JP2000251070A - オンラインサイン認識方法 - Google Patents
オンラインサイン認識方法Info
- Publication number
- JP2000251070A JP2000251070A JP11051801A JP5180199A JP2000251070A JP 2000251070 A JP2000251070 A JP 2000251070A JP 11051801 A JP11051801 A JP 11051801A JP 5180199 A JP5180199 A JP 5180199A JP 2000251070 A JP2000251070 A JP 2000251070A
- Authority
- JP
- Japan
- Prior art keywords
- stroke
- calculated
- data
- stroke data
- angle information
- 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
Landscapes
- Collating Specific Patterns (AREA)
- Character Discrimination (AREA)
Abstract
(57)【要約】
【課題】 オンラインサイン認識において、オフストロ
ークデータを用い、認識率の高い認識を行うことのでき
る認識方法を提供する。 【解決手段】 ストロークデータとオフストロークデー
タを連結して１つのストロークデータにまとめ、そのス
トロークデータを任意の数のストロークデータに時系列
に分割して認識を行うオンラインサイン認識方法。
ークデータを用い、認識率の高い認識を行うことのでき
る認識方法を提供する。 【解決手段】 ストロークデータとオフストロークデー
タを連結して１つのストロークデータにまとめ、そのス
トロークデータを任意の数のストロークデータに時系列
に分割して認識を行うオンラインサイン認識方法。
Description
【０００１】
【発明の属する技術分野】本発明は、サインなどの手書
き文字をオンラインで認識するオンラインサイン認識方
法に関する。
き文字をオンラインで認識するオンラインサイン認識方
法に関する。
【０００２】
【従来の技術】オンラインサイン認識において、サイン
の入力は続け字で入力されることがあり、ストロークデ
ータで認識を行った場合、正確な認識を行うことができ
なかった。
の入力は続け字で入力されることがあり、ストロークデ
ータで認識を行った場合、正確な認識を行うことができ
なかった。
【０００３】特開平１−２１３７７２号公報には、筆記
文字の座標データを出力するタブレットを備え、そのタ
ブレットの出力データに基づき当該筆記文字を認識する
オンライン文字認識方式において、前記タブレットから
出力される座標データのうち不要データを除去して直線
化処理を行う前処理部と、その前処理部からの直線化さ
れた座標データに基づいて当該筆記文字を構成するスト
ロークの特徴点を抽出する特徴点抽出部と、この特徴点
抽出部からの特徴点に基づいてペンオンからペンオフま
でのオンストロークの特徴を表す特徴量を算出する第１
の特徴量算出部と、この第１の特徴量算出部からの特徴
量と、予め標準パターンから得られたオンストロークの
特徴量とのマッチングを行って距離を算出する第１の特
徴量マッチング部と、前記特徴点抽出部からの特徴点に
基づいてペンオフからペンオンまでの仮想線分であるオ
フストロークの特徴量を算出する第２の特徴量算出部
と、この第２の特徴量算出部からの特徴量と、予め標準
パターンから得られたオフストロークの特徴量とのマッ
チングを行って距離を算出する第２の特徴量マッチング
部と、前記第１の特徴量マッチング部及び第２の特徴量
マッチング部で算出された各距離に重み付けした結果を
加算し、その加算結果に基づいて当該筆記文字を認識す
る特徴量加算部とを具備するオンライン文字認識方式が
開示されている。
文字の座標データを出力するタブレットを備え、そのタ
ブレットの出力データに基づき当該筆記文字を認識する
オンライン文字認識方式において、前記タブレットから
出力される座標データのうち不要データを除去して直線
化処理を行う前処理部と、その前処理部からの直線化さ
れた座標データに基づいて当該筆記文字を構成するスト
ロークの特徴点を抽出する特徴点抽出部と、この特徴点
抽出部からの特徴点に基づいてペンオンからペンオフま
でのオンストロークの特徴を表す特徴量を算出する第１
の特徴量算出部と、この第１の特徴量算出部からの特徴
量と、予め標準パターンから得られたオンストロークの
特徴量とのマッチングを行って距離を算出する第１の特
徴量マッチング部と、前記特徴点抽出部からの特徴点に
基づいてペンオフからペンオンまでの仮想線分であるオ
フストロークの特徴量を算出する第２の特徴量算出部
と、この第２の特徴量算出部からの特徴量と、予め標準
パターンから得られたオフストロークの特徴量とのマッ
チングを行って距離を算出する第２の特徴量マッチング
部と、前記第１の特徴量マッチング部及び第２の特徴量
マッチング部で算出された各距離に重み付けした結果を
加算し、その加算結果に基づいて当該筆記文字を認識す
る特徴量加算部とを具備するオンライン文字認識方式が
開示されている。
【０００４】特開昭６２−４２２８８号公報には、筆順
変動がない場合に画数変動を生じても精度よく認識を行
うことのできる文字ストローク対応づけ方法を提供する
ことを目的として、入力文字を描く際のペンアップ時の
ストローク（オフストローク）と辞書パターンのオフス
トロークとの照合により参照する基準文字パターンの画
数を変化させた後、入力文字パターンとの照合を行う方
法が開示されている。
変動がない場合に画数変動を生じても精度よく認識を行
うことのできる文字ストローク対応づけ方法を提供する
ことを目的として、入力文字を描く際のペンアップ時の
ストローク（オフストローク）と辞書パターンのオフス
トロークとの照合により参照する基準文字パターンの画
数を変化させた後、入力文字パターンとの照合を行う方
法が開示されている。
【０００５】
【発明が解決しようとする課題】しかしながら、従来の
ストロークとストロークの間のペンが離間して移動する
データ（オフストロークデータ）を１つのストロークデ
ータとして用いる方法では、続け字で入力されることの
多いサイン認証においては、認識率を高めることはでき
なかった。本発明の目的は、オンラインサイン認識にお
いて、オフストロークデータを用い、認識率の高い認識
を行うことのできる認識方法を提供することにある。
ストロークとストロークの間のペンが離間して移動する
データ（オフストロークデータ）を１つのストロークデ
ータとして用いる方法では、続け字で入力されることの
多いサイン認証においては、認識率を高めることはでき
なかった。本発明の目的は、オンラインサイン認識にお
いて、オフストロークデータを用い、認識率の高い認識
を行うことのできる認識方法を提供することにある。
【０００６】
【課題を解決するための手段】前記課題を解決するた
め、本発明のオンラインサイン認識方法は、ストローク
データとオフストロークデータを連結して１つのストロ
ークデータにまとめ、そのストロークデータを任意の数
のストロークデータに時系列に分割して認識を行うもの
である。
め、本発明のオンラインサイン認識方法は、ストローク
データとオフストロークデータを連結して１つのストロ
ークデータにまとめ、そのストロークデータを任意の数
のストロークデータに時系列に分割して認識を行うもの
である。
【０００７】
【発明の実施の形態】以下、本発明の実施の形態につい
て説明する。図２は、「木」という文字を手書きした例
を示すものであり、タブレット上でペンで書かれている
部分、すなわちストロークと、次のストロークまでペン
を浮かせて運ぶ部分、すなわちオフストロークがある
が、サインを書く場合は、オフストロークの部分も続け
字で書かれることがある。
て説明する。図２は、「木」という文字を手書きした例
を示すものであり、タブレット上でペンで書かれている
部分、すなわちストロークと、次のストロークまでペン
を浮かせて運ぶ部分、すなわちオフストロークがある
が、サインを書く場合は、オフストロークの部分も続け
字で書かれることがある。
【０００８】そこで、本発明においては、タブレットな
どから取り込まれたサインのＸ座標、Ｙ座標はＮ数で正
規化（比例配分）する。すなわち、タブレットに文字が
入力されるとき、時間と座標点を記録し、各ストローク
に対するトータル時間Ｔnを記憶する。次いで、各スト
ロークの移動距離を合計してトータルストローク長を求
める。このトータルストローク長から、正規化のための
Ｎ数の算出を行う。
どから取り込まれたサインのＸ座標、Ｙ座標はＮ数で正
規化（比例配分）する。すなわち、タブレットに文字が
入力されるとき、時間と座標点を記録し、各ストローク
に対するトータル時間Ｔnを記憶する。次いで、各スト
ロークの移動距離を合計してトータルストローク長を求
める。このトータルストローク長から、正規化のための
Ｎ数の算出を行う。
【０００９】次に、サンプリング間隔（時間）を算出す
る。すなわち、トータル時間ＴnをＮ数で割り、サンプ
リング地点の座標を算出し、各サンプリング地点の移動
量を算出する。このようにして比例配分されたＸ，Ｙ座
標をファジィ角度情報に変換する。ファジィ角度情報は
メンバーシップ関数のグレードで表し、予め筆記者が登
録した基準データの角度情報との類似度を求め、登録さ
れた筆記者のサインかどうかを判定する。
る。すなわち、トータル時間ＴnをＮ数で割り、サンプ
リング地点の座標を算出し、各サンプリング地点の移動
量を算出する。このようにして比例配分されたＸ，Ｙ座
標をファジィ角度情報に変換する。ファジィ角度情報は
メンバーシップ関数のグレードで表し、予め筆記者が登
録した基準データの角度情報との類似度を求め、登録さ
れた筆記者のサインかどうかを判定する。
【００１０】
【実施例】以下、本発明の実施例について説明する。図
１は本発明のオンラインサイン認識方法を実施するため
のシステムのブロック図である。同図において、１は個
人サインデータベース２を有するサーバ、３、４はＬＡ
Ｎ５でサーバ１に接続されたパソコン、６，７はそれぞ
れパソコン３，４に接続されたタブレット、８はサイン
認証ソフトである。本システムでは、あらかじめ登録さ
れたサインデータをデータベース２とし、サーバ１に保
存しておく、サイン認証ソフト８がパソコン３，４にイ
ンストールされ、サイン入力用タブレット６，７が用意
された端末パソコン４，５において、図１のようにタブ
レット６，７上にサインを入力する。入力が終了する
と、サーバ１からサインデータを読み込み、認証を行
う。
１は本発明のオンラインサイン認識方法を実施するため
のシステムのブロック図である。同図において、１は個
人サインデータベース２を有するサーバ、３、４はＬＡ
Ｎ５でサーバ１に接続されたパソコン、６，７はそれぞ
れパソコン３，４に接続されたタブレット、８はサイン
認証ソフトである。本システムでは、あらかじめ登録さ
れたサインデータをデータベース２とし、サーバ１に保
存しておく、サイン認証ソフト８がパソコン３，４にイ
ンストールされ、サイン入力用タブレット６，７が用意
された端末パソコン４，５において、図１のようにタブ
レット６，７上にサインを入力する。入力が終了する
と、サーバ１からサインデータを読み込み、認証を行
う。
【００１１】図４に本発明のオンラインサイン認識方法
のフローチャート、図５にサインのストローク番号に対
する時間ＴnとＸ座標、Ｙ座標を示す。ステップ１００
において、タブレットに文字を入力する。このとき、時
間毎に座標点を記録する。ステップ１１０において、各
ストロークに対するトータル時間Ｔnを記憶する。ステ
ップ１２０において、トータルストロークを検出する。
トータルストローク長は、各ストロークの移動距離を合
計して求める。このトータルストローク長は、Ｎ数の算
出のみに使用する。
のフローチャート、図５にサインのストローク番号に対
する時間ＴnとＸ座標、Ｙ座標を示す。ステップ１００
において、タブレットに文字を入力する。このとき、時
間毎に座標点を記録する。ステップ１１０において、各
ストロークに対するトータル時間Ｔnを記憶する。ステ
ップ１２０において、トータルストロークを検出する。
トータルストローク長は、各ストロークの移動距離を合
計して求める。このトータルストローク長は、Ｎ数の算
出のみに使用する。
【００１２】ステップ１３０において、Ｎ数の算出を行
う。トータルストローク長が１００００以下であればＮ
＝１００とし、１００００以上の場合はストローク長１
００で割り整数化する。トータル時間によりＮ数を算出
してもよい。ステップ１４０において、サンプリング間
隔（時間）を算出する。すなわち、トータル時間Ｔnを
１００で割る。図３のテーブルでＳn＝４．８の場合
は、Ｔn＝４．８／１００＝０．０４８となる。
う。トータルストローク長が１００００以下であればＮ
＝１００とし、１００００以上の場合はストローク長１
００で割り整数化する。トータル時間によりＮ数を算出
してもよい。ステップ１４０において、サンプリング間
隔（時間）を算出する。すなわち、トータル時間Ｔnを
１００で割る。図３のテーブルでＳn＝４．８の場合
は、Ｔn＝４．８／１００＝０．０４８となる。
【００１３】ステップ１５０において、サンプリング地
点の座標を算出する。Ｎ1＝Ｔ2〜Ｔ3間のＸ座標、Ｙ座
標の移動比率に基づき０．０４８秒での座標を算出す
る。 （ＸN1−Ｘ1）：（Ｘ2−Ｘ1）＝（ＴN1−Ｔ1）：（Ｔ2
−Ｔ1）
点の座標を算出する。Ｎ1＝Ｔ2〜Ｔ3間のＸ座標、Ｙ座
標の移動比率に基づき０．０４８秒での座標を算出す
る。 （ＸN1−Ｘ1）：（Ｘ2−Ｘ1）＝（ＴN1−Ｔ1）：（Ｔ2
−Ｔ1）
【００１４】ステップ１６０において、サンプリングス
トロークのベクトルを算出する。 （Ｎ1X＝６＋４／２０＊８＝７．６） （Ｎ1Y＝５９＋（−９）／２０＊８＝５５．４）
トロークのベクトルを算出する。 （Ｎ1X＝６＋４／２０＊８＝７．６） （Ｎ1Y＝５９＋（−９）／２０＊８＝５５．４）
【００１５】各サンプリング地点の移動量を算出する。 Ｎ１ΔＸ＝７．６−２＝５．６ Ｎ１ΔＹ＝５５．４−７０＝−１４．６ このようにして比例配分されたＸ，Ｙ座標はファジィ角
度情報に変換する。
度情報に変換する。
【００１６】まず正規の角度情報に変換する。図３のよ
うにΔｘ，Δｙを求め、下式で角度を求める。 θ＝ arctan｜Δｙ／Δｘ｜ （Δｘ＞０，Δ
ｙ＞０） θ＝１８０− arctan｜Δｙ／Δｘ｜ （Δｘ＜０，Δ
ｙ＞０） θ＝１８０＋ arctan｜Δｙ／Δｘ｜ （Δｘ＜０，Δ
ｙ＜０） θ＝３６０− arctan｜Δｙ／Δｘ｜ （Δｘ＞０，Δ
ｙ＜０）
うにΔｘ，Δｙを求め、下式で角度を求める。 θ＝ arctan｜Δｙ／Δｘ｜ （Δｘ＞０，Δ
ｙ＞０） θ＝１８０− arctan｜Δｙ／Δｘ｜ （Δｘ＜０，Δ
ｙ＞０） θ＝１８０＋ arctan｜Δｙ／Δｘ｜ （Δｘ＜０，Δ
ｙ＜０） θ＝３６０− arctan｜Δｙ／Δｘ｜ （Δｘ＞０，Δ
ｙ＜０）
【００１７】次にこの角度情報をファジィ化する。この
ファジィ角度情報は、μ＝（μ0，μ1，μ2，μ3）で表
され、下式と表１で求められる。 μA＝１−θ／９０° μB＝θ／９０°
ファジィ角度情報は、μ＝（μ0，μ1，μ2，μ3）で表
され、下式と表１で求められる。 μA＝１−θ／９０° μB＝θ／９０°
【００１８】
【表１】
【００１９】入力サインのベクトルの角度情報をμT0，
μT1，μT2，μT3、基準データのベクトルの角度情報を
μD0，μD1，μD2，μD3とすると、あるベクトル同士の
類似度Ｓnの算出方法は次式で表される。
μT1，μT2，μT3、基準データのベクトルの角度情報を
μD0，μD1，μD2，μD3とすると、あるベクトル同士の
類似度Ｓnの算出方法は次式で表される。
【００２０】
【数１】 上式において、ｍａｘは２式を比較して大きい方の値、
ｍｉｎは小さい方の値である。
ｍｉｎは小さい方の値である。
【００２１】この式とＤＰマッチングを用いて各ベクト
ル同士の類似度を求めていき、最終的な類似度を次式で
求める。 Ｓ＝（Ｓ0＋Ｓ1＋Ｓ2＋Ｓ3・・・・・＋Ｓn）／ｎ
ル同士の類似度を求めていき、最終的な類似度を次式で
求める。 Ｓ＝（Ｓ0＋Ｓ1＋Ｓ2＋Ｓ3・・・・・＋Ｓn）／ｎ
【００２２】類似度の最も高いものを選び、登録データ
と比較することにより、サインの筆跡認識を行う。この
ように、オフストロークデータを用いることにより、続
け字で入力されたサインでも、認識率を高く認識するこ
とができる。
と比較することにより、サインの筆跡認識を行う。この
ように、オフストロークデータを用いることにより、続
け字で入力されたサインでも、認識率を高く認識するこ
とができる。
【００２３】
【発明の効果】上述したように、本発明によれば、スト
ロークデータのほかオフストロークデータも用いること
により、全てのストロークを合わせて一つのストローク
とみなして認識するので、サインが続け字で入力された
場合であっても、認識率の高いオンラインサイン認識を
行うことができる。また、時系列に分割して認識を行う
ので、筆記者のコンディションなどでストローク長が変
わってもストロークの時間は余り変わらないことから、
認識率を向上させることができる。
ロークデータのほかオフストロークデータも用いること
により、全てのストロークを合わせて一つのストローク
とみなして認識するので、サインが続け字で入力された
場合であっても、認識率の高いオンラインサイン認識を
行うことができる。また、時系列に分割して認識を行う
ので、筆記者のコンディションなどでストローク長が変
わってもストロークの時間は余り変わらないことから、
認識率を向上させることができる。
【図１】 本発明のオンラインサイン認識方法を実施す
るためのシステムのブロック図である。
るためのシステムのブロック図である。
【図２】 ストロークデータとオフストロークデータの
説明図である。
説明図である。
【図３】 入力されたストロークの正規化の方法を示す
説明図である。
説明図である。
【図４】 本発明のオンラインサイン認識方法のフロー
チャートである。
チャートである。
【図５】 サインのストローク番号に対する時間Ｔnと
Ｘ座標、Ｙ座標を示すテーブルである。
Ｘ座標、Ｙ座標を示すテーブルである。
１ サーバ、２ 個人サインデータベース、３，４ パ
ソコン、５ ＬＡＮ、６，７ タブレット、８ サイン
認証ソフト
ソコン、５ ＬＡＮ、６，７ タブレット、８ サイン
認証ソフト
Claims (1)
- 【請求項１】 ストロークデータとオフストロークデー
タを連結して１つのストロークデータにまとめ、そのス
トロークデータを任意の数のストロークデータに時系列
に分割して認識を行うことを特徴とするオンラインサイ
ン認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11051801A JP2000251070A (ja) | 1999-02-26 | 1999-02-26 | オンラインサイン認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11051801A JP2000251070A (ja) | 1999-02-26 | 1999-02-26 | オンラインサイン認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2000251070A true JP2000251070A (ja) | 2000-09-14 |
Family
ID=12897043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11051801A Pending JP2000251070A (ja) | 1999-02-26 | 1999-02-26 | オンラインサイン認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2000251070A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102694586A (zh) * | 2012-05-09 | 2012-09-26 | 电信科学技术研究院 | 一种基于波束赋形的递归平均处理方法和设备 |
-
1999
- 1999-02-26 JP JP11051801A patent/JP2000251070A/ja active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102694586A (zh) * | 2012-05-09 | 2012-09-26 | 电信科学技术研究院 | 一种基于波束赋形的递归平均处理方法和设备 |
| CN102694586B (zh) * | 2012-05-09 | 2014-08-20 | 电信科学技术研究院 | 一种基于波束赋形的递归平均处理方法和设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7873217B2 (en) | System for line extraction in digital ink | |
| JP2002222425A (ja) | 情報処理装置及び方法 | |
| JP3761937B2 (ja) | パターン認識方法及び装置及びコンピュータ制御装置 | |
| KOMIYA et al. | A pen input on-line signature verifier integrating position, pressure and inclination trajectories | |
| JP3335542B2 (ja) | 手書き文字の照合方法および装置 | |
| IL100198A (en) | Character recognition method | |
| Nyssen et al. | A multi-stage online signature verification system | |
| Tang et al. | Online chemical symbol recognition for handwritten chemical expression recognition | |
| JP2000251070A (ja) | オンラインサイン認識方法 | |
| Saleem et al. | Survey of preprocessing techniques and classification approaches in online signature verification | |
| JP2000251071A (ja) | オンラインサイン認識方法 | |
| Morita et al. | On-line signature verifier incorporating pen position, pen pressure, and pen inclination trajectories | |
| JPH09319828A (ja) | オンライン文字認識装置 | |
| Parker | Simple distances between handwritten signatures | |
| Abuzaraida et al. | Online recognition of Arabic handwritten words system based on Alignments matching Algorithm | |
| JP3221488B2 (ja) | 検証機能付きオンライン文字認識装置 | |
| JPH09114926A (ja) | オンライン文字認識における入力文字大分類方法および装置 | |
| JP2820221B2 (ja) | オンライン手書き文字認識方法 | |
| Zneit | On-line Handwriting Signature Verification Based on Using Extreme Points Extraction | |
| JP3146046B2 (ja) | オンライン文字認識装置 | |
| JP3015137B2 (ja) | 手書文字認識装置 | |
| KR19980079762A (ko) | 온라인 문자 인식 장치 | |
| JP3139701B2 (ja) | ファジィベクトルによるオンライン手書き入力文字認識方法及び装置並びにその方法を実行するための記録媒体 | |
| JPH0962788A (ja) | オンライン手書き文字認識方法 | |
| KR100414051B1 (ko) | 문자의획인식방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040628 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040702 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050107 |