JP2002032753A - 画像認識方法 - Google Patents
画像認識方法Info
- Publication number
- JP2002032753A JP2002032753A JP2000219040A JP2000219040A JP2002032753A JP 2002032753 A JP2002032753 A JP 2002032753A JP 2000219040 A JP2000219040 A JP 2000219040A JP 2000219040 A JP2000219040 A JP 2000219040A JP 2002032753 A JP2002032753 A JP 2002032753A
- Authority
- JP
- Japan
- Prior art keywords
- similarity
- pattern
- template
- teaching
- teaching pattern
- 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】 誤認識や認識精度の低下の発生しない教示パ
ターンを自動的に決定することができる画像認識方法を
提供する。 【解決手段】 パターンマッチングを用いた画像認識方
法において、教示パターンの設定に際して複数の教示パ
ターン候補を発生し、適当な教示パターン候補について
認識対象と比較演算して類似度の分散と平均値を求め、
教示パターン候補の中から最も認識し易い教示パターン
を選択して設定するようにした。
ターンを自動的に決定することができる画像認識方法を
提供する。 【解決手段】 パターンマッチングを用いた画像認識方
法において、教示パターンの設定に際して複数の教示パ
ターン候補を発生し、適当な教示パターン候補について
認識対象と比較演算して類似度の分散と平均値を求め、
教示パターン候補の中から最も認識し易い教示パターン
を選択して設定するようにした。
Description
【０００１】
【発明の属する技術分野】本発明は、パターンマッチン
グを用いた画像認識方法に関し、特にその教示パターン
を自動的に教示設定する画像認識方法に関するものであ
る。
グを用いた画像認識方法に関し、特にその教示パターン
を自動的に教示設定する画像認識方法に関するものであ
る。
【０００２】
【従来の技術】近年、電子部品実装装置のアライメント
や製品の外観検査など様々な分野でパターンマッチング
を用いた画像認識方法が用いられている。パターンマッ
チングによる画像認識方法では、認識したい対象を教示
パターンとして登録する必要がある。
や製品の外観検査など様々な分野でパターンマッチング
を用いた画像認識方法が用いられている。パターンマッ
チングによる画像認識方法では、認識したい対象を教示
パターンとして登録する必要がある。
【０００３】従来の教示パターンの登録設定において
は、図９に示すように、オペレータの試行錯誤により教
示パターンの決定が行われていた。すなわち、オペレー
タが教示パターン（テンプレートとも言う）を決定し、
そのテンプレートで対象をよく認識することができるか
判定し、認識できない場合は再びテンプレートを決定し
直すという作業を、対象を良く認識できるまで繰り返し
ている。
は、図９に示すように、オペレータの試行錯誤により教
示パターンの決定が行われていた。すなわち、オペレー
タが教示パターン（テンプレートとも言う）を決定し、
そのテンプレートで対象をよく認識することができるか
判定し、認識できない場合は再びテンプレートを決定し
直すという作業を、対象を良く認識できるまで繰り返し
ている。
【０００４】
【発明が解決しようとする課題】しかしながら、上記の
ような方法では、オペレータが試行錯誤によって教示パ
ターンの登録を行うために、登録した教示パターンによ
っては誤認識や認識精度の低下をもたらすことがあると
いう問題があった。例えば、検出したいパターンの傷等
による僅かな欠けや、照明むら等による見え方の変化、
回転などの変動によって誤認識や認識精度の低下を来す
という問題があった。
ような方法では、オペレータが試行錯誤によって教示パ
ターンの登録を行うために、登録した教示パターンによ
っては誤認識や認識精度の低下をもたらすことがあると
いう問題があった。例えば、検出したいパターンの傷等
による僅かな欠けや、照明むら等による見え方の変化、
回転などの変動によって誤認識や認識精度の低下を来す
という問題があった。
【０００５】このような場合、従来方法では、作業者が
試行錯誤を繰り返し、できるだけ変化が少ない場所を再
教示するなどの方法によって対処されてきた。
試行錯誤を繰り返し、できるだけ変化が少ない場所を再
教示するなどの方法によって対処されてきた。
【０００６】本発明は、上記従来の問題点に鑑み、誤認
識や認識精度の低下の発生しない教示パターンを自動的
