JP2000090271A - 部分辞書削減方法と辞書削減方法と評価方法 - Google Patents
部分辞書削減方法と辞書削減方法と評価方法Info
- Publication number
- JP2000090271A JP2000090271A JP10260128A JP26012898A JP2000090271A JP 2000090271 A JP2000090271 A JP 2000090271A JP 10260128 A JP10260128 A JP 10260128A JP 26012898 A JP26012898 A JP 26012898A JP 2000090271 A JP2000090271 A JP 2000090271A
- Authority
- JP
- Japan
- Prior art keywords
- dictionary
- partial
- dictionaries
- local feature
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】辞書容量を適切にして認識性能を落とすことな
く部分辞書または辞書を削減する。 【解決手段】相互情報の小さい部分辞書を削減し、相互
情報量の大きい部分辞書を残すことで辞書決定の能力を
できるだけ落さずに部分辞書数の削減を行い、また、辞
書数の削減を類似度Ｓｉｍ（Ｘｔ←Ｘｓ）が十分大き
く、かつ類似度Ｓｉｍ（Ｘｔ←Ｘｓ）が類似度Ｓｉｍ
（Ｘｓ←Ｘｔ）に比べて十分大きい場合は、辞書Ｘｓを
辞書Ｘｔにマージし同一視することができて辞書Ｘｓを
削除する。
く部分辞書または辞書を削減する。 【解決手段】相互情報の小さい部分辞書を削減し、相互
情報量の大きい部分辞書を残すことで辞書決定の能力を
できるだけ落さずに部分辞書数の削減を行い、また、辞
書数の削減を類似度Ｓｉｍ（Ｘｔ←Ｘｓ）が十分大き
く、かつ類似度Ｓｉｍ（Ｘｔ←Ｘｓ）が類似度Ｓｉｍ
（Ｘｓ←Ｘｔ）に比べて十分大きい場合は、辞書Ｘｓを
辞書Ｘｔにマージし同一視することができて辞書Ｘｓを
削除する。
Description
【０００１】
【発明の属する技術分野】この発明は、画像の中の対象
物を特徴パターンとして位置や姿勢を認識するマッチン
グ用辞書を削減する部分辞書削減方法と辞書削減方法と
その評価方法に関する。
物を特徴パターンとして位置や姿勢を認識するマッチン
グ用辞書を削減する部分辞書削減方法と辞書削減方法と
その評価方法に関する。
【０００２】
【従来の技術】（１）画像の中の対象物全体を特徴パタ
ーンとして、位置や姿勢を認識する手法がある。 （２）部分的な隠れに強くするため、対象物の局所的な
特徴をもとに位置や姿勢を認識する手法がある。
ーンとして、位置や姿勢を認識する手法がある。 （２）部分的な隠れに強くするため、対象物の局所的な
特徴をもとに位置や姿勢を認識する手法がある。
【０００３】（３）局所的な特徴量の数を、個々の特徴
量間の類似度をもとに削減する手法がある。 しかしながら、上記（１）の手法は、対象物全体をパタ
ーンとして扱うので、部分的な隠れやノイズに弱い。ま
た、（２）の手法は、学習用の辞書画像を増やすと、そ
れにともなって辞書が増大していくという問題がある。
さらに、（３）の手法は、他の局所特徴量で類似度の高
いものがあるかどうかで削減候補を選択するので、他に
似ている局所特徴量が１つでもあると削減の対象となっ
てしまうという問題がある。
量間の類似度をもとに削減する手法がある。 しかしながら、上記（１）の手法は、対象物全体をパタ
ーンとして扱うので、部分的な隠れやノイズに弱い。ま
た、（２）の手法は、学習用の辞書画像を増やすと、そ
れにともなって辞書が増大していくという問題がある。
さらに、（３）の手法は、他の局所特徴量で類似度の高
いものがあるかどうかで削減候補を選択するので、他に
似ている局所特徴量が１つでもあると削減の対象となっ
てしまうという問題がある。
【０００４】
【発明が解決しようとする課題】上記したように、従来
の手法では、、対象物全体をパターンとして位置や姿勢
を認識するのでは部分的な隠れやノイズに弱く、これに
対して対象物の局所的（部分的）な特徴をもとに位置や
姿勢を認識すると学習用の辞書画像を増やすとそれにと
もなって辞書が増大してしまい、さらに局所的な特徴量
の数を個々の特徴量間の類似度をもとに削減すると他の
局所特徴量で類似度の高いものがあるかどうかで削減候
補を選択するので他に似ている局所特徴量が１つでもあ
ると削減の対象となってしまうというように、辞書容量
が不適切となったり認識性能を落としてしまうという問
題があった。
の手法では、、対象物全体をパターンとして位置や姿勢
を認識するのでは部分的な隠れやノイズに弱く、これに
対して対象物の局所的（部分的）な特徴をもとに位置や
姿勢を認識すると学習用の辞書画像を増やすとそれにと
もなって辞書が増大してしまい、さらに局所的な特徴量
の数を個々の特徴量間の類似度をもとに削減すると他の
局所特徴量で類似度の高いものがあるかどうかで削減候
補を選択するので他に似ている局所特徴量が１つでもあ
ると削減の対象となってしまうというように、辞書容量
が不適切となったり認識性能を落としてしまうという問
題があった。
【０００５】そこで、この発明は、辞書容量を適切にし
て認識性能を落とすことなく部分辞書または辞書を削減
