JPS6355686A - Pattern recognizing method - Google Patents
Pattern recognizing methodInfo
- Publication number
- JPS6355686A JPS6355686A JP61199066A JP19906686A JPS6355686A JP S6355686 A JPS6355686 A JP S6355686A JP 61199066 A JP61199066 A JP 61199066A JP 19906686 A JP19906686 A JP 19906686A JP S6355686 A JPS6355686 A JP S6355686A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- categories
- distance
- category
- pair
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title description 8
- 238000012567 pattern recognition method Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010606 normalization Methods 0.000 abstract description 2
- 239000013598 vector Substances 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Landscapes
- Character Discrimination (AREA)
Abstract
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は、文字や音声の入力パターンを高精度で認識で
きる実用性の高いパターン認識方法に関するものである
。DETAILED DESCRIPTION OF THE INVENTION [Field of Industrial Application] The present invention relates to a highly practical pattern recognition method that can recognize input patterns of characters and sounds with high accuracy.
パターン認識方法の従来例の１つにパターンマツチング
法がある。これは、予め各カテゴリーに対して学習デー
タを用いて作成された標準パターンと入力パターンとの
間で距離計算を行ない、最小距離（最大類似度）を有す
るカテゴリーを認識結果とするもので、かすれ文字等に
有用な方法である。One of the conventional pattern recognition methods is a pattern matching method. This method calculates the distance between the input pattern and a standard pattern created in advance using learning data for each category, and uses the category with the minimum distance (maximum similarity) as the recognition result. This method is useful for characters, etc.
しかしながら、パターンマツチング法では、標準パター
ンを作成する際、一般に、他カテゴリーとの関係を考慮
に入れておらず、また、類似文字の距離の接近により識
別不能となるいわゆるリジェクトが発生するという問題
があった。However, pattern matching methods generally do not take into account relationships with other categories when creating standard patterns, and there is also the problem that so-called rejects occur where similar characters become indistinguishable due to their proximity. was there.
このような問題点を解決するために本発明は、パターン
マツチングの結果により距離チェ・ツクを行ない、他カ
テゴリーとの距離の接近がない場合はパターンマツチン
グの結果を認識結果とし、他カテゴリーとの距離の接近
がある場合は接近するカテゴリーの組を類似文字の組と
して検出し、予め学習データを用いて作成しておいた対
判定辞書により人カバターンがどのカテゴリーであるか
の識別を行ない、すべての識別で否定されないカテゴリ
ーを認識結果とするようにしたものである。In order to solve such problems, the present invention performs a distance check based on the result of pattern matching, and when there is no closeness to other categories, the result of pattern matching is used as the recognition result, and the result of pattern matching is used as the recognition result. If the distance between the character and character is approaching, the group of categories approaching is detected as a group of similar characters, and the category to which the human cover turn belongs is identified using a pair judgment dictionary created in advance using learning data. , the recognition result is a category that is not denied in all identifications.
本発明においては、類似文字に対しても高精度の認識を
行なうことができる。In the present invention, even similar characters can be recognized with high precision.
第１図は、本発明に係わるパターン認識方法の一実施例
を説明するためのパターン認識系を示す系統図である。FIG. 1 is a system diagram showing a pattern recognition system for explaining an embodiment of the pattern recognition method according to the present invention.
入力パターンは２値化部１で多値パターンから２値パタ
ーンへ変換され、前処理部２でノイズ除去・正規化等の
処理が施され、ボカシ部３で例えばガウス型フィルタに
より入力パターンの画像サイズを変換する。予め学習デ
ータを用いて各カテゴリーの標準パターンを作成し、得
られた標準パターンを辞書７に格納しておく。マツチン
グ部４では、入力パターンと標準パターンとのマツチン
グが行なわれ、各カテゴリーの標準パターンに対する入
力パターンの距離が計算される。The input pattern is converted from a multi-value pattern to a binary pattern in the binarization unit 1, subjected to processing such as noise removal and normalization in the pre-processing unit 2, and the image of the input pattern is converted into an image by a Gaussian filter in the blurring unit 3. Convert size. A standard pattern for each category is created in advance using learning data, and the obtained standard pattern is stored in the dictionary 7. The matching section 4 performs matching between the input pattern and the standard pattern, and calculates the distance of the input pattern to the standard pattern of each category.
前記距離を基に、距離チェック部５で、相異なるカテゴ
リーの距離差が予め定めておいた闇値より小さいカテゴ
リーの組を類似文字の組として検出し、対判定部８へ転
送する。相異なるカテゴリー間の距離差が上記闇値以上
であれば、パターンマツチングの結果を認識結果として
判定部６へ出力する。Based on the distance, the distance checking unit 5 detects a set of categories in which the distance difference between different categories is smaller than a predetermined darkness value as a set of similar characters, and transfers the detected set to the pair determining unit 8. If the distance difference between the different categories is equal to or greater than the darkness value, the pattern matching result is output to the determination section 6 as the recognition result.
対判定部８では、予め類似文字の組として検出されたカ
テゴリーの学習データを用いてオフライン時に対判定辞
書作成部１０で作成しておいた対判定辞書９により類似
文字間の識別を行なう。判定部６では、入力パターンの
属するカテゴリーが決定される。The pair determination section 8 discriminates between similar characters using the pair determination dictionary 9, which has been created by the pair determination dictionary creation section 10 during off-line using learning data of categories detected in advance as sets of similar characters. The determining unit 6 determines the category to which the input pattern belongs.
第１図の構成のうち対判定部８および対判定辞書作成部
１０以外の部分は公知の技術から比較的容易に構成でき
るので説明を省略し、対判定部８および対判定辞書作成
部１０について詳細に説明する。Of the configuration shown in FIG. 1, the parts other than the pair determination section 8 and the pair determination dictionary creation section 10 can be configured relatively easily using known techniques, so the explanation will be omitted. Explain in detail.
まず、対判定辞書作成部１０について説明する。First, the pair determination dictionary creation section 10 will be explained.
第２図は、対判定辞書作成部１０の詳細な構成を示す系
統図である。以下、各処理について説明する。カテゴリ
ーｉとカテゴリーｊ （ｉ≠ｊ）とが類似文字の組とし
て距離チェック部５より送られてきたとする。クラス内
共分散行列計算部１１では、次式によりクラス内共分散
行列Σ８を求める。FIG. 2 is a system diagram showing the detailed configuration of the pair determination dictionary creation section 10. Each process will be explained below. Assume that category i and category j (i≠j) are sent from the distance check unit 5 as a set of similar characters. The intra-class covariance matrix calculation unit 11 calculates the intra-class covariance matrix Σ8 using the following equation.
Σｗ＝ （Ｎ、Σ＜＋ ＮｊΣｉ） ／ （Ｎ１＋Ｎｊ
） ・・−・（１）ここで、Σｉ、Σｊはそれぞれカテ
ゴリーｉ、ｊの共分散行列で、Ｎ、、 ＮＪはそれぞれ
カテゴリーｉ、ｊの学習データ数である。Σw= (N, Σ<+ NjΣi) / (N1+Nj
) ... (1) Here, Σi and Σj are the covariance matrices of categories i and j, respectively, and N,, NJ are the numbers of learning data of categories i and j, respectively.
クラス間共分散行列計算部１２では、次式によりクラス
間共分散行列Σ８を求める。The inter-class covariance matrix calculation unit 12 calculates the inter-class covariance matrix Σ8 using the following equation.
Σｍ＝ （ｕニーＪ」）（＃ニーＪユ）Ｔ・・・・（２
）ここで、Ｊユ、ＬＬはそれぞれカテゴリーｉ、ｊの平
均ベクトルで、Ｔは転置を表わす。Σm= (u knee J") (#nee J yu) T... (2
) Here, Jyu and LL are the average vectors of categories i and j, respectively, and T represents transposition.
判別ベクトル計算部１３では、判別分析により判別ベク
トル、Ｗ−を求める。判別分析は、相異なるカテゴリー
を識別する上で有用な特徴を抽出する手法である。判別
分析の評価基準Ｊ （Ｗ）を次式で定義する。The discriminant vector calculation unit 13 calculates a discriminant vector, W-, by discriminant analysis. Discriminant analysis is a method for extracting features useful in distinguishing between different categories. The evaluation criterion J (W) for discriminant analysis is defined by the following equation.
Ｊ （異）＝異７ΣｍＷ／ （ｗＴΣ、ｗ）、、、、（
３１Ｊ （Ｗ）を最大とする判別ベクトル！は最大識別
能力を有するベクトルで、次式により与えられる。J (different) = different7ΣmW/ (wTΣ, w),,,,(
Discrimination vector that maximizes 31J (W)! is the vector with the maximum discriminative ability, and is given by the following equation.
先＝Σ８（Ｌ、−ム）・・・・（４）
ここで、αをスカラー量としたときのＪ（αＷ）＝Ｊ（
光）より、Ｊ （Ｗ）は、Ｗ−の大きさに対し不変であ
るので、異を次式により正規化する。Ahead = Σ8(L, -m) (4) Here, J (αW) = J( when α is a scalar quantity)
Since J (W) is invariant to the magnitude of W-, the difference is normalized using the following equation.
！＝Σ％、ｌ（ムーム）／１１Σ賀ムーム）１１・・・
・（５）ここでＩｔ ｘ Ｉｆはベクトル五〇ノルムで
ある。! =Σ%, l (moum)/11Σgamoum) 11...
・(5) Here, It x If is the vector 50 norm.
闇値設定部１４では、判別ベクトル計算部１３で得られ
たベクトル立上にカテゴリーｉ、ｊの全学習データを射
影して一次元データ分布を形成し、−次元データ分布上
で誤り率が最小となるように閾値Ｗ０を設定する。The dark value setting unit 14 projects all learning data of categories i and j onto the vector obtained by the discriminant vector calculation unit 13 to form a one-dimensional data distribution, and calculates the error rate to be the minimum on the -dimensional data distribution. The threshold value W0 is set so that.
例として第３図に二次元空間（ｘｉ、ｘ２）内のカテゴ
リーｉ、ｊに対して得られた判別ベクトル、Ｗ−を示し
、第４図に判別ベクトルＷ、上に２つのカテゴリーの学
習データを射影することにより形成された一次元データ
分布上での閾値ｗ０を示す。As an example, Fig. 3 shows the discriminant vectors W- obtained for categories i and j in the two-dimensional space (xi, x2), Fig. 4 shows the discriminant vector W, and the training data of the two categories are shown above. The threshold value w0 on the one-dimensional data distribution formed by projecting is shown.
第４図においては、入力パターン五と判別へクトル豊と
の内積値異丁五が閾値ｗ０より小さい場合は入力パター
ン玉はカテゴリーｉに属すと決定され、閾値ｗ０より大
きい場合は入力パターンエはカテゴリーｊに属すと決定
される。In FIG. 4, if the inner product value of the input pattern 5 and the discrimination Hector Yutaka is smaller than the threshold w0, the input pattern ball is determined to belong to category i, and if it is larger than the threshold w0, the input pattern 5 is determined to belong to the category i. It is determined that it belongs to category j.
次に、例として数字・カタカナ混在の認識系を用いて対
判定辞書９の構成を説明する。例えば、１とノ、７とり
、コとワ、工とユが類似文字の組として登録されたとす
る。このとき対判定辞書９の構成は表のようになる。Next, the configuration of the pair judgment dictionary 9 will be explained using a recognition system that uses mixed numbers and katakana as an example. For example, assume that 1 and ノ, 7-tori, ko and wa, and ko and yu are registered as a set of similar characters. At this time, the configuration of the pair judgment dictionary 9 is as shown in the table.
カテゴリー１とノの組に対し、Ｗｌ／は１とノとを識別
する判別ベクトルで、ｗ、１ノはそれの闇値である。他
の類似文字の組に対しても同様に判別ベクトルと閾値と
が格納されている。For the pair of categories 1 and 2, Wl/ is a discrimination vector that discriminates between 1 and 1, and w and 1 are their darkness values. Discrimination vectors and threshold values are similarly stored for other similar character sets.
最後に対判定部８について説明する。対判定部８では、
距離チェック部５で検出された類似文字の組が対判定辞
書９内に登録されていた場合、その判別ベクトル立と入
力パターン五との内積演算が行なわれ、次に、内積値、
菫Ｔ五Ｔｏ閾値Ｗ０との大小関係により、カテゴリーｉ
ｔ ｊのどちらのカテゴリーのパターン”であるか識
別される。その際、入力パターンが属さないと判定され
たカテゴリーは否定される。一般に、複数個の類似文字
の組が登１景されている場合、すべての識別で否定され
ないカテゴリーが認識結果として出力される。Finally, the pair determination section 8 will be explained. In the pair determination section 8,
If the set of similar characters detected by the distance check unit 5 is registered in the pair judgment dictionary 9, an inner product calculation of the discrimination vector set and the input pattern 5 is performed, and then the inner product value,
Depending on the size relationship with SumitomoT5To threshold W0
It is identified to which category of tj the pattern belongs.At this time, the category to which it is determined that the input pattern does not belong is rejected.In general, multiple sets of similar characters are registered. In this case, categories that are not denied in all identifications are output as recognition results.
このことを表の対判定辞書９の構成を用いて具体的に説
明する。正解が７であるパターンが入力され、パターン
マツチングにより計算された距離に対し、距離チェック
部５で７．り、ワの距離が接近しているとして出力され
、対判定部８にパターンが入力されたとする。表に示す
ように、対判定辞書９には７とり、７とワという２つの
類似文字の組が登録されている。まず、入力パターンが
７とりのいずれであるかということが１．■、とＷｏｑ
とを用いて識別され、続いて７とワのいずれである
かということが、Ｗ−１とｗｏ、 とを用いて識別さ
れる。このとき、７とりでりが否定され、７とワでワが
否定されたときだけ、７が認識出力として出力される。This will be specifically explained using the configuration of the table pair judgment dictionary 9. A pattern whose correct answer is 7 is input, and the distance check unit 5 calculates 7 for the distance calculated by pattern matching. Assume that the pattern is output as being close to the wa and the pattern is input to the pair determination unit 8. As shown in the table, two sets of similar characters, 7 and wa, are registered in the pair judgment dictionary 9. First, the input pattern is 1. ■, and Woq
Then, whether it is 7 or wa is identified using W-1 and wo. At this time, only when 7 is negated and 7 and wa are negated, 7 is output as a recognition output.
もし、７とりでりが否定され、７とワで７が否定された
ならば、７は認識結果として出力されない。本実施例の
場合、対判定部８が積和演算主体であるので、積和演算
型の汎用パターンマツチング回路により対判定部８を容
易に構成できるという利点がある。If 7 is negated and 7 and wa are negated, 7 will not be output as a recognition result. In the case of this embodiment, since the pair determining section 8 mainly performs the product-sum operation, there is an advantage that the pair determining section 8 can be easily configured with a general-purpose pattern matching circuit of the product-sum operation type.
本実施例では、第４図に示すように、１つの閾値Ｗ０に
より入力パターンが２つのカテゴリーのうちのいずれに
入るかという識別を行なったが、誤読率低減のため、２
つに闇値を用いて一次元データ分布を３つの領域に分割
しリジェクＨＩ域を設定することも可能である。In this embodiment, as shown in FIG. 4, one threshold value W0 is used to identify which of two categories an input pattern falls into.
It is also possible to divide the one-dimensional data distribution into three regions using the darkness value and set a reject HI region.
以上説明したように本発明は、他カテゴリーとの距離の
接近がない場合はパターンマツチングの結果を認識結果
とし、他カテゴリーとの距離の接近がある場合は接近す
るカテゴリーの組を類似文字の組として検出し、対判定
辞書により入力パターンがどのカテゴリーであるかの識
別を行ない、すべての識別で否定されないカテゴリーを
認識結果とすることにより、類似文字の距離が接近して
も識別不能となることがなくなり、高精度のパターン認
識を行なうことができる効果がある。As explained above, the present invention uses the result of pattern matching as the recognition result when the distance from other categories is not close, and when the distance from other categories is close, the set of approaching categories is used as the recognition result. By detecting them as a pair, identifying which category the input pattern belongs to using a pair judgment dictionary, and using the category that is not denied in all identifications as the recognition result, it becomes impossible to distinguish similar characters even if they are close to each other. This has the effect of making it possible to perform highly accurate pattern recognition.
また、類似文字の組を増加すれば、パターン認識を更に
高精度のものとすることができる効果がある。Furthermore, increasing the number of sets of similar characters has the effect of making pattern recognition even more accurate.
第１図は本発明に係わるパターン認識方法の一実施例を
説明するためのパターン認識系を示す系統図、第２図は
第１図のパターン認識系を構成する対判定辞書作成部の
構成を示す系統図、第３図は二次元空間内の２つのカテ
ゴリーに対して得られた判別ベクトル−■を示す図表、
第４図は判別ベクトル立上に射影して得られた一次元デ
ータ分布と閾値Ｗ０とを示す図表である。
１・・・２値化部、２・・・前処理部、３・・・ボカシ
部、４・・・マツチング部、５・・・距離チェック部、
６・・・判定部、７・・・辞書、８・・・対判定部、９
・・・対判定辞書、１０・・・対判定辞書作成部、１１
・・・クラス内共分散行列計算部、１２・・・クラス間
共分散行列計算部、１３・・・判別ベクトル計算部、１
４・・・闇値設定部。FIG. 1 is a system diagram showing a pattern recognition system for explaining one embodiment of the pattern recognition method according to the present invention, and FIG. Figure 3 is a diagram showing the discriminant vectors -■ obtained for two categories in a two-dimensional space.
FIG. 4 is a chart showing the one-dimensional data distribution obtained by projecting onto the discriminant vector and the threshold value W0. 1... Binarization section, 2... Preprocessing section, 3... Blurring section, 4... Matching section, 5... Distance check section,
6... Judgment section, 7... Dictionary, 8... Pair judgment section, 9
... Pair judgment dictionary, 10... Pair judgment dictionary creation unit, 11
... Intra-class covariance matrix calculation unit, 12... Inter-class covariance matrix calculation unit, 13... Discriminant vector calculation unit, 1
4...Dark value setting section.
Claims (1)
、他カテゴリーとの距離の接近がない場合はパターンマ
ッチングの結果を認識結果とし、他カテゴリーとの距離
の接近がある場合は接近するカテゴリーの組を類似文字
の組として検出し、予め学習データを用いて作成してお
いた対判定辞書により入力パターンがどのカテゴリーで
あるかの識別を行ない、すべての識別で否定されないカ
テゴリーを認識結果とすることを特徴とするパターン認
識方法。A distance check is performed based on the result of pattern matching. If the distance to other categories is not close, the result of pattern matching is used as the recognition result, and if the distance to other categories is close to each other, the set of approaching categories is used as a recognition result. It is characterized by detecting the input pattern as a pair, identifying which category the input pattern belongs to using a pair judgment dictionary created in advance using learning data, and taking the category that is not denied by all identifications as the recognition result. Pattern recognition method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61199066A JPS6355686A (en) | 1986-08-27 | 1986-08-27 | Pattern recognizing method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61199066A JPS6355686A (en) | 1986-08-27 | 1986-08-27 | Pattern recognizing method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS6355686A true JPS6355686A (en) | 1988-03-10 |
Family
ID=16401541
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP61199066A Pending JPS6355686A (en) | 1986-08-27 | 1986-08-27 | Pattern recognizing method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6355686A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03217996A (en) * | 1990-01-12 | 1991-09-25 | Internatl Business Mach Corp <Ibm> | Method of discriminating handwritten character |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58207183A (en) * | 1982-05-27 | 1983-12-02 | Nec Corp | Character discriminating system |
-
1986
- 1986-08-27 JP JP61199066A patent/JPS6355686A/en active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS58207183A (en) * | 1982-05-27 | 1983-12-02 | Nec Corp | Character discriminating system |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03217996A (en) * | 1990-01-12 | 1991-09-25 | Internatl Business Mach Corp <Ibm> | Method of discriminating handwritten character |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ismail et al. | Off-line Arabic signature recognition and verification | |
| Besbes et al. | Multimodal biometric system based on fingerprint identification and iris recognition | |
| Jain et al. | Deformable matching of hand shapes for user verification | |
| Coetzer et al. | Offline signature verification using the discrete radon transform and a hidden Markov model | |
| Arora et al. | Recognition of non-compound handwritten devnagari characters using a combination of mlp and minimum edit distance | |
| US3755780A (en) | Method for recognizing characters | |
| EP0436819B1 (en) | Handwriting recognition employing pairwise discriminant measures | |
| CN101408929A (en) | Multiple-formwork human face registering method and apparatus for human face recognition system | |
| Ismail et al. | An efficient off line signature identification method based on fourier descriptor and chain codes | |
| CN110826408A (en) | Face recognition method by regional feature extraction | |
| Fernando et al. | Novel approach to use HU moments with image processing techniques for real time sign language communication | |
| Upadhyay et al. | A review on different facial feature extraction methods for face emotions recognition system | |
| Paul et al. | Component-based face recognition using statistical pattern matching analysis | |
| Han et al. | Off-line cursive handwriting segmentation | |
| Toh | Fingerprint and speaker verification decisions fusion | |
| Bulugu et al. | Higher-order local autocorrelation feature extraction methodology for hand gestures recognition | |
| JPS6355686A (en) | Pattern recognizing method | |
| Aravinth et al. | A novel feature extraction techniques for multimodal score fusion using density based gaussian mixture model approach | |
| Sharma et al. | Multimodal biometric system fusion using fingerprint and face with fuzzy logic | |
| Tariq et al. | An automated system for fingerprint classification using singular points for biometric security | |
| Peng et al. | A score level fusion method on fingerprint and finger vein | |
| Xu et al. | Coin recognition method based on SIFT algorithm | |
| CN111428670A (en) | Face detection method, face detection device, storage medium and equipment | |
| Javed et al. | Computerized system for fingerprint classification using singular points | |
| Tutsoy et al. | Analysis of facial characteristics |