JPH02165395A

JPH02165395A - Ｄｐマッチングを利用したファジー推論による手書き文字認識装置

Info

Publication number: JPH02165395A
Application number: JP63321669A
Authority: JP
Inventors: Kenji Omori; 健児大森
Original assignee: Sun Electronics Co Ltd
Current assignee: Suncorporation
Priority date: 1988-12-20
Filing date: 1988-12-20
Publication date: 1990-06-26
Anticipated expiration: 2009-05-25
Also published as: JPH0640351B2

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】［産業上の利用分野］本発明は、手書きによる漢字、ひらがな、かたかな、漢
数字、英文字、英数字などの各種文字をＤＰ（ダイナミ
ックブ１」グラミング）マツチング利用によるファジー
推論により認識するための手書き文字認識装置に関する
ものである。

［従来の技術］手書き文字を入力データとして例えば電子計算機に入力
する場合、手書きされた文字を正確に認識することが極
めて重要なことになる。

そのため、従来より手書き文字を認識するための手段に
関する様々な研究が行なわれてきた。そして上記従来の
手書き文字認識手段の多くは、手書き文字入力データの
時空間軸上から特徴を抽出するものであった。

手書き文字を認識するとき、最終的には実時間で認識す
る必要があり、そのため、個々の入力文字にどれだけの
処理時間を必要とするかが、手書き文字認識装置として
の有効性を決定する上で重要な要素になる。

しかしながら、前記従来の手書き文字認識手段の場合は
一般に計算量が多いため、処理時間が長くなることが多
く、これを解決するためには高速の高価な電子計算機を
用いなければならないという問題があった。

そこで上記問題を解決するため、手書き過程にある文字
のストローク単位で、Ｘ、Ｙ座標点列の移動量対応のフ
ーリエ変換を行い、上記Ｘ、Ｙ座標点列の移動量を周波
数領域として扱うととｂに、ファジー推論を行うことに
より計算量を少なくし、入力された手書き文字の認識に
要する処理時間を短（するというファジー推論による手
書ぎ文字認識装置が本願と同一出願人により既に提案さ
れている。

［発明が解決しようとする課題１上記ファジー推論による手書き文字認識装置の場合、フ
ァジー化され、標準パターン化される標準文字と、手書
き入力文字とが同一人のものでない場合の認識率は、上
記両文字が同一人のものである場合の認識率に比較して
低いことが各種の実験により明らかになっている。この
最大の理由は筆順の違いによるものである。このため、
上記標準文字と手書き入力文字とが同一人のものでない
場合は、筆順の違いを発見し、入力された手書き文字の
入カバターンの筆順を標準パターンの筆順に合わせると
いう操作が必要になる。

そこで、本発明では手書き文字の入カバターンのストロ
ークの並びに対して置換を行ない、これによって得られ
る新しいストローク列のパターンのそれぞれと、標準パ
ターンのストローク列との間でＤＰマツチングを利用し
たファジー推論を行ない、その中で最も高い確信度を与
えるストローク列のパターンが標準パターンの筆順と合
致していると見なし、この確信度を入カバターンと標準
パターンの間の確信度とすることによって標準文字をＭ
Ｅ定することを解決すべき技術的課題とするものである
。

［ｙ！題を解決するための手段］上記課題解決のための技術的手段は、ＤＰマツチングを
利用したファジー推論による￥書き文字認識装置を、文
字が手書きされる過程で、同文字を所定の時間間隔でＸ
座標、及びＹ座標に対応した点列データとして出力する
文字入力手段と、前記文字入力手段から出力された前記
手書き文字対応の点列データを入力し、入力された手古
き文字の大きさを統一するとともに、入力された手書き
文字の筆速を一定にするために量子書き文字の点列の間
隔を一定にする入力データ正規化手段と、前記入力デー
タ正規化手段により正規化された手書き文字をストロー
ク単位でＸ、Ｙ移動量対応のフーリエ変換を行い、周波
数の強度を求めるためのフーリエ変換手段と、前記フー
リエ変換手段においてフーリエ変換して得られたフーリ
エ級数データを曖昧な手古き文字データとして扱うこと
ができるようにファジー化するためのファジー化手段と
、標準文字をファジー化したパターンデータを記憶して
おくための標準パターン記憶手段と、前記ｆ！準パター
ン記憶手段から前記パターンデータを得て、手書き文字
認識のためのプロダクションルールを生成するためのル
ール生成手段と、前記プロダクションルールに基づいて
手書きされた入力文字のストロークの順番を入れ替えた
ものと、前記標準パターン記憶手段から検索された標準
パターンとの間でＤＰマツチングを利用したファジー推
論を行ない、最も確信度の高いストロークの並び順を得
、それを入力文字と標準文字との間の確信度としたとき
、最も高い確信度を与える標準文字を推定するＤＰマツ
チング利用のファジー推論手段と、前記ファジー推論手
段で最も確信度が高いと推定された文字を前記入力され
た手書き文字に対応する標準文字データとして出力する
認識文字出力手段とを備えた構成にすることである。

