JPS6252912B2 - - Google Patents

Description

【発明の詳細な説明】 本発明は、パターン認識処理方式、特に認識対
象の多いパターン例えば漢字について第１の特徴
照合処理で選出された候補カテゴリにそれぞれの
類似度を附与し、第２の特徴照合処理においても
上記候補カテゴリに対し第２の類似度を附与して
それぞれの候補カテゴリの類似度の例えば積をと
り、第１の特徴照合処理の類似度を第２の特徴照
合処理でカテゴリを決定する際に反映させるよう
にしてパターン認識処理を実行するようにしたパ
ターン認識処理方式に関するものである。

パターン認識処理、特に認識対象の多い文字、
就中漢字の認識は１種類の特徴系列を抽出しただ
けでは不十分で、２種類の特徴系列を用い階層的
に判定する処理方式がよく行なわれている。

第１階層では第１の特徴とそれに対応する辞書
との間で類似度の計算を行ない、この類似度が所
定の閾値以上のカテゴリを候補カテゴリとして選
出する。該候補カテゴリが複数個選出されたと
き、当該候補カテゴリに対して第２の特徴により
これに対応する辞書と類似計算を実行し、その最
大類似度を与えるカテゴリを認識対象パターンの
答として決定していた。しかしながらこのような
処理方式において第１階層における類似度の値
が、所定の閾値以上であれば候補カテゴリとして
皆同等に取扱うため、第１階層で類似度の極めて
低い候補カテゴリが第２階層での照合処理におい
てその類似度が高い場合第１階層での類似度が反
映されることなく認識対象パターンの答とされて
しまい誤認識をする危険性が存在する。

あるいは認識対象パターンに対し２種類の特徴
を最初から同時に用い認識精度を向上させる手法
も実行されているが、一方の特徴のみで認識が十
分に行なうことができる場合処理時間の浪費とな
る欠点がある。

本発明は、上記の点を解決することを目的とし
ており、第１の特徴認識処理により候補カテゴリ
が複数個選出され、第２の特徴による識別が必要
となつた場合、第１階層における類似度の情報を
第２階層における識別の重みとして反映させるこ
とにより、識別精度を向上させしめることを目的
としている。そしてそのため本発明のパターン認
識処理方式は認識対象パターンの標準特徴につい
ての辞書情報を複数個格納している辞書をそなえ
ると共に、第１の特徴照合処理部と第２の特徴照
合処理部をもうけ、第１の特徴照合処理部で選出
された複数の候補カテゴリに対し第２の特徴照合
処理を行なつて認識対象パターンのカテゴリを認
識する階層的パターン認識処理方式において、第
１の特徴照合処理部で認識された候補カテゴリの
各々に第１の特徴照合処理における類似度を附与
し、第２の特徴照合処理部において上記候補カテ
ゴリに対しそれぞれ第２の特徴類似度を附与して
上記第１の類似度と第２の類似度との関数で与え
られる重み付け部をもうけるとともに、該重み付
け部で重みを付けられた上記候補カテゴリの類似
度の最大値を検出する最大値検出部をそなえ、認
識対象パターンのカテゴリ決定に当つて各特徴照
合処理部において付けられた類似度を重みとして
反映させ、カテゴリの決定をするようにしたこと
を特徴としている。以下図面を参照しつつ説明す
る。

第１図ＡないしＤは「大」の特徴を有する漢字
の例、第２図ＡないしＣは「木」の特徴を有する
漢字の例、第３図は本発明の一実施例構成を示し
ている。

今認識対象の入力パターンをＰ、該入力パター
ンの第１特徴をf₁、第２特徴f₂、上記第１特徴f₁
の第１特徴辞書に対する類似度を大きい順に並べ
たものを〓_１＝（d₁₁，d₁₂，……，ｄ_1o）、該
（d₁₁，d₁₂，……，ｄ_1o）に対応するカテゴリ名を
（C₁，C₂，……，Ｃ_o）、候補数をｎ、カテゴリ候
補〓＝（C₁，C₂，……Ｃ_o）に対する第２特徴f₂の
第２辞書に対する類似度を〓_２＝（d₂₁，d₂₂，…
…，ｄ_2o）とする。認識対象の入力パターンＰの
判定は類似度〓_１を類似度〓_２に対する重み付け
パラメータとみなし、答をＣとすると入力パター
ンは次の式で決定される。

ｎ＝１のとき Ｃ＝C₁ ｎ＞１のとき Ｃ＝Ｃ_h 但しｈは d₁h×d₂h＝（ｄ_1i×ｄ_2i）maxで与ら
れる値である。

上式を一般論で説明すると、入力パターンＰを
第１特徴f₁で特徴照合処理を行ない、それに対応
する第１特徴辞書で所定閾値以上の類似度〓_１を
有する候補カテゴリが１個であるときは、その候
補カテゴリが答、すなわち入力パターンＰに対応
する認識はカテゴリC₁である。次に入力パター
ンＰを第１特徴f₁で特徴照合処理を行ない、それ
に対応する第１特徴辞書で所定閾値以上の類似度
〓_１を有する候補カテゴリが２個以上存在すると
きは、候補カテゴリ〓の各々に第１特徴f₁で照合
処理を行なつたときの類似度〓_１を附与する。即
ち第１特徴f₁に最も類似度の高い候補カテゴリC₁
にはd₁₁、次に類似度の高い候補カテゴリC₂に
d₁₂，……類似度の最も低いｎ番目の候補カテゴ
リＣ_oにｄ_1oが与えられる。そしてこれらｎ個の
候補カテゴリ〓に対し第２特徴f₂で特徴照合処理
を行ない、それに対応する第２特徴辞書で上記ｎ
個の候補カテゴリ〓の総べてに類似度〓_２が各々
附与される。例えば上記第１特徴f₁に最も類似度
の高い候補カテゴリC₁に対して第２特徴f₂で見た
場合の類似度d₂₁、第２特徴f₂に次に類似度の高
い候補カテゴリC₂に対して第２特徴f₂で見たとき
の類似度d₂₂，……第１特徴f₁で最も類似度の低
い候補カテゴリＣ_oに対して第２特徴f₂で見たと
きの類似度ｄ_2oの如くである。そしてこれら各候
補カテゴリ〓について附与されている第１特徴f₁
の類似度と第２特徴f₂の類似度との積〓_１×〓_２
をとつて入力パターンｐと上記２種類の辞書との
間の類似度となしパターン認識判定への重み付け
を行なう。そして該重み付けｄ_1i×ｄ_2iの最大値
を構成するｄ_1h×ｄ_2hを検出し、それに相当する
第ｈ番目の候補カテゴリChを選出すれば入力パ
ターンＰの認識がなされるのである。

第１図、第２図を用いて具体的な例で説明す
る。なお第１図、第２図の例は実用的な第１特徴
f₁、第２特徴f₂を示すものではなく、視覚的な助
けを借りて本発明が理解されやすくするために例
示したものである。

第１図Ａ，Ｂ，Ｃ，Ｄは「大」の特徴を有する
漢字の例、第２図Ａ，Ｂ，Ｃは「木」の特徴を有
する漢字の例を各々表わしている。

入力パターンＰを第１特徴f₁で特徴照合処理を
行ない、それに対応する第１特徴辞書で所定閾値
以上の類似度〓_１を有する候補カテゴリが１個で
あるときは、その候補カテゴリ答であることは既
に述べた。

入力パターンＰを第１特徴f₁で特徴照合処理を
行ない、それに対応する第１特徴辞書で所定閾値
以上の類似度〓_１を有する候補カテゴリが２個以
上存在するときについて説明すると、例えば第１
図、第２図図示の漢字すべてについて入力パター
ンＰの第１特徴f₁を「木」で特徴照合処理を行な
い、それに対応する第１特徴辞書で所定閾値以上
の類似度〓_１を有する第１図、第２図図示の候補
カテゴリ〓が選定されたとき、各々のカテゴリの
第１特徴f₁＝「木」に対する類似度〓_１が次のよ
うになつたと仮定する。

d₁₁＝99％でC₁＝「木」，d₁₂＝94％でC₂＝「本」，
d₁₃＝92％でC₃＝「太」，d₁₄＝89％でC₄＝「末」，
d₁₅＝88％でC₅＝「大」，d₁₆＝84％でC₆＝「犬」，
d₁₇＝80％でC₇＝「夫」。これら候補カテゴリ〓＝
（C₁，C₂，……C₇）に対する第２特徴f₂＝「中央下
部に横線がある」で特徴照合処理を行ない、それ
に対応する第２特徴辞書で上記ｎ＝７の候補カテ
ゴリ〓について類似度〓_２が次のようであつたと
する。

C₁の「木」はd₂₁＝20％、C₂の「本」はd₂₂＝98
％、C₃の「太」はd₂₃＝70％、C₄の「末」はd₂₄＝
20％、C₅の「大」はd₂₅＝５％、C₆の「犬」はd₂₆
＝５％、C₇の「夫」はd₂₇＝５％。

これら各候補カテゴリ〓について附与されてい
る第１特徴f₁＝「木」の類似度と第２特徴f₂＝「中
央下部に横線があること」の類似度との積〓_１×
〓_２を計算すると次のようになる。

C₁の「木」のd₁₁×d₁₂≒20％、C₂の「本」の
d₁₂×d₂₂≒90％、C₃の「太」のd₁₃×d₂₃≒64％、
C₄の「末」のd₁₄×d₂₄≒17％、C₅の「大」のd₁₅
×d₂₅≒４％、C₆の「犬」のd₁₆×d₂₆≒４％、C₇
の「夫」のd₁₇×d₂₇≒４％。

上記重み付けｄ_1i×ｄ_2iの最大値はC₂の「本」
のd₁₂×d₂₂≒90％であることが最大値検出回路を
用いて観測すれば得られる。当該重み付けが最大
値となるのはｉ＝２、即ちｈ＝２のときであり、
候補カテゴリ〓の第２番目のC₂に該当するカテ
ゴリ名「本」が入力パターンＰに対して認識され
る。

このように第１特徴f₁に対応する第１特徴辞書
の類似度〓_１が第２特徴f₂に対応する第２特徴辞
書の類似度〓_２と共に照合基準に反映されるか
ら、第１特徴f₁で極端に類似度〓_１が低い候補カ
テゴリが第２特徴f₂で類似度〓_２が高くても答と
して認識されることは極めて少なくなり、また第
１特徴f₁に対する類似度〓_１がそれ程低くなく第
２特徴f₂に対する類似度〓_２が高ければ答として
認識されることもあるが、第１特徴f₁、第２特徴
f₂に対していずれも類似度が平均して高い候補カ
テゴリが選出される確率が高くなり妥当な結果を
もたらす。

第３図は本発明のパターン認識処理方式の一実
施例構成を示しており、符号１は第１の特徴抽出
部、２は第１特徴辞書、３は類似度計算部、４は
第２の特徴抽出部、５は第２特徴辞書、６は類似
度計算部、７は重み付け部、８は最大値検出部を
それぞれ表わしている。

入力パターンＰは第１の特徴抽出部１に入力す
る。第１の特徴抽出部１では入力されてきた入力
パターンＰから第１の特徴f₁を抽出し、入力パタ
ーンの第１の特徴f₁とこれに対応する第１特徴辞
書２のパターン・マツチングがとられ、その類似
度〓_１が類似度計算部３で計算される。第１特徴
辞書２は認識対象パターンの数に対応してそのパ
ターンの特徴が格納されているメモリである。類
似度計算部３で計算された入力パターンＰの第１
の特徴f₁と第１特徴辞書２の類似度〓_１が所定閾
値以上の類似度であれば第１特徴辞書２から候補
カテゴリ〓として選出される。かくして候補カテ
ゴリ〓の類似度〓_１、その数ｎが定められる。当
該候補カテゴリ〓の数ｎが１のとき類似度計算部
３から答C₁が最大値検出部８を介して送出され
る。上記候補カテゴリ〓の数が２以上のときは類
似度計算部３で計算された候補カテゴリ〓の類似
度〓_１が重み付け部７に入力されるそして入力パ
ターンＰから第２の特徴f₂を第２の特徴抽出部４
で抽出すると共に、上記候補カテゴリ〓に対して
第２の特徴辞書５に格納されている特徴パターン
との照合がとられ、その類似度〓_２が類似度計算
部６で計算される。当該類似度計算部６で計算さ
れた上記候補カテゴリ〓に対するそれぞれ類似度
〓_２が重み付け部７に入力され、上記第１の特徴
に対する類似度〓_１との積〓_１×〓_２が重み付け
部７で計算される。即ち候補カテゴリC₁につい
てはd₁₁×d₂₁、候補カテゴリC₂についてはd₁₂×
d₂₂、……候補カテゴリＣ_oについてはｄ_1o×ｄ_2o
が計算される。重み付け部７からは候補カテゴリ
〓に対応した類似度〓_１と〓_２との積の重み付け
された類似度〓_１×〓_２が順次最大値検出部８に
入力され、該最大値検出部８で上記重み付けされ
た類似度〓_１×〓_２の最大値が検出される。そし
て検出された最大値に対応する候補カテゴリ〓の
順位ｈが選出され、この順位に該当するカテゴリ
名Chが答として送出される。このようにして入
力パターンＰに対するカテゴリChが認識される
ものである。

以上説明した如く、本発明のパターン認識処理
方式を用いることにより、第２の特徴が識別に必
要な場合には第１の特徴による識別情報を重みと
してパターン認識に反映させているので認識精度
を向上させることができ、また第１階層で認識が
できたとき第２階層の第２特徴の識別を実行しな
いので認識処理時間の節約が可能となる。

【図面の簡単な説明】

第１図Ａ，Ｂ，Ｃ，Ｄは「大」の特徴を有する
漢字の例、第２図Ａ，Ｂ，Ｃは「木」の特徴を有
する漢字の例、第３図は本発明パターン認識処理
方式の一実施例構成を示している。 図中、１は第１の特徴抽出部、２は第１特徴辞
書、３は類似度計算部、４は第２の特徴抽出部、
５は第２特徴辞書、６は類似度計算部、７は重み
付け部、８は最大値検出部を表わしている。

Claims (1)

【特許請求の範囲】
1. １ 認識対象パターンの標準特徴についての辞書
   情報を複数個格納している辞書をそなえると共
   に、第１の特徴照合処理部と第２の特徴照合処理
   部をもうけ、第１の特徴照合処理部で選出された
   複数の候補カテゴリに対し第２の特徴照合処理を
   行なつて認識対象パターンのカテゴリを認識する
   階層的パターン認識処理方式において、第１の特
   徴照合処理部で認識された候補カテゴリの各々に
   第１の特徴照合処理における類似度を附与し、第
   ２の特徴照合処理部において上記候補カテゴリに
   対しそれぞれ第２の特徴類似度を附与して上記第
   １の類似度と第２の類似度との関数で与えられる
   重み付け部をもうけるとともに、該重み付け部で
   重みを付けられた上記候補カテゴリの類似度の最
   大値を検出する最大値検出部をそなえ、認識対象
   パターンのカテゴリ決定に当つて各特徴照合処理
   部において付けられた類似度を重みとして反映さ
   せ、カテゴリの決定をするようにしたことを特徴
   とするパターン認識処理方式。