認識システム、認識方法、および認識プログラム
【課題】学習型パターン認識手法を利用して、ノイズを含む２次元分布データから、目的とするデータを識別し、その形状等を特定する認識システム、認識方法、および認識プログラムを提供する。
【解決手段】記憶手段に保存された２次元分布データ、正規化データ、弱識別器定義データ、正解認識データ、および訓練データと、記憶手段から読み出された２次元分布データを正規化データに変換する正規化処理部と、記憶手段に保存された弱識別器定義データを読み出し、弱識別器定義データを正規化処理部により生成された正規化データに適用し、パターン認識を実行させ、認識結果を出力手段に表示するパターン認識処理部と、パターン認識処理部による認識結果が正解か誤りかの判定確認処理を実行させ、正解と判定された場合は、記憶手段に正解認識データとして保存し、誤りと判定された場合は、記憶手段に訓練データの誤認識データとして保存する認識判定部とを含む。
【解決手段】記憶手段に保存された２次元分布データ、正規化データ、弱識別器定義データ、正解認識データ、および訓練データと、記憶手段から読み出された２次元分布データを正規化データに変換する正規化処理部と、記憶手段に保存された弱識別器定義データを読み出し、弱識別器定義データを正規化処理部により生成された正規化データに適用し、パターン認識を実行させ、認識結果を出力手段に表示するパターン認識処理部と、パターン認識処理部による認識結果が正解か誤りかの判定確認処理を実行させ、正解と判定された場合は、記憶手段に正解認識データとして保存し、誤りと判定された場合は、記憶手段に訓練データの誤認識データとして保存する認識判定部とを含む。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、学習型パターン認識手法を利用して、ノイズを含む２次元分布データから、目的とするデータを識別し、その形状等を特定する認識システム、認識方法、および認識プログラムに関する。
【０００２】
特に、航空レーザー計測システムによって測量された地表面のレーザー計測データから、送電線の弛み状態等の形状を特定する認識システム、認識方法、および認識プログラムに関する。
【背景技術】
【０００３】
一般に、送電線は、鉄塔を山野に敷設して所定の弛みを有して張られているものである。このため、送電線下付近にある樹木の成長によって、送電線と樹木との距離が適切に保てなくなってくる（ 以下送電線下支障樹木という）。
【０００４】
このような、送電線下支障樹木は、従来においては電力会社の選任作業員が実際に送電線下を廻って、送電線下支障樹木（風によって送電線が揺れた場合に、送電線に触れるおそれがある樹木を含む）をチェックし、必要に応じて伐採を行っていた。このため、チェックする作業員を多く必要とすると共に、チェックに非常に長い時間を要していた。
【０００５】
そこで、近年は航空機で送電線上を飛行して得た３次元写真から樹木が送電線に触れるかどうかをチェックする場合もある。このチェックでは、３次元写真から人間が樹木の高さを割り出し、送電線高が書き込まれている図面に、この樹木高をプロットした後に、風等によって送電線が揺れる範囲を書き込む。そして、この範囲に入る樹木又は近い将来に前述の範囲に入る樹木がないかどうかを判断していた。
【０００６】
さらに最近では、３次元写真に代わって、航空レーザー計測システムによって測量された地表面のレーザー計測データが用いられるようになってきている。レーザー計測データには、照射したレーザーの反射地点の地理位置が含まれるため、対象物を特定できれば、その地点の標高を得ることができる。
【０００７】
したがって、送電線や樹木を特定すれば、特定した樹木が送電線に触れるおそれがあるか否か、それらの高さから判断可能となる。
【０００８】
たとえば、特許文献１に開示されている、航空機によって得たレーザー計測データから送電線下付近の支障樹木を自動的に割り出して知らせる送電線下支障樹木自動表示装置等が開発されている。
【０００９】
一方、実在するものを観測量から推定するパターン認識として、文字認識・顔認識等、多岐にわたり研究されてきた。しかし、不確定要素の多い困難さを伴うため、精度の高いモデル開発の難しさ，そして実現できても計算量から実用に耐えられない問題があった。
【００１０】
そこで、精密なモデル化を避ける1つの手法として、ある程度多数の典型的なケースを例題として用意し、それを用いて学習する手法が考案されている。その有力な一手法に、ブースティングがある。
【００１１】
ブースティングとは、精度のあまりよくないランダム（正解率５０％以上）より少し良い程度の弱い識別器を組み合わせて強い識別器を作る学習アルゴリズムであり、多くの分野で使用されている。
【特許文献１】特許第３９２７６６０号公報
【発明の開示】
【発明が解決しようとする課題】
【００１２】
航空レーザー計測システムでは、レーザーを照射できる距離間隔に制限があり、その距離間隔が、測量されたレーザー計測データの最短識別可能長となる。
【００１３】
したがって、高電圧などの大規模で太い送電線に関しては、特定に十分なレーザー計測データが得られる確率は高いが、支線などの小規模で細くかつ地表面に近い送電線に関しては、特定に十分なレーザー計測データが得られる確率は低い。
【００１４】
このようにノイズが含まれ対象物の不明確なレーザー計測データでは、３次元写真と同様に、レーザー計測データを画像化して、人間が目視して対象物を特定せざるを得ないという課題がある。
【００１５】
したがって、レーザー計測データに限らず、ノイズが含まれ対象物の不明確なデータから、正確に対象物を特定できる認識システム、認識方法、および認識プログラムの提供が望まれている。
【課題を解決するための手段】
【００１６】
本発明の認識システムは、中央情報処理回路、記憶手段、データ入力手段および出力手段を備えたコンピュータ上に構築された認識システムであって、記憶手段に保存された２次元分布データ、正規化データ、弱識別器定義データ、正解認識データ、および訓練データと、記憶手段と出力手段に接続され、記憶手段に保存された２次元分布データを読み込む処理を中央情報処理回路に実行させるデータ読込部と、記憶手段、出力手段、およびデータ読込部に接続され、データ読込部によって記憶手段から読み出された２次元分布データを正規化データに変換する処理を中央情報処理回路に実行させ、生成された正規化データを記憶手段に保存する正規化処理部と、記憶手段、出力手段、および正規化処理部に接続され、記憶手段に保存された弱識別器定義データを読み出し、弱識別器定義データを正規化処理部によって生成された正規化データに適用し、パターン認識を中央情報処理回路に実行させ、認識結果を出力手段に表示するパターン認識処理部と、記憶手段、出力手段、およびパターン認識処理部に接続され、パターン認識処理部によって出力された認識結果が正解か誤りかの判定を確認する処理を中央情報処理回路に実行させ、正解と判定された場合は、記憶手段に正解認識データとして保存し、誤りと判定された場合は、記憶手段に訓練データの誤認識データとして保存する認識判定部とを含むことを要旨とする。
【００１７】
さらに、本発明の認識システムは、記憶手段に接続され、認識判定部によって記憶手段に保存された訓練データを読み出し、訓練データでブースティング学習アルゴリズムによる学習を中央情報処理回路に実行させ、新たに定義された弱識別器定義データにより、記憶手段に既に保存されている弱識別器定義データを更新する学習部を含むことを要旨とする。
【００１８】
また、本発明の認識システムは、送電線を認識するため、２次元分布データとして、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから得られる、任意の鉄塔間の垂直方向の２次元平面上に展開した２次元化航空レーザー計測データを使用する。
【００１９】
本発明の認識方法は、中央情報処理回路、記憶手段、データ入力手段および出力手段を備えたコンピュータによる認識方法であって、外部の計測システムによって得られた２次元分布データと初期値を設定した弱識別器定義データを、データ入力手段から記憶手段に取り込むステップと、記憶手段に保存された２次元分布データを読み込むステップと、読み込まれた２次元分布データのどの区間を認識対象とするか、認識対象区間の両端を指定するステップと、指定した両端の座標から、認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）について決定できる係数があれば、算出し決定するステップと、分布関数ｙ＝ｆ（ｘ）の係数のうちで両端の座標のみでは決定できない係数を変化させ、各係数値についての正規化データ要素を求めて正規化データを作成し、作成された正規化データを記憶手段に記憶するステップと、記憶手段から正規化データと弱識別器定義データを読み込むステップと、読み込んだ弱識別器定義データに基づいて、読み込んだ正規化データから各弱識別器によってパターン認識した認識スコアの合計を各係数値について算出するステップと、各係数値に対するパターン認識の認識スコアの合計を比較して、認識スコアの合計が最大点である係数値を決定し、認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）を確定するステップとを含むことを要旨とする。
【００２０】
さらに、本発明の認識方法は、確定した分布関数ｙ＝ｆ（ｘ）を出力手段に出力表示するステップと、出力手段に出力表示された確定した分布関数ｙ＝ｆ（ｘ）が妥当であるか作業者が入力する判定結果を確認するステップと、正解と判定されている場合は、記憶手段に正解認識データとして保存し、誤りと判定されている場合は、分布関数ｙ＝ｆ（ｘ）を正しく修正した正解関数および正解データと、誤認識を生じさせた誤認識データを記憶手段に訓練データとして保存するステップとをさらに含むことを要旨とする。
【００２１】
また、本発明の認識方法は、記憶手段に保存された訓練データを読み出し、ブースティング学習アルゴリズムを用いて学習を行い、各弱識別器の信頼度ｈｔ（Ｘｉ）を設定し直した弱識別器定義データを作成し、記憶手段に既に保存している弱識別器定義データを更新するステップをさらに含むことを要旨とする。
【００２２】
本発明の認識方法は、送電線を認識するため、２次元分布データとして、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから得られる、任意の鉄塔間の垂直方向の２次元平面上に展開した２次元化航空レーザー計測データを使用する。
【００２３】
本発明の認識プログラムは、弱識別器定義データと外部の計測システムによって得られた２次元分布データとを用いる認識プログラムであって、中央情報処理回路、記憶手段、データ入力手段および出力手段を備えたコンピュータに、２次元分布データと初期値を設定した弱識別器定義データを、データ入力手段から記憶手段に取り込ませ、記憶手段に保存された２次元分布データを読み込ませ、読み込まれた２次元分布データのどの区間を認識対象とするか、指定された認識対象区間の両端を識別させ、指定された両端の座標から、認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）について決定できる係数があれば、算出し決定させ、分布関数ｙ＝ｆ（ｘ）の係数のうちで両端の座標のみでは決定できない係数を変化させ、各係数値についての正規化データ要素を求めて正規化データを作成させ、作成された正規化データを記憶手段に記憶させ、記憶手段から正規化データと弱識別器定義データを読み込ませ、読み込んだ弱識別器定義データに基づいて、読み込んだ正規化データから各弱識別器によってパターン認識させた認識スコアの合計を各係数値について算出させ、各係数値に対するパターン認識の認識スコアの合計を比較して、認識スコアの合計が最大点である係数値を決定し、認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）を確定させることを要旨とする。
【００２４】
さらに、本発明の認識プログラムは、コンピュータに、確定した分布関数ｙ＝ｆ（ｘ）を出力手段に出力表示させ、出力手段に出力表示された確定した分布関数ｙ＝ｆ（ｘ）が妥当であるか作業者が入力する判定結果を識別させ、正解と判定されている場合は、記憶手段に正解認識データとして保存し、誤りと判定されている場合は、分布関数ｙ＝ｆ（ｘ）を正しく修正した正解関数および正解データと、誤認識を生じさせた誤認識データを記憶手段に訓練データとして保存させることを要旨とする。
【００２５】
また、本発明の認識プログラムは、コンピュータに、記憶手段に保存された訓練データを読み出し、ブースティング学習アルゴリズムを用いて学習を行い、各弱識別器の信頼度ｈｔ（Ｘｉ）を設定し直した弱識別器定義データを作成し、記憶手段に既に保存している弱識別器定義データを更新させること要旨とする。
【００２６】
