JPH07192098A - 手書き文字認識システムにおけるプロトタイプ平均処理方法及び装置 - Google Patents
手書き文字認識システムにおけるプロトタイプ平均処理方法及び装置Info
- Publication number
- JPH07192098A JPH07192098A JP4235923A JP23592392A JPH07192098A JP H07192098 A JPH07192098 A JP H07192098A JP 4235923 A JP4235923 A JP 4235923A JP 23592392 A JP23592392 A JP 23592392A JP H07192098 A JPH07192098 A JP H07192098A
- Authority
- JP
- Japan
- Prior art keywords
- character
- prototype
- averaging
- sample
- recognition system
- 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
Links
Classifications
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/1914—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries, e.g. user dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
- G07C9/35—Individual registration on entry or exit not involving the use of a pass in combination with an identity check by means of a handwritten signature
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
(57)【要約】
【目的】 本発明の目的は改良された手書き文字認識シ
ステムを提供することにあるり、より具体的には、平均
プロトタイプ文字生成の際の平均されるべき認識された
文字のパラメトリック表現を整合するための改良された
手順を提供することにある。 【構成】 本発明においては手書き文字認識システム内
で使用される平均プロトタイプを提供するための平均さ
れるべき認識された文字のパラメトリック表現の整合を
向上させる弾性マッチング整合技術が開示される。２つ
の文字の弾性マッチングから得られるポイント・ツウ・
ポイント対応はマッチングの計算の際にバックポインタ
を使用することによって得られる。ある文字は、それが
新たな文字である場合、つまり、一定の域値内で正しく
認識されない場合、プロトタイプセットに加えられる。
正しく認識されたときは、その文字はそのクラスの最も
近いプロトタイプ内に平均化され、一つの新たな平均プ
ロトタイプが提供される。
ステムを提供することにあるり、より具体的には、平均
プロトタイプ文字生成の際の平均されるべき認識された
文字のパラメトリック表現を整合するための改良された
手順を提供することにある。 【構成】 本発明においては手書き文字認識システム内
で使用される平均プロトタイプを提供するための平均さ
れるべき認識された文字のパラメトリック表現の整合を
向上させる弾性マッチング整合技術が開示される。２つ
の文字の弾性マッチングから得られるポイント・ツウ・
ポイント対応はマッチングの計算の際にバックポインタ
を使用することによって得られる。ある文字は、それが
新たな文字である場合、つまり、一定の域値内で正しく
認識されない場合、プロトタイプセットに加えられる。
正しく認識されたときは、その文字はそのクラスの最も
近いプロトタイプ内に平均化され、一つの新たな平均プ
ロトタイプが提供される。
Description
【０００１】
【産業上の利用分野】本発明は手書き文字認識の分野に
関連し、より詳細には弾性マッチング平均処理（elasti
c-matching averaging technique）技法に関する。より
具体的には、本発明は、平均プロトタイプ文字生成のた
めに平均されるべき認識された文字のパラメータ表現を
整合するための改良された手順を提供することにある。
関連し、より詳細には弾性マッチング平均処理（elasti
c-matching averaging technique）技法に関する。より
具体的には、本発明は、平均プロトタイプ文字生成のた
めに平均されるべき認識された文字のパラメータ表現を
整合するための改良された手順を提供することにある。
【０００２】
【従来の技術】多くのオンライン手書き文字認識システ
ムは未知の文字をプロトタイプ、或はテンプレート文字
と比較するために曲線マッチング法（curve matching m
ethod）を使用する。このようなシステムの例が幾つか
が以下の文献、つまり、Ｗ．ドースタ（Doster）及び
Ｒ．オイド（Oed ）によってＩＥＥＥＭｉｃｒｏ、Ｖｏ
ｌ．４、１９８４年１０月号、ページ３６−４３に掲載
の論文『オンラインスクリプト認識によるワードプロセ
シング（Word processing with on-line script recogn
ition ）』；Ｋ．イケダ、Ｔ．ミツムラ、Ｓ．フジワ
ラ、及びＴ．キヨノによって第４回パターン認識国際会
議議事録、１９７８年１１月、ページ８１３−８１５に
掲載の論文『位置及びストロークベクトルシーケンスを
使用しての手書き文字のオンライン認識（On-line reco
gnition of handwritten characters utilizing positi
onal and stroke vector sequences）』；Ｃ．Ｃ．タパ
ート（Tappert ）によって第７回パターン認識国際会議
議事録、１９８４年、ページ１００４−１００７に掲載
の論文『適応オンライン手書き文字認識（Adaptive on-
line handwriting recognition）』；Ｃ．Ｃ．タパート
によってＩＢＭ研究報告ＲＣ１３２２８、１９８７年１
０月号に掲載の論文『オンライン文字認識における速
度、精度、フレキシビリティのトレードオフ（Speed,ac
curacy,flexibility trade-offs in on line character
recognition）』；及びＴ．ワカハラ及びＭ．ウメダに
よって第４回ＩＣＴＰ議事録、１９８３年、ページ１５
７−１６３に掲載の論文『選択的ストローク連結による
ストローク数及びストローク順に依存しないオンセイン
文字認識（Stroke-number and stroke-order free on-l
ine character recognition ）』において説明されてい
る。一般的に、このようなプロトタイプをベースとする
手書き文字認識システムの精度はプロトタイプの質の関
数である。
ムは未知の文字をプロトタイプ、或はテンプレート文字
と比較するために曲線マッチング法（curve matching m
ethod）を使用する。このようなシステムの例が幾つか
が以下の文献、つまり、Ｗ．ドースタ（Doster）及び
Ｒ．オイド（Oed ）によってＩＥＥＥＭｉｃｒｏ、Ｖｏ
ｌ．４、１９８４年１０月号、ページ３６−４３に掲載
の論文『オンラインスクリプト認識によるワードプロセ
シング（Word processing with on-line script recogn
ition ）』；Ｋ．イケダ、Ｔ．ミツムラ、Ｓ．フジワ
ラ、及びＴ．キヨノによって第４回パターン認識国際会
議議事録、１９７８年１１月、ページ８１３−８１５に
掲載の論文『位置及びストロークベクトルシーケンスを
使用しての手書き文字のオンライン認識（On-line reco
gnition of handwritten characters utilizing positi
onal and stroke vector sequences）』；Ｃ．Ｃ．タパ
ート（Tappert ）によって第７回パターン認識国際会議
議事録、１９８４年、ページ１００４−１００７に掲載
の論文『適応オンライン手書き文字認識（Adaptive on-
line handwriting recognition）』；Ｃ．Ｃ．タパート
によってＩＢＭ研究報告ＲＣ１３２２８、１９８７年１
０月号に掲載の論文『オンライン文字認識における速
度、精度、フレキシビリティのトレードオフ（Speed,ac
curacy,flexibility trade-offs in on line character
recognition）』；及びＴ．ワカハラ及びＭ．ウメダに
よって第４回ＩＣＴＰ議事録、１９８３年、ページ１５
７−１６３に掲載の論文『選択的ストローク連結による
ストローク数及びストローク順に依存しないオンセイン
文字認識（Stroke-number and stroke-order free on-l
ine character recognition ）』において説明されてい
る。一般的に、このようなプロトタイプをベースとする
手書き文字認識システムの精度はプロトタイプの質の関
数である。
【０００３】多くのオンライン手書き文字認識システム
は未知の文字をプロトタイプ（テンプレート）文字と比
較するために弾性曲線マッチングを使用する。このよう
なシステムの例は、以下の幾つかの文献、つまり、Ｔ．
フジサキ、Ｔ．Ｅ．チェファラス（Chefalas）、Ｊ．キ
ム（Kim ）、及びＣ．Ｃ．タパートによって第１０回パ
ターン認識国際会議議事録、１９９０年６月、ページ４
５０−４５４に掲載の論文『続き手書き文字用のオンラ
イン認識器（Online recognizer for runon handprinte
d characters）』；Ｋ．イケダ、Ｔ．ヤマムラ、Ｙ．ミ
タムラ、Ｓ．フジワラ、Ｙ．トミナガ、及びＴ．キヨノ
によって第４回パターン認識国際会議議事録、１９７８
年１１月、ページ８１３−８１５に掲載の論文『位置及
びストロークベクトルシーケンスを使用しての手書き文
字のオンライン認識（Online recognition of handwrit
ten characters utilizing positional and stroke vec
tor sequences ）』；及びＣ．Ｃ．タパート（Tappert
）によって第７回パターン認識国際会議議事録、１９
８４年、ページ１００４−１００７に掲載の論文『適応
オンライン手書き文字認識（Adaptive on-line handwri
ting recognition）』において説明されている。このよ
うなシステムは、通常、一つの文字を書く各方法を、通
常、その文字の一つの書き方である単一のプロトタイプ
によって表わす。これは、プロトタイプの数を最小限に
押え、従って、比較のための計算時間を短縮する。
は未知の文字をプロトタイプ（テンプレート）文字と比
較するために弾性曲線マッチングを使用する。このよう
なシステムの例は、以下の幾つかの文献、つまり、Ｔ．
フジサキ、Ｔ．Ｅ．チェファラス（Chefalas）、Ｊ．キ
ム（Kim ）、及びＣ．Ｃ．タパートによって第１０回パ
ターン認識国際会議議事録、１９９０年６月、ページ４
５０−４５４に掲載の論文『続き手書き文字用のオンラ
イン認識器（Online recognizer for runon handprinte
d characters）』；Ｋ．イケダ、Ｔ．ヤマムラ、Ｙ．ミ
タムラ、Ｓ．フジワラ、Ｙ．トミナガ、及びＴ．キヨノ
によって第４回パターン認識国際会議議事録、１９７８
年１１月、ページ８１３−８１５に掲載の論文『位置及
びストロークベクトルシーケンスを使用しての手書き文
字のオンライン認識（Online recognition of handwrit
ten characters utilizing positional and stroke vec
tor sequences ）』；及びＣ．Ｃ．タパート（Tappert
）によって第７回パターン認識国際会議議事録、１９
８４年、ページ１００４−１００７に掲載の論文『適応
オンライン手書き文字認識（Adaptive on-line handwri
ting recognition）』において説明されている。このよ
うなシステムは、通常、一つの文字を書く各方法を、通
常、その文字の一つの書き方である単一のプロトタイプ
によって表わす。これは、プロトタイプの数を最小限に
押え、従って、比較のための計算時間を短縮する。
【０００４】上のＴ．フジサキらの認識システムは元の
文字プロトタイプをトレーニングシナリオを通じてユー
ザがサンプルを手書したものから得られる。平均プロト
タイプは（マッチ域値内で）同一のラベル及び形状の元
の文字プロトタイプを平均することによって得られる。
例えば、類似する形状の複数のＡが平均されて一つの平
均Ａプロトタイプが得られる。
文字プロトタイプをトレーニングシナリオを通じてユー
ザがサンプルを手書したものから得られる。平均プロト
タイプは（マッチ域値内で）同一のラベル及び形状の元
の文字プロトタイプを平均することによって得られる。
例えば、類似する形状の複数のＡが平均されて一つの平
均Ａプロトタイプが得られる。
【０００５】Ｔ．Ｅ．チェファラス（Chefalas）及び
Ｃ．Ｃ．タパート（Tappert ）によってＩＢＭ技術開示
小冊子、１９９４年１月号、Ｖｏｌ．３３、ページ４２
０に掲載の論文『手書き文字認識システムにおける改良
されたプロトタイプ確立（Improved prototype establi
shment in a handwriting recognition system）』はオ
ンライン手書き文字認識のためのグローバル及び増分平
均処理技術について説明する。
Ｃ．Ｃ．タパート（Tappert ）によってＩＢＭ技術開示
小冊子、１９９４年１月号、Ｖｏｌ．３３、ページ４２
０に掲載の論文『手書き文字認識システムにおける改良
されたプロトタイプ確立（Improved prototype establi
shment in a handwriting recognition system）』はオ
ンライン手書き文字認識のためのグローバル及び増分平
均処理技術について説明する。
【０００６】Ｊ．Ｍ．クルツベルグ（Kurtberg）及び
Ｃ．Ｃ．タパートによってＩＢＭ技術開示小冊子、Ｖｏ
ｌ．２４、Ｎｏ．６、１９８１年１１月、ページ１９８
１に掲載の論文『弾性マッチングによる記号認識システ
ム（Symbol Recognition System By Elastic Matching
）』は記号を認識するために弾性マッチングを使用す
るための技術を開示する。
Ｃ．Ｃ．タパートによってＩＢＭ技術開示小冊子、Ｖｏ
ｌ．２４、Ｎｏ．６、１９８１年１１月、ページ１９８
１に掲載の論文『弾性マッチングによる記号認識システ
ム（Symbol Recognition System By Elastic Matching
）』は記号を認識するために弾性マッチングを使用す
るための技術を開示する。
【０００７】Ｃ．Ｃ．タパートによってＩＢＭ技術開示
小冊子、Ｖｏｌ．２４、Ｎｏ．１１Ａ、ページ５４０４
−５４０７に掲載の論文『弾性マッチングによる続き書
き文字認識システム（Cursive Script Recognition Sys
tem By Elastic Matching ）』は続き書き文字を認識す
るために弾性マッチングを使用するための技法を開示す
る。
小冊子、Ｖｏｌ．２４、Ｎｏ．１１Ａ、ページ５４０４
−５４０７に掲載の論文『弾性マッチングによる続き書
き文字認識システム（Cursive Script Recognition Sys
tem By Elastic Matching ）』は続き書き文字を認識す
るために弾性マッチングを使用するための技法を開示す
る。
【０００８】
【発明が解決しようとする課題】本発明の目的は改良さ
れた手書き文字認識システムを提供することにある。
