KR102205903B1 - 손글씨 인식 방법 및 디바이스 - Google Patents

손글씨 인식 방법 및 디바이스 Download PDF

Info

Publication number
KR102205903B1
KR102205903B1 KR1020140042533A KR20140042533A KR102205903B1 KR 102205903 B1 KR102205903 B1 KR 102205903B1 KR 1020140042533 A KR1020140042533 A KR 1020140042533A KR 20140042533 A KR20140042533 A KR 20140042533A KR 102205903 B1 KR102205903 B1 KR 102205903B1
Authority
KR
South Korea
Prior art keywords
handwriting
data
handwriting recognition
received
recognition method
Prior art date
Application number
KR1020140042533A
Other languages
English (en)
Other versions
KR20150117137A (ko
Inventor
박정완
장병탁
김경민
김태준
장하영
Original Assignee
삼성전자주식회사
서울대학교산학협력단
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 삼성전자주식회사, 서울대학교산학협력단 filed Critical 삼성전자주식회사
Priority to KR1020140042533A priority Critical patent/KR102205903B1/ko
Publication of KR20150117137A publication Critical patent/KR20150117137A/ko
Application granted granted Critical
Publication of KR102205903B1 publication Critical patent/KR102205903B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0354—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of 2D relative movements between the device, or an operating part thereof, and a plane or surface, e.g. 2D mice, trackballs, pens or pucks
    • G06F3/03545—Pens or stylus

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Character Discrimination (AREA)

Abstract

손글씨를 인식하는 방법에 있어서, 소정의 저장 공간에 저장되어있는 손글씨와 관련된 데이터인 필기 데이터를 복수개의 그룹들로 분류하는 단계, 분류된 복수개의 그룹들 각각에 포함된 필기 데이터를 이용하여 분류된 복수개의 그룹들 각각에 대응되는 손글씨 인식 방식들을 결정하는 단계, 입력받은 손글씨와 관련된 데이터를 수신하는 단계 및 결정된 손글씨 인식 방식들을 이용하여 수신한 데이터로부터 입력받은 손글씨를 인식하는 단계를 포함하는 손글씨 인식 방법이 개시된다.

Description

손글씨 인식 방법 및 디바이스 {Method and device for recognizing handwriting}
개시된 하나 이상의 실시 예는 손글씨를 인식하는 방법 및 디바이스에 관한 것이다.
정보통신기술이 발달함에 따라 손글씨를 인식하는 기술이 개선되고 있다.
사람의 손글씨를 인식하기 위한 방법은 온라인상에서 수행되는 경우와 오프라인에서 수행되는 경우가 있다.
또는 온라인 및 오프라인 상에서 사람의 손글씨를 인식하는 방법이 수행될 수도 있다.
또한, 사람의 손글씨를 인식함에 있어 손글씨가 다 써진 이후의 이미지 뿐 아니라, 손글씨가 써지는 중에 획득되는 정보가 손글씨 인식을 위해 이용될 수 있다.
본 발명은 손글씨를 효율적으로 인식하는 방법을 제공할 수 있다.
본 발명에 개시된 하나 이상의 실시 예에서 디바이스는 사람의 손글씨를 인식하는 방법과 관련하여 적은 연산량으로 손글씨의 인식률을 높이기 위한 방법을 제공할 수 있다.
다양한 실시 예에 따른 손글씨 인식 방법은 소정의 저장 공간에 저장되어있는 손글씨와 관련된 데이터인 필기 데이터를 복수개의 그룹들로 분류하는 단계, 분류된 복수개의 그룹들 각각에 포함된 필기 데이터를 이용하여 분류된 복수개의 그룹들 각각에 대응되는 손글씨 인식 방식들을 결정하는 단계, 입력받은 손글씨와 관련된 데이터를 수신하는 단계 및 결정된 손글씨 인식 방식들을 이용하여 수신한 데이터로부터 상기 입력받은 손글씨를 인식하는 단계를 포함할 수 있다.
도 1은 다양한 실시 예에 따른 손글씨 인식 방법 및 디바이스를 설명하기 위한 도면이다.
도 2는 다양한 실시 예에 따라 디바이스가 손글씨와 관련된 데이터인 필기 데이터를 복수개의 그룹들로 분류하여 입력받은 손글씨를 인식하는 방법을 설명하기 위한 흐름도이다.
도 3은 다양한 실시 예에 따라 복수개의 손글씨 인식 방식들을 이용하여 입력받은 손글씨를 인식하는 방법을 설명하기 위한 흐름도이다.
도 4는 다양한 실시 예에 따라 입력받은 손글씨와 관련된 데이터를 수신하여 추가 손글씨 인식 방식을 결정하고 입력받은 손글씨를 인식하는 방법을 설명하기 위한 흐름도이다.
도 5는 다양한 실시 예에 따라 수신한 데이터가 소정의 데이터량 이상인 경우 수신한 데이터를 이용하여 손글씨 인식 방식을 결정하여 손글씨를 인식하는 방법을 설명하기 위한 흐름도이다.
도 6은 다양한 실시 예에 따라 필기 데이터를 수집하여 인식기를 구축하고 손글씨를 인식하는 방법을 설명하기 위한 흐름도이다.
도 7은 다양한 실시 예에 따라 필기체 인식을 클라우드에서 수행하면서 손글씨를 인식하는 디바이스를 설명하기 위한 블록도이다.
도 8은 다양한 실시 예에 따라 증가하는 데이터와 관련하여 손글씨를 인식하는 디바이스를 설명하기 위한 블록도이다.
도 9는 다양한 실시 예에 따라 손글씨를 인식하는 디바이스의 구성을 설명하기 위한 블록도이다.
도 10은 다양한 실시 예에 따른 손글씨를 인식하는 디바이스의 구성을 설명하기 위한 블록도이다.
이하 도 1 내지 도 10를 참조하여, 일 실시 예에 따라 손글씨 인식 방법 및 디바이스가 개시된다.
또한, 본 명세서에서 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
이하, 실시 예들을 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략할 수 있다.
도 1은 다양한 실시 예에 따른 손글씨 인식 방법 및 디바이스(110)를 설명하기 위한 도면이다.
단말기(120)는 사용자로부터 손글씨를 입력받을 수 있다. 그리고 단말기(120)는 사용자로부터 입력받은 손글씨에 대응되는 데이터를 생성할 수 있다. 예를 들면, 단말기(120)는 사용자로부터 입력받은 손글씨의 이미지, 사용자로부터 입력받은 손글씨가 써지는 속도, 사용자로부터 입력받은 손글씨가 써지는 순서, 사용자로부터 입력받은 손글씨의 모양 등과 관련된 정보를 생성할 수 있다. 또는 단말기(120)는 사용자로부터 입력받은 손글씨를 인식하기 위해 필요한 데이터를 생성할 수 있다.
단말기(120)는 손글씨 관련 데이터를 디바이스(110)로 송신할 수 있다. 손글씨 관련 데이터는 단말기(120)가 생성한 사용자로부터 입력받은 손글씨에 대응되는 데이터를 포함할 수 있다. 또한, 손글씨 관련 데이터는 필기 데이터를 포함할 수 있다. 필기 데이터는 손글씨의 이미지, 손글씨가 써지는 속도, 손글씨가 써지는 순서, 손글씨의 모양, 손글씨가 인식된 결과와 관련된 데이터를 포함할 수 있다.
필기 데이터는 매칭되기 전의 데이터인 매칭 전 데이터와 매칭 전 데이터가 특정한 글씨로 매칭된 이후의 정보인 매칭 후 데이터로 분류될 수 있다. 매칭 전 데이터는 손글씨의 이미지, 손글씨가 써지는 속도, 손글씨가 써지는 순서, 손글씨의 모양과 관련된 정보를 포함할 수 있다. 또한, 매칭 후 데이터는 손글씨가 인식된 결과 특정된 글자와 관련된 데이터를 포함할 수 있다.
디바이스(110)는 단말기(120)로부터 손글씨 관련 데이터를 수신할 수 있다.
디바이스(110)는 수신한 손글씨 관련 데이터를 이용하여 사용자가 단말기(120)에 입력한 손글씨를 인식할 수 있다. 예를 들면, 디바이스(110)는 사용자로부터 입력받은 손글씨의 이미지, 사용자로부터 입력받은 손글씨가 써지는 속도, 사용자로부터 입력받은 손글씨가 써지는 순서, 사용자로부터 입력받은 손글씨의 모양 등과 관련된 정보를 이용하여 사용자가 입력한 손글씨를 인식할 수 있다. 디바이스(110)가 사용자가 입력한 손글씨를 인식하는 것은 사용자가 입력한 손글씨를 소정의 개수의 글씨 중 어느 하나의 글씨로 특정하는 과정을 포함할 수 있다.
디바이스(110)는 사용자가 입력한 손글씨를 인식한 결과와 관련된 데이터를 단말기(120)로 송신할 수 있다.
또한, 단말기(120)는 디바이스(110)로부터 수신한 손글씨 인식 결과 데이터를 이용하여 사용자가 입력한 손글씨를 인식한 결과를 디스플레이 할 수 있다.
도 2는 다양한 실시 예에 따라 디바이스(110)가 손글씨와 관련된 데이터인 필기 데이터를 복수개의 그룹들로 분류하여 입력받은 손글씨를 인식하는 방법을 설명하기 위한 흐름도이다.
단계 S210에서 디바이스(110)는 소정의 저장 공간에 저장되어있는 손글씨와 관련된 데이터인 필기 데이터를 복수개의 그룹들로 분류한다.
필기 데이터는 손글씨의 이미지, 손글씨가 써지는 속도, 손글씨가 써지는 순서, 손글씨의 모양, 손글씨가 인식된 결과와 관련된 데이터를 포함할 수 있다.
예를 들면, 소정의 저장공간은 소정의 손글씨 이미지 및 소정의 손글씨 이미지가 인식된 결과를 저장하고 있을 수 있다. 소정의 저장공간은 소정의 손글씨 이미지가 인식될 경우 어떤 글자로 특정되는지에 대한 매칭 결과를 저장하고 있을 수 있다.
또 다른 예를 들면, 소정의 저장공간은 소정의 손글씨가 써지는 속도 및 소정의 손글씨가 써지는 속도가 인식된 결과를 저장하고 있을 수 있다. 소정의 저장공간은 소정의 손글씨가 써지는 속도가 인식될 경우 어떤 글자로 특정되는지에 대한 매칭 결과를 저장하고 있을 수 있다.
또는 소정의 저장 공간은 소정의 손글씨 이미지, 소정의 손글씨가 써지는 속도, 소정의 손글씨가 써지는 순서, 소정의 손글씨의 모양 중 적어도 하나를 포함하는 소정의 필기 데이터가 인식된 결과를 저장하고 있을 수 있다. 소정의 저장 공간은 소정의 손글씨 이미지, 소정의 손글씨가 써지는 속도, 소정의 손글씨가 써지는 순서, 소정의 손글씨의 모양 중 적어도 하나를 포함하는 소정의 필기 데이터를 이용하여 소정의 손글씨를 인식할 경우 어떤 글자로 특정되는지에 대한 매칭 결과를 저장하고 있을 수 있다.
디바이스(110)는 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 복수개의 그룹들로 분류할 수 있다.
예를 들면, 디바이스(110)는 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 10개의 그룹들로 분류할 수 있다.
또 다른 예를 들면, 디바이스(110)는 초성의 종류를 기준으로 하여 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 복수개의 그룹들로 분류할 수 있다. 예를 들면, 디바이스(110)는 초성이 ㄱ인 글자와 관련된 필기 데이터가 하나의 그룹이 되도록 할 수 있다.
또 다른 예를 들면, 디바이스(110)는 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 랜덤으로 소정의 개수의 그룹들로 분류할 수 있다.
디바이스(110)는 각각의 그룹들에 포함된 필기 데이터가 서로 중복되지 않도록 소정의 저장 공간에 저장되어있는 필기 데이터를 복수개의 그룹들로 분류할 수 있다. 예를 들면, 디바이스(110)가 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 제 1 그룹과 제 2 그룹으로 분류한 경우 제 1 그룹에 포함된 필기 데이터와 제 2 그룹에 포함된 필기 데이터는 서로 중복되지 않을 수 있다.
