JPH10228543A - パターン照合装置 - Google Patents
パターン照合装置Info
- Publication number
- JPH10228543A JPH10228543A JP7917097A JP7917097A JPH10228543A JP H10228543 A JPH10228543 A JP H10228543A JP 7917097 A JP7917097 A JP 7917097A JP 7917097 A JP7917097 A JP 7917097A JP H10228543 A JPH10228543 A JP H10228543A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- principal component
- matching
- sample
- patterns
- 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.)
- Withdrawn
Links
- 238000000513 principal component analysis Methods 0.000 claims description 144
- 238000012937 correction Methods 0.000 claims description 42
- 239000013598 vector Substances 0.000 claims description 34
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 26
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 2
- 239000000523 sample Substances 0.000 description 246
- 238000010586 diagram Methods 0.000 description 19
- 230000014509 gene expression Effects 0.000 description 19
- 230000000694 effects Effects 0.000 description 16
- 230000002087 whitening effect Effects 0.000 description 7
- 230000001815 facial effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 239000013074 reference sample Substances 0.000 description 4
- 235000008753 Papaver somniferum Nutrition 0.000 description 1
- 240000001090 Papaver somniferum Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】 （修正有）
【課題】 照合するパターンの片方に大きな雑音成分が
あってもロバストな照合ができるパターン照合装置の実
現。 【解決手段】 雑音成分がないパターン用の標本パター
ン入力手段101と、雑音成分があるパターン用の標本パ
ターン入力手段102と、入力パターンの標本集合用の記
憶手段103、104と、記憶標本集合から対応するパターン
をそれぞれ一つずつ取り出しそれらの差のパターンを計
算する差パターン生成手段105と、雑音成分のないパタ
ーンの標本集合と差のパターンの集合との和集合に対し
て主成分と主成分方向の分散を表す値を出力する主成分
分析手段106と、分析結果記憶手段107と、照合する２つ
のパターン用の照合パターン入力手段108と、分析結果
記憶手段107のデータで、照合パターンの相似度をパタ
ーンの主成分方向の成分に重み付けする相似度算出手段
109を備え、照合するパターンの片方に大きな雑音成分
が加わっている場合でもロバストな照合が実現できる。
あってもロバストな照合ができるパターン照合装置の実
現。 【解決手段】 雑音成分がないパターン用の標本パター
ン入力手段101と、雑音成分があるパターン用の標本パ
ターン入力手段102と、入力パターンの標本集合用の記
憶手段103、104と、記憶標本集合から対応するパターン
をそれぞれ一つずつ取り出しそれらの差のパターンを計
算する差パターン生成手段105と、雑音成分のないパタ
ーンの標本集合と差のパターンの集合との和集合に対し
て主成分と主成分方向の分散を表す値を出力する主成分
分析手段106と、分析結果記憶手段107と、照合する２つ
のパターン用の照合パターン入力手段108と、分析結果
記憶手段107のデータで、照合パターンの相似度をパタ
ーンの主成分方向の成分に重み付けする相似度算出手段
109を備え、照合するパターンの片方に大きな雑音成分
が加わっている場合でもロバストな照合が実現できる。
Description
【０００１】
【発明の属する技術分野】本発明は、照合するパターン
の片方に非常に大きな雑音成分が加わっている場合でも
ロバストな照合が可能であるパターン照合装置に関し、
特に、非常に大きな雑音成分が存在する写真画像と、写
真の所持者の顔画像をカメラから入力して照合し、所持
者の同定を行なうために、雑音成分のない標本集合と、
雑音成分のある標本と雑音成分のない標本の差の集合と
の和集合を主成分分析して、あるいは、雑音成分のある
標本と雑音成分のない標本の差の集合を主成分分析し
て、固有値と固有ベクトルの空間を求め、その空間で相
似度を算出して正確な照合をするパターン照合装置に関
するものである。
の片方に非常に大きな雑音成分が加わっている場合でも
ロバストな照合が可能であるパターン照合装置に関し、
特に、非常に大きな雑音成分が存在する写真画像と、写
真の所持者の顔画像をカメラから入力して照合し、所持
者の同定を行なうために、雑音成分のない標本集合と、
雑音成分のある標本と雑音成分のない標本の差の集合と
の和集合を主成分分析して、あるいは、雑音成分のある
標本と雑音成分のない標本の差の集合を主成分分析し
て、固有値と固有ベクトルの空間を求め、その空間で相
似度を算出して正確な照合をするパターン照合装置に関
するものである。
【０００２】
【従来の技術】パターンの照合の方法としては、主成分
分析に基づく方法が有名である。すなわち、まず主成分
分析によって、標本集合の主成分方向を表すベクトルを
獲得し、それらのうちで固有値の大きいものからＭ個を
パターンを表現する空間の基底軸ｅj（１≦ｊ≦Ｍ）と
して選ぶ。そして、そのように構成された空間の上にパ
ターンを射影した後、算出されたパターン相互の距離を
パターン間の相似度とみなして、照合が実現される。例
えば、射影後の距離としてユークリッド距離を使う場
合、パターンｘとパターンｙの相似度は次式13
分析に基づく方法が有名である。すなわち、まず主成分
分析によって、標本集合の主成分方向を表すベクトルを
獲得し、それらのうちで固有値の大きいものからＭ個を
パターンを表現する空間の基底軸ｅj（１≦ｊ≦Ｍ）と
して選ぶ。そして、そのように構成された空間の上にパ
ターンを射影した後、算出されたパターン相互の距離を
パターン間の相似度とみなして、照合が実現される。例
えば、射影後の距離としてユークリッド距離を使う場
合、パターンｘとパターンｙの相似度は次式13
【数１３】 によって算出される。また、射影後の距離として、主成
分軸方向の分散の情報を取り入れたmaharanobis距離を
使うと、さらに照合精度が向上するという報告が、Nich
olas Costen、Ian Craw、赤松茂の「個人識別のための顔
画像パターン表現法の分析（信学技報HIP95-32(1996-0
1))」でされている。maharanobis距離を使用する場合の
相似度は数式３によって算出される。なお、maharanobi
s距離で照合パターン間の距離を測ることと、標本集合
を白色化、すなわち分散を正規化する次式14
分軸方向の分散の情報を取り入れたmaharanobis距離を
使うと、さらに照合精度が向上するという報告が、Nich
olas Costen、Ian Craw、赤松茂の「個人識別のための顔
画像パターン表現法の分析（信学技報HIP95-32(1996-0
1))」でされている。maharanobis距離を使用する場合の
相似度は数式３によって算出される。なお、maharanobi
s距離で照合パターン間の距離を測ることと、標本集合
を白色化、すなわち分散を正規化する次式14
【数１４】 の変換を照合パターンに施した後に、それらの間の距離
をユークリッド距離で測ることは同じである。
をユークリッド距離で測ることは同じである。
【０００３】また、真鍋、佐藤、井口の「改良型マハラ
ノビス距離を用いた高精度な手書き文字認識（電子情報
通信学会論文誌 Vol.j79-D2 No.1)」によると、maharan
obis距離の算出に使用する固有値にバイアスをかけて得
られる、改良型maharanobis距離を使用すると、照合精
度がさらに向上することが報告されている。改良型maha
ranobis距離を使用する場合の相似度は数式４によって
算出される。
ノビス距離を用いた高精度な手書き文字認識（電子情報
通信学会論文誌 Vol.j79-D2 No.1)」によると、maharan
obis距離の算出に使用する固有値にバイアスをかけて得
られる、改良型maharanobis距離を使用すると、照合精
度がさらに向上することが報告されている。改良型maha
ranobis距離を使用する場合の相似度は数式４によって
算出される。
【０００４】このような標本集合の単純な主成分分析に
基づいて、顔の識別を行なった特許としては、“Face R
ecognition System"(米国特許第5,164,992号)がある。
基づいて、顔の識別を行なった特許としては、“Face R
ecognition System"(米国特許第5,164,992号)がある。
【０００５】この米国特許では、図10に示す構成要素に
よって、パターン識別のための相似度を算出している。
901は標本画像入力部、902は主成分分析（ＫＬ展開）実
行部、903は照合画像を入力する照合画像入力部、904
は、照合画像入力部903によって入力された２つの照合
画像の間の相似度を算出する、相似度算出部である。標
本画像入力部901は、顔画像を各画素毎の濃淡値の集ま
り（ｍ×ｎ次元特徴ベクトル（但し、ｍは画像の縦方向
の画素数、ｎは画像の横方向の画素数））として獲得
し、顔画像の標本として、主成分分析実行部902に渡
す。主成分分析実行部902は、標本画像入力部901から渡
されたＮ枚の顔画像から、主成分分析により正規直交基
底を算出し、そのうち固有値の大きい順にＭ（≦ｍ×
ｎ、Ｎ）個の基底軸を生成する。相似度算出部904は、
主成分分析実行部902から渡された基底軸ｅj（１≦ｊ≦
Ｍ）によって張られる空間に、照合画像入力部903から
入力される２つの照合画像をそれぞれ直交射影した後、
その間の距離を算出し、入力された照合画像の間の相似
度として出力する。
よって、パターン識別のための相似度を算出している。
901は標本画像入力部、902は主成分分析（ＫＬ展開）実
行部、903は照合画像を入力する照合画像入力部、904
は、照合画像入力部903によって入力された２つの照合
画像の間の相似度を算出する、相似度算出部である。標
本画像入力部901は、顔画像を各画素毎の濃淡値の集ま
り（ｍ×ｎ次元特徴ベクトル（但し、ｍは画像の縦方向
の画素数、ｎは画像の横方向の画素数））として獲得
し、顔画像の標本として、主成分分析実行部902に渡
す。主成分分析実行部902は、標本画像入力部901から渡
されたＮ枚の顔画像から、主成分分析により正規直交基
底を算出し、そのうち固有値の大きい順にＭ（≦ｍ×
ｎ、Ｎ）個の基底軸を生成する。相似度算出部904は、
主成分分析実行部902から渡された基底軸ｅj（１≦ｊ≦
Ｍ）によって張られる空間に、照合画像入力部903から
入力される２つの照合画像をそれぞれ直交射影した後、
その間の距離を算出し、入力された照合画像の間の相似
度として出力する。
【０００６】
【発明が解決しようとする課題】しかしながら、前記従
来の構成では、照合するパターンの片方に非常に大きな
雑音成分が加わっている場合の照合のロバスト性には問
題がある。なぜなら、照合するパターンの片方に非常に
大きな雑音成分が加わっている場合には、雑音成分の影
響を排除しながら照合を行なわなければ、照合のロバス
ト性は保証されないが、前記従来の構成では、雑音成分
を標本集合から取り出して統計的に解析することは不可
能であり、雑音成分の影響を考慮した照合は行なえない
からである。したがって、照合するパターンの片方に非
常に大きな雑音成分が加わっている場合、前記従来の構
成ではロバストな照合を行なうことはできない。
来の構成では、照合するパターンの片方に非常に大きな
雑音成分が加わっている場合の照合のロバスト性には問
題がある。なぜなら、照合するパターンの片方に非常に
大きな雑音成分が加わっている場合には、雑音成分の影
響を排除しながら照合を行なわなければ、照合のロバス
ト性は保証されないが、前記従来の構成では、雑音成分
を標本集合から取り出して統計的に解析することは不可
能であり、雑音成分の影響を考慮した照合は行なえない
からである。したがって、照合するパターンの片方に非
常に大きな雑音成分が加わっている場合、前記従来の構
成ではロバストな照合を行なうことはできない。
【０００７】本発明は、前記従来の課題を解決するもの
で、照合するパターンの片方に非常に大きな雑音成分が
加わっている場合の照合をロバストに行なうことを可能
にするパターン照合装置を提供することを目的とする。
で、照合するパターンの片方に非常に大きな雑音成分が
加わっている場合の照合をロバストに行なうことを可能
にするパターン照合装置を提供することを目的とする。
【０００８】
【課題を解決するための手段】この課題を解決するため
に、本発明のパターン照合装置は第１に、雑音成分が加
わっていないパターンの標本集合と、雑音成分が加わっ
ているパターンの標本集合から、対応するパターンをそ
れぞれ一つずつ取り出し、それらのパターンの差を算出
するという動作を繰り返す、差パターン生成手段と、雑
音成分が加わっていないパターンの標本集合と、前記差
パターン生成手段によって生成される差パターンの集合
とをあわせたパターンの集合に対して主成分分析を行な
い、主成分と主成分方向の分散を反映した値を出力する
主成分分析手段と、入力された２つのパターン間の相似
度を、主成分分析の結果を用いて求める相似度算出手段
を設けたものである。
に、本発明のパターン照合装置は第１に、雑音成分が加
わっていないパターンの標本集合と、雑音成分が加わっ
ているパターンの標本集合から、対応するパターンをそ
れぞれ一つずつ取り出し、それらのパターンの差を算出
するという動作を繰り返す、差パターン生成手段と、雑
音成分が加わっていないパターンの標本集合と、前記差
パターン生成手段によって生成される差パターンの集合
とをあわせたパターンの集合に対して主成分分析を行な
い、主成分と主成分方向の分散を反映した値を出力する
主成分分析手段と、入力された２つのパターン間の相似
度を、主成分分析の結果を用いて求める相似度算出手段
を設けたものである。
【０００９】これにより、雑音成分の影響を考慮した照
合が可能になり、照合するパターンの片方に非常に大き
な雑音成分が加わっている場合でも、ロバストな照合が
可能になるという効果を奏するものである。
合が可能になり、照合するパターンの片方に非常に大き
な雑音成分が加わっている場合でも、ロバストな照合が
可能になるという効果を奏するものである。
【００１０】以下、本発明によって雑音成分の影響を考
慮した照合が可能になる理由について述べる。また以下
では、前記第１の標本パターン入力手段から入力される
雑音成分が加わっていないパターンの標本集合を基準標
本集合、前記差パターン生成手段によって生成される差
パターンの集合の集合を差標本集合、基準標本集合と差
標本集合との和集合を統合標本集合と呼ぶことにする。
本発明では、統合標本集合の主成分分析の結果を用いて
得られるmaharanobis距離によって照合を行なってい
る。これは、すでに述べたように、標本集合を白色化す
る線形変換を照合パターンに施した後に、ユークリッド
距離によって照合パターン間の距離を測ることと同じで
ある。以下、標準標本集合、差標本集合、統合標本集合
を白色化することの意味について順に述べる。
慮した照合が可能になる理由について述べる。また以下
では、前記第１の標本パターン入力手段から入力される
雑音成分が加わっていないパターンの標本集合を基準標
本集合、前記差パターン生成手段によって生成される差
パターンの集合の集合を差標本集合、基準標本集合と差
標本集合との和集合を統合標本集合と呼ぶことにする。
本発明では、統合標本集合の主成分分析の結果を用いて
得られるmaharanobis距離によって照合を行なってい
る。これは、すでに述べたように、標本集合を白色化す
る線形変換を照合パターンに施した後に、ユークリッド
距離によって照合パターン間の距離を測ることと同じで
ある。以下、標準標本集合、差標本集合、統合標本集合
を白色化することの意味について順に述べる。
【００１１】まず、標準標本集合について述べる。標準
標本集合を白色化することにより、分散は１に正規化さ
れるので、分散の大きい基底軸方向の標本ベクトルの変
化を小さく、分散の小さい基底軸方向の標本ベクトルの
変化を大きくすることができる。一般的に、分散の大き
い基底軸の信頼性は薄いことが知られており、分散の大
きい基底軸方向の変化を小さくすることにより、照合の
信頼性が高くなる。特に、極端に分散が大きい基底軸
は、標本の統計的な特性を正しく反映したものとは考え
られないので、分散を正規化することにより、極端に分
散が大きい基底軸の悪影響を除くことができる。また、
分散の小さい基底軸方向の変化を大きくすることによ
り、そのままユークリッド距離で測ったのでは見分けに
くいパターン同士の区別が、より明確につくようにな
る。
標本集合を白色化することにより、分散は１に正規化さ
れるので、分散の大きい基底軸方向の標本ベクトルの変
化を小さく、分散の小さい基底軸方向の標本ベクトルの
変化を大きくすることができる。一般的に、分散の大き
い基底軸の信頼性は薄いことが知られており、分散の大
きい基底軸方向の変化を小さくすることにより、照合の
信頼性が高くなる。特に、極端に分散が大きい基底軸
は、標本の統計的な特性を正しく反映したものとは考え
られないので、分散を正規化することにより、極端に分
散が大きい基底軸の悪影響を除くことができる。また、
分散の小さい基底軸方向の変化を大きくすることによ
り、そのままユークリッド距離で測ったのでは見分けに
くいパターン同士の区別が、より明確につくようにな
る。
【００１２】次に、差標本集合について述べる。差標本
集合は、写真撮影の際の照明の違いなどによる雑音成分
の特徴を表していると考えられる。差標本集合を白色化
することにより、雑音成分の大きい基底軸方向の変化を
小さくすることが可能になり、照合時の雑音の影響が小
さくなる。
集合は、写真撮影の際の照明の違いなどによる雑音成分
の特徴を表していると考えられる。差標本集合を白色化
することにより、雑音成分の大きい基底軸方向の変化を
小さくすることが可能になり、照合時の雑音の影響が小
さくなる。
【００１３】最後に、統合標本集合について述べる。統
合標本集合は標準標本集合と差標本集合の和集合なの
で、統合標本集合を白色化することによって、標準標本
集合と差標本集合を、それぞれ白色化した場合とほぼ同
等の効果を同時に得ることができる。特に、統合標本集
合に含まれるパターンが互いに線形独立である場合に
は、統合標本集合を白色化することにより、標準標本集
合と差標本集合はそれぞれ白色化されることがわかって
いる。
合標本集合は標準標本集合と差標本集合の和集合なの
で、統合標本集合を白色化することによって、標準標本
集合と差標本集合を、それぞれ白色化した場合とほぼ同
等の効果を同時に得ることができる。特に、統合標本集
合に含まれるパターンが互いに線形独立である場合に
は、統合標本集合を白色化することにより、標準標本集
合と差標本集合はそれぞれ白色化されることがわかって
いる。
【００１４】以上の考察により、統合標本集合のmahara
nobis距離を用いて照合を行なうことにより、雑音成分
の影響を考慮した照合を行なうことが可能になることが
わかる。
nobis距離を用いて照合を行なうことにより、雑音成分
の影響を考慮した照合を行なうことが可能になることが
わかる。
【００１５】また、maharanobis距離の代わりに改良型m
aharanobis距離を用いることにより、さらに照合精度が
向上する。
aharanobis距離を用いることにより、さらに照合精度が
向上する。
【００１６】また、本発明のパターン照合装置は第２
に、雑音成分が加わっていないパターンの標本集合と、
雑音成分が加わっているパターンの標本集合から、対応
するパターンをそれぞれ一つずつ取り出し、それらのパ
ターンの差を算出するという動作を繰り返す、差パター
ン生成手段と、前記差パターン生成手段によって生成さ
れる差パターンの集合に対して主成分分析を行ない、主
成分と主成分方向の分散を反映した値を出力する主成分
分析手段と、入力された２つのパターン間の相似度を、
主成分分析の結果を用いて求める相似度算出手段を設け
たものである。
に、雑音成分が加わっていないパターンの標本集合と、
雑音成分が加わっているパターンの標本集合から、対応
するパターンをそれぞれ一つずつ取り出し、それらのパ
ターンの差を算出するという動作を繰り返す、差パター
ン生成手段と、前記差パターン生成手段によって生成さ
れる差パターンの集合に対して主成分分析を行ない、主
成分と主成分方向の分散を反映した値を出力する主成分
分析手段と、入力された２つのパターン間の相似度を、
主成分分析の結果を用いて求める相似度算出手段を設け
たものである。
【００１７】これにより、雑音成分の影響を考慮した照
合が可能になり、照合するパターンの片方に非常に大き
な雑音成分が加わっている場合でも、ロバストな照合が
可能になるという効果を奏するものである。
合が可能になり、照合するパターンの片方に非常に大き
な雑音成分が加わっている場合でも、ロバストな照合が
可能になるという効果を奏するものである。
【００１８】また、本発明のパターン照合装置は第３
に、主成分分析手段から渡される固有値λiに対して、
補正項τを数式５によって決定し、補正固有値λj＋τ
を出力する補正固有値生成手段を設けたものである。前
記の数式５は、軸の番号に対して線形に値が減少するμ
j（１≦ｊ≦Ｍ）と次式15
に、主成分分析手段から渡される固有値λiに対して、
補正項τを数式５によって決定し、補正固有値λj＋τ
を出力する補正固有値生成手段を設けたものである。前
記の数式５は、軸の番号に対して線形に値が減少するμ
j（１≦ｊ≦Ｍ）と次式15
【数１５】 で定まる値が一致するように、バイアスσj（１≦ｊ≦
Ｍ）を求めた後、それらの平均値を求めたものである。
したがって、補正固有値λj＋τを使って得られた改良
型maharanobis距離は、各軸の照合に与える影響をほぼ
線形に減少させる効果を持っている。特に、顔画像を標
本集合にする場合、ｊを変化させたときの固有値λjの
値の変化の度合いが非常に大きくなることが知られてお
り、maharanobis距離を使う場合、分散の小さい軸の照
合に与える影響が必要以上に大きくなってしまう。前記
補正固有値生成手段により適切なバイアスをかけること
によって、分散の小さい軸の影響をうまく調整すること
が可能になる。
Ｍ）を求めた後、それらの平均値を求めたものである。
したがって、補正固有値λj＋τを使って得られた改良
型maharanobis距離は、各軸の照合に与える影響をほぼ
線形に減少させる効果を持っている。特に、顔画像を標
本集合にする場合、ｊを変化させたときの固有値λjの
値の変化の度合いが非常に大きくなることが知られてお
り、maharanobis距離を使う場合、分散の小さい軸の照
合に与える影響が必要以上に大きくなってしまう。前記
補正固有値生成手段により適切なバイアスをかけること
によって、分散の小さい軸の影響をうまく調整すること
が可能になる。
【００１９】また、第４に、数式10を共分散行列として
持つ分布の主成分分析を行ない、主成分と主成分方向の
分散を反映した値を出力する適応型主成分分析手段を設
けたものである。対象とする画像によって、照合時に雑
音成分をどの程度考慮すべきかは異なるので、これによ
り、数式10のｓとｔの値を適当に設定すれば、最適な照
合を可能にすることができる。
持つ分布の主成分分析を行ない、主成分と主成分方向の
分散を反映した値を出力する適応型主成分分析手段を設
けたものである。対象とする画像によって、照合時に雑
音成分をどの程度考慮すべきかは異なるので、これによ
り、数式10のｓとｔの値を適当に設定すれば、最適な照
合を可能にすることができる。
【００２０】また、第５に、雑音成分が加わっていない
パターンの標本集合を入力するための第３の標本パター
ン入力手段と、前記第３の標本パターン入力手段によっ
て入力されたパターンの標本集合を格納する第３の記憶
手段を設けたものである。これにより、顔の特徴の差異
を表す標準標本集合を、雑音成分を表す差標本集合とま
ったく独立に構成でき、より高精度な照合を実現するこ
とが可能になる。
パターンの標本集合を入力するための第３の標本パター
ン入力手段と、前記第３の標本パターン入力手段によっ
て入力されたパターンの標本集合を格納する第３の記憶
手段を設けたものである。これにより、顔の特徴の差異
を表す標準標本集合を、雑音成分を表す差標本集合とま
ったく独立に構成でき、より高精度な照合を実現するこ
とが可能になる。
【００２１】また、第６に、雑音成分が加わっていない
パターンの分布の情報として、基底軸ｕiと基底軸方向
の分散値νiの組（ｕi,νi）（１≦ｉ≦Ｌ）を入力する
標準分布情報入力手段と、雑音成分の分布の情報として
基底軸ｕi'と基底軸方向の分散値νi'の組（ｕi',
νi'）（１≦ｉ≦Ｌ'）を入力する雑音分布情報入力手
段と、標準分布情報入力手段と雑音分布情報入力手段か
ら分布情報を獲得し、数式11を共分散行列として持つ分
布の主成分分析を行ない、主成分と主成分方向の分散を
反映した値を出力する主成分分析手段を設けたものであ
る。これにより、雑音成分の影響を考慮した照合が可能
になり、照合するパターンの片方に非常に大きな雑音成
分が加わっている場合でもロバストな照合が可能になる
という効果を奏するものである。
パターンの分布の情報として、基底軸ｕiと基底軸方向
の分散値νiの組（ｕi,νi）（１≦ｉ≦Ｌ）を入力する
標準分布情報入力手段と、雑音成分の分布の情報として
基底軸ｕi'と基底軸方向の分散値νi'の組（ｕi',
νi'）（１≦ｉ≦Ｌ'）を入力する雑音分布情報入力手
段と、標準分布情報入力手段と雑音分布情報入力手段か
ら分布情報を獲得し、数式11を共分散行列として持つ分
布の主成分分析を行ない、主成分と主成分方向の分散を
反映した値を出力する主成分分析手段を設けたものであ
る。これにより、雑音成分の影響を考慮した照合が可能
になり、照合するパターンの片方に非常に大きな雑音成
分が加わっている場合でもロバストな照合が可能になる
という効果を奏するものである。
【００２２】
【発明の実施の形態】本発明の請求項１に記載された発
明は、標本パターンの主成分分析による固有ベクトルと
固有値に基づいて照合パターンの相似度を算出してパタ
ーン照合をすることにより、照合するパターンの片方に
非常に大きな雑音成分が加わっている場合でもロバスト
な照合が可能であるパターン照合装置において、雑音成
分が加わっていないパターンの標本集合を入力するため
の第１の標本パターン入力手段と、雑音成分が加わって
いるパターンの標本集合を入力するための第２の標本パ
ターン入力手段と、前記第１の標本パターン入力手段に
よって入力されたパターンの標本集合を記憶する第１の
記憶手段と、前記第２の標本パターン入力手段によって
入力されたパターンの標本集合を記憶する第２の記憶手
段と、前記第１、第２の記憶手段に記憶されている標本
集合から対応するパターンをそれぞれ一つずつ取り出し
それらの差のパターンを計算する動作を繰り返してすべ
ての標本集合から差パターンを生成する差パターン生成
手段と、前記第１の記憶手段に格納されているパターン
の標本集合と前記差パターン生成手段によって生成され
る差のパターンの集合とをあわせたパターンの集合に対
して主成分分析を行ない主成分と主成分方向の分散を反
映した値を出力する主成分分析手段と、前記主成分分析
手段から出力されたデータを格納する分析結果記憶手段
と、照合する２つのパターンを入力する照合パターン入
力手段と、前記分析結果記憶手段に格納されているデー
タを参照しその結果に基づいて、前記照合パターン入力
手段から入力された２つのパターンの相似度をパターン
の主成分方向の成分に重み付けして算出する相似度算出
手段とを備えるものであり、雑音成分の影響を考慮した
照合が可能になるので、照合するパターンの片方に非常
に大きな雑音成分が加わっている場合でも、ロバストな
照合が可能になるという作用を有するものである。
明は、標本パターンの主成分分析による固有ベクトルと
固有値に基づいて照合パターンの相似度を算出してパタ
ーン照合をすることにより、照合するパターンの片方に
非常に大きな雑音成分が加わっている場合でもロバスト
な照合が可能であるパターン照合装置において、雑音成
分が加わっていないパターンの標本集合を入力するため
の第１の標本パターン入力手段と、雑音成分が加わって
いるパターンの標本集合を入力するための第２の標本パ
ターン入力手段と、前記第１の標本パターン入力手段に
よって入力されたパターンの標本集合を記憶する第１の
記憶手段と、前記第２の標本パターン入力手段によって
入力されたパターンの標本集合を記憶する第２の記憶手
段と、前記第１、第２の記憶手段に記憶されている標本
集合から対応するパターンをそれぞれ一つずつ取り出し
それらの差のパターンを計算する動作を繰り返してすべ
ての標本集合から差パターンを生成する差パターン生成
手段と、前記第１の記憶手段に格納されているパターン
の標本集合と前記差パターン生成手段によって生成され
る差のパターンの集合とをあわせたパターンの集合に対
して主成分分析を行ない主成分と主成分方向の分散を反
映した値を出力する主成分分析手段と、前記主成分分析
手段から出力されたデータを格納する分析結果記憶手段
と、照合する２つのパターンを入力する照合パターン入
力手段と、前記分析結果記憶手段に格納されているデー
タを参照しその結果に基づいて、前記照合パターン入力
手段から入力された２つのパターンの相似度をパターン
の主成分方向の成分に重み付けして算出する相似度算出
手段とを備えるものであり、雑音成分の影響を考慮した
照合が可能になるので、照合するパターンの片方に非常
に大きな雑音成分が加わっている場合でも、ロバストな
照合が可能になるという作用を有するものである。
【００２３】本発明の請求項２に記載された発明は、標
本パターンの主成分分析による固有ベクトルと固有値に
基づいて照合パターンの相似度を算出してパターン照合
をすることにより、照合するパターンの片方に非常に大
きな雑音成分が加わっている場合でもロバストな照合が
可能であるパターン照合装置において、雑音成分が加わ
っていないパターンの標本集合を入力するための第１の
標本パターン入力手段と、雑音成分が加わっているパタ
ーンの標本集合を入力するための第２の標本パターン入
力手段と、前記第１の標本パターン入力手段によって入
力されたパターンの標本集合を記憶する第１の記憶手段
と、前記第２の標本パターン入力手段によって入力され
たパターンの標本集合を記憶する第２の記憶手段と、前
記第１、第２の記憶手段に記憶されている標本集合から
対応するパターンをそれぞれ一つずつ取り出しそれらの
差のパターンを計算する動作を繰り返してすべての標本
集合から差パターンを生成する差パターン生成手段と、
前記差パターン生成手段によって生成される差のパター
ンの集合に対して零ベクトルを平均ベクトルとして主成
分分析を行ない主成分と主成分方向の分散を反映した値
を出力する主成分分析手段と、前記主成分分析手段から
出力されたデータを格納する分析結果記憶手段と、照合
する２つのパターンを入力する照合パターン入力手段
と、前記分析結果記憶手段に格納されているデータを参
照しその結果に基づいて、前記照合パターン入力手段か
ら入力された２つのパターンの相似度をパターンの主成
分方向の成分に重み付けして算出する相似度算出手段と
を備えるものであり、パターンの特徴を反映した雑音成
分を利用した照合が可能になるので、照合するパターン
の片方に非常に大きな雑音成分が加わっている場合で
も、差のパターンのみに基づくロバストな照合が可能に
なるという作用を有するものである。
本パターンの主成分分析による固有ベクトルと固有値に
基づいて照合パターンの相似度を算出してパターン照合
をすることにより、照合するパターンの片方に非常に大
きな雑音成分が加わっている場合でもロバストな照合が
可能であるパターン照合装置において、雑音成分が加わ
っていないパターンの標本集合を入力するための第１の
標本パターン入力手段と、雑音成分が加わっているパタ
ーンの標本集合を入力するための第２の標本パターン入
力手段と、前記第１の標本パターン入力手段によって入
力されたパターンの標本集合を記憶する第１の記憶手段
と、前記第２の標本パターン入力手段によって入力され
たパターンの標本集合を記憶する第２の記憶手段と、前
記第１、第２の記憶手段に記憶されている標本集合から
対応するパターンをそれぞれ一つずつ取り出しそれらの
差のパターンを計算する動作を繰り返してすべての標本
集合から差パターンを生成する差パターン生成手段と、
前記差パターン生成手段によって生成される差のパター
ンの集合に対して零ベクトルを平均ベクトルとして主成
分分析を行ない主成分と主成分方向の分散を反映した値
を出力する主成分分析手段と、前記主成分分析手段から
出力されたデータを格納する分析結果記憶手段と、照合
する２つのパターンを入力する照合パターン入力手段
と、前記分析結果記憶手段に格納されているデータを参
照しその結果に基づいて、前記照合パターン入力手段か
ら入力された２つのパターンの相似度をパターンの主成
分方向の成分に重み付けして算出する相似度算出手段と
を備えるものであり、パターンの特徴を反映した雑音成
分を利用した照合が可能になるので、照合するパターン
の片方に非常に大きな雑音成分が加わっている場合で
も、差のパターンのみに基づくロバストな照合が可能に
なるという作用を有するものである。
【００２４】本発明の請求項３に記載された発明は、前
記第１の記憶手段に記憶されているパターンをＶi（１
≦ｉ≦Ｎ）、前記第２の記憶手段に記憶されているパタ
ーンをＵi（１≦ｉ≦Ｎ）とするとき、前記差パターン
生成手段が差のパターンＤiを式１によって生成し、前
記主成分分析手段が式２によって定まる共分散行列の固
有値問題を解いて得られる固有ベクトルｅj（１≦ｊ≦
Ｍ）と固有値λj（１≦ｊ≦Ｍ）を主成分分析の結果と
して出力し、前記照合パターン入力手段により獲得され
た照合パターンｘ、ｙに対して、前記相似度算出手段が
式３によって相似度を算出するものであり、maharanobi
s距離を用いて照合を行なうことにより、雑音成分の影
響を考慮した照合を行なうことが可能になるという作用
を有するものである。
記第１の記憶手段に記憶されているパターンをＶi（１
≦ｉ≦Ｎ）、前記第２の記憶手段に記憶されているパタ
ーンをＵi（１≦ｉ≦Ｎ）とするとき、前記差パターン
生成手段が差のパターンＤiを式１によって生成し、前
記主成分分析手段が式２によって定まる共分散行列の固
有値問題を解いて得られる固有ベクトルｅj（１≦ｊ≦
Ｍ）と固有値λj（１≦ｊ≦Ｍ）を主成分分析の結果と
して出力し、前記照合パターン入力手段により獲得され
た照合パターンｘ、ｙに対して、前記相似度算出手段が
式３によって相似度を算出するものであり、maharanobi
s距離を用いて照合を行なうことにより、雑音成分の影
響を考慮した照合を行なうことが可能になるという作用
を有するものである。
【００２５】本発明の請求項４に記載された発明は、前
記主成分分析手段から固有値λj（１≦ｊ≦Ｍ）を受け
取り、その値に予め入力された値σを加算することによ
り補正固有値λj＋σ（１≦ｊ≦Ｍ）を出力する固定補
正固有値生成手段をさらに設け、前記分析結果記憶手段
が前記主成分分析手段から出力された固有ベクトルｅj
と前記固定補正固有値生成手段から出力された補正固有
値λj＋σの組｛（ｅj,λj＋σ）（１≦ｊ≦Ｍ）｝を記
憶し、前記相似度算出手段が前記照合パターン入力手段
から入力されたパターンｘ、ｙの相似度を分析結果記憶
手段に記憶されているデータを参照して式４によって算
出するものであり、改良型maharanobis距離を用いるこ
とにより、さらに照合精度が向上するという作用を有す
るものである。
記主成分分析手段から固有値λj（１≦ｊ≦Ｍ）を受け
取り、その値に予め入力された値σを加算することによ
り補正固有値λj＋σ（１≦ｊ≦Ｍ）を出力する固定補
正固有値生成手段をさらに設け、前記分析結果記憶手段
が前記主成分分析手段から出力された固有ベクトルｅj
と前記固定補正固有値生成手段から出力された補正固有
値λj＋σの組｛（ｅj,λj＋σ）（１≦ｊ≦Ｍ）｝を記
