JPH05189617A

JPH05189617A - 手書き文字認識に於けるアークのセグメント化の方法と装置

Info

Publication number: JPH05189617A
Application number: JP4139593A
Authority: JP
Inventors: Marlin J Eller; ジェイエラーマーリン
Original assignee: Microsoft Corp
Current assignee: Microsoft Corp
Priority date: 1991-04-15
Filing date: 1992-04-15
Publication date: 1993-07-30
Also published as: US5610996A

Abstract

(57)【要約】（修正有）【目的】文字を識別するためのデータを抽出し、個人に
特有のデータを廃棄するための安定したシステムを提供
する。【構成】本発明の原理により、サンプル文書を文字認識
が容易となるようにフォーマットに編成する方法および
装置が得られる。サンプル文書は、文字を画定する特徴
に関して分析される。文字認識のための有用なデータを
表す特徴が記憶され、分析され、文字認識に有用でない
特徴は、廃棄される。サンプル文書は、各Ｙ極値でアー
クにセグメント化される。重心が各アークに関して計算
される。アーク特徴は、文字認識での使用のためサンプ
ル文書を記述するものとして、記憶される。

Description

【発明の詳細な説明】

【産業上の利用分野】本発明は手書き文字認識のための
方法と装置に関し、特に、手書き認識に於ける利用を目
的とした、入力データのアークへのセグメント化に関す
る。

【従来の技術】コンピューター利用による手書き文字認
識が、多年試みられている。使用に耐える英語の手書き
文字認識の信頼できるシステムは、まだ、存在しない。
書きながらの手書き文字の認識は、時には、”オンライ
ン認識”と呼ばれ、かなりの困難を伴う。文字は、書く
スピードと同程度のスピードで認識されなければならな
い。英語の手書き文字の平均手書きスピードは、活字体
で秒あたり１．５から２．５文字であり、筆記体で５か
ら１０までまたはそれ以上である。従って、安定したオ
ンライン認識システムは、一般的な書手のスピードにつ
いていくためには、秒あたり８から１０までの文字を認
識できる必要がある。手書き文書の認識で主な問題の一
つは、手書きが一つの文字を識別する特徴と、各個人に
特有の特徴を含むということである。文字を識別する固
有の特徴は、認識するために分析されるが、個人の手書
きに特有の特徴は廃棄される。特定の書手のスタイルか
ら文字認識データを分類することは、先行技術によって
効率よく解決されていない未解決の問題である。この問
題を複雑化しているのは、手書き認識システムで扱われ
るデータの量が多大であるということである。代表的な
電子タブレットは、インチあたり２００点の分解能と、
秒あたり６０点から数百点のサンプリング速度とを有
し、従って、多量のデータを提供する。分析に利用でき
るデータは、情報を抽出し、入力データからの選択パラ
メーターを計算することで、増加可能である。例えば、
参考文献としてここに含まれるＨｅｒｂｓｔ他による米
国特許Ｎｏ．４，０２４，５００に示されているよう
に、書き込み器具の速度、文字の傾き、各語の基準線、
各語の中間ゾーン、各語のセグメント化およびその他の
特徴が計算される。先行技術の問題の一つは、文字を識
別する特徴を識別し、記憶しながら、各個人に特有の特
徴を廃棄することである。収集の全データを使用する
と、量の多大さ故に、システムにとって過大となり、オ
ンライン認識が不可能となる。文字を識別する特徴を抽
出し、不要な特徴を廃棄するための種々のアプローチが
試みられている。例えば、ある認識システムでは、文字
は仕切られ、分離していることが条件である。他のシス
テムでは、スペースをとった、活字体の文字が条件であ
る。参考文献としてここに含まれる、Ｔａｐｐｅｒｔに
よる米国特許Ｎｏ．４，７３１，８５７で開示されてい
る例では、ランオンし、分離した書き文字の認識を援助
するシステムが開示されている。あるシステムは、漢字
を認識しようとし、書き順のはっきりした違いを利用し
ようとしている。参考文献としてここに含まれているＧ
ｒｅａｎｉａｓ他によるによる米国特許４，３６５，２
３５参照。ダイナミックプログラミングが、文字認識の
正確な符合を得るためのスピードおよび可能性の改善を
目的として、利用されている。例えば、参考文献として
ここに含まれているＳａｋｏｅ他による米国特許Ｎｏ．
３，９７９，７２２が参照できる。オンライン手書き文
字認識での最も困難な問題の幾つかは、純粋な筆記体の
手書き、または、筆記体文字、分離文字、およびランオ
ン分離文字の混合によってもたらされる。このような手
書きタイプでは、認識に有用な文字の特徴は、書手によ
って変わり、手書きスタイルの特徴からの文字の特徴の
分離は困難である。例えば、米国特許３，１３３，２６
６に開示されているシステムで見られるように、文字認
識に於ける利用を目的として、手書き筆記体文書からデ
ータを抽出する試みが１９６４年になされている。それ
自身は本発明に対する先行技術ではないがそれが引用し
ている論文が先行技術である最近の一論文が、オンライ
ン手書き文字認識を実行する上での種々のアプローチを
開示している。ＣｈａｒｌｅｓＴａｐｐｅｒｔ他によ
る”ＴｈｅＳｔａｔｅｏｆｔｈｅＡｒｔｉｎ
Ｏｎ−ＬｉｎｅＨａｎｄｗｒｉｔｉｎｇＲｅｃｏｇ
ｉｎｉｔｉｏｎ”ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ
ｏｎＰａｔｔｅｒｎＡｎａｌｙｓｉｓａｎｄ
ＭａｃｈｉｎｅＩｎｔｅ１１ｉｇｅｎｃｅ１２
（８）：７８７−８０８，１９９０年８月を参照。

【発明が解決しようとする課題】記録データを編成し、
重要なデータを保存し、本質的に重要でないデータを廃
棄する方法および装置は、正しい符合を出力するための
現在の認識技術を援助すると思われる。筆記手書き文字
の認識の分野での広範な研究および実験活動がなされて
いるが、文字を識別するためのデータを抽出し、個人に
特有のデータを廃棄するための安定したシステムはまだ
今日存在していない。

【問題を解決するための手段】本発明の原理により、文
字認識を容易にするフォーマットにサンプル文書を編成
する方法および装置が提供される。サンプル文書は、文
字を定義する特徴に関して分析される。文字認識に有用
なデータを表す特徴は記憶、分析されるが、文字認識に
有用でないデータは廃棄することが可能である。本発明
によれば、手書きスタイルに関係なく文字認識を可能と
するために、手書き文書の文字の顕著な認識特徴を示す
データのセットが得られる。本発明の原理によれば、サ
ンプル文書が書き込まれるとき、データパッドからデー
タが入力される。生データは、同じ座標の多重点を除去
し、互いに極めて接近している点の位置を平均すること
により、平滑化される。平滑化されたデータは、各アー
クが二つの端点を有するような複数のアークにセグメン
ト化さる。一実施例では、アークの端点はアークのＹ極
値を有す。即ち、一方の端点がアークの最大のＹ値であ
り、他方の端点がアークの最小のＹ値である。アークの
重心が決定される。二つの端点および重心が、アークを
表す表示として記憶される。全アークの形が、これらの
三点で表現される。アークは、可視アークかまたは不可
視アークとしてマークされる。残りのデータは、廃棄さ
れる。サンプル文書の特徴は、非常に少ないデータ点数
で表現されるために、認識は迅速に行われる。一文字
は、平均、二つから三つのアークを有し、各アークが三
データ点で表現される。五つから六つのアークよりなる
文字が幾つかあり、また、単一アークよりなるなる文字
も幾つかある。全単語は、活字体か筆記体かを問わず、
少数のデータ点で表現され、従って、小量の記憶で表現
することが可能である。認識は、サンプル文書のアーク
を表すデータ点と基準文字でのアークを表すデータ点を
比較することによって実行される。ダイナミックプログ
ラミングが、サンプル文書のアークと記憶基準文字のア
ークをすばやく比較する比較ステップに使用され、最良
の符合を選択している。サンプル文書の文字に符合した
基準文字に対応するコードが出力される。本発明の先行
技術より優れる点は、サンプル文書がすばやく分析さ
れ、各文字を識別する固有の特徴が抽出されることであ
る。文書が書き込まれているとき、収集された全データ
を使用せずに、顕著な特徴、即ち、アーク特徴が比較ス
テップで使用される。このように、相対的に少ないデー
タ点が比較されるので、サンプル文書と基準文字との間
の比較がすばやく実行できると利点がある。一実施例に
よると、アークは、サンプル文書のＹ極値点で始まり、
Ｙ極値点で終わっている。このことにより、サンプル文
書内のアークの数が制限される、一方、各文字の特徴を
よりはっきりと特徴付けられ、従って、認識を容易にし
ている。データは、このようにして、重要な特徴を持つ
単純な形式で提供され、有用性の低い特徴は、認識を容
易にするため除去され、サンプル文書は、先行技術が提
供しなかった方法で、編成される。

【実施例】図１２のフローチャートは、本発明の原理を
実行するステップを示す。サンプル文書が、ステップ２
２で入力され、ステップ２４でディジタル化される。デ
ータは、ステップ２６で平滑化され、デフッキングさ
れ、ステップ２８でアークにセグメント化される。ステ
ップ３０で、文字の認識がなされ、ステップ３２で符合
した文字の表示が出力される。本発明を実行するハード
ウェアーおよび各ステップを詳細に説明する。図７およ
び図８は、本発明の原理に従って手書き文書の認識を実
行するための装置を示す。図７に示されるように、ディ
ジタイジングタブレット９０がディジタルメモリーとマ
イクロプロセッサーを有するコンピューター９２へ接続
されている。ペンといった書き込み器具９４が、ユーザ
ーがディジタイジングタブレット９０上でサンプル文書
２０を記録できるように備えられている。ディジタイジ
ングタブレット９０は、ディジタイジングタブレットに
接触したペンの座標を出力する、市販のどのようなタブ
レットでもかまわない。ペン９４は、簡単なスタイラス
でよく、ペンアップおよびペンダウンの位置が、ディジ
タイジングタブレット９０との接触によって感知され
る。これに替えて、書き込み器具９４は、書き込み器具
の先端が押されたことによりペンアップおよびペンダウ
ンの位置を提供するための、先行技術でよく知られた書
き込み器具であって、ディジタイジングタブレット９０
またはコンピューター９２へ電気に接続されたものでも
よい。一実施例では、コンピューター９２は、市販の標
準型パーソナルコンピューターである。パーソナルコン
ピューターは、Ｉｎｔｅｌの８０３８６または８０４８
６マイクロプロセッサーを有し、十分なるＲＡＭおよび
ディスクスペースがあることが適切である。図８は、サ
ンプル文書のセグメント化および認識のための機能ブロ
ック図を示す。データは、ディジタイジングタブレット
９０からＡ／Ｄコンバーター９６へ入力される。幾つか
の実施例では、Ａ／Ｄコンバーター９６は、ディジタイ
ジングタブレット９０に含まれ、ディジタイジングタブ
レット９０からの出力がディジタル化された座標を与え
る。プロセッサー１００が、ここで述べる技術を使っ
て、データを受信するにつれ、そのデータを平滑化し、
デフッキングするためのデータ平滑化の機能９８を制御
する。詳細に後述されるように、プロセッサー１００
は、サンプル文書をアークにセグメント化し、各アーク
の重心を決定し、アーク特徴をサンプル文書記憶１０２
へ入力する。本発明の一実施例によれば、また、プロセ
ッサー１００によって、アークデータ点を記憶すること
に加えて、生データおよび平滑化データがをサンプル文
書記憶に記憶される。平滑化データは、ある特殊なタイ
プの文字の認識を実行するのに、文字認識器にとって有
用である。文字認識器１０８は、プロセッサー１００の
制御により、アーク特徴とデータベース１０４からの基
準文字を比較することによって、サンプル文書の認識を
実行している。図１は、Ｘ−Ｙデータタブレット上の生
ディジタルデータ入力から構成された”ｄｉｓｇｒａｃ
ｅ”という単語のサンプル文書２０を示す。ディジタイ
ジングタブレットからの生データは、タブレット上のペ
ンの位置の周期的にサンプル化したＸおよびＹ座標のス
トリームよりなる。ユーザーは、ペンによりディジタイ
ジングタブレット上に書き込むことでサンプル文書を入
力する。ペンが、デイジタイジングタブレットに接触す
ると、ペンのＸおよびＹ座標点がディジタイズされ、コ
ンピューターに出力される。許容サンプル速度は、１２
０点／秒である。７０点／秒から１８０点／秒までのサ
ンプル速度も、ここで説明している好適実施例では、適
当であると判明している。図１で示される単語”ｄｉｓ
ｇｒａｃｅ”を８０点／秒の速度でディジタイジングタ
ブレット上で記録した生データを表１に示す。表１のデータ点は、点のＸおよびＹ座標であり、第一の
数値がＸ座標であり、第二の数値がＹ座標である。ペン
ダウン（図１参照）の第一データ点３４はＸ＝５００
で、Ｙ＝１７４である。Ｘ値は、左から右に向かって増
加し、Ｙ値は、上部から下部に向かって増加する。この
ディジタイジングタブレットでは、極小のＹ値は、文字
の下部でなく、上部である。必要なら、Ｙ値は、下部か
ら上部に向かって増加するように座標系を逆にすること
可能である。Ｘ値、または、Ｙ値がどの方向に向かって
増加、または、減少するようにしてもよい。文字”ｄ”
を書くにつれ、ペンは左上方に向かい、Ｘ座標値は減少
し、Ｙ座標値も減少する。ユーザーが、サンプル文書を
書き込むとき、ペンの座標はディジタイズされ、出力さ
れる。サンプル文書の顕著な特徴は、生データに見られ
る。例えば、文字”ｄ”のカーブの頭部に接近している
点３５は、座標４９０，１６１で示され、底点４８は、
座標４７５，１９５で示される。”ｄ”の最上部の３６
は、５３８，１１７であり、”ｄ”と”ｉ”の連結上の
点５０は、５０２，１９８であり、文字”ｉ”の頭部３
７（点を除く）は、５４０，１６７であり、文字”ｇ”
の底部３８は、そのＹ座標がサンプル文書で最も高い値
を有する座標５９６，２４９で示される点である。可視
サンプル文書の終端４０は、８４６，１８６であり、文
字”ｉ”の点４２は座標５５８，１４２である。文字”
ｉ”の点は、このデータパッドでは収集されないが、そ
の位置は測定され、データ点が決定され、点座標が適当
なコンピューターメモリーに記憶され、収集データのよ
うに扱われる。その点に対する全参照およびその点より
のアークは、あたかも収集されたデータかのようなこの
トレースされたデータに基づき、従って、結果は、収集
されたもとと同一となる。これは、文字が書かれた後
の、トレースからデータを発生する例であり、文字認識
を目的として文字が書かれるとき、後述の如く、収集さ
れたデータの如く扱う。一般的には、”ｉ”の点、およ
び”ｔ”あるいは”Ｘ”のクロスは収集データの部分を
構成する。これは、当然、書手のスタイルおよび選択さ
れたデータ収集技術に依存する。多重座標点およびジッ
ターが表１の生データに存在しているがわかる。ペン
は、各ストロークの動きの開始と終わり、および、ペン
が方向を変える先端において、そのスピードが遅くなる
傾向がある。従って、これらの点で、データ点はより接
近して分布し、文字は、ジッターを含む。ペンが実際の
文字の開始前にランダムな向きで開始する所で、ストロ
ークの開始は不必要な引っかかりに陥り易い。例えば、
開始点３４は、同じ座標５００，１７４のニつのデータ
点を含む。同様に、文字”ｉ”の頭部３７は、同じ座標
５４０，１６７の二つのデータ点を含む。認識を容易に
し、不要なデータをフィルターするため、生データは、
平滑化されることが好ましい。ディジタイジングタブレ
ットからの生データ入力を平滑化するために利用できる
多数の異なった技術が先行技術にある。これら先行技術
の多くが、本発明に応用するのに適している。以下に述
べるように、平滑化およびデフッキングの技術は、本発
明の一つの特徴として特に有用である。図２は、本発明
の一実施例によるデフッキングおよび平滑化の手順後の
点で表されるサンプル文書２０を示す。図２を図１と比
較するとわかるように、分析すべきデータに局所ジッタ
ーおよび微小フックは、存在しない。データの第一平滑
の通過により、全重複点は除去されている。例えば、文
書の開始３４、文字”ｄ”の頭部３６およびその他の位
置での収集のデータは一つを除く他は全て、除去されて
いる。デフッキングおよび平滑化の処理は、互いに近接
している点を、クラスターにし、そのクラスターの重心
の単点によって各クラスターに置き換えることによるク
ラスター化を実行する。各クラスターの重心の座標は、
文字を表すディジタルデータとして記憶される。クラス
ターは、以下のように、重心に於ける単点として凝縮さ
れる。単一のデータ点から開始し、各点は、最初、単点
のクラスターとみなされる。その単点の近接点が、その
クラスターの重心から予め決められたスレシュホールド
εの範囲内に存在するかどうかチェックされる。（一実
施例では、”ε”は４。）点は、初期には、それ自身ク
ラスターとみなされるので、第一の比較は、単点とその
すぐ隣の点で実行される。もし、隣接の点がεの範囲内
にない場合は、これらは、同じクラスターに属さず、チ
ェックは次の点になされる。もし、隣接の点がεの範囲
内の場合は、これらは、同じクラスターに属するとみな
され、これらの座標は、クラスターの重心の座標の平均
計算に繰り入れられる。このようにして、クラスターの
重心は、これら隣接した点を平均化した所をその位置と
して有するように形成される。次の隣接した点の位置
が、この重心と比較され、このクラスターの重心のεの
範囲内に存在するかどうか決定される。クラスターの重
心からεの範囲内にあれば、これは、このクラスターに
含まれるとみなされ、このクラスターの新規重心を求め
るため、重心の平均計算に繰り入れられる。しかし、も
し、次の点が、このクラスターの重心からεの範囲内に
存在しない場合は、別のクラスターの部分を構成するこ
とになる。各クラスターは、上述のようにして決定され
た重心に於ける単点として表現される。点の平均化は、
座標のＸ値を全部加算し、重心座標のＸ値を得るための
座標の個数で割ることによって、得られる。座標のＹ値
も加算され、重心座標のＹ値を得るための座標の個数で
割ることによって、得られる。ここで説明している好適
な実施例では、εの値は、ペンが通常の動作をする領域
での、点の間のスペースより小さくとってある。ほとん
どのクラスターは、従って、Ｘ−Ｙデータタブレットか
ら出力されるデータの単点となる。一般に、起点または
転換点に近接したデータのみがクラスターとして平均化
され、単点として表現される。本発明の原理によれは、
生データを平滑化するこの技術は、データをアークにセ
グメント化するための準備処理に於いて特に有用であ
る。データの平滑化の他のアプローチの使用してもよい
が、上述の平滑化を使用するアプローチは本発明の一実
施例を形成する。表２は、上述の技術に基づいて、表１
の生データを平滑化したデータである。表２を表１と比較すれば、平滑化処理の結果が理解でき
よう。５００，１７４および５００，１７３の重複点は
廃棄されている。残りの５００，１７４および５００，
１７３の二点は、重心５００，１７４を有する単一クラ
スターしてグループ化されている。クラスター重心の平
均位置が整数でない場合は、数値は適当な丸め方法を使
用して近似の整数に九められる。次の点５００，１６８
は、前のクラスターからεの距離よりも大きく離れてい
て、従って、別のクラスターを形成する。上述のサンプ
ル文書では、４がεの値として採用されている。即ち、
他の一つの点から４ユニットの範囲内ある全ての点は、
単一のクラスターに含まれるに十分近接しているとみな
され、各々が４ユニットより大きく離れている全ユニッ
トは、別のクラスターを構成するに十分離れているとみ
なされる。例えば、点５００，１６８、４９９，１６８
および４９９，１６６は、重心４９９，１６７を有する
単一クラスター内にあり、これは平滑化されたデータの
次の点である。興味深いことには、平滑化されたデータ
は、生データにないデータを含んでいる。例えば、点４
９９，１６７は、生データには含まれない、平滑化され
たデータにある点である。生データの次の点４９９，１
６２は前クラスターの重心からεよりも大きく離れ、従
って、新規の単点クラスターを形成する。次の点４９
４，１６１は全隣接点からεよりも大きく離れ、従っ
て、新規単点クラスターを形成する。もし、それがその
重心のεの範囲内なら、次の隣接点を重心の平均化計算
に組み入れることによるデータの平滑化が、サンプル文
書全体に、それが受信されるにつれ、継続される。生デ
ータの平滑化は、データが受信されると同時に、すばや
く実行される。コンピューターは、データが入力される
よりはるかに高速のスピードでもって、データを分折
し、各クラスターの中心に対してデータを平均化し、ク
ラスターの重心の座標を記憶する。サンプル文書が入力
されるにつれ、データは、完全に平滑化され、記憶さ
れ、さらなる操作に対して待機する。本発明の一実施例
では、生データは、将来の利用のために記憶される。図
３は、複数のアークにセグメント化されたサンプル文書
２０を示す。アークは、アークの各端の点と、アークの
重心に於ける単点で表される。説明の都合で、アークの
二つの端点の間には直線が引かれている。アーク線の中
心から重心へ直線が引かれている。直線上のデータは認
識データを構成せず、ここでは、読者が各アークの起点
および終点を容易に見いだせるように提示されている。
アークは、実線で示されるように、タブレットに接触し
て移動するペンに対応する可視アークがある。また、代
わりに、点線で示されるように、ディジタイジングタブ
レットと接触しないで移動するペンに対応する不可視ア
ークがある。文字のアークへのセグメント化およびそれ
らアークのデータ点としての表現は、詳細に後述される
ように、本発明の有用な特徴である。図１３のフローチ
ャートは、サンプル文書がどのように複数のアークにセ
グメント化されるかを示す。サンプル文書を開始時（点
３４）、ペンダウン点が記憶される（ステップ５０）。
（図３を参照。）表２で示される平滑化したデータ
が、入力データとして受信される（ステップ５２）。こ
の第一データ点は、第一アークの開始の第一点として記
憶される（ステップ５４）。本発明の一実施例では、デ
ータは、サンプル文書の各Ｙ極値に於けるアークにセグ
メント化される。アークの端点は、サンプル文書のＹ極
値点にて発生する。即ち、各Ｙの極大値がアークの端点
の一つとなり、隣のＹの極小値が同じアークのもう一方
の端点となる。各データ点は、テストされ（ステップ５
８）、それがＹ極値かどうか、即ち、Ｙ極大値かＹ極小
値かを決定される。もし、その点がＹ極値でない場合
は、それは、アークの内部の点と決定され、次の点がＹ
極値でないかどうか決定するため検討される。もし、Ｙ
極値の場合は、アークの端点として記憶される（ステッ
プ６０）。サンプル文書は、Ｙ極値にある第一の端点お
よび反対のＹ極値にあるもう一方の端点を有するアー
ク、即ち、一点はサンプル文書のＹ極大値であり、もう
一方の点は、サンプル文書のＹ極小値であるアークを有
す。もし、サンプル文書が、ペンダウンで書かれると、
フラグは、可視アークとしてアークをマークするように
セットされる。もし、ペンアップなら、アークは、不可
視である。不可視アークは、ディジタイジングタブレッ
トとペンが接触していない状態で形成されたアークと定
義される。図１３のステップ５０および６２に示される
ように、アークの起点でペンアップがなされ、アークの
終点でペンダウンがなされると、アークは不可視と決定
される。もし、図１３のステップ６２でしめされるよう
に、ペンアップすると、ディジタイジングタブレット
は、ペンがディジタイジングタブレットの座標にペンダ
ウンされるまでは、いかなる座標も出力せず、ペンダウ
ンの座標は、それがペンダウンの座標であるという表示
とともに出力される。不可視アークは、その起点として
ペンアップ座標を含み、その終点としてペンダウン座標
を含む。不可視アークは、起点および終点しか持たない
ので必然的に直線となり、その両方の間では、ペンはデ
ィジタイジングタブレットと接触していないので、座標
データ点は存在しない。図３のアーク４７は、文字”
ｅ”の終わりを起点とし、文字”ｉ”の点を終点とする
不可視アークの例である。図３では、可視アークと区別
するために、不可視アークは、点線で描かれている。図
１３のステップ５８で示されるデータ点がＹ極値である
かどうかのチェックはどのような許容可能な技術でなさ
れてもよい。その一例としては、最新のＹ極小値のＹ座
標および最新のＹ極大値のＹ座標を対応するＹ極小値レ
ジスターおよびＹ極大値レジスターに記憶することであ
る。もし、最新のＹ極値が、Ｙ極小値なら、次の求める
Ｙ極値は、Ｙ極大値である。論理は、Ｙ極大値をもとめ
るループに入る。各端点が受信されるごとに、Ｙ座標の
値は、Ｙ極大値レジスターでの値と比較される。Ｙ座標
の値が現在のレジスターの値より大きい場合は、Ｙ極大
値レジスターのＹ座標の値は、最新のこの受信されたＹ
座標値に代わる。比較は、各後続のＹの値に関してなさ
れ、もはや後続のデータ点が大きいということがなくな
るまで、Ｙ極大値レジスターの現在値を入れ換える動作
が継続する。レジスターに記憶される数値がアークの端
のＹ極大値およびセグメント点である。このデータ点の
座標は、適切に記憶される。論理は、次に、Ｙ極小値を
求めるループに入り、Ｙ極小値レジスターに点を記憶
し、記憶点と後続の点とを比較する。この技術を用い
て、Ｙ極大値およびＹ極小値が得られ、各アークおよび
サンプル文書の起点および終点をマークするようにアー
クセグメント化データベースに転送するため適当なレジ
スターに記憶される。第二の代替方法が、サンプル文書
のＹ極値を見いだすのに利用しても良い。この方法で
は、ペンダウンの第一点は、図１３のステップ５４での
Ｙ極値の第一データ点として記憶される。次の点のＹ値
はステップ５４で記憶された点と比較される。もし、後
続の点がより大きいＹ座標を持つ場合は、第一点はＹ極
小値とみなされ、そのようにラベルづけされる。プログ
ラムは、次に、Ｙ極大値探索モードに入る。各入力点が
サンプル化され、記憶される。各点が前の点およびそれ
に続く点と比較される。ある点のＹ値が前の隣接する点
より大きいか同じの場合は、その点は上述のようにＹ極
大座標点およびアークセグメント点としてラベル付けさ
れる。Ｙ極小点の探索は、同様な方法により、先行と後
続の入力点をチェックしてなされる。即ち、ある特定の
入力点のＹ値が先行の隣接点より小さいか等しく、ま
た、後続の隣接点より小さければ、この点はＹ極小値と
してラベル付けされる。ある特定の点が極大か極小かの
極値であることを確認するため、その点両側の点の座標
と比較する第二の方法は、図１３のステップ５８で実行
されるある点がＹ極値であるかどうかを確認する目的に
も利用できる。文書は、また、Ｙ極値に加えて、他の点
でもセグメント化される。例えば、サンプル文書は、Ｘ
極値でアークにセグメント化されてもよいし、または、
Ｙ極値およびＸ極値の両方でアークにセグメント化され
てもよい。文字認識のための特定の特徴を得るために、
アークは、異なった位置にてセグメント化してもよい。
例えば、アークは、文字の各連結、即ち、文字の中間点
で形成されてもよい。これに替えて、アークは各ペンア
ップおよびペンダウンでセグメント化されてもよい。こ
こで説明の好適な実施例では、筆記体、活字体および筆
記体と活字体の混合の英語文書であるサンプル文書は、
Ｙ極値でアークにセグメント化され、アークの各端点は
アーク上にてＹ極大値かまたはＹ極小値となる。このよ
うなセグメント法は、英語文書等の文字認識に必要な特
徴を得るために有効であることが判明している。図１４
は、ここで説明の好適な実施例に於ける文書のをさらに
セグメント化するステップを示す。サンプル文書でマー
クされた各Ｙ極値は、アークの端点として記憶される。
図１４のステップ６４は、サンプル文書が各Ｙ極値でア
ークにセグメント化され、記憶され、既に述べた図１３
のフローチャートによって表される。各アークは、各Ｙ
極値でセグメント化されたアークが、さらに追加のアー
クへ分解可能かどうか、さらに調べられる。第一パスで
は、各アークは、転換点を持っていないかどうかチェッ
クされる。アークがステップ６６でのチェックで転換点
を持っていないと判明すれば、そのアークは、単一の正
しいアークと決定される。それは、二つのアークにセグ
メント化されず、プログラムはステップ７６となる。も
し、アークが、転換点を含む場合は、さらにチェックさ
れ、そのアークが一つかそれ以上の追加アークにセグメ
ント化できるかどうか決定する。転換点とは、後続の入
力ベクトル間の角度がある指定値より大きい点として定
義される。指定値は、どのような値でもよいが、好まし
くは、９０°または６０°である。コンピューターのス
ピードおよび効率のために、転換点は、二つの続いたベ
クトルの自乗の和と二つの端点の間のベクトルの自乗を
比較している。一ベクトルが先行の隣接点から中点へ延
び、もう一つのベクトルが後続の隣接点へ延び、第三の
ベクトルが直接、二つの外側の点を連結している。この
二つの外側の点を結ぶベクトルの自乗が、中点を終点と
するまた中点を起点する二つのベクトルの自乗の和より
小さい場合は、角度は９０°より小さいと決定される。
９０°のスレシュホールドなら、９０°より大きい角度
は転換点である。二つの端点の間のベクトルの自乗が、
中点を終点とするまた中点を起点とする二つのベクトル
の自乗の和の２／３より小さい場合は、角度は６０°よ
り小さい。同様な方法は、他の角度にも適用できる。も
し、ステップ６６のチェックにある上述の方法にて転換
点が見いだされると、アークは、ステップ７０にて、二
つの新規アークにセグメント化される。一つのアーク
は、最初のアークの起点から転換点よりなり、もう一つ
のアークは、転換点から最初のアークの終点よりなる。
各アークは、湾曲点を含むかどうかにつき、チェックさ
れる。湾曲点とは、ストロークの湾曲が右回りから左回
りへ、または、左回りから右回りへ変化する点である。
ステップ７２にてチェックされているように、もし、ア
ークが湾曲点を含まなければ、アークはセグメント化さ
れず、アークデータの決定は直ちにステップ７６に進
む。しかし、アークが湾曲点を含む場合は、後述の如
く、アークは湾曲点でセグメント化される。図６に示さ
れるサンプルのカーブは”Ｓ”であり、説明のためその
特徴を大きく拡大している。以前のテスト法のみを用い
れば、”Ｓ”は極小のＹ値をその頭部に、極大のＹ値を
その底部に持つ単一のアークである。もし、湾曲点がア
ークをさらにセグメント化するために用いられなけれ
ば、文字”Ｓ”は、”Ｓ”の頭部に一方の端点を有
し、”Ｓ”の底部にもう一方の端点を有する単一のアー
クによって表現できる。アークは、二つの端点の間の全
ての点は、アークの端点の間で引かれる直線の一方の側
にあるように、セグメント化される。本発明の原理によ
れば、湾曲点は湾曲が正方向から負方向に変化するか、
または、その逆の所で選択される。ストローク、即ち、
座標点の連なりは、上述のように、サンプル文書のＹ極
値に基づき、また、選択のＹ極値間での転換点に基づ
き、アークにセグメント化済みである。四点より多数の
点を含むアークは、湾曲点を含まないかどうか決定する
ためにテストされる。湾曲点は、アークの起点から始め
て、一点ずつアークに沿って進むことにより、アークの
湾曲を加算することによって、見いだされる。もし、湾
曲が同一方向ならば、湾曲の和の絶対値は、アークの終
端まで増加する。もし、湾曲が変化すれば、湾曲の和
は、湾曲の変化したところで、減少する。湾曲点は、和
の絶対値が極大となる点として選択される。図６は、湾
曲点の選択での、湾曲の定義を説明している。湾曲は、
ある点を先端とするベクトルとその点を起点するベクト
ルの向きの差として定義される。アークの一方の側で湾
曲は正であり、他方の側では負である考えられる。図６
に示されるように、点２での湾曲は角度θ_２である。点
３の湾曲はθ_３であり、点４の湾曲は、θ_４である。角
度θ_２、θ_３およびθ_４は全て同一方向であり、従っ
て、加算されるとその絶対値は増加する。点５の湾曲θ
_５は、先行の点の湾曲とは、反対の符号を持つ。点５の
湾曲と先行の点の湾曲を加算すると、和の絶対値は減少
する。和は点４で極大となる。点４が、湾曲点として選
択される。図６の点１から点９の９点よりなる最初のア
ークは、点１から点４よりなるアークと点４から点９よ
りなる第二アークとの二つのアークに分解される。本発
明の好適実施例の幾つかは、点から点への湾曲計算の斬
新な手段を含むが、適当であれば、どのような点から点
への湾曲の計算法を使用してもよい。一実施例では、コ
ンピューター資源および時間を消費する複雑な三角関数
を避けるため、近似法が湾曲決定に用いられている。適
当な一方法は、ある点に入るベクトルと出るベクトルの
クロス積の式を解く方法である。ベクトルＡおよびベク
トルＢのクロス積は次のように定義される。ＡｘＢ＝｜Ａ｜｜Ｂ｜ｓｉｎθ （１） θが小さければ、θのｓｉｎｅはθとほぼ等しくなる。
θの値は、十分に小さいので、ｓｉｎθの近似をθする
ことが許される。さらに、ベクトルＡおよびベクトルＢ
は、概ね、同じ長さであるので、ベクトルの対毎のクロ
ス積は、各点に於ける湾曲に概ね比例する値をもたら
す。ベクトルのクロス積自身は、次のように極めて簡単
である。ＡｘＢ＝（Ｙ_２−Ｙ_１）（Ｘ_３−Ｘ_２）−（Ｘ_２−Ｘ_１）（Ｙ_３−Ｙ_２）（２）ここで、（Ｘ_１Ｙ_１）、（Ｘ_２Ｙ_２）および（Ｘ
_３Ｙ_３）は、三つの連なる点の座標であり、（Ｘ
_２Ｙ_２）が湾曲が計算される点である。ある点に付い
て、その両側の点のＸ座標およびＹ座標が既知なら、式
２は、ある点に付いての湾曲をθが決定するように容易
に解ける。ストロークの微小なジッターでの湾曲点の探
索をしないようにするため、湾曲の変化があるスレシュ
ホールドを越えた場合にのみ湾曲点が選択されるように
なっている。スレシュホールドレベルは、希望に応じて
選択され、アークの起点と終点の間に引かれた直線とア
ーク座標が交差する度に湾曲点が確実に求められるよう
にして決定される。図６では、湾曲点は、現実的に、
４、５または６を選択でき、アークの全点が、湾曲点に
よりセグメント化された後は、アークの端点の間に引い
た直線の同じ側に確実に配置されるようにする目的が達
成されている。湾曲の変化に於けるスレシュホールド値
は、点５での湾曲の変化が、先行の点４を湾曲点として
選択するほど十分大きくないように選択できる。しか
し、点５での湾曲に加算される、点６での湾曲の変化
は、スレシュホールド値を越えるに十分大きく、従っ
て、点５を湾曲点とし、そこでアークを二つのアークに
セグメント化している。２０°から３０°の累積変化を
スレシュホールド値として選択しても良い。図１４のス
テップ７４に示されるように、もし、アークが湾曲点を
含めば、アークは、新規アークへセグメント化される。
湾曲点でセグメント化された後の各アークの端点は、ア
ークのＹ極値となる。図６で示されるように、点１で始
まり、点５で終わるアークでは、第一点１がＹ極小値で
あり、第二点５がＹ極大値である。同様に、第二アーク
では、点５がＹ極小値であり、点９がＹ極大値である
（本発明の一実施例によるＸ−Ｙディジタイジングタブ
レットでは、Ｙは上部で最小であり、上部から下部に行
くにつれて増加するということを思い起こせばよい）。
次に、アークの端点が、ステップ７６で隣接のアーク同
士が単一のアークに融合できないかどうかを決定するた
めに、テストされる。もし、個別のアークが大体水平で
あったり、単なるストロークのジッターであったりした
場合、隣接のアークは、単一のアークに融合できる。図
９および図１０は、”ｔ”のクロスバーを示す。図９で
示されるように、”ｔ”のクロスバーは六つの異なった
アークへセグメント化できる。ここで、ｘは各アークの
起点および終点を示す。これは、ストロークがほとんど
水平であり、微小なジッターによる幾つかの意昧を持た
ない局所極値を含む。これらの極値は、両側の極値のス
レシュホールドデルタ値内にあるＹ値を有するので、除
去される。スレシュホールド値デルタは、一般に、平滑
化処理でのεに用いられたものと同じではない。例え
ば、スレシュホールド値デルタは、Ｙ座標のみから見ら
れ、ＸおよびＹ座標に基づく点の間の全距離を見てはい
ない。図９により、点２と点３の間のＹ極値は、両側の
極値からほんの僅か、多分、大きくても１と２の差程度
に離れている。同様に、アーク１および２ならびにアー
ク３および４の間の極値は、両側のＹ座標値の極値から
はほんの僅かにはずれているだけである。これらのＹ極
値は、両側のＹ極値のデルタの範囲内に収まるので、デ
ータより除去される。Ｙ極値が除去されるとき、新規ア
ークが現在存在するＹ極値に基づき、形成される。デル
タ内のアーク端点の除去は、サンプル文書の全アークに
付き継続される。殆ど水平の線に近いアークのみが、そ
の水平の線に沿って僅かに高いか低いかのＹ座標を持つ
点を有し、このアークの融合により影響を受ける。図１
０は、僅かな湾曲を持つ大体水平な線を示すが、これ
は、”ｔ”のクロスのような直線を意図したものであ
る。”ｔ”にクロスを入れるとき、中央部を少し下方に
へこませ、両端にピークを付けることは珍しいことでは
ない。書手によっては、へこみが大きすぎて、アークの
谷の部分のＹ極値が、両端のＹ極値のデルタの範囲に収
まらない場合もある。二つのアークは、従って、ジッタ
ーによって局所Ｙ極値を除去する上述の方法を用いて
も、影響を受けない。隣接するアークの湾曲は、アーク
が融合可能かどうか決定するためにテストすることが好
ましい。ある点に入るアークベクトルの角度は、ある点
より出るアークベクトルの角度と比較される。図１１に
示されるように、二つのベクトルが相対的に平坦なら、
二つのベクトルは一つのベクトルとして、融合される。
共通の端点を有する二つのアークのベクトルの角度が、
水平の平坦値に関して、チェックされ、もし、その角度
があるスレシュホールド値よりも平坦なら二つのアーク
は融合される。これは、直線に近似する隣接アークを融
合する効果があり、図１１のアーク８８で示されるよう
なアークをもたらす。アークの一方の端点からそのアー
クのもう一方の端点に延びるアークベクトルの平坦さ
は、転換点の決定と混同してはならない。転換点の決定
は、二つのアークの端点からではなく、単一アーク内で
の点から点へ延びるベクトルに基づきなされる。図１１
は、局所極値および偽極値を除去し、隣接アークが単一
アークに融合された後、図９および図１０から導かれた
新規アークである。”ｔ”のクロスのアークは、水平線
の各端にアーク端点を有する、概ね直線である。タブレ
ットの解像度により、一方の端が水平線の他方の端より
幾分かのＹ値だけ高くまたは低くなり、従って、アーク
の一方の端で極大のＹ値となり、アークの他方の端で極
小のＹ値となるので、修正されたストロークは、完全に
水平であるとはいえない。しかし、サンプル文書によっ
ては、線は完全に水平線であり、従って、各端点の座標
は同じＹ値を有する。アークのセグメント化テストは、
各端点がアークのＹ極値にあるので、満足される。即
ち、アーク上のどの点もアークの一方の端点よりも大き
い値をとらず、アーク上のどの点もアークの他方の端点
より小さい値をとらない。これは、極大と極小の二つが
連続している、即ち、アークの極大Ｙ値と極小Ｙ値が同
じ値を有するという特異性をもたらすが、この好適な実
施例では許容されている。各アークの端点に加えて、二
つの端点の間のアークの全体的な形の決定および記憶が
なされる。好適な実施例の一つでは、二つの端点のアー
クの重心が、アーク形状を記述する特徴として記憶され
る。これに替えて、アーク上の異なった位置に於ける点
がアーク形状を記述するために記憶される。例えば、各
アークの端点の両方より１／３の点が記憶される。ま
た、これに替えて、中点および湾曲点が記憶される。本
発明の原理によれば、二つの端点の間のアークの形状を
適切に満足のいくように記述できればいかなる方法を用
いても良い。本発明の原理によれば、アークの重心を計
算し、それをアークの形状を示す単一の点として記憶す
る方法は、極めて、有用であると判明しているので、こ
の方法をもっと詳細に説明する。アークの重心は、多数
の適当な方法のどれを用いて求めても良い。アークの重
心の近似を求めるための三つの異なった方法が試みら
れ、適切な方法であると判明している。これらは次の三
つの方法である。アークを構成しているデータ点を平滑
化したデータ点の質量の重心を計算する方法、アークを
近似する線の線セグメントの質量の重心を計算する方法
およびアークを多角形へ近似した場合の面積の重心を計
算する方法。これら三方法を以下に説明する。一実施例
では、アークの質量の中心は、アークを構成しているデ
ータ点の質量の中心である。平滑化済みのデータよりの
アークの全点は、一緒に平均化され、平均化の結果の点
がアークの重心として求められる。アーク点の平均化
は、アークの座標点のＸ値を加算し、アークの座標点の
点数でその加算結果を割り、その結果の指数を重心のＸ
座標値として用いることにより、なされる。重心のＹ座
標値も同様に、アークの各データ点の座標のＹ値を加算
し、アークの座標の数、で加算結果を割り、その結果の
指数を重心のＹ座標値と用いることにより、求められ
る。データ点の重心は、正確には、アークの重心と一致
しないが、近い近似といえる。データ点の重心の計算
は、計算という観点からは、単純であり、速く、十分に
正確であり、従って、好適な方法である。これに替え
て、また、これより幾分正確に、アークの重心は、アー
クの形状を近似する線セグメントより計算できる。この
方法によると、直線は、アークを含む点の間にて形成さ
れる。直線は、その長さおよび位置に応じて、重み付け
され、線の質量を用いてアークの重心が求められる。こ
れに替えて、また、これより幾分正確さ高いが、アーク
の質量および形状を近似する小さな多角形がアークの重
心を計算するのに用いてもよい。アークを表す、線セグ
メントまたは隣接した多角形のグループの重心の計算
は、与えられたアークに付き数学的観点からは単純明快
であり、基礎的な数学の教科書に説明されていて、当業
者のレベル内なのでここでの詳細の説明は不要と思え
る。両方法とも、本発明の原理によるアークの重心の決
定のために使用できる。しかし、両方法とも、より長い
計算時間を必要とし、点質量法よりも幾分正確な結果を
もたらすが、より複雑であり、従って、点質量を用いた
アークの重心の近似が、オンライン認識には、好まし
い。アークの重心の単点を用いる方法は、アークの形状
の特徴を見いだすに適切でありかつ十分正確であること
が判明している。各アークは、このように、三つのデー
タ点のみで表現でき、従って、認識のために分析すべき
データを大幅に減少させられ得る。単語”ｄｉｓｇｒａ
ｃｅ”のサンプル文書の表示として、アークの座標が表
３に示されている。表３では、各アークは三点が連なって記憶されている。
即ち、第一点、重心、および終点である。一つのアーク
の終点は次のアークの第一点であるので、この点は一度
だけ記憶すれば良い。表３では、第一アークは、第一の
端点５００，１７４、重心点４９８，１６６、および第
二の端点４９２，１６１を持っている。このアークは、
図３のアーク４２で示される、文字”ｄ”のカーブの第
一部分でのストロークを表す。第二のアークは、第一端
点４９２，１６１、重心４７６，１７５、および第二端
点４６６，１９５を含む。このアークは、図３のアーク
４４で示される。重心がアークの湾曲と、二つの端点に
対する全体的な形状とをどの程度、表現するするかを示
すため、重心からアークの二つの端点を結ぶ直綜の中心
へ線が引かれている。連結している直線は、アークの特
徴がどのように抽出されているかが見られるように、表
示を目的として描かれている。第三のアーク４６は、図
２の文字”ｄ”の底部４８から文字”ｄ”のピーク３６
に向かって延びている単一アークである。このアーク
は、端点として５３８，１１８、ｄの頭部に於ける一方
の端点として５０２，１９６および重心として５１７，
１５４よりなる。”ｄ”の頭部からｄとｉの間の速結点
５０にも単一アークが形成される。単語”ｄｉｓｇｒａ
ｃｅ”のサンプル文書の複数のアークへのセグメント化
およびこれらを表示するデータ座標が、表３に示され
る。サンプル文書の全不可視アークは、可視アークと同
様な方法で、セグメント化され、特徴が抽出される。全
不可視アークは、ペンが紙面を離れた点と次のサンプル
文書を始めるために紙面に接触した点でセグメント化さ
れる。不可視アークは、このように容易に形成され、起
点と終点の二つの点のみを有する。不可視アークは、必
然的に直線なので、転換点も湾曲点も持たない。不可視
アークの重心は、起点から終点に引かれた直線の中点で
ある。不可視アークの特徴は、可視アークと同じデータ
ベースに記憶され、即ち、起点、終点および重心が記憶
され、フラグはアークが不可視であると示すようにセッ
トされる。ステップ８０で示される、アークの重心の計
算は、サンプル文書がまだ入力されている内に、開始す
る。Ｙ極値が求められ、ステップ６４で、Ｙ極値で二つ
のアークにセグメント化する初期セグメント化がＸ−Ｙ
データタブレットからデータが入力されるとほぼ同時に
行われることは意味がある。コンピューターは、ユーザ
ーが書き込む速度よりもより速く、アークが追加アーク
にセグメント化できないかチェックすることと、隣接の
アークを融合することを含む、データに関するテストを
実行し得る。従って、あるサンプル文字に付き、ユーザ
ーが文字を書き終えた後、短時間に、また次の文字を書
いてさらにサンプル文書を継続して作成している間にア
ークの最終セグメント化が行われる。アークの特徴点、
即ち、端点の座標および重心の座標は、このように、ス
テップ８２で、記憶され、後続の入力サンプル文書が受
信され、セグメント化されている間、文字の認識が開始
される。文字のアークへのセグメント化の基礎的な動作
を説明したので、認識がアークとサンプル文字と比較す
ることによってなされることは、容易に理解できよう。
図１２のブロック３０は、文字認識の全体機能を表して
いる。米国特許Ｎｏ．４，７０１，９６０で開示されて
いるように、サンプル文書のアークと基準文書を比較す
ることによるダイナミックプログラミングが、文字認識
を実行するためになされても良い。これに替えて、Ｃ．
Ｃ．ＴａｐｐｒｅｒｔによるＩＢＭリサーチレポート”
ＡｎＡｄａｐｔｉｖｅＳｙｓｔｅｍｆｏｒＨａ
ｎｄｗｒｉｔｉｎｇＲｅｃｏｇｎｉｔｉｏｎ”（ＲＣ
１１１７５，（＃５０２４９）５／２１／８５，Ｃｏｍ
ｐｕｔｅｒＳｃｉｅｎｃｅ１−１５ページ）に示さ
れている認識法を使用してもよい。適切な一方法が、Ｈ
ａｒｍｏｎによる米国特許Ｎｏ．３，１１１，６４６で
も開示されている。上述の参考文献は、ここに参考とし
て含まれる。文字を複数のアークにセグメント化する本
発明によるシステムを用いると、全サンプル文書の入力
を待たずに、セグメント化が行われると早々に文字認識
が開始される。ここに参考文献として含まれている刊行
物に説明されているように、サンプル文書の基準線やそ
の他のよく知られたトラッキング法を、認識システムの
一部として用いても良い。好適な実施例による文字認識
の一例を説明する。サンプル文書のアークと基準文字を
含むアークとをダイナミックマッチングによって比較す
る方法が、最良の符合を選択するため使用される。文字
認識でのダイナミックプログラミング自身は、よく知ら
れている。例えば、Ｓｃｏｔｔによる米国特許Ｎｏ．
４，７０１，９６０を参照すると、サンプル文書と基準
文書の最適符合を提供するダイナミックプログラミング
が説明されている。本発明の一実施例によれば、サンプ
ルアークとこれらの組み合わせは、基準文字との比較の
前に、標準サイズにスケール変換される。基準文字は、
記憶時に、標準サイズにスケール変換され、アークもこ
の標準サイズにスケール変換される。サンプルアークを
標準サイズにスケール変化するには、適当であれば、ど
の方法を用いても良い。一方法によれば、サンプルアー
クは、各辺が１００ユニットの大きさのボックスに正確
に合うように、スケール変換され、アークは、ボックス
の一辺または多辺と接触する。サンプルアークまたは融
合サンプルアークは、水平にまたは垂直に、線形に拡大
または縮小され、各辺が１００ユニットを有するボック
ス内に正確に収まるようにされる。これに替えて、アー
クは、以下に説明するように、中心点より半径方向にス
ケール変換してもよい。アークまたは融合アークは、中
心点より以下のように半径方向にスケール変換される。
アークの中心またはアークの集合の中心は、重心決定に
関して既に説明した方法を用いて決定できる。ストロー
クの中心点は、このようにして得られる。中心点からの
各点の距離が、測定され記憶される。アークは、中心点
から放射状に広がった各点をスケール変換することによ
って、平均半径をどのような選択値へも強制的にスケー
ル変換可能である。例えば、もし、５０ユニットの平均
半径が好ましければ（差し渡し約１００ユニットの文
字）、中心点から放射状に広がった各点を５０ユニット
に対してスケール変換し、平均半径を強制的に５０ユニ
ットにしている。文字は、希望平均半径を得るため、中
心点からの各点の位置をスケール変換することによっ
て、希望サイズのスケールにされる。中心点よりの半径
方向のスケール変換による認識は、水平または垂直方向
の純粋な線形のスケール変換で可能な認識よりも優れ、
従って、好ましい。さらに、単一のアークに関しては、
中心点は既に記憶データの中に有り、別に求める必要が
なく、従って、スケール変換および次の認識が非常に速
くなされる。半径方向のスケール変換は、本発明の原理
により、特別に有用である。各アークを単一の文字とし
て扱い、各アークと各完全な基準文字と比較し、そのア
ークと各基準文字との間の符合の度合いを示す数値点数
を計算することによって、認識はなされる。各アーク
は、隣接のアークと融合され、この融合アークは、スケ
ール変換され、基準文字と比較される。サンプルアーク
と基準文字との符合の度合いを示す数値点数を与える多
くの方法がある。適当な一方法では、アークの端点と重
心の位置と、基準文字の端点と重心の位置との間の位置
の差に基づいて点数を得ている。各アークが、スケール
変換され、サンプル文字と比較された後、隣接のアーク
がスケール変換され各基準文字と比較され、点数が得ら
れる。ダイナミックプログラミングの次のステップとし
て、隣接アークが単一のアークに融合され、あたかも一
つの文字のようにスケール変換され、各基準文字と比較
される。融合アークの符合の近似度に基づき、数値点数
が得られる。次に、サンプル文書の第三のアークが、ス
ケール変換され、各基準文字と比較され、符合の近似度
を示す数値点数が得られる。第三のアークは、第二のア
ークと融合され、融合アークは、スケール変換され、基
準文字の各々と比較される。アーク単独または先行のア
ークとの組み合わせと基準文字との比較がサンプル文書
に関して継続される。基準文字のサンプル文字に対する
組み合わせによる点数は、この分野でよく知られている
ように、ダイナミックプログラミングに基づき記憶され
る。基準文字に対する符合で最良の点数を与えるアーク
の組み合わせが、選択され、符合基準文字を示すコード
が出力される。文字および単語の両方またはそのどちら
か一方の正しい認識選択を得るための個別のストローク
または種々の連結ストロークを突き合わせる上述の方法
は、既に挙げたＣ．Ｃ．ＴａｐｐｅｒｔによるＩＢＭリ
サーチレポートＲＣ１１１７５にある程度述べられてい
るので、これ以上は、説明しない。殆どの基準文字は、
二つ以上のアークよりなるので、二つかそれ以上のアー
クが融合され、スケール変換され、基準文字と比較され
るとき最良の符合が得られる。アークが単一の文字を構
成するように融合されるとき、融合アークの中心がその
サンプル文字を半径方向にスケール変換するために計算
される。同様に、三つまたはそれ以上のアークが融合さ
れると、融合されたセットは単一の文字として、上述に
方法によって、半径方向にスケール変換される。基準文
字は全体として、選択されたサイズにスケール変換され
るので、単一のスケール変換されたアークと基準文字の
符合の度合いは非常に低い。アークが、単一の基準文字
を構成するために、適当に融合され、選択したサイズに
スケール変換されると、符合の度合いは高くなる。完全
な基準文字に達しないまたはそれを越えるようなアーク
の不正確な融合に関しては、選択サイズへのスケール変
換が完全な基準文字に対しての符合の度合いの低さをも
たらす。アークを具体的なユニットとして扱い、それら
を全体の文字を構成するために融合すると、サンプル文
書の正確な認識を実行するのに助けとなる。アークにそ
れが可視か不可視をマークすることは、文字認識器に有
用な情報となる。文字認識器は、アークのその状態用い
て、を純筆記体文書の起点および終点、または、ランオ
ンまたは連結文字を有する分離および筆記体の混合の文
字の起点および終点の決定できる。可視か不可視かによ
って、文字認識器は、アークのその状態を用いて、サン
プル文書が、例えば、”ｔ”のクロスあるいは”ｉ”ま
たは”ｊ”等の点のような文字の遅延ストロークを含む
かどうか決定できる。文字認識のダイナミックプログラ
ミングの処理の一部またはその処理の前に、サンプル文
書は、分離文字に分離してもよい。サンプル文書を個別
の文字に分割することは、ダイナミックプログラミング
で文字認識の最良の符合を得るのと同様な方法で実行さ
れ得る。これに替えて、文字間の連結を求め、連結を表
すアークは文字の認識ルーチンより削除してもよい。例
えば、米国特許Ｎｏ．４，０２４，５００（図１Ａ）、
欄７および欄８で、文字と文字との連結を求め、削除す
る適切な方法が提示されている。図４は、アークから再
現されたサンプル文字であり、アークデータは、文字を
識別するのに十分なデータを与えることを示している。
この再現は、説明の目的のためのみにここに示されてい
て、本発明の作用としては、サンプル文書全体は再現さ
れず、データは文字を再現するためでなく、文字を認識
し、識別するのに用いられる。図４のサンプル文書は、
アフィン変換としてよく知られた方法を使用し再現され
た。アフィン変換は、数学の分野でよく知られた変換で
あり、当業者なら、標準のアフィン変換技術を用いアー
クデータから図４のサンプル文書を生成することは可能
であろう。工学辞典で定義されているように、アフィン
変換は、線形空間上のそれ自身への関数で、線形変換と
定ベクトルとの和である。アフィン変換を用いてデータ
点から形を生成する方法は、Ｂａｒｎｓｌｅｙ他によ
る”ＡＢｅｔｔｅｒＷａｙｔｏＣｏｍｐｒｅｓ
ｓＩｍａｇｅｓ”（ＢｙｔｅＭａｇａｚｉｎｅ１
９８８年１月、ｐｐ２１５−２２３）という論文に説明
されている。アークデータからのサンプル文書の再現
は、標準アークをアークデータを用いて実際のアークの
位置に変換することによって実行できる。図５は、二つ
の端点と、その頂点に重心がある二等辺三角形に基づい
て、線形に延びているアーク形状とを有する標準アーク
１２０を示す。アフィン変換が計算され、端点と標準ア
ークの重心を、再現されるべきアークの端点と重心にマ
ップ化する。この変換は、標準アークを構成する点に適
用され、変換された点はサンプル文書の変換点となる。
再現は、再現された図４と元データの図２とを比較すれ
ば納得できるように、極めて正確である。適切な標準ア
ークの一つは、七つの点で定義できる。また、九つある
いは１１点それより多数の点またはそれより少ない点で
も定義できる。標準アークの重心を０，０に置くとアフ
ィン変換の定数の計算が簡略化される。標準アーク１２
０の形は、再現されるアークの重心と標準アークとみな
されるアークの重心との差に基づいて、再現アーク１２
２に修正される。同様に、アークの端点およびアークの
形状は、標準アークの端点と、再現されるアークの端点
との差に基づいて修正される。図４の再現文書は、各Ｙ
極値を起点とし終点とするアークを計算することによっ
て、文字認識のための十分なデータが抽出できるという
上述の論拠を支持する。抽出データは、正確な文字認識
を可能とし、かつ、認識を高速に行うに十分なほど少数
のデータでよい。重要なことは、固有さ故に認識を可能
にする特徴が抽出され、使用され、書手のスタイルによ
り強く関連する特徴が極小化されるか無視されるので、
認識ステップで記憶され、使用されたアークデータは、
以前可能であったものと比較し、よりユーザーに依存し
なくなっている。サンプルデータのアークへのセグメン
ト化は、以前可能であったものより、手書き文字のより
正確な認識を可能とする。文字認識のための手書き文書
の編成方法を以上説明してきた。ここでの例の大半は、
データタブレットに書き込まれる文書であるが、上述の
原理は、書き込まれた後、光学文字読みとり装置によっ
て走査されたサンプル文書の認識に適用してもよい。提
示されるデータがＸ−Ｙデータ形式であるということの
みが必要な条件である。文字が書き込まれた後、その文
字をプロットするかトレースするかによって、このデー
タはえられる。これは、即ち、文字”ｉ”の点になされ
たように、サンプル文書が書き込まれている間、書き込
み器具が辿るデータ入力を受信するのに等価である。こ
こに示された本発明の原理の多数の変形が、特許請求の
範囲で定義されるように、本発明と均等かあるいは本発
明の範囲に含まれる。本発明は、ここで述べられる実施
例およびその組み合わせに限定されず、本発明は、部分
的に他のシステムと組み合わせることもできる。

【図面の簡単な説明】

【図１】生ディジタルデータから構成されたサンプル文
書の例である。

【図２】平滑化処理されたディジタルデータから構成さ
れた図１の文書の例である。

【図３】各アークが直線として表され、重心が二つの端
点の中心から重心に延びる直線を有する点として表され
ているアークで表現される図１の文書の例を示す。

【図４】アークデータから再構成された図１の文書の例
である。

【図５】アークデータからのサンプル文書の再構成を示
す。

【図６】文字の湾曲点での分離アークへのセグメント化
を示す。

【図７】本発明を実行するための装置の等角図である。

【図８】本発明の原理によるアークのセグメント化およ
び認識を実行するための回路のブロックダイアグラムで
ある。

【図９】複数の局所極値を有する相対直線を含むサンプ
ル文書の例である。

【図１０】偽極値を有する相対直線を含むサンプル文書
の例である。

【図１１】局所および偽極値を除去した図９および図１
０の線のアークデータのディジタル表現である。

【図１２】本発明による認識を実行するための全体の処
理を示すフローチャートである。

【図１３】Ｙ極値を選択し、記憶するフローチャートで
ある。

【図１４】サンプル文書をアークにセグメント化し、ア
ーク特徴を計算し、アークデータを記憶する処理を示す
フローチャートを示す。

【符号の説明】

９０ディジタイジングタブレット９２コンピューター９４書き込み器具２０サンプル文書９６Ａ／Ｄコンバーター１００プロセッサー１００１０２文書記憶１０４データベース

Claims

【特許請求の範囲】

【請求項１】手書き文字を認識する方法であって、前記手書き文字を表す複数のデータ点を入力し、前記デ
ータ点は前記文字が書かれるに従って、手書き器具が辿
る経路に置けるＸ−Ｙ座標点に対応していて、前記手書き文字を各Ｙ極値で複数のアークにセグメント
化し、各アークは、二つの端点を有し、一つの端点は、
前記アークの極大Ｙ値にあり、もう一方の端点は、前記
アークの極小Ｙ値にあり、前記文字は、複数の前記アー
クを含み、前記アークの選択した特徴を記述する座標点の代表値の
セットを決定し、前記代表値のセットは、前記アークの
座標点を用いて計算されて、前記アークよりより少ない
数の座標点数を有し、前記文字の各アークの前記端点および前記点の代表値の
セットを記憶し、前記記憶値は、前記アークの表示とな
り、前記記憶アークを複数の基準文字と比較し、前記手書きの文字の符合として決定された基準文字を表
す表示を出力するステップからなることを特徴とする方
法。
【請求項２】座標点の前記代表値のセットは、前記アー
クの重心にある座標点である単点であり、前記重心は前
記端点の間の前記アークの全体の形状を示すことを特徴
とする請求項１に記載の方法。
【請求項３】前記アークの重心の前記座標点は、前記アークの各点の座標のＸ値を加算し、前記Ｘ加算値を座標の個数で割り、この結果の指数が前
記重心のＸ値であり、前記アークの各点の座標のＹ値を加算し、前記Ｙ加算値を座標の個数で割り、この結果の指数が前
記重心のＹ値であることをことよりなるステップにより
決定されることを特徴とする請求項２に記載の方法。
【請求項４】座標点の前記代表値のセットは、前記アー
クのデータ点から計算され、前記アークの形状を記述す
るとして求められた、複数のデータ点を含むことを特徴
とする請求項１に記載の方法。
【請求項５】前記セグメント化のステップが、座標点のＹ値が、隣接する先行座標点のＹ値および隣接
する後続座標点のＹ値と比較すること、および、前記隣接する先行座標点のＹ値および前記隣接する後続
の座標点のＹ値を越える極大Ｙ値を有するアークの端点
として前記座標点を選択することを含むことを特徴とす
る請求項１に記載の方法。
【請求項６】前記セグメント化のステップが、座標点のＹ値とＹ極大値レジスターに記憶されている先
行座標点のＹ値と比較すること、および、もし、前記Ｙ極大値レジスターに記憶されている前記先
行の座標点のＹ値を前記Ｙ値が越える場合は、前記座標
点をＹ極値点として前記Ｙ極大値レジスターに記憶する
ことを含むことを特徴とする請求項１に記載の方法。
【請求項７】少なくとも前記アークの一つを複数のアー
クにさらにセグメント化する場合で、Ｙ軸方向での前記アークの前記の一つに於いて、第一の
転換点を決定し、先行の点から前記転換点へ入るベクトルと前記点から後
続の点へ出ていくベクトルの間のなす角度を決定し、前記角度がスレシュホールド値より大きい場合、前記転
換点をアークの端点として選択し、前記アークの前記の一つを二つのアークにセグメント化
し、一つのアークは、前記転換点で端点を有し、もう一
つのアークは、前記転換点で端点を有することによって
なされるセグメント化をさらに含むことを特徴とする請
求項１に記載の方法。
【請求項８】前記スレシュホールド値が６０度であるこ
とを特徴とする請求項７に記載の方法。
【請求項９】前記代表値のセットが、前記書き込み器具
が前記端点の間でパッド上にあるかまたは前記端点の間
でパッドから離れているかを示すアークが可視かまたは
不可視かに関する表示を含むことを特徴とする請求項１
に記載の方法。
【請求項１０】前記アークの少なくとも一つを複数のア
ークにさらセグメント化する場合で、前記アークで前記アークの湾曲の方向が第一の方向より
第二の方向に変化しているかどうか決定し、もし、湾曲の方向が変わっていれば、前記アークを新規
で、分離したアークへ分割することによりなされるセグ
メント化をさらに含むことを特徴とする請求項１に記載
の方法。
【請求項１１】アークの湾曲が変化しているかどうかを
決定する前記ステップが、点に入るベクトルと点から出るベクトルの間の方位の差
を決定し、前記アークの各点に関して前記差を加算し、前記加算値の絶対値が極大である点を湾曲点として選択
し、前記湾曲点はそこで前記アークが二つのアークの分
割される点であることを含むことを特徴とする請求項１
０に記載の方法。
【請求項１２】一つのアークの端点はまた、後続のアー
クの端点であることを特徴とする請求項１に記載の方
法。
【請求項１３】前記分割ステップ以前になされる前記入
力点をデフッキングし平滑化する場合で、点クラスターの位置と後続の点の間の距離の差を決定
し、前記後続の点が、前記点クラスターの位置からスレシュ
ホールド距離よりも離れている場合は、前記後続の点ク
ラスターを新規点クラスターとして選択し、前記後続の点が、前記点クラスターの位置に対して前記
スレシュホールド距離内にあれば前記点の位置が前記点
クラスターの位置の平均化処理に算入され、前記点クラスターの位置を、前記文字をアークへ分割す
るための個別の点として扱うことよりなるデフッキング
および平滑化するステップをさらに含むことを特徴とす
る請求項１に記載の方法。
【請求項１４】点クラスターが、前記入力データ点の単
点に対応することを特黴とする請求項１３に記載の方
法。
【請求項１５】点クラスターが、前記入力データ点の複
数の点に対応することを特徴とする請求項１３に記載の
方法。
【請求項１６】アーク大半の点が単一の入力データ点で
あるように、また、クラスターは一般に方向が変化する
とき、または前記書き込み器具が標準速度より低い速度
で移動するとき発生するように、もし、前記書き込み器
具が標準的に移動すれば、前記スレシュホールド値は、
点間の標準スペースより少なく選択されることを特徴と
する請求項１３に記載の方法。
【請求項１７】前記点のいずれかの側の極値から、Ｙ極
値スレシュホールドより小さいＹ座標値を有する全極値
点を除去することをさらに含む請求項１３に記載の方
法。
【請求項１８】文字認識のためのデータを提供する方法
あって、サンプル文書を表す複数のＸ−Ｙ座標データ点を入力
し、前記サンプル文書をアークにセグメント化し、各アーク
は、二つの端点を含み、かつ、複数のＸ−Ｙ座標点を含
み、前記アークの選択された特徴を記述する座標点の代表値
のセットを決定し、前記代表値のセットは前記アークの
座標点を用いて計算されかつ、前記アークよりも少ない
座標点の個数を有し、前記アークを示すものとして座標点の前記代表値のセッ
トを記憶することを含むことを特徴とする方法。
【請求項１９】前記代表値座標点は、二つの端点と重心
と含み、前記重心は、前記アーク上の点でなく、前記ア
ークの座標点より計算されることを特徴とする請求項１
８に記載の方法。
【請求項２０】前記代表値座標点は、二つの端点と前記
端点の間の前記アークの形状を表す中間点のセットを含
むことを特徴とする請求項１８に記載の方法。
【請求項２１】前記アークの形状を表す前記複数の点
は、前記アークの二つの端点に等分にスペースをあけた
三つの座標点を含むことを特徴とする請求項２０に記載
の方法。
【請求項２２】前記アークの形状を表す前記複数の点
は、前記アークの二つの端点に等分にスペースをあけた
二つの座標点を含むことを特徴とする請求項２０に記載
の方法。
【請求項２３】前記端点の一つは、前記アークの極大Ｙ
座標点であり、前記端点のもう一つは前記アークの極小
Ｙ座標点であることを特徴とする請求項１８に記載の方
法。
【請求項２４】手書き文字を認識するための装置であっ
て、手書き器具と、前記文字が書き込まれるにつれ、前記手書き器具が辿る
経路でのＸ−Ｙ座標に対応して前記データ点を生成する
ように、前記手書き器具が前記データパッド上にあると
きＸ−Ｙ座標が選択された速度で生成されるように、前
記手書き器具の前記ＸおよびＹ座標をその上で生成する
データパッドと、前記ＸおよびＹ座標を対応するディジタルデータを変換
するＡ／Ｄ変換回路と、前記文字を表す複数のアークを生成する生成手段であっ
て、各アークは、二つの端点を有し、一つの端点は前記
アークの極大のＹ値にあり、もう一つの端点は前記アー
クの極小のＹ値にあり、前記文字は複数の前記アークを
含み、各アークは、前記文字のＹ極値に於いて端点を有
するような、前記文字を表す複数のアークを生成する生
成手段と、前記文字の各アークの代表値点のセットを計算する計算
手段であって、座標点の前記代表値のセットは前記アー
クの各々の表示を提供するような、計算手段と、前記文字の各アークのデータ点の前記代表値のセットを
記憶する記憶手段であって、前記記憶値は前記アークを
表す表示であるような、記憶手段と、前記記憶値と基準文字よりの複数の基準アークとを比較
する比較手段と、前記手書き基準文字との符合として求められた基準文字
を表す表示を出力する手段とを含むことを特徴とする装
置。
【請求項２５】基準アークに比較される前に前記アーク
を標準サイズにスケール変換する手段をさらに含むこと
を特徴とする請求項２４に記載の装置。
【請求項２６】手書き文字を認識する方法であって、単一の手書き文字を表す複数のデータ点を入力し、前記
データ点は前記単一の手書き文字が書かれるに従って、
手書き器具が辿る経路に置けるＸ−Ｙ座標点に対応して
いて、前記データ点は、前記単一の文字内に少なくとも
二つのＸ値の極値点および少なくとも二つのＹ値の極値
点を含み、前記手書き文字を各Ｙ極値で複数の分割アークにセグメ
ント化し、各アークは、二つの端点を有し、各端点は、
前記文字のＹ極値に位置していて、前記アークの各々の選択した特徴を記述する座標点の代
表値のセットを決定し、前記代表値のセットは、前記ア
ークの座標点数より少ない数の座標点を有し、前記文字の表示を与えるために前記文字の各アークの座
標点の前記代表値のセットを記憶し、データ点の前記代表値のセットを基準文字のデータ点の
代表値のセットと比較し、前記単一の手書きの文字の符合として決定された基準文
字を表す表示を出力するステップからなることを特徴と
する方法。
【請求項２７】前記単一の手書き文字は、単語内の筆記
体で書かれた単一文字であり、前記単語の部分を構成す
ることを特徴とする請求項２６に記載の方法。
【請求項２８】前記単一の手書き文字は、筆記体文字
の”ｅ”であり、前記文字”ｅ”は二つの個別のアーク
にしかセグメント化されないことを特徴とする請求項２
７に記載の方法。
【請求項２９】前記単一の手書き文字は、筆記体文字
の”ａ”であり、前記文字”ａ”は三つの個別のアーク
にしかセグメント化されないことを特徴とする請求項２
７に記載の方法。
【請求項３０】アークの点の前記代表値のセットは、前
記アークの二つの端点と前記アークの重心とを含むこと
を特徴とする請求項２６に記載の方法。