DE2946360C2 - - Google Patents

Description

Die Erfindung bezieht sich auf ein Mustererkennungs­ verfahren gemäß dem Oberbegriff des Anspruchs 1.

Ein Mustererkennungsverfahren der vorstehend bezeichneten Art ist bereits bekannt (US-PS 36 23 015). Bei dem be­ kannten Mustererkennungsverfahren werden für eine obere Grenze und eine untere Grenze kennzeichnende Musterdaten in entsprechenden Speichern gespeichert und mit zu be­ wertenden Daten verglichen, um festzustellen, ob diese innerhalb eines durch die betreffenden Grenzen vorge­ gebenen Akzeptanzbereiches liegen. Es hat sich jedoch gezeigt, daß diese Maßnahmen nicht genügen, Musterdaten auch unter gestörten Umgebungsbedingungen noch zuver­ lässig beurteilen zu können.

Der Erfindung liegt demgemäß die Aufgabe zugrunde, ein Mustererkennungsverfahren zu schaffen, mit dem die bereitgestellten Musterdaten zuverlässig beurteilt wer­ den können, ohne daß durch Änderungen der Umgebungsbe­ dingungen Störungen auftreten.

Gelöst wird die vorstehend aufgezeigte Aufgabe durch die im Anspruch 1 gekennzeichneten Maßnahmen.

Die Erfindung bringt den Vorteil mit sich, daß auf rela­ tiv einfache Weise eine zuverlässige Beurteilung von Musterdaten auch dann gewährleistet ist, wenn Änderungen der Umgebungsbedingungen auftreten. Dies bedeutet, daß durch Änderungen der Umgebungsbedingungen hervorgeru­ fene Störungen die Zuverlässigkeit der Datenbeurteilung nicht beeinträchtigt.

Zweckmäßige Weiterbildungen der Erfindung ergeben sich aus den Unteransprüchen.

Anhand von Zeichnungen wird die Erfindung nachstehend beispielsweise näher erläutert.

Fig. 1 veranschaulicht in einem Blockschaltbild ein Beispiel für ein herkömmliches Mustererkennungs­ system.

Fig. 2 veranschaulicht in einem Diagramm das in Fig. 1 dargestellte System.

Fig. 3 und 4 zeigen Flußdiagramme zur Erläuterung von Bei­ spielen gemäß der Erfindung.

Fig. 5 zeigt ein Diagramm, welches zur Erläuterung der Wirkung der vorliegenden Erfindung verwendet wird.

Bevor auf die vorliegende Erfindung näher eingegangen wird, erscheint es für das Verständnis der vorliegenden Erfindung als angebracht, zunächst auf ein herkömm­ liches Mustererkennungssystem einzugehen, wie es in Fig. 1 veranschaulicht ist. Gemäß Fig. 1 wird ein zu untersuchender Gegenstand 1 mit Licht von einer Licht­ quelle 3 bestrahlt, welcher Energie von einer stabili­ sierten Energiequelle 2 zugeführt wird. Eine Kamera 4, wie beispielsweise eine Fernsehkamera, nimmt ein Bild des untersuchten Gegenstands 1 auf und gibt ein diesem Gegenstand entsprechendes elektrisches Signal an eine Mustererkennungsanordnung 5, wie beispielsweise an einen Computer oder dgl. ab.