する部分辞書削減方法と辞書削減方法を提供することを
目的とする。また、この発明は、削減した部分辞書また
は辞書における認識性能を評価する評価方法を提供する
ことを目的とする。
て認識性能を落とすことなく部分辞書または辞書を削減
する部分辞書削減方法と辞書削減方法を提供することを
目的とする。また、この発明は、削減した部分辞書また
は辞書における認識性能を評価する評価方法を提供する
ことを目的とする。
【０００６】
【課題を解決するための手段】この発明の部分辞書削減
方法は、対象物の物理量パターン中の局所特徴量のマッ
チングを行うための局所特徴量の部分辞書の集合からな
る辞書を複数有する辞書集合における部分辞書削減方法
であって、上記辞書における部分辞書が該辞書に含まれ
る他の部分辞書との類似度と、該部分辞書が上記辞書集
合に対して有する情報量とを選択基準として部分辞書を
削減するようにしたことを特徴とする。
方法は、対象物の物理量パターン中の局所特徴量のマッ
チングを行うための局所特徴量の部分辞書の集合からな
る辞書を複数有する辞書集合における部分辞書削減方法
であって、上記辞書における部分辞書が該辞書に含まれ
る他の部分辞書との類似度と、該部分辞書が上記辞書集
合に対して有する情報量とを選択基準として部分辞書を
削減するようにしたことを特徴とする。
【０００７】この発明の辞書削減方法は、対象物の物理
量パターン中の局所特徴量のマッチングを行うための局
所特徴量の部分辞書の集合からなる辞書を複数有する辞
書集合における辞書削減方法であって、部分辞書間の類
似度に基づいて、第１の辞書からの第２の辞書の類似度
と、該第２の辞書からの該第１の辞書の類似度との大小
関係により第１の辞書または第２の辞書を削減するよう
にしたことを特徴とする。
量パターン中の局所特徴量のマッチングを行うための局
所特徴量の部分辞書の集合からなる辞書を複数有する辞
書集合における辞書削減方法であって、部分辞書間の類
似度に基づいて、第１の辞書からの第２の辞書の類似度
と、該第２の辞書からの該第１の辞書の類似度との大小
関係により第１の辞書または第２の辞書を削減するよう
にしたことを特徴とする。
【０００８】この発明の評価方法は、入力データ内から
対象物の位置を検出するシステムにおける検出性能を評
価する評価方法であって、出力された検出位置が実際の
位置とどれだけずれているかの値と、該検出位置に対す
る確信度の値とから検出性能を評価するようにしたこと
を特徴とする。
対象物の位置を検出するシステムにおける検出性能を評
価する評価方法であって、出力された検出位置が実際の
位置とどれだけずれているかの値と、該検出位置に対す
る確信度の値とから検出性能を評価するようにしたこと
を特徴とする。
【０００９】この発明の評価方法は、対象物の物理量パ
ターン中の局所特徴量のマッチングを行うための局所特
徴量の部分辞書の集合からなる辞書を複数有する辞書集
合における部分辞書削減の評価方法であって、部分辞書
が削減された辞書集合から出力された検出位置が実際の
位置とどれだけずれているかの値と、該検出位置に対す
る確信度の値とから辞書の認識性能を算出して部分辞書
削減の収束の度合を評価するようにしたことを特徴とす
る。
ターン中の局所特徴量のマッチングを行うための局所特
徴量の部分辞書の集合からなる辞書を複数有する辞書集
合における部分辞書削減の評価方法であって、部分辞書
が削減された辞書集合から出力された検出位置が実際の
位置とどれだけずれているかの値と、該検出位置に対す
る確信度の値とから辞書の認識性能を算出して部分辞書
削減の収束の度合を評価するようにしたことを特徴とす
る。
【００１０】この発明の評価方法は、対象物の物理量パ
ターン中の局所特徴量のマッチングを行うための局所特
徴量の部分辞書の集合からなる辞書を複数有する辞書集
合における辞書削減の評価方法であって、第１の辞書に
類似度が高いとして削減された第２の辞書に含まれる部
分辞書が、最も類似度の高い部分辞書として正しく該第
１の辞書の部分辞書を選択したかの正解率を、削除され
なかった辞書数に基づく正解率の期待値と比較して削減
の収束の度合を判定するようにしたことを特徴とする。
ターン中の局所特徴量のマッチングを行うための局所特
徴量の部分辞書の集合からなる辞書を複数有する辞書集
合における辞書削減の評価方法であって、第１の辞書に
類似度が高いとして削減された第２の辞書に含まれる部
分辞書が、最も類似度の高い部分辞書として正しく該第
１の辞書の部分辞書を選択したかの正解率を、削除され
なかった辞書数に基づく正解率の期待値と比較して削減
の収束の度合を判定するようにしたことを特徴とする。
【００１１】この発明の評価方法は、対象物の物理量パ
ターン中の局所特徴量のマッチングを行うための局所特
徴量の部分辞書の集合からなる辞書を複数有する辞書集
合における辞書削減の評価方法であって、辞書が削減さ
れた辞書集合から出力された検出位置が実際の位置とど
れだけずれているかの値と、該検出位置に対する確信度
の値とから辞書の認識性能を算出して辞書削減の収束の
度合を評価するようにしたことを特徴とする。
ターン中の局所特徴量のマッチングを行うための局所特
徴量の部分辞書の集合からなる辞書を複数有する辞書集
合における辞書削減の評価方法であって、辞書が削減さ
れた辞書集合から出力された検出位置が実際の位置とど
れだけずれているかの値と、該検出位置に対する確信度
の値とから辞書の認識性能を算出して辞書削減の収束の
度合を評価するようにしたことを特徴とする。
【００１２】
【発明の実施の形態】以下、この発明の一実施の形態に
ついて図面を参照して説明する。図１は、局所特徴量に
よる対象物認識を示すものである。図に示すように、対
象物の局所的なパターンを特徴量（局所特徴量）とし、
これらのマッチング結果を統合することにより、人物や
顔の検出・切り出し、姿勢認識、帳票の種類・位置・角
度認識などを行なうことができる。
ついて図面を参照して説明する。図１は、局所特徴量に
よる対象物認識を示すものである。図に示すように、対
象物の局所的なパターンを特徴量（局所特徴量）とし、
これらのマッチング結果を統合することにより、人物や
顔の検出・切り出し、姿勢認識、帳票の種類・位置・角
度認識などを行なうことができる。
【００１３】以下、局所特徴量の個々のパターン辞書を
“部分辞書”と呼び、それらの部分辞書を含む個々の辞
書（学習画像１枚に対応）を単に“辞書”と呼ぶ。第１
実施例では、部分辞書からなる辞書セットに含まれる部
分辞書数または辞書数を削減する方法を示し、第２実施
例では、対象物の位置検出システムにおける検出性能の
評価方法を示す。
“部分辞書”と呼び、それらの部分辞書を含む個々の辞
書（学習画像１枚に対応）を単に“辞書”と呼ぶ。第１
実施例では、部分辞書からなる辞書セットに含まれる部
分辞書数または辞書数を削減する方法を示し、第２実施
例では、対象物の位置検出システムにおける検出性能の
評価方法を示す。
【００１４】まず、第１実施例について説明する。第１
実施例では、上述したように部分辞書からなる辞書セッ
トに含まれる部分辞書数または辞書数を削減する方法を
示す。
実施例では、上述したように部分辞書からなる辞書セッ
トに含まれる部分辞書数または辞書数を削減する方法を
示す。
【００１５】図２の（ａ）に示すように辞書セットＸを
構成する辞書Ｘ１，Ｘ２，．．．，Ｘｎがあるとする。
各辞書Ｘ１．．．はさらにいくつかの部分辞書から構成
されている。個々の部分辞書はａ×ｂピクセルのパター
ンだとする。
構成する辞書Ｘ１，Ｘ２，．．．，Ｘｎがあるとする。
各辞書Ｘ１．．．はさらにいくつかの部分辞書から構成
されている。個々の部分辞書はａ×ｂピクセルのパター
ンだとする。
【００１６】すると部分辞書ｓとｔの類似度Ｓｉｍ
（ｓ，ｔ）は、例えば、下記式のように表すことができ
る。 Ｓｉｍ( ｓ，ｔ) ＝Σ （ｓ_ ｉ- ｔ_ ｉ） ｉ＝｛ａ×ｂ｝ ｓ_ ｉは、部分辞書ｓのｉピクセルの画素値。
（ｓ，ｔ）は、例えば、下記式のように表すことができ
る。 Ｓｉｍ( ｓ，ｔ) ＝Σ （ｓ_ ｉ- ｔ_ ｉ） ｉ＝｛ａ×ｂ｝ ｓ_ ｉは、部分辞書ｓのｉピクセルの画素値。
【００１７】ｉは、ａ×ｂのパターン中の１点を示す。
ここで Ｓｉｍ（ｓ，ｔ） ＞ Ｔｈ （Ｔｈはあるしき
い値） の場合にｓ，ｔを削除してしまうのが従来の手法であ
る。 （１−１）部分辞書数を削減する方法 ここでは、図２に示すプロセスのうち、図２の（ａ）か
ら（ｂ）に示すように部分辞書数を削減するプロセスに
ついて説明する。
ここで Ｓｉｍ（ｓ，ｔ） ＞ Ｔｈ （Ｔｈはあるしき
い値） の場合にｓ，ｔを削除してしまうのが従来の手法であ
る。 （１−１）部分辞書数を削減する方法 ここでは、図２に示すプロセスのうち、図２の（ａ）か
ら（ｂ）に示すように部分辞書数を削減するプロセスに
ついて説明する。
【００１８】まず、辞書Ｘｓに含まれる部分辞書ｓが、
辞書Ｘｓに対して持つ情報量を考える。部分辞書ｓと十
分に類似度の高い部分辞書ｔ（Ｓｉｍ（ｓ，ｔ） ＞
Ｔｈ）の総数をＮｔとする（一般にＮｔは部分辞書の総
数に比例する）。
辞書Ｘｓに対して持つ情報量を考える。部分辞書ｓと十
分に類似度の高い部分辞書ｔ（Ｓｉｍ（ｓ，ｔ） ＞
Ｔｈ）の総数をＮｔとする（一般にＮｔは部分辞書の総
数に比例する）。
【００１９】いま、部分辞書ｓに最も近いと判断される
べきある入力部分パターンがあったとすると、その入力
部分パターンに対して最も類似度の高い部分辞書として
正しくｓが選ばれる確率は、 Ｐ（ｓ）＝１／Ｎｔ である。なぜなら、部分辞書ｔとｓは、類似度が十分高
いため両者は同一視され、そのようなＮｔ個の部分辞書
のどれかが等確率で入力パターンに最も近いと評価され
ることになるためである。
べきある入力部分パターンがあったとすると、その入力
部分パターンに対して最も類似度の高い部分辞書として
正しくｓが選ばれる確率は、 Ｐ（ｓ）＝１／Ｎｔ である。なぜなら、部分辞書ｔとｓは、類似度が十分高
いため両者は同一視され、そのようなＮｔ個の部分辞書
のどれかが等確率で入力パターンに最も近いと評価され
ることになるためである。
【００２０】また、辞書Ｘｓに含まれる部分辞書数がＮ
ｓだとすると、 Ｐ（Ｘｓ／ｓ）＝１／Ｎｓ と表すことができる。ここでは事後確率を、部分辞書ｓ
の出現により辞書Ｘｓであると決定付けることのできる
確信度としてとらえている。
ｓだとすると、 Ｐ（Ｘｓ／ｓ）＝１／Ｎｓ と表すことができる。ここでは事後確率を、部分辞書ｓ
の出現により辞書Ｘｓであると決定付けることのできる
確信度としてとらえている。
【００２１】ここで、部分辞書ｓが辞書Ｘｓに対しても
つ情報量（相互情報量Ｉ（Ｘｓ；ｓ））というのは、辞
書入力Ｘｓに対して部分辞書出力を得る系において、入
力Ｘｓのエントロピーが、出力ｓを得る前と後とでどれ
だけ減少したかによって定義できる。
つ情報量（相互情報量Ｉ（Ｘｓ；ｓ））というのは、辞
書入力Ｘｓに対して部分辞書出力を得る系において、入
力Ｘｓのエントロピーが、出力ｓを得る前と後とでどれ
だけ減少したかによって定義できる。
【００２２】 Ｉ（Ｘｓ；ｓ）＝Ｈ（Ｘｓ）−Ｈ（Ｘｓ／ｓ） なお、Ｈ（Ｘｓ）は出力ｓを得る前のＸｓのエントロピ
ーで、Ｈ（Ｘｓ／ｓ）は出力ｓを得た後のＸｓのエント
ロピーである。
ーで、Ｈ（Ｘｓ／ｓ）は出力ｓを得た後のＸｓのエント
ロピーである。
【００２３】また、部分辞書ｓは辞書Ｘｓ以外には含ま
れないので、 Ｉ（Ｘｓ以外の辞書；ｓ）＝０ である。
れないので、 Ｉ（Ｘｓ以外の辞書；ｓ）＝０ である。
【００２４】よって、部分辞書ｓにより辞書セットＸに
対して得られる相互情報量Ｉ（Ｘ；ｓ）は、 Ｉ（Ｘ；ｓ）＝Ｉ（Ｘｓ；ｓ）＋ΣＩ（Ｘｓ以外の辞書；ｓ） ＝Ｉ（Ｘｓ；ｓ） ＝Ｈ（Ｘｓ）−Ｈ（Ｘｓ／ｓ） ＝Ｐ（Ｘｓ）ｌｏｇ（１／Ｐ（Ｘｓ））−Ｐ（Ｘｓ，ｓ）ｌｏｇ （１／Ｐ（Ｘｓ／ｓ）） ＝Ｐ（Ｘｓ）ｌｏｇ（１／Ｐ（Ｘｓ））−Ｐ（ｓ）Ｐ（Ｘｓ／ｓ ）ｌｏｇ（１／Ｐ（Ｘｓ／ｓ）） ＝Ｐ（Ｘｓ）ｌｏｇ（１／Ｐ（Ｘｓ））＋Ｐ（ｓ）Ｐ（Ｘｓ／ｓ ）ｌｏｇＰ（Ｘｓ／ｓ） と書ける。
対して得られる相互情報量Ｉ（Ｘ；ｓ）は、 Ｉ（Ｘ；ｓ）＝Ｉ（Ｘｓ；ｓ）＋ΣＩ（Ｘｓ以外の辞書；ｓ） ＝Ｉ（Ｘｓ；ｓ） ＝Ｈ（Ｘｓ）−Ｈ（Ｘｓ／ｓ） ＝Ｐ（Ｘｓ）ｌｏｇ（１／Ｐ（Ｘｓ））−Ｐ（Ｘｓ，ｓ）ｌｏｇ （１／Ｐ（Ｘｓ／ｓ）） ＝Ｐ（Ｘｓ）ｌｏｇ（１／Ｐ（Ｘｓ））−Ｐ（ｓ）Ｐ（Ｘｓ／ｓ ）ｌｏｇ（１／Ｐ（Ｘｓ／ｓ）） ＝Ｐ（Ｘｓ）ｌｏｇ（１／Ｐ（Ｘｓ））＋Ｐ（ｓ）Ｐ（Ｘｓ／ｓ ）ｌｏｇＰ（Ｘｓ／ｓ） と書ける。
【００２５】Ｘｓは辞書Ｘ１，Ｘ２，．．．，Ｘｎのど
れかであるが、対応する正解辞書に対して入力パターン
に偏りがないとすれば（つまり、ある特定の辞書に近い
パターンばかりが入力されるのでなければ）、Ｐ（Ｘ
１）＝．．．＝Ｐ（Ｘｎ）であり、上式の第一項は定数
として無視できる。
れかであるが、対応する正解辞書に対して入力パターン
に偏りがないとすれば（つまり、ある特定の辞書に近い
パターンばかりが入力されるのでなければ）、Ｐ（Ｘ
１）＝．．．＝Ｐ（Ｘｎ）であり、上式の第一項は定数
として無視できる。
【００２６】よって最終的に第二項の Ｐ（ｓ）Ｐ（Ｘｓ／ｓ）ｌｏｇＰ（Ｘｓ／ｓ）＝（１／
Ｎｔ）＊（１／Ｎｓ）＊ｌｏｇ（１／Ｎｓ） を最大にするｓが最も相互情報量が大きい、つまり辞書
の決定に対して情報量を持っていることになる。似てい
る部分辞書の数が少ない（Ｎｔが小）ほど、また辞書Ｘ
ｓに含まれる部分辞書の数が少ない（Ｎｓが小）ほど、
この値は大きくなる。
Ｎｔ）＊（１／Ｎｓ）＊ｌｏｇ（１／Ｎｓ） を最大にするｓが最も相互情報量が大きい、つまり辞書
の決定に対して情報量を持っていることになる。似てい
る部分辞書の数が少ない（Ｎｔが小）ほど、また辞書Ｘ
ｓに含まれる部分辞書の数が少ない（Ｎｓが小）ほど、
この値は大きくなる。
【００２７】このようにして、辞書決定に対してあまり
情報量をもっていない相互情報の小さい部分辞書を削減
し、辞書決定に対して情報量を多くもつ相互情報量の大
きい部分辞書を残すことで、辞書決定の能力をできるだ
け落さずに部分辞書数の削減を行なうことができる。 （１−２）部分辞書数削減の収束判定方法 部分辞書数を削減していくと、辞書全体のもつ情報量が
減少していくため、一般に認識性能は落ちる。後述する
第２実施例で説明する位置検出ずれに基づく認識性能評
価により認識性能Ａｃｃを求め、これに対しあるしきい
値Ｔｈ＿ａｃｃを設定すると、 Ａｃｃ ≧ Ｔｈ＿ａｃｃ である場合は十分な認識性能を保持しているとして削除
処理を続け、 Ａｃｃ ＜ Ｔｈ＿ａｃｃ となったら十分な認識性能を保持できなくなったとして
削除が収束したと判断する。 （２−１）辞書数を削減する方法 上記説明では部分辞書ｓを単位として削減したのに対
し、ここでは部分辞書ではなく、その集合である辞書Ｘ
ｓを単位として辞書数を削減する。
情報量をもっていない相互情報の小さい部分辞書を削減
し、辞書決定に対して情報量を多くもつ相互情報量の大
きい部分辞書を残すことで、辞書決定の能力をできるだ
け落さずに部分辞書数の削減を行なうことができる。 （１−２）部分辞書数削減の収束判定方法 部分辞書数を削減していくと、辞書全体のもつ情報量が
減少していくため、一般に認識性能は落ちる。後述する
第２実施例で説明する位置検出ずれに基づく認識性能評
価により認識性能Ａｃｃを求め、これに対しあるしきい
値Ｔｈ＿ａｃｃを設定すると、 Ａｃｃ ≧ Ｔｈ＿ａｃｃ である場合は十分な認識性能を保持しているとして削除
処理を続け、 Ａｃｃ ＜ Ｔｈ＿ａｃｃ となったら十分な認識性能を保持できなくなったとして
削除が収束したと判断する。 （２−１）辞書数を削減する方法 上記説明では部分辞書ｓを単位として削減したのに対
し、ここでは部分辞書ではなく、その集合である辞書Ｘ
ｓを単位として辞書数を削減する。
【００２８】図２に示すプロセスのうち、図２の（ａ）
から（ｃ）に示すような辞書数を削減するプロセスに相
当する。辞書Ｘｓから見た辞書Ｘｔの類似度は、辞書Ｘ
ｓに含まれる部分辞書ｓと辞書Ｘｔに含まれる部分辞書
ｔとの類似度をもとにして と定義できる。同様にＳｉｍ（Ｘｓ←Ｘｔ）も定義でき
る。
から（ｃ）に示すような辞書数を削減するプロセスに相
当する。辞書Ｘｓから見た辞書Ｘｔの類似度は、辞書Ｘ
ｓに含まれる部分辞書ｓと辞書Ｘｔに含まれる部分辞書
ｔとの類似度をもとにして と定義できる。同様にＳｉｍ（Ｘｓ←Ｘｔ）も定義でき
る。
【００２９】ここで、Ｓｉｍ（Ｘｔ←Ｘｓ）が大きいと
いうことは、Ｘｓから見てＸｔが類似度の高い辞書であ
る（類似度の高い部分辞書を多く持っている）というこ
とを意味する。
いうことは、Ｘｓから見てＸｔが類似度の高い辞書であ
る（類似度の高い部分辞書を多く持っている）というこ
とを意味する。
【００３０】さらにＳｉｍ（Ｘｔ←Ｘｓ） ＞＞ Ｓｉ
ｍ（Ｘｓ←Ｘｔ）の場合、これはＸｓはＸｔにだけ近
い。ＸｔはＸｓに近いかもしれないが、Ｘｓ以外にも近
いものがある。ということを意味する。そのような状況
を２次元的に表現したものが図３である。
ｍ（Ｘｓ←Ｘｔ）の場合、これはＸｓはＸｔにだけ近
い。ＸｔはＸｓに近いかもしれないが、Ｘｓ以外にも近
いものがある。ということを意味する。そのような状況
を２次元的に表現したものが図３である。
【００３１】ここで、簡単のために類似度Ｓｉｍを距離
Ｄｉｓｔを用いて Ｓｉｍ（Ｘｔ←Ｘｓ）＝１／Ｄｉｓｔ（Ｘｔ←Ｘｓ） と考えると、ＸｓとＸｔが十分に近い場合、 Ｓｉｍ（Ｘｔ←Ｘｓ） ＞＞ Ｓｉｍ（Ｘｔ以外←Ｘｓ） つまり Ｄｉｓｔ（Ｘｔ←Ｘｓ） ＜＜ Ｄｉｓｔ（Ｘｔ以外←Ｘｓ） であるから、ある辞書Ｘｙに対する距離Ｄｉｓｔは、 Ｄｉｓｔ（Ｘｙ←Ｘｓ）≒Ｄｉｓｔ（Ｘｙ←Ｘｔ） ＋ Ｄｉｓｔ（Ｘｔ←Ｘｓ） ≒Ｄｉｓｔ（Ｘｙ←Ｘｔ） となり、 Ｓｉｍ（Ｘｙ←Ｘｓ）≒Ｓｉｍ（Ｘｙ←Ｘｔ） であるから、他の辞書Ｘｙに対して、ＸｓはＸｔと同一
視することができる。
Ｄｉｓｔを用いて Ｓｉｍ（Ｘｔ←Ｘｓ）＝１／Ｄｉｓｔ（Ｘｔ←Ｘｓ） と考えると、ＸｓとＸｔが十分に近い場合、 Ｓｉｍ（Ｘｔ←Ｘｓ） ＞＞ Ｓｉｍ（Ｘｔ以外←Ｘｓ） つまり Ｄｉｓｔ（Ｘｔ←Ｘｓ） ＜＜ Ｄｉｓｔ（Ｘｔ以外←Ｘｓ） であるから、ある辞書Ｘｙに対する距離Ｄｉｓｔは、 Ｄｉｓｔ（Ｘｙ←Ｘｓ）≒Ｄｉｓｔ（Ｘｙ←Ｘｔ） ＋ Ｄｉｓｔ（Ｘｔ←Ｘｓ） ≒Ｄｉｓｔ（Ｘｙ←Ｘｔ） となり、 Ｓｉｍ（Ｘｙ←Ｘｓ）≒Ｓｉｍ（Ｘｙ←Ｘｔ） であるから、他の辞書Ｘｙに対して、ＸｓはＸｔと同一
視することができる。
【００３２】よって、Ｓｉｍ（Ｘｔ←Ｘｓ）が十分大き
く、かつＳｉｍ（Ｘｔ←Ｘｓ）がＳｉｍ（Ｘｓ←Ｘｔ）
に比べて十分大きい場合は、ＸｓをＸｔにマージし同一
視することができ、辞書Ｘｓを削除することが可能にな
る。 （２−２）辞書数削減の収束判定方法 辞書Ｘ０が辞書Ｘ１にマージされ削除されたとする。こ
のとき、削除された辞書Ｘ０に含まれる部分辞書それぞ
れについて、それまでにマージされずに残っている辞書
（Ｎ個あるとする）に含まれる部分辞書のうちで最も類
似度の高い部分辞書を選択することを考える。辞書Ｘ０
は辞書Ｘ１に類似度が高いとしてマージされたので、理
想的にはＸ０の部分辞書はすべて、最も類似度の高い部
分辞書としてＸ１の部分辞書を選択するはずである。し
かし実際はＸ０の部分辞書の一部はＸ１の部分辞書を選
択するが、その他はＸ１以外の部分辞書を選択してしま
う。この正しくＸ１の部分辞書を選択した割合を正解率
Ｒ＿ｃｏｒｒｅｃｔとする。
く、かつＳｉｍ（Ｘｔ←Ｘｓ）がＳｉｍ（Ｘｓ←Ｘｔ）
に比べて十分大きい場合は、ＸｓをＸｔにマージし同一
視することができ、辞書Ｘｓを削除することが可能にな
る。 （２−２）辞書数削減の収束判定方法 辞書Ｘ０が辞書Ｘ１にマージされ削除されたとする。こ
のとき、削除された辞書Ｘ０に含まれる部分辞書それぞ
れについて、それまでにマージされずに残っている辞書
（Ｎ個あるとする）に含まれる部分辞書のうちで最も類
似度の高い部分辞書を選択することを考える。辞書Ｘ０
は辞書Ｘ１に類似度が高いとしてマージされたので、理
想的にはＸ０の部分辞書はすべて、最も類似度の高い部
分辞書としてＸ１の部分辞書を選択するはずである。し
かし実際はＸ０の部分辞書の一部はＸ１の部分辞書を選
択するが、その他はＸ１以外の部分辞書を選択してしま
う。この正しくＸ１の部分辞書を選択した割合を正解率
Ｒ＿ｃｏｒｒｅｃｔとする。
【００３３】一方マージされずに残っている辞書数がＮ
であるので、各辞書内の部分辞書数に偏りがないとすれ
ば、正解率の期待値は１／Ｎになる。Ｘ０とＸ１が十分
に類似度が高く適切なマージであった場合は、Ｒ＿ｃｏ
ｒｒｅｃｔは十分高い値を保ち、その値は１／Ｎよりも
十分大きくなる。しかし図４に示すように、Ｘ０とＸ１
の類似度の高さが他の辞書との類似度の高さよりも十分
に大きくない場合は、残ったＮ個の辞書それぞれに選択
が分散してしまい、正解率は１／Ｎに近付く。
であるので、各辞書内の部分辞書数に偏りがないとすれ
ば、正解率の期待値は１／Ｎになる。Ｘ０とＸ１が十分
に類似度が高く適切なマージであった場合は、Ｒ＿ｃｏ
ｒｒｅｃｔは十分高い値を保ち、その値は１／Ｎよりも
十分大きくなる。しかし図４に示すように、Ｘ０とＸ１
の類似度の高さが他の辞書との類似度の高さよりも十分
に大きくない場合は、残ったＮ個の辞書それぞれに選択
が分散してしまい、正解率は１／Ｎに近付く。
【００３４】そこで、 Ｒ＿ｃｏｒｒｅｃｔ ≧ ｋ／Ｎ （ｋは適当な係
数） を保つマージは適切なマージとし、 Ｒ＿ｃｏｒｒｅｃｔ ＜ ｋ／Ｎ （ｋは適当な係
数） となった場合は、Ｘ０、Ｘ１のマージが他の辞書とのマ
ージに比べて十分に類似度が高くなかったとして、マー
ジが収束したと判定することができる。ここで係数ｋは
収束判定の基準の厳しさで、ｋが大きくなるほど高い正
解率（あまりマージが進んでいない）段階で収束したと
判定するので残る辞書数が多くなり、ｋが小さいとある
程度正解率が低くなってもマージを続けるので残る辞書
数は少なくなる。
数） を保つマージは適切なマージとし、 Ｒ＿ｃｏｒｒｅｃｔ ＜ ｋ／Ｎ （ｋは適当な係
数） となった場合は、Ｘ０、Ｘ１のマージが他の辞書とのマ
ージに比べて十分に類似度が高くなかったとして、マー
ジが収束したと判定することができる。ここで係数ｋは
収束判定の基準の厳しさで、ｋが大きくなるほど高い正
解率（あまりマージが進んでいない）段階で収束したと
判定するので残る辞書数が多くなり、ｋが小さいとある
程度正解率が低くなってもマージを続けるので残る辞書
数は少なくなる。
【００３５】一方、正解率の代わりに、第２実施例で説
明する位置検出ずれに基づく認識性能評価を用いる手法
では、検出性能Ａｃｃに対してあるしきい値Ｔｈ＿ａｃ
ｃを設定し、 Ａｃｃ ≧ Ｔｈ＿ａｃｃ である場合は十分な認識性能を保持しているとして削除
処理を続け、 Ａｃｃ ＜ Ｔｈ＿ａｃｃ となったら十分な認識性能を保持できなくなったとして
削除が収束したと判断する。
明する位置検出ずれに基づく認識性能評価を用いる手法
では、検出性能Ａｃｃに対してあるしきい値Ｔｈ＿ａｃ
ｃを設定し、 Ａｃｃ ≧ Ｔｈ＿ａｃｃ である場合は十分な認識性能を保持しているとして削除
処理を続け、 Ａｃｃ ＜ Ｔｈ＿ａｃｃ となったら十分な認識性能を保持できなくなったとして
削除が収束したと判断する。
【００３６】次に、第２実施例について説明する。第２
実施例では、対象物の位置検出システムにおける検出性
能の評価方法を示す。
実施例では、対象物の位置検出システムにおける検出性
能の評価方法を示す。
【００３７】位置検出システムから出力される物体の検
出位置を（ｘ，ｙ）、その確信度をＲとし、真の物体の
位置を（Ｘ，Ｙ）とする。すると、物体の検出位置と真
の物体の位置とのずれの２乗であるＤは、 Ｄ＝（Ｘ−ｘ）＊（Ｘ−ｘ）＋（Ｙ−ｙ）＊（Ｙ−ｙ） と表される。また、ずれの２乗ＤがＴｈ以下の時を検出
成功、Ｔｈを超える時を検出失敗とする。このとき、検
出性能Ａｃｃを Ａｃｃ＝ａ＊ｓｑｒｔ（Ｔｈ−Ｄ）＊Ｒ…検出成功（Ｄ
＜＝Ｔｈ）の時 または −ｂ＊ｓｑｒｔ（Ｄ−Ｔｈ）＊Ｒ…検出失敗（Ｄ＞ｔ
ｈ）の時 （ａ，ｂは非負の係数 ） （ｓｑｒｔ（）は平方根を示す） とする。
出位置を（ｘ，ｙ）、その確信度をＲとし、真の物体の
位置を（Ｘ，Ｙ）とする。すると、物体の検出位置と真
の物体の位置とのずれの２乗であるＤは、 Ｄ＝（Ｘ−ｘ）＊（Ｘ−ｘ）＋（Ｙ−ｙ）＊（Ｙ−ｙ） と表される。また、ずれの２乗ＤがＴｈ以下の時を検出
成功、Ｔｈを超える時を検出失敗とする。このとき、検
出性能Ａｃｃを Ａｃｃ＝ａ＊ｓｑｒｔ（Ｔｈ−Ｄ）＊Ｒ…検出成功（Ｄ
＜＝Ｔｈ）の時 または −ｂ＊ｓｑｒｔ（Ｄ−Ｔｈ）＊Ｒ…検出失敗（Ｄ＞ｔ
ｈ）の時 （ａ，ｂは非負の係数 ） （ｓｑｒｔ（）は平方根を示す） とする。
【００３８】これは、確信度Ｒに対し、ずれの２乗Ｄの
大きさに基づいて図５に示すような重み付けをしたもの
である。検出成功の時は確信度Ｒが高いほど検出性能Ａ
ｃｃは高い値をとり、逆に不成功の場合は確信度Ｒが高
いほど検出性能Ａｃｃは低い値をとるようになる。「高
い確信度をもって出力した結果が大きく間違っていたと
いう、検出システムにとって最も好ましくない結果に対
して大きなペナルティを与える」ということを特徴とし
ている。
大きさに基づいて図５に示すような重み付けをしたもの
である。検出成功の時は確信度Ｒが高いほど検出性能Ａ
ｃｃは高い値をとり、逆に不成功の場合は確信度Ｒが高
いほど検出性能Ａｃｃは低い値をとるようになる。「高
い確信度をもって出力した結果が大きく間違っていたと
いう、検出システムにとって最も好ましくない結果に対
して大きなペナルティを与える」ということを特徴とし
ている。
【００３９】以上説明したように上記発明の実施の形態
によれば、局所特徴量は環境変化に対してロバストであ
り、その辞書容量を適切に削減することで、人物検知、
人物姿勢認識、宅配便ラベル認識、帳票認識、製品（外
箱）の種類認識などの応用を、より高速に、かつ低コス
トで実現することができる。
によれば、局所特徴量は環境変化に対してロバストであ
り、その辞書容量を適切に削減することで、人物検知、
人物姿勢認識、宅配便ラベル認識、帳票認識、製品（外
箱）の種類認識などの応用を、より高速に、かつ低コス
トで実現することができる。
【００４０】また、部分辞書（局所特徴量）間の単純な
類似度だけでなく、その部分辞書がもつ辞書としての情
報量を加味することにより、認識に役立つ情報量の多い
辞書をできるだけ削除せず残すようにすることができ
る。これにより、認識性能を落とすことなく辞書数を削
減することができる。
類似度だけでなく、その部分辞書がもつ辞書としての情
報量を加味することにより、認識に役立つ情報量の多い
辞書をできるだけ削除せず残すようにすることができ
る。これにより、認識性能を落とすことなく辞書数を削
減することができる。
【００４１】
【発明の効果】以上詳述したようにこの発明によれば、
辞書容量を適切にして認識性能を落とすことなく部分辞
書または辞書を削減する部分辞書削減方法と辞書削減方
法を提供することができる。また、削減した部分辞書ま
たは辞書における認識性能を評価する評価方法を提供す
ることができる。
辞書容量を適切にして認識性能を落とすことなく部分辞
書または辞書を削減する部分辞書削減方法と辞書削減方
法を提供することができる。また、削減した部分辞書ま
たは辞書における認識性能を評価する評価方法を提供す
ることができる。
【図１】局所特徴量による対象物認識を説明するための
図。
図。
【図２】辞書削減プロセスを示す図。
【図３】辞書のパターン的距離を２次元的に表現した
図。
図。
【図４】辞書マージ状況の模式図。
【図５】ずれの大きさに基づく評価値の重み付け係数の
例を示す図。
例を示す図。
Ｘ…辞書セット Ｘ１，Ｘ２，…Ｘｎ…辞書
Claims (6)
- 【請求項１】 対象物の物理量パターン中の局所特徴量
のマッチングを行うための局所特徴量の部分辞書の集合
からなる辞書を複数有する辞書集合における部分辞書削
減方法であって、 上記辞書における部分辞書が該辞書に含まれる他の部分
辞書との類似度と、該部分辞書が上記辞書集合に対して
有する情報量とを選択基準として部分辞書を削減するよ
うにしたことを特徴とする部分辞書削減方法。 - 【請求項２】 対象物の物理量パターン中の局所特徴量
のマッチングを行うための局所特徴量の部分辞書の集合
からなる辞書を複数有する辞書集合における辞書削減方
法であって、 部分辞書間の類似度に基づいて、第１の辞書からの第２
の辞書の類似度と、該第２の辞書からの該第１の辞書の
類似度との大小関係により第１の辞書または第２の辞書
を削減するようにしたことを特徴とする辞書削減方法。 - 【請求項３】 入力データ内から対象物の位置を検出す
るシステムにおける検出性能を評価する評価方法であっ
て、 出力された検出位置が実際の位置とどれだけずれている
かの値と、該検出位置に対する確信度の値とから検出性
能を評価するようにしたことを特徴とする評価方法。 - 【請求項４】 対象物の物理量パターン中の局所特徴量
のマッチングを行うための局所特徴量の部分辞書の集合
からなる辞書を複数有する辞書集合における部分辞書削
減の評価方法であって、 部分辞書が削減された辞書集合から出力された検出位置
が実際の位置とどれだけずれているかの値と、該検出位
置に対する確信度の値とから辞書の認識性能を算出して
部分辞書削減の収束の度合を評価するようにしたことを
特徴とする評価方法。 - 【請求項５】 対象物の物理量パターン中の局所特徴量
のマッチングを行うための局所特徴量の部分辞書の集合
からなる辞書を複数有する辞書集合における辞書削減の
評価方法であって、 第１の辞書に類似度が高いとして削減された第２の辞書
に含まれる部分辞書が、最も類似度の高い部分辞書とし
て正しく該第１の辞書の部分辞書を選択したかの正解率
を、削除されなかった辞書数に基づく正解率の期待値と
比較して削減の収束の度合を判定するようにしたことを
特徴とする評価方法。 - 【請求項６】 対象物の物理量パターン中の局所特徴量
のマッチングを行うための局所特徴量の部分辞書の集合
からなる辞書を複数有する辞書集合における辞書削減の
評価方法であって、 辞書が削減された辞書集合から出力された検出位置が実
際の位置とどれだけずれているかの値と、該検出位置に
対する確信度の値とから辞書の認識性能を算出して辞書
削減の収束の度合を評価するようにしたことを特徴とす
る評価方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10260128A JP2000090271A (ja) | 1998-09-14 | 1998-09-14 | 部分辞書削減方法と辞書削減方法と評価方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10260128A JP2000090271A (ja) | 1998-09-14 | 1998-09-14 | 部分辞書削減方法と辞書削減方法と評価方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2000090271A true JP2000090271A (ja) | 2000-03-31 |
Family
ID=17343695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10260128A Pending JP2000090271A (ja) | 1998-09-14 | 1998-09-14 | 部分辞書削減方法と辞書削減方法と評価方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2000090271A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012048400A (ja) * | 2010-08-25 | 2012-03-08 | Canon Inc | オブジェクト認識装置およびその認識方法 |
-
1998
- 1998-09-14 JP JP10260128A patent/JP2000090271A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012048400A (ja) * | 2010-08-25 | 2012-03-08 | Canon Inc | オブジェクト認識装置およびその認識方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11393103B2 (en) | Target tracking method, device, system and non-transitory computer readable medium | |
| US8885943B2 (en) | Face detection method and apparatus | |
| US7783106B2 (en) | Video segmentation combining similarity analysis and classification | |
| US6804391B1 (en) | Pattern detection methods and systems, and face detection methods and systems | |
| US8477998B1 (en) | Object tracking in video with visual constraints | |
| US7769228B2 (en) | Method for combining boosted classifiers for efficient multi-class object detection | |
| EP0884603B1 (en) | Dynamic fuzzy logic process for indentifying objects in three-dimensional data | |
| US20030123732A1 (en) | Optical character reading method and system for a document with ruled lines and its application | |
| US9715639B2 (en) | Method and apparatus for detecting targets | |
| CN110826558B (zh) | 图像分类方法、计算机设备和存储介质 | |
| US20090202145A1 (en) | Learning appartus, learning method, recognition apparatus, recognition method, and program | |
| Medina-Carnicer et al. | Unimodal thresholding for edge detection | |
| US11972610B2 (en) | Multi-pass object tracking system utilizing single object tracking in a multi object tracking use case for higher accuracy | |
| US7590267B2 (en) | Accelerated face detection based on prior probability of a view | |
| CN112651996A (zh) | 目标检测跟踪方法、装置、电子设备和存储介质 | |
| CN110363165A (zh) | 基于tsk模糊系统的多目标跟踪方法、装置及存储介质 | |
| US6850627B2 (en) | Dynamic process for identifying objects in multi-dimensional data | |
| US20240203160A1 (en) | Apparatus for identifying a face and method thereof | |
| US6754390B2 (en) | Fusing outputs from multiple detection/classification schemes | |
| US7519567B2 (en) | Enhanced classification of marginal instances | |
| US6560360B1 (en) | Feed forward feed back multiple neural network with context driven recognition | |
| JP2000090271A (ja) | 部分辞書削減方法と辞書削減方法と評価方法 | |
| JP4665764B2 (ja) | パターン識別システム、パターン識別方法、及びパターン識別プログラム | |
| Wang et al. | Extraction of main urban roads from high resolution satellite images by machine learning | |
| US20250200952A1 (en) | Learning apparatus, learning method, person verification apparatus, person verification method, and recording medium |