JPH04264985A - 画像認識システム - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、銀行の預金引出し時に
おける自動認識や入退室自動管理などのセキュリティ管
理システムに適用することのできる画像認識システムに
関するものである。

【０００２】

【従来の技術】従来、人の顔について画像認識を行う場
合には、（１）エッジ検出を行う手法、（２）パターン
マッチングによる手法、（３）積分変換による手法、（
４）ニューラルネットワークによる手法が知られている
。このうち、（４）ニューラルネットワークによる方法
は、認識の精度を高める手法として近年注目されてきて
おり、その一つとして例えば、「ニューラルネットワー
クを用いた顔画像識別の一検討（テレビジョン学会技術
報告１９９０年９月２６日）」がある。

【０００３】

【発明が解決しようとする課題】しかし、ニューラルネ
ットワークを用いた場合には、入力層に入力されるデー
タ量が多くなり、認識するパターンが増えるにつれてニ
ューラルネットワークの規模が大きくなり、例えば、バ
ックプロパケーション学習による学習時間が長くなり、
実用に堪えられない問題がある。また、従来は撮像した
顔の全体画像を用いて個人同定を行うようになっていた
ため、ヒゲや眼や髪型が変わると適確に認識を行い得な
い問題点があった。更に、同一の被写体（人物の顔）を
撮像して画像データを得た場合でも、画像の姿勢が異な
ると正しい認識がなされず、場合によっては異なる被写
体であると判断されることがある。

【０００４】そこで、本発明は、学習時間を短縮できる
とともに、ヒゲや眼や髪型が変わっても的確に認識を行
い得るとともに、画像の姿勢を的確に正しくして撮像す
ることのできる画像認識システムを提供することを目的
とする。

【０００５】

【課題を解決するための手段】本発明に係る画像認識シ
ステムは、被写体の画像データの入力を行う画像データ
入力手段と、入力された画像データから被写体の全体と
所定部分との画像データを抽出する抽出手段と、抽出さ
れた画像データを用いて学習・認識を行うニューラルネ
ットワークからなる学習・認識手段とを備えていること
を特徴とする。

【０００６】更に、望ましくは本発明に係る画像認識シ
ステムは、入力された画像データに基づき被写体の姿勢
情報を得る姿勢情報検出手段、この姿勢情報検出手段の
検出結果に基づき被写体の姿勢に関するアナウンスを発
生表示するアナウンス発生表示手段とを備えている。

【０００７】本発明に係る画像認識システムは、複数の
個別判定ニューラルネットワークと、１の総合判定ニュ
ーラルネットワークとを備え、全体と所定部分との抽出
画像データを前記個別判定ニューラルネットワークに与
えて、この出力を総合判定ニューラルネットワークへ与
えて学習・認識を行う。

【０００８】

【作用】本発明は以上の通りに構成されるので、被写体
の全体を捕えた認識のみならず、被写体の部分を捕えた
認識が行われ、認識精度の向上が図られる。また、分散
処理・並列処理を行うことができ、処理の高速化を図る
ことが可能である。更に、姿勢に関するアナウンスが発
生表示され、これを基に被写体の姿勢を直して一定の姿
勢で画像取り込みを可能とする。

【０００９】

【実施例】以下、添付図面を参照して本発明の一実施例
を説明する。

【００１０】図１は本発明の一実施例に係る画像認識シ
ステムを示している。被検者１の顔に対してテレビカメ
ラ２が向けられ撮像が行われる。被検者１の顔の画像は
表示モニタ装置３に映し出される。被検者１はキーボー
ド入力装置４からのキー操作により画像の凍結、入力確
定の指示を送出する。また、スピーカ５からは、例えば
トーンにより被検者１の顔の姿勢が正しいか否かのアナ
ウンス表示がなされる。

【００１１】図２、図３には被検者１とテレビカメラ２
、表示モニタ装置３、キーボード入力装置４のより具体
的な位置関係が示されている。この実施例では、表示モ
ニタ装置３の上に鏡６が載置され、テレビカメラ２によ
って鏡６を介して被検者１の顔を撮像し、表示モニタ装
置３の画面における画像の移動方向（左右）と被検者１
の移動方向が一致するようにしてある。被検者１は例え
ば椅子に座って表示モニタ装置３の方向を向き、椅子の
背もたれから延びる頭部固定具７に頭をうずめる。

【００１２】図１に示すように、テレビカメラ２による
撮像によって得られた画像信号は、画像処理認識装置８
の入出力制御部９に送られディジタル化されて、画像デ
ータとされて画像メモリ１０に格納される。画像メモリ
１０の画像データは表示制御部１１に読み出され、入出
力制御部９へ与えられてアナログ化されて画像信号とさ
れ、表示モニタ装置３へ送られる。表示制御部１１は、
表示モニタ装置３の画面における縦中央に縦方向入力補
助線Ｖと、画面の上部から高さの１／３程度のところに
横方向入力補助線Ｈとを発生させるように、画像メモリ
１０に画像データを書き込んでおく。また、縦方向入力
補助線Ｖより左方の所定位置（平均的な人の両目の間隔
の１／２の位置）に、縦方向にやや短めの左目位置入力
補助線Ｌを発生するように、画像メモリ１０に対応の画
像データを書き込んでおく。図４には、上記の各補助線
に対応する画像データとともにテレビカメラ２により得
られた画像データが、画像メモリ１０から読み出され画
像信号とされて表示モニタ装置３の面に表示された画像
１６が示されている。

【００１３】被検者１は頭部固定具７に頭をうずめ、表
示モニタ装置３方向を目視してキーボード入力装置４の
フリーズボタン１７（図５）を操作してテレビカメラ２
による撮像を開始させる。表示モニタ装置３の画面には
図４に示されるように被検者１の顔の画像が各入力補助
線とともに表示される。そこで、被検者１は横方向入力
補助線Ｈ上に両目の重心がのり、左目の重心を左目位置
入力補助線Ｌが通るように頭部を上下左右に動かせて入
力を行う。このとき、表示モニタ装置３の画像が小さく
て、顔の姿勢が上記補助線に対し所定位置となっている
か否か不明な場合には、キーボード入力装置４の拡大キ
ー１８を操作することにより、図５に示されるように両
目部分の画像を拡大して表示することができる。

【００１４】具体的には、入出力制御部９、表示制御部
１１はプロセッサ等により構成され、図６に示されるフ
ローチャートのプログラムに従って画像の表示を行う。 すなわち、キーボード入力装置１４からのフリーズボタ
ン１７の操作による撮像開始の入力があるかを入出力制
御部９が検出しており（Ｓ２１）、当該入力があるとこ
れを取込み、画像データとして画像メモリ１０へ画像デ
ータを書き込む（Ｓ２２）。表示制御部１１は画像メモ
リ１０から各補助線を含む画像データの読み出しを行い
、入出力制御部９へ与えて画像信号として送出させ画像
の表示を行う（Ｓ２３）。次に、拡大キー１８の操作に
よる拡大要求が行われるかを検出する（Ｓ２４）。拡大
要求が行われた場合には、画像メモリ１０内の両目につ
いて予め設定されている領域（図５の１９Ｌ，１９Ｒの
領域）の画像データを読み出し、縦横に４倍（面積比）
に拡大し、原画像データの下部にスーパーインポーズし
て入出力制御部９へ与えて拡大表示する（Ｓ２５）。こ
の拡大表示された左右両目の領域２０Ｌ，２０Ｒが図５
に示されている。入力制御部９は、キーボード入力装置
４の拡大キー１８の再操作による拡大表示の終了要求の
検出（Ｓ２６）、あるいは、フリーズボタン１７の再操
作による確定（終了）入力の検出（Ｓ２７）を行ってお
り、拡大表示の終了要求がなされると通常の表示を行う
（Ｓ２９）。一方、確定の入力がなされると画像データ
を確定し、画像データメモリ１０内の所定領域（あるい
は、図示せぬ外部メモリ）へ当該画像データを格納する
（Ｓ２８）。なお上記において、拡大画像をスーパーイ
ンポーズして表示したが、スーパーインポーズを行わず
に拡大画像のみを表示してもよい。

