トップ :: G 物理学 :: G10 楽器;音響




【発明の名称】 音声の類似度検出方法及びその検出値を用いた音声認識方法、並びに、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法、並びに、画像の類似度検出方法及びその検出値を用いた画像認識方法、並びに、立体の類似度検出方法及びその検出値を用いた立体認識方法、並びに、動画像の類似度検出方法及びその検出値を用いた動画像認識方法
【発明者】 【氏名】神内 教博

【氏名】山口 博司
【要約】 【課題】音声等の正確な類似度検出値を得る方法を提供する。

【解決手段】音声特徴量を成分とする標準、入力各パターン行列を作成し(S1〜S2) 、パターン行列の指定成分毎に異なる分散の値をもつ基準形状を作成し、基準形状の値を成分とする正負基準パターンベクトルを作成し、指定成分（基準形状の中心）を標準パターン行列のj1=1 〜 m1,j2=1〜m2各成分位置に順次合わせながら、標準、入力パターン行列間の形状変化を正負各基準パターンベクトルの形状変化に置換し、各基準パターンベクトルの尖度変化量を数値化して形状変化量Dj1j2 とし(S3)、Dj1j2 からパターン行列間の形状距離値を算出する(S4)。
【特許請求の範囲】
【請求項１】 （ａ）標準音声の特徴量を成分とする標準パターン行列と、入力音声の特徴量を成分とする入力パターン行列とを作成すること、（ｂ）パターン行列の指定成分ごとに異なる分散の値をもつ正規分布を作成し、上記正規分布の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成すること、（ｃ）パターン行列の各成分について、パターン行列の指定成分と各成分との間の長さを求め、基準パターン正ベクトル及び基準パターン負ベクトルの中心から上記長さだけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号を算出し、入力パターン行列の成分値が標準パターン行列の成分値より大きいとき、その差の絶対値だけ基準パターン正ベクトルの上記成分番号の成分値を増加させ、入力パターン行列の成分値が標準パターン行列の成分値より小さいとき、その差の絶対値だけ基準パターン負ベクトルの上記成分番号の成分値を増加させること、（ｄ）基準パターン正ベクトルの尖度と基準パターン負ベクトルの尖度との差の値を算出すること、（ｅ）上記尖度の差の値を算出するに際し、パターン行列の指定成分を各成分の位置に移動しながら尖度の差の値を求めること、（ｆ）上記尖度の差の値の２乗和、あるいは同２乗和の平方根を、標準パターン行列と入力パターン行列との間の形状距離値とすることを特徴とする音声の類似度検出方法。
【請求項２】 前記パターン行列の指定成分ごとに異なる分散の値をもつ正規分布に代えて、パターン行列の指定成分ごとに異なる分散の値をもつ矩形など任意の基準形状を作成し、上記基準形状の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成することを特徴とする請求項１に記載の音声の類似度検出方法。
【請求項３】 請求項１または２に記載の音声の類似度検出方法で標準音声の特徴量を成分とする標準パターン行列と入力音声の特徴量を成分とする入力パターン行列との間の形状距離を求め、求めた形状距離値と任意に設定した許容値を比較し、形状距離値が許容値を越えたとき入力音声は標準音声でないと判定し、形状距離値が許容値内のとき入力音声が標準音声であると判定することを特徴とする音声認識方法。
【請求項４】 （ａ）標準振動波の特徴量を成分とする標準パターン行列と、入力振動波の特徴量を成分とする入力パターン行列とを作成すること、（ｂ）パターン行列の指定成分ごとに異なる分散の値をもつ正規分布を作成し、上記正規分布の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成すること、（ｃ）パターン行列の各成分について、パターン行列の指定成分と各成分との間の長さを求め、基準パターン正ベクトル及び基準パターン負ベクトルの中心から上記長さだけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号を算出し、入力パターン行列の成分値が標準パターン行列の成分値より大きいとき、その差の絶対値だけ基準パターン正ベクトルの上記成分番号の成分値を増加させ、入力パターン行列の成分値が標準パターン行列の成分値より小さいとき、その差の絶対値だけ基準パターン負ベクトルの上記成分番号の成分値を増加させること、（ｄ）基準パターン正ベクトルの尖度と基準パターン負ベクトルの尖度との差の値を算出すること、（ｅ）上記尖度の差の値を算出するに際し、パターン行列の指定成分を各成分の位置に移動しながら尖度の差の値を求めること、（ｆ）上記尖度の差の値の２乗和、あるいは同２乗和の平方根を、標準パターン行列と入力パターン行列との間の形状距離値とすることを特徴とする振動波の類似度検出方法。
【請求項５】 前記パターン行列の指定成分ごとに異なる分散の値をもつ正規分布に代えて、パターン行列の指定成分ごとに異なる分散の値をもつ矩形など任意の基準形状を作成し、上記基準形状の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成することを特徴とする請求項４に記載の振動波の類似度検出方法。
【請求項６】 請求項４または５に記載の振動波の類似度検出方法で標準振動波の特徴量を成分とする標準パターン行列と入力振動波の特徴量を成分とする入力パターン行列との間の形状距離を求め、求めた形状距離値と任意に設定した許容値を比較し、形状距離値が許容値を越えたとき異常と判定し、形状距離値が許容値内のとき正常と判定することを特徴とする機械の異常判定方法。
【請求項７】 （ａ）標準画像の特徴量を成分とする標準パターン行列と、入力画像の特徴量を成分とする入力パターン行列とを作成すること、（ｂ）パターン行列の指定成分ごとに異なる分散の値をもつ正規分布を作成し、上記正規分布の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成すること、（ｃ）パターン行列の各成分について、パターン行列の指定成分と各成分との間の長さを求め、基準パターン正ベクトル及び基準パターン負ベクトルの中心から上記長さだけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号を算出し、入力パターン行列の成分値が標準パターン行列の成分値より大きいとき、その差の絶対値だけ基準パターン正ベクトルの上記成分番号の成分値を増加させ、入力パターン行列の成分値が標準パターン行列の成分値より小さいとき、その差の絶対値だけ基準パターン負ベクトルの上記成分番号の成分値を増加させること、（ｄ）基準パターン正ベクトルの尖度と基準パターン負ベクトルの尖度との差の値を算出すること、（ｅ）上記尖度の差の値を算出するに際し、パターン行列の指定成分を各成分の位置に移動しながら尖度の差の値を求めること、（ｆ）上記尖度の差の値の２乗和、あるいは同２乗和の平方根を、標準パターン行列と入力パターン行列との間の形状距離値とすることを特徴とする画像の類似度検出方法。
【請求項８】 前記パターン行列の指定成分ごとに異なる分散の値をもつ正規分布に代えて、パターン行列の指定成分ごとに異なる分散の値をもつ矩形など任意の基準形状を作成し、上記基準形状の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成することを特徴とする請求項７に記載の画像の類似度検出方法。
【請求項９】 請求項７または８に記載の画像の類似度検出方法で標準画像の特徴量を成分とする標準パターン行列と入力画像の特徴量を成分とする入力パターン行列との間の形状距離を求め、求めた形状距離値と任意に設定した許容値を比較し、形状距離値が許容値を越えたとき入力画像は標準画像でないと判定し、形状距離値が許容値内のとき入力画像が標準画像であると判定することを特徴とする画像認識方法。
【請求項１０】 （ａ）標準立体の特徴量を成分とする標準パターン行列層と、入力立体の特徴量を成分とする入力パターン行列層とを作成すること、（ｂ）パターン行列層の指定成分ごとに異なる分散の値をもつ正規分布を作成し、上記正規分布の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成すること、（ｃ）パターン行列層の各成分について、パターン行列層の指定成分と各成分との間の長さを求め、基準パターン正ベクトル及び基準パターン負ベクトルの中心から上記長さだけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号を算出し、入力パターン行列層の成分値が標準パターン行列層の成分値より大きいとき、その差の絶対値だけ基準パターン正ベクトルの上記成分番号の成分値を増加させ、入力パターン行列層の成分値が標準パターン行列層の成分値より小さいとき、その差の絶対値だけ基準パターン負ベクトルの上記成分番号の成分値を増加させること、（ｄ）基準パターン正ベクトルの尖度と基準パターン負ベクトルの尖度との差の値を算出すること、（ｅ）上記尖度の差の値を算出するに際し、パターン行列層の指定成分を各成分の位置に移動しながら尖度の差の値を求めること、（ｆ）上記尖度の差の値の２乗和、あるいは同２乗和の平方根を、標準パターン行列層と入力パターン行列層との間の形状距離値とすることを特徴とする立体の類似度検出方法。
【請求項１１】 前記パターン行列層の指定成分ごとに異なる分散の値をもつ正規分布に代えて、パターン行列層の指定成分ごとに異なる分散の値をもつ矩形など任意の基準形状を作成し、上記基準形状の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成することを特徴とする請求項１０に記載の立体の類似度検出方法。
【請求項１２】 請求項１０または１１に記載の立体の類似度検出方法で標準立体の特徴量を成分とする標準パターン行列層と入力立体の特徴量を成分とする入力パターン行列層との間の形状距離を求め、求めた形状距離値と任意に設定した許容値を比較し、形状距離値が許容値を越えたとき入力立体は標準立体でないと判定し、形状距離値が許容値内のとき入力立体が標準立体であると判定することを特徴とする立体認識方法。
【請求項１３】 （ａ）標準動画像の特徴量を成分とする標準パターン行列層と、入力動画像の特徴量を成分とする入力パターン行列層とを作成すること、（ｂ）パターン行列層の指定成分ごとに異なる分散の値をもつ正規分布を作成し、上記正規分布の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成すること、（ｃ）パターン行列層の各成分について、パターン行列層の指定成分と各成分との間の長さを求め、基準パターン正ベクトル及び基準パターン負ベクトルの中心から上記長さだけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号を算出し、入力パターン行列層の成分値が標準パターン行列層の成分値より大きいとき、その差の絶対値だけ基準パターン正ベクトルの上記成分番号の成分値を増加させ、入力パターン行列層の成分値が標準パターン行列層の成分値より小さいとき、その差の絶対値だけ基準パターン負ベクトルの上記成分番号の成分値を増加させること、（ｄ）基準パターン正ベクトルの尖度と基準パターン負ベクトルの尖度との差の値を算出すること、（ｅ）上記尖度の差の値を算出するに際し、パターン行列層の指定成分を各成分の位置に移動しながら尖度の差の値を求めること、（ｆ）上記尖度の差の値の２乗和、あるいは同２乗和の平方根を、標準パターン行列層と入力パターン行列層との間の形状距離値とすることを特徴とする動画像の類似度検出方法。
【請求項１４】 前記パターン行列層の指定成分ごとに異なる分散の値をもつ正規分布に代えて、パターン行列層の指定成分ごとに異なる分散の値をもつ矩形など任意の基準形状を作成し、上記基準形状の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成することを特徴とする請求項１３に記載の動画像の類似度検出方法。
【請求項１５】 請求項１３または１４に記載の動画像の類似度検出方法で標準動画像の特徴量を成分とする標準パターン行列層と入力動画像の特徴量を成分とする入力パターン行列層との間の形状距離を求め、求めた形状距離値と任意に設定した許容値を比較し、形状距離値が許容値を越えたとき入力動画像は標準動画像でないと判定し、形状距離値が許容値内のとき入力動画像が標準動画像であると判定することを特徴とする動画像認識方法。
【発明の詳細な説明】【０００１】
【発明の属する技術分野】本発明は、標準情報と入力情報との間の類似度を検出する方法と、その類似度検出値を用いて入力情報が標準情報であるか否かの認識あるいは入力情報が異常であるか否かの判定を行う方法に関する。より詳しくは、本発明は、人間が発声する音声について標準音声と入力音声との間の類似度を検出する方法と、その検出値を用いて音声を認識する方法に関し、また、運転中の設備等が発する音や振動についての振動波の類似度検出方法と、その類似度検出値に基づいて機械の異常を判定する方法に関し、更に、文字や模様についての画像の類似度検出方法と、その類似度検出値を用いて画像を認識する方法にも関する。また、立体の類似度検出方法と、その類似度検出値を用いて立体を認識する方法に関し、更に、動画像の類似度検出方法と、その類似度検出値を用いて動画像を認識する方法にも関する。
【０００２】
【従来の技術】人間が発声する音声をコンピュータが自動認識する音声認識装置においては、予めコンピュータに登録した既知の音声を標準音声とし、新たにコンピュータに入力した未知の音声を入力音声としたとき、標準音声と入力音声との間の類似度を検出し、その類似度の検出値により入力音声を認識する手段が装備されている。
【０００３】従来の音声の類似度検出では、標準音声のパワースペクトルなどの特徴量を成分とする標準パターン行列を予め登録しておき、入力音声の特徴量を成分とする入力パターン行列を作成し、標準パターン行列と入力パターン行列との間のユークリッド距離や角度を算出する方法を採っている。また、従来の音声認識では、上記ユークリッド距離や角度の算出値と任意に設定した許容値とを比較して音声の認識を行う方法を採っている。即ち、特徴量の種類の数と同じ次元のパターン空間を考え、標準パターン行列の点と入力パターン行列の点との間の直線的な距離（ユークリッド距離）や角度を表す類似性尺度を用いて、２つのパターン行列の類似程度を数値化し、その数値に基づいて音声の認識を行っている。
【０００４】第１の例として、図３９、図４０は、平坦なパワースペクトル形状を持つ標準音声２０、及び、この標準音声と同じエネルギーを持つがパワースペクトル形状の特徴が異なる入力音声２１、２２、２３について、標準音声２０のパワースペクトルを成分とする７行９列の標準パターン行列２０Ａを予め登録しておき、各入力音声２１、２２、２３のパワースペクトルを成分とする７行９列の入力パターン行列２１Ａ、２２Ａ、２３Ａを作成し、標準パターン行列２０Ａと各入力パターン行列２１Ａ、２２Ａ、２３Ａとの間の類似性尺度として、ユークリッド距離または角度の余弦ｅ２１、ｅ２２、ｅ２３を算出する様子を模式的に示したものである。
【０００５】ここで、各入力音声２１、２２、２３は、変数αについて、図４０中に示されるγ、δ、ε、ζ、η、θの関係を持っているものとする。つまり、標準音声２０のパワースペクトル形状に対する各入力音声２１、２２、２３のパワースペクトル形状の変化が、図４０に示す関係で、変数αにより規定されるものとしている。ユークリッド距離は標準パターン行列と入力パターン行列の各成分毎の差の２乗和の平方根として求められ、また、角度の余弦は２つのパターン行列の各成分ごとの積の和を、標準パターン行列の各成分の２乗和の平方根と入力パターン行列の各成分の２乗和の平方根で除算して求められる。
【０００６】第２の例として、図４１、図４２は、パワースペクトル形状に２個のピークを持つ標準音声２４、及び、この標準音声と同じエネルギーを持つがピークの位置が異なる入力音声２５、２６、２７について、標準音声２４のパワースペクトルを成分とする７行９列の標準パターン行列２４Ａを予め登録しておき、各入力音声２５、２６、２７のパワースペクトルを成分とする７行９列の入力パターン行列２５Ａ、２６Ａ、２７Ａを作成し、標準パターン行列と各入力パターン行列との間の類似性尺度として、ユークリッド距離または角度の余弦ｅ２５、ｅ２６、ｅ２７を算出する様子を模式的に示したものである。
【０００７】ここで、各入力音声２５、２６、２７は、変数βについて、図４２中に示されるω、φの関係を持っているものとする。つまり、標準音声２４のパワースペクトル形状に対する各入力音声２５、２６、２７のパワースペクトル形状の変化が、図４２に示す関係で、変数βにより規定されるものとしている。
【０００８】
【発明が解決しようとする課題】ところが、ユークリッド距離や角度などを類似性尺度に用いた場合、パワースペクトル形状が異なる複数の入力音声について、標準音声からのユークリッド距離や角度の算出値が同じになることがある。このような場合には、特徴が異なる入力音声を区別できなくなり、このことが音声の類似度検出を不正確にする要因となっている。以下、詳しく説明する。
【０００９】第１の例として、図４３は、図４０における変数αの値を０から１まで増加させたときに、ユークリッド距離の算出値ｅ２１、ｅ２２、ｅ２３が変化する様子を示したものである。図４４は、同じく図４０における変数αの値を０から１まで増加させたときに、角度の余弦の算出値ｅ２１、ｅ２２、ｅ２３が変化する様子を示したものである。
【００１０】図４３と図４４から、この例では、ユークリッド距離及び角度の余弦の値は常にｅ２１＝ｅ２２＝ｅ２３であることが分かり、変数αの値が増加するにつれて、ユークリッド距離の値ｅ２１、ｅ２２、ｅ２３は増加し、また、角度の余弦の値ｅ２１、ｅ２２、ｅ２３は減少することが分かる。角度の余弦の値ｅ２１、ｅ２２、ｅ２３が減少することは、角度の値が増加することである。
【００１１】ところで、一般に、白色雑音のパワースペクトル形状は平坦であり、音声の摩擦子音／ｓ／についてもそのパワースペクトル形状が平坦に近いものが多い。ただし、摩擦子音／ｓ／については、パワースペクトル形状が平坦に近いといっても、その形状が時間とともに少し変動する「スペクトル強度のゆらぎ」現象も観測される。
【００１２】そこで、図３９、図４０において、変数αが小さい場合について、仮に、入力音声２１、２２は摩擦子音／ｓ／の「スペクトル強度のゆらぎ」であり、入力音声２３は摩擦子音／ｓ／とは異なる音声であると考えてみる。
【００１３】図４３、図４４から分かるように、入力音声を規定する変数αの値が同じときには、標準音声２０からのユークリッド距離や角度の値は３個の入力音声２１、２２、２３とも同じになるため、それらの値と任意に設定した許容値とを比較した場合、３個の入力音声がともに標準音声であると判定されるか、逆に、３個の入力音声ともに標準音声でないと判定されることになり、区別できない。
【００１４】第２の例として、図４５は、図４２における変数βの値を０から１まで増加させたときに、ユークリッド距離の算出値ｅ２５、ｅ２６、ｅ２７が変化する様子を示したものである。図４６は、同じく図４２における変数βの値を０から１まで増加させたときに、角度の余弦の算出値ｅ２５、ｅ２６、ｅ２７が変化する様子を示したものである。
【００１５】図４５と図４６から、この例では、ユークリッド距離及び角度の余弦の値は常にｅ２５＝ｅ２６＝ｅ２７であることが分かり、変数βの値が増加するにつれて、ユークリッド距離の値ｅ２５、ｅ２６、ｅ２７は増加し、角度の余弦の値ｅ２５、ｅ２６、ｅ２７は減少することが分かる。角度の余弦の値ｅ２５、ｅ２６、ｅ２７が減少することは、角度の値が増加することである。
【００１６】ところで、一般に、音声のパワースペクトル形状にはホルマントと呼ばれる複数のピークが観測される。ただし、音声のホルマントについては、同じ音声であっても、パワースペクトル形状のピーク周波数が少し変動する「周波数のずれ」現象やピーク位置が時間的に少し変動する「時間のずれ」現象も観測される。
【００１７】そこで、図４１、図４２において、仮に、入力音声２５は標準音声２４と同じ音声であって、そのピークに「周波数のずれ」または「時間のずれ」が発生したものであり、入力音声２６、２７は標準音声２４とは異なる音声であると考えてみる。
【００１８】図４５、図４６から分かるように、標準音声及び入力音声を規定する変数βの値が同じときには、標準音声２４からのユークリッド距離や角度の値は３個の入力音声２５、２６、２７とも同じになるため、それらの値と任意に設定した許容値とを比較した場合、３個の入力音声がともに標準音声であると判定されるか、逆に、３個の入力音声ともに標準音声でないと判定されることになり、区別できない。
【００１９】このように、従来の音声の類似度検出方法では、音声の類似度を正確に検出することができず、音声を認識する上で十分に満足のいく精度が得られないという問題がある。
【００２０】その理由は、従来の音声の類似度検出方法では、２つのパターン行列のユークリッド距離あるいは角度の値を類似性尺度としているために、標準パターン行列がなす形状と入力パターン行列がなす形状との差を、形状距離として数値化できないからである。
【００２１】一方で、標準音声のパワースペクトルを成分とする標準パターン行列を予め登録する場合、「スペクトル強度のゆらぎ」、「周波数のずれ」、「時間のずれ」のある個々の標準音声を多数の標準パターン行列として登録しておく方法が考えられるが、コンピュータの記憶容量や処理時間の問題から標準パターン行列の登録個数には制限があるため、この方法を用いて、標準音声の「スペクトル強度のゆらぎ」、または、標準音声の「周波数のずれ」、または、標準音声の「時間のずれ」と、標準音声とは異なる音声とを判別することには限界がある。
【００２２】また、特開平１０−２５３４４４号公報（特願平９−６１００７号：発明の名称：異常音の検出方法及びその検出値を用いた機械の異常判定方法、並びに、振動波の類似度検出方法及びその検出値を用いた音声認識方法）において、標準パターンベクトル（１次元）と入力パターンベクトル（１次元）との間の形状距離値の算出方法について説明しているが、標準パターン行列（２次元）と入力パターン行列（２次元）との間の形状距離値の算出方法、並びに、標準パターン行列層（３次元）と入力パターン行列層（３次元）との間の形状距離値の算出方法についての説明はない。