Obwohl die Lichtquelle 3 Energie von der stabilisierten Energiequelle 2 zugeführt erhält, ist dennoch das Licht von dieser Lichtquelle 3 nicht immer stetig oder konstant; die Umgebungslichtmenge beim untersuchten Gegenstand 1 ändert sich im Laufe der Zeit. Ferner ändert sich auch das Videosignal der Kamera 4 infolge einer Drift von Parametern, wie infolge von Veränderungen der Umgebungs­ temperatur und dgl. Demgemäß ist ein derartiger Einfluß auf die Entscheidungen durch die Mustererkennungsan­ ordnung 5 unvermeidlich. So wird beispielsweise selbst dann, wenn der untersuchte Gegenstand 1 zur gleichen Klasse wie der Bezugsgegenstand gehört (oder anders ausgedrückt, wenn die Differenz zwischen den beiden Gegenständen bzw. deren Daten kleiner ist als ein unten erläuterter bestimmter Wert A), die Differenz G zwischen dem Bezugsgegenstand und dem untersuchten Gegenstand 1 im Laufe der Zeit sich so ändern, wie dies die Kurve a in dem Diagramm gemäß Fig. 2 veranschaulicht. Wenn der untersuchte Gegenstand nicht zur gleichen Klasse wie der Bezugsgegenstand gehört (oder anders ausgedrückt, wenn die Differenz zwischen den beiden Gegenständen größer ist als der vorbestimmte Wert A), wird sich überdies die Differenz G zwischen dem Bezugsgegenstand und dem untersuchten Gegenstand 1 auch im Laufe der Zeit ändern, wie dies die Kurve b gemäß Fig. 2 veran­ schaulicht. Dabei bleibt jedoch der bestimmte Wert A, der als Maßstab für die Entscheidung verwendet wird, während des gesamten Untersuchungsvorgangs unabhängig davon unverändert, ob der untersuchte Gegenstand 1 zur gleichen Klasse gehört wie der Bezugsgegenstand oder nicht. Demgemäß wird bei herkömmlichen Systemen innerhalb eines Zeitabschnitts T 1 gemäß Fig. 2 der untersuchte Gegenstand 1 durch die Anordnung 5 als nicht zur gleichen Klasse gehörig beurteilt, obwohl er tatsächlich zur selben Klasse gehört wie der Bezugsgegenstand. Ferner wird während der Zeitspanne T 2 gemäß Fig. 2 der untersuchte Gegenstand 1 durch die Anordnung 5 als zur selben Klasse wie der Bezugs­ gegenstand gehörig beurteilt, obwohl er nicht zur gleichen Klasse gehört wie der Bezugsgegenstand. Eine derartige Fehlentscheidung stellt somit einen Mangel des betrachteten Systems dar.

Fig. 3 veranschaulicht in einem Flußdiagramm ein Bei­ spiel gemäß der vorliegenden Erfindung. Wenn gemäß diesem Beispiel nach Aufnahme der Daten von einer Kamera 4 her, wie beispielsweise von einer Fernsehkamera her, die einen zu untersuchenden Gegenstand in üblicher Weise aufnimmt, die Differenz zwischen den Daten des Gegen­ stands und den Daten eines Bezugsgegenstands, welche bereits in einem Mustererkennungssystem bzw. einer Mustererkennungsanordnung 5 gespeichert sind, innerhalb eines vorbestimmten Wertes A liegt, dann wird der untersuchte Gegenstand als zur selben Klasse bzw. Klassi­ fikation wie der Bezugsgegenstand gehörig beurteilt. Zu diesem Zeitpunkt wird ein Übereinstimmungssignal abgegeben, durch welches der größte Wert GM in den Differenzen einer bestimmten Anzahl vorangegangener Entscheidungen übereinstimmender Gegenstände aussortiert wird. Wenn andererseits die Differenz zwischen dem untersuchten Gegenstand und dem Bezugsgegenstand größer ist als der vorbestimmte Wert A, wird ein Nicht-Über­ einstimmungssignal abgegeben, durch welches der kleinste Wert GN in den Differenzen einer vorbestimmten Anzahl von vorangegangenen Nicht-Übereinstimmungsentscheidungen aussortiert wird. Als nächster Schritt wird durch den Maximalwert und den Minimalwert in den Differenzen der vorbestimmte Wert A revidiert, beispielsweise durch die Beziehung A = (GM + GN)/2.

Fig. 4 zeigt in einem Flußdiagramm ein anderes Beispiel. Im Falle der Fig. 4 wird dann, wenn der untersuchte Gegenstand als zur selben Klassifikation bzw. Klasse wie der Bezugsgegenstand gehörig beurteilt wird, die Differenz während einer bestimmten Anzahl von Entschei­ dungen übermittelt, und mit einem solchen Mittelwert wird der bestimmte Wert A revidiert. Die übrigen Verfahrens­ schritte sind die gleichen wie bei dem in Verbindung mit Fig. 3 erläuterten Beispiel.

Wie oben beschrieben, wird durch die anhand der Fig. 3 und 4 erläuterte Erfindung trotz der zeitbezogenen Änderungen in den Differenzen zwischen dem Bezugsgegen­ stand und den untersuchten Gegenständen, die als zur gleichen Klasse wie der Bezugsgegenstand gehörig beurteilt werden, sowie trotz Bestehens zeitbezogener Schwankungen in den Differenzen zwischen dem Bezugsgegenstand und den untersuchten Gegenständen, wenn diese als nicht zur gleichen Klasse wie der Bezugsgegenstand gehörig beur­ teilt werden, der bestimmte Wert A entsprechend solchen Änderungen und Schwankungen verändert, wie dies die Kurve c im Diagramm gemäß Fig. 5 veranschaulicht. Dadurch gibt es keine Überschneidungen der Kurven a oder b mit der Kurve c bezüglich des bestimmten Wertes A. Dies be­ deutet, daß gemäß der Erfindung die Schwierigkeiten ver­ mieden sind, die in Verbindung mit dem Diagramm gemäß Fig. 2 erläutert worden sind. Daraus folgt, daß es bei Anwendung der vorliegenden Erfindung keine untauglichen Entscheidungen, also keine Fehlentscheidungen gibt.

Abschließend sei noch angemerkt, daß die Änderung des bestimmten Wertes A nicht notwendigerweise auf die oben beschriebenen Beispiele beschränkt ist.

Claims (5)

1. Mustererkennungsverfahren, bei dem

• a) von für einen Bezugsgegenstand kennzeichnende Musterdaten gespeichert werden,
• b) Musterdaten erzeugt werden, die kennzeichnend sind für einen zu prüfenden Gegenstand,
• c1) und die für den betreffenden Gegenstand kennzeich­ nenden Musterdaten mit den für den Bezugsgegenstand kennzeichnenden gespeicherten Daten verglichen werden,

dadurch gekennzeichnet,

• c2) daß durch den genannten Vergleich eine Differenz zwischen den Musterdaten und den gespeicherten Daten ermittelt wird,
• d) daß festgestellt wird, ob der betreffende Gegenstand zur selben Klassifikation gehört wie der Bezugs­ gegenstand, falls die genannte Differenz innerhalb eines bestimmten Wertes liegt,
• e) daß der betreffende bestimmte Wert in Übereinstimmung mit vorangegangenen Entscheidungen im Zuge der Durch­ führung des betreffenden Vergleichs zur Bereitstel­ lung eines neuen bestimmten Wertes geändert wird,
• f) und daß die Schritte b) bis e) mit einem anderen zu prüfenden Gegenstand unter Verwendung des vom Schritt e) gewonnenen neuen bestimmten Wertes wie­ derholt werden.

2. Mustererkennungsverfahren nach Anspruch 1, dadurch gekennzeichnet, daß der Schritt d) zum Einsortieren der betreffenden Differenz entweder in ein Übereinstimmungs-Ausgangssignal oder in ein Nichtübereinstimmungs-Ausgangssignal durchgeführt wird und daß der Schritt e) dadurch ausgeführt wird, daß ermittelt wird, welche Differenz der Übereinstimmungs- Ausgangssignale aus einer bestimmten Anzahl von vor­ angegangenen Entscheidungen ein Maximum hat und welche Differenz der Nichtübereinstimmungs-Ausgangssignale aus der bestimmten Anzahl vorangegangener Entschei­ dungen ein Minimum aufweist, und daß der genannte be­ stimmte Wert in bezug auf das betreffende Maximum und das betreffende Minimum unter Bereitstellung des genannten neuen Wertes geändert wird.

3. Mustererkennungsverfahren nach Anspruch 2, da­ durch gekennzeichnet, daß der neue Wert in bezug auf die Differenz zwischen den maximalen und minimalen Differenzen festgelegt wird.

4. Mustererkennungsverfahren nach Anspruch 1, da­ durch gekennzeichnet, daß der Schritt d) dadurch ausgeführt wird, daß die Differenz entweder in ein Übereinstimmungs-Ausgangssignal oder in ein Nichtübereinstimmungs-Ausgangssignal einsortiert wird, und daß der Schritt e) dadurch ausgeführt wird, daß der Mittelwert der Differenzen der Übereinstimmungs- Ausgangssignale für eine bestimmte Anzahl der voran­ gegangenen Entscheidungen festgestellt wird und daß der betreffende bestimmte Wert in bezug auf den Mittel­ wert zur Lieferung des neuen Wertes geändert wird.