JP3178686B2 - パターン認識方法および装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、手書き入力された文字
・記号等の認識処理のためのパターン認識システムに係
り、特にディスプレイ付きの手書きタブレットを入出力
装置として持ついわゆるペンコンピュータの入力処理等
に好適なパターン認識方法および装置に関する。

【０００２】

【従来の技術】近年、ペンコンピュータ等と称されるシ
ステム、すなわちディスプレイ付きのペン入力タブレッ
トを入出力装置として持つコンピュータシステムが注目
されている。このようなペンコンピュータは、その一例
を図２１に示すようにコンピュータ１、このコンピュー
タ１に接続されたディスプレイ付きタブレット２および
このタブレット２に接続された入力操作用の入力ペン３
を有して構成される。このような手書き入力を用いるシ
ステムおよびこのようなシステムで動作するアプリケー
ションプログラムにおいては、オペレータの手書きペン
入力をコンピュータ内で認識するため、手書きペン入力
による直接的な線図形入力データの意味する内容をコン
ピュータ内で認識・判別する必要がある。タブレット上
のペンによる入力データは、一般に、時間的に等間隔に
サンプリングされた点列として与えられるので、これを
適宜補間して連続的な曲線として理論的に取り扱えるよ
うにするためにスプライン補間処理が用いられる。

【０００３】このような与えられた点列から補間曲線を
求めるスプライン補間処理としては、例えば、点列とし
て与えられた各点の座標情報に基づいて、これら各点を
通過するようにスプライン曲線をあらわす基底関数の結
合係数を求めることにより、スプライン曲線の制御多角
形を求めて、補間曲線を求めるのが一般的である。例え
ば、３次スプライン曲線の場合は、補間曲線が与えられ
た各通過点の間を互いになめらかに接続するような（例
えば、いわゆる「Ｃ² 連続」の条件を満たすような）３
次ベジェ曲線で接続した形のスプライン曲線を求める。
また、従来、このようにしてスプライン補間されたパタ
ーン情報がどのような文字・記号等をあらわしているか
を認識・判定するには、入力されたサンプル図形と予め
用意されたレファレンス図形とのマッチングの度合いを
調べ、入力されたサンプル図形を、最もよくマッチング
するレファレンス図形に対応する文字・記号と認識・判
定していた。

【０００４】

【発明が解決しようとする課題】上述したように従来の
システムにおいては、サンプル図形のスプライン補間処
理にあたって、与えられる点列が確定した点列であるこ
とを前提としており、現実には、与えられる入力点列
に、曖昧な点や厳密には位置が正しくない点が含まれる
ことが多いにもかかわらず、点列として与えられる各点
の情報の中に曖昧な点や位置が正しくない点が含まれる
場合を考慮していない。また、サンプル図形に限らずレ
ファレンス図形もある確定した情報として処理され、そ
の結果、これらのマッチングの度合いの情報も確定した
単純な情報として求められる。

【０００５】したがって、従来のシステムでは、ペンコ
ンピュータ等における手書き入力のように、曖昧な点や
厳密には位置が正しくない点が含まれ得る入力点列か
ら、曖昧さを適切に評定して、オペレータの意図に即し
た認識処理を行うことは非常に困難である。これに対し
て、本発明者は、先に、特願平４−１５７５７３号とし
て、入力情報から曖昧な要素を適切に評定・処理して、
オペレータの意図に応じたパターン認識を行うことを可
能とするパターン認識方法および装置を提案した。

【０００６】このパターン認識方法および装置は、入力
サンプル図形の曖昧さ情報を含むファジィスプライン曲
線にて該サンプル図形を表現し、このサンプル図形の所
定個数のファジィ表現された代表点情報を求めるととも
に、レファレンス図形についてのファジィ表現された代
表点情報を前記サンプルの代表点にそれぞれ対応させて
所定個数求め、前記サンプルの代表点情報とレファレン
スの代表点情報との対応するペア同士のマッチングの度
合いの区間真理値から図形曲線全体の区間真理値を求め
て、図形曲線全体のマッチングの度合いを判定するもの
である。

【０００７】ところで、このように、曖昧さ情報を含む
ファジィスプライン曲線により表現された入力サンプル
図形の曲線情報から、手書き入力の書き手の意図した図
形を推論し、弁別・認識するにあたっては、推論処理系
の処理能力は有限であり、膨大なあるいは無限の情報を
瞬時に処理することができるわけではないことから、入
力されたファジィスプライン曲線をセグメンテーション
により適宜なる大きさのセグメントに分割し、各セグメ
ント毎に推論を行うことが有効であると考えられる。し
かし、このセグメンテーションを、単純に曲線の長さ等
に基づいて行った場合、特に手書き入力では、セグメン
テーションが適切でないと図形の推論、弁別に支障をき
たすおそれがある。本発明は、このような事情に鑑みて
なされたもので、手書き入力によるファジィ曲線情報の
適切なセグメンテーションを行って、ファジィ曲線情報
を書き手の意図した図形の推論に適するセグメントに分
割することを可能とするパターン認識方法および装置を
提供することを目的としている。

【０００８】

【課題を解決するための手段】本発明に係る第１のパタ
ーン認識方法は、手書き操作による曲線を、入力の曖昧
さ情報を含むファジィ曲線情報として入力する曲線入力
ステップと、前記ファジィ曲線情報から入力曲線中の各
点が停止点である可能性および必然性を求め、これら可
能性および必然性に基づいて各点の停止性を区間真理値
として評価する区間真理値評価ステップと、前記各点の
停止性の区間真理値に基づいて、入力曲線をストローク
毎にセグメント化するセグメンテーションステップと、
前記セグメント化された入力曲線のファジィ曲線情報に
基づき入力曲線のパターンを弁別するパターン処理ステ
ップとを有することを特徴としている。

【０００９】本発明に係る第２のパターン認識方法は、
手書き操作による曲線を、入力の曖昧さ情報を含むファ
ジィ曲線情報として入力する曲線入力ステップと、前記
ファジィ曲線情報から入力曲線中の各点の停止性を区間
真理値として評価する区間真理値評価ステップと、前記
各点の停止性の区間真理値を量子化してラベル付けする
ことにより、少なくとも停止点および停止候補点を抽出
するラベル付けステップと、前記停止点および停止候補
点の情報に基づいて、入力曲線をストローク毎にセグメ
ント化するセグメンテーションステップと、前記セグメ
ント化された入力曲線のファジィ曲線情報に基づき入力
曲線のパターンを弁別するパターン処理ステップとを有
することを特徴としている。

【００１０】本発明に係る第１のパターン認識装置は、
手書き操作により、曲線を、入力の曖昧さ情報を含むフ
ァジィ曲線情報として入力するための曲線入力手段と、
前記ファジィ曲線情報から入力曲線中の各点が停止点で
ある可能性および必然性を求め、これら可能性および必
然性に基づいて各点の停止性を区間真理値として評価す
るための区間真理値評価手段と、前記各点の停止性の区
間真理値に基づいて、入力曲線をストローク毎にセグメ
ント化するためのセグメンテーション手段と、前記セグ
メント化された入力曲線のファジィ曲線情報に基づき入
力曲線のパターンを弁別するためのパターン処理手段と
を具備することを特徴としている。

