知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2025-04-07
(45)【発行日】2025-04-15
(54)【発明の名称】情報処理装置、情報処理方法、及びコンピュータプログラム
(51)【国際特許分類】
G06F 16/783 20190101AFI20250408BHJP
G06F 16/683 20190101ALI20250408BHJP
【ＦＩ】
G06F16/783
G06F16/683
【請求項の数】
11
(21)【出願番号】P 2022572838
(86)(22)【出願日】2020-12-28
(86)【国際出願番号】 JP2020049173
(87)【国際公開番号】W WO2022144992
(87)【国際公開日】2022-07-07
【審査請求日】2023-06-02
(73)【特許権者】
【識別番号】000004237
【氏名又は名称】日本電気株式会社
(74)【代理人】
【識別番号】100104765
【弁理士】
【氏名又は名称】江上 達夫
(74)【代理人】
【識別番号】100107331
【弁理士】
【氏名又は名称】中村 聡延
(74)【代理人】
【識別番号】100131015
【弁理士】
【氏名又は名称】三輪 浩誉
(72)【発明者】
【氏名】海老原 章記
(72)【発明者】
【氏名】宮川 大輝
【審査官】甲斐 哲雄
(56)【参考文献】
【文献】特開２００９－２４５３１４（ＪＰ，Ａ）
【文献】国際公開第２０１８／１７９３０１（ＷＯ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｆ １６／００－１６／９５８
(57)【特許請求の範囲】
【請求項1】
系列データに含まれる複数の要素を取得する取得手段と、前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出する算出手段と、
前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定する判定手段と
を備え、
前記算出手段は、前記系列データから抽出した第１特徴量と、前記所定のデータから抽出した第２特徴量との差分である差分特徴量に対して特徴ベクトルを算出する第３処理を行い、前記第３処理の処理結果に基づいて前記尤度比を算出する
ことを特徴とする情報処理装置。
【請求項2】
前記算出手段は、複数の前記所定のデータの各々に対応する複数の前記尤度比を算出し、前記判定手段は、複数の前記尤度比に基づいて、前記系列データが複数の前記所定のデータのいずれと同一対象由来であるか否かを判定する
ことを特徴とする請求項１に記載の情報処理装置。
【請求項3】
前記判定手段は、前記系列データと同一対象由来であると判定した１つの前記所定のデータ、又は前記系列データと同一対象由来である可能性が高いと判定した２つ以上の前記所定のデータを判定結果として出力することを特徴とする請求項２に記載の情報処理装置。
【請求項4】
複数の前記所定のデータに対して絞り込み処理を行い、前記判定手段の判定対象となる前記所定のデータが少なくなるように限定する限定手段を更に備えることを特徴とする請求項２又は３に記載の情報処理装置。
【請求項5】
前記系列データは、対象の画像データ及び音声データの少なくとも一方を含み、前記算出手段は、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出する
ことを特徴とする請求項１から４のいずれか一項に記載の情報処理装置。
【請求項6】
前記算出手段は、前記特徴ベクトルを、前記系列データと前記所定のデータとが同一対象由来であること、及び前記系列データと前記所定のデータとが同一対象由来でないことを表す２値に変換する、ことを特徴とする請求項１に記載の情報処理装置。
【請求項7】
前記算出手段は、２値に変換した特徴ベクトルを用いて前記尤度比を算出する、ことを特徴とする請求項６に記載の情報処理装置。
【請求項8】
少なくとも１つのコンピュータが、系列データに含まれる複数の要素を取得し、
前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出し、
前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定し、
前記尤度比を算出する際に、前記系列データから抽出した第１特徴量と、前記所定のデータから抽出した第２特徴量との差分である差分特徴量に対して特徴ベクトルを算出する第３処理を行い、前記第３処理の処理結果に基づいて前記尤度比を算出する
ことを特徴とする情報処理方法。
【請求項9】
系列データに含まれる複数の要素を取得し、前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出し、
前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定し、
前記尤度比を算出する際に、前記系列データから抽出した第１特徴量と、前記所定のデータから抽出した第２特徴量との差分である差分特徴量に対して特徴ベクトルを算出する第３処理を行い、前記第３処理の処理結果に基づいて前記尤度比を算出する
ようにコンピュータを動作させることを特徴とするコンピュータプログラム。
【請求項10】
系列データに含まれる複数の要素を取得する取得手段と、前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出する算出手段と、
前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定する判定手段と
を備え、
前記算出手段は、前記系列データから抽出した第１特徴量と、前記所定のデータから抽出した第２特徴量とを結合した結合特徴量に対して特徴ベクトルを抽出する第１処理を行い、前記第１処理の処理結果に基づいて前記尤度比を算出する
ことを特徴とする情報処理装置。
【請求項11】
前記算出手段は、前記特徴ベクトルを、前記系列データと前記所定のデータとが同一対象由来であること、及び前記系列データと前記所定のデータとが同一対象由来でないことを表す２値に変換する、ことを特徴とする請求項１０に記載の情報処理装置。
【発明の詳細な説明】
【技術分野】
【0001】
この開示は、例えばクラス分類に関する情報を処理する情報処理装置、情報処理方法、及びコンピュータプログラムの技術分野に関する。
【背景技術】
【0002】
この種の装置として、生体の照合処理を実行するものが知られている。例えば特許文献１では、取得した生体情報と複数の登録生体情報との類似度に基づいて尤度比を算出することで、本人か否かの判定を行うことが開示されている。特許文献２では、生体情報に対応する照合スコアを用いて、本人分布及び他人分布の対数尤度比を求めることが開示されている。特許文献３では、入力された顔画像と登録者全員の顔画像とを照合することでスコアの分布を取得し、最も高いスコアが得られた登録者を本人であると推定することが開示されている。
【0003】
その他の関連する技術として、例えば特許文献４では、第１の尤度比及び第２の尤度比から統合尤度比を算出すること、及び顔姿勢候補群を構成する顔姿勢候補の確からしさを表す統合尤度を算出することが開示されている。
【先行技術文献】
【特許文献】
【0004】
【文献】特開２０１３－１２０５８０号公報
【文献】特開２００８－２９９５８９号公報
【文献】特開２００８－０４０８７４号公報
【文献】国際公開２００９／０９１０２９号
【発明の概要】
【発明が解決しようとする課題】
【0005】
この開示は、上述した関連する技術を改善することを目的とする。
【課題を解決するための手段】
【0006】
この開示の情報処理装置の一の態様は、系列データに含まれる複数の要素を取得する取得手段と、前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出する算出手段と、前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定する判定手段とを備え、前記算出手段は、前記系列データと前記所定のデータとの類似度又は相違度を加味して、前記尤度比を算出する。
【0007】
この開示の情報処理方法の一の態様は、系列データに含まれる複数の要素を取得し、前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出し、前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定し、前記尤度比を算出する際に、前記系列データと前記所定のデータとの類似度又は相違度を加味する。
【0008】
この開示のコンピュータプログラムの一の態様は、系列データに含まれる複数の要素を取得し、前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出し、前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定し、前記尤度比を算出する際に、前記系列データと前記所定のデータとの類似度又は相違度を加味するようにコンピュータを動作させる。
【図面の簡単な説明】
【0009】
【図1】第１実施形態に係る情報処理装置のハードウェア構成を示すブロック図である。
【図2】第１実施形態に係る情報処理装置の機能的構成を示すブロック図である。
【図3】第１実施形態に係る情報処理装置の動作の流れを示すフローチャートである。
【図4】第１実施形態に係る情報処理装置で算出される尤度比の一例を示すグラフである。
【図5】第２実施形態に係る情報処理装置で扱われる画像データの一例を示す図である。
【図6】第２実施形態に係る情報処理装置で扱われる音声データの一例を示す図である。
【図7】第２実施形態に係る情報処理装置の動作の流れを示すフローチャートである。
【図8】第３実施形態に係る情報処理装置の機能的構成を示すブロック図である。
【図9】第３実施形態に係る情報処理装置の動作の流れを示すフローチャートである。
【図10】第３実施形態に係る情報処理装置の具体的な動作例を示す概念図である。
【図11】第４実施形態に係る情報処理装置の機能的構成を示すブロック図である。
【図12】第４実施形態に係る情報処理装置の動作の流れを示すフローチャートである。
【図13】第４実施形態に係る情報処理装置の具体的な動作例を示す概念図である。
【図14】第５実施形態に係る情報処理装置の機能的構成を示すブロック図である。
【図15】第５実施形態に係る情報処理装置の動作の流れを示すフローチャートである。
【図16】第５実施形態に係る情報処理装置の具体的な動作例を示す概念図である。
【図17】第６実施形態に係る情報処理装置の機能的構成を示すブロック図である。
【図18】第６実施形態に係る情報処理装置の動作の流れを示すフローチャートである。
【図19】第６実施形態の変形例に係る情報処理装置の機能的構成を示すブロック図である。
【図20】第６実施形態の変形例に係る情報処理装置の動作の流れを示すフローチャートである。
【図21】第７実施形態に係る情報処理装置における複数の登録データを対象とする判定を概念的に示す図である。
【図22】第７実施形態の変形例に係る情報処理装置の動作の流れを示すフローチャートである。
【図23】第８実施形態に係る情報処理装置の機能的構成を示すブロック図である。
【図24】第８実施形態に係る情報処理装置の動作の流れを示すフローチャートである。
【図25】第９実施形態に係る情報処理装置の機能的構成を示すブロック図である。
【図26】第９実施形態に係る情報処理装置の動作の流れを示すフローチャートである。
【発明を実施するための形態】
【0010】
以下、図面を参照しながら、情報処理装置、情報処理方法、及びコンピュータプログラムの実施形態について説明する。
【0011】
【0012】
【0013】
図１に示すように、第１実施形態に係る情報処理装置１０は、プロセッサ１１と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１２と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１３と、記憶装置１４とを備えている。情報処理装置１０は更に、入力装置１５と、出力装置１６とを備えていてもよい。プロセッサ１１と、ＲＡＭ１２と、ＲＯＭ１３と、記憶装置１４と、入力装置１５と、出力装置１６とは、データバス１７を介して接続されている。
【0014】
プロセッサ１１は、コンピュータプログラムを読み込む。例えば、プロセッサ１１は、ＲＡＭ１２、ＲＯＭ１３及び記憶装置１４のうちの少なくとも一つが記憶しているコンピュータプログラムを読み込むように構成されている。或いは、プロセッサ１１は、コンピュータで読み取り可能な記録媒体が記憶しているコンピュータプログラムを、図示しない記録媒体読み取り装置を用いて読み込んでもよい。プロセッサ１１は、ネットワークインタフェースを介して、情報処理装置１０の外部に配置される不図示の装置からコンピュータプログラムを取得してもよい（つまり、読み込んでもよい）。プロセッサ１１は、読み込んだコンピュータプログラムを実行することで、ＲＡＭ１２、記憶装置１４、入力装置１５及び出力装置１６を制御する。本実施形態では特に、プロセッサ１１が読み込んだコンピュータプログラムを実行すると、プロセッサ１１内には、尤度比を用いた判定処理を実行ための機能ブロックが実現される。なお、プロセッサ１１の一例として、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＦＰＧＡ（ｆｉｅｌｄ－ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＤＳＰ（Ｄｅｍａｎｄ－Ｓｉｄｅ Ｐｌａｔｆｏｒｍ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）が挙げられる。プロセッサ１１は、上述した一例のうち一つを用いてもよいし、複数を並列で用いてもよい。
【0015】
ＲＡＭ１２は、プロセッサ１１が実行するコンピュータプログラムを一時的に記憶する。ＲＡＭ１２は、プロセッサ１１がコンピュータプログラムを実行している際にプロセッサ１１が一時的に使用するデータを一時的に記憶する。ＲＡＭ１２は、例えば、Ｄ－ＲＡＭ（Ｄｙｎａｍｉｃ ＲＡＭ）であってもよい。
【0016】
ＲＯＭ１３は、プロセッサ１１が実行するコンピュータプログラムを記憶する。ＲＯＭ１３は、その他に固定的なデータを記憶していてもよい。ＲＯＭ１３は、例えば、Ｐ－ＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）であってもよい。
【0017】
記憶装置１４は、情報処理装置１０が長期的に保存するデータを記憶する。記憶装置１４は、プロセッサ１１の一時記憶装置として動作してもよい。記憶装置１４は、例えば、ハードディスク装置、光磁気ディスク装置、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）及びディスクアレイ装置のうちの少なくとも一つを含んでいてもよい。
【0018】
入力装置１５は、情報処理装置１０のユーザからの入力指示を受け取る装置である。入力装置１５は、例えば、キーボード、マウス及びタッチパネルのうちの少なくとも一つを含んでいてもよい。入力装置１５は、専用のコントローラ（操作端末）であってもよい。また、入力装置１５は、ユーザが保有する端末（例えば、スマートフォンやタブレット端末等）を含んでいてもよい。入力装置１５は、例えばマイクを含む音声入力が可能な装置であってもよい。
【0019】
出力装置１６は、情報処理装置１０に関する情報を外部に対して出力する装置である。例えば、出力装置１６は、情報処理装置１０に関する情報を表示可能な表示装置（例えば、ディスプレイ）であってもよい。ここでの表示装置は、テレビモニタ、パソコンモニタ、スマートフォンのモニタ、タブレット端末のモニタ、その他の携帯端末のモニタであってよい。また、表示装置は、店舗等の各種施設に設置される大型モニタやデジタルサイネージ等であってよい。また、出力装置１６は、画像以外の形式で情報を出力する装置であってもよい。例えば、出力装置１６は、情報処理装置１０に関する情報を音声で出力するスピーカであってもよい。
【0020】
【0021】
図２に示すように、第１実施形態に係る情報処理装置１０は、その機能を実現するための処理ブロックとして、データ取得部５０と、尤度比算出部１００と、判定部２００とを備えている。データ取得部５０、尤度比算出部１００、及び判定部２００の各々は、例えば上述したプロセッサ１１（図１参照）によって実現されてよい。
【0022】
データ取得部５０は、系列データに含まれる複数の要素を取得可能に構成されている。データ取得部５０は、任意のデータ取得装置（例えば、カメラやマイク等）から直接データを取得するものであってもよいし、あらかじめデータ取得装置で取得されストレージ等に記憶されているデータを読み出すものであってもよい。カメラからデータを取得する場合、データ取得部５０は複数のカメラの各々からデータを取得するように構成されていてもよい。データ取得部５０で取得された系列データの要素は、尤度比算出部１００に出力される構成となっている。なお、系列データとは、所定の順番で並んだ複数の要素を含むデータであり、例えば時系列データが一例として挙げられる。系列データのより具体的な例としては、動画データや音声データが挙げられるが、これに限られるものではない。
【0023】
尤度比算出部１００は、データ取得部５０で取得された複数の要素のうち少なくとも２つの連続する要素に基づいて、尤度比を算出可能に構成されている。なお、ここでの「尤度比」とは、系列データが所定の登録データと同一対象由来であることの尤もらしさを示す指標である。尤度比は、例えば対数尤度費（ＬＬＲ：Ｌｏｇ Ｌｉｋｅｈｏｏｄ Ｒａｔｉｏ）として算出されてもよい。また、尤度比は、２つの連続する要素から算出される個別尤度比を統合した統合尤度比として算出されてもよい。
【0024】
また、尤度比算出部１００は、登録データを記憶する登録データ記憶部３００から、適宜登録データに関する情報を読み出し可能とされている。そして本実施形態に係る尤度比算出部１００は特に、系列データと登録データとの類似度又は相違度を加味して、尤度比を算出可能に構成されている。このような尤度比の具体的な算出方法については、後述する他の実施形態において詳しく説明する。
【0025】
判定部２００は、尤度比算出部１００で算出された尤度比に基づいて、系列データが登録データと同一対象由来であるか否かを判定する。判定部２００は、算出された尤度比が所定の閾値に到達した場合に、系列データと登録データとが同一対象由来であると判定してもよい。また、判定部２００は、算出された尤度比が所定の他の閾値に到達した場合に、系列データが登録データとが同一対象由来でないと判定してもよい。
【0026】
【0027】
図３に示すように、第１実施形態に係る情報処理装置１０の動作が開始されると、まずデータ取得部５０が、系列データに含まれる要素を取得する（ステップＳ１１）。データ取得部５０は、取得した系列データの要素を、尤度比算出部１００に出力する。
【0028】
続いて、尤度比算出部１００は、取得された２つ以上の要素に基づいて尤度比を算出する。この際、尤度比算出部１００は、系列データと登録データとの類似度又は相違度を加味して、尤度比を算出する（ステップＳ１２）。即ち、尤度比は、取得される系列データだけでなく、登録データについても考慮した値として算出される。
【0029】
続いて、判定部２００が、算出された尤度比に基づいて、系列データと登録データとが同一対象由来であるか否かを判定する（ステップＳ１３）。判定部２００は、判定結果をディスプレイ等に出力するようにしてもよい。また、判定部２００は、判定結果を、スピーカ等を介して音声で出力するようにしてもよい。
【0030】
なお、判定部２００が系列データと登録データとが同一対象由来であるか否かを判定できない場合（例えば、尤度比が判定に用いる閾値に到達していない場合等）、上述した一連の処理は繰り返し実行されてよい。具体的には、系列データから新たな要素を取得し、新たに取得した要素を考慮した尤度比が算出する処理が繰り返されてもよい。
【0031】
（具体的な判定例）
次に、図４を参照しながら、第１実施形態に係る情報処理装置１０による具体的な判定例について説明する。図４は、第１実施形態に係る情報処理装置で算出される尤度比の一例を示すグラフである。なお、図４の例では、尤度比が対数尤度費（ＬＬＲ）として算出されているものとする。
次に、図４を参照しながら、第１実施形態に係る情報処理装置１０による具体的な判定例について説明する。図４は、第１実施形態に係る情報処理装置で算出される尤度比の一例を示すグラフである。なお、図４の例では、尤度比が対数尤度費（ＬＬＲ）として算出されているものとする。
【0032】
図４に示す尤度比は、例えば下記式（１）のように表すことができる。なお、ｙ＝１は、系列データと登録データとが同一対象由来であるクラスであり、ｙ＝０は、系列データと登録データとが同一対象由来であるクラスである。
【0033】
ＬＬＲ＝ｐ（Ｘ｜ｙ＝１）／ｐ（Ｘ｜ｙ＝０） …（１）
【0034】
この尤度比は、上述した一連の処理（図３参照）が繰り返し実行されることにより、初期値から徐々に変化していく。判定部２００は、例えば系列データと登録データとが同一対象由来である状態に対応する第１閾値と、系列データと登録データとが同一対象由来でない状態に対応する第２閾値とを用いて判定を行う。具体的には、判定部２００は、尤度比が第１閾値に到達した場合、系列データと登録データとが同一対象由来であると判定する。一方で、判定部２００は、尤度比が第２閾値に到達した場合、系列データと登録データとが同一対象由来でないと判定する。
【0035】
（技術的効果）
次に、第１実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
次に、第１実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
【0036】
図１から図４で説明したように、第１実施形態に係る情報処理装置１０では、尤度比を算出する際に、系列データと登録データとの類似度又は相違度を加味される。このようにすれば、系列データから算出される尤度比を用いて、系列データと登録データとが同一対象由来であるかを判定することが可能となる。より具体的には、入力される系列データが、系列データと登録データとが同一対象由来であるクラスと、系列データと登録データとが同一対象由来でないクラスとのいずれに属するかを判定することができる。
【0037】
＜第２実施形態＞
第２実施形態に係る情報処理装置１０について、図５から図７を参照して説明する。なお、第２実施形態は、上述した第１実施形態で扱われる系列データ及び登録データの具体例を説明するものであり、例えば装置構成（図１及び図２参照）については、第１実施形態と同様であってよい。このため、以下では、第１実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
第２実施形態に係る情報処理装置１０について、図５から図７を参照して説明する。なお、第２実施形態は、上述した第１実施形態で扱われる系列データ及び登録データの具体例を説明するものであり、例えば装置構成（図１及び図２参照）については、第１実施形態と同様であってよい。このため、以下では、第１実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
【0038】
（データの具体例）
