JPH09114927A

JPH09114927A - オンライン文字認識における入力文字大分類方法および装置

Info

Publication number: JPH09114927A
Application number: JP7265883A
Authority: JP
Inventors: Yukimitsu Fujimori; 幸光藤森
Original assignee: Seiko Epson Corp
Current assignee: Seiko Epson Corp
Priority date: 1995-10-13
Filing date: 1995-10-13
Publication date: 1997-05-02

Abstract

(57)【要約】【課題】入力文字から特徴点を抽出し、前記特徴点間
を直線で結んだビットマップを生成し、ビットマップか
ら抽出した特徴ベクトルにより大分類を行うことで、続
け字にも対応した効率のよい文字大分類を簡単な構成で
行い、かつ、従来の方法では大分類できなかった文字を
も大分類可能とする。【解決手段】座標データ列発生処理１１により得られ
たオフストローク情報を含んだ入力文字の座標データ列
を、まず正規化処理１２によりベクトルの要素の方向に
それぞれ独立した値で正規化を行う。次に特徴点抽出処
理１３において特徴点を抽出する。その後、ビットマッ
プ作成処理１４により特徴点間を結ぶ直線を生成する。
特徴ベクトル算出処理１５においてビットマップより特
徴ベクトルを算出し、大分類処理１６において特徴ベク
トルを大分類辞書１７に格納された値と比較し、文字大
分類を行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、楷書だけでなく、
続け字をも認識するオンライン文字認識における入力文
字認識方法および装置に関する。

【０００２】

【従来の技術】文字大分類処理は、文字認識を行う前
に、入力文字パタンのある特徴をもとに辞書から認識候
補文字をある範囲に絞って選出し、入力文字パタンと認
識候補文字のみの辞書パタンとを照合させることで照合
回数を削減し、文字認識を高速に行う処理である。

【０００３】たとえば、走り書きすることによって続け
字となってしまった文字に対応する入力文字大分類とし
ては、特公平４−５２３１（以下、第１の従来技術とい
う）に記載されるように、辞書中の各文字毎に変動が予
想されるストローク数範囲をあらかじめ辞書中に記して
おき、辞書中に記されたストローク数範囲が入力ストロ
ーク数を含む文字のみを認識候補文字とする方法があ
る。ここで、ストローク数とは、或る１つの文字を入力
する際、ペンオン（ペンが入力面に接した状態）からペ
ンオフ（ペンが入力面から離れた状態）までの筆記部分
の数であり、一般には文字の画数に相当するものであ
る。

【０００４】すなわち、この第１の従来技術は、たとえ
ば、「い」という文字は楷書で書けば、ストローク数は
「２」であるが、続け字で書けばストローク数は「１」
となり、この「い」という文字のストローク数範囲は
「１」〜「２」ということになる。このような、各文字
のストローク数範囲を辞書中に記しておき、入力文字の
ストローク数がたとえば「２」であったら、この「２」
を含むストローク数範囲を有する文字を総て認識候補も
字として取り出すものである。

【０００５】また、この第１の従来技術とは別に、特開
平２−７５０８９（以下、第２の従来技術という）に記
載されるように、オペレータの筆順に沿って取り出され
る入力文字の座標値を基に特徴点を検出し、その特徴点
毎にセグメントに分割し、そのセグメント長の平均値を
求め、この入力文字のセグメント長の平均値と、予め算
出された標準パターンのセグメント長（標準的な筆順で
書かれた場合のセグメント長）の平均値とを比較するこ
とにより、候補文字を選出する方法などがある。これら
により、オンライン文字認識装置は認識速度を向上させ
ていた。

【０００６】

【発明が解決しようとする課題】前述の第１の従来技術
は、入力文字のストローク数が予め設定された範囲内に
収まる程度の続け字であれば、その入力文字に対応した
認識候補文字を取り出すことができるが、走り書きの度
合いが大きく、設定したストローク数範囲外の書き方を
した続け字は、ストローク数が予め設定された範囲から
外れるため、大分類の段階でその入力文字に対する認識
候補文字を取り出すことができなくなり、正確な認識が
できなくなってしまう。たとえば、「寿」という文字の
場合、楷書で書いたときのストローク数は「７」である
が、極端な例として一筆書き的に書くことも可能であ
り、一筆書き的に書いた場合のストローク数は「１」で
ある。

【０００７】しかし、「寿」を一筆書き的に書いた場合
のストローク数「１」は、「寿」に対する設定ストロー
ク数からは外れた値であり、大分類の段階でその入力文
字に対する認識候補文字を取り出すことができなくな
る。これを補うためにストローク数範囲を広く設定すれ
ば、認識候補文字が増え、大分類の効率が低下してしま
うという問題があった。

【０００８】また、前述の特開平２−７５０８９のよう
なセグメント長を用いる方法では、セグメント長が近い
値を持つ文字、例えば「川」と「三」、「山」と
「ヨ」、などを分類しにくいという問題があった。

【０００９】本発明は、以上述べた問題点を改善し、画
数等では有効な大分類が行えなかった走り書き等による
続け字も大分類可能とし、さらに、従来の画数やセグメ
ント長による大分類では分類できなかった文字も大分類
可能とするオンライン文字認識における入力大分類方法
および装置を提供することを目的としている。

【００１０】

【課題を解決するための手段】上記課題をを解決するた
めに、本発明のオンライン文字認識における入力文字大
分類方法は、手書き文字を入力する文字入力手段により
サンプリングされた入力文字の座標データ列に基づいて
入力文字を大分類し、入力文字に対する認識候補文字を
文字認識部に出力する入力文字大分類方法において、
前記座標データ列における各座標点間を直線で結んで得
られるデータをもとにビットマップを作成し、このビッ
トマップから特徴ベクトルを抽出し、前記特徴ベクトル
により文字を分類することを特徴とする。これによれ
ば、大分類特徴をビットマップから抽出するので、走り
書きのような画数情報を利用した大分類が不可能な文字
においても正しく大分類が可能である。また、セグメン
ト長等を用いた大分類では不可能な文字も大分類が可能
である。

【００１１】また、本発明のオンライン文字認識におけ
る入力文字大分類方法は、手書き文字を入力する文字入
力手段によりサンプリングされた入力文字の座標データ
列に基づいて入力文字を大分類し、入力文字に対する認
識候補文字を文字認識部に出力する入力文字大分類方法
において、前記座標データ列から特徴点を抽出し、その
特徴点間を直線で結んで得られるデータをもとにビット
マップを作成し、このビットマップから特徴ベクトルを
抽出し、前記特徴ベクトルにより文字を分類することを
特徴とする。これによれば、ビットマップを特徴点間を
直線で結んで作成するので、入力座標点間を直線で結ぶ
のに比べ、直線数を著しく減少させることができ、ビッ
トマップを作成する際の計算量を大幅に軽減することが
できる。

【００１２】そして、前記座標点間または特徴点間を結
んで得られる直線は、或る１文字の入力開始から終了ま
での間における当該入力文字のオンストローク部分のみ
ならずオフストローク部分においても前記座標点間また
は特徴点間を結んで生成することを特徴としている。こ
のように、オンストロークのみならず、オフストローク
においても直線を生成するので、オフストローク部分の
情報を含んだ特徴ベクトルを得ることができ、楷書体だ
けでなく続け字においても正しい大分類を行うことがで
きる。

【００１３】前記特徴ベクトルは、予め設定した幾つか
の小領域に分けられた前記ビットマップにおける各々の
小領域内に存在する直線部分のドット数であることを特
徴としている。このように、特徴ベクトルを直線部分の
ドット数とすることにより、特徴ベクトルを求める処理
を単純なものとすることができる。

【００１４】また、前記特徴ベクトルは、前記ビットマ
ップを行方向および列方向に走査したときに前記直線を
横切る数を小領域毎に求め、各々の小領域内において前
記直線を横切った数の総和であることを特徴としてい
る。このように、特徴ベクトルをビットマップを走査し
たときの直線を横切る数とすることで、ビットマップの
走査方向への直線の伸縮がある入力文字でも正しい特徴
ベクトルの抽出が行え、正しい大分類が可能になる。

【００１５】そして、前記特徴ベクトルを算出する小領
域は、前記ビットマップにおいて行方向および列方向に
帯状に設定された範囲であることを特徴としている。こ
のように、特徴ベクトルを抽出する小領域を帯状にした
ので、前記小領域の長辺の方向への直線の位置ずれは特
徴ベクトルに反映しないため、このような位置ずれがあ
る入力文字に対しても正しい大分類が行える。

【００１６】また、入力文字を座標データ列に変換した
のち、その座標データ列を行方向および列方向にそれぞ
れ独立した倍率によって入力文字サイズの正規化処理を
行うようにしたことを特徴としている。このように、独
立した倍率で正規化を行うので、ビットマップの走査方
向への変形がある入力文字に対しても、正しい大分類を
行うことができる。

【００１７】前記ビットマップの大きさは、入力文字の
座標データ列を所定の倍率で縮小して正規化された座標
データ列をもとに作成されることで、入力文字の大きさ
より小さいサイズであることを特徴としている。このよ
うに、ビットマップのサイズが入力文字より小さいの
で、細かな文字変形が吸収でき、細かな文字変形がある
文字に対しても正しい大分類が行える。

【００１８】なお、前記正規化処理は、線密度を均一に
する非線形正規化処理であってもよい。このようなビッ
トマップの線密度を均一にする非線形正規化を行うこと
により、変形がある入力文字に対しても、正しい大分類
を行うことができる。

【００１９】また、入力文字の座標データから抽出する
前記特徴点が、入力文字の座標データを折れ線近似した
ときの、折れ線の端点であることを特徴としている。こ
れによれば、簡単にしかも高速に特徴点を求めることが
できる。

【００２０】また、前記特徴点が、文字認識に使用され
る特徴点であることを特徴としている。これによれば、
正規化処理や特徴点抽出処理を文字認識処理と共用でき
るため、処理が単純でかつ処理時間を短縮することがで
きる。

【００２１】また、本発明のオンライン文字認識におけ
る入力文字大分類装置は、手書き文字を入力する文字入
力手段によりサンプリングされた入力文字の座標データ
列に基づいて入力文字を大分類し、入力文字に対する認
識候補文字を文字認識部に出力する入力文字大分類装置
において、前記座標データ列における各座標点間を直線
で結んで得られるデータをもとにビットマップを作成す
るビットマップ作成手段と、前記ビットマップから特徴
ベクトルを抽出する特徴ベクトル抽出手段と、前記特徴
ベクトル抽出手段により抽出された特徴ベクトルに応じ
て文字を分類する大分類手段とを少なくとも具備したこ
とを特徴とする。これによれば、走り書きのような画数
情報を利用した大分類が不可能な文字においても正しく
大分類が可能であり、かつ、セグメント長等を用いた大
分類では不可能な文字も大分類が可能な装置が実現でき
る。

【００２２】また、本発明のオンライン文字認識におけ
る入力文字大分類装置は、手書き文字を入力する文字入
力手段によりサンプリングされた入力文字の座標データ
列に基づいて入力文字を大分類し、入力文字に対する認
識候補文字を文字認識部に出力する入力文字大分類方法
において、前記座標データ列から特徴点を抽出する特徴
点抽出手段と、前記特徴点抽出手段により抽出された特
徴点間を直線で結んで得られるデータをもとにビットマ
ップを作成するビットマップ作成手段と、前記ビットマ
ップから特徴ベクトルを抽出する特徴ベクトル抽出手段
と、前記特徴ベクトル抽出手段により抽出された特徴ベ
クトルに応じて文字を分類する大分類手段とを少なくと
も具備したことを特徴とする。これによれば、ビットマ
ップ作成手段が特徴点抽出手段で得られた特徴点間を直
線で結んで作成するので、入力座標点間を直線で結ぶの
に比べ、直線数数を著しく減少させることができ、ビッ
トマップ作成手段の規模を小さくてすることができ、高
速な大分類装置とすることができる。

【００２３】そして、前記ビットマップ作成手段は、前
記座標点間または特徴点間を結んで得られる直線を、或
る１文字の入力開始から終了までの間における当該入力
文字のオンストローク部分のみならずオフストローク部
分においても前記座標点間または特徴点間を結んで生成
することを特徴としている。このように、ビットマップ
作成回路が、直線の生成をオンストローク部分のみなら
ずオフストローク部分においても行うので、走り書きの
ような画数情報を利用した大分類が不可能な文字におい
ても正しく大分類が可能である。また、セグメント長等
を用いた大分類では不可能な文字も大分類が可能とな
る。

【００２４】また、前記特徴ベクトル抽出手段は、予め
設定した幾つかの小領域に分けられた前記ビットマップ
における各々の小領域内に存在する直線部分のドット数
をもとに特徴ベクトルを求めることを特徴としている。
このように、特徴ベクトル抽出手段がビットマップの小
領域の直線部分のドット数を計数してそれを特徴ベクト
ルとして出力する手段であるので、特徴ベクトル抽出手
段を簡単な構成で実現でき、高速な大分類装置とするこ
とができる。

【００２５】また、前記特徴ベクトル抽出手段は、前記
ビットマップを行方向および列方向に走査したときに前
記直線を横切る数を前記小領域毎に求め、各々の小領域
内において前記直線を横切った数の総和を特徴ベクトル
として出力することを特徴としている。これによれば、
ビットマップの走査方向への直線の伸縮がある入力文字
に対しても正しい特徴ベクトルの抽出が行える回路が構
成でき、高精度な大分類が可能となる。

【００２６】また、前記特徴ベクトル抽出手段が前記特
徴ベクトルを算出する際に設定される小領域は、前記ビ
ットマップにおいて行方向および列方向に帯状に設定さ
れた範囲であることを特徴としている。これによれば、
行方向または列方向への直線の位置ずれは特徴ベクトル
に反映されないため、ストロークの位置変動がある文字
に対しても高精度な大分類が可能となる。

【００２７】また、前記座標データ列を行方向および列
方向にそれぞれ独立した倍率で変換し、入力文字サイズ
の正規化を行う正規化手段を設けたことを特徴としてい
る。これによれば、行方向または列方向に変形がある文
字に対しても正しい大分類が行える装置を実現できる。

【００２８】また、前記ビットマップ作成手段で作成さ
れるビットマップの大きさは、入力文字の座標データ列
を所定の倍率で縮小して正規化された座標データ列をも
とに作成されることで、入力文字の大きさより小さいサ
イズであることを特徴としている。これによれば、ビッ
トマップ作成手段が細かな文字変形を吸収するので、細
かな文字変形がある文字に対しても高精度な大分類が可
能となる。

【００２９】また、前記正規化手段は、線密度を均一に
する非線形正規化を行う正規化手段であってもよい。こ
のように、正規化手段を線密度を均一にする非線形正規
化回路とすることにより、文字変形がある入力文字に対
しても高精度な大分類が可能となる。

【００３０】また、前記特徴点抽出手段は、入力座標デ
ータ列に対し折れ線近似を行う折れ線近似手段を含み、
前記折れ線の端点を特徴点として出力することを特徴と
したいる。これによれば、簡単な構成で特徴点を抽出で
き、小規模で高速な処理が可能となる。

【００３１】また、前記正規化手段、特徴点抽出手段の
少なくとも一方を文字認識手段と共用することを特徴と
している。これによれば、装置の規模を小さくでき、し
かも高速な大分類処理が可能となる。

【００３２】

【発明の実施の形態】以下、本発明の実施の形態を図面
に基づいて説明する。

【００３３】ここで説明する実施の形態は、手書き文字
を入力する文字入力手段によりサンプリングされた入力
文字の座標データ列を取り出し、この座標データ列から
特徴点を抽出し、この特徴点を直線で結んだビットマッ
プを作成し、前記ビットマップから特徴ベクトルを抽出
して、その特徴ベクトルから入力文字を大分類するとい
うものである。以下、図面を参照しながら説明する。

【００３４】まず、図１により本発明の実施の形態にお
ける処理の流れを概略的に説明する。図１において、文
字入力手段１０は、従来からよく知られているタブレッ
ト等の文字入力手段であり、この文字入力手段１０によ
り入力された手書き文字（ここでは「い」という文字が
入力された場合について説明する）は座標データ列成生
処理１１によって座標データ列に変換されて出力され
る。この処理により、ノイズ等の不要信号が除去され、
図２（ａ）に示すように、ストローク始点ｐ０および終
点ｐｎのそれぞれの情報を含み、入力文字「い」の外接
矩形２０の左下を原点ｏとした座標データ列が生成され
る。

【００３５】次に正規化処理１２において、この座標デ
ータ列を横方向（行方向）および縦方向（列方向）にそ
れぞれ独立して正規化を行う。そして、特徴点抽出処理
１３において折れ線近似を行い、折れ線の端点を特徴点
として抽出する。その後、ビットマップ作成処理１４に
おいて前記特徴点間を直線で結んで得られるデータを基
にビットマップを作成する。さらにその後、特徴ベクト
ル算出処理１５において、線密度のヒストグラムを行方
向及び列方向にそれぞれ求める。

【００３６】一方、大分類辞書１７には、あらかじめ算
出された各文字の標準パターンに対する特徴ベクトルが
格納されており、大分類処理１６において、特徴ベクト
ル算出処理１５で得られた入力文字に対する特徴ベクト
ルを大分類辞書１８に格納された標準パターンの特徴ベ
クトルと比較し、認識候補となる文字の選出を行う。そ
の後、文字認識処理１８において、文字辞書１９に格納
された文字認識用データの内、大分類処理１６により選
出された候補文字の文字認識用データと、特徴点抽出処
理１３により得られたデータとを比較して文字認識を行
う。

【００３７】以上は本発明の概略説明であり、以下に各
処理の内容を順を追って詳細に説明する。

【００３８】ａ）座標データ列生成処理１１。

【００３９】座標データ列生成処理１１は、文字入力手
段１０からの信号を得て、１文字入力開始から終了まで
の各ストローク毎に、ストローク始点ｐ０と終点ｐｎの
情報と座標データ列を生成する。その例を図２（ａ）に
示す。この図２（ａ）は、「い」という文字を楷書で入
力した例を示している。したがって、ストローク数は
「２」であり、それぞれのストロークごとにストローク
始点ｐ０と終点ｐｎが存在する。

【００４０】ｂ）正規化処理１２。

【００４１】正規化処理１２の内容を図２を用いて詳細
に説明する。図２（ａ）において、２１で表す点は座標
データ列発生処理１１により得られたｎ個の座標データ
列、（Ｐx(i),Ｐy(i)）｛ただし１≦ｉ≦ｎである｝における或る座標点Ｐ（ｉ）｛ただし１≦ｉ≦ｎである｝を図示したものである。これよりビットマップの走査方
向である縦方向および横方向における最大点を算出す
る。この場合、外接矩形２０のＸ軸方向およびＹ軸方向
の最大点を求めることになるから、図２（ａ）において
Ｘmax及びＹmaxが最大点となる。これを基に、正規化す
べき最大座標であるＸnorm、Ｙnorm（ここでは、Ｘnorm
＝Ｙnorm＝３６に設定）との比、Ｘratio＝Ｘnorm／Ｘmax Ｙratio＝Ｙnorm／Ｙmax を求める。正規化後の座標データ列（Ｎx(i)、Ｎy(i)）
｛ただし、１≦ｉ≦ｎ｝は、Ｎx(i) ＝Ｐix × Ｘratio Ｎy(i) ＝Ｐiy × Ｙratio により求める。図２（ｂ）は、図２（ａ）に示す座標デ
ータ列に対してこの正規化を行った結果を示した図であ
る。この例では、Ｘratio＝０．６１、Ｙratio＝０．４
５であった。

【００４２】ｃ）特徴点抽出処理１３。

【００４３】特徴点抽出処理１３の内容を図３を用いて
詳細に説明する。座標点Ｐ１〜Ｐ８は、Ｐ１を始点、Ｐ
８を終点とする或る１ストロークの正規化された座標デ
ータ列であるとする。この１ストロークの始点Ｐ１と終
点Ｐ８を結ぶ直線３０を作成し、正規化された座標デー
タ列中における各座標点Ｐ１〜Ｐ８から直線３０までの
距離を判定し、最遠点の座標点を求める。図３（ａ）で
はＰ４が最遠点となり、その距離をｈとする。このと
き、直線３０の長さをｍとすれば、ｈ／ｍが予め定めた
所定の値よりも大きいか否かを判断し、ｈ／ｍが予め定
めた所定の値よりも大きいときは、直線３０を、最遠点
Ｐ４を端点とした直線３０１（その長さをｍ１とする）
と直線３０２（その長さをｍ２とする）に分割する。こ
の様子を図３（ｂ）に示す。この処理を直線の分割が起
こらなくなるまで繰り返し行い、得られた端点を特徴点
としてビットマップ作成処理１４に送る。図２（ｂ）に
示す正規化された座標データ列に対し特徴点抽出処理を
行った例を図４に示す。この例では、Ｔ１〜Ｔ７の７点
の特徴点が抽出された。

【００４４】ｄ）ビットマップ作成処理１４。

【００４５】ビットマップ作成処理１４では、特徴点抽
出処理１３によって得られた特徴点を直線で結び、直線
部分の各点の座標を小数点以下を丸めて整数値にして算
出し、直線部分を”１”、他を”０”としたビットマッ
プを作成する。その例を図５に示す。つまり、この図５
に示されるビットマップＭは、図４において、隣接する
特徴点同志を結んだ直線Ｌ１，Ｌ２，・・・，Ｌ６を縦
方向および横方向に走査して直線部分を”１”、直線で
ない部分を”０”としたビットマップである。図５にお
いて、”１”が連続する部分は直線部分が連続（太さに
も対応）していることを示している。なお、図５のビッ
トマップＭに記載された数値については後述する。

【００４６】ところで、この図５で示されるビットマッ
プは、前記したように、特徴点抽出処理１３により得ら
れた特徴点（図４におけるＴ１〜Ｔ７）間を直線で結ん
で得られたデータに対応したものであり、オンストロー
ク部分のみならずオフストローク部分も直線で結ばれた
際のデータに対応したビットマップとなっている。つま
り、「い」という文字を楷書で入力する際、図４に示す
ように、Ｔ１点からＴ４点までは１回目のストローク
（オンストローク部分）であり、Ｔ５点〜Ｔ７点は２回
目のストローク（オンストローク部分）であり、Ｔ４点
からＴ５点の間はオフストローク部分である。しかし、
本発明では、総ての文字に対して、その文字を入力する
際、オンストローク部分のみならず、オフストローク部
分にも直線を生成するようにしている。すなわち、図４
の場合は、Ｔ４とＴ５の間も直線Ｌ４（一点鎖線で示
す）を生成している。

【００４７】ｅ）特徴ベクトル算出処理１５。

【００４８】特徴ベクトル算出処理１５の処理について
図５を用いて詳細に説明する。ビットマップ作成処理１
４で得られたビットマップＭを横方向（行方向）および
縦方向（列方向）に走査し、横切った直線数を各行列毎
にカウントする。図５において、行方向の走査において
は、各行単位に横切った直線の数をカウントし、そのカ
ウント値Ｃ１を求める。この図５において、たとえば、
第１行目のカウント値は「２」、第２行目も「２」、第
３行目も「２」であり、第３行目は「３」である。な
お、”１”が連続する部分は横切った直線の数は「１」
としてカウントする。同じく列方向においても、各列単
位に横切った直線の数をカウントし、そのカウント値Ｃ
２を求める。この図５において、たとえば、第１列目の
カウント値は「１」、第２列目も「１」、第３列目も
「１」というようになる。なお、この場合も”１”が連
続する部分は横切った直線の数は「１」としてカウント
する。

【００４９】その後、行方向および列方向において、予
め定めた重なりを持った帯状の小領域ｚ１，ｚ２，・・
・、ｚｎ−１，ｚｎごとの前記カウント値の総和ＴＣ
１，ＴＣ２，・・・，ＴＣｎ−１，ＴＣｎを算出し、そ
れを特徴ベクトルとして算出する。つまり、図５の例で
は、入力された「い」という文字に対する特徴ベクトル
は、「１２，１５，１５，１５，１５，１５，１５，１
２，６，５，５，５，５，５，５，５，５，５」とな
る。

【００５０】ところで、前記帯状の小領域ｚ１，ｚ２，
・・・、ｚｎ−１，ｚｎはそれぞれ隣り合う小領域にお
いて互いに重なり部分を持たせている。このように、重
なりを持たせる理由は、たとえば、漢字などで上下に幾
つかに分割できる文字あるいは左右に幾つかに分割でき
る文字を入力する場合、ユーザの個人差などによる入力
文字の字体に変化が大きいため、それを吸収して前記総
和（特徴ベクトル）の値を安定させるためである。な
お、重なり部分は１行（１列）に限られるものではない
が、処理の効率から考えて、ここでは１行（１列）とし
ている。

【００５１】ｆ）大分類辞書１７。

【００５２】大分類辞書１６には文字コードと各文字の
特徴ベクトルの変動域を図６のように格納しておく。図
６において、「８１４１」、「８１４２」などはそれぞ
れの文字に対する文字コード（ＳＪＩＳ）を表し、たと
えば、「８１４１」の文字コードを有する文字は、特徴
ベクトルの各次元における最大値が「８，１０，１０，
９，６，６，・・・，６，８，７」であり、特徴ベクト
ルの各次元における最小値は「１，１，２，３，５，
５，・・・５，３，１」であって、変動域は前記最大値
以下で最小値以上の範囲であるということを表してい
る。

【００５３】ｇ）大分類処理１６。

【００５４】大分類処理１６では、特徴ベクトル算出処
理１５で得られた特徴ベクトルが、全ての次元において
大分類辞書１６の変動域内である文字コード（ＳＪＩ
Ｓ）を文字認識処理１８に送る。

【００５５】ｈ）文字辞書１９。

【００５６】文字辞書１９には、文字認識処理１８で行
うサブストロークマッチングのための、標準パタンのサ
ブストロークパタンが格納されている。

【００５７】ｉ）文字認識処理１８。

【００５８】文字認識処理１８では、特徴点抽出処理１
３で得られた折れ線端点である特徴点データ列とストロ
ーク始終点情報とから、サブストロークを抽出し、文字
辞書１９に格納されたサブストロークパタンのうち、大
分類処理１６で得られた候補文字に該当するサブストロ
ークパタンとのみマッチングを行い、最も類似度が高い
ものを認識結果として出力する。

【００５９】以上のような処理手順にて入力文字に対す
る大分類が行われる。本発明では、オフストローク情報
を含んだ座標データ列を大分類特徴に用いるので、楷書
と続け字との差異が殆どなくなり、続け字でも有効な大
分類が行える。

【００６０】たとえば、図４で示される「い」という文
字が入力されたとすると、このとき作成されるビットマ
ップは、オンストローク部分のみならずオフストローク
部分も直線で結ばれた際のデータに対応したビットマッ
プとなっている。つまり、「い」という文字を楷書で入
力する際、図４に示すように、Ｔ１点からＴ４点までは
１回目のストローク（オンストローク部分）であり、Ｔ
５点〜Ｔ７点は２回目のストローク（オンストローク部
分）であり、Ｔ４点からＴ５点の間はオフストローク部
分である。しかし、本発明では、Ｔ４からＴ５のオフス
トローク部分にも直線を生成し、それによるビットマッ
プ（図５参照）を生成している。

【００６１】これにより、特徴ベクトル算出処理１５に
より取り出される特徴ベクトルは、図５のビットマップ
から、前記したように、「１２，１５，１５，１５，１
５，１５，１５，１２，６，５，５，５，５，５，５，
５，５，５」となり、オフストローク部分の情報を含ん
だ特徴ベクトルとなる。

【００６２】大分類処理１６ではこの特徴ベクトルをも
とに、大分類辞書に格納されている内容（図６に示され
る内容）を参照して、入力されてきた特徴ベクトルの総
ての次元における値と辞書に格納されている各文字ごと
の総ての次元の値とを比較して、入力されてきた特徴ベ
クトルがどの文字コードの特徴ベクトルに属するかを判
定する。この場合は、大分類辞書の内容が図６で示した
ように、各文字ごとに変動域が設定されているため、入
力された特徴ベクトルの各次元の値が各文字の各次元ご
とにその変動域内に存在するか否かを判定する。

【００６３】これにより、この場合は、文字コード「８
２ａ２」の文字が入力された特徴ベクトルを含むものと
判定され、文字コード「８２ａ２」が認識候補として取
り出される。なお、この図６に示された範囲では、文字
コード「８２ａ２」のみが、入力された特徴ベクトルを
含むと判定されることになるが、実際には、入力された
特徴ベクトルに対して複数の認識候補文字が取り出され
る場合が多い。

【００６４】このようにして、大分類処理１６にて取り
出された認識候補は文字認識処理１８で入力文字に対す
る文字認識が行われる。この文字認識を行う際、特徴点
抽出処理１３により取り出された特徴点を用いて文字認
識処理を行う。すなわち、特徴点抽出処理は文字認識に
おいて使用されるもので、言い換えれば文字認識におい
て本来使用される特徴点を大分類処理にも使用できると
いうことである。

【００６５】以上は本発明の処理方法について説明した
が、本発明の具体的な装置の構成例を図８により説明す
る。

【００６６】本発明のオンライン文字認識における入力
文字大分類装置は、大きく分けると、文字入力手段６
１、文字認識部６０１及び大分類部６０２より構成され
る。文字入力手段５１はタブレットとペンを用いた座標
入力手段であって、前記図１で示した座標データ列生成
処理１１を行う回路である。

【００６７】また、文字認識部６０１は、正規化手段６
２、特徴点抽出手段６３、詳細認識手段６４および文字
辞書記憶手段６５から構成される。前記正規化手段６２
は図１における正規化処理１２を行う手段である。特徴
点抽出手段６３は、図１における特徴点抽出処理１３を
行う手段である。詳細認識手段６４は、図１における文
字認識処理１８を行う手段である。文字辞書記憶手段６
５は、図１における文字辞書１９の構成を持つ記憶手段
である。

【００６８】また、大分類部６０２は、ビットマップ作
成回路６６、特徴ベクトル算出手段６７、大分類辞書記
憶手段６８、大分類手段６９により構成される。前記ビ
ットマップ作成手段６６は図１で示したビットマップ作
成処理１４を行う手段であり、前記特徴ベクトル算出手
段６７は図１における特徴ベクトル算出処理１５を行う
手段である。また、前記大分類辞書記憶手段６８は図１
における大分類辞書１７の構成を持つ記憶手段であり、
大分類手段６９は図１における大分類処理１６を行う手
段である。

【００６９】このような構成における大分類装置におけ
る各手段の動作は、図１により説明した通りであるの
で、ここではこの動作についての説明は省略する。

【００７０】以上のように本発明では、オンストローク
情報のみならずオフストローク情報をも含んだ特徴ベク
トルによって大分類処理を行っているので、楷書と続け
字との差異が殆どなくなり、続け字でも有効な大分類が
行える。

【００７１】また、ビットマップから得た特徴ベクトル
を大分類処理に用いているので、画数やセグメント長な
どでは大分類不可能であった文字も大分類可能となる。
たとえば、「三」と「川」は、どちらも画数は３で、平
均セグメント長はどちらもほぼ外接矩形の１辺の長さで
あり、これらは画数や平均セグメント長では分類不可能
であるが、本発明の特徴ベクトルでは、これらをも分類
することができる。一例として、「三」の特徴ベクトル
および「川」の特徴ベクトルを前記した本発明の実施の
形態による処理に基づいて求めると、図８で示されるよ
うな特徴ベクトルとなり、両者の特徴ベクトルには大き
な違いが生じる。つまり、「三」は後半の各次元の特徴
ベクトルの値が大きくなる傾向にあり、これに対して、
「川」は前半の各次元の特徴ベクトルの値が大きくなる
傾向にある。これは、行方向及び列方向に走査した場
合、横切る直線の数の違いからそうなるものである。し
たがって、従来では「三」が入力されると、認識候補文
字として「三」も「川」も取り出されることが多かった
が本発明によれば、両者を明確に区別できる。

【００７２】また、前記発明の実施の形態では、ビット
マップを走査する方向に独立した倍率で正規化を行うの
で、ビットマップを走査する方向への長さの変動が吸収
され、安定した大分類処理が行える。また、前記ビット
マップの大きさは、入力文字の座標データ列を所定の倍
率で縮小して正規化された座標データ列をもとに作成さ
れることで、入力文字の大きさより小さいサイズである
ので、細かな文字変形が吸収され、細かな文字変形があ
る文字に対しても正しい大分類が行える。さらに、ビッ
トマップを走査する方向への帯状の小領域から特徴ベク
トルを抽出するので、ビットマップを走査する方向への
位置の変動が吸収される。

【００７３】また、前記実施の形態では、座標データ列
を折れ線近似して得られた折れ線の端点を特徴点として
用い、この特徴点を特徴量としたので、認識候補を取り
出すための大分類処理をきわめて単純なものとすること
ができ、かつ、高速な処理が実現できる。これらの点を
ハードウエア構成の面から見ると、特徴点抽出手段が簡
単な構成で実現でき、装置規模を小さくすることができ
る。さらに、前記特徴点は文字認識処理に用いる特徴点
を用いることができるので、大分類処理のためだけに特
徴点抽出を行う必要がなく、高速な文字認識処理が行
え、また、これをハードウエア構成の面から見ると、正
規化手段６２、特徴点抽出手段６３を文字認識部と共用
して用いることができるので、装置規模を小さくするこ
とができ、小型で高速な大分類装置が実現できる。

【００７４】なお、以上説明した実施の形態では、ビッ
トマップの作成は、ビットマップ作成処理１４を軽減す
るために、特徴点抽出処理１３を行って特徴点を抽出
し、特徴点を結んで得られる直線を行方向および列方向
に走査してビットマップを作成したが、正規化処理１２
で得られた正規化後の座標データ列を用いてビットマッ
プを作成してもよい。すなわち、特徴点間を直線で結ん
でその直線をもとにビットマップを作成するのではな
く、正規化後の座標データ列そのものを用い、各座標点
間を結んで得られる直線を行方向および列方向に走査し
てビットマップを作成するようにしてもよい。

【００７５】また、前記実施の形態では、文字変形を吸
収するために、正規化処理１２にビットマップを走査す
る方向に独立した倍率で正規化を行う方法を用いたが、
文献「線密度イコライゼーション−相関法のための非線
形正規化−」（電子情報通信学会論文誌 Vol.J67-D No.
11 pp.1379-1383）などの線密度を一定にする非線形正
規化を行えば、より分類効率のよい大分類処理が行え
る。

【００７６】さらに、前記実施の形態では、特徴ベクト
ル算出処理１５は、ビットマップ作成処理１４で得られ
たビットマップＭを横方向（行方向）および縦方向（列
方向）に走査し、横切った直線数を各行列毎にカウント
して得られた値をもとにして特徴ベクトルを求めるよう
にしたが、各々の領域ごとに直線部分のドット数をカウ
ントし、そのカウント値そのものを特徴ベクトルとして
抽出するようにしてもよく、このようにすれば処理をよ
り単純化することができる。

【００７７】また、大分類処理１７の大分類処理方法
は、前記した実施の形態で説明した方法に限られるもの
ではなく、次のような方法としてもよい。

【００７８】すなわち、大分類辞書１７の内容を、標準
パターンの特徴ベクトルの代表値Ｄ（ｄ1，ｄ2，．．．
ｄn）（ここでは、ｎ＝１８）とし、特徴ベクトル算出
処理１５により得られた特徴ベクトルＶ（ｖ1，ｖ
2，．．．ｖn）（ここでは、n＝１８）との距離を下式
によって算出し、求められた距離の小さい文字コードを
認識候補として文字認識処理１８に送るようにしてもよ
い。

【００７９】

【数１】

【００８０】図９は各文字の標準パターンに対する特徴
ベクトルの代表値Ｄを示すもので、たとえば、文字コー
ド「８１４１」の特徴ベクトルの代表値は「５，６，
６，６，６，・・・，６，６，４」、文字コード「８１
４２」の特徴ベクトルの代表値は「６，１０，１１，１
２，１１，１１，・・・，１１，１１，６」というよう
に、それぞれの文字コードに対応してその文字の標準パ
ターンに対する特徴ベクトルの代表値が格納されてい
る。そして、入力文字に対する特徴ベクトルと、大分類
辞書に格納された特徴ベクトルとの距離を前記（１）式
により計算し、その計算結果から認識候補を取り出すも
のである。このような方法においても前記実施の形態の
方法と同様の効果が期待できる。

【００８１】なお、以上説明した本発明の処理を行うた
めのプログラムは、フロッピィディスクなどの記憶媒体
に記憶させておくことができ、その処理プログラムが記
憶された記憶媒体をも本発明に含むものである。

【００８２】

【発明の効果】以上説明したように本発明によれば、手
書き文字を入力する文字入力手段によりサンプリングさ
れた入力文字の座標データ列に基づいて入力文字を大分
類し、入力文字に対する認識候補文字を文字認識部に出
力する入力文字大分類方法において、前記座標データ列
における各座標点間を直線で結んで得られるデータ、あ
るいは、前記座標データ列から特徴点を抽出し、その特
徴点間を直線で結んで得られるデータをもとにビットマ
ップを作成し、その後、このビットマップから特徴ベク
トルを抽出し、前記特徴ベクトルにより文字を分類し、
しかも、前記座標点間または特徴点間を結んで得られる
直線は、或る１文字の入力開始から終了までの間におけ
る当該入力文字のオンストローク部分のみならずオフス
トローク部分においても前記座標点間または特徴点間を
結んで生成するようにしている。したがって、画数に依
存しない大分類処理であるため、画数範囲を限定する必
要がなく、走り書き等による続け字の認識においても正
しく有効な大分類が行え、さらに画数やセグメント長等
では分類できなかった文字も分類可能となるため、走り
書きされた文字を含む続け字に対しても正しく大分類が
できると共に入力文字の認識率を向上させることが可能
となるなど優れた効果が得られる。

【図面の簡単な説明】

【図１】本発明による文字大分類方法の処理手順を説明
するブロック図。

【図２】本発明において座標データ列生成処理より生成
された座標データ列および正規化した座標データ列の一
例を示す図。

【図３】本発明による折れ線近似による特徴点抽出方法
を説明する図

【図４】本発明による折れ線近似処理による特徴点抽出
の一具体例を示す図。

【図５】本発明によるビットマップの一例及び特徴ベク
トル抽出方法を示す図。

【図６】本発明の大分類辞書に格納された各文字に対す
る特徴ベクトルの変動域の内容の一例を示す図。

【図７】本発明による文字大分類装置の構成を説明する
ブロック図。

【図８】本発明において「三」と「川」の文字の標準パ
ターンに対する特徴ベクトルを示す図。

【図９】本発明の大分類辞書に格納された各文字の標準
パターンに対する特徴ベクトルの内容の一例を示す図。

【符号の説明】

１０・・・文字入力回路１１・・・座標データ列生成処理１２・・・正規化処理１３・・・特徴点抽出処理１４・・・ビットマップ作成処理１５・・・特徴ベクトル算出処理１６・・・大分類処理１７・・・大分類辞書１８・・・文字認識処理１９・・・文字辞書２０・・・外接矩形２１・・・手書き文字座標データ列３０・・・端点を結んで有られる直線６１・・・文字入力手段６２・・・正規化手段６３・・・特徴点抽出手段６４・・・詳細認識手段６５・・・文字辞書記憶手段６６・・・ビットマップ作成手段６７・・・特徴ベクトル算出手段６８・・・大分類辞書記憶手段６９・・・大分類手段６０１・・・文字認識部６０２・・・大分類部Ｍ・・・ビットマップＣ１・・・行単位における直線を横切った数のカウント
値Ｃ２・・・列単位における直線を横切った数のカウント
値ｚ１，ｚ２，・・・，ｚｎ・・・小領域ＴＣ１，ＴＣ２、・・・，ＴＣｎ・・・各小領域におけ
るカウント値の総和

Claims

【特許請求の範囲】

【請求項１】手書き文字を入力する文字入力手段によ
りサンプリングされた入力文字の座標データ列に基づい
て入力文字を大分類し、入力文字に対する認識候補文字
を文字認識部に出力する入力文字大分類方法において、前記座標データ列における各座標点間を直線で結んで得
られるデータをもとにビットマップを作成し、このビッ
トマップから特徴ベクトルを抽出し、前記特徴ベクトル
により文字を分類することを特徴とするオンライン文字
認識における入力文字大分類方法。
【請求項２】手書き文字を入力する文字入力手段によ
りサンプリングされた入力文字の座標データ列に基づい
て入力文字を大分類し、入力文字に対する認識候補文字
を文字認識部に出力する入力文字大分類方法において、前記座標データ列から特徴点を抽出し、その特徴点間を
直線で結んで得られるデータをもとにビットマップを作
成し、このビットマップから特徴ベクトルを抽出し、前
記特徴ベクトルにより文字を分類することを特徴とする
オンライン文字認識における入力文字大分類方法
【請求項３】前記座標点間または特徴点間を結んで得
られる直線は、或る１文字の入力開始から終了までの間
における当該入力文字のオンストローク部分のみならず
オフストローク部分においても前記座標点間または特徴
点間を結んで生成することを特徴とする請求項１または
請求項２に記載のオンライン文字認識における入力文字
大分類方法。
【請求項４】前記特徴ベクトルは、予め設定した幾つ
かの小領域に分けられた前記ビットマップにおける各々
の小領域内に存在する直線部分のドット数であることを
特徴とする請求項１または請求項２に記載のオンライン
文字認識における入力文字大分類方法。
【請求項５】前記特徴ベクトルは、前記ビットマップ
を行方向および列方向に走査したときに前記直線を横切
る数を小領域毎に求め、各々の小領域内において前記直
線を横切った数の総和であることを特徴とする請求項１
または請求項２に記載のオンライン文字認識における入
力文字大分類方法。
【請求項６】前記特徴ベクトルを算出する小領域は、
前記ビットマップにおいて行方向および列方向に帯状に
設定された範囲であることを特徴とする請求項４または
請求項５に記載のオンライン文字認識における入力文字
大分類方法。
【請求項７】入力文字を座標データ列に変換したの
ち、その座標データ列を行方向および列方向にそれぞれ
独立した倍率によって入力文字サイズの正規化処理を行
うことを特徴とする請求項１または請求項２に記載のオ
ンライン文字認識における入力文字大分類方法。
【請求項８】前記ビットマップの大きさは、入力文字
の座標データ列を所定の倍率で縮小して正規化された座
標データ列をもとに作成されることで、入力文字の大き
さより小さいサイズであることを特徴とする請求項１ま
たは請求項２に記載のオンライン文字認識における入力
文字大分類方法。
【請求項９】前記正規化処理は、線密度を均一にする
非線形正規化処理であることを特徴とする請求項７に記
載のオンライン文字認識における入力文字大分類方法。
【請求項１０】入力文字の座標データから抽出する前
記特徴点が、入力文字の座標データを折れ線近似したと
きの、折れ線の端点であることを特徴とした請求項２に
記載のオンライン文字認識における入力文字大分類方
法。
【請求項１１】入力文字の座標データから抽出する前
記特徴点が、文字認識に使用される特徴点であることを
特徴とする請求項２に記載のオンライン文字認識におけ
る入力文字大分類方法。
【請求項１２】手書き文字を入力する文字入力手段に
よりサンプリングされた入力文字の座標データ列に基づ
いて入力文字を大分類し、入力文字に対する認識候補文
字を文字認識部に出力する入力文字大分類装置におい
て、前記座標データ列における各座標点間を直線で結んで得
られるデータをもとにビットマップを作成するビットマ
ップ作成手段と、前記ビットマップから特徴ベクトルを抽出する特徴ベク
トル抽出手段と、前記特徴ベクトル抽出手段により抽出された特徴ベクト
ルに応じて文字を分類する大分類手段と、を少なくとも具備したことを特徴とするオンライン文字
認識における入力文字大分類装置。
【請求項１３】手書き文字を入力する文字入力手段に
よりサンプリングされた入力文字の座標データ列に基づ
いて入力文字を大分類し、入力文字に対する認識候補文
字を文字認識部に出力する入力文字大分類方法におい
て、前記座標データ列から特徴点を抽出する特徴点抽出手段
と、前記特徴点抽出手段により抽出された特徴点間を直線で
結んで得られるデータをもとにビットマップを作成する
ビットマップ作成手段と、前記ビットマップから特徴ベクトルを抽出する特徴ベク
トル抽出手段と、前記特徴ベクトル抽出手段により抽出された特徴ベクト
ルに応じて文字を分類する大分類手段と、を少なくとも具備したことを特徴とするオンライン文字
認識における入力文字大分類装置。
【請求項１４】前記ビットマップ作成手段は、前記座
標点間または特徴点間を結んで得られる直線を、或る１
文字の入力開始から終了までの間における当該入力文字
のオンストローク部分のみならずオフストローク部分に
おいても前記座標点間または特徴点間を結んで生成する
ことを特徴とする請求項１２または請求項１３に記載の
オンライン文字認識における入力文字大分類装置。
【請求項１５】前記特徴ベクトル抽出手段は、予め設
定した幾つかの小領域に分けられた前記ビットマップに
おける各々の小領域内に存在する直線部分のドット数を
特徴ベクトルとして出力することを特徴とする請求項１
２または請求項１３に記載のオンライン文字認識におけ
る入力文字大分類装置。
【請求項１６】前記特徴ベクトル抽出手段は、前記ビ
ットマップを行方向および列方向に走査したときに前記
直線を横切る数を前記小領域毎に求め、各々の小領域内
において前記直線を横切った数の総和を特徴ベクトルと
して出力することを特徴とする請求項１２または請求項
１３に記載のオンライン文字認識における入力文字大分
類装置。
【請求項１７】前記特徴ベクトル抽出手段が前記特徴
ベクトルを算出する際に設定される小領域は、前記ビッ
トマップにおいて行方向および列方向に帯状に設定され
た範囲であることを特徴とする請求項１５または請求項
１６に記載のオンライン文字認識における入力文字大分
類装置。
【請求項１８】前記座標データ列を行方向および列方
向にそれぞれ独立した倍率で変換し、入力文字サイズの
正規化を行う正規化手段を設けたことを特徴とする請求
項１２または請求項１３に記載のオンライン文字認識に
おける入力文字大分類装置。
【請求項１９】前記ビットマップ作成手段で作成され
るビットマップの大きさは、入力文字の座標データ列を
所定の倍率で縮小して正規化された座標データ列をもと
に作成されることで、入力文字の大きさより小さいサイ
ズであることを特徴とする請求項１２または請求項１３
に記載のオンライン文字認識における入力文字大分類装
置。
【請求項２０】前記正規化手段は、線密度を均一にす
る非線形正規化を行う正規化手段であることを特徴とす
る請求項１８に記載のオンライン文字認識における入力
文字大分類装置。
【請求項２１】前記特徴点抽出手段は、入力座標デー
タ列に対し折れ線近似を行う折れ線近似手段を含み、前
記折れ線の端点を特徴点として出力することを特徴とす
る請求項１３に記載のオンライン文字認識における入力
文字大分類方法。
【請求項２２】前記正規化手段、特徴点抽出手段の少
なくとも一方を文字認識手段と共用することを特徴とす
る請求項１２または請求項１３に記載のオンライン文字
認識における入力文字大分類装置。