憶し、前記相似度算出手段が前記照合パターン入力手段
から入力されたパターンｘ、ｙの相似度を分析結果記憶
手段に記憶されているデータを参照して式４によって算
出するものであり、改良型maharanobis距離を用いるこ
とにより、さらに照合精度が向上するという作用を有す
るものである。
【００２６】本発明の請求項５に記載された発明は、前
記主成分分析手段から固有値λj（１≦ｊ≦Ｍ）を受け
取り補正項τを式５によって決定し補正固有値λj＋τ
を出力する補正固有値生成手段をさらに設け、前記分析
結果記憶手段が前記主成分分析手段から出力された固有
ベクトルｅjと前記補正固有値生成手段から出力された
補正固有値λj＋τの組｛（ｅj,λj＋τ）（１≦ｊ≦
Ｍ）｝を記憶し、前記相似度算出手段が前記照合パター
ン入力手段から入力されたパターンｘ、ｙの相似度を分
析結果記憶手段に記憶されているデータを参照して式６
によって算出するものであり、各軸の照合に与える影響
をほぼ線形に減少させるという作用を有するものであ
る。
記主成分分析手段から固有値λj（１≦ｊ≦Ｍ）を受け
取り補正項τを式５によって決定し補正固有値λj＋τ
を出力する補正固有値生成手段をさらに設け、前記分析
結果記憶手段が前記主成分分析手段から出力された固有
ベクトルｅjと前記補正固有値生成手段から出力された
補正固有値λj＋τの組｛（ｅj,λj＋τ）（１≦ｊ≦
Ｍ）｝を記憶し、前記相似度算出手段が前記照合パター
ン入力手段から入力されたパターンｘ、ｙの相似度を分
析結果記憶手段に記憶されているデータを参照して式６
によって算出するものであり、各軸の照合に与える影響
をほぼ線形に減少させるという作用を有するものであ
る。
【００２７】本発明の請求項６に記載された発明は、相
似度算出手段が照合ベクトルｘ、ｙの相似度を式７によ
って算出するものであり、照合パターンの相似度をベク
トルの相関を使って表すことができ、よりロバストな照
合が可能になるという作用を有するものである。
似度算出手段が照合ベクトルｘ、ｙの相似度を式７によ
って算出するものであり、照合パターンの相似度をベク
トルの相関を使って表すことができ、よりロバストな照
合が可能になるという作用を有するものである。
【００２８】本発明の請求項７に記載された発明は、相
似度算出手段が照合ベクトルｘ、ｙの相似度を式８によ
って算出するものであり、照合パターンの相似度をベク
トルの相関を使って表すことができ、よりロバストな照
合が可能になるという作用を有するものである。
似度算出手段が照合ベクトルｘ、ｙの相似度を式８によ
って算出するものであり、照合パターンの相似度をベク
トルの相関を使って表すことができ、よりロバストな照
合が可能になるという作用を有するものである。
【００２９】本発明の請求項８に記載された発明は、相
似度算出手段が照合ベクトルｘ、ｙの相似度を式９によ
って算出するものであり、照合パターンの相似度をベク
トルの相関を使って表すことができ、よりロバストな照
合が可能になるという作用を有するものである。
似度算出手段が照合ベクトルｘ、ｙの相似度を式９によ
って算出するものであり、照合パターンの相似度をベク
トルの相関を使って表すことができ、よりロバストな照
合が可能になるという作用を有するものである。
【００３０】本発明の請求項９に記載された発明は、前
記主成分分析手段の代わりに、式10を共分散行列として
持つ分布の主成分分析を行ない、主成分と主成分方向の
分散を反映した値を出力する適応型主成分分析手段を設
けたものであり、対象とする画像によって異なる雑音成
分の影響度を考慮した照合が可能になり、照合精度が向
上するという作用を有するものである。
記主成分分析手段の代わりに、式10を共分散行列として
持つ分布の主成分分析を行ない、主成分と主成分方向の
分散を反映した値を出力する適応型主成分分析手段を設
けたものであり、対象とする画像によって異なる雑音成
分の影響度を考慮した照合が可能になり、照合精度が向
上するという作用を有するものである。
【００３１】本発明の請求項10に記載された発明は、雑
音成分が加わっていないパターンの標本集合を入力する
ための第３の標本パターン入力手段と、前記第３の標本
パターン入力手段によって入力されたパターンの標本集
合を格納する第３の記憶手段をさらに設け、前記主成分
分析手段が前記第３の記憶手段に格納されているパター
ンの標本集合と前記差パターン生成手段によって生成さ
れる差のパターンの集合とをあわせたパターンの集合に
対して主成分分析を行なうものであり、顔の特徴の差異
を表す標準標本集合を、雑音成分を表す差標本集合とま
ったく独立に構成でき、より高精度な照合を実現するこ
とが可能になるという作用を有するものである。
音成分が加わっていないパターンの標本集合を入力する
ための第３の標本パターン入力手段と、前記第３の標本
パターン入力手段によって入力されたパターンの標本集
合を格納する第３の記憶手段をさらに設け、前記主成分
分析手段が前記第３の記憶手段に格納されているパター
ンの標本集合と前記差パターン生成手段によって生成さ
れる差のパターンの集合とをあわせたパターンの集合に
対して主成分分析を行なうものであり、顔の特徴の差異
を表す標準標本集合を、雑音成分を表す差標本集合とま
ったく独立に構成でき、より高精度な照合を実現するこ
とが可能になるという作用を有するものである。
【００３２】本発明の請求項11に記載された発明は、標
本パターンの主成分分析による固有ベクトルと固有値に
基づいて照合パターンの相似度を算出してパターン照合
をすることにより、照合するパターンの片方に非常に大
きな雑音成分が加わっている場合でもロバストな照合が
可能であるパターン照合装置において、雑音成分が加わ
っていないパターンの分布の情報として基底軸ｕiと基
底軸方向の分散値νiの組（ｕi,νi）（１≦ｉ≦Ｌ）を
入力する標準分布情報入力手段と、雑音成分の分布の情
報として基底軸ｕi'と基底軸方向の分散値νi'の組（ｕ
i',νi'）（１≦ｉ≦Ｌ'）を入力する雑音分布情報入力
手段と、前記標準分布情報入力手段と前記雑音分布情報
入力手段から分布情報を獲得し、式11を共分散行列とし
て持つ分布の主成分分析を行ない、主成分と主成分方向
の分散を反映した値を出力する主成分分析手段と、前記
主成分分析手段から出力されたデータを格納する分析結
果記憶手段と、照合する２つのパターンを入力する照合
パターン入力手段と、前記分析結果記憶手段に格納され
ているデータを参照しその結果に基づいて、前記照合パ
ターン入力手段から入力された２つのパターンの相似度
をパターンの主成分方向の成分に重み付けして算出する
相似度算出手段を備えるものであり、雑音成分を考慮し
た照合が可能になり、照合するパターンの片方に非常に
大きな雑音成分が加わっている場合でもロバストな照合
が実現できるという作用を有するものである。
本パターンの主成分分析による固有ベクトルと固有値に
基づいて照合パターンの相似度を算出してパターン照合
をすることにより、照合するパターンの片方に非常に大
きな雑音成分が加わっている場合でもロバストな照合が
可能であるパターン照合装置において、雑音成分が加わ
っていないパターンの分布の情報として基底軸ｕiと基
底軸方向の分散値νiの組（ｕi,νi）（１≦ｉ≦Ｌ）を
入力する標準分布情報入力手段と、雑音成分の分布の情
報として基底軸ｕi'と基底軸方向の分散値νi'の組（ｕ
i',νi'）（１≦ｉ≦Ｌ'）を入力する雑音分布情報入力
手段と、前記標準分布情報入力手段と前記雑音分布情報
入力手段から分布情報を獲得し、式11を共分散行列とし
て持つ分布の主成分分析を行ない、主成分と主成分方向
の分散を反映した値を出力する主成分分析手段と、前記
主成分分析手段から出力されたデータを格納する分析結
果記憶手段と、照合する２つのパターンを入力する照合
パターン入力手段と、前記分析結果記憶手段に格納され
ているデータを参照しその結果に基づいて、前記照合パ
ターン入力手段から入力された２つのパターンの相似度
をパターンの主成分方向の成分に重み付けして算出する
相似度算出手段を備えるものであり、雑音成分を考慮し
た照合が可能になり、照合するパターンの片方に非常に
大きな雑音成分が加わっている場合でもロバストな照合
が実現できるという作用を有するものである。
【００３３】本発明の請求項12に記載された発明は、前
記標準分布情報入力手段の代わりに、雑音成分が加わっ
ていないパターンの標本集合を入力するための標本パタ
ーン入力手段を設け、前記主成分分析手段が前記標本パ
ターン入力手段と前記雑音分布情報入力手段から標本パ
ターンＶi（１≦ｉ≦Ｎ）と雑音分布の情報（ｕi',
νi'）（１≦ｉ≦Ｌ'）をそれぞれ受け取り、式12を共
分散行列として持つ分布の主成分分析を行ない、主成分
と主成分方向の分散を反映した値を出力するものであ
り、雑音成分を考慮した照合が可能になり、照合するパ
ターンの片方に非常に大きな雑音成分が加わっている場
合でもロバストな照合が実現できるという作用を有する
ものである。
記標準分布情報入力手段の代わりに、雑音成分が加わっ
ていないパターンの標本集合を入力するための標本パタ
ーン入力手段を設け、前記主成分分析手段が前記標本パ
ターン入力手段と前記雑音分布情報入力手段から標本パ
ターンＶi（１≦ｉ≦Ｎ）と雑音分布の情報（ｕi',
νi'）（１≦ｉ≦Ｌ'）をそれぞれ受け取り、式12を共
分散行列として持つ分布の主成分分析を行ない、主成分
と主成分方向の分散を反映した値を出力するものであ
り、雑音成分を考慮した照合が可能になり、照合するパ
ターンの片方に非常に大きな雑音成分が加わっている場
合でもロバストな照合が実現できるという作用を有する
ものである。
【００３４】以下、本発明の実施の形態について、図１
から図７を用いて説明する。
から図７を用いて説明する。
【００３５】（第１の実施の形態）本発明の第１の実施
形態は、基準標本集合と差標本集合の和集合である統合
標本集合の主成分分析により得られる主成分と分散値か
ら、照合パターン間の相似度を算出して照合するパター
ン照合装置である。
形態は、基準標本集合と差標本集合の和集合である統合
標本集合の主成分分析により得られる主成分と分散値か
ら、照合パターン間の相似度を算出して照合するパター
ン照合装置である。
【００３６】図１は、本発明のパターン照合装置を示し
た構成図の一例であり、図１において、101は雑音成分
が加わっていないパターンの標本集合を入力するための
標本パターン入力手段、102は雑音成分が加わっている
パターンの標本集合を入力するための標本パターン入力
手段、103は標本パターン入力手段101によって入力され
たパターンの標本集合を記憶する記憶手段、104は標本
パターン入力手段102によって入力されたパターンの標
本集合を記憶する記憶手段、105は記憶手段103と記憶手
段104に記憶されている標本集合から対応するパターン
をそれぞれ一つずつ取り出しそれらの差のパターンを計
算するという動作を繰り返す差パターン生成手段、106
は記憶手段103に格納されているパターンの標本集合と
差パターン生成手段105によって生成される差のパター
ンの集合とをあわせたパターンの集合に対して主成分分
析を行ない主成分と主成分方向の分散値を出力する主成
分分析手段、107は主成分分析手段106から出力されたデ
ータを格納する分析結果記憶手段、108は照合する２つ
のパターンを入力する照合パターン入力手段、109は照
合パターン入力手段108から入力されたパターンの相似
度を分析結果記憶手段107に格納されているデータを参
照して算出する相似度算出手段である。
た構成図の一例であり、図１において、101は雑音成分
が加わっていないパターンの標本集合を入力するための
標本パターン入力手段、102は雑音成分が加わっている
パターンの標本集合を入力するための標本パターン入力
手段、103は標本パターン入力手段101によって入力され
たパターンの標本集合を記憶する記憶手段、104は標本
パターン入力手段102によって入力されたパターンの標
本集合を記憶する記憶手段、105は記憶手段103と記憶手
段104に記憶されている標本集合から対応するパターン
をそれぞれ一つずつ取り出しそれらの差のパターンを計
算するという動作を繰り返す差パターン生成手段、106
は記憶手段103に格納されているパターンの標本集合と
差パターン生成手段105によって生成される差のパター
ンの集合とをあわせたパターンの集合に対して主成分分
析を行ない主成分と主成分方向の分散値を出力する主成
分分析手段、107は主成分分析手段106から出力されたデ
ータを格納する分析結果記憶手段、108は照合する２つ
のパターンを入力する照合パターン入力手段、109は照
合パターン入力手段108から入力されたパターンの相似
度を分析結果記憶手段107に格納されているデータを参
照して算出する相似度算出手段である。
【００３７】以下その動作を説明する。まず、標本パタ
ーン入力手段101から雑音成分が加わっていないパター
ンの標本集合が入力され、記憶手段103に記憶される。
また、標本パターン入力手段102から雑音成分が加わっ
ているパターンの標本集合が入力され記憶手段104に入
力される。例えば写真の照合を考える場合、標本パター
ン入力手段101はカメラから取り込まれデジタル化され
た縦方向の画素数がｍ、横方向の画素数がｎの画像をｍ
×ｎ次元のベクトルとして複数個入力する。ｍ×ｎ次元
は例えば、10万次元である。また、標本パターン入力手
段102は、写真をスキャナーから読み込んでデジタル化
した、縦方向の画素数がｍ、横方向の画素数がｎの画像
をｍ×ｎ次元のベクトルとして複数個入力する。次に、
差パターン生成手段105は、記憶手段103と記憶手段104
に記憶されているパターンの標本集合から対応するパタ
ーンをそれぞれ一つずつ取り出しそれらの差のパターン
を計算し出力する。この時、できるだけ雑音成分を正確
に表すような差パターンを生成することにより照合精度
を更に向上させることができる。例えば写真の照合の例
で考えると、同一人物が写っているカメラ入力画像とス
キャナ読み込み画像をそれぞれ記憶手段103と記憶手段1
04から獲得しそれらの差を取るようにすれば、差のパタ
ーンに含まれる雑音成分の情報の精度が向上し、更に照
合精度を上げることが可能になる。次に、主成分分析手
段106は、記憶手段103に格納されているパターンの標本
集合と差パターン生成手段105によって生成される差の
パターンの集合とをあわせたパターンの集合に対して主
成分分析を行ない主成分と主成分方向の分散を反映した
値を出力する。また、分析結果記憶手段107は主成分分
析手段106から出力された結果を格納する。なお、ここ
までの処理は相似度を計算し照合を行なうために必要な
データを生成するための処理であり、実際のパターン照
合を行なう前に予め実行されておく必要がある。実際の
パターン照合は、分析結果記憶手段107に記憶されたデ
ータをもとに、照合パターン入力手段108と相似度算出
手段109により以下のように行なわれる。まず、照合パ
ターン入力手段108は、照合する２つのパターンを入力
する。例えば、前記写真の照合の例の場合は、照合パタ
ーン入力手段108はカメラ画像を入力するカメラ画像入
力部と写真をスキャナーから入力する写真画像入力部か
ら構成される。次に、相似度算出手段109は、分析結果
記憶手段107に格納されているデータを参照しその結果
に基づいて、照合パターン入力手段から入力されたパタ
ーンの相似度を、パターンの主成分方向の成分に重み付
けして算出する。出力された相似度は、例えば予め定め
られた閾値を用いて評価され、２つのパターンが同じか
どうかが判定される。また、入力された１つのパターン
と最も一致するパターンをデータベースに格納されてい
る複数個のパターンから見つけたい場合にも、お互いの
相似度を相似度算出手段109によりそれぞれ算出し最も
似ているパターンを見つければ良い。
ーン入力手段101から雑音成分が加わっていないパター
ンの標本集合が入力され、記憶手段103に記憶される。
また、標本パターン入力手段102から雑音成分が加わっ
ているパターンの標本集合が入力され記憶手段104に入
力される。例えば写真の照合を考える場合、標本パター
ン入力手段101はカメラから取り込まれデジタル化され
た縦方向の画素数がｍ、横方向の画素数がｎの画像をｍ
×ｎ次元のベクトルとして複数個入力する。ｍ×ｎ次元
は例えば、10万次元である。また、標本パターン入力手
段102は、写真をスキャナーから読み込んでデジタル化
した、縦方向の画素数がｍ、横方向の画素数がｎの画像
をｍ×ｎ次元のベクトルとして複数個入力する。次に、
差パターン生成手段105は、記憶手段103と記憶手段104
に記憶されているパターンの標本集合から対応するパタ
ーンをそれぞれ一つずつ取り出しそれらの差のパターン
を計算し出力する。この時、できるだけ雑音成分を正確
に表すような差パターンを生成することにより照合精度
を更に向上させることができる。例えば写真の照合の例
で考えると、同一人物が写っているカメラ入力画像とス
キャナ読み込み画像をそれぞれ記憶手段103と記憶手段1
04から獲得しそれらの差を取るようにすれば、差のパタ
ーンに含まれる雑音成分の情報の精度が向上し、更に照
合精度を上げることが可能になる。次に、主成分分析手
段106は、記憶手段103に格納されているパターンの標本
集合と差パターン生成手段105によって生成される差の
パターンの集合とをあわせたパターンの集合に対して主
成分分析を行ない主成分と主成分方向の分散を反映した
値を出力する。また、分析結果記憶手段107は主成分分
析手段106から出力された結果を格納する。なお、ここ
までの処理は相似度を計算し照合を行なうために必要な
データを生成するための処理であり、実際のパターン照
合を行なう前に予め実行されておく必要がある。実際の
パターン照合は、分析結果記憶手段107に記憶されたデ
ータをもとに、照合パターン入力手段108と相似度算出
手段109により以下のように行なわれる。まず、照合パ
ターン入力手段108は、照合する２つのパターンを入力
する。例えば、前記写真の照合の例の場合は、照合パタ
ーン入力手段108はカメラ画像を入力するカメラ画像入
力部と写真をスキャナーから入力する写真画像入力部か
ら構成される。次に、相似度算出手段109は、分析結果
記憶手段107に格納されているデータを参照しその結果
に基づいて、照合パターン入力手段から入力されたパタ
ーンの相似度を、パターンの主成分方向の成分に重み付
けして算出する。出力された相似度は、例えば予め定め
られた閾値を用いて評価され、２つのパターンが同じか
どうかが判定される。また、入力された１つのパターン
と最も一致するパターンをデータベースに格納されてい
る複数個のパターンから見つけたい場合にも、お互いの
相似度を相似度算出手段109によりそれぞれ算出し最も
似ているパターンを見つければ良い。
【００３８】以上のように、本実施の形態では、雑音成
分を考慮した照合が可能になり、照合するパターンの片
方に非常に大きな雑音成分が加わっている場合でもロバ
ストな照合が実現できる。
分を考慮した照合が可能になり、照合するパターンの片
方に非常に大きな雑音成分が加わっている場合でもロバ
ストな照合が実現できる。
【００３９】（第２の実施の形態）本発明の第２の実施
形態は、差標本集合の主成分分析により得られる主成分
と分散値から、照合パターン間の相似度を算出して照合
するパターン照合装置である。
形態は、差標本集合の主成分分析により得られる主成分
と分散値から、照合パターン間の相似度を算出して照合
するパターン照合装置である。
【００４０】図２は、本発明のパターン照合装置を示し
た構成図の一例であり、図２において、101は雑音項が
加わっていないパターンの標本集合を入力するための標
本パターン入力手段、102は雑音項が加わっているパタ
ーンの標本集合を入力するための標本パターン入力手
段、103は標本パターン入力手段101によって入力された
パターンの標本集合を記憶する記憶手段、104は標本パ
ターン入力手段102によって入力されたパターンの標本
集合を記憶する記憶手段、105は記憶手段103と記憶手段
104に記憶されている標本集合から対応するパターンを
それぞれ一つずつ取り出しそれらの差のパターンを計算
するという動作を繰り返す差パターン生成手段、106は
差パターン生成手段105によって生成される差のパター
ンの集合に対して零パターン（零ベクトル）を平均パタ
ーンと考えて主成分分析を行ない主成分と主成分方向の
分散値を出力する主成分分析手段、107は主成分分析手
段106から出力されたデータを格納する分析結果記憶手
段、108は照合する２つのパターンを入力する照合パタ
ーン入力手段、109は照合パターン入力手段108から入力
されたパターンの相似度を分析結果記憶手段107に格納
されているデータを参照して算出する相似度算出手段で
ある。
た構成図の一例であり、図２において、101は雑音項が
加わっていないパターンの標本集合を入力するための標
本パターン入力手段、102は雑音項が加わっているパタ
ーンの標本集合を入力するための標本パターン入力手
段、103は標本パターン入力手段101によって入力された
パターンの標本集合を記憶する記憶手段、104は標本パ
ターン入力手段102によって入力されたパターンの標本
集合を記憶する記憶手段、105は記憶手段103と記憶手段
104に記憶されている標本集合から対応するパターンを
それぞれ一つずつ取り出しそれらの差のパターンを計算
するという動作を繰り返す差パターン生成手段、106は
差パターン生成手段105によって生成される差のパター
ンの集合に対して零パターン（零ベクトル）を平均パタ
ーンと考えて主成分分析を行ない主成分と主成分方向の
分散値を出力する主成分分析手段、107は主成分分析手
段106から出力されたデータを格納する分析結果記憶手
段、108は照合する２つのパターンを入力する照合パタ
ーン入力手段、109は照合パターン入力手段108から入力
されたパターンの相似度を分析結果記憶手段107に格納
されているデータを参照して算出する相似度算出手段で
ある。
【００４１】以下その動作を説明する。まず、標本パタ
ーン入力手段101から雑音項が加わっていないパターン
の標本集合が入力され、記憶手段103に記憶される。ま
た、標本パターン入力手段102から雑音項が加わってい
るパターンの標本集合が入力され記憶手段104に入力さ
れる。例えば写真の照合を考える場合、標本パターン入
力手段101はカメラから取り込まれデジタル化された縦
方向の画素数がｍ、横方向の画素数がｎの画像をｍ×ｎ
次元のベクトルとして複数個入力する。また、標本パタ
ーン入力手段102は、写真をスキャナーから読み込んで
デジタル化した、縦方向の画素数がｍ、横方向の画素数
がｎの画像をｍ×ｎ次元のベクトルとして複数個入力す
る。
ーン入力手段101から雑音項が加わっていないパターン
の標本集合が入力され、記憶手段103に記憶される。ま
た、標本パターン入力手段102から雑音項が加わってい
るパターンの標本集合が入力され記憶手段104に入力さ
れる。例えば写真の照合を考える場合、標本パターン入
力手段101はカメラから取り込まれデジタル化された縦
方向の画素数がｍ、横方向の画素数がｎの画像をｍ×ｎ
次元のベクトルとして複数個入力する。また、標本パタ
ーン入力手段102は、写真をスキャナーから読み込んで
デジタル化した、縦方向の画素数がｍ、横方向の画素数
がｎの画像をｍ×ｎ次元のベクトルとして複数個入力す
る。
【００４２】次に、差パターン生成手段105は、記憶手
段103と記憶手段104に記憶されているパターンの標本集
合から対応するパターンをそれぞれ一つずつ取り出しそ
れらの差のパターンを計算し出力する。この時、できる
だけ雑音項を正確に表すような差パターンを生成するこ
とにより、照合精度を更に向上させることができる。例
えば、写真の照合の例で考えると、同一人物が写ってい
るカメラ入力画像とスキャナ読み込みによる免許証の顔
写真画像を、それぞれ記憶手段103と記憶手段104から獲
得し、それらの差を取るようにすれば、差のパターンに
含まれる雑音項の情報の精度が向上し、更に照合精度を
上げることが可能になる。この場合の雑音項は、照明に
よる顔画像の陰影や立体感の違いとか表情の変化など
の、個人ごとの顔に特有の情報を反映しているので、正
規化などの前処理をして正確に差のパターンを抽出すれ
ば、差のパターンのみのデータに基づいた個人の顔画像
の照合が可能になる。
段103と記憶手段104に記憶されているパターンの標本集
合から対応するパターンをそれぞれ一つずつ取り出しそ
れらの差のパターンを計算し出力する。この時、できる
だけ雑音項を正確に表すような差パターンを生成するこ
とにより、照合精度を更に向上させることができる。例
えば、写真の照合の例で考えると、同一人物が写ってい
るカメラ入力画像とスキャナ読み込みによる免許証の顔
写真画像を、それぞれ記憶手段103と記憶手段104から獲
得し、それらの差を取るようにすれば、差のパターンに
含まれる雑音項の情報の精度が向上し、更に照合精度を
上げることが可能になる。この場合の雑音項は、照明に
よる顔画像の陰影や立体感の違いとか表情の変化など
の、個人ごとの顔に特有の情報を反映しているので、正
規化などの前処理をして正確に差のパターンを抽出すれ
ば、差のパターンのみのデータに基づいた個人の顔画像
の照合が可能になる。
【００４３】次に、主成分分析手段106は、差パターン
生成手段105によって生成されるＮ個の差のパターンＤi
に対して次式16
生成手段105によって生成されるＮ個の差のパターンＤi
に対して次式16
【数１６】 によって定まる行列の固有値問題を解いて得られる主成
分（固有ベクトル）と主成分方向の分散値（固有値）を
出力する。また、分析結果記憶手段107は主成分分析手
段106から出力された結果を格納する。なお、ここまで
の処理は相似度を計算し照合を行なうために必要なデー
タを生成するための処理であり、実際のパターン照合を
行なう前に予め実行されておく必要がある。差のパター
ンは平均すれば零パターンになると考えられるので、平
均ベクトルを零ベクトルとみなしても誤差はほとんどな
いから、差のパターンＤiから平均パターンを差し引く
処理を省略して処理時間を短縮する。また、基準標本集
合の共分散行列を計算する必要がないので、処理時間は
短縮される。
分（固有ベクトル）と主成分方向の分散値（固有値）を
出力する。また、分析結果記憶手段107は主成分分析手
段106から出力された結果を格納する。なお、ここまで
の処理は相似度を計算し照合を行なうために必要なデー
タを生成するための処理であり、実際のパターン照合を
行なう前に予め実行されておく必要がある。差のパター
ンは平均すれば零パターンになると考えられるので、平
均ベクトルを零ベクトルとみなしても誤差はほとんどな
いから、差のパターンＤiから平均パターンを差し引く
処理を省略して処理時間を短縮する。また、基準標本集
合の共分散行列を計算する必要がないので、処理時間は
短縮される。
【００４４】実際のパターン照合は、分析結果記憶手段
107に記憶されたデータをもとに、照合パターン入力手
段108と相似度算出手段109により以下のように行なわれ
る。まず、照合パターン入力手段108は、照合する２つ
のパターンを入力する。例えば、前記写真の照合の例の
場合は、照合パターン入力手段108はカメラ画像を入力
するカメラ画像入力部と写真をスキャナーやカメラ等か
ら入力する写真画像入力部から構成される。次に、相似
度算出手段109は、分析結果記憶手段107に格納されてい
るデータを参照しその結果に基づいて、照合パターン入
力手段から入力されたパターンの相似度を、パターンの
主成分方向の成分に重み付けして算出する。出力された
相似度は、例えば予め定められた閾値を用いて評価さ
れ、２つのパターンが同じかどうかが判定される。ま
た、入力された１つのパターンと最も一致するパターン
をデータベースに格納されている複数個のパターンから
見つけたい場合にも、お互いの相似度を相似度算出手段
109によりそれぞれ算出し最も似ているパターンを見つ
ければ良い。
107に記憶されたデータをもとに、照合パターン入力手
段108と相似度算出手段109により以下のように行なわれ
る。まず、照合パターン入力手段108は、照合する２つ
のパターンを入力する。例えば、前記写真の照合の例の
場合は、照合パターン入力手段108はカメラ画像を入力
するカメラ画像入力部と写真をスキャナーやカメラ等か
ら入力する写真画像入力部から構成される。次に、相似
度算出手段109は、分析結果記憶手段107に格納されてい
るデータを参照しその結果に基づいて、照合パターン入
力手段から入力されたパターンの相似度を、パターンの
主成分方向の成分に重み付けして算出する。出力された
相似度は、例えば予め定められた閾値を用いて評価さ
れ、２つのパターンが同じかどうかが判定される。ま
た、入力された１つのパターンと最も一致するパターン
をデータベースに格納されている複数個のパターンから
見つけたい場合にも、お互いの相似度を相似度算出手段
109によりそれぞれ算出し最も似ているパターンを見つ
ければ良い。
【００４５】以上のように、本実施の形態では、雑音項
が加わっていないパターンの標本集合を入力するための
第１の標本パターン入力手段、雑音項が加わっているパ
ターンの標本集合を入力するための第２の標本パターン
入力手段と、前記第１の標本パターン入力手段と前記第
２の標本パターン入力手段によって入力されたパターン
の標本集合をそれぞれ記憶する第１の記憶手段、第２の
記憶手段と、前記第１、第２の記憶手段に記憶されてい
る標本集合から対応するパターンをそれぞれ一つずつ取
り出しそれらの差のパターンを計算するという動作を繰
り返す差パターン生成手段と、前記差パターン生成手段
によって生成される差のパターンの集合に対して零パタ
ーン（零ベクトル）を平均パターンと考えて主成分分析
を行ない主成分と主成分方向の分散を表す値を出力する
主成分分析手段と、前記主成分分析手段から出力された
データを格納する分析結果記憶手段と、照合する２つの
パターンを入力する照合パターン入力手段と、前記分析
結果記憶手段に格納されているデータを参照しその結果
に基づいて、前記照合パターン入力手段から入力された
パターンの相似度をパターンの主成分方向の成分に重み
付けして算出する相似度算出手段を備えることにより、
パターンの特徴を反映した雑音項を利用した照合が可能
になり、照合するパターンの片方に非常に大きな雑音項
が加わっている場合でも、差のパターンのみに基づいた
ロバストな照合が実現できる。
が加わっていないパターンの標本集合を入力するための
第１の標本パターン入力手段、雑音項が加わっているパ
ターンの標本集合を入力するための第２の標本パターン
入力手段と、前記第１の標本パターン入力手段と前記第
２の標本パターン入力手段によって入力されたパターン
の標本集合をそれぞれ記憶する第１の記憶手段、第２の
記憶手段と、前記第１、第２の記憶手段に記憶されてい
る標本集合から対応するパターンをそれぞれ一つずつ取
り出しそれらの差のパターンを計算するという動作を繰
り返す差パターン生成手段と、前記差パターン生成手段
によって生成される差のパターンの集合に対して零パタ
ーン（零ベクトル）を平均パターンと考えて主成分分析
を行ない主成分と主成分方向の分散を表す値を出力する
主成分分析手段と、前記主成分分析手段から出力された
データを格納する分析結果記憶手段と、照合する２つの
パターンを入力する照合パターン入力手段と、前記分析
結果記憶手段に格納されているデータを参照しその結果
に基づいて、前記照合パターン入力手段から入力された
パターンの相似度をパターンの主成分方向の成分に重み
付けして算出する相似度算出手段を備えることにより、
パターンの特徴を反映した雑音項を利用した照合が可能
になり、照合するパターンの片方に非常に大きな雑音項
が加わっている場合でも、差のパターンのみに基づいた
ロバストな照合が実現できる。
【００４６】（第３の実施の形態）本発明の第３の実施
の形態は、統合標本集合のmaharanobis距離を用いて照
合を行なうことにより、雑音成分の影響を考慮した照合
を行なうパターン照合装置である。
の形態は、統合標本集合のmaharanobis距離を用いて照
合を行なうことにより、雑音成分の影響を考慮した照合
を行なうパターン照合装置である。
【００４７】図３は、本発明のパターン照合装置を示し
た構成図の一例であり、図３において、201は雑音成分
が加わっていないパターンの標本集合｛Ｖi（１≦ｉ≦
Ｎ）｝を入力するための標本パターン入力手段、202は
雑音成分が加わっているパターンの標本集合｛Ｕi（１
≦ｉ≦Ｎ）｝を入力するための標本パターン入力手段、
203は標本パターン入力手段201によって入力されたパタ
ーンの標本集合を記憶する記憶手段、204は標本パター
ン入力手段202によって入力されたパターンの標本集合
を記憶する記憶手段、205は記憶手段203と記憶手段204
に記憶されている標本集合から対応するパターンＶi、
Ｕiを取り出しそれらの差のパターンＤiを数式１によっ
て算出するという動作を繰り返す差パターン生成手段、
206は記憶手段203に格納されているパターンの標本集合
｛Ｖi（１≦ｉ≦Ｎ）｝と差パターン生成手段205によっ
て生成される差のパターンの集合｛Ｄi（１≦ｉ≦
Ｎ）｝とをあわせたパターンの集合に対して、数式２に
よって定まる共分散行列の固有値問題を解いて得られる
固有ベクトルｅj（１≦ｊ≦Ｍ）と固有値λj（１≦ｊ≦
Ｍ）を主成分分析の結果として出力する主成分分析手
段、207は主成分分析手段206から出力されたデータ
｛（ｅj,λj）（１≦ｊ≦Ｍ）｝を格納する分析結果記
憶手段、208は照合する２つのパターンｘ、ｙを入力す
る照合パターン入力手段、209は照合パターン入力手段2
08から入力されたパターンの相似度を分析結果記憶手段
207に格納されているデータを参照して数式３に従って
算出する相似度算出手段である。標本の個数Ｎは例え
ば、1000程度であり、主成分の個数Ｍは例えば、100程
度である。
た構成図の一例であり、図３において、201は雑音成分
が加わっていないパターンの標本集合｛Ｖi（１≦ｉ≦
Ｎ）｝を入力するための標本パターン入力手段、202は
雑音成分が加わっているパターンの標本集合｛Ｕi（１
≦ｉ≦Ｎ）｝を入力するための標本パターン入力手段、
203は標本パターン入力手段201によって入力されたパタ
ーンの標本集合を記憶する記憶手段、204は標本パター
ン入力手段202によって入力されたパターンの標本集合
を記憶する記憶手段、205は記憶手段203と記憶手段204
に記憶されている標本集合から対応するパターンＶi、
Ｕiを取り出しそれらの差のパターンＤiを数式１によっ
て算出するという動作を繰り返す差パターン生成手段、
206は記憶手段203に格納されているパターンの標本集合
｛Ｖi（１≦ｉ≦Ｎ）｝と差パターン生成手段205によっ
て生成される差のパターンの集合｛Ｄi（１≦ｉ≦
Ｎ）｝とをあわせたパターンの集合に対して、数式２に
よって定まる共分散行列の固有値問題を解いて得られる
固有ベクトルｅj（１≦ｊ≦Ｍ）と固有値λj（１≦ｊ≦
Ｍ）を主成分分析の結果として出力する主成分分析手
段、207は主成分分析手段206から出力されたデータ
｛（ｅj,λj）（１≦ｊ≦Ｍ）｝を格納する分析結果記
憶手段、208は照合する２つのパターンｘ、ｙを入力す
る照合パターン入力手段、209は照合パターン入力手段2
08から入力されたパターンの相似度を分析結果記憶手段
207に格納されているデータを参照して数式３に従って
算出する相似度算出手段である。標本の個数Ｎは例え
ば、1000程度であり、主成分の個数Ｍは例えば、100程
度である。
【００４８】以下にその動作を説明する。まず、標本パ
ターン入力手段201から雑音成分が加わっていないパタ
ーンの標本集合｛Ｖi（１≦ｉ≦Ｎ）｝が入力され、記
憶手段203に記憶される。また、標本パターン入力手段2
02から雑音成分が加わっているパターンの標本集合｛Ｕ
i（１≦ｉ≦Ｎ）｝が入力され記憶手段204に入力され
る。次に、差パターン生成手段205は、記憶手段203と記
憶手段204に記憶されているパターンの標本集合から対
応するパターンＶi、Ｕiをそれぞれ一つずつ取り出しそ
れらの差のパターンＤiを数式１によって算出し出力す
る。次に、主成分分析手段206は、記憶手段203に格納さ
れているパターンの標本集合｛Ｖi（１≦ｉ≦Ｎ）｝と
差パターン生成手段205によって生成される差のパター
ンの集合｛Ｄi（１≦ｉ≦Ｎ）｝とをあわせたパターン
の集合に対して、数式２によって定まる共分散行列の固
有値問題を解いて得られる固有ベクトルｅj（１≦ｊ≦
Ｍ）と固有値λj（１≦ｊ≦Ｍ）を主成分分析の結果と
して出力する。なお、ここで出力されるデータは、固有
値問題を解いて得られる結果のすべてである必要はな
く、その一部でも良い。その場合、通常固有値λjの大
きい組（ｅj,λj）から順に選ばれることが多いが、固
有値λjが非常に大きい組（ｅj,λj）の情報を使わずに
照合する方が照合精度があがる場合もある。（ｅj,
λj）（１≦ｊ≦Ｍ）の出力のさせ方は予め装置に定め
ておくものとする。また、分析結果記憶手段207は主成
分分析手段206から出力されたデータ｛（ｅj,λj）（１
≦ｊ≦Ｍ）｝を格納する。照合パターン入力手段208
は、照合する２つのパターンｘ、ｙを入力する。次に、
相似度算出手段209は、照合パターン入力手段208から入
力されたパターンの相似度を分析結果記憶手段207に格
納されているデータを参照して数式３に従って算出す
る。
ターン入力手段201から雑音成分が加わっていないパタ