［作　用１上記構成のファジー推論による手書き文字認識装置によ
れば、文字が手書きされる過程ぐ文字入力手段は、上記
文字を所定の時間間隔でＸ座標、Ｙ座標に対応した点列
データとして入力データ正規化手段に出力する。

上記点列データを入力した入力データ正規化手段は、入
力された手書き文字の大きさを統一するとともに、入力
された手書き文字の筆速を一定にするために同学書き文
字の点列の間隔を一定にする。そして、フーリエ変換手
段は入力データ正規化手段により正規化された手書き文
字をスト１コーク単位でＸ、Ｙ移動量対応のフーリエ変
換を行い、周波数の強度を求め、更にファジー化手段に
おいて、前記フーリエ変換手段においてフーリエ変換し
て得られたフーリエ級数データを曖昧な手書き文字デー
タとして扱うことができるようにファジー化する。

一方、ＤＰマツチング利用のファジー推論手段は、前記
プロダクションルールに基づいて手書きされた入力文字
のストロークの順番を入れ替えたものと、前記標準パタ
ーン記憶手段から検索された標準パターンとの間でＤＰ
マツチングを利用したファジー推論を行ない、最も確信
度の高いストロークの並び順を得、それを入力文字と標
準文字との間の確信度としたとき、最も高い確信度を与
える標準文字を推定する。そして、認識文字出力手段は
前記ＤＰマツチング利用のファジー推論手段′Ｃ最も確
信度が高いと推定された文字を、前記入力された手書き
文字に対応する標準文字データとして出力する。

［実施例］次に、本発明の一実施例を図面を参照しながら説明する
。

第１図は、手書き文字認識システムの構成を示したブロ
ック図である。図に示すように文字入力手段としてタブ
レット状のメディアグラフ１が用いられており、このメ
ディアグラフ１に手書ぎされた文字は、手書きされる過
程でＸ座標、及びＹ座標に対応した座標点列データとし
てパーソナルコンピュータ２に入力される。

上記メディアグラフ１は、右動読取り範囲を例えば２１
０ａ＋Ｘ１４８履、分解能を例えば約０．１Ｍ１ポイン
ト読取り誤差は±１＃１１有効読取り高さは３ａｍ以下
であり、ポイント転送速度を３５ポイント／秒とし、ポ
イント間距離が１１ｎ！Ｒ以上になったとき、パーソナ
ルコンピュータ２に対して前記点列データのポイント転
送を行うように設定されている。

メディアグラフ１からパーソナルコンピュータ２に上記
点列データが転送されると、手書きされた文字の各スト
ロークの座標点列は、入力の順序に従ってストロークの
書き始めと書き終わりの情報を伴ってパーソナルコンピ
ュータ２のソフトウェア、すなわち入力データ正規化手
段る。

一般に、メディアグラフ１に手書きされる文字は、その
大きさも異なり、筆速も異なるため、同パーソナルコン
ピュータ２のソフトウェアである入力データ正規化部３
は、入力された座標点列に対して文？の大きさと、筆速
の正規化を行う。その為、例えば良さ２５６ビツトの正
方形の中に、文字が一杯に納まるように、入カバターン
を縦方向と横方向に別々の拡大率（縮小率）で延ばす（
あるいは縮める）。しかし、「−」のように極端に横長
あるいは縦長の文字については横方向、縦方向の拡大率
を同一とし、上詰めあるいは左詰めとする。また、前記
正方形の座標系は、パーソナルコンピュータ２のダイス
プレイ画面の座標系と合わせるために、左上を原点とし
、Ｙ座標については下向きとする。

