JPS595384A - 物体認識装置 - Google Patents
物体認識装置Info
- Publication number
- JPS595384A JPS595384A JP57114438A JP11443882A JPS595384A JP S595384 A JPS595384 A JP S595384A JP 57114438 A JP57114438 A JP 57114438A JP 11443882 A JP11443882 A JP 11443882A JP S595384 A JPS595384 A JP S595384A
- Authority
- JP
- Japan
- Prior art keywords
- dictionary
- confidence interval
- standard deviation
- distribution
- information
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- 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】
〔発明の技術分野〕
本発明は、物体認識装置、特に未知物体の認識において
、該未知物体の特徴パラメータの抽出値と照合する各認
識対象物体の各特徴パラメータに関する信頼区間を、物
体登録時に行った特徴ノくラメータ抽出回数に応じて客
観的且つ適切に設定する信頼区間設定装置を設けた物体
認識装置に関する。
、該未知物体の特徴パラメータの抽出値と照合する各認
識対象物体の各特徴パラメータに関する信頼区間を、物
体登録時に行った特徴ノくラメータ抽出回数に応じて客
観的且つ適切に設定する信頼区間設定装置を設けた物体
認識装置に関する。
従来、特徴パラメータ情報の照合によって、未知物体を
認識する物体認識装置では、認識対象物体の基準値を設
定するために、あらかじめ認識対象物体に対してすでに
用意しである数種類の形状に関する特徴パラメータを、
照明やその他の外部環境が測定に与える影響を考慮して
複数回抽出していた。そして各特徴パラメータに対する
平均値ｍと標準偏差Ｓを計算し、上記ｍ、 Ｓをそのま
まみなし、該情報から公知のように各認識対象物体の各
特徴パラメータに関する約９９．７％の信頼区間を、μ
±３σの範囲に設定することによって、未知物体の各特
徴パラメータに対する抽出値と上記信頼区間を照合し認
識を行っていた。
認識する物体認識装置では、認識対象物体の基準値を設
定するために、あらかじめ認識対象物体に対してすでに
用意しである数種類の形状に関する特徴パラメータを、
照明やその他の外部環境が測定に与える影響を考慮して
複数回抽出していた。そして各特徴パラメータに対する
平均値ｍと標準偏差Ｓを計算し、上記ｍ、 Ｓをそのま
まみなし、該情報から公知のように各認識対象物体の各
特徴パラメータに関する約９９．７％の信頼区間を、μ
±３σの範囲に設定することによって、未知物体の各特
徴パラメータに対する抽出値と上記信頼区間を照合し認
識を行っていた。
ととるで、公知のように、認識対象物体を登録するとき
の抽出回数ルが非常に大きい場合には、上記ｍとＳは、
特徴パラメータの抽出値が従う正規母集団の平均値μと
標準偏差げに近似的に一致すると仮定できる。しかし現
実には、ルを十分大きくすることは、処理の手間や時間
的制約の面から不可能であシ、一般には５回から３０回
ぐらいまでの回数を作成者の主観によって設定していた
。
の抽出回数ルが非常に大きい場合には、上記ｍとＳは、
特徴パラメータの抽出値が従う正規母集団の平均値μと
標準偏差げに近似的に一致すると仮定できる。しかし現
実には、ルを十分大きくすることは、処理の手間や時間
的制約の面から不可能であシ、一般には５回から３０回
ぐらいまでの回数を作成者の主観によって設定していた
。
従って、上記九回の特徴パラメータ抽出から算出した平
均値ｍと標準偏差Ｓによって、そのまま設定されたｍ±
３８の範囲は、各認識物体の各特徴パラメータに関する
９９．７％の信頼区間を示しているとは言い難く、多く
の誤認識を招いてい九〇〔発明の目的〕 本発明は、上記欠点を解決するものであって、認識対象
物体を登録するときの特徴パラメータ抽出回数ルに応じ
