法律状态公告日
法律状态信息
法律状态
2014-08-13
授权
授权
2012-07-04
实质审查的生效 IPC(主分类):G06T7/60 申请日:20100722
实质审查的生效
2012-05-23
公开
公开
技术领域
本发明涉及生成标记的标记生成装置、具有该标记生成装置的标记生 成检测系统、具有标记生成功能和检测功能的标记生成检测装置、该标记、 生成该标记的标记生成方法以及用于执行该标记生成的标记生成程序。
背景技术
判别在某空间内是否存在所希望的物体的方法，有如下方法。
例如，有以下技术：在标记生成阶段，通过影像输入单元拍摄不存在 标记的空间的图像作为背景影像，并从该背景影像中提取特征点，在不变 量特征空间中，映现该特征点来作为不变特征，将未示出该不变特征的部 分作为特殊特征，并根据该特殊特征来生成标记图案，在标记检测阶段， 拍摄含有带标记的物体的空间的图像作为检测对象影像，并从该检测对象 影像中提取特征点，判断在该特征点的配置中是否有与从标记图案中提取 的特征点的配置一致的特征点的配置，当有一致的特征点时，将它检测为 标记(例如，参照专利文献1)。
根据该技术，能够在标记生成阶段，将在背景影像中未示出的图案生 成为标记图案。因此，在标记检测阶段中，不会在检测对象影像之中不存 在标记之处误检测出标记，而能够可靠地检测出物体所带有的标记。
(现有技术文献)
(专利文献)
专利文献1：国际公开第2008/090908号发行册
(发明的概要)
(发明所要解决的技术问题)
然而，在上述专利文献1所记载的技术(以下，称为“文献技术”) 中，存在以下状况。
在该文献技术中所生成的标记图案，仅有一种。
因此，即使以多个种类划分作为检测对象的物体时，也与该种类无关 地对任何物体都赋予相同的标记。因此，即使能够检测出物体，也不能检 测出其种类。
发明内容
本发明是鉴于上述问题而发明，其目的在于，提供一种能够生成多个 种类的标记图案并按照每个种类检测出物体的标记生成装置、标记生成检 测系统、标记生成检测装置、标记、标记生成方法以及标记生成程序。
本发明的标记生成装置，具有：特殊特征选择单元，其从图像中提取 特征点，在规定的空间中表示所述特征点，并选择所述空间中所述特征点 为规定个数以下的多个部分作为特殊特征；和标记图案生成单元，其采用 多个所述特殊特征之中的全部或一部分来生成多个种类的标记图案。
本发明的标记生成检测系统，具有标记生成装置和标记检测装置，所 述标记生成装置具有：第一影像输入单元，其输入图像；第一配置单元， 其从由该第一影像输入单元所输入的所述图像提取特征点，并在规定的空 间中表示这些提取出的特征点；特殊特征选择单元，其选择所述空间中所 述特征点为规定个数以下的部分作为特殊特征；和标记生成单元，其采用 所述特殊特征来生成多个种类的标记图案，所述标记检测装置具有：标记 存储单元，其存储多个种类的所述标记图案；第二影像输入单元，其输入 图像；第二配置单元，其根据由该第二影像输入单元所输入的所述图像来 提取特征点，并在规定的空间中表示该提取出的特征点；和对照单元，其 判断在所述规定的空间中所示出的特征点群的配置之中是否有以所述标 记图案为基础的特征点的配置。
本发明的标记生成检测装置，具有：第一影像输入单元，其输入图像； 第一配置单元，其从由该第一影像输入单元所输入的所述图像中提取特征 点，并在规定的空间中表示这些提取出的特征点；特殊特征选择单元，其 选择所述空间中所述特征点为规定个数以下的部分作为特殊特征；和标记 生成单元，其使用所述特殊特征来生成多个种类的标记图案；标记存储单 元，其存储所述标记图案；第二影像输入单元，其输入图像；第二配置单 元，其根据由该第二影像输入单元所输入的所述图像提取特征点，并在规 定的空间中表示该提取出的特征点；和对照单元，其判断在所述规定的空 间所示出的特征点群的配置之中是否有以所述标记图案为基础的特征点 的配置。
本发明的标记，其按照每个图像来提取特征点，并在规定的空间中表 示这些提取出的特征点，在该规定的空间中，选择所述特征点为规定个数 以下的部分作为特殊特征，并使用该被选择出的特殊特征生成多个种类。
本发明的标记生成方法，具有：输入图像的工序；从所述图像中提取 特征点的工序；在规定的空间中表示所述特征点的工序；选择所述空间中 所述特征点为规定个数以下的多个部分作为特殊特征的工序；和采用多个 所述特殊特征之中的全部或一部分来生成多个种类的标记图案的工序。
本发明的标记生成程序，使信息处理装置执行以下处理：输入图像的 处理；从所述图像中提取特征点的处理；在规定的空间中表示所述特征点 的处理；选择所述空间中所述特征点为规定个数以下的多个部分作为特殊 特征的处理；和采用多个所述特殊特征之中的全部或一部分来生成多个种 类的标记图案的处理。
(发明效果)
根据本发明的标记生成装置、标记生成检测系统、标记生成检测装置、 标记、标记生成方法以及标记生成程序，在根据特殊特征群设计标记时， 能够通过改变所选择的特殊特征的组合，生成多个种类的标记图案。并且， 通过将标记图案的种类与物体的种类建立对应，按照这些物体的每个种类 赋予相应的种类的标记，从而不仅能检测出物体，还能够检测出物体的种 类。
附图说明
图1是表示本发明的第一实施方式中的标记生成装置的结构的方框 图。
图2是表示本发明的第一实施方式中的标记生成装置的详细的结构 的方框图。
图3是表示特征点检测表的结构的图表。
图4是表示特殊特征表的结构的图表。
图5是表示特殊特征配置图的结构的图。
图6是表示特殊特征的配置的图。
图7是表示使用特殊特征组合表的结构的图表。
图8是表示标记图案的生成例的图。
图9是表示标记图案的另一个生成例的图。
图10是表示特征点之间的距离的图。
图11是表示特殊特征之间距离计算表的结构的图表。
图12是表示选择两个由三个特殊特征构成的使用特殊特征群时的组 合的图。
图13是表示两个使用特殊特征群中的各特殊特征之间的距离的图。
图14是表示两个使用特殊特征群的各特殊特征之间的距离之总和的 图。
图15是表示所选择的两个使用特殊特征群的图。
图16是表示使一个使用特殊特征群中的特殊特征之一与其它使用特 殊特征群中的特殊特征之一重合时的各使用特殊特征群的位置的图。
图17是表示使一个使用特殊特征群中的特殊特征之一与其它使用特 殊特征群中特殊特征之一重合时的未重合的特殊特征之间的距离的图。
图18是表示使一个使用特殊特征群中的特殊特征之一与其它使用特 殊特征群中特殊特征之一重合时的未重合的特殊特征之间的距离总和的 图表。
图19是表示依次使一个使用特殊特征群中的特殊特征之一与其它使 用特殊特征群中特殊特征之一重合时的未重合的特殊特征之间的距离总 和的一览的图表。
图20是表示形状近似值的图。
图21是表示本发明的第一实施方式中的标记生成装置的工作步骤 (标记生成方法)的流程图。
图22是表示使用特殊特征的选择处理(i)的工作步骤的流程图。
图23是表示使用特殊特征的选择处理(ii)的工作步骤的流程图。
图24是表示使用特殊特征的选择处理(iii)的工作步骤的流程图。
图25是表示使用特殊特征的选择处理(iv)的工作步骤的流程图。
图26是表示本发明的第二实施方式中的标记生成装置的结构的方框 图。
图27是表示对使用特殊特征群的物体的分配的图。
图28是表示两个使用特殊特征群间的编辑距离的图。
图29是表示根据编辑距离排列了多个使用特殊特征群的状态的图， (i)是表示将号码“2”的使用特殊特征群(t1，t2，t4)作为基准的情 况，(ii)是表示将号码“8”的使用特殊特征群(t2，t3，t5)作为基准的 情况。
图30是表示成为基准的使用特殊特征群(t1，t2，t3)与其它使用特 殊特征群之间的规定空间上的距离的图表。
图31是表示根据成为基准的使用特殊特征群(t1，t2，t3)与其它使 用特殊特征群之间的规定空间上的距离，以升序排列了各使用特殊特征群 的状态的图表。
图32是表示成为基准的使用特殊特征群(t1，t2，t4)与其它使用特 殊特征群之间的规定空间上的距离的图表。
图33是表示根据成为基准的使用特殊特征群(t1，t2，t4)与其它使 用特殊特征群之间的规定空间上的距离，以升序排列了各使用特殊特征群 的状态的图表。
图34是表示成为基准的使用特殊特征群(t2，t3，t5)与其它使用特 殊特征群之间的规定空间上的距离的图表。
图35是表示根据成为基准的使用特殊特征群(t2，t3，t5)与其它使 用特殊特征群之间的规定空间上的距离，以升序排列了各使用特殊特征群 的状态的图表。
图36是表示成为基准的使用特殊特征群(t1，t2，t3)与其它使用特 殊特征群之间的形状近似值的图表。
图37是表示根据成为基准的使用特殊特征群(t1，t2，t3)与其它使 用特殊特征群之间的形状近似值，按形状近似值小的顺序排列了各使用特 殊特征群的状态的图表。
图38是表示成为基准的使用特殊特征群(t1，t2，t4)与其它使用特 殊特征群之间的形状近似值的图表。
图39是表示根据成为基准的使用特殊特征群(t1，t2，t4)与其它使 用特殊特征群之间的形状近似值，按形状近似值小的顺序排列了各使用特 殊特征群的状态的图表。
图40是表示成为基准的使用特殊特征群(t2，t3，t5)与其它使用特 殊特征群之间的形状近似值的图表。
图41是表示根据成为基准的使用特殊特征群(t2，t3，t5)与其它使 用特殊特征群之间的形状近似值，按形状近似值小的顺序排列了各使用特 殊特征群的状态的图表。
图42是用灰色的网格表示了图20所示的形状近似值之中较大值的 图。
图43是表示根据成为基准的使用特殊特征群(t1，t3，t4)与其它使 用特殊特征群之间的形状近似值，按形状近似值小的顺序排列了各使用特 殊特征群的状态的图表。
图44是表示按照每个物体赋予了不同标记的情形的图。
图45是表示物体-标记对应表的结构的图表。
图46是表示本发明的第二实施方式中的标记生成装置的工作步骤 (标记生成方法)的流程图。
图47是表示对物体的标记的分配处理的步骤的流程图。
图48是表示本发明的第三实施方式中的标记生成装置的结构的方框 图。
图49是表示本发明的第三实施方式中的标记生成装置的详细的结构 的方框图。
图50是表示背景影像的示例的图。
图51是表示配置有从图50所示的背景影像中提取出的特征点的特征 空间的图。
图52是表示对配置在特征空间的特征点赋予了号码的情形的图。
图53是表示特征点信息表的结构的图表。
图54是表示赋予了区划线的特征空间的图。
图55是表示各个区划的名称的图。
图56是表示区划坐标表的结构的图表。
图57是表示特征点个数分布图的结构的图。
图58是表示包含区划坐标在内的特征点信息表的结构的图表。
图59是表示特殊特征配置图的结构的图。
图60是表示特殊特征配置图的其它结构的图。
图61是表示本发明的第三实施方式中的标记生成装置的工作步骤 (标记生成方法)的流程图。
图62是表示本发明的第四实施方式中的标记生成装置的结构的方框 图。
图63是表示将特征点5号作为基，在不变量特征空间映现各特征点 的情形的图。
图64是表示将特征点15号作为基，在不变量特征空间映现各特征点 的情形的图。
图65是表示将特征点89号作为基，在不变量特征空间映现各特征点 的情形的图。
图66是表示将特征点91号作为基，在不变量特征空间映现各特征点 的情形的图。
图67是表示在不变量特征空间映现所有图5所示的特征点的情形的 图。
图68是表示在不变量特征空间赋予了区划线之时的图。
图69是表示在配置有1以上的特征点的区划中赋予了灰色网格的不 变量特征空间的图。
图70是表示不变量特征空间中的标记图案生成范围的图。
图71是表示在图69中的不变量特征空间之中取出标记图案生成范围 的情形的图。
图72是表示本发明的第四实施方式中的标记生成装置的工作步骤 (标记生成方法)的流程图。
图73是表示标记检测装置的结构的方框图。
图74是表示标记检测装置的详细的结构的方框图。
图75是表示检测对象影像的示例的图。
图76是表示从检测对象影像中提取出的特征点的示例的图。
图77是表示标记检测方法的步骤的流程图。
图78是表示标记生成检测装置的结构的方框图。
图79是表示标记生成检测装置的详细的结构的方框图。
图80是表示标记生成检测系统的结构的方框图。
具体实施方式
以下，针对本发明的标记生成装置、标记生成检测系统、标记生成检 测装置、标记、标记生成方法以及标记生成程序的优选实施方式，参照附 图来进行说明。
[标记生成装置以及标记生成方法的第一实施方式]
首先，针对本发明的标记生成装置以及标记生成方法的第一实施方 式，参照图1来进行说明。该图是表示本实施方式的标记生成装置的结构 的方框图。
(标记生成装置)
如图1所示，标记生成装置1a具有：特殊特征选择单元10和标记图 案生成单元20a。
在此，特殊特征选择单元10，如图2所示，具有特殊特征存储部11 和特殊特征选择部12。
特殊特征存储部11，存储“特征点检测表”和“特殊特征表”。
“特征点检测表”是表示特征空间中的各区划的坐标和配置在各区 划中的特征点的个数的表。该“特征点检测表”，如图3所示，能够构成 为如下项目：“区划号码”(A)、“区划的x坐标”(B)、“区划的y坐标” (C)、“特征点个数”(D)。
“区划号码”是在将特征空间划分为多个区划中时按照各个区划赋 予的序列号码。
“区划的x坐标”是该区划所位于的x坐标。
“区划的y坐标”是该区划所位于的y坐标。
“特征点个数”是位于该区划的特征点的个数。
而且，在用三维表示特征空间时，在“特征点检测表”中，还能够将 “区划的z坐标”设置为项目。
“特殊特征表”是由与特殊特征相关的信息构成的表。该“特殊特 征表”，如图4所示，能够构成为如下项目：“特殊特征号码”(A)、“区 划号码”(B)、“区划的x坐标”(C)、“区划的y坐标”(D)、“特征点个 数”(E)。
“特殊特征号码”是按照各个特殊特征赋予的序列号码。
“区划号码”是作为特殊特征被选择的区划的区划号码。
“区划的x坐标”是作为该特殊特征被选择的区划所位于的x坐标。
“区划的y坐标”是作为该特殊特征被选择的区划所位于的y坐标。
“特征点个数”是位于该特殊特征中的特征点的个数。
而且，“特殊特征表”的“区划号码”、“区划的x坐标”、“区划的y 坐标”、“特征点个数”，与“特征点检测表”的“区划号码”、“区划的x 坐标”、“区划的y坐标”、“特征点个数”相对应。此外，在用三维表示特 征空间时，在“特殊特征表”中，还能够将“区划的z坐标”设置为项目。
特殊特征选择部12，若从外部输入“特征点检测表”，则将其存储在 特殊特征存储部11中。
此外，特殊特征选择部12，选择在特征空间中特征点的个数在规定 个数以下的区划作为特殊特征。即，特殊特征选择部12，在规定的时刻， 从特殊特征存储部11中取出“特征点检测表”。然后，特殊特征选择部 12，参照该取出的“特征点检测表”的“特征点个数”，在该“特征点个 数”所示的特征点个数之中，提取规定个数以下的特征点个数，并选择与 该提取出的特征点个数建立关联的区划号码的区划作为特殊特征。
具体而言，例如，将规定个数设为“1”时，在图3所示的“特征点 检测表”中，选择区划号码k51、k85、k96作为特殊特征。而且，规定个 数在本实施方式中，虽然将规定个数设为“1”，但并不局限于“1”，也可 以是“0”或“2”以上。
