JPH0531796B2 - - Google Patents

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は、実時間にて筆記文字を識別するオン
ライン文字認識装置に関するものである。

（従来の技術） オンライン文字認識装置における認識方式とし
ては以下の方法が一般的である。筆記入力された
ストローク（ペンオンからペンオフまでの筆記部
分）のデータ列をＸ、Ｙ座標あるいはｒ、θ極座
標で表わし、これらのデータ（以下入力パターン
と称す）から特徴点を抽出する。この抽出された
特徴点の情報を、あらかじめ同じ方法で特徴点を
抽出し登録しておいたパターン（以下登録パター
ンと称す）の情報とマツチングし、文字認識を行
なつていた。

以下、従来のオンライン文字認識方式について
第１０図〜第１２図を参照して説明する。

先ず、第１０図に特徴点を各ストロークの始
点、終点で表わした一例を示す。筆記入力された
ｊストロークデータ列〓ｊを 〓ｊ＝｛（x_i、y_i）ｊ｝、ｉ＝１、２…n_j ……(1) n_j＝ｊストロークのデータ数 とすると、始点（x_s、y_s）_jは（x₁、y₁）_jで、終点
（x_e、y_e）_jは（x_oj、y_oj）_jで求められる。

ここで、同様の方法で求め登録しておいた登録
パターンを（x_s、y_s）＊ ｊと（x_e、y_e）＊ ｊとする。
単純なマツチング方式を採用した場合、文字のス
トローク数がＮのとき、入力パターンと登録パタ
ーンの距離ｄは、 ｄ＝_N 〓^j=1 ｛｜x_sj−x_s＊ ｊ｜＋y_sj−y_sj｜｝＋｛｜x_ej−x_e＊ ｊ｜＋｜y_ej−y_e＊ ｊ｜｝ ……(2) にしたがつて算出される。そして、各登録パター
ンとのマツチングが行なわれ、そのうち距離ｄが
小のものが認識結果として出力される。

（発明が解決しようとする問題点） しかしながら、このようなマツチング方式を用
いた従来のオンライン文字認識方式では、以下に
述べるような問題点があつた。

この方式によれば、登録パターンと同様な形状
で筆記したものは、ほぼ100％近くの認識率で認
識される。ところが、一般には、筆記入力された
パターンが登録パターンと同様の形状でないケー
スが多々ある。第１１図ａに登録パターンに対し
て形状が変化している“河”の入力パターン例を
示し、第１１図ｂにこれと対応する登録パターン
を示す。この場合、“〓”、“〓”が上下にずれ、
それぞれの大きさも大きく変動している。従つ
て、入力パターンと登録パターンとの距離ｄは大
きくなり、誤認識となる可能性が大となる。この
ように、従来方式によれば、登録パターンに対し
て変形された形状で筆記入力が行われた場合、誤
認識率が大きくなるという問題点があつた。

また、(2)式に基づくような単純な筆記ストロー
ク順のマツチングでは、入力文字の筆順が異なつ
た場合、距離ｄが大となる。そのため、実際は、
マツチングするストロークの最適な対応づけを行
なう処理が必要となる。すなわち、筆記入力され
た各ストロークを、登録パターンの各ストローク
のどのストロークとマツチングすればよいかを決
定することが必要となる。そしてこの処理に多大
な時間が費やされることになる。

例えば第１２図ａに示したような“〓”を筆記
入力したときの最適な対応づけを考えて見る。第
１２図ｂはこのときの対応登録パターンを示す
図、第１２図ｃは最適ストローク対応づけ処理説
明図である。対応づけの一つの方法としては、ま
ず、入力パターンの第１ストローク（第１２図ａ
中）と登録パターン第１ストローク（第１２図
ｂ中^*）との距離d₁₁(2)式により算出し、次に登
録パターン^*との距離d₁₂、登録パターン^*と
の距離d₁₃算出し、d₁₁、d₁₂、d₁₃の最小のストロ
ークを対応づける。この例の場合d₁₁が最小とな
り−^*を最適なストロークとして対応づける。
同様に、入力パターン第２ストローク（第１２図
ａ中）と、すでに対応づけられた登録パターン
のストロークを除く（この場合）残りのストロ
ークとの対応づけを行なう。そしてそれぞれの最
適なストロークの対応づけを行なう。