一方、筆速の正規化については、前記メディアグラフ１
から入ツノされた座標点列データをもとに、単位時間に
書かれる線長が一定になるような新たな座標点列を求め
、これらの新たな座標点列データをフーリエ変換のため
のデータとするものである。

フーリエ変換部４におけるフーリエ変換は、メディアグ
ラフ１に書かれる文字のストローク毎に、ストロークを
書き始めたところからのＸ軸での移動量と、Ｙ軸での移
動量に対して行われる。従って、与えられた座標点列は
それぞれの軸での移動量に変換される。第２図（Ａ）は
、文字［のＪについて、Ｘ軸での移動ｆｆ１ＳＹ軸での
移動量を示したものである。ところで、第２図（＾）に
示したような波形に対してフーリエ変換を行うと、始点
と終点とが一致していないために、非連続な波形に対し
てのフーリエ級数を求めることになる。このため、収束
率の悪いフーリエ級数となるので、終点の位置で線対称
に波形を第２図（Ｂ）のように折返させ、波形が連続に
なるようにし、この波形についてフーリエ変換を行うも
のである。

フーリエ変換により、ｆ（ｔ）＝　ａＯ／２＋ａ１ｃｏｓθｔ＋　ｂ１ｓｉｎ
θｔ＋ａ２ｃｏｓ２θｔ＋ｂ２ｓｉｎ２θ　ｔ＋ａ３ｃ
Ｏ３３θ　ｔ＋ｂ３ｓｉｎ３θ　１　　・・・の各係数
を得ることができる。第３図（Ａ）、第４図（Ａ）、第
５図（Ａ）、及び第６図（Ａ）はそれぞれ代表的なスト
日−りを示しており、第３図（８）、第４図（Ｂ）、第
５図（Ｂ）、及び第６図（Ｂ）は上記ストロークそれぞ
れのＸ軸での移動量を示し、更に第３図（Ｃ）、第４図
（Ｃ）、第５図（Ｃ）、及び第６図（Ｃ）は上記Ｘ軸で
の移動量について前記フーリエ変換を行ったときの各係
数の値を示したものである。なお、前述したように前記
波形を終端の位置で線対称に折り返したことにより、前
記フーリエ変換式におけるｂｎ項（ｎ＝１．２，３．・
・・）は小さな値になるため、上記図においては特に示
していない。

上記第３図（Ｃ）、第４図（Ｃ）、第５図（Ｃ）、及び
第６図（Ｃ）に示すように、係数ａＯ／２はストローク
のｍ心の位置を示し、ａｌはその軸上での始点と終点の
間での離れ具合いを示し、ａ２はその軸での曲がり具合
いを示すという性質を表す。なお、ａ３．　ａ４は、ａ
ｌ、　ａ２に対してそれぞれ補完的な意味を持っている
と考えられるが、手書き文字の認識の過程では上記ａ３
．　ａ４を使用しない。

以上のように各ストロークの長さと、フーリエ変換によ
り得られた各周波数の強度対応値は、ファジー化部５に
転送される。

一般に、手書き文字におけるストロークの長さとか、前
記周波数の強度は、同一人が同じ文字を書く場合でも毎
回異なるものであり、書く人が変わればさらに異なる。

従って、手書き文字より得られたこれらのデータは絶対
的なものではなく、その値の近くにあるということを示
していると考えなければならない。そこで、上記データ
に対してはファジー値を用いて表すことが適当である。

すなわち、ストロークの長さについては、非常に良いと
か、極めて短いとか、というような曖昧さを持つ表現を
用い、周波数の係数（強さ）についても同様の表現を用
いるものである。このような曖昧な表現を用いることに
より、手書き文字の認識のためのプロダクションルール
そのものが分かりやすくなるし、また、この表現のなか
に、それに近い表現をも、ある程度含むということを語
感の中に持たせることができる。

そこで、ファジー化部５において用いられる上記ストロ
ーク長に関するファジー値と、その対応値を第７図に、
周波数の係数ａＯ／２にｌ３Ｉｌするファジー値と、そ
の対応値を第８図に、周波数の係数ａ１に関するファジ
ー値と、その対応値を第９図に、更に、周波数の係数８
２に関するファジー値と、その対応値を第１０図に示し
ている。なお、パーソナルコンピュータ２の中ではファ
ジー値を０〜Ｆまでの１６進数で便宜的に表すこととす
る。第７図〜第１０図にはこの便宜値を併せて記しであ
る。

