專(zhuān)利名稱(chēng)：學(xué)習(xí)裝置、識(shí)別裝置、學(xué)習(xí)識(shí)別系統(tǒng)和學(xué)習(xí)識(shí)別裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及ー種預(yù)先學(xué)習(xí)學(xué)習(xí)對(duì)象圖案以進(jìn)行目標(biāo)識(shí)別的學(xué)習(xí)裝置，一種學(xué)習(xí)方法，一種存儲(chǔ)學(xué)習(xí)程序的記錄介質(zhì)，一種輸入識(shí)別對(duì)象圖案并進(jìn)行識(shí)別的識(shí)別裝置，ー種識(shí)別方法，一種存儲(chǔ)識(shí)別程序的記錄介質(zhì)，以及一種學(xué)習(xí)學(xué)習(xí)對(duì)象圖案并識(shí)別識(shí)別對(duì)象圖案的學(xué)習(xí)識(shí)別系統(tǒng)，ー種學(xué)習(xí)識(shí)別裝置，ー種學(xué)習(xí)識(shí)別方法以及ー種存儲(chǔ)學(xué)習(xí)識(shí)別程序的記錄介質(zhì)。
背景技術(shù)：
統(tǒng)計(jì)圖案識(shí)別方法是大家熟知的用于從圖像中識(shí)別目標(biāo)的方法。統(tǒng)計(jì)圖案識(shí)別方法是基于一些輸入輸出對(duì)估計(jì)輸入和輸出之間的關(guān)系的方法。更 具體地，統(tǒng)計(jì)圖案識(shí)別方法是這樣ー種方法，其中，從大量的輸入數(shù)據(jù)和輸出數(shù)據(jù)中學(xué)習(xí)所需的輸入輸出關(guān)系，并且該關(guān)系被用于識(shí)別。因此，統(tǒng)計(jì)圖案識(shí)別方法主要由學(xué)習(xí)過(guò)程和識(shí)別過(guò)程來(lái)實(shí)現(xiàn)。學(xué)習(xí)過(guò)程是通過(guò)使用用于學(xué)習(xí)的采樣數(shù)據(jù)以及其教師數(shù)據(jù)來(lái)獲取用于識(shí)別過(guò)程的學(xué)習(xí)參數(shù)。教師數(shù)據(jù)是指示對(duì)于采樣數(shù)據(jù)(輸入)的正確的識(shí)別結(jié)果(輸出)。具體地，教師數(shù)據(jù)是算木式或者用于由輸入值推導(dǎo)輸出值的學(xué)習(xí)參數(shù)(例如，輸入值和對(duì)應(yīng)于輸入值的輸出值)，或兩者都有。換句話(huà)說(shuō)，如上所述，學(xué)習(xí)過(guò)程是ー種計(jì)算過(guò)程，其目的是獲取學(xué)習(xí)參數(shù)，該學(xué)習(xí)參數(shù)用于對(duì)在識(shí)別過(guò)程階段輸入的任意輸入計(jì)算輸出的數(shù)據(jù)。例如，在學(xué)習(xí)過(guò)程使用是ー種神經(jīng)網(wǎng)絡(luò)的多層感知器的情況下，獲取各節(jié)點(diǎn)之間的“連接權(quán)值”作為學(xué)習(xí)參數(shù)。另ー方面，識(shí)別過(guò)程是通過(guò)對(duì)輸入的任意數(shù)據(jù)(識(shí)別對(duì)象)使用學(xué)習(xí)參數(shù)計(jì)算輸出(識(shí)別結(jié)果)的過(guò)程。通常，為了提高識(shí)別過(guò)程的精確度，對(duì)大量學(xué)習(xí)對(duì)象圖案的每ー個(gè)執(zhí)行復(fù)雜的特征提取過(guò)程。例如，當(dāng)執(zhí)行特征識(shí)別時(shí)，提取對(duì)應(yīng)于學(xué)習(xí)對(duì)象圖案的特定特征的輪廓的斜率、寬度、曲率、圈數(shù)等作為特征量。因此，換句話(huà)說(shuō)，特征提取過(guò)程是從初始圖案建立另ー個(gè)圖案的過(guò)程。在下文將參考圖14描述通常的特征提取過(guò)程。圖14是示出了基于統(tǒng)計(jì)圖案識(shí)別方法執(zhí)行識(shí)別過(guò)程的通常結(jié)構(gòu)的框圖。首先，如圖14所示，輸入任意識(shí)別對(duì)象圖案之后，預(yù)處理裝置Al執(zhí)行初歩的處理(噪聲消除和歸ー化)，使得更容易執(zhí)行隨后的處理。其次，特征提取裝置A2從已執(zhí)行了初步處理的識(shí)別對(duì)象圖案提取特征量(數(shù)值和符號(hào))，該特征量給出了圖案的特殊性。例如，當(dāng)提取了特征量d，特征量可由以下述公式表示的特征矢量來(lái)表示。X = (X1, X2, Xd)識(shí)別計(jì)算裝置A3輸入由特征提取裝置A2提取的特征量并確定識(shí)別對(duì)象的“分類(lèi)/類(lèi)別/類(lèi)”。具體地，識(shí)別計(jì)算裝置A3基于由預(yù)先存儲(chǔ)在字典存儲(chǔ)單元A4中的學(xué)習(xí)參數(shù)所指定的計(jì)算方法執(zhí)行計(jì)算以確定所提取的特征量是否是特定対象。例如，當(dāng)計(jì)算結(jié)果為“I”吋，識(shí)別計(jì)算裝置A3確定所提取的特征量是特定対象，當(dāng)計(jì)算結(jié)果為“0”時(shí)確定為不是特定対象。而且，識(shí)別計(jì)算裝置A3能基于計(jì)算結(jié)果是否低于預(yù)定閾值來(lái)確定所提取的特征量是否是特定対象。在以下的相關(guān)技術(shù)中，為了維持高識(shí)別精確度，特征矢量Xd的維數(shù)需要等于或大于預(yù)設(shè)值。而且，不僅這樣的方法已被使用，其他各種方法也已被使用。例如，在非專(zhuān)利文獻(xiàn)I提出的方法中，矩形特征被從對(duì)象圖案中提取。在專(zhuān)利文獻(xiàn)I提出的方法中，建立了指示在特征圖案上定向分量分布的定向圖·案?；诙ㄏ驁D案的垂直方向分量、水平方向分量和對(duì)角方向分量被提取作為定向特征圖案，以進(jìn)行特征識(shí)別。換句話(huà)說(shuō)，在這種方法里，通過(guò)組合這些定向分量來(lái)再現(xiàn)讀出的特征。在專(zhuān)利文獻(xiàn)2提出的技術(shù)中，關(guān)于圖像上的多個(gè)測(cè)量點(diǎn)，在經(jīng)過(guò)每個(gè)測(cè)量點(diǎn)的搜索線(xiàn)段的兩側(cè)提供用于測(cè)量的具有狹窄固定形狀的臨近區(qū)域。通過(guò)該技術(shù)，在該區(qū)域的多個(gè)臨近點(diǎn)測(cè)量圖像的亮度梯度矢量的方向。在該技術(shù)中，從矢量的方向和搜索線(xiàn)段的方向之間的差別可計(jì)算在每個(gè)臨近點(diǎn)的集中度，從所有的集中度計(jì)算對(duì)于測(cè)量點(diǎn)的線(xiàn)段集中度，并且當(dāng)其為最大值時(shí)，確定沿搜索線(xiàn)段的方向存線(xiàn)段信息。在該技術(shù)中，基于集中度預(yù)先計(jì)算能被用在每個(gè)測(cè)量點(diǎn)的基本附加值。在該技術(shù)中，當(dāng)測(cè)量矢量的方向時(shí)，基本附加值中的一個(gè)被選擇并為搜索線(xiàn)段的每個(gè)方向添加，由此，每個(gè)測(cè)量點(diǎn)的線(xiàn)段集中度被計(jì)算，并且，當(dāng)該值為最大時(shí)，線(xiàn)段信息被期待。在專(zhuān)利文獻(xiàn)3提出的技術(shù)中，關(guān)于特定對(duì)象的特征量，通過(guò)將對(duì)應(yīng)于背景區(qū)域的特征量分量替換為另ー個(gè)值，從ー個(gè)對(duì)象圖像生成背景不同的多個(gè)特征量數(shù)據(jù)，并學(xué)習(xí)到識(shí)別參數(shù)?，F(xiàn)有技術(shù)文獻(xiàn)非專(zhuān)利文獻(xiàn)非專(zhuān)利文獻(xiàn)I :Paul Viola, Michael Jones, “Rapid Object Detection using aBoosted Cascade of bimple Feature，，Proceeding of Computer Vision and PatternRecognition 2001,2001專(zhuān)利文獻(xiàn)專(zhuān)利文獻(xiàn)I :日本專(zhuān)利公開(kāi)No. 2605807專(zhuān)利文獻(xiàn)2 :日本專(zhuān)利申請(qǐng)公開(kāi)No. 2005-284697專(zhuān)利文獻(xiàn)3 :日本專(zhuān)利申請(qǐng)公開(kāi)No. 2008-059110

發(fā)明內(nèi)容
本發(fā)明要解決的問(wèn)題可是，當(dāng)使用這樣的方法時(shí)，會(huì)出現(xiàn)以下問(wèn)題。首先，在非專(zhuān)利文獻(xiàn)I提出的技術(shù)中，用于學(xué)習(xí)過(guò)程的特征是簡(jiǎn)單的矩形。因此，對(duì)于識(shí)別沒(méi)用的很多參數(shù)被包括在提取的特征量中。從而，當(dāng)使用該技術(shù)時(shí)，產(chǎn)生了這樣的問(wèn)題，為了維持識(shí)別精確度需要大量的特征量(換句話(huà)說(shuō)，在學(xué)習(xí)過(guò)程中，更高階次的計(jì)算是必須的)，并且計(jì)算成本變得很高。結(jié)果，由于學(xué)習(xí)過(guò)程花費(fèi)了大量的時(shí)間，在該技術(shù)中出現(xiàn)了這樣的問(wèn)題，到可以執(zhí)行識(shí)別過(guò)程所需的期間被延長(zhǎng)了。在專(zhuān)利文獻(xiàn)I所公開(kāi)的技術(shù)中，由于用于識(shí)別的特征很復(fù)雜，在識(shí)別過(guò)程中需要更高階次的計(jì)算，從而，識(shí)別過(guò)程不能被流暢的執(zhí)行。在專(zhuān)利文獻(xiàn)2和3所公開(kāi)的技術(shù)中，用于計(jì)算過(guò)程的濾波器的處理內(nèi)容與本發(fā)明的不同。因此，上述問(wèn)題也不能得到解決。本發(fā)明的ー個(gè)目的就是要提供一種學(xué)習(xí)裝置，其避免了高維度特征量的使用以及在執(zhí)行圖案識(shí)別時(shí)為維持和提高識(shí)別精確度所必需的復(fù)雜特征提取，從而降低了學(xué)習(xí)過(guò)程和識(shí)別過(guò)程中計(jì)算成本的負(fù)擔(dān)，并且能夠執(zhí)行流暢的圖案識(shí)別，還提供一種學(xué)習(xí)方法，ー種存儲(chǔ)學(xué)習(xí)程序的記錄介質(zhì)，一種識(shí)別裝置，一種識(shí)別方法，一種存儲(chǔ)識(shí)別程序的記錄介質(zhì)，以及ー種學(xué)習(xí)識(shí)別系統(tǒng)，ー種學(xué)習(xí)識(shí)別裝置，ー種學(xué)習(xí)識(shí)別方法和一種存儲(chǔ)學(xué)習(xí)識(shí)別程序 的記錄介質(zhì)。解決問(wèn)題的手段根據(jù)本發(fā)明一個(gè)實(shí)施例的學(xué)習(xí)裝置，包括梯度特征提取単元，基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；和差特征提取単元，基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；學(xué)習(xí)單元，使用梯度特征量以及和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)。進(jìn)ー步，根據(jù)本發(fā)明一個(gè)實(shí)施例的學(xué)習(xí)方法，包括基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；使用梯度特征量以及和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)。更進(jìn)一歩，根據(jù)本發(fā)明一個(gè)實(shí)施例的存儲(chǔ)學(xué)習(xí)程序的記錄介質(zhì)，其使計(jì)算機(jī)按如下単元工作梯度特征提取単元，基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；和差特征提取単元，基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；學(xué)習(xí)単元，使用梯度特征量以及和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)。進(jìn)ー步，根據(jù)本發(fā)明一個(gè)實(shí)施例的識(shí)別裝置包括梯度特征提取単元，基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；和差特征提取単元，基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；識(shí)別單元，基于梯度特征量、和差特征量以及通過(guò)預(yù)定學(xué)習(xí)算法獲取的部分或者全部學(xué)習(xí)參數(shù)，從ー個(gè)或多個(gè)類(lèi)型中識(shí)別識(shí)別對(duì)象圖案所屬的類(lèi)型。更進(jìn)一歩，根據(jù)本發(fā)明一個(gè)實(shí)施例的識(shí)別方法，包括基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；基于梯度特征量、和差特征量以及通過(guò)預(yù)定學(xué)習(xí)算法獲取的部分或者全部學(xué)習(xí)參數(shù)，從一個(gè)或多個(gè)類(lèi)型中識(shí)別識(shí)別對(duì)象圖案所屬的類(lèi)型。更進(jìn)一歩，根據(jù)本發(fā)明一個(gè)實(shí)施例的存儲(chǔ)識(shí)別程序的記錄介質(zhì)，其使計(jì)算機(jī)按如 下単元工作梯度特征提取単元，基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；和差特征提取単元，基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；識(shí)別単元，基于梯度特征量、和差特征量以及通過(guò)預(yù)定學(xué)習(xí)算法獲取的部分或者全部學(xué)習(xí)參數(shù)，從ー個(gè)或多個(gè)類(lèi)型中識(shí)別識(shí)別對(duì)象圖案所屬的類(lèi)型。進(jìn)ー步，根據(jù)本發(fā)明一個(gè)實(shí)施例的學(xué)習(xí)識(shí)別系統(tǒng)包括學(xué)習(xí)裝置，其包括梯度特征提取單元，其基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；和差特征提取単元，基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；學(xué)習(xí)單元，使用梯度特征量以及和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)。識(shí)別裝置，其包括梯度特征提取単元，基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；和差特征提取単元，基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；識(shí)別單元，基于梯度特征量、和差特征量以及由所述學(xué)習(xí)單元獲取的部分或者全部學(xué)習(xí)參數(shù)，從ー個(gè)或多個(gè)類(lèi)型中識(shí)別識(shí)別對(duì)象圖案所屬的類(lèi)型。更進(jìn)一歩，ー種學(xué)習(xí)識(shí)別裝置，包括用于從ー個(gè)或多個(gè)類(lèi)型中識(shí)別識(shí)別對(duì)象圖案所屬的類(lèi)型的識(shí)別單元，包括梯度特征提取単元，基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；和差特征提取単元，基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；學(xué)習(xí)單元，使用梯度特征量以及和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)；所述梯度特征提取単元，基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；所述和差特征提取単元，基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向，梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；識(shí)別單元，基于由識(shí)別對(duì)象圖案計(jì)算出的梯度特征量和和差特征量，以及由所述學(xué)習(xí)單元獲取的部分或者全部學(xué)習(xí)參數(shù)，從ー個(gè)或多個(gè)類(lèi)型中識(shí)別識(shí)別對(duì)象圖案所屬的類(lèi)型。進(jìn)ー步，根據(jù)本發(fā)明一個(gè)實(shí)施例的學(xué)習(xí)識(shí)別方法包括如下步驟基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；使用梯度特征量以及和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)；基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；基于提取的梯度特征量，通過(guò) 對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；基于從識(shí)別對(duì)象圖案計(jì)算出的梯度特征量和和差特征量，以及由所述學(xué)習(xí)單元獲取的部分或者全部學(xué)習(xí)參數(shù)，從ー個(gè)或多個(gè)類(lèi)型中識(shí)別識(shí)別對(duì)象圖案所屬的類(lèi)型。更進(jìn)一歩，根據(jù)本發(fā)明一個(gè)實(shí)施例的存儲(chǔ)學(xué)習(xí)識(shí)別程序的記錄介質(zhì)，其使計(jì)算機(jī)按如下単元工作梯度特征提取単元，其基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；和差特征提取単元，基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；學(xué)習(xí)單元，使用梯度特征量以及和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)；所述梯度特征提取単元，基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；所述和差特征提取単元，基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；識(shí)別單元，基于由識(shí)別對(duì)象圖案計(jì)算出的梯度特征量和和差特征量，以及由所述學(xué)習(xí)単元獲取的部分或者全部學(xué)習(xí)參數(shù)，從ー個(gè)或多個(gè)類(lèi)型中識(shí)別識(shí)別對(duì)象圖案所屬的類(lèi)型。本發(fā)明的效果所述的學(xué)習(xí)裝置、學(xué)習(xí)方法、存儲(chǔ)學(xué)習(xí)程序的記錄介質(zhì)、識(shí)別裝置、識(shí)別方法、存儲(chǔ)識(shí)別程序的記錄介質(zhì)，以及所述的學(xué)習(xí)識(shí)別系統(tǒng)、學(xué)習(xí)識(shí)別裝置、學(xué)習(xí)識(shí)別方法和存儲(chǔ)學(xué)習(xí)識(shí)別程序的記錄介質(zhì)，能夠降低計(jì)算成本的負(fù)擔(dān)，提高識(shí)別精確度，并且實(shí)現(xiàn)了流暢的學(xué)習(xí)過(guò)程和識(shí)別過(guò)程。


圖I是示出了根據(jù)本發(fā)明第一實(shí)施例的學(xué)習(xí)裝置的結(jié)構(gòu)的第一框圖；圖2是示出了根據(jù)本發(fā)明的第一實(shí)施例的用于學(xué)習(xí)過(guò)程的梯度特征量的說(shuō)明圖；圖3A是示出了根據(jù)本發(fā)明的第一實(shí)施例的用于學(xué)習(xí)過(guò)程的和差特征量的說(shuō)明圖；圖3B是示出了根據(jù)本發(fā)明的第一實(shí)施例的用于學(xué)習(xí)過(guò)程的和差特征量的說(shuō)明圖；圖3C是示出了根據(jù)本發(fā)明的第一實(shí)施例的用于學(xué)習(xí)過(guò)程的和差特征量的說(shuō)明圖； 圖4是示出了根據(jù)本發(fā)明第一實(shí)施例的學(xué)習(xí)裝置的結(jié)構(gòu)的第二框圖；圖5是示出了根據(jù)本發(fā)明第一實(shí)施例的識(shí)別裝置的結(jié)構(gòu)的第一框圖；圖6是示出了根據(jù)本發(fā)明第一實(shí)施例的識(shí)別裝置的結(jié)構(gòu)的第二框圖；圖7是示出了根據(jù)本發(fā)明第一實(shí)施例的學(xué)習(xí)過(guò)程的步驟的流程圖；圖8是示出了根據(jù)本發(fā)明第一實(shí)施例的識(shí)別過(guò)程的步驟的流程圖；圖9A是示出了根據(jù)本發(fā)明第二實(shí)施例的簡(jiǎn)單地分配梯度特征量數(shù)據(jù)的存儲(chǔ)方法的不意圖；圖9B是示出了根據(jù)本發(fā)明第二實(shí)施例的最優(yōu)地分配梯度特征量數(shù)據(jù)的存儲(chǔ)方法的不意圖；圖9C是示出了根據(jù)本發(fā)明第二實(shí)施例的存儲(chǔ)梯度特征量的方法的示例的示意圖；圖10是示出了根據(jù)本發(fā)明第三實(shí)施例的學(xué)習(xí)識(shí)別系統(tǒng)的結(jié)構(gòu)的第一框圖；圖11是示出了根據(jù)本發(fā)明第三實(shí)施例的學(xué)習(xí)識(shí)別系統(tǒng)的結(jié)構(gòu)的第二框圖；圖12是示出了根據(jù)本發(fā)明第四實(shí)施例的學(xué)習(xí)識(shí)別裝置的結(jié)構(gòu)的第一框圖；圖13是示出了根據(jù)本發(fā)明第四實(shí)施例的學(xué)習(xí)識(shí)別裝置的結(jié)構(gòu)的第二框圖；圖14是示出了現(xiàn)有技術(shù)的識(shí)別裝置的結(jié)構(gòu)的框具體實(shí)施例方式以下將描述本發(fā)明的實(shí)施例。這里，隨后提到的示例性實(shí)施例中的學(xué)習(xí)裝置、學(xué)習(xí)方法、識(shí)別裝置、識(shí)別方法、學(xué)習(xí)識(shí)別系統(tǒng)、學(xué)習(xí)識(shí)別裝置和學(xué)習(xí)識(shí)別方法由方法、裝置或由計(jì)算機(jī)根據(jù)程序指令(例如，學(xué)習(xí)程序、識(shí)別程序以及學(xué)習(xí)識(shí)別程序)執(zhí)行的功能來(lái)實(shí)現(xiàn)。所述程序向計(jì)算機(jī)的每個(gè)組件發(fā)送命令使其執(zhí)行預(yù)定方法并如以下所示出的那樣工作。也就是，隨后描述的實(shí)施例中的學(xué)習(xí)裝置、學(xué)習(xí)方法、識(shí)別裝置、識(shí)別方法、學(xué)習(xí)識(shí)別系統(tǒng)、學(xué)習(xí)識(shí)別裝置和學(xué)習(xí)識(shí)別方法由特定的裝置實(shí)現(xiàn)，其中所述程序和計(jì)算機(jī)彼此配合工作。進(jìn)ー步，程序的全部或者部分由例如磁盤(pán)、光盤(pán)、半導(dǎo)體存儲(chǔ)器或任意計(jì)算機(jī)可讀的記錄介質(zhì)來(lái)提供，從記錄介質(zhì)中讀出的程序被安裝在計(jì)算機(jī)中并被執(zhí)行。而且，可以通過(guò)通信線(xiàn)路而不用使用記錄介質(zhì)將程序直接加載到計(jì)算機(jī)中。[第一實(shí)施例]
(學(xué)習(xí)裝置10)圖I是示出了根 據(jù)本發(fā)明第一實(shí)施例的學(xué)習(xí)裝置的結(jié)構(gòu)的第一框圖。如圖I所示，根據(jù)本發(fā)明實(shí)施例的學(xué)習(xí)裝置10包括梯度特征提取単元11、和差特征提取単元12和學(xué)習(xí)單元13，并且，學(xué)習(xí)裝置10被連接至存儲(chǔ)裝置20。梯度特征提取単元11從輸入的學(xué)習(xí)對(duì)象圖案提取每個(gè)坐標(biāo)上的梯度特征量。梯度特征提取單元11提取學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量。梯度特征量是基于所述變化量通過(guò)量化在每個(gè)坐標(biāo)上的亮度的方向和強(qiáng)度(梯度強(qiáng)度值)所提取的數(shù)據(jù)。圖2是直觀的示出了由梯度特征提取単元11所提取的梯度特征量的說(shuō)明圖。如圖2所示，例如，當(dāng)輸入人臉的照相圖像作為提取特征前的學(xué)習(xí)對(duì)象圖案時(shí)，梯度特征提取単元11能夠通過(guò)使用例如SOBEL濾波器等的梯度濾波器將該圖像分為八個(gè)梯度(0度，45度，90度，135度，180度，225度，270度和315度)并提取梯度特征量。換句話(huà)說(shuō)，梯度特征提取単元11為這八個(gè)梯度的每ー個(gè)提取梯度強(qiáng)度值，這八個(gè)梯度是對(duì)于每個(gè)像素分別提取的。圖2的右側(cè)圖示意性的示出了提取對(duì)象圖像(圖2的左側(cè)圖)的所有像素的梯度強(qiáng)度值的結(jié)果。梯度特征提取單元11在存儲(chǔ)裝置20的特征量暫存單元22暫時(shí)存儲(chǔ)提取的梯度特征量。如圖I所示，和差特征提取単元12從特征量暫存單元22獲得梯度特征量并計(jì)算和差特征量。和差特征提取単元12能從梯度特征提取単元11接收梯度特征量。具體地，和差特征提取單元12將符合包括在“預(yù)定梯度范圍”內(nèi)的梯度方向的梯度強(qiáng)度值增加至學(xué)習(xí)對(duì)象圖案的特定坐標(biāo)。和差特征提取単元12通過(guò)減去符合包括在與所述梯度范圍相鄰的“其他梯度范圍”內(nèi)的梯度方向的梯度強(qiáng)度值，來(lái)計(jì)算和差特征量。這里，“預(yù)定梯度范圍”是這樣的范圍，其中，當(dāng)包括了所有有效梯度的整個(gè)范圍，就是說(shuō)360度，被量化為四個(gè)或者更多的梯度方向時(shí)，該范圍包括符合其中兩個(gè)或者更多梯度方向的梯度特征量(梯度強(qiáng)度值)?！捌渌荻确秶笔桥c“預(yù)定梯度范圍”相鄰的范圍，包括了符合其數(shù)量與包括在“預(yù)定梯度范圍”內(nèi)的梯度方向的數(shù)量相同的梯度方向的梯度特征量。圖3A是示意性示出直觀指示每個(gè)梯度方向的梯度強(qiáng)度值的示例的圖。圖3B是說(shuō)明圖，示出了說(shuō)明作為圖3C中計(jì)算對(duì)象的特征范圍的方法。白色矩形表示的范圍指示作為加法對(duì)象的特征值的范圍。黒色矩形表示的范圍指示作為減法對(duì)象的特征值的范圍。圖3C是說(shuō)明圖，其說(shuō)明了當(dāng)被量化的梯度方向數(shù)量為8時(shí)的和差特征量。在圖3C中，在行的開(kāi)頭指示作為加法對(duì)象或者減法對(duì)象的梯度方向的范圍(寬度)，在列的開(kāi)頭指示作為加法對(duì)象或者減法對(duì)象的梯度方向的范圍的排列。例如，當(dāng)寬度為“2”，0 = 45度時(shí)，有8種關(guān)于梯度強(qiáng)度值的加法⑴和減法(-)的排列⑴“⑴4 0和3 0 ”，“㈠2 0和0 ” ；⑵“⑴5 0和4 0 ”，“㈠3 0和2 9 ”; (3) “ (+) 6 9 和 5 0 ”，“ (-) 4 9 和 3 0 ”; (4) “ (+) 7 0 和 6 0 ”，“ (-) 5 0 和 4 0 ”;
(5)“ (+) :0 和 7 0 ”，“ (-) 6 9 和 5 0 ”； (6) “ (+) 9 和 0”，“ (-) :7 0 和 6 0，，; (7) “ (+)2 0 和 0 ”，“ (-) :0 和 7 0，，;以及(8) “ (+) 3 0 和 2 0 ’’ 和 “ (-)0 和 O”。
和差特征提取単元12根據(jù)這些組合的每ー種通過(guò)對(duì)梯度強(qiáng)度值執(zhí)行加法和減法來(lái)計(jì)算和差特征量。例如，當(dāng)用E(0n)表示符合任意梯度方向(0n)的梯度強(qiáng)度值時(shí)，排列(I)的和差特征量可以通過(guò)以下方法計(jì)算。即，和差特征提取単元12能通過(guò)執(zhí)行計(jì)算過(guò)程E(4 0)+E(3 0)-(E(2 0)+E(0))來(lái)獲取關(guān)于該像素的這些和差特征量的ー個(gè)。和差特征提取単元12能通過(guò)對(duì)排列(I)至(8)執(zhí)行所述計(jì)算過(guò)程來(lái)計(jì)算關(guān)于像素的所需的和差特征量。換句話(huà)說(shuō)，在這種情況下，和差特征提取単元12計(jì)算關(guān)于ー個(gè)像素的8個(gè)和差特征量。另外，和差特征提取単元12對(duì)于學(xué)習(xí)對(duì)象圖案的所有像素執(zhí)行該方法。進(jìn)一歩，上述的“梯度范圍”可以根據(jù)用戶(hù)的輸入操作來(lái)設(shè)置或者改變。 具體地，學(xué)習(xí)裝置10能通過(guò)設(shè)置包括在該梯度范圍內(nèi)的梯度方向的數(shù)量來(lái)任意設(shè)置“預(yù)定梯度范圍”或“其他梯度范圍”(本發(fā)明的梯度特征數(shù)量設(shè)置裝置的功能)。例如，當(dāng)寬度被設(shè)為“3”，和差特征提取単元12計(jì)算16個(gè)和差特征量通過(guò)執(zhí)行寬度為“3”時(shí)梯度強(qiáng)度值的加法和/或減法而獲取的8個(gè)和差特征量，通過(guò)執(zhí)行寬度為“2”時(shí)梯度強(qiáng)度值的加法/減法而計(jì)算的8個(gè)和差特征量。類(lèi)似地，當(dāng)寬度被設(shè)為“4”，和差特征提取単元12獲取24個(gè)和差特征量通過(guò)執(zhí)行寬度為“4”時(shí)梯度強(qiáng)度值的加法和/或減法而獲取的8個(gè)和差特征量，通過(guò)執(zhí)行寬度為“3”時(shí)梯度強(qiáng)度值的加法和/或減法而計(jì)算的8個(gè)和差特征量，以及通過(guò)執(zhí)行寬度為“2”時(shí)梯度強(qiáng)度值的加法/減法而計(jì)算的8個(gè)和差特征量。從而，和差特征提取単元12能通過(guò)改變用于計(jì)算和差特征量的加法和/或減法的范圍(寬度)來(lái)調(diào)整用于學(xué)習(xí)過(guò)程的和差特征量的數(shù)量。進(jìn)ー步，和差特征提取単元12針對(duì)所有像素計(jì)算和差特征量，并在存儲(chǔ)裝置20的特征量暫存單元22中暫時(shí)存儲(chǔ)計(jì)算出的和差特征量。如圖I所示，學(xué)習(xí)單元13從特征量暫存單元22獲取梯度特征量以及和差特征量，并基于預(yù)定學(xué)習(xí)算法獲得識(shí)別過(guò)程的學(xué)習(xí)參數(shù)。學(xué)習(xí)單元13通過(guò)梯度特征提取単元11以及和差特征提取単元12接收這些梯度特征量以及和差特征量。進(jìn)ー步，如圖I所示，學(xué)習(xí)單元13能夠通過(guò)使用梯度特征量和和差特征量以及預(yù)定的教師數(shù)據(jù)來(lái)獲取學(xué)習(xí)參數(shù)。教師數(shù)據(jù)是指示對(duì)于采樣數(shù)據(jù)(輸入)的正確識(shí)別結(jié)果(輸出)的數(shù)據(jù)。具體地，教師數(shù)據(jù)是算木式或者用于由輸入值推導(dǎo)輸出值的學(xué)習(xí)參數(shù)，或兩者都有。這里，學(xué)習(xí)單元13不僅能夠通過(guò)使用特定學(xué)習(xí)算法獲取學(xué)習(xí)參數(shù)，也能通過(guò)使用各種學(xué)習(xí)算法來(lái)獲取。例如，在使用ー種神經(jīng)網(wǎng)絡(luò)的多層感知器的情況下，學(xué)習(xí)單元13獲取各節(jié)點(diǎn)之間的“連接權(quán)值”作為學(xué)習(xí)參數(shù)。當(dāng)使用一般化的學(xué)習(xí)矢量量化(GLVQ)作為學(xué)習(xí)算法時(shí)，學(xué)習(xí)單元13可以獲取“參考矢量(原型)”作為學(xué)習(xí)參數(shù)。當(dāng)使用支持矢量機(jī)(SVM)作為學(xué)習(xí)算法時(shí)，學(xué)習(xí)單元13能夠獲取選擇的“支持矢量”作為學(xué)習(xí)參數(shù)。學(xué)習(xí)單元13在字典存儲(chǔ)單元21中存儲(chǔ)所獲取的學(xué)習(xí)參數(shù)。存儲(chǔ)在字典存儲(chǔ)單元21中的學(xué)習(xí)參數(shù)被用于隨后描述的識(shí)別過(guò)程。