【００２３】本発明は、上記問題を解決するためになされたものであり、第１の目的は標準パターン行列と入力パターン行列から、２つのパターン行列間の正確な形状距離値を求めることができる音声の類似度検出方法を提供することにある。また、本発明の第２の目的は音声の類似度検出値から高い精度で音声認識を行うことができる方法を提供することにある。
【００２４】また、本発明の第３の目的は標準パターン行列と入力パターン行列から、２つのパターン行列間の正確な形状距離値を求めることができる振動波の類似度検出方法を提供することにある。また、本発明の第４の目的は振動波の類似度検出値から高い精度で機械の異常判定を行うことができる判定方法を提供することにある。
【００２５】本発明の第５の目的は標準パターン行列と入力パターン行列から、２つのパターン行列間の正確な形状距離値を求めることができる画像の類似度検出方法を提供することにある。また、本発明の第６の目的は画像の類似度検出値から高い精度で画像認識を行うことができる方法を提供することにある。
【００２６】本発明の第７の目的は標準パターン行列層と入力パターン行列層から、２つのパターン行列層間の正確な形状距離値を求めることができる立体の類似度検出方法を提供することにある。また、本発明の第８の目的は立体の類似度検出値から高い精度で立体認識を行うことができる方法を提供することにある。
【００２７】本発明の第９の目的は標準パターン行列層と入力パターン行列層から、２つのパターン行列層間の正確な形状距離値を求めることができる動画像の類似度検出方法を提供することにある。また、本発明の第１０の目的は動画像の類似度検出値から高い精度で動画像認識を行うことができる方法を提供することにある。
【００２８】なお、本発明は、特開平１０−２５３４４４号公報（特願平９−６１００７号）において説明されている形状距離値の算出方法を２次元に拡張して音声認識、機械の異常判定、及び、画像認識に適用できるようにし、更に、３次元に拡張して立体認識、及び、動画像認識に適用できるようにしたものである。
【００２９】
【課題を解決するための手段】上記の課題を解決するため、請求項１に係る発明は音声の類似度検出方法であり、（ａ）標準音声の特徴量を成分とする標準パターン行列と、入力音声の特徴量を成分とする入力パターン行列とを作成すること、（ｂ）パターン行列の指定成分ごとに異なる分散の値をもつ正規分布を作成し、上記正規分布の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成すること、（ｃ）パターン行列の各成分について、パターン行列の指定成分と各成分との間の長さを求め、基準パターン正ベクトル及び基準パターン負ベクトルの中心から上記長さだけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号を算出し、入力パターン行列の成分値が標準パターン行列の成分値より大きいとき、その差の絶対値だけ基準パターン正ベクトルの上記成分番号の成分値を増加させ、入力パターン行列の成分値が標準パターン行列の成分値より小さいとき、その差の絶対値だけ基準パターン負ベクトルの上記成分番号の成分値を増加させること、（ｄ）基準パターン正ベクトルの尖度と基準パターン負ベクトルの尖度との差の値を算出すること、（ｅ）上記尖度の差の値を算出するに際し、パターン行列の指定成分を各成分の位置に移動しながら尖度の差の値を求めること、（ｆ）上記尖度の差の値の２乗和、あるいは同２乗和の平方根を、標準パターン行列と入力パターン行列との間の形状距離値とすることを特徴とする。
【００３０】請求項２に係る発明の音声の類似度検出方法は、請求項１に係る発明において、前記パターン行列の指定成分ごとに異なる分散の値をもつ正規分布に代えて、パターン行列の指定成分ごとに異なる分散の値をもつ矩形など任意の基準形状を作成し、上記基準形状の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成することを特徴とする。
【００３１】また、請求項３に係る発明は音声認識方法であり、請求項１または２に係る発明の音声の類似度検出方法で標準音声の特徴量を成分とする標準パターン行列と入力音声の特徴量を成分とする入力パターン行列との間の形状距離を求め、求めた形状距離値と任意に設定した許容値を比較し、形状距離値が許容値を越えたとき入力音声は標準音声でないと判定し、形状距離値が許容値内のとき入力音声が標準音声であると判定することを特徴とする。
【００３２】次に、請求項４に係る発明は振動波の類似度検出方法であり、（ａ）標準振動波の特徴量を成分とする標準パターン行列と、入力振動波の特徴量を成分とする入力パターン行列とを作成すること、（ｂ）パターン行列の指定成分ごとに異なる分散の値をもつ正規分布を作成し、上記正規分布の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成すること、（ｃ）パターン行列の各成分について、パターン行列の指定成分と各成分との間の長さを求め、基準パターン正ベクトル及び基準パターン負ベクトルの中心から上記長さだけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号を算出し、入力パターン行列の成分値が標準パターン行列の成分値より大きいとき、その差の絶対値だけ基準パターン正ベクトルの上記成分番号の成分値を増加させ、入力パターン行列の成分値が標準パターン行列の成分値より小さいとき、その差の絶対値だけ基準パターン負ベクトルの上記成分番号の成分値を増加させること、（ｄ）基準パターン正ベクトルの尖度と基準パターン負ベクトルの尖度との差の値を算出すること、（ｅ）上記尖度の差の値を算出するに際し、パターン行列の指定成分を各成分の位置に移動しながら尖度の差の値を求めること、（ｆ）上記尖度の差の値の２乗和、あるいは同２乗和の平方根を、標準パターン行列と入力パターン行列との間の形状距離値とすることを特徴とする。
【００３３】請求項５に係る発明の振動波の類似度検出方法は、請求項４に係る発明において、前記パターン行列の指定成分ごとに異なる分散の値をもつ正規分布に代えて、パターン行列の指定成分ごとに異なる分散の値をもつ矩形など任意の基準形状を作成し、上記基準形状の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成することを特徴とする。
【００３４】また、請求項６に係る発明は機械の異常判定方法であり、請求項４または５に係る発明の振動波の類似度検出方法で標準振動波の特徴量を成分とする標準パターン行列と入力振動波の特徴量を成分とする入力パターン行列との間の形状距離を求め、求めた形状距離値と任意に設定した許容値を比較し、形状距離値が許容値を越えたとき異常と判定し、形状距離値が許容値内のとき正常と判定することを特徴とする。
【００３５】次に、請求項７に係る発明は画像の類似度検出方法であり、（ａ）標準画像の特徴量を成分とする標準パターン行列と、入力画像の特徴量を成分とする入力パターン行列とを作成すること、（ｂ）パターン行列の指定成分ごとに異なる分散の値をもつ正規分布を作成し、上記正規分布の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成すること、（ｃ）パターン行列の各成分について、パターン行列の指定成分と各成分との間の長さを求め、基準パターン正ベクトル及び基準パターン負ベクトルの中心から上記長さだけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号を算出し、入力パターン行列の成分値が標準パターン行列の成分値より大きいとき、その差の絶対値だけ基準パターン正ベクトルの上記成分番号の成分値を増加させ、入力パターン行列の成分値が標準パターン行列の成分値より小さいとき、その差の絶対値だけ基準パターン負ベクトルの上記成分番号の成分値を増加させること、（ｄ）基準パターン正ベクトルの尖度と基準パターン負ベクトルの尖度との差の値を算出すること、（ｅ）上記尖度の差の値を算出するに際し、パターン行列の指定成分を各成分の位置に移動しながら尖度の差の値を求めること、（ｆ）上記尖度の差の値の２乗和、あるいは同２乗和の平方根を、標準パターン行列と入力パターン行列との間の形状距離値とすることを特徴とする。
【００３６】請求項８に係る発明の画像の類似度検出方法は、請求項７に係る発明において、前記パターン行列の指定成分ごとに異なる分散の値をもつ正規分布に代えて、パターン行列の指定成分ごとに異なる分散の値をもつ矩形など任意の基準形状を作成し、上記基準形状の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成することを特徴とする。
【００３７】また、請求項９に係る発明は画像認識方法であり、請求項７または８に係る発明の画像の類似度検出方法で標準画像の特徴量を成分とする標準パターン行列と入力画像の特徴量を成分とする入力パターン行列との間の形状距離を求め、求めた形状距離値と任意に設定した許容値を比較し、形状距離値が許容値を越えたとき入力画像は標準画像でないと判定し、形状距離値が許容値内のとき入力画像が標準画像であると判定することを特徴とする。
【００３８】次に、請求項１０に係る発明は立体の類似度検出方法であり、（ａ）標準立体の特徴量を成分とする標準パターン行列層と、入力立体の特徴量を成分とする入力パターン行列層とを作成すること、（ｂ）パターン行列層の指定成分ごとに異なる分散の値をもつ正規分布を作成し、上記正規分布の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成すること、（ｃ）パターン行列層の各成分について、パターン行列層の指定成分と各成分との間の長さを求め、基準パターン正ベクトル及び基準パターン負ベクトルの中心から上記長さだけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号を算出し、入力パターン行列層の成分値が標準パターン行列層の成分値より大きいとき、その差の絶対値だけ基準パターン正ベクトルの上記成分番号の成分値を増加させ、入力パターン行列層の成分値が標準パターン行列層の成分値より小さいとき、その差の絶対値だけ基準パターン負ベクトルの上記成分番号の成分値を増加させること、（ｄ）基準パターン正ベクトルの尖度と基準パターン負ベクトルの尖度との差の値を算出すること、（ｅ）上記尖度の差の値を算出するに際し、パターン行列層の指定成分を各成分の位置に移動しながら尖度の差の値を求めること、（ｆ）上記尖度の差の値の２乗和、あるいは同２乗和の平方根を、標準パターン行列層と入力パターン行列層との間の形状距離値とすることを特徴とする。
【００３９】請求項１１に係る発明の立体の類似度検出方法は、請求項１０に係る発明において、前記パターン行列層の指定成分ごとに異なる分散の値をもつ正規分布に代えて、パターン行列層の指定成分ごとに異なる分散の値をもつ矩形など任意の基準形状を作成し、上記基準形状の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成することを特徴とする。
【００４０】また、請求項１２に係る発明は立体認識方法であり、請求項１０または１１に係る発明の立体の類似度検出方法で標準立体の特徴量を成分とする標準パターン行列層と入力立体の特徴量を成分とする入力パターン行列層との間の形状距離を求め、求めた形状距離値と任意に設定した許容値を比較し、形状距離値が許容値を越えたとき入力立体は標準立体でないと判定し、形状距離値が許容値内のとき入力立体が標準立体であると判定することを特徴とする。
【００４１】次に、請求項１３に係る発明は動画像の類似度検出方法であり、（ａ）標準動画像の特徴量を成分とする標準パターン行列層と、入力動画像の特徴量を成分とする入力パターン行列層とを作成すること、（ｂ）パターン行列層の指定成分ごとに異なる分散の値をもつ正規分布を作成し、上記正規分布の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成すること、（ｃ）パターン行列層の各成分について、パターン行列層の指定成分と各成分との間の長さを求め、基準パターン正ベクトル及び基準パターン負ベクトルの中心から上記長さだけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号を算出し、入力パターン行列層の成分値が標準パターン行列層の成分値より大きいとき、その差の絶対値だけ基準パターン正ベクトルの上記成分番号の成分値を増加させ、入力パターン行列層の成分値が標準パターン行列層の成分値より小さいとき、その差の絶対値だけ基準パターン負ベクトルの上記成分番号の成分値を増加させること、（ｄ）基準パターン正ベクトルの尖度と基準パターン負ベクトルの尖度との差の値を算出すること、（ｅ）上記尖度の差の値を算出するに際し、パターン行列層の指定成分を各成分の位置に移動しながら尖度の差の値を求めること、（ｆ）上記尖度の差の値の２乗和、あるいは同２乗和の平方根を、標準パターン行列層と入力パターン行列層との間の形状距離値とすることを特徴とする。
【００４２】請求項１４に係る発明の動画像の類似度検出方法は、請求項１３に係る発明において、前記パターン行列層の指定成分ごとに異なる分散の値をもつ正規分布に代えて、パターン行列層の指定成分ごとに異なる分散の値をもつ矩形など任意の基準形状を作成し、上記基準形状の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成することを特徴とする。
【００４３】また、請求項１５に係る発明は動画像認識方法であり、請求項１３または１４に係る発明の動画像の類似度検出方法で標準動画像の特徴量を成分とする標準パターン行列層と入力動画像の特徴量を成分とする入力パターン行列層との間の形状距離を求め、求めた形状距離値と任意に設定した許容値を比較し、形状距離値が許容値を越えたとき入力動画像は標準動画像でないと判定し、形状距離値が許容値内のとき入力動画像が標準動画像であると判定することを特徴とする。
【００４４】
【発明の実施の形態】以下、本発明の実施の形態を説明する。
【００４５】［原理説明］基準形状として正規分布を用いる場合について、本発明の原理を説明する。
【００４６】統計解析の分野において、正規分布は多くの現象のモデルとして使われている。そこで、注目する現象が正規分布に従っているか否かを確かめることが重要となり、このために「尖度」という統計量が用いられている。尖度値は、注目する現象が正規分布に従っているときは「３」に等しく、正規分布よりも尖った分布のときは「３」より大きく、反対に、正規分布よりもなだらかな分布のときは「３」より小さくなる。このことは、正規分布の分散の値にかかわらず、常に成り立つ。
【００４７】そこで、標準パターン行列（或いは標準パターン行列層）と入力パターン行列（或いは入力パターン行列層）との間の形状変化を、正規分布の値を成分とする基準パターンベクトルの形状変化に置き換え、この基準パターンベクトルの形状変化の大きさを尖度の変化量として数値化することにより、標準パターン行列（或いは標準パターン行列層）と入力パターン行列（或いは入力パターン行列層）との類似の程度を形状距離値として算出することができる。ただし、一般に、ベクトル形状の尖度の計算式においては、ベクトルの成分値が負の場合には定義できない。つまり、標準パターン行列（或いは標準パターン行列層）の成分値と入力パターン行列（或いは入力パターン行列層）の成分値のあらゆる大小関係に対して、基準パターンベクトルの成分値が非負である必要がある。
【００４８】そこで具体的には、パターン行列（或いはパターン行列層）の指定成分ごとに異なる分散の値をもつ正規分布を作成し、上記正規分布の値を成分とする基準パターン正ベクトルと、同正規分布の値を成分とする基準パターン負ベクトルを予め作成しておく。ここで、パターン行列に係わる上記分散の値の算出方法は、正規分布の中心線がパターン行列の指定成分の点を通り、かつ、パターン行列が成す平面に垂直になるようにし、上記中心線を軸として正規分布を回転したとき、正規分布の主要部分がパターン行列全体を覆うようにするものである。また、パターン行列層に係わる上記分散の値の算出方法は、パターン行列に係わる上記分散の値の算出方法を１次元だけ拡張する（パターン行列層に係わる上記分散の値の算出方法について幾何学的な表現はできない）。そして、パターン行列（或いはパターン行列層）の各成分について、パターン行列（或いはパターン行列層）の指定成分と各成分との間の長さを求め、基準パターン正ベクトル及び基準パターン負ベクトルの中心から上記長さだけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号を算出し、入力パターン行列（或いは入力パターン行列層）の成分値が標準パターン行列（或いは標準パターン行列層）の成分値より大きいときは、その差の絶対値だけ基準パターン正ベクトルの上記成分番号の成分値を増加させ、小さいときは、基準パターン負ベクトルの上記成分番号の成分値を増加させる。次に、形状変化した基準パターン正ベクトルと基準パターン負ベクトルについてそれぞれの尖度を算出し、２つの尖度の差の値を求める。
【００４９】その際、正規分布の中心と標準パターン行列及び入力パターン行列（或いは標準パターン行列層及び入力パターン行列層）の各成分との位置関係により形状変化した基準パターン正ベクトルと基準パターン負ベクトルの各尖度が異なるので、正規分布の中心をパターン行列（或いはパターン行列層）各成分の位置に移動しながら尖度の差の値を求め、これらの差の値の２乗和の平方根、或いは、２乗和自身を標準パターン行列（或いは標準パターン行列層）と入力パターン行列（或いは入力パターン行列層）との間の形状距離値として検出する。
【００５０】このような形状距離値は、標準音声と入力音声との間のパターン行列形状変化を正確に検出するものであり、標準振動波と入力振動波との間の類似度を正確に検出するものであり、標準画像と入力画像との間の類似度を正確に検出するものである。また、標準立体と入力立体との間のパターン行列層形状変化を正確に検出するものであり、標準動画像と入力動画像との間の類似度を正確に検出するものである。
【００５１】従って、上記のように得られる形状距離値を用いて音声認識を行うことにより、標準パターン行列と入力パターン行列との間の形状変化を正確に検出することができ、音声認識の精度を著しく向上させることができる。また、このような形状距離値を用いて機械の異常判定を行うことにより、標準パターン行列と入力パターン行列との間の形状変化を正確に検出することができ、機械の異常検知の精度を著しく向上させることができる。また、このような形状距離値を用いて画像認識を行うことにより、標準パターン行列と入力パターン行列との間の形状変化を正確に検出することができ、画像認識の精度を著しく向上させることができる。また、このような形状距離値を用いて立体認識を行うことにより、標準パターン行列層と入力パターン行列層との間の形状変化を正確に検出することができ、立体認識の精度を著しく向上させることができる。また、このような形状距離値を用いて動画像認識を行うことにより、標準パターン行列層と入力パターン行列層との間の形状変化を正確に検出することができ、動画像認識の精度を著しく向上させることができる。
【００５２】なお、基準形状が矩形など、正規分布以外のものであっても、上記の説明は成立する。
【００５３】［実施例］以下、本発明の実施例を添付図面に基づいて説明する。本実施例では、２つのパターン行列（２次元）間の類似度検出値を用いた音声認識方法、機械の異常判定方法、画像認識方法について、更に、２つのパターン行列層（３次元）間の類似度検出値を用いた立体認識方法、動画像認識方法について順を追って説明する。
【００５４】（Ｉ）音声認識方法音声の類似度検出方法及びその検出値を用いた音声認識方法について述べる。本実施例では、音声認識を行うために、音声の周波数分布の時間変化（声紋）を正規化して標準パターン行列と入力パターン行列とを作成し、これらパターン行列間の形状変化を、正規分布の値を成分とする基準パターンベクトルの形状変化に置き換え、この基準パターンベクトルの形状変化の大きさを尖度の変化量として数値化することにより音声の類似度を検出し、更に、その検出値を用いて音声認識を行うものとする。
【００５５】図１は、音声の類似度を検出するための測定装置の構造を示しており、１はマイクロホンである。マイクロホン１は発声者の近傍の定位置に配置され、人間が発声する音声を測定し、信号として出力する。マイクロホン１の出力信号は、それぞれが異なる通過周波数帯域を持つ複数ｍ1個の帯域通過フィルタ２に入力され、音声の周波数成分波が抽出されてＡＤ変換器３に入力され、各ＡＤ変換器３において同時刻に且つ周期的にディジタル信号に変換されてコンピュータ等の演算装置４に入力される。また、演算装置４は、マイクロホン１の出力信号に基づき、以下のように音声の類似度検出処理を行うように構成されている。ここで、ｉ1（ｉ1＝１，２，・・・，ｍ1）番目の帯域通過フィルタ２の中心周波数はｆｉ1に設定されており、その出力信号がｉ1番目のＡＤ変換器３に入力されるものとする。
【００５６】次に、図１の測定装置構造を用いて行う音声の類似度検出処理手順について説明する。
【００５７】ただし、音声のパワースペクトルを抽出する方法として様々なものが考案されているが、本実施例では、歴史的にも古く、性能が安定しているアナログ帯域通過フィルタ群による方法を用いた場合について、処理手順を説明する。図２は、帯域通過フィルタ２群の周波数ゲイン特性の一例を示したものであり、音声をｉ1番目の帯域通過フィルタに通すことにより、中心周波数がｆｉ1の帯域の周波数成分波を抽出できることが分かる。このように、それぞれの帯域通過フィルタを構成しておけば、音声の周波数分布の特徴が抽出できる。
【００５８】図１に示すように、ｉ1番目のＡＤ変換器３の出力信号を時刻ｔの関数としてｘｉ1（ｔ）（ｉ1＝１，２，・・・，ｍ1）とした時、関数ｘｉ1（ｔ）はｉ1番目の帯域通過フィルタ２を通して抽出した音声の周波数成分波である。図３は、関数ｘｉ1（ｔ）の一例を示したものである。図３に示すように、ｉ2番目の時刻をｔｉ2（ｉ2＝１，２，・・・，ｍ2）として、関数ｘｉ1（ｔ）を各時刻ごとに区切って測定することにより音声の周波数分布の時間変化の特徴が抽出できる。そのため、ｉ1番目の周波数帯域におけるｉ2番目の時刻のパワースペクトルＰｉ1ｉ2は次の数１により算出できる。ただし、数１において、関数ｘｉ1（ｔ）の２乗和を計算する時間長Ｔは、時間的に変化する音声の特徴が顕著に現れるように任意に設定しておく。
【００５９】
【数１】