また、第１１図は、ある人が書いた１４画の教育漢字の
全てについて、そのストロークの良さと周波数の強度を
ファジー値に直したときの分布状態を示したものである
。

一般に、スト［１−り長は、画数が少ない場合には大き
い方に、画数が多い場合には小さい方に分布するが、第
１１図に示すように、１４画では既に小さい方に分布し
ている。また、スト１］−りの重心を表すａＯは、Ｘ軸
、Ｙ軸ともにほぼ均等な分布をなしている。始点と終点
の離れ具合いを表すａｌは、やや中央に傾いて分布して
いる。これは、画数が多くなってくると、スト口−り長
が短くなってくることに起因している。更にストローク
の曲がり具合いを示すａ２は中央に傾いている。これは
曲がっているストロークが少ないことに起因している。

従って、ファジー化部５に入力されたデータをファジー
化してファジー値を割り付ける場合、ファジー化部５は
前記第７図から第１１図に示した値を用いるものである
。しかしながら、上記データは、それに与えられたファ
ジー値に完全に含まれているわけではなく、その近くの
ファジー値の中に含まれる可能性を有している。ファジ
ー理論では、ファジー値の中に含まれる可能性をメンバ
ーシップ値といい、ファジー値とメンバーシップ値の関
係をメンバーシップ関数で表す。メンバーシップ関数は
、多くの場合、三角形で表される。

第１２図は上記例を示したものであり、データに与えら
れたファジー値でのメンバーシップ値を１とし、そこか
ら離れるに従って、０，１の割合でメンバーシップ値が
減ることを示している。

次に、標準パターン部６について説明する。

標準パターン部６には、標準文字として手書きで入力さ
れた文字が、フーリエ変換、ファジー化を経た後で、フ
ァジー値の形で記憶されている。

また、ルール生成部７では、標準パターン部６よリファ
ジー化データを取り出し、これより、それぞれの標準文
字に対してプロダクションルールを作り出す。このプロ
ダクションルールはストロ−り対応に作り出され、それ
は「１ｒ条件文ｔｈｅｎ結論」の形をとる。また、上記
条件文は複数の条件の論理積として構成される。それぞ
れの条件はファジー化されたデータのそれぞれについて
、すなわちストＯ−りの長さや周波数の強度につい（゛
条件を規定する。例えば第１３図（Ａ）に示すようなパ
ターンで［疑ｊという文字が入力され、標準パターン部
６に第１３図（Ｂ）に示すようにファジー化データとし
て記憶されているとする。これより、次のようなプロダ
クションルールが作り出される。

ルール［疑Ｊ１：第一ストロークにおいて、ストローク長が相当に短く、Ｘ軸の移動量で見たとき、ストロークの重心が左端に相当に接近していて、終点が始点に対して右に相当に接近していて、曲がり具
合いは水平で、Ｙ軸の移動量で見たとき、ストロークの重心が上端に非常に接近していて、終点が始点に対して下に相当に接近していて、曲がり具
合は垂直ならば、この文字は「疑」であるというルールを生成する。

ルール「疑」２：第二ストロークにおいて、ストローク長は短く、Ｘ＠の移動量で見たとぎ、ストロークの重心が左端に非常に接近していて、終点が始点に対して左に接近していて、曲がり具合いは
凹にやや曲がっていて、Ｙ軸の移動量で見たとき、ストロークの重心が上端に相当に接近していて、終点が始点に対して下に接近していて、曲がり具合いは
凸にやや曲がっているならば、この文字は「疑」である
というプロダクションルールを生成する。

次に、ＤＰマツチングを利用したファジー推論部８につ
いて説明する。

前述したようにプロダクションルールにおける条件文は
条件の論理積として表されているので、゛条件の満たさ
れ具合い、すなわち条件の確信度と、条件の論理積に対
する確信度を決める必要がある。

そこで、本実施例では計算のし易さを配慮して、各条件
の確信度は２つのメンバーシップ関数を比較し各ファジ
ー値でのメンバーシップ値においてその小さいｈをとり
、その中で最大のものをとるｓｉｎ−ｗａｘ　　（最小
の中で最大のもの）で、条件の論理積に対する確信度は
条件の確信度の中の１０（Ｒ小のもの）ということにす
る。すなわち、条件の確信度は次のように定める。条件
の記述は、ｒＡＩｆｉＡ’であるならばＪということに
して、かつ、Ａ′は標準パターンの方から与えられるフ
ァジー値とする。また入力文字の方からもＡに対してＡ
ｎというファジー値を得る。例えば「疑」２のルールで
、「ストローク長は短く」は条件であるが、この条件で
Ａ′は「短い」であり、Ａはストローク長である。この
ときストローク長は入力文字の第二ストロ−りの良さを
示すものであり、短いとか長いとかのファジー値を有し
ている。この二つのファジー値からこの条件に対する確
信度を求めることになるが、これはファジー値が示すメ
ンバーシップ関数を用いる。

第１４図、及び第１５図は上記条件に対する確信度を求
めるときの説明図である。条件に関する確信度は標準パ
ターンの方から得られるメンバーシップ関数と入ツノ文
字パターンの方から得られるメンバーシップ関数から得
るが、これは次のように行なう。各ファジー値に対して
２つのメンバーシップ関数のメンバーシップ値を比較し
、その値が小ざい方をとる。次にこのようにしで選ばれ
たメンバーシップ値の中から最大のものをとる。これが
条件に対する確信度である。第１４図と第１５図は「疑
」２のルールの条件の一つである「ストローク長は短く
」の条件に対する確信度を求める方法を示したものであ
る。標準パターンにおいては第二ストロークの長さは短
いのでそのメンバーシップ関数は「短い」の所（図では
４の所）をメンバーシップ値１とした三角形となる。即
ち第１４図の左側の波形となる。ここで入力文字におい
ては第二ストロークの長さは少し短かったとする。この
とき、入力文字の第二ストロ−りの長さに対するメンバ
ーシップ関数は「少し短い」の所（図では６の所）をメ
ンバーシップ値１とした三角形となる。即ち第１４図の
右側の波形となる。

次にファジー値に対応してメンバーシップ値の小さい方
を選ぶと第１５図の波形を得る。この波形より最も大き
なメンバーシップ値を選ぶ。図では０．８なのでこれが
第二ストロ−りに少し短めのものを書いたときのストロ
ーク長は短いという条件に対する確信度となる（第１５
図参照）。

また、論理積で結ばれた条件については、その条件の確
信度の中で小さい方を、論理積で結ばれた条件の確信度
とする。

令弟１６図（Ａ）の文字を入力したとする。このとき第
二ストロークに対するファジー値は次のようになる。ス
トローク長は少し短い。又、Ｘ軸の移動量で見たとき、
ストロークの手心は左端に相当に接近していて終点が始
点に対して左に相当に接近していて、終点が始点に対し
て左に相当に接近していて曲がり具合が凹に少し曲がっ
ている。

さらにＹ軸の移動量で見たときストロークの重心は上端
にかなり接近していて、終点が始点に対して下に接近し
ていて曲がり具合が凸に少し曲がっている。そこで「疑
」２のルールを適応すると各条件に対する確信度はスト
ローク長については０４８、Ｘ＠の移１７７ｍでのスト
ロークの重心は０．９、終点と始点の離れ具合は１．０
、曲がり具合は０．９、Ｙ軸の移動量でのストロークの
重心は０．９、終点と始点の離れ具合は１．０１曲がり
具合は０．９となる。従って条件の論理積、即ち条件式
に対する確信度はこの中の最小のものということで０．
８となる。

プロダクションルールの中には、同一の結論を導きだす
ものが複数存在する。一般にファジー推論では結論もフ
ァジー値となっていて、条件文によって得られた確信度
でそれぞれの結論の７７ジ−値を補正するとともに、同
一の結論を導き出すものが複数個ある場合には、その平
均をとるということが行われる。しかし、本実施例では
、結論はファジー値ではなくＯか１の値をとるものとす
る。そこで、結論についての確信度は条件文の確信度と
する。また、同一の結論が複数個存在する場合には、そ
れぞれの結論に対する確信度の平均をとる。

上記の例として、第１６図（八）に示すような文字が入
力されたものとする。そしてこれに対するファジー化デ
ータは第１６図（Ｂ）に示すものであった場合、標準文
字「疑」での各ストロークに対するプロダクションルー
ルから、つざのような確信度をそれぞれ得る。

第一ストロークに対する確信度は１．０、第二ストロー
クに対する確信度は０．８、以Ｆ第三ストローク以降、
第十四ストロークまでの確信度は０，８０．８，０．７
，０．８，０．７；０．９，０．９，０．８，０．８０
．８，０．９，０．９となる。

従って、これら確信度の平均は０．８３であるので、こ
の入力文字に対する標準文字「疑」の確信度は０．８３
ということになる。ファジー推論部では入力文字と同一
画数の標準パターン全てについて、入力文字との間でプ
ロダクションルールを適応し、入力文字の各標準パター
ンに対する確信度を計算する。そして確信度が最も高か
った標準パターンを入力文字に対応する認識文字として
認識文字出力部９に出力する。

例えば第１６図（＾）の文字を入力すると、標準パター
ン「疑」に対して確信度０，８３、「読Ｊに対して確信
度０．６９、「誤」に対して確信度０．６６、「説」に
対して確信度０．６５、「認」に対して確信度０．６５
というような値を得る。そこで入力文字は「疑」と判定
する。

しかしながら、標準パターンと入力文字パターンとが同
一人のものでない場合のパノノ文字の正しい認識率は、
同一人のものである場合の認識率と比較するとあまりよ
くない。その最大の原因は筆順の近いにある。例えば、
文字「田」では中に書かれる「十」の部分は縦棒を先に
１く場合もあるし、横棒を先に書く場合もある。このた
め、標準パターンと入力文字パターンとが同一人のもの
でない場合には、筆順の違いを発見し、上記二つのパタ
ーンの筆順を合わせるという操作が必要になる。そこで
、ここでは、入力文字パターンのストＯ−りの並びに対
して置換を行ない、これによって得られる新しいストロ
ーク列のパターンの各々に対して標準パターンとの間で
ＤＰマツチングを利用したファジー推論を行ない、その
中で最も高い確信度を与えるストローク列のパターンが
標準パターンの筆順と合致していると児なし、この確信
度を入力文字パターンと標準パターンの間の確信度とす
る方法を取った。しかし、置換によって生じる全ての異
なるストローク列について、ＤＰマツチングを利用した
ファジー推論を行なうとすると、その画数が小さい場合
はよいが、画数が大きくなるとその〕は膨大になる。そ
こで、ここでは筆順を合わせるために、ＤＰマツチング
を限定された箇所に適用し、少ない計算時間で、筆順を
一致させる方法を取った。

この手法は次のようになっている。まず標準パターンと
入力文字パターンの筆順を大まかに一致させるというこ
とを行なう。人によっては、へん、にょう、つくり等の
単位で、筆順が入れ替わっている場合がある。まず、こ
れを発見するため、に、入力文字パターンののストロー
クを循環させ、確信度が最大になったものを、大まかに
一致しているものとみなした。

標準パターンと入カバターンとの筆順を大まかに一致さ
せた後、部分的に筆順が違っている箇所を一致させると
いう操作を行なう。それは次のようにして行なう。循環
後の入力文字パターンにおいて、結論の確信度がある程
度（ここでは０．８とした）を越えていないプロダクシ
ョンルールにおいては、ストロークの筆順が一致してい
ないとみなした。例えば、「漁」という文字が第１７図
に示を筆順で入力されたとする。この時、１．２゜８．
９．１０．１１番目のプロダクションルールでは結論に
対する確信度が小さがったとする。

（実際は１．２．８．９．１０番目は筆順が違うため、
１１１目は点の打ち方が違うため低い値となった）この
とき、１，２．８，９．１０．１１番目のストロークに
ついては筆順が一致していないとみなす。この様に筆順
が一致していないとみなされたものについて、その間で
置換を行ない、確信度が最大になるものをＤＰマツチン
グで選ぶようにした。この場合には、（１，２，８，９
゜１０．１１）を（２，１，１０，８，９，１１）のよ
うに置換したちのが最大の確信度を与えた。

しかし、筆順が一致していないと思われる全てのストロ
ークについて置換を行なうとなると非常に沢山のものに
ついてＤＰマツチングを行なうこととなる。そこでここ
では、計ｎ＠を少なくするために、ＯＰマツチングの各
段階で上位（ここでは１０位まで）に属していないもの
は切り捨てることにした。しかし、この様にすると多数
の候補の中から少数の候補を選ぶということ強いられる
。

