JPH02287775A - パターン認識システム - Google Patents
パターン認識システムInfo
- Publication number
- JPH02287775A JPH02287775A JP1107627A JP10762789A JPH02287775A JP H02287775 A JPH02287775 A JP H02287775A JP 1107627 A JP1107627 A JP 1107627A JP 10762789 A JP10762789 A JP 10762789A JP H02287775 A JPH02287775 A JP H02287775A
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- data
- mouse
- routine
- pattern recognition
- 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
Landscapes
- Position Input By Displaying (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は、ポインティングデバイスを用いてデータを入
力するシステムに関する。
力するシステムに関する。
従来のニューロシステムでは、学習によりパターン認識
を行うことができるが、処理するデータとしては、画像
データのみを考えていた。
を行うことができるが、処理するデータとしては、画像
データのみを考えていた。
従来のシステムでは、パターンｍｌ ０１に重点がおか
れ、そのパターンが作成された状況データは利用されて
いなかった。
れ、そのパターンが作成された状況データは利用されて
いなかった。
本発明の目的は、パターン認識の補助となる情報をパタ
ーン認識部に与えることにより、パターン認識を行いや
すくし、個人のクセを人力手段として用いることができ
るようにすることにある。
ーン認識部に与えることにより、パターン認識を行いや
すくし、個人のクセを人力手段として用いることができ
るようにすることにある。
上記目的を達成するために、ポインティングデバイスに
は圧力センサを付け、ポインティングデバイスより座標
、移動速度、圧力を読みとり、これらのデータを、ニュ
ーラルネツＩへワークに学習させて、パターン認識でき
るようにしたものである。
は圧力センサを付け、ポインティングデバイスより座標
、移動速度、圧力を読みとり、これらのデータを、ニュ
ーラルネツＩへワークに学習させて、パターン認識でき
るようにしたものである。
ポインティングデバイスの座標、移動速度、圧力を与え
られるニューラルネツトワータは、与えられた各データ
が学習したどのパターンに対応するかを結論できる。ニ
ューラルネツ１−ワークの学習機能により、パターン認
識だけでなく個人のクセも認識できるので、クセとパタ
ーンのむすび付きにより、パターン認識の確度の上昇と
、クセを入力として利用することができる。
られるニューラルネツトワータは、与えられた各データ
が学習したどのパターンに対応するかを結論できる。ニ
ューラルネツ１−ワークの学習機能により、パターン認
識だけでなく個人のクセも認識できるので、クセとパタ
ーンのむすび付きにより、パターン認識の確度の上昇と
、クセを入力として利用することができる。
以下本発明の実施例を図面により詳細に説明する。
第１図は本パターン認識システムを実現する装置のブロ
ック図であり、１は一般的なワークステーション、２は
ユーザが動作させる一般的なプログラムで、入力のデバ
イスとしてマウス８を使用できるユーザプログラム、３
はキーボード、マウスドライバ５からの各情報を学習、
認識し、結果をユーザプログラム２に送るニューラルネ
ットワークルーチン、４はワークステーション１を管理
するオペレーティングシステム、５はキーボード６、マ
ウス８からのコード、座標、圧力データをニューラルネ
ットワークルーチン３、オペレーティングシステム４に
送ることの可能なキーボード、マウスドライバで、マウ
ス８からの時系列座標データより各座標での移動速度を
計算し、ニューラルネットワークルーチン３に送ること
ができる。
ック図であり、１は一般的なワークステーション、２は
ユーザが動作させる一般的なプログラムで、入力のデバ
イスとしてマウス８を使用できるユーザプログラム、３
はキーボード、マウスドライバ５からの各情報を学習、
認識し、結果をユーザプログラム２に送るニューラルネ
ットワークルーチン、４はワークステーション１を管理
するオペレーティングシステム、５はキーボード６、マ
ウス８からのコード、座標、圧力データをニューラルネ
ットワークルーチン３、オペレーティングシステム４に
送ることの可能なキーボード、マウスドライバで、マウ
ス８からの時系列座標データより各座標での移動速度を
計算し、ニューラルネットワークルーチン３に送ること
ができる。
６は一般的なキーボード、７は圧力センサ、８は＊標を
読みとることの可能なマウスに圧力センサ７を付けたタ
イプのマウスである。
読みとることの可能なマウスに圧力センサ７を付けたタ
イプのマウスである。
つぎに本システムの処理をニューラルネッ１〜ワークル
ーチン３に対する動作フローチャートである第２図に従
い説明する。尚、本システ１１は０〜９の数字、ＲＥ
Ｔ Ｕ ＲＮ動作の認識を行うものとする。
ーチン３に対する動作フローチャートである第２図に従
い説明する。尚、本システ１１は０〜９の数字、ＲＥ
Ｔ Ｕ ＲＮ動作の認識を行うものとする。
本システムを使用するユーザは、ニューラルネットワー
クルーチン内のニューラルネットワークにＯ〜９、ＲＥ
Ｔ Ｕ ＲＮ動作を字溝させることがら始める。
クルーチン内のニューラルネットワークにＯ〜９、ＲＥ
Ｔ Ｕ ＲＮ動作を字溝させることがら始める。
ワークステーション１のオペレーティングシステム４よ
りニューラルネッ１−ワークルーチン３に制御を渡しニ
ューラルネットワークルーチン３を５ＴＡＲＴする。ニ
ューラルネッ１〜ワークルーチン３は、オペレーティン
グシステム４より制御を（２０２）へ移る（２０１）。
りニューラルネッ１−ワークルーチン３に制御を渡しニ
ューラルネットワークルーチン３を５ＴＡＲＴする。ニ
ューラルネッ１〜ワークルーチン３は、オペレーティン
グシステム４より制御を（２０２）へ移る（２０１）。
づきに、どんなパターンを学習するかをキーボード６に
より決定する。ここではＲＥ Ｔ Ｕ ＲＮキー押下を
学習するものとし、以下の説明を行う。
より決定する。ここではＲＥ Ｔ Ｕ ＲＮキー押下を
学習するものとし、以下の説明を行う。
ＲＥ Ｔ Ｕ ＲＮキー押下に対応するデータは、マウ
ス８からのデータのうち、座標に関するものを画面表示
することにより選択する。（２０３）具体的にはある圧
力以上のデータがマウス８より入った後の全ての座標、
移動速度、圧力の各データをまず保管する。第４図にマ
ウスカーソルの動きを示す。マウス８の動きは、図の点
線と実線の部分である。マウス８の動きのデータ量は保
管されるエリアのメモリ容量による。マウス８のデータ
は、単位時間でサンプリングされ、第４図では点の部分
と、Ｌの付いた点の部分である。このデータよりＲＥ
ＴＵ ＲＮキー押下分の切り出し方法は、動作開始点を
決めてやることにより可能である。
ス８からのデータのうち、座標に関するものを画面表示
することにより選択する。（２０３）具体的にはある圧
力以上のデータがマウス８より入った後の全ての座標、
移動速度、圧力の各データをまず保管する。第４図にマ
ウスカーソルの動きを示す。マウス８の動きは、図の点
線と実線の部分である。マウス８の動きのデータ量は保
管されるエリアのメモリ容量による。マウス８のデータ
は、単位時間でサンプリングされ、第４図では点の部分
と、Ｌの付いた点の部分である。このデータよりＲＥ
ＴＵ ＲＮキー押下分の切り出し方法は、動作開始点を
決めてやることにより可能である。
本ニューラルネットワークでは３０点分の認識をの各り
に対する座標データχ＋／＋移動速度データｖＥ ＋
ｖ−！ｌ＋圧力デーデーが選択される。
に対する座標データχ＋／＋移動速度データｖＥ ＋
ｖ−！ｌ＋圧力デーデーが選択される。
つぎに結果の入力であるが、どの）！ｆ：標にＲ）＜
ｉ’ＵＲＮ押下したかを決める為、画面」二の第４図の
ＲＥ Ｔ ｔＪ ＲＮパターン図中で、ふされしいＪ東
１ｒ’Ａを決定する。本例ではｔ、６に対しＲＥ ＴＵ
ＲＮ押下したものとして、キーボード６人力により本
座標を結果入力前とする。（２０４） （２０３）と（２０４）で、ニューラルネッ１−ワーク
ルーチン３の中のニューラルネッ１−ワーク（第３図に
示す）に対する人力と出力が決まったので、このデータ
に従い第３図のニューラルネットワークを学習させる。
ｉ’ＵＲＮ押下したかを決める為、画面」二の第４図の
ＲＥ Ｔ ｔＪ ＲＮパターン図中で、ふされしいＪ東
１ｒ’Ａを決定する。本例ではｔ、６に対しＲＥ ＴＵ
ＲＮ押下したものとして、キーボード６人力により本
座標を結果入力前とする。（２０４） （２０３）と（２０４）で、ニューラルネッ１−ワーク
ルーチン３の中のニューラルネッ１−ワーク（第３図に
示す）に対する人力と出力が決まったので、このデータ
に従い第３図のニューラルネットワークを学習させる。
（２０５）
第３図は３層のニューラルネットワークで、人力層には
（２０３）で決定したノ、〜ｌ、。に対応するχｔ ｙ
、１）−ｘ 、ｆｙ 、Ｐが各々六カされる。
（２０３）で決定したノ、〜ｌ、。に対応するχｔ ｙ
、１）−ｘ 、ｆｙ 、Ｐが各々六カされる。
出力はχ、ｙはり、６に対する座標として与えられ、Ｒ
Ｅ ＴＵ ＲＮ動作であるＲ１に’ｆ’ Ｕ ＲＮの出
力層に信号が期待される。この条件に従いバッタプロパ
ゲーションモデルでニューラルネッ１−ワークを修正す
る。（２０５） つぎに試行を行う。試行は（２０８）〜（２１０）の動
作である。（２０６） マウス８からのデータをニューラルネットワークに連続
する３０点ずつ与え、結果を受けとるのであるが、Ｌの
単位時間毎にχＴ ｙｔプよ＋２／−ｙ。
Ｅ ＴＵ ＲＮ動作であるＲ１に’ｆ’ Ｕ ＲＮの出
力層に信号が期待される。この条件に従いバッタプロパ
ゲーションモデルでニューラルネッ１−ワークを修正す
る。（２０５） つぎに試行を行う。試行は（２０８）〜（２１０）の動
作である。（２０６） マウス８からのデータをニューラルネットワークに連続
する３０点ずつ与え、結果を受けとるのであるが、Ｌの
単位時間毎にχＴ ｙｔプよ＋２／−ｙ。
Ｐがサンプリングされているので、ニューラルネジ１〜
ワークは、Ｌの単位時間が経過する毎に常にニューラル
ネットワークの出力を計算する。
ワークは、Ｌの単位時間が経過する毎に常にニューラル
ネットワークの出力を計算する。
（２０８）である時刻１．ｎに対し、それより前の’−
ｎ−３０よりＬ７＋、までのχ＋ ｙｔ ７）”ｘ ｔ
％ ｐ Ｐをニューラルネットワークに与え、 （２
０９）でその結果を受は取る。
ｎ−３０よりＬ７＋、までのχ＋ ｙｔ ７）”ｘ ｔ
％ ｐ Ｐをニューラルネットワークに与え、 （２
０９）でその結果を受は取る。
（２０８）は時刻Ｌｎ＋□に対しては、Ｌ１２−２９よ
りＡ ７１ ＋ １までのχ＋ ｙｔみ、外、Ｐで結果
を出す。
りＡ ７１ ＋ １までのχ＋ ｙｔみ、外、Ｐで結果
を出す。
（２１０）ではＬの時系列に結果を受けとっている。こ
こでは移動中以外の結果がある程度、例えば５つ連続し
たら、結果を認識結果とする。
こでは移動中以外の結果がある程度、例えば５つ連続し
たら、結果を認識結果とする。
（２０７）では、マウス８より与えたデータが認識され
たかどうかを（２１０）のＹの出力として判定し、認識
できなければ（２０３）に戻り（２０３）〜（２０６）
までの処理をくり返す。
たかどうかを（２１０）のＹの出力として判定し、認識
できなければ（２０３）に戻り（２０３）〜（２０６）
までの処理をくり返す。
認識できるようになったら、学習の処理は終ｆする。（
２１２） つぎに実際の使用の説明を行う。ユーザプログラム２を
起動する。ユーザプログラム２はプログラムがマウス８
の入力を必要とした時に、ニューラルネットワークルー
チン：３をコールする。
２１２） つぎに実際の使用の説明を行う。ユーザプログラム２を
起動する。ユーザプログラム２はプログラムがマウス８
の入力を必要とした時に、ニューラルネットワークルー
チン：３をコールする。
ニューラルネットワークルーチン３は、ユーザプログラ
ム２より制御を渡された時は、学習処理でないものとし
、（２０８）に移る。（２０１）（２０８）では、サン
プリングデータが３０以」二になったら、単位時間毎に
ニューラルネッ１−ワークにデータを与えつづける。
ム２より制御を渡された時は、学習処理でないものとし
、（２０８）に移る。（２０１）（２０８）では、サン
プリングデータが３０以」二になったら、単位時間毎に
ニューラルネッ１−ワークにデータを与えつづける。
（２０９）にて受は取られた結果は、（２１０）にて移
動中かそれ以外かの判定を行い、一定の結果が連続した
ら、次の処理に移る。（２１０）（２１１）では、連続
した結果を認識したパターンのコードとして、出力座標
χ、ｙとともにユーザプログラムに渡して処理を終了す
る。
動中かそれ以外かの判定を行い、一定の結果が連続した
ら、次の処理に移る。（２１０）（２１１）では、連続
した結果を認識したパターンのコードとして、出力座標
χ、ｙとともにユーザプログラムに渡して処理を終了す
る。
ＲＥＴＵＲＮの例で説明すると、ユーザプログラム２は
、ある画面の領域に対し、ＲＥＴ Ｕ ＲＮ入力待とな
った時、ニューラルネットワークルーチン３に制御を渡
す。
、ある画面の領域に対し、ＲＥＴ Ｕ ＲＮ入力待とな
った時、ニューラルネットワークルーチン３に制御を渡
す。
ニューラルネットワークルーチン３は、学習以外の処理
であることを判定（２０１）Ｌ、（２０８）に移る。
であることを判定（２０１）Ｌ、（２０８）に移る。
（２０８）〜（２１０）で、マウスからの連続する３ｏ
ケのデータがあるコード、ここではＲＥＴＵ ＲＮに一
致しないかを判定する。ＲＥＴＵＲＮの結果が５回連続
した所で、ニューラルネットワークルーチン３は、ＲＥ
ＴＵ ＲＮコードとその座標χ、ｙをユーザプログラ
ム２に渡し、（２１１）、処理を終了する。（２１２） 本システムによれば、特定のドッＩ−パターンとそれを
描いた動作を認識できるので、数字、文字の認識だけで
なく、特定の動作パターン（クセ）を、あるキャラクタ
の入力動作であると認識させることが可能となる。
ケのデータがあるコード、ここではＲＥＴＵ ＲＮに一
致しないかを判定する。ＲＥＴＵＲＮの結果が５回連続
した所で、ニューラルネットワークルーチン３は、ＲＥ
ＴＵ ＲＮコードとその座標χ、ｙをユーザプログラ
ム２に渡し、（２１１）、処理を終了する。（２１２） 本システムによれば、特定のドッＩ−パターンとそれを
描いた動作を認識できるので、数字、文字の認識だけで
なく、特定の動作パターン（クセ）を、あるキャラクタ
の入力動作であると認識させることが可能となる。
本発明によれば、個人のクセを認識できるので、筆跡を
個人のＩ Ｄとして使用できる。又、動作パターンをあ
る入力と決めることも可能なので、シートにチエツク印
を付ける、丸をつけるの動作もそのまま入力として利用
することができる１゜
個人のＩ Ｄとして使用できる。又、動作パターンをあ
る入力と決めることも可能なので、シートにチエツク印
を付ける、丸をつけるの動作もそのまま入力として利用
することができる１゜
第１図は、本発明の一実施例のシステムを構成する単位
を示すブロック図、第２図は第１図の中のニューラルネ
タ１〜ワークルーチン：３の動作フローチャーＩ・、第
３図は、第１図のニューラルネッ１−ワークルーチン３
の内部の ニューラルネジ１〜ワークの構成図、第４図
は、ＲＩＥ Ｔ Ｕ ＲＮキー押下に対応させるマウス
８の動作例をンバす説明図である。 １・・・ワークステーション、２ ユーザプログラム、
３・・・ニューラルネッ１−ワークルーチン、４オペレ
ーテイングシステム、５・・・キーボード、マウスドラ
イバ、６・・キーボー＋：、７ 圧力センサ８ マウス
。 躬 躬 土Ｉ ０□光 ０−一一中ゴ ０−一一一◆４ Ｓ Ｏ乙 ０＝ｌ”？ＥＴＵｆ’＜Ｎ Ｏ−一→秘動中
を示すブロック図、第２図は第１図の中のニューラルネ
タ１〜ワークルーチン：３の動作フローチャーＩ・、第
３図は、第１図のニューラルネッ１−ワークルーチン３
の内部の ニューラルネジ１〜ワークの構成図、第４図
は、ＲＩＥ Ｔ Ｕ ＲＮキー押下に対応させるマウス
８の動作例をンバす説明図である。 １・・・ワークステーション、２ ユーザプログラム、
３・・・ニューラルネッ１−ワークルーチン、４オペレ
ーテイングシステム、５・・・キーボード、マウスドラ
イバ、６・・キーボー＋：、７ 圧力センサ８ マウス
。 躬 躬 土Ｉ ０□光 ０−一一中ゴ ０−一一一◆４ Ｓ Ｏ乙 ０＝ｌ”？ＥＴＵｆ’＜Ｎ Ｏ−一→秘動中
Claims (1)
- １、ポインティングデバイスを用いて入力を行う装置に
おいて、ポインティングデバイスの示す座標、移動速度
、ポインティングデバイスを持つ指の圧力の各情報を、
ニューラルネットワークに与える構成とし、パターン認
識だけでなく、使用者のクセも学習し認識することによ
り、データを入力することを特徴としたパターン認識シ
ステム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1107627A JPH02287775A (ja) | 1989-04-28 | 1989-04-28 | パターン認識システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1107627A JPH02287775A (ja) | 1989-04-28 | 1989-04-28 | パターン認識システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH02287775A true JPH02287775A (ja) | 1990-11-27 |
Family
ID=14463984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1107627A Pending JPH02287775A (ja) | 1989-04-28 | 1989-04-28 | パターン認識システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH02287775A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0695800A (ja) * | 1992-09-17 | 1994-04-08 | Nippon Nesamatsuku Kk | ペングリップ式入力装置 |
| US5940158A (en) * | 1994-04-11 | 1999-08-17 | Japan Nesamac Corporation | Pen-grip type of input apparatus and input apparatus |
| US6330359B1 (en) | 1994-04-07 | 2001-12-11 | Japan Nesamac Corporation | Pen-grip type of input apparatus using finger pressure and gravity switches for character recognition |
-
1989
- 1989-04-28 JP JP1107627A patent/JPH02287775A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0695800A (ja) * | 1992-09-17 | 1994-04-08 | Nippon Nesamatsuku Kk | ペングリップ式入力装置 |
| US6330359B1 (en) | 1994-04-07 | 2001-12-11 | Japan Nesamac Corporation | Pen-grip type of input apparatus using finger pressure and gravity switches for character recognition |
| US5940158A (en) * | 1994-04-11 | 1999-08-17 | Japan Nesamac Corporation | Pen-grip type of input apparatus and input apparatus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5533147A (en) | Segmentation of handwritten patterns using stroke and jump vectors | |
| JP3179487B2 (ja) | キー組み合わせキーボード法および装置 | |
| JP5166008B2 (ja) | テキストを入力する装置 | |
| US5361310A (en) | Handwriting entry processing system using keyboard and mouse interfaces requiring no modification of an application program | |
| JP2558943B2 (ja) | ニューラルネットワークを用いた人間の動作自動認識装置 | |
| JPH0887378A (ja) | マウス動作認識によるコマンド実行方式 | |
| JPH1020995A (ja) | 手書き文字認識装置及び方法 | |
| CN113961067A (zh) | 基于深度学习的非接触式涂鸦绘制方法与识别交互系统 | |
| JPH02287775A (ja) | パターン認識システム | |
| JPS6152492B2 (ja) | ||
| Hornbuckle | The computer graphics user/machine interface | |
| JPS60136890A (ja) | 実時間手書き軌跡認識装置 | |
| JPS5935277A (ja) | 手書文字図形のリアルタイム認識による制御方法 | |
| JPH0371322A (ja) | 連続コマンド処理システム | |
| JPS6091488A (ja) | デ−タ入力装置 | |
| CN120949947B (zh) | 基于点云的掐指交互方法、头显设备、交互系统和存储介质 | |
| JP3538208B2 (ja) | 楽譜情報入力装置 | |
| JP2003044203A (ja) | 情報処理装置 | |
| JPH08147096A (ja) | 手書き入力方法及び装置 | |
| JPS5862765A (ja) | 電子機器 | |
| JPH0110656Y2 (ja) | ||
| JPH0634258B2 (ja) | 個人辞書作成機能付手書文字認識装置 | |
| JPS60238988A (ja) | 文字認識装置を備えるデ−タ処理装置 | |
| JPH0574090B2 (ja) | ||
| JPH07113950B2 (ja) | 画像認識方法 |