JPH0962788A - オンライン手書き文字認識方法 - Google Patents
オンライン手書き文字認識方法Info
- Publication number
- JPH0962788A JPH0962788A JP7218407A JP21840795A JPH0962788A JP H0962788 A JPH0962788 A JP H0962788A JP 7218407 A JP7218407 A JP 7218407A JP 21840795 A JP21840795 A JP 21840795A JP H0962788 A JPH0962788 A JP H0962788A
- Authority
- JP
- Japan
- Prior art keywords
- segment
- virtual line
- line segment
- character
- feature amount
- 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.)
- Pending
Links
Abstract
(57)【要約】
【課題】 少ないモデル数で様々な続け字のパターンを
認識する。 【解決手段】 前処理部２は、入力装置１から時系列座
標点列として入力された手書き文字に対して正規化、ノ
イズ除去などの前処理を行う。ストローク接続部３は、
ストロークのペンアップ点とペンダウン点の間を仮想線
分で接続し、セグメント分解部４は、ストロークの筆記
方向が所定量以上変化する点において、ストロークを分
解してセグメントの列を作成する。特徴抽出部５では、
各セグメントの長さ、方向、始点の座標、仮想線分の有
無などの特徴量を抽出し、マッチング部７では、辞書６
のモデルの特徴量と入力文字の特徴量を比較してマッチ
ングスコアを算出し、最もスコアの小さいモデルを認識
結果として出力する。
認識する。 【解決手段】 前処理部２は、入力装置１から時系列座
標点列として入力された手書き文字に対して正規化、ノ
イズ除去などの前処理を行う。ストローク接続部３は、
ストロークのペンアップ点とペンダウン点の間を仮想線
分で接続し、セグメント分解部４は、ストロークの筆記
方向が所定量以上変化する点において、ストロークを分
解してセグメントの列を作成する。特徴抽出部５では、
各セグメントの長さ、方向、始点の座標、仮想線分の有
無などの特徴量を抽出し、マッチング部７では、辞書６
のモデルの特徴量と入力文字の特徴量を比較してマッチ
ングスコアを算出し、最もスコアの小さいモデルを認識
結果として出力する。
Description
【０００１】
【発明の属する技術分野】本発明は、辞書に登録するモ
デル数を増大させることなく続け文字も認識するオンラ
イン手書き文字認識方法に関する。
デル数を増大させることなく続け文字も認識するオンラ
イン手書き文字認識方法に関する。
【０００２】
【従来の技術】手書き文字は、ストロークが接続されて
本来の文字よりも画数が少なくなる続け文字となること
が多い。一般にオンライン手書き文字認識においては、
辞書に登録したモデルとストローク毎にマッチングをと
って距離を算出して、その距離が小さいものを認識結果
として出力しているため、画数が異なると正しく認識で
きない。そこで、続け文字を認識するために、あり得る
続け字のパターンの全てを登録することによってこれを
解決した手書き文字認識装置が提案されている（例え
ば、特開平２−２５０１９４号公報を参照）。
本来の文字よりも画数が少なくなる続け文字となること
が多い。一般にオンライン手書き文字認識においては、
辞書に登録したモデルとストローク毎にマッチングをと
って距離を算出して、その距離が小さいものを認識結果
として出力しているため、画数が異なると正しく認識で
きない。そこで、続け文字を認識するために、あり得る
続け字のパターンの全てを登録することによってこれを
解決した手書き文字認識装置が提案されている（例え
ば、特開平２−２５０１９４号公報を参照）。
【０００３】
【発明が解決しようとする課題】しかし、上記した方法
では続け字のパターンも辞書のモデルとして登録しなけ
ればならず、辞書のサイズが増大するという欠点があ
る。また、続け字に対応した文字認識方法も提案されて
いるが、辞書のモデルから続け字を発生させる方法で
は、モデルの接続させるべきストロークの対応を求めて
から実際のマッチングを行うため、処理時間が膨大にな
るという問題がある。
では続け字のパターンも辞書のモデルとして登録しなけ
ればならず、辞書のサイズが増大するという欠点があ
る。また、続け字に対応した文字認識方法も提案されて
いるが、辞書のモデルから続け字を発生させる方法で
は、モデルの接続させるべきストロークの対応を求めて
から実際のマッチングを行うため、処理時間が膨大にな
るという問題がある。
【０００４】本発明の目的は、文字のすべてのストロー
クを仮接続し、一筆書きの状態でマッチングを行い、仮
接続した部分の特徴を一つの数値で表現することによ
り、ストロークの接続箇所を選択する必要がなく、少な