ーンの標本集合｛Ｖi（１≦ｉ≦Ｎ）｝が入力され、記
憶手段203に記憶される。また、標本パターン入力手段2
02から雑音成分が加わっているパターンの標本集合｛Ｕ
i（１≦ｉ≦Ｎ）｝が入力され記憶手段204に入力され
る。次に、差パターン生成手段205は、記憶手段203と記
憶手段204に記憶されているパターンの標本集合から対
応するパターンＶi、Ｕiをそれぞれ一つずつ取り出しそ
れらの差のパターンＤiを数式１によって算出し出力す
る。次に、主成分分析手段206は、記憶手段203に格納さ
れているパターンの標本集合｛Ｖi（１≦ｉ≦Ｎ）｝と
差パターン生成手段205によって生成される差のパター
ンの集合｛Ｄi（１≦ｉ≦Ｎ）｝とをあわせたパターン
の集合に対して、数式２によって定まる共分散行列の固
有値問題を解いて得られる固有ベクトルｅj（１≦ｊ≦
Ｍ）と固有値λj（１≦ｊ≦Ｍ）を主成分分析の結果と
して出力する。なお、ここで出力されるデータは、固有
値問題を解いて得られる結果のすべてである必要はな
く、その一部でも良い。その場合、通常固有値λjの大
きい組（ｅj,λj）から順に選ばれることが多いが、固
有値λjが非常に大きい組（ｅj,λj）の情報を使わずに
照合する方が照合精度があがる場合もある。（ｅj,
λj）（１≦ｊ≦Ｍ）の出力のさせ方は予め装置に定め
ておくものとする。また、分析結果記憶手段207は主成
分分析手段206から出力されたデータ｛（ｅj,λj）（１
≦ｊ≦Ｍ）｝を格納する。照合パターン入力手段208
は、照合する２つのパターンｘ、ｙを入力する。次に、
相似度算出手段209は、照合パターン入力手段208から入
力されたパターンの相似度を分析結果記憶手段207に格
納されているデータを参照して数式３に従って算出す
る。
【００４９】以上のように、本実施の形態では、照合パ
ターンｘ、ｙに対して数式３によって相似度を算出する
相似度算出手段を備えることにより、雑音成分を考慮し
た照合が可能になり、照合するパターンの片方に非常に
大きな雑音成分が加わっている場合でもロバストな照合
が実現できる。
ターンｘ、ｙに対して数式３によって相似度を算出する
相似度算出手段を備えることにより、雑音成分を考慮し
た照合が可能になり、照合するパターンの片方に非常に
大きな雑音成分が加わっている場合でもロバストな照合
が実現できる。
【００５０】（第４の実施の形態）本発明の第４の実施
の形態は、改良型maharanobis距離を用いることによ
り、さらに照合精度を向上させたパターン照合装置であ
る。
の形態は、改良型maharanobis距離を用いることによ
り、さらに照合精度を向上させたパターン照合装置であ
る。
【００５１】図４は、本発明のパターン照合装置を示し
た構成図の一例であり、図４において、301は雑音成分
が加わっていないパターンの標本集合｛Ｖi（１≦ｉ≦
Ｎ）｝を入力するための標本パターン入力手段、302は
雑音成分が加わっているパターンの標本集合｛Ｕi（１
≦ｉ≦Ｎ）｝を入力するための標本パターン入力手段、
303は標本パターン入力手段301によって入力されたパタ
ーンの標本集合を記憶する記憶手段、304は標本パター
ン入力手段302によって入力されたパターンの標本集合
を記憶する記憶手段、305は記憶手段303と記憶手段304
に記憶されている標本集合から対応するパターンＶi、
Ｕiを取り出しそれらの差のパターンＤiを数式１によっ
て算出するという動作を繰り返す差パターン生成手段、
306は記憶手段303に格納されているパターンの標本集合
｛Ｖi（１≦ｉ≦Ｎ）｝と差パターン生成手段305によっ
て生成される差のパターンの集合｛Ｄi（１≦ｉ≦
Ｎ）｝とをあわせたパターンの集合に対して、数式２に
よって定まる共分散行列の固有値問題を解いて得られる
固有ベクトルｅj（１≦ｊ≦Ｍ）と固有値λj（１≦ｊ≦
Ｍ）を主成分分析の結果として出力する主成分分析手
段、310は主成分分析手段306から固有値λj（１≦ｊ≦
Ｍ）を受け取り、その値に予め獲得していた補正項の値
σを加算することにより補正固有値λj＋σ（ただしσ
は装置に予め定められた値）（１≦ｊ≦Ｍ）を出力する
固定補正固有値生成手段、307は主成分分析手段306から
出力された固有ベクトルｅjと固定補正固有値生成手段3
10から生成された補正固有値λjの組｛（ｅj,λj＋σ）
（１≦ｊ≦Ｍ）｝を格納する分析結果記憶手段、308は
照合する２つのパターンｘ、ｙを入力する照合パターン
入力手段、309は照合パターン入力手段308から入力され
たパターンの相似度を、分析結果記憶手段307に格納さ
れているデータを参照して、数式３に従って算出する相
似度算出手段である。σは例えば、最大の固有値λ1の1
/1000程度であり、最小の固有値λMはσの1/100程度で
ある。したがって、固有値の小さい軸では補正固有値は
ほぼσに等しくなる。
た構成図の一例であり、図４において、301は雑音成分
が加わっていないパターンの標本集合｛Ｖi（１≦ｉ≦
Ｎ）｝を入力するための標本パターン入力手段、302は
雑音成分が加わっているパターンの標本集合｛Ｕi（１
≦ｉ≦Ｎ）｝を入力するための標本パターン入力手段、
303は標本パターン入力手段301によって入力されたパタ
ーンの標本集合を記憶する記憶手段、304は標本パター
ン入力手段302によって入力されたパターンの標本集合
を記憶する記憶手段、305は記憶手段303と記憶手段304
に記憶されている標本集合から対応するパターンＶi、
Ｕiを取り出しそれらの差のパターンＤiを数式１によっ
て算出するという動作を繰り返す差パターン生成手段、
306は記憶手段303に格納されているパターンの標本集合
｛Ｖi（１≦ｉ≦Ｎ）｝と差パターン生成手段305によっ
て生成される差のパターンの集合｛Ｄi（１≦ｉ≦
Ｎ）｝とをあわせたパターンの集合に対して、数式２に
よって定まる共分散行列の固有値問題を解いて得られる
固有ベクトルｅj（１≦ｊ≦Ｍ）と固有値λj（１≦ｊ≦
Ｍ）を主成分分析の結果として出力する主成分分析手
段、310は主成分分析手段306から固有値λj（１≦ｊ≦
Ｍ）を受け取り、その値に予め獲得していた補正項の値
σを加算することにより補正固有値λj＋σ（ただしσ
は装置に予め定められた値）（１≦ｊ≦Ｍ）を出力する
固定補正固有値生成手段、307は主成分分析手段306から
出力された固有ベクトルｅjと固定補正固有値生成手段3
10から生成された補正固有値λjの組｛（ｅj,λj＋σ）
（１≦ｊ≦Ｍ）｝を格納する分析結果記憶手段、308は
照合する２つのパターンｘ、ｙを入力する照合パターン
入力手段、309は照合パターン入力手段308から入力され
たパターンの相似度を、分析結果記憶手段307に格納さ
れているデータを参照して、数式３に従って算出する相
似度算出手段である。σは例えば、最大の固有値λ1の1
/1000程度であり、最小の固有値λMはσの1/100程度で
ある。したがって、固有値の小さい軸では補正固有値は
ほぼσに等しくなる。
【００５２】以下にその動作を説明する。ただし、図４
の例では、固定補正固有値生成手段310と分析結果記憶
手段307と相似度算出手段309以外の動作は、第３の実施
の形態で説明した図３の例と同じなので、動作の説明
は、固定補正固有値生成手段310と分析結果記憶手段307
と相似度算出手段309のみについて行なう。固定補正固
有値生成手段310には、予め補正項の値σが入力されて
おり、主成分分析手段306から固有値λj（１≦ｊ≦Ｍ）
を受け取ると、固定補正固有値生成手段310は、補正固
有値λj＋σ（１≦ｊ≦Ｍ）を出力する。分析結果記憶
手段307は、固定補正固有値生成手段310から生成された
補正固有値λjの組｛（ｅj,λj＋σ）（１≦ｊ≦Ｍ）｝
を記憶する。相似度算出手段309は、照合パターン入力
手段308から入力されたパターンの相似度を、分析結果
記憶手段307に格納されているデータを参照して、数式
４に従って算出する。
の例では、固定補正固有値生成手段310と分析結果記憶
手段307と相似度算出手段309以外の動作は、第３の実施
の形態で説明した図３の例と同じなので、動作の説明
は、固定補正固有値生成手段310と分析結果記憶手段307
と相似度算出手段309のみについて行なう。固定補正固
有値生成手段310には、予め補正項の値σが入力されて
おり、主成分分析手段306から固有値λj（１≦ｊ≦Ｍ）
を受け取ると、固定補正固有値生成手段310は、補正固
有値λj＋σ（１≦ｊ≦Ｍ）を出力する。分析結果記憶
手段307は、固定補正固有値生成手段310から生成された
補正固有値λjの組｛（ｅj,λj＋σ）（１≦ｊ≦Ｍ）｝
を記憶する。相似度算出手段309は、照合パターン入力
手段308から入力されたパターンの相似度を、分析結果
記憶手段307に格納されているデータを参照して、数式
４に従って算出する。
【００５３】以上のように、本実施の形態では、照合パ
ターン入力手段から入力されたパターンｘ、ｙの相似度
を、分析結果記憶手段に記憶されているデータを参照し
て、数式４に従って算出する前記相似度算出手段を備え
ることにより、固有値が小さい軸の影響を過度に受ける
ことを避けることが可能になり、より高精度な照合を可
能にすることができる。
ターン入力手段から入力されたパターンｘ、ｙの相似度
を、分析結果記憶手段に記憶されているデータを参照し
て、数式４に従って算出する前記相似度算出手段を備え
ることにより、固有値が小さい軸の影響を過度に受ける
ことを避けることが可能になり、より高精度な照合を可
能にすることができる。
【００５４】（第５の実施の形態）本発明の第５の実施
の形態は、各軸の照合に与える影響をほぼ線形に減少さ
せる補正固有値を使う改良型maharanobis距離により照
合を行なうパターン照合装置である。
の形態は、各軸の照合に与える影響をほぼ線形に減少さ
せる補正固有値を使う改良型maharanobis距離により照
合を行なうパターン照合装置である。
【００５５】図５は、本発明のパターン照合装置を示し
た構成図の一例であり、図５において、401は雑音成分
が加わっていないパターンの標本集合｛Ｖi（１≦ｉ≦
Ｎ）｝を入力するための標本パターン入力手段、402は
雑音成分が加わっているパターンの標本集合｛Ｕi（１
≦ｉ≦Ｎ）｝を入力するための標本パターン入力手段、
403は標本パターン入力手段401によって入力されたパタ
ーンの標本集合を記憶する記憶手段、404は標本パター
ン入力手段402によって入力されたパターンの標本集合
を記憶する記憶手段、405は記憶手段403と記憶手段404
に記憶されている標本集合から対応するパターンＶi、
Ｕiを取り出し、それらの差のパターンＤiを数式１によ
って算出するという動作を繰り返す差パターン生成手
段、406は記憶手段403に格納されているパターンの標本
集合｛Ｖi（１≦ｉ≦Ｎ）｝と差パターン生成手段405に
よって生成される差のパターンの集合｛Ｄi（１≦ｉ≦
Ｎ）｝とをあわせたパターンの集合に対して、数式２に
よって定まる共分散行列の固有値問題を解いて得られる
固有ベクトルｅj（１≦ｊ≦Ｍ）と固有値λj（１≦ｊ≦
Ｍ）を、主成分分析の結果として出力する主成分分析手
段、410は主成分分析手段406から固有値λj（１≦ｊ≦
Ｍ）を受け取り、補正項τを数式５によって決定し補正
固有値λj＋τ（１≦ｊ≦Ｍ）を出力する補正固有値生
成手段、407は主成分分析手段406から出力された固有ベ
クトルｅjと補正固有値生成手段410から生成された補正
固有値λj＋τの組｛（ｅj,λj＋τ）（１≦ｊ≦Ｍ）｝
を格納する分析結果記憶手段、408は照合する２つのパ
ターンｘ、ｙを入力する照合パターン入力手段、409は
照合パターン入力手段408から入力されたパターンの相
似度を分析結果記憶手段407に格納されているデータを
参照して数式４に従って算出する相似度算出手段であ
る。
た構成図の一例であり、図５において、401は雑音成分
が加わっていないパターンの標本集合｛Ｖi（１≦ｉ≦
Ｎ）｝を入力するための標本パターン入力手段、402は
雑音成分が加わっているパターンの標本集合｛Ｕi（１
≦ｉ≦Ｎ）｝を入力するための標本パターン入力手段、
403は標本パターン入力手段401によって入力されたパタ
ーンの標本集合を記憶する記憶手段、404は標本パター
ン入力手段402によって入力されたパターンの標本集合
を記憶する記憶手段、405は記憶手段403と記憶手段404
に記憶されている標本集合から対応するパターンＶi、
Ｕiを取り出し、それらの差のパターンＤiを数式１によ
って算出するという動作を繰り返す差パターン生成手
段、406は記憶手段403に格納されているパターンの標本
集合｛Ｖi（１≦ｉ≦Ｎ）｝と差パターン生成手段405に
よって生成される差のパターンの集合｛Ｄi（１≦ｉ≦
Ｎ）｝とをあわせたパターンの集合に対して、数式２に
よって定まる共分散行列の固有値問題を解いて得られる
固有ベクトルｅj（１≦ｊ≦Ｍ）と固有値λj（１≦ｊ≦
Ｍ）を、主成分分析の結果として出力する主成分分析手
段、410は主成分分析手段406から固有値λj（１≦ｊ≦
Ｍ）を受け取り、補正項τを数式５によって決定し補正
固有値λj＋τ（１≦ｊ≦Ｍ）を出力する補正固有値生
成手段、407は主成分分析手段406から出力された固有ベ
クトルｅjと補正固有値生成手段410から生成された補正
固有値λj＋τの組｛（ｅj,λj＋τ）（１≦ｊ≦Ｍ）｝
を格納する分析結果記憶手段、408は照合する２つのパ
ターンｘ、ｙを入力する照合パターン入力手段、409は
照合パターン入力手段408から入力されたパターンの相
似度を分析結果記憶手段407に格納されているデータを
参照して数式４に従って算出する相似度算出手段であ
る。
【００５６】以下にその動作を説明する。ただし、図５
の例では、補正固有値生成手段410と分析結果記憶手段4
07と相似度算出手段409以外の動作は、第３の実施の形
態で説明した図３の例と同じなので、動作の説明は補正
固有値生成手段410と分析結果記憶手段407と相似度算出
手段409のみについて行なう。補正固有値生成手段410は
主成分分析手段406から固有値λj（１≦ｊ≦Ｍ）を受け
取り、補正項τを数式５によって決定し、補正固有値λ
j＋τを出力する。分析結果記憶手段407は、主成分分析
手段406から出力された固有ベクトルｅjと補正固有値生
成手段410から出力された補正固有値λj＋τの組｛（ｅ
j,λj＋τ）（１≦ｊ≦Ｍ）｝を記憶する。相似度算出
手段409は、照合パターン入力手段408から入力されたパ
ターンｘ、ｙの相似度を、分析結果記憶手段407に記憶
されているデータを参照して、数式６によって算出す
る。
の例では、補正固有値生成手段410と分析結果記憶手段4
07と相似度算出手段409以外の動作は、第３の実施の形
態で説明した図３の例と同じなので、動作の説明は補正
固有値生成手段410と分析結果記憶手段407と相似度算出
手段409のみについて行なう。補正固有値生成手段410は
主成分分析手段406から固有値λj（１≦ｊ≦Ｍ）を受け
取り、補正項τを数式５によって決定し、補正固有値λ
j＋τを出力する。分析結果記憶手段407は、主成分分析
手段406から出力された固有ベクトルｅjと補正固有値生
成手段410から出力された補正固有値λj＋τの組｛（ｅ
j,λj＋τ）（１≦ｊ≦Ｍ）｝を記憶する。相似度算出
手段409は、照合パターン入力手段408から入力されたパ
ターンｘ、ｙの相似度を、分析結果記憶手段407に記憶
されているデータを参照して、数式６によって算出す
る。
【００５７】以上のように、本実施の形態では、照合パ
ターン入力手段から入力されたパターンｘ、ｙの相似度
を分析結果記憶手段に記憶されているデータを参照して
数式６に従って算出する相似度算出手段を備えることに
より、固有値が小さい軸の影響を過度に受けることを避
けることが可能になり、より高精度な照合を可能にする
ことができる。特に、本実施の形態の場合、第４の実施
の形態の場合とは異なり自動的に補正項を定めることが
できることに特徴がある。
ターン入力手段から入力されたパターンｘ、ｙの相似度
を分析結果記憶手段に記憶されているデータを参照して
数式６に従って算出する相似度算出手段を備えることに
より、固有値が小さい軸の影響を過度に受けることを避
けることが可能になり、より高精度な照合を可能にする
ことができる。特に、本実施の形態の場合、第４の実施
の形態の場合とは異なり自動的に補正項を定めることが
できることに特徴がある。
【００５８】（第６の実施の形態）本発明の第６の実施
の形態は、ベクトルの相関を相似度として照合を行なう
パターン照合装置である。
の形態は、ベクトルの相関を相似度として照合を行なう
パターン照合装置である。
【００５９】本発明の請求項６記載の発明の構成図の一
例としては、第３の実施の形態の図３に示したものと同
じものがあげられる。ただし、相似度算出手段209は、
第３の実施の形態の場合とは異なり、照合パターン入力
手段208から入力されたパターンｘ、ｙの相似度を、分
析結果記憶手段207に記憶されているデータを参照し
て、数式７によって算出する。
例としては、第３の実施の形態の図３に示したものと同
じものがあげられる。ただし、相似度算出手段209は、
第３の実施の形態の場合とは異なり、照合パターン入力
手段208から入力されたパターンｘ、ｙの相似度を、分
析結果記憶手段207に記憶されているデータを参照し
て、数式７によって算出する。
【００６０】以上のように、本実施の形態では、前記照
合パターン入力手段から入力される照合パターンｘ、ｙ
の相似度を数式７によって算出する前記相似度算出手段
を備えることにより、照合パターンの相似度をベクトル
の相関を使って表すことができ、よりロバストな照合が
可能になる。
合パターン入力手段から入力される照合パターンｘ、ｙ
の相似度を数式７によって算出する前記相似度算出手段
を備えることにより、照合パターンの相似度をベクトル
の相関を使って表すことができ、よりロバストな照合が
可能になる。
【００６１】（第７の実施の形態）本発明の第７の実施
の形態は、固定補正固有値を使いベクトルの相関を相似
度として照合を行なうパターン照合装置である。
の形態は、固定補正固有値を使いベクトルの相関を相似
度として照合を行なうパターン照合装置である。
【００６２】本発明の請求項７記載の発明の構成図の一
例としては、第４の実施の形態の図４に示したものと同
じものがあげられる。ただし、相似度算出手段309は、
第４の実施の形態の場合とは異なり、照合パターン入力
手段308から入力されたパターンｘ、ｙの相似度を分析
結果記憶手段307に記憶されているデータを参照して、
数式８によって算出する。
例としては、第４の実施の形態の図４に示したものと同
じものがあげられる。ただし、相似度算出手段309は、
第４の実施の形態の場合とは異なり、照合パターン入力
手段308から入力されたパターンｘ、ｙの相似度を分析
結果記憶手段307に記憶されているデータを参照して、
数式８によって算出する。
【００６３】以上のように、本実施の形態では、前記照
合パターン入力手段から入力される照合パターンｘ、ｙ
の相似度を、数式８によって算出する前記相似度算出手
段を備えることにより、照合パターンの相似度をベクト
ルの相関を使って表すことができ、よりロバストな照合
が可能になる。
合パターン入力手段から入力される照合パターンｘ、ｙ
の相似度を、数式８によって算出する前記相似度算出手
段を備えることにより、照合パターンの相似度をベクト
ルの相関を使って表すことができ、よりロバストな照合
が可能になる。
【００６４】（第８の実施の形態）本発明の第８の実施
の形態は、各軸の照合に与える影響をほぼ線形に減少さ
せる補正固有値を使い、ベクトルの相関により照合を行
なうパターン照合装置である。
の形態は、各軸の照合に与える影響をほぼ線形に減少さ
せる補正固有値を使い、ベクトルの相関により照合を行
なうパターン照合装置である。
【００６５】本発明の請求項８記載の発明の構成図の一
例としては、第５の実施の形態の図５に示したものと同
じものがあげられる。ただし、相似度算出手段409は、
第５の実施の形態の場合とは異なり、照合パターン入力
手段308から入力されたパターンｘ、ｙの相似度を、分
析結果記憶手段407に記憶されているデータを参照し
て、数式９によって算出する。
例としては、第５の実施の形態の図５に示したものと同
じものがあげられる。ただし、相似度算出手段409は、
第５の実施の形態の場合とは異なり、照合パターン入力
手段308から入力されたパターンｘ、ｙの相似度を、分
析結果記憶手段407に記憶されているデータを参照し
て、数式９によって算出する。
【００６６】以上のように、本実施の形態では、照合パ
ターン入力手段から入力される照合パターンｘ、ｙの相
似度を数式９によって算出する相似度算出手段を備える
ことにより、照合パターンの相似度をベクトルの相関を
使って表すことができ、よりロバストな照合が可能にな
る。
ターン入力手段から入力される照合パターンｘ、ｙの相
似度を数式９によって算出する相似度算出手段を備える
ことにより、照合パターンの相似度をベクトルの相関を
使って表すことができ、よりロバストな照合が可能にな
る。
【００６７】（第９の実施の形態）本発明の第９の実施
の形態は、適応型主成分分析手段を設けたパターン照合
装置である。
の形態は、適応型主成分分析手段を設けたパターン照合
装置である。
【００６８】図６は、本発明のパターン照合装置を示し
た構成図の一例であり、図６において、501は雑音成分
が加わっていないパターンの標本集合｛Ｖi（１≦ｉ≦
Ｎ）｝を入力するための標本パターン入力手段、502は
雑音成分が加わっているパターンの標本集合｛Ｕi（１
≦ｉ≦Ｎ）｝を入力するための標本パターン入力手段、
503は標本パターン入力手段501によって入力されたパタ
ーンの標本集合を記憶する記憶手段、504は標本パター
ン入力手段502によって入力されたパターンの標本集合
を記憶する記憶手段、505は記憶手段503と記憶手段504
に記憶されている標本集合から対応するパターンをそれ
ぞれ一つずつ取り出しそれらの差のパターン｛Ｄi（１
≦ｉ≦Ｎ）｝を計算するという動作を繰り返す差パター
ン生成手段、506は記憶手段503に格納されているパター
ンの標本集合と差パターン生成手段505によって生成さ
れる差のパターンの集合を獲得し、数式10を共分散行列
として持つ分布の主成分分析を行ない、主成分と主成分
方向の分散を反映した値を出力する適応型主成分分析手
段、507は主成分分析手段506から出力されたデータを格
納する分析結果記憶手段、508は照合する２つのパター
ンを入力する照合パターン入力手段、509は照合パター
ン入力手段508から入力されたパターンの相似度を分析
結果記憶手段507に格納されているデータを参照して算
出する相似度算出手段である。
た構成図の一例であり、図６において、501は雑音成分
が加わっていないパターンの標本集合｛Ｖi（１≦ｉ≦
Ｎ）｝を入力するための標本パターン入力手段、502は
雑音成分が加わっているパターンの標本集合｛Ｕi（１
≦ｉ≦Ｎ）｝を入力するための標本パターン入力手段、
503は標本パターン入力手段501によって入力されたパタ
ーンの標本集合を記憶する記憶手段、504は標本パター
ン入力手段502によって入力されたパターンの標本集合
を記憶する記憶手段、505は記憶手段503と記憶手段504
に記憶されている標本集合から対応するパターンをそれ
ぞれ一つずつ取り出しそれらの差のパターン｛Ｄi（１
≦ｉ≦Ｎ）｝を計算するという動作を繰り返す差パター
ン生成手段、506は記憶手段503に格納されているパター
ンの標本集合と差パターン生成手段505によって生成さ
れる差のパターンの集合を獲得し、数式10を共分散行列
として持つ分布の主成分分析を行ない、主成分と主成分
方向の分散を反映した値を出力する適応型主成分分析手
段、507は主成分分析手段506から出力されたデータを格
納する分析結果記憶手段、508は照合する２つのパター
ンを入力する照合パターン入力手段、509は照合パター
ン入力手段508から入力されたパターンの相似度を分析
結果記憶手段507に格納されているデータを参照して算
出する相似度算出手段である。
【００６９】以下にその動作を説明する。ただし、図６
の例では、適応型主成分分析手段506以外の動作は第１
の実施の形態で説明した図１の例と同じなので、適応型
主成分分析手段506のみについて行なう。適応型主成分
分析手段506は、記憶手段503に格納されているパターン
の標本集合｛Ｖi（１≦ｉ≦Ｎ）｝と差パターン生成手
段505によって生成される差のパターンの集合｛Ｄi（１
≦ｉ≦Ｎ）｝を用いて数式10に従って生成される行列を
共分散行列に持つ分布の主成分分析を行ない主成分と主
成分方向の分散を反映した値を出力する。
の例では、適応型主成分分析手段506以外の動作は第１
の実施の形態で説明した図１の例と同じなので、適応型
主成分分析手段506のみについて行なう。適応型主成分
分析手段506は、記憶手段503に格納されているパターン
の標本集合｛Ｖi（１≦ｉ≦Ｎ）｝と差パターン生成手
段505によって生成される差のパターンの集合｛Ｄi（１
≦ｉ≦Ｎ）｝を用いて数式10に従って生成される行列を
共分散行列に持つ分布の主成分分析を行ない主成分と主
成分方向の分散を反映した値を出力する。
【００７０】以上のように、本実施の形態では、主成分
と主成分方向の分散を反映した値を出力する適応型主成
分分析手段を設けたことにより、対象とする画像によっ
て異なる雑音成分の影響度を考慮した照合が可能にな
り、照合精度が向上する。
と主成分方向の分散を反映した値を出力する適応型主成
分分析手段を設けたことにより、対象とする画像によっ
て異なる雑音成分の影響度を考慮した照合が可能にな
り、照合精度が向上する。
【００７１】（第10の実施の形態）本発明の第10の実施
の形態は、標準標本集合を、雑音成分を表す差標本集合
と独立にしたパターン照合装置である。
の形態は、標準標本集合を、雑音成分を表す差標本集合
と独立にしたパターン照合装置である。
【００７２】図７は、本発明のパターン照合装置を示し
た構成図の一例であり、図７において、601、610は雑音
成分が加わっていないパターンの標本集合を入力するた
めの標本パターン入力手段、602は雑音成分が加わって
いるパターンの標本集合を入力するための標本パターン
入力手段、603は標本パターン入力手段601によって入力
されたパターンの標本集合を記憶する記憶手段、604は
標本パターン入力手段602によって入力されたパターン
の標本集合を記憶する記憶手段、611は標本パターン入
力手段610によって入力されたパターンの標本集合を記
憶する記憶手段、605は記憶手段603と記憶手段604に記
憶されている標本集合から対応するパターンをそれぞれ
一つずつ取り出しそれらの差のパターンを計算するとい
う動作を繰り返す差パターン生成手段、606は記憶手段6
11に格納されているパターンの標本集合と差パターン生
成手段605によって生成される差のパターンの集合とを
あわせたパターンの集合に対して主成分分析を行ない主
成分と主成分方向の分散を反映した値を出力する主成分
分析手段、607は主成分分析手段606から出力されたデー
タを格納する分析結果記憶手段、608は照合する２つの
パターンを入力する照合パターン入力手段、609は照合
パターン入力手段608から入力されたパターンの相似度
を分析結果記憶手段607に格納されているデータを参照
して算出する相似度算出手段である。
た構成図の一例であり、図７において、601、610は雑音
成分が加わっていないパターンの標本集合を入力するた
めの標本パターン入力手段、602は雑音成分が加わって
いるパターンの標本集合を入力するための標本パターン
入力手段、603は標本パターン入力手段601によって入力
されたパターンの標本集合を記憶する記憶手段、604は
標本パターン入力手段602によって入力されたパターン
の標本集合を記憶する記憶手段、611は標本パターン入
力手段610によって入力されたパターンの標本集合を記
憶する記憶手段、605は記憶手段603と記憶手段604に記
憶されている標本集合から対応するパターンをそれぞれ
一つずつ取り出しそれらの差のパターンを計算するとい
う動作を繰り返す差パターン生成手段、606は記憶手段6
11に格納されているパターンの標本集合と差パターン生
成手段605によって生成される差のパターンの集合とを
あわせたパターンの集合に対して主成分分析を行ない主
成分と主成分方向の分散を反映した値を出力する主成分
分析手段、607は主成分分析手段606から出力されたデー
タを格納する分析結果記憶手段、608は照合する２つの
パターンを入力する照合パターン入力手段、609は照合
パターン入力手段608から入力されたパターンの相似度
を分析結果記憶手段607に格納されているデータを参照
して算出する相似度算出手段である。
【００７３】以下その動作を説明する。まず、標本パタ
ーン入力手段601から雑音成分が加わっていないパター
ンの標本集合が入力され、記憶手段603に記憶される。
また、標本パターン入力手段602から雑音成分が加わっ
ているパターンの標本集合が入力され記憶手段604に入
力される。また、標本パターン入力手段610から雑音成
分が加わっていないパターンの標本集合が入力され、記
憶手段611に記憶される。次に、差パターン生成手段605
は、記憶手段603と記憶手段604に記憶されているパター
ンの標本集合から対応するパターンをそれぞれ一つずつ
取り出しそれらの差のパターンを計算し出力する。次
に、主成分分析手段606は、記憶手段611に格納されてい
るパターンの標本集合と差パターン生成手段605によっ
て生成される差のパターンの集合とをあわせたパターン
の集合に対して主成分分析を行ない主成分と主成分方向
の分散を反映した値を出力する。また、分析結果記憶手
段607は主成分分析手段606から出力された結果を記憶す
る。照合パターン入力手段608は、照合する２つのパタ
ーンを入力する。次に、相似度算出手段609は、分析結
果記憶手段607に格納されているデータを参照しその結
果に基づいて、照合パターン入力手段から入力されたパ
ターンの相似度を、パターンの主成分方向の成分に重み
付けして算出する。
ーン入力手段601から雑音成分が加わっていないパター
ンの標本集合が入力され、記憶手段603に記憶される。
また、標本パターン入力手段602から雑音成分が加わっ
ているパターンの標本集合が入力され記憶手段604に入
力される。また、標本パターン入力手段610から雑音成
分が加わっていないパターンの標本集合が入力され、記
憶手段611に記憶される。次に、差パターン生成手段605
は、記憶手段603と記憶手段604に記憶されているパター
ンの標本集合から対応するパターンをそれぞれ一つずつ
取り出しそれらの差のパターンを計算し出力する。次
に、主成分分析手段606は、記憶手段611に格納されてい
るパターンの標本集合と差パターン生成手段605によっ
て生成される差のパターンの集合とをあわせたパターン
の集合に対して主成分分析を行ない主成分と主成分方向
の分散を反映した値を出力する。また、分析結果記憶手
段607は主成分分析手段606から出力された結果を記憶す
る。照合パターン入力手段608は、照合する２つのパタ
ーンを入力する。次に、相似度算出手段609は、分析結
果記憶手段607に格納されているデータを参照しその結
果に基づいて、照合パターン入力手段から入力されたパ
ターンの相似度を、パターンの主成分方向の成分に重み
付けして算出する。
【００７４】以上のように、本実施の形態では、第３の
記憶手段に格納されているパターンの標本集合と差パタ
ーン生成手段によって生成される差のパターンの集合と
をあわせたパターンの集合に対して主成分分析を行なう
主成分分析手段を備えることにより、顔の特徴の差異を
表す標準標本集合を、雑音成分を表す差標本集合とまっ
たく独立に構成でき、より高精度な照合を実現すること
が可能になる。
記憶手段に格納されているパターンの標本集合と差パタ
ーン生成手段によって生成される差のパターンの集合と
をあわせたパターンの集合に対して主成分分析を行なう
主成分分析手段を備えることにより、顔の特徴の差異を
表す標準標本集合を、雑音成分を表す差標本集合とまっ
たく独立に構成でき、より高精度な照合を実現すること
が可能になる。
【００７５】（第11の実施の形態）本発明の第11の実施
の形態は、標準分布情報入力手段と雑音分布情報入力手
段を設けたパターン照合装置である。
の形態は、標準分布情報入力手段と雑音分布情報入力手
段を設けたパターン照合装置である。
【００７６】図８は、本発明のパターン照合装置を示し
た構成図の一例であり、図８において701は雑音成分が
加わっていないパターンの分布の情報として基底軸ｕi
と基底軸方向の分散値νiの組（ｕi,νi）（１≦ｉ≦
Ｌ）を入力する標準分布情報入力手段、702は雑音成分
の分布の情報として基底軸ｕi'と基底軸方向の分散値ν
i'の組（ｕi',νi'）（１≦ｉ≦Ｌ'）を入力する雑音分
布情報入力手段、703は標準分布情報入力手段701と雑音
分布情報入力手段702から分布情報を獲得し、数式11を
共分散行列として持つ分布の主成分分析を行ない、主成
分と主成分方向の分散を反映した値を出力する主成分分
析手段、704は主成分分析手段703から出力されたデータ
を記憶する分析結果記憶手段、705は照合する２つのパ
ターンを入力する照合パターン入力手段、706は分析結
果記憶手段704に格納されているデータを参照しそのデ
ータに基づいて、照合パターン入力手段705から入力さ
れた２つのパターンの相似度をパターンの主成分方向の
成分に重み付けして算出する相似度算出手段である。
た構成図の一例であり、図８において701は雑音成分が
加わっていないパターンの分布の情報として基底軸ｕi
と基底軸方向の分散値νiの組（ｕi,νi）（１≦ｉ≦
Ｌ）を入力する標準分布情報入力手段、702は雑音成分
の分布の情報として基底軸ｕi'と基底軸方向の分散値ν
i'の組（ｕi',νi'）（１≦ｉ≦Ｌ'）を入力する雑音分
布情報入力手段、703は標準分布情報入力手段701と雑音
分布情報入力手段702から分布情報を獲得し、数式11を
共分散行列として持つ分布の主成分分析を行ない、主成
分と主成分方向の分散を反映した値を出力する主成分分
析手段、704は主成分分析手段703から出力されたデータ
を記憶する分析結果記憶手段、705は照合する２つのパ
ターンを入力する照合パターン入力手段、706は分析結
果記憶手段704に格納されているデータを参照しそのデ
ータに基づいて、照合パターン入力手段705から入力さ
れた２つのパターンの相似度をパターンの主成分方向の
成分に重み付けして算出する相似度算出手段である。
【００７７】以下その動作を説明する。まず標準分布情
報入力手段701から雑音成分が加わっていないパターン
の分布の情報として基底軸ｕiと基底軸方向の分散値νi
の組（ｕi,νi）（１≦ｉ≦Ｌ）が入力される。また雑
音分布上表入力手段702から雑音成分の分布の情報とし
て基底軸ｕi'と基底軸方向の分散値νi'の組（ｕi',
νi'）（１≦ｉ≦Ｌ'）が入力される。次に主成分分析
手段703は、数式11を共分散行列として持つ分布の主成
分分析を行ない、主成分と主成分方向の分散を反映した
値を出力する。そして、分析結果記憶手段704は主成分
分析手段703から出力されたデータを記憶する。ここま
での処理によって照合に必要な情報が獲得される。以下
の動作は、分析結果記憶手段704に記憶されたデータを
用いて実際に照合を行なうためのものである。まず照合
パターン入力手段705は、照合する２つのパターンを入
力する。次に、相似度算出手段706は、分析結果記憶手
段704に格納されているデータを参照しそのデータに基
づいて、照合パターン入力手段から入力されたパターン
の相似度を、パターンの主成分方向の成分に重み付けし
て算出する。
報入力手段701から雑音成分が加わっていないパターン
の分布の情報として基底軸ｕiと基底軸方向の分散値νi
の組（ｕi,νi）（１≦ｉ≦Ｌ）が入力される。また雑
音分布上表入力手段702から雑音成分の分布の情報とし
て基底軸ｕi'と基底軸方向の分散値νi'の組（ｕi',
νi'）（１≦ｉ≦Ｌ'）が入力される。次に主成分分析
手段703は、数式11を共分散行列として持つ分布の主成
分分析を行ない、主成分と主成分方向の分散を反映した
値を出力する。そして、分析結果記憶手段704は主成分
分析手段703から出力されたデータを記憶する。ここま
での処理によって照合に必要な情報が獲得される。以下
の動作は、分析結果記憶手段704に記憶されたデータを
用いて実際に照合を行なうためのものである。まず照合
パターン入力手段705は、照合する２つのパターンを入
力する。次に、相似度算出手段706は、分析結果記憶手
段704に格納されているデータを参照しそのデータに基
づいて、照合パターン入力手段から入力されたパターン
の相似度を、パターンの主成分方向の成分に重み付けし
て算出する。
【００７８】以上のように、本実施の形態では、標準分
布情報入力手段と雑音分布情報入力手段から分布情報を
獲得し、数式11を共分散行列として持つ分布の主成分分
析を行ない、主成分と主成分方向の分散を反映した値を
出力する主成分分析手段を備えることにより、雑音成分
を考慮した照合が可能になり、照合するパターンの片方
に非常に大きな雑音成分が加わっている場合でもロバス
トな照合が実現できる。
布情報入力手段と雑音分布情報入力手段から分布情報を
獲得し、数式11を共分散行列として持つ分布の主成分分
析を行ない、主成分と主成分方向の分散を反映した値を
出力する主成分分析手段を備えることにより、雑音成分
を考慮した照合が可能になり、照合するパターンの片方
に非常に大きな雑音成分が加わっている場合でもロバス
トな照合が実現できる。
【００７９】（第12の実施の形態）本発明の第12の実施
の形態は、標本パターン入力手段と雑音分布情報入力手
段を設けたパターン照合装置である。
の形態は、標本パターン入力手段と雑音分布情報入力手
段を設けたパターン照合装置である。
【００８０】図９は、本発明のパターン照合装置を示し
た構成図の一例であり、図９において801は雑音成分が
加わっていないパターンの標本集合Ｖi（１≦ｉ≦Ｎ）
を入力する標本パターン入力手段、802は雑音成分の分
布の情報として基底軸ｕi'と基底軸方向の分散値νi'の
組（ｕi',νi'）（１≦ｉ≦Ｌ'）を入力する雑音分布情
報入力手段、803は標本パターン入力手段801と雑音分布
情報入力手段802から分布情報を獲得し、数式12を共分
散行列として持つ分布の主成分分析を行ない、主成分と
主成分方向の分散を反映した値を出力する主成分分析手
段、804は主成分分析手段803から出力されたデータを記
憶する分析結果記憶手段、805は照合する２つのパター
ンを入力する照合パターン入力手段、806は分析結果記
憶手段804に格納されているデータを参照しそのデータ
に基づいて、照合パターン入力手段805から入力された
２つのパターンの相似度をパターンの主成分方向の成分
に重み付けして算出する相似度算出手段である。
た構成図の一例であり、図９において801は雑音成分が
加わっていないパターンの標本集合Ｖi（１≦ｉ≦Ｎ）
を入力する標本パターン入力手段、802は雑音成分の分
布の情報として基底軸ｕi'と基底軸方向の分散値νi'の
組（ｕi',νi'）（１≦ｉ≦Ｌ'）を入力する雑音分布情
報入力手段、803は標本パターン入力手段801と雑音分布
情報入力手段802から分布情報を獲得し、数式12を共分
散行列として持つ分布の主成分分析を行ない、主成分と
主成分方向の分散を反映した値を出力する主成分分析手
段、804は主成分分析手段803から出力されたデータを記
憶する分析結果記憶手段、805は照合する２つのパター
ンを入力する照合パターン入力手段、806は分析結果記
憶手段804に格納されているデータを参照しそのデータ
に基づいて、照合パターン入力手段805から入力された
２つのパターンの相似度をパターンの主成分方向の成分
に重み付けして算出する相似度算出手段である。
【００８１】以下その動作を説明する。まず標本パター
ン入力手段801から雑音成分が加わっていないパターン
の標本集合としてＶi（１≦ｉ≦Ｎ）が入力される。ま
た雑音分布情報入力手段802から雑音成分の分布の情報
として基底軸ｕi'と基底軸方向の分散値νi'の組
（ｕi',νi'）（１≦ｉ≦Ｌ'）が入力される。次に主成
分分析手段803は、数式12を共分散行列として持つ分布
の主成分分析を行ない、主成分と主成分方向の分散を反
映した値を出力する。そして、分析結果記憶手段804は
主成分分析手段803から出力されたデータを記憶する。
照合パターン入力手段805は、照合する２つのパターン
を入力する。次に、相似度算出手段806は、分析結果記
憶手段804に格納されているデータを参照しそのデータ
に基づいて、照合パターン入力手段から入力されたパタ
ーンの相似度を、パターンの主成分方向の成分に重み付
けして算出する。
ン入力手段801から雑音成分が加わっていないパターン
の標本集合としてＶi（１≦ｉ≦Ｎ）が入力される。ま
た雑音分布情報入力手段802から雑音成分の分布の情報
として基底軸ｕi'と基底軸方向の分散値νi'の組
（ｕi',νi'）（１≦ｉ≦Ｌ'）が入力される。次に主成
分分析手段803は、数式12を共分散行列として持つ分布
の主成分分析を行ない、主成分と主成分方向の分散を反
映した値を出力する。そして、分析結果記憶手段804は
主成分分析手段803から出力されたデータを記憶する。
照合パターン入力手段805は、照合する２つのパターン
を入力する。次に、相似度算出手段806は、分析結果記
憶手段804に格納されているデータを参照しそのデータ
に基づいて、照合パターン入力手段から入力されたパタ
ーンの相似度を、パターンの主成分方向の成分に重み付
けして算出する。
【００８２】以上のように、本実施の形態では、数式12
を共分散行列として持つ分布の主成分分析を行ない、主
成分と主成分方向の分散を反映した値を出力する主成分
分析手段を備えることにより、雑音成分を考慮した照合
が可能になり、照合するパターンの片方に非常に大きな
雑音成分が加わっている場合でもロバストな照合が実現
できる。
を共分散行列として持つ分布の主成分分析を行ない、主
成分と主成分方向の分散を反映した値を出力する主成分
分析手段を備えることにより、雑音成分を考慮した照合
が可能になり、照合するパターンの片方に非常に大きな
雑音成分が加わっている場合でもロバストな照合が実現
できる。
【００８３】
【発明の効果】以上のように請求項１、３、４、６、７
記載の発明では、雑音成分が加わっていないパターンの
標本集合を入力するための第１の標本パターン入力手段
と、雑音成分が加わっているパターンの標本集合を入力
するための第２の標本パターン入力手段と、前記第１の
標本パターン入力手段と前記第２の標本パターン入力手
段によって入力されたパターンの標本集合をそれぞれ記
憶する第１の記憶手段、第２の記憶手段と、前記第１、
第２の記憶手段に記憶されている標本集合から対応する
パターンをそれぞれ一つずつ取り出しそれらの差のパタ
ーンを計算するという動作を繰り返す差パターン生成手
段と、前記第１の記憶手段に格納されているパターンの
標本集合と前記差パターン生成手段によって生成される
差のパターンの集合とをあわせたパターンの集合に対し
て主成分分析を行ない主成分と主成分方向の分散を反映
した値を出力する主成分分析手段と、前記主成分分析手
段から出力されたデータを格納する分析結果記憶手段
と、照合する２つのパターンを入力する照合パターン入
力手段と、前記分析結果記憶手段に格納されているデー
タを参照しその結果に基づいて、前記照合パターン入力
手段から入力されたパターンの相似度をパターンの主成
分方向の成分に重み付けして算出する相似度算出手段を
備えることにより、雑音成分を考慮した照合が可能にな
り、照合するパターンの片方に非常に大きな雑音成分が
加わっている場合でもロバストな照合が実現できる。
記載の発明では、雑音成分が加わっていないパターンの
標本集合を入力するための第１の標本パターン入力手段
と、雑音成分が加わっているパターンの標本集合を入力
するための第２の標本パターン入力手段と、前記第１の
標本パターン入力手段と前記第２の標本パターン入力手
段によって入力されたパターンの標本集合をそれぞれ記
憶する第１の記憶手段、第２の記憶手段と、前記第１、
第２の記憶手段に記憶されている標本集合から対応する
パターンをそれぞれ一つずつ取り出しそれらの差のパタ
ーンを計算するという動作を繰り返す差パターン生成手
段と、前記第１の記憶手段に格納されているパターンの
標本集合と前記差パターン生成手段によって生成される
差のパターンの集合とをあわせたパターンの集合に対し
て主成分分析を行ない主成分と主成分方向の分散を反映
した値を出力する主成分分析手段と、前記主成分分析手
段から出力されたデータを格納する分析結果記憶手段
と、照合する２つのパターンを入力する照合パターン入
力手段と、前記分析結果記憶手段に格納されているデー
タを参照しその結果に基づいて、前記照合パターン入力
手段から入力されたパターンの相似度をパターンの主成
分方向の成分に重み付けして算出する相似度算出手段を
備えることにより、雑音成分を考慮した照合が可能にな
り、照合するパターンの片方に非常に大きな雑音成分が
加わっている場合でもロバストな照合が実現できる。
【００８４】また請求項２記載の発明では、雑音成分が
加わっていないパターンの標本集合を入力するための第
１の標本パターン入力手段と、雑音成分が加わっている
パターンの標本集合を入力するための第２の標本パター
ン入力手段と、前記第１の標本パターン入力手段と前記
第２の標本パターン入力手段によって入力されたパター
ンの標本集合をそれぞれ記憶する第１の記憶手段、第２
の記憶手段と、前記第１、第２の記憶手段に記憶されて
いる標本集合から対応するパターンをそれぞれ一つずつ
取り出しそれらの差のパターンを計算するという動作を
繰り返す差パターン生成手段と、前記差パターン生成手
段によって生成される差のパターンの集合に対して零ベ
クトルを平均ベクトルとして主成分分析を行ない主成分
と主成分方向の分散を反映した値を出力する主成分分析
手段と、前記主成分分析手段から出力されたデータを格
納する分析結果記憶手段と、照合する２つのパターンを
入力する照合パターン入力手段と、前記分析結果記憶手
段に格納されているデータを参照しその結果に基づい
て、前記照合パターン入力手段から入力されたパターン
の相似度をパターンの主成分方向の成分に重み付けして
算出する相似度算出手段を備えることにより、パターン
の特徴を反映した雑音成分を利用した照合が可能にな
り、照合するパターンの片方に非常に大きな雑音成分が
加わっている場合でも差のパターンのみに基づくロバス
トな照合が実現できる。
加わっていないパターンの標本集合を入力するための第
１の標本パターン入力手段と、雑音成分が加わっている
パターンの標本集合を入力するための第２の標本パター
ン入力手段と、前記第１の標本パターン入力手段と前記
第２の標本パターン入力手段によって入力されたパター
ンの標本集合をそれぞれ記憶する第１の記憶手段、第２
の記憶手段と、前記第１、第２の記憶手段に記憶されて
いる標本集合から対応するパターンをそれぞれ一つずつ
取り出しそれらの差のパターンを計算するという動作を
繰り返す差パターン生成手段と、前記差パターン生成手
段によって生成される差のパターンの集合に対して零ベ
クトルを平均ベクトルとして主成分分析を行ない主成分
と主成分方向の分散を反映した値を出力する主成分分析
手段と、前記主成分分析手段から出力されたデータを格
納する分析結果記憶手段と、照合する２つのパターンを
入力する照合パターン入力手段と、前記分析結果記憶手
段に格納されているデータを参照しその結果に基づい
て、前記照合パターン入力手段から入力されたパターン
の相似度をパターンの主成分方向の成分に重み付けして
算出する相似度算出手段を備えることにより、パターン
の特徴を反映した雑音成分を利用した照合が可能にな
り、照合するパターンの片方に非常に大きな雑音成分が
加わっている場合でも差のパターンのみに基づくロバス
トな照合が実現できる。
【００８５】また請求項５、８記載の発明では、前記主
成分分析手段から固有値λj（１≦ｊ≦Ｍ）を受け取り
補正項τを数式５によって決定し補正固有値λj＋τ
（１≦ｊ≦Ｍ）を出力する補正固有値生成手段と、前記
主成分分析手段から出力された固有ベクトルｅjと前記
補正固有値生成手段から出力された補正固有値λj＋τ
の組｛（ｅj,λj＋τ）（１≦ｊ≦Ｍ）｝を記憶する前
記分析結果記憶手段と、前記照合パターン入力手段から
入力されたパターンｘ、ｙの相似度を分析結果記憶手段
に記憶されているデータを参照して数式６に従って算出
する前記相似度算出手段を備えることにより、固有値が
小さい軸の影響を過度に受けることを避けることが可能
になり、より高精度な照合を可能にすることができる。
成分分析手段から固有値λj（１≦ｊ≦Ｍ）を受け取り
補正項τを数式５によって決定し補正固有値λj＋τ
（１≦ｊ≦Ｍ）を出力する補正固有値生成手段と、前記
主成分分析手段から出力された固有ベクトルｅjと前記
補正固有値生成手段から出力された補正固有値λj＋τ
の組｛（ｅj,λj＋τ）（１≦ｊ≦Ｍ）｝を記憶する前
記分析結果記憶手段と、前記照合パターン入力手段から
入力されたパターンｘ、ｙの相似度を分析結果記憶手段
に記憶されているデータを参照して数式６に従って算出
する前記相似度算出手段を備えることにより、固有値が
小さい軸の影響を過度に受けることを避けることが可能
になり、より高精度な照合を可能にすることができる。
【００８６】また請求項９記載の発明では、前記第１の
記憶手段に格納されているパターンの標本集合｛Ｖ
i（１≦ｉ≦Ｎ）｝と前記差パターン生成手段によって
生成される差のパターンの集合｛Ｄi（１≦ｉ≦Ｎ）｝
を用いて数式10に従って生成される行列を共分散行列と
して持つ分布の主成分分析を行ない、主成分と主成分方
向の分散を反映した値を出力する適応型主成分分析手段
を設けたことにより、対象とする画像によって異なる雑
音成分の影響度を考慮した照合が可能になり、照合精度
が向上する。
記憶手段に格納されているパターンの標本集合｛Ｖ
i（１≦ｉ≦Ｎ）｝と前記差パターン生成手段によって
生成される差のパターンの集合｛Ｄi（１≦ｉ≦Ｎ）｝
を用いて数式10に従って生成される行列を共分散行列と
して持つ分布の主成分分析を行ない、主成分と主成分方
向の分散を反映した値を出力する適応型主成分分析手段
を設けたことにより、対象とする画像によって異なる雑
音成分の影響度を考慮した照合が可能になり、照合精度
が向上する。
【００８７】また、請求項10記載の発明では、雑音成分
が加わっていないパターンの標本集合を入力するための
第３の標本パターン入力手段と、前記第３の標本パター
ン入力手段によって入力されたパターンの標本集合を格
納する第３の記憶手段と、前記第３の記憶手段に格納さ
れているパターンの標本集合と前記差パターン生成手段
によって生成される差のパターンの集合とをあわせたパ
ターンの集合に対して主成分分析を行なう前記主成分分
析手段を備えることにより、顔の特徴の差異を表す標準
標本集合を、雑音成分を表す差標本集合とまったく独立
に構成でき、より高精度な照合を実現することが可能に
なる。
が加わっていないパターンの標本集合を入力するための
第３の標本パターン入力手段と、前記第３の標本パター
ン入力手段によって入力されたパターンの標本集合を格
納する第３の記憶手段と、前記第３の記憶手段に格納さ
れているパターンの標本集合と前記差パターン生成手段
によって生成される差のパターンの集合とをあわせたパ
ターンの集合に対して主成分分析を行なう前記主成分分
析手段を備えることにより、顔の特徴の差異を表す標準
標本集合を、雑音成分を表す差標本集合とまったく独立
に構成でき、より高精度な照合を実現することが可能に
なる。
【００８８】また請求項11、12記載の発明では、雑音成
分が加わっていないパターンの分布の情報として基底軸
ｕiと基底軸方向の分散値νiの組（ｕi,νi）（１≦ｉ
≦Ｌ）を入力する標準分布情報入力手段と、雑音成分の
分布の情報として基底軸ｕi'と基底軸方向の分散値νi'
の組（ｕi',νi'）（１≦ｉ≦Ｌ'）を入力する雑音分布
情報入力手段と、前記標準分布情報入力手段と前記雑音
分布情報入力手段から分布情報を獲得し、数式11を共分
散行列として持つ分布の主成分分析を行ない、主成分と
主成分方向の分散を反映した値を出力する主成分分析手
段を備えることにより、雑音成分を考慮した照合が可能
になり、照合するパターンの片方に非常に大きな雑音成
分が加わっている場合でもロバストな照合が実現でき
る。
分が加わっていないパターンの分布の情報として基底軸
ｕiと基底軸方向の分散値νiの組（ｕi,νi）（１≦ｉ
≦Ｌ）を入力する標準分布情報入力手段と、雑音成分の
分布の情報として基底軸ｕi'と基底軸方向の分散値νi'
の組（ｕi',νi'）（１≦ｉ≦Ｌ'）を入力する雑音分布
情報入力手段と、前記標準分布情報入力手段と前記雑音
分布情報入力手段から分布情報を獲得し、数式11を共分
散行列として持つ分布の主成分分析を行ない、主成分と
主成分方向の分散を反映した値を出力する主成分分析手
段を備えることにより、雑音成分を考慮した照合が可能
になり、照合するパターンの片方に非常に大きな雑音成
分が加わっている場合でもロバストな照合が実現でき
る。
【図１】本発明の第１の実施形態の一例を示す構成図、
【図２】本発明の第２の実施形態の一例を示す構成図、
【図３】本発明の第３と第６の実施形態の一例を示す構
成図、
成図、
【図４】本発明の第４と第７の実施形態の一例を示す構
成図、
成図、
【図５】本発明の第５と第８の実施形態の一例を示す構
成図、
成図、
【図６】本発明の第９の実施形態の一例を示す構成図、
【図７】本発明の第10の実施形態の一例を示す構成図、
【図８】本発明の第11の実施形態の一例を示す構成図、
【図９】本発明の第12の実施形態の一例を示す構成図、
【図１０】従来手法のパターン照合装置の構成を示す図
である。
である。
【符号の説明】 101、102 標本パターン入力手段 103、104 記憶手段 105 差パターン生成手段 106 主成分分析手段 107 分析結果記憶手段 108 照合パターン入力手段 109 相似度算出手段 201、202 標本パターン入力手段 203、204 記憶手段 205 差パターン生成手段 206 主成分分析手段 207 分析結果記憶手段 208 照合パターン入力手段 209 相似度算出手段 301、302 標本パターン入力手段 303、304 記憶手段 305 差パターン生成手段 306 主成分分析手段 307 分析結果記憶手段 308 照合パターン入力手段 309 相似度算出手段 310 固定補正固有値生成手段 401、402 標本パターン入力手段 403、404 記憶手段 405 差パターン生成手段 406 主成分分析手段 407 分析結果記憶手段 408 照合パターン入力手段 409 相似度算出手段 410 補正固有値生成手段 501、502 標本パターン入力手段 503、504 記憶手段 505 差パターン生成手段 506 適応型主成分分析手段 507 分析結果記憶手段 508 照合パターン入力手段 509 相似度算出手段 601、602 標本パターン入力手段 603、604 記憶手段 605 差パターン生成手段 606 主成分分析手段 607 分析結果記憶手段 608 照合パターン入力手段 609 相似度算出手段 610 標本パターン入力手段 611 記憶手段 701 標準分布情報入力手段 702 雑音分布情報入力手段 703 主成分分析手段 704 分析結果記憶手段 705 照合パターン入力手段 706 相似度算出手段 801 標本パターン入力手段 802 雑音分布情報入力手段 803 主成分分析手段 804 分析結果記憶手段 805 照合パターン入力手段 806 相似度算出手段 901 標本画像入力部 902 主成分分析実行部 903 照合画像入力部 904 相似度算出部
Claims (12)
- 【請求項１】 標本パターンの主成分分析による固有ベ
クトルと固有値に基づいて照合パターンの相似度を算出
してパターン照合をすることにより、照合するパターン
の片方に非常に大きな雑音成分が加わっている場合でも
ロバストな照合が可能であるパターン照合装置におい
て、雑音成分が加わっていないパターンの標本集合を入
力するための第１の標本パターン入力手段と、雑音成分
が加わっているパターンの標本集合を入力するための第
２の標本パターン入力手段と、前記第１の標本パターン
入力手段によって入力されたパターンの標本集合を記憶
する第１の記憶手段と、前記第２の標本パターン入力手
段によって入力されたパターンの標本集合を記憶する第
２の記憶手段と、前記第１、第２の記憶手段に記憶され
ている標本集合から対応するパターンをそれぞれ一つず
つ取り出しそれらの差のパターンを計算する動作を繰り
返してすべての標本集合から差パターンを生成する差パ
ターン生成手段と、前記第１の記憶手段に格納されてい
るパターンの標本集合と前記差パターン生成手段によっ
て生成される差のパターンの集合とをあわせたパターン
の集合に対して主成分分析を行ない主成分と主成分方向
の分散を反映した値を出力する主成分分析手段と、前記
主成分分析手段から出力されたデータを格納する分析結
果記憶手段と、照合する２つのパターンを入力する照合
パターン入力手段と、前記分析結果記憶手段に格納され
ているデータを参照しその結果に基づいて、前記照合パ
ターン入力手段から入力された２つのパターンの相似度
をパターンの主成分方向の成分に重み付けして算出する
相似度算出手段とを備えることを特徴とするパターン照
合装置。 - 【請求項２】 標本パターンの主成分分析による固有ベ
クトルと固有値に基づいて照合パターンの相似度を算出
してパターン照合をすることにより、照合するパターン
の片方に非常に大きな雑音成分が加わっている場合でも
ロバストな照合が可能であるパターン照合装置におい
て、雑音成分が加わっていないパターンの標本集合を入
力するための第１の標本パターン入力手段と、雑音成分
が加わっているパターンの標本集合を入力するための第
２の標本パターン入力手段と、前記第１の標本パターン
入力手段によって入力されたパターンの標本集合を記憶
する第１の記憶手段と、前記第２の標本パターン入力手
段によって入力されたパターンの標本集合を記憶する第
２の記憶手段と、前記第１、第２の記憶手段に記憶され
ている標本集合から対応するパターンをそれぞれ一つず
つ取り出しそれらの差のパターンを計算する動作を繰り
返してすべての標本集合から差パターンを生成する差パ
ターン生成手段と、前記差パターン生成手段によって生
成される差のパターンの集合に対して零ベクトルを平均
ベクトルとして主成分分析を行ない主成分と主成分方向
の分散を反映した値を出力する主成分分析手段と、前記
主成分分析手段から出力されたデータを格納する分析結
果記憶手段と、照合する２つのパターンを入力する照合
パターン入力手段と、前記分析結果記憶手段に格納され
ているデータを参照しその結果に基づいて、前記照合パ
ターン入力手段から入力された２つのパターンの相似度
をパターンの主成分方向の成分に重み付けして算出する
相似度算出手段とを備えることを特徴とするパターン照
合装置。 - 【請求項３】 前記第１の記憶手段に記憶されているパ
ターンをＶi（１≦ｉ≦Ｎ、Ｎは標本数）、前記第２の
記憶手段に記憶されているパターンをＵi（１≦ｉ≦
Ｎ）とするとき、前記差パターン生成手段が差のパター
ンＤiを次式１ 【数１】 によって生成し、前記主成分分析手段が次式２ 【数２】 によって定まる共分散行列の固有値問題を解いて得られ
る固有ベクトルｅj（１≦ｊ≦Ｍ）と固有値λj（１≦ｊ
≦Ｍ）を主成分分析の結果として出力し、前記照合パタ
ーン入力手段により獲得された照合パターンｘ、ｙに対
して、前記相似度算出手段が次式３ 【数３】 によって相似度を算出することを特徴とする請求項１記
載のパターン照合装置。 - 【請求項４】 前記主成分分析手段から固有値λj（１
≦ｊ≦Ｍ）を受け取り、その値に予め入力された値σを
加算することにより補正固有値λj＋σ（１≦ｊ≦Ｍ）
を出力する固定補正固有値生成手段をさらに設け、前記
分析結果記憶手段が前記主成分分析手段から出力された
固有ベクトルｅjと前記固定補正固有値生成手段から出
力された補正固有値λj＋σの組｛（ｅj,λj＋σ）（１
≦ｊ≦Ｍ）｝を記憶し、前記相似度算出手段が前記照合
パターン入力手段から入力されたパターンｘ、ｙの相似
度を分析結果記憶手段に記憶されているデータを参照し
て次式４ 【数４】 によって算出することを特徴とする請求項２記載のパタ
ーン照合装置。 - 【請求項５】 前記主成分分析手段から固有値λj（１
≦ｊ≦Ｍ）を受け取り補正項τを次式５ 【数５】 によって決定し補正固有値λj＋τを出力する補正固有
値生成手段をさらに設け、前記分析結果記憶手段が前記
主成分分析手段から出力された固有ベクトルｅjと前記
補正固有値生成手段から出力された補正固有値λj＋τ
の組｛（ｅj,λj＋τ）（１≦ｊ≦Ｍ）｝を記憶し、前
記相似度算出手段が前記照合パターン入力手段から入力
されたパターンｘ、ｙの相似度を分析結果記憶手段に記
憶されているデータを参照して次式６ 【数６】 によって算出することを特徴とする請求項３記載のパタ
ーン照合装置。 - 【請求項６】 相似度算出手段が照合ベクトルｘ、ｙの
相似度を次式７ 【数７】 によって算出することを特徴とする請求項３に記載のパ
ターン照合装置。 - 【請求項７】 相似度算出手段が照合ベクトルｘ、ｙの
相似度を次式８ 【数８】 によって算出することを特徴とする請求項４記載のパタ
ーン照合装置。 - 【請求項８】 相似度算出手段が照合ベクトルｘ、ｙの
相似度を次式９ 【数９】 によって算出することを特徴とする請求項５記載のパタ
ーン照合装置。 - 【請求項９】 前記主成分分析手段の代わりに、次式10 【数１０】 を共分散行列として持つ分布の主成分分析を行ない、主
成分と主成分方向の分散を反映した値を出力する適応型
主成分分析手段を設けたことを特徴とする請求項１記載
のパターン照合装置。 - 【請求項１０】 雑音成分が加わっていないパターンの
標本集合を入力するための第３の標本パターン入力手段
と、前記第３の標本パターン入力手段によって入力され
たパターンの標本集合を格納する第３の記憶手段をさら
に設け、前記主成分分析手段が前記第３の記憶手段に格
納されているパターンの標本集合と前記差パターン生成
手段によって生成される差のパターンの集合とをあわせ
たパターンの集合に対して主成分分析を行なうことを特
徴とする請求項１記載のパターン照合装置。 - 【請求項１１】 標本パターンの主成分分析による固有
ベクトルと固有値に基づいて照合パターンの相似度を算
出してパターン照合をすることにより、照合するパター
ンの片方に非常に大きな雑音成分が加わっている場合で
もロバストな照合が可能であるパターン照合装置におい
て、雑音成分が加わっていないパターンの分布の情報と
して基底軸ｕiと基底軸方向の分散値νiの組（ｕi,
νi）（１≦ｉ≦Ｌ）を入力する標準分布情報入力手段
と、雑音成分の分布の情報として基底軸ｕi'と基底軸方
向の分散値νi'の組（ｕi',νi'）（１≦ｉ≦Ｌ'）を入
力する雑音分布情報入力手段と、前記標準分布情報入力
手段と前記雑音分布情報入力手段から分布情報を獲得
し、次式11 【数１１】 を共分散行列として持つ分布の主成分分析を行ない、主
成分と主成分方向の分散を反映した値を出力する主成分
分析手段と、前記主成分分析手段から出力されたデータ
を格納する分析結果記憶手段と、照合する２つのパター
ンを入力する照合パターン入力手段と、前記分析結果記
憶手段に格納されているデータを参照しその結果に基づ
いて、前記照合パターン入力手段から入力された２つの
パターンの相似度をパターンの主成分方向の成分に重み
付けして算出する相似度算出手段を備えることを特徴と
するパターン照合装置。 - 【請求項１２】 前記標準分布情報入力手段の代わり
に、雑音成分が加わっていないパターンの標本集合を入
力するための標本パターン入力手段を設け、前記主成分
分析手段が前記標本パターン入力手段と前記雑音分布情
報入力手段から標本パターンＶi（１≦ｉ≦Ｎ）と雑音
分布の情報（ｕi',νi'）（１≦ｉ≦Ｌ'）をそれぞれ受
け取り、次式12 【数１２】 を共分散行列として持つ分布の主成分分析を行ない、主
成分と主成分方向の分散を反映した値を出力することを
特徴とする請求項11記載のパターン照合装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7917097A JPH10228543A (ja) | 1996-12-11 | 1997-03-14 | パターン照合装置 |
| US08/984,061 US6345109B1 (en) | 1996-12-05 | 1997-12-03 | Face recognition-matching system effective to images obtained in different imaging conditions |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP34645796 | 1996-12-11 | ||
| JP8-346457 | 1996-12-11 | ||
| JP7917097A JPH10228543A (ja) | 1996-12-11 | 1997-03-14 | パターン照合装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH10228543A true JPH10228543A (ja) | 1998-08-25 |
Family
ID=26420226
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7917097A Withdrawn JPH10228543A (ja) | 1996-12-05 | 1997-03-14 | パターン照合装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH10228543A (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001118068A (ja) * | 1999-10-18 | 2001-04-27 | Matsushita Electric Ind Co Ltd | パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置 |
| JP2003076991A (ja) * | 2001-08-31 | 2003-03-14 | Japan Science & Technology Corp | 自動検査装置及び方法並びに画像信号の処理方法 |
| US6888955B2 (en) | 2000-04-25 | 2005-05-03 | Fujitsu Limited | Picture recognition apparatus and method |
| US7003164B2 (en) | 2001-01-31 | 2006-02-21 | Fujitsu Limited | Pattern recognition apparatus and method using probability density function |
| JP2008542898A (ja) * | 2005-06-01 | 2008-11-27 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | テンプレート保護システムでの分類境界の形成 |
| JP2016118824A (ja) * | 2014-12-18 | 2016-06-30 | 清水建設株式会社 | 移動体位置検出システムおよび方法 |
-
1997
- 1997-03-14 JP JP7917097A patent/JPH10228543A/ja not_active Withdrawn
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001118068A (ja) * | 1999-10-18 | 2001-04-27 | Matsushita Electric Ind Co Ltd | パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置 |
| JP4543455B2 (ja) * | 1999-10-18 | 2010-09-15 | パナソニック株式会社 | パターン認識方法及びパターン認識装置、並びにパターン照合方法及びパターン照合装置 |
| US6888955B2 (en) | 2000-04-25 | 2005-05-03 | Fujitsu Limited | Picture recognition apparatus and method |
| US7003164B2 (en) | 2001-01-31 | 2006-02-21 | Fujitsu Limited | Pattern recognition apparatus and method using probability density function |
| CN100416589C (zh) * | 2001-01-31 | 2008-09-03 | 富士通株式会社 | 采用概率密度函数的模式识别装置及其方法 |
| JP2003076991A (ja) * | 2001-08-31 | 2003-03-14 | Japan Science & Technology Corp | 自動検査装置及び方法並びに画像信号の処理方法 |
| JP2008542898A (ja) * | 2005-06-01 | 2008-11-27 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | テンプレート保護システムでの分類境界の形成 |
| JP2016118824A (ja) * | 2014-12-18 | 2016-06-30 | 清水建設株式会社 | 移動体位置検出システムおよび方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5901244A (en) | Feature extraction system and face image recognition system | |
| US6430307B1 (en) | Feature extraction system and face image recognition system | |
| US6345109B1 (en) | Face recognition-matching system effective to images obtained in different imaging conditions | |
| JP4443722B2 (ja) | 画像認識装置及び方法 | |
| CN100367311C (zh) | 人脸元数据生成与人脸相似度计算 | |
| JP4543423B2 (ja) | 対象物自動認識照合方法および装置 | |
| EP1677250B1 (en) | Image collation system and image collation method | |
| US5842194A (en) | Method of recognizing images of faces or general images using fuzzy combination of multiple resolutions | |
| US7224823B2 (en) | Parameter estimation apparatus and data matching apparatus | |
| US7856122B2 (en) | Method and device for collating biometric information | |
| US20060165293A1 (en) | Object posture estimation/correction system using weight information | |
| US20060204103A1 (en) | Object detection apparatus, learning apparatus, object detection system, object detection method and object detection program | |
| US8620036B2 (en) | System and method for controlling image quality | |
| WO2004008392A1 (ja) | ３次元物体モデルを用いた画像照合システム、画像照合方法及び画像照合プログラム | |
| JP2000306095A (ja) | 画像照合・検索システム | |
| JPH10228543A (ja) | パターン照合装置 | |
| Grijalva et al. | Smartphone recognition of the US banknotes' denomination, for visually impaired people | |
| JPH1185988A (ja) | 顔画像認識システム | |
| Bulugu et al. | Higher-order local autocorrelation feature extraction methodology for hand gestures recognition | |
| Mok et al. | Lip features selection with application to person authentication | |
| JP2004272326A (ja) | 部分空間成分特徴を用いた顔面描写および認識用の確率的顔面成分融合方法 | |
| KR100571800B1 (ko) | 계층적 주요 성분 분석에 기반한 얼굴 인식 방법 및 장치 | |
| Hahmann et al. | Model interpolation for eye localization using the Discriminative Generalized Hough Transform | |
| JP3841481B2 (ja) | 特徴抽出装置及びそれを用いたパターン識別装置 | |
| KR20200106796A (ko) | 실시간 영상에서 대상의 id를 부여하고 연령과 성별을 추정하는 방법 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060127 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060404 |
|
| A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20060515 |