JPH07121706A - 画像認識装置 - Google Patents
画像認識装置Info
- Publication number
- JPH07121706A JPH07121706A JP5263495A JP26349593A JPH07121706A JP H07121706 A JPH07121706 A JP H07121706A JP 5263495 A JP5263495 A JP 5263495A JP 26349593 A JP26349593 A JP 26349593A JP H07121706 A JPH07121706 A JP H07121706A
- Authority
- JP
- Japan
- Prior art keywords
- image
- memory
- reduced
- data
- similarity
- 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
- 230000015654 memory Effects 0.000 claims abstract description 57
- 238000003909 pattern recognition Methods 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract description 2
- 239000006185 dispersion Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】縮小画像を用いたパターン認識において、視野
内の物体（図形）位置による類似度のバラツキ低減。 【構成】縮小画像のデータが入力される第１の画像メモ
リと、第１の縮小リファレンス画像のデータが格納され
る第２の画像メモリと、前記両メモリのデータを用いて
前記縮小画像と第１の縮小リファレンス画像との間の最
大類似度を求める既設の積和器及びプロセッサと、前記
とは異なる第２の縮小リファレンス画像のデータが格納
されるｎ（ｎは１以上の整数）個の第３の画像メモリ
と、この画像メモリのデータと前記第１の画像メモリの
データとを用い、前記第３の画像メモリと対になって前
記プロセッサと共に、前記縮小画像と第２の縮小リファ
レンス画像との間のｎ種の最大類似度を求めるための増
設の積和器とを具備したことを特徴とする。
内の物体（図形）位置による類似度のバラツキ低減。 【構成】縮小画像のデータが入力される第１の画像メモ
リと、第１の縮小リファレンス画像のデータが格納され
る第２の画像メモリと、前記両メモリのデータを用いて
前記縮小画像と第１の縮小リファレンス画像との間の最
大類似度を求める既設の積和器及びプロセッサと、前記
とは異なる第２の縮小リファレンス画像のデータが格納
されるｎ（ｎは１以上の整数）個の第３の画像メモリ
と、この画像メモリのデータと前記第１の画像メモリの
データとを用い、前記第３の画像メモリと対になって前
記プロセッサと共に、前記縮小画像と第２の縮小リファ
レンス画像との間のｎ種の最大類似度を求めるための増
設の積和器とを具備したことを特徴とする。
Description
【０００１】
【産業上の利用分野】本発明は、縮小画像による画像認
識装置に関し、特に縮小画像による画像認識で、類似度
のバラツキを低減する場合に適するものである。
識装置に関し、特に縮小画像による画像認識で、類似度
のバラツキを低減する場合に適するものである。
【０００２】
【従来の技術】通常、ＩＴＶ（工業用テレビ）カメラな
どの入力装置の視野内の物体（図形）を、パターン・マ
ッチング法を用いて、類似度によるパターン認識をする
とき、処理時間の短縮のために、縮小画像を用いると有
利なこと（画素数が減るから）は知られている。
どの入力装置の視野内の物体（図形）を、パターン・マ
ッチング法を用いて、類似度によるパターン認識をする
とき、処理時間の短縮のために、縮小画像を用いると有
利なこと（画素数が減るから）は知られている。
【０００３】ところでこのものは、視野内を１／Ｎ平均
値縮小でメモリ（ｐ）に取り込み、予め用意した縮小既
知画像（縮小リファレンス画像）（ｒ）とで、最大類似
度を示す点をサーチする。この時、視野内の物体位置が
固定されないものとすると、入力装置からメモリに取り
込む度に、その位置は不定である。
値縮小でメモリ（ｐ）に取り込み、予め用意した縮小既
知画像（縮小リファレンス画像）（ｒ）とで、最大類似
度を示す点をサーチする。この時、視野内の物体位置が
固定されないものとすると、入力装置からメモリに取り
込む度に、その位置は不定である。
【０００４】視野内を、Ｘ、Ｙ方向の２次元の画素単位
で考えると、原画像（Ｐ）に対する物体の位置関係は、
縮小画像で考えると縮小比Ｎ通りある。図２は１／１６
縮小の例で、図２（ａ）、（ｂ）は、原画像（Ｐ）での
物体（図形）１の位置を示す。この図において（Ｘ０、
Ｙ０）〜（Ｘ３、Ｙ３）の１６ピクセル（画素）が、縮
小画像の１ピクセル（画素）に相当する。
で考えると、原画像（Ｐ）に対する物体の位置関係は、