このため、筆順が一致しているものが途中で捨てられる
ということが起らないようにするため、−致していない
ものの確信度がより低くなるように、ストロークの重心
についてはその絶対的な場所ではなく、前のスト０−り
からの相対的な場所で表わすようにした。

以上のような手段で、入力文字パターンと標準パターン
とが同一人のものでない場合の認識率を求めたのが第１
８図である。この結果により次のことがいえる。ＤＰマ
ツチングをすることによりｉ！！ｉ率は向上する。しか
も、画数が多い場合には認識率は同一人の時と同程度に
までなる。しかし、画数が小さい場合には個人差が大き
く、認識率はそれほど高くない場合も児受けられる。

画数が小さい場合には標準パターンと入り文字パターン
との間での僅かな差が大ぎく影響していると考えられる
。そこで、画数の小さなものについては、各文字に対し
て、複数の標準パターンを用意しておき、いずれかが入
力文字パターンによく似でいるようにすれば認識率は上
がると考えられる。そこで、被検者とは異なる５人の人
に標準パターンを作ってもらい、各文字について５つの
標準パターンを用意し、これらと入力文字パターンとの
闇で、いままで述べた０識方法を取らせるようにした。

第１９図に３画の場合の実験結果を示す。この場合の［
結果は非常に良好であった。

これらの実験結果から、画数の小さいものについては同
一の文字に対して複数の標準パターンを用意し、画数の
多い場合には一つの標準パターンをもたせれば認識率の
高いシステムを構築することができることは明らかであ
る。

以上のようにして推論され、結論ずけられた文字は、Ｗ
１識文字出力部９から標準文字に対応したパターン信号
として出力される。

第２０図は、以上のように構成されたファジー推論によ
る手書き文字認識装置により、メゾアゲラフ１に手書き
された文字を認識させるための文字認識行程図を示した
ものである。

同図に示すように、ステップ１（以後、８１゜８２．３
３．・・・Ｓ７のように記載する。）に示すように、メ
ゾアゲラフ１に手書きされた文字の筆順に従って所定の
時間間隔で筆の位置を示すＸ。

Ｙ座標を点列データとしてパーソナルコンピュータ２に
入力させる。Ｓ２において、千古ぎ文字対応の点列デー
タがパーソナルコンピュータ２に入力されると、同人力
文字の大きさを統一するとともに、同人力文字の筆速を
一定にするための正規化を行う。８３において、１［炭
化された手書き文字の各ストＯ−り毎のＸ座標の移動量
、及びＹ座標の移動量に対してフーリエ変換を行い、そ
のあと、Ｓ４において、正規化された手書き文字の各ス
トローク毎のＸ座標の移動量、及びＹ座標の移動量に対
するそれぞれのフーリエ変換によって得られたフーリエ
級数ａｏ／２．ａ１．ａ２それぞれをファジー化する。

Ｓ５において、手書きされた入力文字の画数と同一画数
のｅＡ準文字のファジー化データを標準パターン部から
検索し、検索されたファジー化データに基ずき、ストロ
ーク単位でプロダクションルールを生成する。Ｓ６にお
いて、プロダクションルールに基づいて手書きされた入
力文字のストロークの順番を入れ替えたものと、前記標
準パターン記憶手段から検索された標準パターンとの間
でＤＰマツチングを利用したファジー推論を行ない、最
も確信度の高いストロークの並び順を得、それを入ツノ
文字と標準文字との間の確信度としたとき、最も高い確
信度を与える標準度を与える標準文字を推定したあと、
Ｓ７において、最も確信度が高いと推定された標準文字
を認識文字として出力し、そのあと、次の文字認識処理
に移行する。

［発明の効果Ｊ以上のように本発明によれば、文字入力手段において手
書きされた文字をＸ座標、Ｙ座標に対応した点列データ
として入力し、入力データをストローク単位でフーリエ
変換したあと、二番目の周波数の係数までをファジー値
で表し、標準パターンから得られるプロダクションルー
ルにより、ＤＰマッヂングを利用したファジー推論を行
い、手書き文字を認識するため、従来の手書き文字認識
手段に比較して計算量が極めて少なくなり、手書き文字
の認識のための処理時間を短くすることができるととも
に、手内き文字の筆順が標準文字の筆順と異なっていて
も正しく認識することができるため、手書き文字の認識
確信度を高めることができるという効果がある。

【図面の簡単な説明】

図面は実施例に係り、第１図は手書き文字の認識のため
のシステム構成ブロック図、第２図（八）は文字「の」
について、Ｘ軸での移動量、Ｙ軸での移動機を示した説
明図、第２図（８）は第２図（Ａ）の波形の終点の位置
で線対称に波形を折返した波形図、第３図（Ａ）、第４
図（Ａ）、第５図（八）、及び第６図（Ａ）はそれぞれ
代表的なストロークを座標上に示したスト１コーク図、
第３図（Ｂ）、第４図（Ｂ）、第５図（Ｂ）、及び第６
図（Ｂ）は上記ストロークそれぞれのＸ軸での移ａ邑を
示した移動量説明図、第３図（Ｃ）、第４図（Ｃ）、第
５図（Ｃ）、及び第６図（Ｃ）は上記Ｘ＠での移動量に
ついて前記フーリエ変換を行ったときの各係数値を示し
た表示図、第７図は手書き文字のストＬ］−り長に関す
るファジー値と、その対応値を示した対応図、第８図は
周波数の係数ａＯ／２に関するファジー値と、その対応
値を示した対応図、第９図は周波数の係数ａ１に関する
ファジー値と、その対応値を示した対応図、第１０図は
周波数の係数ａ２に関するファジー値と、その対応値を
示した対応図、第１１図は１４画の教育漢字の全てにつ
いて、そのストロークの長さと周波数の強度のファジー
値の分ｍ図、第１２図はメンバーシップ関数図、第１３
図（八）は標準文字「疑」のパターン図、第１３図（Ｂ
）は標準文字「疑］のファジー化アータ表示図、第１４
図は二つのメンバーシップ関数を示したメンバーシップ
関数図、第１５図は、第１４図に示した二つのメンバー
シップ関数から選択された確信度の高いメンバーシップ
関数図、第１６図（＾）は入力文字「疑」のパターン図
、第１６図（８）は入力文字「疑」のファジー化データ
表示図、第１７図は「漁」という文字の筆順の一例を示
した筆順図、第１８図はＤＰマツチング利用のファジー
推論をした場合の実験結果を示した表図、第１９図は３
百文字の場合の実験結果を示した表図、第２０図は文字
認識行程図である。１・・・メダイアグラフ２・・・パーソナルコンピュータ３・・・入力データ正規化部４・・・フーリエ変換部５・・・ファジー化部６・・・標準パターン部７・・・ルール生成部８・・・ＤＰマツチング利用のファジー推論部９・・・
認識文字出力部

Claims

【特許請求の範囲】文字が手書きされる過程で、同文字を所定の時間間隔で
Ｘ座標、及びＹ座標に対応した点列データとして出力さ
せる文字入力手段と、前記文字入力手段から出力された前記手書き文字対応の
点列データを入力し、入力された手前き文字の大きさを
統一するとともに、入力された手書き文字の筆速を一定
にするために同手書き文字の点列の間隔を一定にする入
力データ正規化手段と、前記入力データ正規化手段により正規化された手書き文
字をストローク単位でＸ、Ｙ移動量対応のフーリエ変換
を行い、周波数の強度を求めるためのフーリエ変換手段
と、前記フーリエ変換手段においてフーリエ変換して得られ
たフーリエ級数データを曖昧な手書き文字データとして
扱うことができるようにフアジー化するためのフアジー
化手段と、標準文字をフアジー化したパターンデータを記憶してお
くための標準パターン記憶手段と、前記標準パターン記
憶手段から前記パターンデータを得て、手書き文字認識
のためのプロダクションルールを生成するためのルール
生成手段と、前記プロダクションルールに基づいて手書
きされた入力文字のストロークの順番を入れ替えたもの
と、前記標準パターン記憶手段から検索された標準パタ
ーンとの間でＤＰマッチングを利用したフアジー推論を
行ない、最も確信度の高いストロークの並び順を得、そ
れを入力文字と標準文字との間の確信度としたとき、最
も高い確信度を与える標準文字を推定するＤＰマッチン
グ利用のフアジー推論手段と、前記ＤＰマッチング利用のフアジー推論手段により最も
確信度が高いと推定された文字を前記入力された手書き
文字に対応する標準文字として出力する認識文字出力手
段とを備えたことを特徴とするＤＰマッチング利用のフ
アジー推論による手書き文字認識装置。