JPH03282896A - パターン認識装置 - Google Patents

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】 ［発明の目的コ （産業上の利用分野） 本発明は、オンライン手書き文字等の入力パターンにつ
いて認識処理を行なうパターン認識装置に関する。

（従来の技術） 従来、オンライン手書き文字認識を行なうパターン認識
装置においては、次のような方式によって入力パターン
について文字認識が行なわれている。すなわち、タブレ
ット等の座標入力装置から第１４図（ａ）に示すような
文字パターンが入力されると、この入力パターンを第１
４図（ｂ）に示すようにいくつかの代表点（特徴点）で
近似を行なう（特徴点近似）。第１４図（ｂ）は７点近
似の例を示している。次に、この入力パターンの特徴点
列と、予め特徴点列として文字毎に準備されている辞書
パターン（第１５図）との間で各特徴点間の距離の和を
入力パターンと辞書パターンとの相違度として求める（
第１６図）。そして、相違度を全ての辞書パターン毎に
計算し、最も相違度が小さい辞書パターンの文字を認識
結果とするものである。

（発明が解決しようとする課題） このような方式では、特徴のある入力パターンについて
は、比較的相違度の差が現れるため高い認識率を得るこ
とができる。しかしながら、走り書き数字のように、文
字の構造が単純でストローク形状の微妙な違いによって
文字が異なるパターンについて認識を行なう場合、従来
の方式によれば、特徴点間の距離の和を入力パターンと
辞書パターンとの相違度とするだけでは、パターンの違
いによる相違度の差が明確に現れず、精度良く認識する
ことができないという問題があった。

本発明は前記のような点に鑑みてなされたもので、微妙
なストローク形状の違いによって異なる文字のパターン
についても高い精度で認識を行なうことが可能なパター
ン認識装置を提供することを目的とする。

［発明の構成コ （課題を解決するだめの手段） 本発明は、文字等のパターンを示す座標データ列を入力
する入力手段と、この入力手段によって入力された座標
データ列によって示されるパターンから、複数の代表座
標点を抽出する代表座標点抽出手段と、この代表座標点
抽出手段によって抽出された隣接する２つの代表座標点
を結ぶベクトルの列で前記パターンを近似し、各代表座
標点に対応する隣接した２つのベクトルがなす角度を検
出する角度検出手段と、認識の対象とするパターンの標
準パターンに関する辞書データを格納するための辞書格
納手段と、前記角度検出手段によって検出された各代表
座標点に対応する角度と、前記辞書格納手段に格納され
た前記データをもとに入力手段から入力されたパターン
を認識する認識処理手段とを具備して構成するものであ
る。

また本発明は、文字等のパターンを示す座標データ列を
入力する入力手段と、この入力手段によって入力された
座標データ列によって示されるバターンから、複数の代
表座標点を抽出する代表座標点抽出手段と、認識の対象
とするパターンの標準パターンに関する辞書データを格
納するための辞書格納手段と、前記代表座標点抽出手段
によって抽出された代表座標点と、前記辞書格納手段に
格納された前記データとをもとに第１のマツチングを行
ない、前記パターンと前記標準パターンとの相違度を検
出する第１マツチング手段と、この第１マツチング手段
によって検出された相違度に基づいて、前記認識の対象
とするパターンから複数の認識結果の候補を選択する候
補選択手段と、前記代表座標点抽出手段によって抽出さ
れた隣接する２つの代表座標点を結ぶベクトルの列で前
記パターンを近似し、各代表座標点に対応する隣接した
２つのベクトルがなす角度を検出する角度検出手段と、
この角度検出手段によって検出された各代表座標点に対
応する角度と、前記候補選択手段によって選択された候
補の標準パターンに対応する前記辞書格納手段に格納さ
れた辞書データをもとに第２のマツチングを行ない、各
標準パターンに対する相違度を検出する第２マツチング
手段と、前記第１マツチング手段、及び前記第２マツチ
ング手段によって検出された相違度に基づいて前記パタ
ーンの認識結果を決定する認識結果決定手段とを具備し
て構成するものである。