に決定することができる画像認識方法を提供することを
目的としている。
識や認識精度の低下の発生しない教示パターンを自動的
に決定することができる画像認識方法を提供することを
目的としている。
【０００７】
【課題を解決するための手段】本発明の画像認識方法
は、パターンマッチングを用いた画像認識方法におい
て、教示パターンの設定に際して複数の教示パターン候
補を発生し、適当な教示パターン候補について認識対象
と比較演算して類似度の分散と平均値を求め、教示パタ
ーン候補の中から最も認識し易い教示パターンを選択し
て設定するものであり、認識対象を検出した位置での類
似度と、そうでない位置での類似度との差が最も大きく
なるような教示パターンを選びだすことができ、これに
より最も認識し易く、誤認識や認識精度の低下の少ない
教示パターンを自動的に得ることができる。
は、パターンマッチングを用いた画像認識方法におい
て、教示パターンの設定に際して複数の教示パターン候
補を発生し、適当な教示パターン候補について認識対象
と比較演算して類似度の分散と平均値を求め、教示パタ
ーン候補の中から最も認識し易い教示パターンを選択し
て設定するものであり、認識対象を検出した位置での類
似度と、そうでない位置での類似度との差が最も大きく
なるような教示パターンを選びだすことができ、これに
より最も認識し易く、誤認識や認識精度の低下の少ない
教示パターンを自動的に得ることができる。
【０００８】また、認識対象に変動を加えた複数の画像
を用いると、認識対象に様々な変動がある場合でも、最
も認識し易く、誤認識や認識精度の低下の少ない教示パ
ターンを得ることができる。
を用いると、認識対象に様々な変動がある場合でも、最
も認識し易く、誤認識や認識精度の低下の少ない教示パ
ターンを得ることができる。
【０００９】また、教示パターン候補の抽出に際して、
特徴量の多いパターンを候補として選択すると、特徴が
少なく、認識に不向きなパターンを省くことができ、無
駄な計算を省くことができる。
特徴量の多いパターンを候補として選択すると、特徴が
少なく、認識に不向きなパターンを省くことができ、無
駄な計算を省くことができる。
【００１０】また、正規化された類似度の分散と平均値
を用いて、複数の教示パターン候補の中から最も認識し
易い教示パターンを選択すると、類似度の取りうる値の
範囲が異なる場合でも、等しい土台で評価することがで
き、より高い信頼性をもって適切な教示パターンを得る
ことができる。
を用いて、複数の教示パターン候補の中から最も認識し
易い教示パターンを選択すると、類似度の取りうる値の
範囲が異なる場合でも、等しい土台で評価することがで
き、より高い信頼性をもって適切な教示パターンを得る
ことができる。
【００１１】
【発明の実施の形態】以下、本発明の画像認識方法の実
施形態について、図１〜図４を参照して説明する。
施形態について、図１〜図４を参照して説明する。
【００１２】（第１の実施形態）図１に本実施形態のパ
ターンマッチングによる画像認識における教示パターン
（以下、テンプレートと称する）の自動教示方法のフロ
ーチャートを示し、図２にその説明図を示す。
ターンマッチングによる画像認識における教示パターン
（以下、テンプレートと称する）の自動教示方法のフロ
ーチャートを示し、図２にその説明図を示す。
【００１３】図２（ａ）において、１は対象画像、２は
対象画像１中の検出対象、３ａ、３ｂは発生させるテン
プレート候補である。図２（ｂ）において、４はテンプ
レート候補３ａを用いて対象画像１をパターンマッチン
グした時の類似度の分布、５はテンプレート候補３ｂを
用いて対象画像１をパターンマッチングした時の類似度
の分布である。なお、ここで類似度とは、類似している
ほど低い値を示す類似度の評価値を意味する。図２
（ｃ）において、６は類似度分布５のヒストグラム、７
は類似度分布４のヒストグラムである。
対象画像１中の検出対象、３ａ、３ｂは発生させるテン
プレート候補である。図２（ｂ）において、４はテンプ
レート候補３ａを用いて対象画像１をパターンマッチン
グした時の類似度の分布、５はテンプレート候補３ｂを
用いて対象画像１をパターンマッチングした時の類似度
の分布である。なお、ここで類似度とは、類似している
ほど低い値を示す類似度の評価値を意味する。図２
（ｃ）において、６は類似度分布５のヒストグラム、７
は類似度分布４のヒストグラムである。
【００１４】次に、テンプレートの自動教示方法につい
て、図１のフローチャートと図２の説明図を参照しなが
ら説明する。まず、テンプレート候補３ａ、３ｂを発生
させる。次に、テンプレート候補３ａ、３ｂを用いて対
象画像１中の検出対象２のパターンマッチングを行う。
それにより類似度分布４、５が得られる。この類似度分
布４では、マッチング位置以外の類似度が高く、マッチ
ング位置とそうでない位置との差がはっきりしているの
に対し、類似度分布５ではマッチング位置以外の類似度
が低く、マッチング位置とそうでない位置で類似度の差
が小さくなることがわかる。これは、テンプレート候補
３ｂを用いてマッチングを行った場合、似たようなパタ
ーンが多く、認識しにくいテンプレートであることを示
している。
て、図１のフローチャートと図２の説明図を参照しなが
ら説明する。まず、テンプレート候補３ａ、３ｂを発生
させる。次に、テンプレート候補３ａ、３ｂを用いて対
象画像１中の検出対象２のパターンマッチングを行う。
それにより類似度分布４、５が得られる。この類似度分
布４では、マッチング位置以外の類似度が高く、マッチ
ング位置とそうでない位置との差がはっきりしているの
に対し、類似度分布５ではマッチング位置以外の類似度
が低く、マッチング位置とそうでない位置で類似度の差
が小さくなることがわかる。これは、テンプレート候補
３ｂを用いてマッチングを行った場合、似たようなパタ
ーンが多く、認識しにくいテンプレートであることを示
している。
【００１５】これをヒストグラムで考えると、ヒストグ
ラム６、７のようになり、テンプレート候補３ａを用い
てマッチングを行ったときの類似度の分布と平均値がと
もに大きくなり、テンプレート候補３ｂを用いてマッチ
ングを行ったときの類似度の分布と平均値はともに小さ
くなるという違いとして現れる。つまり、類似度の分散
と平均値が最も高い候補を選択することで、対象画像１
中の検出対象２を最も良く認識できるテンプレートを選
びだせることを示している。
ラム６、７のようになり、テンプレート候補３ａを用い
てマッチングを行ったときの類似度の分布と平均値がと
もに大きくなり、テンプレート候補３ｂを用いてマッチ
ングを行ったときの類似度の分布と平均値はともに小さ
くなるという違いとして現れる。つまり、類似度の分散
と平均値が最も高い候補を選択することで、対象画像１
中の検出対象２を最も良く認識できるテンプレートを選
びだせることを示している。
【００１６】そこで、類似度分布の分散と平均値を計算
するという処理をすべての発生テンプレート候補に対し
て行い、発生テンプレート候補の中で分散と平均が最も
高いものを教示テンプレートとする。
するという処理をすべての発生テンプレート候補に対し
て行い、発生テンプレート候補の中で分散と平均が最も
高いものを教示テンプレートとする。
【００１７】かくして、本実施形態によれば、最も認識
し易く、誤認識や認識精度の低下の少ないテンプレート
を得ることができる。
し易く、誤認識や認識精度の低下の少ないテンプレート
を得ることができる。
【００１８】なお、以上の説明では類似度の分布と平均
値は高いほどよい例を示したが、類似度の定義によって
は必ずしもそうでなく、逆になることもあり得る。
値は高いほどよい例を示したが、類似度の定義によって
は必ずしもそうでなく、逆になることもあり得る。
【００１９】（第２の実施形態）図３に本実施形態のパ
ターンマッチングによる画像認識におけるテンプレート
の自動教示方法のフローチャートを示し、図４にその説
明図を示す。なお、以下の実施形態の説明において、第
１の実施形態と同一のものは同一の参照番号を付して説
明を省略する。
ターンマッチングによる画像認識におけるテンプレート
の自動教示方法のフローチャートを示し、図４にその説
明図を示す。なお、以下の実施形態の説明において、第
１の実施形態と同一のものは同一の参照番号を付して説
明を省略する。
【００２０】図４（ａ）において、８は回転変動が加え
られた対象画像である。図４（ｂ）、（ｃ）は、図２
（ｂ）、（ｃ）と同一である。図４（ｄ）において、９
はテンプレート候補３ａを用いて対象画像８をパターン
マッチングした時の類似度の分布、１０はテンプレート
候補３ｂを用いて対象画像８をパターンマッチングした
時の類似度の分布である。図４（ｅ）において、１１は
類似度分布１０のヒストグラム、１２は類似度分布９の
ヒストグラムである。
られた対象画像である。図４（ｂ）、（ｃ）は、図２
（ｂ）、（ｃ）と同一である。図４（ｄ）において、９
はテンプレート候補３ａを用いて対象画像８をパターン
マッチングした時の類似度の分布、１０はテンプレート
候補３ｂを用いて対象画像８をパターンマッチングした
時の類似度の分布である。図４（ｅ）において、１１は
類似度分布１０のヒストグラム、１２は類似度分布９の
ヒストグラムである。
【００２１】次に、本実施形態のテンプレートの自動教
示方法について、図３のフローチャートと図４の説明図
を参照しながら説明する。まず、テンプレートの候補と
して３ａ、３ｂを発生させる。テンプレート候補３ａ、
３ｂを用いて対象画像１中の検出対象２をパターンマッ
チングすると、類似度分布４、５が得られる。そのヒス
トグラム６、７を考えると、類似度の分散と平均値を用
いることにより、対象画像１中の検出対象２を最も良く
認識するテンプレートを選択することができることは、
上記第１の実施形態で既に説明した。
示方法について、図３のフローチャートと図４の説明図
を参照しながら説明する。まず、テンプレートの候補と
して３ａ、３ｂを発生させる。テンプレート候補３ａ、
３ｂを用いて対象画像１中の検出対象２をパターンマッ
チングすると、類似度分布４、５が得られる。そのヒス
トグラム６、７を考えると、類似度の分散と平均値を用
いることにより、対象画像１中の検出対象２を最も良く
認識するテンプレートを選択することができることは、
上記第１の実施形態で既に説明した。
【００２２】次に、検出対象２に回転変動を加えた対象
画像８を作成する。同様にテンプレート候補３ａ、３ｂ
を用いて対象画像８中の検出対象２をパターンマッチン
グすると、類似度分布９、１０が得られ、そのヒストグ
ラム１１、１２から類似度の分散と平均値を吟味するこ
とによって、対象画像８中の検出対象２を最もよく認識
するテンプレートを選択することができる。同様に起こ
り得るその他の変動を加えた対象画像についても同様の
処理を行う。
画像８を作成する。同様にテンプレート候補３ａ、３ｂ
を用いて対象画像８中の検出対象２をパターンマッチン
グすると、類似度分布９、１０が得られ、そのヒストグ
ラム１１、１２から類似度の分散と平均値を吟味するこ
とによって、対象画像８中の検出対象２を最もよく認識
するテンプレートを選択することができる。同様に起こ
り得るその他の変動を加えた対象画像についても同様の
処理を行う。
【００２３】このように、対象画像１をパターンマッチ
ングしたときの類似度の分散と平均値と、変動を加えた
対象画像８等をパターンマッチングしたときの類似度の
分散と平均値を合わせて吟味することにより、対象画像
１、８等の検出対象２を最もよく認識できるテンプレー
トを選び出すことができる。
ングしたときの類似度の分散と平均値と、変動を加えた
対象画像８等をパターンマッチングしたときの類似度の
分散と平均値を合わせて吟味することにより、対象画像
１、８等の検出対象２を最もよく認識できるテンプレー
トを選び出すことができる。
【００２４】かくして、本実施形態によれば、認識対象
に様々な変動がある場合でも、最も認識し易く、誤認識
や認識精度の低下の少ないテンプレートを得ることがで
きる。なお、本実施形態では変動項目として回転を例に
挙げたが、変動項目は回転のみに限定されるものではな
い。
に様々な変動がある場合でも、最も認識し易く、誤認識
や認識精度の低下の少ないテンプレートを得ることがで
きる。なお、本実施形態では変動項目として回転を例に
挙げたが、変動項目は回転のみに限定されるものではな
い。
【００２５】（第３の実施形態）図５に本実施形態のパ
ターンマッチングによる画像認識におけるテンプレート
の自動教示方法のフローチャートを示し、図６にその説
明図を示す。なお、第１の実施形態と同一のものは同一
の参照番号を付して説明を省略する。
ターンマッチングによる画像認識におけるテンプレート
の自動教示方法のフローチャートを示し、図６にその説
明図を示す。なお、第１の実施形態と同一のものは同一
の参照番号を付して説明を省略する。
【００２６】図６において、１３は検出対象２の特徴を
検出したものである。
検出したものである。
【００２７】次に、本実施形態のテンプレートの自動教
示方法について、図５のフローチャートと図６の説明図
を参照しながら説明する。まず、エッジ検出等の手法を
用いることによって、検出対象２の特徴１３を検出す
る。次に、この特徴を多く含む部分からテンプレート候
補３ａ、３ｂを選択する。特徴１３は、検出したい対象
の特徴が最も良く現れている部分であり、教示候補とし
て適している部分である。従って、この特徴１３を多く
含むものをテンプレート候補として選択することによ
り、無駄なテンプレート候補の吟味を避けることができ
る。
示方法について、図５のフローチャートと図６の説明図
を参照しながら説明する。まず、エッジ検出等の手法を
用いることによって、検出対象２の特徴１３を検出す
る。次に、この特徴を多く含む部分からテンプレート候
補３ａ、３ｂを選択する。特徴１３は、検出したい対象
の特徴が最も良く現れている部分であり、教示候補とし
て適している部分である。従って、この特徴１３を多く
含むものをテンプレート候補として選択することによ
り、無駄なテンプレート候補の吟味を避けることができ
る。
【００２８】以下、第１の実施形態で説明したように、
類似度の分布の分散と平均値を吟味することにより、対
象画像１中の検出対象２を最もよく認識するテンプレー
トを選びだすことができる。
類似度の分布の分散と平均値を吟味することにより、対
象画像１中の検出対象２を最もよく認識するテンプレー
トを選びだすことができる。
【００２９】従って、本実施形態によれば、特徴が少な
く、認識に不向きなテンプレート候補を省くことがで
き、無駄な計算を省くことができる。なお、本実施形態
の説明では、特徴検出の手法としてエッジ検出を例に挙
げたが、特徴を抽出できる手法であれば、エッジ検出に
限る必要はない。
く、認識に不向きなテンプレート候補を省くことがで
き、無駄な計算を省くことができる。なお、本実施形態
の説明では、特徴検出の手法としてエッジ検出を例に挙
げたが、特徴を抽出できる手法であれば、エッジ検出に
限る必要はない。
【００３０】（第４の実施形態）図７に本実施形態のパ
ターンマッチングによる画像認識におけるテンプレート
の自動教示方法のフローチャートを示し、図８にその説
明図を示す。
ターンマッチングによる画像認識におけるテンプレート
の自動教示方法のフローチャートを示し、図８にその説
明図を示す。
【００３１】図８（ａ）、（ｂ）は図２（ａ）、（ｂ）
と同一である。図８（ｃ）において、１４はテンプレー
ト候補３ｂを用いて対象画像１をパターンマッチングし
たときの正規化した類似度の分布、１５はテンプレート
候補３ａを用いて対象画像１をパターンマッチングした
ときの正規化した類似度の分布てある。図８（ｄ）にお
いて、１６は類似度分布１４のヒストグラム、１７は類
似度分布１５のヒストグラムである。
と同一である。図８（ｃ）において、１４はテンプレー
ト候補３ｂを用いて対象画像１をパターンマッチングし
たときの正規化した類似度の分布、１５はテンプレート
候補３ａを用いて対象画像１をパターンマッチングした
ときの正規化した類似度の分布てある。図８（ｄ）にお
いて、１６は類似度分布１４のヒストグラム、１７は類
似度分布１５のヒストグラムである。
【００３２】次に、本実施形態のテンプレートの自動教
示方法について、図７のフローチャートと図８の説明図
を参照しながら説明する。まず、テンプレートの候補と
して３ａ、３ｂを発生させる。テンプレート候補３ａ、
３ｂを用いて対象画像１中の検出対象２をパターンマッ
チングすると、類似度分布４、５が得られる。類似度分
布４、５では類似度が０のときテンプレートと完全に一
致する。
示方法について、図７のフローチャートと図８の説明図
を参照しながら説明する。まず、テンプレートの候補と
して３ａ、３ｂを発生させる。テンプレート候補３ａ、
３ｂを用いて対象画像１中の検出対象２をパターンマッ
チングすると、類似度分布４、５が得られる。類似度分
布４、５では類似度が０のときテンプレートと完全に一
致する。
【００３３】類似度分布４を正規化すると類似度分布１
５が、類似度分布５を正規化すると類似度分布１４が得
られる。類似度分布４、５では類似度の最大値が異なる
ため、類似度の分散値と平均値を単純に比較できない場
合がある。この場合は、類似度分布を正規化し、類似度
の最大値を等しくした類似度分布１４、１５を考えるこ
とにより、同レベルでの比較を行えるようになる。類似
度分布１４ではグラフの形が鈍角になっている。これは
テンプレート候補３ｂを用いてマッチングを行った場
合、似たようなパターンが多く、認識しにくいパターン
であることを示している。また、類似度分布１５ではグ
ラフの形が鋭角になっている。これはテンプレート候補
３ａを用いてマッチングを行った場合、似たようなパタ
ーンが少なく、認識し易いパターンであることを示して
いる。これをヒストグラムで考えると、ヒストグラム１
６、１７のようになり、テンプレート候補３ａを用いて
マッチングを行ったとき、類似度の分散は小さく平均値
は大きくなり、テンプレート候補３ｂを用いてマッチン
グを行ったとき、類似度の分散は大きく平均値は小さく
なるという違いで現れる。
５が、類似度分布５を正規化すると類似度分布１４が得
られる。類似度分布４、５では類似度の最大値が異なる
ため、類似度の分散値と平均値を単純に比較できない場
合がある。この場合は、類似度分布を正規化し、類似度
の最大値を等しくした類似度分布１４、１５を考えるこ
とにより、同レベルでの比較を行えるようになる。類似
度分布１４ではグラフの形が鈍角になっている。これは
テンプレート候補３ｂを用いてマッチングを行った場
合、似たようなパターンが多く、認識しにくいパターン
であることを示している。また、類似度分布１５ではグ
ラフの形が鋭角になっている。これはテンプレート候補
３ａを用いてマッチングを行った場合、似たようなパタ
ーンが少なく、認識し易いパターンであることを示して
いる。これをヒストグラムで考えると、ヒストグラム１
６、１７のようになり、テンプレート候補３ａを用いて
マッチングを行ったとき、類似度の分散は小さく平均値
は大きくなり、テンプレート候補３ｂを用いてマッチン
グを行ったとき、類似度の分散は大きく平均値は小さく
なるという違いで現れる。
【００３４】従って、すべての発生テンプレート候補に
ついてマッチングを行い、類似度分布を求めてその正規
化を行い、正規化された類似度分布からその分散と平均
値を計算し、分散が小さく、平均値が大きいテンプレー
ト候補を吟味することにより、対象画像１中の検出対象
２を最も良く認識するテンプレートを選びだすことがで
きる。
ついてマッチングを行い、類似度分布を求めてその正規
化を行い、正規化された類似度分布からその分散と平均
値を計算し、分散が小さく、平均値が大きいテンプレー
ト候補を吟味することにより、対象画像１中の検出対象
２を最も良く認識するテンプレートを選びだすことがで
きる。
【００３５】かくして、本実施形態によれば、類似度の
取りうる値の範囲が異なる場合でも、等しい土台で評価
することにより、より高い信頼性をもって最も認識し易
く、誤認識や認識精度の低下の少ないテンプレートを自
動的に得ることができる。
取りうる値の範囲が異なる場合でも、等しい土台で評価
することにより、より高い信頼性をもって最も認識し易
く、誤認識や認識精度の低下の少ないテンプレートを自
動的に得ることができる。
【００３６】なお、以上の説明では、類似度の分散が小
さく、平均値が高いほどよい例を示したが、類似度の定
義によってはかならずしもそうではなく、逆になること
もあり得る。
さく、平均値が高いほどよい例を示したが、類似度の定
義によってはかならずしもそうではなく、逆になること
もあり得る。
【００３７】
【発明の効果】本発明の画像認識方法によれば、以上の
ように教示パターンの設定に際して複数の教示パターン
候補を発生し、適当な教示パターン候補について認識対
象と比較演算して類似度の分散と平均値を求め、教示パ
ターン候補の中から最も認識し易い教示パターンを選択
して設定するので、認識対象を検出した位置での類似度
と、そうでない位置での類似度との差が最も大きくなる
ような教示パターンを選びだすことができ、これにより
最も認識し易く、誤認識や認識精度の低下の少ない教示
パターンを自動的に得ることができる。
ように教示パターンの設定に際して複数の教示パターン
候補を発生し、適当な教示パターン候補について認識対
象と比較演算して類似度の分散と平均値を求め、教示パ
ターン候補の中から最も認識し易い教示パターンを選択
して設定するので、認識対象を検出した位置での類似度
と、そうでない位置での類似度との差が最も大きくなる
ような教示パターンを選びだすことができ、これにより
最も認識し易く、誤認識や認識精度の低下の少ない教示
パターンを自動的に得ることができる。
【００３８】また、認識対象に変動を加えた複数の画像
を用いると、認識対象に様々な変動がある場合でも、最
も認識し易く、誤認識や認識精度の低下の少ない教示パ
ターンを得ることができる。
を用いると、認識対象に様々な変動がある場合でも、最
も認識し易く、誤認識や認識精度の低下の少ない教示パ
ターンを得ることができる。
【００３９】また、教示パターン候補の抽出に際して、
特徴量の多いパターンを候補として選択すると、特徴が
少なく、認識に不向きなパターンを省くことができ、無
駄な計算を省くことができる。
特徴量の多いパターンを候補として選択すると、特徴が
少なく、認識に不向きなパターンを省くことができ、無
駄な計算を省くことができる。
【００４０】また、正規化された類似度の分散と平均値
を用いて、複数の教示パターン候補の中から最も認識し
易い教示パターンを選択すると、類似度の取りうる値の
範囲が異なる場合でも、等しい土台で評価することがで
き、より高い信頼性をもって適切な教示パターンを得る
ことができる。
を用いて、複数の教示パターン候補の中から最も認識し
易い教示パターンを選択すると、類似度の取りうる値の
範囲が異なる場合でも、等しい土台で評価することがで
き、より高い信頼性をもって適切な教示パターンを得る
ことができる。
【図１】本発明の画像認識方法の第１の実施形態におけ
るテンプレートの自動教示方法を示すフローチャートで
ある。
るテンプレートの自動教示方法を示すフローチャートで
ある。
【図２】同実施形態の説明図である。
【図３】本発明の画像認識方法の第２の実施形態におけ
るテンプレートの自動教示方法を示すフローチャートで
ある。
るテンプレートの自動教示方法を示すフローチャートで
ある。
【図４】同実施形態の説明図である。
【図５】本発明の画像認識方法の第３の実施形態におけ
るテンプレートの自動教示方法を示すフローチャートで
ある。
るテンプレートの自動教示方法を示すフローチャートで
ある。
【図６】同実施形態の説明図である。
【図７】本発明の画像認識方法の第４の実施形態におけ
るテンプレートの自動教示方法を示すフローチャートで
ある。
るテンプレートの自動教示方法を示すフローチャートで
ある。
【図８】同実施形態の説明図である。
【図９】従来例のテンプレートの教示方法を示すフロー
チャートである。
チャートである。
１ 対象画像 ２ 検出対象 ３ａ、３ｂ テンプレート候補（教示パターン候補） ８ 回転変動が加えられた対象画像 １３ 検出対象２の特徴
