TW558687B - Method for automatically segmenting and recognizing Chinese handwriting character strings and system for using the same method - Google Patents

Description

558687 A7 B7 五、發明説明（ 經满部中央標準局只工消贽合作社印製 本發明涉及手寫中文自動辨識技術，具體地說，涉及對 連’輸人的手窝中文字串進行自·動分割和辨識的方法以及 使用該方法的系統。 在目前可以接收使用者手窝中文輸入的資訊處理系統 :通常包括一個基於筆的輸入裝置，該裝置一般由書寫 筆和曰窝板組成。逞樣的基於筆的輸入裝置一般要求使用 者在書寫完-個中文之後，按下書寫筆或書寫板上的一個 按益’以對書寫的中文字争進行手動分割。自動手窝中文 辨識機T以直接對這種經過手動分割財^串進行辨 識。但是手動分割程序影響了使.用者書寫的連續性，因此 ^種書窝方式不符合使用者的書窝習慣。 IBMa司的ThinkScribe是一種整合了手寫數位化儀和 傳、先的基於紙上,己㈣統的裝置。該裝置按筆畫和相關時 序記錄使用者的手寫輸人，並㈣按原來的㈣再現使用 者^手寫輸入。使用者一般在ThinkScribe上以連續方式 進行曰寫’書寫的字與字之間的間隔很小或連在一起。這 樣在進行自動辨識之前必須進行文字分割。 月J還/又有種有效的文字分割方法，手寫中文辨識技 于此對單中文或字間隔很大的手寫中文字串進行辨 硪。對手寫中文字㈣行自動分割困難在於： 玄1 ) ^夕中又疋左右結構，當在水平線上從左到右快速書 .马争左右成分 < 間的間隔和字與字之間的間隔非常相 、了 k種2間上的混淆之外，有些中文的左、右成份 本1就可以是一個獨立的中文或與某個獨立的中文养常 (請先閱讀背面之注意事項寫本頁) 裝·

、1T -! n_l |_ - · 、發明説明（ 像。同樣，對於在垂直行 的m 丁上曰冩的手冩中文字串也有類似 的問：，因為有些中文是上下結構的。 ):使用者快速以草書方式穿窝時，對於相鄰的中文來 :門則—個中文的最後—個筆畫和後-個中文的開始筆書 <間可能相連，彼此沒有任何清楚的界限。 - '於是’如何克服以上困難提供一種對連續輸入的手窝中 又Γ串進行自動㈣的方法，是達成對連續輸人的手窝中 又字_進行自動辨識的基礎。 根據本發明的手寫中文字串自動分割和辨識方法在不同 "人上利用了來自^不同源的·資訊，例如人們的書窝習 慣、中文字串的幾何特徵、書窝時的時序資訊以及語言模 型等達成了對連續輸人的手寫中文字串的自動分割和辨 識。 根據本發明的手寫中文字串自動分割和辨識方法包括以 下步驟： 建乂描述手寫中文字Ψ中筆畫序列幾何特徵的幾何模型 和描述漢語中字（詞）依賴關係的語言模型； 經濟部中央標孳局Μ工消费合作社印¾ 、基於該相關時序資訊和幾何模型找出連績輸入的手寫中 文字中中所有的潛在分割方案； 對A每一種分剎方案，對任意兩個分割點之間的筆畫組 進行辨識，並計算出表徵辨識結果正確性的概率； 用語了模型修正上述表徵辨識結果正確性的概率；和 選擇對應於概率值最大的辨識結果和該辨識結果所對應 的分刮方萊作為對使用者連續輸入的手寫中文字巾的分割 5 本纸張) ( 210 χ 2^ί'ΙΤ 558687 Α7 Β7 五、發明説明（3 經消部中央標準局Μ工消费合作社印裝 和辨識結果。 根據本發明的手窝中文字串自，動分割和辨識系統包括： 輸入裝置，用於接收使用者埤續輸入的手寫中文字串， 並按筆畫和相關時序記錄使用者的手窝輸入； ^型儲存裝置’用於儲存描述手寫中文字串中筆畫序列 幾何特徵的幾何模型和描述漢語中字(詞)依賴關係的語言 模型； — 分割裝置’基於該相關時序資訊和幾何模型找出連續輸 入的手寫中文字_中所有的潛在分割方案； 辨識裝置’對於每一種分割方♦案，對任意兩個分割點之 間的筆畫組進行辨識，並計算出表徵辨識結果正確性的概 率； 仲裁裝i，用語言模型修正上述表徵辨識結果正確性的 概率，選擇對應於概率值最大的辨識結果和該辨識結果所 對應的分财案作為對使用者連續輸人的手窝中文字串的 分割和辨識結果。 透過以下結合附圖的說明可以使本發明的目的、特徵和 優點更加清楚。 圖1為根據本發明的手寫中文字书自動分割和辨識方法 的概念性流程圖； 圖2為根據本發明第一實施例的手寫中文字中自動分割 和辨識方法的流程圖； 圖3為根據本發明第二實施例的手窍中文字中自動分割 和辨識方法的流程圖； (請先閲讀背面之注意事項寫本頁) 裝. 、1Τ 線 本纸依尺度適用中阀网家柃苹（CNS ) Λ4η:」ί·, ( 2丨〇-- 558687 A7 B7 五、發明説明（l4 ) 經濟部智慈財產局段工消赀合作社印製 D ’使用即可以為左右結構中文中的一個 單一中文的成分的寬度來描述在該寬度 構中文中一個組成邵份的可能性或為單 而在書窝方向為垂直方向時，__當辨識結 中$時使用字高度模型D，來修.正表徵辨 率值，字高度模型D，使用即可仪為上下 組成部份又可以為單一中文的成分的高 下該成分為上下結構中文中一彻組成部 一中文的可能性。 π 此外，正如則邊已討論過的那樣，辨識結果可以是偏旁 邓首、單字到或多字詞。 在具體實施例本發明的手寫中文字串自動分割和辨識方 法時可以使用樹狀結構。這樣可以有效地表示代表潛在 刀割方案的母條路徑。 使用树狀結構進行手寫中文字串自動分割和辨識的具體 步驟為： V驟⑴刀析手寫資料樣本，構造f(G)和f(D)。 步驟⑵：對每一筆畫計算G。如果G大於〇，則該筆畫可 能是一潛在的分割點。 步知（〇) ·以最初確定的分割點為根，產生一代表潛在分 J方水勺一元树。左分枝表示不接受前一個潛在分割點， 右分枝表示拉a ‘ , c t 又則一個潛在的分割點。每當產生新的潛在 分割點時’播f社、A -r~ y 寸尤向下產生分枝。從根到葉子節點的每條路 徑都代良了—柄、好+ 、 個潛在的分割方案。於是可用等式（1 〇 )求 組成部份又可以為 下該成分為左右結 一中文的可能性。 果為一上下結構的 識結果正確性的概 結構中文中的一個 度來描述在該高度 份的可能性或為單 * . (請先閱讀背面之注意事項^1111;. 裝-- :寫本頁) 、11 -線 (CNS ) Λ4%格（210X297公楚） j558687 A7

分::實際上，們向下生長樹時， 在的可能性，二和辨識結果綱 步騾⑷··如果對於某一‘ 以將左分枝剪輯掉。這奸2的分到點⑽卜1，則可 很乂實體間隔時。發生在兩相鄰筆畫之間存在

