JPH0660169A - パターン認識と妥当性検査の方法及び装置 - Google Patents

パターン認識と妥当性検査の方法及び装置

Info

Publication number
JPH0660169A
JPH0660169A JP5046302A JP4630293A JPH0660169A JP H0660169 A JPH0660169 A JP H0660169A JP 5046302 A JP5046302 A JP 5046302A JP 4630293 A JP4630293 A JP 4630293A JP H0660169 A JPH0660169 A JP H0660169A
Authority
JP
Japan
Prior art keywords
image
pattern
information
angle
important
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP5046302A
Other languages
English (en)
Other versions
JP2694101B2 (ja
Inventor
Volker Rudolph
フォルカー・ルドルフ
Werner Ruppert
ヴェルナー・ルーペート
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of JPH0660169A publication Critical patent/JPH0660169A/ja
Application granted granted Critical
Publication of JP2694101B2 publication Critical patent/JP2694101B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/30—Writer recognition; Reading and verifying signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/18—Extraction of features or characteristics of the image
    • G06V30/18086—Extraction of features or characteristics of the image by performing operations within image blocks or by using histograms
    • G06V30/18095—Summing image-intensity values; Projection and histogram analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Character Input (AREA)
  • Collating Specific Patterns (AREA)

Abstract

(57)【要約】 （修正有） 【目的】 手書き署名等のパターン認識と妥当性検査
を、短時間でかつ高精度で実行できるようにする。 【構成】 手書き署名のイメージがイメージ・スキャナ
３１によって読み取られ、パターン検出器３３〜３５に
供給され、イメージの種種の重要な基本構造が検出され
る。ファイル３９には基本イメージに関する重要な情報
が予め記憶されており、該情報と識別器からの重要な基
本構造の情報とがパターン比較器３６〜３８において比
較され、妥当性検査を行って、操作を繰返して高精度と
する。パターン比較器からののデータが重み付回路３０
１において重み付けされ、不一致あるいはある程度の確
信（一致）を表す結果が、重み付け回路から出力され
る。そして支配的な情報から内容の低度の情報まで段階
的に進む方法を採用しているので、短時間にかつ高精度
で実行できる。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、パターン認識及び妥当
性検査方法及び装置に関し、特にパターン認識および妥
当性検査の場所から離れたところで書き込まれた手書き
の署名をコンピュータシステムを用いてパターン認識お
よび妥当性検査する方法及び装置に関する。本発明はさ
らに、この方法を実施する装置並びに例えば銀行のよう
な好ましい署名検証環境において本方法と装置とを使用
することに関する。
【０００２】
【従来の技術】米国特許第４，０２８，６７４号におい
ては、検証すべき署名に対する画像モザイクがメモリに
記憶されており、前記署名に対するプロトタイプの特徴
セットがメモリに記憶されている署名検証方法が記載さ
れている。モザイクの位置及び該モザイクの正と負のピ
ークの大きさ並びに前記ピークの各々の領域における文
字のストロークとを表わすバイナリ信号が発生する。原
形セットの後の二次元の特徴セット・パターンが、署名
におけるピークの発生に応じた順序で、かつ各ピークの
近傍におけるピークの大きさと文字ストロークとに関す
るピークランクを伴った信号と共に記憶される。次に、
特徴（ベクトル）セットがプロトタイプの（ベクトル）
セットと比較され、所定限度内で特徴セットがプロタイ
プ・セットと適合すると一致識別信号が出される。
【０００３】米国特許第４，２８６，２５５号は、新し
く署名された署名と先に記録した署名とが同じ人により
なされたか否か検出する方法と装置とを記載している。
この方法と装置とは、装置が新しく署名した署名を含む
文書を走査して、新しく署名した署名と文書との反射性
を表わす電気信号を提供し、かつ署名上の複数の選定さ
れた点（選定点）より形成され、電気信号から発生する
署名エンベロップを形成する段階を含む。次に、新しく
署名された署名の複数の特性が基準線に対して署名エン
ベロップを形成している選定点の位置と大きさとに基づ
いて計算される。次に、新しく署名された署名の計算さ
れた署名が先に記録された一群の署名から形成された標
準的な署名の対応する特性と比較され、比較された特性
が適合する程度に基づき署名検証判断が発生する。
【０００４】本願の出願人の欧州特願ＥＰ９０ １２０
６２０．１（ＩＢＭ Ｄｏｃｋｅｔ ＧＥ ９９０
０１０）には、コンピュータにより個人の署名を自動的
に検証する方法が記載されている。この方法において
は、多数の画素によりデジタル化した画イメージが検証
すべき署名から設定される。検証すべきパラメータ値が
このデジタル化した画イメージから計算され、先に計算
され、記憶されている対応する基準パラメータ値と比較
される。基準パラメータ値と、検証すべきパラメータ値
との比較により、検証すべき署名の真偽が判断される。
この出願においては重要パラメータの計算に対する種々
の可能例が記載されている。デジタル化した画イメージ
の全ての行（横方向）と全ての列（縦方向）の輝度密度
重心が事前選択のために使用しうるパラメータである。
重心点、重心線、最大値、最大線等は別の重要パラメー
タである。極めて高度に信頼性のあるパラメータを、署
名のセグメントを記述する二次元多項式を計算すること
により発生させることができる。
【０００５】
【発明が解決しようとする課題】署名検証、あるいはさ
らに一般的な云い方をすれば、パターン認識と妥当性検
査に係わる全体的な問題は、画イメージが一般に極めて
大量の情報を有しているという事実に関連している。全
ての情報を分析することは極めて時間のかかる作業であ
り、少なくともその妥当性検査において混乱を生ぜしめ
る可能性がある。そのような画イメージは重要な情報を
含み、殆どの場合関心の無い、あるいは関心の少ない情
報を含んでいる。しかしながら関心の無いこのような情
報は重要な情報の識別を極めて困難にすることがよくあ
る。多くの場合統計的に検討しても、分布が広すぎるた
め希望する情報を検出することができないことが多かっ
た。本発明の主要な目的は、極めて短い時間でそのよう
な画イメージの重要な情報をどのようにして見付けるか
という問題に対する解決を提供することである。
【０００６】
【課題を解決するための手段】本発明はこの目的を達成
するために以下の基本的な方法が用いられる。 （ａ）パターンを含む文書を走査し、（ｂ）ビット・マ
トリックスの形態で、走査されたパターンの電気的表示
を提供し、（ｃ）パターンの特徴を、絶対的および相対
的位置、大きさ、並びにパターンの選定された点および
線の一方又は両方の線および角度構造から検出し、
（ｄ）認識構造を段階的に洗練し、必要に応じて増大分
解度と組み合わせることにより、検出された特徴をクラ
ス分けし、かつ妥当性検査を行い、（ｅ）検出された特
徴を、記憶された各基本構造のセットと比較し、（ｆ）
所定レベルの確信に達するか、あるいは不一致が生じる
まで、ステップ（ｃ）、（ｄ）および（ｅ）を繰り返
す。即ち予め定義した方法で重要な構造を順次分析し、
それらを一組の基本構造と比較し、抽出された情報を検
定することである。
【０００７】本発明は更に、このような方法を実行でき
る装置に関しており、該装置は、認識しかつ妥当性検査
すべきパターンを走査するイメージ・スキャナと、高さ
および幅が正規化された前記パターンのイメージを発生
させるイメージ・ノーマライザと、前記イメージの種々
の重要な基本構造を検出するイメージ識別器と、重要な
構造に対する情報を含む基本イメージを記憶する記憶フ
ァイルと、実際に走査されたパターンイメージから導か
れた重要な基本構造を基準イメージ記憶ファイルから送
られた対応する構造の関連の情報ストリングと比較する
パターン比較器と、パターン比較器の種々の結果に重み
付けをして、不一致を示す結果、あるいはあるレベルの
確信を示す結果を発生させる重み付け回路とを含んでい
る。
【０００８】
【実施例】パターンの画像は通常多数の種々の情報を有
している。例えば、この情報は規則的あるいは不規則な
形態のラインアート構造であり、形状とそれらの配置で
あり、白黒またはカラー領域により定義でき、文字ある
いは記号であり、手書きであり、裏書きであり、符号で
あり、あるいはその他の種類のものでありうる。多くの
場合、ある種の情報は他の情報を抑制することにより個
別に検討することができる。そのようなある種の情報
は、一組の基本情報を比較する上で、ある順序の詳細情
報を用いることにより分析される。その比較の結果は優
先順位によりランクが付けられ、かつウエイト（重み）
が付けられる。
【０００９】例えば、基本形状を検出することにより、
樹木のタイプを分析することができる。図１において
は、広葉樹１１と針葉樹１２の基本形状が示されてい
る。広葉樹１１は幹１４の上方の長円形部分１３を特徴
とする。針葉樹１２は幹１６の上方の三角形部分１５を
特徴とする。長円形および三角形の上部分１３、１５の
特徴的差異の他にも２種類の幹１４，１６の長さの差も
ある。
【００１０】図１に示すパターンの画像の分析におい
て、広葉樹１１と針葉樹１２との２個のパターンの基本
的外形をまず検出しようとする。このことは最初に探す
べき最も重要な情報である。もし広葉樹の形状と合致す
れば、次のステップは葉の形状を葉のライブラリのそれ
と比較することである。もし、例えば依然として高レベ
ルの確信が望ましいとすれば、木の構造はこの木の構造
をライブラリから得た木の構造についての情報と比較す
ることによりパターンの分析に使用することができる。
確信レベルが十分高度であるとすれば、分析過程は停止
される。図１２に図示する判断ツリーを参照して、この
例を以下さらに詳しく説明する。
【００１１】図１２のステップ１２０において、見付け
るべき樹木の形状即ち外形を見付けるために指示された
開始点がある。ステップ１２０から、外形が楕円形ある
いは三角形のいずれかによって分岐する。楕円形の場合
はステップ１２１まで進み、そこで葉の形態が発見され
る。三角形の場合はステップ１２２に進み、そこで針葉
樹の形態が区別される。この針葉樹の形態は長い針葉樹
あるいは短い針葉樹である。この場合、判断ツリーの分
岐は図示例においてはそれ以上追跡されない。ステップ
１２１において区別すべき葉の形態は指状あるいは楕円
形である。もしそれが指状形であるとすれば、ステップ
１２３において探索すべき樹木が例えば栗であることを
見い出す。これが最終の結果である。もし葉の形状が楕
円形であるとすれば、ステップ１２４においてその他の
区別する情報を追跡する必要がある。ここまで来るとリ
スプ形態、あるいは楕円形の葉あるいは単（シングル）
葉の区別ができる。リスプ形態の場合、ステップ１２５
においてアカシアが見い出され、判断ツリーはこの分岐
において終了する。もし他方、シングル葉が追従される
とすれば、ステップ１２６から追従する葉の縁部の変形
が種々ある可能性がある。滑らかな形態へ分岐すれば、
ステップ１２７においてブナの木であると最終判断さ
れ。もし葉が一枚であり、丸味の付いた縁部を有してい
るとすれば、それはステップ１２８においてドイツのオ
ークの木であると判断される。もし単一の楕円形の葉が
鋸歯状の外形を有するとすれば、ステップ１２９におい
て、カエデの木であると判断される。
【００１２】判断ツリーは一例として、追従すべきより
一般的な原理を示している。ステップ１２０において
は、例えば線の角度分布と対比しうるエッジ検出法にお
ける分解度が低い。ステップ１２１と１２２のレベルに
おいては、分解度が中庸で、より小さい隣接する対象物
をズーミングしている。ステップ１２３および１２４の
レベルにおいて、分解度はより高度で既に対象物関係が
できている。ステップ１２５および１２６のレベルにお
いては、分解度は極めて高く対象物はより小さい対象物
の縁部の形状から判る。低分解度のステップ１２０と比
較して、ステップ１２５、１２６のレベルにおいては、
全体の対象物が検出され、より小さい対象物の縁部の形
状、即ち葉自体の形状が認識される。
【００１３】図１２に関連して、判断ツリーのレベル
は、基準イメージあるいはファイルを備えた関連のデー
タバンクを参照していることが一般的に云える。各判断
ツリーステップは、より微細な分解度、即ちより微細
で、より多い情報に対するより微細な情報に関連してい
る。詳細のレベルはステップ毎に著しく増大し、また認
識に対して必要な作業も著しく増える。本発明の基本的
な利点の１つは、最悪の場合にのみ全体の判断ツリーを
考慮すればよいことである。最良の場合、図１２のステ
ップ１２３の「栗の木」を参照すれば判るように、所望
の結果を見付けるのに数ステップを要するのみである。
別の重要な利点は、早期の確実な判断の場合、それ以上
の詳細は混乱をまねきうるということである。本発明
は、それが光学的な文字認識であろうと、知能的文字認
識であろうと無関係に、文字の認識に適用しうる。本発
明はまた、手書きの書き物や署名のような線描体の認識
並びに二次元あるいは三次元の対象物や、顔や人間さえ
認識することができる。
【００１４】一般的に、実際の情報を分析するために基
本情報のセットが用いられる。この場合、最も重要な事
は基本情報と称せられるものが有するデータ極めて少な
いということである。他方このデータは不可欠である。
もしこの事実を数字的に検討すれば、希望する情報を記
述するには、ｎ次元の情報ルームにおける有意の所定の
カットと見做しうる。より多くのカットが得られれば得
られる程、情報はより良くなる。しかしながら極少ない
情報で十分であることは極めてよくある。本発明の重要
な目的である、情報を分析する上で高効率を得るために
は、最短時間で正しい答えを提供する基本情報セットの
みを適性優先順位で用いることが重要である。基本情報
セットが完全に使用されることは必要でない。どれ位多
くのそのような基本情報が用いられる否かは、希望する
精度により左右され、即ち、必要な一致レベルによって
左右される。それはまた、アプリケーションあるいは質
問の種類によって左右される。
【００１５】図２のＡにおいては、１／１＋ｅ-xの偏差
関数が示されている。偏差はＸ軸にわたって、かつＸの
値が増大するにつれて偏差が小さくなる要領で示されて
いる。図２のＢにおいては、この関数は、不一致である
ことを確信をもって云える領域Ａと、一致が発生したと
云い切れる領域Ｃおよび判断が明確でない直線変遷領域
ＢとがＸ線上に存在するように概略的に示されている。
図２のＢに、明確でない領域を含むとともに、一致と不
一致の表示に関連して示すように、これは選定された情
報を基本情報と比較する上で、得られた出力の結果が、
入力が真であるか、それが一致するか、あるいは出力結
果が偽であるか、一致しないか、あるいは出力が不明確
であるか否かを伝えることが出来ることを示す。
【００１６】比較の際、情報を分析する手順を定義する
ために真偽条件が用いられる。最高位の優先順位の基本
情報との比較が偽であるとすれば、答えは対象物あるい
は部分情報が基本情報セットによって識別できないとい
うことである。このことは、この情報の質問が記憶され
た情報と一致すること、そのようなタイプの対象物に対
して一致の質問を否定せねばならぬことを意味する。不
明確の場合は、他の基本構造との比較をさらに実行すれ
ばよい。これらのその他の基本的構造は先行するものよ
り優先度が低い。一致の場合あるいは答えが真である場
合、情報はある程度の可能性を含み正しいとされる。も
し可能性が十分高い、即ち、所定レベルの確信に達すれ
ば、それ以上の比較は必要でない。他方可能性が十分高
くないとすれば、その他の基本情報とさらに比較を実行
する必要がある。
【００１７】図３を参照して、本発明による分析法の全
体のスキーム並びに本発明の段階別精査スキームに用い
られる各判断ステップ毎の分析のスキームとを説明す
る。認識しかつ妥当性検査をすべきパターンの実際のイ
メージはイメージ・スキャナ３１によって走査される。
このイメージ・スキャナ３１はピクセル配列をイメージ
・ノーマライザ３２へ送る。一般的に、このイメージ・
ノーマライザ３２において走査されたイメージは、認識
すべき全てのパターンに対して高さと幅が等しくフォー
マット化されている。３個の指示されたパターン識別器
３３、３４、３５により、正規化されたイメージの種々
の顕著な基本構造が抽出される。この顕著な基本構造の
情報は、ビット・ストリングとしてパターン比較器３
６、３７、３８へ出力される。これらの３個のパターン
比較器３６、３７および３８は指示したパターン識別器
３３、３４および３５と等しい数で示されている。パタ
ーン識別器３３、３４、３５からパターン比較器３６、
３７、３８まで出力された顕著な基本構造はそれぞれ、
基本イメージの特性パラメータを記憶しているファイル
３９から送られた、情報ストリングと比較される。パタ
ーン比較器３６、３７および３８の出力は重み付回路３
０１へ入力され、該回路において各パターン比較器のコ
ントリビューションに、ある重み付けがなされる。これ
は、各コントリビューションの優先度即ち確信レベルを
反映する。この結果が出力ライン３０２に出力される。
この重み付け過程およびその結果に応じて、前述の真、
偽、不明確の判断が提供される。不明確の場合、より微
細、即ちより高分解度の重要な基本構造を用いて、同じ
実際のイメージに対して認識および妥当性検査のステッ
プを更に実行すればよい。これらのステップは判断ステ
ップ毎に、図３の説明に関連して前述したのと同じ手順
を追従する。
【００１８】本出願人により１９９０年１０月２０日付
けで出願した欧州特願第ＥＰ−９０１２０ ６２０．１
号（ＩＢＭ Ｄｏｃｋｅｔ ＧＥ ９９０ ０１０）に
おいて、有意パラメータを計算するための種々の態様が
述べられている。例えば、重心線が種々の行や列、並び
に重心に対して決定される。詳細については前記出願を
参照されたい。本発明の実施例の以下の例において、線
の角度構造について記載されている。例えば署名のよう
な手書きのイメージの基本的特徴の１つは、線の主要な
角度構造と書く方向に沿った分布である。以下、本発明
により直線やそれらの主要な角度が見出される態様を説
明する。
【００１９】例えば、ワードあるいは署名の形態におけ
る手書きテキストのようなパターンの各イメージは主要
な軸線を有している。これは通常、書く方向における
「水平方向」の軸線である。さらに、通常書き方向（水
平方向）の軸線に対して垂直あるいは概ね垂直に配置し
た線に対して主要な角度がある。この所謂「垂直」軸線
は書き方向軸線即ち「水平」軸線に対して直角に配置さ
せる必要はない。パターン認識と妥当性検査とにおいて
共通の処理を行うために正規化が望ましい。正規化のた
めに、処理すべきデジタル・イメージの水平軸線が、書
き方向の主要軸線にセットされ、「垂直」線に対する角
度が、この主要軸線に対して測定される。このようにし
て、主要角度が決定される。さらに、正規化において、
パターンのイメージは幅と高さとに関して共通のフォー
マットにセットされる。この作業には、認識すべきパタ
ーンのサイズを、拡大あるいは縮小することが含まれ
る。
【００２０】署名認識の例において、原則的に「垂直」
配置された直線の主要角度を見付けた後、イメージ・マ
トリックスを主要な直線の角度方向とは反対の方向にシ
フトすることにより、全体のイメージが確立される。こ
のシフトは主要角度と同じ角度で実行される。このよう
にして、イメージが確立される。全体として、イメージ
の全ての列が、イメージの高さと幅を正規化した後に、
署名に対して有効なヒストグラムを構築する。そこから
取得しうる有効パラメータは、ヒストグラムにおけるピ
ーク間の絶対および相対距離、絶対および相対的ピーク
値、ヒストグラムの形状即ち外形エンベロープ、および
ピーク位置における線の絶対および相対長さである。
【００２１】ヒストグラムは、一つの軸線に対するイメ
ージの密度の積分を提供するものである。Ｘ軸に対する
ラスタ・イメージのヒストグラムは、列ｉ当たりの密度
の和を意味する。ただし、１≦ｉ≦ｎである。そして１
≦ｊ≦ｍ（ｊはイメージの行番号であり、ｍは行の全体
数である）に対して、以下の公式が有効である。
【式１】 インデックス・シフトしたヒストグラムにおいて、密度
の値はより複雑な方法で加算される。このより複雑な方
法に対して、以下の一般的な公式が有効である。
【式２】 但し、ｉ＝ｆ（ｘ，ｙ）で、ｊ＝ｇ（ｘ，ｙ）であり、
ｆとｇとは結合可能の複素関数である。
【００２２】このインデックス・シフトしたヒストグラ
ムの特殊な場合は線形インデックス・シフトしたヒスト
グラムである。
【式３】 ｋはシフトの数であり、Ｍ＝ｍ／（ｋ＋１）に対して以
下の公式が有効である。
【式４】
【００２３】この公式は、その角度の下でイメージの主
要な黒色が発生する計算を可能とする。この技術の支援
を得て、線形インデック・スシフトの密度マトリックス
が実現しうる。これは、開口を段階的に回転させ、常に
密度の積分を計数し、次にイメージにわたって開口を段
階的にシフトすることにより機械的に可能とされる。開
口を回転させる代わりに、線形スキャン配列をプログラ
ムの支援を得て回転させることができる。このことによ
って機械的回転と同じ結果が得られる。また、これらの
方法を組み合わせることも可能である。前述の密度マト
リックスから、ビット・マトリックスが得られる。この
ことは、もし密度が所定のオフセットあるいは限界値よ
り大きいとすれば、ビット・マトリックスの全ての密度
値を「１」にセットすることにより実行される。その他
の全ての値は「０」にセットされる。
【００２４】図４に関して、角度のインデックス・シフ
トと位置シフトとを説明する。本発明によれば、固定点
において「開口」を回転させ、かつ回転の各ステップに
対する密度を計数することにより、密度の和の絶対最大
値が得られる。これは極最大値と定義され、かつ称され
ている。「角度」並びに位置における各インデックス・
シフトに対する密度値を示すテーブルは、「位置シフト
極マトリックス」と称される。角度のインデックス・シ
フトは指示されたｙ方向に沿って段階的に実行され、位
置シフトはｘ方向の矢印により指示された方向線に沿っ
て段階的に実行される。このマトリックスの列内で最大
値を見付けることにより、対応する列により定義された
固定位置に対する極最大値が得られる。密度マトリック
スを検討して、全ての極最大値により極密度ベクトルと
称されるイメージの長さのベクトルを構築する。ビット
・マトリックスを検討して、全ての極最大値が極ビット
・ベクトルを構築する。
【００２５】この極ビット・ベクトルは、どの位多くの
最大長さの線が検出されるか、これらの線の長さがどれ
位か、それらの角度はどれ位か、そしてそれらの位置は
どうかについての情報を含んでいる。これらの線の長さ
は密度に関して均等でないことに注目すべきである。さ
らに、詳細な処理に対して、ベクトルの空隙（ギャッ
プ）も考慮に入れる必要がある。もし極ビット・マトリ
ックスが単一の線のみを含んでいるか、あるいはもし最
大長さの線が極ビット・ベクトルと考えられるとすれ
ば、このベクトルは極長さベクトルと称される。このベ
クトルは基準軸線に関する各位置の最大ベクトルであ
る。極ベクトルが介在している角度シフトの値は、角度
ベクトルと称されている。この角度ベクトルは、極最大
角度と、基準軸線に対する位置を示す。線の開始点を見
付けるために、この開始位置を含む第３のベクトルが創
成され、開始ベクトルと称される。
【００２６】長さベクトルと、角度ベクトルと、開始ベ
クトルとにより、最大長さの線の位置を独特の要領で表
わす。以下の例は線形インデックス・シフトを用い、か
つｘ軸線を基準として用い、一本の線に対する極最大値
を検出する態様を示す。計算は以下のステップを含む。 １． ビット・マトリックスを創成する もし密度ｙ，ｘ＞限界値であるとすれば、 ピクセル・マトリックス［ｙ］，［ｘ］＝１， 他のピクセル・マトリックス［ｙ］，［ｘ］＝０ ２． 各列内のピクセル・マトリックスの全ての値を総
和する。 ３． シフトされた列内のピクセル・マトリックスの全
ての値を総和する。 ４． 位置シフト極マトリックスにおける最大値を見付
けることにより、長さベクトルと角度ベクトルとをサー
チする。
【００２７】この例は図５と関連して示されている。図
５のＡにおいては、「１」の斜めの鎖によって示されて
いる１本の線の例が示されている。マトリックスにおけ
るその他の全ての点は「０」に等しい。図５のＡに示す
シフト「０」において、列（垂直方法）において発生す
る全ての「１」が加算される。テーブルの下方にはこの
加算の結果を示す「０」と「１」の鎖が示されている。
図５のＢはテーブルにおいて矩形により示すシフト
「１」の段階を示す。列７（左から数えて７番目の列）
において加算する場合、シフトされた長方形により囲ま
れた「１」まで飛び越すことにより、底部に示した極密
度ビット・ベクトルにおいて、列７の加算結果は２とな
る。図５のＣはシフト３を示し、列５および６における
加算結果は各々２となる。最後に図５のＤにおけるシフ
ト７においては、左側からの列４においての加算結果は
（極密度ビット・ベクトル）６である。
【００２８】図５のＥに示すように、シフト０からシフ
ト７までの全てのベクトルは位置シフトした極マトリッ
クスを構築する。シフト０、シフト１、シフト３および
シフト７に係わる線のみが零および数字で表されてい
る。列７において６の最大長さベクトルが発生するの
で、列における最大値が、６の長さベクトルと、７の角
度ベクトルとに対する最終結果を提供する。これは図５
のＦに示されている。図５に示す例は、１本の線のみが
マトリックスに含まれているので、単純な例である。通
常、画像には多数の線があり、構造ははるかに複雑であ
る。従って、１本以上の線があるとすれば、極最大値と
それらの位置の長さと角度とを見付けるために同じ手順
が用いられる。多数の線の構造が最大値の長さベクトル
をもたらす。最大値を提供する線は最も有効な線即ち主
要線と称され、「０」以上の値のみを含むベクトルが創
成される。この一例は、長さベクトルに対する｛１２３
５２１００２４６３｝と、関連の角度ベクトルに対する
｛０１４３２１００４５３１｝である。これは最も有効
な線に対するベクトルをもたらす。即ち長さベクトルに
対して｛００５００００００６０｝と角度ベクトルに対
する｛０００３００００００３０｝である。
【００２９】主要線を見付けるためにビットマトリック
スの「１」が加えられる。同様に零を加えることによ
り、空隙ベクトルが創成される。この空隙ベクトルは空
隙のある個所を示し、対応する角度ベクトルが空隙の角
度を示す。空隙を見付けるための手順は、零に対する位
置シフト極マトリックス、即ち「０」の長さを有する極
ベクトルを分析することである。これは空隙ベクトルを
もたらし、前述のものと同様の対応する角度は例えば、
空隙ベクトルに対して｛-１-１-１-１-１-１ ００ -１-
１-１-１｝であり、関連する角度ベクトルに対して｛-
１-１-１-１-１-１ ３ ４ -１-１-１-１｝である。「-
１」は空隙あるいはヒットが何ら無いことを意味し、
「０」は空隙が介在することを示す。全てのピクセルの
和は０に等しい。
【００３０】結論として、基本情報はインデックス・シ
フトしたヒストグラム、極最大値、位置シフト最大値、
極密度ベクトル、極ビットベクトル、長さベクトル、角
度ベクトル、開始ベクトル、および空隙ベクトルを用い
ることにより、密度マトリックス並びにビットマトリッ
クスから抽出することができる。以下のことを注目し、
かつ明確にする必要がある。即ち極シフトは全ての角度
を考慮する必要はない。１つ以上の角度範囲を考えれば
よい。使用された「開口」は直線でよく、あるいはさら
に複雑な形状のものでよい。「開口」および回転は、ソ
フトウェア並びにハードウェアあるいは双方の混合によ
り構築することができる。ワードあるいは署名のような
手書きのものを分析する場合、極最大値および極最小値
を見付けるための前述の方法は、そのような手書き署名
の位置、長さおよび角度の主要線を見付けることができ
る。これらの主要線はデータ・ストリングの要領でベク
トルにより表されることが好ましい。例えば署名は、最
大線の配置、サイズおよび角度によって提供される典型
的なストリング・パターンを有している。同じことが空
隙についてもいえる。
【００３１】前述したことの一例が、図６において手書
きで示された「Ｋ Ｍｏｌｌｅｒ」という署名に関連し
て示されている。図６のＡは「Ｋ Ｍｏｌｌｅｒ」とい
う署名の密度マトリックスを示し、図６のＢは図６のＡ
に示す密度マトリックスのビット・マトリックスを示
す。図６のＢに示す前記ビット・マトリックスを提供す
るために、敷居値「１」より大きい全ての密度値はマト
リックスにおいて「１」にセットされる。「−」の符号
は、密度およびビット・マトリックスにおいて零に等し
いことに注目すべきである。図７のＡには、図６のＢに
示すものと同じビット・マトリックスが示され、図７の
Ｂには、このビット・マトリックスに係わる位置シフト
極マトリックスが示されている。最左方の列において、
０から９までの数字によって角度に対して可能なシフト
が示されている。図７のＡのビット・マトリックスにお
いて囲まれているのは、囲まれたビットにより第４のシ
フトにおいてどの位のビットを角度において加えうるか
の一例である。その結果は図７のＢにおける位置シフト
極マトリックスにおいて丸で囲んで示した１１である。
図７のＣは関連の極長さベクトルを示し、その結果とし
ての関連する１１が丸で囲まれており、図７のＤにおい
て、図７に示すそれぞれの極長さベクトルに係わる極角
度ベクトルが示されている。
【００３２】図８〜図１１に、ビット・マトリックスの
さらに４種類の例が示されている。各々の場合におい
て、「Ｋ Ｍｏｌｌｅｒ」の署名のビット・マトリック
スであるが、そのバージョンが異なっている。図８〜図
１１のＢとＣにおいて、それぞれの極長さベクトルと極
角度ベクトルとがそれぞれの値と共に示されている。図
８〜図１１のＡにおいては、これらの極長さベクトルと
極角度ベクトルとに係わる主要線が示されている。これ
らの主要線を分析すれば、２つのグループに配置された
６本の主要線があり、左側のグループは交差しない３本
の線を含み、右側のグループは常に交差しないまでも少
なくとも部分的に交差する３本の線を含んでいる。さら
に、左側から２本目と３本目の主要線の間に常に空隙が
あることが注目される。従って、詳細に示してはいない
が、空隙ベクトルはこの署名の重要な基本構造である。
図７〜図１１に示すように、もし主要線が見い出され、
かつそれらの目的を果したとすれば、それらをマトリッ
クスから削除し、以前と同じ方法を用いて２回目の繰返
しを行えばよい。この２回目の繰返し、即ち二次の極最
大値において、新しいセットの極ベクトルが見い出さ
れ、新しいセットの線、所謂二次線を構成する。
【００３３】全ての線が描かれており、即ち残りの全て
の線は積分により検討でき、かつ値により記述しうる状
態にまで新しいセット・ベクトルを見付けるまで、さら
に繰返しを実行しうることは明らかである。前記ステッ
プの繰り返しによりグループにおける線の重要度を順序
づける。このようにして、認識構造を段階的に洗練する
ことができる。この洗練はロジカルな判断で停止する
か、あるいは希望する精度が得られたか、あるいは不一
致が発生すれば停止する。例えばワードあるいは署名の
ような手書きのテキストを比較するには次の方法が用い
られる。 １） 基本構造のオリジナル・ファイルが設定され、例
えば図３に示すファイル３９のような基準イメージファ
イルに記憶される。 ２） 検証すべき構造は有効な基本構造を探すのに同じ
方法を用いる。 ３） 重要度の順に情報ストリングが比較される。これ
は少なくともある情報エンティティに対して順次あるい
は平行に実施しうる。 ４） 各ステップの妥当性検査が実施される。 ５） 結果に重みが付けられる。
【００３４】もしあるレベルの確信に達するか、あるい
は前記の不一致が既に発生している場合、比較を停止す
るよう判断基準をプロセスが提供する。主要線や角度構
造を見付けることの一例として前述したように認識構造
を段階的に洗練する方法は、ヒストグラミングや、重心
線を見付けたり、高密度の領域を分析することや、線構
造あるいは領域のエンベロープを描くこと等としての積
分法に対して同様に使用することができる。本発明によ
るこの方法は、規定した順序で情報をグループ化した
り、不一致状態あるいは解答すべき質問の妥当性検査が
十分でない場合、分析過程を停止するよう論理的に判断
できる。また、調整のために最も支配的な基本情報を用
いることができる。結果はデータ・ストリングに入れら
れ、ストリングのビット・パターンにより認識構造の特
性を識別できるよう記述する。ストリングは順位が付け
られ、基本パターンとしてファイルされる。種々の分析
方法を種々の基本構造に適用しうることは勿論である。
【００３５】
【発明の効果】本発明により提供され、極ベクトルの例
により示された方法は、パターン認識および妥当性検査
を高効率で達成することができる。このことは、大量の
情報や、複雑な構造のイメージの場合特にいえることで
ある。支配的な情報から始め、内容の低度の情報まで段
階的に進む段階的洗練を行うことにより実行することが
できる。本発明の方法は最大および最小の分析を行い、
各段階の後真偽モードで判断を行う。本発明の方法は、
重要度の低い情報を無視し、情報の質とその重みとを抽
出することができる。希望する品質レベルに達すると、
分析の過程が停止する。本発明の方法は関心のある基本
パターンを探索する方法である。各ステップの直後に重
み付けが行われる。重要でない、あるいは重要度の低い
情報は無視される。このように、大量のイメージの情報
が重要な情報のみに驚異的に減少され、この重要な情報
が短時間に、かつ効果的に見付けられる。
【図面の簡単な説明】
【図１】２種類の樹木の基本的な形態を示す説明図。
【図２】真偽判断のための２種類の妥当性検査関数を示
すグラフ。
【図３】本発明による分析方法のための基本的装置を示
す概略ブロック図。
【図４】位置シフト極マトリックスと極密度ベクトルと
を概略的に示す説明図。
【図５】シフト過程中の種々の状態、構築された種々の
ベクトル、位置シフト極マトリックス、長さベクトル及
び角度ベクトルを示す説明図。
【図６】Ａは「Ｋ Ｍｏｌｌｅｒ」の署名を示す図、Ｂ
はＡに示す署名の密度マトリックスを示す図、ＣはＢの
密度マトリックスから構築したビット・マトリックスを
示す図。
【図７】Ａは図６のＣに示すビット・マトリックスを示
す図、Ｂは図７のＡに示すビット・マトリックスに係わ
る位置シフト極マトリックスを示す図、Ｃは図７のＢに
示すマトリックスから得た極長さベクトルを示す図、Ｄ
は図７のＡおよびＢに示すマトリックスに係わる極角度
ベクトルを示す図。
【図８】Ａは図６のものと同じ人の類似ではあるが等し
くない署名のビット・マトリックスの別の例を示す図、
Ｂは関連の極長さベクトルを示す図、Ｃは関連の極角度
ベクトルを示す図。
【図９】Ａは図６に示すものと類似の同じ人の署名の別
の例のビット・マトリックスを示す図、Ｂは関連の極長
さベクトルを示す図、Ｃは関連の極角度ベクトルを示す
図。
【図１０】Ａは図６に示すものと類似の同じ人の署名の
別の例のビット・マトリックスを示す図、Ｂは関連の極
長さベクトルを示す図、Ｃは関連の極角度ベクトルを示
す図。
【図１１】Ａは図６において示すものと類似の同じ人の
署名のさらに別の例のビット・マトリックスを示す図、
Ｂは関連の極長さベクトルを示す図、Ｃは関連の極角度
ベクトルを示す図。
【図１２】種々の樹木のイメージや形状を用いた判断ツ
リーの例を示す図。
フロントページの続き (72)発明者 ヴェルナー・ルーペート ドイツ連邦共和国7036 シェーナイヒ、ガ ルテンシュトラーセ ９／１番地

Claims (9)

    【特許請求の範囲】
  1. 【請求項１】 認識および妥当性検査の場所から離れた
    ところで書かれた手書きの署名等の文書を、コンピュー
    タシステムを用いてパターン認識し、かつ妥当性検査を
    する方法において、 （ａ）パターンを含む文書を走査し、 （ｂ）ビット・マトリックスの形態で、走査されたパタ
    ーンの電気的表示を提供し、 （ｃ）パターンの特徴を、絶対的および相対的位置、大
    きさ、並びにパターンの選定された点および線の一方又
    は両方の線および角度構造から検出し、 （ｄ）認識構造を段階的に洗練し、必要に応じて増大分
    解度と組み合わせることにより、検出された特徴をクラ
    ス分けし、かつ妥当性検査を行い、 （ｅ）検出された特徴を、記憶された各基本構造のセッ
    トと比較し、 （ｆ）所定レベルの確信に達するか、あるいは不一致が
    生じるまで、ステップ（ｃ）、（ｄ）および（ｅ）を繰
    り返す ことを特徴とするパターン認識および妥当性検査の方
    法。
  2. 【請求項２】 請求項１記載の方法において、ステップ
    （ｃ）においては （ｃ1）ビット・マトリックスに含まれたイメージ情報
    が順次分析され、 （ｃ2）前記の分析が所定の要領で実行され、 ステップ（ｄ）においては、 （ｄ1）重要な構造が分離され、 （ｄ2）前記の重要な構造に重み付けがなされる ことを特徴とする方法。
  3. 【請求項３】 請求項１又は２記載の方法において、ス
    テップ（ｅ）においては、所定レベルの確信に達するか
    あるいは不一致状態が生じるまで、重要度の低い順に構
    造が比較されることを特徴とする方法。
  4. 【請求項４】 請求項１〜３のいずれか１項に記載の方
    法において、ステップ（ｃ）においては、更に （ｃ3）パターンの線の角度構造を検出し、 （ｃ4）Ｘ軸あるいは書く方向であるパターンの軸線に
    沿った前記角度構造の分布を検出し、 （ｃ6）前記の種々の角度に応じて、線の長さを検出す
    る ことを特徴とする方法。
  5. 【請求項５】 請求項１〜４のいずれか１項に記載の方
    法において、走査されたイメージの正規化が、 ａ）書く方向が、Ｘ軸としての水平方向軸線等の特定の
    軸線にセットされ、 ｂ）角度分析において、書かれた線の支配的「垂直」方
    向と水平方向軸線との間の角度が検出され、 ｃ）ステップｂ）により検出される前記の支配的「垂
    直」角度に対応する角度だけ、イメージ・マトリックス
    を前記の検出された角度とは反対の方向にシフトするこ
    とにより、イメージ・パターンが設定され、 署名のようなパターンに対して重要なヒストグラムを、
    正規化されたイメージ高さと幅において形成し、ピーク
    間の絶対的および相対的距離、絶対的および相対的ピー
    ク値、ヒストグラムの外形、およびピーク位置等におけ
    る線の絶対的および相対的長さ等の重要なパラメータを
    示すことを特徴とする方法。
  6. 【請求項６】 請求項１〜５のいずれか１項に記載の方
    法を実行する装置において、 １）認識しかつ妥当性検査すべきパターンを走査するイ
    メージ・スキャナ（３１）と、 ２）高さおよび幅が正規化された前記パターンのイメー
    ジを発生させるイメージ・ノーマライザ（３２）と、 ３）前記イメージの種々の重要な基本構造を検出するイ
    メージ識別器（３３、３４、３５）と、 ４）重要な構造に対する情報を含む基本イメージを記憶
    する記憶ファイル（３９）と、 ５）実際に走査されたパターンイメージから導かれた重
    要な基本構造を基準イメージ記憶ファイルから送られた
    対応する構造の関連の情報ストリングと比較するパター
    ン比較器（３６、３７、３８）と、 ６）パターン比較器の種々の結果に重み付けをして、不
    一致を示す結果（３０２）、あるいはあるレベルの確信
    を示す結果を発生させる重み付け回路（３０１）と を含むことを特徴とする装置。
  7. 【請求項７】 請求項６記載の装置において、パターン
    比較器において比較すべき、基準イメージの記憶ファイ
    ルに記憶された情報ストリングと、導き出された重要な
    基本構造とが、ビット・ストリングの形態で提供される
    ことを特徴とする装置。
  8. 【請求項８】 請求項１〜５のいずれか１項に記載の方
    法を、銀行等の署名検証環境において、別の適当な基準
    を有する顧客の口座番号あるいは顧客の名前を使用する
    際、走査されたパターン・イメージを記憶された基準イ
    メージに相関させることにより、用いたことを特徴とす
    る方法。
  9. 【請求項９】 請求項６又は７記載の装置を、銀行等の
    署名検証環境において、別の適当な基準を有する顧客の
    口座番号あるいは顧客の名前を使用する際、走査された
    パターン・イメージを記憶された基準イメージに相関さ
    せることにより、用いたことを特徴とする装置。
JP5046302A 1992-04-30 1993-03-08 パターン認識と妥当性検査の方法及び装置 Expired - Fee Related JP2694101B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP92107378A EP0567680B1 (en) 1992-04-30 1992-04-30 Pattern recognition and validation, especially for hand-written signatures
DE92107378.9 1992-04-30

Publications (2)

Publication Number Publication Date
JPH0660169A true JPH0660169A (ja) 1994-03-04
JP2694101B2 JP2694101B2 (ja) 1997-12-24

Family

ID=8209589

Family Applications (1)

Application Number Title Priority Date Filing Date
JP5046302A Expired - Fee Related JP2694101B2 (ja) 1992-04-30 1993-03-08 パターン認識と妥当性検査の方法及び装置

Country Status (4)

Country Link
US (1) US5657396A (ja)
EP (1) EP0567680B1 (ja)
JP (1) JP2694101B2 (ja)
DE (1) DE69230031T2 (ja)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5930788A (en) * 1997-07-17 1999-07-27 Oracle Corporation Disambiguation of themes in a document classification system
US8024269B1 (en) 1997-08-27 2011-09-20 Datatreasury Corporation Remote image capture with centralized processing and storage
US5910988A (en) * 1997-08-27 1999-06-08 Csp Holdings, Inc. Remote image capture with centralized processing and storage
US7519558B2 (en) 1997-08-27 2009-04-14 Ballard Claudio R Biometrically enabled private secure information repository
GB2354099B (en) * 1999-09-09 2003-09-10 Sony Uk Ltd Image identification apparatus and method of identifying images
ATE265716T1 (de) * 2000-02-16 2004-05-15 Ericsson Telefon Ab L M Stiftdrucker
US20010033293A1 (en) * 2000-02-16 2001-10-25 Magnus Hollstrom Electronic pen help feedback and information retrieval
US6813396B1 (en) 2000-02-16 2004-11-02 Telefonatiebolaget L.M. Ericsson (Publ) Method for sharing information between electronic reading devices
US6839623B1 (en) 2000-02-16 2005-01-04 Telefonaktiebolaget Lm Ericsson (Publ) Positioning applications for an electronic reading device
US6885878B1 (en) 2000-02-16 2005-04-26 Telefonaktiebolaget L M Ericsson (Publ) Method and system for using an electronic reading device as a general application input and navigation interface
US6832116B1 (en) 2000-02-16 2004-12-14 Telefonaktiebolaget L M Ericsson (Publ) Method and system for controlling an electronic utility device using an electronic reading device
US6952497B1 (en) 2000-02-16 2005-10-04 Telefonaktiebolaget L M Ericsson (Publ) Method and system for electronically recording transactions and performing security function
GB2369203A (en) * 2000-10-05 2002-05-22 Assertion Ltd Protection of intellectual property rights on a network
WO2002103617A1 (en) * 2001-06-15 2002-12-27 Koninklijke Philips Electronics N.V. Automatic natural content detection in video information
DE50102061D1 (de) 2001-08-01 2004-05-27 Zn Vision Technologies Ag Hierarchische Bildmodellanpassung
US6703633B2 (en) * 2001-08-16 2004-03-09 Hewlett-Packard Development Company, L.P. Method and apparatus for authenticating a signature
GB0123547D0 (en) * 2001-10-01 2001-11-21 Marconi Software Solutions Ltd A system for identifying a user
WO2003091849A2 (en) 2002-04-23 2003-11-06 The Clearing House Service Company L.L.C. Payment identification code system
US7243165B2 (en) * 2004-01-14 2007-07-10 International Business Machines Corporation Parallel pattern detection engine
US7487542B2 (en) * 2004-01-14 2009-02-03 International Business Machines Corporation Intrusion detection using a network processor and a parallel pattern detection engine
US8725607B2 (en) 2004-01-30 2014-05-13 The Clearing House Payments Company LLC Electronic payment clearing and check image exchange systems and methods
JP4696778B2 (ja) * 2005-08-23 2011-06-08 コニカミノルタホールディングス株式会社 認証装置、認証方法及びプログラム
CN101383050B (zh) * 2008-10-14 2010-06-09 广东威创视讯科技股份有限公司 笔迹的书写方法及书写装置
JP6193779B2 (ja) * 2013-06-03 2017-09-06 株式会社デンソーアイティーラボラトリ 特徴量変換装置、学習装置、認識装置、及び特徴量変換プログラム
US10032065B2 (en) 2013-10-25 2018-07-24 Wacom Co., Ltd. Dynamic handwriting verification, handwriting-based user authentication, handwriting data generation, and handwriting data preservation
CN105556566B (zh) 2013-10-25 2019-06-14 株式会社和冠 动态手写验证、基于手写的用户认证、手写数据生成和手写数据保存
US9235748B2 (en) 2013-11-14 2016-01-12 Wacom Co., Ltd. Dynamic handwriting verification and handwriting-based user authentication
CN105447433B (zh) 2014-09-01 2020-01-31 阿里巴巴集团控股有限公司 一种注册身份的方法及装置
US11295308B1 (en) 2014-10-29 2022-04-05 The Clearing House Payments Company, L.L.C. Secure payment processing
US11042882B2 (en) 2015-07-01 2021-06-22 The Clearing House Payments Company, L.L.C. Real-time payment system, method, apparatus, and computer program
US11694168B2 (en) 2015-07-01 2023-07-04 The Clearing House Payments Company L.L.C. Real-time payment system, method, apparatus, and computer program
US11436577B2 (en) 2018-05-03 2022-09-06 The Clearing House Payments Company L.L.C. Bill pay service with federated directory model support

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0225985A (ja) * 1988-07-15 1990-01-29 Fuji Electric Co Ltd 筆跡鑑定装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5953989A (ja) * 1982-09-21 1984-03-28 Casio Comput Co Ltd 入力デ−タ認識方式
FR2540263B1 (fr) * 1983-01-31 1988-05-20 Commissariat Energie Atomique Procede de reconnaissance automatique d'une image a partir d'une image correspondante de reference
EP0150927B1 (en) * 1984-01-09 1988-01-13 The De La Rue Company Plc Sign verification
US4789934A (en) * 1986-01-21 1988-12-06 International Business Machines Corporation Signature verification algorithm
JPS63308679A (ja) * 1987-06-11 1988-12-16 Secom Co Ltd 隆線紋様の隆線方向検出装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0225985A (ja) * 1988-07-15 1990-01-29 Fuji Electric Co Ltd 筆跡鑑定装置

Also Published As

Publication number Publication date
DE69230031D1 (de) 1999-10-28
EP0567680B1 (en) 1999-09-22
US5657396A (en) 1997-08-12
JP2694101B2 (ja) 1997-12-24
EP0567680A1 (en) 1993-11-03
DE69230031T2 (de) 2000-04-20

Similar Documents

Publication Publication Date Title
JP2694101B2 (ja) パターン認識と妥当性検査の方法及び装置
CA2077970C (en) Optical word recognition by examination of word shape
US5687253A (en) Method for comparing word shapes
US5539841A (en) Method for comparing image sections to determine similarity therebetween
US5410611A (en) Method for identifying word bounding boxes in text
US6249604B1 (en) Method for determining boundaries of words in text
JP3053388B2 (ja) 指紋画像特色相関器
US8625861B2 (en) Fingerprint representation using gradient histograms
US5640466A (en) Method of deriving wordshapes for subsequent comparison
US4028674A (en) Automated signature verification system
US6151423A (en) Character recognition with document orientation determination
US5369714A (en) Method and apparatus for determining the frequency of phrases in a document without document image decoding
JP3218004B2 (ja) 試験署名検証方法
WO2001041051A1 (en) Method and apparatus for verification of signatures
WO2010087886A1 (en) Systems and methods for graph-based pattern recognition technology applied to the automated identification of fingerprints
US9047655B2 (en) Computer vision-based methods for enhanced JBIG2 and generic bitonal compression
WO1993020533A1 (en) Character-recognition systems and methods with means to measure endpoint features in character bit-maps
US6246793B1 (en) Method and apparatus for transforming an image for classification or pattern recognition
JP2019102061A5 (ja)
Chi et al. Separation of single-and double-touching handwritten numeral strings
Daniels et al. Discriminating features for writer identification
JP2751865B2 (ja) 文字列認識装置
JP2001506383A (ja) ピクセルマトリクス上で文字認識を実行する方法
JPH06162265A (ja) イメージ認識システム
Garris et al. Method and evaluation of character stroke preservation on handprint recognition

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees