投影片 1 - cdn.greentrade.org.tw¾ž整合行銷診斷企業... · 供企業整合性的服務,範圍包涵:品牌識別、企業識 別、活動識別、空間識別、網站識別規劃與品牌顧問
パターン認識 - 甲南大学carnation.is.konan-u.ac.jp/pr3.pdf照合 認識系の構成...
Transcript of パターン認識 - 甲南大学carnation.is.konan-u.ac.jp/pr3.pdf照合 認識系の構成...
パターン認識
認識系と特徴空間
照合
認識系の構成
前処理部
特徴抽出部
識別演算部
識別辞書
入力データ 出力
識別部
計測データそのもの 識別結果
•大きさの規格化•ノイズ除去•濃度の補正•歪み補正•その他
↑顔認識の例でいうと・・・
カメラから取り込んだ画像
•目、鼻、口の相対位置•口の大きさ•顔の形•色の分布•その他 Aさん
0.2, 1.89, 98.2, 19.2,80, 1.0Bさん0.3, 1.91, 84.0, 21.3, 87, 0.8
特徴ベクトル
特徴ベクトルと特徴空間
• 特徴ベクトル
– 問題ごとに異なる
– [文字認識]• 線の傾き,幅,曲率,面積,ループの数など
– [顔認識]• 顔の形,部品(目,耳,鼻,口など)の相対的位置,目の大きさ,花の形,唇の形,耳の形など
– [ ]
例:円の判定
• 画像に写っている部品の形が円なのか,それ以外なのかを識別する問題
– 特徴ベクトル
• 部品の輪郭線長さと面積 x=[輪郭線長さ, 面積]– 入力データ
• 画像
– 前処理• 輪郭線抽出,細線化
– 特徴抽出• 輪郭線の長さ(L)と輪郭線に囲まれた部分の面積(S)
– 識別辞書• 円:
• その他
[問い] ある図形について、L と S について、識別グラフを書いてみなさい
例:前処理部で行う処理内容と,特徴ベクトルをどのように設計し,目的物を検出するか。
• ロボットがカメラで所定のボルトやナットを探す(部品は重なりがないように置かれている。カメラは真上にあるという前提)
• 前処理1. 2値化
2. 輪郭抽出
• 特徴ベクトル– それぞれの輪郭の中において
1. 周囲長
2. 面積
• 検出– これらの値に、あらかじめ登録されているデータをマッチング
例:顔認証
• カメラの前の顔がAさんであるかどうか(顔認証,個人顔認証)
• 両目、鼻、耳、口などの部品(の端や中心)を抽出– それらの大きさ(縦、横)
– 位置関係
を計算
• あらかじめ登録してあるAさんのそれらの値と比較。誤差が小さければ受け入れる
コンピュータが抽出した顔の特徴点(Kinect使用)
• 写っているものが,人の顔であるか,そうでないか(顔認識,顔検出)
• 粗くしていき、濃淡の模様を見る。顔ならだいたい一番右のような濃淡になる
• Haar‐like特徴と呼ばれる,濃淡パターンを使って,顔の特徴付け
• Viola‐Jones法が現在の顔検出の主流(複数個の特徴を順位チェック)
http://news.mynavi.jp/photo/news/2012/12/13/221/images/004l.jpg
例
• 車に搭載したカメラで信号機を自動的に判断して走行する
• 青(緑)、黄、赤のランプのいずれかがともっている丸いものを探す
• その色と大きさにより、信号機全体を抽出。他に2つ、黒っぽく丸いものがあるかどうか、調べる
例:カメラの向きを画像から推定• ある交通カメラは,ランダムに四方向を映し出している.それ
ぞれの画像がどちらの方向を写したものか,判断する問題
– 前処理
• 輪郭線抽出
– 特徴ベクトル• 白っぽい部分の面積
• 平均濃度
– 識別辞書
• 四方向のデータを多数集め,それぞれから計算した特徴ベクトル
なぜこれを使ったのかはあと話します
データの分布
• では,識別はどうする?
識別部では
• だいたいこう分けたら識別できる
• これを自動化するのが識別部.
特徴ベクトルの決め方
• 問題毎にさまざま.
• これの決め方が成否を決める
• 今回の問題においては,
– 画像を眺めてみた
– 空の部分の現れ方が違う
– 全体的に暗い画像なのか,明るい画像なのかが違う
– ヒストグラム(histogram)を作ってみた
特徴ベクトル
• 特徴ベクトルとは,特徴値を集めて1つのベクトルと見なしたもの.さっきの例は二種類の特徴値が使われているので,特徴ベクトルは
• 一般には,もっと高次元.いま,d次元とすると
パターン認識と特徴ベクトルとの関係
パターン認識=特徴空間において,点の位置によってクラス(種類)を分類すること
特徴空間
識別境界
特徴空間が二次元なので平面上に書いている
学習=識別境界を学習データ(サンプルデータ)から作ること
5月7日
クラスの割り当て方(2クラスの場合)
クラス1
クラス1
クラス2 クラス2クラス1
クラス2未知クラス
例:「だるまさんがころんだ」
ゲームの中での動き判定:動きの判定は、主として背景差分
問題
• 次の動画では,どんな特徴値を使っているでしょうか。
– 忠犬ハチ公モード
– 桃太郎犬モード
– サッカーにおけるそれぞれのチームの選手
– 同上
答え
忠犬ハチ公モード
• 近づいたら動き出す
– もっとも近い物体がある一定の距離内
• 赤い傘を見つける
– 画面上の赤いものの面積
– なくなったら停止し,回転する
• ブルーシートを見つける
– 画面上の青いものの面積
桃太郎犬モード
• きび団子を検知
– 皿の中にある黄色い物体を検出,個数も.
– 1つなら短時間,2つなら長時間追跡
• もっとも近いもの(人)を探す
– 距離を一定に保ちながら追従
サッカーにおけるチームごとの選手
• ピッチ上の選手検出
– 服の色で人の領域とチームを検出
– ピッチ上の人の位置は,画面上の位置から計算