디바이스(110)는 각각의 그룹들에 포함된 필기 데이터가 소정의 데이터량 범위에서 중복이 허용되도록 소정의 저장 공간에 저장되어있는 필기데이터를 복수개의 그룹들로 분류할 수 있다. 예를 들면, 디바이스(110)가 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 제 1 그룹과 제 2 그룹으로 분류한 경우 제 1 그룹에 포함된 필기 데이터와 제 2 그룹에 포함된 필기 데이터는 소정의 범위 내에서 서로 중복될 수 있다.
단계 S220에서 디바이스(110)는 단계 S210에서 분류된 복수개의 그룹들 각각에 포함된 필기 데이터를 이용하여 분류된 복수개의 그룹들 각각에 대응되는 손글씨 인식 방식들을 결정한다.
예를 들면, 디바이스(110)는 단계 S210에서 분류된 복수개의 그룹들 중 어느 하나의 그룹인 제 1 그룹에 포함된 필기 데이터만을 이용하여 제 1 손글씨 인식 방식을 결정하고, 단계 S210에서 분류된 복수개의 그룹들 중 어느 하나의 그룹인 제 2 그룹에 포함된 필기 데이터만을 이용하여 제 2 손글씨 인식 방식을 결정할 수 있다.
디바이스(110)는 소정의 그룹에 포함된 필기 데이터만을 이용하여 손글씨 인식 방식을 결정할 때 가중합 방식을 이용할 수 있다. 예를 들어 디바이스(110)가 단계 S210에서 분류된 복수개의 그룹들 중 어느 하나의 그룹인 제 1 그룹에 포함된 필기 데이터만을 이용하여 제 1 손글씨 인식 방식을 결정하는 과정에 대해서 설명한다. 디바이스(110)는 제 1 그룹에 포함된 매칭 전 데이터를 소정의 방식으로 분류할 수 있다. 그리고 디바이스(110)는 분류된 각각의 데이터에 가중합을 하는 함수를 각각 적용할 수 있다. 그리고 디바이스(110)는 가중합을 하는 함수가 적용된 각각의 데이터를 이용하여 매칭 전 데이터에 대응하는 매칭 후 데이터를 획득할 수 있다. 소정의 저장 공간에는 각각의 매칭 전 데이터에 대해서 매칭 후 데이터가 개별적으로 매칭되어있을 수 있다. 그러나 디바이스(110)는 소정의 함수를 이용하여 매칭시킴으로써 소정의 저장 공간에서 개별적으로 매칭되어있는 것과 유사한 결과를 얻을 수 있다. 매칭의 정확도는 설정 등을 통해서 새롭게 설정될 수 있다. 소정의 함수를 이용하여 매칭을 시킴으로써 적은 연산량으로 개별적으로 매칭시킨 것과 유사한 결과를 얻을 수 있다.
단계 S230에서 디바이스(110)는 입력받은 손글씨와 관련된 데이터를 수신한다.
입력받은 손글씨는 사용자에 의해 입력된 손글씨를 의미할 수 있다. 또한, 입력받은 손글씨는 단말기(120)에서 획득될 수 있다. 또는 단계 S230에서 디바이스(110)는 단말기(120)로부터 입력받은 손글씨와 관련된 데이터를 수신할 수 있다.
예를 들면, 단말기(120)는 사용자에 의해 입력된 손글씨에 대해서 손글씨가 써지는 속도, 손글씨가 써지는 순서, 손글씨의 모양에 대한 데이터를 획득하여 디바이스(110)로 송신할 수 있다. 또는 단말기(120)는 사용자에 의해 입력된 손글씨에 대해서 매칭 전 데이터를 획득하여 디바이스(110)로 송신할 수 있다.
또 다른 예를 들면, 디바이스(110)는 단말기(120)로부터 사용자에 의해 입력된 손글씨에 대해서 손글씨가 써지는 속도, 손글씨가 써지는 순서, 손글씨의 모양에 대한 데이터를 디바이스(110) 외부로부터 수신할 수 있다. 또는 디바이스(110)는 사용자에 의해 입력된 손글씨에 대해서 매칭 전 데이터를 디바이스(110) 외부로부터 수신할 수 있다.
단계 S240에서 디바이스(110)는 단계 S220에서 결정된 손글씨 인식 방식들을 이용하여 단계 S230에서 수신한 데이터로부터 입력받은 손글씨를 인식한다. 또는 디바이스(110)는 단계 S220에서 결정된 손글씨 인식 방식들에 기초하여 단계 S230에서 수신한 데이터를 이용하여 단말기(110)가 사용자로부터 입력받은 손글씨를 인식할 수 있다.
디바이스(110)는 단계 S220에서 결정된 손글씨 인식 방식들을 이용하여 입력받은 손글씨에 대응되는 글자를 특정할 수 있다. 또는 디바이스(110)는 단계 S220에서 결정된 손글씨 인식 방식들을 이용하여 입력받은 손글씨에 대응되는 글자를 도출할 수 있다.
예를 들어 제 1 방식과 제 2 방식이 단계 S220에서 결정된 손글씨 인식 방식들인 경우에 대해서 설명한다. 디바이스(110)는 단말기(120)로부터 ‘가’라는 사용자에 의해 입력된 손글씨에 대해서 ‘가’라는 손글씨가 써지는 속도, ‘가’라는 손글씨가 써지는 순서, ‘가’라는 손글씨의 모양에 대한 데이터를 디바이스(110)의 외부로부터 수신할 수 있다. 그리고 제 1 방식에 따라서 디바이스(110)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘가’라는 결과를 도출할 수 있다. 또한 제 2 방식에 의한 경우에도 디바이스(110)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘가’라는 결과를 도출할 수 있다. 제 1 방식 및 제 2 방식 모두 단말기(120)로부터 수신된 데이터에 대응되는 결과는 ‘가’이므로 디바이스(110)는 입력받은 손글씨를 인식한 결과인 ‘가’와 관련된 데이터를 단말기(120)로 송신할 수 있다.
그러나 단계 S220에서 결정된 손글씨 인식 방식들은 복수개이므로 각각의 손글씨 인식 방식들에 의해 특정 또는 도출된 글자는 상이할 수 있다. 디바이스(110)는 각각의 손글씨 인식 방식들에 의해 도출된 글자가 상이한 경우 도출된 빈도수에 기초하여 입력받은 손글씨에 대응되는 글자를 결정할 수 있으며 자세한 사항은 도 3에서 후술한다.
상술한 단계 S210 내지 단계 S240은 클라우드 기반으로 수행될 수 있다.
또는 상술한 단계 S210 내지 단계 S240은 오프라인 기반으로 수행될 수 있다.
또는 상술한 단계 S210 내지 단계 S240 중 적어도 하나의 단계는 클라우드 기반으로 수행될 수 있다.
또는 상술한 단계 S210 내지 단계 S240 중 적어도 하나의 단계는 오프라인 기반으로 수행될 수 있다.
도 3은 다양한 실시 예에 따라 복수개의 손글씨 인식 방식들을 이용하여 입력받은 손글씨를 인식하는 방법을 설명하기 위한 흐름도이다.
단계 S310 내지 S330은 단계 S210 내지 S230에 대응되므로 전체적인 설명을 간단히 하기 위해 상세한 설명을 생략한다.
단계 S340에서 디바이스(110)는 단계 S320에서 결정된 손글씨 인식 방식들 각각을 이용하여 입력받은 손글씨에 대응되는 글자들을 도출한다.
또는 디바이스(110)는 단계 S320에서 결정된 복수개의 손글씨 인식 방식들을 개별적으로 이용하여 입력받은 손글씨에 대응하는 글자들을 도출할 수 있다. 입력받은 손글씨는 단계 S330에서 수신한 데이터에 대응되는 손글씨를 의미할 수 있다.
예를 들어 제 1 방식, 제 2 방식 및 제 3 방식이 단계 S320에서 결정된 손글씨 인식 방식들인 경우에 대해서 설명한다. 디바이스(110)는 단말기(120)로부터 ‘가’라는 사용자에 의해 입력된 손글씨에 대해서 ‘가’라는 손글씨가 써지는 속도, ‘가’라는 손글씨가 써지는 순서, ‘가’라는 손글씨의 모양에 대한 데이터를 디바이스(110)의 외부로부터 수신할 수 있다. 그리고 제 1 방식에 따라서 디바이스(110)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘가’라는 결과를 도출할 수 있다. 또한 제 2 방식에 의한 경우 디바이스(110)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘가’라는 결과를 도출할 수 있다. 또한 제 3 방식에 의한 경우 디바이스(110)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘나’라는 결과를 도출할 수 있다. 제 1 방식 및 제 2 방식에 의할 때 단말기(120)로부터 수신된 데이터에 대응되는 결과로 ‘가’가 도출되고, 제 3 방식에 의할 때 단말기(120)로부터 수신된 데이터에 대응되는 결과로 ‘나’가 도출된다.
단계 S320에서 결정된 손글씨 인식 방식들에 의해 도출된 글자는 서로 같을 수도 있고 서로 상이할 수도 있다.
단계 S350에서 디바이스(110)는 단계 S340에서 도출된 글자들이 상이한 경우 도출된 글자들에 대한 도출 빈도수에 기초하여 하나의 글자를 선택한다.
예를 들어 제 1 방식, 제 2 방식 및 제 3 방식이 단계 S320에서 결정된 손글씨 인식 방식들인 경우에 대해서 설명한다. 디바이스(110)는 단말기(120)로부터 ‘가’라는 사용자에 의해 입력된 손글씨에 대해서 ‘가’라는 손글씨가 써지는 속도, ‘가’라는 손글씨가 써지는 순서, ‘가’라는 손글씨의 모양에 대한 데이터를 디바이스(110)의 외부로부터 수신할 수 있다. 그리고 제 1 방식에 따라서 디바이스(110)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘가’라는 결과를 도출할 수 있다. 또한 제 2 방식에 의한 경우 디바이스(110)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘가’라는 결과를 도출할 수 있다. 또한 제 3 방식에 의한 경우 디바이스(110)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘나’라는 결과를 도출할 수 있다. 제 1 방식 및 제 2 방식에 의할 때 단말기(120)로부터 수신된 데이터에 대응되는 결과로 ‘가’가 도출되고, 제 3 방식에 의할 때 단말기(120)로부터 수신된 데이터에 대응되는 결과로 ‘나’가 도출된다. 디바이스(110)는 단계 S340에서 도출된 글자들이 ‘가’ 혹은 ‘나’로 상이하므로 도출된 글자들인 ‘가’와 ‘나’ 중 도출 빈도수가 더 높은 ‘가’를 선택할 수 있다.
그러나 빈도수만으로 하나의 글자를 선택할 수 없는 경우, 디바이스(110)는 정확도에 기초하여 하나의 글자를 선택할 수 있다.
예를 들어 제 1 방식과 제 2 방식이 단계 S220에서 결정된 손글씨 인식 방식들인 경우에 대해서 설명한다. 디바이스(110)는 단말기(120)로부터 ‘가’라는 사용자에 의해 입력된 손글씨에 대해서 ‘가’라는 손글씨가 써지는 속도, ‘가’라는 손글씨가 써지는 순서, ‘가’라는 손글씨의 모양에 대한 데이터를 디바이스(110)의 외부로부터 수신할 수 있다. 그리고 제 1 방식에 따라서 디바이스(110)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘가’라는 결과를 80%의 정확도로 도출할 수 있다. 또한 제 2 방식에 의한 경우에도 디바이스(110)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘나’라는 결과를 70%의 정확도로 도출할 수 있다. 제 1 방식에서는 ‘가’, 제 2 방식에서는 ‘나’라는 결과를 도출하여 서로 상이한 결과를 도출하였으나, 제 1 방식에서 결정한 결과의 정확도가 더 높기 때문에 디바이스(110)는 제 1 방식에 의해 입력받은 손글씨를 인식한 결과인 ‘가’와 관련된 데이터를 단말기(120)로 송신할 수 있다.
또한, 디바이스(110)는 단계 S340에서 도출된 글자들이 상이한 경우 도출된 글자들에 대한 도출 빈도수 뿐 아니라 단계 S320에서 결정된 손글씨 인식 방식들 각각에 부여된 가중치를 고려하여 하나의 글자를 선택할 수 있다.
예를 들어 제 1 방식 및 제 2 방식이 단계 S320에서 결정된 손글씨 인식 방식들인 경우에 대해서 설명한다. 디바이스(110)는 단말기(120)로부터 ‘가’라는 사용자에 의해 입력된 손글씨에 대해서 ‘가’라는 손글씨가 써지는 속도, ‘가’라는 손글씨가 써지는 순서, ‘가’라는 손글씨의 모양에 대한 데이터를 디바이스(110)의 외부로부터 수신할 수 있다. 그리고 제 1 방식에 따라서 디바이스(110)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘가’라는 결과를 도출할 수 있다. 그러나 제 2 방식에 의한 경우 디바이스(110)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘나’라는 제 1 방식에 의한 결과와는 다른 결과를 도출할 수 있다. 따라서 디바이스(110)는 빈도수만으로 특정의 글자를 선택하기 어려울 수 있다. 그러나 제 1 방식의 가중치가 제 2 방식의 가중치보다 높은 경우 빈도수가 동일함에도 불구하고 디바이스(110)는 제 1 방식에 의해 결정된 ‘가’라는 글자를 인식 결과로 결정할 수 있다.
단계 S360에서 디바이스(110)는 단계 S330에서 수신한 데이터에 대응되는 입력받은 손글씨가 단계 S350에서 선택된 글자인 것으로 인식한다.
즉 상술한 예에서 디바이스(110)는 단계 S330에서 수신한 데이터에 대응되는 입력받은 손글씨가 ‘나’인 것으로 인식할 수 있다.
도 4는 다양한 실시 예에 따라 입력받은 손글씨와 관련된 데이터를 수신하여 추가 손글씨 인식 방식을 결정하고 입력받은 손글씨를 인식하는 방법을 설명하기 위한 흐름도이다.
단계 S410 내지 S430은 단계 S210 내지 S230에 대응되므로 전체적인 설명을 간단히 하기 위해 상세한 설명을 생략한다.
단계 S440에서 디바이스(110)는 단계 S430에서 수신한 데이터를 이용하여 추가 손글씨 인식 방식을 결정한다.
또는 디바이스(110)는 소정의 저장 공간에 저장되어있는 필기 데이터를 사용하지 않고, S430에서 수신한 데이터만을 이용하여 추가 손글씨 인식 방식을 결정할 수 있다. 또는 디바이스(110)는 단말기(120)로부터 수신한 데이터만을 이용하여 추가 손글씨 인식 방식을 결정할 수 있다. 또는 디바이스(110)는 단말기(120)로부터 수신하여 축적한 데이터만을 이용하여 추가 손글씨 인식 방식을 결정할 수 있다.
예를 들면 디바이스(110)는 단말기(120)로부터 수신하여 축적한 데이터를 이용하여 매칭 전 데이터가 매칭 후 데이터로 매칭되는 방식을 결정할 수 있다.
추가 손글씨 인식 방식을 결정하는 방법은 단계 S220에서 디바이스(110)가 손글씨 인식 방식을 결정하는 방법을 채용할 수 있다.
디바이스(110)는 소정의 단말기로부터 수신하여 축적된 데이터만을 이용하여 추가 손글씨 인식 방식을 결정하기 때문에 추가 손글씨 인식 방식에는 소정의 단말기의 사용자의 손글씨 특징이 반영될 수 있다. 따라서 추가 손글씨 인식 방식이 단계 S420에서 결정된 손글씨 인식 방식들보다 더 정확할 수 있다.
단계 S450에서 디바이스(110)는 단계 S420에서 결정된 손글씨 인식 방식들 및 단계 S440에서 결정된 추가 손글씨 인식 방식을 이용하여 입력받은 손글씨를 인식한다.
상술한 바와 같이 추가 손글씨 인식 방식에는 소정의 단말기의 사용자의 손글씨 특징이 반영될 수 있으므로 추가 손글씨 인식 방식이 단계 S420에서 결정된 손글씨 인식 방식들보다 더 정확할 수 있다.
따라서 단계 S420에서 결정된 손글씨 인식 방식들과 추가 손글씨 인식 방식을 통해 인식한 결과가 일치하지 않는 경우, 디바이스(110)는 추가 손글씨 인식 방식을 통해 결정된 결과에 소정의 가중치를 부여하여 입력받은 손글씨를 인식할 수 있다.
예를 들면, 단계 S420에서 결정된 손글씨 인식 방식들을 통해 인식한 결과보다 추가 손글씨 인식 방식을 통해 인식한 결과에 더 높은 가중치를 두고 입력받은 손글씨를 인식할 수 있다.
또한 추가 손글씨 인식 방식은 하나일 수도 있고 복수개일 수도 있다.
도 5는 다양한 실시 예에 따라 수신한 데이터가 소정의 데이터량 이상인 경우 수신한 데이터를 이용하여 손글씨 인식 방식을 결정하여 손글씨를 인식하는 방법을 설명하기 위한 흐름도이다.
단계 S510에서 디바이스(110)는 외부로부터 수신한 데이터를 저장한다. 또는 디바이스(110)는 단말기(120)로부터 수신한 데이터를 저장할 수 있다. 디바이스(110)가 외부로부터 수신하는 데이터는 사용자가 입력한 손글씨에 대한 데이터를 의미할 수 있다.
단계 S520에서 디바이스(110)는 외부로부터 수신하여 저장한 데이터가 소정의 데이터량 이상인지 결정한다. 또는 디바이스(110)는 외부로부터 수신하여 축적된 데이터량이 소정의 데이터량 이상인지 결정할 수 있다.
디바이스(110)는 사용자가 소정의 단말을 이용하여 입력한 손글씨에 대한 데이터를 수신하여 저장할 수 있고, 저장된 데이터는 디바이스(110) 내에 축적될 수 있다. 그리고 소정의 단말에 의해 입력되어 저장되고 축적된 데이터의량이 소정의 데이터량 이상인지 결정할 수 있다.
단계 S530에서 디바이스(110)는 단계 S520에서 결정된 데이터량이 소정의 데이터량 이상인 경우에, 수신한 데이터를 이용하여 추가 손글씨 인식 방식을 결정한다.
따라서 디바이스(110)는 소정의 단말을 사용하는 사용자에 의해 입력된 손글씨의 데이터량이 소정의 데이터량 이상인 경우, 소정의 단말을 사용하는 사용자에 의해 입력된 손글씨에 대한 데이터만으로 추가 손글씨 인식 방식을 결정할 수 있다.
도 6은 다양한 실시 예에 따라 필기 데이터를 수집하여 인식기를 구축하고 손글씨를 인식하는 방법을 설명하기 위한 흐름도이다.
단계 S610에서 디바이스(110)는 필기 데이터를 수집한다. 디바이스(110)는 소정의 저장공간에 필기 데이터를 수집하여 저장할 수 있다.
단계 S620에서 디바이스(110)는 앙상블 필기체 인식기를 구축한다. 디바이스(110)는 단계 S610에서 수집하여 저장한 필기 데이터를 복수개의 그룹들로 분류하여 복수개의 그룹들 각각에 포함된 필기 데이터를 이용하여 분류된 복수개의 그룹들 각각에 대응되는 손글씨 인식 방식들을 결정할 수 있다.
단계 S630에서 디바이스(110)는 필기체 인식 서비스를 제공한다. 또는 디바이스(110)는 단말기(120)의 사용자에게 필기체 인식 서비스를 제공할 수 있다. 디바이스(110)는 단말기(120)의 사용자에게 필기체 인식 서비스를 제공하기 위해서 제어 신호 및 서비스 제공을 위해 필요한 데이터를 단말기(120)로 송신할 수 있다.
단계 S640에서 디바이스(110)는 사용자 필기 데이터를 수집한다. 또는 디바이스(110)는 소정의 단말기로부터 필기 데이터를 수신하여 저장할 수 있다. 또한 디바이스(110)는 소정의 단말기로부터 필기 데이터를 수신하여 축적할 수 있다.
단계 S650에서 디바이스(110)는 단계 S640을 통해 수집된 데이터가 충분한지 결정할 수 있다.
디바이스(110)는 단계 S640을 통해 수집된 데이터가 충분하다고 판단한 경우에는 단계 S660을 수행하고, 단계 S640을 통해 수집된 데이터가 충분하지 않다고 판단한 경우에는 단계 S630을 수행한다.
단계 S660에서 디바이스(110)는 새로운 약분류기를 학습한다. 새로운 약분류기는 상술한 추가 손글씨 인식 방식을 수행하는 장치를 의미할 수 있다.
또는 단계 S660에서 디바이스(110)는 추가 손글씨 인식 방식을 수행하는 장치를 추가할 수 있다.
도 7 내지 도 10은 다양한 실시 예에 따른 디바이스(110)의 일 실시 예이다. 디바이스(110)는 상술한 손글씨 인식 방법을 수행할 수 있는 장치로, 상술한 손글씨 인식 방법을 수행하기 위한 모든 실시 예의 구현이 가능하다.
도 7은 다양한 실시 예에 따라 필기체 인식을 클라우드에서 수행하면서 손글씨를 인식하는 디바이스(110)를 설명하기 위한 블록도이다.
필기체 데이터(710)는 상술한 바 있는 필기 데이터를 저장하고 있는 저장 공간을 의미할 수 있다.
앙상블 필기체 인식기(730)와 사용자 데이터 관리 장치(740)는 클라우드에 기반을 두고 동작할 수 있다. 앙상블 필기체 인식기(730)와 사용자 데이터 관리 장치(740)는 클라우드상에서 동작하는 필기 인식 장치(720)를 의미할 수 있다.
사용자 데이터 관리 장치(740)는 단말기(120)로부터 사용자의 입력을 수신할 수 있다.
앙상블 필기체 인식기(730)는 단말기(120)로 손글씨를 인식한 결과를 송신할 수 있다.
도 8은 다양한 실시 예에 따라 증가하는 데이터와 관련하여 손글씨를 인식하는 디바이스(110)를 설명하기 위한 블록도이다.
인식 장치(810)는 복수개의 약분류기(820 내지 840)로부터 수신한 데이터에 기초하여 손글씨를 인식할 수 있다.
복수개의 약분류기(820 내지 840)는 소정의 범위 내의 필기 데이터 집합(850 내지 852)을 이용하여 손글씨 인식 방식들을 각각 결정할 수 있다.
도 9는 다양한 실시 예에 따라 손글씨를 인식하는 디바이스(110)의 구성을 설명하기 위한 블록도이다.
도 9에 도시된 바와 같이, 디바이스(110)는 필기 데이터 분류부(910), 손글씨 인식 방식 결정부 1(921), 손글씨 인식 방식 결정부 2(922), 데이터 수신부 (930), 글씨 인식부(940)를 포함할 수 있다. 그러나 도시된 구성요소보다 많은 구성요소에 의해 디바이스(110)가 구현될 수도 있고, 도시된 구성요소보다 적은 구성요소에 의해 디바이스(110)가 구현될 수도 있다.
이하 상기 구성요소들에 대해 차례로 살펴본다.
필기 데이터 분류부(910)는 소정의 저장 공간에 저장되어있는 손글씨와 관련된 데이터인 필기 데이터를 복수개의 그룹들로 분류한다.
필기 데이터는 손글씨의 이미지, 손글씨가 써지는 속도, 손글씨가 써지는 순서, 손글씨의 모양, 손글씨가 인식된 결과와 관련된 데이터를 포함할 수 있다.
예를 들면, 소정의 저장공간은 소정의 손글씨 이미지 및 소정의 손글씨 이미지가 인식된 결과를 저장하고 있을 수 있다. 소정의 저장공간은 소정의 손글씨 이미지가 인식될 경우 어떤 글자로 특정되는지에 대한 매칭 결과를 저장하고 있을 수 있다.
또 다른 예를 들면, 소정의 저장공간은 소정의 손글씨가 써지는 속도 및 소정의 손글씨가 써지는 속도가 인식된 결과를 저장하고 있을 수 있다. 소정의 저장공간은 소정의 손글씨가 써지는 속도가 인식될 경우 어떤 글자로 특정되는지에 대한 매칭 결과를 저장하고 있을 수 있다.
또는 소정의 저장 공간은 소정의 손글씨 이미지, 소정의 손글씨가 써지는 속도, 소정의 손글씨가 써지는 순서, 소정의 손글씨의 모양 중 적어도 하나를 포함하는 소정의 필기 데이터가 인식된 결과를 저장하고 있을 수 있다. 소정의 저장 공간은 소정의 손글씨 이미지, 소정의 손글씨가 써지는 속도, 소정의 손글씨가 써지는 순서, 소정의 손글씨의 모양 중 적어도 하나를 포함하는 소정의 필기 데이터를 이용하여 소정의 손글씨를 인식할 경우 어떤 글자로 특정되는지에 대한 매칭 결과를 저장하고 있을 수 있다.
필기 데이터 분류부(910)는 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 복수개의 그룹들로 분류할 수 있다.
예를 들면, 필기 데이터 분류부(910)는 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 10개의 그룹들로 분류할 수 있다.
또 다른 예를 들면, 필기 데이터 분류부(910)는 초성의 종류를 기준으로 하여 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 복수개의 그룹들로 분류할 수 있다. 예를 들면, 필기 데이터 분류부(910)는 초성이 ㄱ인 글자와 관련된 필기 데이터가 하나의 그룹이 되도록 할 수 있다.
또 다른 예를 들면, 필기 데이터 분류부(910)는 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 랜덤으로 소정의 개수의 그룹들로 분류할 수 있다.
필기 데이터 분류부(910)는 각각의 그룹들에 포함된 필기 데이터가 서로 중복되지 않도록 소정의 저장 공간에 저장되어있는 필기 데이터를 복수개의 그룹들로 분류할 수 있다. 예를 들면, 필기 데이터 분류부(910)가 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 제 1 그룹과 제 2 그룹으로 분류한 경우 제 1 그룹에 포함된 필기 데이터와 제 2 그룹에 포함된 필기 데이터는 서로 중복되지 않을 수 있다.
필기 데이터 분류부(910)는 각각의 그룹들에 포함된 필기 데이터가 소정의 데이터량 범위에서 중복이 허용되도록 소정의 저장 공간에 저장되어있는 필기데이터를 복수개의 그룹들로 분류할 수 있다. 예를 들면, 필기 데이터 분류부(910)가 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 제 1 그룹과 제 2 그룹으로 분류한 경우 제 1 그룹에 포함된 필기 데이터와 제 2 그룹에 포함된 필기 데이터는 소정의 범위 내에서 서로 중복될 수 있다.
또 다른 예를 들면, 필기 데이터 분류부(910)는 소정의 저장 공간에 저장되어있는 손글씨와 관련된 필기 데이터를 동일한 데이터량을 가지는 소정의 개수의 그룹들로 분류할 수 있다.
손글씨 인식 방식 결정부들(921 내지 922)은 필기 데이터 분류부(910)에서 분류된 복수개의 그룹들 각각에 포함된 필기 데이터를 이용하여 분류된 복수개의 그룹들 각각에 대응되는 손글씨 인식 방식들을 결정한다.
예를 들면, 손글씨 인식 방식 결정부들(921 내지 922)은 필기 데이터 분류부(910)에서 분류된 복수개의 그룹들 중 어느 하나의 그룹인 제 1 그룹에 포함된 필기 데이터만을 이용하여 제 1 손글씨 인식 방식을 결정하고, 필기 데이터 분류부(910)에서 분류된 복수개의 그룹들 중 어느 하나의 그룹인 제 2 그룹에 포함된 필기 데이터만을 이용하여 제 2 손글씨 인식 방식을 결정할 수 있다.
손글씨 인식 방식 결정부들(921 내지 922)이 소정의 그룹에 포함된 필기 데이터만을 이용하여 손글씨 인식 방식을 결정할 때 가중합 방식을 이용할 수 있다. 예를 들어 손글씨 인식 방식 결정부 1(921)이 필기 데이터 분류부(910)에서 분류된 복수개의 그룹들 중 어느 하나의 그룹인 제 1 그룹에 포함된 필기 데이터만을 이용하여 제 1 손글씨 인식 방식을 결정하는 과정에 대해서 설명한다. 손글씨 인식 방식 결정부 1(921)은 제 1 그룹에 포함된 매칭 전 데이터를 소정의 방식으로 분류할 수 있다. 그리고 손글씨 인식 방식 결정부 1(921)은 분류된 각각의 데이터에 가중합을 하는 함수를 각각 적용할 수 있다. 그리고 손글씨 인식 방식 결정부 1(921)은 가중합을 하는 함수가 적용된 각각의 데이터를 이용하여 매칭 전 데이터에 대응하는 매칭 후 데이터를 획득할 수 있다. 소정의 저장 공간에는 각각의 매칭 전 데이터에 대해서 매칭 후 데이터가 개별적으로 매칭되어있을 수 있다. 그러나 손글씨 인식 방식 결정부 1(921)은 소정의 함수를 이용하여 매칭시킴으로써 소정의 저장 공간에서 개별적으로 매칭되어있는 것과 유사한 결과를 얻을 수 있다. 매칭의 정확도는 설정 등을 통해서 새롭게 설정될 수 있다. 소정의 함수를 이용하여 매칭을 시킴으로써 적은 연산량으로 개별적으로 매칭시킨 것과 유사한 결과를 얻을 수 있다.
데이터 수신부(930)는 입력받은 손글씨와 관련된 데이터를 수신한다.
입력받은 손글씨는 사용자에 의해 입력된 손글씨를 의미할 수 있다. 또한, 입력받은 손글씨는 단말기(120)에서 획득될 수 있다. 또는 데이터 수신부(930)는 단말기(120)로부터 입력받은 손글씨와 관련된 데이터를 수신할 수 있다.
예를 들면, 단말기(120)는 사용자에 의해 입력된 손글씨에 대해서 손글씨가 써지는 속도, 손글씨가 써지는 순서, 손글씨의 모양에 대한 데이터를 획득하여 디바이스(110)로 송신할 수 있다. 또는 단말기(120)는 사용자에 의해 입력된 손글씨에 대해서 매칭 전 데이터를 획득하여 디바이스(110)로 송신할 수 있다.
또 다른 예를 들면, 데이터 수신부(930)는 단말기(120)로부터 사용자에 의해 입력된 손글씨에 대해서 손글씨가 써지는 속도, 손글씨가 써지는 순서, 손글씨의 모양에 대한 데이터를 디바이스(110) 외부로부터 수신할 수 있다. 또는 데이터 수신부(930)는 사용자에 의해 입력된 손글씨에 대해서 매칭 전 데이터를 디바이스(110) 외부로부터 수신할 수 있다.
글씨 인식부(940)는 손글씨 인식 방식 결정부들(921 내지 922)에서 결정된 손글씨 인식 방식들을 이용하여 데이터 수신부(930)에서 수신한 데이터로부터 입력받은 손글씨를 인식한다. 또는 글씨 인식부(940)는 손글씨 인식 방식 결정부들(921 내지 922)에서 결정된 손글씨 인식 방식들에 기초하여 데이터 수신부(930)에서 수신한 데이터를 이용하여 단말기(110)가 사용자로부터 입력받은 손글씨를 인식할 수 있다.
글씨 인식부(940)는 손글씨 인식 방식 결정부들(921 내지 922)에서 결정된 손글씨 인식 방식들을 이용하여 입력받은 손글씨에 대응되는 글자를 특정할 수 있다. 또는 디바이스(110)는 손글씨 인식 방식 결정부들(921 내지 922)에서 결정된 손글씨 인식 방식들을 이용하여 입력받은 손글씨에 대응되는 글자를 도출할 수 있다.
예를 들어 제 1 방식과 제 2 방식이 손글씨 인식 방식 결정부들(921 내지 922)에서 결정된 손글씨 인식 방식들인 경우에 대해서 설명한다. 데이터 수신부(930)는 단말기(120)로부터 ‘가’라는 사용자에 의해 입력된 손글씨에 대해서 ‘가’라는 손글씨가 써지는 속도, ‘가’라는 손글씨가 써지는 순서, ‘가’라는 손글씨의 모양에 대한 데이터를 디바이스(110)의 외부로부터 수신할 수 있다. 그리고 제 1 방식에 따라서 손글씨 인식 방식 결정부 1(921)은 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘가’라는 결과를 도출할 수 있다. 또한 제 2 방식에 의한 경우에도 손글씨 인식 방식 결정부 2(922)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘가’라는 결과를 도출할 수 있다. 제 1 방식 및 제 2 방식 모두 단말기(120)로부터 수신된 데이터에 대응되는 결과는 ‘가’이므로 글씨 인식부(940)는 입력 받은 손글씨를 인식한 결과인 ‘가’와 관련된 데이터를 단말기(120)로 송신할 수 있다.
그러나 손글씨 인식 방식 결정부들(921 내지 922)에서 결정된 손글씨 인식 방식들은 복수개이므로 각각의 손글씨 인식 방식들에 의해 특정 또는 도출된 글자는 상이할 수 있다. 글씨 인식부(940)는 각각의 손글씨 인식 방식들에 의해 도출된 글자가 상이한 경우 도출된 빈도수에 기초하여 입력받은 손글씨에 대응되는 글자를 결정할 수 있다.
그러나 빈도수만으로 하나의 글자를 선택할 수 없는 경우, 글씨 인식부(940)는 정확도에 기초하여 하나의 글자를 선택할 수 있다.
예를 들어 제 1 방식과 제 2 방식이 손글씨 인식 방식 결정부들(921 내지 922)에서 결정된 손글씨 인식 방식들인 경우에 대해서 설명한다. 데이터 수신부(930)는 단말기(120)로부터 ‘가’라는 사용자에 의해 입력된 손글씨에 대해서 ‘가’라는 손글씨가 써지는 속도, ‘가’라는 손글씨가 써지는 순서, ‘가’라는 손글씨의 모양에 대한 데이터를 디바이스(110)의 외부로부터 수신할 수 있다. 그리고 제 1 방식에 따라서 손글씨 인식 방식 결정부 1(921)은 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘가’라는 결과를 80%의 정확도로 도출할 수 있다. 또한 제 2 방식에 의한 경우에 손글씨 인식 방식 결정부 2(922)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘나’라는 결과를 70%의 정확도로 도출할 수 있다. 제 1 방식에서는 ‘가’, 제 2 방식에서는 ‘나’라는 결과를 도출하여 서로 상이한 결과를 도출하였으나, 제 1 방식에서 결정한 결과의 정확도가 더 높기 때문에 글씨 인식부(940)는 제 1 방식에 의해 입력받은 손글씨를 인식한 결과인 ‘가’로 입력받은 손글씨를 인식할 수 있다.
또한, 글씨 인식부(940)는 손글씨 인식 방식 결정부들(921 내지 922)에서 도출된 글자들이 상이한 경우 도출된 글자들에 대한 도출 빈도수 뿐 아니라 손글씨 인식 방식 결정부들(921 내지 922)에서 결정된 손글씨 인식 방식들 각각에 부여된 가중치를 고려하여 하나의 글자를 선택할 수 있다.
예를 들어 제 1 방식 및 제 2 방식이 손글씨 인식 방식 결정부들(921 내지 922)에서 결정된 손글씨 인식 방식들인 경우에 대해서 설명한다. 데이터 수신부(930)는 단말기(120)로부터 ‘가’라는 사용자에 의해 입력된 손글씨에 대해서 ‘가’라는 손글씨가 써지는 속도, ‘가’라는 손글씨가 써지는 순서, ‘가’라는 손글씨의 모양에 대한 데이터를 디바이스(110)의 외부로부터 수신할 수 있다. 그리고 제 1 방식에 따라서 손글씨 인식 방식 결정부 1(921)은 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘가’라는 결과를 도출할 수 있다. 그러나 제 2 방식에 의한 경우 손글씨 인식 방식 결정부 2(922)는 단말기(120)로부터 수신한 데이터에 대응하는 글자가 ‘나’라는 제 1 방식에 의한 결과와는 다른 결과를 도출할 수 있다. 따라서 글씨 인식부는 빈도수만으로 특정의 글자를 선택하기 어려울 수 있다. 그러나 제 1 방식의 가중치가 제 2 방식의 가중치보다 높은 경우 빈도수가 동일함에도 불구하고 글씨 인식부(940)는 제 1 방식에 의해 결정된 ‘가’라는 글자를 인식 결과로 결정할 수 있다.
상술한 필기 데이터 분류부(910), 손글씨 인식 방식 결정부들(921 내지 922), 손글씨 인식 방식 결정부 2(922), 데이터 수신부 (930), 글씨 인식부(940) 중 적어도 하나는 클라우드 기반으로 수행될 수 있다.
도 10은 다양한 실시 예에 따른 손글씨를 인식하는 디바이스(110)의 구성을 설명하기 위한 블록도이다.
필기 데이터 분류부(910), 손글씨 인식 방식 결정부들(921 내지 922), 손글씨 인식 방식 결정부 2(922), 데이터 수신부 (930), 글씨 인식부(940)는 도 9에서 설명하였으므로 전체적인 설명을 간단히 하기 위해 상세한 설명을 생략한다.
디바이스(110)는 추가 손글씨 인식 방식 결정부(1010)를 포함할 수 있다. 또한 추가 손글씨 인식 방식 결정부(1010)는 수신 데이터 저장부(1020) 및 데이터량 결정부(1030)를 포함할 수 있다.
추가 손글씨 인식 방식 결정부(1010)는 데이터 수신부(930)에서 수신한 데이터를 이용하여 추가 손글씨 인식 방식을 결정할 수 있다.
또는 추가 손글씨 인식 방식 결정부(1010)는 소정의 저장 공간에 저장되어있는 필기 데이터를 사용하지 않고, 데이터 수신부(930)에서 수신한 데이터만을 이용하여 추가 손글씨 인식 방식을 결정할 수 있다. 또는 추가 손글씨 인식 방식 결정부(1010)는 단말기(120)로부터 수신한 데이터만을 이용하여 추가 손글씨 인식 방식을 결정할 수 있다. 또는 추가 손글씨 인식 방식 결정부(1010)는 단말기(120)로부터 수신하여 축적한 데이터만을 이용하여 추가 손글씨 인식 방식을 결정할 수 있다.
수신 데이터 저장부(1020)는 데이터 수신부를 통해 수신한 데이터를 저장할 수 있다.
또한 데이터량 결정부(1030)는 수신 데이터 저장부(1020)에 저장되어있는 데이터량을 확인할 수 있다.
이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재될 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다.
한편, 상술한 본 발명의 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등)와 같은 저장매체를 포함한다.
이제까지 본 발명에 대하여 그 바람직한 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims (19)

  1. 소정의 저장 공간에 저장되어있는 손글씨와 관련된 데이터인 필기 데이터를 복수개의 그룹들로 분류하는 단계;
    상기 분류된 복수개의 그룹들 각각에 포함된 필기 데이터를 이용하여 상기 분류된 복수개의 그룹들 각각에 대응되는 손글씨 인식 방식들을 결정하는 단계;
    입력받은 손글씨와 관련된 데이터를 수신하는 단계;
    상기 수신한 데이터를 축적하여 추가 손글씨 인식 방식을 결정하는 단계; 및
    상기 결정된 손글씨 인식 방식들 및 추가 손글씨 인식 방식을 이용하여 상기 수신한 데이터로부터 상기 입력받은 손글씨를 인식하는 단계를 포함하며,
    상기 입력받은 손글씨를 인식하는 단계는,
    상기 결정된 손글씨 인식 방식들과 상기 추가 손글씨 인식 방식을 통해 인식한 결과가 일치하지 않는 경우 상기 추가 손글씨 인식 방식을 통해 결정된 결과에 소정의 가중치를 부여하여 상기 입력받은 손글씨를 인식하는 것을 특징으로 하는 손글씨 인식 방법.
  2. 제 1 항에 있어서,
    상기 입력받은 손글씨를 인식하는 단계는
    상기 결정된 손글씨 인식 방식들 각각을 이용하여 상기 입력받은 손글씨에 대응되는 글자들을 도출하는 단계; 및
    상기 도출된 글자들이 상이한 경우, 상기 도출된 글자들에 대한 도출 빈도수에 기초하여, 하나의 글자를 선택하는 단계를 포함하는 손글씨 인식 방법.
  3. 삭제
  4. 삭제
  5. 제 1 항에 있어서,
    상기 추가 손글씨 인식 방식을 결정하는 단계는
    상기 수신한 데이터를 저장하는 단계;
    상기 수신하여 저장된 데이터가 소정의 데이터량 이상인지 결정하는 단계; 및
    상기 결정된 데이터량이 소정의 데이터량 이상인 경우에, 상기 수신한 데이터를 이용하여 추가 손글씨 인식 방식을 결정하는 단계를 포함하는 손글씨 인식 방법.
  6. 제 1 항에 있어서,
    상기 필기 데이터는
    상기 손글씨의 모양, 상기 손글씨가 써지는 속도, 상기 손글씨가 써지는 순서 및 상기 손글씨가 인식된 결과와 관련된 데이터를 포함하는 손글씨 인식 방법.
  7. 제 1 항에 있어서,
    상기 분류하는 단계는
    상기 복수개의 그룹들에 포함된 필기 데이터가 서로 중복되지 않도록 상기 필기 데이터를 상기 복수개의 그룹들로 분류하는 손글씨 인식 방법.
  8. 제 1 항에 있어서,
    상기 분류하는 단계는
    상기 복수개의 그룹들에 포함된 필기 데이터가 소정의 데이터량 범위에서 상호 중복되는 손글씨 인식 방법.
  9. 제 1 항에 있어서,
    상기 분류하는 단계, 상기 결정하는 단계, 상기 수신하는 단계 및 상기 인식하는 단계는 클라우드 기반으로 수행되는 손글씨 인식 방법.
  10. 소정의 저장 공간에 저장되어있는 손글씨와 관련된 데이터인 필기 데이터를 복수개의 그룹들로 분류하는 필기 데이터 분류부;
    상기 분류된 복수개의 그룹들 각각에 포함된 필기 데이터를 이용하여 상기 분류된 복수개의 그룹들 각각에 대응되는 손글씨 인식 방식들을 결정하는 복수개의 손글씨 인식 방식 결정부들;
    입력받은 손글씨와 관련된 데이터를 수신하는 데이터 수신부;
    상기 수신한 데이터를 이용하여 추가 손글씨 인식 방식을 결정하는 추가 손글씨 인식 방식 결정부; 및
    상기 결정된 손글씨 인식 방식들 및 추가 손글씨 인식 방식을 이용하여 상기 수신한 데이터로부터 상기 입력받은 손글씨를 인식하는 글씨 인식부를 포함하며,
    상기 글씨 인식부는,
    상기 결정된 손글씨 인식 방식들과 상기 추가 손글씨 인식 방식을 통해 인식한 결과가 일치하지 않는 경우 상기 추가 손글씨 인식 방식을 통해 결정된 결과에 소정의 가중치를 부여하여 상기 입력받은 손글씨를 인식하는 것을 특징으로 하는 디바이스.
  11. 제 10 항에 있어서,
    상기 글씨 인식부는
    상기 결정된 손글씨 인식 방식들 각각을 이용하여 상기 입력받은 손글씨에 대응되는 글자들을 도출하고, 상기 도출된 글자들이 상이한 경우, 상기 도출된 글자들에 대한 도출 빈도수에 기초하여, 하나의 글자를 선택하는 디바이스.
  12. 삭제
  13. 삭제
  14. 제 10 항에 있어서,
    상기 추가 손글씨 인식 방식 결정부는
    상기 수신한 데이터를 저장하는 수신 데이터 저장부;
    상기 수신하여 저장된 데이터가 소정의 데이터량 이상인지 결정하는 데이터량 결정부; 및
    상기 결정된 데이터량이 소정의 데이터량 이상인 경우에, 상기 수신한 데이터를 이용하여 추가 손글씨 인식 방식을 결정하는 추가 손글씨 인식 방식 결정부를 포함하는 디바이스.
  15. 제 10 항에 있어서,
    상기 필기 데이터는
    상기 손글씨의 모양, 상기 손글씨가 써지는 속도, 상기 손글씨가 써지는 순서 및 상기 손글씨가 인식된 결과와 관련된 데이터를 포함하는 디바이스.
  16. 제 10 항에 있어서,
    상기 필기 데이터 분류부는
    상기 복수개의 그룹들에 포함된 필기 데이터가 서로 중복되지 않도록 상기 필기 데이터를 상기 복수개의 그룹들로 분류하는 디바이스.
  17. 제 10 항에 있어서,
    상기 필기 데이터 분류부는
    상기 복수개의 그룹들에 포함된 필기 데이터가 소정의 데이터량 범위에서 상호 중복되는 디바이스.
  18. 제 10 항에 있어서,
    상기 필기 데이터 분류부, 상기 복수개의 손글씨 인식 방식 결정부들, 상기 데이터 수신부 및 상기 글씨 인식부는 클라우드 기반으로 동작하는 디바이스.
  19. 제 1 항 내지 제2항 및 제5항 내지 제 9 항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
KR1020140042533A 2014-04-09 2014-04-09 손글씨 인식 방법 및 디바이스 KR102205903B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140042533A KR102205903B1 (ko) 2014-04-09 2014-04-09 손글씨 인식 방법 및 디바이스

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140042533A KR102205903B1 (ko) 2014-04-09 2014-04-09 손글씨 인식 방법 및 디바이스

Publications (2)

Publication Number Publication Date
KR20150117137A KR20150117137A (ko) 2015-10-19
KR102205903B1 true KR102205903B1 (ko) 2021-01-21

Family

ID=54399471

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140042533A KR102205903B1 (ko) 2014-04-09 2014-04-09 손글씨 인식 방법 및 디바이스

Country Status (1)

Country Link
KR (1) KR102205903B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009181514A (ja) * 2008-01-31 2009-08-13 Fuji Xerox Co Ltd 筆跡情報生成装置、プログラムおよび筆跡情報管理システム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101930545A (zh) * 2009-06-24 2010-12-29 夏普株式会社 手写识别方法和设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009181514A (ja) * 2008-01-31 2009-08-13 Fuji Xerox Co Ltd 筆跡情報生成装置、プログラムおよび筆跡情報管理システム

Also Published As

Publication number Publication date
KR20150117137A (ko) 2015-10-19

Similar Documents

Publication Publication Date Title
US20160260014A1 (en) Learning method and recording medium
CN110362677B (zh) 文本数据类别的识别方法及装置、存储介质、计算机设备
US10339468B1 (en) Curating training data for incremental re-training of a predictive model
US20170300744A1 (en) Method and apparatus for determining identity identifier of face in face image, and terminal
US10832685B2 (en) Speech processing device, speech processing method, and computer program product
Afouras et al. Self-supervised object detection from audio-visual correspondence
US10635991B2 (en) Learning method, information processing device, and recording medium
US20180260737A1 (en) Information processing device, information processing method, and computer-readable medium
US20150269940A1 (en) Pattern recognition device, pattern recognition method, and computer program product
KR20150101341A (ko) 분산 퍼지 연관 규칙 마이닝에 기반한 영화 추천 장치 및 방법
JP5214679B2 (ja) 学習装置、方法及びプログラム
JPWO2015146113A1 (ja) 識別辞書学習システム、識別辞書学習方法および識別辞書学習プログラム
US11145308B2 (en) Symbol sequence estimation in speech
CN116745763A (zh) 用于自动提取分类训练数据的系统和方法
US9639808B2 (en) Non-transitory computer readable medium, information processing apparatus, and attribute estimation method
JP2017151933A (ja) データ分類装置、データ分類方法、及びプログラム
CN113436614A (zh) 语音识别方法、装置、设备、系统及存储介质
US9792561B2 (en) Learning method, information conversion device, and recording medium
US10891513B2 (en) System and method for cascading image clustering using distribution over auto-generated labels
JP5360143B2 (ja) 走行場面認識モデル生成装置、運転支援装置、及びプログラム
KR102205903B1 (ko) 손글씨 인식 방법 및 디바이스
US9378466B2 (en) Data reduction in nearest neighbor classification
JP2016162163A (ja) 情報処理装置及び情報処理プログラム
JP6678709B2 (ja) 情報処理装置、情報処理方法およびプログラム
JP7341962B2 (ja) 学習データ収集装置、学習装置、学習データ収集方法およびプログラム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right