進(jìn)ー步，如圖4所示，學(xué)習(xí)裝置10可以具有這樣的結(jié)構(gòu)，其中沒(méi)有包括存儲(chǔ)裝置20。在這種情況中，梯度特征提取単元11能直接輸出所提取的梯度特征量至和差特征提取単元12和學(xué)習(xí)單元13。和差特征提取単元12能直接輸出所計(jì)算的和差特征量至學(xué)習(xí)單元13，并將從梯度特征提取単元11接收的梯度特征量發(fā)送至學(xué)習(xí)單元13。學(xué)習(xí)單元13輸出基于梯度特征量以及和差特征量(當(dāng)使用教師數(shù)據(jù)時(shí)，包括教師數(shù)據(jù))所獲取的學(xué)習(xí)參數(shù)至識(shí)別裝置。(識(shí)別裝置30)如圖5所示，識(shí)別裝置30包括梯度特征提取単元31、和差特征量提取單元32和識(shí)別單元33。 梯度特征提取単元31從輸入的識(shí)別對(duì)象圖案中提取每個(gè)坐標(biāo)上的梯度特征量。梯度特征提取單元31提取識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量。梯度特征量是基于所述變化量通過(guò)量化在每個(gè)坐標(biāo)上的亮度的方向和強(qiáng)度(梯度強(qiáng)度值)所提取的數(shù)據(jù)。即，梯度特征提取單元31執(zhí)行與學(xué)習(xí)裝置10的梯度特征提取單元11相同的操作。進(jìn)ー步，梯度特征提取単元31能夠只是提取被判定為對(duì)識(shí)別過(guò)程有用的特定梯度特征量。例如，梯度特征提取単元31通過(guò)統(tǒng)計(jì)學(xué)方法等排除了被判定為對(duì)識(shí)別過(guò)程無(wú)用的梯度特征量，并將對(duì)識(shí)別過(guò)程無(wú)用的識(shí)別碼附在識(shí)別對(duì)象圖案的預(yù)定坐標(biāo)或像素中。這樣，就可以不提取對(duì)于識(shí)別無(wú)用的梯度特征量。梯度特征提取単元31將所提取的梯度特征量暫時(shí)存儲(chǔ)在存儲(chǔ)裝置40的特征量暫存單元42中。如圖5所示，和差特征提取単元32從特征量暫存單元42獲取梯度特征量，并計(jì)算預(yù)定的和差特征量。和差特征提取単元32能夠直接從梯度特征提取単元31接收梯度特征量。S卩，和差特征提取単元32執(zhí)行與學(xué)習(xí)裝置10的和差特征提取単元12相同的操作。例如，當(dāng)學(xué)習(xí)裝置10的和差特征提取單元12中的“預(yù)定梯度范圍”和“其他梯度范圍”被設(shè)為“3”時(shí)，通常，識(shí)別裝置30的和差特征提取単元32通過(guò)使用包括在具有同樣寬度的梯度范圍內(nèi)的梯度特征量來(lái)計(jì)算和差特征量。具體地，在這種情況下，和差特征提取単元32對(duì)符合3個(gè)梯度方向的梯度強(qiáng)度值求和，并從所計(jì)算出的和值中減去符合3個(gè)其他梯度方向的梯度強(qiáng)度值，以獲取和差特征量。和差特征提取単元32對(duì)符合兩個(gè)梯度方向的梯度強(qiáng)度求和，并從所計(jì)算出的和值中減去符合兩個(gè)其他梯度方向的梯度強(qiáng)度值，以獲取和差特征量。然而，作為學(xué)習(xí)裝置10的學(xué)習(xí)過(guò)程的結(jié)果，當(dāng)梯度范圍的寬度為“3”，梯度特征量被判定為對(duì)識(shí)別無(wú)用時(shí)，和差特征提取単元32能夠僅僅基于寬度為“2”的梯度范圍來(lái)獲取和差特征量。換句話(huà)說(shuō)，在這種情況下，和差特征提取単元32對(duì)符合兩個(gè)梯度方向的梯度強(qiáng)度值求和，并從所計(jì)算出的和值中減去符合兩個(gè)其他梯度方向的梯度強(qiáng)度值，以獲取和
差特征量。
進(jìn)ー步，通過(guò)使用與前述的梯度特征提取単元31所執(zhí)行的方法相同的方法，和差特征提取単元32能夠僅僅獲取被判定為對(duì)識(shí)別有用的特定和差特征量。結(jié)果，根據(jù)示例性實(shí)施例的學(xué)習(xí)裝置10能夠降低識(shí)別的計(jì)算成本，并實(shí)現(xiàn)快速的識(shí)別過(guò)程。進(jìn)ー步，和差特征提取単元32將所計(jì)算出的和差特征量暫存在存儲(chǔ)裝置40的特征量暫存單元42中。如圖5所示，識(shí)別單元33從特征量暫存單元42獲得梯度特征量以及和差特征量。識(shí)別單元33從字典存儲(chǔ)單元41獲得學(xué)習(xí)參數(shù)，并且基于這些學(xué)習(xí)參數(shù)，輸出指示在ー個(gè)或多個(gè)類(lèi)型(預(yù)定的分類(lèi)/類(lèi)別/類(lèi)等)中的識(shí)別對(duì)象圖案所屬的類(lèi)型的信息，作為識(shí)別結(jié)果。例如，識(shí)別單元33獲取由從識(shí)別對(duì)象圖案提取的梯度特征量和和差特征量組成 的特征矢量和多個(gè)學(xué)習(xí)參數(shù)的參考矢量之間的歐幾里得距離，識(shí)別識(shí)別對(duì)象圖案所屬的分類(lèi)/類(lèi)別/類(lèi)，歐幾里得距離為最短距離的參考矢量所被分配到該分類(lèi)/類(lèi)別/類(lèi)。這里，識(shí)別單元33能夠從存儲(chǔ)在字典存儲(chǔ)單元41中的學(xué)習(xí)參數(shù)中僅僅提取被判定為對(duì)識(shí)別有用的學(xué)習(xí)參數(shù)，并將其用于識(shí)別過(guò)程。例如，識(shí)別單元33能夠基于通過(guò)實(shí)際識(shí)別過(guò)程提取的識(shí)別結(jié)果，通過(guò)預(yù)先將識(shí)別碼附在被判定為對(duì)識(shí)別有用的學(xué)習(xí)參數(shù)上來(lái)實(shí)現(xiàn)該方法。進(jìn)ー步，如圖6所示，識(shí)別裝置30具有這樣的結(jié)構(gòu)，其中可以不包括存儲(chǔ)裝置40。在這種情況中，梯度特征提取単元31能直接輸出所提取的梯度特征量至和差特征提取単元32或識(shí)別單元33。和差特征提取単元32能直接輸出所計(jì)算的和差特征量至識(shí)別單元33。和差特征提取単元32能將從梯度特征提取単元31接收的梯度特征量發(fā)送至學(xué)習(xí)單元33。學(xué)習(xí)單元13基于梯度特征量、和差特征量以及從學(xué)習(xí)裝置(未示出)接收到的學(xué)習(xí)參數(shù)等，輸出識(shí)別結(jié)果。(存儲(chǔ)裝置20 (40))圖I中示出的存儲(chǔ)裝置20以及圖5中示出的存儲(chǔ)裝置40是由硬盤(pán)、半導(dǎo)體存儲(chǔ)器等組成的存儲(chǔ)裝置。如這些圖中所示，存儲(chǔ)裝置20(30)包括字典存儲(chǔ)單元21 (41)和特征量暫存單元22(42)。字典存儲(chǔ)單元21 (41)存儲(chǔ)通過(guò)學(xué)習(xí)過(guò)程所獲取的學(xué)習(xí)參數(shù)。存儲(chǔ)在字典存儲(chǔ)單元21 (41)中的學(xué)習(xí)參數(shù)被用于識(shí)別過(guò)程。特征量暫存單元22存儲(chǔ)由梯度特征提取単元11所提取的梯度特征量以及學(xué)習(xí)裝置10中的和差特征提取単元12所計(jì)算出來(lái)的和差特征量。特征量暫存單元42存儲(chǔ)由梯度特征提取単元31所提取的梯度特征量以及識(shí)別裝置30中的和差特征提取単元32所計(jì)算出來(lái)的和差特征量。接下來(lái)，參考圖7和圖8描述具有上述結(jié)構(gòu)的學(xué)習(xí)裝置的學(xué)習(xí)方法以及具有上述結(jié)構(gòu)的識(shí)別裝置的識(shí)別方法。圖7是示出了根據(jù)實(shí)施例的學(xué)習(xí)方法的流程圖。圖8是示出了根據(jù)實(shí)施例的識(shí)別方法的流程圖。
(學(xué)習(xí)方法)如圖7所示，在根據(jù)示例性實(shí)施例的學(xué)習(xí)方法中，首先，學(xué)習(xí)裝置10通過(guò)輸入?yún)g元(未示出)輸入學(xué)習(xí)對(duì)象圖案(SlOl)。接下來(lái)，梯度特征提取単元11從輸入的學(xué)習(xí)對(duì)象圖案中提取梯度特征量(S102)。具體地，梯度特征提取單元11提取梯度特征量，其由每個(gè)坐標(biāo)上的梯度方向以及基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量的其梯度強(qiáng)度值組成。梯度特征提取單元11在存儲(chǔ)裝置20的特征量暫存單元22中存儲(chǔ)所提取的梯度特征量。接下來(lái)，和差特征提取単元12從特征量暫存單元22獲得梯度特征量，并計(jì)算和差特征量(S103)。 具體地，基于從學(xué)習(xí)對(duì)象圖案中提取的梯度特征量，和差特征提取単元12對(duì)符合包括在預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和。和差特征提取單元12通過(guò)減去符合包括在與所述梯度范圍相鄰的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值來(lái)計(jì)算和差特征量。和差特征提取単元12對(duì)學(xué)習(xí)對(duì)象圖案里的所有像素執(zhí)行上述方法。進(jìn)ー步，和差特征提取単元12在特征量暫存單元22中存儲(chǔ)所獲取的和差特征量。接下來(lái)，學(xué)習(xí)裝置10確定是否還有其他要學(xué)習(xí)的學(xué)習(xí)對(duì)象圖案存在(S104)。當(dāng)有其他要學(xué)習(xí)的學(xué)習(xí)對(duì)象圖案存在時(shí)(S104:是)，學(xué)習(xí)裝置10對(duì)其他學(xué)習(xí)對(duì)象圖案執(zhí)行類(lèi)似的方法(S101至S103)。S卩，學(xué)習(xí)裝置10重復(fù)SlOl至S103的方法，其重復(fù)次數(shù)與學(xué)習(xí)對(duì)象圖案的數(shù)量相同。當(dāng)不存在其他要學(xué)習(xí)的學(xué)習(xí)對(duì)象圖案時(shí)(S104:否)，學(xué)習(xí)單元13執(zhí)行學(xué)習(xí)過(guò)程(S105)。具體地，學(xué)習(xí)單元13使用取自特征量暫存單元22的梯度特征量以及和差特征量，基于預(yù)定學(xué)習(xí)算法，來(lái)獲取學(xué)習(xí)參數(shù)。進(jìn)ー步，那時(shí)，學(xué)習(xí)單元13能通過(guò)增加預(yù)定教師數(shù)據(jù)來(lái)執(zhí)行學(xué)習(xí)過(guò)程。在該示例性實(shí)施例中，學(xué)習(xí)單元13在與識(shí)別裝置30連接的存儲(chǔ)裝置40的字典存儲(chǔ)單元41中存儲(chǔ)所獲取的學(xué)習(xí)參數(shù)。這里，上述學(xué)習(xí)過(guò)程的步驟能任意改變。例如，當(dāng)執(zhí)行這樣的學(xué)習(xí)過(guò)程時(shí)，其中學(xué)習(xí)對(duì)象圖案如同一般化的學(xué)習(xí)矢量量化(GLVQ)那樣被順序輸入，步驟S104和S105的處理順序能被互換。即，可根據(jù)學(xué)習(xí)圖案的數(shù)量重復(fù)執(zhí)行下列一系列的步驟輸入學(xué)習(xí)對(duì)象圖案- >提取梯度特征量- >提取和差特征量->執(zhí)行學(xué)習(xí)過(guò)程。(識(shí)別方法)如圖8所示，在根據(jù)示例性實(shí)施例的識(shí)別方法中，首先，識(shí)別裝置30通過(guò)輸入?yún)g元(未示出)輸入識(shí)別對(duì)象圖案(S201)。接下來(lái)，梯度特征提取単元31從輸入的識(shí)別對(duì)象圖案中提取梯度特征量(S202)。具體地，梯度特征提取單元31提取梯度特征量，其由每個(gè)坐標(biāo)上的梯度方向以及基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量的其梯度強(qiáng)度值組成。梯度特征提取單元31在存儲(chǔ)裝置40的特征量暫存單元42中存儲(chǔ)所提取的梯度特征量。接下來(lái)，和差特征提取単元32從特征量暫存單元42獲得梯度特征量，并計(jì)算和差特征量(S203)。具體地，基于從識(shí)別對(duì)象圖案中提取的梯度特征量，和差特征提取単元32對(duì)符合包括在預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和。和差特征提取單元32通過(guò)減去符合包括在與所述梯度范圍相鄰的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值來(lái)計(jì)算和差特征量。和差特征提取単元32對(duì)識(shí)別對(duì)象圖案里的所有像素執(zhí)行上述方法。 進(jìn)ー步，和差特征提取単元32在特征量暫存單元42中存儲(chǔ)所計(jì)算出來(lái)的和差特征量。接下來(lái)，識(shí)別單元33從特征量暫存單元42獲取梯度特征量以及和差特征量，從字典存儲(chǔ)單元41獲取在學(xué)習(xí)過(guò)程的步驟中存儲(chǔ)的學(xué)習(xí)參數(shù)?；谶@些數(shù)據(jù)，識(shí)別単元33從一個(gè)或多個(gè)類(lèi)型中識(shí)別識(shí)別對(duì)象圖案所屬的類(lèi)型(S204)。識(shí)別結(jié)果可通過(guò)顯示、打印等方法被輸出。如前所述，示例性實(shí)施例的學(xué)習(xí)裝置10，基于輸入的學(xué)習(xí)對(duì)象圖案提取每個(gè)坐標(biāo)上的梯度特征量，基于該梯度特征量提取和差特征量，并基于預(yù)定的學(xué)習(xí)算法獲取學(xué)習(xí)參數(shù)。基于這個(gè)原因，示例性實(shí)施例的學(xué)習(xí)裝置10能通過(guò)執(zhí)行諸如加法和減法的簡(jiǎn)單計(jì)算過(guò)程，基于特定特征量提取學(xué)習(xí)參數(shù)。因此，該示例性實(shí)施例的學(xué)習(xí)裝置10能降低學(xué)習(xí)過(guò)程的計(jì)算成本，并實(shí)現(xiàn)流暢的學(xué)習(xí)過(guò)程。進(jìn)ー步，該示例性實(shí)施例的識(shí)別裝置30，基于輸入的識(shí)別對(duì)象圖案獲取每個(gè)坐標(biāo)上的梯度特征量，基于該梯度特征量獲取和差特征量，將這些特征量與預(yù)先提取(由前述的學(xué)習(xí)裝置等)的學(xué)習(xí)參數(shù)相比較，從而執(zhí)行識(shí)別對(duì)象圖案的識(shí)別。因此，該示例性實(shí)施例的識(shí)別裝置30能降低識(shí)別過(guò)程的計(jì)算成本，并流暢的獲得識(shí)別結(jié)果。從而，通過(guò)使用根據(jù)示例性實(shí)施例的學(xué)習(xí)裝置10或者識(shí)別裝置30，盡管學(xué)習(xí)參數(shù)是特定特征量，但通過(guò)執(zhí)行例如加法或者減法的簡(jiǎn)單計(jì)算過(guò)程，能有效的獲得對(duì)識(shí)別有用的學(xué)習(xí)參數(shù)并流暢的計(jì)算出識(shí)別結(jié)果。S卩，根據(jù)該示例性實(shí)施例的學(xué)習(xí)裝置10或識(shí)別裝置30在學(xué)習(xí)過(guò)程中不需要提取大量的特征量和學(xué)習(xí)參數(shù)來(lái)保證識(shí)別的精確度。在根據(jù)示例性實(shí)施例的學(xué)習(xí)裝置10或識(shí)別裝置30中，由于執(zhí)行識(shí)別過(guò)程不需要復(fù)雜的計(jì)算過(guò)程，從而降低了總體計(jì)算成本。另外，在根據(jù)示例性實(shí)施例的學(xué)習(xí)裝置10或識(shí)別裝置30中，能調(diào)整學(xué)習(xí)過(guò)程和識(shí)別過(guò)程所需的梯度特征的量。例如，當(dāng)根據(jù)示例性實(shí)施例的學(xué)習(xí)裝置10或識(shí)別裝置30中設(shè)置為寬梯度范圍吋，執(zhí)行學(xué)習(xí)過(guò)程時(shí)能獲取很多學(xué)習(xí)參數(shù)，從而能進(jìn)ー步提高識(shí)別過(guò)程中的識(shí)別精確度。另ー方面，當(dāng)根據(jù)實(shí)施例的學(xué)習(xí)裝置10或識(shí)別裝置30中設(shè)置為窄梯度范圍時(shí)，執(zhí)行學(xué)習(xí)過(guò)程和識(shí)別過(guò)程的計(jì)算成本能被降低。從而，由于用戶(hù)能夠自由的改變梯度范圍，用戶(hù)能調(diào)整識(shí)別精確度和計(jì)算成本之間的平衡。進(jìn)而，該示例性實(shí)施例的識(shí)別裝置30能執(zhí)行識(shí)別過(guò)程，其中在學(xué)習(xí)過(guò)程中獲取的學(xué)習(xí)參數(shù)中僅僅使用識(shí)別過(guò)程所需的學(xué)習(xí)參數(shù)。具體地，在該示例性實(shí)施例的識(shí)別裝置30中，梯度特征提取単元31提取用于識(shí)別的梯度特征量，和差特征提取単元32僅僅計(jì)算用于識(shí)別的和差特征量，識(shí)別單元33將這些特征量與學(xué)習(xí)參數(shù)相比較，由此執(zhí)行識(shí)別過(guò)程。進(jìn)ー步，實(shí)施例的識(shí)別裝置30能從存儲(chǔ)在字典存儲(chǔ)單元的學(xué)習(xí)參數(shù)中只取出用于識(shí)別的學(xué)習(xí)參數(shù)，并將其用于與梯度特征量及和差特征量的比較。
·
結(jié)果，實(shí)施例的識(shí)別裝置30能降低識(shí)別過(guò)程的計(jì)算成本，并實(shí)現(xiàn)流暢的識(shí)別過(guò)程。[第二實(shí)施例]接下來(lái)將描述根據(jù)本發(fā)明第二實(shí)施例的學(xué)習(xí)裝置。根據(jù)該示例性實(shí)施例的學(xué)習(xí)裝置10的特征在于當(dāng)梯度特征量被存儲(chǔ)在暫存單元22中時(shí)所使用的存儲(chǔ)方法。第二實(shí)施例的其它結(jié)構(gòu)、操作/效果等與第一實(shí)施例的相同。因此，細(xì)節(jié)描述將被省略。此后將參照?qǐng)D9A至9C描述根據(jù)該示例性實(shí)施例的存儲(chǔ)梯度特征量的方法。圖9A至9C是示出根據(jù)該示例性實(shí)施例的存儲(chǔ)梯度特征量的方法的說(shuō)明圖。當(dāng)根據(jù)本示例性實(shí)施例的學(xué)習(xí)裝置中的特征量暫存單元22執(zhí)行學(xué)習(xí)過(guò)程時(shí)，它在相同的存儲(chǔ)區(qū)域或臨近區(qū)域中分別存儲(chǔ)在由在每個(gè)坐標(biāo)上的亮度的梯度方向組成的梯度特征量中用于計(jì)算ー個(gè)和差特征量的加法或減法對(duì)象的梯度特征量，以及由梯度特征提取単元11提取的其梯度強(qiáng)度值。S卩，特征量暫存單元22不以分級(jí)方式或無(wú)序方式存儲(chǔ)針對(duì)學(xué)習(xí)對(duì)象圖案的特定像素而提取的梯度特征量(參照?qǐng)D9A)，而是如此存儲(chǔ)這些梯度特征量，以使得這些和差特征量的計(jì)算對(duì)象被安排在相同或相鄰地址(區(qū)域)(參照?qǐng)D9B)。例如，在9C的示例中，特征量暫存單元22在#001地址的存儲(chǔ)區(qū)域中存儲(chǔ)像素001的各梯度方向(方向Dl至Dn)的梯度強(qiáng)度值。進(jìn)ー步地，特征量暫存單元22在#002地址的存儲(chǔ)區(qū)域中存儲(chǔ)像素002的各梯度方向的梯度強(qiáng)度值(同樣的操作執(zhí)行至像素N(N是對(duì)象圖案相應(yīng)像素的數(shù)量))。S卩，特征量暫存單元22存儲(chǔ)和差特征量，從而在存儲(chǔ)器的存儲(chǔ)區(qū)域中地址彼此鄰近(或相同)的存儲(chǔ)區(qū)域中存儲(chǔ)和差特征量的計(jì)算對(duì)象。因此，與無(wú)序存儲(chǔ)梯度特征量的情形相比，該示例性實(shí)施例的學(xué)習(xí)裝置10在執(zhí)行和差特征提取過(guò)程時(shí)，能夠高速執(zhí)行梯度強(qiáng)度值的加法和減法，從而可縮短執(zhí)行學(xué)習(xí)過(guò)程所需的周期(時(shí)間)。進(jìn)ー步，在該示例性實(shí)施例中已經(jīng)給出了關(guān)于學(xué)習(xí)裝置10的說(shuō)明。但是，由于識(shí)別裝置30與學(xué)習(xí)裝置10 二者的結(jié)構(gòu)彼此相似，所以識(shí)別裝置30的操作/效果與學(xué)習(xí)裝置10的相似。[第三實(shí)施例]
下面將參照?qǐng)D10和圖11來(lái)描述根據(jù)本發(fā)明第三實(shí)施例的學(xué)習(xí)識(shí)別系統(tǒng)。圖10和圖11是示出根據(jù)該示例性實(shí)施例的學(xué)習(xí)識(shí)別系統(tǒng)的結(jié)構(gòu)的框圖。如這些圖中所示，根據(jù)該示例性實(shí)施例的學(xué)習(xí)識(shí)別系統(tǒng)90包括學(xué)習(xí)裝置10和識(shí)別裝置30。因此，根據(jù)該示例性實(shí)施例的學(xué)習(xí)識(shí)別系統(tǒng)90的操作/效果與第一實(shí)施例中示出的學(xué)習(xí)裝置10和識(shí)別裝置30的操作/效果相似。另外，由于學(xué)習(xí)識(shí)別系統(tǒng)90是由學(xué)習(xí)裝置10和識(shí)別裝置30組成，因此其可以被整體提供，從而具有良好的適用性。具體地，當(dāng)實(shí)時(shí)執(zhí)行學(xué)習(xí)過(guò)程和識(shí)別過(guò)程時(shí)，可使用圖10所示的學(xué)習(xí)識(shí)別系統(tǒng)90a。例如，在學(xué)習(xí)裝置10連續(xù)輸入學(xué)習(xí)圖案和教師數(shù)據(jù)并執(zhí)行學(xué)習(xí)過(guò)程并且同時(shí)識(shí)別裝置30執(zhí)行識(shí)別對(duì)象圖案的識(shí)別過(guò)程的實(shí)施例中，可應(yīng)用學(xué)習(xí)識(shí)別系統(tǒng)90a。在圖11所示的學(xué)習(xí)識(shí)別系統(tǒng)90b中，學(xué)習(xí)裝置10和識(shí)別裝置30共享存儲(chǔ)裝置 20。因此，由于學(xué)習(xí)裝置10和識(shí)別裝置30可被配置為其中不包含存儲(chǔ)裝置，與學(xué)習(xí)裝置10和識(shí)別裝置30分別包含存儲(chǔ)裝置的情形相比，可以降低學(xué)習(xí)識(shí)別系統(tǒng)90b的成本。[第四實(shí)施例]下面將參照?qǐng)D12和圖13來(lái)描述根據(jù)本發(fā)明第四實(shí)施例的學(xué)習(xí)識(shí)別裝置。圖12和圖13是示出根據(jù)該示例性實(shí)施例的學(xué)習(xí)識(shí)別裝置的結(jié)構(gòu)的框圖。根據(jù)該示例性實(shí)施例的學(xué)習(xí)識(shí)別裝置100集成了學(xué)習(xí)裝置10和識(shí)別裝置20。具體地，圖12所示的學(xué)習(xí)識(shí)別裝置IOOa對(duì)應(yīng)于圖10所示的學(xué)習(xí)識(shí)別系統(tǒng)90a。圖13所示的學(xué)習(xí)識(shí)別裝置IOOb對(duì)應(yīng)于圖11所示的學(xué)習(xí)識(shí)別系統(tǒng)90b。因此，第四實(shí)施例的其它結(jié)構(gòu)、操作/效果等與第三實(shí)施例的相同。但是，在根據(jù)該示例性實(shí)施例的學(xué)習(xí)識(shí)別裝置100中，學(xué)習(xí)過(guò)程和識(shí)別過(guò)程共享梯度特征提取単元及和差特征提取単元。這不同于前述實(shí)施例。因此，與根據(jù)第三實(shí)施例所示的學(xué)習(xí)識(shí)別系統(tǒng)相比，根據(jù)該示例性實(shí)施例的學(xué)習(xí)識(shí)別裝置100能進(jìn)ー步降低成本。通過(guò)示出的實(shí)施例，給出了關(guān)于本發(fā)明的學(xué)習(xí)裝置、學(xué)習(xí)方法、存儲(chǔ)學(xué)習(xí)程序的記錄介質(zhì)、識(shí)別裝置、識(shí)別方法和存儲(chǔ)識(shí)別程序的記錄介質(zhì)，以及學(xué)習(xí)識(shí)別系統(tǒng)、學(xué)習(xí)識(shí)別裝置、學(xué)習(xí)識(shí)別方法和存儲(chǔ)學(xué)習(xí)識(shí)別程序的記錄介質(zhì)的說(shuō)明。然而，根據(jù)本發(fā)明的裝置、系統(tǒng)、方法和存儲(chǔ)程序的記錄介質(zhì)并不限于前述的實(shí)施例，并且不必說(shuō)，在本發(fā)明范圍內(nèi)能作出各種改變。例如，不僅圖像本身，而且，例如，執(zhí)行了預(yù)定的預(yù)處理(參照?qǐng)D14的Al)后的數(shù)據(jù)或者被預(yù)定縮減處理壓縮后的數(shù)據(jù)等，能被用作在每個(gè)實(shí)施例中輸入的學(xué)習(xí)對(duì)象圖案和識(shí)別對(duì)象圖案。對(duì)對(duì)象圖像執(zhí)行了例如柱狀量化的圖像處理后的數(shù)據(jù)可被用作學(xué)習(xí)對(duì)象圖案和識(shí)別對(duì)象圖案。在此情況下，本發(fā)明的學(xué)習(xí)裝置、學(xué)習(xí)方法、存儲(chǔ)學(xué)習(xí)程序的記錄介質(zhì)、識(shí)別裝置、識(shí)別方法和存儲(chǔ)識(shí)別程序的記錄介質(zhì)，以及學(xué)習(xí)識(shí)別系統(tǒng)、學(xué)習(xí)識(shí)別裝置、學(xué)習(xí)識(shí)別方法和存儲(chǔ)學(xué)習(xí)識(shí)別程序的記錄介質(zhì)能抑制照像時(shí)產(chǎn)生的亮度影響。因此，能進(jìn)ー步提高識(shí)別性能。本發(fā)明在減輕計(jì)算成本負(fù)擔(dān)的同時(shí)，還具有提高識(shí)別精確度以及流暢執(zhí)行學(xué)習(xí)過(guò)程和識(shí)別過(guò)程的效果。這是本發(fā)明的效果中的ー個(gè)示例。
本申請(qǐng)請(qǐng)求2010年I月6日提出的日本專(zhuān)利申請(qǐng)No. 2010-001265的優(yōu)先權(quán)，在此通過(guò)整體參照結(jié)合該優(yōu)先權(quán)的內(nèi)容。エ業(yè)實(shí)用性本發(fā)明可適用于對(duì)象識(shí)別，例如圖像中的特征識(shí)別、面部識(shí)別、使用人臉或者身體的個(gè)人認(rèn)證、監(jiān)測(cè)攝像機(jī)的圖像中的人物檢測(cè)、ェ廠生產(chǎn)線(xiàn)的缺陷檢測(cè)等。符號(hào)說(shuō)明10學(xué)習(xí)裝置11梯度特征提取單元12和差特征提取單元13學(xué)習(xí)單元20，40存儲(chǔ)裝置21，41字典存儲(chǔ)單元22，42特征量暫存單元30識(shí)別裝置31梯度特征提取單元32和差特征提取單元33識(shí)別單元
90學(xué)習(xí)識(shí)別系統(tǒng)100學(xué)習(xí)識(shí)別裝置
權(quán)利要求
1.一種學(xué)習(xí)裝置，其特征在于包括 梯度特征提取單元，其基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 和差特征提取單元，基于所提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從所計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量； 學(xué)習(xí)單元，其使用所述梯度特征量和所述和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)。
2.如權(quán)利要求I所述的學(xué)習(xí)裝置，其特征在于 所述預(yù)定梯度范圍是這樣的范圍，其中在包括了所有可用梯度方向的整個(gè)范圍被量化為的四個(gè)或者更多的梯度方向中，其包括符合兩個(gè)或者更多量化的梯度方向的梯度特征量; 所述其他梯度范圍是與所述梯度范圍相鄰的范圍，其包括了符合其數(shù)量與包括在所述梯度范圍內(nèi)的所述量化的梯度方向的數(shù)量相同的所述量化的梯度方向的所述梯度特征量。
3.如權(quán)利要求2所述的學(xué)習(xí)裝置，其特征在于 所述和差特征量提取單元，在符合包括在預(yù)定梯度范圍中的梯度方向的梯度強(qiáng)度中，對(duì)單元數(shù)量小于包括在所述梯度范圍中的量化的梯度方向的數(shù)量的梯度強(qiáng)度值求和，從計(jì)算出的和值中減去包含在所述其他梯度范圍中的所述單元數(shù)量的所述梯度強(qiáng)度值。
4.如權(quán)利要求2或3所述的學(xué)習(xí)裝置，其特征在于 包括梯度特征數(shù)量設(shè)置裝置，用于根據(jù)輸入操作設(shè)置包括在所述預(yù)設(shè)梯度范圍中和/或所述其它梯度范圍中的所述量化的梯度方向的數(shù)量。
5.如權(quán)利要求I至4任一項(xiàng)所述的學(xué)習(xí)裝置，其特征在于 所述學(xué)習(xí)單元基于所述梯度特征量、所述和差特征量及所述預(yù)定學(xué)習(xí)算法，使用對(duì)應(yīng)于這些特征量的預(yù)定教師數(shù)據(jù)，來(lái)獲取所述學(xué)習(xí)參數(shù)。
6.如權(quán)利要求I至5任一項(xiàng)所述的學(xué)習(xí)裝置，其特征在于 所述學(xué)習(xí)裝置包括特征量暫存單元，其用于存儲(chǔ)包括所述學(xué)習(xí)對(duì)象圖案中在每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量，并且 所述和差特征提取單元，基于取自所述特征量暫存單元的所述梯度特征量，通過(guò)對(duì)符合包含在預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且減去符合包含在臨近所述預(yù)定梯度范圍的所述其他梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值，計(jì)算出和差特征量。
7.如權(quán)利要求6所述的學(xué)習(xí)裝置，其特征在于 所述特征量暫存單元，在相同或相鄰區(qū)域存儲(chǔ)包括在學(xué)習(xí)對(duì)象圖案的每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的各梯度特征量中的符合一個(gè)坐標(biāo)的梯度特征量。
8.一種學(xué)習(xí)方法，其特征在于包括下列步驟 基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量，提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示所述預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的所述梯度強(qiáng)度值求和，并且從所計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量; 使用所述梯度特征量和所述和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)。
9.如權(quán)利要求8所述的學(xué)習(xí)方法，其特征在于 所述預(yù)定梯度范圍是這樣的范圍，其中在包括了所有可用梯度方向的整個(gè)范圍被量化為的四個(gè)或者更多的梯度方向中，包括了符合兩個(gè)或更多量化的梯度方向的梯度特征量； 所述其他梯度范圍是與所述梯度范圍相鄰的范圍，其包括了符合其數(shù)量與包括在所述梯度范圍內(nèi)的所述量化的梯度方向的數(shù)量相同的所述量化的梯度方向的所述梯度特征量。
10.一種存儲(chǔ)學(xué)習(xí)程序的記錄介質(zhì)，其特征在于使計(jì)算機(jī)作為如下單元工作 梯度特征提取單元，其基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 和差特征提取單元，基于所述提取的梯度特征量，通過(guò)對(duì)符合包含在指示所述預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值求和，并且從所述計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的所述其他梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；以及 學(xué)習(xí)單元，使用所述梯度特征量和所述和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)。
11.如權(quán)利要求10所述的存儲(chǔ)學(xué)習(xí)程序的記錄介質(zhì)，其特征在于 所述預(yù)定梯度范圍是這樣的范圍，其中在包括了所有可用梯度方向的整個(gè)范圍被量化為的四個(gè)或者更多的梯度方向中，包括了符合兩個(gè)或更多量化的梯度方向的梯度特征量； 所述其他梯度范圍是與所述梯度范圍相鄰的范圍，其包括了符合其數(shù)量與包括在所述梯度范圍內(nèi)的所述梯度方向的數(shù)量相同的所述量化的梯度方向的梯度特征量。
12.—種識(shí)別裝置，其特征在于包括 梯度特征提取單元，其基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 和差特征提取單元，基于所提取的梯度特征量，通過(guò)對(duì)符合包含在指示所述預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值求和，并且從所計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；以及 識(shí)別單元，基于所述梯度特征量、所述和差特征量以及通過(guò)預(yù)定學(xué)習(xí)算法獲取的部分或者全部學(xué)習(xí)參數(shù)，從一個(gè)或多個(gè)類(lèi)型中識(shí)別識(shí)別對(duì)象圖案所屬的類(lèi)型。
13.如權(quán)利要求12所述的識(shí)別裝置，其特征在于 所述預(yù)定梯度范圍是這樣的范圍，其中在包括了所有可用梯度方向的整個(gè)范圍被量化為的四個(gè)或者更多的梯度方向中，包括了符合兩個(gè)或更多量化的梯度方向的所述梯度特征量; 所述其他梯度范圍是與所述梯度范圍相鄰的范圍，其包括了符合其數(shù)量與包括在所述梯度范圍內(nèi)的所述梯度方向的數(shù)量相同的所述量化的梯度方向的所述梯度特征量。
14.如權(quán)利要求13所述的識(shí)別裝置，其特征在于 所述和差特征量提取單元，在符合包括在預(yù)定梯度范圍中的梯度方向的梯度強(qiáng)度中，對(duì)單元數(shù)量小于包括在所述梯度范圍中的量化的梯度方向的數(shù)量的梯度強(qiáng)度值求和，從計(jì)算出的和值中減去包含在所述其他梯度范圍中的所述單元數(shù)量的梯度強(qiáng)度值。
15.如權(quán)利要求13或14所述的識(shí)別裝置，其特征在于 包括梯度特征數(shù)量設(shè)置裝置，用于根據(jù)輸入操作設(shè)置包括在所述預(yù)設(shè)梯度范圍中和/或所述其它梯度范圍中的所述量化的梯度方向的數(shù)量。
16.如權(quán)利要求12至15任一項(xiàng)所述的識(shí)別裝置，其特征在于 所述識(shí)別裝置包括特征量暫存單元，用于存儲(chǔ)包括在識(shí)別對(duì)象圖案的每個(gè)坐標(biāo)上的所述梯度方向及其梯度強(qiáng)度值的所述梯度特征量，并且 所述和差特征提取單元，基于取自所述特征量暫存單元的所述梯度特征量，通過(guò)對(duì)符合包含在預(yù)定梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值求和，并且減去符合包含在臨近所述預(yù)定梯度范圍的所述其他梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值，計(jì)算出和差特征量。
17.如權(quán)利要求16所述的識(shí)別裝置，其特征在于 所述特征量暫存單元，在相同或相鄰區(qū)域存儲(chǔ)包括在所述識(shí)別對(duì)象圖案的每個(gè)坐標(biāo)上的所述梯度方向及其梯度強(qiáng)度值的各梯度特征量中的符合一個(gè)坐標(biāo)的梯度特征量。
18.如權(quán)利要求12至17任一項(xiàng)所述的識(shí)別裝置，其特征在于 所述識(shí)別裝置包括字典存儲(chǔ)單元，其針對(duì)預(yù)定學(xué)習(xí)對(duì)象參數(shù)存儲(chǔ)使用所述梯度特征量及所述和差特征量基于預(yù)定學(xué)習(xí)算法獲取的學(xué)習(xí)參數(shù)； 所述識(shí)別單元基于所述梯度特征量、所述和差特征量以及存儲(chǔ)在所述字典存儲(chǔ)單元中的部分或者全部學(xué)習(xí)參數(shù)，從一個(gè)或多個(gè)類(lèi)型中識(shí)別識(shí)別對(duì)象圖案所屬的類(lèi)型。
19.如權(quán)利要求18所述的識(shí)別裝置，其特征在于 所述識(shí)別單元，基于所述梯度特征量、所述和差特征量以及從存儲(chǔ)在所述字典存儲(chǔ)單元中的所述學(xué)習(xí)參數(shù)中被判定為對(duì)識(shí)別過(guò)程有用的學(xué)習(xí)參數(shù)，從一個(gè)或多個(gè)類(lèi)型中識(shí)別所述識(shí)別對(duì)象圖案所屬的類(lèi)型。
20.如權(quán)利要求12至19任一項(xiàng)所述的識(shí)別裝置，其特征在于 所述梯度特征提取單元提取被所述識(shí)別單元判定為對(duì)所述識(shí)別過(guò)程有用的特定梯度特征量。
21.如權(quán)利要求12至20任一項(xiàng)所述的識(shí)別裝置，其特征在于 所述和差特征提取單元計(jì)算被所述識(shí)別單元判定為對(duì)所述識(shí)別過(guò)程有用的特定和差特征量。
22.—種識(shí)別方法，其特征在于包括如下步驟 基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 基于所述提取的梯度特征量，通過(guò)對(duì)符合包含在指示所述預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的所述梯度方向的梯度強(qiáng)度值求和，并且從所計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；以及基于所述梯度特征量、所述和差特征量以及通過(guò)預(yù)定學(xué)習(xí)算法獲取的部分或者全部學(xué)習(xí)參數(shù)，從一個(gè)或多個(gè)類(lèi)型中識(shí)別所述識(shí)別對(duì)象圖案所屬的類(lèi)型。
23.如權(quán)利要求22所述的識(shí)別方法，其特征在于 所述預(yù)定梯度范圍是這樣的范圍，其中在包括了所有可用梯度方向的整個(gè)范圍被量化為的四個(gè)或者更多的梯度方向中，包括了符合兩個(gè)或更多量化的梯度方向的所述梯度特征量; 所述其他梯度范圍是與所述梯度范圍相鄰的范圍，其包括了符合其數(shù)量與包括在所述梯度范圍內(nèi)的所述梯度方向的數(shù)量相同的所述量化的梯度方向的梯度特征量。
24.一種存儲(chǔ)識(shí)別程序的記錄介質(zhì)，其特征在于使計(jì)算機(jī)按如下單元工作 梯度特征提取單元，其基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 和差特征提取單元，基于所提取的梯度特征量，通過(guò)對(duì)符合包含在指示所述預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值求和，并且從所計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量； 識(shí)別單元，其基于所述梯度特征量、所述和差特征量以及通過(guò)所述預(yù)定學(xué)習(xí)算法獲取的部分或者全部學(xué)習(xí)參數(shù)，從一個(gè)或多個(gè)類(lèi)型中識(shí)別所述識(shí)別對(duì)象圖案所屬的類(lèi)型。
25.如權(quán)利要求24所述的存儲(chǔ)識(shí)別程序的記錄介質(zhì)，其特征在于 所述預(yù)定梯度范圍是這樣的范圍，在包括了所有可用梯度方向的整個(gè)范圍被量化為的四個(gè)或者更多的梯度方向中，包括了符合兩個(gè)或更多量化的梯度方向的所述梯度特征量；所述其他梯度范圍是與所述梯度范圍相鄰的范圍，其包括了符合其數(shù)量與包括在所述梯度范圍內(nèi)的所述梯度方向的數(shù)量相同的所述量化的梯度方向的所述梯度特征量。
26.—種學(xué)習(xí)識(shí)別系統(tǒng),其特征在于包括 學(xué)習(xí)裝置，其包括 梯度特征提取單元，其基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 和差特征提取單元，基于所述提取的梯度特征量，通過(guò)對(duì)符合包含在指示所述預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值求和，并且從所計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；和 學(xué)習(xí)單元，其使用所述梯度特征量以及所述和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)；以及識(shí)別裝置，其包括 梯度特征提取單元，其基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 和差特征提取單元，基于所提取的梯度特征量，通過(guò)對(duì)符合包含在預(yù)定梯度范圍內(nèi)的所述梯度方向的梯度強(qiáng)度值求和，并且從所計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的所述其他梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量;和識(shí)別單元，其基于所述梯度特征量、所述和差特征量以及由所述學(xué)習(xí)單元獲取的部分或者全部學(xué)習(xí)參數(shù)，從一個(gè)或多個(gè)類(lèi)型中識(shí)別所述識(shí)別對(duì)象圖案所屬的類(lèi)型。
27.如權(quán)利要求26所述的學(xué)習(xí)識(shí)別系統(tǒng)，其特征在于 所述預(yù)定梯度范圍是這樣的范圍，其中在包括了所有可用梯度方向的整個(gè)范圍被量化為的四個(gè)或者更多的梯度方向中，包括了符合兩個(gè)或更多量化的梯度方向的所述梯度特征量; 所述其他梯度范圍是與所述梯度范圍相鄰的范圍，其包括了符合其數(shù)量與包括在所述梯度范圍內(nèi)的所述梯度方向的數(shù)量相同的所述量化的梯度方向的所述梯度特征量。
28.一種學(xué)習(xí)識(shí)別裝置，包括用于從一個(gè)或多個(gè)類(lèi)型中識(shí)別識(shí)別對(duì)象圖案所屬的類(lèi)型的識(shí)別單元，其特征在于 所述學(xué)習(xí)識(shí)別裝置包括 梯度特征提取單元，其基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 和差特征提取單元，基于所述提取的梯度特征量，通過(guò)對(duì)符合包含在指示所述預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的所述梯度方向的梯度強(qiáng)度值求和，并且從所計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的所述梯度強(qiáng)度值，從而計(jì)算預(yù)定的和差特征量； 學(xué)習(xí)單元，使用所述梯度特征量以及所述和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)； 所述梯度特征提取單元，其基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 所述和差特征提取單元，基于所提取的梯度特征量，通過(guò)對(duì)符合包含在預(yù)定梯度范圍內(nèi)的所述梯度方向的梯度強(qiáng)度值求和，并且從所述計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的所述其他梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量; 識(shí)別單元，基于從所述識(shí)別對(duì)象圖案計(jì)算出的所述梯度特征量和所述和差特征量以及由所述學(xué)習(xí)單元獲取的部分或者全部學(xué)習(xí)參數(shù)，從一個(gè)或多個(gè)類(lèi)型中識(shí)別所述識(shí)別對(duì)象圖案所屬的類(lèi)型。
29.如權(quán)利要求28所述的學(xué)習(xí)識(shí)別裝置，其特征在于 所述預(yù)定梯度范圍是這樣的范圍，其中在包括了所有可用梯度方向的整個(gè)范圍被量化為的四個(gè)或者更多的梯度方向中，包括了符合兩個(gè)或更多量化的梯度方向的梯度特征量； 所述其他梯度范圍是與所述梯度范圍相鄰的范圍，其包括了符合其數(shù)量與包括在所述梯度范圍內(nèi)的所述梯度方向的數(shù)量相同的所述量化的梯度方向的所述梯度特征量。
30.一種學(xué)習(xí)識(shí)別方法，其特征在于包括以下步驟 基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 基于所述提取的梯度特征量，通過(guò)對(duì)符合包含在指示所述預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值求和，并且從所計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的其他梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量； 使用所述梯度特征量以及所述和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)； 基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 基于所述提取的梯度特征量，通過(guò)對(duì)符合包含在預(yù)定梯度范圍內(nèi)的所述梯度方向的梯度強(qiáng)度值求和，并且從所述計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的所述其他梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量； 基于從所述識(shí)別對(duì)象圖案計(jì)算出的所述梯度特征量和所述和差特征量以及由所述學(xué)習(xí)單元獲取的部分或者全部學(xué)習(xí)參數(shù)，從一個(gè)或多個(gè)類(lèi)型中識(shí)別所述識(shí)別對(duì)象圖案所屬的類(lèi)型。
31.如權(quán)利要求30所述的學(xué)習(xí)識(shí)別方法，其特征在于 所述預(yù)定梯度范圍是這樣的范圍，其中在包括了所有可用梯度方向的整個(gè)范圍被量化為的四個(gè)或者更多的梯度方向中，包括了符合兩個(gè)或更多量化的梯度方向的所述梯度特征量; 所述其他梯度范圍是與所述梯度范圍相鄰的范圍，其包括了符合其數(shù)量與包括在所述梯度范圍內(nèi)的所述梯度方向的數(shù)量相同的所述量化的梯度方向的梯度特征量。
32.—種存儲(chǔ)學(xué)習(xí)識(shí)別程序的記錄介質(zhì)，其特征在于使得 計(jì)算機(jī)按如下單元工作 梯度特征提取單元，其基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 和差特征提取單元，基于所述提取的梯度特征量，通過(guò)對(duì)符合包含在指示所述預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值求和，并且從所計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量； 學(xué)習(xí)單元，使用所述梯度特征量以及所述和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)； 所述梯度特征提取單元，基于輸入的識(shí)別對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量； 所述和差特征提取單元，基于提取的梯度特征量，通過(guò)對(duì)符合包含在預(yù)定梯度范圍內(nèi)的梯度方向的所述梯度強(qiáng)度值求和，并且從所述計(jì)算出的和值中減去符合包含在臨近所述預(yù)定梯度范圍的所述其他梯度范圍內(nèi)的所述梯度方向的所述梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量； 所述識(shí)別單元，基于從所述識(shí)別對(duì)象圖案計(jì)算出的梯度特征量和所述和差特征量以及由所述學(xué)習(xí)單元獲取的部分或者全部學(xué)習(xí)參數(shù)，從一個(gè)或多個(gè)類(lèi)型中識(shí)別所述識(shí)別對(duì)象圖案所屬的類(lèi)型。
33.如權(quán)利要求32所述的存儲(chǔ)學(xué)習(xí)識(shí)別程序的記錄介質(zhì)，其特征在于 所述預(yù)定梯度范圍是這樣的范圍，其中在包括了所有可用梯度方向的整個(gè)范圍被量化為的四個(gè)或者更多的梯度方向中，包括了符合兩個(gè)或更多量化的梯度方向的梯度特征量；所 述其他梯度范圍是與所述梯度范圍相鄰的范圍，其包括了符合其數(shù)量與包括在所述梯度范圍內(nèi)的所述梯度方向的數(shù)量相同的所述量化的梯度方向的所述梯度特征量。
全文摘要
所公開(kāi)的學(xué)習(xí)裝置提高了圖案識(shí)別中的識(shí)別精確度，也提高了學(xué)習(xí)過(guò)程和識(shí)別過(guò)程的流暢性。學(xué)習(xí)裝置包括梯度特征提取單元，其基于輸入的學(xué)習(xí)對(duì)象圖案在每個(gè)坐標(biāo)上的亮度與其周邊的亮度之間的變化量提取包括每個(gè)坐標(biāo)上的梯度方向及其梯度強(qiáng)度值的梯度特征量；和差特征提取單元，基于提取的梯度特征量，通過(guò)對(duì)符合包含在指示預(yù)定梯度方向的范圍的預(yù)定梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值求和，并且從計(jì)算出的和值中減去符合包含在臨近預(yù)定梯度范圍的其他梯度范圍內(nèi)的梯度方向的梯度強(qiáng)度值，計(jì)算預(yù)定的和差特征量；以及學(xué)習(xí)單元，使用梯度特征量以及和差特征量，基于預(yù)定學(xué)習(xí)算法，獲取每個(gè)坐標(biāo)上的學(xué)習(xí)參數(shù)。
文檔編號(hào)G06T7/00GK102713974SQ20108006094
公開(kāi)日2012年10月3日 申請(qǐng)日期2010年12月24日 優(yōu)先權(quán)日2010年1月6日
發(fā)明者細(xì)井利憲 申請(qǐng)人:日本電氣株式會(huì)社