WO2004081872A1

WO2004081872A1 - データ分析装置およびデータ認識装置

Info

Publication number: WO2004081872A1
Application number: PCT/JP2004/002526
Authority: WO
Inventors: Tadahiro Ohmi; Koji Kotani; Feifei Lee
Original assignee: Tadahiro Ohmi; Koji Kotani; Feifei Lee
Priority date: 2003-03-11
Filing date: 2004-03-02
Publication date: 2004-09-23
Also published as: JP2004272801A; US20060088212A1; JP4439829B2; US7436999B2

Abstract

データ分析装置１００は、画像に対して、画像上の任意の一点と第一の方向における前記任意の一点の近傍の点との輝度値の差分を前記任意の一点の第一の輝度差分とし、前記任意の一点と第二の方向における前記任意の一点の近傍の点との輝度値の差分を前記任意の一点の第二の輝度差分とする計算を、前記画像上の複数点について行う差分計算手段（Ｓ２）と、上記差分計算手段により前記画像上の複数点の各々について得られた第一の輝度差分と第二の輝度差分で構成されるベクトルを所定の領域分割方法により分割された複数領域（図４の量子化テーブルの指数０～４９にて表わされる領域）の一領域に量子化し、前記複数領域の各領域に量子化されたベクトル数をその領域の頻度として、前記複数領域の頻度分布を生成する頻度分布生成手段（Ｓ３～Ｓ５）とを備える。

Description

明細書デ一夕分析装置およびデ一タ認識装置技術分野

本発明は、画像データを分析するデータ分析装置に関する。本発明は、また、そのデータ分析装置を用いたデ一夕認識装置に関し、特に、顔などの画像認識装置として有効なデー夕認識装置に関する。背景技術

最近、顔、音声、指紋、虹彩パターンなどのような、個人の生物測定学的な特徴を利用する個人の識別/認証システムが注目を集めている。それらの中で、顔認識は、それが、人間が行うのと同じであり、特別の設備を使用する必要がないので、人を識別する最も自然で最も有効である方法であると考えられる。顔認識では、個人の顔の特徴抽出が、より効果的なシステムの作成の鍵である。多くの特徴抽出技術が提案されたが、これらの技術はかなり複雑であり、リアルタイムの顔認識へそれらを適用することは困難である。

最近、非常に簡便で、高度に信頼できるベクトル量子化（VQ) アルゴリズムに基づいた顔認識方法が提案された（下記の非特許文献 1参照)。

下記の特許文献 1及び特許文献 2にも同様のデータ認識装置が開示されている。非特許文献 1 ： K. Kotani, C. Qiu, and T.Ohmi, "Face Recognition Using Ve ctor Quantization Histogram Method, " Proc.2002 Int. Conf. on Image Proces sing, Vol. II of III， pp. II— 105— II— 108, 2002.

特許文献 1 : 特開 2000— 101437号公報。

特許文献 2 ：特開 2002—203241号公報

前記の顔認識方法は、顔画像の VQ処理によって得られたコードべクトル毎の使用頻度から生成されたヒストグラムが非常に有効な個人の特徴抽出手法として利用された。顔画像に適切なフィルタ処理および V Q処理を適用することによって、顔認識に有用な特徴を抽出することができる。 AT&Tの顔のデータ ·ベースでテストした実験結果は、 9 5 . 6 %の認識率を示した。 1 . 1 GH zのパーソナルコンピュー夕を使用したとき、一つの画像のための処理時間は、 1 9 4ミリ秒である。 V Qヒストグラム法はそれ以前の顔認識方法よりはるかに簡便でより速いが、それはビデオレート（動画像は一秒間に 3 0フレームであり、ビデオレートとは 1フレーム分の 3 3ミリ秒程度の画像認識速度をいう。）認識などの高速データ認識への適用に十分ではない。発明の開示

それ故、本発明の目的は、高い処理速度を達成するデータ分析装置及びそのデー夕分析装置を用いたデータ認識装置を提供し、高速デ一夕認識を可能とすることにある。

本発明によるデータ分析装置及びデータ認識装置は、以下のとおりである。

( 1 ) 画像に対して、画像上の任意の一点と第一の方向における前記任意の一点の近傍の点との輝度値の差分を前記任意の一点の第一の輝度差分とし、前記任意の一点と、前記第一の方向とは異なる第二の方向における前記任意の一点の近傍の点との輝度値の差分を前記任意の一点の第二の輝度差分とする計算を、前記画像上の複数点について行う差分計算手段と、

上記差分計算手段により前記画像上の複数点の各々について得られた第一の輝度差分と第二の輝度差分で構成されるべクトルを所定の領域分割方法により分割された複数領域の一領域に割り当て、前記複数領域の各領域に割当てられたべクトル数をその領域の頻度として、前記複数領域の頻度分布を生成する頻度分布生成手段とを備えたことを特徴とするデ一夕分析装置。

( 2 ) 上記（1 ) 項に記載のデータ分析装置において、前記頻度分布生成手段により生成される前記複数領域の頻度分布から、少なくとも一部分の領域に対する頻度分布を抽出して特徴データを生成することを特徴とするデータ分析装置。

( 3 ) 上記（1 ) 又は（2 ) 項に記載のデータ分析装置において、前記差分計算手段が前記画像に対して前記計算を行う前に、前記画像に対してフィルタ処理を施すことを特徴とするデータ分析装置。

( 4) 少なくとも一つ以上の画像に対する一つ以上の頻度分布の情報を記憶する頻度分布記憶手段と、

画像に対して、画像上の任意の一点と第一の方向における前記任意の一点の近傍の点との輝度値の差分を前記任意の一点の第一の輝度差分とし、前記任意の一点と、前記第一の方向とは異なる第二の方向における前記任意の一点の近傍の点との輝度値の差分を前記任意の一点の第二の輝度差分とする計算を、前記画像上の複数点について行う差分計算手段と、

上記差分計算手段により前記画像上の複数点の各々について得られた第一の輝度差分と第二の輝度差分で構成されるべクトルを所定の領域分割方法により分割された複数領域の一領域に割り当て、前記複数領域の各領域に割当てられたべク卜ル数をその領域の頻度として、前記複数領域の頻度分布を生成する頻度分布生成手段と、

前記頻度分布生成手段により生成された一つ以上の前記画像に関する頻度分布と上記頻度分布記憶手段内の頻度分布とを比較する比較手段とを備えたことを特徵とするデータ認識装置。

( 5 ) 上記（4 ) 項に記載のデータ認識装置において、上記比較手段は、上記頻度分布生成手段により生成された一つ以上の前記画像に関する頻度分布と上記頻度分布記憶手段内の頻度分布とを比較し、上記頻度分布記憶手段に記憶されている各頻度分布の中から、所定の比較関数によって特定される頻度分布を選び出すものであることを特徴とするデ一夕認識装置。

( 6 ) 上記（5 ) 項に記載のデータ認識装置において、上記頻度分布生成手段により生成された一つ以上の前記画像に関する頻度分布は、該頻度分布生成手段により生成される前記複数領域の頻度分布から、一部分の領域に対する頻度分布を抽出したものであることを特徴とするデータ認識装置。

( 7 ) 上記（4 ) 〜（6 ) 項のいずれかに記載のデータ認識装置において、前記差分計算手段が前記画像に対して前記計算を行う前に、前記画像に対してフィル夕処理を施すことを特徴とするデータ認識装置。

( 8 ) 入力される画像データに対してフィルタ処理を施すフィルタ手段と、上記フィル夕手段によりフィル夕処理の施された画像データに対して、画面上の任意の一点の X方向の輝度差分 dlxを前記任意の一点の輝度値と前記任意の一点の右側点又は左側点の輝度値との差とし、前記任意の一点の y方向の輝度差分 d lyを前記任意の一点の輝度値と前記任意の一点の下側点又は上側点の輝度値との差とする計算を、前記画面上の複数点について行う差分計算手段と、

上記差分計算手段により前記画面上の複数点の各々について得られた X方向の輝度差分と y方向の輝度差分で構成されるベクトルを所定の領域分割方法により分割された複数領域の一領域に割り当て、前記複数領域の各領域に割当てられたべクトル数をその領域の頻度として、前記複数領域の頻度分布を生成する頻度分布生成手段と、

少なくとも 1つ以上の頻度分布の情報を記憶する頻度分布記憶手段と、上記頻度分布生成手段により生成された上記入力される画像データに関する頻度分布と上記頻度分布記憶手段内の各頻度分布とを比較し、上記頻度分布記憶手段に記憶されている各頻度分布の中から、所定の比較関数によって特定される頻度分布を選び出す比較手段とを備えたことを特徴とするデータ認識装置。

( 9 ) 入力される画像データに対して複数フィル夕処理を施す複数フィルタ手段と、

上記複数フィル夕手段によりフィルタ処理の施された画像データに対して、画面上の任意の一点の X方向の輝度差分 dlxを前記任意の一点の輝度値と前記任意の一点の右側点又は左側点の輝度値との差とし、前記任意の一点の y方向の輝度差分 dl y を前記任意の一点の輝度値と前記任意の一点の下側点又は上側点の輝度値との差とする計算を、前記画面上の複数点について行う差分計算手段と、

上記差分計算手段により前記画面上の複数点の各々について得られた X方向の輝度差分と y方向の輝度差分で構成されるべクトルを所定の領域分割方法により分割された複数領域の一領域に割り当て、前記複数領域の各領域に割り当てられたべクトル数をその領域の頻度として、前記複数領域の頻度分布を生成する頻度分布生成手段と、

前記複数領域の頻度分布の情報を、複数組、記憶する頻度分布記憶手段と、上記頻度分布生成手段により生成された上記入力される画像データに関する頻度分布と上記頻度分布記憶手段内の各組の頻度分布とを比較し、上記頻度分布記憶手段に記憶されている各組の頻度分布の中から、所定の比較関数によって特定される 1組の頻度分布を選び出す比較手段とを備えたことを特徴とするデ一タ認識装置。

( 1 0 ) 上記（5 )、（6 )、（8 )、及び（9 ) 項のいずれかに記載のデータ認識装置において、上記比較手段による比較の結果、上記所定の比較関数によって選び出される頻度分布が上記頻度分布記憶手段内にない場合、上記頻度分布生成手段により生成された頻度分布を上記頻度分布記憶手段に登録する頻度分布登録手段を備えたことを特徴とするデータ認識装置。

本発明に従えば、高い処理速度を達成するデータ分析装置及びそのデータ分析装置を用いたデータ認識装置を得られ、高速デ一夕認識や瞬時のデー夕認識が可能となる。図面の簡単な説明

図 1は、本発明の一実施例によるデータ認識装置で用いる隣接ピクセル輝度差分量子化（A P I D Q)ヒストグラム法の認識処理ステップを示したフローチャート。、ある。

図 2は、本発明の一実施例による隣接ピクセル輝度差分計算の説明に使用する図である。

図 3は、本発明の一実施例の動作の説明に使用する図であり、（dlx, dly)べクトル分布の典型的な例を示した図である。

図 4は、本発明の一実施例の動作の説明に使用する図であり、 r一 0平面及び量子化テーブルを示した図である。

図 5は、本発明の一実施例で使用する、 A T &Tのデータ 'ベースの典型的な顔画像のサンプルを示した図である。

図 6は、本発明の一実施例の動作の説明に使用する図であり、ヒストグラムの典型的な例を示した図である。

図 7は、本発明の一実施例の効果の説明に使用する図であり、認識成功率 (Reco gni t ion success rate)をフィル夕 ·サイズの関数として示した図である。

図 8は、本発明の一実施例の効果の説明に使用する図であり、多数のフィル夕の使用によつて得られた認識結果を示した図である。発明を実施するための最良の形態

次に本発明の実施例について図面を参照して説明する。

本発明者等は、高速データ認識（例えばビデオレート顔認識）を可能とする、隣接ピクセル輝度差分量子化（AP I DQ:Adj cent Pixcel Intensity Difference Quantization)ヒストグラム法と呼ばれる新規で非常に簡便で効果的な高速データ認識方法を開発した。

図 1は、本発明の一実施例によるデ一夕認識装置で用いる隣接ピクセル輝度差分量子化（AP I DQ)ヒストグラム法の処理ステップを示している。

まず、図 1を参照して本発明の一実施例で用いる隣接ピクセル輝度差分量子化 (AP I DQ)ヒストグラム法を概略的に説明する。

図 1において、顔画像は、後述する口一パスフィルタリング (ステップ S 1) を受け、隣接ピクセル輝度差分が計算される（ステップ S 2)。

このステップ S 2において、入力画像中の各ピクセル (画素)位置では、 2次元べクトル (すなわち、水平方向において隣接したピクセル (画素) との輝度差分 (d Ix)および垂直方向において隣接したピクセル（画素）との輝度差分 (dly)から構成された輝度変化べクトル）が計算される。入力画像中の各ピクセル位置の 2次元べクトル（dlxおよび dlyから構成された輝度変化べクトル）は、輝度変化角度 (Θ) およびその量 (r) に関する情報を含んでいる。

画像中のすべてのピクセルに対して計算された輝度変化べクトルは、 r一 0平面にプロットされる（ステップ S 3 — r系への座標変換)）。

その後、各べクトルは、その Θ値および r値に関して量子化される (ステップ S 4)。 r一 Θ平面において各量子化された領域に含まれる要素の数を数えることによって、ヒストグラムを生成することができる（ステップ S 5)。顔画像に対して AP I DQによって得られたこのヒストグラムは、非常に有効な個人の特徴として利用される。

顔画像の前処理として適切な口一パスフィル夕と AP I DQを組み合わせることによって、顔認識のための有用な特徴を抽出することができる。

実験の結果は、公に利用可能な AT&T (American Telephone and Telegraph Company) 顔デ一夕 ·ベースから、 40人の 400の画像（ 1人当たり 10の画像）に対して 95. 7%の認識率を示す。量子化ステップでテーブル参照（TLU)法を利用することによって、トータルの認識処理時間は、わずかに 31ミリ秒であり、ビデオレ一トでの顔認識を可能にする。

次に、図 1の隣接ピクセル輝度差分量子化（A P I D Q)ヒストグラム法の各ステップについて詳細に説明する。

図 1に示した隣接ピクセル輝度差分量子化（AP I DQ)ヒストグラム法は、特徴抽出手続きを除いて VQヒストグラム法に非常に似ている。前者（VQヒストグラム）方法は、そのための VQ処理を利用する。 VQヒストグラム法は、 33の規則的なコードべクトルから構成された非常に基礎的なコードブックを使用しており、直流成分を除去した輝度変化画像プロックに VQ処理を適用した。これらは VQヒストグラム法の本質であるが、処理は単に、ブロックにおける輝度変化の方向および量を検出し量子化するだけである。 AP IDQは、同様の処理をより簡便に行うことができる。

図 1のステップ S 2について：

図 2に示されたように、 AP IDQにおいては、入力の顔画像の各ピクセルに対して、水平方向に隣接したピクセルとの輝度差分 (dlx)および垂直方向に隣接したピクセルとの輝度差分 (dly)が、次の簡便な減算演算を用いて最初に計算される。 dlx(i、 j)=I(i+l, j)-I(i, j)

dly(i、 j)=I(i, j + l)-I(i, j)

図 1のステップ S 3について：

計算された dlx,dlyのペアは、 dlx-dly平面において（0,0)を始点とする単一のべクトル (輝度変化べクトル) を表わす。入力画像中のピクセルをすベて処理した後に、輝度変化べクトルの終点は、図 3に示されるような dlx-dly平面に分布される。輝度変化べクトルの終点の分布 (密度と形）は、入力顔画像の特徴を表わす。直交座標から極座標に座標系を変換することによって、当該べクトルの角度 Θおよび距離 rは輝度変化の方向および量をそれぞれ表わす。

図 1のステップ S 4について：

それから、各輝度変化べクトルは r一 0平面において量子化される。量子化テーブルの一例は図 4の下方に示されている。量子化テーブル中の数 0〜4 9は、第 0 乃至第 4 9の量子化領域の指数（index numbers) をそれぞれ表わす。

例えば、図 4の上方に示された輝度変化ベクトルの 0は、 3兀/ 8と兀/ 8との間の領域にあり、その輝度変化ベクトルの rは内側から 3番目の領域（図 4の下方の量子ィ匕テーブルでは rが 2と 4との間の領域に対応する）にある。従って、この図 4の上方に示された輝度変化べクトルは、図 4の下方の量子化テーブルに基づいて、指数 1 0の量子化領域として量子化される。

図 1のステップ S 5について：

各量子化領域に量子化されたベクトルの数は、カウントされる。カウント数は、横軸を量子化領域の指数 0〜4 9として生成されるヒストグラム（後に図 6として図示) の頻度として棒状に表示される。例えば、図 4の上方に図示のべクトルは、ヒストグラムにおける指数 1 0の 1頻度を構成することになる。このヒストグラムは人間の顔の特徴べクトルになる。

図 1のステップ S 6について：

登録ステツプ S 6では、このヒストグラムが個人の識別情報としてデータ'ベース 1 0に保存される。

図 1のステップ S 7及び S 8について：

認識ステップ S 7では..未知の入力顔画像からヒストグラムが作られ、登録された個人ヒストグラムに比較され、最も良くマッチしたものがデータ 'ベースマッチング S 8の認識結果として出力される。ヒストグラム間のマンハッタン距離（MD) がマツチングの度合いを示すものの一例として使用される。

図 1のステップ S 1に戻って、 A P I D Qの前に、口一パスフィルタリングが、簡便な 2次元移動平均フィル夕 (moving average f i l ter) を使用して、まず行われることに注意する。このローパスフィルタリングは、高周波ノイズの減少および認識のための最も有効な低周波コンポ一ネントの抽出にとつて不可欠である。認識アルゴリズムが非常に簡便で、開発された顔の特徴抽出方法が、従来の認識方法とは全く異なるので、単独で用いるだけでなく、最小の追加コストで、認識精度を増加させる形で、従来方法と組み合わせることが容易であり、また、非常に有効である。次に、本発明を用いた顔認識実験の結果について説明する。

公に利用可能な AT&T顔データ ·ベースを認識実験のために使用した。各人が、顔の角度、顔の表情、および照明条件で変化を持たせた、 10の顔画像を持った 4 0人の合計 400の画像が、データ ·ベースに含まれてる。各画像は、 92X 1 1 2の解像度を持っている。図 5は、 AT&Tのデータ 'ベースの典型的な画像のサンプルを示している。各人の 10の画像から、 5つの画像が評価入力画像として選択され、残りの 5つは、データべ一ス登録画像として登録された。認識実験は、口一テーシヨン法を使用して、 252 (=₁₀C₅) 回の評価入力画像—データベース登録画像の組合せに対して、実行された。

次に、本発明による認識パフォーマンスについて説明する。

図 6は、ヒストグラムの典型的な例を示す。別人のヒストグラムは明らかに異なる。しかしながら、同一人物の異なる画像のヒストグラムは、詳細には小さな違いがあるが、多くの場合類似している。 AP I DQによって得られたヒストグラムが人を識別するための非常に有効な個人の特徴であると言える。

認識結果を図 7に示す。図 7において、認識率はフィルタ ·サイズの関数として示されている。フィル夕 ·サイズは、平均値フィルタのコア（averaging filter c ore)のサイズを表わす。 F 3のサイズは、例えば、 3 X 3フィルタコアのサイズを表わす。 "Max"、 "M i n"、および " Ave" は、 252 (=₁₀C₅) 回の評価入力画像一データベース登録画像の組合せに対する最良の場合の結果、最悪の場合の結果、および平均結果を、それぞれ表わす。認識率は、 F 3から F 19までのフィルタ ·サイズに対しては、ほとんど一定であり、 95. 7%という最も高い平均認識率が得られる。これは、同じ条件下での VQヒストグラム法 (95. 6%) の場合とほとんど同じである。認識パフォーマンスを下げる、例えば、しわ、局部的なヘアスタイル、画像取得条件、および時間経過による、詳細な顔の特徴は、ローパスフィル夕の適用によって、除外される。顔の大まかな形状のような、重要な各人の顔の特徴だけが抽出される。更に、 AP IDQ処理は、照明条件によって変化するピクセル輝度の d c成分を効果的に除外することができる。これらの 2つの効果の組合せによって、顔認識のために最も重要な情報を効果的に抽出することがでさる。上述したように、 AP ID Qを使用した顔の特徴抽出に、口一パス'フィルタリングは非常に有効である。異なるサイズのフィル夕の使用により異なる特徴を抽出することができることを期待することができる。したがって、より強力な個人の特徴情報は、多数のフィル夕 ·サイズを使用した多数の認識結果を組み合わせることにより得ることができる。実際上、異なるサイズのフィル夕での認識結果（類似性スコア）は最初に別々に得られ、次に、平均（averaging)により組み合わせられた。図 8は、多数の (multiple)フィル夕の使用により得られた認識結果を示している。ここで、 F 3、 F 5、 F 17、および F23が、 3X3、 5X 5、 17 X 17、および 23 X 23のフィル夕 ·サイズをそれぞれ表わしている。多数のフィルタの使用によって、認識率は、 2%増加し、約 98 %の平均認識率となる。

次に、本発明における認識スピードについて説明する。

認識アルゴリズムは、 ANS I Cを使用してプログラムされ、かつ、 PC (AM D A t h r o n 1. 1 GHz)上で実行された。 r一 Θ座標における量子化は、簡単な条件付き分岐 (" i f " ステートメント）を介して実施される。 AT&Tデ一夕 ·ベース中の一つの画像に対する処理時間は、 37ミリ秒（ローパス ·フィル夕リングのために 15ミリ秒、 AP I DQ処理のために 7ミリ秒、およびデ一夕 · ベースマッチングのために 15ミリ秒）であった。 VQヒストグラム法の VQ処理時間と比較して、 AP I DQによって行われた顔の特徴抽出の処理時間は 164 ミリ秒（VQ) から 7ミリ秒（AP I DQ) に減らされた。処理時間の大幅な短縮が達成された。更に、量子化に使用された簡単な条件付き分岐（" i f" ステートメン卜) が、計算速度にはそれほど有効でないので、 " i f " ステートメントの代りに、テーブル参照（TLU) 法を使用することを試みた。 TLUが r一ドメインに適用される場合、 A P I DQ処理時間は、 7ミリ秒から 5ミリ秒に減じられた。更に、 TLUは直接 dlx- dly ドメインに適用され得る。その場合、 AP I DQは、 1ミリ秒以内になされ得て、トータル認識時間は 31ミリ秒になる。顔検出処理ステツプは含まれないが、ビデオレートでの顔認識が可能になる。

以上説明したように、本発明は、 AP I DQヒストグラム法と呼ばれる非常に速く高信頼性の顔認識方法を提供することができた。その顔認識方法は、適切なフィル夕リング、輝度変化方向および量の量子化、およびヒストグラム生成および分析に基づく。 9 5 . 7 %の認識率という大きな優れた顔認識パフォ一マンスが、公に利用可能な AT &T顔データ ·ベースの使用により確認された。

dlx-dlyドメインにテーブル参照（T L U) 法を直接利用することによって、ト一タルの認識処理時間は、わずか 3 1ミリ秒であり、ビデオレートでの顔認識を可能にする。

図 1をまとめると、本発明の一実施例によるデータ認識装置は、以下のデータ分析装置 1 0 0を備えたものと考えることができる。

すなわち、データ分析装置 1 0 0は、

画像に対して、画像上の任意の一点と第一の方向における前記任意の一点の近傍の点との輝度値の差分を前記任意の一点の第一の輝度差分（dlx)とし、前記任意の一点と、前記第一の方向とは異なる（例えば、前記第一の方向に直交する）第二の方向における前記任意の一点の近傍の点との輝度値の差分を前記任意の一点の第二の輝度差分 (dly)とする計算を、前記画像上の複数点について行う差分計算手段 (図 1の S 2 ) と、

上記差分計算手段により前記画像上の複数点の各々について得られた第一の輝度差分と第二の輝度差分で構成されるべクトル（輝度変化べクトル）を所定の領域分割方法により分割された複数領域（図 4の量子化テーブルの指数 0〜 4 9にて表わされる領域）の一領域に割り当て、前記複数領域の各領域に割り当てられたべクトル数をその領域の頻度として、前記複数領域の頻度分布を生成する頻度分布生成手段 (図 1の S 3〜S 5 ) とを備えている。

ここで、所定の領域分割方法は、上記実施例で用いた、輝度変化ベクトルを S— r 系への座標変換により r一 0平面の複数領域の一領域に割り当てる方法に限定されるものではなく、この所定の領域分割方法として他の領域分割方法を用いても良い。

また、上記差分計算手段は、画像データに対して、画面上の任意の一点の X方向の輝度差分 dlx を前記任意の一点の輝度値と前記任意の一点の右側点（又は左側点）の輝度値との差とし、前記任意の一点の y方向の輝度差分 dlyを前記任意の一点の輝度値と前記任意の一点の下側点（又は上側点）の輝度値との差とする計算を、前記画面上の複数点について行うものであって良い。なお、このデータ分析装置 1 0 0において、前記頻度分布生成手段により生成される前記複数領域の頻度分布から、少なくとも一部分の領域に対する頻度分布を抽出して特徴デ一タを生成するようにしても良い。

本発明の一実施例によるデータ認識装置は、上記データ分析装置 1 0 0に加えて、以下の手段を備えているものと考えることができる。

すなわち、デ一夕認識装置は、

少なくとも一つ以上の画像に対する一つ以上の頻度分布の情報を記憶する頻度分布記憶手段（図 1のデータ ·ベース 1 0 ) と、

前記頻度分布生成手段により生成された一つ以上の前記画像に関する頻度分布と上記頻度分布記憶手段内の頻度分布とを比較する比較手段（図 1の S 8 ) とを備えている。

好ましくは、上記比較手段は、上記頻度分布生成手段により生成された一つ以上の前記画像に関する頻度分布と上記頻度分布記憶手段内の頻度分布とを比較し、上記頻度分布記憶手段に記憶されている各頻度分布の中から、所定の比較関数によつて特定される頻度分布を選び出すものである。

なお、このデータ認識装置において、上記頻度分布生成手段により生成された一つ以上の前記画像に関する頻度分布は、該頻度分布生成手段により生成される前記複数領域の頻度分布から、一部分の領域に対する頻度分布を抽出したものであっても良い。

なお、データ認識装置は、上記比較手段（図 1の S 8 ) による比較の結果、上記所定の比較関数によって選び出される頻度分布が上記頻度分布記憶手段内にない場合、上記頻度分布生成手段により生成された頻度分布を上記頻度分布記憶手段に登録する頻度分布登録手段 (図 1の S 6 ) を備え手も良い。

また、データ認識装置は、入力される画像データに対してフィルタ処理を施すフィルタ手段（図 1の S 1 ) を、更に備え、前記差分計算手段は、このフィル夕手段によりフィルタ処理の施された画像デ一タに対して、差分計算するようにしても良い。

このフィルタ手段（図 1の S 1 ) は、上記実施例で用いたローパスフィルタに限定されるものではなく、このフィル夕手段として他のフィルタを用いても良い。代りに、入力される画像デ一夕に対して複数フィル夕処理を施す複数フィルタ手段を設け、この複数フィルタ手段によりフィルタ処理の施された画像データに対して、前記差分計算手段が、差分計算するようにしても良い。

この場合、データ認識装置は、前記複数領域の頻度分布の情報を、複数組、記憶する頻度分布記憶手段と、上記頻度分布生成手段により生成された上記入力される画像データに関する頻度分布と上記頻度分布記憶手段内の各組の頻度分布とを比較し、上記頻度分布記憶手段に記憶されている各組の頻度分布の中から、所定の比較関数によって特定される 1組の頻度分布を選び出す比較手段とを備えても良い。本発明は、上記実施例で述べた顔認識への適用に限定されるものではなく、一般の画像やその他の大容量データの高速データ認識に適用しても良いことはもちろん C、ある。

以上説明したように、本発明によれば、高い処理速度を達成するデータ分析装置及びそのデータ分析装置を用いたデータ認識装置を得られ、高速データ認識や瞬時のデ一夕認識が可能となる。

Claims

請求の範囲

1 . 画像に対して、画像上の任意の一点と第一の方向における前記任意の一点の近傍の点との輝度値の差分を前記任意の一点の第一の輝度差分とし、前記任意の一点と、前記第一の方向とは異なる第二の方向における前記任意の一点の近傍の点との輝度値の差分を前記任意の一点の第二の輝度差分とする計算を、前記画像上の複数点について行う差分計算手段と、

上記差分計算手段により前記画像上の複数点の各々について得られた第一の輝度差分と第二の輝度差分で構成されるべクトルを所定の領域分割方法により分割された複数領域の一領域に割り当て、前記複数領域の各領域に割当てられたべク卜ル数をその領域の頻度として、前記複数領域の頻度分布を生成する頻度分布生成手段とを備えたことを特徴とするデータ分析装置。

2 · 請求項 1に記載のデータ分析装置において、前記頻度分布生成手段により生成される前記複数領域の頻度分布から、少なくとも一部分の領域に対する頻度分布を抽出して特徴データを生成することを特徴とするデータ分析装置。

3 . 請求項 1又は 2に記載のデータ分析装置において、前記差分計算手段が前記画像に対して前記計算を行う前に、前記画像に対してフィルタ処理を施すことを特徴とするデ一夕分析装置。

4 . 少なくとも一つ以上の画像に対する一つ以上の頻度分布の情報を記憶する頻度分布記憶手段と、

上記差分計算手段により前記画像上の複数点の各々について得られた第一の輝度差分と第二の輝度差分で構成されるべクトルを所定の領域分割方法により分割された複数領域の一領域に割り当て、前記複数領域の各領域に割当てられたべクトル数をその領域の頻度として、前記複数領域の頻度分布を生成する頻度分布生成手段と、

前記頻度分布生成手段により生成された一つ以上の前記画像に関する頻度分布と上記頻度分布記憶手段内の頻度分布とを比較する比較手段とを備えたことを特徵とするデ一夕認識装置。

5 . 請求項 4に記載のデータ認識装置において、上記比較手段は、上記頻度分布生成手段により生成された一つ以上の前記画像に関する頻度分布と上記頻度分布記憶手段内の頻度分布とを比較し、上記頻度分布記憶手段に記憶されている各頻度分布の中から、所定の比較関数によって特定される頻度分布を選び出すものであることを特徴とするデータ認識装置。

6 . 請求項 5に記載のデータ認識装置において、上記頻度分布生成手段により生成された一つ以上の前記画像に関する頻度分布は、該頻度分布生成手段により生成される前記複数領域の頻度分布から、一部分の領域に対する頻度分布を抽出したものであることを特徴とするデー夕認識装置。

7 . 請求項 4〜 6のいずれかに記載のデータ認識装置において、前記差分計算手段が前記画像に対して前記計算を行う前に、前記画像に対してフィルタ処理を施すことを特徴とするデータ認識装置。

8 . 入力される画像データに対してフィル夕処理を施すフィルタ手段と、上記フィルタ手段によりフィルタ処理の施された画像データに対して、画面上の任意の一点の X方向の輝度差分 dlxを前記任意の一点の輝度値と前記任意の一点の右側点又は左側点の輝度値との差とし >前記任意の一点の y方向の輝度差分 dlyを前記任意の一点の輝度値と前記任意の一点の下側点又は上側点の輝度値との差とする計算を、前記画面上の複数点について行う差分計算手段と、

上記差分計算手段により前記画面上の複数点の各々について得られた X方向の輝度差分と y方向の輝度差分で構成されるべクトルを所定の領域分割方法により分割された複数領域の一領域に割り当て、前記複数領域の各領域に割当てられたべクトル数をその領域の頻度として、前記複数領域の頻度分布を生成する頻度分布生成手段と、

9 . 入力される画像データに対して複数フィルタ処理を施す複数フィル夕手段と、

上記複数フィルタ手段によりフィル夕処理の施された画像デ一夕に対して、画面上の任意の一点の X方向の輝度差分 d l xを前記任意の一点の輝度値と前記任意の一点の右側点又は左側点の輝度値との差とし、前記任意の一点の y方向の輝度差分 d l y を前記任意の一点の輝度値と前記任意の一点の下側点又は上側点の輝度値との差とする計算を、前記画面上の複数点について行う差分計算手段と、

上記差分計算手段により前記画面上の複数点の各々について得られた X方向の輝度差分と y方向の輝度差分で構成されるベクトルを所定の領域分割方法により分割された複数領域の一領域に割り当て、前記複数領域の各領域に割り当てられたべクトル数をその領域の頻度として、前記複数領域の頻度分布を生成する頻度分布生成手段と、

前記複数領域の頻度分布の情報を、複数組、記憶する頻度分布記憶手段と、上記頻度分布生成手段により生成された上記入力される画像データに関する頻度分布と上記頻度分布記憶手段内の各組の頻度分布とを比較し .,上記頻度分布記憶手段に記憶されている各組の頻度分布の中から、所定の比較関数によって特定される 1組の頻度分布を選び出す比較手段とを備えたことを特徴とするデータ認識装

1 0 . 請求項 5、 6、 8、及び 9のいずれかに記載のデータ認識装置において、上記比較手段による比較の結果、上記所定の比較関数によって選び出される頻度分布が上記頻度分布記憶手段内にない場合、上記頻度分布生成手段により生成された頻度分布を上記頻度分布記憶手段に登録する頻度分布登録手段を備えたことを特徴とするデ一夕認識装置。

6