た客観的かつ適切な信頼区間を、上記４回の特徴パラメ
ータ抽出値の平均値ｍと標準偏差Ｓから自動的に設定し
うる信頼区間設定装置を設けた物体認識装置を提供し、
誤認識を低下させ、認識の信頼性を向上させることを目
的とするものである。
均値ｍと標準偏差Ｓによって、そのまま設定されたｍ±
３８の範囲は、各認識物体の各特徴パラメータに関する
９９．７％の信頼区間を示しているとは言い難く、多く
の誤認識を招いてい九〇〔発明の目的〕 本発明は、上記欠点を解決するものであって、認識対象
物体を登録するときの特徴パラメータ抽出回数ルに応じ
た客観的かつ適切な信頼区間を、上記４回の特徴パラメ
ータ抽出値の平均値ｍと標準偏差Ｓから自動的に設定し
うる信頼区間設定装置を設けた物体認識装置を提供し、
誤認識を低下させ、認識の信頼性を向上させることを目
的とするものである。
そのために本発明の物体認識装置は、平均値辞書、栖準
偏差辞書、所定の信頼係数（１−α）のもとて自由度（
ｒｔ−１）に対応する１分布の両側１００αチ点を表わ
す変数ｔの値を格納したｔ分布辞書、所定の信頼係数（
１−α）のもとで自由度＜ｎ−１）Ｋ対応する７２分布
の両側１００αチを表わす変数２の値を格納した２分布
辞書、物体の輪郭線図形から形状に関する数種類の特徴
パラメータを複数回抽出して各特徴パラメータに関する
平均値情報と標準偏差情報を夫々上記平均値辞書と上記
標準偏差辞書に格納する教示手段、上記平均値辞書に格
納された平均値情報と上記特徴パラメータを抽出した回
数（→と上記を分布辞書に格納されたｔの値にラメータ
を抽出した回数（→と上記２分布辞書に格納されたＩの
値に基づいて正規母集団標準偏差の信頼区間を推定する
標準偏差推定手段、上記平均値推定手段の内容と上記標
準偏差推定手段の内容に基いて上記特徴パラメータの信
頼区間を設定する信頼区間演算手段、該信頼区間演算手
段により設定された物体の各特徴パラメータに関する信
頼区間情報を格納する信頼区間辞書、並びに物体の輪郭
線図形から形状に関する数種類の特徴パラメータを抽出
して各特徴パラメータにつき上記信頼区間辞書に格納さ
れている各特徴パラメータに関する信頼区間情報を参照
して物体のｇ識処理を行う認識処理装置を備え、予め認
識対象物体の登録を行う場合には当該認識対象物体の輪
郭線図形から上記教示装置を通して所定の処理を行って
特徴パラメータに関する信頼区間情報を上記信頼区間辞
書に格納し、未知物体の認識を行う場合には当咳未知物
体の輪郭線図形から上記認識処理装置において所定の処
理を合うように切換えるように構成されたことを特徴と
するものである。
偏差辞書、所定の信頼係数（１−α）のもとて自由度（
ｒｔ−１）に対応する１分布の両側１００αチ点を表わ
す変数ｔの値を格納したｔ分布辞書、所定の信頼係数（
１−α）のもとで自由度＜ｎ−１）Ｋ対応する７２分布
の両側１００αチを表わす変数２の値を格納した２分布
辞書、物体の輪郭線図形から形状に関する数種類の特徴
パラメータを複数回抽出して各特徴パラメータに関する
平均値情報と標準偏差情報を夫々上記平均値辞書と上記
標準偏差辞書に格納する教示手段、上記平均値辞書に格
納された平均値情報と上記特徴パラメータを抽出した回
数（→と上記を分布辞書に格納されたｔの値にラメータ
を抽出した回数（→と上記２分布辞書に格納されたＩの
値に基づいて正規母集団標準偏差の信頼区間を推定する
標準偏差推定手段、上記平均値推定手段の内容と上記標
準偏差推定手段の内容に基いて上記特徴パラメータの信
頼区間を設定する信頼区間演算手段、該信頼区間演算手
段により設定された物体の各特徴パラメータに関する信
頼区間情報を格納する信頼区間辞書、並びに物体の輪郭
線図形から形状に関する数種類の特徴パラメータを抽出
して各特徴パラメータにつき上記信頼区間辞書に格納さ
れている各特徴パラメータに関する信頼区間情報を参照
して物体のｇ識処理を行う認識処理装置を備え、予め認
識対象物体の登録を行う場合には当該認識対象物体の輪
郭線図形から上記教示装置を通して所定の処理を行って
特徴パラメータに関する信頼区間情報を上記信頼区間辞
書に格納し、未知物体の認識を行う場合には当咳未知物
体の輪郭線図形から上記認識処理装置において所定の処
理を合うように切換えるように構成されたことを特徴と
するものである。
以下、本発明を図面を参照しつつ説明する。
第１図はｔ分布曲線を説明する図、第２図は本発明に用
いられる一分布辞書に格納される自由度ｎ−１と一分布
の両側１００αチ点ｔ、−１との対応例を示す図、第３
図は一分布曲線を説明する図、第４図は本発明に用いら
れる２分布辞書に格納される自由度ｎ−１と２分布の両
側１００αチ点ｄ。
いられる一分布辞書に格納される自由度ｎ−１と一分布
の両側１００αチ点ｔ、−１との対応例を示す図、第３
図は一分布曲線を説明する図、第４図は本発明に用いら
れる２分布辞書に格納される自由度ｎ−１と２分布の両
側１００αチ点ｄ。
４との対応例を示す図、第５図は正規分布曲線と本発明
に係る推定信頼区間を示す図、第６図は本発明の１実施
例を示す物２体認識装置のプ四ツク図である。第５図に
おいて、１は画像入力装置、２は画像メモリ、３は前処
理装置、４は輪郭線抽出装置、５は教示装置、６は平均
値辞書、７は標準偏差辞書、８は一分布辞書、９は平均
値推定回路、は信頼区間演算回路、１３は信頼区間辞書
、１４は認識処理装置、１５はカメラを示し、信頼区間
設定装置は一分布辞書８と平均値推定回路９と標準偏差
推定回路１０と２分布辞書１１と信頼区間演算回路１２
と信頼区間辞書１３とによって構成されている。
に係る推定信頼区間を示す図、第６図は本発明の１実施
例を示す物２体認識装置のプ四ツク図である。第５図に
おいて、１は画像入力装置、２は画像メモリ、３は前処
理装置、４は輪郭線抽出装置、５は教示装置、６は平均
値辞書、７は標準偏差辞書、８は一分布辞書、９は平均
値推定回路、は信頼区間演算回路、１３は信頼区間辞書
、１４は認識処理装置、１５はカメラを示し、信頼区間
設定装置は一分布辞書８と平均値推定回路９と標準偏差
推定回路１０と２分布辞書１１と信頼区間演算回路１２
と信頼区間辞書１３とによって構成されている。
物体認識処理を行う上で、客観的且つ適切な信頼区間を
設定するためＫは、認識対象物体からの各特徴パラメー
タに関するル回の抽出値を、近似的に正規母集団からの
無作為標本とみなして上記正規母集団の平均値μと標準
偏差σを推定することが必要である。以下第１図から第
５図を参照しつつその推定のしかたを説明する。
設定するためＫは、認識対象物体からの各特徴パラメー
タに関するル回の抽出値を、近似的に正規母集団からの
無作為標本とみなして上記正規母集団の平均値μと標準
偏差σを推定することが必要である。以下第１図から第
５図を参照しつつその推定のしかたを説明する。
上記正規母集団の平均値μは、公知のように変数を
（但し、ル回の抽出値の平均値をｍ１標準偏差をＳとす
る。） とした自由度ｒ＆−１の一分布を利用するととＫよりて
推定できる。ζζで上記−分布はｎの値だけに依存する
ことがわかっておシ、分布の型もｎ１ｌｃ依存してきｔ
ｖている。又ルと確率のいろいろな値に対する変数ｔ％
、公知のものとなっている〇第１図は、ある自由度ｎ−
１に対応した一分布曲線を表わしたもので、Ｐ（ｔ）は
−の確率密度関数である＠ζζで両側１００αチ点とは １シ（ンｉ、ｎ−＋ （ｔｉｎ−、ンＯ）と／Ｊる石寛
牢Ｐ（ｃ昨−１，ＹＬ−１）＝２Ｊｔ、Ｌ−ＩＦ（ｔ）
ｌｉｔりとなる点’ｎ−１のことである。
る。） とした自由度ｒ＆−１の一分布を利用するととＫよりて
推定できる。ζζで上記−分布はｎの値だけに依存する
ことがわかっておシ、分布の型もｎ１ｌｃ依存してきｔ
ｖている。又ルと確率のいろいろな値に対する変数ｔ％
、公知のものとなっている〇第１図は、ある自由度ｎ−
１に対応した一分布曲線を表わしたもので、Ｐ（ｔ）は
−の確率密度関数である＠ζζで両側１００αチ点とは １シ（ンｉ、ｎ−＋ （ｔｉｎ−、ンＯ）と／Ｊる石寛
牢Ｐ（ｃ昨−１，ＹＬ−１）＝２Ｊｔ、Ｌ−ＩＦ（ｔ）
ｌｉｔりとなる点’ｎ−１のことである。
第２図は一分布辞書の内容の一例で信頼係数を９９．５
％としたときの自由度ｎ−１に対応する両側１００αチ
点ｔｎ−１を示したものである。信頼係数を９９．５％
としたとき、上記正規母集団平均値μの信頼区間は、次
式で表わされる。
％としたときの自由度ｎ−１に対応する両側１００αチ
点ｔｎ−１を示したものである。信頼係数を９９．５％
としたとき、上記正規母集団平均値μの信頼区間は、次
式で表わされる。
ｍ ｊｎ−＋ Ｘ （−ｙ７テ）＝〈ッμくｍ十も。
−１×占 （す（但し、’ｎ−１：自由度ルーｌの一分
布において、信頼係数９９．５％としたときに変数ｔＶ
ｃ対して定まる値、第１図に示す値） （１）式は、特徴パラメータの抽出値が従う正規母集団
の平均値μが（１）式で表わされる区間の中に存在する
確率が９９．５％であるということを意味している。
布において、信頼係数９９．５％としたときに変数ｔＶ
ｃ対して定まる値、第１図に示す値） （１）式は、特徴パラメータの抽出値が従う正規母集団
の平均値μが（１）式で表わされる区間の中に存在する
確率が９９．５％であるということを意味している。
一方、上記標準偏差σの推定も公知のように変の分布が
自由度ｎ−１のカイ２乗＜？＞分布となることを利用し
て推定できる。２分布に対しても、を分布と同様、ルと
確率のいろいろな値に対する２の値が公知のものとなり
ている。
自由度ｎ−１のカイ２乗＜？＞分布となることを利用し
て推定できる。２分布に対しても、を分布と同様、ルと
確率のいろいろな値に対する２の値が公知のものとなり
ている。
第３図は、ある自由度ｎ−Ｉ Ｋ対応した２分布曲線を
表わしたもので、Ｐ（ｚ”）＃２”の確率密度関数であ
る。この場合、両側１００α一点とは、χ火ｄとなる確
率Ｐ（χ１′、れ−＋）＝ｆ、”ＰＣχすｄχ１＝２と
たるよう３点４と となるような点４のことであるＯ 第４図は２分布辞書の１例で、信頼係数９９％としたと
きの自由度ｎ−１に対応する両側１００αチ点亀４の値
を示したものである。従りて信頼係数を９９％としたと
き、上記正規母集団標準偏差σの信頼区間は次式で表わ
される。
表わしたもので、Ｐ（ｚ”）＃２”の確率密度関数であ
る。この場合、両側１００α一点とは、χ火ｄとなる確
率Ｐ（χ１′、れ−＋）＝ｆ、”ＰＣχすｄχ１＝２と
たるよう３点４と となるような点４のことであるＯ 第４図は２分布辞書の１例で、信頼係数９９％としたと
きの自由度ｎ−１に対応する両側１００αチ点亀４の値
を示したものである。従りて信頼係数を９９％としたと
き、上記正規母集団標準偏差σの信頼区間は次式で表わ
される。
（但し、４１．Ｚｉ：先に述べた意味をもち、自由度ｎ
−１の２分布において信頼係数を９９チとしたときに変
数χ′に対して定まる値）（２）式は、特徴パラメータ
の抽出値が従う正規母集団の標準偏差σが（１）式で表
わされる区間の中に存在する確率が９９％であるという
ことを意味している。
−１の２分布において信頼係数を９９チとしたときに変
数χ′に対して定まる値）（２）式は、特徴パラメータ
の抽出値が従う正規母集団の標準偏差σが（１）式で表
わされる区間の中に存在する確率が９９％であるという
ことを意味している。
以上よシ、各認識対象物体の各特徴ノくラメータ抽出値
が従う正規母集団の平均値μと標準偏差σから導かれる
約９９．７％の信頼区間μ±３σに相当する区間として
、抽出回数ル及び抽出値の平均値ｍ、標準偏差Ｓを使っ
た約９ ＆ ２ ％ （９９，５Ｘ９９Ｘ９９．７）の
信頼区間を次のように設定する。該信頼区間を（１）式
、（２）式で表わされる平均値μと標準偏差σの推定区
間より考えた最も広い範囲として設定する０つまシ、上
記信頼区間の下限を設定する場合には平均値μとして（
１）式の下限値 δ 男１− も１ｔ−Ｉ Ｘ □ を使用し、上限を設定する場合には、（１）式の上限値 δ ｍ＋ ｔ、、Ｌ−＋ Ｘ石で＝「 を使用する。又標準偏差としては、常Ｋ（２）弐におけ
る上限値 以上よｐ９８．２％の信頼区間Ｘを （３） のように設定する。（３）式は、ある認識対象物体の特
徴パラメータ抽出値Ｘが、上記（３）式で表わされる区
間の中に存在する確率が９＆２％であるということを意
味している。ある認識対象物体のある特徴パラメータ抽
出値が従う正規母集団の分布と、（３）式で表わした９
８．２％の信頼区間を示したのが第４図である。
が従う正規母集団の平均値μと標準偏差σから導かれる
約９９．７％の信頼区間μ±３σに相当する区間として
、抽出回数ル及び抽出値の平均値ｍ、標準偏差Ｓを使っ
た約９ ＆ ２ ％ （９９，５Ｘ９９Ｘ９９．７）の
信頼区間を次のように設定する。該信頼区間を（１）式
、（２）式で表わされる平均値μと標準偏差σの推定区
間より考えた最も広い範囲として設定する０つまシ、上
記信頼区間の下限を設定する場合には平均値μとして（
１）式の下限値 δ 男１− も１ｔ−Ｉ Ｘ □ を使用し、上限を設定する場合には、（１）式の上限値 δ ｍ＋ ｔ、、Ｌ−＋ Ｘ石で＝「 を使用する。又標準偏差としては、常Ｋ（２）弐におけ
る上限値 以上よｐ９８．２％の信頼区間Ｘを （３） のように設定する。（３）式は、ある認識対象物体の特
徴パラメータ抽出値Ｘが、上記（３）式で表わされる区
間の中に存在する確率が９＆２％であるということを意
味している。ある認識対象物体のある特徴パラメータ抽
出値が従う正規母集団の分布と、（３）式で表わした９
８．２％の信頼区間を示したのが第４図である。
次に以上のような信頼区間を設定して物体認識を行う本
発明の１実施例を第６図を参照しつつ説明する。第６図
において、信頼区間設定装置の中で、−分布辞書８に第
２図に示す内容が格納され、２分布辞書１１に第４図に
示す内容が格納される。
発明の１実施例を第６図を参照しつつ説明する。第６図
において、信頼区間設定装置の中で、−分布辞書８に第
２図に示す内容が格納され、２分布辞書１１に第４図に
示す内容が格納される。
そして先に説明した（１）式ないしく３）式に従って信
頼区間が求められる。そのためまず、認識対象物体の画
像情報はカメラ１５から画像入力装置１に送られる。画
像入力装置１ではカメラ１５から送られてき九画偉情報
をＡ／Ｄ変換して画像メモリ２に格納する。前処理装置
３では、画像メモＩＪ２に、 格納されているデータを
取シ出し、ノイズ除去、２値化、粗輪郭抽出によるデー
タ圧縮を行い、粗輪郭点座標を輪郭線抽出装置４に送る
。認識対象物体をあらかじめ登録する場合には、認識対
象物体登録処理が行われる。このｕｗｔ対象物体登録処
理においては、輪郭線抽出装置４で送られてきた粗輪郭
点座標よシノイズ除去と閉ループの追跡を行い輪郭線の
座標リストを抽出してこれを教示装置５へ送る。教示装
置５では、送られてきた輪郭線の座標リストによシ得ら
れる輪郭線図形からあらかじめ用意された特徴パラメー
タの抽出を行う。
頼区間が求められる。そのためまず、認識対象物体の画
像情報はカメラ１５から画像入力装置１に送られる。画
像入力装置１ではカメラ１５から送られてき九画偉情報
をＡ／Ｄ変換して画像メモリ２に格納する。前処理装置
３では、画像メモＩＪ２に、 格納されているデータを
取シ出し、ノイズ除去、２値化、粗輪郭抽出によるデー
タ圧縮を行い、粗輪郭点座標を輪郭線抽出装置４に送る
。認識対象物体をあらかじめ登録する場合には、認識対
象物体登録処理が行われる。このｕｗｔ対象物体登録処
理においては、輪郭線抽出装置４で送られてきた粗輪郭
点座標よシノイズ除去と閉ループの追跡を行い輪郭線の
座標リストを抽出してこれを教示装置５へ送る。教示装
置５では、送られてきた輪郭線の座標リストによシ得ら
れる輪郭線図形からあらかじめ用意された特徴パラメー
タの抽出を行う。
以上の手順が認識対象物体の位置、姿勢を変えて、複数
（−回くシ返され、その結果、特徴パラメータの抽出情
報をもとに平均値辞書６と標準偏差辞書７が構成される
。次に平均値推定回路９では、抽・出回数ｎＫ応じてｔ
分布辞書８からｔｎ−１の値を参照し、上記平均値辞書
６からの情報ｍと合わせて（１）式で示される正規母集
団の平均値μの推定区間を求める。一方、標準偏差推定
回路１０では、抽出回数ルに応じて２分布辞書１１から
４％４の値を参照し、標準偏差辞書７からの情報Ｓと合
わせて（２）式で示される正規母集団の標準偏差σの推
定区間を求める。そして上記の情報μ、σに基づき（３
）式で示される９＆２チの信頼区間Ｘが信頼区間演算回
路１２によりて設定され、信頼区間辞書１３ヘ格納され
る。以上の処理が１つの認識対象物体を登録する際にす
べての特徴パラメータに関して行われる。このようにし
てｌ！識対象物体の登録をすべて完了すると未知物体の
認識が可能となシ、未知物体認識処理は次のように実行
される。
（−回くシ返され、その結果、特徴パラメータの抽出情
報をもとに平均値辞書６と標準偏差辞書７が構成される
。次に平均値推定回路９では、抽・出回数ｎＫ応じてｔ
分布辞書８からｔｎ−１の値を参照し、上記平均値辞書
６からの情報ｍと合わせて（１）式で示される正規母集
団の平均値μの推定区間を求める。一方、標準偏差推定
回路１０では、抽出回数ルに応じて２分布辞書１１から
４％４の値を参照し、標準偏差辞書７からの情報Ｓと合
わせて（２）式で示される正規母集団の標準偏差σの推
定区間を求める。そして上記の情報μ、σに基づき（３
）式で示される９＆２チの信頼区間Ｘが信頼区間演算回
路１２によりて設定され、信頼区間辞書１３ヘ格納され
る。以上の処理が１つの認識対象物体を登録する際にす
べての特徴パラメータに関して行われる。このようにし
てｌ！識対象物体の登録をすべて完了すると未知物体の
認識が可能となシ、未知物体認識処理は次のように実行
される。
未知物体ｇ識処理においては、輪郭線抽出装置４に粗輪
郭点座標が前処理装置３から送られてくるところまでは
認識対象物体登録処理の場合と同様であるが、輪郭線抽
出装置４によって抽出された輪郭線の座標リストは教示
装置５に対してではなく認識処理装置１４に対して送ら
れる。輪郭線の座標リストが送られてくると、認識処理
装置１４では、その輪郭線の座標リストで表わされた物
体に対して各特徴パラメータの抽出が行われ、さらに該
抽出値と信頼区間辞書１３の内容とを照合することによ
って未知物体の認識が行われる。
郭点座標が前処理装置３から送られてくるところまでは
認識対象物体登録処理の場合と同様であるが、輪郭線抽
出装置４によって抽出された輪郭線の座標リストは教示
装置５に対してではなく認識処理装置１４に対して送ら
れる。輪郭線の座標リストが送られてくると、認識処理
装置１４では、その輪郭線の座標リストで表わされた物
体に対して各特徴パラメータの抽出が行われ、さらに該
抽出値と信頼区間辞書１３の内容とを照合することによ
って未知物体の認識が行われる。
以上の説明から明らかなように、本発明によれば、認識
対象物体の各特徴パラメータに対する信頼区間を、登録
における特徴パラメータ抽出回数認識処理を実行すると
とｋよシ、誤認識を低下させ、認識の信頼性を向上させ
ることが可能となる。
対象物体の各特徴パラメータに対する信頼区間を、登録
における特徴パラメータ抽出回数認識処理を実行すると
とｋよシ、誤認識を低下させ、認識の信頼性を向上させ
ることが可能となる。
第１図は一分布曲線を説明する図、第２図は本発Ｑ［Ｋ
用いられる一分布辞書に格納される自由度第４図は本発
明に用いられる２分布辞書に格納さｌれる自由度ｎ−１
と２分布の両側１００αチ点ｄ１４との対応例を示す図
、第５図は正規分布曲線と本発明に係る推定信頼区間を
示す図、第６図は本発明の１実施例を示す物体認識装置
のブロック図である。 ｌ・・・画像入力装置、２・・・画像メモリ、３・・・
前処理装置、４・・・輪郭線抽出装置、５・・・教示装
置％６・・・平均値辞書、７・・・標準偏差辞書、８・
・・を分布辞書、９・・・平均値推定回路、１０・・・
標準偏差推定回路、１１・・・２分布辞書、１２・・・
信頼区間演算回路、１３・・・信頼区間辞書、１４・・
・認識処理装置、１５・・・カメラ。 特許出゛願人 富士通株式会社 代理人弁理士 京 谷 四 部 ツ１図 ヤＺ図 ｙ４図 ）Ｘ５図
用いられる一分布辞書に格納される自由度第４図は本発
明に用いられる２分布辞書に格納さｌれる自由度ｎ−１
と２分布の両側１００αチ点ｄ１４との対応例を示す図
、第５図は正規分布曲線と本発明に係る推定信頼区間を
示す図、第６図は本発明の１実施例を示す物体認識装置
のブロック図である。 ｌ・・・画像入力装置、２・・・画像メモリ、３・・・
前処理装置、４・・・輪郭線抽出装置、５・・・教示装
置％６・・・平均値辞書、７・・・標準偏差辞書、８・
・・を分布辞書、９・・・平均値推定回路、１０・・・
標準偏差推定回路、１１・・・２分布辞書、１２・・・
信頼区間演算回路、１３・・・信頼区間辞書、１４・・
・認識処理装置、１５・・・カメラ。 特許出゛願人 富士通株式会社 代理人弁理士 京 谷 四 部 ツ１図 ヤＺ図 ｙ４図 ）Ｘ５図
Claims (1)
- 平均値辞書、標準偏差辞書、所定の信頼係数（１−α）
のもとて自由度Ｃｎ−１）の４分布の両側１００ｄ％の
点を表わす変数ｔの値を格納した一分布辞書、所定の信
頼係数（１−α）のもとて自由度（ｎ−１）の７２分布
の両側１００αチ点を表わす変数２の値を格納した２分
布辞書、物体の輪郭線図形から形状に関する数種類の特
徴パラメータを複数回抽出して各特徴パラメータに関す
る平均値情報と標準偏差情報を夫々上記平均値辞書と上
記標準偏差辞書に格納する教示手段、上記平均値辞書に
格納された平均値情報と上記特徴パラメータを抽出した
回数（ｎ）と上記を分布辞書に格納され之ｔの値に基づ
いて正規母集団平均値の信頼区間を推定する平均値推定
手段、上記標準偏差辞書に格納された標準偏差情報と上
記特徴パラメータを抽出した日数（→と上記２分布辞書
に格納された２の値に基づいて正規母集団標準偏差の信
頼区間を推定する標準偏差推定手段、上記平均値推定手
段の内容と上記標準偏差推定手段の内容に基いて上記特
徴パラメータの信頼区間を設定する信頼区間演算手段、
該信頼区間演算手段によシ設定された物体の各特徴パラ
メータに関する信頼区間情報を格納する信頼区間辞書、
並びに物体の輪郭線図形から形状に関する数種類の特徴
パラメータを抽出して各特徴パラメータにつき上記信頼
区間辞書に格納されている各特徴パラメータに関する信
頼区間情報を参照して物体の認識処理を行う認識処理装
置を備え、予め認識対象物体の登録を行う場合には当該
認識対象物体の輪郭線図形から上記教示装置を通して所
定の処理を行って特徴パラメータに関する信頼区間情報
を上記信頼区間辞書に格納し、未知物体の認識を行う場
合には当該未知物体の輪郭線図形から上記認識処理装置
において所定の処理を行うように切換えるように構成さ
れたことを特徴とする物体認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57114438A JPS595384A (ja) | 1982-06-30 | 1982-06-30 | 物体認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP57114438A JPS595384A (ja) | 1982-06-30 | 1982-06-30 | 物体認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS595384A true JPS595384A (ja) | 1984-01-12 |
| JPH0142430B2 JPH0142430B2 (ja) | 1989-09-12 |
Family
ID=14637731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP57114438A Granted JPS595384A (ja) | 1982-06-30 | 1982-06-30 | 物体認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS595384A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013225274A (ja) * | 2012-04-23 | 2013-10-31 | Koichi Fujita | 筆跡鑑定で筆者照合を正しく行うための定性解析・定量解析の技術手法 |
-
1982
- 1982-06-30 JP JP57114438A patent/JPS595384A/ja active Granted
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013225274A (ja) * | 2012-04-23 | 2013-10-31 | Koichi Fujita | 筆跡鑑定で筆者照合を正しく行うための定性解析・定量解析の技術手法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0142430B2 (ja) | 1989-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7215798B2 (en) | Method for forgery recognition in fingerprint recognition by using a texture classification of gray scale differential images | |
| CN112528764B (zh) | 人脸表情识别方法、系统、装置及可读存储介质 | |
| Chikkerur et al. | Fingerprint image enhancement using STFT analysis | |
| Broadwater et al. | Adaptive threshold estimation via extreme value theory | |
| CN108564040B (zh) | 一种基于深度卷积特征的指纹活性检测方法 | |
| CN112530407B (zh) | 一种语种识别方法及系统 | |
| CN100452084C (zh) | 图像识别装置及其方法 | |
| Song et al. | Feature extraction and target recognition of moving image sequences | |
| KR20180094453A (ko) | 다중채널 가버 필터와 중심대칭지역 이진 패턴기반 얼굴인식기술 | |
| CN106529377A (zh) | 一种基于图像的年龄估计方法、装置及系统 | |
| Kumar et al. | Local binary pattern based multimodal biometric recognition using ear and FKP with feature level fusion | |
| CN117115117A (zh) | 基于小样本下的病理图像识别方法、电子设备及存储介质 | |
| JPS595384A (ja) | 物体認識装置 | |
| CN113887279A (zh) | 一种半身被遮挡的行人重识别方法及相关装置 | |
| CN110490027A (zh) | 一种用于人脸识别的人脸特征提取训练方法及系统 | |
| CN109902690A (zh) | 图像识别技术 | |
| Patel et al. | Performance improvement in preprocessing phase of fingerprint recognition | |
| Sisodia et al. | A conglomerate technique for finger print recognition using phone camera captured images | |
| Chowdhury et al. | Fuzzy rule based approach for face and facial feature extraction in biometric authentication | |
| Han et al. | Comparison of distance measures on Fuzzyc-means algorithm for image classification problem | |
| Ray et al. | Palm print recognition using hough transforms | |
| Farouk et al. | Nonlinearity reduction of manifolds using Gaussian blur for handshape recognition based on multi-dimensional grids | |
| Isnanto et al. | Herb leaves recognition using gray level co-occurrence matrix and five distance-based similarity measures | |
| Kekre et al. | Performance comparison of DCT and VQ based techniques for iris recognition | |
| Telgad et al. | Development of an efficient secure biometric system by using iris, fingerprint, face |