JPH0563836B2 - - Google Patents

Description

【発明の詳細な説明】

〔発明の利用分野〕 本発明は、文字を手書きする過程の情報を用い
て、逐次認識処理を行なつてゆくオンライン手書
文字認識方式に関するものである。 〔発明の背景〕 従来のオンライン手書文字認識方式は、大きく
分けて、次の４つの方式に分けられる。 第１の方式は、文字を手書きする際の筆点の運
動変化を直交座標成分に分解した１次元波形の組
と考え、この１次元波形を直交関数展開により近
似し、直交関数の係数を用いて文字を認識する方
式である。 第２の方式は、文字を構成する各ストロークを
８方向で方向量子化したベクトルのつながりとし
て近似し、これらの近似された各ストロークをい
くつかの基本ストロークに分類し、基本ストロー
クの組合せから文字を認識する方式である。 第３の方式は、文字を構成する各ストロークを
いくつかの基本ストロークに分類し、かつストロ
ークの端点や交叉点などを用いて文字を記述する
特徴テーブルを作り、入力文字とこの特徴テーブ
ルとの比較により入力文字を認識する方式であ
る。 また、第４の方式は、特公昭57−6151号公報
〓手書き文字のオンライン認識処理方式〓および
特公昭57−19471号公報〓手書き文字のオンライ
ン認識処理方式〓で提案されている方式で、前者
は入力文字の各ストロークの始点座標、終点座
標、該始点と終点との中央位置の中点座標を抽出
して該各点を特徴点とし、後者は、ストロークを
Ｎ等分したＮ＋１個の特徴点で近似し、この等分
数を入力文字のストローク数で変更するもので両
者とも、予め準備された標準文字における上記各
特徴点との距離の総和を決定して、該距離の総和
が最小値となる標準文字を上記入力文字として認
識する方式である。 このような従来のオンライン手書文字認識方式
は、各々以下に述べるような問題点を有してい
る。即ち、第１の方式は、漢字、片仮名などの直
線を主な構成成分とする文字については、直交関
数による近似精度が必ずしも良くなく、また、文
字の位相的な形状をつかめないため認識率の低下
を招いていた。 第２の方式では、入力された文字を構成する各
ストロークを基本ストロークに分類する際に生じ
る基本ストロークの分類誤りのために認識率の低
下を招いている。また、認識対象となる全ての文
字について詳細な記述を要すため、この記述に多
大な手間を要している。 第３の方式では、第２の方式と同様に、基本ス
トロークの分類誤りによる認識率の低下、ならび
に、認識対象とする全ての文字を詳細に記述する
特徴テーブルの作成に多大の手間と多量の記憶容
量とを要する。 第４の方式は、第１〜第３の方式の問題点を改
善するものとして提案された方式であるが、いま
だなお、以下のような問題点がある。 第４の方式は、入力文字の各ストロークをＮ等
分したＮ＋１個の特徴点と予め準備した標準文字
の特徴点との距離の総和によつてパターン間距離
を求めるもので、個々のストロークの形状の差は
パターン間距離に陽に反映されず、各ストローク
の特徴点の位置がパターン間距離に強く反映され
る。 このため、ストロークの特徴点の位置が類似し
た平仮名文字「つ」と「て」や「く」と「し」な
どの文字の場合、両者のパターン間距離の差は顕
著とならず、誤認識となることがしばしば生じ、
認識率の低下を招いている。 また、入力文字のストロークが、入力文字に対
応する標準文字の対応するストロークに対して、
ストロークの形状および長さが全く等しく筆記さ
れても、位置的ずれ（他のストロークに対する相
対的位置バランスのずれ）がある場合このストロ
ーク間距離は大きくなり、ひいてはパターン間距
離も大きくなり誤認識となる。具体的には、平仮
名文字「づ」、「で」や「ぐ」、「じ」などの濁音文
字で、このような誤認識がしばしば生ずる。これ
は、濁点の筆記位置が筆記者によつてバラツクこ