この処理は、ストローク数が少ない場合には処
理時間は少ないが、ストローク数大の文字（画数
大の文字）では、その処理数Ｍはストローク数を
Ｎとすると、 Ｍ＝_N 〓ⁱ⁼¹ ……(3) の比率で増大するため、膨大な処理量となる。こ
の処理量の増大をカバーするために高速なALU
等を使用する必要があるため、従来方式によるオ
ンライン文字認識装置では小型化ができず、また
コストアップとなるという欠点があつた。

このように、従来の方式は筆記入力される入力
パターンの形状の変化に弱く、誤認識となりやす
く、また筆順を緩和するために最適なストローク
対応づけを行なう処理が必要で処理量が多大であ
るという欠点があつた。

本発明は、以上述べた従来技術の問題点を解決
し、この筆記入力される入力パターンの変形に強
く、しかも処理量が少なくてすむ非常に優れたオ
ンライン文字認識装置を提供することを目的とす
る。

（問題点を解決するための手段） 本発明は、タブレツトに筆記入力して得られた
座標データ列の不要データを除去し直線化処理を
施す前処理部と、前処理部により直線化された座
標データ列から、筆記文字を構成するストローク
の特徴を表わす特徴点を抽出する特徴点抽出部
と、特徴点抽出部で抽出された特徴点の位置関係
により各ストロークをコード化するストロークコ
ード化部とを設け、特徴点抽出部またはストロー
クコード化部の出力データを、あらかじめ登録さ
れている登録パターンデータと比較して文字認識
を行なうオンライン文字認識装置を対象とし、前
記従来技術の問題点を解決するため、ストローク
コード化部の出力を受取り、筆記文字のストロー
ク数により大分類を行なう大分類部と；大分類部
で選択された候補文字に対し、筆記上一連のもの
として筆記する部物を部分パターンとし、特徴点
抽出部で抽出した特徴点間を結ぶセグメントの情
報より各部分パターンの重心を算出し、算出した
重心データに基づき、１の部分パターンの重心と
別の部分パターンの重心をそれぞれ始点及び終点
とする部分パターン間ベクトルを求め、この部分
パターン間ベクトルと、あらかじめ同様にして登
録パターンより作成しておいた部分パターン間ベ
クトルとのマツチングを行ない、マツチング結果
にしたがつて中分類を行なう中分類部と；中分類
部により絞られた候補文字に対し、部分パターン
の各ストローク各セグメント情報より抽出した部
分パターンの特徴を表わす部分パターンＱ値を求
め、この部分パターンＱ値と、あらかじめ同様に
して登録パターンより作成しておいた部分パター
ンＱ値とのマツチングを行ない、このマツチング
結果と、中分類部によるマツチング結果にしたが
つて候補文字の順位づけを行なう部分パターンＱ
値マツチング部と；部分パターンＱ値マツチング
部で順位づけされた上位候補文字に対し、部分パ
ターン毎に、ストロークコード化部で抽出したス
トロークコードの分布を算出し、このストローク
コード分布と、あらかじめ同様にして登録パター
ンより作成しておいた部分パターンストロークコ
ード分布とのマツチングを行ない、このマツチン
グ結果にしたがつて候補文字の最終的な順位づけ
を行なう部分パターンストロークコード分布マツ
チング部とを設けたものである。

