JP3203670B2

JP3203670B2 - カメラの測光装置

Info

Publication number: JP3203670B2
Application number: JP08366591A
Authority: JP
Inventors: 勝村松; 宏之岩崎
Original assignee: Nikon Corp
Current assignee: Nikon Corp
Priority date: 1991-03-22
Filing date: 1991-03-22
Publication date: 2001-08-27
Anticipated expiration: 2016-08-27
Also published as: JPH0587631A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、撮影画面を複数に分割
して測光するカメラの測光装置に関するものである。

【０００２】

【従来の技術】従来、この種のカメラの測光装置とし
て、撮影画面を複数の受光素子で分割測光したのち、そ
れぞれ測光素子の出力を比較することにより、主要被写
体に比較的高い確率で露光値を合わせられるようにした
ものが知られている。例えば、分割された撮影画面の１
領域の最高輝度が高く、その他の領域との輝度差が大き
い場合には、太陽等を含むシーンであると見なして、高
輝度の部分を測光値から削除したり、低輝度の領域を重
視した測光を行うようにすることができる。

【０００３】また、輝度分布が特殊な被写体に対して適
正な露出値が得られるように、「受光素子の出力のう
ち、最大のものに重み付けしたものと、最小のものに重
み付けしたものと、画面位置に応じて重み付けしたもの
とを加算して輝度情報を算出したり、さらに、その重み
付け係数が、シーンに応じて定められるようにした露光
演算方式（特公平２−７０１０号）」が提案されてい
る。

【０００４】更に、パターン認識能力の優れたものとし
て、ニューラルネットワークが知られているが、そのニ
ューラルネットワークに分割された測光出力を入力し、
そのネットワークの結合の重みをあらかじめ学習により
決定し、カメラに搭載された状態では結合の重みが固定
された状態で、このネットワークの出力を露光値とする
カメラの測光装置が提案されている（特開平２ー９６７
２３）。このネットワークを適切に構築すれば、学習さ
れたパターンの被写体に対してはほぼ適正露光値が得ら
れるようになる。

【０００５】

【発明が解決しようとする課題】しかし、前述した従来
の測光演算方式では、想定された撮影シーンに該当する
か否かの境界の被写体に対しては、わずかな画面の変化
により露光値が不安定になるという問題があった。

【０００６】また、多くの撮影シーンに適合させるため
には、それだけ多くのパターンに分類する必要が生じ、
最適な露光値の選択が複雑となるうえ、想定されていな
い撮影シーンに対しては全く予測ができず、適正な露光
値とは程遠い値になってしまう可能性があった。

【０００７】更に、撮影シーンに対して重み付けを行う
ネットワークは、適切に構築することにより予め想定さ
れた撮影シーンに対しては、ほぼ適正な露光値が得られ
るが、そのためには、ネットワークが大規模なものにな
ってしまい、カメラに搭載されているマイクロコンピュ
ータでは対応できないうえ、パターンの分類に必要なデ
ータも膨大な数が必要となってしまう。

【０００８】本発明の目的は、これらの課題を解決し、
撮影シーンの変化に対して滑らかな露光値を与えること
ができるとともに、露光結果の予想が可能であり、少な
い学習量で様々な被写体に対して最適な露光値を与える
ことができるカメラの測光装置を提供することである。

【０００９】

【課題を解決するための手段】前記課題を解決するため
に本発明のカメラの測光装置は、撮影画面を複数の測光
領域に分割して測光する測光用受光素子を備えたカメラ
の測光装置において、前記測光用受光素子の分割された
複数の測光領域からの出力により被写体の特徴を示す複
数の被写体情報を抽出する特徴抽出手段と、前記被写体
情報を予め定められた複数の重み係数に従って加重加算
演算し、複数の出力を生成する第１の演算手段と、前記
被写体情報に従って前記第１の演算手段からの複数の出
力に対して連続的に変化する関数を用いて適合度を算出
する適合度算出手段と、前記第１の演算手段の複数の出
力を前記適合度算出手段で算出した適合度に従って加重
加算演算し、露光制御信号を生成する第２の演算手段と
から構成してある。

【００１０】

【作用】本発明によれば、分割測光領域の測光出力に重
み付けを行うとともに、その測光出力からいくつかの特
徴を抽出し、抽出した特徴から適合度を算定し、その適
合度によって、さらに結合の重み付けをして、露出値を
決定する。

【００１１】

【実施例】以下、図面などを参照して、実施例につき、
本発明を詳細に説明する。図１〜図４は、本発明による
カメラの測光装置の実施例を示した図であって、図１は
カメラ全体を示した概略図、図２は測光用受光素子を示
した平面図、図３は演算装置のネットワーク構造を示し
た概念図、図４は演算装置の動作を示した流れ図であ
る。

【００１２】この実施例の測光装置は、１眼レフカメラ
１に適用したものであり、図１に示すように、撮影レン
ズ２，クイックリターンミラー３，フォーカシングスク
リーン４，再結像レンズ６，測光用受光素子７，演算装
置８，シャッタ駆動装置９，絞り駆動装置１０等から構
成されている。

【００１３】被写体からの光束は、撮影レンズ２を通り
クイックリターンミラー３で反射され、フォーカシング
スクリーン４に結像され観察される。フォーカシングス
クリーン４上に結像された被写体像は、再結像レンズ６
により測光用の受光素子７に再結像される。

【００１４】受光素子７は、受光した光束を光電変換し
て測光出力とする素子であり、図２に示すように、撮影
画面は５分割されており、それぞれの測光出力（レベル
Ｂ１〜Ｂ５）は、演算装置８に接続されている。

【００１５】演算装置８は、公知のマイクロコンピュー
タが使用されており、カメラ全体の制御とともに、受光
素子７からの測光出力に基づいて、後述する図４の流れ
図に従って、分割測光のパターンとその特徴を抽出した
値を組み合わせた露光値が演算される。演算装置８の出
力は、シャッタ駆動装置９および絞り駆動装置１０に接
続されており、撮影時には、演算された露光値に基づい
て、シャッタ駆動装置９および絞り駆動装置１０が制御
され、フィルム５に露光が行われる。

【００１６】次に、図３を参照して、演算装置８が有す
るネットワーク構造について説明する。演算装置８は、
入力層８１，中間層８２，出力層８３の３階層から構成
されている。

【００１７】入力層８１には、ネットワークへの入力で
あるレベルＩ１〜Ｉ６が含まれている。レベルＩ１は、
画面中央部の明るさを示し、測光出力レベルＢ１がその
まま入力されている。レベルＩ２は、画面上部の明るさ
を示し、測光出力レベルＢ２とレベルＢ３の平均値が入
力されている。レベルＩ３は、画面下部の明るさを示
し、測光出力レベルＢ４とレベルＢ５の平均値が入力さ
れている。レベルＩ４は、画面のハイライト部の明るさ
を示し、測光出力レベルＢ１〜Ｂ５の中の最大値が入力
されている。レベルＩ５は、画面のシャドー部の明るさ
を示し、測光出力レベルＢ１〜Ｂ５の中の最小値が入力
されている。レベルＩ６は、定数項であり、常に１が入
力されている。

【００１８】入力層８１の入力値は、被写体の特徴を示
すように決められたものであるが、特にこれらの特徴に
限るものではなく、信号処理を行って、他の特徴を示す
値、例えば、前記入力値の２乗した値やそれ以上の高次
の値等を追加すれば、性能がより向上する。

【００１９】抽出要素Ｆ１，抽出要素Ｆ２は、適合度演
算部８４への入力値である。抽出要素Ｆ１は、測光出力
レベルＢ１〜Ｂ５の中の最大値であるレベルＩ４と同じ
値が入力されており、ここでは、この値を被写体の輝度
としている。抽出要素Ｆ２は、測光出力レベルＢ１〜Ｂ
５の最大輝度差が入力されている。

【００２０】中間層８２には、６個のニューロンＮj が
用意されており、レベルＩ１〜Ｉ６の各入力と、学習済
みの重み係数Ｗijで結合している。このとき、ニューロ
ンＮj の出力は、次の式で表される。Ｎj ＝ΣＷijＩi ( i:1・・・6 ，j:1・・・6 ) …（１）式（１）で示すように、この実施例のニューロンＮj
は、単純な１次の線形式であるので、異なる入力に対す
る出力は直線的に変化し、撮影者にとって予想と大きく
外れる出力となることがない。

【００２１】次に、これらのニューロンの出力Ｎj は、
適合度演算部８４によって決定された適合度Ｋ１〜Ｋ６
により、次の式に従って加重加算平均され、出力層８３
から制御値Ｏとして出力される。Ｏ＝（ΣＫj Ｎj ）／ΣＫj (j:1・・・6) …（２）

【００２２】適合度Ｋ1 〜Ｋ6 の値は、それぞれ以下に
示す６個のルールに従って、いわゆるファジイ処理によ
って求められる。ルール１は、「被写体が暗く、かつ、
輝度差が小さいときは、ニューロンＮ1 を採用する」と
いうルールであり、ルール２は、「被写体が明るく、か
つ、輝度差が小さいときは、ニューロンＮ2 を採用す
る」というルールであり、ルール３は、「被写体がたい
へん明るく、かつ、輝度差が小さいときは、ニューロン
Ｎ3 を採用する」というルールであり、ルール４は、
「被写体が暗く、かつ、輝度差が大きいときは、ニュー
ロンＮ4 を採用する」というルールであり、ルール５
は、「被写体が明るく、かつ、輝度差が大きいときは、
ニューロンＮ5 を採用する」というルールであり、ルー
ル６は、「被写体がたいへん明るく、かつ、輝度差が大
きいときは、ニューロンＮ6 を採用する」というルール
である。

【００２３】ところで、この実施例によるネットワーク
では、各ニューロンＮj の機能を分化させるために、フ
ァジイ処理によって求めた各ニューロンの適合度Ｋj を
付加し、次の式で学習を行う。Ｗｎij＝Ｗｏij＋e （Ｔ−Ｎj ）Ｉi Ｋj …式（３）ただし、e は１回の修正の大きさを決めるパラメータで
あり、正の非常に小さな値をとる。また、Ｔは目標値、
Ｗｏijは前回の重み係数、Ｗｎijは新しい重み係数であ
る。

【００２４】この式（３）を用いて学習を行うことによ
り、各ニューロンＮjは、相当するルール１〜６に適合
するデータで学習されることになる。例えば、ニューロ
ンＮ１は、図７における領域１に適合するデータを用い
て学習が行われ、学習後は領域１に最適な結合の重みが
得られる。

【００２５】また、学習後の各重み係数Ｗｎijの大きさ
を見れば、その領域１〜６で各入力が重視される度合が
わかり、入力に対する制御の予想がつく。例えば、ニュ
ーロンＮ１に対する重み係数Ｗi1の中で、重み係数Ｗ11
が最も大きい値であれば、入力Ｉ１つまり中央部の測光
値Ｂ１が最も重視されることがわかる。

【００２６】これらの重み係数Ｗijの学習では、通常は
様々な被写体を想定して採取したデータで行なうことに
なる。さらに、特定の被写体、例えばポートレート、風
景等の撮影対象別に学習した重み係数Ｗijを何組か用意
し、撮影者が被写体に応じて選択できるようにすること
もでき、これは重み係数Ｗijを何組かカメラ内に用意す
るか、または外部から別の重み係数Ｗijを入力できるよ
うにすればよい。

【００２７】次に、図４の流れ図に従って、演算装置８
の演算処理を中心にして、この実施例の動作を説明す
る。まず、ステップＳ１では、ＡＤコンバータ等を通し
て、受光素子７からの測光値Ｂ１〜Ｂ５を取得する。

【００２８】ステップＳ２では、ステップＳ１で取得し
た測光値Ｂ１〜Ｂ５より、次の式に基づいて、ネットワ
ークへの入力値のレベルＩ１〜Ｉ５を算出する。なお、
ＭＡＸは最大値、ＭＩＮは最小値を示す関数である。Ｉ1 ＝Ｂ1 …（４）Ｉ2 ＝（Ｂ2 ＋Ｂ3 ）／２ …（５）Ｉ3 ＝（Ｂ4 ＋Ｂ5 ）／２ …（６）Ｉ4 ＝ＭＡＸ（Ｂ1 〜Ｂ5 ） …（７）Ｉ5 ＝ＭＩＮ（Ｂ1 〜Ｂ5 ） …（８）

【００２９】ステップＳ３では、ステップＳ２で算出し
たレベルより次の式に基づいて、抽出要素Ｆ１，Ｆ２を
算出する。Ｆ１＝Ｉ4 …（９）Ｆ２＝Ｉ４−Ｉ５ …（10）

【００３０】ステップＳ４では、適合度Ｋ１〜Ｋ６を、
抽出要素Ｆ１，Ｆ２とメンバーシップ関数より、次の式
に基づいて算出する。Ｋ1 ＝ＭＩＮ（Ｂｍａｘ１（Ｆ1 ），ｄＢ１（Ｆ2 ）） …（11）Ｋ2 ＝ＭＩＮ（Ｂｍａｘ２（Ｆ1 ），ｄＢ１（Ｆ2 ）） …（12）Ｋ3 ＝ＭＩＮ（Ｂｍａｘ３（Ｆ1 ），ｄＢ１（Ｆ2 ）） …（13）Ｋ4 ＝ＭＩＮ（Ｂｍａｘ１（Ｆ1 ），ｄＢ２（Ｆ2 ）） …（14）Ｋ5 ＝ＭＩＮ（Ｂｍａｘ２（Ｆ1 ），ｄＢ２（Ｆ2 ）） …（15）Ｋ6 ＝ＭＩＮ（Ｂｍａｘ３（Ｆ1 ），ｄＢ２（Ｆ2 ）） …（16）

【００３１】メンバーシップ関数は、図５に示すよう
に、関数Ｂｍａｘ１は「暗い」、関数Ｂｍａｘ２は「明
るい」、関数Ｂｍａｘ３は「たいへん明るい」という表
現の適合度を与える関数であり、図６に示すように、関
数ｄＢ１は「小さい」、関数ｄＢ２は「大きい」という
表現の適合度を表す関数とから成り立っている。つま
り、前述したルール１〜６において、被写体輝度（以下
Ｂｍａｘという）に対してＦ１という入力があるとき
「暗い」、「明るい」、「たいへん明るい」という表現
に対する適合度は、メンバーシップ関数Ｂｍａｘ１（Ｆ
１）、Ｂｍａｘ２（Ｆ１）、Ｂｍａｘ３（Ｆ１）で表す
ことになる。また、輝度差（以下ｄＢという）に対して
Ｆ２という入力があるとき「小さい」、「大きい」とい
う表現に対する適合度は、メンバーシップ関数ｄＢ１
（Ｆ２）、ｄＢ２（Ｆ２）で表している。

【００３２】これらのメンバーシップ関数は、演算装置
８のマイクロコンピュータのメモリ上に、各入力値に対
する適合値を、テーブルとして記憶したり、複数の直線
の式を組み合せてプログラム上で実現されるようになっ
ている。

【００３３】次に、ステップＳ６では、レベルＩ１〜Ｉ
６と、学習済みの結合の重み係数Ｗijより、前述の式
（１）に基づいて、ニューロンＮ１〜Ｎ６を算出する。
ここで、図７を参照して、Ｂｍａｘ−ｄＢ座標上での中
間層８２のニューロンＮj が適合するようすを説明す
る。各々の番号（１〜６）が、中間層８２でのニューロ
ンＮj の番号に相当し、点線で表されている領域の境界
は、はっきりしたものではなく、境界付近では隣接する
中間層８２のニューロンの出力Ｎ１〜Ｎ６の中間的な値
をとることになり、Ｂｍａｘ（Ｆ１）やｄＢ（Ｆ２）の
変化に対して出力の変動は滑らかなものとなる。

【００３４】最後に、ステップＳ７では、適合度Ｋ１〜
Ｋ６とニューロンＮ１〜Ｎ６より、前述の式（２）に従
って、制御値Ｏを算出する。つまり、ステップＳ４で演
算したルール１〜６の適合度Ｋ1 〜Ｋ6 を、図３に示し
た中間層８２と出力層８３の結合の重みＫj となる演算
要素とし、加重加算平均した結果が制御値Ｏとなり、目
的の露光値が得られる。

【００３５】次に、具体的に各ニューロンの適合度Ｋ１
〜Ｋ６の求め方を図８，図９を用いて説明する。図８
は、被写体輝度としてＦ１という入力があった場合を示
し、このとき「暗い」という表現に対する適合度Ｂｍａ
ｘ１（Ｆ１）は、０．３、「明るい」という表現に対す
る適合度Ｂｍａｘ２（Ｆ１）は０．７、「たいへん明る
い」という表現に対する適合度Ｂｍａｘ３（Ｆ１）は０
になる。

【００３６】図９は、輝度差としてＦ２という入力があ
った場合を示し、このとき「小さい」という表現に対す
る適合度ｄＢ１（Ｆ２）は０．９、「大きい」という表
現に対する適合度ｄＢ２（Ｆ２）は０．１となる。

【００３７】従って、Ｆ１，Ｆ２という入力があった場
合のルール１〜ルール６の適合度Ｋ１〜Ｋ６は、図４の
ステップＳ４において以下のようになる。Ｋ１＝ＭＩＮ（０．３，０．９）＝０．３Ｋ２＝ＭＩＮ（０．７，０．９）＝０．７Ｋ３＝ＭＩＮ（０，０．９）＝０Ｋ４＝ＭＩＮ（０．３，０．１）＝０．１Ｋ５＝ＭＩＮ（０．７，０．１）＝０．１Ｋ６＝ＭＩＮ（０，０．１）＝０これらＫ１〜Ｋ６を用いて、図４のステップＳ７におい
て制御値Ｏを得る。

【００３８】以上説明した実施例に限定されず、種々の
変形や変更ができ、それらも本発明の範囲内である。例
えば、この実施例では、ニューロンＮj の適合度Ｋ１〜
Ｋ６の決定には、すべての入力に対してのファジイ処理
をする方法を用いたが、演算装置８のＣＰＵの演算時間
の短縮化やプログラム容量に制約がある場合には、適合
度Ｋの値が１か０で中間的な値をとらない処理、つまり
ニューロンＮj の中から図９で示す領域に適合するもの
を１個だけ選択するシステムでもよい。このようにすれ
ば、領域の境界付近での滑らかさは少し粗なものなるも
のの、境界の数は、従来のシステムに較べて遙かに少な
いので、精度は従来より高く、前述のような境界問題は
生じにくく、しかも、選択されたニューロンの演算だけ
すればよいので演算速度が速くなる。

【００３９】また、この実施例では、ルールの数（ニュ
ーロンＮの数）が６個の場合について説明したが、この
数に限定される必要はなく、ルールの数が多いほうが性
能が向上する。これは、要求される精度と搭載されるＣ
ＰＵ等の容量に応じて選択すればよい。

【００４０】なお、適合度を演算する場合に、小さい方
の値をとるようにしたが、両者の積を演算するようにし
てもよい。

【００４１】

【発明の効果】以上説明したように、本発明によれば、
抽出した特徴に基づいて、適合度を求めてさらに重み付
けをするので、想定された撮影シーンの境界となるよう
な被写体に対しては、滑らかな露光値が得られる。

【００４２】また、ネットワーク構造を線型にするとと
もに、各ニューロンの機能を明確にすることにより、出
力の予想が可能であるので、多くの被写体パターンを選
択せずに、わずかな測光上の撮影シーンの変化にも、よ
り適切な露光値を与え、少ない学習量で様々な被写体に
対して予想が可能な最適な露光値を与えることができ
る。

【００４３】更に、演算装置が小規模でかつ単純であ
り、従来のカメラに搭載されているマイクロコンピュー
タで演算処理ができ、製品化が容易となる。

【図面の簡単な説明】

【図１】図１は、本発明によるカメラの測光装置の実施
例を適用したカメラ全体を示した概略図である。

【図２】図２は、本発明によるカメラの測光装置の実施
例に使用されている測光用受光素子を示した平面図であ
る。

【図３】図３は、本発明によるカメラの測光装置の実施
例の演算装置に含まれるネットワーク構造を示した概念
図である。

【図４】図４は、本発明によるカメラの測光装置の実施
例の演算装置の動作を説明する流れ図である。

【図５】図５は、本発明によるカメラの測光装置の実施
例における被写体輝度に対する適合度を表すメンバーシ
ップ関数を示す図である。

【図６】図６は、本発明によるカメラの測光装置の実施
例における輝度差に対する適合度を表すメンバーシップ
関数を示す図である。

【図７】図７は、輝度差と被写体輝度の適合度の組合せ
を示す線図である。

【図８】図８は、本発明のカメラの測光装置の実施例に
おける「暗い」という表現に対する適合度を決定する状
態を示す線図である。

【図９】図９は、本発明のカメラの測光装置の実施例に
おける「小さい」という表現に対する適合度を決定する
状態を示す線図である。

【符号の説明】

１１眼レフカメラ２撮影レンズ３クイックリターンミラー４フォーカシングスクリーン５フィルム６再結像レンズ７測光用受光素子８演算装置９シヤッタ駆動装置１０絞り駆動装置

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G03B 7/28 G01J 1/44

Claims

(57)【特許請求の範囲】

【請求項１】撮影画面を複数の測光領域に分割して測
光する測光用受光素子を備えたカメラの測光装置におい
て、前記測光用受光素子の分割された複数の測光領域からの
出力により被写体の特徴を示す複数の被写体情報を抽出
する特徴抽出手段と、前記被写体情報を予め定められた複数の重み係数に従っ
て加重加算演算し、複数の出力を生成する第１の演算手
段と、前記被写体情報に従って前記第１の演算手段からの複数
の出力に対して連続的に変化する関数を用いて適合度を
算出する適合度算出手段と、前記第１の演算手段の複数の出力を前記適合度算出手段
で算出した適合度に従って加重加算演算し、露光制御信
号を生成する第２の演算手段とから構成したことを特徴
とするカメラの測光装置。