JPH045233B2

JPH045233B2 -

Info

Publication number: JPH045233B2
Application number: JP58148092A
Authority: JP
Priority date: 1983-08-15
Filing date: 1983-08-15
Publication date: 1992-01-30
Also published as: JPS6041175A

Description

【発明の詳細な説明】〔発明の利用分野〕本発明は手書き文字認識方式に係り、特に１文
字書かれる毎に直ちに文字認識結果を出すオンラ
イン手書き文字認識方式に関する。

〔発明の背景〕

従来のオンライン手書き文字認識方式は、一文
字を完全に書き終えた後に、書かれた入力文字の
画数と座標位置情報と、およびあらかじめ登録し
てある全文字の標準パターンの画数と、座標位置
情報とをもとに少なくとも入力文字と同一画数の
全標準パターンとの類似度を計算し、類似度が最
大となる標準パターンを該入力文字の認識結果と
して採用する方式であつた。

しかし、この方法によると少なくとも入力文字
と同一画数の全標準パターンとの類似度を計算す
るため、類似度の計算回数が多くなり、それだけ
認識処理時間が長くなる。

従来の認識処理の一例を第１図のフローチヤト
を参照しながら説明する。

一例として、入力文字が第２図に示す「仁」の
字であつたとする。入力情報としては、画数（４
画）と、各１画の線（以下これをストロークと称
する。）上の座標値が離散的に得られている。

最初に各ストロークをｍ点（ｍは自然数）で近
似する。ここではｍ＝３の場合について説明す
る。

すなわち、まず各ストロークの両端に点をと
り、第１点、第３点とし、ストロークの線上での
中点をとり第２点とする。第２図に示すように、
３点近似で得られた点を書かれた筆順に従つて、
順にP₁，P₂，P₁₂とする（以上Ｓ−１）。次に座
標原点の正規化を行なう。つまり各点のｘ，ｙ座
標値の平均値mx，myを計算し、（mx，my）を
新しい座標原点とする（Ｓ−２）。次に、大きさ
の正規化を行なう。つまり新しい座標原点からの
各点までの距離の平均値rmを計算し、この平均
値が一定値rsとなるように新しい原点からの各点
のｘ，ｙ座標値に、rs／rmを乗ずる（以上Ｓ−
３）。以上のように、入力文字に対し一連の前処
理を行なつた後、あらかじめ登録してある４画の
全標準パターンとの類似度を計算する。

つまり、前述の前処理を行なつた後の入力文字
の各点P₁〜P₁₂の座標置と、各４画標準パターン
の対応する点P′₁〜P′₁₂の座標値との距離d₁〜d₁₂
を計算し、これらの総和ｄ＝d₁＋…＋d₁₂が最少
となるような標準パターンを最も類似度の高い標
準パターンとして、認識結果として出力する（以
上Ｓ−４）。この方法によると、たとえば８画の
入力文字の場合、８画の文字は教育漢字だけでも
94文字あり、94文字について類似度を計算する事
になる。

たとえば演算装置としてインテル社の16ビツト
マイクロプロセツサ8086を５［MHZ］クロツクで
使用して以上の認識処理演算を行なうとすると、
８画の場合１回の類似度（距離）計算に少なくと
も約2.5［mS］必要と考えられるので、94文字で
は約235［mS］必要となる。

前述の前処理は８画では約120［mS］程度必要
と考えられ、相対的に見て類似度計算のための演
算量が大きなものとなる。

この方式の改良案として、木村らの「手書き漢
字の部分パターン抽出と認識」（電子通信学会論
文誌Vol j64−Ｄ，No.11，’81年11月）があげら
れる。

この方法は、書き終つた入力文字の左半分、右
半分などの一部分だけを見て偏、つくりなどの部
首を検出し、部首によつて入力文字をあらかじめ
大まかに分類しようというものである。

つまり、第３図ａ，ｂ，ｃに斜線で示すような
文字の左半分、右半分、上半分というようないく
つかのマスクを設ける。各マスクの形ごとに、あ
らかじめいくつかの標準パターンを用意してお
く。