本発明の認識プログラムは、送電線を認識するため、２次元分布データとして、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから得られる、任意の鉄塔間の垂直方向の２次元平面上に展開した２次元化航空レーザー計測データを使用する。
【発明の効果】
【００２７】
本発明によれば、ノイズが含まれ対象物の不明確なレーザー計測データから、高電圧の太い送電線や細くかつ地表面に近い送電線など、状況の異なる送電線でも認識し、その形状を特定できる。
【００２８】
さらに、本発明によれば、ノイズが含まれ対象物の不明確なデータから、対象物を認識し、その形状を特定できる。
【発明を実施するための最良の形態】
【００２９】
本発明の実施の形態における認識システム１０の概要構成を図示すると図１のようになり、認識システム１０は、中央情報処理回路（ＣＰＵ）を備えたコンピュータ上に構築されるシステムであり、周辺ユニット群として記憶手段２０、データ入力手段３０、および出力手段４０を含み、ＣＰＵに情報処理を実行させるユニット群としてデータ読込部１１、正規化処理部１２、パターン認識処理部１３、認識判定部１４、および学習部１５を含む。
【００３０】
記憶手段２０には、２次元分布データ２１、正規化データ２２、弱識別器定義データ２３、正解認識データ２４、および訓練データ２５が保存される。
【００３１】
なお、ＣＰＵは、プロセッサ、ロジック、レジスタなどの組み合わせからなる回路であり、コンピュータ全体の制御も行うことは周知のことであり、図示は省略している。
【００３２】
さらに、以下の説明において、各ユニットの「接続」という語句は、必ずしも直接物理的に導線等でつながれている状態を示すものではなく、ＣＰＵを介して該当のユニット間で情報のやり取りを行える状態に配置していることを示すものである。
【００３３】
(認識システム１０の各構成要素の説明)
記憶手段２０は、情報処理に利用される各種データを記憶また保存しておくためのメモリーである。具体的には、ハードディスクメモリーやフラッシュメモリー、また情報処理の途中で生成されるデータを記憶する一時記憶メモリー等が含まれる。
【００３４】
データ入力手段３０は、記憶手段２０に接続され、記憶手段２０にデータを入力し保存するための手段である。具体的には、フレキシブルディスク、コンパクトディスク、光ディスク等の外部記録媒体からデータを取り込むためのドライブ、通信ネットワークを介して接続された外部記憶装置からデータを取り込むための手段、そして直接データを記憶手段に入力するためのキーボード等が含まれる。
【００３５】
出力手段４０は、ＣＰＵに情報処理を実行させるユニット群のそれぞれに接続され、処理されたデータを確認するためにデータを出力する手段である。具体的には、データを表示するディスプレイであり、その他にデータを印刷して確認するためのプリンタや通信ネットワークを介して接続された外部記憶装置に送信するための通信チャネルも含まれる。
【００３６】
データ読込部１１は、記憶手段２０と出力手段４０に接続され、記憶手段１０に保存されている２次元分布データを読み込む処理をＣＰＵに実行させるユニットである。
【００３７】
正規化処理部１２は、記憶手段２０、出力手段４０、およびデータ読込部１１に接続され、データ読込部１１によって記憶手段２０から読み出された２次元分布データ２１を正規化データ２２に変換する処理をＣＰＵに実行させ、生成された正規化データ２２を記憶手段２０に保存するユニットである。
【００３８】
パターン認識処理部１３は、記憶手段２０、出力手段４０、および正規化処理部１２に接続され、記憶手段２０に保存されている弱識別器定義データ２３を読み出し、弱識別器定義データ２３を正規化処理部１２によって生成された正規化データ２２に適用しながら、パターン認識をＣＰＵに実行させ、認識結果を出力手段４０に表示するユニットである。
【００３９】
認識判定部は、記憶手段２０、出力手段４０、およびパターン認識処理部１３に接続され、パターン認識処理部１３によって出力された認識結果が正解か誤りかの判定を確認する処理をＣＰＵに実行させ、正解と判定された場合は、記憶手段２０に正解認識データ２４として保存し、誤りと判定された場合は、記憶手段に訓練データの誤認識データ２５として保存するユニットである。
【００４０】
学習部１５は、記憶手段２０に接続され、認識判定部１４によって記憶手段２０に保存された訓練データ２５を読み出し、誤認識データから正解データを認識させる学習をＣＰＵに実行させ、その結果新たに定義された弱識別器定義データ２３によって、以前から記憶手段２０に保存されている弱識別器定義データ２３を更新するユニットである。
【００４１】
（データ構成）
記憶手段２０に保存される２次元分布データ２１、正規化データ２２、弱識別器定義データ２３、正解認識データ２４、および訓練データ２５について説明する。
【００４２】
２次元分布データ２１は、図２の分布図に示すように、対象となる物や事象（以下、単に対象物という）を計測した結果を、横軸（Ｘ）・縦軸（Ｙ）によって定義される２次元平面上に分布する点集合として生成されるデータであり、実際のデータ要素は図３に示すように、各計測点の座標値となる。
【００４３】
具体的な例としては、オシロソコープによって計測された電気信号の波形、音響観測（ソナー）やレーザーレーダー観測による３次元対象物の垂直方向または水平方向の形状などある。このような２次元分布データには多くのノイズのデータも含まれることがある。
【００４４】
なお、本発明は、データの分布を関数分布として捉えることができる２次元分布データを使用するが、１つの２次元分布データ全体を１つの関数で捉えられる２次元分布データのみではなく、２次元分布データ全体を、関数で捉えられる複数の区間に分割することによって適用できる２次元分布データも含まれる。
【００４５】
さらに、図２７に示したような、いくつかのデータが混在している２次元分布データ２１であっても、目的とする対象物について、認識対象区間を適切に指定することで、その形状の近似式を決定できる。
【００４６】
正規化データ２２は、図４に示すように、対象物の２次元分布データに、その分布に適用できる可能性のある関数を指定し、その関数の軌跡を重ね合わせ、２次元分布データ２１中の関数を適用する区間を等間隔にｎ分割した「セル（１〜Ｎ）」ごとに、軌跡上に２次元分布データ２１の点データが存在するかを調べ、存在する場合は「１」、存在しない場合は「０」と各セル情報に設定したデータ要素によって構成される。
【００４７】
２次元分布データ２１に適用する関数の係数値ａｉをａ１〜ａｍまで少しずつ変化させながら、各係数値について各セル情報を設定した一連のデータ要素を、パターン認識を行うための正規化データ２２とする。なお、正規化データ２２の作成方法については、詳細を後述する。
【００４８】
弱識別器定義データ２３は、図５に示すように、パターン認識を行うためにあらかじめ設定した複数の弱識別器ｈｔについて、各弱識別器ｈｔが比較するセル群の範囲と各弱識別器ｈｔの信頼度ｈｔ（Ｘｉ）のデータ要素によって構成される。弱識別器定義データ２３の作成方法については、学習処理の説明とともに後述する。
【００４９】
正解認識データ２４は、正規化データ２２からパターン認識処理部によって正しく認識され、元の２次元分布データの分布形状に適用された関数と、元の２次元分布データ２１自体または適用された関数の軌跡上に存在する点テータのみを抽出した２次元分布データ２１をデータ要素とする。図６には、適用関数と適用関数上の２次元分布データ２１の点データをデータ要素とした例を示している。
【００５０】
訓練データ２５は、図７に示すように、正規化データ２２からパターン認識処理部によって誤って認識され、元の２次元分布データ２１の分布形状に適用された関数を正しく修正した正解関数および正解データと、誤認識を生じさせた元の２次元分布データ２１（誤認識データという）をデータ要素とする。
【００５１】
なお、各データは、上述したデータ要素のほかの情報を含んでも構わない。
【００５２】
（処理の説明）
次に、図８を参照しながら、認識システムの処理の全体的な流れを説明する。
【００５３】
（イ）データの準備：
外部の計測システムによって得られた２次元分布データ２１と初期値を設定した弱識別器定義データ２３を、データ入力手段３０によって記憶手段２０に取り込む（Ｓ１００）。
【００５４】
弱識別器定義データ２３の初期値は、どんな関数分布をしているか既知の２次元分布データをサンプルとして、学習部１５で行う学習と同様な処理を外部のコンピュータに繰り返し実行させて求めてもよいし、具体的に計算して求めてもよい。
【００５５】
（ロ）データの読み込み：
データ読込部１１は、記憶手段２０に保存された２次元分布データ２１を読み込む（Ｓ１０１）。また、必要に応じて、読み込んだ２次元分布データ２１を図３に示したデータ要素一覧形式や図２に示した分布図形式で出力手段４０に出力表示する。
【００５６】
（ハ）正規化：
正規化処理部１２は、データ読込部１１によって読み込まれた２次元分布データ２１のどの区間を認識対象とするか、認識対象区間の両端を指定する（Ｓ１０２）。
【００５７】
両端の指定方法としては、あらかじめ２次元分布データ２１に指標等を付与しておき、正規化処理部１２がその指標を自動的に識別し指定する方法でもよいし、出力手段４０に表示された２次元分布データ２１から作業者が指定し、それを正規化処理部１２が認識する方法でもよい。
【００５８】
次に、正規化処理部１２は、指定した両端の座標から、認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）について決定できる係数があれば、算出し決定する（Ｓ１０３）。
【００５９】
つづいて、正規化処理部１２は、分布関数ｙ＝ｆ（ｘ）の係数のうちで両端の座標のみでは決定できない係数を変化させていき、各係数値ａｉについての正規化データ要素を求めて正規化データ２２を作成し、作成された正規化データ２２を記憶手段２０に記憶する（Ｓ１０４）。
【００６０】
（ニ）パターン認識：
まず、パターン認識処理部１３は、記憶手段２０から正規化データ２２と弱識別器定義データ２３を読み込む（Ｓ１０５）。
【００６１】
次に、パターン認識処理部１３は、読み込んだ弱識別器定義データ２３に基づいて、読み込んだ正規化データ２２から各弱識別器ｈｔによってパターン認識した結果（認識スコア）を各係数値ａｉについて算出する（Ｓ１０６）。
【００６２】
最終的に、パターン認識処理部１３は、各係数値ａｉに対するパターン認識の認識スコアを比較して、認識スコアが最大点である係数値ａｉを決定し、認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）を確定する（Ｓ１０７）。
【００６３】
パターン認識処理部１３は、確定した分布関数ｙ＝ｆ（ｘ）を出力手段４０に出力表示する（Ｓ１０８）。
【００６４】
このとき、図２に示した２次元分布データ２１の分布図上に重ねて表示させることで、２次元分布データ２１の正しい点データとノイズデータを区別したり、ノイズデータを除いた２次元分布データ２１のみを表示させたりしてもよい。
【００６５】
つづいて、出力手段４０に出力表示されたパターン認識処理部１３によって認識された分布関数ｙ＝ｆ（ｘ）が妥当であるかが作業者によって判定され、認識判定部１４は、作業者が入力する判定結果を確認する。（Ｓ１０９）
認識判定部１４は、正解と判定されている場合は、記憶手段２０に正解認識データ２４として保存し（Ｓ１１０）、誤りと判定されている場合は、分布関数ｙ＝ｆ（ｘ）を正しく修正した正解関数および正解データと、誤認識を生じさせた誤認識データを記憶手段２０に訓練データ２５として保存する（Ｓ１１１）。
【００６６】
入力された２次元分布データ２１について、さらに認識すべき別の認識対象区間がある場合は、再度（ハ）の正規化処理から繰り返す（Ｓ１１２）。
【００６７】
図８では、繰り返しの判定（Ｓ１１２）を行ってから正規化処理部１２に戻る例を図示しているが、正規化処理部１２の最初に繰り返しの判定（Ｓ１１２）を設けておき、認識判定部１４の処理終了後、いったん正規化処理部１２に必ず戻り、残りのデータの有無を判定して、ない場合は処理を終了する流れとしても構わない。
【００６８】
（ホ）学習：
イ）〜二）によって、２次元分布データ２１のパターン認識が実行された結果、パターン認識に誤りが生じた場合、パターン認識に使用している弱識別器ｈｔの定義を修正する必要がある。そこで収集した訓練データ２５を使って学習を行い、弱識別器ｈｔの定義を更新する。
【００６９】
学習は、誤認識が発生し、訓練データ２５が保存されるのを契機に、自動的に実行されるようにしてもよいし、イ）〜二）の処理からは分離して、ある程度訓練データ２５が蓄積された時点で、別個に実行されるようにしても構わない。
【００７０】
学習部１５は、記憶手段２０に保存された訓練データ２５を読み出し、以下に記述する学習アルゴリズムを用いて学習を行い、各弱識別器ｈｔの信頼度ｈｔ（Ｘｉ）を設定し直した弱識別器定義データ２３を作成する。
