JPH06180773A - パターン認識装置 - Google Patents

Abstract

(57)【要約】 【目的】ある程度不完全な入力パターンであっても認識
することができ、かつ大量のパターンの学習が不要とな
るパターン認識装置を得ることにある。 【構成】入力部に入力される入力パターンの学習パター
ンに対する類似性を分析するパターン分析部１と、前記
入力パターンに近いと思われるパターンを仮説として発
生する仮説パターン生成部４と、仮説パターン生成部４
で生成された仮説パターンと前記入力パターンを比較す
る比較部５と、比較部５による比較結果と前記パターン
分析部１による分析結果が記述される属性記述領域２
と、属性記述領域２に記述された入力パターンに関する
記述を参照し、それに基づいてパターン分析部１の動作
に変更を加えたり、仮説パターン生成部４を起動した
り、最終的な属性記述領域の内容から最終判定結果を作
って他の装置に結果を送る制御を行う推論部３とを具備
したもの。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、文字パターンや画像パ
ターン（以下単にパターンと称する）を認識するパター
ン認識装置に関する。

【０００２】

【従来の技術】この種従来のパターン認識装置として、
装置が既に学習してあるパターン群と、新たに入力する
入力パターンとを照合することにより、該入力パターン
を認識するものがある。

【０００３】これについて図９を参照して説明する。こ
こでは文字認識を例に挙げて説明する。文字のパターン
は、図９に示すようにドット・パターンで示すことがで
きる。このドット・パターンにおいて、白い部分のドッ
トは“０”、黒い部分（網目状の部分）のドットは
“１”とし、ドットを１次元に展開すれば、文字パター
ンは例えば次に示すような“１”と“０”からなるベク
トルとなる。

【０００４】 文字パターン＝［０，０，０，１，１，０，……］ 今、このような文字パターンのベクトルの任意のものを
ｘと書くと、パターン認識装置は、入力された文字パタ
ーンがベクトル空間内のどのような領域にあるかで、こ
の入力文字を分類する。特定の文字種がベクトル空間内
のどの領域を占めるかは、一般に現場から収集した多数
の文字データから決めることができる。

【０００５】図１０は、このような状況を説明するため
のものであるが、図は入力文字パターンベクトルｘが
“４”と分類されている場合を示している。図１１は、
最近注目されているニューラルネットによる文字認識の
場合の原理を説明するための図であり、これも前述の文
字認識と同一原理である。図１１は、数字認識用のニュ
ーラルネットの一例であるが、入力ユニットＩＵと、中
間ユニットＭＵと、出力ユニットＯＵを有する階層型の
ニューラルネットである。入力ユニットＩＵには前述の
文字パターンベクトルｘの各要素の値が入力されるが、
この場合入力ユニットＩＵの数はベクトルｘの次元数に
一致する。

【０００６】出力ユニットＯＵは、文字種に対応するも
のであり、この場合には、“０”，“１”，“２”，…
…“９”に対応する１０個のユニットがある。このニュ
ーラルネットは、多くの文字パターンを学習するが、そ
れは前述のような文字パターンベクトルの空間におい
て、“０”と見なせるベクトル空間のどの領域を占める
か、“１”と見なせるベクトルは空間のどの領域を占め
るか、など、ベクトル空間を“０”，“１”，“２”，
……“９”に対応する領域に分割していることになる。
学習後のニューラルネットに任意の文字パターンベクト
ルｘが入力されると、図１０に示したような原理で、ニ
ューラルネットは、このベクトルがどの文字種の領域に
入るかを識別し、その文字種に対応する出力ユニットＯ
Ｕのみが大きな出力値を出すことによって、今入った文
字パターンが何であるかを示す。図１１は、“２”が入
力された場合を示しており、この時出力ユニットＯＵは
“２”に対応する２番目のユニットのみが大きな出力を
出す。

【０００７】

【発明が解決しようとする課題】以上述べた従来のパタ
ーン認識は、既に文字認識などに利用されているが、入
力されるパターンから得られる情報のみに依存して認識
を行っているため、入力される文字の変形が著しく、不
完全な情報のみしか得られない場合、前述のようなパタ
ーンマッチングのみによる認識方法では認識性能に限界
がある。

【０００８】これに対して人間は、文字パターンの情報
が不完全であっても、その不完全な部分を想像して補
い、認識することが可能である。また、前述の従来の手
法では、学習に非常に多くのパターンデータを必要とす
る。例えば、文字データの場合には通常、数千から数万
の文字パターンを学習させる必要があり、非常に長い学
習時間を要する。これに対して、人間は、代表的な文字
パターンを覚えれば、幾分変形したパターンも認識する
ことができ、何万もの文字パターンを覚えるなどという
ことはしない。このように、現状のパターン認識装置
は、人間による認識に比較して非常に原始的な認識しか
行っていない。

【０００９】本発明は、ある程度不完全な入力パターン
であっても認識することができ、また大量のパターンの
学習が不要となるパターン認識装置を提供することを目
的とする。

【００１０】

【課題を解決するための手段】前記目的を達成するた
め、請求項１に対応する発明は、入力部に入力される文
字パターンまたは画像パターンを認識するパターン認識
装置において、前記入力部に入力される入力パターンの
学習パターンに対する類似性を分析するパターン分析部
と、前記入力部に入力される入力パターンに近いと思わ
れるパターンを仮説として発生する仮説パターン生成部
と、この仮説パターン生成部で生成された仮説パターン
と前記入力パターンを比較する比較部と、この比較部に
よる比較結果と前記パターン分析部による分析結果が記
述される属性記述領域と、この属性記述領域に記述され
た入力パターンに関する記述を参照し、それに基づいて
前記パターン分析部の動作に変更を加えたり、前記仮説
パターン生成部を起動したり、最終的な属性記述領域の
内容から最終判定結果を作って他の装置に結果を送る制
御を行う推論部とを具備したことを特徴とするパターン
認識装置である。

【００１１】また、前記目的を達成するため、請求項２
に対応する発明は、入力部に入力される文字パターンま
たは画像パターンを認識するパターン認識装置におい
て、前記入力部に入力される入力パターンの学習パター
ンに対する類似性を分析するパターン分析部と、仮説パ
ターンの生成に用いられる仮説パターン生成パラメータ
を発生する仮説パターン生成パラメータ同定部と、この
発生された仮説パターン生成パラメータを用いて、前記
入力部に入力される入力パターンに近いと思われるパタ
ーンを仮説として生成する仮説パターン生成部と、前記
仮説パターン生成部で生成された仮説パターンと前記入
力パターンを比較する比較部と、この比較部による比較
結果と前記パターン分析部による分析結果が記述される
属性記述領域と、この属性記述領域に記述された入力パ
ターンに関する記述を参照し、それに基づいて前記パタ
ーン分析部の動作に変更を加えたり、前記仮説パターン
生成部を起動したり、前記仮説パターン生成パラメータ
同定部に前記仮説パターン生成パラメータの履歴の保存
あるいは前記仮説パターン生成パラメータの発生を指示
したり、最終的な属性記述領域の内容から最終判定結果
を作って他の装置に結果を送る制御を行う推論部とを具
備したことを特徴とするパターン認識装置である。

【００１２】さらに、請求項３に対応する発明は、前記
パターン分析部には、学習データを基にニューラルネッ
トにより学習可能な機能を有し、推論部で得られる判定
結果と入力パターンを対にした学習データを基にニュー
ラルネットにより追加学習する機能を有したことを特徴
とする請求項１または２に記載のパターン認識装置であ
る。

【００１３】一方、前記目的を達成するため、請求項４
に対応する発明は、入力部に入力される文字パターンま
たは画像パターンを認識するパターン認識装置におい
て、前記入力部に入力される入力パターンに近いと思わ
れるパターンを仮説として発生する仮説パターン生成部
と、この仮説パターン生成部で生成された仮説パターン
と前記入力パターンを比較する比較部と、この比較部に
よる比較結果が記述される属性記述領域と、この属性記
述領域に記述された入力パターンに関する記述を参照
し、前記仮説パターン生成部を起動したり、最終的な属
性記述領域の内容から最終判定結果を作って他の装置に
結果を送る制御を行う推論部とを具備したことを特徴と
するパターン認識装置である。

【００１４】また、前記目的を達成するため、請求項５
に対応する発明は、入力部に入力される文字パターンま
たは画像パターンを認識するパターン認識装置におい
て、仮説パターンの生成に用いられる仮説パターン生成
パラメータを発生する仮説パターン生成パラメータ同定
部と、この発生された仮説パターン生成パラメータを用
いて、前記入力部に入力される入力パターンに近いと思
われるパターンを仮説として生成する仮説パターン生成
部と、前記仮説パターン生成部で生成された仮説パター
ンと前記入力パターンを比較する比較部と、この比較部
による比較結果が記述される属性記述領域と、この属性
記述領域に記述された入力パターンに関する記述を参照
し、前記仮説パターン生成部を起動したり、前記仮説パ
ターン生成パラメータ同定部に前記仮説パターン生成パ
ラメータの履歴の保存あるいは前記仮説パターン生成パ
ラメータの発生を指示したり、最終的な属性記述領域の
内容から最終判定結果を作って他の装置に結果を送る制
御を行う推論部とを具備したことを特徴とするパターン
認識装置である。

【００１５】なお、以上のパターン認識装置において、
前記仮説パターン生成部は、所定の手の動特性モデルに
より前記仮説パターンを生成するように構成しても良
い。また、前記仮説パターン生成パラメータ同定部は、
前記比較結果が前記仮説パターンと前記入力パターンと
が類似することを示す場合、当該仮説パターンに対応す
る仮説パターン生成パラメータ及びその類似することを
示す比較結果が得られた頻度を記録すると共に、この記
録された各々の仮説パターン生成パラメータごとにその
発生確率を前記頻度に基づいて設定し、前記仮説パター
ン生成パラメータを発生するときには、前記発生確率の
高い仮説パターン生成パラメータから優先して発生する
ように構成しても良い。

【００１６】

【作用】請求項１に対応する発明によれば、非常にあい
まいで不完全な入力パターンが入力されたときに、仮説
パターン生成部によりあるパターンを仮説として生成
し、その仮説パターンと入力パターンとを比較部により
比較するようにしたので、不完全な入力パターンであっ
ても認識することが可能になる。

【００１７】また、請求項２に対応する発明によれば、
非常にあいまいで不完全な入力パターンが入力されたと
きに、仮説パターン生成部は仮説パターン生成パラメー
タ同定部により発生された仮説パターン生成パラメータ
を用いてあるパターンを仮説として生成し、その仮説パ
ターンと入力パターンとを比較部により比較するように
したので、不完全な入力パターンであっても認識するこ
とが可能になる。

