JPH0620099A - オンライン手書き文字認識システムにおける原型確立方法および装置 - Google Patents
オンライン手書き文字認識システムにおける原型確立方法および装置Info
- Publication number
- JPH0620099A JPH0620099A JP3224812A JP22481291A JPH0620099A JP H0620099 A JPH0620099 A JP H0620099A JP 3224812 A JP3224812 A JP 3224812A JP 22481291 A JP22481291 A JP 22481291A JP H0620099 A JPH0620099 A JP H0620099A
- Authority
- JP
- Japan
- Prior art keywords
- strokes
- prototype
- symbols
- averaging
- stroke
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
- G06V30/36—Matching; Classification
- G06V30/373—Matching; Classification using a special pattern or subpattern alphabet
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/1914—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries, e.g. user dictionaries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Character Discrimination (AREA)
Abstract
(57)【要約】 （修正有）
【目的】 十分な適用範囲、適切な表現及び相互間の十
分な分離を有する文字原型集合を確立する。 【構成】 システムにより認識されるべき記号の構成ス
トロークである多数のストロークを入力する段階、入力
されたストロークから１以上の記号から成る第１の集合
（ＣＨＲ）を形成する段階、システムの使用中に入力ス
トロークの集まりが比較される原型記号から成る第２の
集合（ＡＶＧ）を形成するために第１の集合の要素であ
る類似形態記号の１以上の特性を平均化する段階、第２
の集合の原型記号を構成ストロークに分解する段階、及
びシステムの使用中に入力ストロークが比較される第２
の集合の構成ストロークから成る第３の集合（ＳＴＫ）
を形成する段階とを含む。また、第１の集合の単一の記
号だけに対応する第２の集合の記号を識別する段階、及
び識別された記号を第２の集合から削除する段階とを含
む。
分な分離を有する文字原型集合を確立する。 【構成】 システムにより認識されるべき記号の構成ス
トロークである多数のストロークを入力する段階、入力
されたストロークから１以上の記号から成る第１の集合
（ＣＨＲ）を形成する段階、システムの使用中に入力ス
トロークの集まりが比較される原型記号から成る第２の
集合（ＡＶＧ）を形成するために第１の集合の要素であ
る類似形態記号の１以上の特性を平均化する段階、第２
の集合の原型記号を構成ストロークに分解する段階、及
びシステムの使用中に入力ストロークが比較される第２
の集合の構成ストロークから成る第３の集合（ＳＴＫ）
を形成する段階とを含む。また、第１の集合の単一の記
号だけに対応する第２の集合の記号を識別する段階、及
び識別された記号を第２の集合から削除する段階とを含
む。
Description
【０００１】
【産業上の利用分野】本発明は、手書き文字認識システ
ム、より詳しくは、記号およびストロークの原型集合を
確立し管理するための方法に関する。
ム、より詳しくは、記号およびストロークの原型集合を
確立し管理するための方法に関する。
【０００２】
【従来の技術およびその課題】電子タブレット上で描か
れた手書き文字などの記号は、一連のｘ−ｙ座標の組に
よって表現される。手書き文字の基本単位はストローク
である。ストロークはそのそれぞれがｘ−ｙ座標によっ
て表現された点の連続としてみなされる。本明細書で使
用するストロークとは、手書き文字入力装置でペンを降
ろした状態からペンを上げた状態まで生じる筆跡である
とみなされる。文字および記号はこうしたストロークの
集まりである。
れた手書き文字などの記号は、一連のｘ−ｙ座標の組に
よって表現される。手書き文字の基本単位はストローク
である。ストロークはそのそれぞれがｘ−ｙ座標によっ
て表現された点の連続としてみなされる。本明細書で使
用するストロークとは、手書き文字入力装置でペンを降
ろした状態からペンを上げた状態まで生じる筆跡である
とみなされる。文字および記号はこうしたストロークの
集まりである。
【０００３】多くのリアルタイム手書き文字認識システ
ムは、未知の入力記号を記号の原型またはテンプレート
の集合の要素に対して照合するために曲線マッチング技
法を利用している。その場合、手書き文字認識装置の全
精度は原型集合の品質の関数であるのに対し、認識速度
は調べなければならない原型集合の要素数の関数であ
る。従って、手書き文字認識の精度および速度の両方を
最適化するリアルタイム認識システムで使用できる原型
確立方法を提供することが望ましい。この目的を達成す
るためには、原型集合が以下の特性を示さなければなら
ない。
ムは、未知の入力記号を記号の原型またはテンプレート
の集合の要素に対して照合するために曲線マッチング技
法を利用している。その場合、手書き文字認識装置の全
精度は原型集合の品質の関数であるのに対し、認識速度
は調べなければならない原型集合の要素数の関数であ
る。従って、手書き文字認識の精度および速度の両方を
最適化するリアルタイム認識システムで使用できる原型
確立方法を提供することが望ましい。この目的を達成す
るためには、原型集合が以下の特性を示さなければなら
ない。
【０００４】第１に、原型集合は十分な適用範囲を示さ
なければならない。すなわち、原型集合は、所与の文字
または記号を書く際のそれぞれの明瞭に異なる様式に対
応する要素を含んでいなければならない。これに関し
て、認識プロセスは記号表現間の変動に対処できること
が望ましい。オンラインまたはリアルタイムの手書き文
字認識の場合、原型集合は、理想的には、所与の記号を
構成する構成ストロークの数、順、方向および形状の変
動を包含していなければならない。
なければならない。すなわち、原型集合は、所与の文字
または記号を書く際のそれぞれの明瞭に異なる様式に対
応する要素を含んでいなければならない。これに関し
て、認識プロセスは記号表現間の変動に対処できること
が望ましい。オンラインまたはリアルタイムの手書き文
字認識の場合、原型集合は、理想的には、所与の記号を
構成する構成ストロークの数、順、方向および形状の変
動を包含していなければならない。
【０００５】第２に、原型集合の各要素は、対応する記
号または文字を書く際の許容可能な様式の「良好な」表
現を体現しなければならない。すなわち、原型集合は、
理想的には、異常または「異端的な」記号表現から生じ
る原型を持たないようにすべきである。本明細書で使用
される異端的表現とは、書き手によって意図されたもの
とは異なる筆跡とみなされる。
号または文字を書く際の許容可能な様式の「良好な」表
現を体現しなければならない。すなわち、原型集合は、
理想的には、異常または「異端的な」記号表現から生じ
る原型を持たないようにすべきである。本明細書で使用
される異端的表現とは、書き手によって意図されたもの
とは異なる筆跡とみなされる。
【０００６】第３に、原型集合の個々の要素は、入力さ
れた記号の構成ストロークに最も近似する集合からその
原型を選択する際に認識装置の処理負荷を軽減できるよ
うに、原型「間隔」の点で相互に十分な程度の分離また
は距離を示さなければならない。
れた記号の構成ストロークに最も近似する集合からその
原型を選択する際に認識装置の処理負荷を軽減できるよ
うに、原型「間隔」の点で相互に十分な程度の分離また
は距離を示さなければならない。
【０００７】前述の曲線マッチング技法を使用した従来
技術の手書き文字認識は、Ｗ．Ｄｏｓｔｅｒらによる
“Ｗｏｒｄ Ｐｒｏｃｅｓｓｉｎｇ ｗｉｔｈ Ｏｎ−
ｌｉｎｅ Ｓｃｒｉｐｔ Ｒｅｃｏｇｎｉｔｉｏｎ”と
題する論文（ＩＥＥＥ Ｍｉｃｒｏ．， ｖｏｌ．４，
ｐｐ． ３６−４３， １０／８４）に記載されてい
る。この論文は、手書き文字の区分化プロセスについて
説明している。入力文字は、同一数の連結線区分（ＣＬ
Ｓ）を持つ参照文字とだけ比較されるという。ＣＬＳ
は、スタイラスがタブレットに接触している間生成され
る一連の座標といわれる。著者らは、オンライン手書き
文字認識用実験プログラムには、各種処理ステップの中
間結果の解釈および表現の構成要素、および、参照記号
集合を編集するための構成要素を含んでいると述べてい
る。
技術の手書き文字認識は、Ｗ．Ｄｏｓｔｅｒらによる
“Ｗｏｒｄ Ｐｒｏｃｅｓｓｉｎｇ ｗｉｔｈ Ｏｎ−
ｌｉｎｅ Ｓｃｒｉｐｔ Ｒｅｃｏｇｎｉｔｉｏｎ”と
題する論文（ＩＥＥＥ Ｍｉｃｒｏ．， ｖｏｌ．４，
ｐｐ． ３６−４３， １０／８４）に記載されてい
る。この論文は、手書き文字の区分化プロセスについて
説明している。入力文字は、同一数の連結線区分（ＣＬ
Ｓ）を持つ参照文字とだけ比較されるという。ＣＬＳ
は、スタイラスがタブレットに接触している間生成され
る一連の座標といわれる。著者らは、オンライン手書き
文字認識用実験プログラムには、各種処理ステップの中
間結果の解釈および表現の構成要素、および、参照記号
集合を編集するための構成要素を含んでいると述べてい
る。
【０００８】曲線マッチング技法を使用した別の従来技
術の手書き文字認識は、Ｋ．Ｉｋｅｄａらによる“Ｏｎ
−ｌｉｎｅ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｈａｎｄ
−ｗｒｉｔｔｅｎ ｃｈａｒａｃｔｅｒｓ ｕｔｉｌｉ
ｚｉｎｇ ｐｏｓｉｔｉｏｎａｌ ａｎｄ ｓｔｒｏｋ
ｅ ｖｅｃｔｏｒ ｓｅｑｕｅｎｃｅｓ”と題する論文
（Ｐｒｏｃ． ４ｔｈ Ｉｎｔ． Ｊｔ． Ｃｏｎｆ．
Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ， ｐｐ．
８１３−８１５， １１／７８）に記載されている。
著者らは、ペン移動速度に関係しないサンプリングデー
タを得、ノイズデータを拒絶する空間フィルタの使用を
述べている。ストローク形状の認識は、ストロークのベ
クトル列を形状辞書と照合することによって行われる。
著者らは、入力ストロークを形状辞書の形状と照合する
際にストローク形状の類似性の概念を利用しており、ス
トローク数が基本選択のパラメータであると述べてい
る。
術の手書き文字認識は、Ｋ．Ｉｋｅｄａらによる“Ｏｎ
−ｌｉｎｅ ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｈａｎｄ
−ｗｒｉｔｔｅｎ ｃｈａｒａｃｔｅｒｓ ｕｔｉｌｉ
ｚｉｎｇ ｐｏｓｉｔｉｏｎａｌ ａｎｄ ｓｔｒｏｋ
ｅ ｖｅｃｔｏｒ ｓｅｑｕｅｎｃｅｓ”と題する論文
（Ｐｒｏｃ． ４ｔｈ Ｉｎｔ． Ｊｔ． Ｃｏｎｆ．
Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ， ｐｐ．
８１３−８１５， １１／７８）に記載されている。
著者らは、ペン移動速度に関係しないサンプリングデー
タを得、ノイズデータを拒絶する空間フィルタの使用を
述べている。ストローク形状の認識は、ストロークのベ
クトル列を形状辞書と照合することによって行われる。
著者らは、入力ストロークを形状辞書の形状と照合する
際にストローク形状の類似性の概念を利用しており、ス
トローク数が基本選択のパラメータであると述べてい
る。
【０００９】本発明の目的は、文字認識装置のオンライ
ンまたはリアルタイム動作を支援するために、十分な適
用範囲、適切な表現および相互間の十分な分離を有する
文字原型集合を確立するための方法を提供することであ
る。
ンまたはリアルタイム動作を支援するために、十分な適
用範囲、適切な表現および相互間の十分な分離を有する
文字原型集合を確立するための方法を提供することであ
る。
【００１０】本発明の第２の目的は、そのそれぞれが、
訓練セションから得られた類似形態文字の平均から成る
文字原型集合を会話的に確立し、また、そのそれぞれ
が、上記の平均化された文字原型から得られた類似形態
ストロークの平均から成るストローク原型集合を確立す
るための方法を提供することである。
訓練セションから得られた類似形態文字の平均から成る
文字原型集合を会話的に確立し、また、そのそれぞれ
が、上記の平均化された文字原型から得られた類似形態
ストロークの平均から成るストローク原型集合を確立す
るための方法を提供することである。
【００１１】
【課題を解決するための手段】本発明の目的は、手書き
文字認識システムで使用できる原型記号およびストロー
クの集合を生成する、上述の目的を遂行するための方法
および装置によって実現される。この方法は、（ａ）そ
れぞれが記号の構成ストロークである多数のストローク
を入力する段階と、（ｂ）入力されたストロークから、
１以上の記号から成る第１の集合を形成する段階と、
（ｃ）システムの使用中に入力ストロークの集まりが比
較される原型記号から成る第２の集合を形成するために
第１の集合の要素である類似形態記号の１以上の特性を
平均化する段階とを含む。
文字認識システムで使用できる原型記号およびストロー
クの集合を生成する、上述の目的を遂行するための方法
および装置によって実現される。この方法は、（ａ）そ
れぞれが記号の構成ストロークである多数のストローク
を入力する段階と、（ｂ）入力されたストロークから、
１以上の記号から成る第１の集合を形成する段階と、
（ｃ）システムの使用中に入力ストロークの集まりが比
較される原型記号から成る第２の集合を形成するために
第１の集合の要素である類似形態記号の１以上の特性を
平均化する段階とを含む。
【００１２】この方法は、また、（ｄ）第１の集合の単
一の記号だけに対応する第２の集合の記号を識別する段
階と、（ｅ）識別された記号を第２の集合から削除する
段階とを含む。
一の記号だけに対応する第２の集合の記号を識別する段
階と、（ｅ）識別された記号を第２の集合から削除する
段階とを含む。
【００１３】この方法は、さらに、（ｆ）第２の集合の
原型記号を構成ストロークに分解する段階と、（ｇ）シ
ステムの使用中に入力ストロークが比較される第２の集
合の構成ストロークから成る第３の集合を形成する段階
とを含む。第３の集合を形成する段階は、類似形態構成
ストロークの１以上の特性を平均化する段階を含む。
原型記号を構成ストロークに分解する段階と、（ｇ）シ
ステムの使用中に入力ストロークが比較される第２の集
合の構成ストロークから成る第３の集合を形成する段階
とを含む。第３の集合を形成する段階は、類似形態構成
ストロークの１以上の特性を平均化する段階を含む。
【００１４】さらに本発明に従えば、手書き文字認識シ
ステムの原型管理機能に対してユーザが会話的にコマン
ドを入力し、情報を受け取ることができる記号およびス
トロークの原型集合を確立する方法が提供される。
ステムの原型管理機能に対してユーザが会話的にコマン
ドを入力し、情報を受け取ることができる記号およびス
トロークの原型集合を確立する方法が提供される。
【００１５】
【実施例】図１について説明する。電子タブレット１４
と文字認識装置１８との間に結合された区分化プロセッ
サ１２を含む文字認識システム１０のブロック図であ
る。タブレット１４は、多数の市販で入手できる適切な
電子タブレットのいずれかとすることができる。タブレ
ット１４は、関連するスタイラスまたはペン１５を有し
ており、これによってユーザは、タブレット１４の表面
に、ペンを降ろした位置から、活字体またはスクリプト
体の英数文字などの記号を描くことができる。タブレッ
ト１４は、ｘ−ｙ座標系でペン１５の位置を表すｘ軸お
よびｙ軸出力信号を有する。ストローク捕捉装置１６
は、区分化プロセッサ１２のためのｘ−ｙ位置の組のデ
ータを生成するためにタブレットからのｘ−ｙ出力を捕
捉するソフトウエアタスクとすることができる。区分化
プロセッサ１２の出力は、連結ストロークおよび非連結
ストロークを表すデータである。この出力データは文字
認識装置１８に入力される。文字認識装置１８は、区分
化されたストロークの連結群の同一性を判定するために
動作し、英数文字などの識別された記号を表す出力１８
ａを有する。本発明は、文字認識装置１８のこの動作に
意を向ける。
と文字認識装置１８との間に結合された区分化プロセッ
サ１２を含む文字認識システム１０のブロック図であ
る。タブレット１４は、多数の市販で入手できる適切な
電子タブレットのいずれかとすることができる。タブレ
ット１４は、関連するスタイラスまたはペン１５を有し
ており、これによってユーザは、タブレット１４の表面
に、ペンを降ろした位置から、活字体またはスクリプト
体の英数文字などの記号を描くことができる。タブレッ
ト１４は、ｘ−ｙ座標系でペン１５の位置を表すｘ軸お
よびｙ軸出力信号を有する。ストローク捕捉装置１６
は、区分化プロセッサ１２のためのｘ−ｙ位置の組のデ
ータを生成するためにタブレットからのｘ−ｙ出力を捕
捉するソフトウエアタスクとすることができる。区分化
プロセッサ１２の出力は、連結ストロークおよび非連結
ストロークを表すデータである。この出力データは文字
認識装置１８に入力される。文字認識装置１８は、区分
化されたストロークの連結群の同一性を判定するために
動作し、英数文字などの識別された記号を表す出力１８
ａを有する。本発明は、文字認識装置１８のこの動作に
意を向ける。
【００１６】個別の機能として図示されているが、区分
化プロセッサ１２、ストローク捕捉装置１６および文字
認識装置１８はすべて、単一のデータ処理システムで走
行できるプログラムモジュールとして実施することが可
能である点を理解すべきである。現在好ましいハードウ
エアプラットフォームには、ＡＩＸのもとで走行するＩ
ＢＭ ＲＴ−ＰＣおよびＯＳ／２のもとで走行するＩＢ
Ｍ ＰＳ／２がある。（ＩＢＭ，ＲＴ−ＰＣ，ＰＳ／
２，ＡＩＸおよびＯＳ／２はすべてインターナショナル
・ビジネス・マシンズ・コーポレーションの登録商標で
ある）。
化プロセッサ１２、ストローク捕捉装置１６および文字
認識装置１８はすべて、単一のデータ処理システムで走
行できるプログラムモジュールとして実施することが可
能である点を理解すべきである。現在好ましいハードウ
エアプラットフォームには、ＡＩＸのもとで走行するＩ
ＢＭ ＲＴ−ＰＣおよびＯＳ／２のもとで走行するＩＢ
Ｍ ＰＳ／２がある。（ＩＢＭ，ＲＴ−ＰＣ，ＰＳ／
２，ＡＩＸおよびＯＳ／２はすべてインターナショナル
・ビジネス・マシンズ・コーポレーションの登録商標で
ある）。
【００１７】また、本発明が教示するところは所与の記
号が１以上のストロークから成る多数の手書き記号の認
識に適用可能であることも理解すべきである。本発明が
教示するところを利用することにより、システム１０
は、各種言語の手書き文字に関する記号および数学その
他の形式の記号も容易に認識可能となるであろう。
号が１以上のストロークから成る多数の手書き記号の認
識に適用可能であることも理解すべきである。本発明が
教示するところを利用することにより、システム１０
は、各種言語の手書き文字に関する記号および数学その
他の形式の記号も容易に認識可能となるであろう。
【００１８】次に図２について説明する。システム１０
の実施例を示すブロック図である。文字認識機能２４
は、使用中、アプリケーションプログラム２０と双方向
的に結合され、認識文字１８ａをアプリケーションプロ
グラム２０に供給し、また、これを介してタブレット１
４からストロークが渡される。アプリケーションプログ
ラム２０の機能にもよるが、このアプリケーションプロ
グラムは、文字認識機能２４にストロークを選択的に渡
すためのフィルタ２０ａを含むこともできる。例えば、
テキスト編集アプリケーションの場合、テキスト本文内
に位置する手書き記号はテキスト挿入物とみなされる
が、余白領域内にある記号は編集機能または注釈を指示
するとみなすようにすることができる。アプリケーショ
ン２０は、挿入テキストとみなされたものに関係するス
トロークだけを文字認識機能２４に渡し、編集機能とみ
なされたものに関係するストロークを除外することがで
きる。一般に、アプリケーションプログラム２０は、認
識文字を利用する、または、何らかの形で消費するいず
れかのプログラムであろう。本発明の一面に従えば、文
字およびストロークの原型確立において、アプリケーシ
ョンプログラム２０は、以下に説明するように原型管理
プログラム２２と会話的に動作する。
の実施例を示すブロック図である。文字認識機能２４
は、使用中、アプリケーションプログラム２０と双方向
的に結合され、認識文字１８ａをアプリケーションプロ
グラム２０に供給し、また、これを介してタブレット１
４からストロークが渡される。アプリケーションプログ
ラム２０の機能にもよるが、このアプリケーションプロ
グラムは、文字認識機能２４にストロークを選択的に渡
すためのフィルタ２０ａを含むこともできる。例えば、
テキスト編集アプリケーションの場合、テキスト本文内
に位置する手書き記号はテキスト挿入物とみなされる
が、余白領域内にある記号は編集機能または注釈を指示
するとみなすようにすることができる。アプリケーショ
ン２０は、挿入テキストとみなされたものに関係するス
トロークだけを文字認識機能２４に渡し、編集機能とみ
なされたものに関係するストロークを除外することがで
きる。一般に、アプリケーションプログラム２０は、認
識文字を利用する、または、何らかの形で消費するいず
れかのプログラムであろう。本発明の一面に従えば、文
字およびストロークの原型確立において、アプリケーシ
ョンプログラム２０は、以下に説明するように原型管理
プログラム２２と会話的に動作する。
【００１９】システム１０は、区分化プロセッサ１２か
らの入力ストロークをローカルのオンライン原型記憶装
置２６内に記憶された原型ストロークおよび文字と比較
する動作を行う前述の認識機能２４を有している。
らの入力ストロークをローカルのオンライン原型記憶装
置２６内に記憶された原型ストロークおよび文字と比較
する動作を行う前述の認識機能２４を有している。
【００２０】原型管理プログラム２２は、データベース
管理プログラム、および、ストロークおよび文字の原型
集合を確立するために使用される関係機能の集まりから
成っている。原型管理プログラム２２の機能は、原型の
生成および維持において使用されるアプリケーション２
０によって呼び出される。原型管理プログラム２２は、
原型記憶装置２６および、原型集合のオフライン記憶お
よび制御にアクセスする関連ファイル入出力装置（Ｉ／
Ｏ）２８を制御するために動作する。
管理プログラム、および、ストロークおよび文字の原型
集合を確立するために使用される関係機能の集まりから
成っている。原型管理プログラム２２の機能は、原型の
生成および維持において使用されるアプリケーション２
０によって呼び出される。原型管理プログラム２２は、
原型記憶装置２６および、原型集合のオフライン記憶お
よび制御にアクセスする関連ファイル入出力装置（Ｉ／
Ｏ）２８を制御するために動作する。
【００２１】原型管理プログラム２２は、アプリケーシ
ョン２０の制御のもとで、原型を生成、編集および削除
するために、また、原型問い合わせ機能を実行するため
に動作する。現在好ましい実施例では、原型管理プログ
ラムはＣプログラム言語で書かれた多数の機能から成
り、これらの機能はアプリケーション２０を通じてオペ
レータによって呼び出される。この原型管理プログラム
２２の機能については以下で説明する。本実施例では、
アプリケーション２０は原型管理プログラム２２のオペ
レータインタフェースとして機能し、アプリケーション
２０はさらに、オペレータ表示端末装置２０ｂおよびキ
ーボード２０ｃなどのオペレータ入力装置と結合されて
いる。
ョン２０の制御のもとで、原型を生成、編集および削除
するために、また、原型問い合わせ機能を実行するため
に動作する。現在好ましい実施例では、原型管理プログ
ラムはＣプログラム言語で書かれた多数の機能から成
り、これらの機能はアプリケーション２０を通じてオペ
レータによって呼び出される。この原型管理プログラム
２２の機能については以下で説明する。本実施例では、
アプリケーション２０は原型管理プログラム２２のオペ
レータインタフェースとして機能し、アプリケーション
２０はさらに、オペレータ表示端末装置２０ｂおよびキ
ーボード２０ｃなどのオペレータ入力装置と結合されて
いる。
【００２２】また、原型管理プログラム２２は、原型平
均化、ストローク分解およびストローク分類を実行する
ことによって原型を圧縮し最適化するために動作する。
原型管理プログラム２２のこれらの各種動作は以下でさ
らに詳述する。
均化、ストローク分解およびストローク分類を実行する
ことによって原型を圧縮し最適化するために動作する。
原型管理プログラム２２のこれらの各種動作は以下でさ
らに詳述する。
【００２３】図３は、原型管理プログラム２２に入力を
行うために使用される入力訓練形式３０の例を示す。文
字「Ａ」、「Ｅ」、「Ｈ」および「Ｔ」から成る例示し
た語彙の訓練セションにおいて、被験者は訓練用サンプ
ル３０ａが与えられる。被験者は、スタイラス１５を用
いてタブレット１４上に、手書き文字３０ｂを構成する
多数のストロークを作成するために訓練用サンプル３０
ａの個々のラベル付き記号を書く。ストロークは捕捉さ
れ、区分化され、認識機能２４に送られる。文字３０ｂ
が接触していない、つまり「続き文字」になっていない
通常の訓練セションでは、認識機能２４は、そのストロ
ークを入力し、訓練用サンプル３０ａの既知のラベルに
もとづいてデフォールトの文字認識を実行し、認識文字
を記憶および処理のために原型管理プログラム２２に送
る。しかし、文字３０ｂが続き文字になっているように
書かれていても、認識機能２４は、続き文字を分離し既
知のラベルで関係づけるためにいずれかの既存の原型を
利用することもできる。
行うために使用される入力訓練形式３０の例を示す。文
字「Ａ」、「Ｅ」、「Ｈ」および「Ｔ」から成る例示し
た語彙の訓練セションにおいて、被験者は訓練用サンプ
ル３０ａが与えられる。被験者は、スタイラス１５を用
いてタブレット１４上に、手書き文字３０ｂを構成する
多数のストロークを作成するために訓練用サンプル３０
ａの個々のラベル付き記号を書く。ストロークは捕捉さ
れ、区分化され、認識機能２４に送られる。文字３０ｂ
が接触していない、つまり「続き文字」になっていない
通常の訓練セションでは、認識機能２４は、そのストロ
ークを入力し、訓練用サンプル３０ａの既知のラベルに
もとづいてデフォールトの文字認識を実行し、認識文字
を記憶および処理のために原型管理プログラム２２に送
る。しかし、文字３０ｂが続き文字になっているように
書かれていても、認識機能２４は、続き文字を分離し既
知のラベルで関係づけるためにいずれかの既存の原型を
利用することもできる。
【００２４】図４は、「ＣＨＲ」の列として、図３の訓
練入力からの９文字が示されている。これらの文字は、
上から下に受信された順で並んでいる。各ＣＨＲ文字
は、文字ラベル、その文字のストローク数、識別番号、
タブレット１４の座標単位での通常の大文字の高さ、タ
ブレット１４の座標単位で表された関係する並び線の
値、タブレット１４の分解能およびサンプリングレー
ト、および、各ストロークに関するｘ−ｙ座標の組また
は点の数を含むデータ構造によって表現されている。こ
のデータ構造はまた、各ストロークに関する、タブレッ
ト１４の座標系に参照づけられた多数のｘ−ｙ座標値も
含んでいる。この座標値はタブレット１４から受信され
る。
練入力からの９文字が示されている。これらの文字は、
上から下に受信された順で並んでいる。各ＣＨＲ文字
は、文字ラベル、その文字のストローク数、識別番号、
タブレット１４の座標単位での通常の大文字の高さ、タ
ブレット１４の座標単位で表された関係する並び線の
値、タブレット１４の分解能およびサンプリングレー
ト、および、各ストロークに関するｘ−ｙ座標の組また
は点の数を含むデータ構造によって表現されている。こ
のデータ構造はまた、各ストロークに関する、タブレッ
ト１４の座標系に参照づけられた多数のｘ−ｙ座標値も
含んでいる。この座標値はタブレット１４から受信され
る。
【００２５】「ＡＶＧ」と名づけられた列には、それら
の９の入力ＣＨＲ文字から原型管理プログラム２２によ
って生成された原型集合の結果として得られた５の要素
が示されている。本発明の一面に従えば、原型管理プロ
グラム２２は、各自の関連ラベルにより同一文字を表現
していると識別されたＣＨＲ文字の各ストロークの１以
上のストローク特性（好ましくは、対応するストローク
点のｘ−ｙ座標）を平均化する。これらの平均化された
文字の原型がＡＶＧ原型集合を成す。後述のように、平
均化するＣＨＲ文字を選択する際の別な検討事項は、同
一ラベルを有するＣＨＲ文字が形状においても類似して
いることである。
の９の入力ＣＨＲ文字から原型管理プログラム２２によ
って生成された原型集合の結果として得られた５の要素
が示されている。本発明の一面に従えば、原型管理プロ
グラム２２は、各自の関連ラベルにより同一文字を表現
していると識別されたＣＨＲ文字の各ストロークの１以
上のストローク特性（好ましくは、対応するストローク
点のｘ−ｙ座標）を平均化する。これらの平均化された
文字の原型がＡＶＧ原型集合を成す。後述のように、平
均化するＣＨＲ文字を選択する際の別な検討事項は、同
一ラベルを有するＣＨＲ文字が形状においても類似して
いることである。
【００２６】例えば、第１のＣＨＲ文字の場合１文字だ
けが認識され、第１のＡＶＧ原型文字を生成する際の平
均化はまったく行われない。第２および第８のＣＨＲ文
字は、平均化されて第２のＡＶＧ原型文字を得る。第
３、第４および第９のＣＨＲ文字は、平均化されて第３
のＡＶＧ原型文字をを得る。第５および第７のＣＨＲ文
字は、平均化されて第４のＡＶＧ原型文字をを得る。
けが認識され、第１のＡＶＧ原型文字を生成する際の平
均化はまったく行われない。第２および第８のＣＨＲ文
字は、平均化されて第２のＡＶＧ原型文字を得る。第
３、第４および第９のＣＨＲ文字は、平均化されて第３
のＡＶＧ原型文字をを得る。第５および第７のＣＨＲ文
字は、平均化されて第４のＡＶＧ原型文字をを得る。
【００２７】第５のＡＶＧ原型文字は第６のＣＨＲ文字
に対応している。第１および第６のＣＨＲ文字はそれぞ
れ文字「Ｅ」を表しており、それぞれ同一のラベルを有
することがわかる。しかし、ストローク形成の相違また
は何らかのタブレット１４に起因する歪みが、この２文
字を閾誤差値の範囲内に適合させる、後述の柔軟マッチ
ング技法の失敗をもたらしている。その結果、第１およ
び第６のＣＨＲ文字の両者は同一のラベルを有している
にもかかわらず、異なるＡＶＧ原型に関連づけられてい
る。
に対応している。第１および第６のＣＨＲ文字はそれぞ
れ文字「Ｅ」を表しており、それぞれ同一のラベルを有
することがわかる。しかし、ストローク形成の相違また
は何らかのタブレット１４に起因する歪みが、この２文
字を閾誤差値の範囲内に適合させる、後述の柔軟マッチ
ング技法の失敗をもたらしている。その結果、第１およ
び第６のＣＨＲ文字の両者は同一のラベルを有している
にもかかわらず、異なるＡＶＧ原型に関連づけられてい
る。
【００２８】限定された訓練集合により、これらの２の
ＣＨＲ文字のいずれか一方は「異端的」文字とみなされ
るかもしれない。既知の訓練サンプルに関係づけられな
い区分化ストロークを処理する際に文字認識機能２４の
以後の動作の低下を防止するために、これらの２の対応
するＡＶＧ原型の一方を削除することが望ましい場合が
ある。異端的ＣＨＲ文字に対応するＡＶＧ原型の削除に
ついては後述する。
ＣＨＲ文字のいずれか一方は「異端的」文字とみなされ
るかもしれない。既知の訓練サンプルに関係づけられな
い区分化ストロークを処理する際に文字認識機能２４の
以後の動作の低下を防止するために、これらの２の対応
するＡＶＧ原型の一方を削除することが望ましい場合が
ある。異端的ＣＨＲ文字に対応するＡＶＧ原型の削除に
ついては後述する。
【００２９】平均化は、ストローク単位で実行される。
平均化の一方法は線形法であり、この方法では、平均化
すべきＣＨＲ集合からの各ストロークが固定数の点に対
してリサンプリングされ、２以上のストロークからの対
応する点が共に平均化される。本発明の現在好ましい実
施例は、“Ａｄａｐｔｉｖｅ ｏｎ−ｌｉｎｅ ｈａｎ
ｄｗｒｉｔｔｉｎｇ ｒｅｃｏｇｎｉｔｉｏｎ”（Ｐｒ
ｏｃ． ７ｔｈ Ｉｎｔ． Ｃｏｎｆ． Ｐａｔｔｅｒ
ｎ Ｒｅｃｏｇｎｉｔｉｏｎ， ｐｐ． １００４−１
００７， １９８４）においてＣｈａｒｌｅｓ Ｃ．
Ｔａｐｐｅｒｔにより述べられた形式の柔軟マッチング
技法である。柔軟マッチング技法は、リサンプリングを
行わずに本来の点の適切な対応を判断する。その後、対
応する本来の点が平均化される。
平均化の一方法は線形法であり、この方法では、平均化
すべきＣＨＲ集合からの各ストロークが固定数の点に対
してリサンプリングされ、２以上のストロークからの対
応する点が共に平均化される。本発明の現在好ましい実
施例は、“Ａｄａｐｔｉｖｅ ｏｎ−ｌｉｎｅ ｈａｎ
ｄｗｒｉｔｔｉｎｇ ｒｅｃｏｇｎｉｔｉｏｎ”（Ｐｒ
ｏｃ． ７ｔｈ Ｉｎｔ． Ｃｏｎｆ． Ｐａｔｔｅｒ
ｎ Ｒｅｃｏｇｎｉｔｉｏｎ， ｐｐ． １００４−１
００７， １９８４）においてＣｈａｒｌｅｓ Ｃ．
Ｔａｐｐｅｒｔにより述べられた形式の柔軟マッチング
技法である。柔軟マッチング技法は、リサンプリングを
行わずに本来の点の適切な対応を判断する。その後、対
応する本来の点が平均化される。
【００３０】図７は、柔軟マッチング技法によって比較
される２のストローク（Ｓ１およびＳ２）のそれぞれの
長さについてプロットされた３のストローク特性、詳し
くはｘ，ｙおよびｐｈｉ（φ）をグラフにより示してい
る。Ｐｈｉは、ストローク曲線に対するタンジェントの
傾斜角度であり、ｘ−ｙデータから得られる。２の曲線
の点の間の差、すなわち誤差が経験的に決定された閾値
を超えた場合、その２のストローク、恐らくその２のス
トロークが構成要素である２の文字は、非一致とみなす
ことができるように相互に十分に区別されるとみなされ
る。
される２のストローク（Ｓ１およびＳ２）のそれぞれの
長さについてプロットされた３のストローク特性、詳し
くはｘ，ｙおよびｐｈｉ（φ）をグラフにより示してい
る。Ｐｈｉは、ストローク曲線に対するタンジェントの
傾斜角度であり、ｘ−ｙデータから得られる。２の曲線
の点の間の差、すなわち誤差が経験的に決定された閾値
を超えた場合、その２のストローク、恐らくその２のス
トロークが構成要素である２の文字は、非一致とみなす
ことができるように相互に十分に区別されるとみなされ
る。
【００３１】ＡＧＶ原型文字はそれぞれ、ＣＨＲ文字に
ついて上述した構造と形式の点で事実上同一であるデー
タ構造によって表現される。しかし、構成ストロークの
ｘ−ｙ座標の組の値が平均化技法から得られ、ユーザに
よる生の入力によるものではないとい点で、そのデータ
の内容には著しい差異がある。
ついて上述した構造と形式の点で事実上同一であるデー
タ構造によって表現される。しかし、構成ストロークの
ｘ−ｙ座標の組の値が平均化技法から得られ、ユーザに
よる生の入力によるものではないとい点で、そのデータ
の内容には著しい差異がある。
【００３２】さらに、本発明に従えば、ＡＧＶ集合の文
字は、図５に示すように、６構成ストローク（ＳＴＫ）
に連続的に分解される。ＡＧＶ原型集合およびＳＴＫ原
型集合は、それぞれ、文字原型およびストローク原型と
して認識機能２４によって使用されるために原型記憶装
置に記憶される。原型集合のオフライン記憶は、ファイ
ル入出力装置２８によっても行われる。
字は、図５に示すように、６構成ストローク（ＳＴＫ）
に連続的に分解される。ＡＧＶ原型集合およびＳＴＫ原
型集合は、それぞれ、文字原型およびストローク原型と
して認識機能２４によって使用されるために原型記憶装
置に記憶される。原型集合のオフライン記憶は、ファイ
ル入出力装置２８によっても行われる。
【００３３】ＳＴＫ集合の平均化ストロークは、文字認
識プロセスにおいて認識機能２４によって利用される。
区分化プロセッサ１２からのストローク入力は、そのそ
れぞれが「１／２ Ａ」などの記号の断片に対応する、
記憶されたＳＴＫ原型集合と比較される。ここで使用さ
れる、表記「１／２ Ａ」は、大文字「Ａ」の２ストロ
ークのうちの第１ストローク（１／２）を指示するもの
と取り決める。同様に、表記「３／３ Ｈ」は大文字
「Ｈ」の３ストロークのうちの第３ストローク（３／
３）を指示する。また、図示した訓練用サンプル３０ａ
には表現されていないが、「１／１ Ｃ」は大文字
「Ｃ」の第１のかつ唯一のストロークを指示する。
識プロセスにおいて認識機能２４によって利用される。
区分化プロセッサ１２からのストローク入力は、そのそ
れぞれが「１／２ Ａ」などの記号の断片に対応する、
記憶されたＳＴＫ原型集合と比較される。ここで使用さ
れる、表記「１／２ Ａ」は、大文字「Ａ」の２ストロ
ークのうちの第１ストローク（１／２）を指示するもの
と取り決める。同様に、表記「３／３ Ｈ」は大文字
「Ｈ」の３ストロークのうちの第３ストローク（３／
３）を指示する。また、図示した訓練用サンプル３０ａ
には表現されていないが、「１／１ Ｃ」は大文字
「Ｃ」の第１のかつ唯一のストロークを指示する。
【００３４】図５に示した例の場合、ストローク番号１
（ＳＴＫ１）は、第１のＡＧＶ文字（Ｅ１）の第１スト
ロークに関係づけられる。ストローク番号２は、（Ｅ
１）の第２ストローク、（Ｅ１）の第３ストローク、
（Ａ２）の第２ストローク、（Ｈ４）の第２ストローク
および（Ｅ５）の第２ストロークに関係づけられる。Ｓ
ＴＫ１およびＳＴＫ６は、異なるように形成されたとみ
なすことができ、両者とも「Ｅ」の第１ストロークを表
現するものではあるが、それぞれ、（Ｅ１）および（Ｅ
５）の第１ストロークに関係づけられている。
（ＳＴＫ１）は、第１のＡＧＶ文字（Ｅ１）の第１スト
ロークに関係づけられる。ストローク番号２は、（Ｅ
１）の第２ストローク、（Ｅ１）の第３ストローク、
（Ａ２）の第２ストローク、（Ｈ４）の第２ストローク
および（Ｅ５）の第２ストロークに関係づけられる。Ｓ
ＴＫ１およびＳＴＫ６は、異なるように形成されたとみ
なすことができ、両者とも「Ｅ」の第１ストロークを表
現するものではあるが、それぞれ、（Ｅ１）および（Ｅ
５）の第１ストロークに関係づけられている。
【００３５】認識機能２４による使用において、生成さ
れた各入力ストロークは、各自に関する「スコア」すな
わち、入力ストロークとＳＴＫ集合の対応するストロー
ク原型の一つとの間の非類似性の程度を指示するための
値を有する。入力ストロークはＳＴＫ原型と比較され、
ストロークの集まりに最も確からしく対応する文字を選
択するためにＡＶＧ原型と比較されるストロークの集ま
りに蓄積される。認識された文字１８ａは、以降の処理
のためにアプリケーション２０に順次出力される。〔認
識文字１８ａを生成するための現在好ましい技法は、Ｔ
ｅｔｓｕｎｏｓｋｅ Ｆｕｊｉｓａｋｉによる“Ｃｏｎ
ｓｔｒａｉｎｔ Ｄｒｉｖｅｎ Ｏｎ−ｌｉｎｅ Ｒｅ
ｃｏｇｎｉｔｉｏｎ ｈａｎｄｗｒｉｔｔｅｎ Ｃｈａ
ｒａｃｔｅｒｓ ａｎｄ Ｓｙｍｂｏｌｓ”と題する１
９９０年２月２日出願の共同譲渡された米国特許出願番
号第０７／４７４，２７１号に開示されている。〕図３
には、限定された訓練用語彙しか示されていないが、実
際には、適切な原型適用範囲を得るために、システム１
０の特定のユーザにより作成された手書きサンプルから
の相当量の文字原型を収集することが行われる。完全な
原型の適用範囲は、予想されるすべての文字入力を含む
訓練用集合について訓練し、また、その原型集合を付加
的な手書き文字により定期的に更新することによって得
られる。
れた各入力ストロークは、各自に関する「スコア」すな
わち、入力ストロークとＳＴＫ集合の対応するストロー
ク原型の一つとの間の非類似性の程度を指示するための
値を有する。入力ストロークはＳＴＫ原型と比較され、
ストロークの集まりに最も確からしく対応する文字を選
択するためにＡＶＧ原型と比較されるストロークの集ま
りに蓄積される。認識された文字１８ａは、以降の処理
のためにアプリケーション２０に順次出力される。〔認
識文字１８ａを生成するための現在好ましい技法は、Ｔ
ｅｔｓｕｎｏｓｋｅ Ｆｕｊｉｓａｋｉによる“Ｃｏｎ
ｓｔｒａｉｎｔ Ｄｒｉｖｅｎ Ｏｎ−ｌｉｎｅ Ｒｅ
ｃｏｇｎｉｔｉｏｎ ｈａｎｄｗｒｉｔｔｅｎ Ｃｈａ
ｒａｃｔｅｒｓ ａｎｄ Ｓｙｍｂｏｌｓ”と題する１
９９０年２月２日出願の共同譲渡された米国特許出願番
号第０７／４７４，２７１号に開示されている。〕図３
には、限定された訓練用語彙しか示されていないが、実
際には、適切な原型適用範囲を得るために、システム１
０の特定のユーザにより作成された手書きサンプルから
の相当量の文字原型を収集することが行われる。完全な
原型の適用範囲は、予想されるすべての文字入力を含む
訓練用集合について訓練し、また、その原型集合を付加
的な手書き文字により定期的に更新することによって得
られる。
【００３６】十分な原型表現を得るために、文字の示差
的な変動を表現するために多数の類似的に書かれた文字
を平均化することが行われる。ＡＶＧ原型は、既定のマ
ッチング閾値範囲内で、同一のストロークラベルおよび
ストローク数であり、かつ、既定の閾値内に従って類似
の形状を有するＣＨＲ文字を平均化することによって形
成される。例えば、２の類似形状を有する２ストローク
文字「Ａ」（ＣＨＲ２およびＣＨＲ８）は平均化されて
１原型（ＡＶＧ２）を得るが、異なる形状を有する文字
「Ｅ」（ＣＨＲ１およびＣＨＲ６）は、ともに平均化さ
れず、２の原型（ＡＶＧ１およびＡＶＧ５）を生成す
る。一般に、平均化された原型文字は関係するＣＨＲ文
字のいずれよりもいっそう規則的な形状を有する。この
平均化機能は、後述するように、大域的または増分的に
実施することができる。
的な変動を表現するために多数の類似的に書かれた文字
を平均化することが行われる。ＡＶＧ原型は、既定のマ
ッチング閾値範囲内で、同一のストロークラベルおよび
ストローク数であり、かつ、既定の閾値内に従って類似
の形状を有するＣＨＲ文字を平均化することによって形
成される。例えば、２の類似形状を有する２ストローク
文字「Ａ」（ＣＨＲ２およびＣＨＲ８）は平均化されて
１原型（ＡＶＧ２）を得るが、異なる形状を有する文字
「Ｅ」（ＣＨＲ１およびＣＨＲ６）は、ともに平均化さ
れず、２の原型（ＡＶＧ１およびＡＶＧ５）を生成す
る。一般に、平均化された原型文字は関係するＣＨＲ文
字のいずれよりもいっそう規則的な形状を有する。この
平均化機能は、後述するように、大域的または増分的に
実施することができる。
【００３７】大域的平均化法は、ＣＨＲ文字の集合全体
について大域的に原型管理プログラム２２によって実行
される一方、異なる文字ラベルを有する隣接文字とのマ
ッチング距離は無視する。すなわち、同一文字ラベルを
有しており、類似的に書かれたすべてのＣＨＲ訓練用文
字がストローク単位で平均化される。
について大域的に原型管理プログラム２２によって実行
される一方、異なる文字ラベルを有する隣接文字とのマ
ッチング距離は無視する。すなわち、同一文字ラベルを
有しており、類似的に書かれたすべてのＣＨＲ訓練用文
字がストローク単位で平均化される。
【００３８】増分的平均化法は、各ＣＨＲ訓練用文字を
逐次的に処理する。あるＣＨＲ文字は、それが新しいラ
ベルに関係づけられる場合、または、その集合に既存す
る同一ラベルの他のＡＶＧ文字の閾値を外れた場合に、
ＡＶＧ集合に付加される。それ以外は、その文字は同一
ラベルを有する最近似原型文字に平均化される。この方
法は、異なるラベルを有する類似文字とのマッチング距
離を考慮しており、また、「Ｕ」と「Ｖ」、「Ａ」と
「Ｈ」などのような類似形状を有する異なる文字の原型
をより自由に生成する。その上、全部のＣＨＲ集合を記
憶する必要がないので、大域的平均化法にまさる記憶要
求量の低減が得られる。その代わり、平均化は、ＣＨＲ
文字が逐次受信された時に、重み付き平均化技法によっ
て実行される。すなわち、すでにＡＶＧ原型に平均化さ
れたＣＨＲ文字数の記録が維持され、そのＡＶＧ原型は
新しいＣＨＲ文字によって平均化される際にその数で重
み付けられる。従って、最適形状に満たない後から形成
されたＣＨＲ文字が、対応する原型に不当に偏ることは
ない。
逐次的に処理する。あるＣＨＲ文字は、それが新しいラ
ベルに関係づけられる場合、または、その集合に既存す
る同一ラベルの他のＡＶＧ文字の閾値を外れた場合に、
ＡＶＧ集合に付加される。それ以外は、その文字は同一
ラベルを有する最近似原型文字に平均化される。この方
法は、異なるラベルを有する類似文字とのマッチング距
離を考慮しており、また、「Ｕ」と「Ｖ」、「Ａ」と
「Ｈ」などのような類似形状を有する異なる文字の原型
をより自由に生成する。その上、全部のＣＨＲ集合を記
憶する必要がないので、大域的平均化法にまさる記憶要
求量の低減が得られる。その代わり、平均化は、ＣＨＲ
文字が逐次受信された時に、重み付き平均化技法によっ
て実行される。すなわち、すでにＡＶＧ原型に平均化さ
れたＣＨＲ文字数の記録が維持され、そのＡＶＧ原型は
新しいＣＨＲ文字によって平均化される際にその数で重
み付けられる。従って、最適形状に満たない後から形成
されたＣＨＲ文字が、対応する原型に不当に偏ることは
ない。
【００３９】増分的に平均化する際にＣＨＲ文字を保存
する必要はまったくないが、実際には、ＣＨＲ訓練用集
合を保存することに利益がある点に注意すべきである。
例えば、後述する原型管理プログラムの１機能（Ｏｒｉ
ｇ）は、指定されたＡＶＧ原型を生じたＣＨＲ文字をユ
ーザに対して表示する。その場合、この機能は、ＣＨＲ
文字が平均化プロセスの開始または完了後に使用可能と
なっていることに依存し、それらのＣＨＲ文字が保存お
よび記憶されている場合にのみうまく呼び出すことがで
きる。
する必要はまったくないが、実際には、ＣＨＲ訓練用集
合を保存することに利益がある点に注意すべきである。
例えば、後述する原型管理プログラムの１機能（Ｏｒｉ
ｇ）は、指定されたＡＶＧ原型を生じたＣＨＲ文字をユ
ーザに対して表示する。その場合、この機能は、ＣＨＲ
文字が平均化プロセスの開始または完了後に使用可能と
なっていることに依存し、それらのＣＨＲ文字が保存お
よび記憶されている場合にのみうまく呼び出すことがで
きる。
【００４０】本発明の別の一面に従えば、平均化された
ＡＶＧ文字原型集合は、その後、ＳＴＫ原型を生成する
ために原型管理プログラム２２によって処理される。こ
の処理には、ＡＶＧ文字原型を各自の構成ストロークに
分解する方法を伴い、それらの構成ストロークは各ＡＶ
Ｇ原型に関係づけられた前述のデータ構造内で個別に表
現されていることを忘れてはならない。例えば、ＡＶＧ
原型「Ｈ４」は、構成ストロークラベル「１／３
Ｈ」、「２／３ Ｈ」および「３／３ Ｈ」に分解さ
れ、各ストロークラベルの対応する平均化ｘ−ｙ座標情
報は、ＳＴＫ原型集合内で表現されている。
ＡＶＧ文字原型集合は、その後、ＳＴＫ原型を生成する
ために原型管理プログラム２２によって処理される。こ
の処理には、ＡＶＧ文字原型を各自の構成ストロークに
分解する方法を伴い、それらの構成ストロークは各ＡＶ
Ｇ原型に関係づけられた前述のデータ構造内で個別に表
現されていることを忘れてはならない。例えば、ＡＶＧ
原型「Ｈ４」は、構成ストロークラベル「１／３
Ｈ」、「２／３ Ｈ」および「３／３ Ｈ」に分解さ
れ、各ストロークラベルの対応する平均化ｘ−ｙ座標情
報は、ＳＴＫ原型集合内で表現されている。
【００４１】原型管理プログラム２２は、異なるストロ
ークラベルを有する類似形状ストロークを平均化するス
トローク分類またはクラスタ化技法によってＳＴＫ集合
をさらに最適化するために動作する。例えば、垂直スト
ローク原型「ＳＴＫ３」は、文字「Ｔ」および「Ｈ」の
垂直ストロークを指示するストロークラベルを有する。
この場合、これらの文字のそれぞれの垂直ストローク
は、他のすべての垂直ストロークと組み合わされて平均
化され、入力ストロークが比較される単一の「垂直スト
ローク」というラベルを有するストローク原型を得る。
同様にして、文字「Ｅ」、「Ａ」、「Ｈ」および「Ｔ」
の水平ストロークも組み合わされて平均化され、「水平
ストローク」というラベルを有するストローク原型が生
成される。「水平ストローク」というラベルを有するス
トローク原型は、ＡＶＧ Ｅ５の３ストロークのうちの
第３ストロークからも生じる。拡張された語彙による以
後の訓練の後、「垂直ストローク」ラベルは、例えば、
１／２ Ｂ，１／２ Ｄ，１／３ Ｎ，３／３ Ｎなど
とも関係づけられるであろう。
ークラベルを有する類似形状ストロークを平均化するス
トローク分類またはクラスタ化技法によってＳＴＫ集合
をさらに最適化するために動作する。例えば、垂直スト
ローク原型「ＳＴＫ３」は、文字「Ｔ」および「Ｈ」の
垂直ストロークを指示するストロークラベルを有する。
この場合、これらの文字のそれぞれの垂直ストローク
は、他のすべての垂直ストロークと組み合わされて平均
化され、入力ストロークが比較される単一の「垂直スト
ローク」というラベルを有するストローク原型を得る。
同様にして、文字「Ｅ」、「Ａ」、「Ｈ」および「Ｔ」
の水平ストロークも組み合わされて平均化され、「水平
ストローク」というラベルを有するストローク原型が生
成される。「水平ストローク」というラベルを有するス
トローク原型は、ＡＶＧ Ｅ５の３ストロークのうちの
第３ストロークからも生じる。拡張された語彙による以
後の訓練の後、「垂直ストローク」ラベルは、例えば、
１／２ Ｂ，１／２ Ｄ，１／３ Ｎ，３／３ Ｎなど
とも関係づけられるであろう。
【００４２】ストローク分類は、調査を要する必要なＳ
ＴＫ原型の全体数を低減することに有利に役立ち、また
それに伴って、認識機能２４により要求される以降のス
トロークマッチング計算量を低減する。
ＴＫ原型の全体数を低減することに有利に役立ち、また
それに伴って、認識機能２４により要求される以降のス
トロークマッチング計算量を低減する。
【００４３】前述の異端的ＣＨＲ文字は好ましく回避さ
れる。これは、唯一のＣＨＲ文字から得られるＡＶＧ原
型文字を識別するために文字のＡＶＧ集合を処理するこ
とによって行われる。これらの識別ＡＶＧ文字は「孤立
要素」とも呼ばれる。孤立要素は、距離尺度によって測
定されるような他の手書き文字と異なる一意の手書き文
字の１個とみなされる。いずれかのＡＶＧ孤立要素は、
必ずしもそうであるとは限らないが、異端的ＣＨＲ文字
に対応するかもしれない。訓練用文字の集合が増大する
につれ、ＡＶＧ孤立要素が異端的ＣＨＲ文字に対応する
蓋然性も増す。ＡＶＧ孤立要素を削除するための一つの
現在好ましい技法は、原型管理プログラム２２により原
型記憶装置２６からそれらを識別し検索することであ
る。原型管理プログラム２２は、システム１０のユーザ
に表示するために、それらのＡＶＧ孤立要素を原型編集
アプリケーション２０に供給する。ユーザは、ＡＶＧ孤
立要素を見ることができ、原型管理プログラム２２の動
作を通じて、それらの一部または全部をＡＶＧ原型集合
から削除することができる。
れる。これは、唯一のＣＨＲ文字から得られるＡＶＧ原
型文字を識別するために文字のＡＶＧ集合を処理するこ
とによって行われる。これらの識別ＡＶＧ文字は「孤立
要素」とも呼ばれる。孤立要素は、距離尺度によって測
定されるような他の手書き文字と異なる一意の手書き文
字の１個とみなされる。いずれかのＡＶＧ孤立要素は、
必ずしもそうであるとは限らないが、異端的ＣＨＲ文字
に対応するかもしれない。訓練用文字の集合が増大する
につれ、ＡＶＧ孤立要素が異端的ＣＨＲ文字に対応する
蓋然性も増す。ＡＶＧ孤立要素を削除するための一つの
現在好ましい技法は、原型管理プログラム２２により原
型記憶装置２６からそれらを識別し検索することであ
る。原型管理プログラム２２は、システム１０のユーザ
に表示するために、それらのＡＶＧ孤立要素を原型編集
アプリケーション２０に供給する。ユーザは、ＡＶＧ孤
立要素を見ることができ、原型管理プログラム２２の動
作を通じて、それらの一部または全部をＡＶＧ原型集合
から削除することができる。
【００４４】原型分離の目的は、このようにして会話的
に実行される。上述の原型管理ユーザインタフェースア
プリケーション２０は、ＡＶＧ原型間の距離を計算し、
既定の最小距離だけ分離しているとわかった原型の組を
ユーザに表示するために呼び出される。多くの近似した
組の場合、補正処置にはＡＶＧ原型のいずれかを削除す
ることを含むことができる。例えば、Ｅ１およびＥ５の
ＡＶＧの組では、ユーザは、これらの２の原型文字の一
方をＡＧＶ集合から削除するように選択することもでき
る。また、ＡＧＶ集合の会話的処理は、大文字の「Ｏ」
とゼロ「０」などの２の近似した原型が識別可能である
ように確保するために利用することもできる。これに関
して、ユーザは、１以上のＣＨＲ文字を再入力し、近似
する組の他方と十分に異なるようにするためにその文字
を意図的に形成するように促される。ゼロ「０」と大文
字の「Ｏ」の場合、これは単にゼロに斜線を加えてφ
（ファイ）のようすることにより実施できる。このプロ
セスは、すべての近似したＡＶＧ原型が使用中の混乱を
避けるために相互に十分に区別されるまで会話的に継続
する。
に実行される。上述の原型管理ユーザインタフェースア
プリケーション２０は、ＡＶＧ原型間の距離を計算し、
既定の最小距離だけ分離しているとわかった原型の組を
ユーザに表示するために呼び出される。多くの近似した
組の場合、補正処置にはＡＶＧ原型のいずれかを削除す
ることを含むことができる。例えば、Ｅ１およびＥ５の
ＡＶＧの組では、ユーザは、これらの２の原型文字の一
方をＡＧＶ集合から削除するように選択することもでき
る。また、ＡＧＶ集合の会話的処理は、大文字の「Ｏ」
とゼロ「０」などの２の近似した原型が識別可能である
ように確保するために利用することもできる。これに関
して、ユーザは、１以上のＣＨＲ文字を再入力し、近似
する組の他方と十分に異なるようにするためにその文字
を意図的に形成するように促される。ゼロ「０」と大文
字の「Ｏ」の場合、これは単にゼロに斜線を加えてφ
（ファイ）のようすることにより実施できる。このプロ
セスは、すべての近似したＡＶＧ原型が使用中の混乱を
避けるために相互に十分に区別されるまで会話的に継続
する。
【００４５】ユーザインタフェースアプリケーション２
０を通じてユーザによって呼び出される原型管理プログ
ラムの前述の機能について以下に詳述する。これらの機
能を検討する際に注意すべき点は、いくつかのＡＶＧお
よびＳＴＫ原型集合がシステム１０によって生成、維持
および使用することができ、それぞれのＡＶＧ／ＳＴＫ
原型は異なるユーザすなわち書き手に対応することであ
る。 機能 目的 Ｃｌｅａｒ すべての原型集合を記憶装置２６から除去する。 Ｌｏａｄ 指定の原型集合をファイル入出力装置２８を通じて記憶装置２６か らロードする。 Ｓａｖｅ 指定の原型集合をファイル入出力装置２８を通じてオフライン記憶 装置２６にセーブする。 Ｄｒｏｐ 単一の指定された原型集合を記憶装置２６から除去する。 Ｓｏｒｔ 指定のＡＶＧ原型集合をラベルによってソートする。集合をＡＢＣ 順に並べる。 Ｃｏｐｙ 指定の原型集合を新規作成集合に複写する。 Ｃｒｅａｔｅ 新規の空原型集合を作成する。 Ｒｅｓｃａｌｅ タブレット１４の新規のライン間隔をある原型集合について 指定できるようにする。その集合に含まれるストローク点のすべてのｘ−ｙ座標 は再計算される。 Ａｐｐｅｎｄ ある指定の集合の原型を別の指定の集合に併合する。 Ａｖｅｒａｇｅ 指定された原型集合の大域的平均化および大域的ストローク 分類を実行する。 Ｖｏｃａｂ 指定の原型集合の語彙（アルファベット）を表示する。 Ｒｅｓｕｌｔｓ 認識後の結果を表示する。 Ｒｅｎｕｍｂｅｒ 集合の番号を付けなおし、原型ＩＤを変更する。 Ｂｒｋ／Ｇｒｐ 対応するＳＴＫ原型集合を生成するために指定のＡＶＧ原型 集合の大域的ストローク分解および分類を実行する。 Ｏｒｉｇ 指定のＡＶＧ原型の原書（ＣＨＲ文字）を表示する。 Ｎｅａｒ 指定の原型の最近似近傍（最近似原型）を表示する。 Ｇｅｔｐｒｏｘｙ 原型集合の原型ｘ−ｙ区分化統計を表示する。 Ｉｎｃｒ Ａｖｇ （ユーザによって指定されたＣＨＲファイルの）元のラベ ルの付いた手書きサンプルの、平均化（ＡＶＧ）およびストローク分類（ＳＴＫ ）原型集合を作成するために指定の原型集合への増分的平均化を実行する。 ＱＵＩＴ 原型管理プログラム２２から出る。
０を通じてユーザによって呼び出される原型管理プログ
ラムの前述の機能について以下に詳述する。これらの機
能を検討する際に注意すべき点は、いくつかのＡＶＧお
よびＳＴＫ原型集合がシステム１０によって生成、維持
および使用することができ、それぞれのＡＶＧ／ＳＴＫ
原型は異なるユーザすなわち書き手に対応することであ
る。 機能 目的 Ｃｌｅａｒ すべての原型集合を記憶装置２６から除去する。 Ｌｏａｄ 指定の原型集合をファイル入出力装置２８を通じて記憶装置２６か らロードする。 Ｓａｖｅ 指定の原型集合をファイル入出力装置２８を通じてオフライン記憶 装置２６にセーブする。 Ｄｒｏｐ 単一の指定された原型集合を記憶装置２６から除去する。 Ｓｏｒｔ 指定のＡＶＧ原型集合をラベルによってソートする。集合をＡＢＣ 順に並べる。 Ｃｏｐｙ 指定の原型集合を新規作成集合に複写する。 Ｃｒｅａｔｅ 新規の空原型集合を作成する。 Ｒｅｓｃａｌｅ タブレット１４の新規のライン間隔をある原型集合について 指定できるようにする。その集合に含まれるストローク点のすべてのｘ−ｙ座標 は再計算される。 Ａｐｐｅｎｄ ある指定の集合の原型を別の指定の集合に併合する。 Ａｖｅｒａｇｅ 指定された原型集合の大域的平均化および大域的ストローク 分類を実行する。 Ｖｏｃａｂ 指定の原型集合の語彙（アルファベット）を表示する。 Ｒｅｓｕｌｔｓ 認識後の結果を表示する。 Ｒｅｎｕｍｂｅｒ 集合の番号を付けなおし、原型ＩＤを変更する。 Ｂｒｋ／Ｇｒｐ 対応するＳＴＫ原型集合を生成するために指定のＡＶＧ原型 集合の大域的ストローク分解および分類を実行する。 Ｏｒｉｇ 指定のＡＶＧ原型の原書（ＣＨＲ文字）を表示する。 Ｎｅａｒ 指定の原型の最近似近傍（最近似原型）を表示する。 Ｇｅｔｐｒｏｘｙ 原型集合の原型ｘ−ｙ区分化統計を表示する。 Ｉｎｃｒ Ａｖｇ （ユーザによって指定されたＣＨＲファイルの）元のラベ ルの付いた手書きサンプルの、平均化（ＡＶＧ）およびストローク分類（ＳＴＫ ）原型集合を作成するために指定の原型集合への増分的平均化を実行する。 ＱＵＩＴ 原型管理プログラム２２から出る。
【００４６】システム１０の初期使用は、少なくとも２
通りの方法によって実行できる。第１の方法は、上述の
通り、個々のユーザとの訓練によりＡＶＧおよびＳＴＫ
原型集合を確立することを伴う。第２の方法は、ファイ
ル入出力装置２８から原型記憶装置２６へ汎用原型「開
始集合」をロードすることを伴う。この開始集合は、原
型の適用範囲、表現および分離の許容限界値を付与する
ために生成される。適用範囲は、手書き文字の統計的に
判定された最も共通な形態の集合を付与することによっ
て得られる。表現および分離は、その共通表現の集合か
らの慎重な原型の構築によって得られる。
通りの方法によって実行できる。第１の方法は、上述の
通り、個々のユーザとの訓練によりＡＶＧおよびＳＴＫ
原型集合を確立することを伴う。第２の方法は、ファイ
ル入出力装置２８から原型記憶装置２６へ汎用原型「開
始集合」をロードすることを伴う。この開始集合は、原
型の適用範囲、表現および分離の許容限界値を付与する
ために生成される。適用範囲は、手書き文字の統計的に
判定された最も共通な形態の集合を付与することによっ
て得られる。表現および分離は、その共通表現の集合か
らの慎重な原型の構築によって得られる。
【００４７】これに関して、類似の文字間の差異の意図
的な誇張が分離を強め、認識精度を高めることがわかっ
ている。すなわち、精確な認識のために不可欠であると
周知の文字の一部は意図的に誇張され、他方、２の近似
文字に共通な重要でない特徴は意図的に同様に書かれ
る。例えば、「ｇ」と「ｙ」の近似した文字の組を含む
開始集合の生成において、「ｇ」の上部の閉鎖が強調さ
れる一方、これら２文字の下部すなわちデッセンダーは
この特徴を強調しないようにするためにほとんど同様に
形成される。また、訓練用文字を書いているシステムの
ユーザに、ディスプレイ２０ｂを介して、相互に明瞭に
弁別可能な原型を生成するという同じ目的を達成するた
めに、その一定の文字の形成を修正するように指示する
こともできる。
的な誇張が分離を強め、認識精度を高めることがわかっ
ている。すなわち、精確な認識のために不可欠であると
周知の文字の一部は意図的に誇張され、他方、２の近似
文字に共通な重要でない特徴は意図的に同様に書かれ
る。例えば、「ｇ」と「ｙ」の近似した文字の組を含む
開始集合の生成において、「ｇ」の上部の閉鎖が強調さ
れる一方、これら２文字の下部すなわちデッセンダーは
この特徴を強調しないようにするためにほとんど同様に
形成される。また、訓練用文字を書いているシステムの
ユーザに、ディスプレイ２０ｂを介して、相互に明瞭に
弁別可能な原型を生成するという同じ目的を達成するた
めに、その一定の文字の形成を修正するように指示する
こともできる。
【００４８】必要な場合、ＡＶＧおよびＳＴＫ原型集合
は、以降の原型の適用範囲を拡大するために開始原型集
合を補完するための付加的な訓練文字集合を用いて維持
される。
は、以降の原型の適用範囲を拡大するために開始原型集
合を補完するための付加的な訓練文字集合を用いて維持
される。
【００４９】本発明の方法は、図６の流れ図に示されて
いる。図示した方法には、（ａ）それぞれがシステムを
訓練するために使用される記号の構成ストロークである
多数のストロークを入力する段階と、（ｂ）入力された
ストロークから、１以上の記号から成る第１の集合（Ｃ
ＨＲ）を形成する段階と、（ｃ）システムの使用中に入
力ストロークの集まりが比較される原型記号から成る第
２の集合（ＡＶＧ）を形成するために第１の集合の要素
である類似形態記号の１以上の特性を平均化する段階と
が含まれる。
いる。図示した方法には、（ａ）それぞれがシステムを
訓練するために使用される記号の構成ストロークである
多数のストロークを入力する段階と、（ｂ）入力された
ストロークから、１以上の記号から成る第１の集合（Ｃ
ＨＲ）を形成する段階と、（ｃ）システムの使用中に入
力ストロークの集まりが比較される原型記号から成る第
２の集合（ＡＶＧ）を形成するために第１の集合の要素
である類似形態記号の１以上の特性を平均化する段階と
が含まれる。
【００５０】また、（ｄ）第１の集合の単一の記号だけ
に対応する第２の集合の記号を識別する段階と、（ｅ）
識別された記号を第２の集合から削除する段階とが含ま
れる。
に対応する第２の集合の記号を識別する段階と、（ｅ）
識別された記号を第２の集合から削除する段階とが含ま
れる。
【００５１】さらに、（ｆ）第２の集合の原型記号を構
成ストロークに分解する段階と、（ｇ）システムの使用
中に入力ストロークが比較される第２の集合の構成スト
ロークから成る第３の集合（ＳＴＫ）を形成する段階と
が含まれる。第３の集合を形成する段階（ｇ）は、類似
形態構成ストロークの１以上の特性を平均化する段階を
含んでいる。
成ストロークに分解する段階と、（ｇ）システムの使用
中に入力ストロークが比較される第２の集合の構成スト
ロークから成る第３の集合（ＳＴＫ）を形成する段階と
が含まれる。第３の集合を形成する段階（ｇ）は、類似
形態構成ストロークの１以上の特性を平均化する段階を
含んでいる。
【００５２】段階（ｄ）および（ｅ）は、好ましくは、
ＳＴＫ原型集合内の不要な孤立要素に関係するストロー
クの包含を防止するために、段階（ｆ）および（ｇ）の
前に実施される。
ＳＴＫ原型集合内の不要な孤立要素に関係するストロー
クの包含を防止するために、段階（ｆ）および（ｇ）の
前に実施される。
【００５３】入力段階（ａ）は、本発明の一実施例で
は、タブレットに対するスタイラスの移動によってスト
ロークを生成する段階を含む。本発明の別の実施例で
は、入力段階（ａ）は、既定の形状を有する多数のスト
ロークから成るデータ構造を生成し、以降、そのデータ
構造を入力に利用する初期段階を含む。
は、タブレットに対するスタイラスの移動によってスト
ロークを生成する段階を含む。本発明の別の実施例で
は、入力段階（ａ）は、既定の形状を有する多数のスト
ロークから成るデータ構造を生成し、以降、そのデータ
構造を入力に利用する初期段階を含む。
【００５４】前述の方法は、汎用または専用処理装置に
限らないがこれらを含む多数の適切なハードウエア実施
例によって、かつ（または）、全部または一部を専用回
路によって実施できることを理解しなければならない。
また、その方法の一部の段階は、図示した順序以外でも
実施できるが、やはり同様の結果が得られる。例えば、
段階（ｄ）および（ｅ）は、段階（ｆ）および（ｇ）の
後または同時に実行することもできる。しかし、ＡＶＧ
集合が異端的ＣＨＲ文字に対応する１以上の孤立要素を
含む場合、ＳＴＫ集合の品質のある程度の劣化が生じる
かもしれない。
限らないがこれらを含む多数の適切なハードウエア実施
例によって、かつ（または）、全部または一部を専用回
路によって実施できることを理解しなければならない。
また、その方法の一部の段階は、図示した順序以外でも
実施できるが、やはり同様の結果が得られる。例えば、
段階（ｄ）および（ｅ）は、段階（ｆ）および（ｇ）の
後または同時に実行することもできる。しかし、ＡＶＧ
集合が異端的ＣＨＲ文字に対応する１以上の孤立要素を
含む場合、ＳＴＫ集合の品質のある程度の劣化が生じる
かもしれない。
【図１】本発明に従って動作する手書き文字認識システ
ムのブロック図。
ムのブロック図。
【図２】図１の文字認識装置を詳細に示すブロック図。
【図３】本システムに入力される文字の訓練用集合の説
明図。
明図。
【図４】入力訓練用文字（ＣＨＲ）および対応する平均
化原型文字（ＡＶＧ）の集合の説明図。
化原型文字（ＡＶＧ）の集合の説明図。
【図５】ＡＶＧ原型集合から生成された平均化ストロー
ク（ＳＴＫ）の集合の説明図。
ク（ＳＴＫ）の集合の説明図。
【図６】本発明の方法を説明する流れ図。
【図７】２の記号またはストロークが類似形状である程
度を判定するための同一記号ラベルの記号に関係する対
応ストロークを比較する動作を図示する説明図。
度を判定するための同一記号ラベルの記号に関係する対
応ストロークを比較する動作を図示する説明図。
１２ 区分化プロセッサ １４ タブレット １６ 捕捉（装置） １８ 文字認識装置 １８ａ 認識文字 ２０ アプリケーション ２０ａ 捕捉・フィルタ ２０ｂ ディスプレイ ２０ｃ 入力（装置） ２２ 原型管理プログラム ２４ 区分化・認識機能 ２６ 原型記憶装置 ２８ ファイル入出力装置
─────────────────────────────────────────────────────
【手続補正書】
【提出日】平成３年１０月１１日
【手続補正１】
【補正対象書類名】図面
【補正対象項目名】図６
【補正方法】変更
【補正内容】
【図６】
───────────────────────────────────────────────────── フロントページの続き (72)発明者 テツノスケ、フジサキ アメリカ合衆国ニューヨーク州、アーモン ク、ウェイン、ベリー、ロード、４ (72)発明者 ジョオンキ、キム アメリカ合衆国ニューヨーク州、ホワイ ト、プレンズ、メーシー、アベニュ、６ (72)発明者 チャールズ、カーソン、タッパート アメリカ合衆国ニューヨーク州、オスニン グ、ビーチ、ロード（番地なし)
Claims (21)
- 【請求項１】手書き文字認識システムにおいて使用され
る原型記号の集合を生成するための方法であって、 それぞれが記号の構成ストロークである多数のストロー
クを入力する段階と、 入力されたストロークから１以上の記号から成る第１の
集合を形成する段階と、 システムの使用中に入力ストロークの集まりが比較され
る原型記号から成る第２の集合を形成するために第１の
集合の要素である類似形態記号の１以上の特性を平均化
する段階と、 第２の集合の原型記号を構成ストロークに分解する段階
と、 システムの使用中に入力ストロークが比較される第２の
集合の構成ストロークから成る第３の集合を形成する段
階とを含むことを特徴とする方法。 - 【請求項２】請求項１記載の方法であって、第３の集合
を形成する段階がさらに、類似形態構成ストロークの１
以上の特性を平均化する段階を含むことを特徴とする方
法。 - 【請求項３】請求項１記載の方法であって、構成ストロ
ークに分解する段階が、 第１の集合の異端的記号に対応する第２の集合の記号を
識別する初期段階と、 識別された記号を第２の集合から削除する初期段階とを
含むことを特徴とする方法。 - 【請求項４】請求項１記載の方法であって、ストローク
を入力する段階が、タブレットに対するスタイラスの移
動によってストロークを生成する段階を含むことを特徴
とする方法。 - 【請求項５】請求項１記載の方法であって、ストローク
を入力する段階が、既定数の記号を定義するための既定
の形状を有する多数のストロークから成るデータ構造を
生成する初期段階、および、そのデータ構造の入力を行
う段階を含むことを特徴とする方法。 - 【請求項６】請求項１記載の方法であって、平均化する
段階が、同じく同一記号ラベルを有する第１の集合の全
部の類似形状記号の構成ストロークを構成する点の最低
限ｘ軸およびｙ軸の座標データを大域的に平均化する段
階を含むことを特徴とする方法。 - 【請求項７】請求項１記載の方法であって、平均化する
段階が、同一記号ラベルを有する第２の集合の要素によ
って、第１の集合の単一記号の構成ストロークを構成す
る点の最低限ｘ軸およびｙ軸の座標データを増分的に平
均化する段階とを含むことを特徴とする方法。 - 【請求項８】請求項１記載の方法であって、平均化する
段階が、平均化すべき記号が同一記号ラベルを有する他
の記号の形状の既定の閾値の範囲内にある形状を有して
いるかどうかを判断する初期段階を含んでおり、この初
期段階は柔軟マッチング技法によって実施されることを
特徴とする方法。 - 【請求項９】請求項１記載の方法であって、平均化する
段階、分解する段階および形成する段階が、システムの
ユーザからのコマンドに応答して開始されることを特徴
とする方法。 - 【請求項１０】手書き文字認識システムにおいて使用さ
れる原型記号および原型ストロークの集合を生成するた
めの方法であって、 システムのユーザにシステムの原型管理プログラムと会
話するための手段を提供する段階と、 ユーザからの入力に応答して、 それぞれがシステム訓練用記号の構成ストロークである
多数のストロークを入力する段階と、 入力されたストロークから１以上の記号から成る第１の
集合を形成する段階と、 原型管理プログラムを起動するためのユーザからのコマ
ンドに応答して、 システムの使用中に入力ストロークの集まりが比較され
る原型記号から成る第２の集合を形成するために第１の
集合の要素である類似形態記号の１以上の特性を平均化
する段階と、 原型管理プログラムを起動するためのユーザからの以降
のコマンドに応答して、 第１の集合の異端的記号に対応する第２の集合の記号を
識別する段階と、 異端的記号をユーザに表示する段階と、 識別された記号のうちの指定された記号を第２の集合か
ら削除する段階と、 原型管理プログラムを起動するためのユーザからのその
後のコマンドに応答して、 第２の集合の残りの原型記号を構成ストロークに分解す
る段階と、 類似形態構成ストロークの１以上の特性を平均化する段
階と、 システムの使用中に入力ストロークが比較される第２の
集合の平均化された構成ストロークから成る第３の集合
を形成する段階とを含むことを特徴とする方法。 - 【請求項１１】請求項１０記載の方法であって、システ
ムの以後の使用のために最低限第２の原型集合および第
３の原型集合を記憶するための、原型管理プログラムを
起動するためのユーザからのその後のコマンドに応答す
ることを特徴とする方法。 - 【請求項１２】請求項１０記載の方法であって、既定の
閾値以内にあるように相互に類似の特性を有する第２の
集合の任意の要素をユーザに表示するために原型管理プ
ログラムを起動するためのユーザからのその後のコマン
ドに応答し、また、２の表示された要素を相互に明確に
区別するために第２の集合の表示された要素の一つを修
正するためのユーザからの以後のコマンドに応答するこ
とを特徴とする方法。 - 【請求項１３】手書き文字認識装置であって、 それぞれがシステム訓練用に選択された記号の構成スト
ロークである多数のストロークを入力する手段と、 入力されたストロークから１以上の記号から成る第１の
集合を形成する手段と、 システムの使用中に入力ストロークの集まりが比較され
る原型記号から成る第２の集合を形成するために第１の
集合の要素である類似形態記号の１以上の特性を平均化
する手段と、 第２の集合の原型記号を構成ストロークに分解する手段
と、 システムの使用中に入力ストロークが比較される第２の
集合の構成ストロークから成る第３の集合を形成する手
段とを含むことを特徴とする装置。 - 【請求項１４】請求項１３記載の装置であって、第３の
集合を形成する手段がさらに、類似形態構成ストローク
の１以上の特性を平均化する手段を含むことを特徴とす
る装置。 - 【請求項１５】請求項１３記載の装置であって、構成ス
トロークに分解する手段が、 第１の集合の異端的記号に対応する第２の集合の記号を
識別する初期手段と、 システムのユーザからのコマンドに応答して、識別され
た記号を第２の集合から削除する手段とを含むことを特
徴とする装置。 - 【請求項１６】請求項１３記載の装置であって、平均化
する手段が、同じく同一記号ラベルを有する第１の集合
の全部の類似形状記号の構成ストロークを構成する点の
最低限ｘ軸およびｙ軸の座標データを大域的に平均化す
る手段を含むことを特徴とする装置。 - 【請求項１７】請求項１３記載の装置であって、平均化
する手段が、同一記号ラベルを有する第２の集合の要素
によって、第１の集合の単一記号の構成ストロークを構
成する点の最低限ｘ軸およびｙ軸の座標データを増分的
に平均化する手段を含むことを特徴とする装置。 - 【請求項１８】請求項１３記載の装置であって、平均化
する手段が、同一記号ラベルを有する２の記号が類似の
形状を成しているかどうかを判断するために、柔軟平均
化技法によって記号を比較する手段を含むことを特徴と
する装置。 - 【請求項１９】請求項１３記載の装置であって、平均化
する手段、分解する手段および形成する手段がすべて結
合されており、システムのユーザからのコマンドを入力
するための手段に応答することを特徴とする装置。 - 【請求項２０】請求項１３記載の装置であって、さら
に、装置の以後の使用のために最低限第２の集合および
第３の集合を記憶し検索するための手段を含むことを特
徴とする装置。 - 【請求項２１】請求項１３記載の装置であって、入力す
る手段が、記号間の類似性を強調せずに記号間の差異を
強調するための選択された形状を有するストロークから
成る既定の記号を表すデータを付与する手段に結合され
ていることを特徴とする装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US07/586,843 US5121441A (en) | 1990-09-21 | 1990-09-21 | Robust prototype establishment in an on-line handwriting recognition system |
| US586843 | 1990-09-21 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0620099A true JPH0620099A (ja) | 1994-01-28 |
Family
ID=24347316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3224812A Pending JPH0620099A (ja) | 1990-09-21 | 1991-08-09 | オンライン手書き文字認識システムにおける原型確立方法および装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5121441A (ja) |
| EP (1) | EP0476393A3 (ja) |
| JP (1) | JPH0620099A (ja) |
| SG (1) | SG43724A1 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6626549B2 (en) | 2000-06-30 | 2003-09-30 | Nippon Seiki Co., Ltd. | Pointer instrument |
| JP2017059120A (ja) * | 2015-09-18 | 2017-03-23 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
| WO2025089607A1 (ko) * | 2023-10-25 | 2025-05-01 | 삼성전자주식회사 | 필기 콘텐트를 획득하기 위한 전자 장치 및 그 방법 |
Families Citing this family (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3143461B2 (ja) * | 1990-05-29 | 2001-03-07 | キヤノン株式会社 | 文字認識方法及び文字認識装置 |
| US5285505A (en) * | 1991-03-11 | 1994-02-08 | International Business Machines Corporation | Method and apparatus for improving prototypes of similar characters in on-line handwriting recognition |
| US5550930A (en) * | 1991-06-17 | 1996-08-27 | Microsoft Corporation | Method and system for training a handwriting recognizer at the time of misrecognition |
| US5479533A (en) * | 1992-02-28 | 1995-12-26 | Yamatake-Honeywell Co., Ltd. | Pattern recognition apparatus and method using fuzzy logic |
| US5319721A (en) * | 1992-04-14 | 1994-06-07 | International Business Machines Corporation | Methods and apparatus for evolving a starter set of handwriting prototypes into a user-specific set |
| JPH07117993B2 (ja) * | 1992-04-29 | 1995-12-18 | インターナショナル・ビジネス・マシーンズ・コーポレイション | 手書き文字認識のための特定ユーザ用プロトタイプ集合生成方法 |
| EP0574937B1 (en) * | 1992-06-19 | 2000-08-16 | United Parcel Service Of America, Inc. | Method and apparatus for input classification using a neural network |
| JP3155616B2 (ja) * | 1992-06-25 | 2001-04-16 | キヤノン株式会社 | 文字認識方法及び装置 |
| US5337372A (en) * | 1992-10-13 | 1994-08-09 | At&T Bell Laboratories | Method and apparatus for symbol recognition using multidimensional preprocessing at multiple resolutions |
| US5647022A (en) * | 1992-10-13 | 1997-07-08 | Lucent Technologies Inc. | Method and apparatus for symbol recognition using multidimensional preprocessing and symbol sorting |
| US5625708A (en) * | 1992-10-13 | 1997-04-29 | Lucent Technologies, Inc. | Method and apparatus for symbol recognition using multidimensional preprocessing |
| JP3167500B2 (ja) * | 1993-05-19 | 2001-05-21 | 富士通株式会社 | 手書き情報入力処理方式 |
| GB2281997B (en) * | 1993-09-20 | 1997-10-15 | Ricoh Kk | Method and apparatus for improving a text image by using character regeneration |
| US6366697B1 (en) | 1993-10-06 | 2002-04-02 | Xerox Corporation | Rotationally desensitized unistroke handwriting recognition |
| JPH07200155A (ja) * | 1993-12-10 | 1995-08-04 | Microsoft Corp | ペン型コンピュータシステムの非目的結果検出 |
| US5699456A (en) * | 1994-01-21 | 1997-12-16 | Lucent Technologies Inc. | Large vocabulary connected speech recognition system and method of language representation using evolutional grammar to represent context free grammars |
| US5878164A (en) * | 1994-01-21 | 1999-03-02 | Lucent Technologies Inc. | Interleaved segmental method for handwriting recognition |
| JP3453422B2 (ja) * | 1994-02-10 | 2003-10-06 | キヤノン株式会社 | 文字パターンのユーザ辞書への登録方法及び該ユーザ辞書を有する文字認識装置 |
| US5479523A (en) * | 1994-03-16 | 1995-12-26 | Eastman Kodak Company | Constructing classification weights matrices for pattern recognition systems using reduced element feature subsets |
| US5774586A (en) * | 1994-05-04 | 1998-06-30 | Ncr Corporation | Method and apparatus for standardization of inputs to word recognition systems |
| IL110137A (en) * | 1994-06-27 | 2000-06-29 | Advanced Recognition Tech | Handwriting recognition system |
| DE69533479T2 (de) | 1994-07-01 | 2005-09-22 | Palm Computing, Inc., Los Altos | Zeichensatz mit zeichen aus mehreren strichen und handschrifterkennungssystem |
| US5666438A (en) * | 1994-07-29 | 1997-09-09 | Apple Computer, Inc. | Method and apparatus for recognizing handwriting of different users of a pen-based computer system |
| US5940534A (en) * | 1995-07-17 | 1999-08-17 | Nippon Telegraph And Telephone Corporation | On-line handwritten character recognition using affine transformation to maximize overlapping of corresponding input and reference pattern strokes |
| US6041137A (en) | 1995-08-25 | 2000-03-21 | Microsoft Corporation | Radical definition and dictionary creation for a handwriting recognition system |
| CA2201557A1 (en) * | 1996-04-05 | 1997-10-05 | John D. Hobby | Degraded character image restoration |
| US6226407B1 (en) * | 1998-03-18 | 2001-05-01 | Microsoft Corporation | Method and apparatus for analyzing computer screens |
| US20100008551A9 (en) * | 1998-08-18 | 2010-01-14 | Ilya Schiller | Using handwritten information |
| US7268774B2 (en) * | 1998-08-18 | 2007-09-11 | Candledragon, Inc. | Tracking motion of a writing instrument |
| AU5572799A (en) | 1998-08-18 | 2000-03-14 | Digital Ink, Inc. | Handwriting device with detection sensors for absolute and relative positioning |
| GB2354100B (en) * | 1999-09-09 | 2003-12-24 | Sony Uk Ltd | Image identification apparatus and method of identifying images |
| US7257255B2 (en) * | 2001-11-21 | 2007-08-14 | Candledragon, Inc. | Capturing hand motion |
| US6988107B2 (en) * | 2002-06-28 | 2006-01-17 | Microsoft Corporation | Reducing and controlling sizes of model-based recognizers |
| US6970877B2 (en) * | 2002-06-28 | 2005-11-29 | Microsoft Corporation | Reducing and controlling sizes of prototype-based recognizers |
| US7865018B2 (en) * | 2005-06-02 | 2011-01-04 | Microsoft Corporation | Personalized implicit and explicit character shape adaptation and recognition |
| US7755026B2 (en) * | 2006-05-04 | 2010-07-13 | CandleDragon Inc. | Generating signals representative of sensed light that is associated with writing being done by a user |
| JP4087421B2 (ja) * | 2006-10-11 | 2008-05-21 | シャープ株式会社 | パターン認識装置、パターン認識方法、パターン認識プログラム、および記録媒体 |
| EP2097853A4 (en) * | 2006-12-01 | 2011-06-29 | Zi Decuma Ab | METHOD FOR RECOGNIZING CHARACTERS |
| US20080166175A1 (en) * | 2007-01-05 | 2008-07-10 | Candledragon, Inc. | Holding and Using an Electronic Pen and Paper |
| US20100166314A1 (en) * | 2008-12-30 | 2010-07-01 | Microsoft Corporation | Segment Sequence-Based Handwritten Expression Recognition |
| US9934422B1 (en) * | 2016-09-22 | 2018-04-03 | Gracious Eloise, Inc. | Digitized handwriting sample ingestion systems and methods |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61168081A (ja) * | 1985-01-22 | 1986-07-29 | Ricoh Co Ltd | 文字辞書作成方式 |
| JPS61214083A (ja) * | 1985-03-20 | 1986-09-22 | Hitachi Ltd | パターン認識用辞書の作成方法 |
| JPS63276186A (ja) * | 1987-05-07 | 1988-11-14 | Mitsubishi Electric Corp | 文字読取装置 |
| JPS6437683A (en) * | 1987-08-04 | 1989-02-08 | Canon Kk | Information recognizing device |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3255436A (en) * | 1961-05-01 | 1966-06-07 | Philco Corp | Pattern recognition system utilizing random masks |
| NL286987A (ja) * | 1961-12-22 | |||
| US3341814A (en) * | 1962-07-11 | 1967-09-12 | Burroughs Corp | Character recognition |
| JP2607457B2 (ja) * | 1984-09-17 | 1997-05-07 | 株式会社東芝 | パターン認識装置 |
| EP0195161B1 (en) * | 1985-03-14 | 1993-09-15 | Nikon Corporation | Apparatus for automatically inspecting objects and identifying or recognizing known and unknown portions thereof, including defects and the like and method |
-
1990
- 1990-09-21 US US07/586,843 patent/US5121441A/en not_active Expired - Lifetime
-
1991
- 1991-08-09 JP JP3224812A patent/JPH0620099A/ja active Pending
- 1991-08-30 EP EP19910114595 patent/EP0476393A3/en not_active Withdrawn
- 1991-08-30 SG SG1996000217A patent/SG43724A1/en unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61168081A (ja) * | 1985-01-22 | 1986-07-29 | Ricoh Co Ltd | 文字辞書作成方式 |
| JPS61214083A (ja) * | 1985-03-20 | 1986-09-22 | Hitachi Ltd | パターン認識用辞書の作成方法 |
| JPS63276186A (ja) * | 1987-05-07 | 1988-11-14 | Mitsubishi Electric Corp | 文字読取装置 |
| JPS6437683A (en) * | 1987-08-04 | 1989-02-08 | Canon Kk | Information recognizing device |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6626549B2 (en) | 2000-06-30 | 2003-09-30 | Nippon Seiki Co., Ltd. | Pointer instrument |
| JP2017059120A (ja) * | 2015-09-18 | 2017-03-23 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
| WO2025089607A1 (ko) * | 2023-10-25 | 2025-05-01 | 삼성전자주식회사 | 필기 콘텐트를 획득하기 위한 전자 장치 및 그 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| US5121441A (en) | 1992-06-09 |
| SG43724A1 (en) | 1997-11-14 |
| EP0476393A2 (en) | 1992-03-25 |
| EP0476393A3 (en) | 1993-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH0620099A (ja) | オンライン手書き文字認識システムにおける原型確立方法および装置 | |
| US5315667A (en) | On-line handwriting recognition using a prototype confusability dialog | |
| JP4274941B2 (ja) | 手書き文字を復号化するための方法および装置 | |
| US20210034849A1 (en) | System and method of character recognition using fully convolutional neural networks with attention | |
| KR100248917B1 (ko) | 패턴인식장치및방법 | |
| US5687254A (en) | Searching and Matching unrecognized handwriting | |
| US5796867A (en) | Stroke-number-free and stroke-order-free on-line Chinese character recognition method | |
| JP3176023B2 (ja) | 手書き入力照合方法および装置 | |
| KR100487386B1 (ko) | 부수 모델에 기초한 초서체 한자 수기 주석의 검색법 | |
| EP1564675B1 (en) | Apparatus and method for searching for digital ink query | |
| JPH06348904A (ja) | 手書き字号の認識システム及び認識方法 | |
| JPH04311286A (ja) | オンライン手書き文字認識における類似文字のプロトタイプを改良するための方法および装置 | |
| KR20060049081A (ko) | 계층적 리스트 및 아웃라인을 파싱하기 위한 방법 및시스템 | |
| JPH06301781A (ja) | コンピュータによるパターン認識のためのイメージ変換方法及び装置 | |
| EP3828685B1 (en) | Gesture stroke recognition in touch-based user interface input | |
| CN115311666A (zh) | 图文识别方法、装置、计算机设备及存储介质 | |
| Singh et al. | Online handwritten Gurmukhi words recognition: An inclusive study | |
| JPH07509576A (ja) | 文字の認識方法 | |
| EP4086744B1 (en) | Gesture stroke recognition in touch-based user interface input | |
| Singh et al. | Recognition of online unconstrained handwritten Gurmukhi characters based on Finite State Automata | |
| Liwicki et al. | Feature selection for on-line handwriting recognition of whiteboard notes | |
| JPH10154204A (ja) | パターン認識装置及びパターン認識方法 | |
| EP0567836A2 (en) | Writer style detection and automatic prototype creation for on-line handwriting recognition | |
| JPH07107698B2 (ja) | 文字認識方法 | |
| Senior | O-line cursive handwriting recognition using recurrent neural networks |