れた手書き文字認識システムを提供することにある。
【０００９】本発明のもう一つの目的は手書き文字認識
システム内で使用される改良された弾性プロトタイプ平
均方法を提供することにある。
システム内で使用される改良された弾性プロトタイプ平
均方法を提供することにある。
【００１０】本発明のさらにもう一つの目的は手書き文
字認識システム内で使用されるプロトタイプ確立の際の
弾性平均法を提供することにある。
字認識システム内で使用されるプロトタイプ確立の際の
弾性平均法を提供することにある。
【００１１】本発明のさらにもう一つの目的は手書き文
字認識システム内で使用される２つの文字の弾性マッチ
から得られるポイント・ツウ・ポイント対応がマッチの
計算の際のバックポインタを使用して得られるプロトタ
イプ確立の際の弾性平均法を提供することにある。
字認識システム内で使用される２つの文字の弾性マッチ
から得られるポイント・ツウ・ポイント対応がマッチの
計算の際のバックポインタを使用して得られるプロトタ
イプ確立の際の弾性平均法を提供することにある。
【００１２】本発明によると、弾性マッチング（動的プ
ログラミング）手順が上に示されるような認識のために
使用されるのではなく、平均プロトタイプ文字を生成す
るために平均されるべき既に認識された文字のパラメト
リック表現の整合の向上のために使用される。２つの文
字の弾性マッチングの結果としてのポイント・ツウ・ポ
イント対応が一致の計算の際にバックポインタを使用す
ることによって得られる。整合のためのこの改良された
弾性マッチング法は上に説明されるグローバル及び増分
平均処理技術の両方に適用できる。
ログラミング）手順が上に示されるような認識のために
使用されるのではなく、平均プロトタイプ文字を生成す
るために平均されるべき既に認識された文字のパラメト
リック表現の整合の向上のために使用される。２つの文
字の弾性マッチングの結果としてのポイント・ツウ・ポ
イント対応が一致の計算の際にバックポインタを使用す
ることによって得られる。整合のためのこの改良された
弾性マッチング法は上に説明されるグローバル及び増分
平均処理技術の両方に適用できる。
【００１３】
【課題を解決するための手段及び作用】本発明において
は、平均プロトタイプ文字を生成するための平均される
べき文字のパラメトリック表現の整合を向上させるため
に弾性マッチング技法が使用される。２つの文字の弾性
マッチングから得られるポイント・ツウ・ポイント対応
がこれら２つの文字の平均された文字プロトタイプ表現
を生成するためのマッチングの計算の際にバックポイン
タを使用することによって得られる。
は、平均プロトタイプ文字を生成するための平均される
べき文字のパラメトリック表現の整合を向上させるため
に弾性マッチング技法が使用される。２つの文字の弾性
マッチングから得られるポイント・ツウ・ポイント対応
がこれら２つの文字の平均された文字プロトタイプ表現
を生成するためのマッチングの計算の際にバックポイン
タを使用することによって得られる。
【００１４】平均化すると通常、元の文字サンプルより
も規則的な形状或は理想化されたプロトタイプが得られ
る。平均化された文字形状は滑らかにされ、殆どの不揃
が除去される。トレーニングの際の平均のための弾性整
合の方法は正確であるばかりでなく、認識整合の際の文
字の弾性マッチングともコンパティブルである。
も規則的な形状或は理想化されたプロトタイプが得られ
る。平均化された文字形状は滑らかにされ、殆どの不揃
が除去される。トレーニングの際の平均のための弾性整
合の方法は正確であるばかりでなく、認識整合の際の文
字の弾性マッチングともコンパティブルである。
【００１５】
【実施例】図１には本発明に従って構成及び動作される
オンライン手書き文字認識システム１０が示される。シ
ステム１０は書き込み手段、例えば、スタイラス１４を
電子タブレット及びディスプレイ１２から成る手書き文
字トランスジューサを含む。手書き文字に応答して、ト
ランスジューサはタブレット１２の座標系に対するスタ
イラス１４の位置に対応する（ｘ、ｙ）座標ペアのシリ
アル流を出力する。この座標ペアはストロークセグメン
タ（stroke segmenter）１６に供給されるが、これは各
手書きストロークの開始及び終端を識別する。ストロー
クは文字マッチャ１８に供給される。文字マッチャ１８
は所定の文字プロトタイプのメモリ２０に結合され、入
力ストロークのポイントを格納された文字プロトタイプ
のポイントと比較することによって、ある確率の範囲内
で、入力ストローク或はストロークの集合体が特定の文
字を表わすことを識別する。認識された文字はマッチャ
１８からライン１９を介してタブレット及びディスプレ
イ１２に出力され、ここで表示されるか、或はディスプ
レイのような利用デバイス２１、ワード処理プログラム
のようなアプリケーションプログラム等に供給される。
幾つかのシステムにおいては、セグメンタ１６及び文字
マッチャ１８の機能が一つの手書きストローク処理ユニ
ット内に結合される。
オンライン手書き文字認識システム１０が示される。シ
ステム１０は書き込み手段、例えば、スタイラス１４を
電子タブレット及びディスプレイ１２から成る手書き文
字トランスジューサを含む。手書き文字に応答して、ト
ランスジューサはタブレット１２の座標系に対するスタ
イラス１４の位置に対応する（ｘ、ｙ）座標ペアのシリ
アル流を出力する。この座標ペアはストロークセグメン
タ（stroke segmenter）１６に供給されるが、これは各
手書きストロークの開始及び終端を識別する。ストロー
クは文字マッチャ１８に供給される。文字マッチャ１８
は所定の文字プロトタイプのメモリ２０に結合され、入
力ストロークのポイントを格納された文字プロトタイプ
のポイントと比較することによって、ある確率の範囲内
で、入力ストローク或はストロークの集合体が特定の文
字を表わすことを識別する。認識された文字はマッチャ
１８からライン１９を介してタブレット及びディスプレ
イ１２に出力され、ここで表示されるか、或はディスプ
レイのような利用デバイス２１、ワード処理プログラム
のようなアプリケーションプログラム等に供給される。
幾つかのシステムにおいては、セグメンタ１６及び文字
マッチャ１８の機能が一つの手書きストローク処理ユニ
ット内に結合される。
【００１６】文字プロトタイプはシステム１０のユーザ
にて行なわれるトレーニングセッションにおいてメモリ
内に提供される。文字プロトタイプはシステムの特定の
ユーザによって入力され、その後、その特定のユーザが
手書き文字を入力したときにのみ使用される。
にて行なわれるトレーニングセッションにおいてメモリ
内に提供される。文字プロトタイプはシステムの特定の
ユーザによって入力され、その後、その特定のユーザが
手書き文字を入力したときにのみ使用される。
【００１７】これとの関連で、開始プロトタイプセット
（starter prototype set ）を任意のユーザによってシ
ステム１０を最初に使用するときに使用されるべき初期
プロトタイプセットとして設計することもできる。必要
であれば、ユーザは、次に、彼／彼女自身の手書きスタ
イルにて文字プロトタイプを追加することによってユー
ザのために専用化された、ここでは個人用プロトタイプ
セット（individualized prototype set）とも呼ばれる
プロトタイプセットを得ることもできる。開始プロトタ
イプセットは、典型的には、手書き文字認識システムの
専門家によって作成されるために、システム１０のユー
ザに書く上での指示或は制約に従うという負担はかから
ない。
（starter prototype set ）を任意のユーザによってシ
ステム１０を最初に使用するときに使用されるべき初期
プロトタイプセットとして設計することもできる。必要
であれば、ユーザは、次に、彼／彼女自身の手書きスタ
イルにて文字プロトタイプを追加することによってユー
ザのために専用化された、ここでは個人用プロトタイプ
セット（individualized prototype set）とも呼ばれる
