专利名称：判别装置和判别方法
技术领域：
本发明涉及根据与判别对象相关的多个特征量对判别对象的类别进行判别的判
别装置和判别方法。
背景技术：
以往，根据拍摄路面得到的图像来自动判别路面状态的判别装置、以及根据拍摄硅晶片得到的图像来自动判别硅晶片上的状态的判别装置等是公知的。这些判别装置将图像中所拍摄的被摄体的状态分类为多个类别，通过根据亮度、彩度等图像特征量来判别被摄体属于哪一类别，由此判别被摄体的状态。 现有的判别装置例如在以特征量作为坐标轴的特征空间中，将各类别的训练数据的分布视为正态分布的集合(混合正态分布)，估计表示各类别的数据的产生概略的概率密度函数，根据该函数判别对象数据的类别(参照专利文献1)。 并且，现有的判别装置决定在特征空间中代表各类别的训练数据的分布的数据(原型)，根据原型与对象数据在特征空间内的距离，判别对象数据的类别(参照专利文献2)。 专利文献1 :日本特开2004-274431号公报
专利文献2 :日本特开2006-12069号公报 然而，在根据概率密度函数判别对象数据的类别的判别装置中，由于使训练数据的分布近似于正态分布的集合来计算概率密度函数，因而具有这样的问题在训练数据的分布复杂的情况下，近似精度不良，判别精度下降。 并且，在根据特征空间中的原型与对象数据之间的距离来判别对象数据的类别的判别装置中，具有这样的问题在训练数据的分布复杂的情况下，当原型少时判别精度下降，另一方面，当原型多时判别精度提高，然而计算量增多。
发明内容
本发明是鉴于上述情况而作成的，本发明的特征是提供一种在各类别的数据分布复杂的情况下，与现有的判别装置相比较，能以少的计算量、精度良好地对判别对象所属的类别进行判别的判别装置和判别方法。 为了解决上述问题并达到目的，本发明涉及的判别装置，其特征在于，该判别装置具有区域信息计算单元，其使用自组织特征映射，将由多个节点和连接该节点的线段形成、且与特征空间中的同一类别的数据分布形状对应的形成大致圆形状或大致球形状的闭区域的所述各节点配置成与所述特征空间内的所述同一类别的所述数据分布形状一致，该区域信息计算单元通过将所述闭区域进行变形来计算区域信息；区域信息记录单元，其记录所述区域信息；区域表面间距离计算单元，其根据所述区域信息，计算所述特征空间中的判别对象与所述闭区域的表面之间的距离；以及类别决定单元，其根据所述距离为最短的闭区域，决定所述判别对象的类别。
并且，本发明涉及的判别方法，其特征在于，该判别方法包含区域信息计算步骤，
其使用自组织特征映射，将由多个节点和连接该节点的线段形成、且与特征空间中的同一
类别的数据分布形状对应的形成大致圆形状或大致球形状的闭区域的所述各节点配置成
与所述特征空间内的所述同一类别的所述数据分布形状一致，通过将所述闭区域进行变形
来计算区域信息；区域信息记录步骤，其记录所述区域信息；区域表面间距离计算步骤，其
根据所述区域信息，计算所述特征空间中的判别对象与所述闭区域的表面之间的距离；以
及类别决定步骤，其根据所述距离为最短的闭区域，决定所述判别对象的类别。 根据本发明，取得以下效果通过根据特征空间中的判别对象的位置、和记录在
区域信息记录单元内的各类别的区域信息来决定判别对象的类别，与现有的判别装置相比
较，使用可由少的代表数据准确代表训练数据的分布的区域信息来决定判别对象的类别，
因而即使在训练数据的分布复杂的情况下，与现有的判别装置相比较，也能以少的计算量、
精度良好地对判别对象的类别进行判别，并可縮短判别处理所花的时间。
图1是示出本发明的实施方式所涉及的判别装置的结构的框图。 图2是示出由图1所示的判别装置进行的判别处理进程的流程图。 图3是示出构成大致圆形的输出层的各节点的初始值与各节点的连接关系的图。 图4是示出训练数据的分布的具体例的图。 图5是示出二维特征空间中的闭区域的具体例的图。 图6是示出计算在特征空间中判别对象与闭区域之间的距离的处理进程的流程 图。 图7是说明计算在二维特征空间中判别对象与闭区域之间的距离的处理的图。
图8是示出三维特征空间中的闭区域的具体例的图。 图9是说明计算在三维特征空间中判别对象与闭区域之间的距离的处理的图。
标号说明 1 :判别装置;10 :记录部;11 :存储器;12 :区域信息记录部；20 :运算部；21 :区域 信息计算部；22 :类别决定部;221 :区域表面间距离计算部；30 :输入部；40 :输出部;Dist— XFC :判别对象X与闭区域Fc表面之间的距离；Dist_XPc :判别对象X与交点PC之间的距 离；Dist_XVci :判别对象X与节点Vci之间的距离；FC :闭区域；P :从判别对象X下降到包
含闭区域Fc的表面在内的表面的垂线与该表面的交点Pc :从判别对象X下降到闭区域Fc 的表面的垂线与闭区域Fc的表面的交点；Vci、 Vci'、 Vca、 Vcb、 Vce、 Vcd :节点;X :判别对 象；Z :耦合系数矢量。
具体实施例方式
以下，参照
用于实施本发明的最佳方式的判别装置和判别方法。另外，本 发明不受各实施方式的限定。并且，在附图的记载中，对相同部分或者相当部分附上相同标号。(实施方式) 图1是示出本发明的实施方式所涉及的判别装置的概略结构的框图。如图1所示，
4判别装置1具有记录部IO，其记录各种信息；以及运算部20，其根据记录在记录部10内的 信息，执行对判别对象所属的类别进行判别的运算。并且，判别装置1上连接有输入各种信
息的输入部30和输出判别结果等的输出部40。 记录部10由能更新存储的闪存等称作ROM或RAM之类的各种IC存储器、内置或 者利用数据通信端子来连接的硬盘、CD-ROM等信息存储介质及其读取装置等来实现，并具 有记录各种处理程序、各处理的处理参数、处理数据等、在运算部20中利用的信息的存储 器11。 并且，记录部10具有存储各类别的区域信息的区域信息记录部12。区域信息是表 示在特征空间中各类别的数据分布区域的信息，具体地说，是关于在特征空间中由根据各 类别的数据分布所配置的多个节点和使节点间连接起来的线段而形成的闭区域的信息。
运算部20由执行存储在记录部10内的各种处理程序的CPU来实现。特别是，运 算部20具有区域信息计算部21，其计算区域信息；以及类别决定部22，其根据区域信息， 决定判别对象所属的类别。类别决定部22具有计算在特征空间中判别对象与各类别的闭 区域表面之间的距离的区域表面间距离计算部221，并根据判别对象与闭区域表面之间的 距离，决定判别对象的类别。另外，计算训练数据和判别对象的特征量的机构根据判别对象 而不同，在本实施方式中不作特别提及。 输入部30由各种开关、输入键、鼠标、触摸面板、USB、 IEEE 1394等通信用接口来 实现，并受理关于来自外部的各类别的训练数据和判别对象的特征量的信息的输入。另外， 输入部30也可以由与各种存储卡、CD、DVD等便携型存储介质对应的接口来实现，可以受理 来自该便携型记录介质的各类别的训练数据或区域信息等的输入。 输出部40由液晶显示器等来实现，并显示包含图像的各种信息。并且，输出部40 显示请求操作者输入各种处理信息的GUI (Gr即hical Userlnterface，图形用户界面)画 面。 下面，参照图2来说明判别对象的类别决定处理的进程。图2是示出判别装置1的 类别决定处理流程的流程图。首先，运算部20取得判别对象X的特征矢量(步骤S101)。
这里，特征矢量是指将表示判别对象的特征的多个特征量Xj(j = 1 K)作为矢量 来表现，一般表示为下式(1)所示。在式(1)中，T表示转置，K代表特征矢量的维数，即代 表表示判别对象X的特征量的种类数量。在本实施方式中，假定特征矢量的维数是二维(K =2)。判别对象或训练数据的特征矢量表示特征空间中的判别对象或训练数据的坐标。
X = (x" x2、…、xK)T (1) 然后，类别决定部22从区域信息记录部12取得特征空间中的各类别的区域信息 (步骤S102)。然后，区域表面间距离计算部221计算特征空间中的、判别对象与闭区域Fc 的表面之间的距离Dist_XFc(步骤S103)。之后，类别决定部22判定是否针对记录在区域 信息记录部12内的全部类别计算出距离Dist_XFc(步骤S104)，在有未计算出距离Dist_ XFc的类别的情况下(步骤S104 :否)，再次进行步骤S103的处理。 在针对全部类别计算出距离Dist_XFc的情况下(步骤S104 :是)，类别决定部22 将距离Dist—XFc为最小的类别判别为判别对象X所属的类别(步骤S105)。之后，运算部 20将判别对象X的类别信息输出到输出部40(步骤S106)，结束判别装置1中的处理。这 样，判别装置1根据在特征空间中判别对象X与闭区域Fc的表面之间的距离，对判别对象X所属的类别进行决定。 在步骤S102中，类别决定部22取得预先由区域信息计算部21计算出、且记录在 区域信息记录部12内的区域信息。在本实施方式中，区域信息计算部21使用自组织特征 映射(参考文献T. - *冬 >著、德高平蔵《力'監修自己組織化^ '7 7° (自组织特征映 射)、改訂版(修订版)-〉工7° 'J >力'一 7工7 ， 一夕東京2005年)来计算各类别的 区域信息。 自组织特征映射是神经网络的一种，例如是由输入层和输出层构成的两层网络。 根据自组织特征映射，可在维持事先设定的代表矢量间的连接关系的状态下，决定与特征 空间内的数据分布对应的代表矢量。在本实施方式中，各类别的训练数据被输入到神经网 络的输入层，代表矢量的连接关系表示为输出层的结构。 以下，说明由区域信息计算部21进行的区域信息计算处理。首先，区域信息计算 部21对图3所示的构成大致圆形状的输出层的各节点分配与特征空间相同维数的随机数 值矢量。将此时的数值矢量设定为节点的数值矢量、即代表矢量的初始值。
之后，区域信息计算部21针对训练数据&的特征矢量，求出被分配了最类似的数 值矢量的节点Nw。然后，区域信息计算部21将节点Nw和在输出层中位于节点Nw附近的节 点的数值矢量修正成类似于训练数据&的特征矢量。区域信息计算部21针对一个训练数 据，以预定次数重复进行最类似的节点的决定、以及所决定的节点和在输出层中位于该节 点附近的节点的数值矢量的修正。 区域信息计算部21针对各类别，使用多个训练数据来修正节点的数值矢量，之后 将最终分配给各节点的数值矢量和各节点的连接关系的信息作为区域信息，并将该区域信 息记录在区域信息记录部12内。 另外，区域信息计算部21使用在自组织特征映射中使用的预定函数来设定将相 对于节点Nw以何种程度位于附近的节点的数值矢量与节点Nw的数值矢量一起修正，以及 使各节点的数值矢量以何种程度类似于训练数据&的特征矢量。通常，区域信息计算部21 设定成使修正量根据修正次数的增加而减少。 图4是示出二维特征空间中的训练数据的分布的具体例的图，是示出三种类别的
训练数据的分布的图。与此相对，图5是示出针对图4所示的各类别的训练数据的分布，使
用自组织特征映射计算出的闭区域的图。如图5所示，在特征空间中，由节点和使各节点连
接起来的线段包围的闭区域表示训练数据的分布区域。因此可知区域信息是表示与特征
空间中的各类别的数据分布对应的代表矢量和其连接关系的信息。另外，假定判别装置1
从图5所示的闭区域相互不重合的多个类别中对判别对象的类别进行判别。 另外，在本实施方式中，区域信息计算部21使用自组织特征映射来计算出闭区
域，然而用户也可以在目视特征空间中的训练数据的分布的同时，对应于训练数据的分布
形状指定节点的位置和节点的连接关系，取得训练数据的分布区域的轮廓，人为地生成闭
区域。闭区域在反映了训练数据的分布形状时，可以不将全部训练数据包含在闭区域内。另
外，闭区域必须封闭且是有限的区域。 并且，在步骤S103中，区域表面间距离计算部221按照以下处理步骤，计算特征空 间中的判别对象X与各类别的闭区域Fc的表面之间的距离Dist_XFc。图6是示出计算判 别对象X与预定类别的闭区域Fc之间的距离的步骤的流程图。如图6所示，首先，区域表面间距离计算部221计算在特征空间中判别对象X与预定类别的闭区域Fc的各节点Vci 之间的距离Dist_XVci (步骤S1031)。 之后，区域表面间距离计算部221求出各节点Vci中离判别对象X最近的节点 Vci'，将判别对象X与节点Vci'之间的距离Dist—XVci'存储在记录部10内(步骤S1032)。 然后，区域表面间距离计算部221进行这样的处理在特征空间中，针对由连接节点Vci'和 与节点Vci'有连接关系的节点的线段来规定的闭区域Fc的表面，求出从判别对象X下降 的垂线与闭区域Fc的表面相交的交点Pc的处理(步骤S1033)。之后，区域表面间距离计 算部221判断是否存在交点Pc (步骤S1034)。 在存在交点Pc的情况下(步骤S1034 :是)，区域表面间距离计算部221计算特征 空间中的判别对象X与交点Pc之间的距离Dist_XPc(步骤S1035)，将该值设定为判别对 象X与闭区域Fc的表面之间的距离Dist_XFc (步骤S1036)，结束距离Dist_XFc计算处理。 另一方面，在不存在交点Pc的情况下(步骤S1034 :否)，区域表面间距离计算部221将距 离Dist—XVci'设定为距离Dist_XFc(步骤S1037)，结束距离Dist_XFc计算处理。然后，返 回到图2的步骤S103，之后转移到步骤S104。这样，区域表面间距离计算部221计算在特 征空间中判别对象X与闭区域Fc之间的最短距离，将该最短距离设定为距离Dist_XFc。
另外，在步骤S1031和S1035中，区域表面间距离计算部221使用欧几里德距离等 作为距离Dist—XVci和Dist—XPc。例如，在计算距离Dist—XVci的情况下，当是欧几里德距 离时，可使用下式(2)来计算。
[算式1]
{K 》vci广Xj)2 j=l — 在式(2)中，K表示特征矢量的维数，在本实施方式中K = 2。并且，vcij表示节 点Vci的数值矢量的分量(特征量)，Xj表示判别对象X的特征矢量的分量(特征量)。
并且，在步骤S1033中，区域表面间距离计算部221根据判别对象X的特征矢量和 节点的数值矢量，求出交点Pc。图7是示出二维特征空间中的闭区域Fc、交点Pc以及判别 对象X之间的位置关系的图。如图7所示，在使节点Vci'和与节点Vci'有连接关系的节 点Vca连接起来的线段上存在交点Pc。特征空间中的交点Pc的坐标可通过求解下式(3) 来计算。另外，通过求解下式(3)，可计算出交点Pc的坐标以及实数t。如图7所示，在闭 区域Fc的表面上存在交点Pc的情况下，t为0以上且1以下的值。 [OOM][算式幻
连接关系的
<formula>formula see original document page 7</formula>
_ _ (3)
式中，，表示内积，t表示实数。
瓦干， 农不円积，t农不头效。
另一方面，与节点Vca相同，在特征空间中，针对通过节点Vci'和与节点Vci'有 灶牧穴尔的节点Vcb的直线，从判别对象X下降的垂线与该直线相交的交点P的坐标也能 通过置换式(3)的节点Vca的数值矢量和节点Vcb的数值矢量而计算出。不过，在该情况 下，实数t为负值，如图7所示，交点P存在于使节点Vcb和节点Vci'连接起来的线段的延长线上，不存在于闭区域Fc的表面上。 实际上，区域表面间距离计算部221使用式(3)，计算在特征空间中通过节点Vci' 和与节点Vci'有连接关系的节点的直线与从判别对象X起相对于该直线下降后的垂线之 间的交点的坐标，并计算实数t，根据实数t是否是O以上且l以下的值，判定交点是否位于 闭区域Fc的表面上，在位于该表面上的情况下，将计算出的坐标设定为交点Pc的坐标。这 样，区域表面间距离计算部221进行使用节点Vci'和与节点Vci'有连接关系的节点来计 算交点Pc的坐标和实数t的处理，并以检索方式计算交点Pc的坐标。
这样，判别装置1计算在二维特征空间中各类别的闭区域与判别对象之间的距 离，并将离判别对象最近的闭区域的类别判别为判别对象的类别。闭区域与现有的判别装 置相比较，以少的代表数据准确地代表特征空间中的训练数据的分布，因而采用判别装置 1，即使在特征空间中训练数据的分布复杂的情况下，也能以少的计算量、精度良好地对判 别对象所属的类别进行判别。因此，可縮短判别处理所花的时间。
(变形例) 并且，在上述实施方式中，特征空间是二维，然而在本实施方式的变形例中，特征 空间是三维。即，在表示特征矢量的式(1)中K二3，类别决定部22计算在三维特征空间中 判别对象与闭区域之间的距离，并决定判别对象的类别。 在该情况下，区域信息计算部21使用自组织特征映射来修正构成大致球形状的 输出层的各节点的数值矢量，计算图8所示的立体的闭区域。 并且，在步骤S1031中，区域表面间距离计算部221在式(2)中设1( = 3，计算判 别对象X与各节点之间的距离Dist_XVci。而且，在步骤S1033中，区域表面间距离计算部 221计算在三维特征空间中、从判别对象X下降的垂线在通过离判别对象X最接近的节点 Vci'和与节点Vci'有连接关系的两个节点这三个点的平面上相交的交点P的坐标。具体 地说，如图9所示，使用节点Vci'和与节点Vci'有连接关系的节点Vcd、 Vce的特征矢量， 按照下式(4)计算交点P的坐标。
[算式3]
n = V.ci'Vcd Vci'Vce
Vci'P-n = 0
(4) 式中，②表示外积， 表示内积，t表示任意实数。 之后，区域表面间距离计算部221使用式(5)，计算由^I^、^和W^的线 性耦合表示示时的耦合系数矢量Z。
[算式4]
z =
XVci' XVcd XVce
(5) 式中，耦合系数矢量Z和XVci' 、XVcd、XVce均表示三维纵矢量，[Q]—1表示矩阵Q 的逆矩阵，*表示矩阵积。 在耦合系数矢量Z的矢量分量全部是正的情况下，如图9所示，区域表面间距离计
8算部221判断为交点P位于由节点Vci' 、 Vcd、 Vce包围的闭区域Fc的表面上，将交点P的 坐标设定为交点Pc的坐标。另一方面，区域表面间距离计算部221在耦合系数矢量Z的矢 量分量包含有取负值的分量的情况下，判断为交点P不存在于闭区域Fc的表面上。区域 表面间距离计算部221这样求出交点Pc的坐标，计算距离Dist_XPc。最终，区域表面间距 离计算部221将距离Dist_XVci'和距离Dist_XPc进行比较，将距离小的那方设定为距离 Dist_XFc。 这样，根据判别装置1，即使在三维特征空间中，也能计算判别对象X与各类别的 闭区域Fc的表面之间的距离。因此，在训练数据和判别对象的特征量是三种的情况下，与 现有的判别装置相比较，能以少的计算量、精度良好地对判别对象的类别进行判别。
如以上所述，本发明涉及的判别装置和判别方法在根据与判别对象相关的多个特 征量对判别对象的类别进行判别的情况下是有用的。
权利要求
一种判别装置，其特征在于，该判别装置具有区域信息计算单元，其使用自组织特征映射，将由多个节点和连接该节点的线段形成、且与特征空间中的同一类别的数据分布形状对应的形成大致圆形状或大致球形状的闭区域的所述各节点配置成与所述特征空间内的所述同一类别的所述数据分布形状一致，所述区域信息计算单元通过将所述闭区域进行变形来计算区域信息；区域信息记录单元，其记录所述区域信息；区域表面间距离计算单元，其根据所述区域信息，计算所述特征空间中的判别对象与所述闭区域的表面之间的距离；以及类别决定单元，其根据所述距离为最短的闭区域，决定所述判别对象的类别。
2. 根据权利要求1所述的判别装置，其特征在于，所述区域信息记录单元记录针对多 个所述类别的所述区域信息。
3. 根据权利要求2所述的判别装置，其特征在于，所述闭区域相互不重合。
4. 根据权利要求1 3中的任一项所述的判别装置，其特征在于，所述特征空间是二维 或三维。
5. —种判别方法，其特征在于，该判别方法包含区域信息计算步骤，其使用自组织特征映射，将由多个节点和连接该节点的线段形成、 且与特征空间中的同一类别的数据分布形状对应的形成大致圆形状或大致球形状的闭区 域的所述各节点配置成与所述特征空间内的所述同一类别的所述数据分布形状一致，通过 将所述闭区域进行变形来计算区域信息；区域信息记录步骤，其记录所述区域信息；区域表面间距离计算步骤，其根据所述区域信息，计算所述特征空间中的判别对象与 所述闭区域的表面之间的距离；以及类别决定步骤，其根据所述距离为最短的闭区域，决定所述判别对象的类别。
全文摘要
判别装置(1)具有区域信息记录部(12)，其记录关于由多个节点和使节点间连接起来的线段构成的特征空间内的闭区域、而且是与特征空间中的同一类别的数据分布形状对应的闭区域的信息即区域信息；以及类别决定部(22)，其从区域信息记录部(12)取得区域信息，根据特征空间中的判别对象与闭区域之间的距离，决定判别对象所属的类别。类别决定部(22)具有计算特征空间中的判别对象与闭区域之间的距离的闭区域表面间距离计算部(221)。
文档编号G06T7/00GK101779213SQ200880102650
公开日2010年7月14日 申请日期2008年7月23日 优先权日2007年8月10日
发明者神田大和 申请人:奥林巴斯株式会社