【００１１】本発明に係る第２のパターン認識装置は、
手書き操作による曲線を、入力の曖昧さ情報を含むファ
ジィ曲線情報として入力するための曲線入力手段と、前
記ファジィ曲線情報から入力曲線中の各点の停止性を区
間真理値として評価するための区間真理値評価手段と、
前記各点の停止性の区間真理値を量子化してラベル付け
することにより、少なくとも停止点および停止候補点を
抽出するためのラベル付け手段と、前記停止点および停
止候補点の情報に基づいて、入力曲線をストローク毎に
セグメント化するためのセグメンテーション手段と、前
記セグメント化された入力曲線のファジィ曲線情報に基
づき入力曲線のパターンを弁別するためのパターン処理
手段とを具備することを特徴としている。

【００１２】

【作用】本発明のパターン認識方法および装置は、手書
き操作により入力された曖昧さ情報を含むファジィ曲線
情報から、入力曲線中の各点の停止性を、例えば各点が
停止点である可能性・必然性をもとにして、区間真理値
として評価し、それに基づいて、例えばラベル付けする
ことにより、入力曲線をストローク毎にセグメント化し
て、入力パターンの弁別に供するので、手書き入力によ
るファジィ曲線情報の適切なセグメンテーションを行う
ことができ、ファジィ曲線情報を書き手の意図した図形
の推論に適するセグメントに分割することが可能とな
る。

【００１３】

【実施例】

《ファジィスプライン補間》本発明の実施例の説明に先
立ち、まず、各点毎の位置情報として与えられる点列デ
ータを補間近似して、これら点列に対応するファジィス
プライン曲線情報を得るための基本的な原理を説明す
る。この場合、各点の位置が曖昧で且つある広がりを持
つファジィ点列が与えられたとき、この曖昧さ情報を含
んだままでスプライン補間を行い、曖昧さによる広がり
を持ったなめらかな曲線を生成する。例えば、手書き入
力図形のサンプル点列の位置情報自体に曖昧さが内在
し、これが２次元のファジィ点列（各々が２次元のファ
ジィ集合としてあらわされた点の系列）として表現され
るものと仮定した場合に、これらのファジィ点列を、あ
る仮定のもとに補間して、連続的でしかも曖昧さを含ん
だ曲線、すなわちファジィスプライン曲線として表現す
ることにより、コンピュータ内で理論的に処理・利用し
易い形で保存することを可能とする。

【００１４】点列の位置情報の曖昧さとは、オペレータ
が描こうと意図している図形の概念的な位置情報に対し
て、実際に描かれてサンプリングされたデータが持つ不
正確さすなわち曖昧さのことである。一般的にいって、
オペレータが丁寧に描いている部分の曲線のサンプル点
の位置情報は、オペレータが描こうと意図している図形
に対する忠実度が高く、それに含まれる曖昧な要素が少
ないと考えられる。一方、オペレータが粗雑に描いてい
る部分の曲線のサンプル点の位置情報は、オペレータが
描こうと意図している図形に対して曖昧な要素が多く含
まれる情報であると考えられる。したがって、このよう
な性質を考慮した上で、各サンプリング点の位置情報に
適切な曖昧さを付加し、ファジィスプライン補間法によ
りファジィスプライン曲線を生成して、コンピュータ内
に保持させるようにすれば、入力曲線情報としては、入
力された線図形それ自体の形状と共にその線図形の各部
分の描き方に応じた曖昧さ情報が保持されることにな
る。

【００１５】上述した曖昧さ情報の付加の仕方について
は、例えば、手書き入力時のペンの加速度や筆圧情報等
を利用することが考えられる。一般的には、加速度に比
例して曖昧さが多く含まれるものとして設定すればよ
い。上述のように、入力線図形およびその各部における
曖昧さ情報が同時にファジィスプライン曲線情報として
コンピュータ内部で保持されれば、例えば、意図的に丁
寧に描いた楕円のデータと、円を粗雑に描いたために楕
円になってしまったデータとがコンピュータ内で区別し
得る形で保持されることになる。このようにして、一旦
コンピュータ内に保持されたファジィスプライン曲線情
報は、手書き入力された線図形のサンプリングデータか
らオペレータが入力しようと意図した線図形を推論およ
び認識するための素材として利用することが可能である
はずである。上述したファジィスプライン補間の原理に
ついて、さらに具体的に説明する。

【００１６】ファジィスプライン補間では、まず、曖昧
さを含んだ２次元平面上のベクトルをあらわすために円
錐型メンバシップ関数を持つファジィベクトルを考え、
そのファジィベクトルの演算を拡張原理に基づいて定義
する。次に、スプライン曲線の制御多角形の頂点をファ
ジィベクトルであらわすことによって、通常のスプライ
ン曲線の拡張であるファジィスプライン曲線を構成す
る。さらに、このファジィスプライン曲線によって、曖
昧さを含んだ平面上のファジィ点列を、曖昧さ情報を含
んだままで補間する。 〈円錐型ファジィベクトルとその演算〉円錐型のメンバ
シップ関数を持つファジィベクトルを考え、そのファジ
ィベクトル相互の和演算およびそのファジィベクトルと
クリスプなスカラ量との乗算を定義する。

【００１７】まず、円錐型ファジィベクトルのメンバシ
ップ関数とその表記法について検討する。平面上の曖昧
な２次元ベクトルを表現するために、図１６に示すよう
な円錐型メンバシップ関数によって特徴付けられるファ
ジィベクトルを考える。ここで、円錐の頂点の位置をあ
らわすベクトルａと円錐の底円の半径ｒ_a とを用いて、
前記円錐型メンバシップ関数を持つ第１のファジィベク
トルを数１であらわす。

【００１８】

【数１】

【００１９】なお、このときの数１であらわされる第１
のファジィベクトルのメンバシップ関数は、平面上の任
意の変数ベクトルｖに対して数２で与えられる（なお、
数２における演算子「∨」は大きいほうをとるｍａｘ
（最大値）演算をあらわしている）。

【００２０】

【数２】

【００２１】この数１および数２に示す円錐型ファジィ
ベクトルはスカラ量のファジィモデルである対称三角型
ファジィ数の直接の拡張となっている。次に、円錐型フ
ァジィベクトル相互の和演算および円錐型ファジィベク
トルとクリスプなスカラとの演算について検討する。数
３に示すような第２のファジィベクトルを考える。

【００２２】

【数３】

【００２３】拡張原理を適用することにより、前記第１
のファジィベクトルと第２のファジィベクトルとの和は
数４であらわされることが導かれる。

【００２４】

【数４】

【００２５】また、同様にして前記第１のファジィベク
トルにクリスプなスカラ量ｋを乗じた結果は数５であら
わされる。

【００２６】

【数５】

【００２７】したがって、数６のようなファジィベクト
ルの線形結合も数７のように同様のタイプのファジィベ
クトルであらわされる。

【００２８】

【数６】

【００２９】

【数７】

【００３０】〈ファジィスプライン曲線〉節点系列ｕ
_i-1 ，…，ｕ_i+n によって定義されるｎ次の規格化Ｂス
プライン関数をＮ_i ⁿ （ｕ）とすれば、パラメータ空間
上の区間：［ｕ_n-1 ，ｕ_n+L-1 ］を定義域とする任意の
ｎ次スプライン曲線ｓⁿ （ｕ）は数８であらわされる。

【００３１】

【数８】

【００３２】ここで、位置ベクトルｄ₀ ，…，ｄ_L+n-1
は制御多角形の頂点をあらわしており、スプライン曲線
上の点は制御多角形の頂点の線形結合として与えられて
いる。そこで、数８の制御多角形の頂点をあらわす位置
ベクトルを、前述のファジィベクトルによるファジィ位
置ベクトルに拡張することによってファジィスプライン
曲線を定義する。すなわち、ファジィ制御多角形の頂点
として数９を与えることにより、ｎ次のファジィスプラ
イン曲線を数１０のように数８の拡張として定義する。

【００３３】

【数９】

【００３４】

【数１０】

【００３５】数１０はパラメータ値ｕに対応するファジ
ィスプライン曲線上の点が、ファジィ位置ベクトルの線
形結合となっていることを示す。したがって、上述のフ
ァジィベクトルの和演算およびクリスプなスカラ量によ
る乗算の演算規則を適用すれば、この点は数１１であら
わすことができ、円錐型ファジィ位置ベクトルとして評
価されることがわかる。

【００３６】

【数１１】

【００３７】〈ファジィスプライン曲線によるファジィ
点列の補間〉図形平面上にファジィ位置ベクトルによっ
て数１２のようなファジィ点列が与えられたとき、これ
らを通過するようなファジィスプライン曲線の制御多角
形は数１３であらわされる線形システムを解くことによ
り得られる。

【００３８】

【数１２】

【００３９】

【数１３】

【００４０】ただし、ｍ＝Ｌ＋ｎ−１とおき、またｓ_i
を数１２のファジィ点列に対応するパラメータｕの値と
すれば数１４、数１５および数１６である。

【００４１】

【数１４】

【００４２】

【数１５】

【００４３】

【数１６】

【００４４】上述のようにファジィスプライン曲線の制
御多角形を得るには、数１３であらわされる線形システ
ムを数１４について解けばよい。数１３は、実際にはフ
ァジィベクトルの円錐の頂点のｘ軸要素、ｙ軸要素およ
び円錐の底円の半径に関する３重の線形システムとなっ
ているから、これら３つの線形システムを解くことによ
りファジィスプライン曲線の制御多角形が求められる。
上述したファジィスプライン補間を具体的な例について
説明する。図１７〜図１９は図形空間上に与えられたフ
ァジィ点列を３次ファジィスプライン曲線で補間する例
を示している。なお、図１７〜図１９における円は円錐
型ファジィベクトルの底円を示している。 (1) 円錐型のメンバシップ関数を持つ数１７のファジィ
点列を図１７に示すように与える。

【００４５】

【数１７】

【００４６】このとき実際にサンプルされた点を円錐の
頂点とし曖昧さを底円の半径として与える。曖昧さは例
えば加速度等の情報をもとにして与える。 (2) 通常のスプライン補間手法を拡張した方法により、
数１８のファジィ制御多角形を求める。このファジィ制
御多角形は図１８に示される。

【００４７】

【数１８】

【００４８】(3) 数１８のファジィ制御多角形に対し
て、通常のド・ブーアのアルゴリズムを拡張した方法に
より、補間・評価を行って、所望の細かさで図１９のよ
うなファジィ曲線を生成する。

【００４９】《手書き曲線のファジィセグメンテーショ
ン》上述したファジィスプライン曲線補間を応用し、タ
ブレット等から入力される曖昧さを含んでいると考えら
れる線図形の手書き入力データから、書き手が何を書こ
うとしたのかを推論するにあたり、入力データをある程
度の大きさのセグメントに区切る必要がある。この場
合、手書き線図形は、基本的に書き手が意図したストロ
ークで描かれることから、入力データを手書き入力のス
トロークにより区切ることが有効であると考えられる。
そこで、ファジィスプライン曲線からの、手書きストロ
ークの区切りによるセグメンテーションの原理について
説明する。

【００５０】書き手が何を書こうとしたのかを探るた
め、セグメンテーションにあたっては、入力された線図
形がどのようなストロークで書かれているか、そのスト
ロークの区切りを検出する。手書き入力では、ストロー
クの区切りでは、入力速度が遅くなり、角や停止点とな
って線図形にあらわれる。そこで、ある点が止まってい
るかどうかを調べることにより、ストロークの区切りを
抽出することができると考えられ、ある点が、ある一定
時間停止しているかどうかをファジィ的に評価すれば、
ストロークの区切りによるファジィセグメンテーション
を行うことができる。 〈サンプル点のファジィスプライン補間〉一定時間間隔
でサンプリングされた入力点列ｐ_i は、必ずしも曲線の
書き手の意図を正確に反映した正確な位置情報をもって
いるとは限らない。一般に、曲線を粗雑に書けば書くほ
どその位置情報は曖昧になる。この観点から、各サンプ
ル点はその点における手書き加速度に比例する位置の曖
昧さをもっていると考えられる。このことは、各サンプ
ル点ｐ_i を示すのに、数１９のファジィベクトルを用い
ることにより表現することができる。

【００５１】

【数１９】

【００５２】ここで、ｒ_piはサンプル点ｐ_i における加
速度に比例して設定される。このようなファジィベクト
ルであらわされるサンプル点列を、上述した手法により
補間してファジィスプライン曲線を得ることができる。 〈区間真理値による停止性の評価〉数１１を用いること
により、もとのサンプリング間隔よりも短い一定時間間
隔でスプライン曲線が評価される。このことにより、よ
り細かいファジィ点列である数２０が得られる。

【００５３】

【数２０】

【００５４】数２０の各ファジィ点における停止性の度
合いを、数２１および数２２に示す必然性測度Ｎ_i およ
び可能性測度Ｐ_i に基づく区間真理値［Ｎ_i ，Ｐ_i ］に
より評価する（なお、数２１における演算子「∨」は大
きいほうをとるｍａｘ（最大値）演算をあらわし、数２
２における演算子「∧」は小さいほうをとるｍｉｎ（最
小値）演算をあらわしており、数２１における「ｉｎ
ｆ」は下限をとる操作を示し、数２２における演算子
「ｓｕｐ」は上限をとる操作を示している）。

【００５５】

【数２１】

【００５６】

【数２２】

【００５７】ここで、数２１および数２２に示す必然性
測度Ｎ_i および可能性測度Ｐ_i は、それぞれファジィ点
について数２３に示す命題が成り立つ必然性および可能
性として定義される。ｋについて適切な整数を選択すれ
ば、上述の命題は、「時間ｉにおける曲線上の位置が、
その微少時間（ｋ時間）前の曲線上の位置と同じであ
る」と理解される。

【００５８】

【数２３】

【００５９】〈ファジィセグメンテーション〉各点にお
ける停止性の度合いを評価する区間真理値を用いること
により、手書き曲線を書き手の意図したストロークに対
応してセグメントに分割する手法を提案する。この手法
は、曲線が注意深く書かれている場合には的確なセグメ
ンテーションとなる。一方、曲線が粗雑に書かれている
場合にはセグメンテーションの曖昧さが検出される。 ［評価ファジィ点へのラベリング］区間真理値［Ｎ_i ，
Ｐ_i ］は、任意の閾値α∈［０，１］と比較されて量子
化され、（図２０に示すように）「１（真）」、「？
（不明）」または「０（偽）」にラベル付けされる。

【００６０】［評価ファジィ点のグルーピング］次に、
（図２０のように）「？」または「１」とラベル付けさ
れたすべてのファジィ点を、「０」とラベル付けされた
ファジィ点と分離してＧｊにグループ化する。各グルー
プＧｊは停止点すなわち結合された２つのセグメントの
区切り点の候補に対応すると推定される。 ［区切り点のファジィ抽出］各グループＧｊそれ自体
は、もしもそれが「１」にラベル付けされたファジィ点
を少なくとも１つ含んでいれば、「１」にラベル付けさ
れ、そうでなければ「０」にラベル付けされる。いま、
図２０のように、各グループＧｊ毎に１つのファジィ点
を選択することにより、数２４に示すように、それらの
母群からラベルを受け継ぐ区切り点が抽出される。

【００６１】

【数２４】

【００６２】「１」にラベル付けされた区切り点は、自
動的に抽出された的確な区切り点として扱われる。一
方、「？」にラベル付けされた区切り点は、依然として
疑問があり、曲線の書き手に、直接の判断を求めて、単
なる区切り点の候補として提示される。このような原理
によって、手書き操作による曖昧さ情報を含んだファジ
ィスプライン曲線情報から曖昧さ情報を有効に利用し
て、ストロークによる的確なセグメントに区切ることが
でき、認識処理に供することができる。

【００６３】《実験結果》上述のファジィセグメンテー
ション法によるいくつかの実験例を図１３〜図１５に示
す。図１３(a) 〜図１５(a) は手書き入力によるファジ
ィスプライン曲線データを示し、図１３(b) 〜図１５
(b) はセグメンテーションの結果を示す。図１３(b) 〜
図１５(b) においては、検出されたラベル「１」または
「？」に対応する区切り点を、それぞれ「●」または
「○」で示している。図１３および図１４に示す丁寧に
書いた曲線は的確にストロークに区切られている。一
方、図１５に示す粗雑に書いた曲線は、疑問のある１つ
の区切り点を有しており、それは入力曲線の曖昧さを反
映している。

【００６４】上述の原理に基づく本発明の実施例を、以
下、図面を参照して説明する。図１は、本発明の一実施
例に係るパターン認識装置の概略的な構成を示してい
る。本実施例のパターン認識装置では、手書き曲線情報
を、円錐型のメンバシップ関数を持つファジィ位置ベク
トルであらわされるファジィ点列からなるファジィスプ
ライン曲線として入力し、このファジィスプライン曲線
を、手書き入力のストロークに対応するセグメントに分
割して、書き手の意図を反映したセグメンテーションを
行い、書き手が書こうとした曲線パターンを認識するた
めの推論に供することができる。

【００６５】図１に示すパターン認識装置は、入力部
１、ファジィスプライン曲線形成部２、セグメンテーシ
ョン処理部３、マッチング処理部４、推論処理部５およ
び表示部６を具備している。なお、ファジィスプライン
曲線形成部２、セグメンテーション処理部３、マッチン
グ処理部４および推論処理部５からなるシステムの主要
部分は、典型的にはＣＰＵ（中央処理装置）を含み主と
してソフトウェアにより所定のごとく機能するように構
成される。もちろん、このシステムの主要部分の一部ま
たは全部を、各機能要素に相当するハードウェアにより
構成するようにしてもよい。入力部１は、例えば、手書
き用のタブレット入力装置、各種入力操作用のキーボー
ドおよびポインティングデバイス（例えばマウス）等を
有し、オペレータによる手書き曲線入力およびシステム
に対する必要な入力を行う。ファジィスプライン曲線形
成部２は、入力部１により入力された手書き曲線情報を
もとにファジィスプライン曲線を形成する。

【００６６】ファジィスプライン曲線形成部２は、図１
に示すように、ファジィ点列化部２１およびファジィス
プライン補間部２２を有する。ファジィ点列化部２１
は、入力部１により入力された手書き曲線情報を必要に
応じて例えば等時間間隔でサンプルされたデータのよう
に曖昧さに関連する情報を含み得る点列からなるサンプ
ル曲線データとして取り込み、このサンプル曲線データ
の点列の各点を円錐型メンバシップ関数を持つファジィ
ベクトルデータに変換する。このとき、例えば、実際に
サンプルされたデータ点を円錐の頂点として与え、また
その点が書かれたときのその点における加速度に比例し
た大きさを円錐の底円の半径として与えることにより、
加速度の大きい部分ほどその位置データが曖昧であると
仮定する。

【００６７】ファジィスプライン補間部２２は、ファジ
ィ点列化部２１で得られた入力曲線のファジィ点列デー
タに対し、通常のスプライン補間手法を拡張した方法を
用いて、ファジィ点列を補間するファジィスプライン曲
線のファジィ制御多角形を求めるとともに、このファジ
ィ制御多角形に対して補間・評価を行って、所望の細か
さのファジィスプライン曲線を形成する。セグメンテー
ション処理部３は、図１に示すように、停止性算定部３
１、ラベリング処理部３２、グループ分け処理部３３、
区切り点・候補点抽出部３４、区切り点決定部３５およ
びメモリ３６を有する。停止性算定部３１は、ファジィ
スプライン曲線形成部２で得られたファジィスプライン
曲線上の各ファジィ点について、それより所定個数前の
ファジィ点との比較において、それぞれが停止点である
可能性と必然性を求めることにより、各ファジィ点の停
止性を、区間真理値として表現する。

【００６８】ラベリング処理部３２は、停止性算定部３
１で求められた各ファジィ点の停止性を示す可能性およ
び必然性の区間真理値を所定の閾値と比較して、各ファ
ジィ点に、停止点「１」、停止の可能性のある点
「？」、停止していない点「０」のラベルを付ける。グ
ループ分け処理部３３は、上述のラベリング処理部３２
で付されたラベルに基づき、「１」あるいは「？」にラ
ベル付けされたファジィ点の存在領域を抽出して、各フ
ァジィ点をグループ分けし、これらグループにラベル付
けを行う。すなわち、このグループ分けは、ラベリング
処理部３２でラベル付けされたファジィ点を、「０」に
ラベル付けされた領域で区切ることにより行われる。こ
のグループ分けにより、「１」と「？」にラベル付けさ
れたファジィ点のみからなる領域を抽出し、「？」のみ
からなる領域をタイプ「？」にラベル付けし、「１」の
みからなる領域および「１」と「？」が混在している領
域をタイプ「１」にラベル付けする。

【００６９】区切り点・候補点抽出部３４は、グループ
分け処理部３３で抽出され、ラベル付けされた各領域か
ら代表点を選出して、それぞれの領域に付されたラベル
「１」または「？」に応じて、確定的なストロークの区
切り点またはその可能性のある区切り候補点として提示
する。具体的には、例えば、「？」のみからなる領域に
ついては、その領域の中央またはその近傍のファジィ点
（すなわち、ちょうど中央にファジィ点が存在するとき
はその点、ちょうど中央にファジィ点が存在しないとき
はその両側のファジィ点のいずれかの点）をタイプ
「？」すなわち区切り候補点とする。「１」のみからな
る領域については、その領域の中央またはその近傍のフ
ァジィ点をタイプ「１」すなわち区切り点とする。ま
た、「１」と「？」が混在している領域については、そ
の領域内の両端の「１」の中央またはその近傍のファジ
ィ点をタイプ「１」すなわち区切り点とする。

【００７０】区切り点決定部３５は、区切り点・候補点
抽出部３４により抽出された区切り候補点を区切り点と
して採用するか否かを決定する。この区切り点の決定に
あたっては、例えば、表示部６に区切り点および区切り
候補点を表示し、オペレータが入力部１のマウス等のポ
インティングデバイスにより、区切り点として採用した
い区切り候補点を指示することにより、区切り候補点を
区切り点に変換し、対話的に最終的な区切り点を決定す
る。なお、この場合、区切り候補点を区切り点として採
用するか否かは、区切り候補点を表示部６に表示してオ
ペレータの操作により対話的に決定するようにしたが、
区切り候補点から適切な区切り点を決定するためのより
上位の推論アルゴリズムにより自動的に決定するように
してもよい。

【００７１】メモリ３６は、停止性算定部３１、ラベリ
ング処理部３２、グループ分け処理部３３、区切り点・
候補点抽出部３４および区切り点決定部３５によるセグ
メンテーション処理における被処理データ、中間データ
および処理結果データ等のデータを必要に応じて格納す
る。このメモリ３６は、システムの他の部分、すなわち
ファジィスプライン曲線形成部２、マッチング処理部４
および推論処理部５等の処理のための記憶装置の少なく
とも一部と共用してもよい。マッチング処理部４は、セ
グメンテーション処理部３でセグメントに区切られたフ
ァジィスプライン曲線情報の各セグメント毎に、予め用
意した所定のレファレンスパターンとのマッチングを行
い各セグメントが各レファレンスパターンに対応する所
定のパターンである可能性を算定する。

【００７２】すなわち、このマッチング処理部４では、
予め、例えば、「楕円弧」、「円弧」および「線分（直
線）」のレファレンスパターンを用意しておき、セグメ
ンテーション処理部３で得られた各セグメント毎に、前
記各レファレンスパターンとのマッチングを行って、各
セグメント毎に「楕円弧」である可能性、「円弧」であ
る可能性および「線分」である可能性を求める。推論処
理部５は、マッチング処理部４で得られる所定のパター
ンである可能性に基づいて、各セグメントについて当て
はめ処理を行い、各セグメント毎に書き手の意図した図
形パターンを推論し、その推論結果に従って図形を当て
はめて表示部６に表示する。

【００７３】すなわち、この推論処理部５では、例え
ば、「線分」は「円弧」の特殊な場合、「円弧」は「楕
円弧」の特殊な場合、「楕円弧」は「自由曲線」の特殊
な場合であるという線図形の概念に基づいて推論を行
い、「楕円弧」でない可能性と「円弧」でない可能性と
「線分」でない可能性の論理積を「自由曲線」の可能性
とし、「楕円弧」である可能性と「円弧」でない可能性
と「線分」でない可能性の論理積を「楕円弧」の可能性
とし、「円弧」である可能性と「線分」でない可能性の
論理積を「円弧」である可能性とし、「線分」である可
能性はそのまま「線分」である可能性として推論する。
これら「自由曲線」、「楕円弧」、「円弧」および「線
分」のうち可能性の値の最大のものをそのセグメントに
当てはめる図形とする。表示部６は、セグメンテーショ
ン処理部３の区切り点決定部３５における区切り候補点
を区切り点とするか否かの対話的処理のための区切り候
補点の表示および推論処理部５の推論結果の表示等の表
示を行う。

【００７４】次に、図１に構成を示した本実施例のパタ
ーン認識装置における動作を詳細に説明する。図２に本
実施例のパターン認識装置の処理動作のフローチャート
を示す。図２において、システムがスタートすると、ま
ず、入力部１の例えばタブレット装置により入力された
手書き曲線情報をもとに、ファジィスプライン曲線形成
部２がファジィスプライン曲線を形成する（ステップＳ
１）。ステップＳ１では、入力部１の例えばタブレット
装置により入力された手書き曲線情報である点列データ
を加速度に基づきファジィ化し、図３(a) のようなファ
ジィ点列データを得る（ファジィ点列化部２１）。さら
に、このファジィ点列データから、これらを補間するフ
ァジィスプライン曲線を構成する図３(b) のようなファ
ジィ点列データを求める（ファジィスプライン補間部２
２）。

【００７５】このステップＳ１におけるファジィスプラ
イン曲線形成部２による処理をさらに詳細に説明する。
ファジィ点列化部２１は、入力されたデータ点列から加
速度を求め、加速度に対するファジィ点の広がりを示す
パラメータｒ（予め設定する）を用いて、数２５により
ファジィ点の広がりを求め、図４のようなファジィ点列
データを生成する。

【００７６】

【数２５】

【００７７】次に、このファジィ点列データからファジ
ィ制御多角形を求める（なお、ファジィ点の広がりが負
または予め設定した正の微小値（分解能設定パラメータ
ｃ）より小さい場合には、ファジィ点の広がりをその微
小値ｃにリセットする）。サンプリング周期に対する評
価点数を示すパラメータｎを設定し、ファジィデータ点
列のサンプリング周期をｎで分周するように、ファジィ
スプライン曲線の評価を行う。ここで、サンプリング周
期をパラメータｎで分周した時間を単位時間ｔｕとす
る。例えば、ｎ＝3 とした場合、図４のファジィデータ
点列からは、図５のようなファジィ評価点列が得られ
る。ステップＳ１で得られたファジィスプライン曲線か
ら停止点をストロークの区切りとして抽出し、セグメン
テーションを行う（ステップＳ２）。書き手が何を書こ
うとしたのかを探るにあたり、入力された線図形がどの
ようなストロークで書かれているか、そのストロークの
区切りを検出するセグメンテーションを行う。このセグ
メンテーションはセグメンテーション処理部３で行われ
る。

【００７８】手書きによる線図形の入力中にストローク
の区切りをつけたい場合、手書き動作がある程度の時間
停止するか入力速度を遅くすることになり、そのような
書き手の意図から起こる動作は、角や停止点となって線
図形にあらわれる。このことから、ある点が止まってい
るかどうかを調べることにより、停止点、すなわちスト
ロークの区切りを抽出することができると考えられ、あ
る点が、ある一定時間停止しているかどうかをファジィ
的に評価して、セグメンテーションを行う。前述の一定
時間を、停止判定時間ｔｓとすれば、ファジィスプライ
ン曲線の評価時に決定した単位時間ｔｕを基準として、
数２６によりこの停止判定時間ｔｓを設定する。なお、
数２６における停止判定時間を決定する係数ｎ_tsは、例
えばｎ_ts＝3 に設定する。

【００７９】

【数２６】

【００８０】あるファジィ点がｔｓ時間停止している可
能性・必然性は、そのファジィ点がｔｓ時間前のファジ
ィ点と一致している可能性・必然性を求めればよい。あ
る一定時間停止している可能性・必然性の区間真理値の
量子化によって、停止点の候補すなわち区切り候補点を
抽出した後、対話的処理によって区切り点を決定し、区
切り点間を１つのセグメントとする。これがステップＳ
２におけるファジィセグメンテーション処理である。こ
のようなステップＳ２のファジィセグメンテーションの
処理を詳細に説明するためのフローチャートを図６に示
す。 (1) まず、評価された各ファジィ点が停止点である可能
性・必然性を算出する（ステップＳ２１）。

【００８１】ステップＳ２１では、予め設定した停止判
定時間を決定する係数ｎ_tsに基づく停止判定時間ｔｓに
ついて、最初のｎ_ts個と最後の１個を除く各ファジィ点
が停止点である可能性・必然性を計算する。すなわち、
ｔｓ時間前のファジィ点をレファレンスとし、その時点
で着目しているファジィ点をサンプルとして、サンプル
ファジィ点がレファレンスファジィ点と一致している可
能性・必然性を計算する。例えば、図７のようなファジ
ィ評価点列が与えられていて、ｎ_ts＝3 に設定されてい
るとき、サンプルファジィ点が停止点である可能性・必
然性の算出の例を図８に示す。なお、始終端条件として
最初と最後のファジィ点は、可能性を１、必然性を１と
設定し、２番目からｎ_ts番目までのファジィ点は、可能
性を１、必然性を０と設定する。

【００８２】(2) ステップＳ２１で算出された各ファジ
ィ点についての停止性の可能性・必然性を区間真理値と
して表現する（ステップＳ２２）。ステップＳ２２によ
る各ファジィ点についての停止性の区間真理値の例が図
９に図示されている。 (3) ステップＳ２２で得られる各ファジィ点の区間真理
値を量子化して、停止点「１」、停止の可能性のある点
「？」および停止していない点「０」にラベル付けする
（ステップＳ２３）。

【００８３】すなわち、ステップＳ２３では、各ファジ
ィ点が停止点である可能性・必然性の区間真理値を、設
定された閾値レベルαと比較し、次の３つのタイプに量
子化して、ラベル付けする。 (3-a) 可能性≧αで、且つ必然性≧αである場合は、停
止点であると推論でき、タイプ「１」にラベル付けす
る。 (3-b) 可能性≧αで、且つ必然性＜αである場合は、停
止点でありそうではあるがはっきりせず、停止の可能性
のある点として、タイプ「？」にラベル付けする。 (3-c) 可能性＜αで、且つ必然性＜αである場合は、停
止点でないと推論でき、タイプ「０」にラベル付けす
る。 ステップＳ２３では、例えば、閾値レベル（初期値）が
α＝0.5 に設定されている場合、図９に示すように、各
ファジィ点は、各区間真理値により図示のようなタイプ
にラベル付けされる。図９における各区間真理値は、そ
れぞれの上端が可能性を示し下端が必然性を示してい
る。

【００８４】(4) ステップＳ２３で付されたラベルに基
づいて、各ファジィ点をグループ化し、「１」または
「？」の領域を抽出して、ラベル付けする（ステップＳ
２４）。すなわち、ステップＳ２４では、ファジィ点列
を、ステップＳ２３の量子化により停止点ではないとさ
れてタイプ「０」のラベルが付された部分で区切ること
によって、図１０に示すように、ラベルが「１」または
「？」の一方または両方からなる領域を停止点の存在範
囲として抽出し、「？」のラベルのみからなる領域を
「？」に、「１」のラベルのみからなる領域および
「１」および「？」のラベルが混在する領域を「１」
に、それぞれラベル付けする。 (5) ステップＳ２４で抽出された「１」または「？」の
領域から代表点を抽出し、それぞれ区切り点および区切
り候補点として提示する（ステップＳ２５）。ステップ
Ｓ２５では、次のようにして、「１」または「？」の領
域から代表点を抽出する。

【００８５】(5-a) 「１」のラベルが付された領域で、
領域内のすべてのファジィ点のラベルが「１」である場
合には、その領域の中央またはその近傍のファジィ点
（先に述べたように、ちょうど中央にファジィ点が存在
するときはその点、ちょうど中央にファジィ点が存在し
ないときはその両側のファジィ点のいずれかの点）を代
表点とし、それをタイプ「１」の停止点、つまり区切り
点とする。 (5-b) 「１」のラベルが付された領域で、ラベルが
「１」と「？」のファジィ点が領域内に混在している場
合には、その領域内のタイプ「１」の両端のファジィ点
の中央またはその近傍のファジィ点を代表点とし、それ
をタイプ「１」の停止点、つまり区切り点とする。 (5-c) 「？」のラベルが付された領域では、領域内のす
べてのファジィ点のラベルが「？」であるので、その領
域の中央またはその近傍のファジィ点を代表点とし、そ
れをタイプ「？」の停止候補点、つまり区切り候補点と
する。

【００８６】ステップＳ２５では、このようにして得ら
れる区切り点および区切り候補点を、例えば表示部６に
適宜表示するなどしてオペレータに提示する。このステ
ップＳ２５におけるオペレータに対する「区切り点」お
よび「区切り候補点」の提示の仕方としては、例えば図
３(c) または図１５(b) のようにスプライン曲線に重畳
して、「区切り点」（●）と「区切り候補点」（○）と
を区別して表示することが望ましいが、図１１のように
区間真理値のグラフ等の形で表示するようにしてもよ
い。図１１に、図１０の例についての代表点の抽出の例
を示す。 (6) ステップＳ２５で提示された「区切り点」および
「区切り候補点」をもとに、オペレータによる対話的操
作によって、「区切り点」を確定する（ステップＳ２
６）。このステップＳ２６では、主として「区切り候補
点」に基づいて「区切り点」を指示する操作が行われ
る。

【００８７】すなわち、ステップＳ２６では、「区切り
候補点」を「区切り点」に変更したい場合、表示部６の
表示画面に表示された任意の「区切り候補点」を入力部
１のマウス等のポインティングデバイスで指示すること
により、「区切り点」に書き換える。ステップＳ２５に
おけるオペレータに対する「区切り点」および「区切り
候補点」の提示の仕方として、例えば図３(c) のように
スプライン曲線に重畳して、「区切り点」（●）と「区
切り候補点」（○）とを区別して表示されている場合に
は、所望の「区切り候補点」をマウス等により指示する
ことにより、図３(d)のように「区切り点」に変更す
る。図１１のような区間真理値のグラフの形で「区切り
点」および「区切り候補点」を提示した場合はラベルを
「？」から「１」に書き換えればよい。

【００８８】なお、区切り点および区切り候補点の絶対
数が足りない場合には、このステップＳ２６の段階にお
いて、閾値レベルαを変更し（例えば閾値レベルαは0.
1 〜0.9 の範囲で可変であるとする）、再度ステップＳ
２３〜Ｓ２５の操作を繰り返して、ステップＳ２６で区
切り点を適切に決定する。図１２に、図１１等の例にお
いて、閾値レベルαを0.5 だけでなく、0.8 および0.2
に設定した場合の区切り候補点の抽出結果の相違を示し
ている。図１２より、閾値レベルを上げた場合（α＝0.
8 ）には、厳しい条件のもとで停止点を抽出することに
なり、停止点の存在する範囲が狭くなっているが、閾値
レベルを下げた場合（α＝0.2 ）には、緩い条件のもと
で停止点の抽出を行い、少しでも停止点といえそうな点
を抽出するようにしているため、停止点の存在する範囲
が広くなっていることがわかる。

【００８９】(7) ステップＳ２６で区切り点が決定され
たら、ファジィスプライン曲線をその区切り点によりセ
グメントに区切る（ステップＳ２７）。このようにし
て、図２のステップＳ２のファジィセグメンテーション
が行われる。次に、マッチング処理部４で、各セグメン
ト毎に、予め用意した所定のレファレンスパターンとの
マッチングを行い各セグメントが各レファレンスパター
ンに対応する所定のパターンである可能性を算定する
（ステップＳ３）。ステップＳ３では、例えば、「楕円
弧」、「円弧」および「線分（直線）」のレファレンス
パターンを用意しておき、セグメンテーション処理で得
られた各セグメント毎に、前記各レファレンスパターン
とのマッチング処理を行って、各セグメント毎に「楕円
弧」、「円弧」および「線分」である可能性をそれぞれ
求める。

【００９０】そして、推論処理部５において、ステップ
Ｓ３で求められる各セグメント毎の「楕円弧」、「円
弧」および「線分」である可能性に基づいて、書き手の
意図した図形パターンの推論を行い「自由曲線」、「楕
円弧」、「円弧」および「線分」のうち可能性の最大の
ものへの図形パターンの当てはめを行う（ステップＳ
４）。ステップＳ４で得られた図形パターン当てはめの
結果（図３(e) 参照）を表示部６に表示する。このよう
にすることにより、書き手がはっきりと意識して、スト
ロークの入力を行った場合は、システム側がそれを検知
して自動的にセグメンテーションを行い、書き手の意図
に沿った適切なパターン認識を行うことができる。ま
た、書き手の意図がはっきりと表現されていない場合に
は、セグメンテーションの可能性のあるところを提示す
るようにして、書き手の意図を確認する自然なヒューマ
ンインタフェースを実現することができる。

【００９１】なお、上述の実施例においては、グルーピ
ングにより得られた、「１」・「？」の領域から該領域
の代表点を抽出するにあたっては、領域の中央またはそ
の近傍のファジィ点（ちょうど中央にファジィ点が存在
するときはその点、ちょうど中央にファジィ点が存在し
ないときはその両側のファジィ点のいずれかの点）を代
表点とするようにしたが、必ずしも中点を代表点とする
必要はなく、要するに存在範囲の中からなんらかを基準
として１点を抽出できればよい。

【００９２】

【発明の効果】以上述べたように、本発明によれば、手
書き操作により入力された曖昧さ情報を含むファジィ曲
線情報から、入力曲線中の各点の停止性を、例えば各点
が停止点である可能性・必然性をもとにして、区間真理
値として評価し、それに基づいて、例えばラベル付けす
ることにより、入力曲線をストローク毎にセグメント化
して、入力パターンの弁別に供するようにして、手書き
入力によるファジィ曲線情報の適切なセグメンテーショ
ンを行って、ファジィ曲線情報を書き手の意図した図形
の推論に適するセグメントに分割することを可能とする
パターン認識方法および装置を提供することができる。

【図面の簡単な説明】

【図１】 本発明の一実施例に係るパターン認識装置の
一例の概略的な構成を示すブロック図である。

【図２】 図１のパターン認識装置におけるパターン認
識処理を概略的に説明するためのフローチャートであ
る。

【図３】 図１のパターン認識装置のパターン認識処理
の過程を模式的に説明するための図である。

【図４】 図１のパターン認識装置の処理の説明のた
め、入力されるファジィ点列データの例を模式的に説明
するための図である。

【図５】 図１のパターン認識装置の処理の説明のた
め、入力ファジィ点列データに基づくファジィスプライ
ン曲線のファジィ評価点列の例を模式的に説明するため
の図である。

【図６】 図２のパターン認識処理におけるファジィセ
グメンテーションを説明するためのフローチャートであ
る。

【図７】 図６のファジィセグメンテーション処理の説
明のため、ファジィスプライン曲線のファジィ評価点列
の例を模式的に説明するための図である。

【図８】 図６のファジィセグメンテーション処理の説
明のため、ファジィ点が所定時間前のサンプルに対応す
るファジィ点と一致している可能性・必然性の求め方の
例を模式的に説明するための図である。

【図９】 図６のファジィセグメンテーション処理の説
明のため、各ファジィ点の停止性の区間真理値の量子化
の例を模式的に説明するための図である。

【図１０】 図６のファジィセグメンテーション処理の
説明のため、停止点の存在範囲抽出の例を模式的に説明
するための図である。

【図１１】 図６のファジィセグメンテーション処理の
説明のため、停止候補点の抽出の例を模式的に説明する
ための図である。

【図１２】 図６のファジィセグメンテーション処理の
説明のため、停止点の決定操作の例を模式的に説明する
ための図である。

【図１３】 本発明の原理を説明するため、丁寧に書い
た三角形のファジィ曲線と区切り点の様子を説明するた
めの模式図である。

【図１４】 本発明の原理を説明するため、丁寧に書い
た自由曲線のファジィ曲線と区切り点の様子を説明する
ための模式図である。

【図１５】 本発明の原理を説明するため、粗雑に書い
た三角形のファジィ曲線と区切り点および区切り候補点
の様子を説明するための模式図である。

【図１６】 本発明の原理を説明するため、ファジィ位
置ベクトルの円錐型メンバシップ関数を説明するための
模式図である。

【図１７】 本発明の原理を説明するため、与えられた
ファジィ点列を説明するための模式図である。

【図１８】 本発明の原理を説明するため、与えられた
ファジィ点列を補間するように求められたファジィ制御
多角形を説明するための模式図である。

【図１９】 本発明の原理を説明するため、図１８のフ
ァジィ制御多角形から求められるファジィスプライン曲
線を説明するための模式図である。

【図２０】 本発明のセグメンテーションの原理を説明
するため、ファジィ点列の区間真理値からのラベリン
グ、グルーピングおよび代表点抽出を説明するための模
式図である。

【図２１】 ペンコンピュータの基本的な構成を概略的
に示す模式図である。

【符号の説明】

１…入力部、２…ファジィスプライン曲線形成部、３…
セグメンテーション処理部、４…マッチング処理部、５
…推論処理部、６…表示部、２１…ファジィ点列化部、
２２…ファジィスプライン補間部、３１…停止性算定
部、３２…ラベリング処理部、３３…グループ分け処理
部、３４…区切り点・候補点抽出部、３５…区切り点決
定部、３６…メモリ。

フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06K 9/62 G06F 3/03 380 G06K 9/46 G06T 7/00 - 7/60 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (10)

(57)【特許請求の範囲】
1. 【請求項１】 手書き操作による曲線を、入力の曖昧さ
   情報を含むファジィ曲線情報として入力する曲線入力ス
   テップと、 前記ファジィ曲線情報から入力曲線中の各点が停止点で
   ある可能性および必然性を求め、これら可能性および必
   然性に基づいて各点の停止性を区間真理値として評価す
   る区間真理値評価ステップと、 前記各点の停止性の区間真理値に基づいて、入力曲線を
   ストローク毎にセグメント化するセグメンテーションス
   テップと、 前記セグメント化された入力曲線のファジィ曲線情報に
   基づき入力曲線のパターンを弁別するパターン処理ステ
   ップとを有することを特徴とするパターン認識方法。
2. 【請求項２】 手書き操作による曲線を、入力の曖昧さ
   情報を含むファジィ曲線情報として入力する曲線入力ス
   テップと、 前記ファジィ曲線情報から入力曲線中の各点の停止性を
   区間真理値として評価する区間真理値評価ステップと、 前記各点の停止性の区間真理値を量子化してラベル付け
   することにより、少なくとも停止点および停止候補点を
   抽出するラベル付けステップと、 前記停止点および停止候補点の情報に基づいて、入力曲
   線をストローク毎にセグメント化するセグメンテーショ
   ンステップと、 前記セグメント化された入力曲線のファジィ曲線情報に
   基づき入力曲線のパターンを弁別するパターン処理ステ
   ップとを有することを特徴とするパターン認識方法。
3. 【請求項３】 区間真理値評価ステップは、ファジィ曲
   線情報から入力曲線中の各点が停止点である可能性およ
   び必然性を求め、これら可能性および必然性に基づいて
   各点の停止性を区間真理値として評価するステップであ
   ることを特徴とする請求項２に記載のパターン認識方
   法。
4. 【請求項４】 曲線入力ステップは、入力の曖昧さ情報
   として曲線の描画操作速度情報を含むファジィ曲線情報
   を得るステップであることを特徴とする請求項１〜３の
   いずれか１項に記載のパターン認識方法。
5. 【請求項５】 ラベル付けステップは、 各点の停止性の区間真理値を量子化してラベル付けする
   第１のラベル付けステップと、 前記第１のラベル付けステップでラベル付けされた各点
   をそのラベルに基づいて連続点のグループにグループ分
   けするグループ分けステップと、 前記グループ分けステップで得られた各グループから、
   少なくとも停止点および停止候補点の領域を抽出してラ
   ベル付けする第２のラベル付けステップとを含むことを
   特徴とする請求項２〜４のいずれか１項に記載のパター
   ン認識方法。
6. 【請求項６】 手書き操作により、曲線を、入力の曖昧
   さ情報を含むファジィ曲線情報として入力するための曲
   線入力手段と、 前記ファジィ曲線情報から入力曲線中の各点が停止点で
   ある可能性および必然性を求め、これら可能性および必
   然性に基づいて各点の停止性を区間真理値として評価す
   るための区間真理値評価手段と、 前記各点の停止性の区間真理値に基づいて、入力曲線を
   ストローク毎にセグメント化するためのセグメンテーシ
   ョン手段と、 前記セグメント化された入力曲線のファジィ曲線情報に
   基づき入力曲線のパターンを弁別するためのパターン処
   理手段とを具備することを特徴とするパターン認識装
   置。
7. 【請求項７】 手書き操作による曲線を、入力の曖昧さ
   情報を含むファジィ曲線情報として入力するための曲線
   入力手段と、 前記ファジィ曲線情報から入力曲線中の各点の停止性を
   区間真理値として評価するための区間真理値評価手段
   と、 前記各点の停止性の区間真理値を量子化してラベル付け
   することにより、少なくとも停止点および停止候補点を
   抽出するためのラベル付け手段と、 前記停止点および停止候補点の情報に基づいて、入力曲
   線をストローク毎にセグメント化するためのセグメンテ
   ーション手段と、 前記セグメント化された入力曲線のファジィ曲線情報に
   基づき入力曲線のパターンを弁別するためのパターン処
   理手段とを具備することを特徴とするパターン認識装
   置。
8. 【請求項８】 区間真理値評価手段は、ファジィ曲線情
   報から入力曲線中の各点が停止点である可能性および必
   然性を求め、これら可能性および必然性に基づいて各点
   の停止性を区間真理値として評価するための手段を含む
   ことを特徴とする請求項７に記載のパターン認識装置。
9. 【請求項９】 曲線入力手段は、入力の曖昧さ情報とし
   て曲線の描画操作速度情報を含むファジィ曲線情報を得
   るための手段を含むことを特徴とする請求項６〜８のい
   ずれか１項に記載のパターン認識装置。
10. 【請求項１０】 ラベル付け手段は、各点の停止性の区
    間真理値を量子化してラベル付けするための第１のラベ
    ル付け手段と、 前記第１のラベル付け手段でラベル付けされた各点をそ
    のラベルに基づいて連続点のグループにグループ分けす
    るためのグループ分け手段と、 前記グループ分け手段で得られた各グループから、少な
    くとも停止点および停止候補点の領域を抽出してラベル
    付けするための第２のラベル付け手段とを含むことを特
    徴とする請求項７〜９のいずれか１項に記載のパターン
    認識装置。