【００６０】本実施例では、正規化パワースペクトルを用いる。即ち、一般に、音声の類似度検出では、音量よりも音質が重要な要因になることが多い。この場合は、パワースペクトルの形状変化を検出することが重要であり、このためには、数１のパワースペクトルＰｉ1ｉ2 を全エネルギーで正規化して使用した方が都合が良い。ｉ1番目の周波数帯域におけるｉ2番目の時刻の正規化パワースペクトルｐｉ1ｉ2 は、次の数２により算出できる。
【００６１】
【数２】

【００６２】図４（ａ）は数１により算出したパワースペクトルの一例を示したものであり、図４（ｂ）は同図（ａ）のパワースペクトルを数２を用いて正規化したものであるが、これらから、パワースペクトルと正規化パワースペクトルとは相似形であることが分かる。
【００６３】次に、標準音声の正規化パワースペクトルｐｉ1ｉ2（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）を成分とする標準パターン行列Ｈと、入力音声の正規化パワースペクトルｐｉ1ｉ2（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）を成分とする入力パターン行列Ｎを作成する。この標準パターン行列Ｈ及び入力パターン行列Ｎを、次の数３のように表現しておく。ただし、数３は、標準音声及び入力音声の正規化パワースペクトルの形状を、パターン行列のｍ1×ｍ2個の成分値で表現したものである。
【００６４】
【数３】

【００６５】また、図５（ａ）は、標準パターン行列Ｈを（周波数−時間）平面で表現したものであり、同図（ｂ）は、入力パターン行列Ｎを同平面で表現したものである。更に、図６は、図５（ａ）、（ｂ）における同平面の縦の長さと横の長さを１にした（周波数−時間）正規化平面を示している。従って、図６中に示すように、成分間の縦の長さは１／（ｍ1−１）、成分間の横の長さは１／（ｍ2−１）になる。
【００６６】次の数４は、正規分布の確率密度関数の式である。ただし、μは平均値、σ2は分散である。
【００６７】
【数４】

【００６８】図７（ａ）は、平均値μ＝０、分散σｊ1ｊ22としたとき、数４の正規分布のグラフ（正規曲線）を示したものである。また、図７（ｂ）、（ｃ）において正規曲線の関数値に等しい高さの棒グラフを示しているが、この棒グラフの高さの値を成分とする基準パターン正ベクトルＫｊ1ｊ2(+)を図７（ｂ）のように作成し、また、同棒グラフの高さの値を成分とする基準パターン負ベクトルＫｊ1ｊ2(-)を図７（ｃ）のように作成し、次の数５のように表現しておく。数５は正規分布の形状をベクトルのｍ0個の成分値で表現したものであり、数３は行列（２次元）であるのに対し、数５はベクトル（１次元）である。図７から分かるように、これら一対の基準パターンベクトルＫｊ1ｊ2(+)、Ｋｊ1ｊ2(-)は相等なベクトルである。なお、数５中の添数ｊ1ｊ2は、図６に示す点（ｊ1，ｊ2）に対応するものであり、数５中のｍ0は数３中のｍ1及びｍ2と異なる任意の自然数であってよい。
【００６９】
【数５】

【００７０】正規分布の平均値μ及び分散σｊ1ｊ22は、正規分布の形状の特徴をベクトルのｍ0個の成分値で表現できる範囲の任意の値に設定して良いが、ここでは、平均値が基準パターンベクトル成分の中央の位置にあり、分散が以下に述べる値に等しい場合を考える。また、ここではｍ0が奇数の場合を考えているが、ｍ0が偶数の場合にも同様の議論が成り立つ。
【００７１】図８は、平均値μ＝０、分散σ2としたとき、数４の正規曲線を示したものであり、その尖度値は「３」に等しい。ここで、図８中の記号（ｉ）で示すｙの範囲においてｆ（ｙ）の値が正規曲線の値より増加したとき、尖度値は「３」より大きくなり、記号（ii）で示すｙの範囲においてｆ（ｙ）の値が正規曲線の値より増加したとき、尖度値は「３」より小さくなる。また、記号（ｉ）と（ii）の境界部分のｙ（ｙ＝−０．７σの近傍、または、ｙ＝＋０．７σの近傍）において、ｆ（ｙ）の値が正規曲線の値より増加したとき、尖度値の変化量は少なく、尖度値は「３」に近い値になる。一方、記号（iii)で示すｙの範囲においてｆ（ｙ）の値が正規曲線の値より増加したとき、尖度値は「３」より大きくなったり小さくなったりする不安定な動きになる。このことは、正規分布の分散σ2の値にかかわらず、常に成り立つ。
【００７２】そこで、標準パターン行列と入力パターン行列との間の形状変化を、正規分布の値を成分とする基準パターンベクトルの形状変化に置き換え、この基準パターンベクトルの形状変化の大きさを尖度の変化量として数値化するためには、−２．１σ≦ｙ≦＋２．１σの範囲（図８中の記号（ｉ）と（ii）で示すｙの範囲）においてｆ（ｙ）の値が増加するようにすれば、尖度値が安定したものとなる。本実施例では、尖度値が「３」より大きくなるｙの範囲と、「３」より小さくなるｙの範囲が同程度の割合になるように、−１．４σ≦ｙ≦＋１．４σの範囲を使用する。
【００７３】一方、図６において、（周波数−時間）正規化平面上の点（ｊ1，ｊ2）、及び、点（ｉ1，ｉ2）を示している。また、同平面上のすべての点の中で、点（ｊ1，ｊ2）から最も遠い点（ｍ1，１）も示している。従って、点（ｊ1，ｊ2）と点（ｉ1，ｉ2）との間の長さλｉ1ｉ2ｊ1ｊ2は、次の数６により算出できる。同様に、点（ｊ1，ｊ2）と点（ｍ1，１）との間の長さλｍ1１ｊ1ｊ2は、次の数７により算出できる。λｍ1１ｊ1ｊ2は、点（ｊ1，ｊ2）と各点との間の長さの最大値である。
【００７４】
【数６】

