JP3139701B2 - 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 - Google Patents

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

Info

Publication number
JP3139701B2
JP3139701B2 JP09177448A JP17744897A JP3139701B2 JP 3139701 B2 JP3139701 B2 JP 3139701B2 JP 09177448 A JP09177448 A JP 09177448A JP 17744897 A JP17744897 A JP 17744897A JP 3139701 B2 JP3139701 B2 JP 3139701B2
Authority
JP
Japan
Prior art keywords
character
stroke
handwritten input
vector
dictionary
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.)
Expired - Fee Related
Application number
JP09177448A
Other languages
English (en)
Other versions
JPH1125226A (ja
Inventor
烈 山川
豊志 小田原
直裕 稲川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsui High Tech Inc
Original Assignee
Mitsui High Tech Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsui High Tech Inc filed Critical Mitsui High Tech Inc
Priority to JP09177448A priority Critical patent/JP3139701B2/ja
Priority to US09/009,533 priority patent/US6144764A/en
Priority to EP98101007A priority patent/EP0889433A3/en
Priority to AU52706/98A priority patent/AU5270698A/en
Priority to CA002224540A priority patent/CA2224540A1/en
Priority to KR1019980002196A priority patent/KR19990013306A/ko
Publication of JPH1125226A publication Critical patent/JPH1125226A/ja
Application granted granted Critical
Publication of JP3139701B2 publication Critical patent/JP3139701B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Landscapes

  • Character Discrimination (AREA)

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、オンライン手書き
入力文字をファジィ連想メモリを用いて認識するオンラ
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に関する。
【０００２】
【従来の技術】手書き入力文字認識は、そのアルゴリズ
ムによって、ＯＣＲのような文字を書いた後に認識を行
なうオフライン文字認識と、ペン入力のように文字を書
いているときにリアルタイムで筆跡情報を取り込み、識
別を行なうオンライン文字認識とに大別することができ
る。
【０００３】オンライン文字認識では、文字の筆跡情
報、すなわち方向情報を採取し、この方向情報と予め辞
書に登録されている方向情報とを比較し、辞書のなかで
一番似ている文字を認識結果として出力する。
【０００４】図２４は従来のオンライン手書き入力文字
認識のストロークの１６方向コード化の説明図である。
【０００５】例えば、手書き入力文字の「山」の第２ス
トローク１を同図（ｂ）の１６方向コードにより１６方
向コード化し、コード列として表現する。入力された手
書き入力文字の方向コード列と漢字辞書に登録されてい
る文字の方向コードとを照合して文字認識する（日本機
械学会誌 Ｖｏｌ．９９ Ｎｏ．９２６ Ｐ．１１〜１
４（１９９６年１月）参照）。
【０００６】
【発明が解決しようとする課題】しかしながら、従来の
オンライン文字認識方法においては、認識の対象を漢
字、ひらがな、カタカナ、数字、英字（大小）、記号と
した場合、方向情報が似ている文字は認識が困難という
問題がある。更に、従来のオンライン手書き入力文字認
識方法では、ストロークを１６方向に分解して１６方向
コードに変換しているので、１６方向の中間の方向のス
トロークに対しては表現できず、それ以上の精度を出す
ことができないと言う限界があった。
【０００７】本発明は、オンライン手書き入力文字を更
に高い確度で認識するオンライン手書き入力文字認識方
法を提供するものである。
【０００８】
【課題を解決するための手段】本発明の第１のオンライ
ン手書き入力文字認識方法は、３２個を最小単位とする
予め設定された数Ｎを、オンラインで採取した手書き入
力文字の１画当たりの筆の動きを表現する筆跡情報であ
る画ストロークの数で除して整数になるように各画スト
ロークに振り分け、その振り分けられた数で分割された
各画ストローク内の線分の起点と終点の座標データから
その起点と終点を結ぶ線の絶対角度データを算出し、そ
の絶対角度データを、その絶対角度データの方向成分の
みを持つＮ個の構成ベクトルに変換し、各構成ベクトル
を、メンバーシップ関数を用いて、４方向の基準方向に
対する類似の度合いを表す４つのメンバーシップグレー
ドからなる組に変換し、変換された１つの構成ベクトル
に対応する４つのメンバーシップグレードからなる組を
前記構成ベクトルの数の分列記したファジィベクトル族
と、予め辞書に登録された各辞書文字についてのファジ
ィベクトル族との類似度を演算し、その演算結果に基づ
いて、前記手書き入力文字に対応した文字を抽出するこ
とを特徴とする。
【０００９】本発明の第２のオンライン手書き入力文字
認識方法は、３２個を最小単位とする予め設定された数
Ｎを、オンラインで採取した手書き入力文字の１画当た
りの筆の動きを表現する筆跡情報である画ストロークの
数で除して整数になるように各画ストロークに振り分
け、その振り分けられた数で分割された各画ストローク
内の線分の起点と終点の座標データからその起点と終点
を結ぶ線の絶対角度データを算出し、その絶対角度デー
タを、その絶対角度データの方向成分のみを持つＮ個の
構成ベクトルに変換し、さらに、前記手書き入力文字の
画数−１個の遷移ストローク及び（画数−１）×２個の
始終ストロークを、これらのストロークの起点と終点を
結ぶ線の絶対角度データの方向成分のみを持つ複数の構
成ベクトルに変換し、各構成ベクトルを、メンバーシッ
プ関数を用いて、４方向の基準方向に対する類似の度合
いを表す４つのメンバーシップグレードからなる組に変
換し、変換された１つの構成ベクトルに対応する４つの
メンバーシップグレードからなる組を前記構成ベクトル
の数の分列記したファジィベクトル族と、予め辞書に登
録された各辞書文字についてのファジィベクトル族との
類似度を演算し、その演算結果に基づいて、前記手書き
入力文字に対応した文字を抽出することを特徴とする。
【００１０】前記第１及び第２の方法において、次の実
施態様を挙げることができる。
【００１１】（１）手書き入力文字の画ストロークを３
２個を最小単位とするの構成ベクトルに分割する。
【００１２】（２）手書き入力文字に対して辞書から最
も類似した文字を抽出した後、その抽出された文字が予
め設定された特定文字に該当するときは、予め設定され
た専用ルールに基づいて前記手書き入力文字を抽出し、
その識別結果を出力する。
【００１３】（３）オンラインで採取した手書き入力文
字のストロークデータ及びそれに対応する辞書文字を辞
書に登録する。
【００１４】また、本発明の手書き文字認識装置は、文
字入力装置と、前記文字入力装置によって手書きされた
文字をオンラインで採取する手段と、３２個を最小単位
とする予め設定された数Ｎを、オンラインで採取した手
書き入力文字の１画当たりの筆の動きを表現する筆跡情
報である画ストロークの数で除して整数になるように各
画ストロークに振り分ける手段と、その振り分けられた
数で分割された各画ストローク内の線分の起点と終点の
座標データからその起点と終点を結ぶ線の絶対角度デー
タを算出し、その絶対角度データを、その絶対角度デー
タの方向成分のみを持つＮ個の構成ベクトルに変換する
手段と、各構成ベクトルを、メンバーシップ関数を用い
て、４方向の基準方向に対する類似の度合いを表す４つ
のメンバーシップグレードからなる組に変換する手段
と、変換された１つの構成ベクトルに対応する４つのメ
ンバーシップグレードからなる組を前記構成ベクトルの
数の分列記したファジィベクトル族と、予め辞書に登録
された各辞書文字についてのファジィベクトル族との類
似度を演算する手段と、その演算結果に基づいて、前記
手書き入力文字に対応した文字を抽出する手段とを備え
たことを特徴とする。
【００１５】さらに、前記第１の方法を実行するための
コンピュータ読み取り可能な記録媒体は、３２個を最小
単位とする予め設定された数Ｎを、オンラインで採取し
た手書き入力文字の１画当たりの筆の動きを表現する筆
跡情報である画ストロークの数で除して整数になるよう
に各画ストロークに振り分ける手順と、その振り分けら
れた数で分割された各画ストローク内の線分の起点と終
点の座標データからその起点と終点を結ぶ線の絶対角度
データを算出し、その絶対角度データを、その絶対角度
データの方向成分のみを持つＮ個の構成ベクトルに変換
する手順と、各構成ベクトルを、メンバーシップ関数を
用いて、４方向の基準方向に対する類似の度合いを表す
４つのメンバーシップグレードからなる組に変換する手
順と、変換された１つの構成ベクトルに対応する４つの
メンバーシップグレードからなる組を前記構成ベクトル
の数の分列記したファジィベクトル族と、予め辞書に登
録された各辞書文字についてのファジィベクトル族との
類似度を演算する手順と、その演算結果に基づいて、前
記手書き入力文字に対応した文字を抽出する手順を実行
させるためのプログラムを記録したものである。
【００１６】
【発明の実施の形態】図１は本発明で用いる手書き入力
文字の画ストロークの説明図である。
【００１７】画ストローク１は、文字を書くときに、紙
に接触しているときの筆の動きを連続的な方向情報とし
て抽出した筆跡である。手書き入力文字は、数字、ひら
がな、カタカナ、アルファベット、漢字、記号等、一筆
書きの文字を除いて複数の画が存在し、それぞれの画に
筆（ペン）の筆跡がある。この１画当たりの筆の動きを
表現する筆跡情報を「画ストローク」と呼び、１つの手
書き文字に対して、文字画数と同じ数の画ストロークが
存在する。文字には書き始め位置があり、そこから方向
を変えながら文字を形成していく。この方向の変化のし
方は、各文字特有であるため、画ストローク１を構成ベ
クトル３で表現することは、文字識別に関して非常に有
効となる。
【００１８】構成ベクトル３は手書き入力文字が書かれ
る過程での筆の動きを表し、すべての手書き入力文字の
画ストロークは方向情報を意味する構成ベクトルに分解
できる。「構成ベクトル」の総数は、手書き文字の筆跡
を表現する最小単位であるため、筆跡情報を抽出するた
めには、最低限でも、手書き入力文字の画数より多い個
数が必要である。分解数は、デジタル処理し易い２のべ
き数であることと、漢字の最大画数が３０画（鸞）であ
ることを考慮して、３２個を最小単位とすることが好ま
しい。構成ベクトルの総数を１つの手書き入力文字で３
２個に統一すると、画数が複数画である文字は、１画あ
たり（３２／画数）個の構成ベクトルが存在する。すな
わち、全画の長さによって構成ベクトルの数が変化する
ことはなく、１画あたりの構成ベクトルの数は画数によ
って一意に決定される。この際、構成ベクトルの個数を
表現する小数値が問題となるが、これを回避するために
プログラムで以下の処理を行なっている。
【００１９】例えば、３画の手書き入力文字「上」の場
合、合計で３２となるような３つの整数に振り分けると
き、１画あたりの構成ベクトル数を小数まで算出する
と、３２／３＝１０．６６７（個）となる。次に、３２
／３を１倍，２倍，３倍してそれぞれ四捨五入すると、 （３２／３）×１＝１０．６６７≒１１ （３２／３）×２＝２１．３３３≒２１ （３２／３）×３＝３２ したがって、各画のベクトル番号の振り分けは、 １画目 １〜１１（番） １１ベクトル ２画目 １２〜２１（番） １０ベクトル（２１−１１＝１０） ３画目 ２２〜３２（番） １１ベクトル（３２−２１＝１１） となる。
【００２０】図２は本発明で用いる遷移ストロークの説
明図である。
【００２１】遷移ストロークは、文字を書くときに、筆
が紙から離れた空中での筆の向きを取り出した構成ベク
トルである。多くの手書き入力文字は画ストロークによ
って認識可能であるが、中には認識できない文字があ
る。同じ画ストロークで形状が異なる文字がその対象文
字である。これは、手書き文字には画ストローク単独で
は完全に表現できない特徴があることを意味している。
画ストロークに遷移ストロークを組み合わせることによ
って、手書き入力文字の認識率は、画ストローク単独採
用時に比べて向上する。遷移ストロークは、画数が２画
以上の文字に存在し、２画目以上の各画の終点から次画
の始点までの非筆跡の方向情報である。画ストロークが
似ている文字は遷移ストロークの方向情報を組み合せる
ことで、画ストロークのみの場合に比べて認識率が向上
する。抽出される遷移ストロークの数は、（画数−１）
で表せる。図２に示す３画の「上」及び「下」の場合、 １画目の終点から２画目の始点へ向かう遷移ストロークの構成ベクトル：ａ ２画目の終点から３画目の始点へ向かう遷移ストロークの構成ベクトル：ｂ となる。
【００２２】図３は遷移ストロークの変化の違いを示す
図である。
【００２３】例えば、「Ｆ」と「Ｉ」との場合、１画目
から３画目の画ストロークの構成ベクトルが全く同じで
ある。しかし、第１遷移ストロークａの方向は同じであ
るが、第２遷移ストロークｂにおいては全く異なる方向
を持つので、第２遷移ストロークの違いで「Ｆ」と
「Ｉ」とが判別できる。このように、筆の空中の動きが
文字によって異なる性質を利用して文字を判別すること
が可能となる。
【００２４】図４は本発明で用いる始終ストロークの説
明図である。
【００２５】始終ストロークは、手書き入力文字１画目
の始点から各画の始点と終点へ向く方向情報を取り出し
た構成ベクトルである。図４に示す「上」と「士」の場
合、 １画目の始点から２画目の始点へ向かう始終ストローク
の構成ベクトル：ｃ １画目の終点から２画目の終点へ向かう始終ストローク
の構成ベクトル：ｄ １画目の終点から３画目の始点へ向かう始終ストローク
の構成ベクトル：ｅ １画目の終点から３画目の終点へ向かう始終ストローク
の構成ベクトル：ｆ となり、画ストロークあるいは画ストロークと遷移スト
ロークの２種類だけでは判別しにくい手書き入力文字に
対して有効である。例えば、「上」と「士」のように、
画ストロークと遷移ストロークが似ている文字は、判別
しにくいが、文字始点から各画の始点と終点へ向く方向
情報を取り出した構成ベクトルである始終ストロークを
追加することで、両者の始終ストロークはかなり異なる
方向性をもっていることから、明確な区別が可能とな
る。
【００２６】次に、本発明のファジィ連想メモリを用い
たオンライン手書き入力文字認識方法を説明する。
【００２７】図５に示すパソコン１０のＣＲＴ１３上
で、マウス１２によって書かれた手書き入力文字を構成
している線は、連続しているように見えるが、実際は図
６に示すように点の連続で構成されている。これらの点
データは全て座標データであるため、点と点の距離デー
タ、つまり文字の大きさの情報を含んでいる。したがっ
て、全く同一の文字であっても、書く人が異なる場合
や、文字を書く時の周りの環境によって文字サイズは様
々である。文字サイズが異なる例を図７に示す。しか
し、文字サイズは異なるが、同一文字は手書き入力文字
認識において、当然同じ認識結果が出力されなければな
らない。文字サイズが異なっても同じ認識結果を導き出
すためには、座標データを角度データに変換する必要が
ある。以下にその方法を示す。
【００２８】点の連続で構成された手書き入力文字を、
複数、本例では３２に分割し、合計で３２個の点に置き
換える。次に各点を結ぶ直線の絶対角度を算出する。各
点の座標データをもとにΔＸ、ΔＹ（図８参照）を求
め、２点を結ぶ直線を作る。この方向を持つ直線が「構
成ベクトル」であり、その絶対角度θを導出するために
式（１）〜（４）を用いる。
【００２９】次に、算出された角度θを（”０”：０°
方向、”１”：９０°方向、”２”：１８０°方向、”
３”：２７０°方向）のファジィベクトルに分割する。
ファジィベクトルは、４方向のメンバーシップグレード
（変数はμで表す）を用いて１つのθを表し、メンバー
シップグレードは式（５）及び式（６）並びに表１によ
って求められる。
【００３０】 μA＝１−θ／９０°・・・・・（５） μB＝θ／９０°・・・・・・・（６）
【表１】 これら４方向のメンバーシップグレードとθの関係を示
す関数をメンバーシップ関数と呼び、図９に示す。図
中、波線で示した部分は重複しており、０°〜３６０°
の範囲で連続的に表現されている。実際に構成ベクトル
から４つのファジィベクトルを求める場合の例を図１０
〜図１３に示す。
【００３１】図１０は、構成ベクトルと”０”方向の場
合のメンバーシップグレードの関係を示している。斜線
部分はメンバーシップ関数が０となる領域を表す。
【００３２】同じく、図１１〜図１３は、それぞれ構成
ベクトルと”１”方向、”２”方向、”３”方向の場合
のメンバーシップグレードの関係を示している。斜線部
分はメンバーシップグレードが０となる領域を表す。
【００３３】図１４及び図１５は本発明の手書き入力文
字認識システムを示すフローチャートである。
【００３４】ステップ１ プログラムを起動する。
【００３５】ステップ２ 今から入力する手書き文字が辞書登録済みかどうか判定
する。
【００３６】ステップ３ 辞書登録済みであれば、手書き入力文字を入力文字とし
て入力する。
【００３７】ステップ４ 辞書登録済みでなければ、手書き入力文字を辞書登録文
字として入力する。
【００３８】ステップ５ 手書き入力文字の画ストローク、遷移ストローク及び始
終ストロークから、それぞれ構成ベクトルを抽出する。
【００３９】ステップ６ 抽出した各構成ベクトルを４つのメンバーシップグレー
ドからなるファジィベクトルに変換する。
【００４０】抽出した各構成ベクトルの絶対角度θを４
方向のメンバーシップグレードμ0、μ1、μ2、μ3を式
１〜４により求め、メンバーシップグレードは、表１に
したがい、式５及び式６により求める。
【００４１】以上の処理により、１つの構成ベクトルか
ら４つのメンバーシップグレードμ0、μ1、μ2、μ3が
出力され、これらのメンバーシップグレードμ0、μ1、
μ2、μ3の全パターンをメモリーに記憶させる。
【００４２】ステップ７ 次いで、手書き入力文字と同画数の辞書文字を対象とし
て、ステップ６で得られた手書き入力文字のメンバーシ
ップグレードと辞書文字のメンバーシップグレードをす
べて照合し、入力文字と辞書文字の類似度を算出する。
【００４３】文字認識を行なう場合、ファジィベクトル
を２次元に表示した場合のベクトルの面積比による方法
を用いる。類似度Ｓは、以下の手順で求める。まず、全
ての構成ベクトルの類似度ＳCは、入力文字の構成ベク
トルのメンバーシップグレードをμT0，μT1，μT2，μ
T3、辞書文字の構成ベクトルのメンバーシップグレード
をμD0，μD1，μD2，μD3とすると次式により求められ
る。
【００４４】
【数１】 上式において、ｍａｘ：２値を比較して大きい方の値
ｍｉｎ：２値を比較して小さい方の値である。
【００４５】次に、各ストロークの類似度は、それぞれ
次式により求める。画ストロークの類似度ＳORについて
は、画ストロークの構成ベクトルの類似度をＳCORとす
ると次のようになる。
【００４６】
【数２】 遷移ストロークの類似度ＳTRについては、遷移ストロー
クの構成ベクトルの類似度をＳCTRとすると次のように
なる。
【００４７】
【数３】 始終ストロークの類似度ＳSEについては、始終ストロー
クの構成ベクトルの類似度をＳCSEとすると、
【数４】 で求める。
【００４８】類似度Ｓは各ストロークの類似度の重み付
き加算で求める。混合比（Ｗ１：Ｗ２：Ｗ３）は、図１
６に示すように、各ストロークの重みをそれぞれ１０段
階に変更可能である。
【００４９】
【数５】 ステップ８ ステップ７の類似度の算出を辞書文字全てに対して行
い、その結果を全辞書文字に割り付ける。
【００５０】ステップ９ ステップ８の中で類似度が最大であったものを選出す
る。
【００５１】ステップ１０ 辞書の中で、最大類似度を抽出し、最大類似度の辞書文
字を答（第１候補）として出力する。
【００５２】ステップ１１ ステップ１０までの手順で第１候補として出された文字
が、ストロークがほとんど同じで誤認識されやすい文
字、例えば、「０」と「６」、「コ」と「ユ」等につい
ては、類似度の抽出結果に関係なく、専用ルールによっ
て判定する。
【００５３】ステップ１２図１７〜図２１は専用ルール
の説明図である。図１７は「０」と「６」の場合を示し
ており、始点終点の高さｈ２が文字高さｈ１の１／４よ
り大きいなら「６」、１／４より小さいなら「０」と識
別する。
【００５４】図１８は「コ」と「ユ」の場合を示してお
り、１画目の終点と２画目の終点の長さｗ２が文字長さ
ｗ１の１／４より大きいなら「ユ」、１／４より小さい
なら「コ」と識別する。
【００５５】図１９は「Ｐ」と「Ｄ」と「ｂ」と「ワ」
の場合を示しており、２画目の始点と１画目の始点の高
さｈ２が文字高さｈ１の１／５より大きいなら「ｂ」、
１画目の終点と２画目の終点の高さｈ３が文字高さｈ１
の１／４より大きいなら「ワ」、２画目の終点と１画目
の終点の高さｈ４が文字高さの１／１０より大きいなら
「Ｐ」、上記以外なら「Ｄ」と識別する。
【００５６】図２０は「９」と「ａ」の場合を示してお
り、始点から見た終点の距離ｗ１（水平方向）が＋８ド
ット（右向きを＋として）より大きいなら「ａ」、８ド
ットより小さいなら「９」と識別する。また、始点と終
点の鉛直方向の距離を始点と終点の水平方向の距離で割
った値が１５より大きい場合、「９」と識別する。
【００５７】図２１は「ｎ」と「ｈ」の場合を示してお
り、始点と終点の鉛直方向の距離ｈ１を、始点と終点の
水平方向の距離ｗ１で割った値が１．５より大きい場合
「ｈ」、１．５より小さい場合「ｎ」と識別する。
【００５８】このようにして、漢字、ひらがな、カタカ
ナ、数字、英字（大小）、記号について広範囲な文字認
識が可能となる。
【００５９】ステップ１３手書き入力文字と出力結果が
一致しているか否かを目視により判定する。
【００６０】ステップ１４手書き入力文字が辞書文字デ
ータとして存在しない場合、登録するか否かを決定す
る。
【００６１】ステップ１５登録する場合、正しい登録文
字をキーボードから入力する。
【００６２】ステップ１６辞書ファイルへ入力文字デー
タ（ファジィベクトル族）と登録文字を自動書き込みし
て登録する。
【００６３】なお、以上の実施例では、手書き入力文字
の構成ベクトルを４方向のファジィベクトルに変換した
例を示したが、構成ベクトルは最低２方向のファジィベ
クトルに変換することもできる。２方向、３方向、およ
び５方向のファジィベクトルを用いた場合の絶対角度θ
とメンバーシップグレードの関係を表すメンバーシップ
関数を図２５に示す。
【００６４】また、上記の実施例では文字認識方法を類
似度の比較によって行った例を示したが、相違度の比較
によって行うこともできる。その例を図２２に示す。
【００６５】ステップ６までは類似度による算出と同じ
方法を用いる。
【００６６】ステップ７’ 入力文字と同画数の辞書文字を対象として、１字につい
て入力文字のファジィベクトル族の各メンバーシップグ
レードと辞書文字のファジィベクトル族の各メンバーシ
ップグレードとの相違度を算出する。相違度とは、異な
る度合いのことであり、０に近いほど似ていることにな
る。相違度には、各メンバーシップグレードの差の積分
であるハミング距離、メンバーシップグレード１個当た
りの距離であるユークリッド距離、およびＤＰマッチン
グがある。
【００６７】ステップ８’対象となった辞書文字全ての
相違度を算出し、辞書文字に算出した相違度を割り付け
る。
【００６８】ステップ９’ 辞書文字の中で相違度が最小の文字を選出する。
【００６９】ステップ１０’ 最小相違度の辞書文字を答え（第１候補）として出力す
る。
【００７０】ステップ１１からは類似度による算出方法
と同じ方法を用いる。
【００７１】次に、本発明に係る文字認識装置の構成例
を図２３に示す。
【００７２】図２３は前記の図１４及び図１５の処理を
実施するためのコンピュータの構成を示すブロック図で
あり、本装置は、手書き入力文字認識プログラム及び辞
書文字データファイルを記録した記録媒体（ＦＤまたは
ＨＤもしくは補助メモリ等）１１と、手書き入力文字の
入力を行う入力装置（マウスもしくはパッド及びキーボ
ード）１２と、入力文字及び入力文字と認識された辞書
文字を表示する表示装置（ＣＲＴ）１３と、手書き入力
文字のストロークデータ及び辞書文字のストロークデー
タ及び各辞書文字の類似度を一時的に記憶するメインメ
モリ１４と、ストロークデータのファジィベクトル族の
データへの変換及び類似度の算出などを行うＣＰＵ１５
と、各装置間のデータの送信やプログラムの指令を制御
する入出力制御装置１６を備えている。 この文字認識
装置における文字認識の手順は次の通りである。
【００７３】（１）記録媒体１１に記録された手書き入
力文字認識プログラムを起動する。
【００７４】（２）入力装置１２のマウスにより手書き
文字を入力する。
【００７５】（３）手書き入力文字のストロークデータ
をＣＰＵ１５でファジィベクトルに変換し、変換したフ
ァジィベクトル族及び画数データをメモリ１４に記憶
し、手書き文字をＣＲＴ１３に表示する。
【００７６】（４）辞書文字ファイルから画数が同一で
ある文字１文字のファジィベクトル族を取り出し、メモ
リ１４に格納する。
【００７７】（５）ＣＰＵ１５により、メモリ１４に記
憶された２種類のファジィベクトル族の類似度を算出
し、辞書文字及びその類似度をメモリ１４に記憶する。
（画数が同じ辞書文字全てについて類似度を算出し、メ
モリ１４に記憶する。） （６）メモリ１４に記憶された辞書文字をＣＰＵ１５で
類似度が高い順にソートし、最も類似度が高い辞書文字
を手書き入力文字の認識結果としてＣＲＴに表示する。
【００７８】
【発明の効果】上述したように、本発明によれば、オン
ラインで採取した手書き入力文字の画ストロークを複数
の構成ベクトルに分解し、各構成ベクトルを複数方向の
メンバーシップグレードからなるファジィベクトルに変
換し、得られたファジィベクトルの集合であるファジィ
ベクトル族と、予め辞書の中に登録された各辞書文字の
ファジィベクトル族を比較し、その比較結果に基づい
て、前記手書き入力文字に対応した文字を認識すること
により、ファジィベクトル族によって筆跡の角度情報を
連続的に細かく表現できるため、オンライン手書き入力
文字を高い確度で認識することができる。また、さらに
遷移ストロークと始終ストロークによる識別と組み合わ
せることにより、更に認識率を向上させることができ
る。
【図面の簡単な説明】
【図１】 画ストロークの説明図である。
【図２】 本発明で用いる遷移ストロークの説明図であ
る。
【図３】 遷移ストロークの違いを示す図である。
【図４】 本発明で用いる始終ストロークの説明図であ
る。
【図５】 手書き入力文字の入力方法の例を示す説明図
である。
【図６】 手書き入力文字が点の連続で構成されている
ことを示す説明図である。
【図７】 手書き入力文字のサイズが異なる場合を示す
説明図である。
【図８】 構成ベクトルの絶対角度θの説明図である。
【図９】 構成ベクトルの絶対角度θとメンバーシップ
グレードの関係を表すメンバーシップ関数の説明図であ
る。
【図１０】 構成ベクトルと”０”方向のメンバーシッ
プグレードの関係を示す説明図である。
【図１１】 構成ベクトルと”１”方向のメンバーシッ
プグレードの関係を示す説明図である。
【図１２】 構成ベクトルと”２”方向のメンバーシッ
プグレードの関係を示す説明図である。
【図１３】 構成ベクトルと”３”方向のメンバーシッ
プグレードの関係を示す説明図である。
【図１４】 本発明の手書き入力文字認識システムを示
すフローチャートである。
【図１５】 本発明の手書き入力文字認識システムを示
すフローチャートである。
【図１６】 類似度の求め方の説明図である。
【図１７】 専用ルールの説明図である。
【図１８】 専用ルールの説明図である。
【図１９】 専用ルールの説明図である。
【図２０】 専用ルールの説明図である。
【図２１】 専用ルールの説明図である。
【図２２】 相違度算出による文字認識方法を示すフロ
ーチャートである。
【図２３】 本発明を実施するためのコンピュータの構
成を示すブロック図である。
【図２４】 従来のオンライン手書き入力文字認識のス
トロークの１６方向コード化の説明図である。
【図２５】 ２方向、３方向、および５方向のファジィ
ベクトルを用いた場合の絶対角度θとメンバーシップグ
レードの関係を表すメンバーシップ関数の説明図であ
る。
【符号の説明】
１ 画ストローク、２ １６方向コード、３ 構成ベク
トル、１０ パソコン、１１ ＦＤ，ＨＤまたは補助メ
モリ、１２ 入力装置、１３ ＣＲＴ、１４ メモリ、
１５ ＣＰＵ、１６ 入出力制御装置
フロントページの続き (56)参考文献 特開 平１−213771（ＪＰ，Ａ) 特開 平９−62788（ＪＰ，Ａ) 西村、外４名，“ファジイ画像情報処 理 文字の特徴抽出にあいまいさを取り 入れた手書き数字認識”，日本ファジイ 学会誌，平成６年，第６巻，第５号，ｐ 984−990 (58)調査した分野(Int.Cl.7，ＤＢ名) G06K 9/62 G06K 9/68 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (6)

    (57)【特許請求の範囲】
  1. 【請求項１】 ３２個を最小単位とする予め設定された
    数Ｎを、オンラインで採取した手書き入力文字の１画当
    たりの筆の動きを表現する筆跡情報である画ストローク
    の数で除して整数になるように各画ストロークに振り分
    け、 その振り分けられた数で分割された各画ストローク内の
    線分の起点と終点の座標データからその起点と終点を結
    ぶ線の絶対角度データを算出し、その絶対角度データ
    を、その絶対角度データの方向成分のみを持つＮ個の構
    成ベクトルに変換し、 各構成ベクトルを、メンバーシップ関数 を用いて、４方
    向の基準方向に対する類似の度合いを表す４つのメンバ
    ーシップグレードからなる組に変換し、変換された１つの構成ベクトルに対応する４つのメンバ
    ーシップグレードからなる組を前記構成ベクトルの数の
    分列記したファジィベクトル族 と、予め辞書に登録され
    た各辞書文字についてのファジィベクトル族との類似度
    を演算し、 その演算結果に基づいて、前記手書き入力文字に対応し
    た文字を抽出することを特徴とするオンライン手書き入
    力文字認識方法。
  2. 【請求項２】 ３２個を最小単位とする予め設定された
    数Ｎを、オンラインで採取した手書き入力文字の１画当
    たりの筆の動きを表現する筆跡情報である画ストローク
    の数で除して整数になるように各画ストロークに振り分
    け、その振り分けられた数で分割された各画ストローク
    内の線分の起点と終点の座標データからその起点と終点
    を結ぶ線の絶対角度データを算出し、その絶対角度デー
    タを、その絶対角度データの方向成分のみを持つＮ個の
    構成ベクトルに変換し、さらに、前記手書き入力文字の
    画数−１個の遷移ストローク及び（画数−１）×２個の
    始終ストロークを、これらのストロークの起点と終点を
    結ぶ線の絶対角度データの方向成分のみを持つ複数の構
    成ベクトルに変換し、 各構成ベクトルを、メンバーシップ関数 を用いて、４方
    向の基準方向に対する類似の度合いを表す４つのメンバ
    ーシップグレードからなる組に変換し、変換された１つの構成ベクトルに対応する４つのメンバ
    ーシップグレードからなる組を前記構成ベクトルの数の
    分列記したファジィベクトル族 と、予め辞書に登録され
    た各辞書文字についてのファジィベクトル族との類似度
    を演算し、 その演算結果に基づいて、前記手書き入力文字に対応し
    た文字を抽出することを特徴とするオンライン手書き入
    力文字認識方法。
  3. 【請求項３】 手書き入力文字に対して辞書から最も類
    似した文字を抽出した後、その抽出された文字が予め設
    定された特定文字に該当するときは、予め設定された専
    用ルールに基づいて前記手書き入力文字を抽出すること
    を特徴とする請求項１又は２記載のオンライン手書き入
    力文字認識方法。
  4. 【請求項４】 オンラインで採取した手書き入力文字の
    ストロークデータ及びそれに対応する辞書文字を辞書に
    登録することを特徴とする請求項１から３のいずれかの
    項に記載のオンライン手書き入力文字認識方法。
  5. 【請求項５】 文字入力装置と、 前記文字入力装置によって手書きされた文字をオンライ
    ンで採取する手段と、３２個を最小単位とする予め設定された数Ｎを、オンラ
    インで採取した手書き入力文字の１画当たりの筆の動き
    を表現する筆跡情報である画ストロークの数で除して整
    数になるように各画ストロークに振り分ける手段と、 その振り分けられた数で分割された各画ストローク内の
    線分の起点と終点の座標データからその起点と終点を結
    ぶ線の絶対角度データを算出し、その絶対角度データ
    を、その絶対角度データの方向成分のみを持つＮ個の構
    成ベクトルに変換 する手段と、各構成ベクトルを、メンバーシップ関数 を用いて、４方
    向の基準方向に対する類似の度合いを表す４つのメンバ
    ーシップグレードからなる組に変換する手段と、変換された１つの構成ベクトルに対応する４つのメンバ
    ーシップグレードからなる組を前記構成ベクトルの数の
    分列記したファジィベクトル族 と、予め辞書に登録され
    た各辞書文字についてのファジィベクトル族との類似度
    を演算する手段と、 その演算結果に基づいて、前記手書き入力文字に対応し
    た文字を抽出する手段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。
  6. 【請求項６】 ３２個を最小単位とする予め設定された
    数Ｎを、オンラインで採取した手書き入力文字の１画当
    たりの筆の動きを表現する筆跡情報である画 ストローク
    の数で除して整数になるように各画ストロークに振り分
    ける手順と、 その振り分けられた数で分割された各画ストローク内の
    線分の起点と終点の座標データからその起点と終点を結
    ぶ線の絶対角度データを算出し、その絶対角度データ
    を、その絶対角度データの方向成分のみを持つＮ個の構
    成ベクトルに変換する手順と、 各構成ベクトルを、メンバーシップ関数 を用いて、４方
    向の基準方向に対する類似の度合いを表す４つのメンバ
    ーシップグレードからなる組に変換する手順と、変換された１つの構成ベクトルに対応する４つのメンバ
    ーシップグレードからなる組を前記構成ベクトルの数の
    分列記したファジィベクトル族 と、予め辞書に登録され
    た各辞書文字についてのファジィベクトル族との類似度
    を演算する手順と、 その演算結果に基づいて、前記手書き入力文字に対応し
    た文字を抽出する手順を実行させるためのプログラムを
    記録したコンピュータ読み取り可能な記録媒体。
JP09177448A 1997-07-02 1997-07-02 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 Expired - Fee Related JP3139701B2 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
JP09177448A JP3139701B2 (ja) 1997-07-02 1997-07-02 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
US09/009,533 US6144764A (en) 1997-07-02 1998-01-20 Method and apparatus for on-line handwritten input character recognition and recording medium for executing the method
EP98101007A EP0889433A3 (en) 1997-07-02 1998-01-21 Method and apparatus for on-line handwritten input character recognition and recording medium for executing the method
AU52706/98A AU5270698A (en) 1997-07-02 1998-01-22 Method and apparatus for on-line handwritten input character recognition and recording medium for executing the method
CA002224540A CA2224540A1 (en) 1997-07-02 1998-01-22 Method and apparatus for on-line handwritten input character recognition and recording medium for executing the method
KR1019980002196A KR19990013306A (ko) 1997-07-02 1998-01-24 온라인 수기 입력문자 인식방법과 장치 및 그 방법을 실행하기위한 기록 매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP09177448A JP3139701B2 (ja) 1997-07-02 1997-07-02 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

Publications (2)

Publication Number Publication Date
JPH1125226A JPH1125226A (ja) 1999-01-29
JP3139701B2 true JP3139701B2 (ja) 2001-03-05

Family

ID=16031131

Family Applications (1)

Application Number Title Priority Date Filing Date
JP09177448A Expired - Fee Related JP3139701B2 (ja) 1997-07-02 1997-07-02 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

Country Status (1)

Country Link
JP (1) JP3139701B2 (ja)

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
西村、外４名，"ファジイ画像情報処理 文字の特徴抽出にあいまいさを取り入れた手書き数字認識"，日本ファジイ学会誌，平成６年，第６巻，第５号，ｐ９８４−９９０

Also Published As

Publication number Publication date
JPH1125226A (ja) 1999-01-29

Similar Documents

Publication Publication Date Title
US6144764A (en) Method and apparatus for on-line handwritten input character recognition and recording medium for executing the method
US7630551B2 (en) Method and system for line extraction in digital ink
AU737039B2 (en) Methods and apparatuses for handwriting recognition
US6011865A (en) Hybrid on-line handwriting recognition and optical character recognition system
EP1971957B1 (en) Methods and apparatuses for extending dynamic handwriting recognition to recognize static handwritten and machine generated text
CN1035904C (zh) 手写体识别中基线、行距和字高的估算
JPH0139154B2 (ja)
US5659633A (en) Character recognition method utilizing compass directions and torsion points as features
Kim et al. Word segmentation of printed text lines based on gap clustering and special symbol detection
JP3216800B2 (ja) 手書き文字認識方法
Khan et al. Online recognition of multi-stroke handwritten Urdu characters
Abirami et al. Handwritten mathematical recognition tool
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
JP3140989B2 (ja) ストローク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
KR100301216B1 (ko) 온라인문자인식장치
JP3221488B2 (ja) 検証機能付きオンライン文字認識装置
JP3897999B2 (ja) 手書き文字認識方法
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
Mandal et al. A Novel Approach of Normalization for Online Handwritten Characters using Geometrical Parameters on a 2D Plane
JP3015137B2 (ja) 手書文字認識装置
JPH081660B2 (ja) オンライン手書き図形認識装置
Aoshima et al. Real‐time recognition of handwritten math formulas
AU2004214901B2 (en) Line extraction in digital ink
Izadi et al. Incorporating a new relational feature in Arabic online handwritten character recognition
Nandury Stroke based recognition of online Devanagari handwritten characters

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees