JPH06208653A - 記号正規化方法 - Google Patents
記号正規化方法Info
- Publication number
- JPH06208653A JPH06208653A JP5196682A JP19668293A JPH06208653A JP H06208653 A JPH06208653 A JP H06208653A JP 5196682 A JP5196682 A JP 5196682A JP 19668293 A JP19668293 A JP 19668293A JP H06208653 A JPH06208653 A JP H06208653A
- Authority
- JP
- Japan
- Prior art keywords
- symbol
- signature
- samples
- model
- ordered set
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/30—Writer recognition; Reading and verifying signatures
-
- 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
- G06V30/16—Image preprocessing
- G06V30/166—Normalisation of pattern dimensions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Character Discrimination (AREA)
- Character Input (AREA)
Abstract
(57)【要約】
【目的】 記号や署名の認識に必要な正規化を迅速かつ
簡便に行う方法を提供する。 【構成】 ディジタル化タブレット上に書込む手書きテ
スト記号（例、アルファベット文字、ワードまたは署
名）をモデル記号と比較して正規化し、このテスト記号
をそのモデル記号に最適合させるのに必要な変換を求め
る。次にこの変換をこのテスト記号に適用する。このテ
スト記号の形の情報はこの正規化中に保存される。本発
明の１つの特徴として、そのモデル記号はライン・セグ
メントであり、別の特徴としてはそれは、正規化するそ
の記号の一例である。このような正規化は、文字認識、
テキスト認識または署名認識のような応用に前処理ステ
ップとして使用することができる。
簡便に行う方法を提供する。 【構成】 ディジタル化タブレット上に書込む手書きテ
スト記号（例、アルファベット文字、ワードまたは署
名）をモデル記号と比較して正規化し、このテスト記号
をそのモデル記号に最適合させるのに必要な変換を求め
る。次にこの変換をこのテスト記号に適用する。このテ
スト記号の形の情報はこの正規化中に保存される。本発
明の１つの特徴として、そのモデル記号はライン・セグ
メントであり、別の特徴としてはそれは、正規化するそ
の記号の一例である。このような正規化は、文字認識、
テキスト認識または署名認識のような応用に前処理ステ
ップとして使用することができる。
Description
【０００１】
【産業上の利用分野】本発明は記号認識に係り、特に認
識または検証手段用のディジタル・タブレットの手書き
記号の正規化方法に関する。
識または検証手段用のディジタル・タブレットの手書き
記号の正規化方法に関する。
【０００２】
【従来の技術】手書き記号応答システム、例えば署名認
識システムや文字認識システムにおいては、入力記号を
後に続く処理ステップに送る前に“正規化”することが
望ましい場合が多い。正規化には、回転、サイズの変化
および／または種々の位置に対する変換がある。例え
ば、署名認識システムでは、認識する署名を記憶モデル
署名と比較したり、または認識しようとする署名の顕著
な特性を示すパラメタをモデル署名から誘導された対応
パラメタと比較するが、ここでは、形に関係のない差異
を除くようにそのモデル署名と認識しようとする署名の
両者を正規化することが通常必要である。
識システムや文字認識システムにおいては、入力記号を
後に続く処理ステップに送る前に“正規化”することが
望ましい場合が多い。正規化には、回転、サイズの変化
および／または種々の位置に対する変換がある。例え
ば、署名認識システムでは、認識する署名を記憶モデル
署名と比較したり、または認識しようとする署名の顕著
な特性を示すパラメタをモデル署名から誘導された対応
パラメタと比較するが、ここでは、形に関係のない差異
を除くようにそのモデル署名と認識しようとする署名の
両者を正規化することが通常必要である。
【０００３】手書き記号認識法においては、別々の正規
化ステップが不要である場合がある。このような方法に
ついては、本発明者らの同時係属中出願番号第０７／８
５７，１９８号（１９９２年３月２４日出願）に開示し
ている。この出願による発明では、ディジタル化タブレ
ットの手書き未知記号を所定の“アルファベット”また
はモデル記号のライブラリの記号と比較し、最も近い一
致を選択する。認識は、この記号のサイズ、位置、また
は向きには無関係である。この比較では、この未知記号
とそのモデル記号から座標サンプルを示すベクトルのス
カラー積から相関因子の計算を行う。このような方法で
は、この正規化関数はその比較処理手順に固有のもので
ある。
化ステップが不要である場合がある。このような方法に
ついては、本発明者らの同時係属中出願番号第０７／８
５７，１９８号（１９９２年３月２４日出願）に開示し
ている。この出願による発明では、ディジタル化タブレ
ットの手書き未知記号を所定の“アルファベット”また
はモデル記号のライブラリの記号と比較し、最も近い一
致を選択する。認識は、この記号のサイズ、位置、また
は向きには無関係である。この比較では、この未知記号
とそのモデル記号から座標サンプルを示すベクトルのス
カラー積から相関因子の計算を行う。このような方法で
は、この正規化関数はその比較処理手順に固有のもので
ある。
【０００４】
【発明が解決しようとする課題】ここで、正規化を必要
とする応用、例えば記号認識および／または署名認識の
方法においてこの正規化を迅速にかつ簡便に行う方法が
望まれている。
とする応用、例えば記号認識および／または署名認識の
方法においてこの正規化を迅速にかつ簡便に行う方法が
望まれている。
【０００５】
【課題を解決するための手段】ディジタル化タブレット
上に書込む手書きテスト記号、例えばアルファベット文
字、ワードまたは署名をモデル記号と比較して正規化
し、このテスト記号をそのモデル記号に最適合させるの
に必要な変換を求める。次に、この変換を用いてそのテ
スト記号を正規化する。このテスト記号の形の情報はこ
の正規化中に保存される。本発明の１つの特徴として、
このモデル記号はライン・セグメントであり、本発明の
別の特徴として、このモデル記号はこの正規化するその
記号の一例である。文字認識、テキスト認識または署名
認識のような応用に前処理ステップとしてこの正規化を
用いることができる。
上に書込む手書きテスト記号、例えばアルファベット文
字、ワードまたは署名をモデル記号と比較して正規化
し、このテスト記号をそのモデル記号に最適合させるの
に必要な変換を求める。次に、この変換を用いてそのテ
スト記号を正規化する。このテスト記号の形の情報はこ
の正規化中に保存される。本発明の１つの特徴として、
このモデル記号はライン・セグメントであり、本発明の
別の特徴として、このモデル記号はこの正規化するその
記号の一例である。文字認識、テキスト認識または署名
認識のような応用に前処理ステップとしてこの正規化を
用いることができる。
【０００６】
【実施例】本発明をオンライン認識用署名正規化法で主
として説明するが、当業者に明白なように、本発明の方
法は他の応用例えば文字認識で手書き記号、文字または
筆写体スクリプトを正規化するのに用いることもでき
る。さらにまた本発明の方法は座標サンプルの集合とし
て示す記号をいずれも正規化するのに用いることもでき
る。オンライン署名認識は通常次のように進行する。あ
る対象者がディジタル化タブレット上に署名を書込む
と、そのペン先端の座標（および可能にはこのタブレッ
ト上のペン圧）をサンプリング・タイムで記録する。そ
の結果得られたデータをプロセッサでこの対象者の署名
に関する記憶情報と比較する。
として説明するが、当業者に明白なように、本発明の方
法は他の応用例えば文字認識で手書き記号、文字または
筆写体スクリプトを正規化するのに用いることもでき
る。さらにまた本発明の方法は座標サンプルの集合とし
て示す記号をいずれも正規化するのに用いることもでき
る。オンライン署名認識は通常次のように進行する。あ
る対象者がディジタル化タブレット上に署名を書込む
と、そのペン先端の座標（および可能にはこのタブレッ
ト上のペン圧）をサンプリング・タイムで記録する。そ
の結果得られたデータをプロセッサでこの対象者の署名
に関する記憶情報と比較する。
【０００７】この記憶情報がこの署名そのもののサンプ
ルであるようなシステムの場合やまたこの記憶情報が一
連の測度であり、各個がこの対象者の代表的署名のある
特徴を示すようなシステムの場合もある。例えば平均的
速度のような動的な測度の場合やまた例えば形の特性の
ような静的な測度の場合もある。署名認識システムの一
種として次の例を挙げることができる。一例には、同時
係属中出願番号第０７／７３２，５５８号（１９９１年
７月１９日出願）があり、また別例には次の報告があ
る。それは、プラモンドン（Ｐｌａｍｏｎｄｏｎ）ら、
題名“自動署名認識と署名者識別−その技術状況“パタ
ーン認識、第２２巻、２号、１０７−１３１頁、１９８
９年刊行である。
ルであるようなシステムの場合やまたこの記憶情報が一
連の測度であり、各個がこの対象者の代表的署名のある
特徴を示すようなシステムの場合もある。例えば平均的
速度のような動的な測度の場合やまた例えば形の特性の
ような静的な測度の場合もある。署名認識システムの一
種として次の例を挙げることができる。一例には、同時
係属中出願番号第０７／７３２，５５８号（１９９１年
７月１９日出願）があり、また別例には次の報告があ
る。それは、プラモンドン（Ｐｌａｍｏｎｄｏｎ）ら、
題名“自動署名認識と署名者識別−その技術状況“パタ
ーン認識、第２２巻、２号、１０７−１３１頁、１９８
９年刊行である。
【０００８】本発明の正規化法は、前記引例の出願番号
第０７／８５７，１９８号に開示の認識法に基づくもの
である。このような認識法において、この未知記号をそ
のモデルに最適合させるように正規化することは未知記
号とモデル記号の相関計算には暗示的なことである。と
ころがこの必要とする正規化を決して明示的に決めるも
のではない。単に正規化処理手順用にこのような認識法
を修正するのには、この正規化ステップを別々に行う必
要がある。そこで、この類似性測定をいずれか適切な手
順で行うことが可能である。
第０７／８５７，１９８号に開示の認識法に基づくもの
である。このような認識法において、この未知記号をそ
のモデルに最適合させるように正規化することは未知記
号とモデル記号の相関計算には暗示的なことである。と
ころがこの必要とする正規化を決して明示的に決めるも
のではない。単に正規化処理手順用にこのような認識法
を修正するのには、この正規化ステップを別々に行う必
要がある。そこで、この類似性測定をいずれか適切な手
順で行うことが可能である。
【０００９】本発明を実施例で説明すると、認識しよう
とする署名（テスト署名）を正規化する１つの方法は、
認識するこの署名のモデルと最適合させるようにこのテ
スト署名を変換し、回転し、およびサイズを変化させる
ことである。しかし、システムの求める取扱可能な署名
のすべてのモデルを記憶することは実際的とはいえな
い。そこでその代りに、本発明の別の実施例では、その
モデル記号に対するニュートラル記号、例えば水平ライ
ン・セグメントを用いてこのテスト署名を正規化するも
のである。このようなライン・セグメントを署名を通常
行うように左から右へ向けて取ることが可能である。
とする署名（テスト署名）を正規化する１つの方法は、
認識するこの署名のモデルと最適合させるようにこのテ
スト署名を変換し、回転し、およびサイズを変化させる
ことである。しかし、システムの求める取扱可能な署名
のすべてのモデルを記憶することは実際的とはいえな
い。そこでその代りに、本発明の別の実施例では、その
モデル記号に対するニュートラル記号、例えば水平ライ
ン・セグメントを用いてこのテスト署名を正規化するも
のである。このようなライン・セグメントを署名を通常
行うように左から右へ向けて取ることが可能である。
【００１０】図１は本発明の方法を実施するシステムを
示すブロック図である。記号をディジタル化タブレット
またはパッド１１上にスタイラスまたはペン１０で書込
む。パッド１１は、このパッド１１の面上においてペン
１０の先端位置を感知でき、また通常そのパッド上のペ
ン１０の存在をも感知できる。パッド１１をプロセッサ
１２に連結する。パッドの種類により、リード線１４の
ようにペン１０をまたプロセッサ１２に結合する場合が
ある。入力記号の表現をｘ- ｙ座標の順序集合としてメ
モリ１３に記憶する。署名入力中に取るサンプル数を記
憶するのにレジスタ１５を用いる。プロセッサ１２のメ
モリに記憶するコンピュータ・プログラムにより記述し
ようとするアクションを通常制御する。
示すブロック図である。記号をディジタル化タブレット
またはパッド１１上にスタイラスまたはペン１０で書込
む。パッド１１は、このパッド１１の面上においてペン
１０の先端位置を感知でき、また通常そのパッド上のペ
ン１０の存在をも感知できる。パッド１１をプロセッサ
１２に連結する。パッドの種類により、リード線１４の
ようにペン１０をまたプロセッサ１２に結合する場合が
ある。入力記号の表現をｘ- ｙ座標の順序集合としてメ
モリ１３に記憶する。署名入力中に取るサンプル数を記
憶するのにレジスタ１５を用いる。プロセッサ１２のメ
モリに記憶するコンピュータ・プログラムにより記述し
ようとするアクションを通常制御する。
【００１１】動作について説明すると、パッド１１上に
署名を書込むに従い、プロセッサ１２はパッド１１の面
上のペン１０の先端位置サンプルのタイム・シーケンス
を集める。各サンプルはこのペン位置を示すｘ- ｙ座標
の集合である。通常、このようなサンプルを秒当り約２
５０サンプルの速度で取り、およびペン１０のｘ- ｙ座
標と位置を約０．１ｍｍの分解能で感知できる。署名は
８００サンプル以上を有するのが普通である。署名の終
端表示は、パッド１１からのペン１０の撤去後のタイム
アウト（例えば、２秒）またはこの署名者のなにかある
別のアクションで行う。
署名を書込むに従い、プロセッサ１２はパッド１１の面
上のペン１０の先端位置サンプルのタイム・シーケンス
を集める。各サンプルはこのペン位置を示すｘ- ｙ座標
の集合である。通常、このようなサンプルを秒当り約２
５０サンプルの速度で取り、およびペン１０のｘ- ｙ座
標と位置を約０．１ｍｍの分解能で感知できる。署名は
８００サンプル以上を有するのが普通である。署名の終
端表示は、パッド１１からのペン１０の撤去後のタイム
アウト（例えば、２秒）またはこの署名者のなにかある
別のアクションで行う。
【００１２】図２を参照して本発明の正規化法の各種ス
テップを説明する。ステップ２０において、この署名の
サンプル数をその使用するモデルのサンプル数に等しく
する。これは均等にこの署名に沿って多数のサンプルを
そのモデルの数に、例えば８００サンプルに等しく選択
して、そしてその残りを捨てることにより等数とするこ
とができる。または同様に、このモデルのサンプル数を
そのテスト署名の数に等しくして実施できる。ステップ
２１において、この署名の中心すなわち“重心”を原点
に置くようにこのサンプルを変換する。この変換を行う
には、下記の数７の式によりその中心ｚを求め、ｉが１
以上ｎ以下の範囲でーｘ1＝ｘi−ｘzと、ーｙi＝ｙi−
ｙzを求めてこの変換を行う。ここで、ーＸ、−Ｙは、
それぞれ、上付きのバーのＸ，Ｙを意味する。
テップを説明する。ステップ２０において、この署名の
サンプル数をその使用するモデルのサンプル数に等しく
する。これは均等にこの署名に沿って多数のサンプルを
そのモデルの数に、例えば８００サンプルに等しく選択
して、そしてその残りを捨てることにより等数とするこ
とができる。または同様に、このモデルのサンプル数を
そのテスト署名の数に等しくして実施できる。ステップ
２１において、この署名の中心すなわち“重心”を原点
に置くようにこのサンプルを変換する。この変換を行う
には、下記の数７の式によりその中心ｚを求め、ｉが１
以上ｎ以下の範囲でーｘ1＝ｘi−ｘzと、ーｙi＝ｙi−
ｙzを求めてこの変換を行う。ここで、ーＸ、−Ｙは、
それぞれ、上付きのバーのＸ，Ｙを意味する。
【数７】
【００１３】次にステップ２２において、下記の数１と
数２と数３に示す式により正規化係数のＰとＱとＤを計
算する。
数２と数３に示す式により正規化係数のＰとＱとＤを計
算する。
【数１】
【数２】
【数３】ただしここで、ｎはサンプル数であり、ーｘi
とーｙiは、その入力記号からの変換サンプル・ポイン
トであり、およびａiとｂiはそのモデル記号に対するサ
ンプル・ポイントである。また、そのモデル記号の中心
がその原点にあるようにこのａiとｂiの対を定める。
とーｙiは、その入力記号からの変換サンプル・ポイン
トであり、およびａiとｂiはそのモデル記号に対するサ
ンプル・ポイントである。また、そのモデル記号の中心
がその原点にあるようにこのａiとｂiの対を定める。
【００１４】もしこのモデル記号が水平ライン・セグメ
ントである場合には、ａiの値は単にこのセグメントに
沿った等間隔ポイントの値であり、ｂiは常にゼロであ
る。従って正規化係数のＰとＱは、下記の数４と数５で
計算できる。
ントである場合には、ａiの値は単にこのセグメントに
沿った等間隔ポイントの値であり、ｂiは常にゼロであ
る。従って正規化係数のＰとＱは、下記の数４と数５で
計算できる。
【数４】
【数５】また、この水平ライン・セグメントの中心がそ
の原点にあるようにａi値を選ぶ。最後に、ステップ２
３において、各サンプルに対し正規化値を次式により計
算する。 Ｘj＝（ｘjＰ−ｙjＱ）／Ｄ Ｙj＝（ｘjＱ＋ｙjＰ）／Ｄ ただしここでｊは１以上でｎ以下の範囲にある。これら
正規化ｘ- ｙ座標をプロセッサ１２で記憶し、後に続く
認識処理手順でそれを使用できる。
の原点にあるようにａi値を選ぶ。最後に、ステップ２
３において、各サンプルに対し正規化値を次式により計
算する。 Ｘj＝（ｘjＰ−ｙjＱ）／Ｄ Ｙj＝（ｘjＱ＋ｙjＰ）／Ｄ ただしここでｊは１以上でｎ以下の範囲にある。これら
正規化ｘ- ｙ座標をプロセッサ１２で記憶し、後に続く
認識処理手順でそれを使用できる。
【００１５】２つの署名または記号がそのディジタル化
パッド上でサイズ、回転、または位置を除き類似してい
る場合には、これらの署名または記号は前記のような正
規化後によく一致する。従って、いずれかの署名認識手
順による場合にこの方法を用いることができるが、それ
には署名がある固定した位置や尺度や向きにあることが
必要である。このような認識法は、そのディジタル化タ
ブレットにより得られる絶対データ・ポイントを用いる
形のマッチングに左右される場合が多いので、ある個人
のいろいろな署名例の位置やサイズや向きの差異による
問題を無くするような前処理ステップとしてこのような
正規化法は有用である。
パッド上でサイズ、回転、または位置を除き類似してい
る場合には、これらの署名または記号は前記のような正
規化後によく一致する。従って、いずれかの署名認識手
順による場合にこの方法を用いることができるが、それ
には署名がある固定した位置や尺度や向きにあることが
必要である。このような認識法は、そのディジタル化タ
ブレットにより得られる絶対データ・ポイントを用いる
形のマッチングに左右される場合が多いので、ある個人
のいろいろな署名例の位置やサイズや向きの差異による
問題を無くするような前処理ステップとしてこのような
正規化法は有用である。
【００１６】また、この署名をセグメント化するのに局
部的な最大と最小の“ｙ”値のような幾何学的な形の特
徴を用いる認識機構もいくつかある。このような測定は
回転に対しロバストではないので、本発明の正規化法は
この署名を“水平”に戻すのに有用である。好都合に
は、ライン・セグメントのようなニュートラル記号を使
用する本発明の実施例を用いてサンプル署名を正規化す
ることが可能であるが、それは署名情報をそこから抽出
してその認識システムで引続き使用するためでありまた
認識用に提出署名にも用いることのできるものである。
図３は２つの別々の署名を示す図で、これらは本発明の
方法により正規化され、比較するために重ね合せてい
る。
部的な最大と最小の“ｙ”値のような幾何学的な形の特
徴を用いる認識機構もいくつかある。このような測定は
回転に対しロバストではないので、本発明の正規化法は
この署名を“水平”に戻すのに有用である。好都合に
は、ライン・セグメントのようなニュートラル記号を使
用する本発明の実施例を用いてサンプル署名を正規化す
ることが可能であるが、それは署名情報をそこから抽出
してその認識システムで引続き使用するためでありまた
認識用に提出署名にも用いることのできるものである。
図３は２つの別々の署名を示す図で、これらは本発明の
方法により正規化され、比較するために重ね合せてい
る。
【００１７】署名３０をドット列で示すが、これはこの
署名を書込む際にプロセッサ１２に入力されたｘ- ｙ座
標サンプルの順序集合を示すドット列である。またライ
ン・セグメント３１もドット列として示す。正規化署名
３２をその正規化ｘ- ｙ座標を示すドット列として示
す。この原点を３３に示す。ここで、図３（また図４）
において、署名、記号またはライン・セグメントに対し
示すドット数は通常の場合のドット数より少ないもので
ある。署名３５は、署名３０に対し異なるサイズと向き
と位置で書かれた署名である。また、署名３５は署名３
０に対し形が若干異なる署名であり、これらはある個人
の署名として代表的な２例といえるものである。
署名を書込む際にプロセッサ１２に入力されたｘ- ｙ座
標サンプルの順序集合を示すドット列である。またライ
ン・セグメント３１もドット列として示す。正規化署名
３２をその正規化ｘ- ｙ座標を示すドット列として示
す。この原点を３３に示す。ここで、図３（また図４）
において、署名、記号またはライン・セグメントに対し
示すドット数は通常の場合のドット数より少ないもので
ある。署名３５は、署名３０に対し異なるサイズと向き
と位置で書かれた署名である。また、署名３５は署名３
０に対し形が若干異なる署名であり、これらはある個人
の署名として代表的な２例といえるものである。
【００１８】署名３５をライン・セグメント３６につい
て正規化し、その結果正規化署名３７を得る。またこの
原点を３８で示す。署名３１、３６の重ね合せを４０で
示すが、ここで共通の水平ライン・セグメント４１と原
点４２を示す。図３から明白に本発明の方法によりサイ
ズ、向き、および位置による差異を除去できることが分
る。署名正規化法の前記説明から分るように本発明のこ
の正規化法を筆写体スクリプト認識システムのプリプロ
セッサとして用いることができ、それにより確実に書込
まれたワードや書込みワードの行をいずれかの認識処理
手順の開始前に向き、尺度および位置を適切に処理する
ことができる。
て正規化し、その結果正規化署名３７を得る。またこの
原点を３８で示す。署名３１、３６の重ね合せを４０で
示すが、ここで共通の水平ライン・セグメント４１と原
点４２を示す。図３から明白に本発明の方法によりサイ
ズ、向き、および位置による差異を除去できることが分
る。署名正規化法の前記説明から分るように本発明のこ
の正規化法を筆写体スクリプト認識システムのプリプロ
セッサとして用いることができ、それにより確実に書込
まれたワードや書込みワードの行をいずれかの認識処理
手順の開始前に向き、尺度および位置を適切に処理する
ことができる。
【００１９】前述のように、ライン・セグメントを用い
ないで同一人の署名の別の例と署名を比較して署名正規
化も可能である。他の記号、例えばアルファベット文字
を認識する際に類似の前処理法を用いることも可能であ
る。認識プロセスの代表例として、未知文字をそのアル
ファベットのすべての文字のモデルと比較し、最高相関
の文字を多分その筆者によるものとして選択する。本発
明の１つの特徴として、未知文字をアルファベット文字
と比較する前に、この未知文字をそのアルファベット文
字について正規化する。
ないで同一人の署名の別の例と署名を比較して署名正規
化も可能である。他の記号、例えばアルファベット文字
を認識する際に類似の前処理法を用いることも可能であ
る。認識プロセスの代表例として、未知文字をそのアル
ファベットのすべての文字のモデルと比較し、最高相関
の文字を多分その筆者によるものとして選択する。本発
明の１つの特徴として、未知文字をアルファベット文字
と比較する前に、この未知文字をそのアルファベット文
字について正規化する。
【００２０】例えば、文字ａないしｚがアルファベット
で、文字ｆを書く場合とする。このような書込み文字に
対するその座標サンプルを本発明により正規化するが、
ここでそのような文字と比較する前にそのアルファベッ
ト文字の各々に対するモデルについて正規化し、そして
この正規化バージョンを比較法のいずれを用いる場合で
もその比較法に送る。前述のように、この正規化ステッ
プが位置、尺度および回転による差異を除去する。図４
は、手書きアルファベット文字を示す図で、この手書き
アルファベット文字を後に続く認識プロセスの前に本発
明の方法によりアルファベット記号のモデルについて正
規化するものである。
で、文字ｆを書く場合とする。このような書込み文字に
対するその座標サンプルを本発明により正規化するが、
ここでそのような文字と比較する前にそのアルファベッ
ト文字の各々に対するモデルについて正規化し、そして
この正規化バージョンを比較法のいずれを用いる場合で
もその比較法に送る。前述のように、この正規化ステッ
プが位置、尺度および回転による差異を除去する。図４
は、手書きアルファベット文字を示す図で、この手書き
アルファベット文字を後に続く認識プロセスの前に本発
明の方法によりアルファベット記号のモデルについて正
規化するものである。
【００２１】５１に書込み文字“ｆ”を示すが、これは
認識しようとする文字である。モデル文字の３例を５２
ａ、５２ｆおよび５２ｈで示す。次のように本発明の方
法による正規化後のこの書込み文字“ｆ”を示す。ここ
で５２ａのモデル文字“ａ”についての正規化文字を５
４ａに示し、同時にこの書込み文字の他の正規化バージ
ョンを５４ｆと５４ｈに示す。図から分るように、その
モデル文字の差異から生ずるサイズと向きの差はある
が、５４ａと５４ｆと５４ｈに示す文字“ｆ”は書込み
文字の明確な表現である。正規化後に、認識しようとす
る文字の各正規化バージョンのｘ- ｙ座標の集合を比較
または認識プロセスのいずれを用いる場合でもそのプロ
セスに送りその文字を認識する。
認識しようとする文字である。モデル文字の３例を５２
ａ、５２ｆおよび５２ｈで示す。次のように本発明の方
法による正規化後のこの書込み文字“ｆ”を示す。ここ
で５２ａのモデル文字“ａ”についての正規化文字を５
４ａに示し、同時にこの書込み文字の他の正規化バージ
ョンを５４ｆと５４ｈに示す。図から分るように、その
モデル文字の差異から生ずるサイズと向きの差はある
が、５４ａと５４ｆと５４ｈに示す文字“ｆ”は書込み
文字の明確な表現である。正規化後に、認識しようとす
る文字の各正規化バージョンのｘ- ｙ座標の集合を比較
または認識プロセスのいずれを用いる場合でもそのプロ
セスに送りその文字を認識する。
【００２２】署名をモデル記号について正規化する際に
このモデル記号がまた署名であるような場合、または比
較の前に別の文字について未知文字を正規化場合には、
もう１つの正規化係数Ｄの計算を下記の数６の式を用い
て行うことができる。
このモデル記号がまた署名であるような場合、または比
較の前に別の文字について未知文字を正規化場合には、
もう１つの正規化係数Ｄの計算を下記の数６の式を用い
て行うことができる。
【数６】この後者の方のＤの計算を用いるとそのモデル
記号のサイズがこの正規化記号のサイズを実質的に決め
る。この前者の方のＤの計算を用いると、そのモデル記
号のサイズ（すなわち、その水平ラインの長さ）はこの
正規化記号のサイズに実質的に影響を及ぼさない。
記号のサイズがこの正規化記号のサイズを実質的に決め
る。この前者の方のＤの計算を用いると、そのモデル記
号のサイズ（すなわち、その水平ラインの長さ）はこの
正規化記号のサイズに実質的に影響を及ぼさない。
【００２３】図３に示した例は前者の方のＤの計算を用
いた例であり、図４に示した例は後者の方のＤの計算を
用いた例である。以上の説明は、本発明の一実施例に関
するもので、この技術分野の当業者であれば、本発明の
種々の変形例が考え得るが、それらはいずれも本発明の
技術的範囲に包含される。
いた例であり、図４に示した例は後者の方のＤの計算を
用いた例である。以上の説明は、本発明の一実施例に関
するもので、この技術分野の当業者であれば、本発明の
種々の変形例が考え得るが、それらはいずれも本発明の
技術的範囲に包含される。
【００２４】
【発明の効果】以上述べた如く、本発明の方法により記
号認識、文字確認または署名認識に必要な正規化を従来
に比べ迅速かつ簡便に行うことができる。
号認識、文字確認または署名認識に必要な正規化を従来
に比べ迅速かつ簡便に行うことができる。
【図１】本発明を実施するシステムを示すブロック図で
ある。
ある。
【図２】本発明のステップを示す流れ図である。
【図３】本発明の方法による正規化署名の２例を示し、
比較のために重ね合せを示す図である。
比較のために重ね合せを示す図である。
【図４】手書きアルファベット記号を示し、後に続く認
識ステップに使用するようにアルファベット記号モデル
についてそれを正規化した記号を示す図である。
識ステップに使用するようにアルファベット記号モデル
についてそれを正規化した記号を示す図である。
１０ （スタイラス）ペン １１ （タブレット）パッド １２ プロセッサ １３ メモリ １４ リード線 １５ レジスタ ３０ 署名 ３１ （署名）ライン・セグメント ３２ 正規化署名 ３３ 原点 ３５ 署名 ３６ （署名）ライン・セグメント ３７ 正規化署名 ３８ 原点 ４０ 重ね合せ（署名） ４１ （共通）ライン・セグメント ４２ 原点 ５１ 書込み文字 ５２ａ モデル文字 ５２ｆ モデル文字 ５２ｈ モデル文字 ５４ａ 正規化文字 ５４ｆ 正規化文字 ５４ｈ 正規化文字
フロントページの続き (72)発明者 フランク ウィリアム シンデン アメリカ合衆国 08540 ニュージャージ ー プリンストン、プロスペクト アヴェ ニュー 739 (72)発明者 ゴードン トーマス ウィルフォング アメリカ合衆国 07933 ニュージャージ ー ジレット、ホームストリート 23
Claims (13)
- 【請求項１】 メモリ内に記憶された座標サンプルの順
序集合として表すテスト記号を正規化する方法におい
て、 前記テスト記号の中心が原点にあるように前記順序集合
のサンプルを変換するステップと、 前記テスト記号に対するサンプル数を、座標サンプルの
順序集合として示し、その中心を前記原点に有するモデ
ル記号の数と等しくするステップと、 前記テスト記号に対する等価数の変換サンプルと、前記
モデル記号に対する等価数のサンプルとから正規化係数
を計算するステップと、 前記テスト記号の正規化バージョンを示す座標サンプル
の最終順序集合を生成するように、前記テスト記号に対
する前記変換サンプルに前記正規化係数を適用するステ
ップとを有することを特徴とするテスト記号正規化方
法。 - 【請求項２】 前記テスト記号は、手書き記号であるこ
とを特徴とする請求項１に記載の方法。 - 【請求項３】 前記テスト記号は、署名であることを特
徴とする請求項２に記載の方法。 - 【請求項４】 前記モデル記号は、ニュートラル記号で
あることを特徴とする請求項１に記載の方法。 - 【請求項５】 前記モデル記号は、ライン・セグメント
であることを特徴とする請求項４に記載の方法。 - 【請求項６】 前記モデル記号も、署名であることを特
徴とする請求項３に記載の方法。 - 【請求項７】 前記テスト記号は、アルファベット文字
であることを特徴とする請求項１に記載の方法。 - 【請求項８】 前記モデル記号も、アルファベット文字
であることを特徴とする請求項７に記載の方法。 - 【請求項９】 前記等化ステップと、前記計算ステップ
と、前記適用ステップとを複数のモデル記号に対し繰返
すことを特徴とする請求項８に記載の方法。 - 【請求項１０】 前記正規化係数を、下記の数１と数２
と数３で示す式で計算し、 【数１】 【数２】 【数３】 ただし、ここで、ｎはサンプル数であり、ｘiとｙiはそ
のテスト記号に対する変換サンプルであり、ａiとｂ
iは、そのモデル記号に対するサンプルであり、および
正規化サンプルの前記最終順序集合を次式、 Ｘj＝（ｘjＰ−ｙjＱ）／Ｄ Ｙj＝（ｘjＱ＋ｙjＰ）／Ｄ ただしここでｊは１以上でｎ以下の範囲にある、で計算
することを特徴とする請求項１に記載の方法。 - 【請求項１１】 認識される署名をメモリに記憶するｘ
- ｙ座標サンプルの第１の順序集合として示す署名認識
システムにおいて、 前記署名の中心が原点にあるように前記第１の順序集合
におけるそのサンプルを変換するステップと、 前記第１の順序集合におけるサンプル数を、前記メモリ
に記憶し前記原点にその中心を有するライン・セグメン
トを示すｘ- ｙ座標サンプルの第２の順序集合における
サンプル数に等しくする等化するステップと、 前記第１の順序集合と前記第２の順序集合の両者におけ
るそのｘ- ｙ座標の値から誘導された正規化係数を用い
て、前記第１の順序集合における各前記サンプルに対し
ｘ- ｙ座標の新しい集合を計算するステップとを有する
ことを特徴とする前記署名を正規化する方法。 - 【請求項１２】 前記正規化係数を下記の数４と数５と
数３で示す式で計算し、 【数４】 【数５】 【数３】ただしここでｎはサンプル数であり、ｘiとｙi
は前記署名からの変換サンプル・ポイントであり、ａi
はそのモデル記号に対するサンプル・ポイントであり、
および正規化サンプルの前記新規順序集合を次式、 Ｘj＝（ｘjＰ−ｙjＱ）／Ｄ Ｙj＝（ｘjＱ＋ｙjＰ）／Ｄ ただしここで、ｊは１以上でｎ以下の範囲にある、で計
算することを特徴とする請求項１１に記載の方法。 - 【請求項１３】 前記正規化係数Ｄを、下記の数６の式
で計算する 【数６】 ことを特徴とする請求項１０または１２に記載の方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US92258392A | 1992-07-29 | 1992-07-29 | |
| US922583 | 1992-07-29 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06208653A true JPH06208653A (ja) | 1994-07-26 |
Family
ID=25447260
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5196682A Pending JPH06208653A (ja) | 1992-07-29 | 1993-07-15 | 記号正規化方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5537489A (ja) |
| EP (1) | EP0581529A3 (ja) |
| JP (1) | JPH06208653A (ja) |
| CA (1) | CA2097095A1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014200098A (ja) * | 2005-10-25 | 2014-10-23 | 京セラ株式会社 | 入力装置及び携帯電話装置 |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09506730A (ja) | 1993-12-17 | 1997-06-30 | クインテット、インコーポレイテッド | 自動署名検証の方法 |
| JP3727971B2 (ja) * | 1995-02-01 | 2005-12-21 | キヤノン株式会社 | 文書処理装置、及び文書処理方法 |
| JPH08249422A (ja) * | 1995-03-08 | 1996-09-27 | Canon Inc | 文字処理装置及び方法 |
| US5745592A (en) * | 1995-07-27 | 1998-04-28 | Lucent Technologies Inc. | Method for detecting forgery in a traced signature by measuring an amount of jitter |
| US6317762B1 (en) * | 1995-11-22 | 2001-11-13 | Fujitsu Limited | Document creating apparatus creates free format document from handwritten data converting into normalized size |
| JP3216983B2 (ja) * | 1996-02-27 | 2001-10-09 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 文字認識装置および文字認識方法 |
| US5956409A (en) | 1996-04-29 | 1999-09-21 | Quintet, Inc. | Secure application of seals |
| US5825923A (en) * | 1996-09-05 | 1998-10-20 | Faxtrieve, Inc. | Method for performing character recognition on a pixel matrix |
| US6216175B1 (en) | 1998-06-08 | 2001-04-10 | Microsoft Corporation | Method for upgrading copies of an original file with same update data after normalizing differences between copies created during respective original installations |
| SE514377C2 (sv) | 1998-08-26 | 2001-02-19 | Gunnar Sparr | Teckenigenkänning |
| US6466999B1 (en) | 1999-03-31 | 2002-10-15 | Microsoft Corporation | Preprocessing a reference data stream for patch generation and compression |
| US7006711B2 (en) * | 2000-06-21 | 2006-02-28 | Microsoft Corporation | Transform table for ink sizing and compression |
| US6912308B2 (en) * | 2000-12-01 | 2005-06-28 | Targus Communications Corp. | Apparatus and method for automatic form recognition and pagination |
| US7343053B2 (en) * | 2001-06-27 | 2008-03-11 | Microsoft Corporation | Transform table for ink sizing and compression |
| WO2003023696A1 (en) | 2001-09-12 | 2003-03-20 | Auburn University | System and method of handwritten character recognition |
| US7010165B2 (en) * | 2002-05-10 | 2006-03-07 | Microsoft Corporation | Preprocessing of multi-line rotated electronic ink |
| CA2526633A1 (en) * | 2005-11-10 | 2007-05-10 | Imaginet Software | Transmission of handwriting over sms protocol |
| US8406532B2 (en) * | 2009-06-17 | 2013-03-26 | Chevron U.S.A., Inc. | Image matching using line signature |
| DE102010044192A1 (de) | 2009-11-20 | 2011-05-26 | Riggenbach, Paul, Dr. | Verfahren zur Erfassung von graphischen Symbolen |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3614736A (en) * | 1968-05-21 | 1971-10-19 | Ibm | Pattern recognition apparatus and methods invariant to translation, scale change and rotation |
| US3636513A (en) * | 1969-10-17 | 1972-01-18 | Westinghouse Electric Corp | Preprocessing method and apparatus for pattern recognition |
| US4155072A (en) * | 1976-12-17 | 1979-05-15 | Ricoh Company, Ltd. | Character recognition apparatus |
| JPS5580183A (en) * | 1978-12-12 | 1980-06-17 | Nippon Telegr & Teleph Corp <Ntt> | On-line recognition processing system of hand-written character |
| US4759075A (en) * | 1983-03-14 | 1988-07-19 | Ana Tech Corporation | Method and apparatus for vectorizing documents and symbol recognition |
| US4646351A (en) * | 1985-10-04 | 1987-02-24 | Visa International Service Association | Method and apparatus for dynamic signature verification |
| US5077811A (en) * | 1990-10-10 | 1991-12-31 | Fuji Xerox Co., Ltd. | Character and picture image data processing system |
| US5325447A (en) * | 1991-10-02 | 1994-06-28 | Environmental Research Institute Of Michigan | Handwritten digit normalization method |
| US5287415A (en) * | 1991-10-24 | 1994-02-15 | International Business Machines Corporation | Elastic prototype averaging in online handwriting recognition |
-
1993
- 1993-05-27 CA CA002097095A patent/CA2097095A1/en not_active Abandoned
- 1993-07-15 JP JP5196682A patent/JPH06208653A/ja active Pending
- 1993-07-22 EP EP19930305784 patent/EP0581529A3/en not_active Withdrawn
- 1993-11-18 US US08/154,150 patent/US5537489A/en not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014200098A (ja) * | 2005-10-25 | 2014-10-23 | 京セラ株式会社 | 入力装置及び携帯電話装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US5537489A (en) | 1996-07-16 |
| EP0581529A2 (en) | 1994-02-02 |
| EP0581529A3 (en) | 1994-07-20 |
| CA2097095A1 (en) | 1994-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH06208653A (ja) | 記号正規化方法 | |
| JP2699241B2 (ja) | アクセス制御方法とそのシステム | |
| EP0114248B1 (en) | Complex pattern recognition method and system | |
| KR100297482B1 (ko) | 수기입력의문자인식방법및장치 | |
| US7349576B2 (en) | Method, device and computer program for recognition of a handwritten character | |
| JPH0644408A (ja) | 手書き記号の認識方法 | |
| JP3335538B2 (ja) | 手書き文字列の照合方法および装置 | |
| JP3125904B2 (ja) | 手書き文字認識方法及び手書き文字認識システム | |
| JP3192468B2 (ja) | オンライン手書き文字認識装置及び認識方法 | |
| JPH0520794B2 (ja) | ||
| JP3977473B2 (ja) | 手書き文字認識方法及び手書き文字認識装置 | |
| JP3198218B2 (ja) | オンライン手書き文字認識方法 | |
| JPH0442316A (ja) | 電子計算機 | |
| JPH07117986B2 (ja) | 文字認識装置 | |
| EP0583138A2 (en) | Method of recognizing symbols differing from reference symbols by affine transformations | |
| JPS62160597A (ja) | オンライン連続文字認識装置 | |
| JPH081660B2 (ja) | オンライン手書き図形認識装置 | |
| JP2000251071A (ja) | オンラインサイン認識方法 | |
| JPS63200289A (ja) | オンライン連続文字認識装置 | |
| JPH10247221A (ja) | オンライン文字認識装置 | |
| JPH0628526A (ja) | 手書き文字認識法 | |
| JPH01204196A (ja) | 連続数字認識方法及び装置 | |
| JPH0465431B2 (ja) | ||
| JPH0714001A (ja) | オンライン手書き文字認識前処理方法 | |
| JPH09259225A (ja) | 文字認識変換方法及び文字データ処理装置 |