接着，特殊特征选择部12，从“特征点检测表”中提取与所选择的 特殊特征相关联的数据，并总汇为“特殊特征表”。此时，对各特殊特征 赋予序列号码(特殊特征号码)，追加到“特殊特征表”中。然后，特殊 特征选择部12使该“特殊特征表”存储在特殊特征存储部11中。
如此，特殊特征选择部12，选择在特征空间中特征点为规定个数以 下(含0)的区划作为特殊特征。即，特殊特征选择部12，如第三实施方 式所说明那样，选择从背景影像中提取出的特征点为规定个数以下的特征 空间的部位作为特殊特征。由此，特殊特征选择部12，能够提取与背景 图案不一致的特征，背景图案生成单元20a，能够使用该特殊特征，生成 与背景图案不一致的背景图案。
然而，事后，为了避免由于违背意图而产生的特征点的提取误差等而 导致特殊特征与背景图案类似，可以在特征空间内从比背景图案的特征不 存在的区域大的区域中选择特殊特征。
该特殊特征的选择处理，由于能够与从特殊空间中的特征点的分布发 现大的空白的问题视为相同，因此，例如，可以使用2003年文书解析识 别国际会议预稿集中公开的“An algorithm for Finding Maximal White space Rectangles at Arbitrary Orientations for Document Layout Analysis”等 算法，提取大的空白区域，并可以将不包含所得到的特征点的矩形区域的 中心作为特殊特征。
作为其它方法，可以通过特定大小的网眼对特征空间进行量化，生成 一维或多维的直方图，将特征点的发生频度为0或规定个数以下的网眼的 中心作为特殊特征等。当频度为0或规定个数以下的网眼不存在时，缩小 网眼的大小，取直方图，当出现频度为0或规定个数以下的网眼时，从此 时的网眼中选择特殊特征。当未发现频度为0或规定个数以下的网眼时， 可以通过既定值对直方图进行阈值处理，从既定值以下的网眼中选择特殊 特征。
图5、图6表示特殊特征选择部12所选择的特殊特征的示例。在图5 所示的特征空间(特殊特征配置图)中，以白色表示作为特殊特征的区划， 以灰色的网格表示未被作为特殊特征的区划。图6是根据图5所示的特殊 特征配置图，以黑圆“●”表示各个特殊特征的图。而且，特殊特征，能 够由规定个数以下的区划构成特征点，此外，还能够与这些区划一起，加 上特征空间(特殊特征配置图)的中心点，作为特殊特征。
标记图案生成单元20a，如图2所示，具有标记图案生成部21和标 记存储部22。
标记图案生成部21从特殊特征存储部11取出“特殊特征表”。然后， 标记图案生成部21，使用该“特殊特征表”所示的特殊特征来生成标记 图案。
在此，标记图案生成部21从多个特殊特征之中选择一个或两个以上 的特殊特征，并将它们作为特殊特征。然后，标记图案生成部21使用该 使用特殊特征来生成标记图案。
使用特殊特征由一个或两个以上的特殊特征的组合而构成。该特殊特 征的组合的个数，根据特殊特征的个数来决定。即，当特殊特征的个数为 多个(tn个)时，特殊特征的组合为{(2tn)-1}种。具体而言，例如， 特殊特征如图6所示，当是五个(t1～t5)时，特殊特征的组合，如图7 所示，成为31种。即，特殊特征有五个时，最大能够生成31种标记图案。
而且，在此所说的“组合”，是指将从1至tn之间的所有的数设为对 象的组合。因此，例如，如以nCm表示的“不带重复的组合”或以nHr 表示的“重复组合”那样，从n个数字之中取出的数字的个数不局限于如 为m或r这样的一个。然而，在此所说的“组合”，能够是将1～tn之中 的一个数作为对象的组合。
标记图案生成部21，如此，从多个种类的某特殊特征的组合之中， 选择一个或两个以上的组合。该选择虽然能够随机进行，但也能够按某规 则性进行。针对该特殊特征的组合的选择方法，通过后述的“使用特殊特 征的选择方法”进行详细描述。
接着，标记图案生成部21采用使用特殊特征来生成标记图案。
在标记图案的生成方法中，有各种方法。例如，以使用图像中的顶点、 交叉点、端点作为特征点的情况为例进行说明。
在根据所述的“On the option detection of curves in noisy pictures”中 记载的方法等的情况下，需要生成标记图案的特征点群的检测，取决于在 特征提取单元40中使用的特征点检测算法。
例如，作为示例而列举如下所述的标记图案的生成方法。
(1)在特殊特征位置处配置有交叉点(十字标记)的图案(图8(i))
(2)求出特殊特征的凸包，以特定的颜色填涂内部。而且，采用在 凸包中未使用的特殊特征而再次求出凸包，用其它颜色填涂内 部。直至使用所有的特征为止，反复这样的处理而生成的图案 (图8(ii))。
(3)由在顶点处具有特殊特征位置、且具有水平垂直的边的填涂过 的矩形的集合构成的图形(图8(iii))
(4)用线段连结了特殊特征点的最近点之间的图案(图8(iv))
而且，图8(i)～(iv)所示的图案，是选择了图6所示的所有五个 特殊特征作为使用特殊特征的情况。
相对于此，在图6所示的五个特殊特征之中选择了四个特殊特征作为 使用特殊特征时，能够生成如图9(i)～(iv)所示的图案。
此外，当特征提取单元(后述)使用明亮度值或色差值来提取特征时， 将标记赋予物体的装置，可以用与特殊特征对应的明亮度值、与色差值对 应的涂料来印刷标记。
此外，能够并用将顶点、交叉点、端点利用为图形上的特征的方法和 将明亮度值或色差值利用为特征的方法。此时，标记图案生成部21只要 生成与对应于所选定的特殊特征的明亮度、颜色、形状对应的标记即可。
标记存储部22，存储与由标记图案生成部21所生成的标记相关的数 据。
例如，在标记图案为如图8(i)所示的情况下，存储特殊特征的坐标。 此外，在如图8(ii)所示的情况下，除了特殊特征的坐标以外，还存储 构成凸包的坐标。
(使用特殊特征的选择方法)
接着，针对由标记图案生成部21执行的使用特殊特征的选择方法进 行说明。
标记图案生成部21使用“特殊特征表”所示的特殊特征来生成标记 图案。
在此，标记图案生成部21，从多个特殊特征之中，选择一个或两个 以上用于生成标记图案的特殊特征，并将它们作为使用特殊特征。
在选择使用特殊特征的方法中，有以下四种。
(1)选择使用特殊特征，以使特殊特征的个数增加
(2)选择使用特殊特征，以使各特殊特征之间的距离之总和增大
(3)选择使用特殊特征，以使两个使用特殊特征群中的各特殊特征 之间的距离的总和增大
(4)选择使用特殊特征，以使两个标记的形状的不同程度增大 以下，按照(1)～(4)的顺序进行说明。
(1)选择使用特殊特征，以使特殊特征的个数增加
当由特殊特征选择单元10选择多个特殊特征时，标记图案生成部21， 能够从这些多个特殊特征之中选择一个或两个以上的特殊特征作为使用 特殊特征。
例如，如图6所示，当特殊特征有五个时，可选择的特殊特征的组合， 如图7所示，成为31种。此时，被选择为使用特殊特征的特殊特征的个 数，是一个、两个、三个、四个、五个之中的任一者。
在此，若着眼于标记的健全性，则被选择为使用特殊特征的特殊特征 的个数越多越好。
所谓标记的健全性，是指不受环境左右的标记检测的可靠性。
例如，在标记检测时，假设由于某种理由遮住了该标记的一部分。在 此，当从标记整体中提取的特征点为三个时，若遮住了其中两个，则该标 记的检测，通过剩余的一个来进行判断。另一方面，当标记整体的特征点 为10个时，即使遮住了其中两个，也能够通过其它8个来进行判断。即， 在特征点的个数不同的标记被置于同样的环境下时，由于特征点多的，判 断要素就变多，因此，能够可靠地检测出标记。根据这个，可以说特征点 的个数多的标记，与少的标记相比，健全性高。
因此，为了生成健全性高的标记，可以在标记图案生成部21中，多 选择特殊特征的个数作为使用特殊特征。
例如，当仅生成一个标记图案时，选择所有特殊特征(在图6中，所 有特殊特征t1，t2，t3，t4，t5)作为使用特殊特征。
此外，当生成两个标记图案时，能够选择所有五个特殊特征作为第一 使用特殊特征，并选择四个特殊特征的组合(例如，t1，t2，t3，t4)作 为第二使用特殊特征。
而且，当生成三个标记图案时，能够选择所有五个特殊特征作为第一 使用特殊特征，并选择四个特殊特征的组合(例如，t1，t2，t3，t4)作 为第二使用特殊特征，选择被选择为该第二使用特殊特征的四个特殊特征 的组合以外的四个特殊特征的组合(例如，t2，t3，t4，t5)作为第三使 用特殊特征。
在此，当将选择了所有五个特殊特征(t1，t2，t3，t4，t5)的使用特 殊特征群称为全指定特殊特征群时，标记图案生成部21，能够将生成的 两个以上的标记图案之中的一个标记图案的使用特殊特征群作为全指定 特殊特征群。此外，标记图案生成部21，能够不使用全指定特殊特征群 (仅通过以四个、三个或两个特殊特征构成的使用特殊特征群)，来选择 所有两个以上的标记图案的使用特殊特征。
这是因为：在对全指定特殊特征群和除它以外的使用特殊特征群进行 比较时由于这两个标记的形状非常近似而易于产生混淆时，需要避免该混 淆。例如，在任一使用特殊特征群都由四个特殊特征构成就会避免混淆时， 优选不选择全指定特殊特征群。
而且，在对使用由四个特殊特征构成的使用特殊特征群的情况与使用 由三个特殊特征群构成的使用特殊特征群的情况进行比较时混淆的程度 没有多大改变时，能够优先健全性，而使用由四个特殊特征构成的使用特 殊特征群。
(2)选择使用特殊特征，以使各特殊特征之间的距离之总和增大
在从一个标记图案中提取两个特征点之间的距离较近的情况和较远 的情况中，可以说较远的健全性高。
这是因为：在远离影像输入单元(后述)的位置上配置了带有标记的 物体时从标记提取出的特征点群之中的两个特征点(t1，t2)之间的距离 非常近时，有时无法区别两个特征点(t1，t2)，由此假设作为一个特征 点来处理这两个特征点，或者，在特征空间同一区划内出现这两个特征点 所检测出的特殊特征的个数减少而未被作为标记检测出来，健全性降低。 相对于此，当从一个标记图案中提取出的两个特征点之间的距离较远时， 由于能够充分区别这两个特征点，因此健全性提高。
因此，为了提高标记的健全性，可以选择使用特殊特征，以使各特殊 特征之间的距离之总和增大。
在此，特殊特征，如图6所示，设为选择五个(t1，t2，t3，t4，t5)。 此外，特殊特征的彼此之间的距离，如图10所示，表示为“t1-2”、“t1-3”、 “t1-4”、“t1-5”、“t2-3”、“t2-4”、“t2-5”、“t3-4”、“t3-5”、“t4-5”。其中， 例如，“t1-2”是表示特殊特征t1与特殊特征t2之间的距离。
特殊特征的组合，如图7所示，有31种。因此，各组合中的特殊特 征之间的距离的总和，能够如下进行计算。
例如，在通过五个特殊特征构成使用特殊特征时，特殊特征之间的距 离的总和∑t12345，能够用下式进行计算。
∑t12345＝(t1-2)+(t1-3)+(t1-4)+(t1-5)+(t2-3)+(t2-4) +(t2-5)+(t3-4)+(t3-5)+(t4-5) ...(式1)
接着，各特殊特征的坐标设为以下的值。
t1的坐标：(6，9)
t2的坐标：(0，7)
t3的坐标：(1，3)
t4的坐标：(5，0)
t5的坐标：(11，7)
接着，计算各特殊特征之间的距离。各特殊特征之间的距离，能够如 下进行计算。
例如，特殊特征的距离，能够通过规定空间中的n维欧几里得距离来 表示。具体而言，例如，在有两个特殊特征的情况下，当第一特殊特征的 坐标为(x1，y1)，第二特殊特征的坐标为(x2，y2)时，这些欧几里得 距离L1，能够通过下式进行计算。
L1＝{(x2-x1)2+(y2-y1)2}1/2 ...(式2)
若使用该算式2和各特殊特征的坐标来计算各特殊特征之间的距离， 则得到如下的值。
(t1-2)＝6.3246 …(式3)
(t1-3)＝7.8102 …(式4)
(t1-4)＝9.0554 …(式5)
(t1-5)＝5.3852 …(式6)
(t2-3)＝4.1231 …(式7)
(t2-4)＝8.6023 …(式8)
(t2-5)＝11.0000 …(式9)
(t3-4)＝5.0000 …(式10)
(t3-5)＝10.7703 …(式11)
(t4-5)＝9.2195 ...(式12)
若将这些各特殊特征之间的距离代入算式1，则特殊特征之间的距离 的总和∑t12345，为以下的值。
∑t12345＝77.2906 ...(式13)
同样地，例如，在由四个特殊特征(t1，t2，t3，t4)构成使用特殊特 征时，特殊特征之间的距离的总和∑t1234，能够用下式进行计算。
∑t1234＝(t1-2)+(t1-3)+(t1-4)+(t2-3)+(t2-4)+(t3-4)
...(式14)
若在该算式14中，代入由式3、式4、式5、式7、式8、式10表示 的特殊特征之间的距离，则特殊特征之间的距离的总和∑t1234为以下的 值。
∑t1234＝40.9156 ...(式15)
按照这样的顺序，能够按照图7所示的使用特征特征的每种组合，计 算出特殊特征之间的距离的总和。图11表示该被计算出的特殊特征之间 的距离的总和。该图的左栏是使用特殊特征的组合，中栏是用于计算出特 殊特征之间的距离的总和的计算式，右栏是被计算出的特殊特征之间的距 离的总和。而且，当使用特殊特征为一个时，由于特殊特征之间的距离不 存在，因此总和为0。
若特殊特征之间的距离的总和的计算结束，则从这些总和之中值较大 的起按顺序选择特殊特征。
在图11中，特殊特征之间的距离的总和最大者，是由五个特殊特征 构成的使用特殊特征(t1，t2，t3，t4，t5)。其次，特殊特征之间的距离 的总和较大者，是由四个特殊特征构成的使用特殊特征(t1，t2，t4，t5)。 接下来，特殊特征之间的距离的总和较大者是由四个特殊特征构成的使用 特殊特征(t2，t3，t4，t5)。
并且，当选择两个使用特殊特征时，选择使用特殊特征(t1，t2，t3， t4，t5)和(t1，t2，t4，t5)。此外，当选择三个使用特殊特征时，选择 使用特殊特征(t1，t2，t3，t4，t5)、(t1，t2，t4，t5)和(t2，t3，t4， t5)。
如此，能够通过将使用特殊特征设为使特殊特征之间的距离的总和增 加，来提高该标记的健全性。
而且，若特殊特征的个数增多，则特殊特征之间的距离的总和必然增 加。因此，在该方法中，最终选择特殊特征的个数最多的使用特殊特征群。 然而，通过之前预先设置“将特殊特征的个数设为四个”等的条件，能够 不选择特殊特征的个数最多的使用特殊特征群。
(3)选择使用特殊特征，以使两个使用特殊特征群中的各特殊特征 之间的距离的总和增大
当从多个特殊特征中选择两个使用特殊特征群时，若这两个使用特殊 特征群位于特殊空间中彼此接近的位置，则在这些标记图案之间易产生误 认混淆。
这是当两个使用特殊特征群为(t1，t2，t3)和(t1，t2，t4)时，若 在标记检测时从检测对象影像中提取出的特征点或不变特征为(t1，t2， t3)，则必须仅通过t3来判断是否检测出任一个标记。
相对于此，当两个使用特殊特征群为(t1，t2，t3)和(t4，t5，t6) 时，若在标记检测时从检测对象影像中提取出的特征点或不变特征为(t1， t2，t3)，则能够通过所有这些t1，t2，t3来判断是否检测出任何一个标记。 即，若这两个使用特殊特征群位于彼此较远的位置，则健全性提高，难以 产生误认混淆。
因此，作为将两个标记的形状有何种程度上不同进行数值化的方法， 有对一个使用特殊特征群的各特殊特征与另一个使用特殊特征群的各特 殊特征的各个之间的距离的总和进行计算的方法。