───────────────────────────────────────────────────── フロントページの続き (72)発明者 鈴木 規之 大阪府門真市大字門真1006番地 松下電器 産業株式会社内 Ｆターム(参考） 5L096 FA32 FA33 FA35 HA08 JA03 JA09 KA13
Claims (4)
- 【請求項１】 パターンマッチングを用いた画像認識方
法において、教示パターンの設定に際して複数の教示パ
ターン候補を発生し、適当な教示パターン候補について
認識対象と比較演算して類似度の分散と平均値を求め、
教示パターン候補の中から最も認識し易い教示パターン
を選択して設定することを特徴とする画像認識方法。 - 【請求項２】 認識対象に変動を加えた複数の画像を用
いることを特徴とする請求項１記載の画像認識方法。 - 【請求項３】 教示パターン候補の抽出に際して、特徴
量の多いパターンを候補として選択することを特徴とす
る請求項１又は２記載の画像認識方法。 - 【請求項４】 正規化された類似度の分散と平均値を用
いて、複数の教示パターン候補の中から最も認識し易い
教示パターンを選択することを特徴とする請求項１〜３
の何れかに記載の画像認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000219040A JP2002032753A (ja) | 2000-07-19 | 2000-07-19 | 画像認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000219040A JP2002032753A (ja) | 2000-07-19 | 2000-07-19 | 画像認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002032753A true JP2002032753A (ja) | 2002-01-31 |
Family
ID=18713893
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000219040A Pending JP2002032753A (ja) | 2000-07-19 | 2000-07-19 | 画像認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2002032753A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010205007A (ja) * | 2009-03-04 | 2010-09-16 | Omron Corp | モデル画像取得支援装置、モデル画像取得支援方法およびモデル画像取得支援プログラム |
| JP2011243199A (ja) * | 2010-05-14 | 2011-12-01 | Palo Alto Research Center Inc | 文書分類のための画像アンカテンプレートの学習方法 |
| JP2011243200A (ja) * | 2010-05-14 | 2011-12-01 | Palo Alto Research Center Inc | コンテンツをアンカリングしかつデータを抽出するための画像テンプレートの学習方法 |
| JP2013065354A (ja) * | 2012-12-27 | 2013-04-11 | Omron Corp | モデル画像取得支援装置、モデル画像取得支援方法およびモデル画像取得支援プログラム |
| JP2020077397A (ja) * | 2018-11-09 | 2020-05-21 | キヤノン株式会社 | 画像処理方法、画像処理装置、生産システム、物品の製造方法、プログラム、および記録媒体 |
-
2000
- 2000-07-19 JP JP2000219040A patent/JP2002032753A/ja active Pending
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010205007A (ja) * | 2009-03-04 | 2010-09-16 | Omron Corp | モデル画像取得支援装置、モデル画像取得支援方法およびモデル画像取得支援プログラム |
| US8620060B2 (en) | 2009-03-04 | 2013-12-31 | Omron Corporation | Model image acquisition support apparatus, model image acquisition support method, and model image acquisition support program |
| JP2011243199A (ja) * | 2010-05-14 | 2011-12-01 | Palo Alto Research Center Inc | 文書分類のための画像アンカテンプレートの学習方法 |