たとえば、左半分のマスクに対しては、「〓」
（にんべん）、「糸」（いとへん）など、右半分のマ
スクに対しては、「隹」（ふるとり）などである。
そして、入力文字に対しすべてのマスクをかけて
みて、マスク内にはいつたストロークのみについ
て、各マスクに対する標準パターンとの類似度を
計算し、ある程度以上の値で最大値となるような
パターンを、その入力文字の部首として、部首に
より入力文字を大まかに分類する方法である。

たとえば入力文字「仁」の場合、左半分のマス
クに対する標準パターンのうちの「〓」（にんべ
ん）のパターンとの類似度が他に比べて大幅に高
くなるので、この入力文字「仁」を「〓」のグル
ープに分類する。

しかしこの方法によると、つくりなどは文字の
終わりの方に書かれるので、文字を完全に書き終
えた後でないと認識演算処理に着手できず、また
日常多く使われる文字、たとえば教育漢字の大部
分に対応するためには、マスクの形も左、右、上
半分の他、「〓」（しんにゆう）、「广」（まだれ）
などに対応する形状も用意しなければならず少な
くとも数種類は必要であり、またたとえば左半分
のマスクについては、「〓」（にんべん）、「糸」
（いとへん）など偏だけでも約20種類以上用意す
る必要があると考えられるので、大まかな分類を
行なう上において、マスクの形を５種類、各マス
クに対する標準パターンを平均10種類としても、
合計50回の類似度計算を行なわなければならず、
分類を行なわず同一画数の全標準パターンとの類
似度計算を行なう方法に比べて、それほど演算時
間は短縮されないものと考えられる。

〔発明の目的〕

本発明の目的は、上記した従来技術の欠点をな
くし、文字を書き終わつてからの認識処理時間を
大幅に短縮するオンライン手書き文字認識方式を
提供する事にある。

〔発明の概要〕

本発明はｎ画の入力文字の、最初のｌ（ｌは一
般的に複数個の値をとるｌ＜ｎなる自然数。）画
の情報をもとに、入力文字をあらかじめ大まかに
分類するものである。

すなわち、最初のｌ画の標準パターンをあらか
じめいくつか用意し、たとえば最初の２画を書き
終えた時点で、２画の標準パターンとの類以度
を、３画を書き終えた時点で３画の標準パターン
との類似度を計算し、これらの類似度をもとに入
力文字を完全に書き終える以前に大まかに分類す
るものである。類似度の尺度としては、例えば入
力文字と、標準パターンとの各点の座標の相互相
関係数を用いる。この値が高いほど類似度が高
い。

〔発明の実施例〕

以下、本発明によるオンライン手書き文字認識
方式の一実施例を第４図に示して説明する。

文字データ入力端子１には、たとえばタブレツ
トなどから文字の書き始め、書き終わりを表わす
デイジタル信号、および筆記中には短い時間間隔
（たとえば10［mS］位）で、筆記具（ペンなど）
の上がり下がりの状態を表わすデイジタル信号
と、筆記具と座標位置を表わすデイジタル信号が
送られてくる。CPU2は、１文字の書き始めの信
号を第１のインターフエース回路３を介して受け
取ると筆記具の上がり下がりの状態信号を判別
し、上がりから下がりへの変化により１ストロー
クの開始を検出し、以後入力される座標位置をす
べて第１のメモリ４上に記録する。第１のメモリ
は、データを一時的に記録するものであり、例え
ば汎用RAM等である。下がりから上がりへの変
化により１ストロークの終了を検出したら、次の
１ストロークの開始を検出するまで座標位置の記
録を中断する。そして、この１ストロークに関す
る全座標位置より、この１ストロークをｍ点近似
する演算を行ない、ｍ点近似した位置を第１のメ
モリ４上に記録する（ｍは自然数）。ストローク
のｍ点近似の演算とは、ストロークの両端および
ｍ−１等分点の座標を計算する演算である。

以下、本実施例においては最初の２画、および
３画の情報により入力文字を分類する例について
述べる。

次の段階のCPU２．の演算動作を第７図のフ
ローチヤートに示して説明する。CPU２．は、
入力文字の画数（ストローク数）をカウントし２
画になつたら、第１のメモリ４より２ストローク
分のｍ点近似された座標データ（すなわちｍ×２
個）を入力し、第２のメモリ５．にあらかじめ登
録されているすべての２画標準パターン（たとえ
ば「十」、「〓」など）の座標データとの類似度を
計算する。第２のメモリ５．は、データを半永久
的に記録するものであり、例えば汎用PPoM等で
ある。類似度の尺度としては、相互相関係数を用
いる。つまり、入力文字最初２画と２画標準パタ
ーンのmX2点のｘ座標相互相関係数Cx，ｙ座標
の相互相関係数Cyを計算し、たとえば、この２
者を加算したCP＝Cx＋Cyを尺度とする。

なお、２点列｛ｘ｝，｛x_s｝間の相互相関係数
Cxx_sは次式で表わされる（以上Ｓ−１）。

＝１／Ｎ_N 〓ⁱ⁼¹ X_i，＝１／Ｎ_N 〓ⁱ⁼¹ Xs_i，Ｎは定数次に既登録の全２画標準パターンとの類似度
（相互相関係数）値の中から、上位のいくつか
（たとえば２個）を選出する（Ｓ−２）。そしてこ
れらをもとに、この入力文字に対応する２画パタ
ーンを決定する。

具体的には、まずあらかじめ設けた類似度のし
きい置と比較し、第１位の値が該しきい値を下回
る場合、この入力文字はいずれの２画標準パター
ンとも対応がつかないものとする。

第１位の値が該しきい値以上で、第２位以下の
値との差（あるいは比など）が一定値以上であれ
ば、第１位となつた２画標準パターンを入力文字
に対応づけ、一定値以下となる標準パターンがあ
れば、それもあわせて対応づけるというような方
法である（以上Ｓ−３）。

次に対応づけた２画標準パターンにもとづき、
３画目まで書かれた段階において類似度を計算す
べき３画標準パターンを第２のメモリ５上の２画
と３画の関連表より選び出す。第２のメモリ５．
上の２画と３画の標準パターンの関連表の一例を
第５図に示す。

この表は、各２画標準パターンが入力文字に対
応づけられた場合、その入力文字に対応づけられ
る可能性のある３画標準パターンを列挙したもの
であり、たとえば２画標準パターン「十」に対し
ては、３画標準パターン「艸」（くさかんむり）、
「〓」（てへん）などがあげられる（以上Ｓ−４）。

このようにして、入力文字に対応する２画標準
パターン、及び類似度を計算すべき３画標準パタ
ーンのコード第７のメモリ４．上に記録する。

なお、対応する２画標準パターンが無い場合に
ついても、それを表わすコードを記録する。この
場合も類似度を計算すべき３画標準パターンは存
在するので（たとえば「幺」など）、そのコード
を第２のメモリ５より読み出して、第１のメモリ
４に記録する。

次の段階のCPU２．の演算動作を第８図にフ
ローチヤートで示して説明する。

CPU２．は、ストロークのカウント数が３と
なつたら第１のメモリ４より、入力文字の最初の
３ストローク分のｍ点近似された座標データを入
力する。

また、第７のメモリ４．より類似度を計算すべ
き３画標準パターンのコードを入力し、該当する
３画標準パターンの座標データのみ第２のメモリ
５より入力し、入力文字の最初３画の座標データ
との類似度（相互相関係数）を計算する（Ｓ−
１）。そして２画の場合と全く同様に、上位何個
かの類似度の値を選出し（Ｓ−２）、これらをも
とに２画の場合と全く同様の方法で入力文字に対
応する３画標準パターンを決定する（Ｓ−３）。

そして入力文字に対応する３画標準パターンの
コードを第７のメモリ４．に記録する。

なお、ある２画標準パターン（たとえば「十」）
に対応し、これと関連づけられている標準パター
ン（たとえば「艸」、「〓」など）のいずれとも対
応づけられなかつた場合も、それを表わすコード
を記録する。

なお、たとえば２画標準パターン「艸」（にん
べん）のように、類似度を計算すべき３画標準パ
ターンが無い場合、CPU２．は３画に関する演
算動作を行なわず、入力した該２画標準パターン
のコードをそのまま記録する。

次に、CPU２．は、書き終わりを表わす信号
を入力した時点までのストロークのカウント数に
より、入力文字の画数を得る。該画数、および第
１のメモリ４．上の入力文字に対応する２画、ま
たは３画の標準パターンのコードにもとづき、第
２のメモリ５．より、候補文字の標準パターンの
座標データをすべて入力し、入力文字の座標デー
タを第１のメモリ４．より入力し、類似度（たと
えば相互相関係数ユークリツド距離など）を計算
し、類似度が最大となるような候補文字を入力文
字の認識結果として決定し、その文字コードを出
力する。

第２のメモリ５．上の画数別、および２、３画
標準パターン別の候補文字表の一例を第６図に示
す。

例として、入力文字「板」の場合のCPU２．
の動作をそれぞれ第７図、第８図を参照しながら
説明する。

CPU２．は、「板」の字の最初２画「十」を入
力し、第１のメモリ４上のすべての２画標準パタ
ーンとの類似度を計算し、最も類似度の高いパタ
ーンとして「十」（コード201）を選出する。

従つてこの入力文字に対応する２画標準パター
ンは「十」と決定し、そのコード201、および、
第２のメモリ５より類似度を計算すべき３画標準
パターン「艸」、「〓」、「〓」などを見出し、その
コード301、302、303などを第１のメモリ４．の
所定のアドレスに記録する。（以上第７図）次に、
CPU２．は、「板」の字の最初の３画「〓」を入
力し、第４のメモリ９上の指定された３画標準パ
ターン「艸」、「〓」、「〓」などとの類似度を計算
し、最大の類似度を与えるパターンとして「〓」
を選出し、これをこの入力文字に対応する標準パ
ターンとして決定して、そのコード303を第１の
メモリ４．上に記録する。（以上第８図）次にCPU２．は入力文字「板」の画数８画、
および対応３画標準パターンコード303より第２
のメモリ５．上の候補文字「板」、「林」の２字の
座標データを入力し、入力文字との類似度のより
高い「板」を認識結果として、そのコード4844を
第２のレターフエース回路６．を介して出力端子
７．に出力する。

〔発明の効果〕

以上のように本発明によれば、文字全体が書か
れる前でも最初の２、３画位が書かれた時点から
分類演算に着手する事ができる。

たとえば、最初の２、３画により分類を行なう
場合、２、３画の標準パターンはそれぞれ高々20
個位ずつ用意すれば、全常用漢字の80％以上がい
ずれかのパターンに対応づけられると考えられる
ので、分類を行なうための２、３画のみの類似度
計算は高々40回行なえばよいので、ある程度以上
の画数、たとえば標準パターンが２画および３画
なら少なくとも５画以上の文字については、書き
終わるまでに十分分類可能である。

つまり、文字を書き終えた時点では画数、およ
び分類の２つの情報が得られており、これらの２
情報より、全常用漢字を対象とする場合でも、候
補文字は高々20個にしぼられると考えられる。

つまり文字を書き終えた後は、入力文字と高々
20個の候補文字との間で類似度を計算すればよい
ので、文字を書き終えた後の認識処理のための演
算量を大幅に低減することができる。

たとえば、８画教育漢字で類似度の尺度を距離
とする場合、前述のように従来は94字の候補文字
との間で類似度を計算し、類似度計算だけで約
235［mS］を要したのが、候補文字を20字として
も類似度計算は50［mS］で済み、前処理時間約
120［mS］を加えても従来355［mS］を要したの
が、約1/2の170［mS］で済む事になる。

また、類似度の尺度として、入力文字と標準パ
ターンのｘ座標、ｙ座標の相互相関係数各々を計
算し、これらを結合（たとえば加算）したものを
用いれば、ｘ座標、ｙ座標の類似度を独立に計算
して結合するので入力文字に縦長、横長の変形が
あつた場合でも、変形が無い場合と比べて、同じ
文字の標準パターンとの類似度はほとんど低下し
ない。

文字の縦長、横長の変形の例として、「〓」（さ
んずい）の例を第９図の１，２に示す。特に、手
書き文字の最初の２画、３画位をみると、筆記者
による縦長、横長の変形が多いのでｘ座標、ｙ座
標の相互相関係数を別々に計算し、これらを結合
して類似度の尺度とする方法は極めて有効であ
る。

また、例えば第９図の３と４の実線部分はどう
しの類似度も非常に高い値となるが、入力文字を
大まかな分類においては、例えばこの２者のよう
な関係にあるものどうしは同一グループに分類し
た方が都合が良い場合が多い。また発明の実施例
において記した相互相関係数の式からわかるよう
に、類似度の尺度として、従来技術において述べ
た入力文字と標準パターンとの対応する点の座標
位置間の距離の総和を尺度とする場合のように、
類似度計算に先立つ座標原点の正規化、大きさの
正規化の演算は不要となる。

手書きの漢字の本実施例による分類結果の一例
として、最初の２、３画による分類結果の一例を
第１０図に示す。

本例は、第１０図に示す最初の２画、および３
画の標準パターンによる教育漢字８画（計94字）
の、筆者10名分の入力文字の分類結果である。

同図において、２画、３画各標準パターンの右
側のマス内の数字は、左側が該標準パターンのカ
テゴリーに入つた字種数、右側がそののべ字数
（字種数×人数の累計）である。２画標準パター
ンと３画標準パターンとの関連は、直線で結んで
示す。

つまり、２画標準パターン「十」のカテゴリー
に入つた入力文字の最初の３画は、関連する３画
標準パターン「艸」、「〓」、「〓」とのみ類似度を
計算し、いずれの３画標準パターンのカテゴリー
に入るかを決定する。

なお、本例においては、類似度の尺度としては
入力文字と、既登録の標準パターンとのｘ座標、
ｙ座標の相互相関係数の和を用いる事とし、類似
度の最大値のしきい値を1.7とし、類似度が最大
となる標準パターンとの類似度が該しきい値以上
であれば、入力文字を該標準パターンのカテゴリ
ーに分類し、該しきい値未満であればいずれの標
準パターンのカテゴリーにも入れない（「その他」
とする。）なお、２画においてどのカテゴリーにも入らな
かつた入力文字は、すべての３画標準パターンと
の類似度を計算する。

第１０図に示すように、最初の２画、および３
画で分類した場合、最終的にいずれかのカテゴリ
ーに入つたのべ字数の総計は、入力総字数の教育
漢字94（字）×筆者10（人）＝940（字）中、859字と
なり、入力文字中、いずれかのカテゴリーに入つ
たものの割合（以下これを分類率と称する）約91
％である。入力文字がいずれのカテゴリーにも入
らない場合この入力文字に対する候補文字が絞ら
れないので、この入力文字と同じ画数の全文字と
の標準パターンとの類似度を計算することにな
る。したがつて、上記分類率の値が高いほど、認
識処理時間低減の効果が有る。ここでもし、第１
０図における２画の標準パターン（13個）のみで
分類を行なつた場合、２画のいずれかの標準パタ
ーンのカテゴリーに属するのべ字数の総計は、
755字であり、940字中の約80％の分類率にとどま
る。

また、第１０図における３画の標準パターン
（18個）のみで分類を行なつた場合、３画のいず
れかの標準パターンのカテゴリーに属するのべ字
数の総計は、657字であり分類率は70％にとどま
る。

次に、最初の１画により分類を行なう事を考え
る。手書きされた漢字の最初の１画の例を第１１
図に示す。

たとえば「言」（ごんべん）の書き方は、人に
よつて同図のａのような書き方もｂのような書き
方もあり、同じく「〓」（にんべん）の書き方も
ｃとｄの２者のように、同じ文字であつても最初
の１画目だけを見ると、筆者による形状のばらつ
きが大きい。従つて最初の１画目により10個以上
のカテゴリーに分類しようとすれば、第１１図の
ｅ〜ｈに示すような細かい段階で標準パターンを
用意する事になり、同じ文字でも筆者によつては
どの標準パターンのカテゴリーにも入る事にな
る。逆に標準パターンの種類を「タテ棒」、「ヨコ
棒」などのように大まかなものにすれば、入力文
字はせいぜい２〜３個のカテゴリーにしか分類さ
れない。

以上の事から、最初の１画のみで分類を行なう
事はもとより、最初の１画と２画、１画と３画の
ように他の画数と組み合わせて分類を行なう事は
有効な分類法ではない事は明らかである。

次に最初の４画以上の情報を用いて分類を行な
う事を考える。

たとえば教育漢字の場合、画数は１〜20まであ
り、１画は１字、２画は10字、３画は19字、４画
は45字、５画は65字あり、１〜20画の総計は881
字である。従つて、例えば最初の６画の情報を用
いて分類を行なう場合、１〜５画の漢字、計140
字、つまり881字中の約16％が分類の対象外とな
る。従つて最初の６画以上の情報を用いる分類法
は、有効な分類法でない事は明らかである。最初
の４画、または５画の情報を用いて分類を行なう
事を考える。

たとえば最初の４画のみにより分類を行なう事
を考える。第１０図に示す最初の３画標準パター
ンについて、その４画目がどのような形態になる
かの例を第１２図に示す。

同図からわかるように、たとえば最初の３画で
分類すれば同じ「〓」（さんずい）「艸」（くさか
んむり）等のカテゴリーに入る入力文字も、最初
の４画までをみて分類すれば何通りかのカテゴリ
ーに分かれてしまう事になる。

従つて最初の３画で分類した場合と同等の分類
率約70％を得るためには、用意すべき４画の標準
パターン数は、３画の標準パターン数に比べて少
なくとも２倍以上にふやさなければならない事は
明らかである。

従つて標準パターンとの類似度の演算量も２倍
以上となる。同様に最初の４画までは共通でも、
５画目の形態は何種類かに分かれるものが多いの
で最初の５画により分類を行ない、約70％の分類
率を得るためには、４画の場合に比べても標準パ
ターン数を大幅に増加しなければならず、類似度
の演算量もそれだけ増加する。

以上の事から、最初の４画、または５画のみに
より分類を行なう事は、明らかに有効な分類法で
はない。

次に、最初の２画または３画と、４画または５
画との組み合わせによる分類法について考える。

たとえば、最初の２画と４画により分類する場
合を考える。

例えば第１０図に示す３画標準パターンのかわ
りに、４画標準パターンを用いて分類を行ない最
初の２画と３画による分類と同等の分類率（90％
以上）を得るためには、前述のように各３画標準
パターンは平均２種類以上の４画パターンに分か
れる。

従つて、４画目が書かれてからの４画標準パタ
ーンとの類似度演算量も、３画の場合の平均２倍
以上となる。特に第１０図の２画標準パターンに
よる分類の場合、分類率は約80％であり、入力文
字の約20％いずれの２画標準パターンのカテゴリ
ーにも入らないものとして、上記多数の４画標準
パターンと類似度を計算しなければならない。５
画の場合は、前述のように４画の場合よりもさら
に標準パターン数が多く、類似度の演算量はさら
に大となる。

最初の３画と４画、または５画の組み合わせに
よる場合においては、前記のように第１０図の３
画標準パターンによる分類の場合、分類率は高々
70％であるので入力文字の30％は、すべての４画
または５画標準パターンとの類似度を計算しなけ
ればならず類似度の演算量が大となる。

以上述べたように、最初の２画、および３画に
よる手書き漢字の分類は、それ以外の画数による
分類に比べて特に有効である。

【図面の簡単な説明】

第１図は、従来のオンライン手書き文字認識方
式の１例を示すフローチヤート、第２図は入力文
字の１例を示す図、第３図は入力文字の一部分を
おおうマスクの形状の例、第４図は本発明による
オンライン手書き文字認識方式の一実施例を示す
ブロツク図、第５図は第４図の第２のメモリ５．
上の、２画と３画の標準パターンの関連表の１
例、第６図は第４図の第２のメモリ５．上の、分
類カテゴリー別の候補文字辞書の１例、第７図、
第８図はいずれも第４図のCPU２．の動作を示
すフローチヤート、第９図は漢字の部首の縦長、
横長の変形の例を示す図、第１０図は、最初の２
画、３画の標準パターン、及び同標準パターンに
よる分類における各分類カテゴリーに入る字数、
及びのべ字数の１例を示す表、第１１図は、手書
き漢字の最初の１画目の形状のばらつきの例を示
す図、第１２図は第１０図の最初の３画の各標準
パターンの、４画目の形状の例を示す図である。図において、１……文字データ入力端子、２…
…CPU、３……第１のインターフエース回路、
４……第１のメモリ、５……第２のメモリ、６…
…第２のインターフエース回路、７……認識結果
出力端子。

Claims

【特許請求の範囲】１筆記中の入力文字の筆跡を逐次入力して文字
認識を行うオンライン手書き文字確認において、
上記筆跡の入力手段と、認識の対象とする各文字
の筆跡の標準パターンと、入力文字の筆跡と、該
標準パターンとの類似度を計算する第１の整合演
算手段と、該類似度の最大値を与える標準パター
ンの文字を入力文字として判別する第１の判別手
段とを具備し、さらに認識の対象とする文字の書
き始め２画ないし３画形状のいくつかの標準パタ
ーンと、入力文字の書き始め２画または３画の筆
跡と、上記書き始め２画または３画形状の上記標
準パターンとの類似度を計算する第２の整合演算
手段と、入力文字の書き始め２画または３画の形
状として判別する第２の判別手段と、上記２画お
よび３画形状を有する候補文字を列挙した候補文
字表とを具備し、上記第１の整合演算手段は該候
補文字表を参照し、上記判別された入力文字の書
き始め２画または３画の形状を有する候補文字の
標準パターンとの間で、入力文字の筆跡との類似
度を計算することを特徴とするオンライン手書き
文字認識方式。２上記画書き始め２画の代表的な形状ごとに、
書き始め２画部分の形状が該２画の代表的な形状
と類似した上記書き始め３画の代表的形状を列挙
した関連表を具備し、上記第２の整合演算手段
は、入力文字の書き始め２画の形状を判別した
後、該関連表を参照して、該判別した２画の形状
と類似の書き始め２画部分を有する書き始め３画
の代表的な形状との間で、類似度を計算すること
を特徴とする請求項第１項記載のオンライン手書
き文字認識方式。３上記第２の判別手段は、上記類似度の最大値
が一定しきい値以上の場合のみ、該類似度の最大
値を与える上記代表的な形状を、入力文字の書き
始め２画または３画の形状として判別し、上記類
似度の最大値が上記一定しきい値未満で、入力文
字の書き始め２画の形状が判別不可の場合には、
上記第２の整合演算手段は、入力文字の書き始め
３画の筆跡と、すべての上記書き始め３画の代表
的な形状との類似度を計算し、かつ上記候補文字
表には、入力文字の書き始め２画、３画いずれの
形状も判別不可の場合、および書き始め３画の形
状のみ判別不可の場合における候補文字を列挙
し、上記各場合において、上記第１の整合演算手
段は上記候補文字表を参照し、この候補文字の標
準パターンとの間で、入力文字の筆跡との類似度
を計算することを特徴とする請求項第２項記載の
オンライン手書き文字認識方式。