为了易于理解地说明，针对用三个特殊特征构成一个使用特殊特征的 情况进行说明。
由特殊特征选择单元10a所选择的特殊特征如图6所示，有五个，由 三个特殊特征构成一个使用特殊特征群时的组合，如图7所示，有十种。 此外，当从十种使用特殊特征群之中选择两个使用特殊特征群时，所选择 的两个使用特殊特征群的组合，如图12所示，有45种。
分别针对这45种组合，计算出一个使用特殊特征群的各特殊特征和 另一个使用特殊特征群的各特殊特征的各个之间的距离的总和。
例如，如图6所示，在特殊特征有五个时，如图13所示，设为选择 了两个使用特殊特征群α(t1，t2，t3)和β(t3，t4，t5)。
在此，这些使用特殊特征群α和β，都由三个特殊特征构成。此外， 使用特殊特征群α的t3和使用特殊特征群β的t3，是相同的特殊特征t3， 相互共用。
针对这些使用特殊特征群α和β，计算出各特殊特征之间的距离的总 和。
例如，使用特殊特征群α的特殊特征t1与使用特殊特征群β的各特 殊特征(t3，t4，t5)的距离之和Dt1，能够用下式进行计算。
Dt1＝(t1-3)+(t1-4)+(t1-5) ...(式16)
此外，使用特殊特征群α的特殊特征t2与使用特殊特征群β的各特 殊特征(t3，t4，t5)的距离之和Dt2，能够用下式进行计算。
Dt2＝(t2-3)+(t2-4)+(t2-5) ...(式17)
而且，使用特殊特征群α的特殊特征t3与使用特殊特征群β的各特 殊特征(t3，t4，t5)的距离之和Dt3，能够用下式进行计算。
Dt3＝(t3-3)+(t3-4)+(t3-5) ...(式18)
而且，在式18中，使用特殊特征群α的特殊特征t3与使用特殊特征 群β的特殊特征t3的距离(t3-3)为0。
然后，使用特殊特征群α的各特殊特征(t1，t2，t3)与使用特殊特 征群β的各特殊特征(t3，t4，t5)的各个之间的距离的总和Dtotal，能 够用下式进行计算。
Dtotal＝Dt1+Dt2+Dt3 ...(式19)
根据这样的步骤，具体而言，将式3～式12的数值代入式16～式18， 若使用式19计算Dtotal，则得到61.7466这样的值。
针对两个使用特征群α(t1，t2，t3)和β(t3，t4，t5)的组合以外 的组合(图12所示的两个使用特殊特征群的各个组合)，也能够通过同样 的步骤，计算出各特殊特征之间的距离的总和Dtotal。
图14表示如此计算出的总和Dtotal。该图所示的计算结果，是配合 图12所示的使用特殊特征群的组合的配置而配置的。此外，图14所示的 计算结果，是使用图11的“特殊特征之间距离计算表”的“总和”作为 各特殊特征之间的距离。
接着，标记图案生成部21，在两个使用特殊特征的组合之中，选择 各特殊特征之间的距离的总和Dtotal为最大的组合。
在图14所示的计算结果中，使用特殊特征群(t1，t4，t5)与使用特 殊特征(t2，t3，t4)的组合，成为各特殊特征之间的距离的总和最大的 组合。
通过使用该方法，能够选择最难以产生误认的使用特殊特征群的组 合。
(4)选择使用特殊特征，以使两个标记的形状的不同程度增大。
当生成两个标记时，若它们形状近似，则健全性降低，易产生误认混 合。这与(3)的情况相同。
因此，针对两个标记，优选选择使用特殊特征，以使它们的形状的不 同程度增大。
至于两个标记的各形状有多少不同，能够通过以下方法进行计算。
例如，在一个使用特殊特征群α中的一个特殊特征(例如，t1)上， 重合另一个使用特殊特征群β中的一个特殊特征(例如，t3)，计算出此 时的各特殊特征之间的距离的总和。接着，在使用特殊特征群α中的一 个特殊特征(例如，t1)上，重合使用特殊特征群β中的另一个特殊特征 (例如，t4)，计算出此时的各特殊特征之间的距离的总和。这样，在一 个使用特殊特征群中的各个特殊特征上，依次重合另一个使用特殊特征群 中的一个特殊特征，在进行该重合的过程中，计算出各特殊特征之间的距 离的总和。然后，当另一个使用特殊特征群中的所有特殊特征相对于一个 使用特殊特征群中的所有特殊特征的重合结束后，将距离的总和最小时的 重合的一个存储为近似状态。
按照两个使用特殊特征群的每种组合进行该处理，求出各组合中的近 似状态。然后，针对所有的组合，求出近似状态，从这些近似状态中的各 特殊特征之间的距离的总和之中较大者中选择规定个数，并将该选择出的 近似状态中的两个使用特殊特征群设为用于标记生成的使用特殊特征。
具体而言，能够通过以下方法进行计算。
如图15所示，在多个特殊特征(在该图中，t1，t2，t3，t4，t5)之 中，选择三个特殊特征(t1，t2，t3)作为使用特殊特征群α，选择三个 特殊特征(t3，t4，t5)作为使用特殊特征群β。而且，特殊特征t3由于 是共用，因此将使用特殊特征群β的特殊特征t3设为t3′。
接着，将使用特殊特征群α具有的多个特殊特征之中的一个与使用特 殊特征群β具有的多个特殊特征之中的一个重合。例如，如图16(i)所 示，在使用特殊特征群α的特殊特征t1上重合使用特殊特征群β的t3′。
然后，在该重合的状态下，计算出未重合的特殊特征的各个之间的距 离，并求出它们的组合。
例如，在图16(i)所示的状态下，使用特殊特征群α的特殊特征t2 和t3、使用特殊特征群β的特殊特征t4和t5是未重合的特殊特征。因此， 如图17(i)所示，计算出这些特殊特征t2、t3与特殊特征t4、t5的各个 之间的距离。
该计算能够使用下式来进行。
∑t1(t3′)＝(t2-t4)+(t2-t5)+(t3-t4)+(t3-t5) ...(式 20)
而且，“t2-t4”表示特殊特征t2与特殊特征t4之间的距离。
在此，各特殊特征的坐标设为以下的值。
t2＝(0，4)
t3＝(1，0)
t4＝(10，3)
t5＝(16，10)
若将这些特殊特征的坐标代入算式2，则各特殊特征之间的距离如下 被计算。
(t2-t4)＝10.0499 …(式21)
(t2-t5)＝17.0880 …(式22)
(t3-t4)＝9.4868 …(式23)
(t3-t5)＝18.0278 …(式24)
若将这些各特殊特征之间的距离代入算式20，则使用特殊特征群α 的特殊特征t2、t3与使用特殊特征群β的特殊特征t4、t5的各个之间的 距离的总和，为以下的值。
∑t1(t3′)＝54.6525
图18(i)表示该∑t1(t3′)的值、和由算式21～算式24计算出的数 值。
接着，如图16(ii)所示，将使用特殊特征群α的特殊特征t1与使用 特殊特征群β的t4重合。
然后，如图17(ii)所示，计算出未重合的使用特殊特征群α的特殊 特征t2、t3与使用特殊特征群β的特殊特征t4、t5的各个之间的距离。
该计算能够使用下式来进行。
∑t1(t4)＝(t2-t3′)+(t2-t5)+(t3-t3′)+(t3-t5)
…(式25)
在此，各特殊特征的坐标设为以下的值。
t2＝(0，4)
t3＝(1，0)
t3′＝(2，6)
t5＝(12，13)
若将这些特殊特征的坐标代入算式2，则各特殊特征之间的距离如下 被计算。
(t2-t3′)＝5.3852 …(式26)
(t2-t5)＝15.0000 …(式27)
(t3-t3′)＝9.0554 …(式28)
(t3-t5)＝17.0294 …(式29)
若将这些各特殊特征之间的距离代入算式25，则使用特殊特征群α 的特殊特征t2、t3与使用特殊特征群β的特殊特征t4、t5的各个之间的 距离的总和，为以下的值。
∑t1(t4)＝46.4699
图18(ii)表示该∑t1(t4)的值、和由算式26～算式29计算出的数 值。
同样地，如图16(iii)所示，当将使用特殊特征群α的特殊特征t1 与使用特殊特征群β的t5重合时，使用特殊特征群α的特殊特征t2、t3 与使用特殊特征群β的特殊特征t3′、t4的各个之间的距离的总和，为以 下的值。
∑t1(t5)＝16.2715
图18(iii)表示该∑t1(t5)的值与未重合的特殊特征之间的距离。
接着，将使用特殊特征群α的特殊特征t2分别与使用特殊特征群β 的t3′、t4、t5重合，并计算出未重合的特殊特征的各个之间的距离，求 出它们的总和。
而且，将特殊特征群α的特殊特征t3分别与使用特殊特征群β的t3′、 t4、t5重合，并计算出未重合的特殊特征的各个之间的距离，求出它们的 总和。
图19表示这些重合状态下的未重合的特殊特征的各个之间的距离的 总和。
在该图中，使用特殊特征群α的特殊特征t1与使用特殊特征群β的 特殊特征t3′交叉的栏中所示的“54.6525”，表示将使用特殊特征群α的 特殊特征t1与使用特殊特征群β的特殊特征t3′重合时的未重合特殊特征 (t1，t2，t4，t5)的各个之间的距离的总和。
然后，标记图案生成部21从该图所示的总和之中，选择最小值。其 中，使用特殊特征群α的特殊特征t1与使用特殊特征群β的特殊特征t5 重合时的值是最小值(该图的网格部分)。将该数值作为使用特殊特征群 α与使用特殊特征群β的形状近似值。
这样，通过选择形状近似值可知，基于使用特殊特征群α的标记与基 于使用特殊特征群β的标记的各形状为何种程度近似。这是因为：若基于 使用特殊α的标记的形状与基于使用特殊特征群β的标记的形状完全相 同，则在使它们重合时相一致，不产生偏差。另一方面，若基于使用特殊 α的标记的形状与基于使用特殊特征群β的标记的形状不同，则在使它们 重合时，仅这些不同的部分产生偏差。使用特殊特征α的一个特殊特征 与使用特殊特征β的一个特殊特征重合时的未重合的特殊特征的各个之 间的距离的总和最小的情况，是该偏差为最小之时，换言之，基于使用特 殊特征α的标记与基于使用特殊特征β的标记为最重合的状态。即，为 了查找基于使用特殊特征α的标记与基于使用特殊特征β的标记为最重 合的状态而计算出形状近似值，同时，还获知各形状的偏差的程度。这是 因为：当使用特殊特征α与使用特殊特征β的各配置为图15(i)～(iii) 所示的状态时，该图(iii)时为最重合的状态，此时可知，特殊特征的各 个之间的距离的总和最小，且选择作为形状近似值(参照图19)。
接着，按照两个标记的每种组合计算该形状近似值。
在如图6所示选择五个特殊特征的情况下，由三个特殊特征构成一个 使用特殊特征群时的两个使用特殊特征群的组合，如图12所示。
然后，若按照这两个使用特殊特征群的每个组合，计算形状近似值， 该计算结果，如图20所示。在该图中，可以说：形状近似值越小，基于 两个使用特殊特征群的两个标记的各形状越近似。另一方面，可以说：形 状近似值越大，基于两个使用特殊特征群的两个标记的各形状越不同。
于是，由于可以说：两个标记的各形状不同的一方，这些标记之间的 误认混淆难以产生，因此，从图20所示的形状近似值之中选择最大者。 在该图中，29.5316为最大的值(以灰色表示的数值)。
然后，选择表示该值的使用特殊特征群的组合。前述的29.5316是使 用特殊特征群α为(t1，t3，t4)，β为(t2，t3，t5)时的值。
如此，能够按照两个使用特殊特征群的每个组合计算形状近似值，并 通过选择该形状近似值为最大使用特殊特征群的组合，生成误认混淆少的 多个标记。
而且，当选择三个以上使用特殊特征群时，只要参照图20，选择形 状近似值大的使用特殊特征群的组合即可。
例如，两个使用特殊特征群，如上所述，若设为(t1，t3，t4)与(t2， t3，t5)，则能够通过与(t1，t3，t4)的比较，选择下一个形状近似值大 的组合的(t2，t4，t5)。或者，能够通过与(t2，t3，t5)的比较，选择 下一个形状近似值大的组合的(t1，t4，t5)。
至此，虽然针对四个方法(1)～(4)进行了说明，但在选择使用特 殊特征时，也可以仅使用这些方法之中的一个，或者可以组合多个方法来 使用。
此外，在组合多个方法时，能够对各方法赋予优先顺序来进行。
而且，至此说明的方法之中(2)～(4)的方法，是以与使用特殊特 征相关的距离变大的方式选择特殊特征的方法。该距离，在本实施方式中， 虽然假设二维空间而进行了说明，但不局限于二维空间，在三维空间等多 维空间中，也能够通过同样的方法来进行计算。
(标记生成方法)
接着，针对标记生成装置的工作步骤(标记生成方法)，参照图21～ 图25来进行说明。
图21是表示标记生成方法的处理步骤的流程图。图22是：
(A)标记生成的步骤
在标记生成装置1a中，特殊特征选择单元10的特殊特征选择部12， 从特殊特征存储部11取出“特征点检测表”。
然后，特殊特征选择部12，参照“特征点检测表”，从每个区划的特 征点个数之中，选择0或规定个数以下者，并将它作为特殊特征(步骤 10)。
接着，特殊特征选择部12，将所选择的与特殊特征相关的数据总汇 在“特殊特征表”中(步骤11)。然后，特殊特征选择部12，使该“特殊 特征表”存储在特殊特征存储部11中。
标记图案生成单元20的标记图案生成部21，从特殊特征存储部11 中取出“特殊特征表”。然后，标记图案生成部21，从“特殊特征表”所 示的多个特殊特征之中，选择一个或两个以上用于生成标记图案的特殊特 征，并将它们作为使用特殊特征(步骤12)。
该使用特殊特征的选择处理，能够采用前述的[使用特殊特征的选择 方法]中的四个方法之中的一个或两个以上的方法。针对这些方法的步骤， 在后述的(B)～(E)中进行详述。
接着，标记图案生成部21，采用使用特殊特征来生成一个或两个以 上标记图案(步骤13)。标记存储部22存储由标记图案生成部21所生成 的与标记图案相关的数据。
(B)特殊特征的选择处理(i)
(选择使用特殊特征，以使特殊特征的个数变多)
标记图案生成部21对标记的个数进行确定(步骤20)。
接着，标记图案生成部21，参照“特殊特征表”，确认特殊特征的个 数(步骤21)。在此，如图6所示，设为有五个特殊特征。
接着，标记图案生成部21将特殊特征的组合的一览表制成为“使用 特殊特征组合表”(步骤22)。在此，如图7所示，制成一览显示由一个～ 五个特殊特征构成的31种使用特殊特征的组合的“使用特殊特征组合 表”。
然后，标记图案生成部21，从这些使用特殊特征的组合之中，仅以 与所确定的标记的个数相同个数来选择特殊特征的个数较多者(步骤 23)。在此，若将所确定的标记的个数设为三个，则标记图案生成部21， 选择由五个特殊特征构成的使用特殊特征、和由四个特殊特征构成的使用 特殊特征的组合之中的两个。
(C)特殊特征的选择处理(ii)
(选择使用特殊特征，以使各特殊特征之间的距离的总和变大)
标记图案生成部21对标记的个数进行确定(步骤30)。
接着，标记图案生成部21，参照“特殊特征表”来确认特殊特征的 个数(步骤31)。在此，如图6所示，设为有五个特殊特征。
接着，标记图案生成部21，将特殊特征的组合的一览表制成为“使 用特殊特征组合表”(步骤32)。在此，设为制成如图7所示的“使用特 殊特征组合表”。
而且，标记图案生成部21，针对“使用特殊特征组合表”所示的使 用特殊特征的各组合，计算出特殊特征之间的距离的总和(步骤33)。该 计算的结果，被总汇为“特殊特征之间距离计算表”(参照图11)。
然后，标记图案生成部21，从这些使用特殊特征的组合之中，仅以 与所确定的标记的个数相同的个数来选择特殊特征之间的距离的总和较 大者(步骤34)。在此，若所确定的标记的个数为三个，则标记图案生成 部21，参照“特殊特征之间距离计算表”(图11)，选择总和为最大的使 用特殊特征的组合(由五个特殊特征构成的使用特殊特征)、总和为其次 大的使用特殊特征的组合(由四个特殊特征构成的使用特殊特征的组合之 中，总和为“49.5870”者)、和总和为下一个其次大的使用特殊特征的组 合(由四个特殊特征构成的使用特殊特征的组合之中，总和为“48.7152” 者)。
(C)特殊特征的选择处理(iii)
(选择使用特殊特征，以使两个使用特殊特征中的各特殊特征 之间的距离的总和变大)
标记图案生成部21，对标记的个数进行确定(步骤40)。
接着，标记图案生成部21参照“特殊特征表”，来确认特殊特征的个 数(步骤41)。在此，如图6所示，设为有五个特殊特征。
接着，标记图案生成部21，将特殊特征的组合的一览表制成为“使 用特殊特征组合表”(步骤42)。在此，设为制成图7所示的“使用特殊 特征组合表”。
而且，标记图案生成部21，将“使用特殊特征组合表”所示的使用 特殊特征的组合的每一个作为使用特殊特征群。然后，标记图案生成部 21，选择这些多个使用特征群之中的两个以上的使用特殊特征群(步骤 43)，计算出该选择出的两个以上的使用特殊特征之间的距离的总和(步 骤44)。该各特殊特征之间的距离的总和的计算，是针对“使用特殊特征 组合表”所示的多个使用特殊特征群之中，所有可选出的两个以上的使用 特殊特征群的组合来进行的(步骤45)。
而且，对于构成使用特殊特征群的特殊特征的个数，能够进行限定。 例如，如图14所示，构成使用特殊特征群的特殊特征的个数能够限定为 两个。此时，所选出的两个使用特殊特征的组合，如该图所示，有80种。 并且，这些选出的两个使用特殊特征群中的各特殊特征群之间的距离的总 和，如图14所示被求出。
而且，标记图案生成部21，从这些使用特殊特征群的组合之中，以 与所确定的标记的个数相同个数来选择多个使用特殊特征群中的各特殊 特征之间的距离的总和较大者(步骤46)。在此，当参照图14来选择用 于生成标记的两个使用特殊特征群时，标记图案生成部21选择总和为 “67.7824”的使用特殊特征群(t1，t4，t5)，作为总和为最大的使用特 殊特征群的组合。
(E)特殊特征的选择处理(iv)
(选择使用特殊特征，以使针对两个标记而言它们的形状的不 同的程度变大)
标记图案生成部21对标记的个数进行确定(步骤50)。
接着，标记图案生成部21参照“特殊特征表”来确认特殊特征的个 数(步骤51)。在此，如图6所示，设为有五个特殊特征。
接着，标记图案生成部21，将特殊特征的组合的一览表制成为“使 用特殊特征组合表”(步骤52)。在此，设为制成如图7所示的“使用特 殊特征组合表”。
而且，标记图案生成部21，将“使用特殊特征组合表”所示的一个 个使用特殊特征的组合作为使用特殊特征群。然后，标记图案生成部21， 选出这些多个使用特征群之中的两个以上的使用特殊特征群(步骤53)， 计算出该选出的两个以上的使用特殊特征群中的形状近似值(步骤54)。 该形状近似值的计算，是针对“使用特殊特征组合表”所示的多个使用特 殊特征群之中，所有可选出的两个以上的使用特殊特征群的组合来进行的 (步骤55)。
而且，对于构成使用特殊特征群的特殊特征的个数，能够进行限定。 例如，如图20所示，构成使用特殊特征群的特殊特征的个数能够限定为 两个。此时，所选出的两个使用特殊特征的组合，如该图所示，有80种。 并且，这些选出的两个使用特殊特征群中的形状近似值，如图20所示被 求出。
而且，标记图案生成部21，从这些使用特殊特征群的组合之中，以 仅与所确定的标记的个数相同个数来选择多个使用特殊特征群中的形状 近似值较大者(步骤56)。在此，当参照图20来选择用于生成标记的两 个使用特殊特征群时，标记图案生成部21选择总和为“29.5316”的使用 特殊特征群(t1，t3，t4)和(t2，t3，t5)，作为形状近似值为最大的使 用特殊特征群的组合。
而且，由标记图案生成部21所选择的使用特殊特征的个数、使用特 殊特征的组合方法、所生成的标记图案的种类以及个数，能够分别设为任 意。
如以上所说明，根据本实施方式的标记生成装置以及标记生成方法， 能够使用多个特殊特征之中的一部分或全部，来生成多个种类标记图案。
此外，针对所生成的标记图案，能够通过增加该特殊特征的个数，或 延长特殊特征之间的距离，来生成多个健全性高且难以产生误认的标记图 案。
[标记生成装置以及标记生成方法的第二实施方式]
接着，针对本发明的标记生成装置以及标记生成方法的第二实施方 式，参照图26进行说明。该图是表示本实施方式的标记生成装置中的标 记图案生成单元的结构的方框图。
本实施方式与第一实施方式相比，标记图案生成单元的结构不同。即， 在第一实施方式中，标记图案生成单元具有标记图案生成部与标记存储 部，而相对于此，在本实施方式中，还具有标记ID设定部。其它结构要 素与第一实施方式相同。因此，在图26中，针对与图1相同的结构部分 赋予相同的符号，省略其详细的说明。
(标记生成装置)
如图26所示，标记生成装置1b具有特殊特征选择单元10和标记图 案生成单元20b。在此，标记图案生成单元20b具有标记图案生成部21、 标记存储部22和标记ID设定部23。
标记ID设定部(标记设定单元)23，当使用由标记图案生成部21 所生成的多个标记图案作为ID时，决定对何种物体赋予何种标记。
该决定的步骤，例如，能够设为(1)“确定物体的种类”、(2)“确定 使用特殊特征群”、(3)“排列使用特殊特征群”、(4)“划定使用特殊特 征群”、(5)“设定对物体赋予的顺序”的步骤。
(1)“确定物体的种类”
标记ID设定部23，通过标记来区别物体的种类，即，确定使标记检 测装置所识别的物体的种类。
例如，物体为“饮料容器”时，能够将“铝罐”、“不锈钢罐”、“塑料 瓶”等作为物体的种类。此外，物体为“小商店批发商品”时，能够将批 发目的地的“A店”、“B店”、“C店”、...作为物体的种类。
而且，在本实施方式中，如图27(i)所示，设为物体的种类有八种 (物体a，b，c，d，e，f，g，h)。然而，物体的种类不局限于八种，能 够设为任意的数。
(2)确定使用特殊特征群
接着，标记ID设定部23对与物体的种类相同个数的使用特殊特征群 进行确定。
在此，标记ID设定部23，首先确定构成使用特殊特征群的特殊特征 的个数。
构成使用特殊特征群的特殊特征的个数，通过由特殊特征选择单元 10所选择的特殊特征的个数来决定。例如，当由特殊特征选择单元10所 选择的特殊特征的个数如图6所示有五个时，构成使用特殊特征群的特殊 特征的个数，如图7所示，作为“特殊特征的个数”，是“1”、“2”、“3”、 “4”、“5”的任一个。
此外，特殊特征的组合的个数，如该图所示，“1”为5，“2”为10， “3”为10，“4”为5，“6”为1。
在此，由于物体的种类是八种，因此标记也需要八个。因此，组合的 个数选择“8”以上者。在图7所示的情况下，所对应的是特殊特征的个 数的“2”和“3”。并且，从标记的健全性而言，特殊特征的个数较多者 为宜。因此，特殊特征的个数优选“3”而不是“2”。
而且，在本实施方式中，虽然以特殊特征的个数都相同的方式选择特 殊特征的组合(使用特殊特征群)，但使用特殊特征群，不需要特殊特征 的个数都相同，也可以不同。例如，能够选择特殊特征的个数为“5”的 一个使用特殊特征群，选择特殊特征的个数为“4”的五个使用特殊特征 群，选择特殊特征的个数为“3”的两个使用特殊特征群。
(3)排列使用特殊特征群
若选择多个使用特殊特征群，则标记ID设定部23，能够根据任意或 某一固定的法则(由规定的距离计算处理所计算出的距离)排列它们，根 据该排列来赋予号码，根据该号码选择对物体赋予的标记。
作为该多个使用特殊特征群的排列方法，有(i)任意地排列，(ii) 使用编辑(Levenshtein)距离来排列，(iii)使用两个使用特殊特征群的 各特殊特征之间的距离来排列，(iv)根据两个使用特殊特征群的形状近 似值来排列。
这些之中，编辑距离、两个使用特殊特征群的各特殊特征之间的距离、 两个使用特殊特征群的形状近似值，相当于“由规定的距离计算处理所算 出的距离”。此外，当采用欧几里得距离计算两个使用特殊特征群的各特 殊特征之间的距离和两个使用特殊特征群的形状近似值时，该欧几里得距 离相当于“通过规定的距离计算处理所算出的距离”。
而且，计算编辑距离的处理、计算两个使用特殊特征群的各特殊特征 之间的距离的处理、计算两个使用特殊特征群的形状近似值的处理、计算 欧几里得距离的处理，相当于“规定的距离计算处理”。
(i)任意地排列
标记ID设定部23，例如，如图27(ii)所示，排列多个(在该图中 有10种)特殊特征的组合，并对它们赋予号码。
多个特殊特征的组合的排列方法，能够设为任意(随机)。
而且，在图27(ii)中，将特殊特征的号码设为三位数，并以升序排 列它们。例如，“t1，t2，t3”设为“123”，“t1，t2，t4”设为“124”，“t3， t4，t5”设为“345”，且按升序排列它们。
(ii)使用编辑距离来排列
所谓编辑距离，是指在信息处理逻辑中表示两个文字串有何种程度不 同的数值。例如，被设为：通过文字的插入或删除、置换而将一个文字串 变形为其它文字串所需的步骤的最小次数。
以具体例来进行说明。
三个特殊特征的组合，如图7所示有十种。具体而言，(t1，t2，t3)， (t1，t2，t4)，(t1，t2，t5)，...，(t3，t4，t5)是它们的组合。
在此，着眼于赋予各特殊特征的特殊特征号码。例如，当对(t1，t2， t3)和(t1，t2，t4)进行比较时，通过将前者的“t3”置换为“t4”，而 成为与后者相同。即，由于能够通过一次置换而从前者变换为后者，因此， 它们的编辑距离为“1”。
此外，当对(t1，t2，t3)和(t1，t4，t5)进行比较时，通过将前者 的“t2”置换为“t4”，并将前者的“t3”置换为“t5”，而成与后者相同。 即，由于能够通过两次的置换而从前者变换为后者，因此它们的编辑距离 为“2”。
若如此计算出多个使用特殊特征群的各个之间的编辑距离，则得到如 图28所示的结果。
在该图中，例如，作为使用特殊特征群的号码“2”的(t1，t2，t4) 与作为号码“4”的(t1，t3，t4)的编辑距离是“1”，作为使用特殊特征 群的号码“6”的(t1，t4，t5)与作为号码“7”的(t2，t3，t4)的编辑 距离是“3”。
然后，根据该编辑距离排列多个使用特殊特征群。
首先，确定一个成为基准的使用特殊特征群。在此，将作为号码“1” 的“t1，t2，t3”设为成为基准的使用特殊特征群。在多个使用特殊特征 群之最初，配置成为该基准的使用特殊特征群。
接着，从编辑距离较小者开始按顺序，从第二号以后排列除了成为基 准的使用特殊特征群以外的使用特殊特征群。
例如，编辑距离的最小值为“1”。并且，与成为基准的使用特殊特征 群“t1，t2，t3”的编辑距离为“1”的使用特殊特征群，是“2”和“3”。 因此，将这些号码“2”和“3”配置为第二和第三。而且，号码“2”和 “3”，由于编辑距离都为“1”，因此，可以将任一个设为第二，任一个设 为第三。
接着，“1”的下一个编辑距离的较小值是“2”。此时，与成为基准的 使用特殊特征群“t1，t2，t3”的编辑距离为“2”的使用特殊特征群，是 号码“4”、“5”和“6”。因此，将这些号码“4”、“5”和“6”配置为第 四、第五和第六。而且，号码“4”、“5”和“6”，任一个编辑距离都是“2”， 因此，它们可以配置为第四、第五、第六的任一个。
而且，针对编辑距离为“3”也同样地进行。
其结果是，多个使用特殊特征群与图27(ii)的左栏同样地被配置。
此外，当将成为基准的使用特殊特征群设置为作为号码“2”的“t1， t2，t4”时，多个使用特殊特征群，根据编辑距离，被配置为如图29(i)。
而且，当将成为基准的使用特殊特征群设置为作为号码“8”的“t2， t3，t5”时，多个使用特殊特征群，被配置为如图29(ii)。
而且，针对号码“3”～“7”、“9”、“10”的使用特殊特征群，也能 够在将它们作为基准的情况下，根据编辑距离进行配置。
(iii)使用两个使用特殊特征群的各特殊特征之间的距离来排列
在排列多个使用特殊特征群时，能够使用这些使用特殊特征群的各特 殊特征之间的距离。
多个使用特殊特征群的各特殊特征之间的距离，通过第一实施方式的 “(使用特殊特征的选择方法)”的“(3)两个使用特殊特征群中的各特殊 特征之间的距离的总和变大的方式，选择使用特殊特征”来说明。
根据该说明，例如，如图6所示，在选择了五个特殊特征的情况下， 当以其中三个特殊特征来生成标记时，两个使用特殊特征群的各特殊特征 之间的距离的总和，如图14所示被计算。
在此，若将号码“1”的使用特殊特征群“t1，t2，t3”作为成为基准 的使用特殊特征群，则成为该基准的使用特殊特征群与其它使用特殊特征 群的距离，成为如图30所示。该图是在图14所示的总和之中提取与使用 特殊特征群“t1，t2，t3”相关者，并按照使用特殊特征群的号码顺序进 行排列。
接着，从总和较小者(距离近者)开始按顺序排列除了成为基准的使 用特殊特征群以外的使用特殊特征群。图31表示该排列的结果。如此， 若使用两个使用特殊特征群之间的距离来排列多个使用特殊特征群，则如 该图所示，成为“1”、“7”、“2”、“4”、“8”、“3”、“5”、“9”、“10”、“6” 的顺序。
同样地，当将号码“2”的使用特殊特征群作为基准时，它与其它使 用特殊特征群的距离如图32所示。
于是，若根据这些使用特殊特征群的各特殊特征之间的距离的总和来 排序各使用特殊特征群，则如图33所示。即，多个使用特殊特征群按“2”、 “1”、“7”、“4”、“3”、“8”、“5”、“9”、“6”、“10”的顺序被排列。
而且，当将号码“8”的使用特殊特征群作为基准时，它与其它使用 特殊特征群的距离如图34所示。
若根据这些使用特殊特征群的各特殊特征之间的距离的总和来排序 各使用特殊特征群，则如图35所示。即，多个使用特殊特征群按“8”、 “1”、“7”、“5”、“3”、“4”、“2”、“10”、“9”、“6”的顺序被排列。
(iv)根据两个使用特殊特征群的形状近似值来排列
在排列多个使用特殊特征群时，能够使用这些使用特殊特征群的各个 之间的形状近似值。
两个使用特殊特征群的形状近似值，以第一实施方式的“使用特殊特 征的选择方法”的“(4)两个标记的形状的不同的程度变大的方式，选择 使用特殊特征”来说明。根据该说明，在如图6所示选择了特殊特征的情 况下，当以三个特殊特征来生成标记时，两个使用特殊特征群的形状近似 值，如图20所示被计算。
在此，若将成为号码“1”的使用特殊特征群“t1，t2，t3”作为成为 基准的使用特殊特征群，则成为该基准的使用特殊特征群与其它使用特殊 特征群的形状近似值如图36所示。
然后，能够从该形状近似值较小者开始按顺序排列使用特殊特征群。 图37表示该排列结果。如此，若使用两个使用特殊特征群的形状近似值 来排列多个使用特殊特征群，则如该图所示，成为“1”、“10”、“7”、“2”、 “6”、“9”、“8”、“4”、“3”、“5”的顺序。
同样地，当将号码“2”的使用特殊特征群作为基准时，它与其它使 用特殊特征群的形状近似值如图38所示。
然后，若根据这些使用特殊特征群的形状近似值来排列替换各使用特 殊特征群，则如图39所示。即，多个使用特殊特征群按“2”、“1”、“4”、 “7”、“6”、“9”、“3”、“10”、“8”、“5”的顺序被排列。
而且，当将号码“8”的使用特殊特征群作为基准时，它与其它使用 特殊特征群的形状近似值如图40所示。
然后，若根据这些使用特殊特征群的形状近似值来排列替换各使用特 殊特征群，则如图41所示。即，多个使用特殊特征群按“8”、“9”、“10”、 “3”、“5”、“1”、“7”、“2”、“6”、“4”的顺序被排列。
(4)“划定使用特殊特征群”
若排列多个使用特殊特征群，则标记ID设定部23，接着从这些多个 使用特殊特征群之中选择用于生成标记的使用特殊特征群。
例如，当使用特殊特征群有十种，且物体的种类有八个时，从十个使 用特殊特征群之中选择八个。
在该选择方法中，有“以号码选择”的方法、“根据物体的种类来选 择”的方法和“根据标记的健全性来选择”的方法。
(i)“用号码选择”
分别对多个使用特殊特征群赋予号码，并按号码的顺序选出与物体的 种类相同个数的使用特殊特征群，并将它们作为用于生成标记的使用特殊 特征群。
具体而言，例如，如图27(i)～(iii)所示，在物体的种类有八个 的情况下(该图(i))，对多个使用特殊特征群分别从“1”按顺序赋予号 码(该图(ii))，则按照该号码的顺序选出从“1”至“8”的使用特殊特 征群，并将它们作为用于生成标记的使用特殊特征群，按照每个物体的种 类建立对应(该图(iii))。
而且，作为按照号码的顺序选择使用特殊特征群的情况，在本实施方 式中，如从“1”至“8”的方式，从“1”按升序选择八个，但并不局限 于此，例如，既可以如“3”～“10”那样，从“1”以外的号码开始以连 续的八个号码选择，也可以如“1”～“4”和“7”～“10”那样，选择 多个连续的规定个数的号码来整体选择八个号码。
此外，当物体的种类为四种时，使用特殊特征群，例如，可以选择“1”、 “3”、“5”和“7”。
(ii)“根据标记的健全性来选择”
当有两个使用特殊特征群时，可以说：它们之间的形状近似值较大者， 相互的健全性高。因此，在选择使用特殊特征群时，只要以形状近似值变 高的方式来选择即可。
在此，将与号码“1”的使用特殊特征群作为基准时的其它使用特殊 特征群之间的形状近似值，如图36所示。
然后，从该图中选出形状近似值较高者。
例如，从成为基准的使用特殊特征群“1”观察，形状近似值最大的 是号码“5”的使用特殊特征群。
下一个形状近似值较大的是号码“3”的使用特殊特征群。
如此，图37表示将号码“1”的使用特殊特征群作为基准、且以形状 近似值为升序的方式排列其它使用特殊特征群的状态。
然后，使用该图，能够以相对于成为基准的使用特殊特征群使形状近 似值变大的方式选择标记生成用的使用特殊特征群。具体而言，图37的 情况下，所选择的是除了“1”以外的“5”、“3”、“4”、“8”、“9”、“6”、 “2”。
而且，在此，“5”～“2”相对于“1”健全性高，但是“5”与“3” 之间或“9”与“6”之间等，从图37中无法得知健全性是否高。此时， 能够使用将“5”作为基准时的“3”的形状近似值，或使用将“9”作为 基准时的“6”的形状近似值等，来选择标记生成用的使用特殊特征群。
(iii)“根据物体的种类来选择”
物体的种类，能够通过标记生成装置或标记检测装置的使用者等任意 地决定。
例如，如前所述，物体为饮料容器，物体的种类为铝罐、不锈钢罐、 塑料瓶等时，由于这些种类之间没有上下关系(阶层)，是对等的，因此， 若按照每个种类赋予不同的标记，则能够识别。
相对于此，在物体的种类存在上下关系(阶层)的情况下，标记的选 择也优选与上下关系相配合。
例如，物体是软包装食品(retort food)，物体的种类是咖喱、炖煮食 物、中华饭等，在咖喱之中可考虑设置甜口、辣口、中辣等种类。此时， 咖喱、炖煮食物、中华饭分别为上位等级的阶层，甜口、辣口、中辣等， 相对于咖喱是下位等级的阶层。此时，若将由咖喱和炖煮食物所产生误识 别与由甜口和辣口所产生误识别进行比较，则前者更应该消除误识别。即， 优选上位的阶层比下位的阶层要提高各种类之间的健全性。
因此，以根据物体的种类的阶层等级来分配健全性的高低的方式选择 使用特殊特征群。它通过使用标记间的形状近似值来进行。
标记间的形状近似值如图20所示。在该图中，形状近似值最高的是 号码“4”与号码“8”的使用特殊特征群之间。
接着，标记ID设定部23将号码“4”的使用特殊特征群作为基准， 而排列配置其它使用特殊特征群。图43表示该配置的结果。
如该图所示，在将号码“4”的使用特殊特征群作为基准时，使用特 殊特征群排列配置为“4”、“2”、“7”、“1”、“5”、“10”、“6”、“3”、“9”、 “8”。
接着，标记ID设定部23，根据使用特殊特征群的配置，来选择标记 生成用的使用特殊特征群。在此，设为：选择三个(咖喱、炖煮食物、中 华饭)作为上位等级的种类，选择三个(甜口、辣口、中辣)作为咖喱的 下位等级的种类。
首先，“4”和“8”是健全性最高的，因此，选择它们。
接着，当将“4”作为咖喱时，咖喱的下位等级的种类，根据该“4” 的附近的号码进行选择。具体而言，接着选择“4”的“2”和“7”。
而且，选择“7”和“8”中间的号码。在图43所示的配置中，例如， 选择“6”。这样因为上位等级的种类的一个在其它上位的种类之间要尽可 能提高健全性。
由此，能够选择“4”、“2”、“7”、“6”、“8”。
(5)设定赋予物体的顺序
标记ID设定部23，若从多个使用特殊特征群之中选择标记生成用的 使用特殊特征群，则决定将这些所选择的使用特殊特征群分别赋予何种物 体的种类。
在前述的示例中，选择了“4”、“2”、“7”、“6”、“8”作为标记生成 用的使用特殊特征群。
其中，“4”、“2”、“7”由于各个之间的形状近似值小，因此分配给下 位等级的种类。具体而言，分别对“4”、“2”、“7”分配咖喱的甜口、辣 口、中辣。
此外，由于“6”和“8”与“4”之间的形状近似值大，因此分配上 位等级。具体而言，分别对“6”、“8”分配炖煮食物和中华饭。
图44表示根据该分配，对物体赋予标记的情况。
接着，标记ID设定部23将分配的结果总汇为“物体标记对应表”。
图45表示该“物体标记对应表”的结构例。
如该图所示，“物体标记对应表”能够将“物体的种类”和“标记图 案的号码”构成为项目。
通过参照该“物体标记对应表”，可知所检测出的标记与何种物体的 种类对应。
该“物体标记对应表”被存储在标记存储部23中。
通过执行这些(1)～(5)的步骤，从多个使用特殊特征群之中选出 两个以上的使用特殊特征群，通过将它们与物体的各种类建立对应，并对 该对应的物体赋予标记，能够按照物体的每个种类赋予不同的标记，在标 记检测阶段，能够区别各物体的种类来进行检测。
(标记生成方法)
接着，针对标记生成装置的工作步骤(标记生成方法)，参照图45来 进行说明。
图45是表示标记生成方法的处理步骤的流程图。
在标记生成装置1a中，特殊特征选择单元10的特殊特征选择部12， 从特殊特征存储部11取出“特征点检测表”。
然后，特殊特征选择部12，参照“特征点检测表”，从各区划的特征 点个数之中，选择0或规定个数以下者，并将它作为特殊特征(步骤60)。
接着，特殊特征选择部12，在“特殊特征表”中总汇所选择的与特 殊特征相关的数据(步骤61)。然后，特殊特征选择部12，使该“特殊特 征表”存储在特殊特征存储部11中。
标记图案生成单元20的标记图案生成部21，从特殊特征存储部11 中取出“特殊特征表”。然后，标记图案生成部21，从“特殊特征表”所 示的多个特殊特征之中，选择一个或两个以上用于生成标记图案的特殊特 征，并将它们作为使用特殊特征(步骤62)。
该使用特殊特征的选择，能够采用所述的“使用特殊特征的选择方法” 中的四个方法之中的一个或两个以上的方法。
接着，标记图案生成部21，利用使用特殊特征来生成多个标记图案 (步骤63)。
标记存储部22存储与由标记图案生成部21所生成的标记图案相关的 数据。
接着，标记图案生成单元20的标记ID设定部23，将由标记图案生 成部21所生成的多个标记图案分别分配给多个物体的种类(步骤64)。 然后，在“物体标记对应表”中总汇该分配后的结果，并将它存储在标记 存储部22中。
接着，针对将标记分配给物体的分配处理，参照图47来进行说明。
标记ID设定部23，当使用由标记图案生成部21所生成的多个标记 图案作为ID时，决定对何种物体赋予何种标记(对物体分配标记的分配 处理)
首先，标记ID设定部23，确定通过标记进行区别物体的种类，即， 确定使标记检测装置进行识别的物体的种类(步骤70)。
接着，标记ID设定部23确定与物体的种类相同个数的使用特殊特征 群(步骤71)。
接着，标记ID设定部23，按照任意的或某一定法则排列所确定的多 个使用特殊特征群，并根据该排列来赋予号码，根据该号码来选择赋予物 体的标记(步骤72)。
作为多个使用特殊特征群的排列方法，例如，有(i)任意地排列、(ii) 采用编辑距离来排列、(iii)采用两个使用特殊特征群的各特殊特征之间 的距离来排列、(iv)根据两个使用特殊特征群的形状近似值来排列等。
此外，在赋予物体的标记的选择的方法中，例如，有“用号码选择”、 “根据物体的种类来选择”和“根据标记的健全性来选择”。
然后，标记ID设定部23，若从多个使用特殊特征群中选择了标记生 成用的使用特殊特征群，则决定将这些所选择的使用特殊特征群分别赋予 何种物体的种类(物体的种类与使用特殊特征群建立对应，步骤73)。
接着，标记ID设定部23，将分配的结果总汇为“物体标记对应表”。 该“物体标记对应表”被存储在标记存储部23中。
通过执行这样的步骤，能够按照物体的每个种类赋予不同的标记。因 此，在标记检测阶段，能够识别各物体的种类来进行检测。
此外，所生成的多个标记，能够作为物体ID来使用。此时，若从距 离近向距离远的顺序排列，则能够制成带顺序的ID(例如，4，2，7…)。
而且，当物体的种类为阶层构造时，针对上位等级，使用距离远的使 用特殊特征群，另一方面，针对下位等级，使用距离近的使用特殊特征群， 由此，即使在检测时假设产生了误认，也能够使得在下位阶层易出错，而 在上位阶层难以出错。由此，能够提高对误认的耐久性，能够大致正确地 检测出顺序信息。
[标记生成装置以及标记生成方法的第三实施方式]
接着，针对本发明的标记生成装置以及标记生成方法的第三实施方 式，参照图48来进行说明。
该图是表示本实施方式的标记生成装置的结构的方框图。
如图48所示，标记生成装置1c具有：特殊特征选择单元10；标记 图案生成单元20；影像输入单元30；和作为配置单元的特征提取单元40。
在此，影像输入单元30，如图49所示，具有影像输入部31和影像 存储部32。
影像输入部31输入背景影像。
背景影像是拍摄使用由标记生成装置1c生成的标记之前的环境(标 记不存在的环境)而得到的影像。例如，当有对带有标记的物体进行输送 的带式输送机时，相当于对未输送该物体的状态的带式输送机及其周边进 行了拍摄后得到的影像等。
该背景图像可以是动态图像(影像)，或者也可以是以规定的时间间 隔所拍摄的多张静止图像。
而且，在背景图像中，能够包括直播影像、录像影像、发送影像等。
此外，影像输入部31，自身能够具有摄像设备。此时，影像输入部 31能够将设置有该标记生成装置1c的场所的周围的情况拍摄为背景图 像。
而且，影像输入部31能够经由通信网络或通信线缆等来输入由该标 记生成装置1c以外的装置所获取的背景影像。
图50表示该影像输入部31所拍摄或输入的背景影像的示例。
影像存储部32，将构成背景图像的静止图像帧存储为被数字化的帧 图像。
此外，影像存储部32对分别赋予多个帧图像的号码(例如，序列号 码)进行存储。该号码唯一地确定一张帧图像。在图50中，相当于(i-11)。
而且，影像存储部32能够存储：拍摄到帧图像的时刻、对拍摄帧图 像的装置进行确定的信息(为外部输入了帧图像的情况)等。
特征提取单元40，如图49所示，具有特征提取部41和特征存储部 42。
特征提取部41，从影像存储部32取出帧图像。然后，特征提取部41 提取所取出的帧图像中的包含特征性图案的图像特征。
特征提取部41，作为图像特征，例如，能够使用将图形上的特征性 特性进行数值化后得到的特征。
这个可以使用在1998年IEEE计算机影像·图案识别会议预稿集中 所公开的基于Tommasini等的“Making good features track better”所记载 的方法。该方法能够提取图像中的物体形状的顶点、线状的物体的交叉点、 端点等。并且，能够将这些点的图像上的位置坐标信息的系列作为图形上 的特征。例如，若针对图50(i-11)的帧图像通过该方法来提取特征点， 则如图51所示，要配置多个特征点。每一个特征点能够通过坐标进行管 理。
而且，将配置有特征点的空间称为特征空间。该特征空间，既可以是 二维空间，此外，也可以是三维空间。本实施方式的特征空间，设为二维 空间。
此外，作为其它方法，例如有由Montanari于1971年在 Communications of ACM，14卷中所公开的“On the option detection of curves in noisy pictures”中所记载的方法。它能够使用对距基准点的距离、 相对角度进行存储的R表的内容作为特征。此时，通过针对所有的特征 位置来设定基准点，并预先网罗性地提取特征，从而使标记的检测相对于 部分特征的缺损具有健全性。
而且，作为其它的特征提取方法，例如，有将图像上的各像素的亮度 值或者色差值作为特征的方法。
接着，特征提取部41，如图52所示，对各个特征点赋予序列号码。 该序列号码，例如，能够从位于最上的号码按顺序赋予1、2、3、4....。
接着，特征提取部41求出各个特征点的坐标。坐标，如图52所示， 能够在特征空间中设定X轴和Y轴，并将距Y轴的距离设为X坐标，将 距X轴的距离作为Y坐标。
然后，特征提取部41将这些特征点的序列号码或坐标存储在特征存 储部42中。特征存储部42，如图53所示，能够将这些序列号码等存储 为“特征点信息表”。
“特征点信息表”，如该图所示，能够构成为以下项目：“帧图像的 序列号码”(A)、“特征点的序列号码”(B)、“特征点的x坐标”(C)、 “特征点的y坐标”(D)、“位于特征点的区划的坐标”(E)和“与特征 点相关的信息”(F)。
“帧图像的序列号码”是表示赋予提取了特征点的帧图像的号码。
“与特征点相关的信息”，例如能够包括：作为特征而被识别的要素 (边缘、交叉等)；特征点所位于的像素的色调、明亮度、彩度等。
而且，针对“位于特征点的区划的坐标”，在后面详述。
接着，特征提取部41，如图54所示，在特征空间赋予格子状的网格， 划分为多个区划。
此时，特征提取部41计算出各区划的坐标。该各区划的坐标，能够 用区分线(区划线)的坐标来表示各区划。
例如，如图55所示，将区分线的坐标设为x1，x2，x3，...、y1，y2， y3，...。
此外，将各区划的名称作为区划(1，1)、区划(1，2)、区划(1，3)、... 区划(2，1)、区划(2，2)、区划(2，3)、...。其中，区划(1，1)成 为由坐标(0，0)-(x1，0)-(x1，y1)-(0，y1)-(0，0)包围的范 围。
在此，x1是X方向的第一个区划线的x坐标。此外，y1是Y方向的 第一个区划线的y坐标。由此，区划(1，1)的坐标如图56所示，能够 表示为(x1，y1)。
同样地，区划(2，1)的坐标能够表示为(x2，y1)，区划(3，1) 的坐标能够表示为(x3，y1)，区划(1，2)的坐标能够表示为(x1，y2)， 区划(2，2)的坐标能够表示为(x2，y2)。
图56表示这些各区划的名称与坐标的关系。这些各区划的名称和坐 标，能够作为区划坐标表而存储在特殊存储部42中。
此外，一个区划的大小能够任意地设定。然而，一个区划的大小，优 选确定为：不存在特征点的区划在特征空间中为至少存在2～3个以上。
接着，特殊提取部41按照各个区划来求出特征点的个数。
该各个区划的特征点的个数的计算，能够使用各区划的坐标和各特征 点的坐标来进行。
所计算出的各个区划的特征点的个数，如图57所示，能够表示为“特 征点个数分布图”。该“特征点个数分布图”被存储在特征存储部42中。
而且，在图57中，为了便于理解，对存在一个以上特征点的区划赋 予灰色的网格来表示。
此外，特征提取部41，按照每个特征点，将特征点与该特征点位于 的区划的坐标建立关联。例如，特征点1所位于的区划的坐标，如图54 所示，是(x7，y1)。因此，特征提取部41，如图58所示，在“特征点 信息表”的“特征点所位于的区划的坐标”中，将特征点1与区划的坐标 (x7，y1)建立关联，并将其存储在特征存储部42中。
特征存储部42保持规定的存储区域。该特殊存储部42存储与由特征 提取部41所执行的处理相关的各种数据。特别地，特征存储部42能够存 储“特征点信息表”、“帧图像-特征空间对应表”、“区划坐标表”“特征点 个数分布图”。
而且，特征提取单元40，由于提取特征点且在规定的空间(特征空 间)进行配置，因此具有作为“配置单元”的功能。
特殊特征选择单元10，如图49所示，具有特殊特征存储部11和特 殊特征选择部12。
特殊特征存储部11存储“特征点信息表”、“帧图像-特征空间对应表” “区划坐标表”、“特征点个数分布图”、特殊特征的坐标。
特殊特征选择部12从特征存储部42中取出“特征点个数分布图”， 存储在特殊特征存储部11中。
此外，特殊特征选择部12，参照所取出的“特征点个数分布图”，在 各个区划的特征点个数之中，选择配置有0或规定值以下的特征点的区划 作为特殊特征。
具体而言，在图57的特征点累计数分布图中，选择记载了“0”的区 划。由此，特殊特征选择部12，能够选择未出现在影像输入单元30所输 入的背景影像中的图像特征作为特殊特征。
如此，特殊特征选择部12，能够选择与背景图案不一致的特征，即 从背景影像中提取出的特征群并未出现的特征空间的部位作为特殊特征。 事后，为了避免与意图相反地因特征点的提取误差等而使特殊特征与背景 图案类似，也可以从特殊空间内不存在背景图案的特征且更大的区域选择 特殊特征。
该特殊特征的选择处理，由于能够视为等同于从特殊空间中的特征点 的分布中发现大的空白的问题，所以例如，可以使用2003年文书解析识 别国际会议预稿集中所公开的“An algorithm for Finding Maximal Whitespace Rectangles at Arbitrary Orientations for Document Layout Analysis”等的算法，提取大的空白区域，也可以将不包含所得到的特征 点在内的矩形区域的中心作为特殊特征。
作为其它的方法，可以用特定大小的网格来对特征空间进行量化，并 生成一维或多维的直方图，将特征点的发生频度为0的网格的中心作为特 殊特征等。也可以当频度为0的网格不存在时，可以缩小网格的大小来取 直方图，当出现了频度为0的网格时，根据此时的网格来选择特殊特征。 当未发现频度为0的网格时，也可以通过既定值来对直方图进行阈值处 理，并从规定值以下的网格中选择特殊特征。
图59、图60表示特殊特征选择部12所选择的特殊特征的示例。在 图59所示的特殊特征配置图中，以白色表示被作为特殊特征的区划，以 灰色网格表示未被作为特殊特征的区划。图60是根据图59所示的特殊特 征配置图，以“●”表示出特殊特征的中心和特殊特征配置图的中心点的 图。
而且，在图57中，虽然特殊特征(特征点个数的累计数为0的区划) 存在82个，但为了易于说明标记图案的生成处理，特殊特征被设为以图 59、图60所示的方式来选择。
特殊特征选择部12求出所选择的特殊特征的坐标。例如，特殊特征 选择部12在图59所示的特殊特征配置图中，将特殊特征的坐标设为(2， 6)、(5，2)、(5，4)、(5，5)、(7，6)。这些特殊特征的坐标被存储在特 殊特征存储部11中。
标记图案生成单元20，如图49所示，具有标记图案生成部21和标 记存储部22。
标记图案生成部21，从特殊特征存储部11中取出特殊特征的坐标， 并根据该特殊特征的坐标，生成标记图案。
标记图案的生成方法有各种方法。
例如，以使用图像中的顶点、交叉点、端点作为特征点的情况为例进 行说明。在根据所述的“On the option detection of curves in noisy pictures” 中记载的方法等的情况下，生成标记图案时所需要的特征点群的检测，依 赖于由特征提取单元40所使用的特征点检测算法。
例如，作为示例而列举如图8(i)～(iv)所示的标记图案的生成方 法。
而且，特征提取单元40在使用明亮度值或色差值来提取特征时，物 体上带标记的装置，可以用与对应于特殊特征的明亮度值、色差值对应的 涂料来印刷标记。
此外，能够并用采用顶点、交叉点、端点作为图形的特征的方法和采 用明亮度值或色差值作为特征的方法。此时，标记图案生成部21只要生 成与对应于所选定的特殊特征的明亮度、颜色、形状对应的标记即可。
标记存储部22存储与由标记图案生成部21所生成的标记相关的数 据。
例如，在标记图案为如图18(1)所示的情况下，存储特殊特征的坐 标。此外，在如图18(2)所示的情况下，除了特殊特征的坐标以外，还 存储构成凸包的线段的坐标。
接着，针对标记生成装置的工作步骤(标记生成方法)，参照图61来 进行说明。
图61是表示标记生成方法的处理步骤的流程图。
在标记生成装置1c中，影像输入单元30的影像输入部31，输入背 景影像(步骤40)。该背景影像由多张帧图像构成。影像输入单元30的 影像存储部32，存储由影像输入部31所输入的背景影像作为帧图像。
特征提取单元40的特征提取部41，从影像存储部32中取出帧图像， 并从该帧图像中提取特征点，且在特征空间配置这些特征点(步骤41)。
此外，特征提取部41，计算特征空间中的特征点的坐标(步骤42)。 该计算出的坐标被存储在特征存储部42中。
接着，特征提取部41，对特征空间赋予格子状的网格，划分为多个 区划(步骤43)。
接着，特征提取部41，按照各个区划求出特征点的个数(步骤44)。
而且，特征提取部41，分别针对多个帧图像，进行特征点的提取、 向特征空间的配置、每个区划的特征点个数的计算，并按照每个区划累计 这些计算出的特征点个数(步骤45)。
特征存储部42，存储这些区划以及区划线的坐标、各个区划的特征 点的个数。
接着，特殊特征选择单元10的特殊特征选择部12，从特征存储部42 中取出各个区划的特征点。
然后，特殊特征选择部12，从各个区划的特征点之中，选择0或规 定个数以下者，并将它作为特殊特征(步骤46)。
特殊特征存储部11存储在特殊特征选择部12中被作为特殊特征的区 划的坐标。
标记图案生成单元20的标记图案生成部21，从特殊特征存储部11 中取出特殊特征的坐标。然后，标记图案生成部21，根据该特殊特征的 坐标生成多个标记图案(步骤47)。
标记存储部22，存储与由标记图案生成部21所生成的标记图案相关 的数据。
如以上所说明，根据本实施方式的标记生成装置以及标记生成方法， 将特征空间中的特征点为规定个数以下之处作为特殊特征，并根据该特殊 特征生成标记图案，因此，通过在由影像输入单元所输入的背景影像的任 一个背景图案中均未出现的图案，能够生成健全性高的标记图案。
[标记生成装置以及标记生成方法的第四实施方式]
接着，针对本发明的标记生成装置以及标记生成方法的第四实施方 式，参照图62来进行说明。
图62是表示本实施方式的标记生成装置的结构的方框图。
本实施方式与第一实施方式相比，选择特殊特征的空间不同。即，在 第一实施方式中，从特征空间选择了特殊特征，在本实施方式中，从不变 量特征空间选择特殊特征。其它结构要素与第一实施方式相同。
因此，在图62中，针对与图1相同的构成部分赋予相同的符号，省 略其详细的说明。
如图62所示，标记生成装置1d具有：特殊特征选择单元10；标记 图案生成单元20；影像输入单元30；特征提取单元40；和不变特征变换 单元50。
而且，在本实施方式中，特征提取单元40与不变特征变换单元50相 当于“配置单元”。
在此，不变特征变换单元50，如图62所示，具有不变特征变换部51 和不变特征存储部52。
不变特征变换部51，将特征点变换为不变特征。该不变特征变换部 51从特征提取单元40的特征存储部42中取出“特征点信息表”，并将该 特征点变换为不变特征，存储在不变特征存储部52中。
当提取图像的特征的部位，并将该图像上的位置坐标信息的系列作为 图形上的特征时(例如，当从图50所示的背景影像中提取图51所示的特 征点的处理时)，它们向不变特征的变换，例如，能够如下进行。为了方 便，在此，将位置坐标信息的系列称为特征点群。其中，为了简单，针对 背景在远方时的几何学上的不变特征来进行说明。由于光学失真的影响， 因此将图像受到剪断变形失真的情况也考虑为特征量不变。而且，与背景 不在远方的情况等相比，自由度高的不变特征更易于扩张。以如下方法为 例进行说明，该方法为：当几何学上的不变特征、即照相机与拍摄对象的 场景相对受到旋转、平行移动、剪断变形失真时，根据特征点群的位置关 系来生成不变特征量，而不受其相对位置关系变化的影响。
从特征点群中选择任意的三个点的特征点。另一方面，将不变量特征 空间定义为正交的两轴所展开二维平面。将从特征点群中选择的特征点之 中的一点与不变量特征空间中的原点建立对应。将其它的两点分别与不变 量特征空间中的位置坐标(1，0)以及(0，1)建立对应。将这三点称为 基。此时，从原图像空间向不变量特征空间的一对一线性映现能够定义为 仿射变换。若采用由基建立特征的同一仿射变换向不变特征空间映现除了 基以外的所有的特征点群，则这些特征点群不受照相机与场景的相对位置 关系的影响而成为不变。然而，实际上，由于不局限于从场景总是能选择 相同基，所以从特征点群的所有三个点的顺序组合中进行基选择，需要在 不变量特征空间中映现相对于各基的非基特征点。
如此制成的所有基和向不变量特征空间进行的所有特征点的映现，作 为不变特征，被存储在不变特征存储部52中。这些特征点群相对于几何 变形不变的理由是：在包含其它物体的影像中，通过根据标记所选择的基 所得到的不变特征，总是一致的。
至此说明的方法，虽然是将基设为三个点的情况，但基不局限于三个 点，也能够设为1个点、2个点或4个点以上。接着，针对将基设为1个 点的情况进行说明。
从某帧图像中提取的特征点，如图51所示，设为配置在特征空间的 特征点。此外，在各特征点中，如图52所示，设为带有序列号码的特征 点。
不变特征变换部51，确定一个特征点作为基，且使该基移动到不变 特征空间的坐标(0，0)之处，并求出其移动量，对于其它所有的特征点， 也以该移动量在不变量特征空间中进行移动。
例如，如图63所示，将序列号码5号的特征点作为基，平行移动所 有的特征点，以使该5号的特征点在不变量特征空间中来到坐标(0，0) 之处。由此，在不变量特征空间中，如该图右所示，配置有特征点。而且， 将配置在不变量特征空间中的特征点称为不变特征。
此外，如图64所示，若将序列号码15号的特征点作为基，且平行移 动所有的特征点，以使该15号的特征点在不变量特征空间中来到坐标(0， 0)之处，则如该图右的不变量特征空间所示，来配置不变特征群。
而且，如图65所示，若将序列号码89号的特征点作为基，且平行移 动所有的特征点，以使该89号的特征点在不变量特征空间中来到坐标(0， 0)之处，则如该图右的不变量特征空间所示，来配置不变特征群。
然后，如图66所示，若将序列号码91号的特征点作为基，且平行移 动所有的特征点，以使该91号的特征点在不变量特征空间中来到坐标(0， 0)之处，则如该图右的不变量特征空间所示，来配置不变特征群。
如此，将一个特征点确定为基，且每当将各特征点确定为顺序基时， 就进行伴随将该基移动到不变量特征空间的原点而以与该移动量相同的 移动量使所有的特征点进行移动的处理，使这些移动后的特征点重合，从 而在不变量特征空间中映现特征点。
在不变量特征空间中映现图51所示的特征点的结果，如图67所示。 这个是不变量特征空间中的不变量被配置的状态。
而且，在本实施方式中，向不变量特征空间映现特征点的方法，虽然 作为图63～图67所示的方法，但映现方法并不局限于该方法，能够使用 各种方法。
例如，将多个特征点之中的一个确定为第一基，将另一个确定为第二 基，随着将第一基移动到不变量特征空间的坐标(0，0)，将第二基移动 到(0，1)，并根据与该移动规则相同的变换规则，使所有的特征点移动， 对不变量特征空间中的移动后的各特征点(不变特征)的坐标进行存储。 接着，将另两个特征点确定为第一基以及第二基，并根据伴随这些第一以 及第二基的移动的同一变换规则使所有的特征点移动，对不变量特征空间 中的不变特征的坐标进行存储。然后，所有的特征点被确定为第一以及第 二基，若不变量特征空间中的不变特征的坐标的累积结束，则向不变量特 征空间的映现结束。
此外，上述的说明，虽然是与几何学上的不变量相关，但除了几何学 上的不变量，也可以使用各种的不变量。
例如，能够使用物体颜色作为不变量。
物体的颜色，即使是同一物体，也依赖于拍摄环境中存在的光源颜色， 而会以不同的颜色被拍摄。若能够从图像上分离并去除光源颜色变动的影 响，则能够得到实际的物体颜色。可以使用所得到的实际的物体颜色作为 物体颜色不变量。镜面反射之处以光源颜色的影响为主，亮度值在光源颜 色成分中易饱和，因此，可以将它看作光源颜色，而不选择与饱和之处对 应的颜色成分作为不变特征。
其它从图像中推定物体颜色的方法，也可以使用基于Robby T.Tan and Katsushi Ikeuchi的IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，VOL.27，NO.2，FEBRUARY 2005， pp.178-193中记载的“Separating Reflection Components of Textured Surfaces Using a Single Image”或基于Graham D.Finlayson、Steven D.Hordley、Cheng Lu、and Mark S.Drew的IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENT，VOL.28，NO.1， JANUARY 2006，pp.59-68记载的“On the Removal of Shadows from Images”等。
而且，能够使用纹理(texture)作为不变量。
将针对图像的部分区域的亮度分布能够实施数值运算的数值或向量 作为特征量。由于纹理不变量与图形量不变量同样，易于受到照相机与拍 摄对象的相对位置关系所影响，因此，计算出难以受该影响的特征量，作 为纹理不变量。例如，对于照相机与对象的距离或变焦而言不变的特征量， 能够通过将关注的部分图像进行极坐标变换，并在动径方向上取功率谱来 安装。而且，若针对上述功率谱在方位角方向上再次求出功率谱，则成为 相对于照相机的光轴周围的旋转成为不变的特征量。另外，也可以采用由 Chi-Man Pun and Moon-chuen Lee的IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，VOL.25，MAY 2003记载的“Log-Polar Wavelet Energy Signatures for Rotation and Scale Invariant Texture Classification”等的方法。
此外，针对几何学上的不变量，也可以采用如由Richard Hartley and Andrew Zisserman的“Multiple View Geometry in Computer Vision”等中 所记载的那样的其它几何学上的不变量。在由多个照相机来观测同一场景 时，通过该文献中记载的方法，虽然能够得到距离或深度方向上的相对位 置关系的信息，但此时，若将不在同一平面上的四个点选择为基，且将不 变量空间设为三维，则能够制成三维的几何学上的不变量。此时，将从特 征点群中所选择的基四个点之中的一个点作为不变量空间的原点，求出将 其它基的特征点与不变量空间中的位置坐标(1，0，0)以及(0，1，0)、 (0，0，1)建立对应的变换映现，使用该变换映现在不变量空间中映现 其它特征。
在不变量特征空间中映现特征点的不变特征变换部51，如图68所示， 对不变量特征空间赋予格子状的网格，划分为多个区划。
接着，不变特征变换部51，按照各个区划求出不变特征的个数。图 69表示该计算结果。图69是在不变量特征空间中，对不变特征的个数为 1个以上的区划赋予了灰色的图。
不变特征存储部52保持规定的存储区域。该不变特征存储部52存储 由不变特征变换部51求出的各种数据。在各种数据中，例如，包含配置 在不变量特征空间的各不变特征的坐标、各区划的坐标(范围)、各个区 划的不变特征数等。
特殊特征选择单元10，如图62所示，具有特殊特征选择部11和特 殊特征存储部12。
特殊特征选择部11，如图70所示，在不变量特征空间中，将进行标 记图案的生成的范围决定为标记图案生成范围。该标记图案生成范围，能 够设为与静止图帧的大小相同的大小。
接着，特殊特征选择部11，从不变特征存储部52中取出该标记图案 生成范围中的各个区划的不变特征个数。图71表示该取出的各个区划的 不变特征个数。而且，图71是在标记图案生成范围中，对不变特征的个 数为1以上的区划赋予了灰色的图。
接着，特殊特征选择部11，在标记图案生成范围中的各个区划的不 变特征数之中，选择0或规定值以下者作为特殊特征。由此，特殊特征选 择部11，能够从所存储的特征群中选择未出现在场景中的图像特征作为 特殊特征。
而且，在图71中，白色的区划是不变特征数为0的区划。
特殊特征存储部12，存储由特殊特征选择部11所选择的特殊特征的 坐标。
标记图案生成单元20具有与第一实施方式中的标记图案生成单元20 相同的功能。
不变特征变换部51，在不变量特征空间中映现图51所示的特征点。
接着，不变特征变换部51，对该不变量特征空间赋予网格，按照各 个区划计算出特征点。
而且，若在图69中的不变量特征空间之中取出标记图案生成范围， 则如图71所示。
而且，组合了两种以上的不变量时的从向不变特征的变换至选择特殊 特征的处理，能够如带有概略那样进行动作。
在此，针对并用几何学上的不变量和物体颜色不变量的情况来进行说 明。
在物体颜色不变量中，针对求出几何学上的不变量时所提取的特征点 群的附近像素，设为使用由所述Tan等的方法得到的物体颜色的亮度值。 首先，与所述求出几何学上的不变量的步骤相同，从特征点群中选择三个 点作为基，投影到以二维平面记述的几何学上的不变量空间。求出与各特 征位置对应的物体颜色不变量，并假设包含与几何学上的不变量平面正交 的轴、即物体颜色不变量坐标的三维空间。对三维空间的各轴进行量化， 分割为既定大小的正方体网格，生成按每个正方体的直方图。对所有的基 的组合进行相同的计算，将直方图为0的网格的中心值作为特殊特征。标 记的生成，只要以与各特殊特征对应的位置以及颜色来生成标记即可。
接着，针对本实施方式的标记生成装置的动作(标记生成方法)，参 照图72来进行说明。
该图是表示本实施方式的标记生成方法的处理步骤的流程图。
在标记生成装置1c中，影像输入单元30的影像输入部31，输入背 景影像(步骤30)。该背景影像由多张帧图像构成。影像输入单元30的 影像存储部32，将由影像输入部31输入的背景影像存储为帧图像。
特征提取单元40的特征提取部41，从影像存储部32取出帧图像， 并从该帧图像中提取特征点(步骤31)。
此外，特征提取部41计算所提取出的特征点的坐标(步骤32)。该 计算出的坐标，被存储在特征存储部42中。
不变特征变换单元50的不变特征变换部51，从特征存储部42取出 特征点的坐标。接着，不变特征变换部51根据所取出的特征点的坐标， 在不变量特征空间映现各特征点(步骤33)。
接着，不变特征变换部51，对不变量特征空间赋予网格来进行区划 (步骤34)。
而且，不变特征变换部51，按照各个区划来计算不变特征数(步骤 35)。
此外，不变特征变换部51，分别针对多个帧图像计算出各个区划的 不变特征数，并对它们进行累计(步骤36)。
不变特征存储部52，存储由不变特征变换部51计算出的各个区划的 不变特征数的累计。
特殊特征选择单元10的特殊特征选择部11，从不变特征存储部52 中取出各个区划的不变特征数。此时，能够取出标记图案生成范围中的各 个区划的不变特征数。
然后，特殊特征选择部11，从各个区划的不变特征数之中，选择0 或规定个数以下者，并将它作为特殊特征(步骤37)。
特殊特征存储部12，存储在特殊特征选择部11中被作为特殊特征的 区划的坐标。
标记图案生成单元20的标记图案生成部21，从特殊特征存储部12 中取出特殊特征的坐标。然后，标记图案生成部21，根据该特殊特征的 坐标生成多个标记图案(步骤38)。
标记存储部22，存储与由标记图案生成部21生成的标记图案相关的 数据。
如以上所说明，根据本实施方式的标记生成装置以及标记生成方法， 影像输入单元输入多个帧图像，并从所有这些帧图像中提取特征点，将该 特征点作为不变特征而映现到不变量特征空间中，在该不变量特征空间中 选择特殊特征，并根据该特殊特征来生成标记图案，因此，能够生成针对 何种帧图像的健全性高的标记图案。
[标记检测装置以及标记检测方法]
(标记检测装置)
接着，针对标记检测装置，参照图73、图74来进行说明。
图73是表示标记检测装置的结构的方框图。图74是表示标记检测装 置的详细结构的方框图。
如图73所示，标记检测装置100具有：影像输入单元30；特征提取 单元40；标记存储单元130；对照单元140；和报知单元150。
在此，影像输入单元30，如图74所示，具有影像输入部311和影像 存储部32。
影像输入部311，拍摄(输入)可能存在标记的环境，以作为检测对 象影像。例如，影像输入部311，如图75所示，能够输入包含标记的检 测对象影像。
影像存储部32，存储构成检测对象影像的静止图像帧作为被数字化 的帧图像。
特征提取单元40，如图74所示，具有特征提取部41和特征存储部 42。
特征提取部41，从影像存储部32中取出帧图像。然后，特征提取部 41，提取包含所取出的帧图像中的特征性图案的图像特征。
例如，当检测对象影像为如图75所示的图像时，特征提取部41从该 检测对象影像中提取如图76所示的特征点。
特征存储部42，存储由特征提取部41所提取出的特征点的各坐标。
标记存储单元130，存储与由标记生成装置1所生成的多个种类的标 记图案的每一种相关的数据。该标记存储单元130，例如，能够存储基于 标记图案的特征点。
对照单元140，如图74所示，具有对照部141和对照结果存储部142。
对照部141，从特征存储部42中取出基于检测对象的特征点的各坐 标，并从标记存储单元130中取出以多个种类的标记图案的每一种为基础 的特征点的各坐标，对它们进行对照。然后，对照部141，判断与以多种 标记图案的任一种为基础的特征点相一致的特征点是否存在于基于检测 对象影像的特征点之中。
例如，可以将标记图案的特征之一与从检测对象影像生成的特征之一 进行比较，当在特征空间中的编辑距离为规定值以下时，设为这些特征一 致，并累计相一致的特征的个数作为得分(score)，若得分达到阈值，则 接受标记的检测。此外，也可以附加所述编辑距离的累计值在既定值以下 的条件。
此外，例如，当标记生成装置1c的特征提取部41在量化后的特征空 间中执行了特殊特征的决定时，标记存储单元130预先存储该特殊特征的 坐标。然后，对照部141，即使在标记设计时频度为0的网格中，仅投影 了一次来自检测对象影像的特征时，也能够作为来自标记图案的贡献来确 定检测。根据它，标记检测可以高速进行。
为了避免由噪声或特征提取计算的误差引起的误对应，可以将所接受 的投影频度设定为一次以上的既定值。或者，当能够从标记图案生成量化 特征空间时，也可以利用它。此时，从检测对象影像得到的特殊特征，当 在标记图案被投影的特征空间网格中，一次或既定次数相一致时，可以接 受标记图案检测。
这些对照的结果是，当与基于标记图案的特征点相一致的特征点存在 于基于检测对象影像的特征点之中时，对照部141，检测出检测对象影像 中的该特征点的坐标，并使它存储在对照结果存储部142中。此外，对照 部141向报知单元150发送报知信号。
另一方面，当与基于标记图案的特征点相一致的特征点不在根据检测 对象影像的特征点之中时，对照部141不进行特征点的坐标的检测以及报 知信号的发送。
具体而言，对照部141，从图76所示的特征点群之中，搜索出与基 于从标记存储单元130取出的标记图案的特征点相一致的特征点。此时， 对照部141，放大或缩小基于标记图案的特征点群，与特征空间中的特征 点群进行对照。
其结果是，若从图76所示的特征点群之中，发现与基于从标记存储 单元130取出的标记图案的特征点相一致的特征点，则对照部141，检测 出图76所示的特殊空间中的该特征点的坐标，并使它存储在对照结果存 储部142中。
对照结果存储部142，存储与在对照部141中进行的对照相关的数据。
例如，对照结果存储部142，存储在基于检测对象影像的特征点之中 的与基于标记图案的特征点相一致的特征点(在图76中，以左方的椭圆 所包围的特征点)的各坐标。
报知单元150，若从对照部141中接收到报知信号，则向外部报知： 与基于标记图案的特征点相一致的特征点存在于基于检测对象影像的特 征点之中。该报知的方法，例如，有声音输出或画面显示等。
(标记检测方法)
接着，针对本实施方式的标记检测方法，参照图77来进行说明。
标记存储单元130，预先存储了与由标记生成装置1所生成的多个种 类的标记图案的每一种相关的数据(步骤110)。该标记存储单元130，例 如，能够存储基于标记图案的特征点。
影像输入单元30的影像输入部311，输入标记可能存在的环境作为 检测对象影像(步骤111)。
影像存储部32，存储构成检测对象影像的静止图像帧作为被数字化 的帧图像。
特征提取单元40的特征提取部41，从影像存储部32中取出帧图像。 然后，特征提取部41，提取包含所取出的帧图像中的特征性图案的图像 特征(步骤112)。
此外，特征提取部41，计算所提取出的特征点的坐标(步骤113)。
特征存储部42，存储在特征提取部41所计算出的特征点的各坐标。
对照单元140的对照部141，从特征存储部42取出基于检测对象影 像的特征点的各坐标，并且从标记存储单元130取出以多个种类的标记图 案的每一种为基础的特征点的各坐标，对它们进行对照(步骤114)。然 后，对照部141判断：与以多个种类的标记图案的任一种为基础的特征点 相一致的特征点是否存在于基于检测对象影像的特征点之中。
判断的结果是，当与以多个种类的标记图案的任一种为基础的特征点 相一致的特征点存在于基于检测对象影像的特征点之中时，对照部141， 检测出检测对象影像中的该特征点的坐标，和与它相一致的标记图案一起 被存储在对照结果存储部142中。此外，对照部141向报知单元150发送 报知信号。
另一方面，当与以多个种类的标记图案的每一种为基础的特征点相一 致的特征点不在根据检测对象影像的特征点之中时，对照部141不进行特 征点的坐标的检测以及报知信号的发送。
报知单元150，若从对照部141接收到报知信号，则向外部报知：与 以多个种类的标记图案的任一种为基础的特征点相一致的特征点存在于 基于检测对象影像的特征点之中(步骤115)。
之后，判断是否结束(步骤116)，当未结束时，重复步骤111～步骤 116的处理。
如以上所说明，根据本实施方式的标记检测装置以及标记检测方法， 能够使用由标记生成装置所生成的标记图案来可靠地检测出被映现于检 测对象影像的标记。
此外，在本实施方式中，虽然设为在特征空间中进行标记的检测，但 标记的检测，不局限于特征空间，例如，也能够在不变量特征空间中进行。 此时，在标记生成阶段，预先存储选择了特殊特征的特殊特征配置图，在 标记检测阶段，从检测对象影像中提取特征点，并在不变量特征空间中映 现该特征点作为不变特征，使该不变量特征空间与所述特殊特征配置图重 合，当在特殊特征配置图所示的特殊特征中出现了在不变量特征空间中所 示的不变特征时，能够检测出该不变特征作为基于标记的不变特征。
而且，在标记图案的生成中，在使用了物体颜色不变量或纹理不变量 时，在标记检测中，使用这些物体颜色不变量或纹理不变量来进行标记检 测。此时，在标记生成阶段，从背景影像中提取物体颜色不变量或纹理不 变量，并选择基于它们的特殊特征来预先存储，在标记检测阶段，从检测 对象影像中提取物体颜色不变量或纹理不变量，当这些物体颜色不变量或 纹理不变量与特殊特征相一致时，能够检测出这些物体颜色不变量或纹理 不变量作为标记。
[标记生成检测装置以及标记生成检测系统]
(标记生成检测装置)
接着，针对标记生成检测装置，参照图78来进行说明。
图78是表示标记生成检测装置的结构的方框图。
如图78所示，标记生成检测装置200具有标记生成装置1和标记检 测装置100。
在此，标记生成装置1能够使用所述的第一实施方式～第四实施方式 的任何一个中的标记生成装置1(1a～1d)。
标记检测装置100能够使用所述图73所示的标记检测装置100。
如此，标记生成检测装置200能够呈一体地构成为标记生成装置1和 标记检测装置100。
此外，标记生成装置1与标记检测装置100，由于具有能够共有化的 功能，因此，能够设为如图79所示的结构。
例如，标记生成检测装置200具有：特殊特征选择单元10；标记图 案生成单元20；影像输入单元30；特征提取单元40；对照单元140和报 知单元150。此外，标记图案生成单元20具有标记生成部21和标记存储 部22。
其中，特殊特征选择单元10、标记图案生成单元20、影像输入单元 30和特征提取单元40具有作为标记生成装置的功能。
另一方面，影像输入单元30、特征提取单元40、标记存储部22、对 照单元140和报知单元150具有作为标记检测装置的功能。
并且，影像输入单元30、特征提取单元40和标记存储部22是标记 生成装置与标记检测装置共同的部分。
标记生成装置的标记生成方法，与所述第一～第四实施方式中的标记 生成方法相同。
此外，标记检测装置的标记检测方法，与所述实施方式中的标记检测 方法相同。
(标记生成检测系统)
接着，针对本实施方式的标记生成检测系统，参照图80来进行说明。
如该图所示，标记生成检测系统300具有标记生成装置1和标记检测 装置100。这些标记生成装置1和标记检测装置100，能够通过通信网络 或通信电缆400等进行连接。
标记生成装置1具有：特殊特征选择单元10；标记图案生成单元20； 影像输入单元30；特征提取单元40；和通信单元60。
通信单元60，取出与存储在标记存储部22中的标记相关的数据，并 将它发送给标记检测装置100。
标记检测装置100具有：影像输入单元110；特征提取单元120；标 记存储部130；对照单元140；报知单元150；和通信单元160。
通信单元160接收与从标记生成装置1发送来的标记相关的数据。此 外，通信单元160，使与该接收到的标记相关的数据存储在标记存储部130 中。
如以上所说明，根据标记生成检测装置以及标记生成检测系统，在标 记生成检测装置或标记生成检测系统的标记生成功能中，能够生成多个种 类的标记图案。由此，例如，若标记图案的种类与物体的种类建立对应， 则在标记检测阶段，不仅能够检测作为检测对象的物体，也能够针对物体 的种类进行检测。
此外，根据距离预先排列多个使用特殊特征群，通过以使该距离变远 的方式选择两个以上的使用特殊特征群而附加在物体上，从而利用健全性 高的标记来检测出物体的种类。
[标记生成程序以及标记检测程序]
接着，针对标记生成程序以及标记检测程序来进行说明。
上述的各实施方式中的计算机(标记生成装置、标记检测装置、标记 生成检测装置、标记生成检测系统)的标记生成功能(用于执行标记生成 方法的功能)或标记检测功能(用于执行标记检测方法的功能)，通过存 储在存储单元(例如，ROM(Read only memory)或硬盘等)的标记生成 程序或标记检测程序来实现。
标记生成程序以及标记检测程序，通过读入计算机的控制单元(CPU (Central Processing Unit)等)，对计算机的构成各部发送指令，进行规 定的处理，例如，标记生成装置的影像输入处理、特征提取处理、特殊特 征选择处理、标记图案多个种类生成处理、物体-使用特殊特征群建立对 应的处理、不变特征变换处理、不变特征累计处理、不变特征合成处理、 影像输入控制处理、标记检测装置的影像输入处理、特征提取处理、对照 处理和报知处理等。
由此，标记生成功能或标记检测功能，通过作为软件的标记生成程序 和作为硬件资源硬件的计算机(标记生成装置、标记检测装置、标记生成 检测装置、标记生成检测系统)的各构成单元协同动作来实现。
而且，用于实现标记生成功能或标记检测功能的标记生成程序，除了 存储在计算机的ROM或硬盘等中，还能够存储在计算机可读取的记录介 质中，例如，存储在外部存储装置以及可移动记录介质等中。
所谓外部存储装置，是指内置CD-ROM(Compact disk-Read only memory)等存储介质，且外部连接于标记生成装置的存储器增设装置。 另一方面，所谓可移动记录介质，是指能够安装在记录介质驱动装置(驱 动装置)中，并且能够携带的记录介质，例如，软盘、存储卡、光盘等。
然后，记录在记录介质中的程序，被载入计算机的RAM(Random access memory)等中，且由CPU(控制单元)所执行。通过该执行，实 现上述各实施方式的标记生成装置的功能。
而且，在计算机中载入标记生成程序时，能够利用通信电线在自身具 有的RAM或在外部存储装置中下载其它计算机所保有的标记生成程序。 该被下载的标记生成程序，也通过CPU被执行，而实现上述各实施方式 的标记生成装置的标记生成功能。
以上，虽然针对本发明的标记生成装置、标记生成检测系统、标记生 成检测装置、标记、标记生成方法以及标记生成程序的优选实施方式进行 了说明，但本发明的标记生成装置、标记生成检测系统、标记生成检测装 置、标记、标记生成方法以及标记生成程序并不局限于上述实施方式，不 言而喻，在本发明的范围内能够有各种变更实施。
例如，在上述的实施方式中，虽然表示了在一次的标记生成处理中， 生成多个种类的标记，但标记生成处理不局限于一次，也能够执行多次。 而且，二次以后，能够不生成至此所生成的标记。
而且，本发明的标记生成装置、标记生成检测系统、标记生成检测装 置、标记、标记生成方法以及标记生成程序，也可以任意地组合第一实施 方式～第四实施方式的各个实施方式中的标记生成装置、标记生成检测系 统、标记生成检测装置、标记、标记生成方法以及标记生成程序。
此外，上述的实施方式的内容，能够以如下的方式表现。
(附注1)一种标记生成装置，具有：
特殊特征选择单元，其从图像中提取特征点，在规定的空间中表示所 述特征点，并选择所述空间中所述特征点为规定个数以下的多个部分作为 特殊特征；和
标记图案生成单元，其采用多个所述特殊特征之中的全部或一部分来 生成多个种类标记图案。
(附注2)根据附注1所述的标记生成装置，其中，
当将用于生成一个所述标记图案的一个或两个以上的特殊特征作为 使用特殊特征群，并由各个不同的特殊特征的组合来构成用于生成多个种 类所述标记图案的多个使用特殊特征群，且从由所述特殊特征选择单元所 选择出的多个特殊特征之中选择多个所述使用特殊特征群时，所述标记图 案生成单元，根据所述规定的空间中的所述特殊特征的坐标，计算与构成 所述使用特殊特征群的特殊特征相关的距离数据，并根据该距离数据，选 择用于生成所述标记的使用特殊特征群。
(附注3)根据附注2所述的标记生成装置，其中，
所述标记图案生成单元，以使构成一个所述使用特殊特征群的多个特 殊特征的各个之间的距离之总和变大的方式选择该多个特殊特征。
(附注4)根据附注2所述的标记生成装置，其中，
所述标记图案生成单元，以使构成一个所述使用特殊特征群的多个特 殊特征与构成其它使用特殊特征群的多个特殊特征的各个之间的距离之 总和变大的方式，选择构成一个所述使用特殊特征群的多个特殊特征和构 成其它使用特殊特征群的多个特殊特征。
(附注5)根据附注2所述的标记生成装置，其中，
所述标记图案生成单元，
使一个所述使用特殊特征群中所包含的一个特殊特征与其它使用特 殊特征群中所包含的一个特殊特征重合，且每当使构成所述一个使用特殊 特征群的多个特殊特征的每一个特殊特征与构成所述其它的使用特殊特 征群的多个特殊特征的每一个特殊特征重合时，执行对在所述一个使用特 殊特征群中未重合的一个或两个以上的特殊特征与在所述其它使用特殊 特征群中未重合的一个或两个以上的特殊特征的各个之间的距离之总和 进行计算的处理，并将通过该执行所计算出的多个总和之中最小的总和作 为形状近似值，
以使该形状近似值成为较大值的方式，从由所述特殊特征选择单元所 选择出的多个特殊特征之中选择构成所述一个使用特殊特征群的一个或 两个以上的特殊特征和构成所述其它使用特殊特征群的一个或两个以上 的特殊特征。
(附注6)根据附注1～5的任一项所述的标记生成装置，其中，
具有：
标记设定单元，其将由所述标记图案生成单元所选择出的多个使用特 殊特征群之中两个以上的使用特殊特征群与多个物体的任一个建立对应。
(附注7)根据附注6所述的标记生成装置，其中，
所述标记设定单元，以使按照规定的距离计算处理而计算出的与所述 使用特殊特征相关的距离变远的方式，选择与所述多个物体对应的使用特 殊特征群。
(附注8)根据附注7所述的标记生成装置，其中，
由所述规定的距离计算处理所计算出的距离是编辑距离，
所述标记设定单元计算所述多个使用特殊特征群的各个之间的编辑 距离，并且以使该计算出的编辑距离变远的方式选择与所述多个物体对应 的使用特殊特征群。
(附注9)根据附注7所述的标记生成装置，其中，
由所述规定的距离计算处理所计算出的距离是规定的空间中的欧几 里得距离，
所述标记设定单元计算出所述多个使用特殊特征群的各个之间的欧 几里得距离，并且以使该计算出的欧几里得距离变远的方式选择与所述多 个物体对应的使用特殊特征群。
(附注10)根据附注7所述的标记生成装置，其中，
由所述规定的距离计算处理所计算出的距离是两个使用特殊特征群 的各特殊特征之间的距离之总和，
所述标记设定单元，针对所述多个使用特殊特征群计算两个使用特殊 特征群的各特殊特征之间的距离之总和，并且以使该计算出的总和变大的 方式选择与所述多个物体对应的使用特殊特征群。
(附注11)根据附注7所述的标记生成装置，其中，
由所述规定的距离计算处理所计算出的距离是两个使用特殊特征群 之间的形状近似值，
所述标记设定单元，针对所述多个使用特殊特征群计算两个使用特殊 特征群之间的形状近似值，并且，以使该算出的形状近似值变大的方式选 择与所述多个物体对应的使用特殊特征群。
(附注12)根据附注6～11的任一项所述的标记生成装置，其中，
所述多个物体能够以两个以上的种类进行分类，
所述两个以上的种类中的至少一个种类还能够用下位等级的种类来 分类，
所述标记设定单元，将距离远的使用特殊特征群按照上位等级的每个 种类建立对应，将距离近的使用特殊特征群按照下位等级的每个种类建立 对应。
(附注13)一种标记生成检测系统，具有标记生成装置和标记检测 装置，
所述标记生成装置具有：
第一影像输入单元，其输入图像；
第一配置单元，其从由该第一影像输入单元所输入的所述图像提取特 征点，并在规定的空间中表示这些提取出的特征点；
特殊特征选择单元，其选择所述空间中所述特征点为规定个数以下的 部分作为特殊特征；和
标记生成单元，其采用所述特殊特征来生成多个种类的标记图案，
所述标记检测装置具有：
标记存储单元，其存储多个种类的所述标记图案；
第二影像输入单元，其输入图像；
第二配置单元，其根据由该第二影像输入单元所输入的所述图像来提 取特征点，并在规定的空间中表示该提取出的特征点；和
对照单元，其判断在所述规定的空间中所示出的特征点群的配置之中 是否有以所述标记图案为基础的特征点的配置。
(附注14)根据附注13所述的标记生成检测系统，其中，
当将用于生成一个所述标记图案的一个或两个以上的特殊特征作为 使用特殊特征群，并由分别不同的特殊特征的组合来构成用于生成多个种 类所述标记图案的多个使用特殊特征群，且从由所述特殊特征选择单元所 选择出的多个特殊特征之中选择多个所述使用特殊特征群时，所述标记图 案生成单元，根据所述规定的空间中的所述特殊特征的坐标，计算与构成 所述使用特殊特征群的特殊特征相关的距离数据，并根据该距离数据，选 择用于生成所述标记的使用特殊特征群。
(附注15)一种标记生成检测装置，具有：
第一影像输入单元，其输入图像；
第一配置单元，其从由该第一影像输入单元所输入的所述图像中提取 特征点，并在规定的空间中表示这些提取出的特征点；
特殊特征选择单元，其选择所述空间中所述特征点为规定个数以下的 部分作为特殊特征；
标记生成单元，其采用所述特殊特征来生成多个种类的标记图案；
标记存储单元，其存储所述标记图案；
第二影像输入单元，其输入图像；
第二配置单元，其根据由该第二影像输入单元所输入的所述图像来提 取特征点，并在规定的空间中表示该提取出的特征点；和
对照单元，其判断在所述规定的空间所示出的特征点群的配置之中是 否有以所述标记图案为基础的特征点的配置。
(附注16)根据附注15所述的标记生成检测装置，其中，
当将用于生成一个所述标记图案的一个或两个以上的特殊特征作为 使用特殊特征群，并由分别不同的特殊特征的组合来构成用于生成多个种 类所述标记图案的多个使用特殊特征群，且从由所述特殊特征选择单元所 选择出的多个特殊特征之中选择多个所述使用特殊特征群时，所述标记图 案生成单元，根据所述规定的空间中的所述特殊特征的坐标，计算与构成 所述使用特殊特征群的特殊特征相关的距离数据，并根据该距离数据，选 择用于生成所述标记的使用特殊特征群。
(附注17)一种标记，其按照每个图像来提取特征点，并在规定的 空间中表示这些提取出的特征点，在该规定的空间中，选择所述特征点为 规定个数以下的部分作为特殊特征，并使用该被选择出的特殊特征生成多 个种类。
(附注18)根据附注17所述的标记，其中，
当将用于生成一个所述标记的一个或两个以上的特殊特征作为使用 特殊特征群，并由各个不同的特殊特征的组合来构成用于生成多个种类所 述标记图案的多个使用特殊特征群，且从由所述特殊特征选择单元所选择 出的多个特殊特征之中选择多个所述使用特殊特征群时，根据所述规定的 空间中的所述特殊特征的坐标，计算与构成所述使用特殊特征群的特殊特 征相关的距离数据，并根据该距离数据，选择用于生成所述标记的使用特 殊特征群。
(附注19)一种标记生成方法，具有：
输入图像的工序；
从所述图像中提取特征点的工序；
在规定的空间中表示所述特征点的工序；
选择所述空间中所述特征点为规定个数以下的多个部分作为特殊特 征的工序；和
采用多个所述特殊特征之中的全部或一部分来生成多个种类的标记 图案的工序。
(附注20)根据附注19所述的标记生成方法，其中，
具有：
当将用于生成一个所述标记的一个或两个以上的特殊特征作为使用 特殊特征群，并由分别不同的特殊特征的组合来构成用于生成多个种类所 述标记图案的多个使用特殊特征群，且从由所述特殊特征选择单元所选择 出的多个特殊特征之中选择多个所述使用特殊特征群时，根据所述规定的 空间中的所述特殊特征的坐标，计算与构成所述使用特殊特征群的特殊特 征相关的距离数据的工序；和
根据该距离数据，选择用于生成所述标记的使用特殊特征群的工序。
(附注21)一种标记生成程序，使信息处理装置执行以下处理：
输入图像的处理；
从所述图像中提取特征点的处理；
在规定的空间中表示所述特征点的处理；
选择所述空间中所述特征点为规定个数以下的多个部分作为特殊特 征的处理；和
采用多个所述特殊特征之中的全部或一部分来生成多个种类的标记 图案的处理。
(附注22)根据附注21所述的标记生成程序，使信息处理装置执 行以下处理：
当将用于生成一个所述标记的一个或两个以上的特殊特征作为使用 特殊特征群，并由各个不同的特殊特征的组合来构成用于生成多个种类所 述标记图案的多个使用特殊特征群，且从由所述特殊特征选择单元所选择 出的多个特殊特征之中选择多个所述使用特殊特征群时，根据所述规定的 空间中的所述特殊特征的坐标，计算与构成所述使用特殊特征群的特殊特 征相关的距离数据的处理；和
根据该距离数据，选择用于生成所述标记的使用特殊特征群的处理。
本申请，主张以于2009年7月23日提出申请的日本申请特愿 2009-171838号为基础的优先权，并在此引入其所有公开内容。
(产业上的利用可能性)
本发明，由于是与标记的生成相关的发明，因此，能够在进行标记的 生成的装置或设备、而且在以物品管理、物理性安全为代表的影像监控、 自动影像、复合实现感UI、内容生成应用这样的用途中得以利用。
附图符号说明：
1a～1d-标记生成装置
10-特殊特征选择单元
20-标记图案生成单元
21-标记图案生成部
22-标记存储部
23-标记ID设定部
30-影像输入单元
40-特征提取单元
50-不变特征变换单元
机译： 标记生成装置，标记生成检测系统，标记生成检测装置，标记，标记生成方法及程序
机译： 标记生成装置，标记生成检测系统，标记生成检测装置，标记，标记生成方法及程序
机译： 标记生成装置，标记生成检测系统，标记生成检测装置，标记，标记生成方法及其程序
