JPH0531798B2 - - Google Patents

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のオンライン認識方式、特
にDPマツチングを用いて各走り書き文字あるい
は署名パターンの補正マツチングを行い、この時
の各パターンの相違度から各文字パターンの認識
を行うオンライン認識方式の改良に関するもので
ある。

［従来の技術］ 筆者の自由な書体と速度で筆記される手書き文
字をオンラインにて認識することが近年において
各種の産業分野において広く要望されてきた。

このような手書き文字は、一般の走り書き文字
をワードプロセツサのごとき日本語情報処理シス
テムに漢字入力として入力する際に必要とされ、
ワードプロセツサの簡便な入力方式として注目さ
れる。

周知のごとく、通常のワードプロセツサはキー
ボード入力に依存するが、この方式では、特別な
訓練を必要とし、またかな漢字変換のための文章
の中断などを必要とすることから一般の筆者には
適さないという問題があつた。

従つて、使用頻度の高い一般の利用や伝票処理
などにおいてはオンラインの手書き文字認識が不
可欠となる。

しかながら、従来の手書き文字認識は字形や画
数に対する制限が大きく、入力に際しては一般に
楷書書きで丁寧に筆記することが条件付けられ、
通常自らの筆記動作が確定している筆者、とりわ
け癖字や略字、続け字の筆記に慣れた筆者にとつ
ては前記手書き文字の入力がかえつて大きな困難
性を有するという問題があつた。

手書き文字の他の好適な使用例としては、署名
があり、特に近年においては西欧ばかりでなく我
が国においても署名によつて個人の確認を行う場
合が増え、偽署名の排除のために署名認識が極め
て重要となつている。

従来の一般的な手書き文字認識は文字の座標情
報を主として用い、座標情報から得られる字形の
一致にて各入力された文字の認識が行われてい
た。

このような座標情報のみによる認識は、文字の
筆記速度が遅く、丁寧に文字が書かれるときは視
覚的フイードバツクによつて筆記がコントロール
されるため、文字の各ストロークが明瞭に書か
れ、字体も安定する。従つてストロークの分離が
安定になされることを前提とした従来の認識方式
によつても座標情報のみで十分な認識効果を得る
ことが可能である。

しかしながら、筆記が高速化してくると、筆記
に必要は筋肉の運動は目からのフイードバツクを
伴なわない弾道運動的なものとなり、次第に筆者
固有の手書き機構の特徴が支配的となる。

従つて、この結果、文字の字形的特徴がむしろ
不鮮明となり、またストロークの安定な分離も不
可能となる。このように高速で書かれた、特に走
り書きあるいは署名などの字形は筆記者固有の特
徴が顕在化したものとなり、通常の楷書体とは大
きく相違するので、このような手書き文字に対し
ては従来の単なる座標情報のみではその認識率が
極めて低下するという問題があつた。

更に、前述した走り書き文字あるいは署名など
の認識に対しては次のような課題を解決しなけれ
ばならない。

第１の課題はストローク分解の不安定性に影響
されない認識規則の生成であり、楷書体によれ
ば、各ストロークの分離は容易であるが、一般の
筆者に用いられている走り書きにおいてはこのよ
うな文字ストローク間の分離が極めて不明瞭とな
り、従来の座標情報のみでは到底走り書き文字あ
るいは署名等には対処することができなかつた。

第２の課題は筆記運動における変動の吸収であ
る。すなわち、同一の筆者があつて同一文字に対
しどうしても時間軸に対しあるいは弧長軸に対し
バラツキが生じ、取り込まれた座標情報をそのま
ま比較した場合には到底認識率の高い処理作用を
行うことができないという問題があつた。

従来において、前記両課題に対してはそれぞれ
以下のごとき対処がなされていた。

第１の課題に対しては、座標情報ばかりでな
く、筆圧情報を利用することである。

すなわち筆記された文字を座標情報とペンのア
ツプダウン情報とによつて、文字のストローク分
解を可能とする。

更に、従来の第２の課題はDPマツチングを用
いて筆記運動の変動を吸収する補正を行うことが
従来においても提案されていた。

DP（ダイナミツクプログラミング）マツチング
は音声認識などにおけるパターンマツチング手法
として用いられており、このような音声のスペク
トラムパターンあるいは手書き文字における取り
込まれた手書きパターンは前述したごとく時間軸
方向にずれたりあるいは伸縮したりしており、こ
の時間軸方向あるいはストローク方向のずれ、伸
縮を補正する必要がある。