まず、図５及び図６を参照しながら、第２実施形態に係る情報処理装置１０で扱われる系列データ及び登録データについて説明する。図５は、第２実施形態に係る情報処理装置で扱われる画像データの一例を示す図である。図６は、第２実施形態に係る情報処理装置で扱われる音声データの一例を示す図である。
まず、図５及び図６を参照しながら、第２実施形態に係る情報処理装置１０で扱われる系列データ及び登録データについて説明する。図５は、第２実施形態に係る情報処理装置で扱われる画像データの一例を示す図である。図６は、第２実施形態に係る情報処理装置で扱われる音声データの一例を示す図である。
【0039】
図５に示すように、第２実施形態に係る情報処理装置１０で扱われる系列データ（以下、適宜「クエリ」と称することがある）及び登録データ（以下、適宜「ターゲット」と称することがある）は、それぞれ画像データであってよい。より具体的には、系列データ及び登録データは、人物を含む画像データ（例えば、人物の顔を撮像した顔画像データ）であってよい。或いは、系列データ及び登録データは、人物に加えて又は代えて、蛇や犬等の動物、ロボット等の物体を含む画像データであってよい。系列データは、例えば時系列の複数の画像データ（即ち、動画データ）として入力されてよい。登録データは、少なくとも１枚の画像データとして登録されていればよい。また、登録データは、動画データであってもよいし、３Ｄ画像であってもよい。このように人物を含む画像データを利用すれば、算出される尤度比に基づいて、系列データと登録データとが同一人物由来であるか否かを判定することが可能である。
【0040】
図５に示すように、第２実施形態に係る情報処理装置１０で扱われる系列データ及び登録データは、それぞれ音声データであってよい。より具体的には、系列データ及び登録データは、人物が発する音声を含むデータであってよい。或いは、系列データ及び登録データは、蛇や犬等の動物、ロボット等の物体が発する音声データであってよい。系列データは、例えば人物や動物等が発する時系列の音声データとして入力されてよい。登録データは、例えば固定長の声紋データとして登録されていればよい。このように人物等が発する音声データを利用すれば、算出される尤度比に基づいて、系列データと登録データとが同一人物由来（即ち、同一対象由来）であるか否かを判定することが可能である。
【0041】
【0042】
図７に示すように、第２実施形態に係る情報処理装置１０の動作が開始されると、まずデータ取得部５０が、系列データに含まれる画像データ又は音声データを取得する（ステップＳ２１）。データ取得部５０は、取得した画像データ又は音声データを、尤度比算出部１００に出力する。
【0043】
続いて、尤度比算出部１００は、取得され画像データ又は音声データから、特徴量を抽出する（ステップＳ２２）。なお、特徴量の具体的な抽出手法については、既存の技術を適宜採用することができるため、ここでの詳しい説明は省略するものとする。その後、尤度比算出部１００は、抽出した特徴量に基づいて尤度比を算出する。この際、尤度比算出部１００は、系列データと登録データとの類似度又は相違度を加味して、尤度比を算出する（ステップＳ２３）。
【0044】
続いて、判定部２００が、算出された尤度比に基づいて、系列データと登録データとが同一人物由来であるか否かを判定する（ステップＳ２４）。判定部２００は、判定結果をディスプレイやスピーカ等に出力するようにしてもよい。また、判定部２００は、判定結果に応じて所定の処理（例えば、本人認証を条件として実行される処理等）を実行するようにしてもよい。
【0045】
（技術的効果）
次に、第２実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
次に、第２実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
【0046】
図５から図７で説明したように、第２実施形態に係る情報処理装置１０では、系列データ及び登録データが、画像データ又は音声データを含んでいる。画像データを利用する場合、画像に含まれる人物が、登録されている人物と同一人物であるか否かを判定することができる。よって、第２実施形態に係る情報処理装置１０は、例えば顔認証を行う装置に適用することが可能である。また、音声データを利用する場合、音声を発した人物が、登録されている人物と同一人物であるか否かを判定することができる。よって、第２実施形態に係る情報処理装置１０は、例えば音声認証を行う装置に適用することが可能である。
【0047】
＜第３実施形態＞
第３実施形態に係る情報処理装置１０について、図８から図１０を参照して説明する。なお、第３実施形態は、上述した第１及び第２実施形態と一部の構成及び動作が異なるのみで、その他の部分については第１及び第２実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
第３実施形態に係る情報処理装置１０について、図８から図１０を参照して説明する。なお、第３実施形態は、上述した第１及び第２実施形態と一部の構成及び動作が異なるのみで、その他の部分については第１及び第２実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
【0048】
（機能的構成）
まず、図８を参照しながら、第３実施形態に係る情報処理装置１０の機能的構成について説明する。図８は、第３実施形態に係る情報処理装置の機能的構成を示すブロック図である。なお、図８では、図２に示した構成要素と同様のものに同一の符号を付している。
まず、図８を参照しながら、第３実施形態に係る情報処理装置１０の機能的構成について説明する。図８は、第３実施形態に係る情報処理装置の機能的構成を示すブロック図である。なお、図８では、図２に示した構成要素と同様のものに同一の符号を付している。
【0049】
図８に示すように、第３実施形態に係る情報処理装置１０は、その機能を実現するための処理ブロックとして、データ取得部５０と、尤度比算出部１００と、判定部２００とを備えている。そして、第３実施形態に係る尤度比算出部１００は特に、結合部１１０を備えて構成されている。結合部１１０は、例えば上述したプロセッサ１１（図１参照）によって実現されてよい。
【0050】
結合部１１０は、系列データから抽出される特徴ベクトル（以下、適宜「クエリベクトル」と称する）と、登録データから抽出される特徴ベクトル（以下、適宜「ターゲットベクトル」と称する）とを結合可能に構成されている。結合部１１０は、クエリベクトルとターゲットベクトルとを結合して結合ベクトルを生成する。結合ベクトルの長さは、クエリベクトルの長さとターゲットベクトルの長さとを足したものとなる。結合部１１０で生成された結合ベクトルは、尤度比の算出に用いられる。
【0051】
（動作の流れ）
次に、図９を参照しながら、第３実施形態に係る情報処理装置１０の動作の流れについて説明する。図９は、第３実施形態に係る情報処理装置の動作の流れを示すフローチャートである。なお、図９では、図３で示した処理と同様の処理に同一の符号を付している。
次に、図９を参照しながら、第３実施形態に係る情報処理装置１０の動作の流れについて説明する。図９は、第３実施形態に係る情報処理装置の動作の流れを示すフローチャートである。なお、図９では、図３で示した処理と同様の処理に同一の符号を付している。
【0052】
図９に示すように、第３実施形態に係る情報処理装置１０の動作が開始されると、まずデータ取得部５０が、系列データに含まれる要素を取得する（ステップＳ１１）。データ取得部５０は、取得した系列データの要素を、尤度比算出部１００に出力する。
【0053】
続いて、尤度比算出部１００は、取得された系列データの要素から特徴ベクトル（即ち、クエリベクトル）を抽出する（ステップＳ３１）。クエリベクトルが抽出されると、結合部１１０が、クエリベクトルとターゲットベクトルとを結合して、結合ベクトルを生成する（ステップＳ３２）。なお、ターゲットベクトルは、登録データを登録する際等に、予め抽出されていてもよい。この場合、ターゲットベクトルは、登録データと共に登録データ記憶部３００に記憶されていればよく、結合部１１０は、登録データ記憶部３００からターゲットベクトルを読み出して、クエリベクトルと結合する。あるいは、ターゲットベクトルは、結合ベクトルを生成する際に、登録データから新たに抽出されてもよい。この場合、結合部１１０は、登録データ記憶部３００から登録データを読み出し、登録データからターゲットベクトルを抽出する処理を実行する。そして、結合部１１０は、抽出したターゲットベクトルをクエリベクトルと結合する。
【0054】
続いて、尤度比算出部１００は、結合ベクトルを用いて、時系列統合を行い、特徴ベクトルを抽出する（ステップＳ３３）。尤度比算出部１００は、例えば結合ベクトルをＬＳＴＭ（Ｌｏｎｇ Ｓｈｏｒｔ Ｔｅｒｍ Ｍｅｍｏｒｙ）に入力し、その出力として特徴ベクトルを取得する。なお、ここでのＬＳＴＭは一例であり、任意の再帰的ニューラルネットワークを用いて同様の処理を実行するようにしてもよい。例えば、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を用いて、特徴ベクトルを抽出してもよい。
【0055】
続いて、尤度比算出部１００は、特徴ベクトルを変換行列で２値に変換する（ステップＳ３４）。具体的には、尤度比算出部１００は、特徴ベクトルを、系列データと登録データとが同一対象由来であること、及び系列データと登録データとが同一対象由来でないことを表す２値に変換する。また、尤度比算出部１００は、２値それぞれの値域を［０，１］に変換（即ち、スケーリング）する。
【0056】
続いて、尤度比算出部１００は、変換した値から尤度比を算出する（ステップＳ３５）。このようにして算出された尤度比は、系列データ及び登録データの類似度又は相違度を加味した値となる。具体的には、系列データから抽出したクエリベクトルと、登録データから抽出したターゲットベクトルを結合し、その結合ベクトルに基づいて尤度比を算出しているため、算出される尤度比は、結果的に系列データ及び登録データの類似度又は相違度を加味したものとなっている。
【0057】
最後に、判定部２００は、算出された尤度比に基づいて、系列データと登録データとが同一対象由来であるか否かを判定する（ステップＳ１３）。
【0058】
（具体的な動作例）
次に、図１０を参照しながら、第３実施形態に係る情報処理装置１０の具体的な動作例を説明する。図１０は、第３実施形態に係る情報処理装置の具体的な動作例を示す概念図である。なお、図１０に示す動作例では、第２実施形態で説明したように（図５から図７を参照）、系列データと登録データとが同一人物由来であるか否かを判定している。
次に、図１０を参照しながら、第３実施形態に係る情報処理装置１０の具体的な動作例を説明する。図１０は、第３実施形態に係る情報処理装置の具体的な動作例を示す概念図である。なお、図１０に示す動作例では、第２実施形態で説明したように（図５から図７を参照）、系列データと登録データとが同一人物由来であるか否かを判定している。
【0059】
図１０において、クエリベクトルは、Ｘ１＝｛ｘ１
１，ｘ１
２，…，ｘ１
Ｍ｝、ターゲットベクトルはｔ１として表されている。この場合、結合部１１０は、各要素に対応するクエリベクトルと、ターゲットベクトルとを順次結合していく。
【0060】
具体的には、結合部１１０は、まずクエリベクトルｘ１
１と、ターゲットベクトルｔ１とを結合して、結合ベクトルｔ１ｘ１
１を生成する。そして、その結合ベクトルｔ１ｘ１
１をＬＳＴＭに入力して特徴ベクトルを抽出し、特徴ベクトルを変換した値から尤度比を算出する。続いて、結合部１１０は、クエリベクトルｘ１
２と、ターゲットベクトルｔ１とを結合して、結合ベクトルｔ１ｘ１
２を生成する。そして、その結合ベクトルｔ１ｘ１
２をＬＳＴＭに入力して特徴ベクトルを抽出し、特徴ベクトルを変換した値から尤度比を算出する。このような処理を同様に繰り返していき、最終的に結合部１１０は、クエリベクトルｘ１
Ｍと、ターゲットベクトルｔ１とを結合して、結合ベクトルｔ１ｘ１
Ｍを生成する。そして、その結合ベクトルｔ１ｘ１
ＭをＬＳＴＭに入力して特徴ベクトルを抽出し、特徴ベクトルを変換した値から尤度比を算出する。
【0061】
図１０に示す例では、上述した処理によって算出される尤度比と、本人閾値（即ち系列データと登録データとが同一人物由来である状態に対応する閾値）及び他人閾値（即ち系列データと登録データとが同一人物由来でない状態に対応する閾値）とを比較することで判定が行われる。図１０に示す例では、尤度比が徐々に本人閾値の方向に変化していき、最終的には本人閾値に到達している。このため、判定部２００は、系列データと登録データとが同一人物由来であると判定する。
【0062】
（技術的効果）
次に、第３実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
次に、第３実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
【0063】
図８から図１０で説明したように、第３実施形態に係る情報処理装置１０では、クエリベクトルとターゲットベクトルとを結合して結合ベクトルを生成し、その結合ベクトルを用いて尤度比を算出する処理が行われる。このようにして算出される尤度比は、系列データ及び登録データの類似度又は相違度を加味した値となる。よって、第３実施形態に係る情報処理装置１０によれば、算出される尤度比に基づいて、系列データと登録データとが同一対象由来であるかを判定することが可能となる。
【0064】
＜第４実施形態＞
第４実施形態に係る情報処理装置１０について、図１１から図１３を参照して説明する。なお、第４実施形態は、上述した第１から第３実施形態と一部の構成動作が異なるのみで、その他の部分については第１から第３実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
第４実施形態に係る情報処理装置１０について、図１１から図１３を参照して説明する。なお、第４実施形態は、上述した第１から第３実施形態と一部の構成動作が異なるのみで、その他の部分については第１から第３実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
【0065】
（機能的構成）
まず、図１１を参照しながら、第４実施形態に係る情報処理装置１０の機能的構成について説明する。図１１は、第４実施形態に係る情報処理装置の機能的構成を示すブロック図である。なお、図１１では、図２に示した構成要素と同様のものに同一の符号を付している。
まず、図１１を参照しながら、第４実施形態に係る情報処理装置１０の機能的構成について説明する。図１１は、第４実施形態に係る情報処理装置の機能的構成を示すブロック図である。なお、図１１では、図２に示した構成要素と同様のものに同一の符号を付している。
【0066】
図１１に示すように、第４実施形態に係る情報処理装置１０は、その機能を実現するための処理ブロックとして、データ取得部５０と、尤度比算出部１００と、判定部２００とを備えている。そして、第４実施形態に係る尤度比算出部１００は特に、比較部１２０を備えて構成されている。比較部１２０は、例えば上述したプロセッサ１１（図１参照）によって実現されてよい。
【0067】
比較部１２０は、系列データから抽出されるクエリベクトルに所定の処理を実行して生成される特徴ベクトルと、ターゲットベクトルとを比較可能に構成されている。より具体的には、比較部１２０は、クエリベクトルから生成される特徴量ベクトルと、ターゲットベクトルとの類似度を算出可能に構成されている。比較部１２０は、クエリベクトルから生成される特徴量ベクトルと、ターゲットベクトルとのコサイン類似度を算出してもよい。ただし、比較部１２０は、コサイン類似度以外の類似度を算出するようにしてもよい。比較部１２０で算出される類似度は、尤度比の算出に用いられる。
【0068】
（動作の流れ）
次に、図１２を参照しながら、第４実施形態に係る情報処理装置１０の動作の流れについて説明する。図１２は、第４実施形態に係る情報処理装置の動作の流れを示すフローチャートである。なお、図１２では、図３で示した処理と同様の処理に同一の符号を付している。
次に、図１２を参照しながら、第４実施形態に係る情報処理装置１０の動作の流れについて説明する。図１２は、第４実施形態に係る情報処理装置の動作の流れを示すフローチャートである。なお、図１２では、図３で示した処理と同様の処理に同一の符号を付している。
【0069】
図１２に示すように、第４実施形態に係る情報処理装置１０の動作が開始されると、まずデータ取得部５０が、系列データに含まれる要素を取得する（ステップＳ１１）。データ取得部５０は、取得した系列データの要素を、尤度比算出部１００に出力する。
【0070】
続いて、尤度比算出部１００は、取得された系列データの要素から特徴ベクトル（即ち、クエリベクトル）を抽出する（ステップＳ４１）。クエリベクトルが抽出されると、尤度比算出部１００は、クエリベクトルを用いて、時系列統合を行い、特徴ベクトルを抽出する（ステップＳ４２）。尤度比算出部１００は、例えばクエリベクトルをＬＳＴＭに入力し、その出力として特徴ベクトルを取得する。なお、ここでのＬＳＴＭは一例であり、任意の再帰的ニューラルネットワークを用いて同様の処理を実行するようにしてもよい。例えば、ＲＮＮを用いて、特徴ベクトルを抽出してもよい。
【0071】
続いて、比較部１２０が、クエリベクトルから抽出された特徴量ベクトルと、ターゲットベクトルとを比較して、それらのベクトルの類似度を算出する（ステップＳ４３）。なお、ターゲットベクトルは、登録データを登録する際等に、予め抽出されていてもよい。この場合、ターゲットベクトルは、登録データと共に登録データ記憶部３００に記憶されていればよく、比較部１２０は、登録データ記憶部３００からターゲットベクトルを読み出して、類似度を算出する。あるいは、ターゲットベクトルは、類似度を算出する際に、登録データから新たに抽出されてもよい。この場合、比較部１２０は、登録データ記憶部３００から登録データを読み出し、登録データからターゲットベクトルを抽出する処理を実行する。そして、比較部１２０は、抽出したターゲットベクトルをクエリベクトルから抽出された特徴量ベクトルと比較して、類似度を算出する。
【0072】
続いて、尤度比算出部１００は、算出した類似度の値域を確率の値域に変換する（ステップＳ４４）。例えば、類似度としてコサイン類似度が算出されている場合、尤度比算出部１００は、コサイン類似度の値域［－１，１］を、確率の値域［０，１］に変換する
【0073】
続いて、尤度比算出部１００は、変換した値から尤度比を算出する（ステップＳ４５）。このようにして算出された尤度比は、系列データ及び登録データの類似度又は相違度を加味した値となる。具体的には、クエリベクトルから抽出された特徴量ベクトルと、ターゲットベクトルとの類似度が算出され、その類似度を変換した値に基づいて尤度比を算出しているため、算出される尤度比は、結果的に系列データ及び登録データの類似度又は相違度を加味したものとなっている。
【0074】
最後に、判定部２００は、算出された尤度比に基づいて、系列データと登録データとが同一対象由来であるか否かを判定する（ステップＳ１３）。
【0075】
（具体的な動作例）
次に、図１３を参照しながら、第４実施形態に係る情報処理装置１０の具体的な動作例を説明する。図１３は、第４実施形態に係る情報処理装置の具体的な動作例を示す概念図である。なお、図１３に示す動作例では、第２実施形態で説明したように（図５から図７を参照）、系列データと登録データとが同一人物由来であるか否かを判定している。
次に、図１３を参照しながら、第４実施形態に係る情報処理装置１０の具体的な動作例を説明する。図１３は、第４実施形態に係る情報処理装置の具体的な動作例を示す概念図である。なお、図１３に示す動作例では、第２実施形態で説明したように（図５から図７を参照）、系列データと登録データとが同一人物由来であるか否かを判定している。
【0076】
図１３において、クエリベクトルは、Ｘ１＝｛ｘ１
１，ｘ１
２，…，ｘ１
Ｍ｝、ターゲットベクトルはｔ１として表されている。この場合、比較部１２０は、各要素に対応するクエリベクトルから抽出される特徴ベクトルと、ターゲットベクトルとの類似度を順次算出していく。
【0077】
具体的には、尤度比算出部１００が、まずクエリベクトルｘ１
１をＬＳＴＭに入力して特徴ベクトルを抽出する。そして、比較部１２０は、クエリベクトルｘ１
１から抽出された特徴ベクトルと、ターゲットベクトルｔ１との類似度を算出する。その後、尤度比算出部１００は、算出された類似度を変換して、尤度比を算出する。続いて、尤度比算出部１００は、クエリベクトルｘ１
２をＬＳＴＭに入力して特徴ベクトルを抽出する。そして、比較部１２０は、クエリベクトルｘ１
２から抽出された特徴ベクトルと、ターゲットベクトルｔ１との類似度を算出する。その後、尤度比算出部１００は、算出された類似度を変換して、尤度比を算出する。このような処理を同様に繰り返していき、最終的には、尤度比算出部１００が、クエリベクトルｘ１
ＭをＬＳＴＭに入力して特徴ベクトルを抽出する。そして、比較部１２０は、クエリベクトルｘ１
Ｍから抽出された特徴ベクトルと、ターゲットベクトルｔ１との類似度を算出する。その後、尤度比算出部１００は、算出された類似度を変換して、尤度比を算出する。
【0078】
図１３に示す例では、上述した処理によって算出される尤度比と、本人閾値及び他人閾値とを比較することで判定が行われる。図１３に示す例では、尤度比が徐々に本人閾値の方向に変化していき、最終的には本人閾値に到達している。このため、判定部２００は、系列データと登録データとが同一人物由来であると判定する。
【0079】
（技術的効果）
次に、第４実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
次に、第４実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
【0080】
図１１から図１３で説明したように、第４実施形態に係る情報処理装置１０では、クエリベクトルから特徴ベクトルを抽出し、抽出した特徴ベクトルとターゲットベクトルとを比較することで類似度を算出する。そして、算出された類似度に基づいて、尤度比を算出する処理が行われる。このようにして算出される尤度比は、系列データ及び登録データの類似度又は相違度を加味した値となる。よって、第４実施形態に係る情報処理装置１０によれば、算出される尤度比に基づいて、系列データと登録データとが同一対象由来であるかを判定することが可能となる。
【0081】
＜第５実施形態＞
第５実施形態に係る情報処理装置１０について、図１４から図１６を参照して説明する。なお、第５実施形態は、上述した第１から第４実施形態と一部の構成動作が異なるのみで、その他の部分については第１から第４実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
第５実施形態に係る情報処理装置１０について、図１４から図１６を参照して説明する。なお、第５実施形態は、上述した第１から第４実施形態と一部の構成動作が異なるのみで、その他の部分については第１から第４実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
【0082】
（機能的構成）
まず、図１４を参照しながら、第５実施形態に係る情報処理装置１０の機能的構成について説明する。図１４は、第５実施形態に係る情報処理装置の機能的構成を示すブロック図である。なお、図１４では、図２に示した構成要素と同様のものに同一の符号を付している。
まず、図１４を参照しながら、第５実施形態に係る情報処理装置１０の機能的構成について説明する。図１４は、第５実施形態に係る情報処理装置の機能的構成を示すブロック図である。なお、図１４では、図２に示した構成要素と同様のものに同一の符号を付している。
【0083】
図１４に示すように、第５実施形態に係る情報処理装置１０は、その機能を実現するための処理ブロックとして、データ取得部５０と、尤度比算出部１００と、判定部２００とを備えている。そして、第５実施形態に係る尤度比算出部１００は特に、差分演算部１３０を備えて構成されている。差分演算部１３０は、例えば上述したプロセッサ１１（図１参照）によって実現されてよい。
【0084】
差分演算部１３０は、系列データから抽出されるクエリベクトルと、登録データから抽出されるターゲットベクトルとの差分を演算可能に構成されている。差分演算部１３０は、クエリベクトルとターゲットベクトルとの差分として差分ベクトルを算出する。差分演算部１３０で算出された差分ベクトルは、尤度比の算出に用いられる。
【0085】
（動作の流れ）
次に、図１５を参照しながら、第５実施形態に係る情報処理装置１０の動作の流れについて説明する。図１５は、第５実施形態に係る情報処理装置の動作の流れを示すフローチャートである。なお、図１５では、図３で示した処理と同様の処理に同一の符号を付している。
次に、図１５を参照しながら、第５実施形態に係る情報処理装置１０の動作の流れについて説明する。図１５は、第５実施形態に係る情報処理装置の動作の流れを示すフローチャートである。なお、図１５では、図３で示した処理と同様の処理に同一の符号を付している。
【0086】
図１５に示すように、第５実施形態に係る情報処理装置１０の動作が開始されると、まずデータ取得部５０が、系列データに含まれる要素を取得する（ステップＳ１１）。データ取得部５０は、取得した系列データの要素を、尤度比算出部１００に出力する。
【0087】
続いて、尤度比算出部１００は、取得された系列データの要素から特徴ベクトル（即ち、クエリベクトル）を抽出する（ステップＳ５１）。クエリベクトルが抽出されると、差分演算部１３０が、クエリベクトルとターゲットベクトルとの差分として、差分ベクトルを算出する（ステップＳ５２）。なお、ターゲットベクトルは、登録データを登録する際等に、予め抽出されていてもよい。この場合、ターゲットベクトルは、登録データと共に登録データ記憶部３００に記憶されていればよく、差分演算部１３０は、登録データ記憶部３００からターゲットベクトルを読み出して、クエリベクトルとの差分を算出する。あるいは、ターゲットベクトルは、差分ベクトルを算出する際に、登録データから新たに抽出されてもよい。この場合、差分演算部１３０は、登録データ記憶部３００から登録データを読み出し、登録データからターゲットベクトルを抽出する処理を実行する。そして、差分演算部１３０は、抽出したターゲットベクトルとクエリベクトルとの差分を算出する。
【0088】
続いて、尤度比算出部１００は、差分ベクトルを用いて、時系列統合を行い、特徴ベクトルを抽出する（ステップＳ５３）。尤度比算出部１００は、例えば差分ベクトルをＬＳＴＭに入力し、その出力として特徴ベクトルを取得する。なお、ここでのＬＳＴＭは一例であり、任意の再帰的ニューラルネットワークを用いて同様の処理を実行するようにしてもよい。例えば、ＲＮＮを用いて、特徴ベクトルを抽出してもよい。
【0089】
続いて、尤度比算出部１００は、特徴ベクトルを変換行列で２値に変換する（ステップＳ５４）。具体的には、尤度比算出部１００は、特徴ベクトルを、系列データと登録データとが同一対象由来であること、及び系列データと登録データとが同一対象由来でないことを表す２値に変換する。また、尤度比算出部１００は、２値それぞれの値域を［０，１］に変換（即ち、スケーリング）する。
【0090】
続いて、尤度比算出部１００は、変換した値から尤度比を算出する（ステップＳ５５）。このようにして算出された尤度比は、系列データ及び登録データの類似度又は相違度を加味した値となる。具体的には、系列データから抽出したクエリベクトルと、登録データから抽出したターゲットベクトルとの差分を算出し、差分ベクトルに基づいて尤度比を算出しているため、算出される尤度比は、結果的に系列データ及び登録データの類似度又は相違度を加味したものとなっている。
【0091】
最後に、判定部２００は、算出された尤度比に基づいて、系列データと登録データとが同一対象由来であるか否かを判定する（ステップＳ１３）。
【0092】
（具体的な動作例）
次に、図１６を参照しながら、第５実施形態に係る情報処理装置１０の具体的な動作例を説明する。図１６は、第５実施形態に係る情報処理装置の具体的な動作例を示す概念図である。なお、図１５に示す動作例では、第２実施形態で説明したように（図５から図７を参照）、系列データと登録データとが同一人物由来であるか否かを判定している。
次に、図１６を参照しながら、第５実施形態に係る情報処理装置１０の具体的な動作例を説明する。図１６は、第５実施形態に係る情報処理装置の具体的な動作例を示す概念図である。なお、図１５に示す動作例では、第２実施形態で説明したように（図５から図７を参照）、系列データと登録データとが同一人物由来であるか否かを判定している。
【0093】
図１６において、クエリベクトルは、Ｘ１＝｛ｘ１
１，ｘ１
２，…，ｘ１
Ｍ｝、ターゲットベクトルはｔ１として表されている。この場合、差分演算部１３０は、各要素に対応するクエリベクトルと、ターゲットベクトルとの差分を順次算出していく。
【0094】
具体的には、差分演算部１３０は、まずクエリベクトルｘ１
１と、ターゲットベクトルｔ１との差分を算出して、差分ベクトルｔ１－ｘ１
１を生成する。そして、その差分ベクトルｔ１－ｘ１
１をＬＳＴＭに入力して特徴ベクトルを抽出し、特徴ベクトルを変換した値から尤度比を算出する。続いて、差分演算部１３０は、クエリベクトルｘ１
２と、ターゲットベクトルｔ１との差分を算出して、差分ベクトルｔ１－ｘ１
２を生成する。そして、その差分ベクトルｔ１－ｘ１
２をＬＳＴＭに入力して特徴ベクトルを抽出し、特徴ベクトルを変換した値から尤度比を算出する。このような処理を同様に繰り返していき、最終的に差分演算部１３０は、クエリベクトルｘ１
Ｍと、ターゲットベクトルｔ１との差分を算出して、差分ベクトルｔ１－ｘ１
Ｍを生成する。そして、その差分ベクトルｔ１－ｘ１
ＭをＬＳＴＭに入力して特徴ベクトルを抽出し、特徴ベクトルを変換した値から尤度比を算出する。
【0095】
図１６に示す例では、上述した処理によって算出される尤度比と、本人閾値及び他人閾値とを比較することで判定が行われる。図１６に示す例では、尤度比が徐々に本人閾値の方向に変化していき、最終的には本人閾値に到達している。このため、判定部２００は、系列データと登録データとが同一人物由来であると判定する。
【0096】
（技術的効果）
次に、第５実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
次に、第５実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
【0097】
図１４から図１６で説明したように、第５実施形態に係る情報処理装置１０では、クエリベクトルとターゲットベクトルとの差分として差分ベクトルを算出し、その差分ベクトルを用いて尤度比を算出する処理が行われる。このようにして算出される尤度比は、系列データ及び登録データの類似度又は相違度を加味した値となる。よって、第５実施形態に係る情報処理装置１０によれば、算出される尤度比に基づいて、系列データと登録データとが同一対象由来であるかを判定することが可能となる。
【0098】
＜第６実施形態＞
第６実施形態に係る情報処理装置１０について、図１７及び図１８を参照して説明する。なお、第６実施形態は、上述した第３から第５実施形態を組み合わせて選択的に利用するものであり、その構成や動作は概ね第３から第５実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
第６実施形態に係る情報処理装置１０について、図１７及び図１８を参照して説明する。なお、第６実施形態は、上述した第３から第５実施形態を組み合わせて選択的に利用するものであり、その構成や動作は概ね第３から第５実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
【0099】
（機能的構成）
まず、図１７を参照しながら、第６実施形態に係る情報処理装置１０の機能的構成について説明する。図１７は、第６実施形態に係る情報処理装置の機能的構成を示すブロック図である。なお、図１７では、図８、図１１及び図１４に示した構成要素と同様のものに同一の符号を付している。
まず、図１７を参照しながら、第６実施形態に係る情報処理装置１０の機能的構成について説明する。図１７は、第６実施形態に係る情報処理装置の機能的構成を示すブロック図である。なお、図１７では、図８、図１１及び図１４に示した構成要素と同様のものに同一の符号を付している。
【0100】
図１７に示すように、第６実施形態に係る情報処理装置１０は、その機能を実現するための処理ブロックとして、データ取得部５０と、尤度比算出部１００と、判定部２００とを備えている。そして、第６実施形態に係る尤度比算出部１００は特に、結合部１１０、比較部１２０、差分演算部１３０、及び選択部１４０を備えて構成されている。即ち、第６実施形態に係る尤度比算出部１００は、第３実施形態で説明した結合部１１０、第４実施形態で説明した比較部１２０、及び第５実施形態で説明した差分演算部１３０をいずれも備えており、それらに加えて選択部１４０を更に備えて構成されている。なお、選択部１４０は、例えば上述したプロセッサ１１（図１参照）によって実現されてよい。
【0101】
選択部１４０は、尤度比を算出する際に、結合部１１０、比較部１２０、及び差分演算部１３０のいずれを用いるかを選択可能に構成されている。即ち、選択部１４０は、第３実施形態で説明した結合ベクトルを用いて尤度比を算出する手法（図８から図１０参照）、第４実施形態で説明した類似度を用いて尤度比を算出する手法（図１１から図１３参照）、及び第５実施形態で説明した差分ベクトルを用いて尤度比を算出する手法（図１４から図１６参照）のうち、いずれの手法を用いて尤度比を算出するかを選択可能とされている。
【0102】
選択部１４０は、予め取得される条件情報に基づいて、結合部１１０、比較部１２０、及び差分演算部１３０のいずれを用いるかを選択する。条件情報は、結合部１１０、比較部１２０、及び差分演算部１３０のいずれを用いて尤度比を算出するのが最適かを判定するための情報である。条件情報は、例えば系列データや登録データの種別に関する情報であってよい。例えば、系列データ及び登録データが画像データであることを示す情報や、系列データ及び登録データが音声データであることを示す情報が条件情報として取得されてよい。また、条件情報は、例えば系列データや登録データの品質に関する情報であってよい。例えば、系列データ及び登録データが画像データや音声データである場合には、その鮮明度を示す情報が条件情報として取得されてよい。また、条件情報は、系列データや登録データが取得された環境に関する情報であってよい。例えば、系列データ及び登録データが画像データや音声データである場合には、それらのデータが取得された場所及び周辺環境に関する情報や、画像データを取得するのに用いられたカメラに関する情報、音声データを取得するのに用いられたマイクに関する情報等が、条件情報として取得されてよい。
【0103】
【0104】
図１８に示すように、第６実施形態に係る情報処理装置１０の動作が開始されると、まず選択部１４０が条件情報を取得する（ステップＳ６１）。そして、選択部１４０は、条件情報に基づいて、尤度比を算出する際に、結合部１１０、比較部１２０、及び差分演算部１３０のいずれを用いるかを選択する（ステップＳ６２）。
【0105】
その後、情報処理装置１０は、選択部１４０が選択した手法を用いて判定処理（即ち、尤度比を算出して系列データと登録データとが同一対象由来であるか否かを判定する処理）を実行する（ステップＳ６３）。具体的には、選択部１４０が結合部１１０を選択した場合、第３実施形態で説明した判定処理（図９参照）が実行される。選択部１４０が比較部１２０を選択した場合、第４実施形態で説明した判定処理（図１２参照）が実行される。選択部１４０が差分演算部１３０を選択した場合、第５実施形態で説明した判定処理（図１５参照）が実行される。
【0106】
なお、上述した例では、判定処理が実行される前に、条件情報が取得され、尤度比の算出手法が選択される例を説明したが、判定処理の途中で、条件情報が取得され、尤度比の算出手法が選択されてもよい。例えば、データ取得部が系列データから要素を取得した後（即ち、ステップＳ１１の後）に、条件情報が取得され、尤度比の算出手法が選択されてもよい。また、結合部１１０によって結合ベクトルが生成される直前（即ち、図９におけるステップＳ３２の直前）に、条件情報が取得され、尤度比の算出手法が選択されてもよい。比較部１２０によって類似度が算出される直前（即ち、図１２のステップＳ４３の直前）に、条件情報が取得され、尤度比の算出手法が選択されてもよい。差分演算部１３０で差分ベクトルが算出される直前（即ち、図１５におけるステップＳ５２の直前）に、条件情報が取得され、尤度比の算出手法が選択されてもよい。
【0107】
（技術的効果）
次に、第６実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
次に、第６実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
【0108】
図１７及び図１８で説明したように、第６実施形態に係る情報処理装置１０では、選択部１４０によって、尤度比を算出する際に、結合部１１０、比較部１２０、及び差分演算部１３０のいずれを用いるかが選択される。このようにすれば、結合部１１０、比較部１２０、及び差分演算部１３０の３つの中から、最適な手法を選択して尤度比を算出することができる。よって、系列データと登録データとが同一対象由来であるかを精度よく判定することが可能となる。
【0109】
＜第６実施形態の変形例＞
第６実施形態の変形例に係る情報処理装置１０について、図１９及び図２０を参照して説明する。なお、第６実施形態の変形例は、上述した第６実施形態と一部の構成及び動作が異なるのみであり、その他の部分については第６実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
第６実施形態の変形例に係る情報処理装置１０について、図１９及び図２０を参照して説明する。なお、第６実施形態の変形例は、上述した第６実施形態と一部の構成及び動作が異なるのみであり、その他の部分については第６実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
【0110】
（機能的構成）
まず、図１９を参照しながら、第６実施形態の変形例に係る情報処理装置１０の機能的構成について説明する。図１９は、第６実施形態の変形例に係る情報処理装置の機能的構成を示すブロック図である。なお、図１９では、図８、図１１及び図１４に示した構成要素と同様のものに同一の符号を付している。
まず、図１９を参照しながら、第６実施形態の変形例に係る情報処理装置１０の機能的構成について説明する。図１９は、第６実施形態の変形例に係る情報処理装置の機能的構成を示すブロック図である。なお、図１９では、図８、図１１及び図１４に示した構成要素と同様のものに同一の符号を付している。
【0111】
図１９に示すように、第６実施形態の変形例に係る情報処理装置１０は、その機能を実現するための処理ブロックとして、データ取得部５０と、尤度比算出部１００と、判定部２００とを備えている。そして、第６実施形態の変形例に係る尤度比算出部１００は特に、結合部１１０、比較部１２０、差分演算部１３０、及び操作検出部１５０を備えて構成されている。即ち、第６実施形態の変形例に係る尤度比算出部１００は、第３実施形態で説明した結合部１１０、第４実施形態で説明した比較部１２０、及び第５実施形態で説明した差分演算部１３０をいずれも備えており、それらに加えて操作検出部１５０を更に備えて構成されている。なお、操作検出部１５０は、例えば上述したプロセッサ１１（図１参照）によって実現されてよい。
【0112】
操作検出部１５０は、ユーザによる操作を検出可能に構成されている。具体的には、操作検出部１５０は、尤度比を算出する際に、結合部１１０、比較部１２０、及び差分演算部１３０のいずれを用いるかを選択する操作（以下、適宜「選択操作」と称する）を検出可能に構成されている。言い換えれば、操作検出部１５０は、第３実施形態で説明した結合ベクトルを用いて尤度比を算出する手法（図８から図１０参照）、第４実施形態で説明した類似度を用いて尤度比を算出する手法（図１１から図１３参照）、及び第５実施形態で説明した差分ベクトルを用いて尤度比を算出する手法（図１４から図１６参照）のうち、いずれの手法を用いて尤度比を算出するかを選択する操作を検出可能とされている。操作検出部１５０は、例えば入力装置１５（図１参照）によるユーザの選択操作を検出してよい。
【0113】
（動作の流れ）
次に、図２０を参照しながら、第６実施形態の変形例に係る情報処理装置１０の動作の流れについて説明する。図２０は、第６実施形態の変形例に係る情報処理装置の動作の流れを示すフローチャートである。
次に、図２０を参照しながら、第６実施形態の変形例に係る情報処理装置１０の動作の流れについて説明する。図２０は、第６実施形態の変形例に係る情報処理装置の動作の流れを示すフローチャートである。
【0114】
図２０に示すように、第６実施形態の変形例に係る情報処理装置１０の動作が開始されると、まず操作検出部１５０がユーザによる選択操作を検出する（ステップＳ６５）。そして、操作検出部１５０は、検出した選択操作に基づいて、尤度比を算出する際に、結合部１１０、比較部１２０、及び差分演算部１３０のいずれを用いるかを選択する（ステップＳ６６）。
【0115】
なお、ユーザの選択操作を受け付ける際には、ユーザに選択操作を行うことを促す通知等が行われてよい。例えば、スピーカ等を介して、音声で選択操作を行うように通知をしてもよい。また、ディスプレイ等を用いて、画面表示で選択操作を行うように通知してもよい。画面表示を行う場合、ユーザは画面をタッチして選択操作を行ってもよい。例えば、画面上に結合部１１０、比較部１２０、及び差分演算部１３０の各々に対応する３つの領域が表示され、ユーザがそのいずれかの領域をタッチする操作を、選択操作として検出してもよい。
【0116】
その後、情報処理装置１０は、ユーザの選択操作に対応する手法を用いて判定処理（即ち、尤度比を算出して系列データと登録データとが同一対象由来であるか否かを判定する処理）を実行する（ステップＳ６７）。具体的には、ユーザが結合部１１０を選択する操作を行った場合、第３実施形態で説明した判定処理（図９参照）が実行される。ユーザが比較部１２０を選択する操作を行った場合場合、第４実施形態で説明した判定処理（図１２参照）が実行される。ユーザが差分演算部１３０を選択する操作を行った場合、第５実施形態で説明した判定処理（図１５参照）が実行される。
【0117】
なお、上述した例では、判定処理が実行される前に、ユーザによる選択操作を検出する例を説明したが、判定処理の途中で選択操作が検出されてもよい。例えば、データ取得部が系列データから要素を取得した後（即ち、ステップＳ１１の後）に、選択操作が検出されてもよい。また、結合部１１０によって結合ベクトルが生成される直前（即ち、図９におけるステップＳ３２の直前）に、選択操作が検出されてもよい。比較部１２０によって類似度が算出される直前（即ち、図１２のステップＳ４３の直前）に、選択操作が検出されてもよい。差分演算部１３０で差分ベクトルが算出される直前（即ち、図１５におけるステップＳ５２の直前）に、選択操作が検出されてもよい。
【0118】
（技術的効果）
次に、第６実施形態の変形例に係る情報処理装置１０によって得られる技術的効果について説明する。
次に、第６実施形態の変形例に係る情報処理装置１０によって得られる技術的効果について説明する。
【0119】
図１９及び図２０で説明したように、第６実施形態の変形例に係る情報処理装置１０では、ユーザの操作に応じて、尤度比を算出する際に、結合部１１０、比較部１２０、及び差分演算部１３０のいずれを用いるかが選択される。このようにすれば、結合部１１０、比較部１２０、及び差分演算部１３０の３つの中から、最適な手法を選択して尤度比を算出することができる。よって、系列データと登録データとが同一対象由来であるかを精度よく判定することが可能となる。
【0120】
なお、上述した第６実施形態及び第６実施形態の変形例では、結合部１１０、比較部１２０、及び差分演算部１３０の３つを選択的に利用する例を挙げたが、結合部１１０、比較部１２０、及び差分演算部１３０のうち２つを選択的に利用するようにしてもよい。例えば、結合部１１０及び比較部１２０を選択的に利用するようにしてもよい。結合部１１０及び差分演算部１３０を選択的に利用するようにしてもよい。比較部１２０及び差分演算部１３０を選択的に利用するようにしてもよい。
【0121】
＜第７実施形態＞
第７実施形態に係る情報処理装置１０について、図２１及び図２２を参照して説明する。なお、第７実施形態は、上述した第１から第６実施形態と一部の構成及び動作が異なるのみであり、その他の部分については第１から第６実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
第７実施形態に係る情報処理装置１０について、図２１及び図２２を参照して説明する。なお、第７実施形態は、上述した第１から第６実施形態と一部の構成及び動作が異なるのみであり、その他の部分については第１から第６実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
【0122】
（複数の登録データを対象とする判定）
まず、図２１を参照しながら、第７実施形態に係る情報処理装置１０が実行する、複数の登録データを対象とする判定について説明する。図２１は、第７実施形態に係る情報処理装置における複数の登録データを対象とする判定を概念的に示す図である。
まず、図２１を参照しながら、第７実施形態に係る情報処理装置１０が実行する、複数の登録データを対象とする判定について説明する。図２１は、第７実施形態に係る情報処理装置における複数の登録データを対象とする判定を概念的に示す図である。
【0123】
図２１に示すように、第７実施形態に係る情報処理装置１０では、入力される系列データに対して、複数の登録データが判定対象なっている。即ち、１つのクエリが、複数のターゲットと同一対象由来であるか否かを判定される構成となっている。例えば、図２１に示すように、複数の登録データとして複数の人物の顔画像が登録されているとする。この場合、系列データとして入力される画像の人物と、登録された複数の人物のいずれが同一人物であるかが判定される。このように、複数の登録データを判定対象とする場合、系列データと、複数の登録データの各々とを考慮した尤度比が算出されればよい。具体的には、系列データと、複数の登録データの各々との類似度又は相違度を加味して、複数の尤度比が算出されればよい。
【0124】
（動作の流れ）
次に、図２２を参照しながら、第７実施形態に係る情報処理装置１０の動作の流れについて説明する。図２２は、第７実施形態に係る情報処理装置の動作の流れを示すフローチャートである。なお、図２２では、図３で示した処理と同様の処理に同一の符号を付している。
次に、図２２を参照しながら、第７実施形態に係る情報処理装置１０の動作の流れについて説明する。図２２は、第７実施形態に係る情報処理装置の動作の流れを示すフローチャートである。なお、図２２では、図３で示した処理と同様の処理に同一の符号を付している。
【0125】
図２２に示すように、第７実施形態に係る情報処理装置１０の動作が開始されると、まずデータ取得部５０が、系列データに含まれる要素を取得する（ステップＳ１１）。データ取得部５０は、取得した系列データの要素を、尤度比算出部１００に出力する。
【0126】
続いて、尤度比算出部１００は、取得された２つ以上の要素に基づいて尤度比を算出する。この際、尤度比算出部１００は、系列データと複数の登録データとの類似度又は相違度を加味して、複数の尤度比を算出する（ステップＳ７１）。即ち、尤度比は、判定対象の数（即ち、登録データの数）に応じた複数の尤度比を算出する。
【0127】
続いて、判定部２００が、算出された複数の尤度比に基づいて、系列データと登録データとが同一対象由来であるか否かを判定する（ステップＳ７２）。例えば、第１の尤度比が本人閾値に到達している場合、判定部２００は、系列データと、第１の尤度比に対応する登録データとが同一人物由来であると判定する。同様に、第２の尤度比が本人閾値に到達している場合、判定部２００は、系列データと、第２の尤度比に対応する登録データとが同一人物由来であると判定する。
【0128】
（技術的効果）
次に、第７実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
次に、第７実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
【0129】
図２１及び図２２で説明したように、第７実施形態に係る情報処理装置１０では、系列データと、複数の登録データの各々との類似度又は相違度を加味して、複数の尤度比が算出される。このようにすれば、複数の登録データが存在する場合（即ち、判定対象が複数存在する場合）であっても、系列データと、どの登録データとが同一対象由来であるのかを判定することができる。
【0130】
＜第８実施形態＞
第８実施形態に係る情報処理装置１０について、図２３及び図２４を参照して説明する。なお、第８実施形態は、上述した第７実施形態と一部の構成及び動作が異なるのみであり、その他の部分については第７実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
第８実施形態に係る情報処理装置１０について、図２３及び図２４を参照して説明する。なお、第８実施形態は、上述した第７実施形態と一部の構成及び動作が異なるのみであり、その他の部分については第７実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
【0131】
（機能的構成）
まず、図２３を参照しながら、第８実施形態に係る情報処理装置１０の機能的構成について説明する。図２３は、第８実施形態に係る情報処理装置の機能的構成を示すブロック図である。なお、図２３では、図２に示した構成要素と同様のものに同一の符号を付している。
まず、図２３を参照しながら、第８実施形態に係る情報処理装置１０の機能的構成について説明する。図２３は、第８実施形態に係る情報処理装置の機能的構成を示すブロック図である。なお、図２３では、図２に示した構成要素と同様のものに同一の符号を付している。
【0132】
図２３に示すように、第８実施形態に係る情報処理装置１０は、その機能を実現するための処理ブロックとして、データ取得部５０と、尤度比算出部１００と、判定部２００と、出力部４００とを備えている。即ち、第８実施形態に係る情報処理装置１０は、第１実施形態の構成（図２参照）に加えて、出力部４００を更に備えて構成されている。出力部４００は、例えば上述したプロセッサ１１（図１参照）によって実現されてよい。また、出力部４００は、上述した出力装置（図１参照）を含んで構成されてもよい。
【0133】
出力部４００は、判定部２００による判定結果を出力可能に構成されている。即ち、出力部４００は、系列データと登録データとが同一対象由来であるか否かの判定結果を出力可能に構成されている。また、出力部４００は特に、判定結果として、系列データと同一対象由来である１つの登録データだけでなく、系列データと同一対象由来である可能性が高い複数の登録データを出力可能に構成されている。出力部４００は、判定結果をディスプレイ等に出力するようにしてもよい。また、出力部４００は、判定結果を、スピーカ等を介して音声で出力するようにしてもよい。
【0134】
（動作の流れ）
次に、図２４を参照しながら、第８実施形態に係る情報処理装置１０の動作の流れについて説明する。図２４は、第８実施形態に係る情報処理装置の動作の流れを示すフローチャートである。なお、図２４では、図２２で示した処理と同様の処理に同一の符号を付している。
次に、図２４を参照しながら、第８実施形態に係る情報処理装置１０の動作の流れについて説明する。図２４は、第８実施形態に係る情報処理装置の動作の流れを示すフローチャートである。なお、図２４では、図２２で示した処理と同様の処理に同一の符号を付している。
【0135】
図２４に示すように、第８実施形態に係る情報処理装置１０の動作が開始されると、まずデータ取得部５０が、系列データに含まれる要素を取得する（ステップＳ１１）。データ取得部５０は、取得した系列データの要素を、尤度比算出部１００に出力する。
【0136】
続いて、尤度比算出部１００は、取得された２つ以上の要素に基づいて尤度比を算出する。この際、尤度比算出部１００は、系列データと複数の登録データとの類似度又は相違度を加味して、複数の尤度比を算出する（ステップＳ７１）。即ち、尤度比は、判定対象の数（即ち、登録データの数）に応じた複数の尤度比を算出する。
【0137】
続いて、判定部２００が、算出された複数の尤度比に基づいて、系列データと登録データとが同一対象由来であるか否かを判定する（ステップＳ７２）。そして、出力部４００が、判定部２００による判定結果として、１つ又は複数の登録のデータに関する情報を出力する（ステップＳ８１）。
【0138】
例えば、複数の登録データの各々に対応する複数の尤度比のうち、本人閾値に到達した尤度比が１つだけであった場合（即ち、１つの登録データのみが同一対象由来であると判定された場合）、出力部４００は、その尤度比に対応する１つの登録データに関する情報のみを判定結果として出力すればよい。一方で、複数の登録データの各々に対応する複数の尤度比のうち、本人閾値に到達した尤度比が複数あった場合、出力部４００は、それら複数の尤度比に対応する複数の登録データに関する情報を判定結果として出力してもよい。また、複数の登録データの各々に対応する複数の尤度比のうち、本人閾値に到達した尤度比がなかった場合、出力部４００は、最終的な値が本人閾値に近い順に所定個数の尤度比を選択し、選択した尤度比に対応する複数の登録データに関する情報を判定結果として出力してもよい。あるいは、本人閾値に到達した尤度比がなかった場合、出力部４００は、最終的な値が本人閾値よりも低い選択閾値を超えている複数の尤度比を選択し、選択した尤度比に対応する複数の登録データに関する情報を判定結果として出力してもよい。
【0139】
（技術的効果）
次に、第８実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
次に、第８実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
【0140】
図２３及び図２４で説明したように、第７実施形態に係る情報処理装置１０では、系列データと同一対象由来である１つの登録データ、又は系列データと同一対象由来である可能性が高い複数の登録データを出力可能に構成されている。このようにすれば、系列データと同一対象由来である登録データを正確に１つに絞り込めないような場合であっても、複数の候補を判定結果として出力することができる。
【0141】
＜第９実施形態＞
第９実施形態に係る情報処理装置１０について、図２５及び図２６を参照して説明する。なお、第９実施形態は、上述した第７実施形態と一部の構成及び動作が異なるのみであり、その他の部分については第７実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
第９実施形態に係る情報処理装置１０について、図２５及び図２６を参照して説明する。なお、第９実施形態は、上述した第７実施形態と一部の構成及び動作が異なるのみであり、その他の部分については第７実施形態と同様であってよい。このため、以下では、すでに説明した各実施形態と異なる部分について詳しく説明し、他の重複する部分については適宜説明を省略するものとする。
【0142】
（機能的構成）
まず、図２５を参照しながら、第９実施形態に係る情報処理装置１０の機能的構成について説明する。図２５は、第９実施形態に係る情報処理装置の機能的構成を示すブロック図である。なお、図２５では、図２に示した構成要素と同様のものに同一の符号を付している。
まず、図２５を参照しながら、第９実施形態に係る情報処理装置１０の機能的構成について説明する。図２５は、第９実施形態に係る情報処理装置の機能的構成を示すブロック図である。なお、図２５では、図２に示した構成要素と同様のものに同一の符号を付している。
【0143】
図２５に示すように、第９実施形態に係る情報処理装置１０は、その機能を実現するための処理ブロックとして、データ取得部５０と、尤度比算出部１００と、判定部２００と、判定対象限定部５００とを備えている。即ち、第９実施形態に係る情報処理装置１０は、第１実施形態の構成（図２参照）に加えて、判定対象限定部５００を更に備えて構成されている。判定対象限定部５００は、例えば上述したプロセッサ１１（図１参照）によって実現されてよい。
【0144】
判定対象限定部５００は、登録データ記憶部３００に記憶された複数の登録データに対して絞り込み処理を実行することで、判定対象を限定可能に構成されている。即ち、判定対象限定部５００は、判定対象の数を減らすための処理を実行可能に構成されている。例えば、登録画像として顔画像データが記憶されている場合、判定対象限定部５００が実行する絞り込み処理は、処理負荷の低い顔認証処理であってよい。この場合の顔認証処理は、そこまで精度の高いものでなくてよい（例えば、他人許容率が多少高いものであってもよい）。このような顔認証処理を実行すれば、仮に系列データと同一人物由来の登録データを１つに絞り込めなかったとしても、判定対象を、系列データと同一人物由来の可能性がある登録データのみ（即ち、記憶されているすべての登録データよりも少ない数の登録データ）に絞り込むことができる。
【0145】
（動作の流れ）
次に、図２６を参照しながら、第９実施形態に係る情報処理装置１０の動作の流れについて説明する。図２６は、第９実施形態に係る情報処理装置の動作の流れを示すフローチャートである。なお、図２６では、図２２で示した処理と同様の処理に同一の符号を付している。
次に、図２６を参照しながら、第９実施形態に係る情報処理装置１０の動作の流れについて説明する。図２６は、第９実施形態に係る情報処理装置の動作の流れを示すフローチャートである。なお、図２６では、図２２で示した処理と同様の処理に同一の符号を付している。
【0146】
図２６に示すように、第９実施形態に係る情報処理装置１０の動作が開始されると、まずデータ取得部５０が、系列データに含まれる要素を取得する（ステップＳ１１）。データ取得部５０は、取得した系列データの要素を、尤度比算出部１００に出力する。
【0147】
続いて、判定対象限定部５００が、取得された系列データの要素を用いて絞り込み処理を実行し、判定対象の数を限定する（ステップＳ９１）。これにより、以降の処理は、限定された判定対象に対してのみ実行されることになる。即ち、登録データ記憶部３００に記憶されているすべての登録データに対してではなく、絞り込み処理によって数が減らされた登録データに対して実行されることになる。
【0148】
尤度比算出部１００は、取得された２つ以上の要素に基づいて尤度比を算出する。この際、尤度比算出部１００は、系列データと限定された登録データとの類似度又は相違度を加味して、複数の尤度比を算出する（ステップＳ９２）。そして、判定部２００は、算出された複数の尤度比に基づいて、系列データと登録データとが同一対象由来であるか否かを判定する（ステップＳ９３）。
【0149】
（技術的効果）
次に、第９実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
次に、第９実施形態に係る情報処理装置１０によって得られる技術的効果について説明する。
【0150】
図２５及び図２６で説明したように、第９実施形態に係る情報処理装置１０では、絞り込み処理によって判定対象である登録データが限定される（即ち、判定対象の数が少なくされる）。このようにすれば、もともとの判定対象の数が膨大であったとしても、実際に尤度比を算出する判定対象の数を少なくすることが可能である。よって、情報処理装置１０の処理負荷や処理に要する時間を効果的に抑制することができる。
【0151】
上述した各実施形態の機能を実現するように該実施形態の構成を動作させるプログラムを記録媒体に記録させ、該記録媒体に記録されたプログラムをコードとして読み出し、コンピュータにおいて実行する処理方法も各実施形態の範疇に含まれる。すなわち、コンピュータ読取可能な記録媒体も各実施形態の範囲に含まれる。また、上述のプログラムが記録された記録媒体はもちろん、そのプログラム自体も各実施形態に含まれる。
【0152】
記録媒体としては例えばフロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、磁気テープ、不揮発性メモリカード、ＲＯＭを用いることができる。また該記録媒体に記録されたプログラム単体で処理を実行しているものに限らず、他のソフトウェア、拡張ボードの機能と共同して、ＯＳ上で動作して処理を実行するものも各実施形態の範疇に含まれる。
【0153】
この開示は、請求の範囲及び明細書全体から読み取ることのできる発明の要旨又は思想に反しない範囲で適宜変更可能であり、そのような変更を伴う情報処理装置、情報処理方法、及びコンピュータプログラムもまたこの開示の技術思想に含まれる。
【0154】
＜付記＞
以上説明した実施形態に関して、更に以下の付記のようにも記載されうるが、以下には限られない。
以上説明した実施形態に関して、更に以下の付記のようにも記載されうるが、以下には限られない。
【0155】
（付記１）
付記１に記載の情報処理装置は、系列データに含まれる複数の要素を取得する取得手段と、前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出する算出手段と、前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定する判定手段とを備え、前記算出手段は、前記系列データと前記所定のデータとの類似度又は相違度を加味して、前記尤度比を算出することを特徴とする情報処理装置である。
付記１に記載の情報処理装置は、系列データに含まれる複数の要素を取得する取得手段と、前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出する算出手段と、前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定する判定手段とを備え、前記算出手段は、前記系列データと前記所定のデータとの類似度又は相違度を加味して、前記尤度比を算出することを特徴とする情報処理装置である。
【0156】
（付記２）
付記２に記載の情報処理装置は、前記算出手段は、前記系列データから抽出した第１特徴量と、前記所定のデータから抽出した第２特徴量とを結合した結合特徴量に対して第１処理を行い、前記第１処理の処理結果に基づいて前記尤度比を算出することで、前記系列データと前記所定のデータとの類似度又は相違度を加味することを特徴とする付記１に記載の情報処理装置である。
付記２に記載の情報処理装置は、前記算出手段は、前記系列データから抽出した第１特徴量と、前記所定のデータから抽出した第２特徴量とを結合した結合特徴量に対して第１処理を行い、前記第１処理の処理結果に基づいて前記尤度比を算出することで、前記系列データと前記所定のデータとの類似度又は相違度を加味することを特徴とする付記１に記載の情報処理装置である。
【0157】
（付記３）
付記３に記載の情報処理装置は、前記算出手段は、前記系列データから抽出した第１特徴量に対して第２処理を行い、前記第２処理後の前記第１特徴量と前記所定のデータから抽出した第２特徴量との比較結果に基づいて前記尤度比を算出することで、前記系列データと前記所定のデータとの類似度又は相違度を算出することを特徴とする付記１に記載の情報処理装置である。
付記３に記載の情報処理装置は、前記算出手段は、前記系列データから抽出した第１特徴量に対して第２処理を行い、前記第２処理後の前記第１特徴量と前記所定のデータから抽出した第２特徴量との比較結果に基づいて前記尤度比を算出することで、前記系列データと前記所定のデータとの類似度又は相違度を算出することを特徴とする付記１に記載の情報処理装置である。
【0158】
（付記４）
付記４に記載の情報処理装置は、前記算出手段は、前記系列データから抽出した第１特徴量と、前記所定のデータから抽出した第２特徴量との差分である差分特徴量に対して第３処理を行い、前記第３処理の処理結果に基づいて前記尤度比を算出することで、前記系列データと前記所定のデータとの類似度又は相違度を算出することを特徴とする付記１に記載の情報処理装置である。
付記４に記載の情報処理装置は、前記算出手段は、前記系列データから抽出した第１特徴量と、前記所定のデータから抽出した第２特徴量との差分である差分特徴量に対して第３処理を行い、前記第３処理の処理結果に基づいて前記尤度比を算出することで、前記系列データと前記所定のデータとの類似度又は相違度を算出することを特徴とする付記１に記載の情報処理装置である。
【0159】
（付記５）
付記５に記載の情報処理装置は、前記算出手段は、複数の前記所定データの各々に対応する複数の前記尤度比を算出し、前記判定手段は、複数の前記尤度比に基づいて、前記系列データが複数の前記所定のデータのいずれと同一対象由来であるか否かを判定することを特徴とする付記１から４のいずれか一項に記載の情報処理装置である。
付記５に記載の情報処理装置は、前記算出手段は、複数の前記所定データの各々に対応する複数の前記尤度比を算出し、前記判定手段は、複数の前記尤度比に基づいて、前記系列データが複数の前記所定のデータのいずれと同一対象由来であるか否かを判定することを特徴とする付記１から４のいずれか一項に記載の情報処理装置である。
【0160】
（付記６）
付記６に記載の情報処理装置は、前記判定手段は、前記系列データと同一対象由来であると判定した１つの前記所定のデータ、又は前記系列データと同一対象由来である可能性が高いと判定した２つ以上の前記所定のデータを判定結果として出力することを特徴とする付記５に記載の情報処理装置である。
付記６に記載の情報処理装置は、前記判定手段は、前記系列データと同一対象由来であると判定した１つの前記所定のデータ、又は前記系列データと同一対象由来である可能性が高いと判定した２つ以上の前記所定のデータを判定結果として出力することを特徴とする付記５に記載の情報処理装置である。
【0161】
（付記７）
付記７に記載の情報処理装置は、複数の前記所定データに対して絞り込み処理を行い、前記判定手段の判定対象となる前記所定のデータが少なくなるように限定する限定手段を更に備えることを特徴とする付記５又は６に記載の情報処理装置である。
付記７に記載の情報処理装置は、複数の前記所定データに対して絞り込み処理を行い、前記判定手段の判定対象となる前記所定のデータが少なくなるように限定する限定手段を更に備えることを特徴とする付記５又は６に記載の情報処理装置である。
【0162】
（付記８）
付記８に記載の情報処理装置は、前記系列データは、対象の画像データ及び音声データの少なくとも一方を含み、前記算出手段は、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出することを特徴とする付記１から７のいずれか一項に記載の情報処理装置である。
付記８に記載の情報処理装置は、前記系列データは、対象の画像データ及び音声データの少なくとも一方を含み、前記算出手段は、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出することを特徴とする付記１から７のいずれか一項に記載の情報処理装置である。
【0163】
（付記９）
付記９に記載の情報処理方法は、系列データに含まれる複数の要素を取得し、前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出し、前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定し、前記尤度比を算出する際に、前記系列データと前記所定のデータとの類似度又は相違度を加味することを特徴とする情報処理方法である。
付記９に記載の情報処理方法は、系列データに含まれる複数の要素を取得し、前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出し、前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定し、前記尤度比を算出する際に、前記系列データと前記所定のデータとの類似度又は相違度を加味することを特徴とする情報処理方法である。
【0164】
（付記１０）
付記１０に記載のコンピュータプログラムは、系列データに含まれる複数の要素を取得し、前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出し、前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定し、前記尤度比を算出する際に、前記系列データと前記所定のデータとの類似度又は相違度を加味するようにコンピュータを動作させることを特徴とするコンピュータプログラムである。
付記１０に記載のコンピュータプログラムは、系列データに含まれる複数の要素を取得し、前記複数の要素のうち少なくとも２つの連続する要素に基づいて、前記系列データが所定のデータと同一対象由来であることの尤もらしさを示す尤度比を算出し、前記尤度比に基づいて、前記系列データが所定のデータと同一対象由来であるか否かを判定し、前記尤度比を算出する際に、前記系列データと前記所定のデータとの類似度又は相違度を加味するようにコンピュータを動作させることを特徴とするコンピュータプログラムである。
【0165】
（付記１１）
付記１１に記載の記録媒体は、付記１０に記載のコンピュータプログラムが記録されていることを特徴とする記録媒体である。
付記１１に記載の記録媒体は、付記１０に記載のコンピュータプログラムが記録されていることを特徴とする記録媒体である。
【符号の説明】
【0166】
１０ 情報処理装置
１１ プロセッサ
１４ 記憶装置
５０ データ取得部
１００ 尤度比算出部
１１０ 結合部
１２０ 比較部
１３０ 差分演算部
１４０ 選択部
１５０ 操作検出部
２００ 判定部
３００ 登録データ記憶部
４００ 出力部
５００ 判定対象限定部
１１ プロセッサ
１４ 記憶装置
５０ データ取得部
１００ 尤度比算出部
１１０ 結合部
１２０ 比較部
１３０ 差分演算部
１４０ 選択部
１５０ 操作検出部
２００ 判定部
３００ 登録データ記憶部
４００ 出力部
５００ 判定対象限定部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】