| JP2011243200A (ja) * | 2010-05-14 | 2011-12-01 | Palo Alto Research Center Inc | コンテンツをアンカリングしかつデータを抽出するための画像テンプレートの学習方法 |
| JP2013065354A (ja) * | 2012-12-27 | 2013-04-11 | Omron Corp | モデル画像取得支援装置、モデル画像取得支援方法およびモデル画像取得支援プログラム |
| JP2020077397A (ja) * | 2018-11-09 | 2020-05-21 | キヤノン株式会社 | 画像処理方法、画像処理装置、生産システム、物品の製造方法、プログラム、および記録媒体 |
| JP7404017B2 (ja) | 2018-11-09 | 2023-12-25 | キヤノン株式会社 | 画像処理方法、画像処理装置、生産システム、物品の製造方法、プログラム、および記録媒体 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7340089B2 (en) | Geometric pattern matching using dynamic feature combinations | |
| JP4745207B2 (ja) | 顔特徴点検出装置及びその方法 | |
| CN109272502B (zh) | 基于温度场效应的pcb硬件安全检测方法 | |
| US20190370982A1 (en) | Movement learning device, skill discriminating device, and skill discriminating system | |
| Han et al. | Moving object detection revisited: Speed and robustness | |
| US8867844B2 (en) | Edge based template matching | |
| JPH1139493A (ja) | 距離及び方向に鑑みたパターン整合装置及びその方法 | |
| KR101675214B1 (ko) | 전자기기에서의 동작 인식 시스템 및 방법 | |
| JP2018142189A (ja) | プログラム、測距方法、及び測距装置 | |
| CN109829902B (zh) | 一种基于广义S变换和Teager属性的肺部CT图像结节筛选方法 | |
| JP2002032753A (ja) | 画像認識方法 | |
| CN108563988B (zh) | 一种指尖轨迹识别分类方法 | |
| WO2015030689A2 (en) | A tool and method for robust, scale and orientation invariant object detection and classification | |
| JP2005128628A (ja) | パターン識別における照合に用いられるテンプレートの生成ならびに同テンプレートを用いたパターン識別のための方法、装置、およびプログラム | |
| US7113637B2 (en) | Apparatus and methods for pattern recognition based on transform aggregation | |
| JP2898562B2 (ja) | ナンバープレート決定方法 | |
| Siena et al. | Detecting occlusion from color information to improve visual tracking | |
| KR20070041816A (ko) | 모폴로지를 이용한 지문영상의 방향성 검출장치 및검출방법 | |
| JPWO2016143106A1 (ja) | 部品種類自動判別方法及び部品種類自動判別システム並びに画像処理用部品データ作成方法及び画像処理用部品データ作成システム | |
| JPH07210654A (ja) | 円形状パターン計測・位置認識装置 | |
| JPH11144057A (ja) | 画像認識装置および画像認識方法 | |
| JP2010224797A (ja) | 対象物検出装置及びプログラム | |
| JP2009289189A (ja) | 学習モデル生成装置及びプログラム並びに対象物検出装置及びプログラム | |
| JP4377283B2 (ja) | 特徴抽出装置、特徴抽出方法、および、プログラム | |
| Mehrotra et al. | An efficient dual stage approach for iris feature extraction using interest point pairing |