JPH09231314A - オンライン手書き文字認識装置 - Google Patents
オンライン手書き文字認識装置Info
- Publication number
- JPH09231314A JPH09231314A JP8040124A JP4012496A JPH09231314A JP H09231314 A JPH09231314 A JP H09231314A JP 8040124 A JP8040124 A JP 8040124A JP 4012496 A JP4012496 A JP 4012496A JP H09231314 A JPH09231314 A JP H09231314A
- Authority
- JP
- Japan
- Prior art keywords
- character
- unit
- partial pattern
- extraction unit
- matching
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Landscapes
- Character Discrimination (AREA)
Abstract
(57)【要約】
【課題】 低画数文字の場合に、認識率を向上させる。
【解決手段】 タブレット1は、筆記データ列を抽出
し、前処理部2は、座標列の平滑化処理を施す。オンラ
イン方式特徴抽出部3は、ストローク数による大分類、
入力文字と辞書文字の部分パターン間ベクトルとの距離
dvec と閾値との比較により、中分類を行い、入力文字
のQ値を算出する。オンライン方式マッチング部4は、
オンライン方式認識辞書5の文字と入力文字の特徴量か
ら距離dBPを算出して、dvec とdBPから距離を算出す
る。高画数文字識別部6は、高画数文字の場合、距離に
従って文字コードを出力する。パターンメモリ変換部7
はパターンメモリへの変換、輪郭抽出部8は輪郭抽出処
理、オフライン方式特徴抽出部9はオフライン特徴量を
算出する。オフライン方式マッチング部10は、オフラ
イン方式認識辞書11とパターンメモリの特徴量をマッ
チングし、低画数文字識別部12が、文字認識を行う。
し、前処理部2は、座標列の平滑化処理を施す。オンラ
イン方式特徴抽出部3は、ストローク数による大分類、
入力文字と辞書文字の部分パターン間ベクトルとの距離
dvec と閾値との比較により、中分類を行い、入力文字
のQ値を算出する。オンライン方式マッチング部4は、
オンライン方式認識辞書5の文字と入力文字の特徴量か
ら距離dBPを算出して、dvec とdBPから距離を算出す
る。高画数文字識別部6は、高画数文字の場合、距離に
従って文字コードを出力する。パターンメモリ変換部7
はパターンメモリへの変換、輪郭抽出部8は輪郭抽出処
理、オフライン方式特徴抽出部9はオフライン特徴量を
算出する。オフライン方式マッチング部10は、オフラ
イン方式認識辞書11とパターンメモリの特徴量をマッ
チングし、低画数文字識別部12が、文字認識を行う。
Description
【0001】
【発明の属する技術分野】本発明は、実時間にて筆記文
字を識別するオンライン手書き文字認識装置に関するも
のである。
字を識別するオンライン手書き文字認識装置に関するも
のである。
【0002】
【従来の技術】従来、オンライン文字認識において、一
般的な文字認識方式としては、パターンマッチング方式
がある。このパターンマッチング方式では、筆記された
ストローク(ペンオンからペンオフまでの筆記部分)の
座標データ列より特徴点の情報を、予め同一の方法で特
徴点を抽出し登録しておいたパターン(以下、登録パタ
ーンという)の情報とマッチングし、文字認識を行う。
このパターンマッチング方式では、筆記された各ストロ
ークを登録パターンの各ストロークのどのストロークと
マッチングすべきかの処理に、多大な時間を要する。ま
た、全体の字のバランスが乱れると、例えば“河”とい
う文字に於いて、“シ”が小さく“可”が大の時、マッ
チング結果は似ていないという結果が得られるなど、筆
記文字変形に弱い。
般的な文字認識方式としては、パターンマッチング方式
がある。このパターンマッチング方式では、筆記された
ストローク(ペンオンからペンオフまでの筆記部分)の
座標データ列より特徴点の情報を、予め同一の方法で特
徴点を抽出し登録しておいたパターン(以下、登録パタ
ーンという)の情報とマッチングし、文字認識を行う。
このパターンマッチング方式では、筆記された各ストロ
ークを登録パターンの各ストロークのどのストロークと
マッチングすべきかの処理に、多大な時間を要する。ま
た、全体の字のバランスが乱れると、例えば“河”とい
う文字に於いて、“シ”が小さく“可”が大の時、マッ
チング結果は似ていないという結果が得られるなど、筆
記文字変形に弱い。
【0003】そこで、パターンマッチグ方式の上記欠点
を補い、しかも処理量が少なくてすむオンライン手書き
文字認識装置として、例えば、特開昭62−22934
号公報の技術が提案されている。このオンライン手書き
文字認識装置では、筆記文字のストローク数により大分
類を行い、筆記上一連のものとして筆記する部分を部分
パターンとする。そして、この部分パターンの重心間の
ベクトルにより中分類を行い、部分パターンの特徴パラ
メータとしてのQ値なる値及びストローク分布なる値を
以てマッチングを行う。これにより文字変形に強く、し
かも処理量の少ない文字認識を行える。このマッチング
の結果によって、候補文字に順位付けを行い、結果をデ
ィスプレイなどに出力していた。
を補い、しかも処理量が少なくてすむオンライン手書き
文字認識装置として、例えば、特開昭62−22934
号公報の技術が提案されている。このオンライン手書き
文字認識装置では、筆記文字のストローク数により大分
類を行い、筆記上一連のものとして筆記する部分を部分
パターンとする。そして、この部分パターンの重心間の
ベクトルにより中分類を行い、部分パターンの特徴パラ
メータとしてのQ値なる値及びストローク分布なる値を
以てマッチングを行う。これにより文字変形に強く、し
かも処理量の少ない文字認識を行える。このマッチング
の結果によって、候補文字に順位付けを行い、結果をデ
ィスプレイなどに出力していた。
【0004】
【発明が解決しようとする課題】しかしながら、従来の
オンライン手書き文字認識装置においては、以下の課題
があった。例えば、文字“唖”は部分パターン“口”+
“亜”で定義するというように、文字は部分パターンの
集まりとして扱っている。この場合、一般的に“口”,
“亜”の順に筆記されるであろう。このように、文字
“唖”などのように比較的画数の多い文字であれば問題
ないが、例えば、“+”などのように画数の少ない文字
では、文字“+”は部分パターン“−”,“|”と定義
される。この場合、“|”、“−”の順に筆記された場
合は、誤認識してしまうか、リジェクトされる。その対
策として、文字“+”は、“−”+“|”、及び“|”
+“−”の両方の筆順を定義すればよいが、それでは辞
書が膨大になり、また処理時間がかかってしまうという
問題も発生する。また、画数の多い文字、例えば、14
画の文字“認”は“言”+“刃”+“心”と定義される
であろう。このように一般的に部分パターン数が多くな
り、情報量が増えるので1つの部分パターンのマッチン
グ距離値が悪くても、他の部分パターンのマッチング距
離値で正しい認識結果が得られるのに対して、画数の少
ない文字“+”などは、情報量が少なくなるため誤認識
の可能性が大きいという問題点があった。
オンライン手書き文字認識装置においては、以下の課題
があった。例えば、文字“唖”は部分パターン“口”+
“亜”で定義するというように、文字は部分パターンの
集まりとして扱っている。この場合、一般的に“口”,
“亜”の順に筆記されるであろう。このように、文字
“唖”などのように比較的画数の多い文字であれば問題
ないが、例えば、“+”などのように画数の少ない文字
では、文字“+”は部分パターン“−”,“|”と定義
される。この場合、“|”、“−”の順に筆記された場
合は、誤認識してしまうか、リジェクトされる。その対
策として、文字“+”は、“−”+“|”、及び“|”
+“−”の両方の筆順を定義すればよいが、それでは辞
書が膨大になり、また処理時間がかかってしまうという
問題も発生する。また、画数の多い文字、例えば、14
画の文字“認”は“言”+“刃”+“心”と定義される
であろう。このように一般的に部分パターン数が多くな
り、情報量が増えるので1つの部分パターンのマッチン
グ距離値が悪くても、他の部分パターンのマッチング距
離値で正しい認識結果が得られるのに対して、画数の少
ない文字“+”などは、情報量が少なくなるため誤認識
の可能性が大きいという問題点があった。
【0005】
【課題を解決するための手段】本発明は、前記課題を解
決するために、オンライン手書き文字認識装置におい
て、タブレットに筆記入力して得られた筆記文字の座標
列の不要データを除去して平滑化を行う前処理部と、前
記前処理部により平滑化された座標データ列から筆記文
字の特徴量を抽出するオンライン方式特徴抽出部と、前
記オンライン方式特徴抽出部により得られた筆記文字の
特徴量とオンライン方式認識辞書に予め格納してある認
識対象の文字の特徴量とのマッチング距離を算出するオ
ンライン方式マッチング部と、筆記文字のストローク数
により得られる画数が所定の画数以上の時に、前記オン
ライン方式マッチング部から出力されるマッチング距離
に基づき、文字認識を行う高画数文字識別部とを備えて
いる。
決するために、オンライン手書き文字認識装置におい
て、タブレットに筆記入力して得られた筆記文字の座標
列の不要データを除去して平滑化を行う前処理部と、前
記前処理部により平滑化された座標データ列から筆記文
字の特徴量を抽出するオンライン方式特徴抽出部と、前
記オンライン方式特徴抽出部により得られた筆記文字の
特徴量とオンライン方式認識辞書に予め格納してある認
識対象の文字の特徴量とのマッチング距離を算出するオ
ンライン方式マッチング部と、筆記文字のストローク数
により得られる画数が所定の画数以上の時に、前記オン
ライン方式マッチング部から出力されるマッチング距離
に基づき、文字認識を行う高画数文字識別部とを備えて
いる。
【0006】そして、前記前処理部により平滑化された
座標データ列から得られる筆記文字全体を含む領域を縦
と横に複数の領域に分割して、前記複数の各領域が前記
筆記文字の一部を含むか否かを判別して、その各領域に
2値化データを割り当てて、パターンメモリに格納する
パターンメモリ変換部と、前記パターンメモリを読み込
み輪郭データを抽出する輪郭抽出部と、前記輪郭抽出部
より得られた輪郭データから筆記文字の特徴量を抽出す
るオフライン方式特徴抽出部と、前記オフライン方式特
徴抽出部により得られた筆記文字の特徴量とオフライン
方式認識辞書に予め格納してある認識対象の文字の特徴
量とのマッチング距離を算出するオフライン方式マッチ
ング部と、筆記文字のストローク数による得られる画数
が前記所定の画数よりも小さい時に、前記オフライン方
式マッチング部から出力される前記マッチング距離に基
づいて、文字認識を行う低画数文字識別部とを備えてい
る。
座標データ列から得られる筆記文字全体を含む領域を縦
と横に複数の領域に分割して、前記複数の各領域が前記
筆記文字の一部を含むか否かを判別して、その各領域に
2値化データを割り当てて、パターンメモリに格納する
パターンメモリ変換部と、前記パターンメモリを読み込
み輪郭データを抽出する輪郭抽出部と、前記輪郭抽出部
より得られた輪郭データから筆記文字の特徴量を抽出す
るオフライン方式特徴抽出部と、前記オフライン方式特
徴抽出部により得られた筆記文字の特徴量とオフライン
方式認識辞書に予め格納してある認識対象の文字の特徴
量とのマッチング距離を算出するオフライン方式マッチ
ング部と、筆記文字のストローク数による得られる画数
が前記所定の画数よりも小さい時に、前記オフライン方
式マッチング部から出力される前記マッチング距離に基
づいて、文字認識を行う低画数文字識別部とを備えてい
る。
【0007】
【発明の実施の形態】第1の実施形態 図1は、本発明の第1の実施形態のオンライン手書き文
字認識装置を示す構成図である。本第1の実施形態のオ
ンライン手書き文字認識装置が従来のオンライン手書き
文字認識装置と異なる点は、筆記文字が低画数文字の場
合に、筆記順、画数に依存しないオフライン特徴量でオ
フライン認識辞書の認識対象文字とマッチングして、文
字認識を行うようにしたことである。図1に示すよう
に、本第1の実施形態のオンライン手書き文字認識装置
は、タブレット1、前処理部2、オンライン方式特徴抽
出部3、オンライン方式マッチング部4、オンライン方
式認識辞書5、高画数文字識別部6、パターンメモリ変
換部7、輪郭抽出部8、オフライン特徴抽出部9、オフ
ライン方式マッチング部10、オフライン方式認識辞書
11、低画数文字識別部12、及び出力端子13を備え
ている。
字認識装置を示す構成図である。本第1の実施形態のオ
ンライン手書き文字認識装置が従来のオンライン手書き
文字認識装置と異なる点は、筆記文字が低画数文字の場
合に、筆記順、画数に依存しないオフライン特徴量でオ
フライン認識辞書の認識対象文字とマッチングして、文
字認識を行うようにしたことである。図1に示すよう
に、本第1の実施形態のオンライン手書き文字認識装置
は、タブレット1、前処理部2、オンライン方式特徴抽
出部3、オンライン方式マッチング部4、オンライン方
式認識辞書5、高画数文字識別部6、パターンメモリ変
換部7、輪郭抽出部8、オフライン特徴抽出部9、オフ
ライン方式マッチング部10、オフライン方式認識辞書
11、低画数文字識別部12、及び出力端子13を備え
ている。
【0008】タブレット1の出力側は、前処理部2に接
続されている。前処理部2の出力のうち座標列は、オン
ライン方式特徴抽出部3、及びパターンメモリ変換部7
の入力側に接続され、画数は高画数文字識別部6及び低
画数文字識別部12の入力側に接続されている。オンラ
イン方式特徴抽出部3及びオンライン方式認識辞書5の
出力側は、オンライン方式マッチング部4の入力側に接
続されている。オンライン方式マッチング部4の出力側
は、高画数文字識別部6の入力側に接続されている。パ
ターンメモリ変換部7の出力側は、輪郭抽出部8の入力
側に接続され、更に、輪郭抽出部8の出力側は、オフラ
イン方式特徴抽出部9の入力側に接続されている。オフ
ライン方式特徴抽出部9及びオフライン方式認識辞書1
1の出力側は、オフライン方式マッチング部10の入力
側に接続されている。オフライン方式マッチング部10
の出力側は、低画数文字識別部12の入力側に接続され
ている。高画数文字識別部6及び低画数文字識別部12
の出力側は、出力端子13に接続されている。このオン
ライン手書き文字認識装置は、半導体集積回路を用いた
個別回路、あるいはデジタル・シグナル・プロセッサ
(DSP)等のプログラム制御等によって構成される。
続されている。前処理部2の出力のうち座標列は、オン
ライン方式特徴抽出部3、及びパターンメモリ変換部7
の入力側に接続され、画数は高画数文字識別部6及び低
画数文字識別部12の入力側に接続されている。オンラ
イン方式特徴抽出部3及びオンライン方式認識辞書5の
出力側は、オンライン方式マッチング部4の入力側に接
続されている。オンライン方式マッチング部4の出力側
は、高画数文字識別部6の入力側に接続されている。パ
ターンメモリ変換部7の出力側は、輪郭抽出部8の入力
側に接続され、更に、輪郭抽出部8の出力側は、オフラ
イン方式特徴抽出部9の入力側に接続されている。オフ
ライン方式特徴抽出部9及びオフライン方式認識辞書1
1の出力側は、オフライン方式マッチング部10の入力
側に接続されている。オフライン方式マッチング部10
の出力側は、低画数文字識別部12の入力側に接続され
ている。高画数文字識別部6及び低画数文字識別部12
の出力側は、出力端子13に接続されている。このオン
ライン手書き文字認識装置は、半導体集積回路を用いた
個別回路、あるいはデジタル・シグナル・プロセッサ
(DSP)等のプログラム制御等によって構成される。
【0009】タブレット1は、文字を筆記入力するため
のものである。前処理部2は、筆記データの平滑化処理
を施すとともに、筆記文字のストローク数を求めるもの
である。オンライン方式特徴抽出部3は、画数で筆記文
字の大分類を行い、認識辞書に登録された認識対象の文
字の部分パターンのストローク位置(以下、カット位置
と呼ぶ)に合わせて分割した筆記文字の部分パターン間
ベクトルから認識辞書の文字とのマッチング距離dvec
を求めて、認識対象文字の中分類を行い、さらに部分パ
ターンの特徴量であるQ値を求めるものである。オンラ
イン方式マッチング部4は、オンライン方式認識辞書5
に登録された中分類された認識対象文字のQ値と筆記文
字のQ値とのマッチング距離dBPを求め、距離dvec と
dBPからマッチング距離を求めるものである。高画数文
字識別部6は、筆記文字が高画数の時、マッチング距離
をソーティグして、対応する文字コードを出力するもの
である。
のものである。前処理部2は、筆記データの平滑化処理
を施すとともに、筆記文字のストローク数を求めるもの
である。オンライン方式特徴抽出部3は、画数で筆記文
字の大分類を行い、認識辞書に登録された認識対象の文
字の部分パターンのストローク位置(以下、カット位置
と呼ぶ)に合わせて分割した筆記文字の部分パターン間
ベクトルから認識辞書の文字とのマッチング距離dvec
を求めて、認識対象文字の中分類を行い、さらに部分パ
ターンの特徴量であるQ値を求めるものである。オンラ
イン方式マッチング部4は、オンライン方式認識辞書5
に登録された中分類された認識対象文字のQ値と筆記文
字のQ値とのマッチング距離dBPを求め、距離dvec と
dBPからマッチング距離を求めるものである。高画数文
字識別部6は、筆記文字が高画数の時、マッチング距離
をソーティグして、対応する文字コードを出力するもの
である。
【0010】パターンメモリ変換部7は、パターンメモ
リを有し、筆記文字を2値化データに変換して、パター
ンメモリに格納するものである。輪郭抽出部8は、2値
化データの輪郭情報を求めるものである。オフライン方
式特徴抽出部9は、輪郭情報から筆記文字のオフライン
特徴量を抽出するものである。オフライン方式マッチン
グ部10は、オフライン方式認識辞書11に登録してお
いた認識文字の画数、筆記順に依存しないオフライン特
徴量と筆記文字のオフライン特徴量とのマッチング距離
を求めるものである。低画数文字識別部12は、筆記文
字が低画数の時に、オフライン方式マッチング部10の
出力であるマッチング距離をソーティングして、対応す
る文字コードを出力するものである。以下、図1の各部
の動作(a)〜(j)の説明をする。
リを有し、筆記文字を2値化データに変換して、パター
ンメモリに格納するものである。輪郭抽出部8は、2値
化データの輪郭情報を求めるものである。オフライン方
式特徴抽出部9は、輪郭情報から筆記文字のオフライン
特徴量を抽出するものである。オフライン方式マッチン
グ部10は、オフライン方式認識辞書11に登録してお
いた認識文字の画数、筆記順に依存しないオフライン特
徴量と筆記文字のオフライン特徴量とのマッチング距離
を求めるものである。低画数文字識別部12は、筆記文
字が低画数の時に、オフライン方式マッチング部10の
出力であるマッチング距離をソーティングして、対応す
る文字コードを出力するものである。以下、図1の各部
の動作(a)〜(j)の説明をする。
【0011】(a) タブレット1 タブレット1は、文字が筆記入力されると、筆記文字を
所定のサンプリング周波数でサンプリングして、座標列
の筆記データ列{(xi ,yi ),i=1,2,…,n
j }j(jはストローク番号)を抽出して、前処理部2
に送る。 (b) 前処理部2 図2(a)〜(c)は、前処理部2の動作説明図であ
る。図中「・」はタブレット1からの筆記データ列ある
いは特徴点を表す。前処理部2は送られてきた図2
(a)に示す筆記データ列に対して、ノイズ除去処理、
移動平均処理、或いは平滑化処理などを行うことによ
り、図2(b)に示すようにデータを平滑化するととも
に、ストローク数(画数)を求めて、オンライン方式特
徴点抽出部3及びパターンメモリ変換部7へ平滑化後の
筆記データ列を出力して、画数を高画数文字識別部6及
び低画数文字識別部12に出力する。
所定のサンプリング周波数でサンプリングして、座標列
の筆記データ列{(xi ,yi ),i=1,2,…,n
j }j(jはストローク番号)を抽出して、前処理部2
に送る。 (b) 前処理部2 図2(a)〜(c)は、前処理部2の動作説明図であ
る。図中「・」はタブレット1からの筆記データ列ある
いは特徴点を表す。前処理部2は送られてきた図2
(a)に示す筆記データ列に対して、ノイズ除去処理、
移動平均処理、或いは平滑化処理などを行うことによ
り、図2(b)に示すようにデータを平滑化するととも
に、ストローク数(画数)を求めて、オンライン方式特
徴点抽出部3及びパターンメモリ変換部7へ平滑化後の
筆記データ列を出力して、画数を高画数文字識別部6及
び低画数文字識別部12に出力する。
【0012】(c) オンライン方式特徴抽出部3 オフライン方式特徴抽出部3は、前処理部2の出力か
ら、文字認識の特徴となるデータの抽出処理を行う。こ
れにはいくつかの方法が、考えられるがその一例を述べ
る。この特徴点を抽出する方法として、平滑化されたデ
ータ列{(Xi ,Yi ),i=1,2,…,nj }jの
データ間のx,y方向のサイン(正、負、0の符号)を
次式(1),(2)により算出して、サインの状態の変
化点を特徴点として抽出する。 XSi =Sign(Xi −Xi-1 ) ・・・(1) YSi =Sign(Yi −Yi-1 ) ・・・(2) で求め、+,0,−で表現する。このようにして求めら
れた各データ間のx方向、y方向のサインを前データの
サインと比較して、双方が同じであれば特徴点として登
録せず、いずれかが異なった場合は状態が変わったとし
て、その座標を各ストローク毎に特徴点として登録す
る。
ら、文字認識の特徴となるデータの抽出処理を行う。こ
れにはいくつかの方法が、考えられるがその一例を述べ
る。この特徴点を抽出する方法として、平滑化されたデ
ータ列{(Xi ,Yi ),i=1,2,…,nj }jの
データ間のx,y方向のサイン(正、負、0の符号)を
次式(1),(2)により算出して、サインの状態の変
化点を特徴点として抽出する。 XSi =Sign(Xi −Xi-1 ) ・・・(1) YSi =Sign(Yi −Yi-1 ) ・・・(2) で求め、+,0,−で表現する。このようにして求めら
れた各データ間のx方向、y方向のサインを前データの
サインと比較して、双方が同じであれば特徴点として登
録せず、いずれかが異なった場合は状態が変わったとし
て、その座標を各ストローク毎に特徴点として登録す
る。
【0013】図2(c)は、このようにして求めた点の
他に、ストロークの始点、終点を加えた特徴点を示して
いる。一般には、この処理を直線近似化と呼ぶ場合もあ
る。この特徴点間を以下セグメントと呼び、特徴点
{(Xi ,Yi ),i=1,2,…,lj }jで表すこ
とにする。図3は、部分パターンベクトルを算出するた
めの文字辞書の一例を示す図である。次に、ストローク
数によって対象文字に対する大分類を行う。そのため、
予め画数(ストローク数)毎にその画数となり得る文字
を図3に示すように文字辞書に用意しておく。例えば、
筆記入力された文字パターンのストローク数が10画で
あったとする。この場合、文字辞書に格納されている内
で、図3に示すような10画となり得る文字“唖”、
“挨”、“逢”、…を候補文字として選択する。次に、
上記のように画数により大分類して得た候補文字を以下
に説明する部分パターン間ベクトルにより更に中分類す
る。ここで、部分パターンとは、1つの文字のうち筆記
上一連のものとして筆記する部分をいうものとし、部分
パターンベクトルとは、1つの部分パターンの重心と別
の部分パターンの重心をそれぞれ始点、終点とするベク
トルを言うものとする。
他に、ストロークの始点、終点を加えた特徴点を示して
いる。一般には、この処理を直線近似化と呼ぶ場合もあ
る。この特徴点間を以下セグメントと呼び、特徴点
{(Xi ,Yi ),i=1,2,…,lj }jで表すこ
とにする。図3は、部分パターンベクトルを算出するた
めの文字辞書の一例を示す図である。次に、ストローク
数によって対象文字に対する大分類を行う。そのため、
予め画数(ストローク数)毎にその画数となり得る文字
を図3に示すように文字辞書に用意しておく。例えば、
筆記入力された文字パターンのストローク数が10画で
あったとする。この場合、文字辞書に格納されている内
で、図3に示すような10画となり得る文字“唖”、
“挨”、“逢”、…を候補文字として選択する。次に、
上記のように画数により大分類して得た候補文字を以下
に説明する部分パターン間ベクトルにより更に中分類す
る。ここで、部分パターンとは、1つの文字のうち筆記
上一連のものとして筆記する部分をいうものとし、部分
パターンベクトルとは、1つの部分パターンの重心と別
の部分パターンの重心をそれぞれ始点、終点とするベク
トルを言うものとする。
【0014】まず、部分パターン間ベクトルの算出法の
一例を述べる。部分パターン中の各セグメントのx,y
成分(特徴点間を結ぶベクトル)を(dxi =Xi −X
i-1 ,dyi =Yi −Yi-1 )(i=1,2,…,n)
とすると、各セグメントの長さdli は、 dli =(dxi 2 +dyi 2 )1/2 ・・・(3) で表される。また、文字幅HX、HYで除算することに
より正規化した各セグメントの中心座標を(xi * ,y
i * )とすると、部分パターンの正規化された重心座標
(XW ,YW )は、
一例を述べる。部分パターン中の各セグメントのx,y
成分(特徴点間を結ぶベクトル)を(dxi =Xi −X
i-1 ,dyi =Yi −Yi-1 )(i=1,2,…,n)
とすると、各セグメントの長さdli は、 dli =(dxi 2 +dyi 2 )1/2 ・・・(3) で表される。また、文字幅HX、HYで除算することに
より正規化した各セグメントの中心座標を(xi * ,y
i * )とすると、部分パターンの正規化された重心座標
(XW ,YW )は、
【数1】 で求められる。以上の方法で各部分パターンの重心を求
め、1つの部分パターンの重心と別の部分パターンの重
心をそれぞれ始点、終点として部分パターン間ベクトル
を求める。なお、ここでは部分パターン間ベクトルはx
方向とy方向についてそれぞれ考えるものとする。
め、1つの部分パターンの重心と別の部分パターンの重
心をそれぞれ始点、終点として部分パターン間ベクトル
を求める。なお、ここでは部分パターン間ベクトルはx
方向とy方向についてそれぞれ考えるものとする。
【0015】図4は、部分パターン間ベクトルk説明図
であり、文字“唖”の部分パターン“口”、“亜”の各
重心及び部分パターン間ベクトルBx (口、亜)、By
(口、亜)の例を示している。但し、図4中の×印は
口、亜の重心を示し、Bはベクトルを表す。ここで部分
パターンベクトルにより、画数により選択された候補文
字を絞りこんで中分類を行うわけであるが、ここで一例
として“逢”が筆記入力された場合を考え、以下この入
力文字に対する中分類の手順を説明する。筆記された文
字“逢”は10画であるので、図3に示す文字辞書の1
0画部分を参照する。すると、この文字辞書には、文字
“唖”が第1番目に配置されており、その欄には“唖”
を構成する部分パターン、部分パターンの筆記順、部分
パターンのストローク数情報(以下、カット位置と呼
ぶ)、及び登録パターンより予め算出した各部分パター
ン間ベクトル値が示されている。以下、順に“挨”、
“逢”の文字について同様の情報が並んでおり、この文
字順に従い、候補とすべきか否かをそれぞれ判定し、次
のように中分類を行う。まず、筆記入力した文字が
“唖”であるとして、部分パターン間ベクトルのマッチ
ング距離dvec を以下のようにして求める。
であり、文字“唖”の部分パターン“口”、“亜”の各
重心及び部分パターン間ベクトルBx (口、亜)、By
(口、亜)の例を示している。但し、図4中の×印は
口、亜の重心を示し、Bはベクトルを表す。ここで部分
パターンベクトルにより、画数により選択された候補文
字を絞りこんで中分類を行うわけであるが、ここで一例
として“逢”が筆記入力された場合を考え、以下この入
力文字に対する中分類の手順を説明する。筆記された文
字“逢”は10画であるので、図3に示す文字辞書の1
0画部分を参照する。すると、この文字辞書には、文字
“唖”が第1番目に配置されており、その欄には“唖”
を構成する部分パターン、部分パターンの筆記順、部分
パターンのストローク数情報(以下、カット位置と呼
ぶ)、及び登録パターンより予め算出した各部分パター
ン間ベクトル値が示されている。以下、順に“挨”、
“逢”の文字について同様の情報が並んでおり、この文
字順に従い、候補とすべきか否かをそれぞれ判定し、次
のように中分類を行う。まず、筆記入力した文字が
“唖”であるとして、部分パターン間ベクトルのマッチ
ング距離dvec を以下のようにして求める。
【0016】図5は、マッチング距離dvec の算出を説
明するための図である。図3に示す文字辞書に書かれて
いるように、“唖”はカット位置が(3、7)、即ち、
第1ストローク〜第3ストロークで“口”が形成され、
第4〜第7ストロークで“亜”が形成されるが、本例で
は入力パターンが“逢”であるので、このカット位置で
“逢”について部分パターン間ベクトルを考えると、図
5に示すようになる。図5中、Bx * 、By * は、
“唖”の部分パターンのストロークに合わせて求めた
“逢”の部分パターン間ベクトルである。
明するための図である。図3に示す文字辞書に書かれて
いるように、“唖”はカット位置が(3、7)、即ち、
第1ストローク〜第3ストロークで“口”が形成され、
第4〜第7ストロークで“亜”が形成されるが、本例で
は入力パターンが“逢”であるので、このカット位置で
“逢”について部分パターン間ベクトルを考えると、図
5に示すようになる。図5中、Bx * 、By * は、
“唖”の部分パターンのストロークに合わせて求めた
“逢”の部分パターン間ベクトルである。
【0017】図5のようにして求められた入力パターン
の部分パターンの部分パターン間ベクトルB* x (口、
亜)、B* y (口、亜)と文字辞書に書かれている部分
パターン間ベクトルBx (口、亜)、By (口、亜)と
の差がマッチング距離dvecであり、次式(6)で算出さ
れる。 dvec = |Bx * (口、亜)−Bx (口、亜)|+ |By * (口、亜)−By (口、亜)| ・・・(6) 一般に、筆記した文字の部分パターンが複数の場合、部
分パターン数BPN で正規化を行い、マッチング距離d
vec は、
の部分パターンの部分パターン間ベクトルB* x (口、
亜)、B* y (口、亜)と文字辞書に書かれている部分
パターン間ベクトルBx (口、亜)、By (口、亜)と
の差がマッチング距離dvecであり、次式(6)で算出さ
れる。 dvec = |Bx * (口、亜)−Bx (口、亜)|+ |By * (口、亜)−By (口、亜)| ・・・(6) 一般に、筆記した文字の部分パターンが複数の場合、部
分パターン数BPN で正規化を行い、マッチング距離d
vec は、
【数2】 に従って算出される。ここである閾値VECREJを設定し、
算出したdvec がVECREJより大きいか否かを判定する。
そして、dvec >VECREJ の時は、参照した文字(この場
合、“唖”)でないとして、次の文字の部分パターンベ
クトルのマッチングを行う。dvec ≦VECREJの時は、
“唖”らしいとして、“唖”であるかどうかをさらにチ
ェックするために、次に説明する部分パターンQ値の算
出及びマッチングを行う。
算出したdvec がVECREJより大きいか否かを判定する。
そして、dvec >VECREJ の時は、参照した文字(この場
合、“唖”)でないとして、次の文字の部分パターンベ
クトルのマッチングを行う。dvec ≦VECREJの時は、
“唖”らしいとして、“唖”であるかどうかをさらにチ
ェックするために、次に説明する部分パターンQ値の算
出及びマッチングを行う。
【0018】部分パターン間ベクトルによる中分類で残
った候補文字について、部分パターンQ値を算出する。
ここで、部分パターンQ値とは、各セグメントの長さ、
方向、及び位置を表す特徴パラメータをいう。オンライ
ン文字認識では、筆記するペンの動きとして、X方向、
Y方向、+または−方向が重要な情報として得られ、こ
の情報を有効に使用したのがこの部分パターンQ値であ
る。まず、部分パターンQ値の算出方法を説明する。な
お、次式(8)〜(15)において、Σは全ストロー
ク、全セグメントに関する加算、HX、HYは文字幅を
示す。
った候補文字について、部分パターンQ値を算出する。
ここで、部分パターンQ値とは、各セグメントの長さ、
方向、及び位置を表す特徴パラメータをいう。オンライ
ン文字認識では、筆記するペンの動きとして、X方向、
Y方向、+または−方向が重要な情報として得られ、こ
の情報を有効に使用したのがこの部分パターンQ値であ
る。まず、部分パターンQ値の算出方法を説明する。な
お、次式(8)〜(15)において、Σは全ストロー
ク、全セグメントに関する加算、HX、HYは文字幅を
示す。
【0019】
【数3】 式(8)〜(15)は、部分パターンのパターン分布を
示しており、例えば、式(8)に示す値が大きいこと
は、筆記文字の右の部分において右の方向に筆記される
パターンが多く分布していることが推定される。
示しており、例えば、式(8)に示す値が大きいこと
は、筆記文字の右の部分において右の方向に筆記される
パターンが多く分布していることが推定される。
【0020】式(8)〜(15)の場合は、原点を左下
に設定した時の各方向位置の値であるが、この時原点近
くにあるものは乗算に供すると0になってしまう。その
ため、0になるのを防ぐため、原点を入れ替え、原点を
右上に設定したときの各方向位置の値Q9〜Q16につ
いても同様に記述し、Q1〜Q16の合計16個の値に
より、対象文字の各ストロークのセグメントの長さ、方
向及び位置を表すものとする。オンライン方式特徴抽出
部3は、部分パターン間ベクトルによる分類により残っ
た候補文字に対して、部分パターンQ値を算出し、オン
ライン方式マッチング部4に出力する。例えば、“逢”
を筆記入力して“挨”が部分パターンベクトルのマッチ
ング距離dvec とVECREJとの比較により分類で残ったと
する。この場合、認識対象の文字を“挨”とすると、
“挨”のカット位置は、図3に示すように(3,2,
5)であり、その部分パターンは“キ”+“ム”+
“矢”であるので、入力パターン“逢”をカット位置
(3,2,5)でカットし、それぞれQ1* 〜Q16*
を算出して、出力する。
に設定した時の各方向位置の値であるが、この時原点近
くにあるものは乗算に供すると0になってしまう。その
ため、0になるのを防ぐため、原点を入れ替え、原点を
右上に設定したときの各方向位置の値Q9〜Q16につ
いても同様に記述し、Q1〜Q16の合計16個の値に
より、対象文字の各ストロークのセグメントの長さ、方
向及び位置を表すものとする。オンライン方式特徴抽出
部3は、部分パターン間ベクトルによる分類により残っ
た候補文字に対して、部分パターンQ値を算出し、オン
ライン方式マッチング部4に出力する。例えば、“逢”
を筆記入力して“挨”が部分パターンベクトルのマッチ
ング距離dvec とVECREJとの比較により分類で残ったと
する。この場合、認識対象の文字を“挨”とすると、
“挨”のカット位置は、図3に示すように(3,2,
5)であり、その部分パターンは“キ”+“ム”+
“矢”であるので、入力パターン“逢”をカット位置
(3,2,5)でカットし、それぞれQ1* 〜Q16*
を算出して、出力する。
【0021】(d) オンライン方式マッチング部4 オンライン方式マッチング部4は、オンライン方式特徴
抽出部3の出力を受けて、予め格納されているオンライ
ン方式認識辞書5とマッチングを行い、マッチング距離
値を算出し高画数文字識別部6に出力する。図6は、オ
ンライン方式認識辞書5の一例を示す図である。この認
識辞書5には、画数、及び部分パターン、部分パターン
Q値の欄が設けられ、各欄にそれぞれの部分パターンの
情報が格納されている。尚、図6では、筆記順が誤った
場合を考慮して、同じ文字について複数の部分パターン
が定義されている(例えば、“口”は、3画であるが、
1画としても定義されている)。
抽出部3の出力を受けて、予め格納されているオンライ
ン方式認識辞書5とマッチングを行い、マッチング距離
値を算出し高画数文字識別部6に出力する。図6は、オ
ンライン方式認識辞書5の一例を示す図である。この認
識辞書5には、画数、及び部分パターン、部分パターン
Q値の欄が設けられ、各欄にそれぞれの部分パターンの
情報が格納されている。尚、図6では、筆記順が誤った
場合を考慮して、同じ文字について複数の部分パターン
が定義されている(例えば、“口”は、3画であるが、
1画としても定義されている)。
【0022】オンライン方式マッチング部4は、オンラ
イン方式抽出部3で算出した部分パターンQ値Q1* 〜
Q16* とオンライン方式認識辞書5にある部分パター
ンQ値とのマッチングを行う。このマッチングでは、ま
ず、“逢”の“久”で算出したQ1* 〜Q16* と認識
対象文字“挨”の“キ”のQ1〜Q16をマッチングさ
せる。次に、“逢”の“ニ”で算出したQ1* 〜Q16
* と認識対象文字“挨”の“ム”のQ1〜Q16をマッ
チングさせ、さらに“逢”の“辻”で算出したQ1* 〜
Q16* と認識対象文字“挨”の“矢”のQ1〜Q16
をマッチングさせる。これらのマッチングにおける差の
絶対値を合計したものを、マッチング距離dBPとする。
このとき、距離dBPは入力パターン“逢”が“挨”にど
れだけ近いかを表す。一般には、各部分パターンjのス
トローク数BSj により、次のように重み付けを行い、
それをマッチング距離dBPとする。
イン方式抽出部3で算出した部分パターンQ値Q1* 〜
Q16* とオンライン方式認識辞書5にある部分パター
ンQ値とのマッチングを行う。このマッチングでは、ま
ず、“逢”の“久”で算出したQ1* 〜Q16* と認識
対象文字“挨”の“キ”のQ1〜Q16をマッチングさ
せる。次に、“逢”の“ニ”で算出したQ1* 〜Q16
* と認識対象文字“挨”の“ム”のQ1〜Q16をマッ
チングさせ、さらに“逢”の“辻”で算出したQ1* 〜
Q16* と認識対象文字“挨”の“矢”のQ1〜Q16
をマッチングさせる。これらのマッチングにおける差の
絶対値を合計したものを、マッチング距離dBPとする。
このとき、距離dBPは入力パターン“逢”が“挨”にど
れだけ近いかを表す。一般には、各部分パターンjのス
トローク数BSj により、次のように重み付けを行い、
それをマッチング距離dBPとする。
【0023】
【数4】 但し、Qi (j) は文字辞書の第j部分パターンQ値であ
り、Qi * (j) は入力文字パターンの第j部分パターン
Q値であり、Nは全ストローク数(画数)である。以上
のように求めた距離dBPと、オンライン方式特徴抽出部
3で求めた部分パターン間ベクトルのマッチングにより
得られたdvecにαvec で重み付けしたものとを、加算し
た距離dを求める。 d=αvec ・dvec +dBP ・・・(17) 式(17)のαvec は、ここでは筆記文字のストローク
数が2〜3ストロークの時はαvec =1/2 、4〜25ス
トロークの時はαvec =1、1ストロークの時はαvec =0
とする。以上の処理を部分パターン間ベクトルによる分
類で残った全ての候補文字について行い、dk {k=1,2,
…,n} を算出し、高画数文字識別部6に出力する。但
し、nは、部分パターン間ベクトルによる中分類で残っ
た候補文字数である。
り、Qi * (j) は入力文字パターンの第j部分パターン
Q値であり、Nは全ストローク数(画数)である。以上
のように求めた距離dBPと、オンライン方式特徴抽出部
3で求めた部分パターン間ベクトルのマッチングにより
得られたdvecにαvec で重み付けしたものとを、加算し
た距離dを求める。 d=αvec ・dvec +dBP ・・・(17) 式(17)のαvec は、ここでは筆記文字のストローク
数が2〜3ストロークの時はαvec =1/2 、4〜25ス
トロークの時はαvec =1、1ストロークの時はαvec =0
とする。以上の処理を部分パターン間ベクトルによる分
類で残った全ての候補文字について行い、dk {k=1,2,
…,n} を算出し、高画数文字識別部6に出力する。但
し、nは、部分パターン間ベクトルによる中分類で残っ
た候補文字数である。
【0024】(e) 高画数文字識別部6 高画数文字識別部6は、オンライン方式マッチング部4
の出力dk と前処理部2の出力する画数を受けて、入力
文字の識別結果を出力する。高画数文字識別部6は、オ
ンライン方式マッチング部4の出力dk を小さい順にソ
ートし、画数が高画数だと判断できたときは、ソートし
た順に対応する文字コードを出力端子13から出力し、
図示しない表示器などに表示する。高画数だと判断でき
ないときは、何も出力しない。ここで、画数が高画数だ
と判断するのは、抽出する特徴パラメータにより異なる
と思われるが、ここでは7画以上の文字を高画数だとす
る。 (f) パターンメモリ変換部7 前処理部2の出力データの座標データ列{Xi ,Yi }
を受けて、パターンメモリ変換部7は2次元の配列PM
(x,y) に変換し、輪郭抽出部8に出力する。図7は、パ
ターンメモリ変換部7のパターンメモリ変換処理を示す
図である。パターンメモリ変換処理は様々な方法が考え
られるが、その一例を図7を用いて説明する。
の出力dk と前処理部2の出力する画数を受けて、入力
文字の識別結果を出力する。高画数文字識別部6は、オ
ンライン方式マッチング部4の出力dk を小さい順にソ
ートし、画数が高画数だと判断できたときは、ソートし
た順に対応する文字コードを出力端子13から出力し、
図示しない表示器などに表示する。高画数だと判断でき
ないときは、何も出力しない。ここで、画数が高画数だ
と判断するのは、抽出する特徴パラメータにより異なる
と思われるが、ここでは7画以上の文字を高画数だとす
る。 (f) パターンメモリ変換部7 前処理部2の出力データの座標データ列{Xi ,Yi }
を受けて、パターンメモリ変換部7は2次元の配列PM
(x,y) に変換し、輪郭抽出部8に出力する。図7は、パ
ターンメモリ変換部7のパターンメモリ変換処理を示す
図である。パターンメモリ変換処理は様々な方法が考え
られるが、その一例を図7を用いて説明する。
【0025】入力パターンをn×m(n≧2,m≧2)
に分割し、前処理部2の出力座標データ列{Xi ,
Yi }が分割した枠に存在する場合は1を、そうでない
場合は0をセットするようにして、n×m個の各枠PM
(x,y) {x=0,1,2, …,n-1,y=0,1,2, …m-1}を求める。以
下、各枠PM(x,y) を求める方法を説明する。ここで、
図7に示すように2つの隣合う座標データ列を{x0 ,
y0 }、{x1 ,y1 }(但し、y0 ≦y1 とする)、
チェックする枠の原点を(Wx ,Wy)、枠のX方向の
幅及びY方向の幅をそれぞれWa ,Wb 、チャックする
枠のメモリ領域をA、チェックする枠の結果をPMA と
する。このとき、以下の条件1)〜条件5)のいずれか
を満たすときPMA =1とする。 条件1)隣接する2つの座標点が垂直方向に並んでお
り、メモリ領域Aが2つの座標点を挟んで位置する場合
であり、次式(18)で表される。 x0 =x1 AND Wx ≦x0 <Wx +Wa AND y0 ≦Wy AND y1 >Wy +Wb ・・・(18) 条件2)隣接する2つの座標点が水平方向に並んでお
り、メモリ領域Aが2つの座標を挟んで位置する場合で
あり、次式(19)で表される。 y0 =y1 AND Wy ≦y0 <Wy +Wb AND x0 ≦Wx AND x1 >Wx +Wa ・・・(19) 条件3)隣接する2つの座標点のいずれか一方がメモリ
領域Aに含まれる場合であり、次式(20)で表され
る。
に分割し、前処理部2の出力座標データ列{Xi ,
Yi }が分割した枠に存在する場合は1を、そうでない
場合は0をセットするようにして、n×m個の各枠PM
(x,y) {x=0,1,2, …,n-1,y=0,1,2, …m-1}を求める。以
下、各枠PM(x,y) を求める方法を説明する。ここで、
図7に示すように2つの隣合う座標データ列を{x0 ,
y0 }、{x1 ,y1 }(但し、y0 ≦y1 とする)、
チェックする枠の原点を(Wx ,Wy)、枠のX方向の
幅及びY方向の幅をそれぞれWa ,Wb 、チャックする
枠のメモリ領域をA、チェックする枠の結果をPMA と
する。このとき、以下の条件1)〜条件5)のいずれか
を満たすときPMA =1とする。 条件1)隣接する2つの座標点が垂直方向に並んでお
り、メモリ領域Aが2つの座標点を挟んで位置する場合
であり、次式(18)で表される。 x0 =x1 AND Wx ≦x0 <Wx +Wa AND y0 ≦Wy AND y1 >Wy +Wb ・・・(18) 条件2)隣接する2つの座標点が水平方向に並んでお
り、メモリ領域Aが2つの座標を挟んで位置する場合で
あり、次式(19)で表される。 y0 =y1 AND Wy ≦y0 <Wy +Wb AND x0 ≦Wx AND x1 >Wx +Wa ・・・(19) 条件3)隣接する2つの座標点のいずれか一方がメモリ
領域Aに含まれる場合であり、次式(20)で表され
る。
【0026】 (x0 ,y0 ) A OR (x1 ,y1 ) A ・・・(20) 条件4)隣接する2つの座標点を結ぶ線分がy=Wy で
メモリ領域Aと交わる場合であり、次式(21)で表さ
れる。 f(Wx )<Wy AND f(Wx +Wa )<Wy AND ((y0 <Wy AND y1 >Wy ) OR (y0 >Wy AND y1 <Wy ) ・・・(21) 但し、f(x)は式(25)で表される。 条件5)隣接する2つの座標点を結ぶ線分がy=Wy +
Wb でメモリ領域Aと交わる場合であり、次式(22)
で表される。
メモリ領域Aと交わる場合であり、次式(21)で表さ
れる。 f(Wx )<Wy AND f(Wx +Wa )<Wy AND ((y0 <Wy AND y1 >Wy ) OR (y0 >Wy AND y1 <Wy ) ・・・(21) 但し、f(x)は式(25)で表される。 条件5)隣接する2つの座標点を結ぶ線分がy=Wy +
Wb でメモリ領域Aと交わる場合であり、次式(22)
で表される。
【0027】 f(Wx )≧Wy +Wb AND f(Wy +Wx )<Wy +Wb AND ((y0 <Wy +Wb AND y1 >Wy +Wb ) OR (y0 >Wy AND y1 <Wy +Wb ) ・・・(22) 但し、f(x)は式(25)で表される。f(x)は、以下
の通りである。2つの座標列を結ぶ直線は以下の方程式
(23)で表せる。 y=ax+b ・・・(23) 2つの座標列(x0 ,y0 ),(x1 ,y1 )を代入し
てa,bを算出すると、
の通りである。2つの座標列を結ぶ直線は以下の方程式
(23)で表せる。 y=ax+b ・・・(23) 2つの座標列(x0 ,y0 ),(x1 ,y1 )を代入し
てa,bを算出すると、
【数5】 以上の処理を全ての座標データ列{Xi ,Yi }に対し
て行い、結果としてPM(x,y) を得る。これで、入力文
字パターンの2値化データが作成されたことになる。こ
のPM(x,y) を輪郭抽出部8に出力する。
て行い、結果としてPM(x,y) を得る。これで、入力文
字パターンの2値化データが作成されたことになる。こ
のPM(x,y) を輪郭抽出部8に出力する。
【0028】図8(a),(b)は、パターンメモリ変
換の例を示す図であり、同図(a)は、筆記入力文字
“あ”、同図(b)は、変換後のパターンメモリを示す
図である。(g) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、2値化された入力文字パータンの輪郭
を抽出する。図9は、輪郭抽出部8の動作説明図であ
り、図中の矢印は、輪郭追跡の方向を示している。輪郭
を抽出するには公知の方法、例えば、パターンメモリ内
で上端に位置するパターンの位置する画素を開始点とし
て、例えば、8個の近傍画素の中で最初に“1”となる
画素を順次追跡して、その輪郭情報を抽出する。例え
ば、筆記文字が“あ”の場合、図9に示すように、
“あ”の外側の輪郭F1と左の中抜きの輪郭F2と右の
中抜きの輪郭F3との3個の輪郭情報が得られる。
換の例を示す図であり、同図(a)は、筆記入力文字
“あ”、同図(b)は、変換後のパターンメモリを示す
図である。(g) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、2値化された入力文字パータンの輪郭
を抽出する。図9は、輪郭抽出部8の動作説明図であ
り、図中の矢印は、輪郭追跡の方向を示している。輪郭
を抽出するには公知の方法、例えば、パターンメモリ内
で上端に位置するパターンの位置する画素を開始点とし
て、例えば、8個の近傍画素の中で最初に“1”となる
画素を順次追跡して、その輪郭情報を抽出する。例え
ば、筆記文字が“あ”の場合、図9に示すように、
“あ”の外側の輪郭F1と左の中抜きの輪郭F2と右の
中抜きの輪郭F3との3個の輪郭情報が得られる。
【0029】(h) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、特徴量を算出する。輪郭データ
から文字認識するための特徴量を抽出する方法は、光学
式文字読取り装置などにて様々な方法が考えられてお
り、その一例を説明する。まず、輪郭を入力し、各輪郭
について2つの隣接する座標点(画素)間を結ぶ線分
を、以下のようにして4つの場合に分類する。図10
は、輪郭データの成分の分類を示す図である。
した輪郭データを得て、特徴量を算出する。輪郭データ
から文字認識するための特徴量を抽出する方法は、光学
式文字読取り装置などにて様々な方法が考えられてお
り、その一例を説明する。まず、輪郭を入力し、各輪郭
について2つの隣接する座標点(画素)間を結ぶ線分
を、以下のようにして4つの場合に分類する。図10
は、輪郭データの成分の分類を示す図である。
【0030】図10に示すように、パターンメモリの左
端を原点(0,0)、輪郭データの注目点の座標値を
(xi ,yi )、次の輪郭データ点の座標値を
(xi+1 ,yi+ 1 )とし、 dx =xi+1 −xi ・・・(26) dy =yi+1 −yi ・・・(27) とした時、 dy =0ならば水平成分 dx =0ならば垂直成分 dx ×dy >0ならば −45°成分 dx ×dy <0ならば +45°成分 というように求められる。そして、水平成分、垂直成
分、−45°成分、+45°成分を持つ輪郭の線分に対
して、入力文字パターンの各成分の分布を求める。水平
成分(dy =0)であれば、以下の様にq0 ,q1 ,q
8 ,q9 についてのみ処理を行う。
端を原点(0,0)、輪郭データの注目点の座標値を
(xi ,yi )、次の輪郭データ点の座標値を
(xi+1 ,yi+ 1 )とし、 dx =xi+1 −xi ・・・(26) dy =yi+1 −yi ・・・(27) とした時、 dy =0ならば水平成分 dx =0ならば垂直成分 dx ×dy >0ならば −45°成分 dx ×dy <0ならば +45°成分 というように求められる。そして、水平成分、垂直成
分、−45°成分、+45°成分を持つ輪郭の線分に対
して、入力文字パターンの各成分の分布を求める。水平
成分(dy =0)であれば、以下の様にq0 ,q1 ,q
8 ,q9 についてのみ処理を行う。
【0031】
【数6】
【数7】
【数8】 以上のように、パターンデータに対してq0 〜q15の演
算を行うことにより、輪郭データがどの位置に分布して
いるかを表すことができる。例えば、q0 が大きけれ
ば、右に垂直なパターンが多く分布し、q4 が大きけれ
ば、下に垂直なパターンが多く分布し、q8 が大きけれ
ば、左に垂直なパターンが多く分布し、q9 が大きけれ
ば、上に垂直なパターンが多く分布していることが推定
される。
算を行うことにより、輪郭データがどの位置に分布して
いるかを表すことができる。例えば、q0 が大きけれ
ば、右に垂直なパターンが多く分布し、q4 が大きけれ
ば、下に垂直なパターンが多く分布し、q8 が大きけれ
ば、左に垂直なパターンが多く分布し、q9 が大きけれ
ば、上に垂直なパターンが多く分布していることが推定
される。
【0032】同様に、q2 ,q3 ,q10,q11について
は水平なパターン、q4 ,q5 ,q12.q13については
45°のパターン、q6 ,q7 ,q14,q15については
−45°のパターンが、それぞれ右、下、左、上にどの
くらい多く分布しているかを推定することができる。 (i) オフライン方式マッチング部10 オフライン方式マッチング部10は、認識対象範囲を含
む文字についての基準特徴量q* 0 〜q* 15をそれぞれ
格納しているオフライン方式認識辞書11と、輪郭デー
タから算出したパターンメモリの特徴量q0 〜q15と
を、逐次比較することにより、両者間の差、すなわち、
マッチング距離ddを次式(44)より算出して出力す
る。
は水平なパターン、q4 ,q5 ,q12.q13については
45°のパターン、q6 ,q7 ,q14,q15については
−45°のパターンが、それぞれ右、下、左、上にどの
くらい多く分布しているかを推定することができる。 (i) オフライン方式マッチング部10 オフライン方式マッチング部10は、認識対象範囲を含
む文字についての基準特徴量q* 0 〜q* 15をそれぞれ
格納しているオフライン方式認識辞書11と、輪郭デー
タから算出したパターンメモリの特徴量q0 〜q15と
を、逐次比較することにより、両者間の差、すなわち、
マッチング距離ddを次式(44)より算出して出力す
る。
【0033】
【数9】 但し、q* i,j 及びqj はそれぞれオフライン方式認識
辞書11に登録されている特徴量、及びパターンメモリ
の特徴量である。nnは、1つの認識文字について、複数
登録された場合の特徴量の個数である(例えば、“+”
は、|が中央のもの、左にずれたもの、右にずれたもの
の3つの特徴量がオフライン方式認識辞書11に登録さ
れている)。
辞書11に登録されている特徴量、及びパターンメモリ
の特徴量である。nnは、1つの認識文字について、複数
登録された場合の特徴量の個数である(例えば、“+”
は、|が中央のもの、左にずれたもの、右にずれたもの
の3つの特徴量がオフライン方式認識辞書11に登録さ
れている)。
【0034】(j) 低画数文字識別部12 低画数文字識別部12は、前処理部2の出力する画数を
受けて、この画数が低画数であると判断したとき、オフ
ライン方式マッチング部10の出力するマッチング距離
ddi のうちで最小値に対応する文字コードを出力端子
13から出力し、図示しない表示器などに表示する。低
画数だと判断できないときは、何も出力しない。例え
ば、“+”は2画数であるが、筆記文字が“−”の右端
と“|”の上端が連続して、全体で1ストロークで入力
されるような場合には、ストローク数に基づいて文字認
識を行うオンライン方式に比べて、オフライン方式によ
り認識することにより認識率が向上する。また、“+”
を、例えば、左利きの人が筆記すると“−”を右から左
の順に筆記する場合があるが、この場合においても、筆
記順に依存するオンライン方式に比べて、オフライン方
式を採用することにより認識率が向上する。
受けて、この画数が低画数であると判断したとき、オフ
ライン方式マッチング部10の出力するマッチング距離
ddi のうちで最小値に対応する文字コードを出力端子
13から出力し、図示しない表示器などに表示する。低
画数だと判断できないときは、何も出力しない。例え
ば、“+”は2画数であるが、筆記文字が“−”の右端
と“|”の上端が連続して、全体で1ストロークで入力
されるような場合には、ストローク数に基づいて文字認
識を行うオンライン方式に比べて、オフライン方式によ
り認識することにより認識率が向上する。また、“+”
を、例えば、左利きの人が筆記すると“−”を右から左
の順に筆記する場合があるが、この場合においても、筆
記順に依存するオンライン方式に比べて、オフライン方
式を採用することにより認識率が向上する。
【0035】更に、例えば、“+”を、“|”、“−”
の順に誤って筆記入力された場合にも、オフライン方式
により認識率が向上する。ここで、画数が低画数だと判
断するのは、抽出する特徴パラメータにより異なると思
われるのが、ここでは高画数文字識別部6で7画以上の
文字を高画数だとしたので、6画以下の文字を低画数文
字とする。以上説明したように、本第1の実施形態によ
れば、パターンメモリ変換部7、輪郭抽出部8、オフラ
イン方式特徴抽出部9、オフライン方式マッチング部1
0、オフライン方式認識辞書11及び低画数文字識別部
12を設けたので、低画数文字において、筆順、及び画
数に影響を受けないオンライン手書き文字認識装置を提
供することができる。
の順に誤って筆記入力された場合にも、オフライン方式
により認識率が向上する。ここで、画数が低画数だと判
断するのは、抽出する特徴パラメータにより異なると思
われるのが、ここでは高画数文字識別部6で7画以上の
文字を高画数だとしたので、6画以下の文字を低画数文
字とする。以上説明したように、本第1の実施形態によ
れば、パターンメモリ変換部7、輪郭抽出部8、オフラ
イン方式特徴抽出部9、オフライン方式マッチング部1
0、オフライン方式認識辞書11及び低画数文字識別部
12を設けたので、低画数文字において、筆順、及び画
数に影響を受けないオンライン手書き文字認識装置を提
供することができる。
【0036】第2の実施形態 図11は、本発明の第2の実施形態のオンライン手書き
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第2の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、高画数文
字についても、オンライン方式マッチング部4の出力と
オフライン方式マッチング部10の出力とからマッチン
グ距離を算出して、文字認識するようにしたことであ
る。図11に示すように、本第2の実施形態のオンライ
ン手書き文字認識装置は、タブレット1、前処理部2、
オンライン方式特徴抽出部3、オンライン方式マッチン
グ部4、オンライン方式認識辞書5、高画数文字識別部
26、パターンメモリ変換部7、輪郭抽出部8、オフラ
イン方式特徴抽出部9、オフライン方式マッチング部1
0、オフライン方式認識辞書11、低画数文字識別部1
2、及び出力端子13を備えている。
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第2の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、高画数文
字についても、オンライン方式マッチング部4の出力と
オフライン方式マッチング部10の出力とからマッチン
グ距離を算出して、文字認識するようにしたことであ
る。図11に示すように、本第2の実施形態のオンライ
ン手書き文字認識装置は、タブレット1、前処理部2、
オンライン方式特徴抽出部3、オンライン方式マッチン
グ部4、オンライン方式認識辞書5、高画数文字識別部
26、パターンメモリ変換部7、輪郭抽出部8、オフラ
イン方式特徴抽出部9、オフライン方式マッチング部1
0、オフライン方式認識辞書11、低画数文字識別部1
2、及び出力端子13を備えている。
【0037】タブレット1の出力側は、前処理部2に接
続されている。前処理部2の出力のうち座標列は、オン
ライン方式特徴抽出部3及びパターンメモリ変換部7の
入力側に接続され、画数は、高画数文字識別部26及び
低画数文字識別部12の入力側に接続されている。オン
ライン方式特徴抽出部3及びオンライン方式認識辞書5
の出力側は、オンライン方式マッチング部4の入力側に
接続されている。オンライン方式マッチング部4の出力
側は、高画数文字識別部26の入力側に接続されてい
る。パターンメモリ変換部7の出力側は、輪郭抽出部8
の入力側に接続され、更に、この輪郭抽出部8の出力側
が、オフライン方式特徴抽出部9の入力側に接続されて
いる。オフライン方式特徴抽出部9及びオフライン方式
認識辞書11の出力は、オフライン方式マッチング部1
0の入力側に接続されている。オフライン方式マッチン
グ部4の出力側は、低画数文字識別部12及び高画数文
字認識部26の入力側に接続されている。高画数文字識
別部26及び低画数文字識別部12の出力側は、出力端
子13に接続されている。以下、図11の各部の動作
(a)〜(j)の説明をする。
続されている。前処理部2の出力のうち座標列は、オン
ライン方式特徴抽出部3及びパターンメモリ変換部7の
入力側に接続され、画数は、高画数文字識別部26及び
低画数文字識別部12の入力側に接続されている。オン
ライン方式特徴抽出部3及びオンライン方式認識辞書5
の出力側は、オンライン方式マッチング部4の入力側に
接続されている。オンライン方式マッチング部4の出力
側は、高画数文字識別部26の入力側に接続されてい
る。パターンメモリ変換部7の出力側は、輪郭抽出部8
の入力側に接続され、更に、この輪郭抽出部8の出力側
が、オフライン方式特徴抽出部9の入力側に接続されて
いる。オフライン方式特徴抽出部9及びオフライン方式
認識辞書11の出力は、オフライン方式マッチング部1
0の入力側に接続されている。オフライン方式マッチン
グ部4の出力側は、低画数文字識別部12及び高画数文
字認識部26の入力側に接続されている。高画数文字識
別部26及び低画数文字識別部12の出力側は、出力端
子13に接続されている。以下、図11の各部の動作
(a)〜(j)の説明をする。
【0038】(a) タブレット1 タブレット1は、第1の実施形態と同様に、座標列の筆
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力し、画数を高画数文字識別部26及び低画数文字
識別部12に出力する。 (c) オンライン方式特徴抽出部3 オンライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出して、文字辞書の部分パ
ターン間ベクトルと筆記文字の部分パターン間ベクトル
のマッチング距離dvec を算出し、dvec とVECREJとを
比較して中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力し、画数を高画数文字識別部26及び低画数文字
識別部12に出力する。 (c) オンライン方式特徴抽出部3 オンライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出して、文字辞書の部分パ
ターン間ベクトルと筆記文字の部分パターン間ベクトル
のマッチング距離dvec を算出し、dvec とVECREJとを
比較して中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
【0039】(d) オンライン方式マッチング部4 オンライン方式マッチング部4は、オンライン方式特徴
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出し、高画数文字識別部26に
出力する。 (e) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。 (f) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、例えば、輪
郭追跡して輪郭データを抽出する。 (g) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、例え
ば、水平成分、垂直成分、45°成分、−45°成分の
q0 〜q15を求める。
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出し、高画数文字識別部26に
出力する。 (e) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。 (f) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、例えば、輪
郭追跡して輪郭データを抽出する。 (g) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、例え
ば、水平成分、垂直成分、45°成分、−45°成分の
q0 〜q15を求める。
【0040】(h) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。 (i) 高画数文字識別部26 高画数文字識別部26は、オンライン方式マッチング部
4の出力dk とオフライン方式マッチング部10の出力
ddk とから、次式(45)により新しい距離値d
highk を求めて、小さい順にソーティングする。そし
て、画数が高画数だと判断できたときは、対応する文字
コードを出力端子13から出力し、図示しない表示器な
どに表示する。高画数だと判断できないときは、何も出
力しない。 dhighk =dk +w・ddk ・・・(45) 但し、wは重み係数である。ここで、画数が高画数であ
ると判断するのは、抽出する特徴パラメータにより異な
ると思われるが、ここでは7画以上の文字を高画数だと
する。
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。 (i) 高画数文字識別部26 高画数文字識別部26は、オンライン方式マッチング部
4の出力dk とオフライン方式マッチング部10の出力
ddk とから、次式(45)により新しい距離値d
highk を求めて、小さい順にソーティングする。そし
て、画数が高画数だと判断できたときは、対応する文字
コードを出力端子13から出力し、図示しない表示器な
どに表示する。高画数だと判断できないときは、何も出
力しない。 dhighk =dk +w・ddk ・・・(45) 但し、wは重み係数である。ここで、画数が高画数であ
ると判断するのは、抽出する特徴パラメータにより異な
ると思われるが、ここでは7画以上の文字を高画数だと
する。
【0041】
【外1】 式(45)に示すように、オンライン方式マッチング部
4の出力dk と、筆順、画数に依存しない別の方式であ
るオフライン方式マッチング部10の出力ddkとによ
り、マッチング距離ddを算出するので、こうしたわず
かな違いしかない文字の場合においても認識率が向上す
る。
4の出力dk と、筆順、画数に依存しない別の方式であ
るオフライン方式マッチング部10の出力ddkとによ
り、マッチング距離ddを算出するので、こうしたわず
かな違いしかない文字の場合においても認識率が向上す
る。
【0042】(j) 低画数文字識別部12 低画数文字識別部12は、前処理部2の出力する画数を
受けて、第1の実施形態と同様に、画数が低画数である
と判断したとき、オフライン方式マッチング部10の出
力するマッチング距離ddi のうちで最小値に対応する
文字コードを出力端子13から出力し、図示しない表示
器などに表示する。低画数だと判断できないときは、何
も出力しない。ここで、画数が低画数だと判断するの
は、抽出する特徴パラメータにより異なると思われるの
が、ここでは高画数文字識別部26で7画以上の文字を
高画数だとしたので、6画以下の文字を低画数文字とす
る。以上説明したように、本第2の実施形態によれば、
低画数文字においては、第1の実施形態と同様の利点が
あり、高画数文字においては、オンライン方式とオフラ
イン方式の両方の特徴量で認識するので、認識率が向上
する。
受けて、第1の実施形態と同様に、画数が低画数である
と判断したとき、オフライン方式マッチング部10の出
力するマッチング距離ddi のうちで最小値に対応する
文字コードを出力端子13から出力し、図示しない表示
器などに表示する。低画数だと判断できないときは、何
も出力しない。ここで、画数が低画数だと判断するの
は、抽出する特徴パラメータにより異なると思われるの
が、ここでは高画数文字識別部26で7画以上の文字を
高画数だとしたので、6画以下の文字を低画数文字とす
る。以上説明したように、本第2の実施形態によれば、
低画数文字においては、第1の実施形態と同様の利点が
あり、高画数文字においては、オンライン方式とオフラ
イン方式の両方の特徴量で認識するので、認識率が向上
する。
【0043】第3の実施形態 図12は、本発明の第3の実施形態のオンライン手書き
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第3の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、高画数文
字については、認識対象の部分パターンのカット位置に
従った筆記文字の部分パターンのオフライン特徴量と、
部分パターンオフライン方式認識辞書35に格納された
部分パターンのオフライン特徴量から算出したマッチン
グ距離と、オフライン方式マッチング部4の出力とから
マッチング距離を求めて文字認識を行うようにしたこと
である。図12に示すように、本第3の実施形態のオン
ライン手書き文字認識装置は、タブレット1、前処理部
2、オンライン方式特徴抽出部3、オンライン方式マッ
チング部4、オンライン方式認識辞書5、高画数文字識
別部36、部分パターンパターンメモリ変換部31、部
分パターン輪郭抽出部32、部分パターンオフライン方
式抽出特徴部33、部分パターンオフライン方式マッチ
ング部34、部分パターンオフライン方式認識辞書3
5、パターンメモリ変換部7、輪郭抽出部8、オフライ
ン方式特徴抽出部9、オフライン方式マッチング部1
0、オフライン方式認識辞書11、低画数文字識別部1
2、及び出力端子13を備えている。
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第3の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、高画数文
字については、認識対象の部分パターンのカット位置に
従った筆記文字の部分パターンのオフライン特徴量と、
部分パターンオフライン方式認識辞書35に格納された
部分パターンのオフライン特徴量から算出したマッチン
グ距離と、オフライン方式マッチング部4の出力とから
マッチング距離を求めて文字認識を行うようにしたこと
である。図12に示すように、本第3の実施形態のオン
ライン手書き文字認識装置は、タブレット1、前処理部
2、オンライン方式特徴抽出部3、オンライン方式マッ
チング部4、オンライン方式認識辞書5、高画数文字識
別部36、部分パターンパターンメモリ変換部31、部
分パターン輪郭抽出部32、部分パターンオフライン方
式抽出特徴部33、部分パターンオフライン方式マッチ
ング部34、部分パターンオフライン方式認識辞書3
5、パターンメモリ変換部7、輪郭抽出部8、オフライ
ン方式特徴抽出部9、オフライン方式マッチング部1
0、オフライン方式認識辞書11、低画数文字識別部1
2、及び出力端子13を備えている。
【0044】タブレット1の出力側は、前処理部2に接
続されている。前処理部2の出力のうち座標列は、オン
ライン方式特徴抽出部3及びパターンメモリ変換部7の
入力側に接続され、画数は、高画数文字識別部36及び
低画数文字識別部12の入力側に接続されている。オン
ライン方式特徴抽出部3及びオンライン方式認識辞書5
の出力側は、オンライン方式マッチング部4の入力側に
接続されている。オンライン方式マッチング部4の出力
側は、高画数文字識別部36の入力側に接続されてい
る。パターンメモリ変換部7の出力側は、輪郭抽出部8
の入力側に接続され、更に、この輪郭抽出部8の出力側
が、オフライン方式特徴抽出部9の入力側に接続されて
いる。オフライン方式特徴抽出部9及びオフライン方式
認識辞書11の出力側は、オフライン方式マッチング部
10の入力側に接続されている。オフライン方式マッチ
ング部4の出力側は、低画数文字識別部12の入力側に
接続されている。
続されている。前処理部2の出力のうち座標列は、オン
ライン方式特徴抽出部3及びパターンメモリ変換部7の
入力側に接続され、画数は、高画数文字識別部36及び
低画数文字識別部12の入力側に接続されている。オン
ライン方式特徴抽出部3及びオンライン方式認識辞書5
の出力側は、オンライン方式マッチング部4の入力側に
接続されている。オンライン方式マッチング部4の出力
側は、高画数文字識別部36の入力側に接続されてい
る。パターンメモリ変換部7の出力側は、輪郭抽出部8
の入力側に接続され、更に、この輪郭抽出部8の出力側
が、オフライン方式特徴抽出部9の入力側に接続されて
いる。オフライン方式特徴抽出部9及びオフライン方式
認識辞書11の出力側は、オフライン方式マッチング部
10の入力側に接続されている。オフライン方式マッチ
ング部4の出力側は、低画数文字識別部12の入力側に
接続されている。
【0045】オンライン方式特徴抽出部3の出力側は、
オンライン方式マッチング部4及び部分パターンパター
ンメモリ変換部31に接続されている。部分パターンパ
ターンメモリ変換部31の出力側は、部分パターン輪郭
抽出部32の入力側に接続されている。部分パターン輪
郭抽出部32の出力側は、部分パターンオフライン方式
特徴抽出部33の入力側に接続されている。部分パター
ンオフライン方式特徴抽出部33、及び部分パターンオ
フライン方式認識辞書35の出力側は、部分パターンオ
フライン方式マッチング部34の入力側に接続されてい
る。オンライン方式マッチング部4及び部分パターンオ
フライン方式マッチング部34の出力側は、高画数文字
識別部36の入力側に接続されている。高画数文字識別
部36及び低画数文字識別部12の出力側は、出力端子
13に接続されている。部分パターンパターンメモリ変
換部31は、部分パターンパターンメモリを有し、入力
文字の部分パターンを2値化して、その部分パターンメ
モリに格納するものである。
オンライン方式マッチング部4及び部分パターンパター
ンメモリ変換部31に接続されている。部分パターンパ
ターンメモリ変換部31の出力側は、部分パターン輪郭
抽出部32の入力側に接続されている。部分パターン輪
郭抽出部32の出力側は、部分パターンオフライン方式
特徴抽出部33の入力側に接続されている。部分パター
ンオフライン方式特徴抽出部33、及び部分パターンオ
フライン方式認識辞書35の出力側は、部分パターンオ
フライン方式マッチング部34の入力側に接続されてい
る。オンライン方式マッチング部4及び部分パターンオ
フライン方式マッチング部34の出力側は、高画数文字
識別部36の入力側に接続されている。高画数文字識別
部36及び低画数文字識別部12の出力側は、出力端子
13に接続されている。部分パターンパターンメモリ変
換部31は、部分パターンパターンメモリを有し、入力
文字の部分パターンを2値化して、その部分パターンメ
モリに格納するものである。
【0046】部分パターン輪郭抽出部32は、入力文字
の部分パターンの2値化データから輪郭を抽出して、輪
郭情報を求めるものである。部分パターンオフライン方
式特徴抽出部33は、部分パターンの輪郭情報から水
平、垂直、45°、−45°の成分の特徴量q0 〜q15
を求めるものである。部分パターンオフライン方式マッ
チング部34は、部分パターンオフライン方式認識辞書
35に登録された部分パータンの水平、垂直、45°、
−45°の成分の基準特徴量q* 0 〜q* 15とのマッチ
ング距離を求めるものである。高画数文字識別部36
は、オンライン方式マッチング部4の出力と部分パター
ンオフライン方式マッチング部34の出力から、マッチ
ング距離を算出して文字認識するものである。以下、図
12の各部の動作(a)〜(n)の説明をする。
の部分パターンの2値化データから輪郭を抽出して、輪
郭情報を求めるものである。部分パターンオフライン方
式特徴抽出部33は、部分パターンの輪郭情報から水
平、垂直、45°、−45°の成分の特徴量q0 〜q15
を求めるものである。部分パターンオフライン方式マッ
チング部34は、部分パターンオフライン方式認識辞書
35に登録された部分パータンの水平、垂直、45°、
−45°の成分の基準特徴量q* 0 〜q* 15とのマッチ
ング距離を求めるものである。高画数文字識別部36
は、オンライン方式マッチング部4の出力と部分パター
ンオフライン方式マッチング部34の出力から、マッチ
ング距離を算出して文字認識するものである。以下、図
12の各部の動作(a)〜(n)の説明をする。
【0047】(a) タブレット1 タブレット1は、第1の実施形態と同様に、座標列の筆
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力し、画数を高画数文字識別部36及び低画数文字
識別部12に出力する。 (c) オンライン方式特徴抽出部3 オフライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出して、文字辞書の部分パ
ターン間ベクトルと筆記文字の部分パターン間ベクトル
のマッチング距離dvec を算出し、dvec とVECREJとを
比較して中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力し、画数を高画数文字識別部36及び低画数文字
識別部12に出力する。 (c) オンライン方式特徴抽出部3 オフライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出して、文字辞書の部分パ
ターン間ベクトルと筆記文字の部分パターン間ベクトル
のマッチング距離dvec を算出し、dvec とVECREJとを
比較して中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
【0048】更に、文字を構成する部分パターンのカッ
ト位置とそれに対応する座標データ列を部分パターンパ
ターンメモリ変換部31に出力する。例えば、“逢”が
筆記入力されたとき、今認識(マッチング)しようとし
ている文字が“挨”であったとすると、図3に示すよう
に“挨”のカット位置は、(3,2,5)であるので、
このカット位置に従った部分パターンの座標データ列が
部分パターンパターンメモリ変換部31に出力される。 (d) オンライン方式マッチング部4 オンライン方式マッチング部4は、オンライン方式特徴
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出し、高画数文字識別部36に
出力する。
ト位置とそれに対応する座標データ列を部分パターンパ
ターンメモリ変換部31に出力する。例えば、“逢”が
筆記入力されたとき、今認識(マッチング)しようとし
ている文字が“挨”であったとすると、図3に示すよう
に“挨”のカット位置は、(3,2,5)であるので、
このカット位置に従った部分パターンの座標データ列が
部分パターンパターンメモリ変換部31に出力される。 (d) オンライン方式マッチング部4 オンライン方式マッチング部4は、オンライン方式特徴
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出し、高画数文字識別部36に
出力する。
【0049】(e) 部分パターンパターンメモリ変換
部31 部分パターンパターンメモリ変換部31は、オンライン
方式特徴抽出部3から文字を構成する部分パターンのス
トローク情報であるカット位置とそれに対応する座標デ
ータ列を受けて、各部分パターンについて、第1の実施
形態のパターンメモリ変換部7と同様に、部分パターン
を縦と横に複数に分割し、各分割した領域が隣接する2
つの座標データを結ぶ線分と交わるか否かを判別し、2
値化データを作成して部分パターンメモリに格納する。
例えば、“逢”が筆記入力されたとき、今認識(マッチ
ング)しようとしている文字が“挨”であったとする
と、“挨”を構成する3つの部分パターンのカット位置
に従って、3つの部分パターンに対する座標データ列
“久”、“二”、“辻”をそれぞれ2値化データに変換
し、変換した3つのパターンデータを部分パターン輪郭
抽出部32に出力する。
部31 部分パターンパターンメモリ変換部31は、オンライン
方式特徴抽出部3から文字を構成する部分パターンのス
トローク情報であるカット位置とそれに対応する座標デ
ータ列を受けて、各部分パターンについて、第1の実施
形態のパターンメモリ変換部7と同様に、部分パターン
を縦と横に複数に分割し、各分割した領域が隣接する2
つの座標データを結ぶ線分と交わるか否かを判別し、2
値化データを作成して部分パターンメモリに格納する。
例えば、“逢”が筆記入力されたとき、今認識(マッチ
ング)しようとしている文字が“挨”であったとする
と、“挨”を構成する3つの部分パターンのカット位置
に従って、3つの部分パターンに対する座標データ列
“久”、“二”、“辻”をそれぞれ2値化データに変換
し、変換した3つのパターンデータを部分パターン輪郭
抽出部32に出力する。
【0050】(f) 部分パターン輪郭抽出部32 部分パターン輪郭抽出部32は、部分パターンパターン
メモリ変換部31の出力する各部分パターンパターンデ
ータを読み出して、第1の実施形態の輪郭抽出部8と同
様にして輪郭抽出処理を行い、輪郭情報を部分パターン
オフライン方式特徴抽出部33に出力する。 (g) 部分パターンオフライン方式特徴抽出部33 部分パターンオフライン方式特徴抽出部部33は、部分
パターン輪郭抽出部32の出力する部分パターン数分の
輪郭データを受けて、第1の実施形態のオフライン方式
特徴抽出部9と同様に、輪郭データから、例えば、水
平、垂直、45°、−45°の成分の16個の特徴量q
Bk,0 〜qBk,15(k=1,2,…,BPN,BPN は部分パターン
数) を求めて、部分パターンオフライン方式マッチング
部34に出力する。
メモリ変換部31の出力する各部分パターンパターンデ
ータを読み出して、第1の実施形態の輪郭抽出部8と同
様にして輪郭抽出処理を行い、輪郭情報を部分パターン
オフライン方式特徴抽出部33に出力する。 (g) 部分パターンオフライン方式特徴抽出部33 部分パターンオフライン方式特徴抽出部部33は、部分
パターン輪郭抽出部32の出力する部分パターン数分の
輪郭データを受けて、第1の実施形態のオフライン方式
特徴抽出部9と同様に、輪郭データから、例えば、水
平、垂直、45°、−45°の成分の16個の特徴量q
Bk,0 〜qBk,15(k=1,2,…,BPN,BPN は部分パターン
数) を求めて、部分パターンオフライン方式マッチング
部34に出力する。
【0051】(h) 部分パターンオフライン方式マッ
チング部34 部分パターンオフライン方式マッチング部34は、部分
パターンオフライン方式特徴抽出部33の出力する部分
パターン毎の特徴量qBk,0 〜qBk,15(k=1,2,…,BP
N)と、部分パターンオフライン方式認識辞書35に予
め登録してあるマッチング対象の部分パターン毎の特徴
量qB* k,0 〜qB* k,15(k=1,2,…,BPN)との、部分
パターンオフライン方式マッチング距離値ddbを、次
式(46)により算出して出力する。
チング部34 部分パターンオフライン方式マッチング部34は、部分
パターンオフライン方式特徴抽出部33の出力する部分
パターン毎の特徴量qBk,0 〜qBk,15(k=1,2,…,BP
N)と、部分パターンオフライン方式認識辞書35に予
め登録してあるマッチング対象の部分パターン毎の特徴
量qB* k,0 〜qB* k,15(k=1,2,…,BPN)との、部分
パターンオフライン方式マッチング距離値ddbを、次
式(46)により算出して出力する。
【0052】
【数10】 但し、BPN は部分パターン数、Nは画数、BSk はk番
目の部分パターンのストローク数である。ここで、BS
k をNで割った結果を掛けているのは、部分パターンの
ストローク数による重み付けを行うためである。例え
ば、“逢”が筆記入力されたとき、今認識(マッチン
グ)しようとしている文字が“挨”であったとすると、
部分パターンオフライン方式認識辞書35には、“挨”
を構成する3つの部分パターン、“キ”、“ム”、
“矢”の基準特徴量qB* k,0 〜qB* k,15(k=1,2,3
)が登録されており、この“キ”、“ム”、“矢”の
基準特徴量と“久”、“二”、“辻”の特徴量とのマッ
チング距離ddbが、式(47)により算出される。
目の部分パターンのストローク数である。ここで、BS
k をNで割った結果を掛けているのは、部分パターンの
ストローク数による重み付けを行うためである。例え
ば、“逢”が筆記入力されたとき、今認識(マッチン
グ)しようとしている文字が“挨”であったとすると、
部分パターンオフライン方式認識辞書35には、“挨”
を構成する3つの部分パターン、“キ”、“ム”、
“矢”の基準特徴量qB* k,0 〜qB* k,15(k=1,2,3
)が登録されており、この“キ”、“ム”、“矢”の
基準特徴量と“久”、“二”、“辻”の特徴量とのマッ
チング距離ddbが、式(47)により算出される。
【0053】(i) 高画数文字識別部36 高画数文字識別部36は、オフライン方式マッチング部
34の出力dk と部分パターンオフライン方式マッチン
グ部34の出力ddbk とから、以下の式(47)によ
り新しい距離値dhighk を求めて小さい順にソーティン
グし、画数が高画数だと判断できたときは、対応する文
字コードを出力端子13から出力し、図示しない表示器
などに表示する。高画数だと判断できないときは、何も
出力しない。 dhighk =dk +w・ddbk ・・・(47) 但し、wは重み係数である。ここで、画数が高画数だと
判断するのは、抽出する特徴パラメータにより異なると
思われるが、ここでは7画以上の文字を高画数だとす
る。
34の出力dk と部分パターンオフライン方式マッチン
グ部34の出力ddbk とから、以下の式(47)によ
り新しい距離値dhighk を求めて小さい順にソーティン
グし、画数が高画数だと判断できたときは、対応する文
字コードを出力端子13から出力し、図示しない表示器
などに表示する。高画数だと判断できないときは、何も
出力しない。 dhighk =dk +w・ddbk ・・・(47) 但し、wは重み係数である。ここで、画数が高画数だと
判断するのは、抽出する特徴パラメータにより異なると
思われるが、ここでは7画以上の文字を高画数だとす
る。
【0054】
【外2】 マッチング距離を算出するので、こうしたわずかな違い
しかない場合でも認識率が向上する。
しかない場合でも認識率が向上する。
【0055】(j) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。 (k) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、輪郭追跡し
て輪郭データを輪郭として抽出する。 (l) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、水平
成分、垂直成分、45°成分、−45°成分のq0 〜q
15を求める。
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。 (k) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、輪郭追跡し
て輪郭データを輪郭として抽出する。 (l) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、水平
成分、垂直成分、45°成分、−45°成分のq0 〜q
15を求める。
【0056】(m) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。 (n) 低画数文字識別部12 低画数文字識別部12は、前処理部2の出力する画数を
受けて、画数が低画数であると判断したとき、オフライ
ン方式マッチング部10の出力するマッチング距離dd
i のうちで最小値に対応する文字コードを出力端子13
から出力し、図示しない表示器などに表示する。低画数
だと判断できないときは、何も出力しない。
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。 (n) 低画数文字識別部12 低画数文字識別部12は、前処理部2の出力する画数を
受けて、画数が低画数であると判断したとき、オフライ
ン方式マッチング部10の出力するマッチング距離dd
i のうちで最小値に対応する文字コードを出力端子13
から出力し、図示しない表示器などに表示する。低画数
だと判断できないときは、何も出力しない。
【0057】ここで、画数が低画数だと判断するのは、
抽出する特徴パラメータにより異なると思われるのが、
ここでは高画数文字識別部36で7画以上の文字を高画
数だとしたので、6画以下の文字を低画数文字とする。
以上説明したように、本第3の実施形態によれば、低画
数文字においては、第1の実施形態と同様の利点があ
る。高画数文字においては、部分パターンパターンメモ
リ変換部31、部分パターン輪郭抽出部32、部分パタ
ーンオフライン方式特徴抽出部33、部分パターンオフ
ライン方式マッチング部34及び部分パターンオフライ
ン方式認識辞書35を設け、部分パターン毎にオンライ
ン方式とオフライン方式の両方の特徴量で認識するの
で、オンライン手書き文字認識装置の認識率を向上させ
ることができる。
抽出する特徴パラメータにより異なると思われるのが、
ここでは高画数文字識別部36で7画以上の文字を高画
数だとしたので、6画以下の文字を低画数文字とする。
以上説明したように、本第3の実施形態によれば、低画
数文字においては、第1の実施形態と同様の利点があ
る。高画数文字においては、部分パターンパターンメモ
リ変換部31、部分パターン輪郭抽出部32、部分パタ
ーンオフライン方式特徴抽出部33、部分パターンオフ
ライン方式マッチング部34及び部分パターンオフライ
ン方式認識辞書35を設け、部分パターン毎にオンライ
ン方式とオフライン方式の両方の特徴量で認識するの
で、オンライン手書き文字認識装置の認識率を向上させ
ることができる。
【0058】第4の実施形態 図13は、本発明の第4の実施形態のオンライン手書き
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第4の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、低画数文
字の場合、オフライン方式マッチング部10の出力とオ
ンライン方式マッチング部4の出力とから、マッチング
距離を算出するようにしたことである。図13に示すよ
うに、本第4の実施形態のオンライン手書き文字認識装
置は、タブレット1、前処理部2、オンライン方式特徴
抽出部3、オンライン方式マッチング部4、オンライン
方式認識辞書5、高画数文字識別部6、パターンメモリ
変換部7、輪郭抽出部8、オフライン方式特徴抽出部
9、オフライン方式マッチング部10、オフライン方式
認識辞書11、低画数文字識別部42、及び出力端子1
3を備えている。タブレット1の出力側は、前処理部2
に接続されている。前処理部2の出力のうち座標列は、
オンライン方式特徴抽出部3及びパターンメモリ変換部
7の入力側に接続され、画数は、高画数文字識別部6及
び低画数文字識別部42の入力側に接続されている。
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第4の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、低画数文
字の場合、オフライン方式マッチング部10の出力とオ
ンライン方式マッチング部4の出力とから、マッチング
距離を算出するようにしたことである。図13に示すよ
うに、本第4の実施形態のオンライン手書き文字認識装
置は、タブレット1、前処理部2、オンライン方式特徴
抽出部3、オンライン方式マッチング部4、オンライン
方式認識辞書5、高画数文字識別部6、パターンメモリ
変換部7、輪郭抽出部8、オフライン方式特徴抽出部
9、オフライン方式マッチング部10、オフライン方式
認識辞書11、低画数文字識別部42、及び出力端子1
3を備えている。タブレット1の出力側は、前処理部2
に接続されている。前処理部2の出力のうち座標列は、
オンライン方式特徴抽出部3及びパターンメモリ変換部
7の入力側に接続され、画数は、高画数文字識別部6及
び低画数文字識別部42の入力側に接続されている。
【0059】オンライン方式特徴抽出部3及びオンライ
ン方式認識辞書5の出力側は、オンライン方式マッチン
グ部4の入力側に接続されている。オンライン方式マッ
チング部4の出力側は、高画数文字識別部6及び低画数
文字識別部42の入力側に接続されている。パターンメ
モリ変換部7の出力側は、輪郭抽出部8の入力側に接続
され、更に、この輪郭抽出部8の出力側が、オフライン
方式特徴抽出部9の入力側に接続されている。オフライ
ン方式特徴抽出部9及びオフライン方式認識辞書11の
出力側は、オフライン方式マッチング部10の入力側に
接続されている。オフライン方式マッチング部4の出力
側は、低画数文字識別部42の入力側に接続されてい
る。高画数文字識別部6及び低画数文字識別部42の出
力側は、出力端子13に接続されている。低画数文字識
別部42は、オンライン方式マッチング部4の出力dd
k 及びオフライン方式マッチング部10の出力dk か
ら、マッチング距離dlowkを算出して、文字認識するも
のである。以下、図13の各部の動作(a)〜(j)の
説明をする。
ン方式認識辞書5の出力側は、オンライン方式マッチン
グ部4の入力側に接続されている。オンライン方式マッ
チング部4の出力側は、高画数文字識別部6及び低画数
文字識別部42の入力側に接続されている。パターンメ
モリ変換部7の出力側は、輪郭抽出部8の入力側に接続
され、更に、この輪郭抽出部8の出力側が、オフライン
方式特徴抽出部9の入力側に接続されている。オフライ
ン方式特徴抽出部9及びオフライン方式認識辞書11の
出力側は、オフライン方式マッチング部10の入力側に
接続されている。オフライン方式マッチング部4の出力
側は、低画数文字識別部42の入力側に接続されてい
る。高画数文字識別部6及び低画数文字識別部42の出
力側は、出力端子13に接続されている。低画数文字識
別部42は、オンライン方式マッチング部4の出力dd
k 及びオフライン方式マッチング部10の出力dk か
ら、マッチング距離dlowkを算出して、文字認識するも
のである。以下、図13の各部の動作(a)〜(j)の
説明をする。
【0060】(a) タブレット1 タブレット1は、第1の実施形態と同様に、座標列の筆
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力して、画数を高画数文字識別部6及び低画数文字
識別部42に出力する。 (c) オンライン方式特徴抽出部3 オンライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出して、文字辞書の部分パ
ターン間ベクトルと筆記文字の部分パターン間ベクトル
のマッチング距離dvec を算出し、dvec とVECREJとを
比較して中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力して、画数を高画数文字識別部6及び低画数文字
識別部42に出力する。 (c) オンライン方式特徴抽出部3 オンライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出して、文字辞書の部分パ
ターン間ベクトルと筆記文字の部分パターン間ベクトル
のマッチング距離dvec を算出し、dvec とVECREJとを
比較して中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
【0061】(d) オンライン方式マッチング部4 オンライン方式マッチング部4は、オンライン方式特徴
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出して、高画数文字識別部6に
出力する。 (e) 高画数文字識別部6 高画数文字識別部6は、第1の実施形態と同様にして、
オンライン方式マッチング部4の出力dk を小さい順に
ソーティングし、画数が高画数だと判断できたときは、
対応する文字コードを出力端子13から出力し、図示し
ない表示器などに表示する。高画数だと判断できないと
きは、何も出力しない。ここで、画数が高画数だと判断
するのは、抽出する特徴パラメータにより異なると思わ
れるが、ここでは7画以上の文字を高画数だとする。 (f) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出して、高画数文字識別部6に
出力する。 (e) 高画数文字識別部6 高画数文字識別部6は、第1の実施形態と同様にして、
オンライン方式マッチング部4の出力dk を小さい順に
ソーティングし、画数が高画数だと判断できたときは、
対応する文字コードを出力端子13から出力し、図示し
ない表示器などに表示する。高画数だと判断できないと
きは、何も出力しない。ここで、画数が高画数だと判断
するのは、抽出する特徴パラメータにより異なると思わ
れるが、ここでは7画以上の文字を高画数だとする。 (f) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。
【0062】(g) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、輪郭追跡し
て輪郭情報を輪郭として抽出する。 (h) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、水平
成分、垂直成分、45°成分、−45°成分のq0 〜q
15を求める。 (i) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。
(x,y) を受けて、第1の実施形態と同様に、輪郭追跡し
て輪郭情報を輪郭として抽出する。 (h) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、水平
成分、垂直成分、45°成分、−45°成分のq0 〜q
15を求める。 (i) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。
【0063】(j) 低画数文字識別部42 低画数文字識別部42は、前処理部2の出力する画数を
受けて、画数が低画数であると判断したとき、オンライ
ン方式マッチング部5の出力dk と、オフライン方式マ
ッチング部10の出力するマッチング距離値ddk とか
ら、以下の式(48)により低画数文字のマッチング距
離値dlowkを算出し、小さい順にソーティングし、低画
数文字であると判断した場合は、対応する文字コードを
出力し、そうでない場合は、何も出力しない。 dlowk=w・dk +ddk ・・・(48) 但し、wは重み係数である。ここで、画数が低画数だと
判断するのは、抽出する特徴パラメータにより異なると
思われるのが、ここでは高画数文字識別部6で7画以上
の文字を高画数だとしたので、6画以下の文字を低画数
文字とする。
受けて、画数が低画数であると判断したとき、オンライ
ン方式マッチング部5の出力dk と、オフライン方式マ
ッチング部10の出力するマッチング距離値ddk とか
ら、以下の式(48)により低画数文字のマッチング距
離値dlowkを算出し、小さい順にソーティングし、低画
数文字であると判断した場合は、対応する文字コードを
出力し、そうでない場合は、何も出力しない。 dlowk=w・dk +ddk ・・・(48) 但し、wは重み係数である。ここで、画数が低画数だと
判断するのは、抽出する特徴パラメータにより異なると
思われるのが、ここでは高画数文字識別部6で7画以上
の文字を高画数だとしたので、6画以下の文字を低画数
文字とする。
【0064】例えば、“+”と“ナ”を識別する場合、
第1の実施形態のようにオフライン方式のみでは、大局
的な違いしか分からないが、オンライン方式では、
“+”の“|”と“ナ”の“ノ”の照合ができ、文字の
細かい部分の差を表すことができる。従って、低画数文
字の場合において、オフライン方式とオンライン方式と
を併用するので、認識率が向上する。以上説明したよう
に、本第4の実施形態によれば、パターンメモリ変換部
7、輪郭抽出部8、オフライン方式特徴抽出部9、オフ
ライン方式マッチング部10、オフライン方式認識辞書
11及び低画数文字識別部42を設け、情報量が少ない
ために認識率が低くなる低画数文字においては、オンラ
イン方式の特徴量にオフライン方式の特徴量を加えたの
で、オンライン手書き文字認識装置の認識率が向上す
る。
第1の実施形態のようにオフライン方式のみでは、大局
的な違いしか分からないが、オンライン方式では、
“+”の“|”と“ナ”の“ノ”の照合ができ、文字の
細かい部分の差を表すことができる。従って、低画数文
字の場合において、オフライン方式とオンライン方式と
を併用するので、認識率が向上する。以上説明したよう
に、本第4の実施形態によれば、パターンメモリ変換部
7、輪郭抽出部8、オフライン方式特徴抽出部9、オフ
ライン方式マッチング部10、オフライン方式認識辞書
11及び低画数文字識別部42を設け、情報量が少ない
ために認識率が低くなる低画数文字においては、オンラ
イン方式の特徴量にオフライン方式の特徴量を加えたの
で、オンライン手書き文字認識装置の認識率が向上す
る。
【0065】第5の実施形態 図14は、本発明の第5の実施形態のオンライン手書き
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第5の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、高画数文
字の場合は、オンライン方式マッチング部4の出力とオ
フライン方式マッチング部10の出力とから、マッチン
グ距離を算出して文字認識するようにし、低画数文字の
場合については、オンライン方式マッチング部4の出力
とオフライン方式マッチング10の出力とから、マッチ
ング距離を算出して文字認識をするようにしたことであ
る。図14に示すように、本第5の実施形態のオンライ
ン手書き文字認識装置は、タブレット1、前処理部2、
オンライン方式特徴抽出部3、オンライン方式マッチン
グ部4、オンライン方式認識辞書5、高画数文字識別部
26、パターンメモリ変換部7、輪郭抽出部8、オフラ
イン方式特徴抽出部9、オフライン方式マッチング部1
0、オフライン方式認識辞書11、低画数文字識別部4
2、及び出力端子13を備えている。
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第5の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、高画数文
字の場合は、オンライン方式マッチング部4の出力とオ
フライン方式マッチング部10の出力とから、マッチン
グ距離を算出して文字認識するようにし、低画数文字の
場合については、オンライン方式マッチング部4の出力
とオフライン方式マッチング10の出力とから、マッチ
ング距離を算出して文字認識をするようにしたことであ
る。図14に示すように、本第5の実施形態のオンライ
ン手書き文字認識装置は、タブレット1、前処理部2、
オンライン方式特徴抽出部3、オンライン方式マッチン
グ部4、オンライン方式認識辞書5、高画数文字識別部
26、パターンメモリ変換部7、輪郭抽出部8、オフラ
イン方式特徴抽出部9、オフライン方式マッチング部1
0、オフライン方式認識辞書11、低画数文字識別部4
2、及び出力端子13を備えている。
【0066】タブレット1の出力側は、前処理部2に接
続されている。前処理部2の出力のうち座標列は、オン
ライン方式特徴抽出部3及びパターンメモリ変換部7の
入力側に接続され、画数は、高画数文字識別部26及び
低画数文字識別部42の入力側に接続されている。オン
ライン方式特徴抽出部3及びオンライン方式認識辞書5
の出力側は、オンライン方式マッチング部4の入力側に
接続されている。オンライン方式マッチング部4の出力
側は、高画数文字識別部26及び低画数文字識別部42
の入力側に接続されている。パターンメモリ変換部7の
出力側は、輪郭抽出部8の入力側に接続され、更に、こ
の輪郭抽出部8の出力側が、オフライン方式特徴抽出部
9の入力側に接続されている。オフライン方式特徴抽出
部9及びオフライン方式認識辞書11の出力側は、オフ
ライン方式マッチング部10の入力側に接続されてい
る。オンライン方式マッチング部4の出力側は、高画数
文字識別部26及び低画数文字識別部42の入力側に接
続されている。高画数文字識別部26及び低画数文字識
別部42の出力側は、出力端子13に接続されている。
以下、図14の各部の動作(a)〜(j)の説明をす
る。
続されている。前処理部2の出力のうち座標列は、オン
ライン方式特徴抽出部3及びパターンメモリ変換部7の
入力側に接続され、画数は、高画数文字識別部26及び
低画数文字識別部42の入力側に接続されている。オン
ライン方式特徴抽出部3及びオンライン方式認識辞書5
の出力側は、オンライン方式マッチング部4の入力側に
接続されている。オンライン方式マッチング部4の出力
側は、高画数文字識別部26及び低画数文字識別部42
の入力側に接続されている。パターンメモリ変換部7の
出力側は、輪郭抽出部8の入力側に接続され、更に、こ
の輪郭抽出部8の出力側が、オフライン方式特徴抽出部
9の入力側に接続されている。オフライン方式特徴抽出
部9及びオフライン方式認識辞書11の出力側は、オフ
ライン方式マッチング部10の入力側に接続されてい
る。オンライン方式マッチング部4の出力側は、高画数
文字識別部26及び低画数文字識別部42の入力側に接
続されている。高画数文字識別部26及び低画数文字識
別部42の出力側は、出力端子13に接続されている。
以下、図14の各部の動作(a)〜(j)の説明をす
る。
【0067】(a) タブレット1 タブレット1は、第1の実施形態と同様に、座標列の筆
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力して、画数を高画数文字識別部26及び低画数文
字識別部42に出力する。 (c) オンライン方式特徴抽出部3 オフライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出して、文字辞書の部分パ
ターン間ベクトルと筆記文字の部分パターン間ベクトル
のマッチング距離dvec を算出し、dvec とVECREJとを
比較して中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力して、画数を高画数文字識別部26及び低画数文
字識別部42に出力する。 (c) オンライン方式特徴抽出部3 オフライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出して、文字辞書の部分パ
ターン間ベクトルと筆記文字の部分パターン間ベクトル
のマッチング距離dvec を算出し、dvec とVECREJとを
比較して中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
【0068】(d) オンライン方式マッチング部4 オンライン方式マッチング部4は、オンライン方式特徴
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出して、高画数文字識別部26
に出力する。 (e) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。 (f) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、例えば、輪
郭追跡して輪郭データを抽出する。
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出して、高画数文字識別部26
に出力する。 (e) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。 (f) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、例えば、輪
郭追跡して輪郭データを抽出する。
【0069】(g) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、例え
ば、水平成分、垂直成分、45°成分、−45°成分の
q0 〜q15を求める。 (h) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを逐次比較することにより、両
者間の差、すなわち、マッチング距離ddを算出して出
力する。 (i) 高画数文字識別部26 高画数文字識別部26は、オンライン方式マッチング部
4の出力dk と、オフライン方式マッチング部10の出
力ddk とから、式(45)により新しい距離値d
highk を求めて小さい順にソーティングし、画数が高画
数だと判断できたときは、対応する文字コードを出力端
子13から出力し、図示しない表示器などに表示する。
高画数だと判断できないときは、何も出力しない。ここ
で、画数が高画数だと判断するのは、抽出する特徴パラ
メータにより異なると思われるが、ここでは7画以上の
文字を高画数だとする。
した輪郭データを得て、第1の実施形態と同様に、例え
ば、水平成分、垂直成分、45°成分、−45°成分の
q0 〜q15を求める。 (h) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを逐次比較することにより、両
者間の差、すなわち、マッチング距離ddを算出して出
力する。 (i) 高画数文字識別部26 高画数文字識別部26は、オンライン方式マッチング部
4の出力dk と、オフライン方式マッチング部10の出
力ddk とから、式(45)により新しい距離値d
highk を求めて小さい順にソーティングし、画数が高画
数だと判断できたときは、対応する文字コードを出力端
子13から出力し、図示しない表示器などに表示する。
高画数だと判断できないときは、何も出力しない。ここ
で、画数が高画数だと判断するのは、抽出する特徴パラ
メータにより異なると思われるが、ここでは7画以上の
文字を高画数だとする。
【0070】(j) 低画数文字識別部42 低画数文字識別部42は、前処理部2の出力する画数を
受けて、画数が低画数であると判断したとき、オンライ
ン方式マッチング部4の出力dk と、オフライン方式マ
ッチング部10の出力するマッチング距離値ddk とか
ら、式(49)により低画数文字のマッチング距離値d
lowkを算出して小さい順にソーティングし、低画数文字
であると判断した場合は、対応する文字コードを出力
し、そうでない場合は、何も出力しない。ここで、画数
が低画数だと判断するのは、抽出する特徴パラメータに
より異なると思われるのが、ここでは高画数文字識別部
26で7画以上の文字を高画数だとしたので、6画以下
の文字を低画数文字とする。以上説明したように、本第
5の実施形態によれば、高画数文字においては、第2の
実施形態と同様の利点があり、低画数文字においては、
第4の実施形態と同様の利点がある。
受けて、画数が低画数であると判断したとき、オンライ
ン方式マッチング部4の出力dk と、オフライン方式マ
ッチング部10の出力するマッチング距離値ddk とか
ら、式(49)により低画数文字のマッチング距離値d
lowkを算出して小さい順にソーティングし、低画数文字
であると判断した場合は、対応する文字コードを出力
し、そうでない場合は、何も出力しない。ここで、画数
が低画数だと判断するのは、抽出する特徴パラメータに
より異なると思われるのが、ここでは高画数文字識別部
26で7画以上の文字を高画数だとしたので、6画以下
の文字を低画数文字とする。以上説明したように、本第
5の実施形態によれば、高画数文字においては、第2の
実施形態と同様の利点があり、低画数文字においては、
第4の実施形態と同様の利点がある。
【0071】第6の実施形態 図15は、本発明の第6の実施形態のオンライン手書き
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第6の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、高画数文
字については、オンライン方式マッチング部4の出力と
部分パターンオフライン方式マッチング部34の出力と
から、マッチング距離を算出して文字認識をするように
し、低画数文字については、オンライン方式マッチング
部4の出力とオフライン方式マッチング部10の出力と
から、マッチング距離を算出して文字認識をするように
したことである。図15に示すように、本第6の実施形
態のオンライン手書き文字認識装置は、タブレット1、
前処理部2、オンライン方式特徴抽出部3、オンライン
方式マッチング部4、オンライン方式認識辞書5、高画
数文字識別部36、部分パターンパターンメモリ変換部
31、部分パターン輪郭抽出部32、部分パターンオフ
ライン方式特徴抽出部33、部分パターンオフライン方
式マッチング部34、部分パターンオフライン方式認識
辞書35、パターンメモリ変換部7、輪郭抽出部8、オ
フライン方式特徴抽出部9、オフライン方式マッチング
部10、オフライン方式認識辞書11、低画数文字識別
部42、及び出力端子13を備えている。
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第6の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、高画数文
字については、オンライン方式マッチング部4の出力と
部分パターンオフライン方式マッチング部34の出力と
から、マッチング距離を算出して文字認識をするように
し、低画数文字については、オンライン方式マッチング
部4の出力とオフライン方式マッチング部10の出力と
から、マッチング距離を算出して文字認識をするように
したことである。図15に示すように、本第6の実施形
態のオンライン手書き文字認識装置は、タブレット1、
前処理部2、オンライン方式特徴抽出部3、オンライン
方式マッチング部4、オンライン方式認識辞書5、高画
数文字識別部36、部分パターンパターンメモリ変換部
31、部分パターン輪郭抽出部32、部分パターンオフ
ライン方式特徴抽出部33、部分パターンオフライン方
式マッチング部34、部分パターンオフライン方式認識
辞書35、パターンメモリ変換部7、輪郭抽出部8、オ
フライン方式特徴抽出部9、オフライン方式マッチング
部10、オフライン方式認識辞書11、低画数文字識別
部42、及び出力端子13を備えている。
【0072】タブレット1の出力側は、前処理部2の入
力側に接続されている。前処理部2の出力側はオンライ
ン方式特徴抽出部3、パターンメモリ変換部7、高画数
文字識別部36、及び低画数文字識別部42の入力側に
接続されている。オンライン方式特徴抽出部3及びオン
ライン方式認識辞書5の出力側は、オンライン方式マッ
チング部4の入力側に接続されている。オンライン方式
マッチング部4の出力側は、高画数文字識別部36及び
低画数文字識別部42の入力側に接続されてる。パター
ンメモリ変換部7の出力側は、輪郭抽出部8の入力側に
接続されている。輪郭抽出部8の出力側は、オフライン
方式特徴抽出部9の入力側に接続されている。オフライ
ン方式特徴抽出部9及びオフライン方式認識辞書1の出
力側は、オフライン方式マッチング部10の入力側に接
続されている。オフライン方式マッチング部10の出力
側は、低画数文字識別部42及び高画数文字識別部36
の入力側に接続されている。高画数文字識別部36及び
低画数文字識別部42の出力側は、出力端子13に接続
されている。
力側に接続されている。前処理部2の出力側はオンライ
ン方式特徴抽出部3、パターンメモリ変換部7、高画数
文字識別部36、及び低画数文字識別部42の入力側に
接続されている。オンライン方式特徴抽出部3及びオン
ライン方式認識辞書5の出力側は、オンライン方式マッ
チング部4の入力側に接続されている。オンライン方式
マッチング部4の出力側は、高画数文字識別部36及び
低画数文字識別部42の入力側に接続されてる。パター
ンメモリ変換部7の出力側は、輪郭抽出部8の入力側に
接続されている。輪郭抽出部8の出力側は、オフライン
方式特徴抽出部9の入力側に接続されている。オフライ
ン方式特徴抽出部9及びオフライン方式認識辞書1の出
力側は、オフライン方式マッチング部10の入力側に接
続されている。オフライン方式マッチング部10の出力
側は、低画数文字識別部42及び高画数文字識別部36
の入力側に接続されている。高画数文字識別部36及び
低画数文字識別部42の出力側は、出力端子13に接続
されている。
【0073】オンライン方式特徴抽出部3の出力側は、
オンライン方式マッチング部4及び部分パターンパター
ンメモリ変換部31に接続されている。部分パターンメ
モリ変換部31の出力側は、部分パターン輪郭抽出部3
2の入力側に接続されている。部分パターン輪郭抽出部
32の出力側は、部分パターンオフライン方式特徴抽出
部33の入力側に接続されている。部分パターンオフラ
イン方式特徴抽出部33、及び部分パターンオフライン
方式認識辞書35の出力側は、部分パターンオフライン
方式マッチング部34の入力側に接続されている。部分
パターンオフライン方式マッチング部34の出力側は、
高画数文字識別部36の入力側に接続されている。以
下、図15の各部の動作(a)〜(n)の説明をする。
オンライン方式マッチング部4及び部分パターンパター
ンメモリ変換部31に接続されている。部分パターンメ
モリ変換部31の出力側は、部分パターン輪郭抽出部3
2の入力側に接続されている。部分パターン輪郭抽出部
32の出力側は、部分パターンオフライン方式特徴抽出
部33の入力側に接続されている。部分パターンオフラ
イン方式特徴抽出部33、及び部分パターンオフライン
方式認識辞書35の出力側は、部分パターンオフライン
方式マッチング部34の入力側に接続されている。部分
パターンオフライン方式マッチング部34の出力側は、
高画数文字識別部36の入力側に接続されている。以
下、図15の各部の動作(a)〜(n)の説明をする。
【0074】(a) タブレット1 タブレット1は、第1の実施形態と同様に、座標列の筆
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力して、画数を高画数文字識別部36及び低画数文
字識別部42に出力する。 (c) オンライン方式特徴抽出部3 オフライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出し、文字辞書の部分パタ
ーン間ベクトルと筆記文字の部分パターン間ベクトルの
マッチング距離dvec sを算出し、dvec とVECREJとを
比較し、中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力して、画数を高画数文字識別部36及び低画数文
字識別部42に出力する。 (c) オンライン方式特徴抽出部3 オフライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出し、文字辞書の部分パタ
ーン間ベクトルと筆記文字の部分パターン間ベクトルの
マッチング距離dvec sを算出し、dvec とVECREJとを
比較し、中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
【0075】(d) オンライン方式マッチング部4 オンライン方式マッチング部4は、オンライン方式特徴
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出して、高画数文字識別部36
に出力する。 (e) 部分パターンパターンメモリ変換部31 部分パターンパターンメモリ変換部31は、オンライン
方式特徴抽出部3から、文字を構成する部分パターンの
カット位置とそれに対応する座標データ列を受けて、第
3の実施形態と同様に、部分パターン毎にパターンメモ
リへの変換処理を行う。 (f) 部分パターン輪郭抽出部32 部分パターン輪郭抽出部32は、部分パターンパターン
メモリ変換部31の出力する各パターンメモリを読み出
して、第3の実施形態と同様に、各部分パターンの輪郭
抽出処理を行い、輪郭情報を部分パターンオフライン方
式特徴抽出部33に出力する。
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出して、高画数文字識別部36
に出力する。 (e) 部分パターンパターンメモリ変換部31 部分パターンパターンメモリ変換部31は、オンライン
方式特徴抽出部3から、文字を構成する部分パターンの
カット位置とそれに対応する座標データ列を受けて、第
3の実施形態と同様に、部分パターン毎にパターンメモ
リへの変換処理を行う。 (f) 部分パターン輪郭抽出部32 部分パターン輪郭抽出部32は、部分パターンパターン
メモリ変換部31の出力する各パターンメモリを読み出
して、第3の実施形態と同様に、各部分パターンの輪郭
抽出処理を行い、輪郭情報を部分パターンオフライン方
式特徴抽出部33に出力する。
【0076】(g) 部分パターンオフライン方式特徴
抽出部33 部分パターンオフライン方式特徴抽出部33は、第3の
実施形態と同様に、部分パターン輪郭抽出部32の出力
する部分パターン数分の輪郭データを受けて、それぞれ
の輪郭データから、水平、垂直、45°、−45°の成
分の16個の特徴量qBk,0 〜qBk,15(k=1,2,…,BP
N,BPN は部分パターン数) を求めて、部分パターンオ
フライン方式マッチング部34に出力する。 (h) 部分パターンオフライン方式マッチング部34 部分パターンオフライン方式マッチング部34は、第3
の実施形態と同様に、部分パターンオフライン方式特徴
抽出部33の出力する部分パターン毎の特徴量qBk,0
〜qBk,15(k=1,2,…,BPN)と、部分パターンオフライ
ン方式認識辞書35に予め登録してあるマッチング対象
の部分パターン毎の特徴量qB* k,0 〜qB* k,15(k=
1,2,…,BPN)との、部分パターンオフライン方式マッチ
ング距離値ddbを算出して出力する。
抽出部33 部分パターンオフライン方式特徴抽出部33は、第3の
実施形態と同様に、部分パターン輪郭抽出部32の出力
する部分パターン数分の輪郭データを受けて、それぞれ
の輪郭データから、水平、垂直、45°、−45°の成
分の16個の特徴量qBk,0 〜qBk,15(k=1,2,…,BP
N,BPN は部分パターン数) を求めて、部分パターンオ
フライン方式マッチング部34に出力する。 (h) 部分パターンオフライン方式マッチング部34 部分パターンオフライン方式マッチング部34は、第3
の実施形態と同様に、部分パターンオフライン方式特徴
抽出部33の出力する部分パターン毎の特徴量qBk,0
〜qBk,15(k=1,2,…,BPN)と、部分パターンオフライ
ン方式認識辞書35に予め登録してあるマッチング対象
の部分パターン毎の特徴量qB* k,0 〜qB* k,15(k=
1,2,…,BPN)との、部分パターンオフライン方式マッチ
ング距離値ddbを算出して出力する。
【0077】(i) 高画数文字識別部36 高画数文字識別部36は、オンライン方式マッチング部
4の出力dk と、部分パターンオフライン方式マッチン
グ部34の出力ddbk とから、式(47)により新し
い距離値dhighk を求めて小さい順にソーティングし、
画数が高画数だと判断できたときは、対応する文字コー
ドを出力端子13から出力し、図示しない表示器などに
表示する。高画数だと判断できないときは、何も出力し
ない。ここで、画数が高画数だと判断するのは、抽出す
る特徴パラメータにより異なると思われるが、ここでは
7画以上の文字を高画数だとする。 (j) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。
4の出力dk と、部分パターンオフライン方式マッチン
グ部34の出力ddbk とから、式(47)により新し
い距離値dhighk を求めて小さい順にソーティングし、
画数が高画数だと判断できたときは、対応する文字コー
ドを出力端子13から出力し、図示しない表示器などに
表示する。高画数だと判断できないときは、何も出力し
ない。ここで、画数が高画数だと判断するのは、抽出す
る特徴パラメータにより異なると思われるが、ここでは
7画以上の文字を高画数だとする。 (j) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。
【0078】(k) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、例えば、輪
郭追跡して輪郭データを抽出する。 (l) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、例え
ば、水平成分、垂直成分、45°成分、−45°成分の
q0 〜q15を求める。 (m) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。
(x,y) を受けて、第1の実施形態と同様に、例えば、輪
郭追跡して輪郭データを抽出する。 (l) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、例え
ば、水平成分、垂直成分、45°成分、−45°成分の
q0 〜q15を求める。 (m) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。
【0079】(n) 低画数文字識別部42 低画数文字識別部42は、前処理部2の出力する画数を
受けて、画数が低画数であると判断したとき、第3の実
施形態と同様に、オンライン方式マッチング部4の出力
dk と、オフライン方式マッチング部10の出力ddk
とを受けて、式(48)より低画数文字のマッチング距
離dlowkを算出して、小さい順にソーティングし、対応
する文字コードを出力端子13から出力し、図示しない
表示器などに表示する。低画数だと判断できないとき
は、何も出力しない。ここで、画数が低画数だと判断す
るのは、抽出する特徴パラメータにより異なると思われ
るのが、ここでは高画数文字識別部36で7画以上の文
字を高画数だとしたので、6画以下の文字を低画数文字
とする。以上説明したように、本第6の実施形態によれ
ば、高画数文字については、第3の実施形態と同様の利
点があり、低画数文字については、第4の実施形態と同
様の利点がある。
受けて、画数が低画数であると判断したとき、第3の実
施形態と同様に、オンライン方式マッチング部4の出力
dk と、オフライン方式マッチング部10の出力ddk
とを受けて、式(48)より低画数文字のマッチング距
離dlowkを算出して、小さい順にソーティングし、対応
する文字コードを出力端子13から出力し、図示しない
表示器などに表示する。低画数だと判断できないとき
は、何も出力しない。ここで、画数が低画数だと判断す
るのは、抽出する特徴パラメータにより異なると思われ
るのが、ここでは高画数文字識別部36で7画以上の文
字を高画数だとしたので、6画以下の文字を低画数文字
とする。以上説明したように、本第6の実施形態によれ
ば、高画数文字については、第3の実施形態と同様の利
点があり、低画数文字については、第4の実施形態と同
様の利点がある。
【0080】第7の実施形態 図16は、本発明の第7の実施形態のオンライン手書き
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第7の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、低画数文
字については、部分パターンオフライン方式マッチング
部34の出力と、オフライン方式マッチング部10の出
力とから、マッチング距離を算出して文字認識をするよ
うにしたことである。図16に示すように、本第7の実
施形態のオンライン手書き文字認識装置は、タブレット
1、前処理部2、オンライン方式特徴抽出部3、オンラ
イン方式マッチング部4、オンライン方式認識辞書5、
高画数文字識別部6、部分パターンパターンメモリ変換
部31、部分パターン輪郭抽出部32、部分パターンオ
フライン方式特徴抽出部33、部分パターンオフライン
方式マッチング部34、部分パターンオフライン方式認
識辞書35、パターンメモリ変換部7、輪郭抽出部8、
オフライン方式特徴抽出部9、オフライン方式マッチン
グ部10、オフライン方式認識辞書11、低画数文字識
別部52、及び出力端子13を備えている。
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第7の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、低画数文
字については、部分パターンオフライン方式マッチング
部34の出力と、オフライン方式マッチング部10の出
力とから、マッチング距離を算出して文字認識をするよ
うにしたことである。図16に示すように、本第7の実
施形態のオンライン手書き文字認識装置は、タブレット
1、前処理部2、オンライン方式特徴抽出部3、オンラ
イン方式マッチング部4、オンライン方式認識辞書5、
高画数文字識別部6、部分パターンパターンメモリ変換
部31、部分パターン輪郭抽出部32、部分パターンオ
フライン方式特徴抽出部33、部分パターンオフライン
方式マッチング部34、部分パターンオフライン方式認
識辞書35、パターンメモリ変換部7、輪郭抽出部8、
オフライン方式特徴抽出部9、オフライン方式マッチン
グ部10、オフライン方式認識辞書11、低画数文字識
別部52、及び出力端子13を備えている。
【0081】タブレット1の出力側は、前処理部2の入
力側に接続されている。前処理部2の出力側はオンライ
ン方式特徴抽出部3、パターンメモリ変換部7、高画数
文字識別部6及び低画数文字識別部52の入力側に接続
されている。オンライン方式特徴抽出部3及びオンライ
ン方式認識辞書5の出力側は、オンライン方式マッチン
グ部4の入力側に接続されている。オンライン方式マッ
チング部4の出力側は、高画数文字識別部6の入力側に
接続されてる。パターンメモリ変換部7の出力側は、輪
郭抽出部8の入力側に接続されている。輪郭抽出部8の
出力側は、オフライン方式特徴抽出部9の入力側に接続
されている。オフライン方式特徴抽出部9及びオフライ
ン方式認識辞書1の出力側は、オフライン方式マッチン
グブ10の入力側に接続されている。オフライン方式マ
ッチング部10の出力側は、低画数文字識別部52の入
力側に接続されている。オンライン方式特徴抽出部3の
出力側は、オンライン方式マッチング部4及び部分パタ
ーンパターンメモリ変換部31に接続されている。部分
パターンメモリ変換部31の出力側は、部分パターン輪
郭抽出部32の入力側に接続されている。部分パターン
輪郭抽出部32の出力側は、部分パターンオフライン方
式特徴抽出部33の入力側に接続されている。
力側に接続されている。前処理部2の出力側はオンライ
ン方式特徴抽出部3、パターンメモリ変換部7、高画数
文字識別部6及び低画数文字識別部52の入力側に接続
されている。オンライン方式特徴抽出部3及びオンライ
ン方式認識辞書5の出力側は、オンライン方式マッチン
グ部4の入力側に接続されている。オンライン方式マッ
チング部4の出力側は、高画数文字識別部6の入力側に
接続されてる。パターンメモリ変換部7の出力側は、輪
郭抽出部8の入力側に接続されている。輪郭抽出部8の
出力側は、オフライン方式特徴抽出部9の入力側に接続
されている。オフライン方式特徴抽出部9及びオフライ
ン方式認識辞書1の出力側は、オフライン方式マッチン
グブ10の入力側に接続されている。オフライン方式マ
ッチング部10の出力側は、低画数文字識別部52の入
力側に接続されている。オンライン方式特徴抽出部3の
出力側は、オンライン方式マッチング部4及び部分パタ
ーンパターンメモリ変換部31に接続されている。部分
パターンメモリ変換部31の出力側は、部分パターン輪
郭抽出部32の入力側に接続されている。部分パターン
輪郭抽出部32の出力側は、部分パターンオフライン方
式特徴抽出部33の入力側に接続されている。
【0082】部分パターンオフライン方式特徴抽出部3
3及び部分パターンオフライン方式認識辞書35の出力
側は、部分パターンオフライン方式マッチング部34の
入力側に接続されている。部分パターンオフライン方式
マッチング部34の出力側は、低画数文字識別部52の
入力側に接続されている。高画数文字識別部6及び低画
数文字識別部52の出力側は、出力端子13に接続され
ている。低画数文字識別部52は、部分パターンオフラ
イン方式マッチング部34の出力ddbk と、オフライ
ン方式マッチング部10の出力ddk とから、マッチン
グ距離を算出して文字認識するものである。以下、図1
6の各部の動作(a)〜(n)の説明をする。
3及び部分パターンオフライン方式認識辞書35の出力
側は、部分パターンオフライン方式マッチング部34の
入力側に接続されている。部分パターンオフライン方式
マッチング部34の出力側は、低画数文字識別部52の
入力側に接続されている。高画数文字識別部6及び低画
数文字識別部52の出力側は、出力端子13に接続され
ている。低画数文字識別部52は、部分パターンオフラ
イン方式マッチング部34の出力ddbk と、オフライ
ン方式マッチング部10の出力ddk とから、マッチン
グ距離を算出して文字認識するものである。以下、図1
6の各部の動作(a)〜(n)の説明をする。
【0083】(a) タブレット1 タブレット1は、第1の実施形態と同様に、座標列の筆
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力し、画数を高画数文字識別部6及び低画数文字識
別部52に出力する。 (c) オンライン方式特徴抽出部3 オンライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施し、特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出し、文字辞書の部分パタ
ーン間ベクトルと筆記文字の部分パターン間ベクトルの
マッチング距離dvec とを算出し、dvec とVECREJとを
比較して中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力し、画数を高画数文字識別部6及び低画数文字識
別部52に出力する。 (c) オンライン方式特徴抽出部3 オンライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施し、特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出し、文字辞書の部分パタ
ーン間ベクトルと筆記文字の部分パターン間ベクトルの
マッチング距離dvec とを算出し、dvec とVECREJとを
比較して中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
【0084】(d) オンライン方式マッチング部4 オンライン方式マッチング部4は、オンライン方式特徴
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出して、高画数文字識別部6に
出力する。 (e) 高画数文字識別部6 高画数文字識別部6は、第1の実施形態と同様に、オン
ライン方式マッチング部4の出力dk を小さい順にソー
ティグし、画数が高画数だと判断できたときは、対応す
る文字コードを出力端子13から出力し、図示しない表
示器などに表示する。ここで、画数が高画数だと判断す
るのは、抽出する特徴パラメータにより異なると思われ
るが、ここでは7画以上の文字を高画数だとする。 (f) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出して、高画数文字識別部6に
出力する。 (e) 高画数文字識別部6 高画数文字識別部6は、第1の実施形態と同様に、オン
ライン方式マッチング部4の出力dk を小さい順にソー
ティグし、画数が高画数だと判断できたときは、対応す
る文字コードを出力端子13から出力し、図示しない表
示器などに表示する。ここで、画数が高画数だと判断す
るのは、抽出する特徴パラメータにより異なると思われ
るが、ここでは7画以上の文字を高画数だとする。 (f) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。
【0085】(g) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、例えば、輪
郭追跡して輪郭データを抽出する。 (h) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、例え
ば、水平成分、垂直成分、45°成分、−45°成分の
q0 〜q15を求める。 (i) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。
(x,y) を受けて、第1の実施形態と同様に、例えば、輪
郭追跡して輪郭データを抽出する。 (h) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、例え
ば、水平成分、垂直成分、45°成分、−45°成分の
q0 〜q15を求める。 (i) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。
【0086】(j) 部分パターンパターンメモリ変換
部31 部分パターンパターンメモリ変換部31は、オンライン
方式特徴抽出部3から、文字を構成する部分パターンの
カット位置とそれに対応する座標データ列を受けて、第
3の実施形態と同様に、部分パターン毎にパターンメモ
リへの変換処理を行う。 (k) 部分パターン輪郭抽出部32 部分パターン輪郭抽出部32は、部分パターンパターン
メモリ変換部31の出力する各パターンメモリを読み出
して、第3の実施形態と同様に、各部分パターンの輪郭
抽出処理を行い、輪郭情報を部分パターンオフライン方
式特徴抽出部33に出力する。 (l) 部分パターンオフライン方式特徴抽出部33 部分パターンオフライン方式特徴抽出部33は、第3の
実施形態と同様に、部分パターン輪郭抽出部32の出力
する部分パターン数分の輪郭データを受けて、それぞれ
の輪郭データから、水平、垂直、45°、−45°の成
分の16個の特徴量qBk,0 〜qBk,15(k=1,2,…,BP
N,BPN は部分パターン数) を求めて、部分パターンオ
フライン方式マッチング部34に出力する。
部31 部分パターンパターンメモリ変換部31は、オンライン
方式特徴抽出部3から、文字を構成する部分パターンの
カット位置とそれに対応する座標データ列を受けて、第
3の実施形態と同様に、部分パターン毎にパターンメモ
リへの変換処理を行う。 (k) 部分パターン輪郭抽出部32 部分パターン輪郭抽出部32は、部分パターンパターン
メモリ変換部31の出力する各パターンメモリを読み出
して、第3の実施形態と同様に、各部分パターンの輪郭
抽出処理を行い、輪郭情報を部分パターンオフライン方
式特徴抽出部33に出力する。 (l) 部分パターンオフライン方式特徴抽出部33 部分パターンオフライン方式特徴抽出部33は、第3の
実施形態と同様に、部分パターン輪郭抽出部32の出力
する部分パターン数分の輪郭データを受けて、それぞれ
の輪郭データから、水平、垂直、45°、−45°の成
分の16個の特徴量qBk,0 〜qBk,15(k=1,2,…,BP
N,BPN は部分パターン数) を求めて、部分パターンオ
フライン方式マッチング部34に出力する。
【0087】(m) 部分パターンオフライン方式マッ
チング部34 部分パターンオフライン方式マッチング部34は、第3
の実施形態と同様に、部分パターンオフライン方式特徴
抽出部33の出力する部分パターン毎の特徴量qBk,0
〜qBk,15(k=1,2,…,BPN)と、部分パターンオフライ
ン方式認識辞書35に予め登録してあるマッチング対象
の部分パターン毎の特徴量qB* k,0 〜qB* k,15(k=
1,2,…,BPN)との、部分パターンオフライン方式マッチ
ング距離値ddbを算出して出力する。
チング部34 部分パターンオフライン方式マッチング部34は、第3
の実施形態と同様に、部分パターンオフライン方式特徴
抽出部33の出力する部分パターン毎の特徴量qBk,0
〜qBk,15(k=1,2,…,BPN)と、部分パターンオフライ
ン方式認識辞書35に予め登録してあるマッチング対象
の部分パターン毎の特徴量qB* k,0 〜qB* k,15(k=
1,2,…,BPN)との、部分パターンオフライン方式マッチ
ング距離値ddbを算出して出力する。
【0088】(n) 低画数文字識別部52 低画数文字識別部52は、オフライン方式マッチング部
10の出力ddk 、部分パターンオフライン方式マッチ
ング部34の出力ddbk 及び前処理部2の出力する画
数を受けて、式(49)により低画数文字のマッチング
距離dlowkを算出し、小さい順にソーティングする。画
数が低画数だと判断できたときは、ソーティング結果に
対応する文字コードを出力し、そうでない場合は、何も
出力しない。 dlowk=ddk +w・ddbk ・・・(49) 但し、wは重み係数である。ここで、画数が低画数だと
判断するのは、抽出する特徴パラメータにより異なると
思われるのが、ここでは高画数文字識別部6で7画以上
の文字を高画数だとしたので、6画以下の文字を低画数
文字とする。以上説明したように、本第7の実施形態に
よれば、高画数文字については、第1の実施形態と同様
の利点がある。その上、情報量が少ないために認識率が
低くなる低画数文字においては、大局的な特徴をオフラ
イン方式でマッチングし、文字の細かい部分は部分パタ
ーンオフライン方式でマッチングすることにより、似か
よった低画数文字においても優れた認識率を得ることが
できるしかも、どちらの特徴もオフライン方式なので、
筆記方向に影響を受けないオンライン手書き文字認識装
置を提供することができる。
10の出力ddk 、部分パターンオフライン方式マッチ
ング部34の出力ddbk 及び前処理部2の出力する画
数を受けて、式(49)により低画数文字のマッチング
距離dlowkを算出し、小さい順にソーティングする。画
数が低画数だと判断できたときは、ソーティング結果に
対応する文字コードを出力し、そうでない場合は、何も
出力しない。 dlowk=ddk +w・ddbk ・・・(49) 但し、wは重み係数である。ここで、画数が低画数だと
判断するのは、抽出する特徴パラメータにより異なると
思われるのが、ここでは高画数文字識別部6で7画以上
の文字を高画数だとしたので、6画以下の文字を低画数
文字とする。以上説明したように、本第7の実施形態に
よれば、高画数文字については、第1の実施形態と同様
の利点がある。その上、情報量が少ないために認識率が
低くなる低画数文字においては、大局的な特徴をオフラ
イン方式でマッチングし、文字の細かい部分は部分パタ
ーンオフライン方式でマッチングすることにより、似か
よった低画数文字においても優れた認識率を得ることが
できるしかも、どちらの特徴もオフライン方式なので、
筆記方向に影響を受けないオンライン手書き文字認識装
置を提供することができる。
【0089】第8の実施形態 図17は、本発明の第8の実施形態のオンライン手書き
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第8の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、高画数文
字については、オンライン方式マッチング部4の出力
と、オフライン方式マッチング部10の出力から、マッ
チング距離を算出して文字認識を行うようにし、低画数
文字については、部分パターンオフライン方式マッチン
グ部34の出力と、オフライン方式マッチング部10の
出力とから、マッチング距離を算出して文字認識を行う
ようにしたことである。
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。本第8の実施形
態のオンライン手書き文字認識装置が第1の実施形態の
オンライン手書き文字認識装置と異なる点は、高画数文
字については、オンライン方式マッチング部4の出力
と、オフライン方式マッチング部10の出力から、マッ
チング距離を算出して文字認識を行うようにし、低画数
文字については、部分パターンオフライン方式マッチン
グ部34の出力と、オフライン方式マッチング部10の
出力とから、マッチング距離を算出して文字認識を行う
ようにしたことである。
【0090】図17に示すように、本第8の実施形態の
オンライン手書き文字認識装置は、タブレット1、前処
理部2、オンライン方式特徴抽出部3、オンライン方式
マッチング部4、オンライン方式認識辞書5、高画数文
字識別部26、部分パターンパターンメモリ変換部3
1、部分パターン輪郭抽出部32、部分パターンオフラ
イン方式特徴抽出部33、部分パターンオフライン方式
マッチング部34、部分パターンオフライン方式認識辞
書35、パターンメモリ変換部7、輪郭抽出部8、オフ
ライン方式特徴抽出部9、オフライン方式マッチング部
10、オフライン方式認識辞書11、低画数文字識別部
52、及び出力端子13を備えている。タブレット1の
出力側は、前処理部2の入力側に接続されている。前処
理部2の出力側はオンライン方式特徴抽出部3、パター
ンメモリ変換部7、高画数文字識別部26及び低画数文
字識別部52の入力側に接続されている。オンライン方
式特徴抽出部3及びオンライン方式認識辞書5の出力側
は、オンライン方式マッチング部4の入力側に接続され
ている。オンライン方式マッチング部4の出力側は、高
画数文字識別部26の入力側に接続されてる。
オンライン手書き文字認識装置は、タブレット1、前処
理部2、オンライン方式特徴抽出部3、オンライン方式
マッチング部4、オンライン方式認識辞書5、高画数文
字識別部26、部分パターンパターンメモリ変換部3
1、部分パターン輪郭抽出部32、部分パターンオフラ
イン方式特徴抽出部33、部分パターンオフライン方式
マッチング部34、部分パターンオフライン方式認識辞
書35、パターンメモリ変換部7、輪郭抽出部8、オフ
ライン方式特徴抽出部9、オフライン方式マッチング部
10、オフライン方式認識辞書11、低画数文字識別部
52、及び出力端子13を備えている。タブレット1の
出力側は、前処理部2の入力側に接続されている。前処
理部2の出力側はオンライン方式特徴抽出部3、パター
ンメモリ変換部7、高画数文字識別部26及び低画数文
字識別部52の入力側に接続されている。オンライン方
式特徴抽出部3及びオンライン方式認識辞書5の出力側
は、オンライン方式マッチング部4の入力側に接続され
ている。オンライン方式マッチング部4の出力側は、高
画数文字識別部26の入力側に接続されてる。
【0091】パターンメモリ変換部7の出力側は、輪郭
抽出部8の入力側に接続されている。輪郭抽出部8の出
力側は、オフライン方式特徴抽出部9の入力側に接続さ
れている。オフライン方式特徴抽出部9及びオフライン
方式認識辞書1の出力側は、オフライン方式マッチング
部10の入力側に接続されている。オフライン方式マッ
チング部10の出力側は、低画数文字識別部52及び高
画数文字識別部26の入力側に接続されている。オンラ
イン方式特徴抽出部3の出力側は、オンライン方式マッ
チング部4及び部分パターンパターンメモリ変換部31
に接続されている。部分パターンパターンメモリ変換部
31の出力側は、部分パターン輪郭抽出部32の入力側
に接続されている。部分パターン輪郭抽出部32の出力
側は、部分パターンオフライン方式特徴抽出部33の入
力側に接続されている。部分パターンオフライン方式特
徴抽出部33、及び部分パターンオフライン方式認識辞
書35の出力側は、部分パターンオフライン方式マッチ
ング部34の入力側に接続されている。部分パターンオ
フライン方式マッチング部34の出力側は、低画数文字
識別部52の入力側に接続されている。高画数文字識別
部26及び低画数文字識別部52の出力側は、出力端子
13に接続されている。以下、図17の各部の動作
(a)〜(n)の説明をする。
抽出部8の入力側に接続されている。輪郭抽出部8の出
力側は、オフライン方式特徴抽出部9の入力側に接続さ
れている。オフライン方式特徴抽出部9及びオフライン
方式認識辞書1の出力側は、オフライン方式マッチング
部10の入力側に接続されている。オフライン方式マッ
チング部10の出力側は、低画数文字識別部52及び高
画数文字識別部26の入力側に接続されている。オンラ
イン方式特徴抽出部3の出力側は、オンライン方式マッ
チング部4及び部分パターンパターンメモリ変換部31
に接続されている。部分パターンパターンメモリ変換部
31の出力側は、部分パターン輪郭抽出部32の入力側
に接続されている。部分パターン輪郭抽出部32の出力
側は、部分パターンオフライン方式特徴抽出部33の入
力側に接続されている。部分パターンオフライン方式特
徴抽出部33、及び部分パターンオフライン方式認識辞
書35の出力側は、部分パターンオフライン方式マッチ
ング部34の入力側に接続されている。部分パターンオ
フライン方式マッチング部34の出力側は、低画数文字
識別部52の入力側に接続されている。高画数文字識別
部26及び低画数文字識別部52の出力側は、出力端子
13に接続されている。以下、図17の各部の動作
(a)〜(n)の説明をする。
【0092】(a) タブレット1 タブレット1は、第1の実施形態と同様に、座標列の筆
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力し、画数を高画数文字識別部26及び低画数文字
識別部52に出力する。 (c) オンライン方式特徴抽出部3 オンライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出して、文字辞書の部分パ
ターン間ベクトルと、筆記文字の部分パターン間ベクト
ルのマッチング距離dvec とを算出し、dvec とVECREJ
とを比較して中分類を行う。更に、中分類で残った認識
対象の文字の部分パターンに従って、筆記文字のQ値を
部分パターン毎に求める。
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力し、画数を高画数文字識別部26及び低画数文字
識別部52に出力する。 (c) オンライン方式特徴抽出部3 オンライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出して、文字辞書の部分パ
ターン間ベクトルと、筆記文字の部分パターン間ベクト
ルのマッチング距離dvec とを算出し、dvec とVECREJ
とを比較して中分類を行う。更に、中分類で残った認識
対象の文字の部分パターンに従って、筆記文字のQ値を
部分パターン毎に求める。
【0093】(d) オンライン方式マッチング部4 オンライン方式マッチング部4は、オンライン方式特徴
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出して、高画数文字識別部26
に出力する。 (e) 部分パターンパターンメモリ変換部31 部分パターンパターンメモリ変換部31は、オンライン
方式特徴抽出部3から、文字を構成する部分パターンの
カット位置とそれに対応する座標データ列を受けて、第
3の実施形態と同様に、部分パターン毎にパターンメモ
リへの変換処理を行う。
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出して、高画数文字識別部26
に出力する。 (e) 部分パターンパターンメモリ変換部31 部分パターンパターンメモリ変換部31は、オンライン
方式特徴抽出部3から、文字を構成する部分パターンの
カット位置とそれに対応する座標データ列を受けて、第
3の実施形態と同様に、部分パターン毎にパターンメモ
リへの変換処理を行う。
【0094】(f) 部分パターン輪郭抽出部32 部分パターン輪郭抽出部32は、部分パターンパターン
メモリ変換部31の出力する各パターンメモリを読み出
して、第3の実施形態と同様に、各部分パターンの輪郭
抽出処理を行い、輪郭情報を部分パターンオフライン方
式特徴抽出部33に出力する。 (g) 部分パターンオフライン方式特徴抽出部33 部分パターンオフライン方式特徴抽出部33は、第3の
実施形態と同様に、部分パターンオンライン方式輪郭抽
出部33の出力する部分パターン数分の輪郭データを受
けて、それぞれの輪郭データから、水平、垂直、45
°、−45°の成分の16個の特徴量qBk,0 〜qB
k,15(k=1,2,…,BPN,BPN は部分パターン数) を求め
て、部分パターンオフライン方式マッチング部34に出
力する。
メモリ変換部31の出力する各パターンメモリを読み出
して、第3の実施形態と同様に、各部分パターンの輪郭
抽出処理を行い、輪郭情報を部分パターンオフライン方
式特徴抽出部33に出力する。 (g) 部分パターンオフライン方式特徴抽出部33 部分パターンオフライン方式特徴抽出部33は、第3の
実施形態と同様に、部分パターンオンライン方式輪郭抽
出部33の出力する部分パターン数分の輪郭データを受
けて、それぞれの輪郭データから、水平、垂直、45
°、−45°の成分の16個の特徴量qBk,0 〜qB
k,15(k=1,2,…,BPN,BPN は部分パターン数) を求め
て、部分パターンオフライン方式マッチング部34に出
力する。
【0095】(h) 部分パターンオフライン方式マッ
チング部34 部分パターンオフライン方式マッチング部34は、第3
の実施形態と同様に、部分パターンオフライン方式特徴
抽出部33の出力する部分パターン毎の特徴量qBk,0
〜qBk,15(k=1,2,…,BPN)と、部分パターンオフライ
ン方式認識辞書35に予め登録してあるマッチング対象
の部分パターン毎の特徴量qB* k,0 〜qB* k,15(k=
1,2,…,BPN)との、部分パターンオフライン方式マッチ
ング距離値ddbを算出して出力する。 (i) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。
チング部34 部分パターンオフライン方式マッチング部34は、第3
の実施形態と同様に、部分パターンオフライン方式特徴
抽出部33の出力する部分パターン毎の特徴量qBk,0
〜qBk,15(k=1,2,…,BPN)と、部分パターンオフライ
ン方式認識辞書35に予め登録してあるマッチング対象
の部分パターン毎の特徴量qB* k,0 〜qB* k,15(k=
1,2,…,BPN)との、部分パターンオフライン方式マッチ
ング距離値ddbを算出して出力する。 (i) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。
【0096】(j) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、例えば、輪
郭追跡して輪郭データを抽出する。 (k) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、例え
ば、水平成分、垂直成分、45°成分、−45°成分の
q0 〜q15を求める。
(x,y) を受けて、第1の実施形態と同様に、例えば、輪
郭追跡して輪郭データを抽出する。 (k) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、例え
ば、水平成分、垂直成分、45°成分、−45°成分の
q0 〜q15を求める。
【0097】(l) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。 (m) 高画数文字識別部26 高画数文字識別部26は、オンライン方式マッチング部
4の出力dk と、オフライン方式マッチング部10の出
力ddk とから、式(45)により新しい距離値d
highk を求めて小さい順にソーティングし、画数が高画
数だと判断できたときは、対応する文字コードを出力端
子13から出力し、図示しない表示器などに表示する。
高画数だと判断できないときは、何も出力しない。ここ
で、画数が高画数だと判断するのは、抽出する特徴パラ
メータにより異なると思われるが、ここでは7画以上の
文字を高画数だとする。
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。 (m) 高画数文字識別部26 高画数文字識別部26は、オンライン方式マッチング部
4の出力dk と、オフライン方式マッチング部10の出
力ddk とから、式(45)により新しい距離値d
highk を求めて小さい順にソーティングし、画数が高画
数だと判断できたときは、対応する文字コードを出力端
子13から出力し、図示しない表示器などに表示する。
高画数だと判断できないときは、何も出力しない。ここ
で、画数が高画数だと判断するのは、抽出する特徴パラ
メータにより異なると思われるが、ここでは7画以上の
文字を高画数だとする。
【0098】(n) 低画数文字識別部52 低画数文字識別部52は、前処理部2の出力する画数を
受けて、画数が低画数であると判断したとき、第7の実
施形態と同様に、オフライン方式マッチング部10の出
力ddk と、部分パターンオフライン方式マッチング部
34の出力ddbk とを受けて、式(49)より低画数
文字のマッチング距離dlowkを算出し、小さい順にソー
ティングして、対応する文字コードを出力端子13から
出力し、図示しない表示器などに表示する。低画数だと
判断できないときは、何も出力しない。ここで、画数が
低画数だと判断するのは、抽出する特徴パラメータによ
り異なると思われるのが、ここでは高画数文字識別部2
6で7画以上の文字を高画数だとしたので、6画以下の
文字を低画数文字とする。以上説明したように、本第8
の実施形態によれば、高画数文字については、第2の実
施形態と同様の利点があり、低画数文字については、第
7の実施形態と同様の利点がある。
受けて、画数が低画数であると判断したとき、第7の実
施形態と同様に、オフライン方式マッチング部10の出
力ddk と、部分パターンオフライン方式マッチング部
34の出力ddbk とを受けて、式(49)より低画数
文字のマッチング距離dlowkを算出し、小さい順にソー
ティングして、対応する文字コードを出力端子13から
出力し、図示しない表示器などに表示する。低画数だと
判断できないときは、何も出力しない。ここで、画数が
低画数だと判断するのは、抽出する特徴パラメータによ
り異なると思われるのが、ここでは高画数文字識別部2
6で7画以上の文字を高画数だとしたので、6画以下の
文字を低画数文字とする。以上説明したように、本第8
の実施形態によれば、高画数文字については、第2の実
施形態と同様の利点があり、低画数文字については、第
7の実施形態と同様の利点がある。
【0099】第9の実施形態 図18は、本発明の第9の実施形態のオンライン手書き
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。なする。本第9
の実施形態のオンライン手書き文字認識装置が第1の実
施形態のオンライン手書き文字認識装置と異なる点は、
高画数文字については、オンライン方式マッチング部4
の出力と、部分パターンオンライン方式マッチング部3
4の出力とから、マッチング距離を算出して文字認識を
行うようにし、低画数文字については、オフライン方式
マッチング部10の出力と、部分パターンオフライン方
式マッチング部34の出力とから、マッチング距離を算
出して文字認識を行うようにしたことである。
文字認識装置を示す構成図であり、図1中の要素に共通
する要素には共通の符号を付してある。なする。本第9
の実施形態のオンライン手書き文字認識装置が第1の実
施形態のオンライン手書き文字認識装置と異なる点は、
高画数文字については、オンライン方式マッチング部4
の出力と、部分パターンオンライン方式マッチング部3
4の出力とから、マッチング距離を算出して文字認識を
行うようにし、低画数文字については、オフライン方式
マッチング部10の出力と、部分パターンオフライン方
式マッチング部34の出力とから、マッチング距離を算
出して文字認識を行うようにしたことである。
【0100】図18に示すように、本第9の実施形態の
オンライン手書き文字認識装置は、タブレット1、前処
理部2、オンライン方式特徴抽出部3、オンライン方式
マッチング部4、オンライン方式認識辞書5、高画数文
字識別部36、部分パターンパターン変換メモリ部3
1、部分パターン輪郭抽出部32、部分パターンオフラ
イン方式特徴抽出部33、部分パターンオフライン方式
マッチング部34、部分パターンオフライン方式認識辞
書35、パターンメモリ変換部7、輪郭抽出部8、オフ
ライン方式特徴抽出部9、オフライン方式マッチング部
10、オフライン方式認識辞書11、低画数文字識別部
52、及び出力端子13を備えている。タブレット1の
出力側は、前処理部2の入力側に接続されている。前処
理部2の出力側はオンライン方式特徴抽出部3、パター
ンメモリ変換部7、高画数文字識別部36、及び低画数
文字識別部52の入力側に接続されている。
オンライン手書き文字認識装置は、タブレット1、前処
理部2、オンライン方式特徴抽出部3、オンライン方式
マッチング部4、オンライン方式認識辞書5、高画数文
字識別部36、部分パターンパターン変換メモリ部3
1、部分パターン輪郭抽出部32、部分パターンオフラ
イン方式特徴抽出部33、部分パターンオフライン方式
マッチング部34、部分パターンオフライン方式認識辞
書35、パターンメモリ変換部7、輪郭抽出部8、オフ
ライン方式特徴抽出部9、オフライン方式マッチング部
10、オフライン方式認識辞書11、低画数文字識別部
52、及び出力端子13を備えている。タブレット1の
出力側は、前処理部2の入力側に接続されている。前処
理部2の出力側はオンライン方式特徴抽出部3、パター
ンメモリ変換部7、高画数文字識別部36、及び低画数
文字識別部52の入力側に接続されている。
【0101】オンライン方式特徴抽出部3及びオンライ
ン方式認識辞書5の出力側は、オンライン方式マッチン
グ部4の入力側に接続されている。オンライン方式マッ
チング部4の出力側は、高画数文字識別部36の入力側
に接続されている。パターンメモリ変換部7の出力側
は、輪郭抽出部8の入力側に接続されている。輪郭抽出
部8の出力側は、オフライン方式特徴抽出部9の入力側
に接続されている。オフライン方式特徴抽出部9及びオ
フライン方式認識辞書1の出力側は、オフライン方式マ
ッチング部10の入力側に接続されている。オフライン
方式マッチング部10の出力側は、低画数文字識別部5
2の入力側に接続されている。オンライン方式特徴抽出
部3の出力側は、オンライン方式マッチング部4及び部
分パターンパターンメモリ変換部31に接続されてい
る。部分パターンパターンメモリ変換部31の出力側
は、部分パターン輪郭抽出部32の入力側に接続されて
いる。部分パターン輪郭抽出部32の出力側は、部分パ
ターンオフライン方式特徴抽出部33の入力側に接続さ
れている。
ン方式認識辞書5の出力側は、オンライン方式マッチン
グ部4の入力側に接続されている。オンライン方式マッ
チング部4の出力側は、高画数文字識別部36の入力側
に接続されている。パターンメモリ変換部7の出力側
は、輪郭抽出部8の入力側に接続されている。輪郭抽出
部8の出力側は、オフライン方式特徴抽出部9の入力側
に接続されている。オフライン方式特徴抽出部9及びオ
フライン方式認識辞書1の出力側は、オフライン方式マ
ッチング部10の入力側に接続されている。オフライン
方式マッチング部10の出力側は、低画数文字識別部5
2の入力側に接続されている。オンライン方式特徴抽出
部3の出力側は、オンライン方式マッチング部4及び部
分パターンパターンメモリ変換部31に接続されてい
る。部分パターンパターンメモリ変換部31の出力側
は、部分パターン輪郭抽出部32の入力側に接続されて
いる。部分パターン輪郭抽出部32の出力側は、部分パ
ターンオフライン方式特徴抽出部33の入力側に接続さ
れている。
【0102】部分パターンオフライン方式特徴抽出部3
3及び部分パターンオフライン方式認識辞書35の出力
側は、部分パターンオフライン方式マッチング部34の
入力側に接続されている。部分パターンオフライン方式
マッチング部34の出力側は、高画数文字識別部36及
び低画数文字識別部52の入力側に接続されている。高
画数文字識別部36及び低画数文字識別部52の出力側
は、出力端子13に接続されている。以下、図18の各
部の動作(a)〜(n)の説明をする。
3及び部分パターンオフライン方式認識辞書35の出力
側は、部分パターンオフライン方式マッチング部34の
入力側に接続されている。部分パターンオフライン方式
マッチング部34の出力側は、高画数文字識別部36及
び低画数文字識別部52の入力側に接続されている。高
画数文字識別部36及び低画数文字識別部52の出力側
は、出力端子13に接続されている。以下、図18の各
部の動作(a)〜(n)の説明をする。
【0103】(a) タブレット1 タブレット1は、第1の実施形態と同様に、座標列の筆
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力し、画数を高画数文字識別部36及び低画数文字
識別部52に出力する。
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力し、画数を高画数文字識別部36及び低画数文字
識別部52に出力する。
【0104】(c) オンライン方式特徴抽出部3 オンライン方式特徴抽出部3は、前処理部2の出力か
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出して、文字辞書の部分パ
ターン間ベクトルと筆記文字の部分パターン間ベクトル
のマッチング距離dvec を算出し、dvec とVECREJとを
比較して中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
ら、第1の実施形態と同様に、例えば、直線近似化処理
を施して特徴点を抽出する。そして、ストローク数によ
る大分類を行い、文字辞書の認識対象の文字の部分パタ
ーンのカット位置から筆記文字の部分パターンを求め、
部分パターン間ベクトルを算出して、文字辞書の部分パ
ターン間ベクトルと筆記文字の部分パターン間ベクトル
のマッチング距離dvec を算出し、dvec とVECREJとを
比較して中分類を行う。更に、中分類で残った認識対象
の文字の部分パターンに従って、筆記文字のQ値を部分
パターン毎に求める。
【0105】(d) オンライン方式マッチング部4 オンライン方式マッチング部4は、オンライン方式特徴
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出して、高画数文字識別部36
に出力する。 (e) 部分パターンパターンメモリ変換部31 部分パターンパターンメモリ変換部31は、オンライン
方式特徴抽出部3から、文字を構成する部分パターンの
カット位置とそれに対応する座標データ列を受けて、第
3の実施形態と同様に、部分パターン毎にパターンメモ
リへの変換処理を行う。
抽出部3の出力を受けて、第1の実施形態と同様に、マ
ッチング距離dBPをQ値から算出し、dvec とdBPから
マッチング距離値dを算出して、高画数文字識別部36
に出力する。 (e) 部分パターンパターンメモリ変換部31 部分パターンパターンメモリ変換部31は、オンライン
方式特徴抽出部3から、文字を構成する部分パターンの
カット位置とそれに対応する座標データ列を受けて、第
3の実施形態と同様に、部分パターン毎にパターンメモ
リへの変換処理を行う。
【0106】(f) 部分パターン輪郭抽出部32 部分パターン輪郭抽出部32は、部分パターンパターン
メモリ変換部31の出力する各パターンメモリを読み出
して、第3の実施形態と同様に、各部分パターンの輪郭
抽出処理を行い、輪郭情報を部分パターンオフライン方
式特徴抽出部33に出力する。 (g) 部分パターンオフライン方式特徴抽出部33 部分パターンオフライン方式特徴抽出部33は、第3の
実施形態と同様に、部分パターン輪郭抽出部32の出力
する部分パターン数分の輪郭データを受けて、それぞれ
の輪郭データから、水平、垂直、45°、−45°の成
分の16個の特徴量qBk,0 〜qBk,15(k=1,2,…,BP
N,BPN は部分パターン数) を求めて、部分パターンオ
フライン方式マッチング部34に出力する。
メモリ変換部31の出力する各パターンメモリを読み出
して、第3の実施形態と同様に、各部分パターンの輪郭
抽出処理を行い、輪郭情報を部分パターンオフライン方
式特徴抽出部33に出力する。 (g) 部分パターンオフライン方式特徴抽出部33 部分パターンオフライン方式特徴抽出部33は、第3の
実施形態と同様に、部分パターン輪郭抽出部32の出力
する部分パターン数分の輪郭データを受けて、それぞれ
の輪郭データから、水平、垂直、45°、−45°の成
分の16個の特徴量qBk,0 〜qBk,15(k=1,2,…,BP
N,BPN は部分パターン数) を求めて、部分パターンオ
フライン方式マッチング部34に出力する。
【0107】(h) 部分パターンオフライン方式マッ
チング部34 部分パターンオフライン方式マッチング部34は、第3
の実施形態と同様に、部分パターンオフライン方式特徴
抽出部33の出力する部分パターン毎の特徴量qBk,0
〜qBk,15(k=1,2,…,BPN)と、部分パターンオフライ
ン方式認識辞書35に予め登録してあるマッチング対象
の部分パターン毎の特徴量qB* k,0 〜qB* k,15(k=
1,2,…,BPN)との、部分パターンオフライン方式マッチ
ング距離値ddbを算出して出力する。 (i) 高画数文字識別部36 高画数文字識別部36は、オンライン方式マッチング部
4の出力dk と、部分パターンオフライン方式マッチン
グ部34の出力ddbk とから、式(47)により新し
い距離値dhighk を求めて小さい順にソーティングし、
画数が高画数だと判断できたときは、対応する文字コー
ドを出力端子13から出力し、図示しない表示器などに
表示する。高画数だと判断できないときは、何も出力し
ない。ここで、画数が高画数だと判断するのは、抽出す
る特徴パラメータにより異なると思われるが、ここでは
7画以上の文字を高画数だとする。
チング部34 部分パターンオフライン方式マッチング部34は、第3
の実施形態と同様に、部分パターンオフライン方式特徴
抽出部33の出力する部分パターン毎の特徴量qBk,0
〜qBk,15(k=1,2,…,BPN)と、部分パターンオフライ
ン方式認識辞書35に予め登録してあるマッチング対象
の部分パターン毎の特徴量qB* k,0 〜qB* k,15(k=
1,2,…,BPN)との、部分パターンオフライン方式マッチ
ング距離値ddbを算出して出力する。 (i) 高画数文字識別部36 高画数文字識別部36は、オンライン方式マッチング部
4の出力dk と、部分パターンオフライン方式マッチン
グ部34の出力ddbk とから、式(47)により新し
い距離値dhighk を求めて小さい順にソーティングし、
画数が高画数だと判断できたときは、対応する文字コー
ドを出力端子13から出力し、図示しない表示器などに
表示する。高画数だと判断できないときは、何も出力し
ない。ここで、画数が高画数だと判断するのは、抽出す
る特徴パラメータにより異なると思われるが、ここでは
7画以上の文字を高画数だとする。
【0108】(j) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。 (k) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、例えば、輪
郭追跡して輪郭データを抽出する。 (l) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、例え
ば、水平成分、垂直成分、45°成分、−45°成分の
q0 〜q15を求める。
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。 (k) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、例えば、輪
郭追跡して輪郭データを抽出する。 (l) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、例え
ば、水平成分、垂直成分、45°成分、−45°成分の
q0 〜q15を求める。
【0109】(m) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。
【0110】(n) 低画数文字識別部52 低画数文字識別部52は、前処理部2の出力する画数を
受けて、画数が低画数であると判断したとき、第7の実
施形態と同様に、オフライン方式マッチング部10の出
力ddk と、部分パターンオフライン方式マッチング部
34の出力ddbk とを受けて、式(49)より低画数
文字のマッチング距離dlowkを算出し、小さい順にソー
ティングして、対応する文字コードを出力端子13から
出力し、図示しない表示器などに表示する。低画数だと
判断できないときは、何も出力しない。
受けて、画数が低画数であると判断したとき、第7の実
施形態と同様に、オフライン方式マッチング部10の出
力ddk と、部分パターンオフライン方式マッチング部
34の出力ddbk とを受けて、式(49)より低画数
文字のマッチング距離dlowkを算出し、小さい順にソー
ティングして、対応する文字コードを出力端子13から
出力し、図示しない表示器などに表示する。低画数だと
判断できないときは、何も出力しない。
【0111】ここで、画数が低画数だと判断するのは、
抽出する特徴パラメータにより異なると思われるのが、
ここでは高画数文字識別部36で7画以上の文字を高画
数だとしたので、6画以下の文字を低画数文字とする。
以上説明したように、本第9の実施形態によれば、高画
数文字については、第3の実施形態と同様の利点があ
り、低画数文字については、第7の実施形態と同様の利
点がある。
抽出する特徴パラメータにより異なると思われるのが、
ここでは高画数文字識別部36で7画以上の文字を高画
数だとしたので、6画以下の文字を低画数文字とする。
以上説明したように、本第9の実施形態によれば、高画
数文字については、第3の実施形態と同様の利点があ
り、低画数文字については、第7の実施形態と同様の利
点がある。
【0112】第10の実施形態 図19は、本発明の第10の実施形態のオンライン手書
き文字認識装置を示す構成図であり、図1中の要素に共
通する要素には共通の符号を付してある。本第10の実
施形態のオンライン手書き文字認識装置が第1の実施形
態のオンライン手書き文字認識装置と異なる点は、高画
数文字、低画数文字のいずれの場合においても、オフラ
イン方式マッチング部10の出力から、文字認識を行う
ようにしたことである。図19に示すように、本第10
の実施形態のオンライン手書き文字認識装置は、タブレ
ット1、前処理部2、パターンメモリ変換部7、輪郭抽
出部8、オフライン方式特徴抽出部9、オフライン方式
マッチング部10、オフライン方式辞書11、識別部6
1、及び出力端子13を備えている。
き文字認識装置を示す構成図であり、図1中の要素に共
通する要素には共通の符号を付してある。本第10の実
施形態のオンライン手書き文字認識装置が第1の実施形
態のオンライン手書き文字認識装置と異なる点は、高画
数文字、低画数文字のいずれの場合においても、オフラ
イン方式マッチング部10の出力から、文字認識を行う
ようにしたことである。図19に示すように、本第10
の実施形態のオンライン手書き文字認識装置は、タブレ
ット1、前処理部2、パターンメモリ変換部7、輪郭抽
出部8、オフライン方式特徴抽出部9、オフライン方式
マッチング部10、オフライン方式辞書11、識別部6
1、及び出力端子13を備えている。
【0113】タブレット1の出力側は、前処理部2の入
力側に接続されている。前処理部2の出力側は、パター
ンメモリ変換部7の入力側に接続されている。パターン
メモリ変換部7の出力側は、輪郭抽出部8の入力側に接
続されている。輪郭抽出部8の出力側は、オフライン方
式特徴抽出部9の入力側に接続されている。オフライン
方式特徴抽出部9及びオフライン方式認識辞書1の出力
側は、オフライン方式マッチング部10の入力側に接続
されている。オフライン方式マッチング部10の出力側
は、識別部61の入力側に接続されている。以下、図1
9の各部の動作(a)〜(g)の説明をする。
力側に接続されている。前処理部2の出力側は、パター
ンメモリ変換部7の入力側に接続されている。パターン
メモリ変換部7の出力側は、輪郭抽出部8の入力側に接
続されている。輪郭抽出部8の出力側は、オフライン方
式特徴抽出部9の入力側に接続されている。オフライン
方式特徴抽出部9及びオフライン方式認識辞書1の出力
側は、オフライン方式マッチング部10の入力側に接続
されている。オフライン方式マッチング部10の出力側
は、識別部61の入力側に接続されている。以下、図1
9の各部の動作(a)〜(g)の説明をする。
【0114】(a) タブレット1 タブレット1は、第1の実施形態と同様に、座標列の筆
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力する。 (c) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、オンライン方式特徴抽出部3
及びパターンメモリ変換部7へ平滑化後の筆記データ列
を出力する。 (c) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。
【0115】(d) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、第1の実施形態と同様に、輪郭追跡し
て輪郭情報を輪郭として抽出する。 (e) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、水平
成分、垂直成分、45°成分、−45°成分のq0 〜q
15を求める。 (f) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。
(x,y) を受けて、第1の実施形態と同様に、輪郭追跡し
て輪郭情報を輪郭として抽出する。 (e) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データを得て、第1の実施形態と同様に、水平
成分、垂直成分、45°成分、−45°成分のq0 〜q
15を求める。 (f) オフライン方式マッチング部10 オフライン方式マッチング部10は、第1の実施形態と
同様に、認識対象範囲を含む文字についての基準特徴量
q0 * 〜q15 * をそれぞれ格納しているオフライン方式
認識辞書11と、輪郭データから算出したパターンメモ
リの特徴量q0〜q15とを、逐次比較することにより、
両者間の差、すなわち、マッチング距離ddを算出して
出力する。
【0116】(g) 識別部61 識別部61は、オフライン方式マッチング部10の出力
するマッチング距離を小さい順にソーティングし、対応
する文字コードを出力端子13に出力する。以上説明し
たように、本第10の実施形態によれば、パターンメモ
リ変換部7、輪郭抽出部8、オフライン方式特徴抽出部
9及び識別部61を設けたので、高画数文字及び低画数
文字について、画数及び筆順に依存しなくなる。
するマッチング距離を小さい順にソーティングし、対応
する文字コードを出力端子13に出力する。以上説明し
たように、本第10の実施形態によれば、パターンメモ
リ変換部7、輪郭抽出部8、オフライン方式特徴抽出部
9及び識別部61を設けたので、高画数文字及び低画数
文字について、画数及び筆順に依存しなくなる。
【0117】第11の実施形態 図20は、本発明の第11の実施形態のオンライン手書
き文字認識装置を示す構成図であり、図10中の要素に
共通する要素には共通の符号を付してある。本第11の
実施形態のオンライン手書き文字認識装置が第10の実
施形態のオンライン手書き文字認識装置と異なる点は、
高画数文字、低画数文字のいずれの場合においても、入
力文字と同じ画数のオフライン方式認識辞書71に格納
された認識対象の文字とのマッチング距離を算出するよ
うにしたことである。図20に示すように、本第11の
実施形態のオンライン手書き文字認識装置は、タブレッ
ト1、前処理部2、パターンメモリ変換部7、輪郭抽出
部8、オフライン方式特徴抽出部9、オフライン方式マ
ッチング部70、オフライン方式認識辞書71、識別部
61、及び出力端子13を備えている。タブレット1の
出力側は、前処理部2の入力側に接続されている。前処
理部2の出力側は、パターンメモリ変換部7及びオフラ
イン方式マッチング部70の入力側に接続されている。
パターンメモリ変換部7の出力側は、輪郭抽出部8の入
力側に接続されている。
き文字認識装置を示す構成図であり、図10中の要素に
共通する要素には共通の符号を付してある。本第11の
実施形態のオンライン手書き文字認識装置が第10の実
施形態のオンライン手書き文字認識装置と異なる点は、
高画数文字、低画数文字のいずれの場合においても、入
力文字と同じ画数のオフライン方式認識辞書71に格納
された認識対象の文字とのマッチング距離を算出するよ
うにしたことである。図20に示すように、本第11の
実施形態のオンライン手書き文字認識装置は、タブレッ
ト1、前処理部2、パターンメモリ変換部7、輪郭抽出
部8、オフライン方式特徴抽出部9、オフライン方式マ
ッチング部70、オフライン方式認識辞書71、識別部
61、及び出力端子13を備えている。タブレット1の
出力側は、前処理部2の入力側に接続されている。前処
理部2の出力側は、パターンメモリ変換部7及びオフラ
イン方式マッチング部70の入力側に接続されている。
パターンメモリ変換部7の出力側は、輪郭抽出部8の入
力側に接続されている。
【0118】輪郭抽出部8の出力側は、オフライン方式
特徴抽出部9の入力側に接続されている。オフライン方
式特徴抽出部9及びオフライン方式認識辞書71の出力
側は、オフライン方式マッチング部70の入力側に接続
されている。オフライン方式マッチング部70の出力側
は、識別部61の入力側に接続されている。オフライン
方式認識辞書71には、認識対象の文字パターンのオフ
ライン特徴量(例えば、基準特徴量q* 0 〜q* 15)が
画数とともに格納されている。以下、図20の各部の動
作(a)〜(g)の説明をする。
特徴抽出部9の入力側に接続されている。オフライン方
式特徴抽出部9及びオフライン方式認識辞書71の出力
側は、オフライン方式マッチング部70の入力側に接続
されている。オフライン方式マッチング部70の出力側
は、識別部61の入力側に接続されている。オフライン
方式認識辞書71には、認識対象の文字パターンのオフ
ライン特徴量(例えば、基準特徴量q* 0 〜q* 15)が
画数とともに格納されている。以下、図20の各部の動
作(a)〜(g)の説明をする。
【0119】(a) タブレット1 タブレット1は、第1の実施形態と同様に、座標列の筆
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、パターンメモリ変換部7に、
平滑化した筆記データを出力し、オフライン方式マッチ
ング部70に画数を出力する。 (c) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。
記データ列{(xi ,yi ),i=1,2,…,nj }
を抽出して、前処理部2に送る。 (b) 前処理部2 前処理部2は、第1の実施形態と同様に、座標列の筆記
データに対して平滑化し、パターンメモリ変換部7に、
平滑化した筆記データを出力し、オフライン方式マッチ
ング部70に画数を出力する。 (c) パターンメモリ変換部7 パターンメモリ変換部7は、前処理部2の出力データの
特徴点の座標データ列{Xi ,Yi }を受けて、第1の
実施形態と同様に、2次元の配列PM(x,y) に変換し、
輪郭抽出部8に出力する。
【0120】(d) 輪郭抽出部8 輪郭抽出部8は、パターンメモリ変換部7の出力PM
(x,y) を受けて、2値化された入力文字パータンの輪郭
を抽出して輪郭情報を出力する。 (e) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データ{xij,i=1,2,…,j=1,2,…}を得て、
第1の実施形態と同様に、水平成分、垂直成分、+45
°成分、−45°成分に対して、q0 〜q15の特徴量を
求める。 (f) オフライン方式マッチング部70 オフライン方式マッチング部70は、オフライン方式特
徴抽出部9の出力である特徴量と、前処理部2の出力で
ある画数とを受けて、オフライン方式認識辞書71とマ
ッチングを行う際に、入力パターンの画数と一致する文
字のみマッチング処理を施して認識部61に出力する。
(x,y) を受けて、2値化された入力文字パータンの輪郭
を抽出して輪郭情報を出力する。 (e) オフライン方式特徴抽出部9 オフライン方式特徴抽出部9は、輪郭抽出部8にて抽出
した輪郭データ{xij,i=1,2,…,j=1,2,…}を得て、
第1の実施形態と同様に、水平成分、垂直成分、+45
°成分、−45°成分に対して、q0 〜q15の特徴量を
求める。 (f) オフライン方式マッチング部70 オフライン方式マッチング部70は、オフライン方式特
徴抽出部9の出力である特徴量と、前処理部2の出力で
ある画数とを受けて、オフライン方式認識辞書71とマ
ッチングを行う際に、入力パターンの画数と一致する文
字のみマッチング処理を施して認識部61に出力する。
【0121】(g) 識別部61 識別部61は、オフライン方式マッチング部10の出力
するマッチング距離を小さい順にソーティングし、対応
する文字コードを出力端子13に出力する。以上説明し
たように、本第11の実施形態によれば、第10の実施
形態と同様の利点がある。その上、前処理部2から画数
をオフライン方式マッチング部70に出力して、入力パ
ターンの画数と一致する文字のみマッチング処理をする
ようにしたので、第10の実施形態よりも処理速度が向
上する。なお、本発明は、上記実施形態に限定されず、
種々の変形が可能である。その変形例としては、例え
ば、次の(1)〜(7)のようなものがある。
するマッチング距離を小さい順にソーティングし、対応
する文字コードを出力端子13に出力する。以上説明し
たように、本第11の実施形態によれば、第10の実施
形態と同様の利点がある。その上、前処理部2から画数
をオフライン方式マッチング部70に出力して、入力パ
ターンの画数と一致する文字のみマッチング処理をする
ようにしたので、第10の実施形態よりも処理速度が向
上する。なお、本発明は、上記実施形態に限定されず、
種々の変形が可能である。その変形例としては、例え
ば、次の(1)〜(7)のようなものがある。
【0122】(1) 第1〜第11の実施形態のオフラ
イン方式特徴抽出部9、及びオフライン方式マッチング
部10における処理は、光学式文字認識装置などで用い
られている他の方法によるものでもよい。 (2) 第1〜第9の実施形態のオンライン方式特徴抽
出部3、及びオンライン方式マッチング部4の処理は、
他の処理であってもよい。 (3) 高画数文字識別部6,26,36は、算出した
マッチング距離を元に、更に、ストロークの分布を示す
ストロークコード分布により分類して、文字認識を行う
ようにしてもよい。 (4) 高画数文字識別部6,26,36は、オンライ
ン方式マッチング部4の出力dk と、オフライン方式マ
ッチング部10の出力ddk と、部分パターンオフライ
ン方式マッチング部34の出力ddbk とから、重み係
数を掛けて、マッチング距離を算出して文字認識をして
もよい。
イン方式特徴抽出部9、及びオフライン方式マッチング
部10における処理は、光学式文字認識装置などで用い
られている他の方法によるものでもよい。 (2) 第1〜第9の実施形態のオンライン方式特徴抽
出部3、及びオンライン方式マッチング部4の処理は、
他の処理であってもよい。 (3) 高画数文字識別部6,26,36は、算出した
マッチング距離を元に、更に、ストロークの分布を示す
ストロークコード分布により分類して、文字認識を行う
ようにしてもよい。 (4) 高画数文字識別部6,26,36は、オンライ
ン方式マッチング部4の出力dk と、オフライン方式マ
ッチング部10の出力ddk と、部分パターンオフライ
ン方式マッチング部34の出力ddbk とから、重み係
数を掛けて、マッチング距離を算出して文字認識をして
もよい。
【0123】(5) 低画数文字識別部12,42,5
2は、オフライン方式マッチング部10の出力dd
k と、部分パターンオフライン方式マッチング部34の
出力ddbk と、オンライン方式マッチング部4の出力
dk とから、重み係数を掛けて、マッチング距離を算出
して文字認識をしてもよい。 (6) 第7の実施形態において、パターンメモリ変換
部7、輪郭抽出部8、オフライン方式特徴抽出部9、オ
フライン方式マッチング部10、及びオフライン方式認
識辞書11を無くして、低画数文字識別部52は、部分
パターンオフライン方式マッチング部34から出力され
るマッチング距離のみから、文字認識を行うようにして
もよい。 (7) 第10、第11の実施形態において、パターン
メモリ変換部7、輪郭抽出部8、オフライン方式特徴抽
出部9、オフライン方式マッチング部10、及びオフラ
イン方式認識辞書11を無くして、識別部61は、第7
の実施形態と同様に構成された部分パターンオフライン
方式マッチング部34から出力されるマッチング距離か
ら、文字認識を行うようにしてもよい。
2は、オフライン方式マッチング部10の出力dd
k と、部分パターンオフライン方式マッチング部34の
出力ddbk と、オンライン方式マッチング部4の出力
dk とから、重み係数を掛けて、マッチング距離を算出
して文字認識をしてもよい。 (6) 第7の実施形態において、パターンメモリ変換
部7、輪郭抽出部8、オフライン方式特徴抽出部9、オ
フライン方式マッチング部10、及びオフライン方式認
識辞書11を無くして、低画数文字識別部52は、部分
パターンオフライン方式マッチング部34から出力され
るマッチング距離のみから、文字認識を行うようにして
もよい。 (7) 第10、第11の実施形態において、パターン
メモリ変換部7、輪郭抽出部8、オフライン方式特徴抽
出部9、オフライン方式マッチング部10、及びオフラ
イン方式認識辞書11を無くして、識別部61は、第7
の実施形態と同様に構成された部分パターンオフライン
方式マッチング部34から出力されるマッチング距離か
ら、文字認識を行うようにしてもよい。
【0124】
【発明の効果】以上詳細に説明したように、第1〜第1
2の発明のオンライン手書き文字認識装置によれば、低
画数文字については、筆記文字のオフライン特徴量に基
づいて、文字認識を行うようにしたので、画数、筆順に
依存しなくなり、認識率を向上させることができる。
2の発明のオンライン手書き文字認識装置によれば、低
画数文字については、筆記文字のオフライン特徴量に基
づいて、文字認識を行うようにしたので、画数、筆順に
依存しなくなり、認識率を向上させることができる。
【図1】本発明の第1の実施形態のオンライン手書き文
字認識装置の構成図である。
字認識装置の構成図である。
【図2】前処理部の動作説明図である。
【図3】文字辞書の一例を示す図である。
【図4】部分パターン間ベクトルの説明図である。
【図5】“逢”の部分パターン間ベクトルのマッチング
距離dvecの算出の説明図である。
距離dvecの算出の説明図である。
【図6】オンライン方式認識辞書の一例を示す図であ
る。
る。
【図7】パターンメモリ変換処理を示す図である。
【図8】パターンメモリ変換の例を示す図である。
【図9】輪郭抽出部の動作説明図である。
【図10】輪郭データの成分分類を示す図である。
【図11】本発明の第2の実施形態のオンライン手書き
文字認識装置の構成図である。
文字認識装置の構成図である。
【図12】本発明の第3の実施形態のオンライン手書き
文字認識装置の構成図である。
文字認識装置の構成図である。
【図13】本発明の第4の実施形態のオンライン手書き
文字認識装置の構成図である。
文字認識装置の構成図である。
【図14】本発明の第5の実施形態のオンライン手書き
文字認識装置の構成図である。
文字認識装置の構成図である。
【図15】本発明の第6の実施形態のオンライン手書き
文字認識装置の構成図である。
文字認識装置の構成図である。
【図16】本発明の第7の実施形態のオンライン手書き
文字認識装置の構成図である。
文字認識装置の構成図である。
【図17】本発明の第8の実施形態のオンライン手書き
文字認識装置の構成図である。
文字認識装置の構成図である。
【図18】本発明の第9の実施形態のオンライン手書き
文字認識装置の構成図である。
文字認識装置の構成図である。
【図19】本発明の第10の実施形態のオンライン手書
き文字認識装置の構成図である。
き文字認識装置の構成図である。
【図20】本発明の第11の実施形態のオンライン手書
き文字認識装置の構成図である。
き文字認識装置の構成図である。
【符号の説明】 1 タブレット 2 前処理部 3 オンライン方式特徴抽出部 4 オンライン方式マッチング
部 5 オンライン方式認識辞書 6,26,36 高画数文字識別部 7 パターンメモリ変換部 8 輪郭抽出部 9 オフライン方式特徴抽出部 10,70 オフライン方式マッチング
部 11,71 オフライン方式認識辞書 12,42,52 低画数文字識別部 13 出力端子 31 部分パターンパターンメモ
リ変換部 32 部分バターン輪郭抽出部 33 部分パターンオフライン方
式特徴抽出部 34 部分パターンオフライン方
式マッチング部 35 部分パターンオフライン方
式認識辞書 61 識別部
部 5 オンライン方式認識辞書 6,26,36 高画数文字識別部 7 パターンメモリ変換部 8 輪郭抽出部 9 オフライン方式特徴抽出部 10,70 オフライン方式マッチング
部 11,71 オフライン方式認識辞書 12,42,52 低画数文字識別部 13 出力端子 31 部分パターンパターンメモ
リ変換部 32 部分バターン輪郭抽出部 33 部分パターンオフライン方
式特徴抽出部 34 部分パターンオフライン方
式マッチング部 35 部分パターンオフライン方
式認識辞書 61 識別部
Claims (12)
- 【請求項1】 タブレットに筆記入力して得られた筆記
文字の座標列の不要データを除去して平滑化を行う前処
理部と、 前記前処理部により平滑化された座標データ列から前記
筆記文字の特徴量を抽出するオンライン方式特徴抽出部
と、 前記オンライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオンライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオンライン方式マッチング部と、 前記筆記文字のストローク数により得られる画数が所定
の画数以上の時に、前記オンライン方式マッチング部か
ら出力されるマッチング距離に基づき、文字認識を行う
高画数文字識別部と、 前記前処理部により平滑化された座標データ列から得ら
れる前記筆記文字全体を含む領域を縦と横に複数の領域
に分割して、前記複数の各領域が前記筆記文字の一部を
含むか否かを判別して、その各領域に2値化データを割
り当てて、パターンメモリに格納するパターンメモリ変
換部と、 前記パターンメモリを読み込み輪郭データを抽出する輪
郭抽出部と、 前記輪郭抽出部より得られた輪郭データから前記筆記文
字の特徴量を抽出するオフライン方式特徴抽出部と、 前記オフライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオフライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオフライン方式マッチング部と、 前記筆記文字のストローク数による得られる画数が前記
所定の画数よりも小さい時に、前記オフライン方式マッ
チング部から出力される前記マッチング距離に基づい
て、文字認識を行う低画数文字識別部とを、 備えたことを特徴とするオンライン手書き文字認識装
置。 - 【請求項2】 タブレットに筆記入力して得られた筆記
文字の座標列の不要データを除去して平滑化を行う前処
理部と、 前記前処理部により平滑化された座標データ列から前記
筆記文字の特徴量を抽出するオンライン方式特徴抽出部
と、 前記オンライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオンライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオンライン方式マッチング部と、 前記前処理部により平滑化された座標データ列から得ら
れる前記筆記文字全体を含む領域を縦と横に複数の領域
に分割して、前記複数の各領域が前記筆記文字の一部を
含むか否かを判別して、その各領域に2値化データを割
り当てて、パターンメモリに格納するパターンメモリ変
換部と、 前記パターンメモリを読み込み輪郭データを抽出する輪
郭抽出部と、 前記輪郭抽出部より得られた輪郭データから前記筆記文
字の特徴量を抽出するオフライン方式特徴抽出部と、 前記オフライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオフライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオフライン方式マッチング部と、 前記筆記文字のストローク数により得られる画数が所定
の画数以上の時に、前記オンライン方式マッチング部と
前記オフライン方式マッチング部とから出力される前記
マッチング距離に基づき、文字認識を行う高画数文字識
別部と、 前記筆記文字のストローク数による得られる画数が前記
所定の画数よりも小さい時に、前記オフライン方式マッ
チング部から出力される前記マッチング距離に基づい
て、文字認識を行う低画数文字識別部とを、 備えたことを特徴とするオンライン手書き文字認識装
置。 - 【請求項3】 タブレットに筆記入力して得られた筆記
文字の座標列の不要データを除去して平滑化を行う前処
理部と、 前記前処理部により平滑化された座標データ列から前記
筆記文字の特徴量を抽出するオンライン方式特徴抽出部
と、 前記オンライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオンライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオンライン方式マッチング部と、 認識対象の文字が筆記される時に筆記上一連のものとし
て筆記する部分を示す部分パターンのストローク位置に
合わせて前記座標データ列に基づいて分けられた前記筆
記文字の各部分パターンを含む領域を縦と横に複数の領
域に分割して、前記複数の各領域が前記筆記文字の部分
パターンの一部を含むか否かを判別して、その各領域に
2値化データを割り当てて、部分パターン毎に部分パタ
ーンパターンメモリに格納する部分パターンパターンメ
モリ変換部と、 前記各部分パターンパターンメモリを読み込み、前記各
部分パターンの輪郭データを抽出する部分パターン輪郭
抽出部と、 前記部分パターン輪郭抽出部より得られた部分パターン
の輪郭データから前記筆記文字の部分パターンの特徴量
を抽出する部分パターンオフライン方式特徴抽出部と、 前記部分パターンオフライン方式特徴抽出部により得ら
れた前記筆記文字の特徴量と部分パターンオフライン方
式認識辞書に予め格納してある前記認識対象の文字の部
分パターンの特徴量とのマッチング距離を算出する部分
パターンオフライン方式マッチング部と、 前記筆記文字のストローク数による得られる画数が所定
の画数以上の時に、前記オンライン方式マッチング部と
前記部分パターンオフライン方式マッチング部とから出
力される前記マッチング距離に基づいて、文字認識を行
う高画数文字識別部と、 前記前処理部により平滑化された座標データ列から得ら
れる前記筆記文字全体を含む領域を縦と横に複数の領域
に分割して、前記複数の各領域が前記筆記文字の一部を
含むか否かを判別して、その各領域に2値化データを割
り当て、パターンメモリに格納するパターンメモリ変換
部と、 前記パターンメモリを読み込み輪郭データを抽出する輪
郭抽出部と、 前記輪郭抽出部より得られた輪郭データから前記筆記文
字の特徴量を抽出するオフライン方式特徴抽出部と、 前記オフライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオフライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオフライン方式マッチング部と、 前記筆記文字のストローク数による得られる画数が前記
所定の画数よりも小さい時に、前記オフライン方式マッ
チング部から出力される前記マッチング距離に基づい
て、文字認識を行う低画数文字識別部とを、 備えたことを特徴とするオンライン手書き文字認識装
置。 - 【請求項4】 タブレットに筆記入力して得られた筆記
文字の座標列の不要データを除去して平滑化を行う前処
理部と、 前記前処理部により平滑化された座標データ列から前記
筆記文字の特徴量を抽出するオンライン方式特徴抽出部
と、 前記オンライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオンライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオンライン方式マッチング部と、 前記筆記文字のストローク数により得られる画数が所定
の画数以上の時に、前記オンライン方式マッチング部か
ら出力されるマッチング距離に基づき、文字認識を行う
高画数文字識別部と、 前記前処理部により平滑化された座標データ列から得ら
れる前記筆記文字全体を含む領域を縦と横に複数の領域
に分割して、前記複数の各領域が前記筆記文字の一部を
含むか否かを判別して、その各領域に2値化データを割
り当てて、パターンメモリに格納するパターンメモリ変
換部と、 前記パターンメモリを読み込み輪郭データを抽出する輪
郭抽出部と、 前記輪郭抽出部より得られた輪郭データから前記筆記文
字の特徴量を抽出するオフライン方式特徴抽出部と、 前記オフライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオフライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオフライン方式マッチング部と、 前記筆記文字のストローク数による得られる画数が前記
所定の画数よりも小さい時に、前記オンライン方式マッ
チング部と前記オフライン方式マッチング部とから出力
される前記マッチング距離に基づいて、文字認識を行う
低画数文字識別部とを、 備えたことを特徴とするオンライン手書き文字認識装
置。 - 【請求項5】 タブレットに筆記入力して得られた筆記
文字の座標列の不要データを除去して平滑化を行う前処
理部と、 前記前処理部により平滑化された座標データ列から前記
筆記文字の特徴量を抽出するオンライン方式特徴抽出部
と、 前記オンライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオンライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオンライン方式マッチング部と、 前記前処理部により平滑化された座標データ列から得ら
れる前記筆記文字全体を含む領域を縦と横に複数の領域
に分割して、前記複数の各領域が前記筆記文字の一部を
含むか否かを判別して、その各領域に2値化データを割
り当てて、パターンメモリに格納するパターンメモリ変
換部と、 前記パターンメモリを読み込み輪郭データを抽出する輪
郭抽出部と、 前記輪郭抽出部より得られた輪郭データから前記筆記文
字の特徴量を抽出するオフライン方式特徴抽出部と、 前記オフライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオフライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオフライン方式マッチング部と、 前記筆記文字のストローク数により得られる画数が所定
の画数以上の時に、前記オンライン方式マッチング部と
前記オフライン方式マッチング部とから出力される前記
マッチング距離に基づき、文字認識を行う高画数文字識
別部と、 前記筆記文字のストローク数による得られる画数が前記
所定の画数よりも小さい時に、前記オンライン方式マッ
チング部と前記オフライン方式マッチング部とから出力
される前記マッチング距離に基づいて、文字認識を行う
低画数文字識別部とを、 備えたことを特徴とするオンライン手書き文字認識装
置。 - 【請求項6】 タブレットに筆記入力して得られた筆記
文字の座標列の不要データを除去して平滑化を行う前処
理部と、 前記前処理部により平滑化された座標データ列から前記
筆記文字の特徴量を抽出するオンライン方式特徴抽出部
と、 前記オンライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオンライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオンライン方式マッチング部と、 認識対象の文字が筆記される時に筆記上一連のものとし
て筆記する部分を示す部分パターンのストローク位置に
合わせて前記座標データ列に基づいて分けられた前記筆
記文字の各部分パターンを含む領域を縦と横に複数の領
域に分割して、前記複数の各領域が前記筆記文字の部分
パターンの一部を含むか否かを判別して、その各領域に
2値化データを割り当てて、部分パターン毎に部分パタ
ーンパターンメモリに格納する部分パターンパターンメ
モリ変換部と、 前記各部分パターンパターンメモリを読み込み、前記各
部分パターンの輪郭データを抽出する部分パターン輪郭
抽出部と、 前記部分パターン輪郭抽出部より得られた部分パターン
の輪郭データから前記筆記文字の部分パターンの特徴量
を抽出する部分パターンオフライン方式特徴抽出部と、 前記部分パターンオフライン方式特徴抽出部により得ら
れた前記筆記文字の特徴量と部分パターンオフライン方
式認識辞書に予め格納してある前記認識対象の文字の部
分パターンの特徴量とのマッチング距離を算出する部分
パターンオフライン方式マッチング部と、 前記筆記文字のストローク数による得られる画数が所定
の画数以上の時に、前記オンライン方式マッチング部と
前記部分パターンオフライン方式マッチング部とから出
力される前記マッチング距離に基づいて、文字認識を行
う高画数文字識別部と、 前記前処理部により平滑化された座標データ列から得ら
れる前記筆記文字全体を含む領域を縦と横に複数の領域
に分割して、前記複数の各領域が前記筆記文字の一部を
含むか否かを判別して、その各領域に2値化データを割
り当てて、パターンメモリに格納するパターンメモリ変
換部と、 前記パターンメモリを読み込み輪郭データを抽出する輪
郭抽出部と、 前記輪郭抽出部より得られた輪郭データから前記筆記文
字の特徴量を抽出するオフライン方式特徴抽出部と、 前記オフライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオフライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオフライン方式マッチング部と、 前記筆記文字のストローク数による得られる画数が前記
所定の画数よりも小さい時に、前記オフライン方式マッ
チング部と前記オンライン方式マッチング部とから出力
される前記マッチング距離に基づいて、文字認識を行う
低画数文字識別部とを、 備えたことを特徴とするオンライン手書き文字認識装
置。 - 【請求項7】 タブレットに筆記入力して得られた筆記
文字の座標列の不要データを除去して平滑化を行う前処
理部と、 前記前処理部により平滑化された座標データ列から前記
筆記文字の特徴量を抽出するオンライン方式特徴抽出部
と、 前記オンライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオンライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオンライン方式マッチング部と、 前記筆記文字のストローク数により得られる画数が所定
の画数以上の時に、前記オンライン方式マッチング部か
ら出力される前記マッチング距離に基づき、文字認識を
行う高画数文字識別部と、 認識対象の文字が筆記される時に筆記上一連のものとし
て筆記する部分を示す部分パターンのストローク位置に
合わせて前記座標データ列に基づいて分けられた前記筆
記文字の各部分パターンを含む領域を縦と横に複数の領
域に分割して、前記複数の各領域が前記筆記文字の部分
パターンの一部を含むか否かを判別して、その各領域に
2値化データを割り当てて、部分パターン毎に部分パタ
ーンパターンメモリに格納する部分パターンパターンメ
モリ変換部と、 前記各部分パターンパターンメモリを読み込み、前記各
部分パターンの輪郭データを抽出する部分パターン輪郭
抽出部と、 前記部分パターン輪郭抽出部より得られた部分パターン
の輪郭データから前記筆記文字の部分パターンの特徴量
を抽出する部分パターンオフライン方式特徴抽出部と、 前記部分パターンオフライン方式特徴抽出部により得ら
れた前記筆記文字の特徴量と部分パターンオフライン方
式認識辞書に予め格納してある前記認識対象の文字の部
分パターンの特徴量とのマッチング距離を算出する部分
パターンオフライン方式マッチング部と、 前記前処理部により平滑化された座標データ列から得ら
れる前記筆記文字全体を含む領域を縦と横に複数の領域
に分割して、前記複数の各領域が前記筆記文字の一部を
含むか否かを判別して、その各領域に2値化データを割
り当てて、パターンメモリに格納するパターンメモリ変
換部と、 前記パターンメモリを読み込み輪郭データを抽出する輪
郭抽出部と、 前記輪郭抽出部より得られた輪郭データから前記筆記文
字の特徴量を抽出するオフライン方式特徴抽出部と、 前記オフライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオフライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオフライン方式マッチング部と、 前記筆記文字のストローク数による得られる画数が前記
所定の画数よりも小さい時に、前記オフライン方式マッ
チング部と前記部分パターンオフライン方式マッチング
部とから出力される前記マッチング距離に基づいて、文
字認識を行う低画数文字識別部とを、 備えたことを特徴とするオンライン手書き文字認識装
置。 - 【請求項8】 タブレットに筆記入力して得られた筆記
文字の座標列の不要データを除去して平滑化を行う前処
理部と、 前記前処理部により平滑化された座標データ列から前記
筆記文字の特徴量を抽出するオンライン方式特徴抽出部
と、 前記オンライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオンライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオンライン方式マッチング部と、 認識対象の文字が筆記される時に筆記上一連のものとし
て筆記する部分を示す部分パターンのストローク位置に
合わせて前記座標データ列に基づいて分けられた前記筆
記文字の各部分パターンを含む領域を縦と横に複数の領
域に分割して、前記複数の各領域が前記筆記文字の部分
パターンの一部を含むか否かを判別して、その各領域に
2値化データを割り当てて、部分パターン毎に部分パタ
ーンパターンメモリに格納する部分パターンパターンメ
モリ変換部と、 前記各部分パターンパターンメモリを読み込み、前記各
部分パターンの輪郭データを抽出する部分パターン輪郭
抽出部と、 前記部分パターン輪郭抽出部より得られた部分パターン
の輪郭データから前記筆記文字の部分パターンの特徴量
を抽出する部分パターンオフライン方式特徴抽出部と、 前記部分パターンオフライン方式特徴抽出部により得ら
れた前記筆記文字の特徴量と部分パターンオフライン方
式認識辞書に予め格納してある認識対象の文字の部分パ
ターンの特徴量とのマッチング距離を算出する部分パタ
ーンオフライン方式マッチング部と、 前記前処理部により平滑化された座標データ列から得ら
れる前記筆記文字全体を含む領域を縦と横に複数の領域
に分割して、前記複数の各領域が前記筆記文字の一部を
含むか否かを判別して、その各領域に2値化データを割
り当てて、パターンメモリに格納するパターンメモリ変
換部と、 前記パターンメモリを読み込み輪郭データを抽出する輪
郭抽出部と、 前記輪郭抽出部より得られた輪郭データから前記筆記文
字の特徴量を抽出するオフライン方式特徴抽出部と、 前記オフライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオフライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオフライン方式マッチング部と、 前記筆記文字のストローク数により得られる画数が所定
の画数以上の時に、前記オンライン方式マッチング部と
前記オフライン方式マッチング部とから出力される前記
マッチング距離に基づき、文字認識を行う高画数文字識
別部と、 前記筆記文字のストローク数による得られる画数が前記
所定の画数よりも小さい時に、前記オフライン方式マッ
チング部と前記部分パターンオフライン方式マッチング
部とから出力される前記マッチング距離に基づいて、文
字認識を行う低画数文字識別部とを、 備えたことを特徴とするオンライン手書き文字認識装
置。 - 【請求項9】 タブレットに筆記入力して得られた筆記
文字の座標列の不要データを除去して平滑化を行う前処
理部と、 前記前処理部により平滑化された座標データ列から前記
筆記文字の特徴量を抽出するオンライン方式特徴抽出部
と、 前記オンライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオンライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオンライン方式マッチング部と、 認識対象の文字が筆記される時に筆記上一連のものとし
て筆記する部分を示す部分パターンのストローク位置に
合わせて前記座標データ列に基づいて分けられた前記筆
記文字の各部分パターンを含む領域を縦と横に複数の領
域に分割して、前記複数の各領域が前記筆記文字の部分
パターンの一部を含むか否かを判別して、その各領域に
2値化データを割り当てて、部分パターン毎に部分パタ
ーンパターンメモリに格納する部分パターンパターンメ
モリ変換部と、 前記各部分パターンパターンメモリを読み込み、前記各
部分パターンの輪郭データを抽出する部分パターン輪郭
抽出部と、 前記部分パターン輪郭抽出部より得られた部分パターン
の輪郭データから前記筆記文字の部分パターンの特徴量
を抽出する部分パターンオフライン方式特徴抽出部と、 前記部分パターンオフライン方式特徴抽出部により得ら
れた前記筆記文字の特徴量と部分パターンオフライン方
式認識辞書に予め格納してある前記認識対象の文字の部
分パターンの特徴量とのマッチング距離を算出する部分
パターンオフライン方式マッチング部と、 前記前処理部により平滑化された座標データ列から得ら
れる前記筆記文字全体を含む領域を縦と横に複数の領域
に分割して、前記複数の各領域が前記筆記文字の一部を
含むか否かを判別して、その各領域に2値化データを割
り当てて、パターンメモリに格納するパターンメモリ変
換部と、 前記パターンメモリを読み込み輪郭データを抽出する輪
郭抽出部と、 前記輪郭抽出部より得られた輪郭データから前記筆記文
字の特徴量を抽出するオフライン方式特徴抽出部と、 前記オフライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオフライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオフライン方式マッチング部と、 前記筆記文字のストローク数により得られる画数が所定
の画数以上の時に、前記オンライン方式マッチング部と
前記部分パターンオフライン方式マッチング部とから出
力される前記マッチング距離に基づき、文字認識を行う
高画数文字識別部と、 前記筆記文字のストローク数による得られる画数が前記
所定の画数よりも小さい時に、前記オフライン方式マッ
チング部と前記部分パターンオフライン方式マッチング
部とから出力される前記マッチング距離に基づいて、文
字認識を行う低画数文字識別部とを、 備えたことを特徴とするオンライン手書き文字認識装
置。 - 【請求項10】 タブレットに筆記入力して得られた筆
記文字の座標列の不要データを除去して平滑化を行う前
処理部と、 前記前処理部により平滑化された座標データ列から得ら
れる前記筆記文字全体を含む領域を縦と横に複数の領域
に分割して、前記複数の各領域が前記筆記文字の一部を
含むか否かを判別して、その各領域に2値化データを割
り当てて、パターンメモリに格納するパターンメモリ変
換部と、 前記パターンメモリを読み込み輪郭データを抽出する輪
郭抽出部と、 前記輪郭抽出部より得られた輪郭データから筆記文字の
特徴量を抽出するオフライン方式特徴抽出部と、 前記オフライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオフライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオフライン方式マッチング部と、 前記オフライン方式マッチング部から出力される前記マ
ッチング距離に基づいて、文字認識を行う識別部とを、 備えたことを特徴とするオンライン手書き文字認識装
置。 - 【請求項11】 タブレットに筆記入力して得られた筆
記文字の座標列の不要データを除去して平滑化を行う前
処理部と、 前記前処理部により平滑化された座標データ列から得ら
れる前記筆記文字全体を含む領域を縦と横に複数の領域
に分割して、前記複数の各領域が前記筆記文字の一部を
含むか否かを判別して、その各領域に2値化データを割
り当てて、パターンメモリに格納するパターンメモリ変
換部と、 前記パターンメモリを読み込み輪郭データを抽出する輪
郭抽出部と、 前記輪郭抽出部より得られた輪郭データから前記筆記文
字の特徴量を抽出するオフライン方式特徴抽出部と、 前記オフライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオフライン方式認識辞書に予め格納して
あり、前記筆記文字と同じストローク数を有する認識対
象の文字の特徴量とのマッチング距離を算出するオフラ
イン方式マッチング部と、 前記オフライン方式マッチング部から出力される前記マ
ッチング距離に基づいて、文字認識を行う識別部とを、 備えたことを特徴とするオンライン手書き文字認識装
置。 - 【請求項12】 タブレットに筆記入力して得られた筆
記文字の座標列の不要データを除去して平滑化を行う前
処理部と、 前記前処理部により平滑化された座標データ列から前記
筆記文字の特徴量を抽出するオンライン方式特徴抽出部
と、 前記オンライン方式特徴抽出部により得られた前記筆記
文字の特徴量とオンライン方式認識辞書に予め格納して
ある認識対象の文字の特徴量とのマッチング距離を算出
するオンライン方式マッチング部と、 前記筆記文字のストローク数による得られる画数が所定
の画数以上の時に、前記オンライン方式マッチング部か
ら出力される前記マッチング距離に基づいて、文字認識
を行う高画数文字識別部と、 認識対象の文字が筆記される時に筆記上一連のものとし
て筆記する部分を示す部分パターンのストローク位置に
合わせて前記座標データ列に基づいて分けられた前記筆
記文字の各部分パターンを含む領域を縦と横に複数の領
域に分割して、前記複数の各領域が前記筆記文字の部分
パターンの一部を含むか否かを判別して、その各領域に
2値化データを割り当てて、部分パターン毎に部分パタ
ーンパターンメモリに格納する部分パターンパターンメ
モリ変換部と、 前記各部分パターンパターンメモリを読み込み、前記各
部分パターンの輪郭データを抽出する部分パターン輪郭
抽出部と、 前記部分パターン輪郭抽出部より得られた部分パターン
の輪郭データから前記筆記文字の部分パターンの特徴量
を抽出する部分パターンオフライン方式特徴抽出部と、 前記部分パターンオフライン方式特徴抽出部により得ら
れた前記筆記文字の特徴量と部分パターンオフライン方
式認識辞書に予め格納してある前記認識対象の文字の部
分パターンの特徴量とのマッチング距離を算出する部分
パターンオフライン方式マッチング部と、 前記筆記文字のストローク数による得られる画数が前記
所定の画数よりも小さい時に、前記部分パターンオフラ
イン方式マッチング部から出力される前記マッチング距
離に基づいて、文字認識を行う低画数文字識別部とを、 備えたことを特徴とするオンライン手書き文字認識装
置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP8040124A JPH09231314A (ja) | 1996-02-27 | 1996-02-27 | オンライン手書き文字認識装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP8040124A JPH09231314A (ja) | 1996-02-27 | 1996-02-27 | オンライン手書き文字認識装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH09231314A true JPH09231314A (ja) | 1997-09-05 |
Family
ID=12572082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP8040124A Withdrawn JPH09231314A (ja) | 1996-02-27 | 1996-02-27 | オンライン手書き文字認識装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH09231314A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1315090C (zh) * | 2005-02-08 | 2007-05-09 | 华南理工大学 | 一种手写文字的识别方法 |
CN111027358A (zh) * | 2019-04-19 | 2020-04-17 | 广东小天才科技有限公司 | 一种基于书写进度的听写报读方法及电子设备 |
-
1996
- 1996-02-27 JP JP8040124A patent/JPH09231314A/ja not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1315090C (zh) * | 2005-02-08 | 2007-05-09 | 华南理工大学 | 一种手写文字的识别方法 |
CN111027358A (zh) * | 2019-04-19 | 2020-04-17 | 广东小天才科技有限公司 | 一种基于书写进度的听写报读方法及电子设备 |
CN111027358B (zh) * | 2019-04-19 | 2023-06-30 | 广东小天才科技有限公司 | 一种基于书写进度的听写报读方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0114250B1 (en) | Confusion grouping of strokes in pattern recognition method and system | |
US7174043B2 (en) | On-line handwriting recognizer | |
US6144764A (en) | Method and apparatus for on-line handwritten input character recognition and recording medium for executing the method | |
US6687401B2 (en) | Pattern recognizing apparatus and method | |
US5515455A (en) | System for recognizing handwritten words of cursive script | |
Shi et al. | Segmentation and recognition of connected handwritten numeral strings | |
TW389865B (en) | System and method for automated interpretation of input expressions using novel a posteriori probability measures and optimally trained information processing network | |
EP0436819B1 (en) | Handwriting recognition employing pairwise discriminant measures | |
JP2007058882A (ja) | パターン認識装置 | |
Gattal et al. | Segmentation and recognition strategy of handwritten connected digits based on the oriented sliding window | |
JPH09231314A (ja) | オンライン手書き文字認識装置 | |
Batuwita et al. | A customizable fuzzy system for offline handwritten character recognition | |
Tou et al. | Automatic recognition of handwritten characters via feature extraction and multi-level decision | |
Kim et al. | Handwritten numeral string recognition using neural network classifier trained with negative data | |
Batuwita et al. | Fuzzy recognition of offline handwritten numeric characters | |
JP3370184B2 (ja) | オンライン手書き文字認識方法 | |
Suters et al. | Connected handwritten digit separation using external boundary curvature | |
JPH09319826A (ja) | 手書き文字認識装置 | |
JP2003115028A (ja) | 帳票識別辞書自動生成方法及び帳票処理システム | |
Sadri et al. | Statistical characteristics of slant angles in handwritten numeral strings and effects of slant correction on segmentation | |
JP2007026470A (ja) | パターン認識装置 | |
Itoh et al. | Handwritten numeral verification method using distribution maps of structural features | |
JP2001092924A (ja) | パターン認識方法および装置 | |
JP2930996B2 (ja) | 画像認識方法および画像認識装置 | |
LEE | Chinese character recognition in Taiwan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20030506 |