KR940001047B1 - 온라인 필기체 인식시스템 및 방법. - Google Patents
온라인 필기체 인식시스템 및 방법. Download PDFInfo
- Publication number
- KR940001047B1 KR940001047B1 KR1019920002214A KR920002214A KR940001047B1 KR 940001047 B1 KR940001047 B1 KR 940001047B1 KR 1019920002214 A KR1019920002214 A KR 1019920002214A KR 920002214 A KR920002214 A KR 920002214A KR 940001047 B1 KR940001047 B1 KR 940001047B1
- Authority
- KR
- South Korea
- Prior art keywords
- character
- input
- unit
- points
- value
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
- G06V30/36—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/186—Extraction of features or characteristics of the image by deriving mathematical or geometrical properties from the whole image
- G06V30/187—Frequency domain transformation; Autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
내용 없음.
Description
제1도는 종래 온라인 필기체 인식시스템 구성도.
제2도는 본 발명 온라인 필기체 인식시스템 구성도.
제3도는 제2도의 온라인 필기체 인식시스템에 대한 상세도.
제4도는 제2도에 따른 동작설명의 일예도.
제5도는 제4도에 따른 필기체 데이타의 처리과정을 보인 일예도로서, (a)는 테블렛입출력부에 입력된 필기체 데이타이고, (b)는 전처리부에서 처리된 필기체 데이타이며, (c)는 특징추출부에서 퓨리변환된 주파수별 크기를 나타낸 그래프도이다.
* 도면의 주요부분에 대한 부호의 설명
1 : 테블렛입출력부 2 : 전처리부
3 : 특징추출부 4 : 문자인식부
4a,4b : 제1,제2신경회로망부 5 : 인식결과부
본 발명은 펜컴퓨터, 필기체 입력 전자수첩, 필기체 입력 문서편집기등에 있어서, 한글 및 영문의 흘림체를 온라인으로 인식하는 문자인식에 관한 것으로, 특히 퓨리변환과 신경회로망을 이용하여 한글의 흘림체와 같이 복잡한 글자의 획과 영문 및 숫자등의 개인적인 필기 습관에 의해 변형되어 입력되는 획을 효율적으로 인식하는 온라인 필기체 인식시스템 및 방법에 관한 것이다.
일반적으로 퓨리변환을 이용한 문자자동 인식 시스템에서 테블렛과 같은 입력수단을 통해 입력되는 수서(手書)문자를 자동으로 인식하기 위해서는 테블렛을 통해 사용자가 글씨를 쓰면 획이 지나가면서 생긴 좌표의 열을 입력으로 받고 X 좌표의 열과 Y좌표의 열을 퓨리변환하여 퓨리계수를 구하게 된다. 상기의 계산에서 얻어진 퓨리계수를 저장되어 있는 기준문자의 퓨리계수와 비교하여 가장 비슷한 기준문자로 필기체를 인식하게 된다.
이와같은 종래의 퓨리변환을 이용한 온라인 필기체 인식시스템은 첨부된 도면 제1도에 도시된 바와같이, 테블렛입출력부(1)를 통해 입력된 글자의 X좌표, Y좌표의 점들중에서 서로 근접한 거리에 있는 점을 필터링하여 제거하고 입력 점들의 크기의 변화와 속기의 시간차에 대한 입력 점들의 일정한 크기 및 거리로 정규화하는 전처리부(2)와, 상기 전처리부(2)를 통해 일정한 점의 크기 및 일정한 점의 갯수를 갖는 좌표점을 X, Y축으로 퓨리변환하여 문자획의 퓨리계수를 구하는 특징추출부(3)와, 상기 특징추출부(3)로 부터 구한 문자획의 퓨리계수와 기준입력 패턴부(4)에 데이타 베이스화되어 저장된 기준문자획의 퓨리계수를 비교하여 기준획과의 차이 및 영역간의 차이로 입력문자를 인식하는 문자인식부(5)와, 상기 문자인식부(5)로 인식한 결과를 테블렛입출력부(1)로 전달하는 인식결과부(6)로 구성되어 있다.
이와같이 구성된 종래 온라인 필기체 인식시스템은 테이블렛입출력부(1)를 통하여 글자의 점들이 입력되면 전처리부(2)는 입력된 점들중에서 서로 근접한 거리에 있는 점을 필터링하여 제거하고 입력점들의 크기의 변화에 관계없이 인식하기 위하여 입력점들의 크기를 정규화하게 된다. 즉, 일정한 크기의 글자로 변환하기 위하여 글자획의 테두리를 구하고 각점을 일정한 비율로 정규화하게 된다. 이러한 전처리부(2)를 통해 일정한 점의 크기 및 일정한 점의 갯수를 갖는 X좌표와 Y좌표를 특징추출부(3)에서 각각 분리하여 퓨리변환하고 입력점들의 시간에 대한 좌표함수를 이와같이 주파수영역으로 변환하여 문자획의 퓨리계수를 구하게된다. 이와같이 구한 문자획의 정보를 이용하여 문자를 인식하게 되는데, 이 문자인식방식은 문자인식부(5)에서 특징추출부(3)로 부터 구한 문자획의 퓨리계수와 이미 기준입력패턴부(4)에 입력이 예상되는 문자를 데이타 베이스화하여 저장한 기준문자획의 퓨리계수를 비하여 가장 비슷한 기준문자로 인식 출력하게 된다. 즉, 여기서 비교하는 확률적 방법은 베이시안 방법(Bayesian Decision Rule)을 이용하게 된다. 이 베이시안 측정법은 기본획과 입력획 사이의 비유사도 측정시 벌점을 부과하게 되는데, 먼저 시작영역이 다를 경우, 기준획보다 추가된 데이타가 있을경우, 기준획에 비해 삭제된 데이타가 있을 경우, 비교후 기준획과 차이가 있을경우, 획의 영역간의 차이가 있을경우 벌점을 부과하게 되고, 입력획과 기준획의 비교시 벌점이 가장작은 기준획이 인식결과로 출력된다.
그러나 이와같은 종래 퓨리변환을 이용한 필기체 인식시스템은 특징추출부에서 입력문자 획의 퓨리계수를 구하는데 X축과 Y축을 분리하여 구하므로써 계산시간이 상당히 길어지고, 또한 문자인식부에 있어서 기준문자와 입력 문자를 비교하여 인식하게 되므로써 기준문자의 선정이 불합리하다면 인식단계에서 나타나는 애매성에 대한 처리가 부족하여 인식률이 저하되는 단점이 있고, 기준문자 선정에 있어서도 개인적인 필기습관을 고려하지 못하게 되어 특별한 글씨습관을 가진 사람은 사용이 불가능한 문제점이 있었다.
따라서 본 발명의 목적은 테블릿입출력부를 통한 입력 점들중에서 서로 근접한 점들 및 중복된 점들을 제거하고 크기에 관계없이 입력된 글자의 테두리를 보고 일정한 크기로 정규화시킴과 아울러 입력에서 오는 시간차 보상을 위한 전체획을 일정갯수로 나누어 속기에 관계없이 같은 수의 입력점 갯수를 구하고 입력점들을 하나의 신호로 압축변환하여 퓨리계수를 구한후 그 퓨리계수를 다시 실수부와 허수부로 분리학습시켜 여기서 출력된 값으로 복잡하고 긴 영문과 한글 및 숫자의 흘림체를 신속하고 기준입력 없이 정확하게 인식하도록 퓨리변환과 신경회로망을 이용한 온라인 필기체 인식시스템 및 그 방법을 제공함에 있다.
이와같은 본 발명의 목적은 테블렛입출력부를 통해 입력된 글자의 점들중에서 서로 근접한 거리에 있는 점을 거리필터로 제거하고 입력 점들의 크기의 변화화 속기의 시간차에 대한 입력 점들의 일정한 크기 및 거리로 정규화하는 전처리부와, 상기 전처리부를 통해 일정한 점의 크기 및 일정한 점의 갯수를 갖는 좌표점을 퓨리변환하고 입력 점들의 시간에 대한 좌표함수를 주파수영역으로 변환하여 글자획의 퓨리계수를 허수부와 실수부로 분리하고 그 분리된 허수부와 실수부에 가중치를 곱한 후 이를 퍼셉트론을 이용하여 문자를 인식하는 문자인식부로 구성함으로써 달성되는 것으로, 이하 본 발명을 첨부한 도면에 의거 상세히 설명하면 다음과 같다.
제2도는 본 발명 온라인 필기체 인식시스템 구성도이고, 제3도는 제2도의 전처리부와 문자인식부에 대한 상세도로서, 이에 도시한 바와같이, 테이블렛입출력부(1)을 통한 X좌표와 Y좌표의 글자 점들중에서, 근접거리 있는 점 및 중복되는 점을 거리필터(2a)로 제거하고 그 거리필터(2a)를 통한 입력점을 크기에 관계없이 일정한 크기의 글자로 변환하기 위해 획의 테두리를 구하고 각점을 일정한 비율로 변환함과 아울러 그 다음 쓰는데 걸리는 시간의 차이를 보상하기 위해 전체적인 방향을 유지토록하여 일정갯수로 획을 나누어 입력점의 갯수에 관계없이 일정한 거리와 갯수를 가지는 좌표열로 정규화부(2b)를 통해 정규화하는 전처리부(2)와, 상기 전처리부(2)로 부터 정규화되어 순차 입력되는 일정한 크기 및 일정한 점의 갯수를 갖는 좌표점을 퓨리변환하고 입력점들의 시간에 대한 좌표함수를 주파수영역으로 변환하여 퓨리계수를 구하는 특징추출부(3)와, 상기 특징추출부(3)로 부터 구한 글자획의 퓨리계수를 허수부와 실수부로 분리하고 그 분리된 퓨리계수의 허수부 및 실수부에 데이타 베이스화된 가중치를 연산하여 문자를 인식하는 문자인식부(4)와, 상기 문자인식부(4)로 부터 인식된 결과를 테블렛입출력부(1)로 출력하는 인식결과부(5)로 구성한다.
상기에서 문자인식부(4)는 상기 특징추출부(3)로 부터 구한 퓨리계수의 실수에 가중치를 곱하여 그 결과 신호를 출력하는 제1신경회로망부(4a)와, 상기 특징추출부(3)로 부터 구한 퓨리계수의 허수에 가중치를 곱하여 그 결과신호를 출력하는 제2신경회로망부(4b)와, 상기 제1신경회로망부(4a)의 출력값과 제2신경회로망부(4b)의 출력값에서 작은값을 선택하고 그 선택한 작은값들 중에서 큰값을 선택하여 인식결과부(5)에 출력하는 최소/최대값 알고리즘부(4c)로 구성한다.
이와같이 구성된 본 발명의 작용, 효과를 제2도 내지 제5도를 참조하여 상세히 설명하면 다음과 같다.
먼저 입출력테블렛(1)을 통하여 제4도 및 제5도의 (a)와 같은 글자의 점들이 입력되면 전처리부(2)의 거리필터(2a)는 느린 속도의 필기에서 오는 근접한 점 및 중복된 점을 제거하기 위하여 각 점들사이의 거리를 측정하여 근접한 점 및 중복된 점들을 제거하게 되는데, 일예로 K번째 입력된 점의 X좌표를 X(K), Y좌표를 Y(K)라 하면 거리필터(2a)는 다음과 같이 정의된다.
[수학식 1]
상기 식의 조건을 만족한 점들은 입력으로 받아들이고 만족하지 못하는 점들은 제거하게 된다. 상기에서 d는 거리필터(2a)의 한계값으로 d=1로 정의한다.
이후 상기 거리필터(2a)를 통해 필터링된 입력점을 크기에 관계없이 인식하기 위하여 정규화부(2b)에서 일정한 점의 크기와 거리로 정규화하게 된다. 즉, 글씨를 느리게 쓰는 경우에는 정규화부(2b)에 많은 점들이 입력되고 빠르게 쓰는 경우에는 적은 점들이 입력되므로 정규화부(2b)는 이를 보상하기 위하여 일정한 거리로 정규화하게 되고, 또한 입력점의 크기변화에 관계없이 일정한 크기의 글자로 변환하기 위해 글자획의 테두리를 구하고 각점을 일정한 비율로 변환함과 아울러 글자의 다음 획을 쓰는데 걸리는 시간의 차이를 보상하기 위하여 전체획의 방향을 유지하도록 하여서 일정한 갯수로 샘플릿하여 획을 나눈후 입력점의 갯수에 관계없이 일정한 거리와 일정한 샘플링 갯수를 가지는 좌표열로 변환하게 된다. 상기 과정을 거친후에는 입력획은 원래의 모양을 유지하면서 제5도의 (b)와 같이 일정한 크기와 일정한 샘플점 갯수를 갖는 좌표점으로 변화되어 특징추출부(3)를 통해 일정한 크기 및 일정한 점의 갯수를 갖고 순차입력되는 좌표점을 퓨리변환하고 입력점들의 시간에 대한 좌표함수를 주파수 영역으로 변환하여 퓨리계수를 구하게 된다. 이때 순차적인 입력점들의 좌표열을 퓨리변환하게 되면 입력점들의 시간에 대한 좌표함수가 제5도의 (c)와 같이 주파수 영역으로 변환된다. 따라서 입력점들은 퓨리계수로 표시되게 되고 그 퓨리계수내에 입력획의 모양을 가지고 있게 된다. 일예로, 전처리부(2)를 통한 j번째 입력점의 좌표들을 X(j)와 Y(j)로 표시하고자 하면 퓨리변환을 하기 위한 신호 Z(j)는 다음과 같이 표시된다.
즉,
[수학식 2]
로 표시된다. 여기서 i는 허수이다.
상기의 식과 같이 획의 X축의 궤적을 실수부로 취하고 Y축의 궤적을 허수부로 취하여 하나의 신호로 만들어 압축된 정보를 얻게 된다. 그리고 상기 X,Y축의 궤적을 -1과 1사이에 있게 하면 입력신호가 단위원상에서 움직이게 되어 효율적인 퓨리변환을 하게 된다.
상기 입력신호를 가지고 이산 퓨리변환은 다음과 같이 된다.
[수학식 3]
여기에서 C(K)는 퓨리계수가 되고 복소수로 표현되어 문자인식부(4)에 입력된다.
상기한 문자인식부(4)는 특징추출부(3)에서 구한 퓨리계수로 제1신경회로망부(4a)와 제2신경회로망부(4b)를 이용하여 입력된 글자를 인식하게 되는데, 제1, 제2신경회로망부(4a)(4b)를 이용하게 되면 인식에 필요한 규칙을 찾아내는 것과, 필기자의 습관을 단지 학습을 통해 얻을 수 있다. 즉, 여러사람이 쓴 글씨를 입력으로 주고 지정된 코드가 출력되도록 제1,제2신경회로망부(4a)(4b)를 학습시키게 된다. 그러면 가중치에 인식을 위한 정보가 자동으로 만들어지고, 인식할 입력데이타가 들어오면 전처리부(2)와 특징추출부(3)를 거친후 제1, 제2신경회로망부(4a)(4b)에 입력되어 인식된 결과가 출력된다. 이때 제1, 제2신경회로망부(4a)(4b)는 1단의 중간층을 갖는 다층 퍼셉트론을 사용하였고 각 뉴론의 활성함수(Activation Function)는 0에서 1사이의 값을 갖는 시그머이트(Sigmoid)함수이다. 입력대상이 되는 글자들의 주파수특성을 보면 제5도의 (c)와 같이 저주파 성분과 고주파 성분만이 있고 중간주파수 대역의 성분은 거의 없으므로 계산시간의 감소와 학습에 효율을 높이기 위해 입력으로 삼지 않을 수도 있다. 즉, 제5도의 (c)에서와 같이, 10 내지 20조파 사이에서는 주파수 성분이 거의 없으므로 입력으로 삼지 않게 된다. 따라서 입력대상은 0에서 9조파와 21에서 부터 32조파만을 가지게 되어 총 22개의 입력이 된다. 중간층은 학습할 글자와 각 글자간의 유사성을 보아서 30개의 뉴론으로 취할 수 있고, 출력층의 뉴론은 인식할 문자의 수와 같게 한다.
이와같은 문자인식부(4)는 특징추출부(3)로 부터 구한 퓨리계수를 제1, 제2신경회로망부(4a)(4b)로 학습시키는 과정과 학습된 결과로 입력된 글자를 인식하는 과정으로 나눌 수 있다. 즉, 먼저 학습에서는 여러사람의 글씨를 제1, 제2신경회로망부(4a)(4b)로 입력받아 이를 메모리에 데이타 베이스화한 후 각 글자에 대해 하나의 뉴론을 할당하고 입력된 글자의 퓨리계수를 실수부와 허수부로 나누어 코드와 함께 저장하여 두개의 학습 패턴을 만들고, 상기 두개의 학습패턴이 만들어지면 실수부를 학습하는 제1신경회로망부(4a)와 허수부를 학습하는 제2신경회로망부(4b)에 분리하여 학습을 시키고 학습이 충분히 된후에는 여러사람이 슨 글씨의 가중치를 데이타 베이스화하여 메모리에 저장하게 된다. 이후에 특징추출부(3)로 부터 제5도의 (c)와 같은 주파수에 대한 퓨리계수가 실수부와 허수부로 나누어 제1, 제2신경회로망부(4a)(4b)에 각각 입력되면 상기한 제1신경회로망부(4a)는 현재 입력된 퓨리계수의 실수부에 이전에 데이타 베이스화 되어 메모리에 저장된 가중치를 곱하여 0과 1사이의 범위를 갖는 실수값을 출력하게 되고, 제2신경회로망부(4b)는 현재 특징추출부(3)로 부터 입력된 퓨리계수의 허수부에 이전에 데이타 베이스화되어 메모리에 저장된 가중치를 곱하여 0과 1사이의 범위를 갖는 실수값을 출력하게 된다. 여기서 제1, 제2신경회로망부(4a)에 데이타 베이스화되어 저장된 가중치값은 서로 다른다.
인식과정에 있어서, 문자인식부(4)의 최소/최대 알고리즘부(4c)는 상기 제1신경회로망부(4a)의 출력 실수값과 제2신경회로망부(4b)로 부터 출력된 실수값중 작은값을 선택하고 그 선택한 각 뉴론 실수값중에서 가장 큰 실수값을 갖는 뉴론에 할당된 a의 글씨를 인식하여 그 인식된 결과를 인식결과부(6)를 통해 입출력 일체형 액정의 테블렛입출력부(1)에 전달하게 된다.
즉 일예로써,뉴론에 할당된 글자가 a,b,c,d이라 하고 상기 a에 대한 제1신경회로망부(4a)의 출력값이 0.5, 제2신경회로망부(4b)의 출력값이 0.6이고, b에 대한 제2신경회로망부(4a)(4b)의 출력값이 0.3, 0.1, c에 대한 제1, 제2신경회로망부(4a)(4b)의 출력값이 0.7, 0.4, d에 대한 제1, 제2신경회로망부(4a)(4b)이 출력값이 0.1, 0.2라 가정하면 최소/최대 알고리즘부(4c)는 전술한 바와같이 제1, 제2신경회로망부(4a)(4b)의 출력값중 작은 값 즉, a에 대한 0.5, b에 대한 0.1, c에 대한 0.4, d에 대한 0.1을 선택하게 되고, 그 선택한 출력값들 중에서 다시 가장 큰 출력값을 갖는 0.5를 선택하여 뉴론에 할당된 글자 ″a″로 인식하게 된다. 이를 표로 나타내면 하기와 같다.
이와같이 ″a″로 인식된 결과를 인식결과부(5)를 통해 테블렛입출력부(1)에 전달하여 인식과정을 완료하게 된다.
이상에서 상세히 설명한 바와같이, 본 발명은 특정추출부에서 입력획을 퓨리변환하는데, X,Y좌표를 분리하여 변환하는 것이 아니라 하나의 신호로 만들어 변환하여 계산하게 되므로써 계산시간의 감소는 물론 압축된 정보를 얻을 수 있고, 또한 문자인식부에서는 신경회로망을 사용하여 기준입력 없이 인식이 가능할 뿐 아니라 개인적인 습관과 글자의 변형을 신경회로망과 최소/최대 알고리즘부를 이용하여 인식을 함으로써 한글의 흘림체와 같이 복잡한 획과 영문 및 숫자의 흘림체를 신속하고 정확하게 인식이 가능한 효과가 있다.
Claims (5)
- 테블렛입출력부 및 전처리부의 과정을 통해 정규화되어 순차 입력되는 인식할 글자획의 일정한 크기 및 점의 갯수를 갖는 좌표점을 퓨리변환하고 입력점들의 시간에 대한 좌표함수를 주파수영역으로 변환하여 퓨리계수를 구하는 특징추출부(4)와, 상기 특징추출부(4)로 부터 구한 글자획의 퓨리계수를 허수부와 실수부로 분리하고 그 분리된 허수부와 실수부에 데이타 베이스화되어 저장된 글자의 가중치를 연산하여 입력된 글자를 인식하는 문자인식부(4)와, 상기 문자인식부(4)로 부터 인식된 결과를 테블렛입출력부(5)로 전달하는 인식결과부(6)를 포함하여 된 온라인 필기체 인식시스템.
- 제1항에 있어서, 문자인식부(4)는 상기 특징추출부(3)로 부터 구한 퓨리계수의 실수에 데이타 베이스화된 가중치를 곱하여 그 결과신호를 출력하는 제1신경회로망부(4a)와, 상기 특징추출부(3)로 부터 구한 퓨리계수의 허수에 가중치를 곱하여 그 결과신호를 출력하는 제2신경회로망부(4b)와, 상기 제1, 제2신경회로망부(4a)(4b)의 출력값에서 작은값을 선택하고 그 선택한 작은값 중에서 가장 큰값을 선택하여 인식결과부(6)를 통해 글자를 인식하는 최소/최대값 알고리즘(4c)로 구성함을 특징으로 한 온라인 필기체 인식시스템.
- 제1항에 있어서, 상기 특징추출부(3)의 글자획 퓨리변환은 Z(j)=X(j)+i*Y(j)로 하여 획의 특징을 추출하는 것을 특징으로 하는 온라인 필기체 인식시스템.
- 글자획의 입출력과정 및 전처리과정을 통해 시간과 거리에 대해 정규화되어 입력되는 글자획의 좌표점을 퓨리변환하고 입력점들의 시간에 대한 좌표함수를 주파수영역으로 변환하여 퓨리계수를 구하는 특징추출과정과, 상기 주파수 영역에 대한 글자획의 퓨리계수를 허수부와 실수부로 분리하고 퓨리계수의 각 허수부 및 실수부에 데이타 베이스화되어 저장된 이전의 글자 가중치를 연산하여 실수값을 출력하고 그 출력 실수값들 중에서 가장 작은값을 선택하고 그 선택한 값중에서 가장 큰값을 선택하여 입력 글자를 인식하는 문자 인식과정으로 이루어짐을 특징으로 하는 한 온라인 필기체 인식방법.
- 제4항에 있어서, 문자인식과정의 실수값은 0과 1사이의 범위를 갖는 것을 특징으로 한 온라인 필기체 인식방법.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019920002214A KR940001047B1 (ko) | 1992-02-14 | 1992-02-14 | 온라인 필기체 인식시스템 및 방법. |
US08/550,227 US5588073A (en) | 1992-02-14 | 1995-10-30 | Online handwritten character recognizing system and method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1019920002214A KR940001047B1 (ko) | 1992-02-14 | 1992-02-14 | 온라인 필기체 인식시스템 및 방법. |
Publications (2)
Publication Number | Publication Date |
---|---|
KR930018415A KR930018415A (ko) | 1993-09-21 |
KR940001047B1 true KR940001047B1 (ko) | 1994-02-08 |
Family
ID=19329001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1019920002214A KR940001047B1 (ko) | 1992-02-14 | 1992-02-14 | 온라인 필기체 인식시스템 및 방법. |
Country Status (2)
Country | Link |
---|---|
US (1) | US5588073A (ko) |
KR (1) | KR940001047B1 (ko) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE69331518T2 (de) * | 1993-02-19 | 2002-09-12 | International Business Machines Corp., Armonk | Neuronales Netz zum Vergleich von Merkmalen von Bildmustern |
US5854855A (en) * | 1994-09-09 | 1998-12-29 | Motorola, Inc. | Method and system using meta-classes and polynomial discriminant functions for handwriting recognition |
US5802205A (en) * | 1994-09-09 | 1998-09-01 | Motorola, Inc. | Method and system for lexical processing |
JP2776294B2 (ja) * | 1995-04-12 | 1998-07-16 | 日本電気株式会社 | 皮膚紋様画像の画像特徴抽出装置および画像処理装置 |
JP3006545B2 (ja) * | 1997-06-09 | 2000-02-07 | 日本電気株式会社 | オンライン文字認識装置 |
US5920647A (en) * | 1997-08-12 | 1999-07-06 | Motorola, Inc. | Method and apparatus for recognition of hand-printed characters represented as an electronic ink stream using a box filtering technique |
US6898315B2 (en) | 1998-03-23 | 2005-05-24 | Microsoft Corporation | Feature extraction for real-time pattern recognition using single curve per pattern analysis |
JP4346814B2 (ja) * | 2000-12-27 | 2009-10-21 | キヤノン株式会社 | 情報処理装置及びその方法、コンピュータ可読メモリ、プログラム |
SE0202446D0 (sv) * | 2002-08-16 | 2002-08-16 | Decuma Ab Ideon Res Park | Presenting recognised handwritten symbols |
US7702145B2 (en) * | 2006-06-28 | 2010-04-20 | Microsoft Corporation | Adapting a neural network for individual style |
US7974472B2 (en) * | 2007-06-29 | 2011-07-05 | Microsoft Corporation | Feature design for HMM based Eastern Asian character recognition |
US7983478B2 (en) | 2007-08-10 | 2011-07-19 | Microsoft Corporation | Hidden markov model based handwriting/calligraphy generation |
JP2009277093A (ja) * | 2008-05-15 | 2009-11-26 | Canon Inc | 画像処理装置、方法、及び、プログラム |
KR100933707B1 (ko) * | 2008-05-30 | 2009-12-24 | 고려대학교 기술지주 (주) | 사용자 필적 조합 시스템 |
US20130011066A1 (en) * | 2011-07-07 | 2013-01-10 | Edward Balassanian | System, Method, and Product for Handwriting Capture and Storage |
US9529448B2 (en) * | 2011-08-31 | 2016-12-27 | Farzan Fallah | Data entry systems and methods |
JP5284523B1 (ja) * | 2012-09-05 | 2013-09-11 | 株式会社東芝 | 情報処理システム、プログラムおよび情報処理システムの処理方法 |
JP5389241B1 (ja) * | 2012-09-26 | 2014-01-15 | 株式会社東芝 | 電子機器および手書き文書処理方法 |
JP5701839B2 (ja) * | 2012-10-26 | 2015-04-15 | 株式会社東芝 | 電子機器および方法 |
US20150089432A1 (en) * | 2013-09-02 | 2015-03-26 | idelan inc. | Quick data entry systems and methods |
US11190944B2 (en) | 2017-05-05 | 2021-11-30 | Ball Aerospace & Technologies Corp. | Spectral sensing and allocation using deep machine learning |
US11182672B1 (en) | 2018-10-09 | 2021-11-23 | Ball Aerospace & Technologies Corp. | Optimized focal-plane electronics using vector-enhanced deep learning |
US10879946B1 (en) * | 2018-10-30 | 2020-12-29 | Ball Aerospace & Technologies Corp. | Weak signal processing systems and methods |
US11851217B1 (en) | 2019-01-23 | 2023-12-26 | Ball Aerospace & Technologies Corp. | Star tracker using vector-based deep learning for enhanced performance |
US11412124B1 (en) | 2019-03-01 | 2022-08-09 | Ball Aerospace & Technologies Corp. | Microsequencer for reconfigurable focal plane control |
US11227176B2 (en) * | 2019-05-16 | 2022-01-18 | Bank Of Montreal | Deep-learning-based system and process for image recognition |
US11303348B1 (en) | 2019-05-29 | 2022-04-12 | Ball Aerospace & Technologies Corp. | Systems and methods for enhancing communication network performance using vector based deep learning |
US11488024B1 (en) | 2019-05-29 | 2022-11-01 | Ball Aerospace & Technologies Corp. | Methods and systems for implementing deep reinforcement module networks for autonomous systems control |
CN112733816A (zh) * | 2021-03-30 | 2021-04-30 | 北京世纪好未来教育科技有限公司 | 一种手写轨迹识别方法、装置、设备及介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0650538B2 (ja) * | 1984-03-28 | 1994-06-29 | 株式会社日立製作所 | 手書き文字・図形認識の認識モード指定方法 |
JPS60217477A (ja) * | 1984-04-12 | 1985-10-31 | Toshiba Corp | 手書き文字認識装置 |
NO865239L (no) * | 1985-04-26 | 1986-12-22 | Battelle Memorial Institute | Fremgangsmaate for sammenligning av en haandskrift med en referanseskrift. |
US4764973A (en) * | 1986-05-28 | 1988-08-16 | The United States Of America As Represented By The Secretary Of The Air Force | Whole word, phrase or number reading |
US5107442A (en) * | 1989-01-12 | 1992-04-21 | Recognition Equipment Incorporated | Adaptive neural network image processing system |
JP2865210B2 (ja) * | 1989-12-04 | 1999-03-08 | ソニー株式会社 | 文字認識装置 |
US5220640A (en) * | 1990-09-20 | 1993-06-15 | Motorola, Inc. | Neural net architecture for rate-varying inputs |
-
1992
- 1992-02-14 KR KR1019920002214A patent/KR940001047B1/ko not_active IP Right Cessation
-
1995
- 1995-10-30 US US08/550,227 patent/US5588073A/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US5588073A (en) | 1996-12-24 |
KR930018415A (ko) | 1993-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR940001047B1 (ko) | 온라인 필기체 인식시스템 및 방법. | |
Balaha et al. | A new Arabic handwritten character recognition deep learning system (AHCR-DLS) | |
Connell et al. | Template-based online character recognition | |
KR100297482B1 (ko) | 수기입력의문자인식방법및장치 | |
US5854855A (en) | Method and system using meta-classes and polynomial discriminant functions for handwriting recognition | |
US5768417A (en) | Method and system for velocity-based handwriting recognition | |
US5802205A (en) | Method and system for lexical processing | |
CA2152211C (en) | System and method for automated interpretation of input expressions using novel a posteriori probability measures and optimally trained information processing networks | |
Anand et al. | Real time noisy dataset implementation of optical character identification using CNN | |
Abuzaraida et al. | Recognition techniques for online arabic handwriting recognition systems | |
Ahmed et al. | Recognition of Urdu Handwritten Alphabet Using Convolutional Neural Network (CNN). | |
Cecotti | Hierarchical k-nearest neighbor with GPUs and a high performance cluster: Application to handwritten character recognition | |
Elaiwat | Holistic word descriptor for lexicon reduction in handwritten arabic documents | |
Nandhini et al. | Sign language recognition using convolutional neural network | |
Sethi et al. | Optical odia character classification using cnn and transfer learning: A deep learning approach | |
Safdar et al. | A novel similar character discrimination method for online handwritten Urdu character recognition in half forms | |
AL-Qawasmeh et al. | Gender detection from handwritten documents using transfer learning method | |
Suganthe et al. | A Cnn Model Based Approach for Offline HandwrittenTamil Text Recognition System | |
Masruroh et al. | Deep convolutional neural networks transfer learning comparison on Arabic handwriting recognition system | |
Fan et al. | Online handwritten Chinese character recognition system | |
Baiju et al. | Online recognition of Malayalam handwritten scripts—A comparison using KNN, MLP and SVM | |
Saqib et al. | Recognition of static gestures using correlation and cross-correlation | |
KR0126800B1 (ko) | 한글필기체 온라인 문자인식 장치 및 방법 | |
Nishimura et al. | Offline character recognition using online character writing information | |
Naik et al. | Recognition of ambiguous mathematical characters within mathematical expressions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
G160 | Decision to publish patent application | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20010129 Year of fee payment: 8 |
|
LAPS | Lapse due to unpaid annual fee |