とによるものである。 このような問題点を改善する方法として、前述
の後者の公報において示されているように、入力
文字の各ストロークの特徴点と標準文字の対応す
る特徴点との距離を、標準文字の対応する特徴点
の分散値で正規化する方法があるが、この方法
は、あくまで特徴点の位置のバラツキを吸収する
ものであり、本質的にストロークの形状の差は陽
にパターン間距離に反映されないので、「つ」と
「て」や「く」と「し」などの特徴点の位置が類
似した文字の認識率向上には大きく寄与しない。 また、特徴点間の距離を求めるとき標準文字の
特徴点の分散値で正規化（除算）する処理が必要
で、認識処理量の増加となり、ひいては認識処理
時間の増大となる。さらに、標準文字の特徴点の
座標値以外にその座標値の分散値を記憶しておく
必要がありメモリ容量の増大ひいては、認識装置
の規模の増大となる。 〔発明の目的〕 本発明の目的は、前述の問題点をなくし、スト
ロークを位置の情報、形状および長さの情報を有
する特徴パラメータで近似表現し、比較的少ない
処理量で高い認識率を達成できるオンライン手書
文字認識方式を提供することにある。 〔発明の概要〕 本発明は、上記目的を達成するために、入力文
字の各ストロークをＮ等分したＮ＋１個の特徴点
P₁〜P_N+1を抽出し、該各ストロークの始点に対
応する特徴点P₁の座標、終点に対応する特徴点
P_N+1の座標および特徴点Pnから特徴点P_o+1への
ベクトルΔＰ→ｎ（ｎ＝１〜Ｎ）を該ストロークの
特徴パラメータとして抽出し、予め準備された標
準文字における上記各ストロークの特徴パラメー
タとの距離の総和によりパターン間距離を求め、 該パターン間距離が最小値となる標準文字を該
入力文字として認識することを特徴とするもので
ある。 〔発明実施例〕 第１図は、本発の１実施例の機能ブロツクダイ
ヤグラムを示す。図中の符号１は文字情報入力装
置、いわゆるタブレツト、２は前処理部、３は特
徴パラメータ抽出部、４はパターン間距離計算
部、５は最小距離検出部、６は出力端子、７は標
準パターン（標準文字）メモリ部である。 本発明の原理は次のようなものである。まず、
文字情報入力装置１からの入力文字は、前処理部
２において、入力文字の重心点が原点となるよう
に各筆点の座標変換が行なわれる。これを以下、
位置の正規化と称す。また、各筆点と重心点との
距離の平均値が一定値となるように、文字の大き
さの正規化が行なわれる。 さらに、前処理部２では、入力文字のストロー
ク数を検出する。このストローク数は、文字情報
入力装置１より得られる各筆点のＸ軸、Ｙ軸座標
値および入力ペンが文字情報入力装置１の入力面
に圧着しているか否かのＺ軸情報のうち、Ｚ軸情
報をもとに、例えば圧着（Ｚ＝１）から離脱（Ｚ
＝０）の変化を、１文字分にわたつて計数するこ
とにより得る。このストローク数の情報２０１
は、入力文字に対する候補文字選択情報となる。 この前処理後、特徴パラメータ抽出部３におい
て、入力文字の特徴パラメータが各ストロークに
抽出される。特徴パラメータは、ストロークの線
分長をＮ等分したＮ＋１個の特徴点P₁〜P_N+1よ
り、始点（ストローの書き始めの点）に対応する
特徴点P₁の座標、終点（ストロークの書き終り
の点）に対応する特徴点P_N+1の座標および、特徴
点Pnから特徴点P_o+1へのベクトルΔPn（ｎ＝１〜
Ｎ）の計Ｎ＋２個である。 前者の特徴点P₁，P_N+1の座標がストロークの
位置情報に対し、後者のベクトルΔＰ→ｎがストロ
ークの形状および長さの情報に対応するものであ
る。 入力文字のストローク数をＭとすれば、特徴パ
ラメータ数はストローク当りＮ＋２個なので、１
文字当り（Ｎ＋２）×Ｍ個となる。 パターン間距離計算部４では、前述の入力文字
と、あらかじめ、入力文字と同様に前処理、特徴
パラメータ抽出され標準パターンメモリ部７に記
憶されている標準文字（標準パターン）とについ
て、パターン間距離が計算される。なお、このと
き対象となる標準パターンは、前述したストロー
ク数情報２０１をもとに、入力文字のストローク
数と等しいものである。 よつて、認識カテゴリーをθで表わし、Ｂパタ
ーン間距離をＤ（θ）とすれば、Ｄ（θ）は、 Ｄ（θ）＝_M 〓^m=1 _N+2 〓^m=1 ‖Qm，ｎ−Q〓_n,o‖ (1) で与えられる。 ここに、Q_n,oは入力文字の第ｍ番目のストロー
クの第ｎ番目の特徴パラメータ値、Q〓_n,oは、カテ
ゴリθに属する標準パターンの第ｍ番目のストロ
ークの第ｎ番目の特徴パラメータ値、Ｍは入力文
字および標準パターンのストローク数、Ｎは、ス
トロークの等分数である。 なお、Q_n,o，Q〓_n,oはそれぞれ特徴点の座標ある
いは特徴点間のベクトルを示すもので Q_n+o＝（a_n,o・b_n,o） (2) Q〓_n,o＝（a〓_n,o，b〓_n,o） (3) となる。但し、a_n,o，b_n,oは夫々入力文字の特徴
パラメータのＸ座標成分、Ｙ座標成分であつて、 a_n,1＝第ｍ番目のストロークのP₁のＸ座標 a_n,N+1＝第ｍ番目のストロークのP_N+1のＸ座標 a_n,o＝第ｍ番目のストロークのベクトルΔPnの
Ｘ座標成分（但し、ｎ＝１，２，……，Ｎ） b_n,1＝第ｍ番目のストロークのP₁のＹ座標 b_n,N+1＝第ｍ番目のストロークのP_N+1のＹ座標 b_n,o＝第ｍ番目のストロークのベクトルΔP_oの
Ｙ座標成分（但し、ｎ＝１，２，……，Ｎ） また、a〓_n,o，b〓_n,oは夫々認識カテゴリーθの標
準文字の特徴パラメータのＸ座標成分、Ｙ座標成
分であつて、 a〓_n,1＝第ｍ番目のストロークのP₁のＸ座標 a〓_n,N+1＝第ｍ番目のストロークのP_N+1のＸ座標 a〓_n,o＝第ｍ番目のストロークのベクトルΔP_oの
Ｘ座標成分（但し、ｎ＝１，２，……，Ｎ） b〓_n,1＝第ｍ番目のストロークのP₁のＹ座標 b〓_n,N+1＝第ｍ番目のストロークのP_N+1のＹ座標 b〓_n,o＝第ｍ番目のストロークのベクトルΔP_oの
Ｙ座標成分（但し、ｎ＝１，２，……，Ｎ） である。 よつて、上記式(1)の右辺の‖Ａ−Ｂ‖は、特徴
パラメータＡとＢ間の遠近を表わす量であれば良
く、例えばＡ，Ｂ間のユークリツドノルムあるい
はシテイブロツク距離などが用いられる。 このようにして計算されたパターン間距離Ｄ
（θ）のうちから最小距離検出部５により最小値
が検出され、最小値を示すカテゴリθを入力文字
として認識し、カテゴリθに対応するコードを出
力端子６に出力する。 第２図は、本発明の具体的な１実施例を示す。
１１はタブレツト、１２は入力ペンで、第１図の
文字情報入力装置１に対応する。１３はタブレツ
トインタフエイス部、８１はマイクロプロセツ
サ、８２はランダムアクセスメモリ（以下RAM
と称す）、８３はリードオンリーメモリ（以下
ROMと称す）、６１は、出力インタフエイス部、
６は出力端子である。 マイクロプロセツサ８１は、前述した原理を実
行するもので、実行するためのプログラムは
ROM８３に記憶されている。 第３図は、マイクロプロセツサ８１の大まかな
処理手順を示すものである。以下、この手順に従
い、前処理、特徴パラメータ抽出処理、パターン
間距離計算処理および最小値検出処理について、
説明していく。 入力ペン１２によつてタブレツト上に筆記され
た文字の情報は、文字を筆記する入力ペン１２が
一定距離進むごとに筆点の座標系列｛Xi，Yi｝，
（ｉ＝１，２，３，…ｌ，ｌは文字の総筆点数）
としてタブレツトインタフエイス部１３を介して
マイクロプロセツサ８１に取り込まれる。そし
て、１文字分に対応する各筆点情報が、RAM８
２の所定のエリアに格納される。 その後、この１文字分の各筆点情報に対してま
ず、前処理が行なわれる。前処理は、位置の正規
化および大きさの正規化である。この前処理は、
例えば特公昭57−6151号公報に示されている前処
理方法で行なわれる。その概要は以下の如くであ
る。 まず位置の正規化のために、入力文字の重心が
計算される。重心の計算は、次のように筆点のＸ
座標、Ｙ座標各独立に計算される。即ち、Ｘ座標
の重心，Ｖ座標の重心は、 ＝１／ｌ_l 〓ⁱ⁼¹ Xi (4) ＝１／ｌ _l 〓ⁱ⁼¹ Yi (5) ただし、ｌは文字の総筆点数 として求める。よつて、文字の重心Ｇ＝（，）
が得られる。 次に、各筆点の座標を今求めた重心Ｇを原点と
する座標に座標変換する。これは、各筆点につい
て、Ｘ座標からはを、Ｙ座標からはを減ずる
ことによつて行なう。 次に大きさの正規化のために、入力文字の平均
半径R₀を求める。R₀は、位置の正規化後の各筆
点の原点までの距離Ri（ｉ＝１〜ｌ）の平均値
で、 R₀＝１／ｌ _l 〓ⁱ⁼¹ Ri (6) として求める。そして、各筆点のＸ座標値及びＹ
座標値を各々独立にR₀で除し、一定定数を乗算
することにより大きさの正規化を行なう。 こうして、前処理された入力文字の各筆点は再
びRAM８２の所定エリアに格納される。 この前処理後、特徴パラメータ抽出処理にて各
ストロークの特徴パラメータが抽出される。特徴
パラメータは、前述の原理で説明したように、ス
トロークの線分長をＮ等分したＮ＋１個の特徴点
P₁〜P_N+1より、ストロークの始点に対応する特
徴点P₁の座標、終点に対応する特徴点P_N+1の座
標、および隣接する特徴点P_o+1，Pn間のペクト
ルΔＰ→ｎ，（ｎ＝１〜Ｎ）である。 ここでは、ベクトルΔＰ→ｎとして、隣接特徴点
間の方向と長さを近似的に示す特徴点間の座標の
差分値ΔPn＝P_o+1＋Pn（ｎ＝１〜Ｎ）とした例に
ついて以下説明する。 まず特徴点P₁〜P_N+1の抽出の方法について説
明する。ここで第４図のａに示すように１つのス
トロークをなす筆点系列をO₁〜O_I，（Ｉは筆点
数）とすれば、特徴点P₁はこのストロークの始
点である筆点O₁に、特徴点P_N+1は終点である筆
点O_Iに一義的に決める。そして、特徴点P₂〜P_N
は、このストロークの線分長Ｌをもとに、始点
O₁からの線分長LdがLs＝Ｌ／Ｎに等しいか、越
える筆点O_i2を特徴点P₂とし、筆点O_i2からの線分
長Ldが、同様にLsに等しいか、越える筆点O_i3を
特徴点P₃とし、同様に順次、P₄，…P_Nと決定し
ていく。なお、i2，i3，…iNは、１＜i2＜i3＜…，
＜iN＜Ｉのように、筆記順である。 この特徴点抽出の具体的な処理手順を第５図に
示す。 第５図の１は、特徴点P₁，P_N+1の設定、第５
図の２は、ストローク長Ｌを求めこれをＮ等分し
た線分長Lsを求める処理、第５図の３はこのLs
をもとに、特徴点P₂〜P_Nを設定する処理である。
なお、第５図の２２および３２におけるｄ（O_i+1，
O_i）は筆点O_i+1と筆点Oiとの距離を示すものであ
り、距離は、両点間のユークリツドノルムあるい
はシテイブロツク距離として求める。 第５図の１，２の処理後、第５図の３１で初期
設定後、第５図の３２で筆点O₁からの線分長Ld
を求め、第５図の３３で、LdがLsに等しいか大
きいかを判定し、結果が否定的(N)な場合、第５図
３４でｉをインクリメントして順次累積線分長を
求めていく。第５図３３の結果が肯定的な場合こ
のときのｉ＋１の値をi₂とすれば、第５図３５
で、筆点Qi⁺ ₁つまりQ_i2を、特徴点P₂とする。そ
して、第５図３７でLdを０にし、ｎをインクリ
メントし、さらに、第５図３４でｉをインクリメ
ントし、再び筆点Q_i2からの線分長を求めていく。
このようにして、順次特徴点P₂，P₃…，P_Nまで
設定していく。第４図３６の判定は、特徴点P_N
まで設定したか否かの判定で、この判定結果が肯
定的となつた時点で、この特徴点抽出手順を完了
する。 この結果、第４図のａに示したストロークに対
して、ストロークの等分数Ｎを５とすれば、第４
図ｂのように特徴点P₁〜P₆が得られる。 このようにして得られたストロークの特徴点よ
り、次のようにして特徴パラメータを設定する。
特徴点Pnの座標値を（X_o，y_o），（ｎは１〜Ｎ＋
１）とすれば、第１の特徴パラメータQ₁はスト
ロークの始点に対応する特徴点P₁の座標第２の
特徴パラメータQ₂は、ストロークの終点に対応
する特徴点P_N+1の座標とする。第（２＋ｑ）の特
徴パラメータQ_2+q，（ｑは１〜Ｎ）は、隣接する
特徴点P_q+1とP_qの座標の差分ΔPqとする。 特徴点Ｐと特徴パラメータＱとの関係を表１に
示す。

【表】

Claims (1)

1. 【特許請求の範囲】 １ 文字筆記器により文字を書きながら入力し、
   該入力された文字のストロークを追跡しつつ該入
   力文字を認識するオンライン手書文字認識方式に
   おいて、 該入力文字の各ストロークをＮ等分したＮ＋１
   個の特徴点P₁〜P_N+1を抽出し、 該各ストローク毎に、その始点に対応する特徴
   点P₁の座標、終点に対応する特徴点P_N+1の座標
   及び特徴点P_oから特徴点P_o+1へのベクトルΔP_o
   （但し、ｎ＝１〜Ｎ）を該ストロークの特徴パラ
   メータとして抽出し、 予め準備された各標準文字の夫々のストローク
   毎に、その始点に対応する特徴点₁の座標、終
   点に対応する特徴点_N+1の座標及び特徴点_oか
   ら特徴点_o+1へのベクトルΔ_oを該ストローク
   の特徴パラメータとして設定されており、 該入力文字と該標準文字との対応するストロー
   クの特徴パラメータの距離の総和により、該入力
   文字と該標準文字とのパターン間距離を求め、 該パターン間距離が最小値となる標準文字を該
   入力文字として認識することを特徴とするオンラ
   イン手書文字認識方式。 ２ 前記パターン間距離は、前記入力文字の前記
   特徴点と前記入力文字の重心点との距離を正規化
   した値、並びに、前記標準文字の前記特徴点と前
   記標準文字の重心点との距離を正規化した値にも
   とづいて得られた前記特徴パラメータをもとに決
   定されることを特徴とする特許請求の範囲第１項
   記載のオンライン手書文字認識方式。 ３ 前記入力文字のストロークの前記特徴パラメ
   ータP₁，P_N+1，ΔP₁，ΔP₂，……，ΔP_Nを、 P₁＝（x₁，y₁） P_N+1＝（X_N+1，y_N+1） ΔP_o＝（X_o+1−X_o，y_o+1−y_o） ＝（ΔX_o，Δy_o） として、前記入力文字のストロークに対応する前
   記標準文字のストロークの特徴パラメータ₁，
   Ｐ_N+1，Δ₁，Δ₂，……，Δ_Nを、 ₁＝（₁，₁） _N+1＝（_N+1，_N+1） Δ_o＝（Δ_o，Δ_o） とし、 前記入力文字のストロークとこれに対応する前
   記標準文字のストロークとのストローク間距離
   dSを、 dS＝｜X₁−₁｜＋｜＋｜y₁−₁｜ ＋｜X_N+1−_N+1｜＋｜y_N+1−_N+1｜ ＋_N 〓ⁿ⁼¹ ｛｜ΔX_o−Δ_o｜＋｜＋｜Δy_o−Δ_o｜｝ あるいは、 dS＝（X₁−₁）²＋（y₁−₁）² ＋（X_N+1−_N+1）²＋（y_N+1−_N+1）² ＋_N 〓ⁿ⁼¹ ｛（ΔX_o−Δ_o）²＋（Δy_o−Δ_o）²｝ あるいは、 dS＝√（₁−₁）²＋（₁−₁）² ＋＝√（_N+1−_N+1）²＋（_N+1−_N+1）² ＋_N 〓ⁿ⁼¹ √（_o−_o）²＋（_o−_o）² として求め、１文字分にわたり、該ストローク間
   距離を総和した値をパターン間距離として求める
   ことを特徴とする特許請求の範囲第１項または第
   ２項記載のオンライン手書文字認識方式。 ４ 入力文字のストローク数に応じて、ストロー
   クの特徴点数Ｎ＋１、つまりストローク数の等分
   数Ｎを変更することを特徴とする特許請求の範囲
   第１項、第２項または第３項記載のオンライン手
   書文字認識方式。