【００１５】本実施例の一具体例に係る画像認識システ
ムでは、画像処理認識装置８に被写体の姿勢についての
アナウンス発生・表示を行うためのアナンウス送出部１
３が備えられている。キーボード入力装置４のフリーズ
ボタン１７の操作により、入出力制御部９は抽出部１２
に対し画像メモリ１０内の両目部分の所定領域の抽出指
示を与える。抽出部１２はこれに基づき、画像メモリ１
０から図７に示されるラインＹ＋からラインＹ−までの
各ラインの画像データを読み出し、この画像データをア
ナウンス送出部１３のバッファメモリ３０（図７）に格
納する。アナウンス送出部１３には、バッファメモリ３
０のほかプロセッサやトーン発生器等が含まれいる。ア
ナウンス送出部１３はバッファメモリ３０に画像データ
が格納されると、図７に示されるようにＸプロファイル
及びＹプロファイルの作成を行う。すなわち、Ｘプロフ
ァイルについては、バッファメモリ３０のラインＹ＋か
らラインＹ−までのライン毎に、バッファメモリ３０の
下方に示されるような輝度をパラメータとするＸプロフ
ァイルを作成する。Ｘプロファイルについて各ラインに
は左右の目の瞳に対応した２箇所の極小値（Ｍｉｎ）が
現われる。この極小値のアドレスが各ラインで不一致で
ある場合には顔の姿勢が正しくない。一方、Ｙプロファ
イルについては、バッファメモリ３０の左目領域ＬのＸ
アドレスＬ−からＸアドレスＬ＋までについて輝度をパ
ラメータとするＹプロファイルを作成し、バッファメモ
リ３０の右目領域ＲのＸアドレスＲ−からＸアドレスＲ
＋までについて、輝度をパラメータとするＹプロファイ
ルを作成する。これらＹプロファイルについては、図７
のバッファメモリ３０の右横に示されている。Ｙプロフ
ァイルについては、左目領域Ｌ、右目領域Ｒにそれぞれ
瞳に対応した極小値（Ｍｉｎ）が現われる。この極小値
のＹアドレスが各ＸアドレスのＹプロファイルで不一致
である場合には、顔の姿勢が正しくない。

【００１６】上記のようなプロファイル作成の結果、姿
勢が正しくないことが検出されると、アナウンス送出部
１３では、短く断続するトーンデータを発生して送出し
、入出力制御部９でトーン信号とされて、例えばピィ、
ピィ、ピィ…というようなトーンがスピーカ５から発せ
られる。このトーンを聞いて、被検者１は頭部を動かし
て正しい顔の姿勢を作ることができる。各プロファイル
で極小値のアドレスが一致すると顔の姿勢が正しいので
、アナウンス送出部１３では長く連続するトーンデータ
を発生して送出し、入出力制御部９でトーン信号とされ
て、例えばピィーというトーンがスピーカ５から発生さ
れる。これを聞いて、被害検者１はキーボード入出力装
置４のフリーズボタン１７を再操作し、図６のＳ２７で
説明したように入力確定とする。

【００１７】入力確定のキー操作があると、入出力制御
部９より抽出部１２に対し、顔の全体と各部分について
の抽出指示を与える。抽出部１２は、図８に示されるよ
うに画像メモリ１０の顔の画像に対し、予め定められた
大きさと位置とを有する全体マスク３１、眉マスク３２
、目マスク３３、鼻マスク３４、口マスク３５を備え、
このマスクに相当する画像メモリ１０内の領域から画像
データの読み出し（抽出）を行う。抽出部１２は抽出し
た画像データを学習・認識部１４へ与える。抽出部１２
には、図７を用いて説明したプロファイルを作成する機
能が備えてられており、上記抽出に先立って、プロファ
イルの作成を行い、確定入力とされた顔の画像データの
両目部分の領域についてプロファイルの作成を行う。作
成の結果、顔の姿勢が正しければ、そのまま画像データ
の抽出を行うが、作成が正しくなければ、次のようにし
て画像データの傾き修正を行う。

【００１８】すなわち、抽出部１２は図９に示されるフ
ローチャートのプログラムにより作動する。Ｙアドレス
がＹ０　（図７）のとき、左目に相当する極小値のＸア
ドレスが左目位置入力補助線ＬのＸアドレスに一致する
かを判定する（Ｓ３６）。不一致のときには、被検者１
の顔の画像データをＸ方向とＹ方向（プラスかマイナス
かを含めて）とに必要量だけ移動する（Ｓ３７）。次に
、Ｙ＋〜Ｙ−における左目プロファイルの極小値の各Ｘ
アドレスが、左目位置入力補助線ＬのＸアドレスに一致
するかを判定する（Ｓ３８）。不一致のときに、画像デ
ータを横方向入力補助線Ｈと左目位置入力補助線Ｌとの
交点を中心として回転させる（Ｓ３９）。次に、Ｙプロ
ファイルの極小値のＹアドレスが横方向入力補助線Ｈの
Ｙアドレスに一致するかを判定する（Ｓ４０）。不一致
であれば、画像データを横方向入力補助線Ｈと左目入力
補助線Ｌとの交点を中心として回転させる（Ｓ４１）。 このようにして画像データの移動を行う際には、例えば
、アフィン変換等の手法を用いてもよい。

【００１９】以上の傾き修正により得た画像データにつ
いて、図８に示すように全体及び各部分のマスクを用い
て抽出を行い、全体パターン（画像データ）、眉パター
ン、目パターン、鼻パターン、口パターンを得て、学習
・認識部１４へ送出する。なお、人の顔には様々な特徴
があり、マスクによる抽出によっては必ずしも適切な顔
の各部位の抽出を行い得ないが、このこと自体が各人の
特徴を表わすことになる。

【００２０】以上の説明では、画像処理認識装置８を各
部に別けて説明したが、学習認識部１４を除き、１つの
プロセッサと必要な回路とで構成され、顔の画像データ
についての学習を図１０に示されるフローチャートのプ
ログラムで実行し、顔の画像データの認識を図１４に示
されるフローチャートのプログラムで実行する。

【００２１】上記のようにして、システムに登録される
被検者は次々に撮像を行い、入力処理がなされる（Ｓ４
２）。フリーズボタン１７の再操作により入力画像デー
タの確定が行われ、画像データが所定メモリエリアに登
録される（Ｓ４３）。そして、前述のように抽出部１２
によって画像データの全体及び所定部分の抽出がなされ
（Ｓ４４）、抽出された画像データが学習・認識部１４
を構成するニューラルネットワークに送出される（Ｓ４
５）。学習・認識部１４ではバックプロパゲーション型
のニューラルネットワークにより学習を行う（Ｓ４６）
。

【００２２】図１１にニューラルネットワークによる学
習の第１段階の説明図を示す。ニューラルネットワーク
は全体、眉、目、鼻、口の各画像データに対応した個数
だけ用意される。１つのネットワークは入力層、中間層
、出力層の３層により構成され、出力層ニューロンは、
登録する画像分（人数分）の数を有する。入力層ニュー
ロンは入力される画像分の数を有し、中間層ニューロン
は学習に必要な数だけ用意される。ただし、類似する画
像が入力される場合には、中間層ニューロンが少ないと
収束時間が多大となるため、中間層ニューロンの数を多
くしておく。

【００２３】図１２には、上記のニューラルネットワー
クによる学習処理のフローチャートが示されている。こ
こでは、登録画像の入力が行われ（Ｓ４９）、ニューラ
ルネットワークの大きさ決定及びイニシャライズが行わ
れ（Ｓ５０）、抽出部１２による各部位の抽出処理が行
われ（Ｓ５１）、抽出された画像データにより各ニュー
ラルネットワーク（ニューロ）による学習が行われる（
Ｓ５２〜Ｓ５５）。そして、所定の収束条件となったか
否かを判定して、各ニューラルネットワークでの学習が
なされてゆく（図１１）。

【００２４】このようにして、学習の第１段階が終了す
ると学習の第２段階へ移行する。図１３には学習の第２
段階の処理が示される。ここでは、顔の全体、眉、鼻、
口の個別判定ニューラルネットワークによる認識結果を
総合判定ニューラルネットワーク６０の入力層ニューロ
ンに与え、所定の収束条件により収束するまで学習を行
わせる（図１２、Ｓ５６，Ｓ５７）。このようにして学
習された結果のウェイト（Ｗ，θＶ，σ）は出力され、
学習・認識部１４において保持される（Ｓ５８）。同様
に、画像処理認識装置８の動作を示す図１０のフローチ
ャートにおいても、判定が行われ（Ｓ４７）、ウェイト
の保持がなされる（Ｓ４８）ことが示されている。

【００２５】以上のようにして学習が行われた画像認識
システムでは、例えば入退出管理システム１５（図１）
に認識結果を与えるため、実際の稼動状態に入る。すな
わち、図１４に示されるように、各ネットワークに図１
２のステップＳ５８で出力し保持してあったウェイトを
セットし（Ｓ６１）、実際に到来した被検者１の顔の画
像データの入力が、学習時の登録の場合と同様にしてな
される（Ｓ６２）。抽出部１２において、全体及び各部
位の抽出が行われ（Ｓ６３）、抽出された画像データが
個別判定用のニューラルネットワークに入力される（Ｓ
６４）。図１５には、画像処理認識装置８における各部
の動作が示されている。つまり、フリーズボタン１７の
再操作が行われる迄の各部による入力処理（Ｓ６７）と
、これに続く抽出部１２による全体と各部分との抽出処
理（Ｓ６８）が行われ、ステップＳ６９〜Ｓ７３におい
て、個別判定ニューラルネットワークによる認識が行わ
れる。そして、次に個別判定用ニューラルネットワーク
の出力を総合判定用ニューラルネットワーク６０へ入力
して（図１４、Ｓ６５）、人物の同定が行われる（Ｓ６
６）。すなわち、学習・認識部１４では、個別判定ニュ
ーラルネットワークの認識結果を用いて総合判定用ニュ
ーラルネットワークが判定を行い（図１５、Ｓ７４）、
認識結果が入退室管理システム１５へ出力される（Ｓ７
５）。かくして、入退室管理システム１５では、与えら
れた認識結果に基づき、例えば門の開閉制御が行われる
。

【００２６】本実施例のニューラルネットワークによる
学習・認識部１４は、処理の高速化のため、並列処理を
行う。図１６には、並列処理システムが記載されている
。このシステムで、個別判定ニューラルネットワーク８
１〜８５のそれぞれに、抽出部１２で抽出された顔全体
画像データ、眉画像データ、目画像データ、鼻画像デー
タ、口画像データが与えられ、これらのニューラルネッ
トワークでは並列的に学習・認識を行い、学習・認識結
果は、総合判定用ニューラルネットワーク６０へ送られ
、学習・認識が行われて最終的な認識結果が出力される
。

【００２７】上記並列処理システムは、様々な形態でプ
ロセッサを接続して実現可能なものであるが、ここでは
２例を説明しておく。図１７はテレビカメラ２による入
力を画像入力プロセッサ８６で処理してディジタル化し
、抽出を行い、眉部分認識のニューラルネットワークを
構成するプロセッサ８７と、鼻部分認識のニューラルネ
ットワークを構成するプロセッサ８９を介して、それぞ
れ図のように接続された目部分認識のニューラルネット
ワークを構成するプロセッサ８８と、口部分認識のニュ
ーラルネットワークを構成するプロセッサ９０と、顔全
体認識のニューラルネットワークを構成するプロセッサ
９１とへ、対応する画像データを転送し、学習・認識を
行わせるシステムを示す。学習・認識結果はプロセッサ
８８，９１を介して、総合判定ニューラルネットワーク
を構成するプロセッサ９２へ与えられ、最終的な結果が
例えば入退室管理システム１５へ送られる。

【００２８】図１８には、プロセッサ８６〜９２が共通
バス９３により接続された並列処理システムが示されて
いる。この実施例では、入力され画像入力プロセッサ８
７でディジタル化され、抽出された画像データは、対応
する部位を認識するプロセッサ８７〜９１へ転送され、
これらプロセッサによる学習・認識の結果は総合判定ニ
ューラルネットワークを構成するプロセッサ９２へ転送
されて最終結果が得られる。

【００２９】上記のプロセッサによるニューラルネット
ワークは、判定の結果として認識が行えた場合には、最
新に入力された画像データによりバックプロパゲーショ
ン学習則を適用して再学習を行って更新が可能であり、
このため、人の顔がヒゲや眼鏡や髪型などにより変化し
ても対応が可能である。

【００３０】

【発明の効果】以上、詳細に説明したように本発明によ
れば、被写体の特徴部位を個々のニューラルネットワー
クに入力して認識するため、全体が類似しない場合でも
個々の部位における一致により、認識精度を高めること
ができる。また、全体と部分とを認識するニューラルネ
ットワークを別々のプロセッサにより構成することがで
き、並列処理を行って高速化を図ることができる。

【図面の簡単な説明】

【図１】本発明の一実施例に係る画像認識システムのブ
ロック図である。

【図２】本発明の一実施例に係る画像認識システムの入
出力系の平面図である。

【図３】本発明の一実施例に係る画像認識システムの入
出力系の側面図である。

【図４】モニタ画面の表示例を示す図である。

【図５】目の部分を拡大したモニタ画面の表示例を示す
図である。

【図６】実施例の動作を説明するためのフローチャート
である。

【図７】プロファイル作成を説明するための図である。

【図８】特徴部位抽出を説明するための図である。

【図９】実施例の動作を説明するためのフローチャート
である。

【図１０】実施例の動作を説明するためのフローチャー
トである。

【図１１】学習の第１段階を示す図である。

【図１２】学習時の動作を説明するためのフローチャー
トである。

【図１３】学習の第２段階を示す図である。

【図１４】認識時の動作を説明するためのフローチャー
トである。

【図１５】認識時の動作を説明するためのフローチャー
トである。

【図１６】ニューラルネットワークによる並列処理を説
明するための図である。

【図１７】並列処理システムの構成例のブロック図であ
る。

【図１８】並列処理システムの構成例のブロック図であ
る。

【符号の説明】

１…被検者 ２…テレビカメラ ３…表示モニタ装置 ４…キーボード入力装置 ５…スピーカ ６…鏡 ７…頭部固定具 ８…画像処理認識装置 ９…入出力制御部 １０…画像メモリ １１…表示制御部 １２…抽出部 １３…アナウンス送出部 １４…学習・認識部 ６０…ニューラルネットワーク ８１〜８５…ニューラルネットワーク

Claims (6)

【特許請求の範囲】
1. 【請求項１】　　被写体の画像データの入力を行う画像
   データ入力手段と、この画像データ入力手段により入力
   された画像データから前記被写体の全体と所定部分との
   画像データを抽出する抽出手段と、この抽出手段により
   抽出された画像データを用いて学習・認識を行うニュー
   ラルネットワークからなる学習・認識手段とを備えたこ
   とを特徴とする画像認識システム。
2. 【請求項２】前記学習・認識手段は、複数の個別判定ニ
   ューラルネットワークと、１の総合判定ニューラルネッ
   トワークとを備え、全体と所定部分との抽出画像データ
   を前記各個別判定ニューラルネットワークに与え、この
   出力を前記総合判定ニューラルネットワークへ与えて学
   習・認識を行うことを特徴とする請求項１記載の画像認
   識システム。
3. 【請求項３】前記複数個の個別判定ニューラルネットワ
   ークシステム、前記総合判定ニューラルネットワークシ
   ステムは、それぞれ異なるプロセッサにより構成され、
   各プロセッサは並列処理を行うことを特徴とする請求２
   記載の画像認識システム。
4. 【請求項４】　　被写体を撮像する撮像手段と、この撮
   像手段により得られた画像信号から画像データを作成す
   る画像データ作成手段と、この画像データ作成手段によ
   り作成され入力された画像データに基づき被写体の姿勢
   情報を得る姿勢情報検出手段と、この姿勢情報検出手段
   の検出結果に基づき被写体の姿勢に関するアナウンスを
   発生表示するアナウンス発生表示手段とを更に備えたこ
   とを特徴とする請求項１ないし３のいずれか１項に記載
   の画像処理認識システム。
5. 【請求項５】　　入力された画像データに基づき被写体
   の姿勢情報を得る姿勢情報検出手段と、この姿勢情報検
   出手段による検出結果に基づき画像データから被写体の
   全体及び所定部分の抽出を行う際の抽出領域を変更して
   画像データを抽出する抽出手段とを更に備えたことを特
   徴とする請求項１ないし４のいずれか１項記載の画像認
   識システム。
6. 【請求項６】　　被写体を撮像する撮像手段と、この撮
   像手段により撮像された被写体のモニタ表示を行うモニ
   タ表示手段と、前記撮像手段により得られる画像信号に
   基づくモニタ表示の制御を行うとともに、被写体の一部
   を拡大して表示させ、かつこの拡大画像内に被写体の姿
   勢の基準となる基線を付加して表示させる表示制御手段
   とを更に備えたことを特徴とする請求項１ないし５のい
   ずれか１項に記載の画像認識システム。