【００７１】
学習部１５は、作成した弱識別器定義データ２３によって、既に記憶手段２０に保存している弱識別器定義データ２３を更新する。
【００７２】
以上が、本発明の認識システム１０の認識処理の全体の流れであり、以下に本発明の認識システム１０の特徴となる正規化データ作成技法、学習アルゴリズムと弱識別器定義データ作成技法、およびパターン認識技法について詳細に説明する。
【００７３】
（正規化データ作成の詳細説明）
正規化データの作成手順について、図９から図１４を参照しながら詳細に説明する。
【００７４】
（１）図９に示したように、ノイズを含む２次元分布データの分布図を、データのサンプリング密度によって、Ｎ個の区間（セル）に等分割する。
【００７５】
（２）図１０に示したように、認識対象区間の両端（×印）を通る分布関数ｙ＝ｆ（ｘ）を想定し、未確定の係数ａにある値ａ１を代入したときの軌跡を２次元分布データ２１の分布図に重ねる。
【００７６】
（３）次に、図１１に示したように、Ｎ個のセルごとに、（２）で重ねた軌跡上（または軌跡から一定範囲内）に２次元分布データ２１が存在するかを判定する。データが存在する場合は、そのセル情報に「１」を、存在しない場合は、「０」を設定する。
【００７７】
この際、計測によって得られる２次元分布データ２１の点データの座標には、ある程度のぶれ（誤差）が生じることを考慮して、図１０に示したように、実線で示した分布関数ｙ＝ｆ（ｘ）の軌跡から一定の範囲（破線で示した軌跡の区域）についてデータの有無を調べる。
【００７８】
（４）さらに、図１２に示したように、未確定の係数ａを変化させて、係数ａ＝ａｎのときの分布関数ｙ＝ｆ（ｘ）の軌跡について（３）を行い、結果として図１３のデータが得られる。
【００７９】
（５）以上の正規化処理を繰り返し、図４に示した正規化データ２２が作成される。
【００８０】
（６）作成された正規化データを、セル情報が「１」のセルは黒、セル情報が「０」のセルは白で表示すると、図１４に示したような正規化データマッピング図になる。
【００８１】
なお、図１４は正規化データマッピング図の例であって、図４に示した正規化データ２２そのものをマッピングした図ではない。
【００８２】
（学習アルゴリズムと弱識別器定義データ作成の詳細説明）
本発明で利用する学習アルゴリズムはブースティングである。ブースティングとは、精度のあまりよくないランダム（正解率５０％以上）より少し良い程度の弱い識別器（弱識別器ｈｔ）を組み合わせて強い識別器（強識別器Ｈ）を作る学習アルゴリズムである。
【００８３】
ブースティングの中で最も知られている学習アルゴリズムにアダブースト（ＡｄａＢｏｏｓｔ）がある。アダブーストは、学習するサンプルに重みをつけ，重みを更新しながら逐次的に学習するというアイディアを元にしている。
【００８４】
アダブーストは、各弱識別器ｈｔが離散値（＋１か−１）を返すが、連続値を扱う学習アルゴリズムとしてリアルアダブースト（Ｒｅａｌ ＡｄａＢｏｏｓｔ）があり、本発明ではリアルアダブーストを採用している。リアルアダブーストの学習アルゴリズムを表したのが図１６である。
【００８５】
ｔ＝１〜Ｔの弱識別器ｈｔについて逐次的に学習を実行し、各弱識別器ｈｔが認識できるパターンの得手不得手を考慮して、パターン認識する際の各弱識別器ｈｔの信頼度ｈｔ（Ｘｉ）を決定する。
【００８６】
具体的には、ｍ個の訓練データｉ（ｉ＝１〜ｍ）について、弱識別器ｈｔで識別誤りとなった認識データの重み係数Ｄｔ（ｉ）は大きく，正解した認識データの重み係数Ｄｔ（ｉ）は小さくする。次の弱識別器ｈｔ＋１では、同じ認識データについての識別を行う際に重み係数Ｄｔ（ｉ）を計算に入れるため、前の弱識別器ｈｔが識別誤りをした認識データに関する弱識別器ｈｔ＋１の認識結果はより重点的に扱われることになる。
【００８７】
つまり，得意な認識パターンの異なる多様な弱識別器ｈｔを組み合わせることで、相互に補う強識別器Ｈの構築が可能となる。
【００８８】
ここで、本発明で使用する弱識別器ｈｔの定義には、ビオラ‐ジョーンズ（Ｖｉｏｌａ−Ｊｏｎｅｓ）の顔検出法での弱識別器ｈｔの定義の方法を応用している。ビオラ‐ジョーンズの顔検出法では、Ｈａａｒ‐ｌｉｋｅ特徴という濃淡情報を特徴量とする弱識別器ｈｔを網羅的に設定し、強識別器Ｈを構築する。つまり、図１５に示した黒と白のボックスの明るさ平均値を比較することで，弱識別器ｈｔとしている。
【００８９】
しかし、ビオラ‐ジョーンズの顔検出法では、画素間輝度の簡単な演算値（差分）等を用いているが，本発明で使用する正規化データ２２は２値（０か１）であることからそのままでは適さない。
【００９０】
そこで、図１７（ｃ）に示した正規化データマッピング図に対して、図１７（ｄ）に示したように、たとえば判定したい係数値に対する正規化データ要素の行（１行は５０セル）の上下７行を含めた１５行を判定窓として定義し、判定窓を５行ごとおよび各行１０セルごとに領域を分割し、領域Ｒ１〜Ｒ１５を定義する。
【００９１】
よって、判定窓は１５の領域に分割され、これら１５の領域のどの領域同士を比較するかを決めて、その比較する領域の組み合わせによって複数の弱識別器ｈｔを定義する。
【００９２】
図１７（ｄ）に示したように、領域（黒）と領域（白）の間の差分を特徴量Ｐとして定義する。特徴量Ｐは、各々の領域に含まれる各セルに設定された値（０か１）を合計し、それぞれの値をＳＢｌａｃｋ、ＳＷｈｉｔｅとし、式１によって定める。
【００９３】
なお式１では、特徴量Ｐが０．０〜１．０になるように、１領域に含まれるセル数の５０を差分に加え、比較する総セル数の１００で割っている。
【００９４】
Ｐ＝（ＳＢｌａｃｋ−ＳＷｈｉｔｅ＋５０）／１００ ・・・（式１）
各種の訓練データ２５を図１６に示したアルゴリズムで学習することによって、弱識別器ｈｔごとに、特徴量Ｐ全域（０．０〜１．０）を０．１刻みの１０のビンに区切った各ビンの信頼度ｈｔ（Ｘｉ）を決定する。ここで、変数Ｘｉは区切ったビンの値（番号）を示し、Ｘｉ＝１、２、・・・、１０となる。もしｋ区分した場合は、Ｘｉ＝１、２、・・・、ｋとなる。１個の弱識別器ｈｔの特徴量Ｐの各ビンの信頼度ｈｔ（Ｘｉ）をグラフ化したものが図１８であり、これを全弱識別器ｈｔについて定義する。
【００９５】
以上の方法で、弱識別器定義データのデータ要素として、弱識別器ｈｔが比較するセル群の範囲（領域）と、特徴量Ｐを１０区分した各ビンの信頼度ｈｔ（Ｘｉ）との組を、全弱識別器ｈｔについて作成する。
【００９６】
なお、上述中で示した行数やセル数等は一例であり、認識すべき２次元分布データやその正規化データにより、本発明の技術的範囲において適宜変更し得るものである。
【００９７】
（パターン認識の詳細説明）
パターン認識処理部が行うパターン認識の方法について詳細に説明する。
【００９８】
図１７（ｃ）は、２次元分布データを正規化処理部によって正規化して作成された正規化データのうち、分布関数ｙ＝ｆ（ｘ）の係数ａ＝ａｎのときについて、パターン認識するために必要な範囲の正規化データをマッピングした図である。
【００９９】
具体的には、係数ａ＝ａ（ｎ−７）から係数ａ＝ａ（ｎ＋７）までの正規化データであり、黒で示されたセルは、その係数値のときに、そのセルに２次元分布データ２１が存在していることを示している。
【０１００】
また、図１７（ｄ）は、弱識別器ｈ１の認識領域図を模式的に示したものである。黒で示した領域と白で示した領域が弱識別器ｈ１のパターン認識すべき領域である。
【０１０１】
（１）まず、図１７（ｃ）で示した正規化データマッピング図に、図１７（ｄ）示した弱識別器ｈｔの比較領域を重ねる。
【０１０２】
（２）次に、正規化データマッピング図で、図１７（ｄ）の認識領域図の黒で示した領域に含まれるセルと白で示した領域に含まれるセルのセル情報の合計の差分を求める。
【０１０３】
（３）前述した式１によって、係数ａ＝ａｎのときの弱識別器ｈ１による認識すべき２次元分布データ２２の特徴量Ｐを算出する。
【０１０４】
（４）弱識別器定義データ２３に定義されている弱識別器ｈ１の（３）で算出された特徴量Ｐを含むビンに対する信頼度を、このときの弱識別器ｈ１の認識スコアとする。
【０１０５】
たとえば、弱識別器ｈ１の（３）で算出された特徴量Ｐが０．３５であれば、ビンＸｉ＝４（０．３〜０．４の区分）に含まれるので、信頼度ｈｔ（Ｘｉ）＝ｈ１（４）が、弱識別器ｈ１の認識スコアとなる。
【０１０６】
（５）他の弱識別器ｈｔのすべてについて、（１）〜（４）を実行し、各弱識別器ｈｔの認識スコアを算出する。
【０１０７】
（６）次に、各弱識別器ｈｔの認識スコアを合計して、係数ａ＝ａｎのときの強識別器Ｈの認識スコアとする。
【０１０８】
（７）係数ａの値すべてについて、（１）〜（６）を繰り返し、強識別器Ｈの認識スコアが最大となる係数ａの値を決定する。この係数ａの値の分布関数ｙ＝ｆ（ｘ）がパターン認識処理部１３の認識した結果となる。
【実施例】
【０１０９】
本発明の認識システム１０を、航空レーザー計測システムによって測量された地表面のレーザー計測データから送電線の弛み状態等の形状を特定ために適用した実施例について説明する。
【０１１０】
本発明の実施例における送電線認識システム１０ａの概要構成を図示すると図１９のようになり、送電線認識システム１０ａの構成は、図１に示した認識システム１０と同様であり、記憶手段２０に保存される２次元分布データ２１として、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから、任意の鉄塔間の垂直方向の２次元平面上に展開したレーザー計測データ（以下、２次元化航空レーザー計測データ２１ａという）を使用する。
【０１１１】
したがって、送電線認識システム１０ａの各構成要素の説明は、認識システム１０と同様となるため、ここでは省略し、２次元化航空レーザー計測データ２１ａについてのみ説明する。
【０１１２】
２次元化航空レーザー計測データ２１ａは、以下の手順で作成されたデータである。
【０１１３】
（１）航空レーザー計測システムによって測量された地表面の３次元レーザー計測データは、照射したレーザーの反射点を測定し、その３次元座標を記録したデータである。この図２０に示すように、３次元レーザー計測データを分布図形式で表示すると、立体的に地表面を把握できる。
【０１１４】
（２）ここで、真横から観察した送電線の状態を知るため、送電線の張られた鉄塔間の垂直方向の２次元平面上のレーザー計測データのみを抽出する。ただし、送電線の揺れやレーザー反射の乱れ等で、計測される点に誤差が生じることを考慮して、垂直方向の２次元平面にある程度厚みを持たせ、つまり水平方向の座標に一定範囲の幅を許容して、レーザー計測データの抽出を行う。
【０１１５】
抽出された２次元化航空レーザー計測データ２１ａは、図３に示した２次元分布データ２１と同じデータ要素となり、データ入力手段３０によって、記憶手段２０に保存ざれる。
【０１１６】
図２１と図２２は、抽出された２次元化航空レーザー計測データ２１ａを分布図形式で表示した図であり、図２１は、太い高電圧線の場合であり、高電圧線の弛みの状態が肉眼でも把握できる。一方、 図２２は、細い低電圧線の場合であり、低電圧線は表面近くに存在し、さらに抽出されたレーザー計測データが少ないため、弛みの状態を肉眼で把握しにくい。
【０１１７】
図２２のように弛みの状態を肉眼では把握しにくい場合でも、本発明の送電線認識システム１０ａによって、送電線の形状を認識することができる。
【０１１８】
また、実施例の送電線認識システム１０ａでは、弱識別器定義データ２３に定義する弱識別器ｈｔとして、図２３に示した４６個を定義した。
【０１１９】
各弱識別器ｈｔは、黒で示した領域と白で示した領域に含まれる各セルのセル情報をそれぞれ合計して、式１によって特徴量Ｐを算出し、弱識別器定義データ２３で特徴量Ｐに定義された信頼度ｈｔ（Ｘｉ）を読み出し、認識スコアとする。
【０１２０】
４６個の弱識別器ｈｔすべての認識スコアを合計して、４６個の弱識別器ｈｔで作られた強識別器Ｈの認識スコアとする。
【０１２１】
（処理の説明）
次に、図２４を参照しながら、送電線認識システム１０ａの処理の流れを説明する。
【０１２２】
（イ）データの準備：
外部の計測システムによって得られた２次元化航空レーザー計測データ２１ａと初期値を設定した弱識別器定義データ２３を、データ入力手段３０によって記憶手段２０に取り込む（Ｓ１００ａ）。
【０１２３】
（ロ）データの読み込み：
データ読込部１１は、記憶手段２０に保存された２次元化航空レーザー計測データ２１ａを読み込む（Ｓ１０１ａ）。また、必要に応じて、読み込んだ２次元化航空レーザー計測データ２１ａを図３に示したデータ要素一覧形式や図２１、図２２に示した分布図形式で出力手段４０に出力表示する。
【０１２４】
（ハ）正規化：
正規化処理部１２は、データ読込部１１によって読み込まれた２次元化航空レーザー計測データ２１ａのどの区間を認識対象とするか、送電線支持点（鉄塔）の座標を指定する（Ｓ１０２ａ）。
【０１２５】
次に、正規化処理部１２は、指定した両端の座標から、認識対象区間に適用する２次関数ｙ＝ａｘ２＋ｂｘ＋ｃについて決定できる係数ｂとｃを算出し決定する（Ｓ１０３ａ）。
【０１２６】
つづいて、正規化処理部１２は、２次関数ｙ＝ａｘ２＋ｂｘ＋ｃの係数ａを変化させていき、各係数値ａｉについての正規化データ要素を求めて正規化データ２２を作成し、作成された正規化データ２２を記憶手段２０に記憶する（Ｓ１０４ａ）。
【０１２７】
（ニ）パターン認識：
まず、パターン認識処理部１３は、記憶手段２０から正規化データ２２と弱識別器定義データ２３を読み込む（Ｓ１０５ａ）。
【０１２８】
次に、パターン認識処理部１３は、読み込んだ弱識別器定義データ２３に基づいて、読み込んだ正規化データ２２から各弱識別器ｈｔによってパターン認識した結果（認識スコア）を各係数値ａｉについて算出する（Ｓ１０６ａ）。
【０１２９】
最終的に、パターン認識処理部１３は、各係数値ａｉに対するパターン認識の認識スコアを比較して、認識スコアが最大点である係数値ａｉを決定し、認識対象区間に適用する２次関数ｙ＝ａｘ２＋ｂｘ＋ｃを確定する（Ｓ１０７ａ）。
【０１３０】
パターン認識処理部１３は、確定した２次関数ｙ＝ａｘ２＋ｂｘ＋ｃを出力手段４０に出力表示する（Ｓ１０８ａ）。
【０１３１】
このとき、図２１や図２２に示した２次元化航空レーザー計測データ２１ａの分布図上に重ねて表示させることで、２次元化航空レーザー計測データ２１ａの正しい点データとノイズデータを区別したり、ノイズデータを除いた２次元化航空レーザー計測データ２１ａのみを表示させたりしてもよい。
【０１３２】
図２５と図２６は、図２１と図２２に示した２次元化航空レーザー計測データ２１ａを認識して得られる２次関数ｙ＝ａｘ２＋ｂｘ＋ｃの軌跡（破線で表示）を、それぞれ重ねて表示したものである。
【０１３３】
つづいて、出力手段４０に出力表示されたパターン認識処理部１３によって認識された二次関数ｙ＝ａｘ２＋ｂｘ＋ｃが妥当であるかが作業者によって判定され、認識判定部１４は、作業者が入力する判定結果を確認する。（Ｓ１０９ａ）
認識判定部１４は、正解と判定されている場合は、記憶手段２０に正解認識データ２４として保存し（Ｓ１１０ａ）、誤りと判定されている場合は、二次関数ｙ＝ａｘ２＋ｂｘ＋ｃを正しく修正した正解関数および正解データと、誤認識を生じさせた誤認識データを記憶手段２０に訓練データ２５として保存する（Ｓ１１１ａ）。
【０１３４】
入力された２次元化航空レーザー計測データ２１ａについて、さらに認識すべき別の認識対象区間がある場合は、再度（ハ）の正規化処理から繰り返す（Ｓ１１２ａ）。
【０１３５】
（ホ）学習：
イ）〜二）によって、２次元化航空レーザー計測データ２１ａのパターン認識が実行された結果、パターン認識に誤りが生じた場合、パターン認識に使用している弱識別器ｈｔの定義を修正する必要がある。
【０１３６】
そこで学習部１５は、記憶手段２０に保存された訓練データ２５を使って学習を行い、記憶手段２０に保存された弱識別器ｈｔの弱識別器定義データ２３を更新する。
【０１３７】
以上が、送電線認識システム１０ａの認識処理の流れであり、正規化データ作成技法、学習アルゴリズムと弱識別器定義データ作成技法、およびパターン認識技法については、認識システム１０について説明したものと同様である。
【０１３８】
なお、本発明はここでは記載していない様々な実施の形態等を含むことは勿論である。本発明の技術的範囲は上記の説明から妥当な特許請求の範囲に係る発明特定事項によってのみ定められるものである。
【図面の簡単な説明】
【０１３９】
【図１】認識システムの構成図。
【図２】２次元分布データの分布図。
【図３】２次元分布データのデータ要素一覧。
【図４】正規化データのデータ要素一覧。
【図５】弱識別器定義データのデータ要素一覧。
【図６】正解認識データのデータ要素一覧。
【図７】訓練データのデータ要素一覧。
【図８】認識システムの処理フロー図。
【図９】正規化データの作成手順図。
【図１０】正規化データの作成手順図。
【図１１】係数ａ＝ａ１のときの正規化データ要素一覧。
【図１２】正規化データの作成手順図。
【図１３】係数ａ＝ａｎのときの正規化データ要素一覧。
【図１４】正規化データマッピング図。
【図１５】Ｈａａｒ‐ｌｉｋｅ特徴量の弱識別器。
【図１６】リアルアダブーストの学習アルゴリズム図。
【図１７】（ｃ）正規化データマッピング図、（ｄ）弱識別器の定義図。
【図１８】特徴量の各ビンの重み係数のグラフ。
【図１９】送電線認識システムの構成図。
【図２０】３次元レーザー計測データの分布図。
【図２１】太い高電圧線の場合の２次元化航空レーザー計測データの分布図。
【図２２】細い低電圧線の場合の２次元化航空レーザー計測データの分布図。
【図２３】４６個の弱識別器定義図。
【図２４】送電線認識システムの処理フロー図。
【図２５】太い高電圧線の場合の認識軌跡図。
【図２６】細い低電圧線の場合の認識軌跡図。
【図２７】２次元分布データの例。
【符号の説明】
【０１４０】
１０ 認識システム
１０ａ 送電線認識システム
１１ データ読込部
１２ 正規化処理部
１３ パターン認識処理部
１４ 認識判定部
１５ 学習部
２０ 記憶手段
２１ ２次元分布データ
２１ａ ２次元化航空レーザー計測データ
２２ 正規化データ
２３ 弱識別器定義データ
２４ 正解認識データ
２５ 訓練データ
３０ データ入力手段
４０ 出力手段
【技術分野】
【０００１】
本発明は、学習型パターン認識手法を利用して、ノイズを含む２次元分布データから、目的とするデータを識別し、その形状等を特定する認識システム、認識方法、および認識プログラムに関する。
【０００２】
特に、航空レーザー計測システムによって測量された地表面のレーザー計測データから、送電線の弛み状態等の形状を特定する認識システム、認識方法、および認識プログラムに関する。
【背景技術】
【０００３】
一般に、送電線は、鉄塔を山野に敷設して所定の弛みを有して張られているものである。このため、送電線下付近にある樹木の成長によって、送電線と樹木との距離が適切に保てなくなってくる（ 以下送電線下支障樹木という）。
【０００４】
このような、送電線下支障樹木は、従来においては電力会社の選任作業員が実際に送電線下を廻って、送電線下支障樹木（風によって送電線が揺れた場合に、送電線に触れるおそれがある樹木を含む）をチェックし、必要に応じて伐採を行っていた。このため、チェックする作業員を多く必要とすると共に、チェックに非常に長い時間を要していた。
【０００５】
そこで、近年は航空機で送電線上を飛行して得た３次元写真から樹木が送電線に触れるかどうかをチェックする場合もある。このチェックでは、３次元写真から人間が樹木の高さを割り出し、送電線高が書き込まれている図面に、この樹木高をプロットした後に、風等によって送電線が揺れる範囲を書き込む。そして、この範囲に入る樹木又は近い将来に前述の範囲に入る樹木がないかどうかを判断していた。
【０００６】
さらに最近では、３次元写真に代わって、航空レーザー計測システムによって測量された地表面のレーザー計測データが用いられるようになってきている。レーザー計測データには、照射したレーザーの反射地点の地理位置が含まれるため、対象物を特定できれば、その地点の標高を得ることができる。
【０００７】
したがって、送電線や樹木を特定すれば、特定した樹木が送電線に触れるおそれがあるか否か、それらの高さから判断可能となる。
【０００８】
たとえば、特許文献１に開示されている、航空機によって得たレーザー計測データから送電線下付近の支障樹木を自動的に割り出して知らせる送電線下支障樹木自動表示装置等が開発されている。
【０００９】
一方、実在するものを観測量から推定するパターン認識として、文字認識・顔認識等、多岐にわたり研究されてきた。しかし、不確定要素の多い困難さを伴うため、精度の高いモデル開発の難しさ，そして実現できても計算量から実用に耐えられない問題があった。
【００１０】
そこで、精密なモデル化を避ける1つの手法として、ある程度多数の典型的なケースを例題として用意し、それを用いて学習する手法が考案されている。その有力な一手法に、ブースティングがある。
【００１１】
ブースティングとは、精度のあまりよくないランダム（正解率５０％以上）より少し良い程度の弱い識別器を組み合わせて強い識別器を作る学習アルゴリズムであり、多くの分野で使用されている。
【特許文献１】特許第３９２７６６０号公報
【発明の開示】
【発明が解決しようとする課題】
【００１２】
航空レーザー計測システムでは、レーザーを照射できる距離間隔に制限があり、その距離間隔が、測量されたレーザー計測データの最短識別可能長となる。
【００１３】
したがって、高電圧などの大規模で太い送電線に関しては、特定に十分なレーザー計測データが得られる確率は高いが、支線などの小規模で細くかつ地表面に近い送電線に関しては、特定に十分なレーザー計測データが得られる確率は低い。
【００１４】
このようにノイズが含まれ対象物の不明確なレーザー計測データでは、３次元写真と同様に、レーザー計測データを画像化して、人間が目視して対象物を特定せざるを得ないという課題がある。
【００１５】
したがって、レーザー計測データに限らず、ノイズが含まれ対象物の不明確なデータから、正確に対象物を特定できる認識システム、認識方法、および認識プログラムの提供が望まれている。
【課題を解決するための手段】
【００１６】
本発明の認識システムは、中央情報処理回路、記憶手段、データ入力手段および出力手段を備えたコンピュータ上に構築された認識システムであって、記憶手段に保存された２次元分布データ、正規化データ、弱識別器定義データ、正解認識データ、および訓練データと、記憶手段と出力手段に接続され、記憶手段に保存された２次元分布データを読み込む処理を中央情報処理回路に実行させるデータ読込部と、記憶手段、出力手段、およびデータ読込部に接続され、データ読込部によって記憶手段から読み出された２次元分布データを正規化データに変換する処理を中央情報処理回路に実行させ、生成された正規化データを記憶手段に保存する正規化処理部と、記憶手段、出力手段、および正規化処理部に接続され、記憶手段に保存された弱識別器定義データを読み出し、弱識別器定義データを正規化処理部によって生成された正規化データに適用し、パターン認識を中央情報処理回路に実行させ、認識結果を出力手段に表示するパターン認識処理部と、記憶手段、出力手段、およびパターン認識処理部に接続され、パターン認識処理部によって出力された認識結果が正解か誤りかの判定を確認する処理を中央情報処理回路に実行させ、正解と判定された場合は、記憶手段に正解認識データとして保存し、誤りと判定された場合は、記憶手段に訓練データの誤認識データとして保存する認識判定部とを含むことを要旨とする。
【００１７】
さらに、本発明の認識システムは、記憶手段に接続され、認識判定部によって記憶手段に保存された訓練データを読み出し、訓練データでブースティング学習アルゴリズムによる学習を中央情報処理回路に実行させ、新たに定義された弱識別器定義データにより、記憶手段に既に保存されている弱識別器定義データを更新する学習部を含むことを要旨とする。
【００１８】
また、本発明の認識システムは、送電線を認識するため、２次元分布データとして、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから得られる、任意の鉄塔間の垂直方向の２次元平面上に展開した２次元化航空レーザー計測データを使用する。
【００１９】
本発明の認識方法は、中央情報処理回路、記憶手段、データ入力手段および出力手段を備えたコンピュータによる認識方法であって、外部の計測システムによって得られた２次元分布データと初期値を設定した弱識別器定義データを、データ入力手段から記憶手段に取り込むステップと、記憶手段に保存された２次元分布データを読み込むステップと、読み込まれた２次元分布データのどの区間を認識対象とするか、認識対象区間の両端を指定するステップと、指定した両端の座標から、認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）について決定できる係数があれば、算出し決定するステップと、分布関数ｙ＝ｆ（ｘ）の係数のうちで両端の座標のみでは決定できない係数を変化させ、各係数値についての正規化データ要素を求めて正規化データを作成し、作成された正規化データを記憶手段に記憶するステップと、記憶手段から正規化データと弱識別器定義データを読み込むステップと、読み込んだ弱識別器定義データに基づいて、読み込んだ正規化データから各弱識別器によってパターン認識した認識スコアの合計を各係数値について算出するステップと、各係数値に対するパターン認識の認識スコアの合計を比較して、認識スコアの合計が最大点である係数値を決定し、認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）を確定するステップとを含むことを要旨とする。
【００２０】
さらに、本発明の認識方法は、確定した分布関数ｙ＝ｆ（ｘ）を出力手段に出力表示するステップと、出力手段に出力表示された確定した分布関数ｙ＝ｆ（ｘ）が妥当であるか作業者が入力する判定結果を確認するステップと、正解と判定されている場合は、記憶手段に正解認識データとして保存し、誤りと判定されている場合は、分布関数ｙ＝ｆ（ｘ）を正しく修正した正解関数および正解データと、誤認識を生じさせた誤認識データを記憶手段に訓練データとして保存するステップとをさらに含むことを要旨とする。
【００２１】
また、本発明の認識方法は、記憶手段に保存された訓練データを読み出し、ブースティング学習アルゴリズムを用いて学習を行い、各弱識別器の信頼度ｈｔ（Ｘｉ）を設定し直した弱識別器定義データを作成し、記憶手段に既に保存している弱識別器定義データを更新するステップをさらに含むことを要旨とする。
【００２２】
本発明の認識方法は、送電線を認識するため、２次元分布データとして、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから得られる、任意の鉄塔間の垂直方向の２次元平面上に展開した２次元化航空レーザー計測データを使用する。
【００２３】
本発明の認識プログラムは、弱識別器定義データと外部の計測システムによって得られた２次元分布データとを用いる認識プログラムであって、中央情報処理回路、記憶手段、データ入力手段および出力手段を備えたコンピュータに、２次元分布データと初期値を設定した弱識別器定義データを、データ入力手段から記憶手段に取り込ませ、記憶手段に保存された２次元分布データを読み込ませ、読み込まれた２次元分布データのどの区間を認識対象とするか、指定された認識対象区間の両端を識別させ、指定された両端の座標から、認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）について決定できる係数があれば、算出し決定させ、分布関数ｙ＝ｆ（ｘ）の係数のうちで両端の座標のみでは決定できない係数を変化させ、各係数値についての正規化データ要素を求めて正規化データを作成させ、作成された正規化データを記憶手段に記憶させ、記憶手段から正規化データと弱識別器定義データを読み込ませ、読み込んだ弱識別器定義データに基づいて、読み込んだ正規化データから各弱識別器によってパターン認識させた認識スコアの合計を各係数値について算出させ、各係数値に対するパターン認識の認識スコアの合計を比較して、認識スコアの合計が最大点である係数値を決定し、認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）を確定させることを要旨とする。
【００２４】
さらに、本発明の認識プログラムは、コンピュータに、確定した分布関数ｙ＝ｆ（ｘ）を出力手段に出力表示させ、出力手段に出力表示された確定した分布関数ｙ＝ｆ（ｘ）が妥当であるか作業者が入力する判定結果を識別させ、正解と判定されている場合は、記憶手段に正解認識データとして保存し、誤りと判定されている場合は、分布関数ｙ＝ｆ（ｘ）を正しく修正した正解関数および正解データと、誤認識を生じさせた誤認識データを記憶手段に訓練データとして保存させることを要旨とする。
【００２５】
また、本発明の認識プログラムは、コンピュータに、記憶手段に保存された訓練データを読み出し、ブースティング学習アルゴリズムを用いて学習を行い、各弱識別器の信頼度ｈｔ（Ｘｉ）を設定し直した弱識別器定義データを作成し、記憶手段に既に保存している弱識別器定義データを更新させること要旨とする。
【００２６】
本発明の認識プログラムは、送電線を認識するため、２次元分布データとして、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから得られる、任意の鉄塔間の垂直方向の２次元平面上に展開した２次元化航空レーザー計測データを使用する。
【発明の効果】
【００２７】
本発明によれば、ノイズが含まれ対象物の不明確なレーザー計測データから、高電圧の太い送電線や細くかつ地表面に近い送電線など、状況の異なる送電線でも認識し、その形状を特定できる。
【００２８】
さらに、本発明によれば、ノイズが含まれ対象物の不明確なデータから、対象物を認識し、その形状を特定できる。
【発明を実施するための最良の形態】
【００２９】
本発明の実施の形態における認識システム１０の概要構成を図示すると図１のようになり、認識システム１０は、中央情報処理回路（ＣＰＵ）を備えたコンピュータ上に構築されるシステムであり、周辺ユニット群として記憶手段２０、データ入力手段３０、および出力手段４０を含み、ＣＰＵに情報処理を実行させるユニット群としてデータ読込部１１、正規化処理部１２、パターン認識処理部１３、認識判定部１４、および学習部１５を含む。
【００３０】
記憶手段２０には、２次元分布データ２１、正規化データ２２、弱識別器定義データ２３、正解認識データ２４、および訓練データ２５が保存される。
【００３１】
なお、ＣＰＵは、プロセッサ、ロジック、レジスタなどの組み合わせからなる回路であり、コンピュータ全体の制御も行うことは周知のことであり、図示は省略している。
【００３２】
さらに、以下の説明において、各ユニットの「接続」という語句は、必ずしも直接物理的に導線等でつながれている状態を示すものではなく、ＣＰＵを介して該当のユニット間で情報のやり取りを行える状態に配置していることを示すものである。
【００３３】
(認識システム１０の各構成要素の説明)
記憶手段２０は、情報処理に利用される各種データを記憶また保存しておくためのメモリーである。具体的には、ハードディスクメモリーやフラッシュメモリー、また情報処理の途中で生成されるデータを記憶する一時記憶メモリー等が含まれる。
【００３４】
データ入力手段３０は、記憶手段２０に接続され、記憶手段２０にデータを入力し保存するための手段である。具体的には、フレキシブルディスク、コンパクトディスク、光ディスク等の外部記録媒体からデータを取り込むためのドライブ、通信ネットワークを介して接続された外部記憶装置からデータを取り込むための手段、そして直接データを記憶手段に入力するためのキーボード等が含まれる。
【００３５】
出力手段４０は、ＣＰＵに情報処理を実行させるユニット群のそれぞれに接続され、処理されたデータを確認するためにデータを出力する手段である。具体的には、データを表示するディスプレイであり、その他にデータを印刷して確認するためのプリンタや通信ネットワークを介して接続された外部記憶装置に送信するための通信チャネルも含まれる。
【００３６】
データ読込部１１は、記憶手段２０と出力手段４０に接続され、記憶手段１０に保存されている２次元分布データを読み込む処理をＣＰＵに実行させるユニットである。
【００３７】
正規化処理部１２は、記憶手段２０、出力手段４０、およびデータ読込部１１に接続され、データ読込部１１によって記憶手段２０から読み出された２次元分布データ２１を正規化データ２２に変換する処理をＣＰＵに実行させ、生成された正規化データ２２を記憶手段２０に保存するユニットである。
【００３８】
パターン認識処理部１３は、記憶手段２０、出力手段４０、および正規化処理部１２に接続され、記憶手段２０に保存されている弱識別器定義データ２３を読み出し、弱識別器定義データ２３を正規化処理部１２によって生成された正規化データ２２に適用しながら、パターン認識をＣＰＵに実行させ、認識結果を出力手段４０に表示するユニットである。
【００３９】
認識判定部は、記憶手段２０、出力手段４０、およびパターン認識処理部１３に接続され、パターン認識処理部１３によって出力された認識結果が正解か誤りかの判定を確認する処理をＣＰＵに実行させ、正解と判定された場合は、記憶手段２０に正解認識データ２４として保存し、誤りと判定された場合は、記憶手段に訓練データの誤認識データ２５として保存するユニットである。
【００４０】
学習部１５は、記憶手段２０に接続され、認識判定部１４によって記憶手段２０に保存された訓練データ２５を読み出し、誤認識データから正解データを認識させる学習をＣＰＵに実行させ、その結果新たに定義された弱識別器定義データ２３によって、以前から記憶手段２０に保存されている弱識別器定義データ２３を更新するユニットである。
【００４１】
（データ構成）
記憶手段２０に保存される２次元分布データ２１、正規化データ２２、弱識別器定義データ２３、正解認識データ２４、および訓練データ２５について説明する。
【００４２】
２次元分布データ２１は、図２の分布図に示すように、対象となる物や事象（以下、単に対象物という）を計測した結果を、横軸（Ｘ）・縦軸（Ｙ）によって定義される２次元平面上に分布する点集合として生成されるデータであり、実際のデータ要素は図３に示すように、各計測点の座標値となる。
【００４３】
具体的な例としては、オシロソコープによって計測された電気信号の波形、音響観測（ソナー）やレーザーレーダー観測による３次元対象物の垂直方向または水平方向の形状などある。このような２次元分布データには多くのノイズのデータも含まれることがある。
【００４４】
なお、本発明は、データの分布を関数分布として捉えることができる２次元分布データを使用するが、１つの２次元分布データ全体を１つの関数で捉えられる２次元分布データのみではなく、２次元分布データ全体を、関数で捉えられる複数の区間に分割することによって適用できる２次元分布データも含まれる。
【００４５】
さらに、図２７に示したような、いくつかのデータが混在している２次元分布データ２１であっても、目的とする対象物について、認識対象区間を適切に指定することで、その形状の近似式を決定できる。
【００４６】
正規化データ２２は、図４に示すように、対象物の２次元分布データに、その分布に適用できる可能性のある関数を指定し、その関数の軌跡を重ね合わせ、２次元分布データ２１中の関数を適用する区間を等間隔にｎ分割した「セル（１〜Ｎ）」ごとに、軌跡上に２次元分布データ２１の点データが存在するかを調べ、存在する場合は「１」、存在しない場合は「０」と各セル情報に設定したデータ要素によって構成される。
【００４７】
２次元分布データ２１に適用する関数の係数値ａｉをａ１〜ａｍまで少しずつ変化させながら、各係数値について各セル情報を設定した一連のデータ要素を、パターン認識を行うための正規化データ２２とする。なお、正規化データ２２の作成方法については、詳細を後述する。
【００４８】
弱識別器定義データ２３は、図５に示すように、パターン認識を行うためにあらかじめ設定した複数の弱識別器ｈｔについて、各弱識別器ｈｔが比較するセル群の範囲と各弱識別器ｈｔの信頼度ｈｔ（Ｘｉ）のデータ要素によって構成される。弱識別器定義データ２３の作成方法については、学習処理の説明とともに後述する。
【００４９】
正解認識データ２４は、正規化データ２２からパターン認識処理部によって正しく認識され、元の２次元分布データの分布形状に適用された関数と、元の２次元分布データ２１自体または適用された関数の軌跡上に存在する点テータのみを抽出した２次元分布データ２１をデータ要素とする。図６には、適用関数と適用関数上の２次元分布データ２１の点データをデータ要素とした例を示している。
【００５０】
訓練データ２５は、図７に示すように、正規化データ２２からパターン認識処理部によって誤って認識され、元の２次元分布データ２１の分布形状に適用された関数を正しく修正した正解関数および正解データと、誤認識を生じさせた元の２次元分布データ２１（誤認識データという）をデータ要素とする。
【００５１】
なお、各データは、上述したデータ要素のほかの情報を含んでも構わない。
【００５２】
（処理の説明）
次に、図８を参照しながら、認識システムの処理の全体的な流れを説明する。
【００５３】
（イ）データの準備：
外部の計測システムによって得られた２次元分布データ２１と初期値を設定した弱識別器定義データ２３を、データ入力手段３０によって記憶手段２０に取り込む（Ｓ１００）。
【００５４】
弱識別器定義データ２３の初期値は、どんな関数分布をしているか既知の２次元分布データをサンプルとして、学習部１５で行う学習と同様な処理を外部のコンピュータに繰り返し実行させて求めてもよいし、具体的に計算して求めてもよい。
【００５５】
（ロ）データの読み込み：
データ読込部１１は、記憶手段２０に保存された２次元分布データ２１を読み込む（Ｓ１０１）。また、必要に応じて、読み込んだ２次元分布データ２１を図３に示したデータ要素一覧形式や図２に示した分布図形式で出力手段４０に出力表示する。
【００５６】
（ハ）正規化：
正規化処理部１２は、データ読込部１１によって読み込まれた２次元分布データ２１のどの区間を認識対象とするか、認識対象区間の両端を指定する（Ｓ１０２）。
【００５７】
両端の指定方法としては、あらかじめ２次元分布データ２１に指標等を付与しておき、正規化処理部１２がその指標を自動的に識別し指定する方法でもよいし、出力手段４０に表示された２次元分布データ２１から作業者が指定し、それを正規化処理部１２が認識する方法でもよい。
【００５８】
次に、正規化処理部１２は、指定した両端の座標から、認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）について決定できる係数があれば、算出し決定する（Ｓ１０３）。
【００５９】
つづいて、正規化処理部１２は、分布関数ｙ＝ｆ（ｘ）の係数のうちで両端の座標のみでは決定できない係数を変化させていき、各係数値ａｉについての正規化データ要素を求めて正規化データ２２を作成し、作成された正規化データ２２を記憶手段２０に記憶する（Ｓ１０４）。
【００６０】
（ニ）パターン認識：
まず、パターン認識処理部１３は、記憶手段２０から正規化データ２２と弱識別器定義データ２３を読み込む（Ｓ１０５）。
【００６１】
次に、パターン認識処理部１３は、読み込んだ弱識別器定義データ２３に基づいて、読み込んだ正規化データ２２から各弱識別器ｈｔによってパターン認識した結果（認識スコア）を各係数値ａｉについて算出する（Ｓ１０６）。
【００６２】
最終的に、パターン認識処理部１３は、各係数値ａｉに対するパターン認識の認識スコアを比較して、認識スコアが最大点である係数値ａｉを決定し、認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）を確定する（Ｓ１０７）。
【００６３】
パターン認識処理部１３は、確定した分布関数ｙ＝ｆ（ｘ）を出力手段４０に出力表示する（Ｓ１０８）。
【００６４】
このとき、図２に示した２次元分布データ２１の分布図上に重ねて表示させることで、２次元分布データ２１の正しい点データとノイズデータを区別したり、ノイズデータを除いた２次元分布データ２１のみを表示させたりしてもよい。
【００６５】
つづいて、出力手段４０に出力表示されたパターン認識処理部１３によって認識された分布関数ｙ＝ｆ（ｘ）が妥当であるかが作業者によって判定され、認識判定部１４は、作業者が入力する判定結果を確認する。（Ｓ１０９）
認識判定部１４は、正解と判定されている場合は、記憶手段２０に正解認識データ２４として保存し（Ｓ１１０）、誤りと判定されている場合は、分布関数ｙ＝ｆ（ｘ）を正しく修正した正解関数および正解データと、誤認識を生じさせた誤認識データを記憶手段２０に訓練データ２５として保存する（Ｓ１１１）。
【００６６】
入力された２次元分布データ２１について、さらに認識すべき別の認識対象区間がある場合は、再度（ハ）の正規化処理から繰り返す（Ｓ１１２）。
【００６７】
図８では、繰り返しの判定（Ｓ１１２）を行ってから正規化処理部１２に戻る例を図示しているが、正規化処理部１２の最初に繰り返しの判定（Ｓ１１２）を設けておき、認識判定部１４の処理終了後、いったん正規化処理部１２に必ず戻り、残りのデータの有無を判定して、ない場合は処理を終了する流れとしても構わない。
【００６８】
（ホ）学習：
イ）〜二）によって、２次元分布データ２１のパターン認識が実行された結果、パターン認識に誤りが生じた場合、パターン認識に使用している弱識別器ｈｔの定義を修正する必要がある。そこで収集した訓練データ２５を使って学習を行い、弱識別器ｈｔの定義を更新する。
【００６９】
学習は、誤認識が発生し、訓練データ２５が保存されるのを契機に、自動的に実行されるようにしてもよいし、イ）〜二）の処理からは分離して、ある程度訓練データ２５が蓄積された時点で、別個に実行されるようにしても構わない。
【００７０】
学習部１５は、記憶手段２０に保存された訓練データ２５を読み出し、以下に記述する学習アルゴリズムを用いて学習を行い、各弱識別器ｈｔの信頼度ｈｔ（Ｘｉ）を設定し直した弱識別器定義データ２３を作成する。
【００７１】
学習部１５は、作成した弱識別器定義データ２３によって、既に記憶手段２０に保存している弱識別器定義データ２３を更新する。
【００７２】
以上が、本発明の認識システム１０の認識処理の全体の流れであり、以下に本発明の認識システム１０の特徴となる正規化データ作成技法、学習アルゴリズムと弱識別器定義データ作成技法、およびパターン認識技法について詳細に説明する。
【００７３】
（正規化データ作成の詳細説明）
正規化データの作成手順について、図９から図１４を参照しながら詳細に説明する。
【００７４】
（１）図９に示したように、ノイズを含む２次元分布データの分布図を、データのサンプリング密度によって、Ｎ個の区間（セル）に等分割する。
【００７５】
（２）図１０に示したように、認識対象区間の両端（×印）を通る分布関数ｙ＝ｆ（ｘ）を想定し、未確定の係数ａにある値ａ１を代入したときの軌跡を２次元分布データ２１の分布図に重ねる。
【００７６】
（３）次に、図１１に示したように、Ｎ個のセルごとに、（２）で重ねた軌跡上（または軌跡から一定範囲内）に２次元分布データ２１が存在するかを判定する。データが存在する場合は、そのセル情報に「１」を、存在しない場合は、「０」を設定する。
【００７７】
この際、計測によって得られる２次元分布データ２１の点データの座標には、ある程度のぶれ（誤差）が生じることを考慮して、図１０に示したように、実線で示した分布関数ｙ＝ｆ（ｘ）の軌跡から一定の範囲（破線で示した軌跡の区域）についてデータの有無を調べる。
【００７８】
（４）さらに、図１２に示したように、未確定の係数ａを変化させて、係数ａ＝ａｎのときの分布関数ｙ＝ｆ（ｘ）の軌跡について（３）を行い、結果として図１３のデータが得られる。
【００７９】
（５）以上の正規化処理を繰り返し、図４に示した正規化データ２２が作成される。
【００８０】
（６）作成された正規化データを、セル情報が「１」のセルは黒、セル情報が「０」のセルは白で表示すると、図１４に示したような正規化データマッピング図になる。
【００８１】
なお、図１４は正規化データマッピング図の例であって、図４に示した正規化データ２２そのものをマッピングした図ではない。
【００８２】
（学習アルゴリズムと弱識別器定義データ作成の詳細説明）
本発明で利用する学習アルゴリズムはブースティングである。ブースティングとは、精度のあまりよくないランダム（正解率５０％以上）より少し良い程度の弱い識別器（弱識別器ｈｔ）を組み合わせて強い識別器（強識別器Ｈ）を作る学習アルゴリズムである。
【００８３】
ブースティングの中で最も知られている学習アルゴリズムにアダブースト（ＡｄａＢｏｏｓｔ）がある。アダブーストは、学習するサンプルに重みをつけ，重みを更新しながら逐次的に学習するというアイディアを元にしている。
【００８４】
アダブーストは、各弱識別器ｈｔが離散値（＋１か−１）を返すが、連続値を扱う学習アルゴリズムとしてリアルアダブースト（Ｒｅａｌ ＡｄａＢｏｏｓｔ）があり、本発明ではリアルアダブーストを採用している。リアルアダブーストの学習アルゴリズムを表したのが図１６である。
【００８５】
ｔ＝１〜Ｔの弱識別器ｈｔについて逐次的に学習を実行し、各弱識別器ｈｔが認識できるパターンの得手不得手を考慮して、パターン認識する際の各弱識別器ｈｔの信頼度ｈｔ（Ｘｉ）を決定する。
【００８６】
具体的には、ｍ個の訓練データｉ（ｉ＝１〜ｍ）について、弱識別器ｈｔで識別誤りとなった認識データの重み係数Ｄｔ（ｉ）は大きく，正解した認識データの重み係数Ｄｔ（ｉ）は小さくする。次の弱識別器ｈｔ＋１では、同じ認識データについての識別を行う際に重み係数Ｄｔ（ｉ）を計算に入れるため、前の弱識別器ｈｔが識別誤りをした認識データに関する弱識別器ｈｔ＋１の認識結果はより重点的に扱われることになる。
【００８７】
つまり，得意な認識パターンの異なる多様な弱識別器ｈｔを組み合わせることで、相互に補う強識別器Ｈの構築が可能となる。
【００８８】
ここで、本発明で使用する弱識別器ｈｔの定義には、ビオラ‐ジョーンズ（Ｖｉｏｌａ−Ｊｏｎｅｓ）の顔検出法での弱識別器ｈｔの定義の方法を応用している。ビオラ‐ジョーンズの顔検出法では、Ｈａａｒ‐ｌｉｋｅ特徴という濃淡情報を特徴量とする弱識別器ｈｔを網羅的に設定し、強識別器Ｈを構築する。つまり、図１５に示した黒と白のボックスの明るさ平均値を比較することで，弱識別器ｈｔとしている。
【００８９】
しかし、ビオラ‐ジョーンズの顔検出法では、画素間輝度の簡単な演算値（差分）等を用いているが，本発明で使用する正規化データ２２は２値（０か１）であることからそのままでは適さない。
【００９０】
そこで、図１７（ｃ）に示した正規化データマッピング図に対して、図１７（ｄ）に示したように、たとえば判定したい係数値に対する正規化データ要素の行（１行は５０セル）の上下７行を含めた１５行を判定窓として定義し、判定窓を５行ごとおよび各行１０セルごとに領域を分割し、領域Ｒ１〜Ｒ１５を定義する。
【００９１】
よって、判定窓は１５の領域に分割され、これら１５の領域のどの領域同士を比較するかを決めて、その比較する領域の組み合わせによって複数の弱識別器ｈｔを定義する。
【００９２】
図１７（ｄ）に示したように、領域（黒）と領域（白）の間の差分を特徴量Ｐとして定義する。特徴量Ｐは、各々の領域に含まれる各セルに設定された値（０か１）を合計し、それぞれの値をＳＢｌａｃｋ、ＳＷｈｉｔｅとし、式１によって定める。
【００９３】
なお式１では、特徴量Ｐが０．０〜１．０になるように、１領域に含まれるセル数の５０を差分に加え、比較する総セル数の１００で割っている。
【００９４】
Ｐ＝（ＳＢｌａｃｋ−ＳＷｈｉｔｅ＋５０）／１００ ・・・（式１）
各種の訓練データ２５を図１６に示したアルゴリズムで学習することによって、弱識別器ｈｔごとに、特徴量Ｐ全域（０．０〜１．０）を０．１刻みの１０のビンに区切った各ビンの信頼度ｈｔ（Ｘｉ）を決定する。ここで、変数Ｘｉは区切ったビンの値（番号）を示し、Ｘｉ＝１、２、・・・、１０となる。もしｋ区分した場合は、Ｘｉ＝１、２、・・・、ｋとなる。１個の弱識別器ｈｔの特徴量Ｐの各ビンの信頼度ｈｔ（Ｘｉ）をグラフ化したものが図１８であり、これを全弱識別器ｈｔについて定義する。
【００９５】
以上の方法で、弱識別器定義データのデータ要素として、弱識別器ｈｔが比較するセル群の範囲（領域）と、特徴量Ｐを１０区分した各ビンの信頼度ｈｔ（Ｘｉ）との組を、全弱識別器ｈｔについて作成する。
【００９６】
なお、上述中で示した行数やセル数等は一例であり、認識すべき２次元分布データやその正規化データにより、本発明の技術的範囲において適宜変更し得るものである。
【００９７】
（パターン認識の詳細説明）
パターン認識処理部が行うパターン認識の方法について詳細に説明する。
【００９８】
図１７（ｃ）は、２次元分布データを正規化処理部によって正規化して作成された正規化データのうち、分布関数ｙ＝ｆ（ｘ）の係数ａ＝ａｎのときについて、パターン認識するために必要な範囲の正規化データをマッピングした図である。
【００９９】
具体的には、係数ａ＝ａ（ｎ−７）から係数ａ＝ａ（ｎ＋７）までの正規化データであり、黒で示されたセルは、その係数値のときに、そのセルに２次元分布データ２１が存在していることを示している。
【０１００】
また、図１７（ｄ）は、弱識別器ｈ１の認識領域図を模式的に示したものである。黒で示した領域と白で示した領域が弱識別器ｈ１のパターン認識すべき領域である。
【０１０１】
（１）まず、図１７（ｃ）で示した正規化データマッピング図に、図１７（ｄ）示した弱識別器ｈｔの比較領域を重ねる。
【０１０２】
（２）次に、正規化データマッピング図で、図１７（ｄ）の認識領域図の黒で示した領域に含まれるセルと白で示した領域に含まれるセルのセル情報の合計の差分を求める。
【０１０３】
（３）前述した式１によって、係数ａ＝ａｎのときの弱識別器ｈ１による認識すべき２次元分布データ２２の特徴量Ｐを算出する。
【０１０４】
（４）弱識別器定義データ２３に定義されている弱識別器ｈ１の（３）で算出された特徴量Ｐを含むビンに対する信頼度を、このときの弱識別器ｈ１の認識スコアとする。
【０１０５】
たとえば、弱識別器ｈ１の（３）で算出された特徴量Ｐが０．３５であれば、ビンＸｉ＝４（０．３〜０．４の区分）に含まれるので、信頼度ｈｔ（Ｘｉ）＝ｈ１（４）が、弱識別器ｈ１の認識スコアとなる。
【０１０６】
（５）他の弱識別器ｈｔのすべてについて、（１）〜（４）を実行し、各弱識別器ｈｔの認識スコアを算出する。
【０１０７】
（６）次に、各弱識別器ｈｔの認識スコアを合計して、係数ａ＝ａｎのときの強識別器Ｈの認識スコアとする。
【０１０８】
（７）係数ａの値すべてについて、（１）〜（６）を繰り返し、強識別器Ｈの認識スコアが最大となる係数ａの値を決定する。この係数ａの値の分布関数ｙ＝ｆ（ｘ）がパターン認識処理部１３の認識した結果となる。
【実施例】
【０１０９】
本発明の認識システム１０を、航空レーザー計測システムによって測量された地表面のレーザー計測データから送電線の弛み状態等の形状を特定ために適用した実施例について説明する。
【０１１０】
本発明の実施例における送電線認識システム１０ａの概要構成を図示すると図１９のようになり、送電線認識システム１０ａの構成は、図１に示した認識システム１０と同様であり、記憶手段２０に保存される２次元分布データ２１として、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから、任意の鉄塔間の垂直方向の２次元平面上に展開したレーザー計測データ（以下、２次元化航空レーザー計測データ２１ａという）を使用する。
【０１１１】
したがって、送電線認識システム１０ａの各構成要素の説明は、認識システム１０と同様となるため、ここでは省略し、２次元化航空レーザー計測データ２１ａについてのみ説明する。
【０１１２】
２次元化航空レーザー計測データ２１ａは、以下の手順で作成されたデータである。
【０１１３】
（１）航空レーザー計測システムによって測量された地表面の３次元レーザー計測データは、照射したレーザーの反射点を測定し、その３次元座標を記録したデータである。この図２０に示すように、３次元レーザー計測データを分布図形式で表示すると、立体的に地表面を把握できる。
【０１１４】
（２）ここで、真横から観察した送電線の状態を知るため、送電線の張られた鉄塔間の垂直方向の２次元平面上のレーザー計測データのみを抽出する。ただし、送電線の揺れやレーザー反射の乱れ等で、計測される点に誤差が生じることを考慮して、垂直方向の２次元平面にある程度厚みを持たせ、つまり水平方向の座標に一定範囲の幅を許容して、レーザー計測データの抽出を行う。
【０１１５】
抽出された２次元化航空レーザー計測データ２１ａは、図３に示した２次元分布データ２１と同じデータ要素となり、データ入力手段３０によって、記憶手段２０に保存ざれる。
【０１１６】
図２１と図２２は、抽出された２次元化航空レーザー計測データ２１ａを分布図形式で表示した図であり、図２１は、太い高電圧線の場合であり、高電圧線の弛みの状態が肉眼でも把握できる。一方、 図２２は、細い低電圧線の場合であり、低電圧線は表面近くに存在し、さらに抽出されたレーザー計測データが少ないため、弛みの状態を肉眼で把握しにくい。
【０１１７】
図２２のように弛みの状態を肉眼では把握しにくい場合でも、本発明の送電線認識システム１０ａによって、送電線の形状を認識することができる。
【０１１８】
また、実施例の送電線認識システム１０ａでは、弱識別器定義データ２３に定義する弱識別器ｈｔとして、図２３に示した４６個を定義した。
【０１１９】
各弱識別器ｈｔは、黒で示した領域と白で示した領域に含まれる各セルのセル情報をそれぞれ合計して、式１によって特徴量Ｐを算出し、弱識別器定義データ２３で特徴量Ｐに定義された信頼度ｈｔ（Ｘｉ）を読み出し、認識スコアとする。
【０１２０】
４６個の弱識別器ｈｔすべての認識スコアを合計して、４６個の弱識別器ｈｔで作られた強識別器Ｈの認識スコアとする。
【０１２１】
（処理の説明）
次に、図２４を参照しながら、送電線認識システム１０ａの処理の流れを説明する。
【０１２２】
（イ）データの準備：
外部の計測システムによって得られた２次元化航空レーザー計測データ２１ａと初期値を設定した弱識別器定義データ２３を、データ入力手段３０によって記憶手段２０に取り込む（Ｓ１００ａ）。
【０１２３】
（ロ）データの読み込み：
データ読込部１１は、記憶手段２０に保存された２次元化航空レーザー計測データ２１ａを読み込む（Ｓ１０１ａ）。また、必要に応じて、読み込んだ２次元化航空レーザー計測データ２１ａを図３に示したデータ要素一覧形式や図２１、図２２に示した分布図形式で出力手段４０に出力表示する。
【０１２４】
（ハ）正規化：
正規化処理部１２は、データ読込部１１によって読み込まれた２次元化航空レーザー計測データ２１ａのどの区間を認識対象とするか、送電線支持点（鉄塔）の座標を指定する（Ｓ１０２ａ）。
【０１２５】
次に、正規化処理部１２は、指定した両端の座標から、認識対象区間に適用する２次関数ｙ＝ａｘ２＋ｂｘ＋ｃについて決定できる係数ｂとｃを算出し決定する（Ｓ１０３ａ）。
【０１２６】
つづいて、正規化処理部１２は、２次関数ｙ＝ａｘ２＋ｂｘ＋ｃの係数ａを変化させていき、各係数値ａｉについての正規化データ要素を求めて正規化データ２２を作成し、作成された正規化データ２２を記憶手段２０に記憶する（Ｓ１０４ａ）。
【０１２７】
（ニ）パターン認識：
まず、パターン認識処理部１３は、記憶手段２０から正規化データ２２と弱識別器定義データ２３を読み込む（Ｓ１０５ａ）。
【０１２８】
次に、パターン認識処理部１３は、読み込んだ弱識別器定義データ２３に基づいて、読み込んだ正規化データ２２から各弱識別器ｈｔによってパターン認識した結果（認識スコア）を各係数値ａｉについて算出する（Ｓ１０６ａ）。
【０１２９】
最終的に、パターン認識処理部１３は、各係数値ａｉに対するパターン認識の認識スコアを比較して、認識スコアが最大点である係数値ａｉを決定し、認識対象区間に適用する２次関数ｙ＝ａｘ２＋ｂｘ＋ｃを確定する（Ｓ１０７ａ）。
【０１３０】
パターン認識処理部１３は、確定した２次関数ｙ＝ａｘ２＋ｂｘ＋ｃを出力手段４０に出力表示する（Ｓ１０８ａ）。
【０１３１】
このとき、図２１や図２２に示した２次元化航空レーザー計測データ２１ａの分布図上に重ねて表示させることで、２次元化航空レーザー計測データ２１ａの正しい点データとノイズデータを区別したり、ノイズデータを除いた２次元化航空レーザー計測データ２１ａのみを表示させたりしてもよい。
【０１３２】
図２５と図２６は、図２１と図２２に示した２次元化航空レーザー計測データ２１ａを認識して得られる２次関数ｙ＝ａｘ２＋ｂｘ＋ｃの軌跡（破線で表示）を、それぞれ重ねて表示したものである。
【０１３３】
つづいて、出力手段４０に出力表示されたパターン認識処理部１３によって認識された二次関数ｙ＝ａｘ２＋ｂｘ＋ｃが妥当であるかが作業者によって判定され、認識判定部１４は、作業者が入力する判定結果を確認する。（Ｓ１０９ａ）
認識判定部１４は、正解と判定されている場合は、記憶手段２０に正解認識データ２４として保存し（Ｓ１１０ａ）、誤りと判定されている場合は、二次関数ｙ＝ａｘ２＋ｂｘ＋ｃを正しく修正した正解関数および正解データと、誤認識を生じさせた誤認識データを記憶手段２０に訓練データ２５として保存する（Ｓ１１１ａ）。
【０１３４】
入力された２次元化航空レーザー計測データ２１ａについて、さらに認識すべき別の認識対象区間がある場合は、再度（ハ）の正規化処理から繰り返す（Ｓ１１２ａ）。
【０１３５】
（ホ）学習：
イ）〜二）によって、２次元化航空レーザー計測データ２１ａのパターン認識が実行された結果、パターン認識に誤りが生じた場合、パターン認識に使用している弱識別器ｈｔの定義を修正する必要がある。
【０１３６】
そこで学習部１５は、記憶手段２０に保存された訓練データ２５を使って学習を行い、記憶手段２０に保存された弱識別器ｈｔの弱識別器定義データ２３を更新する。
【０１３７】
以上が、送電線認識システム１０ａの認識処理の流れであり、正規化データ作成技法、学習アルゴリズムと弱識別器定義データ作成技法、およびパターン認識技法については、認識システム１０について説明したものと同様である。
【０１３８】
なお、本発明はここでは記載していない様々な実施の形態等を含むことは勿論である。本発明の技術的範囲は上記の説明から妥当な特許請求の範囲に係る発明特定事項によってのみ定められるものである。
【図面の簡単な説明】
【０１３９】
【図１】認識システムの構成図。
【図２】２次元分布データの分布図。
【図３】２次元分布データのデータ要素一覧。
【図４】正規化データのデータ要素一覧。
【図５】弱識別器定義データのデータ要素一覧。
【図６】正解認識データのデータ要素一覧。
【図７】訓練データのデータ要素一覧。
【図８】認識システムの処理フロー図。
【図９】正規化データの作成手順図。
【図１０】正規化データの作成手順図。
【図１１】係数ａ＝ａ１のときの正規化データ要素一覧。
【図１２】正規化データの作成手順図。
【図１３】係数ａ＝ａｎのときの正規化データ要素一覧。
【図１４】正規化データマッピング図。
【図１５】Ｈａａｒ‐ｌｉｋｅ特徴量の弱識別器。
【図１６】リアルアダブーストの学習アルゴリズム図。
【図１７】（ｃ）正規化データマッピング図、（ｄ）弱識別器の定義図。
【図１８】特徴量の各ビンの重み係数のグラフ。
【図１９】送電線認識システムの構成図。
【図２０】３次元レーザー計測データの分布図。
【図２１】太い高電圧線の場合の２次元化航空レーザー計測データの分布図。
【図２２】細い低電圧線の場合の２次元化航空レーザー計測データの分布図。
【図２３】４６個の弱識別器定義図。
【図２４】送電線認識システムの処理フロー図。
【図２５】太い高電圧線の場合の認識軌跡図。
【図２６】細い低電圧線の場合の認識軌跡図。
【図２７】２次元分布データの例。
【符号の説明】
【０１４０】
１０ 認識システム
１０ａ 送電線認識システム
１１ データ読込部
１２ 正規化処理部
１３ パターン認識処理部
１４ 認識判定部
１５ 学習部
２０ 記憶手段
２１ ２次元分布データ
２１ａ ２次元化航空レーザー計測データ
２２ 正規化データ
２３ 弱識別器定義データ
２４ 正解認識データ
２５ 訓練データ
３０ データ入力手段
４０ 出力手段
【特許請求の範囲】
【請求項１】
中央情報処理回路、記憶手段、データ入力手段および出力手段を備えたコンピュータ上に構築された認識システムであって、
前記記憶手段に保存された２次元分布データ、正規化データ、弱識別器定義データ、正解認識データ、および訓練データと、
前記記憶手段と前記出力手段に接続され、前記記憶手段に保存された前記２次元分布データを読み込む処理を前記中央情報処理回路に実行させるデータ読込部と、
前記記憶手段、前記出力手段、および前記データ読込部に接続され、前記データ読込部によって前記記憶手段から読み出された前記２次元分布データを前記正規化データに変換する処理を前記中央情報処理回路に実行させ、生成された前記正規化データを前記記憶手段に保存する正規化処理部と、
前記記憶手段、前記出力手段、および前記正規化処理部に接続され、前記記憶手段に保存された前記弱識別器定義データを読み出し、前記弱識別器定義データを前記正規化処理部によって生成された前記正規化データに適用し、パターン認識を前記中央情報処理回路に実行させ、認識結果を前記出力手段に表示するパターン認識処理部と、
前記記憶手段、前記出力手段、および前記パターン認識処理部に接続され、前記パターン認識処理部によって出力された前記認識結果が正解か誤りかの判定を確認する処理を前記中央情報処理回路に実行させ、正解と判定された場合は、前記記憶手段に前記正解認識データとして保存し、誤りと判定された場合は、前記記憶手段に前記訓練データの誤認識データとして保存する認識判定部
とを含むことを特徴とする認識システム。
【請求項２】
前記記憶手段に接続され、前記認識判定部によって前記記憶手段に保存された前記訓練データを読み出し、前記訓練データでブースティング学習アルゴリズムによる学習を前記中央情報処理回路に実行させ、新たに定義された前記弱識別器定義データにより、前記記憶手段に既に保存されている前記弱識別器定義データを更新する学習部をさらに含む請求項１に記載の認識システム。
【請求項３】
送電線を認識するため、前記２次元分布データは、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから得られる、任意の鉄塔間の垂直方向の２次元平面上に展開した２次元化航空レーザー計測データである請求項１または２に記載の認識システム。
【請求項４】
中央情報処理回路、記憶手段、データ入力手段および出力手段を備えたコンピュータによる認識方法であって、
外部の計測システムによって得られた２次元分布データと初期値を設定した弱識別器定義データを、前記データ入力手段から前記記憶手段に取り込むステップと、
前記記憶手段に保存された前記２次元分布データを読み込むステップと、
読み込まれた前記２次元分布データのどの区間を認識対象とするか、認識対象区間の両端を指定するステップと、
指定した前記両端の座標から、前記認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）について決定できる係数があれば、算出し決定するステップと、
前記分布関数ｙ＝ｆ（ｘ）の係数のうちで前記両端の座標のみでは決定できない係数を変化させ、各係数値についての正規化データ要素を求めて正規化データを作成し、作成された前記正規化データを前記記憶手段に記憶するステップと、
前記記憶手段から前記正規化データと前記弱識別器定義データを読み込むステップと、
読み込んだ前記弱識別器定義データに基づいて、読み込んだ前記正規化データから各弱識別器によってパターン認識した認識スコアの合計を前記各係数値について算出するステップと、
前記各係数値に対する前記パターン認識の前記認識スコアの合計を比較して、前記認識スコアの合計が最大点である係数値を決定し、前記認識対象区間に適用する前記分布関数ｙ＝ｆ（ｘ）を確定するステップ
とを含むことを特徴とする認識方法。
【請求項５】
確定した前記分布関数ｙ＝ｆ（ｘ）を前記出力手段に出力表示するステップと、
前記出力手段に出力表示された確定した前記分布関数ｙ＝ｆ（ｘ）が妥当であるか作業者が入力する判定結果を確認するステップと、
正解と判定されている場合は、前記記憶手段に正解認識データとして保存し、誤りと判定されている場合は、前記分布関数ｙ＝ｆ（ｘ）を正しく修正した正解関数および正解データと、誤認識を生じさせた誤認識データを前記記憶手段に訓練データとして保存するステップ
とをさらに含む請求項４に記載の認識方法。
【請求項６】
前記記憶手段に保存された前記訓練データを読み出し、ブースティング学習アルゴリズムを用いて学習を行い、前記各弱識別器の信頼度ｈｔ（Ｘｉ）を設定し直した前記弱識別器定義データを作成し、前記記憶手段に既に保存している前記弱識別器定義データを更新するステップをさらに含む請求項５に記載の認識方法。
【請求項７】
送電線を認識するため、前記２次元分布データは、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから得られる、任意の鉄塔間の垂直方向の２次元平面上に展開した２次元化航空レーザー計測データである請求項４ないし６のいずれか１項に記載の認識方法。
【請求項８】
弱識別器定義データと外部の計測システムによって得られた２次元分布データとを用いる認識プログラムであって、
中央情報処理回路、記憶手段、データ入力手段および出力手段を備えたコンピュータに、
前記２次元分布データと初期値を設定した前記弱識別器定義データを、前記データ入力手段から前記記憶手段に取り込ませ、
前記記憶手段に保存された前記２次元分布データを読み込ませ、
読み込まれた前記２次元分布データのどの区間を認識対象とするか、指定された認識対象区間の両端を識別させ、
指定された前記両端の座標から、前記認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）について決定できる係数があれば、算出し決定させ、
前記分布関数ｙ＝ｆ（ｘ）の係数のうちで前記両端の座標のみでは決定できない係数を変化させ、各係数値についての正規化データ要素を求めて正規化データを作成させ、作成された前記正規化データを前記記憶手段に記憶させ、
前記記憶手段から前記正規化データと前記弱識別器定義データを読み込ませ、
読み込んだ前記弱識別器定義データに基づいて、読み込んだ前記正規化データから各弱識別器によってパターン認識させた認識スコアの合計を前記各係数値について算出させ、
前記各係数値に対する前記パターン認識の前記認識スコアの合計を比較して、前記認識スコアの合計が最大点である係数値を決定し、前記認識対象区間に適用する前記分布関数ｙ＝ｆ（ｘ）を確定させる
ことを特徴とする認識プログラム。
【請求項９】
前記コンピュータに、
確定した前記分布関数ｙ＝ｆ（ｘ）を前記出力手段に出力表示させ、
前記出力手段に出力表示された確定した前記分布関数ｙ＝ｆ（ｘ）が妥当であるか作業者が入力する判定結果を識別させ、
正解と判定されている場合は、前記記憶手段に正解認識データとして保存し、誤りと判定されている場合は、前記分布関数ｙ＝ｆ（ｘ）を正しく修正した正解関数および正解データと、誤認識を生じさせた誤認識データを前記記憶手段に訓練データとして保存させる
ことをさらに含む請求項８に記載の認識プログラム。
【請求項１０】
前記コンピュータに、
前記記憶手段に保存された前記訓練データを読み出し、ブースティング学習アルゴリズムを用いて学習を行い、前記各弱識別器の信頼度ｈｔ（Ｘｉ）を設定し直した前記弱識別器定義データを作成し、前記記憶手段に既に保存している前記弱識別器定義データを更新させることをさらに含む請求項９に記載の認識プログラム。
【請求項１１】
送電線を認識するため、前記２次元分布データは、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから得られる、任意の鉄塔間の垂直方向の２次元平面上に展開した２次元化航空レーザー計測データである請求項８ないし１０のいずれか１項に記載の認識プログラム。
【請求項１】
中央情報処理回路、記憶手段、データ入力手段および出力手段を備えたコンピュータ上に構築された認識システムであって、
前記記憶手段に保存された２次元分布データ、正規化データ、弱識別器定義データ、正解認識データ、および訓練データと、
前記記憶手段と前記出力手段に接続され、前記記憶手段に保存された前記２次元分布データを読み込む処理を前記中央情報処理回路に実行させるデータ読込部と、
前記記憶手段、前記出力手段、および前記データ読込部に接続され、前記データ読込部によって前記記憶手段から読み出された前記２次元分布データを前記正規化データに変換する処理を前記中央情報処理回路に実行させ、生成された前記正規化データを前記記憶手段に保存する正規化処理部と、
前記記憶手段、前記出力手段、および前記正規化処理部に接続され、前記記憶手段に保存された前記弱識別器定義データを読み出し、前記弱識別器定義データを前記正規化処理部によって生成された前記正規化データに適用し、パターン認識を前記中央情報処理回路に実行させ、認識結果を前記出力手段に表示するパターン認識処理部と、
前記記憶手段、前記出力手段、および前記パターン認識処理部に接続され、前記パターン認識処理部によって出力された前記認識結果が正解か誤りかの判定を確認する処理を前記中央情報処理回路に実行させ、正解と判定された場合は、前記記憶手段に前記正解認識データとして保存し、誤りと判定された場合は、前記記憶手段に前記訓練データの誤認識データとして保存する認識判定部
とを含むことを特徴とする認識システム。
【請求項２】
前記記憶手段に接続され、前記認識判定部によって前記記憶手段に保存された前記訓練データを読み出し、前記訓練データでブースティング学習アルゴリズムによる学習を前記中央情報処理回路に実行させ、新たに定義された前記弱識別器定義データにより、前記記憶手段に既に保存されている前記弱識別器定義データを更新する学習部をさらに含む請求項１に記載の認識システム。
【請求項３】
送電線を認識するため、前記２次元分布データは、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから得られる、任意の鉄塔間の垂直方向の２次元平面上に展開した２次元化航空レーザー計測データである請求項１または２に記載の認識システム。
【請求項４】
中央情報処理回路、記憶手段、データ入力手段および出力手段を備えたコンピュータによる認識方法であって、
外部の計測システムによって得られた２次元分布データと初期値を設定した弱識別器定義データを、前記データ入力手段から前記記憶手段に取り込むステップと、
前記記憶手段に保存された前記２次元分布データを読み込むステップと、
読み込まれた前記２次元分布データのどの区間を認識対象とするか、認識対象区間の両端を指定するステップと、
指定した前記両端の座標から、前記認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）について決定できる係数があれば、算出し決定するステップと、
前記分布関数ｙ＝ｆ（ｘ）の係数のうちで前記両端の座標のみでは決定できない係数を変化させ、各係数値についての正規化データ要素を求めて正規化データを作成し、作成された前記正規化データを前記記憶手段に記憶するステップと、
前記記憶手段から前記正規化データと前記弱識別器定義データを読み込むステップと、
読み込んだ前記弱識別器定義データに基づいて、読み込んだ前記正規化データから各弱識別器によってパターン認識した認識スコアの合計を前記各係数値について算出するステップと、
前記各係数値に対する前記パターン認識の前記認識スコアの合計を比較して、前記認識スコアの合計が最大点である係数値を決定し、前記認識対象区間に適用する前記分布関数ｙ＝ｆ（ｘ）を確定するステップ
とを含むことを特徴とする認識方法。
【請求項５】
確定した前記分布関数ｙ＝ｆ（ｘ）を前記出力手段に出力表示するステップと、
前記出力手段に出力表示された確定した前記分布関数ｙ＝ｆ（ｘ）が妥当であるか作業者が入力する判定結果を確認するステップと、
正解と判定されている場合は、前記記憶手段に正解認識データとして保存し、誤りと判定されている場合は、前記分布関数ｙ＝ｆ（ｘ）を正しく修正した正解関数および正解データと、誤認識を生じさせた誤認識データを前記記憶手段に訓練データとして保存するステップ
とをさらに含む請求項４に記載の認識方法。
【請求項６】
前記記憶手段に保存された前記訓練データを読み出し、ブースティング学習アルゴリズムを用いて学習を行い、前記各弱識別器の信頼度ｈｔ（Ｘｉ）を設定し直した前記弱識別器定義データを作成し、前記記憶手段に既に保存している前記弱識別器定義データを更新するステップをさらに含む請求項５に記載の認識方法。
【請求項７】
送電線を認識するため、前記２次元分布データは、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから得られる、任意の鉄塔間の垂直方向の２次元平面上に展開した２次元化航空レーザー計測データである請求項４ないし６のいずれか１項に記載の認識方法。
【請求項８】
弱識別器定義データと外部の計測システムによって得られた２次元分布データとを用いる認識プログラムであって、
中央情報処理回路、記憶手段、データ入力手段および出力手段を備えたコンピュータに、
前記２次元分布データと初期値を設定した前記弱識別器定義データを、前記データ入力手段から前記記憶手段に取り込ませ、
前記記憶手段に保存された前記２次元分布データを読み込ませ、
読み込まれた前記２次元分布データのどの区間を認識対象とするか、指定された認識対象区間の両端を識別させ、
指定された前記両端の座標から、前記認識対象区間に適用する分布関数ｙ＝ｆ（ｘ）について決定できる係数があれば、算出し決定させ、
前記分布関数ｙ＝ｆ（ｘ）の係数のうちで前記両端の座標のみでは決定できない係数を変化させ、各係数値についての正規化データ要素を求めて正規化データを作成させ、作成された前記正規化データを前記記憶手段に記憶させ、
前記記憶手段から前記正規化データと前記弱識別器定義データを読み込ませ、
読み込んだ前記弱識別器定義データに基づいて、読み込んだ前記正規化データから各弱識別器によってパターン認識させた認識スコアの合計を前記各係数値について算出させ、
前記各係数値に対する前記パターン認識の前記認識スコアの合計を比較して、前記認識スコアの合計が最大点である係数値を決定し、前記認識対象区間に適用する前記分布関数ｙ＝ｆ（ｘ）を確定させる
ことを特徴とする認識プログラム。
【請求項９】
前記コンピュータに、
確定した前記分布関数ｙ＝ｆ（ｘ）を前記出力手段に出力表示させ、
前記出力手段に出力表示された確定した前記分布関数ｙ＝ｆ（ｘ）が妥当であるか作業者が入力する判定結果を識別させ、
正解と判定されている場合は、前記記憶手段に正解認識データとして保存し、誤りと判定されている場合は、前記分布関数ｙ＝ｆ（ｘ）を正しく修正した正解関数および正解データと、誤認識を生じさせた誤認識データを前記記憶手段に訓練データとして保存させる
ことをさらに含む請求項８に記載の認識プログラム。
【請求項１０】
前記コンピュータに、
前記記憶手段に保存された前記訓練データを読み出し、ブースティング学習アルゴリズムを用いて学習を行い、前記各弱識別器の信頼度ｈｔ（Ｘｉ）を設定し直した前記弱識別器定義データを作成し、前記記憶手段に既に保存している前記弱識別器定義データを更新させることをさらに含む請求項９に記載の認識プログラム。
【請求項１１】
送電線を認識するため、前記２次元分布データは、航空レーザー計測システムによって測量された地表面の３次元レーザー計測データから得られる、任意の鉄塔間の垂直方向の２次元平面上に展開した２次元化航空レーザー計測データである請求項８ないし１０のいずれか１項に記載の認識プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１８】
【図１９】
【図２３】
【図２４】
【図１７】
【図２０】
【図２１】
【図２２】
【図２５】
【図２６】
【図２７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１８】
【図１９】
【図２３】
【図２４】
【図１７】
【図２０】
【図２１】
【図２２】
【図２５】
【図２６】
【図２７】
【公開番号】特開２０１０−１１２８８９（Ｐ２０１０−１１２８８９Ａ）
【公開日】平成２２年５月２０日（２０１０．５．２０）
【国際特許分類】
【出願番号】特願２００８−２８７０３９（Ｐ２００８−２８７０３９）
【出願日】平成２０年１１月７日（２００８．１１．７）
【出願人】（５９１０７４１６１）アジア航測株式会社 (48)
【Ｆターム（参考）】
【公開日】平成２２年５月２０日（２０１０．５．２０）
【国際特許分類】
【出願日】平成２０年１１月７日（２００８．１１．７）
【出願人】（５９１０７４１６１）アジア航測株式会社 (48)
【Ｆターム（参考）】
[ Back to top ]