第３図には音声入力における入力パターンの変
動に起因する誤認識の一例が示されている（日経
エレクトロニクス誌1983年11月７日号）。

第３Ａ図において、標準パターンは「高松」と
して登録されており、また第３Ｂ図には標準パタ
ーンが「浜松」として記憶されている。

このような標準パターンに対して入力パターン
が時間軸方向にずれると、第３図の一致結果には
次のような誤認識が生じる。

すなわち、第３Ａ図において入力パターンと標
準パターンとは時間軸方向のずれが少なく、この
結果、ｔ−ｈ、ｋ−ｍのみが不一致となり他の部
分が全て一致となる。一方、第３Ｂ図において
は、標準パターンのhaのａの部分が長いために、
それより後の部分が全て不一致となり、この結
果、総合的に見ると、第３Ａ図よりも第３Ｂ図の
ほうが相違度が大きいとされ、誤認識を生じる。

DPマツチングは多段決定プロセスの最適化手
法を前記音声あるいは本発明における文字認識の
マツチングに用いたものであり、両パターンの総
合的な相違度を最小とするような歪み関数を与
え、これによつて時間軸あるいは弧長軸に対する
両パターンの正規化を行い、その後に正規化され
たパターン同志の比較によつて相違度を得るもの
である。

第４図には時間正規化のためのモデルが示され
ており、標準パターン「SaN」と入力パターン
とを時間軸に対する正規化を行つて比較するため
の様子を示している。

標準パターンのデータはｂ１〜ｂ７で示され、
一方入力パターンはａ１〜ａ８で示されている。
そして、この両パターンを比較する際、歪関数ｊ
＝ｊ(i)が与えられ、この結果、両パターンは破線
で示されるごとく対応付けられ、これによつて全
体的な時間軸に関する正規化が行われる。

このような歪み関数はその性質上以下のような
条件を満足する関数として選択される。

(a) ｊ(i)は単調増加関数であること。

(b) ｊ(i)は連続関数であること。

(c) ｊ(i)はｉの近傍の値をとること。

従つて、このような歪み関数の導入によつて、
一方のパターン例えば入力パターンが他方のパタ
ーン例えば標準パターンの時間軸あるいは弧長軸
を歪ませた関数として補正され、パターン全体の
累積誤差を最小とするパターンマツチングが行わ
れる。

［発明が解決しようとする問題点］ 以上のように、従来においても、手書き文字の
認識において、座標情報ばかりでなく筆圧情報を
取り込み、またDPマツチングによる正規化を行
うことによつて従来においても相当認識率の高い
認識作用が得られていたが、一般の利用に供し、
走り書き文字を実用可能な高い認識率で認識し、
あるいは偽署名を排除するためには従来における
認識率では依然として十分に満足することができ
なかつた。

本発明は上記従来の課題に鑑みなされたもので
あり、その目的は、走り書き文字あるいは署名に
対しても充分に実用可能な高い認識率の文字認識
を可能とした新たな認識方式を提供することにあ
る。

［問題点を解決するための手段］ 上記目的を達成するために、本発明は、両パタ
ーン、例えば入力パターンと標準パターン、ある
いは入力パターン同志のDPマツチングを行う際
に、座標情報と筆圧情報とを所定の重み付け係数
にて同時に処理することを特徴とする。

従つて、本発明によれば、DPマツチングは座
標情報と筆圧情報との両者を所定の重み付け係数
の下で単一の歪み関数にてDPマツチングされ、
この結果、全体の認識率を著しく向上させかつ処
理時間を短縮してオンラインで大情報の認識処理
を可能としたことを特徴とする。

［実施例］ 文字情報の仕組み まず本発明において、手書き文字はその座標情
報及び筆圧情報の取込みから行われ、本発明にお
いてこれら両情報はオンラインにて電気的な信号
として取り込まれる。すなわち、ペンが紙面に接
した位置を起点としてペンの座標ｘ、ｙ及び筆圧
ｐを測定する。

実際上、前記手書き文字パターンは等時間間隔
でサンプルした時系列データ｛ｘ(n)、ｙ(n)、ｐ
(n)｝なる座標情報と筆圧情報の両者を含んだデー
タとして表され、ここでｎは１からＮまでの値と
なる。

ここで、手書き文字の筆記は等速運動ではな
く、またその安定性も極めて不定であり、更にス
トロークの切れ目ではペンの停留もしばしば起
き、このようなペンの停留は特に走り書き文字の
ごとく、筆記途中で思考のためにペンを止めるこ
となどで極めて一般的である。

従つて、手書き文字パターンの座標データ及び
筆圧データの時間サンプルによる系列としてその
まま示すことは多くの不安定要素を含むことから
好ましくない場合がある。

従つて、このような特に走り書き文字に対して
は、情報の取組みには次のような手法を追加する
ことが好適である。

(1) ストロークの切れ目でペンが紙面から離れて
いる部分、つまりｐ＝０の部分は座標情報を直
線補間する。

(2) サンプル点数を全ての手書き文字パターンに
対して同一の値Ｌとする。

(3) 時系列データを適当な補間によつて等間隔の
弧長でサンプルしたデータ系列｛ｘ(l)、ｙ(l)、
ｐ(l)｝に変換する。

従つて、実際に取り込まれたサンプリング情報
としては、特に走り書き文字の場合は特定の弧長
に対する座標情報及び筆圧情報となることが理解
され、この弧長軸データによつて、走り書き文字
の場合にしばしば生じる途中での思考による停留
等があつても、この停留期間に元の時間軸サンプ
ルの場合に生じてしまう情報の不安定性を除去す
ることが可能となる。

一方、署名の場合は、周知のごとく、一気に書
き上げる場合がほとんどであり筆者特有の筆記運
動機構を元にするので時間軸でサンプリングした
座標情報及び筆圧情報でも十分に認識（識別、照
合）が可能であり、演算処理を簡単にするには、
署名認識の場合には時間軸情報として取り込むこ
とが好適である。

前記時間軸のあるいは弧長軸に沿つた三次元時
系列情報は各文字パターンの位置と大きさを正規
化するための予備的正規化、すなわち後述する
DPマツチングを用いた歪み関数による正規化と
は単なる単なる位置と大きさの正規化が予備的に
行われる。

まず座標データに対しては、ｘ、ｙを複素座標
系列にて表し、 ｚ(l)＝ｘ(l)＋iy(l) ｌ＝１、２、…、Ｌ ……(1) をつくる。ただしｉ＝√−１である。ここで、予
備的正規化のために新たな複素座標系列 z^*(l)＝ｚ(l)−zg／‖ｚ(l)−zg‖ ……(2) を定める。

ただし、ここでzgは文字パターンの重心であ
り、 zg＝１／Ｌ_L 〓^l=1 ｚ(l) とを定義する。また記号‖・‖は複素系列のノル
ムを表し、 ‖ｚ(l)‖²＝１／Ｌ_L 〓^l=1 ｜ｚ(l)｜² である。このような処理によつて得られた複素系
列x^*(l)を正規化複素座標系列と呼び、以下にお
いては単に座標系列という。

同様に、筆圧情報に関してもその大きさは次の
ごとく正規化される。

p^*(l)＝ｐ(l)／‖ｐ(l)‖ ……(3) 従つて、前記座標系列と同様にp^*(l)を正規化
筆圧関数と呼び、以下単に筆圧系列という。

重み付けされたDPマツチング 任意のパターンあるいはパターン集合に対し入
力パターンの相違度を測定すれば、パターンの認
識が可能であり、このような相違度を計るために
パターン自体はまずDPマツチングによつて時間
軸方向あるいは弧長軸方向の伸縮が補正あるいは
正規化される。そして、このようにDPマツチン
グによつて正規化された両パターンの総合的な累
積誤差によつて両者の相違度が数値化され、この
相違度が所定の基準値を越えたか否かで両パター
ンの一致あるいは不一致が判定される。

走り書き文字の場合、筆者の個人的な特徴を除
去するために、予め筆者の文字パターは登録され
ることが好適である。このようにして登録された
パターンを基準パターンとして、次に入力される
パターンがこれらの全ての文字の登録パターンと
比較され、所定の一致度が得られたものを入力文
字として認識し、ワードプロセツサその他に文字
コード入力として供給する。

従つて、走り書き文字においても、予め登録し
たパターンとの相違度によりオンラインで手書き
入力情報からワードプロセツサなどへのコード入
力を行うことが可能となる。

もちろん、登録された全ての文字パターンの入
力パターンとを比較するために無視できない処理
時間を必要とするので、必要に応じて後述する多
段認識手法によつて文字の特徴事項で分類された
多段階の一致比較により実際の登録パターンと入
力パターンとの比較数を減少させて処理速度を十
分にオンラインに適する速度とすることが可能で
ある。

一方、署名に対しては、署名自体が既に筆者の
肉体的習慣から得られるものであり、特別な事前
登録を必要とすることなくその都度入力された署
名パターン同志を比較することによつて署名の真
偽を認識することが可能である。

もちろん、署名に対しても、真の署名者により
複数回自署を行わせ、この複数回の署名から真の
署名を登録し、以降、この真の署名に対して入力
された署名を照合することも可能である。

いずれにしても、本発明に係る手書き文字の認
識には少なくとも２個のパターン間の相違度が測
定され、この相違度を図るときにDPマツチング
が採用されているが、本発明においては、前記
DPマツチングを行う際に前述した座標情報と筆
圧情報との両者が所定の重み付け係数によつて同
時に処理されることを特徴とする。本実施例は走
り書き文字に関し、弧長軸に対する両パターンの
座標及い筆圧の誤差を統合化して相違度を求め、
この相違度を求めるときにDPマツチングが行わ
れる。

第１Ａ，１Ｂ図には走り書き文字におけるパタ
ーンＡとパターンＢの座標情報が示され、横軸が
座標の実数部そして縦軸が座標の虚数部を示す。
前述した予備正規化によつて、文字の起点ｚ(o)＝
｛ｘ(o)、ｙ(o)｝は両者同一であり、また説明を簡
略化するために、ストロークの終点もｚ(L)＝｛ｘ
(L)、ｙ(L)｝と同一値に設定されている。

従つて、この簡略化された例によれば、起点ｚ
(o)とｚ(L)との間の筆記時における伸縮をDPマツ
チングによつて累積誤素を最小とするような正規
化を施せばよいことが理解される。このような正
規化は、いずれかのパターンＡ又はＢに特定の歪
み関数を与えることによつて行われ、この歪み関
数はDPマツチングにより多段決定プロセスの最
適化手法として行われる。

更に、前述したごとく、本発明によれば、この
DPマツチングは座標情報と筆圧情報の両者を所
定の重み付けにて同時に処理することを特徴とす
る。

第１図において、パターンＡのｉ番目の点とパ
ターンＢのｊ番目の点の間の相違度ｄを前記予備
的正規化によつて得られた座標系列及び筆圧系列
を用いて以下のごとく示す。

d²（ｉ、ｊ）＝（１−W_p）｜ｚ＊ Ａ(i)−ｚ＊ Ｂ(j)｜²＋W_p）｜ｐ＊ Ａ(i)−ｐ＊ Ｂ(j)｜²i、ｊ＝１、…、Ｌ ……(4) ここで、W_p（０≦W_p≦１）は筆圧系列に関す
る重みであり、一方、１−W_p）は座標系列に関
する重みである。

従つて、筆圧に関する重みW_p＝０のときは関
数ｄは筆圧系列に不感でペンの座標のみに依存す
ることから、文字パターンを１筆書きとして扱う
ことに相当する。また、一方、W_p＝１では関数
ｄは単に筆圧のみに依存する関数となるから、認
識に対して文字の形状を全く考慮しないことを意
味する。

従つて、本発明によれば、前記重み付け係数を
特定の値に設定し、これによつて座標系列と筆圧
系列の両者に対して共通の演算式によりDPマツ
チングを施すことが可能となる。

ここで、DPマツチングにおいてパターンＡ、
Ｂの弧長軸間の非線形な変換を考え、その誤差を
DPマツチングの考えに基づき、 D₂（Ａ、Ｂ） １／2L min ｉ、ｊ_K 〓^k=1 d²｛ｉ(k)、ｊ(k)｝ΔlT(k) ……(5) と定義する。ただしｋ（ｋ＝１、２、…Ｋ）はｉ、
ｊ共通の変数である。またΔl(k)はｋ−１よりｋ
に至る部分経路長であり、ここでは Δl(k)＝｜ｉ(k)−ｉ（ｋ−１）｜＋｜ｊ(k)−ｊ（ｋ−
１）｜ とする。弧長軸の非線形な伸縮によつて、前記式
(5)最適値が得られるが、この変換を示す弧長歪み
関数｛ｉ(k)、ｊ(k)｝には次のような条件が設定さ
れる。

(1) 単調性、すなわち筆者によつて筆順が異なつ
た場合においても、一般に同一筆者が同一文字
を書く場合はこのような筆順に変化がないとの
前提に基づき、歪み関数は単調増加関数となる
ことである。

ｉ（ｋ−１）≦ｉ(k)、ｊ（ｋ−１）≦ｊ(k) (2) 連続性、すなわち、ストローク間での座標及
び筆圧は連続的な変化に関し、歪み関数も連続
関数のならなければならない。

｜ｉ(k)−ｉ（ｋ−１）｜≦１、｜ｊ(k)−ｊ（ｋ−１）
｜≦１ (3) 境界条件、すなわち本実施例においては、文
字パターンの起点と終点から固定され、このた
めには境界条件を以下のように設定する。

ｉ(1)＝ｊ(1)＝１、ｉ(k)＝ｊ(k)＝Ｌ 第２図は前述したDPマツチングにより得られ
た歪み関数の一例を示しており、両パターンが完
全に一致した場合においては、各サンプリング点
は誤差がなくなるので、歪み関数自体は傾き１の
直線すなわち第２図の対角線に一致するが、通常
の場合、各パターン間には各種の誤差があり、こ
れをDPマツチングによつて正規化すると、その
歪み関数は第２図のごとく各サンプリング点にお
いて対角線上を左右に振れた特性となる。

また、第２図におけるハツチングを施した領域
は、本発明のごとき手書き文字の場合パターンマ
ツチングの歪み関数はある程度一致した範囲にあ
るので、これを越えた大きな誤差に関しては演算
の対象から除去することを示している。

すなわち、ハツチングを施した領域の中間にあ
る帯状の部分でのみ計算が行われ、このようなウ
インドの設定により、演算処理を簡素化すること
が可能となる。

以上のように、本発明によれば、DPマツチン
グが座標系列と筆圧系列の両者を所定の重み付け
にて同時に処理することを特徴とし、前述した(4)
式はその一例を示すが、本発明は以下の一般式に
示し得る。

d^k＝w_S｜z_A(i)−z_B(j)｜^m ＋w_p｜p_A(i)−p_B(j)｜ⁿ ……(6) ここで、誤差（相違度）ｄの累乗項ｋ、パター
ンＡ、パターンＢのそれぞれｉ番目ｊ番目の点に
おける座標誤差の累乗項ｍそして同じく筆圧情報
の誤差に対する累乗項ｎはそれぞれ任意の正値と
して定義可能である。

また、重み付け係数すなわち座標系列に関する
重み付け形勢w_S及び筆圧系列に関する重み付け
w_pはそれぞれ各座標系列及び筆圧系列に依存し
た任意数値として設定することが可能である。

そして、前記座標系列と筆圧系列の重み付け係
数は実験により約７対３から√７対√３の関係を
有する場合、極めて高い認識率を得ることができ
た。

二段階認識 前述した説明から明らかなごとく、座標系列と
筆圧系列の両筆記情報を互いに所定の重み付けで
DPマツチングに供することによつて手書き文字、
特に走り書きあるいは署名認識において極めて有
用であることが理解される。

実際上、このような認識は、走り書き文字の認
識のおいては、入力されたパターンを登録パター
ンの全てと前述した(4)式によつて計算して両パタ
ーン間の相違度が測定演算される。

従つて、特に走り書き文字のように登録パター
ンが極めて大量に存する場合、入力パターンとこ
れらの登録パターンとの比較のためにその計算量
は膨大な数にのぼる。

そこで、本発明の他の実施例として、予備認識
と本認識の二段階認識によつて計算量を著しく軽
減することが考えられる。

この実施例によれば、前記(4)式において、w_p
＝０とし、すなわち筆圧系列を無視することによ
つて予備的な認識を行い計算量を軽減することが
行われる。

本実施例によれば、予備認識によつて96.0％程
度の認識率が得られ、次に筆圧系列を加えた本認
識により99％以上の認識率を達成し、この二段階
認識によつて計算量を著しく軽減することができ
た。

前記予備認識においては座標系列のみを用いた
歪み関数にてDPマツチングを行つて相違度によ
る候補文字を選択し、次に本認識では前述した座
標系列と筆圧情報の両者を所定の重み付けにて
DPマツチングさせることによつて微細な形状の
特徴を重視した候補文字内の選択を行い、オンラ
インで効率のよい手書き文字の認識を達成するこ
とができた。

特にDPマツチングはパターンの大局的な相違
性を図るためには有用であるが、そのままでは微
細な特徴の差異を測定することが難しく、従つ
て、同一部首をもつ漢字の間の判別では部首の形
状のわずかな変動による相違のほうが文字を特徴
付ける部分の形状の相違より大きな影響をもつこ
とがあり、従つて、本実施例における本認識にお
いて筆圧情報を加えながら微細な特徴を重視した
判定を行い、前記認識率を著しく改善することが
できた。

予備認識は前述したごとく、座標系列のみによ
るDPマツチングを行う。つまり、パターンＡ、
Ｂ間の相違度を D² ₁（Ａ、Ｂ）＝１／2L min ｉ、ｊ_K 〓^k=1 ｜ｚ＊ Ａ｛ｉ(k)｝−ｄ＊ Ｂ｛ｊ(k)｝｜²・Δl(k)＝１／2L_K 〓^k=1 ｜ｚ＊ Ａ｛i^(k)｝−ｚ＊ Ｂ｛j^(k)｝｜
^２・Δl(k) ……(7) のように定義し、入力パターンと標準パターンと
の相違度を求める。ただし(7)式において｛i^(k)、j^
(k)｝は両パターンの最適な弧長軸歪み関数であ
る。そして、(7)式によつて最も小さな相違度を与
える標準パターンを求め、その相違度をDminと
したとき、それにある係数α0を乗じた値α0・
Dmin以下の相違度を与える標準パターンを候補
文字として本認識に掛ける。ただし候補文字が１
個しかない場合は自動的にこの文字を認識結果と
して出力する。

ここで、マツチング後のパターンＡ、Ｂの座標
系列に対する誤差関数を d_z｛i^(k)、j^(k)｝＝｜ｚ＊ Ａ｛i^(k)｝−ｚ＊ Ｂ｛j^(k)｝｜ と定義し、同様に筆圧系列に対しては d_p｛i^(k)、j^(k)｝＝｜ｐ＊ Ａ｛i^(k)｝−ｐ＊ Ｂ｛j^(k)｝｜ と定義する。明らかに式(7)のD₁（Ａ、Ｂ）は D² ₁（Ａ、Ｂ）＝１／2L_K 〓^k=1 d² ₁｛i^(k)、j^(k)｝Δl(k) ……(8) となる。また、式(5)で定義された筆圧重み付けを
含む相違度における最適な弧長軸歪み関数は、筆
圧の重み係数w_pが大きくない場合には筆圧を加
えない式(8)の相違度における結果とほとんど差は
ない。従つて、(8)で得られた最適弧長軸歪み関数
｛i^(k)、j^(k)｝をそのまま式(5)に適用したとき D²（Ａ、Ｂ）１／2L_K 〓 〓^k=1 ［（１−w_p）d² _Z｛i^(k)、j^(k)｝＋W_pd² _p｛i^(k)、
j^(k)｝］Δl(k) が成り立つ。更に具体的には、筆記運動のわずか
な動作パターン間の相違として累積されて評価さ
れる場合に微細な特徴を重視しようとする本認識
においては不都合が生じる。そこで、ここではあ
る適当な閾値θ_z、θ_pを座標、筆圧に対して定め、
それ以下の誤差を無視することによつてわずかな
字形、筆圧の変動に不感な誤差関数を求めること
とする。つまり誤差関数を座標、筆圧に対してそ
れぞれ d′_z｛i^(k)、j^(k)｝＝Ｏ， d_z｛i^(k)、j^(k)｝，d_z｛i^(k)、j^(k)｝＜θ_z d_z｛i^(k)、j^(k)｝≧θ_z d′_p｛i^(k)、j^(k)｝＝Ｏ， d_p｛i^(k)、j^(k)｝，d_p｛i^(k)、j^(k)｝＜θ_p d_p｛i^(k)、j^(k)｝≧θ_p と定める。本認識における職別のため、以下の相
違度を定めることが好適である。

D² ₂（Ａ、Ｂ）＝１／ｋ_K 〓 〓^k=1 ［（１−w_p）d′_z ²｛i^(k)、j^(k)｝＋w_pd′_p ²｛i^(
k)、j^(k)｝］ 前述した第１実施例と同様に本実施例において
も、筆圧系列の重み付け係数w_pは0.3で最高の認
識率が得られる。従つて、パターン間の相違度と
しては、 D² ₂（Ａ、Ｂ）＝１／ｋ［0.7_K 〓^k=1 d′_z ²｛i^(k)、j^(k)｝＋0.3_K 〓^k=1 d′_p ²｛i^(k)、j^(k)｝］ ……(9) を用いることが好適である。

以上のように、第２実施例によれば、オンライ
ン処理によつて、まず座標情報を用いた予備認識
を行い、これによつて選ばれた幾つかの候補文字
から本認識すなわち座標と筆圧の両者を一定の重
み付けにて処理した本認識により計算量を少なく
した高速演算を可能とし、少なくとも第１実施例
に比して３／４まで時間減少を図ることができ
た。

［発明の効果］ 以上のように、本発明によれば、手書き文字特
に走り書き文字、あるいは署名などにおいて、手
書き情報を座標情報と筆圧情報の両者から三次元
的時系列情報として取組み、座標情報と筆圧情報
とを単一のDPマツチングにて所定の重み付けに
て同時に演算処理し、これによつて、オンライン
で認識率の高い認識処理を行うことが可能となつ
た。

【図面の簡単な説明】

第１Ａ，１Ｂ図は本発明のおける２つの文字パ
ターンの座標情報を示す説明図、第２図は本発明
を用いて処理した歪み関数の一例を示す説明図、
第３Ａ，３Ｂ図は従来の音声による時間軸の伸縮
に基づく誤認識を示す説明図、第４図は従来にお
けるDPマツチングの時間軸正規化を示す説明図
である。

Claims (1)

1. 【特許請求の範囲】 １ 手書き文字の座標情報と筆圧情報を三次元的
   時系列情報としてオンラインで取り込み、 前記取り込まれた複数の手書き文字パターンを
   DPマツチングによつてパターン全体における累
   計誤差を最小とする補正を行い、 各パターン間の相違度により手書き文字の認識
   を行う方式において、 前記DPマツチングは、座標情報と筆圧情報の
   両者に対して所定の重み付け係数を与えた状態で
   単一の歪み関数にて同時に処理することを特徴と
   する手書き文字のオンライン認識方式。 ２ 特許請求の範囲１記載の方式において、特定
   筆者の走り書き文字を予めパターン登録し、前記
   登録パターンと個別の入力パターンとを前記重み
   付けされた座標情報及び筆圧情報にて単一の歪み
   関数にて同時にDPマツチングを施して走り書き
   文字の認識を行い、 前記座標情報及び筆圧情報は走書き文字の弧長
   に対する情報として取り込むことを特徴とする手
   書き文字のオンライン認識方式。 ３ 特許請求の範囲２記載の方式において、登録
   パターンと個別入力パターンとの比較は、 座標情報のみによる予備認識を行つて、候補文
   字の絞り込みを行い、 次に座標情報と筆圧情報の両者が重み付けされ
   たパターン認識による本認識を行うことを特徴と
   する手書き文字のオンライン認識方式。 ４ 特許請求の範囲１記載の方式において、署名
   の認識を行うときに、署名パターンを時間軸に対
   する座標情報及び筆圧情報として取り込むことを
   特徴とする手書き文字のオンライン認識方式。 ５ 特許請求の範囲１，２，３，４のいずれかに
   記載の方式において、座標情報と筆圧情報の重み
   付け係数はほぼ７対３から√７対√３に設定され
   ることを特徴とする手書き文字のオンライン認識
   装置。