いモデル数で様々な続け字のパターンを認識するオンラ
イン手書き文字認識方法を提供することにある。
クを仮接続し、一筆書きの状態でマッチングを行い、仮
接続した部分の特徴を一つの数値で表現することによ
り、ストロークの接続箇所を選択する必要がなく、少な
いモデル数で様々な続け字のパターンを認識するオンラ
イン手書き文字認識方法を提供することにある。
【０００５】
【課題を解決するための手段】前記目的を達成するため
に、請求項１記載の発明では、時系列座標点列として入
力される手書き文字を認識するオンライン手書き文字認
識方法において、文字を構成するストロークのペンアッ
プ点とペンダウン点との間を筆記順に仮想線分で接続
し、一筆書きされた文字の各ストロークの方向を、所定
の方向コードを基にセグメントの組に分解し、各セグメ
ントについて、その長さ、方向コード、始点の座標、該
セグメント内の仮想線分の有無を特徴量として抽出し、
抽出された入力文字の各セグメントの特徴量と予め登録
されている文字のモデルの各セグメントの特徴量との差
を基に、該モデルと入力文字間の距離を算出し、該距離
が最小となる文字のモデルを、入力文字の認識結果とし
て出力することを特徴としている。
に、請求項１記載の発明では、時系列座標点列として入
力される手書き文字を認識するオンライン手書き文字認
識方法において、文字を構成するストロークのペンアッ
プ点とペンダウン点との間を筆記順に仮想線分で接続
し、一筆書きされた文字の各ストロークの方向を、所定
の方向コードを基にセグメントの組に分解し、各セグメ
ントについて、その長さ、方向コード、始点の座標、該
セグメント内の仮想線分の有無を特徴量として抽出し、
抽出された入力文字の各セグメントの特徴量と予め登録
されている文字のモデルの各セグメントの特徴量との差
を基に、該モデルと入力文字間の距離を算出し、該距離
が最小となる文字のモデルを、入力文字の認識結果とし
て出力することを特徴としている。
【０００６】請求項２記載の発明では、前記セグメント
の特徴量として、セグメント内の仮想線分の長さを用い
ることを特徴としている。
の特徴量として、セグメント内の仮想線分の長さを用い
ることを特徴としている。
【０００７】請求項３記載の発明では、前記セグメント
の特徴量として、セグメント内の仮想線分の位置する位
置コードを用いることを特徴としている。
の特徴量として、セグメント内の仮想線分の位置する位
置コードを用いることを特徴としている。
【０００８】請求項４記載の発明では、前記距離を算出
するとき、仮想線分の存在するセグメントの方向に応じ
て、前記仮想線分の有無の特徴量の重みを変化させるこ
とを特徴としている。
するとき、仮想線分の存在するセグメントの方向に応じ
て、前記仮想線分の有無の特徴量の重みを変化させるこ
とを特徴としている。
【０００９】請求項５記載の発明では、前記距離を算出
するとき、入力文字のストローク数に応じて、前記仮想
線分の有無の特徴量の重みを変化させることを特徴とし
ている。
するとき、入力文字のストローク数に応じて、前記仮想
線分の有無の特徴量の重みを変化させることを特徴とし
ている。
【００１０】請求項６記載の発明では、前記距離を算出
するとき、仮想線分の長さに応じて、前記仮想線分の有
無の特徴量の重みを変化させることを特徴としている。
するとき、仮想線分の長さに応じて、前記仮想線分の有
無の特徴量の重みを変化させることを特徴としている。
【００１１】
【実施例】以下、本発明の一実施例を図面を用いて具体
的に説明する。図１は、本発明の実施例の構成を示す。
本実施例は、タブレットなどの入力装置１と、時系列座
標点列として入力されたオンライン手書き文字に対し
て、大きさの正規化とノイズ除去と折線近似を行う前処
理部２と、ストロークのペンアップ点とペンダウン点を
仮想線分で接続するストローク接続部３と、ストローク
の筆記方向が所定量以上変化する点において、ストロー
クを順次分解してセグメント列を作成するセグメント分
解部４と、各セグメントについてセグメントの長さ、方
向、始点の座標、終点の座標、仮想線分の有無などの特
徴量を計算する特徴抽出部５と、文字のモデルを登録し
た辞書６と、予め登録された辞書の文字のモデルの特徴
量と入力文字の特徴量を比較計算してマッチングスコア
を算出し、最もスコアの小さいモデルが表す文字を認識
結果として出力するマッチング部７と、認識結果を表示
する出力装置８から構成されている。
的に説明する。図１は、本発明の実施例の構成を示す。
本実施例は、タブレットなどの入力装置１と、時系列座
標点列として入力されたオンライン手書き文字に対し
て、大きさの正規化とノイズ除去と折線近似を行う前処
理部２と、ストロークのペンアップ点とペンダウン点を
仮想線分で接続するストローク接続部３と、ストローク
の筆記方向が所定量以上変化する点において、ストロー
クを順次分解してセグメント列を作成するセグメント分
解部４と、各セグメントについてセグメントの長さ、方
向、始点の座標、終点の座標、仮想線分の有無などの特
徴量を計算する特徴抽出部５と、文字のモデルを登録し
た辞書６と、予め登録された辞書の文字のモデルの特徴
量と入力文字の特徴量を比較計算してマッチングスコア
を算出し、最もスコアの小さいモデルが表す文字を認識
結果として出力するマッチング部７と、認識結果を表示
する出力装置８から構成されている。
【００１２】〈実施例１〉タブレットなどの入力装置１
によって時系列座標点列として入力されたオンライン手
書き文字に対して前処理を実行する。まず、公知の技術
を用いて折線近似を行い、点状のストロークをノイズと
して除去し、文字の縦横比を変えずに縦横の内、大きい
方が所定の定数値（例えば１）になるように正規化し、
座標の原点を文字の中心にとる。
によって時系列座標点列として入力されたオンライン手
書き文字に対して前処理を実行する。まず、公知の技術
を用いて折線近似を行い、点状のストロークをノイズと
して除去し、文字の縦横比を変えずに縦横の内、大きい
方が所定の定数値（例えば１）になるように正規化し、
座標の原点を文字の中心にとる。
【００１３】次に、ストロークのペンアップ点とペンダ
ウン点を仮想線分を用いて接続する。図２は、仮想線分
を用いて入力文字を接続した例を示す。図において、点
Ｃはペンアップ点であり、点Ｄはペンダウン点であり、
破線の線分ＣＤが仮想線分となる。同様に、破線の線分
ＦＧが仮想線分となる。
ウン点を仮想線分を用いて接続する。図２は、仮想線分
を用いて入力文字を接続した例を示す。図において、点
Ｃはペンアップ点であり、点Ｄはペンダウン点であり、
破線の線分ＣＤが仮想線分となる。同様に、破線の線分
ＦＧが仮想線分となる。
【００１４】接続の結果として一筆書き状となった文字
のストロークの筆記方向を図３に示す８方向の方向コー
ドで表し、この方向コードが変化する点においてストロ
ークを分解する。分解された部分をセグメントと呼ぶ。
のストロークの筆記方向を図３に示す８方向の方向コー
ドで表し、この方向コードが変化する点においてストロ
ークを分解する。分解された部分をセグメントと呼ぶ。
【００１５】次いで、各セグメントの特徴量を抽出す
る。セグメントの特徴量は、セグメントの長さ、方向コ
ード、始点の座標、セグメントの中に仮想線分が含まれ
ているか否かを表す仮想線分フラグである。仮想線分フ
ラグは、セグメントの中に仮想線分が含まれていれば
“１”、そうでなければ“０”の値をとる。長さと座標
値は、正規化された後の座標を基準とする。図２の文字
をセグメントに分解して得られたセグメントの特徴量の
例を、図４に示す。
る。セグメントの特徴量は、セグメントの長さ、方向コ
ード、始点の座標、セグメントの中に仮想線分が含まれ
ているか否かを表す仮想線分フラグである。仮想線分フ
ラグは、セグメントの中に仮想線分が含まれていれば
“１”、そうでなければ“０”の値をとる。長さと座標
値は、正規化された後の座標を基準とする。図２の文字
をセグメントに分解して得られたセグメントの特徴量の
例を、図４に示す。
【００１６】予め、基準とする文字から特徴量を算出し
て辞書６にモデルとして登録しておき、マッチング部７
は、辞書６に登録されているすべてのモデルについて入
力文字とのマッチングを行う。すなわち、まず、モデル
と入力文字の各セグメントの特徴量の差異を表す距離を
計算する。セグメント間の距離は以下の式によって計算
する。モデルと入力文字のセグメントの長さをそれぞれ
ｓ０、ｓ１、方向コードの値をそれぞれａ０、ａ１、仮
想線分フラグをそれぞれｖ０、ｖ１とし、始点の座標間
のユークリッド距離をｔとすると、セグメント間の距離
ｄは、 ｄ＝｜ｓ０−ｓ１｜＋ｗ１・ａｎｇｌｅ（ａ０，ａ１）
＋ｗ２・ｔ＋ｗ３・｜ｖ０−ｖ１｜ ただし、｜ａ０−ａ１｜＜５のとき、 ａｎｇｌｅ（ａ０，ａ１）＝｜ａ０−ａ１｜ ｜ａ０−ａ１｜＞４のとき、 ａｎｇｌｅ（ａ０，ａ１）＝８−｜ａ０−ａ１｜ ｗ１〜ｗ３は重み係数であり、予め定数として設定して
おく。例えば、ｗ１＝０．２、ｗ２＝０．３、ｗ３＝
０．０５のように設定する。
て辞書６にモデルとして登録しておき、マッチング部７
は、辞書６に登録されているすべてのモデルについて入
力文字とのマッチングを行う。すなわち、まず、モデル
と入力文字の各セグメントの特徴量の差異を表す距離を
計算する。セグメント間の距離は以下の式によって計算
する。モデルと入力文字のセグメントの長さをそれぞれ
ｓ０、ｓ１、方向コードの値をそれぞれａ０、ａ１、仮
想線分フラグをそれぞれｖ０、ｖ１とし、始点の座標間
のユークリッド距離をｔとすると、セグメント間の距離
ｄは、 ｄ＝｜ｓ０−ｓ１｜＋ｗ１・ａｎｇｌｅ（ａ０，ａ１）
＋ｗ２・ｔ＋ｗ３・｜ｖ０−ｖ１｜ ただし、｜ａ０−ａ１｜＜５のとき、 ａｎｇｌｅ（ａ０，ａ１）＝｜ａ０−ａ１｜ ｜ａ０−ａ１｜＞４のとき、 ａｎｇｌｅ（ａ０，ａ１）＝８−｜ａ０−ａ１｜ ｗ１〜ｗ３は重み係数であり、予め定数として設定して
おく。例えば、ｗ１＝０．２、ｗ２＝０．３、ｗ３＝
０．０５のように設定する。
【００１７】続いてセグメント間の対応付けを行う。モ
デルと入力文字のセグメントの全ての組み合わせにおい
て距離を算出してマトリックスを作成し、最も距離値の
小さい組み合わせを基準に他のセグメントの対応を決定
する。このとき所定の閾値を設けて、その値以上の距離
をもつ組み合わせは対応させないようにする。また、各
セグメントは筆記順に接続されているので、マトリック
ス状で対応したセグメントの並びは、左上から右下方向
へと単調にならなければならない。図５は、モデルの例
を示し、図６は図５のモデルの特徴量を示す。図７は、
図４と図６から作成した距離マトリックスを示す。最も
距離値の小さいＩＪとＲＳの組を基準にとり、例えば閾
値を０．５にとって対応していくと、対応するセグメン
トはマトリックスの丸印を付けた組み合わせとなる。
デルと入力文字のセグメントの全ての組み合わせにおい
て距離を算出してマトリックスを作成し、最も距離値の
小さい組み合わせを基準に他のセグメントの対応を決定
する。このとき所定の閾値を設けて、その値以上の距離
をもつ組み合わせは対応させないようにする。また、各
セグメントは筆記順に接続されているので、マトリック
ス状で対応したセグメントの並びは、左上から右下方向
へと単調にならなければならない。図５は、モデルの例
を示し、図６は図５のモデルの特徴量を示す。図７は、
図４と図６から作成した距離マトリックスを示す。最も
距離値の小さいＩＪとＲＳの組を基準にとり、例えば閾
値を０．５にとって対応していくと、対応するセグメン
トはマトリックスの丸印を付けた組み合わせとなる。
【００１８】そして、対応付けられたセグメントの距離
の和をとり、対応しなかったセグメントの数だけペナル
ティ値を加えて、モデルと入力文字のマッチングスコア
とする。ペナルティ値は適当な値を予め設定しておく。
例えば、０．３と設定すると、図７の例では、ＡＢとＪ
ＫとＰＱの３つが対応できなかったため、対応したセグ
メントの距離の総和０．８６（＝０．１１３＋０．０４
４＋，，，＋０．０１５）に０．９（＝０．３×３）を
加えてマッチングスコアは１．７６となる。
の和をとり、対応しなかったセグメントの数だけペナル
ティ値を加えて、モデルと入力文字のマッチングスコア
とする。ペナルティ値は適当な値を予め設定しておく。
例えば、０．３と設定すると、図７の例では、ＡＢとＪ
ＫとＰＱの３つが対応できなかったため、対応したセグ
メントの距離の総和０．８６（＝０．１１３＋０．０４
４＋，，，＋０．０１５）に０．９（＝０．３×３）を
加えてマッチングスコアは１．７６となる。
【００１９】辞書に登録されているモデル全てについて
同様の処理を行ってマッチングスコアを求め、マッチン
グスコアが最小のものを入力結果として出力する。
同様の処理を行ってマッチングスコアを求め、マッチン
グスコアが最小のものを入力結果として出力する。
【００２０】このように実施例１では、文字のストロー
クを仮想線分を用いて筆記順に接続し、一筆書き状とな
ったストロークを基に認識処理を行うことによって、続
け文字に対しても辞書に登録するモデルの数を増加させ
ることなく正しい認識結果を出力することができる。ま
た、セグメントが仮想線分を含むか否かのフラグを用い
ることによって、「う」と「ろ」のような一筆書きにす
ると区別ができなくなる文字についても、仮想線分があ
る「う」と仮想線分がない「ろ」とを区別することがで
き、辞書のサイズを大幅に増加させることなく誤認識を
防ぐことができる。
クを仮想線分を用いて筆記順に接続し、一筆書き状とな
ったストロークを基に認識処理を行うことによって、続
け文字に対しても辞書に登録するモデルの数を増加させ
ることなく正しい認識結果を出力することができる。ま
た、セグメントが仮想線分を含むか否かのフラグを用い
ることによって、「う」と「ろ」のような一筆書きにす
ると区別ができなくなる文字についても、仮想線分があ
る「う」と仮想線分がない「ろ」とを区別することがで
き、辞書のサイズを大幅に増加させることなく誤認識を
防ぐことができる。
【００２１】〈実施例２〉本実施例は、実施例１の特徴
抽出の部分において、仮想線分フラグを、セグメントの
中に仮想線分が含まれているか否かではなく、仮想線分
の長さとセグメントの長さの比を表すように変更する。
比は、セグメントの長さを５として、０から５までの６
段階に量子化して表す。これに応じてセグメントの距離
の計算式における重み係数ｗ３の値を変更する。実施例
１ではフラグの値は０または１であったので、距離が大
きく変化しないように、例えばｗ３＝０．０１とする。
抽出の部分において、仮想線分フラグを、セグメントの
中に仮想線分が含まれているか否かではなく、仮想線分
の長さとセグメントの長さの比を表すように変更する。
比は、セグメントの長さを５として、０から５までの６
段階に量子化して表す。これに応じてセグメントの距離
の計算式における重み係数ｗ３の値を変更する。実施例
１ではフラグの値は０または１であったので、距離が大
きく変化しないように、例えばｗ３＝０．０１とする。
【００２２】図８の「う」と「ら」のような文字では、
セグメントＢＣとＨＪがどちらも仮想線分を含み、他の
特徴量も全て類似していて、他のセグメントもほぼ同じ
特徴量を持つため誤認識する恐れがある。仮想線分フラ
グの値を仮想線分の長さに応じた値にすることによって
（例えば、仮想線分ＢＣのフラグ値は６であり、仮想線
分ＨＩのフラグ値は４である）、このような文字間の誤
認識を防ぐことができる。
セグメントＢＣとＨＪがどちらも仮想線分を含み、他の
特徴量も全て類似していて、他のセグメントもほぼ同じ
特徴量を持つため誤認識する恐れがある。仮想線分フラ
グの値を仮想線分の長さに応じた値にすることによって
（例えば、仮想線分ＢＣのフラグ値は６であり、仮想線
分ＨＩのフラグ値は４である）、このような文字間の誤
認識を防ぐことができる。
【００２３】〈実施例３〉本実施例は、実施例２の特徴
抽出の部分において、仮想線分の長さとセグメントの長
さの比を表す仮想線分フラグに加え、仮想線分がセグメ
ントの中のどの位置に存在するかというコードを表す仮
想線分フラグ２を設ける。仮想線分の位置コードは、図
９に示すように、セグメントの始点側に存在すれば１、
セグメントの中央付近に存在すれば２、終点側に存在す
れば３を与える。また、セグメントに仮想線分が存在し
なければ０、セグメント全体が仮想線分であれば２を与
える。これに応じてセグメント間の距離ｄを求める式を
以下のように変更する。
抽出の部分において、仮想線分の長さとセグメントの長
さの比を表す仮想線分フラグに加え、仮想線分がセグメ
ントの中のどの位置に存在するかというコードを表す仮
想線分フラグ２を設ける。仮想線分の位置コードは、図
９に示すように、セグメントの始点側に存在すれば１、
セグメントの中央付近に存在すれば２、終点側に存在す
れば３を与える。また、セグメントに仮想線分が存在し
なければ０、セグメント全体が仮想線分であれば２を与
える。これに応じてセグメント間の距離ｄを求める式を
以下のように変更する。
【００２４】ｄ＝｜ｓ０−ｓ１｜＋ｗ１・ａｎｇｌｅ
（ａ０，ａ１）＋ｗ２・ｔ＋ｗ３・（｜ｖ０−ｖ１｜＋
ｐｏｓｉｔｉｏｎ（ｐ０，ｐ１）） ただし、｜ａ０−ａ１｜＜５のとき、 ａｎｇｌｅ（ａ０，ａ１）＝｜ａ０−ａ１｜ ｜ａ０−ａ１｜＞４のとき、 ａｎｇｌｅ（ａ０，ａ１）＝８−｜ａ０−ａ１｜ ｜ｐ０−ｐ１｜＜３のとき、 ｐｏｓｉｔｉｏｎ（ｐ０，ｐ１）＝｜ｐ０−ｐ１｜ ｜ｐ０−ｐ１｜＞２のとき、 ｐｏｓｉｔｉｏｎ（ｐ０，ｐ１）＝４−｜ｐ０−ｐ１｜ 図１０に示す「う」と「ら」のような文字では、セグメ
ントＢＤとＩＫの仮想線分の長さがほぼ等しいため（Ｃ
Ｄ＝ＩＪ）、誤認識する恐れがある。仮想線分の位置を
表す仮想フラグ２を加えることによって、図１０の
「う」の仮想線分ＣＤに対しては位置コード３が付与さ
れ、「ら」の仮想線分ＩＪに対しては位置コード１が付
与され、このような文字間の誤認識を防ぐことができ
る。
（ａ０，ａ１）＋ｗ２・ｔ＋ｗ３・（｜ｖ０−ｖ１｜＋
ｐｏｓｉｔｉｏｎ（ｐ０，ｐ１）） ただし、｜ａ０−ａ１｜＜５のとき、 ａｎｇｌｅ（ａ０，ａ１）＝｜ａ０−ａ１｜ ｜ａ０−ａ１｜＞４のとき、 ａｎｇｌｅ（ａ０，ａ１）＝８−｜ａ０−ａ１｜ ｜ｐ０−ｐ１｜＜３のとき、 ｐｏｓｉｔｉｏｎ（ｐ０，ｐ１）＝｜ｐ０−ｐ１｜ ｜ｐ０−ｐ１｜＞２のとき、 ｐｏｓｉｔｉｏｎ（ｐ０，ｐ１）＝４−｜ｐ０−ｐ１｜ 図１０に示す「う」と「ら」のような文字では、セグメ
ントＢＤとＩＫの仮想線分の長さがほぼ等しいため（Ｃ
Ｄ＝ＩＪ）、誤認識する恐れがある。仮想線分の位置を
表す仮想フラグ２を加えることによって、図１０の
「う」の仮想線分ＣＤに対しては位置コード３が付与さ
れ、「ら」の仮想線分ＩＪに対しては位置コード１が付
与され、このような文字間の誤認識を防ぐことができ
る。
【００２５】〈実施例４〉本実施例は、実施例３のセグ
メント間の距離を算出する式において、辞書のモデルの
セグメントの方向ａ０に応じて重み係数ｗ３の値を図１
１のように変化させるように変更する。
メント間の距離を算出する式において、辞書のモデルの
セグメントの方向ａ０に応じて重み係数ｗ３の値を図１
１のように変化させるように変更する。
【００２６】あるストロークの終点から次のストローク
の始点への方向が、右上から左下へ向かう方向（つま
り、図３の方向コードが５）であると、ストロークがつ
ながりやすく、続け字となる可能性が高いと考えられ
る。漢字の部首である「さんずい」や「ごんべん」の例
が顕著である。このような文字では、セグメント間の距
離が大きくなって閾値を超え、正しく対応付けが行われ
ないこともある。このようなストロークがつながりやす
い方向において重み係数を小さくすることによって、セ
グメントの対応が正しく行われ、誤認識を防ぐことがで
きる。
の始点への方向が、右上から左下へ向かう方向（つま
り、図３の方向コードが５）であると、ストロークがつ
ながりやすく、続け字となる可能性が高いと考えられ
る。漢字の部首である「さんずい」や「ごんべん」の例
が顕著である。このような文字では、セグメント間の距
離が大きくなって閾値を超え、正しく対応付けが行われ
ないこともある。このようなストロークがつながりやす
い方向において重み係数を小さくすることによって、セ
グメントの対応が正しく行われ、誤認識を防ぐことがで
きる。
【００２７】〈実施例５〉実施例３のセグメント間の距
離を算出する式において、本実施例では、辞書のモデル
の文字の画数が多くなるにしたがって、重み係数ｗ３の
値を減少させるように変更する。例えば、辞書のモデル
の文字の画数をｎとして、ｗ３を図１２のグラフのよう
に設定する。
離を算出する式において、本実施例では、辞書のモデル
の文字の画数が多くなるにしたがって、重み係数ｗ３の
値を減少させるように変更する。例えば、辞書のモデル
の文字の画数をｎとして、ｗ３を図１２のグラフのよう
に設定する。
【００２８】漢字などのストローク数が多い文字におい
ては、どこかでストロークがつながる可能性が高くな
る。距離の計算式を低画数の文字と同じものにしている
と、セグメント間の距離が大きくなって閾値を超え、正
しく対応付けが行われないこともある。画数の多い文字
で重み係数を減少させることで、セグメントの対応が正
しく行われ、誤認識を防ぐことができる。
ては、どこかでストロークがつながる可能性が高くな
る。距離の計算式を低画数の文字と同じものにしている
と、セグメント間の距離が大きくなって閾値を超え、正
しく対応付けが行われないこともある。画数の多い文字
で重み係数を減少させることで、セグメントの対応が正
しく行われ、誤認識を防ぐことができる。
【００２９】〈実施例６〉実施例３のセグメント間の距
離を算出する式において、本実施例では、辞書のモデル
の仮想線分の長さが大きくなるにしたがって重み係数ｗ
３の値を増加させるように変更する。仮想線分の長さｕ
は、セグメントの長さｓ０と仮想フラグｖ０を用いて、
ｕ＝（ｓ０・ｖ０）／５で表される。例えば、ｗ３をｕ
に応じて図１３のグラフのように設定する。
離を算出する式において、本実施例では、辞書のモデル
の仮想線分の長さが大きくなるにしたがって重み係数ｗ
３の値を増加させるように変更する。仮想線分の長さｕ
は、セグメントの長さｓ０と仮想フラグｖ０を用いて、
ｕ＝（ｓ０・ｖ０）／５で表される。例えば、ｗ３をｕ
に応じて図１３のグラフのように設定する。
【００３０】仮想線分が長い部分は、続け字においても
接続する可能性が低いと考えられる。このような仮想線
分が長い部分に対しても同様の重み係数ｗ３を与えた場
合は、長い仮想線分の有無によって区別できる文字が誤
認識されてしまう。例えば、図１４（ａ）は、文字
「２」のモデルであり、（ｂ）は、文字「こ」のモデル
である。いま、（ｃ）に示すような少し崩れた文字
「こ」が入力されたとき、係数ｗ３が同じであるとする
と、仮想線分の特徴の違いがあるにも係らず、入力文字
（ｃ）がモデル（ａ）とマッチングしてしまう。
接続する可能性が低いと考えられる。このような仮想線
分が長い部分に対しても同様の重み係数ｗ３を与えた場
合は、長い仮想線分の有無によって区別できる文字が誤
認識されてしまう。例えば、図１４（ａ）は、文字
「２」のモデルであり、（ｂ）は、文字「こ」のモデル
である。いま、（ｃ）に示すような少し崩れた文字
「こ」が入力されたとき、係数ｗ３が同じであるとする
と、仮想線分の特徴の違いがあるにも係らず、入力文字
（ｃ）がモデル（ａ）とマッチングしてしまう。
【００３１】そこで、長い仮想線分が存在するセグメン
トで重み係数ｗ３の値を大きくすることによって、
（ａ）と（ｃ）がマッチングすることを防止する。
トで重み係数ｗ３の値を大きくすることによって、
（ａ）と（ｃ）がマッチングすることを防止する。
【００３２】
【発明の効果】以上、説明したように、請求項１記載の
発明によれば、文字のストローク間を筆記順に仮想線分
を発生させて接続しているので、辞書に登録するモデル
数を増大させることなく、続き文字も認識することがで
きる。また、仮想線分の特徴を一つの数値で表してマッ
チングスコアの計算に用いているので、一筆書きにする
と類似するような文字も正しく認識することができる。
発明によれば、文字のストローク間を筆記順に仮想線分
を発生させて接続しているので、辞書に登録するモデル
数を増大させることなく、続き文字も認識することがで
きる。また、仮想線分の特徴を一つの数値で表してマッ
チングスコアの計算に用いているので、一筆書きにする
と類似するような文字も正しく認識することができる。
【００３３】請求項２記載の発明によれば、仮想線分の
特徴として、仮想線分の長さを用いているので、仮想線
分の長さの違いでしか区別されないような文字を正しく
認識することができる。
特徴として、仮想線分の長さを用いているので、仮想線
分の長さの違いでしか区別されないような文字を正しく
認識することができる。
【００３４】請求項３記載の発明によれば、仮想線分の
位置する位置コードを用いることによって、仮想線分の
位置の違いでしか区別されないような文字を正しく認識
することができる。
位置する位置コードを用いることによって、仮想線分の
位置の違いでしか区別されないような文字を正しく認識
することができる。
【００３５】請求項４記載の発明によれば、発生した仮
想線分の方向に応じて、マッチングスコアの計算式にお
ける仮想線分の特徴の重みを変化させることによって、
続け字が起きやすい方向の仮想線分を多く持つ文字の誤
認識を減少させることができる。
想線分の方向に応じて、マッチングスコアの計算式にお
ける仮想線分の特徴の重みを変化させることによって、
続け字が起きやすい方向の仮想線分を多く持つ文字の誤
認識を減少させることができる。
【００３６】請求項５記載の発明によれば、文字の画数
に応じて、マッチングスコアの計算式における仮想線分
の特徴の重みを変化させることによって、続け字の起き
やすい画数が多い文字の誤認識を減少させることができ
る。
に応じて、マッチングスコアの計算式における仮想線分
の特徴の重みを変化させることによって、続け字の起き
やすい画数が多い文字の誤認識を減少させることができ
る。
【００３７】請求項６記載の発明によれば、仮想線分の
長さに応じて、マッチングスコアの計算式における仮想
線分の特徴の重みを変化させることによって、歪が大き
い入力文字の誤認識を防ぐことができる。
長さに応じて、マッチングスコアの計算式における仮想
線分の特徴の重みを変化させることによって、歪が大き
い入力文字の誤認識を防ぐことができる。
【図１】本発明の実施例の構成を示す。
【図２】入力された文字の例を示す。
【図３】８方向の方向コードを示す。
【図４】図２の文字の特徴量を示す。
【図５】辞書内のモデル例を示す。
【図６】モデルの特徴量を示す。
【図７】入力文字とモデルのセグメントの対応を示す。
【図８】仮想線分の有無だけで識別できない文字の例を
示す。
示す。
【図９】セグメント内で仮想線分の位置する位置コード
を示す。
を示す。
【図１０】仮想線分の長さだけで識別できない文字の例
を示す。
を示す。
【図１１】セグメントの方向フラグと重み係数の関係を
示す。
示す。
【図１２】ストローク数と重み係数の関係を示す。
【図１３】仮想線分の長さと重み係数の関係を示す。
【図１４】（ａ）、（ｂ）、（ｃ）は、歪のために、仮
想線分の特徴の違いがあっても誤認識する例を示す。
想線分の特徴の違いがあっても誤認識する例を示す。
１ 入力装置 ２ 前処理部 ３ ストローク接続部 ４ セグメント分解部 ５ 特徴抽出部 ６ 辞書 ７ マッチング部 ８ 出力装置
Claims (6)
- 【請求項１】 時系列座標点列として入力される手書き
文字を認識するオンライン手書き文字認識方法におい
て、文字を構成するストロークのペンアップ点とペンダ
ウン点との間を筆記順に仮想線分で接続し、一筆書きさ
れた文字の各ストロークの方向を、所定の方向コードを
基にセグメントの組に分解し、各セグメントについて、
その長さ、方向コード、始点の座標、該セグメント内の
仮想線分の有無を特徴量として抽出し、抽出された入力
文字の各セグメントの特徴量と予め登録されている文字
のモデルの各セグメントの特徴量との差を基に、該モデ
ルと入力文字間の距離を算出し、該距離が最小となる文
字のモデルを、入力文字の認識結果として出力すること
を特徴とするオンライン手書き文字認識方法。 - 【請求項２】 前記セグメントの特徴量として、セグメ
ント内の仮想線分の長さを用いることを特徴とする請求
項１記載のオンライン手書き文字認識方法。 - 【請求項３】 前記セグメントの特徴量として、セグメ
ント内の仮想線分の位置する位置コードを用いることを
特徴とする請求項１記載のオンライン手書き文字認識方
法。 - 【請求項４】 前記距離を算出するとき、仮想線分の存
在するセグメントの方向に応じて、前記仮想線分の有無
の特徴量の重みを変化させることを特徴とする請求項１
記載のオンライン手書き文字認識方法。 - 【請求項５】 前記距離を算出するとき、入力文字のス
トローク数に応じて、前記仮想線分の有無の特徴量の重
みを変化させることを特徴とする請求項１記載のオンラ
イン手書き文字認識方法。 - 【請求項６】 前記距離を算出するとき、仮想線分の長
さに応じて、前記仮想線分の有無の特徴量の重みを変化
させることを特徴とする請求項１記載のオンライン手書
き文字認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7218407A JPH0962788A (ja) | 1995-08-28 | 1995-08-28 | オンライン手書き文字認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7218407A JPH0962788A (ja) | 1995-08-28 | 1995-08-28 | オンライン手書き文字認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0962788A true JPH0962788A (ja) | 1997-03-07 |
Family
ID=16719434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7218407A Pending JPH0962788A (ja) | 1995-08-28 | 1995-08-28 | オンライン手書き文字認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0962788A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1999016013A1 (fr) * | 1997-09-22 | 1999-04-01 | Hitachi, Ltd. | Dispositif de reconnaissance de caracteres |
| KR100454541B1 (ko) * | 1998-04-27 | 2004-11-03 | 산요덴키가부시키가이샤 | 수기 문자 인식 방법 및 시스템 |
| JP2007213433A (ja) * | 2006-02-10 | 2007-08-23 | Fujitsu Ltd | 文字検索装置 |
| JP2014235551A (ja) * | 2013-05-31 | 2014-12-15 | 株式会社東芝 | 検索装置、方法及びプログラム |
-
1995
- 1995-08-28 JP JP7218407A patent/JPH0962788A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1999016013A1 (fr) * | 1997-09-22 | 1999-04-01 | Hitachi, Ltd. | Dispositif de reconnaissance de caracteres |
| US6718060B1 (en) | 1997-09-22 | 2004-04-06 | Renesas Technology Corporation | Character recognizer |
| KR100454541B1 (ko) * | 1998-04-27 | 2004-11-03 | 산요덴키가부시키가이샤 | 수기 문자 인식 방법 및 시스템 |
| JP2007213433A (ja) * | 2006-02-10 | 2007-08-23 | Fujitsu Ltd | 文字検索装置 |
| JP2014235551A (ja) * | 2013-05-31 | 2014-12-15 | 株式会社東芝 | 検索装置、方法及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6956969B2 (en) | Methods and apparatuses for handwriting recognition | |
| US5787197A (en) | Post-processing error correction scheme using a dictionary for on-line handwriting recognition | |
| WO1997044758A9 (en) | Methods and apparatuses for handwriting recognition | |
| JP3761937B2 (ja) | パターン認識方法及び装置及びコンピュータ制御装置 | |
| JPH0962788A (ja) | オンライン手書き文字認識方法 | |
| JPH0150954B2 (ja) | ||
| KR100301216B1 (ko) | 온라인문자인식장치 | |
| KR940015910A (ko) | 온라인 필기체 인식 시스템 | |
| JP2930996B2 (ja) | 画像認識方法および画像認識装置 | |
| JP3115139B2 (ja) | 文字切り出し方法 | |
| JP3345469B2 (ja) | 単語間隔度演算方法、単語間隔度演算装置、及び文字読取り方法、文字読取り装置 | |
| JP3198218B2 (ja) | オンライン手書き文字認識方法 | |
| JP3338575B2 (ja) | オンライン手書き文字認識装置 | |
| JPH06295356A (ja) | オンライン文字認識装置 | |
| JPH0776980B2 (ja) | 文字認識方法 | |
| KR850003609A (ko) | 패턴인식의 방법과 장치 | |
| JP3100786B2 (ja) | 文字認識後処理方式 | |
| JP2962984B2 (ja) | 文字認識装置 | |
| JP2972443B2 (ja) | 文字認識装置 | |
| JPS60217487A (ja) | 文字認識装置 | |
| JPS63301383A (ja) | 筆記文字認識装置 | |
| JPH0580711B2 (ja) | ||
| JPH01213772A (ja) | オンライン文字認識方式 | |
| JPH0766418B2 (ja) | 手書き文字認識装置 | |
| JPH06187500A (ja) | オンライン文字認識装置 |