（作用） 本発明では以上のようにオンライン文字認識装
置を構成したので各技術手段は以下のとおり作用
する。

前処理部はタブレツトに筆記入力された文字の
座標データ列に対し、ノイズ除去処理、移動平均
処理、平滑化処理等を施すことにより、データを
直線化する。特徴点抽出部はたとえば直線化され
たデータ列のデータ間のｘ、ｙ方向のサインを求
めサインの状態の変化点を特徴点とする等の方法
により特徴点を抽出する。ストロークコード化部
は抽出された特徴点情報に基づき、たとえば各セ
グメントのサイン、セグメントの角度、セグメン
ト間の回転角度によりストロークを分類し、コー
ド化する。このコード化されたストロークデータ
は以下の本発明の特徴である各手段の分類、順位
づけのために供される。

大分類部は筆記された文字のストローク数すな
わち画数により大分類を行なう。このため、あら
かじめ画数毎にその画数となりうる文字をたとえ
ば文字辞書に格納しておく。

中分類部はストローク数により大分類された候
補文字に対し、部分パターン間ベクトルのマツチ
ングによる分類を施し、更に候補文字の絞り込み
を行なう。具体的には候補文字につき部分パター
ン間ベクトルをそれぞれ求め、これをたとえば文
字辞書のパターン間ベクトルと比較してその差を
両ベクトル間の距離として求める。この距離を所
定の閾値と比較し、該閾値より大きければ候補文
字からはずし、該閾値以下であれば候補文字のま
まとする。

部分パターンＱ値マツチング部は中分類された
候補文字について部分パターンＱ値のマツチング
による順位づけを行なう。このため登録パターン
からあらかじめ求めた部分パターンＱ値をたとえ
ば部分パターン辞書に格納しておく。なおこの順
位づけには中分類部のマツチングデータも利用さ
れる。部分パターンＱ値は各セグメントの長さ、
方向、位置等を表わしており、これらの情報を有
効に利用することにより効果的な順位づけが行な
われる。

部分パターンストロークコード分布マツチング
部は、このように順位づけされた上位候補文字に
対し、部分パターンのストロークコード分布のマ
ツチングにより最終的な順位づけを行なう。

したがつて筆記入力される文字形状のバラツキ
による変動に対処でき、筆順の違いによるストロ
ークの最適な対応づけ処理を不要とし、処理量が
軽減され、前記従来技術の問題点が解決される。

（実施例） 以下、本発明の一実施例のオンライン文字認識
装置について詳細に説明する。

第１図は本実施例のオランイン文字認識装置の
構成を示すブロツク図である。同図に示すよう
に、このオンライン文字認識装置は、タブレツト
１、前処理部２、特徴点抽出部３、ストロークコ
ード化部４、大分類部５、中分類部６、部分パタ
ーンＱ値マツチング部７及び部分パターンストロ
ークコード分布マツチング部８から構成される。
なお図中９は図示しない表示器等への出力端子を
示す。

第２図は第１図の装置の動作の概略を示すフロ
ーチヤートで、前処理部２はステツプ101を実行
し、特徴点抽出部３はステツプ102を実行し、ス
トロークコード化部４はステツプ103を実行し、
大分類部５はステツプ104を実行し、中分類部６
はステツプ105ないし108を実行し、部分パターン
Ｑ値マツチング部７はステツプ109ないし112を実
行し、部分パターンストロークコード分布マツチ
ング部８はステツプ113ないし116を実行する。

第３図は本実施例の装置が備えている文字辞書
の構成を示す図で、この辞書は画数（ストローク
数）により文字の選択ができるようになつてい
る。また、第４図は本実施例の装置が備えている
部分パターン辞書の構成を示す図である。

以下、本実施例の装置の動作を各部ごとに順を
追つて詳しく説明する。

先ず、タブレツト１は文字を筆記入力するため
のもので、文字が筆記入力されると第５図ａのよ
うに筆記データ列｛（x_i、y_i）、ｉ＝１、２…n_j｝
ｊが抽出され、前処理部２に送られる。

前処理部２は送られてきた筆記データ列に対
し、ノイズ除去処理、移動平均処理、平滑化処理
を行うことにより、第５図ｂのようにデータを直
線化し、特徴点抽出部３に出力する。

次に特徴点抽出部３の動作について述べる。特
徴点抽出部３の行なう特徴点抽出処理としてはい
くつかの方法があるが、ここでは直線化されたデ
ータ列｛（_i、_i）ｉ＝１、２…n_j｝ｊのデータ
間のｘ、ｙ方向のサイン（正、負、０の符号）を
算出し、サインの状態の変化点を特徴点として抽
出する方法について述べる。

データ間のｘ、ｙ方向のサインXS_i、YS_iを XS_i＝Sign（x_i−x_i-1） YS_i＝Sign（y_i−y_i-1） ……(4) で求め、＋、０、１で表現する。このようにして
求めた各データ間のｘ方向、ｙ方向のサインを前
データ間のサインと比較し、同じであれば特徴点
として登録せず、異なつた場合には状態が変わつ
たとして特徴点として登録する。第５図ｃにこの
ようにして求めた点の他に始点、終点を加えた特
徴点を示す。一般にはこの処理を直線近似化と称
す場合もある。こと特徴点間を以下セグメントと
称し、特徴点を｛（X_i、Y_i）、ｉ＝１、２…l_j｝ｊ
で表わすことにする。

以上のようにして得られた特徴点情報はストロ
ークコード化部４及び中分類部６に出力される。

次にストロークコード化部４の動作について述
べる。ストロークコード化部４は特徴点抽出部３
により得られた特徴点情報に基づき各ストーロー
クをコード化する。このコード化には数多くの方
法があるが、一般には各セグメントのＸ、Ｙサイ
ン、セグメントの角度、セグメント間の回転角度
により分類し、コード化を行なう。第６図はこの
コード化処理の説明図で、θ₁，θ₂，θ₃はセグメン
トの角度（＋ｘ方向となす角度）を示し、θ・₁、
θ・₂は隣りあうセグメント間の回転角度を示す。
コード化されたストロークデータは大分類部５及
び部分パターンストロークコード分布マツチング
部８に出力される。

次に大分類部５の動作について述べる。大分類
部５はストロークコード化部４の出力を受け、ス
トローク数により対象文字に対する大分類を行な
う。そのため、あらかじめ画数（ストローク数）
毎にその画数となりうる文字を第３図のように文
字辞書に用意しておく。たとえば筆記入力された
文字パターンのストローク数が10画であつたとす
る。この場合、文字辞書に格納されている文字の
うち第３図に示すような10画となり得る文字
“唖”、“挨”、“逢”…を候補文字とて選択する。

次に中分類部６の動作について述べる。中分類
部６は、大分類部５にて画数により大分類して得
た候補文字を以下に説明する部分パターン間ベク
トルにより更に中分類する。ここで部分パターン
とは１つの文字のうち筆記上一連のものとして筆
記する部分をいうものとし、部分パターン間ベク
トルとは１の部分パターンの重心と別の部分パタ
ーンの重心をそれぞれ始点、終点とするベクトル
をいうものとする。

先ず、部分パターン間ベクトルの算出法の一例
を述べる。部分パターン中の各セグメントのｘ、
ｙ成分を（dxi、dyi）とすると各セグメントの長
さdliは、 dli＝√_i ²＋_i ² ……(5) で表わされる。また文字幅HX、HYで除するこ
とにより正規化した各セグメントの中心座標を
（ｘ＊ ｉ、ｙ＊ ｉ）とすると、部分パターンの重心座
標（Xw、Yw）は で求められる。以上の方法で各部分パターンの重
心を求め、１の部分パターンの重心と別の部分パ
ターンの重心をそれぞれ始点、終点として部分パ
ターンベクトルを求める。なお、ここでは部分パ
ターン間ベクトルはｘ方向とｙ方向についてそれ
ぞれ分けて考えるものとする。第７図に文字
“〓”の部分パターン“〓”、“〓”の各重心及び
部分パターン間ベクトルｘ→（〓、〓）、ｙ→（〓、
〓）の例を示す。

中分類部６では、以上説明した部分パターン間
ベクトルにより、大分類部５で選択された候補文
字を絞りこみ中分類を行なうわけであるが、ここ
で一例として“逢”が筆記入力された場合を考
え、以下この入力文字に対する中分類の手順を説
明する。

筆記入力された文字“逢”は10画であるので、
先ず第３図に示すごとき文字辞書の10画部分を参
照する。するとここには文字“〓”が第１番目に
配されており、その欄には“〓”を構成する部分
パターン、部分パターンの筆記順と各部分パター
ンのストローク数情報（以下カツト位置と称す）、
及び登録パターンよりあらかじめ算出した各部分
パターン間ベクトル値が示されている。以下順に
“挨”、“逢”…の文字について同様の情報が並ん
でおり、中分類部６はこの文字順にしたがい候補
とすべきか否かをそれぞれ判定し以下のように中
分類を行なう。

先ず、筆記入力した文字が“〓”であるとして
部分パターン間ベクトルのマツチング距離d_vecを
求める。第３図の文字辞書にかかれているよう
に、“〓”はカツト位置が（３、７）すなわち第
１ストローク〜第３ストロークで“〓”が形成さ
れ、第４ストローク〜第10ストロークで“〓”が
形成されるが、本例では入力パターンが“逢”で
あるのでこのカツト位置で“逢”について部分パ
ターン間ベクトルを考えると第８図のようにな
る。第８図のように求められた入力パターンの部
分パターン間ベクトルｘ→^*（〓、〓）、ｙ→^*（〓、
〓）と辞書にかかれている部分パターン間ベクト
ルｘ→（〓、〓）、ｙ→（〓、〓）との差がマツチン
グ距離d_vecであり、 d_vec＝｜ｘ→^*（〓、〓）−ｘ→（〓、〓）｜ ＋｜ｙ→^*（〓、〓）−ｙ→（〓、〓）｜ ……(7) で算出される。

一般に、筆記した文字の部分パターン数が複数
の場合、部分パターン数BPNで正規化を行ない
マツチング距離d_vecは、 d_vec＝１／BPN−１・_BPN-1 〓ⁱ⁼¹ ｛｜ｘ→＊ ｉ−ｘ→ｉ｜＋｜ｙ→＊ ｉ−ｙ→ｉ｜｝ ……(8) にしたがつて算出される。

ここである闘値VECREJを設定し、算出した
d_vecがVECREJより大きいか否かを判定する。そ
してd_dec＞VECREJのときは、参照した文字（こ
の場合“〓”）ではないとして次の文字の部分パ
ターン間ベクトルのマツチングを行なう。d_dec≦
VECREJのときは、“〓”らしいとして次に説明
する部分パターンＱ値の算出及びマツチングを行
なう。

次に部分パターンＱ値マツチング部７の動作に
ついて述べる。部分パターンＱ値マツチング部７
は中分類部６における部分パターン間ベクトルに
よる中分類で残つた候補文字について部分パター
ンＱ値を算出し、第４図に示す部分パターン辞書
中の部分パターンＱ値とマツチングを行なう。こ
の部分パターン辞書の部分パターンＱ値は、登録
パターンよりあらかじめ作成され格納されている
ものである。ここで部分パターンＱ値とは、各セ
グメントの長さ、方向及びその位置を表わす特徴
パラメータをいう。オンライン文字認識では筆記
するペンの動きとしてＸ、Ｙ方向、＋または−の
方向が重要な情報として得られ、この情報を有効
につかつたのがこの部分パターンＱ値である。

先ず、部分パターンＱ値の算出法を説明する。
なお下式においてΣは、全ストローク、全セグメ
ントに関する加算を示す。またHX、HYは文字
幅を示す。

＋ｘ方向成分のｘ方向位置 Q₁＝Σ（X_i ²−X_i ² _-1）／2HX² ……(9) −ｘ方向成分のｘ方向位置 Q₂＝Σ（X_i ² _-1）／2HX² ……(10) ＋ｙ方向成分のｙ方向位置 Q₃＝Σ（Y_i ²−Y_i ² _-1）／2HY² ……(11) −ｙ方向成分のｙ方向位置 Q₄＝Σ（Y_i ² _-1−Y_i ²）／2HY² ……(12) ＋ｘ方向成分のｙ方向位置 Q₅＝Σ（X_i−X_i-１）（Y_i-１＋Y_i）／2HY・HY……(13
) −ｘ方向成分のｙ方向位置 Q₆＝Σ（X_i-１−Xi）（Y_i-１＋Y_i）／2HY・HY……(14
) ＋ｙ方向成分のｘ方向位置 Q₇＝Σ（Y_i−Y_i-１）（X_i-１＋X_i）／2HY・HY……(15
) −ｙ方向成分のｘ方向位置 Q₈＝Σ（Y_i-１−Yi）（X_i-1＋Xi）／2HY・HY……(16) 〜の場合は原点を左下に設定したときの各
方向位置の値であるが、このとき原点近くにある
ものは乗算に供すると０となつてしまうため、０
となるのを防ぐため原点を入れかえ原点を右上に
設定したときの各方向位置の値Q₉〜Q₁₆について
も同様に記述し、Q₁〜Q₁₆の合計16個の値により
対象文字の各ストロークのセグメントの長さ、方
向及び位置を表わすものとする。

部分パターンＱ値マツチング部７では、部分パ
ターン間ベクトルによる分類により残つたものに
対し、以上説明した部分パターンＱ値を算出する
のであるが、例えば“逢”を筆記入力して“挨”
が部分パターン間ベクトルによる分類により残つ
たとする。この場合、“挨”のカツト位置は第３
図に示すように３，２，５であり、部分パターン
は〓＋〓＋〓であるので、入力パターンをカツト
位置３，２，５でカツトし、各々Q₁ ^*〜Q₁₆ ^*を算
出する。このとき、本例の場合第９図に示すよう
に、“〓”が“〓”に、“〓”が“〓”に、“辻”
が“〓”にそれぞれ対応している。各々算出した
部分パターンＱ値Q₁ ^*〜Q₁₆ ^*と第４図の部分パタ
ーン辞書にある部分パターンＱ値とのマツチング
を行なう。すなわち先ず、“〓”で算出したQ₁ ^*
〜Q₁₆ ^*と部分パターン辞書“〓”のQ1〜Q₁₆をマ
ツチングさせ、次に“〓”で算出したQ₁ ^*〜Q₁₆ ^*
と部分パターン辞書“〓”のQ1〜Q₁₆をマツキン
グさせ、さらに“辻”で算出したQ₁ ^*〜Q₁₆ ^*と部
分パターン辞書“〓”のQ1〜Q₁₆をマツチングさ
せる。これらのマツチングにおける差を合計した
ものをマツチング距離d_BPとする。このとき距離
d_BPは入力パターン“逢”が“挨”にどれだけ近
いかを表わす。

一般には、各部分パターンのストローク数BS_j
により(17)式のように重みづけを行ない、それをマ
ツチング距離d_BPとする。

d_BP＝_BPN 〓^j=1 ₁₆ 〓ⁱ⁼¹ ｛｜Qi(j)−Ｑ＊ ｉ(j)｜・BS_j／Ｎ｝ ……(17) Qi(j)；第ｊ部分パターンのQi値 そして、以上のように求めた距離d_BPと、前ス
テツプで求めた部分パターン間ベクトルのマツチ
ングにより得られたd_vecとを加算した距離d_iを求
める。

d_i＝d_vec＋d_BP ……(18) 以上の操作を部分パターン間ベクトルによる分
類で残つた全ての候補文字について行ない、d_iに
よるソーテイングを行なう。

次に部分パターンストロークコード分布マツチ
ング部８の動作について述べる。部分パターンス
トロークコード分布マツチング部８は部分パター
ンＱ値マツチング部７及びストロークコード化部
４の出力を受け、中分類により絞られた候補文字
につき部分パターンストロークコード分布を求
め、この分布と登録パターンよりあらかじめ作成
され第４図の部分パターン辞書に格納されている
部分パターンストロークコード分布とのマツチン
グを行ない、さらに上位候補の順位づけを行な
う。この順位づけを行なう対象の範囲は例えばd_i
のソーテイングで得られた第１候補の処理d_iとの
比率で決める。すなわちd_jd₁≦ZRATEの候補文
字までを対象範囲として順位づけを行なう。

ここで部分パターンストロークコード分布の算
出法について説明する。一例として入力パターン
が“逢”で第１候補として選ばれた文字が“逢”
であつたとする。第３図の文字辞書より候補文字
“逢”のカツト位置は３，４，３で部分パターン
は〓＋〓＋〓であることがわかるので、この位置
で入力パターン“逢”をカツトする。この場合カ
ツトして得た部分パターンは文字辞書の内容と同
じであるが、それぞれの部分パターン毎に、スト
ロークコード化部４により得られたストロークコ
ードの本数を分布を算出する。例えば“〓”の部
分パターンを見た場合“〓”、“〓”、“〓”である
からs01が１本、s03が１本、s05が１本という形
でストロークコード分布が求められる。

このようにして算出された部分パターンストロ
ークコード分布は、あらかじめ数個の登録パター
ンから同様な手順により算出し平均化して作成し
ておいた第４図の部分パターン辞書の部分パター
ンストロークコード分布とマツチングされる。本
例の場合、先ず、以上のようにして算出した
“〓”の部分パターンストロークコード分布と、
第４図の部分パターン辞書の“〓”のストローク
コード分布との差をマツチング距離d_s（“〓”）と
して得る。

すなわち、 入力パターン 部分パターン s01…１本 s01…0.9本 s01…０本 s02…0.1本 s03…１本 s03…0.4本 s04…０本 s04…0.6本 s05…１本 s05…１本 の差0.1＋0.1＋0.6＋0.6＝1.4本がd_s（〓）として求
められる。同様に“〓”、“〓”についてマツチン
グを行ないd_s（〓）、d_s（〓）を得、各部分パター
ンのマツチング距離の合計を距離d_sを、 d_s＝d_s（〓）＋d_s（〓）＋d_s（〓） ……(19) より算出する。

部分パターンストロークコード分布マツチング
部８では、このd_sをd_j／d₁≦ZRATEの各候補文
字につき算出し、その算出結果にしたがつて候補
文字の順位づけを行なう。そして、その認識結果
を出力端子９より図示しない表示器等へ出力す
る。

なお、上記実施例ではふれなかつたが、順位づ
けされた認識結果において筆記形状が非常に類似
したもの、例えば“挨”と埃”などについて部分
パターン“〓”“〓”の違いとして○印の交差が
あれば、“挨”、なければ“埃”を認識結果とする
詳細チエツク部を設けるようにすると、より一層
確実な認識結果が得られる。

また、上記実施例の説明では部分パターンＱ値
マツチング部７ににおいて(18)式にて示したd_vec＋
d_BPの加算値により候補の順位づけを行なうとし
て説明したが、d_BPのみで候補の順位づけを行な
うことも可能である。

さらに、中分類部６において、部分パターン間
ベクトルのマツチングによる候補の絞り込みに加
え、部分パターンストロークコード分布マツチン
グにより距離がある闘値以上のとき候補としない
処理を追加し、後処理を行なう候補文字を絞るよ
うにすることも可能である。

（発明の結果） 以上詳細に説明したように、本発明によれば、
部分パターン毎の特徴パラメータの抽出及びマツ
チングを行なうことにより、パターンマツチング
法の欠点である筆記入力される形状のバラツキ
（特に文字を構成する部分パターン間の位置ずれ）
による距離値の変動が吸収されるので、この変動
に起因する誤認識を防止できる。また、部分パタ
ーン間ベクトルのマツチングによる候補の絞り込
み及び部分パターン毎に各ストローク各セグメン
トの情報を表わした部分パラメータＱ値を用いた
マツチングにより、最適ストローク対応づけ処理
が不要となり、処理が短縮化される。このように
本発明は筆記形状のバラツキに強く、しかも処理
量が少なくてすむ優れたオンライン文字認識装置
を提供することができる。

【図面の簡単な説明】

第１図は本発明の一実施例のオンライン文字認
識装置の構成を示すブロツク図、第２図は第１図
の装置の動作フローチヤート、第３図は文字辞書
の構成例を示す図、第４図は部分パターン辞書の
構成例を示す図、第５図は前処理の説明図、第６
図はストロークコード化処理の説明図、第７図は
部分パターン間ベクトルの説明図、第８図は部分
パターン間ベクトル算出の説明図、第９図は部分
パターンＱ値算出の説明図、第１０図は入力パタ
ーンと登録パターンの特徴点を示す図、第１１図
は変形入力パターンの説明図、第１２図はストロ
ークの対応づけ処理説明図である。 １……タブレツト、２……前処理部、３……特
徴点抽出部、４……ストロークコード化部、５…
…大分類部、６……中分類部、７……部分パター
ンＱ値マツチング部、８……部分パターンストロ
ークコード分布マツチング部、９……出力端子。

Claims (1)

1. 【特許請求の範囲】 １ (a) タブレツトに筆記入力して得られた座標
   データ列の不要データを除去し、直線化処理を
   施す前処理部と、 (b) 前処理部により直線化された座標データ列か
   ら、筆記文字を構成するストロークの特徴を表
   わす特徴点を抽出する特徴点抽出部と、 (c) 特徴点抽出部で抽出された特徴点の位置関係
   により各ストロークをコード化するストローク
   コード化部とを設け、 特徴点抽出部またはストロークコード化部の
   出力データを、あらかじめ登録されている登録
   パターンデータと比較して文字認識を行なうオ
   ンライン文字認識装置において、 (d) ストロークコード化部の出力を受取り、筆記
   文字のストローク数により大分類を行なう大分
   類部と、 (e) 大分類部で選択された候補文字に対し、 筆記上一連のものとして筆記する部分を部分
   パターンとし、特徴点抽出部で抽出した特徴点
   間を結ぶセグメントの情報より各部分パターン
   の重心を算出し、 算出した重心データに基づき、１の部分パタ
   ーンの重心と別の部分パターンの重心をそれぞ
   れ始点及び終点とする部分パターン間ベクトル
   を求め、 この部分パターン間ベクトルと、あらかじめ
   同様にして登録パターンより作成しておいた部
   分パターン間ベクトルとのマツチングを行な
   い、 マツチング結果にしたがつて中分類を行なう
   中分類部と、 (f) 中分類部により絞られた候補文字に対し、部
   分パターンの各ストローク各セグメント情報よ
   り抽出した部分パターンの特徴を表わす部分パ
   ターンＱ値を求め、 この部分パターンＱ値と、あらかじめ同様に
   して登録パターンより作成しておいた部分パタ
   ーンＱ値とのマツチングを行ない、 このマツチング結果と、中分類部によるマツ
   チング結果にしたがつて候補文字の順位づけを
   行なう部分パターンＱ値マツチング部と、 (g) 部分パターンＱ値マツチング部で順位づけさ
   れた上位候補文字に対し、 部分パターン毎に、ストロークコード化部で
   抽出したストロークコードの分布を算出し、 このストロークコード分布と、あらかじめ同
   様にして登録パターンより作成しておいた部分
   パターンストロークコード分布とのマツチング
   を行ない、 このマツチング結果にしたがつて候補文字の
   最終的な順位づけを行なう部分パターンストロ
   ークコード分布マツチング部とを設けたことを
   特徴とするオンライン文字認識装置。