縮小画像で考えると縮小比Ｎ通りある。図２は１／１６
縮小の例で、図２（ａ）、（ｂ）は、原画像（Ｐ）での
物体（図形）１の位置を示す。この図において（Ｘ０、
Ｙ０）〜（Ｘ３、Ｙ３）の１６ピクセル（画素）が、縮
小画像の１ピクセル（画素）に相当する。
【０００５】この図２を見ても分かる通り、リファレン
スとなる縮小既知画像（ｒ）が、図２（ａ）の位置（物
体１のある位置）で用意されたとすると、サーチ時の画
像が図２（ａ）のとき最大となり、図２（ｂ）の場合
は、相当量の類似度低下となる。従って図２（ｂ）のと
き、視野内の別物体（別図形）との類似度と逆転される
恐れがあり、誤認識の可能性がある。
スとなる縮小既知画像（ｒ）が、図２（ａ）の位置（物
体１のある位置）で用意されたとすると、サーチ時の画
像が図２（ａ）のとき最大となり、図２（ｂ）の場合
は、相当量の類似度低下となる。従って図２（ｂ）のと
き、視野内の別物体（別図形）との類似度と逆転される
恐れがあり、誤認識の可能性がある。
【０００６】このように、従来の縮小画像を用いたパタ
ーン認識では、入力画像での物体（図形）の位置が、縮
小バウンダリのどこに位置するかで、類似度のバラツキ
が大きいという欠点があった。
ーン認識では、入力画像での物体（図形）の位置が、縮
小バウンダリのどこに位置するかで、類似度のバラツキ
が大きいという欠点があった。
【０００７】
【発明が解決しようとする課題】本発明は上記実情に鑑
みてなされたもので、縮小画像を用いたパターン認識に
おいて、視野内の物体（図形）位置による類似度のバラ
ツキが低減でき、以て、誤認識の確率を小さくできる画
像認識装置を提供しようとするものである。
みてなされたもので、縮小画像を用いたパターン認識に
おいて、視野内の物体（図形）位置による類似度のバラ
ツキが低減でき、以て、誤認識の確率を小さくできる画
像認識装置を提供しようとするものである。
【０００８】
【課題を解決するための手段と作用】本発明は、縮小画
像のデータが入力される第１の画像メモリと、第１の縮
小リファレンス画像のデータが格納される第２の画像メ
モリと、前記両メモリのデータを用いて前記縮小画像と
第１の縮小リファレンス画像との間の最大類似度を求め
る既設の積和器及びプロセッサと、前記とは異なる第２
の縮小リファレンス画像のデータが格納されるｎ（ｎは
１以上の整数）個の第３の画像メモリと、この画像メモ
リのデータと前記第１の画像メモリのデータとを用い、
前記第３の画像メモリと対になって前記プロセッサと共
に、前記縮小画像と第２の縮小リファレンス画像との間
のｎ種の最大類似度を求めるための増設の積和器とを具
備したことを特徴とする画像認識装置である。
像のデータが入力される第１の画像メモリと、第１の縮
小リファレンス画像のデータが格納される第２の画像メ
モリと、前記両メモリのデータを用いて前記縮小画像と
第１の縮小リファレンス画像との間の最大類似度を求め
る既設の積和器及びプロセッサと、前記とは異なる第２
の縮小リファレンス画像のデータが格納されるｎ（ｎは
１以上の整数）個の第３の画像メモリと、この画像メモ
リのデータと前記第１の画像メモリのデータとを用い、
前記第３の画像メモリと対になって前記プロセッサと共
に、前記縮小画像と第２の縮小リファレンス画像との間
のｎ種の最大類似度を求めるための増設の積和器とを具
備したことを特徴とする画像認識装置である。
【０００９】すなわち本発明は、上記第３の画像メモリ
と、これに対応する増設の積和器を設け、これらの方で
得られる最大類似度をも考慮にいれることで、縮小画像
による画像認識率が、２倍以上にも向上できるものであ
る。
と、これに対応する増設の積和器を設け、これらの方で
得られる最大類似度をも考慮にいれることで、縮小画像
による画像認識率が、２倍以上にも向上できるものであ
る。
【００１０】
【実施例】以下図面を参照して本発明の一実施例を説明
する。図１はこの実施例を示すもので、１１は、被検知
側の縮小画像のデータが入力される画像メモリ、１２は
縮小リファレンス画像のデータが格納される既知画像メ
モリである。これらメモリ１１、１２の出力側には、該
両メモリのデータを用いて前記縮小画像と縮小リファレ
ンス画像との間の最大類似度を求める既設側の積和器１
３〜１５及びプロセッサ１６が設けられている。新たに
増設される部分１７には、前記とは異なる縮小リファレ
ンス画像のデータが格納される既知画像メモリ１８が設
けられ、又この画像メモリ１８のデータと画像メモリ１
１のデータとを用い、画像メモリ１８と対になってプロ
セッサ１６と共に、メモリ１１の縮小画像とメモリ１８
の縮小リファレンス画像との間の最大類似度を求めるた
めの積和器１９が設けられている。
する。図１はこの実施例を示すもので、１１は、被検知
側の縮小画像のデータが入力される画像メモリ、１２は
縮小リファレンス画像のデータが格納される既知画像メ
モリである。これらメモリ１１、１２の出力側には、該
両メモリのデータを用いて前記縮小画像と縮小リファレ
ンス画像との間の最大類似度を求める既設側の積和器１
３〜１５及びプロセッサ１６が設けられている。新たに
増設される部分１７には、前記とは異なる縮小リファレ
ンス画像のデータが格納される既知画像メモリ１８が設
けられ、又この画像メモリ１８のデータと画像メモリ１
１のデータとを用い、画像メモリ１８と対になってプロ
セッサ１６と共に、メモリ１１の縮小画像とメモリ１８
の縮小リファレンス画像との間の最大類似度を求めるた
めの積和器１９が設けられている。
【００１１】しかして、類似度によるパターン・マッチ
ングを高速に処理するとき、ハードウェアによる演算処
理の占める割合が大きい。図１はそのための改善構成を
示すもので、増設部分１７を除いた部分２０は、従来の
一般的な構成である。この構成に、増設部分１７に示す
既知画像メモリ（１８）、積和器（１９）を１組（また
は複数組）設ける構成である。
ングを高速に処理するとき、ハードウェアによる演算処
理の占める割合が大きい。図１はそのための改善構成を
示すもので、増設部分１７を除いた部分２０は、従来の
一般的な構成である。この構成に、増設部分１７に示す
既知画像メモリ（１８）、積和器（１９）を１組（また
は複数組）設ける構成である。
【００１２】図１の構成において、既知画像メモリ１２
に、図２（ａ）の位置での既知画像の縮小リファレンス
画像データが保存され、画像メモリ１１に縮小画像が入
力されているとする。この縮小画像は、静止画像でなく
ても、メモリ１１に入った時点では、静止画像と等価で
ある。
に、図２（ａ）の位置での既知画像の縮小リファレンス
画像データが保存され、画像メモリ１１に縮小画像が入
力されているとする。この縮小画像は、静止画像でなく
ても、メモリ１１に入った時点では、静止画像と等価で
ある。
【００１３】ところで、既知画像のサイズで画像メモリ
のサーチエリア内すべてとパターン・マッチングを行
い、類似度の高い（最大類似度の）場所を探すとき、増
設部分１７の無い従来の構成では、入力画像が図２
（ａ）の時と、図２（ｂ）の時とでは、類似度のバラツ
キは大きい。
のサーチエリア内すべてとパターン・マッチングを行
い、類似度の高い（最大類似度の）場所を探すとき、増
設部分１７の無い従来の構成では、入力画像が図２
（ａ）の時と、図２（ｂ）の時とでは、類似度のバラツ
キは大きい。
【００１４】しかしながら、もし増設部分１７に、メモ
リ１８と積和器１９が１組増設され、既知画像メモリ１
８に、図２（ｂ）の位置での縮小既知画像が保存されて
いると、メモリ１２の既知画像とメモリ１８の既知画像
との２つの画像で一緒に、相関演算を介して相関係数を
得、その中の最大相関係数を得ることにより、良好なパ
ターン・マッチングを行うことが可能である。
リ１８と積和器１９が１組増設され、既知画像メモリ１
８に、図２（ｂ）の位置での縮小既知画像が保存されて
いると、メモリ１２の既知画像とメモリ１８の既知画像
との２つの画像で一緒に、相関演算を介して相関係数を
得、その中の最大相関係数を得ることにより、良好なパ
ターン・マッチングを行うことが可能である。
【００１５】すなわち、増設部分１７以外の既知の部分
２０で、図２（ａ）の縮小画像に一番近い最大相関係数
を得る。これは、図２（ａ）の縮小画像に一番類似した
ものであり、類似度の判断基準となるものである。ま
た、メモリ１２、積和器１５を除く既設の部分と、既知
画像メモリ１８、積和器１９、プロセッサ１６などで、
図２（ｂ）の縮小画像に一番近い最大相関係数を得る。
これは、図２（ｂ）の縮小画像に一番類似したものであ
り、類似度の判断基準となるものである。
２０で、図２（ａ）の縮小画像に一番近い最大相関係数
を得る。これは、図２（ａ）の縮小画像に一番類似した
ものであり、類似度の判断基準となるものである。ま
た、メモリ１２、積和器１５を除く既設の部分と、既知
画像メモリ１８、積和器１９、プロセッサ１６などで、
図２（ｂ）の縮小画像に一番近い最大相関係数を得る。
これは、図２（ｂ）の縮小画像に一番類似したものであ
り、類似度の判断基準となるものである。
【００１６】この様に２つの縮小既知画像をリファレン
スとしたパターン・マッチングを行うことで、誤認識の
確率を減らすことができる。換言すれば、本実施例にお
ける最大類似度のバラツキは、従来の方法の１／２に抑
えられる。この様に、もし縮小比が１／ＮのときのＮ組
の増設部分（既知画像メモリと積和器との対）を設ける
と、類似度のバラツキは最小に抑えられるようになるも
のである。
スとしたパターン・マッチングを行うことで、誤認識の
確率を減らすことができる。換言すれば、本実施例にお
ける最大類似度のバラツキは、従来の方法の１／２に抑
えられる。この様に、もし縮小比が１／ＮのときのＮ組
の増設部分（既知画像メモリと積和器との対）を設ける
と、類似度のバラツキは最小に抑えられるようになるも
のである。
【００１７】なお、本発明は上記実施例に限られること
なく、種々の応用が可能である。例えば、既知画像メモ
リ１２と増設部分の既知画像メモリ１８とに、別の物体
（図形）のデータを保存しておくと、同時に複数の物体
（図形）を、画像メモリから探すことができる。また、
同一物体（図形）の認識において、さらにその物体（図
形）の持つ複数の特徴的部分を分割して、類似度を求め
