JP3203670B2 - Camera photometer - Google Patents

Description

【発明の詳細な説明】DETAILED DESCRIPTION OF THE INVENTION

【０００１】[0001]

【産業上の利用分野】本発明は、撮影画面を複数に分割
して測光するカメラの測光装置に関するものである。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a photometric device for a camera which divides a photographing screen into a plurality of portions and performs photometry.

【０００２】[0002]

【従来の技術】従来、この種のカメラの測光装置とし
て、撮影画面を複数の受光素子で分割測光したのち、そ
れぞれ測光素子の出力を比較することにより、主要被写
体に比較的高い確率で露光値を合わせられるようにした
ものが知られている。例えば、分割された撮影画面の１
領域の最高輝度が高く、その他の領域との輝度差が大き
い場合には、太陽等を含むシーンであると見なして、高
輝度の部分を測光値から削除したり、低輝度の領域を重
視した測光を行うようにすることができる。2. Description of the Related Art Conventionally, as a photometric device for a camera of this type, after a photo-taking screen is divided and photometrically measured by a plurality of light-receiving elements, the output of each photometric element is compared, so that the exposure value of a main subject is relatively high. It is known that they can be matched. For example, one of the divided shooting screens
If the highest luminance of the area is high and the luminance difference from other areas is large, it is considered that the scene includes the sun etc., and the high luminance part is deleted from the photometric value, and the low luminance area is emphasized. Photometry can be performed.

【０００３】また、輝度分布が特殊な被写体に対して適
正な露出値が得られるように、「受光素子の出力のう
ち、最大のものに重み付けしたものと、最小のものに重
み付けしたものと、画面位置に応じて重み付けしたもの
とを加算して輝度情報を算出したり、さらに、その重み
付け係数が、シーンに応じて定められるようにした露光
演算方式（特公平２−７０１０号）」が提案されてい
る。Also, in order to obtain an appropriate exposure value for a subject having a special luminance distribution, "the output of the light receiving element is weighted to the maximum, the output to the minimum is weighted, An exposure calculation method (Japanese Patent Publication No. 2-7010) is proposed in which luminance information is calculated by adding a value weighted according to the screen position, and the weighting coefficient is determined according to the scene. Have been.

【０００４】更に、パターン認識能力の優れたものとし
て、ニューラルネットワークが知られているが、そのニ
ューラルネットワークに分割された測光出力を入力し、
そのネットワークの結合の重みをあらかじめ学習により
決定し、カメラに搭載された状態では結合の重みが固定
された状態で、このネットワークの出力を露光値とする
カメラの測光装置が提案されている（特開平２ー９６７
２３）。このネットワークを適切に構築すれば、学習さ
れたパターンの被写体に対してはほぼ適正露光値が得ら
れるようになる。Further, a neural network is known as one having an excellent pattern recognition ability. A photometric output divided into the neural network is input to the neural network.
The weight of the connection of the network is determined in advance by learning, and a photometer for a camera that uses the output of this network as an exposure value while the weight of the connection is fixed when the camera is mounted on the camera has been proposed. Kaihei 2-967
23). If this network is appropriately constructed, a substantially proper exposure value can be obtained for the subject having the learned pattern.

【０００５】[0005]

【発明が解決しようとする課題】しかし、前述した従来
の測光演算方式では、想定された撮影シーンに該当する
か否かの境界の被写体に対しては、わずかな画面の変化
により露光値が不安定になるという問題があった。However, in the above-described conventional photometry calculation method, an exposure value is not sufficient for a subject at the boundary of whether or not it corresponds to an assumed photographing scene due to a slight change in the screen. There was a problem of becoming stable.

【０００６】また、多くの撮影シーンに適合させるため
には、それだけ多くのパターンに分類する必要が生じ、
最適な露光値の選択が複雑となるうえ、想定されていな
い撮影シーンに対しては全く予測ができず、適正な露光
値とは程遠い値になってしまう可能性があった。Further, in order to adapt to many photographing scenes, it is necessary to classify into many patterns.
The selection of the optimum exposure value is complicated, and it is impossible to predict a photographing scene that is not assumed at all, and the exposure value may be far from an appropriate exposure value.

【０００７】更に、撮影シーンに対して重み付けを行う
ネットワークは、適切に構築することにより予め想定さ
れた撮影シーンに対しては、ほぼ適正な露光値が得られ
るが、そのためには、ネットワークが大規模なものにな
ってしまい、カメラに搭載されているマイクロコンピュ
ータでは対応できないうえ、パターンの分類に必要なデ
ータも膨大な数が必要となってしまう。Further, a network for weighting a photographic scene can obtain an approximately proper exposure value for a supposed photographic scene by appropriately constructing the network. Since the scale becomes large, the microcomputer mounted on the camera cannot cope with it, and a huge number of data is required for pattern classification.

【０００８】本発明の目的は、これらの課題を解決し、
撮影シーンの変化に対して滑らかな露光値を与えること
ができるとともに、露光結果の予想が可能であり、少な
い学習量で様々な被写体に対して最適な露光値を与える
ことができるカメラの測光装置を提供することである。The object of the present invention is to solve these problems,
A photometric device for a camera that can provide a smooth exposure value for a change in a shooting scene, can predict an exposure result, and can provide an optimal exposure value to various subjects with a small amount of learning. It is to provide.

【０００９】[0009]

【課題を解決するための手段】前記課題を解決するため
に本発明のカメラの測光装置は、撮影画面を複数の測光
領域に分割して測光する測光用受光素子を備えたカメラ
の測光装置において、前記測光用受光素子の分割された
複数の測光領域からの出力により被写体の特徴を示す複
数の被写体情報を抽出する特徴抽出手段と、前記被写体
情報を予め定められた複数の重み係数に従って加重加算
演算し、複数の出力を生成する第１の演算手段と、前記
被写体情報に従って前記第１の演算手段からの複数の出
力に対して連続的に変化する関数を用いて適合度を算出
する適合度算出手段と、前記第１の演算手段の複数の出
力を前記適合度算出手段で算出した適合度に従って加重
加算演算し、露光制御信号を生成する第２の演算手段と
から構成してある。According to the present invention, there is provided a photometric device for a camera, comprising: a photometric light receiving element for dividing a photographic screen into a plurality of photometric regions and performing photometry. Feature extracting means for extracting a plurality of pieces of subject information indicating the features of the subject based on outputs from the plurality of divided photometric regions of the photometric light receiving element, and weighted addition of the subject information according to a plurality of predetermined weighting factors A first calculating means for calculating and generating a plurality of outputs, and a goodness of fit calculating a goodness of fit using a function continuously changing with respect to the plurality of outputs from the first calculating means according to the subject information And a second arithmetic means for performing a weighted addition operation on the plurality of outputs of the first arithmetic means according to the fitness calculated by the fitness calculating means to generate an exposure control signal.

【００１０】[0010]

【作用】本発明によれば、分割測光領域の測光出力に重
み付けを行うとともに、その測光出力からいくつかの特
徴を抽出し、抽出した特徴から適合度を算定し、その適
合度によって、さらに結合の重み付けをして、露出値を
決定する。According to the present invention, the photometric outputs of the divided photometric areas are weighted, some features are extracted from the photometric outputs, the fitness is calculated from the extracted features, and the combination is further determined by the fitness. To determine the exposure value.

【００１１】[0011]

【実施例】以下、図面などを参照して、実施例につき、
本発明を詳細に説明する。図１〜図４は、本発明による
カメラの測光装置の実施例を示した図であって、図１は
カメラ全体を示した概略図、図２は測光用受光素子を示
した平面図、図３は演算装置のネットワーク構造を示し
た概念図、図４は演算装置の動作を示した流れ図であ
る。DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Referring now to the drawings and the like,
The present invention will be described in detail. 1 to 4 are views showing an embodiment of a photometric device for a camera according to the present invention. FIG. 1 is a schematic diagram showing the entire camera, FIG. 2 is a plan view showing a photometric light receiving element, and FIG. 3 is a conceptual diagram showing the network structure of the arithmetic device, and FIG. 4 is a flowchart showing the operation of the arithmetic device.

【００１２】この実施例の測光装置は、１眼レフカメラ
１に適用したものであり、図１に示すように、撮影レン
ズ２，クイックリターンミラー３，フォーカシングスク
リーン４，再結像レンズ６，測光用受光素子７，演算装
置８，シャッタ駆動装置９，絞り駆動装置１０等から構
成されている。The photometric device of this embodiment is applied to a single-lens reflex camera 1, and as shown in FIG. 1, a photographing lens 2, a quick return mirror 3, a focusing screen 4, a re-imaging lens 6, a photometric device. It comprises a light receiving element 7, a computing device 8, a shutter driving device 9, an aperture driving device 10, and the like.

【００１３】被写体からの光束は、撮影レンズ２を通り
クイックリターンミラー３で反射され、フォーカシング
スクリーン４に結像され観察される。フォーカシングス
クリーン４上に結像された被写体像は、再結像レンズ６
により測光用の受光素子７に再結像される。The luminous flux from the subject passes through the taking lens 2 and is reflected by the quick return mirror 3 to form an image on a focusing screen 4 for observation. The subject image formed on the focusing screen 4 is
Is re-imaged on the light receiving element 7 for photometry.

【００１４】受光素子７は、受光した光束を光電変換し
て測光出力とする素子であり、図２に示すように、撮影
画面は５分割されており、それぞれの測光出力（レベル
Ｂ１〜Ｂ５）は、演算装置８に接続されている。The light receiving element 7 is an element for converting a received light beam into a photometric output by photoelectrically converting the received light flux. As shown in FIG. 2, the photographing screen is divided into five sections, and each photometric output (level B1 to B5) is obtained. Is connected to the arithmetic unit 8.

【００１５】演算装置８は、公知のマイクロコンピュー
タが使用されており、カメラ全体の制御とともに、受光
素子７からの測光出力に基づいて、後述する図４の流れ
図に従って、分割測光のパターンとその特徴を抽出した
値を組み合わせた露光値が演算される。演算装置８の出
力は、シャッタ駆動装置９および絞り駆動装置１０に接
続されており、撮影時には、演算された露光値に基づい
て、シャッタ駆動装置９および絞り駆動装置１０が制御
され、フィルム５に露光が行われる。The arithmetic unit 8 uses a known microcomputer, and controls the entire camera and, based on the photometric output from the light receiving element 7, according to the flow chart of FIG. An exposure value is calculated by combining the values obtained by extracting. The output of the arithmetic unit 8 is connected to a shutter drive unit 9 and an aperture drive unit 10. At the time of photographing, the shutter drive unit 9 and the aperture drive unit 10 are controlled based on the calculated exposure value. Exposure is performed.

【００１６】次に、図３を参照して、演算装置８が有す
るネットワーク構造について説明する。演算装置８は、
入力層８１，中間層８２，出力層８３の３階層から構成
されている。Next, referring to FIG. 3, the network structure of the arithmetic unit 8 will be described. The arithmetic unit 8
It is composed of three layers: an input layer 81, an intermediate layer 82, and an output layer 83.

【００１７】入力層８１には、ネットワークへの入力で
あるレベルＩ１〜Ｉ６が含まれている。レベルＩ１は、
画面中央部の明るさを示し、測光出力レベルＢ１がその
まま入力されている。レベルＩ２は、画面上部の明るさ
を示し、測光出力レベルＢ２とレベルＢ３の平均値が入
力されている。レベルＩ３は、画面下部の明るさを示
し、測光出力レベルＢ４とレベルＢ５の平均値が入力さ
れている。レベルＩ４は、画面のハイライト部の明るさ
を示し、測光出力レベルＢ１〜Ｂ５の中の最大値が入力
されている。レベルＩ５は、画面のシャドー部の明るさ
を示し、測光出力レベルＢ１〜Ｂ５の中の最小値が入力
されている。レベルＩ６は、定数項であり、常に１が入
力されている。The input layer 81 includes levels I1 to I6, which are inputs to the network. Level I1 is
It indicates the brightness at the center of the screen, and the photometric output level B1 is input as it is. Level I2 indicates the brightness at the top of the screen, and the average value of the photometric output levels B2 and B3 is input. Level I3 indicates the brightness of the lower part of the screen, and the average value of the photometric output levels B4 and B5 is input. Level I4 indicates the brightness of the highlight portion of the screen, and the maximum value among the photometric output levels B1 to B5 is input. The level I5 indicates the brightness of the shadow portion of the screen, and the minimum value among the photometric output levels B1 to B5 is input. Level I6 is a constant term, and 1 is always input.

【００１８】入力層８１の入力値は、被写体の特徴を示
すように決められたものであるが、特にこれらの特徴に
限るものではなく、信号処理を行って、他の特徴を示す
値、例えば、前記入力値の２乗した値やそれ以上の高次
の値等を追加すれば、性能がより向上する。The input values of the input layer 81 are determined so as to indicate the characteristics of the subject. However, the input values are not particularly limited to these characteristics. If a value obtained by squaring the input value or a higher order value or the like is added, the performance is further improved.

【００１９】抽出要素Ｆ１，抽出要素Ｆ２は、適合度演
算部８４への入力値である。抽出要素Ｆ１は、測光出力
レベルＢ１〜Ｂ５の中の最大値であるレベルＩ４と同じ
値が入力されており、ここでは、この値を被写体の輝度
としている。抽出要素Ｆ２は、測光出力レベルＢ１〜Ｂ
５の最大輝度差が入力されている。The extracted elements F1 and F2 are input values to the fitness calculating section 84. The same value as the level I4 which is the maximum value of the photometric output levels B1 to B5 is input to the extraction element F1, and this value is used as the luminance of the subject here. The extraction element F2 has photometric output levels B1 to B
A maximum luminance difference of 5 has been input.

【００２０】中間層８２には、６個のニューロンＮj が
用意されており、レベルＩ１〜Ｉ６の各入力と、学習済
みの重み係数Ｗijで結合している。このとき、ニューロ
ンＮj の出力は、次の式で表される。 Ｎj ＝ΣＷijＩi ( i:1・・・6 ，j:1・・・6 ) …（１） 式（１）で示すように、この実施例のニューロンＮj
は、単純な１次の線形式であるので、異なる入力に対す
る出力は直線的に変化し、撮影者にとって予想と大きく
外れる出力となることがない。In the intermediate layer 82, six neurons Nj are prepared, and are connected to the respective inputs of levels I1 to I6 with learned weight coefficients Wij. At this time, the output of the neuron Nj is expressed by the following equation. Nj = ΣWijIi (i: 1... 6, j: 1... 6) (1) As shown by the equation (1), the neuron Nj of this embodiment is
Is a simple primary linear form, the output for different inputs varies linearly, and does not result in an output that is far from expected for the photographer.

【００２１】次に、これらのニューロンの出力Ｎj は、
適合度演算部８４によって決定された適合度Ｋ１〜Ｋ６
により、次の式に従って加重加算平均され、出力層８３
から制御値Ｏとして出力される。 Ｏ＝（ΣＫj Ｎj ）／ΣＫj (j:1・・・6) …（２）Next, the output Nj of these neurons is
Fitness K1 to K6 determined by fitness calculation unit 84
Is weighted and averaged according to the following equation,
Is output as a control value O. O = (ΣKj Nj) / ΣKj (j: 1... 6) (2)

【００２２】適合度Ｋ1 〜Ｋ6 の値は、それぞれ以下に
示す６個のルールに従って、いわゆるファジイ処理によ
って求められる。ルール１は、「被写体が暗く、かつ、
輝度差が小さいときは、ニューロンＮ1 を採用する」と
いうルールであり、ルール２は、「被写体が明るく、か
つ、輝度差が小さいときは、ニューロンＮ2 を採用す
る」というルールであり、ルール３は、「被写体がたい
へん明るく、かつ、輝度差が小さいときは、ニューロン
Ｎ3 を採用する」というルールであり、ルール４は、
「被写体が暗く、かつ、輝度差が大きいときは、ニュー
ロンＮ4 を採用する」というルールであり、ルール５
は、「被写体が明るく、かつ、輝度差が大きいときは、
ニューロンＮ5 を採用する」というルールであり、ルー
ル６は、「被写体がたいへん明るく、かつ、輝度差が大
きいときは、ニューロンＮ6 を採用する」というルール
である。The values of the degrees of conformity K1 to K6 are obtained by so-called fuzzy processing in accordance with the following six rules. Rule 1 states that the subject is dark and
Rule 2 is that when the difference in luminance is small, neuron N1 is used. Rule 2 is that when the object is bright and the difference in luminance is small, neuron N2 is used. , "When the subject is very bright and the difference in luminance is small, the neuron N3 is adopted."
The rule is "when the subject is dark and the luminance difference is large, the neuron N4 is adopted".
Is "When the subject is bright and the difference in brightness is large,
The rule is that "the neuron N5 is adopted", and the rule 6 is that "when the subject is very bright and the luminance difference is large, the neuron N6 is adopted".

【００２３】ところで、この実施例によるネットワーク
では、各ニューロンＮj の機能を分化させるために、フ
ァジイ処理によって求めた各ニューロンの適合度Ｋj を
付加し、次の式で学習を行う。 Ｗｎij＝Ｗｏij＋e （Ｔ−Ｎj ）Ｉi Ｋj …式（３） ただし、e は１回の修正の大きさを決めるパラメータで
あり、正の非常に小さな値をとる。また、Ｔは目標値、
Ｗｏijは前回の重み係数、Ｗｎijは新しい重み係数であ
る。By the way, in the network according to this embodiment, in order to differentiate the function of each neuron Nj, the fitness Kj of each neuron obtained by fuzzy processing is added, and learning is performed by the following equation. Wnij = Woij + e (T-Nj) IiKj Equation (3) where e is a parameter for determining the magnitude of one correction, and takes a very small positive value. T is a target value,
Woij is the previous weighting factor and Wnij is the new weighting factor.

【００２４】この式（３）を用いて学習を行うことによ
り、各ニューロンＮjは、相当するルール１〜６に適合
するデータで学習されることになる。例えば、ニューロ
ンＮ１は、図７における領域１に適合するデータを用い
て学習が行われ、学習後は領域１に最適な結合の重みが
得られる。By performing the learning using the equation (3), each neuron Nj is learned with data conforming to the corresponding rules 1 to 6. For example, in the neuron N1, learning is performed using data matching the area 1 in FIG. 7, and after the learning, an optimal connection weight for the area 1 is obtained.

【００２５】また、学習後の各重み係数Ｗｎijの大きさ
を見れば、その領域１〜６で各入力が重視される度合が
わかり、入力に対する制御の予想がつく。例えば、ニュ
ーロンＮ１に対する重み係数Ｗi1の中で、重み係数Ｗ11
が最も大きい値であれば、入力Ｉ１つまり中央部の測光
値Ｂ１が最も重視されることがわかる。Further, by looking at the magnitude of each weight coefficient Wnij after learning, the degree of importance of each input in the areas 1 to 6 can be understood, and control of the input can be predicted. For example, among the weighting factors Wi1 for the neuron N1, the weighting factor W11
Is the largest value, it is understood that the input I1, that is, the photometric value B1 at the center is the most important.

【００２６】これらの重み係数Ｗijの学習では、通常は
様々な被写体を想定して採取したデータで行なうことに
なる。さらに、特定の被写体、例えばポートレート、風
景等の撮影対象別に学習した重み係数Ｗijを何組か用意
し、撮影者が被写体に応じて選択できるようにすること
もでき、これは重み係数Ｗijを何組かカメラ内に用意す
るか、または外部から別の重み係数Ｗijを入力できるよ
うにすればよい。The learning of these weighting factors Wij is usually carried out with data collected assuming various subjects. Furthermore, it is also possible to prepare several sets of weighting factors Wij learned for each specific subject, for example, a shooting subject such as a portrait or a landscape, so that the photographer can select the weighting factors Wij according to the subject. Some sets may be prepared in the camera, or another weighting coefficient Wij may be input from outside.

【００２７】次に、図４の流れ図に従って、演算装置８
の演算処理を中心にして、この実施例の動作を説明す
る。まず、ステップＳ１では、ＡＤコンバータ等を通し
て、受光素子７からの測光値Ｂ１〜Ｂ５を取得する。Next, according to the flowchart of FIG.
The operation of this embodiment will be described focusing on the calculation processing. First, in step S1, photometric values B1 to B5 from the light receiving element 7 are obtained through an AD converter or the like.

【００２８】ステップＳ２では、ステップＳ１で取得し
た測光値Ｂ１〜Ｂ５より、次の式に基づいて、ネットワ
ークへの入力値のレベルＩ１〜Ｉ５を算出する。なお、
ＭＡＸは最大値、ＭＩＮは最小値を示す関数である。 Ｉ1 ＝Ｂ1 …（４） Ｉ2 ＝（Ｂ2 ＋Ｂ3 ）／２ …（５） Ｉ3 ＝（Ｂ4 ＋Ｂ5 ）／２ …（６） Ｉ4 ＝ＭＡＸ（Ｂ1 〜Ｂ5 ） …（７） Ｉ5 ＝ＭＩＮ（Ｂ1 〜Ｂ5 ） …（８）[0028] In step S2, from the photometric value B1～B 5 acquired in step S1, based on the following equation to calculate the level I1～I 5 input values to the network. In addition,
MAX is a function indicating the maximum value, and MIN is a function indicating the minimum value. I1 = B1 (4) I2 = (B2 + B3) / 2 (5) I3 = (B4 + B5) / 2 (6) I4 = MAX (B1 to B5) (7) I5 = MIN (B1 to B5) …… (8)

【００２９】ステップＳ３では、ステップＳ２で算出し
たレベルより次の式に基づいて、抽出要素Ｆ１，Ｆ２を
算出する。 Ｆ１＝Ｉ4 …（９） Ｆ２＝Ｉ４−Ｉ５ …（10）In step S3, the extracted elements F1 and F2 are calculated from the level calculated in step S2 based on the following equation. F1 = I4 (9) F2 = I4-I5 (10)

【００３０】ステップＳ４では、適合度Ｋ１〜Ｋ６を、
抽出要素Ｆ１，Ｆ２とメンバーシップ関数より、次の式
に基づいて算出する。 Ｋ1 ＝ＭＩＮ（Ｂｍａｘ１（Ｆ1 ），ｄＢ１（Ｆ2 ）） …（11） Ｋ2 ＝ＭＩＮ（Ｂｍａｘ２（Ｆ1 ），ｄＢ１（Ｆ2 ）） …（12） Ｋ3 ＝ＭＩＮ（Ｂｍａｘ３（Ｆ1 ），ｄＢ１（Ｆ2 ）） …（13） Ｋ4 ＝ＭＩＮ（Ｂｍａｘ１（Ｆ1 ），ｄＢ２（Ｆ2 ）） …（14） Ｋ5 ＝ＭＩＮ（Ｂｍａｘ２（Ｆ1 ），ｄＢ２（Ｆ2 ）） …（15） Ｋ6 ＝ＭＩＮ（Ｂｍａｘ３（Ｆ1 ），ｄＢ２（Ｆ2 ）） …（16）In step S4, the degrees of conformity K1 to K6 are
It is calculated based on the following equation from the extracted elements F1 and F2 and the membership function. K1 = MIN (Bmax1 (F1), dB1 (F2)) (11) K2 = MIN (Bmax2 (F1), dB1 (F2)) (12) K3 = MIN (Bmax3 (F1), dB1 (F2)) ... (13) K4 = MIN (Bmax1 (F1), dB2 (F2)) ... (14) K5 = MIN (Bmax2 (F1), dB2 (F2)) ... (15) K6 = MIN (Bmax3 (F1), dB2) (F2)) ... (16)

【００３１】メンバーシップ関数は、図５に示すよう
に、関数Ｂｍａｘ１は「暗い」、関数Ｂｍａｘ２は「明
るい」、関数Ｂｍａｘ３は「たいへん明るい」という表
現の適合度を与える関数であり、図６に示すように、関
数ｄＢ１は「小さい」、関数ｄＢ２は「大きい」という
表現の適合度を表す関数とから成り立っている。つま
り、前述したルール１〜６において、被写体輝度（以下
Ｂｍａｘという）に対してＦ１という入力があるとき
「暗い」、「明るい」、「たいへん明るい」という表現
に対する適合度は、メンバーシップ関数Ｂｍａｘ１（Ｆ
１）、Ｂｍａｘ２（Ｆ１）、Ｂｍａｘ３（Ｆ１）で表す
ことになる。また、輝度差（以下ｄＢという）に対して
Ｆ２という入力があるとき「小さい」、「大きい」とい
う表現に対する適合度は、メンバーシップ関数ｄＢ１
（Ｆ２）、ｄＢ２（Ｆ２）で表している。As shown in FIG. 5, the function Bmax1 is a function that gives a degree of conformity of “dark”, the function Bmax2 is a function of “bright”, and the function Bmax3 is a function that gives a degree of suitability of “very bright”. As shown, the function dB1 is composed of a function that expresses the degree of fitness of “small” and the function dB2 is “large”. That is, in the above-described rules 1 to 6, when there is an input of F1 with respect to the subject luminance (hereinafter, referred to as Bmax), the degree of conformity to the expressions “dark”, “bright”, and “very bright” is determined by the membership function Bmax1 ( F
1), Bmax2 (F1), and Bmax3 (F1). Also, when there is an input of F2 with respect to the luminance difference (hereinafter referred to as dB), the degree of conformity to the expressions “small” and “large” is determined by the membership function dB1
(F2) and dB2 (F2).

【００３２】これらのメンバーシップ関数は、演算装置
８のマイクロコンピュータのメモリ上に、各入力値に対
する適合値を、テーブルとして記憶したり、複数の直線
の式を組み合せてプログラム上で実現されるようになっ
ている。These membership functions are realized on a program by storing, in a memory of the microcomputer of the arithmetic unit 8, the adaptive values for each input value as a table or by combining a plurality of linear expressions. It has become.

【００３３】次に、ステップＳ６では、レベルＩ１〜Ｉ
６と、学習済みの結合の重み係数Ｗijより、前述の式
（１）に基づいて、ニューロンＮ１〜Ｎ６を算出する。
ここで、図７を参照して、Ｂｍａｘ−ｄＢ座標上での中
間層８２のニューロンＮj が適合するようすを説明す
る。各々の番号（１〜６）が、中間層８２でのニューロ
ンＮj の番号に相当し、点線で表されている領域の境界
は、はっきりしたものではなく、境界付近では隣接する
中間層８２のニューロンの出力Ｎ１〜Ｎ６の中間的な値
をとることになり、Ｂｍａｘ（Ｆ１）やｄＢ（Ｆ２）の
変化に対して出力の変動は滑らかなものとなる。Next, at step S6, levels I1 to I
6, and neurons N1 to N6 are calculated based on the above equation (1) from the learned connection weighting coefficients Wij.
Here, with reference to FIG. 7, how the neurons Nj of the intermediate layer 82 on the Bmax-dB coordinates are adapted will be described. Each number (1 to 6) corresponds to the number of the neuron Nj in the intermediate layer 82, and the boundary of the region indicated by the dotted line is not clear, and the neuron of the adjacent intermediate layer 82 is near the boundary. Takes an intermediate value of the outputs N1 to N6, and the output changes smoothly with respect to changes in Bmax (F1) and dB (F2).

【００３４】最後に、ステップＳ７では、適合度Ｋ１〜
Ｋ６とニューロンＮ１〜Ｎ６より、前述の式（２）に従
って、制御値Ｏを算出する。つまり、ステップＳ４で演
算したルール１〜６の適合度Ｋ1 〜Ｋ6 を、図３に示し
た中間層８２と出力層８３の結合の重みＫj となる演算
要素とし、加重加算平均した結果が制御値Ｏとなり、目
的の露光値が得られる。Finally, in step S7, the degree of conformity K1
The control value O is calculated from K6 and the neurons N1 to N6 according to the above equation (2). That is, the fitness K1 to K6 of the rules 1 to 6 calculated in step S4 is used as a calculation element serving as the weight Kj of the connection between the intermediate layer 82 and the output layer 83 shown in FIG. 3, and the result of weighted averaging is the control value. It becomes O, and the desired exposure value is obtained.

【００３５】次に、具体的に各ニューロンの適合度Ｋ１
〜Ｋ６の求め方を図８，図９を用いて説明する。図８
は、被写体輝度としてＦ１という入力があった場合を示
し、このとき「暗い」という表現に対する適合度Ｂｍａ
ｘ１（Ｆ１）は、０．３、「明るい」という表現に対す
る適合度Ｂｍａｘ２（Ｆ１）は０．７、「たいへん明る
い」という表現に対する適合度Ｂｍａｘ３（Ｆ１）は０
になる。Next, the fitness K1 of each neuron will be concretely described.
How to determine K6 will be described with reference to FIGS. FIG.
Indicates the case where F1 is input as the subject luminance, and at this time, the matching degree Bma for the expression “dark”
x1 (F1) is 0.3, the fitness Bmax2 (F1) for the expression "bright" is 0.7, and the fitness Bmax3 (F1) for the expression "very bright" is 0.
become.

【００３６】図９は、輝度差としてＦ２という入力があ
った場合を示し、このとき「小さい」という表現に対す
る適合度ｄＢ１（Ｆ２）は０．９、「大きい」という表
現に対する適合度ｄＢ２（Ｆ２）は０．１となる。FIG. 9 shows a case where an input of F2 is given as the luminance difference. At this time, the fitness dB1 (F2) for the expression "small" is 0.9, and the fitness dB2 (F2) for the expression "large" is obtained. ) Becomes 0.1.

【００３７】従って、Ｆ１，Ｆ２という入力があった場
合のルール１〜ルール６の適合度Ｋ１〜Ｋ６は、図４の
ステップＳ４において以下のようになる。 Ｋ１＝ＭＩＮ（０．３，０．９）＝０．３ Ｋ２＝ＭＩＮ（０．７，０．９）＝０．７ Ｋ３＝ＭＩＮ（ ０，０．９）＝０ Ｋ４＝ＭＩＮ（０．３，０．１）＝０．１ Ｋ５＝ＭＩＮ（０．７，０．１）＝０．１ Ｋ６＝ＭＩＮ（ ０，０．１）＝０ これらＫ１〜Ｋ６を用いて、図４のステップＳ７におい
て制御値Ｏを得る。Accordingly, the fitness K1 to K6 of the rules 1 to 6 when the inputs F1 and F2 are input are as follows in step S4 of FIG. K1 = MIN (0.3, 0.9) = 0.3 K2 = MIN (0.7, 0.9) = 0.7 K3 = MIN (0, 0.9) = 0 K4 = MIN (0.0.9) 3,0.1) = 0.1 K5 = MIN (0.7,0.1) = 0.1 K6 = MIN (0,0.1) = 0 By using these K1 to K6, the steps of FIG. In S7, a control value O is obtained.

【００３８】以上説明した実施例に限定されず、種々の
変形や変更ができ、それらも本発明の範囲内である。例
えば、この実施例では、ニューロンＮj の適合度Ｋ１〜
Ｋ６の決定には、すべての入力に対してのファジイ処理
をする方法を用いたが、演算装置８のＣＰＵの演算時間
の短縮化やプログラム容量に制約がある場合には、適合
度Ｋの値が１か０で中間的な値をとらない処理、つまり
ニューロンＮj の中から図９で示す領域に適合するもの
を１個だけ選択するシステムでもよい。このようにすれ
ば、領域の境界付近での滑らかさは少し粗なものなるも
のの、境界の数は、従来のシステムに較べて遙かに少な
いので、精度は従来より高く、前述のような境界問題は
生じにくく、しかも、選択されたニューロンの演算だけ
すればよいので演算速度が速くなる。The present invention is not limited to the embodiments described above, but can be variously modified and changed, and they are also within the scope of the present invention. For example, in this embodiment, the fitness K1 of the neuron Nj
To determine K6, a method of performing fuzzy processing on all inputs was used. However, if the calculation time of the CPU of the arithmetic unit 8 is reduced or the program capacity is restricted, the value of the degree of conformity K is determined. May take a value that is 1 or 0 and does not take an intermediate value, that is, a system that selects only one neuron Nj that fits the area shown in FIG. In this way, although the smoothness near the boundary of the region is slightly rough, the number of boundaries is much smaller than that of the conventional system, so that the accuracy is higher than before, and the boundary as described above. The problem is less likely to occur, and the operation speed is increased because only the operation of the selected neuron needs to be performed.

【００３９】また、この実施例では、ルールの数（ニュ
ーロンＮの数）が６個の場合について説明したが、この
数に限定される必要はなく、ルールの数が多いほうが性
能が向上する。これは、要求される精度と搭載されるＣ
ＰＵ等の容量に応じて選択すればよい。In this embodiment, the case where the number of rules (the number of neurons N) is six has been described. However, the number of rules need not be limited to this, and the greater the number of rules, the better the performance. This depends on the required accuracy and the C
The selection may be made according to the capacity of the PU or the like.

【００４０】なお、適合度を演算する場合に、小さい方
の値をとるようにしたが、両者の積を演算するようにし
てもよい。Although the smaller value is used when calculating the degree of conformity, the product of the two may be calculated.

【００４１】[0041]

【発明の効果】以上説明したように、本発明によれば、
抽出した特徴に基づいて、適合度を求めてさらに重み付
けをするので、想定された撮影シーンの境界となるよう
な被写体に対しては、滑らかな露光値が得られる。As described above, according to the present invention,
Since the degree of conformity is determined based on the extracted features and weighting is further performed, a smooth exposure value can be obtained for a subject that is a boundary of an assumed shooting scene.

【００４２】また、ネットワーク構造を線型にするとと
もに、各ニューロンの機能を明確にすることにより、出
力の予想が可能であるので、多くの被写体パターンを選
択せずに、わずかな測光上の撮影シーンの変化にも、よ
り適切な露光値を与え、少ない学習量で様々な被写体に
対して予想が可能な最適な露光値を与えることができ
る。In addition, since the output can be predicted by making the network structure linear and clarifying the function of each neuron, it is possible to select a small number of photometric scenes without selecting many object patterns. , A more appropriate exposure value can be given, and an optimum exposure value that can be predicted for various subjects with a small learning amount can be given.

【００４３】更に、演算装置が小規模でかつ単純であ
り、従来のカメラに搭載されているマイクロコンピュー
タで演算処理ができ、製品化が容易となる。Further, the arithmetic unit is small and simple, and can be operated by a microcomputer mounted on a conventional camera, which facilitates commercialization.

【図面の簡単な説明】[Brief description of the drawings]

【図１】図１は、本発明によるカメラの測光装置の実施
例を適用したカメラ全体を示した概略図である。FIG. 1 is a schematic diagram showing an entire camera to which an embodiment of a photometric device for a camera according to the present invention is applied.

【図２】図２は、本発明によるカメラの測光装置の実施
例に使用されている測光用受光素子を示した平面図であ
る。FIG. 2 is a plan view showing a photometric light receiving element used in an embodiment of a photometric device for a camera according to the present invention.

【図３】図３は、本発明によるカメラの測光装置の実施
例の演算装置に含まれるネットワーク構造を示した概念
図である。FIG. 3 is a conceptual diagram showing a network structure included in an arithmetic unit of an embodiment of a camera photometric device according to the present invention.

【図４】図４は、本発明によるカメラの測光装置の実施
例の演算装置の動作を説明する流れ図である。FIG. 4 is a flowchart for explaining the operation of the arithmetic unit of the embodiment of the photometric device for a camera according to the present invention.

【図５】図５は、本発明によるカメラの測光装置の実施
例における被写体輝度に対する適合度を表すメンバーシ
ップ関数を示す図である。FIG. 5 is a diagram showing a membership function representing a degree of conformity to subject luminance in the embodiment of the photometric device for a camera according to the present invention.

【図６】図６は、本発明によるカメラの測光装置の実施
例における輝度差に対する適合度を表すメンバーシップ
関数を示す図である。FIG. 6 is a diagram showing a membership function representing a degree of conformity to a luminance difference in the embodiment of the photometric device for a camera according to the present invention.

【図７】図７は、輝度差と被写体輝度の適合度の組合せ
を示す線図である。FIG. 7 is a diagram illustrating a combination of a luminance difference and a degree of matching between subject luminances;

【図８】図８は、本発明のカメラの測光装置の実施例に
おける「暗い」という表現に対する適合度を決定する状
態を示す線図である。FIG. 8 is a diagram showing a state in which the degree of conformity to the expression “dark” is determined in the embodiment of the photometric device for a camera according to the present invention.

【図９】図９は、本発明のカメラの測光装置の実施例に
おける「小さい」という表現に対する適合度を決定する
状態を示す線図である。FIG. 9 is a diagram illustrating a state in which the degree of conformity to the expression “small” is determined in the embodiment of the photometric device for a camera according to the present invention.

【符号の説明】[Explanation of symbols]

１ １眼レフカメラ ２ 撮影レンズ ３ クイックリターンミラー ４ フォーカシングスクリーン ５ フィルム ６ 再結像レンズ ７ 測光用受光素子 ８ 演算装置 ９ シヤッタ駆動装置 １０ 絞り駆動装置 DESCRIPTION OF SYMBOLS 1 Single-lens reflex camera 2 Photographing lens 3 Quick return mirror 4 Focusing screen 5 Film 6 Re-imaging lens 7 Photometric light receiving element 8 Arithmetic unit 9 Shutter drive unit 10 Aperture drive unit

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G03B 7/28 G01J 1/44 ──────────────────────────────────────────────────続 き Continued on the front page (58) Field surveyed (Int.Cl. ⁷ , DB name) G03B 7/28 G01J 1/44

Claims (1)

(57)【特許請求の範囲】(57) [Claims] 【請求項１】 撮影画面を複数の測光領域に分割して測
光する測光用受光素子を備えたカメラの測光装置におい
て、 前記測光用受光素子の分割された複数の測光領域からの
出力により被写体の特徴を示す複数の被写体情報を抽出
する特徴抽出手段と、 前記被写体情報を予め定められた複数の重み係数に従っ
て加重加算演算し、複数の出力を生成する第１の演算手
段と、 前記被写体情報に従って前記第１の演算手段からの複数
の出力に対して連続的に変化する関数を用いて適合度を
算出する適合度算出手段と、 前記第１の演算手段の複数の出力を前記適合度算出手段
で算出した適合度に従って加重加算演算し、露光制御信
号を生成する第２の演算手段とから構成したことを特徴
とするカメラの測光装置。1. A photometric device for a camera having a photometric light-receiving element for dividing a photographing screen into a plurality of photometric areas and performing photometry, wherein an object of a subject is output by output from the plurality of divided photometric areas of the photometric light-receiving element. A feature extraction unit for extracting a plurality of pieces of subject information indicating a feature; a first calculation unit for performing a weighted addition operation on the subject information according to a plurality of predetermined weighting coefficients to generate a plurality of outputs; A fitness calculating unit that calculates a fitness using a function that continuously changes with respect to a plurality of outputs from the first computing unit; and a fitness calculating unit that calculates a plurality of outputs of the first computing unit. 2. A photometric device for a camera, comprising: second arithmetic means for performing a weighted addition operation in accordance with the degree of conformity calculated in step (a) to generate an exposure control signal.