【００７５】
【数７】

【００７６】図９は、図６に示す（周波数−時間）正規化平面を３次元で表示したものである。図９において、正規分布の中心線が点（ｊ1，ｊ2）を通り、かつ、（周波数−時間）正規化平面に垂直であり、また、正規分布のｙ軸が点（ｍ1，１）を通る正規曲線を示している。また、正規分布の中心線が点（ｊ1，ｊ2）を通り、かつ、上記平面に垂直であり、また、正規分布のｙ軸が点（ｉ1，ｉ2）を通る正規曲線も示している。ここで、これら２つの正規曲線の分散σｊ1ｊ22は、同じ値であるものとする。従って、上記中心線を軸として正規曲線を回転したとき、これら２つの正規曲線は一致する。
【００７７】また、図７（ａ）に示す正規曲線は、図９に示す２つの正規曲線を重ねて２次元で表示したものである。図７（ａ）において、点（ｊ1，ｊ2）をｙ＝０に対応させ、点（ｍ1，１）をｙ＝−１．４σｊ1ｊ2に対応させている。従って、点（ｉ1，ｉ2）はｙ＝０とｙ＝−１．４σｊ1ｊ2の間のｙの値に対応することになる。
【００７８】また、点（ｊ1，ｊ2）と点（ｍ1，１）との間の長さλｍ1１ｊ1ｊ2は数７より算出できるが、図７（ａ）に示すｙ軸上の０と−１．４σｊ1ｊ2との間の長さでもある。従って、次の数８より、正規分布の分散の値が算出できる。
【００７９】
【数８】

【００８０】上記の方法により正規分布の分散の値を算出すれば、正規分布の主要成分（数８の場合には−１．４σ≦ｙ≦＋１．４σの範囲）が（周波数−時間）正規化平面全体を覆うようにできる。即ち、数８より求めた正規分布の分散の値を数４に適用することにより正規曲線が決定され、更に、図７（ｂ）、（ｃ）、及び、数５に適用することにより基準パターン正ベクトルＫｊ1ｊ2(+)及び基準パターン負ベクトルＫｊ1ｊ2(-)が作成できる。
【００８１】ここで、パターン行列の指定成分としてｊ1ｊ2成分をｊ1＝１〜ｍ1、ｊ2＝１〜ｍ2の中の一組の値に固定しておいた上で、パターン行列のｉ1ｉ2成分（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）のそれぞれについて考える。点（ｊ1，ｊ2）と点（ｉ1，ｉ2）との間の長さλｉ1ｉ2ｊ1ｊ2は数６より算出できるが、図７（ａ）に示すように、λｉ1ｉ2ｊ1ｊ2は正規分布の平均値からの偏差の値でもある。
【００８２】一方、図７（ｃ）に示すように、基準パターンベクトルの各成分番号の間の長さをΔｙｊ1ｊ2としたとき、成分番号ｉ0（ｉ0＝１，２，・・・，ｍ0）に対応する正規分布の平均値からの偏差の値Ｌｊ1ｊ2ｉ0は、次の数９により算出できる。なお、ここでは、基準パターンベクトルの各成分番号の間の長さが等間隔である場合を考える。また、数９において（ｍ0＋１）／２は基準パターンベクトルの中央の成分番号である。
【００８３】
【数９】

【００８４】図７（ａ）、（ｂ）、（ｃ）に、上記λｉ1ｉ2ｊ1ｊ2とＬｊ1ｊ2ｉ0との関係を示す。同図（ａ）において、λｉ1ｉ2ｊ1ｊ2は点（ｊ1，ｊ2）と点（ｉ1，ｉ2）との間の長さであることを示している。また、同図（ｂ）、（ｃ）において、基準パターン正ベクトル及び基準パターン負ベクトルの中心からλｉ1ｉ2ｊ1ｊ2だけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号がｉ0であり、成分番号ｉ0に対応する正規分布の平均値からの偏差の値がＬｊ1ｊ2ｉ0であることを示している。
【００８５】即ち、パターン行列のｊ1ｊ2成分とｉ1ｉ2成分が与えられたとき、数６よりこれら２点間の長さλｉ1ｉ2ｊ1ｊ2が算出され、次に、基準パターンベクトルについて成分番号ｉ0、正規分布の平均値からの偏差の値Ｌｊ1ｊ2ｉ0、及び、成分値ｋｊ1ｊ2(+)ｉ0とｋｊ1ｊ2(-)ｉ0が得られることになる。
【００８６】ここで、基準パターンベクトルの成分の個数ｍ0を十分に大きく（Δｙｊ1ｊ2を十分に小さく）しておけば、λｉ1ｉ2ｊ1ｊ2の値とＬｊ1ｊ2ｉ0の値との間の誤差を十分に小さくすることができ、精度の高い計算結果が得られる。また、成分番号ｉ0と成分番号（ｍ0−ｉ0+１）は正規分布の平均値に関して対称であるため、ｉ0の代わりに（ｍ0−ｉ0+１）を用いてもよい。
【００８７】次に、標準パターン行列Ｈと入力パターン行列Ｎとの間の形状変化を、基準パターン正ベクトルＫｊ1ｊ2(+)及び基準パターン負ベクトルＫｊ1ｊ2(-)の形状変化に置き換える。即ち、パターン行列のｉ1ｉ2成分（ｉ1＝１，２，・・・，ｍ1 ）（ｉ2＝１，２，・・・，ｍ2）について、標準パターン行列Ｈの成分値ｈｉ1ｉ2と入力パターン行列Ｎの成分値ｎｉ1ｉ2との間の変化量の絶対値は｜ｎｉ1ｉ2−ｈｉ1ｉ2｜であるが、次の数１０に示すように、ｎｉ1ｉ2がｈｉ1ｉ2より大きいとき基準パターン正ベクトルＫｊ1ｊ2(+)の成分値ｋｊ1ｊ2(+)ｉ0をこの変化量の絶対値｜ｎｉ1ｉ2−ｈｉ1ｉ2｜だけ増加させ、ｎｉ1ｉ2がｈｉ1ｉ2より小さいとき基準パターン負ベクトルＫｊ1ｊ2(-)の成分値ｋｊ1ｊ2(-)ｉ0をこの変化量の絶対値｜ｎｉ1ｉ2−ｈｉ1ｉ2｜だけ増加させる。
【００８８】
【数１０】

【００８９】従って、数８により正規分布の分散の値を算出し、数１０により基準パターンベクトルの成分値ｋｊ1ｊ2(+)ｉ0及びｋｊ1ｊ2(-)ｉ0を増加させるようにすれば、パターン行列のｊ1ｊ2成分とｉ1ｉ2成分のあらゆる組み合わせに対して、−１．４σ≦ｙ≦＋１．４σの範囲においてｆ（ｙ）の値が増加するようにできる。
【００９０】次に、図１０〜図１６の模式図に示す典型例を用いて、数１０を説明する。これら図１０〜図１６の各（ａ）、（ｂ）は、パターン行列のｍ1×ｍ2個の成分値を行列形状として図形で表現したものであり、また、これら図１０〜図１６の各（ｃ）は、ベクトルのｍ0個の成分値をベクトル形状として図形で表現したものである。なお、全体のパターン行列の中で１つの成分のパワースペクトルだけが増加した場合、数２により正規化を行うと、その成分の正規化パワースペクトルの増加とともに、他の成分の正規化パワースペクトルが相対的に減少することになるが、図１０〜図１６では、表示を簡単にし且つ理解を容易にするため、入力パターン行列形状の着目している成分についてのみ増減を表示し、他の成分については変化がないものとしている。また、基準パターン負ベクトル形状は、基準パターン正ベクトル形状との対比を容易にするため、上下を逆に表示している。
【００９１】パターン行列の指定成分としてｊ1ｊ2成分を図６及び図９に示す位置に固定し、正規分布の中心線がｊ1ｊ2成分を通る場合について、図１０〜図１６を説明すると下記の通りである。
（１）図１０は、標準パターン行列形状と入力パターン行列形状が等しい例を示したものである。この場合、基準パターン正ベクトル及び基準パターン負ベクトルは共に正規分布の形状から変化はない。
（２）図１１は、標準パターン行列形状に対して入力パターン行列形状のｊ1ｊ2成分だけがδ1増加した例を示したものである。この場合には、基準パターン正ベクトル形状の中央部分が同じ値δ1だけ増加し、基準パターン負ベクトル形状に変化はない。
（３）図１２は、標準パターン行列形状に対して入力パターン行列形状のｊ1ｊ2成分だけがδ2減少した例を示したものである。この場合には、基準パターン正ベクトル形状に変化はなく、基準パターン負ベクトル形状の中央部分が同じ値δ2だけ増加する。
（４）図１３は、標準パターン行列形状に対して入力パターン行列形状のｍ1１成分だけがδ3増加した例を示したものである。この場合には、同図（ｂ）に示すように、ｊ1ｊ2成分とｍ1１成分との間の長さはλｍ1１ｊ1ｊ2であり、同図（ｃ）に示すように、基準パターン正ベクトル形状の中心からλｍ1１ｊ1ｊ2だけ離れた位置に最も近い基準パターン正ベクトル形状の成分番号は２であり、この基準パターン正ベクトル形状の成分番号２の成分値がδ3だけ増加している。一方、基準パターン負ベクトル形状に変化はない。
（５）図１４は、標準パターン行列形状に対して入力パターン行列形状のｍ1１成分だけがδ4減少した例を示したものである。この場合には、同図（ｂ）に示すように、ｊ1ｊ2成分とｍ1１成分との間の長さはλｍ1１ｊ1ｊ2であり、同図（ｃ）に示すように、基準パターン負ベクトル形状の中心からλｍ1１ｊ1ｊ2だけ離れた位置に最も近い基準パターン負ベクトル形状の成分番号は２であり、この基準パターン負ベクトル形状の成分番号２の成分値がδ4だけ増加している。一方、基準パターン正ベクトル形状に変化はない。
（６）図１５は、標準パターン行列形状に対して入力パターン行列形状のｉ1ｉ2成分だけがδ5増加した例を示したものである。この場合にも、同図（ｂ）に示すように、ｊ1ｊ2成分とｉ1ｉ2成分との間の長さはλｉ1ｉ2ｊ1ｊ2であり、同図（ｃ）に示すように、基準パターン正ベクトル形状の中心からλｉ1ｉ2ｊ1ｊ2だけ離れた位置に最も近い基準パターン正ベクトル形状の成分番号はｉ0であり、この基準パターン正ベクトル形状の成分番号ｉ0の成分値がδ5だけ増加している。
（７）図１６は、標準パターン行列形状に対して入力パターン行列形状のｉ1ｉ2成分だけがδ6減少した例を示したものである。この場合にも、同図（ｂ）に示すように、ｊ1ｊ2成分とｉ1ｉ2成分との間の長さはλｉ1ｉ2ｊ1ｊ2であり、同図（ｃ）に示すように、基準パターン負ベクトル形状の中心からλｉ1ｉ2ｊ1ｊ2だけ離れた位置に最も近い基準パターン負ベクトル形状の成分番号がｉ0であり、この基準パターン負ベクトル形状の成分番号ｉ0の成分値がδ6だけ増加している。
【００９２】図１０〜図１６においては標準パターン行列形状及び入力パターン行列形状の典型例を示したが、通常の場合には、標準パターン行列形状に対して入力パターン行列形状の殆どの部分が変化するので、数６は変化した全ての部分について長さの計算を行い、数１０は変化した全ての部分について形状変化の計算を行うものである。また、数１０は、絶対的な形状を問題にしているのではなく、相対的な形状変化を問題にしているため、任意形状の標準パターン行列及び入力パターン行列について適用が可能である。
【００９３】次に、数１０により形状変化した一対の基準パターンベクトル（基準パターン正ベクトルＫｊ1ｊ2(+)と基準パターン負ベクトルＫｊ1ｊ2(-) ）について、それぞれの形状変化の大きさを、尖度の変化量として数値化する。
【００９４】ここで、基準パターン正ベクトルＫｊ1ｊ2(+)の尖度Ａｊ1ｊ2(+)、及び、基準パターン負ベクトルＫｊ1ｊ2(-)の尖度Ａｊ1ｊ2(-)は、それぞれ次の数１１により算出できる。ただし、数１１中のＬｊ1ｊ2ｉ0（ｉ0＝１，２，・・・，ｍ0）は、図１０に示すように、正規分布の平均値からの偏差の値であり、数９により正規分布の形状の特徴を表現できる範囲の任意の値に設定しておく。
【００９５】
【数１１】

【００９６】数１１より算出される尖度の値Ａｊ1ｊ2(+)及びＡｊ1ｊ2(-)は、正規分布の平均値（中心）のまわりの４次の積率と、２次の積率の２乗との比である。
【００９７】なお、正規分布に限らず、数１１より、任意の基準形状の尖度の値を算出できる。
【００９８】前述したように、一般に、ベクトル形状の尖度の計算式においては、ベクトルの成分値が負の場合には定義できず、標準パターン行列の成分値と入力パターン行列の成分値のあらゆる大小関係に対して、基準パターンベクトルの成分値が非負である必要がある。
【００９９】このため、初期値が同形状の基準パターン正ベクトルＫｊ1ｊ2(+)及び、基準パターン負ベクトルＫｊ1ｊ2(-)を作成しておき、数１０ではそれらの成分値の変化が非減少になるようにし、数１１においてそれぞれの尖度Ａｊ1ｊ2(+)、Ａｊ1ｊ2(-)を算出するようにしている。
【０１００】次に、基準パターン正ベクトルの尖度Ａｊ1ｊ2(+)と基準パターン負ベクトルの尖度Ａｊ1ｊ2(-)の２つの変化量から、尖度の差の値（Ａｊ1ｊ2(+)−Ａｊ1ｊ2(-) ）を以て、標準パターン行列と入力パターン行列の類似の程度を表す形状変化量Ｄｊ1ｊ2とする。
【０１０１】例えば、数５により正規分布形状に初期設定された２つの基準パターンベクトルＫｊ1ｊ2(+)及びＫｊ1ｊ2(-)の尖度の値は、共に３に等しい。そのため、数１０により形状変化した基準パターン正ベクトル及び基準パターン負ベクトルの尖度の変化量は、それぞれ｛Ａｊ1ｊ2(+)−３｝及び｛Ａｊ1ｊ2(-)−３｝となる。即ち、正方向の変化量は｛Ａｊ1ｊ2(+)−３｝、また負方向の変化量は｛Ａｊ1ｊ2(-)−３｝となり、全体の変化量はこの差の値となる。従って、次の数１２より、形状変化量Ｄｊ1ｊ2が算出できる。
【０１０２】
【数１２】

【０１０３】次に、図１０〜図１６に示した標準パターン行列形状及び入力パターン行列形状の典型例それぞれの場合について、数１２より算出される形状変化量Ｄｊ1ｊ2が示す値について考えてみると、以下の通りである。
（１）図１０に示すように、標準パターン行列形状と入力パターン行列形状が等しい場合には、Ａｊ1ｊ2(+)＝３かつＡｊ1ｊ2(-)＝３より、形状変化量Ｄｊ1ｊ2＝０になる。
（２）また、図１１に示すように、標準パターン行列形状に対して入力パターン行列形状のｊ1ｊ2成分が増加した場合には、Ａｊ1ｊ2(+)＞３かつＡｊ1ｊ2(-)＝３により、Ｄｊ1ｊ2＞０となる。
（３）図１２に示すように、標準パターン行列形状に対して入力パターン行列形状のｊ1ｊ2成分が減少した場合には、Ａｊ1ｊ2(+)＝３かつＡｊ1ｊ2(-)＞３により、Ｄｊ1ｊ2＜０になる。
（４）一方、図１３に示すように、標準パターン行列形状に対して入力パターン行列形状のｊ1ｊ2成分から遠く離れた部分が増加した場合には、Ａｊ1ｊ2(+)＜３かつＡｊ1ｊ2(-)＝３により、Ｄｊ1ｊ2＜０となる。
（５）図１４に示すように、標準パターン行列形状に対して入力パターン行列形状のｊ1ｊ2成分から遠く離れた部分が減少した場合には、Ａｊ1ｊ2(+)＝３かつＡｊ1ｊ2(-)＜３により、Ｄｊ1ｊ2＞０になる。
（６）図１５に示すように、標準パターン行列形状に対して入力パターン行列形状のｊ1ｊ2成分から中程度離れた部分が増加した場合には、図８における記号（ｉ）と（ii）の境界部分のｙ（ｙ＝−０．７σの近傍、または、ｙ＝＋０．７σの近傍）においてｆ（ｙ）の値が正規曲線より増加することになり尖度値の変化量が少ないため、Ａｊ1ｊ2(+)≒３かつＡｊ1ｊ2(-)＝３により、Ｄｊ1ｊ2≒０となる。
（７）図１６に示すように、標準パターン行列形状に対して入力パターン行列形状のｊ1ｊ2成分から中程度離れた部分が減少した場合には、図８における記号（ｉ）と（ii）の境界部分のｙ（ｙ＝−０．７σの近傍、または、ｙ＝＋０．７σの近傍）においてｆ（ｙ）の値が正規曲線より増加することになり尖度値の変化量が少ないため、Ａｊ1ｊ2(+)＝３かつＡｊ1ｊ2(-)≒３により、Ｄｊ1ｊ2≒０となる。
【０１０４】即ち、正規分布の中央付近（パターン行列形状のｊ1ｊ2成分の近傍）において、入力音声の正規化パワースペクトルが標準音声の正規化パワースペクトルに対して相対的に強くなったときは、形状変化量Ｄｊ1ｊ2は正の値で、かつ，相対強度に比例して増加する。逆に、正規分布の中央付近において、入力音声の正規化パワースペクトルが標準音声の正規化パワースペクトルに対して相対的に弱くなったときは、形状変化量Ｄｊ1ｊ2は負の値で、かつ，相対強度に比例して減少する。
【０１０５】そこで、正規分布の平均値を標準パターン行列形状の各成分位置に順次移動させた場合について、各位置での形状変化量を求める。図１７は標準パターン行列形状に対して入力パターン行列形状のｉ1ｉ2成分だけが増加した例を示す。図１８は、図１７の例において、正規分布の平均値が点（ｊ1，ｊ2）（ｊ1＝１，２，・・・，ｍ1 ）（ｊ2＝１，２，・・・，ｍ2）の位置に移動したときのそれぞれの場合について、異なる分散の値をもつ正規分布、及び、正規分布の平均値と点（ｉ1，ｉ2）との間の長さλｉ1ｉ2ｊ1ｊ2（ｊ1＝１，２，・・・，ｍ1 ）（ｊ2＝１，２，・・・，ｍ2）を示したものである。また、図１９は、図１８のそれぞれの場合について、基準パターン正ベクトル形状及び基準パターン負ベクトル形状を示したものである。
【０１０６】図１８では、点（ｊ1，ｊ2）（ｊ1＝１，２，・・・，ｍ1 ）（ｊ2＝１，２，・・・，ｍ2）のそれぞれの場合について、（周波数−時間）正規化平面上のすべての点の中で点（ｊ1，ｊ2）から最も遠い点を数７に適用して点（ｊ1，ｊ2）と各点との間の長さの最大値を求め、数８により点（ｊ1，ｊ2）ごとに異なる分散の値をもつ正規分布を作成している。従って、正規分布の中心線が点（ｊ1，ｊ2）を通り、かつ、上記平面に垂直になるようにし、上記中心線を軸として正規分布を回転したとき、正規分布の主要部分が正規分布の平均値の位置にかかわらず常に上記平面全体を覆うようにできる。これにともない、図１９では、点（ｊ1，ｊ2）のそれぞれの場合に対応して、基準パターン正ベクトル形状及び基準パターン負ベクトル形状は異なるものになっている。
【０１０７】図１７では、同図（ａ）の標準パターン行列形状に対して、同図（ｂ）の入力パターン行列形状のｉ1ｉ2成分がδ増加しているが、図１８において、正規分布の平均値と点（ｉ1，ｉ2）との間の長さλｉ1ｉ2ｊ1ｊ2（ｊ1＝１，２，・・・，ｍ1 ）（ｊ2＝１，２，・・・，ｍ2）を示し、図１９においては、それぞれの基準パターン正ベクトル形状においてのみ、その中心からλｉ1ｉ2ｊ1ｊ2だけ離れた位置に最も近い基準パターン正ベクトル形状の成分番号に対応する部分が同じ値δだけ増加し、基準パターン負ベクトル形状に変化がないことを示している。
【０１０８】また、正規分布の平均値が標準パターン行列形状の中心位置から離れている場合、図１８中の記号アで示す部分は、標準パターン行列及び入力パターン行列の成分番号（ｉ1＝１，２，・・・，ｍ1 ）（ｉ2＝１，２，・・・，ｍ2）に対応していないため、これに対応する基準パターン正ベクトル形状においては、常に値の変化はない。
【０１０９】ここで、数１１において、正規分布の平均値からの偏差の値Ｌｊ1ｊ2ｉ0は、２乗または４乗されている。一方、基準パターン正ベクトル形状及び基準パターン負ベクトル形状においては、成分番号ｉ0と成分番号（ｍ0−ｉ0+１）は正規分布の平均値に関して対称である。このため、正規分布の平均値からの偏差の値Ｌｊ1ｊ2ｉ0の２乗の値または４乗の値は、Ｌｊ1ｊ2（ｍ0−ｉ0+１）の２乗の値または４乗の値に等しい。従って、成分番号ｉ0の代わりに成分番号（ｍ0−ｉ0+１）を用いてもよい。
【０１１０】なお、特開平１０−２５３４４４号公報（特願平９−６１００７号）の段落［００６６］においては「図１１中の記号イで示す部分は、基準パターン正ベクトル及び基準パターン負ベクトルの値の作成範囲外であるため、破線で示す入力パターンベクトルの変化にかかわらず、常に値の変化はない」としているが、本発明においては、例えば数７及び数８により点（ｊ1，ｊ2）ごとに異なる分散の値をもつ正規分布を作成し、正規分布の主要部分が正規分布の平均値の位置にかかわらず常にパターン行列全体を覆うようにしたため、標準パターン行列及び入力パターン行列のすべての成分番号について常に値を変化させることが可能になった。これにより、標準パターン行列と入力パターン行列との間の形状変化のすべてが尖度の値に反映するようになり、類似度検出性能が向上する。
【０１１１】このようにして、正規分布の平均値を標準パターン行列形状のｊ1ｊ2成分（ｊ1＝１，２，・・・，ｍ1 ）（ｊ2＝１，２，・・・，ｍ2）の位置に移動させたときのそれぞれの場合について、前記と同様の数７，数８、数５、数９、数６、数１０，数１１，数１２を順に用いた処理手順により形状変化量Ｄｊ1ｊ2（ｊ1＝１，２，・・・，ｍ1 ）（ｊ2＝１，２，・・・，ｍ2）を算出する。この様子が図１８及び図１９に示されている。ただし、図１９に示すように、数１１におけるＬｊ1ｊ2ｉ0（ｉ0＝１，２，・・・，ｍ0）は、移動した正規分布のそれぞれの平均値からの偏差の値であり、また、ｋｊ1ｊ2(+)ｉ0及びｋｊ1ｊ2(-)ｉ0（ｉ0＝１，２，・・・，ｍ0）は、このＬｊ1ｊ2ｉ0に対応するものである。
【０１１２】図２０は、数５〜数１２を用いて、ｍ1×ｍ2 個の形状変化量Ｄｊ1ｊ2を算出する処理手順を示したフローチャートである。ここでは、数３により標準パターン行列Ｈ及び入力パターン行列Ｎを作成した後の処理手順を示しており、図２０中のステップＳ３−１〜Ｓ３−９は図２４中のステップＳ３の詳細でもある。
【０１１３】図２０において、最初のステップＳ３−１では、ｊ1＝１，ｊ2＝１と初期設定しておき、次のステップＳ３−２からステップＳ３−７では、ｊ2＝ｍ2までｊ2を１ずつ増加し、ステップＳ３−２からステップＳ３−９では、ｊ1＝ｍ1までｊ1を１ずつ増加して形状変化量Ｄｊ1ｊ2を算出するループに入る。
【０１１４】この形状変化量算出ループ内のステップＳ３−２では、ループを回る毎に、１対の基準パターンベクトル（基準パターン正ベクトルＫｊ1ｊ2(+)と基準パターン負ベクトルＫｊ1ｊ2(-) ）を数７、数８、数５、数９を順に用いて作成する。即ち、数７により点（ｊ1，ｊ2）と各点との間の長さの最大値を求め、数８により正規分布の分散の値を算出し、数５及び数９により正規分布の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成する。次に、ステップＳ３−３からステップＳ３−５では、数６、数１０、数１１、数１２を順に用いて形状変化量Ｄｊ1ｊ2を算出する。即ち、ステップＳ３−３で、（周波数−時間）正規化平面上の各点について、数６により点（ｊ1，ｊ2）と各点との間の長さを求め、基準パターン正ベクトル及び基準パターン負ベクトルの中心から上記長さだけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号を算出し、数１０により基準パターン正ベクトルＫｊ1ｊ2(+)及び基準パターン負ベクトルＫｊ1ｊ2(-)の形状を変化させ、ステップＳ３−４で、数１１を用いて基準パターン正ベクトルの尖度Ａｊ1ｊ2(+)及び基準パターン負ベクトルの尖度Ａｊ1ｊ2(-)を算出し、ステップＳ３−５で、数１２を用いて形状変化量Ｄｊ1ｊ2を算出する。
【０１１５】このような処理手順により、ｊ1ｊ2成分（ｊ1＝１，２，・・・，ｍ1 ）（ｊ2＝１，２，・・・，ｍ2）に対応するそれぞれの場合についてｍ1×ｍ2個の形状変化量Ｄｊ1ｊ2を算出することができる。
【０１１６】図２１は、図１７〜図１９で示した標準パターン行列形状及び入力パターン行列形状について、図２０の処理手順を用いて算出したパターン行列の成分別形状変化量の模式図である。
【０１１７】正規分布の平均値が、図１８及び図１９のように標準パターン行列形状に対して入力パターン行列形状が増加した部分と同じ位置に移動したとき、図２１のように形状変化量は最大となり（同図中、Ｄｉ1ｉ2で示す部分）、離れた位置に移動したとき負の値になることが分かる。
【０１１８】なお、特開平１０−２５３４４４号公報（特願平９−６１００７）の段落［００７６］において、［また、さらに離れた位置に移動したときは、図１１中の記号イで示す部分が現れるため、図１３のように形状変化量は０となる（同図中、中心周波数ｆ１の帯域に対応するもの）。」としているが、本発明においては、標準パターン行列及び入力パターン行列のすべての成分番号について常に値を変化させることを可能にしたため形状変化量が０に固定されることがなくなった。これにより、標準パターン行列と入力パターン行列との間の形状変化のすべてが尖度の値に反映するようになり、類似度検出性能が向上する。
【０１１９】このように、形状変化量Ｄｊ1ｊ2 、即ち、形状変化した基準パターン正ベクトルの尖度と基準パターン負ベクトルの尖度との差（Ａｊ1ｊ2(+)−Ａｊ1ｊ2(-)）は、標準パターン行列形状に対して入力パターン行列形状が増加した部分と同じ位置に基準形状の中心が移動した場合において、その値が増加することになる。
【０１２０】即ち、入力音声の正規化パワースペクトルが、標準音声の正規化パワースペクトルに対してパターン行列のどの成分においてどの程度強くなっているかを、形状変化量として検出することができる。
【０１２１】次に、上記のようにして得られたｍ1×ｍ2個の形状変化量Ｄｊ1ｊ2（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）を用いて、標準パターン行列形状と入力パターン行列形状との差を、２つのパターン行列間の１個の形状距離値として数値化する。
【０１２２】この形状距離値はｍ1×ｍ2個の形状変化量Ｄｊ1ｊ2の積算であると考えられる。従って、次の数１３より、形状距離値ｄを算出できる。
【０１２３】
【数１３】

【０１２４】数１３ではｍ1×ｍ2個の形状変化量Ｄｊ1ｊ2の２乗和の平方根を形状距離値としているが、次の数１４のように、ｍ1×ｍ2個の形状変化量Ｄｊ1ｊ2の２乗和自身を形状距離値ｄとすることもできる。
【０１２５】
【数１４】

【０１２６】以上で形状距離値の算出方法を述べたが、次に、この方法を用いて図３９、図４０に示した標準音声２０及び入力音声２１、２２、２３について、標準パターン行列２０Ａと各入力パターン行列２１Ａ、２２Ａ、２３Ａとの間の形状距離値ｄ２１、ｄ２２，ｄ２３を算出することを考えてみる。
【０１２７】図２２は、図４０における変数αの値を０から１まで増加させたとき、形状距離値ｄ２１、ｄ２２、ｄ２３が変化する様子を示したものである。この図２２から、図３９、図４０の例では、形状距離値は常にｄ２１＝ｄ２２＜ｄ２３であり、αの値が増加するにつれて、形状距離値ｄ２１、ｄ２２、ｄ２３も増加することが分かる。
【０１２８】ここで、図３９、図４０の例で変数αが小さい場合について、仮に、入力音声２１と入力音声２２は摩擦子音／ｓ／の「スペクトル強度のゆらぎ」であり、入力音声２３は摩擦子音／ｓ／とは異なる音声であるとする。
【０１２９】従来は標準音声からのユークリッド距離や角度の値を用いているため、図３９、図４０において入力音声２１、２２、２３の変数αの値が同じときには、図４３及び図４４に示したように、入力音声２１、２２が標準音声であり、入力音声２３は標準音声でないことを判定できなかった。
【０１３０】これに対し、本発明では、入力音声２１、２２、２３のαの値が同じときでも、図２２に２つの白丸印５、６で示すように、標準音声からの形状距離値ｄ２１、ｄ２２、ｄ２３と任意に設定した許容値とを比較することにより、白丸印６の入力音声は標準音声であり、白丸印５の入力音声は標準音声でないと判定することができる。つまり、摩擦子音／ｓ／の入力音声２１、２２と、摩擦子音／ｓ／とは異なる入力音声２３とを区別できる。
【０１３１】更に、上記の形状距離値の算出方法を用いて図４１、図４２に示した標準音声２４及び入力音声２５、２６、２７について、標準パターン行列２４Ａと各入力パターン行列２５Ａ、２６Ａ、２７Ａとの間の形状距離値ｄ２５、ｄ２６、ｄ２７を算出することを考えてみる。
【０１３２】図２３は、図４２における変数βの値を０から１まで増加させたとき、形状距離値ｄ２５、ｄ２６、ｄ２７が変化する様子を示したものである。この図２３から、図４１、図４２の例では、形状距離値は常にｄ２５＜ｄ２６＜ｄ２７であり、βの値が増加するにつれて、形状距離値ｄ２５、ｄ２６、ｄ２７も増加することが分かる。
【０１３３】ここで、図４１、図４２の例で、仮に、入力音声２５は標準音声２４と同じ音声であって、そのピークに「周波数のずれ」または「時間のずれ」が発生したものであり、入力音声２６と入力音声２７は標準音声２４とは異なる音声であるとする。
【０１３４】従来は標準音声からのユークリッド距離や角度の値を用いているため、図４１、図４２において入力音声２５、２６、２７の変数βの値が同じときには、図４５及び図４６に示したように、入力音声２５が標準音声であり、入力音声２６、２７は標準音声でないことを判定できなかった。
【０１３５】これに対し、本発明では、入力音声２５、２６、２７のβの値が同じときでも、図２３に３つの白丸印７、８、９で示すように、標準音声からの形状距離値ｄ２５、ｄ２６、ｄ２７と任意に設定した許容値とを比較することにより、白丸印９の入力音声は標準音声であり、白丸印７、８の入力音声は標準音声でないと判定することができる。つまり、標準音声２４と同じ入力音声２５と、標準音声２４とは異なる入力音声２６、２７とを区別できる。
【０１３６】また、図４１、図４２において、標準音声２４のピークに対する入力音声２５、２６、２７のピークの［周波数のずれ」または「時間のずれ」の大きさは、入力音声２５、２６、２７の順に大きくなっている。一方、図２３において、形状距離値はｄ２５＜ｄ２６＜ｄ２７となっており、形状距離値を用いれば、これらピークの［周波数のずれ」または「時間のずれ」の大きさも検出できる。
【０１３７】次に、以上で述べた音声の類似度検出方法を用いてコンピュータが連続的に音声の類似度を検出し、音声を認識する一例を図２４を参照して説明する。
【０１３８】図２４はコンピュータが音声を認識するためのフローチャートである。図２４において、ステップＳ１では標準音声から標準パターン行列を予め作成しておく。次のステップＳ２では入力音声から入力パターン行列を作成し、ステップＳ３では形状変化量Ｄｊ1ｊ2（ｊ1＝１，２，・・・，ｍ1 ）（ｊ2＝１，２，・・・，ｍ2）を算出する。ここで、ステップＳ３の形状変化量の算出手順は、前述した図２０におけるステップＳ３−１からステップＳ３−９により構成される。そして、ステップＳ４では形状距離値ｄを算出し、ステップＳ５では許容値と比較して判定を行う。判定の後、再び、ステップＳ２からの処理を繰り返す。
【０１３９】このような処理手順により、音声を連続的に認識することができる。形状距離値ｄが許容値を越えたとき、ステップＳ６で入力音声は標準音声でないと判定し、形状距離値ｄが許容値内のとき、ステップＳ７で入力音声は標準音声であると判定する。
【０１４０】ところで、一般に、音声認識においては、例えば／ａ／、／ｉ／、／ｕ／、／ｅ／、／ｏ／という音声のように、入力音声が複数の音声のうちのどれであるかを認識することが多い。このような場合には、／ａ／、／ｉ／、／ｕ／、／ｅ／、／ｏ／というそれぞれの音声を別々の標準音声と考え、これらの標準音声から５個の標準パターン行列を作成しておく。
【０１４１】次に、入力音声からは１個の入力パターン行列を作成し、この入力パターン行列と上記５個の各標準パターン行列との間の形状距離値を算出し、これらの形状距離値のうちの最小値と、任意に設定した許容値とを比較し、最小の形状距離値が許容値を越えていないときには、入力音声は最小の形状距離値を与える標準音声であると判定し、越えたときには入力音声は５個の標準音声のいずれでもないと判定する。
【０１４２】図２５は、上記の処理手順を実現するため、音声の類似度検出装置としてブロック図で示したものである。図２５において、１０はパターンベクトル生成器、１１はパターン行列生成器、１２は比較器、１３、１４、１５は計算器である。
【０１４３】パターンベクトル生成器１０は、正規分布の値を成分とする基準パターン正ベクトルＫｊ1ｊ2(+)及び基準パターン負ベクトルＫｊ1ｊ2(-)を生成し、パターン行列生成器１１は、標準音声の特徴量を成分とする標準パターン行列Ｈと、入力音声の特徴量を成分とする入力パターン行列Ｎとを生成する。比較器１２は、パターン行列の各成分について、入力パターン行列の成分値が標準パターン行列の成分値より大きいか否かを比較する。計算器１３は、パターン行列の指定成分と各成分との間の長さを求め、基準パターンベクトルの中心から上記長さだけ離れた位置に最も近い基準パターンベクトルの成分番号を算出し、入力パターン行列の成分値が標準パターン行列の成分値より大きいとき、その差の絶対値だけ基準パターン正ベクトルＫｊ1ｊ2(+)の上記成分番号の成分値を増加させ、入力パターン行列の成分値が標準パターン行列の成分値より小さいとき、その差の絶対値だけ基準パターン負ベクトルＫｊ1ｊ2(-)の上記成分番号の成分値を増加させる。計算器１４は、上記増加手段１３により生成された基準パターン正ベクトルＫｊ1ｊ2(+)の尖度と上記増加手段１３により生成された基準パターン負ベクトルＫｊ1ｊ2(-)の尖度との差の値を算出する。ここで、尖度の差の値を算出するに際し、パターン行列の指定成分を各成分の位置に移動しながら尖度の差の値を求める。計算器１５は、上記尖度の差の値の２乗和の平方根を算出することにより、標準パターン行列と入力パターン行列の間の形状距離値ｄを得る。
【０１４４】以上要するに、図２４に示すよう、標準音声の特徴量を成分とする標準パターン行列と、入力音声の特徴量を成分とする入力パターン行列とを作成し（ステップＳ１〜Ｓ２）、パターン行列の指定成分ごとに異なる分散の値をもつ基準形状を作成し、上記基準形状の値を成分とする基準パターン正ベクトル及び基準パターン負ベクトルを作成し、パターン行列の指定成分（基準形状の中心）を標準パターン行列のｊ1＝1 〜ｍ1，ｊ2＝１〜ｍ2各成分位置に順次合わせながら、標準パターン行列と入力パターン行列間の形状の変化を、基準パターン正ベクトルと基準パターン負ベクトルの形状変化に置き換え、これら基準パターン正ベクトルと基準パターン負ベクトルの尖度の変化量を数値化して形状変化量Ｄｊ1ｊ2 とし（ステップＳ３）、形状変化量Ｄｊ1ｊ2 （ｊ1＝1 ，２，…，ｍ1）（ｊ2＝１，２，…，ｍ2）から標準音声と入力音声のパターン行列形状についての形状距離値ｄを算出することにより（ステップＳ４）、正確な音声の類似度検出値を得ることができる。また、この音声類似度検出値（形状距離値ｄ）を任意に設定した許容値と比較し（ステップＳ５）、形状距離値ｄが許容値を越えたとき入力音声は標準音声でないと判定し（ステップＳ６）、形状距離値ｄが許容値内のとき入力音声は標準音声であると判定する（ステップＳ７）ことのより、正確な音声認識結果を得ることができる。
【０１４５】（II）機械の異常判定方法次に、振動波の類似度検出方法及びその検出値を用いた機械の異常判定方法について述べる。本実施例では、機械の異常判定を行うために、振動波の周波数分布の時間変化を正規化して標準パターン行列と入力パターン行列とを作成し、これらパターン行列間の形状変化を、正規分布の値を成分とする基準パターンベクトルの形状変化に置き換え、この基準パターンベクトルの形状変化の大きさを尖度の変化量として数値化することにより振動波の類似度を検出し、更に、その検出値を用いて機械の異常判定を行うものとする。
【０１４６】図１において、マイクロホンの代わりに、適宜な振動センサにより機械の振動波を測定する。図１に示すように、ｉ1番目のＡＤ変換器３の出力信号を時刻ｔの関数としてｘｉ1（ｔ）（ｉ1＝１，２，・・・，ｍ1）とした時、関数ｘｉ1（ｔ）はｉ1番目の帯域通過フィルタ２を通して抽出した振動波の周波数成分波である。また、図３において、ｉ2番目の時刻をｔｉ2（ｉ2＝１，２，・・・，ｍ2）として、関数ｘｉ1（ｔ）を各時刻ごとに区切って測定することにより振動波の周波数分布の時間変化の特徴が抽出できる。そのため、ｉ1番目の周波数帯域におけるｉ2番目の時刻のパワースペクトルＰｉ1ｉ2は数１により算出できる。ただし、関数ｘｉ1（ｔ）の２乗和を計算する時間長Ｔは、時間的に変化する振動波の特徴が顕著に現れるように任意に設定しておく。
【０１４７】以上で述べた音声の類似度検出処理手順を、上記で算出した振動波のパワースペクトルＰｉ1ｉ2に適用し、機械の異常判定を行う。
【０１４８】具体的には、標準振動波の特徴量を成分とする標準パターン行列と入力振動波の特徴量を成分とする入力パターン行列とを作成し、これらのパターン行列形状変化を基準パターン正ベクトル及び基準パターン負ベクトルの形状変化に置き換えて、この形状変化の大きさを尖度の変化量とし、基準パターン正ベクトルと基準パターン負ベクトルの尖度の差から、標準パターン行列と入力パターン行列との間の形状距離値を算出し、得られた形状距離値と任意に設定した許容値とを比較し、形状距離値が許容値を越えたとき機械は異常であると判定し、形状距離値が許容値内のとき正常であると判定する。
【０１４９】（III)画像認識方法次に、画像の類似度検出方法及びその検出値を用いた画像認識方法について述べる。本実施例では、画像認識を行うために、画像の濃度パターンを正規化して標準パターン行列と入力パターン行列とを作成し、これらパターン行列間の形状変化を、正規分布の値を成分とする基準パターンベクトルの形状変化に置き換え、この基準パターンベクトルの形状変化の大きさを尖度の変化量として数値化することにより画像の類似度を検出し、更に、その検出値を用いて画像認識を行うものとする。
【０１５０】図２６は、アルファベット”Ｅ”の画像の一例である。同図に示されるように、画像はｘ方向及びｙ方向をそれぞれｍ1個及びｍ2個に区切ったｍ1×ｍ2個の画素により構成される。ここで、ｘ方向にｉ1番目、かつ、ｙ方向にｉ2番目の画素における画像の濃度をＰｉ1ｉ2とすると、正規化濃度ｐｉ1ｉ2は数２により算出できる。
【０１５１】次に、標準画像の正規化濃度ｐｉ1ｉ2（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）を成分とする標準パターン行列Ｈと、入力画像の正規化濃度ｐｉ1ｉ2（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）を成分とする入力パターン行列Ｎを作成する。この標準パターン行列Ｈ及び入力パターン行列Ｎを、数３のように表現しておく。ただし、数３は、標準画像及び入力画像の正規化濃度の形状を、パターン行列のｍ1×ｍ2個の成分値で表現したものであると読み替える。
【０１５２】また、図２７（ａ）は、標準パターン行列Ｈを（ｘ−ｙ）平面で表現したものであり、同図（ｂ）は、入力パターン行列Ｎを同平面で表現したものである。
【０１５３】先に述べた音声の類似度検出処理手順を、上記で作成した画像の標準パターン行列Ｈ及び入力パターン行列Ｎに適用し、画像認識を行う。
【０１５４】具体的には、標準画像の特徴量を成分とする標準パターン行列と入力画像の特徴量を成分とする入力パターン行列とを作成し、これらのパターン行列形状変化を基準パターン正ベクトル及び基準パターン負ベクトルの形状変化に置き換えて、この形状変化の大きさを尖度の変化量とし、基準パターン正ベクトルと基準パターン負ベクトルの尖度の差から、標準パターン行列と入力パターン行列との間の形状距離値を算出し、得られた形状距離値と任意に設定した許容値とを比較し、形状距離値が許容値を越えたとき入力画像は標準画像でないと判定し、形状距離値が許容値内のとき入力画像が標準画像であると判定する。
【０１５５】［実験例］次に、図２８、図２９及び図３０（ａ）、（ｂ）、（ｃ）を参照して実験例を説明する。図２８、図２９は、記号”＋”の濃度形状を持つ標準画像１６、及び、この標準画像と全画素の濃度の合計が同じであるが横線の位置が異なる入力画像１７、１８、１９について、標準画像１６の濃度を成分とする７行９列の標準パターン行列１６Ａを予め登録しておき、また、各入力画像１７、１８、１９の濃度を成分とする７行９列の入力パターン行列１７Ａ、１８Ａ、１９Ａを作成し、標準パターン行列１６Ａと各入力パターン行列１７Ａ、１８Ａ、１９Ａとの間の類似性尺度として、ユークリッド距離または角度の余弦ｅ１７、ｅ１８、ｅ１９、及び、本発明による形状距離ｄ１７、ｄ１８、ｄ１９を算出する様子を模式的に示したものである。なお、図２９では、表示を簡単にするため、標準パターン行列Ｈ及び入力パターン行列Ｎの成分値を正規化しないで表示している。
【０１５６】図３０（ａ）、（ｂ）、（ｃ）は、それぞれ実験で得られたユークリッド距離値ｅ１７、ｅ１８、ｅ１９、角度の余弦値ｅ１７、ｅ１８、ｅ１９、及び、形状距離値ｄ１７、ｄ１８、ｄ１９を棒グラフで示したものである。
【０１５７】上述の如く、図３０（ａ）、（ｂ）、（ｃ）は同一の測定データからユークリッド距離値、角度の余弦値、及び、形状距離値を算出し、標準画像と入力画像との間のそれぞれの距離値を棒グラフで表したものであり、図３０（ａ）、（ｂ）、（ｃ）によれば、以下のことがいえる。
（１）図２８、図２９において、標準画像１６の横線に対する入力画像１７、１８、１９の横線の「位置のずれ」の大きさは、入力画像１７、１８、１９の順に大きくなっている。図３０（ａ）、（ｂ）においては、ユークリッド距離、角度の余弦ともにｅ１７＝ｅ１８＝ｅ１９となっており、ユークリッド距離や角度の余弦を用いても、これら横線の「位置のずれ」の大きさを検出できない。一方、図３０（ｃ）において、形状距離はｄ１７＜ｄ１８＜ｄ１９となっており、形状距離を用いれば、これら横線の「位置のずれ」の大きさを検出できる。
（２）図２８、図２９において、仮に、入力画像１７は標準画像１６と同じ画像であって、その横線に「位置のずれ」が発生したものであり、入力画像１８と入力画像１９は標準画像１６とは異なる画像であるとする。ここで、ユークリッド距離や角度の余弦を用いたとき、図３０（ａ）、（ｂ）において許容値をどのような位置に設定しても、入力画像１７が標準画像であり、入力画像１８、１９は標準画像でないことを判定できない。一方、形状距離を用いたとき、図３０（ｃ）に示す位置に許容値を設定したならば、入力画像１７は標準画像であり、入力画像１８、１９は標準画像でないと判定することができる。
【０１５８】以上の実験結果より、ユークリッド距離または角度の余弦を用いるよりも形状距離を用いる方が、より正確に画像の類似度の検出が行えることが理解できる。
【０１５９】（IV）立体認識方法次に、立体の類似度検出方法及びその検出値を用いた立体認識方法について述べる。本実施例では、立体認識を行うために、立体の密度（単位体積の質量）パターンを正規化して標準パターン行列層と入力パターン行列層とを作成し、これらパターン行列層間の形状変化を、正規分布の値を成分とする基準パターンベクトルの形状変化に置き換え、この基準パターンベクトルの形状変化の大きさを尖度の変化量として数値化することにより立体の類似度を検出し、更に、その検出値を用いて立体認識を行うものとする。
【０１６０】ここでは、先に述べた音声、振動波、画像等、２つのパターン行列（２次元）間の類似度検出方法を、２つのパターン行列層（３次元）間の類似度検出方法に拡張する。
【０１６１】図３１は、立体の密度（単位体積の質量）分布を示したものである。同図に示されるように、立体はｘ方向、ｙ方向、ｚ方向をそれぞれｍ1個、ｍ2個、ｍ3個に区切ったｍ1×ｍ2×ｍ3個の区画により構成される。ここで、ｘ方向にｉ1番目、かつ、ｙ方向にｉ2番目、かつ、ｚ方向にｉ3番目の区画における立体の密度をＰｉ1ｉ2ｉ3とすると、正規化密度ｐｉ1ｉ2ｉ3は、数２の代わりに、次の数１５により算出できる。
【０１６２】
【数１５】

【０１６３】次に、標準立体の正規化密度ｐｉ1ｉ2ｉ3（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）（ｉ3＝１，２，・・・，ｍ3）を成分とする標準パターン行列層Ｈと、入力立体の正規化密度ｐｉ1ｉ2ｉ3（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）（ｉ3＝１，２，・・・，ｍ3）を成分とする入力パターン行列層Ｎを作成する。この標準パターン行列層Ｈ及び入力パターン行列層Ｎを、数３の代わりに、次の数１６、数１７のように表現しておく。ただし、数１６は標準立体の正規化密度の形状を、数１７は入力立体の正規化密度の形状を、パターン行列層のｍ1×ｍ2×ｍ3個の成分値で表現したものである。
【０１６４】
【数１６】

【０１６５】
【数１７】

【０１６６】また、図３２は、標準パターン行列層Ｈを（ｘ−ｙ−ｚ）空間で表現したものであり、図３３は、入力パターン行列層Ｎを同空間で表現したものである。更に、図３４は、図３２、図３３における同空間の縦の長さと横の長さと高さの長さを１にした（ｘ−ｙ−ｚ）正規化空間を示している。従って、図中に示すように、成分間の縦の長さは１／（ｍ1−１）、成分間の横の長さは１／（ｍ2−１）、成分間の高さの長さは１／（ｍ3−１）になる。
【０１６７】図３５（ａ）は、平均値μ＝０、分散σｊ1ｊ2ｊ32としたとき、数４の正規分布のグラフ（正規曲線）を示したものである。また、図３５（ｂ）、（ｃ）において正規曲線の関数値に等しい高さの棒グラフを示しているが、この棒グラフの高さの値を成分とする基準パターン正ベクトルＫｊ1ｊ2ｊ3(+)を図３５（ｂ）のように作成し、また、同棒グラフの高さの値を成分とする基準パターン負ベクトルＫｊ1ｊ2ｊ3(-)を図３５（ｃ）のように作成し、数５の代わりに、次の数１８のように表現しておく。数１８は正規分布の形状をベクトルのｍ0個の成分値で表現したものであり、数１６、数１７は行列層（３次元）であるのに対し、数１８はベクトル（１次元）である。図３５から分かるように、これら一対の基準パターンベクトルＫｊ1ｊ2ｊ3(+)、Ｋｊ1ｊ2ｊ3(-)は相等なベクトルである。なお、数１８中の添数ｊ1ｊ2ｊ3は、図３４に示す点（ｊ1，ｊ2，ｊ3）に対応するものであり、数１８中のｍ0は数１６、数１７中のｍ1、ｍ2及びｍ3と異なる任意の自然数であってよい。
【０１６８】
【数１８】

【０１６９】一方、図３４において、（ｘ−ｙ−ｚ）正規化空間内の点（ｊ1，ｊ2，ｊ3）、及び、点（ｉ1，ｉ2，ｉ3）を示している。また、同空間内のすべての点の中で、点（ｊ1，ｊ2，ｊ3）から最も遠い点（ｍ1，１，１）も示している。従って、点（ｊ1，ｊ2，ｊ3）と点（ｉ1，ｉ2，ｉ3）との間の長さλｉ1ｉ2ｉ3ｊ1ｊ2ｊ3は、数６の代わりに、次の数１９により算出できる。同様に、点（ｊ1，ｊ2，ｊ3）と点（ｍ1，１，１）との間の長さλｍ1１１ｊ1ｊ2ｊ3は、数７の代わりに、次の数２０により算出できる。λｍ1１１ｊ1ｊ2ｊ3は、点（ｊ1，ｊ2，ｊ3）と各点との間の長さの最大値である。
【０１７０】
【数１９】

【０１７１】
【数２０】

【０１７２】また、図７（ａ）に示す正規曲線は、図９に示す２つの正規曲線を重ねて２次元で表示したものであったが、図３５（ａ）に示す正規曲線は、これと同様な考えで、図９を１次元だけ拡張したものである（これについて幾何学的な表現はできない）。図３５（ａ）において、点（ｊ1，ｊ2，ｊ3）をｙ＝０に対応させ、点（ｍ1，１，１）をｙ＝−１．４σｊ1ｊ2ｊ3に対応させている。従って、点（ｉ1，ｉ2，ｉ3）はｙ＝０とｙ＝−１．４σｊ1ｊ2ｊ3の間のｙの値に対応することになる。
【０１７３】また、点（ｊ1，ｊ2，ｊ3）と点（ｍ1，１，１）との間の長さλｍ1１１ｊ1ｊ2ｊ3は数２０より算出できるが、図３５（ａ）に示すｙ軸上の０と−１．４σｊ1ｊ2ｊ3との間の長さでもある。従って、数８の代わりに、次の数２１より、正規分布の分散の値が算出できる。
【０１７４】
【数２１】

【０１７５】上記の方法により正規分布の分散の値を算出すれば、正規分布の主要成分（数２１の場合には−１．４σ≦ｙ≦＋１．４σの範囲）が（ｘ−ｙ−ｚ）正規化空間全体を覆うようにできる。即ち、数２１より求めた正規分布の分散の値を数４に適用することにより正規曲線が決定され、更に、図３５（ｂ）、（ｃ）、及び、数１８に適用することにより基準パターン正ベクトルＫｊ1ｊ2ｊ3(+)及び基準パターン負ベクトルＫｊ1ｊ2ｊ3(-)が作成できる。
【０１７６】ここで、パターン行列層の指定成分としてｊ1ｊ2ｊ3成分をｊ1＝１〜ｍ1、ｊ2＝１〜ｍ2、ｊ3＝１〜ｍ3の中の一組の値に固定しておいた上で、パターン行列層のｉ1ｉ2ｉ3成分（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）（ｉ3＝１，２，・・・，ｍ3）のそれぞれについて考える。点（ｊ1，ｊ2，ｊ3）と点（ｉ1，ｉ2，ｉ3）との間の長さλｉ1ｉ2ｉ3ｊ1ｊ2ｊ3は数１９より算出できるが、図３５（ａ）に示すように、λｉ1ｉ2ｉ3ｊ1ｊ2ｊ3は正規分布の平均値からの偏差の値でもある。
【０１７７】一方、図３５（ｃ）に示すように、基準パターンベクトルの各成分番号の間の長さをΔｙｊ1ｊ2ｊ3としたとき、成分番号ｉ0（ｉ0＝１，２，・・・，ｍ0）に対応する正規分布の平均値からの偏差の値Ｌｊ1ｊ2ｊ3ｉ0は、数９の代わりに、次の数２２により算出できる。なお、ここでは、基準パターンベクトルの各成分番号の間の長さが等間隔である場合を考える。また、数２２において（ｍ0＋１）／２は基準パターンベクトルの中央の成分番号である。
【０１７８】
【数２２】

【０１７９】図３５（ａ）、（ｂ）、（ｃ）に、上記λｉ1ｉ2ｉ3ｊ1ｊ2ｊ3とＬｊ1ｊ2ｊ3ｉ0との関係を示す。同図（ａ）において、λｉ1ｉ2ｉ3ｊ1ｊ2ｊ3は点（ｊ1，ｊ2，ｊ3）と点（ｉ1，ｉ2，ｉ3）との間の長さであることを示している。また、同図（ｂ）、（ｃ）において、基準パターン正ベクトル及び基準パターン負ベクトルの中心からλｉ1ｉ2ｉ3ｊ1ｊ2ｊ3だけ離れた位置に最も近い基準パターン正ベクトル及び基準パターン負ベクトルの成分番号がｉ0であり、成分番号ｉ0に対応する正規分布の平均値からの偏差の値がＬｊ1ｊ2ｊ3ｉ0であることを示している。
【０１８０】即ち、パターン行列層のｊ1ｊ2ｊ3成分とｉ1ｉ2ｉ3成分が与えられたとき、数１９よりこれら２点間の長さλｉ1ｉ2ｉ3ｊ1ｊ2ｊ3が算出され、次に、基準パターンベクトルについて成分番号ｉ0、正規分布の平均値からの偏差の値Ｌｊ1ｊ2ｊ3ｉ0、及び、成分値ｋｊ1ｊ2ｊ3(+)ｉ0とｋｊ1ｊ2ｊ3(-)ｉ0が得られることになる。
【０１８１】ここで、基準パターンベクトルの成分の個数ｍ0を十分に大きく（Δｙｊ1ｊ2ｊ3を十分に小さく）しておけば、λｉ1ｉ2ｉ3ｊ1ｊ2ｊ3の値とＬｊ1ｊ2ｊ3ｉ0の値との間の誤差を十分に小さくすることができ、精度の高い計算結果が得られる。また、成分番号ｉ0と成分番号（ｍ0−ｉ0+１）は正規分布の平均値に関して対称であるため、ｉ0の代わりに（ｍ0−ｉ0+１）を用いてもよい。
【０１８２】次に、標準パターン行列層Ｈと入力パターン行列層Ｎとの間の形状変化を、基準パターン正ベクトルＫｊ1ｊ2ｊ3(+)及び基準パターン負ベクトルＫｊ1ｊ2ｊ3(-)の形状変化に置き換える。即ち、パターン行列層のｉ1ｉ2ｉ3成分（ｉ1＝１，２，・・・，ｍ1 ）（ｉ2＝１，２，・・・，ｍ2）（ｉ3＝１，２，・・・，ｍ3）について、標準パターン行列層Ｈの成分値ｈｉ1ｉ2ｉ3と入力パターン行列層Ｎの成分値ｎｉ1ｉ2ｉ3との間の変化量の絶対値は｜ｎｉ1ｉ2ｉ3−ｈｉ1ｉ2ｉ3｜であるが、数１０の代わりに，次の数２３に示すように、ｎｉ1ｉ2ｉ3がｈｉ1ｉ2ｉ3より大きいとき基準パターン正ベクトルＫｊ1ｊ2ｊ3(+)の成分値ｋｊ1ｊ2ｊ3(+)ｉ0をこの変化量の絶対値｜ｎｉ1ｉ2ｉ3−ｈｉ1ｉ2ｉ3｜だけ増加させ、ｎｉ1ｉ2ｉ3がｈｉ1ｉ2ｉ3より小さいとき基準パターン負ベクトルＫｊ1ｊ2ｊ3(-)の成分値ｋｊ1ｊ2ｊ3(-)ｉ0をこの変化量の絶対値｜ｎｉ1ｉ2ｉ3−ｈｉ1ｉ2ｉ3｜だけ増加させる。
【０１８３】
【数２３】

【０１８４】従って、数２１により正規分布の分散の値を算出し、数２３により基準パターンベクトルの成分値ｋｊ1ｊ2ｊ3(+)ｉ0及びｋｊ1ｊ2ｊ3(-)ｉ0を増加させるようにすれば、パターン行列層のｊ1ｊ2ｊ3成分とｉ1ｉ2ｉ3成分のあらゆる組み合わせに対して、−１．４σ≦ｙ≦＋１．４σの範囲においてｆ（ｙ）の値が増加するようにできる。
【０１８５】通常の場合には、標準パターン行列層形状に対して入力パターン行列層形状の殆どの部分が変化するので、数１９は変化した全ての部分について長さの計算を行い、数２３は変化した全ての部分について形状変化の計算を行うものである。また、数２３は、絶対的な形状を問題にしているのではなく、相対的な形状変化を問題にしているため、任意形状の標準パターン行列層及び入力パターン行列層について適用が可能である。
【０１８６】次に、数２３により形状変化した一対の基準パターンベクトル（基準パターン正ベクトルＫｊ1ｊ2ｊ3(+)と基準パターン負ベクトルＫｊ1ｊ2ｊ3(-) ）について、それぞれの形状変化の大きさを、尖度の変化量として数値化する。
【０１８７】ここで、基準パターン正ベクトルＫｊ1ｊ2ｊ3(+)の尖度Ａｊ1ｊ2ｊ3(+)、及び、基準パターン負ベクトルＫｊ1ｊ2ｊ3(-)の尖度Ａｊ1ｊ2ｊ3(-)は、数１１の代わりに、それぞれ次の数２４により算出できる。ただし、数２４中のＬｊ1ｊ2ｊ3ｉ0（ｉ0＝１，２，・・・，ｍ0）は、図１０と同様に、正規分布の平均値からの偏差の値であり、数２２により正規分布の形状の特徴を表現できる範囲の任意の値に設定しておく。
【０１８８】
【数２４】

【０１８９】数２４より算出される尖度の値Ａｊ1ｊ2ｊ3(+)及びＡｊ1ｊ2ｊ3(-)は、正規分布の平均値（中心）のまわりの４次の積率と、２次の積率の２乗との比である。
【０１９０】なお、正規分布に限らず、数２４より、任意の基準形状の尖度の値を算出できる。
【０１９１】前述したように、一般に、ベクトル形状の尖度の計算式においては、ベクトルの成分値が負の場合には定義できず、標準パターン行列層の成分値と入力パターン行列層の成分値のあらゆる大小関係に対して、基準パターンベクトルの成分値が非負である必要がある。
【０１９２】このため、初期値が同形状の基準パターン正ベクトルＫｊ1ｊ2ｊ3(+)及び、基準パターン負ベクトルＫｊ1ｊ2ｊ3(-)を作成しておき、数２３ではそれらの成分値の変化が非減少になるようにし、数２４においてそれぞれの尖度Ａｊ1ｊ2ｊ3(+)、Ａｊ1ｊ2ｊ3(-)を算出するようにしている。
【０１９３】次に、基準パターン正ベクトルの尖度Ａｊ1ｊ2ｊ3(+)と基準パターン負ベクトルの尖度Ａｊ1ｊ2ｊ3(-)の２つの変化量から、尖度の差の値（Ａｊ1ｊ2ｊ3(+)−Ａｊ1ｊ2ｊ3(-) ）を以て、標準パターン行列層と入力パターン行列層の類似の程度を表す形状変化量Ｄｊ1ｊ2ｊ3とする。
【０１９４】例えば、数１８により正規分布形状に初期設定された２つの基準パターンベクトルＫｊ1ｊ2ｊ3(+)及びＫｊ1ｊ2ｊ3(-)の尖度の値は、共に３に等しい。そのため、数２３により形状変化した基準パターン正ベクトル及び基準パターン負ベクトルの尖度の変化量は、それぞれ｛Ａｊ1ｊ2ｊ3(+)−３｝及び｛Ａｊ1ｊ2ｊ3(-)−３｝となる。即ち、正方向の変化量は｛Ａｊ1ｊ2ｊ3(+)−３｝、また負方向の変化量は｛Ａｊ1ｊ2ｊ3(-)−３｝となり、全体の変化量はこの差の値となる。従って、数１２の代わりに、次の数２５より、形状変化量Ｄｊ1ｊ2ｊ3が算出できる。
【０１９５】
【数２５】

【０１９６】次に、数２５より算出される形状変化量Ｄｊ1ｊ2ｊ3が示す値について考えてみる。即ち、正規分布の中央付近（パターン行列層形状のｊ1ｊ2ｊ3成分の近傍）において、入力立体の正規化密度が標準立体の正規化密度に対して相対的に強くなったときは、形状変化量Ｄｊ1ｊ2ｊ3は正の値で、かつ、相対強度に比例して増加する。逆に、正規分布の中央付近において、入力立体の正規化密度が標準立体の正規化密度に対して相対的に弱くなったときは、形状変化量Ｄｊ1ｊ2ｊ3は負の値で、かつ、相対強度に比例して減少する。
【０１９７】そこで、正規分布の平均値を標準パターン行列層形状の各成分位置に順次移動させた場合について、各位置での形状変化量を求める。即ち、正規分布の平均値を標準パターン行列層形状のｊ1ｊ2ｊ3成分（ｊ1＝１，２，・・・，ｍ1 ）（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝１，２，・・・，ｍ3）の位置に移動させたときのそれぞれの場合について、前記と同様の数２０、数２１、数１８、数２２、数１９、数２３、数２４、数２５を順に用いた処理手順により形状変化量Ｄｊ1ｊ2ｊ3（ｊ1＝１，２，・・・，ｍ1 ）（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝１，２，・・・，ｍ3）を算出する。
【０１９８】ただし、点（ｊ1，ｊ2，ｊ3）（ｊ1＝１，２，・・・，ｍ1 ）（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝１，２，・・・，ｍ3）のそれぞれの場合について、（ｘ−ｙ−ｚ）正規化空間内のすべての点の中で点（ｊ1，ｊ2，ｊ3）から最も遠い点を数２０に適用して点（ｊ1，ｊ2，ｊ3）と各点との間の長さの最大値を求め、数２１により点（ｊ1，ｊ2，ｊ3）ごとに異なる分散の値をもつ正規分布を作成し、上記正規分布の値を成分とする基準パターン正ベクトルＫｊ1ｊ2ｊ3(+)及び基準パターン負ベクトルＫｊ1ｊ2ｊ3(-)を作成する。
【０１９９】また、数２４におけるＬｊ1ｊ2ｊ3ｉ0（ｉ0＝１，２，・・・，ｍ0）は、移動した正規分布のそれぞれの平均値からの偏差の値であり、また、ｋｊ1ｊ2ｊ3(+)ｉ0及びｋｊ1ｊ2ｊ3(-)ｉ0（ｉ0＝１，２，・・・，ｍ0）は、このＬｊ1ｊ2ｊ3ｉ0に対応するものである。
【０２００】このような処理手順により、ｊ1ｊ2ｊ3成分（ｊ1＝１，２，・・・，ｍ1 ）（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝１，２，・・・，ｍ3）に対応するそれぞれの場合についてｍ1×ｍ2×ｍ3個の形状変化量Ｄｊ1ｊ2ｊ3を算出することができる。
【０２０１】このようにして算出した形状変化量Ｄｊ1ｊ2ｊ3 、即ち、形状変化した基準パターン正ベクトルの尖度と基準パターン負ベクトルの尖度との差（Ａｊ1ｊ2ｊ3(+)−Ａｊ1ｊ2ｊ3(-) ）は、標準パターン行列層形状に対して入力パターン行列層形状が増加した部分と同じ位置に基準形状の中心が移動した場合において、その値が増加することになる。
【０２０２】即ち、入力立体の正規化密度が、標準立体の正規化密度に対してパターン行列層のどの成分においてどの程度強くなっているかを、形状変化量として検出することができる。
【０２０３】次に、上記のようにして得られたｍ1×ｍ2×ｍ3個の形状変化量Ｄｊ1ｊ2ｊ3（ｊ1＝１，２，・・・，ｍ1）（ｊ2＝１，２，・・・，ｍ2）（ｊ3＝１，２，・・・，ｍ3）を用いて、標準パターン行列層形状と入力パターン行列層形状との差を、２つのパターン行列層間の１個の形状距離値として数値化する。
【０２０４】この形状距離値はｍ1×ｍ2×ｍ3個の形状変化量Ｄｊ1ｊ2ｊ3の積算であると考えられる。従って、数１３の代わりに、次の数２６より、形状距離値ｄを算出できる。
【０２０５】
【数２６】

【０２０６】数２６ではｍ1×ｍ2×ｍ3個の形状変化量Ｄｊ1ｊ2ｊ3の２乗和の平方根を形状距離値としているが、数１４の代わりに、次の数２７のように、ｍ1×ｍ2×ｍ3個の形状変化量Ｄｊ1ｊ2ｊ3の２乗和自身を形状距離値ｄとすることもできる。
【０２０７】
【数２７】

【０２０８】以上のようにして算出した標準パターン行列層と入力パターン行列層との間の形状距離値を用いて、立体認識を行う。
【０２０９】具体的には、標準立体の特徴量を成分とする標準パターン行列層と入力立体の特徴量を成分とする入力パターン行列層とを作成し、これらのパターン行列層形状変化を基準パターン正ベクトル及び基準パターン負ベクトルの形状変化に置き換えて、この形状変化の大きさを尖度の変化量とし、基準パターン正ベクトルと基準パターン負ベクトルの尖度の差から、標準パターン行列層と入力パターン行列層との間の形状距離値を算出し、得られた形状距離値と任意に設定した許容値とを比較し、形状距離値が許容値を越えたとき入力立体は標準立体でないと判定し、形状距離値が許容値内のとき入力立体が標準立体であると判定する。
【０２１０】（Ｖ）動画像認識方法動画像の類似度検出方法及びその検出値を用いた動画像認識方法について述べる。本実施例では、動画像認識を行うために、動画像の濃度パターンを正規化して標準パターン行列層と入力パターン行列層とを作成し、これらパターン行列層間の形状変化を、正規分布の値を成分とする基準パターンベクトルの形状変化に置き換え、この基準パターンベクトルの形状変化の大きさを尖度の変化量として数値化することにより動画像の類似度を検出し、更に、その検出値を用いて動画像認識を行うものとする。
【０２１１】図３６は、アルファベット”Ｅ”を筆記するペンの動きを時間を追って撮影した動画像の一例である。同図に示されるように、動画像は時間を追って撮影したｍ3枚の画像により構成され、各画像はｘ方向及びｙ方向をそれぞれｍ1個及びｍ2個に区切ったｍ1×ｍ2個の画素により構成される。ここで、ｘ方向にｉ1番目、かつ、ｙ方向にｉ2番目、かつ、ｉ3番目の時刻の画素における動画像の濃度をＰｉ1ｉ2ｉ3とすると、正規化濃度ｐｉ1ｉ2ｉ3は数１５により算出できる。
【０２１２】次に、標準動画像の正規化濃度ｐｉ1ｉ2ｉ3（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）（ｉ3＝１，２，・・・，ｍ3）を成分とする標準パターン行列層Ｈと、入力動画像の正規化濃度ｐｉ1ｉ2ｉ3（ｉ1＝１，２，・・・，ｍ1）（ｉ2＝１，２，・・・，ｍ2）（ｉ3＝１，２，・・・，ｍ3）を成分とする入力パターン行列層Ｎを作成する。この標準パターン行列層Ｈ及び入力パターン行列層Ｎを、数１６、数１７のように表現しておく。ただし、数１６、数１７はそれぞれ、標準動画像及び入力動画像の正規化濃度の形状を、パターン行列層のｍ1×ｍ2×ｍ3個の成分値で表現したものである。
【０２１３】また、図３７は、標準パターン行列層Ｈを（ｘ−ｙ−時間）空間で表現したものであり、図３８は、入力パターン行列層Ｎを同空間で表現したものである。
【０２１４】以上に述べた立体の類似度検出処理手順を、上記で作成した動画像の標準パターン行列層Ｈ及び入力パターン行列層Ｎに適用し、動画像認識を行う。
【０２１５】具体的には、標準動画像の特徴量を成分とする標準パターン行列層と入力動画像の特徴量を成分とする入力パターン行列層とを作成し、これらのパターン行列層形状変化を基準パターン正ベクトル及び基準パターン負ベクトルの形状変化に置き換えて、この形状変化の大きさを尖度の変化量とし、基準パターン正ベクトルと基準パターン負ベクトルの尖度の差から、標準パターン行列層と入力パターン行列層との間の形状距離値を算出し、得られた形状距離値と任意に設定した許容値とを比較し、形状距離値が許容値を越えたとき入力動画像は標準動画像でないと判定し、形状距離値が許容値内のとき入力動画像が標準動画像であると判定する。
【０２１６】以上で、２つのパターン行列（２次元）間の類似度検出値を用いた音声認識方法、機械の異常判定方法、画像認識方法、また、２つのパターン行列層（３次元）間の類似度検出値を用いた立体認識方法、動画像認識方法のそれぞれについての説明を終わる。
【０２１７】なお、以上の各実施例は、パターン行列（或いはパターン行列層）の指定成分ごとに異なる分散の値をもつ正規分布を作成して、形状距離値を算出したものであったが、コンピュータの記憶容量の節約や処理時間の短縮のため、パターン行列（或いはパターン行列層）の指定成分のすべてにおいて同じ分散の値をもつ１個の代表的な正規分布を作成して、形状距離値を算出しても良い。
【０２１８】この場合、パターン行列のｊ1ｊ2成分とｉ1ｉ2成分（或いはパターン行列層のｊ1ｊ2ｊ3成分とｉ1ｉ2ｉ3成分）のあらゆる組み合わせに対して、図８に示す正規分布の−２．１σ≦ｙ≦＋２．１σの範囲（図８中の記号（ｉ）と（ii）で示すｙの範囲）においてｆ（ｙ）の値が増加するようにしておく。
【０２１９】また、以上の各実施例は、基準形状として正規分布を用いて形状距離値を算出したものであったが、基準形状として矩形など任意の形状を用いて形状距離値を算出しても良い。
【０２２０】このことは、形状変化量Ｄｊ1ｊ2（或いは形状変化量Ｄｊ1ｊ2ｊ3）は基準形状の初期化時の尖度に影響されないことが数１２（或いは数２５）から分かることにより、理解されよう。
【０２２１】また、以上の各実施例は、アナログ帯域通過フィルタ群を用いて音声、または、振動波のパワースペクトルを抽出したものであったが、高速フーリエ変換等を用いてパワースペクトルを抽出しても良い。
【０２２２】また、以上の各実施例は、音声、または、振動波の特徴量としてパワースペクトルを用いて、形状距離値を算出したものであったが、音声、または、振動波の特徴量として複数個の線形予測係数等を用いて、形状距離値を算出しても良い。
【０２２３】また、以上の各実施例は、立体の特徴量として密度を用いて、形状距離値を算出したものであったが、立体の特徴量として３次元ＣＴ（コンピュータ断層撮影）画像の濃度等を用いて、形状距離値を算出しても良い。
【０２２４】更に、以上の各実施例は、音声、振動波、画像、立体、動画像について標準パターン行列（或いは標準パターン行列層）と入力パターン行列（或いは入力パターン行列層）との間の形状距離値を算出したものであったが、一般には、平面、空間を問わず任意の図形や模様について標準パターン行列（或いは標準パターン行列層）と入力パターン行列（或いは入力パターン行列層）との間の形状距離値を算出し、得られた形状距離値を以って図形や模様の類似度検出を行うことができる。また、この類似度検出値に基づいて図形や模様に関する解析等、各種処理を行うことができる。
【０２２５】
【発明の効果】以上のように、この発明の音声の類似度検出方法では、標準パターン行列と入力パターン行列との間の形状変化を、基準形状の値を成分とする基準パターンベクトルの形状変化に置き換え、この形状変化の大きさを尖度の変化量として数値化し形状距離値として算出するので、ユークリッド距離や角度など従来の類似性尺度では区別できない音声でも、パターン行列の形状差からこれらの区別を行うことができ、正確な音声の類似度検出値を得ることができる。
【０２２６】また、本発明の音声認識方法では、正確な音声の類似度検出値に基づいて音声認識を行うので、判定の基準が信頼性の高いものとなり、音声認識の精度を著しく向上できる利点がある。
【０２２７】更に、本発明の振動波の類似度検出方法では、標準パターン行列と入力パターン行列との間の形状変化を、基準形状の値を成分とする基準パターンベクトルの形状変化に置き換え、この形状変化の大きさを尖度の変化量として数値化し形状距離値として算出するので、ユークリッド距離や角度など従来の類似性尺度では区別できない振動波でも、パターン行列の形状差からこれらの区別を行うことができ、正確な振動波の類似度検出値を得ることができる。
【０２２８】また、本発明の機械の異常判定方法では、正確な振動波の類似度検出値に基づいて異常の判定を行うので、判定の基準が信頼性の高いものとなり、機械の異常検知の精度を著しく向上できる利点がある。
【０２２９】更に、本発明の画像の類似度検出方法では、標準パターン行列と入力パターン行列との間の形状変化を、基準形状の値を成分とする基準パターンベクトルの形状変化に置き換え、この形状変化の大きさを尖度の変化量として数値化し形状距離値として算出するので、ユークリッド距離や角度など従来の類似性尺度では区別できない画像でも、パターン行列の形状差からこれらの区別を行うことができ、正確な画像の類似度検出値を得ることができる。
【０２３０】また、本発明の画像認識方法では、正確な画像の類似度検出値に基づいて画像認識を行うので、判定の基準が信頼性の高いものとなり、画像認識の精度を著しく向上できる利点がある。
【０２３１】更に、本発明の立体の類似度検出方法では、標準パターン行列層と入力パターン行列層との間の形状変化を、基準形状の値を成分とする基準パターンベクトルの形状変化に置き換え、この形状変化の大きさを尖度の変化量として数値化し形状距離値として算出するので、ユークリッド距離や角度など従来の類似性尺度では区別できない立体でも、パターン行列層の形状差からこれらの区別を行うことができ、正確な立体の類似度検出値を得ることができる。
【０２３２】また、本発明の立体認識方法では、正確な立体の類似度検出値に基づいて立体認識を行うので、判定の基準が信頼性の高いものとなり、立体認識の精度を著しく向上できる利点がある。
【０２３３】更に、本発明の動画像の類似度検出方法では、標準パターン行列層と入力パターン行列層との間の形状変化を、基準形状の値を成分とする基準パターンベクトルの形状変化に置き換え、この形状変化の大きさを尖度の変化量として数値化し形状距離値として算出するので、ユークリッド距離や角度など従来の類似性尺度では区別できない動画像でも、パターン行列層の形状差からこれらの区別を行うことができ、正確な動画像の類似度検出値を得ることができる。
【０２３４】また、本発明の動画像認識方法では、正確な動画像の類似度検出値に基づいて動画像認識を行うので、判定の基準が信頼性の高いものとなり、動画像認識の精度を著しく向上できる利点がある。
【出願人】 【識別番号】５９３１５９８５５
【氏名又は名称】株式会社エントロピーソフトウェア研究所
【出願日】 平成１２年９月１３日（２０００．９．１３）
【代理人】 【識別番号】１０００７８４９９
【弁理士】
【氏名又は名称】光石 俊郎 （外２名）
【公開番号】 特開２００２−９１４８１（Ｐ２００２−９１４８１Ａ）
【公開日】 平成１４年３月２７日（２００２．３．２７）
【出願番号】 特願２０００−２７７７４９（Ｐ２０００−２７７７４９）