ることができる。また、同一物体（図形）の認識におい
て、既知画像メモリ１２と１８に、互いに照度の違う既
知画像を保存しておくことにより、極めて照度変動に強
い画像認識が可能となる。
なく、種々の応用が可能である。例えば、既知画像メモ
リ１２と増設部分の既知画像メモリ１８とに、別の物体
（図形）のデータを保存しておくと、同時に複数の物体
（図形）を、画像メモリから探すことができる。また、
同一物体（図形）の認識において、さらにその物体（図
形）の持つ複数の特徴的部分を分割して、類似度を求め
ることができる。また、同一物体（図形）の認識におい
て、既知画像メモリ１２と１８に、互いに照度の違う既
知画像を保存しておくことにより、極めて照度変動に強
い画像認識が可能となる。
【００１８】
【発明の効果】以上説明したごとく本発明によれば、縮
小画像でのパターン認識で、既知画像の作成時の物体
（図形）位置と、サーチのための画像入力時の物体（図
形）の位置との、違いによる類似度の低下を減少するこ
とにより、誤認識の確率を小さくすることができる。ま
た、増設部分をハードウェアで実現することで、データ
処理速度を低下させることなく実現できるものである。
小画像でのパターン認識で、既知画像の作成時の物体
（図形）位置と、サーチのための画像入力時の物体（図
形）の位置との、違いによる類似度の低下を減少するこ
とにより、誤認識の確率を小さくすることができる。ま
た、増設部分をハードウェアで実現することで、データ
処理速度を低下させることなく実現できるものである。
【図１】本発明の一実施例の構成図。
【図２】原画像での物体の位置を示す図。
１１…画像メモリ、１２、１８…既知画像メモリ、１３
〜１５、１９…積和器、１６…プロセッサ、１７…増設
部分、２０…既設部分。
〜１５、１９…積和器、１６…プロセッサ、１７…増設
部分、２０…既設部分。
Claims (4)
- 【請求項１】縮小画像のデータが入力される第１の画像
メモリと、第１の縮小リファレンス画像のデータが格納
される第２の画像メモリと、前記両メモリのデータを用
いて前記縮小画像と第１の縮小リファレンス画像との間
の最大類似度を求める既設の積和器及びプロセッサと、
前記とは異なる第２の縮小リファレンス画像のデータが
格納されるｎ（ｎは１以上の整数）個の第３の画像メモ
リと、この画像メモリのデータと前記第１の画像メモリ
のデータとを用い、前記第３の画像メモリと対になって
前記プロセッサと共に、前記縮小画像と第２の縮小リフ
ァレンス画像との間のｎ種の最大類似度を求めるための
増設の積和器とを具備したことを特徴とする画像認識装
置。 - 【請求項２】前記第２の縮小リファレンス画像が複数の
場合、これら画像の内容が互いに異なるものである請求
項１に記載の画像認識装置。 - 【請求項３】前記最大類似度は、最大相関係数である請
求項１に記載の画像認識装置。 - 【請求項４】前記第２、第３の画像メモリに、互いに別
物体の図形を格納し、同時に複数の物体の図形を認識す
る請求項１に記載の画像認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5263495A JP2835269B2 (ja) | 1993-10-21 | 1993-10-21 | 画像認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5263495A JP2835269B2 (ja) | 1993-10-21 | 1993-10-21 | 画像認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07121706A true JPH07121706A (ja) | 1995-05-12 |
| JP2835269B2 JP2835269B2 (ja) | 1998-12-14 |
Family
ID=17390320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5263495A Expired - Lifetime JP2835269B2 (ja) | 1993-10-21 | 1993-10-21 | 画像認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2835269B2 (ja) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5861448A (ja) * | 1981-10-09 | 1983-04-12 | Hitachi Ltd | パタ−ン検査方式 |
| JPH04330576A (ja) * | 1991-05-02 | 1992-11-18 | Mitsubishi Electric Corp | 画像監視装置 |
-
1993
- 1993-10-21 JP JP5263495A patent/JP2835269B2/ja not_active Expired - Lifetime
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5861448A (ja) * | 1981-10-09 | 1983-04-12 | Hitachi Ltd | パタ−ン検査方式 |
| JPH04330576A (ja) * | 1991-05-02 | 1992-11-18 | Mitsubishi Electric Corp | 画像監視装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2835269B2 (ja) | 1998-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11037020B2 (en) | Systems and methods for providing an image classifier | |
| Hel-Or et al. | Real-time pattern matching using projection kernels | |
| US8379986B2 (en) | Device, method, and computer-readable storage medium for recognizing an object in an image | |
| CN108463994B (zh) | 图像处理装置、图像处理方法和存储介质 | |
| US20170256058A1 (en) | Apparatus and method for detecting circle | |
| CN108734052A (zh) | 文字检测方法、装置和系统 | |
| CN109543534B (zh) | 一种目标跟踪中目标丢失重检的方法及装置 | |
| CN113569860B (zh) | 实例分割方法和实例分割网络的训练方法及其装置 | |
| CN108921017B (zh) | 人脸检测方法及系统 | |
| JPH04290186A (ja) | 画像処理方法 | |
| CN110704667B (zh) | 一种基于语义信息的快速相似图检测方法 | |
| US11854255B2 (en) | Human-object scene recognition method, device and computer-readable storage medium | |
| JP2853616B2 (ja) | 動き検出方式 | |
| JPH07121706A (ja) | 画像認識装置 | |
| JP2000099744A (ja) | 画像動きベクトル検出方法およびその装置 | |
| US20220247924A1 (en) | Image processing device, image processing method, and non-transitory storage medium | |
| US20250124552A1 (en) | Simplified method and system for denoising infrared image by using non-local means (nlmeans) based on field programmable gate array (fpga), medium, and device | |
| US5237656A (en) | Image processing apparatus using look-up tables | |
| JP3080075B2 (ja) | 動き検出方式 | |
| CN115660944A (zh) | 静态图片的动态化方法、装置、设备及存储介质 | |
| Heise et al. | Lab Course: Robot Vision WS 2012/2013 | |
| Buemi et al. | Multi-scale edge finding in noisy pictures | |
| JPH0213079A (ja) | 動ベクトル検出方法 | |
| JPH0523465B2 (ja) | ||
| JPS6234290A (ja) | ベクトル情報の抽出方式 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Effective date: 20040225 Free format text: JAPANESE INTERMEDIATE CODE: A971007 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Effective date: 20040309 Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040311 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080319 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090319 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |