JPH06325212A - 手書き文字認識方法および装置 - Google Patents

Abstract

(57)【要約】 【目的】 手書き文字認識方法および装置を提供する。 【構成】 文字入力手段１８を使用して文字が入力され
適切な手段１６によりデジタル化される。デジタル化さ
れた文字は例えばメモリに記憶される。文字の位相ベク
トル特徴を表わすコードが文字から抽出され、文字の位
相およびベクトル特徴がメモリに記憶された基準位相お
よびベクトル特徴と比較される。１組の基準文字の各々
が特定の手書き文字に対応する。次に論理過程を実施し
てどの組の基準特徴がデジタル化された文字の位相特徴
に最も良く対応するかが決定され手書き文字が識別され
る。さまざまな種類の手書き文字に対して位相効果とベ
クトル効果の相対重み付けを変えるとより正確な認識が
可能となる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は文字認識方法および装置
に関し、特に文字、数字および日本語文字、音楽記号、
略図等の他の記号の認識に関する。

【０００２】

【従来の技術】例えばコンピュータのキーボードレス入
力方式では、システムのユーザは入出力画面上でペン状
スタイラスにより命令やデータを入力することができ
る。このような画面の一例は感触モニターである。入力
命令やデータは手書き文字、数字、もしくは任意他の形
式の手書き文字とすることができる。この種のシステム
ではコンピュータがユーザから与えられる入力を“理解
し”入力文字を認識かつ読み取ることが重要である。

【０００３】入力文字を認識して読み取ることのできる
システムがいくつか知られている。その一つが米国特許
第４，９７２，４９６号に開示されている。この発明に
はスタイラスが画面に接触する位置に対応する位置情報
（すなわち、文字の位置情報）を発生しかつ入力をユー
ザに表示する透明画面を含むシステムが開示されてい
る。このシステムには位置情報をスタイラスによる“ス
トローク”へコンパイルするようにプログラムされてい
るコンピュータも含まれている。ストロークを分析して
各ストロークの開始点、各ストロークの終止点、ストロ
ークの勾配、ストローク中心、勾配の変化率、および文
字が２つ以上のストロークからなる場合に第１、第２ス
トローク等のいずれであるかが識別される。ストローク
だけが分析されると特定ユーザに特有の個有データベー
スへアクセスして分析すべき文字に最も良く対応する文
字が識別される。

【０００４】詳細なストローク分析を実施しなければな
らないためストローク分析専用ハードウェアを使用して
このシステムを実現すると比較的複雑になる。さらに、
各ユーザの個有データベースに依存することになる。こ
れは多くのユーザが所与のシステムを使用する場合に多
重のメモリが浪費されることを意味する。個有データベ
ースが構築されていない場合には、システムの認識度は
許容できないレベルへ低下することがある。このシステ
ムはストローク分析だけに依存するため、いかなるユー
ザも従来の所定の方法で文字を書くことが重要となる。
ユーザが従来の所定の方法とはストロークの異なる筆法
を採用すると認識は著しく妨げられる。たとえフリース
タイル文字が従来の文字に非常に類似して見えても、ス
トローク分析では書かれた文字とは異なる文字が表示さ
れるため正確な認識が行われないことがある。

【０００５】

【発明が解決しようとする課題】本発明の一つの目的は
公知のシステムの少くともいくつかの欠点を克服する文
字認識システムを提供することである。

【０００６】本発明のもう一つの目的は個有データベー
スが利用されない場合でも認識率が改善される簡単な文
字認識システムを提供することである。

【０００７】

【課題を解決するための手段】本発明の一つの特徴によ
り手書き文字認識方法が提供され、それは文字入力手段
により文字を入力し、文字をデジタル化し、デジタル化
された文字を記憶し、前記文字の位相（トポロジカル）
特徴およびベクトル特徴を抽出し、文字の位相およびベ
クトル特徴を各々が特定文字に対応する１組のメモリに
記憶された基準位相およびベクトル特徴と比較し、論理
処理を行ってどの組の基準特徴がデジタル化された文字
の位相およびベクトル特徴に最も良く対応するかを決定
して手書き文字を認識する、ステップからなっている。

【０００８】本発明のシステムは時間のかかる複雑な文
字分析を必要とせずしかもユーザのあらゆる文字入力の
およそ９８％以上の認識が行われるという利点を有して
いる。

【０００９】

【実施例】図１に一般的に番号１０で文字認識システム
を示す。本システムはモニター１４付きのマイクロコン
ピュータ１２を具備している。コンピュータは例えばＬ
ＣＤグラフィックデジタイザ１６等の感触画面に接続さ
れている。モニターを感触モニターに置換して独立した
感触画面を省くこともできる。感触画面上でペン状スタ
イラス１８を使用して命令、データ等をコンピュータへ
入力することができる。ユーザは画面上へ直接コマンド
を書き込むことができる。コマンドを最も正確に認識す
るためには、好ましくは一般的に番号２０で示す枠内に
文字を記入しなければならない。ユーザが情報を入力す
るのに使用する感触画面メニューを図２に示す。利用可
能な主なオプションをブロック２２に示し適切なボック
ス２４ａ〜ｆにスタイラスを接触させて活性化させるこ
とができる。

【００１０】枠２０の詳細を図３に示す。それは上枠２
６、中枠２８および下枠３０からなっている。各文字は
１列３２内に記入しなければならない。文字の位置はそ
の文字の認識を助けるのに使用される。例えばａ，ｃ，
ｅ，ｍ，ｎ，ｏ，ｒ，ｓ，ｕ，ｖ，ｗ，ｘ，ｚ等の“短
い”小文字は中枠内に記入し、好ましくは他の枠内へ伸
びることのないサイズでなければならない。ｂ，ｄ，
ｆ，ｈ，ｉ，ｋ，ｌ，ｔ等の高い小文字は小さい小文字
よりも垂直サイズを大きくして上枠および中枠内に記入
しなければならない。ｇ，ｊ，ｐ，ｑ，ｙ等の“テー
ル”付小文字は好ましくはテールが下枠内へ伸びるよう
に記入しなければならない。大文字および数字は任意所
与の列３２の上枠および中枠内に記入しなければならな
い。例えば句読点等の他の文字はアルファニューメリッ
ク文字に関して正常な位置に記入しなければならない。
句読点の認識についてはここでは検討しないが我々の特
許出願（ＴＩ−１７４８０）に記載されている。

【００１１】前記した枠制約に固執すれば本システムに
より例えば“ｃ”と“Ｃ”の違いを認識することができ
る。オペレータは枠サイズを設定するか標準枠を使用す
ることができる。さらに、同じ字形でサイズの異なる記
号のない日本語文字等の文字体系に対しては、枠制約は
必要ではなくユーザは枠制約なしでボックスに文字を記
入することができる。幾何学的記号や図面の認識に本シ
ステムを使用する場合にも同じことが言える。枠制約に
よりどのように認識を支援するかについて以下詳細説明
を行う。

【００１２】ＬＣＤグラフィックデジタイザ１６上で手
書きデータが入力されると、デジタイザの出力はコンピ
ュータ内の線素（ストローク）フォーマットファイル
（ＳＴＫファイル）と呼ばれるものへダウンロードされ
る。このようなフォーマットでは各々がペンダウンおよ
びペンアップ状態間の一連の座標からなる一連の線素に
より文字が記述される。図４は文字Ａの２進形式線素フ
ァイルの内容のＡＳＣＩＩフォーマット変換を示す。デ
ジタイザの出力は次に“前処理”されその後で文字認識
が実施される。この前処理は文字校正、センタリング、
デジタルノイズ濾波、およびデジタル情報を例えば１６
×１６マトリクスの所与サイズの画素マトリクスに適合
させることからなっている。

【００１３】前処理を行った後で文字の認識過程が行わ
れ、それは次の３つの基本ステップからなっている。入
力手書き文字の位相特性（特徴）の抽出、文字ベクトル
コードの決定、メモリに記憶された１組の基準文字との
“ファジー”比較による認識。

【００１４】手書き認識は書かれた各個別文字に対して
実施される。これによりユーザの筆法に従って文字を書
く自由が完全に許される、すなわちストロークの特殊な
シーケンスとして文字を入力する必要がない。これによ
りペンの移動方向を変えることができるようになり始め
に文字を書き込んだ後で修正を行うことができる。認識
は主として記号の光学的特性に基づいて行われる。
“Ｓ”と“５”のような文字の光学的特徴によるあいま
いさを解決するために各文字のベクトルコードが決定さ
れる。このベクトルコード決定について以下詳細説明を
行う。前記したように、同じ字形の大文字と小文字（例
えば‘ｃ’と‘Ｃ’）の認識はユーザのフィールドすな
わち枠内への記入により改善される。

【００１５】この特定システムは標準コンピュータキー
ボードで通常見られるコードおよび文字に対して最適化
される。しかしながら、本システムは全アルファベッ
ト、日本語文字、幾何学記号、および略図に対しても最
適化されている。さらに、原理は他の全ての文字体系に
対して有効である。本システムはライター依存モードで
使用することができ、認識率が高くなる。しかしなが
ら、システム訓練を行わないライター無依存システムと
して使用すると非常に良好な認識が可能となる。ユーザ
はユーザフレンドリー文字モードにより自分自身の基準
文字セットを入力することができる。一度適切な訓練を
行うと、システムはいかなる手書きスタイルでも受け入
れることができる。例えば、あるユーザは所与のアルフ
ァベット文字に対して多数の文字スタイルを認識した
り、所与の文字に対して自分の特殊な筆法を認識するよ
うにシステムを訓練することができる。また、標準文字
セットによりシステムを“非訓練モード”で使用するこ
ともできる。

【００１６】前処理により前記ＳＴＫフォーマットは最
初に正規化された１６×１６マトリクスのパターン（Ｐ
ＴＮ）フォーマットへ変換される。このＰＴＮフォーマ
ットを図５に示す。文字前処理の残りは次のように実施
される。

【００１７】デジタイザが定速で点を変換すると点補間
／平滑化が行われ、２つの連続する点間の距離はペン速
度に比例する。書込速度が低いと、いくつかの点が互い
に非常に接近してデジタル化ノイズを生じることがあ
る。また、書込速度が比較的速いと、点は互いに相当間
隔がとられてストロールに裂け目を残すことがある。こ
の欠点を克服するために、補間／平滑化ルーチンを使用
して点が離れすぎている場合には補間された点を付加し
互いに近すぎる点は取り除かれる。

【００１８】文字境界を評価して正規化された１６×１
６マトリクスに適合するように点が校正される。Ｘおよ
びＹ成分をさまざまな校正係数により校正してマトリク
スが完全に埋められる。Ｘサイズ／ＹサイズもしくはＹ
サイズ／Ｘサイズのいずれかの比が所与の閾値（代表的
には４）よりも大きければ、文字の大きい方の成分（Ｘ
もしくはＹ）だけが校正される。これは“Ｉ”や“−”
等の細い文字が不適切に拡大されるのを回避するためで
ある。

【００１９】１６×１６マトリクスの各々に属する点の
数をカウントして平均値を計算する文字マッピング。
（平均値のおよそ１／８である）閾値はマトリクスの所
与の画素を黒（１）とすべきか白（０）とすべきかを定
めるのに使用される。所与の画素内の点の数が閾値より
も大きければ、対応するビットは１に設定されさもなく
ば０に設定される。（文字が基準セットのメンバーであ
る場合しか利用できない）文字識別子を指定するための
付加データも文字マトリクスに加えられ、このようなデ
ータとして文字のストローク数および枠位置が含まれ
る。後記するように、この情報は認識過程中に使用され
る。枠位置は３つの書込枠の各々にスコア、すなわち上
枠２６には１、中枠２８には２、下枠３０には４、を割
り当てて符号化される。例えば、文字‘ｇ’は通常中枠
および下枠内に書き込まれるため、その枠数は２＋４＝
６となる。書込フィールド上の文字位置を調べることに
より枠数が評価される。ユーザによる小さなフレーミン
グエラーを無視するために、上下フィールドの活性領域
は実際上枠線により表示されるものよりも幾分小さい。
これは中枠および上枠間の実際の境界は図示されたもの
よりも幾分高く、中枠および下枠間の境界は図示された
ものよりも幾分低いことを意味する。この変位量はユー
ザが調整することができる。

【００２０】文字前処理段の結果としてパターンフォー
マットの１６×１６マトリクスが得られ、マトリクスの
各エレメントは文字イメージの画素である。図５に示す
ように、所与のエレメントに許される値は０（白画素）
および１（黒画素）である。マトリクスの頂部には見出
しデータ行があり、次の情報を含んでいる。 ａ）文字識別子（文字が基準セットのメンバーである場
合しか利用できない） ｂ）ストローク数 ｃ）枠位置決め 見出しデータ行には文字ベクトルコードを含むこともで
きる。

【００２１】認識過程の最初のステップはオリジナル１
６×１６マトリクスおよびＳＴＫ文字フォーマットから
文字の位相および動的（ベクトル）記述すなわちコード
を抽出することである。次に入力文字コードをユーザが
学習フェーズ中に収集したかもしくはメモリ内の標準セ
ットから収集した基準文字のコードと比較することによ
り認識が行われる。基本的にコードには４種の情報が含
まれる。 ｉ） 特徴抽出コード ｉｉ） 交差コード ｉｉｉ）枠位置、ストローク数および文字識別子（後者
は文字が基準セットのメンバーである場合しか利用でき
ない） ｉｖ） 文字ベクトルコード

【００２２】特徴抽出は認識アルゴリズムのキーステッ
プである。文字の位相が忠実に記述されて非常に正確な
認識が行われる。この操作は“位相特徴集合”を使用し
て行われる。それは図６〜図１０に示し基本的な幾何学
的構造を表わす９９の１６×１６マトリクスからなって
いる。これらのマトリクスはさまざまな人々からのいく
つかの文字セットを使用して複雑な最適化作業を行って
得られた。

【００２３】特徴抽出過程は基本的には文字を第ｉ番
（ｉ＝１，----，９９）特徴マトリクスに重畳させ次に
共通する黒画素数をカウントすることからなっている。
この操作はビットワイズＡＮＤ関数により容易に実現で
きる。次にカウント結果Ｘが閾値Ｔ１，Ｔ２，Ｔ３と比
較される。 Ｘ＜＝Ｔ１ ならば 第ｉ番 特徴の応答ｆｉを０に設
定する Ｔ１＜×＜＝Ｔ２ ならば 第ｉ番 特徴の応答ｆｉを
１に設定する Ｔ２＜×＜＝Ｔ３ ならば 第ｉ番 特徴の応答ｆｉを
２に設定する ×＞＝Ｔ３ ならば 第ｉ番 特徴の応答ｆｉを３に設
定する

【００２４】この過程を図１１に示す。したがって、前
記操作の結果は所与の文字に設定された特徴の応答を表
わす特徴抽出コードと呼ばれる９９個の一連の整数値と
なる。Ｔ１，Ｔ２，Ｔ３はシステムのシミュレーション
から選択され代表的にはＴ１＝２，Ｔ２＝３，Ｔ３＝６
に設定される。

【００２５】交差コードには文字位相の付加情報が含ま
れている。それは各々がマトリクスの１６本の水平線お
よび１６本の垂直線と文字との交差数である３２の整数
値Ｎｉ（ｉ＝１，--- ３２）からなっている。この操作
の一例を図８に示す。

【００２６】文字コードの次のフィールドには枠位置、
文字の線素数、および文字が学習セットのメンバーであ
る場合にユーザから与えられるその識別子が含まれる。

【００２７】最終フィールドは文字ベクトルコード情報
である。これには次のベクトルパラメータが含まれる。 ｉ） Ｎｄ，Ｎｄ＋１がＳＴＫ文字フォーマットの点数
となる、 ｉｉ） ＤＩＮ，ＳＴＫ文字フォーマット内の各点の前
の点に対する位置を記述する一連のＮｄ４ビット値、 ｉｉｉ）ＡＰＰＸ，ＳＴＫ文字フォーマットの最初、中
央および最後の点のＸ座標に対するＳＴＫ文字フォーマ
ットの各点のＸ座標の位置を記述する一連のＮｄ３ビッ
ト値、 ｉｖ） ＡＰＰＹ，ＳＴＫ文字フォーマットの最初、中
央および最後の点のＹ座標に対するＳＴＫ文字フォーマ
ットの各点のＹ座標の位置を記述する一連のＮｄ３ビッ
ト値、 ｖ） ＲＥＬ，文字極値（最大および最小）点の相対位
置を表わす一連の１２の２ビット値。

【００２８】ＳＴＫフォーマット内の各点の前の点に対
する位置を記述するＤＩＮパラメータは次のようにして
決定される。

【００２９】ＳＴＫフォーマット内の所与の点の座標を
（Ｘ１，Ｙ１）、それに続く点の座標を（Ｘ２，Ｙ
２）、以下同様と仮定する。ＳＴＫ点シーケンス内のペ
ンアップおよびペンダウン座標は無視され、したがって
２点が異なるストロークに属する場合にも次の方法を適
用することができる。２点の相対位置は次のフローを使
用して表わすことができる。

【数１】

【００３０】各文字に対するＤＩＮ値の数はＮｄ（点数
−１）である。ＤＩＮ値は１と１０の範囲であるため、
その各々を表わすのに４ビットが必要である。

【００３１】例えば、文字が次の５点により形成される
場合、 １：（３，６） ２：（３，８） ３：（４，７） ４：（３，７） ５：（３，８）

【数２】 となる。

【００３２】ＡＰＰＸおよびＡＰＰＹパラメータはＳＴ
Ｋ文字フォーマット内の各点の最初、中央および最後の
点に対する位置を表わす。前記したように、ペンアップ
およびペンダウン座標は考慮されない。 （Ｘ，Ｙ）を現在の点の座標、（Ｘｏ，Ｙｏ）を最初の
点の座標、（Ｘｃ，Ｙｃ）を中央点の座標、（Ｘｎ，Ｙ
ｎ）を最後の点の座標、とすると、ＡＰＰＸおよびＡＰ
ＰＹ値は次のようになる。

【数３】

【００３３】ＤＩＮパラメータに関しては、各文字に対
するＡＰＰＸおよびＡＰＰＹ値の数はＮｄである。値が
あり得る範囲は１〜８でありかつＡＰＰＸ／ＡＰＰＹコ
ードを記憶するのに３ビット値が必要であるため２^* ３
^* Ｎｄビットが必要となる。例えば、前例における文字
に対するＡＰＰコードは次のようになり、

【数４】

【００３４】文字の極値点の相対位置を表わすＲＥＬパ
ラメータは次のように評価される、ＸｍａｘをＳＴＫ文
字フォーマット内のＸ座標の最大値、ＹｍａｘをＳＴＫ
文字フォーマット内のＹ座標の最大値、ＸｍｉｎをＳＴ
Ｋ文字フォーマットのＸ座標の最小値、ＹｍｉｎをＳＴ
Ｋ文字フォーマットのＹ座標の最小値、かつ、Ｙ（Ｘｍ
ａｘ）はＸｍａｘが属する点のｙ座標、Ｘ（Ｙｍａｘ）
はＹｍａｘが属する点のｘ座標、Ｙ（Ｘｍｉｎ）はＸｍ
ｉｎが属する点のｙ座標、Ｘ（Ｙｍｉｎ）はＹｍｉｎが
属する点のｘ座標とする。

【００３５】ユーザが書き込む時間の順序で４つの極値
点を考慮しそれらの座標値を比較する。比較結果は差が
正であれば｀＋´を設定し、負であれば｀−´、０であ
れば｀＝´を設定する。

【００３６】例えば、我々の例について考えると、

【数５】 Ｘｍａｘ＝４ Ｙｍａｘ＝８ Ｘｍｉｎ＝３ Ｙｍｉｎ＝６ となり、時間順シーケンスは次のようになる。

【数６】 １． （Ｘｍｉｎ、Ｙ（Ｘｍｉｎ））＝（３，６） ２． （Ｘ（Ｙｍｉｎ），Ｙｍｉｎ）＝（３，６） ３． （Ｘ（Ｙｍａｘ），Ｙｍａｘ）＝（３，８） ４． （Ｘｍａｘ，Ｙ（Ｘｍａｘ））＝（４，７） 第１の点を第２の点と比較すると： ＝＝ 第１の点を第３の点と比較すると： ＝_- 第１の点を第４の点と比較すると： _-- 第２の点を第３の点と比較すると： ＝_- 第２の点を第４の点と比較すると： _-- 第３の点を第４の点と比較すると： _-- となる。したがって、特定文字に関連するＲＥＬは次の
ようになる。

【数７】

【００３７】ＲＥＬコードの各記号は３つの異なる値を
とることができるため、その各々を記憶するのに４ビッ
トを必要とする。したがって、各文字のＲＥＬコードは
２^*１２＝２４ビットを必要とする。

【００３８】前記したようにＮｄ値だけでなくＤＩＮ、
ＡＰＰＸ／ＡＰＰＹおよびＲＥＬコードが幾何学的（す
なわちトポロジカル）文字コードへ加えられる。したが
って、更新された文字コードには次の情報が含まれる。 １． 特徴抽出コード ２． 交差コード ３． 枠位置、線素数および文字識別子（後者は文字が
基準セットのメンバーである場合しか利用できない） ４． Ｎｄ数 ５． ＤＩＮコード ６． ＡＰＰＸ／ＡＰＰＹコード ７． ＲＥＬコード

【００３９】したがって、符号化過程の後で所与の文字
は一連の整数すなわち、特徴抽出からの９９、交差から
の３２、線素数に対する１、枠位置に対する１、Ｎｄに
対する１、ＤＩＮに対するＮｄ、ＡＰＰＸ／ＡＰＰＹに
対する２Ｎｄ、およびＲＥＬに対する１２により表わさ
れる。

【００４０】未知の入力文字のコードを同じ枠数を有す
る基準セット内の符号化された文字と値ごとに比較する
ことにより認識が実施される。入力文字とは枠数が異な
る文字は比較を行う間無視される。これには２つの重要
な利点がある。第１に、字形が同じでサイズの異なる文
字を認識することができる。第２に比較数が少いため認
識過程が比較的高速になる。その結果点数Ｓｊは次のよ
うになり、

【数８】Ｓｊ＝Ｗｏ^* Ｓｏｊ−Ｓｄｊ 未知の入力文字と等式内の文字データベース内の第ｉ番
目の文字との比較に割り付けられる。等式においてＷｏ
は光学的およびベクトル情報の相対重要度を記述する重
み係数であり、Ｓｏｊはいわゆる光学的すなわち位相ス
コアであり、Ｓｄｊはいわゆる動的スコアである。

【００４１】第ｉ番目の比較（ｉ＝１，．．．，Ｎｃａ
ｒ）に割り付けられる“光学的”スコアＳｏｊは次式で
与えられ、

【数９】 ここに、 Ｓ ＝入力文字の線素数 Ｓｔｊ＝第ｉ番基準文字の線素数 ｆｉ ＝入力文字に対する第ｉ番特徴の応答 ｆｉｊ＝第ｊ番基準文字に対する第ｉ番特徴の応答 Ｎｉ ＝第ｉ番目の線の入力文字との交差数 Ｎｉｊ＝第ｉ番目の線の第ｊ番基準文字との交差数 ＳＷ ＝ストローク重み ＩＷ ＝交差重み

【００４２】このスコアは各Ｎｃａｒ基準文字に対して
評価される。

【００４３】文字スコアの動的項であるＳｄｊは異なる
３項の和として表現することができる。

【数１０】 ここに、ＡｊはＡＰＰ／ＤＩＮスコアであり、ＲｊはＲ
ＥＬスコアであり、ＷｐおよびＷｒは重み係数である。

【００４４】シミュレーション結果から重み係数Ｗｒお
よびＷｐの最善の値はそれぞれ８および４であることが
判っている。

【００４５】ＡｊスコアはＤＩＮおよびＡＰＰＸ／ＡＰ
ＰＹコードの比較により評価される。ＤＩＮ、ＡＰＰ
Ｘ、ＡＰＰＹおよびＮｄパラメータを入力文字に関連す
るものとしＤＩＮｊ、ＡＰＰＸｊ、ＡＰＰＹｊおよびＮ
ｄｊを基準セット内の第ｊ番文字に関連するものとす
る。

【００４６】ＤＩＮ、ＡＰＰＸ、ＡＰＰＹはＮｄエレメ
ントにより構成されＤＩＮｊ、ＡＰＰＸｊ、ＡＰＰＹｊ
およびＮｄｊはＮｄｊエレメントにより構成される。一
般的にＮｄＮｄｊでありかつ手書きの変動性が高いた
め、ＤＩＮおよびＡＰＰＸ／ＡＰＰＹ値をそのまま比較
するだけでは充分ではなく、多数の比較を必要とし、そ
の各々を２連の値の一方を他方に対してシフトした後で
実施しなければならない。シミュレーションの結果７つ
の異なる相対シフトを考えた場合最善の認識率が得られ
ることが判った。例えば、

【数１１】 であれば、考慮すべき７つのシフトは次のようになる。 １． ＤＩＮ ｛１，３，２，７，５，９，５，８，４，３｝ ＤＩＮｊ ｛３，４，３，３，２，７，６｝ ＡＰＰＸ ｛４，４，６，５，３，７，６，６，４，５｝ ＡＰＰＸｊ｛４，６，７，４，４，５，５｝ ＡＰＰＹ ｛４，４，６，５，３，７，６，６，６，７｝ ＡＰＰＹｊ｛２，５，６，３，４，７，６｝ ２． ＤＩＮ ｛１，３，２，７，５，９，５，８，４，３｝ ＤＩＮｊ ｛３，４，３，３，２，７，６｝ ＡＰＰＸ ｛４，４，６，５，３，７，６，６，４，５｝ ＡＰＰＸｊ ｛４，６，７，４，４，５，５｝ ＡＰＰＹ ｛４，４，６，５，３，７，６，６，６，７｝ ＡＰＰＹｊ ｛２，５，６，３，４，７，６｝ ３． ＤＩＮ ｛１，３，２，７，５，９，５，８，４，３｝ ＤＩＮｊ ｛３，４，３，３，２，７，６｝ ＡＰＰＸ ｛４，４，６，５，３，７，６，６，４，５｝ ＡＰＰＸｊ ｛４，６，７，４，４，５，５｝ ＡＰＰＹ ｛４，４，６，５，３，７，６，６，６，７｝ ＡＰＰＹｊ ｛２，５，６，３，４，７，６｝ ４． ＤＩＮ ｛１，３，２，７，５，９，５，８，４，３｝ ＤＩＮｊ ｛３，４，３，３，２，７，６｝ ＡＰＰＸ ｛４，４，６，５，３，７，６，６，４，５｝ ＡＰＰＸｊ ｛４，６，７，４，４，５，５｝ ＡＰＰＹ ｛４，４，６，５，３，７，６，６，６，７｝ ＡＰＰＹｊ ｛２，５，６，３，４，７，６｝ ５． ＤＩＮ ｛１，３，２，７，５，９，５，８，４，３｝ ＤＩＮｊ ｛３，４，３，３，２，７，６｝ ＡＰＰＸ ｛４，４，６，５，３，７，６，６，４，５｝ ＡＰＰＸｊ｛４，６，７，４，４，５，５｝ ＡＰＰＹ ｛４，４，６，５，３，７，６，６，６，７｝ ＡＰＰＹｊ｛２，５，６，３，４，７，６｝ ６． ＤＩＮ ｛１，３，２，７，５，９，５，８，４，３｝ ＤＩＮｊ ｛３，４，３，３，２，７，６｝ ＡＰＰＸ ｛４，４，６，５，３，７，６，６，４，５｝ ＡＰＰＸｊ｛４，６，７，４，４，５，５｝ ＡＰＰＹ ｛４，４，６，５，３，７，６，６，６，７｝ ＡＰＰＹｊ｛２，５，６，３，４，７，６｝ ７． ＤＩＮ ｛１，３，２，７，５，９，５，８，４，３ ｝ ＤＩＮｊ ｛３，４，３，３，２，７，６｝ ＡＰＰＸ ｛４，４，６，５，３，７，６，６，４，５ ｝ ＡＰＰＸｊ｛４，６，７，４，４，５，５｝ ＡＰＰＹ ｛４，４，６，５，３，７，６，６，６，７ ｝ ＡＰＰＹｊ｛２，５，６，３，４，７，６｝

【００４７】前記した７つのケースの各々に対して次の
ように比較が行われる。一連のＡＰＰＸの第ｉ番エレメ
ントであるＡＰＰＸ〔ｉ〕がＡＰＰＸｊ〔ｉ〕と比較さ
れＡＰＰＹ〔ｉ〕がＡＰＰＹｊ〔ｉ〕と比較される。こ
れらのエレメントのいずれかが利用できない場合には比
較は行われない。次に、３つの異なるケースが生じる。

【数１２】 ａ） ＡＰＰＸ[i] ＝ＡＰＰＸｊ[i] ＡＰＰＹ[i] ＝ＡＰＰＹｊ[i]

【００４８】この場合比較結果Ｃｉｊｋ（ｋ＝
１，．．．７）はマトリクスの（ＤＩＮ〔ｉ〕，ＤＩＮ
ｊ〔ｉ〕）位置のエレメントにより与えられる。 （０，０，０，０，０，０，０，０，０，０，０） （０，２，１，０，１，０，０，０，０，０，０） （０，１，２，１，０，１，０，０，０，０，０） （０，０，１，２，０，０，１，０，０，０，０） （０，１，０，０，２，１，０，１，０，０，０） （０，０，１，０，１，２，１，０，０，１，０） （０，０，０，１，０，１，２，０，０，０，１） （０，０，０，０，１，０，０，２，０，１，０） （０，０，０，０，０，０，０，０，２，０，０） （０，０，０，０，０，１，０，１，０，２，１） （０，０，０，０，０，０，１，０，０，１，２）

【数１３】 ｂ） ＡＰＰＸ[i] ＡＰＰＸｊ[i] ＡＰＰＹ[i] ＝ＡＰＰＹｊ[i]

【００４９】この場合比較結果Ｃｉｊｋはマトリクスの
（ＤＩＮ〔ｉ〕，ＤＩＮｊ〔ｉ〕）位置のエレメントに
より与えられる。 （０，０，０，０，０，０，０，０，０，０，０） （０，１，０，０，１，０，０，０，０，０，０） （０，０，１，０，０，１，０，０，０，０，０） （０，０，０，１，０，０，１，０，０，０，０） （０，１，０，０，１，０，０，１，０，０，０） （０，０，１，０，０，１，０，０，０，１，０） （０，０，０，１，０，０，１，０，０，０，１） （０，０，０，０，１，０，０，１，０，０，０） （０，０，０，０，０，０，０，０，１，０，０） （０，０，０，０，０，１，０，０，０，１，０） （０，０，０，０，０，０，１，０，０，０，１）

【数１４】 ｃ） ＡＰＰＸ[i] ＝ＡＰＰＸｊ[i] ＡＰＰＹ[i] ＡＰＰＹｊ[i]

【００５０】この場合比較結果Ｃｉｊｋはマトリクスの
（ＤＩＮ〔ｉ〕，ＤＩＮｊ〔ｉ〕）位置のエレメントに
より与えられる。 （０，０，０，０，０，０，０，０，０，０，０） （０，１，１，０，０，０，０，０，０，０，０） （０，１，１，１，０，０，０，０，０，０，０） （０，０，１，１，０，０，０，０，０，０，０） （０，０，０，０，１，１，０，０，０，０，０） （０，０，０，０，１，１，１，０，０，０，０） （０，０，０，０，０，１，１，０，０，０，０） （０，０，０，０，０，０，０，１，０，１，０） （０，０，０，０，０，０，０，０，１，０，０） （０，０，０，０，０，０，０，１，０，１，１） （０，０，０，０，０，０，０，０，０，１，１）

【数１５】 ｄ） ＡＰＰＸ[i] ＡＰＰＸｊ[i] ＡＰＰＹ[i] ＡＰＰＹｊ[i]

【００５１】比較結果はＣｉｊｋ＝０となる。所与のシ
フト位置に関連する全体比較結果はＣｊｋ＝ＳＵＭ Ｃ
ｉｊｋとなり、ここで加算はＡＰＰＸ（ｉ）およびＡＰ
ＰＸｊ（ｉ）が同時に定義される全てのｉ値に対して実
施しなければならない。

【００５２】最後に、ＡＰＰ／ＤＩＮスコアは次式で与
えられる。

【数１６】 Ａｊ＝ｍａｘ（Ｃｊｋ）^* １０００／ｍａｘ（Ｎｄ，Ｎｄｊ） ｋ＝１,...７

【００５３】Ｒｊスコアを評価するために、入力文字の
ＲＥＬコードおよび基準セット内の第ｊ番文字のＲＥＬ
ｊコードが値ごとに比較される。ＲＥＬｊおよびＲＥＬ
ｊｉ（ｉ＝１，．．．，１２）がＲＥＬおよびＲＥＬｊ
コードの第ｉ番値を表わすものとすれば、Ｒｊスコアは
次式で与えられ、

【数１７】

【数１８】

【００５４】ＡｊおよびＲｊを評価したら、Ｓｄｊを計
算するために挿入することができる。

【００５５】次に、各Ｎｃａｒ基準文字について基準デ
ータベース内の第ｊ番文字との比較に割り付けられる全
体スコアＳｊが評価される。最小スコアの基準文字の識
別子が未知の入力記号へ割り付けられる。

【００５６】動的重み係数Ｗｏ、Ｗｒ、Ｗｐおよびスト
ローク重みＳＷが演じる役割りは非常に重要である。事
実、Ｗｏが大きいほど、認識過程における光学的情報の
重みが重要になる。ＷｒおよびＷｐは動的スコアＳｄｊ
のさまざまな成分の相対重要度を記述する。もう一つの
重要なパラメータはストローク重みＳＷであり、それが
大きいほど線素数の影響が大きい。したがって、応用に
よっては、Ｗｏ、Ｗｒ、ＷｐおよびＳＷ係数を調整する
ことによりアルゴリズムの光学的および動的部分の相対
重要度を重み付けすることができる。例えば、一般的に
同じストロークシーケンスにより書かれる日本語文字の
認識に認識アルゴリズムを使用する場合、動的寄与が非
常に重要となりＷｏパラメータはローマ字に使用するも
のよりも小さくしなければならない。同様に、ＳＷ、Ｗ
ｒおよびＷｐは大きくしなければならない。応用によっ
てはユーザがこの重み係数を調整することができる。シ
ミュレーション結果により重み係数の最善の値はローマ
字についてはＷｏ＝２４、Ｗｒ＝８、Ｗｐ＝４、ＳＷ＝
１５であり、日本語文字についてはＷｏ＝２０、Ｗｒ＝
８、Ｗｐ＝４、ＳＷ＝５０である。

【００５７】ユーザの手書きスタイルをコンピュータに
教育するのに使用できる学習過程について以下詳細説明
を行う。システムの教育を望まない場合にはユーザはシ
ステムに永久記憶されるかもしくは他のユーザの基準セ
ットにより行われる認識に頼ることができる。

【００５８】学習過程はユーザが認識したい各記号につ
いて適切な数の例を集めることからなっている。これら
の記号は認識過程中に基準集合を形成する。２つの異な
る学習（すなわち訓練）モードを利用することができ
る。一つは組込み学習モードとして知られている。この
モードでは、プログラムがユーザに対してコマンドファ
イルに記載された記号例を書き込むよう要求する。この
ファイルには対応する枠制約のある認識すべき記号の完
全リストが含まれている。記号リストおよび枠制約はユ
ーザが認識したい記号および自分の筆法に応じて変える
ことができる。各記号について多数の枠制約値が許され
る。学習集合に悪文字が挿入されるのを回避するため
に、プログラムはファイルに記載されたものと枠位置の
異なる文字を拒絶する。

【００５９】第２のモードは対話型学習モードである。
ユーザは好きな順序で記号を記入する。認識が実施され
る。リコグナイザが故障するたびに、認識されない記号
は自動的に学習（すなわち基準）集合へ挿入される。ま
た、許可されない枠位置を有する文字も拒絶される。

【００６０】組込み学習モードの実行後、他の文字を対
話型学習モードにより学習集合へ加えることにより認識
能力をさらに改善することができる。

【００６１】このＨＰＣＲ（ハンドプリント文字認識）
プロジェクトはハードウェアで実現することができる。
必要に応じてシリコンへのマイグレーションを緩和する
ために、黒画素は１６で一定とされる。しかしながら、
これは好ましい選択にすぎず制約を意味するものではな
い。

【００６２】シリコン上で前記システムをマイグレート
することによりいくつかの利点が得られ、最も関連深い
利点は、

【００６３】専用ハードウェアが大規模な並列アーキテ
クチュアを利用して特徴抽出および連想メモリの両方を
実現するのに必要なおびただしい比較演算を遙かに短時
間で実施できることを意味する速度の増大が達成され、

【００６４】消費電力が最少限に抑えられて専用ハード
ウェアは認識を実施する時しか起動されず、データベー
スメモリをチップ上に集積化できるため外部バスの駆動
に必要な電力が節減され、

【００６５】ある時点の技術水準では強力なマイクロチ
ップが得られない低コスト消費者製品に専用チップを使
用できることである。

【００６６】本システム自体非常にうまくシリコンで実
現できることをお判り願いたい。事実、実施される演算
はおびただしいものではあるがそれ自体非常に簡単なも
のである（基本的にはＡＮＤおよびＥＸＮＯＲ）。高速
に必要な大規模並列アーキテクチュアはＤＲＡＭ自体の
内部構造のおかげで（データベース／特徴記憶に使用す
る）ＤＲＡＭメモリコアの周りに比較的簡単に構築する
ことができる。

【００６７】一つもしくはもう一つのアルファベットの
文字形成部に関してシステムの説明を行ってきたが、他
の記号の認識も決定できる。例えば、簡単な幾何学的記
号もそのコードを基準幾何学的記号と比較することによ
り識別することができる。このような記号のいくつかの
例として半導体デバイス記号（すなわち、抵抗、キャパ
シタ、トランジスタ、ダイオード等）、音楽記号（音
符、シャープ、フラット等）、略図（例えば、猫、犬、
太陽、月その他云々）が含まれる。所与の記号に対する
基準コードを発生させたら本システムの範囲に限界はな
い。

【００６８】以上の説明に関して更に以下の項を開示す
る。

【００６９】（１） 手書き文字認識方法であって、文
字入力手段を使用して文字を入力し、文字をデジタル化
し、デジタル化された文字を記憶し、前記文字の位相特
徴およびベクトル特徴を抽出し、文字の位相およびベク
トル特徴を各々が特定文字に対応する１組の基準位相お
よびベクトル特徴と比較し、論理処理を行ってどの組の
基準特徴がデジタル化された文字の位相およびベクトル
特徴に最も良く対応するかを決定して、手書き文字を認
識する、ステップからなる。

【００７０】（２） 第１項記載の方法であって、位相
およびベクトル特徴の抽出は文字の性質に依存する所定
の方法で位相もしくはベクトルの特徴に他方よりも重み
付けすることからなる。

【００７１】（３） 第１項もしくは第２項記載の方法
であって、ベクトル特徴の抽出は各々が文字の一つのベ
クトル特徴を示す一つ以上のベクトルコード形式の文字
の特徴を抽出することからなる。

【００７２】（４） 前記いづれかの項記載の方法であ
って、文字のデジタル化は０と１と文字を表わす一連の
点でマトリクスを構成することからなる。

【００７３】（５） 第４項記載の方法であって、ベク
トルコードの抽出は前記文字の点数を示すコードを抽出
することからなる。

【００７４】（６） 第４項もしくは第５項記載の方法
であって、ベクトルコードの抽出はさらに一連の点の中
の各点の前の点に対する位置を記述するコードを抽出す
ることからなる。

【００７５】（７） 第４項〜第６項記載の方法であっ
て、ベクトルコードの抽出はさらに文字の一つもしくは
いくつかの所定のＸ座標に対する各点のＸ座標を記述す
るコードを抽出することからなる。

【００７６】（８） 第４項〜第７項記載の方法であっ
て、ベクトルコードの抽出はさらに文字の一つもしくは
いくつかの所定のＹ座標に対する各点のＹ座標を記述す
るコードを抽出することからなる。

【００７７】（９） 第１項〜第８項記載の方法であっ
て、ベクトルコードの抽出はさらに文字の極値点の相対
位置を表わすコードを抽出することからなる。

【００７８】（１０） 前記いづれかの項記載の方法で
あって、論理過程は各基準文字（Ｎｃａｒ）に対するス
コアＳｊを評価して最低スコアＳｊを有する基準文字を
手書き文字として入力された文字として識別することか
らなり、ここにＳｊは次式で与えられ、

【数１９】Ｓｊ＝Ｗｏ^* Ｓｏｊ−Ｓｄｊ Ｗｏは重み係数、Ｓｏｊは位相スコア、Ｓｄｊはベクト
ルスコア、である。

【００７９】（１１） 第９項記載の方法であって、前
記スコアＳｊの評価は次式で与えられるＳｏｊを評価す
ることからなり、

【数２０】 ここに、 Ｓ ＝入力文字の線素数 Ｓｔｊ＝第ｉ番基準文字の線素数 ｆｉ ＝入力文字に対する第ｉ番特徴の応答 ｆｉｊ＝第ｊ番基準文字に対する第ｉ番特徴の応答 Ｎｉ ＝第ｉ番行の入力文字との交差数 Ｎｉｊ＝第ｉ番行の第ｊ番基準文字との交差数 ＳＷ ＝ストローク重み ＩＷ ＝交差重み である。

【００８０】（１２） 第９項もしくは第１０項記載の
方法であって、前記スコアの評価は次式で与えられるＳ
ｄｊを評価することからなり、

【数２１】 ここに、ＡｊはＡＰＰ／ＤＩＮスコア、ＲｊはＲＥＬス
コア、ＷｐおよびＷｒは重み係数、Ｎｄは入力文字の
（文字点数−１）、Ｎｄｊは第ｊ番基準文字の（文字点
数−１）、である。

【００８１】（１３） 手書き文字認識装置であって、
文字を入力し受信する文字入力手段と、文字をデジタル
化するデジタル化手段と、デジタル化された文字を記憶
する記憶手段と、前記文字を表わす位相特徴およびベク
トル特徴を抽出する特徴抽出手段と、文字の位相および
ベクトル特徴を各々が特定文字を表わす１組のメモリ内
に記憶された基準位相およびベクトル特徴と比較する比
較手段と、どの組の基準特徴がデジタル化された文字の
位相特徴に最も良く対応するかを識別して手書き文字を
認識する論理手段と、を具備する。

【００８２】（１４） 第１３項記載の装置であって、
さらに文字の性質に依存する所定の方法で前記各位相お
よびベクトル特徴へ異なる重み係数を与えることができ
る特徴抽出手段を付随した重み付け手段を含む。

【００８３】（１５） 第１４項記載の装置であって、
ベクトル特徴重み係数は日本語手書き文字に対する位相
特徴重み係数よりも高い。

【００８４】（１６） 第１４項記載の装置であって、
ベクトル特徴重み係数はローマ字手書き文字に対する位
相特徴重み係数よりも低い。

【００８５】（１７） 第１３項〜第１６項のいずれか
記載の装置であって、特徴抽出手段はベクトルおよび位
相特徴を示す複数のコードを発生するコード発生手段を
具備する。

【００８６】（１８） 第１３項〜第１７項のいずれか
記載の装置であって、比較手段は基準セットのコードと
入力文字のコードを比較する。

【００８７】（１９） 第１３項〜第１８項のいずれか
記載の装置であって、論理手段は各基準文字（Ｎｄ）に
対するスコアＳｊを評価して最低スコアの基準文字を手
書き文字に対応するものとして識別し、ここにＳｊは次
式で与えられ、

【数２２】Ｓｊ＝Ｗｏ^* Ｓｏｊ−Ｓｄｊ Ｗｏは重み係数、Ｓｏｊは位相スコア、Ｓｄｊはベクト
ルスコア、である。

【００８８】（２０） 第１９項記載の装置であって、
Ｓｏｊは次式で与えられ、

【数２３】 ここに、 Ｓ ＝入力文字の線素数 Ｓｔｊ＝第ｊ番基準文字の線素数 ｆｉ ＝入力文字に対する第ｉ番特徴の応答 ｆｉｊ＝第ｊ番基準文字に対する第ｉ番特徴の応答 Ｎｉ ＝入力文字との第ｉ番線の交差数 Ｎｉｊ＝第ｊ番基準文字との第ｉ番線の交差数 ＳＷ ＝ストローク重み ＩＷ ＝交差重み である。

【００８９】（２１） 第１９項もしくは第２０項記載
の装置であって、Ｓｄｊは次式で与えられ、

【数２４】 ここに、ＡｊはＡＰＰ／ＤＩＮスコア、ＲｊはＲＥＬス
コア、ＷｐおよびＷｒは重み係数、Ｎｄは入力文字の
（文字点数−１）、Ｎｄｊは第ｊ番基準文字の（文字点
数−１）、である。

【００９０】（２２） 第１３項〜第２１項のいずれか
記載の装置であって、装置とコンピュータとの間にイン
ターフェイスが設けられインターフェイスは識別された
文字をコンピュータへ通してコンピュータの命令の一部
を形成する。

【００９１】（２３） 第１３項〜第２１項のいずれか
記載の装置および、装置からコンピュータへ命令を通す
装置とコンピュータ間のインターフェイスを含むコンピ
ュータベース製品。

【００９２】本発明は手書き文字認識方法および装置に
関する。文字は文字入力手段により入力され適切な手段
によりデジタル化される。デジタル化された文字は例え
ばメモリに記憶される。文字の位相ベクトル特徴を表わ
すコードが文字から抽出され、次に文字の位相およびベ
クトル特徴はメモリに記憶された１組の基準位相および
ベクトル特徴と比較される。１組の基準文字の各々が特
定の手書き文字に対応している。次に論理処理を行って
どの組の基準特徴がデジタル化された文字の位相特徴に
最も良く対応するかを決定し手書き文字を識別する。さ
まざまな種類の手書き文字に対して位相効果とベクトル
効果の相対的重み付けを変えることにより一層正確な認
識が可能となる。

【図面の簡単な説明】

【図１】本発明の一特徴による文字認識システムのブロ
ック図。

【図２】システムの画面上に表示されるプログラムメモ
リの例を示す図。

【図３】対応する枠制約デフォルト付文字のいくつかの
例を示す図、ＬＣＤデジタイザ上に点線は表示されな
い。

【図４】文字ＡのＳＴＫフォーマット図。

【図５】文字Ａのパターンフォーマット図。

【図６】任意の文字を識別するのに使用される位相特徴
集合を示す図。

【図７】任意の文字を識別するのに使用される位相特徴
集合を示す図。

【図８】任意の文字を識別するのに使用される位相特徴
集合を示す図。

【図９】任意の文字を識別するのに使用される位相特徴
集合を示す図。

【図１０】任意の文字を識別するのに使用される位相特
徴集合を示す図。

【図１１】文字の認識方法を示す図。

【図１２】文字の認識方法を示す図。

【符号の説明】

１０ 文字認識システム １２ マイクロコンピュータ １４ モニター １６ ＬＣＤデジタルデジタイザ １８ ペン状スタイラス ２０ 枠 ２２ ブロック ２４ａ〜２４ｆ ボックス ２６ 上枠 ２８ 中枠 ３０ 下枠

───────────────────────────────────────────────────── フロントページの続き (72)発明者 クリスティナ ラッタロ イタリア国リエティ，ビアーレ マライニ 46 (72)発明者 グィリオ マロッタ イタリア国リエティ，ビア デイ ミルテ ィ ９ (72)発明者 グイゼッペ サバレセ イタリア国ナポリ，ビア シピオネ カペ ベ 10エヌ

Claims (2)

【特許請求の範囲】
1. 【請求項１】 手書き文字認識方法であって、 文字入力手段を使用して文字を入力し、 文字をデジタル化し、 デジタル化された文字を記憶し、 前記文字の位相特徴およびベクトル特徴を抽出し、 文字の位相およびベクトル特徴を各々が特定文字に対応
   する１組のメモリに記憶された基準位相およびベクトル
   特徴と比較し、 論理処理を行ってどの組の基準特徴がデジタル化された
   文字の位相およびベクトル特徴に最も良く対応するかを
   決定して手書き文字を認識する、 ステップからなる。
2. 【請求項２】 手書き文字認識装置であって、 文字を入力および受信する文字入力手段と、 文字をデジタル化するデジタル化手段と、 デジタル化された文字を記憶する記憶手段と、 前記文字の位相特徴およびベクトル特徴を抽出する特徴
   抽出手段と、 文字の位相およびベクトル特徴を各々が特定文字に対応
   する１組のメモリに記憶された基準位相およびベクトル
   特徴と比較する比較手段と、 どの組の基準特徴がデジタル化された文字の位相特徴に
   最も良く対応するかを識別して手書き文字を認識する論
   理手段と、 を具備する。