（作用） このような構成によれば、入カバターンを近似するベク
トル列の隣接する２つのベクトルがなす角度をもとに、
予め辞書として用意されている標準パターンを用いて認
識処理が行われる。すなわち、入カバターンのストロー
クの曲り方の特徴に基づいて認識処理がされるために、
微妙に形状の異なるストロークを高精度で識別すること
ができ、ストロークの曲り方に特徴のある走り書き数字
等の入カバターンについても正確に読取ることができる
。

また、入カバターンから抽出された代表座標点をもとに
した第１のマツチングによって認識の対象とするパター
ンから認識結果の候補を予め選択した後に、各代表座標
点に対応する入カバターンを近似するベクトルによる角
度をもとに第２のマツチングが行われる。このため、入
カバターンと標準パターンとの時間軸上の微細な変動を
吸収しえるＤ　Ｐ　（Ｄｙｎａｍｉｃ　Ｐｒｏｇｒａｍ
ｉｎｇ）マツチング法を第２のマツチングにおいて用い
ても、多くの処理時間を必要とすることなく、入カバタ
ーンの認識を行なうことができる。

（実施例） 以下、図面を参照して本発明の一実施例を説明する。第
１図は同実施例に係わるオンライン手書き文字認識を行
なうパターン認識装置の概略構成を示す図である。同図
において、１０はＣＰＵであり、装置全体を制御して入
カバターンについて文字認識処理動作を行なう。ＣＰＵ
ｌ０には、バス１１を介してＲＯＭ１２、ＲＡＭ１３、
辞書ＲＯＭ１４、タブレット１５、及び出力ポート１６
が接続されている。ＲＯＭ１２には、ＣＰＵｌ０を文字
認識処理動作を実行させるためのプログラムをはじめと
する各種プログラムやデータが格納されている。すなわ
ち、ＲＯＭ　１２には、入カバターンから代表座標点を
抽出するプログラムを格納するための抽出プログラム格
納領域、代表座標点をもとに認識処理に用いられる角度
列を検出するプログラムを格納するための角度検出プロ
グラム領域、及び後述する辞書ＲＯＭ１４に格納された
辞書データと角度列をもとに認工処理を行なう認識プロ
グラムを格納するための認識プログラム領域等が設けら
れている。

ＲＡＭ１３には、文字認識動作の際に必要となる各種デ
ータが一時的に保持される。辞書ＲＯＭ１４には、文字
認識の対象となる標準文字パターンの辞書データが格納
されている。タブレット１５は、例えば静電結合方式、
または電磁誘導方式が用いられ、ペン１７によってタブ
レット面上にて指示された座標位置のデータ列を入力す
るものである。すなわち、タブレット１５は、ベン１７
によってタブレット面上にて筆記された文字の文字パタ
ーンを入力するものである。また、タブレット１５と同
一の座標面を有する液晶デイスプレィ等（図示せず）の
表示装置とを積層一体型して、一体型表示入力装置とし
ても良い。この場合、ＣＰＵｌ０は、タブレット１５か
ら入力された文字ノくターンの筆跡を、人力座標位置と
同じ位置にリアルタイムで表示装置に表示させる。出力
ボート１６には、装置の外部に出力されるべき文字認識
処理の結果が転送される。

次に、同実施例の動作についてフローチャートを参照し
ながら説明する。

第２図は、同実施例における入カッくターンを認識する
ための処理の手順を示すフローチャートである。まず、
ペン１７を用いてタブレ・ソト面上墨こおいて文字が筆
記されることによって、文字ノくターンが座標点列とし
てタブレ・ット１５から取り込まれる。タブレット１５
から入力された文字ノくターンデータはＲＡＭ１３の所
定の領域に格納される。

取り込まれた座標点列に対して、ＣＰＵ１０Ｇ！、タブ
レット１５の座標検出時、特にペン１７のアップダウン
の際に生じ易いノイズを除去するための平滑化処理を行
なう（ステップＳ２）。この平滑イし処理後の座標点列
は、ＲＡＭ１３の所定の領域１こ格納される。

次に、平滑化処理された座標点列（文字パターン）につ
いて、一定数の点で近似するために特徴点の抽出を行な
う（ステップＳ３）。ここでの特徴点の抽出は以下のよ
うにして行なう。

■　入カバターンの全体のストロークを、ストロークに
沿って例えば４０等分し、パターンの始点、終点、各中
間点の計４１点の特徴点Ａ−ＡＤ。

Ａｔ、・・・、＾３９．＾４０を求める。

■　■で得られた４１点の特徴点Ａ−ＡＯ，Ａｔ。

・・・、　Ａ３９　、　Ａ４０のうちから以下の３つの
条件（ａ）〜（ｃ）を満たすような例えば１７点の特徴
点列Ｐ■ＰＯ，ＰＩ、・・・、ＰＩ６を選び出す。

（ａ）始点と終点は変えない。すなわち、Ｐ〇−ＡＯ１
Ｐ１６−Ａ４０とする。

（ｂ）ｐの隣接する２点の間にＡの点を、第３図に示す
ように、１点または２点を含む。すなわち、Ｐｉ＝Ａｍ
、Ｐｉ十１−Ａｎとすると、ｎ−ｍ　−２または３とな
る。

５ （ｃ）　　Ｌ−Σ　Ｉｔ　Ｐｉ　−Ｐｉｌｌ　ＩＩ　　
　−（１）ｉ＝０ を最大にするＰ−ＰＧ、　ＰＬ、・・・、ＰＩ６を選ぶ
。

このような特徴点列Ｐ−ＰＯ，ＰＬ、・・・、ＰＩ６の
選択は、　Ｄ　Ｐ　（Ｄｙｎａｍｌｃ　Ｐｒｏｇｒａｍ
ｉｎｇ）マ・ツチング法の応用によって計算した結果に
基づいて効率良く行なうことができる。

■　■で選んだ１７点の特徴点ｐ−ｐｏ、ｐｔ、・・・
ＰｌＢを最終的な特徴点とする。

このようにして、特徴点を選んだ理由は以下の通りであ
る。

■　条件（ｃ）の（１）式に基づいて特徴点を選ぶこと
によって、第４図に示すような、ストローク中のなるべ
く曲りの大きい点が特徴点として抽出される。これによ
って、ストロークの曲り方の特徴を抽出し易くすると共
に、より安定な変化角度列を得ることができる。この変
化角度列は、後述するステップＳ７における変化角度Ｄ
Ｐ（Ｄｙｎａｍｉｃ　ＰｒｏｇｒａＩｌｌｎｇ）マツチ
ングを行なう際に用いられるものである。

■　条件（ｂ）に基づいて特徴点を選ぶことによって、
ストロークに沿ってほぼ等間隔の点が抽出される。これ
によって、極端な間隔の差ができずに、特徴点の位置が
偏らないようにできる。

２画以上からなる文字についても、全体のストロークか
ら１７点の特徴点を抽出する。例えば第５図（ａ）に示
すような入カバターン（数字４のパターン）について特
徴点を抽出すると、第５図（ｂ）に示すようになる。こ
うして選択された各特徴点については、その点位置を示
すＸ、Ｙ座標値とその点がストロークの始点、中間点、
終点、ペンオフにおける（実際のストローク上にない）
点の何れに属するかという情報が付加されて、ＲＡ　Ｍ
　１３の所定の領域に格納される。なお、標準辞書パタ
ーンの各パターンも、同様にして特徴点によって表現さ
れている。各辞書パターンデータ（特徴点の情報）と、
それぞれに対応する文字コード（文字認識処理結果）は
、辞書ＲＯＭ１４に予め格納されているものである。

ステップＳ３において特徴点の抽出が終了すると、次に
、入力された文字パターンの大きさ１位置を一定とする
ために正規化を行なう（ステップＳ４）。ここでの正規
化は、文字パターンについて抽出された特徴点の重心位
置、大きさ（Ｘ方向の大きさ、またはＹ方向の大きさの
内の大きい方）が所定の値となるように、ＲＡＭ１３に
格納された文字パターン（特徴点列）について拡大・縮
小、及び平行移動によって行なわれる。正規化後の特徴
点列に関する情報は、ＲＡＭ１３の所定の領域に格納さ
れる。

次に、正規化後の特徴点列を基に、全標準辞書パターン
について、近似点間距離マツチングによる相違度計算を
行なう（ステップＳ５）。これは、後述する変化角度Ｄ
Ｐマツチングを行なう前に、近似点間の距離による相違
度を計算し、この結果を基に候補文字を絞り込むためで
ある。この候補文字の絞り込みの理由は、以下のとおり
である。

■　ＤＰマツチングは計算量が多いため、マ・ソチング
の対象とする辞書パターン数を制限して実行速度を向上
させる。

■　変化角度ＤＰマツチングでは、パターン形状の局所
的な細かい特徴を抽出し易いが、全体的な大まかな形状
の特徴は抽出しにくい。全体的な形状を識別し易い近似
点間の距離による相違度を最終的な相違度に加えること
で、この欠点を補い、認識制度を向上させる。（変化角
度ＤＰマツチングについては後述する）。

■　変化角度のマツチングでは文字全体の傾きを検出で
きない。近似点間距離によるマツチングにより、入カバ
ターンと極端に傾きの異なる辞書パターンが認識結果と
なることを防ぐ。

まず、ステップＳ３において抽出された１７点の特徴点
列から、第６図に示すように、１点おきに９点の特徴点
Ｐ’０　、　Ｐ’ｌ　、・・・、Ｐ°８を抽出する。

そして、入カバターンの９点の特徴点列Ｐ°−Ｐ’Ｏ、
Ｐ’ｌ　、・・・、Ｐ”８と、標準パターンの９点の特
徴点列Ｑ　’　−Ｑ’０　、　Ｑ’ｌ　、・・・、Ｑ°
８との間で、各特徴点間のユークリッド距離の和の相違
度Ｄ　ｐ（Ｐ、Ｑ）を以下の（２）式に基づいて計算す
る。

Ｄ　ｐ（Ｐ、Ｑ）−Σ　　（１１Ｐ″ｉ−Ｑ’ｉｌ＋）
−０ ＋ＫＳＸＩＳｐ−８ＱＩ　　　−（２）ここで、ＩＩ　
Ｐ’ｉ　−Ｑ’ｉ　　ＩＩは点Ｐ’ｉと点Ｑ’ｉとの間
の距離である。Ｓｐ、　Ｓｑは、それぞれ入カバターン
、辞書パターンの画数であり、ＫｓＸＩＳｐ−ｓｑは、
画数の違いを補正するためのペナルティである。（Ｋｓ
（＞０）は重み係数。） なお、近似点間の距離による相違度計算における近似点
数を９点としたのは、近似点間の距離による相違度の場
合、特徴点数をある程度以上多くしても文字の識別制度
は向上せず、むしろパターンの微細な変動によって識別
精度が低下する場合があるためと、計算量を減少させる
ためである。

前記（２）式に基づいて入カバターンと全ての標準辞書
パターンとの間で、それぞれ近似点間の距離による相違
度Ｄ　ｐ（Ｐ、Ｑ）を計算すると、次に、全ての辞書パ
ターンのうち相違度の小さいものから順に例えば８つの
辞書パターンを、認識文字の候補として選び出す（ステ
ップＳ６）。これらの８つの辞書パターンの辞書番号、
及び相違度Ｄｐ（Ｐ、Ｑ）は、ＲＡ　Ｍ　１３の所定の
領域に格納される。

これ以降の識別処理（変化角度ＤＰマツチング）は、こ
こで選び出した８つの辞書パターンに対してのみ実行さ
れる。なお、ここで求めた近似点間の距離による相違度
Ｄｐの値は、候補の絞り込みのみに使われるのではなく
、文字認識処理の結果を決定するための最終的な相違度
Ｄｆを求めるために用いられる。なお、最終的な相違度
Ｄｆは、相違度Ｄｐと次の変化角度のＤＰマツチングに
よって得られる相違度Ｄａとの和として求められる。

次に、ステップＳ６において選び出された８つの辞書パ
ターンに対して、変化角度ＤＰマツチングを行ない、そ
の相違度Ｄａを計算する（ステップＳ７）。ここで行な
うストロークの変化角度によるマツチングは、微妙に形
状の異なるストロークについて識別することができない
従来のストローク中の近似点間の距離の和を相違度とす
る方式を補うものである。つまり、例えば走り書き数字
の場合、ストロークの曲り方の特徴によって字種が決ま
ることが多い。そこで、ストロークの曲り方の特徴に基
づく相違度を求め、この相違度を文字認識結果を決定す
る際に利用しようとするものである。

ここでは、入カバターンの隣接する特徴点を結ぶ部分ベ
クトル列から、部分ベクトルの変化角度の時系列によっ
てパターンを近似し、この変化角度列と標準パターンと
のマツチングを行なう。変化角度の時系列は、例えば第
６図のように、入カバターンが特徴近似された場合、第
７図（ａ）のように部分ベクトルが求められ、これから
第７図（ｂ）に示すように各特徴点における変化角度か
ら求められる。（なお、第７図においては、単純化した
ものを例にしている。）また、標準辞書パターンは、同
様にして変化角度列として表現されて予め辞書ＲＯＭ１
Ｊ中に格納されている。

この変化角度列をパラメータとするマツチングでは、入
力ストロークの近似点と辞書ストロークの近似点との対
応づけを、第８図（ａ）のように固定的に行なった場合
、ストロークの識別においてストローク形状の時間軸上
の微妙な変形の影響が強く出てしまう。このため、ここ
では、ストロークの本質的でない変形の影響を軽減する
ためにＤＰマツチングを用いる。ここでのＤＰマツチン
グ（変化角度ＤＰマツチング）は、入力ストロークと辞
書ストロークの近似点間の対応を固定的なものではなく
、第８図（ｂ）に示すように、近似点の対応関係を変え
た場合の変化角度の差の和の最小値を相違度とするもの
である。

次に、変化角度ＤＰマツチングの具体的なアルゴリズム
について説明する。

入カバターンが特徴点列Ｐ−ＰＯ，Ｐｉ、・・・　Ｐｎ
で近似され、標準パターンが特徴点列Ｑ−ＱＯＱｌ　　
、・・・、　Ｑｎでそれぞれ近似されているとき、変化
角度ＤＰマツチングに基づく入カバターンと標準パター
ンとの相違度は次のような斬化式で求めることができる
。

■初期値 ｇ（１，１）−０・・・（３） ■斬化式 ％式％） このとき、どのＤＰｐａｔｈでｌｌ１ｎ値が得られるか
によって、ｍ（ｉ、ｊ）、ｌ（ｉ、Ｄを次のように定め
る。

・・・　（６） 前記斬化式（（５）式）に基づいて、ｇ（１，１）から
順次１、ｊを増やしながらｇ（ｎ、ｎ）まで計算する。

このｇ（ｎ、ｎ）が、変化角度ＤＰマツチングによる相
違度Ｄａとなる。（実際には、ｎ−１８（特徴点数−１
７個）である。） 第９図にＤＰｐａｃｈ１〜３を示し、第１０図に各ＤＰ
ｐａｔｈにおける入カバターンと辞書パターンの特徴点
の対応を示している。

ここで、前記（５）式について説明する。

ａｎｇ（Ｐａ、Ｐｂ、Ｐｃ）は、第１１図に示すような
場合に、ベクトルＰｂＰｃとＰａＰｂとのなす角を示す
ものである。ただし、 −１８０’　＜ａｎｇ（Ｐａ、Ｐｂ、Ｐｃ）５１８０ｍ
である。

ｄ　（ａｎｇＡ　、　ａｎｇＢ）は、角度ａｎｇＡと角
度ａｎｇＢとの角度差を示し、 ｄ（ａｎｇＡ　、　ａｎｇＢ） −Ｋｄｘ　ｌ　ｓｉｎ（ａｎｇＡ／２）　−ｓｉｎ（ａ
ｎｇＢ／２）・・・（７） である。ただし、Ｋｄ　００）は重み係数である。

ｙ＝ｓｉｎ（Ｘ／２）は、第１２図に示すような関数で
あり、ａｎｇＡとａｎｇＢとの曲がる方向（すなわち、
角度が０″より大きいか小さいか）が違えば角度差がよ
り強調される。

ｖａ（ａｎｇＡ）は時間軸に非線形な変形を行なう際の
ペナルティであり、 ｗａ（ａｎｇＡ）−ＫａＸ　ｌ　ｓｉｎ（ａｎｇＡ／２
）　　Ｉ　　−（８）である。ただし、Ｋａ（＞０）は
重み係数である。

（８）式の意味は以下の通りである。ＤＰｐａｔｈ　１
では角度差の計算において、第１０図（ａ）に示すよう
に、入カバターン上の中間点Ｐ１−１を無視してＰｌと
Ｐｌ−２とを直線で結ぶことになる。

ａｎｇ（Ｐｉ、Ｐｉ−１，Ｐｉ−２）　　ｌが大きい場
合（第１３図（ａ）（ｂ）参照）、この操作によるもと
のパターンの変形が大きなものになり、パターン識別に
悪影響を及ぼす。このような変形を起こりにくくする目
的でこのペナルティを付加する。ＤＰｐａｔ−ｈ　、３
の場合も同様に、第１０図（ｃ）に示すように、辞書パ
ターン上の中間点Ｑｉ−１が無視されることによる影響
を軽減するためにペナルティを付加する。

ｐｅｎ（Ｐａ、Ｐｂ）は、ベンオン／オフの状態である
。

特徴点Ｐａからｐｂの間にストロークの切れ目（ペンオ
フの状態）があればｐｅｎ（Ｐａ、Ｐｂ）−０、ストロ
ークの切れ目がなければｐｅｎ（Ｐａ、Ｐｂ）＝１であ
る。

ｖｓ（ｐｅｎＡ、ｐｅｎＢ）はベンオン／オフの一致／
不−致によるペナルティでアリ、 ｗｓ（ｐｅｎＡ、ｐｅｎＢ）　−ＫｓＸ　ｌ　ｐｅｎＡ
　−ｐｅｎＢ　ｌ　−（９）である。ただし、Ｋｓ　（
＞０）は重み係数である。すなわち、このペナルティは
、各特徴点におけるペンのオン／オフ状態（ストローク
の始点、中間点。

終点、実際のストローク上にない点）が入カバターンと
辞書パターンとで一致しないい場合に、この影響を軽減
するためのものである。

ステップＳ６において選択された８つの辞書パターンと
入カバターンとの間で、それぞれ相違度Ｄａ　　（ｇ（
ｎ、ｎ）、ｎ−１Ｂ）が求められると、その結果がＲＡ
　Ｍ　１３の所定の領域に格納される。

次に、ステップＳ７において求められた変化角度のＤＰ
マツチングによる相違度Ｄａと、ステップＳ５で求めた
近似点間の距離による相違度Ｄｐから、入カバターンＰ
と標準パターンＱとの間の最終的な相違度Ｄｆ’を以下
の式（ｌＯ）によって求める。

Ｄｆ（Ｐ、Ｑ）−Ｄａ（Ｐ、Ｑ）＋ＫｘＤｐ（Ｐ、Ｑ）
　　　　　・　　（ｔｏ）ただ°し、Ｋ　００）は重み
係数である。

この計算の結果、８つの辞書パターンのうち最終相違度
Ｄｆが最も小さい標準辞書パターンの文字を認識結果と
する。ＣＰＵｌ０は、この認識結果を出力ポート１Ｂを
介して、装置外部に出力する。

このようにして、入カバターンと標準パターンのストロ
ーク中の近似点間の距離の和を相違度とするだけでは微
妙に形状を識別できなかった文字についても、変化角度
列のＤＰマツチング法を用いることによって、ストロー
クの曲がり方の特徴（変化角度列によって示される）に
基づく相違度を利用して認識結果を決定するので、より
高精度な識別を行なうことができ、またストローク全体
の小さな傾きの違いを吸収することができる（文字の傾
きに強い）。

また、入カバターンと全ての標準パターンとの間の近似
点間の距離による相違度（Ｄ　ｐ）から認識文字の候補
を選択し、この候補について変化角度ＤＰマツチングを
行なうので、計算量が多いＤＰマツチングを用いても処
理時間を多く必要としない。

さらに、全体的な形状を識別しやすい近似点間距離マツ
チングによって得られた相違度と、局所的な細かい特徴
を抽出しやすい変化角度ＤＰマツチングによる相違度を
もとにして最終的な認識結果を決定するので、高い認識
精度を得ることができる。

［発明の効果］ 以上のように本発明によれば、入カバターンのストロー
クの曲り方の特徴に基づくマッチングを行なうので、走
り書き数字のような微妙に形状が異なる文字についても
、高い精度で認識を行なうことができるものである。

【図面の簡単な説明】

第１図乃至第１３図は本発明の一実施例に係わる図であ
り、第１図はパターン認識装置の構成を示すブロック図
、第２図は同実施例における入カバターンを認識するた
めの処理の手順を示すフローチャート、第３図及び第４
図は特徴点抽出処理を説明するための図、第５図は２画
以上からなる文字についての特徴点抽出を説明するため
の図、第６図は抽出された特徴点列の一例を示す図、第
７図はストロークの変化角度の時系列による近似を説明
するための図、第８図は入カバターンと辞書パターンと
の特徴点の対応を説明するための図、第９図はＤＰｐａ
ｔｈ　１〜３を説明するための図、第１０図は各ＤＰｐ
ａｔｈにおける入カバターンと辞書パターンの特徴点の
対応を示す図、第１１図は特徴点における変化角度を示
す図、第１２図は関数ｙ−ｓｉｎ（Ｘ／２）を示す図、
第１３図はペナルティｖａ（ａｎｇ＾）の意味を説明す
るための図である。第１４図乃至第１６図は従来例を説
明するための図であり、第１４図は特徴点近似を説明す
るための図、第１５図は辞書パターンの例を示す図、第
１６図は入カバターンと辞書パターンの相違度計算を説
明するための図である。 ｌＯ・・・ＣＰＵ、１１・・・バス、１２・・・ＲＯＭ
、１３・・・ＲＡＭ、１４・・・辞書ＲＯＭ、１５・・
・タブレット、ＩＢ・・・出力ボート、１７・・・ペン
。

Claims (3)

【特許請求の範囲】
1. （１）文字等のパターンを示す座標データ列を入力する
   入力手段と、 前記入力手段によって入力された座標データ列によって
   示されるパターンから、複数の代表座標点を抽出する代
   表座標点抽出手段と、 前記代表座標点抽出手段によって抽出された隣接する２
   つの代表座標点を結ぶベクトルの列で前記パターンを近
   似し、各代表座標点に対応する隣接した２つのベクトル
   がなす角度を検出する角度検出手段と、 認識の対象とするパターンの標準パターンに関する辞書
   データを格納するための辞書格納手段と、前記角度検出
   手段によって検出された各代表座標点に対応する角度と
   、前記辞書格納手段に格納された前記辞書データをもと
   に、前記入力手段から入力されたパターンを認識する認
   識処理手段と、を具備したことを特徴とするパターン認
   識装置。
2. （２）文字等のパターンを示す座標データ列を入力する
   入力手段と、 前記入力手段によって入力された座標データ列によって
   示されるパターンから、複数の代表座標点を抽出する代
   表座標点抽出手段と、 認識の対象とするパターンの標準パターンに関する辞書
   データを格納するための辞書格納手段と、前記代表座標
   点抽出手段によって抽出された代表座標点と、前記辞書
   格納手段に格納された前記データとをもとに第１のマッ
   チングを行ない、前記パターンと前記標準パターンとの
   相違度を検出する第１マッチング手段と、 前記第１マッチング手段によって検出された相違度に基
   づいて、前記認識の対象とするパターンから複数の認識
   結果の候補を選択する候補選択手段と、 前記代表座標点抽出手段によって抽出された隣接する２
   つの代表座標点を結ぶベクトルの列で前記パターンを近
   似し、各代表座標点に対応する隣接した２つのベクトル
   がなす角度を検出する角度検出手段と、 前記角度検出手段によって検出された各代表座標点に対
   応する角度と、前記候補選択手段によって選択された候
   補の標準パターンに対応する前記辞書格納手段に格納さ
   れた辞書データをもとに第２のマッチングを行ない、各
   標準パターンに対する相違度を検出する第２マッチング
   手段と、前記第２マッチング手段によって検出された相
   違度に基づいて前記パターンの認識結果を決定する認識
   結果決定手段と、 を具備したことを特徴とするパターン認識装置。
3. （３）前記認識結果決定手段は、前記第２マッチング手
   段によって得られた相違度と、前記第１マッチング手段
   によって検出された相違度に基づいてパターンの認識結
   果を決定することを特徴とする第２請求項記載のパター
   ン認識装置。