【００１８】その際、仮説パターン生成パラメータ同定
部により良好な仮説パターンが生成されたときのパラメ
ータの値を保存し、以降のパラメータの発生においてそ
れらを利用するので、パラメータを設定するまでの時間
を短縮し、パターン認識処理を高速化することが可能と
なる。

【００１９】さらに、請求項３に対応する発明によれ
ば、パターン分析部において変形パターンを仮説として
自ら生成する能力を有しているので、大量のパターンの
学習が不要となる。

【００２０】一方、請求項４に対応する発明では、パタ
ーン分析部を削除し、入力パターンが入力されたとき
に、仮説パターン生成部によりあるパターンを仮説とし
て生成し、その仮説パターンと入力パターンとを比較部
により比較するようにした。この場合、不完全な入力パ
ターンであっても認識することが可能である。

【００２１】また、請求項５に対応する発明では、パタ
ーン分析部を削除し、入力パターンが入力されたとき
に、仮説パターン生成部は仮説パターン生成パラメータ
同定部により発生された仮説パターン生成パラメータを
用いてあるパターンを仮説として生成し、その仮説パタ
ーンと入力パターンとを比較部により比較するようにし
た。この場合、不完全な入力パターンであっても認識す
ることが可能になる。

【００２２】また、仮説パターン生成パラメータ同定部
により良好な仮説パターンが生成されたときのパラメー
タの値を保存し、以降のパラメータの発生においてそれ
らを利用するので、パラメータを設定するまでの時間を
短縮し、パターン認識処理を高速化することが可能とな
る。

【００２３】

【実施例】以下、図面を参照して本発明の実施例につい
て説明する。なお、同一部分または対応する部分につい
ては同一番号を付し、その詳細な説明は省略する。図１
は本発明（請求項１）の概略構成を示すブロック図であ
り、パターン分析部１、属性記述領域２、推論部３、仮
説パターン生成部４、比較部５からなっている。

【００２４】パターン分析部１は、公知の統計的手法や
ニューラルネットの手法によって入力パターンの学習パ
ターンに対する類似性を分析する。仮説パターン生成部
４は、入力パターンに近いと思われるパターンを仮説と
して発生するものであり、これは例えば、手の動特性か
ら変形文字軌道を生成する。具体的には、手の動特性モ
デルを仮定して代表文字からアナログ計算機などにより
変形文字を生成する。

【００２５】比較部５は、仮説パターンと入力パターン
とを比較する。属性記述領域２は、通常のエキスパート
システムの場合のようなワーキングメモリからなり、パ
ターン分析部１による分析結果や比較部５による比較結
果を記述する。

【００２６】推論部３は、推論エンジンおよび他の機器
単位（機能単位）を制御するためのルールも含まれてお
り、属性記述領域２に記述された入力パターンに関する
記述を参照し、それに基づいてパターン分析部１の動作
に変更を加えたり、仮説パターン生成部４を起動した
り、最終的な属性記述領域２の内容から最終判定結果を
作り、これを他の表示装置などに結果を送るなどの制御
を行う。

【００２７】このような構成のものにおいて、入力パタ
ーンがパターン分析部１により分析され、この判定結果
が属性記述領域２に記述される。推論部３では、属性記
述領域２に書かれたパターンに関する記述を参照し、そ
れに基づいてパターン分析部１の動作に変更を加えた
り、仮説パターン生成部４を起動する。仮説パターン生
成部４は、入力された入力パターンに近いと思われるパ
ターンを仮説として発生し、比較部５に入力する。比較
部５では、該仮説パターンと入力パターンとを比較し、
両者が近いパターンになっていれば、その事実を属性記
述領域２に書き込む。推論部３は、属性記述領域２の内
容から最終判定結果を作り、これが図示しない他の装
置、例えば表示装置に人間がわかるように表示される。

【００２８】この結果、非常にあいまいで不完全な入力
パターンが入力されても、あるパターンが仮説生成さ
れ、その仮説パターンと入力パターンの比較が行われる
ので、不完全な入力パターンを認識することができる。
また、変形パターンを仮説として自ら生成する能力を有
しているので、大量のパターンの学習が不要となる。

【００２９】図２は本発明の第１の実施例を示すブロッ
ク図であり、図１のパターン分析部１は、分類部１１、
特徴分解部１２、追加特徴分析部１３、登録部１４から
なっている点が異なる。

【００３０】分類部１１は、パターンマッチングによる
文字種連想を行うニューラルネットに少しの論理処理機
能が追加されたものであり、入力された入力パターンが
どのようなものであるかを属性記述領域２に出力する。
この場合の出力の形式は、例えば記号によるメッセージ
であり、例えば“３である”、“８に極めて似てい
る”、“３か８か区別がつかない”などである。

【００３１】特徴分解部１２は、入力された文字パター
ンの特徴がよく浮き出るように、入力された文字パター
ンを加工して認識しやすい形式で文字パターンを表すも
のである。

【００３２】追加特徴分析部１３は、意識的な分析、例
えば、文字の輪郭の分析を行うものであり、輪郭分析、
空間周波数分析などの数学的処理を行い、該分析結果を
分類部１１と同様に、属性記述領域２にメッセージとし
て記述する。例えば、“８である可能性が高い”などで
ある。

【００３３】登録部１４は、推論部３で得られた判定結
果と入力文字パターンとを対にして分類部１１の学習デ
ータを登録（入力）し、これを分類部１１の学習データ
として出力する。