步驟⑸.如果某個特定的似然概率以等於零，則可以將 上一個左分枝剪輯掉。 ' 步驟⑹··如果由於舍本^ ·/ 果的概率值落入預定;潛在分刻點，而使辨識結 可由經驗來定。 K下，，則左分枝剪輯掉，L值 訂 步驟⑺：對於剩下的每—分枝計算公式⑽的值。 以上結合附圖詳細地描述了根據本發明的手寫中文自動 刀》'J矛辨識方法。下面結構圖5描述一下使用該方法的系 統。 ^、 如圖5所 統包括： 輸入裝置 並按筆畫和 ，根據本發明的手寫中文自動分割和辨識系 經濟部智总財產：ΙΙΤίΗ工消骨合作社印製 用於接收使用者連續輸入的手寫中文字私， 關時序記錄使用者的手寫輸入； 模型儲存裝置，用於儲存描螂手寫中文字串中筆畫序列 幾何特徵的幾何模型和描述漢語中字（詞）依賴關係的钵兮 模型； ~ β 分割裝置，基於該相關時序資訊和幾何模型找出連續輪 入的手寫中文字作中所有的潛在分割方案； 一 18 - 本纸狀度適削，關家標隼kns 558687 五、發明説明（is 辨識裝置，對於每一種分 間的筆畫組進行辨識，並計算出：徵對：意兩個分割點之 率； 欲辨識結果正確性的概 仲裁裝置，用語言模型修正 - 概率，t@ λ 上述表徵辨識結果正確性的 父：!於概率值最大的辨識結果和該辨識結果所 對應的分割万案作為對使用者

分割和辨識結果。 -的子冩中又子串的 丁：：裝置例如可以是_公司的Thinksc“be。 上：錄5:广是一種整合了手窝數位化儀和傳統的基於紙 …：无的裝置。該裝置按筆.畫和相關時序記錄使用者 =，，並能夠按原來的時序再現使用者的手窝輸 ThlnkScribe可以將資科串流s(l)，s( 自已的非揮發記憶體中，並且在需要時可 =出璋送到例如-台-機中，pc機可… ^ f的手窝輸入再現程式，按原來的時岸再現使 用者的手寫輸入。當pc機安裝有辨識程式時，也可以作 為σ辨减機，對使用者的手寫輸入進行辨識。 經 濟 部 智 財 產 a 工 消 費 合 社 印 製 以上結合附圖描述了根據本發明的在手寫中文資訊處理 系統中自動分割和辨識使用者連續輸入的手寫中文字串的 万：和使用該方法的系統。正，本領域技術人員所瞭解的 户丨忪〃本發明不限於以上的實施例。在不達背本發明的精 神和範_的條件下，可以對本發明作出各種修改和變型， 由所附申請專利範園來限定 ___ _ 一 19 - 本發明旨在包括所有這些修改和變型。本發明的保^範圍

Claims (1)

1· 一種在手窝中文資訊 it ^ ^ Λ ,Λ 系、、无中自動分割和辨識使用者 ==!寫中文字串的方法，其中該手窝中文資訊 :宜：无：筆畫和相關時序資訊記錄使用者連續輸入的 二&又子串，該方法的特徵在於以下步騾·· .a7 v手寫中文孚串中筆畫序列幾何特徵的幾何模型 和描述漢語中字(詞)依賴關-係的語言模型； 基於該相關時序資訊和幾何★型找出連續輸入的手窝中 又竽串中所有的潛在分割方案； 對於每-種分割方案，對任、意兩個分割點之間的筆畫組 進行辨識，並計算出表徵辨:¾結果正確性的概率； 用語言模型修正上述表徵辨識結果正確性的概率；和 選擇對底、於概率值最大的辨識結果和該辨識結果所對應 的分剖万案作為冑使用者連續輸入的手寫中文彳串的分 割和辨識結果。 2. 如申請專利範圍第η的手寫中文自動分割和辨識方 法，其特徵在於該幾何模型包括間距模型G，使用兩相 鄰筆畫之間的間隔來描述該兩相鄰筆畫中後一筆書為一 經濟部智慧財產局員工消费合作社印製 個潛在分割點的可能性，該兩相鄰筆畫按相關時序資訊 分為前一筆畫和後一筆畫。 3. 如申請專利範園第2項的手寫中文自動分割和辨識方 法，其特徵在於該G模型為一單調上升函數，其中引數 為兩相鄰筆畫之間的間隔，因變數描述後一筆當為一個 潛在分割點的可能性。 4. 如申請專利範園第丨項的手寫中文自動分割和辨識方 -20 - ____ - ^ 本纸張尺度適用中國國家標準（CNS ) Α4規格（210X 297公釐 經濟部智慧財產局員工消費合作社印製 558687 六、申請#利範圍 法，其特徵在於該幾何模型包括分佈模型D，使用目前 筆畫與個已確定為潛在分割點的筆畫之間的距離： 描述目前筆畫和潛在的分割點之間的筆畫為—個 能性。 1 5.如申請專利範園第4項的手窝體中文自動分割和辨識方 法，其特徵在於該D模型為一個類正態分佈函數，其7 引數為目前筆晝與前一個已確定為潛在分割點的筆晝之 間的距離，因變數描述目前筆晝和潛在分割點之間：筆 畫為1字的可能性，當引數在於某-連續的值域内時 該類正態分佈函數值較大，而當引數落在該值域外時該 類正態分佈函數值較小。 μ 6·如申請專利範圍第！項的手寫中文自動分割和辨識方 法，其特徵在於對該任意兩個分割點之間的筆畫組的辨 識結果可以是偏旁部首、單字詞或多字詞。 7.如申請專利範圍第丨項的手寫中文自動分割和辨識方 法，其特徵在於在書窝方向為水平方向時，當辨識結果 為一左右結構的中文時使用字寬度模型D，來修正表徵 辨識結果正確性的概率值，字寬度模型D，使用即可以 為左右結構中文中的一個組成部份又可以為單一中文的 成分的寬度來描述在該寬度下該成分為左右結構中文中 一個組成部份的可能性或為單一中文的可能性。 8·如申請專利範圍第1項的手寫中文自動分割和辨識方 法’其特徵在於在書寫方向為垂直方向時，當辨識於果 為一上下結構的中文時使用字高度模型D，來修正表徵 本紙張尺度適用中國國家標準（CNS ) A4規格（210X297公釐）

558687 Α8 Β8g8s 申請專利範圍 辨識結禾正確 為上下結構中文中的一個組成部份又可以為單一 T又的 (請先閱讀背面之注意事項再填寫本頁〕 成分的高度來描述在該高度下該成分為上下結構中文中 一個組成部份的可能性或為單一中文的可能性。 9.如申請專利範圍第1 一 8項中任何一項的手窝中文自重 分割和辨識方法，其特徵在於在尋找潛在的分割方案^ 使用樹狀結構。 & * ία如申請:專利範圍第9項的手寫中文自動分割和辨識方 法，其特徵在於該樹狀結構為二元樹，其中根節點代= 最初確^的潛在的分割點’左分枝表示不接受前’―個潛 在的分割點，右分枝表示接受前一個潛在的分割點，: 當產生新的潛在分割點時，樹就向下產生分枝。’母 11.如申請專利範圍第10項的手窝中文自動分割和 法，其特徵在歧用G模型、D模型和辨識結:万 元樹進行修剪。 Μ — 12· —種用於對連續輸入的手寫中文字电 又子亭進仃自動分割和轔 識的系統，包括： @ _ 經濟部智慧財產局員工消費合作社印製 輸入裝置，用於接收使用者連續輸入的手寫中文〜 並按筆晝和相關時序記錄使用者的手寫輸入又子串， 模型儲存裝置，用於儲存描述手寫中文字串中★ 幾何特徵的幾何模型和描述漢語中字⑼_ 列 言模型； ” w诉的語 分割裝置，基於該相關時序資訊和幾何模型找终 入的手寫中文字串中所有的潛在分割方案· π輸 —2f 本紙張尺度適用中國國家標率（CNS ) A4規格（2ι〇χ297公慶 说687

中請專利範圍 辨識裝置，對於每一種分匈六安 從刀割万案，對任意兩個分刮 ^筆畫組進行辨識，並計算出表徵辨識結果正確性的 概率； 中裁裝置a P口 &模型修正上述表徵辨識結果正確性的 概率，選擇對應於概率值最大的辨識結果和該辨識結果 斤對應的刀割方案作為對使用者連續輸入的手寫中文字 串的分割和辨識結果。 (請先閱讀背面之注意事項再填寫本頁) 4 項再填* 裝· 、言 經濟部智慧財產局員工消費合作社印製 _ 23 - 本紙張尺度適用中國國家標準（CNS ) A4規格（210X297公釐）