JPH02273880A - パターン認識装置 - Google Patents
パターン認識装置Info
- Publication number
- JPH02273880A JPH02273880A JP1095659A JP9565989A JPH02273880A JP H02273880 A JPH02273880 A JP H02273880A JP 1095659 A JP1095659 A JP 1095659A JP 9565989 A JP9565989 A JP 9565989A JP H02273880 A JPH02273880 A JP H02273880A
- Authority
- JP
- Japan
- Prior art keywords
- similarity
- pattern
- axis
- reject
- rejection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
［発明の目的］
（産業上の利用分野）
本発明は入力音声や図形等の未加入力パターンを高性能
に認識することのできるノくターン認識装置に関する。
に認識することのできるノくターン認識装置に関する。
（従来の技術）
パターン認識技術の目覚ましい発展に伴い、種々のパタ
ーン認識装置か開発されている。中でも未知カテゴリの
人力を特徴分析して求められる人カバターンＸと、認識
対象カテゴリΩ （Ｎ−１゜２、〜Ｌ）に属する標孕パ
ターンの集合をそれぞれＭ個の直交ベクトルに展開した
標準パターンセットφ”ｍ’ （ｍ −１，２−Ｍ ；
直交展開軸）との間で、その類似度Ｓｔｔ＋を ５ＬＪＩ−Σ ｗ、（Ｘ・φ−１）２ としてそれぞれ計算する。そしてその中で最大類似度Ｓ
ｌＫ’ （−ｉａｘｉｓ ”’ ） ）が得られる
カテゴリＫを前記人カバターンＸに対する認識結果とし
て求めるパターン認識方式が注目されている。
ーン認識装置か開発されている。中でも未知カテゴリの
人力を特徴分析して求められる人カバターンＸと、認識
対象カテゴリΩ （Ｎ−１゜２、〜Ｌ）に属する標孕パ
ターンの集合をそれぞれＭ個の直交ベクトルに展開した
標準パターンセットφ”ｍ’ （ｍ −１，２−Ｍ ；
直交展開軸）との間で、その類似度Ｓｔｔ＋を ５ＬＪＩ−Σ ｗ、（Ｘ・φ−１）２ としてそれぞれ計算する。そしてその中で最大類似度Ｓ
ｌＫ’ （−ｉａｘｉｓ ”’ ） ）が得られる
カテゴリＫを前記人カバターンＸに対する認識結果とし
て求めるパターン認識方式が注目されている。
尚、上式において（）は内積を示し、ｗ、は〈０≦Ｗ、
≦１）なる重み係数を示している。
≦１）なる重み係数を示している。
しかして上述した如く求められる類似度５（１）は、入
力パターンＸに対する標準パターンセットφ−２の各部
分空間への射影成分の累計と看做すことができる。そし
て各カテゴリの標準パターンセットφＮ！、ゝに対する
類似度ＳＬ＃ゝが最大となる標章パターンセットφ１１
のカテゴリを求めると云うことは、前記入力パターンＸ
が認識対象カテゴリρ中のどのカテゴリに属するかと云
う類別規則であると云える。従ってこのようなパターン
認識方式は、パターン変動を効用的に吸収して人カバタ
ーンを類別しｉするものと云える。
力パターンＸに対する標準パターンセットφ−２の各部
分空間への射影成分の累計と看做すことができる。そし
て各カテゴリの標準パターンセットφＮ！、ゝに対する
類似度ＳＬ＃ゝが最大となる標章パターンセットφ１１
のカテゴリを求めると云うことは、前記入力パターンＸ
が認識対象カテゴリρ中のどのカテゴリに属するかと云
う類別規則であると云える。従ってこのようなパターン
認識方式は、パターン変動を効用的に吸収して人カバタ
ーンを類別しｉするものと云える。
ところがこのようなパターン認識においては、同時に認
識対象外のパターンを如何にして効率的にリジェクトす
るかと云う要求がある。このリジェクトについては、各
カテゴリにの１１パターンセットφｌ！ゝに対して求め
られた類似度Ｓ（にゝに対してリジェクトレベルＲ（に
）の概念を導入し、５ＩＫＩ ＞ ＲＬＫＩ
・・・リジェクトしない３ ＬＫＩ ＜ ＲｔＫ
ｌ ・・・リジェクトするなるリジェクト？＋１定を
行うことが試みられている。
識対象外のパターンを如何にして効率的にリジェクトす
るかと云う要求がある。このリジェクトについては、各
カテゴリにの１１パターンセットφｌ！ゝに対して求め
られた類似度Ｓ（にゝに対してリジェクトレベルＲ（に
）の概念を導入し、５ＩＫＩ ＞ ＲＬＫＩ
・・・リジェクトしない３ ＬＫＩ ＜ ＲｔＫ
ｌ ・・・リジェクトするなるリジェクト？＋１定を
行うことが試みられている。
然し乍ら、−船釣にはこのようなりジェツト判定が有効
に機能しないことが非常に多い。即ち、上記リジェクト
レベルＲ”ゝは、入力パターンＸに対する標準パターン
セットφ−ゝの各部分空間への射影成分の累計（類似度
８３０）に対して設定されるものであり、この類似度３
１１は上述したように入力パターンの変動を吸収して求
められたものとなっている。これ故、類似度８３０とし
て求められる情報は、パターン変動の吸収に１′ｌ！っ
て人カバターンＸの特徴自体も抑え込まれたものとなっ
ている。従ってパターン変動や認識対象外の人カバター
ンに対する類似度ｓ１目の変動、更には類似カテゴリ間
での類似度Ｓ１１′の接近等を考慮した上で、そのリジ
ェクトレベルＲ（１１を適正に設定することが甚だ困難
である。
に機能しないことが非常に多い。即ち、上記リジェクト
レベルＲ”ゝは、入力パターンＸに対する標準パターン
セットφ−ゝの各部分空間への射影成分の累計（類似度
８３０）に対して設定されるものであり、この類似度３
１１は上述したように入力パターンの変動を吸収して求
められたものとなっている。これ故、類似度８３０とし
て求められる情報は、パターン変動の吸収に１′ｌ！っ
て人カバターンＸの特徴自体も抑え込まれたものとなっ
ている。従ってパターン変動や認識対象外の人カバター
ンに対する類似度ｓ１目の変動、更には類似カテゴリ間
での類似度Ｓ１１′の接近等を考慮した上で、そのリジ
ェクトレベルＲ（１１を適正に設定することが甚だ困難
である。
この為、認識対象外の入力パターンに対するリジェクト
効果を高めてパターン認識しようとするパターン変動の
吸収効果が薄れ、逆にパターン変動の吸収効果を高めて
パターン認識しようとするとリジェクト効果が薄れてし
まうと云う相反する問題が生じた。
効果を高めてパターン認識しようとするパターン変動の
吸収効果が薄れ、逆にパターン変動の吸収効果を高めて
パターン認識しようとするとリジェクト効果が薄れてし
まうと云う相反する問題が生じた。
（発明が解決しようとする課題）
このように従来のパターン認識方式にあっては、パター
ン変動等を吸収して認識性能を高め、しかも、認識対象
外の人カバターンに対するリジェクト効果を高める上で
相反する問題があり、認識対象とする入力パターンだけ
を高性能に認識する上で大きな課題が残されている。
ン変動等を吸収して認識性能を高め、しかも、認識対象
外の人カバターンに対するリジェクト効果を高める上で
相反する問題があり、認識対象とする入力パターンだけ
を高性能に認識する上で大きな課題が残されている。
本発明はこのような事情を考慮してなされたもので、そ
の目的とするところは、認識対象外の入力パターンを効
果的にリジェクトしながら認識対象パターンを高性能に
認識することのできるパターン認識装置を提供すること
にある。
の目的とするところは、認識対象外の入力パターンを効
果的にリジェクトしながら認識対象パターンを高性能に
認識することのできるパターン認識装置を提供すること
にある。
［発明の構成］
（課題を解決するための手段）
本発明に係るパターン認識装置は、未知カテ。
ゴリを特徴分析して入力パターンＸを求める特徴分析部
と、認識対象カテゴリＮ Ｂ） −１，２，〜Ｌ）に
属する標やパターンの集合をＭ個の直交ベクトルに展開
した標準パターンセットφ’Ｌ’ （ｍ −１，２゜〜
Ｍ；直交展開軸）を記憶した標章パターンセット部とを
備え、 類似度演算部にて前記入力パターンＸの上記標章パター
ンセットφＬ４）に対する最大類似度ジ１を用軸角に求
め、この最大類似度ジ１とｒｎ軸軸角予め定められてリ
ジェクトテーブル部に格納されているリジェクト値Ｒ−
３とをｍ軸角に比較し１、このリジェクト判定によりリ
ジェクトが生じた場合には前記類似度演算部における（
ｍ＋１）軸の類似ＪＵ演算を中止するようにしたごとを
特徴とするものである。
と、認識対象カテゴリＮ Ｂ） −１，２，〜Ｌ）に
属する標やパターンの集合をＭ個の直交ベクトルに展開
した標準パターンセットφ’Ｌ’ （ｍ −１，２゜〜
Ｍ；直交展開軸）を記憶した標章パターンセット部とを
備え、 類似度演算部にて前記入力パターンＸの上記標章パター
ンセットφＬ４）に対する最大類似度ジ１を用軸角に求
め、この最大類似度ジ１とｒｎ軸軸角予め定められてリ
ジェクトテーブル部に格納されているリジェクト値Ｒ−
３とをｍ軸角に比較し１、このリジェクト判定によりリ
ジェクトが生じた場合には前記類似度演算部における（
ｍ＋１）軸の類似ＪＵ演算を中止するようにしたごとを
特徴とするものである。
（作 用）
本発明によれば、ｍ軸角に求められる人カバターンＸの
標準パターンセットφ１．１に対する最大類似度ＳＬ
！！ ｌを、その都度、ｍ軸角に予め定められたりジェ
ツトｒＲ’！’と比較してその入力パターンＸをリジェ
クトするか否かを判定し、リジエクトが生じなかった場
合にのみ次の（ｍ＋１）軸での最大類似度を求めていく
ので、標準パターンセットφ（−）に対する個々の部分
空間への射影成分の特徴を白゛効に利用して認識対象外
のパターンをリジェクトしながら、そのパターン認識処
理を進めていくことが可能となる。
標準パターンセットφ１．１に対する最大類似度ＳＬ
！！ ｌを、その都度、ｍ軸角に予め定められたりジェ
ツトｒＲ’！’と比較してその入力パターンＸをリジェ
クトするか否かを判定し、リジエクトが生じなかった場
合にのみ次の（ｍ＋１）軸での最大類似度を求めていく
ので、標準パターンセットφ（−）に対する個々の部分
空間への射影成分の特徴を白゛効に利用して認識対象外
のパターンをリジェクトしながら、そのパターン認識処
理を進めていくことが可能となる。
（実施例）
以下、図面を参！（べして本発明の一実施例に係るパタ
ーン認識装置について説明する。このパターン認識装置
は、例えば入力音声を認識する音声認識装置や、イメー
ジ人力される文字・図形、或いは筆記ストローク情報と
してオンライン入力される文字・図形を認識する文字・
図形パターン認識装置等として実現される。
ーン認識装置について説明する。このパターン認識装置
は、例えば入力音声を認識する音声認識装置や、イメー
ジ人力される文字・図形、或いは筆記ストローク情報と
してオンライン入力される文字・図形を認識する文字・
図形パターン認識装置等として実現される。
第１図は実施例装置の概略構成図で、１は未知カテゴリ
の入力を特徴分析してその入力パターンＸを求める特徴
分析部である。類似度演算部２は’ｎｎ微分郡部１求め
られる入力パターンＸと、標桑パターンセット部３に登
録されている認識対象カテゴリＮ （ｉｔ−１，２，
〜Ｌ）についての各標準ハターンセットφ’Ｌ’ （ｍ
−１，２，〜Ｍ ；直交展開軸）との間で個々にその
類似度を計算し、その中で最大値を示す最大類似度とそ
の最大類似度を得る認識対象カテゴリとを、後述するよ
うにｍ軸毎に順次求める。
の入力を特徴分析してその入力パターンＸを求める特徴
分析部である。類似度演算部２は’ｎｎ微分郡部１求め
られる入力パターンＸと、標桑パターンセット部３に登
録されている認識対象カテゴリＮ （ｉｔ−１，２，
〜Ｌ）についての各標準ハターンセットφ’Ｌ’ （ｍ
−１，２，〜Ｍ ；直交展開軸）との間で個々にその
類似度を計算し、その中で最大値を示す最大類似度とそ
の最大類似度を得る認識対象カテゴリとを、後述するよ
うにｍ軸毎に順次求める。
即ち、上記標準パターンセット部３に登録されている複
数の認識対象カテゴリｇについての各標準パターンセッ
トφ３巳ゝは、予め認識対象カテゴリｐに属する複数の
人カバターン（標準パターン）の集合を、例えばＫＬ展
開して求めたＭ個の正規化直交ベクトルのセットからな
る。類似度演算部２はこのような複数の認識対象カテゴ
リΩについての各標準パターンセットφ−１と前記人カ
バターンＸとの間の類似度ＣＪ％）を、ｍ軸（ｍ −１
，２，〜Ｍ ）毎にそれぞれ としてそれぞれ演算する。このようにして求められるｍ
軸での各認識対象カテゴリｌの［４パターンセットφ（
ｌ）ｍに対する類似度３ｆｊｌは、前記入力パターンＸ
の各標準パターンセットφ（−）に対するｍ軸までの部
分空間への射影成分の累計となる。
数の認識対象カテゴリｇについての各標準パターンセッ
トφ３巳ゝは、予め認識対象カテゴリｐに属する複数の
人カバターン（標準パターン）の集合を、例えばＫＬ展
開して求めたＭ個の正規化直交ベクトルのセットからな
る。類似度演算部２はこのような複数の認識対象カテゴ
リΩについての各標準パターンセットφ−１と前記人カ
バターンＸとの間の類似度ＣＪ％）を、ｍ軸（ｍ −１
，２，〜Ｍ ）毎にそれぞれ としてそれぞれ演算する。このようにして求められるｍ
軸での各認識対象カテゴリｌの［４パターンセットφ（
ｌ）ｍに対する類似度３ｆｊｌは、前記入力パターンＸ
の各標準パターンセットφ（−）に対するｍ軸までの部
分空間への射影成分の累計となる。
類似度演算部２は、このようにしてｍ軸毎に求められる
複数の認識対象カテゴリｇの各標準パターンセットφ４
−１と前記入力パターンＸとの間のｍ軸までの類似度３
Ｆｌ、、ｌを相互に比較し、その中で最大値を示す最大
類似度Ｓ’！’ （−ｗａｘ（Ｓ’Ｌ’ｌ ）と、その
最大類似度Ｓ′１を得る認識対象カテゴリにとを求める
。
複数の認識対象カテゴリｇの各標準パターンセットφ４
−１と前記入力パターンＸとの間のｍ軸までの類似度３
Ｆｌ、、ｌを相互に比較し、その中で最大値を示す最大
類似度Ｓ’！’ （−ｗａｘ（Ｓ’Ｌ’ｌ ）と、その
最大類似度Ｓ′１を得る認識対象カテゴリにとを求める
。
しかしてリジェクト判定部４は上述した如く類似度演算
部２で求められたｍ軸での最大類似度Ｓｌ二〇とその最
大類似度ＳＬ！！ゝを得る認識対象カテゴリｌ（とに従
い、リジェクトテーブル部５から上記認識対象カテゴリ
Ｋに対して予め設定されているｍ軸でのリジェクト値Ｒ
’ ！ ’を求め、前記最大類似度ＳＬ Ｗ ＋と比較
する。即ち、リジェクトテーブル部５には、前記複数の
認識対象カテゴリｐのそれぞれに対してｍ軸におけるリ
ジェクト値Ｒ３１が予め設定登録されている。リジェク
ト判定部４は類似度演算部２で求められた最大類似度３
＋Ｋ）を得る認識対象カテゴリＩ（に従い、当該認識対
象カテゴリＩ（についての当該ｍ軸に対して予め設定登
録されているリジェクト値Ｒ’ ！ ’を読み出し、こ
のリジェクト値Ｒ（！！ゝと前記類似度演算部２で求め
られた最大類似度ＳＬ！りとを比較する。そして、例え
ばＨ，−５ｌ −Ｒ なるリジェクト判別関数Ｈ１を求め、 Ｈ，＞Ｑ ・・・リジェクトしないＨ，≦０ ・
・・リジェクトする として前記入力パターンＸをリジェクトするか否かを判
定する。
部２で求められたｍ軸での最大類似度Ｓｌ二〇とその最
大類似度ＳＬ！！ゝを得る認識対象カテゴリｌ（とに従
い、リジェクトテーブル部５から上記認識対象カテゴリ
Ｋに対して予め設定されているｍ軸でのリジェクト値Ｒ
’ ！ ’を求め、前記最大類似度ＳＬ Ｗ ＋と比較
する。即ち、リジェクトテーブル部５には、前記複数の
認識対象カテゴリｐのそれぞれに対してｍ軸におけるリ
ジェクト値Ｒ３１が予め設定登録されている。リジェク
ト判定部４は類似度演算部２で求められた最大類似度３
＋Ｋ）を得る認識対象カテゴリＩ（に従い、当該認識対
象カテゴリＩ（についての当該ｍ軸に対して予め設定登
録されているリジェクト値Ｒ’ ！ ’を読み出し、こ
のリジェクト値Ｒ（！！ゝと前記類似度演算部２で求め
られた最大類似度ＳＬ！りとを比較する。そして、例え
ばＨ，−５ｌ −Ｒ なるリジェクト判別関数Ｈ１を求め、 Ｈ，＞Ｑ ・・・リジェクトしないＨ，≦０ ・
・・リジェクトする として前記入力パターンＸをリジェクトするか否かを判
定する。
工別判定部６はこのようなリジェクト判定結果に従って
前述した類似度演算部２におけるｍ軸毎の類似度演算を
制御するもので、ｍ軸での上述したりジェクト判定にお
いてリジェクトが発生した時にはそのリジェクト結果を
出力し、前記類似度演算部２による次の（ｍ＋１）軸に
ついての類似度演算を中止する。またこのｍ軸でのリジ
ェクト判定でリジェクトが生じなかった場合には前記類
似度ａ算部２を付勢し、次の（ｍ＋１）軸につぃての前
述した類似度演算、および最大類似度Ｓ（ユ）とその最
大類似度５（５＋を得る認識対象カテゴリの抽出処理を
実行させる。
前述した類似度演算部２におけるｍ軸毎の類似度演算を
制御するもので、ｍ軸での上述したりジェクト判定にお
いてリジェクトが発生した時にはそのリジェクト結果を
出力し、前記類似度演算部２による次の（ｍ＋１）軸に
ついての類似度演算を中止する。またこのｍ軸でのリジ
ェクト判定でリジェクトが生じなかった場合には前記類
似度ａ算部２を付勢し、次の（ｍ＋１）軸につぃての前
述した類似度演算、および最大類似度Ｓ（ユ）とその最
大類似度５（５＋を得る認識対象カテゴリの抽出処理を
実行させる。
この結果、前記類似度演算部２は識別判定部０からの制
御に基づいてｍ軸角の類似度演算を順次繰り返し実行す
る。そして識別判定部０はリジェクトの発生を生じるこ
となくＭ軸までの類似度演算が繰り返し実行され、この
Ｍ軸での類似度演算結果として求められた最大類似度８
１２がリジェクトされなかったとき、この最大類似度ｓ
Ｊ）を得る認識対象カテゴリＫ Ｍを前記入力パターン
Ｘの認識結果として出力する。
御に基づいてｍ軸角の類似度演算を順次繰り返し実行す
る。そして識別判定部０はリジェクトの発生を生じるこ
となくＭ軸までの類似度演算が繰り返し実行され、この
Ｍ軸での類似度演算結果として求められた最大類似度８
１２がリジェクトされなかったとき、この最大類似度ｓ
Ｊ）を得る認識対象カテゴリＫ Ｍを前記入力パターン
Ｘの認識結果として出力する。
第２図は上述した如く構成された実施例装置におけるパ
ターン認識処理手続きの流れを示すものである。この処
理手続きの流れに沿って上述したパターン認識処理につ
いて今少し詳しく説明すると、先ず準備処理として前記
類似度演算部２においてｍ軸角に求められる最大類似度
５（１，）と、その最大類似度８３１′を得たカテゴリ
に、を格納する為のメモリ領域をそれぞれ［０］に初期
設定しくステップａ）、次に前記類似度演算部２におけ
るｍ軸角の類似度演算を制御する為のパラメータｌを［
１］に初期設定する（ステップｂ）。
ターン認識処理手続きの流れを示すものである。この処
理手続きの流れに沿って上述したパターン認識処理につ
いて今少し詳しく説明すると、先ず準備処理として前記
類似度演算部２においてｍ軸角に求められる最大類似度
５（１，）と、その最大類似度８３１′を得たカテゴリ
に、を格納する為のメモリ領域をそれぞれ［０］に初期
設定しくステップａ）、次に前記類似度演算部２におけ
るｍ軸角の類似度演算を制御する為のパラメータｌを［
１］に初期設定する（ステップｂ）。
このような準備手続きの後、認識対象カテゴリｇに対す
る制御パラメータｇを［１］に初期設定しくステップｃ
）、人カバターンＸと上記パラメータｉで示される直交
化軸での前記制御パラメータｇで示される標準パターン
セットφゝ−１との類似度Ｓ、を計算する（ステップｄ
）。そしてこの演算処理によって求められた類似度Ｓ１
と、前記メモリ領域に格納されている最大類似度３（ｊ
＋とを比較しくステップｅ）、新たに求められた類似度
Ｓ−の方が大きい場合には、その類似度Ｓ、を用いて前
記メモリ領域に格納されている最大類似度８１％′を更
新し、同時に前記メモリ領域に格納されているカテゴリ
に、を更新する（ステップｆ）。
る制御パラメータｇを［１］に初期設定しくステップｃ
）、人カバターンＸと上記パラメータｉで示される直交
化軸での前記制御パラメータｇで示される標準パターン
セットφゝ−１との類似度Ｓ、を計算する（ステップｄ
）。そしてこの演算処理によって求められた類似度Ｓ１
と、前記メモリ領域に格納されている最大類似度３（ｊ
＋とを比較しくステップｅ）、新たに求められた類似度
Ｓ−の方が大きい場合には、その類似度Ｓ、を用いて前
記メモリ領域に格納されている最大類似度８１％′を更
新し、同時に前記メモリ領域に格納されているカテゴリ
に、を更新する（ステップｆ）。
尚、新たに求められた類似度Ｓ、の方が小さい場合には
、メモリ領域の格納情報をそのままにして次の処理に進
む。
、メモリ領域の格納情報をそのままにして次の処理に進
む。
この処理を前記制御パラメータｇをインクリメントしな
がら（ステップｇ）、全ての認識対象カテゴリについて
の類似度演算処理と、その類似度に対する評価が行われ
るまで、繰り返し実行する（ステップｈ）。この繰り返
し処理により、前記メモリ領域にパラメータｉで示され
る直交化軸での人カバターンＸと標準パターンセットφ
ｆ１ｍｌとの間での最大類似度ＳＩ１．′と、その最大
類似度５ｆｊ）を得た認識対象カテゴリの情報がそれぞ
れ格納されることになる。
がら（ステップｇ）、全ての認識対象カテゴリについて
の類似度演算処理と、その類似度に対する評価が行われ
るまで、繰り返し実行する（ステップｈ）。この繰り返
し処理により、前記メモリ領域にパラメータｉで示され
る直交化軸での人カバターンＸと標準パターンセットφ
ｆ１ｍｌとの間での最大類似度ＳＩ１．′と、その最大
類似度５ｆｊ）を得た認識対象カテゴリの情報がそれぞ
れ格納されることになる。
しかる後、リジェクトテーブル部５から、上記パラメー
タｉで示される軸での前記メモリ領域に格納された認識
対象カテゴリＫ 、に対応するリジェクトレベルＲＬ
Ｋ ）を求め、前記メモリ領域に格納されている最大類
似度５（Ｋ）との差をリジェクト判別関数Ｈ１として求
める（ステップｉ）。そしてこのリジェクト判別関数Ｈ
ｉが［０コより大きいか否かを判定し、リジェクト対象
とならないことを確認する（ステップｊ）。この判定処
理にて入力パターンＸがリジェクト対象となることが確
認された場合には、当該人カバターンＸが認識不能（認
識リジェクト）である旨をメツセージ出力して、そのパ
ターン認識処理を終了する（ステップｎ）。
タｉで示される軸での前記メモリ領域に格納された認識
対象カテゴリＫ 、に対応するリジェクトレベルＲＬ
Ｋ ）を求め、前記メモリ領域に格納されている最大類
似度５（Ｋ）との差をリジェクト判別関数Ｈ１として求
める（ステップｉ）。そしてこのリジェクト判別関数Ｈ
ｉが［０コより大きいか否かを判定し、リジェクト対象
とならないことを確認する（ステップｊ）。この判定処
理にて入力パターンＸがリジェクト対象となることが確
認された場合には、当該人カバターンＸが認識不能（認
識リジェクト）である旨をメツセージ出力して、そのパ
ターン認識処理を終了する（ステップｎ）。
これに対してリジェクト判別関数Ｈ，が［０］より大き
いことが確認された場合には、前記ｍ軸角の類似度演算
を制御する為のパラメータｉをインクリメントしくステ
ップｌＯ１その値が最大軸数Ｍに達していないことを確
認して前述したステップＣからの処理手続きを１１ｆ度
実行させる（ステップＩ）。
いことが確認された場合には、前記ｍ軸角の類似度演算
を制御する為のパラメータｉをインクリメントしくステ
ップｌＯ１その値が最大軸数Ｍに達していないことを確
認して前述したステップＣからの処理手続きを１１ｆ度
実行させる（ステップＩ）。
この処理制御により、次の軸での類似度演算と、その最
大類似度に対するリジェクト判定処理が、前記制御パラ
メータｇをインクリメントしながら全ての認識対象カテ
ゴリの標準パターンセットφ（ｌ）ｍに対して同様にし
て繰り返し実行される。そして認識リジェクトが生じな
い限り、前記パラメータｉのインクリメントによってそ
の軸数を増やしなから各軸での類似度演算と、その最大
類似度に対するリジェクト判定処理が順次繰り返し実行
される。そしてＭ軸までの類似度演算と、その最大類似
度に対するリジェクト判定処理が行われたにも拘らずリ
ジェクトが発生しなかった場合には、その時に前記メモ
リ領域に求められる最大類似度Ｓ（Ｋゝをｊｌ多た認識
対象カテゴリＫ Ｍを前記入カッくターンＸに対する認
識結果として出力する（ステ・ツブｍ）。
大類似度に対するリジェクト判定処理が、前記制御パラ
メータｇをインクリメントしながら全ての認識対象カテ
ゴリの標準パターンセットφ（ｌ）ｍに対して同様にし
て繰り返し実行される。そして認識リジェクトが生じな
い限り、前記パラメータｉのインクリメントによってそ
の軸数を増やしなから各軸での類似度演算と、その最大
類似度に対するリジェクト判定処理が順次繰り返し実行
される。そしてＭ軸までの類似度演算と、その最大類似
度に対するリジェクト判定処理が行われたにも拘らずリ
ジェクトが発生しなかった場合には、その時に前記メモ
リ領域に求められる最大類似度Ｓ（Ｋゝをｊｌ多た認識
対象カテゴリＫ Ｍを前記入カッくターンＸに対する認
識結果として出力する（ステ・ツブｍ）。
かくして前述した第１図に示すように構成され、第２図
に示すように処理動作する本装置によれば、人カバター
ンＸに対する標準パターンセ・ソトφ３−）のｉ軸まで
の部分空間への射影成分の累計をそれぞれ判定しながら
、上記人カバターンＸに対するリジェクトを制御するの
で、標弗パターンセ・ノドφ吃り効各軸で示されるパタ
ーン特徴を有効に活かして認識対象外のパターンを効果
的にリジェクトしていくことが可能となる。つまり各軸
角に予め定められたリジェクトレベルＲＩ Ｌ ｌに従
い、その軸で最大類似度Ｓ４＋を得るにも拘らず、標準
ツマターンセットψ−２の特徴を反映していない入カッ
くターンをリジェクトしていくので、認識対象外のパタ
ーンを効果的にリジェクト判定ていくことが可能となる
。この結果、標準パターンセットφｆ１ｍｌの任意の部
分空間に対する正確なリジェクト処理を行うことが可能
となる。
に示すように処理動作する本装置によれば、人カバター
ンＸに対する標準パターンセ・ソトφ３−）のｉ軸まで
の部分空間への射影成分の累計をそれぞれ判定しながら
、上記人カバターンＸに対するリジェクトを制御するの
で、標弗パターンセ・ノドφ吃り効各軸で示されるパタ
ーン特徴を有効に活かして認識対象外のパターンを効果
的にリジェクトしていくことが可能となる。つまり各軸
角に予め定められたリジェクトレベルＲＩ Ｌ ｌに従
い、その軸で最大類似度Ｓ４＋を得るにも拘らず、標準
ツマターンセットψ−２の特徴を反映していない入カッ
くターンをリジェクトしていくので、認識対象外のパタ
ーンを効果的にリジェクト判定ていくことが可能となる
。この結果、標準パターンセットφｆ１ｍｌの任意の部
分空間に対する正確なリジェクト処理を行うことが可能
となる。
また認識リジェクトが生じなかった場合には、標準パタ
ーンセットφ−ゝの各部分空間への射影成分の累計であ
るＭ軸までの類似度演算結果の最大類似度５Ｌｉｉ）を
得るカテゴリＫＭが求められることになるので、パター
ン変動を効果的に吸収したパターン認識をなされること
になる。従って認識対象外のパターンを効果的にリジェ
クトしつつ、パターン変動を効果的に吸収して性能の高
いパターン認識処理を行うことが可能となる。
ーンセットφ−ゝの各部分空間への射影成分の累計であ
るＭ軸までの類似度演算結果の最大類似度５Ｌｉｉ）を
得るカテゴリＫＭが求められることになるので、パター
ン変動を効果的に吸収したパターン認識をなされること
になる。従って認識対象外のパターンを効果的にリジェ
クトしつつ、パターン変動を効果的に吸収して性能の高
いパターン認識処理を行うことが可能となる。
尚、本発明は上述した実施例に限定されるものではない
。この実施例では各軸角に標準パターンセットφ３−）
との最大類似度を求めてリジェクト判定したが、例えば
予め定められた軸での最大類似度に対してだけリジェク
ト判定を行うようにしても良い。また最大類似度を得た
カテゴリに対するリジェクト判定だけではなく、その他
のカテゴリについて求められた類似度に対してもリジェ
クト￥１１定を行い、そこでリジェクトされたカテゴリ
については認識対象から除外し、その後の軸に対する類
似度演算を行わないようにしても良い。換言すれば、各
軸においてリジェクトされなかったカテゴリについての
み、類似度演算結果の対象を絞り込んで行くことにより
、演算処理の無駄を省くようにすることも効果的である
。その他、本発明はその要旨を逸脱しない範囲で種々変
形して実施することができる。
。この実施例では各軸角に標準パターンセットφ３−）
との最大類似度を求めてリジェクト判定したが、例えば
予め定められた軸での最大類似度に対してだけリジェク
ト判定を行うようにしても良い。また最大類似度を得た
カテゴリに対するリジェクト判定だけではなく、その他
のカテゴリについて求められた類似度に対してもリジェ
クト￥１１定を行い、そこでリジェクトされたカテゴリ
については認識対象から除外し、その後の軸に対する類
似度演算を行わないようにしても良い。換言すれば、各
軸においてリジェクトされなかったカテゴリについての
み、類似度演算結果の対象を絞り込んで行くことにより
、演算処理の無駄を省くようにすることも効果的である
。その他、本発明はその要旨を逸脱しない範囲で種々変
形して実施することができる。
［発明の効果］
以上説明したように本発明によれば、標準、（ターンセ
ットに対して各軸角に類似度を求め、各軸において定め
られたリジェクトレベルを用いてリジェクト判定を行い
ながらパターン認識処理を進めるので、認識対象外のパ
ターンを効果的に排除しながら、パターン変動を効果的
に吸収して認識処理を高性能に進めることができる等の
実用上多大なる効果が奏せられる。
ットに対して各軸角に類似度を求め、各軸において定め
られたリジェクトレベルを用いてリジェクト判定を行い
ながらパターン認識処理を進めるので、認識対象外のパ
ターンを効果的に排除しながら、パターン変動を効果的
に吸収して認識処理を高性能に進めることができる等の
実用上多大なる効果が奏せられる。
第１図は本発明の一実施例に係るパターン認識装置の要
部概略構成図、第２図は実施例装置における認識処理手
続きの流れを示す図である。 １・・・特徴分析部、２・・・類似度演算部、３・・・
標準パターンセット部、４・・・リジェクト判定部、５
・・・リジェクトテーブル部、６・・・識別判定部。
部概略構成図、第２図は実施例装置における認識処理手
続きの流れを示す図である。 １・・・特徴分析部、２・・・類似度演算部、３・・・
標準パターンセット部、４・・・リジェクト判定部、５
・・・リジェクトテーブル部、６・・・識別判定部。
Claims (1)
- 未知カテゴリの入力を特徴分析して入力パターンＸを求
める特徴分析部と、認識対象カテゴリｌ（ｌ＝１、２、
〜Ｌ）に属する標準パターンの集合をＭ個の直交ベクト
ルに展開した標準パターンセットφ＾（＾ｌ＾）＿ｍ（
ｍ＝１、２、〜Ｍ；直交展開軸）を記憶した標準パター
ンセット部と、前記入力パターンＸの上記標準パターン
セットφ＾（＾ｌ＾）＿ｍに対する最大類似度Ｓ＾（＾
Ｋ＾）＿ｍをｍ軸毎に求める類似度演算部と、ｍ軸毎に
予め定められたリジェクト値Ｒ＾（＾ｌ＾）＿ｍを格納
したリジェクトテーブル部と、前記最大類似度Ｓ＾（＾
Ｋ＾）＿ｍと上記リジェクト値Ｒ＾（＾Ｋ＾）＿ｍとを
ｍ軸毎に比較してリジェクト判定を行うリジェクト判定
部と、このリジェクト判定部にてリジェクトが生じた場
合には前記類似度演算部における（ｍ＋１）軸以降の類
似度演算を中止する手段とを具備したことを特徴とする
パターン認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1095659A JP2953706B2 (ja) | 1989-04-15 | 1989-04-15 | パターン認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1095659A JP2953706B2 (ja) | 1989-04-15 | 1989-04-15 | パターン認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH02273880A true JPH02273880A (ja) | 1990-11-08 |
| JP2953706B2 JP2953706B2 (ja) | 1999-09-27 |
Family
ID=14143619
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1095659A Expired - Lifetime JP2953706B2 (ja) | 1989-04-15 | 1989-04-15 | パターン認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2953706B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004006185A1 (ja) * | 2002-07-09 | 2004-01-15 | Sony Corporation | 類似度算出方法及び装置 |
-
1989
- 1989-04-15 JP JP1095659A patent/JP2953706B2/ja not_active Expired - Lifetime
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004006185A1 (ja) * | 2002-07-09 | 2004-01-15 | Sony Corporation | 類似度算出方法及び装置 |
| JP2004046370A (ja) * | 2002-07-09 | 2004-02-12 | Sony Corp | 類似度算出方法及び装置、並びにプログラム及び記録媒体 |
| CN1324509C (zh) * | 2002-07-09 | 2007-07-04 | 索尼株式会社 | 近似性计算方法和设备 |
| US7260488B2 (en) | 2002-07-09 | 2007-08-21 | Sony Corporation | Similarity calculation method and device |
| KR101021044B1 (ko) * | 2002-07-09 | 2011-03-14 | 소니 주식회사 | 유사도 산출 방법 및 장치 및 컴퓨터 판독가능한 기록 매체 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2953706B2 (ja) | 1999-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109815788B (zh) | 一种图片聚类方法、装置、存储介质及终端设备 | |
| CN110705558B (zh) | 图像实例分割方法和装置 | |
| Cuimei et al. | Human face detection algorithm via Haar cascade classifier combined with three additional classifiers | |
| US10803602B2 (en) | Object tracking method, object tracking apparatus, and recording medium | |
| US12056954B2 (en) | System and method for selecting images for facial recognition processing | |
| US8412730B2 (en) | Image search apparatus and method thereof | |
| JP6159489B2 (ja) | 顔認証方法およびシステム | |
| US11727784B2 (en) | Mask wearing status alarming method, mobile device and computer readable storage medium | |
| Noumir et al. | On simple one-class classification methods | |
| KR20170016231A (ko) | 사용자 인증을 위한 멀티-모달 퓨전 방법 및 사용자 인증 방법 | |
| US8352395B1 (en) | Training an attentional cascade | |
| US20210319250A1 (en) | Matching method and apparatus, electronic device, computer-readable storage medium, and computer program | |
| CN108304859A (zh) | 图像识别方法及云端系统 | |
| CN110008824B (zh) | 掌纹识别方法、装置、计算机设备和存储介质 | |
| CN110188673A (zh) | 表情识别方法和装置 | |
| CN111461654A (zh) | 一种基于深度学习算法的人脸识别签到方法及装置 | |
| CN111626235A (zh) | 一种人脸识别神经网络的训练方法及装置 | |
| US11580766B2 (en) | Method for detecting at least one biometric trait visible in an input image by means of a convolutional neural network | |
| JP5430243B2 (ja) | 画像検索装置及びその制御方法並びにプログラム | |
| Kwak et al. | Detection of worker’s safety helmet and mask and identification of worker using deeplearning | |
| JP2022039984A5 (ja) | ||
| CN115223196B (zh) | 手势识别方法、电子设备和计算机可读存储介质 | |
| JPH02273880A (ja) | パターン認識装置 | |
| CN113361568B (zh) | 目标识别方法、装置和电子系统 | |
| CN112801045B (zh) | 一种文本区域检测方法、电子设备及计算机存储介质 |