【００３４】次に、以上のように構成された第１の実施
例の動作について説明する。パターン分析部１に入力さ
れた文字パターンは、特徴分解部１２において、文字パ
ターンの特徴がよく浮き出るように、入力された文字パ
ターンが加工され、これが分類部１１においてどのよう
なものであるか、例えば“３である”、“８に極めて似
ている”、“３か８か区別がつかない”などの形式にし
て属性記述領域２に記述される。

【００３５】属性記述領域２に記述されている内容が、
“３である”というように確定的なメッセージがある場
合には、推論部３は、インタフェース部６にその判定結
果を送出する。一方、属性記述領域２に記述されている
内容が、“３か８か区別がつかない”というようなあい
まいなメッセージがある場合には、この不明確なところ
を区別するのに、必要な情報を得るために、推論部３
は、追加特徴分析部１３を起動する。すると、追加特徴
分析部１３は文字の輪郭の分析を行い、例えば“８であ
る可能性高い”というようなメッセージが得られ、これ
が推論部３により属性記述領域２に記述される。推論部
３は、これによって入力文字パターンが何であるかを確
定できた場合には、結果をインタフェース部６に送出す
る。そして、追加特徴分析部１３において分析した後で
も、入力文字種類を確定できない場合には、推論部３は
仮説パターン生成部４を起動させる。

【００３６】この仮説パターン生成部４は、以上述べた
処理は、入力パターンから情報を抽出していくボトムア
ップ的処理であったのに対して、トップダウン的処理に
より、以下のような仮説パターンを生成する。例えば、
“３か８か区別がつかない”というようなメッセージに
対しては“３と８”に類似した仮説パターンを生成す
る。

【００３７】ここで、図３を参照して仮説パターン生成
部４の動作について説明する。図３は、仮説パターン生
成部４によって生成される仮説パターンと入力パターン
が比較される過程を示している。

【００３８】分類部１１内のニューラルネットの出力
は、メッセージとして属性記述領域２に書き込まれる
が、仮説パターン生成部４は、これらのメッセージを参
照して、“３”と“８”の代表的なパターンを適当な頻
度連想し、更にその代表パターンの変形文字パターンを
発生する。そして、遂に入力パターンに類似する仮説パ
ターンを発生したため、比較部５により属性記述領域２
に“３と仮定され”等のメッセージが書き込まれる。

【００３９】推論部３は、以上のような過程で属性記述
領域２内に累積されたメッセージ群を総合して、入力さ
れた文字が何かを判定し、この判定結果をインタフェー
ス部６に送出する。

【００４０】ここで、該判定には、以上説明した過程で
属性記述領域２内に記述されたメッセージだけでなく、
図示しない手段によって収集される論理的情報も利用さ
れる。このような例としては、脈絡から得られる情報が
ある。ある文字が何かということは、その前後の文字か
らもある程度推定できる。例えば、英語では“ti”と
“n ”の間にある文字は“o ”である確率が高く、この
ような情報も不完全な情報を補うものとして使うことが
できる。推論部３は、このような他の経路から収集され
た情報も総合して判定を下すことになる。

【００４１】推論部３は、このように得られた判定結果
と入力文字パターンとを対にして分類部１１の学習デー
タとして登録部１４に渡す。登録部１４は、これを分類
部１１のニューラルネットに追加学習させる。このよう
な変形パターンを自ら発生して、ニューラルネットに学
習させるという機能があるため、予めニューラルネット
に多数の文字パターンを学習させておく必要がない。認
識経験を通して次第に学習データを増殖して性能を向上
してゆく。そのため、ニューラルネットは、最初極めて
少数の代表的パターンのみ学習しておけばよく、学習時
間の問題が軽減される。

【００４２】以上述べた第１の実施例によれば、非常に
あいまいで不完全な入力パターンが入力されたときに、
あるパターンを仮説として生成し、その仮説パターンと
入力パターンとの比較が行われるので、不完全な入力パ
ターンであっても認識することができる。また、変形パ
ターンを仮説として自ら生成する能力を有しているの
で、大量のパターンの学習が不要となる。

【００４３】図４は、本発明の第２の実施例を示すブロ
ック図であり、前述の実施例の推論部３を、それに含ま
れるルールをその目的に応じて３１，３２，３３，３４
と複数に分割し、それぞれのルール群に推論エンジンを
割り当てるようにしたものである。属性記述領域２と分
類部１１に並列に推論部３１を設け、また属性記述領域
２と追加特徴分析部１３の間に推論部３２を設け、さら
に属性記述領域２と登録部１４とインタフェース部６と
仮説パターン生成部４の間に推論部３３を設け、また属
性記述領域２とインタフェース部６の間に推論部３４を
設けたものである。このように構成することにより、推
論部３を幾つかの小さな推論部３１，３２，３３，３４
に分けることができる。

【００４４】なお、前述の各実施例では、仮説パターン
生成部４として、手の動特性から変形文字軌道を生成す
るものをあげたが、これに限らず以下のようなものであ
ってもよい。すなわち、変形文字例を格納したデータベ
ースを使用するようにしたもの、つまりある文字種に対
する変形例を格納したデータベースを使用するようにし
てもよい。また、文字軌道を変形規則によって生成する
ようにしたもの、つまり各文字種に対して変形規則を考
案して代表文字から変形文字を生成するようにしてもよ
い。

【００４５】次に、仮説パターンの生成に用いる仮説パ
ターン生成パラメータの設定に要する時間を短縮して、
パターン認識処理の高速化を図ったパターン認識装置に
ついて説明する。

【００４６】図５は本発明（請求項２）の概略構成を示
すブロック図であり、パターン分析部１、属性記述領域
２、推論部３、仮説パターン生成部８、比較部５、仮説
パターン生成パラメータ同定部７からなっている。

【００４７】パターン分析部１は、公知の統計的手法や
ニューラルネットの手法によって入力パターンの学習パ
ターンに対する類似性を分析する。仮説パターン生成部
８は、入力パターンに近いと思われるパターンを仮説と
して生成するものであり、これは例えば、手の動特性か
ら変形文字軌道を生成する。具体的には、ある手の動特
性モデルを仮定して代表文字からアナログ計算機などに
より変形文字を生成する。手の動特性モデルのような変
形文字生成手段は、いくつかのパラメータを含んでお
り、パラメータが与えられると、それに対応する変形文
字を生成する。ただし、前述した実施例における仮説パ
ターン生成部４は、自ら仮説パターン生成パラメータを
発生していたが、この仮説パターン生成部８では、仮説
パターン生成パラメータ同定部７で発生する仮説パター
ン生成パラメータを読み込む点が異なる。

【００４８】仮説パターン生成パラメータ同定部７は、
仮説パターン生成部８で用いられる仮説パターン生成パ
ラメータを発生する。例えば、入力パターンに近いと思
われる仮説パターンが得られたときの仮説パターン生成
パラメータの値の度数分布を保存しておき、その度数分
布を考慮して仮説パターン生成パラメータの値を発生す
る。

【００４９】比較部５は、仮説パターンと入力パターン
とを比較する。属性記述領域２は、通常のエキスパート
システムの場合のようなワーキングメモリからなり、パ
ターン分析部１による分析結果や比較部５による比較結
果を記述する。

【００５０】推論部３は、推論エンジンおよび他の機器
単位（機能単位）を制御するためのルールも含まれてお
り、属性記述領域２に記述された入力パターンに関する
記述を参照し、それに基づいてパターン分析部１の動作
に変更を加えたり、仮説パターン生成部８を起動した
り、仮説パターン生成パラメータ同定部７に仮説パター
ン生成パラメータの値を保存するようあるいは仮説パタ
ーン生成パラメータを発生するよう指示したり、最終的
な属性記述領域２の内容から最終判定結果を作り、これ
を他の表示装置などに結果を送るなどの制御を行う。

【００５１】このような構成のものにおいて、入力パタ
ーンがパターン分析部１により分析され、この判定結果
が属性記述領域２に記述される。推論部３では、属性記
述領域２に書かれたパターンに関する記述を参照し、そ
れに基づいてパターン分析部１の動作に変更を加えた
り、仮説パターン生成部８を起動したり、仮説パターン
生成パラメータ同定部７に仮説パターン生成パラメータ
の値を保存するようあるいは仮説パターン生成パラメー
タを発生するよう指示する。仮説パターン生成部８は、
入力された入力パターンに近いと思われるパターンを仮
説として生成し、比較部５に送る。その際、仮説パター
ン生成パラメータ同定部７は、例えば、入力パターンに
近いと思われる仮説パターンが得られたときの仮説パタ
ーン生成パラメータの値の度数分布を保存しておき、そ
の度数分布を考慮して仮説パターン生成部８で用いられ
る仮説パターン生成パラメータの値を発生する。比較部
５は、該仮説パターンと入力パターンとを比較し、両者
が近いパターンになっていれば、その事実を属性記述領
域２に送る。推論部３は、属性記述領域２の内容から最
終判定結果を作り、これが図示しない他の装置、例えば
表示装置に人間がわかるように表示される。

【００５２】この結果、不完全な入力パターンが入力さ
れ、それに対してあるパターンが仮説生成されるとき
に、仮説パターン生成パラメータ同定部７により保存さ
れる入力パターンに近いと思われる仮説パターンが生成
したときの仮説パターン生成パラメータの値を利用する
ことにより、パラメータを設定するまでの時間を短縮す
ることが可能になる。

【００５３】図６は本発明の第３の実施例を示すブロッ
ク図であり、図５の仮説パターン生成パラメータ同定部
７がレジスタ部７１、仮説パターン生成パラメータデー
タベース７２、仮説パターン生成パラメータ保存・発生
部７３からなっている点が異なる。

【００５４】レジスタ部７１は、発生した仮説パターン
生成パラメータを一時的に記憶するものである。例え
ば、仮説パターン生成パラメータがａとｂからなるとす
ると、レジスタ部７１の内容は“ａ＝１，ｂ＝２”など
である。

【００５５】仮説パターン生成パラメータデータベース
７２は、例えば、良好な仮説パターンが生成したときに
発生した仮説パターン生成パラメータの度数分布を蓄積
するものである。

【００５６】仮説パターン生成パラメータ保存・発生部
７３は、推論部３の指示に従って、例えば良好な仮説パ
ターンが発生したときの仮説パターン生成パラメータの
値をレジスタ部７１から読み込み、仮説パターン生成パ
ラメータデータベース７２に度数分布として蓄積した
り、仮説パターン生成パラメータデータベース７２に蓄
積される仮説パターン生成パラメータの度数分布を利用
して効率的に仮説パターン生成パラメータを発生したレ
ジスタ部７１に書き出すものである。

【００５７】次に、以上のように構成された第３の実施
例の動作について説明する。パターン分析部１に入力さ
れた文字パターンは、それがどのようなものであるか、
例えば“３である”、“８に極めてにている”、“３か
８か区別がつかない”などの形式になって属性記述領域
２に記述される。

【００５８】属性記述領域２に記述されている内容が、
“３である”というような確定的なメッセージである場
合には、推論部３は、インタフェース部６にその判定結
果を送出する。一方、属性記述領域２に記述されている
内容が、“３か８か区別がつかない”というようなあい
まいなメッセージである場合には、この不明瞭なところ
を区別するのに必要な情報を得るために、パターン分析
部１の動作に変更を加え、より詳細な分析をさせる。推
論部３は、これによって入力文字パターンが何であるか
を確定できた場合には、結果をインタフェース部６に送
出する。そして、それでも入力文字種類を確定できない
場合には、推論部３は仮説パターン生成部８を起動し、
仮説パターン生成パラメータ保存・発生部７３に仮説パ
ターン生成パラメータを発生するように指示する。

【００５９】仮説パターン生成部８は、以上述べた処理
が入力パターンから情報を抽出していくボトムアップ的
処理であったのに対して、トップダウン的処理により、
以下のような仮説パターンを生成する。例えば、“３か
８か区別がつかない”というようなメッセージに対して
は“３”と“８”の代表的なパターンをメッセージに応
じて適当な頻度連想し、更にレジスタ部７１より仮説パ
ターン生成パラメータを読み込みその代表パターンの変
形文字を生成する。手の動特性モデルの場合は、以下の
ように変形文字を生成する。すなわち、代表的なパター
ンを構成する特徴点の２次元平面上での位置ベクトル
を、

【００６０】

【数１】 とすると、例えば、

【００６１】

【数２】 というような運動方程式を解いて、変形文字パターンの
位置ベクトル、

【００６２】

【数３】 を求める。ただし、ｍは手の慣性の強さを示すパラメー
タ、ｒは筆圧や紙質に関係した摩擦力を示すパラメー
タ、εは基準軌道への復元力を示すパラメータである。
これらが前記仮説パターン生成パラメータにあたる。入
力パターンに近いと思われる仮説パターンが生成される
と、比較部５により属性記述領域２に“３と仮定され
る”等のメッセージが書き出される。

【００６３】仮説パターン生成パラメータ保存・発生部
７３は、入力パターンに近いと思われる仮説パターンが
生成されたときの仮説パターン生成パラメータの値を仮
説パターン生成データベース７２に度数分布などの形で
蓄積したり、仮説パターン生成パラメータデータベース
７２に蓄積される仮説パターン生成パラメータの値の度
数分布などを利用して効率的に仮説パターン生成パラメ
ータを発生しレジスタ部７１に書き出す。ここで、図７
を参照してその動作について説明する。図７は、仮説パ
ターン生成パラメータの度数分布が蓄積され、それを利
用して仮説パターン生成パラメータが発生する過程の一
例を示している。ただし、図中の仮説パターン生成パラ
メータａのとりうる値は１０以下の自然数とする。

【００６４】図７（ａ）のように仮説パターン生成パラ
メータの度数分布が蓄積されていない初期には、仮説パ
ターン生成パラメータ同定部７が具備されていないもの
と同様である。すなわち、仮説パターン生成パラメータ
は、例えばランダムに発生する。ところが、図７（ｂ）
に示すように、やがて入力パターンに近いと思われる仮
説パターンが発生したときの仮説パターン生成パラメー
タの値が度数分布として蓄積されると、例えば度数の大
きい仮説パターン生成パラメータの値が優先されて発生
するようになる。仮説パターン生成パラメータの値の度
数分布は、推論部３の指示に従って、入力パターンに近
いと思われる仮説パターンが得られたときに、レジスタ
部７１に一時的に記憶されている仮説パターン生成パラ
メータの値が読み込まれ、仮説パターン生成パラメータ
データベース７２に蓄積される。

【００６５】推論部３は、以上のような過程で属性記述
領域２内に累積されたメッセージ群を総合して、入力さ
れた文字が何かを判定し、この判定結果をインタフェー
ス部６に送出する。なお、該判定には、以上説明した過
程で属性記述領域２内に記述されたメッセージだけでな
く、図示しない手段によって収集される論理的情報も利
用される。この論理的情報の利用に関しては既に第１の
実施例で説明したものと同様であり、ここでは詳細な説
明は省略する。

【００６６】ここで、前述の第１の実施例のように、推
論部３はこのように得られた判定結果と入力文字パター
ンとを対にして学習パターンとしてパターン分析部１に
渡し、パターン分析部１ではこれを追加学習するように
構成すれば効果的である。

【００６７】以上述べた第３の実施例によれば、非常に
あいまいで不完全な入力パターンが入力されたときに、
あるパターンを仮説として生成し、その仮説パターンと
入力パターンとの比較が行われるので、不完全な入力パ
ターンであっても認識することができる。また、その不
完全な入力パターンに対してあるパターンが仮説生成さ
れるときに、仮説パターン生成パラメータ同定部７によ
り効果的な仮説パターン生成パラメータの発生が行われ
るので、仮説パターン生成パラメータを設定するまでの
時間を短縮することが可能になる。加えて、変形パター
ンを仮説として自ら生成する能力を備えた場合、大量の
パターンの学習が不要となる。

【００６８】ここで、前述の各実施例では、仮説パター
ン生成パラメータ同定部７として、仮説パターン生成パ
ラメータの値の度数分布から度数の大きい値を優先的に
発生するものをあげたが、これに限らず以下のようなも
のであってもよい。すなわち、度数分布から度数に比例
した発生確率を各々の値にもたせてもよい。また、仮説
パターン生成パラメータ例を格納したデータベースを使
用するようにしたものでもよい。

【００６９】次に、仮説パターン生成部８の働きに着目
し、前述の実施例のパターン分析部１を取り除いて装置
を簡略化した実施例について説明する。図８は本発明
（請求項５）の第４の実施例を示すブロック図であり、
属性記述領域２、推論部３、仮説パターン生成部８、比
較部５、仮説パターン生成パラメータ同定部７からなっ
ている。図６に示した実施例のパターン分析部１を取り
除いて装置を簡略化したものである。この場合、仮説パ
ターン生成部８は変形パターンを仮説として自ら生成す
る能力を備えているので、入力パターンが与えられたと
き、仮説パターン生成部８は仮説パターン生成パラメー
タ同定部７により発生された仮説パターン生成パラメー
タを用いてあるパターンを仮説として生成し、比較部５
ではその仮説パターンと入力パターンとの比較を行うこ
とによって、パターン認識処理を実行することが可能と
なる。そして、前述した他の実施例同様、あいまいで不
完全な入力パターンの認識も可能であり、また仮説パタ
ーン生成パラメータ同定部７による効率的な仮説パター
ン生成パラメータの設定が行われるので、仮説パターン
生成パラメータを設定するまでに要する時間を短縮する
ことも可能となる。なお、以上の説明によれば各構成部
分の動作に関しては自明であるので、詳細な説明は省略
する。

【００７０】次に、本発明（請求項４）の第５の実施例
について説明する。すなわち、上記第４の実施例と同様
の技術思想により、図１，図２及び図４に示した実施例
についても、パターン分析部１及び図４では関連する推
論部３１，３２を取り除いて装置を簡略化して構成する
ことが可能である。ここでは、入力パターンが入力され
たときに、仮説パターン生成部４によりあるパターンを
仮説として生成し、その仮説パターンと入力パターンと
を比較部５により比較するように構成すれば良い。この
場合、装置を簡略化でき且つ不完全な入力パターンであ
っても認識することが可能になる。なお、以上の説明に
よればこの場合の装置の構成及び動作に関しては自明で
あるので、図面及び詳細な説明は省略する。また、本発
明は上述した各実施例に限定されるものではなく、その
要旨を逸脱しない範囲で、種々変形して実施することが
できる。

【００７１】

【発明の効果】本発明（請求項１）に係るパターン認識
装置によれば、従来のボトムアップ的認識処理に加え
て、仮説パターン生成というトップダウン的処理を導入
することによって、あいまいで不完全な入力パターンの
認識が可能となり、さらにニューラルネットに予め学習
させる学習パターンを効果的に削減することも可能とな
る。

【００７２】また、本発明（請求項２）に係るパターン
認識装置によれば、上記効果を有すると共に、仮説パタ
ーン生成パラメータ同定部による効率的な仮説パターン
生成パラメータの設定が行われるので、仮説パターン生
成パラメータを設定するまでに要する時間を短縮し、パ
ターン認識処理を高速化することが可能となる。

【００７３】一方、本発明（請求項４）に係るパターン
認識装置では、パターン分析部を削除し、入力パターン
が入力されたときに、仮説パターン生成部によりあるパ
ターンを仮説として生成し、その仮説パターンと入力パ
ターンとを比較部により比較するようにした。この場
合、装置を簡略化でき且つ不完全な入力パターンであっ
ても認識することが可能になる。

【００７４】また、本発明（請求項５）に係るパターン
認識装置によれば、上記請求項４に対応する発明と同様
の効果を有すると共に、仮説パターン生成パラメータ同
定部による効率的な仮説パターン生成パラメータの設定
が行われるので、仮説パターン生成パラメータを設定す
るまでに要する時間を短縮し、パターン認識処理を高速
化することが可能となる。

【図面の簡単な説明】

【図１】本発明のパターン認識装置の概略構成を示すブ
ロック図

【図２】本発明のパターン認識装置の第１の実施例を示
すブロック図

【図３】図２の仮説パターン生成部の機能を説明するた
めの図

【図４】本発明のパターン認識装置の第２の実施例を示
すブロック図

【図５】本発明のパターン認識装置の概略構成を示すブ
ロック図。

【図６】本発明のパターン認識装置の第３の実施例を示
すブロック図。

【図７】図６の仮説パターン生成パラメータ同定部の機
能を説明するための図。

【図８】本発明のパターン認識装置の第４の実施例を示
すブロック図。

【図９】従来の文字パターン認識の原理を説明するため
の図

【図１０】従来の文字パターン認識の原理を説明するた
めの文字パターンベクトル図

【図１１】従来の数字認識用ニューラルネットの概略構
成を示す図

【符号の説明】

１…パターン分析部 １１
…分類部 １２…特徴分析部 １３
…追加特徴分析部 １４…登録部 ２…
属性記述領域 ３，３１，３２，３３，３４…推論部 ４…
仮説パターン生成部 ５…比較部 ６…
インタフェース部 ７…仮説パターン生成パラメータ同定部 ７１
…レジスタ部 ７２…仮説パターン生成パラメータデータベース ７３…仮説パターン生成パラメータ保存・発生部 ８…仮説パターン生成部

Claims (7)

【特許請求の範囲】
1. 【請求項１】入力部に入力される文字パターンまたは画
   像パターンを認識するパターン認識装置において、 前記入力部に入力される入力パターンの学習パターンに
   対する類似性を分析するパターン分析部と、 前記入力部に入力される入力パターンに近いと思われる
   パターンを仮説として発生する仮説パターン生成部と、 この仮説パターン生成部で生成された仮説パターンと前
   記入力パターンを比較する比較部と、 この比較部による比較結果と前記パターン分析部による
   分析結果が記述される属性記述領域と、 この属性記述領域に記述された入力パターンに関する記
   述を参照し、それに基づいて前記パターン分析部の動作
   に変更を加えたり、前記仮説パターン生成部を起動した
   り、最終的な属性記述領域の内容から最終判定結果を作
   って他の装置に結果を送る制御を行う推論部とを具備し
   たことを特徴とするパターン認識装置。
2. 【請求項２】入力部に入力される文字パターンまたは画
   像パターンを認識するパターン認識装置において、 前記入力部に入力される入力パターンの学習パターンに
   対する類似性を分析するパターン分析部と、 与えられた仮説パターン生成パラメータを用いて、前記
   入力部に入力される入力パターンに近いと思われるパタ
   ーンを仮説として生成する仮説パターン生成部と、 前記仮説パターン生成パラメータを発生して、前記仮説
   パターン生成部に与えるための仮説パターン生成パラメ
   ータ同定部と、 前記仮説パターン生成部で生成された仮説パターンと前
   記入力パターンを比較する比較部と、 この比較部による比較結果と前記パターン分析部による
   分析結果が記述される属性記述領域と、 この属性記述領域に記述された入力パターンに関する記
   述を参照し、それに基づいて前記パターン分析部の動作
   に変更を加えたり、前記仮説パターン生成部を起動した
   り、前記仮説パターン生成パラメータ同定部に前記仮説
   パターン生成パラメータの履歴の保存あるいは前記仮説
   パターン生成パラメータの発生を指示したり、最終的な
   属性記述領域の内容から最終判定結果を作って他の装置
   に結果を送る制御を行う推論部とを具備したことを特徴
   とするパターン認識装置。
3. 【請求項３】前記パターン分析部には、学習データを基
   にニューラルネットにより学習可能な機能を有し、推論
   部で得られる判定結果と入力パターンを対にした学習デ
   ータを基にニューラルネットにより追加学習する機能を
   有したことを特徴とする請求項１または２に記載のパタ
   ーン認識装置。
4. 【請求項４】入力部に入力される文字パターンまたは画
   像パターンを認識するパターン認識装置において、 前記入力部に入力される入力パターンに近いと思われる
   パターンを仮説として発生する仮説パターン生成部と、 この仮説パターン生成部で生成された仮説パターンと前
   記入力パターンを比較する比較部と、 この比較部による比較結果が記述される属性記述領域
   と、 この属性記述領域に記述された入力パターンに関する記
   述を参照し、前記仮説パターン生成部を起動したり、最
   終的な属性記述領域の内容から最終判定結果を作って他
   の装置に結果を送る制御を行う推論部とを具備したこと
   を特徴とするパターン認識装置。
5. 【請求項５】入力部に入力される文字パターンまたは画
   像パターンを認識するパターン認識装置において、 与えられた仮説パターン生成パラメータを用いて、前記
   入力部に入力される入力パターンに近いと思われるパタ
   ーンを仮説として生成する仮説パターン生成部と、 前記仮説パターン生成パラメータを発生して、前記仮説
   パターン生成部に与えるための仮説パターン生成パラメ
   ータ同定部と、 前記仮説パターン生成部で生成された仮説パターンと前
   記入力パターンを比較する比較部と、 この比較部による比較結果が記述される属性記述領域
   と、 この属性記述領域に記述された入力パターンに関する記
   述を参照し、前記仮説パターン生成部を起動したり、前
   記仮説パターン生成パラメータ同定部に前記仮説パター
   ン生成パラメータの履歴の保存あるいは前記仮説パター
   ン生成パラメータの発生を指示したり、最終的な属性記
   述領域の内容から最終判定結果を作って他の装置に結果
   を送る制御を行う推論部とを具備したことを特徴とする
   パターン認識装置。
6. 【請求項６】前記仮説パターン生成部は、所定の手の動
   特性モデルにより前記仮説パターンｂｖを生成すること
   を特徴とする請求項１ないし５のいずれか１項に記載の
   パターン認識装置。
7. 【請求項７】前記仮説パターン生成パラメータ同定部
   は、前記比較結果が前記仮説パターンと前記入力パター
   ンとが類似することを示す場合、当該仮説パターンに対
   応する仮説パターン生成パラメータ及びその類似するこ
   とを示す比較結果が得られた頻度を記録すると共に、こ
   の記録された各々の仮説パターン生成パラメータごとに
   その発生確率を前記頻度に基づいて設定し、前記仮説パ
   ターン生成パラメータを発生するときには、前記発生確
   率の高い仮説パターン生成パラメータから優先して発生
   することを特徴とする請求項２または５に記載のパター
   ン認識装置。