プロトタイプセットを得ることもできる。開始プロトタ
イプセットは、典型的には、手書き文字認識システムの
専門家によって作成されるために、システム１０のユー
ザに書く上での指示或は制約に従うという負担はかから
ない。
【００１８】いずれのケースにおいても、トレーニング
セッションの間、文字マッチャ１８からの文字は物理或
は論理スイッチ２２を通じてプロトタイププロセッサ２
４に送られるが、このプロセッサは、例えば、インテ
ル’３８６プロセッサであり得る。プロトタイププロセ
ッサ２４の出力は一連の平均されたプロトタイプ文字で
あり、これらは、メモリ２０に供給され、その後、シス
テム１０のユーザによって遂行される手書き文字認識セ
ッションにおいて使用される。
セッションの間、文字マッチャ１８からの文字は物理或
は論理スイッチ２２を通じてプロトタイププロセッサ２
４に送られるが、このプロセッサは、例えば、インテ
ル’３８６プロセッサであり得る。プロトタイププロセ
ッサ２４の出力は一連の平均されたプロトタイプ文字で
あり、これらは、メモリ２０に供給され、その後、シス
テム１０のユーザによって遂行される手書き文字認識セ
ッションにおいて使用される。
【００１９】本発明によると、認識の精度を向上させる
ための平均文字プロトタイプを生成するためにプロトタ
イププロセッサ２４を動作するための方法が提供され
る。本発明の認識システムはトレーニングシナリオを通
じてのユーザのサンプルの手書きから元の文字プロトタ
イプを集める。平均プロトタイプは（マッチ域値内で）
同一のラベル及び形状の元の文字プロトタイプを平均す
ることによって得られる。例えば、同じような形状の複
数のＡが平均されてＡとラベルされる一つの平均された
Ａが得られる。
ための平均文字プロトタイプを生成するためにプロトタ
イププロセッサ２４を動作するための方法が提供され
る。本発明の認識システムはトレーニングシナリオを通
じてのユーザのサンプルの手書きから元の文字プロトタ
イプを集める。平均プロトタイプは（マッチ域値内で）
同一のラベル及び形状の元の文字プロトタイプを平均す
ることによって得られる。例えば、同じような形状の複
数のＡが平均されてＡとラベルされる一つの平均された
Ａが得られる。
【００２０】本発明の弾性マッチング（ダイナミックプ
ログラミング）手順は、平均されるべき文字のパラメト
リック表現の整合を行なうことによって平均プロトタイ
プ文字を与える。２つの文字の弾性マッチの結果として
得られるポイント・ツウ・ポイント対応はマッチの計算
の際にバックポインタを使用することによって得られ
る。この整合の弾性的方法は、従来の技術において周知
のグローバル及び増分平均技法の両方に適用できる。グ
ローバル平均法においては、多数の文字が書き込まれた
後に、これらが処理され、プロトタイプが形成される。
増分平均法では、プロトタイプが”オンザフライ（on t
he fly）”、つまり、リアルタイムにて生成される。
ログラミング）手順は、平均されるべき文字のパラメト
リック表現の整合を行なうことによって平均プロトタイ
プ文字を与える。２つの文字の弾性マッチの結果として
得られるポイント・ツウ・ポイント対応はマッチの計算
の際にバックポインタを使用することによって得られ
る。この整合の弾性的方法は、従来の技術において周知
のグローバル及び増分平均技法の両方に適用できる。グ
ローバル平均法においては、多数の文字が書き込まれた
後に、これらが処理され、プロトタイプが形成される。
増分平均法では、プロトタイプが”オンザフライ（on t
he fly）”、つまり、リアルタイムにて生成される。
【００２１】弾性平均法にはユーザの手書き文字の収集
が必要である。この収集内の各サンプル文字はＸ、Ｙ座
標のストリーム及びデジタル化タブレット１２（図１）
から記録されたときのストリーム内の座標の数を含む。
この”元の”データは空間フィルタによって処理され、
このストリームが大体等しい間隔を持つポイントに縮小
される。フィルタの後、Ｘ、Ｙ座標の重心が計算され、
これらストリームの座標がこの重心の回りに正規化され
る。図２Ａ−２Ｄは文字”３”の４つのサンプルを示す
が、ここで各サンプルは異なる数のサンプルポイントを
持つ。
が必要である。この収集内の各サンプル文字はＸ、Ｙ座
標のストリーム及びデジタル化タブレット１２（図１）
から記録されたときのストリーム内の座標の数を含む。
この”元の”データは空間フィルタによって処理され、
このストリームが大体等しい間隔を持つポイントに縮小
される。フィルタの後、Ｘ、Ｙ座標の重心が計算され、
これらストリームの座標がこの重心の回りに正規化され
る。図２Ａ−２Ｄは文字”３”の４つのサンプルを示す
が、ここで各サンプルは異なる数のサンプルポイントを
持つ。
【００２２】グローバル平均法においては、平均される
べきセットの文字が（マッチ域値内で）同一のラベル及
び形状を持つ文字であると決められる。グローバル平均
器はこのセットから”アンカー（anchor）”と呼ばれる
長さ基準を満足する参照文字の特定のサンプルを選択す
る。可能な長さ基準は、そのポイント数が平均に近いサ
ンプル或は最大のポイント数を持つサンプルである。ア
ンカーは平均プロセスにおける整合のために使用され
る。例えば、図２Ｂ内の文字が、長さ基準がポイントの
最大数とされる場合にはアンカーとなる。
べきセットの文字が（マッチ域値内で）同一のラベル及
び形状を持つ文字であると決められる。グローバル平均
器はこのセットから”アンカー（anchor）”と呼ばれる
長さ基準を満足する参照文字の特定のサンプルを選択す
る。可能な長さ基準は、そのポイント数が平均に近いサ
ンプル或は最大のポイント数を持つサンプルである。ア
ンカーは平均プロセスにおける整合のために使用され
る。例えば、図２Ｂ内の文字が、長さ基準がポイントの
最大数とされる場合にはアンカーとなる。
【００２３】グローバル平均はプロトタイププロセッサ
２４（図１）内で遂行され、このフローチャートが図３
に示される。ブロック３０において、処理されるべきサ
ンプルがゼロに初期設定され；アンカーが選択され、ｍ
ａｘ ｓが平均されるべきセット内のサンプル数にセッ
トされ；Ｘ、Ｙ座標を総和（累積）するための仮の空間
（Ｔｅｍｐ）が生成され、全てゼロに初期設定される。
この空間のサイズはアンカー内のポイントの数である。
各サンプルが処理される。ブロック３２において、ｓが
増分される。ブロック３４において、対応するサンプル
が得られる。ブロック３６においてサンプルがアンカー
と整合され、ブロック３８において対応する座標−ポイ
ント値が総和される。全てのサンプルが処理された後に
（ブロック４０において、ｓ＝ｍａｘ ｓ）、ブロック
４２においてこの総和がサンプル数によって割られ平均
プロトタイプが得られる。
２４（図１）内で遂行され、このフローチャートが図３
に示される。ブロック３０において、処理されるべきサ
ンプルがゼロに初期設定され；アンカーが選択され、ｍ
ａｘ ｓが平均されるべきセット内のサンプル数にセッ
トされ；Ｘ、Ｙ座標を総和（累積）するための仮の空間
（Ｔｅｍｐ）が生成され、全てゼロに初期設定される。
この空間のサイズはアンカー内のポイントの数である。
各サンプルが処理される。ブロック３２において、ｓが
増分される。ブロック３４において、対応するサンプル
が得られる。ブロック３６においてサンプルがアンカー
と整合され、ブロック３８において対応する座標−ポイ
ント値が総和される。全てのサンプルが処理された後に
（ブロック４０において、ｓ＝ｍａｘ ｓ）、ブロック
４２においてこの総和がサンプル数によって割られ平均
プロトタイプが得られる。
【００２４】増分平均のためには、プロトタイプは各ト
レーニング文字を順次リアルタイムにて処理することに
よって確立される。ある文字はそれが一定の域値内で正
しく認識されないときは新たなプロトタイプを生成す
る。認識されたときは、文字はそのクラスの最も近いプ
ロトタイプ内に平均化される。増分平均はプロトタイプ
プロセッサ（図１）内で遂行され、図４にこのフローチ
ャートが示される。各文字サンプルはブロック４４にお
いてトレーニングの際に受信され、ブロック４６におい
て現プロトタイプとマッチングされる。判定ブロック４
８において、サンプルが指定される域値内で同一ラベル
のプロトタイプとマッチするか決定される。例えば、ラ
ベルプロトタイプが”Ａ”の場合、サンプルは一定の域
値内でそれが同一ラベル、つまり”Ａ”を持つ場合にマ
ッチする。マッチが見られた場合は、ブロック５０にお
いて、プロトタイプ平均、アンカー及び（平均内のサン
プル数の）カウントが得られ、ＸＹ座標がゼロに初期設
定される。次にブロック５２において、この平均プロト
タイプがアンカーと整合され、整合されたＸＹがＴｅｍ
ｐＸＹに加えられる。次にブロック５４において、サン
プルがアンカーと整合され、整合されたＸＹがＴｅｍｐ
ＸＹに加えられる。次にブロック５６において、カウン
トが１だけ増分される。次にブロック５８において、サ
ンプルＸＹがカウントにて割られ、平均プロトタイプが
得られる。
レーニング文字を順次リアルタイムにて処理することに
よって確立される。ある文字はそれが一定の域値内で正
しく認識されないときは新たなプロトタイプを生成す
る。認識されたときは、文字はそのクラスの最も近いプ
ロトタイプ内に平均化される。増分平均はプロトタイプ
プロセッサ（図１）内で遂行され、図４にこのフローチ
ャートが示される。各文字サンプルはブロック４４にお
いてトレーニングの際に受信され、ブロック４６におい
て現プロトタイプとマッチングされる。判定ブロック４
８において、サンプルが指定される域値内で同一ラベル
のプロトタイプとマッチするか決定される。例えば、ラ
ベルプロトタイプが”Ａ”の場合、サンプルは一定の域
値内でそれが同一ラベル、つまり”Ａ”を持つ場合にマ
ッチする。マッチが見られた場合は、ブロック５０にお
いて、プロトタイプ平均、アンカー及び（平均内のサン
プル数の）カウントが得られ、ＸＹ座標がゼロに初期設
定される。次にブロック５２において、この平均プロト
タイプがアンカーと整合され、整合されたＸＹがＴｅｍ
ｐＸＹに加えられる。次にブロック５４において、サン
プルがアンカーと整合され、整合されたＸＹがＴｅｍｐ
ＸＹに加えられる。次にブロック５６において、カウン
トが１だけ増分される。次にブロック５８において、サ
ンプルＸＹがカウントにて割られ、平均プロトタイプが
得られる。
【００２５】ブロック４８において、マッチが存在しな
いときは、ブロック６０において、新たなプロトタイ
プ、例えば”Ｂ”が生成される。ここで、このプロトタ
イプは、最初、アンカー及び平均であり、また１のカウ
ントを持つ。
いときは、ブロック６０において、新たなプロトタイ
プ、例えば”Ｂ”が生成される。ここで、このプロトタ
イプは、最初、アンカー及び平均であり、また１のカウ
ントを持つ。
【００２６】ブロック５８及び６０は各々判定ブロック
６２へと進み、ここで、トレーニングサンプルがさらに
存在しするか否かが決定される。存在するときは、ブロ
ック４４にリターンし、サンプルが得られ、増分平均が
説明されたように継続される。存在しないときは、この
手順はブロック４６の所で終端する。
６２へと進み、ここで、トレーニングサンプルがさらに
存在しするか否かが決定される。存在するときは、ブロ
ック４４にリターンし、サンプルが得られ、増分平均が
説明されたように継続される。存在しないときは、この
手順はブロック４６の所で終端する。
【００２７】次に整合方法について説明する。一つの整
合方法は”線型整合”であるが、ここでは文字が平均の
前にアンカーと線型的に整合される。線型整合はアンカ
ーの各ポイントを整合されるサンプル文字の線型的に最
も近いポイントにマッピングすることによって遂行され
る。このため、線型整合はスロープ、つまり、サンプル
文字のポイント数のアンカーのポイント数に対する比の
関数である。線型整合の問題点はキーポイント、例え
ば、先端及びコーナが正しく整合されないことである。
例えば、アンカー（図２Ｂ）のサンプル３（図２Ｃ）と
の整合は、先端の誤った整合を与える。つまり、アンカ
ー内の先端（１６のポイント８）はサンプル３（図２
Ｃ）内の１０の５ポイントに線型的にマップし、先端
（ポイント４）にはマップしない。このような誤った整
合は結果として平均処理においてあまり正確でない先端
及びコーナを与える。
合方法は”線型整合”であるが、ここでは文字が平均の
前にアンカーと線型的に整合される。線型整合はアンカ
ーの各ポイントを整合されるサンプル文字の線型的に最
も近いポイントにマッピングすることによって遂行され
る。このため、線型整合はスロープ、つまり、サンプル
文字のポイント数のアンカーのポイント数に対する比の
関数である。線型整合の問題点はキーポイント、例え
ば、先端及びコーナが正しく整合されないことである。
例えば、アンカー（図２Ｂ）のサンプル３（図２Ｃ）と
の整合は、先端の誤った整合を与える。つまり、アンカ
ー内の先端（１６のポイント８）はサンプル３（図２
Ｃ）内の１０の５ポイントに線型的にマップし、先端
（ポイント４）にはマップしない。このような誤った整
合は結果として平均処理においてあまり正確でない先端
及びコーナを与える。
【００２８】より正確な整合方法は”弾性整合（elasti
c alignment ）”によって達成されるが、ここでは、文
字が図５及び図６との関連でわかるように、平均の前に
アンカーと弾性整合される。グローバル平均の場合は、
弾性整合は図３のブロック３６及び３８において遂行さ
れる。増分平均の場合は、弾性整合は図４のブロック５
２及び５４において遂行される。サンプルとアンカーと
の弾性整合は線型整合の場合のようにスロープの関数で
はない。そうではなく、Ｘ、Ｙポイントの整合は前に参
照のＣ．Ｃ．タパート（Tappert ）による論文『適応オ
ンライン手書き文字認識（Adaptive Online Handwritin
g Recognition ）”において説明される周知の弾性マッ
チングアルゴリズムによって得られる”最適フィット
（best fit）”によって決定される。この文献内におい
ては、弾性マッチングアルゴリズムは、動的プログラミ
ング、動的時間ウォーピング、及びビテルビ（Viterbi
）アルゴリズムとも呼ばれる。弾性マッチングが遂行
され、整合を保存するためにバックポインタが維持され
る（バックポインタはＸＹ指標である）。これまでは、
弾性マッチングは認識の目的に使用された。つまり、サ
ンプル文字が”Ａ”或は”Ｂ”であるかを決定或は認識
するために使用された。本発明においては、認識は既に
行なわれており、ここでは、弾性マッチングはサンプル
文字を現存のプロトタイプと平均し、新たな平均プロト
タイプを得るために使用される。
c alignment ）”によって達成されるが、ここでは、文
字が図５及び図６との関連でわかるように、平均の前に
アンカーと弾性整合される。グローバル平均の場合は、
弾性整合は図３のブロック３６及び３８において遂行さ
れる。増分平均の場合は、弾性整合は図４のブロック５
２及び５４において遂行される。サンプルとアンカーと
の弾性整合は線型整合の場合のようにスロープの関数で
はない。そうではなく、Ｘ、Ｙポイントの整合は前に参
照のＣ．Ｃ．タパート（Tappert ）による論文『適応オ
ンライン手書き文字認識（Adaptive Online Handwritin
g Recognition ）”において説明される周知の弾性マッ
チングアルゴリズムによって得られる”最適フィット
（best fit）”によって決定される。この文献内におい
ては、弾性マッチングアルゴリズムは、動的プログラミ
ング、動的時間ウォーピング、及びビテルビ（Viterbi
）アルゴリズムとも呼ばれる。弾性マッチングが遂行
され、整合を保存するためにバックポインタが維持され
る（バックポインタはＸＹ指標である）。これまでは、
弾性マッチングは認識の目的に使用された。つまり、サ
ンプル文字が”Ａ”或は”Ｂ”であるかを決定或は認識
するために使用された。本発明においては、認識は既に
行なわれており、ここでは、弾性マッチングはサンプル
文字を現存のプロトタイプと平均し、新たな平均プロト
タイプを得るために使用される。
【００２９】図５には参照された文字６６のアンカー、
及びサンプル文字６８が示される。複数のバックポイン
タがアンカー６６内の座標ポイントとサンプル６８内の
座標ポイントを整合させる。これが図６のテーブルに詳
細に示される。１６個のこれらバックポインタの２つが
図５に示されるが、ここでは、バックポインタ７０はア
ンカー６６のポイント１からサンプル６８のポイント１
へとマップし、バックポインタ７２はアンカー６６のポ
イント１３からサンプル６６のポイント７へとマップす
る。アンカー及びサンプルの先端はここでは正しく整合
することに注意する。例えば、アンカー６６のポイント
８の所の先端はサンプル６８のポイント４の所の先端へ
とバックポイントする。これは、結果として、アンカー
６６とサンプル６８の平均であるプロトタイプ文字”
３”を与え、アンカー６６と実質的に同数のサンプルポ
イントを持つように実現することができる。
及びサンプル文字６８が示される。複数のバックポイン
タがアンカー６６内の座標ポイントとサンプル６８内の
座標ポイントを整合させる。これが図６のテーブルに詳
細に示される。１６個のこれらバックポインタの２つが
図５に示されるが、ここでは、バックポインタ７０はア
ンカー６６のポイント１からサンプル６８のポイント１
へとマップし、バックポインタ７２はアンカー６６のポ
イント１３からサンプル６６のポイント７へとマップす
る。アンカー及びサンプルの先端はここでは正しく整合
することに注意する。例えば、アンカー６６のポイント
８の所の先端はサンプル６８のポイント４の所の先端へ
とバックポイントする。これは、結果として、アンカー
６６とサンプル６８の平均であるプロトタイプ文字”
３”を与え、アンカー６６と実質的に同数のサンプルポ
イントを持つように実現することができる。
【００３０】平均化すると、通常、元の文字サンプルよ
りも規則的な形状或は理想化されたプロトタイプが得ら
れる。平均化された文字形状は滑らかにされ、殆どの不
揃、例えば、”フック（hook）”が除去される。トレー
ニングの際の平均のための弾性整合の方法は正確である
ばかりでなく、認識整合の際の文字の弾性マッチングと
もコンパティブルである。
りも規則的な形状或は理想化されたプロトタイプが得ら
れる。平均化された文字形状は滑らかにされ、殆どの不
揃、例えば、”フック（hook）”が除去される。トレー
ニングの際の平均のための弾性整合の方法は正確である
ばかりでなく、認識整合の際の文字の弾性マッチングと
もコンパティブルである。
【００３１】
【発明の効果】以上説明したように本発明によれば、元
の文字サンプルよりも規則的な形状或は理想化されたプ
ロトタイプが得られる。平均化された文字形状は滑らか
にされ、殆どの不揃、例えば、”フック（hook）”が除
去される。トレーニングの際の平均のための弾性整合の
方法は正確であるばかりでなく、認識整合の際の文字の
弾性マッチングともコンパティブルである。
の文字サンプルよりも規則的な形状或は理想化されたプ
ロトタイプが得られる。平均化された文字形状は滑らか
にされ、殆どの不揃、例えば、”フック（hook）”が除
去される。トレーニングの際の平均のための弾性整合の
方法は正確であるばかりでなく、認識整合の際の文字の
弾性マッチングともコンパティブルである。
【図１】本発明に従って構成及び動作される手書き文字
認識システムの略ブロック図。
認識システムの略ブロック図。
【図２】各サンプルが異なるサンプルポイントを持つ文
字”３”の４つのサンプルを示す説明図。
字”３”の４つのサンプルを示す説明図。
【図３】本発明に従ってグローバル平均処理がいかに実
現されるかを示すフローチャート。
現されるかを示すフローチャート。
【図４】本発明に従って増分平均処理がいかに実現され
るかを示すフローチャート。
るかを示すフローチャート。
【図５】サンプル文字とアンカー文字との間の弾性整合
を示す説明図。
を示す説明図。
【図６】図５のアンカー文字上のポイントが図５のサン
プル文字上のポイントをいかにポイントするかを示すテ
ーブル説明図。
プル文字上のポイントをいかにポイントするかを示すテ
ーブル説明図。
１０ 文字認識システム １２ 電子タブレット及びディスプレイ １４ スタイラス １６ セグメンタ １８ 文字マッチャ ２０ 文字プロトタイプメモリ ２１ 利用デバイス ２４ プロトタイププロセッサ ４４，４６，４８ 元の又は未知の文字プロトタイプを
集めるステップ ５０，５２，５４，５６，５８ 平均されたプロトタイ
プを生成するステップ ６０ 新しいプロトタイプを生成するステップ
集めるステップ ５０，５２，５４，５６，５８ 平均されたプロトタイ
プを生成するステップ ６０ 新しいプロトタイプを生成するステップ
───────────────────────────────────────────────────── フロントページの続き (72)発明者 チャールズ、カーソン、タッパート アメリカ合衆国ニューヨーク州、オシニン グ、ビーチ、ロード（番地なし)
Claims (10)
- 【請求項１】手書き文字認識システム内で使用される弾
性プロトタイプ平均処理の方法において、 ユーザの手書き文字のサンプルから元の文字プロトタイ
プを集めるステップ；マッチ域値内で同一のラベル及び
形状を持つ集められた元の文字を弾性平均処理しプロト
タイプセットを形成することにより平均されたプロトタ
イプを生成するステップ；前記ユーザから未知の文字を
サンプリングするステップ；及び前記サンプリングされ
た文字が一定の域値に基づいて前記プロトタイプセット
内のものであると正しく認識されない場合、この文字を
前記プロトタイプセットに加えるステップを含むことを
特徴とする手書き文字認識システムにおけるプロトタイ
プ平均処理方法。 - 【請求項２】手書き文字認識システムに対するプロトタ
イプを生成するための方法において、 トレーニング文
字を逐次処理することによってプロトタイプ文字を生成
するステップ；候補文字を処理するステップ；前記候補
文字を前記プロトタイプ文字と一定の域値に対して比較
するステップ；前記域値との関連で比較が一致しないと
きは新たなプロトタイプ文字を生成するステップ；及び
前記域値との関連で比較が一致するときは前記候補文字
と前記プロトタイプ文字とを弾性平均し、新たな平均さ
れたプロトタイプ文字を生成するステップを含むことを
特徴とする手書き文字認識システムにおけるプロトタイ
プ平均処理方法。 - 【請求項３】手書き文字認識システム内で使用されるプ
ロトタイプを弾性平均処理するための方法において、 任意の文字をｎ回サンプリングするステップを含み、こ
こで、ｎは整数であり、ｎ個のサンプリングされた各文
字が同一或は異なる数のサンプルポイントを含み；この
方法がさらに前記ｎ個のサンプリングされた文字の一つ
をサンプルポイントの数に基づいてアンカー文字として
選択するステップ；サンプル文字を得るステップ；前記
サンプル文字をバックポインタを使用して前記参照文字
と整合するステップ；及び前記整合されたサンプル文字
と前記参照文字とを弾性平均処理し、一つの平均された
プロトタイプ文字を生成するステップを含むことを特徴
とする手書き文字認識システムにおけるプロトタイプ平
均処理方法。 - 【請求項４】前記サンプルポイントの数が前記ｎ個のサ
ンプルの最も多くのサンプルポイントを持つサンプルに
基づくことを特徴とする請求項３記載の手書き文字認識
システムにおけるプロトタイプ平均処理方法。 - 【請求項５】前記サンプルポイントの数が前記ｎ個のサ
ンプル内のサンプルポイントの平均数に基づくことを特
徴とする請求項３記載の手書き文字認識システムにおけ
るプロトタイプ平均処理方法。 - 【請求項６】手書き文字認識システムと併せて使用され
る装置において、 ユーザの手書き文字のサンプルから元の文字プロトタイ
プを集める手段；マッチ域値内で同一のラベル及び形状
を持つ集められた元の文字を弾性平均処理しプロトタイ
プセットを形成することにより平均されたプロトタイプ
を生成する手段；前記ユーザから未知の文字をサンプリ
ングする手段；及び前記サンプリングされた文字が一定
の域値に基づいて前記プロトタイプセット内のものであ
ると正しく認識されない場合、この文字を前記プロトタ
イプセットに加える手段を含むことを特徴とする手書き
文字認識システムにおけるプロトタイプ平均処理装置。 - 【請求項７】手書き文字認識システムと併せて使用され
る装置において、 トレーニング文字を逐次処理することによってプロトタ
イプ文字を生成する手段；候補文字を処理する手段；前
記候補文字を前記プロトタイプ文字と一定の域値に対し
て比較する手段；前記域値との関連で比較が一致しない
ときは新たなプロトタイプ文字を生成する手段；及び前
記域値との関連で比較が一致するときは前記候補文字と
前記プロトタイプ文字とを弾性平均し、新たな平均され
たプロトタイプ文字を生成する手段を含むことを特徴と
する手書き文字認識システムにおけるプロトタイプ平均
処理装置。 - 【請求項８】手書き文字認識システム内で使用されるプ
ロトタイプを弾性平均処理するための装置において、 任意の文字をｎ回サンプリングする手段を含み、ここ
で、ｎは整数であり、ｎ個のサンプリングされた各文字
が同一或は異なる数のサンプルポイントを含み；この装
置がさらに前記ｎ個のサンプリングされた文字の一つを
サンプルポイントの数に基づいてアンカー文字として選
択する手段；サンプル文字を得る手段；前記サンプル文
字をバックポインタを使用して前記参照文字と整合する
手段；及び前記整合されたサンプル文字と前記参照文字
とを弾性平均処理し、一つの平均されたプロトタイプ文
字を生成する手段を含むことを特徴とする手書き文字認
識システムにおけるプロトタイプ平均処理装置。 - 【請求項９】前記サンプルポイントの数が前記ｎ個のサ
ンプルの中の最も多くのサンプルポイントを持つサンプ
ルに基づくことを特徴とする請求項８記載の手書き文字
認識システムにおけるプロトタイプ平均処理装置。 - 【請求項１０】前記サンプルポイントの数が前記ｎ個の
サンプル内のサンプルポイントの平均数に基づくことを
特徴とする請求項８記載の手書き文字認識システムにお
けるプロトタイプ平均処理装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US782215 | 1991-10-24 | ||
| US07/782,215 US5287415A (en) | 1991-10-24 | 1991-10-24 | Elastic prototype averaging in online handwriting recognition |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07192098A true JPH07192098A (ja) | 1995-07-28 |
| JP3125904B2 JP3125904B2 (ja) | 2001-01-22 |
Family
ID=25125366
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP04235923A Expired - Fee Related JP3125904B2 (ja) | 1991-10-24 | 1992-09-03 | 手書き文字認識方法及び手書き文字認識システム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US5287415A (ja) |
| EP (1) | EP0540869A2 (ja) |
| JP (1) | JP3125904B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017059120A (ja) * | 2015-09-18 | 2017-03-23 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5319721A (en) * | 1992-04-14 | 1994-06-07 | International Business Machines Corporation | Methods and apparatus for evolving a starter set of handwriting prototypes into a user-specific set |
| CA2097095A1 (en) * | 1992-07-29 | 1994-01-30 | Frank William Sinden | Method of normalizing handwritten symbols |
| JP3560289B2 (ja) * | 1993-12-01 | 2004-09-02 | モトローラ・インコーポレイテッド | 統合辞書ベースで、ありそうな文字列の手書き認識方法 |
| JP3453422B2 (ja) * | 1994-02-10 | 2003-10-06 | キヤノン株式会社 | 文字パターンのユーザ辞書への登録方法及び該ユーザ辞書を有する文字認識装置 |
| US5644656A (en) * | 1994-06-07 | 1997-07-01 | Massachusetts Institute Of Technology | Method and apparatus for automated text recognition |
| US6137908A (en) * | 1994-06-29 | 2000-10-24 | Microsoft Corporation | Handwriting recognition system simultaneously considering shape and context information |
| US5737443A (en) * | 1994-11-14 | 1998-04-07 | Motorola, Inc. | Method of joining handwritten input |
| CA2178959C (en) * | 1994-11-14 | 2000-05-16 | Kenneth J. Guzik | Method of splitting handwritten input |
| US5730602A (en) * | 1995-04-28 | 1998-03-24 | Penmanship, Inc. | Computerized method and apparatus for teaching handwriting |
| JPH1011434A (ja) * | 1996-06-21 | 1998-01-16 | Nec Corp | 情報認識装置 |
| US6181813B1 (en) * | 1997-09-29 | 2001-01-30 | Xerox Corporation | Method for counterfeit currency detection using orthogonal line comparison |
| US6167376A (en) * | 1998-12-21 | 2000-12-26 | Ditzik; Richard Joseph | Computer system with integrated telephony, handwriting and speech recognition functions |
| JP2008528949A (ja) | 2004-11-23 | 2008-07-31 | ケアストリーム ヘルス インコーポレイテッド | 自動形状分類の方法 |
| US9285983B2 (en) * | 2010-06-14 | 2016-03-15 | Amx Llc | Gesture recognition using neural networks |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02263275A (ja) * | 1989-04-03 | 1990-10-26 | Kiyadeitsukusu:Kk | 手書き文字の登録パターン作成方式 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4024500A (en) * | 1975-12-31 | 1977-05-17 | International Business Machines Corporation | Segmentation mechanism for cursive script character recognition systems |
| JPS5827551B2 (ja) * | 1979-05-18 | 1983-06-10 | 日本電信電話株式会社 | オンライン手書き文字認識方式 |
| US4718102A (en) * | 1983-01-19 | 1988-01-05 | Communication Intelligence Corporation | Process and apparatus involving pattern recognition |
-
1991
- 1991-10-24 US US07/782,215 patent/US5287415A/en not_active Expired - Fee Related
-
1992
- 1992-09-03 JP JP04235923A patent/JP3125904B2/ja not_active Expired - Fee Related
- 1992-09-19 EP EP92116073A patent/EP0540869A2/en not_active Withdrawn
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02263275A (ja) * | 1989-04-03 | 1990-10-26 | Kiyadeitsukusu:Kk | 手書き文字の登録パターン作成方式 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017059120A (ja) * | 2015-09-18 | 2017-03-23 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| EP0540869A2 (en) | 1993-05-12 |
| EP0540869A3 (ja) | 1994-02-23 |
| JP3125904B2 (ja) | 2001-01-22 |
| US5287415A (en) | 1994-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2669583B2 (ja) | 手書き認識のためのコンピュータベース方法及びシステム | |
| JP2641374B2 (ja) | ユーザ固有のプロトタイプシンボルセットを生成する方法及び装置 | |
| JP2667954B2 (ja) | 静的及び動的パラメータを使用する自動手書き文字認識装置及び方法 | |
| EP0539749B1 (en) | Handwriting recognition system and method | |
| JPH07192098A (ja) | 手書き文字認識システムにおけるプロトタイプ平均処理方法及び装置 | |
| US5796867A (en) | Stroke-number-free and stroke-order-free on-line Chinese character recognition method | |
| US6052481A (en) | Automatic method for scoring and clustering prototypes of handwritten stroke-based data | |
| US6256033B1 (en) | Method and apparatus for real-time gesture recognition | |
| JPH07334296A (ja) | システム動作方法及びプロセッサ制御システム | |
| Jain et al. | Indexing and Retrieval of On-line Handwritten Documents. | |
| WO2008005304A2 (en) | A method and apparatus for recognition of handwritten symbols | |
| EP0784285A2 (en) | Method and apparatus for generating a classification tree | |
| Mohiuddin et al. | Unconstrained Bangla online handwriting recognition based on MLP and SVM | |
| Elakkiya et al. | Enhanced dynamic programming approach for subunit modelling to handle segmentation and recognition ambiguities in sign language | |
| JPH06301781A (ja) | コンピュータによるパターン認識のためのイメージ変換方法及び装置 | |
| Aburas et al. | OffLine Omni-Style Handwriting Arabic Character Recognition System Based on Wavelet Compression | |
| US6567548B2 (en) | Handwriting recognition system and method using compound characters for improved recognition accuracy | |
| Powers | Pen direction sequences in character recognition | |
| Qiao et al. | Segmentation and recognition of handwritten Pitman shorthand outlines using an interactive heuristic search | |
| JP3454335B2 (ja) | オンライン手書き文字認識方法及びその装置 | |
| Velek et al. | The impact of large training sets on the recognition rate of off-line Japanese Kanji character classifiers | |
| Nasien et al. | New feature vector from freeman chain code for handwritten roman character recognition | |
| He et al. | Off-line handwritten word recognition using HMM with adaptive length Viterbi algorithm | |
| Fihl et al. | Motion primitives and probabilistic edit distance for action recognition | |
| Plamondon et al. | Online character recognition system using string comparison processor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |