。藉此,使用者可簡單地找到攝影機器條件與攝影對象條件的最適的組合而設定。
例如登錄畫像及識別畫像為以圖19所示的條件來攝取相同的被照體者時,最適條件提示處理部314是從各個的畫像的對應點數來產生例如圖20所示的曲線圖。更具體而言,最適條件提示處理部314是在橫軸取光量設定值亦即Lux,在縱軸取對應點數的曲線圖。而且,最適條件提示處理部314是由此曲線圖來尋找登錄畫像與識別畫像的對應點數多,且健全性(robust)高的條件的組合。此情況,可知在照明條件1中照明距離1的A1的曲線圖的頂點的光量設定值為對應點數多且健全性最高。因此,此情況,最適條件提示處理部314是提示照明距離1與照明距離1的A1的曲線圖的頂點的光量設定值作為攝影對象條件與攝影機器條件的組合的最適條件。如此一來,最適條件提示處理部314是將攝影對象條件與攝影機器條件的最適的組合提示給使用者。另外,最適條件提示處理部314是亦可選擇幾個對應點數多且健全性高的條件的候補,推薦該等的條件作為條件提示給使用者。又,最適條件提示處理部314是亦可進行使圖20所示的曲線圖顯示於顯示裝置12的處理。
特徵抽出條件是關於特徵點抽出處理的條件,預先準備複數個。而且,最適條件提示處理是包含:針對以在總括條件產生處理產生的全部的條件來攝取了相同的被照體的登錄畫像及識別畫像,利用以預先準備的複數的特徵抽出條件來實行特徵點抽出處理而取得的特徵點來實行對照處理而取得的對應點數成為最多的條件的組合提示之處理。藉此,使用者可簡單地找到包含特徵抽出條件,攝影機器條件與攝影對象條件的最適的組合。
對照識別條件調整裝置32是具有進行在畫像對照識別裝置26的檢索處理部261及對照處理部262使用的對照識別算法的參數的調整(調諧)之機能。對照識別條件調整裝置32是具有:接受來自畫像對照識別裝置26的反餽而自動或接受來自使用者的操作而手動調整在特徵抽出裝置22或畫像對照識別裝置26的處理使用的條件或參數等之機能。對照識別條件調整機構32是具有,將該條件或參數指示給特徵抽出裝置22或畫像對照識別裝置26之機能。本實施形態的情況,對照識別條件調整裝置32是利用被登錄於記錄裝置24的評價用畫像登錄部242的評價用畫像,在畫像對照識別裝置26的對照處理部262進行對照,按照該對照結果此情況是對應點數來調整條件或參數。
使用者是例如藉由操作輸入裝置11而實行對照識別條件調整裝置32的處理,可調整在特徵抽出裝置22或畫像對照識別裝置26使用的條件或參數。對照識別條件調整裝置32是如圖9所示般,具有特徵抽出條件調整處理部321、廣域特徵量字典設定處理部322、廣域特徵量相關係數計算處理部323、參數組產生處理部324及參數組設定處理部325。
特徵抽出條件調整處理部321是可實行特徵抽出條件調整處理。特徵抽出條件調整處理是包含:調整在特徵點抽出處理部221的特徵點抽出處理或在局部特徵量計算處理部222的局部特徵量計算處理所使用的特徵抽出條件之處理。使用者是可操作輸入裝置11,調整設定抽出特徵點且計算局部特徵量時的用以決定金字塔畫像的階數及角落或似曲線的臨界值等的特徵抽出條件。
特徵抽出條件調整處理是包含:根據畫像對照識別裝置26的對照處理部262的對照處理的結果,針對局部特徵量計算處理所致的特徵抽出條件,調整為正對應點數與負對應點數的比會形成最大的處理。在本實施形態中,所謂正對應點是如圖18(A)所示般,意思被登錄於記錄裝置24的評價用畫像登錄部242的登錄畫像群之中,攝取了與識別畫像的被照體相同的被照體的登錄畫像與被照體的識別畫像的對應點。而且,所謂正對應點數是意思正對應點的數量。圖18(A)的例子是在登錄畫像所拍攝的被照體S1與在識別畫像所拍攝的被照體S1是相同。
又,所謂負對應點是如圖18(B)所示般,意思被照體的識別畫像與被登錄於記錄裝置24的評價用畫像登錄部242的登錄畫像群之中攝取了與識別畫像的被照體不同的被照體的登錄畫像的對應點。而且,所謂負對應點數是意思負對應點的數量。圖18(B)的例子是在登錄畫像所拍攝的被照體S2與在識別畫像所拍攝的被照體S1是相異者。
廣域特徵量字典設定處理部322是可實行廣域特徵量字典設定處理。廣域特徵量字典設定處理是包含:按每個廣域特徵量計算統計資訊來計算得分(score),自動設定其得分高者作為用在局部特徵量群分類處理部223的局部特徵量群分類處理的廣域特徵量字典之處理。所謂廣域特徵量計算統計資訊是在藉由廣域特徵量計算處理來計算廣域特徵量的過程,亦即在局部特徵量群分類處理部223的局部特徵量群分類處理的過程所取得的統計資訊。廣域特徵量計算統計資訊是能以投票給與局部特徵量相關性高的字典資訊而得到的柱狀圖或相關值的統計量的得分來表示。亦即,廣域特徵量計算統計資訊是能以從與局部特徵量相關性高的字典資訊的出現數所得到的柱狀圖或相關值得統計量的得分來表示。可思考根據特定的字典資訊被選的次數等的統計資訊之得分高的字典資訊是性能高。若根據廣域特徵量字典設定處理,則可自動選擇具有如此的性能高的字典資訊之廣域特徵量字典。
廣域特徵量字典設定處理是包含:被登錄於廣域特徵量字典登錄部245的複數的廣域特徵量字典之中,根據廣域特徵量相關係數,將攝取了相同的被照體的登錄畫像與識別畫像判斷成相同的處理。廣域特徵量字典設定處理是包含:選擇可將攝取了不同的被照體的登錄畫像與識別畫像判斷成不相同的廣域特徵量字典,設定成用在局部特徵量群分類處理的廣域特徵量字典之處理。
廣域特徵量相關係數是成為表示登錄畫像與識別畫像的廣域特徵量的一致度亦即性能之一的指標。意思2個的畫像間的廣域特徵量的相關性越大,在兩者的畫像含有相同的被照體的可能性越高。因此,攝取了相同的被照體的畫像間的廣域特徵量的相關性大,是意思針對攝取了該相同的被照體的畫像,使用其廣域特徵量字典來計算的廣域特徵量的一致度高。亦即,這是意思在攝取了相同的被照體的畫像間其廣域特徵量字典的性能高。
另一方面,意思2個的畫像間的廣域特徵量的相關性越小,在兩者的畫像中所含的被照體不同的可能性越高。因此,攝取了不同的被照體的畫像間的廣域特徵量的相關性小,是意思針對攝取了該不同的被照體的畫像,使用其廣域特徵量字典來計算的廣域特徵量的一致度低。亦即,這是意思在攝取了不同的被照體的畫像間其廣域特徵量字典的性能高。
廣域特徵量字典設定處理是例如其次般計算廣域特徵量相關係數,可根據該廣域特徵量相關係數來判斷廣域特徵量字典的性能。亦即,廣域特徵量字典設定處理是當2個的廣域特徵量為向量V時,將各個的絕對值正規化成1,取內積的值,針對該內積的值接近1者判斷成同一性高,針對該內積的值接近-1者判斷成同一性低。
此情況,例如將2個的廣域特徵量之中1個的廣域特徵量向量Va設為其次的(2)式,將被正規化的廣域特徵量向量Vb設為其次的(3)式,將d定義為自然數。此情況,被正規化的廣域特徵量向量Vb是利用廣域特徵量向量Va來以其次的(4)式表示。然後,若將廣域特徵量向量Va設為其次的(5)式,則廣域特徵量向量Va的絕對值是成為其次的(6)式。
[數2]
然後,若將2個的廣域特徵量之中另一個的廣域特徵量向量Wa設為其次的(7)式,則其內積的值是成為其次的(8)式。然後,廣域特徵量字典登錄部245針對以(8)式所取得的內積的值亦即廣域特徵量相關係數接近1者是判斷成同一性高亦即相同的被照體的可能性高。另一方面,針對該內積的值(廣域特徵量相關係數)接近-1者則是判斷成同一性低(同一的被照體的可能性低)。
[數3]
又,廣域特徵量字典設定處理是例如其次般計算廣域特徵量相關係數,可根據該廣域特徵量相關係數來判斷廣域特徵量字典的性能。亦即,廣域特徵量相關係數是設為2個的廣域特徵量的向量間的距離的值。然後,廣域特徵量字典設定處理是若2個的廣域特徵量的向量間的距離的值即廣域特徵量相關係數接近0,則判斷成同一性高(同一的被照體的可能性高)。另一方面,當2個的廣域特徵量的向量間的距離的值即廣域特徵量相關係數大時則判斷成同一性低(同一的被照體的可能性低)。
此情況,例如將2個的其中一方的廣域特徵量向量Va設為上述(2)、(5)式,且將另一方的廣域特徵量向量Wa設為上述(7)及下述(9)式時,廣域特徵量向量Va、Wa間的距離是以其次的(10)式來表示。
[數4]
然後,廣域特徵量字典登錄部245針對以(10)式所取得的向量Va、Wa間的距離近亦即接近0者是判斷成同一性高亦即相同的被照體的可能性高。另一方面,針對向量Va、Wa間的距離大者則是判斷成同一性低亦即相同的被照體的可能性低。另外,此時各個的向量Va、Wa是不一要被正規化。
廣域特徵量相關係數計算處理部323是可實行廣域特徵量相關係數計算處理。廣域特徵量相關係數計算處理是包含:比較各登錄畫像的廣域特徵量與識別畫像的廣域特徵量,計算表示其相關關係的廣域特徵量相關係數之處理。例如,廣域特徵量相關係數計算處理是可比較各登錄畫像的廣域特徵量與識別畫像的廣域特徵量的柱狀圖(histogram)來計算廣域特徵量相關係數。
參數組產生處理部324是可實行參數組產生處理。參數組產生處理是包含:例如圖17所示般,針對用以設定在畫像對照識別裝置26的對照處理部262所實行的對照處理的條件之參數,組合各參數而產生複數的參數組之處理。另外,在各參數是設定有預定的範圍內的設定值。本實施形態的情況,參數組產生處理是產生有關各參數的設定值的全部的組合的參數組。
參數組設定處理部325是可實行參數組設定處理。參數組設定處理是包含:根據使用者的操作,設定使用在檢索處理部261的檢索處理的參數組之處理。使用者是例如可操作輸入裝置11,設定使用在檢索處理部261的檢索處理的參數組。
可視化裝置33是具有將從畫像對照識別裝置26接受的資訊、或關於攝影條件調整裝置31及對照識別條件調整裝置32的調整結果的資訊等的各種的資訊可視化而顯示於顯示裝置12的機能。在本實施形態中所謂可視化是不僅將資料形成文字或數值,還包含形成圖形或圖表等而顯示於顯示裝置12的情形。可視化裝置33是如圖10所示般,具有特徵點顯示處理部331、廣域特徵量計算統計資訊顯示處理部332、對照結果顯示處理部333及條件顯示處理部334。
特徵點顯示處理部331是可實行特徵點顯示處理。特徵點顯示處理是可在藉由攝影條件調整裝置31或對照識別條件調整裝置32來調整各種的條件或參數時實行。特徵點顯示處理是包含:例如圖21(A)所示般,將藉由特徵抽出裝置22的特徵點抽出處理部221的特徵點抽出處理的實行所抽出的各特徵點P重疊於畫像而顯示於顯示裝置12的處理。亦即,特徵點P會被重疊顯示於畫像中的被照體S上。藉此,使用者是可目視確認是否被抽出畫像中的被照體S的何處作為特徵點。又,特徵點顯示處理是包含:如圖21(A)所示般,以按局部特徵量所屬的每個局部特徵量群,此情況,按各特徵點P群集充當的每個字典資訊d而異的形態,例如不同的顏色或大小、形狀來將各特徵點P顯示於顯示裝置12的處理。在圖21中,以濃淡的不同來表示各特徵點P的色彩的不同。
廣域特徵量計算統計資訊顯示處理部332是可實行廣域特徵量計算統計資訊顯示處理。廣域特徵量計算統計資訊顯示處理是可在藉由攝影條件調整裝置31或對照識別條件調整裝置32來調整各種的條件或參數時實行。廣域特徵量計算統計資訊顯示處理是包含:將廣域特徵量計算統計資訊顯示於顯示裝置12的處理。廣域特徵量計算統計資訊是藉由在特徵抽出裝置22的廣域特徵量計算處理部224所實行的廣域特徵量計算處理來計算廣域特徵量的過程取得的統計資訊。廣域特徵量計算統計資訊顯示處理是包含:如圖21(B)所示般,以投票給與各局部特徵量A相關性高的字典資訊d而得到的柱狀圖或相關值的統計量的得分作為廣域特徵量計算統計資訊G來顯示於顯示裝置12的處理。廣域特徵量計算統計資訊顯示處理是以從與各局部特徵量A相關性高的字典資訊d的出現數所取得的柱狀圖或相關值的統計量的得分作為廣域特徵量計算統計資訊G顯示於顯示裝置12。亦即,廣域特徵量計算統計資訊G是可設為在廣域特徵量計算處理的實行過程取得的廣域特徵量的柱狀圖或相關值的統計量的得分。
對照結果顯示處理部333是可實行對照結果顯示處理。對照結果顯示處理是可在藉由攝影條件調整裝置31或對照識別條件調整裝置32來調整各種的條件或參數時實行。對照結果顯示處理是包含:將在畫像對照識別裝置26的對照處理部262所實行的複數的對照處理的結果彙整而可視化顯示於顯示裝置12之處理。
對照結果顯示處理是包含:例如將利用圖17所示的各參數組來實行對照處理的對照結果如圖22所示般圖表化而顯示的處理。此情況,對照結果顯示處理部333是不僅相同的被照體的畫像彼此間,有關不同的被照體的畫像彼此間也是進行對照處理。然後,對照結果顯示處理部333是分別計算:攝取了相同的被照體的畫像間的對應點數即正對應點數,及攝取了不同的被照體的畫像間的對應點數即負對應點數,而圖表化顯示於顯示裝置12。圖22的圖表是在橫軸取條件No,在縱軸取對應點數者。又,圖22之中,F1是表示正對應點數的圖表,F2是表示負對應點數的圖表。就圖22的例子而言,可知條件No.N是正對應點數最多且負對應點數最少。藉此,使用者可一看就能掌握正對應點數多且負對應點數少的條件No亦即性能佳的條件No。
又,對照結果顯示處理是包含:在畫像對照識別裝置26的對照處理部262中實行對照處理時,將用在對照的識別畫像的對應點數評價資訊顯示於顯示裝置12的處理。對應點數評價資訊是根據在對照處理計算的對應點數之資訊,例如可為對應點數本身的數值,或亦可例如設為複數階段的等級或得分。
此情況,對照結果顯示處理部333是例如圖23所示般,在顯示裝置12的畫面上,使登錄畫像顯示部51、真值畫像顯示區域52、偽值畫像顯示區域53、真值畫像評價資訊顯示區域541、真值畫像相關資訊顯示區域542、偽值畫像評價資訊顯示區域551及偽值畫像相關資訊顯示區域552顯示。在登錄畫像顯示部51是顯示進行對照處理的畫像之中,被登錄於記錄裝置24的評價用畫像登錄部242的登錄畫像群之中的1個。
在真值畫像顯示區域52是顯示進行對照處理的畫像之中,被登錄於記錄裝置24的評價用畫像登錄部242的識別畫像,以不同的條件攝取了與被顯示於登錄畫像顯示部51的畫像的被照體相同的被照體的畫像。就圖23的例子而言,被顯示於登錄畫像顯示部51的畫像的被照體S1與被顯示於真值畫像顯示區域52的畫像的被照體S1是相同的個體。在本實施形態中,將以不同的條件攝取了與被顯示於登錄畫像顯示部51的畫像的被照體相同的被照體的畫像稱為真值畫像。此情況,攝取了相同的被照體的登錄畫像與識別畫像是在相互建立關聯的狀態亦即組成一對的狀態下被登錄於評價用畫像登錄部242。亦即,對照結果顯示處理部333是藉由識別登錄畫像與識別畫像的的關聯,可認知攝取了相同的被照體者或攝取了不同的被照體者。
而且,在偽值畫像顯示區域53是顯示進行對照處理的畫像之中,被登錄於記錄裝置24的評價用畫像登錄部242的識別畫像,以不同的條件攝取了與被顯示於登錄畫像顯示部51的畫像的被照體不同的被照體的畫像。就圖23的例子而言,被顯示於登錄畫像顯示部51的畫像的被照體S1與被顯示於真值畫像顯示區域52的畫像的被照體S2是不同的個體。在本實施形態中,將攝取了與被顯示於登錄畫像顯示部51的畫像的被照體不同的被照體的畫像稱為偽值畫像。
又,在真值畫像評價資訊顯示區域541是顯示以被顯示於登錄畫像顯示部51的畫像及被顯示於真值畫像顯示區域52的畫像來進行對照處理的結果,亦即真值畫像的對應點數評價資訊。又,在偽值畫像評價資訊顯示區域551是顯示以被顯示於登錄畫像顯示部51的畫像及被顯示於偽值畫像顯示區域53的畫像來進行對照處理的結果,亦即偽值畫像的對應點數評價資訊。
對照結果顯示處理是包含:根據廣域特徵量相關係數,將資訊顯示於顯示裝置12的處理。此情況,在真值畫像相關資訊顯示區域542是顯示由被顯示於登錄畫像顯示部51的登錄畫像來計算的廣域特徵量與由被顯示於真值畫像顯示區域52的真值畫像來計算的廣域特徵量的相關係數。而且,在偽值畫像相關資訊顯示區域552是顯示比較由被顯示於登錄畫像顯示部51的登錄畫像來計算的廣域特徵量與由被顯示於偽值畫像顯示區域53的偽值畫像來計算的廣域特徵量而得到的相關係數。
使用者是例如操作輸入裝置11,選擇顯示於登錄畫像顯示部51、真值畫像顯示區域52、偽值畫像顯示區域53、真值畫像評價資訊顯示區域541的畫像,亦即進行對照處理的畫像,針對該畫像實行對照處理。然後,一旦對照處理被進行,則對照結果顯示處理部333是分別將對應點數評價資訊作為其對照結果顯示於真值畫像評價資訊顯示區域541及偽值畫像評價資訊顯示區域551。對照結果顯示處理部333是分別將廣域特徵量相關係數顯示於真值畫像相關資訊顯示區域542及偽值畫像相關資訊顯示區域552,作為對照結果。藉此,使用者可看根據被顯示於真值畫像評價資訊顯示區域541及偽值畫像評價資訊顯示區域551的對應點數評價資訊、或根據被顯示於真值畫像相關資訊顯示區域542及偽值畫像相關資訊顯示區域552的廣域特徵量相關係數的資訊。因此,使用者可確認用在對照處理的各種條件或參數的性能。此情況,所謂根據廣域特徵量相關係數的資訊是亦可為廣域特徵量相關係數本身的值,或亦可為將廣域特徵量相關係數加工而以數階段表示性能之類的等級或排序等。
對照結果顯示處理部333是例如圖18所示般,亦可使登錄畫像與識別畫像的正對應點數或負對應點數顯示於顯示裝置12。又,對照結果顯示處理部333是亦可例如在登錄畫像及識別畫像,將各個的畫像所分別固有的特徵點與共有的特徵點分開顯示。此情況,對照結果顯示處理部333是亦可顯示各個的畫像所固有的特徵點與共有的特徵點的其數量或比例。而且,對照結果顯示處理部333是亦可任意地切換:只顯示登錄畫像及識別畫像的模式、例如在登錄畫像及識別畫像追加特徵點而顯示的模式、和在登錄畫像及識別畫像追加特徵點與對應點而顯示的模式。
在此,如工業製品等般,在同一的工程被製造的零件,相較於人的臉或指紋等的生物特徵認證,個體間的特徵的差極小。因此,需要對照被顯現於個體表面的多數的特徵,因此計算量多,在個體識別花時間,而且識別對象的母數越增加,計算量越爆發性地增加。
對於此,個體識別系統1是具備:畫像取得處理部212、特徵點抽出處理部221、局部特徵量計算處理部222、局部特徵量群分類處理部223、檢索對象畫像登錄處理部231、廣域特徵量登錄處理部234、鎖定處理部2611及特定處理部2612。畫像取得處理部212是可實行取得藉由攝影機器10來攝影的被照體的畫像之畫像取得處理。特徵點抽出處理部221是可實行從在畫像取得處理取得的畫像抽出特徵點之特徵點抽出處理。局部特徵量計算處理部222是可實行計算在特徵點抽出處理被抽出的特徵點的局部特徵量之局部特徵量計算處理。
局部特徵量群分類處理部223是可實行局部特徵量群分類處理,將藉由局部特徵量計算處理所取得的複數的局部特徵量予以按照該局部特徵量的值來分類成預定數(例如64個)的局部特徵量群。廣域特徵量計算處理部224是可實行根據各局部特徵量群來計算廣域特徵量的廣域特徵量計算處理。檢索對象畫像登錄處理部231是可實行預先以複數的檢索對象的畫像作為登錄畫像來登錄於檢索對象畫像登錄部241的檢索對象畫像登錄處理。廣域特徵量登錄處理部234是可實行將登錄畫像的廣域特徵量登錄於廣域特徵量登錄部244的廣域特徵量登錄處理。鎖定處理部2611是可實行鎖定處理,例如圖15所示般,從複數的登錄畫像之中,以具有與識別畫像所具有的廣域特徵量的相關性高的廣域特徵量之預定數的登錄畫像作為候補鎖定。然後,特定處理部2612是可實行特定處理,例如圖16所示般,比較藉由鎖定處理所抽出的候補的登錄畫像的局部特徵量與識別畫像的局部特徵量,特定局部特徵量的對應點數最多的登錄畫像。
若根據此構成,則鎖定處理部2611是藉由鎖定處理的實行,比較登錄畫像的廣域特徵量與識別畫像的廣域特徵量來大致地鎖定成為候補的登錄畫像(鎖定成相關性高的預定數的登錄畫像)。此鎖定處理是相較於全部對比各個的畫像的局部特徵量的特定處理,計算量少非常高速處理,但難取得精度。於是其次,特定處理部2612是藉由特定處理的實行,對比被鎖定的候補的登錄畫像與識別畫像的局部特徵量來特定對象。此特定處理是相較於以廣域特徵量來比較的鎖定處理,雖計算量多花時間,但精度佳。如此,個體識別系統1是藉由以廣域特徵量來鎖定的鎖定處理及以局部特徵量來特定的特定處理的2階段的處理。藉此,個體識別系統1是可實現高速且高精度的檢索。這在登錄畫像的母數增加的情況特別發揮效果。
而且,個體識別系統1是更具備攝影機器條件調整處理部311、攝影對象條件調整處理部312及特徵抽出條件調整處理部321之中至少任一個。攝影機器條件調整處理部311是可實行攝影機器條件調整處理,根據使用者的操作調整有關攝影機器10的條件即攝影機器條件。攝影對象條件調整處理部312是可實行攝影對象條件調整處理,根據使用者的操作調整有關攝影對象的條件即攝影對象條件。而且,特徵抽出條件調整處理部321是可實行特徵抽出條件調整處理,根據使用者的操作調整有關特徵點抽出處理的條件即特徵抽出條件。
若根據此,則使用者可操作攝影機器條件調整處理部311、攝影對象條件調整處理部312及特徵抽出條件調整處理部321的至少1個,設定各種條件或參數,亦即可進行調諧。其結果,例如即使是實施在製造工程途中表面模樣變化的加工之類者,亦即在畫像的登錄時及識別時表面模樣變化的情況,也可彈性地對應,可高速精度佳識別。
個體識別系統1是具備廣域特徵量字典產生處理部251。廣域特徵量字典產生處理部251是可實現廣域特徵量字典產生處理,產生使字典資訊持有從預先取得的複數的學習用畫像得到的各局部特徵量群的各個的代表值之廣域特徵量字典。而且,廣域特徵量計算處理是包含:以投票給與各局部特徵量相關性高的字典資訊而得到的柱狀圖作為廣域特徵量計算之處理。亦即,廣域特徵量計算處理是計算由與各局部特徵量相關性高的字典資訊的出現數所得到的柱狀圖作為廣域特徵量。又,廣域特徵量計算處理是亦可包含:僅代表值的數量計算將局部特徵量與相關性高的字典資訊即代表值的差分向量總和後的向量,以連接該等的向量作為廣域特徵量計算之處理。
亦即,依被照體的種類或狀態,以怎樣的地方作為特徵點抽出會改變,因此只單純地分類從畫像取得的局部特徵量來計算廣域特徵量,是有廣域特徵量的性能低,亦即識別能力低的可能性。相對於此,若根據本構成,則藉由使用具有適於被照體的字典資訊之廣域特徵量字典,即使被照體的種類或狀態改變,也可取得性能佳的廣域特徵量,其結果,可提升鎖定處理的精度。
並且,在本構成中,廣域特徵量字典產生處理是包含以局部特徵量群的重心作為代表值設定於字典資訊的處理。局部特徵量群的重心是代表其局部特徵量群者。因此,藉由以局部特徵量群的重心作為代表值設定於字典資訊,可取得性能佳的廣域特徵量字典。
個體識別系統1是具備畫像取得處理部212及特徵點抽出處理部221,更具備特徵點顯示處理部331。特徵點顯示處理部331是可實行特徵點顯示處理,例如圖21所示般,將藉由特徵點抽出處理所抽出的特徵點P重疊於被照體S的畫像而顯示於顯示裝置12。
個體識別系統1是具備攝影機器條件調整處理部311、攝影對象條件調整處理部312及特徵抽出條件調整處理部321之中至少任一個。攝影機器條件調整處理部311是可實行攝影機器條件調整處理,根據使用者的操作調整有關攝影機器10的條件即攝影機器條件。攝影對象條件調整處理部312是可實行攝影對象條件調整處理,根據使用者的操作調整有關攝影對象的條件即攝影對象條件。而且,特徵抽出條件調整處理部321是可實行特徵抽出條件調整處理,根據使用者的操作調整有關特徵點抽出處理的條件即特徵抽出條件。
例如在生產現場使用個體識別系統1時,成為識別的對象的零件是有製造工程中的歷時變化或熱加工等而其表面模樣的色調等變化者。如此的實施在製造工程途中表面模樣的色調等變化的加工的零件中,其加工的前後,亦即在畫像的登錄時及識別時被抽出的特徵點的位置或數量及局部特徵量有大幅度變化的可能性。其結果,識別精度會降低。
對於此,若根據本構成,則由於在特徵點抽出處理抽出的特徵點會被重疊於畫像而顯示於顯示裝置12,因此使用者可目視確認畫像之中的何處作為特徵點被抽出。然後,使用者可操作特徵抽出條件調整處理部321、攝影對象條件調整處理部312及特徵抽出條件調整處理部321的至少1個,使可針對表面模樣的色調即使經過製造工程也不易變化之處重點地抽出特徵點。因此,使用者可邊確認被抽出的特徵點的位置,邊設定各種條件或參數,亦即進行調諧。其結果,即使是實施在製造工程途中表面模樣變化的加工之類者,亦即在畫像的登錄時及識別時表面模樣變化的情況,也可取得能精度佳識別的良好效果。
個體識別系統1是具備局部特徵量計算處理部222及局部特徵量群分類處理部223。而且,特徵點顯示處理是更包含:如圖21(A)所示般,以按局部特徵量所屬的每個局部特徵量群而異的形態,例如使顏色或大小、形狀不同的形態來將特徵點P顯示於顯示裝置12之處理。
若根據此,則使用者可一眼就能掌握什麼樣的特徵點存在於畫像中的何處。藉此,邊確認被抽出的特徵點的位置,邊設定各種條件或參數的作業更容易。其結果,可更精度佳識別有關實施在製造工程途中表面模樣變化的加工之類者。
個體識別系統1是具備廣域特徵量計算處理部224,更具備廣域特徵量計算統計資訊顯示處理部332。廣域特徵量計算統計資訊顯示處理部332是可實行廣域特徵量計算統計資訊顯示處理,如圖21(B)所示般,在藉由廣域特徵量字典產生處理的實行之廣域特徵量的計算過程中,將在局部特徵量群分類處理的過程取得的廣域特徵量計算統計資訊G顯示於顯示裝置12。
若根據此,則使用者容易掌握取得了怎樣的廣域特徵量。亦即,藉由顯示有多少投票給廣域特徵量字典的哪個字典資訊之資訊(顯示廣域特徵量字典的各字典資訊的頻率出現的資訊),使用者可掌握該廣域特徵量字典所具有的字典資訊的選擇者的偏向。藉此,邊看被顯示的廣域特徵量計算統計資訊G,邊設定有關廣域特徵量的各種條件或參數之作業更容易。其結果,可更精度佳識別有關實施在製造工程途中表面模樣變化的加工之類者。
個體識別系統1是更具備廣域特徵量字典產生處理部251。廣域特徵量字典產生處理部251是可實行廣域特徵量字典產生處理,產生使字典資訊持有從預先取得的複數的學習用畫像得到的各局部特徵量群的各個的代表值之廣域特徵量字典。而且,廣域特徵量計算統計資訊顯示處理是包含:如圖13所示般,以在廣域特徵量的計算過程中投票給與各局部特徵量相關性高的字典資訊d而得到的柱狀圖或相關值的統計量的得分作為廣域特徵量計算統計資訊G,如圖21般顯示於顯示裝置12之處理。亦即,廣域特徵量計算統計資訊顯示處理是以由與各局部特徵量相關性高的字典資訊d的出現數所得到的柱狀圖或相關值的統計量的得分作為廣域特徵量計算統計資訊G,顯示於顯示裝置12。
若根據此,則使用者容易視覺地且直覺地掌握廣域特徵量。藉此,邊看被顯示的廣域特徵量計算統計資訊G,邊設定有關廣域特徵量的各種條件或參數之作業更容易。其結果,可更精度佳識別有關實施在製造工程途中表面模樣變化的加工之類者。
個體識別系統1是更具備廣域特徵量字典設定處理部322。廣域特徵量字典設定處理部322是可實行廣域特徵量字典設定處理,按每個廣域特徵量計算統計資訊來計算得分,自動設定其得分高者作為用在局部特徵量群分類處理的廣域特徵量字典。
若根據此,則由於作為適當的廣域特徵量字典是自動設定,因此使用者不須逐一手動調整條件或參數,其結果,使用者方便性會提升。
例如在工廠等使用本構成的個體識別系統1時,假想登錄畫像的攝影及識別畫像的攝影是在不同的場所進行。此情況,在工廠內產生的粉塵或工廠內的照明、外光等的自然光、周圍的雜訊源等會成為干擾的要因,登錄畫像的攝影與識別畫像的攝影的攝影環境有大幅度改變的可能性。於是,被抽出的特徵點或局部特徵量等會改變,恐有識別性能降低之虞。
於是,本構成的個體識別系統1是具備畫像取得處理部212、特徵點抽出處理部221、局部特徵量計算處理部222、攝影對象條件調整處理部312及攝影機器條件調整處理部311。藉此,使用者是可操作攝影對象條件調整處理部312及攝影機器條件調整處理部311,來調整適於特徵點的抽出及局部特徵量的計算之攝影對象條件及攝影機器條件。因此,藉由按照環境的變化來設定適當的條件,可使干擾的影響減低,可使所欲作為特徵的模樣適當地浮起。其結果,可使識別精度提升。
個體識別裝置20是更具備總括條件產生處理部313。總括條件產生處理部313是可實行總括條件產生處理,總括產生預先被設定的範圍內的攝影對象條件與預先被設定的範圍內的攝影機器條件的組合。而且,畫像取得處理是包含:自動取得以在總括條件產生處理產生的全部的條件攝影後的畫像之處理。
若根據此,則可自動攝影取得改變了攝影對象條件及攝影機器條件的各者之多數的畫像。因此,在改變攝影對象條件及攝影機器條件的各者來尋找最適的條件的組合時,不需要以使用者的手工作業來產生條件的組合、攝影。其結果,可減低調整攝影對象條件及攝影機器條件的條件之工夫。而且,可簡單地設定性能佳的條件,因此識別性能的提升也可謀求。
個體識別裝置20是更具備最適條件提示處理部314。最適條件提示處理部314是可實行最適條件提示處理,以在總括條件產生處理產生的全部的條件來攝影後的登錄畫像及識別畫像之中,提示攝取了相同的被照體的前述登錄畫像與前述識別畫像的對應點數多的攝影對象條件和攝影機器條件的組合作為最適條件。若根據此,則使用者可簡單地取得特徵點的數量多的最適的條件設定,因此可更減低調整攝影對象條件及攝影機器條件的條件之工夫。而且,可簡單地設定攝影對象條件及攝影機器條件的最適的組合,因此識別性能的提升也可謀求。
特徵抽出條件是有關特徵點抽出處理的條件,預先被準備複數個。而且,最適條件提示處理是包含:預先複數準備有關特徵點抽出處理的條件即特徵抽出條件,針對以在總括條件產生處理產生的全部的條件來攝取了相同的被照體之登錄畫像及識別畫像,利用以預先準備的複數的特徵抽出條件來實行特徵點抽出處理而取得的特徵點來對照時的對應點數成為最多的條件的組合提示之處理。若根據此,則使用者是除攝影對象條件及攝影機器條件的條件之外,還可簡單地取得與有關特徵點抽出處理的特徵抽出條件的組合之中最適的條件。藉此,可更減低調整攝影對象條件、攝影機器條件及特徵抽出條件的工夫。而且,可簡單地設定攝影對象條件、攝影機器條件及特徵抽出條件的最適的組合,因此可謀求識別性能的進一步的提升。
例如在工業製品的零件中,與人的臉或指紋不同,依照所欲對照識別的對象的種類或材質、加工方法,被顯現於其表面的模樣的特徵也各式各樣。因此,需要依照所欲識別的對象的種類來將用在對照識別的算法的參數調整成適當者。但,參數的項目有多數,使用者以手動來從其全部的組合之中尋找最適的組合是非常費工夫及時間。
於是,個體識別系統1是具備特徵點抽出處理部221及局部特徵量計算處理部222。又,個體識別系統1是更具備對照處理部262、參數組產生處理部324及參數組設定處理部325。對照處理部262是可實行對照處理,比較登錄畫像與識別畫像的局部特徵量,取得特徵點的對應點數而對照登錄畫像與識別畫像。參數組產生處理部324是可實行參數組產生處理,針對用以設定對照處理的條件之參數,組合被設定成預定的範圍內的設定值之各參數來產生複數的參數組。參數組設定處理部325是可實行根據使用者的操作來設定參數組的參數組設定處理。
對照處理是包含:利用在參數組產生處理產生的各參數組來實行對照處理之處理。而且,個體識別系統1是更具備對照結果顯示處理部333。對照結果顯示處理部333是可實行對照結果顯示處理,將利用各參數組來實行對照處理時的對照結果匯集而顯示於顯示裝置12。
若根據此,則參數的組合即參數組會自動產生,利用其各參數組來進行對照處理。因此,使用者不須手工作業作成參數的組合進行對照。而且,其對照結果是被彙整顯示於顯示裝置12。因此,使用者可藉由看被顯示於顯示裝置12的結果來確認各參數組的性能。然後,使用者是只要看被顯示於顯示裝置12的結果來選擇適當的參數組即可。藉此,不論所欲對照識別的對象的種類,可簡單地不費功夫精度佳調整用在對照識別的算法的參數。
對照結果顯示處理是包含:如圖22所示般,將利用各參數組來實行對照處理的對照結果圖表化而顯示的處理。容易視覺地且直覺地掌握複數的參數組之中性能佳者。藉此,可簡單地進行精度佳的參數的調整作業。
個體識別系統1是更具備評價用畫像登錄處理部232。評價用畫像登錄處理部232是可實行評價用畫像登錄處理,該評價用畫像登錄處理是以登錄畫像群及識別畫像作為對照處理的評價用的畫像,在互相建立關聯的狀態下登錄於評價用畫像登錄部242,該登錄畫像群是包含攝取了各個不同的被照體的複數的登錄畫像,該識別畫像是以和登錄畫像群之中的1個相同的被照體且不同的條件來攝影的識別畫像。
若根據此,則使用者在進行參數組的評價時,可不須逐一攝取畫像。其結果,可簡單地進行參數組的評價。又,若根據此,則攝取了相同的被照體的登錄畫像及識別畫像是在互相建立關聯的狀態下被登錄。因此,在利用登錄畫像及識別畫像來實行對照處理時,可事前分明登錄畫像與識別畫像的對應關係,亦即攝取了相同的被照體者或攝取了不同的被照體者。因此,藉由利用對應關係分明的畫像,可明確在其對照處理中取得的結果,使用者可容易評價用在對照處理的參數組。
亦即,若利用攝取了相同的被照體的登錄畫像及識別畫像來實行對照處理時對應點數多,且利用攝取了不同的被照體的登錄畫像及識別畫像來實行對照處理時對應點數少,則使用者可評價成用在該對照處理的參數組的性能高。相反的,若利用攝取了相同的被照體的登錄畫像及識別畫像來實行對照處理時對應點數少,或利用攝取了不同的被照體的登錄畫像及識別畫像來實行對照處理時對應點數少,則使用者可評價成用在該對照處理的參數組的性能低。
對照處理是包含:對照在登錄畫像群中所含的1個以上的登錄畫像與識別畫像之處理。而且,對照結果顯示處理是包含:如圖23所示般,將根據在對照處理計算的對應點數之對應點數評價資訊顯示於顯示裝置12的處理。若根據此,則使用者藉由看被顯示於顯示裝置12的對應點數評價資訊,可簡單地評價該參數組的性能。藉此,使用者可按照所欲對照識別的對象的種類來選擇適當的參數組。其結果,不管是怎樣的種類的對象也可發揮高的對照識別性能。
個體識別裝置20是更具備特徵抽出條件調整處理部321。特徵抽出條件調整處理部321是可實行特徵抽出條件調整處理。特徵抽出條件調整處理是包含計算正對應點數的處理,該正對應點數是被照體的識別畫像與登錄畫像群之中攝取了和識別畫像的被照體相同的被照體的登錄畫像的對應點數。進一步,特徵抽出條件調整處理是包含計算負對應點數的處理,該負對應點數是被照體的識別畫像與登錄畫像群之中攝取了和識別畫像的被照體不同的被照體的登錄畫像與識別畫像的對應點數。而且,特徵抽出條件調整處理是包含:針對局部特徵量計算處理所致的特徵抽出條件,調整正對應點數與負對應點數的比能成為最大的處理。
此情況,特徵抽出條件調整處理部321是以正對應點數與負對應點數的比成為最大的方式,尋找正對應點數多且負對應點數少的特徵抽出條件。所謂正對應點數多,是意思攝取了相同的被照體的畫像間的對應點數多。這是意思在拍攝了相同的被照體的畫像間的對照處理中,識別成畫像中所含的被照體為相同者的可能性高,亦即拍攝了相同的被照體的畫像間的識別性能高。又,所謂負對應點數少,是意思拍攝了不同的被照體的畫像間的對應點數少。這是意思在拍攝了不同的被照體的畫像間的對照處理中,識別成畫像中所含的被照體為不同者的可能性高,亦即拍攝了不同的被照體的畫像間的識別性能高。
如此,特徵抽出條件調整處理部321是自動調整特徵抽出條件,使拍攝了相同的被照體的畫像間及拍攝了不同的被照體的畫像間的對照識別性能變高,藉此可邊取得高的對照識別性能,邊省去花在調整的使用者的工夫。
個體識別系統1是具備局部特徵量群分類處理部223及廣域特徵量計算處理部224。而且,個體識別系統1是更具備廣域特徵量相關係數計算處理部323。廣域特徵量相關係數計算處理部323可實行廣域特徵量相關係數計算處理,比較各登錄畫像的廣域特徵量與識別畫像的廣域特徵量,計算表示其相關關係的廣域特徵量相關係數。而且,對照結果顯示處理是包含:將根據廣域特徵量相關係數的資訊顯示於顯示裝置12之處理。
廣域特徵量相關係數是成為表示登錄畫像與識別畫像的廣域特徵量的一致度亦即性能的1個的指標。藉由在顯示裝置12顯示根據廣域特徵量相關係數的資訊,使用者可容易掌握廣域特徵量的性能。因此,使用者可在顯示裝置12以根據廣域特徵量相關係數的資訊作為1個目標進行各種條件或參數的調整作業,所以作業變更容易。
個體識別系統1是更具備廣域特徵量字典登錄部245及廣域特徵量字典設定處理部322。廣域特徵量字典設定處理部322是可實行廣域特徵量字典設定處理。廣域特徵量字典設定處理是包含:選擇被登錄於廣域特徵量字典登錄部245的複數的廣域特徵量字典之中,可根據廣域特徵量相關係數,將被照體的識別畫像與攝取了和識別畫像的被照體相同的被照體的登錄畫像判斷成相同,將被照體的識別畫像與攝取了和識別畫像的被照體不同的被照體的登錄畫像判斷成不相同的廣域特徵量字典之處理。進一步,廣域特徵量字典設定處理是包含:將選擇的廣域特徵量字典設定成用在局部特徵量群分類處理的廣域特徵量字典之處理。
廣域特徵量相關係數是如上述般,成為表示登錄畫像與識別畫像的廣域特徵量的一致度的1個的指標。意思2個的畫像間的廣域特徵量的相關性越大,在兩者的畫像含有相同的被照體的可能性越高。因此,攝取了相同的被照體的畫像間的廣域特徵量的相關性大,是意思針對攝取了該相同的被照體的2個的畫像計算的廣域特徵量的一致度高。亦即,這是意思在攝取了相同的被照體的畫像間其廣域特徵量字典的性能高。
另一方面,2個的畫像間的廣域特徵量的相關性越小,在兩者的畫像中所含的被照體不同的可能性越高。因此,攝取了不同的被照體的畫像間的廣域特徵量的相關性小,是意思針對攝取了該不同的被照體的畫像,使用其廣域特徵量字典來計算的廣域特徵量的一致度低。亦即,這是意思在攝取了不同的被照體的畫像間其廣域特徵量字典的性能高。
若根據本構成,則可藉由廣域特徵量字典設定處理來自動設定在拍攝了相同的被照體的畫像間的性能高,且在拍攝了不同的被照體的畫像間的性能也高的廣域特徵量字典。因此,省去使用者的調整的工夫,且可取得高的對照識別性能。
廣域特徵量字典設定處理是亦可包括:當2個的廣域特徵量為向量時,分別將絕對值正規化成1,取內積的值,針對該內積的值接近1者判斷成同一性高的處理。又,廣域特徵量字典設定處理是亦可包括:針對該內積的值接近-1者判斷成同一性低的處理。又,廣域特徵量相關係數是可設為2個的廣域特徵量的向量間的距離的值。此情況,廣域特徵量字典設定處理是包括:若2個的廣域特徵量的向量間的距離的值接近0,則判斷成同一性高的處理。又,廣域特徵量字典設定處理是包括:當2個的廣域特徵量的向量間的距離的值大時則判斷成同一性低的處理。若根據該等的構成,則可定量地評價廣域特徵量字典的性能。
個體識別系統1是具備:具有畫像取得處理部212、特徵點抽出處理部221及特定處理部2612的個體識別裝置20。而且,個體識別系統1是除了個體識別裝置20以外,還具備可視化裝置33、攝影條件調整裝置31及對照識別條件調整裝置32之中至少2個的裝置。
可視化裝置33是具有特徵點顯示處理部331。特徵點顯示處理部331是可實行特徵點顯示處理,將藉由特徵點抽出處理所抽出的特徵點重疊於被照體的畫像而顯示於顯示裝置12。
攝影條件調整裝置31是比較預先被登錄的複數的登錄畫像之中攝取了相同的被照體的登錄畫像與識別畫像的局部特徵量,取得特徵點的對應點數,使對照登錄畫像與識別畫像的對照處理實行於個體識別裝置20。攝影條件調整裝置31是具有攝影對象條件調整處理部312及攝影機器條件調整處理部311。攝影對象條件調整處理部312是可實行調整關於攝影對象的條件即攝影對象條件的攝影對象條件調整處理。攝影機器條件調整處理部311是可實行調整關於攝影機器10的條件即攝影機器條件的攝影機器條件調整處理。
對照識別條件調整裝置32是具有參數組產生處理部324及參數組設定處理部325。參數組產生處理部324是可實行參數組產生處理,針對用以設定對照處理的條件的參數,組合被設定成預定的範圍內的設定值的各參數來產生複數的參數組。參數組設定處理部325是可根據使用者的操作來實行設定參數組的參數設定處理。而且,對照識別條件調整裝置32是使利用在參數組產生處理產生的各參數組來使對照處理的處理實行於對照處理部262。而且,對照識別條件調整裝置32是更具有可實行對照結果顯示處理的對照結果顯示處理部333,利用參數組來彙整對照處理的對照結果而顯示於顯示裝置12。
藉由個體識別系統1具備可視化裝置33,在特徵點抽出處理抽出的特徵點會被重疊於被照體的畫像而顯示於顯示裝置12。因此,使用者可目視確認畫像之中的何處作為特徵點被抽出。然後,使用者可邊確認被抽出的特徵點的位置,邊設定各種條件或參數,亦即進行調諧,可針對即使在製造工程也表面模樣不易變化之處重點地抽出特徵點。其結果,即使是實施在製造工程途中表面模樣變化的加工之類者,亦即在畫像的登錄時及識別時表面模樣變化的情況,也可取得能精度佳識別的良好效果。
藉由個體識別系統1具備攝影條件調整裝置31,使用者可操作攝影對象條件調整處理部312及攝影機器條件調整處理部311來調整適於特徵點的抽出及局部特徵量的計算之攝影對象條件及攝影機器條件。因此,藉由設定對應於環境的變化之適當的條件,可使干擾的影響減低,可使作為特徵的模樣適當地浮起。其結果,可取得能使識別精度提升這樣的良好效果。
藉由個體識別系統1具備對照識別條件調整裝置32,使用者不須手工作業作成參數的組合進行對照。而且,其對照結果是被彙整顯示於顯示裝置12。因此,使用者可藉由看被顯示於顯示裝置12的結果來確認各參數組的性能。然後,使用者是只要看被顯示於顯示裝置12的結果來選擇適當的參數組即可。藉此,可取得不論所欲對照識別的對象的種類,可簡單地不費功夫精度佳調整用在對照識別的算法的參數之良好的效果。
而且,個體識別系統1是藉由同時具備可視化裝置33、攝影條件調整裝置31及對照識別條件調整裝置32的其中至少2個的裝置,可同時取得2個以上上述的各裝置的良好的效果。藉此,可對應於識別對象的表面模樣的變化,或不易受到干擾的影響,或減低花在條件或參數的調整之使用者工夫而可提高精度的條件或參數的精度,其結果,可提高對照識別的性能。
個體識別系統1是具備可視化裝置33、攝影條件調整裝置31及對照識別條件調整裝置32。若根據此,則藉由全部同時具備可視化裝置33、攝影條件調整裝置31及對照識別條件調整裝置32,可全部同時取得上述的各裝置的良好的效果。亦即,若根據此個體識別系統1,則可對應於識別對象的表面形狀的變化,可進行不易受到干擾的影響之調整,進一步可減低花在條件或參數的調整之使用者工夫。
檢索處理部261是更具有可實行鎖定處理的鎖定處理部2611。鎖定處理是從被登錄於檢索對象畫像登錄部241的複數的登錄畫像之中鎖定具有與識別畫像所具有的廣域特徵量的相關性高的廣域特徵量之預定數的登錄畫像作為特定處理候補之處理。
若根據此,則檢索處理是可藉由實行:以廣域特徵量來鎖定的鎖定處理,及以局部特徵量來特定的特定處理之2階段的處理,實現高速的檢索。其結果,若根據本構成的個體識別系統1,則其結果,可實現對照識別性能高且高速的檢索。
本案是準照實施例敘述,但本案不是被限定於該實施例或構造者。本案還包含各種的變形例或均等範圍內的變形。加上,各種的組合或形態、進一步包含該等僅一要素或以上或以下的其他的組合或形態也進入本案的範疇或思想範圍。
本案記載的控制部及其手法是亦可藉由被程式化成實行藉由電腦程式來具體化的一個乃至複數的機能之構成處理器及記憶體而提供的專用電腦所實現。或,本案記載的控制部及其手法是亦可藉由一個以上的專用硬體邏輯電路來構成處理器而提供的專用電腦所實現。或,本案記載的控制部及其手法是亦可藉由被程式化成實行一個乃至複數的機能之處理器及記憶體與藉由一個以上的硬體邏輯電路來構成的處理器的組合而構成的一個以上的專用電腦所實現。又,電腦程式是亦可作為藉由電腦來實行的指令,被記憶於電腦可讀取的非遷移有形記錄媒體。
1:個體識別系統
10,10a,10b:攝影機器
212:畫像取得處理部
221:特徵點抽出處理部
222:局部特徵量計算處理部
311:攝影機器條件調整處理部
312:攝影對象條件調整處理部
313:總括條件產生處理部
314:最適條件提示處理部
[圖1]是表示根據一實施形態的個體識別系統的概略構成之一例的方塊圖。
[圖2]是表示根據一實施形態的個體識別系統所具備的攝影裝置的概略構成之一例的方塊圖。
[圖3]是表示根據一實施形態的個體識別系統所具備的特徵抽出裝置的概略構成之一例的方塊圖。
[圖4]是表示根據一實施形態的個體識別系統所具備的登錄處理裝置的概略構成之一例的方塊圖。
[圖5]是表示根據一實施形態的個體識別系統所具備的記錄裝置的概略構成之一例的方塊圖。
[圖6]是表示根據一實施形態的個體識別系統所具備的字典裝置的概略構成之一例的方塊圖。
[圖7]是表示根據一實施形態的個體識別系統所具備的畫像對照識別裝置的概略構成之一例的方塊圖。
[圖8]是表示根據一實施形態的個體識別系統所具備的攝影條件調整裝置的概略構成之一例的方塊圖。
[圖9]是表示根據一實施形態的個體識別系統所具備的對照識別條件調整裝置的概略構成之一例的方塊圖。
[圖10]是表示根據一實施形態的個體識別系統所具備的可視化裝置的概略構成之一例的方塊圖。
[圖11]是表示在根據一實施形態的個體識別系統中特徵點抽出處理的實行結果之一例的圖(其1)。
[圖12]是表示在根據一實施形態的個體識別系統中特徵點抽出處理的實行結果之一例的圖(其2)。
[圖13]是概念性地表示在根據一實施形態的個體識別系統中從局部特徵量計算廣域特徵量的手法之一例的圖。
[圖14]是概念性地表示在根據一實施形態的個體識別系統中廣域特徵量字典的產生方法之一例的圖。
[圖15]是概念性地表示在根據一實施形態的個體識別系統中使用廣域特徵量的鎖定處理之一例的圖。
[圖16]是概念性地表示在根據一實施形態的個體識別系統中使用局部特徵量的特定處理之一例的圖。
[圖17]是表示在根據一實施形態的個體識別系統中參數組之一例的圖。
[圖18]是概念性地表示在根據一實施形態的個體識別系統中正對應點數與負對應點數之一例的圖。
[圖19]是表示在根據一實施形態的個體識別系統中在總括條件產生處理產生的條件的組合之一例的圖。
[圖20]是表示在根據一實施形態的個體識別系統中在最適條件提示處理產生的曲線圖之一例的圖。
[圖21]是表示在根據一實施形態的個體識別系統中以特徵點顯示處理顯示於顯示裝置的顯示內容之一例的圖。
[圖22]是表示在根據一實施形態的個體識別系統中以對照結果顯示處理顯示於顯示裝置的顯示內容之一例的圖(其1)。
[圖23]是表示在根據一實施形態的個體識別系統中以對照結果顯示處理顯示於顯示裝置的顯示內容之一例的圖(其2)。
31:攝影條件調整裝置
311:攝影機器條件調整處理部
312:攝影對象條件調整處理部
313:總括條件產生處理部
314:最適條件提示處理部
Claims (4)
- 一種個體識別系統(1),其特徵係具備: 畫像取得處理部(212),其係可實行畫像取得處理,取得藉由登錄側及識別側的攝影機器(10a、10b)所攝影的識別對象的畫像,分別作為登錄畫像及識別畫像; 特徵點抽出處理部(221),其係可實行特徵點抽出處理,抽出在前述畫像取得處理取得的前述登錄畫像及前述識別畫像中所含的特徵點; 局部特徵量計算處理部(222),其係可實行局部特徵量計算處理,計算在前述特徵點抽出處理被抽出的前述特徵點的局部特徵量; 攝影對象條件調整處理部(312),其係可實行攝影對象條件調整處理,調整關於攝影對象的條件即攝影對象條件;及 攝影機器條件調整處理部(311),其係可實行攝影機器條件調整處理,調整關於前述攝影機器的條件即攝影機器條件。
- 如請求項1記載的個體識別系統,其中,更具備總括條件產生處理部(313),可實行總括條件產生處理,總括產生預先被設定的範圍內的前述攝影對象條件與預先被設定的範圍內的前述攝影機器條件的組合, 前述畫像取得處理係包含:取得以在前述總括條件產生處理產生的全部的條件所攝影的前述登錄畫像及前述識別畫像的處理。
- 如請求項2記載的個體識別系統,其中,更具備最適條件提示處理部(314),可實行最適條件提示處理,以在前述總括條件產生處理產生的全部的條件所攝影的前述登錄畫像及前述識別畫像之中,對照攝取了相同的被照體的前述登錄畫像與前述識別畫像而得到對應點數多的前述攝影對象條件與前述攝影機器條件的組合作為最適條件提示。
- 如請求項3記載的個體識別系統,其中,特徵抽出條件係關於前述特徵點抽出處理的條件,預先被準備複數個, 前述最適條件提示處理,係包含:針對以在前述總括條件產生處理產生的全部的條件來攝取了相同的被照體的前述登錄畫像及前述識別畫像,利用以預先準備的複數的前述特徵抽出條件來實行前述特徵點抽出處理而取得的前述特徵點來對照時的前述對應點數成為最多的條件的組合提示之處理。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-080321 | 2020-04-30 | ||
JP2020080321A JP7377161B2 (ja) | 2020-04-30 | 2020-04-30 | 個体識別システム |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202205146A true TW202205146A (zh) | 2022-02-01 |
Family
ID=78279744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110115473A TW202205146A (zh) | 2020-04-30 | 2021-04-29 | 個體識別系統 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP7377161B2 (zh) |
TW (1) | TW202205146A (zh) |
WO (1) | WO2021220826A1 (zh) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6741205B2 (ja) * | 2017-03-28 | 2020-08-19 | 日本電気株式会社 | 個体識別装置 |
-
2020
- 2020-04-30 JP JP2020080321A patent/JP7377161B2/ja active Active
-
2021
- 2021-04-15 WO PCT/JP2021/015593 patent/WO2021220826A1/ja active Application Filing
- 2021-04-29 TW TW110115473A patent/TW202205146A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
JP7377161B2 (ja) | 2023-11-09 |
JP2021174440A (ja) | 2021-11-01 |
WO2021220826A1 (ja) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6544900B2 (ja) | オブジェクト識別装置、オブジェクト識別方法及びプログラム | |
JP6632288B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
US20230049798A1 (en) | Individual object identification system, individual object identification program, and recording medium | |
CN113111844B (zh) | 一种作业姿态评估方法、装置、本地终端及可读存储介质 | |
JP4202271B2 (ja) | パターンの比較 | |
JP2015187759A (ja) | 画像検索装置、画像検索方法 | |
US10891740B2 (en) | Moving object tracking apparatus, moving object tracking method, and computer program product | |
WO2015064292A1 (ja) | 画像の特徴量に関する処理システム、処理方法及びプログラム | |
JPWO2020071234A1 (ja) | 画像処理装置、画像処理方法、外観検査システムおよびコンピュータプログラム | |
JP5791361B2 (ja) | パターン識別装置、パターン識別方法およびプログラム | |
TW202205146A (zh) | 個體識別系統 | |
TW202201271A (zh) | 個體識別系統 | |
TW202211158A (zh) | 個體識別系統 | |
JP7377162B2 (ja) | 個体識別システム | |
Gupta et al. | HaarCascade and LBPH Algorithms in Face Recognition Analysis | |
JP6855175B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
WO2015136716A1 (ja) | 画像処理装置、画像センサ、画像処理方法 | |
JP7337541B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
Rao et al. | Alpha trimmed correlation for touchless finger image mosaicing | |
Lakshmi et al. | Sketch-Based Face Recognition Using Deep Neural Network for Criminal Investigation | |
JP2014142213A (ja) | 撮影パラメータ決定装置及びその制御方法 | |
JP2019046184A (ja) | 画像処理装置、訓練画像処理装置、画像識別装置、訓練画像処理方法、画像識別方法、及びプログラム | |
CN117474916B (zh) | 一种图像检测方法、电子设备及存储介质 | |
Singh et al. | Similarity Measure of Images using SIFT and ORB Feature Matching | |
Salvador et al. | Computer vision applications: home, Office and Industry |