JPH0484277A - 特徴量選択方法及び装置と高速識別方法及び装置 - Google Patents
特徴量選択方法及び装置と高速識別方法及び装置Info
- Publication number
- JPH0484277A JPH0484277A JP19892890A JP19892890A JPH0484277A JP H0484277 A JPH0484277 A JP H0484277A JP 19892890 A JP19892890 A JP 19892890A JP 19892890 A JP19892890 A JP 19892890A JP H0484277 A JPH0484277 A JP H0484277A
- Authority
- JP
- Japan
- Prior art keywords
- feature
- mutual information
- average mutual
- feature quantity
- selected feature
- 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
- 238000000034 method Methods 0.000 title claims description 27
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000010187 selection method Methods 0.000 claims description 7
- 210000001331 nose Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 235000006732 Torreya nucifera Nutrition 0.000 description 1
- 244000111306 Torreya nucifera Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Collating Specific Patterns (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】
〔産業上の利用分野］
本発明は、パターン認識における識別に関し、有効な特
徴量系を選択する技術と、高速識別する技術に関するも
のである。
徴量系を選択する技術と、高速識別する技術に関するも
のである。
［従来の技術］
これまでの研究で用いられてきた、パターン認識におけ
る特徴量の選択方法−と識別方法を、文献［Ａ Ｂａ５
ｉｃ ５ｔｕｄｙ ｏｎ ｔ（ｕｍａｎ Ｆａｃｅ Ｒ
ｅｃｏｇｎｉｔｉｏｎ）（Ｙ、Ｋａｙａ ａｎｄ Ｋ、
Ｋｏｂａｙａｓｈｉ、 Ｆｒｏｎｔｉｅｒｓ ｏｆ Ｐ
ａｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ、、ｐｐ、２６５、
Ａｃａｄｅｍｉｃ Ｐｒｅｓｓ（Ｎｅｗ Ｙｏｒｋ）、
（１９７２） ）に基づいて説明する。
る特徴量の選択方法−と識別方法を、文献［Ａ Ｂａ５
ｉｃ ５ｔｕｄｙ ｏｎ ｔ（ｕｍａｎ Ｆａｃｅ Ｒ
ｅｃｏｇｎｉｔｉｏｎ）（Ｙ、Ｋａｙａ ａｎｄ Ｋ、
Ｋｏｂａｙａｓｈｉ、 Ｆｒｏｎｔｉｅｒｓ ｏｆ Ｐ
ａｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ、、ｐｐ、２６５、
Ａｃａｄｅｍｉｃ Ｐｒｅｓｓ（Ｎｅｗ Ｙｏｒｋ）、
（１９７２） ）に基づいて説明する。
この文献では、パターン画像として顔画像を対象として
おり、使用されている初期特徴量を第２図に示す。すな
わち、両目頭間距離（１）９両目尻間距離（２）２両鼻
翼間距離（３）、唇の幅（４）、鼻の下位置での顎の幅
（５）１口の高さでの顎の幅（６）、下唇と顎の光間距
離（７）。
おり、使用されている初期特徴量を第２図に示す。すな
わち、両目頭間距離（１）９両目尻間距離（２）２両鼻
翼間距離（３）、唇の幅（４）、鼻の下位置での顎の幅
（５）１口の高さでの顎の幅（６）、下唇と顎の光間距
離（７）。
鼻の下と上唇間距離（８）、唇の厚さ（９）、鼻の長さ
（Ｌ）によって正規化されている。
（Ｌ）によって正規化されている。
この初期特徴量は、６２人の人物写真を各１枚ずつ集め
て計測された。初期特徴量に対して主成分分析を施し、
主成分方向の成分を実際に使用する特徴量とする。また
、８人の人物写真を各１０枚ずつ集めて初期特徴量を計
測し、主成分方向の成分を同一人物の特徴量の分散（ノ
イズ）として使用した。
て計測された。初期特徴量に対して主成分分析を施し、
主成分方向の成分を実際に使用する特徴量とする。また
、８人の人物写真を各１０枚ずつ集めて初期特徴量を計
測し、主成分方向の成分を同一人物の特徴量の分散（ノ
イズ）として使用した。
また、ここで以下のような識別手法が提案されている。
ある人物を、データベースに登録されている人物と照合
するとする。このときまず、その初期特徴量を主成分の
ベクトル方向に変換する。第１主成分方向の特徴量に対
し、それと同方向のノイズ成分に設定した値をかけた値
内に入っている人物を検索する。検索された人物が１人
だけであったとき、それを答とする。そうでなければ、
第２主成分方向について同様の操作を行う。これを繰り
返すことによって高速に識別が行えるとしている。
するとする。このときまず、その初期特徴量を主成分の
ベクトル方向に変換する。第１主成分方向の特徴量に対
し、それと同方向のノイズ成分に設定した値をかけた値
内に入っている人物を検索する。検索された人物が１人
だけであったとき、それを答とする。そうでなければ、
第２主成分方向について同様の操作を行う。これを繰り
返すことによって高速に識別が行えるとしている。
前項で説明した初期時＠量は、何故それを選択したか理
由が明らかでない。また、それらの中に識別に不都合な
量が混入していないかどうかについても言及がない。
由が明らかでない。また、それらの中に識別に不都合な
量が混入していないかどうかについても言及がない。
主成分分析は多く用いられる方法であるが、これは単に
カテゴリ全体の分散或いは単一カテゴリの分散を対角化
するだけである。有効な特徴量というものは、単一カテ
ゴリの分散をカテゴリ全体の分散で割った量が大きなも
のである。つまり、主成分分析はその目的に対して有効
でない。
カテゴリ全体の分散或いは単一カテゴリの分散を対角化
するだけである。有効な特徴量というものは、単一カテ
ゴリの分散をカテゴリ全体の分散で割った量が大きなも
のである。つまり、主成分分析はその目的に対して有効
でない。
また、識別アルゴリズムにおいては、人物全体の分散と
、個人の分散の分布の比が大きいものから識別を行って
いく方が高速である。一般にこれらの分散分布はまちま
ちであって当然であるため、主成分が大きな順から識別
を行っていくのは不合理である。次表に前記文献におい
て解析された特徴量の、各々の主成分についての分散比
を示す。
、個人の分散の分布の比が大きいものから識別を行って
いく方が高速である。一般にこれらの分散分布はまちま
ちであって当然であるため、主成分が大きな順から識別
を行っていくのは不合理である。次表に前記文献におい
て解析された特徴量の、各々の主成分についての分散比
を示す。
これかられかるように、主成分が大きいからといって分
散比が大きいとは限らない。
散比が大きいとは限らない。
本発明の目的は、パターンを識別するために有効な特徴
量系を求める特徴量選択方法及び装置を提供することに
ある。
量系を求める特徴量選択方法及び装置を提供することに
ある。
本発明の他の目的は、パターンをある特徴量系により識
別を行う高速識別方法及び装置を提供することにある。
別を行う高速識別方法及び装置を提供することにある。
本発明は、パターンを識別するために有効な特徴量系を
求める特徴量選択方法であって、パターンから得られる
特徴量を無作為に生成して特徴量全体集合とし、各々の
特徴量の持つ平均相互情報量が大きな順にＬｉ個（ｉは
特徴量選択を行った回数）選択して、被選択特徴量系と
し、この被選択特徴量系から任意のＭ１個の特徴量を除
いた系の持つ平均相互情報量が最大の特徴量系を選択し
、 この平均相互情報量が設定した値を越えたらそれを最終
被選択特徴量系とし、そうでなければ、前記特徴量全体
集合から前記被選択特徴量系を除いた特徴量のうち、前
記被選択特徴量系との相関を除いた各々の平均相互情報
量が大きな順にり０個特微量を選択して、前記被選択特
徴量系を合わせて被選択特徴量集合とし、 前記特徴量系選択処理に戻ってこれを繰り返すことによ
り、゛識別に有効な特徴量系を求めることを特徴とする
。
求める特徴量選択方法であって、パターンから得られる
特徴量を無作為に生成して特徴量全体集合とし、各々の
特徴量の持つ平均相互情報量が大きな順にＬｉ個（ｉは
特徴量選択を行った回数）選択して、被選択特徴量系と
し、この被選択特徴量系から任意のＭ１個の特徴量を除
いた系の持つ平均相互情報量が最大の特徴量系を選択し
、 この平均相互情報量が設定した値を越えたらそれを最終
被選択特徴量系とし、そうでなければ、前記特徴量全体
集合から前記被選択特徴量系を除いた特徴量のうち、前
記被選択特徴量系との相関を除いた各々の平均相互情報
量が大きな順にり０個特微量を選択して、前記被選択特
徴量系を合わせて被選択特徴量集合とし、 前記特徴量系選択処理に戻ってこれを繰り返すことによ
り、゛識別に有効な特徴量系を求めることを特徴とする
。
また本発明は、パターンを識別するために使用する有効
な特徴量系を求める特徴量選択装置であって・ パターンから得られる特徴量を無作為に作成して特徴量
全体集合を作成する特徴量全体集合計算手段と、 この特徴量全体集合から各々の特徴量の持つ平均相互情
報量を計算する個々平均相互情報量計算手段と、 平均相互情報量の最も大きい特徴量を選択して被選択特
徴量系を作成する初期被選択特徴量系作成手段と、 この被選択特徴量系が持つ平均相互情報量が、設定した
値を越えたかどうがで処理の流れを制御する処理制御手
段と、 前記特徴量全体集合から前記被選沢特微量系を除いた特
徴量のうち、前記被遺択特微量系との相関を除いた各々
の平均相互情報量を計算する特徴量除相関平均相互情報
量計夏手段と、 前記相関を除いた平均相互情報量の大きな順に上位から
２個の特徴量を選択し、これら特徴量と前記被選択特徴
量系を合わせて被選択時＠量集合を作成する被選択特徴
量集合作成手段と、この被選択特徴量集合から任意の１
個の特徴量を除いた系の平均相互情報量を算出する特徴
量系平均相互情報量計算手段と、 この系平均相互情報量が最も大きな系を選択して被選択
特徴量を作成する被選択特徴量系作成手段とからなるこ
とを特徴とする。
な特徴量系を求める特徴量選択装置であって・ パターンから得られる特徴量を無作為に作成して特徴量
全体集合を作成する特徴量全体集合計算手段と、 この特徴量全体集合から各々の特徴量の持つ平均相互情
報量を計算する個々平均相互情報量計算手段と、 平均相互情報量の最も大きい特徴量を選択して被選択特
徴量系を作成する初期被選択特徴量系作成手段と、 この被選択特徴量系が持つ平均相互情報量が、設定した
値を越えたかどうがで処理の流れを制御する処理制御手
段と、 前記特徴量全体集合から前記被選沢特微量系を除いた特
徴量のうち、前記被遺択特微量系との相関を除いた各々
の平均相互情報量を計算する特徴量除相関平均相互情報
量計夏手段と、 前記相関を除いた平均相互情報量の大きな順に上位から
２個の特徴量を選択し、これら特徴量と前記被選択特徴
量系を合わせて被選択時＠量集合を作成する被選択特徴
量集合作成手段と、この被選択特徴量集合から任意の１
個の特徴量を除いた系の平均相互情報量を算出する特徴
量系平均相互情報量計算手段と、 この系平均相互情報量が最も大きな系を選択して被選択
特徴量を作成する被選択特徴量系作成手段とからなるこ
とを特徴とする。
また本発明は、パターンをある特徴量系により識別を行
う高速識別方法であって、 入力パターンの特徴量を、まず特徴量系の中で平均相互
情報量が最も大きな特徴量でマツチングし、 その後、既に用いた特徴量との相関を除いた平均相互情
報量が最も大きな特徴量でマツチングをとっていくこと
により、高速に識別することを特徴とする。
う高速識別方法であって、 入力パターンの特徴量を、まず特徴量系の中で平均相互
情報量が最も大きな特徴量でマツチングし、 その後、既に用いた特徴量との相関を除いた平均相互情
報量が最も大きな特徴量でマツチングをとっていくこと
により、高速に識別することを特徴とする。
さらに本発明は、パターンをある特徴量系により識別を
行う高速識別装置であって、 特徴量系の各々の特徴量が持つ平均相互情報量を計算す
る個々平均相互情報量計算手段と、平均相互情報量が最
大の特徴量を選択し、それを被選択時＠量Ｉ（Ｉはこの
手段を行った回数）として被選択特徴量集合に入れる被
選択特徴量集合追記手段と、 前記特徴量系からこの被選択特徴量集合を除いた特徴量
の特徴量のうちで、この被選択特徴蓋集合との相関を除
いた平均相互情報量を計算する特徴量除相関平均相互情
報量計算手段と、入力パターンに対し、入力パターンの
特徴量を計算する特徴量計算手段と、 前記被選択特徴量Ｊ（Ｊはこの手段を行った回数）によ
りカテゴリの持つ誤差に比例した量で単純マツチングす
るマツチング手段と、 マツチングしたカテゴリ数が１であるかどうかで処理の
流れを制御する制御手段とからなることを特徴とする。
行う高速識別装置であって、 特徴量系の各々の特徴量が持つ平均相互情報量を計算す
る個々平均相互情報量計算手段と、平均相互情報量が最
大の特徴量を選択し、それを被選択時＠量Ｉ（Ｉはこの
手段を行った回数）として被選択特徴量集合に入れる被
選択特徴量集合追記手段と、 前記特徴量系からこの被選択特徴量集合を除いた特徴量
の特徴量のうちで、この被選択特徴蓋集合との相関を除
いた平均相互情報量を計算する特徴量除相関平均相互情
報量計算手段と、入力パターンに対し、入力パターンの
特徴量を計算する特徴量計算手段と、 前記被選択特徴量Ｊ（Ｊはこの手段を行った回数）によ
りカテゴリの持つ誤差に比例した量で単純マツチングす
るマツチング手段と、 マツチングしたカテゴリ数が１であるかどうかで処理の
流れを制御する制御手段とからなることを特徴とする。
本発明である特徴量選択方法の原理を以下に説明する。
情報理論により、ある特徴量系の識別能力はその平均相
互情報量を越えないことが知られている。
互情報量を越えないことが知られている。
この平均相互情報量は、前記文献により、次式で但し、
ここで真の特徴量Ｘが、測定時に外乱りを受けてＹとい
う値で観測されたとする。
ここで真の特徴量Ｘが、測定時に外乱りを受けてＹとい
う値で観測されたとする。
特徴量系の選択手法は、選択の過程を２段階に分割する
ことにより計算時間と解の準最適性のバランスを図った
。
ことにより計算時間と解の準最適性のバランスを図った
。
パターンから得られる特徴量を無作為に生成して特徴量
全体集合とする。例えば、顔画像パターンの識別を行う
ときには、頗を構成する目・鼻・口などの幾何学的な座
標位置から、任意の２特徴点間距離を計算することによ
り求める。そして、各々の特徴量の持つ平均相互情報量
が大きな順にＬｉ個（ｉは特徴量選択を行った回数）選
択して、被選択特徴量系とする。
全体集合とする。例えば、顔画像パターンの識別を行う
ときには、頗を構成する目・鼻・口などの幾何学的な座
標位置から、任意の２特徴点間距離を計算することによ
り求める。そして、各々の特徴量の持つ平均相互情報量
が大きな順にＬｉ個（ｉは特徴量選択を行った回数）選
択して、被選択特徴量系とする。
この被選択特徴量系から任意のＭ、個の特徴量を除いた
系の持つ平均相互情報量が最大の特徴量系を選択し、こ
の平均相互情報量が設定した値を越えたらそれを最終被
選択特徴量系とする。
系の持つ平均相互情報量が最大の特徴量系を選択し、こ
の平均相互情報量が設定した値を越えたらそれを最終被
選択特徴量系とする。
そうでなければ、特徴量全体集合から被選択特徴量系を
除いた特徴量のうち、被選択特徴量系との相関を除いた
各々の平均相互情報量を計算する。
除いた特徴量のうち、被選択特徴量系との相関を除いた
各々の平均相互情報量を計算する。
相関を除いた平均相互情報量とは、対象となる特徴量を
被選択特徴量系に加えたときに得られる平均相互情報量
から、被選択特徴量系の持つ平均相互情報量を引いたも
のである。平均相互情報量が大きな順に、Ｌ１個特徴量
を選択して、被選択特徴量系を合わせて被選択特徴量集
合とし、特徴量系選択処理に戻ってこれを繰り返すこと
により、識別に有効な特徴量系を求める。
被選択特徴量系に加えたときに得られる平均相互情報量
から、被選択特徴量系の持つ平均相互情報量を引いたも
のである。平均相互情報量が大きな順に、Ｌ１個特徴量
を選択して、被選択特徴量系を合わせて被選択特徴量集
合とし、特徴量系選択処理に戻ってこれを繰り返すこと
により、識別に有効な特徴量系を求める。
本発明である高速識別方法の原理を以下に説明する。
特徴量の持つ平均相互情報量が大きな順に検索を行って
ゆくのがより速（検索を終了するのに有効であることは
明らかである。そこで、入力パターンの特徴量を、まず
特徴量系の中で平均相互情報量が最も大きな特徴量でマ
ツチングする。その後、既に用いた特徴量との相関を除
いた平均相互情報量が最も大きな特徴量でマツチングを
とってゆくことにより、高速に識別することが可能とな
る。
ゆくのがより速（検索を終了するのに有効であることは
明らかである。そこで、入力パターンの特徴量を、まず
特徴量系の中で平均相互情報量が最も大きな特徴量でマ
ツチングする。その後、既に用いた特徴量との相関を除
いた平均相互情報量が最も大きな特徴量でマツチングを
とってゆくことにより、高速に識別することが可能とな
る。
〔実施例］
以下に本発明である特徴量選択方法及び装置の実施例を
図面を用いて説明する。
図面を用いて説明する。
第１図は、本発明である特徴量選択装置の一実施例を示
すブロック図である。
すブロック図である。
平均相互情報量を具体的に計算するために、前記文献に
基づいて、（１）式を変形する。
基づいて、（１）式を変形する。
親分布をしており、独立であるとする。また、外乱は真
の特徴量に対して線形和で重畳すると仮定共分散行列を
Σ。、Σ、とすると、（１）式は次のように変形できる
。
の特徴量に対して線形和で重畳すると仮定共分散行列を
Σ。、Σ、とすると、（１）式は次のように変形できる
。
共分散行列は得られたデータに最尤推定法を用いること
によって求めることができる。
によって求めることができる。
特徴量全体集合計算手段２は、パターン信号１に対し、
このパターンから得られる特徴量を無作為に生成して特
ｆ！！！量全体集合信号３を作成する。
このパターンから得られる特徴量を無作為に生成して特
ｆ！！！量全体集合信号３を作成する。
個々平均相互情報量計算手段４は、特徴量全体集合から
各々の特徴量の持つ平均相互情報量を（２）式に基づい
て計算し、個々平均相互情報量信号５を出力する。
各々の特徴量の持つ平均相互情報量を（２）式に基づい
て計算し、個々平均相互情報量信号５を出力する。
初期被選択特徴量系作成手段６は、個々平均相互情報量
信号の最も大きい特徴量を選択し、被選択特徴量系信号
７を出力する。
信号の最も大きい特徴量を選択し、被選択特徴量系信号
７を出力する。
ここで、処理制御手段８は、被選択特徴量系信号７の平
均相互情報量が設定した値を越えたかどうか判断し、越
えていれば得られている特徴量系を最終的に得た特徴量
系とし、最終被選択特徴量系１０を出力する。
均相互情報量が設定した値を越えたかどうか判断し、越
えていれば得られている特徴量系を最終的に得た特徴量
系とし、最終被選択特徴量系１０を出力する。
もし設定した値を越えていない場合、特徴量除相関平均
相互情報量計算手段１１は、特徴量全体集合信号から被
選択特徴量系信号を除いた特徴量のうち、被選択特徴量
系信号との相関を除いた各々の平均相互情報量を計算し
、除相関平均相互情報量信号１２を出力する。
相互情報量計算手段１１は、特徴量全体集合信号から被
選択特徴量系信号を除いた特徴量のうち、被選択特徴量
系信号との相関を除いた各々の平均相互情報量を計算し
、除相関平均相互情報量信号１２を出力する。
相関を除いた情報量は、以下の方法で計算する。
すなわち、ある特徴量を被選択特徴量系に加えて、全体
としての平均相互情報量を（２）式に基づいて計算し、
それから被選択特徴量系信号の平均相互情報量を引いた
ものである。
としての平均相互情報量を（２）式に基づいて計算し、
それから被選択特徴量系信号の平均相互情報量を引いた
ものである。
被選択特徴量集合作成手段１３は、除相関平均相互情報
量の大きな順に上位から２個の特徴量を選択し、それと
被選択特徴量系信号を合わせて被選択特徴量集合信号１
４を作成する。
量の大きな順に上位から２個の特徴量を選択し、それと
被選択特徴量系信号を合わせて被選択特徴量集合信号１
４を作成する。
特徴量系平均相互情報量計算手段１５は、被選択特徴量
集合信号から任意の１個の特徴量を除いた系の平均相互
情報量を（２）式により計算し、特徴量系平均相互情報
量信号１６を出力する。
集合信号から任意の１個の特徴量を除いた系の平均相互
情報量を（２）式により計算し、特徴量系平均相互情報
量信号１６を出力する。
被選択特徴量系作成手段９は、特徴量系平均相互情報量
信号の最も大きな系を選択して被選択特徴量系信号を出
力する。
信号の最も大きな系を選択して被選択特徴量系信号を出
力する。
被選択特徴量系信号は処理制御手段８によって平均相互
情報量が目的の値を越えたかどうか判断され、これを繰
り返すことによって、識別に有効な特徴量系を求める。
情報量が目的の値を越えたかどうか判断され、これを繰
り返すことによって、識別に有効な特徴量系を求める。
次に本発明である高速識別方法及び装置について図面を
参照しながら説明する。
参照しながら説明する。
第３図は高速識別装置の一実施例である。
個々平均相互情報量計算手段２２はパターン識別を行う
ための特徴量系信号２１について、各々の特徴量が持つ
平均相互情報量を（２）式に基づいて計算し、個々平均
相互情報量信号２３を出力する。
ための特徴量系信号２１について、各々の特徴量が持つ
平均相互情報量を（２）式に基づいて計算し、個々平均
相互情報量信号２３を出力する。
被選択特徴量集合追記手段２４は、個々平均相互情報量
が最大の特徴量を選択し、被選択特徴量Ｉ（■はこの手
段を行った回数）として被選択特徴量集合信号２５を出
力する。
が最大の特徴量を選択し、被選択特徴量Ｉ（■はこの手
段を行った回数）として被選択特徴量集合信号２５を出
力する。
次に、特徴量除相関平均相互情報量計算手段２７により
、特徴量系信号から被選択特徴量集合信号を除いた特徴
量のうち、被選択特徴量集合信号との相関を除いた平均
相互情報量を（２）式に基づいて計算し、除相関平均相
互情報量信号２６を出力する。
、特徴量系信号から被選択特徴量集合信号を除いた特徴
量のうち、被選択特徴量集合信号との相関を除いた平均
相互情報量を（２）式に基づいて計算し、除相関平均相
互情報量信号２６を出力する。
ここで、再び被選択特徴量集合追記手段２４を用いて、
除相関平均相互情報量信号が最大の特徴量を選択し、被
選択特徴蓋１（Ｉはこの手段を行った回数）として、被
選択特徴貴集合に出力する。この、特徴量除相関平均相
互情報量計算手段２７と、被選択特徴量集合追記手段２
４を、特徴量全てを取り尽くすまで繰り返す。
除相関平均相互情報量信号が最大の特徴量を選択し、被
選択特徴蓋１（Ｉはこの手段を行った回数）として、被
選択特徴貴集合に出力する。この、特徴量除相関平均相
互情報量計算手段２７と、被選択特徴量集合追記手段２
４を、特徴量全てを取り尽くすまで繰り返す。
特徴量計算手段２９は、入力パターン信号２８に対し特
徴量を計算し、入力パターンの特徴量信号３０を出力す
る。
徴量を計算し、入力パターンの特徴量信号３０を出力す
る。
マツチング手段３１は、入力パターン特微量信号を、被
選択特徴蓋Ｊ（Ｊはこの手段を行った回数）によりカテ
ゴリの持つ誤差に比例した量で単純マツチングし、マツ
チングカテゴリ信号３２を出力する。
選択特徴蓋Ｊ（Ｊはこの手段を行った回数）によりカテ
ゴリの持つ誤差に比例した量で単純マツチングし、マツ
チングカテゴリ信号３２を出力する。
制御手段３３はマツチングカテゴリ信号の数を調べ、ｌ
であればそれを最終マツチングカテゴリ信号３４とし、
そうでなければマツチング手段３１を繰り返す。
であればそれを最終マツチングカテゴリ信号３４とし、
そうでなければマツチング手段３１を繰り返す。
本発明により、照合・検索に有効な特徴量系を選択、高
速識別を行うことができる。
速識別を行うことができる。
第１図は、本発明の特徴！選択装置の一実施例を示すブ
ロック図、 第２図は、初期時微量の説明図、 第３図は、本発明の高速識別装置の一実施例を示すブロ
ック図である。 ２・・・・・特徴量全体集合計算手段 ４・・・・・個々平均相互情報量計算手段６・・・・・
初期被選択特徴量系作成手段８・・・・・処理制御手段 ９・・・・・被選択特徴量系作成手段 １１・・・・・特徴量除相関平均相互除量計算手段 １３・・・・・被選択特徴量集合作成手段１５・・・・
・特徴量系平均相互情報量計算手段 ２２・・・・・個々時微量平均相互情報量計算手段 ２４・・・・・被選択特徴量集合追記手段２７・・・・
・特徴量除相関平均相互情報量計算手段 ２９・・・・・特徴量計算手段 ３１・・・・・マツチング手段
ロック図、 第２図は、初期時微量の説明図、 第３図は、本発明の高速識別装置の一実施例を示すブロ
ック図である。 ２・・・・・特徴量全体集合計算手段 ４・・・・・個々平均相互情報量計算手段６・・・・・
初期被選択特徴量系作成手段８・・・・・処理制御手段 ９・・・・・被選択特徴量系作成手段 １１・・・・・特徴量除相関平均相互除量計算手段 １３・・・・・被選択特徴量集合作成手段１５・・・・
・特徴量系平均相互情報量計算手段 ２２・・・・・個々時微量平均相互情報量計算手段 ２４・・・・・被選択特徴量集合追記手段２７・・・・
・特徴量除相関平均相互情報量計算手段 ２９・・・・・特徴量計算手段 ３１・・・・・マツチング手段
Claims (4)
- （１）パターンを識別するために有効な特徴量系を求め
る特徴量選択方法であって、 パターンから得られる特徴量を無作為に生成して特徴量
全体集合とし、各々の特徴量の持つ平均相互情報量が大
きな順にＬ＿ｉ個（ｉは特徴量選択を行った回数）選択
して、被選択特徴量系とし、この被選択特徴量系から任
意のＭ＿１個の特徴量を除いた系の持つ平均相互情報量
が最大の特徴量系を選択し、 この平均相互情報量が設定した値を越えたらそれを最終
被選択特徴量系とし、そうでなければ、前記特徴量全体
集合から前記被選択特徴量系を除いた特徴量のうち、前
記被選択特徴量系との相関を除いた各々の平均相互情報
量が大きな順にＬ＿ｉ個特徴量を選択して、前記被選択
特徴量系を合わせて被選択特徴量集合とし、 前記特徴量系選択処理に戻ってこれを繰り返すことによ
り、識別に有効な特徴量系を求めることを特徴とする特
徴量選択方法。 - （２）パターンを識別するために使用する有効な特徴量
系を求める特徴量選択装置であって、パターンから得ら
れる特徴量を無作為に生成して特徴量全体集合を作成す
る特徴量全体集合計算手段と、 この特徴量全体集合から各々の特徴量の持つ平均相互情
報量を計算する個々平均相互情報量計算手段と、 平均相互情報量の最も大きい特徴量を選択して被選択特
徴量系を作成する初期被選択特徴量系作成手段と、 この被選択特徴量系が持つ平均相互情報量が、設定した
値を越えたかどうかで処理の流れを制御する処理制御手
段と、 前記特徴量全体集合から前記被選択特徴量系を除いた特
徴量のうち、前記被選択特徴量系との相関を除いた各々
の平均相互情報量を計算する特徴量除相関平均相互情報
量計算手段と、 前記相関を除いた平均相互情報量の大きな順に上位から
２個の特徴量を選択し、これら特徴量と前記被選択特徴
量系を合わせて被選択特徴量集合を作成する被選択特徴
量集合作成手段と、 この被選択特徴量集合から任意の１個の特徴量を除いた
系の平均相互情報量を算出する特徴量系平均相互情報量
計算手段と、 この系平均相互情報量が最も大きな系を選択して被選択
特徴量を作成する被選択特徴量系作成手段とからなるこ
とを特徴とする特徴量選択装置。 - （３）パターンをある特徴量系により識別を行う高速識
別方法であって、 入力パターンの特徴量を、まず特徴量系の中で平均相互
情報量が最も大きな特徴量でマッチングし、 その後、既に用いた特徴量との相関を除いた平均相互情
報量が最も大きな特徴量でマッチングをとっていくこと
により、高速に識別することを特徴とする高速識別方法
。 - （４）パターンをある特徴量系により識別を行う高速識
別装置であって、 特徴量系の各々の特徴量が持つ平均相互情報量を計算す
る個々平均相互情報量計算手段と、平均相互情報量が最
大の特徴量を選択し、それを被選択特徴量Ｉ（Ｉはこの
手段を行った回数）として被選択特徴量集合に入れる被
選択特徴量集合追記手段と、 前記特徴量系からこの被選択特徴量集合を除いた特徴量
の特徴量のうちで、この被選択特徴量集合との相関を除
いた平均相互情報量を計算する特徴量除相関平均相互情
報量計算手段と、 入力パターンに対し、入力パターンの特徴量を計算する
特徴量計算手段と、 前記被選択特徴量Ｊ（Ｊはこの手段を行った回数）によ
りカテゴリの持つ誤差に比例した量で単純マッチングす
るマッチング手段と、 マッチングしたカテゴリ数が１であるかどうかで処理の
流れを制御する制御手段とからなることを特徴とする高
速識別装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2198928A JP2551212B2 (ja) | 1990-07-26 | 1990-07-26 | 特徴量選択方法及び装置と高速識別方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2198928A JP2551212B2 (ja) | 1990-07-26 | 1990-07-26 | 特徴量選択方法及び装置と高速識別方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0484277A true JPH0484277A (ja) | 1992-03-17 |
| JP2551212B2 JP2551212B2 (ja) | 1996-11-06 |
Family
ID=16399300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2198928A Expired - Lifetime JP2551212B2 (ja) | 1990-07-26 | 1990-07-26 | 特徴量選択方法及び装置と高速識別方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2551212B2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003073381A1 (fr) * | 2002-02-27 | 2003-09-04 | Nec Corporation | Procede de selection de caracteristique de structure, procede de classement, procede de jugement, programme et dispositif |
| WO2008026414A1 (fr) * | 2006-08-31 | 2008-03-06 | Osaka Prefecture University Public Corporation | Procédé de reconnaissance d'image, dispositif de reconnaissance d'image et programme de reconnaissance d'image |
| WO2012020591A1 (ja) * | 2010-08-09 | 2012-02-16 | 日本電気株式会社 | 個体識別システム、特徴量特定装置、特徴量特定方法および記録媒体 |
| US8630823B2 (en) | 2007-11-01 | 2014-01-14 | Omron Corporation | Feature parameter candidate generation apparatus and feature parameter candidate generation method |
-
1990
- 1990-07-26 JP JP2198928A patent/JP2551212B2/ja not_active Expired - Lifetime
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003073381A1 (fr) * | 2002-02-27 | 2003-09-04 | Nec Corporation | Procede de selection de caracteristique de structure, procede de classement, procede de jugement, programme et dispositif |
| US7634140B2 (en) | 2002-02-27 | 2009-12-15 | Nec Corporation | Pattern feature selection method, classification method, judgment method, program, and device |
| WO2008026414A1 (fr) * | 2006-08-31 | 2008-03-06 | Osaka Prefecture University Public Corporation | Procédé de reconnaissance d'image, dispositif de reconnaissance d'image et programme de reconnaissance d'image |
| JP4883649B2 (ja) * | 2006-08-31 | 2012-02-22 | 公立大学法人大阪府立大学 | 画像認識方法、画像認識装置および画像認識プログラム |
| US8199973B2 (en) | 2006-08-31 | 2012-06-12 | Osaka Prefecture University Public Corporation | Image recognition method, image recognition device, and image recognition program |
| US8630823B2 (en) | 2007-11-01 | 2014-01-14 | Omron Corporation | Feature parameter candidate generation apparatus and feature parameter candidate generation method |
| WO2012020591A1 (ja) * | 2010-08-09 | 2012-02-16 | 日本電気株式会社 | 個体識別システム、特徴量特定装置、特徴量特定方法および記録媒体 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2551212B2 (ja) | 1996-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Corradini | Dynamic time warping for off-line recognition of a small gesture vocabulary | |
| Salmam et al. | Facial expression recognition using decision trees | |
| Chellappa et al. | A feature based approach to face recognition | |
| Keller et al. | Fuzzy clustering with weighting of data variables | |
| Lin et al. | Spatially eigen-weighted Hausdorff distances for human face recognition | |
| Urbann et al. | Online and real-time tracking in a surveillance scenario | |
| Sahbi et al. | Coarse-to-fine support vector classifiers for face detection | |
| Wahyono et al. | Face emotional detection using computational intelligence based ubiquitous computing | |
| Utsumi et al. | Hand detection and tracking using pixel value distribution model for multiple-camera-based gesture interactions | |
| JPH0484277A (ja) | 特徴量選択方法及び装置と高速識別方法及び装置 | |
| Wei et al. | Spline interpolation and deep neural networks as feature extractors for signature verification purposes | |
| CN115063747B (zh) | 客流量的统计方法、装置、电子设备及存储介质 | |
| Kang et al. | User interface-based repeated sequence detection method for authentication. | |
| Jeny et al. | Deep learning framework for face mask detection | |
| CN109146913A (zh) | 一种人脸跟踪方法及装置 | |
| CN111914718B (zh) | 基于平均影响值数据变换的特征加权pca人脸识别方法 | |
| Abusham | Face verification using local graph stucture (LGS) | |
| Kumar et al. | Skin based occlusion detection and face recognition using machine learning techniques | |
| Pang et al. | One-pass incremental membership authentication by face classification | |
| Schak et al. | On multi-modal fusion for freehand gesture recognition | |
| Noh et al. | Feature-adaptive motion energy analysis for facial expression recognition | |
| Surakhi et al. | An enhanced biometric-based face recognition system using genetic and CRO algorithms | |
| Nguyen et al. | A comparative study on application of multi-task cascaded convolutional network for robust face recognition | |
| JPH04241684A (ja) | 画像整合方法及び装置 | |
| KR102843198B1 (ko) | 네거티브 앵커를 고려한 조밀한 물체 감지 시스템 및 방법 |